우리 연구실은 관측 자료가 부족한 지역에서 하천 유량을 예측하기 위한 혁신적인 대체 모델 개발에 주력하고 있습니다. 기존의 수문학적 모델은 현장 관측 데이터에 크게 의존하지만, 많은 지역에서는 이러한 데이터가 부족하거나 존재하지 않습니다. 이를 극복하기 위해 위성 기반의 L-band 마이크로파 데이터와 기후 입력 자료(강수량, 증발산 등)를 통합하여 하천 유량을 추정하는 Surrogate River discharge Model(SRM)을 개발하였습니다. SRM은 위성에서 추출한 대체 신호(Surrogate Runoff, SR)와 Budyko 프레임워크에서 도출한 평균 유량(QM)을 활용하여 실제 하천 유량을 물리적으로 일치시키는 새로운 보정 방식을 도입하였습니다. 이 모델은 직접적인 유량 관측 없이도 하천 유량을 신뢰성 있게 추정할 수 있으며, 호주 내 다양한 유역에서의 검증을 통해 높은 예측 정확도(NSE 및 KGE > 0.6)를 입증하였습니다. 이러한 연구는 데이터가 부족한 전 세계 유역에서 하천 유량 예측의 한계를 극복하고, 수자원 관리 및 홍수 예측의 신뢰성을 크게 향상시킬 수 있습니다. SRM 소프트웨어는 L-band 마이크로파 데이터 획득, SR 생성, 수문 모델 보정 등 다양한 도구를 포함하고 있어 전 지구적 적용이 가능합니다.

본 연구실은 위성 원격탐사 자료의 검증, 개선, 융합을 통한 수문 빅데이터의 품질 향상에 중점을 두고 있습니다. 위성 기반 토양수분, 강수량, 수위 등 다양한 수문 변수는 전 지구적 관측의 한계를 극복할 수 있는 강력한 도구이지만, 각 데이터셋의 오차와 불확실성, 결측치 문제 등으로 인해 단일 자료만으로는 신뢰성 있는 분석이 어렵습니다. 이를 해결하기 위해 Triple Collocation(TC), SNR-opt(신호대잡음비 최적화) 등 다양한 데이터 융합 기법을 개발 및 적용하고 있습니다. SNR-opt는 기존의 단순 가중평균 방식의 한계를 극복하고, 각 데이터셋의 신호와 잡음 특성을 최적으로 반영하여 예측 오차를 최소화하는 융합 자료를 생성합니다. 또한, 토양수분, 강수량, 증발산 등 다양한 변수의 결측 구간을 물수지 접근법이나 기계학습 기반 보간 기법으로 보완하여, 시공간적으로 연속적이고 신뢰성 높은 수문 빅데이터를 구축하고 있습니다. 이러한 데이터 융합 및 품질 향상 연구는 기후변화 영향 평가, 극한 수문현상 분석, 수자원 관리 정책 수립 등 다양한 분야에서 활용되고 있습니다. 특히, 데이터가 부족한 지역이나 극한 기상현상 예측에 있어 위성 기반 수문 빅데이터의 신뢰성을 획기적으로 높이고, 미래 수문학 연구의 패러다임을 선도하고 있습니다.

기후변화가 수문 순환과 극한 수문현상에 미치는 영향 분석은 우리 연구실의 또 다른 핵심 연구 분야입니다. 지구 온난화로 인한 대기 수증기 증가, 강수 패턴 변화, 극한 강우 및 홍수 발생 빈도 변화 등은 전 세계적으로 수자원 관리에 큰 도전 과제를 제시하고 있습니다. 우리 연구실은 위성 원격탐사 자료와 기후 모델, 대규모 관측 데이터를 통합하여, 대기 수증기와 극한 강수의 상관성, 온도 상승에 따른 홍수량 변화, 증발산 및 토양수분의 시공간적 변화 등을 정량적으로 분석하고 있습니다. 예를 들어, 대기 수증기와 극한 강수의 동시성 지수(Concurrent Extremes Index, CEI)를 개발하여, 열대 및 중위도 지역에서의 극한 강수 발생 메커니즘을 규명하였으며, PMP(Probable Maximum Precipitation) 추정의 비정상성 문제와 미래 변화 예측에도 기여하고 있습니다. 이러한 연구는 기후변화에 따른 수자원 리스크 평가, 홍수 및 가뭄 대응 전략 수립, 인프라 설계 기준의 재정립 등 실질적인 사회적·정책적 의사결정에 중요한 과학적 근거를 제공하고 있습니다.