• Communications for Statistical Applications and Methods
• /
• v.17 no.1
• /
• pp.39-45
• /
• 2010

As the value of environment is increasing, the water quality has been a matter of interest to the nation and people. Research on water quality has been widely studied, but focused on geographical characteristic and river characteristics like inflow, outflow, quantity and speed of water. In this paper, two approaches to measure the similarity of sampling sites by using water quality data are discussed and compared with two-years empirical data of Yongdam-Dam. The existing method has calculated their similarities with principal component scores. The proposed approach in this paper use correlation matrix of water quality related variables and MDS for measuring the similarity, which is shown to be better in the sense of being clustering which is identical to geographical clustering since it can consider the time series pattern of water quality.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.166-166
• /
• 2017

현재 우리나라에서 많은 연구에 활용되고 있는 오염부하지속곡선(Load duration curve, LDC)은 단일 기준유량의 문제점을 개선하기 위해 전체 유량 범위를 고려한 수질오염총량관리제(Total Maximum Daily Loads, TMDL) 평가 기법으로 개발되었다(Choi et al., 2012). LDC를 이용해 목표수질 달성여부를 분석하기 위해서는 일유량자료를 바탕으로 유량지속곡선(Flow Duration Curve, FDC)의 작성이 선행되어야 하는데(Park and Oh, 2012), 365일 연속적으로 측정된 실측 자료를 이용하는 것이 가장 확실하고 정확한 방법이다. 그러나 현재 환경부에서는 총량관리 단위유역에서 8일 간격으로 실측 유량 및 수질 측정이 이루어지고 있고, 특히 주로 비강우 시에 측정이 이루어지고 있는 실정이기 때문에 고유량에 대한 모니터링 자료가 부족한 실정이다. 이 같은 이유로 많은 연구에서 불연속적인 평균 8일 간격 유량을 그대로 사용하거나 일유량자료를 확보하기 위해 다양한 방법을 이용하고 있다. 그러나 이러한 유량자료의 변동은 유랑지속곡선에 변화를 주고 결과적으로는 LDC를 이용한 목표수질 달성여부를 판단함에 있어 불확실성이 있다. 이에 본 연구의 목적은 환경부 총량측정망 8일유량자료와 이와 연계성이 있는 국토교통부 하천유량 측정망 일유량자료를 이용하여 각각의 LDC를 작성하고, 이러한 일유량과 8일유량 사용이 LDC를 이용하여 목표수질에 대한 오염부하 특성분석에 어떠한 영향을 미치는지 유량 조건별로 차이를 비교분석하는 데 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.290-290
• /
• 2019

최근 우리나라 수자원 오염의 심각성에 관한 인식이 커지고 있으며, 수질 및 조류 관리의 필요성이 다양한 분야에서 증가하고 있다. 우리나라의 경우 초여름부터 장마 이전과 장마 이후부터 10월까지 호소의 영양 단계가 조류의 성장에 충분한 상태이기 때문에 남조류가 대량으로 증식된다. 하지만 기상 조건에 따라 조류의 발생 시기와 발생 정도는 매년 다르게 나타날 수 있다. 한편, 조류를 포함한 수질 모의 모형은 현재의 상태에 대한 정확한 모사를 통해 수질 관리와 미래의 예측 등 다양한 방면으로 활용된다. 따라서 복잡한 현상을 모형을 통해 재현하는 것은 중요하다. 본 연구에서는 대청호 지역을 대상으로 CE-QUAL-W2 모형을 이용하여 2016년 1월부터 2018년 7월까지 수질 및 조류의 거동을 모의하였다. 금강의 지류 하천인 소옥천에 위치한 옥천천 측정소부터 대청호 내부의 대청댐5 구간을 상류 및 하류 경계로 설정하였고, 수질 및 조류의 모의를 위해 물환경 정보시스템과 실시간 수질 정보시스템의 관측자료 및 대청댐의 운영 자료, 기상청의 기상관측 자료를 수집하였다. 모형의 안정화(warm up) 기간을 고려하여 2015년 1월부터 2018년 7월까지 주요 수질 항목인 수온, 용존산소, 총 인, 총 질소, 클로로필-a에 대한 분석을 수행하였고, 연구대상 지역 내의 대청댐6 지점의 관측값과 모의 결과를 비교 분석하였다. 수온과 용존산소, 클로로필-a의 경우 모의 결과가 관측 값을 비교적 잘 모사하였지만, 총 인과 총 질소의 경우 자동 수질 측정지점의 값과 일반수질 측정 지점의 측정 방법의 차이로 인해 오차가 다소 발생하는 것을 확인할 수 있었다. 본 연구는 CE-QUAL-W2 모형을 이용한 수질 및 조류 모의에 관한 연구로서, CE-QUAL-W2 모형을 이용한 수질 및 조류 관리에 활용될 수 있을 것으로 판단된다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.35 no.6
• /
• pp.527-534
• /
• 2017

The purpose of this study is to develop unmanned equipment that can automatically move to the desired point and measure water quality at the correct depth. For this purpose, we constructed a water sampling lift and water sampling container, an unmanned vessel equipped with a VRS-GPS, an acoustic echo sounder, and a water quality sensor. Also, we developed an automatic navigation algorithm and program, an automatic water sampling program, and a water quality map generation program. As a result of the experiment in the detention pond, the unmanned vessel sailed along the planned route with an accuracy of about 93% within the error range of 3m. In addition, the water quality sensor installed in the lift was able to acquire the water quality of the target area in real time and transmit it to the server via wireless Internet, and it was possible to monitor the water quality of each site in real time. Through field experiments, the water sampling lift was able to control the desired length with an accuracy of about 94%. The stretch length accuracy experiment of the water sampling lift was impossible to measure directly in the water, so it was replaced land-based experiment. We also found some unstable problems due to the weight of the water sampling lift and the weight of the air compressor to operate the water container. Except these two problems, we accomplished purpose of this study. An automated water quality measurement method using an unmanned vessel can be used to measure the quality of water in a difficult to access area and to secure the safety of the worker.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1626-1630
• /
• 2006

본 논문의 목적은 설마천 시험유역을 대상으로 2005년의 신뢰성 있는 수문 수질자료를 바탕으로 유역의 유출거동에 따른 수질인자와의 상관관계를 분석하는데 있다. 시험유역에서는 10분 단위의 연속적인 우량 및 수위관측과 연간 30회 이상의 유량측정성과를 통하여 수위-유량관계곡선식을 개발하여 유량을 산정하고 있으며, 수질분석을 위한 시료채취는 유량측정시 현장에서 채취하여 실험실에서 분석하였다. 실험실에서 분석한 항목은 DO, BOD, COD, T-N, T-P, F, Cl, $NO_3-N,\;SO_4$, pH, 전기전도도로 총 11개 항목으로 수질측정은 우기가 시작되는 시기인 $6{\sim}9$월에 집중적으로 측정 분석하였으며, 강우가 시작되기 직전과 강우가 시작되어 유량이 증가되는 시기를 선정하여 각각 20회의 시료를 채취하여 분석하였다. 측정된 수질자료를 이용하여 2개 측정지점에 대한 각 항목간의 상관관계를 분석하였으며, 강우가 시작되기 직전과 강우기에 대하여 각 항목간의 상관분석을 수행하였다. 그리고, 선행강우의 일수에 따라 유출의 거동에 따른 BOD, COD, DO, T-N, pH의 농도변화를 비교 검토하였다. 2개 지점의 상관분석 결과는 오염물질간 상관성이 유사한 경향을 나타내었으며, 강우가 시작되기 직전과 강우기에 대한 각 항목간의 상관분석 결과는 유량은 전기전도도 항목과 상관도가 높게 나타났을 뿐 다른 항목은 없었으며, 수질항목간 상관도도 유기물질들 사이에서만 상관성을 나타내었다. 비강우기에는 질소성분의 항목과 전기전도도가 높은 상관도를 나타내었지만 강우기에는 유기물질과 질소성분의 항목간에 상관성이 있는 것으로 나타났다. 그리고, 선행강우의 일수에 따라 유출의 거동에 따른 BOD, COD, DO, T-N, pH의 농도변화를 비교 검토한 결과 선행강우일수가 클수록 전반적으로 DO, COD, BOD의 농도는 수문곡선의 형상과 비슷하게 증가 하였다가 감소하는 결과를 보이고 있으며, T-N은 선행강우일수가 큰 상태에서는 농도가 증가하였으나 선행강우가 작을수록 일정한 경향을 보이고 있다. 그리고, pH는 홍수기의 유량의 변화에 관계없이 일정한 값을 유지를 하고 있는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.201-201
• /
• 2023

일반적으로 하천의 수질은 산업화, 인구증가 등으로 인해 여러 종류의 오염물질이 유입되어 악화된다. 수질 악화의 대표적인 현상은 부영양화이며 이를 일으키는 주요 원인 물질은 통상 영양염류라고 말하는 질소와 인으로 알려져 있다. T-N이 다량 수계로 유입되면 식물성 플랑크톤 등이 대량 번식하여 녹조 현상등 수질 악화를 발생시켜 관리가 필요하다. 현재 많은 수자원 관리 부서에서 모니터링 포인트를 설정하여 수질 변화를 관찰하고 있다. 기존의 T-N 분석방법은 (1) 자외선 흡광광도법 (2) 카드뮴 환원법 (3) 환원증류-킬달법등이 있다. 그러나 이러한 방법들은 실험실 기반의 정량적 분석으로 시간과 비용이 크게 소요되어 발생하는 문제에 대해 초기대응을 하기 힘들다. 따라서 T-N을 효과적으로 측정할 수 있는 방법이 필요하다. 국내에서는 수질자료를 통한 연관된 수질 인자를 찾아내어 머신러닝 알고리즘을 활용해 Chl-a 농도를 추정한 연구사례가 있다. 국외에서는 TN과 센서 측정 지표 간의 물리적, 화학적 관계를 기반으로 센서 감지의 적시성과 지능형 알고리즘의 정확도를 결합하여 실시간 총질소(TN) 측정 방법 연구 사례가 있다. 따라서 본 연구에서는 머신러닝을 활용하여 국내에 적합한 T-N 예측 모델을 만들고자한다. 본 연구에서는 센서기반으로 측정가능한 수질항목들과 T-N의 상관성 분석을 통해 주요 수질인자를 도출하였다. 도출된 인자와 Python 기반의 머신러닝을 활용하여 T-N을 추정하였다. 그 후, T-N 추정값과 실측값을 비교하여 머신러닝 성능을 평가하고 실제 적용 가능성에 대해서 검증하였다. 본 연구는 기존 T-N 측정에 소모되는 시간과 비용의 감소에 기여하고 이를 통해 앞으로 더 정확한 수질 예측이 가능해질 것으로 기대된다.

• Water for future
• /
• v.29 no.2
• /
• pp.167-178
• /
• 1996

In designing automatic water quality monitoring networks for a river basin, determination of measurement locations and items is critical to the effectiveness of the total system. In this paper we studied how to decide these two design factors when a monitoring network is designed for the purposse of water quality surveillance and emergency alarm. For measurement locations, candidate sites are chosen based on the intake amount for water supply and the point sources of contamination. Then, detailed locations are decided according to the contaminant flow distance. As for measurement items, characteristics and the accident history of water pollution in the basin must be taken into account. Considering economic aspects, we proposed a two-stage measurement plan: basic components for all locations and selective ones variable for different locations. Proposed methodology is demonstrated through a case study for Nak-dong River Basin.

• Journal of the Korean Data and Information Science Society
• /
• v.18 no.3
• /
• pp.713-719
• /
• 2007

금호강수계를 대상으로 1998년부터 2007년까지의 환경부의 수질측정망 대상수질자료를 이용하여 월별 수질경향을 LOWESS 경향분석법을 적용하여 장기수질경향을 분석하였다. 금호강을 상류, 중류, 하류로 구분하여 각각 3개 지점의 수질측정망에 대해서 대표수질항목인 BOD, TN, TP, EC에 대하여 수질환경 오염의 장기 경향을 분석하였다. 본 연구의 결과는 금호강의 위치에 따른 수질오염의 연도별 변화를 나타내는 것으로 수질 개선의 지방자치나 중앙의 수질 정책과 행정에 도움을 줄 수 있을 것이다.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2006.04a
• /
• pp.298-301
• /
• 2006

지하수 장해를 사전에 방지하고 지하수의 유동특성과 배경수질을 파악하기 위해 설치된 국가 지하수관측망에서는 지하수위, 전기전도도, 수온 항목을 주기적으로 측정하고 있으며 아울러 연 2회 생활용수 기준의 수질검사를 실시하고 있다. 이들 측정항목의 시간적 변화를 고찰함으로써 해당 지하수계의 이상 징후를 효과적으로 감지할 수 있다. 하지만, 이들 측정항목 만으로는 지하수의 수리화학적 환경을 제대로 파악하기가 어려우며, 따라서 지하수 수질 장해가 인지되었을 경우 그 원인을 효과적으로 규명하기가 쉽지 않다. 지하수 수질 장해는 인위적인 오염 외에도 지질 조건과 관련한 자연적 과정에 의해서도 빈번히 일어난다. 지하수 수질 장해의 원인과 지하수의 수질 변화 경향을 파악하기 위해서는 관측 항목에 추가하여 양/음이온 분석자료의 주기적 취득과 수리 지구화학적 해석이 필요하다. 금번 발표에서는 국가 지하수 관측망의 장기 관측 결과 지하수 수질 장해 우려지역으로 제안된 5개 지역의 수리지구화학 조사연구 사례를 소개한다. 관측망 관정 외에 주변 지역 지하수에 대한 양/음이온 분석을 수행하고 수리지구화학 해석을 수행함으로써 지하수 수질장해의 원인을 규명할 수 있었다.

• Journal of Korea Water Resources Association
• /
• v.38 no.7 s.156
• /
• pp.565-574
• /
• 2005

It is used water quality data that was measured at Pyeongchanggang real time monitoring stations in Namhan river. These characteristics were analyzed with the water qualify of rainy and nonrainy periods. TOC (Total Organic Carbon) data of rainy periods has correlation with discharge and shows high values of mean, maximum, and standard deviation. DO (Dissolved Oxygen) value of rainy periods is lower than those of nonrainy periods. Input data of the water quality forecasting models that they were constructed by neural network and neuro-fuzzy was chosen as the reasonable data, and water qualify forecasting models were applied. LMNN, MDNN, and ANFIS models have achieved the highest overall accuracy of TOC data. LMNN (Levenberg-Marquardt Neural Network) and MDNN (MoDular Neural Network) model which are applied for DO forecasting shows better results than ANFIS (Adaptive Neuro-Fuzzy Inference System). MDNN model shows the lowest estimation error when using daily time, which is qualitative data trained with quantitative data. The observation of discharge and water quality are effective at same point as well as same time for real time management. But there are some of real time water quality monitoring stations far from the T/M water stage. Pyeongchanggang station is one of them. So discharge on Pyeongchanggang station was calculated by developed runoff neural network model, and the water quality forecasting model is linked to the runoff forecasting model. That linked model shows the improvement of waterquality forecasting.