본 연구는 강우에 기인한 연안역의 토사 및 영양염류 유출에 관한 현지관측과 대안[오끼나와 이시가키섬]이며, 이론 통한 유출지형분석 강우강도·조석과의 영향, 유출입자의 특성(탁도, 입도, 영양염류) 등을 확인하였다. 연안부의 토사 유출과 영양 염류의 농도는 강우강도와 조수간만의 시간적 변화에 따라 지역적 차이를 보였으며, 하천유역 주변 토지 이용형태와 주변 식생의 분포비율에 따라 변화되어지고 있음을 확인할 수 있었다.

빈번하게 발생하고 있는 산불은 산지유역에 과도한 토사유출 문제를 일으키고 있다. 산불 이후 산지사면에서 강우에 의한 토사유출은 지표식생인자에 의해 지배되며 지표식생은 시간의 경과에 따라 점차 회복되고 이는 토사유출을 저감시킨다. 본 연구에서는 민감도를 강우에너지에 대한 유출 및 토양침식량의 비로 정의하고, 지표인자 변화에 따른 유출 및 토양침식 민감도의 특성을 분석하였다. 그 민감도에 대한 매개변수들의 상관관계를 분석한 결과 지표식생지수와의 상관성이 가

수문학적 모델에 대한 연구보고에 의하면 유출량 모의 측면에서 집중형 모형은 분포형 모형보다 적용성이 좋다고 볼 수 있다. 분포형모형은 컴퓨터 계산환경 및 현장 실험이 허용하는 범위내에서 지형인자를 단순화하여야만 하기 때문에 양적인 오차를 가진다. 하지만 공간적 지형인자를 고려한다는 측면에서 분포형모형은 지표수 흐름을 분석하는데 더욱 효과적이다. 본 연구의 목적은 흐름의 특성을 결정짓는 최소한의 지형인자(흐름경사, 방향, 누적도)를 고려한 저류함수를 이용

해안을 통하여 유출되는 지하수량은 하천 유출량에 비하여 상대적으로 크기는 작으나 해안 지역의 지하수자원의 개발과 연안의 오염과 관련하여 중요성을 가진다. 선행 연구에서는 관측정 수위, 투수계수 등의 간단한 자료만을 가지고 지하수의 해안 유출량을 평가하는 방법을 제시하였다 본 연구에서는 남해안과 서해안과 같이 해안선의 형태가 복잡한 경우에 평균동수경사, 해안선의 폭과 담수층의 평균 두께를 산정하는 방법을 제시하여 지하수 해안유출량 평가의 정확도를 높이는

본 연구에서는 금강홍수통제소의 홍수조절 주요지점인 금강수계의 미호천 유역(석화 수위관측소)을 대상유역으로 선정하였다. GIS와 결합된 홍수유출모형인 WMS를 이용하여 수문학적 지형특성인자를 추출하였으며, 유출해석은 WMS에 내재된 HEC-1을 이용하였다. 유효강우량의 산정을 위해 SCS의 CN 값을 사용하였으며, 합성단위도법으로는 Clark, Snyder 및 SCS 무차원 단위도법을 사용하였다. 본 연구에서는 실측 수문곡선과의 검증을 통해 미계측 유역에

두개의 지표면과 그 사이에 있는 하도로 이루어진 유역을 가정하여 이동강우에 대한 유출을 운동파 이론을 적용하므로서 해석하여 다양한 강우이동속도의 경우를 비교 분석하였다. 이동강우는 하천의 상류방향, 하류방향, 횡방향으로 0.25∼2.0m/s의 속도로 이동시켰으며, 이때 강우분포형은 균등분포형, 전진형, 지연형, 중앙집중형을 적용하였다. 횡방향 이동강우의 경우에 첨두유량이 가장 크게 나타났고, 상류방향의 이동강우에 대한 첨두유량이 가장 작게 나타났다. 강

본 논문에서는 신경망 모형을 이용해서 개발된 홍수유출 예측 시스템의 적용성을 검토하였다. 홍수유출 예측을 위한 신경망 모형을 공주, 부여지점에 적용하였으며, 신경망 모형을 입력층, 은닉층, 출력층으로 구성하였다. 입력층에는 강우자료와 홍수량 자료를 출력층에는 홍수유출량이 예측되도록 구성하였다. 홍수유출 예측 시스템 구성시 예측모형 선정을 위해 신경망 모형과 상태공간 모형을 이용하여 홍수시 실시간 하천유출량 예측을 수행하였다. 두 모형의 예측결과 비교시

본 연구는 개념적 준분포형 모형인 SLURP 모형의 소양강댐유역의 적용가능성에 대해 다루었다. SLURP모형은 강우의 시공간적 변화를 반영하여 강우-유출을 해석하여 관개계획 및 수자원 관리 효과를 판단할 수 있는 준분포형 모형이다. DEM으로부터 지형분석프로그램인 TOPAZ/SLURPAZ와 연계하여 빠르고 쉽게 지형매개변수와 지형자료를 획득할 수 있다. NOAA/AVHRR 위성영상을 이용하여 월별 NDVI를 산출하였으며, 대상유역 주변의 5개의 기상 관

The Neural Network Models which mathematically interpret human thought processes were applied to resolve the uncertainty of model parameters and to increase the model's output for the streamflow forecast model. In order to test and verify the flood discharge forecast model eight flood events observed at Kumho station located on the midstream of Kumho river were chosen. Six events of them were used as test data and two events for verification. In order to make an analysis the Levengerg-Marquart method was used to estimate the best parameter for the Neural Network model. The structure of the model was composed of five types of models by varying the number of hidden layers and the number of nodes of hidden layers. Moreover, a logarithmic-sigmoid varying function was used in first and second hidden layers, and a linear function was used for the output. As a result of applying Neural Networks models for the five models, the N10-6model was considered suitable when there is one hidden layer, and the N10-9-5model when there are two hidden layers. In addition, when all the Neural Network models were reviewed, the N10-9-5model, which has two hidden layers, gave the most preferable results in an actual hydro-event.

본 연구(II)에서는 앞선 연구(I)에서 개발된 모형의 적용성을 증명하기 위해 2가지 등경사 가상유역에 대해 적용하였다. 먼저, 불투수조건의 1차원 흐름 추적에 대해 적용하고, 두 번째로 원추모양의 일부분처럼 되어있는 V자형 불투수 가상유역에 2차원 흐름추적을 적용하였다. 각자의 경우에서 모형의 결과와 관측치는 잘 일치하였다. 또한, 본 도형을 8의 유역면적을 가지는 설마천 유역과 33.2의 유역면적을 가지는 동곡 유역에 각각 적용하였고, 모의된 결과는

본 연구의 목적은 유역에서의 강우-유출 과정 모의를 위해 GIS에 기반을 둔 2차원 강우-유출 해석모형의 개발이다. 본 연구가 추구하는 세부 목표는 첫째, 강우--유출해석을 위한 2차원 모형을 개발하고, 둘째, 개발된 모형과 GIS를 연계하는 것이다. 모형에 포함된 수식화 과정은 다음의 네 가지로 요약학 수 있다. 시공간적으로 분포하는 강우의 처리과정과 침투과성, 유역의 유출을 추적하기 위한 1, 4, 8방향 흐름 추적과정, 그리고 하도 추적을 위한 1

온실기체의 증가에 따른 기후변화로 인해 유역에서의 물순환이 과거와는 다른 패턴을 보이고 있다. 그러나 현재의 수자원 계획 및 관리에는 기후변화의 영향이 포함되어 있지 않다. 이에 본 연구에서는 기후변화의 영향이 유역의 물순환에 어떻게 영향을 주는지를 검토하였다. 본 연구는 기존의 여러 가지 배증 상태의 GCM(General Circulation Model) 모의결과를 이용하여 기온 및 강수량 자료를 Markov 연쇄에 의해 모의발생 하였다. 또 강우-유

국내의 경우 전국적으로 관거의 신설보다는 기존에 매설되어있는 관거의 노후에 따른 개량에 대한 관심이 증대되고 있으나, 그에 따른 연구는 미비한 실정이다. 국내ㆍ외에서는 유전자 알고리즘을 이용하여 개량시기를 결정하는 연구 예가 있으나, 이러한 연구에서 개량시기를 결정하는 요소들이 매우 단순하여 관거의 노후에 따른 복합적인 의사결정이 이루어지지 않고 있다. 본 연구에서는 관거별 통수능력 및 불명수 발생량을 산정하여 배수분구내 토구별 최적 개량 우선순위를 결

도시유역 하수처리장의 효율을 저감시키는 가장 큰 요인은 하수관내에 발생하는 불명수(Inflow /Infiltration, Ⅰ/Ⅰ)이다. 불명수 저감방안 수립을 위해서는 관로 개개 시설에 대한 조사를 통해 불명수 유입량을 산정해야 한다 그러나, 국내의 경우 재정적, 시간적 한계로 인해 표본조사 결과를 과업대상 전지역에 확대 적용하여 불명수 저감방안을 수 립하고 있다. 이러한 국내의 불명수 산정 방법은 사업대상 전지역의 불명수 총량에 따른 고려만 이루어질

본 연구는 기후변화가 유역의 유출량과 수자원에 미치는 영향을 조사하고 평가하는데 목적이 있다. 이를 위하여 먼저, YONU GCM의 제한실험과 점증실험을 실시하여 전구적 규모의 기후변화 시나리오를 작성하였으며, 통계학적 축소기법과 추계학적 일기발생기법을 이용하여 대상지점의 일 수문기상 시계열을 모의하였다. 이렇게 얻은 시계열자료를 2CO2 상황에서의 유출량자료로 변환하기 위해 준 분포형 강우-유출 모형인 SLURP 모형에 입력하였다. 본 연구에서는 이

본 연구에서는 우수유출수의 도시하천 유지유량 활용을 위한 지하저류시스템을 개발하고 실험을 통하여 적용성을 검토하였다. 이를 위해 5m5m 크기의 유출면적에 인공강우장치와 지하저류시설을 설치하고, 인공강우 실험과 실제 강우 실험을 통하여 유출수의 수질개선 효과와 저류 효과를 분석하였다. 강우강도를 20mm/hr, 30mm/hr, 40mm/hr, 50mm/hr로 조절하여 인공강우 실험을 실시한 결과, 지하저류시스템에 의한 유출수의 SS농도 저감은 평균 68

본 연구는 비선형성이 강한 강우-유출의 특성을 고려하여 홍수시 하도의 유출을 예측하고 하천유역의 홍수예경보에 이용하기 위하여 신경망 시스템의 모형화 가능성을 검증하였다. 신경망을 이용한 실시간 하도홍수 예측모형(Neural River Discharge-Stage Forecasting Mudel; NRDFM)은 낙동강 유역의 왜관 및 진동 지점의 홍수량 예측에 적용하였다. NRDFM에 의한 하도홍수량의 왜관 및 진동 지점 예측결과를 실측치와 비교검토한 결

수자원 분야에서 GIS를 이용한 유역의 지형인자 추출 및 수문모형의 매개변수 추출에 대한 많은 연구가 진행되고 있다. 그러나 아직까지 이러한 방법들에 대한 명확한 기준은 정립되어 있지 않은 상태이다. 본 연구에서는 집중형 모형을 적용함에 있어서 동일 특성으로 구분되어 지는 유역분할에 따른 유출 응답특성의 변화에 대해서 검토하고자 한다. GIS를 이용한 유역의 분할과 수문학적 지형인자 및 매개변수의 계산을 위하여 WMS를 사용하였으며, 유출응답 특성의 규

U.S. EPA의 BASINS (Better Assessment Science Integrating Point and Nonpoint Sources)에 통합되어 있는 HSPF (Hydrologic Simulation Program-Fortran)와 SWAT (Soil and Water Assessment Tool) 모형을 이용하여 Polecat Creek 유역의 유출과 유사량을 모의하였다. 모형의 보정을 위하여 1996년 9월부터 2000년 6월까지의