본 연구는 Fuzzy-Delphi법과 DEMATEL-ANP법으로 경관평가 모형을 구축한 뒤 하북성 형태시 소재 칠리하(七裏河)를 사례로 실증 분석한 결과이다. Delphi법에 따른 1차 설문지를 이용하여 최초 54개 지표를 40개 지표로 줄인 후 전문가 Fuzzy-Delphi법에 따른 2차 설문지 및 데이터 처리 결과 모든 평가 지표는 수렴기준에 도달하였다. 평가지표 중간값이 임계값보다 낮은 지표를 삭제한 뒤 최종적으로 22개 지표를 중심으로 도시 하천 호안지역 경관 평가체계를 구성하였다. 도출된 모델은 치수, 친수, 이수, 보수 등 4개 방면의 기능분류이며, 다시 기능적 측면, 안전성 측면, 경관적 측면, 생태적 측면, 사 회경제적 측면 등 5가지 기준으로 유형화되었다. 평가지표 중 영향력이 큰 상위 5개 요인은 수역경관 (C11), 건설투자(C19), 식물피복률(C16), 호안의 친수성(C10), 시각적 조화(C9) 순이었다. 그러나 인문 경관의 다양성(C12)요인의 가중치가 최하위임을 볼 때 도시 하천의 호안경관과 인문경관은 거의 배 제된 상태이며, 자연경관과 수역경관의 상호작용에 더 많은 관심을 기울이고 있음이 확인되었다. 한편 도시 경관평가 체계에서 5개 준칙층의 순서는 경관 미학성> 생태성 > 사회경제성 > 기능성 > 안 전성 순으로 나타났는데 이는 도시 내 수로의 호안 지역 경관의 전체적인 경관 감지와 흡인력을 반영 한 결과로 평가되었다. 칠리하 호안구역의 종합적 경관 평가치는 70.93점으로 만족스러운 수준이지 만 익수사고에 대비한 구조시설(C6) 인문경관의 다양성(C12) 그리고 역사문화 풍습의 구현(C22) 항 목에 있어서는 시급한 개선이 필요한 것으로 밝혀졌다.

Algal bloom is an ongoing issue in the management of freshwater systems for drinking water supply, and the chlorophyll-a concentration is commonly used to represent the status of algal bloom. Thus, the prediction of chlorophyll-a concentration is essential for the proper management of water quality. However, the chlorophyll-a concentration is affected by various water quality and environmental factors, so the prediction of its concentration is not an easy task. In recent years, many advanced machine learning algorithms have increasingly been used for the development of surrogate models to prediction the chlorophyll-a concentration in freshwater systems such as rivers or reservoirs. This study used a light gradient boosting machine(LightGBM), a gradient boosting decision tree algorithm, to develop an ensemble machine learning model to predict chlorophyll-a concentration. The field water quality data observed at Daecheong Lake, obtained from the real-time water information system in Korea, were used for the development of the model. The data include temperature, pH, electric conductivity, dissolved oxygen, total organic carbon, total nitrogen, total phosphorus, and chlorophyll-a. First, a LightGBM model was developed to predict the chlorophyll-a concentration by using the other seven items as independent input variables. Second, the time-lagged values of all the input variables were added as input variables to understand the effect of time lag of input variables on model performance. The time lag (i) ranges from 1 to 50 days. The model performance was evaluated using three indices, root mean squared error-observation standard deviation ration (RSR), Nash-Sutcliffe coefficient of efficiency (NSE) and mean absolute error (MAE). The model showed the best performance by adding a dataset with a one-day time lag (i=1) where RSR, NSE, and MAE were 0.359, 0.871 and 1.510, respectively. The improvement of model performance was observed when a dataset with a time lag up of about 15 days (i=15) was added.

The increased turbidity in rivers during flood events has various effects on water environmental management, including drinking water supply systems. Thus, prediction of turbid water is essential for water environmental management. Recently, various advanced machine learning algorithms have been increasingly used in water environmental management. Ensemble machine learning algorithms such as random forest (RF) and gradient boosting decision tree (GBDT) are some of the most popular machine learning algorithms used for water environmental management, along with deep learning algorithms such as recurrent neural networks. In this study GBDT, an ensemble machine learning algorithm, and gated recurrent unit (GRU), a recurrent neural networks algorithm, are used for model development to predict turbidity in a river. The observation frequencies of input data used for the model were 2, 4, 8, 24, 48, 120 and 168 h. The root-mean-square error-observations standard deviation ratio (RSR) of GRU and GBDT ranges between 0.182~0.766 and 0.400~0.683, respectively. Both models show similar prediction accuracy with RSR of 0.682 for GRU and 0.683 for GBDT. The GRU shows better prediction accuracy when the observation frequency is relatively short (i.e., 2, 4, and 8 h) where GBDT shows better prediction accuracy when the observation frequency is relatively long (i.e. 48, 120, 160 h). The results suggest that the characteristics of input data should be considered to develop an appropriate model to predict turbidity.

Turbidity has various effects on the water quality and ecosystem of a river. High turbidity during floods increases the operation cost of a drinking water supply system. Thus, the management of turbidity is essential for providing safe water to the public. There have been various efforts to estimate turbidity in river systems for proper management and early warning of high turbidity in the water supply process. Advanced data analysis technology using machine learning has been increasingly used in water quality management processes. Artificial neural networks(ANNs) is one of the first algorithms applied, where the overfitting of a model to observed data and vanishing gradient in the backpropagation process limit the wide application of ANNs in practice. In recent years, deep learning, which overcomes the limitations of ANNs, has been applied in water quality management. LSTM(Long-Short Term Memory) is one of novel deep learning algorithms that is widely used in the analysis of time series data. In this study, LSTM is used for the prediction of high turbidity(>30 NTU) in a river from the relationship of turbidity to discharge, which enables early warning of high turbidity in a drinking water supply system. The model showed 0.98, 0.99, 0.98 and 0.99 for precision, recall, F1-score and accuracy respectively, for the prediction of high turbidity in a river with 2 hour frequency data. The sensitivity of the model to the observation intervals of data is also compared with time periods of 2 hour, 8 hour, 1 day and 2 days. The model shows higher precision with shorter observation intervals, which underscores the importance of collecting high frequency data for better management of water resources in the future.

본 연구에서는 건천화된 농촌 소하천의 환경을 개선하기 위해 농업용 저수지의 방류 능력을 평가하고 하천환경용수 방류에 따른 하류하천의 수질변화를 모의하였다. 대상유역은 경상남도 고성군 하이면에 위치한 봉현저수지 및 봉현천을 선정하였으며, 2011년부터 2013년까지 현장조사를 실시하였다. 유량측 정이 용이한 총 5개 지점을 선정하여 수질과 유량자료를 수집하였고, 기상자료는 지리적으로 인접한 진 주 기상관측소의 2000년부터 2013년까지 일 자료를 수집하였다. 저수지 방류조건 전후의 하천수질 (BOD, SS, TN, TP)을 비교, 분석하기 위한 수질모형으로 QUAL2K 모델을 선정하였다. 대상유역에 대 한 기상자료, 하천자료, 수질자료 등의 입력자료를 구축한 후 QUAL2K 모형을 적용하여 실측값과 비교 한 결과, BOD, SS, TN, 그리고 TP 항목에 대한 모형의 평가지표는 다음과 같이 나타났다. R2는 0.8508~0.9913, RMSE 0.005~0.52mg/L, NSE 0.949~0.998로 나타나 비교적 높은 일치도를 나타냈 다. 저수지 물수지 모형을 이용하여 다양한 저수지 방류 시나리오에 대해 분석한 결과, 적정 방류량은 3,000ton/day로 나타났다. 방류 전후의 수질을 비교한 결과 BOD와 SS의 경우 각각 9.2%, 21.0% 증가 하여 오히려 수질이 오염되는 것으로 나타났으며, TN과 TP는 각각 -9.0%, -2.4% 감소하여 수질이 개 선되는 것으로 나타났다. 이는 하천환경용수를 공급을 통해 건천화를 완화하더라도 저수지 수질에 따라 하류하천의 수질이 오염될 수도 있음을 나타내었다.

The propriety of the numerical model application was examined on Paldang resevoir and its inflow tributaries located in the center of the Korean peninsula and the long term water quality forecast of the oxygen profile was carried out in this syduy. The input data of the model was the capacity of the reservoir, catchment area, percolation, diffusion rate, vertical mixing rate, dissolution rate from the bottom of the reservoir, outflow of the resevoir, water quality measurement and meteorology data of the drainage basin, and the output result was the annual estimation value of the dissolved oxygen concentration and the biochemical oxygen demand. The modeling method is based on the measured or calculated boundary condition dividing the water area into several blocks from the macorscopic aspect and considering the mass balance in these blocks. As the result of the water quality forecast, it was expected that the water quality in Northern Han River and Paldang reservoir would maintain the recent level, but that the water quality in the Southern Han River and its inflow tributary would worsen below the grade 4 of the life environmental standard from around 2000 owing to the decrease of DO concentration and the increase of BOD concentration.

본 연구는 물리적 수리·수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당 댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교·분석을 수행한 결과, LSTM 모형의 최적의 성능을 내 는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실 측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

The stability of the river in the restored river is an important issue in maintenance and management. Bed elevation change simulation can be an effective way to predict the direction of river restoration by predicting long and short term bed elevation change of river. A 2D numerical model (CCHE2D) was implemented to simulate the long-term bed elevation change. The study area is located in the Cheongmi-Cheon Notap-ri and 1.2 km long. The flow scenario was constructed using the flow data that was measured at the water level observatory located upstream at the Janghowon Bridge. The bed elevation change pattern according to restoration of abandoned channel was analyzed and the stability of river was evaluated.

시계열 데이터를 활용하는 모형은 신뢰할 수 있는 자료를 확보한 경우에는 모형 구축이 용이하고 예측 선행 시간 확보를 위해 신속한 모의가 가능한 장점 때문에 규모가 작은 하천의 홍수예측 모형으로 고려할 수 있다. 이 중 Transfer Function Noise (TFN) 모형은 이탈리아, 영국 등 해외에서는 1970년대부터 시간단위 자료를 이용한 하천유량 예측에 적용되었으나, 우리나라에서는 주로 일 단위 혹은 월 단위의 하천유량 모의에 적용되었다. 국내 수문 자료의 품질 향상으로 그동안 축적된 수문자료를 통해 시간단위 자료를 이용한 홍수예측 모형의 구축 기반이 갖추어졌다. 본 연구의 목적은 소규모 하천을 대상으로 외생변수의 반영이 가능하고 동적시스템과 오차항을 결합하여 예측 오차를 줄이는데 용이한 TFN 모형을 구축하고 그 적용성을 검토하는 것이다. 이를 위해 1시간 단위 자료를 이용하여 TFN 모형을 구축하였으며 구축된 모형을 이용한 홍수 예측 결과를 홍수예보 실무에 활용 중인 저류함수모형의 홍수 예측 결과와 비교하였다. 비교 결과 홍수사상에 따라 TFN 모형과 저류함수 모형이 각각 더 나은 결과를 보이는 사상이 있었으며, 실무에서 TFN 모형을 홍수예측 모형으로 활용할 수 있을 것으로 판단하였다.

To project the effects of climate-induced change on aquatic environments, it is necessary to determine the thermal constraints affecting different fish species and to acquire time series of the current and projected water temperature (WT). Assuming that a nonlinear regression between the WT at individual stations and the ambient air temperature (AT) at nearby weather stations could represent the best relationship of air-water temperature, This study estimates future WT using a general circulation model (GCM). In addition, assuming that the grid-averaged observations of AT correspond to the AT output from GCM simulation, this study constructed a regression curve between the observations of the local WT and the concurrent GCM-simulated surface AT. Because of its low spatial resolution, downscaling is unavoidable. The projected WT under global warming scenario A2 (B2) shows an increase of about 1.6 (0.9 ) for the period 2080-2100. The maximum/minimum WT shows an amount of change similar to that of the mean values. This study will provide guidelines for decision-makers and engineers in climate-induced river environment and ecosystem management.

본 연구에서는 VfloTM을 이용하여 북한의 미계측지역에 대한 매개변수 설정 및 일관적인 분포형 강우적용을 통해 실강우 특성을 반영한 침수분석 결과를 도출한다. 연구대상은 임진강 수계로 유역면적의 2/3가 한 지역에 포함이 되며 사실상 미계측지역으로 분류된다. 위 수계의 수문자료가 거의 없어 매개변수 보정 및 검정할 자료가 사실상 없으므로 분석하는 주체에 따라 강우-유출모형 구축에 있어 차이가 발생하므로 홍수량 산정 절차 및 매개변수 결정에 대한 표준화가 필요하다. 분포형 강우는 광덕산 레이더의 Long-ranged Radar(반경 480 ㎞)를 이용하여 회령, 선봉 및 일부 지역을 제외한 북한 수계 전역에 걸쳐 분포형 강우를 본 원에서 생산하고 있으며 분포형 모델을 이용하여 강우사상별 북한 지역의 침수현황을 도출하는 프로세스를 구축하였다. 또한, 기연구된 북한의 확률강우량도를 토대로 각 빈도별 침수현황을 도출하였으며 북한 내 발생하는 홍수에 대해 개략적인 침수현황 제시가 가능하다. 위 연구를 토대로 통일 대비 북한의 홍수 재난 현황 및 이에 대한 대처 자료로써 효용이 있을 것으로 판단이 되며 지속적인 모니터링을 통해 북한 재난 DB를 구축해 나갈 것이다.

강우가 지표면에 강하하여 일부는 지표를 따라 유출되고 나머지는 손실이 된다. 손실 중에는 일부는 증발이 되고 일부는 토양으로 침투가 된다. 이러한 수문사상의 변화를 분석하기 위해서는 유역의 토양 및 토지이용상태를 내포하고 있는 GIS정보를 입력하는 것 뿐 만아니라 토양의 함유수분에 따른 선행강우를 고려하여야 한다. 토양의 함유수분은 선행강우에 의해 유역의 토양이 포화됨으로써 강우-유출 분석에 영향을 미친다.

최근 기상이변으로 빈번히 발생하는 국지성 집중호우는 하나의 기상현상으로 자리를 잡아가면서 많은 피해를 야기하고 있다. 특히, 도시지역을 포함하는 중·소하천에서의 피해가 늘어나고 있는 상황에서 도시유역의 특성을 고려한 중·소하천 홍수예경보 모형의 구축이 필요하다고 판단된다. 따라서 본 연구에서는 도시유역에서의 중·소하천을 대상으로 자체 대상유역을 구분하는 기준을 마련하였으며, 이를 바탕으로 강우-유출 및 유량-수위 관계를 바탕으로 실제 배수위 영향을 고려한 도시유역 중·소하천 홍수예경보 모형을 개발하였다. 먼저 대상유역으로는 한강 및 낙동강 유역을 선정하였으며, 자체 구분기준에 따른 전체 55개 도심지 대상유역을 선정하였으며, 이들 중 한강수계 정릉천유역을 대표적으로 적용하여 홍수예경보 발령 기준을 선정하였다. 본 연구에서 개발된 도시유역 중·소하천 홍수예경보 모형은 강우량에 따른 의사결정지원 체계를 제안함으로써 방재관련 대책 수립 및 정비사업 계획 수립 등에 도움이 될 것으로 기대된다.

본 연구는 태화강을 비롯한 동천, 회야강 및 청량천 등 울산의 주요 하천유역을 대상으로 최근 한국건설기술연구원이 개발한 CAT모형을 이용하여 물순환 분석을 실시하였다. CAT모형의 적용을 위해 태화강은 25개, 동천은 11개, 회야강 은 17개 그리고 청량천은 5개의 소유역으로 분할하여 유출기여유역과 함양유역으로 구분하는 개념을 적용하였다. 대상 유역에서 1975년도와 2008년에 실측된 강우량과 토지이용도 변화 등의 수문자료를 이용하여 물순환 분석을 실시한 결 과, 4개 하천유역 모두에서 도시화에 따른 불투수 면적의 증가로 인해 표면유출은 중가하고 중간유출은 감소하는 것으 로 나타났다. 태화강과 태화강의 지천인 동천유역의 표면유출 증가는 1.7%와 2.4%로서 비교적 적고, 회야강과 청량천은 3.2%와 7.7%로 증가폭이 큰 것은 유역의 개발에 따른 도시화율 증가의 정도를 잘 반영하는 것으로 분석되었다

하천범람에 의한 홍수피해를 저감하기 위하여 중소하천에 적용하기 위한 홍수예경보 모형이 개발되고 있으나, 유역의 특성을 고려하지 않고 일관된 기준을 적용하여 홍수예경보 모형이 구축되고 있다. 본 연구에서는 강우-유출 관계와 유량-수위 관계에서 특수한 상황인 유역을 대상으로 홍수예경보 모형을 개발하였다. 강우-유출관계 특수성은 도시유역 등 인위적인 우수유출이 있는 경우를 나타내며, 유량-수위 관계 특수성은 배수위에 의한 영향을 받는 경우를 나타낸다. 낙동강 유역에서 홍수위험지수를 고려하여 10개소의 특수상황 소유역을 선정하였으며, 그 중 4개 유역에 개발된 모형을 적용하여 경보강수량을 산정하였다. 본 연구에서 개발된 특수상황을 고려한 홍수예경보 모형은 중소하천 홍수예경보 모형의 정확도를 향상시키고, 홍수피해를 저감하는데 도움을 줄 수 있을 것으로 기대된다.

본 연구에서는 재해상황판단 측면에서 중소하천유역의 홍수예경보를 위한 분포형 모형의 적용 기법을 검토하였다. 중소하천의 홍수예보를 위해서는 실시간으로 수집되는 레이더 강우자료와 예측자료를 이용하여 홍수량을 분석 및 예측하는 기술이 필요하며, 이를 위해서는 분포형 강우-유출 모형의 적용이 필수적이다. 최근 홍수피해가 중소하천유역에서 크게 발생하고 있다. 그러나 홍수예경보는 대하천 본류 중심으로 이루어지고 있는 실정이므로 중소하천의 홍수재해 취약지구까지 적용 가능한 홍수예경보체계의 개발 및 확대가 필요하다. 국내에서는 다양한 분포형 모형의 적용사례가 있으나 국내 상황을 적합하게 반영할 수 있는 것으로 널리 적용성이 인정된 모형은 많지 않다. 현재 국제적으로 Vflo 모형은 기존에 개발된 분포형 모형 중 가장 적용성이 높고 다양한 유역조건에 따라 유연하게 유출모의가 가능한 것으로 알려져 있어 우리나라의 특수한 여건을 반영한 홍수예경보를 위한 유출해석 및 침수범람해석 모의를 위한 기본모형으로 도입시 유용하게 사용될 수 있을 것으로 기대된다.

본 연구는 연속형 강우-유출모형과 관측유량 자료동화기법으로 앙상블 칼만필터 기법을 연계한 SURF 모형을 낙동강유역에 적용하여 하천유량예측의 적용성을 평가하고자 하는데 그 목적이 있다. 낙동강유역을 43개 소유역으로 구분하고 2006년과 2007년의 홍수기간 동안 12개 평가지점에 대해 유출모의를 수행하였다. 관측유량 자료동화 효과로 인해 예측유량의 정확도가 향상되며 1~5시간의 예측선행시간별 유효성지수를 분석한 결과 자료동화로 인해 46.2~30.1%

본 연구에서는 낙동강 유역을 대상으로 유역-하천 흐름 연계 모형을 구축하였다. 본 연구는 기후변화에 따른 하천 흐름 및 수질 영향 분석을 위한 전단계의 연구이다. 낙동강 유역을 대상으로 유역 수문 모형인 SWAT 모형을 구축하고 낙동강 본류 EFDC 모형에 유량 경계자료를 제공하여 본류 흐름을 예측하였다. 유역 모의를 통해 계산된 유출량을 본류 13개, 지류 30개 지점에서 2004년부터 2009년까지의 환경부8일 자료를 이용하여 검보정하였다. 모형의

본 연구에서는 연속형 강우-유출모형과 앙상블 칼만 필터 기법을 연계하여 실시간 하천유량 예측모형을 개발하고 자료동화로 인한 정확도 개선 정도를 평가하고자 한다. 대상유역은 안동댐 상류유역을 선정하고 2006.7.1~8.18과 2007.8.1~9.30의 홍수기간에 대해 평가를 수행하였다. 자료동화를 위한 모형 상태변수는 유역의 토양수분과 저류량 및 하도 저류량을 선정하였으며 하류 댐 지점의 관측유량을 이용하여 상태변수를 갱신하도록 모형을 설계하였다. 상태