[논문 리뷰] Validation and Improvement of Data Assimilation for Flood Hydrodynamic Modelling Using SAR Imagery Data

Thanh Huy Nguyen, Anthéa Delmotte외 4명|arXiv (Cornell University)|2021. 09. 09.

Flood Risk Assessment and Management참고 문헌 13인용 수 4

한 줄 요약

이 연구는 홍수 수문모형을 향상시키기 위해 세션텔리트-1 SAR 영상과 데이터 융합을 통합하여 모형의 편향을 보정하고 홍수 범위 예측을 향상시킨다. 2021년 1월~2월 동안의 가론느 마르망다 강수계에서 수행된 연구는 데이터 융합이 자유주행 시뮬레이션 대비 불확실성을 감소시키고 홍수 범위 정확도를 크게 향상시킴을 입증한다. 이는 현장 수위계와 SAR 기반 홍수 지ap과 비교하여 검증되었다.

ABSTRACT

Relevant comprehension of flood hazards has emerged as a crucial necessity, especially as the severity and the occurrence of flood events intensify with climate changes. Flood simulation and forecast capability have been greatly improved thanks to advances in data assimilation. This approach combines in-situ gauge measurements with hydrodynamic models, aiming to correct the hydraulic states and reduce the uncertainties in the model parameters, e.g., friction coefficients, inflow discharge. These methods depend strongly on the availability and quality of observations, thus requiring other data sources to improve the flood simulation and forecast quality. Sentinel-1 images collected during a flood event were used to classify an observed scene into dry and wet areas. The study area concerns the Garonne Marmandaise catchment, and focuses on recent flood event in January-February 2021. In this paper, seven experiments are carried out, two in free run modes (FR1 and FR2) and five in data assimilation modes (DA1 to DA5). A model-observation bias was diagnosed and corrected over the beginning of the flood event. Quantitative assessments are carried out involving 1D metrics at Vigicrue observing stations and 2D metrics with respect to the Sentinel-1 derived flood extent maps. They demonstrate improvements on flood extent representation thanks to the data assimilation and bias correction.

연구 동기 및 목표

• 위성 기반 홍수 범위 데이터를 수문모형에 통합하여 홍수 예측 정확도를 향상시키기.
• SAR 영상과 현장 관측자료를 활용하여 초기 상태 편향을 보정함으로써 모형 불확실성을 줄이기.
• 1D 수위계 데이터와 2D SAR 기반 홍수 지도를 모두 활용하여 데이터 융합이 홍수 범위 표현에 미치는 영향 평가하기.
• 실제 홍수 사건 동안 다양한 데이터 융합 구성 방식(DA1–DA5)이 시뮬레이션 정밀도 향상에 미치는 영향 평가하기.
• 다양한 관측 자료를 융합한 운영용 홍수 모델링 프레임워크를 검증하여 제공하기.

제안 방법

• 현장 수위계 데이터와 세션텔리트-1 SAR 기반 홍수 범위 지도를 활용하여, 마찰 계수와 유입 유량 등 모형 상태와 매개변수를 데이터 융합을 통해 보정한다.
• 세션텔리트-1 SAR 영상 처리를 통해 홍수 발생 시 건지와 습지 영역을 분류하여 2차원 홍수 범위 검증 기반을 마련한다.
• 7개의 실험을 수행: 자유주행 시뮬레이션 2개(FR1, FR2)와 데이터 융합 실행 5개(DA1–DA5)로, 융합 전략과 관측 입력을 다양하게 설정한다.
• 홍수 발생 초반에 모형-관측 편향을 진단하고 보정하여 초기 상태 정확도를 향상시킨다.
• 정량적 평가에는 비즈니스 스테이션에서의 1차원 지표와 모의 홍수 범위를 SAR 기반 범위와 비교하는 2차원 지표를 사용한다.
• 모의 엔진으로 TELEMAC-MASCARET 수문모형을 사용하고, 모형 상태의 반복 보정 방식으로 데이터 융합을 구현한다.

실험 결과

연구 질문

• RQ1 SAR 기반 홍수 범위 자료를 활용한 데이터 융합이 실제 홍수 사건에서 홍수 범위 예측 정확도를 얼마나 향상시키는가?
• RQ2 홍수 발생 초반에 편향 보정을 수행할 경우 모형 성능 향상에 어느 정도 기여하는가?
• RQ3 다양한 데이터 융합 구성(DA1–DA5)은 불확실성 감소와 홍수 범위 표현 향상에 어떻게 영향을 미치는가?
• RQ4 현장 수위계 데이터와 SAR 영상 자료를 융합하는 것이 자유주행 시뮬레이션 대비 어떤 추가 가치를 제공하는가?
• RQ5 SAR 기반 홍수 범위 자료는 운영용 홍수 예측 시스템에서 신뢰할 수 있는 관측 제약 조건으로 활용될 수 있는가?

주요 결과

• 자유주행 시뮬레이션 대비 데이터 융합이 홍수 범위 표현을 크게 향상시켜 모의와 관측 홍수 경계 간 정렬이 더 명확해짐을 확인하였다.
• SAR 기반 홍수 범위 자료를 관측 제약 조건으로 활용함으로써 모형의 불확실성이 감소하고 홍수 예측의 공간 정확도가 향상됨을 입증하였다.
• 홍수 발생 초반에 편향 보정을 시행함으로써 모형 성능이 측정 가능한 수준으로 향상되었으며, 특히 초기 단계의 홍수 동역학 예측에 유의미한 영향을 미쳤다.
• 정량적 2차원 지표 분석 결과, 데이터 융합 실행(DA1–DA5)이 세션텔리트-1가 관측한 실제 홍수 범위와 자유주행 시뮬레이션(FR1, FR2)보다 더 잘 일치하는 것으로 나타났다.
• 현장 수위계 데이터와 SAR 영상 자료를 동시에 통합할 경우, 각각의 자료를 별도로 사용하는 것보다 더 강력하고 신뢰할 수 있는 홍수 예측이 가능함을 입증하였다.
• 본 연구는 SAR 영상 자료를 운영용 홍수 모델링에 데이터 융합하는 것이 가능함을 검증하였으며, 특히 자료가 부족한 환경에서의 활용 가능성을 시사한다.