1. 서 론
2. 연구 방법
2.1 연구흐름도
2.2 연구 대상지역
2.3 데이터 수집 및 전처리
2.4 소유역 생성 방법
2.5 시뮬레이션 모델링 소프트웨어 InfoWorks ICM
3. 연구결과
3.1 펌프장 토출량 비교 및 관측값 일치도 평가
3.2 모델 성능 지표를 이용한 소유역 분할 방식 간 결과 비교(R2, NSE, RMSE)
3.3 침수 흔적도와 모의 침수 분포 비교 및 침수 취약 구간 해석
3.4. 침수 취약도 평가 지표(Kim et al., 2021)
4. 결 론
1. 서 론
도시화의 가속화로 인한 불투수면적 증가, 지형의 인위적 변형 및 배수 시스템의 노후화는 도시지역 침수 위험을 심화시키는 주요 요인으로 작용하고 있다. 특히, 강우 도달 시간의 단축과 유역 내 저류 공간의 감소는 단기간 내 첨두 유출량을 급격히 증가시켜 도시침수 발생 가능성을 증대시킨다. 이러한 도시침수 특성으로 인해, 강우-유출 과정과 침수 발생 과정을 정밀하게 모사하기 위한 유역 분석의 중요성이 지속적으로 강조되고 있다. 유역 분석은 침수 발생을 예측하고 효과적인 대응 전략을 수립하기 위한 핵심 절차로서, 유역 내 수문학적·공간적 특성을 체계적으로 규명하는 것이 필수적이다(Gwangsan-gu, 2022).
소유역(Subcatchment)은 유역 내에서 발생한 강수 및 지표 유출이 단일 배출구로 집수되는 기본적인 공간 분석 단위로 정의되며(Si et al., 2024; EPA Catchments Unit, 2019), 도시 유출 구조를 세밀하게 표현하기 위해 반드시 요구되는 구성 요소이다(ME, 2005). 소유역 분할은 각 공간 단위의 투수·불투수 특성, 토지이용 형태 및 배수 여건을 정밀하게 반영함으로써 침투량 및 유출량 산정의 정확도를 향상시킨다. 이는 궁극적으로 도시침수 모의 과정에서 유출량 산정, 유출 이동 경로 해석, 침수 취약 지역 도출 등 주요 분석 결과에 직접적인 영향을 미친다.
도시 유역에서 소유역을 분할하는 대표적인 방법으로는 DEM (Digital Elevation Model) 기반 분할과 Thiessen 다각형 기반 분할이 널리 활용되고 있다(Jankowfsky et al., 2013; Ji and Qiuwen, 2015; Si et al., 2024). DEM 기반 분할은 고도 자료로부터 지표수 흐름 방향과 집수 경계를 직접 산정함으로써 실제 지형 조건에 기반한 배수 특성을 반영할 수 있다는 장점을 가진다. Cho et al. (2015)은 김천시 신음동 배수구역을 대상으로 내·외수 범람 해석을 수행하며 DEM 기반 유역 분할을 적용하여 지형 기반 유출 특성을 효과적으로 재현하였다. Kang (2019) 또한 지형 조건과 토지이용 특성을 고려한 DEM 기반 소유역 구분이 침수량 산정의 정확도를 향상시키는 것으로 확인하였다. Park and Kang (2006)은 DEM 기반 격자 자료를 활용하여 유하 경사 및 하도 조도계수를 정밀하게 산정함으로써 유출 해석의 물리적 재현성을 강화하였다. 그러나 DEM 기반 분할은 고해상도 지형 자료의 품질에 민감하며(Saksena and Merwade, 2015), 도시지역에 밀집된 지하 관거 및 인공 배수 구조물을 충분히 반영하기 어렵다는 한계가 있다.
반면, Thiessen 다각형 기반 분할은 특정 기준점으로부터의 거리 개념을 활용하여 공간을 단순하고 효율적으로 구분하는 방식으로, 계산 구조가 비교적 간단하고 분할 속도가 빠르다는 장점을 가진다. Dong et al. (2023)은 Thiessen 기반 자동 소유역 분할 기법을 도시 배수 관망 모형에 적용하여 강우 공간 분포의 불확실성을 효과적으로 처리하고 신뢰도 높은 유출 시뮬레이션 결과를 도출하였다. 그러나 이 방식은 지형 특성이나 미세한 배수 흐름을 고려하지 못함으로써 실제 도시 유출 이동 경로를 충분히 재현하지 못할 가능성이 있다.
이와 같이 DEM 기반 분할과 Thiessen 다각형 기반 분할은 지형 반영 원리, 강우 공간 처리 방식 및 분할 구조가 근본적으로 상이하며, 동일한 도시유역에 적용하더라도 소유역의 형상, 경계, 면적 및 유출 경로에 상당한 차이를 유발할 수 있다. 이러한 차이는 강우-유출 모의 전반에 영향을 미쳐 첨두 유량, 첨두 도달 시간, 총 유출량 및 침수 심도와 같은 핵심 수문 지표의 변동성을 초래한다(Heo et al., 2008; Park, 2018). 일부 연구에서는 소유역 분할 개수의 증가가 유역의 공간적 이질성을 보다 세밀하게 반영하여 모형 정확도를 향상시킨다고 보고하였으나(Kim and Choi, 2003), 소유역 분할 방식 자체의 구조적 차이가 도시침수 예측 결과에 미치는 영향을 체계적으로 비교·분석한 연구는 여전히 부족한 실정이다. 이에 본 연구는 도시 유역을 대상으로 DEM 기반 소유역 분할 방식과 Thiessen 다각형 기반 소유역 분할 방식의 구조적·수문학적 차이를 비교·분석하여, 분할 방식이 도시침수 예측 정확도에 미치는 영향을 분석하고자 한다. 이를 위해 두 분할 방식에서 생성된 소유역의 공간적 특성을 분석하고, 강우-유출 및 침수 모의 결과를 펌프 토출량, 관로 유량, 침수 면적 산정 등 다양한 평가지표를 활용하여 비교한다. 본 연구 결과는 도시 유역의 지형·관거·강우 조건을 종합적으로 고려한 소유역 분할 방식 선택에 대한 기초 자료를 제공함으로써, 도시침수 예측의 신뢰성 향상 및 실무적 적용 가이드라인 마련에 기여할 것으로 기대된다.
2. 연구 방법
2.1 연구흐름도
본 연구는 Fig. 1에 제시된 연구 흐름에 따라 연구를 수행하였다. 연구 대상지는 동일 조건에서의 비교 분석이 가능하도록 DEM, 강우 자료, 토지이용 자료, 하수 관거 및 하천 자료를 수집·구축하였다.
수집된 자료는 좌표계 통일, DEM 싱크 제거, 관망 연결성 검토 및 누락 항목 보정 등 전처리 과정을 거쳐 도시침수 모형의 입력 자료로 활용하였다. 이후 소유역 분할 방식에 따른 영향만을 평가하기 위해 동일한 입력 자료와 강우 조건을 유지한 상태에서 두 가지 소유역 생성 시나리오를 구성하였다.
하나는 지형 기반의 흐름 방향과 집수 경계를 고려한 DEM 기반 소유역 분할 시나리오이며, 다른 하나는 맨홀을 기준으로 한 Thiessen 다각형 기반 소유역 분할 시나리오이다. 구성된 두 소유역 시나리오에 대해 도시침수 시뮬레이션을 수행하여 강우-유출 과정 및 침수 발생 특성을 모의하였다. 마지막으로 소유역 분할 방식에 따른 차이를 평가하기 위해 펌프 토출량, 관로 유량, 모형 성능 지표 및 침수 흔적도를 비교·분석하였다.
2.2 연구 대상지역
본 연구의 대상 지역은 서울특별시 도림천 유역에 위치한 신림 유역으로, 소규모 도시하천을 포함하는 내수 침수 취약 소유역이다(Lee et al., 2020). 신림유역은 유로 연장이 짧고 상류부 경사가 급한 지형적 특성을 가지며, 강우 발생 시 유출수가 단시간 내 하도로 집중되는 전형적인 도시 급류형 유역이다. 또한 상류부의 표고가 상대적으로 높고 배수 경로가 저지대를 관통한 뒤 본류로 유입되는 지형적 구조를 가지며, 일부 구간에는 고지배수로(High-level bypass)가 설치되어 있다. 이로 인해 집중호우 조건에서 유출 집중시간이 매우 짧고 첨두유량이 급격히 증가하는 수문학적 거동을 보인다. 유역면적은 약 5.17 km2로 소규모이나, 도심 밀집 지역을 통과하며 하류에서 도림천 본류로 유입되는 구조를 가진다. 대상 유역에는 내수 배제를 위한 배수펌프장이 설치되어 있으며, 본 연구에서는 Sillim 1, Sillim 2, Guro Digital 펌프장을 고려하였다. 펌프장은 하수관거 및 하천과 연계되어 유출 특성에 영향을 미치는 주요 제어 요소로서, 설계 기준을 초과하는 강우 조건에서 유역 유출 거동에 중요한 역할을 한다. 각 펌프장의 위치와 정보는 Fig. 2, Table 1에 제시하였다.
Table 1.
Specifications of pump station
구로디지털단지역 간이 펌프장은 소규모 배수 펌프장으로, 단시간 집중 유출에 대응하는 운영 특성을 가진다. 대상 유역의 하수관거 시스템은 10년 빈도 강우(시간당 약 75 mm)를 기준으로 설계되었으며, 2022년 8월 집중호우와 같이 설계 빈도를 상회하는 강우 조건에서는 관거 통수능이 한계에 도달하며 지표 침수 및 맨홀 월류가 발생하였다 KRIHS (2022). 이처럼 신림유역은 설계 빈도 기반 배수 체계가 극한 강우 조건에서 충분히 대응하지 못하는 사례를 포함하고 있으며, 본 연구는 2022년 집중호우 당시 관측된 강우 자료와 2025년 장마철 강우 자료를 이용하여, 실제 하수관거 자료를 기반으로 수치모형을 구축하고 도시침수 시뮬레이션을 수행하였다.
2.3 데이터 수집 및 전처리
2.3.1 강우 자료
강우 입력 자료는 기상청 관측소 410(기상청)과 417(금천)에서 제공한 2022년 08월 08일 05:00부터 2022년 8월 9일 23:50까지 10분 단위 강우 자료를 사용하였다. 또한 최신 강우 사상에 대한 모델 검증성을 평가하기 위해 2025년 07월 16일 00시 부터 2025년 07월 20일 00시 까지의 강우 자료를 활용하여 모델에 적용하였다. Thiessen 다각형 기법을 적용하여 각 관측소 강우를 소유역 단위로 가중 반영하였다.
2.3.2 관망 구축
대상지역의 하수관망은 맨홀 3,737개, 빗물받이 7,780개, 관로 11,822개로 구성된다. ArcGIS를 활용하여 노드 및 관로 속성 정보를 정비하고, 지반고를 기반으로 관로 경사를 산정하였다. 모델 구축 과정에서 역구배, 직경 오류, 맨홀 정보 누락 등 관망 오류를 검토 및 보정하여 수치 모형의 안정성을 확보하였다.
2.4 소유역 생성 방법
2.4.1 DEM 기반 소유역 분할
DEM 기반 소유역 분할에는 1 m × 1 m 해상도의 자료를 사용하였다. 좌표계는 Korea_2000_ Cent ral_Belt_ 2010을 사용하였다. 도시지역 특성상 인공 구조물로 인한 미세 함몰이 흐름을 왜곡할 수 있으므로 Fill 연산을 통해 Sink를 보정한 후, 흐름 방향 및 집수 경계를 산정하였다. 관로 정보를 DEM에 중첩하여 실제 배수 체계를 반영한 소유역을 생성하였으며, 총 11,472개의 소유역이 되었다.
2.4.2 Thiessen 다각형 기반 소유역 분할
Thiessen 다각형(Voronoi Polygon) 기반 분할은 맨홀 및 빗물받이를 중심으로 공간을 분할하여 각 노드의 영향 영역을 정의하는 방식이다. 해당 방법을 적용한 결과 총 11,517개의 소유역이 생성되었으며, 지형 정보보다는 관망 구조 중심의 공간 분할 특성을 보였다.
2.4.3 토지피복도 및 강우 매핑
토지피복도는 토지이용, 건폐율, 불투포율, 투수포율, 녹지율, 불투토율과 포장범위등의 정보가 포함되어있으며, 각 소유역이 포함하는 유출계수 및 침투율을 반영하기 위해 토지피복도와 소유역 데이터를 매핑하였다. ArcGIS의 Intersect 도구를 활용하여 두 데이터셋을 겹치게 처리하고, 격자가 동일한 영역을 동일 소유역으로 정의하였다. 모델링 진행 시 각 소유역 내 토지피복 유형별 면적 비율을 계산하여 유출 및 침투 계산에 활용하였다. 또한 강우 Thiessen 다각형을 이용하여 소유역별 강우 자료를 매핑함으로써 소유역 단위 강우-유출 분석이 가능하도록 하였다(Figs. 3 and 4).
2.5 시뮬레이션 모델링 소프트웨어 InfoWorks ICM
InfoWorks ICM은 도시유역의 강우-유출 과정을 모의하기 위해 하수관망, 우수관망 및 하천 시스템을 통합하여 1D-2D 연계 해석이 가능한 전문 수치모델링 소프트웨어이다. 본 모델은 지표수, 관거 흐름 및 하천 흐름 간의 상호작용을 동시에 고려할 수 있어, 내수 침수와 외수 영향을 복합적으로 포함하는 도시침수 해석에 널리 활용되고 있다. InfoWorks ICM은 (1) 강우-유출 모듈, (2) 관거 1차원 수리모형, (3) 하천 1차원 흐름 모형, (4) 2차원 지표 흐름 모형으로 구성되며, 각 모듈은 시간 단계별로 연계되어 계산된다(Wei et al., 2024). 이를 통해 강우로부터 발생한 지표 유출이 하수관거 및 하천으로 유입되고, 관거의 통수능을 초과할 경우 지표면 침수로 전이되는 도시 배수 시스템의 실제 거동을 일관되게 재현할 수 있다.
2.5.1 배수관망 유출해석
도시 유역에서 발생한 지표면 유출은 빗물받이, 맨홀 등을 통해 배수관망으로 유입되며, 이후 관망을 따라 하천 또는 방류 수계로 배출된다.
InfoWorks ICM은 관망 내 유동 해석을 위해 Saint-Venant 방정식 기반의 1차원 비정상 흐름 방정식을 적용한다. 연속방정식은 Eq. (1)과 운동량 방정식은 Eq. (2)와 같이 표현된다 (Wei et al., 2024).
A: 관 단면적(m2), Q: 유량(m3/s), h: 수심(m), : 관저 경사, : 마찰경사, x: 흐름방향거리(m), t: 시간(s), g: 중력 가속도(m/s2)를 의미한다. 이를 통해 관망 내 만관 흐름, 수위상승 및 역류 현상을 모의 할 수 있다.
2.5.2 2차원 지표 유동(2D Surface Flow)
지표면 침수 확산은 얕은 물 방정식을 기반으로 한 2차원 수리해석으로 수행된다. InfoWorks ICM은 유한체적법을 적용하여 방정식을 수치적으로 해석하며, 계산 안정성과 정확도 향상을 위해 TVD 기법 및 Riemann solver를 활용한다.
여기서 u,v는 각각 x,y방향의 수심평균 유속(m/s), 는 지형 경사, 마찰경사 1차원 모형과 2차원 모형간의 교환 유량을 의미한다. Infoworks ICM은 맨홀, 관망 월류부 및 하천 제방을 통해 1D-2D 연계 유량 교환을 수행함으로써, 관망 범람 및 하천 범람에 따른 도시 지표면 침수 확산을 일관되게 모의한다.
2.5.3 모델 구축 및 매개변수 설정
ArcGIS에서 전처리된 관망 자료를 활용하여 자산 ID, 관 배열 수, 관 길이, 관 직경, 시작점 및 끝점 표고, 관 경사, 시작 노드 및 끝 노드를 입력하여 InfoWorks ICM 모델을 구축하였다. 모델 내 현장 상태는 Road, 지표 조건은 Suburbs, 관 유형은 Conduit으로 설정하였다. 지표 및 관거 흐름에 적용되는 Manning 조도계수는 토지피복 유형에 따라 설정하였으며, 세부 값은 EPA (2015)와 Autodesk (2025)를 참고하여 Table 2에 제시하였다.
Table 2.
Routing coefficient (EPA, 2015; Autodesk, 2025)
3. 연구결과
3.1 펌프장 토출량 비교 및 관측값 일치도 평가
본 연구에서는 신림유역 내 3개 주요 펌프장(Silllim 1, Sillim 2, Guro Digital Station)을 대상으로, 관측된 최대 토출량과 서로 다른 소유역 분할 방식(DEM 기반, Thiessen 기반)에 따른 시뮬레이션 결과를 2022년 강우사상(Fig. 5)과 2025년 강우사상(Fig. 6)을 적용하여 결과를 비교하였다.
2022년 강우사상 관측된 최대 토출량은 Sillim 1 펌프장이 16.6767 m3/s, Sillim 2 펌프장이 13.3513 m3/s, Guro Digital Station 펌프장이 5.33 m3/s로 확인되었다. 펌프장의 최대 토출량은 제방고 설계 및 배수능 확보에 결정적인 지표이므로, 모델이 관측 피크를 정확히 재현하는 것은 실무적 측면에서 매우 중요하다. 시뮬레이션 결과, DEM 기반과 Thiessen 기반 모델 모두 세 펌프장에서 관측값과 동일한 최대 토출량을 모의하였다. 다만, 토출 개시 시점과 토출 정지 시점에서 미세한 차이가 발생하였다. 특히 Thiessen polygon으로 소유역을 나누었을 때, Sillim 1 펌프장에서 08월 08일 17:50경에 추가 공급이 발생하였다. 또한 Sillim 2 펌프장에서는 Thiessen 기반 결과가 관측값 대비 다소 잔류 토출을 모의하지 못하는 경향이 확인되었으며, 이는 소유역 경계가 실제 지형 배수 경로를 충분히 반영하지 못하는 데 따른 결과로 해석된다.
2025년 강우사상에서 관측된 최대 토출량은 Sillim 1 펌프장이 6.6 m3/s, Sillim 2 펌프장이 6.13 m3/s, Guro Digital Station 펌프장이 1.13 m3/s로 확인되었다. 2022년 강우는 2025년 강우에 약 7배에 달하는 수치이다. 이로 인해 토출량 시계열은 짧은 피크와 비연속적인 스파이크 형태로 나타났으며, 최대 토출량 자체는 2022년 대비 현저히 감소하였다. DEM 기반과 Thiessen 기반 분할의 차이는 최대 토출량보다는 토출 발생 빈도와 지속시간에서 보다 뚜렷하게 나타났다. DEM 기반 분할은 지형적 집수 특성을 반영하여 일부 불필요한 펌프 가동 빈도가 상대적으로 적게 모의되는 경향을 보였다. 반면, Thiessen 기반 분할은 소유역 단위 강우가 관망 노드로 직접 연결되면서, 실제 관측 대비 펌프 가동 이벤트를 다소 과다하게 모의하는 경향이 관찰되었다.
3.2 모델 성능 지표를 이용한 소유역 분할 방식 간 결과 비교(R2, NSE, RMSE)
본 연구에서는 서로 다른 소유역 분할 방식(DEM 기반, Thiessen 기반)이 도시침수 모의 결과를 비교·평가하기 위해 결정계수(R2), Nash-Sutcliffe Efficiency (NSE), RMSE (Root Mean Square Error)를 활용하였다. 즉, 두 분할 방식에서 산출된 펌프 토출량 시계열 간의 일치도 및 차이를 상호 비교하는 데 적용되었으며, 이를 통해 소유역 분할 구조의 차이가 모의 결과에 미치는 상대적 영향을 분석하였다(Lee et al., 2024; Woo et al., 2025).
3.2.1 결정계수(R2)
한 분할 방식에서 산출된 모의 결과가 다른 분할 방식 결과의 변동성을 얼마나 설명할 수 있는지를 나타내는 지표로, 두 결과 간의 선형적 일치 정도를 평가하는 데 활용된다.
위의 식에서 은 자료의 개수, 는 i번째 DEM 유출량, 는 DEM 유출량 평균, 는 i번째 Thiessen 유출량, 는 Thiessen 유출량 평균이다. R2 값은 0에서 1 사이의 범위를 가지며, 값이 1에 가까울수록 두 결과 간 변동 경향이 매우 유사함을 의미한다. Thiessen 기반 분할과 DEM 기반 분할 모두 전반적인 토출량 변화 양상은 유사하게 나타났다. 다만, Sillim 2와 Guro digital area의 R2 결과를 살펴보면, 2022년 2025년 모두 Thiessen과 DEM의 R2 값이 높은 상관성을 나타냈을 때, DEM이 관측값과 더 높은 상관성 결과를 나타내었다.
3.2.2 NSE (Nash-Sutcliffe Efficiency)
NSE는 두 모형 결과 간의 잔차 분산을 기준 결과의 분산과 비교하여 두 분할 방식 간 시간적·크기적 일치도를 평가하는 지표이다. NSE 값이 1에 가까울수록 두 분할 방식에서 산출된 모의 결과가 거의 동일함을 의미하며, 0에 가까울수록 평균값 수준의 일치도를, 음의 값은 두 분할 방식 간 차이가 큼을 의미한다. 일반적으로 0 이상이면 두 결과 간의 일치성이 확보된 것으로 판단할 수 있다.
위의 식에서 은 자료의 개수, 는 i번째 DEM 유출량 이며, 는 i번째 Thiessen 유출량, 는 관측 유출량의 평균이다. Table 3에서 NSE값을 참고하면, 2022년의 경우 지속적인 강우와 장시간 펌프 가동으로 인해 관측 토출량의 변동성이 충분히 확보되었다. 또한 DEM 및 Thiessen 기반 모형 모두에서 NSE가 0이상으로 나타나 비교적 양호한 일치도를 보였다. 반면, 2025년 사례에서는 상대적으로 적은 강우량과 단기적인 펌프 가동 특성으로 인해 관측 토출량의 분산이 매우 제한적이었으며, 이로 인해 모의 결과의 미세한 시간지연이나 피크 오차가 NSE 산정에 크게 반영되어 일부 지점에서 음의 NSE 값이 나타난 것으로 판단된다.
Table 3.
Comparison of DEM and Thiessen pump discharge results using performance metrics
3.2.3 RMSE (Root Mean Square Error)
RMSE는 두 소유역 분할 방식에서 산출된 모의 결과 간의 차이를 절대적인 오차 크기로 나타내는 지표로, 분할 방식에 따른 결과 차이의 규모를 직접적으로 평가하는 데 적합하다. RMSE 값이 작을수록 DEM 기반과 Thiessen 기반 결과 간 차이가 작음을 의미한다.
은 관측 자료의 개수, 는 i번째 관측 유출량,는 i번째 모의 유출량이다. 분석 결과, Table 3을 참고하면 2022년 사례에서 2025년보다 전반적으로 크게 나타나는 경향이 확인된다. Sillim 2와 Guro Digital Pump station에서 DEM 기반 결과가 Thiessen 기반보다 일관되게 낮은 RMSE를 나타내어 관측값 재현성이 더 우수함을 나타낸다. 종합적으로 볼 때, 강우 규모가 클수록 절대 오차가 확대되는 경향이 나타나며, DEM 기반 소유역 분할이 Thiessen 기반 분할에 비해 펌프 토출량 모의에서 보다 안정적인 오차 특성을 가지는 것으로 나타난다.
3.3 침수 흔적도와 모의 침수 분포 비교 및 침수 취약 구간 해석
Fig. 7은 2022년 도시침수 발생 시 서울시에서 제공한 침수 흔적도와 본 연구에서 적용한 Thiessen 기반 소유역 분할 및 DEM 기반 소유역 분할에 따른 침수 분포 결과를 비교하여 나타낸 것이다.
침수 흔적도는 과거 실제 침수 발생 지역을 기반으로 작성된 자료로, 본 연구 모형의 공간적 재현성을 정성적으로 검증하기 위한 기준 자료로 활용되었다. 분석 결과, 두 소유역 분할 방식 모두 침수 흔적도에서 확인되는 주요 침수 발생 구간과 침수 확산 방향을 전반적으로 재현하는 것으로 나타났다. 특히 하천 인접 저지대, 배수관거 밀집 지역, 펌프장 영향권 내 구간에서는 공통적으로 침수가 집중되어 나타나, 해당 지역이 구조적으로 침수에 취약한 구간임을 시사한다. 한편, 침수 흔적도와 모의 결과 간에는 일부 공간적 불일치 구간도 확인되었다. 이는 실제 침수 흔적도가 단일 강우 사건이 아닌 여러 과거 침수 사례의 누적 결과를 반영하는 반면, 본 연구의 모의 결과는 특정 강우 사건을 대상으로 수행되었기 때문에 발생하는 차이로 해석할 수 있다. 또한 현장 배수 조건 변화, 일시적인 배수 장애, 국지적 지면 조건 등 모형에 직접 반영되기 어려운 요소 역시 공간적 차이를 유발하는 요인으로 작용했을 가능성이 있다.
Fig. 8은 2025년 강우 사상을 적용하여 2022년과 동일한 모델에 적용하였으며, 2025년의 경우 침수흔적도 자료 미제공으로 실제 침수 흔적도와 비교는 어려웠다. 다만, Thiessen 기반 소유역 분할 양상과 DEM 기반 소유역 분할은 공간적 분할 양상에서 뚜렷한 차이를 보였다. 두 소유역 분할 방식에서 공통적으로 침수가 발생한 구간은 침수 취약성이 높은 지역으로 판단되며, 조기 예경보 체계 구축 시 우선 관리 대상 구간으로 활용할 수 있다. 반면, 두 기법 간 침수 발생 여부가 다르게 나타난 구간은 소유역 분할 방식에 따른 유출 집중 및 흐름 해석 차이가 침수 모의 결과에 영향을 미친 것으로 판단되며, 소유역 구성 방법의 중요성을 보여준다.
3.4. 침수 취약도 평가 지표(Kim et al., 2021)
는 비교 대상 모두에서 침수가 일어난 격자의수, 는 비교 대상의 격자의 수(OBS, DEM, Thiessen) 비교 대상의 격자의 수(OBS, DEM, Thiessen)를 의미한다. Table 4를 참고하면, 2022년 08월 08일에 발생한 강우 사상을 적용하였을 때, DEM 기반 소유역 분할의 침수 깊이는 최대 2.385 m까지 나타났으며, 서울시 침수 흔적도와 면적을 평가 지표로 분석하였을 때, 25.6%의 수치가 나타났다. 또한 Thiessen 기반 소유역 분할 시 침수 깊이는 2.35 m로 나타났으며, 서울시 침수 흔적도와 면적을 평가 지표로 분석하였을 때, 26.4 %의 수치로 나타났다. 본 연구에서 도출된 침수 모의 결과는 서울시 침수 흔적도에 제시된 침수 분포와 일부 구간에서 차이를 보였다. 다만, 침수 흔적도는 실제 발생한 모든 침수를 완전하게 반영하는 자료는 아니며, 시민 신고 및 행정 자료를 기반으로 구축된 특성상 침수 발생 시점과 지속시간, 최대 침수심 등의 정량적 정보가 제한적이다(NDMI, 2024). 이러한 점을 고려하면, 침수 모의 결과 중 침수 흔적도에 나타나지 않은 일부 침수 구간을 실제 침수가 발생하지 않은 지역으로 단정하기는 어렵다. 따라서 침수 모의 결과는 침수 흔적도를 보완하는 정보로 활용될 수 있다. 한편, 2022년 8월 8일 강우사상을 적용한 경우, 침수 모의 결과와 침수 흔적도 간의 공간적 일치도는 약26%로 나타나 비교적 높은 값을 보였다. 반면, 2025년 강우사상에서는 강우 규모가 2022년에 비해 작아 침수 발생 범위가 제한적으로 나타났으며, 침수흔적도의 부재로 DEM 기반 소유역 분할과 Thiessen 기반 소유역 분할 면적을 평가지표로 분석하였을 때, 16.8%의 일치도를 나타내었다. 이는 강우 강도와 지속 시간에 따라 침수 발생 규모가 달라지면서, 침수 흔적도에 반영되는 침수 정보의 범위 또한 달라질 수 있음을 보여준다.
Table 4.
Comparison of DEM and Thiessen pump discharge results using performance metrics
이러한 결과를 종합하면, 도시 침수 모의에서 침수 흔적도는 침수 분포를 파악하기 위한 참고 자료로 활용될 수 있으며, 소유역 분할 방식에 따라 침수 모의결과가 달라질 수 있음이 확인되었다.
4. 결 론
본 연구는 도시침수 해석에서 소유역 분할 방식이 모의 결과에 미치는 영향을 정량적으로 분석하기 위해, DEM 기반 분할 방식과 Thiessen 기반 분할 방식을 적용한 도시침수 시뮬레이션을 수행 하였다. 이를 위해 InfoWorks ICM을 활용 하여 동일한 강우 조건과 관망·펌프장 조건하에서 두 분할 방식에 따른 펌프장 토출량, 관로 유량, 침수심 및 침수량 결과를 비교·분석하였다. 또한 최대 침수피해가 발생했던 2022년 08월 08일 강우 사상과 2025년 07월16일 강우사상을 비교하여, 해당 모델의 적용성을 검증하였다. 다만, 특정 도시 유역을 대상으로 분석이 수행되었다는 한계를 가진다. 분석 결과, Sillim 1, Sillim 2, Guro Digital 등 주요 펌프장의 최대 토출량은 두 분할 방식 모두에서 관측 기록과 동일한 피크 값을 재현 하였으며, DEM 기반과 Thiessen 기반 결과 간에도 차이가 나타나지 않았다. 다만, 두 분할 방식에서 도출된 침수 구역은 공간적으로 완전히 일치하지는 않았으며, 공통적으로 반복적으로 침수가 발생하는 구간은 지형 저점, 배수 불량 지역, 관망 병목 구간 등 구조적으로 침수에 취약하여 향후 침수 발생이 예상되는 지역으로 해석할 수 있다. 국지적인 침수 위치 및 침수 범위의 세부적 재현 측면에서는 소유역 분할 방식과 지형 정보 반영 정도에 따라 차이가 발생할 수 있으므로, 정밀 침수 분석을 위한 후속 연구에서는 보다 상세한 지형 및 배수 조건을 고려할 필요가 있다.
