• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.98-98
• /
• 2021

동역학파 기반 순간단위도 (Dynamic wave-based Instantaneous Unit Hydrograph)를 이용하여 유역에서의 강우에 의한 유출을 예측하는 기법을 개발하였으며, 국내 실제 자연 유역에 적용하여 기법의 타당성과 적용성을 검증하였다. 본 연구에서 제시한 '동역학파 기반 순간단위도 방법'은 물리기반 수치모형인 동역학파 강우유출모형과 개념적 순간단위도 방법을 결합하여 사용함으로써 물리적으로 정확하면서도 빠르고 안정적으로 강우-유출을 예측하는 것을 목적으로 한다. 유역의 순간단위도는 유역의 지형, 조도계수와 동역학파 강우유출모형인 tRIBS-OFM을 이용하여 계산된 S-수문곡선을 수치적으로 미분함으로써 유도되며, 유도된 순간단위도는 강우강도에 따라 변화하므로 회선적분을 통한 유출수문곡선 예측 시 강우-유출 관계의 비선형성을 고려할 수 있다. 본 연구에서 유도된 순간단위도의 첨두 값과 첨두 발생시간은 강우강도 값과 각각 양과 음의 상관관계를 가졌으며 강우강도 값과 멱 함수 (power function)의 관계를 가졌다. 이는 Paik and Kumar (2004) 등 기존 연구들에서 밝힌 순간단위도의 특성과 일치하였으며, 본 연구에서는 더 나아가 멱함수의 지수를 산정한 후 임의의 강우강도 값에 대응하는 순간단위도를 멱함수 관계를 이용하여 보간할 수 있는 방법을 제시하였다. 실제 유역에 대한 적용은 강원도 인제군에 위치한 내린천 유역을 대상으로 수행하였다. 유역을 여러 개의 소유역으로 분할하여 강우의 공간적 분포를 고려하였으며, 각 소유역에서의 유출량을 동역학파 기반 순간단위도를 이용해 계산한 뒤 물리기반의 하도추적모형을 이용하여 전체 유역에서의 유출수문곡선을 예측했다. 예측된 유출수문곡선을 관측 유출 자료와 비교해본 결과 NSE (Nash-Sutcliffe model efficiency coefficient)가 0.6 이상으로 측정되어 적절히 유출을 예측한 것으로 판단되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.94-94
• /
• 2023

유역에서의 홍수를 예측하기 위한 다양한 강우-유출 모형들이 개발되어 사용되고 있다. 개념적 강우-유출 모형들은 신뢰성과 적용성이 높아 실무에서 널리 활용되어왔으나, 강우-유출 과정을 단순화하여 고려하므로 유출예측의 정확도에 한계가 있다. 또한 모형의 매개변수에 여러 불확실성이 존재하므로 충분한 양의 관측자료를 사용한 보정 작업이 필요하다. 물리적 강우-유출 모형들은 유출예측 결과가 비교적 물리적으로 정확하다는 장점이 있지만, 높은 계산 비용 및 수치적 불안정성으로 인하여 실무에의 적용이 힘들다. 본 연구에서는 홍수 예측의 정확도와 효율성을 모두 확보할 수 있는 하이브리드 기법을 개발하였다. 본 연구에서 개발한 기법은 물리적 모형인 동역학파 모형과 개념적 모형인 순간단위도 모형, 그리고 딥러닝 모형을 결합하여 사용하는 기법이다. 유역의 조도계수 및 지형을 활용한 동역학파 시뮬레이션을 수행하였으며, 동역학파 시뮬레이션 결과 및 멱함수로 나타내어지는 비선형적 강우-유출 관계를 이용하여 유역의 순간단위도를 유도였다. 또한, 딥러닝 모형인 LSTM 모형을 활용하여 강우손실 매개변수를 추정하였으며, 이를 이용하여 강우손실을 계산한 후 유효강우주상도를 산정하였다. 그리고 유역 출구에서의 홍수수문곡선은 유효강우주상도와 순간단위도를 활용한 회선적분을 통해 예측되었다. 본 연구에서 개발한 기법을 시험유역 및 자연유역에서의 홍수 예측에 적용해보았으며, 예측 결과는 NSE=0.55-0.90, R²=0.67-0.95의 높은 정확도를 보였다. 본 연구에서 유도하는 순간단위도는 한 유역에서 유일하지 않으며, 유효 강우강도의 함수이므로 홍수 예측에 비선형적 강우-유출 관계를 고려할 수 있으며, 수많은 유효 강우강도에 대한 순간단위도들은 멱함수를 이용하여 순간적으로 유도될 수 있다. 또한, 유역의 강우 특성이나 지표면의 토양수분, 식생과 같은 특성을 딥러닝 모형을 통해 고려함으로써 강우 손실 산정의 불확실성을 줄일 수 있다. 또한, 순간단위도 유도를 위한 기초작업인 동역학파 시뮬레이션은 유역의 지형과 조도계수만을 필요로 하므로 미계측 유역에의 적용이 유리하다.

• Water for future
• /
• v.46 no.8
• /
• pp.44-47
• /
• 2013

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.110-110
• /
• 2019

유역 강우-유출 과정의 물리적 특성과 비선형성을 반영하여 유출을 예측할 수 있는 새로운 방법을 제시한다. Dynamic wave 이론 기반의 강우-유출 모형과 유역의 지형적, 수문학적 특성을 이용하여 유역의 순간단위도를 S-수문곡선 방법을 통해 유도하였으며, 비선형성을 고려한 유출수문곡선 산정을 위해 순간단위도의 회선적분 시 강우강도별로 달라지는 순간단위도를 반영하였다. 기존 선형 가정에 근거한 단위도 방법이나, kinematic wave 이론 기반의 순간단위도 방법들에 비해 유역 반응의 물리적 특성과 비선형성을 잘 반영할 수 있었으며, 수치 시뮬레이션을 통한 강우유출 예측 방법에 비해 예측에 소요되는 시간이 짧다는 이점을 가졌다. 본 연구에서 제시한 방법에 대한 이상적 유역, 실제 유역에 대한 검증을 진행하였으며 실제 관측결과와 비교해 본 결과 유역의 강우-유출 관계를 정확히 예측하였다는 결론을 얻을 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.37-37
• /
• 2022

유효우량 산정을 위하여 국내에서 주로 사용되는 모형은 NRCS-CN(Natural Resources Conservation Service - curve number) 모형으로, 유역의 유출 능력을 나타내는 유출곡선지수(runoff curve number, CN)와 같은 NRCS-CN 모형의 매개변수들은 관측 강우-유출자료 또는 토양도, 토지피복지도 등을 이용하여 유역마다 결정된 값이 사용되고 있다. 그러나 유역의 CN값은 유역의 토양 상태와 같은 환경적 조건에 따라 달라질 수 있으며, 이를 반영하기 위하여 선행토양함수조건(antecedent moisture condition, AMC)을 이용하여 CN값을 조정하는 방법이 사용되고 있으나, AMC 조건에 따른 CN 값의 갑작스런 변화는 유출량의 극단적인 변화를 가져올 수 있다. NRCS-CN 모형과 더불어 강우 손실량 산정에 많이 사용되는 모형으로 Green-Ampt 모형이 있다. Green-Ampt 모형은 유역에서 발생하는 침투현상의 물리적 과정을 고려하는 모형이라는 장점이 있으나, 모형에 활용되는 다양한 물리적인 매개변수들을 산정하기 위해서는 유역에 대한 많은 조사가 선행되어야 한다. 또한 이렇게 산정된 매개변수들은 유역 내 토양이나 식생 조건 등에 따른 여러 불확실성을 내포하고 있어 실무적용에 어려움이 있다. 따라서 본 연구에서는, 현재 사용되고 있는 강우손실 모형들의 매개변수를 추정하기 위한 방법을 제시하고자 하였다. 본 연구에서 제시하는 방법은 인공지능(AI) 기술 중 하나인 딥러닝(deep-learning) 기법을 기반으로 하고 있으며, 딥러닝 모형으로는 장단기 메모리(Long Short-Term Memory, LSTM) 모형이 활용되었다. 딥러닝 모형의 입력 데이터는 유역에서의 강우특성이나 토양수분, 증발산, 식생 특성들을 나타내는 인자이며, 모의 결과는 유역에서 발생한 총 유출량으로 강우손실 모형들의 매개변수 값들은 이들을 활용하여 도출될 수 있다. 산정된 매개변수 값들을 강우손실 모형에 적용하여 실제 유역들에서의 유효우량 산정에 활용해보았으며, 동역학파 기반의 강우-유출 모형을 사용하여 유출을 예측해보았다. 예측된 유출수문곡선을 관측 자료와 비교 시 NSE=0.5 이상으로 산정되어 유출이 적절히 예측되었음을 확인했다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.216-216
• /
• 2023

가속적인 토양침식은 토지의 환경 및 생태계의 지속성에 부정적 영향을 미치므로, 그 양을 예측하여 토양침식을 방지하는 것은 중요하다. 이에 따라 식생, 지형, 토양의 입도분포 등과 같은 토양침식에 영향을 미치는 인자에 관한 연구가 꾸준히 이뤄지고 있다. 특히 자연 지형에서 보편적으로 나타나는 'cm' 규모의 미세지형이 토양침식에 미치는 영향을 분석한 기존 연구 결과를 살펴보면, 유역 출구 지점에서 관측된 총 유사유출량에만 근거하고 있을 뿐 아니라 토양침식에 미치는 미세지형의 영향에 관한 상반된 결과가 혼재하고 있다. 이는 유역의 토양침식과정에 대한 이해도와 토양침식량에 대한 예측 정확도를 저하시킬 우려가 있으므로 미세지형이 토양침식에 미치는 영향을 유역 전반에 걸쳐 살펴본 후, 명확하게 하는 것이 필요하다. 본 연구에서는 동역학파 모형에 기반한 침식 모형을 이용하여 미세지형에서의 강우-유출 및 토사 입자별 침식 및 유출 현상을 수치적으로 모의하였다. 모의 결과에 따르면, 동일한 강우-유출 조건에서도 미세지형의 거칠기에 따라 유역의 토양침식량 및 침식 특성이 달라질 수 있으며, 토양 입경이 미세지형의 거칠기에 따른 유사유출량의 증감 현상을 결정하는 데에 있어 중요한 요소로 작용함을 제시하였다. 미세지형이 거칠어짐에 따라 비교적 굵은 입자인 모래 함량이 높은 지반에서는 토양침식률이 감소하였으나 이와 대조적으로 미세토사 함량이 높은 지반에서는 토양침식률이 증가하였다. 이는 미세지형이 유역 전반에 걸쳐 입경에 따른 토사의 부상, 이류 및 퇴적 특성에 영향을 미쳐, 유역의 유사 분급 및 장갑화 현상에 깊게 관여하였기 때문이다. 본 연구를 통해 토양유실에 미치는 미세지형의 영향에 관한 상반된 연구 결과를 미세지형과 토양 입경분포의 상호작용으로 설명할 수 있다. 따라서, 본 연구는 유역 내 미세지형적 거칠기 입경분포에 대한 정확한 정보에 기반하여 토양의 유실량 및 침식량을 산정해야 함을 강조한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.199-199
• /
• 2022

선행 연구들을 통해 미세지형이 유역에서의 유사 유출량에 영향을 끼침을 알 수 있다. 그러나 여전히 유사-유출에 대한 미세지형의 영향이 불분명하여 유역 내 토양 침식 과정에서 미세지형적 거칠기를 고려할 때 혼란이 야기될 수 있다. 따라서, 유사유출량과 토양침식량에 대한 보다 정확한 예측 및 산정을 위해 미세지형이 토양 침식에 미치는 영향을 명확하게 하는 것이 필요하다. 본 연구에서는 Hairsine-Rose 침식 모형과 동역학파(Dynamic wave) 모형을 사용하여 강우-유출에 따른 미세지형의 유사-유출 과정을 수치적으로 모의하였다. 모의 결과에 따르면, 미세지형은 동일 강우 및 유출 조건에서도 유역 내 유사 유출량을 변화시켰다. 또한, 본 연구의 모의조건 하에서 지반이 비교적 미세토사로 구성된 경우 미세지형이 거칠수록 침식률이 증가하는 반면 지반의 토사가 대부분 굵은 입경을 가질 때는 매끄러운 지형보다 거친 미세지형에서 토양 침식률이 감소함을 확인하였다. 따라서, 지형의 미세지형 변동 정도와 토양침식률 사이에 비례 또는 반비례 관계가 형성됨을 보이고, 이러한 관계를 형성하는 과정에 입경 분포가 미치는 영향을 제시하였다. 마지막으로, 본 연구 결과를 통해 장갑화(armoring) 과정이 입경 분포뿐만 아니라 미세지형의 거칠기에 따라 유역별로 다르게 나타나는 것을 확인하였다. 따라서 유사-유출에 대한 미세지형의 영향을 적절하게 고려하기 위해 부상(Pick-up), 이류 및 퇴적 등 입경 별 퇴적물 이동이 다중 물리적으로 고려되어야 한다는 점을 강조한다. 본 연구를 통해 지표면의 미세지형적 거칠기 및 토양 입경에 대한 정확한 정보가 필요함을 알 수 있으며, 이를 충분히 고려한다면 강우 유출에 의한 토양 침식 메커니즘에 대한 이해도와 토양침식량에 대한 정량적 예측의 정확도가 향상될 것으로 예상된다.