1. 서 론
기후변화로 인한 집중호우와 극한 강수 현상의 발생빈도와 강도가 증가하는 문제는 전 세계적으로 주목을 받고 있는 중요한 문제이다. 특히, 집중호우 및 태풍으로 인한 홍수는 우리나라에서 발생하는 자연재해 중 발생빈도가 가장 높은 것으로 나타났다(MOIS, 2023). 최근에는 국지성 돌발 홍수의 빈번한 발생으로 인해 물관리 측면에서의 사전예측과 대비에 많은 어려움을 겪고 있다(Park and Kang, 2007). 몇십 년간의 기후 데이터 분석 결과, 폭우와 극한 강수량이 증가하는 경향이 나타나고 있으며 특히, 일부 지역에서는 이러한 현상이 더욱 두드러지게 나타난다. 이로 인해 홍수와 같은 재해 발생 가능성이 높아지고 있다. 이러한 집중호우로 인하여 홍수와 태풍은 우리나라에서 가장 빈번하게 발생하는 자연재해 중 하나로 나타났다. 홍수와 태풍으로 인한 피해를 줄이기 위해서는 치수 사업과 같은 구조적인 대책뿐만 아니라 정확한 강우 및 홍수 예측을 통한 대비 시간을 마련하는 비구조적인 대책도 중요하다(Yu et al., 2017). 홍수 예측을 위해서 강우-유출을 분석할 때, 일반적으로 지상 강우관측소의 관측값을 주로 활용한다. 대부분의 강수 데이터는 지점 데이터인 지리적으로 분산된 강수량계 관측망에 의해 수집되며 한 지점의 강수량을 비교적 정확하게 측정하지만 시간적, 공간적 변동성으로 인해 시간에 따른 강우량의 공간적 변동성을 정확하게 관측할 수 없다. 강수량계 강수량은 일반적으로 수문학적 모델의 입력으로 사용되며 모델 정확도는 이러한 입력 데이터에 의해 크게 영향을 받는다(Hwang et al., 2022; Beven, 2011). 홍수 발생 정보 및 상황 전파를 위해 홍수 예⋅경보를 실시하고 있는데, 이러한 홍수에 관한 정보와 그로 인해 발생할 수 있는 피해를 최소화하기 위해서는 선행시간 확보가 필수적이라 할 수 있다(Kang et al., 2020). 입력 강우의 정확도와 선행 시간 확보를 위해 수치예보시스템의 예측강우에 대한 신뢰도 검증이 필요하다.
국내에서는 강우 예측 자료의 정확성과 활용성을 검증하기 위해 다양한 수치예보자료를 활용한 연구가 진행되었다. Yu, Lee et al. (2016)은 수자원 분야의 강우 예측 자료의 활용을 위해 예측 성능과 공간해상도가 향상된 국지예보시스템(Local Data Assimilation and Prediction System, LDAPS) 자료를 한탄강 홍수조절댐 유역의 관측 강우와 관측 유입량을 이용하여 검증한 바가 있다. Yu (2016)는 RAR (RADAR-AWS Rain rate) 및 LDAPS 등 기상 자료의 활용성 검증을 위해 한탄강댐 유역 하류 지점에서 홍수량을 비교하여 적용 가능성과 예측 자료의 활용성을 평가하고 검증하였다. Yu, Moon et al. (2016)은 일본 기상청(Japan Meteorological Agency, JMA)의 중규모모델(Meso- Scale Model, MSM)을 이용하여 수치예보자료의 국내 적용 가능성을 평가하였다. Heo et al. (2016)은 LDAPS 기반의 기상자료를 활용하여 수문기상정보 생산체계를 구축하고 이를 검증하기 위해 관측기반의 기상자료를 동일한 체계로 생산하여 비교하였으며 전국단위 자연하천 및 산악 지역에 대한 수문기상정보 생산 가능성을 확인하였다. Yu et al. (2017) LDAPS와 MSM을 이용하여 남강댐 유역 강우 및 홍수 예측 정확도 평가 및 비교 검토하였다. Moon et al. (2017)은 LDAPS와 MSM 자료를 분포형 수문모형 KWMSS (Kinematic Wave Method for Subsurface-surface)에 적용하여 강우-유출을 모의하였다. Yu et al. (2019)는 수치예보자료(LDAPS와 MSM)를 사용하여 앙상블 수치예보 적용성을 검토하였으며, 국내 강우 및 홍수예측 적용 가능성을 확인하였다.
강우의 시간적 분포와 특성에 대한 연구 동향은 Choi et al. (2018)는 실측 강우를 이용한 시간분포 방법을 개발하고 그에 대한 적용성을 검토해 실제 우리나라 강우특성이 반영된 시간분포를 도출하였으며 시간분포 방법 결정시 고려해야 할 조건 혹은 제약 사항을 제시하였다. Moon and Jung (2018)은 남강댐 산청 유역에 대해 태풍 및 정체 전선 등 3개의 강우 사상을 선정하고 강우 발생 유무를 확인하여 MSM 예측 결과가 LDAPS 예측 결과보다 비교적 높은 상관관계가 나타남을 확인하였다. Kang et al. (2020)은 강수예측 자료(Very Short range Data Assimilation and Prediction System, VDAPS)를 이용하여 예측강수 병합 기법을 개발하고 한강홍수통제소의 홍수예보 모형을 이용하여 병합된 예측 자료에 대한 유출분석을 실시하여 비교하였다. Park et al. (2024)은 연안해양 수치모델에 활용되는 LDAPS 강우예보 자료의 시공간적 오차와 한계점을 분석하고 자료의 신뢰성을 검증하였다.
홍수 예측을 위해 LDAPS를 활용하는 경우와 시계열 강우 자료 등에 대한 평가가 없이 활용되는 실정이다. 따라서 본 연구에서는 LDAPS 강우 예측 자료를 6, 12, 24, 48시간 단위로 조합하여 생성한 연속 강우 자료와 관측 강우 자료를 비교하여 면적 평균 시강우량의 정확도를 판단하고 섬진강 수계를 대상으로 분포형 강우-유출 모형(K-water Distributed Rainfall rUnoff Model, K-DRUM)에 적용하였다. 지점별 예측 강우를 적용하여 모의된 유출량과 관측 강우를 적용한 유출량, 실제 관측값을 비교함으로써 LDAPS 기반 강우 예측 자료의 정확도를 평가하고, 예측 강우를 활용한 유출량 예측의 신뢰성을 검증하고자 한다.
2. 연구범위 및 방법
2.1 국지예보시스템(LDAPS)
한국 기상청(Korea Meteorological Administration, KMA)은 기상예보를 위하여 영국 기상청(Met Office)이 개발한 통합형 수치예보모델(Unified Model, UM)을 도입하여 사용하고 있으며, 예보 지역에 따라 전지구예보시스템(Global Data Assimilation and Prediction System, GDAPS), 한국형 지역예보시스템(Regional Data Assimilation and Prediction System-KIM, RDAPS-KIM), 국지예보시스템(LDAPS) 등으로 구분한다.
국내의 통합 수치예보모델은 UM을 사용하였기 때문에 영국 지역에 최적화되어 개발되어 있으므로 현재는 우리나라를 포함한 동아시아 지역의 지형조건, 지표이용도, 해수면 온도 등을 최적화하는 작업을 지속적으로 진행 중이다. LDAPS는 2011년 5월 15일부터 현업 운영을 시작하였으며 한반도 영역에 대해 일 4회 2일(48시간) 예측을 수행한다. 주요 특성으로는 수평해상도 1.5 km, 예측 간격은 1시간이다. 연직으로 40 km까지 70층으로 구성되며 적분 간격은 60초이다. 예측 도메인은 한반도를 중심으로 중국, 일본 일부 지역에 대하여 622 × 810개의 내부 고정격자로 구성되어 있다. 또한, 3시간 간격으로 전지구예보모델인 GDAPS로부터 경계조건을 제공받아 1일 8회(00, 06, 12, 18 KST: 3시간 예측; 03, 09, 15, 21 KST: 48시간 예측) 예측을 수행하며, 자료동화기법으로는 3차원 변분자료동화법(3-Dimensional Variational Method, 3DVAR)을 이용한다.
2.2 대상유역 현황 및 자료 구축
본 연구의 대상 유역은 섬진강 유역으로 유역면적 4,914.0 이다. 다목적댐인 섬진강댐 및 주암댐을 포함하여 총 4개의 댐이 위치하며(Fig. 1(a)) 28개의 수위 관측소가 운영되고 있다(Fig. 1(b)).본 연구에서는 2020년 홍수 피해에 대한 상세한 조사 결과를 확보할 수 있다는 점을 고려하여 섬진강 유역을 대상지로 선정하였다(Fig. 1). 강우 자료는 최근 10년(2015~2024년)간 섬진강 유역의 일 강우량을 조사한 결과를 바탕으로 선정하였다. 해당 기간 중 2020년 8월 8일 일 강우량이 214.862 mm/day로 최대치를 기록하였고 장기간(48시간 이상) 지속된 호우 사상으로 홍수 예측 정확도 평가에 적합하다고 판단하여 2020년 8월 1일 0시부터 10일 23시까지로 설정하였다. 해당 기간의 강우를 대상으로 지상 강우 자료는 KMA, K-water, ME 등에서 관리하고 있는 지상관측소 144개 중 자료의 품질이 양호한 88개 관측소의 자료를 사용하고, 예측자료의 경우 KMA에서 제공하는 LDAPS 자료를 수집하였으며 관측소와 LDAPS 도메인 현황은 Fig. 2와 같다.
3. 적용 결과
3.1 예측 강우의 정확도 평가
2020년 8월 1일 0시부터 10일 23시까지 매일 0/6/12/18시에 생산된 예측 강우를 6/12/24/48시간 단위로 조합하여 전체 기간에 대한 연속 강우 자료를 생산하였다. 예측 강우정보의 재구성 방법은 6시간 단위 예측자료를 연결하고 12시간 단위의 예측 자료를 연결하고 24시간, 48시간 단위의 예측 자료를 연결하여 재구성하였다(Fig. 3).
면적 평균 시강우량은 강우의 시공간적 분포를 분석하고 특정 지역 내 평균 강우량을 계산하기 위해 사용되는 기법으로 주요 방법론은 등우선법, 등치선법, 그리드 기반 분석법, 다중 관측소 가중법, 자료 동화 기법이 있는데 본 연구에서는 그리드 기반 분석법을 사용하였다. 그리드 기반 분석(Grid-Based Analysis)은 특정 지역을 격자(Grid) 형태로 분할하여 각 격자 내 강우 데이터를 기반으로 면적 강우량을 계산하는 방법이다. 기상 레이더 자료나 수치예보모델(LDAPS, MSM 등)에서 제공하는 고해상도 데이터를 활용하여 강우의 시공간적 분포를 정밀하게 반영 가능하다.
지역 내 강우 분포의 변동성을 확인하고 시간 단위별 변화와 패턴을 파악하기 위해서 재구성한 시간 단위별 예측 강우 자료와 관측 강우를 면적 평균 시강우량으로 변환하여 Fig. 4와 같이 나타냈다. 시간 단위별 면적 평균 시강우량과 관측 강우의 면적 평균 시강우량을 비교한 결과 강우의 시계열 분포 정확도가 차이나는 것을 확인할 수 있었다. 이후 면적 평균 시강우량을 일 누적 강우량으로 변환하여 비교해보았다. 일 누적 강우량은 일정 기간 동안의 총 강우량을 나타내므로, 특정 시간 동안의 변화를 종합적으로 이해할 수 있다. 일 누적 강우량으로 변환하여 비교한 결과 일 누적 강우량 6시간 및 12시간 조합의 경우 관측 강우와 유사한 일 누적 강우량 값을 보였지만 24시간, 48시간 조합에서는 일 누적 강우량 값이 과소 추정됨을 확인하였다(Fig. 5).
예측강우와 실제 관측 강우의 양적 차이를 평가하고 예측값이 실제 관측값을 잘 나타내는지 평가하기 위하여 주요 평가지표는 총 강우량(Volume), 결정계수(R2)를 사용하였다. 총 강우량(Volume)은 예측 강우와 실제 관측 강우 간의 양적 차이를 비교하는데 사용되며 Eq. (1)과 같다.
Rt는 시간 t에서의 강우량(mm 또는 m), A는 해당 강우가 발생한 지역의 면적(m2), n은 총 시간 단계를 나타낸다. 강우 예측의 정확성 평가를 위한 결정계수(R2)를 사용하였다. R2은 관측값과 평균과의 관계를 중요시함으로 각 지표의 의미와 해석에 중요한 차이가 있어 두 지표를 함께 사용하는 것이 종합적인 평가에 유리하며 식은 다음과 같다(Eq. (2)).
여기서 SSE (Sum of Squared Errors)는 예측값과 실제값 사이의 오차 제곱합을 의미하며 이 값이 작을수록 예측이 실제값에 가깝다는 것을 의미한다. SST (Total Sum of Squares)는 실제값과 평균값 사이의 오차 제곱합으로 실제 데이터의 총 변동성을 나타낸다. Oi는 관측 자료, Mi는 예측자료, O ¯
Table 1
Accuracy of Forecasted Rainfall
| Properties | Time | |||
|---|---|---|---|---|
| 6 hr | 12 hr | 24 hr | 48 hr | |
| Volume (%) | 105 | 103 | 66 | 65 |
| R2 | 0.56 | 0.62 | 0.32 | 0.23 |
관측 총 강우량을 기준으로 6시간과 12시간 예측에서는 각각 105%, 103%로 관측값의 총 강우량과 유사한 정확도를 보였으며 R2 값도 각각 0.56, 0.62로 비교적 높은 상관성을 나타냈다. 반면, 24시간과 48시간의 장기 예측에서는 각각 66%, 65%로 낮은 정확도를 나타냈고 R2 값도 각각 0.32, 0.23으로 정확도가 크게 감소하는 경향을 보였다. 이러한 차이는 예측 시간 조합의 시간이 증가함에 따라 시간적 평균화로 인하여 강우의 단기적 변동성을 충분히 반영하지 못하기 때문으로 생각된다.
3.2 예측 강우를 적용한 유출량 재현성 평가
시간대별 예측강우의 유출량 재현성 비교 평가를 위해 정밀 공간자료를 활용하여 섬진강 수계의 유출모형(K-DRUM) 사용하여 예측시간에 따른 유출량 재현성 평가를 수행하였다. K-DRUM은 한국수자원공사(K-water)에서 자체 개발한 격자기반의 분포형 강우유출 모형으로 공간적 변동성을 고려하여 강우-유출 과정을 모형화한다. 각 격자별로 지형, 토양, 토지 이용 등의 특성을 반영하여 강우로 인한 유출을 계산할 수 있으며 세 가지 주요 구성 요소로 나눌수 있다. 첫 번째, 강우-유출 모듈로 관측된 강우 데이터를 분석하여, 유역 내에서의 강우 분포를 산정하고 강우 데이터를 바탕으로 유역 내에서의 수문학적 분석을 통하여 유출량을 계산한다. 두 번째, 지형 및 토양 특성 모듈은 지형의 분석과 토양 특성을 분석하여 유출 모델링의 정확성을 향상시킨다. 세 번째는 수리학적 모듈로 유역 내 하천망 구조와 특성을 반영하여 물의 이동 경로를 설정 가능하며 저류지 및 댐 등의 방류 기능을 고려한 모델링이 가능하다. 한국의 지형 및 기후 특성에 맞춤화된 모델로 국내 유역의 강우-유출 특성을 보다 정확하게 반영 가능하며 분포형 모델로 공간적으로 다양한 지역에서의 유출 특성을 세밀하게 분석할 수 있다.
유출해석을 위해 144개의 강우관측소 중 유효한 강우 데이터를 포함한 88개의 강우관측소 자료와 유출량 정확도 평가를 위한 수위관측소의 시계열 데이터, 댐에 의한 방류량 조절을 고려하기 위해 댐 직하류 지점에 적용할 방류량 자료를 Fig. 6과 같이 수집하여 적용하였다.
공간자료의 경우, 국가공간정보 포털에서 제공하고 있는 DEM, 토양도, 토지이용도, 토심도를 활용하였다. 사용한 공간데이터는 30 m DEM을 기반으로 유출해석의 계산속도 및 정확도 측면에서 적정하다고 생각되는 250 m로 변환하여 지형 입력자료를 구성하였다(Fig. 7). 해당 지역의 경사도. 구성한 DEM을 기반으로 흐름누적도, 하천망도를 계산하고 매개변수의 추출을 위해 토양도, 토심도, 토지이용도를 DEM 격자의 크기로 변환하여 유출해석 모의에 필요한 격자별 매개변수를 추출하였다.
관측강우 자료와 예측강우 자료를 적용하여 K-DRUM 유출 모의 후 지점별 관측유량과 계산유량을 비교하였다(Fig. 8). 관측 유량을 기준으로 하여 비교한 결과 관측 강우를 적용하였을 때는 각 지점별로 유사한 강우 패턴을 나타내지만 보성강댐에서는 관측 강우를 적용한 결과 또한 관측값과 큰 차이가 나타나는 것을 확인할 수 있었다. 시간 조합별 예측 강우를 적용한 결과는 섬진강 댐 지점의 경우 각 시간 조합이 유사한 패턴을 나타내지만 Peak Flow를 기준으로 보았을 때는 6시간 조합이 관측값과 유사하며 12시간 조합에서 과다 추정되고 24시간, 48시간 조합은 전체적으로 과소 추정됨을 확인하였다.
강우를 평가한 주요 평가지표(Volume, R2)와 동일한 지표로 유출량 평가하였다. 상류에 위치한 섬진강댐과 주암댐의 경우 관측값 대비 총 강우량은 각각 6시간 단위 조합에서 72.25%, 108.88%이며, 12시간은 섬진강댐 81.35%, 주암댐 94.31%이다. R2은 6시간단위 조합일 때 섬진강댐 0.59, 주암댐 0.55, 12시간은 섬진강댐 0.66, 주암댐 0.49으로 6시간, 12시간 모두 양호한 재현성을 나타냈다. 이후 24시간과 48시간에서는 섬진강댐 58.30%, 62.71%, 주암댐 88.77%, 74.92%로 분석되고 결정계수는 섬진강댐에서 0.69, 0.58, 주암댐에서 0.45, 0.55로 확인됐다. 6시간과 12시간 조합의 경우 24시간과 48시간 대비 양호한 재현성을 나타냈다.
하류에 위치한 동복댐과 보성강댐은 6시간 조합에서 총 강우량은 64,79%, 251.53%, 은 0.21, 0.06으며 12시간 조합에서는 총 강우량 58.22%, 144.09%, 은 0.18, 0.16으로 나타났다. 이후 24시간과 48시간에서는 동복탬 43.58%, 37.66%, 보성강댐 140.66%, 111.03%로 분석되고 결정계수는 동복댐 0.07, 0.04, 보성강댐 0.16, 0.47로 확인됐다. 상류에 위치한 섬진강댐, 주암댐보다 상대적으로 총 강우량과 이 낮게 분석됬다(Tables 2, 3). 이러한 차이는 관측 강우를 적용하여 유출 모의한 결과가 실제 관측값과의 차이를 나타내기 때문에 예측 강우 또한 이러한 차이를 보이는 것으로 판단하였다.
Table 2
Volume for Rainfall by Observation and Forecast Time for Each Location
4. 결 론
본 연구에서는 LDAPS 강우 자료를 6, 12, 24, 48시간 단위로 조합하여 관측값과 비교함으로써 강우 예측 정확도를 평가하였다. 강우량 예측의 경우, 6시간 단위에서 총 강우량은 관측값 대비 105%의 정확도를 보였으며, 이는 조합 단위시간이 길어질수록 감소하여 48시간에서는 65%로 나타났다. R2은 6시간 예측에서 0.56으로 시작하여 48시간 예측에서는 0.23으로 감소하였다. LDAPS가 단기 예측에서 상대적으로 높은 정확도를 나타내고 장기 예측에서는 성능이 저하됨을 확인할 수 있었다. 특히, 24시간 이후 조합에서는 12시간 이전의 정확도 대비 크게 감소하는 경향을 보였는데 이와 같은 결과는 예측 시간 조합의 시간이 증가함에 따라 시간적 평균화로 인하여 강우의 단기적 변동성을 충분히 반영하지 못하기 때문으로 생각된다. 따라서, 유출 시 지체시간을 고려하였을 때 유역 규모에 따라 유출 정확도는 높을 수 있을 것으로 판단되지만, 시계열 지표를 기준으로 평가한 결과에서는 강우의 시공간적 분포 정확도가 떨어지는 것을 확인할 수 있었다.
시간별 강우자료를 기반으로 K-DRUM 모형으로 유출 모의를 수행하여 섬진강 유역의 주요 댐 지점에서의 결과를 평가하였다. 유출량에 대한 총 Volume은 6시간 단위에서 섬진강댐 지점이 72.25%, 주암댐이 108.88%로 나타났으며, 12시간 단위에서는 각각 81.35%, 94.31%로 평가되었다. R2은 6시간 예측에서 섬진강댐 0.59, 주암댐 0.55로 나타났고, 12시간 예측에서는 각각 0.66, 0.49로 나타났다. 섬진강댐과 주암댐의 경우 6시간, 12시간 조합의 결과가 24시간, 48시간 조합 대비 상대적으로 양호한 재현성을 나타냈다. 동복댐과 보성강댐은 섬진강댐과 주암댐 결과 대비 상대적으로 총 강우량과 R2이 낮게 분석되어 관측 강우의 차이가 나타나며 시간 조합 단위 예측 강우도 관측값과의 차이가 나타남을 확인하였다. 6시간 예측 강우에서 전반적으로 총 강우량이 일치하고 높은 결정계수를 보여주며 섬진강과 주암댐 지점 모두에서 상대적으로 우수한 재현성을 나타냈는데 강우의 최대치도 다른 시간 조합 대비 유사했다. 12시간 강우 조합의 경우 총량의 정확도는 유사하지만 Peak Flow를 기준으로 보았을 때 큰 차이가 존재하기 때문에 본 연구에서는 강우 및 유출 예측의 정확성을 높이고자 할 때 6시간 단위의 자료 활용이 가장 적절하다는 것으로 판단된다. 따라서, 실무적 적용 및 의사결정 과정에서도 6시간 예측을 채택하는 것이 타당하며, 이는 홍수 관리 및 수자원 운영에 있어 신속하고 정확한 대응을 가능하게 할 것이다.
이러한 결과는 LDAPS를 통한 유출 모의가 단기적으로는 비교적 신뢰할 수 있는 결과를 제공하였으나, 장기적인 예측에서는 개선의 여지가 있음을 확인하였다. 향후 연구에서는 LDAPS의 장기 예측 성능을 향상시키기 위한 다양한 기법들을 탐색하고, 다른 기상 모델과의 비교 분석을 통해 LDAPS의 활용 가능성을 확장할 필요가 있다고 판단된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
