초록 ▼

여름철 태풍으로 인한 거대 파랑현상 및 겨울철 북서계절풍으로 인한 고파랑으로 인해서, 우리나라 연안도시 지역 여러 곳에서 해수범람 및 파랑침습 피해가 빈번하게 속출하고 있다. 이와 함께 기후변화 영향의 향후 미래예측의 불확실성에 따른 연안도시의 취약성이 크게 증가할 것으로 예상된다. 해무의 위험성도 작지 않다. 최근 물류가 증가함에 따라 항해선박, 연안 도로의 차량, 항공기 안전에 필수 정보로 안개 및 해무의 예측기술이 긴급히 요구된다. 연안재해의 피해를 줄이기 위한 중요한 단계는 잠재적인 위험을 정확하게 분석하고, 재난상황을 완화

여름철 태풍으로 인한 거대 파랑현상 및 겨울철 북서계절풍으로 인한 고파랑으로 인해서, 우리나라 연안도시 지역 여러 곳에서 해수범람 및 파랑침습 피해가 빈번하게 속출하고 있다. 이와 함께 기후변화 영향의 향후 미래예측의 불확실성에 따른 연안도시의 취약성이 크게 증가할 것으로 예상된다. 해무의 위험성도 작지 않다. 최근 물류가 증가함에 따라 항해선박, 연안 도로의 차량, 항공기 안전에 필수 정보로 안개 및 해무의 예측기술이 긴급히 요구된다. 연안재해의 피해를 줄이기 위한 중요한 단계는 잠재적인 위험을 정확하게 분석하고, 재난상황을 완화 또는 사전에 대비할 수 있는 해결 대책을 파악하는 예측 및 평가 단계라고 할 수 있다.
본 연구의 목적은, 다양한 규모의 연안재해 현상의 위험에 대해서 효과적으로 사전 예측의 정확성을 높이기 위해서, 해양기상의 전지구 및 지역해의 모델자료 뿐 만 아니라 인공위성 원격 관측자료 등 다출처 관측 및 예측자료를 활용하고, 최신 ICT기술을 이용하여 파랑 및 해무 등 연안재해 요소에 대한 예측 모델링 기술을 개발하는데 있다. 파랑모델은 해상에서 발생하고 이동하는 파랑(파고, 파주기, 파향 등) 현상을 예측하는데 사용된다. 파랑 수치모델링 과정에서는 바람자료가 수치모의를 위한 주요 입력 요소로 적용된다. 파랑 수치모델의 예측 정확도를 향상시키기 위해서는, 실제 발생했던 기상 현상과 잘 부합하고 정확한 풍속 및 풍향 자료를 확보하여 수치모델의 입력자료로 활용하는 것이 중요하다. 본 연구에서는, 공간적으로 넓은 지역에 대한 바람 관측에 장점이 있는 인공위성 바람 관측자료(Jason-2, MetOp-B 등)를 이용하여 AI기반 대기모델 바람자료의 보정고도화 기법을 개발하여 한반도 주변해에 대한 파랑모델의 예측정확도를 향상시키는데 중점을 두었다. 또한, 연안에서 재해현상에 대한 이해를 높이기 위해서, 영상 AI기술(스테레오 영상기술, 비디오이해 기술 등) 및 고해상도 수치모델기술(CFD)을 이용하여 3차원적으로 연안현상(파랑, 월파, 지형변화 등)을 관측하고 예측할 수 있는 기술을 개발하였다. 해무의 예측을 위해서는, 대기-해양의 결합 모델을 구축하고 1차원 안개모델을 결합하는 방식으로 대기-해양순환-파랑 및 1차원 안개모델의 결합모델링 체계를 개발하였다.

(출처 : 초록 5p)

Abstract ▼

□ Research Objective
Purpose
○ Development of wave-induced coastal disaster modelling platform with application of AI techniques
○ Development of wave over-topping prediction systems for major Korean port structures
○ Development of short-term sea-fog occurrence-possibility prediction sy

□ Research Objective
Purpose
○ Development of wave-induced coastal disaster modelling platform with application of AI techniques
○ Development of wave over-topping prediction systems for major Korean port structures
○ Development of short-term sea-fog occurrence-possibility prediction system with fine mesh grid-based numerical models

□ Contents
○ Development of wave-induced coastal-disaster modelling platform with application of a coastal imaging system and AI techniques
- Development of 3-D imaging-based observation system for coastal disaster reduction and water depth inversion
- Development of coastal wave modelling technology with application of image-based AI
○ Development of wave over-topping prediction systems for major Korean port structures
- Establishment of a numerical over-topping prediction system using regional wave model outputs as input & boundary conditions
- Test-bed experiments in major Korean port structures including Pusan
○ Development of short-term sea-fog occurrence-possibility prediction system with fine mesh grid-based numerical models
- Analysis of sea-fog occurrence mechanism using observation data
- Establishment of short-term sea-fog prediction system based on both observations and fine mesh grid-based numerical models

□ Results
○ AI-based wave modelling system
○ Wave over-topping prediction system with a test-bed for the Pusan port case
○ Sea-fog prediction system with fine mesh grid-based numerical models

□ Expected Contribution
○ Advancing next generation coastal wave modelling capacity to obtain global level research and industrial leadership
○ Reducting coastal disasters induced by ocean surface waves by improving wave prediction system

(출처 : SUMMARY 8p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 3
• 보고서 초록 ... 5
• 과 제 요 약 서 ... 7
• SUMMARY and KEYWORDS ... 8
• 목차 ... 9
• 제 1 장 서론 ... 11
• 제 1 절 연안재해의 증가추세 ... 11
• 제 2 절 파랑예측 개선 필요성 ... 13
• 제 3 절 해무 예측의 필요성 ... 14
• 제 2 장 국내외 기술개발 현황 ... 19
• 제 1 절 국내 연구동향 ... 19
• 제 2 절 국외 연구동향 ... 22
• 제 3 장 2018년도(사전) 연구개발수행 내용 ... 31
• 제 1 절 한반도 주변해 파랑예측 수치모델 구축 ... 31
• 제 2 절 스테레오 영상 기반 파랑 관측시스템 ... 35
• 제 3 절 비디오 딥러닝 기반 비선형 파랑모델 ... 53
• 제 4 절 월파 예측시스템의 기반 수립 ... 67
• 제 4 장 2019년도 연구개발수행 내용 및 결과 ... 71
• 제 1 절 한반도 주변해 파랑예측 정확도 개선(I) ... 71
• 제 2 절 스테레오 영상 기반 연안파랑 3차원 관측실험 ... 82
• 제 3 절 비디오 딥러닝 기반 파랑모델 베이스라인 구축 ... 89
• 제 4 절 월파 예측시스템의 구축 ... 104
• 제 5 절 해무예측시스템 개발 ... 111
• 제 5 장 2020년도 연구개발수행 내용 및 결과 ... 125
• 제 1 절 한반도 지역해 파랑예측 정확도 개선(II) ... 125
• 제 2 절 연안파랑 영상기반 수심 역추산법 개발 ... 137
• 제 3 절 비디오 딥러닝 기반 연안파랑 모델기법 개발 ... 150
• 제 4 절 월파 예측시스템의 성능평가 ... 160
• 제 5 절 해무예측시스템 검증 및 개선 ... 163
• 제 6 장 2021년도 연구개발수행 내용 및 결과 ... 175
• 제 1 절 한반도 지역해 파랑예측 정확도 개선(III) ... 175
• 제 2 절 비디오 딥러닝 기반 파랑모델 베이스라인 개선 ... 187
• 제 3 절 월파 예측시스템의 개선 ... 199
• 제 4 절 해무예측시스템 검증 및 고도화 ... 202
• 제 7 장 연구개발목표 달성도 및 대외기여도 ... 215
• 제 1 절 정량적 성과목표 달성도 ... 215
• 제 2 절 정성적 성과목표 달성도 ... 217
• 제 3 절 다른 분야 대외기여도 ... 222
• 제 8 장 연구개발결과의 활용계획 ... 223
• 제 1 절 연안파랑 및 월파 예측기술 ... 223
• 제 2 절 해무 예측기술 ... 224
• 참고문헌 ... 227
• 끝페이지 ... 232