본 연구는 제한된 인력과 비용을 활용하여 습지 지대에서의 일관되고 적절한 수위자료를 획득하기 위한 방안 수립을 목표로 하였다. 이를 위해 기존의 수위관측소 설치 기준에 입각한 상 하류간의 유기적인 상관관계를 파악하여 관측소간의 최적의 수위관측망의 선정 기술을 개발함으로서 유역을 대표할 수 있는 일관된 수위자료 획득에 중점을 두었다. 우선 기존에 습지 유역을 포함한 충주댐 유역을 대상으로 하천을 중심으로 설치되어 있는 수위관측소 현황을 파악한 후, 유출 특성을 나타내는 대표단위도를 산정한 후 확률밀도함수로 변환하였으며, 대상 유역내에서 엔트로피 이론에 의한 정보 전달량을 산정하였다. 마지막으로 각 관측소 간의 공간적인 상관관계를 분석하고, 정보 전달량과 각 관측소의 상관관계를 고려해 수위관측망을 최적화하였다. 즉, 정보 전달량으로 수위관측소의 개수에 따른 조합을 고려하되, 수위관측소간의 상관분석을 적용하여 수위관측소 설치위치와 개수에 대하여 최적화된 수위관측망을 제시할 수 있었다.
본 연구는 제한된 인력과 비용을 활용하여 습지 지대에서의 일관되고 적절한 수위자료를 획득하기 위한 방안 수립을 목표로 하였다. 이를 위해 기존의 수위관측소 설치 기준에 입각한 상 하류간의 유기적인 상관관계를 파악하여 관측소간의 최적의 수위관측망의 선정 기술을 개발함으로서 유역을 대표할 수 있는 일관된 수위자료 획득에 중점을 두었다. 우선 기존에 습지 유역을 포함한 충주댐 유역을 대상으로 하천을 중심으로 설치되어 있는 수위관측소 현황을 파악한 후, 유출 특성을 나타내는 대표단위도를 산정한 후 확률밀도함수로 변환하였으며, 대상 유역내에서 엔트로피 이론에 의한 정보 전달량을 산정하였다. 마지막으로 각 관측소 간의 공간적인 상관관계를 분석하고, 정보 전달량과 각 관측소의 상관관계를 고려해 수위관측망을 최적화하였다. 즉, 정보 전달량으로 수위관측소의 개수에 따른 조합을 고려하되, 수위관측소간의 상관분석을 적용하여 수위관측소 설치위치와 개수에 대하여 최적화된 수위관측망을 제시할 수 있었다.
This paper not only aims to establish a plan to acquire the water stage data in a constant and proper manner by using limited manpower and costs, but also establishes the fundamental technology for acquiring the water level observation data or the stage data. For this, this paper focuses on how to a...
This paper not only aims to establish a plan to acquire the water stage data in a constant and proper manner by using limited manpower and costs, but also establishes the fundamental technology for acquiring the water level observation data or the stage data. For this, this paper focuses on how to acquire the stage data, in a uniform manner, that can represent each basin by developing the technology for establishing the optimal observational network. For that, this paper identifies the current status of the stage gauge stations installed in the ChungJu dam including wetland basin mainly along the national rivers. Then, thus obtained factors are used to develop the representative unit hydrograph. After that, the data are converted into the probability density function. Then, the stations are calculated information transfer amount. As a last step, we establish the optimized stage gauge network by the location of the stage station and space impact that takes into account for the combinations of the number of the stations. In other words, we consider the combination of the stage gauge station with information transfer amount and spatial correlation analysis for estimation.
This paper not only aims to establish a plan to acquire the water stage data in a constant and proper manner by using limited manpower and costs, but also establishes the fundamental technology for acquiring the water level observation data or the stage data. For this, this paper focuses on how to acquire the stage data, in a uniform manner, that can represent each basin by developing the technology for establishing the optimal observational network. For that, this paper identifies the current status of the stage gauge stations installed in the ChungJu dam including wetland basin mainly along the national rivers. Then, thus obtained factors are used to develop the representative unit hydrograph. After that, the data are converted into the probability density function. Then, the stations are calculated information transfer amount. As a last step, we establish the optimized stage gauge network by the location of the stage station and space impact that takes into account for the combinations of the number of the stations. In other words, we consider the combination of the stage gauge station with information transfer amount and spatial correlation analysis for estimation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 제한된 인력과 비용을 활용하여 일관되고 적절한 수문자료를 획득하기 위한 방안 수립을 목표로 하였으며 반드시 필요한 공간단위 및 일관성을 유지하는 습지 지대에서의 최적의 수위 관측 자료를 얻기 위한 기반 기술을 정립하였다.
최근의 연구 동향을 보면 수위관측망 평가는 엔트로피 이론을 이용하여 많은 연구가 진행되었으며 이는 정보전달량만을 고려한 것으로 수위관측소간의 수문학적 유사성이나 상․하류간의 유기적인 상관관계를 완벽히 파악하기에는 무리가 있다. 이에 본 연구에서는 수위관측망의 구성방법을 위해 관측소간의 공간적인 상관관계 개념을 도입하여 최적 수위관측망을 구성하고자 한다. 이에, 기존에 도입된 엔트로피 방법을 이용하여 하천의 여러 수위관측지점을 대상으로 정보전달량을 산정한 후, 수위관측소 간의 공간적인 영향을 고려한 상관분석을 통해 제한된 상황에서의 불필요한 수위관측소를 제거하여 최적 수위관측망 구성을 위한 방법론을 모색하였다.
제안 방법
보정된 2변수 대수정규분포는 엔트로피 이론을 이용하여 정보전달량 산정하였다. 그 다음 수위관측소 간의 보다 정확한 공간 영향을 산정하기 위해 상관분석을 실시하여 각 관측소 설치에 있어서 최적 선정 개수의 가이드라인을 제시하였다.
확률밀도함수를 따르는 엔트로피 식은 정규분포와 대수정규분포 및 Gamma 분포형이 있는데 각 소유역의 유도된 단위도와 가장 잘 부합되는 확률밀도함수를 선정하고 매개변수(평균, 표준편차)를 추정하기 위해 일반적으로 그 형태와 가장 잘 부합하는 2변수 대수정규분포(2-parameter log-normal distribution)를 채택하였다. 또한 매개변수 추정에는 가장 일반적고 매개변수 추정이 용이한 모멘트법을 이용하였으며 나온 매개변수는 시행착오법을 거쳐 미세하게 보정한 후 단위도와 잘 부합될 수 있도록 하였다.
6절에서는 엔트로피 이론의 방법론을 검증하기 위해 대상 지역인 충주댐 유역의 산정된 2변수 대수정규분포의 매개변수를 이용하여 엔트로피 이론을 적용시켜 정보전달량을 산정하였다. 또한 수위관측소간의 공간적인 영향 관계를 알기위해 상관분석을 수행하였다.
최적의 수위관측망의 선정을 위해 다음과 같은 연구 절차를 마련하였다. 먼저 충주댐 유역을 대상 지점으로 선정하고 수위관측소 현황을 파악하였다. 수위관측지점을 출구점으로 하는 유역 분할을 한 뒤, Clark 단위도법을 이용하여 각 유역의 특성을 추출한 후 HEC-HMS를 이용하여 대표 단위도를 산정하였다.
본 연구에서는 각 수위관측소간의 상관관계를 고려하기 위하여 유역 면적, 하천 연장 등의 유역 특성 인자를 이용하여 상관관계 분석을 실시하였으며, 각 관측소간의 상관관계는 다음과 같다(Table 6).
본 연구에서는 각 수위관측소를 출구로 하는 대표단위도를 작성하기 위하여 범용프로그램인 HEC-HMS 모형을 적용하여 유출량을 유도한 뒤 단위도로 전환하였다.
본 연구에서는 앞서 산정한 확률밀도함수를 이용해 엔트로피 이론을 적용하여 정보전달량을 산정하였다. 아래의 표는 엔트로피 이론에 의해 얻어진 각 소유역 단위도의 정보 전달행렬을 나타낸다.
본 연구에서는 엔트로피 정보전달량만을 고려한 수위관측소의 개수와 엔트로피 정보전달량 및 관측소 간의 상관 관계를 동시에 고려한 수위관측소를 선정 및 비교하였으며 그 결과는 Table 7과 같다.
이에 본 연구에서는 수위관측망의 구성방법을 위해 관측소간의 공간적인 상관관계 개념을 도입하여 최적 수위관측망을 구성하고자 한다. 이에, 기존에 도입된 엔트로피 방법을 이용하여 하천의 여러 수위관측지점을 대상으로 정보전달량을 산정한 후, 수위관측소 간의 공간적인 영향을 고려한 상관분석을 통해 제한된 상황에서의 불필요한 수위관측소를 제거하여 최적 수위관측망 구성을 위한 방법론을 모색하였다.
Wahl(1984)은 총 6개 항목으로 구성되어 있는 수위관측소 평가지를 제시하여 이를 이용하여 수위관측소를 평가하는 방안을 제시하였다. 평가지에는 지점의 특징, 물 이용 여부, 수자원 관련 현안 문제, 수자원 계획/관리 차원에서의 자료 이용 정도, 경제성 등을 고려한 후, 이를 점수화 시켜 수위 관측망을 평가 하였다. Krstanovic and Singh(1992)는 엔트로피를 이용하여 강우의 공간적인 변동성을 평가하고 루이지아나 지역 관측망의 적합성을 검토하였으며, Yang and Burn(1994)은 엔트로피 방법을 이용하여 최적인 관측망 설계를 시도하였다.
대상 데이터
본 연구의 대상 지역인 습지 지대를 포함한 충주댐 유역내 수위관측소는 총 10개소(옥동, 영춘, 단양1, 덕천, 단양2, 충주댐 방수로, 충주1, 충주2, 충주댐, 청풍)가 있으며 국토교통부 6개소, 한국수자원공사 4개소가 있다. 이들 외에도 지방자치단체 등의 수위관측소가 있으나, 자료의 획득이 어렵고, 연속적인 측정이 이루어지지 않는 등의 문제점이 있어 본 연구 분석에서 제외하였다.
이론/모형
엔트로피 이론을 적용시키기 위하여 확률밀도함수 중에 단위도와 잘 부합하는 2변수 대수정규분포를 이용하였으며 시행착오법을 적용하여 미세하게 보정하였다. 보정된 2변수 대수정규분포는 엔트로피 이론을 이용하여 정보전달량 산정하였다. 그 다음 수위관측소 간의 보다 정확한 공간 영향을 산정하기 위해 상관분석을 실시하여 각 관측소 설치에 있어서 최적 선정 개수의 가이드라인을 제시하였다.
먼저 충주댐 유역을 대상 지점으로 선정하고 수위관측소 현황을 파악하였다. 수위관측지점을 출구점으로 하는 유역 분할을 한 뒤, Clark 단위도법을 이용하여 각 유역의 특성을 추출한 후 HEC-HMS를 이용하여 대표 단위도를 산정하였다. 엔트로피 이론을 적용시키기 위하여 확률밀도함수 중에 단위도와 잘 부합하는 2변수 대수정규분포를 이용하였으며 시행착오법을 적용하여 미세하게 보정하였다.
수위관측지점을 출구점으로 하는 유역 분할을 한 뒤, Clark 단위도법을 이용하여 각 유역의 특성을 추출한 후 HEC-HMS를 이용하여 대표 단위도를 산정하였다. 엔트로피 이론을 적용시키기 위하여 확률밀도함수 중에 단위도와 잘 부합하는 2변수 대수정규분포를 이용하였으며 시행착오법을 적용하여 미세하게 보정하였다. 보정된 2변수 대수정규분포는 엔트로피 이론을 이용하여 정보전달량 산정하였다.
또한 유역면적, 하천경사 등의 유역특성 자료가 각 매개변수를 산정하기 위한 기초자료로 활용된다. 우리나라의 경우 SCS 방법, Clark 방법, Nakayasu 방법이 적용되고 있으며 그중 Clark 방법의 적용성 및 범용성이 가장 우수하다고 판단되어, 본 연구에서는 Clark 방법에 의한 대표 단위도를 산정하였다.
)와 저류상수(K)를 입력인자로 하는 2매개변수 합성단위도 방법이며, 도달시간은 기존 경험공식으로 유하시간을 산정하고 여기에 유입시간을 더하여 산정한다. 이를 위한 경험 식으로는 Kirpich , Rziha , Kraven (Ⅰ), Kraven (Ⅱ), 수정 Kraven (Ⅱ) 등이 있으며 본 연구에서는 우리 나라 지형과 적용성이 가장 우수하며 일관적인 값의 산정이 가능한 Kirpich과 수정 Kraven (Ⅱ) 공식을 사용하였다. 유역 면적, 하천연장, 하천경사, 도달시간, 저류상수 등은 수문학적인 면에서 하류로 갈수록 상류 유역을 포함하게 되며, 이렇게 산정한 각 매개변수는 다음과 같다(Table 3).
확률밀도함수를 따르는 엔트로피 식은 정규분포와 대수정규분포 및 Gamma 분포형이 있는데 각 소유역의 유도된 단위도와 가장 잘 부합되는 확률밀도함수를 선정하고 매개변수(평균, 표준편차)를 추정하기 위해 일반적으로 그 형태와 가장 잘 부합하는 2변수 대수정규분포(2-parameter log-normal distribution)를 채택하였다. 또한 매개변수 추정에는 가장 일반적고 매개변수 추정이 용이한 모멘트법을 이용하였으며 나온 매개변수는 시행착오법을 거쳐 미세하게 보정한 후 단위도와 잘 부합될 수 있도록 하였다.
성능/효과
대체적으로 관측소간의 거리가 가까울수록 상관관계가 높았으며 이는 곧, 관측소간의 공간적인 영향성이 높다는 것으로 해석된다. 하지만, 거리가 가깝더라도 낮은 상관관계를 보이는 경우는 대부분 하천경사 차이에 의한 결과에 기인했다.
본 연구에서의 최적 선정 개수의 가이드라인이란 정보 전달량과 관측소 간의 상관관계를 동시에 고려할 시 최적 개수로는 7 ~9개 정도가 적당하다는 기준선을 제시할 수 있었다. 엔트로피만으로 관측소를 선정했을때와는 확연한 차이를 보였으며, 이는 관측소간의 공간적인 영향이 개수 선정에 있어서 큰 영향을 미치기 때문이다.
충주댐 유역에 하나의 관측소가 존재할 때 덕천(④) 지점이 최대의 엔트로피를 가짐으로써 대표할 수 있는 관측소가 되지만 다른 관측소의 엔트로피 중복량으로 정보량이 감소하기 때문에 최적의 관측망을 구성하는 관측소가 되지 못하는걸 알 수 있다. 정보전달량과 관측소간의 공간적인 상관관계를 고려할 때는 9개 관측소에 조합시 총 정보전달량에 도달하는걸 알 수 있으며, 이는 상관관계가 높은 관측소는 최적 수위관측망 구축에 있어서 엔트로피보다좀 더 높은 우선순위에 있음을 기인한다. 또한 충주1(⑩), 충주2(⑨), 충주댐 방수로(⑧) 지점은 관측소와의 높은 상관관계로 인해 최적 조합시 낮은 우선순위로 지명이 되었 으며, 경제성 및 기타 제한된 상황에서의 최적 수위관측망 구축시 7개 조합의 채택 유무에 대해서도 고려해봐야 할 것으로 사료된다.
후속연구
각 수위관측소 지점에 대한 대표단위도를 결정하기 위해서는 강우를 유출로 전이 시킬수 있는 단위도 모형이 필요하다. 또한 유역면적, 하천경사 등의 유역특성 자료가 각 매개변수를 산정하기 위한 기초자료로 활용된다. 우리나라의 경우 SCS 방법, Clark 방법, Nakayasu 방법이 적용되고 있으며 그중 Clark 방법의 적용성 및 범용성이 가장 우수하다고 판단되어, 본 연구에서는 Clark 방법에 의한 대표 단위도를 산정하였다.
정보전달량과 관측소간의 공간적인 상관관계를 고려할 때는 9개 관측소에 조합시 총 정보전달량에 도달하는걸 알 수 있으며, 이는 상관관계가 높은 관측소는 최적 수위관측망 구축에 있어서 엔트로피보다좀 더 높은 우선순위에 있음을 기인한다. 또한 충주1(⑩), 충주2(⑨), 충주댐 방수로(⑧) 지점은 관측소와의 높은 상관관계로 인해 최적 조합시 낮은 우선순위로 지명이 되었 으며, 경제성 및 기타 제한된 상황에서의 최적 수위관측망 구축시 7개 조합의 채택 유무에 대해서도 고려해봐야 할 것으로 사료된다.
선정된 관측소는 그에 따른 결과에 대한 신뢰성 문제와 좀 더 명확한 최적화를 위한 추가적인 연구가 필요하겠지만 향후 습지 지대의 수위관측망 최적화시 본 연구에서 제시한 방법론을 참고함으로서 효율적인 수문자료 획득을 위한 방법론이 되기를 기대해본다.
질의응답
핵심어
질문
논문에서 추출한 답변
상관분석은 무엇인가요?
상관분석(Correlation analysis)이란 두 변수 간에 상관관계가 존재하는지를 파악하고, 상관관계의 정도를 측정하는 통계학적 기법이다(Won et al., 2011).
최적의 수위관측망의 선정을 위해 마련한 연구 절차는 어떻게 되나요?
최적의 수위관측망의 선정을 위해 다음과 같은 연구 절차를 마련하였다. 먼저 충주댐 유역을 대상 지점으로 선정하고 수위관측소 현황을 파악하였다. 수위관측지점을 출구점으로 하는 유역 분할을 한 뒤, Clark 단위도법을 이용하여 각 유역의 특성을 추출한 후 HEC-HMS를 이용하여 대표 단위도를 산정하였다. 엔트로피 이론을 적용시키기 위하여 확률밀도함수 중에 단위도와 잘 부합하는 2변수 대수정규분포를 이용하였으며 시행착오법을 적용하여 미세하게 보정하였다. 보정된 2변수 대수정규분포는 엔트로피 이론을 이용하여 정보전달량 산정하였다. 그 다음 수위관측소 간의 보다 정확한 공간 영향을 산정하기 위해 상관분석을 실시하여 각 관측소 설치에 있어서 최적 선정 개수의 가이드라인을 제시하였다.
엔트로피는 무엇으로 정의되는가?
Shannon and Weaver(1949)는 엔트로피는 일반적으로 무질서도 또는 불확실성의 척도로 알려져 있으나, 정보이론에서는 신호가 가지고 있는 정보용량으로 정의하였다. 즉, 정보교환의 과정으로 신호가 보내질 때, 이 신호의 불확실성은 신호에 대한 정보가 불확실성을 제거할 정도로 많아 지면 감소하게 되고, 따라서 불확실성의 감소정도로 신호에 대한 정보를 간접적으로 측정할 수 있는 것이다.
참고문헌 (23)
Al-Zahrani, M and Husain, T (1998). An algorithm for designing a precipitation network in the south-western region of Saudi Arabia, J. of Hydrology, Vol. 205, pp. 205-216.
Caselton, WF and Husain T (1980). Hydrologic networks: Information transmission, J. of Water Resources Planning and Management Division, Vol. 106, pp. 503-529.
Chapman, TG (1986). Entropy as a measurement of hydrologic data uncertainty and model performance, J. of Hydraulic Engineering, Vol. 85, pp. 307-324.
Faber, BA (2000). Reservoir optimization using sampling stochastic dynamic programming (SSDP) with ensemble streamflow prediction (ESP) forecasts, Ph.D. dissertation, University of Cornell, America.
Franz, KJ, Hartmann, HC, Sorooshian, S and Bales, R (2003). Verification of national weather service ensemble streamflow predictions for water supply forecasting in the Colorado river basin, J. of Hydrometeorology, Vol. 4, pp. 1105-1118.
Jin, YK, Jung, TH, Lee, SH and Kang, SU (2016). Reservoir operations of Hapcheon dam applying a discrete hedging rule and ensemble streamflow prediction to cope with droughts, J. of Korea Society of Hazard Mitigation, KOSHM, Vol. 16, No. 1, pp. 93-101.
Jung, DI (2002). Forecasting monthly inflow to Chungju Dam using ensemble streamflow prediction, MS. Thesis, University of Seoul, Korea. [Korean Literature]
Kang, MS, Yu, MS, Yi, JE (2014). Prediction of Andong reservoir inflow using ensemble technique, J. of Korean Society of Civil Engineers, KSCE, Vol. 34, No. 3, pp. 795-804. [Korean Literature]
Kim, JH and Joo, JG (2015). Characteristics of daily precipitation data based on the detailed climate change ensemble scenario depending on the regional climate models and the calibration, J. of Korea Society of Hazard Mitigation, KOSHM, Vol. 15, No. 4, pp. 261-272. [Korean Literature]
Kim, SJ, Joo, HJ, Lee, JH, Jun, HD and Kim, HS (2014). Evaluation of stream gauge network considered discharge characteristics between upstream and downstream of the river, J. of Korea Society of Hazard Mitigation, KOSHM, Vol. 14, No. 4, pp. 309-319. [Korean Literature]
Krstanovic, PF and Singh, VP (1992). Evaluation of rainfall networks using entropy: II, Application, Water Resources Management, Vol. 6, pp. 295-314.
Olsson, J and Lindstrom, G (2008). Evaluation and calibration of operational hydrological ensemble forecasts in Sweden, J. of Hydrology, Vol. 350, pp. 14-24.
Ozkul, S, Harmancioglu, NB and Singh, VP (2000). Entropy based assessment of water quality monitoring networks, J. of Hydraulic Engineering, Vol. 5, No. 1, pp. 90-100.
Seo L, Jeon, MH, Kim TW and Kim SD (2012). Ensemble prediction of future design rainfalls considering climate change, J. of Korea Society of Hazard Mitigation, KOSHM, Vol. 12, No. 2, pp. 159-171. [Korean Literature]
Shannon, CE and Weaver, W (1963). The mathematical theory of communication, The University of Illinois Press, Urbana, Illinois, USA.
Smith, JA, Day, GN. and Kane, MD (1992). Nonparametric framework for long-range streamflow forecasting, J. of Water Resources Planning and Management, ASCE, Vol. 118, pp. 82-92.
Wahl, KL and Crippen, JR (1984). A programmatic approach to evaluating a multi-purpose stream-gauaing network, U.S. Geological Survey Water Resources Investigation report.
WMO(1994). Guide to hydrological practice, Fifth edition.
Won, TY and Jung, SW (2011). SPSS 18.0 statistical research&analysis
Yang, Y and Burn, DH (1994). An entropy approach to data collection network design, J. of Hydraulic Engineering, Vol. 157, pp. 307-324.
Yoo, CS and Jung, GS (2002). Evaluation of a raingauge network using entropy theory: Comparison between Mixed and Continuous Distributions. J. of Korean Society of Civil Engineers, KSCE, Vol. 22, No. 4-B, pp. 447-457. [Korean Literature]
Yoo, CS and Kim, IB (2003). Optimization of stream gauge network using the entropy theory, J. of Korean Water Resources, KWRA, Vol. 36, No. 2, pp. 161-172. [Korean Literature]
※ AI-Helper는 부적절한 답변을 할 수 있습니다.