Research Article

Journal of Korea Water Resources Association. April 2020. 313-322
https://doi.org/10.3741/JKWRA.2020.53.4.313


ABSTRACT


MAIN

  • 1. 서 론

  • 2. 연구방법

  •   2.1 레이더 기반 돌발성 호우 사전 탐지 방법

  • 3. 자료구축 및 대상지역

  •   3.1 자료구축

  •   3.2 대상지역

  • 4. 적용 및 결과 분석

  • 5. 결 론

1. 서 론

최근 지구온난화, 엘니뇨 및 라니냐 등 지구환경 변화에 따른 기후변화의 영향으로 지구상의 많은 지역에서 집중호우가 발생하고 있으며, 우리나라도 예외 없이 매년 되풀이되고 있다. 특히, 우리나라는 국토의 70% 이상이 산지로 형성됨에 따라 지형이 좁고 경사가 급한 지역에서의 돌발호우 발생은 짧은 시간이내 하천수위의 급격한 상승을 유발하는 돌발홍수를 야기한다. 그동안 돌발홍수는 등산객의 고립 등 많은 인명 피해를 초래하였으며, 대표적으로 1998년 8월 지리산 일대 돌발호우로 90여명이 사망 및 실종된 바 있다. 돌발호우로 인한 피해는 최근에도 다수 발생되어 왔으며(Lee et al., 2016), 피해 최소화를 위해서는 선행시간 확보 등 사전감지 기술에 관한 연구가 필요한 실정이다.

산지지역에서 돌발적인 호우가 빈번한 이유는 지형성 강우의 기작에 기인한다. 지형성 강우를 발생시키는 주요 기작은 풍상면에서 강제로 상승된 기괴(air mass)가 냉각되며, 응결되어 강우가 발생하는 경우, 산지 아래 계곡에 정체된 기괴가 응결되거나 증발된 강우가 냉각되어 계곡지대에 강한 강우를 유발하는 경우, 대류로 인한 물리적인 상승으로 산지지역에 낙뢰를 동반한 폭우가 발생하는 경우, 언덕 및 산지에서 매우 작게 형성된 강우들이 매우 빠르게 응결과 융합되어 강우로 형성되어 강한 강우를 유발하는 경우가 있다(Yoon, 2011). 이러한 기작으로 산지지역에 호우는 순식간에 발생하여 건천 상태의 산지하천에 급류가 발생하고, 지반이 취약한 지역의 경우는 산사태 등과 같은 재해를 유발하기도 한다.

국내에서는 산지 돌발호우 대응을 위해 현재의 토양수분 조건에서 특정시간 동안 하천 제방을 월류하는 홍수가 발생할 때까지 필요한 누적강수량을 의미하는 돌발홍수능(Flash Flood Guidance, FFG) 개발 연구를 다수 수행해왔으며(Korean Meteorological Association, 2006; Kim and Bae, 2007; Yoon et al., 2015; NDMI, 2009), FFG와 예측강우의 대소비교를 통해 돌발홍수의 발생 여부를 결정하였다. 그러나 지상관측 강우량 자료를 유출 모형에 연계하여 토양수분량을 산정하는 과정의 번거로움과 한계유출량 산정 시 산지 소하천의 지형인자의 불확실성은 단시간에 발생하는 돌발홍수 발생여부를 예보하는데 큰 무리가 따른다. 또한, 지상관측 강우량 자료 활용은 산지지역에서 여러 가지 대기역학 특성에 따라 발현하는 국지적 돌발호우의 특성을 반영하기 어렵다. 따라서 수문학적 측면의 돌발호우 대응보다는 기상학적 측면에서 돌발호우를 사전에 인지하여 대응하는 연구가 필요하다.

국외에서 국지적인 호우를 탐지하는 연구들은 대류스톰(convective storm) 특징을 부력과 연직바람시어(vertical wind shear)로 보고 수치모델링과 관측 기반의 연구를 진행하고 있다(Weisman and Klemp, 1982; Byers and Braham, 1949; Eblen et al., 1990; Rasmussen and Blanchard, 1998). 국내의 연구는 국지성 집중호우를 유발하는 강우세포 특징을 분석한 연구들이 있으며, 강우세포의 특징을 지속시간, 최대강우의 면적, 발달 시기 등을 분석하고, 분석된 국지성 집중호우의 특성을 바탕으로 강우세포 중에서 대류세포(convective cell)를 판별하고 추적하는 연구가 수행되었다(Jung et al., 2011). 또한, 지상관측만으로는 국지성 집중호우를 유발하는 강우세포를 탐지하는 데는 한계가 있기 때문에 고해상도 시공간 자료인 레이더를 활용하고 있다. 국외의 경우 기상레이더로부터 생산 되는 3차원 볼륨 관측자료를 이용하여 초단기 예측시스템의 한 부분으로 대류세포를 자동으로 판별하고 추적하는 알고리즘을 연구하고 있다(Rinehart and Garvey, 1978). 중심추적방법(Dixon and Wiener, 1993; Johnson et al., 1998), 융합추적방법(Lakshmanan et al., 2003; Han et al., 2009)이 있다. 국내의 경우 TITAN과 SCIT를 이용한 대류세포의 판별 및 추적 연구, TITAN의 대류세포 판별기법과 퍼지논리에 기반한 대류세포 추적알고리즘이 개발된 바 있다(Jung et al., 2011). 특히, 최근 일본에서는 X-band 이중편파레이더 관측망을 기반으로 국지성 호우를 탐지하고, 강우세포가 대류스톰으로 발달할 수 있는 위험도를 사전에 예측하고 추적하는 연구가 진행되고 있다(Nakakita et al., 2010; 2012; 2014). 해당 기법은 국내에서도 수도권 도시지역을 대상으로 기상청 관악산레이더를 이용하여 도시지역 돌발성 호우의 위험성 사전 예측하는 사례연구가 진행한 바 있으나, 도시지역에서 돌발성 호우가 발생하는 빈도가 높지 않아, 2개의 호우사례에 적용하여 적용성을 확인하였다는 한계가 있다(Yoon et al., 2016). 본 연구에서는 지형효과로 유발되는 국지적인 돌발호우에 강한 특징을 갖는 해당 기법을 이용하여, 국내 산지지역에서 빈번히 발생하는 돌발호우를 탐지하고 위험성을 사전 예측 가능성을 확인하고자 한다. 이를 위해 산지 돌발호우 사전 탐지를 위해 국지성 호우가 빈번한 국내 지리산 및 소백산 지역을 대상으로 비슬산 강우레이더 자료를 이용하여 강우세포가 국지성 집중호우로 발달되는 위험도를 계산 및 추적하고 지상관측 강우량과의 비교를 통해 활용성을 평가하고자 한다.

2. 연구방법

본 연구에서는 산지지역에 발생하는 돌발 호우 사전 탐지를 위해 레이더 기반 돌발성 호우 사전 예측 방법을 적용하였다. 해당 방법은 대기 중의 돌발성 호우를 유발할 수 있는 적란운 대류세포의 조기탐지, 탐지된 대류세포의 자동 추적, 대류세포로 인해 돌발성 호우의 발생 가능 여부를 판단하는 3가지 방법을 결합한 것이다(Nakakita et al., 2010; 2012; 2014; Yoon et al., 2016). 또한, 대상유역으로 돌발호우가 빈번하게 발생하는 조건의 산지지역을 선정하였으며, 강우레이더 관측 자료는 환경부 홍수통제소의 자료를 활용하였다.

2.1 레이더 기반 돌발성 호우 사전 탐지 방법

돌발성 호우는 강우세포가 고립, 생성, 발달하는 과정을 거친다. 발달과정에 따라 발달기, 성숙기, 쇠퇴기로 분류할 수 있으며, 초반에는 대기 불안정 조건에서 습한 공기가 상승하여 응결되면서 레이더로 관측되지 않을 정도로 작은 구름입자가 생성된다. 이 구름입자가 커지면서 강수입자로 상공에 형성된 것이 퍼스트 에코(first echo) 혹은 대류세포라 불리며, 레이더로 탐지된다. 이러한 대류세포를 레이더에서 처음 탐지하게 되면, 발달, 성숙 과정을 거치는 대류세포의 특징을 반영하면서 추적한다. 특히, 발달하는 대류세포는 상승기류를 타고 올라가다 낙하하면서 하강기류가 발생하게 되고 지상에 강한 강우가 발생한다. 쇠퇴기에 이르면 상승기류와 하강기류의 강우강도가 약해진다. 특히, 대류세포가 레이더에 의해 사전에 관측될 지라도 모두가 돌발호우 발생에 기여하지 않음에 따라 슈퍼세포로 발달하는 적란운 내에 존재하는 소용돌이관(vorticity tube)의 형성으로 발달여부를 결정한다. 적란운의 성장 시 대기에는 수평풍의 연직시어(vertical wind shear) 따라 수평방향 축을 갖는 수평소용돌이가 형성되는 경우가 있는데, 적란운의 형성에 의한 상승기류가 발생하면서 수평소용돌이가 위로 끌어올려져 적란운 내의 시계방향, 반시계방향의 연직소용돌이가 형성된다고 알려져 있다(Rotunno, 1981; Wilhelmson and Klemp, 1978).

다음 Fig. 1은 돌발성 집중호우를 유발하는 대류세포를 판별, 추적, 그리고 위험성을 판단하는 과정을 나타낸 것이다. 첫 번째 과정은 레이더로 강우세포 내에 존재하는 국지성 호우를 유발하는 대류세포를 조기 탐지하는 과정으로 시계열로 연속된 레이더 관측자료를 이용하여 강수영역(20 dBZ 이상의 반사 강도 0.5 km3 이상의 면적을 가지는 폐곡면)을 고려한 구체 내에서 강우세포의 존재 유무를 판단함으로써 수행된다. 현재시간을 기준으로 전 단계(5-10분)의 영향구(5 km) 내에 강수영역이 없으면, 현재 시간에 추출된 강수 영역은 돌발성 호우를 유발하는 대류세포로 본다. 두 번째는 추적과정으로 조기 탐지된 대류세포의 발달을 세포 체적을 기준으로 설정된 단계(1 ~ N)로 구분하여 3차원으로 자동 추적한다. 해당 과정은 탐지된 대류세포의 단계를 단계1로 설정하고, 시간 경과에 따라 단계2, 단계3 순으로 설정한 후, CCL기법에 의해 검출된 대류세포는 일련번호가 메겨지고, 단계 마다 정해진 체적 제한을 통해 단계 설정을 한다. 마지막으로 대류세포로 판별된 강우세포는 레이더 도플러 풍속으로 산정되는 소용돌이도의 검출여부와 크기 기준에 따라서 위험(high risk, 주황), 매우 위험(very high risk, 분홍), 저위험(low risk, 파랑), 매우 낮은 위험(very low risk. 하늘색)로 위험도가 분류된다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F1.jpg
Fig. 1.

Procedure of early detection, auto tracking and prognostic risk (Yoon et al., 2016)

3. 자료구축 및 대상지역

3.1 자료구축

본 연구에서는 Fig. 2와 같이 환경부가 2009년부터 홍수로 인한 피해를 저감하기 위한 목적으로 운영 중인 비슬산 S-band 강우레이더 자료를 활용하였다. 비슬산 S-band 강우레이더는 낙동강 유역 내에 위치하며, 관측반경은 150 km 이며, 1분마다 관측자료를 생산하고 있다. 본 연구에서는 레이더 품질관리 절차에 따라 처리된 5분 간격의 UF 이진 자료를 활용하였다. 돌발성 호우탐지 및 위험성 예측을 위해 3차원 격자 형태로 레이더 반사도, 레이더 도플러 풍속, 레이더 강우강도 자료가 사용된다. 이를 위해 데카르트 좌표계(Cartesian coordinate)로 변환된 1 km 해상도의 301×301 격자자료로 생성하였으며, 200 m 간격으로 16 km 고도까지 분할하여 총 81개 연직층을 생성하였다. 사용된 레이더 자료는 301×301×81의 3차원 자료 형태이다. 다음 Fig. 3은 2016년 10월 15일 태풍 차바의 레이더 관측 자료를 3차원 자료 형태로 생성한 것으로, 레이더를 통해 대기의 3차원 연직구조를 확인할 수 있음을 보여주는 일례이다. 본 연구에서는 Fig. 3과 같은 3차원 영상분석을 통해 호우사례 및 발달 특성을 분석하였다. 연구 사례 선정 및 위험도 예측 결과의 확인을 위해 사용한 레이더 강우강도자료는 Marshall-Palmer 식을 통해 산정하였다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F2.jpg
Fig. 2.

The radius and location of Biseul rain radar

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F3.jpg
Fig. 3.

3-D radar data structure (15 Oct. 2016 10:00)

3.2 대상지역

본 연구에서는 2016년부터 2107년에 비슬산 강우레이더 관측범위 안에서 발생한 호우사례 중 국지적인 특성을 지닌 8개 호우사례를 Table 1과 같이 추출하였다. 국지성 집중호우 사례 추출과 관련하여 기존 문헌에서 제시된 바 있는 1 mm/hr 이상의 강우면적이 20,000 km2 이하, 최대강우시간 30 mm/hr 이상, 강우지속시간 24시간 이하의 조건을 고려하였다(Jung et al., 2014). 사례선정을 위해서 3차원 레이더 강우 영상과 레이더 강우강도 정보를 활용하였으며, 8개 집중호우가 발생한 위치와 수치표고를 함께 도시하였다(Fig. 4). 선정된 호우사례의 발생 위치는 산지지역이고, 수위관측소 부재 및 구조신고가 확인되지 않아 피해 발생 여부는 알 수 없었다. 다만, 레이더 강우 관측 결과를 통해 발생한 강우강도 수준을 확인하였으며, 잠재적인 산지 돌발홍수 피해가 존재한다고 판단하였다. Fig. 5는 레이더로 통해 산출된 강우와 위험도 분포의 비교에 사용된 기상청의 AWS (Automatic Weather Stations)의 위치를 파란색 점선 원으로 나타낸 것이다.

Table 1. The results of risk prediction for 8 rain events

Case Date Time of convective cell detection
(Time of danger detection)
Time of rainfall on the ground
(AWS observation)
Time of maximum
radar rainfall intensity
1 2016/09/04 11:20-09/05 06:00 11:30 (12:15) 11:30 (No rain) 12:30
2 2016/09/05 09:00-21:00 09:30 (09:40) 09:35 (No rain) 09:50
3 2016/09/08 18:00-23:50 18:00 (19:20) 18:00 (19:50) 19:50
4 2017/06/12 15:00-23:55 16:10 (16:20) 16:10 (No rain) 17:25
5 2017/06/30 15:00-23:55 15:30 (15:55) 15:40 (No rain) 16:30
6 2017/08/05 12:00-20:55 13:15 (13:25) 13:20 (No rain) 14:25
7 2017/08/16 18:00-08/17 03:00 18:20 (18:30) 18:10 (No rain) 19:15
8 2017/08/18 15:00-08/19 02:00 15:10 (15:30) 15:10 (No rain) 15:55

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F4.jpg
Fig. 4.

Localized rainfall occurred locations

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F5.jpg
Fig. 5.

Locations of ground rain gauge

4. 적용 및 결과 분석

비슬산 강우레이더를 이용하여 돌발호우를 탐지하고, 사전예측을 수행하였으며, 적용한 기법의 적절성을 AWS 관측과 비교하였다. 8개 호우사례에 대한 적용 결과는 다음 Table 1과 같으며, 본 기법을 통해 대기 중에 돌발호우로 발달할 수 있는 대류세포의 최초 탐지시점, 위치 및 소용돌이도 발생여부에 따라 판정된 위험도 수준, 발생시점 및 위치를 명시하였다. 레이더 정보로 대류세포가 탐지된 시점 및 위험도가 판정된 시점, 레이더 최대 강우강도가 30 mm/hr 인 경우에도 Case3을 제외하고는 AWS 관측기반에서는 강우를 정확히 측정할 수 없었다. 그 이유는 Fig. 5와 같이 균등하게 설치된 것으로 보이는 강우관측망에서도 국지적인 강우는 지점 강우계로 획득할 수 없기 때문이다.

또한, 8개의 호우사례 모두 대류세포가 탐지된 시점을 기준으로 최소 10분에서 최대 80분 이내에 탐지된 대류세포가 돌발호우로 발달할 위험이 있음을 알려주는 위험도 정보가 산정되었다. 위험도가 발생한 시점부터 최소 10분에서 최대 65분 사이에 최대 강우강도가 30 mm/hr 이상이 되는 강우영역을 레이더로 측정할 수 있었다.

적용사례 중 Case 3, Case 4, Case 5에 대해 산출된 결과물을 제시하고자 한다.

Case 3는 2016년 9월 8일 발생한 호우사례이다. Fig. 6은 산정된 2차원 결과물과 비교를 위한 AWS 강우공간분포를 함께 도시한 것이다. 첫 번째 열은 레이더 강우, 두 번째 열은 레이더 도플러 풍속, 세 번째 열은 돌발호우 위험도, 네 번째 열은 AWS 강우분포 이미지이다. Fig. 6(a)과 같이 18시 00분 경에 빨간색 점선 원 영역에서 대류세포가 탐지되었고, 도플러 풍속 관측에서는 한색계열의 음(-)과 난색계열의 양(+)의 속도를 갖는 값이 섞여 있으며, 저위험(파란색) 수준이었고, AWS로는 기상에 강우가 발생하지 않은 상태였다. 1시간 20분 후인 19시 20분 경인 Fig. 6(b)의 이미지를 보면 레이더 강우영역이 넓어지며, 매우 위험 수준(분홍색) 수준으로 대류세포가 발달할 것임을 보여주고 있다. 30분 이후인 19시 50분의 Fig. 6(c)를 보면 강한 강도의 영역이 보다 넓어지면, 더 이상 성장하지는 않는 수준이 저위험 수준으로 다시 돌아갔음을 알 수 있다. 해당 시점에서는 AWS 강우 분포에서도 강우가 관측되었다. 이를 통해 본 연구에서 활용한 기법이 국지적인 호우셀을 사전에 탐지하고, 추적하면서 최대강우가 발생하기 최소 30분에는 위험도 정보를 제공해 줄 수 있음을 확인하였다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F6.jpg
Fig. 6.

The 2D observed images and risk prediction results for Case 3 (1st column: radar rainfall, 2nd column: doppler velocity, 3rd column: danger level, 4th column: AWS rainfall distribution from Korea Meteorological Administration)

Fig. 7은 Case 3의 강우 발달과정을 3차원으로 나타낸 것이며, 대류세포와 발달한 호우를 그림상의 붉은 점선의 원으로 표시하였다. Fig. 7(a)는 대기 상에 대류세포가 탐지된 것으로, 매우 작은 크기이기 때문에 탐지된 대류세포가 육안으로 뚜렷하게 확인지 않는다. Fig. 7(b)는 소용돌이도가 검출되어 탐지된 대류세포가 위험하다고 판단된 시점의 3차원 영상으로 연직으로 발달하는 것으로 확인할 수 있다. Fig. 7(c)는 발달하는 호우가 이동하면서 강도가 강해지면서 강우영역이 확대는 것을 확인 할 수 있다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F7.jpg
Fig. 7.

The 3-D image analysis for Case 3

Case 4는 2017년 6월 12일 발생한 호우사례이다. Fig. 8은 Fig. 7과 같이 산정된 2차원 결과물인 레이더 강우, 레이더 도플러 풍속, 돌발호우 위험도, AWS 강우분포를 도시한 것이다. 16시 10분 경 매우 약한 강우강도를 갖는 대류세포가 탐지 되었고, 저위험 수준의 위험도로 판정되었다. 10분 후 Fig. 8(b)와 같이 난색과 한색계열이 혼합되어 있는 도플러 풍속의 양상이 뚜렷하게 나타났고, 강우영역도 확대되는 것을 확인 할 수 있으며, 매우 위험 수준(분홍색)의 위험도가 확인되었다. Fig. 8(c)는 65분 후 레이더 강우강도가 호우기간 중에 최대로 나타났고, 그 영역도 확연하게 넓어지는 것을 확인할 수 있다. 위험도는 이미 대류세포가 성장을 마친 성숙기 상태임으로 다시 저위험 상태로 돌아갔다. 다만, Case 4는 4번째 열의 AWS 강우분포이미지에서 보듯이 AWS로는 돌발호우를 탐지 할 수 없었다. 본 사례에서는 최대강우가 발생하기 최소 10분 전에는 위험도 정보를 제공해 줄 수 있음을 확인하였다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F8.jpg
Fig. 8.

The 2D observed images and risk prediction results for Case 4 (1st column: radar rainfall, 2nd column: doppler velocity, 3rd column: danger level, 4th column: AWS rainfall distribution from Korea Meteorological Administration)

Fig. 9는 3차원으로 본 Case 4의 강우 발달 과정으로 약한 대류세포가 다수 탐지되었으며(Fig. 9(a)), 각각의 대류세포가 연직으로 발달하면서 강도도 강해지고, 호우가 군집화되는 것을 확인할 수 있다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F9.jpg
Fig. 9.

The 3-D image analysis for Case 4

Fig. 10의 Case 5는 2017년 6월 30일 발생한 호우사례이다. 15시 30분 경 단일 호우 셀이 탐지되었고, 저위험 수준의 위험도로 판정되었다. 25분 후 Fig. 10(b)와 같이 호우 셀이 성장하면서 매우 위험 수준(분홍색)의 위험도가 확인되었다. Fig. 10 (c)는 위험도가 확인된 지 35분 후로 20-30 mm/hr 규모의 강우가 작은 규모로 발달하였다. 특히, 본 사례와 같이 강한 강우강도를 갖는 호우가 발달하는 규모가 매우 작을 경우, 지상강우관측망이 주변부에 넓게 발생하는 강우는 관측하는 반면, 국지적인 호우는 관측하기 힘들다는 한계를 보여준다. Fig. 11은 3차원으로 본 Case 5의 강우 발달 과정이다. Fig. 11(a)에서는 대기 상층에 단일 호우셀이 발생한 것을 확인할 수 있으며, Fig. 11(b)에서는 탐지된 호우 셀이 지면으로 내려오면서, 동시에 연직으로 발달하는 것을 확인할 수 있다. Fig. 11(c)는 호우 강도가 강해지면서 강우고도가 높아지면서, 수평으로도 넓게 확장되는 것을 확인할 수 있다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F10.jpg
Fig. 10.

The 2D observed images and risk prediction results for Case 5 (1st column: radar rainfall, 2nd column: doppler velocity, 3rd column: danger level, 4th column: AWS rainfall distribution from Korea Meteorological Administration)

http://static.apub.kr/journalsite/sites/kwra/2020-053-04/N0200530408/images/kwra_53_04_08_F11.jpg
Fig. 11.

The 3-D image analysis for Case 5

Table 2는 각 호우사례에서 돌발호우가 발달한 후 최대강우가 레이더로 관측된 시점의 레이더 강우강도와 가장 인근에 위치한 AWS 지점의 관측강우를 비교한 결과이다. 레이더로 관측된 최대 강우가 30.7–58.2 mm/hr 범위의 강우강도를 갖는 반면, Case 3에서 AWS가 3.0 mm/hr의 강우를 관측한 것 외에 다른 사례에서는 모두 강우를 관측하지 못하였다.

Table 2. The maximum rainfall intensity observed by radar and radar for 8 rain events

Case Time of maximum radar rainfall intensity Rainfall intensity of Radar (mm/hr) Rainfall intensity of AWS (mm/hr)
1 2016/09/04 12:30 35.3 0 (AWS 248)
2 2016/09/05 09:50 31.6 0 (AWS 136)
3 2016/09/08 19:50 58.2 3.0 (AWS 605)
4 2017/06/12 17:25 30.7 0 (AWS 615)
5 2017/06/30 16:30 34.6 0 (AWS 764)
6 2017/08/05 14:25 36.5 0 (AWS 803)
7 2017/08/16 19:15 56.2 0 (AWS 945)
8 2017/08/18 15:55 48.6 0 (AWS 809)

적용사례를 분석한 결과, 지상강우관측망으로는 좁은 영역에 국지적으로 발달하는 호우를 탐지하는데 한계가 있으며, 레이더 기반의 돌발성 호우 사전 예측기법을 적용할 경우 사전에 위험도 정보를 제공함으로써, 산지지역에서 호우로 인한 산지홍수, 고립사고 방지를 위한 정보로 활용성이 있을 것으로 판단되었다.

5. 결 론

본 연구에서는 환경부 비슬산 강우레이더 관측 영역의 산지지역에 발생하는 돌발성 호우 사례를 대상으로 레이더 기반 돌발성 호우 사전 예측 방법을 적용하고, 지상관측강우와 비교하여 그 활용성을 살펴보았다. 이를 위해 비슬산 강우레이더 정보(레이더 반사도, 강우강도, 도플러 풍속)를 3차원으로 생산하고, 산지지역에서 발생한 8개의 국지적 호우 사례를 선정한 후, 제시된 방법에 따라 적란운 대류세포의 조기탐지, 탐지된 대류세포의 자동 추적, 해당 대류세포가 발달하여 돌발성 호우를 유발할 수 있는 가능성을 판단하는 위험도 정보를 산출하였다. 사례적용 결과, 본 기법을 통해 대기 중에 돌발호우로 발달할 수 있는 대류세포의 최초 탐지시점 및 위치, 소용돌이도 발생여부에 따라 판정된 위험도 수준 및 발생시점, 위치를 확인할 수 있었다. 특히, 지상강우관측망으로는 좁은 영역에 국지적으로 발달하는 호우를 탐지하는데 한계가 있음을 확인하였다. 본 기법의 적용 결과, 8개의 호우사례 모두 대류세포가 탐지된 시점을 기준으로 최소 10분에서 최대 80분 이내에 탐지된 대류세포가 돌발호우로 발달할 위험이 있음을 알려주는 위험도 정보를 획득할 수 있었으며, 위험도가 발생한 시점부터 최대 강우강도가 발생할 때까지 최소 10분에서 최대 65분 정도의 시간을 확보할 수 있었다. 따라서 레이더 기반의 돌발성 호우 사전 예측기법을 적용할 경우 사전에 위험도 정보를 제공함으로써, 산지지역에서 호우로 인한 산지홍수, 고립사고 방지를 위한 정보로 활용성이 있을 것으로 판단되었다.

본 논문은 관측환경으로 인해 실제 돌발홍수피해 정보를 획득하지 못한 사례들에 대해 분석한 결과이다. 향후 연구에는 활용된 기법이 실제 산지돌발홍수 재해 예측 기술에 기여하는 수준을 정량화하기 위해 실제 돌발호우로 인한 산지 돌발홍수가 발생한 사례를 대상으로 분석하여, 산지 돌발홍수 측면에서의 정확도 및 선행시간 확보 가능성을 평가하고자 한다. 또한, 돌발호우의 위험도와 발생 여부와 같이 정성적으로 제시된 부분을 정량화하고, 일반화하기 위해 다수의 사례적용을 수행할 예정이다.

Acknowledgements

본 연구는 2019년 정부(과학기술정보통신부)의 재원으로 국가과학기술연구회 융합클러스터사업(No. CCL-19-01-KICT)의 지원을 받아 수행되었습니다.

References

1

Byers, H.R., and Braham, R.R. (1949). The thunderstorm. U.S. Government Printing Office, U.S., p. 287.

2

Dixon, M.J., and Wiener, G. (1993). "TITAN: Thunderstorm Identification, Tracking, Analysis, and Nowcasting-A radar-based methodology." Journal of Atmospheric and Oceanic Technology, Vol. 10, pp. 785-797.

10.1175/1520-0426(1993)010<0785:TTITAA>2.0.CO;2
3

Eblen, L.H., Ladd, J.W., and Hicks, T.M. (1990). Severe thunderstorm forecasting. NOAA-TM-NWS-SR-130, National Weather Service Forecast Office, USA, p.51.

4

Han, L., Fu, S.X., Zhao, L.F., Zheng, Y.Z., Wang, H.Q. and Lin, Y.J. (2009). "3D convective storm identification, tracking, and forecasting-An enhanced TITAN algorithm." Journal of Atmospheric and Oceanic Technology, Vol. 26, pp. 719-732.

10.1175/2008JTECHA1084.1
5

Jung, S.H., Lee, G.W., Kim, H.W, Kuk, B.J. (2011). "Development of convective cell identification and tracking algorithm using 3-dimensional radar reflectivity fields." Atmosphere, KOMES, Vol. 21, No. 3, pp. 243-256.

6

Jung, S.P, Kwon, T.Y., and Han, S.O. (2014). "Thermodynamic characteristics associated with localized torrential rainfall events in the middle west region of Korean peninsula." Atmosphere, KOMES, Vol. 24, No. 4, pp. 457-470.

10.14191/Atmos.2014.24.4.457
7

Kim, J.H., and Bae, D.H. (2007). "Development of Korea flash flood guidance system: (I) Theory and system design." Journal of Civil Engineering, KSCE, Vol. 27, No. B, pp. 237-243.

8

Korean Meteorological Association (KOMES) (2006). Development of Monitoring and Prediction Technology for Severe Weather (Heavy Rainfall) over the Korean Peninsula. 11-1360055-000177-10, KMA, p.1130.

9

Lakshmanan, V., Rabin, R., and DeBrunner, V. (2003). "Multiscale storm identification and forecast." Journal of Atmospheric Research, Vol. 67, pp.367-380.

10.1016/S0169-8095(03)00068-1
10

Lee, B J., Choi, S.M., Yoon, S.S., and Choi, Y.J. (2016). "The evaluation of TOPLATS Land surface model application for forecasting flash flood in mountainous areas." Journal of Water Resources Association, Vol. 49, No. 1, pp. 19-28.

10.3741/JKWRA.2016.49.1.19
11

Nakakita, E., Yamabe, H., and Yamaguchi, K. (2010). "Earlier detection of the origin of very localized torrential rainfall." Journal of Japan Society of Civil Engineers, Ser. B1 (Hydraulic Engineering), JSCE, Vol. 54, pp. 343-348.

12

Nakakita, E., Nishiwaki, R., and Yamaguchi, K. (2012). Research on anticipation of risk of a baby cell of guerrilla-heavy rain by analysis in terms of vorticity that uses doppler velocity. Annuals of Disaster Prevention Research Institute, Kyoto University, Kyoto, Japan, No.55B, pp. 527-530.

13

Nakakita, E., Nishiwaki, R., and Yamaguchi, K. (2014). A study on development and upgrading of early detection and risk prediction system of guerrilla heavy-rainfall. Annuals of Disaster Prevention Research Institute, Kyoto University, Kyoto, Japan, No. 57B, pp. 289-298.

14

National Disaster Management Institute (NDMI) (2009). Analysis of Rainfall Distribution and Flash Flood Index in Small Mountainous Catchments. NIDP-PR-200911-01, National Disaster Management Institute, p.111.

15

Rasmussen, E.N., and Blanchard, D.O. (1998). "A baseline climatology of sounding-derived supercell and tornado forecasting parameters." Weather Forecasting, Vol. 13, pp. 1148-1164.

10.1175/1520-0434(1998)013<1148:ABCOSD>2.0.CO;2
16

Rinehart, R.E., and Garvey, E.T. (1978). "Three-dimensional storm motion detection by conventional weather radar." Nature, Vol. 273, pp. 287-289.

10.1038/273287a0
17

Rotunno, R. (1981). "On the evolution of thunderstorm rotation." Monthly Weather Review, Vol. 109, No. 3, pp.577-586.

10.1175/1520-0493(1981)109<0577:OTEOTR>2.0.CO;2
18

Weisman, M.L., and Klemp, J.B. (1982). "The dependence of numerically simulated convective storms on vertical wind shear and buoyancy." Monthly Weather Review, Vol. 110, pp. 504-520.

10.1175/1520-0493(1982)110<0504:TDONSC>2.0.CO;2
19

Wilhelmson, R.B., and Klemp, J.B. (1978). "A numerical study of storm splitting that leads to long-lived storms." Journal of the Atmospheric Sciences, Vol. 35, No. 10, pp. 1974-1986.

10.1175/1520-0469(1978)035<1974:ANSOSS>2.0.CO;2
20

Yoon, S.H, Choi, S.M., Lee, B.J., and Choi, Y. J. (2015). "A study on statistical methods for the development of flash flood index." Journal of Korean Society of Hazard Mitigation, Vol. 15, No. 6, pp. 189-197.

10.9798/KOSHAM.2015.15.6.189
21

Yoon, S.S. (2011). Development of optimal radar rainfall estimation with orographic effect and urban flood forecasting application technique. Ph. D. dissertation, Sejong University, Korea, pp. 21-24.

22

Yoon, S.S., Nakakita, E., Nishiwaki, R., and Sato, H. (2016). "Research on radar-based risk prediction of sudden downpour in urban area: case study of the metropolitan area." Journal of Water Resources Association, Vol. 49, No. 9, pp. 749-759.

10.3741/JKWRA.2016.49.9.749
페이지 상단으로 이동하기