• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.72-76
• /
• 2011

본 연구는 레이더 강우 영상에서 추출된 강우 패턴을 인공신경망으로 처리하여 단기 강우 예측을 수행하는 방안을 제시한 것이다. 본 연구에 활용한 CAPPI 영상자료로는 편차 보정과 품질 관리가 이루어지고 있으며 획득이 용이한 기상청 자료를 이용하였으며 CAPPI의 PNG 영상으로부터 강우 패턴을 추출하고, 이를 역전파 알고리즘의 인공신경망 강우 예측 모형에 학습시켜 단기 강우를 예측하기 위한 절차를 제시하였다. 이를 위하여 강우의 시공간적 변화 패턴 추출을 위한 영상 처리와 GIS 자료처리 기법을 제시하였고 이를 인공신경망의 단기 강우 예측 학습과 검증에 적용하여 본 연구에서 제시된 기법의 타당성을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.365-365
• /
• 2017

강우의 공간분포는 홍수수문곡선에 큰 영향을 미친다. 이것은 총강우량이 같더라도 강우의 공간분포 특성에 따라 홍수수문곡선 및 첨두유량의 크기가 다를 수 있다는 것을 의미한다. 따라서 강우의 공간분포는 홍수량 산정과 홍수해석은 물론 수자원 설계에 큰 영향을 미칠 수 있다. 본 연구에서는 안동댐유역을 대상으로 물리적 기반의 분포형 모형인 GRM 모형과 공간확장자료 생성방법을 사용하여 47개 미계측유역에 대해 홍수유출 시계열자료를 생성하고 3개 관측유역을 포함한 총 50개 유역에 대해 첨두유량을 추출하여 분석함으로써 강우의 공간분포가 유출에 미치는 영향을 실제유역과 실제사상에 대해 자세히 분석하였다. 공간확장자료 생성방법은 보정 및 검증유역에서 모의유량이 관측유량을 적절히 모의한다면 추정된 매개변수값들을 상류지역에 있는 미계측유역에 적용하여 유량자료를 생성하는 방법이다. 1989년부터 2009년까지의 강우와 유출자료의 질이 좋은 20개의 사상을 추출하고 이 사상들과 3개 관측유역에 대해 GRM 모형의 매개변수들을 보정 및 검증하였다. 그 결과 NSE > 0.5, PBIAS ${\pm}30%$, 그리고 수정상관계수인 $_{mod}>0.6$의 적절한 모형효율 통계결과를 얻었다. 강우의 공간분포가 유출에 미치는 영향을 조사하기 위해 이 추정된 매개변수와 실제강우(강우의 공간분포를 고려한 강우) 및 공간평균강우(실제강우를 공간적으로 평균한 강우)를 사용하여 50개 유역의 홍수유출 시계열자료를 생성하였으며 이 시계열 자료 중 첨두유량을 추출하여 분석하였다. 그 결과 공간평균강우에 의한 첨두유량의 분포는 실제강우에 의한 첨두유량의 분포와 차이가 있었다. 20개 사상중 13개의 사상은 실제강우와 공간평균강우에 의한 첨두유량의 분포가 비슷하거나 공간평균강우에 의한 첨두유량의 분포가 실제강우에 의한 첨두유량의 분포보다 약간 좁아지는 차이가 있었다. 하지만 나머지 7개 사상의 경우에는 공간평균강우에 의한 첨두유량의 분포가 실제강우에 의한 첨두유량의 분포보다 크게 좁아지는 것을 보였다. 이것은 전체사상의 약 35 %에 대해서는 강우의 공간적 변동성을 고려하지 않고 홍수유출을 모의한다면 적절하지 않은 첨두유량 모의결과를 얻을 수 있다는 것을 나타내며 또한 홍수체적에 대해서도 적절하지 않은 모의결과를 얻을 수 있다는 것을 의미한다. 이것은 또한 강우관측소의 밀도가 홍수유출 모의 시 매우 중요하다는 것을 의미한다. 따라서 홍수량 산정 또는 수자원 설계 시 강우의 시간분포 뿐만 아니라 공간분포 또한 고려해야 한다.

• Journal of Korea Water Resources Association
• /
• v.46 no.11
• /
• pp.1129-1140
• /
• 2013

Precipitation is one of the important factors in the hydrological cycle. It needs to understand accurate of spatial precipitation field because it has large spatio-temporal variability. Precipitation data obtained through the Tropical Rainfall Monitoring Mission (TRMM) 3B43 product is inaccurate because it has 25 km space scale. Downscaling of TRMM 3B43 product can increase the accuracy of spatial precipitation field from 25 km to 1 km scale. The relationship between precipitation and the normalized difference vegetation index(NDVI) (1 km space scale) which is obtained from the Moderate Resolution Imaging Spectroradiometers (MODIS) sensor loaded in Terra satellite is variable at different scales. Therefore regression equations were established and these equations apply to downscaling. Two renormalization strategies, Geographical Difference Analysis (GDA) and Geographical Ratio Analysis (GRA) are implemented for correcting the differences between remote sensing-derived and rain gauge data. As for considering the GDA method results, biases, the root mean-squared error (RMSE), MAE and Index of agreement (IOA) is equal to 4.26 mm, 172.16 mm, 141.95 mm, 0.64 in 2009 and 17.21 mm, 253.43 mm, 310.56 mm, 0.62 in 2011. In this study, we can see the 1km spatial precipitation field map over Korea. It will be possible to get more accurate spatial analysis of the precipitation field through using the additional rain gauges or radar data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.2-2
• /
• 2017

수문분석이 있어 정확한 강우량 추정 및 강우 자료의 품질은 매우 중요한 요소이다. 유출분석의 기본 입력 자료인 만큼 홍수유출 결과에도 큰 영향을 미치게 되는데, 현재 하나의 확정적인 값으로 제공되는 레이더 강우 자료는 추정과정에서 많은 오차 및 불확실성을 포함하고 있다. 강우 자료의 불확실성은 기상현상의 예측능력 한계로 인한 것으로 관측지점에서의 발생 가능한 다양한 강우시나리오의 범위를 나타낸다. 본 연구에서는 임의의 값을 추정하는데 있어 하나의 값이 아닌 가능한 값들의 범위를 정의하거나 확률분포를 표현할 수 있는 확률론적인 방법을 이용하여 레이더 강우 앙상블을 생성하고자 하였다. 2012년 남강댐 유역에 발생한 태풍 '산바', '볼라벤'을 대상으로 자료간 오차 공분산을 고려하 2012년 남강댐 유역에 발생한 태풍 '산바', '볼라벤'을 대상으로 자료간 오차 공분산을 고려하여 강우 앙상블을 생성하였으며, 레이더 강우에 내포된 불확실성 정도를 정량적으로 제시하였다. 생성된 강우 앙상블은 레이더 강우의 전체적인 편의보정뿐만 아니라 지상강우의 패턴을 잘 모의하고 있는 것으로 나타났으며, 레이더에 의해 추정한 강우의 불확실성을 잘 표현하고 있는 것으로 확인되었다. 강우 앙상블 생성 방법은 발생 가능한 다양한 강우 시나리오를 제공할 수 있으며 홍수예경보와 같은 의사 결정에 유용한 정보를 제공할 수 있을 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.40 no.7
• /
• pp.511-521
• /
• 2007

The objective of this study is to develop a method of rainfall adjustment on duration and topographic elevation for rainfall data in Jejudo. The method of rainfall adjustment is based on the polynomial regression analysis for the hourly rainfall data and the distribution of observatories of korea meteorological administration. As the results of modeling have shown, duration and rainfall are more correlated than topographic elevation and rainfall, and the model which considers only an elevation exaggerates the amount of rainfall adjustment. Hence the model of duration-elevation-rainfall is more competitive to the natural rainfall event than the model of topographic elevation-rainfall. However this model require to supplement a small number of rainfall observatories and short observed period.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.20-20
• /
• 2016

본 연구는 레이더를 이용한 강우 추정 시 과소 추정하는 문제를 해결하기 위해 기상청에서 실시간으로 생산하고 있는 레이더 반사도를 AWS로 보정한 RAR (RADAR-AWS Rain rate) 자료의 수문 분석을 통한 적용성을 평가하는데 그 목적이 있다. 대상유역을 한탄강홍수조절댐 유역으로 선정하고 9개 소유역에 대한 시간 단위 지상 관측 자료와 RAR 자료의 유역평균 강우량을 산정 및 비교하였다. 분석 결과 미계측 유역이 80%가 넘는 1번 소유역에서 지상 관측 자료와 RAR 자료의 유역평균 강우량은 상관성이 낮게 분석되었다. 두 자료의 유역평균 강우량을 이용하여 2012년부터 2015년까지 홍수기간에 대한 저수지 모의 유입량과 관측 유입량을 비교한 결과 RAR 자료의 모의 유입량이 관측 유입량과 높은 상관성 및 정확도를 나타내었다. RAR 자료는 기존 레이더 강우의 과소 추정 문제를 보완할 수 있으며, 지상 관측이 어려운 지역에서 강우자료로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.247-247
• /
• 2017

수문분석이 있어 정확한 강우량 추정 및 강우 자료의 품질은 매우 중요한 요소이다. 유출분석의 기본 입력 자료인 만큼 홍수유출 결과에도 큰 영향을 미치게 되는데, 현재 하나의 확정적인 값으로 제공되는 레이더 강우 자료는 추정과정에서 많은 오차 및 불확실성을 포함하고 있다. 강우 자료의 불확실성은 기상현상의 예측능력 한계로 인한 것으로 관측지점에서의 발생 가능한 다양한 강우시나리오의 범위를 나타낸다. 본 연구에서는 임의의 값을 추정하는데 있어 하나의 값이 아닌 가능한 값들의 범위를 정의하거나 확률분포를 표현할 수 있는 확률론적인 방법을 이용하여 레이더 강우 앙상블을 생성하고자 하였다. 2012년 남강댐 유역에 발생한 태풍 '산바', '볼라벤'을 대상으로 자료간 오차 공분산을 고려하여 강우 앙상블을 생성하였으며, 레이더 강우에 내포된 불확실성 정도를 정량적으로 제시하였다. 생성된 강우 앙상블은 레이더 강우의 전체적인 편의보정뿐만 아니라 지상강우의 패턴을 잘 모의하고 있는 것으로 나타났으며, 레이더에 의해 추정한 강우의 불확실성을 잘 표현하고 있는 것으로 확인되었다. 강우 앙상블 생성 방법은 발생 가능한 다양한 강우 시나리오를 제공할 수 있으며 홍수예경보와 같은 의사 결정에 유용한 정보를 제공할 수 있을 것으로 판단된다.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.176-176
• /
• 2011

전 세계적으로 국지성 집중호우의 발생이 증가하고 있다(건설교통부, 2007 ; 김광섭과 김종필, 2008). 특히, 국내의 경우 급속한 도시화에 의한 기상 변화의 영향으로 서울 및 중소도시 지역에 집중호우의 발생이 크게 증가하였고, 산악지역에 발생한 강도 높은 집중호우로 인하여 돌발홍수의 발생 또한 급증하고 있다. 이처럼 집중호우는 단시간에 큰 강우강도를 동반하여 돌발홍수를 유발할 뿐만 아니라 잦은 발생으로 인하여 막대한 재산 손실과 인명 피해를 초래하고 있다(유철상 등, 2007a). 현실적으로 이러한 이상호우에 의한 피해를 원천적으로 방지하는 것은 불가능하다. 그러나 어느 정도(accuracy) 이상의 강우예측이 전제된다면 피해의 규모를 크게 줄일 수 있는 것이 또한 사실이다(유철상 등, 2007b). 집중호우로 인한 피해의 주범은 수 시간이내에 발생하는 돌발홍수로서 이에 대한 피해를 최소화하기 위해서는 정확한 초단기예측 강우가 절실한 상황이다. 이에 본 연구에서는 초단기예측 강우의 보정을 목적으로 G/R 비를 예측하였다. 먼저, 강우의 임계치와 누적시간에 따른 G/R 비의 특성변화를 검토하여 G/R 비 산정방법을 개선하였다. 초단기예측 강우로 캐나다 McGill 대학교에서 개발된 MAPLE 예측강우를 사용하였으며, 이를 보정하기 위하여 칼만 필터를 이용하여 G/R 비를 실시간으로 예측하였다. 이러한 분석은 레이더 자료의 품질이 가장 양호할 것으로 판단되는 내륙지역을 대상으로 하였다. 결과적으로 강우의 임계치와 누적시간의 고려를 통해 안정화된 G/R 비의 산정이 가능하였으며, 이를 이용함으로서 예측 G/R 비의 정확성이 보다 향상되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1196-1200
• /
• 2010

본 논문에서는 지점 강우의 결측치를 추정하기 위해 전통적인 통계학적 내삽기법을 이용한 역거리가중치법(IDWM), 역지수가중치법(IEWM), 상관계수가중치법(CCWM)과 패턴 인식의 일종인 인공신경망(ANN)기법 그리고 시공간적 강우분포의 측정이 가능한 레이더 자료를 이용해 결측치를 추정하여 각각의 방법을 비교하였다. 임진강 유역의 15개 지상관측소를 대상으로 교차검정(Cross validation) 분석을 실시해 본 결과, CCWM 방법과 ANN기법에 의한 RMSE가 0.46~1.79의 범위를 보였고, 보정레이더를 이용하여 결측치를 추정한 경우RMSE가 0.05~2.26의 범위를 보여 기존의 전통적 결측치 추정방법보다 실측치에 가까운 결과를 보였다. 이는 레이더자료가 지점 강우자료와는 달리 강우의 시공간적 변동성을 고려한 공간분포의 정보를 지니고 있기 때문인 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.117-117
• /
• 2021

본 연구에서는 Sentinel-1A/B C-band SAR(Synthetic Aperture Radar) 위성영상을 기반으로 인공신경망(Artificial Neural Network, ANN) 모형을 활용해 금강 유역 상류 40×50 km² 면적에 대한 토양수분을 산정하였다. 10 m 공간 해상도의 Sentinel-1A/B SAR 영상은 8일 간격으로 2015년부터 2019년까지 5년 동안 구축하였고, SNAP(SentiNel Application Platform)을 통해 기하 보정, 방사 보정 및 잡음(Noise) 보정을 수행하고 VV 및 VH 편파 후방산란계수로 변환하였다. ANN 모형 검증자료로 TDR(Time Domain Reflectometry)로 측정된 9개 지점의 실측 토양수분 자료를 구축하였으며, 수문학적 개념인 선행강우를 고려하기 위해 동지점에 대한 강수량 자료를 구축하였다. ANN은 각 지점에 해당하는 토양 속성별로 모델링하고, 전체 기간 및 계절별로 나누어 모의하였으며, 전체 자료의 60%와 40%를 각각 훈련 및 테스트 데이터로 사용하였다. 산정된 토양수분은 상관계수(Correlation Coefficient, R)와 평균제곱근오차(Root Mean Square Error, RMSE)를 활용하여 검증을 수행할 예정이다.