Earticle

일반적으로 하천의 유량은 댐과 같은 수공구조물에 의해 조정된 유량으로 수자원계획을 위해서 필요한 자연유량과는 차이가 크다. 수자원계획을 수립함에 있어 자연 유입량 정보는 댐 운영과 수문분석을 위한 필수적인 정보이다. 본 연구에서는 댐 유역 일유입량 모의기법을 위한 통합 모형을 개발하였다. 첫째, 장기 강우-유출 모형의 입력강우자료로 사용하기 위하여 평균 및 중앙값과 같은 통계적 모멘트를 효과적으로 재현하고 극치 강우량 재현에 유리한 불연속 Kernel-Pareto 확률분포 기반의 강우모의기법을 통하여 강우모의를 수행하였다. 둘째, SAC-SMA 장기 강우-유출 모형의 매개변수를 Bayesian MCMC 기법을 통하여 최적화하여 산정된 매개변수의 사후분포를 활용하여 댐 유입량 시나리오 도출하였다. 댐 유역을 대상으로 개발된 모형을 평가한 결과 자연유량과 통계적으로 유사한 특성을 가지는 시나리오를 생성할 수 있었으며, 물수지 분석 등과 같은 수자원계획을 위한 시나리오로 활용이 가능할 것으로 판단된다.

Generally, a natural river discharge is highly regulated by the hydraulic structures, and the regulated flow is substantially different from natural inflow characteristics for the use of water resources planning. The natural inflow data are necessarily required for hydrologic analysis and water resources planning. This study aimed to develop an integrated model for more reliable simulation of daily dam inflow. First, a piecewise Kernel-Pareto distribution was used for rainfall simulation model, which can more effectively reproduce the low order moments (e.g. mean and median) as well as the extremes. Second, a Bayesian Markov Chain Monte Carlo scheme was applied for the SAC-SMA rainfall-runoff model that is able to quantitatively assess uncertainties associated with model parameters. It was confirmed that the proposed modeling scheme is capable of reproducing the underlying statistical properties of discharge, and can be further used to provide a set of plausible scenarios for water budget analysis in water resources planning.

추계학적 강수발생 및 모의기법은 수문학적 모형의 입력 자료로써 널리 이용되고 있다. 그러나 Modified Bartlett-Lewis Rectangular Pulse(MBLRP)와 같은 추계학적 포아송 클러스터 강수생성 모형에 대해서 국부최적화 방법을 통한 매개변수 추정 방법은 매개변수의 신뢰성에 상당한 영향을 주는 것으로 알려져 있다. 최근에는 MBLRP 모형의 국부해추정 문제를 해소하기 위하여 Particle Swarm Optimization (PSO) 또는 Shuffled Complex Evolution developed at The University of Arizona (SCE-UA) 등 매개변수 추정 성능이 우수한 전역최적화기법이 도입되고 있지만, 제한된 매개변수 공간에서 항상 신뢰성 있는 매개변수 추정이 가능한 것은 아니다. 뿐만 아니라, 모형의 매개변수들이 갖고 있는 불확실성에 관한 연구는 아직 충분히 논의되지 않았다. 이러한 관점에서 본 연구는 Bayesian 기법과 연계한 MBLRP 모형을 개발하였으며 각 매개변수들의 사후분포(Posterior Distribution)를 유도하여 매개변수가 내포하는 불확실성을 정량적으로 평가하였다. 그 결과 관측값에 대한 시간단위 이하 강수발생 통계치를 효과적으로 복원하고 있음을 확인할 수 있었다.

Stochastic rainfall generators or stochastic simulation have been widely employed to generate synthetic rainfall sequences which can be used in hydrologic models as inputs. The calibration of Poisson cluster stochastic rainfall generator (e.g. Modified Bartlett-Lewis Rectangular Pulse, MBLRP) is seriously affected by local minima that is usually estimated from the local optimization algorithm. In this regard, global optimization techniques such as particle swarm optimization and shuffled complex evolution algorithm have been proposed to better estimate the parameters. Although the global search algorithm is designed to avoid the local minima, reliable parameter estimation of MBLRP model is not always feasible especially in a limited parameter space. In addition, uncertainty associated with parameters in the MBLRP rainfall generator has not been properly addressed yet. In this sense, this study aims to develop and test a Bayesian model based parameter estimation method for the MBLRP rainfall generator that allow us to derive the posterior distribution of the model parameters. It was found that the HBM based MBLRP model showed better performance in terms of reproducing rainfall statistic and underlying distribution of hourly rainfall series.

유역의 신뢰성 있는 수자원계획을 수립하기 위해서는 장기간의 강수자료가 필수적으로 요구된다. 그러나 시간강수시계열의 경우 결측치가 상대적으로 많으며, 연속적인 시계열을 확보하는데 어려움이 있다. 이러한 점에서 본 연구에서는 대표적인 시간강수모의기법인 Neyman-Scott Rectangular Pulse Model (NSRPM) 기반의 강수모의기법을 활용하여, 모의기반의 장기강수자료를 생산할 수 있는 기법을 개발하고자 한다. 이와 더불어, 신뢰성 있는 면적강수량을 추정하기 위한 방안으로 유역 내 여러 지점의 강수량을 동시에 모의할 수 있는 다지점 시간강수모의기법을 개발하였다. 개발된 모형은 서울 우이천 유역 강수지점에 적용하여 모형의 적합성을 평가하였다. 모형 적용결과 다양한 지속시간에 대해서 강수량의 효과적인 모의(평균, 분산, 1차 자기상관계수)가 가능하였으며, 지점간의 공간성도 효과적으로 복원 가능하였다.

A long-term precipitation record is typically required for establishing the reliable water resources plan in the watershed. However, the observations in the hourly precipitation data are not always consistent and there are missing values within the time series. This study aims to develop a hourly rainfall simulator for extending rainfall data, based on the well-known Neyman-Scott Rectangular Pulse Model (NSRPM). Moreover, this study further suggests a multisite hourly rainfall simulator to better reproduce areal rainfalls for the watershed. The proposed model was validated with a network of five weather stations in the Uee-stream watershed in Seoul. The proposed model appeared a reasonable result in terms of reproducing most of the statistics (i.e. mean, variance and lag-1 autocovariance) of the rainfall time series at various aggregation levels and the spatial coherence over the weather stations.

Drought is a slow-varying natural hazard that is characterized by various factors such that reliable drought forecasting along with uncertainties estimation has been a major issue. In this study, we proposed a stochastic simulation technique based scheme for providing a set of drought scenarios. More specifically, this study utilized a nonstationary Hidden markov model that allows us to include predictors such as climate state variables and global climate model's outputs. The simulated rainfall scenarios were then used to generate the well-known meteorological drought indices such as SPI, PDSI and PN for the three dam watersheds in South Korea. It was found that the proposed modeling scheme showed a capability of effectively reproducing key statistics of the observed rainfall. In addition, the simulated drought indices were generally well correlated with that of the observed.

Recent climate change has increased the frequency and severity of flooding events, including super typhoons, localized heavy rainstorms, and torrential downpours. According to the Disaster Yearbook published by the Ministry of the Interior and Safety (MOIS), flood-related disasters, including heavy rain and typhoons, have accounted for 90% of total natural disaster damages over the past decade. The continuous and systematic collection of meteorological data (e.g., rainfall, water level, and flow rate) is crucial for hydrological analysis and forecasting to predict and prepare for floods. Flood control centers have established measurement systems to facilitate forecasting. These centers monitor hydrological data every 10 minutes at rainfall and water level observation stations and calculate runoff from rainfall to predict flood potential. Additionally, flood forecasts are issued when river water levels are anticipated to exceed flood warning or alert thresholds. However, compared to the flood forecasting systems currently in operation, predictive capabilities for runoff and flood volume in agricultural reservoirs are lacking. Improved flood forecasting for agricultural reservoirs and catchments is needed, utilizing meteorological forecasts and low water level measurement data. This study aims to apply a grid-based, distributed short-term hydrological model using weather forecast data, field-measured water level data, land cover data, Digital Elevation Model (DEM) data, and soil data. We will calibrate and validate a spatiotemporal rainfall-runoff analysis model for agricultural reservoirs.

수자원 관리를 위해 주로 사용되는 물리 모형은 입력자료의 구축과 구동이 어렵고 사용자의 주관적 견해가 개입될 수 있다. 최근 수자원 분야에서 이러한 문제점을 보완하기 위해 기계학습과 같은 자료기반 모델을 이용한 연구가 활발히 진행되고 있다. 본 연구에서는 관측자료만을 이용하여 강원도 삼척시 오십천 유역의 장기강우유출모의를 수행했다. 이를 위해 기상자료로 3개의 입력자료군(기상관측요소, 일 강수량 및 잠재증발산량, 일강수량 - 잠재증발산량)을 구성하고 LSTM (Long Short-term Memory)인공신경망 모델에 각각 학습시킨 결과를 비교 및 분석했다. 그 결과 기상관측요소만을 이용한 LSTM-Model 1의 성능이 가장 높았으며, 여기에 MLP 인공신경망을 더한 6개의 LSTM-MLP 앙상블 모델을 구축하여 오십천 유역의 장기유출을 모의했다. LSTM 모델과 LSTM-MLP 모형을 비교한 결과 두 모델 모두 대체적으로 비슷한 결과를 보였지만 LSTM 모델에 비해 LSTM-MLP의 MAE, MSE, RMSE가 감소했고 특히 저유량 부분이 개선되었다. LSTM-MLP의 결과에서 저유량 부분의 개선을 보임에 따라 향후 LSTM-MLP 모델 이외에 CNN등 다양한 앙상블 모형을 이용해 물리적 모델 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유황곡선 작성 등에 활용성이 높을 것으로 판단된다.

Physical models, which are often used for water resource management, are difficult to build and operate with input data and may involve the subjective views of users. In recent years, research using data-driven models such as machine learning has been actively conducted to compensate for these problems in the field of water resources, and in this study, an artificial neural network was used to simulate long-term rainfall runoff in the Osipcheon watershed in Samcheok-si, Gangwon-do. For this purpose, three input data groups (meteorological observations, daily precipitation and potential evapotranspiration, and daily precipitation - potential evapotranspiration) were constructed from meteorological data, and the results of training the LSTM (Long Short-term Memory) artificial neural network model were compared and analyzed. As a result, the performance of LSTM-Model 1 using only meteorological observations was the highest, and six LSTM-MLP ensemble models with MLP artificial neural networks were built to simulate long-term runoff in the Fifty Thousand Watershed. The comparison between the LSTM and LSTM-MLP models showed that both models had generally similar results, but the MAE, MSE, and RMSE of LSTM-MLP were reduced compared to LSTM, especially in the low-flow part. As the results of LSTM-MLP show an improvement in the low-flow part, it is judged that in the future, in addition to the LSTM-MLP model, various ensemble models such as CNN can be used to build physical models and create sulfur curves in large basins that take a long time to run and unmeasured basins that lack input data.

최근 기후변화로 인해 유역의 기상자료에 대한 반응이 달라지고 있어 강우-유출 모의에 대한 연구는 중요해지고 있다. 아울러 최근 기계학습 기법에 대한 높은 관심으로 이를 통한 강우-유출 모의 역시 활발하게 증가하고 있으나 기계학습 모형이 전통적으로 사용되어온 개념적 모형에 비해 활용성이 높은지는 아직 확실치 않다. 본 연구에서는 개념적 모형인 GR6J와 기계학습 모형인 Random Forest 성능을 한국 전역의 38개 계측 유역에 대해 계측 유역 예측기법과 미계측 유역 예측기법을 이용해 평가하였다. 먼저 계측 유역 적용기법 평가를 위해 각 모형을 관측 일 유량자료에 학습시키고 분리된 평가기간에 대한 모의성능을 비교하였다. 이후 미계측 유역 모의성능 평가를 위해 인접성 기반 지역화 방법을 Leave-One-Out Cross-Validation (LOOCV)을 이용해 평가하였다. 그 결과 계측 유역 평가에서는 Random Forest 기법이 GR6J 모형보다 일관되게 높은 성능을 보였다. 학습된 데이터를 출력 값으로 재생산하도록 구조화되어 있는 기계학습 기법이 개념적 이론을 통한 모형보다 높은 재현성을 갖기 때문으로 판단된다. 하지만 Random Forest 모형의 성능은 미계측 유역의 예측기법으로는 재현되지 않았고 GR6J 모형보다 성능이 더 낮은 것이 확인되었다. 본 연구는 기계학습 모형은 계측 유역의 유출예측에는 적용성이 높을 수 있으나 미계측 유역에 대한 적용가능성은 전통적인 개념적 모형보다 낮을 수 있음을 제시한다.

Recently, climate change has affected functional responses of river basins to meteorological variables, emphasizing the importance of rainfall-runoff simulation research. Simultaneously, the growing interest in machine learning has led to its increased application in hydrological studies. However, it is not yet clear whether machine learning models are more advantageous than the conventional conceptual models. In this study, we compared the performance of the conventional GR6J model with the machine learning-based Random Forest model across 38 basins in Korea using both gauged and ungauged basin prediction methods. For gauged basin predictions, each model was calibrated or trained using observed daily runoff data, and their performance was evaluted over a separate validation period. Subsequently, ungauged basin simulations were evaluated using proximity-based parameter regionalization with Leave-One-Out Cross-Validation (LOOCV). In gauged basins, the Random Forest consistently outperformed the GR6J, exhibiting superiority across basins regardless of whether they had strong or weak rainfall-runoff correlations. This suggest that the inherent data-driven training structures of machine learning models, in contrast to the conceptual models, offer distinct advantages in data-rich scenarios. However, the advantages of the machine-learning algorithm were not replicated in ungauged basin predictions, resulting in a lower performance than that of the GR6J. In conclusion, this study suggests that while the Random Forest model showed enhanced performance in trained locations, the existing GR6J model may be a better choice for prediction in ungagued basins.

소양강댐 유역의 관측유입량과 융설 모의의 포함 유무에 따른 모의 결과를 비교함으로써 적설 및 융설 모형의 필요성을 분석하였다. 사용한 융설 모형은 Sugawara 등의 개념적 융설 모형이고, 강우-유출 모형은 NWS-PC를 사용하였다. 모형의 매개변수는 다단계 자동보정법에 의해 추정하였고, 각 단계별로 SCE-UA 알고리즘에 의해 최적화되었다. 매개변수 추정시와 검증 모의에서 RMSE, PBIAS, NSE, PME 통계량은 융설을 포함한 모의가 그렇지 않은 모의보다 좋은 결과를 나타내었다. 소양강댐의 관측유입량은 약 두 달 이상의 자기상관성을 나타내었고, 융설을 포함하지 않은 경우에 모의된 유량시계열은 20일 정도의 자기상관성을 나타내었다. 융설을 포함한 경우의 모의유량 시계열은 관측 유량시계열과 유사하게 약 두 달 이상의 자기상관성을 나타내었다. 이와 같은 결과로 소양강댐 유역의 강우-유출 모의시 적설 및 융설 모형을 포함하여야 모형의 정확성을 향상시킬 수 있다.

The impact of snow accumulation and snowmelt in rainfall-runoff modelling was analyzed for the Soyanggang dam basin by comparing the measured and simulated discharges simulated by the NWS-PC model. Sugawara's conceptual model was used to simulate the snow accumulation and snowmelt phenomena and NWS-PC model was employed to simulate rainfall-runoff. Parameters in model calibration were estimated by the Multi-step Automated Calibration Scheme and optimized using SCE-UA algorithm in each step. The results of the model calibration and verification show that the model considering snowmelt process is better than the one without consideration of snowmelt under the performance criteria such as RMSE, PBIAS, NSE, and PME. The measured discharge time series has over 60 days of persistence. Correlograms for each simulation showed that the simulated discharge with snowmelt model reproduce the persistence closely to the measured discharge's while the one without snow accumulation and snowmelt model reproduce only 20 days of persistence. The study result indicates that the inclusion of snow accumulation and snowmelt model is important for the accurate simulation of rainfall-runoff phenomena in the Soyanggang dam basin.

홍수관리 측면에선 시공간 관점의 정량적인 강우·유출 해석과 단기간 내 집중되는 강우사상에 대한 유출 해석이 필요하다. 강우-유출 모형은 종류와 입력자료에 따라 모의·해석 결과가 달라진다. 특히 강우자료는 중요한 요소이기 때문에 면적 강우량 산정 기법이 매우 중요하다. 본 연 구는 산악지형에 위치한 삼척오십천 유역의 면적 강우량을 산술평균법, 티센 가중법 그리고 등우선법을 이용하여 산정하였으며, 분포형 모형인 S-RAT과 집중형 모형인 HEC-HMS에 적용하여 각 강우 유출 결과를 비교했다. 시간 전이성 검토 결과 분포형 모형과 등우선법 조합이 MAE 64.62 m³/s, RMSE 82.47 m³/s로 통계 성능이 가장 우수하였고, R² 와 NSE도 각각 0.9383, 0.8547로 높게 나왔다. 본 연구는 관측 유량과 모의 유량의 첨두홍수량 발생 시간이 1시간 이내이므로 적절하게 분석되었다고 판단된다. 따라서 연구 결과는 향후 빈도 해석에 활용할 수 있으며, 이를 토대로 경사가 급한 산악지형의 유역에 첨두홍수량 및 첨두홍수 발생 시간 모의 정확도를 개선할 수 있을 것으로 사료된다.

In terms of flood management, it is necessary to analyze quantitative rainfall and runoff from a spatial and temporal perspective and to analyze runoff for heavy rainfall events that are concentrated within a short period of time. The simulation and analysis results of rainfall-runoff models vary depending on the type and input data. In particular, rainfall data is an important factor, so calculating areal mean rainfall is very important. In this study, the areal mean rainfall of the Samcheok Osipcheon(Riv.) watersheds located in the mountainous terrain was calculated using the Arithmetic Mean Method, Thiessen's Weighting Method, and the Isohyetal Method, and the rainfall-runoff results were compared by applying the distributional model S-RAT and the lumped model HEC-HMS. The results of the temporal transferability study showed that the combination of the distributional model and the Isohyetal Method had the best statistical performance with MAE of 64.62 m³/s, RMSE of 82.47 m³/s, and R² and NSE of 0.9383 and 0.8547, respectively. It is considered that this study was properly analyzed because the peak flood volume occurrence time of the observed and simulated flows is within 1 hour. Therefore, the results of this study can be used for frequency analysis in the future, which can be used to improve the accuracy of simulating peak flood volume and peak flood occurrence time in mountainous watersheds with steep slopes.

In this study, we developed real-time urban stream discharge forecasting model using short-term rainfall forecasts data simulated by a regional climate model (RCM). The National Centers for Environmental Prediction (NCEP) Climate Forecasting System (CFS) data was used as a boundary condition for the RCM, namely the Global/Regional Integrated Model System(GRIMs)-Regional Model Program (RMP). In addition, we make ensemble (ESB) forecast with different lead time from 1-day to 3-day and its accuracy was validated through temporal correlation coefficient (TCC). The simulated rainfall is compared to observed data, which are automatic weather stations (AWS) data and Tropical Rainfall Measuring Mission (TRMM) Multisatellite Precipitation Analysis (TMPA 3B43; 3 hourly rainfall with $0.25^{\circ}{\times}0.25^{\circ}$ resolution) data over midland of Korea in July 26-29, 2011. Moreover, we evaluated urban rainfall-runoff relationship using Storm Water Management Model (SWMM). Several statistical measures (e.g., percent error of peak, precent error of volume, and time of peak) are used to validate the rainfall-runoff model's performance. The correlation coefficient (CC) and the Nash-Sutcliffe efficiency (NSE) are evaluated. The result shows that the high correlation was lead time (LT) 33-hour, LT 27-hour, and ESB forecasts, and the NSE shows positive values in LT 33-hour, and ESB forecasts. Through this study, it can be expected to utilizing the real-time urban flood alert using short-term weather forecast.

태풍은 열대태평양 지역에서 발생하여 북상하면서 우리나라에 영향을 끼치게 되며, 태풍이 우리나라를 지나면서 강풍과 호우를 통하여 자연재해를 유발시키게 된다. 따라서 본 연구에서는 태풍으로 인해 발생하는 호우 사상을 여러 통계적 기법을 통해 정량적으로 평가하였다. 첫 번째로 빈도해석을 통해 확률강우량과 태풍 확률강우량을 산정하여 비교하였다. 두 번째로 미공병단에서 개발한 EST 기법을 통해 태풍의 극치강우량을 평가하여 EST 확률강우량을 산정하였다. 마지막으로 비매개변수적 모의발생기법과 지역가중다항식을 결합하여 태풍에 의한 NL 확률강우량을 추정하였다. 분석결과에서 대상지점 중에서 강릉과 목포는 태풍의 영향을 다른 지점에 비해 많이 받으며, 서울과 인천은 태풍에 의한 호우의 영향이 미비한 것으로 나타났다. 또한, EST 확률강우량과 NL 확률강우량은 관측 자료를 이용하여 장기간의 모의를 통하여 quantile을 산정하므로 주요 수공구조물과 태풍의 영향이 큰 지역에서는 이를 검토할 필요성이 있으며, 태풍특성인자의 모의를 통하여 강우량을 평가하므로 지구온난화 등에 따른 기후변화의 영향에 대한 연구에 활용 할 수 있다.

Typhoons occurred in the tropical Pacific region, these might be affected the Korea moving toward north. The strong winds and the heavy rains by the typhoons caused a natural disaster in Korea. In the research, the heavy rainfall events based on typhoons were evaluated quantitative through various statistical techniques. First, probability precipitation and typhoon probability precipitation were compared using frequency analysis. Second, EST probability precipitation was calculated by Empirical Simulation Techniques (EST). Third, NL probability precipitation was estimated by coupled Nonparametric monte carlo simulation and Locally weighted polynomial regression. At the analysis results, the typhoons can be effected Gangneung and Mokpo stations more than other stations. Conversely, the typhoons can be effected Seoul and Inchen stations less than other stations. Also, EST and NL probability precipitation were estimated by the long-term simulation using observed data. Consequently, major hydrologic structures and regions where received the big typhoons impact should be review necessary. Also, EST and NL techniques can be used for climate change by the global warming. Because, these techniques used the relationship between the heavy rainfall events and the typhoons characteristics.

본 연구는 저빈도·고강도의 확률강우량 산정을 위해, 대규모 기후 앙상블 모의실험으로 생성된 d4PDF (Data for Policy Decision Making for Future Change)를 적용하는 것을 목적으로 수행되었다. 또한, d4PDF를 이용하여 산정된 확률강우량과 관측 자료 및 빈도해석을 통해서 산정된 확률강우량을 비교함으로써 빈도해석 과정의 적용에 따라 발생하는 불확실성을 분석하였다. 이와 같은 연구는 금산, 임실, 전주, 장수 관측소를 대상으로 수행되었다. d4PDF 자료는 총 50개의 앙상블로 구성되어있으며, 하나의 앙상블은 60년동안의 기상자료를 제공하기 때문에 한 지점에서 3,000개의 연 최대 일 강우량을 수집하는 것이 가능했다. 이와 같은 d4PDF의 특징을 토대로 본 연구는 빈도해석 방법을 적용하지 않고, 3000개의 연 최대 일강수량을 비모수적 접근법(Non-parametric approach)에 따라 규모별로 나열하여, 10년부터 1000년의 재현기간을 갖는 확률강우량을 산정했다. 그 후, 관측 자료와 Gumbel 및 GEV (General extreme value) 분포를 토대로 산정된 확률강우량과의 편차를 산정하였다. 그 결과, 재현기간과 관측 기간의 차이가 증가할수록 이 편차가 증가하였으며, 이 결과는 짧은 관측 기간과 빈도해석의 적용은 재현기간이 증가할수록 신뢰하기 어려운 확률강우량을 제시한다는 것을 의미한다. 반면에, d4PDF는 대규모 표본을 이용함으로써 이와 같은 불확실성을 최소화시켜 합리적인 저빈도·고강도의 확률강우량을 제시하였다.

The purpose of this study is to apply the d4PDF (Data for Policy Decision Making for Future Change) constructed from a large-scale ensemble climate simulation to estimate the probable rainfall with low frequency and high intensity. In addition, this study analyzes the uncertainty caused by the application of the frequency analysis by comparing the probable rainfall estimated using the d4PDF with that estimated using the observed data and frequency analysis at Geunsam, Imsil, Jeonju, and Jangsu stations. The d4PDF data consists of a total of 50 ensembles, and one ensemble provides climate and weather data for 60 years such as rainfall and temperature. Thus, it was possible to collect 3,000 annual maximum daily rainfall for each station. By using these characteristics, this study does not apply the frequency analysis for estimating the probability rainfall, and we estimated the probability rainfall with a return period of 10 to 1000 years by distributing 3,000 rainfall by the magnitude based on a non-parametric approach. Then, the estimated probability rainfall using d4PDF was compared with those estimated using the Gumbel or GEV distribution and the observed rainfall, and the deviation between two probability rainfall was estimated. As a result, this deviation increased as the difference between the return period and the observation period increased. Meanwhile, the d4PDF reasonably suggested the probability rainfall with a low frequency and high intensity by minimizing the uncertainty occurred by applying the frequency analysis and the observed data with the short data period.

최근 기후변화로 인한 이상강우의 빈도와 강도가 증가함에 따라, 소양호에서는 매년 탁수 현상이 반복적으로 발생하고 있다. 본 연구는 이상강우 발생시 부유물질(Suspended sediment, SS)의 발생과 유출을 보다 정확히 예측하기 위해 물리기반 유역모델 STREAM을 기반으로 한 앙상블 유역모델을 구축하고, 단일 모델 대비 예측 성능과 불확실성 저감 효과를 평가하였다. 증발산, 토양수분함량 및 수리전도도, 침투, 유사이동 과정을 서로 다른 물리식으로 조합하여 총 72개의 앙상블 유역모델(18개 수문모델 × 4개 유사모델)을 구성하였으며, 북한강 상류 소양호 유역을 대상으로 2017-2024년 기간 동안 1시간 간격으로 모의를 수행하였다. 그 결과, 기준 STREAM 단일모델에 비해 앙상블 모델의 평균값 적용 시 유량은 PBIAS가 45.5%에서 38.8%로 개선되는 모습을 보였으며, SS 농도의 경우 72개 모델의 중앙값 적용 시 R²=0.26, RMSE=146.4 mg/L, PBIAS=6.9%로 단일모델(R²=0.17, RMSE=209.0 mg/L, PBIAS=-87.2%) 대비 크게 향상되었다. 이는 앙상블 접근법이 복잡한 매개변수 보정 과정에 소요되는 시간과 불확실성을 줄이면서도, 단일 물리기반 모델 이상의 예측 신뢰도와 안정성을 확보할 수 있음을 보여준다. 따라서 제안된 앙상블 유역모델은 이상강우 발생시 탁수 예측의 효율적 대안으로 활용될 수 있으며, 향후 데이터 기반 기법과의 결합을 통해 더욱 고도화된 예측체계 구축이 가능할 것으로 기대된다.

In recent years, the frequency and intensity of extreme rainfall events have increased due to climate change, leading to recurring occurrences of turbid water in the Soyang Lake watershed. This study aimed to improve the prediction accuracy of suspended sediment (SS) generation and transport during extreme rainfall events by developing an ensemble watershed model based on the physically based STREAM model, and by evaluating its predictive performance and uncertainty reduction compared with a single model. The ensemble model was constructed by combining different physical formulations for evapotranspiration, soil water retention and hydraulic conductivity, infiltration, and sediment transport processes, resulting in 72 ensemble watershed models (18 hydrologic models × 4 sediment models). Simulations were performed for the upper Soyang Lake watershed using an hourly time step for the 2017-2024 period. As a result, the ensemble mean discharge showed improved performance, with PBIAS decreasing from 45.5% to 38.8% compared to the base single STREAM model. For SS concentration, the ensemble median achieved an R² of 0.26, RMSE of 146.4 mg/L, and PBIAS of 6.9%, which markedly outperformed the single model (R²=0.17, RMSE=209.0 mg/L, PBIAS=-87.2%). These results indicate that the ensemble approach can enhance predictive reliability and stability while reducing the time and uncertainty associated with complex parameter calibration in traditional physically based models. Therefore, the proposed ensemble watershed modeling framework can serve as an efficient alternative for turbidity prediction under extreme rainfall conditions, and its integration with data-driven techniques is expected to further advance the accuracy of ensemble-based predictions.

산불이 발생하면 토양발수층이 생성되어 지표면 유출이 늘어나고 토양침식이 증가하 지만, 시간이 지남에 따라 토양발수층의 효과는 사라지고 지표면을 덮은 재(ash)층의 영향이 중요시된다. 이 연구에서는 실트펜스를 이용하여 산불피해지와 미피해지의 토 사유출량 시기별 변화를 조사하였고, 인공강우실험을 통해 산불 발생 후 지표유출량과 토양침식량을 변화량을 측정하였으며, 재 층의 변화를 살펴보기 위해 지표유출수의 총 유기탄소의 농도를 조사하였다. 실트펜스 측정자료에 의하면 산불 직후 산불피해지의 토양침식량이 미피해지보다 많았으나 1개월 이후에는 뚜렷한 영향이 발견되지 않았다. 인공강우실험에 의하면 지표유출량은 산불 직후 급격히 증가한 이후에 감소하였으며, 다시 증가하는 것으로 나타났다. 이는 산불에 의해 생성된 토양발수층이 초기에 토양 침투량을 감소시켜 지표유출량을 증가시켰으며, 그 이후 토양발수층이 사라지면 재 층 의 의한 강우량 저류가 현저하게 나타나 지표유출량을 감소시킨다. 시간이 경과함에 따라 재 층이 사라지게 되면 지표유출량이 증가하여 산불 이전의 수준 (미피해지)에 도달한다. 토양침식량 변화도 이러한 경향을 잘 따르고 있으며 총 유기탄소의 농도 변 화를 통해 강우에 의한 재 층의 유실을 파악하였다.

Water repellency in burnt soils leads to an increase in surface runoff and associated soil erosion during storm periods. As time goes, water repellency is destructed, and hydrologic and erosion processes is mainly related to ash layer than water repellency layer. This study was conducted to examine the short-term changes in soil erosion on burnt and unburnt forest soils. Amounts of surface runoff and soil erosion were measured on burnt and unburnt soil by using rainfall simulation experiments, and TOC concentrations in surface runoff were also measured to know the effects of ash layer on hydrologic and soil erosion processes. Observed soil erosion amount was much more in burnt soils than unburnt soils after a fire, but the discrepancy could be reduced in a few months. Rainfall simulation experiments showed that surface runoff was increased due to water repellent in soils, and then decreased with repellency destruction and a thicker layer over soil surface. Ash layer can retained water and reduce runoff potential. As ash layer was blown away by wind and flowing water, runoff was gradually increased and then reached to the hydrologic capability of unburnt soils. Soil erosion also followed the same trend as surface runoff, and TOC concentrations varied according to the thickness of ash layer.

최근 연속적인 태풍에 의한 일련의 극한 호우 사상으로 홍수가 발생하였고, 이로 인해 인명과 막대한 재산피해가 발생하였다. 본 연구에서는 연속 호우 사상으로 인해 발생한 극한홍수를 거대홍수라고 정의하고, 일정 시간 간격으로 극한 호우 사상이연속적으로 발생 될 수 있음을 가정하여 가상의 거대홍수 시나리오를 구성하였다. 최소 무강우 시간 결정(Inter Event Time Definition, IETD)방법을 사용하여 연속적인 강우의 시간 간격을 결정하였으며, IETD에 의해 산정된 시간 간격 안에서 호우사상을 연속적으로 발생시켜 평창강 유역을 대상으로 거대홍수를 모의하였다. 즉, (1) 기록된 극한 호우 사상의 연속적인발생 (2) 기왕 자료를 기반으로 빈도해석에 의해 산정된 설계 호우 사상의 연속적인 발생을 가정하여 거대홍수를 모의하였다. 연속 호우 사상으로 인한 거대홍수는 단일 호우 사상으로 인한 일반 홍수에 비해 6∼17%의 홍수량이 증가하는 것으로 나타났다. 앞의 호우 사상으로 인한 홍수량에 비해 뒤에 오는 호우로 인한 홍수량의 증가는 많지 않지만, 연속적인 호우는 두 번의홍수피해를 가져오므로 가상의 거대홍수로 인한 홍수 피해는 매우 클 것으로 판단된다. 따라서 본 연구와 같이 가상의 강우시나리오를 통해 예상하지 못한 연속적인 홍수 재해와 같은 비상 상황에 대비할 방안을 마련할 필요가 있을 것으로 사료된다.

In recent, the series of extreme storm events were occurred by those continuous typhoons and the severe flood damages due to the loss of life and the destruction of property were involved. In this study, we call Mega flood for the Extreme flood occurred by these successive storm events and so we can have a hypothetical Mega flood by assuming that a extreme event can be successively occurred with a certain time interval. Inter Event Time Definition (IETD) method was used to determine the time interval between continuous events in order to simulate Mega flood. Therefore, the continuous extreme rainfall events are determined with IETD then Mega flood is simulated by the consecutive events : (1) consecutive occurrence of two historical extreme events, (2) consecutive occurrence of two design events obtained by the frequency analysis based on the historical data. We have shown that Mega floods by continuous extreme rainfall events were increased by 6-17% when we compared to typical flood by a single event. We can expect that flood damage caused by Mega flood leads to much greater than damage driven by a single rainfall event. The second increase in the flood caused by heavy rain is not much compared to the first flood caused by heavy rain. But Continuous heavy rain brings the two times of flood damage. Therefore, flood damage caused by the virtual Mega flood of is judged to be very large. Here we used the hypothetical rainfall events which can occur Mega floods and this could be used for preparing for unexpected flood disaster by simulating Mega floods defined in this study.

최근 강우의 공간분포와 이동 및 발달상황을 파악할 수 있는 레이더강우 자료의 활용이 수문학분야에서 주목받고 있지만, 레이더 강우자료는 지상강우자료와 비교하여 자료의 신뢰성 확보가 되지 않아 실제 자료의 운 용 및 적용에 어려움이 있다. 따라서 수문해석 분야에서는 레이더 강우를 활용하기 위해 레이더강우를 지상강우 와 합성하여 보정하고 있다. 본 연구에서는 MFB(Mean-Field Bias)보정기법과 SOA(Statistical Objective Analysis)보정기법을 이용해 2010년 8월의 강우사상에 대하여 시공간 분포를 적절하게 표현할 수 있는 격자형 레이더 강우시계열자료를 생성하였다. 또한, 기존의 집중형 수문모형보다 유역내의 공간적인 유량변동을 보다 상 세하게 고려할 수 있는 격자기반의 분포형모형(Vflo)을 국내 유역(낙동강권역 : 감천유역(1005km2))에 적용하여, 모의유출량과 관측유출량의 비교를 통해 레이더강우자료의 활용성 및 보정방법의 정확도를 평가하고자 하였다. 각 보정방법에 의한 첨두유량 오차는 20% 내외, 모델효율은 60~80% 수준으로 나타났으며, 특히 SOA방법을 통 해 보정된 격자형 레이더 강우자료는 유출모형의 입력 자료로서 수문학적 활용성이 있음을 확인할 수 있었다.

Recently, the use of radar rainfall data that can help tracking of the development and movement of rainfall's spatial distribution is drawing much attention in hydrology. The reliability of existing radar rainfall compared to gauge rainfall data on the ground has not yet been confirmed and so we have difficulties to apply the radar rainfall in hydrology. The radar rainfall for the applications in hydrology are adjusted merging method derived from gage. This study uses the Mean-Field Bias (MFB) and Statistical Objective Analysis (SOA) as correction methods to create adjusted grid-based radar rainfall data which can represent the temporal and spatial distribution of rainfall. This study used a storm event occurred in August 2010 for the adjustment of radar rainfall. In addition, the grid-based distributed rainfall-runoff model (Vflo), which enables more detailed examinations of spatial flux changes in the basin rather than the lumped hydrological models, has been applied to Gamcheon river basin which is a tributary of Nakdong River located in south-eastern part of the Korean peninsular and the basin area is 1005km2. The simulated runoff was compared with the observed runoff in an attempt to evaluate the usability of radar rainfall data and the reliability of the correction methods. The error range of peak discharge using each correction method was within 20 percent and the efficiency of the model was between 60 and 80 percent. In particular, the SOA method showed better results than MFB method. Therefore, the SOA method could be used for the adjustment of grid-based radar rainfall and the adjusted radar rainfall can be used as an input data of rainfall-runoff models.

강우-유출 모의 및 예측의 목적은, 가뭄과 홍수와 같은 수해 방지를 위해 통합수자원관리의 효율적인 구현을 실시하여야 한다. 따라서 신뢰성 있는 하천유출량을 제공함으로써 수량, 수질, 환경, 생태 등을 망라한 종합적인 유역관리 수행을 위한 의사결정과정(Decision Support System, DSS)의 토대를 구축하고자 하는 것이다. 일단위 강우-유출을 연속적으로 모의할 수 있는 수문학적 강우-유출모형인 RRFS(Rainfall-Runoff Forecasting System)를 활용하여 농업용수 등 유역내 용수수요량과 3개 저수지를 고려한 인도네시아 찌타룸 유역을 대상으로 장기 유출모형을 구축하고 ESP 기법을 활용하여 확률 유량 예측 모의를 수행하여 그 적용성을 검토하였다.

The main purposes of rainfall-runoff simulation and prediction are to provide the reliable stream flow discharges with DSS(the decision support system) for performing the integrated watershed management considering water quantity, water quality and aquatic environment and ecology. In this study the long-term hydrological rainfall-runoff model, so called RRFS which is able to continuously simulate the daily runoff, is set to the Citarum river basin in Indonesia taking into account the water uses, especially irrigation, and the three reservoirs operation. The probabilistic runoff prediction is also performed by ESP(the ensemble stream-flow prediction) within the framework of RRFS and the results are validated.

최근 공간적으로 지역적 편차가 심한 형태의 강우가 빈번히 발생하고 있으며, 기존 지점관측방식의 지상우량 관측망으로 는 강우의 발생 및 이동을 고려한 공간적인 편차를 정확히 관측하는 것이 어렵다. 따라서 본 연구에서는 강우의 시․공간 적인 분포를 고려할 수 있는 레이더 강우를 도시 소유역에 적용하여 유출을 모의 하고자 하였다. 서울시 구로구 일대를 대상지역으로 선정하였으며, AWS (Automatic Weather Station)를 기준으로 소유역을 분할한 후, 지상 강우를 이용하여 레 이더 강우자료를 보정하였다. 보정된 레이더 강우를 토대로 소유역별 면적강우량을 산정하였고, 도시배수시스템을 고려할 수 있는 XP-SWMM 모형을 이용하여 유출모의를 실시하였다. 소유역별로 보정된 레이더 강우자료는 지상강우량의 60~95% 수준을 나타내었다. 물론 강우의 양적인 차이로 인해 전체 유출량에 차이가 존재하였으며, 특히, 첨두유출량의 발생시각이 빨라짐을 확인할 수 있었다. 본 연구는 레이더 강우를 도시유출 모형에 활용한 사례로 도심지의 홍수유출 예 측을 위한 기술적 기초자료로 활용될 수 있을 것이다.

In recent, the rainfall is showing different properties in space and time but the ground rain gauge only can observe rainfall at a point. This means the ground rain gauge has the limitations in spatial and temporal resolutions to measure rainfall and so there is a need to utilize radar rainfall which can consider spatial distribution of rainfall This study tried to apply radar rainfall for runoff simulation on an urban drainage system. The study area is Guro-gu, Seoul and we divided study area into subbasins based on rain gauge network of AWS(Automatic Weather station). Then the radar rainfalls were adjusted using rainfall data of rain gauge stations the areal rainfalls were obtained. The runoffs were simulated by using XP- SWMM model in subbasins of an urban drainage system. As the results, the adjusted radar rainfalls were underestimated in the range of 60 to 95% of rain gauge rainfalls and so the simulated runoffs from the adjusted radar and gauge rainfalls also showed the differences. The runoff peak time from radar rainfall was occurred more fast than that from gauge rainfall.

본 연구에서는 도시 소유역에 위치한 배수펌프장의 집중호우 시 운영 개선방안을 도출하기 위한 기초연구로서 강우유출을 모의하고자 하였다. 이를 위해 GIS 근간의 강우유출 모의 모델인 HEC-HMS를 활용하였으며, 2001년 7월 구리시에 발생한 집중호우에 대한 홍수유출수문곡선을 모의 할 수 있었다. 이때 강우유출 모의에 필요한 유역의 토지이용현황, 토양형 및 유출곡선지수 등의 모델 입력 자료는 ArcView GIS 툴과 수치지도 자료를 활용하여 산정할 수 있었다.