• Title/Summary/Keyword: 관측기간

Search Result 1,549, Processing Time 0.038 seconds

Rainfall Quantile Estimation based on Scaling Invariance Property (강우자료의 지속기간별 스케일링 성질을 이용한 확률강우량 산정)

  • Jung, Young-Hun;Kim, Soo-Young;Kim, Tae-Soon;Heo, Jun-Haeng
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2007.05a
    • /
    • pp.1538-1542
    • /
    • 2007
  • 확률강우량은 일반적으로 년최대 강우량자료를 바탕으로 빈도해석을 실시하여 산정하며, 국내에서는 주로 매시각별로 관측된 자료를 이용하여 지속기간 1시간에서 24시간 사이에 대하여 산정하고 있다. 그러나 도달시간이 매우 단시간인 도시 유역의 확률강우량 산정을 위해서는 지속기간 15분 혹은 지속기간 30분과 같은 짧은 지속기간에 대한 확률강우량의 추정이 필요하며, 이와는 반대로 지속기간 24시간 이상의 장기간에 대한 확률강우량의 추정이 필요한 경우도 있다. 본 연구에서는 이와 같이 관측되지 않은 지속기간에 대한 확률강 우량을 산정하기 위한 방법으로써 강우자료의 지속기간별로 일정한 스케일이 유지된다는 스케일링 성질(Scaling Invariance Property)을 적용하여 확률강우량을 산정하였다. 이를 위해 대상지역의 지속기간별 년최대 강우량자료를 구축한 뒤 L-모멘트법으로 산정된 매개변수와 스케일링 성질을 이용하여 확률강우량을 산정한 후 이를 기존의 빈도해석 결과에 의한 확률강우량과 비교하여 적용성을 판단하였다.

  • PDF

Comparative analysis of simulated runoff extreme values of SWAT and LSTM (SWAT 및 LSTM의 모의 유출량 극값 비교분석)

  • Chae, Seung Taek;Song, Young Hoon;Kim, Jin Hyuck;Chung, Eun-Sung
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2022.05a
    • /
    • pp.365-365
    • /
    • 2022
  • 강우에 따른 유역 내 유출량은 수문순환에서 중요한 요소 중 하나이며, 과거부터 강우-유출 모델링을 위한 여러 물리적 수문모형들이 개발되어왔다. 또한 최근 딥러닝 기술을 기반으로한 강우-유출 모델링 접근 방식이 유효함을 입증하는 여러 연구가 수행됨에 따라 딥러닝을 기반으로한 유출량 모의 연구도 활발히 진행되고 있다. 따라서 본 연구에서는 물리적 수문모형인 SWAT(Soil Water Assessment Tool)과 딥러닝 기법 중 하나인 LSTM(Long Short-Term Memory)을 사용하여 연구대상지 유출량을 모의했으며, 두 모형에 의해 모의 된 유출량의 극값을 비교 분석했다. 연구대상지로는 영산강 유역을 선정했으며, 영산강 유역의 과거 기간의 기후 변수 모의를 위해 CMIP(Coupled Model Intercomparison Project)6 GCM(General Circulation Model)을 사용했다. GCM을 사용하여 모의 된 기후 변수들은 영산강 유역 내 기상관측소의 과거 기간 관측 값을 기반으로 분위사상법을 사용하여 편이보정 됐다. GCM에 의해 모의 된 기후 변수 및 SWAT, LSTM에 의해 모의 된 유출량은 각각 영산강 유역 내 기상관측소 및 수위관측소의 관측 값을 기반으로 재현성을 평가했다. SWAT 및 LSTM을 사용하여 모의 된 유출량의 극값은 GEV(General Extreme Value) 분포를 사용하여 추정하였다. 결과적으로 GCM의 기후 변수 모의 성능은 과거 기간 관측 값과 비교했을 때 편이보정 후에서 상당히 향상되었다. 유출량 모의 결과의 경우 과거 기간 유출량의 관측 값과 비교했을 때 LSTM의 모의 유출량이 SWAT보다 과거 기간 유출량을 보다 근접하게 모의했으며, 극값 모의 성능의 경우 또한 LSTM이 SWAT보다 높은 성능을 보였다.

  • PDF

Background Concentrations of Atmospheric Pollutants measured at Kosan during ACE-Asia Intensive Observation Period (IOP) (ACE-Asia 집중관측기간에 제주고산에서 측정한 대기오염물질의 배경농도 분포특성)

  • ;;;;Jianzhen Yu;Keith Bower
    • Proceedings of the Korea Air Pollution Research Association Conference
    • /
    • 2001.11a
    • /
    • pp.173-174
    • /
    • 2001
  • 본 연구에서는 Asian Pacific Regional Aerosol Characterization Experiment(ACE-Asia) 집중관측 기간에 우리 나라의 배경대기 지역의 하나인 제주도 고산에서 측정한 가스상 오염물질과 입자상 오염물질의 농도 관측 결과를 바탕으로 대기질 분석을 시행하였다. 제주 고산은 지리적인 요인과 정책적 요인에 의해서 인위적인 오염물의 배출원이 거의 없는 청정 지역으로 배경 대기의 특성을 가지고 있으며, 한반도와 중국 대륙, 일본으로부터의 오염물 장거리 이동을 관찰할 수 있는 적합한 장소이다(김용표 등, 1995). (중략)

  • PDF

Evaluation of the Effect of Agricultural Activity on Stream Water Quality by Watershed Modeling (유역모형을 이용한 농업활동이 수질에 미치는 영향평가)

  • Jung, KwangWook;Jung, Inkyun;Kang, SooMan;Kwon, Jinwook
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2016.05a
    • /
    • pp.510-510
    • /
    • 2016
  • 농업 비점오염원의 영향을 분석하고 여러 가지 대안(관리정책)이 수계의 수질에 미치는 영향을 평가하기 위해서 유역모형의 적용이 필요하다. 이러한 유역모형에는 모형의 복합성, 계산시간 등에 따라 simple method, mid-range model, detail model로 나눌 수 있다. Simple methods는 요구되는 자료가 작으나 그 결과의 정확성은 떨어진다. 반면에 detail model는 정확한 결과를 획득할 수 있으나 그만큼 방대한 자료와 모니터링을 요구하며, 보정 및 검증에 많은 시간과 노력을 필요로 한다. 특히, 복잡한 유역특성 및 축산오염원을 포함한 복잡한 특성들을 고려해서 모델링하기 위해서는 detail model이 필요하며 본 연구에서는 HSPF모델을 이용해서 그 영향을 분석하고자 하였다. 따라서 본 연구에서는 농업에 미치는 영향을 평가하기 위해서 청미천 유역 및 덕천천 유역을 대상유역으로 선정하여 그 영향을 분석하였다. 농업에 미치는 영향을 평가하기 위해서 유역내 투입된 비료사용량을 통계청 자료를 활용하여 산정후 적용하였으며, 축산 부산물중 자원화되는 축산 액비 및 퇴비량을 산정하여 그 영향에 대해 분석하였다. 또한 기존에 광범위하게 활용되고 있는 수질오염총량관리제도에서 산정되는 배출부하량에 유달율을 고려하여 점오염으로 입력하였으며, 직접방류되는 하수처리장도 함게 고려하여 구축하였다. 청미천 유역의 청미천1 지점의 BOD, T-N, T-P에 대한 보정기간의 평균 관측값은 4.205mg/L, 3.844mg/L, 0.137mg/L이며 검정기간의 관측값은 2.741mg/L, 4.638mg/L, 0.144mg/L로 나타났다. BOD, T-N, T-P에 대한 보정기간의 NSE는 -0.58, -0.20, -0.33이며, 검정기간의 NSE는 -0.26, -1.35, -3.54로 분석되었다. BOD, T-N, T-P에 대한 보정기간의 RMSE는 2.65, 1.63, 0.12이며, 검정기간의 RMSE는 1.36, 1.64, 0.07로 나타났다. 덕천천 유역의 경우 국가관측망이 없어 동진강의 제일 말단 지점인 동진강3 지점의 BOD, T-N, T-P에 대한 보정기간 평균관측값은 2.891mg/L, 3.455mg/L, 0.096mg/L이며, 검정기간의 관측값은 2.293mg/L, 3.223mg/L, 0.104mg/L로 나타났다. BOD, T-N, T-P에 대한 보정기간의 NSE는 -0.20, -0.56, -0.49이며, 검정기간의 NSE는 0.24, -0.06, -0.19으로 분석되었다. BOD, T-N, T-P에 대한 보정기간의 RMSE는 1.53, 2.12, 0.05이며, 검정기간의 RMSE는 1.05, 0.98, 0.06으로 나타났다. 본 연구의 분석결과는 점오염원, 축산계비점오염, 토지계비점오염, 시비량, 배경부하로 구분하여 분석을 실시하였으며 분석결과 청미천 유역의 비점오염 기여율이 약 65%를 차지하고 있는 것으로 평가되었으며, 덕천천 말단에서는 약 37.7%의 비점오염물질이 하천수질에 영향을 미치는 것으로 나타났다. 또한, 기존 수질오염 총량관리제도에서 점오염의 감소에 의한 비점오염비중이 커지는 것으로 평가되었으며, 그 중 축산이 차지하는 비중이 상대적으로 높은 것으로 평가되고 있지만, 본 연구의 결과에서는 그보다 적은 수준이 수계에 영향을 미치는 것으로 분석되었다.

  • PDF

Han River Basin climate forecast using multi-site artificial neural network (다지점 인공신경망을 이용한 한강수계 기후전망)

  • Kang, Boo-Sik;Moon, Su-Jin;Kim, Jung-Joong
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2011.05a
    • /
    • pp.371-371
    • /
    • 2011
  • 본 연구에서는 한강유역 내 관측기간이 충분한 기상청 지상관측소 10개소를 선정하고 CCCma(Canadian Century for Climate modeling and analysis)에서 제공하는 자료에 대한 인공신경망기법 상세화 적용을 실시하였다. 인공신경망의 학습을 위해 CGCM3.1/T63 20C3M시나리오(reference scenario)의 22개 2D변수 중 물리적으로 민감도가 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 선정하였으며 인공신경망 학습기간은 1991년~1995년, 검증기간은 1996년~2000년, 예측기간은 2011년~2100년으로 A1B, A2 B1 시나리오 등 다양한 기후변화 시나리오를 통해 예측band를 제시하고자 하였다. 하지만 공간상관을 고려하기 위하여 각 관측소에 대하여 인공신경망 학습을 하는 경우 관측소간 spatial correlation 및 spatial cluster구현이 어렵기 때문에 Spatial Rectangular Pulse모형을 이용하고자 하였으나, 강수면적에 대한 scale의 결정이 어렵다는 단점을 확인 하고 본 연구에서는 Random Cascade 모형을 이용하여 ${\beta}$를 통한 강수면적 scale(rainy area fraction)을 결정하고자 하였다. Random Cascade모형의 기법은 격자단위의 downscaling기법으로 강수대의 공간적 형상을 재현하며 스케일에 비종속적인(scale-invariant)프랙탈 특성을 이용하여 매개변수를 최소화 할 수 있는 장점을 가진 기법으로 한강유역 1Km내외 강우장을 만들어 topographic effect를 첨가하고자 한다.

  • PDF

Analysis the Extreme Rainfall Data by Using the FORGEX Considering the Characteristics of South Korea Rainfall Data (국내 강우자료의 특성을 고려한 FORGEX 기법의 극한강우 분석)

  • Choi, Min-Young;Shin, Ju-Young;Nam, Woo-Sung;Heo, Jun-Haeng
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2011.05a
    • /
    • pp.27-31
    • /
    • 2011
  • 우리나라의 지점들은 강우자료 관측기간이 다른 나라에 비해 상대적으로 짧고 50년이 넘는 지점이 적기 때문에 지점빈도해석에 의한 확률강우량 추정시 불확실성을 내포하는 문제점을 갖고 있다. 또한, 긴 재현기간에 대한 확률강우량 추정시 더 큰 불확실성이 내포되는데 이러한 이유로 짧은 강우 관측기간의 문제를 보완하고자 지역빈도해석 기법에 대한 연구가 진행되고 있다. 본 연구에서는 전국의 838개소 지점자료로부터 지속기간별 연 최대 강우자료를 추출하였으며, FORGEX 기법의 절차에 따라 확률강우량을 추정하고자 하는 대상지점을 중심으로 네트워크를 구성하였다. 강우자료에 대하여 자료 이상치 보정 후 지속시간별 연 최대강우량 자료를 추출하여 신뢰성 있는 자료를 구축하였다. 구축된 자료를 토대로 중앙값(median)을 이용하여 표준화하였으며 자료 보존기간이 상대적으로 긴 대상지점들을 중심으로 네트워크를 형성하였다. 네트워크별로 pooled points 자료와 netmax 자료를 매년마다 추출하여 구축하였고 이 자료를 이용하여 성장곡선을 유도한 뒤 긴 재현기간에 대한 확률강우량을 구하였다. 또한, 우리나라 강우자료의 지역빈도해석에 적합한 모집단 성장곡선으로부터 netmax 자료의 분포 위치를 조사하기 위하여 강우지점자료를 토대로 기존의 영국에서 사용된 $lnN_e$식이 아닌 새로운 $lnN_e$식을 산정하여 FORGEX기법을 적용하였다. $lnN_e$식은 GEV분포를 토대로 기상청 산하 545개소 지점자료를 이용하여 산정하였다. 지점빈도해석과 FORGEX 그리고 새로운 $lnN_e$식이 도입된 FORGEX기법을 적용하였고, 긴 재현기간에 대한 확률강우량 값을 비교 분석하였다.

  • PDF

Development of long-term daily high-resolution gridded meteorological data based on deep learning (딥러닝에 기반한 우리나라 장기간 일 단위 고해상도 격자형 기상자료 생산)

  • Yookyung Jeong;Kyuhyun Byu
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2023.05a
    • /
    • pp.198-198
    • /
    • 2023
  • 유역 내 수자원 계획을 효율적으로 수립하기 위해서는 장기간에 걸친 수문 모델링 뿐만 아니라 미래 기후 시나리오에 따른 수문학적 기후변화 영향 분석도 중요하다. 이를 위해서는 관측 값에 기반한 고품질 및 고해상도 격자형 기상자료 생산이 필수적이다. 하지만, 우리나라는 종관기상관측시스템(ASOS)과 방재기상관측시스템(AWS)으로 이루어진 고밀도 관측 네트워크가 2000년 이후부터 이용 가능했기에 장기간 격자형 기상자료가 부족하다. 이를 보완하고자 본 연구는 가정적인 상황에 기반하여 만약 2000년 이전에도 현재와 동일한 고밀도 관측 네트워크가 존재했다면 산출 가능했을 장기간 일 단위 고해상도 격자형 기상자료를 생산하는 것을 목표로 한다. 구체적으로, 2000년을 기준으로 최근과 과거 기간의 격자형 기상자료를 딥러닝 알고리즘으로 모델링하여 과거 기간을 대상으로 기상자료(일 단위 기온, 강수량)의 공간적 변동성 및 특성을 재구성한다. 격자형 기상자료의 생산을 위해 우리나라의 고도에 기반하여 기상 인자들의 영향을 정량화 하는 보간법인 K-PRISM을 적용하여 고밀도 및 저밀도 관측 네트워크로 두 가지 격자형 기상자료를 생산한다. 생산한 격자형 기상자료 중 저밀도 관측 네트워크의 자료를 입력 자료로, 고밀도 관측 네트워크의 자료를 출력 자료로 선정하여 각 격자점에 대해 Long-Short Term Memory(LSTM) 알고리즘을 개발한다. 이 때, 멀티 그래픽 처리장치(GPU)에 기반한 병렬 처리를 통해 비용 효율적인 계산이 가능하도록 한다. 최종적으로 1973년부터 1999년까지의 저밀도 관측 네트워크의 격자형 기상자료를 입력 자료로 하여 해당 기간에 대한 고밀도 관측 네트워크의 격자형 기상자료를 생산한다. 개발된 대부분의 예측 모델 결과가 0.9 이상의 NSE 값을 나타낸다. 따라서, 본 연구에서 개발된 모델은 고품질의 장기간 기상자료를 효율적으로 정확도 높게 산출하며, 이는 향후 장기간 기후 추세 및 변동 분석에 중요 자료로 활용 가능하다.

  • PDF

Mineralogical characterization of the dust storm in spring of 2002 at Seoul, Korea (2002년 봄 서울지역 황사의 광물특성)

  • 이성록;김기현
    • Proceedings of the Korea Air Pollution Research Association Conference
    • /
    • 2003.05b
    • /
    • pp.409-410
    • /
    • 2003
  • 2002년 봄철 기간 중 한반도지역에서 관측된 황사는 전례를 찾기 어려울 정도로 고농도의 분진량을 기록하였다. 따라서 이 기간 중에는 전국 각지에 산재한 다수의 초등학교가 임시휴교령을 내려야 하였을 정도로 황사현상의 영향이 대단히 심각하였다. 본 연구진은 서울시 북동부 지점의 관측점으로부터 초미세입자 (PM2.5) 및 미세입자 영역 (PM10)의 부유상입자물질을 황사기간 (3월)과 비황사기간 (4월)에 걸쳐 채집하였다. (중략)

  • PDF

Analysis of Soil Moisture Content in Mountain Slopes (산지사면에서의 토양수분량 특성 분석)

  • Lee, JungHoon;Lee, YeonKil;Kim, SangHyun;Jung, SungWon
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2017.05a
    • /
    • pp.234-234
    • /
    • 2017
  • 국내 지형의 대부분을 차지하고 있는 산지 사면에서 토양수분량 측정은 물순환을 이해하는데 중요하다. 본 연구는 국토교통부의 기초수문자료 구축사업의 일환으로 수행되었으며, TDR(Time Domain Reflectometry, TDR)방식의 장비를 이용하여 2시간 간격으로 토양이 동결되어 있는 기간을 제외한 2016년 3월 중순부터 12월초까지 측정을 수행하였다. 관측지점은 설마천 유역 내에 위치한 경기도 파주시 적성면의 감악산 범륜사 주변 산지 사면과, 청미천 유역 내에 위치한 충청북도 음성군 수레의산 산지 사면에 위치하고 있다. 각각의 관측소에서 측정된 토양수분량 자료는 분포 특성을 파악하기 위해 토양수분량의 통계분석(평균, 표준편차)을 수행하였다. 2016년 토양수분량 관측소 운영기간 동안에는 2014년, 2015년보다 많은 강우량이 발생하였다. 또한 강우 패턴이 과거와는 다르게 가을철 많은 강우량이 발생하였다. 설마천 유역에 위치한 설마천 토양수분량 관측소의 경우 2016년 평균토양수분량이 13.7%, 표준편차 6.3%로 2015년(평균 12.9%)보다 큰 특성을 보였다. 청미천 유역에 위치한 청미천 토양수분량 관측소에서도 2016년 평균토양수분량이 24.5%, 표준편차 5.0%로 2015년 (24.3%)보다 증가하였다. 설마천 관측소보다 청미천 관측소의 토양수분량 특성이 크게 나타나는데 이는 청미천 관측소가 설마천 관측소에 비해 유효토심이 깊고 토성의 점토 함량이 상대적으로 높기 때문으로 판단된다.

  • PDF