• 대한전자공학회논문지SP
• /
• 제43권5호
• /
• pp.37-44
• /
• 2006

MRF (Markov random fields)로 전후 관계가 모델링된 변형된 형태의 ICM 방식을 소개한다. 특징 추출을 위해 부합블록인접의 새로운 MRF 모델을 제시한다. 이 모델은 현재 고려중인 화소를 기점으로 지엽구조인 복수방향의 기하학적 인접화소군들을 발생시켜 집합을 형성한다. 전처리 작업을 통해 산출한 특정 영역 색도분포의 확률적 데이터를 근거로 매 인접화소군 화소들 사이의 색도분포와 인접화소군들 사이의 관련성 여부를 단계별로 확률적으로 비교 판별함으로 해당화소의 영역귀속을 결정한다. 귀속 영역이 판별된 화소에는 특정 색도를 부여하고 타영역의 원소와 차별한다. 이러한 과정을 전 화소들에 확대 적용하면서 관측영상은 영역별로 순차적으로 분류되며 정보가 추출된다. 대상 영상은 탁본영상으로서 바탕영역과 정보영역을 차별적으로 분류, 색도부여를 통해 문자만의 특징을 선별한다. 이 방식은 종래의 ICM 방식의 단점이었던 과/부족 평활 현상을 최소화하는 동시에, 벡터적 판별력 부가에 의한 특정영역 잡음 제거와 얼룩현상 극소화에 효과가 있음이 실험을 통해 확인할 수 있었다. 또한 MICM 방식을 탁본영상의 문자인식에 적용하면 우수한 효과가 있으리라 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.390-390
• /
• 2011

본 연구는 기초기술연구회의 위성정보 활용 지원 운영사업(과제명: 위성영상을 이용한 하천정보 생산 및 활용에 관한 연구)의 연구비 지원에 의해 수행되었습니다. 지난 2010년 6월 발사된 천리안 위성이 약 9개월간의 정지궤도 시험운행을 마치고 본격적으로 위성자료 서비스를 시작함에 따라 한반도 악기상 관측 및 예측 정확도 향상에 기여할 것으로 예상된다. 최근 기후분야 외에도 수자원, 방재, 농업, 해양 등 다양한 응용분야에서 기상위성을 활용하고자 하는 연구가 수행되고 있으며 자료제공 시간의 단축과 기상자료 산출물의 제공으로 천리안 위성은 향후 광범위하게 활용 될 것으로 예상된다. 본 연구는 천리안 위성의 수자원 분야 활용을 위한 기반연구로 천리안 위성과 동일한 채널 특성을 보유한 MTSAT-1R 기상위성을 이용하여 면적강우량을 추정하고 이를 지상관측소를 이용하는 강우보정기법에 적용하며 강우산정 결과를 레이더 및 티센, 크리깅 등과 비교하였다. 강우추정은 NOAA NESDIS의 Power-law 공식을 이용하였으며 지상관측소를 이용한 강우보정은 조건부 합성기법을 적용하였다. 연구대상 유역은 충주댐 유역과 충주댐 유역 상류에 위치한 영월수위표 지점 상류유역을 대상으로 하였으며 레이더 차폐에 따른 레이더 강우량의 감쇄 효과를 분석하고 지형적 특성에 영향 받지 않는 기상위성을 이용한 강우량 산정 기법의 활용성을 제시하였다. 연구결과 레이더 차폐에 영향 받지 않는 영월 수위표 상류유역의 경우 레이더를 이용한 강우량 산정결과와 기상위성을 이용한 결과가 큰 차이가 없으나 전체 유역면적의 절반 정도가 레이더 차폐 지역에 포함되는 충주댐 유역의 경우 레이더를 이용할 경우 20%~35% 가량 강우량이 과소 추정되는 것으로 나타났다. 본 연구를 토대로 산악지형에 의해 레이더 차폐가 발생되는 유역에 대해 기상위성의 활용을 기대할 수 있을 것으로 판단되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.23-23
• /
• 2018

본 연구에서는 다중분위회귀분석모형(Multiple Quantile Regression Model, MQRM)과 MODIS(MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상관측지점에서 관측한 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중분위회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 71개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중분위회귀분석 모형은 LST 인자를 중심으로 각각의 분위(0.05, 0.25, 0.5, 0.75, 0.95)에 해당되는 값의 회귀식을 NDVI, 강수 입력자료를 독립인자로서 조합하여 계절 및 토성에 따른 총 80개의 회귀식을 산정하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.70 (철원), 0.90 (춘천), 0.85 (수원), 0.65 (서산), 0.78 (청주), 0.82 (전주), 0.62 (순천), 0.63 (진주), 0.78 (보성)로 높은 상관성을 보였다. 본 연구에서는 다중분위회귀 모형의 성능을 검증하기 위해 기존의 다중선형회귀모형의 결과와 비교하여 크게 개선됨을 나타냈다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.123-132
• /
• 2019

This study is to estimate the spatial soil moisture using Terra MODIS (Moderate Resolution Imaging Spectroradiometer) satellite data and machine learning technique. Using the 3 years (2015~2017) data of MODIS 16 days composite NDVI (Normalized Difference Vegetation Index) and daily Land Surface Temperature (LST), ground measured precipitation and sunshine hour of KMA (Korea Meteorological Administration), the RDA (Rural Development Administration) 10 cm~30 cm average TDR (Time Domain Reflectometry) measured soil moisture at 78 locations was tested. For daily analysis, the missing values of MODIS LST by clouds were interpolated by conditional merging method using KMA surface temperature observation data, and the 16 days NDVI was linearly interpolated to 1 day interval. By applying the RNN-LSTM (Recurrent Neural Network-Long Short Term Memory) artificial neural network model, 70% of the total period was trained and the rest 30% period was verified. The results showed that the coefficient of determination ($R^2$), Root Mean Square Error (RMSE), and Nash-Sutcliffe Efficiency were 0.78, 2.76%, and 0.75 respectively. In average, the clay soil moisture was estimated well comparing with the other soil types of silt, loam, and sand. This is because the clay has the intrinsic physical property for having narrow range of soil moisture variation between field capacity and wilting point.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.103-104
• /
• 2017

본 연구에서는 다중회귀분석모형(MLRM)과 MODIS (MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상 관측지점에서 관측한 실측 LST와 MODIS LST의 R2는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 R2는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 68개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중회귀분석 모형은 각각의 입력자료를 독립인자로서 조합하여 12개의 시나리오를 만들었다. 시공간적 경향을 고려하기 위하여 계절별, 토양 토성(soil texture)를 구분하여 회귀분석을 실시하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.80 (철원), 0.90 (춘천), 0.80 (수원), 0.63 (서산), 0.77 (청주), 0.82 (전주), 0.52 (순천), 0.63 (진주), 0.99 (보성)로 높은 상관성을 보였다. 본 연구에서는 토양수분을 예측하기 위한 인자 중 가장 민간함 LST를 보정하지 않는 토양수분 예측 방법은 상당한 오차를 포함하게 되어 실측 토양수분 결과와 크게 차이가 나타남을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.116-116
• /
• 2023

대규모 댐과 같은 수공구조물의 파괴시 상당한 피해가 발생하므로 구조물설계시 가능최대강수량(PMP) 기준이 적용된다. 포락선 방법은 가장 극심했던 강우량의 포락선을 작성하여 PMP를 산정하는 방법으로 기상 및 강수량자료가 부족시 PMP 추정이 어려운 경우에 사용한다. 포락선의 근사식은 지속시간의 거듭제곱인 멱함수 형태로 나타내며, 우리나라의 경우 1일을 전후로 계수와 차수가 다른 식을 사용한다. 이러한 근사식은 우리나라의 이상홍수 발생빈도 및 규모가 커짐에 따라 검토될 필요성이 있다. 또한, PMP 산정시 활용하는 제한된 수의 지상관측자료는 시공간적 변동성을 완전히 포착할 수 없어 한계가 있다. 본 연구는 이러한 한계를 극복하기 위하여 기상레이더 자료를 기반으로 우리나라 전역의 최대 강우깊이-지속시간 관계를 분석 및 새로운 PMP 포락선을 제시한다. 활용한 레이더는 CMAX(Column Maximum)로 2009~2018년간 10분 단위자료를 수집하였다. 레이더 자료와 비교하기 위하여 지상관측자료 AWS를 함께 수집하였다. AWS는 1997~2022년간 1분 단위자료로 우리나라 전역의 547개 지점관측자료를 활용하였다. 레이더자료는 Z-R 관계식으로 변환하여 가외치(outlier)를 제거 및 보정하였다. 그 후, 정규 크리깅기법으로 생성한 지상관측 강우장과 병합하는 CM(Conditional Merging)기법을 적용하였다. 우리나라 최대 강우깊이-지속시간 관계를 산정한 결과, 기존 포락선의 값이 낮게 산정되었음을 확인하였다. 이는 기후변화 등에 따라 최근 극한 호우가 발생한 것으로 판단된다. 또한, 실제 근사식은 멱함수 거동에서 벗어난 형태로 나타났고, 지점관측자료가 기상레이더 값보다 과소추정되는 경향을 확인하였다. 특히 같은 기간에서 확인하였을 때, 강우지속시간이 짧을수록 AWS값과 레이더자료의 강수량이 2배 정도 차이를 보여 지점관측소가 없는 지역의 국지성 호우 존재를 확인할 수 있었다. 추후, 미래에 더 긴 레이더 시계열을 사용한다면, 더욱 신뢰성 있는 자료로 활용할 수 있을 것으로 판단한다.

• 대한공간정보학회지
• /
• 제18권3호
• /
• pp.37-48
• /
• 2010

본 논문의 목적은 격자형 레이더 강우자료와 지상강우를 이용하여 홍수유출모의 시 강우장이 미치는 영향을 평가하는 것이다. 본 논문에서는 공간 강우장을 생성하기 위해 광덕산 레이더와 지상 관측강우자료를 이용하였으며 각각의 방법에 의해 생성된 강우장이 현실적으로 타당한 시공간적 분포를 재현하는지를 평가하기 위해 홍수 유출모형을 이용하였다. 대상유역은 강원도 인제군에 위치한 내린천 유역이며 유출모형의 지형학적 매개변수들을 구축하기 위해 250m 격자 규모의 수치고도자료, 토지피복도 그리고 토양도를 사용하였다. 강우입력자료는 관측-레이더강우(Quantitative Precipitation Estimation, QPE), 보정-레이더강우(adjusted Radar rainfall), 지상-강우(gauge rainfall)를 이용하였으며 동일한 조건의 $Vflo^{TM}$ 모형에 입력하여 관측 유출량과 비교 하였다. 모의결과, 관측-레이더강우와 지상-강우의 경우 관측치 보다 과소 추정되었으며 보정-레이더강우의 경우 실제 관측치와 유사한 유출모의를 하는 것으로 분석되었다. 이를 통해 기상레이더와 지상강우자료를 합성할 경우 레이더 강우만을 또는 지상강우만을 사용하는 것 보다 수문모형의 입력 자료로써 수문학적 활용성이 더 큼을 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제48권9호
• /
• pp.719-728
• /
• 2015

본 연구의 목적은 고해상도 정량적강수추정치(QPE)를 이용하여 도시유출해석을 수행하고 소배수분구별 강우와 유출량의 공간 변동성을 분석하여 적용성을 평가하는 것이다. 대상유역은 강남역을 중심으로 하는5개 배수분구(서초3, 4, 5, 역삼, 논현)을 선정하였으며, 유역면적은 $7.4km^2$이다. QPE 생산을 위해 KMA AWS (34소), SKP AWS (156소), 광덕산 레이더 자료를 통해 서울지역의 강우자료를 구축하였으며 크리깅 기법과 조건부합성 방법을 적용하여 4가지 QPE(QPE1: KMA AWS, QPE2: KMA+SKP AWS, QPE3: 광덕산 레이더, QPE4: QPE2+QPE3)를 생산하였다. 시공간 해상도는 10분, 250 m이며, 2013년 7월에 발생한 6개 호우를 대상으로 하였다. 복잡한 실제 관망을 도시유출해석모형에 입력하기 위해 773개 맨홀과 772개 소배수분구, 1,059개 하수관거로 재구성하여 분석을 수행하였다. QPE2와 QPE4는 QPE1에 비해 소배수구역별 면적강우량의 변동폭이 최대 1.9배까지 차이가 나타나 작은 유역에서도 강우공간변동성이 있음을 확인하였다. 또한 소배수 구역별 첨두유량 분석결과에서도 강남과 서초 AWS에 비해 QPE2와 QPE4의 변동폭이 최대 6배 큰 것으로 분석되었다. 따라서 본 연구의 대상지역과 같이 수 km2 이하의 도시유역에서도 강우와 첨두유량의 공간변동성이 발생함을 알 수 있었으며, 정확한 도시유출해석을 위해서는 고해상도 강우자료를 활용하는 것이 바람직한 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.157-157
• /
• 2019

This study derived the Flood-Inducing-Rainfall (FIR) and the Flood-Inducing-Runoff (FIRO) from the radar-gage composite data to be used as the basis of the flood warning initiation for the urban area of Seoul. For this, we derived the rainfall depth-duration relationship for the 261 flood events at 239 watersheds during the years 2010 and 2011 based on the 10-minute 1km-1km radar-gauge composite rainfall field. The relationship was further refined by the discrete ranges of the proportion of the flooded area in the watershed (FP) and the coefficient variation of the rainfall time series (CV). Then, the slope of the straight line that contains all data points in the depth-duration relationship plot was determined as the FIR for the specified range of the FP and the CV. Similar methodology was applied to derive the FIRO, which used the runoff depths that were estimated using the NRCS Curve Number method. We found that FIR and FIRO vary at the range of 37mm/hr-63mm/hr and the range of 10mm/hr-42mm/hr, respectively. The large variability was well explained by the FP and the CV: As the FP increases, FIR and FIRO increased too, suggesting that the greater rainfall causes larger flooded area; as the rainfall CV increases, FIR and FIRO decreased, which suggests that the temporally concentrated rainfall requires less total of rainfall to cause the flood in the area. We verified our result against the 21 flood events that occurred for the period of 2012 through 2015 for the same study area. When the 5 percent of the flooded area was tolerated, the ratio of hit-and-miss of the warning system based on the rainfall was 44.2 percent and 9.5 percent, respectively. The ratio of hit-and-miss of the warning system based on the runoff was 67 percent and 4.7 percent, respectively. Lastly, we showed the importance of considering the radar-gauge composite rainfall data as well as rainfall and runoff temporal variability in flood warning system by comparing our results to the ones based on the gauge-only or radar-only rainfall data and to the one that does not account for the temporal variability.