• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.263-263
• /
• 2016

기후변화 등에 따른 가뭄위험을 평가하기 위한 다양한 방법이 연구되어 왔으며, 기상학적인 가뭄이나 생물학적인 가뭄 등으로 정의되는 가뭄지수들이 개발되어졌다. 그러나 궁극적으로 가뭄의 판정은 수원으로부터 더 이상의 용수를 공급할 수 없는 상황에 처해졌을 때 비로소 결정되는 것이므로, 수원공의 가뭄위험에 대한 평가가 우선적일 것으로 판단된다. 본 연구에서는 수도권의 생공용수 공급을 책임지고 있다고 해도 과언이 아닌 다목적댐인 소양강댐과 충주댐의 가뭄위험을 평가하기 위하여 월강우량 자료로부터 특정시기의 저수율을 예측할 수 있는 방법을 개발하도록 하였다. 월강우량 변화에 따른 저수율의 변화양상을 예측하기 위하여 저수지 유입량과 방류량에 따른 물수지 분석이 정교하게 이루어져야 하지만, 실질적으로 상류에 또 다른 댐이 존재하는 상황에서 유입량을 정확하게 예측하는 것도 어렵지만 수시로 상황에 따라 이루어지는 방류량을 적절히 예측하는 것은 거의 불가능하므로, 물수지 분석에 의한 저수율 예측은 어느 정도의 불확실성을 가질수밖에 없을 것으로 판단되어 댐 관리관행에 따라 나타나는 월강우량과 저수율 사이의 회귀분석을 통하여 일정한 법칙을 만들 수 있는지 시도하였다. 다목적 댐인 소양강댐과 충주댐의 1984-2013년의 일별 저수율 자료로부터 저수율 관리관행을 파악할 수 있었는데, 다목적 댐인 관계로 호우시의 홍수피해 예방을 위하여 6월말에는 25-35% 정도의 저수율을 유지하도록 관리가 이루어지고 있었으며 호우가 발생된 이후에는 일정량을 수시로 방류하여 다음 호우를 준비하고 있는 것으로 나타났다. 또한 각 댐의 최저 저수율은 3월말 - 4월에 발생하는 것으로 나타났으며, 4월과 5월에 일정 정도의 강우량만 존재한다면 가뭄피해는 발생하지 않는 것으로 나타났다. 이와 같은 저수율 관리 관행을 적용하여 예측되는 강우량 패턴에 따른 저수율 변화를 예측하기 위하여 월강우량 자료와 4월 1일 기준의 저수율 자료 사이의 회귀분석을 실시하여 전년의 7월부터 당해 3월까지의 월강우량으로부터 4월 1일의 저수율을 예측할 수 있는 의미 있는 결과를 도출하였다. 이러한 결과는 기후변화 등에 따른 미래에 예측되는 월강우량 자료로부터 각 댐의 4월 1일 기준 저수율 자료를 예측할 수 있으며, 4월 및 5월의 월강우량과 함께 분석함으로써 가뭄위험을 평가할 수 있는 한 방법으로 적절한 활용이 가능할 것으로 판단된다.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_4
• /
• pp.1125-1134
• /
• 2023

Out of the total 17,000 reservoirs in Korea, 13,600 small agricultural reservoirs do not have hydrological measurement facilities, making it difficult to predict water storage volume and appropriate operation. This paper examined univariate and multivariate long short-term memory (LSTM) modeling to predict the storage rate of agricultural reservoirs using remote sensing and artificial intelligence. The univariate LSTM model used only water storage rate as an explanatory variable, and the multivariate LSTM model added n-day accumulative precipitation and date of year (DOY) as explanatory variables. They were trained using eight years data (2013 to 2020) for Idong Reservoir, and the predictions of the daily water storage in 2021 were validated for accuracy assessment. The univariate showed the root-mean square error (RMSE) of 1.04%, 2.52%, and 4.18% for the one, three, and five-day predictions. The multivariate model showed the RMSE 0.98%, 1.95%, and 2.76% for the one, three, and five-day predictions. In addition to the time-series storage rate, DOY and daily and 5-day cumulative precipitation variables were more significant than others for the daily model, which means that the temporal range of the impacts of precipitation on the everyday water storage rate was approximately five days.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.4
• /
• pp.199-207
• /
• 2024

Local reservoirs are crucial sources for agricultural water supply, necessitating stable water level management to prepare for extreme climate conditions such as droughts. Water level prediction is significantly influenced by local climate characteristics, such as localized rainfall, as well as seasonal factors including cropping times, making it essential to understand the correlation between input and output data as much as selecting an appropriate prediction model. In this study, extensive multivariate data from over 400 reservoirs in Jeollabuk-do from 1991 to 2022 was utilized to train and validate a water level prediction model that comprehensively reflects the complex hydrological and climatological environmental factors of each reservoir, and to analyze the impact of each input feature on the prediction performance of water levels. Instead of focusing on improvements in water level performance through neural network structures, the study adopts a basic Feedforward Neural Network composed of fully connected layers, batch normalization, dropout, and activation functions, focusing on the correlation between multivariate input data and prediction performance. Additionally, most existing studies only present short-term prediction performance on a daily basis, which is not suitable for practical environments that require medium to long-term predictions, such as 10 days or a month. Therefore, this study measured the water level prediction performance up to one month ahead through a recursive method that uses daily prediction values as the next input. The experiment identified performance changes according to the prediction period and analyzed the impact of each input feature on the overall performance based on an Ablation study.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.112-112
• /
• 2018

최근 이상기후로 인한 국부적인 혹은 광역적인 가뭄이 빈번하게 발생하고 있는 추세이며 발생횟수 뿐 아니라 가뭄 심도 및 지속기간이 과거보다 크게 증가하여 그에 따른 피해가 커질 것으로 예측되고 있다. 특히, 2014~2015년도의 유례없는 가뭄으로 인해 저수지 용수공급이 제한되면서 많은 농가들이 피해를 입었다. 본 연구의 목적은 전국 농업용 저수지를 대상으로 기상청 3개월 예보자료를 활용 할 수 있는 농업용 저수지 저수율 다중선형 회귀 모형을 개발하여 저수율 전망정보를 생산하는 것이다. 본 연구에서는 전국에 적용 가능한 저수율 다중선형 회귀 모형개발을 위해 5개의 기상요소(강수량, 최고기온, 최저기온, 평균기온, 평균풍속)와 관측 저수지 저수율을 활용했다. 기상자료는 2002년부터 2017년까지의 기상청 63개 지상관측소로부터 기상관측자료를 수집하였다. 본 연구에서는 저수율 전망 단계를 세 단계로 나누었다. 첫 번째 단계로 농어촌공사에서 전국 511개 용수구역을 대상으로 군집분석 및 의사결정나무 분석을 통해 제시한 65개 대표저수지를 대상으로 기상자료 및 관측 저수율 자료를 이용하여 다중선형 회귀분석을 실시하였다. 수집한 기상요소와 저수율을 독립변수로 하여 월별 회귀식을 산정한 결과 결정계수($R^2$)는 0.51~0.95로 나타났다. 두 번째 단계로 대표저수지의 회귀분석 결과를 전국의 저수지로 확대하기 위해 나이브 베이즈 분류법을 적용하여 전국 3098개의 저수지를 65의 군집으로 분류하고 각각의 군집에 해당되는 월별 회귀식을 산정하였다. 마지막으로 전국 저수지로 산정된 회귀식과 농업 가뭄 예측을 위해 기상청의 GS5(Global Seasonal Forecasting System 5) 3개월 예보자료를 수집하여 회귀식에 적용해 2017년 전국 저수지의 3개월 저수율 전망정보를 생산하였다. 본 연구의 전국 저수지 군집결과 기반의 저수율 전망기술은 2017년도 관측 저수율과 비교한 결과 유의한 상관성을 나타냈으며 이 결과는 추후 농업용 저수지의 물 공급 및 농업가뭄 전망 자료로서 이용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.321-326
• /
• 2012

장기유출모형을 이용하여 농업용저수지 유입량을 예측하고 농업용수 필요수량 및 홍수기 저수지 홍수조절을 통한 방류량 데이터를 이용하여 장기간에 대한 농업용저수지 저수율을 계산하였다. 계산결과와 실측 저수율 데이터의 비교 검증을 통하여 모형의 적용성을 평가하였다. 대상유역은 담양댐 지점이며 유역면적은 $47.2km^2$ 이며 주 하천 연장은 12.0km 이다. 담양댐은 저수용량에 비하여 유역면적이 작기 때문에 댐 계획 당시 순창군 구림면에 유역면적 $18.4km^2$ 인 2개의 보를 축조하여 유역변경방식으로 간접유역 유출량을 비관개기 및 홍수시에 도수하며 최대 도수량은 $10m^3/s$이다. 장기유출모의는 한국수자원공사(2001)에서 수행한 전역최적화기법인 콤플렉스 혼합진화기법을 통하여 추정된 나주지점의 모형보정 성과를 활용하였으며 모의기간은 1981-2010년(30년)이다. 장기유출모의 결과 담양댐 유역의 평균 유출율은 67% 인 것으로 분석되었다. 농업용수 필요수량은 한국농촌공사에서 산정한 연도별 필요수량 산정결과를 이용하여 실측 농업용수 월별 방류량 자료를 기준으로 관개개간인 4월 21일-9월 20일(163일)동안 월별로 분배하여 적용하였다. 홍수조절은 기존 댐 상시만수위, 홍수기제한수위 데이터를 근거로 운영하였다. 일별저수지 운영모형은 미공병단의 HEC-5 모형을 이용하였으며 한국농어촌공사 농촌용수종합 정보시스템(RAMIS)의 댐 일별 저수율 현황과 기존저수지 일별 저수지 모의운영결과를 비교 검증하였다. 모형수행결과 실측저수율과 모형수행결과의 상관계수는 0.93 인 것으로 분석되었다. 연구결과, 장기유출모의 결과와 연계하여 농업용수, 하천유지용수, 홍수조절을 고려한 저수지 운영을 통하여 비교적 정확하게 농업용저수지 저수율을 예측할 수 있을 것으로 판단된다. 본 연구성과를 바탕으로 농업용저수지의 장기적인 용수수급현황을 예측하여 효율적인 용수공급계획을 수립할 수 있을 것으로 기대된다.

• Journal of Korea Water Resources Association
• /
• v.52 no.6
• /
• pp.381-395
• /
• 2019

The purpose of this study is to predict agricultural reservoir storage rate (RSR) in a month. This algorithm was developed by multiple linear regression model (MLRM) which included the past 3 months RSRs data and the future climate change scenarios. In order to improve use of predicted RSR, this study need the severe criteria in terms of drought. So, the predicted RSR was indexed as the 3 months reservoir drought index (RDI3) and then it was disaggregated into drought duration, severity, and intensity. For the future RSR estimation by climate change scenarios, the 6 RCP 8.5 scenarios of HadGEM2-ES, CESM1-BGC, MPI-ESM-MR, INM-CM4, FGOALS-s2, and HadGEM3-RA were used in three future evaluation periods (S1: 2011~2040, S2: 2041~2070, S3: 2071~2099). The future S3 period of HadGEM2-ES scenario which has the biggest increase in precipitation and temperature showed the largest decrease to 60.2% among the 6 scenarios compared to the historical RSR (1976~2005) 77.3%. In contrast, INM-CM4 scenario which has smallest changes in precipitation and temperature in S3 period showed the smallest decrease to 72.8%. For the CESM1-BGC and MPI-ESM-MR, FGOALS-s2, and HadGEM3-RA, the S3 period RSR showed 72.6%, 72.6%, 67.4%, and 64.5% decrease respectively. The future severe drought condition of RDI3 below -0.25 showed the increase trend for the number and severity up to -2.0 during S3 period.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.341-341
• /
• 2021

농업적 가뭄을 모니터링하기 위해 토양수분량, 증발산량, 지하수위 등을 이용하며, 농업용 저수지의 저수율을 기반으로 농업용수 공급능력을 평가해 왔다. 특히, 농업용 저수지에 대한 농업적 가뭄을 평가하기 위해 저수율 관측 자료를 저수율을 이용하거나, 관측 자료가 없는 경우 물수지 모형을 이용한 연구는 다수 진행되어 왔다. 다만, 농업적 가뭄을 전망하는데 있어 물수지 모형의 활용은 입력 자료의 구축 및 기상예보자료의 활용 기술 부족으로 많은 평가가 진행되지 못하였다. 본 연구에서는 기상예보자료와 회귀모델을 연계한 농업적 가뭄전망정보를 산정하고, 활용성을 평가하였다. 기상예보자료는 기상청 현업예보 모델인 GloSea5로부터 생산된 자료를 이용하였으며, 농업적 가뭄을 평가하기 위해 농업용 저수율 자료 기반인 RDI (Reservoir Drought Index)를 활용하였다. 농업적 가뭄전망정보는 현재의 수문조건이 지속된다는 가정 하에 예보선행시간 3개월까지 산정하였다. 가뭄전망정보를 평가하기 위해 과거 가뭄사상을 대상으로 산정하였으며, 전망정보의 예측성은 통계분석을 이용하여 정량적으로 평가하였다. 금회 제시한 연구방법은 현재의 수문조건이 지속될 시 기상예보에 따른 농업적 가뭄을 예측할 수 있다는 점에서 활용성이 높을 것으로 판단된다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.21 no.3
• /
• pp.19-34
• /
• 2018

The purpose of this study is to estimate monthly agricultural reservoir storage with multiple linear regression model(MLRM) based on reservoir storage and meteorological data. The regression model was developed using 15 years(2002 to 2016) of 3,067 reservoirs by KRC(Korea Rural Community) and 63 meteorological stations by KMA (Korean Meteorological Administration), and the MLRM showed the determination coefficient($R^2$) of 0.51~0.95. The MLRM was applied to 9 selected reservoirs among the whole reservoirs and validated with $R^2$ of 0.44~0.81. The ROC(Receiver Operating Characteristics) analysis of Reservoir Drought Index(RDI) classified by comparing the present reservoir storage with normal year(1976~2005 average) reservoir storage showed average value of 0.64 for 2 years(2015~2016) with the highest value of 0.70 for winter period, lowest value of 0.58 for summer period. If 1 to 3 months weather forecasting data such as Glosea5 produced by KMA are applied, the predicted monthly reservoir storage from the MLRM can be a useful information for agricultural drought pre-preparation.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.3
• /
• pp.67-74
• /
• 2024

In this paper, we present a study aimed at analyzing how different rainfall measurement methods affect the performance of reservoir water level predictions. This work is particularly timely given the increasing emphasis on climate change and the sustainable management of water resources. To this end, we have employed rainfall data from ASOS, AWS, and Thiessen Network-based measures provided by the KMA Weather Data Service to train our neural network models for reservoir yield predictions. Our analysis, which encompasses 34 reservoirs in Jeollabuk-do Province, examines how each method contributes to enhancing prediction accuracy. The results reveal that models using rainfall data based on the Thiessen Network's area rainfall ratio yield the highest accuracy. This can be attributed to the method's accounting for precise distances between observation stations, offering a more accurate reflection of the actual rainfall across different regions. These findings underscore the importance of precise regional rainfall data in predicting reservoir yields. Additionally, the paper underscores the significance of meticulous rainfall measurement and data analysis, and discusses the prediction model's potential applications in agriculture, urban planning, and flood management.

• Journal of Korea Water Resources Association
• /
• v.51 no.10
• /
• pp.839-852
• /
• 2018

The purpose of this study is to predict monthly agricultural reservoir storage by developing weather data-based Multiple Linear Regression Model (MLRM) with precipitation, maximum temperature, minimum temperature, average temperature, and average wind speed. Using Naïve-Bayes classification, total 1,559 nationwide reservoirs were classified into 30 clusters based on geomorphological specification (effective storage volume, irrigation area, watershed area, latitude, longitude and frequency of drought). For each cluster, the monthly MLRM was derived using 13 years (2002~2014) meteorological data by KMA (Korea Meteorological Administration) and reservoir storage rate data by KRC (Korea Rural Community). The MLRM for reservoir storage rate showed the determination coefficient ($R^2$) of 0.76, Nash-Sutcliffe efficiency (NSE) of 0.73, and root mean square error (RMSE) of 8.33% respectively. The MLRM was evaluated for 2 years (2015~2016) using 3 months weather forecast data of GloSea5 (GS5) by KMA. The Reservoir Drought Index (RDI) that was represented by present and normal year reservoir storage rate showed that the ROC (Receiver Operating Characteristics) average hit rate was 0.80 using observed data and 0.73 using GS5 data in the MLRM. Using the results of this study, future reservoir storage rates can be predicted and used as decision-making data on stable future agricultural water supply.