• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1450-1454
• /
• 2005

수자원관리에 있어서 미래시구간에 대한 유량예측은 수자원시스템운영자에게 있어서 의사결정에 결정적인 영향을 미치는 가장 중요한 요소 중의 하나이다. 효율적 물배분이나 발전 등의 이수활동을 위해서 최소 월단위 이상의 장기유량예측이 필요하며, 이를 위해서는 강우예측이 선행되어야 하는데, 본 연구에서는 통합 실시간 물관리 운영시스템을 위한 중장기 유량예측을 목표로 방법론을 제시하고자 한다. 중장기 유량예측을 수행하는 대표적인 방법 중의 하나는 앙상블 유량예측(ESP; Ensemble Streamflow Prediction) 기법이다. ESP란 현재의 유역상태를 초기조건으로 사용하고 과거의 온도나 강수 등의 시계열앙상블을 모형입력으로 이용해서 강우-유출모형을 통하여 유출량을 예측하는 기법이다. ESP는 결국 현재의 유역상태와 유역에서의 과거강우관측기록, 미래강우예측에 대한 정보를 조합하여 그에 따른 유출앙상블을 생산해 내게 된다. 유출앙상블은 각 앙상블 트레이스가 갖게 되는 가중치에 따라 확률분포를 달리 갖게 되고 경우에 따라서는 유량으로부터 2차적으로 유도되는 변수들의 확률분포로 전이되기도 한다. 기존의 ESP 이론은 미국 NWS의 범주형 확률예보를 근간으로 하고 있어, 이를 국내 환경에 그대로 적용시키기에 어려움이 있어 왔다. 따라서 본 연구에서는 국내 기상청의 월간 강수전망을 이용하고, 이러한 정보의 특성에 맞는 ESP기법을 제시하였다. 더 나아가 중장기 수자원운영을 위한 일단위 월강수시나리오 구성을 위해서 수치예보와 월강수전망을 조합하여 ESP를 사용하는 기법을 제시하였다.

• Journal of Wetlands Research
• /
• v.15 no.1
• /
• pp.115-125
• /
• 2013

This study established a methodology for the application of downscaling technique in a mountainous area having large spatial variations of rainfall and tried to estimate the change of rainfall characteristics in the future under climate change using the established method. The Namhan river basin, which is in the mountainous area of the Korean peninsula, has been chosen as the study area. Artificial Neural Network - Simple Kriging with varying local means (ANN-SKlm) has been built by combining artificial neural network, which is one of the general downscaling techniques, and SKlm technique, which can reflect the geomorphologic characteristics like elevation of the study area. The evaluation of SKlm technique was done by using the monthly rainfalls at six weather stations which KMA(Korea Meteorological Administration) is managing in the basin. The ANN-SKlm technique was compared with the Thiessen technique and ordinary kriging(OK) technique. According to the evaluation result of each technique the SKlm technique showed the best result.