• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.221-221
• /
• 2022

방재성능목표란 홍수, 호우 등으로부터 재해를 예방하기 위한 방재정책 등에 적용하기 위하여 처리 가능한 시간당 강우량 및 연속강우량의 목표로, 각 지자체별로 지역특성 및 경제여건 등을 고려하여 지역별 방재성능목표를 설정한다. 지역별 방재성능목표 기준을 설정하기 위해 전국을 168개 티센망으로 분류하고 69개 지점 확률강우량을 활용하여 지방자치단체별 확률강우량을 산정하고, 지방자치단체별 티센면적 비율을 감안하여 각 지자체별 방재성능목표 설정 기준을 마련한다. 이때 확률강우량 산정에 기상청에서 제공하는 종관기상관측(ASOS) 자료를 이용하는데, 종관기상관측(ASOS, Automated Synoptic Observing System)이란 종관규모의 날씨를 파악하기 위하여 정해진 시각에 모든 관측소에서 같은 시각에 실시하는 지상관측으로, 종관규모는 일기도에 표현되어 있는 고기압이나 저기압의 공간적 크기 및 수명을 말하며, 해당 지역의 현재 기상 실시간 제공 및 기상예보에 활용한다. 그러나 ASOS 자료로 산정한 확률강우량을 토대로 설정한 지역별 방재성능목표는 지배관측소개소 및 면적 비율에 따라 강우량이 실제 해당 지역에 내린 강우량에 비해 작거나 크게 산정되어 실제 강우량을 반영하지 못하는 문제가 발생한다. 이에 지진·태풍·홍수·가뭄 등 기상현상에 따른 자연재해를 막기 위해 실시하는 지상관측인 방재성능관측(AWS, Automatic Weather System)을 1997년부터 약 510여개 지점에 설치하여 기상관측자료를 구축하고 있으나, 관측자료가 30년 미만이므로 자료의 일관성 및 신뢰도 확보 등의 문제로 이용하고 있지 않다. 실제로 ASOS 관측소와 AWS 관측소의 시간 강우량 최댓값 차이가 큼에도 불구하고 행안부는 지역별 방재성능목표 수립을 위한 강우량 산정에서 AWS 관측소의 기록은 반영하지 않고 ASOS 관측소 기록만 적용하여 실제 해당 지역의 강우량을 반영하는 방재 대책을 수립하지 못하는 실정이다. 따라서 소규모 유역 및 재해영향평가 등의 경우 인근 지역에 AWS 관측소가 있을 경우, 해당지역의 기상 특성을 대변하는 자료로 보유관측년수가 30년 이상인 AWS 자료의 적극적인 활용이 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.463-473
• /
• 2021

본 연구에서는 최근 USGS에서 공개한 Landsat 8 Collection 2 Level 2 Science Product (L2SP) 위성 영상을 이용하여 국내 지표면 온도를 산출하였고, 기존 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP) 위성 영상을 활용하여 산출한 국내 지표면 온도와의 비교와 기상청 종관기상관측자료(Automated Synoptic Observing System, ASOS)와의 검증을 통해 L2SP 기반 지표면 온도 자료의 국내 영역에 대한 적합성을 평가하고자 하였다. L2SP는 연구 및 분석에 용이하도록 Landsat 8 Collection 2 Level 1 데이터를 기반으로 만든 Level 2 자료로, 기존의 계산식을 통해 산출해야 하는 지표면 반사도 자료와 지표면 온도 자료를 계산 처리 없이 바로 사용할 수 있다는 장점이 있다. 2018년부터 2020년까지 3년간의 Landsat 8 지표면 온도 산출물과 관측소 지점 8개소 주변 3×3 격자 영역과의 비교한 결과, 8개 관측소 기준 L2SP 지표면 온도와 L1TP 지표면 온도의 평균 피어슨 상관계수(Pearson correlation coefficient)는 각각 0.971, 0.964로 두 자료 모두 상당히 강한 양의 상관관계를 보여주었으며, RMSE (Root Mean Square Error)의 경우 각각 4.029℃, 5.247℃로 L2SP 지표면 온도 자료가 더 낮은 RMSE를 보여주는 것을 확인 하였다. 이는 관측소 위치별로 값에 차이가 생길 수 있지만 평균적인 지표 결과를 보았을 때, L2SP 지표면 온도 자료가 L1TP를 통해 산출되는 지표면 온도 자료와 비교했을 때 준수하거나 그 이상의 정확도를 보여주어 국내 지표면 온도 산출 연구에 적합하다고 판단된다. 따라서 향후 계절적 요인과 고도에 따른 온도 차이 등의 환경 및 지형적인 요인도 고려를 하거나, 본 연구 과정에서 발생한 Science Product의 고정적인 영상 품질 문제 등이 개선된다면 보다 더 안정적이고 정확도 높은 지표면 온도 참조 자료로써의 유용성이 클 것이라 판단된다.

• 한국지구과학회지
• /
• 제41권2호
• /
• pp.95-110
• /
• 2020

본 연구에서는 고해상도 ERA5 재분석자료 중 우리나라 지상 온도 자료의 신뢰성을 검증할 목적으로 종관기상관측소(ASOS) 관측자료와 비교를 수행하였다. 새롭게 생산되어 배포 중인 ERA5 재분석자료는 높은 시·공간적 해상도를 가져 여러 분야에 활용성이 매우 높다. 자료의 분석 기간은 ASOS 61개 관측소가 1999년 이후로 결측률이 매우 낮으며 시간평균 자료를 제공한다는 점을 고려하여 1999-2018년 기간으로 설정하였다. ERA5 격자 자료는 격자 내 90-m 수치표고모델(DEM) 분포로부터 내륙, 해안, 산악 지역에 해당하는 지형학적인 특성에 따라 분류하여 ASOS 지점 자료와 비교되었다. 분석 기간 전체에 대한 평균 지상 온도는 ASOS와 ERA5 모두 공간 분포의 패턴과 값은 큰 차이없이 유사하였다. ASOS와 ERA5의 산점도 비교를 통해 전체 기간, 특히 여름, 겨울 기간에 대해 계절 변동성을 가진다는 특성을 확인할 수 있었으며, 이는 달별 두 자료 사이의 매시간 차이 확률밀도함수(PDF)의 시계열을 통해서도 확인되었다. 두 자료 사이의 차이를 통계지수인 NMB, RMSE를 계산하여 정량화시켰을 때, 각 값에서 지역적인 특성을 보였으나 모든 지수에서 큰 차이가 없다고 판단할 수 있었으며, 상관성을 보기 위해 R과 IOA를 통해 구한 값은 모두 0.99에 근접하였다. 특히 일평균 산출에 있어 1-시간-평균 값 24개를 이용한 일평균의 경우가 최고와 최저온도의 평균을 이용하는 일평균에 비해 오차가 작게 나타났고, 두 자료 사이의 상관성도 높게 나타남을 확인하였다. 두 자료의 차이가 나타나는 원인으로 ERA5 격자 내 지형 효과가 가장 클 것으로 판단하여 수치표고모델을 활용하여 각 지역별 PDF를 이용해 첨도 및 왜도를 구하고, 이를 온도 차이 파워 스펙트럼의 1년 주기 변동 크기와 비교하였다. 그 결과, 양의 상관성을 가졌음을 확인하였다. 이는 지형 효과가 두 자료 차이의 원인이라고 설명하는 결과이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.138-138
• /
• 2016

강수량은 농업과 수자원관리, 그 외 사회 기반 사업들에게 광범위하게 영향을 미치는 매우 중요한 기상요소이므로 강수량 관측자료는 사회전반에 활용되고 있다. 하지만 강수량은 공간적인 불연속성이 크기 때문에 조밀한 관측자료를 필요로 하고 있으며, 때문에 관측이 이루어지지 않은 미관측 지점의 강수량 자료를 복원하려는 연구도 계속 진행되고 있다. 관측자료를 이용하여 미관측 지점의 강수량을 복원하는 방법으로 지상 강수량 관측자료와 연직 상층기상자료 및 고해상도 지형자료를 이용하여 복원하는 정량적 강수량 진단 모형이 이미 개발되어 대한민국을 대상으로 강수량 복원이 이루어진 바 있다. 대한민국은 전국이 대략 10 km 정도로 비교적 조밀하고 일정한 지상 관측망을 가지고 있어 관측자료를 이용한 강수량 복원에 유리하다. 하지만 전 세계 많은 지역에서 강수량 관측자료는 매우 부족한 실정이며 가깝게는 북한과 중국에서부터 아프리카와 남아메리카 등 일부 강수량 관측이 전혀 이루어지지 않는 지역도 존재한다. 이러한 지역에 대한 강수량 복원 정확도에 대해서는 지금까지 연구된 바 없으며 관측자료 수에 따른 복원 민감도에 대한 연구도 이루어지지 않았다. 따라서 대한민국에 비해 관측자료가 부족한 지역에 대해 복원 정확도를 파악할 필요성이 있으므로 본 연구에서는 관측소 밀집정도에 따른 미관측 지역의 강수량 복원 민감도 분석을 하였다. 대한민국은 572개 지점의 지상기상관측망(자동기상관측장비 AWS 477개, 종관기상관측장비 ASOS 95개 지점)을 운영하고 있으며, 10개 지점의 기상레이더가 전국을 감시하고 있어 미관측 지점에 대해 검증자료로 활용할 수 있으므로 강수량 복원 민감도 분석 대상 지역으로 선정하였다. 강수량 복원 정확도 검증을 위해 강수량 복원자료의 격자점과 가장 근접한 관측지점을 검증지점으로 선정하고, 강수량 복원에는 검증지점을 제외한 관측자료만을 이용하였다. 관측자료 밀집정도에 따른 민감도 분석을 위해 관측자료를 100% 사용하였을 때와 일부만 사용하였을 때로 나누어 분석하였다. 관측소 밀집도에 따른 강수량 복원 정확도 민감성 분석을 통해 관측소가 부족한 북한, 중국, 아프리카 등지의 미관측 지점 복원 정확도를 추정할 수 있으며 관측소가 부족하거나 전무한 지역에서 강수량 복원 정확도를 늘리기 위해 필요한 관측소 수를 파악하는 데에 적용할 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.603-616
• /
• 2016

본 연구에서는 기상청 현업 국지기상모델(Local Data Assimilation and Prediction System, LDAPS)과 전산유체역학(Computational Fluid Dynamics, CFD) 모델을 접합하여, 서울 종로구 송월동에 위치한 지동기상관측소(서울 ASOS) 주변 지역의 기상 환경을 분석하였다. 토지 피복별 차등 가열이 도시 지역의 대기 흐름과 기온에 미치는 영향을 분석하기 위하여, 시간 변화에 따른 토지 피복별 지표면 온도와 그림자 영역에 대한 지표면 온도 감소 효과를 고려하였다. LDAPS 모델은 상세한 건물, 지형, 지표면 가열 효과를 고려하지 못하기 때문에, 풍속을 과대모의 하고 기온을 과소 모의하였다. 건물과 지형의 마찰 효과와 태양 복사에 의한 지표면 가열을 고려할 수 있는 LDAPS-CFD 접합 모델은 서울 ASOS 지점의 관측 풍속과 유사한 풍속을 모의하였고, 관측 기온을 잘 재현하였다. 주로 동풍이 부는 오전 시간대에는 LDAPS-CFD 접합 모델 또한 기온을 과소모의 하였는데, 이는 서울 ASOS 지점의 풍상측(동쪽)에 위치한 경희궁 주변 지역에 주로 수목이 분포하고 있고, 표면 온도가 상대적으로 낮기 때문인 것으로 판단된다. 그러나, 주로 남동풍 계열의 바람이 부는 오후 시간대에는 풍상측에 위치한 건물의 표면 가열의 효과로 인해 서울 ASOS 지점의 관측 기온을 상대적으로 잘 모의하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.135-135
• /
• 2020

우리나라의 기후 자료는 일반적으로 기상청에서 발표하는 종관기상관측(ASOS)과 방재기상관측(AWS), 그리고 북한이 세계기상기구(WMO, World Meteorogical Organization)의 기상통신망(GTS)을 통해 보낸 북한기상관측(NKO)을 사용 할 수 있다. 그러나 이 중 40년 이상의 완전한 관측 자료를 얻을 수 있는 건 ASOS가 유일하지만 공간적인 표현에 한계를 갖고 있다. AWS는 관측소가 많다는 장점이 있지만 관측 기간이 길지 않고 이용 가능한 기간에도 관측이 연속적이지 못한 경우가 많다. NKO는 비록 27개의 관측소가 있지만 많은 데이터가 누락되어 일별 기후자료의 사용에 한계를 갖고 있다. 이러한 미관측 기간이나 관측 자료의 누락은 연속적인 시계열 자료분석을 기반으로 하는 수자원 모델링에 있어서 문제를 야기한다. 본 연구는 1973년부터 2019년까지 47년의 신뢰도 높은 한반도 일일 기후 자료를 구축하기 위해 다양한 방법론을 비교하였다. 추정에 사용한 방법은 총 7개로 EM algorithm for probabilistic principal components (PPCA-EM), Inverse distance weight method (IDWM), Nearest neighbor method (NNM), Multivariate normal copulas (Copula), Elastic net model (Elastic), Ordinary kriging (OK), Regularized principal components with EM algorithm (RPCA-EM)를 살펴보았다. 다양한 형태의 결측치를 가정하여 그 결과값을 비교하였고 이는 Root mean squared error(RMSE), Kling-Gupta efficiency(KGE), Nash-Sutcliffe efficiency(NSE)를 통해 평가하였다. 최종 선택된 방법론을 통하여 한반도 전역을 그리드 기반의 강수 및 최저온도/최고온도의 일별자료로 생성하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.67-74
• /
• 2024

본 논문에서는 기후 변화와 지속 가능한 수자원 관리의 중요성이 증가하는 가운데, 다양한 강우 측정 방법이 저수지 수위 예측 성능에 미치는 영향을 분석하기 위한 연구를 제시한다. 이를 위해 우리는 기상정보개방포털에서 제공하는 종관기상관측장비인 ASOS의 관측 강우, 자동기상관측장비인 AWS의 관측 강우, 그리고 면적강우비에 따라 재산정된 티센망 기반의 강우 데이터를 활용하여 신경망 기반 저수율 예측 모델에 대한 학습을 각각 수행하고, 학습된 모델의 예측 성능을 비교 및 분석하였다. 전라북도 소재 34개의 저수지에 대한 실험을 통해 각 강우량 측정방식이 저수율 예측 정확도 향상에 얼마나 기여하는지 조사하였다. 연구 결과, 티센망 기반의 강우 면적비를 활용한 저수지 강우 데이터가 가장 높은 예측 정확도를 제공한다는 것을 밝혀냈다. 이는 티센망이 주변 관측소들 사이의 정확한 거리를 고려함으로써 각 관측소가 대표하는 지역의 경계를 정의함으로써 각 지역의 실제 강우 상황을 더 정확하게 반영하기 때문이다. 이러한 발견은 정확한 지역 강우 데이터 학습이 저수율 예측에 있어 결정적인 요인 중 하나임을 시사한다. 더불어, 이 연구는 정밀한 강우 측정 및 데이터 분석의 중요성을 강조하며, 농업, 도시 계획, 홍수 관리와 같은 다양한 분야에서 예측 모델의 잠재적 응용 가능성을 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.351-351
• /
• 2023

강우 자료는 수문 모델링에서 중요한 입력 요소 중 하나이다. 강우의 공간적 가변성은 모델링 불확실성의 중요한 원인으로 알려져 있다. 강우 관측자료는 많은 경우 유역을 대표하는 평균 면적강수량 (Mean Areal Precipitation, MAP)을 계산하여 수문모형에 입력된다. 선행 연구에서는MAP 예측 결과의 신뢰도를 개선하기 위하여 다양한 보간 방법이 개발되었다. 하지만, 강우특성의 동질성를 고려한 대표 기상 관측소 선정이 MAP 예측과 유출량 모의 결과에 미치는 연구는 아직 미흡한 실정이다. 본 연구에서는 유역의 MAP 예측에 있어 강우특성의 동실성을 고려한 강우 관측소 선정이 수문 모델링 성능 개선에 미치는 영향을 평가하고자 한다. 본 연구에서는 종관 기상관측(ASOS) 74개 지점과 방재기상관측(AWS) 400여개 지점에서 2003~2022년 기간에 대한 일강수량 자료를 수집하였고 강우특성이 동질한 지역을 구분하였다. 또한, 강우특성 동질성의 고려 유무에 따른 MAP를 계산하였다. 이후, 5개의 매개변수로 이루어진 개념적 강우-유출 모형FPHM을 사용하여 우리나라 전역 41개 유역을 대상으로 MAP 계산 결과가 모형 성능에 미치는 민감도를 조사하였다. 분석 결과, 강우특성의 동질성을 고려한 강우 관측소의 선택은 MAP 보간 방법 이상으로 중요한 요소임을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.206-206
• /
• 2023

지구온난화로 인한 기후변화에 따라 평균강수량과 증발량이 증가하며 강우지역 집중화와 강우강도가 높아질 가능성이 크다. 우리나라의 경우 협소한 국토면적과 높은 인구밀도로 기후변동의 영향이 크기 때문에 한반도에 적합한 유역규모의 수자원 예측과 대응방안을 마련해야 한다. 이를 위한 수자원 관리를 위해서는 유역에서 강수량, 유출량, 증발량 등의 장기적인 자료가 필요하며 경험식, 물리적 강우-유출 모형 등이 사용되었고, 최근들어 연구의 확장성과 비 선형성 등을 고려하기 위해 딥러닝등 인공지능 기술들이 접목되고 있다. 본 연구에서는 ASOS(동해, 태백)와 AWS(삼척, 신기, 도계) 5곳의 관측소에서 2011년~2020년까지의 일 단위 기상관측자료를 수집하고 WAMIS에서 같은 기간의 오십천 하구 일 유출량 자료를 수집 후 5개 관측소를 기준으로Thiessen 면적비를 적용해 기상자료를 구축했으며 Angstrom & Hargreaves 공식으로 잠재증발산량 산정해 3개의 모델에 각각 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온), 일 강수량과 잠재증발산량, 일 강수량 - 잠재증발산량을 학습 후 관측 유출량과 비교결과 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온)로 학습한 모델성능이 가장 높아 최적 모델로 선정했으며 일, 월, 연 관측유출량 시계열과 비교했다. 또한 같은 학습자료를 사용해 다층 퍼셉트론(Multi Layer Perceptron, MLP) 앙상블 모델을 구축하여 수자원 분야에서의 인공지능 활용성을 평가했다.

• 한국지구과학회지
• /
• 제42권5호
• /
• pp.514-523
• /
• 2021

고창 표준기상관측소(Gochang Standard Weather Observatory, GSWO)에서 3년간(2014-2016년) 관측한 겨울철 강수량 자료를 사용하여 겨울철 관측환경에 따른 강수량 관측 특성을 분석하였다. 이를 위해, 설치환경이 다른 강수량계 4종인 NS(No Shield), SA(Single Alter), DFIR(Double Fence Intercomparison Reference), PG(Pit Gauge)를 사용하여, DFIR을 기준으로 누적 강수량 차이, 강수 유형별 특성, 풍속 변화에 따른 수집효율을 분석하였다. 강수 유형은 고창 종관기상관측장비(Automated Synoptic Observing System, ASOS)의 기온 관측 자료를 사용하여 강우, 혼합 강수, 강설로 분류하여 분석하였다. 겨울철 누적 강수량은 SA, NS, PG 순으로 DFIR과 유사하게 나타났으며, 통계 분석 결과에서는 SA가 DFIR과 가장 유사한 결과를 보였다. 결과적으로, 겨울철 강수량 관측에서는 SA가 기준 강수량계와 가장 유사하게 관측되었으며, PG는 겨울철 관측에 적합하지 않은 것으로 분석된다.