[논문]조건부합성 기법과 KIMSTORM2 분포형 수문모형을 이용한 GPM 위성 강우자료 및 Radar 강우자료의 홍수모의 평가

김세훈; 정충길; 장원진; 김성준

doi:10.3741/jkwra.2019.52.1.21

조건부합성 기법과 KIMSTORM2 분포형 수문모형을 이용한 GPM 위성 강우자료 및 Radar 강우자료의 홍수모의 평가
Evaluation of GPM satellite and S-band radar rain data for flood simulation using conditional merging method and KIMSTORM2 distributed model 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.1, 2019년, pp.21 - 33

김세훈 (건국대학교 공과대학 사회환경플랜트공학과) , 정충길 , 장원진 (건국대학교 공과대학 사회환경플랜트공학과) , 김성준 (건국대학교 대학원 사회환경플랜트공학과)

초록
AI-Helper

본 연구에서는 비슬산 이중편파 Radar 자료와, GPM 위성자료 및 21개 (Korea Meteorological Administration, KMA) 지상강우자료를 활용하여 분포형 강우-유출 모형(KIneMatic wave STOrm Runoff Model2, KIMSTORM2)을 이용해 남강댐 유역($2,293km^2$)을 대상으로 유출해석을 수행하였다. 모형의 유출 해석은 2016년 10월 5일 02:00~09:00 총 8시간 동안 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA)를 대상으로 하였으며, Radar 및 GPM 자료와 조건부합성(Conditional Merging, CM) 기법을 적용한 Radar (CM-corrected Radar) 및 GPM (CM-corrected GPM) 자료를 각각 활용하여 결과를 비교하였다. 이 때, 공간 강우자료에 유출 검보정은 남강댐 유역 내 3개의 수위관측 지점(산청, 창촌, 남강댐)을 대상으로 실시하였으며, 모형의 매개변수 초기토양수분함량, 지표와 하천의 Manning 조도계수를 이용하여 검보정하였다. 유출 결과는 결정계수(Determination coefficient, $R^2$), Nash-Sutcliffe의 모형효율계수(NSE) 및 유출용적지수(Volume Conservation Index, VCI)를 산정하였다. 그 결과 CM-corrected Radar, GPM 자료가 평균 $R^2$는 0.96, NSE의 경우 0.96, 유출용적지수(VCI)는 1.03으로 가장 우수한 결과를 나타내었다. 최종적으로 CM 기법을 이용한 보정된 공간분포자료는 기존의 자료에 비해 시공간적으로 정확한 홍수 예측에 사용 될 것으로 판단된다.

Abstract ▼ AI-Helper

This study performed to simulate the watershed storm runoff using data of S-band dual-polarization radar rain, GPM (Global Precipitation Mission) satellite rain, and observed rainfall at 21 ground stations operated by KMA (Korea Meteorological Administration) respectively. For the 3 water level gauge stations (Sancheong, Changchon, and Namgang) of NamgangDam watershed ($2,293km^2$), the KIMSTORM2 (KIneMatic wave STOrm Runoff Model2) was applied and calibrated with parameters of initial soil moisture contents, Manning's roughness of overland and stream to the event of typhoon CHABA (82 mm in watershed aveprage) in $5^{th}$ October 2016. The radar and GPM data was corrected with CM (Conditional Merging) method such as CM-corrected Radar and CM-corrected GPM. The CM has been used for accurate rainfall estimation in water resources and meteorological field and the method combined measured ground rainfall and spatial data such as radar and satellite images by the kriging interpolation technique. For the CM-corrected Radar and CM-corrected GPM data application, the determination coefficient ($R^2$) was 0.96 respectively. The Nash-Sutcliffe efficiency (NSE) was 0.96 and the Volume Conservation Index (VCI) was 1.03 respectively. The CM-corrected data of Radar and GPM showed good results for the CHABA peak runoff and runoff volume simulation and improved all of $R^2$, NSE, and VCI comparing with the original data application. Thus, we need to use and apply the radar and satellite data to monitor the flood within the watershed.

주제어

표/그림 (10)

그림 Fig. 1. Flowchart of this study
그림 Fig. 2. Location of Namgang Dam watershed
그림 Fig. 3. GIS input data for KIMSTORM2 model (Jung et al., 2017)
그림 Fig. 4. The cumulative rainfall graphs and relationship between observed rainfall and Kriging, Radar and GPM rain data
그림 Fig. 5. The cumulative rainfall graphs and relationship between observed rainfall and CM-corrected Radar and CM-corrected GPM rain data
그림 Fig. 6. Comparison of spatial distributions of Radar, GPM, and CM results during the CHABA period (2016.10.05. 02:00~09:00)
표 Table 1. Selected model parameters for model calibration
표 Table 2. Summary of model evaluation
표 Table 3. Summary of model calibration
그림 Fig. 7. Comparison of observed runoff and predicted hydrograph about Radar, GPM and CM method after model calibration: (a) Sancheong (SC), (b) Changcheon (CC) and (c) Namgang Dam (NR) during the CHABA period (2016.10.05. 02:00∼ 09:00)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 남강댐 유역을 대상으로 2016년 10월에 Radar, GPM 위성으로 관측된 강우사상 태풍 차바(CHABA)에 대해서 지상강우자료와의 정량적인 차이를 분석하고 이를 보정하기 위한 방법으로 1) 지상강우 자료의 크리깅(Kriging) 기법을 통해 공간내삽자료와 2) 지상 지점강우자료와 Radar, GPM 각각의 자료의 조건부합성(Conditional Merging, CM)으로부터 산정된 CM 공간강우자료를 분포형 모형에 적용하여 보정된 강우자료에 대한 대상유역의 홍수유출 활용성을 평가하고자 한다.
본 연구에서는 지상강우의 Kriging 공간내삽자료와 Radar 및 GPM 자료 각각의 CM 기법을 통해 생산된 강우자료를 분포형 모형에 적용하여 보정 강우 자료의 활용성을 평가하였다. Fig.

제안 방법

1) 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에 대해 수집한 실측 강우자료를 Kriging 기법을 통해 공간보간을 실시하였다. 선행연구 Baik et al.
2) 본 연구에서 사용한 매개변수는 선행연구 Jung et al.,(2017)에서 검보정 결과의 표준매개변수를 적용하였다. 적용 결과 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 각각의 자료 모두 모의 유출량이 관측 유출량에 비해 부족하게 모의 되었고, 이는 각 강우사상에 따라 강우량 차이로 분석되며 부족한 유출량의 경우 초기 토양수분 매개변수를 38∼90% 범위로 조정하여 조절할 수 있었다.
또한 Kriging 기법은 산지가 많은 지역과 불균질한 지형에 많이 사용되는 것을 고려하여, 본 연구에서는 Kriging 기법을 적용하였다.2)그리고 Radar 및 GPM 각각의 자료로부터 지상 관측소 지점과 일치하는 지점에서의 강우 값을 추출하고 추출된 지점 값으로부터 Kriging 기법을 이용해 공간보간을 실시하였다.3) 그 뒤 원시자료(Radar, GPM)와 Kriging 기법을 통해 산정한 자료로부터 잔차(차이)를 산정하고, 산정된 잔차에 Kriging 기법을 통해 공간보간을 실시한 지상 강우 자료를 더해 최종적으로 CM-corrected Radar 및 CM-corrected GPM 강우 자료를 산정하였다(Jung et al.
2016년 태풍 CHABA 기간에 대한 남강댐 유역의 유출해석에 앞서 Kriging 기법을 통해 공간보간된 지상강우, Radar 강우, GPM 강우, CM-corrected Radar 강우 및 CM-corrected GPM 강우 자료를 공간강우분포 그림을 통해 비교하였다(Fig. 6). Fig.
2016년 태풍 차바(CHABA)에 대한 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 자료를 KIMSTORM2에 적용해 유출 검보정을 진행하였다. 유출 검보정은 상류로부터 산청(SC), 창촌(CC) 그리고 유역 출구점인 남강댐방수로 지점(NR)의 유량자료를 모의결과와 순차적으로 비교하는 방법으로 수행하였다.
2)그리고 Radar 및 GPM 각각의 자료로부터 지상 관측소 지점과 일치하는 지점에서의 강우 값을 추출하고 추출된 지점 값으로부터 Kriging 기법을 이용해 공간보간을 실시하였다.3) 그 뒤 원시자료(Radar, GPM)와 Kriging 기법을 통해 산정한 자료로부터 잔차(차이)를 산정하고, 산정된 잔차에 Kriging 기법을 통해 공간보간을 실시한 지상 강우 자료를 더해 최종적으로 CM-corrected Radar 및 CM-corrected GPM 강우 자료를 산정하였다(Jung et al., 2017).
강우자료 적절성을 평가하기 위해, 결정계수(determination of coefficient, R²), 상대오차(R_s) 및 절대오차(R_a)를 산정하여 비교하였다. R² 지수는 1에 가까울수록 관측값과 모의값의 상관성 및 정확도가 높다.
또한 강우자료 검증을 위해 21개 KMA 강우 관측에 포함되지 않은 시천(Shicheon) 지점을 대상으로 leaveone-out 교차 검증 방법을 사용하였다. 강우자료를 평가하기 위해 R², R_s 및 R_a를 산정하여 비교하였다. 비교 결과, Kriging 자료를 제외한 기존의 Radar 및 GPM 자료는, 누적강우량 편차가 큰 것을 볼 수 있었으며, CM 기법을 이용하여 편차를 보완할 수 있었다.
, 2018). 공간 강우자료(Radar 및 GPM)을 이용하여 측정한 강우량의 분포패턴과 우량계를 이용하여 직접 측정한 강우량을 합성하는데 사용하였다. 또한 CM 기법은 지질통계학적 접근 방법인 크리깅(Kriging)한 변수 값이 없을 때 내삽을 통해 변수 값을 추정하는 지질 통계학적 접근 방법이다(Kim and Jung, 2016).
이 때 보정에 활용한 지상강우 자료는 Kriging 기법을 이용해 공간내삽하여 적용하고, 기존 GPM 강우 자료 및 CM 기법을 통해 보정된 CM-corrected GPM 강우자료를 각각 적용하여 유출 분석을 실시하였다. 또한 선행연구 Junget al. (2017)에서 진행된 Radar 자료와 비교하여 자료의 효용성 검사를 하였다. 본 연구의 결과를 정리하면 다음과 같다.
토지피복도, 유효토심도 및 토양종류도는 모두 국가수자원관리종합정보시스템(Water Resources Management Information System, WAMIS)에서 제공받아 사용하였다. 마지막으로 GPM 및 지점강우의 비교분석 및 모형의 보정을 위한 유역경계는 수위관측소를 기준으로 3개의 유역(SC, CC, NR)으로 분할하였다.
본 연구에서 사용한 GPM 자료는 지상관측 자료와 보정한 4개월 후 제공되는(Final run product) 자료로 Radar와 실시간 모의는 어렵지만 미계측 지역 특히 북한 지역 등의 특정 지역에 대한 홍수량 산정 시 정확한 자료의 효용성 판단을 위해 사용하고 있다. 본 연구에서 활용된 GPM 자료는 협정 세계시(Coordinated Universal Time, UTC)을 기준으로 되어있기 때문에 한국 표준시(Korea Standard Time, KST)에 맞춰서 연구를 실시하였으며(KST= UTC+9 (hr)), 시간단위로 모의를 하기 위해 30분 간격의 GPM 자료를 1시간단위 강우자료로 변환하여 사용하였다.
후자의 경우 하천조도계수(n_str), 하천형상계수(C_str), 논에서의 최대 여유고(hpf)와 조도계수 조절상수(b), 초기토양포화도(SW_ini), 침루조절계수(N), 기저유출 발생위치(BF_TH) 및 기여상수(BF_cnst)가 있다. 본 연구에서는 13개의 매개변수 중 민감도 분석을 통해 주요 매개변수 3개(초기토양수분, 지표조도계수, 하천조도 계수)를 선정하여 사용하였다. 모형의 적용성 평가를 위한 목적함수로는 결정계수(Determination coefficient, R²), NashSutcliffe의 모형효율계수(NSE) 및 Du et al.
본 연구에서는 Radar 및 GPM 자료를 각각 이용하여 CM 기법을 수행하였으며, 다음과 같은 순서로 진행하였다.1) 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에 대해 수집한 실측 강우자료를 Kriging 기법을 통해 공간보간을 실시하였다.
본 연구에서는 남강댐 유역(2,293 km2)에서 2016년 10월 5일 02:00∼09:00 총 8시간 동안 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA) 강우 사상 기간에 조건부합성 기법을 적용해 보정한 GPM (CMcorrected GPM)을 분포형 모형에 적용하여 유출 적용성 평가를 실시하였다.
2016년 태풍 차바(CHABA)에 대한 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 자료를 KIMSTORM2에 적용해 유출 검보정을 진행하였다. 유출 검보정은 상류로부터 산청(SC), 창촌(CC) 그리고 유역 출구점인 남강댐방수로 지점(NR)의 유량자료를 모의결과와 순차적으로 비교하는 방법으로 수행하였다. 모형의 보정을 수행하기에 앞서 KIMSTORM2 모형에서는 공간적으로 분포시키거나 모든 셀에 동일한 값이 입력되도록 설정해야 하는 두 가지 형식의 매개변수가 있다.
토지피복도는 환경부에서 제공하는 토지이용도를 사용하였으며 전체면적의 78%는 산림, 12%는 논, 8%는 밭이 차지한다. 유효토심도 및 토양종류도는 농업과학기술원에서 제공하는 벡터형태의 1:50,000 개략토양도의 유효토심과 토양종류 속성을 격자화하여 사용하였다. 토지피복도, 유효토심도 및 토양종류도는 모두 국가수자원관리종합정보시스템(Water Resources Management Information System, WAMIS)에서 제공받아 사용하였다.
)에서 2016년 10월 5일 02:00∼09:00 총 8시간 동안 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA) 강우 사상 기간에 조건부합성 기법을 적용해 보정한 GPM (CMcorrected GPM)을 분포형 모형에 적용하여 유출 적용성 평가를 실시하였다. 이 때 보정에 활용한 지상강우 자료는 Kriging 기법을 이용해 공간내삽하여 적용하고, 기존 GPM 강우 자료 및 CM 기법을 통해 보정된 CM-corrected GPM 강우자료를 각각 적용하여 유출 분석을 실시하였다. 또한 선행연구 Junget al.
, 2017). 이 자료는 GPM 코어위성 듀얼Radar (DPR), GPM 마이크로파이미저 (GMI)과 마이크로파 센서를 탑재하고 강수량을 산출할 수 있는 모든 마이크로파 협력위성 및 적외(IR) 채널을 탑재한 정지궤도 위성들의 강수량 값을 블렌딩 하였다. 최종적으로 산출된 자료는 30분간 10 km의 해상도 자료이다(Jang et al.

대상 데이터

1) 지상강우 자료는 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에서 Kriging 기법을 활용해 공간 내삽하여 적용하였다. 또한 강우자료 검증을 위해 21개 KMA 강우 관측에 포함되지 않은 시천(Shicheon) 지점을 대상으로 leaveone-out 교차 검증 방법을 사용하였다.
각 자료의 누적강우량 편차는 2014년 기간의 Radar 자료가 41 mm 과소 추정, GPM 자료가 7 mm 과대 추정되었으며. 2016년 기간의 Radar 자료는 49 mm 과소 추정, GPM 자료가 7 mm 과대 추정되었다. 특히, Radar 자료는 2014년 집중호우 기간과 2016년 태풍 차바(CHABA) 기간에 강우의 편차가 각각 –23.
, 2017). Fig. 2에는 대상유역 근처의 강우관측소(21개소) 및 수위관측소(3개소) 현황을 나타내고 있으며, GPM 및 지점강우의 비교분석 및 모형의 보정을 위한 수위 관측소는 각각 산청(SC), 창촌(CC), 그리고 남강댐유입부(NR) 3개 지점자료를 이용하였다. 소유역의 경계는 3개의 수위관측소 지점을 기준으로 분할하였다(Jung et al.
9%으로 산정되었다. 각 자료의 누적강우량 편차는 2014년 기간의 Radar 자료가 41 mm 과소 추정, GPM 자료가 7 mm 과대 추정되었으며. 2016년 기간의 Radar 자료는 49 mm 과소 추정, GPM 자료가 7 mm 과대 추정되었다.
본 연구는 2016년 10월 5일 02:00∼09:00 총 8시간 동안 대상유역인 남강댐 유역(2,293 km2)에 1시간 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA)를 강우 이벤트로 선정하였으며, Fig. 1과 같은 순서로 연구를 진행하였다.
, 2017). 본 연구에서 사용한 GPM 자료는 지상관측 자료와 보정한 4개월 후 제공되는(Final run product) 자료로 Radar와 실시간 모의는 어렵지만 미계측 지역 특히 북한 지역 등의 특정 지역에 대한 홍수량 산정 시 정확한 자료의 효용성 판단을 위해 사용하고 있다. 본 연구에서 활용된 GPM 자료는 협정 세계시(Coordinated Universal Time, UTC)을 기준으로 되어있기 때문에 한국 표준시(Korea Standard Time, KST)에 맞춰서 연구를 실시하였으며(KST= UTC+9 (hr)), 시간단위로 모의를 하기 위해 30분 간격의 GPM 자료를 1시간단위 강우자료로 변환하여 사용하였다.
본 연구에서 한강홍수통제소에서 제공하는 비슬산 이중편파 Radar 자료를 사용하였다. 과거에 수평성분의 전파만을 사용한 단일편파 Radar에 반해 최근 사용되는 이중편파(Dualpolarization) Radar는 수평과 수직성분의 전파를 동시에 사용하여 목표물에 대한 특성정보의 정확도를 향상시켰다(Jeonet al.
본 연구에서는 Integrated Multi-satellitE Retreievals for GPM (GPM IMERG)자료를 사용하였다. GPM IMERG 위성 자료는 Level 3 자료로 GPM 단일 위성으로 만든Level 3 격자강수량과 구별된다(Jang et al.
, 2018). 본 연구의 대상유역인 남강댐 유역 또한 여름철에 몬순기후와 남해안의 난류가 어우러져 태풍을 동반하는 다우지역으로 강우 발생 시 유량의 집중도가 높은 지역으로 이러한 오차들이 발생하는 것으로 판단된다. 따라서 Radar 및 GPM 관측 자료는 지상관측의 정량적인 개념이 아닌 간접적인 추정이기 때문에 불확실성이 높다는 단점을 내포하고 있기 때문에 자료에 대한 보정이 필요한 것으로 판단되었다(Fig.
, 2011) 알고리즘을 이용하여 강우강도를 산정하였고 수평반사도(Zh), 차등반사도(ZDR), 및 비차등위상차(KDP) 변수를 이용하여 각각의 강우 추정치 R(Z), R(ZDR), R(KDP)를 계산한 자료를 제공받았다. 이 중에서 관측강우자료와의 비교하여 정확도가 가장 높게 나타난 R(KDP) 자료를 사용하였다(Jung et al., 2017).
제공된 Radar 자료는 선행연구(Jung et al., 2017)에서 사용되었으며, Radar 강우자료의 추정 알고리즘은 JPOLE(Ryzhkov et al., 2005) 및 CSU (Cifelli et al., 2011) 알고리즘을 이용하여 강우강도를 산정하였고 수평반사도(Zh), 차등반사도(ZDR), 및 비차등위상차(KDP) 변수를 이용하여 각각의 강우 추정치 R(Z), R(ZDR), R(KDP)를 계산한 자료를 제공받았다. 이 중에서 관측강우자료와의 비교하여 정확도가 가장 높게 나타난 R(KDP) 자료를 사용하였다(Jung et al.
지상강우 자료의 경우 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에서 시단위 강우자료를 이용하였으며, 구축한 지상강우 자료는 모형의 입력자료 해상도와 동일한 격자 크기(500 m)로 Kriging 기법을 활용해 공간 내삽하여 적용하였다(Fig. 3(h)).
이 자료는 GPM 코어위성 듀얼Radar (DPR), GPM 마이크로파이미저 (GMI)과 마이크로파 센서를 탑재하고 강수량을 산출할 수 있는 모든 마이크로파 협력위성 및 적외(IR) 채널을 탑재한 정지궤도 위성들의 강수량 값을 블렌딩 하였다. 최종적으로 산출된 자료는 30분간 10 km의 해상도 자료이다(Jang et al., 2017). GPM IMERG 자료를 산출하는 방법은 각 기관의 역할을 분담하여 최종 격자화된 자료를 산출한다.

데이터처리

3(h)). 또한, 공간 보간된 Kriging 강우 자료의 검증을 위해 21개 KMA 강우 관측 지점에 포함되지 않은 시천(Shicheon) 강우 지점을 대상으로 leave-one-out 교차 검증 방법을 사용하였다.

이론/모형

모형에는 DEM, 흐름방향도, 토지피복도, 유효토심도, 토양종류도, 유역경계, 지표경사분포도(slope)가 필수 GIS 자료로 입력된다. DEM은 1:5,000 National Geographic Information System (NGIS) 수치지도를 사용하여 구축하였으며, 흐름방향, 흐름누적 및 하천망이 실제하천의 형태를 고려하면서 정의될 수 있도록Agree Burn (Hellweger, 1997; Jung and Kim, 2003) 기법을 적용하여 DEM을 전처리하였다(Jung et al., 2017). 토지피복도는 환경부에서 제공하는 토지이용도를 사용하였으며 전체면적의 78%는 산림, 12%는 논, 8%는 밭이 차지한다.
보정을 위해 매개변수를 조정한 결과, 초기토양수분의 경우 값이 증가할수록 토양으로의 작게 발생하여 유출용적이 커지게 되고, 조도계수 의 경우 값이 증가할수록 유속이 감소하여 유량의 발생이 감소하게 되어 유출용적이 감소하는 것으로 나타났다. Table 1에 정리된 매개변수는 선행연구 Jung et al. (2017)의 표준매개변수 값을 적용하였고, 각 강우사상에 따라 초기토양수분을 조절하여 부족한 강수에 대해서 조정할 수 있었다. 특히 공간강우분포(Fig.
두 기법의 차이는 IDW 기법의 경우 실측점 사이의 값을 추정하는 것에 비해 Kriging 기법은 주변의 많은 측정 값을 통계적으로 분석하여 값을 추정하며 실측 값과의 거리뿐만 아니라 주변에 이웃한 각 측정 값 사이의 상관강도를 반영하게 된다. 또한 Kriging 기법은 산지가 많은 지역과 불균질한 지형에 많이 사용되는 것을 고려하여, 본 연구에서는 Kriging 기법을 적용하였다.2)그리고 Radar 및 GPM 각각의 자료로부터 지상 관측소 지점과 일치하는 지점에서의 강우 값을 추출하고 추출된 지점 값으로부터 Kriging 기법을 이용해 공간보간을 실시하였다.
1) 지상강우 자료는 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에서 Kriging 기법을 활용해 공간 내삽하여 적용하였다. 또한 강우자료 검증을 위해 21개 KMA 강우 관측에 포함되지 않은 시천(Shicheon) 지점을 대상으로 leaveone-out 교차 검증 방법을 사용하였다. 강우자료를 평가하기 위해 R², R_s 및 R_a를 산정하여 비교하였다.
, 2017). 또한, 21개 KMA 강우 관측 지점자료로부터 공간 보간된 Kriging 강우 자료의 검증을 위해 21개 KMA 강우 관측 지점에 포함되지 않은 시천(Shicheon) 강우 지점을 대상으로 leave-one-out 교차 검증 방법을 사용하였다(Fig. 2)
본 연구에서는 13개의 매개변수 중 민감도 분석을 통해 주요 매개변수 3개(초기토양수분, 지표조도계수, 하천조도 계수)를 선정하여 사용하였다. 모형의 적용성 평가를 위한 목적함수로는 결정계수(Determination coefficient, R²), NashSutcliffe의 모형효율계수(NSE) 및 Du et al. (2007)에서 적용한 바 있는 유출용적 지수(Volume Conservation Index, VCI)를 사용하였다.

성능/효과

2016년 10월 5일 02:00∼09:00 총 8시간 동안 유역평균 82 mm 강우량이 발생한 태풍 차바(CHABA) 기간에 R2, NSE 및 VCI에서동일하게 CM-corrected Radar, CM-corrected GPM이 가장 우수한 것으로 분석돼 본 연구에서 활용한 CM 기법의 적용성을 잘 나타내었다.
3) 조정한 매개변수를 바탕으로 분포형 모형의 유출해석 결과, 전체적인 평균 R², NSE 모두 0.72 이상으로 우수한 결과를 나타내었다. CM-corrected Radar 및 CM-corrected GPM의 자료가 0.
2016년 10월 5일 02:00∼09:00 총 8시간 동안 유역평균 82 mm 강우량이 발생한 태풍 차바(CHABA) 기간에 R2, NSE 및 VCI에서동일하게 CM-corrected Radar, CM-corrected GPM이 가장 우수한 것으로 분석돼 본 연구에서 활용한 CM 기법의 적용성을 잘 나타내었다. 3개의 검보정 지점에서 평균 첨두유량과유출용적은 CHABA 발생시 1127.6 m³/s, 37.9 106m³일 때,Kriging가 1.8% 및 1.1%, Radar의 경우 18.6% 및 16.9%, GPM 의 경우 7.8% 및 11.6%, CM-corrected Radar은 1.8% 및 5.0%, CM-corrected GPM은 0.1% 및 2.1%으로 CM-corrected GPM 자료가 가장 편차가 적은 것으로 나타났다(Table 3). 그러나 전체적인 첨두유량과 유출용적의 편차는 Radar 자료를 제외한 각각의 자료에서 큰 차이가 없으며, 수문 곡선의 비교에 있어서 CM-corrected GPM이 더 우수한 모습을 보였다(Fig.
CM 기법을 이용한 CM-corrected Radar 및 CM-corrected GPM 자료의 VCI 편차는 모두 3%로 관측치와 매우 유사함을 보였다. 이는, CM 기법이 Radar 및 GPM 자료의 공간 보정으로 전체적인 유출용적을 보완해준 것으로 판단된다.
CM-corrected Radar 및 CM-corrected GPM의 경우 결측된 강우를 보완하고 과대 추정된 강우량을 조절하는 특징에 의해 38∼47%로 다른 자료보다 낮게 조정하여도 잘 보정할 수 있었다.
72 이상으로 우수한 결과를 나타내었다. CM-corrected Radar 및 CM-corrected GPM의 자료가 0.96으로 가장 높았으며 유출용적편차(VCI) 또한 CM-corrected Radar와 CM-corrected GPM이 3% 편차로 가장 작게 예측됨으로써 관측치와 거의 흡사함을 보였다. 이는 CM 기법의 특성상 관측 유량과 가장 편차가 작게 나타나는 것으로 보인다.
, 2005). GPM 자료의 경우 과대측정으로 관측오차가 큰 것을 볼 수 있었으며, 특히 여름기간에 많은 오차가 발생한다는 것을 확인하였다. GPM 자료의 이러한 편차 발생의 원인은 한반도의 몬순기후의 영향으로 약 15 mm/day 이상의 강우에서는 상대적으로 높은 발생확률을 갖고 있으며, 이와는 반대로, 약 15 mm/day 미만에서는 GPM 자료의 강수가 낮은 발생확률을 나타내고 있다(Baik et al.
7에서 (a), (b), (c)는 상류부터 산청(SC), 창촌(CC), 및 남강댐 유역출구 지점 (NR)이며 Kriging(검은색 실선)와 CM-corrected Radar(파란색 점선) 및 CM-corrected GPM(빨간색 점선)의 경우 관측값(회색 면적)의 유출량의 변화를 유사하게 따라가고 있는 반면 Radar(파란색 실선) 및 GPM(빨간색 실선) 자료의 경우 다소 미흡한 결과를 보였다. 각 수위관측소 지점에 대해서 첨두유량 도달시간과 비교해 보았을 때 SC 지점에서의 관측 첨두유량 도달시간은 10월 5일 13:00로 나타났고 CC 지점은 14:00, NR 지점은 15:00로 분석되었다.
각각의 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 자료를 비교검토 결과 SC 지점에서 첨두유량 도달시간은 13:00, 14:00, 13:00, 14:00, 14:00으로 Kriging 및 GPM 자료를 제외한 Radar, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 이후에 첨두유량이 발생하였고, CC 지점에서는 16:00, 16:00, 15:00, 16:00, 15:00으로Kriging, Radar 및 CM-corrected Radar 자료는 2시간 후, GPM 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생하였다. 마지막으로 대상유역 최하단 NR 지점에서 첨두유량 도달 시간은 16:00, 17:00, 16:00, 16:00, 16:00으로 분석되었으며 Kriging, GPM, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생한 반면 Radar 자료는 2시간 이후에 첨두유량이 발생하였다.
공통적으로 CM-corrected Radar 및 CM-corrected GPM 자료는 미계측유역의 부족한 강우와 과대 산정된 강우자료를 보정하였기 때문에 초기토양수분 값이 38∼47%로 작게값을 조정하여도 잘 보정할 수 있었다.
1%으로 CM-corrected GPM 자료가 가장 편차가 적은 것으로 나타났다(Table 3). 그러나 전체적인 첨두유량과 유출용적의 편차는 Radar 자료를 제외한 각각의 자료에서 큰 차이가 없으며, 수문 곡선의 비교에 있어서 CM-corrected GPM이 더 우수한 모습을 보였다(Fig. 7). Fig.
기존의 Radar 및 GPM 자료와 CM-corrected Radar 및 CM-corrected GPM 자료를 각각 비교한 결과 R2는 0.04 및 0.44에서 0.91 및 0.79, Rs의 경우 –45.5% 및 28.0%에서 –3.0% 및 27.2%, Ra의 경우 55.4% 및 50.6%에서 16.1% 및 40.6%로 개선되었다.
기존의 Radar 및 GPM 자료와 CM-corrected Radar 및 CM-corrected GPM 자료를 각각 비교한 결과 R2는 0.2 및 0.58에서 0.99 및 0.99, Rs의 경우 –61.6% 및 14.2%에서 –1.7% 및 0.6%, Ra의 경우 61.6% 및 33.9%에서 2.3% 및 0.7%로 개선되었다.
6%로 개선되었다. 누적지상강우량과 각 자료의 누적강우량을 비교한 결과 기존의 Radar 및 GPM 자료는 48 mm 과소 추정 및 18 mm 과대 추정에서 CM-corrected Radar 및 CM-corrected GPM 자료는 3 mm 과소 추정, 10 mm 과대 추정으로 기존의 편차가 개선되었다.
누적지상강우량과 각 자료의 누적강우량을 비교한 결과 기존의 Radar 및 GPM 자료는 49 mm 과소 추정 및 7 mm 과대추정에서 CM-corrected Radar 및 CM-corrected GPM 자료는 1 mm 과소 추정, 0.3 mm 과대 추정으로 전체적으로 CM 기법을 통한 CM-corrected Radar 및 CM-corrected GPM의 자료가 크게 개선됨을 알 수 있다. 따라서 정량적으로 편차가 심한 Radar 및 GPM 자료를 유출모형에 사용할 경우 편차의 크기만큼 모형 매개변수 최적화 과정에서의 매개변수 불확실성이 커짐에 따라 공간 자료의 보정이 필요할 것으로 판단된다(Jung et al.
각각의 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 자료를 비교검토 결과 SC 지점에서 첨두유량 도달시간은 13:00, 14:00, 13:00, 14:00, 14:00으로 Kriging 및 GPM 자료를 제외한 Radar, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 이후에 첨두유량이 발생하였고, CC 지점에서는 16:00, 16:00, 15:00, 16:00, 15:00으로Kriging, Radar 및 CM-corrected Radar 자료는 2시간 후, GPM 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생하였다. 마지막으로 대상유역 최하단 NR 지점에서 첨두유량 도달 시간은 16:00, 17:00, 16:00, 16:00, 16:00으로 분석되었으며 Kriging, GPM, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생한 반면 Radar 자료는 2시간 이후에 첨두유량이 발생하였다. 이는 기존의 Radar 자료의 경우 정량적인 보정 이루어지지 않은 반면 CM-corrected Radar 및 CM-corrected GPM자료는 Kriging 자료를 통해 정량적인 보정이 이루어짐으로써 전체적인 첨두유량의 도달시간 및 유출 곡선이 관측값과 거의 유사하게 모의되고 있음을 확인하였다.
Table 2에서는 Radar 및 GPM 두 자료의 유출해석 결과를 나타내었다. 모의 결과 전체적인 평균 R²와 NSE 모두 0.72 이상으로 우수한 결과를 나타내었다. CM-corrected Radar 및 CM-corrected GPM 자료의 경우 평균 R²와 NSE가 0.
보정을 위해 매개변수를 조정한 결과, 초기토양수분의 경우 값이 증가할수록 토양으로의 작게 발생하여 유출용적이 커지게 되고, 조도계수 의 경우 값이 증가할수록 유속이 감소하여 유량의 발생이 감소하게 되어 유출용적이 감소하는 것으로 나타났다. Table 1에 정리된 매개변수는 선행연구 Jung et al.
본 연구에서 활용한 GPM 위성자료는 기존의 Radar보다 정확한 강우의 공간 분포를 제공하며 상세하게 강우분포의 특성을 표현할 수 있었으며, 강우의 분포 및 이동을 효과적으로 모니터링 할 수 있는 장점이 있으나, 강우의 정량적인 측정에 있어서는 과대 추정되는 경향을 보였다.
강우자료를 평가하기 위해 R², R_s 및 R_a를 산정하여 비교하였다. 비교 결과, Kriging 자료를 제외한 기존의 Radar 및 GPM 자료는, 누적강우량 편차가 큰 것을 볼 수 있었으며, CM 기법을 이용하여 편차를 보완할 수 있었다.
4(c)). 시천(Shicheon) 지점에서의 누적지상강우량과 각 자료의 누적강우량을 비교한 결과 2014년 기간의 Kriging 자료의 경우 3 mm 편차를 보이는 반면 Radar 및 GPM 자료 모두 각각 경우 74 mm 25 mm 과소 추정되었고, 2016년 기간에서는 Kriging 자료의 경우 6 mm, Radar 자료의 경우 48 mm 과소 추정, GPM 자료는 17 mm 과대 추정되었다.
마지막으로 대상유역 최하단 NR 지점에서 첨두유량 도달 시간은 16:00, 17:00, 16:00, 16:00, 16:00으로 분석되었으며 Kriging, GPM, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생한 반면 Radar 자료는 2시간 이후에 첨두유량이 발생하였다. 이는 기존의 Radar 자료의 경우 정량적인 보정 이루어지지 않은 반면 CM-corrected Radar 및 CM-corrected GPM자료는 Kriging 자료를 통해 정량적인 보정이 이루어짐으로써 전체적인 첨두유량의 도달시간 및 유출 곡선이 관측값과 거의 유사하게 모의되고 있음을 확인하였다.
이러한 관측오차는 CM 기법을 적용하여 Radar 및 GPM 두 자료 간에 갖고 있는 편차를 줄일 수 있었으며 특히, 과대 추정되는 GPM 자료의 강우분포가 조정됨으로써 분포형 모형에 의한 공간유출 및 첨두유출의 합리적인 재현 가능성을 나타냈다. 하지만 본 연구에서는 2016년 태풍 CHABA 기간에 대한 Radar 및 GPM 자료를 비교하였으며, 각 자료를 관측오차를 비교하기 위해서는 추가적인 검증 기간이 필요하다.
적용 결과 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 각각의 자료 모두 모의 유출량이 관측 유출량에 비해 부족하게 모의 되었고, 이는 각 강우사상에 따라 강우량 차이로 분석되며 부족한 유출량의 경우 초기 토양수분 매개변수를 38∼90% 범위로 조정하여 조절할 수 있었다.
(2017)의 표준매개변수 값을 적용하였고, 각 강우사상에 따라 초기토양수분을 조절하여 부족한 강수에 대해서 조정할 수 있었다. 특히 공간강우분포(Fig. 6)를 보았을 때 가장 강수량이 적게 관측된 Radar 강우자료의 경우 GPM 강우자료의 초기토양수분 값에 비해 90%로 높은 범위로 설정해 주어야 관측자료와 일치하는 경향을 보였다. 공통적으로 CM-corrected Radar 및 CM-corrected GPM 자료는 미계측유역의 부족한 강우와 과대 산정된 강우자료를 보정하였기 때문에 초기토양수분 값이 38∼47%로 작게값을 조정하여도 잘 보정할 수 있었다.

후속연구

하지만 본 연구에서는 2016년 태풍 CHABA 기간에 대한 Radar 및 GPM 자료를 비교하였으며, 각 자료를 관측오차를 비교하기 위해서는 추가적인 검증 기간이 필요하다. 따라서, 추가 검증기간을 통해 각 자료의 검증을 수행하고, 표준화된 CM 기법 가중치를 산정하여 관측 자료에 따라 달라지는 보정 결과를 보완하여 미계측 지역에서 추가 활용성을 평가하여야 한다.
이러한 관측오차는 CM 기법을 적용하여 Radar 및 GPM 두 자료 간에 갖고 있는 편차를 줄일 수 있었으며 특히, 과대 추정되는 GPM 자료의 강우분포가 조정됨으로써 분포형 모형에 의한 공간유출 및 첨두유출의 합리적인 재현 가능성을 나타냈다. 하지만 본 연구에서는 2016년 태풍 CHABA 기간에 대한 Radar 및 GPM 자료를 비교하였으며, 각 자료를 관측오차를 비교하기 위해서는 추가적인 검증 기간이 필요하다. 따라서, 추가 검증기간을 통해 각 자료의 검증을 수행하고, 표준화된 CM 기법 가중치를 산정하여 관측 자료에 따라 달라지는 보정 결과를 보완하여 미계측 지역에서 추가 활용성을 평가하여야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	KIMSTORM이란 무엇인가?	본 연구에서 적용한 KIneMatic wave STOrm Runoff Model(KIMSTORM)은 Kim, (1998)에 의해 개발된 모형으로 격자 물수지(cell-based water balance) 기법을 이용하여 지표흐름과 지표하 흐름을 모두 고려한 분포형 강우-유출모형이다. KIMSTORM은 격자물수지법을 이용함으로써 음해기법에 비해 모형의 구조 및 계산이 간단한 것이 특징이며 Kim et al.
	조건부합성(CM) 기법은 어떻게 활용되는가?	, 2018). 공간 강우자료(Radar 및 GPM)을 이용하여 측정한 강우량의 분포패턴과 우량계를 이용하여 직접 측정한 강우량을 합성하는데 사용하였다. 또한 CM 기법은 지질통계학적 접근 방법인 크리깅(Kriging)한 변수 값이 없을 때 내삽을 통해 변수 값을 추정하는 지질 통계학적 접근 방법이다(Kim and Jung, 2016).
	원격탐사시스템(Radar 및 GPM) 자료의 단점은 무엇인가?	하지만, 원격탐사시스템(Radar 및 GPM) 자료들을 통한 관측은 지상관측의 정량적인 개념이 아닌 간접적인 추정이기 때문에 불확실성이 높은 단점을 내포하고 있다(Kang et al., 2017; Baik et al.

참고문헌 (39)

Ahn, S. R., Jang, C. H., Kim, S. H., Han, M. S., Kim, J. H., and Kim, S. J. (2013). "Discussion for the effectiveness of radar data through distributed storm runoff modeling." Journal of the Korea Society of Agricultural Engineers, Vol. 55, No. 6, pp. 19-30.

원문보기 상세보기
Ahn, S. R., Jung, C. G., and Kim, S. J. (2015). "A study on the effectiveness of radar rainfall by comparing with flood inundation record map using KIMSTORM (Grid-based KIneMatic Wave STOrm Runoff Model)." Journal of Korea Water Resources Association, Vol. 48, No. 11, pp. 925-936.

원문보기 상세보기
Ahn, S. R., Park, H. S., Han, M. S., and Kim, S. J. (2014). "Applicability of Sobaek Radar Rain for Flood Routing of Chungju Dam Watershed." Journal of the Korean Association of Geographic Information Studies, Vol. 17, No. 1, pp. 129-143.
Bae, D. H., Kim, J. H., and Yoon, S. S. (2005). "Hydrologic Utilization of Radar-Derived Rainfall (I) Optimal Radar Rainfall Estimation" Journal of Korea Water Resources Association, Vol. 38, No. 12, pp. 1039-1049.

원문보기 상세보기
Baik, J. J., and Choi, M. H. (2015). "Spatio-temporal variability of remotely sensed precipitation data from COMS and TRMM: case study of Korean peninsula in East Asia." Advances in Space Research, Vol. 56, No. 6, pp. 1125-1138.

상세보기
Baik, J. J., Park, J. M., Kim, K, Y., and Choi, M. H. (2018). "Assessment and merging technique for GPM satellite precipitation product using ground based measurement." Journal of Korea Water Resources Association, Vol. 51, No. 2, pp. 131-140.
Baik, J. J., Park, J. M., Rye, D. R., and Choi, M. H. (2016). "Geospatial blending to improve spatial mapping of precipitation with high spatial resolution by merging satellite based and ground-based data." Journal of Hydrological Processes, Vol. 30, No. 16, pp. 2789-2803.

상세보기
Berndt, C., Rabiei, E., and Haberlandt, U. (2014). "Geostatistical merging of rain gauge and radar data for high temporal resolutions and various station density scenarios." Journal of Hydrology, Vol. 508, pp. 88-101.

상세보기
Cifelli, R., Chandrasekar, Lim, V. S., Kennedy, P. C., Wang, Y., and Rutledge, S. A. (2011). "A new Dual-Polarization Radar Rainfall Algorithm: Application in Colorado Precipitation Events." Journal of Atmospheric and Oceanic Technology, Vol. 28, No. 3, pp. 352-364.

상세보기
Du, J., Xie, S., Xu, Y., Xu,, C., and Vijay, P. S. (2007). "Development and testing of a simple physically based distributed rainfallrunoff model for storm runoff simulation in humid forested basins." Journal of Hydrology, Vol. 336, No. 3-4, pp. 334-346.

상세보기
Ehret, U. (2002). Rainfall and Flood Nowcasting in Small Catechments Using Weather Radar. Ph. D. dissertation, University of Stuttgart.
Hellweger, F.L. (1997). "AGREE-DEM surface reconditioning system." University of Texas, Retrieved from http://www.ce.utexas.edu/prof/maidment/gishydro/ferdi/research/agree/agree.html.
Hong, W. Y., Park, G. A., Jeong, I. K., and Kim, S. J. (2010) "Development of a grid-based daily watershed runoff model and the evaluation of its applicability." Journal of Korean Society of Civil Engineers, Vol. 30, No. 5B, pp. 459-469.
Jang, C. H., Kwon, H. J., Koh, D. K., and Kim, S. J. (2003). "Adjustment of TRM/PR data by ground observed rainfall data and SCS runoff estimation: Yongdam-dam watershed." Journal of Korea Water Resources Association, Vol. 36, No. 4, pp. 647-659.

원문보기 상세보기
Jang, S. M., Rhee, J. Y., Yoon, S. K., Lee, T. H., and Park, K. W. (2017). "Evaluation of GPM IMERG applicability using SPI based satellite precipitation." Journal of the Korean Society of Agricultural Engineers, Vol. 59, No. 3, pp. 29-39.
Jeon, B. K., Rhee, C. K., Lee, and Kim, Y. S. (2012). "Evaluation of rainfall measurment capability of dual polarization radar." Journal of Korean Society of Hazard Mitigation, Resources Association, Vol. 12, No. 2, pp. 215-224.
Jung, C. G., Kim, S. J., Lee, Y. G., Lee, D. Y., and Kim, S. H. (2017). "The applicability of KIMSTORM2 for flood simulation using conditional merging method and radar rain data." Journal of Korea Society of Hazard Mitigation, Resources Association, Vol. 17, No. 6, pp. 483-494.

상세보기
Jung, C. G., Moon, J. W., and Lee, D. R. (2014) "Study on runoff variation by spatial resolution of input GIS data by using distributed rainfall-runoff model." Journal of Korea Water Resources Association, Vol. 47, No.9, pp. 767-776.

원문보기 상세보기
Jung, I. K., and Kim, S. J. (2003). "Comparison of DEM preprocessing method for efficient watershed and stream network extration." Journal of Korean Society of Civil Engineers, Vol. 23, No. 3D, pp. 393-400.
Jung, I. K., Lee, M. S., Park, J. Y., and Kim, S. J. (2008). "A Modified Grid-based KIneMatic Wave STOrm Runoff Model (ModKIMSTORM) (I): theory and model." Journal of Korean Society of Civil Engineers, Vol. 28, No. 6B, pp. 697-707.
Jung, I. K., Park, J. Y., Joh, H. K., Lee, J. W., and Kim, S. J. (2010a). "Development of stream width and bed-slope estimation equations for preparing data for distributed storm runoff model." Journal of the Korean Society of Agricultural Enginees, Vol. 52, No. 4, pp. 1-10.
Jung, I. K., Park, j. Y., Park, M. J., Shin, H. J., Jeong, H. G., and Kim, S. J. (2010b). "Application of a grid-based rainfall-runoff model using SRTM DEM." Journal of the Korean Association of Geographic Information Studies, Vol. 13, No. 4, pp. 157-169.
Kang, N., Joo, H., Lee, M., and Kim, H. S. (2017). "Generation of radar rainfall ensemble using probabilistic approach." Journal of Korea Water Resources Association, Vol. 50, No. 3, pp. 115-167.
Kim, K. Y., Park, J. M., Baik, J. G., and Choi, M. H. (2017). "Evaluation of topographical and seasonal feature using GPM IMERG and TRMM 3B42 over Far-East Asis." Atmospheric Research, Vol. 187, pp. 95-105.

상세보기
Kim, S. H., Kim, K. T., and Choi, Y. S. (2014). "Runoff estimation using rainfalls derived from multi-satellite images." Journal of the Korean Association of Geographic Information Studies, Vol. 17, No. 1, pp. 107-118.
Kim, S. J. (1998). "Grid-based KIneMatic Wave STOrm Runoff Model (KIMSTORM) (I): Theory and Model." Journal of Korea Water Resources Association, Vol. 31, No. 3, pp. 303-308.
Kim, S. J., and Chae, H. S. (2000). "Groundwater recharge assessment via grid-based soil moisture route modeling." Journal of Korea Water Resources Association, Vol. 33, No. 1, pp. 61-72.
Kim, S. J., Chae, H. S., and Shin, S. C. (1998). "Grid-Based KIneMatic Wave STOrm Runoff Model (KIMSTORM) (II): Application (Applied to Yoncheon Dam Watershed)" Journal of Korea Water Resources Association, Vol. 31, No. 3, pp. 309-315.
Kim, S. J., Shin, S. C., and Suh, A. S. (1999). "Satellite rainfall monitoring: recent progress and its potential applicability." Korean Journal of Agricultural and Forest Meteorology, Vol. 1, No. 2, pp. 142-150.
Kim, T. S., and Jung, Y. H. (2016). "Accurate estimation of settlement profile behind excavation using conditional merging technique." Journal of the Korean Geo-Environmental Society, Vol. 17, No. 8, pp. 39-44.
Lee, J., Choi, M., and Kim, D. (2016). "Spatial merging of satellite based soil moisture and in-situ soil moisture using conditional merging technique." Journal of Korea Water Resources Association, Vol. 49, No. 3, pp. 263-273.

원문보기 상세보기
Liu, Z. (2015). "Comparison of precipitation estimates between Version 7 3-hourly TRMM Multi-Satellite Precipitation Analysis (TMPA) near-real-time and research products." Atmospheric Research, Vol. 153, pp. 119-133.

상세보기
Nash, J. E., and Sutcliffe, J. V. (1970). "River flow forecasting though conceptual models part I: A discussion of principle." Journal of Hydrology, Vol. 10, No. 3, pp. 282-290.

상세보기
Pergram, G. G. S. (2002). "Spatial interpolation and mapping of rainfall: 3. optimal integration of rain gauge, radar & satellite-derived data in the production of daily rainfall maps." Progress Report to the Water Research Commission.
Rygram, A., Giangrande, S. E., and Schurr, T. J. (2005). "Rainfall Estimation with a Polarimetric Prototype of WSR-88D." Journal of Applied Meteorology, Vol. 44, No. 4, pp. 502-515.

상세보기
Soe, E. K. (2012). "Rainfall characteristics in the tropical oceans: observations using TRMM TMI and PR." Journal of Korean Earth Science Society, Vol. 33, No. 2, pp. 113-125.

원문보기 상세보기
Sharifi, E. R. Steinacker, and B. Saghafian, (2016). "Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in iran: preliminary results." Remot Sensing, Vol. 9, No. 2, pp. 135.
Wang, W., and Lu, H. (2016). "Evaluation and comparison of newest GPM and TRMM products over Mekong river basin at daily scale." Proceedings Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International, pp. 613-616.
Worqlul, A. W., Maathuis, B., Adem, A. A., Demissie, S. S., Langan, S., and Steenhuis, T. S. (2014). "Comparison of rainfall estimations by TRMM 3B42, MPEG and CFSR with ground observed data for the Lake Tana basin in Ethiopia." Hydrology and Earth System Sciences, Vol. 18, No. 12, pp. 4871-4881.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증