• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.8-8
• /
• 2015

기후변화에 따른 집중호우 및 태풍 발생의 증가로 강우레이더를 이용한 홍수예경보시스템의 필요성이 증대되고 있다. 그러나 현재 국내에서 주로 활용되고 있는 단일편파 레이더는 정확도의 한계로 인해 홍수예보 활용에 어려움을 야기해왔다. 최근에는 수직반사도, 차등반사도, 비차등반사도 등 다양한 변수 취득을 통해 강우입자의 형태를 더욱 정확하게 추정할 수 있는 이중편파 레이더의 활용이 높아지고 있다. 본 연구에서는 홍수예보 활용을 위해 이중편파 레이더 실황강우 및 예측강우의 정확도를 평가하고자 한다. 평가를 위해 비슬산 레이더 자료를 활용하였으며, 2012~2014년의 강우사상을 선정하였다. 단일 및 이중편파 레이더 강우를 각각 추정하고, 강우예측을 위해 추정된 레이더 강우를 이류모델(Translation model)에 연계하여 선행 6시간까지의 예측강우를 생산하였다. 강우의 탐지능력 평가를 위해 Hit rate를 이용하였으며, 레이더 관측반경 증가 및 강우강도의 증가에 따른 정확도 분석을 수행하였다. 강수추정 정확도 평가를 위해 상관계수와 평균제곱근 오차를 이용하였으며, 비슬산 강우레이더 100 km 반경 내에 속한 국토교통부 관할의 지상관측강우와비교하였다. 그 결과, 이중편파 레이더 실황강우가 단일편파 레이더에 비해 지상관측강우의 거동과 더욱 유사하게 나타났으며, 양적인 오차도 더 적은 것으로 확인되었다. 또한, 레이더 예측강우는 선행시간이 증가함에 따라 정확도가 감소하였으나, 선행시간 1시간까지는 활용이 가능하다고 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.22-22
• /
• 2015

가뭄은 적시에 경보해야 하는 홍수와 달리 진행속도가 느리고 시간적으로 대처할 여유가 있어 진행중일지라도 미리 감지만 한다면 그 피해를 최소화할 수 있다. 이로 인해 미국 등 수문기상 선진국에서는 수문기상 장기예보자료로부터 가뭄전망정보 생산기술을 개발하였으며, 특히 가뭄전망의 정확도 향상을 위해 여러 통계적 보정기법을 적용하고 있다. 국내의 경우 기상청에서 가뭄전망을 목적으로 2011년에 수치예보모델을 이용하여 가뭄전망정보를 생산한바 있으나, 전망정보의 불확실성 문제로 가뭄예보에 활용하는데 한계가 있어 이를 개선할 수 있는 기술개발이 요구되는 실정이다. 본 연구에서는 기후예측자료를 이용하여 가뭄전망정보 생산기술을 개발하고 정확도 개선을 위해 베이지안 기법을 연계하였다. GloSea5 (Global Seasonal forecast model 5) 장기예보자료를 이용하였으며, 베이지안 기법을 통해 과거 관측자료에 대한 사전분포, 모델의 전망정보로부터 우도함수를 유도하여 최종 사후분포를 추정하였다. 베이지안 기법 적용 전 후에 따른 가뭄지수를 산정하였다. 관측자료 기반의 가뭄지수와의 비교분석을 통해 선행기간 및 계절별 가뭄예측 성능을 평가하였으며, 실제 가뭄기간 동안에 가뭄의 재현성을 지역별로 분석하였다. 장기예보자료만을 활용한 기존 가뭄전망에서는 관측 자료가 포함된 1개월 전망에서도 불확실성이 매우 높았지만 베이지안 기법 적용으로 가뭄전망의 정확도가 크게 개선되었다. 특히, 1, 2개월 전망의 시계열 가뭄지수가 관측기반의 가뭄지수의 거동과 매우 유사하게 나타났으며, 지역별로도 베이지안 기법 적용시 실제 가뭄피해 상황을 적절히 재현하는 것으로 나타났다. 국내 가뭄예보에 있어 기후예측정보를 단순활용하기 보다는 베이지안과 같은 통계적 보정기법을 이용하여 가뭄전망정보를 생산하는 것이 바람직하며, 본 연구에서는 가뭄예보업무에 활용될 수 있도록 베이지안 기법에 대한 검증 및 평가를 지속적으로 수행할 계획이다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.781-791
• /
• 2022

산불로 인한 피해를 최소화하기 위해서 산불위험 예보 정보를 제공하는 것은 필수적이다. 따라서 본 연구에서는 우리나라를 대상으로 기계학습 기반의 산불위험 중기예보(1일 후부터 7일 후까지) 모델을 개발하였다. Global Data Assimilation and Prediction System (GDAPS)의 기상예보 자료와 기 개발된 산불위험지수(Fire Risk Index, FRI)의 과거 및 현재 정보, 그리고 기타 환경요소(i.e., 고도, 산불다발지수, 가뭄지수)의 현재 정보를 반영하여 모델을 개발하였다. 본 연구에서는 실시간 학습을 통해 모델을 개발하였으며, 효율적인 모델 개발을 목적으로 과거 산불위험지수와 가뭄지수의 유무를 고려하여 세가지 경우(Scheme 1: 과거 산불위험지수 및 가뭄지수, Scheme 2: 과거 산불위험지수, Scheme 3: 과거 산불위험지수 변화 추세 및 가뭄지수)로 연구를 수행하였다. 본 연구에서 개발된 산불위험예보모델은 예보기간에 상관없이 높은 정확도(피어슨 상관계수(Pearson correlation) >0.8, relative root mean square error <10%)를 나타냈으며, 실제 산불 발생 건에 대해서도 유의미한 결과를 보였다. 과거 산불위험지수의 추세보다는 산불위험지수 값 자체를 입력변수로 사용하는 것이 높은 정확도를 보였으며, 가뭄지수 사용과 관계없이 좋은 결과를 나타냈다.

• 한국해안·해양공학회논문집
• /
• 제29권4호
• /
• pp.180-188
• /
• 2017

최근에 기후변화로 인해 너울성 고파 등 이상고파의 출현빈도가 높아지고 항만에서의 하역중단이 증가할 가능성이 커지고 있다. 하역중단을 최소화할 수 있도록 방파제(breakwater) 등을 추가적으로 건설하여 정온도(tranquility)를 향상시키는 것도 매우 중요하지만, 하역중단시점을 미리 예보함으로써 항만 운영을 효율적으로 하는 것도 또한 중요하다. 본 연구에서는 효율적인 항만 운영을 위하여 하역중단시점을 사전에 예보할 수 있도록 바람 예보자료를 이용하여 항외 주요 지점에서의 파랑자료를 추산하고, 복잡한 지형을 가진 항내 주요 지점에 대해서는 장기 관측을 실시하여 파랑자료를 수집한 후, 광역 계산지점에서의 파고와 항내 관측지점에서의 파고 사이의 관계를 자기회귀모델(auto-regressive model)과 인공신경망(artificial neural networks) 모델을 이용하여 바람예보자료를 이용한 수치실험 결과만으로 항내 파고를 예측하고, 하역중단시점을 예보할 수 있는 방법을 제안하였다. 제안방법의 적용성을 평가하기 위하여 포켓(pocket) 형상의 비교적 복잡한 지형 조건을 가진 포항신항 내 파랑관측지점에서의 파고 예측 및 하역중단시점을 예측하였으며, 그 결과를 관측자료와 비교하여 제안 방법의 성능을 검증하였다. 인공신경망 모델의 파고 예측결과를 자기회귀모델에 의한 파고 예측결과와 비교할 때, 인공신경망 모델의 예측결과가 관측자료와의 상관계수가 높고 RMS 오차가 작음을 알 수 있었고, 하역중단시점의 예측에 있어서도 인공신경망의 결과가 자기회귀모델의 결과보다 상대적으로 우수함을 알 수 있었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.592-595
• /
• 2003

미세 먼지(PM-10)는 인체에 깊은 영향을 미치는 대기 오염원 중의 하나로써, 발생 원인에 대한 규명이 어렵고 기초 자료의 부족으로 통계적 분석 역시 어려워 예보가 지난한 실정이다. 본 연구에서는 기상 및 환경 인자들과 PM-10과의 상관 관계를 분석하고, 다층 인식자 신경망 모델을 이용하여 미세 먼지 예경보 시스템을 구축하였다. 실험 결과 RMSE가 0.04～0.09로 매우 정확한 성능을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.33-33
• /
• 2011

현재 우리나라 기상청에서는 단기, 중기 및 장기 예보자료를 생산하고 있으나, 이들 자료는 단순히 일기 예보에 치중되어 생산되고 있어 강우-유출해석에 직접 적용하기에는 시 공간 해상도가 크고 정량적 강수예측의 정확도가 미흡하다. 이에 기상 및 수자원분야에서는 정확도 개선을 위해서 관측강우와 예측강우의 비교 분석을 통해 편차를 산정하여 예측강수를 보정하는 기법을 적용하고 있다. 다만, 기존의 편차보정방법은 보정인자로 강수량만을 고려하기 때문에 정확도 개선에는 한계가 존재한다. 따라서 본 연구에서는 수자원분야의 수치예보자료의 정확도를 향상시키기 위해 규모, 발생영역에 대한 강수의 특성을 고려한 강수예측자료의 편차보정 방법을 제안하고 이를 강우-유출모델에 적용하여 개선정도를 평가하고자 한다. 이에 적용유역을 춘천댐상류유역으로 선정하고 국내 기상청의 RDAPS(Regional Data Assimilation and Prediction System)수치예보자료, 지점강우자료, radar자료의 수문기상자료와 지형자료를 수집하였다. 화천, 평화의 댐 일부 미계측유역의 관측자료로 radar자료를 이용하였다. 이상의 자료를 토대로 강우강도 및 규모, 영향범위를 고려한 예측강우의 편차를 산정하여 RDAPS 수치예보자료의 정확도를 개선하고 평가하였다. 이는 해당 유역뿐만 아니라 주변 유역의 정보를 이용하여 예측강우의 발생위치에 대한 오차를 고려한 방법으로, 각 영역별로 예측강우의 편차보정계수를 산정하여 적용하였다. 또한, 이전시간대의 강우 편차에 대한 오차를 줄이기 위해 정규분포방법을 이용한 Ensemble 편차보정계수를 산정하고 최근 생산된 수치예보자료에 적용하여 확률예측강우를 산정하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.397-397
• /
• 2020

가뭄을 전망하는 방법으로는 통계적 방법과 물리적 방법으로 구분할 수 있다. 통계적 방법은 과거의 기상 및 수문현상이 미래에도 재현될 수 있다는 전제하에 미래 가뭄상황을 전망하는 방법이다. 그러나 이 방법은 예측된 결과들이 모두 과거의 경향에 국한됨에 따라 최근에 급변하는 수문기상의 특성을 고려하는데 한계가 있다(Trenberth, 1994). 물리적 방법은 주어진 초기 수문기상조건으로부터 역학적 알고리즘이 탑재된 기상 및 수문모형의 연계모의를 통하여 미래 가뭄을 전망하는 방법으로 모형에 따른 불확실성이 발생할 수 있으나 최근 수문순환의 변화를 예측가능하다는 장점이 있어 활용도가 높다. 본 연구에서는 기상예보자료와 지표수문모형을 연계한 물리적 기반의 수문학적 가뭄전망정보를 산정하고, 활용성을 평가하였다. 기상예보자료는 기상청 현업예보 모델인 GloSea5로부터 생산된 자료를 이용하였으며, 수문학적 가뭄전망을 위해 MSWSI (Modified Surface Water Supply Index)를 활용하였다. 수문학적 가뭄전망정보는 현재의 수문조건이 지속된다는 가정하에 예보선행시간 3개월까지 산정하였다. 2015~16년 기간에 중권역별 가뭄전망정보를 산정하였으며, 전망정보의 예측성은 통계분석을 이용하여 정량적으로 평가하였다. 금회 제시한 연구방법은 현재의 수문조건이 지속될 시 기상예보에 따른 중권역별 수문학적 가뭄을 예측할 수 있다는 점에서 활용성이 높을 것으로 판단된다.

• 천문학회보
• /
• 제38권2호
• /
• pp.98-98
• /
• 2013

태양의 활동영역에서 관측할 수 있는 흑점은 주로 흑점군으로 관측되며, 태양폭발현상의 발생을 예보하기 위한 중요한 관측 대상 중 하나이다. 현재 태양 폭발을 예보하는 모델들은 McIntosh 흑점군 분류법을 사용하며 통계적 모델과 기계학습 모델로 나누어진다. 컴퓨터는 흑점군의 형태학적 특성을 연속적인 값으로 계산하지만 흑점군의 형태적 다양성으로 인해 McIntosh 분류법과 일치하지 않는 경우가 있다. 이러한 이유로 컴퓨터가 계산한 흑점군의 형태학적인 특성을 예보에 직접 적용하는 것이 필요하다. 우리는 흑점군을 검출하기 위해 최소신장트리(Minimum spanning tree : MST)를 이용한 계층적 군집화 기법을 수행하였다. 그래프(Graph)이론에서 최소신장트리는 정점(Vertex)과 간선(Edge)으로 구성된 간선의 가중치의 합이 최소인 트리이다. 우리는 모든 흑점을 정점, 그들의 연결을 간선으로 적용하여 최소신장트리를 작성하였다. 또한 최소신장트리를 활용한 계층적 군집화기법은 초기값에 따른 군집화 결과의 차이가 없기 때문에 흑점군 검출에 있어서 가장 적합한 알고리즘이다. 이를 통해 흑점군의 기본적인 형태학적인 특성(개수, 면적, 면적비 등)을 계산하고 최소신장트리를 통해 가장 면적이 큰 흑점을 중심으로 트리의 깊이(Depth)와 차수(Degree)를 계산하였다. 이 방법을 2003년 SOHO/MDI의 태양 가시광 영상에 적용하여 구한 흑점군의 내부 흑점수와 면적은 NOAA에서 산출한 값들과 각각 90%, 99%의 좋은 상관관계를 가졌다. 우리는 이 연구를 통해 흑점군의 형태학적인 특성과 더불어 예보에 직접적으로 활용할 수 있는 방법을 논의하고자 한다.

• 한국항해항만학회지
• /
• 제32권3호
• /
• pp.245-250
• /
• 2008

근래 컴퓨터 수치모델이 급속하게 발전함으로써 다양한 분야에서 수치예보기술이 응용되고 있다. 실시간 해양예보시스템도 그 중의 하나로 관측시스템, 정보제공시스템 및 모델링 시스템을 결합하여 실시간 해양정보를 제공함으로써 해상교통의 안전과 연안환경의 보호에 기여하고 있다. 본 연구에서는 부산항 실시간 해양예보시스템의 구축을 위한 기초연구로서 모델링 시스템을 개발하였으며 그 결과를 제시하고 있다. 현재 기존의 관측자료가 부족하여 M2조석의 모델링만으로 시스템의 테스트를 행하였으나 앞으로 실시간 관측자료가 충분히 구비되면 전면적인 시스템의 테스트가 필요하다. 아울러 추후 관측시스템과 정보제공시스템이 계속 구축될 예정이며 이들 시스템이 모두 구비되고 나면 인터넷을 통한 실시간 정보제공이 이루어질 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.