• 제목/요약/키워드: sediment roughness

검색결과 33건 처리시간 0.017초

Unveiling the mysteries of flood risk: A machine learning approach to understanding flood-influencing factors for accurate mapping

  • Roya Narimani;Shabbir Ahmed Osmani;Seunghyun Hwang;Changhyun Jun
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2023년도 학술발표회
    • /
    • pp.164-164
    • /
    • 2023
  • This study investigates the importance of flood-influencing factors on the accuracy of flood risk mapping using the integration of remote sensing-based and machine learning techniques. Here, the Extreme Gradient Boosting (XGBoost) and Random Forest (RF) algorithms integrated with GIS-based techniques were considered to develop and generate flood risk maps. For the study area of NAPA County in the United States, rainfall data from the 12 stations, Sentinel-1 SAR, and Sentinel-2 optical images were applied to extract 13 flood-influencing factors including altitude, aspect, slope, topographic wetness index, normalized difference vegetation index, stream power index, sediment transport index, land use/land cover, terrain roughness index, distance from the river, soil, rainfall, and geology. These 13 raster maps were used as input data for the XGBoost and RF algorithms for modeling flood-prone areas using ArcGIS, Python, and R. As results, it indicates that XGBoost showed better performance than RF in modeling flood-prone areas with an ROC of 97.45%, Kappa of 93.65%, and accuracy score of 96.83% compared to RF's 82.21%, 70.54%, and 88%, respectively. In conclusion, XGBoost is more efficient than RF for flood risk mapping and can be potentially utilized for flood mitigation strategies. It should be noted that all flood influencing factors had a positive effect, but altitude, slope, and rainfall were the most influential features in modeling flood risk maps using XGBoost.

  • PDF

광역주파수 음향반사자료의 K-L 변환을 이용한 해저면 분류: 지질음향 모델링을 위한 유용한 방법 (Seabed Classification Using the K-L (Karhunen-Lo$\grave{e}$ve) Transform of Chirp Acoustic Profiling Data: An Effective Approach to Geoacoustic Modeling)

  • 장재경;김한준;주형태;석봉출;박건태;유해수;양승진
    • 한국해양학회지:바다
    • /
    • 제3권3호
    • /
    • pp.158-164
    • /
    • 1998
  • 광대역 주파수변조(wide-band FM) 선호를 음원으로 사용하는 Chirp sonar 시스템을 이용하여 획득한 음향반사 자료의 통계학적 처리를 통하여 해저면을 분류하였다. 음향학적 분류변수로서 Chirp 자료의 K-L(Karhunen-Lo$\grave{e}$ve) 변환을 이용하여 계산된 유사도 지수(similarity index)를 고안하였다. 유사도 지수는 근접한 트레이스 자료들에 포함된 공통된 반사신호성분의 양을 지시하므로 해저면 퇴적물의 성분에 따른 음향학적 거침도를 반영한다고 할 수 있다. 유사도 지수는 0에서 1사이의 값을 가지며, 각기 다른 퇴적상을 나타내는 지점에서 획득된 Chirp 자료를 처리한 결과, 퇴적물의 성분이 균질할수록, 입자의 크기가 작을수록, 그리고 연한 퇴적층일수록 증가하는 것을 관측할 수 있었다. 실제의 응용 예로서 제주도 성산포 해역을 이 방법으로 분류하였으며, 그 결과를 검증하기 위해 동일해역에서 획득된 side-scan sonar 자료 및 퇴적물로부터 해석된 해저면의 퇴적상과 비교하였다. 그 결과 음향자료의 유사도 지수에 의해 분류된 해저면은 실제의 퇴적상을 매우 잘 반영할 뿐만 아니라 퇴적물 성분의 특성에 따른 음향반응을 더욱 세밀히 나타내었다. 그러므로 이러한 방법은 음향자료로부터 직접 해저면을 분류하는 지질음향 모델링으로서 매우 효과적이다.

  • PDF

FLO-2D 모형을 이용한 우면산 토석류 유동 수치모의 (Run-out Modeling of Debris Flows in Mt. Umyeon using FLO-2D)

  • 김승은;백중철;김경석
    • 대한토목학회논문집
    • /
    • 제33권3호
    • /
    • pp.965-974
    • /
    • 2013
  • 2011년 7월 27일 우면산 유역에서 일련의 토석류가 발생하여 많은 인명과 재산 피해를 야기했다. 이러한 토석류 피해를 저감하기 위해서는 토석류가 어떻게 이동하고 퇴적되어 하류부에 피해를 주는지를 예측할 수 있는 기술이 필요하다. 이 연구에서는 우면산 토석류에 대해서 FLO-2D 수치모형을 적용하여, 모형의 성능을 평가하고, 이들 토석류의 유동 매개변수를 분석하였다. 우면산 북측사면에서 발생한 토석류의 현장 관측자료와 FLO-2D 모의 결과 분석을 통해서 역산된 우면산 토석류의 대표 항복응력은 1,022 Pa 그리고 대표 동점성은 652 $Pa{\cdot}s$ 인 것으로 나타났다. 선정된 매개변수를 이용하여 우면산 토석류의 퇴적영역을 산정한 결과, 래미안 유역의 경우 63 - 85% 정확도의 피해유역을 재현됨으로서 FLO-2D 모형은 피해유역 산정에 적합한 것으로 나타났다. 하지만, FLO-2D 모형이 침식물질과 우수의 연행작용을 고려할 수 없는 고유의 한계 때문에 연행작용이 현저한 래미안 및 신동아 유역 토석류의 유하속도는 과소평가하는 것으로 나타났다. 유하부에서 침식에 의한 연행작용이 활발하지 않은 형촌마을 유역 토석류는 수로와 저수지 상부 부근에서의 퇴적을 우수한 정확도로 모의되었다. 민감도 분석 결과 유사체적농도와 바닥조도계수 모두 토석류의 흐름두께와 유속 모두에 상당한 영향을 미치는 것으로 나났으므로, 이들 매개변수의 선정에 신중해야 함을 보여주었다.