Atmosphere. Korean Meteorological Society Vol. 25, No. 2 (2015) pp. 283-294 http://dx.doi.org/10.14191/atmos.2015.25.2.283 pissn 1598-3560 eissn 2288-3266 연구논문 (Article) 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 윤성심 * 이병주 최영진한국외국어대학교차세대도시농림융합기상사업단 ( 접수일 : 2015 년 2 월 26 일, 수정일 : 2015 년 4 월 2 일, 게재확정일 : 2015 년 4 월 14 일 ) Quantitative Precipitation Estimation using High Density Rain Gauge Network in Seoul Area Seong-sim Yoon*, Byongju Lee, and Youngjean Choi WISE Institute, Hankuk University of Foreign Studies, Gyeonggi-do, Korea (Manuscript received 26 February 2015; revised 2 April 2015; accepted 14 April 2015) Abstract For urban flash flood simulation, we need the higher resolution radar rainfall than radar rainfall of KMA, which has 10 min time and 1km spatial resolution, because the area of subbasins is almost below 1 km 2. Moreover, we have to secure the high quantitative accuracy for considering the urban hydrological model that is sensitive to rainfall input. In this study, we developed the quantitative precipitation estimation (QPE), which has 250 m spatial resolution and high accuracy using KMA AWS and SK Planet stations with Mt. Gwangdeok radar data in Seoul area. As the results, the rainfall field using KMA AWS (QPE1) is showed high smoothing effect and the rainfall field using Mt. Gwangdeok radar is lower estimated than other rainfall fields. The rainfall field using KMA AWS and SK Planet (QPE2) and conditional merged rainfall field (QPE4) has high quantitative accuracy. In addition, they have small smoothed area and well displayed the spatial variation of rainfall distribution. In particular, the quantitative accuracy of QPE4 is slightly less than QPE2, but it has been simulated well the non-homogeneity of the spatial distribution of rainfall. Key words: High density, rain gauge network, quantitative precipitation estimation, Seoul, conditional merging 1. 서론 최근전세계적인기후변화및기상이변으로인해국지적집중호우의발생빈도가증가하고있으며, 홍수발생으로인명과재산피해가증가하고있는실정이다. 우리나라도예외는아니며, 특히도시지역의경우급속한도시화및개발에따라유입시간 (inlet time) 의단축, 도달시간 (concentration time) 의감소, 첨두유량 (peak flow) 의증가, 통수능 (conveyance) 증가, 저류량 *Corresponding Author: Seong-sim Yoon, WISE Institute, Hankuk University of Foreign Studies, Yongin-si, Gyeonggi-do 449-791, Korea. Phone : +82-70-4617-4217, Fax : +82-31-321-6470 E-mail : seongsimyoon@hufs.ac.kr (detention storage) 감소등전반적인수문현상의변화로그피해가가중되고있다. 일반적으로도시수문시스템의설계및해석을위해필요한강우자료분해능은시간분해능 1분 ~ 수분, 공간분해능 1km 2, 강우강도추정의불확실성은 10~50 mm h 1 범위에서 10% 미만이어야한다 (Schilling, 1991). 특히, 도시돌발홍수모의를위해사용하는도시유출모형은하나의배수체계 (drainage network) 를하수관망과맨홀, 토지이용과같은지형정보를기준으로세분화한다. 이를소배수분구라고하며, 일반적으로그면적은대부분 1km 2 이하이기때문에기존기상청에서제공하는레이더강우정보 ( 공간분해능 1~2 km) 보다해상도가높은실황강우정보가필요하다. 또한, 강우량에민감한도시유출해석모형의특성을고 283
284 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 려하여보다정량적인강우강도정확도가확보되어야한다. 현재까지국내에서는레이더강우의정확도개선을위해다양한연구를수행한바있다. Eom et al. (1996) 은레이더를이용한유역강우산정기법연구를통해레이더반사강도의정량적분석과함께실측강우량과레이더강우량의관측소별보정계수를산출하여유역에대한강우량산출을연구하였다. 또한 Marshall and Palmer (1948) 의 Z-R 관계식을활용한레이더추정강우가통상적으로지상관측강우에비해과소추정되는단점을보완하기위하여 Kim et al. (2002) 은 WPMM (Window Probability Matching Method) 방법을이용한 Z-R 관계식을산출하여기존의 Z-R 관계식과비교 검토하였으며, 정량적인강우량산출여부를검증하였다. Bae et al. (2005) 은편차보정기법을적용하여레이더강우를개선하고불확실성이유출모형에미치는영향을평가하였으며, Kim et al. (2007) 은조건부합성기법을이용하여레이더강우를보정하고분포형유출모형인 Vflo TM 에적용하였다. Yoon and Bae (2013) 은지형성강우의영향을고려하여레이더최적강우장을산정하는기법을개발하여레이더강우장의정확도를개선하고, 개선결과를도시홍수예보모형에적용하여그활용성을평가한바있다. 현재까지의연구는지상강우관측정보를정량적인참값으로보고레이더강우장을개선하는것이기본적이다. 그러나지상강우에의한보정은레이더와우량계들이서로다른자연적인오차를포함한관측치를제공하므로, 보정시오차가포함될수밖에없다. 예를들어일반적으로사용되는전도식 (tipping bucket) 우량계는상대적으로정확한장비이지만전도형버켓의메커니즘에의해관측체적 (volumetric) 오차의영향을받는다. 또한, 경제적, 환경적이유로고밀도관측망의구축및유지가어려웠다. 따라서몇지점의우량계들만으로유역을대표하는강우를관측하여전체적인레이더강우량의정확도를향상시키는것또한여러문제를유발시켰다. 현재서울지역의강우관측을위해설치되어있는관측소는기상청 35 개소, 서울특별시 47 개소, 국토해양부 5 개소등이있다. 이들관측장비는각기관별운영목적에따라관측장비, 관측요소, 관측간격등이다르므로이를융합하여활용하는것에는한계가있었다. 특히, 도시지역에서빈번하게발생하는국지적인집중호우나돌발적인기상현상등은강우지속시간이짧기때문에 10 분 ~1 시간단위관측을하는서울특별시나국토해양부의관측망으로는강우관측에한계가존재한다. 또한, 발생범위도협소하기때문에현재의관측망으로는강우가탐지되지않는경우가빈번하다. 다만, 2013 년부터 SK 텔레콤의자회사인 SK 플래닛 에서는 SK 텔레콤의기지국인프라를활용해복합기상센서망을구축하고있으므로기존관측망과함께융합하여사용하게되면, 서울지역을대상으로하는고밀도관측망을구축할수있다. 이에본연구에서는기존기상청, SK 플래닛에서서울지역에설치하여운영중인고밀도지상강우관측망과광덕산레이더원자료를이용하여정량적정확도를확보한 250 m 해상도의실황강우장을산정하는것을최종목적으로한다. 또한강우산정의불확실성을고려하여지상관측강우나레이더자체정보만을이용한실황강우장을산정하여관측망밀도및레이더자료활용에따른정확도및유용성을함께평가하고자한다. 2. 대상지역및사용자료 본연구에서는광덕산레이더관측자료를이용하여레이더강우를추정하고, 서울시 190 개강우관측망 ( 기상청 34 개소, SK 플래닛 156 개소 ) 의관측자료를실황강우장산정에이용하였다. 광덕산레이더사이트 (Gwangdeoksan, GDK) 는서울에서북동쪽으로 100 km 떨어져있는광덕산 (1,046 m) 정상부근에위치하고있는데, 경기및강원북부지방의집중호우등악기상감시를위해 2003 년 12 월 10 일부터관측및분석업무를수행하기시작하였다. 광덕산레이더는파장 10 cm, 빔폭 1.0 o 인 S 밴드레이더로써운영전략으로는게이트사이즈 250 m, 전체관측반경은 480 km, 최적반경은 240 km, 0.0~20 o 까지총 12 개의고도각관측을수행하고있다. 본연구에서사용된광덕산레이더의반사도자료는기상청에서운용하는레이더품질관리절차에따라품질처리된 10 분간격의 UF 이진 (binary) 자료이다. 본연구에서는광덕산레이더강우는 1.5 km 고도의 CAPPI (Constant altitude plan position indicator) 반사도를 Marshall-Palmer 관계식 (Z = 200R 1.6 ) 을이용하여추정하였다 (Mohr and Vaughan, 1979). 지상강우관측자료는기상청 Automatic Weather Station (AWS) 와 SK 플래닛의고밀도관측망을통해관측된자료를활용하였다. SK 플래닛의고밀도관측망은다음 Fig. 1 의빨간색별과같이서울시내에총 262 개의기상관측센서를설치하여운영하고있으며, 2014 년에는경기도및 6 대광역시에 1,800 여개를설치하고, 2015 년에는약 4,000 개소의전국망을구축계획을가지고있다. Figure 1 의검은색원은기상청에서운영중인관측소이다. SK 플래닛이설치한복합기상센서는기상청표준을준수한장비이며, Table 1 과같이기상청 AWS 와유사한기상관측요소를매 1 분단위로관측하여실시간수집하고있다. 또한, SK 플래닛에서는정기적인기지국유지 보수인력을활 한국기상학회대기제 25 권 2 호 (2015)
윤성심 이병주 최영진 285 Fig. 1. Mt. Gwangdeok radar station and weather gauge station in Seoul. Table 1. Detail structure of SK planet data. No. Contents No. Contents 1 Station 10 1 min average spot atmospheric pressure 2 Date/Time 11 1 min average sea level pressure 3 Latitude 12 Precipitation Existence 4 Longitude 13 Hourly Precipitation 5 Elevation (m) 14 Daily Precipitation 6 1 min average wind direction 15 15 min precipitation 7 1 min average wind speed 16 60 min precipitation 8 1 min average temperature 17 max instance wind direction 9 1 min average humidity 18 max instance wind speed 용한자동화, 반자동관측정보품질관리시스템을이용하여관측자료를관리하고있으며, 인근기상청 AWS 와의비교를통해관측의신뢰도가확인되었다 (www.weatherplanet.co.kr; Yoon et al., 2015). 지상우량계자료는 Yoon et al. (2015) 이제시한결측및이상치보정절차를따라품질검정이완료된총 190 개소자료를활용하였다. 지상우량계의관측간격은 1 분단위이나레이더와의결합을고려하여본연구에서는 10 분누적강우로변환하여사용하였으며, 서울시전역에총 190 개소의관측소를사용하므로평균공간해상도는약 3km 2 이다. 본연구에서사용한호우사례는 2013 년 7 월 12~15 일과 7 월 22 일의집중호우사례로모두장마전선으로인해서울을포함한수 도권지역에강우가발생하였다. 3. 방법 본연구에서는서울지역의정량적실황강우장을강우관측자료와강우산정방법에따른불확실성을고려하여총 4 종류로구분하여산정하였다. 산정한실황강우장은기상청의강우관측망정보만을이용하여크리깅 (Kriging) 으로산정된실황강우장 (QPE1), 기상청강우관측망에 SK 플래닛관측망을결합하여크리깅으로산정된실황강우장 (QPE2), Marshall-Palmer 관계식으로추정된광덕산레이더강우 (QPE3), 조건부합성으로통해산정된최적레이더실황강우장 (QPE4) 이다. Atmosphere, Vol. 25, No. 2. (2015)
286 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 Fig. 2. Concept of the conditional merging method (modified from Sinclair and Pegram, 2005). 3.1 정규크리깅 (ordinary kriging) 지상관측강우를이용하여강우를공간분포시키고, 조건부합성기법의입력자료를만들기위해정규크리깅기법을이용하였다. 크리깅은부분적으로획득된정보를바탕으로최소자승회귀분석방법에기반하여내삽을통해미지점의값을예측하는방법이다. 크리깅을이용하여예측하고자하는지점의값을구하기위해서는기지점의가중치를결정하여야한다. 가중치를구하는방법중크리깅추정식이편향 (bias) 되지않으면서오차분산을최소로하는크리깅을정규크리깅이라한다. 미지의위치 0 에서의정규크리깅추정치는 Eq. (1) 과같이표현된다. n z 0 * = λ i z i, i=1 여기서, z 0* 는위치가알려진지점에서크리깅을이용한예측치, z i 는이미그위치와값을알고있는주위의자료값, λ i 는각자료의가중치, 그리고 n은크리깅예측을위해사용한자료의총개수이다. Equation (1) 의정규크리깅가중치 λ i 는오차분산을최소로하는조건 Eq. (2) 와 Eq. (1) 의크리깅식이편향되지않을조건 Eq. (3) 을만족하도록결정되어져야한다. σ 2 = E[ zx ( 0 ) zx ( 0 ) 2 ], (2) b = Ez n () Ez* ( ) = E() z E (3) z λ * i z i = 0. i=1 크리깅식에사용된모든자료는실제주어진자료이므로동일한평균값을가지게된다. 따라서 Eq. (1) 의크리깅추정식이항상편향되지않기위해서는가중치의합이 1이되어야한다. 이러한제약조건하에서 Eq. (2) 로주어진오차분산을최소로하는가중치를구하고이들가중치를이용하여알려진값들의선형결합으로미지값이예측된다 (Goovaerts, 1997; Yoon, 2011). (1) 3.2 조건부합성기법조건부합성기법은강우의공간적분포를좀더정확하게구현하면서정량적정확도를확보할수있도록지상강우관측망뿐만아니라레이더정보를함께사용하여 QPE4 를산정하는데활용되었다. 조건부합성기법은 Ehret (2002) 과 Pegram (2002) 에의해처음제안되었으며, 강우장의공간적구조는레이더자료로부터얻어지는반면에강우량은지점강우를합성함으로써얻어진다. 이기법의가정은레이더는정확한강우량보다는정확한공간적인상대강우, 즉, 공간적구조를갖는다는점에서시작된다 (Sinclair and Pegram, 2005). Figure 2 는조건부합성기법의개념을나타낸것이다 (Sinclair and Pegram, 2005). Figure 2 의기본개념을보다자세히설명하면다음과같다. (a) 강우관측소지점에서점강우량관측을나타낸다. (b) 관측된점강우량을크리깅기법을사용하여공간분포시킨다. (c) 레이더에서관측된공간강우량을나타낸다. (d) 레이더관측값중지상관측소와같은위치에있는값들을이용하여, 크리깅기법을사용하여공간분포시킨다. (e) 크리깅기법의경우점자료를이용하여미지의공간값을산정하는내삽기법이기때문에실제레이더에의해추정된공간분포결과인 Fig. 2c 와크리깅기법을사용하여산정한공간분포인 Fig. 2d 의값은차이가난다. 따라서 Fig. 2e 와같이 Figs. 2c 와 d 사이의편차를구한다. (f) (e) 에서계산한편차를 (b) 에적용하여제거하면지점의값을유지하면서공간분포의오차를상쇄시킨합성강우장 Fig. 2g 가생성된다. 다음 Eqs. (4)~(9) 은조건부합성방법에의해보정되는레이더강우자료의오차구조를수식으로표현한것이다. Zs () = G K () s + ε G (), s (4) 한국기상학회대기제 25 권 2 호 (2015)
윤성심 이병주 최영진 287 Table 2. Statistics of the comparison between the cross validation estimates of each quantitative precipitation estimations and rain gauge observations. Event Item Test Stations QPE1 QPE2 QPE3 QPE4 Case 1 Case 2 Total rainfall (mm) 4174.221 (683.77) (685.28) 4186.78 1653.51 4024.08 C-CORR - (0.88) 0.95 0.66 0.94 RMSE (mm 10 min 1 ) - (0.54) 0.34 0.91 0.37 ME (mm) - (0.001) 0.001 0.23 0.02 MAE (mm) - (0.20) 0.10 0.29 0.11 Total rainfall (mm) 1647.38 (263.69) (266.91) 1635.78 519.06 1606.39 C-CORR - (0.85) 0.93 0.73 0.93 RMSE (mm 10 min 1 ) - (0.97) 0.69 1.54 0.72 ME (mm) - (0.01) 0.001 0.41 0.01 MAE (mm) - (0.32) 0.17 0.44 0.18 Rs () = R K () s + ε R (), s Ms () = G K () s + ε R (), s EZs [ () Ms ()] = E[ ε G () s ε R () s ], (7) 2 2 var[ Zs () Ms ()] = σ εg () s + σ εr () s 2σ εg () s σ ε R () s ρ = β( 1 ρ), (8) 2 2 β = σ εg () s + σ εr () s. (9) 여기서, Z(s) 는격자위치 s에서의참강우장, G K (s) 는 Z(s) 를구현하기위해우량계지점자료로부터크리깅된강우장, R(s) 는레이더추정강우, R K (s) 는 R(s) 를구현하기위해크리깅된레이더강우장이며, M(s) 는조건부합성기법으로보정된레이더강우분포이다. ε G (s) 는 s 지점의참강우에의해기인하는오차이며, 실제참강우량을정확히할수없기때문에결정할수없는값이다. ε R (s) 는 R(s) 가레이더반사도로부터변환된레이더강우자료이고, R K (s) 가 R(s) 로부터크리깅된값이기때문에알수있는오차이다. Equation (6) 은조건부합성된강우장을산정하는데이용된다. ρ는 ε G (s) 와 ε R (s) 의상관계수이며, β는 ε G (s) 와 ε R (s) 의분산의합이다. Equations (7)~(9) 는참강우값과합성된강우값사이의오차분산을기대값으로정의한것이다. 모든강우장들을가우시안분포라고가정하면오차의기대값은 0이되는데조건부합성에서고려한크리깅된계산결과는불편향 (unbiased) 된값들이기때문에이러한식들로표현될수있다. 우량계지점정보가있는지점에서의오차분산은 0이되는반면, 분포장의다른지점에서는오차가존재한다. 이러한오차는 ε G (s) 와 ε R (s) 사이의상관관계 ρ가양의값을갖는경우 β가최대값으로제한된다. 만약 ε G (s) 와 ε R (s) 이 1과같이강한양의상관관계를갖는경우, 우량계와레이더사이의기대를이용하여 Z(s) 를산정할수있다고기대할수있다. 그러면제안된 Eq. (9) (5) (6) 와같이오차분산은 β 보다훨씬작게된다. 조건부합성기법은크리깅의불편향가정을기본으로참강우값의오차를레이더와크리깅강우장의차이라고정의하였으므로, 이가정에대한불확실성이여전히조건부합성된강우장에포함되어있다. 특히, 레이더강우가정량적으로편차가클수록지상우량계로산정된강우분포장에영향을받게되므로기법의한계가존재한다. 다만본연구에서는고밀도강우관측망의활용성평가에목적을두고강우장을평가하고자하여이에대한불확실성에대한고려는제외하였다. 추후 QPE4 의정확도향상을위해호우특성에맞는 Z-R 관계식산정및보정기법을고려하고자한다. 3.3 교차검증교차검증 (cross validation) 은예측된자료만을이용하여본래의자료값을다시예측하여예측에사용된방법의타당성을검증하는기술로써일반적으로크리깅과같은지구통계학적기법의평가에사용된다. 교차검증은검정자료와학습자료를구분하는방식에따라예비타당법 (holdout validation), 무작위부분추출법 (random subsampling), K- 중첩교차검증법 (K-fold cross validation), 잭나이프법 (leave-one-out cross validation, Jack-knife) 등으로구분된다. 본연구에서는각실황강우장산정기법별능력의비교를위해서 K- 중첩교차검증법을적용하였다. K- 중첩교차검증법은전체자료들을 K 개로나눈후한집합을검증집합, 나머지를학습집합으로만든후 K 개의세트로실험진행후평균값으로분류결과를검증하는방법이다. 무작위부분추출법과비슷하나학습과검증과정에전체자료를모두이용할수있다는장점이있다. 특히구분되는 fold 의수가작을수록계산이빨라지며, 일반적으로 K=10 으로두고수행한다. 이러한교차검증을통해서 K 개만큼의지점에서의계산값과원참값을비교하여추정오차를계산한다. 본연구에서는 K- 겹교차검 Atmosphere, Vol. 25, No. 2. (2015)
288 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 Table 3. Statistics of Time series analysis between the cross validation estimates and rain gauge observations. Event Item QPE1 QPE2 QPE3 QPE4 Case 1 Case 2 C-CORR (0.89) 0.97 0.71 0.96 RMSE (mm 10 min 1 ) (0.30) 0.06 0.21 0.07 C-CORR (0.84) 0.93 0.73 0.92 RMSE (mm 10 min 1 ) (0.55) 0.15 0.37 0.16 Fig. 3. The rainfall distribution determined at 0300 LST 13 July 2013 (Case 1) using the quantitative precipitation estimation methods: (a) QPE1 using the kriging method and only information from KMA s rain gauge network, (b) QPE2 using the kriging method and a combination of the KMA s and SK Planet s rainfall gauge networks, (c) the Gwangdeok-San radar rainfall (QPE3) using the Marshall-Palmer equation; (d) QPE4 using the conditional merging method. 증 K 를 10 으로하여전체비교되는지상강우관측지점 190 개중에서 19 개씩임의추출하여 10 개의집합으로구분하였다. 단, QPE1 과같이기상청 AWS 만을이용한경우는분석가능한총관측소수가 34 개이므로 3 개씩추출하여 10 개의집합으로구분하였으며, 그결과는 Table 2 와 Table 3 에서괄호로구분하였다. 관측소의임의추출은랜덤하게추출되게하며, 동일한집합내에관측소가중복되지않도록하고모든관측소를최대한사용할수있도록구성하였다. K 의횟수에따라각호우사례별 10 번씩연산과정을거쳐연산 과정에포함되지않은관측지점의강우량을예측하고, 실제관측강우를통해검정을수행하였다. 추정오차를정량적으로계산하기위해서본연구에서는상관계수 (correlation coefficient: C-CORR), 평균제곱근오차 (root mean square error: RMSE), 평균오차 (mean error: ME), 평균절대오차 (mean absolute error: MAE) 를계산하였다. 평균제곱근오차는추정치와관측치의차이를제곱근하여평균을취한것으로편의 (bias), 분해능 (resolution), 불확실성 (uncertainty) 에따라좌우되는강우추정정확도의척도로가장많이사 한국기상학회대기제 25 권 2 호 (2015)
윤성심 이병주 최영진 289 Fig. 4. Same as in Fig. 3 except for 0830 LST 22 July 2013 (Case 2). 용되는 요소이다. RMSE는 작은 오차보다 큰 오차에 더 큰 영향을 미친다. 상관계수는 추정치와 관측치 간 차이의 일치성을 측정하는 계수이며, 평균오차는 과 대추정 혹은 과소추정 양상 즉 편향 정도를 파악할 수 있으며, 평균절대오차는 오차의 크기를 판단할 수 있다(Park, 2009). 4. 적용결과 본 연구에서는 2013년 7월 12~15일(Case 1), 7월 22 일(Case 2)의 호우사례를 대상으로 매 10분 간격으로 강우분포장을 생성하였다. 호우사례 중 최대강우가 발 생한 시점의 실황강우장을 Fig. 3과 Fig. 4에 도시하였다. Figure 3은 2013년 7월 13일 03:00 (Case 1) 의 실 황강우장 산정 결과이다. Figure 3a는 기상청 AWS 34 개소의 관측강우를 입력자료로 정규크리깅을 적용하 여 실황강우장(QPE1)을 산정한 결과로서, 대체적으로 공간적으로 평활화되면서 관측소를 중심으로 강우가 분포되는 Bull s eye가 나타나는 양상을 보이고 있다. Figure 3b는 기상청 AWS 34개소, SK 플래닛 156개 소의 관측강우를 입력자료로 정규크리깅을 이용하여 실황강우장(QPE2)를 산정한 결과이다. 그림에서 보이 는 바와 같이 강우강도는 QPE1과 비슷하나, 강우분 포의 패턴 및 미세한 부분의 표현에서 차이가 난다. 특히 강북지역에서 발생한 호우 중심을 QPE1에서는 동심원 형태로 강우분포를 표현하는 것에 반해 QPE2 는 가로로 긴 형태의 강우분포양상을 보여 주고 있다. 다만, QPE2 역시 공간적으로 평활화되는 경향을 보 이는데 이는 크리깅이 최소오차회귀분석 방법론의 일 종이기 때문에 미계측 지점에서 분산을 최소로 하는 방향으로 값을 추정하기 때문이다(Yoon, 2011). Figure 3c는 광덕산 레이더 반사도를 Z = 200R1.6 식으로 강 우강도로 변화하여 산정한 결과(QPE3)이며, 공간분해 능은 250 m이다. 레이더 강우분포는 AWS의 관측강 우를 분포시킨 것보다 현실성 있는 강우의 공간분포 양상을 보였으나, 지상우량계의 관측강우를 이용하여 분포시킨 것과 강우량 차이가 크게 나타났다. 이는 층 운형 강우에 일반적으로 사용되는 Marshall-Palmer식 을 사용하였기 때문에 과소 추정되었을 것이라고 판 단된다. Figure 3d는 기상청 AWS와 SK 플래닛을 이 용하여 산정된 실황강우장과 광덕산 레이더 강우장을 조건부 합성한 결과이다. 산정된 강우장은 강우량의 양적인 크기를 지상관측 강우와 유사하게 유지하면서 평활화된 경향이 감소하여 강우의 공간적인 비균질성 Atmosphere, Vol. 25, No. 2. (2015)
290 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 Fig. 5. Scatter diagrams of observed gauge, raw radar, and adjusted radar rainfall intensity using 4 quantitative precipitation estimation methods for Case 1 by cross validation: (a) QPE1 using the kriging method and only information from KMA s rain gauge network, (b) QPE2 using the kriging method and a combination of the KMA s and SK Planet s rainfall gauge networks, (c) the Gwangdeok-San radar rainfall (QPE3) using the Marshall-Palmer equation; (d) QPE4 using the conditional merging method. 을대체적으로잘모의하고있는것으로판단된다. 다만, 광덕산레이더강우자체가과소하여 Eq. (7) 의 ε R (s) 역시작아져, 합성강우장 (M(s)) 산정시지상관측강우로산정된 G K (s) 에치우치는경향이나타나고있다. 이는 Eq. (6) 의 R(s) 의정량적정확도를향상시킴으로써개선될수있다. Figure 4 는 2013 년 7 월 22 일 8:30 (Case 2) 의실황강우장산정결과이다. Figure 4a 의결과, 강우중심의위치와강도등공간분포는다르지만 Case 1 의결과와유사하게 QPE1 은강우장이평활화되는것을확 인할수있었다. QPE2 (Fig. 4b) 는강한강우강도를갖는강우중심이서울강서지역에서뚜렷하게나타났으며, 강우분포양상이지역적인집중호우특성을보여주고있다. Figure 4c 는여전히강우량의차이가지상강우관측에비해과소추정되고있으나, QPE1 과 QPE2 가공간분포기법으로강우가분포가되기때문에실제강우역이레이더강우역 (QPE3) 과차이가있다. Figure 4d 를보면, 강우량의양적인크기가지상관측강우와유사하며평활화된경향이감소하는것을보이고, 강우가존재하는영역이실제레이더영 한국기상학회대기제 25 권 2 호 (2015)
윤성심 이병주 최영진 291 Fig. 6. Same as in Fig. 5 except for Case 2. 역과유사해짐을확인할수있다. 다음 Figs. 5~6 은두호우사례를대상으로교차검증에이용된자료들중임의강우관측소자료를추출하여지상관측강우와각실황강우장들간의산점도 (scatter plot) 를작성한것이며, Table 2 는이를통계적으로분석한결과이다. 우선광덕산레이더강우장 (QPE3) 에대한분석인 Figs. 5c 와 6c 의산점도를보면분포가 45 o 선 ( 실선 ) 아래에치우쳐져있고, Table 2 에정리된바와같이상대오차가 0.23 과 0.41 로레이더강우가과소추정되고, 모든통계지표에서다른실황강우장에비해가장부정확한결과를보였다. QPE1 의경우 (Figs. 5a 와 6a), QPE3 보다는 45? 선과회귀선 ( 점선 ) 의인접해있고, 평균제곱근오차가 0.54 와 0.97 로산정된실황강우장의오차가레이더강우 보다는좋은것을알수있다. Figures 5b 와 6b 는고밀도관측망을이용하여산정한실황강우장인 QPE2 의경우로 45 o 선에더밀도있게모여있고, 평균제곱근오차가 0.34 와 0.69 로검증관측소와의편차가가장작아고밀도지상강우관측망을이용하면정확한실황강우장을생성할수있음을확인하였다. 또한, 조건부합성된 QPE4 (Figs. 5d 와 6d) 역시평균제곱근오차가 0.37 과 0.72 로편차가작은것을확인할수있었다. 상관계수는 QPE2 와 QPE4 가 0.93~0.95 로모두 QPE1 과 QPE3 에비해지상관측강우와유사하게모의됨을정량적으로확인할수있었다. 특히, 큰차이는없으나 QPE2 의결과가 QPE4 에비해약간우세함을알수있었다. 이러한영향은레이더실황강우장산정에서발생할수있는부정확성이조건부합성 Atmosphere, Vol. 25, No. 2. (2015)
292 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 Fig. 7. Time series of using 4 quantitative precipitation estimation methods at cross-validation station (KMA_402) for Case 1. Fig. 8. Same as in Fig. 7 except at cross-validation station (KMA_108) for Case 2. 시에도영향을미쳐 QPE4 의정확도를다소저하시킨것으로사료된다. 다만, QPE4 는 QPE2 에비해정량적인정확도는떨어지지만강우의공간분포의비균질성을잘모의하고, 특히평활화되는강우영역이상대적으로많지않았다. 후속연구에서는도시홍수예측에필요한초단시간예측을본연구에서산정된실황강우장을이용하고자한다. 따라서, 이러한 QPE4 의결과가특성곡선법을통해상미분방정식을풀어이류벡터를산정하는이류모델에적용될경우, 이류벡터산정시해의안정성을유지하는점에서더유용하게활용될수있을것으로판단된다 (Nakakita et al., 1996; Lee et al., 2008). 또한, 각강우장산정결과의시계열분석을통해정확도차이를확인하였다. 총 10 개 fold 로구분되어수행된교차검증과정에서기상청관측소가사용되지않고산정된강우장을선별하여사용되지않은기상 청관측소에대응되는격자를추출하여시계열로도시하고 (Figs. 7 과 8), 각호우사례별상관계수와평균제곱근오차의평균을다음 Table 3 에제시하였다. 총 34 개관측소시계열의통계적분석결과, 산포도분석결과와동일하게 QPE2 가가장정확하였지만, QPE4 와의정확도차이가크지않았다. Figure 7 은 Case1 에대한기상청강동관측소 (402) 와이에대응하는실황강우장들의격자강우를비교한것이다. Figure 7a 는 QPE1 비교결과로, 강우패턴은상관계수가 0.89 로유사하나특정시점 (7 월 14 일 18 시경 ) 에서강한강우량이나타나거나, 평균제곱근오차가 0.3 mm (10 min) 1 으로정량적오차가큰것을알수있다. 이는강우분포시사용된크리깅기법과저밀도관측망의한계에기인한것으로볼수있다. Figure 7b 는 QPE2 의비교결과로산정된강우장과비교대상인관측소간의정량적인차이인평균제곱근오차가 한국기상학회대기제 25 권 2 호 (2015)
윤성심 이병주 최영진 293 0.06 mm (10 min) 1 로 0.3mm (10min) 1 인 QPE1 에비해작고, 검증관측소와의상관계수가 0.97 로전체적인강우패턴을잘모의하는것을알수있다. 이를통해고밀도관측망을이용한다면공간분포기법에영향을적게받을수있다는것을알수있다. Figure 7d 는 QPE4 의결과로서, 앞서언급한바대로공간적분포는레이더자료의영향으로차이는있지만정량적인강우량은검증관측소의강우와의평균제곱근오차가 0.07 mm (10 min) 1 로지상관측강우의영향을받아 QPE2 의결과와유사하였다. QPE3 (Fig. 7c) 는과소추정경향을뚜렷이보여준다. Figure 8 은 Case2 에대한기상청서울관측소 (108) 의비교결과이다. 그결과, Case1 과유사하게 QPE2 와 QPE4 는평균제곱근오차가 0.15 mm (10 min) 1 와 0.16 mm (10 min) 1 로정량적인오차가크지않으나, QPE1 은강우의첨두시오차가크게나타났다. 6. 결론 도시돌발홍수모의에유용한 250 m 해상도의정량적인실황강우장을산정하기위해품질관리된총 190 개소의지상강우관측망 ( 기상청 AWS 34 개소, SK 플래닛 156 개소 ) 의강우자료와레이더자료를이용하였다. 2013 년 7 월 12~15 일과 7 월 22 일의호우사례를대상으로실황강우장을산정하고, 교차검증과시계열분석을통해가용자료와생산방법에따라구분된 4 개의강우실황장을평가하였다. 분석호우사례에대해광덕산레이더만을이용하여산정한 QPE3 은정량적정확도가지상관측에비해과소추정되었으며, 기상청 AWS 만을이용하여산정된 QPE1 의경우강우가공간적으로평활화되는경향이크게나타났다. 최종적으로는 QPE2 와 QPE4 의정확도가우수한것으로나타났다. 특히, QPE4 는 QPE2 에비해정량적인정확도는떨어지지만강우공간분포의비균질성을잘모의하고, 특히평활화되는강우영역이작아추후예측강우장산정시예측모델의초기장으로활용할때, 이류벡터산정과정에서해의안정성을유지할수있다는점에서더유용하게활용될수있을것으로판단된다. 또한, 고밀도관측망을활용하면공간분포기법의한계를충분히보완하면서정량적으로정확한강우장을산정할수있을것이다. 향후본연구에서는각실황강우장을도시지역의홍수해석에입력으로활용하여수문학적적용성을평가하고, 초단시간예측모델의입력으로활용하여예측강우의정확도를향상시키고자한다. 감사의글 본논문의개선을위해좋은의견을제시해주신 두분의심사위원께감사를드립니다. 본연구는기상청차세대도시농림융합스마트기상서비스개발 (WISE) 사업의지원으로수행되었습니다 (KMA-2012-0001). REFERENCES Bae, D. H., J. H. Kim, and S. S. Yoon, 2005: Hydrologic Utilization of Radar-Derived Rainfall (I) Optimal Radar Rainfall Estimation. J. Korea Water Resour. Assoc., 38, 1039-1049. Ehret, U., 2002: Rainfall and flood nowcasting in small catchments using weather radar, Ph. D thesis, University of Stuttgart. Eom, W. G., M. L. Oh, and J. S. Jung, 1996: Mean areal precipitation estimation using radar. Proceedings of the Korea Water Resources Association Conference Korea Water Resources Association, 226-231. Goovaerts, P., 1997: Geostatistics for Natural Resources Evaluation. Oxford Univ. Press, New-York, 4th printing in June 2005, 483 pp. Kim, B. S., J. B. Hong, H. S. Kim, and G. H. Choi, 2007: Combining radar and rain gauge rainfall estimates for flood forecasting using conditional merging method. J. Korean Soc. Civil Eng., 27, 255-265. Kim, H. K., D. I. Lee, C. H. Yu, and W. T. Kwon, 2002: Radar rainfall estimation using window probability matching method : 1. Establishment of Ze-R Relationship for Kwanak Mt, DWSR-88C at Summer, 1998. J. Korea Water Resour. Assoc., 35, 211-221. Lee, J. D., S. S. Yoon, and D. H. Bae, 2008: A study on the short-term forecast method using real-time on-site data. Proceedings of the Korea Water Resources Association Conference, Korea Water Resources Association, 111-114. Marshall, J. S., and W. Mc. Palmer, 1948: The distribution of raindrops with size. J. Atmos. Sci., 5, 165-166. Mohr, C. G., and R. L. Vaughan, 1979: An economical procedure for Cartesian interpolation and display of reflectivity factor data in three-dimensional space. J. Appl. Meteorol., 18, 661-670. Nakakita, E., S. Ikebuchi, T. Nakamura, M. Kanmuri, O. Okuda, A. Yamaji, and T. Takasao, 1996: Short-term rainfall prediction method using a volume scanning radar and GPV data from numerical weather prediction. J. Geophys. Res., 101, 26181-26197. Park, N. W., 2009: Comparison of univariate kriging algorithms for GIS-based thematic mapping with ground survey data. Korean J. Remote Sens., 25, 321-338. Pegram, G. G. S., 2002: Spatial interpolation and mapping of rainfall : 3 Progress report to the Water Research Atmosphere, Vol. 25, No. 2. (2015)
294 고밀도지상강우관측망을활용한서울지역정량적실황강우장산정 Commission, for the period April 2001 to March 2002. Schilling, W., 1991: Rainfall data for urban hydrology: what do we need?. Atmos. Res., 27, 5-21. Sinclair, S., and G. Pegram, 2005: Combining radar and rain gauge rainfall estimates using conditional merging. Atmos. Sci. Lett., 6, 19-22. Vieux, B. E., P. B. Bedient, and E. Mazroi, 2005: Real-time urban runoff simulation using radar rainfall and physics-based distributed modeling for site-specific forecasts. 10th International Conference on Urban Drainage. Yoon, S. S., 2011: Development of Optimal Radar Rainfall Estimation with Orographic Effect and Urban Flood Forecasting Application Technique, Ph. D. dissertation, Sejong University, Seoul, Korea., and D. H. Bae, 2013: Optimal rainfall estimation by considering elevation at the Han River Basin, South Korea. J. Appl. Meteor. Climatol., 52, 802-818., B. J. Lee, and Y. J. Choi, 2015: Derivation of data quality control strategy for high density rain gauge network in Seoul area. J. Korea Water Resour. Assoc., (printing). 한국기상학회대기제 25 권 2 호 (2015)