1. 서론
국민안전처의 재해연보에 따르면 우리나라 자연재해의 주요 피해원인으로 90% 이상은 풍수해이며, 다양한 풍수해의 피해유형 중 홍수는 피해규모 및 재현빈도 등을 고려할 때 가장 대표적인 자연재해로 볼 수 있다. 최근 몇 년간 이상기후에 따른 집중호우로 인해 홍수피해가 빈번히 발생하고 있으며 특히, 최근 3년 동안 (2014~2016) 태풍 나크리(NACRI), 고니(GONI), 차바(CHABA) 등 한해에 3개 이상의 태풍이 우리나라에 영향을 주며 22번의 집중호우로 인해 8명의 인명피해와 4,269억원의 재산피해가 일어났다. 이에 효과적으로 대응하기 위해서는 수문학적 중요인자인 강우의 공간적인 특성을 파악하여 신속하고 정확한 홍수예보를 하는 것이 필요하다.
홍수재해는 일정 지역을 대상으로 발생하는 공간적인 현상이므로, Radar와 같은 공간적 특성을 가지는 자료의 활용성이 매우 클 것으로 생각 된다(Jung et al., 2014; Ahn et al., 2015). 또한 Radar는 지상관측지점사이에 위치한 지역의 강우정보 또는 지상강우관측에서 획득 할 수 없는 미계측 유역에 대한 강우자료를 제공하는 장점이 있다. Radar는 1 km×1 km 또는 그 이상의 고해상도 크기의 격자 형태로 강우가 관측이 되기 때문에 일반적인 우량계의 밀도에 비해 상당히 높은 공간 밀도의 강우에 대한 정보를 제공할 수 있다. 지금까지 다양한 수문분야에서 지점 강우대신에 Radar를 사용한 연구가 활발하게 진행되어 왔다. 그러나 현재까지 개발된 Radar는 완벽하게 강우를 측정할 수 있다고 보기 어렵기 때문에(Kim et al., 2007a), 수문해석 분야에서는 Radar를 활용하기 위해 Radar로 관측된 강우량을 보정계수를 이용하여 Radar에서의 편이를 조정하는 것에 비중을 두거나(Brandes, 1975) IDW와 합성하여 Radar를 보정하고 있다(Hong et al., 2010).
이러한 Radar의 단점을 보정하기 위해 다양한 공간강우 생산 방법이 평가되고 있으나 최근 실무에서는 조건부 합성(Conditional Merging, CM)을 적용한 연구사례가 증가하고 있다. CM은 Ehret(2002)와 Pegram(2002)에 의해 처음 제안되었고, 수자원 및 기상분야에서 정확한 강우량 산정을 위해 사용하는 기법이다. Kim et al. (2007b)은 분포형 모형과 조건부합성기법으로 보정한 Radar를 연계한 홍수량 산정방법을 제시하였으며, 국외에서도 Radar의 보정을 위해서는 G/R 방법 즉 MFB(Mean Field Bias) 방법을 사용하고 있다. 하지만 최근에 Kim et al. (2008)은 Radar 보정기법을 비교하여 Ehret(2002)이 이론적으로 제시한 조건부합성기법을 실제 홍수유출해석에 이용할 수 있음을 증명하였다(Hong et al., 2010).
본 연구에서는 남강댐 유역을 대상으로 2014년 8월에 Radar로 관측된 2건의 강우사상(태풍, 집중호우)에 대해서 Radar 강우자료와 지상강우자료와의 정량적인 차이를 분석하고 이를 보정하기 위한 방법으로 1) 지상강우 자료의 역거리 가중법(Inverse Distance Weighting, IDW)을 통해 공간내삽자료와 2) 지상강우자료와 Radar 자료의 조건부 합성으로부터 산정된 CM 공간강우자료를 분포형 모형에 적용하여 보정 강우 자료의 활용성을 평가하고자 한다. 따라서, 평가를 위한 방법으로 각각의 자료에 따른 유출 검보정을 실시하여 최종적으로 최적화된 매개변수의 종류 및 범위를 비교하여 보정전 Radar 자료와 보정후 Radar 자료가 유출모형 매개변수 미치는 영향을 평가하는 방법을 수행하였다.
2. 재료 및 방법
2.1 대상유역
본 연구의 대상유역인 남강댐 유역(2,293 km2)은 낙동강 제 1지류인 남강의 낙동강 합류점으로부터 약 80 km 상류지점에 위치한 남강다목적댐의 직상류부에 위치하고 있다. 해발 300 m 이상의 지역이 유역면적의 56%를 차지하고 있으며, 약 33%가 지리산을 중심으로 분포하고 있다. 남강댐 유역의 경우 여름철에 몬순기후와 남해안의 난류가 어우러져 태풍을 동반하는 다우지역으로 강우발생시 유량의 집중도가 높은 지역이다. Fig. 1에는 대상유역 근처의 강우관측소(21개소) 및 수위관측소(3개소) 현황을 나타내고 있으며, 본 연구에 사용한 비슬산 레이더 관측소 반경 약 100 km 내에 위치하고 있다(Jung et al., 2008; Ahn et al., 2013; Ahn et al., 2015). Radar 및 지점강우의 비교분석 및 모형의 보정을 위한 수위관측소는 각각 산청(SC), 창촌(CC), 그리고 남강댐유입부(NR) 3개 지점자료를 이용하였으며 소유역의 경계는 3개의 수위관측소 지점을 기준으로 분할하였다. 마지막으로 지표경사 분포도는 지표 및 지표하 흐름에서 유속과 관련된 지형자료이다. 지표경사 분포도가 없는 경우 DEM을 입력하여 흐름방향에 따른 경사 분포도를 작성할 수 있다.
2.2 KIMSTORM2의 개요
KIMSTORM (KIneMatic wave STOrm Runoff Model)은 Kim(1998)에 의해 개발된 모형으로 격자 물수지(cell-based water balance) 기법을 이용하여 지표흐름과 지표하 흐름을 모두 고려한 분포형 강우-유출모형이다. KIMSTORM은 격자물수지법을 이용함으로써 음해기법에 비해 모형의 구조 및 계산이 간단한 것이 특징이며 연천댐 유역(1,875 km2), 용담댐유역(930 km2), 홍보간척지유역(218 km2), 화옹간척지유역(162 km2), 그리고 이평교 유역(76 km2) 등의 강우유출모의에 적용된바 있다. 그러나 KIMSTORM은 UNIX 운영체제를 기반으로 하며 모형의 입출력자료 처리를 위한 구조가 정형화 되어 있지 않아 공간입력자료, 강우자료 및 매개변수 설정을 위하여 소스코드 수정이 불가피하고 모의결과의 평가 및 가시화에 다소 불편함이 있으며, 최근 분포형 강우유출 모형에 많이 적용하는 공간강우의 입력처리가 매우 어렵 다. 이에 따라 Jung et al. (2008)은 KIMSTORM의 적용이론과 구조 및 성능을 개선하고 모형구동환경을 MS Window 운영체제로 전환하고 개발언어를 FORTRAN 90으로 채택한 KIMSTORM2를 개발하였다. 이후 개발된 모형은 충주댐 유역(Jung et al., 2010a; Jung et al., 2010b; Ahn et al., 2014), 남강댐 유역(Ahn et al., 2013; Ahn et al., 2015)에 적용된 바 있다.
본 연구에서 적용한 KIMSTORM2 모형은 대상유역을 일정한 크기의 격자로 구성하고, 각각의 셀에 대한 지형, 지표 및 토양의 물리적인 특성들을 매개변수로 하여 주어진 시간간격별로 침투, 침루, 지표 및 지표하 유출, 가정된 기저유량을 산정한 후 격자물수지법에 의해 흐름경로를 따라 인접한 셀들로부터 유입량과 중심 셀에서의 유출량에 대한 물수지를 계산함으로써 유역의 전반적인 수문량에 대한 시간적 변화와 공간적인 분포를 파악할 수 있는 모형이다. 유출해석을 위하여 지표셀은 3개층(지표, 불포화 및 포화 지표, 및 하층)으로, 하천셀은 단일층으로 구성되어 있으며 각각의 셀에 대해 상기 식들에 의하여 계산된 결과들을 이용하여 격자물수지가 계산되며, 임의 시간에 계산된 격자별 물수지 결과는 각 격자의 물수지 변화를 추적하게 된다(Kim, 1998). 모형의 격자 물수지 구조는 Fig. 2와 같고 지표와 토양층에 대해 Eqs. (1)과 (2)의 물수지식을 적용하고 있다(Jung et al., 2010a).
Fig. 2
The Water Balance Components of a Cell for Overland and Stream Grid Elements (Jung et al., 2008)
for stream flow
for stream flow
여기서, i는 셀주소, Si는 저류량(m3), P(t)i는 강우량(m3), F(t)i는 침투량(m3), qsurf·in·i는 셀 i에 인접한 셀의 지표층으로부터의 유입량(m3/sec), qsurf·out·i는 지표층의 유출량(m3/sec), qsurf·in·i는 셀 i에 인접한 셀의 불포화 지표하층으로부터의 유입량(m3/sec), qsurf·out·i는 불포화 지표하층의 유출량(m3/sec), Qbf·in·i는 포화 지표하층으로 침루된 용적으로부터 가정한 기저유입량(m3/sec), SWi는 불포화층의 격자토양수분(m3), DR(t)i는 침루량(m3), t는 시간간격(sec)이다.
2.3 GIS 자료 및 공간매개변수
모형에는 DEM, 흐름방향도, 토지피복도, 유효토심도, 토양종류도, 유역경계, 지표경사분포도(slope)가 필수 GIS 자료로 입력된다. 각각의 GIS 입력 자료는 Fig. 3과 같이 ESRI ArcInfo W/S을 이용하여 격자크기 500×500 m 해상도의 ESRI ASCII Grid형식으로 구축하였고, 156행×137열의 총 21,372개의 셀로 구성되었다. DEM은 1:5,000 NGIS (National Geographic Information System) 수치지도를 사용하여 구축하였으며, 흐름방향, 흐름누적 및 하천망이 실제하천의 형태를 고려하면서 정의될 수 있도록 Agree Burn (Hellweger, 1997; Jung and Kim, 2003) 기법을 적용하여 DEM을 전처리하였다. 물의 흐름방향을 정의하는데 이용되는 흐름방향도는 FLOWDIRECTION 함수를 이용하여 DEM으로부터 구축하였으며, 격자물수지 계산순서, 유역 및 하천을 정의하는데 이용되는 흐름누적도는 FLOWACCUMULATION 함수를 이용하여 흐름방향도로부터 구축하였다. 토지피복도는 환경부에서 제공하는 토지이용도를 사용하였으며 시험유역 총 면적 중 산림, 논, 밭의 면적은 각각 78%, 12%, 8%로 구성되어 있다. 유효토심도 및 토양종류도는 농업과학기술원에서 제공하는 벡터형태의 1:50,000 개략토양도의 유효토심과 토양종류 속성을 격자화하여 사용하였다. 토지피복도, 유효토심도 및 토양종류도는 모두 국가수자원관리 종합정보시스템(Water Resources Management Information System, WAMIS)에서 제공받아 사용하였으며, 공간해상도 30 m의 자료를 RESAMPLE 함수를 이용하여 공간해상도 500 m의 자료로 변환하여 구축하였다.
위에서 구축한 기본 GIS 입력자료 중 토지피복도는 Manning 조도계수를 공간적으로 분포시키는 기준이 되며 조도계수는 격자별 유출에서 유속을 제어하는 역할을 한다. 유효토심도 및 토양종류도는 토양의 특성과 관련된 매개변수(유효토심, 유효공극률, 포장용수량, 영구위조점, 포화투수계수, 유효투수계수, 습윤선 흡인수두, 초기침투율, 종기침투율)를 공간적으로 분포시키는 기준이 되고 이들 특성은 강우의 침투 및 토양수 흐름을 제어하는 역할을 한다(Jung et al., 2008).
2.4 지점, Radar 강우자료 및 유량자료
본 연구에서는 남강댐 유역 내 위치한 21개 관측 강우 관측 지점에서 시단위 강우자료를 수집하였으며, 2014년 8월에 발생한 태풍 나크리(NACRI, 2~8일)와 1개의 집중호우(Heavy Rain, 8월 17~22일)를 강우 이벤트로 선정하였다(Table 1). 구축한 지상강우 자료는 모형의 입력자료 해상도와 동일한 격자크기(500 m)로 IDW를 활용해 공간 내삽하여 적용하였다(Fig. 3(h)). 지상강우 관측소와 동일한 위치에서의 Radar 강우량과 지상강우량의 값의 편차를 판단하기 위해 21개 지점에서의 평균 강우량을 비교하여 각각 결정계수(R2)와 평균제곱근오차(Root mean Square Error, RMSE)를 사용하였으며, 모델의 효율성 검증은 Nash and Sutcliffe (1970)가 제안한 모델 효율성계수(NSE)를 Table 1에 나타냈다. 또한, 보정전 Radar 강우자료의 정량적 편차를 판단하기 위해 시험유역에 위치한 21개 지상강우 관측지점에서의 평균 누적강우량과 Radar 누적강우그래프를 나타낸 결과 나크리 및 집중호우 사상일 때 Radar 강우량은 지상관측 누적강우량에 비해 108.3 mm/hr 및 40.3 mm/hr 과소 추정됨을 나타냈다(Fig. 4). 따라서, 정량적으로 편차가 심한 Radar 자료를 유출모형에 사용할 경우 모형의 조정이 필요한 매개변수 종류와 매개변수 조정범위가 늘어나 모델의 불확실성이 증가하기 때문에 1차적으로 Radar 강우자료의 보정이 필요하게 된다.
Table 1
Characteristics of Selected Events
Fig. 4
The Cumulative Graphs Between Observed Rainfall and Radar Rainfall: (a) NACRI in 2014 and (b) Heavy rain in 2014
Radar는 2010년부터 비슬산에 설치되어 운영 중인 이중편파 Radar를 사용하였다. 특히 비슬산 Radar는 선진외국에서도 활용초기 상태이고 우리나라에서는 처음으로 도입된 현업용 이중편파Radar로 낙동강 유역의 홍수예보에 주로 활용하고 있다(Jeon et al., 2012; Ahn et al., 2015). 제공받은 레이더 강우자료의 추정 알고리즘은 JPOLE (Ryzhkov et al., 2005) 및 CSU (Cifelli et al., 2011) 알고리즘을 이용하여 강우강도를 산정한 이중 편파 강우레이더 자료를 한강홍수통제소로부터 수집하였다. 제공된 레이더 자료는 수평반사도(Zh), 차등반사도(ZDR) 및 비차등위상차(KDP) 변수를 이용하여 각각의 강우 추정치 R(Z), R(ZDR), R(KDP)를 계산한 자료이다. 이 중에서 본 연구에서는 관측강우자료와 비교하여 정확도가 가장 높게 나타난 R(KDP) 자료를 사용하였다.
본 연구에서 레이더 강우사상 선정은 2014~2016 태풍 및 여러 강우사상중에서 레이더 강우자료의 품질이 가장 좋은 이벤트를 선정하여 본 연구에 적용하였습니다. 따라서, 레이더 자료 품질 평가를 먼저 R2를 이용하여 선별한 결과 상관성이 가장 높은 2014년 태풍 및 집중호우 강우사상의 레이더 강우자료를 사용하였다(Fig. 5).
Fig. 5
Relationship Between Observed Rainfall and Radar Rainfall: (a) NACRI in 2014 and (b) Heavy rain in 2014
이중편파 Radar는 IDW와 동일한 2개의 이벤트 기간에 대해 10분 간격, 250 m 해상도로 보정된 자료를 국토교통부 한강홍수통제소로부터 제공받았으며, KImSTORM2 모형의 적용을 위해 좌표변환, 격자크기 500 m, 1시간 단위로 재구축하였다. Radar의 보정에 관한 이론적 내용은 Jeon et al. (2012)에 자세히 수록되어 있다.
2.5 조건부 합성
조건부 합성(Conditional Merging, CM) 기법은 수자원 및 기상분야에서 정확한 강우량 산정을 위해 사용하는 기법이다. Radar를 이용하여 측정한 강우량의 분포패턴과 우량계를 이용하여 직접 측정한 강우량을 합성하는 데 사용한다. 또한 조건부 합성에는 지질통계학적 접근 방법인 크리깅(Kriging)기한 변수 값이 없을 때 내삽을 통해 변수 값을 추정하는 지질 통계학적 접근 방법이다(Kim and Jung, 2016).
본 연구에서 수행한 조건부 합성은 다음과 같은 순서로 진행하였다. 먼저 남강댐 유역 내 위치한 21개 관측 지점에 대해 수집한 실측 강우자료를 IDW를 통해 공간보간을 실시하였다. 그리고 Radar 자료로부터 지상 관측소 지점과 일치하는 지점에서의 강우 값을 추출하고 추출된 지점 값으로부터 크리깅 기법을 이용해 공간보간을 실시하였다. 그 뒤 Radar 자료와 크리깅 보간 기법을 통해 산정한 자료로부터 잔차(차이)를 산정하고, 산정된 잔차에 지상 강우 자료를 더해 최종적으로 조건부 결합(CM)된 공간 강우 자료를 산정하였다.
3. 결과 및 고찰
본 연구에서는 최종적으로 매개변수가 검보정 되지 않은 상태에서 각각의 강우자료를 적용하여 그에 따른 적용성 지수를 평가하여 가장 유용하게 활용 될 수 있는 강우자료를 제시하는 기존의 방법과는 다르게 각각의 강우자료별로 유출 모형의 검보정을 각각 실시하여 최종적으로 검보정된 강우자료별 모형 매개변수를 비교함으로써 강우자료를 평가하고자 한다. 이는, 초기 검보정의 결과에 따라 결과가 달라 질 수 있는 기존 적용 방법의 제한점을 보완하고자 본 연구에서는 이러한 방법을 채택하였다.
3.1 레이더 강우(Radar), 지상 강우(IDW), 조건부합성 강우(CM Radar) 비교
2014년 태풍 나크리(NACRI)와 집중호우 기간 에 대한 남강댐 유역의 유출해석에 앞서 레이더 강우(Radar), 지상 강우(IDW) 및 조건부합성으로 보정한 레이더 강우 자료(CM Radar)를 그림을 통해 비교하였다(Fig. 6). 그림에서 연두색, 파란색, 빨간색 박스 안의 자료는 상단에 표기한 날짜에 대한 각각의 강우자료(Radar, IDW 및 CM Radar)를 순서대로 나타낸 것이며, 제일 왼쪽 오렌지색 박스안의 자료는 오른쪽 3개의 날짜에 대한 총 강우량을 나타낸 것이다.
Fig. 6
Comparison of Spatial Distributions of Rainfall Data of Radar, IDW, and CM Radar for part of the NACRI (2014.08.02. ~ 08.04) and Heavy Rain (2014.08.17. ~ 08.19)
각각의 방법을 통해 관측된 강우사상의 변화를 살펴보면, Radar 자료의 경우 8월 2일에 남서쪽에서 가장 큰 강우가 관측되며 8월 3일에는 북동쪽으로 강우의 중심이 이동하는 모습을 보인다. 8월 4일에는 강우가 거의 없는 것으로 관측되고 있다. 반면 IDW는 강우 시작 지점이 남서쪽으로 Radar와 유사하나 8월 2일 ~ 4일 동안에 강우의 이동분포가 Radar와는 상이하게 나타났다. Radar 자료에서 나타나는 강우이동에 따른 특정지역의 집중호우분포는 IDW 자료에서는 전반적으로 특정 지역과 그 부근으로 확대되어 집중호우가 나타난 것으로 알 수 있다. 전체적으로 강우의 총량은 IDW 자료가 더 높게 나타났으며, 이는 실제로 측정한 강우량이므로 Radar가 전체적으로 강우가 적게 측정되고 있음을 나타낸다. 동일한 유역에 대해 Radar와 IDW를 비교한 선행논문(Ahn et al., 2013)에서도 지상 강우를 이용한 IDW의 공간내삽 자료는 Radar의 상세한 공간적 분포를 따라가지는 못하지만, 강우의 전체적인 총량은 IDW를 통해 작성한 강우자료가 더 높은 모습을 보였다. 본 연구에서는 새롭게 적용한 조건부 합성 기법을 통해 산정된 강부분포의 경우(Fig. 6), 강우의 총량은 IDW와 큰 차이 없이 유지되면서 결측된 강우 지점을 보완해줄 뿐만 아니라 강우의 공간적인 패턴은 Radar 자료의 분포를 반영하는 모습을 보임을 확인하였다.
집중호우 기간에 대한 자료(Fig. 6)에서도 비슷한 양상을 보인다. Radar 강우 자료의 경우 8월 17일부터 19일까지 공간 강우의 패턴이 선명하게 나타난다. 반면 IDW의 공간 내삽 자료의 경우 8월 18일과 19일에서 Radar에 비해 강우의 총량이 높음을 확인할 수 있다. 마지막으로 CM 강우분포의 경우(Fig. 6)는 Radar의 공간 강우 패턴과 IDW의 강우 총량을 잘 반영하였다.
앞서 Table 1에서 나타낸 것과 같이 지상강우 관측소와 동일한 위치에서 IDW 강우량과 CM Radar 강우량을 각각 지상강우량의 값의 편차를 판단하기 위해 21개 지점에서 평균 강우량을 비교하여 결정계수(R2)와 Nash 모델 효율성계수(NSE), 평균제곱근오차(Root mean Square Error, RMSE)를 사용하여 Table 2에 나타내었다. R2와 NSE 지수는 1에 가까울수록 관측값과 모의값의 상관성 및 정확도가 높으며 RMSE 지수는 값이 작을수록 관측값과 모의값의 편차가 적게 나타남을 의미한다. 따라서, CM Radar 결과가 모든 평가지수와 관련하여 가장 효율성이 높은 자료로 판단이 된다.
Table 2
Characteristics of Selected Events
3.2 모형의 보정
2개의 강우사상(NACRI, 집중호우)에 대하여 Radar, IDW, 및 CM Radar 자료를 KIMSTORM2에 적용해 유출 검보정을 진행하였다. 유출 검보정은 상류부터 산청(SC), 창촌(CC) 그리고 유역 출구점인 남강댐방수로 지점(NR)의 유량자료를 모의결과와 순차적으로 비교하는 방법으로 수 하였다. 모형의 보정을 수행하기에 앞서 본 모형의 지표유출, 토양수분, 침투, 침루 및 기저유출과 관련된 13개 매개변수(지표조도계수 nsurf, 하천조도계수 nstr, 하천형상계수 Cstr, 논둑과 담수심사이의 기준 여유고 hpf, 조도계수 감소상수 b, 초기토양수분함량 SW∈i, 포화투수계수 Ksat, 유효투수계수 Ke, 습윤선 흡인수두 ψwf, 최대침투능 fp, 침루조절계수 N, 기저발생위치 BFTH, 기저기여상수 BFcnst)는 Table 3에 정리하였다. KIMSTORM2의 13개의 매개변수 중 하천조도계수와 지표조도계수는 첨두유량에 영향을 미치고, 토양수분과 관련된 초기토양수분함량은 유출용적에 영향을 미치는 가장 민감한 변수로 분석되었기 때문에(Ahn et al., 2013), 본 모형에서도 3개의 매개변수를 주로 활용하여 검보정을 하였다. 모형의 적용성 평가를 위한 목적함수로는 R2, NSE 및 Du et al. (2007)에서 적용한 바 있는 유출용적지수(Volume Conservation Index, VCI)를 사용하였다.
Table 3
Model Parameters for Model Calibration
| Process | Parameters | Definition | Unit | Min | Max | Value |
|---|---|---|---|---|---|---|
| Runoff | nSurf | Manning’s roughness coefficient of overland | - | 0.5 | 2.0 | 1.00* |
| nstr | Manning’s roughness coefficient of stream | - | 0.03 | 0.08 | 0.051* | |
| Cstr | Channel shape constant | - | 0.34 | 0.37 | 0.352 | |
| hpf | Maximum freeboard of paddy field | cm | 0 | 30 | 15 | |
| b | Control coefficient for paddy roughness | - | 1 | 3 | 2 | |
| Soil water | SWini | Initial degree of soil saturation | % | 10 | 100 | 76* |
| Ksat | Saturated hydraulic conductivity | cm/hr | 0.5 | 10 | 2 | |
| Infiltration | Ke | Effective hydraulic conductivity | cm/hr | 0.25 | 5 | 0.6 |
| Ψwf | Wetting front suction head | cm | 0.5 | 5 | 1 | |
| Percolation | fp | Maximum percolation rate | cm/hr | 0.01 | 0.1 | 0.65 |
| N | Coefficient for percolation | - | 2 | 3 | 3 | |
| Baseflow | BHTH | Threshold constant for baseflow generation | - | 0.25 | 0.65 | 0.42 |
| BFcnst | Contribution constant of baseflow | - | 0.005 | 0.05 | 0.03 |
보정을 위해 매개변수를 조정한 결과(Table 4), 두 개의 강우사상에 대한 초기토양수분은 IDW와 CM Radar 경우 20~50%로 같거나 비슷한 범위 내에서 조정되었으나, Radar 자료의 경우 76~90%의 높은 범위로 설정해주어야 관측 자료와 일치하는 경향을 보였다. 이는 Radar 자료의 강우량이 다른 두 자료보다 작기 때문에 유출용적을 맞추기 위해서는 Radar의 초기토양수분량을 높게 설정해주어야 하는 것으로 판단된다. 하천조도계수와 지표조도계수의 경우 IDW와 CM Radar 강우총량이 비슷하기 때문에 두 자료에 대한 매개변수 값이 비슷한 범위 내에서 나타나는 경향을 보였다.
Table 4
Selected Model Parameters for Model Calibration
Radar 자료는 초기토양수분 값을 높게 설정해주었기 때문에 첨두유량 도달 시간이 빠르게 나타나서 관측 유출량과 맞추기 위해 조도계수 값을 크게 설정하였다. 한편 3개의 검보정 지점 중 창촌(CC)의 조도계수가 IDW와 Radar 자료의 값이 동일하게 나타나고 있는데, 이는 창촌 소유역의 강우 분포가 두 자료에서 동일하게 나타나고 있기 때문인 것으로 추정된다.
3.3 분포형 유출해석 결과
앞서 조정한 매개변수를 바탕으로 KIMSTORM2 모형에 적용하여 분포형 유출해석 결과를 비교분석 하였다(Tables 5 및 6). 모의 결과 전체적인 R2와 NSE 모두 0.75 이상으로 우수한 결과를 나타내었다. 태풍 NACRI의 경우 평균 R2는 IDW가 0.94로 가장 높았으며 Radar와 CM Radar 각각 0.90, 0.92로 나타났고, 평균 NSE도 IDW가 0.93으로 가장 높았고, 그 뒤를 이어 Radar가 0.87, CM Radar는 0.91로 나타났다. 이는 IDW 자료의 경우 지상에서 관측된 자료의 특성상 관측 유량과 가장 편차가 작게 나타나는 것으로 보이며, Radar는 강우 총량에서 차이가 나는 만큼 매개변수를 통해 보정을 했음에도 다른 두 자료에 비해 관측 자료와의 상관성이 낮은 것으로 나타났다. 유출용적편차는 CM Radar이 5%로 가장 작게 예측됨으로써 관측치와 거의 흡사함을 보였다. 이는 IDW 자료를 활용한 Radar 강우의 공간적인 보정이 전체적인 유출용적을 보완해준 것으로 판단된다. 집중호우의 경우는 R2, NSE 및 VCI에서 동일하게 CM Radar가 가장 우수한 것으로 나타났으며, 이는 본 연구에서 활용한 조건부 합성 기법의 적용성을 잘 나타내는 것으로 보인다.
Table 5
Summary of Model Evaluation
Table 6
Summary of Model Calibration
각각의 강우사상에 대한 3개의 검보정 지점에서 평균 첨두유량과 유출용적은 IDW 자료를 활용한 결과가 가장 우수한 것으로 나타났다. 평균 첨두유량의 경우 NACRI 발생 당시 2,744.6 m3/s일 때, IDW 자료를 활용한 결과가 2,782.8 m3/s로 가장 유사한 것으로 나타났으며, 평균 유출용적은 225.4 106m3에 대해 IDW가 210.8 106m3으로 가장 유사함을 보였다. 집중호우의 경우 첨두유량은 1475.8 m3/s일 때, CM Radar이 1409.4 m3/s로 가장 유사하였으며, 유출용적은 138.9 106m3일 때 IDW가 152.6 106m3으로 IDW가 가장 유사한 것으로 나타났다. 그러나 전체적인 첨두유량과 유출용적의 편차는 각각의 자료에서 큰 차이가 없으며, 수문곡선의 비교에 있어서는 CM Radar이 더 우수한 모습을 보였다(Fig. 7). Fig. 7은 3개의 수위관측소 지점에 대한 검보정 결과를 나타낸 것이다. 그림에서 (a), (b), (c)는 상류부터 산청(SC), 창촌(CC) 및 남강댐 유역출구 지점(NR)이며 왼쪽의 그래프는 NACRI, 오른쪽의 그래프는 집중 호우에 대한 그래프를 나타낸 것이다. 그림에서 IDW(파란색 점선)와 CM Radar(빨간색 점선)의 경우 관측값(검정색 실선)의 유출량의 변화를 유사하게 따라가고 있는 반면 Radar 자료의 경우 다소 미흡한 결과를 보였다. 특히 집중호우 사상에 대한 Radar 자료의 경우 SC 지점에서 첨두유량 도달 이후 추가 강우 패턴에 의한 배수의 지연, CC에서 첨두유량에 미치지 못하는 강우 패턴 및 NR에서 첨두유량 도달시간이 다른 자료에 비해 늦어지는 등 다른 두 자료에 비해 관측유량을 잘 따라가지 못하는 모습을 보인다. 이는 Radar강우의 정량적인 보정이 제대로 이루어지지 않았기 때문에, 모형을 통해 양적인 보정을 수행하더라도 첨두유량 도달시간, 배수시간 등에서 차이가 발생하고 있는 것으로 보인다. 이에 비해 CM Radar은 IDW 자료를 통해 정량적인 보정이 이루어짐으로써 전체적인 첨두유량의 도달시간 및 유출곡선이 관측 값과 거의 유사하게 모의되고 있음을 확인하였다. NACRI의 경우도 마찬가지로 Radar 자료에서 첨두유량 도달 시간이 다른 두 자료에 비해 지연되거나 조기에 발생하는 등의 모습을 보이고 있는 반면, CM Radar의 경우 정량적인 보정을 통해 관측 값과 유사한 패턴을 보이고 있다. 한편 NACRI 강우 사상에 대한 SC 지점의 모든 모의 유량이 지속시간이 136시간일 때 발생한 작은 강우에 대해 관측 값에 비해 민감하게 반응하는 모습을 보이는데, 이는 모형의 매개변수 조정을 통해 작은 강우에도 하천의 유량 변동이 발생하게 되는 것으로 판단된다.
4. 결론
본 연구에서는 남강댐 유역(2,293 km2)에서 2014년 8월에 발생한 태풍 NACRI와 1개의 집중호우 사상을 대상으로 조건부 합성 기법을 적용해 보정한 Radar를 분포형 모형에 적용하여 유출 적용성 평가를 실시하였다. 이 때 보정에 활용한 지상 강우 자료는 IDW를 이용해 공간내삽하여 적용하고, 기존 Radar 강우 자료 및 CM Radar을 통해 보정된 Radar 강우자료를 각각 적용하여 유출 분석을 실시하였다. 본 연구의 결과를 정리하면 다음과 같다.
(1) 지상 강우를 이용한 IDW의 공간 내삽 자료는 Radar 강우의 상세한 공간적 분포를 따라가지 못하지만 강우의 전체적인 총량은 IDW를 통해 작성한 강우자료가 더 높은 모습을 보였다. 본 연구에서 CM Radar 자료의 경우 강우의 총량은 IDW와 큰 차이 없이 유지되면서 결측된 강우 지점을 보완하고, 강우의 공간적 패턴은 Radar 강우 자료를 반영하는 모습을 보였다.
(2) 본 연구에서 활용한 2개의 강우사상에 대해 초기토양수분은 IDW와 CM Radar의 경우 20~50%로 같거나 비슷한 범위 내에서 조정되었으며, Radar 자료는 76%~90%의 높은 범위로 조정되었다. 이는 Radar 강우 자료가 정량적인 보정이 안되어 있기 때문인 것으로 보이며, 조도계수의 경우 IDW와 CM Radar 강우총량이 비슷하기 때문에 두 자료에 대한 매개변수 값이 비슷한 범위 내에서 설정되고 있음을 보였다.
(3) 조정한 매개변수를 바탕으로 분포형 모형의 유출해석 결과, 전체적인 R2, NSE 및 VCI 모두 세 가지 자료에 대해 0.75 이상으로 우수한 결과를 나타내었으며, 이 중에서 IDW가 가장 우수한 것으로 나타났다. 그러나 첨두유량과 유출용적의 편차는 각각의 자료에서 큰 차이가 없으며 수문곡선에 비교에 있어서는 CM Radar이 더 우수한 모습을 보였다.
본 연구에서 활용한 비슬산 이중편파 Radar 자료는 기존의 우량계보가 정확한 강우의 공간 분포를 제공하며 상세하게 강우분포의 특성을 표현할 수 있으며, 강우의 분포 및 이동을 효과적으로 모니터링 할 수 있는 장점이 있으나, 강우의 정량적인 측정에 있어서는 미흡한 모습을 보였다. IDW를 이용한 공간강우는 Radar에 정량적인 보정은 보완되지만 정량적인 부분 이외에 공간적 강우 분포에 의해 영향을 주는 첨두 도달시간 및 도달 후에 배수 등을 재현하지 못하는 단점을 확인하였다. 여기에 조건부 합성 기법을 적용하여 기존 자료와의 비교검토 결과 Radar와 분포형 모형에 의한 공간유출 및 첨두유출의 합리적인 재현 가능성을 나타냈다. 추후 지점 강우 관측소의 강우량과 레이더 강우량, 분포형 모형이 함께 고려된다면, 유역 내 공간강우 변동에 대해 효과적이고 정략적인 추적이 가능할 것으로 판단된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
