1. 서 론
최근 극한 가뭄 및 홍수와 같은 이상기후 현상이 빈번하게 관측되고 있다(Seneviratne et al., 2012; Christidis et al., 2015; Fischer and Knutti, 2015). 2018년 7월 일본 서부지역에 발생한 홍수는 대표적인 최근 극한 홍수 사례로서, 전례 없는 극한 호우사상으로 인해 극한 홍수를 경험한 사례이다. 이 호우사상으로 인해 일본 서부지역에서는 산사태로 225명이 사망하고 15개 현에서 수백만 명이 대피하는 인명피해 겪었다(Hirota et al., 2018; Bandaru et al., 2020). 2018년 7월 호우사상은 1982년 7월 호우사상 이후 일본에서 처음으로 200명 이상의 사망자를 낸 호우사상이다(Ogura et al., 1985). 일본 기상청(Japan Meteorological Agency, JMA)의 분석에 따르면, 이러한 강우 현상의 대부분은 Line-shaped 강수 시스템에서 시작되었으며 장마전선(Baiu front)과 태풍 Prapiroon (T1807)이 2018년 호우사상의 규모를 증가시켰다고 보고했다. 결국, 2018년 서일본 호우사상은 장기간 동안 비정상적으로 지속되어 서일본에서 전례 없는 호우의 규모와 피해를 야기했다(Tsuguti et al., 2019; Shimpo et al., 2019). 서일본 지역 중 히로시마는 2018년 서일본 호우사상으로부터 가장 큰 피해를 입었다. 히로시마 지역은 낮은 고도에서 엄청난 양의 수증기가 발생 되었고 지속적인 공기 유입으로 인하여 장기간에 걸쳐 지속적인 호우를 경험하였다. 이 호우는 히로시마 지역에서 지속시간 1시간 최대강우량은 44 mm, 6시간 최대강우량은 133 mm, 12시간 최대강우량은 191 mm, 24시간 최대강우량은 313 mm, 48시간 최대강우량은 407 mm, 72시간 최대강우량은 444 mm를 기록했으며, 24시간, 48시간, 72시간의 지속기간을 기준으로 이 호우는 역사적으로 전례 없는 강우량을 기록했다.
이에 따라, 역사적으로 전례 없는 강우 사상들의 규모를 재현기간으로 추정하고 수공구조물의 안정성과 위험도에 대한 완화 방안을 재고하는 것이 더욱 중요해졌다(Alam and Elshorbagy, 2015; Hwang et al., 2018; Kumar et al., 2021). 이는 장기간 재현기간을 나타내는 높은 규모의 강우량은 수공구조물을 설계하기 위해 설계강우량으로서 적용되기 때문이다. 만약 미래에 극한 호우사상의 발생빈도가 증가한다면, 기존에 적용된 설계강우량의 재현기간은 미래에 점점 짧아져 수공구조물의 실패 위험도를 증가시킬 것이다(Nissen and Ulbrich, 2017; Elshorbagy et al., 2018; Noor et al., 2018; Kumar et al., 2021). 따라서, 기존에 발생한 극한 호우사상과 미래에 발생할지도 모르는 극한 호우사상에 대한 정확한 이해와 평가를 실시한다면 안전하고 합리적인 재난 완화 계획 및 수공 구조물의 설계를 준비할 수 있다.
최근에 일본은 극한 규모의 호우사상을 생성하고 역사적으로 전례 없는 강우 사상들을 평가하기 위해서 일본의 기상연구소(Meteorological Research Institute, MRI)는 대규모 기후 앙상블 모의실험을 수행하였다. 이 실험을 통해 전 지구적 모델(General Circulation Model, GCM)을 이용하여 지금까지 없었던 다수의 앙상블 실험을 수행하였고 이 실험 결과를 토대로 “미래 기후변화에 관한 정책결정을 위한 데이터베이스인 d4PDF (Database for Policy Decision-Making for Future Climate Change)”를 구축하였다(Mizuta et al., 2017). 구축된 d4PDF는 역사적 기후 실험(현재 기후조건), 비 온난화 실험, RCP 8.5시나리오에 따른 4 ℃ 온도 상승 실험(미래 기후조건)을 통해 세가지 형태의 자료로 구성되었으며, 실험 조건에 관련한 자세한 내용은 2장에 서술하였다.
세가지 형태의 자료는 모두 다수의 앙상블 자료로 제공되어 진다. 현재 기후조건 자료는 50개 앙상블로 하나의 앙상블은 1951년부터 2010년까지 기간을 포함하여 제공되고 미래 기후조건 자료는 90개 앙상블로 하나의 앙상블은 2051년부터 2110년까지 기간을 포함하여 제공된다. 이에 따라, d4PDF는 현재 기후조건에서 3,000년 동안, 미래 기후조건에서 5,400년 동안의 기상 및 기후자료를 제공한다(Mizuta et al., 2017; Ishii and Mori, 2020). 따라서 대규모 강우자료의 표본을 이용함으로써 확률밀도함수(Probability density function)와 같은 통계적 해석방법 없이 다수의 강우자료를 확률적으로 나열하여 비모수적으로 낮은 확률을 갖고 극치에 해당하는 극한 규모의 강우량을 추정할 수 있다. 이와 같이, 대규모 기후 앙상블 모의로 생성된 d4PDF 자료는 관측자료만으로 극한 호우사상이 적어 조사할 수 없었던 저빈도 고강도의 호우사상의 검토를 가능하게 한다(Mizuta et al., 2017). 게다가, d4PDF 자료는 대규모 앙상블로 구성되어 있어 GCM 모의 자료로부터 발생하는 불확실성을 최대한 줄여 기후변화에 따른 기후의 특성 변화를 고려하는 것이 가능하다(Duan et al., 2019; Ishii and Mori, 2020).
최근 몇몇 연구들은 발생 확률이 낮은 극한 홍수와 가뭄 현상들에 대해서 위험도를 평가하기 위해 d4PDF 데이터베이스를 적용했다. Yang et al. (2018)은 d4PDF의 장기간 기상자료를 태풍으로부터 생성된 폭풍 해일의 장기간 영향을 평가했다. 또한 낮은 빈도의 극한 규모의 폭풍 해일을 분석하였다. Tanaka et al. (2021)은 d4PDF의 3,000개의 연 최대 강우량 들을 이용하여 일본의 109개의 유역에 대해서 홍수 위험도를 분석했다. 또 다른 연구로 Tanaka et al. (2020)은 d4PDF 자료를 이용해 3,000년의 재현기간까지 표현할 수 있는 강우의 확률분포를 생성하여 각 초과 확률강우량에 따른 홍수피해 면적을 분석해 보았다. 이외에도, 관측 기상자료를 이용하에 따라 저빈도 및 고강도를 나타내는 극한 기상현상을 표현할 때 발생하는 불확실성을 극복함으로써 d4PDF 자료는 극한 규모의 기상현상 분석에 광범위하게 활용되었다(Kay et al., 2015; Döll et al., 2018; Faye et al., 2018; Lavender et al., 2018; Yang et al., 2018; Ishii and Mori, 2020; Mori et al., 2019). 결과적으로, 관측자료는 작은 표본크기로 인해 매우 낮은 확률 또는 매우 긴 재현기간을 표현하기에는 불확실성이 크지만, d4PDF 자료는 표본 부족 문제를 해결할 수 있기 때문에 효과적인 홍수 위험도 및 극한 규모의 기상 현상 분석을 위해 널리 활용될 수 있었다.
본 연구는 극한 호우사상의 규모를 평가에 대규모 기후 앙상블 모의자료 기반의 d4PDF를 적용하는 것을 목표로 한다. 본 연구의 수행을 위해서 실제 극한 호우사상이 필요하기 때문에 우리는 2018년 7월에 히로시마에서 발생한 극한 호우사상을 이용했다. 이에 따라, 본 연구의 절차는 다음과 같다.
(1) 1984년부터 2017년까지 발생한 각 지속시간(12, 24, 48, 72시간)에 따른 매년 최대 강우량을 산정한 후 2018년 극한 호우사상과 비교 분석을 실시한다. 이 분석은 히로시마에서 발생한 호우사상이 얼마나 전례 없는 사상이었는지 분석하기 위함이다.
(2) 1984년부터 2017년까지의 히로시마지역에서 발생한 연 최대 강우량과 확률밀도함수(Probability density function)를 이용하여 장기간 재현기간을 갖는 강우량을 산정한다. 2018년 히로시마 호우사상을 각 재현기간 강우량과 비교하여 어느 정도의 재현기간을 갖는지 분석해 본다.
(3) d4PDF 자료를 이용하여 확률강우량을 산정한다. 이 산정 절차에서는 어떤 확률밀도함수와 같은 통계적 해석방법이 사용되지 않으며, 오직 d4PDF 자료에서부터 추출된 연 최대 강우량만을 이용한다. 산정된 재현기간 강우량은 절차 (2)에서 제시된 통계학적으로 산정된 재현기간 강우량과 비교된다. 또한, 2018년 7월 발생한 호우사상과 d4PDF 자료를 통해 산정된 확률강우량과 비교 및 평가를 수행한다.
(4) 미래 기후조건의 d4PDF 자료를 이용해 미래의 확률강우량을 산정하여, 히로시마의 현재 기후조건 대비 미래 기후조건에서의 확률강우량의 변화를 확인한다. 또한, 미래 기후조건에서 산정된 확률강우량과 2018년 호우사상의 비교를 통해, 2018년 호우사상의 규모를 분석한다.
2. 대상유역 및 자료
2.1 대상유역
2.2 자료
2.2.1 관측자료
본 연구는 2018년 7월에 히로시마에서 발생한 극한 호우사상의 규모를 분석하기 위해 일본 기상청에서 관리하는 지역 기상 관측 시스템(Automated Meteorological Data Acquisition System, AMeDAS)으로부터 수집된 지점 관측자료를 이용한다. AMeDAS 자료는 비, 바람, 눈 등의 기상 상황을 시간적, 지역적으로 세밀하게 감시하기 위해, 강수량, 풍향, 풍속, 기온, 습도를 자동적으로 관측된 자료이며, 이 자료는 일본의 기상 재해의 방지 및 경감에 중요한 역할을 한다. 일본 전역에 1,300개의 AMeDAS 관측소가 설치되어 있다. 이에 따라, 본 연구에서는 히로시마에 위치한 AMeDAS 관측소로부터 관측된 1984년부터 2018년까지의 시간별 강우자료를 이용한다.
2.2.2 d4PDF 자료
d4PDF는 역사적 기후 실험(현재 기후조건), 비 온난화 실험 조건, RCP 8.5 시나리오에 따른 4 ℃ 온도 상승 실험(미래 기후조건)에 대한 데이터베이스로 구성되어 있으며 본 연구에서는 현재 기후조건과 미래 기후조건에서 얻어진 강우자료를 사용한다. 이 자료는 60 km 해상도의 MRI-AGCM 3.2를 사용하여 생성된 대규모 앙상블 모의실험 기반의 데이터베이스로, Non-hydrostatic Regional Climate Model (NHRCM) 모형을 이용하여 20 km까지 다운스케일 되었다. 20 km의 해상도를 가지는 d4PDF 자료는 수평 격자 크기는 211 × 175로 일본, 한반도 및 아시아 대륙 동부를 포함한다.
현재 기후조건의 d4PDF 자료는 관측된 해수면 온도, 해빙 온실가스 농도 변화, 황산성 에어로졸 농도 변화, 오존 농도 변화, 화산성 에어로졸 농도 변화를 입력조건으로 하여 생성되었다. 생성된 자료는 50개의 앙상블로 구성되며, 각 앙상블은 서로 다른 초기조건에서 해빙과 해수면 온도에 작은 섭동을 더하여 계산된 값이다. 하나의 앙상블은 1951년부터 2010년까지 60년 동안의 기상자료를 제공하기 때문에 총 3,000년 동안의 기상 자료를 이용하는 것이 가능하다.
미래 기후조건의 d4PDF 자료는 CMIP5에 공헌한 전 지구 대기-해양 결합 모델의 실험결과인 6종류의 SST 장래 변화 공간 패턴을 바탕으로 각 패턴에 15 종류의 섭동을 가하여 생성된 90개의 앙상블로 구성되었다. 초기 조건에서 해빙은 각각의 SST에 정합 하도록 조절되었고, RCP 8.5 시나리오의 2090년 값을 온실가스농도 등의 외부강제요인으로 적용하였다. 또한, 실험기간 동안 이 자료의 온난화 정도는 시간에 따라 변화하지 않게 설정하여 구축되었다. Table 1은 미래 기후조건의 d4PDF 자료를 생성하기 위해 이용된 CMIP5의 6개 모델을 나타낸다. 하나의 앙상블은 2051년부터 2110년까지 60년 동안의 자료를 제공하기 때문에 각 SST 패턴에 대해서는 900년간의 기상 자료를 이용할 수 있고, 총 SST 패턴에 대해서는 5,400년간의 기상 자료를 이용할 수 있다.
Table 1
Six CMIP5 Models Used for Obtaining the Precipitation Data Under Future Climate Conditions
| Model | Institution (Country) | Resolution (horizontal resol., vertical lev.s) | Reference |
|---|---|---|---|
| CCSM4 | National Center for Atmospheric Research (United States) |
AGCM: 0.9° × 1.25°, 27 OGCM: norminal 1°, 60 |
(Gent et al., 2011) |
| GFDL CM3 | National Oceanic and Atmospheric Administration (NOAA) GFDL (United States) |
AGCM: ~20 km, 48 OGCM: 1°, 50 |
(Donner et al., 2011) |
| HadGEM2-AO | Met Office Hadley Centre (United Kingdom) |
AGCM: 1.875° × 1.25°, 60 OGCML: 1.875° × 1.25° |
(Collins et al., 2011) |
| MIROC5 | AORI, NIES, JAMSTEC (Japan) |
AGCM: 1.41° × 1.41°, 40 OGCM: 1.4° × 0.5 - 1.4°, 50 |
(Watanabe et al., 2011) |
| MPI-ESM-MR | Max Planck Institute for Meteorology (Germany) |
AGCM: approx. 1.8°, 95 OGCM: approx. 0.4°, 40 |
(Giorgetta et al., 2013) |
| MRI-CGCM3 | Meteorological Research Institute (Japan) |
AGCM: approx. 110 km, 48 OGCM: 1° × 0.5°, 50 |
(Yukimoto et al., 2012) |
2.2.3 대규모 기후 앙상블 모의자료의 이용에 따른 장점
본 연구는 소규모 기후 모의자료에 비해 대규모 기후 앙상블 모의자료를 이용함에 따른 강점에 대해서 검토해보았다. Fig. 2는 현재 기후조건에서 연 최대 일 강우량을 히스토그램으로 나타낸 결과이다. 첫 번째 열은 하나의 앙상블에서 수집된 60년 동안의 연 최대 일 강우량을 빈도에 따라 히스토그램으로 나타낸 것이다. 즉, 이 그래프는 소규모 기후 모의자료를 적용하여 호우사상을 빈도별로 나타냈을 때 결과를 의미한다. 하나의 앙상블에 대한 그래프는 매끄러운 빈도분포를 나타낼 수 없었고, 노이즈가 크게 발생하였기 때문에 강우의 규모별 빈도를 정확하게 파악하기 어려웠다. 특히, 극치 부분(180 mm 이상)에서 규모에 따른 매끄러운 분포를 얻을 수 없었다. 따라서, 소규모 앙상블의 기후 모의자료를 이용한다면 저빈도 고강도 기후사건(극치 값)에 신뢰하기 어려운 예측 결과를 나타낼 수 있고, 확률밀도함수(Probability density function)의 적용과 같은 통계적 해석 방법이 필요하다.
Fig. 2
Histograms of Annual Maximum 1-Day Rainfall of Each Year in Present Climate Conditions, for 1, 15, and 50 Ensemble Members as Aligned from the Left to Right
두 번째 열은 15개의 앙상블에서 수집된 900년 동안의 연 최대 일 강우량을 히스토그램으로 나타낸 것이다. 마지막 열은 모든 앙상블에서 수집된 연 최대 일 강우량을 히스토그램으로 나타낸 것이다. 15개의 앙상블 멤버에 대해서는 좀 더 매끄러운 빈도분포를 나타낼 수 있었고, 노이즈도 크게 감소하였다. 총 앙상블 멤버에 대해서는 노이즈 없이 상당히 매끄러운 빈도분포를 나타낼 수 있었다. 특히, 대규모 앙상블 자료를 이용함으로써 200 mm 이상의 강우량에서 매끄러운 강우의 규모별 빈도분포를 표현하는 것이 가능했다. 이 결과는 기존 소수의 기후모형의 예측 값의 신뢰성에 대한 문제는 여전히 제기되고 있지만, 대규모 앙상블 자료를 이용함으로써 소수의 기후모형을 이용하는 것보다 저 빈도 고강도의 기상현상의 검토를 위한 가장 신뢰할 수 있는 기후모형의 예측 값을 제시할 수 있다는 것을 의미한다.
3. 방법론
관측 및 d4PDF 강우자료를 이용하여 어떻게 확률강우량이 산정되는지 설명하기 위해 Fig. 3을 나타냈다. Fig. 3은 현재 기후조건에서 관측기간 또는 모의기간 동안 수집되는 연 최대 일 강우량을 규모별로 정리하여 누적밀도함수(Cumulative density function, CDF)로 나타낸 그래프이다. CDF 그래프를 통해 규모별로 정리된 연 최대 일 강우량을 비초과확률로 나타냈다. 비초과확률은 식 ‘1/(1-비초과확률) = 재현기간’을 이용하여 재현기간으로 나타낼 수 있고, Fig. 3에서 재현기간은 특정 강도의 강우가 다시 발생할 것으로 예상되는 기간으로 정의된다. Fig. 3에서 사각형 점은 관측된 연 최대 일 강우량을 나타내고, 삼각형 점은 3.1장의 방법론에 따라 관측 연 최대 일 강우량(사각형 점)에 확률밀도함수를 적용하여 산정된 확률강우량을 나타낸다. 선 그래프는 d4PDF 자료의 현재기후조건에서 모든 앙상블(50개 앙상블)을 하나의 앙상블마다 나타낸 것이다. 하나의 앙상블은 60년 동안에 연 최대 일 강우량을 나타낸다. 원형 점은 현재 기후조건에서의 모든 앙상블의 연 최대 일 강우량을 하나의 CDF로 표현한 것이다.
3.1 확률밀도함수를 적용한 확률강우량 산정
우리나라 및 일본의 국가 하천과 대규모 수공구조물은 100년 이상의 재현기간을 나타내는 확률강우량을 설계강우량으로 이용한다. 이에 따라, 100년 이상 또는 0.99 이상의 비초과확률을 나타내는 확률강우량이 필요하지만, Fig. 3의 사각형 점(관측된 연 최대 일 강우량)에서 볼 수 있듯이 히로시마에서는 33년의 재현기간이 가장 긴 재현기간이기 때문에 100년 이상의 재현기간을 나타내지 못한다. 이는 관측기간이 짧기 때문에 발생하는 문제이다. 이런 짧은 관측기간의 문제를 해결하기 위해 Gumbel 분포와 같은 통계적 빈도 해석 방법인 확률밀도함수를 적용하여 관측 강우자료에 확률분포화를 수행함으로써 관측기간보다 긴 재현기간을 나타내는 확률강우량을 산정해야 한다.
본 연구에서는 2018년 히로시마 호우사상을 평가하기 위해 1984년부터 2017년까지 각 지속시간별 연 최대 강우량을 히로시마 지점의 AMeDAS 관측자료로부터 수집하였다. 수집된 강우량자료에 확률밀도함수를 적용함으로써 장기간 재현기간을 나타내는 확률강우량을 산정하였다. 이 과정에서 적용된 확률밀도함수는 Gumbel 분포이다. Gumbel 분포를 확률밀도함수로 선정한 이유는 일본에서 가장 널리 이용되는 확률밀도함수이며, 일본 기상청에서 홍수위험지도를 작성할 때 히로시마 지역의 확률강우량 산정에 Gumbel 분포를 이용하였기 때문이다. 이 Gumbel 분포로부터 강우량을 확률적으로 분포화 시키기 위해서는 위치 매개변수(Location Parameter) 및 규모 매개변수(Scale Parameter)가 필요하다. 이에 따라, 본 연구는 매개변수를 산정하기 위해 본 연구에서는 L-모멘트 방법을 이용했다. Fig. 3에서 확률밀도함수를 적용하여 산정된 확률강우량은 삼각형 점으로 나타냈다.
3.2 대규모 앙상블 모의자료를 이용한 확률강우량 산정
대규모 기후 앙상블 자료기반의 d4PDF 자료는 표본크기에 따른 한계점을 극복하여 확률밀도함수와 같은 통계적 해석 방법을 적용하지 않고 확률강우량을 산정할 수 있다. Fig. 3의 선 그래프와 같이, d4PDF의 하나의 앙상블은 60년의 표본 크기를 가지고 있고, d4PDF의 하나의 앙상블만을 이용하여 긴 재현기간을 가지는 강우량을 표현한다면 관측 강우자료를 이용하는 것과 마찬가지로 통계적 해석 방법이 적용되어야 한다. 하지만, d4PDF의 현재 기후조건 자료의 모든 50개의 앙상블을 이용한다면, Fig. 3의 원형 점과 같이 3,000개의 연 최대 강우량을 표본을 이용할 수 있다. 이 3,000개의 표본 개수는 통계적 해석 방법을 이용하지 않고도 비모수적으로 1,000년 이상의 재현기간을 나타내는 강우량을 산정할 수 있도록 한다.
앞서 산정된 관측 강우에 확률밀도함수를 적용하여 산정된 확률강우량(삼각형 점)과 d4PDF를 이용하여 산정된 확률강우량(원형 점)과 Fig. 3과 같이 비교해보았다. 그 결과, 100년의 재현기간 또는 0.99의 초과확률까지는 상당히 유사한 확률강우량을 나타내는 것을 확인할 수 있다. 하지만, 재현기간이 증가할수록 두 방법의 확률강우량의 차이가 점점 증가하는 것을 확인할 수 있다. 관측 강우자료의 관측기간(33년)과 재현기간(100년 이상의 재현기간)의 차이가 증가할수록 이 확률강우량의 차이가 증가하였다. 이는 재현기간이 길어질수록 관측강우량과 확률밀도함수를 적용하여 산정된 확률강우량은 불확실성을 내포할 수 있다는 것을 의미한다. Haddad and Rahman (2011)은 비교적 짧은 기간 동안 수집된 관측 기상자료로 긴 재현기간을 표현하기 위해서는 적절한 확률밀도함수 선정이 어렵다고 언급했으며, Ishii and Mori (2020)는 산정된 확률강우량은 표본 크기(관측기간)에 따라서 불확실성을 내포할 수 있다고 언급하였다. 따라서, 이 결과들은 매우 긴 기간의 재현기간을 나타내는 극한 호우사상이 특정 지역에 발생했을 때 극한 호우사상의 규모 평가에 관측자료만을 이용한다면 평가에 상당한 불확실성으로 이어진다는 것을 의미한다. 두 방법을 통해 산정된 각 재현기간에 따른 확률강우량의 차이는 4.3장에서 자세히 비교되었다.
하지만, 이 비교에서 관측강우량과 확률밀도함수의 적용에 따른 불확실성 이외에, d4PDF 자료의 이용에 따라서도 몇몇 불확실성을 내포할 것이다. 다른 기후모형 자료와 마찬가지로 d4PDF 자료는 강우 예측에 불확실성을 나타낼 수 있으며, d4PDF 자료의 격자 형태의 강우자료는 실제 지점 강우자료와의 편향이 발생할 수 있을 것이다. 그럼에도, d4PDF 자료는 대규모 앙상블로 구성되어 Fig. 3과 같이 노이즈 없이 매끄러운 빈도분포를 나타내어 소수의 기후모형 자료를 이용하는 것보다 높은 정확성을 나타내며, 관측강우량의 확률강우량과의 비교를 통해 100년의 재현기간까지 상당히 유사한 확률강우량을 나타냈기 때문에 d4PDF는 확률강우량을 적절히 예측할 수 있다. 게다가 대규모 기후 앙상블 모의실험 결과 기반의 d4PDF는 어떤 통계적 모형이나 방법론은 사용되지 않았기 때문에 통계분석으로부터 발생하는 불확실성을 최대한 배제하여 강우의 규모별 빈도분포를 표현하는 것이 가능한 장점이 있다. 결과적으로, 기후모형의 예측 자료는 몇몇 불확실성을 내포할 수 있지만, 대규모 기후 앙상블 모의실험으로부터 구축된 d4PDF 자료는 기후모형의 예측 불확실성과 통계적 해석 적용에 따른 불확실성을 최소화함으로써 극치 호우사상의 규모를 평가하는데 충분히 활용가치가 있다고 판단하였다. 이에 따라, 본 연구는 d4PDF 자료를 이용하여 2018년 히로시마 극한 호우사상의 규모 평가를 수행하였다.
4. 결과 및 토의
4.1 과거 호우사상과의 비교
본 연구는 1984년부터 2017년까지 발생한 연 최대 각 지속시간별(1, 6, 12, 24, 48, 72시간) 강우량과 2018년 7월 히로시마에서 발생한 호우사상을 비교하였다. Fig. 4와 같이 이전 호우사상과 비교하여 과거 대비 2018년 호우사상이 얼마나 큰 규모의 호우였는지 분석을 수행하였다.
Fig. 4에서 확인할 수 있듯이, 2018년 호우사상을 제외하면 지속시간 6시간에서는 2017년(116 mm), 12시간에서는 2017년(148 mm), 24시간에서는 1995년(169 mm), 48시간에서는 (276 mm), 72시간에서는 1985년(340 mm)에 가장 큰 규모의 강우량이 기록되었다. 이 결과에서는 각 지속시간별 가장 큰 규모를 나타냈던 연도는 모두 달랐던 것으로 확인되었다. 반면에, 모든 지속시간에 대해서 2018년 호우사상은 가장 큰 규모로 기록되었다. 특히, 지속시간이 24시간일 때 2018년 호우사상은 과거 가장 큰 규모의 호우(1995년 사상)에 대해 가장 큰 규모 차이를 나타냈으며 2018년 호우사상이 1995년 호우사상에 비해 1.85배나 큰 강우량을 기록했다.
이에 따라, 2018년 7월에 히로시마에서 발생한 호우사상이 역사적으로 전례 없는 극한 규모의 호우사상이라는 것을 과거 기록된 호우사상과의 비교를 통해 확인할 수 있었으며, 특히, 지속시간이 24시간일 때 다른 호우사상들에 비해 상당한 규모의 차이를 나타냈다.
4.2 관측자료 기반의 확률강우량과의 비교
본 연구는 1984년부터 2017년까지 관측된 연간 최대 지속시간별 강우량에 Gumbel 분포를 적용하여 확률강우량을 산정했다. 확률강우량은 강우의 지속시간별로 산정되었으며, Fig. 5와 같이 50년, 100년, 200년, 500년, 1,000년의 재현 기간을 나타낸다. 지속시간과 재현기간이 증가할수록 더 큰 규모의 확률강우량을 나타낸다.
Fig. 5
Comparing the 2018 Hiroshima Rainfall Event with the Probability Rainfall According to Each Rainfall Duration
2018년 호우사상도 Fig. 5에 나타냈고 본 연구에서 산정된 확률강우량과 비교⋅분석을 수행했다. 비교 결과, 2018년 호우사상은 12시간 지속시간에서 100년의 재현 기간을 갖는 확률강우량을 초과하기 시작했다. 그 후, 지속시간 24시간에서 2018년 호우사상은 1,000년의 재현기간을 갖는 확률강우량보다 더 높은 규모의 강우량을 나타냈다. 이 결과는 지속시간 12시간에서 24시간 사이에 강우의 규모가 가장 급격히 증가했음을 나타낸다. 지속시간 48시간일 때 2018년 호우사상은 1,000년 빈도 확률강우량에 상응하지 못했다. 이 결과는 강우 규모의 증가율이 48시간에 지속시간부터 감소한 것을 의미한다. 그럼에도, 지속시간 48시간, 72시간일 때 모두 500년 빈도 확률강우량보다 높은 규모를 나타냈다.
결과적으로, 2018년 호우사상은 지속시간 24시간에서 가장 긴 재현기간을 나타냈다. 이전 장에서 언급했듯이, 2018년 호우사상을 제외하면 24시간의 지속시간에서 1995년에 가장 큰 규모의 호우사상이 발생했다. 이 호우사상의 규모를 재현 기간으로 표현하여 규모를 나타낸다면 50년의 재현기간 강우량보다 낮은 규모를 나타낸다. 이 결과는 기존 강우 규모에 비해 2018년 호우사상이 전례 없는 규모를 나타냈으며, 이는 지속시간이 24시간일 때 가장 두드러진다는 것을 의미한다.
결과적으로, 2018년 7월에 히로시마의 호우사상은 전례 없는 극한 규모의 강우량을 기록했으며, 관측 연 최대 일 강우량으로 산정된 확률강우량과 비교한 결과, 지속시간 24시간에서 1,000년의 확률강우량보다 큰 규모를 나타냈다. 하지만, 3.2장에서도 언급했던 바와 같이, 1,000년 이상의 재현기간을 나타내는 극한 규모의 호우사상 평가에 기존 관측강우량을 이용하여 산정된 확률강우량을 적용하는 것은 큰 불확실성을 내포할 수 있다. 그 이유는 짧은 관측기간(33년) 동안 수집된 강우자료만으로 산정된 장기간의 재현기간(1,000년)을 갖는 확률강우량을 정확히 나타내기 어렵기 때문이다. 이에 따라, 다음 장에서 대규모 기후 앙상블 모의자료를 이용함으로써 3,000개의 표본을 이용하여 확률강우량을 산정하고, 이를 토대로 2018년 호우사상과 비교⋅분석을 수행했다.
4.3 d4PDF 자료 기반의 확률강우량과의 비교
본 연구는 히로시마 지점에 d4PDF 자료를 기반으로 3,000개의 연 최대 일 강우량을 이용하여 재현기간에 따른 확률강우량을 산정했다. 산정하는 과정에서 관측 강우량을 이용하는 것과는 달리, d4PDF 자료는 3,000개의 충분한 표본을 나타내기 때문에 어떤 확률밀도함수와 같은 통계적 해석방법을 적용하지 않고, 비모수적으로 확률강우량을 산정하였다. 본 연구에서는 히로시마 호우사상이 지속시간이 24시간일 때 가장 큰 규모를 나타내었고, 일본에서는 지속시간 24시간의 확률강우량을 주로 설계강우량으로 채택하기 때문에, 본 연구는 지속시간 24시간에 집중하여 d4PDF 자료의 이용에 따른 확률강우량을 산정했다.
산정된 확률강우량은 Fig. 6과 같이 관측강우량과 확률밀도함수로 산정된 확률강우량과 비교되었다. 원형 점과 선은 d4PDF를 이용하여 산정된 20년부터 1,000년의 재현기간을 갖는 확률강우량을 나타내며, 삼각형 점과 선은 관측강우량을 이용하여 산정된 확률강우량을 나타낸다. 그 결과 관측강우량의 확률강우량 대비 현재 기후조건에서의 d4PDF의 확률강우량의 오차는 재현기간 20년에서 1.61%, 50년에서 3.53%, 100년에서 11.40%, 150년에서 16.38%, 200년에서 16.67%, 300년에서 20.76%, 500년에서 21.53%, 1,000년에서 27.94%로 나타났다. 이 결과에서 두 확률강우량의 차이는 50년의 재현기간까지는 상당히 낮았다. 이는 50년의 재현기간은 실제 관측강우량의 표본의 크기 33년과 차이가 매우 적기 때문에 관측강우량을 이용한 확률강우량이 합리적으로 산정되었다는 것을 의미한다. 하지만, 100년의 재현기간에서 두 확률강우량의 오차가 10% 이상 나타나기 시작했으며 재현기간이 증가할수록 확률강우량의 차이가 증가했다. 이는 짧은 관측기간 동안 수집된 관측자료와 확률밀도함수만으로 100년 이상의 장기간 재현기간을 갖는 확률강우량을 나타내기에는 불확실성을 내포할 수 있다는 것을 의미한다. 따라서, 특정 극한 호우사상이 발생했을 때, 그 호우사상의 규모가 매우 장기간의 재현기간을 나타낸다면, 기존 관측강우량을 통해 산정된 확률강우량으로는 평가가 어려울 것이다. 2018년 히로시마 호우사상은 이전 장에서 언급했듯이, 1,000년의 재현기간보다 더 높은 재현기간을 나타내는 규모였기 때문에 정확한 평가가 어려울 것이다.
Fig. 6
Comparison between the Probability Rainfall Estimated Using the d4PDF and the Probability Rainfall Estimated Using the Gumbel Distribution and Observed Rainfall According to the Return Period
본 연구는 2018년 히로시마 호우사상의 정확 규모를 평가하기 위해, d4PDF를 이용하여 비모수적으로 산정된 확률강우량과 비교하였다. 그 결과는 Fig. 7과 같다. Fig. 7의 좌측 그래프를 Fig. 6의 현재 기후조건의 d4PDF를 기반한 확률강우량과 2018년 히로시마 호우사상을 막대그래프로 나타냈다. 그 결과, 2018년 히로시마 호우사상은 Fig. 4에서 재현기간 1,000년의 확률강우량보다 높은 규모를 나타냈지만, d4PDF를 이용한 확률강우량과의 비교에서 300년의 재현기간을 갖는 확률강우량에 상응했다. 이 결과는 Fig. 6의 결과와 같이 재현기간 100년 이후에 두 확률강우량의 차이가 급격히 증가함에 따라 발생한 것으로 보인다. 이에 따라, 확률밀도함수와 같은 통계적 해석방법을 적용하지 않고 대규모 앙상블 모의자료를 통해 비모수적으로 확률강우량을 산정함으로써 장기간 재현기간을 갖는 특정 극한 규모의 호우사상을 평가할 수 있었다.
4.4 미래 기후조건에서의 확률강우량
2018년 히로시마에 발생한 호우사상이 미래 기후조건에서는 어느 정도의 재현기간 규모로 평가될 수 있는지 확인하기 위해, d4PDF의 미래 기후조건의 자료를 이용하여 확률강우량을 산정했다. 미래 기후조건의 d4PDF 자료는 RCP 8.5 시나리오에 따라 온도가 4℃ 상승함에 따라 기후 모의를 수행한 결과이다. 미래 기후조건에서 d4PDF의 한 앙상블은 60년 동안의 자료로 구축되었고, 미래 기후조건의 d4PDF는 총 90개의 앙상블로 구성되어 있어 총 5,400개의 연 최대 강우량을 이용하는 것이 가능하다. 이에 따라 미래 기후조건에서도 확률밀도함수와 같은 통계적 해석방법을 적용하지 않고 비모수적으로 확률강우량을 Fig. 6과 같이 산정했다.
Fig. 6에서 확인할 수 있듯이 미래 기후조건에서의 확률강우량은 현재 기후조건에서의 그래프보다 위에 위치한다. 현재 기후조건대비 미래 기후조건에서의 확률강우량은 재현기간 20년에서 20.16%, 50년에서 28.40%, 100년에서 25.32%, 150년에서 21.53%, 200년에서 24.02%, 300년에서 21.47%, 500년에서 29.62%, 1,000년에서 26.65% 증가했다. 이 결과는 동일한 재현기간에서 미래 기후조건은 더 높은 확률강우량을 나타낸다는 것을 의미한다. 게다가, 미래 기후조건과 현재 기후조건에서 동일한 확률강우량일 때, 미래 기후조건의 재현기간이 더 짧은 것을 확인할 수 있다. 이 결과는 미래 기후조건에서는 현재 기후조건과 동일한 극한 규모의 호우사상이 발생할 확률이 증가한다는 것을 의미한다.
Fig. 7에서 2018년 히로시마 호우사상이 미래 기후조건에서는 어떤 재현기간을 나타내는지 분석했다. 그 결과, 히로시마 호우사상은 미래 기후조건에서 100년의 재현기간에 가깝게 나타냈다. 이 결과는 현재 기후조건에서 300년의 재현기간을 나타내는 것과 다른 결과였으며 미래 기후조건에서는 2018년 호우사상의 재현기간이 감소한다는 것을 의미한다. 게다가, 현재 기후조건에서는 0.33% (300년)에 가까운 매우 드문 발생 확률을 나타내지만, 미래 기후조건에서는 상대적으로 더 높은 확률(1%)로 이와 같은 호우사상이 발생할 수 있다는 것을 의미한다.
결과적으로, 관측강우량과 확률밀도함수로 산정된 확률강우량과 비교함으로써, 1,000년의 재현기간을 갖는 확률강우량보다 높은 규모를 나타냈던 2018년 히로시마 호우사상을 대규모 기후 앙상블 모의자료인 d4PDF 자료를 이용해 평가할 수 있었다. 게다가, 미래 기후조건의 d4PDF 자료를 이용함으로써 미래 기후조건하에서 2018년 히로시마 호우사상을 평가할 수 있었다. 이에 따라, d4PDF는 매우 긴 재현기간을 나타내는 호우사상을 평가할 때 유용한 자료로 활용될 수 있을 것이며, 미래 기후조건에서의 특정 호우사상의 규모에 대해서도 분석이 가능할 것이다. 이로써 d4PDF 자료가 극한 규모의 호우사상을 평가하는데 적용된다면 기존에 수집된 관측 강우자료만으로 평가가 어려운 과거에 발생하고 미래에 발생할 수 있는 극한 호우사상에 대한 합리적인 분석이 가능할 것이다.
5. 결 론
본 연구에서는 대규모 기후 앙상블 모의결과 기반의 d4PDF 자료를 이용하여 2018년 7월에 발생한 히로시마 호우사상을 평가하였다. 이 히로시마 호우사상은 지속시간 6시간, 12시간, 24시간, 48시간, 72시간에서 역사적으로 전례 없는 강우 규모를 기록했으며, 특히, 지속시간 24시간에서는 과거 가장 큰 규모의 호우(1995년)에 비해 1.85배나 큰 313 mm의 규모를 기록했다.
히로시마의 1984년부터 2017년까지 관측된 연간 최대 강우량을 이용하여 확률강우량을 산정하였고, 2018년 히로시마 호우사상의 규모를 평가하였다. 그 결과, 지속시간이 24시간일 때 1,000년의 재현기간 강우량보다 더 큰 규모를 나타냈다. 하지만, 1,000년 이상의 재현기간을 나타내는 극한 규모의 호우사상 평가에 관측강우량의 적용은 짧은 기간 동안 수집된 자료를 이용하기 때문에 불확실성을 내포할 수 있다. 이에 따라, 본 연구에서는 짧은 수집 기간의 한계점을 극복하기 위해 대규모 기후 앙상블 모의결과 기반의 d4PDF를 이용하여 1,000년 이상의 재현기간을 나타내는 2018년 히로시마 호우사상을 평가했다.
d4PDF 자료는 현재 기후조건에서 3,000개, 미래 기후조건에서 5,400개의 연간 기상 및 기후자료를 제공하기 때문에 확률밀도함수와 같은 통계적 해석방법을 적용하지 않고, 현재 기후조건 및 미래 기후조건에서 비모수적으로 재현기간 1년부터 1,000년까지의 확률강우량을 표현하였다. 현재 기후조건의 d4PDF 자료로부터 산정된 확률강우량를 이용하여 2018년 히로시마 호우사상을 평가한 결과, 히로시마 호우사상은 300년의 재현기간을 나타내는 확률강우량에 상응했다. 미래 기후조건의 d4PDF 자료로부터 산정된 확률강우량과 비교한 결과에서는 히로시마 호우사상은 100년의 재현기간을 나타내는 확률강우량에 상응했다. 이 결과는 미래 기후조건에서 2018년 히로시마 호우사상의 재현기간이 감소하고, 0.33%에서 1%의 더 높은 확률로 이와 같은 규모의 호우가 발생할 수 있다는 것을 의미한다.
결과적으로, 각 기후조건의 자료로부터 산정된 확률강우량을 이용함으로써 현재 및 미래 기후조건에서의 2018년 호우사상의 규모에 대한 평가가 가능했다. 이에 따라, 최근 빈번히 발생하는 극한 호우사상에 대한 평가에 대규모 기후 앙상블 모의결과 기반의 d4PDF 자료는 충분히 활용될 수 있을 것이다. 하지만, d4PDF 자료는 기후모형으로부터 산출된 자료이기 때문에 기후모형에 대한 예측 불확실성의 문제점을 추후 충분히 고려되어야 하고. 이를 극복할 수 있는 방안을 충분히 모색하여 활용하여야 한다. 또한, d4PDF 자료는 지점 강우와의 해상도 차이에 따른 편향이 발생할 수 있을 것이다. 이에 따라, 추후 편향에 대한 검토 및 고려할 방안이 필요하다. 또한, 본 연구는 히로시마 지점만을 중심으로 검토하였기 때문에 다양한 지역에서 추가적인 검토가 필요할 것이다. 다양한 지역에서 높은 적용성 및 활용 가능성을 확인한다면 추후 극치에 해당하는 다양한 기상현상 평가에 활용될 수 있을 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
