1. 서 론
기상 현상과 사회경제적 영향 상관성 분석 결과, 가장 많은 횟수와 가장 큰 규모의 피해를 일으키는 재해는 기상재해이며, 이 기상재해를 발생시키는 기상현상은 호우와 태풍이다(Korean Meteorological Society, 2016). 삼면이 바다로 둘러 쌓여있는 우리나라의 지리적 특성상 해양의 대기 특성에 따라서 강우로 인한 재해가 가장 많이 발생하고 있다. 이러한 재해를 줄이기 위하여 강우를 미리 예측해 대비함으로써 재해에 대한 피해를 최소화 할 수 있으며 현재 기상청에서는 미래 강우 정보를 예측하기 위하여 앙상블 예측 기법을 활용하고 있다(Lee et al., 2018). 앙상블 예측이란 단일 수치예보가 가지는 결정론적인 예측의 한계를 보완한 것으로 초기조건, 물리과정, 경계조건 등이 다른 여러 개의 모델을 수행하여, 확률적으로 미래를 예측하는 시스템이다(KMA, 2012). 이러한 자료를 활용하여 기상청에서는 단기, 중기, 장기예보, 동네예보 등 다양한 형태로 강우 예보를 실시하고 있다. 하지만 현재 가장 큰 단점은 강우량에 대한 정보만을 예보하기 때문에 지역적, 사회적 특성을 고려하지 못한 예보가 이루어지고 있다는 것이다. 시설물의 보호, 하천범람, 침수에 대한 대비에 대한 예보를 진행하고 있지만 이러한 정보들을 정량적으로 제시하지는 못하고 있다는 점이다.
이를 위하여 World Meteorological Organization (WMO)는 이미 재해 영향을 파악하여 예보 서비스에 관한 가이드라인을 구축하였으며, 각국 기상청에 영향예보의 중요성을 강조하고 있으며(Lee et al., 2018). 영국과 미국을 비롯한 기상 선진국에서는 이미 영향예보를 부분적으로 실시하고 있다(Yeh, 2017). 영국의 홍수 예측센터(Flood Forecasting Centre, FFC)에서는 홍수 영향예보를 위한 사용자 매뉴얼을 만들었으며 홍수 위험 매트릭스를 만들어 홍수위험단계를 4단계로 구분하였다(FFC, 2017). 또한 격자 단위의 홍수 영향예보를 실시하고 있으며 홍수 모의를 위해 분포형 모형인 Grid to Grid (G2G) 모형을 이용하여 격자 단위의 영향예보를 실시하고 있다(Cranston et al., 2012; Price et al., 2012; Steven, 2018).
국내에서도 영향예보를 위한 연구가 다양하게 진행되고 있다. Kim et al. (2017)은 영향예보의 특징을 설명하고, 선진국의 영향예보 현황 및 사례를 분석하였으며, Ministry of Land, Infrastructure, and Transport (2016)에서는 국민의 홍수에 대비한 안전도 강화와 국가 재난 대응능력 향상시키기 위한 홍수예보 기술발전을 위하여 영국의 홍수위험매트리스 방법을 도입하였다. Lee (2017)는 서울시 강남지역의 홍수피해사례를 활용하여 침수피해를 유발시키는 한계강우량을 추정하였다.
영향예보를 위한 강우량 산정에 있어, 실제로 하늘에서 내리는 강우도 중요하지만, 강우는 지형 특성(표준유역, 도시, 하천)과 토지이용 및 토양조건에 따라 그 유출량의 차이가 다르게 나타나며, 피해가 발생하는 지역의 배수체계에 따라서 도시침수, 산사태, 하천 범람과 같은 2차적인 피해를 유발할 수 있다. 동일한 유출량이 발생하더라도 실제로 미치는 영향은 지역 특성이나 발생 시기에 따라 다르게 나타날 수 있다는 점이다. 이렇게 동일한 강수가 내리더라도 피해가 발생하는 지역의 지형 특성에 따라 발생하는 재해의 형태와 규모는 크게 다르게 발생한다. 이에, 강수로 인한 발생할 수 있는 2차, 3차적인 재해의 특성을 파악한다면 강우 중심의 예보가 아닌 실제 피해를 받는 영향대상에 예보가 가능할 것으로 판단된다.
본 연구에서는 영향예보의 다양한 분야 중 호우로 인해 발생되는 침수피해를 대상으로 일상생활에 불편 또는 위험을 유발하는 비도심, 도심, 하천 등을 고려한 Receptor별 영향한계강우량을 Multi Method 알고리즘을 개발하였다는 점에서 기존 연구와의 차별성이 있는 것으로 판단된다. 여기서 영향한계강우량이란 강우로 인하여 Receptor별 영향을 주는 침수심을 유발하는 강우량을 의미한다. 영향을 받는 Receptor는 사람, 교통, 건물로 선정하였으며 각 Receptor에 대하여 10 cm, 20 cm, 50 cm에 해당되는 침수를 유발하는 강우량을 산정하고자 하였다.
본 연구에서는 표준유역단위의 격자기반 영향한계강우량과 도심지 Grid to Grid (G2G) 기법을 이용한 격자기반 영향한계강우량에 대하여 분석 및 검증을 실시하였다. 산정된 영향한계강우량 검증을 위하여 2020년 침수피해를 유발하였던 7월 장마사상, 9월 태풍 하이선 사상을 적용하여 검증을 실시하였으며 Fig. 1은 Multi Method 기반의 영향한계강우량 산정 흐름도이다.
2. 이론적 배경
2.1 Multi Method 기반의 영향한계강우량 산정방법
본 연구에서는 전국단위 Multi Method 기반 영향한계강우량 산정을 위하여 전국을 1 km × 1 km 격자로 분할하였으며 총 104,197개 격자로 구분하였다. Ko et al. (2019)과 Ko et al. (2020)에서 선행연구가 이루어진 보정된 강우 자료와 연계를 위하여 1 km × 1 km 단위의 분석을 실시하였다. 추후 격자 단위로 생산되는 레이더 강우 자료와의 연계에도 활용 가능할 것으로 판단된다.
Fig. 2는 전국단위를 분석할 수 있는 Multi Method 개념의 영향한계강우량 산정 알고리즘이다. 표준유역단위 영향한계강우량 산정 결과를 전국단위로 구축하고 도심지의 경우 Grid to Grid (G2G) 기반 격자단위 영향한계강우량을 산정 결과를 중첩한다. 하천이 있는 격자의 경우 하천 설계강우량을 고려한 영향한계강우량 산정 결과를 중첩하고 마지막으로 과거 침수피해가 있는 격자의 경우 침수흔적도 자료를 이용한 영향한계강우량 자료를 중첩하여 각 격자별 특성을 고려한 전국단위 영향한계강우량을 산정하게 된다.
2.2 표준유역단위 격자 기반 영향한계강우량
Fig. 3은 표준유역단위 격자 기반 영향한계강우량 산정 흐름도를 나타낸다. 전국 표준유역에 대하여 수문 모형을 이용하여 각 유역별 지속시간 3시간에 대한 100년 빈도를 초과하는 유출량인 한계유출량을 산정한다. 그리고 강우-유출모형을 이용하여 10% 간격으로 빈도별 Rainfall-Runoff Curve를 작성하여 앞서 수문 모형에서 도출한 한계유출량을 초과하는 강우량인 표준유역단위 영향한계강우량을 산정하게 된다. 표준유역단위 영향한계강우량 산정과 관련하여 자세한 연구는 Choo et al. (2021)의 연구를 참조 바란다.
2.3 도심지 G2G 기법을 이용한 격자기반 영향한계강우량
도심지 격자기반 영향한계강우량 산정을 위하여 전국 10만명 이상의 도시에 대하여 토지이용도에서 도심으로 구분되는 격자에 대하여 G2G 기법을 이용한 영향한계강우량을 산정하였다. 전국 도심지 격자에 물리적으로 전국 관망 자료를 반영하여 G2G 기반의 물리 모형을 적용하기에는 현실적으로 자료를 구축하기에 한계가 있다. 이에 본 연구에서는 홍수유출모형인 Spatial Runoff Assessment Tool (S-RAT) 모형에서 나오는 유출량에서 도심지 홍수방어능력인 5년~15년 빈도의 유출량을 감산한 유출량을 홍수범람모형인 Flo-2D 모형의 입력자료로 활용하였다. Fig. 4는 도심지 영향한계강우량 산정 흐름도이다. 홍수유출모형을 이용하여 각 지역별 지속시간 3시간의 100년 빈도 강우 자료를 10% 간격으로 유출량 및 첨두홍수량을 산정한다. 산정된 유출량 자료를 이용하여 홍수범람모형의 입력자료로 사용해서 격자별 침수심을 산정한다. 이렇게 산정된 결과를 이용하여 Fig. 4의 우측 그림과 같은 Rainfall-Depth Curve를 작성하여 영향한계강우량을 산정하게 된다.
3. 영향한계강우량의 산정 및 검증
3.1 표준유역단위 영향한계강우량 산정결과
Fig. 5는 2.2절에서 제시한 연구 방법을 이용하여 전국 792개 표준유역별 Rainfall-Runoff Curve 결과 중 일부 나타낸 그림이다.
3.2 도심지 G2G 기법을 이용한 격자기반 영향한계강우량 산정결과
인구 10만 이상의 도시는 전국에서 63개 도시였으며 63개 도시에 대하여 토지이용도상에서 시가화 지역으로 구분되어있는 지역에 대하여 G2G 기법을 이용하여 영향한계강우량을 산정하였다. Fig. 6은 본 연구에서 검증지역인 부산시와 강릉시에 대하여 전체 격자 분설 결과중 한 격자에 대한 Rainfall-Depth Curve를 나타내었다. 부산지역과 강릉지역 분석 격자에 대하여 Box-Plot 분석을 실시하였으며 부산지역이 강릉지역보다 영향한계강우량이 높은 것으로 분석되었다.
3.3 영향한계강우량 검증사상 선정
산정된 영향한계강우량 검증을 위하여 과거 호우피해가 발생하였던 강우 사상을 선정이 필요하며 실제 침수로 인해서 심각한 피해가 발생하였던 2020년 7월 폭우, 2020년 9월 하이선 사상을 검증 사상으로 선정하였다. 2020년 7월 폭우로 인하여 부산시 도심지 일대에 많은 침수피해가 발생하였으며 Fig. 7(a)와 같이 7월 23일 일 강수량이 176.2 mm가 내렸으며 시간 최대강우는 70.4 mm가 발생하였다. 2020년 9월 국내에 상륙하였던 태풍 하이선으로 인하여 강릉지역에 많은 침수피해가 발생하였으며 강릉시에서 9월 6일~7일 2일간 236.2 mm가 내렸으면 시간 최대강우는 45.5 mm가 발생하였으며 Fig. 7(b)와 같다.
3.4 실제 피해자료를 이용한 영향한계강우량 검증
영향한계강우량 검증을 위하여 SNS, 뉴스 등을 이용하여 부산, 강릉 지역에 실제 피해사례를 조사하였다. 조사 결과 Fig. 8과 같이 부산지역에서는 총 10건의 침수피해가 발생하였던 것으로 조사되었으며 해당격자의 영향한계강우량 산정 결과와 함께 제시하였다. Fig. 9와 같이 강릉시는 3건의 침수피해가 발생한 것으로 조사되었으며 부산과 동일하게 해당 격자의 영향한계강우량 그래프를 함께 제시하였다.
조사된 피해사례에 대하여 실제 강우 자료와 영향한계강우량을 이용하였을 때 영향한계강우량 결과가 실제 피해를 잘 반영하는지 분석하였다. 분석 결과 3시간 누적 강우량을 영향한계강우량에 적용하였을 때 부산의 경우 Table 1과 같이 가야굴다리 일대에서 최대 침수심 121 cm의 침수가 발생하는 것으로 분석되었다. 이는 건물 피해 발생이 가능한 50 cm를 초과하는 침수가 발생하는 것으로 실제 피해 사진과 같이 대형 SUV 차량이 잠기는 피해가 발생하였다. 하단역 일대에서도 최대 35 cm 침수가 발생하는 것으로 분석되었으며 보행과 교통에 피해가 있었다. 온천천 일대와 연산동 일대에서도 각각 76 cm, 25 cm의 침수심이 발생하는 것으로 분석되었으며 실제 피해양상을 잘 반영하는 것으로 분석되었다. 강릉의 경우에는 Table 2와 같이 오죽헌 일대에서 19 cm 침수가 발생하는 것으로 분석되었으며 실제 피해 사진과 비교하였을 때 교통에 영향을 미치는 피해가 발생하는 것으로 분석되었다. 진안상가 일대의 경우 최대 침수심 18 cm로 실제 피해 사진보다 낮은 침수가 발생하는 것으로 분석되었다. 이는 피해 당시 경포호수 범람 및 높은 너울성 파도가 함께 발생하였으며 이러한 영향을 고려하기 위한 추가적인 분석이 필요할 것으로 판단된다. 남대천 일대에서도 교통에 영향을 미치는 최대 침수심 39 cm의 침수가 발생하는 것으로 분석되었다.
Table 1
Result of Verifying the Threshold Rainfall in Busan
Table 2
Result of Verifying the Threshold Rainfall in Gangneung
4. 결 론
본 연구에서는 호우재해 영향정보를 제공하기 위한 Multi Method 기반 영향한계강우량 산정 방법을 연구하고자 하였다. 전국을 1 km × 1 km 격자로 구분하여 표준유역, 도심, 하천, 침수흔적 4가지 방법에 대한 영향한계강우량 산정 방법을 제시하였으며 표준유역과 도심에 대한 영향한계강우량 분석결과를 검증하고자 하였다. 검증을 위하여 2020년 7월 부산에서 발생하였던 침수 사상과 2020년 9월 강릉지역에서 침수피해가 발생하였던 사상을 이용하여 검증을 실시하였다. 표준유역의 경우 전국 표준유역 단위의 한계유출량을 산정하고 산정된 한계유출량을 초과하는 강우량 산정을 위하여 격자 기반의 분포형 강우-유출모형을 이용하여 지속시간 3시간의 100년 빈도 강우량으로 영향한계강우량을 산정하였다. 도심의 경우 토지이용도 상에서 도시로 구분되는 격자에 대하여 G2G 기반의 수문 모형을 이용하여 지속시간 3시간의 100년 빈도 강우량을 이용하여 영향한계강우량을 산정하게 된다. 여기서 지속시간은 기상청 3시간 예보와 동일하게 분석하기 위하여 3시간으로 선정하여 분석을 실시하였다. 또한 전국 관망 자료를 구축하여 수문 분석을 실시하기에 물리적인 제약이 있기 때문에 도시 홍수방어능력인 5년~15년 배수능을 고려하여 유출량을 산정하였다. 영향한계강우량 구축범위로 표준유역의 경우 전국 104,197개의 격자에 대한 영향한계강우량을 산정하였으며 도심의 경우 2,044개의 격자에 대하여 영향한계강우량을 산정하였다.
과거 실제 침수피해와 비교를 위하여 SNS, 뉴스 등의 자료를 수집하였으며 2020년 7월 부산에서 발생하였던 침수 사례 조사 결과 10개 지점에서 침수피해가 발생하였다. 산정된 영향한계강우량과 비교하였을 때 가야굴다리 일대에서 최대 침수심 121 cm가 발생하는 것으로 분석되었으며 실제 피해 사진에서도 차량이 물에 잠기는 높이의 침수가 발생하였다. 하단역 일대에서도 차량 통행에 영향을 주는 침수피해가 실제로 발생하였으며 영향한계강우량 분석 결과도 최대 침수심 35 cm가 발생하는 것으로 분석되었다. 또한 온천천 일대와 연산동 일대에서도 영향한계강우량 산정 결과가 실제 피해를 잘 반영하였다. 2020년 9월 태풍 하이선으로 인하여 침수피해가 발생하였던 강릉지역에서도 오죽헌 일대 최대 침수심 19 cm 침수가 발생하는 것으로 분석되었으며 실제 피해도 차량 통행에 문제가 있는 것을 확인할 수 있었다. 하지만 해안에 위치하고 있는 진안상가 일대의 경우 영향한계강우량 분석 결과는 18 cm로 실제 피해와 비교하였을 때 과소 산정되었다. 이는 피해가 발생하였을 때 경포호수 범람과 해안에서 발생하는 너울성 파도의 영향이 있었던 것으로 판단되며 이러한 영향을 고려할 수 있는 추가적인 방법이 필요할 것으로 사료된다.
본 연구에서는 과거 피해사례 조사를 통하여 검증하였으며 영향한계강우량 산정 결과가 실제 피해를 잘 반영하는 것으로 분석되었다. 추후 레이더 예측강우 정보와 영향한계강우량을 활용한다면 많은 강우가 발생할 것으로 예상되는 지역에 본 연구의 결과물을 적용하여 침수피해가 발생하기 전에 선제적으로 피해에 대비⋅대응을 할 수 있을 것으로 판단된다. 또한, 실제 특정 지점에 침수심 관측장비 설치를 통한 정량적인 정확도 확보가 된다면 보다 활용 가능성이 있을 것으로 기대된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
