1. 서 론
서울은 지난 60여년간 인류 역사에서 유사한 사례를 찾아볼 수 없을 정도로 급격한 도시화를 경험하였으며, 제한된 자원으로 최대의 효율을 얻어야만 했던 개발 과정의 불가피한 제약으로 인하여 배수관망의 설계에 있어 침수에 대한 충분한 안전율을 확보하지 못하였다. 서울 지역에서 침수로 인하여1980년부터 2004년까지 발생한 피해액은 약 1,507억원(Lee et al., 2006), 2004년부터 2013년까지의 피해액은 581억원(Park et al., 2015)에 달하는 것으로 조사되었는데, 이 수치는 정부에서 피해의 공공시설의 복구에 직접적으로 사용한 금액으로, 생명의 손실 및 부상, 사유시설, 차량 침수 등의 피해는 고려되지 않아, 침수로 인하여 국가와 국민들이 실질적으로 경험하게 되는 사회적, 정신적, 물질적 피해는 이 보다 더욱 크다.
침수로 인한 피해를 경감하는 방법은 구조적인 방법과 비구조적인 방법으로 나눌 수 있다. 구조적인 방법은 하수관거 확장, 빗물펌프장 용량 개선 등의 전통적인 방법과 빗물저류시설, 빗물저류배수시설, 사면재해방지시설 등 비가 지면에 내린 곳에서 멀지 않은 곳에서 유출량을 제어하는 저영향개발기법(LID: Low Impact Development, Dietz et al., 2007) 등으로 나눌 수 있다. 비구조적인 방법의 대표적인 예는 홍수보험제도의 운영(Browne and Hoyt, 2000; Sarmiento and Miller, 2006)으로 단기적으로는 홍수로 인한 국민의 경제적 피해와 정부예산 지출의 시간적 불균형을 감소시키며, 장기적으로는 침수가 발생하는 지역의 인구의 외부 이주를 유도하여 침수와 이에 의한 피해를 분리시키는 효과가 있다(Kang, 2010). 특히, 침수로 인한 사회, 경제적 피해가 막대하여 이를 국민 개개인의 능력으로는 감당할 수 없는 미국에서는 정부가 주도하는 홍수보험제도가 정착되었다(Burby, 2001).
도시홍수 예, 경보 시스템은 홍수보험과 아울러 침수피해경감을 위하여 자주 활용되는 비구조적인 방법 중의 하나로, 강우 발생 및 침수 피해를 실시간으로 예측하여 해당지역에 있는 인구 및 차량 등의 주요 자산을 조기에 대피시키는 것이 주 목적이다. 도시홍수 예, 경보 시스템은 크게 (1) 실시간 관측강우 혹은 예측강우를 활용하는지의 여부; (2) 실시간으로 침수를 모의하는지 혹은 특정 강우 시나리오에 대해 미리 모의된 침수면적을 활용하는지의 여부에 근거하여 분류할 수 있다.
해외에서 현재 활용되고 있는 도시홍수 예, 경보 시스템의 예를 살펴보면 다음과 같다: Bedient et al. (2003)은 레이더 강우자료 기반의 시스템을 텍사스 휴스턴 의료지구에 대하여 구축하여 환자들의 긴급대피에 활용하고 있다. 레이더 강우자료를 활용하여 계측한 강우량을 수문모형의 입력자료로 활용하여 유역내의 첨두홍수량을 예측하고, 이 홍수량이 임계치를 초과하면 대피 경보를 발령하는 기본 구조를 가지고 있다; Hvidovre 시스템(Jensen et al., 2013)은 덴마크의 22개 도시유역에 대하여 구축되었으며, 5분 단위의 레이더강우자료를 실시간으로 얻고, 이를 시뮬레이션 기반의 강우-침수면적 관계의 입력자료로 활용하여 침수면적을 얻는다; ESPADA 시스템(Raymond et al., 2006)은 약 15만여 명의 인구가 거주하며 가을에 상습적인 홍수를 겪는 프랑스의 Nemes 지역에 대하여 구축되었으며, 레이더 강우자료와 10개의 지상강우자료를 입력자료로 하는 실시간 수문모형을 활용하여 유량을 예측하고, 이를 기반으로 44개의 미리 정해 놓은 침수 시나리오 중 하나를 택하여 홍수경보를 발령한다; 태국 방콕의 실시간 홍수 경보 시스템(Hénonin et al., 2010)은 레이더 강우자료를 얻고, 이를 관망-도로망 1차원-1차원 침수모형의 입력자료로 활용하여 침수면적을 얻으며, 이에 근거하여 홍수경보를 발령한다; HIDROMET (2014)은 스페인 바르셀로나 지역에 대하여 구축된 실시간 내수침수경보 시스템으로 9.61 km2의 지역에 대하여 6분-1 km2의 레이더 강우자료와 5분-9개의 지상관측자료를 사용하여 향후 2시간 후의 강우를 예측한 후, 이를 MOUSE 내수침수 모형(Elliot et al., 2007)의 입력자료로 활용하여 침수면적을 얻고 경보를 발령한다. Koussis et al. (2003)은 그리스 아테네에 위치한 370 km2 규모의 Kifissos 유역에 대하여 일기예보 모형을 통해 얻은 예측강우를 수문모형의 입력자료로 하여 홍수를 발생 42시간 전에 예보할 수 있는 시스템을 구축하였는데, 일기예보를 통해 얻은 예측강우의 불확실성이 홍수예보의 정확도에 큰 영향을 미친다고 지적하였다. 우리나라의 경우, 국토교통부 하천운영과의 주관 하에 국가하천과 주요지천에 대하여 실시간으로 관측된 강우량과 첨단유량예측시스템을 활용하여 외수침수 위주의 홍수예보를 실시하고 있으나(국토교통부, 2016), 서울을 비롯한 우리나라의 주요도시에서 침수모형을 기반으로 공식적으로 운영되는 예, 경보시스템은 존재하지 않는 것으로 조사되었다.
본 연구는 도시홍수 예, 경보시스템의 대표적인 단점 중 하나인 침수모형모의의 긴 수행시간으로 인한 홍수예보 리딩타임의 감소를 극복할 수 있는 도시홍수예측 시스템을 개발하였으며, 본 논문에서는 이 시스템의 핵심 중 하나인 사전 침수면적 데이터베이스 구축 방법에 대하여 논하고자 한다. 이 방법에서는 40분 내외의 집중시간을 가진 유역에 침수를 발생시키는 가능한 모든 강우량의 범위를 5 mm 간격으로 나누어 XP-SWMM 도시홍수모형의 입력자료로 사용하여 모의하여 이에 따른 침수면적을 GIS 데이터베이스로 구축하였으며, 강우의 시간적 변동성이 침수에 미치는 영향을 고려하기 위하여 첫 20분 동안 내린 강우와 두 번째 20분 동안 내린 강우를 구분하였다. 이러한 방법을 활용하면, 침수를 일으키는 강우량의 시간적 분포가 고려된 침수범위를 실시간 내수침수모형의 모의 없이도 즉시 얻을 수 있으므로, 내수침수경보에 있어 충분한 리딩타임을 확보할 수 있다.
2. 연구 방법
2.1 대상 유역
Fig. 1은 본 연구의 대상유역인 서울시 강남구의 삼성1배수분구를 보여준다. 삼성1배수분구는 전체 면적 1.91 km2 중 약 10%를 차지하는 선릉괴정릉 근방을 제외하면 불투수층인 건물과 도로가 대부분을 차지한다(Son et al., 2014). 배수분구의 유출에 영향을 주는 빗물펌프장은 대치유수지 체육공원에 설치되어 있다. 삼성1분구를 연구지역으로 선정한 이유는 2011년 7월 27일 선릉역 구간이 침수되어 지하철 운행에 지장을 주었고, 2011년 8월 15일 집중호우로 인해 침수가 일어났으며, 2013년 7월 22일 침수가 발생하는 등 2년간 3번의 침수가 발생한 침수 취약지구이기 때문이다(Shin et al., 2011).
2.2 내수침수모형 구축
2.2.1 XP-SWMM
본 연구는 강우에 의하여 발생하는 내수침수지역을 도출하기 위하여 범용 소프트웨어인 XP-SWMM (Phillips et al., 2005; Lee and Yeon, 2008)을 활용하였다. XP-SWMM은 모의하고자 하는 지역을 맨홀의 위치에 따라 다수의 소유역으로 분할하고, 각 소유역에서 발생한 유출량을 계산한 후(RUNOFF 블록), 이를 관망 네트워크를 따라 동수역학 방정식과 연속방정식을 사용하여 추적하는 1차원 관망모델링 시스템(EXTRAN 블록)과, 맨홀을 통해 지표로 유출되는 물의 움직임을 지표면을 따라 모의하는 2차원 표면수 모델링 시스템(TU-FLOW)이 뼈대를 이루고 있다(Park et al., 2015). XP-SWMM은 해외 및 국내의 학계 및 산업계에서 도시지역의 내수침수지역을 산정하거나(Son et al., 2014; Shin et al., 2014; Jang et al., 2008) 저류지 혹은 방수로의 설계(Kim and Lee, 2015; Han et al., 2012; Kim et al., 2010)에 사용되었다.
2.2.2 XP-SWMM 모형 구축
대상유역은 101개의 소유역으로 분할되었다(Fig. 2(a)). XP-SWMM은 분할된 각 101개의 소유역에 대하여 서로 다른 유역특성인자를 적용하여 유출량을 산출한다. XP-SWMM의 지반고는 TIN (Triangulate Irregular Network)형식으로 입력되므로, 본 연구에서는 서울시에서 제공한 배수관망자료 중 4,091개의 맨홀의 지반고를 기반으로 XP-SWMM에 내탑된 지반고 공간보간 기능을 활용하여 표면지형자료를 생성하였다(Fig. 2(b)). 하수관망 자료는 서울시에서 제공하는 우수관망도 GIS자료를 활용하였다. 모형 구축 시 직경 0.5m 이하의 작은 관은 1차원 관수로 흐름 해석 시 수치진동이 발생하여 결과의 신뢰성을 확보할 수 없다는 선행연구결과에 따라(Lee et al., 2013; Park et al., 2015) 관망을 단순화하여 직경 0.6 m 이상의 관로만을 고려한 결과 총 466개 관로와 456개의 맨홀이 모형에 입력되었다(Fig. 2(c)). 관망의 조도계수는 철근콘크리트 관의 값에 해당하는 0.013으로 정하였다. 모형의 경계조건으로는 삼성1분구와 삼성2분구가 접하는 2개의 맨홀을 자유방류구로 지정하였다. 지표면에서의 물의 흐름은 지표면을 20 m의 길이를 가진 9,178개의 정사각형 셀로 나누어 모의하였다.
2.3 모형 매개변수 교정
지표면의 매닝계수, 지표저류량, 불투수층 비율 등의 지형학적 특성인자는 2013년 7월 2일 삼성1분구내에 있는 맨홀 고유번호(ID Number) 23-0005에서 관측된(Fig. 2(b)) 수위 시계열에 근거하여 교정을 통해 구하였다. 삼성1분구(1.91 km2)는 전체 배수분구의 약 10.30%에 해당하는 면적 0.197 km2의 선릉괴정릉(Fig. 2(d))이 나머지 지역인 도심지역과 상이한 불투수도를 가지고 있으므로. 본 연구는 두 지역에 서로 다른 매개변수를 부여하여 교정을 실시하였다. 최종적으로 산정한 지표면의 매개변수는 Table 1에 나타내었다.
2.3.1 강우-유출량 산정 및 홍수 추적
본 연구는 강우에서 유출량을 도출하기 위한 방법으로 SCS 곡선지수방법(Kang and Lee, 2012)을 사용하였다. Fig. 2(d)에 표시된 선릉괴정릉을 포함한 소유역은 투수도가 높다고 가정하고 65의 곡선지수를 적용하였으며, 나머지 불투수도가 높은 지역에 대해서는 85의 곡선지수를 적용하였다.
홍수 추적기법으로는 시간-면적법(Lee et al., 2014)과 SCS 단위도법(Kang and Lee, 2012)을 고려하였다. Fig. 3은 두 방법을 활용하여 산정된 최적매개변수 세트를 사용하여 얻은 모의 시계열과 관측된 수위 시계열을 비교한다. 관측값에서 기저 수위(Base water level)는 제외되었다. 해석결과 SCS 방법은 최대 수위 관측값과 모델 해석 최대 수위값 사이의 상대 오차는 +11.33%로 시간-면적 방법에 비해 수위가 잘 맞는 경향이 있다. 반면, 배수분구 도달시간의 경우에는 관측값과 모델 해석 결과값의 상대 오차는 +16.19%로 산정되었다. 한편, 시간-면적 방법은 최대 수위 관측값과 모델 해석 수위값의 상대 오차는 +47.67%로 관측값보다 수위가 높게 나타나는 경향이 있다. 도달시간의 경우, 관측값과 모델 해석 결과값의 상대오차가 +1.08%로 나타났다. 본 연구의 목적은 침수 예, 경보가 주요 목적이므로 도달시간을 수위값 보다 피해예방에 더 중요한 인자로 판단하여, 이를 상대적으로 더 정확히 모의하면서도 유출 수위를 관측값보다 더 보수적으로 모의하는 시간-면적 방법을 강우-유출 모형으로 채택하였다.
Fig. 3.
Time series of water height in the observation pipe located at the drainage sector outlet. Blue line represents the observed water height, red line represents the water height modeled using the SCS runoff method, and the green line represents the water height modeled using the Time-Area runoff method
2.3.2 소유역의 도달시간 산정
모델에 입력된 101개의 소유역의 도달시간은 각 소유역에서 시간-면적법에 따라 유출량을 시간적으로 분배하는 역할을 하며 궁극적으로 분구 전체의 침수면적 및 최대침수면적 발생시간을 정확히 예측하는데 매우 중요한 역할을 한다. 하지만, 유역내 관측자료가 부족하여 소유역 각각에 대하여 도달시간을 산정하는 것은 불가능하므로, 본 연구에서는 유역의 출구에 위치한 관로에서 관측된 수위 시계열을 분석하여 전체 유역에 대한 도달시간을 우선적으로 얻고, 모든 소유역에 대하여 Eq. (1)의 지역상수인 C값을 일률적으로 바꾸어가면서 모의된 유역의 도달시간과 관측치에 근거하여 얻은 도달시간이 비슷해지도록 산정하였다.
(1)
여기에서, tc는 도달시간, C는 지역상수, A는 배수분구 내 각 소유역의 면적[ha]이다.
Fig. 4는 2013년 7월 한 달 동안 삼성1분구의 최종 유출관로에서 관측된 수위의 시계열이다. 본 연구의 연구지역인 삼성 1분구의 경우 크기는 2 km2내외로 유역 내 강우가 공간적으로 동일하게 발생하였다고 가정할 수 있으며(Olivera et al., 2008), 이러한 가정을 한다면, 관측 수위 시계열 내의 각 이벤트의 첨두발생시각에서 이벤트 종료시각까지의 시간간격을 도달시간이라고 가정할 수 있다. Fig. 4에 따르면 2013년 7월 한달 동안 삼성 1분구에서는 총 21차례의 강우이벤트가 발생하였다. 표 2은 각 이벤트에 대하여 산정한 도달시간을 보인다. 본 연구에서는 이러한 결과에 따라 연구대상유역의 도달시간을 40분으로 가정하였다. Table 2에 보인 도달시간들의 평균은 46분이므로, 본 연구에서 채택한 도달시간인 40분 시점에서의 침수면적은 최대가 되지 않을 수도 있으나, Fig. 3에서 확인할 수 있듯이 본 연구가 채택한 시간-면적 유출량 산정법이 유출량을 다소 과대산정 하므로, 최대침수면적의 오차는 두 효과로 인해 어느 정도 상쇄될 수 있을 것이다.
Table 2. Time of concentration estimated based on the reading of the time series of water height in the study watershed outlet
 |
Fig. 5는 101개의 모든 소유역에 대하여 동일하게 가정한 특정 C값과, 유역내에 동일한 강우를 입력한 후 얻은 모의기반 도달시간과 관측된 도달시간(40분)과의 차이를 보인다. 본 연구는 이러한 결과에 따라 지역상수 C의 값을 183,600으로 정하였다.
본 연구에서는 이러한 과정을 거쳐 모형 매개변수의 교정을 실시하였고, 최종적으로 선릉괴정릉을 포함하는 소유역의 매닝계수는 0.4, 불투수비율은 25%, 이외 도시지역의 매닝계수는 0.02, 도시지역의 불투수 비율은 85%의 값을 부여하였다.
2.4 침수 시나리오 구축
본 연구에서는 유역의 도달시간인 40분에 해당하는 가능최대강수량(Park et al., 2013)인 200 mm/hr 이하의 범위에서 침수를 일으키는 가능한 모든 강우 시나리오를 XP-SWMM 침수모형의 입력값으로 사용하여 사전 침수면적의 데이터베이스를 구축하였다. 강우의 시간적 변동성이 침수면적에 미치는 영향(Lee and Yeon, 2008)을 고려하기 위하여, 첫 20분 동안 발생하는 강우와 나머지 20분 동안 발생하는 강우를 분류한 후 두 변수에 따라 변화하는 침수면적의 등고선도를 제작하였다. 침수면적 등고선도 제작을 위해 첫 20분, 나중 20분 동안 발생하는 강우량 값의 범위를 0 mm에서 100 mm/hr 까지로 정하고 이를 5 mm/hr 단위로 나누어 각각의 침수면적을 산정하였다. 따라서, 등고선도의 작성을 위하여 총((100/5) +1)2=441회의 침수모의가 수행되었다.
3. 결 과
3.1 침수면적 등고선도
Fig. 6은 연구대상지역인 삼성1배수분구에 대하여 산정한 침수면적의 등고선도이다. 침수등고선도의 침수면적은 침수심이 0 m 보다 큰 범위를 의미한다. 그래프의 x축은 첫 20분 동안 발생한 강우의 강우강도를 나타내며, y축은 다음 20분 동안 발생한 강우의 강우강도를 나타낸다. 예를 들어 해당배수분구에 첫 20분 동안 60 mm/hr 의 강우강도를 가진 강우가 발생하였고, 두 번째 20분 동안 90 mm/hr 의 강우강도를 가진 강우가 발생하였다면, 강우가 발생하기 시작한 시점부터 유역의 도달시간인 40분이 경과한 후에 발생하는 침수면적은 등고선도의 x축의 60 mm/hr 에서 그은 수직선과, y축의 90 mm/hr에서 그은 수평선이 만나 별표로 표시된 위치의 색상에 해당하는 60,000 m2이 되며, 이에 해당하는 구체적인 침수면적은 Fig. 7에 보인 데이터베이스화된 침수면적도에서 얻을 수 있다. 기존 상당수의 도시홍수 침수 예, 경보 시스템의 경우 강우가 발생할 때 마다 침수모의를 시행해야만 하므로 침수 예, 경보의 리딩타임이 감소하는 반면, 본 연구가 제시하는 이러한 기법은 강우 발생과 동시에 이에 따른 최대침수면적 및 이에 따른 침수지역을 알 수 있게 된다는 장점이 있다.
침수면적등고선도의 작성 후 발견된 가장 흥미로운 점은 등고선도의 모양이 불규칙한 부분이 존재한다는 점이다. 예를 들어 Fig. 6의 노란선을 따라 등고선의 값의 읽어보면, 동일한 15 mm강우의 증가분에 대하여 침수면적의 변화가 상당히 다르다는 점(1-1 구간을 따라서는 등고선 5개, 2-2 구간을 따라서는 등고선 3개에 해당하는 침수면적이 증가하였음)을 알 수 있다. 이는 지표흐름의 공급과 흡수의 역할을 하는 맨홀의 공간적 위치에 의하여 초래된 것으로 판단된다. Fig. 8(a)에 보인 바와 같이 지표수가 맨홀이 없는 지역을 흐를 때는 침수면적이 급격하게 증가한다. 한편, 통수의 여력이 있는 관망과 연결되어 있는 맨홀의 상부를 지나가는 지표수는 관망으로 흡수되게 되는데, 이러한 경우에는 침수면적이 점진적으로 증가하게 된다. 이는 Fig. 8(b)에 보인 특정 강우 이벤트(첫 20분 동안 70 mm/hr, 두 번째 20분 동안 85 mm/hr의 강우 발생)에 대한 침수면적의 시공간적 변화양상을 통해 확인할 수 있다. 침수 발생 직후에는 지표흐름이 맨홀을 통해 관망으로 흡수되지 않으므로 침수면적이 급격하게 증가한다. 이후, 지표흐름이 맨홀을 만나며 관망으로 흡수되기 시작하면 침수면적이 점진적으로 증가하거나 더 이상 증가하지 않는다. 이러한 사실은 상습침수지역에서 맨홀의 효율적인 공간적 배치, 관들의 선별적 통수능 증대 등을 포함한 최적 관망 설계를 통하여 침수면적의 시공간적인 변화양상을 통제할 수 있다는 점을 의미한다.
3.2 동일한 침수면적을 발생시키는 서로 다른 강우이벤트에 대한 침수범위 비교
침수면적 등고선도의 등고선을 따라 다양한 x값과 y값이 존재하며, 이는 동일한 침수면적을 발생시키는 다양한 강우이벤트가 존재한다는 점을 의미한다. 본 연구에서는 서로 다른 강우이벤트가 일으키는 동일한 침수면적에 대한 침수범위를 비교하였다. Fig. 6에 굵은 등고선으로 표시한 2,075 m2, 10,164 m2, 41,802 m2, 63,494 m2의 네 개의 침수면적에 대하여, 시간적인 분포가 극단적으로 다른 두 개의 강우이벤트에 따른 침수범위를 Fig. 9에 보였다. Fig. 9의 오른편에는 두 침수면적의 교집합의 합집합에 대한 비를 계산하여 표기하였다. 시간적인 분포가 극단적으로 다른 강우 이벤트에 의하여 유역의 도달시간 소요 직후 발생하는 침수면적은 그 크기가 유사할지라도 공간적 범위는 큰 차이를 보인다는 점을 알 수 있으며, 이는 강우-침수면적 곡선에 근거한 침수 예, 경보시스템과 비교하였을 때, 본 연구의 침수면적 데이터베이스 기반 침수 예, 경보 시스템이 가지는 장점이라 할 수 있을 것이다.
3.3 강우의 시간적 분포에 따른 침수면적의 변화
본 연구에서 제시하는 침수면적 등고선도법의 장점은 서로 다른 강우의 시간적 분포에 따른 침수면적의 변화를 손쉽게 살펴볼 수 있다는 점이다. Fig. 9는 본 연구지역에 대하여 산정한 40분 지속시간 5년(47.6 mm), 10년(55.7 mm), 30년(67.9 mm), 50년(73.5 mm), 100년(81.0 mm), 200년(88.5 mm) 빈도를 가진 강우가 시간적으로 다르게 분포하는 경우에 발생하는 침수면적의 차이를 보인다. 이는 Fig. 6의 등고선도에서 x값과 y값의 합이 일정한 값을 가지는 사선(5년 빈도 강우의 경우 x + y = 47.6 mm)을 따라 읽은 등고선의 그래프이다(Fig. 10).
강우가 시간적으로 고르게 분포할수록 도달시간 소요 직후의 침수면적은 작아지는 경향을 보였고, 강우가 첫 20분으로 집중되는 경우 도달시간 소요 직후의 침수면적이 나중 20분으로 집중되는 경우의 그것 보다 더 큰 침수면적을 가졌다. 나중 20분으로 강우가 집중되는 경우 도달시간 소요 이후에 발생할 수 있는 침수면적은 더 커질 수도 있으나, 이는 시간이 흘러 나중 20분의 강우가 첫 20분으로 옮겨간 후 새로운 나중 20분 동안 발생한 또 다른 강우가 발생하였을 때의 침수면적에서 고려가 가능하다. Fig. 11에는 동일한 40분 지속기간 설계강우에 대하여 발생할 수 있는 최대 침수면적과 최소 침수면적의 지도를 보인다. 100년빈도 강우의 경우, 첫 20분 동안 모든 강우가 집중되는 경우의 침수면적은 36,600 m2,시간적으로 고르게 분포되는 경우의 침수면적은 25,000 m2이었는데 이는 약 32%의 차이이다. 이러한 차이는 홍수 예, 경보의 정확도, 더 나아가서는 침수면적에 근거한 홍수피해액의 산출에 에 큰 오차를 초래할 수 있으므로, 강우의 시간적 분포를 정확히 파악하고 이를 침수면적 모의에 반드시 고려해야 할 것이다.
4. 모형의 한계점에 대한 토의
서론에서도 언급하였듯이, 도시침수의 정확한 모의를 위해서는 (1) 높은 해상도의 지형 및 관망 자료, (2) 상세한 지형 및 관망자료를 반영할 수 있는 정교한 수치모형, (3) 정확한 강우자료, (4) 모형을 안정적으로 수행할 수 있는 컴퓨터 자원(Computational Resources)이 필수적으로 요구된다. 이러한 이유로, 본 연구의 XP-SWMM 모형 및 이에 기반한 침수 예, 경보 시스템은 다음과 같은 한계를 가진다: (1) 맨홀의 지반고만을 활용하여 지표 고도자료를 구축하였으므로 침수면적에 건물 및 도로 등에 의한 영향이 고려될 수 없다; (2) 모형의 강우 입력자료가 지점 실시간 강우가 아닌 레이더강우 추적알고리즘을 활용한 예측 강우이므로 이에 따른 침수면적의 오차가 상당할 수 있다; (3) 관망 시스템의 경계조건을 유역출구에서의 자유방류로 설정하였지만 인접 지역 홍수로 인하여 유역출구에서 자유방류가 발생하지 않을 수 있으며, 이는 침수면적의 과소산정으로 이어질 수 있다; (4) 강우-유출 산정방법으로 본 연구가 채택한 시간-면적법은 유량을 다소 과대산정 하는 경향이 있다. 이는 침수면적의 과대산정을 초래할 수 있다; (5) 수치진동으로 인한 침수면적의 오차를 최소화하기 위하여 60 cm 미만의 관망을 무시하였다. 이로 인하여 모형의 소유역 내부에 위치한 맨홀의 역류로 인한 침수는 모의되지 않는다.
한편, 앞서 언급된 도시홍수모형의 정확도에 영향을 미치는 모든 요소들을 동시에 확보하는 것이 어렵다는 점을 고려한다면, 앞서 언급된 한계점은 굳이 본 연구의 침수모형에만 국한된 것이라 볼 수는 없을 것이다. 이러한 모형의 여러 가지 한계점에도 불구하고 본 연구의 효용성을 찾는다면 본 연구의 침수면적 GIS 데이터베이스가 침수 예, 경보 시스템의 기초자료로 활용되기 위하여 구축되었다는 점이다. 침수 예, 경보 시스템의 경우, 신속히 침수면적의 대략적인 시공간적인 추세 및 발생 가능성만을 파악한 후 적절한 시각에 예, 경보를 발령하는 것 또한 정확한 침수면적의 산정만큼이나 중요하기 때문이다.
5. 결 론
본 연구에서는 서울 삼성 1분구에 대하여 구축된 홍수 예, 경보 시스템의 한 부분인 침수면적 GIS 데이터베이스에 대하여 다루었다. XP-SWMM 모형을 대상 연구지역에 대하여 구축하였으며, 유역 출구에서 관측된 수위 시계열을 활용하여 집중시간을 산정하고, 이를 다시 XP-SWMM 모형의 매개변수 교정에 활용하였다. 유역의 도달시간이 40분임을 고려하여, XP-SWMM 모형의 입력값으로 사용되는 강우자료를 첫 20분, 나중 20분 두 개의 시간단계로 나누고, 가능최대강수량인 200 mm/hr 이하의 범위를 5 mm/hr 간격으로 나누어 침수를 일으키는 가능한 모든 강우 시나리오를 생성한 후, 이를 하여 침수면적의 GIS 데이터베이스를 구축하였다. 침수면적 데이터베이스의 분석을 통해 다음과 같은 결론을 얻었다: (1) 동일한 강우의 증가분에 대하여 침수면적이 급격 혹은 완만하게 증가할 수 있다. 이는 지표면에서의 물의 흐름이 지표수의 공급 및 흡수역할을 하는 맨홀의 공간적 분포 및 이와 연결된 관망의 용량 및 형태에 의해 크게 영향을 받기 때문이다. 이러한 결과는 관망의 효율적인 설계를 통해 침수면적 및 범위의 시공간적 변화양상을 어느 정도 제어할 수 있음을 의미한다; (2) 동일한 침수면적을 가진 경우라 할지라도 강우가 시간적으로 어떻게 분포하느냐에 따라 도달시간 소요 직후의 침수범위가 크게 다를 수 있다; (3) 동일한 설계 강우량이라도 시간적 분포가 다르다면 침수면적 및 침수범위가 크게 다를 수 있다.
본 연구의 가장 큰 의미는 강우 발생 시 즉각적으로 침수면적 및 범위를 판별할 수 있는 GIS 데이터베이스를 구축하여 침수 예, 경보에 필요한 리딩타임을 크게 줄일 수 있는 방법론을 제시했다는 점이다. 이와 아울러, 관망의 형태 및 맨홀의 공간적 분포, 그리고 강우의 시간적 분포가 침수면적 및 침수범위에 미치는 영향이 매우 크다는 점을 밝혔다는 점 또한 본 연구의 흥미로운 결과라 할 수 있을 것이다.
