최근 이상 기후로 인한 게릴라성 호우, 집중 호우, 국지성 호우 등 예측 불가한 호우로 인해 홍수피해가 다수 발생하고 있다. 특히, 도시 지역의 경제 발전과 인구 증가로 인하여 급격한 도시화와 산업화가 진행됨에 따라 투수지역인 농지, 산림 등의 지역은 감소하고, 불투수지역인 도로, 건물 등이 증가하여 유역의 출구점까지의 도달 시간이 단축되고 첨두 유량이 증가 등 홍수에 취약해지고 있다. 그러므로 기후 변화에 관한 정부간협의체(Intergovernmental Panel on Climate Change, IPCC)는 기후 변화에 따른 피해가 지속적으로 증가할 것 이라 예측하고 있다. 이를 위해 홍수 저감을 위한 연구는 지속적으로 많이 진행되고 있지만, 도심지의 홍수 피해를 예측하기 위해서는 불투수지역의 증가로 인해 감소된 도달시간 등 홍수 피해 취약 지역에 대한 연구가 필요하다. 이런 저지대 도시침수 피해 등 침수 취약 지역 등의 정확한 분석을 위해서는 공간적 강우분석을 필요로 하고 있다. 이러한 강우의 시⋅공간적 요소가 수자원에 미치는 영향을 평가하고자 Ahn et al. (2001)은 AWS의 자료를 사용하여 서울 지역 강수의 공간분포를 규명하고자 연구를 진행 하였으며, Moon et al. (2015)은 기상청에서 생산되는 격자 단위 강수 재분석 자료를 이용하여 2006~2013년에 대해 유역의 수문순환 특성 규명을 위한 분석을 실시하여 강수분석 및 유출분석을 수행하였다. 또한 Kim et al. (2005)은 1961년부터 2003년까지의 서울, 서울 근교 4개 도시에서의 강우자료를 이용하여 서울의 강우의 시⋅공간 적인 특성 분석을 통해 도시화가 강우에 미치는 영향을 조사한 바가 있다. Park et al. (2015)은 서울시 관내의 30개 AWS 관측소를 대상으로 강우자료를 수집한 하여 월별 및 호우발생의 특성에 따라 분석에 이용 하였으며 혼합분포를 이용하여 강우를 모형화 하였고 강우의 공간상관함수를 유도하였으며 대상 관측망의 영향범위를 산정하여 강우관측망의 공간적 특성을 고려한 연구를 하였다. Yoon et al. (2014)은 도시침수 예측을 하여 이류모델로 예측된 레이더 강우장을 이용하여 유역평균강우량을 산정 하였으며 유출모형의 입력으로 활용한 연구 결과가 있다. Lee and Jung (1991)은 한강유역의 무강우 시간에 의해 분리된 독립호우들을 분석하여 강우의 시⋅공간 적 특성을 조사 분석하여 독립호우의 선정 기준을 제시하였다. 해외에서는 Rodríguez-Iturbe and Mejía (1974)가 점강우량을 면적강우량으로 변환하기 위한 연구를 진행하여 특정 지역의 총 평균 강우량을 추정을 위한 방법론을 제시하기도 하였다. Ciach and Krajewski (2006)는 미국의 오클라호마 주의 소규모의 강우에 대한 공간 상관 구조 분석 및 모델링을 실시하였다.

이와 같이 정확한 강우의 시공간적인 분포를 추정하기 위한 연구가 활발히 진행되었으며, 이는 유역의 유출과 밀접하게 관련되어 있기 때문이다. 그러나 기상청의 지상기상관측망에 대한 설명에 의하면, 기상청에서는 서울기상관측소를 비롯한 전국 96개소의 종관기상관측장비(ASOS)와 494개소의 방재기상관측장비(AWS)를 이용하여 지상기상관측업무를 수행하고 있다(http://www.kma.go.kr/aboutkma/biz/observation02.jsp). ASOS는 지방청, 지청, 기상대, 관측소 등에 설치되어 기상현상 관측 및 국제전문을 통한 자료 공유 등의 관측업무를 수행하며, AWS는 산악지역이나 섬처럼 사람이 관측하기 어려운 곳에 설치하여 집중호우, 우박, 뇌우, 돌풍 등과 같은 국지적인 위험기상 현상을 실시간으로 감시하고 있으며, 지상기상관측망을 통해 수집된 기상관측자료는 수치예보 모델의 초기 입력 자료로 유용하게 사용된다. 자동기상관측장비의 관측자료 수집주기는 1분이며, 각 유형별 관측 조밀도는 ASOS가 설치된 유인 기상관서는 약 67 km이며, AWS를 포함하면 약 13 km의 조밀도를 가진다. 또한, AWS는 기온, 풍향, 풍속, 강수량, 강수유무를 기본 관측요소로 하며, AWS 중 동네예보 편집지점에는 기압과 습도를 선택하여 관측하고 있다. ASOS는 AWS 관측요소에 일조, 일사, 초상온도, 지면온도, 지중온도 등의 요소를 추가로 관측하고 있다.

이와 같이 ASOS와 AWS는 관측장비의 설치 목적과 특성이 다르므로 유출 분석에 사용하기 위해서는 자료의 특성을 고려한 분석이 필요하다. 본 연구에서는 기존 IETD 결정 방법(Lee and Chung, 2017)을 적용하여 서울 지역의 강우사상을 분리한 후, 서울 용답빗물펌프장의 유출량을 ASOS와 AWS 자료의 강우자료를 이용하여 계산하였다. 종관기상관측장비로는 서울 ASOS 강우자료와 방재기상관측장비로는 서울 성동 AWS 강우자료를 사용하였으며, 동일한 기간의 강우 자료를 선정하여 EPA-SWMM 모형을 통해 유출 분석을 실시하여 실측값과 비교분석 하였다.

최근 이상기후와 급속한 도시화로 인하여 불투수면적비율이 증가하고 있다. 그렇기에 내수침수 피해가 급증 하고 있으며 이로 인하여 재산피해와 인명피해가 증가하고 있다. 이러한 문제들로 인하여 지속적인 연구가 진행되어 왔다. 하지만 서울지역의 이상기후로 인한 내수 침수 피해 관련 연구에 사용되는 강우자료는 ASOS를 많이 사용 하고 있다. 이는 서울시의 시⋅공간적 특성을 고려하지 않아 불확실성이 존재한다. 본 연구에서는 시⋅공간적인의 특성을 고려하기 위해 서울시에서 제공하는 ASOS와 AWS 강우사상을 사용하여 유출 분석을 실시하였으며, 본 연구의 적용대상유역은 많은 도시화로 인한 대표적인 상업도시인 용답 빗물펌프장 유역을 선택하였다. 연구에 사용된 AWS와 ASOS의 강우자료를 무강우시간 분석을 실시하여 서울시에서 제공하는 강우자료보다 확실한 강우사상을 구축하였다. 본 연구에서 두 개의 강우사상만을 비교해보았을 때 AWS는 1분 단위의 계측 시간을 가지고 있었지만 ASOS는 1분 누적 강우량을 나타내어 세밀한 계측 시간 간격을 가지고 있는 AWS 강우자료가 ASOS의 강우자료보다 첨두 강우강도가 더 높게 나타났다. 시⋅공간적 특성을 보다 확실하게 확인하기 위해 본 연구에서는 기존에 많이 사용하였던 유입량을 목적함수로 하여 실측 유입량을 추정하였으며 두 개의 강우자료의 유입량을 비교 분석 하였으며 실측 유입량과 두 개의 강우사상을 그래프로 나타내었을 때 ASOS 유입량 모의값이 AWS의 유입량 모의값 보다 실측값과의 오차가 큰 것을 볼 수 있었다. 또한 적용 타당성을 비교하기 위하여 많은 곳에 사용되는 통계분석인 RMSE와 NSE를 선택 하였다. 통계분석에서 최종적으로 ASOS는 각각 0.344와 0.849 가 나왔으며 AWS는 각각 0.302와 0.908으로 나타났다. 유입량은 실제 펌프 가동기록에 의해 추정하였기 때문에 오차가 생겼다고 고려한다면 비교적 합리적인 오차범위 내의 값을 나타났지만 AWS의 강우자료가 ASOS 보다 RMSE는 0에 가까운 값을 나타내었으며 NSE는 1에 더 가까운 결과가 나왔다. 본 연구에서 같은 서울 지역이지만 시⋅공간적 특성에 따라 유출해석이 달라지는 것을 알 수 있었으며, 시⋅공간적 특성을 고려한다면 서울지역의 설계강우량 산정에 도움이 될 것이라 판단된다.