J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 17(5); 2017 > Article
수치예보의 공간예측 불확실성을 고려한 강우 앙상블 추정 및 홍수 예측

Abstract

This study evaluated the accuracy of rainfall and flood forecasts with three rainfall events such as typhoon and stationary front by using MSM provided by Janpan Meteorology Agency. In addition, prediction misplacement was estimated using ensemble rainfall distribution generated by spatial shift of original MSM rainfall field. As a result, the wide-area prediction such as typhoon event showed high forecast accuracy, and the local-area prediction such as stationary front event has a limitation to quantitative precipitation forecast (QPF) due to spatial prediction error. The ensemble rainfall and flood forecasts showed similar pattern to the observed value, and the forecast accuracy was improved in the under-predicted area because the ensemble range included the observed value. From these results, it could confirm the applicability of ensemble rainfall and flood forecasts by using spatial shift of numerical weather prediction.

요지

본 연구에서는 일본 기상청에서 제공하고 있는 중규모모델(MSM)의 수치예보자료를 이용하여 태풍 및 정체전선 등 3개의 강우사상에 대해 강우 및 홍수 예측 정확도를 평가하였다. 또한 수치예보자료의 공간이동을 통해 생성된 앙상블 강우분포를 이용하여 공간예측 변위를 평가하였다. 그 결과, 태풍과 같은 광역적 범위에 대한 예측에 대해서는 높은 정확도를 나타냈으나, 정체전선과 같이 국지적으로 발생하는 강우사상에 대해서는 공간예측의 오차가 많이 발생하였다. 앙상블 강우 및 홍수예측 결과 전체적으로 관측값의 패턴과 유사한 예측결과를 보였으며, 과소예측되는 구간에 대해서는 앙상블 범위가 관측값을 포함하는 결과를 나타냈다. 이를 통해 수치예보의 공간이동기법을 이용한 앙상블 강우 및 홍수예측 적용 가능성을 확인할 수 있었다.

1. 서론

전 세계적으로 지구온난화로 인한 급격한 기후변화에 의해 집중호우의 발생빈도 및 강도가 증가하고, 이에 따른 홍수피해로 인해 막대한 인명 및 재산피해가 발생하고 있다(Lee et al., 2011). 최근에는 치수사업 등으로 하천 범람의 재해가 감소하는 추세이지만, 도시개발에 따른 내수 범람에 의한 피해가 증가하고 있다. 이러한 홍수피해를 경감하기 위해서는 구조적인 대책도 필요하지만, 홍수 예⋅경보를 통한 대비시간의 확보 등과 같은 비구조적인 대책도 중요하며, 홍수 예⋅경보를 통한 선행시간(Lead time) 확보를 위해 홍수예측 시스템 구축이 하나의 대안으로 대두되고 있다(Yu et al., 2016b).
최근 컴퓨터 계산 능력의 향상 및 수치예보(Numerical Weather Prediction, NWP) 모델의 발전으로 인해 기상예측 정확도가 지속적으로 향상되고 있다. 수치예보모델은 대기의 상태와 운동에 대한 방정식을 계산하도록 구성되며, 지구의 기상시스템을 모델링하는 것을 말하며, 수치예보는 이러한 수치예보모델을 이용하여 앞으로의 대기상태에 대한 예측을 수행하는 것을 의미한다. 최근에는 고해상도 수치예보를 이용한 강우예측이 가능함으로서 유역 스케일에 직접적으로 적용한 홍수예측이 이루어지고 있다(Demeritt et al., 2007; Cuo et al., 2011). 하지만, 대기는 비선형(Non-linear) 및 혼돈(Chaotic) 시스템이므로 초기 조건의 약간의 변형에도 예기치 않은 결과가 발생할 수 있어 기상예측은 많은 불확실성은 내포한다(Lorenz, 1969). 수치예보모델을 이용한 강우예측은 지속적으로 향상되고 있으나, 홍수예측 등 수문학적 적용에 있어서는 아직 불확실성이 현저하다. 또한 이러한 불확실성은 예측의 선행시간, 강우사상의 크기 및 유역의 특성에 따라 다르게 나타나며, 강우의 불확실성을 고려한 유출변동성은 연구들마다 다르게 나타나고 일반적인 경향은 명확하지 않다고 많은 연구들에서 기술하고 있다(Kobold and Susˇelj, 2005; Bartholmes and Todini, 2005; Gouweleeuw et al., 2005; Pappenberger et al., 2005; Collier, 2009; Mascaro et al., 2010).
국외의 경우 수치예보자료를 이용한 유출량 예측에서 나타나는 불확실성 검토에 관한 연구가 수행되고 있다(Georgakakos and Hudlow, 1984; Damrath et al., 2000; Ebert and McBride, 2000; Habets et al., 2004; Schaake et al., 2004; Ebert et al., 2007; Xuan et al., 2009; Lu et al., 2010). 이중에서 Schaake et al.(2004)는 US National Centers for Environmental Prediction(NCEP)에서 제공하는 수년간의 수치예보자료를 이용하여 미국 전역에 대해 통계적 특성을 분석하였다. 그 결과 수치예보자료는 공간적 변위가 발생하고, 이러한 오차는 정량적인 강우예측에 영향을 미친다고 언급하였다. 이는 예측된 강우분포의 형태 및 강도는 정확할지 모르지만 예측 강우분포의 위치에 변위가 발생한다는 의미이다. WMO(2011)는 이러한 수치예보모델의 위치 오차는 1시간에 6~8 km 정도 발생할 수 있으며, 이러한 위치 오차가 수문학적 적용에 있어 수문곡선의 시간 및 정량적인 오차를 발생시킬수 있다고 언급하였다. Xuan et al.(2009)은 이러한 수치예보자료의 위치변위가 어느 정도 발생하는지 평가하기 위해 공간이동을 통해 생성된 앙상블 도메인에 대해 상관분석을 실시하여 연구에서 사용한 MM5 수치예보모델(Dudhia et al., 2003)의 공간예측 변위의 경향성을 분석하였다.
국내의 경우 현업 수치예보모델의 강우예측 정보를 이용한 수문학적 적용에 관한 연구가 최근에 들어 수행되어 왔다(Byun, 2009; Yu et al., 2016a; Yu et al., 2016b). 하지만 고해상도 수치예보자료 및 강우예측 정확도 개선의 필요성 등이 언급되고 있을 뿐, 수치예보자료의 수문학적 적용에 있어 불확실성을 고려하는 연구는 아직 미흡한 실정이다. Yu et al.(2017)은 한국과 일본에서 현업에서 사용하고 있는 국지예보모델(Local Data Assimilation and Prediction System, LDAPS)과 중규모모델(Meso-Scale Model, MSM)의 강우예측 정보를 이용하여 태풍과 정체전선 강우사상에 대해 강우 및 홍수 예측 적용성을 평가하였으며, 추가적으로 수치예보의 공간예측의 불확실성을 평가할 수 있는 확률론적 예보 등의 후속 연구가 필요하다고 언급하였다.
본 연구에서는 일본 기상청에서 준실시간으로 제공하고 예측 도메인에 국내를 포함하고 있는 MSM (Saito et al., 2006)의 수치예보자료를 이용하여 남강댐 유역 내 산청 유역에 대해 강우 및 홍수 예측 정확도를 평가하였다. 강우예측 정확도를 평가하기 위해 MSM의 수치예보자료를 이용하여 선행시간 및 임계값(Threshold)에 따른 CSI를 분석하였으며, 수치예보의 공간이동(Spatial shift or Transpose)을 통해 생성된 MSM 앙상블 예측강우를 이용하여 지상관측강우의 유역평균강우량 및 총강우량과 비교하였다. 또한 생성된 앙상블 공간 강우분포를 이용하여 MSM의 위치변위(Misplacement)를 평가하였으며, 수문모형을 통해 산정한 앙상블 홍수예측 결과를 관측유량과 비교⋅검토하였다.

2. 연구범위 및 방법

2.1 Meso-Scale Model (MSM)

일본 기상청(JMA)에서는 기상예보의 목적에 따라 다양한 수치예보모델을 운영하고 있으며, 예보 목적 및 특성에 따라 결정론적(Deterministic)과 확률론적(Probabilistic) 예측으로 나뉜다. 결정론적 예측으로는 예보지역 및 공간 해상도에 따라 전지구 예보모델(Global Spectral Model, GSM), 중규모 모델(MSM), 국지 예보모델(Local Forecast Model, LFM) 등으로 구분되며, 확률론적 예측으로는 태풍 앙상블 예보(Typhoon Ensemble Prediction System), 주간 앙상블 예보(One-week Ensemble Prediction System), 월간 앙상블 예보(One-month Ensemble Prediction System), 계절 앙상블 예보(Seasonal Ensemble Prediction System) 등으로 구분된다(http://www.jma.go.jp/). 본 연구에서는 강우 및 홍수예측에 적용하여 기상-수자원 연계에 다양한 연구가 수행되고 있는 MSM을 이용하였다.
MSM의 공간 해상도는 5 km이며, 고해상도 모델의 경우 적운 모수화(Covective scheme)를 사용하지 않고도 강수 현상과 연관된 대류를 구현할 수 있지만, MSM의 경우 대류를 명시적으로 해석하기 위해 Kain-Fritsch 적운모수화 기법(Kain and Fritsch, 1990)을 이용한다. 예측 도메인은 일본을 중심으로 한국 전역과 중국 일부 지역에 대하여 481×505개의 격자로 구성되며, 자료동화 기법으로는 4차원 변분법(4-Dimensional Variational Method, 4DVAR)을 이용한다(Ishikawa and Koizumi, 2002). MSM은 3시간 간격으로 GSM (Sugi et al., 1990)으로부터 경계조건을 제공받아 1일 8회 3시간 간격으로 39시간 예측자료를 제공하며, 본 연구에서는 MSM의 1일 8회 모든 예측자료를 이용하지 않고 03, 09, 15, 21 KST의 1일 4회 39시간 예측 자료를 이용하였다. Fig. 1은 MSM의 예측 도메인과 공간 예측 정확도 검증을 위한 도메인을 나타내며, Table 1은 MSM의 제원을 나타낸다.
Fig. 1
Forecast and Verification Domains of MSM
KOSHAM_17_05_043_fig_1.gif
Table 1
MSM Specifications
Model MSM
 Horizontal Resolution  5 km
Grid Points 481×505
Vertical / Top 50 layers / 21.8 km
Forecast Period  39 hour (3 hour interval) 
Convective Scheme Kain-Fritsch Scheme
Initial Condition 4DVAR
Lateral Boundary GSM

2.2 대상유역 및 강우사상

본 연구에서는 낙동강 수계의 남강댐 유역 내 산청 소유역을 대상유역으로 하여 공간이동을 통한 앙상블 강우 및 홍수 예측을 평가하였다. 산청 유역의 유역면적은 1,134.1 km2으로 남강댐 유역면적 2,282 km2의 49.7%에 해당하며, 유역평균고도는 EL. 552.51 m로 산지 유역이다. 또한 2014년 8월 초순 중심기압이 980 hPa를 기록한 제12호 태풍 ‘나크리’, 8월 하순 북태평양 기단과 시베리아 기단 사이에 저기압의 형성으로 인한 정체전선에 따른 집중호우, 2016년 10월 남부지방에 큰 피해를 입힌 제 18호 태풍 ‘차바’ 등 3개의 호우사상을 대상으로 MSM의 예측 정확도를 검토하였다(Table 2).
Table 2
Selected Events for Rainfall and Flood Forecasts
Event No. Rainfall Duration  Total Rainfall (mm)  Event Type
1  2014.08.01.15:00 ∼ 08.04.02:00  176.6 Typhoon ‘Nakri’
2 2014.08.17.00:00 ∼ 08.19.11:00 125.3 Stationary Front
3 2016.10.04.00:00 ∼ 10.06.11:00 89.6  Typhoon ‘Chaba’ 

2.3 분포형 강우-유출 모형

본 연구에서는 사용된 강우-유출 모형은 사면의 지표 및 지표하 흐름을 고려한 분포형 모형인 KWMSS(Kinematic Wave Method for Subsurface and Surface flow; Tachikawa et al., 2004) 모형을 사용하였다. KWMSS 모형은 격자기반의 공간분포형 강우를 고려하여 유출을 계산하며, 개념적인 수위-유량 관계식을 기반으로 이용하여 연속방정식을 계산한다. 강우초기 토양의 미소공극(Micropore)이 강우로 인해 채워지면서 토양 내 흐름은 비포화 흐름이 되고, 지속된 강우에 의해 수위가 상승함에 따라 토양의 미소공극과 대공극(Macropore)이 채워지면서 토양이 포화되어 포화흐름이 발생되며, 지표하 흐름의 수심이 토양층의 두께를 초과할 경우 지표류가 발생한다. 많은 연구에서 KWMSS 모형을 이용한 강우-유출 모의가 수행되었으며, 유역 특성을 고려한 신속한 분석과 단기 유출 분석에 효과적임을 나타내었다(Tachikawa et al., 2004; Kim et al., 2009; Yu et al., 2016b). 또한 KWMSS 모형의 매개변수 보정을 위하여 전역최적화 기법인 SCE-UA (Duan et al., 1992)를 이용하여 각 강우사상에 대한 최적 매개변수를 산정한 후 MSM의 홍수예측에 이용하였다.

2.4 MSM 강우장의 공간이동

본 연구에서는 MSM 예측 강우장의 공간분포 이동을 통해 앙상블 정보를 생성하여 강우 및 홍수예측을 평가하였으며, 또한 생성된 앙상블 정보의 강우분포를 이용하여 공간예측 변위 및 불확실성을 평가하였다. 본 연구에서 사용한 강우장의 공간분포 이동을 통한 앙상블 생성기법은 기존의 물리학적 앙상블 생성기법과는 차이가 있으며, 수치예보자료의 공간이동이라는 후처리를 통해 산출된 예측강우 정보를 홍수예측에 적용하여 공간예측 변위가 강우 및 홍수예측의 정확도에 어떤 영향을 미치는지 알아보기 위함이다. Fig. 3은 MSM 예측 강우장의 공간이동 기법의 모식도를 나타낸다. 우선 MSM의 강우장을 1번에서 80번을 중심좌표로 하는 강우장을 추출하여 본래의 기준좌표(Fig. 3의 회색부분)로 대체하여 추가적인 80개의 앙상블 강우장을 생성하였다. 공간분포의 이동은 기준좌표를 중심으로 상하좌우 5 km 간격으로 수행하였으며, 생성된 앙상블 강우장을 이용하여 공간예측 변위 및 불확실성을 평가하였다.
Fig. 2
Study Area for Rainfall and Flood Forecasts
KOSHAM_17_05_043_fig_2.gif
Fig. 3
Schematic of Spatial Shift Scheme Using MSMRainfall Fields
KOSHAM_17_05_043_fig_3.gif

2.5 정확도 평가 방법

본 연구에서는 MSM의 공간적인 강우예측 정확도를 평가하기 위해 임계성공지수(Critical Success Index, CSI)를 사용하였다. CSI는 정확히 예측했던 사건 수를 예보이거나 관측이던 간에 사건 발생과 관련된 총 수를 합하여 나눈 것이다. CSI는 사건이 발생하지 않는다고 예보했고 실제 발생하지 않은 경우의 수에 영향을 받지 않는다. 따라서 사건의 빈도수에 따라 좌우되는 경향이 있다(Yoon and Bae, 2010). 유역평균강우량의 예측 정확도를 평가하기 위해 상관계수(Correlation Coefficient, CC)와 편의(BIAS)를 이용하였다. 공간적인 예측 정확도를 평가하기 위해 기상청의 레이더 합성 반사도 자료를 Marshall & Palmer 공식(Marshall and Palmer, 1948)을 이용하여 강우로 변환하였으며, 유역평균강우량은 지상 관측소의 강우량 자료를 Thiessen기법을 이용하여 유역평균강우량을 산정하였다. 또한 홍수예측 정확도를 평가하기 위해 CC와 Nash-Sutcliffe 효율계수(Nash-Sutcliffe Efficiency, NSE)를 이용하였으며, 산청 수위관측소의 해당년도의 수위-유량 관계곡선식을 이용하여 수위 H (m)자료를 유량 Q (m3/s)자료로 변환하여 실측유량 값을 산정하였다. 강우 및 홍수 예측 정확도를 평가하기 위한 관계식은 Eqs. (1)∼(4)와 같다.
(1)
CSI=HitHit+Miss+False
(2)
CC=i=1N(OiO¯)(PiP¯)i=1N(OiO¯)2i=1N(PiP¯)2
(3)
BIAS=i=1NPii=1NOi
(4)
NSE=1i=1N(OiPi)2i=1N(OiO¯)2

3. 적용 결과

3.1 강우의 정성적 예측 평가

Fig. 4는 2014년 태풍 ‘나크리’와 정체전선, 2016년 태풍 ‘차바’ 등 3개의 강우사상에 대하여 공간이동을 하지 않은 기준좌표의 MSM 강우예측자료와 기상청의 레이더 합성 강우장을 이용하여 Fig. 1의 검증 도메인 내 0.1에서 5 mm까지의 임계값(threshold)과 선행시간에 따른 CSI를 분석한 결과이다. 본 연구에서는 기상청 레이더 합성 강우의 공간
Fig. 4
CSI of MSM with Lead Time and Threshold Values
KOSHAM_17_05_043_fig_4.gif
분해능 1 km와 동일하게 맞추기 위해 5 km의 MSM을 1 km로 선형 보간하여 CSI를 분석하였으며, 각각의 선행시간은 수치예보의 예측시작시간에서 산청 유역 내 강우가 발생하는 시간에 대한 선행시간을 나타낸다.
2014년 태풍 ‘나크리’(Event 1)의 결과를 살펴보면 선행시간이 증가함에 따라 CSI 값이 감소하는 경향을 나타냈으며, 임계값이 증가함에 따라서도 역시 CSI 값이 감소하는 경향을 나타냈다. 첫 번째 예측결과에서는 0.1 mm 임계값의 선행시간 23시간에서 0.749로 가장 높게 나타났으며, 두 번째 예측결과에서는 0.1 mm 임계값의 선행시간 17시간에서 0.7, 세 번째 예측결과에서는 0.1 mm 임계값의 선행시간 10시간에서 0.742, 마지막 네 번째 예측결과에서는 0.1 mm 임계값의 선행시간 5시간에서 0.816으로 가장 높게 나타났다. 본 연구에서 CSI를 계산하기 위한 검증 도메인(Fig. 1)은 남한에 포함하는 영역으로 0.1 mm 임계값에 대하여 0.8에 가깝게 나타난 결과를 통해 강우 패턴을 잘 예측하고 있는 것으로 판단된다. 2014년 정체전선(Event 2)의 결과를 살펴보면 Event 1의 결과와 마찬가지로 선행시간이 증가함에 따라 CSI 값이 감소하고 임계값이 증가함에 따라 감소하는 것을 알 수 있다. 첫 번째 예측결과에서는 0.1 mm 임계값의 선행시간 20시간에서 0.628로 가장 높게 나타났으며, 두 번째 예측결과에서는 0.1 mm 임계값의 선행시간 14시간에서 0.612, 세 번째 예측결과에서는 0.1 mm 임계값의 선행시간 8시간에서 0.615, 네 번째 예측결과에서는 0.1 mm 임계값의 선행시간 2시간에서 0.632로 가장 높게 나타났다. Event 2의 결과는 전체적으로 Event 1의 결과에 비해 과소산정된 것을 알 수 있는데 이는 Event 1의 태풍 사상과 같은 광역적 범위에 대해서는 예측 정확도가 높은 반면, Event 2의 정체전선과 같이 특정 지역에 국지적으로 발생하는 강우사상에 대해서는 강우의 공간적인 예측의 제약 및 오차의 내포에 의해 과소산정된 것으로 판단된다. 2016년 태풍 ‘차바’(Event 3)의 결과를 살펴보면 전체적으로 선행시간이 증가함에 따라 CSI 값이 증가하다가 감소하는 경향을 나타냈으며, 임계값에 대해서는 Event 1과 2와 마찬가지로 감소하는 경향을 나타냈다. 첫 번째 예측결과에서는 0.1 mm 임계값의 선행시간 25시간에서 0.815, 두 번째 예측결과에서는 0.1 mm 임계값의 선행시간 19시간에서 0.798, 세 번째 예측결과에서는 0.1 mm 임계값의 선행시간 12시간에서 0.824, 네 번째 예측결과에서는 0.1 mm 임계값의 선행시간 6시간에서 0.834로 0.8이상의 CSI 값을 나타냈으며, 예보가 갱신됨에 따라 같은 강우발생시각에의 CSI 값이 증가하는 경향을 나타냈다.

3.2 강우의 정량적 예측 평가

Fig. 5는 남강댐 유역 내 지상 강우관측소 자료를 이용하여 산정한 산청 유역평균강우량과 공간이동을 통해 산정된 MSM 앙상블 강우자료의 유역평균강우량을 비교한 것으로 앙상블 유역평균 강우량은 25~75%, 최솟값과 최댓값의 형태로 나타내었다. 2014년 태풍 ‘나크리’(Event 1)의 첫 번째 예측결과를 살펴보면 선행시간 20시간 후에도 관측강우의 패턴과 유사한 예측 결과를 보였으며, 30시간 이후의 강우 첨두값에서도 관측 강우와 유사하게 나타났다. 또한 앙상블 예측강우의 최솟값과 최댓값 범위가 관측강우를 포함하고 있다. 하지만 선행시간이 길어짐에 따라 33시간 이후의 예측결과에서는 과소예측하는 것으로 나타났다. 6시간 후 새로 갱신된 두 번째 예측결과를 살펴보면 앞선 첫 번째 예측과 같이 강우 발생 초기부터 23시간까지는 강우패턴을 잘 따르고 있으나, 강우 첨두값 부분에서는 과소 예측함을 알 수 있다. 하지만 앙상블 예측강우의 최솟값과 최댓값 범위는 26시간까지 관측강우를 포함하고 있다. 갱신된 세 번째 예측결과를 살펴보면 전체적으로 과소예측하고 있는 경향을 나타내지만 관측강우의 패턴과 유사한 예측결과를 보였으며, 앙상블 범위는 전체적으로 관측강우를 잘 포함하고 있는 것으로 나타났다. 마지막 네 번째 예측결과를 살펴보면 강우 첨두값 부분에서는 과소예측하고 있으나 앙상블 범위가 관측강우를 포함하고 있다. 2014년 정체전선(Event 2)의 첫 번째 예측결과를 살펴보면 우선 관측강우는 두 번의 첨두강우가 발생하는 것을 확인할 수 있으며, MSM의 예측결과는 두 번의 첨두강우가 발생한 구간에서 시간오차가 발생한 것으로 나타났으나 강우의 첨두값에 대해서는 정량적으로 잘 예측하는 것으로 나타났다. 갱신된 두 번째 예측결과를 살펴보면 첫 번째 첨두강우를 정량적으로 예측하지 못하였으나, 두 번째 첨두값에서는 그 패턴을 재현하고 있으며, 다소 과대예측하는 경향을 나타냈다. 세 번째의 예측결과에서는 두 번째의 예측결과와 마찬가지로 첫 번째의 첨두강우를 재현하지 못하였고두 번째의 첨두강우가 나타나는 상승부에서 과소예측을 나타냈다. 하지만 두 번째 첨두강우 구간에서 강우패턴과 유사하게 나타냈으며, 앙상블 강우의 최댓값이 두 번째 첨두강우의 상승부에서 MSM 예측강우를 보완해주고 있다. 네 번째 예측결과에서는 관측강우를 재현하지 못하였으며, 공간이동을 통한 앙상블 강우예측 역시 관측강우를 재현하지 못하였다. 이는 대기조건이 매우 불안정한 상태에서 수치예보모델의 초기조건을 안정화하는 스핀업의 영향으로 예측결과가 불안정해진 것으로 판단된다. 2016년 태풍 ‘차바’(Event 3)의 첫 번째 예측결과를 살펴보면 예측강우의 패턴은 관측강우와 유사하나 정량적으로 과소예측함을 알 수 있으며, 앙상블 범위 역시 관측강우에 비해 과소예측하는 것으로 나타났다. 갱신된 두 번째, 세 번째 및 네 번째의 예측결과를 살펴보면 관측강우의 패턴을 매우 유사하게 예측하는 것으로 나타났으며, 첨두강우가 발생하는 각각의 24, 18, 12시간의 비교적 긴 선행시간에서도 첨두강우를 잘 재현하고 있다. 또한 각각의 앙상블 범위 역시 전체적으로 관측강우를 포함하고 있는 것을 알 수 있다.
Fig. 5
Ensemble Areal Rainfall of MSM in the Form of Box Plots
KOSHAM_17_05_043_fig_5.gif
Fig. 6Fig. 5의 유역평균강우량의 총강우량을 나타낸다. 2014년 태풍 ‘나크리’(Event 1)의 예측결과를 살펴보면 첫 번째부터 마지막 네 번째 예측결과에서 MSM의 예측된 총강우량이 관측강우와 유사하게 나타났으며, 다소 과소예측됨을 알 수 있다. 하지만 앙상블 강우의 25∼75 % 및 최솟값과 최댓값 범위가 관측 총강우량을 전체적으로 잘 포함하는 것으로 나타났다. 2014년 정체전선(Event 2)의 예측결과를 살펴보면 앞선 Fig. 5에서 언급한바와 같이 첨두강우에 대해 시간 오차가 발생하였음에도 불구하고 총강우량은 첫 번째와 두 번째의 갱신된 예측결과에서 관측 총강우량과 유사한 결과를 나타냈다. 2016년 태풍 ‘차바’(Event 3)의 예측결과를 살펴보면 과소예측된 첫 번째 예측결과를 제외하고는 MSM의 예측된 총강우량이 관측강우와 매우 유사하게 나타났으며, 앙상블 강우의 25∼75 % 및 최솟값과 최댓값 범위가 관측 총강우량을 전체적으로 잘 포함하는 것으로 나타났다.
Fig. 6
Accumulated Ensemble Rainfall of MSM
KOSHAM_17_05_043_fig_6.gif
Table 3Fig. 5 지상강우관측소의 유역평균강우량과 MSM의 예측 유역평균강우량 사이의 상관계수(CC)와 Fig. 6의 총 강우량 오차(BIAS)를 비교한 것으로 기준좌표의 MSM과 앙상블 평균, 최솟값과 최댓값을 나타내었다. Table 3을 통해 모든 강우사상에 대해 기준좌표의 MSM과 앙상블 평균값이 최솟값과 최댓값에 포함되는 것으로 나타났으며, 광역적으로 강우가 발생하는 태풍 사상(Events 1 and 3)이 국지적으로 강우가 발생하는 정체전선(Event 2)에 비해 높은 상관계수를 나타냈다. 총강우량 오차의 경우 Event 1과 3에서 전체적으로 1에 가까운 앙상블 평균값이 나타났으며, 정체전선의 경우 Fig. 5에서 강우예측의 시간오차가 발생하였음에도 불구하고 총강우량의 첫 번째와 두 번째 갱신된
Table 3
Areal Rainfall Verification Using CC and BIAS with Update Time
Event No. Start No. CC BIAS
Original Average Min. Max. Original Average Min. Max.
Typhoon ‘Nakri’ 1 0.840 0.857 0.749 0.914 0.893 0.893 0.474 1.342
2 0.772 0.784 0.574 0.878 0.845 0.858 0.435 1.240
3 0.895 0.896 0.700 0.927 0.799 0.807 0.401 1.318
4 0.900 0.896 0.701 0.900 0.881 0.910 0.410 1.475
Stationary Front 1 0.279 0.299 0.105 0.508 1.046 1.082 0.898 1.381
2 0.616 0.612 0.306 0.718 0.909 0.881 0.599 1.105
3 0.475 0.516 0.308 0.654 0.698 0.739 0.466 1.107
4 0.329 0.301 0.020 0.425 0.190 0.242 0.187 0.465
Typhoon ‘Chaba’ 1 0.644 0.644 0.441 0.861 0.737 0.710 0.527 0.881
2 0.876 0.870 0.745 0.918 0.943 0.921 0.583 1.197
3 0.909 0.870 0.725 0.930 1.062 1.121 0.841 1.714
4 0.908 0.880 0.721 0.954 1.255 1.271 0.951 1.730
예측결과에서 관측값과 유사한 결과를 나타남에 따라 총강우량 오차가 1에 가까운 값을 나타냈다.

3.3 공간예측 변위 평가

본 연구에서는 수치예보자료의 공간이동을 통해 생성된 앙상블 강우분포를 이용하여 공간예측 변위 및 불확실성을 평가하였다. Fig. 7Fig. 1의 검증 도메인에 대한 레이더 합성 강우장과 Fig. 3과 같이 각각의 공간이동된 MSM에 대한 CSI 값을 나타내며, 각각의 CSI 값은 Fig. 4에서 나타난 산청 유역 내 강우가 발생하는 선행시간에 대한 CSI 평균값을 나타낸다. 각각의 그리드의 값이 의미하는 바는 Fig. 3에서 1번부터 80번까지를 기준좌표로 하는 검증 도메인 내의 예측 강우장을 본래의 MSM의 기준좌표로 공간이동했을 때 레이더 합성 강우장과 비교를 통해 계산된 CSI 값이다. 2014년 태풍 ‘나크리’(Event 1)의 첫 번째 결과를 살펴보면 북서쪽의 좌표를 기준으로 하는 예측 강우장을 본래의 MSM의 기준좌표로 이동시켰을 때 높은 CSI 값을 나타내었다. 이는 첫 번째의 예측 강우분포가 북서쪽으로 변위가 발생하고 있는 것을 정성적으로 판단할 수 있다. 갱신된 두 번째의 예측 강우분포도 첫 번째의 예측 강우분포와 마찬가지로 북서쪽에서 변위가 나타나고 있는 것으로 나타났다. 반면 갱신되는 세 번째와 네 번째의 예측결과를 살펴보면 남동쪽의 좌표를 본래의 MSM의 기준좌표로 이동시켰을 때 높은 CSI 값을 나타내어 남동쪽으로 변위가 발생하는 것으로 나타났다. 다음으로 2014년 정체전선(Event 2)의 첫 번째 예측결과를 살펴보면 전체적으로 Event 1에 비해 작은 CSI 값의 분포를 확인할 수 있으며, 첫 번째 예측결과에서는 서쪽, 두 번째는 예측결과에서는 동쪽 등으로 공간분포의 변위가 발생하는 경향이 나타나지만 CSI 값의 최솟값과 최댓값의 차이가 0.02 정도에 불과해 공간예측 변위의 뚜렷한 경향성을 찾기 어렵다. 이는 정체전선의 경우 강우의 발생 영역이 국지적이고 Fig. 1의 검증도메인과 같은 광범위 영역에 대해 계산된 CSI이므로 뚜렷한 경향성을 찾기 어려운 것으로 판단된다. 2016년 태풍 ‘차바’(Event 3)의 결과를 살펴보면 첫 번째와 두 번째의 예측결과에서는 남쪽의 좌표를 본래의 MSM의 기준좌표로 이동시켰을 때 높은 CSI 값이 나타났으며, 세 번째와 네 번째의 갱신된 예측결과에서는 남서쪽으로 공간예측 변위가 발생한 것으로 나타났다. Fig. 7을 통해 태풍 사상과 같은 광역적 범위 대해서는 공간예측 변위의 경향성이 뚜렷하게 나타나는 반면, 정체전선과 같이 특정 지역에 국지적으로 발생하는 강우사상에 대해서는 공간예측 변위의 경향성이 뚜렷하지 않은 것으로 나타났다. 또한 Fig. 7의 결과는 CSI를 계산하는 강우장의 크기에 따라 공간예측 변위 결과가 달라지겠지만, 수치예보자료의 공간이동을 통해 변위가 어느 방향으로 발생하고 있는지 정성적으로 가늠할 수 있다.
Fig. 7
Average CSI in a Comparison of Observed Radar and Each Transposed MSM Domain with 0.1 mm Threshold Value
KOSHAM_17_05_043_fig_7.gif

3.4 홍수예측 정확도 평가

Fig. 8은 공간이동을 통한 MSM의 앙상블 강우예측 정보를 이용한 산청유역에 대한 앙상블 홍수예측 결과이다. 2014년 태풍 ‘나크리’(Event 1)의 첫 번째 예측결과를 살펴보면 본래의 MSM(Original MSM) 예측강우를 이용한 홍수예측은 선행시간 30시간 이후에도 관측 유량 패턴과 유사한 예측결과를 보였지만 첨두유량이 발생하는 구간에서는 과소예측하는 것으로 나타났다. 하지만 공간이동을 통해 생성된 앙상블 홍수예측의 25~75 %, 최솟값과 최댓값 범위는 관측유량을 포함하고 있는 것을 알 수 있다. 두 번째 갱신된 예측결과에서는 Fig. 5의 강우예측결과에 따라 관측 첨두유량보다 앞서 예측 첨두유량이 발생하였으며, 앙상블 홍수예측 범위 역시 관측 첨두유량보다 앞서 발생하였으나 앙상블 유량 최댓값은 관측 첨두유량값과 비슷하게 나타나고 있다. 세 번째와 네 번째 예측결과에서는 MSM 홍수예측이 관측 첨두유량에 비해 과소예측하는 것으로 나타났으나, 앙상블 범위는 관측 첨두유량을 포함하고 있다. 2014년 정체전선(Event 2)의 첫 번째와 두 번째 예측결과를 살펴보면 MSM 홍수예측이 유량의 상승부에서는 관측유량 패턴과 유사하게 나타났으나, 관측 첨두유량에 대해서는 과소예측하는 것으로 나타났다. 하지만 앙상블 범위를 살펴보면 관측 첨두유량을 포함하는 것을 알 수 있다. 세 번째 예측결과에서의 MSM 홍수예측은 과소예측하는 것으로 나타났으며, 앙상블 범위 역시 어느정도의 유량을 예측하고 있으나 관측 첨두유량에 대해서 과소예측하는 것을 알 수 있다. 마지막 네 번째 예측결과를 살펴보면 앞선 Fig. 5에서 관측강우를 재현하지 못하고 앙상블 강우예측 역시 관측강우를 재현하지 못함에 따라 홍수예측에서도 유량을 적절히 모의하지 못하고 있다. 2016년 태풍 ‘차바’(Event 3)의 결과를 살펴보면 Fig. 5의 Event 3 강우예측 결과와 마찬가지로 첫 번째의 홍수예측 결과에서는 정량적으로 과소예측하였으며, 앙상블 범위 역시 관측유량에 비해 과소예측하는 것으로 나타났다. 또한 갱신된 두 번째, 세 번째 및 네 번째의 예측결과를 살펴보면 관측유량 패턴을 유사하게 예측하는 것으로 나타났으며, 각각의 앙상블 범위 역시 전체적으로 관측유량을 포함하고 있는 것을 알 수 있다. Table 4Fig. 8의 관측유량과 MSM 앙상블 예측 유량 사이의 상관계수(CC)와 Nash-Sutcliffe 효율계수(NSE)를 비교한 것이다. CC와 NSE 모두 앞선 Table 3의 결과와 마찬가지로 광역적으로 강우가 발생하는 태풍사상에 대한 예측결과가 국지적으로 강우가 발생하는 정체전선 사상에 비해 전체적으로 높은값을 나타내는 것으로 나타났다. Fig. 8Table 4를 통해 MSM 홍수예측이 선행시간이 증가함에도 관측유량 패턴을 적절히 재현하는
Fig. 8
Ensemble Flood Forecasting of MSM
KOSHAM_17_05_043_fig_8.gif
Table 4
Discharge Verification Using CC and NSE with Update Time
Event No. Start No. CC NSE
Original Average Min. Max. Original Average Min. Max.
1 1 0.945 0.936 0.835 0.991 0.872 0.861 -0.116 0.928
2 0.873 0.869 0.675 0.979 0.706 0.720 0.149 0.891
3 0.690 0.748 0.708 0.987 0.933 0.943 -0.028 0.957
4 0.947 0.926 0.807 0.947 0.693 0.721 -0.187 0.843
2 1 0.923 0.923 0.879 0.949 0.842 0.817 0.196 0.897
2 0.884 0.883 0.834 0.924 0.781 0.779 0.437 0.812
3 0.905 0.875 0.714 0.927 0.582 0.618 -0.016 0.820
4 0.426 0.417 0.182 0.543 -0.627 -0.549 -0.629 -0.269
3 1 0.863 0.867 0.801 0.903 0.489 0.473 0.281 0.689
2 0.911 0.912 0.850 0.941 0.802 0.801 0.367 0.864
3 0.945 0.953 0.856 0.985 0.870 0.839 -2.187 0.878
4 0.947 0.951 0.855 0.979 0.630 0.566 -2.297 0.828
것을 알 수 있으며, MSM의 공간이동을 통해 생성된 앙상블 홍수예측 정보들의 범위도 MSM이 과소예측하는 구간에 대해서 관측유량을 적절히 포함하는 결과를 보여주고 있다. 또한 수치예보를 이용한 홍수예측 적용 가능성을 확인할 수 있으며, 강우 및 홍수예측에 있어 앙상블 예측의 이점을 확인할 수 있다.

4. 결론

본 연구에서는 일본 기상청에서 제공하고 있는 중규모모델(MSM)의 수치예보자료를 이용하여 산청 유역에 대해 강우 및 홍수 예측 정확도를 평가하였다. 강우예측 정확도를 평가하기 위해 본래의 MSM의 수치예보를 이용하여 선행시간 및 임계값에 따른 CSI를 분석하였으며, 산청 유역 내 MSM 앙상블 예측강우를 지상관측강우의 유역평균강우량과 비교하였다. 또한 수치예보자료의 공간이동을 통해 생성된 앙상블 강우분포를 이용하여 공간예측 변위 및 불확실성을 평가하였다. 마지막으로 MSM의 앙상블 예측강우와 수문모형을 통해 산정한 홍수예측 결과를 산청 수위관측속의 관측유량 자료와 비교⋅검토하였다. 본 연구에서 분석한 3개의 강우사상을 통해 호우형태에 따른 예측특성을 단정하는 것은 무리가 있으며, 추후 여러 호우특성별 강우사상에 적용을 통한 후속 연구가 필요하다고 판단된다. 본 연구를 통해 도출된 주요 결론은 다음과 같다.
  • (1) 선행시간 및 임계값에 따른 CSI 분석 결과, 선행시간이 증가함에 따라 CSI 값이 감소하고, 임계값이 증가함에 따라 CSI 값이 감소하는 경향을 나타냈다. 태풍 사상과 같은 광역적 범위에 대해서는 선행시간과 임계값이 증가함에도 0.8 이상의 값을 나타냈으며, 정체전선과 같이 국지적으로 발생하는 강우사상에 대해서는 공간예측의 오차가 많이 발생하는 것으로 나타났다.

  • (2) 산청유역의 관측 유역평균강우량과 공간이동을 통해 산정된 MSM 앙상블 유역평균강우량을 비교한 결과, 태풍과 같은 강우사상에 대해서는 전체적으로 관측강우의 패턴과 유사한 예측 결과를 보였으며, 과소예측되는 구간에 대해서는 앙상블 범위가 관측강우를 재현하는 결과를 나타냈다. 정체전선에 대해서는 첨두강우가 발생한 구간에서 시간오차가 발생하였으나, 첨두값에 대해서는 정량적으로 잘 예측하였다. 하지만 대기조건이 불안정한 시각을 초기조건으로 하는 예측결과에서는 관측강우를 재현하지 못하였다.

  • (3) 수치예보자료의 공간이동을 통해 생성된 앙상블 강우분포를 이용하여 공간예측 변위가 어느 방향으로 발생하고 있는지 정성적으로 평가하였다. 평가 결과, 태풍 사상에 대해서는 공간예측 변위의 경향성이 뚜렷하게 나타나는 반면, 정체전선에 대해서는 공간예측 변위의 경향성이 뚜렷하지 않은 것으로 나타났다.

  • (4) 앙상블 홍수예측 결과, 선행시간이 증가함에도 관측유량 패턴을 적절히 재현하는 것을 알 수 있으며, 공간이동을 통해 생성된 앙상블 홍수예측 정보들의 범위도 과소예측하는 구간에 대해서 관측유량을 적절히 포함하는 결과를 나타냈다.

본 연구를 통해 우선 일본 기상청에서 제공하고 있는 MSM 자료는 국내의 강우 및 홍수예측에 적용 가능성이 있다고 판단되며, 홍수 예⋅경보에 기초자료를 제공함으로서 향후 유역관리 등을 위한 기초자료로 활용 가능하다고 판단된다. 또한 본 연구에서 사용한 공간이동을 통해 생성된 앙상블 강우는 기존의 앙상블 생성기법과는 차이가 있으나, 간단한 방법을 통해 수치예보의 공간예측 변위를 평가하고 강우 및 홍수 예측 정확도 향상에 기여하는 것을 확인할 수 있었다. 이러한 앙상블 정보를 이용하여 하천 내 지정수위에 대한 초과확률을 통해 확률론적 예보가 가능할 것으로 판단된다. 하지만 추후 다양한 강우사상의 고려를 통한 적용성 및 제약성의 평가 등의 후속 연구가 필요하다고 판단된다.

감사의 글

본 연구는 국토교통부 물관리연구사업의 연구비지원(17AWMP-B079625-04)에 의해 수행되었습니다.

References

1. Bartholmes, J, and Todini, E (2005) Coupling Meteorological and Hydrological Models for Flood Forecasting. Hydrology and Earth System Sciences, Vol. 9, No. 4, pp. 333-346. 10.5194/hess-9-333-2005.
crossref
2. Byun, D.H (2009). Dam Inflow Forecasts Using Short-Term Numerical Weather Forecast Data. Master's thesis, Sejong University; Seoul, Korea.
crossref
3. Collier, C.G (2009) On the Propagation of Uncertainty in Weather Radar Estimates of Rainfall Through Hydrological Models. Meteorological Applications, Vol. 16, No. 1, pp. 35-40. 10.1002/met.120.
crossref
4. Cuo, L, Pagano, T.C, and Wang, Q.J (2011) A Review of Quantitative Precipitation Forecasts and Their Use in Short-to Medium-range Streamflow Forecasting. Journal of Hydrometeorology, Vol. 12, No. 5, pp. 713-728. 10.1175/2011JHM1347.1.
crossref
5. Damrath, U, Doms, G, Fruhwald, D, Heise, E, Richter, B, and Steppeler, J (2000) Operational Quantitative Precipitation Forecasting at the German Weather Service. Journal of Hydrology, Vol. 239, No. 1, pp. 260-285. 10.1016/S0022-1694(00)00353-X.
crossref
6. Demeritt, D, Cloke, H, Pappenberger, F, Thielen, J, Bartholmes, J, and Ramos, M.H (2007) Ensemble Predictions and Perceptions of Risk, Uncertainty, and Error in Flood Forecasting. Environmental Hazards, Vol. 7, No. 2, pp. 115-127. 10.1016/j.envhaz.2007.05.001.
crossref
7. Duan, Q, Sorooshian, S, and Gupta, V.K (1992) Effective and Efficient Global Optimization for Conceptual Rainfall-runoff Models. Water Resources Research, Vol. 28, No. 4, pp. 1015-1031. 10.1029/91WR02985.
crossref
8. Dudhia, , et al (2003) PSU/NCAR Mesoscale Modelling System Tutorial Class Note and User's Guide:MM5 Modelling System Version 3. Mesoscale and Microscale Meteorology Division, National Centre for Atmospheric Research.
crossref
9. Ebert, E.E, and McBride, J.L (2000) Verification of Precipitation in Weather Systems:Determination of Systematic Errors. Journal of Hydrology, Vol. 239, No. 1, pp. 179-202. 10.1016/S0022-1694(00)00343-7.
crossref
10. Ebert, E.E, Janowiak, J.E, and Kidd, C (2007) Comparison Of Near-Real-Time Precipitation Estimates from Satellite Observations and Numerical Models. Bulletin of the American Meteorological Society, Vol. 88, No. 1, pp. 47-64. 10.1175/BAMS-88-1-47.
crossref
11. Georgakakos, K.P, and Hudlow, M.D (1984) Quantitative Precipitation Forecast Techniques for Use in Hydrologic Forecasting. Bulletin of the American Meteorological Society, Vol. 65, No. 11, pp. 1186-1200. 10.1175/1520-0477(1984)065<1186:QPFTFU>2.0.CO;2.
crossref
12. Gouweleeuw, B.T, Thielen, J, Franchello, G, de Roo, A.P.J, and Buizza, R (2005) Flood Forecasting Using Medium-range probabilistic weather prediction. Hydrology and Earth System Sciences, Vol. 9, No. 4, pp. 365-380. 10.5194/hess-9-365-2005.
crossref
13. Habets, F, LeMoigne, P, and Noilhan, J (2004) On the Utility of Operational Precipitation Forecasts to Served as Input for Streamflow Forecasting. Journal of Hydrology, Vol. 293, pp. 270-288. 10.1016/j.jhydrol.2004.02.004.
crossref
14. Ishikawa, Y, and Koizumi, K (2002) One Month Cycle Experiments of the JMA Mesoscale 4-dimensional Variational Data Assimilation (4D-Var) System. WGNE Blue Book:Res. Activ. Atmos. Oceanic Modell. CAS/JSC WGNE, Vol. 32, No. 1, pp. 26-27.
crossref
15. Kain, J.S, and Fritsch, J.M (1990) A One-dimensional Entraining/Detraining Plume Model and Its Application in Convective Parameterization. Journal of the Atmospheric Sciences, Vol. 47, No. 23, pp. 2784-2802. 10.1175/1520-0469(1990)047<2784:AODEPM>2.0.CO;2.
crossref
16. Kim, S, Tachikawa, Y, Sayama, T, and Takara, K (2009) Ensemble Flood Forecasting with Stochastic Radar Image Extrapolation and a Distributed Hydrologic Model. Hydrological Processes, Vol. 23, No. 4, pp. 597-611. 10.1002/hyp.7188.
crossref
17. Kobold, M, and Susˇelj, K (2005) Precipitation Forecasts and Their Uncertainty as Input into Hydrological Models. Hydrology and Earth System Sciences, Vol. 9, No. 4, pp. 322-332. 10.5194/hess-9-322-2005.
crossref
18. Lee, G, Park, K, Yu, W, Jung, K, and Jang, C (2011) A Study on Flood Damage Estimation Using DEM-based Flood Inundation Model and MD-FDA. J. Korean Soc. Hazard Mitig, Vol. 43, No. 11, pp. 995-1009. 10.9798/KOSHAM.2011.11.5.327.
crossref
19. Lorenz, E (1969) The Predictability of a Flow Which Contains Many Scales of Motion. Tellus, Vol. 21, No. 3, pp. 289-307. 10.3402/tellusa.v21i3.10086.
crossref
20. Lu, C, Yuan, H, Tollerud, E.I, and Wang, N (2010) Scale-dependent Uncertainties in Global QPFs and QPEs from NWP Model and Satellite Fields. Journal of Hydrometeorology, Vol. 11, No. 1, pp. 139-155. 10.1175/2009JHM1164.1.
crossref
21. Marshall, J.S, and Palmer, W.M (1948) The Distribution of Raindrops with Size. Journal of Meteorology, Vol. 5, pp. 165-166. 10.1175/1520-0469(1948)005<0165:TDORWS>2.0.CO;2.
crossref
22. Mascaro, G, Vivoni, E.R, and Deidda, R (2010) Implications of Ensemble Quantitative Precipitation Forecast Errors on Distributed Streamflow Forecasting. Journal of Hydrometeorology, Vol. 11, No. 1, pp. 69-86. 10.1175/2009JHM1144.1.
crossref
23. Pappenberger, F, Beven, K.J, Hunter, N.M, Bates, P.D, Gouweleeuw, B.T, Thielen, J, and de Roo, A.P.J (2005) Cascading Model Uncertainty from Medium Range Weather Forecasts (10 days) Through a Rainfall- runoff Model to Flood Inundation Predictions Within the European Flood Forecasting System (EFFS). Hydrology and Earth System Sciences, Vol. 9, No. 4, pp. 381-393. 10.5194/hess-9-381-2005.
crossref
24. Saito, K, Fujita, T, Yamada, Y, Ishida, Y, Kumagai, Y, Aranami, K, Ohmori, S, Nagasawa, R, Kumagai, S, Muroi, C, Kato, T, Eito, H, and Yamazaki, Y (2006) The Operational JMA Nonhydrostatic Meso-scale Model. Monthly Weather Review, Vol. 134, No. 4, pp. 1266-1298. 10.1175/MWR3120.1.
crossref
25. Schaake, J, Perica, S, Mullusky, M, Demargne, J, Welles, E, and Wu, L (2004) Pre-processing of Atmospheric Forcing for Ensemble Runoff Prediction. Proceedings of the 84th AMS Annual Meeting, 15747922.
crossref
26. Sugi, M, Kuma, K, Tada, K, Tamiya, K, Hasegawa, N, Iwasaki, T, Yamada, S, and Kitade, T (1990) Description and performance of the JMA operational global spectral model (JMAGSM88). Geophysical Magazine, Vol. 43, pp. 105-130.
crossref
27. Tachikawa, Y, Nagatani, G, and Takara, K (2004) Development of Stage-discharge Relationship Equation Incorporating Saturated–unsaturated Flow Mechanism. Journal of JSCE, Vol. 48, pp. 7-12 (in Japanese with English abstract).
crossref
28. WMO (World Meteorological Organization) (2011). Manual on Flood Forecasting and Warning. WMO-No. 1072, Geneva, Switzerland.
crossref
29. Xuan, Y, Cluckie, I.D, and Wang, Y (2009) Uncertainty Analysis of Hydrological Ensemble Forecasts in a Distributed Model Utilising Short-range Rainfall Prediction. Hydrology and Earth System Sciences, Vol. 13, No. 3, pp. 293-303. 10.5194/hess-13-293-2009.
crossref
30. Yoon, S.S, and Bae, D.H (2010) The Applicability Assesment of the Short-term Rainfall Forecasting Using Translation Model. Journal of KWRA, Vol. 43, No. 8, pp. 695-707.
crossref
31. Yu, M.S, Lee, Y.M, and Yi, J.E (2016a) Flood Inflow Forecasting on Hantan River Reservior by Using Forecasted Rainfall. Journal of KWRA, Vol. 49, No. 4, pp. 327-333.
crossref
32. Yu, W, Moon, H, Jeong, A, Kim, S, and Jung, K (2016b) Assessment of Rainfall and Flood Forecasts Using Numerical Weather Prediction Data. Journal of KOSHAM, Vol. 16, No. 6, pp. 83-94.
crossref
33. Yu, W, Yoon, S, Choi, M, and Jung, K (2017) Performance Comparison of Rainfall and Flood Forecasts Using Short-term Numerical Weather Prediction Data from Korea and Japan. Journal of KWRA, Vol. 50, No. 8, pp. 537-549.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next