• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.168-168
• /
• 2018

최근 기후변화로 인하여 전 세계적으로 과거 강우사상에서 확인되지 않는 극치사상이 빈번하게 관측되고 있으며 이에 따른 피해도 증가하고 있다. 미래의 기상학적 변동성 및 기후변화 영향은 지구순환모형 (General Circulation Models, GCM)을 통해 구체화되며 가장 일반적인 기후변화 전망자료로서 활용된다. 그러나 산정된 기후변화 시나리오마다 서로 그 특성에 차이가 있으며 이러한 이유로 다양한 원인으로 인해 큰 변동성을 가지는 미래 극치강우를 하나의 시나리오로 분석하기에는 무리가 있다. 또한 다양한 시나리오를 통해 분석한 결과값이 상이하며 이러한 시나리오별 산정 결과의 차이는 사용자에게 혼란을 야기할 수 있어 이를 하나의 결과로 나타낼 필요성이 있으나 정량적인 대푯값을 얻기 위해 특정 시나리오를 선택하는 것은 신뢰성에 문제가 있다. 본 연구에서는 시나리오들을 정량적 지표에 의거하여 혼합된 하나의 시나리오로 표출하고자 하였다. CORDEX-RCMs 시나리오 중 HadGEM3-RA, RegCM, SNU_WRF 및 GRIMs를 입력 자료로 하여 다중모형앙상블(Multi-Model Ensemble, MME)을 통해 낙동강 유역의 극치강우에 대한 하나의 최적 기후변화 시나리오를 도출하고자 하였으며 계층적 베이지안 (Hierarchical Bayesian Model, HBM) 기법을 통하여 기후변화 시나리오에 내제된 불확실성에 대한 정량적인 해석을 수행하였다.

• 한국농림기상학회지
• /
• 제26권1호
• /
• pp.53-62
• /
• 2024

본 연구에서는 딥러닝을 이용한 모형을 이용해서 우리나라 지역에 대한 서리 발생 예측 모형을 구축하였다. 딥러닝 모형의 학습 데이터로 다양한 기상인자들(최저기온, 풍속, 상대습도, 구름량, 강수량)을 사용하였으며, 기상인자들에 대한 통계적 분석 결과, 서리가 발생한 날과 서리가 발생하지 않은 날에 대해 각 요소별로 유의한 차이가 있는 것을 볼 수 있었다. 단일 딥러닝 모형 3가지와 다중 입력 딥러닝 모형 3가지를 이용하여 서리발생을 추정한 결과, 평균적으로 MLP가 가장 정확도가 낮았으며, LSTM, GRU 순으로 정확도가 높게 나타났고, 다중 입력 딥러닝 모형의 경우 3가지 모형이 거의 비슷한 결과가 나타났지만 그 중 평균적으로 GRU와 MLP를 이용한 모형이 가장 정확도가 높았다. 또한, 단일 딥러닝이 다중 입력 딥러닝에 비해 샘플에 따라 정확도 편차도 더 컸다. 이에 따라 결과적으로 단일 딥러닝 기반의 서리발생 예측 모형보다 다중 입력 딥러닝 기반의 서리발생 예측 모형이 안정성과 정확도와 재현율 측면에서 다소 우수한 것을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.314-314
• /
• 2019

가뭄대응 및 이수분야 활용을 위한 장기 기상예측정보 확보를 위해, 경안천 유역을 대상으로 전구기후지수의 원격상관 패턴을 이용하여 통계적 기반의 다중회귀모형을 구성하고 월 강수량의 예측가능성을 평가하였다. 예측인자로서 미국 NOAA에서 제공하는 기후지수 중 총 37개의 지수에 대해 1948~2018년의 월 자료를 이용하였으며, 예측대상인 경안천 월 강수량은 1966~2018년의 유역평균 강수량 자료를 활용하였다. 각 기후지수별 1~24개월 선행자료와 예측대상년도 월 강수량과의 상관분석을 통해 상관성이 높은 기후자료를 선별하여 다중회귀모형의 독립변수로 적용하였다. 예측대상년도를 기준으로 과거 40년의 자료(월 강수량 및 월 기후지수)를 보정자료와 검정자료로 구분(20년씩 무작위로 추출)하고, 보정기간에 대해 도출된 회귀모형 중 검정기간을 대상으로 예측성이 좋은 100개의 회귀모형을 선별하여 예측대상기간에 대한 예측모형으로 활용하였다. 2006~2018년에 대해 전망기간별(1개월, 3개월, 6개월, 12개월)로 각 월별 100개 회귀모형으로 부터의 예측값(예측치의 범위)이 실제 관측치를 포함하는 경우를 월별로 분석한 결과 10월이 가장 높고(83%), 11월(81%), 1월(79%), 8월(77%), 6월(75%), 12월(71%)의 순으로 높게 나타났으며, 상대적으로 7월(29%)과 3월(44%)의 예측성이 낮은 것으로 나타났다. 통계적 모형의 특성상 전망기간에 따른 예측의 정확도는 비례하지 않았다. 예측치의 편차는 크지 않지만 예측성이 낮게 나타나는 기간(3월, 2월)과 예측성은 높지만 예측범위가 크게 나타나는 기간(8월, 6월)에 대해서는 예측모형의 재검토 및 다양한 규모의 유역에 대한 적용을 통해 예측인자 추가 및 보완 등을 수행할 예정이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.35-35
• /
• 2018

본 연구의 목적은 한강유역을 대상으로 다중 GCMs (General Circulation Models)을 이용하여 장기유출량을 분석하는 데 있다. 기후변화 전망을 분석하기 위해 총 13개의 GCMs을 선정하여 사용하였다. SDQDM (Spatial Disaggregation-Quantile Delta Mapping) 방법을 이용하여 GCMs을 60개 종관기상관측장비 (Automated Synoptic Observing System, ASOS)에 대해 상세화하였다. GCMs은 총 6개의 변수(강수, 최고 기온, 최저기온, 풍속, 상대습도, 일사량)를 제공하였다. 장기유출량 분석은 투수지역과 불투수지역을 모두 고려할 수 있는 HSPF 모형을 선정하여 수행하였다. 장기유출량의 공간적인 범위는 한강유역의 16개 중권역을 기준으로 선정하였고, 시간적인 범위는 과거 기준 기간 (Reference period: 1976-2005), 미래 3개 기간 (Near future period: 2011-2040, Mid-century period: 2041-2070, Distance future period: 2071-2099)으로 30년 단위로 구분하여 선정하였다. 본 연구는 13개의 GCM을 사용하여 추정된 장기유출량의 연간 및 계절적 평균과 변동성을 분석하였다. 본 연구에서 HSPF 모형을 활용하여 분석한 결과는 복잡한 한강유역의 특성을 적절히 반영하여, 기후변화에 따른 수자원 계획 및 통합 유역 관리를 수립하기 위한 기초 자료로 활용될 수 있을 것이라 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.286-286
• /
• 2016

기후변화를 고려한 위한 미래 수자원 계획은 신뢰성 있는 수문기상인자의 산정을 통한 수자원 영향 평가 결과로 수립되는 것이 중요하다. 본 연구에서는 DHSVM모형과 TOPLATS모형에서 생산된 결과를 가지고 제약조건을 가지는 다중선형회귀 모형을 통하여 2012년-2014년 동안의 한반도 유역에 대한 수문기상인자를 산정하였다(Fig. 1). 다중선형회귀 모형은 하나의 종속변수의 변화를 설명하기 위하여 두 개 이상의 독립변수를 사용하는 모형으로 일반적으로 다중선형회귀 모형의 회귀 계수는 음의 값을 가질 수 있으므로 본 연구의 적용을 위하여 검정지점에 대하여 산정된 음의 회귀계수 값이 그대로 적용될 경우 적합하지 않으므로 회귀 계수에 제약조건을 부여하였다. 제한된 회귀 계수의 범위는 0-1사이를 가진다. 동적 다중선형 모형의 구성은 광릉 GCK, GDK 지점자료를 활용하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.380-380
• /
• 2017

유역에서 발생되는 유출량의 크기를 예측하는 것은 홍수피해를 대비하기 위한 가장 기초적인 활동으로 이루어지며, 이를 위하여 많은 수문모형들이 개발되어 활용되어지고 있다. 이러한 수문모형의 적용을 위해서는 먼저 해당 유역을 재현할 수 있는 매개변수의 보정이 이루어져야 하며 적절한 정도 이상의 검정결과를 확보하여야만 적용이 가능하다. 그러나, 유역 내의 각종 수문특성을 모형의 매개변수로 자세히 나타내는 것은 쉬운 작업이 아니며, 특히 정해진 기간 내에 적용해야 하는 유역이 다수인 경우에는 더욱 힘든 작업이 될 수밖에 없다. 기후변화에 따라 예견되는 강우량 발생 시나리오를 바탕으로 남한 일대의 홍수영향을 지자체별로 평가하기 위한 작업에서는 각 지자체별 많은 소유역에서의 적절한 수문모형 매개변수를 개별적으로 찾아내는 것은 사실상 불가능할 것으로 예견되어, 기후변화 시나리오에서 주어지는 시간별 강우량 자료를 활용하여 첨두유량을 예측할 수 있는 통계적인 방법을 적용하였다. 홍수영향을 평가하기 위하여는 수문곡선 자체보다는 첨두유량의 크기가 더 중요할 것으로 판단되어, 홍수통제소에 제공하는 각 유량관측지점의 유량자료와 시간별 강우량자료로부터 단위 호우사상별 첨두유량과 일정 시간간격 강우량 사이의 다중회귀분석을 통하여 첨두유량 예측 가능성을 확인하였다. 다중회귀분석을 위한 시간간격별 강우량은 각 강우사상에 대하여 첨두유량 발생 직전의 1시간~12시간의 1시간 간격, 1일, 2일, 3일, 5일, 10일 등 17가지의 시간간격 동안의 강우량 자료를 찾아 다중회귀분석에 활용하였으며, 2006년부터 2015년까지 최근 10년 동안의 홍수통제소 자료를 활용하였다. 대상지역은 경기도 남부의 너부대교, 경안교, 복하교, 수직교 수위관측소지점으로 선정하였으며, 일정 크기 이상의 첨두유량 자료를 선별하여 해당 기간에 대한 강우량 자료를 준비하고, 유출량의 크기별로 분류하여 절반의 호우사상은 매개변수 보정에 그리고 나머지 절반의 호우사상은 모형의 검정에 사용하였다. 매개변수 보정결과는 $R^2$ 값이 0.87~0.96을 보이는 등 첨두유량의 예측에 충분히 적용가능한 것으로 판단되었으며, 보정되어진 매개변수로 실시한 검정에서는 0.76~0.85의 $R^2$ 값을 보였다. 본 연구의 결과를 바탕으로, 충분한 유량자료와 시간별 강우량자료만 준비된다면 첨두유량을 예측할 수 있는 회귀방정식으로 이루어진 간단한 모형을 구성할 수 있으며, 이를 활용하여 임의로 주어지는 시간별 강우량 자료를 활용하여 첨두유량의 예측이 가능할 것으로 판단되었다.

• 환경영향평가
• /
• 제27권5호
• /
• pp.489-508
• /
• 2018

기후변화에 대응하여 보다 적극적인 생물보전전략 수립을 위해 생물 서식환경의 변화예측이 필요하며, 생물기후권역은 유용한 생태계 관리체계를 제공할 수 있다. 이에 따라 본 연구에서는 생물기후권역구축을 통해 동북아시아의 생물 서식환경을 파악하고, 생물 서식관점에서 기후변화의 영향을 분석하였다. Worldclim에서 제공하는 현재(1970~2000년) 기후자료 및 17개 전 지구 기후모형의 예측자료(RCP4.5, RCP8.5)를 이용하여 2050년대와 2070년대의 변화를 모의하였다. 먼저 현재와 미래의 주요생물기후변수(Aridity index, growing degree days, potential evapotranspiration seasonality, temperature seasonality)를 구축하여 동북아시아의 생물기후환경 특성을 파악하고, 기후변화에 따른 시공간적 변화를 분석하였다. ISODATA 군집분석으로 현재의 생물기후권역을 구분하고, MLC(Maximum Likelihood Classification)를 통해 미래의 권역변화를 예측하였다. 기후변화에 따라 대부분의 권역이 북상하는 경향성을 확인할 수 있었으며, 권역의 면적과 위도 분포변화를 분석함으로써 권역의 축소가 가장 두드러지게 나타나는 중국 남부에 위치한 권역을 집중 관리권역으로 제시하였다. 본 연구는 한반도를 포함한 동북아시아 지역의 다양한 기후변화 시나리오에 따른 영향평가를 바탕으로 향후 기후변화에 대응한 생물종 혹은 생태계 관련 적응정책 수립 시 활용 가능한 기초자료를 제공할 수 있을 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.367-367
• /
• 2012

기후변화로 인해 기온, 강수량, 습도 등의 기후를 예측하고 변화하는 환경에 적응해가며 생활하고 있다. 또한 여러 가지 외부적인 요인들의 영향을 받아 상수도 시설에서의 에너지 사용량도 영향을 많이 받는다. 하지만 이러한 상수도 시설의 사용량 변화로 인해 상수도 수요량의 변화량을 예측하는데 있어서 국내 연구 및 방법이 많이 부족한 상황이다. 이에 본 연구에서는 다중스케일을 기반으로 하는 비선형 예측 모형을 개발하고자 한다. 다중스케일 분석에서도 가장 우수한 분해 능력을 가지는 Wavelet Transform을 적용하여 시계열을 분해한 후 패턴인식 기반의 비선형 예측모형인 Support Vector Machine(SVM)을 적용하였다. 상수도 수요량의 예측 과정은 다음과 같다. 첫째, 상수도 수요량 자료를 Wavelet Transform 기법을 통하여 단순화 시킨다. 둘째, Global Wavelet Spectrum을 통하여 통계적으로 의미 있는 성분만을 추출하고 이를 해석 대상으로 한다. 셋째, 특정 주기를 갖는 유의한 독립성분들에 대해서 최적 지체시간을 결정한 후 SVM모형을 통해 예측 모형을 구축한다. 넷째, 나머지 성분에 대해서도 SVM 모형을 적용하여 예측을 실시한 후 앞서 예측된 성분과 모두 결합하여 최종적으로 예측시계열을 구성한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.929-933
• /
• 2009

전 세계적으로 기후변화와 이상기후에 대한 관심이 높아지고 있다. IPCC(2001)는 "기후변화"라는 요소가 기온 증가, 강우강도 및 빈도 변화와 이들로 인한 증발산의 변화, 유출량의 시 공간적 변동을 초래하여 수자원의 효율적 관리 및 안정적인 공급에 어려움을 증대시킬 것으로 전망하였다. 이에 따라 세계 각국은 미래 기후에 대한 보다 정확한 정보를 얻기 위하여 IPCC 권장 시나리오인 SRES(Special Report in Emission Scenario)기반의 GCM(General Circulation Model)과 RCM(Regional Circulation Model)을 이용하고 있으며 특히, 최근에는 고해상도 자료를 생산함으로써 국부지역에 대한 지형학적 특성을 효과적으로 모의할 수 있는 RCM 모형을 이용한 연구가 국외를 중심으로 진행되고 있다(권현한 등, 2008). 본 연구에서는 미래 한강 유역의 수자원 변동성을 평가하기 위하여 CA-Markov Chain 기법으로부터 토지이용변화를, 기온과 강수자료을 독립변수로 이용한 다중 회귀식으로부터 미래 NDVI를 추정하고 기상청에서 제공하는 RegCM3-지역지후모형으로부터 축소기법을 이용하여 추정된 KMA RCM 50set 기후변화시나리오를 SLURP 모형에 입력하였다. 2001년부터 2090년까지 총 90년에 대한 한강 유역의 미래 유출모의를 실시한 후 각 댐별 과거와 미래 유출량을 월별로 비교하고 이들의 유황분석을 실시하였다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.723-736
• /
• 2022

본 연구에서는 금강권역을 대상으로 최대 12개월까지 선행예측이 가능한 월 강수량 예측모형을 구축하였으며, 예측모형 구축에는 다중회귀분석과 인공신경망의 두 가지 통계적 기법을 적용하였다. 예측인자 후보로 NOAA에서 제공하는 글로벌 기후패턴 39종과 금강권역에 대한 기상인자 8종 등 총 47종의 기후지수를 활용하였다. 예측대상월을 기준으로 과거 40년간의 월 강수량과 기후지수와의 지연상관성 분석을 통해 상관도가 높은 기후지수를 예측인자로 활용하여 다중회귀모형 및 인공신경망 모형을 구축하였다. 1991~2021년에 대해 매월 예측결과의 평균값과 관측값과의 적합도를 분석한 결과, 다중회귀모형은 PBIAS -3.3~-0.1%, NSE 0.45~0.50, r 0.69~0.70으로 분석되었으며, 인공신경망모형은 PBIAS -5.0~+0.5%, NSE 0.35~0.47, r 0.64~0.70로, 다중회귀모형에 의해 도출된 예측치의 평균값이 인공신경망모형보다 관측치에 좀 더 근접한 것으로 나타났다. 각 월의 예측범위 안에 관측치가 포함될 확률을 분석한 결과에서는 다중회귀모형이 57.5~83.6%(평균 72.9%), 인공신경망모형의 경우에는 71.5~88.7%(평균 81.1%)로 인공신경망모형 결과가 우수한 것으로 나타났다. 3분위 예측확률을 비교한 결과는 다중회귀모형의 경우에는 25.9~41.9%(평균 34.6%), 인공신경망모형은 30.3~39.1%(평균 34.7%)로 비슷하며, 두 모형 모두 평균 33.3% 이상으로 월 강수량에 대한 장기예측성을 확인 할 수 있었다. 이상과 같이 두 모형의 예측성 차이는 비교적 크지 않은 것으로 나타났으나, 예측범위에 대한 적중률이나 3분위 예측확률로부터 판단할 때 예측성에 대한 월별 편차는 인공신경망모형의 결과가 상대적으로 작게 나타났다.