메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술대회자료
저자정보
조영현 (한국수자원공사 K-water연구원 물순환연구소) 노준우 (한국수자원공사 K-water연구원 물순환연구소) 이을래 (한국수자원공사 K-water연구원 물순환연구소)
저널정보
한국수자원학회 한국수자원학회 학술발표회 한국수자원학회 2019년도 학술발표회
발행연도
2019.1
수록면
61 - 61 (1page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
우리나라는 대부분이 산지(약 65%)로 구성되어 있어 강우 시 그 공간적 분포의 변동성이 매우 큰 편이며, 특히 전형적인 산지지형인 댐 유역의 경우 고도 변화 등에 기인한 지형특성 등에 따라 강우의 형태 및 패턴과 이에 따른 유출변화가 큰 복잡한 특성을 갖는다. 이로 인해 단순히 지점강우들을 공간보간(평균)한 면적강우를 홍수 유출모의 등에 활용할 경우 그 신뢰도가 매우 낮은 경우가 많아, 수문모의에 있어 레이더에 기반을 둔 공간 분포형 강우 등의 도입 검토가 요구된다. 한편, 최근 기상청에서는 보다 정확한 레이더 강수량 추정 값의 제공을 위해 "레이더-AWS 강우강도(Radar-AWS Rainrates, RAR)" 산출 기술을 지속적으로 개선하고 있으며, 이는 지상 우량계 대비 상당한 정확도를 보이고 있다. 본 연구에서는 국내 산지지형을 대표하며, 타 댐 유역에 비해 비교적 수문(수위/유량)관측소와 자료가 많은 용담시험유역에 기상레이더 강수량 추정 값(RAR)을 적용해 산지지형 댐 유역에서 강우의 시공간적 변동성과 이에 따른 홍수량의 정확한 분석을 통해 홍수 시 댐 유입량의 정확한 산정 등에 활용할 목적으로 홍수 유출모의를 수행하고자 한다. 모의에는 최근 5년(2014~2018년)동안 발생한 비교적 독립적인 1~2개(연도별)의 홍수사상을 적용하였으며, 모형은 분포형 강우를 적용할 수 있는 비교적 간단한 모형인 HEC-HMS를 활용하였다. HEC-HMS는 주로 집중형 수문모형(Lumped Hydrologic Model)으로 분류되어 레이더 강우와 같은 분포형 자료의 입력을 주로 적용치는 않고 있지만, HEC-GeoHMS와 ModClark 방법을 활용하면 격자단위의 분포형 강우를 적용할 수 있는 형태의 모델 구축이 가능하다. 모의 결과는 기존 유역평균 강우를 적용한 방법과 비교를 통해 그 개선점을 검토하고자 하며, 이를 통하여 산지지역 댐 유역의 홍수특성을 보다 더 정확하게 분석해보고자 한다. 한편, ModClark을 적용한 홍수 유출모의는 단순히 소유역별 도달시간의 격자별 비율을 고려한 홍수추적으로 그 해석상의 한계가 있어, 최근 개발된 하이브리드 수문모형(Hybrid Hydrologic Model, Distributed-Clark) 등도 동일유역에 대해 도입 적용할 계획에 있다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0