• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.204-204
• /
• 2018

수문 기상레이더는 강우량을 바로 추정하지 못하고 여러 단계의 정량적 강우량 추정과정을 거치게 되므로 많은 불확실성 발생요소가 존재한다. 불확실성 관련한 기존 연구들은 정량적 레이더 기반 강우량 추정과정에서 보정방법을 이용하여 각 단계별 불확실성을 줄이는 연구들을 수행하였다. 하지만 기존 연구들은 전체 과정에 대한 포괄적인 불확실성을 나타내지 못하고 각 단계별 불확실성의 상대적인 비율도 제시하지 못하는 단점이 있다. 본 연구에서는 정량적 레이더강우량 추정과정의 각 단계별 불확실성을 정량화하고 불확실성 전파를 나타낼 수 있는 적합한 방법을 제시하였다. 첫 번째로 초기와 최종 불확실성, 각 단계별 불확실성의 변동과 상대적인 비율을 나타낼 수 있는 새로운 개념을 제안하였다. 두 번째로 레이더기반 추정과정의 불확실성 정량화와 전파과정을 분석하기 위해 Maximum Entropy Method (MEM), Uncertainty Delta Method (UMD), Modified-Narrow Uncertainty Method (M-NUM)를 적용하였다. 세 번째로 레이더기반 강우량 추정과정의 불확실성 정량화를 위해 2개 품질관리 알고리즘, 2개 강우량 추정방법, 2개 후처리 강우량 보정방법을 2012년 여름철 18개 사례에 대하여 사용하였다. 적용결과, 최종 불확실성(후처리 강우량 보정 불확실성)이 초기 불확실성(품질관리 불확실성)보다 작게 나타나 불확실성이 감소하는 것으로 나타났다. 하지만 레이더강우량 추정단계의 불확실성은 증가하는 것으로 나타났다. 또한 레이더강우량 추정과정에서 각 단계별로 적합한 방법을 선정하는 것이 각 단계별로 불확실성이 감소시킬 수 있음을 확인하였다. 따라서 본 연구는 새로운 방법이 명확히 불확실성을 정량화할 수 있으며 정확한 정량적 레이더 강우추정에 기여할 것으로 판단한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.318-318
• /
• 2019

수문 기상레이더는 강우량을 바로 추정하지 못하고 여러 단계의 정량적 강우량 추정과정을 거치게 되므로 많은 불확실성 발생요소가 존재한다. 특히, 강수량 추정에서 어떤 식 혹은 어떤 관측변수를 사용하느냐에 따라 그 정확성은 매우 달라진다. 그 정확성을 높이기 위해 단일편파레이더에서 이중편파레이더로 변경하고 있으며, 널리 알려진 바와 같이 이중편파레이더에서 관측되는 다양한 이중편파변수를 활용하면 레이더기반 강수추정의 정확성을 향상시킬 수 있다. 본 연구에서는 우선 다양한 이중편파변수(반사도, 차등반사도, 비차등위상차 등)를 이용한 여러 레이더기반 강우량 추정식을 적용하고 그 정확성을 분석하고 비교하고자 한다. 또한 여러 강우사례를 적용하여 강우량 추정식에 따라 발생할 수 있는 불확실성을 정량화하고 분석하고 비교하고자 한다. 적용사례는 2012년부터 2014년 강우사례이며, 강우추정에 사용하는 강우량 추정식은 기존에 많이 활용되는 Marshall-Palmer 관계식, CSU 관계식, Bringi와 Chandrasekar의 $R(Z,Z_{DR})$ 관계식, Rhyzhkov의 $R(Z,K_{DP},Z_{DR})$ 관계식, CSU 방법, Beard and Chuang의 $R(K_{DP})$ 등을 활용할 예정이다. 또한 레이더기반 강우량 추정에 따른 불확실성 정량화를 위해 기존 연구에서 많이 활용되는 maximum entropy를 활용할 예정이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.23-23
• /
• 2017

기상레이더는 강우량을 바로 추정하지 못하는 특성으로 인해 정량적 강우산출 과정 중에 다양한 원인으로 인해 불확실성 발생 요소가 존재하나 이를 정량화하고 저감하는데 많은 어려움이 있다. 원인을 살펴보면, 첫째, 기상레이더의 관측에서부터 정량적 강우량 추정까지 일련의 과정에 대한 포괄적으로 불확실성 정량화와 분석이 이루어지지 못하며, 둘째, 전체 불확실성이 어느 정도 되는지 제시하지 못하므로 각 단계별 불확실성이 전체 불확실성 대비 어느 정도 비율이 되는지 제시하지 못한다. 마지막으로 기존 연구들은 불확실성을 줄이고자 여러 방법을 사용하고 있으나 어느 정도 효용성이 있는지 불확실성 측면에서 제시하지 못하고 있다. 따라서 본 연구에서는 Maximum Entropy(ME)와 Uncertainty Delta Method(UMD)를 이용한 접근방법을 제안하여 기상레이더를 활용하여 정량적 강우량을 추정하는 일련의 과정에서 단계별로 불확실성이 어떻게 전파되는지 추정하였다. 본 연구에서는 한반도 전역을 대상으로 2012년 여름철(6~8월)에 발생한 18개 강우사례를 이용하여 품질관리(Open Radar Product Generator 품질관리 알고리즘, fuzzy 알고리즘), 강우추정(Window Probability Matching Method, Marshall-Palmer 관계식), 후처리보정(Local Gauge Correction 기법, Gauge to Radar ratio 기법)단계만을 수행하였으며, 이 결과를 바탕으로 기상레이더 정량적 강우추정 단계별 불확실성을 정량화하였다. 정량화결과, 최종적으로 관측단계의 불확실성보다 최종 불확실성이 줄어들었으나, 강우추정 단계에서 불확실성이 증가하는 것으로 나타났다. 이는 어떤 강우추정식을 적용하느냐에 따라 레이더 강우추정결과가 매우 달라질 수 있음을 의미한다. 따라서 본 연구에서 제시한 불확실성 정량화 방법을 통하여 첫째, 전체 및 단계별 불확실성을 정량화할 수 있고, 둘째, 최종 불확실성 대비 각 단계별 불확실성을 비율을 제시할 수 있으며, 마지막으로 수행단계별로 불확실성 전파과정을 파악할 수 있다. 이는 향후 정량적 레이더 강우추정 과정에 있어서 불확실성을 발생시키는 주요 원인파악과 이에 대한 집중적인 투자를 가능하게 한다. 이러한 과정을 통하여 보다 정확한 정량적 레이더 강우추정이 가능할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.220-220
• /
• 2016

최근 국지적 기상변화에 따른 도시 산악지역의 돌발홍수 발생빈도가 증가함에 따라 위험기상 관측 및 홍수의 사전감지 대응에 대한 관심과 필요성이 증대되고 있다. 이에 발맞춰 국토교통부 및 기상청 등에서는 이중편파레이더를 설치 운영 중에 있으며, 이를 이용한 정량적 레이더강수량 추정 및 예측에 대한 연구가 활발히 진행 중이다. 레이더를 이용한 정량적 강우추정을 위해서는 레이더관측, 신호처리, 품질관리(QC), 강우추정 알고리즘 적용, 보정 등 일련의 과정을 거치게 되며, 이러한 과정 속에서 다양한 불확실성 요소가 존재하기 때문에 레이더자료의 정확도에 대한 평가가 요구되고 있다. 그러나 레이더강우량의 불확실성이 어느 정도 수준인지 정량적으로 제시하기는 어려우며, 그 기준 또한 모호하다. 따라서, 본 연구에서는 총 25개 강우사상(2012 ~ 2014년)을 대상으로 비슬산강우레이더 관측자료와 관측영역 내 지상강우자료를 이용하여, 누적강우량, 평균차, 상대분산, 변동계수 등을 통해 레이더강우의 정량적인 불확실성을 요약 제시하고자 하였다. 본 연구는 레이더강우의 정량적인 불확실성을 파악할 수 있는 기초적인 과정이며, 도출된 연구결과는 현재 레이더강우 추정의 수준을 파악하고 추후 레이더강우의 개선 수준을 비교 검토 할 수 있는 자료로 활용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제51권5호
• /
• pp.439-449
• /
• 2018

수문 기상레이더는 강우량을 바로 추정하지 못하고 여러 단계의 정량적 강우량 추정과정을 거치게 되므로 많은 불확실성 발생요소가 존재한다. 불확실성 관련한 기존 연구들은 정량적 레이더기반 강우량 추정과정에서 보정방법을 이용하여 각 단계별 불확실성을 줄이는 연구들을 수행하였다. 하지만 기존 연구들은 전체 과정에 대한 포괄적인 불확실성을 나타내지 못하고 각 단계별 불확실성의 상대적인 비율도 제시하지 못하는 단점이 있다. 본 연구에서는 정량적 레이더강우량 추정과정의 각 단계별 불확실성을 정량화하고 불확실성 전파를 나타낼 수 있는 적합한 방법을 제시하였다. 첫 번째로 초기와 최종 불확실성, 각 단계별 불확실성의 변동과 상대적인 비율을 나타낼 수 있는 새로운 개념을 제안하였다. 두 번째로 레이더기반 추정과정의 불확실성 정량화와 전파과정을 분석하기 위해 Maximum Entropy Method (MEM)와 Uncertainty Delta Method (UMD)를 적용하였다. 세 번째로 레이더기반 강우량 추정과정의 불확실성 정량화를 위해 2개 품질관리 알고리즘, 2개 강우량 추정방법, 2개 후처리 강우량 보정방법을 2012년 여름철 18개 사례에 대하여 사용하였다. 적용결과, MEM에서 최종 불확실성(후처리 강우량 보정 불확실성: ME = 3.81)이 초기 불확실성(품질관리 불확실성: ME = 4.28)보다 작게 나타났으며, UMD에서도 최종 불확실성(UMD = 4.75)이 초기 불확실성(UMD = 5.33)보다 작게 나타나 불확실성이 감소하는 것으로 나타났다. 하지만 레이더강우량 추정단계의 불확실성은 증가하는 것으로 나타났다. 또한 레이더강우량 추정과정에서 각 단계별로 적합한 방법을 선정하는 것이 각 단계별로 불확실성이 감소시킬 수 있음을 확인하였다. 따라서 본 연구는 새로운 방법이 명확히 불확실성을 정량화할 수 있으며 정확한 정량적 레이더 강우추정에 기여할 것으로 판단한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.229-229
• /
• 2016

현재 국내외에서 제공되고 있는 기후변화 시나리오 자료의 경우 일단위로 제공되고 있다. 그러나 수자원 설계 및 계획 시 중요한 입력자료 중 하나는 시간단위 강우 자료이다. 이러한 시간단위 자료는 강우-유추 분석, 댐 설계 및 위험도 분석에 있어 중요한 입력 변수중 하나이므로 기후변화 시나리오에 따른 영향을 평가하기 위해선 신뢰성 있는 상세화 기법이 필요하다. 국내외에서는 일단위에서 일단위로 상세화 하는 기법, 또는 공간상세화 기법 연구는 상당히 진행된바 있는 반면, 시간단위 상세화 기법 연구는 일단위 연구에 비해 상대적으로 미진한 실정이다. 즉 일단위 상세화 기법의 경우 Weather generator, Weather typing 등 다양한 기법이 존재하고 이를 활용한 연구사례가 많지만, 시간단위 상세화 기법의 Poisson 기법을 활용한 사례가 다수 존재하였다. 이러한 이유로 본 연구에서는 기후변화 시나리오에 따른 영향을 평가하기 위해 Bayesian 기법을 도입하여 신뢰성 있는 시간단위 강우량을 생성할 수 있는 모형을 개발하였으며, 연대별로 산정된 결과는 빈도해석을 통해 미래 확률강우량을 제시하였다. 본 연구에서 제안하고자 하는 Bayesian Copula 모형은 기존 주변확률분포(marginal distribution) 매개변수와 Copula 매개변수 추정시 각각 다른 기법을 활용하여 추정하며, 각각 모형에서 발생하는 불확실성은 추정하지 못하는 반면, Bayesian Copula 모형의 경우 매개변수의 사후분포를 정량적으로 제시할 수 있으며, 추정되는 확률강우량 역시 불확실성을 정량적으로 산정할 수 있는 장점을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.413-413
• /
• 2011

강우의 공간분포에 대한 신뢰성 있는 추정은 수자원 해석 및 설계에 있어서 필수적인 요소이다. 강우장의 공간변동성에 대한 고해상도 추정은 홍수, 특히 돌발홍수의 원인이 되는 국지성 호우의 확인 및 분석에 있어서 중요하다. 또한 강우의 공간 변동성에 대한 고려는 면적평균강우량 추정의 정확도를 향상시키는데 있어서 중요하며, 강우-유출모델의 모의결과에 대한 신뢰도를 향상시키는데 큰 영향을 미친다. 최근 공간자료에 대한 공간분포예측에 있어서 공간상관성을 고려할 수 있는 공간통계학적 기법의 적용이 증가하고 있으며, 이러한 공간통계학적 기법의 적용에 있어서 신뢰성 있는 모델 매개변수의 추정 및 불확실성 평가는 공간분포 예측결과에 대한 신뢰성을 향상시키는데 중요한 역할을 한다. 외국의 경우 공간분포예측 및 모의, 매개변수의 불확실성 평가 등과 관련하여 활발한 연구가 이루어지고 있는 반면 국내 수자원 분야에서는 아직까지 활발한 연구가 이루어지고 있지 않은 실정이다. 따라서 본 연구에서는 계층구조로 구성된 가우시안 공간선형혼합모델을 적용하여 확률강우량의 공간분포를 추정함에 있어서 모델 매개변수에 대한 추정기법을 비교하였으며, 매개변수 추정기법으로서 경험베리오그램에 대한 곡선적합기법인 보통최소제곱법 및 가중최소제곱법, 우도함수를 기반으로 하는 최우도법 및 REML과 같은 기존의 매개변수 추정기법들과 최근 공간통계학 분야에서 적용이 증가하고 있는 Bayesian 기법을 비교하였다. 이로부터 매개변수 추정기법 간의 매개변수 추정치에 대한 정량적 비교결과를 제시하였으며, Bayesian 기법의 적용을 통해 매개변수에 대한 불확실성 추정결과를 제시하였다. 이러한 결과들은 확률강우량의 공간분포 추정에 있어서 공간예측모델의 매개변수 추정 및 예측에 대한 신뢰성을 향상시킬 수 있는 기초자료로 활용될 수 있을 것이다.

• 한국습지학회지
• /
• 제16권1호
• /
• pp.103-112
• /
• 2014

면적평균강우량의 산정은 가용 수자원의 정확한 양을 파악하고 강우-유출해석에 필수적인 입력자료이기 때문에 매우 중요하다. 이와 같은 면적평균강우량의 정확한 산정을 위한 필수적인 조건은 강우관측망의 균일한 공간적 분포이다. 본 연구에서는 보다 향상된 유역 면적평균강우량 산정을 위한 강우관측망의 공간분포 평가방법론을 제시하고, 이를 한강 및 금강 유역에 적용하였다. 강우관측소의 공간적 분포 특성은 최근린 지수(nearest neighbor index)를 이용하여 정량화하였다. 유역별 강우관측소의 공간적 분포가 면적평균강우량 산정에 미치는 영향을 평가하기 위하여 2013년의 강우사상에 대해 산술평균법, 티센가중법, 추정이론을 이용하여 면적평균강우량을 산정하고 각 경우에 대해 추정오차를 평가하였다. 그 결과 공간분포가 우수한 유역은 면적평균강우량의 추정오차가 상대적으로 작으며, 반대로 공간분포가 왜곡된 유역의 경우는 상대적으로 추정오차가 큼을 확인하였다.

• 한국수자원학회논문집
• /
• 제51권9호
• /
• pp.813-826
• /
• 2018

최근 기후변동성으로 유발되는 불안정한 기상상태를 효과적으로 관측하고자 레이더가 도입되고 있다. 레이더는 경험식으로 산정된 Z-R 관계식을 통하여 레이더 강우량을 제시하게 된다. 이 과정에서 레이더 강우량은 필연적으로 지상에 도달하는 실제 강우량과는 정량적 오차가 발생하게 된다. 본 연구는 확률통계학적 방법론을 이용하여 Z-R 관계식 매개변수 산정과정에서 우리나라의 강우특성을 고려함과 동시에 Z-R 관계식 매개변수의 불확실성을 정량적으로 제시하고자 한다. 강우의 계절성을 고려하여 Z-R 관계식 매개변수를 추정하는 과정에서 Bayesian 추론기법을 도입하여 생산된 레이더 강우량은 기존의 Z-R 관계식에 비하여 개선된 통계적 효율기준을 제시하였다. 따라서 Bayesian 추론기법을 활용한 Z-R 관계식 매개변수 산정은 정량적으로 신뢰성 있는 고해상도 강우정보의 생산은 고도화된 수문해석 및 기상예보 지원을 가능케 할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.