물리기반 분포형 수문 모형과 딥러닝 기반 LSTM 모형을 활용한 충주댐 및 소양강댐 유역의 미래 수자원 전망Prospect of future water resources in the basins of Chungju Dam and Soyang-gang Dam using a physics-based distributed hydrological model and a deep-learning-based LSTM model
- Other Titles
- Prospect of future water resources in the basins of Chungju Dam and Soyang-gang Dam using a physics-based distributed hydrological model and a deep-learning-based LSTM model
- Authors
- 김용찬; 김영란; 황성환; 김동균
- Issue Date
- 1-Dec-2022
- Publisher
- 한국수자원학회
- Keywords
- 기후변화; VIC 모형; LSTM; GCM; 수자원; Climate change; VIC model; LSTM; GCM; Water resources
- Citation
- 한국수자원학회 논문집, v.55, no.12, pp.1115 - 1124
- Journal Title
- 한국수자원학회 논문집
- Volume
- 55
- Number
- 12
- Start Page
- 1115
- End Page
- 1124
- URI
- https://scholarworks.bwise.kr/hongik/handle/2020.sw.hongik/30678
- DOI
- 10.3741/JKWRA.2022.55.12.1115
- ISSN
- 2799-8746
- Abstract
- 본 연구는 충주댐과 소양강댐 유역을 대상으로 분포형 수문모형인 Variable Infiltration Capacity (VIC) 모형 기반의 댐 유입량 예측 모형과 딥러닝 모형의 일종인 LSTM 기반의 댐 방류량 예측 모형으로 구성된 통합 모델링 프레임워크를 구성하여 미래 기후변화가 수자원에 미치는 영향을 평가하였다. 기후모델에 따른 미래 기후자료의 불확실성을 고려하여 4개의 CMIP6 GCM 모델의 기후자료를 미래기간(2021-2100)에 대한 VIC 모형의 기상자료로 입력하였다. 미래기후자료를 적용한 결과, 미래가 진행됨에 따라 기간별 평균 유입량이 증가하였으며, 먼 미래(2070-2100)에는 관측기간(1986-2020)에 비해 유입량이 최대 22% 증가하였다. 갈수량 분석 결과, 임의의 4일~50일에 대한 댐 방류량의 최소값은 관측치에 비해 현저히 낮은 것으로 나타났다. 이는 가뭄이 과거에 관측된 것보다 더 장기간에 걸쳐 발생할 수 있음을 나타내며, 수도권 시민들이 미래의 가뭄으로 인해 심각한 물 부족을 겪을 수 있다는 것을 의미한다. 또한, 단기 및 중기 미래에 비하여 장기미래에 저수량의 변화가 급격하게 이루어졌으며 이는 수자원 관리의 어려움이 증대될 수 있음을 시사한다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Engineering > Civil and Environmental Engineering > Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.