• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1985-1990
• /
• 2006

수문설계시 설계자들의 주된 관심사는 어떤 한 지점의 강우량보다는 유역 평균강우량에 있다. 그러나 우리가 얻을수 있는 강우량은 특정 지점에 설치된 관측소에서 관측되는 지점강우량이므로 이를 이용하여 유역에 대한 면적평균확률강우량을 산정해야 한다. 그러나 면적평균확률강우량을 산정하기 위해서는 복잡한 자료처리과정을 거쳐야 하며 수문분석시 마다 이러한 과정을 반복한다는 것은 매우 번잡스러운 일이다. 따라서 비교적 산정이 손쉬운 지점평균확률강우량을 사용하여 면적평균확률강우량으로 손쉽게 전환할 수 있는 면적감소계수가 대안이 될 수 있다. 현재 우리나라는 건설교통부에서 제시하고 있는 면적감소계수를 사용하고 있으나, 이는 한강유역의 강우관측소를 이용하여 산정하였기 때문에 이를 한강유역과 지형학적, 수문 기상학적 특징이 상이한 지역에 적용하기에는 많은 제약이 따른다고 생각된다. 본 연구에서는 낙동강 유역을 대상으로 자료계열의 빈도해석을 통하여 기존의 지점평균확률강우량과 면적확률강우량을 산출한 후, 이를 이용하여 지점평균확률강우량을 면적확률강우량으로 전환할수 있는 면적감소계수 회귀곡선식을 산정하였다. 따라서 본 연구에서 제시하는 면적감소계수는 낙동강 유역에 대하여 지점평균확률강우량을 면적확률강우량으로 손쉽게 환산할 수 있는 한 가지 방안이 될 것으로 생각된다.

• Journal of Korea Water Resources Association
• /
• v.35 no.2
• /
• pp.173-186
• /
• 2002

Rainfall-runoff model is usually used in estimating the design flood, and the most important elements in this model are probable rainfall and unit hydrograph. So, it is the most important step to estimate probable rainfall reasonably and exactly. If a basin area exceeds a certain scale, probable areal rainfall should be used as probable rainfall, but, Probable point- mean rainfall be usually used in Korea. Consequently, probable rainfall is used too high and unit hydrograph is used relatively too low. Thus the improvement is unavoidable. So, in this study, the parameters are proposed that transform the 1day, 2day rainfall to 24hr, 48hr rainfall, and areal rainfall data series are composed by using the same time rainfall data. Also, the areal reduction factor(ARF) is developed as the increase of area by the calculated probable point mean rainfall and probable areal rainfall by frequency analysis in Han-River basin. It can be the measure to easily transform probable point- mean rainfall to probable areal rainfall.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.335-335
• /
• 2012

기후변화에 의한 미래 수문량 전망에 대한 연구는 전지구 모델 결과를 바탕으로 이루어진다. 현재 전지구 모델의 모의 결과 생산된 강우 자료는 기상청에서 제공되며, 제공된 자료는 기상청 관측 지점에 국한되어 있다. 어떤 유역의 확률홍수량 전망은 유역내 강우 지점의 확률강우량을 강우-유출 모형인 HEC-1에 입력하여 추정할 수 있다. 한강 유역과 같은 대유역의 확률홍수량을 구하기 위해서는 유역내 기상청 관측 지점만으로는 지점수가 부족하기 때문에 국토해양부나 수자원공사 관할의 지점 자료를 활용한다. 하지만 이러한 대유역의 미래 확률홍수량을 전망하고자 하는 경우에 제공되는 전지구 모델 결과가 기상청 지점에 국한되어 있어 다른 지점의 확률강우량을 산정하는 데 어려움이 있다. 본 연구에서는 이러한 문제를 보완하기 위해 지역빈도해석을 이용하여 미래 전망 자료가 없는 지점들의 확률강우량을 추정하였다. 지역빈도해석을 수행하기 위해서는 관측 자료가 있는 유역내 지점들의 특성치(site characteristics)를 바탕으로 지역을 구분하고, Hosking and Wallis(1997)가 제안한 이질성 척도(heterogeneity measure)를 근거로 구분된 지역의 수문학적 동질성 여부를 검토하며, 각 지역에 대한 성장곡선(growth curve)를 추정한다. 지역별로 추정된 성장곡선에 지점의 연최대값 평균을 곱하면 그 지점의 확률강우량을 추정할 수 있다. 따라서 미래 기간의 지역별 성장곡선과 지점의 연최대값 평균을 전망할 수 있으면, 미래 기간의 지점별 확률강우량을 산정할 수 있고, 이를 바탕으로 확률홍수량도 전망할 수 있다. 이를 위해 본 연구에서는 전지구 모델에서 모의된 강우 자료를 바탕으로 미래 기간의 성장곡선을 추정하고, 과거 대비 미래 기간의 지속기간별 연최대값 평균의 비율을 산정하여 모의 자료가 없는 지점에 적용함으로써 미래 기간의 연최대값 평균을 산정하였으며, 이를 바탕으로 미래 기간의 확률강우량을 산정하도록 하였다. 이 기법의 신뢰도를 검증하기 위해 관측 자료를 두 기간으로 구분하여, 이 기법을 적용하여 추정한 확률강우량과 관측 자료로부터 산정한 확률강우량을 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.184-184
• /
• 2015

수공구조물의 설계 시 확률강우량의 산정은 매우 중요하다. 따라서 확률강우량 산정을 위한 강우지점의 선정 및 산정방법의 표준화는 매우 중요하다고 할 수 있다. 현재 확률강우량 산정시 대부분은 기상청의 지상기상관측지점과 국토교통부의 산하 지점의 시 단위 또는 일 단위의 강우자료를 활용하여 확률강우량을 산정하고 있다. 또한 면적확률강우량의 산정시에는 원칙적으로 해당 유역내 외에 다수의 관측소 존재 시 Thiessen 가중평균을 이용하여 동시간 임의시간 연최대치 면적강우량자료 계열을 작성하고 빈도해석을 실시해야하지만, 동시간 강우량자료의 수집의 어려움으로 지점 확률강우량을 산정하고 Thiessen 가중평균을 적용 후, 면적우량환산계수를 곱하는 방법을 사용하고 있다. 본 연구에서는 서울의 도림천 유역을 중심으로 기상청의 지상기상관측지점(SSS, Surface Synoptic Stations)과 품질관리를 실시한 방재기상관측지점(AWS, Automatic Weather Stations)의 분 단위 강우자료를 활용하여 강우관측지점 선정과 자료기간에 따른 동시간의 면적확률강우량을산정하고 비교분석하였다. 이는 향후 면적확률강우량 산정방안의 개선 및 보완에 큰 도움이 될 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1112-1116
• /
• 2004

설계홍수량 산정시 인력자료로 이용되는 확률강우량은 동시간 강우에 의한 감소효과가 고려된 면적평균확률강우량이어야 하며, 이는 지점평균확률강우량에 면적감소계수를 곱하여 산정하게 된다. 본 연구에서는 유역의 시${\cdot}$공간적 특성이 반영되도록 면적감소계수(Areal Reduction Factor, ARF)를 산정하여 특정유역에 적용할 수 있도록 제시하였다. 현재 우리나라에서 사용하고 있는 면적감소계수는 대부분 면적고정형 방법을 이용하여 산정한 한강유역의 면적감소계수로, 유역 특성 및 강우 특성이 다른 중${\cdot}$소규모하천에 적용이 어려운 실정이다. 이에 중규모 하천인 삽교천의 면적감소계수를 산정하고, 중요한 요소의 하나인 면적 증분방향에 대한 기준을 제시하고자 하였으며, 면적 증분방향과 관측소간의 영향을 시${\cdot}$공간적으로 분석함으로써 유역에 적합한 면적감소계수산정방법에 대한 바람직한 방향을 제시할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.432-432
• /
• 2017

국내에서 설계홍수량 산정시, 실무 적용성이 높은 설계강우-유출 모형을 채택하고 유출모형으로는 단위도 방법을 적용하여 설계홍수량을 산정한다. 설계홍수량을 산정함에 있어 설계강우-유출관계 모형을 적용하기 위한 필수요소로 확률강우량 산정이 선행되어야 한다. 확률강우량은 유역면적이 25.9 m를 초과할 경우 면적평균확률강우량을 사용하여야하나 지점평균확률강우량을 주로 사용하고 있다. 이는 해당 유역 강우의 공간적 분포를 고려하고 있지 않기 때문에 각 강우관측소에서 관측되는 지점 강우자료를 면적평균확률강우량으로 산정하는데 매번 복잡한 자료처리과정을 거쳐야 하는데 있다. 따라서 비교적 산정이 간편한 지점평균확률강우량을 사용하여 면적평균확률강우량으로 손쉽게 전환할 수 있는 각 유역별 ARF(Areal Reduction Factor) 의 필요성이 대두된다.(이등, 정등 2002) 본 연구에서는 일반적으로 유역의 강우 빈도해석시 이용되는 면적고정형 방법을 사용하여 표본면적에 대하여, 설계홍수량 산정요령(국토부, 2012)에 제시 된 4대강 유역의 ARF와 제주도 한천유역의 수문학적 특성을 반영한 ARF를 산정하여 비교 하였다. 표본면적($100km^2$)에 대하여 기존 4대강 유역의 ARF와 본 연구에서 산정된 ARF 비교 결과 권역별, 빈도별, 지속시간에 따른 ARF는 제주 도심지 유역 기준 최대 18.63%(영산강유역) 작게 산정되었음을 확인하였다. 이러한 결과는 향후 해당유역의 수문학적 특성 미반영으로 인해 설계홍수량이 과다 및 과소 산정되어 안정적인 수공구조물 결정을 저해하는 중요 요소로 작용 될 수 있어 제주도 전 유역에 적용 가능한 ARF 산정 및 기준 설정 등의 조치가 요구된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.301-301
• /
• 2016

국내의 경우 수공구조물을 설계하기 위해서는 빈도해석을 통해 설계수문량을 산정한다. 일반적으로 실무에서는 지점빈도해석을 수행하게 되는데 설계빈도보다 대부분 짧은 기간의 자료를 이용하여 산정한다. 지역빈도해석은 이러한 자료기간이 가지는 문제점을 극복하기 위하여 확률수문량의 정확도와 신뢰도를 향상시키는 기법이다. 스케일 모델은 지속기간별로 관측된 강우자료를 이용하여 재현기간에 대한 지속기간의 함수로 표현이 가능하며, 이를 통해 강우의 IDF곡선을 제시할 수 있는 수학적 모델이다. 대상지역의 강우관측소에서 관측된 강우자료가 일단위이면, 기준지속기간이 24시간이 되며, 기준지속기간에 대한 확률강우량으로부터 임의의 지속기간에 대한 확률강우량을 스케일 모델을 이용하여 추정할 수 있다. 따라서 짧은 자료를 보유한 지역이거나 미계측 지역에 대한 확률강우량을 추정을 위해 지역빈도해석과 지역 스케일 모델을 이용하여 확률강우량을 추정하여 지점빈도해석과 비교하고자 한다. 본 연구를 위해 한강유역의 강우 관측소를 이용하였으며, 군집분석 중 k-means방법을 적용하여 수문학적 동질성을 확보한 후 지역을 구분하였다. 구분된 지역은 지점 및 지역빈도해석을 수행한 후 상대평균제곱근오차(relative root mean square error, RRMSE)를 비교하여 정확도를 판단하였고, 정확도가 높은 빈도해석에 지역 스케일 모델을 적용하여 미계측 지점에 대한 임의의 시간에 대한 확률강우량을 추정하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1277-1281
• /
• 2009

본 연구에서는 권영문 등(2009)에서 제시한 강우의 증가경향성을 고려한 목표년도 확률강우량 산정법의 적용성을 검토하기 위하여 누적평균강우량 회귀직선의 적합도 분석과 모수와 누적평균강우량의 상관분석을 실시하였다. 서울지점의 1961-2006년 관측 강우자료를 바탕으로 지속기간 24시간 연 최대치 자료계열을 구축하여, 정상성 강우빈도해석법을 이용한 확률강우량과 비정상성 강우빈도해석법에 의한 확률강우량을 비교 분석하였다. 여러 가지 경우의 누적평균강우량에 대해서 분석을 실시한 결과, 비정상성 강우빈도해석법에 의한 확률강우량의 적용성이 우수한 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1321-1326
• /
• 2009

강우는 수자원 확보 측면에서 근원이 되는 요소이다. 그러므로 정확한 확률강우량 산정은 미래의 가용 수자원량을 예측하는데 있어 중요한 사항중 하나이며 무엇보다 신중한 결정이 요구된다. 또한 하천의 범람에 의한 침수를 예방하는 수공구조물 등의 설계에 있어서는 신뢰할 수 있는 확률강우량 산정이 선행되어야 한다. 본 연구에서는 최근 우리나라 극치강우확률분포로서 많은 연구가 이루어지고 있는 GEV 분포(GEV-O)를 기반으로 위치 매개변수에 시간의 함수를 고려한 개선된 GEV 분포(GEV-A)를 이용하여 서울지점에 적용함으로서 GEV-O 분포에 의한 확률강우량과 GEV-A 분포로 산정된 확률강우량을 비교 검토하였다. 먼저 임의의 난수 발생을 통해 최우도추정법과 확률가중모멘트법으로 매개변수를 추정한 GEV-O 분포와 최우도추정법으로 매개변수를 추정한 GEV-A 분포의 상대평균제곱근오차 (R-RMSE)를 계산하여 비교함으로서 GEV-A 분포의 효율성을 판단하였다. 사례연구는 1961년부터 2008년까지 서울강우관측소에서 측정된 연최대 1일 강우량으로 하였으며 $X^2$-검정, PPCC-검정으로 적합도 검정을 실시하였다. 강우빈도분석 결과 GEV-A 분포가 GEV-O 분포로 산정된 결과 보다 대체로 재현기간 200년 이상일 경우, 과다 산정되는 경향을 보였다. 추후 개선된 GEV 분포를 서울 인근 지점에 적용함으로서 지역빈도해석(Regional Frequency Analysis)을 실행하기 위한 연구가 진행되어야 할 것이다. 또한 확률홍수량 산정 등에도 개선된 GEV 분포를 이용함으로서 보다 정확하고 신뢰성 있는 확률수문량을 예측하여야 할 것이다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.11 no.3
• /
• pp.29-35
• /
• 2011

This research proposes the suitable method for estimating the future probable rainfall based in 2100 on the observed rainfall data from main climate observation stations in Korea and the rainfall data from the A1B climate change scenario in the Korea Meteorological Administration. For all those, the frequency probable rainfall in 2100 was estimated by the relationship between average values of 24-hours annual maximum rainfalls and related parameters. Three methods to estimate it were introduced; First one is the regressive analysis method by parameters of probable distribution estimated by observed rainfall data. In the second method, parameters of probable distribution were estimated with the observed rainfall data. Also the rainfall data till 2100 were estimated by the A1B scenario of the Korea Meteorological Administration. Last method was that parameters of probable distribution and probable rainfall were estimated by the A1B scenario of the Korea Meteorological Administration. The estimated probable rainfall by the A1B scenario was smaller than the observed rainfall data, so it is required that the estimated probable rainfall was calibrated by the quantile mapping method. After that calibration, estimated probable rainfall data was averagely became approximate 2.3 to 3.0 times. When future probable rainfall was the estimated by only observed rainfall, estimated probable rainfall was overestimated. When future probable rainfall was estimated by the A1B scenario, although it was estimated by similar pattern with observed rainfall data, it frequently does not consider the regional characteristics. Comparing with average increased rate of 24-hours annual maximum rainfall and increased rate of probable rainfall estimated by three methods, optimal method of estimated future probable rainfall would be selected for considering climate change.