J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 17(5); 2017 > Article
도심지 토사재해 위험지역 기후변화에 따른 미래 극치강우 분석

Abstract

This study analyzed uncertainty of future extreme rainfall over the landslide high risk zones in the Korean Peninsula (KP) by Coupled Model Intercomparison Project Phase 5 (CMIP5) based on Multi-Model Ensemble climate change scenarios. The nine-General Circulation Models (GCMs) were used for projection of precipitation and the non-parametric quantile mapping method was used for bias correction of climate change scenarios. The probable precipitation was calculated by optimal Gumbel distribution, and we obtained intensity, duration, and frequency curves in each return period over the landslide risk zones. As a result of this study, the annual maximum precipitation in landslide risk areas increased by 17.3% (20.1%) in the RCP4.5 (RCP8.5) scenarios, and the slope of the increasing tendency was largely analysed in the RCP8.5 scenario. In addition, the probability rainfall by return periods increased by a maximum of -3.1~29.9% in the RCP4.5 scenario and by 2.7~38.7% in the RCP8.5 scenario. The results of this study can be used as precipitation input data for the analysis of debris flow and the landslide hazards analysis under the conditions of future climate change.

요지

본 연구는 CMIP5 (Coupled Model Intercomparison Project Phase 5) 다중 모델 앙상블 기후변화 시나리오를 바탕으로 우리나라의 토사재해 위험이 높은 지역에 대한 미래 강우전망 불확실성을 분석하였다. 사용된 GCM (General-Circulation Models) 모형은 총 9개이며, 기후변화 시나리오의 편이 보정을 위해 비 매개변수적 Quantile Mapping 방법을 사용하였다. 또한 Gumbel 분포형을 적용하여 연최대치 계열에 대한 재현기간별 확률강우량을 산정하였으며, 강우강도와 지속시간별 확률강우량 곡선을 작성하였다. 분석결과 토사재해 위험지역의 연최대 강우량은 관측기간에 비하여 RCP4.5 시나리오에서는 17.3% 증가, RCP8.5 시나리오에서는 20.1% 증가하였으며, RCP8.5 시나리오에서 그 증가 기울기가 큰 것으로 분석되었다. 또한 재현기간별 확률강우량은 RCP4.5 시나리오에서 최대 -3.1~29.9% 편차를 보이며 증가하였고, RCP8.5 시나리오에서 2.7~38.7% 편차를 보이며 증가하였다. 본 연구의 결과는 미래 기후변화 조건에서의 토석류해석 및 토사재해 위험예측을 위한 강우 입력 자료로 활용할 수 있을 것이다.

1. 서론

최근 기후변화와 이상기후 영향으로 지구상의 여러 지역에서는 극치사상의 발생 빈도와 강도가 날로 증가하고 있는 추세이며, 더불어 자연재해의 형태는 점차 대형화, 다양화되고 있다(e.g., IPCC, 2007; Wood et al., 2011; KMA, 2012; Sillmann et al., 2013; Yoon and Moon, 2014). 더욱이, 국제적으로는 유엔(United Nations, UN)을 비롯한 국제기구와 정부기관에서 기후변화에 따른 토사재해 위험성을 인지하고 지속적인 토론과 합의를 통해 토사재해 예방을 위한 국제적 네트워크 구축 및 프로그램 개발의 국제적 공동대응 노력을 활발히 진행하고 있다(http://archive.unu.edu/update/issue40_10.htm). 토사재해 위험 저감과 관련하여 국제적으로 주로 논의되는 주제는 토사재해 위험에 대한 이해와 발견, 위험지역에 대한 구분, 위험저감을 위한 토지이용 규제 및 법제도 검토, 그리고 토사재해 관련 예산계획 및 연구소와 대학, 지역사회 전문가의 역할 등이 포함된다.
토사재해 발생 인자 중 외부적인 요인으로 강우는 높은 상관성을 보이고 있음이 많은 문헌 연구들을 통하여 밝혀졌다(Lumb, 1975; Caine, 1980; Brand et al., 1984; Cannon and Ellen, 1985, Oh and Park 2013; Ham and Whang, 2014). 특히 우리나라의 경우 대부분의 토사재해가 우기에 집중적으로 발생하여 유발요인 중 강우가 가장 중요한 변수로 작용하는데, 역사적으로도 조선시대 산사태 발생 원인의 81%가 강우로 나타났으며 월별 산사태 발생은 7월 22.9%, 8월 30.7%, 9월 18.8%로 7~9월에 산사태가 주로 발생하고 있는 것을 확인할 수 있다(Lee et al., 2013). 근래 산사태 이력자료 분석연구에서도 산사태 발생이 8월, 7월, 9월 순으로 우기에 집중된 결과를 확인할 수 있다(Shim, 1997).
강우사상과 산사태 발생의 관계에 대한 연구가 관측 자료에 기반하여 통계적 방법을 이용하여 지역에 따라 다양하게 수행되었는데, 한 예로 Dai and Lee(2001)는 1984-1997년 사이의 190개 산사태 사상을 이용하여 강우사상과 산사태 발생의 관계를 살펴보았으며 홍콩의 산사태 발생 수 예측을 위해서는 12시간, 산사태 부피가 증가하는 경우 24시간 누적강수가 가장 중요하다고 밝혔다(Dai and Lee, 2001). Oh and Park(2013)은 강원지역에 대해 과거 산사태 이력자료와 강우 자료를 이용하여 사면재해 발생 강우기준을 설정하였으며 이를 5개 권역으로 확장하여 지역적, 지질적 특성을 고려한 강우기준을 설정하였다(Oh and Park, 2014). 또한 Ham and Hwang(2014)은 산사태 유발강우 분석을 통한 산사태 예보기준의 적정성 검토를 위한 연구에서 단시간 기록적인 폭우로 인한 산사태와 복합적인 호우(선행강우와 유효강우가 모두 영향을 미치는)로 인한 산사태를 모두 고려하기 위해서는 1일 강우량 기준은 미흡하며 시간단위 이하의 자료를 활용해야 산사태 대응 및 분석을 시의 적절하게 수행할 수 있을 것으로 보았다. 즉, 일누적강우량과 최대시간강우량만을 고려하였을 경우 산사태주의보 기준에 못 미치는 적은 강우에서 비탈면 재해가 발생할 가능성이 높을 수 있다. 또한 Yoon et al.(2016)은 도심지 토사재해 고위험지역(10곳)에 대하여 강우자료 분석과 다양한 시간분포 모형을 적용하여 토사재해 유발 강우 입력 자료를 구축하였으며, 지역에 따라 달리 발생하는 강우강도와 시간분포 형태는 토사재해 발생에 다르게 영향을 줄 수 있어, 변화하는 기후에 따른 지역별 토사재해 발생 영향을 정밀히 분석할 필요성이 있음을 시사 하였다.
기후변화에 따른 토사재해 영향 분석 관련 국내외 문헌을 조사하여 살펴보면, 실제로 그리 많지 않으나 최근에 관련하여 연구들이 활발히 진행되고 있음을 확인할 수 있다. Dixon et al.(2007)은 영국 중부 피크(Peak) 지역 국립공원에 위치한 맘 토르(Mam Tor) 언덕 지역에 대하여 기후변화에 따른 토사재해 발생 영향 예측을 실시하였으며, 2080년대에는 기온 변화에 따른 강우량 증가로 토사재해 유발 임계치에 영향을 줄 것으로 분석하였다. 또한 Lee et al.(2013)은 기후변화에 따른 산사태 취약성의 정량적 평가기준 설정 연구를 통하여, RCP 8.5시나리오 하에서 우리나라의 산사태 취약성이 크게 증가할 것으로 분석하였으며, 산사태 취약성평가를 위한 정량적 평가기준과 대용변수 적용 방법을 개선 적용하여 적응대책을 수립할 필요성이 있음을 시사하였다. 그리고 Guido et al.(2014)은 이탈리아 중부 지역에 위치한 오르비에토(Orvieto)지역을 대상으로 기후변화에 따른 토사재해 영향평가를 실시하였으며, COSMO-CLM 지역기후모형을 적용한 결과 장기적인 산사태 위험이 RCP4.5시나리오에서 보다 RCP8.5시나리오 하에서 증가하는 것으로 분석 되었으나, 현재 상태에서 비해서는 산사태 위험 영향은 모두 감소하는 것으로 분석한 바 있다.
강우와 토사재해, 기후변화 관련 문헌조사에서 살펴본 바와 같이, 토사재해와 강우는 밀접한 관련이 있는 것으로 확인되며, 미래 기후변화 하에서 극치 강우량과 수문변동에 따른 토사재해 위험성에 대한 분석이 보다 면밀히 진행될 필요성이 있음을 확인하였다. 현재, 우리나라의 경우 기상청에서 제공하는 HadGEM2-AO 모형에 의한 국가표준시나리오를 사용하여 각 분야 기후변화 적응정책에 활용하고 있으나, 단일모형 시나리오 전망 자료를 통하여 기후변화 불확실성 문제를 다루기가 어렵고, 분야별 맞춤형 기후변화 전망자료를 생산해 내기는 어려운 실정이다. 따라서 CMIP5 (The Coupled Model Intercomparison Project)에 참여하고 있는 다양한 GCMs (General Circulation Models) 정보를 활용한 다중모델 앙상블(Multi-Model Ensemble, MME) 기후변화 전망 자료의 적용이 필요하다. 따라서 본 연구에서는 도심지 토사재해 유발 고위험지역에 대하여 관측자료 기반 강우지속시간별 극치강우 특성 분석과 빈도해석을 수행하였으며, 미래 강우시나리오 조건 하에서 토사재해 유발 강우 특성 분석을 위하여 CMIP5 GCMs 기후변화 시나리오자료를 분석하였다. 다중모델 앙상블 기후변화 시나리오 적용은 하나의 기후모형만 적용하였을 때 보다, 기후모형 자체가 가지고 있는 불확실성 요인을 감소시켜 보다 신뢰성 있는 강수전망 정보를 제공할 것으로 사료된다. 또한 본 연구를 통하여 제공되는 기후변화 시나리오 자료는 토사재해 고위험지역의 기후변화에 따른 토사유출량 산정 및 토석류 3D 시뮬레이션을 위한 주요입력 자료로 사용될 것이다.

2. 자료 및 방법

2.1 대상 지역

연구 대상지역은 도심지 토사재해 예방을 위하여 도시계획 단위에서의 전략을 제안하고자 군집분석을 통하여 도심지 토사재해 중점관리대상지역을 선별한 Moon et al.(2016)의 연구결과를 활용하였으며, 전국을 대상으로 과거 도심지 토사재해가 발생하였거나 발생 잠재위험성이 있다고 판단되는 고위험지역의 조사결과를 반영하여 추가적인 분석을 통하여 대상지역을 확장하였다. Fig. 1은 본 연구의 대상지역 위치도를 나타내었으며, 종관기상관측 시스템(Automated Synoptic Observing System, ASOS)의 기상관측 점을 대상으로 티센망(Thiessen Network)을 구축하였다. 토사재해 위험지역에 해당하는 각 지배관측소 면적을 산정한 후 티센 가중치 적용하였다. Table 1은 선정된 지역별 토사재해 고위험지역 목록과 주소정보를 나타내었다(단, 주소 정보는 시군구 단위까지 표시하였으며, 대상지역은 연구목적으로만 사용 예정이다). 최종적으로 선정된 도심지 토사재해 고위험지역은 전국의 27곳이다. 선정된 대상지역은 경기도 5곳, 강원도 4곳, 충청북도 2곳, 세종특별자치시 1곳, 전라북도 1곳, 경상북도 4곳, 경상남도 5곳, 부산광역시 5곳이다.
Fig. 1
Locations of Selected Landslide High Risk Zone in South Korea
KOSHAM_17_05_355_fig_1.gif
Table 1
The Selected Target Areas of Landslide High Risk Zone in Local Governments
No. Province   Address
1 Gyeonggi-do Uiwang-si, Gyeonggi-do, Korea
2 Namyangju-si, Gyeonggi-do, Korea
3 Jinwi-myeon, Pyeongtaek-si, Gyeonggi-do, Korea
4 Gwacheon-si, Gyeonggi-do, Korea
5 Jungwon-gu, Seongnam-si, Gyeonggi-do, Korea
6 Gangwon-do Wonju-si, Gangwon-do, Korea
7 Chuncheon-si, Gangwon-do, Korea
8 Donghae-si, Gangwon-do, Korea
9 Samcheok-si, Gangwon-do, Korea
10 Chungcheong-do Chungju-si, Chungcheongbuk-do, Korea
11 Jung-gu, Daejeon, Korea
12 Sejong-si, Korea
13 Jeolla-do Wansan-gu, Jeonju-si, Jeollabuk-do, Korea
14 Gyeongsangbuk-do Gyeongsan-si, Gyeongsangbuk-do, Korea
15 Dalseong-gun, Daegu, Korea
16 Buk-gu, Pohang-si, Gyeongsangbuk-do, Korea
17 Andong-si, Gyeongsangbuk-do, Korea
18 Gyeongsangnam-do Miryang-si, Gyeongsangnam-do, Korea
19 Yangsan-si, Gyeongsangnam-do, Korea
20 Gimhae-si, Gyeongsangnam-do, Korea
21 Jinhae-gu, Changwon-si, Gyeongsangnam-do, Korea
22 Masanhappo-gu, Changwon-si, Gyeongsangnam-do, Korea
23 Busan Yeonje-gu, Busan, Korea
24 Saha-gu, Busan, Korea
25 Suyeong-gu, Busan, Korea
26 Haeundae-gu, Busan, Korea
27 Buk-gu, Busan, Korea

2.2 대상 자료

토사재해 유발 강우시나리오 분석을 위하여 기상청(KMA, http://www.kma.go.kr/)에서 제공하는 종관기상관측시스템의 94개 관측지점 중 최근 30년 이상의 시간강우 관측 자료가 존재하는 59곳의 지점자료를 사용하였다. 또한 기후변화에 따른 한반도 지역의 강우량 전망 분석을 위하여 CMIP5 온실가스 대표농도경로 시나리오 기반의 기후전망 자료를 사용하였다. CMIP5 시나리오 자료는 온실가스 대표농도경로 RCP 4.5 시나리오와 RCP 8.5 시나리오를 사용하였으며, 총 33개 GCMs에서 일강우량 자료를 제공하고 있음을 확인하였다. 이 중 수문모델링에 필요한 6가지 기상 변수(강우량, 최고기온, 최저기온, 평균풍속, 상대습도, 일사량) 정보를 제공하고 있는 총 9개의 GCMs 모형(CanESM2, GFDL- ESM2G, GFDL-ESM2M, HadGEM2-AO, HadGEM2-CC, INM-CM4, IPSL-CM5A-LR, MIROC-ESM, and MIROC- ESM-CHEM)을 선정하였다. 여기서 HadGEM2-AO모형의 경우, 우리나라 기상청에서 한반도 지역규모모형(Regional Scale Model, RCM)을 통하여 12.5 km×12.5 km의 상세화된 기후변화 시나리오 정보를 제공하고 있어서, 그 결과를 사용하였다. Fig. 2는 본 연구에서 사용한 기상청 종관기상관측지점의 지점 위치도와 GCMs 격자 정보를 나타내고 있다. 또한, Table 2는 본 연구에서 사용된 CMIP5 9개 기후모형의 보유기관과 공간해상도이다.
Fig. 2
Location of KMA ASOS Rainfall Station and GCMsGrid Matrix in South Korea (Cho, 2013)
KOSHAM_17_05_355_fig_2.gif
Table 2
The Global Climate Model, Spatial Resolution, and Holding Institute in Used
No. GCMs Resolution (°) Institution
1 HadGEM2-AO (KMA-12.5km) 1.875×1.250 (12.5×12.5km) Met Office Hadley Centre, UK (Korea Meteorological Agency, Korea)
2 CanESM2 2.813×2.791 Canadian Centre for Climate Modelling and Analysis, Canada
3 GFDL-ESM2G 2.500×2.023 Geophysical Fluid Dynamics Laboratory, USA
4 GFDL-ESM2M 2.500×2.023
5 HadGEM2-CC 1.875×1.250 Met Office Hadley Centre, UK
6 INM-CM4 2.000×1.500 Institute for Numerical Mathematics, Russia
7 IPSL-CM5A-LR 3.750×1.895 Institut Pierre-Simon Laplace, France
8 MIROC-ESM 2.813×2.791 Atmosphere and Ocean Research Institute, National Institute for Environmental Studies, and Japan Agency for Marine-Earth Science and Technology, Japan
9 MIROC-ESM- CHEM 2.813×2.791

2.3 연구 방법

2.3.1 다중모델 앙상블 자료 처리

기후변화 시나리오 자료와 처리 방법에 따라 동일한 지역일지라도 결과가 상이한 경우가 발생한다. 따라서 표준화된 기후변화 시나리오 자료 생산에 대한 연구개발이 필요하다. 또한 단일 모형만 사용하는 것 보다 다양한 GCMs 결과를 활용하여 기후변화 시나리오와 기후모형이 가지고 있는 불확실성에 대해서도 언급해 줄 필요성이 있다.
본 연구에서는 Cho(2013)에 의해 개발된 한반도 영역에 대한 CMIP5 기후변화 시나리오 자료 표준화 처리방법을 적용하였다. CMIP5 GCMs자료의 처리절차는 다음과 같다. (1) Earth System Grid Federation (ESGF, http://pcmdi9.llnl.gov/esgf-web-fe/)에서 제공하는 CMIP5 GCMs 일 자료 자동추출, (2) 사용자가 입력한 위경도 좌표를 기준으로 원하는 지역에 해당하는 NetCDF 그리드를 추출하기 위하여 NCO (NetCDF Operator) 기능 수행 및 Shell 스크립트를 이용한 자료의 클리핑, (3) CMIP5 및 KMA-12.5 km 자료에 대하여 NetCDF포맷의 그리드 상에 존재하는 관측점의 좌표를 이용하여 지점별 텍스트 포맷의 시계열 자료 추출, (4) 지점별 관측자료와 R 프로그램의 qmap 패키지(ftp://ftp.gr.vim.org/ mirrors/CRAN/web/packages/qmap/qmap.pdf)를 이용하여 지점별 상세화/편이보정 시나리오 자료를 생산하였다.

2.3.2 기후변화 시나리오 자료 편이보정

기후모형으로부터 생산된 격자별 자료는 공간 해상도가 낮을 뿐만 아니라 해양을 포함한 대상지역에 대한 공간평균의 의미를 가지고 있어 유역 규모에서의 시공간적인 기후 특성을 재현하는데 어려움이 따른다(Yoon and Cho, 2014). 또한 기후모형에 의해 생산된 미래 전망을 신뢰할 수 있기 위해서는 과거 및 현재 기후를 잘 모의해야 하며, 기후모형으로부터 생산된 자료를 유역 규모에 해당하는 영역으로 세분화 시키는 다운스케일링 작업이 필요하다. 일반적으로 다운스케일링을 실시할 때, 관측기간 동안에 대해 모의된 기후모형의 결과와 동일 기간의 관측자료와의 비교를 통하여 GCMs의 계통오차를 보정해 주는데 이를 편이보정(Bias Correction)이라고 한다. GCMs의 기후변화 시나리오 자료 모의 결과에 대한 재현성이 검증 된 후, 미래에 대한 전망의 신뢰도를 확보할 수 있으며, 본 연구에서는 관측기간에 대한 관측과 모의의 계통오차 편이보정을 위하여 분위사상법(Quantile Mapping)을 사용하였다. Cannon et al.(2015)에 의하면 일반적인 분위사상법에 대한 함수식은 다음 Eq. (1)과 같이 나타낼 수 있다.
(1)
x^m,p(t)=Fo,h1{Fm,h[xm,p(t)]}
여기서xm,p (t)는 미래 시간t에서의 편이보정 전의 값을 의미하며, x^m,p(t)는 미래 시간t에서의 편이보정 후의 값을 의미한다. 또한Fm,h 는 과거기간(Historical Period) 동안 GCMs을 통해 모의된 자료의 누적확률밀도함수를 나타내며, Fo,h1는 과거기간 동안의 관측된 자료의 누적확률밀도함수의 역함수를 나타내고 있다. 또한p는 전망(Projection)을h는 과거(Historical) 기간을, m은 GCMs모형을, o는 관측(Observation)을 의미한다.
일반적으로 강우량의 경우 편이보정을 위하여 매개변수적 방법으로 Gumbel 분포형을 적용할 수 있으며, 기준기간과 미래기간에 대한 변화율을 적용하여 미래 자료에 존재하는 추세를 반영하는 방법을 사용한다. 강우량에 대한 편이보정은 다음 Eq. (2)와 같이 나타낼 수 있다.
(2)
x^m,p(t)=Fo,h1{Fm,h[x¯m,hxm,p(t)x¯m,p(t)]}x¯m,p(t)x¯m,h
여기서x¯m,hx¯m,p는 GCM 모형에 의해 모의된 과거기간과 미래기간에 대한 평균을 의미한다.

2.3.3 기후변화 시나리오 자료 빈도해석

전지구모형으로부터 추출된 연최대 강우량 자료에 대한 기초통계 분석과 자료의 경향성 및 무작위성 검정을 실시한 후 확률가중모멘트법(Probability Weighted Moments; PWM)으로 확률분포형의 매개변수를 추정하였다. 추정된 매개변수 값이 확률분포형의 변수로 적합한지를 판단하기 위하여 적합도 검정(Goodness of fit test)을 실시하였으며, 대상지점의 강우자료에 적합한 확률분포형으로 Extreme Value Family에 속하는 Gumbel 분포형을 선택하였다. Gumbel 분포형은 국내 설계강우량산정 실무에서 가장 많이 사용되는 분포형이다. Gumbel 분포형의 확률밀도함수(f(x))와 누가분포함수(F(x))를 나타내면 다음 Eqs. (3)∼(4)와 같다.
(3)
f(x)=1αexp[xx0αexp(xx0α)],<x<
(4)
F(x)=exp[exp(xx0α)]
여기서, α는 축척매개변수(Scale Parameter), x0는 위치매개변수(Location Parameter)이다.

3. 분석 결과

3.1 토사재해 유발 강우 특성분석

토사재해 위험지역 연최대 강우량 분석과 빈도해석 등 토사재해 유발 강우 특성 분석을 위한 내용은 전국의 59개 지점에 대하여 모두 수행하였으나, 토사재해 위험지역이 주로 분포하는 주요 7개 지점에 대한 결과 제시하고자 한다. Figs. 34는 도심지 토사재해 위험지역의 관측기간과 미래 전망기간에 대한 연최대 강우량의 시계열자료 추출 결과이다. 관측기간(Historical)은 1976년부터 2005년까지이며, 미래 전망기간은 2006년부터 2100년까지이며, 9개 GCMs모형으로부터 추출된 연최대치 강우량 자료의 RCP4.5와 RCP8.5 시나리오 전망결과를 나타내고 있다. 또한 지점별 관측 강우량자료의 연최대치 계열을 추출한 후 기후모형에 의하여 모의된 강우량 자료와 비교하였다. 음영으로 표시된 부분은 9개 GCMs 모형에 의하여 모의된 결과의 Upper Quartile 90%와 Lower Quartile 10%의 Band를 나타낸 결과이며, 중앙의 실선과 점선은 모의된 결과의 평균과 선형추세(Linear Trend)이다.
Fig. 3
Projection of Trend and Variability in Annual Maximum Precipitation by Selected 9-GCMs During Historical andFuture Period Over the Landslide High Risk Zones. (a) to (g) show ASOS stations located in landslide high risk zone.The gray show historical period and the light blue show RCP4.5 scenarios, respectively
KOSHAM_17_05_355_fig_3.gif
토사재해 위험지역의 관측기간 연최대 강우량계열을 살펴보면, 관측자료의 지점별 평균과 표준편차는 118.0 mm/day, σ=52.59로 분석되었으며, GCMs 모형에 의한 결과는 122.7 mm/day, σ=62.07로 분석되어, 연최대 강우량 평균의 경우 4.0%, 표준편차는 18.0% 크게 모의된 것으로 분석되었다. 관측기간에는 기후모형에서 모의된 결과가 관측에 비하여 평균과 표준편차가 다소 크게 모의되었음을 확인하였다. 또한, 미래 기간의 연최대 강우량계열 전망결과를 살펴보면, RCP4.5 시나리오자료의 지점별 평균과 표준편차는 138.4 mm/day, σ=71.69로 분석되었으며, RCP8.5 시나리오의 경우 141.8 mm/day, σ=73.86로 분석되어, RCP8.5 시나리오에서 연최대 강우량 평균은 2.4%, 표준편차는 3.0% 크게 모의된 것으로 분석되었다. 그리고 토사재해 위험지역의 미래 연최대 강우량 전망자료를 관측자료와 비교해 보면, RCP4.5 시나리오에서는 17.3% 증가, RCP8.5 시나리오에서는 20.1% 증가하여, 미래 연최대 강우량 증가에 따른 토사재해 위험 영향을 확인할 수 있다.
관측 기간에 대한 연최대 강우량 평균의 30년(1976~2005) 평균 시계열자료 선형추세 분석을 실시한 결과, 대부분 지점에서 증가 경향을 보였으나, GCMs 모형에 의한 결과는 일부 감소 패턴을 보이는 지점도 나타났다. 대전(+1.778), 창원(+1.152), 서울(+1.410), 대구(+0.976), 춘천(+0.929), 전주(+0.845) 지점 순으로 양의 기울기 값을 보였으며, 부산(-0.536) 지점의 경우 음의 기울기 값을 보였다. 그리고 GCMs 모형에 의해 모의된 연최대 강우량자료 평균의 기울기는 서울(+0.7060), 부산(+0.471), 춘천(+0.327), 대전(+0.269) 지점 순으로 양의 기울기 값을 보였으며, 대구(-0.149), 전주(-0.347), 창원(-0.546) 지점이 음의 기울기 값을 보이는 것으로 확인되었다.
RCP4.5 시나리오 하에서 연최대 강우량의 95년(2006~ 2100) 평균 시계열자료의 선형추세 분석을 실시한 결과 대부분 지점에서 증가경향을 보이고 있으나 그 기울기 값은 작음을 확인하였다. 춘천(+0.231), 서울(+0.154), 대구(+0.113), 창원(+0.105), 부산(+0.100), 대전(+0.065) 지점 순으로 양의 기울기 값을 보였으며, 전주(-0.002) 지점의 경우 음의 기울기 값을 보였다. 다음으로 RCP8.5 시나리오 하에서 연최대 강우량의 선형추세는 모든 지점에서 증가경향을 보이고 있음을 확인하였으며, RCP4.5시나리오보다 그 기울기 값이 큰 것을 확인하였다. 분석결과 부산(+0.630), 서울(+0.494), 창원(+0.440), 대전(+0.381), 춘천(+0.370), 전주(+0.296), 대구(+0.279) 지점 순으로 양의 기울기 값을 보였다.
Fig. 4
Same as Fig. 3. but for RCP8.5
KOSHAM_17_05_355_fig_4.gif

3.2 토사재해 고위험지역 확률 강우량 산정

토사재해 위험지역의 강우 빈도해석을 위하여 지점별 관측 강우량 자료와 기후변화 시나리오자료를 수집하여 전국 59개 지점에 대하여 분석을 수행하였다. 9개 기후모형 결과의 빈도해석은 앞서 제시한 Quantile Mapping 편이보정을 통하여 생산된 지점별 일강우량 전망 자료를 이용하였다. 자료의 기간은 관측기간은 1976~2005년까지 30년으로 설정 하였으며, 미래기간은 3개 구간(Future 1: 2006~2040, Future 2: 2006~2070, Future 3: 2006~2100)으로 구분하여 RCP4.5 시나리오와 RCP8.5 시나리오에 대하여 각각 빈도해석을 수행하였다. 빈도해석을 통하여 분석된 확률강우량의 재현기간은 2, 5, 10, 20, 30, 50, 80, 100, 200, 500년 빈도로 설정하였다.
Fig. 5는 토사재해 위험지역의 빈도해석 결과를 전대수지에 나타낸 것이며, 전국 59개 지점에 대하여 9개 GCM 모형의 빈도해석을 모두 수행하한 후 평균을 취하여 7개 주요 기상관측 지점에 대하여 결과를 나타내었다. 재현기간에 따른 미래 확률강우량 값을 시나리오별로 확인할 수 있으며, 토사재해 발생 시 내렸던 특정 강우량의 현재와 미래 강우조건에서의 재현기간을 확인할 수 있다. 검은색 실선은 관측값을 빈도해석한 결과이며, 회색과 파란색, 그리고 붉은색 점선과 실선은 각각 미래기간(Future 1, 2, 3)에 해당하는 RCP4.5/8.5시나리오의 빈도해석 결과이다. 또한 Table 3은 토사재해 고위험지역에 대한 강우관측소별 RCP4.5/8.5 시나리오의 재현기간별 확률강우량의 관측기간과의 편차를 미래기간(Future 1, 2, 3)에 대하여 산정한 결과이다.
Fig. 5
Frequency Analysis of the Annual Maximum Precipitation During 1-day Duration Over the Landslide Risk Zone
KOSHAM_17_05_355_fig_5.gif
Table 3
Probable Precipitation During 1-day Duration Over the Landslide High Risk Zone (Unit: %)
Return Periods (year) Chuncheon (ID: 101) Seoul (ID: 108) Daejeon (ID: 133) Daegu (ID: 143) Jeonju (ID: 146) Changwon (ID: 155) Busan (ID: 159)
R4.5 R8.5 R4.5 R8.5 R4.5 R8.5 R4.5 R8.5 R4.5 R8.5 R4.5 R8.5 R4.5 R8.5
F1 2 5.6 5.5 10.2 8.5 12.7 13.8 9.3 10.2 1.7 2.7 21.2 31.7 24.4 22.3
5 3.0 6.0 9.7 9.5 12.9 14.0 3.4 7.8 3.0 4.0 18.7 28.6 24.5 18.2
10 2.0 6.2 9.5 9.9 13.0 14.1 1.2 6.8 3.6 4.6 17.7 27.4 24.6 16.7
20 1.3 6.4 9.4 10.2 13.0 14.1 -0.3 6.2 4.0 5.0 17.1 26.6 24.6 15.7
30 1.0 6.4 9.3 10.3 13.0 14.2 -1.0 5.9 4.2 5.2 16.8 26.2 24.5 15.1
50 0.7 6.5 9.2 10.5 13.0 14.2 -1.8 5.6 4.3 5.4 16.4 25.8 24.6 14.6
80 0.4 6.6 9.2 10.6 13.1 14.2 -2.4 5.3 4.5 5.5 16.2 25.5 24.6 14.3
100 0.3 6.6 9.1 10.6 13.1 14.2 -2.6 5.3 4.6 5.6 16.1 25.4 24.6 14.1
200 -0.1 6.6 9.1 10.8 13.1 14.3 -3.2 5.0 4.7 5.8 15.8 25.0 24.6 13.7
500 -0.4 6.7 9.0 10.9 13.1 14.3 -3.9 4.7 4.9 6.0 15.5 24.7 24.6 13.2
F2 2 9.7 6.6 13.5 11.5 15.2 12.2 13.3 14.4 9.1 6.9 26.1 34.4 24.3 27.6
5 9.9 6.8 15.7 11.5 15.6 12.4 7.0 10.4 9.8 6.9 23.6 30.1 20.7 24.1
10 10.0 6.9 16.6 11.6 15.8 12.5 4.6 8.9 10.1 6.9 22.7 28.5 19.3 22.8
20 10.1 7.0 17.2 11.6 15.9 12.6 3.0 7.9 10.3 6.9 22.0 27.4 18.3 21.9
30 10.1 7.0 17.5 11.6 16.0 12.6 2.2 7.4 10.4 6.9 21.7 26.9 17.8 21.4
50 10.1 7.1 17.8 11.6 16.1 12.6 1.4 6.9 10.5 6.9 21.4 26.4 17.4 21.0
80 10.2 7.1 18.0 11.6 16.1 12.6 0.8 6.5 10.6 6.9 21.2 25.9 17.1 20.7
100 10.2 7.1 18.1 11.6 16.2 12.7 0.6 6.3 10.6 6.9 21.1 25.8 16.9 20.5
200 10.2 7.1 18.4 11.6 16.2 12.7 -0.1 5.9 10.7 6.9 20.8 25.3 16.5 20.1
500 10.2 7.2 18.6 11.6 16.3 12.7 -0.8 5.4 10.8 6.9 20.5 24.8 16.1 19.7
F3 2 10.5 11.2 14.3 15.3 14.0 14.7 13.0 18.1 7.8 9.8 29.9 38.7 24.8 33.5
5 10.4 12.5 16.5 16.0 14.9 15.3 5.8 13.0 8.4 10.1 26.9 34.4 19.2 33.6
10 10.3 13.0 17.4 16.3 15.3 15.6 3.1 11.1 8.7 10.3 25.8 32.8 17.1 33.6
20 10.3 13.4 18.0 16.5 15.6 15.8 1.3 9.8 8.8 10.4 25.0 31.7 15.7 33.6
30 10.3 13.5 18.2 16.6 15.8 15.9 0.4 9.2 8.9 10.4 24.6 31.1 15.0 33.6
50 10.3 13.7 18.6 16.7 15.9 16.0 -0.5 8.5 9.0 10.5 24.2 30.6 14.3 33.6
80 10.3 13.9 18.8 16.8 16.0 16.1 -1.2 8.1 9.1 10.5 23.9 30.2 13.8 33.6
100 10.3 13.9 18.9 16.8 16.1 16.1 -1.5 7.9 9.1 10.6 23.8 30.0 13.6 33.6
200 10.3 14.1 19.2 16.9 16.2 16.2 -2.3 7.3 9.2 10.6 23.5 29.5 12.9 33.6
500 10.3 14.2 19.4 17.0 16.4 16.3 -3.1 6.7 9.3 10.7 23.1 29.0 12.3 33.6

* F1, F2, and F3 indicate Future 1 (2011-2040), Future 2 (2011-2070), and Future 3 (2011-2100), respectively.

관측기간에 대한 30년(100년) 빈도 확률강우량 값을 지점별로 살펴보면, 춘천 268.4 mm (324.1 mm), 서울 308.6 mm (372.8 mm), 대전 258.3 mm (310.1 mm), 대구 215.6 mm (263.4 mm), 전주 231.3 mm (277.7 mm), 창원 370.1 mm (451.6 mm), 부산 304.9 mm (372.7 mm)로 나타났으며, 대구지점의 확률강우량이 가장 작게, 창원지점이 가장 크게 분석되었다. 지역에 따른 강우량 편차는 3.8~72.9%로 분석되었다. 미래 기간에 대한 빈도별 확률강우량은 RCP4.5와 RCP8.5시나리오에서 관측기간에 비하여 대부분 증가하는 것으로 나타났다. Future 1에서 RCP4.5 시나리오의 재현기간별 강우량은 관측기간에 비하여 -3.9~24.6% 편차를 보이며 대부분 증가하는 것으로 분석되었고, RCP8.5 시나리오에서는 2.7~31.7% 편차를 보이며 증가하는 것으로 분석되었다. Future 2에서 RCP4.5 시나리오의 재현기간별 강우량은 관측기간에 비하여 -0.8~26.1% 편차를 보이며 대부분 증가하는 것으로 분석되었고, RCP8.5 시나리오에서는 5.4~34.4% 편차를 보이며 모두 증가하였다. 또한 Future 3에서 RCP4.5 시나리오의 재현기간별 강우량은 관측기간에 비하여 -3.1~29.9% 편차를 보이며 대부분 증가하는 것으로 분석되었고, RCP8.5 시나리오에서는 6.7~38.7% 편차를 보이며 모두 증가하는 것으로 분석되었다.
미래기간에는 토사재해 위험지역의 대부분 지점에서 빈도별 확률강우량이 관측기간에 비하여 증가하는 경향이 있는 것으로 분석되며, RCP4.5 시나리오에서 보다 RCP8.5 시나리오에서 그 증가경향이 뚜렷하게 나타나고 있으나 강우량 편차 또한 크게 발생하고 있음을 확인하였다. 따라서 미래 폭우 발생 위험 개념에서 토사재해 위험지역의 확률강우량 증가에 따른 방재정책 수립 시 지역적 편차를 고려한 접근방법이 필요할 것으로 사료된다.

3.3 토사재해 위험지역 확률 강우량 공간분포 특성

Figs. 67은 관측과 미래기간(Future 1, 2, 3)에 대한 RCP4.5/8.5 시나리오에서의 30년과 100년 빈도 확률강우량을 산정한 결과를 나타내고 있다. 9개 GCMs 모형에 대하여 연최대치 계열에 대한 지점별 빈도해석을 모두 실시하여 남한 영역에 대하여 분석을 실시하였으나, 그림에는 기상청 HadGEM2-AO 모형의 한반도 상세(12.5 km격자) 결과만 나타내었다. 지점별로 산정된 확률강우량의 공간분포를 위하여 역거리가중(Inverse Distance Weighted, IDW) 보간법을 사용하였으며, 선정된 토사재해 위험지역을 중첩시켜 미래 확률강우량 변화에 따른 지역별 공간분포 패턴변화를 확인 하였다.
Fig. 6
Spatial Pattern of the Probable Precipitation Under 30-Year Return Periods by HadGEM2-AO Model Between Historical and Future Over the South Korea and Its Landslide Risk Zones. (a) indicates observed probable precipitation, (b) to (d) show probable precipitation of the future 1 to 3 under RCP4.5, and (e) to (g) show RCP 8.5, respectively
KOSHAM_17_05_355_fig_6.gif
Fig. 7
Same as Fig. 6. but for 100-Year Return Periods
KOSHAM_17_05_355_fig_7.gif
관측에 비하여 대부분지역에서 확률강우량이 증가하는 것을 확인할 수 있으며, 그 증가패턴은 근미래(Futuer 1) 보다 중간미래(Future 2)에서 크게 나타나며, 먼미래(Future 3)에서는 중간미래에 비하여 다소 감소패턴을 보임을 확인하였다. 이러한 패턴 변화는 GCMs 모형별로 차이를 보이고 있음을 확인하였으며, 미래기간 구분에 따라 다르게 나타날 수 있는 사항이라 보다 면밀한 분석이 필요하다. 또한 30년 빈도 확률강우량의 경우 RCP4.5시나리오 보다 RCP8.5 시나리오에서 크게 모의되었고, 100년 빈도 확률강우량은 RCP4.5와 RCP8.5 시나리오에서 큰 차이가 나지 않음을 확인하였다. 따라서 재현기간이 길어질수록 시나리오에 따른 확률강우량의 편차는 다소 감소하는 경향을 보이나, 시나리오별 확률강우량의 공간분포 패턴은 지역별로 비슷하게 유지되고 있음을 확인하였다.
전반적으로 확률강우량은 서울을 비롯한 경기도 일부지역과 강원동부, 충청도, 그리고 전라남도와 경상남도 남해안 지역의 확률강우량의 뚜렷 증가패턴을 보이고 있으며, 경상북도와 전라북도지역을 비롯한 강원과 충청 일부 지역의 확률강우량이 다른 지역에 비하여 작게 산정되고 있음을
확인할 수 있다. 이러한 지역적 편차 및 공간분포패턴은 미래기간 과 시나리오 변화에도 불구하고 일정하게 유지되고 있음을 확인하였다. 경기도와 강원 동부, 충청 일부 지역, 그리고 부산을 비롯한 남해안 일부 도심지 토사재해 위험지역의 미래 확률강우량 증가에 따른 토사재해 위험 증가를 예상할 수 있으며, 대구와 경상북도 일부지역의 경우 미래 강우량 증가에 따른 토사재해 위험 영향은 그리 크지 않을 것으로 사료된다.

4. 결론 및 고찰

본 연구에서는 도심지 토사재해 유발 고위험지역에 대하여 기후변화에 따른 강우지속시간별 극치강우 특성 분석과 빈도해석을 수행하였다. 이를 위하여 CMIP5 다중모델 앙상블 기후변화 시나리오자료를 사용하였으며, 하나의 기후모형만 적용하였을 때 보다 기후모형 자체가 가지고 있는 불확실성 요인을 감소시켜 보다 신뢰성 있는 강수전망 정보를 제공할 것으로 사료된다. 연구의 주요 결과를 정리하면 다음과 같다.
  • (1) 토사재해 위험지역의 연최대 강우량 특성을 살펴보면, 관측기간에 비하여 RCP4.5 시나리오에서는 17.3% 증가, RCP8.5 시나리오에서는 20.1% 증가하였다. 또한 연최대 강우량의 선형추세는 모든 지점에서 증가경향을 보이고 있음을 확인하였으며, RCP8.5 시나리오가 RCP4.5 시나리오보다 그 증가 기울기가 큰 것으로 분석되었다.

  • (2) 토사재해 위험지역 대부분 지점에서 미래 재현기간에 따른 확률강우량이 관측기간에 비하여 증가 경향이 나타나는 것으로 분석되었다. 미래 기간 동안 RCP4.5 시나리오에서는 최대 -3.1~29.9% 편차를 보이며 증가하였고, RCP8.5 시나리오에서 2.7~38.7% 편차를 보이며 재현기간별 확률강우량이 증가하였다. 미래 폭우 발생 위험 증가에 따른 토사재해 위험지역의 방재정책 수립 시, 재현기간별 확률강우량 증가와 지역적 편차를 고려한 접근방법이 필요할 것으로 사료된다.

  • (3) 토사재해 위험지역의 미래 확률강우량의 공간분포 특성을 분석한 결과, 관측에 비하여 대부분지역에서 증가경향을 보이고 있음을 확인하였으며, HadGEM2-AO 모형의 경우 그 증가패턴은 근미래 보다 중간미래에서 크게 나타남을 확인하였다. 또한 재현기간이 길어질수록 시나리오에 따른 확률강우량의 편차는 다소 감소하는 경향을 보였으며, 미래 기간에 따른 시나리오별 확률강우량의 공간분포 패턴은 비슷하게 유지되고 있음을 확인하였다.

  • (4) 미래 확률강우량 증가에 따른 경기도와 강원 동부, 충청 일부 지역, 그리고 부산을 비롯한 남해안 일부지역의 강우로 인한 토사재해 위험 증가를 예상할 수 있으며, 대구와 경상북도 일부지역의 경우 미래 강우 증가에 따른 토사재해 위험 영향은 그리 크지 않을 것으로 사료된다.

강우는 토사재해 유발의 주요 외부요인 중 하나이며, 해마다 우기철이면 우리나라에는 폭우에 의한 도심지 토사재해 피해가 발생하고 있다. 본 연구의 결과는 미래 기후변화에 따른 도심지 토사재해 위험지역의 사면해석과 토사유출량 산정을 위한 강우강도입력의 경계조건으로 활용이 가능하며, 미래 조건에서의 토석류 위험예측을 위한 강우 입력 자료로 활용할 수 있을 것이다. 또한 미래 기후조건에서의 우리나리 지역별 토사재해 위험도 분석을 위한 기초자료로 활용될 수 있을 것으로 사료된다.

감사의 글

본 연구는 국토교통부/국토교통과학기술진흥원 건설기술연구사업의 연구비지원(13SCIPS04)에 의해 수행되었으며 이에 감사드립니다.

References

Brand, E.W, Premchitt, J, and Phillipson, H.B (1984). Relationship Between Rainfall and Landslides. Proceedings of the fourth International Symposium on Landslides Toronto. Vol. 1: Ontario BiTech, Vancouver, Canada: p 377-384.
crossref
Caine, N (1980) The Rainfall Intensity Duration Control of Shallow Landslides and Debris Flows. Geografiska Annaler, Vol. 62A, No. 1/2, pp. 23-27. 10.2307/520449.
crossref
Cannon, A.J, Sobie, S.R, and Murdock, T.Q (2015) Bias Correction of GCM Precipitation by Quantile Mapping: How Well Do Methods Preserve Changes in Quantiles and Extremes? Journal of Climate, Vol. 28, pp. 6938-6959 doi:10.1175/JCLI-D-14-00754.1. 10.1175/JCLI-D-14-00754.1.
crossref
Cannon, S.H, and Ellen, S.D (1985) Rainfall conditions for abundant debris avalanches, San Francisco Bay region, California. California Geology, Vol. 38, No. 12, pp. 267-272.
crossref
Cho, J.P (2013) Impact Assessment of Climate Change for Agricultural Reservoirs Considering Uncertainty. Research Report 2013-05, APEC Climate Center (in Korean with English abstract).
crossref
Dai, F.C, and Lee, C.F (2001) Frequency-volume relation and prediction of rainfall-induced landslides. Engineering Geology, Vol. 59, No. 3-4, pp. 253-266. 10.1016/S0013-7952(00)00077-6.
crossref
Dixon, N, and Brook, E (2007) Impact of Predicted Climate Change on Landslide Reactivation: Case Study of Mam Tor, UK. Lanslides, Vol. 4, No. 2, pp. 137-147 doi:10.1007/s10346-006-0071-y. 10.1007/s10346-006-0071-y.
crossref
Ham, D.H, and Hwang, S.H (2014) Review of Landslide Forecast Standard Suitability by Analysing Landslide-inducing Rainfall. J. Korean Soc. Hazard Mitig, Vol. 14, No. 3, pp. 299-310 (in Korean with English abstract). 10.9798/KOSHAM.2014.14.3.299.
crossref
IPCC (2007). Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. (SREX)-Special Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
crossref
KMA (Korean Meteorological Administration) (2012) Korea Climate Change Prediction Report, (in Korean).
crossref
Lee, C.W, Seo, J.P, and Kang, Y.H (2013) Analysis of Landslide Characteristic During Joseon Dynasty through Historical Literature Survey. J. Korean Soc. Hazard Mitig, Vol. 13, No. 6, pp. 161-165 (in Korean with English abstract). 10.9798/KOSHAM.2013.13.6.161.
crossref
Lee, D.K, Kim, H.G, Seo, C.W, Song, C.G, Yu, J.A, and Park, C (2013) A Study on the Establishment of Quantitative Standards of Landslides Vulnerability by Climate Change. Journal of Climate Change Research, Vol. 4, No. 2, pp. 95-104 (in Korean with English abstract).
crossref
Lumb, P (1975) Slope failures in Hong Kong. Quarterly Journal of Engineering Geology, Vol. 8, pp. 31-65. 10.1144/GSL.QJEG.1975.008.01.02.
crossref
Moon, Y.H, Lee, S.E, Kim, M.S, and Baek, J.R (2016) Analyzing type of Urban Areas at High Risk to Landslide Hazard based on the GIS Approach. J. Korean Soc. Hazard Mitig, Vol. 16, No. 3, pp. 47-53 (in Korean with English abstract). 10.9798/KOSHAM.2016.16.3.47.
crossref
Oh, J.R, and Park, H.J (2013) Establishment of Landslide Rainfall Threshold for Risk Assessment in Gangwon Area. J. Korean Soc. Hazard Mitig, Vol. 13, No. 3, pp. 43-51 (in Korean with English abstract). 10.9798/KOSHAM.2013.13.3.043.
crossref
Oh, J.R, and Park, H.J (2014) Analysis of Landslide Triggering Rainfall Threshold for Prediction of Landslide Occurrence. J. Korean Soc. Hazard Mitig, Vol. 14, No. 2, pp. 115-129 (in Korean with English abstract). 10.9798/KOSHAM.2014.14.2.115.
crossref
Rianna, G, Zollo, A, Tommasi, P, Paciucci, M, Comegna, L, and Mercogliano, P (2014) Evaluation of the Effects of Climate Changes on Landslide Activity of Orvieto Clayey Slope. Procedia Earth and Planetary Science, Vol. 9, pp. 54-63. 10.1016/j.proeps.2014.06.017.
crossref
Shim, H.G (1997). The Characteristics of Landsliding in Korea. Master's thesis, Dankook University. (in Korean with English abstract).
crossref
Sillmann, J, Kharin, V.V, Zwiers, F.W, Zhang, X, and Bronaugh, D (2013) Climate Extremes Indices in the CMIP5 Multimodel Ensemble: Part 2. Future Climate Projections. Journal of Geophysical Research: Atmospheres, Vol. 118, No. 6, pp. 2473-2493. 10.1002/jgrd.50188.
crossref
Wood, E.F, Roundy, J.K, Troy, T.J, van Beek, L.P.H, Bierkens, M.F.P, Blyth, E, Roo, A, de Döll, P, Ek, M, Famiglietti, J, Gochis, D, van de Giesen, N, Houser, P, Jaffé, P.R, Kollet, S, Lehner, B, Lettenmaier, D.P, Peters-Lidard, C, Sivapalan, M, Sheffield, J, Wade, A, and Whitehead, P (2011) Hyperresolution Global Land Surface Modeling: Meeting a Grand Challenge for Monitoring Earth's Terrestrial Water. Water Resour. Res, Vol. 47, pp. W05301 doi:10.1029/2010WR010090. 10.1029/2010WR010090.
crossref
Yoon, S.K, and Cho, J.P (2014) The Uncertainty of Extreme Rainfall in the Near Future and its Frequency Analysis over the Korean Peninsula using CMIP5 GCMs. J. Korea Water Resour. Assoc, Vol. 48, No. 10, pp. 817-830 (in Korean with English abstract). 10.3741/JKWRA.2015.48.10.817.
crossref
Yoon, S.K, Jang, S.M, and Rhee, J.Y (2016) Analysis of Extreme Rainfall Distribution Scenarios over the Landslide High Risk Zones in Urban Areas. Journal of the Korean Society of Agricultural Engineers, Vol. 58, No. 3, pp. 57-69 (in Korean with English abstract). 10.5389/KSAE.2016.58.3.057.
crossref
Yoon, S.K, and Moon, Y.L (2014) The Recent Increasing Trends of Exceedance Rainfall Thresholds over the Korean Major Cities. Journal of the Korean Society of Civil Engineers, Vol. 34, No. 1, pp. 117-133 (in Korean with English abstract). 10.12652/Ksce.2014.34.1.0117.
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