• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.350-350
• /
• 2021

한국건설기술연구원의 돌발홍수연구센터는 돌발홍수예측 시스템을 구축하여 2019년부터 전국에서의 돌발홍수정보를 제공하고 있다. 2019년에는 초단기 예측 모델인 Macgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘으로부터 생산된 초단기 예측 강우를 활용하여 동(읍/면) 단위로 1시간 선행 예보를 제공하였다. 2020년에는 추가로 초단기 예측 강우와 수치예보 자료를 병합한 예측 병합 강우 자료를 생산하여 예측 선행시간을 1시간에서 3시간까지 확장하였다. 돌발홍수예측 시스템의 목표는 도시 및 산지소하천에서의 돌발홍수에 대응하기 위한 정보를 실시간으로 사용자에게 제공하여 수재해에 빠르게 대응하는 것이다. 이에 돌발홍수예측 시스템은 2019년부터 실시간으로 운영하여 홍수기에 보다 빠른 돌발홍수정보를 제공해왔다. 본 연구에서는 2020년 우기에 운영된 돌발홍수시스템에 대한 평가를 수행하였다. 이를 위해 부산(07.23), 대전(07.29), 서울(08.01), 경기-충북(08.02)에서 발생한 수재해 사례를 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.60-60
• /
• 2020

기후변화 및 지구온난화로 인한 자연재해 규모가 점차 대형화, 다양화되고 있어 이로 인한 피해도 증대되고 있다. 특히, 다양한 시설과 인구밀도가 높은 도심 지역은 집중호우, 태풍, 홍수 등 자연재해에 취약하여 인적·물적 피해 위험성이 매우 높다. 방재 시설확보 및 개선을 통한 더 높은 안정성 및 기상예보를 통한 대응, 대책을 통한 피해 저감이 이루어지고 있다. 그러나 일반적으로 제공되는 단일 수치모형 기반의 결정론적 기상예측정보는 기상 상태, 선행시간, 모형 매개변수 등으로 인한 불확실성이 매우 크며 이에 대한 정보가 제공되지 않다. 이러한 문제점을 보완하기 위해 앙상블 수치모델 정보와 기상레이더 자료 기반의 단기 예측정보가 활용이 가능하다. 그러나, 앙상블 수치모델의 불확실성, 기상레이더 기반 예측정보의 짧은 예측 선행시간으로 인해 수문학적 모형에 입력자료로 활용은 어려운 실점이다. 본 연구에서는 지점 관측자료의 시간적 연속성, 기상레이더 자료의 공간적 연속성, 앙상블 예측정보의 선행시간 정보를 융합하여 기상예측정보에 대한 불확실성 개선 및 선행시간에 따른 정확도를 높일 방법을 제안하였다. 기상청에서 제공하는 앙상블 예측자료인 LENS 자료, 레이더 강수량, ASOS 관측자료 기반으로 분석이 수행되었으며 분석결과는 예측강수량을 활용하는 분야에 긍정적 영향을 미칠 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.291-295
• /
• 2007

강수진단모형을 이용하여 저수지 이수운영을 위한 실시간 유량예측기법을 개발하였다. 강수진단모형은 현재 기상청 현업에서 수행중인 강우수치예보를 기반으로 상세 지역의 지형 효과에 의한 강수를 예측하는 정량강수예측모형(QPM; Quantitative Precipitation Model)으로서 부경대학교 환경대기과학과에서 개발된 모형이다. QPM은 중규모 예측 모형으로부터 계산된 수평 바람, 고도, 기온, 강우 강도, 그리고 상대습도 등의 예측 자료를 이용하고, 소규모 상세지형 효과를 고려함으로써 중규모 예측 모형에서 생산된 강수량 예측 값을 상세 지역의 지형을 고려한 강수량 예측 값으로 재구성하여 결과적으로 3km 간격의 상세지역 강우산출과 지형에 따른 강수량의 분포 파악이 용이할 뿐만 아니라 계산 효율성을 개선된 모형이다. QPM 검증을 위하여 기상학적 평가와 수문학적 평가를 수행하였다. 호우 사례별 일강수량의 시공간 분포로 부터, QPM을 활용한 시스템에 의한 예측결과가 원시자료 RDAPS 보다 고해상도의 예측 및 지형효과의 반영도가 높았으며, AWS의 관측자료와 비교하여 보다 높은 예측성을 보여 주었다. 대상기간인 2006년 1월 1일부터 6월 20일까지 관측강우는 총 391.5mm 였으며 RQPM은 실적강우에 비하여 119.5mm 정도 과소산정하고 있으나 분위사상과정을 거치게 되면 351.7mm로서 실적강우에 불과 10.2% 못미치고 있다. 이는 고무적인 결과로 볼 수 있으며 현업에서의 활용성이 기대되는 수준이라 볼 수 있다. 강우-유출모의를 위한 QPM신뢰도를 높이기 위하여 분위사상법(Quantile Mapping)을 이용하여 QPM모의에 존재할 수 있는 계통오차에 대한 추가적인 보정을 수행하였다. 수문학적 평가를 위하여는 장기연속유출모형인 SSARR모형을 기반으로 개발된 RRFS(Rainfall-Runoff Forecast System)을 이용하여 2006년 1월${\sim}$9월까지의 용담댐 유입량에 대하여 모의예측결과와 관측유입량 비교를 통한 검증을 수행하였다. 위 기간중 예측유입량의 RMSE(Root Mean Squared Error), COE(Sutcliffe Coefficient of Efficiency), MAE(Mean Absolute Error), $R^2$값은 각각 7.50, 0.68, 2.59, 0.69 값을 보이고 있다. 본 연구에서는 QPM에 의한 예측성의 향상 및 구축된 시스템에 의한 일강수량의 장기예측 가능성을 확인하였고, 향후 시스템을 현업에 활용하기 위해서 생산된 예측자료의 보다 장기적인 검증을 통한 시스템의 안정화가 필요할 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.57-57
• /
• 2023

최근 심각한 기후변화로 인한 호우, 태풍 등 기상현상의 변화로 다양한 재해가 발생하고 그로 인한 피해 규모도 커지고 있다. 현재 우리나라의 호우 재해에 대한 예보는 단순히 강수량, 강설량, 바람의 강도 등을 전달해 주고 있는데, 이러한 정보 전달의 형태는 그로 인한 피해 규모를 예측하기 어렵다. 본 시스템은 현재의 단순한 수치만을 보여주는 예보에서 호우가 어느 지역에 어떠한 영향을 미치는지에 대한 정보를 전달한다. 시간대별 격자단위(1km×1km)로 구획하여 그 영향이클 것이라고 예상되는 9개 분야(생활, 도로, 농업, 편의, 공업, 의료복지, 교육연구. 축산업, 공용)의 정보를 전달 해 줌으로써 경제적, 산업적 측면에서 재난으로 인한 피해를 최소화할 수 있도록 하였다. GIS와 호우위험영향도 분석결과를 제공하는 플랫폼이며 주요 기능은 종합위험등급 현황을한 눈에 볼 수 있는 GIS 대쉬보드 상황판과 IBH-HR(예측강우분석), IBF-G(수문분석), IBF-PRA(리스크 분석) 3개의 분석 모듈 그리고 분석 모듈을 통해 도출된 분석결과를 관리하는 ARM(분석이력관리)으로 구성되었다. 다양한 콘텐츠 서비스로 호우 영향정보의 활용성이 클 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1121-1124
• /
• 2009

면적강우량은 수치예보모형(NWP; Numerical Weather Prediction)이나 분포형 강우유출모형 등에서 가장 중요한 입력변수이다. 기상레이더는 광범위한 시공간분해능을 지닌 강우관측기기로서 널리 이용되고 있다. 레이더 반사도 자료를 이용한 강우추정에 대한 연구는 Z-R 관계식을 이용한 방법, 지상우량계와 연계한 통계적인 방법 등 다양하게 전개되어 왔다. 일반적으로 많이 사용되는 Marshall and Palmer(1948)가 제시한 Z-R 관계식은 층운형 강우에는 비교적 타당한 결과를 얻을 수 있지만 적운형 강우에 대해서는 그러하지 못하다. 또한 지상우량계와 연계한 방법은 주로 geostatistic 기법(ordinary kriging, co-kringing, kriging with external drift 등)을 사용하지만, 배리오그램(variogram)을 작성해야 되는 등 계산절차가 복잡하고 시간이 많이 걸려 실무에 적용하여 실시간으로 강우정보를 제공하기에는 다소 무리가 따른다. 따라서 본 연구에서는 지상우량계로 관측된 강우량과 레이더 추정강우 사이의 보정계수를 이용한 실시간 Z-R 관계식으로 레이더강우를 추정할 경우 발생될 수 있는 문제점들을 제시하고 개선방안을 모색하여 보다 정확한 레이더 강우를 추정하고자 하였다. 연구 대상지역은 부산레이더 반경 240km 이내 지역이며, 강우사상으로는 2002년 8월 31일 (태풍 "루사")의 레이더 반사도 자료를 이용하였다. 또한, 지상관측 강우량자료는 AWS(Auto Weathering System) 중에서 부산레이더 관측범위 내에 존재하는 68곳의 1시간 누적강우량을 사용하였다. 연구 결과, 기존의 실시간 Z-R 관계식을 이용할 경우 단순히 지상우량계와 레이더 강우 사이의 보정계수를 사용하면서 물리적인 범위를 벗어나 과대 추정되는 결과를 발생시켰다. 본 연구에서는 이렇게 과대 추정되는 부분을 제한함으로써 보다 현실적이고 타당한 면적강우량을 산정할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.404-404
• /
• 2011

최근 기상변동성 증가와 극치수문사상의 발생빈도 증가로 인한 기상재해가 빈번하게 일어나고 있다. 이러한 기상현상으로 인한 재해의 예방을 위해서 사전에 위험을 인지하고 그 규모를 예측할 수 있는 여러 기법들이 기상레이더 또는 수치예보자료 등을 이용하여 개발 및 적용되고 있다. 이 과정에서 해결해야 할 여러 문제점들이 있는데, 우선 수치예보자료 또는 기상레이더자료를 종관기상관측소 및 자동기상관측지점의 지상관측 강수량과 연계하여 평가하는 과정이 필요하고, 현재시점에 형성되어 있는 강우장의 공간 이동 예측 기법이 확보되어야 할 것이다. 전북지역은 게릴라성 집중호우가 빈번한 산악형 강수와 산지유역의 급한 하천경사가 맞물려 인명 및 재산피해가 매년 발생하고 있으며, 과거 돌발홍수가 발생한 사례가 있어 이상기후 및 기후변화로 인한 홍수 위험도가 커질 것으로 전망되고 있다. 본 연구는 전라북도의 기상재해 예측모형 개발을 위한 사전 분석과정으로 전라북도지역에서 관측된 기존의 대규모 강수사상을 이용한 강수사상의 특성 분류 및 관측소간 공간상관성을 분석하는데 목적을 두고 있다. 강수사상의 특성분류를 통해 강수 발생형태에 따른 기상학적 영향인자, 강수의 발생량 및 이동특성 예측의 정도를 향상시킬 수 있으며, 분류 기법으로 SVM(support vector machine)을 이용한 자동분류를 적용한다. 또한 관측소간 공간상관성 분석을 위하여 각 관측소 강수량간의 조건부 확률을 이용한다. 예로써 부안관측소에 강수가 발 생했을 때, 부안관측소의 강수량 조건에 의한 전주관측소 강수량 확률을 다음과 같이 구성할 수 있다. �揚滑斂�수량�咀刮활�수량��. 공간상관성 분석과정에서 관측소간 강수 이동시간에 따른 강수 발생 시간의 차이 또한 고려하며, 과거 기상관측 자료의 분석을 통해 전라북도지역의 관측소간 강수발생의 공간적 상관성을 규명하고, 단기예측 모델 개발을 위한 기초자료로 활용할 수 있을 것이다. 또한, 기후변화시나리오에 의한 미래 강수량의 지역적 상세화 과정에도 본 연구를 통한 결과를 이용할 수 있을 것이라 판단된다.

• 한국수자원학회논문집
• /
• 제44권3호
• /
• pp.221-230
• /
• 2011

최근 우리나라뿐만 아니라 전 세계적으로 기후변화에 따른 국지성 호우의 증가로 피해가 증가하고 있고 그에 따른 대책으로 단기예보의 중요성이 높아지고 있다. 우리나라의 기상청에서는 전구 모형인 GDAPS와 지역 모델인 RDAPS를 이용하여 정량적 예보인 수치 예보를 하고 있다. RDAPS 모델을 이용하여 생성된 자료는 3시간의 누적 강수량으로 48시간에 대한 예측 자료를 12시간 간격으로 00UTC와 12UTC를 생성한다. 본 연구에서는 2005년의 RDAPS의 결과를 9가지의 경우에 대하여 일강수량으로 변환하였으며, 금강유역을 대상으로 면적평균강수량 (MAP)을 산정하였다. 또한, 기상청 강우관측소의 관측강우량과 절대상대오차평균 (AARE)을 산정하여 가장 정확한 변환의 방법을 제시하고 적용성을 검토하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.241-241
• /
• 2017

기후변화로 인하여 강우의 불확실성이 가중되고 홍수, 가뭄 등 물 관련 재해의 발생빈도 및 강도가 증가함에 따라 안정적인 용수공급 등 수자원 관리 및 운영에 어려움을 겪고 있어 예측기반의 수자원 계획 및 운영이 요구되고 있는 실정이다. 우리나라 기상청에서는 2010년 6월 영국기상청과 장기 계절예측시스템의 구축 및 운영에 관한 협정을 체결하였으며 2014년부터 전지구 계절예측시스템 GloSea5(Global seasonal forecasting system version 5)을 현업에 활용하고 있다. GloSea5 모델은 대기(UM), 지면(JULES), 해양(NEMO), 해빙(CICE) 모델이 커플러(OASIS)에 의해 결합된 통합 시스템으로 일단위 자료로 제공된다. 현재 수자원 분야에서는 장기예보자료가 제공되고 있음에도 불구하고 장기예보자료의 불확실성 및 수문 모형 입력자료로의 활용 어려움, 예측자료의 검증 미흡 등으로 기상청에서 제공하는 장기예보를 참고할 뿐 실제로는 과거 관측자료를 기반한 빈도해석 결과를 활용하여 댐 운영 계획을 수립하고 있는 실정이다. 따라서, 본 연구에서는 GloSea5모델에서 제공되는 일 단위 예측 강수량을 수자원 장기이수계획 및 관리에 활용하고자 GloSea5모델의 예측력을 평가하고 수치모델이 가지는 시스템 에러에 대하여 편의보정 및 지점 상세화를 수행하였다. 본 연구의 분석결과는 향후, 저수지 운영계획 및 증가하는 물수요와 불확실한 공급에 대한 의사결정 지원, 가뭄 대비를 위한 물 공급 제한 등에 활용 가능할 것으로 판단된다.