1. 서 론
최근 기후 변화로 인한 이상 기후 현상이 빈번해지며 도시 침수 피해가 증가하고 있다. SSP (Shared Socioeconomic Pathways)시나리오에 따르면 한반도의 기온 및 강수량 증가와 함께 수재해의 빈도와 강도가 높아질 것으로 예상된다(Lee, 2023). 이에 따라 도시 지역의 침수 피해는 점차 대형화⋅다양화되고 있으며, 대표적인 사례로는 2022년 포항 냉천 지하주차장 침수, 서울 강남역 일대 침수, 2023년 오송 지하차도 침수사고 등이 있다. 이러한 상황에서 도시 하천 범람 및 침수 피해를 줄이기 위한 사전 대비의 중요성이 부각되고 있다.
도시 침수 피해를 줄이기 위한 사전 대비 방안으로는 구조적 대책과 비구조적 대책이 있다. 비구조적 대책은 재해 저감을 위한 법과 제도 수립, 도시계획 및 설계, 그리고 도시침수모형을 활용하여 침수 위험 지역을 예측하는 방법을 포함한다. 이는 구조적 대책에 비해 적은 시간과 비용으로 사전적 대비가 가능하지만, 모형 결과의 불확실성이 단점으로 지적된다. 반면, 구조적 대책은 재난 지역에 구조물을 설치하거나 기존 건물을 보강함으로써 직접적인 피해를 줄일 수 있으나, 강우 강도의 불확실성으로 인한 설계 용량 결정의 어려움과 높은 예산 및 시간이 요구되는 한계가 있다(Lee, 2023).
따라서 비구조적 대책과 구조적 대책을 병행하는 것이 이상적이나, 비구조적 대책을 우선적으로 추진함으로써 시간과 비용을 절감하고 홍수로 인한 피해를 줄이는 방안이 제안된 바 있다(Jung and Yoon, 2023). 아울러 도시 침수 사례의 증가에 따라 환경부(Ministry of Environment, MOE)는 ‘도시하천 유역 침수 피해방지대책법’ (Ministry of Environment, 2023)을 제정하여 시행하고 있으며, 도시침수모형을 활용한 신뢰성 높은 침수 관리 수위 및 범위 산정의 중요성이 강조되고 있다.
국내⋅외에서는 비구조적 대책의 하나로 도시침수모형을 활용한 연구가 활발히 이루어지고 있다. 주요 연구로는 도시 유역에서 침수 피해를 예측하고 위험성을 분석하는 연구(Kang and Lee, 2012; Keum et al., 2018; Park et al., 2020)와 침수 피해 원인을 추적하고 분석하는 연구(Jung, 2010; Kim et al., 2014)가 있다. 특히, 국내 도시침수 모의 기술 연구의 약 60%는 미국 환경부(EPA)에서 개발한 우수 관리 모형(SWMM)을 활용하고 있으며(Lee et al., 2022), 이는 여러 연구를 통해 신뢰성이 검증된 바 있다. 그러나 SWMM은 1차원 배수 시스템만을 다루기 때문에 침수 영역의 2차원 분석에 한계가 존재한다(Lee and Han, 2007; Lee et al., 2014). 이에 따라 지표면 유출(2D)과 하수관로를 통한 배수(2D)를 함께 고려한 이중 배수(Dual-Drain)를 고려한 연구(Park and Ha, 2013; Yoon et al., 2017; Lee et al., 2019; Lee, Park et al., 2021)가 이루어졌으며, 이를 통해 1-2차원 시스템 개념이 홍수 예측에 미치는 중요성이 강조되었다. 하지만 이러한 SWMM을 활용한 1-2차원 모형은 격자 수 제한과 높은 기술적 숙련도 필요성이 있다는 한계가 존재한다. 이를 해결하기 위해 새로운 도시 침수 해석 모형이 개발된 바 있다(Kim et al., 2006; Lee et al., 2006; Lee and Yoon, 2017). 그러나 기존 도시침수모형은 이중배수가 발생하는 지점으로 맨홀을 소유역 출구로 가정하고 하수관거의 용량을 초과한 유량이 지표면으로 역류하는 방식으로 모의하기 때문에 지표면, 집수구, 하수관거 간의 시공간적 특성을 충분히 반영하지 못한다는 문제가 있다. 이에 Lee et al. (2017)은 1차원 하수관거와 2차원 지표면 유출수의 유량 교환지점을 집수구를 통해 발생한다고 가정한 완전연동한 도시침수모형을 제안하고, 이를 통해 도시 유역에서의 적용성을 평가하였다.
한편, 1-2차원 도시침수모형의 정확성을 높이기 위한 연구도 진행되었는데, Lee et al. (2014)와 Cho et al. (2011)은 건물이 모형 재현성에 미치는 영향을 강조하였고, Chang et al. (2015)은 토지 피복 상태에 따른 지표-하수관망 교환 작용을 모형화하는 기법을 제안하였다. 또한, Jahanbazi and Egger (2014)는 상이한 1-2차원 모형을 적용하여 도시 침수를 평가하는 접근법을 제시하였다.
결론적으로, 도시 침수 예보를 위해 침수심과 침수 범위의 정확한 산정이 중요하며, 이중 배수 개념과 건물의 영향을 반영한 1-2차원 도시침수 해석 모형이 실제 침수 양상을 보다 정확히 재현할 수 있다는 점에서 중요성이 부각되고 있다. 신뢰성 높은 도시 침수 예측을 위해 이러한 요소들을 고려한 분석이 필요하다.
따라서 본 연구는 건물과 기존 맨홀을 통한 이중배수 개념을 지적하며, 집수구를 통한 이중 배수 개념이 도시 침수해석에 미치는 영향을 실증적으로 분석하고, SWMM 모형의 맨홀 역류량을 입력자료로 한 2차원 수치모형 결과와 1-2차원 완전 연동 모형을 통해 도출된 침수심과 면적을 비교함으로써 각 모형의 재현성을 평가하고자 한다(Fig. 1).
2. 방법론
2.1 SWMM
SWMM (Storm Water Management Model)은 도시 유역에서 유출량 산정, 우수관거 추적, 저수지 설계 및 수질 분석이 가능한 종합적인 모형으로, 기존 도시 침수 모형의 한계를 극복하며 구조물 해석과 하류 배수 영향을 고려할 수 있다(Jung and Yoon, 2023). 1971년 EPA의 지원으로 Metcalf & Eddy, W.R.E., University of Florida의 공동연구를 통해 처음 개발된 SWMM은 이후 여러 버전을 거치며 발전하였다. 1988년 SWMM 4 버전, 2005년 SWMM 5 버전이 공개되었으며, SWMM 5는 현재 EPA에서 지속적으로 업데이트되고 있다. SWMM 4.x는 FORTRAN으로 기반으로 작성되었으며 RUNOFF, TRANSPORT, EXTRAN 등 4개의 실행 블록과 RAIN, TEMP 등 5개의 보조 블록으로 구성되어 있다. 하지만 DOS 환경에서 동작하며 전⋅후처리 기능이 없어 사용이 불편한 한계가 있다. 반면, SWMM 5는 GUI 환경과 C 언어 기반으로 설계되어 사용자 편의성이 크게 향상되었다(Fig. 2). 국내 업계에서 가장 널리 사용되는 프로그램인 XP-SWMM은 한글화가 이루어져 있으며, 2차원 침수 분석이 가능하다는 장점을 지니고 있다(Jung, 2010). 그러나 해당 프로그램은 EPA-SWMM에 비해 가격이 높고, 고급 기능을 포함하고 있어 사용자가 높은 수준의 기술적 숙련도를 요구받는다는 단점이 존재한다.
따라서 본 연구에서는 미국 EPA에서 무료로 제공하는 SWMM 5를 활용하였으며, EXTRAN 블록을 적용하여 연구를 수행하였다.
2.1.1 EXTRAN
본 연구에서 적용된 EXTRAN 블럭에서 흐름에 대한 기본방정식은 연속방정식과 개수로에서의 1차원 점변 부정류 방정식으로서 다음의 Dynamic wave 방정식(Eqs. (1)과 (2))을 사용한다.
여기서, A는 흐름 면적(m2), Q는 관거의 유량(m3/s), x는 관로에 따른 거리(m), t는 시간(sec), g는 중력가속도(m/s2), H=z+h는 수두(m), z는 하수관거의 바닥 높이(m), h는 수심(m)이다. Sf는 마찰 경사이며, 바닥경사는 ∂H/∂x의 경사로 표현된다.
2차원 침수 해석 방법의 경우 SWMM 모형을 활용하여 산출된 맨홀 월류량을 기반으로, 동일한 조건의 비교를 위해 H12 모형의 2차원 흐름 해석 기법을 적용하여 침수 면적을 도출하였다.
2.2 1D-2D 침수 해석 모형(H12)
본 연구에서는 2차원 흐름 해석 모형과 1차원 우수관망 모형을 연계한 1D-2D 통합 도시침수 해석 모형인 H12 (Hybrid 1D-2D)을 활용하여 침수 해석을 수행하였다(Lee et al., 2017; Noh et al., 2018).
본 모형은 물리적 실험 데이터를 기반으로 검증되었으며, 실험 결과와 현장 관측치 간 비교를 통해 최대 침수심과 수위 상승 패턴에서 높은 유사성을 나타내었다(Lee et al., 2012; Lee et al., 2015). H12 모형은 국내 여러 도시침수 해석 연구(Lee et al., 2017; Kim et al., 2022)에서 그 정확성을 입증받았으며, 하이브리드 병렬 컴퓨팅 기법을 적용하여 고해상도의 침수 해석이 가능하다(Lee et al., 2012; Noh et al., 2018).
2.2.1 2차원 흐름 해석
2차원 흐름 해석은 Kawaike (2002)가 제안한 동역학파(Dynamic wave)에서의 수치 해석 기법으로 지표면 흐름을 산정하는 방법이 사용되었다. 이 방법에서는 2차원 지표면 흐름 해석을 위해 2차원 연속 방정식(Eq. (3))과 운동량 방정식(Eqs. (4)와 (5))을 지배방정식으로 사용하며, 이 식들은 아래와 같이 표현된다.
여기서, h는 수심(m), t는 시간(sec), M은 x방향의 유량 플럭스(m2/s) (M=uh, u는 x방향 유속), N은 y방향 유량 플럭스(m2 / s) (N=uh, v는 y방향 유속), re는 단위 면적당 지표면에 내리는 유효유량(m/s), qe는 지표면과 집수구통 사이에서의 단위 면적당 교환 유량(m/s), n은 매닝 조도계수(Manning’s coefficient), H는 수위(m), g는 중력가속도(m2 / s)를 나타낸다.
2.2.2 1차원 흐름 해석
1차원 우수관로 흐름 해석에는 Chaudhry (1979)가 개발한 Pressimann-slot 모델이 사용되었다. 이 모델은 하수관의 상단에 좁고 긴 가상의 Slot을 설정하여 자유수면 흐름과 만관 흐름을 동일한 지배방정식으로 해석할 수 있는 장점을 지닌다. 사용된 지배방정식은 다음과 같다(Eqs. (6)과 (7)).
여기서 A 관로 내 물이 흐르는 단면적(m2), Q는 유량(m3 / s), q는 지표면과 집수구통 사이의 단위 길이당 교환유량(m2 / s), u는 관로 내의 유속(m/s), Hp(= Zp + hp)는 관로 내 피에조 수두(m), Zp는 지반 고도(m), hp는 맨홀의 수심(m), n은 하수관 파이프의 조도 계수 그리고 R은 동수반경을 의미한다. 수심(hp)은 먼저 흐름 단면적(A)을 계산한 후 이를 이용하여 변환된다. 위 수치 해석 기법 및 1-2차원 흐름해석의 설명은 Lee et al. (2015)에 상세히 기술되어 있다.
2.3 침수 모의 성능 평가 지표
본 연구에서는 서울시에서 제공한 연구 기간 내 침수 흔적도를 활용하여, 이중 배수 개념과 건물의 영향을 고려한 모델 성능 평가를 위해 두 가지 평가지표인 Hit Rate (적중률)와 False Alarm Ratio (오경보율)를 사용하였다. 이 두 가지 평가지표는 Confusion Matrix (혼동 행렬)의 요소들을 기반으로 계산된다(Fig. 3). Confusion Matrix는 모델의 정확도를 평가하기 위해 참값(침수흔적도)과 예측값(모의된 결과)을 비교하기 위한 지표이다. 평가지표는 Confusion Matrix의 4 가지 요소(h, f, m, c)를 통해 계산되며, 각 요소는 다음과 같이 정의된다.
h는 침수 흔적도와 모델 결과에서 모두 침수가 발생한 셀의 개수를 의미하며, 이를 ‘적중(hits)’이라고 한다. m은 침수 흔적도에서는 침수가 발생했으나 모델 결과에서는 침수가 발생하지 않은 셀의 개수를 나타내며, 이는 ‘놓친예측(missed prediction)’으로 불린다. f는 침수 흔적도에서는 침수가 발생하지 않았지만 모델 결과에서는 침수가 발생한 셀의 개수를 가리키며, ‘거짓된예측(false prediction)’이라고 한다. c는 침수 흔적도와 모델 결과에서 모두 침수가 발생하지 않은 셀의 개수를 의미하며, 이를 ‘부의정확(correct rejections)’이라고 부른다.
본 연구에서는 c의 과다 산정을 방지하기 위해, 조사된 침수 흔적도 면적에서 99%가 시가화된 지역에서 발생한 것으로 나타나, 도림천 유역 중 시가화된 부분을 대상으로 결과 분석을 진행하였다.
2.3.1 Hit Rate (HR)
Hit Rate는 침수 흔적도에서 실제로 침수가 발생한 지역 중에서 모델이 정확하게 침수로 예측한 비율을 의미한다. 이는 “모델이 침수로 예측한 셀의 개수”를 “실제 침수된 지역의 셀 개수”로 나눈 값으로 Eq. (8)과 같다.
Optimal Value: 1, Range: 0~1
2.3.2 False Alarm Ratio (FAR)
False Alarm Ratio란 실제로는 침수가 발생하지 않은 지역 중에서 모델이 침수로 잘못 예측한 비율을 의미한다. 이는 “모델이 침수로 잘못 예측한 셀의 개수”를 “실제 비침수 지역의 셀 개수”로 나눈 값으로 Eq. (9)와 같다.
Optimal Value: 0, Range: 0~1
3. 대상 지역 및 조건
3.1 대상 지역
본 연구의 대상 지역인 도림천 유역은 서울시 관악구에 위치한 관악산에서 발원하여, 구로구에 있는 서울 지하철 2호선 도림천역 인근에서 안양천과 합류하는 지방 하천이다. 도림천은 약 91.3%가 시가화된 전형적인 도시 하천으로 지형적으로 도시화의 영향이 두드러진다. 국토교통부(Ministry of Land, Infrastructure and Transport, MOLIT)의 안양천 하천기본계획 보고서(Ministry of Land, Infrastructure and Transport, 2015)에 따르면, 도림천 주변은 주거지와 상업지가 밀집해 있으며, 하천 양쪽으로 도로가 형성되어 있다. 또한, 신도림역, 대방역, 디지털단지역, 신대방역 등 4개의 지하철역과 26개의 교량이 설치되어 있어, 홍수 시 원활한 물 흐름에 방해가 되어 치수 관리에 불리한 구조를 가지고 있다. 특히, 홍수위 이하에 위치한 교량이 12개소, 여유고가 부족한 교량이 14개소로 조사되었으며, 이러한 치수적으로 취약한 구간이 도림천 유역의 약 44%에 해당하는 9,680 m에 이르는 것으로 보고된 바 있다(Fig. 4).
도림천 유역에서는 2010년부터 2019년까지 10년 동안 27건의 고립 사고가 발생하여 총 106명이 고립되었고, 그 중 1명의 사망 사고가 발생했다(Lee, Jeon et al., 2021). 이러한 사고는 도림천 주변의 밀집된 시가화 지역 및 도로가 홍수 발생 시 인명 피해와 침수 피해를 심화시킬 가능성이 크다는 점을 시사한다. 따라서 도림천 유역의 홍수 위험을 최소화하기 위한 사전 예방 대책은 필수적이다. 본 연구는 도림천 유역에서 발생했던 홍수 피해를 모의하고, 유역 내 건물 및 이중배수가 모의 결과에 미치는 영향을 분석하여 보다 정확한 도시 침수 예보 및 평가할 수 있도록 한다.
3.2 SWMM 조건
SWMM의 홍수 유출 모의는 유역 추적과 하도 추적으로 구성되며, 본 연구에서는 유역 추적 방법으로 EXTRAN 블록을 적용하였다. SWMM 구축 및 수문학적 조건 설정에는 유역의 수리학적 정보를 이해하기 위해 유역도, 토지이용도, 그리고 GIS (Geographic Information System)가 활용되었다. 이를 통해 유역 내 하도, 관망, 저류지, 펌프, 오리피스, 보(Weir) 등 흐름에 영향을 미치는 수문학적 조건을 설정하였다.
연구 대상 지역은 도림천 유역의 약 42.5 km2 면적으로, 하수관망 3,974개와 맨홀 3,655개, 펌프 10개(문래, 구로1, 구로2, 구로3, 구로4, 대림2, 대림3, 도림2, 신림, 신림2, 신림5)의 자료를 사용하였다. 지형은 MOLIT에서 제공하는 1:5000 축척의 등고선 자료를 기반으로 GIS를 활용해 5 m 격자의 DEM을 생성하고, Thiessen망으로 유역을 분할하여 산출하였다. 또한, 불투수 면적(주거, 공업, 상업, 문화⋅체육⋅휴양, 교통, 공공시설 지역) 비율 산정에는 MOE에서 제공되는 1:5000 축척의 토지피복지도 자료를 활용하였다.
유역의 투수지역과 불투수지역의 조도계수는 국내 실정에 맞춰 제시된 수자원 설계 실무(Jung and Yoon, 2023)의 조도계수 값을 기본값으로 설정하였다. 불투수지역에는 조도계수인 0.02를, 투수지역은 0.055를 적용하였다. 소유역 대부분이 불투수 면적이 지배하고 있어, 유입되는 유량과 유입 시간을 맞추기 위해 불투수지역의 조도계수를 0.02에서 0.01로 변경하였다. 저류깊이는 SWMM 사용자 지침서(Rossman, 2010)에서 제시한 범위 내에서 설정하였다. 불투수면의 저류깊이는 1.27~2.54 mm 범위 중간값인 1.905 mm로 설정하였으며, 투수면의 저류깊이는 대상 유역의 투수지역 중 약 73.6%가 산림지역이기 때문에 산림지역의 저류깊이인 7.62 mm를 적용하였다. 관거의 조도계수는 MOILT에서 제시한 국내 하천 설계 기준(Ministry of Land, Infrastructure and Transport, 2009)에 참고 및 하수관로 수위의 보정을 통한 0.004~0.04 범위의 값을 사용하였다. 강우사상은 기상청 AWS 데이터를 바탕으로 2022년 8월 8일 09시부터 8월 9일 03시까지 도림천 유역 내 영향을 크게 미친 자료 중 관악, 양천, 기상청 3개 관측소의 데이터를 기반으로 티센 면적 강우량을 10분 단위로 산정하여 모델에 적용하였다(Table 1과 Fig. 5).
Table 1
SWMM Condition
3.3 H12 조건
본 H12 모형에서는 도림천 유역의 약 42.5 km2 면적을 대상으로 서울시에서 제공하는 서울시 도림천 관망 원시 자료와 맨홀 3,655개의 자료를 활용하여 모든 파이프와 맨홀을 재정렬하였다. 관망 자료에는 x, y 좌표, 상류 및 하류 연결 데이터, 맨홀의 모양, 직경 크기, 고도, 경사 정보 등이 포함되어 있다. 이와 함께, 각 맨홀 데이터에는 x 및 y 좌표, 바닥 고도, 바닥 면적, 연결된 파이프 정보가 포함된다(Table 2).
Table 2
Required Components and Information (Lee et al., 2017)
파이프와 맨홀을 선행연구(Lee et al., 2017)에서 보간된 방법과 동일한 방법으로 총 22,637개의 하수관거와 28,856개의 맨홀 데이터로 재정렬하였다.
H12에 적용된 강우 사상은 8개의 지점 강우량으로부터 산정한 유역 전체의 10분 간격 Thiessen 면적 강우량을 사용하였다. 또한, 건물의 영향을 고려하기 위해, 토지 이용도 상 건물에 해당하는 지역에서는 지표면에서 발생하는 유출수가 침투하지 않도록 모든 건물을 10 m씩 상승시키는 방식으로 직접적인 영향을 반영하여 모델링을 수행하였다. 다른 방법으로는 H12에서 이중 배수만을 고려한 결과를 활용하여 건물 부분을 제외함으로써 간접적으로 그 영향을 반영하였다.
3.4 모의 조건 검⋅보정
본 연구에서는 서울특별시에서 제공하는 1분 간격 하수관로 실시간 수위 데이터를 1~10분 간격으로 평균 변환하여 사용하였다. 연구 지역 내 31개의 수위계 중, 관측이 충분히 이루어지고 맨홀과 위치가 정확히 일치하는 19-0004, 19-0006, 21-0003, 21-0006의 4개 수위계를 선택하여 검⋅보정을 수행하였다(Fig. 6). 데이터 검토 과정에서 결측치는 제외하고, 관측 강우량(AWS)과 비교하여 이상치를 제거하였다. 특히, 19-0006 수위계의 2022년 8월 8일 관측 데이터를 분석한 결과, 강우량 변화와 하수관로 수위 변동이 일치하지 않는 이상치 구간(20시 40분~21시 50분)을 제거하였다. 유사한 방법으로 다른 수위계(19-0004, 21-0003, 21-0006)의 이상치도 제거하였다.
수위계 데이터와 SWMM 모의 결과의 적합성을 평가하기 위해 Nash–Sutcliffe 모델 효율계수(NSE)와 평균 제곱근 오차 비율(RSR)을 활용하였으며, 관련 통계적 지표의 계산식은 Eqs. (11)과 (12)에 제시되어 있다.
여기서 QOt는 10분 단위 관측수위(m), Qmt는 모의된 10분 단위 침수위(m), O ¯ O O ¯ m
Table 3
Verification Standards for Hydrological Model (Moriasi et al., 2007)
| Performance Rating | RSR | NSE |
|---|---|---|
| Very good | 0.00 < RSR ≤ 0.50 | 0.75 < NSE |
| Good | 0.50 < RSR ≤ 0.60 | 0.65 < NSE ≤ 0.75 |
| Satisfactory | 0.60 < RSR ≤ 0.70 | 0.50 < NSE ≤ 0.65 |
| Unsatisfactory | RSR > 0.70 | NSE ≤ 0.50 |
4. 연구 결과
4.1 Case-I (SWMM + 2D)
SWMM + 2D 모형의 최대 침수 영역은 서울특별시에서 제공한 연구 기간 내 침수 흔적도(적색 폴리곤)와 비교하여 분석하였다(Fig. 8). 분석 결과, 침수 발생 위치는 전반적으로 일치하는 경향을 보였으나, 침수 흔적도와 비교했을 때 SWMM + 2D 모형의 침수 영역은 대체로 과대 추정된 것으로 나타났다.
총 침수 면적을 비교한 결과, SWMM + 2D 모형은 0.13 km2의 면적을 과대 추정하였으며, 이는 Fig. 8에서도 확인할 수 있듯이 침수 영역이 전반적으로 과대 추정되었음을 보여준다. 이러한 이유로 HR 값은 0.27로 도출되었으며, 동시에 FAR 값은 0.07로 산출되었다. 이와 같이 침수영역이 과대추정된 이유는 SWMM + 2D 모형이 건물의 영향과 집수구를 통한 이중 배수 개념을 반영하지 못하는 한계에서 기인한 것으로 판단된다(Table 5).
SWMM + 2D 모형의 결과는 건물이 고려되지 않아 침수 영역을 세밀하게 표현하는 데 한계가 있다. 또한, 도로의 배수 용량이 충분한 집수구를 통해 유입되는 이중 배수 개념이 반영되지 않았기 때문에, Figs. 8(a), 8(b) 영역에서 나타난 것처럼 침수 영역이 확산되었으며, 배수 용량이 충분한 집수구로 물이 빠져나가지 못하는 결과를 초래하였다. 이러한 이유로 인해 SWMM + 2D 모형의 침수 영역이 침수 흔적도보다 과대 평가된 것으로 확인된다.
4.2 Case-II (H12)
H12 모형의 최대 침수 영역은 제4.1절에서 설명된 방법을 바탕으로 본 절에서는 SWMM + 2D 모형과 달리, 이중 배수를 고려한 H12 모형의 결과를 활용하여 비교 및 분석하였다(Fig. 9). 침수 발생 위치는 침수 흔적도와 대체로 일치하는 것으로 나타났으나, 총 침수 면적을 비교한 결과, H12 모형이 0.32 km2 과소 추정한 것으로 분석되었다. 이에 따라 HR 값은 0.16으로 SWMM + 2D 모형 결과보다 상대적으로 0.11 낮은 정확도를 보였으며, FAR 값은 0.06으로 SWMM + 2D 모형 결과보다 0.01 낮게 산출되었다(Table 6).
H12결과 역시 건물을 고려하지 않았기 때문에 침수 영역을 세밀하게 표현하는 데 한계가 있다. 그러나 이중 배수 개념의 적용 결과, Fig. 9의 a영역 및 b영역에서 침수 영역과 침수 깊이를 침수 흔적도와 비교한 결과, 매우 유사한 패턴이 나타났다. 이는 배수 용량이 부족한 집수구에서 역류가 발생할 경우, 배수 용량이 충분한 집수구로 물이 유입되면서 SWMM + 2D 모형 결과보다 침수 영역과 침수 깊이가 보다 정확하게 추정된 것으로 판단된다.
4.3 Case-III (H12 + Building)
본 연구에서는 건물이 미치는 영향을 분석하기 위해, 이중 배수가 적용 가능한 H12 모형을 대상으로 두 가지 방법을 사용하였다. 첫 번째 방법은 모델링 과정에서 건물 부분만을 10 m 상승시켜 직접적으로 건물을 반영하는 방식이며, 두 번째 방법은 H12 모형의 결과에서 건물 부분을 해석영역에서 제외하여 간접적으로 건물을 고려하는 방식으로 진행되었다.
4.3.1 건물의 직접적 고려 방법
H12의 DEM에서 건물 부분을 10 m 상승시켜 건물을 직접적으로 반영한 방식으로 최대 침수 영역을 분석한 결과를 비교 및 분석하였다(Fig. 10). 이 방식에서 건물로 인해 차단되어 침수 형태가 Fig. 10의 a영역과 같이 침수영역을 보다 상세하게 표현되는 것을 확인할 수 있었다. 그러나 총 침수 면적을 비교했을 때 0.42 km2로 과소 추정된 것으로 나타났다. 또한, 건물을 고려한 결과 건물 내부로 침수가 발생하지 않게 되어, 건물 내부에 다수의 침수가 발생한 침수 흔적도와 일치하지 않았다. 이에 따라 HR은 0.05, FAR은 0.07로 낮은 정확도와 오경보율이 도출되었다(Table 7).
건물을 고려하는 과정에서 5 m 격자의 DEM을 사용함으로서 세밀한 건물들이 존재하는 도심지의 특성상 Fig. 10의 b영역과 같이 개별 건물의 형상을 모두 반영할 경우 격자 간의 간격이 과도하게 좁아지는 문제점이 발생하여 물 고임 현상이 나타났다. 이로 인해 침수 면적이 과대 산정된 것으로 분석되었다. 건물을 직접적으로 고려할 때, 건물로 인한 차단 효과와 건물 주변의 흐름 변화와 같은 물리적 효과를 반영함으로써 침수 형태를 더 상세하게 표현할 수 있다는 장점이 있지만, 건물을 직접 고려하는 과정에서 고해상도의 DEM 자료가 필요하며 이 과정에서 주의가 필요함을 확인할 수 있었다.
4.3.2 건물의 간접적 고려 방법
H12 모형의 결과에서 건물 부분을 제외하여 건물을 간접적으로 반영한 방식으로 최대 침수 영역을 분석한 결과를 비교 및 검토하였다(Fig. 11). 이 분석 방법에서는 건물 부분을 제외함으로써 건물이 없는 지역에서의 침수 깊이와 범위가 어떻게 분포하는지를 확인할 수 있었다. 특히, Fig. 11의 제시된 바와 같이 침수 흔적도와 침수 영역을 비교한 결과, 건물이 없는 외부 지역에서는 매우 유사한 결과가 도출되었다.
그 결과, 총 침수 면적은 1.01 km2가 과소 추정된 것으로 나타났으며, 이에 따라 HR은 0.09, FAR은 0.04로 산출되었다(Table 8). 이를 통해 건물로 인한 차단 효과와 침수 패턴의 영향을 충분히 고려하지 못한다는 한계가 드러났으며, 건물을 직접적으로 고려한 경우와 비교했을 때 정성적인 차이가 나타났다.
건물을 간접적으로 고려하는 방식은 건물이 없는 지역, 즉 건물 주변의 공터, 도로, 공원 등에서 침수 깊이와 범위를 집중적으로 분석할 수 있다는 점에서 장점이 있다. 그러나 이 방식은 건물의 물리적 영향을 반영하지 못하는 한계를 지니며, 건물로 인한 물 흐름의 변화나 실제 침수 패턴과의 차이를 충분히 반영하지 못한다는 점에서 현실적인 제약이 존재한다.
4.4 소결
본 연구에서는 침수 영역 분석 결과가 침수 흔적도와 대체로 일치하는 것으로 나타났다. 이중 배수 적용 여부에 따라 총 침수 면적을 비교한 결과, Case I에 비해 Case II는 약 0.45 km2 과소 추정되었다. 그러나 침수 흔적도는 조사원들의 주관적인 판단이 포함되어 있고, 서울시의 배수 용량이 완벽히 해석된 자료가 아니므로 과대 산정된 경향이 있다. 이에 따라 과대 추정된 Case I보다 과소 추정된 Case II의 결과가 더 적절한 것으로 판단된다. 한편, 최대 침수심의 경우 Case II는 약 0.49 m 과대 추정되었는데, 이는 이중 배수를 적용할 경우 물의 흐름이 단순히 하류 방향으로 한정되지 않고, 집수구 간 역류 현상이 발생할 가능성이 증가하기 때문으로 해석된다. 특히 하류 집수구가 포화 상태일 경우, 물이 상류 집수구로 역류하여 해당 지역의 침수 깊이가 증가한 결과로 분석되었다. Case III에서는 건물 고려 방법에 따른 영향을 분석하기 위해 두 가지 접근법이 사용되었다. 첫 번째 접근법(직접적 고려 방법)은 건물에 해당하는 DEM을 10 m 상승시키는 방식이며, 두 번째 접근법(간접적 반영 방법)은 Case II 결과에서 건물 부분을 해석 영역에서 제외하는 방식이다. 분석 결과, 침수 면적은 Case III (1)이 Case III (2)보다 약 0.6 km2 과대 산정되었고, 최대 침수심은 Case III (1)이 약 6.33 m 더 크게 추정되었다. 이러한 차이는 Case III (1)의 경우 건물의 차단 효과를 반영할 수 있으나, 건물과 건물 사이에서 물이 고이는 현상이 발생하여 배수가 원활히 이루어지지 않음으로써 침수 영역과 침수심이 과대 추정된 결과로 나타난 것으로 분석된다(Table 9).
5. 결론 및 고찰
본 연구는 도시 침수 해석에서 건물과 이중 배수 개념의 중요성을 실증적으로 분석하고, 각 해석 방법이 침수 예보 및 위험 평가에 미치는 영향을 비교하였다. 이를 위해 SWMM 모형에서 도출된 맨홀 역류량을 바탕으로 H12의 2차원 침수 해석 모형을 적용하여 침수 면적을 재현하고, 집수구를 통한 이중 배수 개념을 반영한 1-2차원 완전 연동 모형(H12)을 통해 보다 정확한 도시 침수 예측을 도출하고자 하였다. 또한, 건물이 미치는 영향을 분석하기 위해 H12 모형을 대상으로 직⋅간접적으로 건물을 고려한 분석을 수행하였고, 다음과 같은 결론을 도출하였다.
1. Case-I은 침수 흔적도와 비교하여 침수 발생 위치에서 대체로 일치하는 경향을 보였으나, 침수 영역이 과대 추정되는 경향이 나타났다. 이는 모형에서 집수구에서 발생하는 이중 배수를 충분히 반영하지 못한 결과로 판단된다. H12 모형은 이중 배수 개념을 적용함으로써 Case-I에 비해 침수 깊이와 침수 영역을 보다 정밀하게 추정할 수 있었으며, 침수 흔적도는 조사원의 주관적 판단과 자료의 한계로 과대 산정된 경향이 있다. 이에 따라, 모형 결과는 과대 추정된 Case-I보다 과소 추정된 Case-II가 더 적절한 것으로 판단된다.
2. Case-III (1)에서는 침수 형상이 보다 상세하게 표현되었으나, 침수 면적이 과대 산정되는 경향이 나타났다. 이는 건물을 고려하는 과정에서 개별구조물 간의 간격이 과도하게 좁아져 물 고임 현상이 발생한 결과로 판단된다. 이는 건물을 고려하는 과정에서 개별구조물 간의 간격이 과도하게 좁아져 물 고임 현상이 발생한 결과로 판단된다. 이 방식의 장점은 침수 양상을 세밀하게 반영할 수 있다는 것이며, 특히 건물의 고려 및 정확한 해석을 위해 고해상도의 DEM 자료가 요구됨을 확인하였다.
3. Case-III (2)에서는 건물이 없는 지역에서의 침수 양상을 분석할 수 있었다. 이러한 방법은 건물을 제외한 침수 흔적도와 유사한 결과가 도출되었으나, 건물의 물리적 영향을 반영하지 못하는 한계가 있음을 확인하였다.
결론적으로, 도시 침수 해석에서 건물과 집수구를 통한 이중 배수 개념을 반영하는 것은 실제 침수 양상을 보다 정확하게 재현하는 데 중요한 요소로 작용한다. 향후 도시 침수 예측 및 예보 시스템에서 신뢰성 높은 결과를 도출하기 위해서는 이러한 개념들을 적절히 반영하는 것이 필수적이다. 본 연구는 건물과 이중 배수 개념을 도시 침수 모형에 반영함으로써 예보와 위험 평가의 정확도를 향상시키는 방법을 제시하였으며, 이는 향후 도시 홍수 피해 예방 및 관리 방안 마련에 중요한 기초자료로 활용될 수 있을 것이다. 그러나 침수 흔적도의 주관적인 특성과 자료의 제한성을 고려할 때, 모형 결과의 신뢰성을 확보하기 위해 다각적인 검증과 보완이 필요할 것으로 보인다. 아울러 추후 연구에서는 단순히 침수 면적에 대한 평가지표를 분석하는 것에 그치지 않고, 침수 깊이를 고려하여 가중치를 부여하는 방식으로 보다 정교한 평가가 이루어질 필요가 있다고 판단된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
