• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1434-1438
• /
• 2010

수문자료의 계절성은 수자원관리의 관점에서 매우 중요한 요소로서 계절성의 변동은 댐의 운영, 홍수조절, 관계용수 관리 등 다양한 분야와 밀접한 관계를 가지고 있다. 그러나 지금까지의 수문 자료의 계절성 평가는 주로 이수과점에서 이루어지고 있으며 치수관점에서 극치수문량의 계절성을 평가하는 연구는 미진한 실정이다. 이는 극치수문량을 해석하는 방법론으로서 연최대치계열(annual maxima) 즉, Block Maxima가 이용됨에 따라 나타나는 문제점이다. 그러나 부분기간치계열(partial duration series)을 활용하게 되면 자료의 확충뿐만 아니라 자연적으로 극치수문량의 계절성에 대한 평가 또한 가능하다. 이러한 분석과정을 POT(peak over threshold)분석이라 하며 일정 기준값(threshold) 이상의 자료를 모두 취하여 빈도해석에 이용하는 방법으로서 기존 방법의 경우 연최대값이 일반적으로 7월과 8월에만 존재하게 되지만 POT 분석의 경우 여러 달에 걸쳐 빈도해석을 위한 자료가 구성되게 된다. 이를 빈도해석으로 연계시키기 위해서는 계절성을 비정상성으로 고려하여 모형화 할 수 있는 방법론의 개발이 필요하다. 본 연구에서는 이러한 목적을 위해서 계절성을 고려할 수 있는 비정상성빈도해석 기법의 개념을 제시하고 모형으로 개발하고자 한다. GEV 또는 Gumbel 분포의 매개변수와 계절성을 연계시키기 위해서 Fourier 급수가 활용되며 매개변수는 Bayesian 기법을 통해 최적화 된다. 이를 통하여 설계강수량의 계절적 분포를 정량적으로 해석할 수 있으며 미래의 극치강수량에 대한 분포특성 또한 확률적으로 해석이 가능하다. 본 연구에서 제안된 방법은 국내외 시간강수량자료에 적용되어 적합성과 적용성이 평가된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.116-116
• /
• 2023

대규모 댐과 같은 수공구조물의 파괴시 상당한 피해가 발생하므로 구조물설계시 가능최대강수량(PMP) 기준이 적용된다. 포락선 방법은 가장 극심했던 강우량의 포락선을 작성하여 PMP를 산정하는 방법으로 기상 및 강수량자료가 부족시 PMP 추정이 어려운 경우에 사용한다. 포락선의 근사식은 지속시간의 거듭제곱인 멱함수 형태로 나타내며, 우리나라의 경우 1일을 전후로 계수와 차수가 다른 식을 사용한다. 이러한 근사식은 우리나라의 이상홍수 발생빈도 및 규모가 커짐에 따라 검토될 필요성이 있다. 또한, PMP 산정시 활용하는 제한된 수의 지상관측자료는 시공간적 변동성을 완전히 포착할 수 없어 한계가 있다. 본 연구는 이러한 한계를 극복하기 위하여 기상레이더 자료를 기반으로 우리나라 전역의 최대 강우깊이-지속시간 관계를 분석 및 새로운 PMP 포락선을 제시한다. 활용한 레이더는 CMAX(Column Maximum)로 2009~2018년간 10분 단위자료를 수집하였다. 레이더 자료와 비교하기 위하여 지상관측자료 AWS를 함께 수집하였다. AWS는 1997~2022년간 1분 단위자료로 우리나라 전역의 547개 지점관측자료를 활용하였다. 레이더자료는 Z-R 관계식으로 변환하여 가외치(outlier)를 제거 및 보정하였다. 그 후, 정규 크리깅기법으로 생성한 지상관측 강우장과 병합하는 CM(Conditional Merging)기법을 적용하였다. 우리나라 최대 강우깊이-지속시간 관계를 산정한 결과, 기존 포락선의 값이 낮게 산정되었음을 확인하였다. 이는 기후변화 등에 따라 최근 극한 호우가 발생한 것으로 판단된다. 또한, 실제 근사식은 멱함수 거동에서 벗어난 형태로 나타났고, 지점관측자료가 기상레이더 값보다 과소추정되는 경향을 확인하였다. 특히 같은 기간에서 확인하였을 때, 강우지속시간이 짧을수록 AWS값과 레이더자료의 강수량이 2배 정도 차이를 보여 지점관측소가 없는 지역의 국지성 호우 존재를 확인할 수 있었다. 추후, 미래에 더 긴 레이더 시계열을 사용한다면, 더욱 신뢰성 있는 자료로 활용할 수 있을 것으로 판단한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.17-17
• /
• 2019

IPCC (Intergovernmental Panel on Climate Change) 기후변화 전망보고서에 따르면 RCP 4.5 시나리오 기준, 21세기 전 지구 평균기온은 $2.5^{\circ}C$ 상승(한반도 $+3.0^{\circ}C$)하며, 전 지구 평균강수량은 4.1% 증가(한반도 +16.0%)할 것이라 전망하고 있다(기상청, 2012). 최근 기후변화와 기상이변에 따른 도심지 폭우특성이 변화하고 있음을 많은 연구결과에서 말해주고 있으며, 그 발생 빈도와 강도가 점차 증가하고 있는 추세이다. 특히, 서울시의 경우 인구와 재산이 밀집해 있어 폭우 발생에 의한 시민의 인명과 재산 피해 우려가 크다. 따라서 본 연구에서는 서울시를 대상으로 근미래(~2050년) 기후변화 하에서의 재현기간에 따른 확률강우량 변화 특성을 분석하여 비교 평가한 후 설계 강우량 산정에 활용하고자 하였다. 관측자료 기반 강수량의 변동 특성 분석과 Non-stationary GEV방법을 이용한 비정상성 빈도해석을 수행하였으며, 근미래 폭우특성 변화분석을 위하여 CMIP5 (Coupled Model Intercomparison Project 5)에 참여한 GCMs(General Circulation Models)을 활용한 강우빈도해석을 수행하였다. Mann-Kendall Test와 Quantile Regression을 통한 서울지점 여름철 강수량(June to September)과 기준강수량 초과 강수(30, 50, 80, 100mm/hr), 연간 10th 최대 강수량(Annual Top 10th Precipitation) 등을 분석한 결과 최근 증가 경향이 뚜렷하게 나타났으며, 비정상성 빈도해석에 의한 확률강우량 분석의 가능성과 신뢰성을 확인하였다. 또한 19-GCMs을 통하여 모의된 일(Daily) 단위 강수량자료를 비모수통계적 상세화(Nonparametric Temporal Downscaling) 기법을 적용하여 시간(Hourly) 강우로 다운스케일링하였으며, 서울시 미래 확률강우량에 대한 IDF 곡선(Intensity-Duration-Frequency Curve)을 작성하여 비교?분석한 결과 지속시간 1시간 강우에 대하여 재현기간 30년, 100년 조건에서 확률강우량이 약 4%~11% 수준에서 증가하고 있음을 확인하였다. 본 연구의 결과는 도심지 수공구조물의 설계빈도 영향을 진단하고, 근미래 발생가능한 확률강우량 변화에 따른 시간당 목표 강우량설정의 방법론을 제시하였다는데 의의가 있으며, 서울시의 방재성능목표 설정과 침수취약지역 해소를 위한 기후변화에 따른 수공구조물 설계 시 활용이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.343-343
• /
• 2017

기후변화로 인하여 평균 기온 및 강수량이 증가하고 이에 따라 홍수의 발생 빈도가 증가한다. 기후변화에 따른 미래 예측은 기후변화 시나리오로 분석하고 있으며, 현재 사용하는 기후변화 시나리오는 2013년에 발간된 IPCC (Intergovernmental Panel on Climate Change) 5차 평가보고서(AR5)에서 2007년에 발간된 IPCC 4차 평가보고서(AR4)에 사용한 SRES(Special Report on Emission Scenario) 온실가스 시나리오를 대신하여 대표농도 경로 RCP(Representative Concentration Pathways)를 사용한다. 기후변화 시나리오에 따라 기온 상승률 및 강수량의 증가량, 극한 강우사상의 발생 빈도 및 발생 정도가 다르게 결정되며, 이에 따라 IPCC에서 제시하는 기후변화 취약성 평가 이론의 민감도 지수가 시나리오에 따라 증가하는 정도가 다르게 산정된다. 민감도 지수의 증가는 홍수위험지수의 증가로 이어지며, 이에 따라 치수대책 변화를 분석하여 치수안전도 개선 및 수재해에 의한 위험을 대비할 수 있다. 본 연구에서는 기후변화 시나리오에 따른 연평균강수량, 일최대강수량과 같은 극치 강수량과 치수 대책 변화 및 치수대책변수의 현황, 치수대책변수의 개선가능범위 분석을 통한 치수안전도 개선 효과를 분석하였다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2004.03a
• /
• pp.203-208
• /
• 2004

NDVI (Normalized Difference Vegetation Index)는 식생의 건강상태 및 농작물 생산량 추정등에 효과적인 식생지수로, 20년 이상 축적된 MOAA NDVI data의 경우, 식생의 시기적, 계절적 변화탐지가 가능해져 이를 바탕으로 한 가뭄지수들이 개발되어 가뭄 모니터링에 사용되어지고 있다 지난 2001년, 한반도는 기상관측 이래 90년만의 강수량 최저치를 기록하여 전국적인 대 가뭄의 피해를 입었으며, 특히 북한은 유엔이 선정한 가뭄에 가장 취약한 국가로 그로 인한 식량난이 더욱 악화되고 있어 가뭄에 대한 정보는 필수적이라 할 수 있다. 이에 본 연구에서는 1994～2002년의 식물 생장기(growing season : 3～10월)동안 NDVI 10일 최대값 합성영상 (10-day maximum composite data)을 사용하여 남북한으로 나누어진 한반도를 대상으로 각각의 식생현황을 파악 및 비교하고, 산림, 농지, 도시지역별로 NDVI와 가뭄의 주원인인 강수량과의 상관관계로 그 효용성을 분석하였다. 그 결과, NDVI는 1～2개월 전 강수량의 영향이 가장 컸으며, 특히 농지지역에서의 상관계수가 높게 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.479-479
• /
• 2017

전지구적으로 진행 중인 기후변화 및 토지이용변화 등으로 강우량 및 유출량의 증가는 지속적으로 전망되고 있지만 현재 댐 시설물의 설계 및 유지관리에 대한 기준 및 제도에는 이러한 기후변화 영향에 대한 대책 및 적응방안이 포함되어 있지 않다. 기후변화로 인해 지속적 증가로 예상되는 피해에 대응하기 위하여 댐 수문학적 안전성 재평가가 필수적이고, 그에 따른 각종 위험도 및 취약성 평가가 함께 수반되어야 한다. 따라서 본 논문에서는 기후변화 시나리오를 적용하여 미래에 대한 댐의 수문학적 안전성 평가를 수행하고자 한다. 이를 평가하기 위하여 IPCC AR5 RCP 4.5/8.5시나리오를 사용하여 충주댐 유역의 가능최대강수량(PMP)와 가능최대홍수량(PMF) 산출 및 댐의 월류 및 여유고 확보 여부를 판단하였다. 그 결과를 사용하여 기후변화에 따른 전 기간(2040, 2070, 2100)에 대한 수문학적 안전성평가를 수행하여 향후 미래에 대한 안전성을 검토하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.280-280
• /
• 2023

강수의 정확한 시·공간적 추정은 홍수 대응, 가뭄 관리, 수자원 계획 등 수문학적 모델링의 핵심 기술이다. 우주 기술의 발전으로 전지구 강수량 측정 프로젝트(Global Precipitation Measurement, GPM)가 시작됨에 따라 위성의 여러 센서를 이용하여 다양한 고해상도 강수량 자료가 생산되고 있으며, 기후변화로 인한 수재해의 빈도가 증가함에 따라 준실시간(Near-Real-Time) 위성 강수 자료의 활용성 및 중요성이 높아지고 있다. 하지만 준실시간 위성 강수 자료의 경우 빠른 지연시간(latency) 확보를 위해 관측 이후 최소한의 보정을 거쳐 제공되므로 상대적으로 강수 추정치의 불확실성이 높다. 이에 따라 본 연구에서는 앙상블 머신러닝 기반 수집된 위성 강수 자료들을 관측 자료와 병합하여 보정된 준실시간 강수량 자료를 생성하고자 한다. 모형의 입력에는 시단위 3가지 준실시간 위성 강수 자료(GSMaP_NRT, IMERG_Early, PERSIANN_CCS)와 방재기상관측 (AWS)의 온도, 습도, 강수량 지점 자료를 활용하였다. 지점 강수 자료의 경우 결측치를 고려하여 475개 관측소를 선정하였으며, 공간성을 고려한 랜덤 샘플링으로 375개소(약 80%)는 훈련 자료, 나머지 100개소(약 20%)는 검증 자료로 분리하였다. 모형의 정량적 평가 지표로는 KGE, MAE, RMSE이 사용되었으며, 정성적 평가 지표로 강수 분할표에 따라 POD, SR, BS 그리고 CSI를 사용하였다. 머신러닝 모형은 개별 원시 위성 강수 자료 및 IDW 기법보다 높은 정확도로 강수량을 추정하였으며 공간적으로 안정적인 결과를 나타내었다. 다만, 최대 강수량에서는 다소 과소추정되므로 이는 강수와 관련된 입력 변수의 개수 업데이트로 해결할 수 있을 것으로 판단된다. 따라서 불확실성이 높은 개별 준실시간 위성 자료들을 관측 자료와 병합하여 보정된 최적 강수 자료를 생성하는 머신러닝 기법은 돌발성 수재해에 실시간으로 대응 가능하며 홍수 예보에 신뢰도 높은 정량적인 강수량 추정치를 제공할 수 있다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.3 no.3 s.10
• /
• pp.125-132
• /
• 2003

In this study, safety analysis of river in flash flood due to local extraordinary rainfall was conducted for the Hong-Je river, which was selected as a representative sample basin because it is one of the most urbanized rivers in Seoul. The rainfall data of precipitation 310.1 mm and probable maximum precipitation (PMP) 740.0 mm in July $14{\sim}15$, 2001 was used to perform safety analysis. Resulting of safety analysis of the flood control in Hong-Je river, case of the 50 year of design frequency, safety section, management section, and danger section were represented to be 85%, 15%, and 0% respectively. For the 200 year of design frequency, safety section decreased by 6% and management section and danger section increment by 4% and 2%, respectively, The variation of management section was not observed with respect to 200 year of frequency. Little variation of safety value for management section for 300 and 500 of frequency increased by 8% and 12% relative to 50 year of frequency, respectively. management section and danger section for 1000 year of frequency increased by 19% and 13% relative to 50 year of frequency.

• Proceedings of the Korea Water Resources Association Conference
• /
• 1986.07a
• /
• pp.93-101
• /
• 1986

This study aims at analysis and application of PMP(Probable Maximum Precipitation) for the determination of design of major hydraulic structures. PMP was estimated by hydro-meteorolgical method and envelope curve method. PMF(Probable Maximum Flood) was then estimated from this PMP by synthetic unit hydrograph method and chow method. From the comparison of three methods for PMP estimation of magnitude of PMP in order of statistical, hydro-meteorlogical, envelope curve method. Amon PMP results estimated by each method it is believed that the hydro-meteorological method gave the best proper value in comparison with historical maximum rainfall because of this method reflected upon all meteorological factor. From the comparison of PMP with probable rainfall and flood, it was shown that estimated value by statistical method and hydro-metelogical method were nearly equivalent to the value of return period 200 to 500 year. It was found that PMF estimated from would be more safe for the design of major hydraulic structures in the consinderation.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.312-312
• /
• 2019

지구온난화로 인하여 기상학적 변동성 증가 및 수질, 수자원, 생태계 등의 다양한 영역에 영향을 야기하고 있으며, 이를 통한 피해가 전 세계적으로 증가하고 있는 추세이다. 이에 본 연구에서는 최근 다양한 분야에서 수문학적 빈도에 영향을 미친다고 알려진 AO(Arctic Oscillation), NAO(North Atlantic Oscillation), ENSO(El $Ni{\tilde{n}}o$-Southern Oscillation), PDO(Pacific Decadal Oscillation), MJO(Madden-Julian Oscillation)등의 외부인자중 SST, MJO를 활용하여 계절단위의 수문량 정도에서 기상학적 변량과 관측유역 강수량의 관계를 정립하고 발생 가능한 24시간 지속시간 극치강수량을 모의하였다. 이를 위하여 Bayesian 통계기법을 이용한 비정상성 빈도해석모형을 근간으로 외부 기상인자에 의한 계절강수량 예측모형인 계층적 베이지안 네트워크(Hierarchical Bayesian Network, HBN)를 구축한 후 산정된 결과를 입력 자료로 하여 직접적으로 일단위 이하의 극치강수량을 상세화 시킬 수 있는 베타 모델(four parameter beta, 4PB)을 연계한 계층적 베이지안 네트워크 베타모델(Hierarchical Bayesian Network-4beta Model, HBN4BM)을 개발하여 기상변동성을 고려한 상세화 모형을 개발하였다. 여름강수량 산정 결과 한강 유역의 경우 2016년은 관측값 573.85mm, 모의 값 567.15mm를 나타내어 약 1.2%의 오차를 나타냈으며, 2017년 및 2018년은 4.5%, 6.8%의 오차에서 모의가 이루어졌다. 금강의 경우 2016년은 다른 연도에 비하여 35.2%라는 큰 오차를 보였지만 불확실성 구간에서 모의가 이루어 졌으며, 2017년 및 2018년은 0.3%, 2.1%의 작은 오차가 발생하였다. 24시간 모의 결과는 최소 0.7%에서 최대 27.1%의 오차를 나타냈으며, 평균적으로 16.4%의 오차 결과가 모의되어 모형의 신뢰성을 확인하였다.