통합배수관 기법을 적용한 도시침수 예측모형 개발

Development of an Urban Flood Forecast Model Using Lumped Pipe Networks

Article information

J. Korean Soc. Hazard Mitig. 2022;22(6):79-88
Publication date (electronic) : 2022 December 23
doi : https://doi.org/10.9798/KOSHAM.2022.22.6.79
김광섭*, 조현곤**
* 정회원, 경북대학교 토목공학과 교수(E-mail: kimgs@knu.ac.kr)
* Member, Professor, Department of Civil Engineering, Kyungpook National University
** 경북대학교 토목공학과 연구원(E-mail: chohyungon@naver.com)
** Ph.D., Department of Civil Engineering, Kyungpook National University
* 교신저자, 정회원, 경북대학교 토목공학과 교수(Tel: +82-53-950-5614, Fax: +82-53-950-6564, E-mail: kimgs@knu.ac.kr)
* Corresponding Author, Member, Professor, Department of Civil Engineering, Kyungpook National University
Received 2022 November 19; Revised 2022 November 21; Accepted 2022 December 01.

Abstract

전형적인 도시지역 침수해석은 배수분구에 대하여 물리 모형들 즉 1차원 우수 해석 모형과 2차원 침수해석 모형을 이용하여 이루어진다. 2차원 침수해석은 해당 도시유역의 침수지역에 대한 유속정보, 침수심과 침수지역 경계 등 중요 정보를 제공하지만 서울과 같은 대도시의 준실시간 운영에는 한계가 있다. 본 연구에서는 이러한 한계를 극복하고 광역의 준실시간 배수분구별 침수예측을 위하여 물리적 도시 홍수 예측 모형을 개발하였다. 배수분구 내의 밀집된 배수관로를 통합하여 저류와 배수 기능을 가지는 개념적 통합 관로로 치환하고 배수분구별 통합배수관의 광역 관로망을 구성하였다. 개발모형을 2018년 8월 호우 발생 시 서울지역의 침수사례에 적용한 결과 배수분구의 침수 발생 예측 정확도가 약 0.71로 광역에 대한 준실시간 침수 예측 정보 생산 시 전형적인 물리모형 적용의 한계를 극복하고 침수 대응을 위한 정보 제공의 가능성과 함께 개선의 여지가 존재함을 보였다.

Trans Abstract

Typical urban flood simulation is conducted using physical models such as the 1D storm water analysis model and 2D inundation analysis model. Although 2D inundation analysis can predict flow velocity, inundation depth, and inundation area throughout an inundated urban area, it is difficult for it to produce a near real-time urban flood forecast for a metropolitan area such as Seoul. In this study, a physical urban flood forecast model was developed using lumped pipe networks to produce a near real-time urban inundation forecast. The dense pipe networks within a drainage basin were simplified as a single conceptual lumped pipe that has drainage and storage functions, and new pipe networks were constructed using lumped pipe networks. The model was applied to the August 2018 storm events in Seoul and showed a prediction accuracy of 0.71. The results demonstrated that the model can obviate the limitations of the near real-time operation of existing physical flood forecasting models to yield useful information for urban flood response, though showing room for improvement.

1. 서 론

한반도의 호우 패턴이 강도와 빈도의 증가로 인해 예측이 힘들어지는 상황을 극복하기 위하여 다양한 구조적 및 비구조적 대책이 꾸준히 마련되어져 왔다. 비구조적인 대책으로 홍수 예⋅경보 시스템 구축과 준실시간 재해 현황 정보 제공, 지역민을 대상으로 한 교육 등을 실시하고 있으나 2020년 국내에서 발생한 홍수피해 사례를 보듯이 재해 발생 시 재해 담당자뿐만 아니라 일반 시민들의 재해정보 활용성을 극대화할 구체적인 방안과 대처계획 수립이 필요한 실정이다.

국내⋅외적으로 도시홍수 피해 저감을 위한 예⋅경보 개선을 위한 연구가 지속해서 수행되고 있다. Lee et al. (2006)은 Dual-Drainage 개념에 의한 도시홍수해석모형을 개발을 위하여 SWMM 모형과 월류 유량의 전파과정을 계산하는 DEM 기반 침수해석모형을 통합하였다. Han et al. (2007)은 비정형 격자기반의 침수해석 모형을 개발하여 DEM기반 침수해석 모형과 비교를 통하여 비정형 격자기반 침수해석모형의 적용성을 제시하였다. Yoon et al. (2014)은 기존의 폭풍해일 수치모형에 강우와 우수관망을 해석할 수 있는 알고리즘을 추가하여 수치모형을 개발하고 단순화된 지형에 적용하여 강우에 의한 범람과 우수의 배수, 해수의 역류 현상에 따른 영향을 모의하였다. Lee et al. (2015)은 과부하 맨홀의 손실계수를 고려한 도시지역 침수 해석을 위하여 유량의 변화와 맨홀 형상 변화에 따른 특성 분석을 위하여 수리실험을 실시하였다. Ahn et al. (2015)은 이중편파 레이더 강우자료와 격자기반 분포형 강우-유출 모형인 KIMSTORM (KIneMatic wave STOrm Runoff Model)을 이용하여 유출해석을 수행하고, 관측된 침수 자료와의 비교를 통해 레이더 강우자료의 효용성을 검토하였다. Lee et al. (2017)은 1D-2D 통합 도시홍수 해석 모형을 이용한 침수 원인 분석을 위하여 1차원 하수관망 2차원 범람 모형의 국내 적용성을 검토하고 과거 도시 홍수 사상의 침수 원인 분석을 수행하였다. Lee and Yoon (2017)은 격자기반 침수해석모델을 개발하여 강우 시나리오에 따른 침수 취약 지역 추정과 준실시간 침수 예측을 하였다. An et al. (2018)은 분할격자기법과 격자세분화기법을 동시에 활용하면 매우 적은 수의 격자로 복잡한 형상의 흐름영역을 표현할 수 있는 격자기반 2차원 침수해석모형 K-Flood를 개발하여 관측자료와 모의결과를 비교하여 적용성을 검증하였다. Kim et al. (2019)은 실무에서 하천기본계획 수립 시 활용되는 HEC-RAS 기반 1차원 침수위 모형 결과와 DEM을 기반으로 침수지도 작성의 복잡한 단계를 자동화시키고, 오픈소스인 QGIS와 연계할 수 있어 고비용의 ArcGIS에 기반하지 않는 OpenGIS 기반 홍수범람지도 생성 자동화 소프트웨어를 개발하여 빈도별 홍수사상에서 범람의 특성을 시범적으로 구현하고 분석하였다. Lee (2020)는 기후변화 취약성 분석 함수를 이용해 도시홍수에 대한 건축구조물의 취약성을 진단하는 방법을 제시하였다. Sun et al. (2021)은 XP-SWMM을 이용하여 연안 지역의 침수모의에 관한 매개변수의 민감도를 분석하고 적절한 적용 범위를 제시하였다. Kang et al. (2021)은 ANN 기반 도시침수 위험 기준 예측 모델을 개발하여 신속하면서도 정확도가 향상된 도시침수 예측 가능성을 제시하였다.

Chen et al. (2009)는 강우-유출 모형과 침수모형으로 구성된 GIS기반의 도시홍수 예측 모형 GUFIM을 개발하여 도시홍수 모의에 대한 적용성을 제시하였다. Chang et al. (2014)는 준실시간 도시홍수 모델링을 위하여 정적 인공신경망 1개와 동적 인공신경망 2개를 사용하여 도시홍수 예측 모형을 개발하였다. Kim et al. (2015)은 짧은 홍수 모의 소요 시간이 가능한 다공성 천수방정식 모델링을 이용하여 기존의 천수방정식을 이용한 홍수 모델링보다 넓은 범위의 홍수모의 가능성을 제시하였다. Bruwier et al. (2017)은 다공성의 천수방정식 기반의 홍수모형의 매개변수 결정을 위한 모델링 스케일을 고려하여 도시홍수 예측 개선 가능성을 제시하였다. Lee and Kim (2018)은 강우 자료 적용 용이성을 통해 현재 홍수 예측 기법의 단점을 극복할 수 있는 다차원 홍수 피해 분석 방법을 사용하여 홍수 피해 가능성을 기반으로 새로운 홍수 예측 기술이 개발하였다. Xie et al. (2021)은 침수 예측을 위하여 인공신경망 기반의 하이브리드 모델링 접근법을 개발하였다. Li et al. (2020)은 중국 광동성 지역을 대상으로 기후변화와 인간 활동이 홍수 취약성에 미치는 상대적인 영향을 정량적으로 평가하기 위하여 클라우드 모델을 제시하였다. Arabameri et al. (2020)은 이란의 Gorgan 유역을 대상으로 하이브리드 기계학습 앙상블 기법을 고려한 돌발홍수 민감성 모형을 평가하였다. Cheng et al. (2022)은 소규모 도시 유역에서의 돌발홍수 위험도 저감과 경보 운영을 위한 소유역 맞춤형 수리⋅수문 모형을 개발하여 적용성을 분석하였다. Li et al. (2022)은 도시지역의 홍수 예측을 위하여 1D-2D 연계 강우⋅유출모형을 적용한 다양한 재현기간 별 강우 시나리오에 대한 모의를 수행하였다.

본 연구에서는 전형적인 도시침수 예측 접근법인 SWMM과 Flo2D 같은 1D-2D 물리모형을 연계한 배수분구 별 침수모의에 기반한 침수 예측이 준실시간으로 적용되기 힘든 한계를 극복하기 위하여, 통합배수관망을 활용한 간략화된 물리 모형을 활용한 배수분구 단위의 침수예⋅경보 활용 가능성을 제시하였다. 개발된 모형은 배수분구 단위로 복잡하게 설치된 배수관망을 저류와 배수기능을 가진 하나의 통합배수관으로 치환하고, 통합배수관을 연결한 광역 배수관망 정보를 구축하였다. 구축된 통합배수관망과 배수분구의 DEM, 토지이용, 펌프장, 저류지 등 특성 정보를 활용한 준실시간 배수분구 침수 발생 예보의 적용성을 분석하였다.

2. 모형 개발

2.1 도시침수 판단 모형

Fig. 1은 통합배수관을 적용한 간략화된 도시침수예측 모형의 개념도와 모형의 흐름도를 나타낸다. 개발된 도시홍수 예측 모형은 도시 전역에 대하여 준실시간 침수 발생 여부를 판단하기 위하여 계산과정을 단순화하고 통합배수관과 연계된 배수분구 사이의 평균 경사에 대한 보정계수를 적용하여 배수분구 단위로 홍수 발생 여부를 판단⋅예측하는 모형이다. 대상지역인 서울지역의 입력 강우는 레이더 강우를 이용하였다. 통합배수관망 구축을 위하여 복잡한 배수관망의 길이, 단면 형태, 재질, 매설 깊이 등을 고려하여 하나의 통합배수관으로 치환하였으며 치환에 사용된 배수관망은 간선과 지선 정보를 사용하였다. 배수분구의 유역의 특성을 고려하고자 토지이용, DEM, 펌프장, 저류지 정보를 이용하여 통합배수관으로부터의 유출량과 해당 배수분구의 펌프장과 저류지 특성을 고려한 배수 능력을 산정하고 침수 여부를 판단하였다.

Fig. 1

Lumped Pipe Network Sample and the Flowchart of Urban Flood Forecast Model

2.2 통합 배수관 모형화

개발된 모델은 각 하부배수지의 배수망을 단순화하고 재교정하여 모의시간이 크게 단축하게 했으며, 주요 노드와 상호 작용 노드는 배수분구 침수 예측을 보다 현실적인 모의가 가능할 수 있도록 구축하였다. 개발된 도시홍수 모형 목적은 배수분구내의 전체 배수관망의 배수 작용에 대한 복잡한 물리 계산을 통해 매우 정확한 침수량을 얻는 것이 아니며, 배수분구 단위로 침수 발생 시 조기 예⋅경고를 위하여 필요 정보를 얻기 위하여 통합배수관망으로 치환된 배수분구의 배수 능력 상태 정보를 산정한다. 개발된 도시침수예측 모델은 배수분구 239개로 구성된 서울 지역에 적용하였다.

Fig. 2는 샘플 지역의 배수 관망을 나타내며 해당 배수분구 배수관망의 규격 정보를 통합하여 이송 및 저류 기능을 가진 단일관 형태의 단순화 과정을 위한 입력자료를 구축하였다.

Fig. 2

Urban Drainage Network Sample

실제 배수분구 단위로 흐르는 물의 방향은 배수관의 매설 깊이에 따라 인접한 여러 배수분구로 흐른다. 그러나 본 연구의 목적인 준실시간 홍수침수 예측을 위해서 단일 방향의 흐름으로 고려하고 배수관의 매설 깊이를 배수분구 단위로 평균하여 인접한 배수분구 중 최급경사를 가지는 배수분구 유역으로 흐른다고 가정하였다. 다음은 배수관망의 수치표고로 나타낸 것이다(Fig. 3). 도시유역에 설치된 배수관은 간선, 지선으로 분류되며 매우 많은 배수관들이 이어져 있는 복잡한 형태로 구축되어 있다. 따라서 하나의 배수분구 유역의 설치된 간선, 지선의 배수관의 단면형태, 단면적, 설치방법, 길이 등을 수집하여 배수분구별 배수관망 정보를 산정하여야 한다. 일반적으로 도시홍수 예측 모의 시 지선은 무시하고 모의를 하지만 본 연구에서는 단순화된 배수관로의 물리적인 특성에 가중계수를 주므로 간선, 지선의 정보 모두 사용하였다.

Fig. 3

Drainage Area DEM Sample

지하에 설치된 배수관로의 단면 형태는 주로 원형, 구형으로 구분되며 단일 관로 설치 또는 병렬 설치 등 다양한 형태로 존재한다. Table 1은 수집된 배수관로의 물리적 특성 샘플로 배수분구 번호는 배수관로가 설치된 해당 배수분구를 의미하며 관거의 길이, 시작 깊이, 끝 깊이, 평균 깊이 및 Ø 원형과 □ 구형 관거의 지름과 규격을 나타낸다. 수집된 배수관의 특성을 배수분구 단위의 통합배수관 정보로 변환하였다. 배수분구 단위로 통합된 가상 배수관의 평균 설치 고도를 이용하여 최급경사에 따라 흐르는 통합배수관망의 흐름방향 샘플은 Fig. 4와 같다.

Sample Pipe Specification

Fig. 4

Flow Direction Sample

배수분구내의 유출량을 산정하기 위하여 통합배수관의 단면 형태를 구형 단면으로 가정하였다. 배수관은 유출량에 따라 물이 가득 차 있는 압력에 의한 관수로 흐름과 자유수면을 가지는 개수로 흐름으로 나눌 수 있다. 통합배수관의 단면 형태를 유량 계산에 필요한 윤변과 동수반경 산정의 편의성을 위해 구형 단면으로 가정하였다. 유량 산정을 위한 방정식은 Manning 공식을 이용하였다.

(1)V=1nR2/3S1/2

여기서, n은 조도계수, R은 동수반경이며 S는 에너지 경사이다.

도시침수 발생 여부를 모의하기 위해서는 배수관을 통한 유출 모의가 중요하지만 유역내의 펌프장, 저류지 또한 도시침수 모의에 필수적으로 고려되어야 한다. 구축된 통합배수관을 이용하여 관로내 유출량을 산정하고 배수분구 내에 설치된 펌프장, 저류지 등 배수 및 저류 능력을 연계하여 발생 유출량의 배제 가능성을 판단하였다. Table 2는 배수분구 별 펌프장과 저류지 용량 샘플 정보를 나타낸다.

Pumping Station and Detention Pond Sample

2.3 ROC평가

모형의 정량적 통계검증을 위하여 서울시의 홍수 발생 여부 판단에 대한 ROC (Receiver Operating Characteristic) 분석을 수행하였다. Eq. (2)는 TPR, TNR, TNR, FPR ACC에 대한 수식을 나타낸다. True Positive는 모형과 실제 침수 발생이 일치, False Negative 실제는 침수가 발생했으나 예측에 실패, Flase Positive는 모형 결과는 침수 발생이나 실제는 침수가 발생하지 않음 및 True Negative는 모형과 관측이 모두 침수가 발생하지 않은 상황을 나타낸다. TPR (True Positive Rate)은 모형이 침수 예측할 때 실제 침수가 발생하는 비율을 나타내고, FPR (False Positive Rate)은 실제 침수가 발생하지 않았는데 모형이 침수를 예측할 경우의 비율이다. TPR이 y축이며 FPR이 x축인 ROC평면상에서 (0, 1)의 점이 Perfect Classification이며 Perfect Classification과 하며 평면상의 직선거리를 Perfect Classification Distance이다.

(2)Sensitivity,TPR=TPTP+FNSpecificity,TNR=TNTN+FPFNR=FNFN+TPFPR=FPFP+TNAccuracy,ACC=TP+TNTP+TN+FP+FN

3. 모형 적용 및 결과

통합배수관 도시침수 예측모형을 서울시 배수분구 단위의 침수 발생 여부를 판단⋅예측하기 위하여 적용하였다. 도시홍수 모형의 입력 강우는 수문학적 자료동화 모형과 동일한 레이더 강우를 이용하며 해상도 또한 250 m × 250 m로 수문모형과 동일하다. 준실시간 홍수예측 판단을 위하여 복잡한 배수관망의 길이, 단면 형태, 재질, 매설깊이 등을 고려하여 하나의 배수관으로 치환하였으며 치환에 사용된 배수관망은 간선, 지선 정보를 사용하였다. 배수분구의 유역의 특성을 고려하고자 토지이용, DEM, 펌프장, 저류지 정보를 이용하였다.

3.1 입력자료 구축

사회기반 인프라가 가장 많이 구축되어 있으며 인구 밀집과 정치, 경제적으로 중요한 서울시를 대상으로 준실시간 도시홍수 발생 예측 모형을 적용하였다. 서울시는 239개의 배수분구로 이루어져 있으며 Fig. 5는 서울시 배수분구의 현황을 보여준다. 서울시 유역의 배수분구의 흐름을 산정하기 위하여 구축한 한강(서울, 고양) 유역의 DEM 정보를 이용하여 서울시 유역의 250 m × 250 m 해상도의 DEM 정보를 구축하였다. 구축된 서울시의 평균고도는 약 67 m이며 최고표고는 756 m이다. Fig. 6은 구축된 서울시 DEM 정보를 이용하여 배수분구별 DEM 자료로 산정한 평균 표고를 나타낸다.

Fig. 5

Urban Basins at Seoul

Fig. 6

Average Elevation of Urban Basins

배수분구별 평균고도와 배수관 평균 매설 깊이를 이용하여 배수분구의 흐름을 분석하였으며, 배수분구별로 통합배수관망의 흐름방향은 Fig. 7과 같다. 배수분구 내에 지류 또는 본류가 존재하면 우선적으로 하천으로 유출되는 것으로 가정하였다.

Fig. 7

Steepest Flow Directions

Fig. 8은 서울시 배수분구의 펌프장 용량, 저류지의 유무와 용량 자료를 수집하여 산정한 배수분구별 총 펌프장 용량과 저류지 용량을 나타낸다.

Fig. 8

Pump Capacity and Detention Pond Capacity

Fig. 9는 유역의 기초적인 지형공간 정보 구축을 위하여 유역의 토지이용, 불투수면적비를 나타낸다.

Fig. 9

Land Use, Impervious Area Ratio, Areal Average Roughness Coefficient

3.2 배수분구 단위의 통합배수관 구축

서울시는 239개의 배수분구로 이루어져 있으며 배수관을 통하여 하천으로 직접 유출이 가능한 유역도 있지만 인접 배수분구로 배수관을 통하여 유출되는 배수분구 또한 존재한다. 배수분구 단위로 배수관망을 하나의 통합된 가상의 배수관을 산정하기 위하여 배수분구 서울시 배수관망 정보를 수집하였으며, 수집된 관망의 간선, 지선의 길이, 단면형태, 단면치수 등 도시홍수 모의를 위한 정보를 구축하였다. Fig. 10은 서울시 배수관망을 나타낸다. 구축한 배수관망의 정보를 이용하여 배수분구 유역 단위로 배수관을 분리하여 배수분구별 배수관의 정보를 구축하고 하나의 통합된 배수관을 구축하기 위하여 각 배수관의 길이, 단면치수, 단면형태(원형, 구형), 설치형태(단일, 병렬) 등 배수관의 특성을 구축하였다. Table 3은 통합배수관 산정을 위한 샘플 배수분구 내의 배수관들의 특성이다.

Fig. 10

Urban Drainage Pipe Networks

Sample Pipe Characteristics to generate Lumped Pipe

배수분구별 통합배수관의 길이는 산정한 배수관의 부피를 유역의 면적으로 나눠줌으로써 산정하였다. 준실시간 홍수 예측을 위한 빠른 계산시간을 확보하기 위하여 통합배수관을 구축하여 통합배수관의 부피를 산정하였으나 통합배수관의 길이는 모든 배수관의 길이를 단순 합산하면 배수분구 유역의 크기 대비 과대한 길이로 산정된다. 이는 현실적인 물리거동을 반영하기 못하므로 배수분구 단위의 홍수 발생 여부를 판단하기에 한계가 있다. 따라서 통합배수관의 길이를 산정하기 위한 방법이 필요하며 통합배수관의 길이는 통합배수관 경사에 영향을 미치므로 통합배수관 경사 산정에 대한 방법도 필요하다.

본 연구에서는 통합배수관의 길이 산정과 경사 산정을 위하여 물리적으로 유의미한 치환될 수 있는 수문인자를 선정하여 각 인자들의 조합을 통한 배수분구별 홍수 예측을 수행하였다. 각 인자들의 조합에 따른 홍수 예측 모형의 결과를 분석하여 통합배수관의 길이 및 경사를 산정하였다.

통합배수관의 길이 산정을 위하여 통합배수관실제길이, 유역면적, 배수분구간 중심거리를 사용하여 홍수 예측 모의를 수행하였으며 통합배수관 경사 산정을 위하여 배수분구 유역의 평균수치표고를 이용하였다. 통합배수관으로의 치환 전 배수관의 전처리 과정를 통하여 실제 배수관망의 부피가 0 m3에 근접한 배수분구 지역을 보정 하였다. 전처리 과정은 가중계수를 적용하지 않고 모의한 결과를 이용하여 홍수가 발생하지 않는 최소한의 기준 보정값을 산정 후 평균 유멱면적/배수관부피 비를 곱해줌으로서 통합배수관의 부피를 산정하였다(Fig. 11). 배수분구별 통합배수관 부피, 통합배수관의 경사, 통합배수관의 길이, 전처리 후 통합배수관의 부피, 조도계수, 유출계수를 산정하였다.

Fig. 11

Lumped Pipe Length, Volume, and Averaged Pipe Slope

3.3 실제 홍수사상에의 적용

서울시 유역에 배수분구 단위로 도시홍수 발생 예측 모형의 실제 호우사상에 대한 모의를 위하여 NDMS 자료와 신문과 인터넷 기사 등 미디어 매체를 통하여 과거 서울시에서 발생한 침수사례를 조사⋅수집하였다. 1-2일의 호우 사상에서 침수가 발생한 사례가 적합하며 비교적 뉴스와 기사에서 침수사례가 많이 공개되었던 2018년 8월 28일에서 2018년 8월 29일까지의 침수홍수 사례를 이용하여 검⋅보정 하였다. 해당 기간의 여러 매체에서 소개된 침수사례는 Fig. 12와 같다.

Fig. 12

Investigated Urban Inundation Locations (2018.08.28.-29)

대상 기간에 대한 강우 입력자료는 합성 강우 레이더 자료를 사용하였으며 유역의 10분 단위 250 m × 250 m 강우 자료를 적용하였다. 구축한 강우 자료를 이용하여 본 연구에서 개발한 도시홍수 발생 모의 결과는 Fig. 13과 같다. 약 2일간의 침수 모의에 소요된 시간은 30초 내외로 1분 미만의 계산이 필요하였으며 ROC 분석에 관한 결과는 Table 4에 제시한 바와 같다.

Fig. 13

Comparison between Simulated and Observed Flooded Locations

ROC Analysis Results

3.4 홍수예측 모형의 적합성 평가

ROC분석 결과 Perfect Classification Distance는 약 0.35로 나타났다. TPR은 0.89로 실제 침수 발생에 대한 예측 정확도에서 우수한 결과를 보여줬으나 FPR이 약 0.33으로 침수 발생의 오경보의 가능성도 상당히 존재함을 보여주었다. 대상 기간에 대한 서울시 침수 발생 여부 판단 모형의 예측 결과에 대한 ROC 정확도는 약 0.71로 개선의 여지가 많음을 보여주었다.

일반적으로 실제 홍수 사례가 행정동 중심으로 기록⋅보관되는 경우가 많다. 본 연구에서 검증에 사용된 홍수 사례 또한 행정동 기준으로 홍수에 대한 유무가 기록되어 있어 배수분구 단위로 홍수 발생을 예측하는 모형의 결과와 행정동 단위의 실제 홍수 발생을 이용하여 모형의 적합성을 정확하게 평가하기에 한계가 있다. 그러므로 보다 많은 사례를 통한 추가적인 검⋅보정을 통하여 모형의 적용성을 높이는 과정이 필요하고, 본 모형 사용에 있어 해당 배수분구의 침수 발생가능성을 제공하지만 배수분구내 정확한 세부 지역을 특정하지 못하는 한계가 있다. 과거보다 도시침수 관측의 중요성에 대한 인식이 높아지고 관측장비의 발전으로 과거보다 정확하고 대표성을 가지는 도시침수 정보 수집을 위한 노력이 지자체별로 이루어지고 있으나 도시침수에 대한 상세한 기록과 정보 접근에 대한 환경은 개선이 필요한 실정이다.

4. 결 론

본 연구에서는 도시방재성능 목표 기준을 초과하는 이상기상으로 인해 과거 예측하지 못한 도시 수재해 발생 빈도가 증가함에 따라 준실시간 도시홍수 예측을 위한 모형을 개발하였다. 배수분구들이 연계된 서울과 같은 대도시 적용을 위하여 통합배수관망 개념을 적용한 배수분구 별 도시침수 발생 여부 판단 모형을 개발하고 서울 지역에 모형의 적합성을 평가하였다. 본 연구에서 도출된 결론은 다음과 같이 요약할 수 있다.

배수분구 내에 존재하는 복잡한 배수관망을 하나의 통합배수관으로 구축하여 인접한 배수분구 사이의 통합배수관망 체계에 따른 유출 작용을 반영하고 배수분구 내의 저류지, 펌프장 용량 등 배수분구의 저류 및 유출 특성을 고려하는 도시침수 예측모형을 개발하였다.

서울시 239개 배수분구의 관망자료, 지형자료를 사용하여 배수분구 별 통합배수관 부피, 경사, 길이, 조도계수를 산정하였다. 산정된 통합배수관의 부피, 경사, 길이, 조도계수는 배수분구 별 평균 경사, 원 배수관망의 유출경로를 모두 반영하기에는 짧은 통합배수관 길이, 평균 조도계수로 구성되므로 침수발생 신고 사례와 연계하여 모형 인자별 가중계수를 산정하였으며 가중계수의 범위는 0.97-2이다.

2018년 8월 호우 발생 시 서울지역의 침수사례에 대하여 적용하고, ROC 분석을 실시한 결과 TPR은 0.89로 현실에서 발생하는 침수의 예측 정확도에서 우수한 결과를 보였으나 FPR 또한 약 0.33으로 침수 발생을 과대하게 예측하는 경향을 보였다. ROC 정확도는 약 0.71을 보여 활용 가능성과 함께 개선의 여지가 존재한다. 검증에 사용된 홍수 사례의 수가 적고 행정동 기준으로 기록되어 있어 모형의 검⋅보정과 평가에 한계가 있으므로 추후 가용한 홍수 사례 자료가 증가와 추가적인 검⋅보정 및 평가를 통해 도시침수 예측 모형의 성능이 개선될 것으로 판단된다.

본 연구에서 개발한 도시홍수 발생 판단 모형 개발의 목적은 이상기상으로 인한 돌발적인 도시침수재해로부터 조기 예⋅경보 시스템 구축에 활용하고자 함이다. 본 연구에서 개발한 모형은 물리적 기반의 모형이면서 모의 시간이 상당히 개선되어 준실시간 도시침수 예⋅경보 체계 구축에 활용할 수 있을 것으로 판단되며, 추후 배수관의 경사, 조도계수, 배수관 부피 등 모형의 민감도 분석과 실제 거동을 더 잘 반영할 수 있는 자료동화기법 및 가중계수 산정에 대한 추가적인 연구와 다양한 도시침수 사례를 적용한 모형의 검⋅보정을 통하여 도시유역의 침수 예⋅경보와 수재해 저감을 위한 대책 및 전략 수립에 활용될 것으로 기대된다.

감사의 글

이 논문은 행정안전부 기후변화대응 AI기반 풍수해 위험도 예측기술개발사업의 지원을 받아 수행된 연구임(2022- MOIS61-002).

References

1. Ahn S.R, Jung C.G, Kim S.J. 2015;A study on the effectiveness of radar rainfall by comparing with flood inundation record map using KIMSTORM (Grid-based KIneMatic Wave STOrm Runoff Model). Journal of Korea Water Resources Association 48(11):925–936.
2. An H.U, Jeong A.C, Kim Y.S, Noh J.S. 2018;Development of 2D inundation model based on adaptive cut cell mesh (K-Flood). Journal of Korea Water Resources Association 51(10):853–862.
3. Arabameri A, Saha S, Chen W, Roy J, Pradhan B, Bui D.T. 2020;Flash flood susceptibility modeling using functional tree and hybrid ensemble techniques. Journal of Hydrology 587:1–15.
4. Bruwier M, Archambeau P, Erpicum S, Pirotton M, Dewals B. 2017;Shallow-water models with anisotropic porosity and merging for flood modeling on Cartesian grids. Journal of Hydrology 554:693–709.
5. Chang F.J, Chen P.A, Lu Y.R, Huang E, Chang K.Y. 2014;Real-time multi-step-ahead water level forecasting by recurrent neural networks for urban flood control. Journal of Hydrology 517:836–846.
6. Chen J, Hill A.A, Urbano L.D. 2009;A GIS-based model for urban flood inundation. Journal of Hydrology 373:184–192.
7. Cheng Z.Y, Georgakakos K.P, Spencer C.R, Banks R. 2022;Numerical modeling of flash flood risk mitigation and operational warning in urban areas. Water 14:2494.
8. Han K.Y, Cho W.H, Lee K.T, Lee C.H. 2007;Application and evaluation of numerical modeling for urban flood inundation analysis. 2007 Conference of Korea Water Resources Association :1337–1341.
9. Kang H.S, Cho J.W, Lee H.S, Hwang J.G, Moon H.J. 2021;Development of an ANN-based urban flood alert criteria prediction model and the impact of training data augmentation. Journal of Korean Soc. Hazard Mitigation 21(6):257–264.
10. Kim B, Sanders B.F, Famiglietti J.S, Guinot V. 2015;Urban flood modeling with porous shallow-water equations:A case study of model errors in the presence of anisotropic porosity. Journal of Hydrology 523:680–692.
11. Kim K.D, Kim T.E, Kim D.S, Yang S.K. 2019;An automated open GIS-based tool development for flood inundation mapping and its applications in Jeju Hancheon. Journal of the Korean Society of Civil Engineers 39(6):691–702.
12. Lee B.J, Yoon S.S. 2017;Development of grid based inundation analysis model (GIAM). Journal of Korea Water Resources Association 50(3):181–190.
13. Lee C.H, Han K.Y, Noh J.W. 2006;Development of urban inundation analysis model using dual-drainage concept. Journal of the Korean Society of Civil Engineers 26(4B):379–387.
14. Lee E.H, Kim J.H. 2018;Development of a flood- damage-based flood forecasting technique. Journal of Hydrology 563:181–194.
15. Lee E.S. 2020;Development of a vulnerability diagnosis model for urban surface water floods using building big data. Climate Change Research 11(1):65–75.
16. Lee S.S, Noh S.J, Jang C.H, Rhee D.S. 2017;Simulation and analysis of urban inundation using the integrated 1D-2D urban flood model. Journal of Korea Water Resources Association 50(4):263–275.
17. Lee W, Kim J.S, Yoon S. 2015;Inundation analysis in urban area considering of head loss coefficients at surcharged manholes. Journal of Korea Water Resources Association 48(2):127–136.
18. Li G, Zhao H.D, Liu C.S, Wang J.F, Yang F. 2022;City flood disaster scenario simulation based on 1D-2D coupled rain-flood model. Water 14:3548.
19. Li S, Wang Z, Lai C, Lin G. 2020;Quantitative assessment of the relative impacts of climate change and human activity on flood susceptibility based on a cloud model. Journal of Hydrology 588:1–14.
20. Sun D.K, Kang T.U, Lee S.H. 2021;Sensitivity analysis and coverage review of the parameters for inundation simulations of coastal areas using XP-SWMM. Journal of Korean Soc Hazard Mitigation 21(5):59–68.
21. Xie S, Wu W, Mooser S, Wang Q.J, Nathan R, Huang Y. 2021;Artificial neural network based hybrid modeling approach for flood inundation modeling. Journal of Hydrology 592:1–14.
22. Yoon S.B, Lee J.H, Kim G.H, Son J.H. 2014;Development of storm sewer numerical model for simulation of coastal urban inundation due to storm surge and rainfall. Journal of Korean Society of Coastal and Ocean Engineers 26(5):292–299.

Article information Continued

Fig. 1

Lumped Pipe Network Sample and the Flowchart of Urban Flood Forecast Model

Fig. 2

Urban Drainage Network Sample

Fig. 3

Drainage Area DEM Sample

Table 1

Sample Pipe Specification

Pipe ID Basin No. Length (m) Start Depth (m) End Depth (m) Pipe Size
1 136 40.7 0.75 1.30 Ø450
2 179 27.6 0.74 0.54 Ø450
3 181 52.7 0.73 1.16 Ø600
4 194 10.2 0.87 1.09 Ø450
5 211 27.9 0.83 0.70 Ø600
6 149 51.7 0.92 1.36 Ø600
7 180 16.2 0.80 1.21 Ø450
8 164 37.2 1.12 1.55 Ø600
9 219 73.7 0.42 1.03 Ø450
10 196 41.9 1.08 0.75 Ø1000
11 194 41.1 2.08 1.95 Ø600
12 142 18.9 0.73 0.90 Ø700
13 179 40.9 2.04 1.80 Ø600
14 143 28.0 3.09 6.07 □2.5 × 2
15 205 300.0 0.37 1.29 □1.2 × 1.2
16 157 109.3 1.46 1.42 □1.7 × 1.7
17 161 34.6 0.30 0.86 Ø600
18 187 115.4 2.35 3.94 □2.5 × 1.5
19 187 29.6 0.82 0.77 Ø600
20 149 38.3 0.63 0.30 Ø800
21 196 45.4 0.80 0.92 Ø600
22 198 2.6 1.39 1.34 Ø300
23 165 49.7 1.17 0.82 Ø600

Fig. 4

Flow Direction Sample

Table 2

Pumping Station and Detention Pond Sample

Location Capacity (m3) Discharge (m3/min) Basin No.
Youngsan 121,000 460 141
Duksum 180,000 3,050 118
Jayang 50,000 2,800 105
Huikung 31,800 2,970 36
Myunmok 95,000 2,060 45
Sukgwan - 485 36
Songchun - 246 35
Kongrung - 592 24
Jungsan - 351 56
Mangwon1 162,000 3,385 95
Mokdong 213,000 12,315 129
Kayang 90,000 5,990 77
Guro1 29,100 1,610 169
Sihyung 15,200 1,410 224
Yangpyung1 115,000 4,080 146
Huksuk 20,000 840 166

Fig. 5

Urban Basins at Seoul

Fig. 6

Average Elevation of Urban Basins

Fig. 7

Steepest Flow Directions

Fig. 8

Pump Capacity and Detention Pond Capacity

Fig. 9

Land Use, Impervious Area Ratio, Areal Average Roughness Coefficient

Fig. 10

Urban Drainage Pipe Networks

Table 3

Sample Pipe Characteristics to generate Lumped Pipe

Basin No. # of Pipes Total L (m) Avg. Depth (m)
161 1518 53,041.0 0.911
Volume (m3) Slope Manning’s n
48841 0.0560 0.012

Fig. 11

Lumped Pipe Length, Volume, and Averaged Pipe Slope

Fig. 12

Investigated Urban Inundation Locations (2018.08.28.-29)

Fig. 13

Comparison between Simulated and Observed Flooded Locations

Table 4

ROC Analysis Results

TPR FPR FNR
0.89 0.33 0.11
TNR ACC Perf. C. Distance
0.67 0.71 0.35