• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.395-395
• /
• 2018

기후변화 및 토지이용변화에 따라 강우량 및 증발산량 등과 같은 물순환계 구성요소가 변화하면 유역에서의 물순환계가 영향을 받게 된다. 이렇게 변화된 유역의 물순환계를 종합적으로 관리하기 위해서는 물순환 개선 기술을 통한 지속가능하고 건전한 물순환체계의 구축이 필요하다. 유역 물순환 개선 기술은 기후변화가 진행 중에 있거나 예상되는 지역에 대하여 강우-유출수를 지연, 저류, 침투시켜 지속가능한 물순환체계를 유지 회복하도록 하는 기술이라 할 수 있다. 한국건설기술연구원에서는 기후변화 대비 수자원 적응기술 개발 연구단(CCAW, Climate Change Adaptation for Water resources)의 연구비 지원을 받아 유역 건전성 및 취약성을 평가 하고 취약한 유역에 대한 물순환 개선기술을 확보하기 위한 연구를 수행 중에 있다. 특히, 수년간 국가연구개발사업을 통해 개발되고 사업화에 성공한바 있는 유역 물순환 평가 모형인 CAT(Catchment hydrologic cycle Assessment Tool)을 수정 개선하여 수요자 중심의 활발한 현장 적용을 도모하고 있다. 본 연구에서는 개발된 유역 물순환 개선 및 평가시스템의 적용성 평가를 위하여 대상유역으로 태국의 Lam Takhong 저수지 유역을 선정하였다. Lam Takhong 저수지 유역은 유역면적은 $1,423km^2$이며 저류량은 약 $440{\times}106m^3$이다. 입력자료인 DEM, Land Cover 자료는 USGS Hydro1K (https://earthexplorer.usgs.gov/), 하천망 및 유역경계 자료는 USGS HydroSHEDS (https://hydrosheds.cr.usgs.gov/dataavail.php), 기상 및 관측 유입량, 저수지 제원 등의 자료는 APEC 기후센터의 협조를 받아 1976년부터 2016년까지의 일단위 자료를 이용하였다. 모의결과는 저수지 월별 관측 유입량과 상류 유역의 모의 유출량을 이용하여 비교-분석 하였다. Lam Takhong 저수지 상류 유역은 APEC 기후센터에서 SWAT 모형을 이용하여 저수지 유입량 분석을 수행한 바 있다. 따라서 본 연구의 결과를 SWAT 모의결과와 비교하여 그 적용성을 검증하였다. 월별 관측 유입량과 저수지 상류 유역 모의 유출량을 비교한 결과 CAT의 경우 결정계수(R2) 값이 0.86, SWAT은 0.76으로 나타나 CAT의 적용 결과가 좀 더 우수한 것으로 나타났다. 모의 결과는 매개변수 최적화 과정을 거치지 않은 결과이며 SWAT 모형과의 결과 비교를 위하여 매개변수는 동일하게 적용하였다. 향후 매개변수 최적화 모듈을 통해 검 보정 단계를 거친다면 정밀한 분석이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.30-30
• /
• 2023

This study aims to establish the multi-reservoir operation system model in the Upper Mun River Basin which includes 5 main dams namely, Mun Bon (MB), Lamchae (LC), Lam Takhong (LTK), Lam Phraphoeng (LPP), and Lower Lam Chiengkrai (LLCK) Dams. The knowledge and AI technology were applied aiming to develop innovative prototype for SMART dam-reservoir operation in future. Two different sorts of reservoir operation system model namely, Fuzzy Logic (FL) and Constraint Programming (CP) as well as the development of rainfall and reservoir inflow prediction models using Machine Learning (ML) technique were made to help specify the right amount of daily reservoir releases for the Royal Irrigation Department (RID). The model could also provide the essential information particularly for the Office of National Water Resource of Thailand (ONWR) to determine the short-term and long-term water resource management plan and strengthen water security against flood and drought in this region. The simulated results of base case scenario for reservoir operation in the Upper Mun from 2008 to 2021 indicated that in the same circumstances, FL and CP models could specify the new release schemes to increase the reservoir water storages at the beginning of dry season of approximately 125.25 and 142.20 MCM per year. This means that supplying the agricultural water to farmers in dry season could be well managed. In other words, water scarcity problem could substantially be moderated at some extent in case of incapability to control the expansion of cultivated area size properly. Moreover, using AI technology to determine the new reservoir release schemes plays important role in reducing the actual volume of water shortfall in the basin although the drought situation at LTK and LLCK Dams were still existed in some periods of time. Meanwhile, considering the predicted inflow and hydrologic factors downstream of 5 main dams by FL model and minimizing the flood volume by CP model could ensure that flood risk was considerably minimized as a result of new release schemes.