• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1495-1499
• /
• 2010

최근에 기후변화 영향 분석을 위한 강수모의발생 기법에 대한 연구가 중요한 문제로 대두되고 있다. 기본적으로 모의된 강수량이 유역단위에서 의미 있는 값으로 수문모형에 입력자료로 활용되기 위해서는 강수지점간의 공간상관성의 유지가 매우 중요하다. 즉 지역적인 수문학적 거동을 유역단위에서 평가하기 위해서는 유역상관성을 고려할 수 있는 다지점(multisite) 모형의 개발이 필수적이다. 이러한 점에서 본 연구에서는 다지점 강수모의기법을 개발하였으며 비정상성 해석이 가능하도록 동역학적 강수모형을 구성하였다. 이를 한강유역 강수지점에 적용하여 모형의 적합성을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.83-83
• /
• 2017

수자원공학에서 일강수량 모의기법은 다양한 목적으로 활용되고 있지만, 일반적으로 홍수와 가뭄의 영향을 고려할 수 있는 수공구조물의 위험도 및 신뢰성 평가 및 수자원 계획을 수립하기 위한 입력 자료생성을 목적으로 활용된다. 유역 단위의 분석시 단일 지점에 대한 강수 모의 기법을 적용할 경우 각각의 지점에서 관측된 강수 자료의 시계열 및 통계치 특성이 효과적으로 재현되지만 공간적으로 발생하는 즉, 지점 간의 종속관계를 재현하지 못하는 문제가 발생한다. 이러한 이유로 공간적인 전이 특성이 있는 가뭄 분석 및 유역내 유출량의 공간적 변동 특성 분석에 단일지점별 모의 결과를 이용할 경우 관측 자료와 상반된 공간적 변동성으로 인하여 잘못된 가뭄 및 유출 분석 결과가 도출되는 문제점이 있다. 따라서, 실제적으로 발생하는 강수 특성을 반영한 유역 단위의 홍수 및 가뭄 등의 수문 분석을 위해서는 지점간의 종속성을 반영할 수 있는 다지점 강수 모의 모형의 적용이 필수적이다. 본 연구에서는 다지점 모의에 있어서, Wilks 모형의 지점별 시변동 특성과 공간상관성 재현 능력, HMM 모형이 갖는 강수 사상별로 분포된 양적 분포 패턴 재현 능력을 복합적으로 나타낼 수 있는 새로운 다지점 일강수량 모의 모형인 기계학습 기반 범주화 기법을 이용한 다지점 일강수량 모의 모형(ML-MRS)을 개발하였다. 또한, 지점별 강수량에 적용되는 확률분포모형은 Gamma 분포로 구성된 혼합모형을 적용하여 단일 확률 분포 모형의 자료 적합 문제를 개선하였다. 모의를 통한 일강수량 시계열 자료는 일 강수자료의 통계량을 효과적으로 모의하였으며, 다지점 모형의 모의 결과를 적용한 가뭄 모의 결과 관측 자료에서 나타나는 공간적 패턴이 재현되었다. 본 모형은 시 공간적 사상을 효과적으로 재현함으로서 지역의 변동특성을 반영한 가뭄, 홍수, 기상 현상 분석 등 활용도가 매우 높을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.363-363
• /
• 2021

수자원설계 및 계획 시 제한된 강우자료로 인해 나타나는 한계를 개선하기 위한 목적으로 추계학적 강수모의 모형을 활용한다. 대표적인 추계학적 강수모형으로 Bartlett-Lewis Rectangular Pulse Modified Model(BLPRM)과 Neyman-Scott Rectangular Pulse Model(NSRPM) 등이 활용되고 있으며, 관측강수량의 통계적 모멘트를 재현할 수 있도록 모형 매개변수를 최적화하는 과정이 필수적으로 요구된다. 기본적으로 모형 매개변수들의 조합을 통해 추정되는 통계적 모멘트와 관측값의 통계적 모멘트를 반복적으로 비교하면서 최적 매개변수를 추정하게 된다. 그러나 상대적으로 적은 관측값을 이용하여 매개변수를 추정하기 때문에, 매개변수 추정이 어려울 뿐만 아니라 매개변수의 불확실성도 큰 특징을 가지고 있다. 모형 매개변수 추정과정에서 다양한 목적함수가 활용되고 있으나, 고려되는 통계적 모멘트가 평균 및 분산 등 2차 모멘트에 제한되고 있어 극치강수량에 대한 재현성은 상대적으로 부족한 부분이 있다. 본 연구에서는 3차 모멘트를 포함한 목적함수를 활용하여 NSRP모형 매개변수를 추정하고, 기존 2차 모멘트를 이용한 매개변수 접근방법과 극치강수량 재현 측면에서 비교를 수행하였다. 최종적으로 유역 단위에서 극치강수량 재현효과를 평가하기 위해서는 면적강수량 추정이 매우 중요하며, 본 연구에서는 이러한 점을 감안하여 강우 지점 간의 상관성을 유지하면서 강우모의가 가능한 다지점 NSRP 모형과 연계하여 극치강우 재현 가능성을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.123-123
• /
• 2012

일강수량은 수공구조물 설계 및 수자원계획을 수립하기 위한 입력 자료로 이용된다. 일반적으로 수자원계획은 장기적인 목적을 가지고 수행되어지며, 장기간의 일강수량 자료를 필요로 한다. 하지만 장기간의 일강수량 자료의 획득의 어려움으로 단기간의 일강수량자료를 이용하여 모의한 장기간 강수자료를 이용하게 된다. 이처럼 수자원계획의 수립에 있어서 일강수량 모의기법의 성능은 수자원계획의 신뢰성 및 결과에 큰 영향을 준다. 일강수량 모의기법은 국내외적으로 매우 활발하게 이루어지고 있으며, 수자원계획 및 수공구조물 설계 외에도 매우 다양한 목적으로 활용되어 지고 있다. 일강수량을 모의기법 중 강수계열의 단기간의 기억(memory)을 활용한 Markov Chain 모형이 가장 일반적이지만, 기존 Markov Chain 모형을 통한 일강수량 모의는 극치강수량을 재현하기 어렵다는 문제점이 있다. 또한, 일강수량 모의 기법의 목적인 수자원계획 및 수공구조물 설계 등의 입력자료로 활용되어지기 위해서는 모의 결과가 유역내 지점별 공간 상관성을 재현함으로써 모형의 우수성과 자료결과의 신뢰성을 확보할 수 있어야 하겠다. 이러한 점에서 본 연구에서는 내삽에서 우수한 재현능력을 갖는 핵 밀도함수와 극치강수량 재현에 유리한 GPD분포의 특징을 함께 고려할 수 있는 불연속 Kernel-Pareto Distribution 기반에 공간상관성 재현 알고리즘을 결합한 일강수량모의기법을 개발하였다. 한강유역의 18개 강수지점에 대해서 기존 Gamma분포를 사용한 Markov Chain 모형과 본 연구에서 제안한 방법을 적용하여 모형을 평가해 보고자 한다. Gamma 분포기반 Markov Chain 모형의 경우 일강수량 모의 시 1차모멘트인 평균과 2-3차 모멘트 모두 효과적으로 재현하지 못하는 문제점이 나타났다. 그러나 본 연구에서 적용한 다지점 불연속 Kernel-Pareto 분포 모형은 강수계열의 평균적인 특성뿐만 아니라 표준편차 및 왜곡도의 경우에도 관측치의 통계특성을 매우 효과적으로 재현하며, 100년빈도 강수량 모의결과 기존 모의모형의 문제점을 보완할 수 있는 개선된 결과를 보여주었다. 본 연구에서 제시한 방법론은 유역내의 공간상관성을 재현하며, 평균 및 중간값 등 낮은 차수의 모멘트 등 일강수량 분포특성을 더욱 효과적으로 모의할 수 장점을 확인하였다.

• Journal of Korea Water Resources Association
• /
• v.49 no.11
• /
• pp.913-922
• /
• 2016

A long-term precipitation record is typically required for establishing the reliable water resources plan in the watershed. However, the observations in the hourly precipitation data are not always consistent and there are missing values within the time series. This study aims to develop a hourly rainfall simulator for extending rainfall data, based on the well-known Neyman-Scott Rectangular Pulse Model (NSRPM). Moreover, this study further suggests a multisite hourly rainfall simulator to better reproduce areal rainfalls for the watershed. The proposed model was validated with a network of five weather stations in the Uee-stream watershed in Seoul. The proposed model appeared a reasonable result in terms of reproducing most of the statistics (i.e. mean, variance and lag-1 autocovariance) of the rainfall time series at various aggregation levels and the spatial coherence over the weather stations.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.5B
• /
• pp.397-408
• /
• 2009

In this study, a stochastic precipitation generation framework for simultaneous simulation of daily precipitation at multiple sites is presented. The precipitation occurrence at individual sites is generated using hybrid-order Markov chain model which allows higher-order dependence for dry sequences. The precipitation amounts are reproduced using Anscombe residuals and gamma distributions. Multisite spatial correlations in the precipitation occurrence and amount series are represented with spatially correlated random numbers. The proposed model is applied for a network of 17 locations in the middle of Korean peninsular. Evaluation statistics are reported by generating 50 realizations of the precipitation of length equal to the observed record. The analysis of results show that the model reproduces wet day number, wet and dry day spell, and mean and standard deviation of wet day amount fairly well. However, mean values of 50 realizations of generated precipitation series yield around 23% Root Mean Square Errors (RMSE) of the average value of observed maximum numbers of consecutive wet and dry days and 17% RMSE of the average value of observed annual maximum precipitations for return periods of 100 and 200 years. The provided model also reproduces spatial correlations in observed precipitation occurrence and amount series accurately.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1425-1428
• /
• 2010

추계학적 기상모형(Stochastic weather generator)은 기상자료의 결측치 보완, 장기간의 기상 시계열 자료 생성, 지역적 기후변화 시나리오의 통계학적 다운스케일링에 적용되어 왔다. 이러한 추계학적 기상모형은 수자원, 농업, 환경, 생태 등의 분야에 적용되어, 수자원 설계, 점/비점오염 거동, 생태 및 수문학적 영향 평가의 중요한 도구로 이용되어 오고 있다. 또한, 최근 가장 큰 이슈가 되고 있는 기후변화의 영향을 평가하는데 필수불가결한 분야이다. 이 분야의 중요한 변화는 과거에는 지점별로 각각 기상자료를 생성하였으나, 최근에는 지점간의 상관성을 고려한 다지점 해석이 계속적으로 연구되어지고 있다. 본 연구에서는 유역규모에 적용하기 타당한 기상자료생성을 위하여 관측지점간의 상관성, 강수장(rainfall field)의 생성, 호우이동(storm movement)을 고려한 추계학적 기상모형을 제안하고, 충주댐 유역을 대상으로 그 적용성을 평가하였다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.21 no.3
• /
• pp.104-118
• /
• 2018

This study is to evaluate the accuracy improvement of the model using SWAT(Soil and Water Assessment Tool) model and multi - point hydrological observation data. The watershed is located in the Yongdam Dam($930.4km^2$), the Donghyang($165.5km^2$), the Chuncheon($290.9km^2$), the Juchun($57.8km^2$) and the Seokjeong($80.5km^2$). The watershed covers 70.0 % forest. In order to improve the accuracy of the model, precipitation data were used from two weather stations(Jangsu, Geumsan) and 16 AWS stations daily precipitation data(2003~2011) managed by KMA, MLIT, and K-water. Based on the reliable data of the Yongam test basin in 2003~2011, the runoff of single point (Yongdam dam) and multi-point (Donghyang, Chuncheon, Jucheon, Seokjeong). Simulation results show that the $R^2$ of the single subwatershed (Donghyang, Chuncheon, Jucheon, Seokjeong) is single point(0.84) and multipoint(0.88). For model efficiency coefficient of Nash-Sutcliffe at single point(0.45) and multipoint(0.70).

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.948-948
• /
• 2012

합천댐유역에 대한 기후변화에 따른 수문학적 영향을 정량적으로 분석하기 위해, 기상청에서 제공하는 공간해상도 27km의 MM5 RCM(Regional Climate Model)을 사용하였다. RCM의 기상변수들은 공간적 스케일의 상이성과 RCM 기후변수들의 불확실성 때문에 유출모형인 SWAT의 입력자료로 사용하기에는 어려움이 있다. 특히, RCM 변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67%이상이 집중되는 계절성을 반영하지 못하고 있는 실정이기 때문에 국내 유역의 유출량 산정에 사용하기 위해서는 지역적 상세화(Downscaling)가 필요하다. 본 연구에서는 RCM 기후변수에 내포된 공간적 스케일의 상이성과 불확실성을 최소화하기 위해 강우관측소 지점을 단위로 한 다지점 인공신경망 기법을 적용하여 강수량, 습도, 최고기온 및 최저기온에 대한 상세화를 실시하였다. 강수의 경우 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline(1991~2010)과 Projection(2011~2100) 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다. 상세화된 기후자료를 이용한 SWAT 모형의 일(Daily) 단위 강우-유출 모의결과를 2011~2040년, 2041~2070년, 2071~2100년으로 구분하여 추세분석을 실시하였다.