J Korean Soc Hazard Mitig 2017; 17(4): 335-342  https://doi.org/10.9798/KOSHAM.2017.17.4.335
Analysis of Future Probable Maximum Precipitation Using KMA AR5 1-km Resolution RCP Data
Kyubum Sim*, Okjeong Lee**, Sangdan Kim***, and Eungseok Kim****
* Member, Ph.D Candidate, Division of Architecture, Architectural Engineering and Civil Engineering, Sunmoon University,
** Member, Ph.D Student, Division of Earth Environmental System Science (Major of Environmental Engineering), Pukyong National University,
*** Member, Professor, Department of Environment Engineering, Pukyong National University
Correspondence to: Member, Professor, Division of Architecture, Architectural Engineering and Civil Engineering, Sunmoon University (Tel: +82-41-530-2325, Fax: +82-41-530-2926, E-mail: hydrokes@sunmoon.ac.kr)
Received: March 9, 2017; Revised: March 14, 2017; Accepted: March 28, 2017; Published online: August 30, 2017.
© The Korean Society of Hazard Mitigation. All rights reserved.

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract

In this study, the causes of observed and future changes of daily Probable Maximum Precipitation (PMP) estimated by statistical methods are investigated. Observed daily rainfall data of 22 meteorological stations operated by Korea Meteorological Administration (KMA) were used and future daily rainfall data were obtained from 1-km resolution data set of KMA AR5 RCP (Regional Climate Model) scenario. As a result, PMP was estimated to be 1,160.1 mm for Pohang site in the observed rainfall and 1,840.4 mm for Busan site in the future rainfall. It can be seen that high PMPs was estimated at observation sites where the standard deviation of daily rainfall time series is large. As a result of analyzing the PMP change rate of the future compared with the past, the change rate of the future PMP is highly correlated with the standard deviation of the annual maximum daily rainfall in the future.

Keywords: AR5, RCP, Climate Change, PMP
1. 서론

전 세계적으로 기상이변이 속출하고 있으며 게릴라성 집중호우 등이 증가함에 따라 하천의 범람, 제방의 붕괴 등과 같은 홍수피해가 증가하고 있다. 이에 따라 기후변화로 인하여 발생하는 극치강우에 관한 연구가 활발히 진행되고 있다(Fowler et al., 2005; Kim et al., 2008; Kim et al., 2010; Lee and Kwon, 2011). 그러나 대부분의 연구가 기후변화에 따른 확률강우량의 변화 등에 집중되어 있으며, 댐과 같은 대규모 수공구조물 설계에 필요한 가능최대강수량(Probable Maximum Precipitation, PMP)에 미치는 기후변화의 영향에 관한 연구는 상대적으로 부족한 실정이다.

PMP 추정에 관한 문헌조사를 살펴보면 다음과 같다. Kwun et al.(2003)은 대상유역의 위치와 유역면적 및 유역중심 결정, PMP추정 위치를 중심으로 PMP도를 이용하여 면적별 지속시간별 PMP추출, 대표면적별 강우깊이-지속시간의 포락, 대표 지속시간별 강우깊이-면적의 포락, 대상면적에 부합하는 PMP의 내삽 및 지속기간에 부합하는 PMP의 면적별 내삽 순으로 수문기상학적 방법을 이용하여 PMP를 추정하였다. Lee et al.(2004)은 강우의 임계지속시간의 결정시 필요한 지속시간별 홍수량(PMF)을 산정하기위해 선행 작업인 가능최대강수량(PMP)를 수문기상학적 방법을 통해 PMP를 추정하였으며, 이를 한국 가능최대 강수량도(건설교통부, 2000)에서 제시한 가능최대강수량도(PMP도)와 비교⋅검토하였다. Choi et al.(2011)Maeng et al.(2014)은 건설교통부(2004)의 “전국 PMP도 재작성부도”를 이용하여 산정하였으며, 저수지 유역 중심을 기준으로 지속시간 및 유역면적별 PMP를 추출하였다. 또한, 강우깊이-지속시간과 강우깊이-유역면적에 대한 포락 및 균일화를 통해 지속시간 및 유역면적별 PMP를 재 산정하였다. Kim et al.(2015)은 합성레이더 강우데이터를 이용하여 최대강우를 산정 및 지역적인 특성을 고려하기 위해 DAD 해석을 실시하여 PMP를 산정 하였다. Kim et al.(2016)은 유역을 선택한 후 유역 범위 내에 있는 우량관측소를 선정하고 해당유역에서 호우주위보와 호우경보를 기준으로 후우사상을 선정하였다. 이렇게 선정된 강우자료를 역거리법을 이용하여 지점 강우자료를 면적 강우자료로 변환하여 Average Point-Tracking기법을 이용하여 DAD분석 후 수분최대화비만 고려한 PMP를 산정하였다. Tomlinson et al.(2008)은 PMP를 산출하여 기존의 극한강우사상의 지속시간과 면적에 따라 강수량과 비교하였다.

기후변화를 고려한 PMP 추정에 관한 문헌조사를 살펴보면 다음과 같다. Park et al.(2013)은 RCP 8.5 기후변화 시나리오를 고려하여 극치 호우로서 가능최대강수량의 변화를 예측하였으며, Lee and Kim(2016)은 RCP 8.5 기후변화 시나리오에 따른 PMPs 변화를 분하였으며 PMPs는 수문기상학적 방법을 이용하여 분석하였으며, 지형영향비 대시 산악전이비를 도입하여 PMPs를 산정하였다. Lee(2017)은 기존의 PMP 산정법이 가지고 있는 논리적 약점을 극복하기 위해 지역대기모형 중 하나인 WRF 모델을 이용하여 우리나라 최대강수량을 물리기반으로 산정하는 방법론을 제안하였다. Lagos and Vargas(2014)는 기후변화 시나리오에 따른 수문학적 영향을 분석하기 위해 GCM과 이를 지역적 상세화 시킨 RCM의 결과를 바탕으로 수문기상학적 방법과 통계학적 방법을 이용하여 미래의 PMPs를 전망하였다. 또한 최근 Sim et al.(2015)은 AR5 RCP 시나리오를 이용하여 통계학적 방법으로 PMP를 산정한 바 있다. PMP를 산정하는 방법 중 하나인 통계학적인 방법에 사용되는 인자가 PMP 변화에 미치는 정도를 분석한 연구는 극히 미비하다고 판단된다. 본 연구는 Sim et al.(2015)의 후속연구로서, 우리나라 주요 22개 기상관측소를 대상으로 과거 및 미래의 PMP를 통계학적인 방법을 이용하여 산정하고, 미래 PMP의 변화율 분석을 통해 PMP 추정에 미치는 주요 요인을 살펴보고자 하였다.

2. 연구방법

2.1 PMP 산정 방법

Hansen et al.(1982)World Meteorological Organization (1986)에 따르면, PMP는 “주어진 지속기간에 있어서 어느 특정 위치에 주어진 호우면적에 대하여 연중 어느 지정된 기간에 물리적으로 발생할 수 있는 이론적 최대강수량 깊이”라고 정의된다. PMP를 추정하는 방법은 수문기상학적 방법, 포락곡선을 이용하는 방법, 통계학적 방법 등 3가지로 구분된다(Lee, 2010). 현재 우리나라의 경우 수문기상학적 방법을 이용하여 PMP를 산정하고 있다. 수문기상학적 방법으로 PMP를 산정하기 위해서는 강수량 이외에도 다양한 기상자료들이 필요하기 때문에, 기후변화의 영향을 고려한 PMP를 추정하기에는 많은 선행 작업이 필요하게 된다.

따라서 본 연구에서는 강수량 자료만을 이용하여 일 PMP를 추정할 수 있는 통계학적 방법을 적용하여 기후변화의 영향이 고려된 PMP를 추정해보고자 하였다. WMO (1986)에서는 Hershfield(1961)에 의해 제안된 Eq. (1)과 같은 빈도방정식(Frequency Equation)을 이용하여 PMP를 추정하도록 하고 있다.

Xpmp=Xn+(Km×Sn)

여기서Xpmp 는일 PMP (mm), Xn은 연 최대 강우량 시계열의 평균, Km은 빈도계수, Sn은 년 최대 강우량 시계열의 표준편차를 나타낸다. 빈도계수 KmChoi et al.(2015)에 의해 제안된 수정 빈도계수 산정방법을 적용하였다.

2.2 PMP 변화율 분석방법

본 연구에서는 미래 PMP에 영향을 미치는 주된 원인을 파악하기 위하여 변화율 분석을 수행하였다. 변화율 계산방법은 아래 Eqs. (2) ~ (4)와 같이 총 3가지로 구분하여 산정하였다.

PMPRatio(%)=(FRPMPHRPMPHRPMP)×100(%)AMDRARatio(%)=(FRAMDRAHRAMDRAHRAMDRA)×100(%)AMDRSDRatio(%)=(FRAMDRSDHRAMDRSDHRAMDRSD)×100(%)

여기서, PMP Ratio는 PMP 변화율, FRPMP는 미래 PMP, HRPMP는 과거 PMP, AMDRA Ratio는 연 최대 일 강우량 평균 변화율, FRAMDRA는 미래 연 최대 일 강우량 평균, HRAMDRA는 과거연 최대 일 강우량 평균, AMDRSD Ratio는 연 최대 일 강우량 표준편차 변화율, FRAMDRSD는 미래 연 최대 일 강우량 표준편차, HRAMDRSD는 과거 연 최대 1일 강우량 표준편차를 의미한다.

3. 적용 및 결과

3.1 대상지역 및 강우자료

본 연구에서는 미래의 PMP를 산출하기 위하여 우리나라 기상청에서 제공하는 1-km 해상도의 남한상세자료 중 일 강수량을 사용하였다(Table 1). 남한상세자료는 HadGEM3-RA모형에 AR5 RCP 시나리오를 적용하여 산출된 자료이며 온실가스 배출농도에 따라 RCP 2.6/4.5/6.0/8.5의 총 4가지로 나뉜다. RCP 2.6은 인간 활동에 의하여 발생된 영향을 지구 스스로 회복이 가능한 경우, RCP 4.5는 온실가스 저감정책이 상당히 실현되는 경우, RCP 6.0은 온실가스 저감정책이 어느 정도 실현되는 경우 그리고 RCP 8.5은 온실가스 저감정책없이 온실가스가 현재 추세로 배출되는 경우로 요약될 수 있다.

Table 1

Selected Climate Change Scenarios

RCMScenariosSpatial resolutionTemporal resolutionVariable
HeadGEM3 -RARCP 2.6/4.5/6.0/8.51-kmDayPrecipitation

본 연구의 대상지점은 강우관측년수가 최소 46년 이상의 자료를 보유하고 있는 기상청 22개 강우관측소이다(Fig. 1 참조).

Fig. 1.

Rainfall Stations’ Location (Sim et al., 2015)


3.2 과거 및 미래 PMP 추정

PMP 추정은 과거 및 미래로 구분하여 추정된다. 과거 자료를 이용하여 PMP를 추정한 결과 포항이 1,160.1 mm로 가장 높은 PMP를 보였으며 울릉도가 730.0 mm으로 가장 낮은 PMP로 나타났다. 이는 표준편차의 값이 가장 크거나, 낮게 산출되었기 때문에 PMP에 영향을 미친 것으로 판단된다. 전체적으로 평균 915.5 mm의 PMP가 추정되었다. 미래 강우자료를 이용한 PMP의 추정은 각 시나리오별 PMP를 추정한 후 평균한 값을 이용하여 분석하였다. 분석결과 부산이 1,840.4 mm로 가장 높은 PMP를 보였으며, 포항이 688.3 mm로 가장 낮은 PMP로 산정되었다. 이는 과거 강우와 마찬가지로 표준편차가 가장 큰 영향을 미치고 있음을 살펴볼 수 있었다. 미래 PMP 평균은 1,030.1 mm로 나타났다. 과거 및 미래 연 최대 1일 강우량 평균, 표준편차, 빈도계수, PMP를 Table 2에 나타내었다.

Table 2

Historical and Future PMPs

StationThe PastFuture
Average (mm)Standard deviationFrequency factorPMP (mm)Average (mm)Standard deviationFrequency factorPMP (mm)
Gangneung116.749.414.6837.7126.059.914.3980.6
Guangju127.955.814.2921.4104.044.915.1780.4
Daegu104.942.815.0748.291.644.215.5775.8
Mokpo116.252.414.6881.2100.666.015.21,093.9
Busan151.667.913.51,064.6139.2123.713.81,840.4
Seoul158.665.513.21,025.3116.973.314.61,180.8
Yeosu143.253.713.7879.5124.166.414.31,067.7
Ulleungdo98.541.415.3730.086.541.415.7735.1
Ulsan133.067.614.01,082.6112.749.614.7843.9
Icheon136.360.513.9980.0107.959.414.9992.7
Jeonju114.642.614.7740.0105.053.315.0904.5
Jeju151.669.613.51,087.7102.293.915.11,509.6
Chupungryong106.742.815.0745.999.659.115.2996.5
Pohang117.571.614.61,160.197.338.615.3688.3
Seogwipo152.963.513.41,004.398.757.615.2975.2
Suwon147.065.213.61,033.5107.854.314.9914.7
Chuncheon141.955.513.8,905.0116.960.614.6998.8
Cheongju119.645.814.5783.8101.748.715.1837.3
Gunsan123.460.914.4997.9114.868.514.71,118.3
Seosan128.044.714.2762.9113.865.914.71,081.9
Sokcho150.354.913.5891.0122.853.914.4898.0
Tongyeong137.253.413.9879.4125.493.114.31,448.2
Maximum(mm)158.671.615.31,160.1139.2123.715.71,840.4
Minimum(mm)98.541.413.2730.086.538.613.8688.3
Average(mm)130.855.814.1915.5109.862.514.91,030.1

3.3 과거 및 미래 강우의 변화율 분석

앞서 산정된 과거 PMP 및 미래 PMP의 평균값을 이용하여 변화율을 분석하였다. 변화율 분석은 Eqs. (2) ~ (4)를 이용하였다. 예를 들어 강릉의 PMP 변화율은 미래 PMP 980.6 mm에서 과거 PMP 837.7 mm를 뺀 후 과거 PMP 837.7 mm로 나누어 100(%)을 곱하여 (+) 17.06%의 변화율을 산정하였다. 연 최대 일 강우량 평균 변화율 및 표준편차 변화율도 PMP 변화율과 동일한 방법으로 산정하여 각 지점별 변화율을 Table 3에 나타내었다. 분석결과 부산 지점이 (+) 72.87%로 가장 큰 증가율을 보였으며 포항 지점이 가장 큰 감소율인 (–) 40.87%로 산정되었다. 전체적으로 (+) 13.30% 증가하고 있음을 알 수 있다. 또한, 연 최대 일 강우량 평균 변화율을 분석한 결과 평균 (–) 15.42% 감소하는 변화율을 보였으나, 연 최대 일 강우량 표준편차의 변화율을 분석한 결과 평균 (+) 13.21%의 증가하는 변화율을 보였다. 전체적으로 18개 지점에서 PMP의 변화율이 증가하는 경향성을 보였으며 4개 지점이 감소하는 경향성을 보였다.

Table 3

Future PMP Change Rate

StationPMP rate of change (%)AMDP average rate of change (%)AMDP standard deviation rate of change (%)StationPMP rate of change (%)AMDP average rate of change (%)AMDP standard deviation rate of change (%)
Gangneung(+) 17.06(+) 8.00(+) 21.26Jeju(+) 38.79(-) 32.55(+) 34.85
Guangju(-) 15.30(-) 18.70(-) 19.53Chupungryong(+) 33.60(-) 6.65(+) 38.24
Daegu(+) 3.69(-) 12.71(+) 3.09Pohang(-) 40.67(-) 17.15(-) 46.02
Mokpo(+) 24.14(-) 13.45(+) 25.98Seogwipo(-) 2.90(-) 35.45(-) 9.34
Busan(+) 72.87(-) 8.22(+) 82.15Suwon(-) 11.49(-) 26.66(-) 16.81
Seoul(+) 15.17(-) 26.32(+) 11.86Chuncheon(+) 10.38(-) 17.63(+) 9.16
Yeosu(+) 21.40(-) 13.33(+) 23.65Cheongju(+) 4.38(-) 17.01(+) 3.09
Ulleungdo(+) 0.71(-) 12.14(-) 0.09Gunsan(+) 12.07(-) 6.96(+) 12.53
Ulsan(-) 22.05(-) 15.22(-) 26.66Seosan(+) 41.81(-) 11.10(+) 47.54
Icheon(+) 1.30(-) 20.78(-) 1.93Sokcho(+) 0.79(-) 18.31(-) 1.94
Jeonju(+) 22.24(-) 8.32(+) 25.01Tongyeong(+) 64.68(-) 8.61(+) 74.46
Maximum (mm)(+) 72.87(+) 8.00(+) 82.15
Minimum (mm)(-) 40.67(-) 35.45(-) 46.02
Average (mm)(+) 13.30(-) 15.42(+) 13.21

Eq. (1)의 빈도방정식을 이용하여 Table 3의 결과에 대한 원인을 분석하였다. 연 최대 일 강우량 평균 변화율 및 연 최대 일 강우량 표준편차 변화율이 (+) 이면, PMP 변화율은 당연히 증가 변화율인 (+) 가 나타나야 하며, 이와 반대로 연 최대 1일 강우량 평균 변화율 및 연 최대 1일 강우량 표준편차 변화율이 (-) 이면, PMP 변화율이 감소하는 변화율인 (-) 가 나타날 것이다. 또한, 연 최대 일 강우량 평균 변화율이 (±), 연 최대 1일 강우량 표준편차 변화율이 (∓) 이면, PMP는 증가 또는 감소로 나타나야 할 것이다. 그러나 울릉도, 인천, 속초의 경우 연 최대 일 강우량 평균 및 연 최대 1일 강우량 표준편차가 감소함에 따라 PMP 역시 감소되어야 하나 반대로 증가하는 것으로 나타났다. 이러한 이유를 살펴보기 위해 Fig. 2와 같이 RCP 시나리오 별 연 최대 1일 강우량(AMDP)을 살펴보았다. 그 결과 RCP 4.5의 2081

Fig. 2.

RCP 4.5 and 8.5 AMDP


년에 AMDP가 400mm 이상의 극치 호우를 보였으며, RCP 8.5의 2058년, 2067년, 2087년, 2094년에 250 mm 이상의 극치 호우를 보였다. 또한, Table 4와 같이 과거 및 미래 기후변화 시나리오별 AMDP 평균, 표준편차, 빈도계수, PMP를 산정한 결과 RCP 시나리오가 2.6에서 8.5로 갈수록 표준편차가 커짐을 확인 할 수 있었다. 그 결과 RCP 8.5의 표준편차가 과도하게 커짐에 따라 평균 PMP가 증가되는 결과로 계산되었음을 살펴볼 수 있었다.

Table 4

PMP Change Rate at Sokcho

DivisionThe PastFutureAverage RCPRate of change(%)
RCP 2.6RCP 4.5RCP 6.0RCP 8.5
Xn150.29123.90126.61122.70117.88122.77-18.31
Sn54.9251.2850.5853.7159.8453.85-1.94
Km13.5314.3914.3014.4314.6014.43-
PMP893.26861.91849.87897.84991.52900.28+0.79

3.4 과거 및 미래 통합자료의 변화율 원인 분석

과거 및 미래 강우자료를 이용하여 PMP 변화율을 산정한 결과 RCP 시나리오별 강우량의 변동성이 크게 산정됨에 따라 표준편차 또한 크게 산정되어 결국 PMP 값을 증가시켜 비정상적인 변화양상을 보인 문제점이 발생하였다. 따라서 본 연구에서는 과거 강우자료 및 과거 강우자료와 미래강우자료를 통합한 강우자료와의 변화율을 산정하여 분석하였다. 예를 들어 과거변화율은 1960년(관측시작년도) ~ 2013년까지 강우자료를 이용하여 계산하였으며, 통합자료는 1960년 (관측시작년도) ~ 2040년, 2070년, 2100년으로 구분하여 PMP 변화율을 계산하였다.

변화율의 주된 원인을 분석하기 위해 PMP 변화율과 연 최대 일 강우량 평균 변화율(ΔXn)의 상관관계와 PMP 변화율 및 연 최대 일 강우량 표준편차 변화율(ΔSn)의 상관관계를 분석하였다. PMP 변화율과 연 최대 일 강우량 평균 변화율(ΔXn)의 상관관계를 분석한 결과 Fig. 3과 같이 상관성이 거의 없는 것으로 나타났다. 또한, PMP 변화율 및 연 최대 일 강우량 표준편차의 변화율(ΔSn)의 상관관계를 분석한 결과 매우 높은 상관성을 보였다. 이를 1차 회귀식으로 산출한 결과 과거부터 2040년까지 결정계수가 0.9941로 나타났으며, 과거부터 2070년까지 결정계수는 0.9965, 과거부터 2100년까지의 결정계수는 0.9972로 매우 높은 상관성을 보였다. 과거 관측된 강우와 임의기간으로 구분한 미래 강우를 통합하여 변화율을 분석한 결과, PMP를 구하기 위해 사용된 강우관측기간이 증가함에 따라 PMP 변화율-연 최대 일 강우량 표준편차 변화율의 결정계수 값 또한 증가하는 것으로 나타났다. 또한 PMP 변화율은 연 최대 일 강우량 표준편차 변화율과의 상관성이 매우 높은 것으로 최종 산정되었으며 통계학적 방법을 적용하여 PMP를 산정하는데 있어 가장 민감하며 중요한 매개변수는 연 최대 일 강우량 평균이 아닌 연 최대 일 강우량 표준편차로 나타남을 알 수 있었다.

Fig. 3.

Climate Change Scenarios ΔXn - ΔPMP - ΔSn Correlation


건설교통부(2004)에서 수문기상학적 방법을 이용하여 서울, 강릉, 전주, 대구, 광주, 부산, 목포, 여수의 PMP를 산정한 바 있다. 따라서 본 연구에서 산정한 과거 PMP와 비교한 결과 전주에서 약 12% 낮게 산정되었으며, 서울에서 약 10% 높게 산정되었다. 총 8개 지역의 평균 오차율을 비교한 결과 약 3%의 오차를 보였기 때문에 본 연구에서 이용한 통계학적 방법의 PMP값은 신뢰성 있는 결과라 판단된다.

4. 결론

본 연구에서는 기상청 주요 22개 지점을 대상으로 PMP를 산정하였다. PMP 산정은 기상청 강우 관측 년도부터 2013년까지 과거 강우자료와, 2011년부터 2100년까지의 미래 기후변화 시나리오인 RCP자료를 이용하였으며, 통계학적 방법인 빈도방정식을 이용하여 PMP를 산정하였다. 또한, 과거 및 미래 강우자료를 이용한 변화율 분석을 수행하였으며, PMP 산정 시 영향을 미치는 원인을 분석하였다. PMP를 산정 결과 및 변화율 분석을 다음과 같이 정리하여 기술하였다.

  • (1) 과거 PMP를 산정한 결과 포항이 1,160.1mm로 가장 높은 PMP를 보였으며 울릉도가 730.0mm으로 가장 낮은 PMP로 나타났다. 전체적으로 평균 915.5mm의 PMP값으로 산정되었다. 미래 강우자료를 이용한 PMP의 분석결과 부산이 1,840.4mm로 가장 높은 PMP를 보였으며, 포항이 688.3mm로 가장 낮은 PMP로 산정되었다. 미래 PMP 평균은 1,030.1mm로 나타났다. 전체적으로 표준편차가 크거나 낮게 산정되면 PMP에 영향을 미치는 것으로 판단된다.

  • (2) PMP 변화율을 분석한 결과 부산지점이 72.87%로 가장 큰 증가율을 보였으며 포항 지점이 가장 큰 감소율인 –40.87%로 산정되었다. 전체적으로 13.30%의 증가하는 변화율을 보였으며 18개 지점에서 PMP의 변화율이 증가 경향성을 보였다. PMP 변화율의 원인을 분석한 결과 울릉도, 인천, 속초의 경우 연 최대 일 강우량 평균 변화율 및 연 최대 일 강우량 표준편차 변화율이 (-)로 PMP 변화율 역시 감소하는 (-)로 산정되어야 하나, 반대로 증가하는 (+) 로 나타났다. 이러한 이유는 RCP 시나리오에 따라서 과도한 표준편차 증가를 일으키게 하는 극치 호우가 존재하기 때문인 것으로 분석되었다.

  • (3) 과거 및 미래 강우자료를 이용하여 PMP 변화율을 산정한 결과 표준편차가 크게 산정되어 결국 PMP 값을 증가시키고 비정상적인 변화양상을 보였다. 따라서 본 연구에서는 과거 강우자료 및 통합된 강우자료를 이용하여 변화율을 분석하였다. 분석결과 PMP 변화율 및 연 최대 일 강우량 표준편차 변화율의 상관관계가 매우 높은 상관성을 보였다. 즉, 통계학적 방법을 적용하여 PMP를 산정하는데 있어 가장 민감한 매개변수는 연 최대 일 강우량 평균이 아닌 연 최대 일 강우량 표준편차임을 알 수 있었다.

종합적인 결과 자료 년도에 따른 신뢰성 있는 PMP산정에 도움을 줄 것으로 판단되며, 향후 일 강우자료가 아닌 시 강우자료를 이용하여 통계학적 방법을 적용한 시단위 PMP를 산정한다면 보다 정확한 강우량을 추정할 수 있으리라 판단된다.

감사의 글

본 연구는 국토교통부 물관리연구사업의 연구비지원(13AWMP-B066744-01)에 의해 수행되었습니다.

References
  1. Choi H.S, Maeng S.J, and Kim B.J. (2011) Flood Analysis of Downstream Area from Dam Using DAMBRK Model. Korean Review of Crisis & Emergency Management 7, 159-174.
  2. Choi Y.J, Sim K.B, Kim S, and Kim E.S. (2015) Trend analysis of 1-day Probable Maximum Precipitation. J. Korean Soc. Hazard Mitig 15, 369-376.
    CrossRef
  3. Fowler H.J, Ekstrom M, Kilsby C.G, and Jones P.D. (2005) New Estimates of Future Change in Extreme Rainfall Across the UK using Regional Climate Model Integration:1. Assessment of Control Climate. J. of Hydrology 300, 212-233.
    CrossRef
  4. Hansen E.M, Schreiner L.C, and Miller J.F. (1982). Application of Probable maximum precipitation estimates – United States east of the 105th meridian .
  5. Hershfield D.M. (1961) Method for estimating the probable maximum precipitation. J. Am. Water Works Assoc 57, 965-972.
  6. Kim B.S, Kim B.K, Kyung M.S, and Kim H.S. (2008) Impact Assessment of Climate Change on Extreme Rainfall and I-D-F Analysis. Journal of Korean Association of Hydrological Sciences 41, 379-394.
    CrossRef
  7. Kim S.U, Lee K.S, and Park Y.J. (2010) Analysis of Uncertainty of Rainfall Frequency Analysis Including Extreme Rainfall Events. Journal of Korean Association of Hydrological Sciences 43, 337-351.
    CrossRef
  8. Kim Y.J, Yoon J.S, Kohji Tanaka, and Hur D.S. (2015) Prediction of a Debris Flow Flooding Caused by Probable Maximum Precipitation. J. Korea Water Resour. Assoc 48, 115-126.
    CrossRef
  9. Kim Y.K, Kim Y.S, Yu W.S, Oh S.Y, and Jung K.S. (2016) Development of Basin-scale PMP Estimation Method by considering Spatio-temporal Characteristics. J. Korean Soc. Hazard Mitig 16, 51-61.
    CrossRef
  10. Kwun S.K, Han K.Y, Suh S.D, and Choi H.J. (2003) Evaluation of Flood Control Capacity for Seongju Dam against Extreme Floods. Journal of the Korean Society of Agricultural Engineers 45, 109-118.
  11. Lagos-Tuniga M.A, and Vargas M.X. (2014) PMP and PMF estimations in sparsely-gauged Andean basins and climate change projections. Hydrological Sciences Journal 59, 2027-2042.
    CrossRef
  12. Lee J.H (2017). A Study on Estimation of Maximum Precipitation in Korea using the WRF Model . Ph.D Thesis, Pukyong National University.
  13. Lee J.J, and Kwon H.H. (2011) Analysis on Spatio-Temporal Pattern and Regionalization of Extreme Rainfall Data. Journal of Korean Society of Civil Engineers 31, 13-20.
  14. Lee O.j, and Kim S. (2016) Future PMPs Projection under Future Dew Point Temperature Variation of RCP 8.5 Climate Change Scenario. J. Korean Soc. Hazard Mitig 16, 505-514.
    CrossRef
  15. Lee S.J, Choi H, Shin H.B, and Park S.K. (2004) An Analysis of PMF and Critical Duration for Design of Hydraulic Structure. J. Korea Water Resour. Assoc 37, 707-718.
    CrossRef
  16. Lee S.R (2010). Calculation for the Probable Maximum Flood of the Hapcheon Dam Watershed . Master's Thesis, Gyeongsang National University.
  17. Maeng S.J, Kim H.S, Jeong J.H, and Kim S.W. (2014) Analysis on Hydrologic Stability of Agricultural Reservoir According to Estimation and Application of Probable Maximum Flood. Korean Review of Crisis & Emergency Management 10, 105-115.
  18. Ministry of Construction and Transportation (2000). Estimation of Probable Maximum Precipitation in Korea .
  19. Ministry of Construction and Transportation (2004). Renewable Report of PMP Map in Korea .
  20. Park M.K, Park M.J, Kim S, and Joo J.G. (2013) Extreme Storm Estimation by Climate Change Using Precipitable Water. J. Korean Soc. Hazard Mitig 13, 121-127.
    CrossRef
  21. Sim K.B, Lee O.j, Kim S, and Kim E.S. (2015) 1-day Probable Maximum Precipitation in accordance with AR5 RCPs in Korea. J. Korean Soc. Hazard Mitig 15, 273-280.
    CrossRef
  22. Tomlinson E, Kappel B, Diederich P, Parzybok T, and Hultstrand D. (2008). Nebraska Statewide Probable Maximum Precipitation (PMP) Study . Applied Weather Associates.
  23. World Meteological Organization (1986). Manual for Estimation of Probable Maximum Precipitation .


This Article

e-submission

Archives

Indexed/Covered by