• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.443-443
• /
• 2022

적설은 자주는 아니지만 가끔 비교적 넓은 범위에 피해를 발생시킨다. 적설에 의한 피해를 예방하기 위해서는 피해를 유발하는 적설심을 미리 파악해 둘 필요가 있다. 하지만 관측하고 있는 적설심은 특정 관측지점으로 한정되어 피해를 유발하는 한계적설심을 파악하는데 어려움이 있다. 이를 극복하기 위한 일반적인 방법은 관측지점의 적설을 보간하여 공간적으로 확대하는 것이다. 하지만 이것은 매우 적은 자료를 가지고 넓은 영역을 통계적으로 추정해야하는 한계로 인해 피해 유발 한계적설심의 구명에 더 혼란을 주기도 한다. 이를 보완하기 위해서는 넓은 영역을 관측하는 위성영상을 활용할 수 있으며, 그 중에서도 합성개구레이더(Synthetic Aperture Radar; SAR)를 이용한 InSAR(Interferometric Synthetic Aperture Radar) 기법은 이를 위해 적절한 방법일 수 있다. 영상의 간섭계는 두 개의 다른 시기에 측정된 합성개구레이더 영상의 위상차를 이용한 것으로 일반적으로 다른 조건들이 일치할 때 지형의 변화를 추적할 때 사용되곤 한다. 그런데 만약 두 시기 사이에 특별한 지형적인 변화를 일으키는 요인이 없고 단지 적설만이 존재한다면 두 영상의 위상차는 적설의 효과로 볼 수 있을 것이다. 적설이 전파의 전달경로를 다르게 만들어 위상차를 발생시키는 것으로 가정할 수 있다. 이때 발생하는 위상차는 적설심과 적설의 굴절률에 의해 다를 수 있다. 이에 본 연구에서는 적설 전후에 수집된 인공위성 합성개구레이더 자료의 위상차를 분석한 간섭영상을 이용해 적설심의 공간분포를 추정하여 비교해 보고자 한다. 이를 위해 적설에 대한 투과가 가능한 C밴드 레이더를 사용하는 Sentinel-1의 영상을 사용하였다. 적설심의 공간분포는 실제 피해발생지역의 적설심을 보다 정확하게 추정하는데 기여할 수 있으며, 이것은 실제 피해유발적설심을 파악하는데 도움이 될 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.194-198
• /
• 2007

융설 모형의 중요 매개변수인 적설분포면적은 실제 우리나라에서 적설과 관련한 관측 자료의 부족으로 인해 매개변수 추정이 어렵다. 이러한 문제점 해결을 위해 원격탐사기법을 활용하여 적설분포면적을 추출하였다. 본 연구에서는 1997년부터 2006년까지의 겨울철 NOAA (National Oceanic and Atmospheric Administration)의 AVHRR(Advanced Very High Resolution Radiometer) 위성영상의 8 sets의 총 108개 영상을 이용하여 적설분포면적을 추출하였고, 기상청의 지상기상관측소의 최심적설심 자료를 이용하여 GIS 자료를 구축함으로써 적설심의 공간적 분포를 추출하였다. 이를 국내 5대유역인 한강, 낙동강, 금강, 영산강, 섬진강 유역에 대하여 융설모형의 주요 매개변수인 적설분포면적, 유역 평균, 최대 적설심과 적설분포감소비곡선을 구축하였다. 그 중 적설분포면적감소곡선 (SDC : Snow cover Depletion Curve)는 적설분포면적의 감소형태를 나타내주는 지표로써 융설의 가장 민감한 매개변수이다. 이를 국내 5대강 유역에 대해 구축하여 정량화하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1980-1984
• /
• 2006

융설 모형을 이용하여 융설 기간 동안의 하천유출량을 모의하기 위해서는 융설 관련 매개변수의 정립이 반드시 필요하다. 우리나라의 경우 관측 자료의 부족으로 인하여 적설분포, 적설심, 적설면적감소곡선과 같은 융설 관련 매개변수의 추출이 불가능 하였다. 본 연구에서는 1997년부터 2003년까지의 겨울철(11월-4월) NOAA/AVHRR 위성영상을 이용하여 한반도의 적설분포도를 추출하고 기상청의 69개소 유인지상기상관측소의 기상자료 중 최심적설심 자료로서 공간내삽법을 통하여 동일한 기간의 최심적설심 분포도를 작성한 후 적설분포도와 중첩하여 남한의 적설심 분포도를 추출하였다. 또한, 적설면적감소곡선은 소양강댐과 충주댐 유역으로 대상으로 평균기온과 적설면적과의 상관관계로부터 각 연도별 선형회귀식을 추출하여 적설면적감소곡선을 작성하였다.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.31-35
• /
• 2006

융설 모형을 이용하여 융설 기간 동안의 하천유출량을 모의하기 위해서는 융설 관련 매개변수의 정립이 반드시 필요하다. 우리나라의 경우 관측 자료의 부족으로 인하여 적설분포, 적설심, 적설면적감소곡선과 같은 융설 관련 매개변수의 추출이 불가능 하였다. 본 연구에서는 1997년부터 2003년까지의 겨울철(11월-4월) NOAA/AVHRR 위성영상을 이용하여 한반도의 적설분포도를 추출하고 기상청의 69개소 유인지상기상관측소의 기상자료 중 최심적설심 자료로서 공간내삽법을 통하여 동일한 기간의 최심적설심 분포도를 작성한 후 적설분포도와 중첩하여 남한의 적설심 분포도를 추출하였다. 또한, 적설면적감소곡선은 소양강댐과 충주댐 유역으로 대상으로 평균기온과 적설면적과의 상관관계로부터 각 연도별 선형회귀식을 추출하여 적설면적감소곡선을 작성하였다.

• Journal of Korea Water Resources Association
• /
• v.55 no.12
• /
• pp.1125-1135
• /
• 2022

Damages by heavy snow does not occur very often, but when it does, it causes damage to a wide area. To mitigate snow damage, it is necessary to know, in advance, the depth of snow that causes damage in each region. However, snow depths are measured at observatory locations, and it is difficult to understand the spatial distribution of snow depth that causes damage in a region. To understand the spatial distribution of snow depth, the point measurements are interpolated. However, estimating spatial distribution of snow depth is not easy when the number of measured snow depth is small and topographical characteristics such as altitude are not similar. To overcome this limit, satellite images such as Synthetic Aperture Radar (SAR) can be analyzed using Differential Interferometric SAR (DInSAR) method. DInSAR uses two different SAR images measured at two different times, and is generally used to track minor changes in topography. In this study, the spatial distribution of snow depth was estimated by DInSAR analysis using dual polarimetric IW mode C-band SAR data of Sentinel-1B satellite operated by the European Space Agency (ESA). In addition, snow depth was estimated using geostationary satellite Chollian-2 (GK-2A) to compare with the snow depth from DInSAR method. As a result, the accuracy of snow cover estimation in terms with grids was about 0.92% for DInSAR and about 0.71% for GK-2A, indicating high applicability of DInSAR method. Although there were cases of overestimation of the snow depth, sufficient information was provided for estimating the spatial distribution of the snow depth. And this will be helpful in understanding regional damage-causing snow depth.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.76-81
• /
• 2007

융설 모형의 중요 매개변수인 적설분포면적은 실제 우리나라에서 적설과 관련한 관측 자료의 부족으로 인해 매개변수 추정이 어렵다. 이러한 문제점 해결을 위해 원격탐사기법을 활용하여 적설분포면적을 추출하였다. 본 연구에서는 1997년 부터 2006년 까지의 겨울철 NOAA (National Oceanic and Atmospheric Administration)의 AVHRR(Advanced Very High Resolution Radiometer) 위성영상의 8 sets의 총 108개 영상을 이용하여 적설분포면적을 추출하였고，기상청의 지상기상관측소의 최섬적설심 자료를 이용하여 GIS 자료를 구축함으로써 적설심의 공간적 분포를 추출하였다. 이를 국내 5대유역인 한강，낙동강，금강，영산강，섬진강 유역에 대하여 융설모형의 주요 매개변수인 적설분포면적，유역 평균， 최대 적설심과 적설분포감소비곡선을 구축하였다. 그 중 적설분포면적감소곡선 (SDC : Snow cover Depletion Curve)는 적설분포면적의 감소형태를 나타내 주는 지표로써 융설의 가장 민감한 매개변수이다. 이를 국내 5대 강 유역에 대해 구축하여 정량화 하였다.

• Journal of Korea Water Resources Association
• /
• v.39 no.10 s.171
• /
• pp.845-854
• /
• 2006

Establishment of snowmelt factors is necessary to simulate stream flow using snowmelt models during snowmelt periods. The few observed data related snowmelt was the major cause of difficulty in extracting snowmelt factors such as snow cover area, snow depth and depletion curve. The objective of this study was to extract snowmelt factors using RS, GIS technique and meteorological data. Snow cover maps were derived from NOAA/AVHRR images for the winter seasons from 1997 to 2003. Distributed snow depth was mapped by overlapping between snow cover maps and interpolated snowfall maps from 69 meteorological observation station. Depletion curves of snowmelt area were described from the linear regression equations of each year between the average temperature and snow cover area in Soyanggang-dam and chungju-dam watershed.

• Korean Journal of Remote Sensing
• /
• v.23 no.2
• /
• pp.119-124
• /
• 2007

The few observed data related snowmelt was the major cause of difficulty in extracting snowmelt factors such as snow cover area, snow depth and depletion curve. Remote sensing technology is very effective to observe a wide area. Although many researchers have used remote sensing for snow observation, there were a few discussions on the characteristics of spatial and temporal variation. Snow cover maps were derived from NOAA AVHRR images for the winter seasons from 1997 to 2006. Distributed snow depth was mapped by overlapping between snow cover maps and interpolated snowfall maps from 69 meteorological observation stations. Model parameters (Snow Cover Area: SCA, snow depth, Snow cover Depletion Curve: SDC) building for 5 major watersheds in South Korea. Especially SDC is important parameter of snowmelt model.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.2B
• /
• pp.177-185
• /
• 2008

Accurate monitoring of snow cover is a key component for studying climate and global as well as for daily weather forecasting and snowmelt runoff modelling. The few observed data related to snowmelt was the major cause of difficulty in extracting snowmelt factors such as snow cover area, snow depth and depletion curve. Remote sensing technology is very effective to observe a wide area. Although many researchers have used remote sensing for snow observation, there were a few discussions on the characteristics of spatial and temporal variation. Snow cover maps were derived from NOAA AVHRR images for the winter seasons from 1997 to 2006. Distributed snow depth was mapped by overlapping between snow cover maps and interpolated snowfall maps from 69 meteorological observation stations. Model parameters (Snow Cover Area: SCA, snow depth, Snow cover Depletion Curve: SDC) were built for 7 major watersheds in South Korea. The decrease pattern of SCA for time (day) was expressed as exponentially decay function, and the determination coefficient was ranged from 0.46 to 0.88. The SCA decreased 70% to 100% from the maximum SCA when 10 days passed.

• Journal of Korea Water Resources Association
• /
• v.56 no.9
• /
• pp.543-551
• /
• 2023

Snow is an essential climate factor that affects the climate system and surface energy balance, and it also has a crucial role in water balance by providing solid water stored during the winter for spring runoff and groundwater recharge. In this study, statistical analysis of Local Data Assimilation and Prediction System (LDAPS), Modern.-Era Retrospective Analysis for Research and Applications, version 2 (MERRA-2), and ERA5-Land snow depth data were used to evaluate the applicability in South Korea. The statistical analysis between the Automated Synoptic Observing System (ASOS) ground observation data provided by the Korea Meteorological Administration (KMA) and the reanalysis data showed that LDAPS and ERA5-Land were highly correlated with a correlation coefficient of more than 0.69, but LDAPS showed a large error with an RMSE of 0.79 m. In the case of MERRA-2, the correlation coefficient was lower at 0.17 because the constant value was estimated continuously for some periods, which did not adequately simulate the increase and decrease trend between data. The statistical analysis of LDAPS and ASOS showed high and low performance in the nearby Gangwon Province, where the average snowfall is relatively high, and in the southern region, where the average snowfall is low, respectively. Finally, the error variance between the four independent snow depth data used in this study was calculated through triple collocation (TC), and a merged snow depth data was produced through weighting factors. The reanalyzed data showed the highest error variance in the order of LDAPS, MERRA-2, and ERA5-Land, and LDAPS was given a lower weighting factor due to its higher error variance. In addition, the spatial distribution of ERA5-Land snow depth data showed less variability, so the TC-merged snow depth data showed a similar spatial distribution to MERRA-2, which has a low spatial resolution. Considering the correlation, error, and uncertainty of the data, the ERA5-Land data is suitable for snow-related analysis in South Korea. In addition, it is expected that LDAPS data, which is highly correlated with other data but tends to be overestimated, can be actively utilized for high-resolution representation of regional and climatic diversity if appropriate corrections are performed.