1. 서 론
우량계를 이용한 지상 강우자료는 측기가 가지고 있는 오차 가능성을 고려하더라도 일반적으로 높은 신뢰도를 가진 강우 측정값으로 여겨진다. 따라서 수자원, 기상, 환경 등 다양한 분야에서 실측 자료(ground truth)로 사용하고 있다. 그러나 우량계 강우량 자료만으로는 지리적 위치의 비균질성 문제로 인해 강우 현상의 공간적 변동성이 적절하게 반영되지 않는 경우가 있다(Dhiram and Wang, 2016). 이러한 우량계 비계측 지역에서의 한계를 보완하기 위해 수자원 및 기상 분야에서는 레이더 반사도 측정 자료로부터 산출된 강우자료를 폭넓게 이용하고 있다. 정량적 강우 추정(Quantitative Precipitation Estimation, QPE)을 통해 산정된 레이더 강우량 자료는 넓은 지역에 걸쳐서 시공간적으로 조밀한 값을 제공함으로써 우랑계 자료의 단점을 보완할 수 있다(Thorndahl et al., 2017). 강우량의 공간적 변동성을 모니터링할 수 있는 능력은 레이더가 기상 연구에서 필수적인 역할을 하게 되는데 기여하였다(Zhang et al., 2014).
이러한 장점 때문에 레이더 강우량 자료는 수문 모델의 입력자료로 활용되기 시작하였고(Thorndahl et al., 2017), 수자원 관리를 위한 다양한 분야에 적용되고 있으나 아직 극복해야 할 과제들이 남아있다. QPE 방법은 빠른 측정 주기와 넓은 공간적 범위를 가지는 자료를 격자 형식으로 제공이 가능하다는 장점이 있으나 측정된 반사도를 강우량 값으로 변환하는 과정에서 기원하는 오차를 피하기 어렵다(Dai et al., 2018). 이것은 원격탐사 방식으로 강우량을 산정하는 방법의 한계이며 신호 감쇠, 변환 오차, 지형 에코, 이상 전파, 빔 차폐 등 여러 인자가 레이더 강우량 자료의 품질에 영향을 미친다. 특히 수자원 관리에서 중요한 요소인 극한 강우에 대해선 레이더 반사도 보정오차로 인해 전반적으로 과소추정된다는 보고가 있다(Park and Lee, 2010).
레이더 강우량 자료의 효용성을 유지하면서 정확도를 개선하기 위해 우량계로 측정한 지상 강우자료를 활용하여 레이더 강우량을 보정하는 연구가 활발히 진행되고 있다(Smith and Krajewski, 1991; Seo et al., 1999; Smith et al., 2007; Wang et al., 2013; McKee and Binns, 2016). 여러 선행 연구에서 보정된 레이더 강우량 자료를 수문 분야에서 적용하는 것이 유용하다는 것을 보여주고 있다. 우량계와 레이더는 강우량 측정 기기로서 각각 단독으로 수문 분야에서 활용하기에 충분한 수준으로 강우자료를 제공하는 데 한계가 있다. 우량계는 실측 결과로써 정확한 지점 강우자료를 제공하지만, 비계측 영역이 존재하고, 공간적으로 보간하는 방법으로는 자료 품질에 한계가 있다. 레이더 강우량 자료는 상대적으로 시공간 해상도 면에서 우월하지만, 강우량에 대한 정량적인 신뢰도가 부족하다. 따라서 조밀한 시공간 차원의 강우자료를 요구하는 상황에서는 레이더 강우량 자료와 우량계 강우량 자료를 병합하여 사용하는 방법이 이용되고 있으며, 이는 여러 연구에서 수문 모델의 입력자료를 생산하는데 이용되었다(Kouwen, 1988; Kalinga and Gan, 2006; Kim et al., 2008).
본 연구에서는 레이더 강우량을 보정하기 위해 우량계 강우량 자료를 이용하는 데 있어서 국내 산간지역에서의 적용성을 평가하였다. 레이더 강우량에 대한 보정 결과의 정확도를 다루는 데 있어서 알고리즘과 수문학적 활용 측면에서는 많은 연구들이 이루어지고 있으나 우량계 강우량 자료가 미치는 영향에 관해서는 많은 연구가 이루어지지 않고 있다. 불확실성을 완화하기 위한 방법으로 우량계 강우량 자료를 이용한 보정을 수행하였을 때 긍정적인 효과를 가져온다는 것은 확인되고 있으나 구체적으로 어떻게 차이를 야기하는지 평가하는 노력이 요구된다. 우리나라는 국토 면적의 70 % 이상이 산지로 구성되어 있고 지형 인자에 따른 기후 특성의 지리적 차이가 매우 크다. 이로 인한 국지적인 강우 특성을 반영하기 위해서는 우량계와 레이더의 강우량 자료를 함께 활용하는 것이 필요하다. 또한 레이더 강우량의 불확실성을 야기하는 환경 인자 중에서 지형은 빔 차폐, 지형 에코 등을 통해서 품질에 악영향을 미치므로 이를 고려하는 것이 매우 중요하다(Crochet, 2009). 따라서 국내 산간지역에서의 보정 효과에 초점을 맞추어 추가적인 지상 강우자료의 적용성을 평가하고자 하였다.
2. 자료 및 방법
2.1 레이더 및 우량계 강우량 자료
본 연구에서는 기상청에서 현업 운영하며 제공하는 레이더 강우량 자료인 하이브리드 고도면 강우량(Hybrid Surface Rainfall, HSR) 자료를 이용하였다. HSR은 기상 레이더의 지형에코(ground echo)와 부분 빔차폐(partial beam blockage)의 영향을 최소화하여 레이더 강우량의 정확도를 향상하고자 고안된 방법이다(Kwon et al., 2015). HSR은 이러한 영향을 받는 영역을 공백 지역으로 두지 않고 가능한 한 가장 낮은 고도각의 반사도를 우선 사용하되 품질에 문제가 있는 경우 바로 위의 고도각 반사도를 사용함으로써 지형의 영향을 최소화한다. 따라서 좁은 지역에서 복잡한 지형을 가지고 있는 한반도의 관측환경에 적합하고, 특히 산간지역에 대한 레이더 강우량의 불확실성을 완화하는 방법이다. 이 연구에 사용된 HSR의 공간해상도는 500 m이고 관측 범위는 남한 지역 전체를 포괄하고 있다. 본 연구에서는 기상청에서 배포되는 HSR 자료를 QPE1으로 정의하고, 레이더 강우량 보정 방법에 대하여 적용성 평가를 위한 기준 자료로 이용하였다.
강우량에 보정되는 지상 강우자료는 기상청의 종관기상관측망(Automated Synoptic Observing System, ASOS) 및 방재기상관측망(Automatic Weather System, AWS) 자료에 더하여 산림청의 산악기상관측망(Automatic Mountain Meteorology Observing System, AMOS) 자료를 이용하였다. 기상청(Korea Meteorological Administration, KMA)은 2024년 현재 전국 98개소의 ASOS 지점과 542개소의 AWS 지점에서 관측 시스템을 운영 중이고, 산림청(Korea Forest Service, KFS)은 481개소의 AMOS 지점에서 관측을 수행하고 있다. 기상청의 지상 관측지점들은 평균적으로는 매우 조밀하나 대부분 주거지 주변의 300 m 이하의 고도에 위치한다(Fig. 1(a)). 이러한 우량계 지점 위치의 비균질성은 지형고도 변화에 따른 기상 특성의 공간적 변동성을 충분히 반영하지 못할 수 있다(Choi et al., 2010).
따라서 본 연구에서는 레이더 강우량 보정에 기상청 지상 강우자료뿐만 아니라 산림청의 지상 강우자료를 함께 이용하였다. 산림청에서는 기상청에서 운영 중인 관측망의 비균질성을 보완하고 산지의 기상을 정확하게 모니터링하기 위해 2012년부터 AMOS를 운영하고 있다. AMOS의 관측지점은 사전 분석과 현장 평가를 통해 선정되었으며(Yoon et al., 2018), 기상청 관측지점과 대조적으로 산간지역에 집중되어 있으므로 함께 이용할 때 공간적 균질성 면에서 상호보완적이다(Figs. 1(b) and 1(c)). 선행연구에서는 레이더 강우량을 보정할 때 사용하는 지상 강우자료를 기상청 자료만 사용할 때와 달리 산림청 강우자료를 함께 사용할 때 산간지역의 레이더 강우량의 품질에 긍정적인 영향을 미치는 것으로 나타났다(Jin et al., 2024).
레이더 강우 보정 방법의 적용성 평가를 위해서는 한국수자원공사(Korea Water Resources Corporation, K-water)의 179개소 지상 강우자료를 기준값(ground truth)으로 이용하였다. 적용성 평가에 기준값으로 활용하기 위한 표본집단의 독립성을 엄밀히 확보하기 위해서 다른 기관(K-water)의 관측자료를 이용한 것이고, Shin and Jung (1996)은 K-water의 관측자료는 기상청 자료와의 상관성이 낮게 나타났음을 보고하였다. 또한 K-water에서 자료를 수자원 관리에 활용하기 위해서는 관측지점이 댐 상류 유역의 강우 특성을 대표할 수 있는 위치에 있어야 하므로 자연히 관측지점들은 대체로 고지대 산지에 위치한다(Choi et al., 2012; Yang et al., 2000). 따라서 선행연구에서 확인한 산간지역에서의 레이더 강우량 품질 향상을 다수 사례에 적용하여 평가하는 데 있어서 기준값으로 활용하기에 적절하다(Fig. 2).
2.2 지상 관측자료 기반 레이더 강우량 보정
지상 강우자료를 이용하여 레이더 강우량을 보정하는 방법은 Kim et al. (2015)의 방법을 기반으로 한다. 이 방법은 기상청 현업에서 사용하는 국지 우량계 보정(Local Gauge Correction, LGC; Ware, 2005) 방법에서 역거리 가중치 최적화 과정과 레이더 강우강도에 대한 이상치 제거 과정을 추가하여 개선한 방법이다. 본 연구에서는 Kim et al. (2015)의 방법을 준용하되 레이더 강우량은 CAPPI (Constant Altitude Plan Position Indicator)자료 대신 HSR 자료를 이용하였고 지상 강우량은 기상청 자료와 산림청 자료를 함께 이용하였다. 이와 같은 방법으로 생산된 레이더 추정 강우량을 QPE2로 정의하고 사례들에 적용하고 보정하기 전의 레이더 강우량(QPE1)과 비교하여 평가하였다(Fig. 3).
여기서 사용한 방법은 기본적으로 레이더 측정 반경 내에 있는 우량계 지점들을 고려하고, 레이더 강우량 자료에서 각 우량계 지점을 중심으로 하는 주변 격자점 간의 거리를 산정하여 레이더 강우량 원자료가 가지는 오차에 역거리 가중치(Inverse Distance Weighting, IDW)를 적용하여 레이더 강우량을 보정한다(Ware, 2005). 레이더 강우량 원자료가 가지는 실제 오차에는 이상치도 포함되어 있어서 보정할 때 과소추정 또는 과대추정의 원인이 되기 때문에 이에 대한 이상치 제거 과정을 먼저 거친다. 보정에 관여하는 역거리 가중치는 지정되는 차수가 증가할수록 관측값이 크게 기여하게 된다. Kim et al. (2015)의 방법은 이 차수를 최적화하는 알고리즘을 포함한다. 최종적으로 보정된 결과(QPE2)는 QPE1과 함께 적성 평가를 위하여 선정된 사례별로 생산하였다.
2.3 적용 사례 선정
본 연구에서의 적용성 평가를 위한 사례들은 최근 5년(2019 ~2023)간의 기상청 호우경보가 발령되었던 사례와 태풍경보가 발령된 사례 중 실제 침수로 인한 피해가 발생한 사례 중에서 선정하였다. 산림청 지상 강우자료가 레이더 강우 보정 결과에 미치는 영향을 평가한 선행연구에서는 산지의 비율이 높은 강원도를 대상지역으로 하였다(Jin et al., 2024). 이 방법은 산간지역에서의 효과에 초점을 맞추어 지상 강우자료에 따른 민감도를 시험하기에는 적절하지만, 레이더 강우량 프로세스를 일반화하여 적용하기 위한 평가 방법으로서는 한계가 있다. 따라서 특정 지역이 아닌 전국적으로 강우사상이 기록된 사례들 8건을 선정하였다(Table 1).
Table 1.
Cases of heavy rainfall events for past 5 years
선정된 사례들의 주요 피해 내역은 다음과 같다. 2019년 10월 태풍 미탁으로 인해 경북 영덕군의 피해가 컸다(사례 1). 해당 강우사상으로 1명의 인명피해가 발생하였다. 2020년 7월 집중호우로 경기 안산시와 대전 서구의 피해가 컸다(사례 2, 3). 각 강우사상으로 경기 안산시는 다가구 주택 1개 동이 침수돼 7명의 이재민이 발생하였고, 대전 서구는 주택 85세대, 차량 55대의 재산피해가 발생하였다. 2020년 8월 집중호우로 광주 북구의 피해가 컸다(사례 4). 해당 강우사상으로 광주-대구선, 호남선, 경전선 등 고속도로 및 철도 교통을 통제하였다. 2021년 8월 태풍 오마이스로 인해 울산 중구의 피해가 컸다(사례 5). 해당 강우사상으로 일가족 5명이 고립됐다가 구조됐고, 국보 제285호가 절반 이상 침수되었다. 2022년 9월 태풍 힌남노로 인해 경북 포항시의 피해가 컸다(사례 6). 해당 강우사상으로 7명의 인명피해가 발생하였다. 2023년 7월 집중호우로 인해 충북 청주시의 피해가 컸다(사례 7). 해당 강우사상으로 차량 17대의 재산피해와 30명의 인명피해가 발생하였다. 2023년 9월 집중호우로 인해 경북 울진군의 피해가 컸다(사례 8). 해당 강우사상으로 시간당 최대 69 mm의 폭우가 내려 주택이 침수됐다.
선정된 사례별로 추정 강우량을 평가하는 시간 단위는 집중호우 대응의 중요성을 고려하여 3시간으로 하여 누적강우량(mm/3hr)을 산정하였다. 현재 기상청에서는 강우량이 60 mm/3hr 이상 예상되거나 110 mm/12hr 이상 예상될 때 호우주의보를 발령하고, 호우경보는 90 mm/3hr 이상 예상되거나 180 mm/12hr 이상 예상될 때 발령된다. 호우특보 발표기준은 과거 호우피해의 빈도와 강도를 고려하여 수준이 정해진다. 이는 2018년 6월에 변경하기 전 6시간 누적 강우량 기준으로 각각 70 mm, 110 mm이었던 것에 비해 시간 범위가 좁아졌는데 최근 기후변화로 인한 국지성 호우의 잦은 발생을 고려한 개선안이다(KMA, 2018). 본 연구에서 3시간 누적강우량을 산정하는 시점은 선정 사례의 호우 및 태풍 경보 기간과 각 강우사상의 시계열을 검토하여 1시간 최대강우량이 발생한 시점을 기준으로 하였다. 1시간 최대강우량이 발생한 시점을 기준으로 레이더 및 우량계 강우량 자료로부터 과거 3시간까지의 누적강우량을 산정하여 결과 분석에 이용하였다.
3. 결 과
기상청에서 제공되는 레이더 HSR 합성장으로부터 생산된 QPE1과 기상청과 산림청의 지상 강우자료를 이용한 보정 과정에 더해진 QPE2를 사례별로 적용한 결과를 분석하였다. Fig. 4는 적용성 평가를 위해 선정된 8개 사례에 대한 QPE1 결과를 보여준다. 각 지도에서는 사례별 3시간 누적강우량에 대한 공간패턴을 음영으로 보여주고, 정량적 평가에 이용되는 K-water 지상 강우량과의 편이(bias)를 기준으로 증감 여부를 관측지점별로 표시하였다. 관측 대비 증감 여부는 삼각형 기호로 표시되며, 정삼각형(△)은 관측 대비 증가(wet bias)를 나타내고 역삼각형(▽)은 관측 대비 감소(dry bias)를 나타낸다. 지점별 편이를 표시하는 데 있어서 편이가 큰 지점들의 지리적 분포를 파악하기 위해 -5 mm/3hr에서 +5 mm/3hr 사이의 범위를 상회하거나 하회하는 지점들을 표시하였다.
QPE1의 공간 분포를 보면 모든 사례에서 남한 지역 전반에 걸쳐서 광범위하게 강우가 탐지된 것으로 나타났다. 사례 1, 6, 8은 각각 태풍 미탁(2019년), 루핏(2021년), 힌남노(2022년) 사례로서 넓은 지역에 강한 강우사상을 유발하였다. 다른 사례들은 여름부터 초가을까지(7~9월) 한반도 주변에서 나타나는 저기압 또는 기압골의 영향으로 특정 지역에 강한 강우가 집중된 사례들이다. QPE1가 가지는 편이의 공간분포를 보면 대체로 강우가 강하게 발생하는 지역에 주로 위치하고 있다. 따라서 강한 강우가 광범위하게 나타나는 태풍 사례들(사례 1, 6, 8)에서 다른 사례들에 비해서 편이가 큰 지점들이 상대적으로 다수 나타난다. 그리고 사례들을 종합적으로 보면 음의 편이가 지배적으로 나타나므로 전반적으로 QPE1이 지상 강우자료에 비해 과소추정되었다는 것을 의미한다. 사례 1, 3, 5에서는 양의 편이가 큰 지점들도 다수 나타났다. 이 지점들의 분포가 공간적으로 일관성을 보이므로 이는 지형과 같은 지리적 인자에 따른 레이더 강우량의 계통적인 오차에 기인한 것으로 판단된다.
Fig. 5는 사례별 QPE2에 대한 3시간 누적 강우량 결과를 보여준다. 레이더 반사도 자료만 이용한 QPE1과 달리 기상청 및 산림청의 지상 강우자료가 강우추정에 이용되었다. 전체적인 공간패턴은 QPE1과 유사하지만, 국지적으로는 강한 패턴을 더 많이 나타낸다. 사례 1에서는 소백산맥 자락을 따라 경상남도에서 전라남도로 이어지는 지역에서 30 mm/3hr 이상의 강한 강우 영역이 QPE1에 비해 넓게 추정되었고, 사례 6에서는 강원도 내륙 산간지역에서 전반적으로 강우강도가 높게 나타났다. 이와 같은 강도 보정 효과로 인해 K-water 지상 강우량과 비교했을 때 QPE1의 과소추정 오차가 여러 지점에서 완화되었다. 지도상에 표시된 편이 증감 여부는 -5 mm/3hr에서 +5 mm/3hr 사이의 범위를 벗어나는 차이가 큰 지점들만을 표출한다는 점을 고려할 때, 편이가 큰 지점들이 QPE1보다 QPE2에서 줄어들었음을 의미한다.
K-water 우량계 전체 지점들에 대해서 종합적으로 분석한 결과에서도 전반적으로 QPE1에 비해서 QPE2에서 편이가 보정된 결과를 확인할 수 있다. Fig. 6에서는 QPE2 알고리즘의 적용성 평가를 위하여 대상 관측지점들에 대해서 추정 강우량(mm/3hr)의 절댓값과 편이를 사례별로 전체 지점 평균하여 QPE1과 비교하였다. QPE1과 QPE2에서 산정된 3시간 누적강우량은 대체로 지상 강우량에 비해 낮은 수치를 보여서 과소모의하고 있는 것으로 나타났다. 절댓값에서 차이가 뚜렷하지 않았던 사례들(사례 2, 4)은 다른 사례들에 비해서 산간지역에 국지적으로 강한 강우가 나타나지 않았던 사례들이었다. 지상 강우자료에 의해 보정되지 않은 QPE1 공간패턴에서도 지상 강우량과 차이가 큰 지점들 수가 다른 사례들에 비해서 적었다. 또한 양의 편이가 나타나는 지점과 음의 편이가 나타나는 지점들이 혼재되어 평균 과정을 통해 상쇄되는 부분이 있는 것으로 판단된다(Figs. 4, 5 and 6(b)).
QPE2에서 보정 효과를 뚜렷하게 확인할 수 있던 사례들(사례 1, 6, 7, 8)은 이와 대조적으로 산간지역에 강한 강우강도의 영역이 존재했던 사례들이었다. 지상 강우자료에 의해 보정된 QPE2 공간패턴을 기준으로 사례1은 태백산맥과 소백산맥 주요능선을 따라 분포한 우량계 지점들에서 편이가 완화된 지점들이 다수 존재하고, 사례 6에서는 특히 강원도 내륙지역에서 보정 효과가 크게 나타났다. 사례 7에서는 강원도, 충청북도, 경상북도의 접경지역에서 QPE2의 편이 보정 효과가 뚜렷하였다. 사례 8에 충청남도 지역에 강한 강우가 있었던 사례이기는 하지만 QPE1에서 과소모의되었던 강원도, 충청북도, 충청남도 등에서 강도를 더 강하게 추정하는 동시에 울산, 밀양 일대에서는 지형에 의한 강우 그늘 효과를 QPE2 공간패턴에서 확인할 수 있었다.
QPE2 결과에서 편이의 전체 지점 평균이 보정 전인 QPE1에 비해 더 컸던 사례들(사례 3, 5)에서도 국지적으로는 편이가 보완되는 지점들을 확인할 수 있다(Figs. 4 and 5). 다만 QPE1에서의 지상 강우량 대비 편이는 양의 값과 음의 값이 혼재되어 있으므로 평균값에서는 상쇄되어 지상 강우량과 큰 차이가 없었으나, QPE2에서는 산간지역의 양의 편이가 국지적으로 보정되면서 이러한 상쇄 효과가 사라졌기 때문으로 판단된다. 사례 3에서는 강원도와 충청북도 지역에서 나타났던 QPE1의 양의 편이가 QPE2에서는 다수 지점에 대하여 보정된 것을 확인할 수 있고, 사례 5에서는 충청북도와 경상남도 지점들에서 양의 편이가 보정되었다. 이에 반해 음의 편이는 두 사례 모두에서 여러 지점에 대하여 보정되지 않고 상당 부분 존치됨으로써 전체 지점 평균에서 음의 편이가 더 강하게 반영된 결과로 볼 수 있다.
위 결과를 종합적으로 평가할 때 대상 사례들에서 QPE2는 QPE1에서 나타난 음의 편이를 상당 부분 보정한 것으로 판단된다. Fig. 7(a)는 QPE1과 QPE2의 편이 값들의 히스토그램(계단형 실선)과 확률분포곡선(점선)을 보여준다. 평가 대상이 되는 모든 사례에 대한 전체 지점들의 편이에 대한 분포에서 -5 mm/3hr 미만의 강한 음의 편이의 빈도는 QPE1에서 더 높게 나타나며, QPE2에서는 상대적으로 음의 편이 빈도가 줄어든 만큼 0에 가까운 편이 빈도가 증가하는 것으로 나타난다. 따라서 QPE1이 가지는 강한 음의 편이가 QPE2에서는 대체로 지상 강우량과 가깝게 보정되었다는 것을 의미한다.
이는 대상 사례별 우량계 강우량에 대하여 QPE1과 QPE2를 비교하면 더 뚜렷하게 나타난다. Fig. 7(b)는 8개 사례에 대해서 각각 지점 평균한 지상강우와 QPE로 도시된 산포도이며, 본 연구에서 제안한 알고리즘 적용 시 강우추정 정보를 생산할 때 가져오는 보정 효과를 보여준다. 각 점은 사례별 강우량(mm/3hr)을 나타내고 실선은 이들에 대한 적합선(fitting line)이며 음영은 95 % 신뢰구간을 나타낸다. 결과를 보면 QPE1과 QPE2 모두 대부분의 사례가 1:1 관계(검은색 실선)를 고려했을 때 지상 강우량에 비하여 과소추정을 하였다. K-water 관측 지점들이 대표하는 지역들에서 전체적으로 강우강도가 강했던 사례일수록 편이는 더욱 커지는 경향을 보인다. 그러나 QPE2 결과에서는 이러한 경향을 보완하고 있으며 강한 강우 사례에서 그 효과가 더 크게 나타났다.
4. 결 론
본 연구에서는 국내 산간지역에서의 레이더 강우량 자료가 가지는 신뢰도를 제고하기 위해 지상 강우자료를 활용한 보정 방법의 적용성을 평가하였다. 기존의 기상청 HSR 레이더 강우량(보정 전 레이더 강우량, QPE1)와 달리 기상청과 산림청의 우량계 강우량 자료를 이용하여 보정했을 때(QPE2) 산악 지형이 지배적인 국내의 지리적 환경에서 추정된 강우량의 편이가 뚜렷하게 감소한 것을 확인하였다. 특히 태풍을 포함하여 다양한 호우 사례 중에서 강우강도가 강한 사례들일수록 보정의 효과가 크게 나타났다. 산간지역에서 QPE1은 전반적으로 음의 편이가 두드러지며, 이는 기존 레이더 강우량 자료가 지형적 요인(빔 차폐, 지형 에코, 변환 오차 등)으로 인해 강우량을 실제보다 과소추정하는 경향을 반영한다. 이와 달리 QPE2는 기상청의 ASOS 및 AWS 자료와 함께 산림청에서 운영하는 산악기상관측망(AMOS) 자료를 추가로 보정에 활용함으로써 산간지역 강우 특성을 더욱 정교하게 반영하였다. 이를 통해 산지 고도 특성과 기상 특성의 상호작용으로 인해 발생하는 국지적 강우 패턴을 보다 정확도 높게 추정할 수 있었다. 따라서 기존에 과소추정되던 레이더 강우량에 대하여 국지 우량계 보정 방법을 통해 산간지역의 우량계 강우자료를 적용함으로써 전반적으로 실제 지상 강우량에 근접하도록 개선될 수 있는 것으로 평가된다.
이러한 평가 결과는 레이더 강우량을 보정하는 데 있어서 지상 강우자료의 중요성을 확인시켜 주고 있으나 추가적인 검토가 필요하다. 이 연구에서는 산간지역에서 지형에 의한 레이더 강우량 자료의 불확실성을 완화하기 위한 방안으로 HSR 자료를 사용하고 산간지역의 우랑계 강우자료를 이용하여 보정을 수행하였다. 우량계 강우량 자료의 효과를 현재 방법만으로도 확인할 수 있었으나 지형 인자를 반영할 수 있도록 알고리즘에 대한 후속 연구가 필요하다. 레이더 강우량의 불확실성에 있어서 지형이 중요한 인자라면 이에 대한 물리적인 요소들도 고려할 수 있다. 지형 자체 또는 지형성 강우와 같이 연관된 기상요소들을 고려하는 방안에 대한 연구가 향후 필요하다.
산지가 넓게 분포된 한반도 지역에서의 레이더 강우량 보정에 대하여 우량계 강우량 자료의 적용성을 평가한 결과는 앞으로의 기상 레이더를 활용한 연구에 시사점을 제공한다. 수문모델 입력자료로 레이더 강우량 자료를 활용할 때 정확도가 높아지면, 홍수 예·경보 및 댐 운영 관리와 같은 수자원 관리 측면에서 의사결정의 신뢰성이 제고될 것이다. 특히 극한 강우사상에 대한 레이더 강우량 자료의 품질 개선은 하천 범람 예측, 산사태 위험도 평가, 도시침수 방지 대책 수립 등 재해 경감을 위한 다양한 수문학적 모형에 더욱 현실적인 입력값을 제공할 수 있다. 특히 많은 하천이 발원하는 산지에서 강우량을 추정하는 것은 인구와 시설이 밀집된 하류 지역에서 예측하고 대응할 수 있는 선행시간을 확보하는 차원에서 매우 중요하다. 이들 지역에 대한 레이더 강우량의 불확실성 인자를 파악하고 지상 강우자료 등을 이용하여 보정하고 품질을 개선하는 노력이 지속적으로 이루어져야 한다.
