A Sensitivity of Simulated Runoff Characteristics on the Different Spatial Resolutions of Precipitation Data

강우자료의 공간해상도에 따른 모의 유출특성 민감도 고찰

Abstract

Rainfall data is one of the most important data in hydrologic modeling. In this study, the impacts of spatial resolution of precipitation data on hydrological responses were assessed using SWAT in the Santa Fe River Basin, Florida. High correlations were found between the FAWN and NLDAS rainfall data, which are observed weather data and simulated weather data based on observed data, respectively. FAWN-based scenarios had higher maximum rainfall and more rainfall days and events compared to NLDAS-based scenarios. Downstream areas showed lower correlations between rainfall and peak discharge than upstream areas due to the characteristics of study site. All scenarios did not show significant differences in base flow, and showed less than 5% of differences in high flows among NLDAS-based scenarios. The impact of resolution will appear differently depending on the characteristics of the watershed and topography and the applied model, and thus, is a process that must be considered in advance in runoff simulation research. The study suggests that applying the research method to watersheds in Korea may yield more pronounced results, and highlights the importance of considering data resolution in hydrologic modeling.

Ⅰ. 서론

강우의 시공간 분포 특성은 수문 모델링에 있어 가장 중요한 인자 중 하나이며 유출 특성에 큰 영향을 끼친다 (Obled et al., 1994; Ly et al., 2013). 강우특성은 강우강도, 강우지속시간, 강우발생빈도 등을 뜻하며, 강우특성에 따라 유역 말단에서의 유출 특성 또한 달라진다. 또한 강우량 자료를 수문 모형에 적용할 시 계측기기의 위치나 오류, 관측망의 밀도 등은 모델링 결과의 불확실성을 야기하는 주요 원인이 된다(Beven, 1998). 이러한 불확실성을 줄이기 위해 기상자료는 시간적, 공간적으로 동일하며, 결측치가 없는 격자형 자료로 재생산되어 모델링에 활용되고 있다. North American Land Data Assimilation System (NLDAS)은 그러한 자료 중 하나이며, 여러 수문 모델링 및 생태 모델링 등에서 활용되고 있다(Muche et al., 2020; Ruiz-Gibert et al., 2020).

또한 최근 기후변화에 따른 영향을 예측하기 위해 널리 활용되고 있는 대기 대순환 모델 (General Circulation Models; GCMs) 산출물은 모두 격자형 자료이며, 상대적으로 큰 격자 크기를 가지고 있다. 해상도가 낮은 자료는 상대적으로 공간적 변동성을 반영하기 힘들기에 지역 기후 모델 (Regional Climate Models; RCMs)을 이용해 공간상세화 (spatial downscaling)하여 해상도를 높여 기상자료의 공간적 분포를 고려하고자 하는 시도가 이루어져왔다. 격자 자료를 시간적 또는 공간적으로 상세화하는 과정에는 많은 시간과 높은 연산 능력을 필요로 하기 때문에 수문 분야의 연구에 합리적으로 적용하기 위한 강우자료의 최적 해상도의 수준이나 격자 해상도가 수문 모델링에 미치는 영향에 관한 연구가 다수 수행된 바 있다.

Huang et al. (2019)은 강우의 여러 시공간적 해상도를 HBV 모형에 적용하여 유역 유출량을 분석한 결과, 공간해상도의 증가가 모의 결과의 유의한 향상을 보장하지 않는다는 결론을 도출하였다. Fu et al. (2011)은 6개의 공간해상도를 가진 강우를 MIKE SHE 모형에 적용하여 유출, 지하수 충전 및 지하수두를 분석하였으며, 강우의 공간해상도가 모의 결과에 큰 영향을 미치지 않은 것으로 나타났다. 반면, Liang et al. (2004)는 여러 공간해상도를 가진 강우자료를 이용해 분포형 모형의 보검정을 수행하여 강우자료의 해상도가 높을수록 더 나은 보정 결과를 얻을 수 있었으며, 해상도가 1/8° 보다 낮아지는 경우, 모델 성능이 감소한 것으로 발표한 바 있다. Vischel and Lebel (2007) 또한 강우자료의 공간해상도에 따른 유출량의 영향을 분석한 바 있으며, 해당 연구 지역에서는 강우자료의 해상도가 20 km × 20 km보다 더 낮아질 경우, 모형의 성능이 급격하게 감소한 것으로 분석되었다.

윤용남 등 (2002)은 강우관측소의 밀도에 따른 유출의 오차를 분석하였으며, 관측지점의 밀도가 증가함에 따라 유출오차가 줄어들고 일정 밀도 이상에서는 강우오차에 대한 유출오차의 영향비가 수렴하는 것으로 분석되었으며, 이는 Xu et al. (2013)의 연구에서도 유사한 결과가 도출된 바 있다. 안상진과 윤석환 (2005)은 kriging 기법을 이용해 생성한 1 km, 2 km, 5 km 격자 크기의 강우자료를 ModClark 모형에 적용하여 유출 특성을 분석하였으며, 모의 결과 세 격자 크기 모두 실측 수문곡선과 비슷한 결과를 나타낸 것으로 분석되었다. 정충길 등 (2014)은 다양한 격자 크기의 강우자료와 지형자료를 분포형 모델인 Grid based Rainfall-runoff Model (GRM)에 적용하여 유출 특성을 분석한 바 있으며, 이 경우 강우자료의 공간해상도는 지형 자료의 해상도에 비해 민감도가 낮은 것으로 분석되었다. 이처럼 연구목적, 적용모델, 강우자료의 특성에 따라 연구결과가 상충되는 바, 다양한 형태로 개발되고 있는 강우자료의 합리적인 수문모델의 적용을 위해서는 연구 목적과 대상 유역의 특성에 따라 강우자료 해상도에 따른 모의 결과의 반응에 대한 심도있는 연구가 선행되어야 한다.

더불어 대부분의 연구들은 분포형 모형 또는 홍수 모형들을 적용하였다는 한계가 있다. Das et al. (2008)의 연구에 따르면 강우의 공간해상도가 낮거나 관측망 밀도가 낮을 때, 분포형 모형과 총괄형 모형이 준분포형 모형에 비해 낮은 모의 성능을 나타내는 것으로 분석된 바 있으므로, 준분포형 모형에서 강우자료의 공간해상도와 유출특성의 관계를 분석할 필요가 있다.

본 연구에서는 일반적으로 사용되는 공용의 지점⋅격자단위 형태 관측자료의 해상도를 고려한 준분포형 모델 적용결과의 민감도를 고찰하고자 한다. 실측 자료인 Florida Automated Weather Network (FAWN) 자료와 격자 자료인 NLDAS 자료를 비교하고, 강우자료의 공간평균 등을 이용해 다섯 가지 강우자료 시나리오를 구성하여 이를 준분포형 모형 중 하나인 SWAT (Soil and Water Assessment Tool)에 적용하여 강우자료의 공간적 해상도에 따른 유출 특성의 차이를 분석하였다.

Ⅱ. 연구방법

1. 연구대상지

본 연구의 연구 대상지는 미국 플로리다주 중북부에 위치한 Santa Fe 유역으로, 총 유역면적은 3,491 km²이다 (Fig. 1). 유역의 54% 이상은 삼림이며, 건초를 위한 초지와 목축지를 포함한 농업지가 약 14%, 습지 13%, 자연초지 8% 등으로 구성되어 있다. 유역 평균 경사는 0.8˚로, 대부분이 평탄한 평지이다. Santa Fe 상류유역은 점토질 토양이 지배적이며, 지하 점토층으로 인해 피압대수층 (confined aquifer)이 형성되어 있다. Santa Fe 하류 유역은 사질 토양으로 구성되어 있으며 지하수에 의한 기반암 용해 등으로 싱크홀, 샘, 동굴 등의 지표수 용출이 나타나는 카스트 지형 (Karst topography)이 주를 이루고 있다. 대상 유역의 유량 자료는 하천의 상ㆍ중ㆍ하류의 미국지질조사국 (United States Geological Survey; USGS) 하천 관측 지점 (Worthington Springs (Gauge #1), Fort White (Gauge #2), Hildreth (Gauge #3))의 자료를 수집하여 적용하였다 (Fig. 1).

Fig. 1 Santa Fe River Basin and three gauges located in Florida, the United States

2. 입력자료

가. 강우자료

본 연구에서는 2003년부터 2018년까지의 NLDAS와 FAWN 자료를 이용하여 다섯 가지 강우 공간해상도 시나리오를 구성하였다 (Fig. 2).

Fig. 2 FAWN and NLDAS data used in this study

NLDAS는 시간⋅공간적으로 일관된 지표면 모델링 기상 입력자료를 제공할 수 있도록 구성된 시스템으로 4개의 지표면 모델을 구동하기 위해 일단위 관측소 기반의 강우분석자료, 편의 보정된 단파복사자료 및 표면기상재분석자료를 통해 기상자료를 생성한다. NLDAS의 범위는 경도 125˚ W부터 67˚ W까지, 위도 25˚ N부터 53˚ N까지이며, 미국 본토, 멕시코 북부, 캐나다 남부까지 포함하는 지역에 걸쳐 구축되어 있다. NLDAS-2 (Xia et al., 2012)와 NLDAS-1 (Mitchell et al., 2004)의 주요한 차이점은 자료 기간 및 자료 생성을 위한 관측 자료 및 재분석 자료의 출처이다. NLDAS-2는 1979년부터 현재까지의 자료가 생성되고 있는 반면, NLDAS-1은 최대 2007년까지의 자료만 생성되어 있기 때문에 본 연구에서는 0.125˚ 격자 크기의 시간 단위 시공간해상도를 가진 NLDAS-2를 가공한 일단위 자료를 이용하였다.

FAWN은 1997년에 농업 종사자들이 결정을 내리는 데 도움을 주기 위해 플로리다 대학교 식품 및 농업 과학 연구소(University of Florida Institute of Food and Agricultural Sciences)에서 구축한 기상 관측망이다. FAWN은 기온, 토양 온도, 상대 습도, 강우량, 일사량, 풍속 및 방향, 기압을 15분 단위로 측정하며, 플로리다에 42개의 관측소가 존재한다. 관측된 기상 자료는 의사 결정을 위해 농업 관련 산업 종사자들에게 실시간으로 제공된다.

나. 지형 자료 및 토지 이용도

SWAT 구성을 위한 수치 표고 모형 (Digital Elevation Model; DEM)으로 USGS의 30 m 단위의 National Elevation Dataset을 이용하였다. Santa Fe 유역의 토질 정보는 국립협동토양조사국 (National Cooperative Soil Survey)로부터 수집된 정보를 이용해 만들어진 Soil Survey Geographic Database (SSURGO) 토양도 자료를 이용하였다. SSURGO 토양도는 Map Unit Key (MUKEY)를 이용하여 토양을 분류하는데, SWAT의 모형을 구축할 때 MUKEY를 이용하여 SWAT 토양 데이터베이스로부터 토양 매개변수를 자동으로 할당받게 된다. 토지이용도는 미국농무부 국립농업통계청 (The United States Department of Agriculture - National Agricultural Statistics Service)의 Cropland Data Layer의 2017년 자료를 이용하였다. 도로는 상대적으로 작은 면적이므로 시가화⋅건조 지역에서 제외되었고, 해당 면적은 인접한 토지이용으로 대체하여 적용하였다 (Fig. 3).

Fig. 3 Topographic data and land use map

다. 강우자료 공간해상도 시나리오

본 연구에서는 다섯 가지 강우 공간해상도 시나리오를 적용하여 강우자료의 공간 해상도의 영향을 분석하였다 (Table 1). 시나리오 1과 2는 FAWN의 지점 강우자료를 이용하였으며, 시나리오 3, 4, 5는 NLDAS의 강우자료를 이용하였다. 시나리오 1은 Santa Fe 유역의 중앙에 위치한 Alachua 관측소의 강우자료를 모든 소유역에 적용한 시나리오이며, 시나리오 2는 다섯 FAWN 관측지점의 티센망을 작성하여 각 소유역에 티센망 자료를 적용한 시나리오이다. 시나리오 3은 시나리오 1과 유사하게 FAWN의 Alachua 관측소와 가장 가까운 NLDAS 그리드의 강우자료를 모든 소유역에 적용하였으며, 시나리오 4는 Santa Fe 유역 내 그리드의 면적평균강우량을 계산하여 모든 소유역에 일괄 적용하였다. 시나리오 5는 각 소유역의 도심에 가장 인접한 그리드의 강우자료 (총 22개 그리드의 강우자료)를 각각 적용하여 적용한 경우이다.

Table 1 Scenarios used in the study

라. SWAT 개요 및 보⋅검정

SWAT은 미국농무부 농업연구소 (United States Department of Agriculture - Agricultural Research Service; USDA-ARS)에서 개발된 물리적 기반의 준분포형 연속 강우-유출 모형이다. SWAT은 수량 및 수질 모의 뿐만 아니라, 기후, 토지이용 및 관리 기법의 변화에 따른 수문, 유사, 화학물질의 영향을 모의하기 위해 기존에 ARS에서 개발된 다양한 기작의 모형을 수정 및 결합하여 개발되었다 (Arnold et al., 1998; Arnold et al., 2012). SWAT 내에서 지표수 유출은 SCS 곡선법 또는 Green-Ampt 방정식을 이용하여 모의되는데, 본 연구에서는 SCS 곡선법을 이용하였다. 본 연구에서는 Rath (2021)가 동일한 유역에서 검보정을 수행한 매개변수 (Table 2)를 이용하여, 유역 내 FAWN 지점에서 관측이 시작된 2003년부터 2018년까지 16년간의 모의결과를 비교⋅분석하였다.

Table 2 SWAT parameters for Santa Fe River Basin (Rath, 2021)

v: indicates the existing parameter value is replaced by the calibrated value

4: indicates the existing parameter value is multiplied by (1+the calibrated value)

* indicates sensitive parameters (p<0.05)

c: confined zone; s: semi-confined zone; u: unconfined zone

Rath (2021)의 매개변수와 FAWN의 Alachua 관측소의 자료를 이용하여 수량을 모의한 결과, 통계값이 Moriasi et al. (2007)의 기준에 따라 세 지점 모두에서 Good 이상인 것으로 나타났다 (Fig. 4). 첨두유량은 세 지점 모두 큰 차이를 보이지 않았지만, 기저유출에서 차이를 보이는 것으로 나타났다.

Fig. 4 Precipitation, observed discharge and simulated discharge at three gauges

Ⅲ. 연구 결과 및 토의

1. 강우자료 기초분석

Fig. 5는 FAWN 관측소의 강우량과 각 FAWN 관측소에 가장 인접한 NLDAS 그리드의 월강우량을 비교한 그래프이다. 월강우량은 다섯 지점 모두 결정계수 0.78∼0.99의 높은 상관관계를 보였으며, 6월에서 9월 사이 강우가 집중되는 공통적인 추세를 보였다. NLDAS와 FAWN 자료의 일강우량의 결정계수는 0.57∼0.71로 나타났다. Table 3은 FAWN의 다섯 관측소 및 FAWN 관측소와 가장 가까운 NLDAS 그리드의 강우특성을 나타낸다. FAWN 자료의 최댓값은 다섯 지점 모두 NLDAS 자료의 최댓값보다 컸으며 특히 Alachua 지점에서 FAWN 자료의 최댓값은 NLDAS 자료의 최댓값보다 115% 더 큰 값을 보였다. 반대로 연평균강우량은 NLDAS 자료가 FAWN 자료보다 2∼6% 큰 것으로 분석되었다. 강우일수는 FAWN 자료가 NLDAS 자료보다 40∼44% 많았으며, 강우사상의 수 역시 FAWN 자료가 NLDAS 자료에 비해 18∼27% 더 많은 것으로 분석되었다.

Fig. 5 Monthly precipitation of each location from NLDAS and FAWN

Table 3 Rainfall characteristics of the Santa Fe River Basin and the Yeongsan River Basin

중북부 플로리다를 대상으로 한 본 연구 결과의 국내 유역 적용성 검토를 위해 Santa Fe 유역과 비슷한 면적의 국내 지역에 대한 강우특성과 비교하였다. 서론에서 기술한 바와 같이 강우 및 유역 특성, 적용 모델에 따라 기상자료의 해상도에 따른 모의결과의 차이는 다르게 나타난다. 국내 대상 유역은 Santa Fe 유역과 비슷한 유역 면적을 가졌으며 평야 지역이 주를 이루는 영산강 유역으로, 영산강 유역 내의 4개 ASOS 지점의 평균값을 이용하였다. 영산강 유역 내 ASOS 지점 평균의 일최대강우량은 Santa Fe 유역의 NLDAS 및 FAWN 자료에 비해 큰 것으로 나타났으며, 연평균강우량은 FAWN은 7%, NLDAS는 3% 더 적은 것으로 나타났다. 연평균강우일수는 영산강 유역보다 Santa Fe 유역이 FAWN은 55%, NLDAS는 69% 더 많은 것으로 나타난 반면, 연평균강우사상의 수는 영산강 유역이 더 많은 것으로 나타났다. 이는 영산강 유역이 Santa Fe 유역에 비해 일반적으로 더 큰 강우강도 특성을 보이는 것을 의미한다.

2. 시나리오별 강우 분석

Table 4는 시나리오별 강우특성을 나타낸다. FAWN을 적용한 시나리오 1과 2의 경우 일최대강우량이 Alachua와 가장 가까운 NLDAS 그리드의 값을 적용한 시나리오 3보다 각각 115%와 50% 큰 것으로 나타났으며, 연평균강우량은 3%와 4% 적게 나타났다. 연평균강우일수는 44%와 63% 더 컸으며, 연평균강우사상의 수 또한 각각 27%, 97% 큰 것으로 나타났다.

Table 4 Precipitation characteristics by precipitation scenario

NLDAS 자료의 면적평균강우량을 이용한 시나리오인 시나리오 4는 단일 지점 자료를 이용한 시나리오 3보다 일최대 강우량이 5% 적었으며, 연평균강우량은 1% 큰 것으로 나타났다. 연평균강우일수는 32%, 연평균강우사상의 수는 88% 더 많은 것으로 나타났다. 각 소유역과 가장 인접한 지점의 자료를 사용한 시나리오 5의 경우 평균값으로 비교하였는데, 시나리오 3보다 일최대강우량, 연평균강우량, 연평균강우일수, 연평균강우사상의 수는 각각 41%, 2%, 26%, 93% 큰 것으로 나타났다.

동일한 지점의 FAWN 자료와 NLDAS 자료의 강우특성에 차이가 존재하는 이유는 NLDAS는 모델링을 통해 생성된 자료이며, 모델의 입력자료로 FAWN 자료가 이용되지 않았기 때문이다. 또한 FAWN은 농업 종사자의 의사 결정 보조라는 관측망의 목적으로 인해 과거 관측자료의 품질 보증 및 관리가 미흡하다는 한계가 있어, 이 또한 결과 차이의 원인 중 하나로 사료된다.

Fig. 6은 시나리오별 강우량의 초과확률을 나타낸다. 시나리오 3, 4, 5의 강우량 (시나리오 5의 경우 평균 강우량)은 모든 초과확률에서 5% 미만의 차이를 보였다. 16년간의 영산강 유역 ASOS 자료의 초과확률을 함께 나타낸 결과, 영산강 유역과 Santa Fe 유역의 강우의 공간변동성은 유사했으나, 초과 확률 0.2% 이하의 극한강우사상에서는 영산강 유역이 강우공간변동성이 더 큰 것으로 나타났다. 이는 본 연구의 대상 지역인 Santa Fe 유역이 산지가 거의 없는 평탄한 유역으로, 다른 산지를 포함한 유역에 비해 강우의 변동성이 적기 때문이며(Buytaert et al., 2006), 격자의 크기가 크더라도 산지에 비해 그 영향이 적은 것으로 판단된다. 영산강 유역의 강우와 Santa Fe 유역의 강우는 강우사상의 수, 연평균강우일수에서 다소의 차이를 보였으나, 일최대강우량, 연평균강우량 및 초과확률 1% 미만의 극한강우사상은 큰 차이를 보이지 않았다. 따라서 Santa Fe 유역의 강우특성을 한국의 강우특성과 비교한 결과를 고려할 때 본 연구 결과 및 방법론은 국내 유역에 대한 연구에도 적용가능할 것으로 판단된다.

Fig. 6 Precipitation exceedance probability curves of each scenario and ASOS

Fig. 7(a)와 7(b)는 2003년부터 2018년까지 16년간의 강우 사상별 강우량과 강우지속기간, 강우량과 일최대강우량을 나타낸 그래프이며, Fig. 7(c)와 7(d)는 2003년부터 2018년까지 16년간 우기 (6, 7, 8, 9월)에 발생한 강우사상별 강우량과 강우지속기간, 강우량과 일최대강우량을 나타낸 그래프이다. 강우량과 강우지속기간의 경우 전체 기간 강우사상 및 우기에 발생한 강우사상 모두 시나리오에 관계없이 유사한 경향을 보였으며, 강우량과 일최대강우량 또한 모두 유사한 경향을 보였다.

Fig. 7 The relationship between precipitation event duration and total rainfall, and maximum daily rainfall and total rainfall of precipitation events in entire period and wet season (2003∼2018)

3. 시나리오별 유출량 분석

Table 5는 관측값 및 시나리오별로 모의된 갈수량, 저수량, 평수량 및 풍수량을 나타낸다. 갈수량, 저수량, 평수량, 풍수량은 각각 1년 중 355일, 275일, 185일, 그리고 95일 이상 유지되는 유량을 의미하며, 각각 초과확률 97.3%, 75.3%, 50.7%, 26.0%에 해당된다. 상류지점인 Gauge #1을 제외한 지점에서 대부분의 갈수량, 저수량, 평수량, 풍수량은 시나리오와 관계없이 관측값에 비해 적게 모의 되었다. 시나리오 2는 모든 지점에서 시나리오 1보다 더 적은 갈수량, 저수량, 평수량 및 풍수량을 보였으며 유량의 차이는 연평균강우량의 차이(<1%)에 비해 더 큰 것으로 나타났다. 시나리오 5의 연평균강우량은 시나리오 3과 4에 비해 최대 2%의 차이를 보였지만, 유량은 더 큰 차이를 보였다. 이러한 유량의 차이는 단순한 강우량의 차이로 인한 것이 아닌 유량측정지점에 가까운 소유역들에 집중된 강우 등의 강우의 공간변동성으로 인한 것으로 사료된다.

Table 5 Flows by exceedance probability and scenario (unit: cms)

Fig. 8은 세 지점에서 이벤트별 강우량과 유출량을 나타내고 있다. 강우량과 유출량 간의 결정계수는 0.38∼0.57로 나타났으며, 시나리오별 유의한 차이는 보이지 않았다. Fig. 9는 세 지점에서 이벤트별 강우량과 첨두유량을 나타내고 있다. 강우량과 첨두유량은 낮은 상관관계를 보였고, 하류로 갈수록 더욱 낮은 상관관계를 나타내었으며, 시나리오별로는 유의한 차이를 보이지 않았다. 강우량에 비해 유출량 및 첨두유량이 적은 이유는 연구 대상지의 낮은 경사와 하류의 사질 토양으로 인해 많은 양의 강우가 지하수로 침투되거나, 지표하 유출로 유출 지연이 일어나기 때문이다. Fig. 10은 세 지점의 유출량의 초과확률을 나타내고 있다. 세 지점 모두 초과확률이 높을 때 시나리오 1에서 가장 큰 값을 보였으며, NLDAS 자료를 사용한 시나리오 3, 4, 5 모두 초과확률 1% 이상일 경우 유사한 값을 보였으나, 초과확률이 적은 극한강우사상이 발생한 경우 면적평균강우량을 적용한 시나리오 4의 유출량이 세 지점 모두 가장 적은 것으로 나타났다.

Fig. 8 Total rainfall and total discharge of each rainfall event by each scenario

Fig. 9 Total rainfall and discharge at peak of each rainfall event by each scenario

Fig. 10 Flow exceedance probability curve of each scenario

Fig. 11은 2012년 6월 24일과 2017년 9월 10일에 발생한 강우사상에 대한 수문 반응을 나타낸다. 6월 24일의 이벤트의 경우, 시나리오 4의 경우 첨두유량이 시나리오 3에 비해 42% 많았으며, 시나리오 5의 경우 시나리오 3보다 첨두유량이 193% 큰 것으로 나타났다. 이는 시나리오 3에서 적용된 강우량이 평균 강우량보다 적었을 뿐만 아니라, 시나리오 4에 비해 시나리오 5에서 강우량은 4%가 많았지만, 첨두유량은 그 이상으로 나타난 이유와 같이 강우의 불균일한 공간적 분포로 인한 것으로 판단된다. 반면, 9월 10일에 발생한 이벤트의 경우, 면적평균강우량을 적용한 시나리오 4의 경우 첨두유량이 시나리오 3에 비해 19% 적었으며, 시나리오 5의 경우 시나리오 3보다 첨두유량이 3% 큰 것으로 나타났다. 특히 시나리오 5의 경우 총 강우량은 시나리오 3보다 6% 적었음에도 불구하고 첨두유량이 크게 나타난 것 역시 강우의 불균일한 공간적 분포가 관여한 것으로 판단된다.

Fig. 11 Discharges of each scenario for rainfall event cases

Ⅳ. 결론

본 연구에서는 일반적인 지점⋅격자 단위 형태의 관측자료의 해상도를 고려한 유출 모의결과의 민감도를 고찰하기 위해 다양한 해상도의 관측 기반 강우자료를 생산하고 준분포형 모델인 SWAT을 이용하여 미국 플로리다주 중북부에 위치한 Santa Fe 유역을 대상으로 유출 모의결과를 분석을 수행하였다.

월강우량의 경우 FAWN 다섯 지점과 해당되는 NLDAS 그리드 자료 모두 결정계수 0.78∼0.99의 높은 상관관계를 보여, 직접적 관측 자료가 아닌 NLDAS 자료의 계절 재현성이 높은 것으로 나타났다. 각 지점별 일단위 FAWN 강우자료와 NLDAS 강우자료의 결정계수는 0.57∼0.71로 나타나 FAWN과 NLDAS의 일단위 강우자료는 다소의 차이가 있는 것으로 분석되었다. 이는 FAWN은 자료의 품질 보증 및 관리가 실시간으로 이루이지지 않는 한계가 있으며, NLDAS 자료 또한 FAWN 자료를 바탕으로 생산된 자료가 아니기 때문으로 판단된다. 따라서 동일 지역의 지점 및 격자형 관측 정보를 혼용할 경우 관측자료의 일관성은 사전 검증이 필요하다.

시나리오별 강우특성의 경우 FAWN 자료를 이용한 시나리오 1과 2는 일최대강우량, 연평균강우일수, 연평균강우사상의 수가 NLDAS 자료를 이용한 시나리오 3보다 더 큰 것으로 연평균강우량은 적은 것으로 분석되었다. 시나리오 4는 시나리오 3보다 일최대강우량이 적었으며, 연평균강우량, 연평균 강우일수 및 연평균강우사상의 수는 각각 1%, 32%, 88% 많은 것으로 나타났다. 각 소유역과 가장 인접한 지점의 자료를 사용한 시나리오 5의 경우 각 지점의 평균의 일최대강우량, 연평균강우량, 연평균강우일수, 연평균강우사상의 수 모두 시나리오 3보다 더 큰 것으로 나타났다. 이는 공간 평균을 통해 해상도가 낮은 자료를 생산한 과정과 평균 자료의 특성상 나타나는 극한강우사상 및 강우지속시간 등의 강우패턴의 차이에서 비롯된 결과이다.

유출량은 상류지점을 제외한 중류 및 하류지점에서 관측값에 비해 적게 모의 되었다. 특히 시나리오 5의 연평균강우량은 시나리오 3과 4에 비해 최대 2%의 차이를 보였지만, 유량은 비교적 큰 차이를 보였다. 이러한 모의 유량의 차이는 강우량의 차이를 비롯하여 유량 관측지점에 가까운 소유역들에 집중된 강우 등 강우의 공간변동성이 자료마다 다르게 적용된 결과로 사료된다. 낮은 경사로 인해 많은 양의 강우가 지표 유출이 아닌 지표하유출로 유출이 지연되는 연구 대상지의 특성상 모든 시나리오에서 강우량과 첨두유량은 낮은 상관관계 (R² 0.06∼0.21)를 보였으며, 긴 도달시간 및 지체시간과 하류유역의 사질 토양으로 인해 대부분의 강우가 지하수로 충전되는 하류유역에서 상류유역에 비해 더 낮은 상관관계를 보였다. 단일 강우 이벤트의 경우, 시나리오 3과 4의 경우 강우량과 유출량은 비례하였으나 시나리오 5는 평균강우량이 시나리오 4의 면적평균강우량보다 적었지만 첨두유량이 더 높은 것으로 나타났으며, 이는 강우의 불균일한 공간적 분포로 인한 것으로 판단된다.

기상자료의 해상도에 따른 유출 모의 결과의 반응은 지형, 강우 등의 유역특성을 비롯하여 적용하는 모델에 따라 다르게 나타나지만, 일반적 결론을 도출하기 위해서는 보다 높은 공간해상도의 강우자료 가공을 통한 시나리오 생산과 보다 넓은 유역에 대한 분포형 수문모델의 적용을 통해 도출할 수 있을 것으로 사료된다.

본 연구는 플로리다 중북부의 카스트 지형을 가진 평탄한 Santa Fe 유역을 대상으로 수행되었다. 이러한 유역특성으로 인해 강우량과 첨두유량 사이에 낮은 상관관계를 보였으며, 이는 강우의 시⋅공간적 분포의 영향을 희석하는 결과를 초래하는 한계가 있다. 상대적으로 짧은 지체시간과 높은 유출율을 가진 한국의 유역을 대상으로 본 연구 방법론을 적용할 경우 보다 가시적인 결과를 얻을 수 있을 것으로 사료된다. 다양한 형태와 해상도를 가진 관측 자료 및 격자형 기후모델 산출물과 공간상세화 자료의 적용 사례가 증가하고 있는 가운데 수문 모델 등의 입력자료에 따른 모의결과의 반응에 대한 고찰은 향후 관련 연구에서 선행되어야 할 절차로 고려해야 할 것이다.

감사의 글

본 성과물은 농촌진흥청 연구사업(과제번호: RS-2023-00219221)의 지원에 의해 이루어진 것임.