• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.176-176
• /
• 2023

The Tonle Sap is the richest and diverseness of freshwater ecosystem in Southeast Asia, receiving nurturing water flows from the Mekong and its immediate basin. In addition, the rapid development in the Tonle Sap Lake (TSL) Basin, and flood inundation may threaten the natural diversities and characteristics. The impacts of flood inundation in 11 sub-basins contributing to the Tonle Sap Lake were assessed using the Rainfall-Runoff-Inundation (RRI) model to quantify the potential magnitude and extent of the flooding. The RRI model is set up by using gauged rainfall data to simulate the information of river discharge and flood inundation of huge possible flood events. Moreover, two satellite precipitation products (SPPs), CHIRPS and GSMaP, within respectively spatial resolutions of 0.05° and 0.1°, are utilized as an input for the RRI model to simulate river discharge, flood depth, and flood extent for the great TSL Basin of Cambodia. This study used statistical indicators such as NSE, PBIAS, RSR, and R2 as crucial indices to evaluate the performance of the RRI model. Therefore, the findings of this study could provide promising guidance in hydrological modeling and the significant implications for flood risk management and disaster preparedness in the region.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.40-40
• /
• 2021

수재해 방지를 위한 수문해석 모형에서 정량적인 강수자료의 역할은 매우 중요하다. 최근에는 기후변화로 인한 국지성 집중호우 등 돌발 강수의 빈도가 증가하고 있어 지상에 설치된 우량계보다 시·공간적 변동성을 반영할 수 있는 격자형 위성 강수자료의 활용성이 커지고 있다. 하지만 위성강수자료는 관측 시에 대기의 상태 또는 위성별 관측 센서, 공간적 스케일 차이 등에 의해 실제 내린 강수와의 편의가 존재한다. 이를 해결하기 위해 지점 강수자료를 이용한 통계적, 지형정보학적 상세화 기법이 적용되고 있으나, 대부분의 연구에서 강수자료의 양적 보정만을 목적으로 수행되었다. 본 연구에서는 머신러닝 기반의 랜덤포레스트(random forest) 모델을 사용하여 다중위성 강수자료(CHIRPSv2, CMORPH, GSMaP, TRMMv7)와 기상청에서 제공하는 AWS, ASOS 지점 강수를 사용하여 최적 위성강수자료를 생성 후 각 위성강수자료와 비교·분석하였다. 2003년에서 2017년까지의 각 위성강수자료를 수집하여 같은 공간 스케일로 전처리한 뒤 모델에 입력하였으며 AWS 강수자료는 훈련, ASOS 강수자료는 검증에 이용되었다. 그 결과, 생성된 최적 위성강수자료는 각 위성강수자료보다 지점강수와의 편의가 줄고 높은 상관관계를 나타내고 있다. 이는 앞으로 사용될 위성강수자료의 시·공간적 보정 및 단기예측에 활용할 수 있으며, 특히 원격탐사자료의 의존도가 높은 미계측 대유역 수문해석에 정량적인 강수자료를 제공할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.134-134
• /
• 2021

Precipitation is a crucial component of water cycle and play a key role in hydrological processes. Traditionally, gauge-based precipitation is the main method to achieve high accuracy of rainfall estimation, but its distribution is sparsely in mountainous areas. Recently, satellite-based precipitation products (SPPs) provide grid-based precipitation with spatio-temporal variability, but SPPs contain a lot of uncertainty in estimated precipitation, and the spatial resolution quite coarse. To overcome these limitations, this study aims to generate new grid-based daily precipitation using Automatic weather system (AWS) in Korea and multiple SPPs(i.e. CHIRPSv2, CMORPH, GSMaP, TRMMv7) during the period of 2003-2017. And this study used a machine learning based Random Forest (RF) model for generating new merging precipitation. In addition, several statistical linear merging methods are used to compare with the results of the RF model. In order to investigate the efficiency of RF, observed data from 64 observed Automated Synoptic Observation System (ASOS) were collected to evaluate the accuracy of the products through Kling-Gupta efficiency (KGE), probability of detection (POD), false alarm rate (FAR), and critical success index (CSI). As a result, the new precipitation generated through the random forest model showed higher accuracy than each satellite rainfall product and spatio-temporal variability was better reflected than other statistical merging methods. Therefore, a random forest-based ensemble satellite precipitation product can be efficiently used for hydrological simulations in ungauged basins such as the Mekong River.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.280-280
• /
• 2023

강수의 정확한 시·공간적 추정은 홍수 대응, 가뭄 관리, 수자원 계획 등 수문학적 모델링의 핵심 기술이다. 우주 기술의 발전으로 전지구 강수량 측정 프로젝트(Global Precipitation Measurement, GPM)가 시작됨에 따라 위성의 여러 센서를 이용하여 다양한 고해상도 강수량 자료가 생산되고 있으며, 기후변화로 인한 수재해의 빈도가 증가함에 따라 준실시간(Near-Real-Time) 위성 강수 자료의 활용성 및 중요성이 높아지고 있다. 하지만 준실시간 위성 강수 자료의 경우 빠른 지연시간(latency) 확보를 위해 관측 이후 최소한의 보정을 거쳐 제공되므로 상대적으로 강수 추정치의 불확실성이 높다. 이에 따라 본 연구에서는 앙상블 머신러닝 기반 수집된 위성 강수 자료들을 관측 자료와 병합하여 보정된 준실시간 강수량 자료를 생성하고자 한다. 모형의 입력에는 시단위 3가지 준실시간 위성 강수 자료(GSMaP_NRT, IMERG_Early, PERSIANN_CCS)와 방재기상관측 (AWS)의 온도, 습도, 강수량 지점 자료를 활용하였다. 지점 강수 자료의 경우 결측치를 고려하여 475개 관측소를 선정하였으며, 공간성을 고려한 랜덤 샘플링으로 375개소(약 80%)는 훈련 자료, 나머지 100개소(약 20%)는 검증 자료로 분리하였다. 모형의 정량적 평가 지표로는 KGE, MAE, RMSE이 사용되었으며, 정성적 평가 지표로 강수 분할표에 따라 POD, SR, BS 그리고 CSI를 사용하였다. 머신러닝 모형은 개별 원시 위성 강수 자료 및 IDW 기법보다 높은 정확도로 강수량을 추정하였으며 공간적으로 안정적인 결과를 나타내었다. 다만, 최대 강수량에서는 다소 과소추정되므로 이는 강수와 관련된 입력 변수의 개수 업데이트로 해결할 수 있을 것으로 판단된다. 따라서 불확실성이 높은 개별 준실시간 위성 자료들을 관측 자료와 병합하여 보정된 최적 강수 자료를 생성하는 머신러닝 기법은 돌발성 수재해에 실시간으로 대응 가능하며 홍수 예보에 신뢰도 높은 정량적인 강수량 추정치를 제공할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.62-62
• /
• 2022

홍수 예보를 위한 강우-유출 분석에서 정확한 예측 강우량 정보는 매우 중요한 인자이다. 이에 따라 강우 예측을 위하여 다양한 연구들이 수행되고 있지만 시·공간적으로 비균일한 특성 또는 변동성을 가진 강우를 정확하게 예측하는 것은 여전히 난제이다. 본 연구에서는 딥러닝 기반 ConvLSTM (Convolutinal Long Short-Term Memory) 모형을 사용하여 위성 강수 자료의 단기 예측을 수행하고 그 정확성을 분석하고자 한다. 대상유역은 메콩강 유역이며, 유역 면적이 넓고 강우 관측소의 밀도가 낮아 시·공간적 강우량 추정에 한계가 있으므로 정확한 강우-유출 분석을 위하여 위성 강수 자료의 활용이 요구된다. 현재 TRMM, GSMaP, PERSIANN 등 많은 위성 강수 자료들이 제공되고 있으며, 우선적으로 ConvLSTM 모형의 강수 예측 활용가능성 평가를 위한 입력자료로 가장 보편적으로 활용되는 TRMM_3B42 자료를 선정하였다. 해당 자료의 특성으로 공간해상도는 0.25°, 시간해상도는 일자료이며, 2001년부터 2015년의 자료를 수집하였다. 모형의 평가를 위하여 2001년부터 2013년 자료는 학습, 2014년 자료는 검증, 2015년 자료는 예측에 사용하였다. 또한 민감도 분석을 통하여 ConvLSTM 모형의 최적 매개변수를 추정하고 이를 기반으로 선행시간(lead time) 1일, 2일, 3일의 위성 강수 예측을 수행하였다. 그 결과 선행시간이 길어질수록 그 오차는 증가하지만, 전반적으로 3가지 선행시간 모두 자료의 강수량뿐만 아니라 공간적 분포까지 우수하게 예측되었다. 따라서 2차원 시계열 자료의 특성을 기억하고 이를 예측에 반영할 수 있는 ConvLSTM 모형은 메콩강과 같은 미계측 대유역에서의 안정적인 예측 강수량 정보를 제공할 수 있으며 홍수 예보를 위한 강우-유출 분석에 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.441-441
• /
• 2015

북한의 수자원 현황을 분석하고 미래를 전망하는 일은 수자원 분야 전문가들의 공통된 관심사 중 하나이다. 그러나 많은 노력에도 불구하고 제한된 자료로 인해 이에 대한 체계적인 성과가 구축되지 못한 것이 사실이다(안재현 등, 2010). 북한 수자원 현황과 관련해서 1994년 한국수자원공사의"북한 수자원 현황 및 개발 동향"에 대한 연구와 1996년 한국과학기술단체총연합회의"남북한 수자원 비교평가 연구"가 수행된 바 있다. 본 연구에서는 2012년 7월 북한의 홍수피해에 대하여 북한지역의 빈약한 강우량 정보를 활용하여 위성으로부터 유도된 강우자료를 보정하여 북한지역의 홍수량을 산정하는데 활용할 수 있는 시계열 자료를 생성하는 것을 목적으로 하였다. 2012년 북한 홍수피해는 조선 중앙통신 보도에 의하면 6월 말부터 7월말까지 169명 사망, 400여명 실중, 144명 상해의 인명피해와 평안남북도, 자강도, 함경남북도 등 4만 3770여 가구가 침수되었으며, 농경지 피해는 6만 5280정보가 유실, 매몰, 침수(평안북도 2만 3400정보, 평안남도 2만 1900정보, 함경남도 5679정보, 함경북도 7220정보)의 피해를 입은 것으로 보도하고 있다(http://www.hani.co.kr/arti/politics/defense/545795.html). 한편, 북한의 기상수문국 통보에 의하면 2012년 장마가 시작된 이후 20일 동인 평균 강우량의 2배 가까운 비가 내렸으며, 특히 7월 19일 오후 9시부터 21일 오후 3시 사이 자강도 동신군에 413mm, 송원군에 383mm, 희천시에 322mm, 평안북도 태천군에 380mm, 향산군에 312mm, 동창군에 304mm의 폭우가 쏟아졌다고 조선중앙통신은 덧붙였다. 본 연구에서는 위성으로부터 유도된 강수자료 중 GSMaP_NRT자료를 활용하여 북한의 기상수문국에서 통보한 같이 기간의 강수량 자료를 분석한 결과 자강도 동신군 지역의 경우 총강우는 208.8mm로 분석되었으며, 평균강우는 9.49mm, 최대강우강도는 17.7mm/hr로 분석되었다. 두 자료의 총강우량에 대한 상대오차는 약 49.5% 정도의 오차가 있는 것으로 분석되었다. 위성강우 보정 방법으로 Immerzeel(2001) 등은 위성으로 관측된 시계열 자료와 지상계측된 시계열 자료를 분석하여 두 자료간의 평균과 표준편차를 이용하여 평균 및 표준편차 계수를 산정하여 위성자료에 대한 보정강우를 생성하는 방법을 제시한 바 있다. 본 연구에서는 위성으로부터 유도된 강우량 자료는 시계열 자료이나 지점계측 강우는 총강우만 존재하여 총강우에 대한 시계열 자료를 위성강수자료를 무차원화하여 지점계측의 위성 보정강우를 생성하였다.