수문학적 유사성 평가에서 HCA 클러스터링을 위한 흐름 특성 및 유역 속성(튀니지 사례)

소식

홈페이지홈페이지 / 소식 / 수문학적 유사성 평가에서 HCA 클러스터링을 위한 흐름 특성 및 유역 속성(튀니지 사례)

Mar 02, 2024

수문학적 유사성 평가에서 HCA 클러스터링을 위한 흐름 특성 및 유역 속성(튀니지 사례)

Scientific Reports 13권, 기사 번호: 12144(2023) 이 기사 인용 70 액세스 측정 항목 세부 정보 클러스터 분석과 같은 분할 방법은 유역을 풀링하는 데 유리합니다.

Scientific Reports 13권, 기사 번호: 12144(2023) 이 기사 인용

70 액세스

측정항목 세부정보

클러스터 분석과 같은 분할 방법은 유역을 유사한 수위학적 영역으로 통합하는 데 유리합니다. 이는 남(Sud) 지중해 지역에서 흔히 발생하는 문제인 측정되지 않은 집수지의 데이터 부족을 극복하는 데 도움이 됩니다. 정확한 예측 없이는 수자원을 효율적으로 평가하고 관리하기 어렵습니다. 이러한 상황은 수문학 의사 결정자에게 도움이 되지 않습니다. 이 논문은 다차원적 지리학 및 수문학적 공간에서 계산된 거리를 기반으로 계층적 클러스터링 알고리즘(HCA)을 사용하여 유역을 모으는 것을 목표로 하는 튀니지의 적용 사례를 보여줍니다. 생성된 클러스터의 동질성은 실루엣 지수를 통해 확인됩니다. 그런 다음 거리 효율성을 비교합니다. 1992년부터 모니터링된 19개의 반건조 튀니지 저수지가 연구되었습니다. 2개의 클러스터가 있는 HCA에서는 12개의 지리학적 특성, 9개의 강우 및 하천 흐름 특성이 고려됩니다. 상관 거리는 가장 동질적인 클러스터를 제공합니다. 통계적으로 침식 방지 조치의 영향을 받는 지역의 비율, 삼림 피복 및 집수 지역의 비율이 가장 구별되는 속성입니다. 그러나 수위계 서명은 관련성이 없는 것으로 보입니다. 이러한 파티션은 예측을 지원해야 하는 두 가지 서로 다른 수문학적 동작을 강조합니다. 수위 데이터 부족이 계속 문제가 되고 있는 남-지중해 사례에서는 결과가 유망합니다. 많은 정보를 요구하지 않고도 수문학적 예측이 가능하다는 장점이 있습니다.

수자원 관리(예: 토지 이용 계획, 관개, 수력 구조 설계, 홍수 예측)에는 대상 현장이나 집수지의 수량에 대한 지식이 필요합니다. 그럼에도 불구하고, 세계 여러 지역의 몇몇 유역은 측정되지 않거나 제대로 측정되지 않으며, 이러한 데이터 부족은 유역 크기가 감소함에 따라 증가하여 관리에 큰 어려움을 초래하는 경우가 많습니다1,2. 따라서 측정되지 않은 하천이나 유역에서의 유출수 예측은 측정된 지점에서 측정되지 않은 지점으로의 일종의 외삽을 통해 수행되며 이는 간단하지 않습니다. 이것이 PUB(Ungauged Basin 예측) 이니셔티브의 존재 이유입니다2. PUB는 더 일관성 있게 수문학에 대한 더 나은 과학적 기반을 개발하고 과학적 혁신에 대한 전망을 높이며 불확실성을 줄이기 위해 설계되었습니다3.

지역화 기술은 정보 전송에 필요한 PUB 도구입니다. 그들은 두 가지 범주에 속합니다. 통계 또는 프로세스 기반. 하나 또는 여러 개의 측정된 유역(기증자)에서 다른 측정되지 않은 집수지(수신자)4로 정보를 전송하려면 다음을 통해 선택할 수 있는 유사한 측정된 집수지의 식별이 필요합니다.

지리적 또는 공간적 근접성.

클러스터링 접근법을 적용한 수문학적 및/또는 지형학적, 기후적 특성의 유사성. 따라서 미터법 거리는 일반적으로 다차원 속성 공간의 집수지 간에 식별되어 근접성을 평가합니다5,6.

실제로 수문학자들은 시간이 지남에 따라 지역화를 위한 광범위한 접근 방식을 모색했습니다. 어떤 접근 방식의 우월성을 명확하게 드러낼 수 있는 확립된 기준이 없기 때문입니다7,8.

Burn과 Goel9은 유클리드 거리가 가중된 지리학적 집수 특성을 기반으로 집수 구획의 시작점으로 클러스터링을 채택했습니다. 그런 다음 지역의 동질성을 높이기 위해 지역 개정 휴리스틱 프로세스가 제안되었습니다10. 최근 Jared et al.11은 분류 체계에서 기후 및 생물물리학적 특성을 기반으로 프레리 내 소규모 캐나다 유역을 연구했습니다. 그들은 주성분의 응집적 계층적 클러스터링(HCPC) 방법을 사용하여 유사한 영역을 식별했습니다. 따라서 지역화 연구에서는 유역 분류가 필요한 경우가 많으며 그 정확성이 매우 중요하다는 점을 강조할 수 있습니다.

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0442%281996%29009%3C2660%3ASAPOGS%3E2.0.CO%3B2" aria-label="Article reference 42" data-doi="10.1175/1520-0442(1996)0092.0.CO;2"Article ADS Google Scholar /p>