본 연구에서는 우리나라에 태풍이 내습할 때 먼저 피해를 받는 남해안 지역을 대표하는 Quantile을 제안하고, 각 지점들의 재 현기간에 따른 극치 풍속을 추정하기 위하여 연 최대풍속 자료와 Hosking이 제안한 선형-모멘트 방법(L-moments)을 이용한 지역빈도 해석을 수행하였다. 모든 기상관측 지점에서는 비정상적인 값이 존재하지 않았고 이질성 검정을 통해서 하나의 동질 한 지역을 나타 낼 수 있음을 확인하였다. 또한 적합도 과정을 통해서 Generalized Normal (GNO) 및 Generalized Extreme Value(GEV) 분포를 남해안 지역을 대표하는 빈도분포로 선택하였다. 상대 오차(RB)와 상대 평균제곱근 오차(RRMSE)를 이용하여 두 분포의 안정성을 평가한 결 과, GNO 분포가 GEV 분포보다 더 안정한 것을 알 수 있었다. 마지막으로 남해안 지역을 대표하는 Quantile과 각 지점들의 평균, 중앙 값, 그리고 위치 매개변수를 이용하여 지점들의 극치 풍속을 추정하였다. 본 연구에서 적용한 지역빈도해석이 자료가 부족하거나 계측 되지 않은 지점들에 대한 극치 풍속을 추정하기 위한 방법으로서 도입이 필요하다고 생각된다.

한반도는 지형학적 요건으로 인하여 태풍과 관련된 재난이 매년 발생하여 막대한 피해를 유발하고 있다. 태풍 내습시 폭풍해일과 집중호우가 동시에 발생한다면 해안지역의 침수피해는 더욱 증가할 것으로 사료된다. 이러한 관점에서 태풍과 폭풍해일의 상호의존성을 정량적으로 규명하는 것은 해안지역의 재해분석에 필수적이다. 본 연구에서는 Bayesian 기법을 기반으로 절점기준을 초과하는 임계값의 초과확률을 산정하기 위하여 Poisson 분포와 Generalized-Pareto 분포를 이용한 Poisson-GP 폭풍해일 빈도해석 기법을 개발하였다. 본 연구를 통하여 개발된 Poisson-GP 폭풍해일 빈도해석 기법은 설계해수면의 불확실성을 정량적으로 제시하였으며 해안지역의 폭풍해일 관련 방재기술 향상에 기여할 것으로 판단된다.

용수공급시스템은 용수를 안정적으로 확보하여 사용자의 수요량을 충족시키는 것을 목표로 하지만, 평년보다 적은 유입량으로 인해 정상공급에 실패하는 경우가 발생한다. 그러나 강수의 부족으로 발생하는 가뭄 상황이 언제나 용수공급 실패를 유발하는 것은 아니기 때문에, 용수공급에 대한 안전도를 산정할 때 실질적인 용수 부족 사상의 특성을 고려할 필요가 있다. 이를 위해 본 연구에서는 이수안전도 평가 지표로 주로 사용되는 신뢰도와 취약도를 이용하여 결합 가뭄관리지수(JDMI)를 개발하였으며, 이를 바탕으로 미래 용수공급 위험도를 산정하였다. 미래에 대한 분석을 위해 RCP 4.5 및 8.5 시나리오에 대하여 GCM으로부터 생산된 기후변화 시나리오 자료를 적용하고 미래 기간을 21세기 전기, 중기, 및 후기로 구분하였다. JDMI를 기반으로 낙동강 유역의 용수공급 위험도를 분석한 결과 RCP 4.5 시나리오에서 RCP 8.5 시나리오보다 위험도가 더 높은 것으로 분 석되었다. 용수공급 취약지역은 RCP 4.5에서는 남강댐(W18)으로 나타났으며, RCP 8.5에서는 형산강(W23)과 낙동강남해(W33) 유역으로 분석되었다.

최근 기후변동성으로 유발되는 불안정한 기상상태를 효과적으로 관측하고자 레이더가 도입되고 있다. 레이더는 경험식으로 산정된 Z-R 관계식을 통하여 레이더 강우량을 제시하게 된다. 이 과정에서 레이더 강우량은 필연적으로 지상에 도달하는 실제 강우량과는 정량적 오차가 발생하게 된다. 본 연구는 확률통계학적 방법론을 이용하여 Z-R 관계식 매개변수 산정과정에서 우리나라의 강우특성을 고려함과 동시에 Z-R 관계식 매개변수의 불확실성을 정량적으로 제시하고자 한다. 강우의 계절성을 고려하여 Z-R 관계식 매개변수를 추정하는 과정에서 Bayesian 추론기법을 도입하여 생산된 레이더 강우량은 기존의 Z-R 관계식에 비하여 개선된 통계적 효율기준을 제시하였다. 따라서 Bayesian 추론기법을 활용한 Z-R 관계식 매개변수 산정은 정량적으로 신뢰성 있는 고해상도 강우정보의 생산은 고도화된 수문해석 및 기상예보 지원을 가능케 할 것으로 판단된다.

설계홍수량 산정은 일반적으로 수자원설계 목적을 위해 요구되며 수자원 관련 계획, 안정성 그리고 수공구조물의 위험도를 평가하기 위해 추정된다. 그러나 설계목적을 위한 국내의 유량자료는 매우 제한적이며, 강우자료와 비교해 봤을 때 상대적으로 관측년수가 상당히 적은 실정이다. 이러한 점에서 본 연구에서는 기 수립된 하천의 재현기간에 따른 설계홍수량 및 유역특성인자(면적, 유역경사)로부터, 설계홍수량을 멱함수 형태로 지역화하여 미계측 유역에서 설계홍수량 산정이 가능한 모형을 개발하였다. 제안된 설계홍수량 지역화 모형의 매개변수 산정과 불확실성을 정량적으로 평가하기 위해 계층적 Bayesian 모형을 활용하였으며, 최종적으로 교차검증 관점에서 모형의 적합성을 검정하였다. 모형 적용 결과, 기존 면적기반의 홍수량 산정식에 비해 약 0.3 이상 높은 상관성을 가지며 홍수량을 추정하는 결과를 확인하였다. 본 연구를 통해 제안된 모형은 검증과 정과 도출된 결과를 통해 유역특성에 따른 재현기간별 설계홍수량을 효과적으로 재현하는데 유리할 뿐만 아니라, 동시에 모형의 매개변수 및 결과에 대한 불확실성 정보를 제공함으로써 미계측 유역의 홍수량을 평가하는 기초자료로써 활용 가능할 것으로 판단된다.

최근 이상기후로 인한 집중호우 발생빈도와 이로 인한 국지적인 홍수 피해가 증가하고 있다. 이러한 점에서 홍수피해 예방측면에서 수치예보 정보 활용이 요구되고 있다. 그러나 수치예보모델은 초기 조건 및 지형적 요인으로 인해 시공간적 편의가 존재하며 실시간 예측정보로 활용하기 전에 모 형결과에 대한 편의보정이 요구된다. 본 연구에서는 관측지점 기준으로 편의 보정계수를 산정하는 과정에서 모든 관측소간의 상관성을 거리의 함 수로 고려하여 미계측지점의 편의 보정계수를 공간적으로 확장할 수 있는 Bayesian Kriging 기반 MFBC 기법을 개발하였다. 본 연구에서 개발한 방법은 미계측 유역에 대해서도 보정계수를 효과적으로 추정하는 것이 확인되었으며, 비교적 고해상도로 72시간(3일) 정도까지 예측강우 정보를 활용하는 것이 가능할 것으로 판단된다.

본 연구에서는 금강유역 내 대청댐 및 용담댐유역을 대상으로 기상청에서 제공하는 공간해상도 27 km 지역규모의 A1B시나리오 기반의 RCM모형과 SWAT모형을 이용하여 미래 유출량 전망을 분석하였다. 기본적으로 GCM 및 RCM은 시공간적 스케일의 상이성으로 인해 수자원 영향 평가를 위한 자료로서 직접적인 이용은 현실적으로 곤란하다는 점에서 본 연구에서는 RCM 격자자료를 유역단위에서 강우관측소지점 단위로 공간적 다운스케일링을 실시하였으며 RCM 월자료

본 연구에서는 Bayesian 통계기법을 이용한 비정상성 빈도해석모형을 토대로 외부 기상인자에 의한 변동성을 고려할 수 있는 계절강수량 예측모형을 구축하였으며, 낙동강유역내의 10개 관측소에서 관측된 37년간의 강수량 자료를 이용하여 연도별 여름강수량을 추출하고 이들 관측소의 여름강수량에 물리적인 영향을 미치는 기상인자로서 SST(sea surface temperature)와 OLR(outgoing longwave radiation)을 공간상관성을 검토

수문자료의 계절성은 수자원관리의 관점에서 매우 중요한 요소로서 계절성의 변동은 댐의 운영, 홍수조절, 관개용수 관리 등 다양한 분야와 밀접한 관계를 가지고 있다. 수문빈도해석을 위해 POT 자료와 같은 부분기간치계열을 사용함으로써 자료의 확충, 계절성 확보, 발생빈도모형의 구축 등이 가능하다. 본 연구에서는 POT 자료의 장점을 효과적으로 빈도해석에 연계시키는 방법론으로서 POT 자료로부터 계절성을 추출하고 이를 빈도해석과 연계시켜 Bayesian 기법

기존의 정상성 Markov Chain 모형은 자료 자체의 Markov 특성만을 고려하여 모의하는 기법으로서 수자원 설계에서 여러 가지 목적으로 이용되어 지고 있다. 그러나 일강수량의 천이확률 및 매개변수 등이 과거와 일정하다는 정상성을 기본 가정으로 하기 때문에 평균의 변동성 등과 같은 외부충격을 모형에 적용할 수 없다. 이러한 관점에서 본 연구의 가장 큰 목적은 기존일강수량 모형을 외부인자를 받아들일 수 있는 모형으로 개발하는 것이다. 즉, Marko