KR102438238B1 - A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same - Google Patents
A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same Download PDFInfo
- Publication number
- KR102438238B1 KR102438238B1 KR1020200188900A KR20200188900A KR102438238B1 KR 102438238 B1 KR102438238 B1 KR 102438238B1 KR 1020200188900 A KR1020200188900 A KR 1020200188900A KR 20200188900 A KR20200188900 A KR 20200188900A KR 102438238 B1 KR102438238 B1 KR 102438238B1
- Authority
- KR
- South Korea
- Prior art keywords
- landslide risk
- risk index
- soil
- calculating
- landslide
- Prior art date
Links
- 239000002689 soil Substances 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 48
- 230000035515 penetration Effects 0.000 claims abstract description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 description 33
- 238000001556 precipitation Methods 0.000 description 21
- 230000008595 infiltration Effects 0.000 description 13
- 238000001764 infiltration Methods 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 229920006395 saturated elastomer Polymers 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012950 reanalysis Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 101150096752 NCAM1 gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
- G01N27/121—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid for determining moisture content, e.g. humidity, of the fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Biochemistry (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Educational Administration (AREA)
- Analytical Chemistry (AREA)
- Strategic Management (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Hydrology & Water Resources (AREA)
- Development Economics (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
본 발명은 산사태 위험 지수 산출 장치 및 방법에 대한 것으로서, 특히 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치 및 이를 이용한 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법에 관한 것이다. 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치 및 이를 이용한 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법은 산사태 위험 지수 산출 시 토층에 대한 체적함수비 변화로부터 분석된 침투속도를 활용하여 산출한 포화깊이비를 산사태 위험 지수 산출식에 적용하여 보다 정확하게 산사태 위험 지수를 산출할 수 있다.The present invention relates to an apparatus and method for calculating a landslide risk index, and more particularly, to an apparatus and method for calculating a landslide risk index using WRF hourly rainfall and soil moisture for each layer, and to a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture for each layer using the same. The apparatus for calculating the landslide risk index using the WRF hourly rainfall and layer-by-layer soil moisture according to the present invention and the method for calculating the landslide risk index using the WRF hourly rainfall and layer-by-layer soil moisture using the same are analyzed from the change in the volume water content of the soil layer when calculating the landslide risk index The landslide risk index can be more accurately calculated by applying the saturation depth ratio calculated using the penetration speed to the landslide risk index calculation formula.
Description
본 발명은 산사태 위험 지수 산출 장치 및 방법에 대한 것으로서, 특히 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치 및 이를 이용한 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법에 관한 것이다.The present invention relates to an apparatus and method for calculating a landslide risk index, and more particularly, to an apparatus and method for calculating a landslide risk index using WRF hourly rainfall and soil moisture for each layer, and to a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture for each layer using the same.
산사태는 토양과 바위 덩어리 등이 가파른 경사면 아래로 빠르게 이동하는 것을 말한다. 산사면붕괴와 같은 산지 재해 예측에 있어서 경험적·통계적 방법이 널리 이용되고 있으며, 수리지질학적 특성에 대한 계측자료 등이 충분하지 않아 정확한 예측은 어려운 실정이다. 이를 보완하기 위해 누적 강우량과 강우 강도에 대한 통계적 자료처리를 통해 산사태를 예측하는 다양한 연구들이 수행되었다. 그러나, 누적 강우, 시간당 강우 등을 고려한 사면붕괴의 초기 과정을 인지하기란 매우 어렵다. 최근에는 강우에 의한 토층 함수비 변화도를 분석하여 시간에 따라 변화하는 지층의 위험성을 대응 단계에 앞선 대비 단계에서 산사태 위험 지수 개념으로 파악하고자 하였다. A landslide is a rapid movement of soil and rock masses down a steep slope. Empirical and statistical methods are widely used in predicting mountain disasters such as landslide collapse, and accurate prediction is difficult due to insufficient measurement data for hydrogeological characteristics. To supplement this, various studies have been conducted to predict landslides through statistical data processing on accumulated rainfall and rainfall intensity. However, it is very difficult to recognize the initial process of slope collapse considering cumulative rainfall and hourly rainfall. Recently, by analyzing the change in soil moisture content due to rainfall, the risk of the stratum that changes with time was attempted to be understood as a concept of a landslide risk index in the preparation stage prior to the response stage.
산사태 예측 모델에 있어서 강우 자료와 토양수분 자료는 핵심적인 입력 자료로서 그 예측 정확도 또한 강우 자료의 정확성에 크게 의존한다. 일반적으로 수치모델의 강수량 검증은 예측 강수와 관측 강수의 유무 행렬로 이루어진 강수 분할표(rain contingency table), 시공간적으로 얼마나 잘 일치하는가에 대한 강수 동조성 분석을 이용한 정성적인 방법과, 평균 오차, 평균 제곱근 오차 그리고 상관계수 등을 이용한 정량적인 방법들이 있다. 기존에 WRF 모델에서 모의된 2005년 장마기간 동안의 강수와 위성 자료의 동조성을 분석하여 WRF가 주요 구름 띠는 잘 모의하나 강한 대류계에서 발달한 강수는 정량적인 오차가 발생함을 보였고, 단시간 강수예보 모델을 개발하고 그 결과를 AWS(Automatic Weather System)자료의 공간 분포와 비교하여 예보 자료에 활용할 수 있음을 보였다. 또한, 공군 수치예보 시스템(KAF-WRF)의 물리 과정을 변경하고, 문턱값 별 6시간 누적 강수량을 AWS 자료와 강수 분할표를 통해 분석하여 현업 모델보다 예측 성능이 개선됨을 보였다. 초단시간 강수예보 모델을 국내 5대강 유역에 대해 강수 분할표를 이용한 정성적 검증과 평균오차, 평균 제곱근오차, 상관계수를 이용한 정량적 검증을 모두 보였으며, 특히 체계적인 강수시스템에 대한 예측 능력이 높음을 보였다.In the landslide prediction model, rainfall data and soil moisture data are key input data, and their prediction accuracy also largely depends on the accuracy of the rainfall data. In general, the precipitation verification of the numerical model is a qualitative method using a precipitation contingency table consisting of a matrix of the presence/absence of predicted precipitation and observed precipitation, a qualitative method using precipitation coherence analysis for how well they match in space and time, mean error, and root mean square. There are quantitative methods using errors and correlation coefficients. By analyzing the synchronicity of precipitation and satellite data during the 2005 rainy season simulated in the previous WRF model, WRF simulates major cloud bands well, but precipitation developed in strong convective systems has quantitative errors. A forecast model was developed and the results were compared with the spatial distribution of AWS (Automatic Weather System) data to show that it can be used for forecast data. In addition, by changing the physical process of the Air Force Numerical Forecasting System (KAF-WRF) and analyzing the 6-hour cumulative precipitation by threshold through AWS data and precipitation contingency table, it was shown that the prediction performance was improved compared to the actual model. The ultra-short time precipitation forecasting model showed both qualitative verification using precipitation contingency table and quantitative verification using mean error, root mean square error, and correlation coefficient for the five major river basins in Korea. seemed
기후변화의 영향으로 인하여 최근 가뭄 빈도 증가 및 폭우와 같은 농림업 분야에 직접적인 피해가 발생하고 있으며, 이에 대응하기 위해 토양수분의 변동 및 예측평가와 토양특성에 따른 토양수분 변동에 대한 연구들이 활발히 이루어지고 있다. 국내에서는 현재 국립농업과학원에서 전국 168개의 농업기상대 관리 지점의 토양수분 센서를 통해 토양수분 변화를 모니터링 하고 있으며, 토양 특성과 토양 인자 등 기초자료를 생산 및 제공하고 있다. 토양수분은 강수량 및 토성과 밀접한 연관이 있으며 일반적으로 불규칙하고 급변하는 변동을 보이므로, 기존 요소와는 별개로 해당 지역의 지표 피복 특성을 함께 고려하는 데이터 검증이 필요하다. 이에 대하여 논과 잔디밭 등의 지표 피복 특성 및 영농활동의 차이로 인해 기상과 토양 관측 값이 영향을 받는 것으로 나타났으며, 토양수분 측정지점을 실제 농경지까지 포함 후 토양 인자를 적용하여 실제 현장을 적용한 토양수분 추정식을 도출함으로써 현장 적용 가능성을 높일 수 있을 것으로 보여진다. 또한, 토양수분을 검증함에 있어 토양온도가 고려되어야 하는데, 이론적으로 토양온도가 0℃ 미만일 경우 토양수분의 동결로 인해 측정되기 어려우므로 이때의 토양수분 값은 분석에서 제외하여야 함을 보였다.Due to the effects of climate change, there is a direct damage to the agricultural and forestry fields such as an increase in the frequency of droughts and heavy rains in recent years. have. In Korea, the National Academy of Agricultural Sciences is currently monitoring changes in soil moisture through soil moisture sensors at 168 agricultural meteorological stations across the country, and produces and provides basic data such as soil characteristics and soil factors. Soil moisture is closely related to precipitation and soil and generally shows irregular and rapidly changing fluctuations, so data verification is necessary to consider the surface cover characteristics of the area separately from existing factors. On the other hand, it was found that the weather and soil observation values are affected by the difference in the land cover characteristics of paddy fields and lawns and agricultural activities. By deriving a moisture estimation formula, it is believed that the possibility of field application can be increased. In addition, it was shown that the soil temperature should be considered in verifying the soil moisture. Theoretically, when the soil temperature is below 0℃, it is difficult to measure due to the freezing of the soil moisture, so the soil moisture value at this time should be excluded from the analysis.
하지만, 기존에는 산사태 위험 지수 산출 시 토양에 대한 강우 침투가 고려되지 않아 산사태 위험 지수를 정확하게 산출하기 어려운 문제가 있다.However, there is a problem in that it is difficult to accurately calculate the landslide risk index because rainfall infiltration into the soil is not considered when calculating the landslide risk index.
본 발명의 목적은 강우 침투가 고려된 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치 및 이를 이용한 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법을 제공하는 것이다.An object of the present invention is to provide an apparatus for calculating a landslide risk index using the WRF hourly rainfall and soil moisture for each layer in consideration of rainfall infiltration, and a method for calculating the landslide risk index using the WRF hourly rainfall and soil moisture for each layer using the same.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The object of the present invention is not limited to the above-mentioned object, and other objects and advantages of the present invention not mentioned may be understood by the following description, and will be more clearly understood by the examples of the present invention. It will also be readily apparent that the objects and advantages of the present invention may be realized by the means and combinations thereof indicated in the appended claims.
본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치는, 대상 지역의 체적함수비 변화에 따른 강우 시 침투깊이 속도를 산출하는 침투속도 산출 모듈과, 침투속도 산출 모듈에서 산출된 침투깊이 속도로 포화깊이비(H(t))를 산출하여 산사태 위험 지수를 산출하는 산사태 위험 지수 산출 모듈, 및 산사태 위험 지수에 따라 산사태 위험도 등급을 산정하는 산사태 위험도 등급 산정 모듈을 포함한다. The device for calculating the landslide risk index using the WRF hourly rainfall per hour and the soil moisture for each layer according to the present invention includes a penetration rate calculation module for calculating the penetration depth velocity during rainfall according to a change in the volume water content of a target area, and the penetration calculated by the penetration rate calculation module and a landslide risk index calculation module for calculating a landslide risk index by calculating a saturation depth ratio H(t) with a depth velocity, and a landslide risk rating calculation module for calculating a landslide risk grade according to the landslide risk index.
본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법은, 침투속도 산출 모듈이 대상 지역의 체적함수비 변화에 따른 강우 시 침투깊이 속도를 산출하는 단계와, 침투속도 산출 모듈에서 산출된 침투깊이 속도로 산사태 위험 지수 산출 모듈이 포화깊이비(H(t))를 산출하여 산사태 위험 지수를 산출하는 단계, 및 산사태 위험 지수에 따라 산사태 위험도 등급 산정 모듈이 산사태 위험도 등급을 산정하는 단계를 포함한다.The method for calculating the landslide risk index using the WRF hourly rainfall per hour and the soil moisture for each layer according to the present invention comprises the steps of: calculating, by the infiltration rate calculation module, the penetration depth velocity during rainfall according to the change in the volume water content of the target area; The step of calculating the landslide risk index by the landslide risk index calculation module calculating the saturation depth ratio (H(t)) at the set penetration depth speed, and the step of calculating the landslide risk grade by the landslide risk rating module according to the landslide risk index includes
산사태 위험 지수(FS)는, 
산사태 위험도 등급은, 산사태 위험 지수가 0.87~1.0인 1등급, 산사태 위험 지수가 0.7~0.86인 2등급, 산사태 위험 지수가 0.57~0.69인 3등급, 산사태 위험 지수가 0~0.56인 4등급을 포함하며, 산사태 위험도 등급이 높을수록 산사태 위험도가 증가한다.The landslide risk grade includes
대상 지역의 체적함수비 변화에 따른 강우 시 침투깊이 속도는, 지면대기모델링패키지(Land-Atmosphere Modeling Package, LAMP)에서 평가된 누적 강우량이 서로 상이할 때 서로 상이한 토층인 SL-1과 SL-2, SL-3, 및 SL-4 토층 중 SL-3과 SL-4 토층에 대한 체적함수비 변화로부터 분석된다.The penetration depth velocity during rainfall according to the change in the volume water content of the target area is different when the accumulated rainfall evaluated in the Land-Atmosphere Modeling Package (LAMP) is different from each other. It is analyzed from the change in volume water content for the SL-3 and SL-4 soil layers among the SL-3 and SL-4 soil layers.
본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치 및 이를 이용한 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법은 산사태 위험 지수 산출 시 토층에 대한 체적함수비 변화로부터 분석된 침투속도를 활용하여 산출한 포화깊이비를 산사태 위험 지수 산출식에 적용하여 보다 정확하게 산사태 위험 지수를 산출할 수 있다.The apparatus for calculating the landslide risk index using the WRF hourly rainfall and layer-by-layer soil moisture according to the present invention and the method for calculating the landslide risk index using the WRF hourly rainfall and layer-by-layer soil moisture using the same are analyzed from the change in the volume water content of the soil layer when calculating the landslide risk index The landslide risk index can be more accurately calculated by applying the saturation depth ratio calculated using the penetration speed to the landslide risk index calculation formula.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.In addition to the above-described effects, the specific effects of the present invention will be described together while describing specific details for carrying out the invention below.
도 1은 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치의 개념도이다.
도 2는 강원도 평창군 진부면 송정리 대상 지역의 위치 및 산사태 발생 현황을 표시한 지도이다.
도 3은 역거리가중법을 이용한 대상 지역의 지반물성 공간 주제도이다.
도 4는 대상 지역의 산사태 발생시점을 기준으로 분석된 LAMP 모델 기반의 강우사상별 토층 내 체적함수비 변화 그래프이다.
도 5는 토층 구간에 대한 토층별 강우발생 단위시간(T/Tmax) 당 체적함수비 변화율 관계 그래프이다.
도 6 내지 도 8은 산림청 산사태 위험 지도 위험 등급과 분석구간별 체적함수비 변화에 따른 산사태 위험 지수 0.5와 0.7간의 결과 비교 그림이다.
도 9는 산사태 위험 지도와 산사태 위험 지수에 대한 산사태 발생지점별 등급분포도이다.
도 10은 2019년 도메인1(a, b)과 도메인 2(c, d)에서 3일 및 8일 동안 LAMP에서 예측된 강수의 월 평균 편향 및 RMSE 그래프이다.
도 11은 대상 지역(a: 진부, b: 운교)에서 관찰된 LAMP 토양 수분(SM)의 시간 별 변화 그래프이다.
도 12는 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법의 순서도이다.1 is a conceptual diagram of a device for calculating a landslide risk index using WRF hourly rainfall and layer-by-layer soil moisture according to the present invention.
2 is a map showing the location of the target area and the occurrence of landslides in Jinbu-myeon, Pyeongchang-gun, Gangwon-do.
3 is a spatial theme diagram of the geotechnical properties of the target area using the inverse distance weighting method.
4 is a graph showing the change in the volume water content in the soil layer for each rainfall event based on the LAMP model analyzed based on the time of occurrence of the landslide in the target area.
5 is a graph showing the change rate of volume water content per unit time (T/Tmax) for rainfall occurrence for each soil layer for the soil layer section.
6 to 8 are diagrams comparing the results between the landslide risk index 0.5 and 0.7 according to the change in the volume water content for each analysis section and the landslide risk map risk grade of the Korea Forest Service.
9 is a landslide risk map and a grade distribution diagram for each landslide occurrence point for the landslide risk index.
10 is a graph of the monthly mean bias and RMSE of precipitation predicted in LAMP for 3 and 8 days in domain 1 (a, b) and domain 2 (c, d) in 2019.
11 is a time-dependent change graph of LAMP soil moisture (SM) observed in the target area (a: Jinbu, b: Ungyo).
12 is a flowchart of a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture for each layer according to the present invention.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.The above-described objects, features and advantages will be described below in detail with reference to the accompanying drawings, and accordingly, those skilled in the art to which the present invention pertains will be able to easily implement the technical idea of the present invention. In describing the present invention, if it is determined that a detailed description of a known technology related to the present invention may unnecessarily obscure the gist of the present invention, the detailed description will be omitted. Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings. In the drawings, the same reference numerals are used to indicate the same or similar components.
도 1은 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치의 개념도이다.1 is a conceptual diagram of a device for calculating a landslide risk index using WRF hourly rainfall and layer-by-layer soil moisture according to the present invention.
본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치는 도 1에 도시된 바와 같이, 토층에 대한 체적함수비 변화로부터 침투속도를 산출하는 침투속도 산출 모듈(100)과, 침투속도를 적용하여 산사태 위험 지수를 산출하는 산사태 위험 지수 산출 모듈(200), 및 산사태 위험 지수를 기반으로 산사태 위험도 등급을 산정하는 산사태 위험도 등급 산정 모듈(300)을 포함한다.As shown in FIG. 1 , the device for calculating the landslide risk index using the WRF hourly rainfall per hour and the soil moisture for each layer according to the present invention is a penetration
도 2는 강원도 평창군 진부면 송정리 대상 지역의 위치 및 산사태 발생 현황을 표시한 지도이고, 도 3은 역거리가중법을 이용한 대상 지역의 지반물성 공간 주제도이다.2 is a map showing the location and landslide occurrence status of the target area in Songjeong-ri, Jinbu-myeon, Pyeongchang-gun, Gangwon-do.
침투속도 산출 모듈(100)은 산사태 위험도 등급 산정 시 필요한 포화깊이비 산출 시 활용될 침투속도를 산출한다. 이를 위해서 본 발명은 우선, 대상 지역을 선정하여 지반 물성주제도를 작성하였다. 강원도 평창군지역은 2006년 태풍 에위니아로 인해 다수의 산사태가 발생된 지역으로 약 2,600여 개소에서 산사태가 발생하였으며, 그 면적은 약 278 ha 가량이다. 도 2와 같이 대상 지역인 강원도 평창군 진부면 송정리 지역의 경우에는 약 180여 개소에서 산사태가 발생된 것으로 파악되었다. 지반의 공학적 특성을 도출하기 위해 임상도를 기반으로 대상 지역에 대한 산지경계를 구분하고 산지 내부에 존재하는 경사 15˚, 심도 60 cm 이상의 자연 산지를 대상으로 약 90개의 실험용 토질샘플을 채취하여 KSF 기준에 따라 단위중량, 전단강도(내부마찰각 및 점착력), 밀도를 측정하였다. 이렇게 구축된 토질특성별 DB는 점 데이터(point data) 형식으로 이를 공간 데이터(area data) 형식으로 가공하기 위하여 역거리가중법(Inverse Distance Weighted, IDW)을 활용하여 토질 특성별 주제도를 작성하면 도 3과 같다.The penetration
대상 지역에 대한 LAMP 모델 구동결과 중 분석된 강우량과 토층 깊이별 체적함수비를 활용하여, 과거 2006년 태풍 에위니아의 영향에 의한 강우량 변화와 이에 따른 체적함수비 변화를 분석하였다. 표 1과 같이 LAMP 모델에서는 전체 토층의 깊이를 2m로 가정하고, 이를 총 4개의 층(SL-1, SL-2, SL-3, SL-4)으로 아래의 표 1과 같이 구분한다.The rainfall amount and volume water content by soil depth analyzed among the LAMP model driving results for the target area were used to analyze the rainfall change due to the influence of Typhoon Ewinia in the past in 2006 and the change in the volume water content accordingly. As shown in Table 1, in the LAMP model, the depth of the entire soil layer is assumed to be 2m, and it is divided into four layers (SL-1, SL-2, SL-3, SL-4) as shown in Table 1 below.
표 1은 LAMP 모델에서 제시된 분석 토층깊이 2m에 대한 각 토층깊이 및 이의 비율이다.Table 1 shows each soil depth and its ratio to the analyzed soil depth of 2 m presented in the LAMP model.
(누적깊이),(m)soil depth
(cumulative depth), (m)
표 1에서 제시한 토층별 비율을 적용해 국내 토양도에서 제시하고 있는 토양깊이를 기준으로 한 지점의 토심이 1.0 m라고 가정할 때, 토층깊이는 SL-1이 5 cm, SL-2는 20 cm, SL-3은 50 cm, SL-4는 1.0 m로 환산하여 층을 구분할 수 있다.Assuming that the soil depth at the point based on the soil depth suggested in the domestic soil map is 1.0 m by applying the ratio for each soil layer presented in Table 1, the soil depth is 5 cm for SL-1 and 20 for SL-2. cm, SL-3 is 50 cm, SL-4 is 1.0 m, so the layers can be divided.
도 4는 대상 지역의 산사태 발생시점을 기준으로 분석된 LAMP 모델 기반의 강우사상별 토층 내 체적함수비 변화 그래프이다.4 is a graph showing the change in the volume water content in the soil layer for each rainfall event based on the LAMP model analyzed based on the time of occurrence of the landslide in the target area.
대상 지역에서 산사태는 2006년 7월 15일 오후 21시경에 누적강우량 약 164 mm 정도에서 발생하였다. 이를 토대로 분석을 수행한 구간은 도 4와 같이 산사태 발생 전인 2006년 7월 14일 오후 10시부터 산사태 발생 이후인 2006년 7월 16일 01시까지 분석을 수행하였다. 이때 강우변화는 2차례 있었으며 각각 분석구간Ⅰ, 분석구간 II로 구분하여 각 토층별 침투속도를 산정하였다. 또한 체적함수비 변화량 비율은 실질적으로 해당 토층에 직접 영향을 주는 영향강우 발생시점을 기준으로 강우발생 단위시간당 체적함수비 변화를 분석하였다.In the target area, the landslide occurred on July 15, 2006, around 21:00 PM, with a cumulative rainfall of about 164 mm. As shown in FIG. 4, for the section where the analysis was performed based on this, analysis was performed from 10:00 pm on July 14, 2006 before the occurrence of the landslide to 01:00 on July 16, 2006 after the occurrence of the landslide. At this time, there were two rainfall changes, and the infiltration rate for each soil layer was calculated by dividing it into analysis section I and analysis section II, respectively. In addition, the volume water content change rate was analyzed based on the time of occurrence of the impact rainfall that actually directly affects the soil layer, and the change in volume water content per unit time of rainfall occurrence.
2006년 7월 14일 23시 최초 강우가 발생하여 2006년 7월 15일 오전 7시까지 약 55.54mm의 누적강우가 발생한 분석구간 I은 강우발생 약 5시간 이후 SL-1층의 체적함수비의 변화가 최대가 되었으며, SL-2의 경우 약 6시간 이후 최대치를 보인 후 감소하고, SL-3의 경우 SL-1과 SL-2와는 달리 약 10시간 이후 체적함수비가 서서히 증가하면서 수렴하는 경향을 갖는 것으로 분석되었다. In the analysis section I, where the first rainfall occurred at 23:00 on July 14, 2006 and accumulated rainfall of about 55.54 mm by 7 am on July 15, 2006, the change in the volume water content of the SL-1 layer was about 5 hours after the occurrence of rainfall In the case of SL-2, it decreased after showing a maximum after about 6 hours, and in the case of SL-3, unlike SL-1 and SL-2, the volumetric water content gradually increased after about 10 hours and had a tendency to converge. was analyzed as
분석에 활용한 대표지점은 토양도를 기준으로 할 때 토층심도가 0.5~1.0 m로써 SL-3의 체적함수비가 변화하기 시작한 것은 SL-1과 SL-2의 체적함수비가 완전포화 된 것으로 볼 때, 1차 강우구간에 대한 토층 내 표화속도는 약 2.31 × 10-3cm/sec로 산정되었다. 여기서 산정된 1차 강우구간에 대한 토층 내 표화속도는 후술될 수학식 2의 H(t) 산정 시 활용된다.The representative point used for the analysis is that the soil layer depth is 0.5 to 1.0 m based on the soil diagram, and the change in the volume water content of SL-3 is when the volume water content of SL-1 and SL-2 is considered to be completely saturated. , the surface leaching speed in the soil layer for the first rainfall section was estimated to be about 2.31 × 10 -3 cm/sec. The sedimentation velocity in the soil layer for the first rainfall section calculated here is used when calculating H(t) of
1차 강우구간 이후 2006년 7월 15일 오전 11시부터 2006년 7월 16일 오전 1시까지 약 108.61 mm의 누적강우가 발생한 분석구간 II는 1차 강우발생구간 이후 강우가 없음에도 SL-3의 체적함수비는 바로 감소하지 않고 수렴한 상태로 지속되다 강우가 발생하는 2차 강우발생 구간 중 15일 15시 이후 다시 증가하는 경향을 보였다. 여기서, SL-3의 체적함수비는 완전 포화상태인 0.439에 가까운 약 0.406까지 증가하여 약 70%가 포화된 것으로 분석되었다. 이때 토층의 침투속도는 1차 구간에서보다 빠른 약 4.62 × 10-3cm/sec 로 산정되었다. 또한, 이때 산정된 토층의 침투속도 역시 수학식 2의 H(t) 산정 시 활용된다.Analysis section II, where cumulative rainfall of about 108.61 mm occurred from 11 am on July 15, 2006 to 1 am on July 16, 2006 after the first rainfall section, was SL-3 even though there was no rainfall after the first rainfall section. The volume water content of did not immediately decrease, but continued to converge, and showed a tendency to increase again after 15:00 on the 15th during the second rainfall occurrence section. Here, the volumetric water content of SL-3 increased to about 0.406 close to 0.439, which is a fully saturated state, and was analyzed to be about 70% saturated. At this time, the penetration speed of the soil layer was calculated to be about 4.62 × 10 -3 cm/sec, which is faster than in the first section. In addition, the infiltration rate of the soil layer calculated at this time is also used when calculating H(t) of
분석구간 I과 II의 결과를 토대로 시계열 기반의 체적함수비 변화율을 분석하여 전체 강우시간 대비 분석구간 내 강우시간대별로 변화하는 체적함수비의 관계를 분석한 결과, 강우시간이 증가함에 따라 체적함수비도 함께 증가와 수렴을 반복하다가 점차 증가하는 선형 형태를 갖는 것으로 나타났다.Based on the results of analysis sections I and II, we analyzed the time series-based change rate of the volumetric water content and analyzed the relationship between the total rainfall time and the change in the volume water content for each rainfall time zone within the analysis section. It was found to have a linear form that gradually increased while repeating convergence.
도 5는 토층 구간에 대한 토층별 강우발생 단위시간(T/Tmax) 당 체적함수비 변화율 관계 그래프이다.5 is a graph showing the change rate of volume water content per unit time (T/Tmax) for rainfall occurrence for each soil layer for the soil layer section.
도 4에서 구분된 분석구간별 강우발생 단위시간(T/Tmax)당 체적함수비 변화율을 분석하면 도 5와 같이 토층깊이가 깊어질수록 체적함수비 변화율의 기울기가 작아지는 것으로 나타났다. 이는 강우발생 단위시간당 우수가 토층 내로 침투해 가는 시간이 많이 소요됨을 의미한다.Analysis of the change rate of the volume moisture content per unit time (T/Tmax) of rainfall occurrence for each analysis section divided in FIG. 4 shows that the slope of the change rate of the volume moisture content decreases as the soil depth increases as shown in FIG. 5 . This means that it takes a lot of time for rainwater to penetrate into the soil layer per unit time of rainfall occurrence.
표 2는 분석구간별 토층의 체적함수비 변화율 상관식이다.Table 2 is the correlation formula for the change rate of the volume water content of the soil layer for each analysis section.
표 2에서와 같이, 분석구간 I의 경우 55.54mm의 누적강우량을 갖고 있는 구간으로 우수 침투가 SL-4까지 진행되지 않은 상태이기 때문에 강우발생 단위시간 대비 체적함수비 변화율의 기울기가 0.0449로 매우 작게 분석되었다. 이에 반하여 직접적으로 우수 침투에 영향을 받는 SL-1, SL-2, SL-3의 경우 이 변화율의 기울기가 크게 나타나는 것으로 분석되었다.As shown in Table 2, analysis section I has a cumulative rainfall of 55.54 mm, and since stormwater penetration has not progressed to SL-4, the slope of the change rate of volume water content relative to the unit time of rainfall is 0.0449, which is very small. became On the other hand, in the case of SL-1, SL-2, and SL-3, which are directly affected by rainwater infiltration, the slope of this change rate was analyzed to be large.
분석구간 II는 108.61mm의 누적강우량이 발생하였으며, 분석구간 I보다는 체적함수비 변화율 기울기가 크게 산정된 것으로 보아, 누적강우량의 증가가 직접적으로 토층의 체적함수비 상승에 크게 영향을 주는 것을 알 수 있다. 또한 이 변화율 기울기의 증가는 토층 내 우수의 침투로 인해 토층 포화도가 상승함으로써 사면 안정성을 저하시키는 요인으로 작용한다.In analysis section II, a cumulative rainfall of 108.61 mm occurred, and the slope of the change rate of the volume water content was calculated larger than in the analysis section I, so it can be seen that the increase in the cumulative rainfall directly affects the increase in the volume water content of the soil layer. In addition, the increase in the gradient of the rate of change acts as a factor that lowers the slope stability by increasing the soil saturation level due to the infiltration of rainwater into the soil layer.
이와 같은 결과는 토층 깊이별 체적함수비 변화율에 영향을 주는 요인으로 강우발생 단위시간을 기준으로 선행강우 발생조건에 따라 체적함수비 변화율의 기울기가 크게 영향을 받는 것을 알 수 있다. 예를 들어 각 분석구간에서 SL-1 토층에서 체적함수비 변화율의 기울기는 유사하나, 상관계수(R2)는 분석구간 I보다는 II에서 높은 것으로 산정되었는데, 이는 선행강우로 인해 토층 내 체적함수비가 분석구간 I보다는 II가 더 높기 때문이다. 도 5 및 표 2에서와 같이, 토층깊이가 깊어질수록 체적함수비 변화율은 감소하고, 상관계수(R2)는 증가하는 것은 토층 내로 침투하는 우수가 얕은 토층깊이에서는 난류 형태(turbulent flow)의 침투양상을 보이다가 토층이 깊어지면서 층류 형태(laminar flow)양상으로 나타나기 때문인 것으로 판단된다. 따라서 상관계수(R2)가 분석구간 I과 II에서 0.8이상을 만족하는 토층인 SL-3 및 SL-4에 국한하여 체적함수비 변화에 따른 침투깊이 속도를 고려해 포화깊이비를 산정하는데 활용하였다.These results show that the gradient of the volume moisture content change rate is greatly affected by the preceding rainfall occurrence conditions based on the rainfall occurrence unit time as a factor that affects the change rate of the volume moisture content by soil depth. For example, in each analysis section, the slope of the volume moisture content change rate in the SL-1 soil layer was similar, but the correlation coefficient (R 2 ) was calculated to be higher in the analysis section II than in the analysis section I. This is because interval II is higher than interval I. As shown in Figure 5 and Table 2, as the depth of the soil layer deepens, the change rate of the volume water content decreases, and the correlation coefficient (R 2 ) increases, the rainwater penetrating into the soil layer and the penetration of the turbulent flow at the shallow soil layer depth It is thought that this is because it appears as a laminar flow pattern as the soil layer deepens. Therefore, the correlation coefficient (R 2 ) was limited to SL-3 and SL-4, which are soil layers that satisfy 0.8 or higher in analysis sections I and II, and was used to calculate the saturation depth ratio considering the penetration depth speed according to the change in volume water content.
산사태 위험 지수 산출 모듈(200)은 침투속도를 활용하여 포화깊이비(H(t))를 산정하고, 이를 산사태 위험 지수 산출(수학식 2)에 활용하여 산사태 위험 지수를 산정한다. 무한사면안정해석 모델에 포화깊이비 항을 적용하여 산사태 위험도 등급을 산정한다. 무한사면안정해석 모델에서 안전율(FS)에 가장 크게 영향을 미치는 인자로는 급경사지의 경사(α), 토층의 점착력(c), 내부마찰각(
수학식 1에서, 
수학식 1을 바탕으로 강우지속시간과 토층으로 우수가 침투되는 깊이를 토층 깊이와 비율인 침투깊이비로 해석하여 전술된 무한사면안정해석 모델을 재해석하면 아래의 수학식 2와 같다.Based on
수학식 2에서, C는 토층의 무게에 대한 점착력 비(무차원), 
또한, 수학식 2와 같이 재해석된 무한사면안정해석 모델은 우수 침투를 통한 토층 내 포화상태를 고려한 것이다. 이는 국내에서 발생하고 있는 급경사지 붕괴의 형태는 얕은 파괴(shallow landslide)형태로써 토층과 불투수층인 기반암과의 경계지점에서 주로 발생하기 때문에 사면 안정성 평가를 위해서는 토양심도를 정확하게 파악하는 것이 중요하다. 본 발명은 토심예측모델을 활용하여 토층깊이를 아래의 수학식 3과 같이 산정하고 적용한다.In addition, the infinite slope stability analysis model reinterpreted as in
수학식 3에서, Slope는 사면의 경사(°), WI는 습윤지수(Wetness Index, non-dimension), CA는 집수면적(Catchment Area, ㎡), STI는 유사운송지수(Sediment Transport Index, non-dimension)이다.In
토층깊이는 수학식 2의 H(t)의 변화에 따라 사면 안전율에 직접적인 영향을 준다. 즉, 토층 내 강우의 침투깊이가 토층을 완전히 포화시켰을 경우에는 사면 안전율이 가장 낮게 산정되며, 이와 반대로 토층을 일부만 포화시켰을 경우에는 그 반대의 결과를 도출하게 된다. 이와 같이 토층의 깊이는 실질적으로 침투깊이비와 관련을 갖고 있어 토층이 깊은 구간보다 토층이 낮은 구간에서 사면 안전율이 더 작게 산정된다. 즉, 강우조건에 따라 발생되는 토층 내로 우수 침투에 따라 실질적인 사면의 토층 내에서 사면 안전율의 변화에 따른 얕은 파괴의 형태를 분석할 수 있다. 산사태 위험 지수는 수학식 2에서 포화깊이비 항을 적용하여 산정되는데 포화깊이비는 앞절에서 설명한 바와 같이 LAMP에서 평가된 분석구간 I과 II에서 SL-3과 SL-4 토층에 대한 체적함수비 변화로부터 분석된 침투속도를 활용하였다.The soil depth directly affects the slope safety factor according to the change of H(t) in
도 6 내지 도 8은 산림청 산사태 위험 지도 위험 등급과 분석구간별 체적함수비 변화에 따른 산사태 위험 지수 0.5와 0.7간의 결과 비교 그림이다.6 to 8 are diagrams comparing the results between the landslide risk index 0.5 and 0.7 according to the change in the volume water content for each analysis section and the landslide risk map risk grade of the Korea Forest Service.
산사태 위험도 등급 산정 모듈(300)은 산사태 위험 지수를 기반으로 산사태 위험도 등급을 산정한다. 여기서, 산사태 위험도 등급은 산사태 위험 지수 0~0.56은 4단계, 0.57~0.69는 3단계, 0.7~0.86은 2단계, 0.87~1.0은 1단계로 정의한다. 산정된 침투속도에 대해 표 1에서 제안된 전체 토층 대비 토층별 포화가 0.5와 0.7까지 진행된 경우에 대해 산사태 위험 지수를 산정하고 이 결과를 산림청에서 제공하는 산사태위험지도 상의 1, 2, 3등급(4, 5등급 제외)과 비교 검증하였다. 도 6 내지 도 8을 참조하면, GIS기반의 산사태 위험 지수 분석결과에서 누적강우(선행강우)와 침투속도가 빠른 분석구간 II에서 비교적 위험성이 높은 1등급에 해당하는 격자가 대상 지역에 전반적으로 분포하는 것으로 분석되었다.The landslide risk
도 9는 산사태 위험 지도와 산사태 위험 지수에 대한 산사태 발생지점별 등급분포도이다.9 is a landslide risk map and a grade distribution diagram for each landslide occurrence point for the landslide risk index.
또한, 도 9를 참조하면, 산지와 시설지 경계지역 인근에 대하여 산림청의 산사태위험지도와 비교한 결과에서 산사태 위험 지수가 0.5인 경우에는 비교적 위험성이 낮은 것으로 분석되었으나, 산사태 위험 지수가 0.7로 상승한 경우에는 산사태위험지도와 비교해 보면 시설지 인근 산지에서의 1등급 분포비율이 증가하여 위험성이 높은 것으로 나타났다. 이와 같은 분석결과는 과거 산사태 발생지점 자료를 활용하여 산림청의 산사태위험지도와 산사태 위험 지수 결과를 등급별로 비교 분석한 결과, 산림청의 산사태위험지도는 과거 산사태 발생지점이 1등급에서 3등급까지 분포하는 것으로 분석되었으며, 산사태 위험 지수 0.5의 경우에는 2등급이 약 56개소로 가장 많이 분포하는 것으로 산정되었다. 또한 산사태 위험 지수가 0.7인 경우에는 1등급에 해당하는 격자의 수가 급격히 증가하여 위험성이 크게 확장하는 결과를 도출하였다.In addition, referring to FIG. 9 , in the result of comparing the landslide risk map of the Korea Forest Service for the vicinity of the boundary between mountainous areas and facilities, when the landslide risk index was 0.5, the risk was analyzed as relatively low, but the landslide risk index increased to 0.7. In this case, when compared with the landslide risk map, the distribution ratio of
한편, 전술된 LAMP는 2016년에 버전 1.0이 구축된 이후 우리나라 전역에 대한 고해상도 중기 예측과 농림지 맞춤형 1년 모의 자료를 공식 웹사이트(http://df.ncam.kr/lamp/index.do)를 통해 제공하고 있으며, 농업 및 산림업 분 야의 연구와 교육 및 서비스 개발에 점차 활용도가 높아지고 있다. LAMP의 정확도는 연결된 응용모델들의 결과물의 정확도에 큰 영향을 미치기 때문에, 지속적인 업데이트 및 개선과 더불어 그 특성을 정기적으로 분석하고 보완하는 일이 중요하다.On the other hand, the above-mentioned LAMP provides high-resolution mid-term forecasts for all of Korea and one-year simulation data customized for agricultural and forestry areas since version 1.0 was built in 2016 on the official website (http://df.ncam.kr/lamp/index.do) It is provided through the Ministry of Agriculture and Forestry, and its use is gradually increasing in research, education, and service development in the fields of agriculture and forestry. Since the accuracy of LAMP greatly affects the accuracy of the results of the connected application models, it is important to regularly analyze and supplement its characteristics along with continuous updates and improvements.
본 발명에서는 ECMWF(European Centre for MediumRange Weather Forecasts)에서 제공하는 ERA5(Fifth generation of ECMWF atmospheric reanalysis) 재분석 자료를 이용하여 도메인 d01(동아시아) 및 d02(한반도)의 강수량에 대한 단기(모델의 초기 시각으로부터 72시간) 예측 성능과 중기(모델의 초기 시각으로부터 192시간)의 예측 성능을 분석하였다. LAMP d01의 수평해상도는 21,870m, d02의 수평해상도는 7,290m, ERA5의 수평 해상도는 0.25˚×0.25˚이며, 시간해상도는 1시간으로 모두 동일하다. 검증 지표는 정량적 방법인 평균 오차(Bias)와 평균 제곱근 오차(RMSE)를 이용하였고, 2019년 한 해의 월 평균 강수량을 평가하였다.In the present invention, using the reanalysis data of ERA5 (Fifth generation of ECMWF atmospheric reanalysis) provided by ECMWF (European Center for MediumRange Weather Forecasts), the short-term (from the initial time of the model) for precipitation in domains d01 (East Asia) and d02 (Korean Peninsula) 72 hours) prediction performance and mid-term (192 hours from the initial time of the model) were analyzed. The horizontal resolution of LAMP d01 is 21,870m, the horizontal resolution of d02 is 7,290m, and the horizontal resolution of ERA5 is 0.25˚×0.25˚, and the temporal resolution is the same for 1 hour. As the verification index, quantitative methods such as mean error (Bias) and root mean square error (RMSE) were used, and the average monthly precipitation in 2019 was evaluated.
도 10은 2019년 도메인1(a, b)과 도메인 2(c, d)에서 3일 및 8일 동안 LAMP에서 예측된 강수의 월 평균 편향 및 RMSE 그래프이다.10 is a graph of the monthly mean bias and RMSE of precipitation predicted in LAMP for 3 and 8 days in domain 1 (a, b) and domain 2 (c, d) in 2019.
도 10의 (a) 와 (c)를 참조하면, 재분석자료와 비교한 LAMP의 월별 강수량은 두 도메인에서 단기예측 성능과 중기예측 성능 모두 전반적으로 편차가 작고 양의 값을 보였으며, 도 10의 (b) 와 (d)를 참조하면, RMSE가 여름철에 크고 겨울철에 작은 뚜렷한 계절성을 보였다. 또한, 도 10의 (b)를 참조하면, 단기예측과 중 기예측 성능 차이는 도메인 d01의 경우 6월, 10월, 11 월을 제외하면 전반적으로 단기예측의 RMSE가 중기 예측보다 더 작은 것으로 나타났다. 도 10의 (d)를 참조하면, 도메인 d02 의 경우 여름철 단기예측 RMSE가 중기예측보다 더 크고, 겨울철 중기예측 RMSE가 여름철보다 더 크게 나타나, d01에서와는 다른 양상을 보였다.Referring to FIGS. 10 (a) and 10 (c), the monthly precipitation of LAMP compared with the reanalyzed data showed a small overall deviation and positive values in both the short-term and medium-term prediction performance in the two domains. Referring to (b) and (d), RMSE showed a distinct seasonality with large in summer and small in winter. Also, referring to (b) of FIG. 10 , the difference in performance between short-term prediction and medium-term prediction is that, in the case of domain d01, except for June, October, and November, the RMSE of short-term prediction is generally smaller than that of medium-term prediction. . Referring to (d) of FIG. 10 , in the case of domain d02, the summer short-term prediction RMSE is larger than the mid-term prediction, and the winter medium-term prediction RMSE is larger than that in summer, showing a different aspect from that of d01.
LAMP의 토양수분은 총 4개의 토양층(L1~L4: 각각 10 cm, 30 cm, 60 cm, 100 cm 깊이)에 대해 12일 중 기예측 자료로서 생산되고 있다. LAMP 토양수분 예측자료의 정성적 평가를 위하여, 산사태 발생 이력이 많은 강원도 지역의 평창 운교와 진부 지점에 대하여 2019년도 LAMP 토양수분 12일 예측자료와, 같은 년도 시간별 토양수분 관측자료를 이용하여 비교분석 하였다. 사용된 관측자료는 농촌진흥청 농업기상관측소 에서 측정된 10 cm 깊이 토양수분 자료이며, 동절기(1 월, 2월, 12월)의 경우 토양동결로 인하여 토양수분 측정값의 오류가 있을 수 있으므로 분석에서 제외하였다. 상대적으로 강수량이 많은 여름(7월~8월)과 가을철(9월~11월)을 중점으로 평가하였으며, 토양수분과 더불어 지점별 실제 지면피복 자료를 함께 분석하였다. 토양수분 관측자료의 연변화 특성은 일반적으로 강수량이 많이 발생하는 여름과 가을철에 상대적으로 토양수분이 높게 관측되었으며, 특히 많은 양의 강수가 발생했던 기간(2019년 9월)의 토양수분 관측값 평균은 운교와 진부 지점에서 각각 약 28.1 (0.01*m3 /m3)과 23.6 (0.01*m3 /m3) 으로 나타났다. 각 사이트에 대해 LAMP에서 추출한 land use_index(USGS 지면피복 분류자료)와 환경부 환경공간 정보서비스에서 제공하는 토지피복지도를 통해 생성 한 분류결과에 대해 각각의 유사점과 차이점을 비교해 보았다. 환경부 토지피복지도에 대한 범례는 해상 도에 따라 크게 대분류(해상도 30 m급), 중분류(해상도 5 m급)와 세분류(해상도 1 m급)로 나누어지며 평창지역은 지역 특성상 대부분 산림지역과 초지로 나타났다. LAMP에서 추출한 USGS 자료기반 land use_index 지수는 평창 진부면과 운교리 모두에 대해 Dryland Cropland and Pasture(농경지 및 목초지)로 설정되어 있으며 실제 관측사이트 주변의 지표면 식생 특성과 유사한 것으로 나타났다.The soil moisture of LAMP is produced as a pre-prediction data for 12 days for a total of 4 soil layers (L1-L4: 10 cm, 30 cm, 60 cm, 100 cm depth, respectively). For the qualitative evaluation of LAMP soil moisture prediction data, comparative analysis was made using the 2019 LAMP soil moisture 12-day forecast data and the hourly soil moisture observation data for the same year for the Pyeongchang Ungyo and Jinbu points in the Gangwon-do region, which has a lot of history of landslides. did. The observation data used is the soil moisture data at a depth of 10 cm measured at the Agricultural Meteorological Observatory of the Rural Development Administration. excluded. The summer (July-August) and autumn (September-November), which have relatively high precipitation, were mainly evaluated, and the soil moisture and actual ground cover data for each branch were analyzed together. As for the annual change characteristics of the soil moisture observation data, relatively high soil moisture was observed in summer and autumn, when precipitation generally occurs. At the points of Ungyo and Jinbu, they were approximately 28.1 (0.01*m 3 /m 3 ) and 23.6 (0.01*m 3 /m 3 ), respectively. For each site, the similarities and differences were compared with the land use_index (USGS ground cover classification data) extracted from LAMP and the classification result generated through the land use map provided by the Environment Spatial Information Service of the Ministry of Environment. The legend on the land cover map of the Ministry of Environment is largely divided into a large classification (resolution 30 m class), a medium classification (resolution 5 m class), and a sub-classification (resolution 1 m class) according to the resolution. appear. The USGS data-based land use_index index extracted from LAMP was set to Dryland Cropland and Pasture for both Jinbu-myeon and Ungyo-ri in Pyeongchang, and was found to be similar to the surface vegetation characteristics around the actual observation site.
도 11은 대상 지역(a: 진부, b: 운교)에서 관찰된 LAMP 토양 수분(SM)의 시간 별 변화 그래프이다.11 is a time-dependent change graph of LAMP soil moisture (SM) observed in the target area (a: Jinbu, b: Ungyo).
도 11은 강수 사례별 토양층별 토양수분의 예측시 계열이다. 토양수분 관측값이 증가하는 시점에 대해 L1에서 가장 먼저 증가하고, 그 다음으로 L2, L3및 L4 순으로 증가하여 정상적인 강수 침투 양상이 예측되고 있었고, 관측 토양수분 값의 패턴과 대체로 유사 하였으나 크기에 있어 과대 모의하는 경향이 있었다. 그러나 토양수분 관측지 토양 자체가 주변의 자연 토양이 아닌 복토 또는 객토이므로, 주변을 대표하기에는 근원적인 한계가 있다. 따라서, 자연 토양으로 처방되어 있는 모델의 토양수분과 비교함에 있어서 주의가 필요한 것으로 파악되었다. 이를 바탕으로 향후 산림청의 관측 토양수분 및 기상청의 위성 토양수분 자료와 비교하고, 토양의 깊이 등 그 외 다른 사항들도 감안하여, 효과적인 품질관 리 및 보정기법을 지속적으로 개발할 필요가 있다.11 is a series of predictions of soil moisture for each soil layer for each precipitation case. With respect to the point in time when the observed soil moisture value increases, it increases first in L1, then increases in the order of L2, L3, and L4, so that the normal precipitation infiltration pattern was predicted. There was a tendency to oversimplify. However, since the soil of the soil moisture observation site itself is covered or covered soil, not the surrounding natural soil, there is a fundamental limit to representing the surroundings. Therefore, it was identified that caution is needed in comparing with the soil moisture of the model prescribed as natural soil. Based on this, it is necessary to continuously develop effective quality control and correction techniques by comparing the soil moisture observed by the Korea Forest Service and the satellite soil moisture data of the Korea Meteorological Administration, and taking other factors such as soil depth into consideration.
산림조합에서 개발된 산사태 위험 지수는 기상입력 자료로 강우량, 토양수분, 증발산 등의 변수를 필요로 한다. 본 발명에서는 1시간 간격의 RAINC(누적 대류형 강수량), RAINNC(누적 층운 형 강수량) 및 SMOIS(4개 깊이의 토양수분) 변수에서 생산된 강원도 평창 가리왕산 주변 지역에 대한 1158 개 NetCDF 파일(약 830m 격자)을 처리하여 산림조합 중앙회에 제공하여 산사태 위험 지수를 산정할 수 있도록 하였다.The landslide risk index developed by the Forestry Cooperative requires variables such as rainfall, soil moisture, and evapotranspiration as meteorological input data. In the present invention, 1158 NetCDF files (approximately 830m) for the area around Mt. grid) and provided to the National Forestry Cooperative Federation to calculate the landslide risk index.
다음은 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법에 대해 도면을 참조하여 설명한다. 후술될 내용 중 전술된 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치의 설명과 중복되는 내용은 생략하거나 간략히 설명한다.Next, a method for calculating the landslide risk index using the WRF hourly rainfall and the soil moisture for each layer according to the present invention will be described with reference to the drawings. Among the contents to be described below, the contents overlapping with the description of the landslide risk index calculation apparatus using the WRF hourly rainfall per hour and the soil moisture for each layer according to the present invention will be omitted or briefly described.
도 12는 본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법의 순서도이다.12 is a flowchart of a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture for each layer according to the present invention.
본 발명에 따른 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법은 도 12에 도시된 바와 같이, 침투깊이 속도를 산출하는 단계(S1)와, 산사태 위험 지수를 산출하는 단계(S2), 및 산사태 위험도 등급을 산정하는 단계(S3)를 포함한다.The method for calculating the landslide risk index using the WRF hourly rainfall and layer-by-layer soil moisture according to the present invention includes the steps of calculating the penetration depth speed (S1) and calculating the landslide risk index (S2), as shown in FIG. 12 , and calculating a landslide risk level (S3).
침투깊이 속도를 산출하는 단계(S1)는 침투속도 산출 모듈이 대상 지역의 체적함수비 변화에 따른 강우 시 침투깊이 속도를 산출한다. 이는 전술된 바와 같이 분석구간 I에서는 약 2.31 × 10-3cm/sec로 산정되고, 분석구간 II에서는 약 4.62 × 10-3cm/sec 로 산정된다.In the step of calculating the penetration depth velocity (S1), the penetration velocity calculation module calculates the penetration depth velocity during rainfall according to the change in the volume water content of the target area. As described above, it is calculated to be about 2.31 × 10 -3 cm/sec in the analysis section I and about 4.62 × 10 -3 cm/sec in the analysis section II.
산사태 위험 지수를 산출하는 단계(S2)는 침투속도 산출 모듈에서 산출된 침투깊이 속도로 산사태 위험 지수 산출 모듈이 포화깊이비(H(t))를 산출하여 산사태 위험 지수를 산출한다. 이는 전술된 수학식 2에 의해 산출된다.In the step of calculating the landslide risk index (S2), the landslide risk index calculation module calculates the saturation depth ratio (H(t)) with the penetration depth speed calculated by the penetration rate calculation module to calculate the landslide risk index. This is calculated by
산사태 위험도 등급을 산정하는 단계(S3)는 산사태 위험 지수에 따라 산사태 위험도 등급 산정 모듈이 산사태 위험도 등급을 산정한다. 여기서, 산사태 위험도 등급은 산사태 위험 지수 0~0.56은 4단계, 0.57~0.69는 3단계, 0.7~0.86은 2단계, 0.87~1.0은 1단계로 정의되며, 본 발명은 산사태 위험 지수가 0.7 이상일 경우 대상 지역의 산사태 위험도가 높은 것으로 판단한다.In the step of calculating the landslide risk grade (S3), the landslide risk grade calculation module calculates the landslide risk grade according to the landslide risk index. Here, the landslide risk grade is defined as a
상술한 바와 같이, 본 발명은 산사태 위험 지수 산출 시 토층에 대한 체적함수비 변화로부터 분석된 침투속도를 활용하여 산출한 포화깊이비를 산사태 위험 지수 산출식에 적용하여 보다 정확하게 산사태 위험 지수를 산출할 수 있다.As described above, in the present invention, when calculating the landslide risk index, the saturation depth ratio calculated by using the infiltration rate analyzed from the change in the volume water content of the soil layer is applied to the landslide risk index calculation formula to more accurately calculate the landslide risk index. have.
이상과 같이 본 발명에 대해서 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시 예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상의 범위 내에서 통상의 기술자에 의해 다양한 변형이 이루어질 수 있음은 자명하다. 아울러 앞서 본 발명의 실시 예를 설명하면서 본 발명의 구성에 따른 작용 효과를 명시적으로 기재하여 설명하지 않았을 지라도, 해당 구성에 의해 예측 가능한 효과 또한 인정되어야 함은 당연하다.As described above, the present invention has been described with reference to the illustrated drawings, but the present invention is not limited by the embodiments and drawings disclosed in the present specification. It is obvious that variations can be made. In addition, although the effects according to the configuration of the present invention are not explicitly described and described while describing the embodiments of the present invention, it is natural that the effects predictable by the configuration should also be recognized.
100: 침투속도 산출 모듈
200: 산사태 위험 지수 산출 모듈
300: 산사태 위험도 등급 산정 모듈100: penetration rate calculation module
200: landslide risk index calculation module
300: Landslide risk grading module
Claims (8)
상기 침투속도 산출 모듈에서 산출된 침투깊이 속도로 포화깊이비(H(t))를 산출하여 산사태 위험 지수를 산출하는 산사태 위험 지수 산출 모듈, 및
상기 산사태 위험 지수에 따라 산사태 위험도 등급을 산정하는 산사태 위험도 등급 산정 모듈을 포함하고,
상기 산사태 위험 지수(FS)는,
상기 C는 토층의 무게에 대한 점착력 비(무차원),
상기
상기
상기 r은 전체 밀도에 대한 물의 밀도비,
상기 H(t)는 시간에 따른 토층 내 강우 침투깊이비인 포화깊이비를 의미하고,
상기 산사태 위험도 등급은, 상기 산사태 위험 지수가 0.87~1.0인 1등급, 산사태 위험 지수가 0.7~0.86인 2등급, 산사태 위험 지수가 0.57~0.69인 3등급, 산사태 위험 지수가 0~0.56인 4등급을 포함하며, 상기 산사태 위험도 등급이 높을수록 산사태 위험도가 증가하고,
상기 대상 지역의 체적함수비 변화에 따른 강우 시 침투깊이 속도는, 지면대기모델링패키지(Land-Atmosphere Modeling Package, LAMP)에서 평가된 누적 강우량이 서로 상이할 때 서로 상이한 토층인 SL-1과 SL-2, SL-3, 및 SL-4 토층 중 SL-3과 SL-4 토층에 대한 체적함수비 변화로부터 분석되는 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 장치.
A penetration rate calculation module for calculating the penetration depth velocity during rainfall according to a change in the volume water content of the target area;
A landslide risk index calculation module for calculating a landslide risk index by calculating a saturation depth ratio (H(t)) with the penetration depth rate calculated by the penetration rate calculation module, and
and a landslide risk grade calculation module for calculating a landslide risk grade according to the landslide risk index,
The landslide risk index (FS) is,
Wherein C is the ratio of adhesion to the weight of the soil layer (dimensionless),
remind
remind
Wherein r is the density ratio of water to the total density,
The H(t) means the saturation depth ratio, which is the ratio of rainfall penetration depth in the soil layer over time,
The landslide risk grade is, the landslide risk index is 0.87 ~ 1.0 grade 1, the landslide risk index is 0.7 ~ 0.86 grade 2, the landslide risk index is 0.57 ~ 0.69 grade 3, the landslide risk index is 0 ~ 0.56 grade 4 Including, the higher the landslide risk grade, the higher the landslide risk,
The penetration depth velocity during rainfall according to the change in the volume water content of the target area is different when the accumulated rainfall evaluated in the Land-Atmosphere Modeling Package (LAMP) is different from each other, the soil layers SL-1 and SL-2 , SL-3, and SL-4 soil landslide hazard index calculation device using WRF hourly rainfall and soil moisture for each layer analyzed from the change in volume water content for the SL-3 and SL-4 soil layers.
상기 침투속도 산출 모듈에서 산출된 침투깊이 속도로 산사태 위험 지수 산출 모듈이 포화깊이비(H(t))를 산출하여 산사태 위험 지수를 산출하는 단계, 및
상기 산사태 위험 지수에 따라 산사태 위험도 등급 산정 모듈이 산사태 위험도 등급을 산정하는 단계를 포함하고,
상기 산사태 위험 지수(FS)는,
상기 C는 토층의 무게에 대한 점착력 비(무차원),
상기
상기
상기 r은 전체 밀도에 대한 물의 밀도비,
상기 H(t)는 시간에 따른 토층 내 강우 침투깊이비인 포화깊이비를 의미하고,
상기 산사태 위험도 등급은, 상기 산사태 위험 지수가 0.87~1.0인 1등급, 산사태 위험 지수가 0.7~0.86인 2등급, 산사태 위험 지수가 0.57~0.69인 3등급, 산사태 위험 지수가 0~0.56인 4등급을 포함하며, 상기 산사태 위험도 등급이 높을수록 산사태 위험도가 증가하고,
상기 대상 지역의 체적함수비 변화에 따른 강우 시 침투깊이 속도는, 지면대기모델링패키지(Land-Atmosphere Modeling Package, LAMP)에서 평가된 누적 강우량이 서로 상이할 때 서로 상이한 토층인 SL-1과 SL-2, SL-3, 및 SL-4 토층 중 SL-3과 SL-4 토층에 대한 체적함수비 변화로부터 분석되는 WRF 시간당 강우 및 층별 토양수분을 이용한 산사태 위험 지수 산출 방법.The step of calculating, by the penetration rate calculation module, the penetration depth velocity during rainfall according to the change in the volume water content of the target area;
Calculating, by the landslide risk index calculation module, the saturation depth ratio (H(t)) with the penetration depth rate calculated by the penetration rate calculation module, to calculate the landslide risk index, and
Comprising the step of calculating a landslide risk grade by a landslide risk grade calculation module according to the landslide risk index,
The landslide risk index (FS) is,
Wherein C is the ratio of adhesion to the weight of the soil layer (dimensionless),
remind
remind
Wherein r is the density ratio of water to the total density,
The H(t) means the saturation depth ratio, which is the ratio of rainfall penetration depth in the soil layer over time,
The landslide risk grade is, the landslide risk index is 0.87 ~ 1.0 grade 1, the landslide risk index is 0.7 ~ 0.86 grade 2, the landslide risk index is 0.57 ~ 0.69 grade 3, the landslide risk index 0 ~ 0.56 grade 4 Including, the higher the landslide risk grade, the higher the landslide risk,
The penetration depth velocity during rainfall according to the change in the volume water content of the target area is different when the accumulated rainfall evaluated in the Land-Atmosphere Modeling Package (LAMP) is different from each other, the soil layers SL-1 and SL-2 , , SL-3, and SL-4 A method of calculating the landslide risk index using the rainfall per hour and the soil moisture for each layer analyzed from the change in volume water content for the SL-3 and SL-4 soil layers.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200188900A KR102438238B1 (en) | 2020-12-31 | 2020-12-31 | A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200188900A KR102438238B1 (en) | 2020-12-31 | 2020-12-31 | A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220096458A KR20220096458A (en) | 2022-07-07 |
| KR102438238B1 true KR102438238B1 (en) | 2022-08-29 |
Family
ID=82398648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200188900A KR102438238B1 (en) | 2020-12-31 | 2020-12-31 | A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102438238B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117114415B (en) * | 2023-09-25 | 2024-02-20 | 河海大学 | Landslide hazard rapid distinguishing method for evaluating rainfall on shallow landslide induction probability |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160062470A (en) | 2014-11-25 | 2016-06-02 | 대한민국(산림청 국립산림과학원장) | Apparatus for predicting landslide using logistic regression model and method thereof |
-
2020
- 2020-12-31 KR KR1020200188900A patent/KR102438238B1/en active IP Right Grant
Non-Patent Citations (2)
| Title |
|---|
| 곽재환 외 2인, 강우변화에 따른 토층 내 침투깊이를 고려한 산사태위험지수 개발, The Journal of Engineering Geology, Vol. 28, No. 4, December, 2018 (2018.12.31.)* |
| 석재욱 외 3인, 표층붕괴 예측을 위한 체적함수비 적용성 연구, Journal of the Korea Academia-Industrial cooperation Society, Vol. 20, No. 12 pp. 737-746, 2019 (2019.12.31.)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220096458A (en) | 2022-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pan et al. | Bias corrections of precipitation measurements across experimental sites in different ecoclimatic regions of western Canada | |
| Mo | Model-based drought indices over the United States | |
| Vionnet et al. | Assessing the factors governing the ability to predict late-spring flooding in cold-region mountain basins | |
| Karymbalis et al. | An integrated study for the evaluation of natural and anthropogenic causes of flooding in small catchments based on geomorphological and meteorological data and modeling techniques: The case of the Xerias torrent (Corinth, Greece) | |
| Şen et al. | Aridity and risk calculations in Saudi Arabian wadis: Wadi Fatimah case | |
| Deutscher et al. | Ecohydrological consequences of tree removal in an urban park evaluated using open data, free software and a minimalist measuring campaign | |
| CN102661842A (en) | Method and device for quantitatively estimating annual soil wind-erosion amount | |
| Meißl et al. | Runoff response to rainfall events considering initial soil moisture–Analysis of 9-year records in a small Alpine catchment (Brixenbach valley, Tyrol, Austria) | |
| Mascaro et al. | Distributed hydrologic modeling of a sparsely monitored basin in Sardinia, Italy, through hydrometeorological downscaling | |
| Ebel et al. | Near-surface hydrologic response for a steep, unchanneled catchment near Coos Bay, Oregon: 1. Sprinkling experiments | |
| De Silva et al. | Flood inundation mapping along the lower reach of Kelani river basin under the impact of climatic change | |
| Gessang et al. | The flood prediction model using Artificial Neural Network (ANN) and weather Application Programming Interface (API) as an alternative effort to flood mitigation in the Jenelata Sub-watershed | |
| KR102438238B1 (en) | A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same | |
| Bačová Mitková et al. | Reconstruction and post-event analysis of a flash flood in a small ungauged basin: a case study in Slovak territory | |
| Huang et al. | Flood vulnerability to climate change through hydrological modeling: a case study of the Swift Current Creek watershed in western Canada | |
| Johnson et al. | Assessment and applications of distributed hydrologic model-Russian-Napa River Basins, CA | |
| Blaškovičová et al. | Methodology for post-event analysis of flash floods–Svacenický Creek case study | |
| Jiménez-Rodríguez et al. | Performance of two hydrological models in predicting daily flow under a climate change scenario for mountainous catchments in northwestern Costa Rica | |
| Ghaju et al. | Evaluation of satellite based precipitations and their applicability for rainfall runoff modelling in Narayani Basin of Nepal | |
| Risky et al. | Using remote sensing and geographic information system (GIS) for peak discharge estimating in catchment of Way Ratai, Pesawaran District, Lampung Province | |
| Van Zyl et al. | Predicting the impact of farming systems on sediment yield in the context of integrated catchment management | |
| Shultz | Comparison of distributed versus lumped hydrologic simulation models using stationary and moving storm events applied to small synthetic rectangular basins and an actual watershed basin | |
| Durand et al. | Modeled snow cover in Pyrenees mountains and cross-comparisons between remote-sensed and land-based observation data | |
| Wugofski | Synoptic and mesoscale analysis of the 2015 southern Great Plains flash pluvial | |
| Aswathy et al. | Estimation of soil erosion using revised universal soil loss equation and GIS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |