Preview
Research Article

Journal of Korea Water Resources Association. 31 January 2019. 21-33
https://doi.org/10.3741/JKWRA.2019.52.1.21

Evaluation of GPM satellite and S-band radar rain data for flood simulation using conditional merging method and KIMSTORM2 distributed model

조건부합성 기법과 KIMSTORM2 분포형 수문모형을 이용한 GPM 위성 강우자료 및 Radar 강우자료의 홍수모의 평가
Se Hoon Kima
,
Chung Gil Jungb*
,
Won Jin Jangc
,
Seong Joon Kimd
김 세훈a
,
정 충길b*
,
장 원진c
,
김 성준d
aGraduated student, Department of Civil, Environmental and Plant Engineering, Konkuk University
bPostdoctoral Research Associate, Texas A&M AgriLife Research Center at El Paso
cGraduated student, Department of Civil, Environmental and Plant Engineering, Konkuk University
dProfessor, Department of Civil, Environmental and Plant Engineering, Konkuk University
a건국대학교 공과대학 사회환경플랜트공학과 석사과정
bTexas A&M AgriLife Research Center at El Paso 박사 후 연구원
c건국대학교 공과대학 사회환경플랜트공학과 석사과정
d건국대학교 대학원 사회환경플랜트공학과 교수
* Corresponding Author
License (open-access):

©It is identical to the Creative Commons Attribution Non-commercial License (http://creativecommons.org/licenses.by-nc/3-0/)

ABSTRACT

This study performed to simulate the watershed storm runoff using data of S-band dual-polarization radar rain, GPM (Global Precipitation Mission) satellite rain, and observed rainfall at 21 ground stations operated by KMA (Korea Meteorological Administration) respectively. For the 3 water level gauge stations (Sancheong, Changchon, and Namgang) of NamgangDam watershed (2,293 km2), the KIMSTORM2 (KIneMatic wave STOrm Runoff Model2) was applied and calibrated with parameters of initial soil moisture contents, Manning’s roughness of overland and stream to the event of typhoon CHABA (82 mm in watershed aveprage) in 5th October 2016. The radar and GPM data was corrected with CM (Conditional Merging) method such as CM-corrected Radar and CM-corrected GPM. The CM has been used for accurate rainfall estimation in water resources and meteorological field and the method combined measured ground rainfall and spatial data such as radar and satellite images by the kriging interpolation technique. For the CM-corrected Radar and CM-corrected GPM data application, the determination coefficient (R2) was 0.96 respectively. The Nash-Sutcliffe efficiency (NSE) was 0.96 and the Volume Conservation Index (VCI) was 1.03 respectively. The CM-corrected data of Radar and GPM showed good results for the CHABA peak runoff and runoff volume simulation and improved all of R2, NSE, and VCI comparing with the original data application. Thus, we need to use and apply the radar and satellite data to monitor the flood within the watershed.

Keywords
Radar
GPM
Kriging
KIMSTORM2
Conditional merging

본 연구에서는 비슬산 이중편파 Radar 자료와, GPM 위성자료 및 21개 (Korea Meteorological Administration, KMA) 지상강우자료를 활용하여 분포형 강우-유출 모형(KIneMatic wave STOrm Runoff Model2, KIMSTORM2)을 이용해 남강댐 유역(2,293 km2)을 대상으로 유출해석을 수행하였다. 모형의 유출 해석은 2016년 10월 5일 02:00∼09:00 총 8시간 동안 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA)를 대상으로 하였으며, Radar 및 GPM 자료와 조건부합성(Conditional Merging, CM) 기법을 적용한 Radar (CM-corrected Radar) 및 GPM (CM-corrected GPM) 자료를 각각 활용하여 결과를 비교하였다. 이 때, 공간 강우자료에 유출 검보정은 남강댐 유역 내 3개의 수위관측 지점(산청, 창촌, 남강댐)을 대상으로 실시하였으며, 모형의 매개변수 초기토양수분함량, 지표와 하천의 Manning 조도계수를 이용하여 검보정하였다. 유출 결과는 결정계수(Determination coefficient, R2), Nash-Sutcliffe의 모형효율계수(NSE) 및 유출용적지수(Volume Conservation Index, VCI)를 산정하였다. 그 결과 CM-corrected Radar, GPM 자료가 평균 R2는 0.96, NSE의 경우 0.96, 유출용적지수(VCI)는 1.03으로 가장 우수한 결과를 나타내었다. 최종적으로 CM 기법을 이용한 보정된 공간분포자료는 기존의 자료에 비해 시공간적으로 정확한 홍수 예측에 사용 될 것으로 판단된다.

키워드
GPM
KIMSTORM2
Distributed rainfall-runoff model
조건부합성 기법

MAIN

  • 1. 서 론

  • 2. 연구지역 및 방법론

  •   2.1 연구지역

  •   2.2 연구방법

  •   2.3 연구자료

  •   2.4 강우자료 비교

  • 3. 결과 및 고찰

  •   3.1 모형의 보정

  •   3.2 분포형 유출해석 결과

  • 4. 결 론

1. 서 론

국민안전처의 재해연보에 따르면 최근 몇 년간 이상기후에 따른 집중호우로 인해 홍수피해가 빈번히 발생하고 있다. 특히, 최근 3년 동안(2014∼2016) 태풍 나크리(NACRI), 고니(GONI), 차바(CHABA) 등 한해에 3개 이상의 태풍이 우리나라에 영향을 주며 22번의 집중호우로 인해 8명의 인명피해와 4,269 억원의 재산피해가 발생하였다. 이에 효과적인 대응으로서 강우의 시공간적인 특성의 파악에 따른 정확한 홍수 예측이 요구된다(Jung et al., 2017).

시공간적인 강우특성을 파악하기 위해, Radar와 Global Precipitation Mission (GPM) 위성 같은 공간적 특성을 가지는 자료의 활용성이 커지고 있다(Jung et al., 2014; Ahn et al., 2015; Jung et al., 2017). Radar 및 GPM과 같은 자료들은 지상관측지점 사이에 위치한 지역의 강우정보 또는 지상강우관측에서 획득 할 수 없는 미계측 유역에 대한 강우자료를 제공할 수 있는 장점을 가지고 있어(Jung et al., 2017) 국내 및 국외에서 강우의 정량적 특성을 파악하는 연구가 활발히 진행되고 있다(Jang et al., 2003; Baik et al., 2018). 그러나 Radar의 경우 단기 및 초단기 예측이 가능하나 비용 및 설치 등의 한계로 국한된 특정 지역에서만 기상예보와 관련된 연구들에 사용되고 있다(Kim et al., 1999). 이를 극복하기 위한 방법으로 위성영상 자료를 활용할 수 있다. 인공위성의 경우에는 Radar와 같이 한정적인 계측 지역을 벗어나 미계측 지역을 관측할 수 있기 때문에, 광범위한 범위에서의 기상, 지표변화에 대해서 관측할 수 있어서 미계측 지역에서의 연구가 늘어나고 있다(Kim et al., 2014; Baik et al., 2018). 특히, 인공위성을 통하여 강우를 관측하기 위해, National Aeronautics and Space Administration (NASA)의 열대 강우 측정 임무를 가지고 발사된 Tropical Rainfall Measuring Mission (TRMM)은 육지와 해양에서의 강수 관측을 목적으로 발사되었으며, 1997년 10월부터 2015년 6월까지 강수 유무, 강수형태, 강수량 측정, 강수 입자의 분포 등 여러 자료들을 산출하여 다양한 연구 분야에서 활용되어왔다(Seo, 2012; Worqlul et al., 2014; Li, 2015; Baik et al., 2015; Baik et al., 2016; Baik et al., 2018). 이후 2014년 2월에 GPM 위성이 발사되어 전 지구적으로 광범위한 영역에서의 강우를 관측하고 있으며, 여러 지역에서의 정확도 검증 및 보정을 위해 많은 연구가 진행되고 있다(Wang and Lu, 2016; Sharifi et al., 2016; Baik et al., 2018). Sharifi et al. (2016)은 GPM 위성의 활용 가능성을 파악하기 위하여, 연구지역인 이란의 4지역(kermanshah, tehran, bushehr and guilan areas)에서 2014년 3월부터 2015년 2월까지 기간 동안의 TRMM 3B42, ERA-INTERIM, GPM-IMERG 자료들을 일/월단위 자료로 검증하였다(Baik et al., 2018).

하지만, 원격탐사시스템(Radar 및 GPM) 자료들을 통한 관측은 지상관측의 정량적인 개념이 아닌 간접적인 추정이기 때문에 불확실성이 높은 단점을 내포하고 있다(Kang et al., 2017; Baik et al., 2018). 인공위성 자료의 시공간적인 분포성이 높다는 사실은 잘 알려져 있으나, 직접적인 관측이 아니기 때문에 정확도에 대한 문제를 가지고 있는 것이 현실이다(Kim et al., 2017; Baik et al., 2018). 이러한 단점을 보완하기 위한 목적 및 수문기상자료에 대한 정확도 개선의 필요성이 증가하면서 선행연구들에서는 문제를 해결하기 위하여 인공위성과 지점자료를 활용하여 자료의 보정 및 상세화 기법에 대한 연구들이 진행되어왔다(Berndt et al., 2014; Baik et al., 2016; Lee et al., 2016; Baik et al., 2018).

본 연구에서는 남강댐 유역을 대상으로 2016년 10월에 Radar, GPM 위성으로 관측된 강우사상 태풍 차바(CHABA)에 대해서 지상강우자료와의 정량적인 차이를 분석하고 이를 보정하기 위한 방법으로 1) 지상강우 자료의 크리깅(Kriging) 기법을 통해 공간내삽자료와 2) 지상 지점강우자료와 Radar, GPM 각각의 자료의 조건부합성(Conditional Merging, CM)으로부터 산정된 CM 공간강우자료를 분포형 모형에 적용하여 보정된 강우자료에 대한 대상유역의 홍수유출 활용성을 평가하고자 한다.

2. 연구지역 및 방법론

2.1 연구지역

국민안전처의 재해연보에 따르면 2016년 국내 자연재해 현황 중 10월 3일∼6일 태풍 차바(CHABA)로 인해 전체 74%인 2,150 억원의 재산피해가 발생하였으며, 특정 경상도 지역에 많은 비가 내렸다. 본 연구는 2016년 10월 5일 02:00∼09:00 총 8시간 동안 대상유역인 남강댐 유역(2,293 km2)에 1시간 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA)를 강우 이벤트로 선정하였으며, Fig. 1 과 같은 순서로 연구를 진행하였다. 남강댐 유역(2,293 km2)은 낙동강 제1지류인 남강의 낙동강 합류점으로부터 약 80 km 상류지점에 위치한 남강다목적댐의 직상류부에 위치하고 있다. 해발 300 m 이상의 지역이 유역면적의 56%를 차지하고 있으며, 약 33%가 지리산을 중심으로 분포하고 있다. 남강댐 유역의 경우 여름철에 몬순기후와 남해안의 난류가 어우러져 태풍을 동반하는 다우지역으로 강우 발생 시 유량의 집중도가 높은 지역이다(Jung et al., 2008; Ahn et al., 2013; Ahn et al., 2015; Jung et al., 2017). Fig. 2에는 대상유역 근처의 강우관측소(21개소) 및 수위관측소(3개소) 현황을 나타내고 있으며, GPM 및 지점강우의 비교분석 및 모형의 보정을 위한 수위관측소는 각각 산청(SC), 창촌(CC), 그리고 남강댐유입부(NR) 3개 지점자료를 이용하였다. 소유역의 경계는 3개의 수위관측소 지점을 기준으로 분할하였다(Jung et al., 2017). 또한, 21개 KMA 강우 관측 지점자료로부터 공간 보간된 Kriging 강우 자료의 검증을 위해 21개 KMA 강우 관측 지점에 포함되지 않은 시천(Shicheon) 강우 지점을 대상으로 leave-one-out 교차 검증 방법을 사용하였다(Fig. 2).

http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F1.jpg
Fig. 1.

Flowchart of this study

http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F2.jpg
Fig. 2.

Location of Namgang Dam watershed

2.2 연구방법

2.2.1 KIMSTORM2 모형의 개요

본 연구에서 적용한 KIneMatic wave STOrm Runoff Model (KIMSTORM)은 Kim, (1998)에 의해 개발된 모형으로 격자 물수지(cell-based water balance) 기법을 이용하여 지표흐름과 지표하 흐름을 모두 고려한 분포형 강우-유출모형이다. KIMSTORM은 격자물수지법을 이용함으로써 음해기법에 비해 모형의 구조 및 계산이 간단한 것이 특징이며 Kim et al. (1998)에서는 연천댐 유역(1,875 km2), Hong et al. (2010)은 용담댐유역(930 km2), 그리고 Kim and Chae (2000)은 이평교 유역(76 km2) 등의 강우유출 모의에 적용된바 있다. 그러나 KIMSTORM은 UNIX 운영체제를 기반으로 하며 모형의 입출력자료 처리를 위한 구조가 정형화되어 있지 않아 공간입력자료, 강우자료 및 매개변수 설정을 위하여 소스코드 수정이 불가피하고 모의결과의 평가 및 가시화에 다소 불편함이 있으며, 최근 분포형 강우유출 모형에 많이 적용하는 공간강우의 입력처리가 매우 어렵다. 이에 따라 Jung et al. (2008)은 KIMSTORM의 적용이론과 구조 및 성능을 개선하고 모형구동환경을 MS Window 운영 체제로 전환하고 개발언어를 FORTRAN 90으로 채택한 KIMSTORM2를 개발하였다. 이후 개발된 모형은 충주댐 유역(Jung et al,, 2010a; Jung et al., 2010b; Ahn et al., 2014), 남강댐 유역(Ahn et al., 2013; Ahn et al., 2015; Jung et al., 2017)에 적용된 바 있다.

본 연구에서 적용한 KIMSTORM2 모형은 대상유역을 일정한 크기의 격자로 구성하고, 각각의 셀에 대한 지형, 지표 및 토양의 물리적인 특성들을 매개변수로 하여 주어진 시간간격별로 침투, 침루, 지표 및 지표하 유출, 가정된 기저유량을 산정한 후 격자물수지법에 의해 흐름경로를 따라 인접한 셀들로부터 유입량과 중심 셀에서의 유출량에 대한 물수지를 계산함으로써 유역의 전반적인 수문량에 대한 시간적 변화와 공간적인 분포를 파악할 수 있는 모형이다. 유출해석을 위하여 지표셀은 3개층(지표, 불포화 및 포화지표, 및 하층)으로, 하천셀은 단일층으로 구성되어 있으며 각각의 셀에 대해 상기 식들에 의하여 계산된 결과들을 이용하여 격자물수지가 계산되며, 임의 시간에 계산된 격자별 물수지 결과는 각 격자의 물수지 변화를 추적하게 된다(Kim, 1998). 모형의 격자 물수지 구조의 지표와 토양층에 대해 Eqs. (1) and (2)의 물수지식을 적용하고 있다(Jung et al., 2010a; Jung et al., 2017).

$$\begin{array}{l}\frac{dS_i}{dt}=P(t)_i-F(t)_i+\sum Q_{surf\cdot\;in\cdot\;i}-Q_{surf\cdot\;out\cdot\;i}\\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\mathrm{dsfor}\;\mathrm{overland}\;\mathrm{flow}\\=P(t)_i+\sum Q_{surf\cdot\;in\cdot\;i}-\sum Q_{sub\cdot\;out\cdot\;i}\mathrm d\\\;\;\;+Q_{bf\cdot\;in\cdot\;i}-Q_{surf\cdot\;out\cdot\;i}\\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\mathrm{for}\;\mathrm{stream}\;\mathrm{flow}\end{array}$$ (1)
$$\frac{dSW_i}{dt}=F(t)+\sum Q_{sub\cdot\;in\cdot\;i}-Q_{sub\cdot\;out\cdot\;i}-DR(t)_i$$ (2)

여기서, i는 셀주소, Si는 저류량(m3), P(t)i는 강우량(m3), F(t)i는 침투량(m3), Qsurf․ in ․ i는 셀i에 인접한 셀의 지표층으로부터의 유입량(m3/s), Qsurf․ out ․ i는 지표층의 유출량(m3/s), Qsurf․ in ․ i는 셀i에 인접한 셀의 불포화 지표하층으로부터의 유입량(m3/s), Qsurf․ out ․ i 는 불포화 지표층의 유출량(m3/s), Qbf․ in ․ i는 포화 지표하층으로 침루된 용적으로부터 가정한 기저유입량(m3/s), SWi는 불포화층의 격자토양수분(m3), DR(t)i는 침루량(m3), t는 시간간격(sec)이다(Jung et al., 2008; Jung et al, 2017).

2.2.2 조건부합성 기법

Ehret (2002)와 Pegram (2002)에 의해 제안된 조건부합성(Conditional Merging, CM) 기법은 Radar 및 GPM 공간강우자료의 보정을 위해 제안되었으며, 국내외에서 Radar 및 GPM 자료를 이용한 연구들에 활용되었다(Baik et al., 2018). 공간강우자료(Radar 및 GPM)을 이용하여 측정한 강우량의 분포패턴과 우량계를 이용하여 직접 측정한 강우량을 합성하는데 사용하였다. 또한 CM 기법은 지질통계학적 접근 방법인 크리깅(Kriging)한 변수 값이 없을 때 내삽을 통해 변수 값을 추정하는 지질 통계학적 접근 방법이다(Kim and Jung, 2016).

본 연구에서는 Radar 및 GPM 자료를 각각 이용하여 CM 기법을 수행하였으며, 다음과 같은 순서로 진행하였다. 1) 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에 대해 수집한 실측 강우자료를 Kriging 기법을 통해 공간보간을 실시하였다. 선행연구 Baik et al. (2016) 및 Baik et al. (2018)에서는 실측 강우자료를 역거리가중법(Inverse Distance Weighting, IDW)을 이용해 공간보간을 실시하였다. 두 기법의 차이는 IDW 기법의 경우 실측점 사이의 값을 추정하는 것에 비해 Kriging 기법은 주변의 많은 측정 값을 통계적으로 분석하여 값을 추정하며 실측 값과의 거리뿐만 아니라 주변에 이웃한 각 측정 값 사이의 상관강도를 반영하게 된다. 또한 Kriging 기법은 산지가 많은 지역과 불균질한 지형에 많이 사용되는 것을 고려하여, 본 연구에서는 Kriging 기법을 적용하였다. 2) 그리고 Radar 및 GPM 각각의 자료로부터 지상 관측소 지점과 일치하는 지점에서의 강우 값을 추출하고 추출된 지점 값으로부터 Kriging 기법을 이용해 공간보간을 실시하였다. 3) 그 뒤 원시자료(Radar, GPM)와 Kriging 기법을 통해 산정한 자료로부터 잔차(차이)를 산정하고, 산정된 잔차에 Kriging 기법을 통해 공간보간을 실시한 지상 강우 자료를 더해 최종적으로 CM-corrected Radar 및 CM-corrected GPM 강우 자료를 산정하였다(Jung et al., 2017).

2.3 연구자료

2.3.1 GIS 자료 및 공간매개변수

모형에는 DEM, 흐름방향도, 토지피복도, 유효토심도, 토양종류도, 유역경계, 지표경사분포도(slope)가 필수 GIS 자료로 입력된다. DEM은 1:5,000 National Geographic Information System (NGIS) 수치지도를 사용하여 구축하였으며, 흐름방향, 흐름누적 및 하천망이 실제하천의 형태를 고려하면서 정의될 수 있도록 Agree Burn (Hellweger, 1997; Jung and Kim, 2003) 기법을 적용하여 DEM을 전처리하였다(Jung et al., 2017). 토지피복도는 환경부에서 제공하는 토지이용도를 사용하였으며 전체면적의 78%는 산림, 12%는 논, 8%는 밭이 차지한다. 유효토심도 및 토양종류도는 농업과학기술원에서 제공하는 벡터형태의 1:50,000 개략토양도의 유효토심과 토양종류 속성을 격자화하여 사용하였다. 토지피복도, 유효토심도 및 토양종류도는 모두 국가수자원관리종합정보시스템(Water Resources Management Information System, WAMIS)에서 제공받아 사용하였다. 마지막으로 GPM 및 지점강우의 비교분석 및 모형의 보정을 위한 유역경계는 수위관측소를 기준으로 3개의 유역(SC, CC, NR)으로 분할하였다.

2.3.2 전지구강수관측위성(Global Precipitation Mission, GPM) 자료

전지구강수관측위성 GPM 위성은 TRMM의 후속위성으로 기상예측 정확도 개선, 홍수 경보 등과 함께 이상기후의 해명등을 목표를 가지고, 2014년 2월 27일에 미국항공우주국(NASA)와 일본 우주항공연구개발기구(Japanese Aerospace Exploration Agency, JAXA)의 협력을 통해 발사되었다(Baik et al., 2018). GPM 위성의 핵심 센서는 NASA에서 개발한 마이크로파방사계측기(GPM Microwave Imager, GMI)와 JAXA가 일본의 정보통신 연구기구(National Institute of Information and Communications Technology, NICT)에서 제작된 이중파장 강우 Radar (Dual-frequency Precipitation Radar, DPR) 센서를 탑재하고 있으며, TRMM 위성자료보다 더 높은 관측 주기를 가지고 있다(Sharifi et al, 2016; Baik et al., 2018).

본 연구에서는 Integrated Multi-satellitE Retreievals for GPM (GPM IMERG)자료를 사용하였다. GPM IMERG 위성자료는 Level 3 자료로 GPM 단일 위성으로 만든 Level 3 격자 강수량과 구별된다(Jang et al., 2017). 이 자료는 GPM 코어위성 듀얼Radar (DPR), GPM 마이크로파이미저 (GMI)과 마이크로파 센서를 탑재하고 강수량을 산출할 수 있는 모든 마이크로파 협력위성 및 적외(IR) 채널을 탑재한 정지궤도 위성들의 강수량 값을 블렌딩 하였다. 최종적으로 산출된 자료는 30분간 10 km의 해상도 자료이다(Jang et al., 2017). GPM IMERG 자료를 산출하는 방법은 각 기관의 역할을 분담하여 최종 격자화된 자료를 산출한다. NOAA CPC (Climate Prediction Center)에서 CMORPH 칼만필터를 이용하여 마이크로파와 적외센서를 결합한 자료를 제공하며, UC Irvine 대학에서는 적외채널을 이용하여 산출한 강우강도 값을 제공한다. NASA GSFC에서 최종적으로 모든 강수량 자료를 결합하여 수집 제공하게 되며, GPM 자료는 Latency 6시간 후 자료(Early run product), 18시간 후의 자료(Late run product)와 최종적으로 지상관측자료와의 보정한 4개월 후 자료(Final run product)를 생산하여 2014년부터 자료를 제공하고 있다(Jang et al., 2017). 본 연구에서 사용한 GPM 자료는 지상관측자료와 보정한 4개월 후 제공되는(Final run product) 자료로 Radar와 실시간 모의는 어렵지만 미계측 지역 특히 북한 지역 등의 특정 지역에 대한 홍수량 산정 시 정확한 자료의 효용성 판단을 위해 사용하고 있다. 본 연구에서 활용된 GPM 자료는 협정 세계시(Coordinated Universal Time, UTC)을 기준으로 되어있기 때문에 한국 표준시(Korea Standard Time, KST)에 맞춰서 연구를 실시하였으며(KST= UTC+9 (hr)), 시간단위로 모의를 하기 위해 30분 간격의 GPM 자료를 1시간단위 강우자료로 변환하여 사용하였다.

2.3.3 이중편파(S-band dual-polarization) Radar 자료

본 연구에서 한강홍수통제소에서 제공하는 비슬산 이중편파 Radar 자료를 사용하였다. 과거에 수평성분의 전파만을 사용한 단일편파 Radar에 반해 최근 사용되는 이중편파(Dual- polarization) Radar는 수평과 수직성분의 전파를 동시에 사용하여 목표물에 대한 특성정보의 정확도를 향상시켰다(Jeon et al., 2012). 위상변화 정보는 특히 이중편파 Radar에서 중요하다. 수평과 수직 전파가 대기 중 강우입자의 크기나 분포밀도에 따라 다른 경로를 가지기 때문에 차이가 발생하는데, 이 위상 변화량은 집중호우 지역을 분별하고 정확한 강우량을 추정하는데 매우 중요하다.

우리나라 국토교통부는 현재 공간적 강우관측의 정확도 제고를 위하여 강우 Radar 관측망을 구축하고 있으며 일차적으로 낙동강 비슬산에 이중편파(S-band dual-polarization) Radar를 설치하여 2010년부터 운영을 하고 있다. 특히 비슬산 Radar 자료는 우리나라에서는 처음으로 도입된 현업용 이중편파 Radar로 낙동강 유역의 홍수예보에 주로 활용하고 있다(Ahn et al., 2013).

제공된 Radar 자료는 선행연구(Jung et al., 2017)에서 사용되었으며, Radar 강우자료의 추정 알고리즘은 JPOLE (Ryzhkov et al., 2005) 및 CSU (Cifelli et al., 2011) 알고리즘을 이용하여 강우강도를 산정하였고 수평반사도(Zh), 차등반사도(ZDR), 및 비차등위상차(KDP) 변수를 이용하여 각각의 강우 추정치 R(Z), R(ZDR), R(KDP)를 계산한 자료를 제공받았다. 이 중에서 관측강우자료와의 비교하여 정확도가 가장 높게 나타난 R(KDP) 자료를 사용하였다(Jung et al., 2017).

2.4 강우자료 비교

2.4.1 지점, Radar, GPM 강우자료 비교

지상강우 자료의 경우 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에서 시단위 강우자료를 이용하였으며, 구축한 지상강우 자료는 모형의 입력자료 해상도와 동일한 격자크기(500 m)로 Kriging 기법을 활용해 공간 내삽하여 적용하였다(Fig. 3(h)). 또한, 공간 보간된 Kriging 강우 자료의 검증을 위해 21개 KMA 강우 관측 지점에 포함되지 않은 시천(Shicheon) 강우 지점을 대상으로 leave-one-out 교차 검증 방법을 사용하였다.

http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F3.jpg
Fig. 3.

GIS input data for KIMSTORM2 model (Jung et al., 2017)

강우자료 적절성을 평가하기 위해, 결정계수(determination of coefficient, R2), 상대오차(Rs) 및 절대오차(Ra)를 산정하여 비교하였다. R2지수는 1에 가까울수록 관측값과 모의값의 상관성 및 정확도가 높다. Rs는 지상강우를 기준으로 상대적으로 Radar 및 GPM 자료의 과소 또는 과대 추정되는 총 양을 파악하기 위한 지수이며 Ra는 절대적인 오차의 크기를 비교할 수 있는 지수이다(Jeon et al., 2012). Rs 및 Ra는 Eqs. (3) and (4)에 나타낸 것과 같이 계산된다.

$$R_s(\%)=(R-G)/G\times100$$ (3)
$$R_a(\%)=\left|R-G\right|/G\times100$$ (4)

여기서, G는 지상강우 관측값(mm), R은 지상강우관측 위치에 상응하는 지점의 Radar 및 GPM 자료(mm)이며 Rs, Ra는 각각 상대오차(%)와 절대오차(%)이다.

2014년 집중호우 기간에 시천(Shicheon) 지점에서의 Kriging, Radar 및 GPM 자료의 R2은 0.83, 0.82 및 0.81이며 Rs는 각각 –6.3%, –18.3% 및 –7.2%, Ra의 경우 17.2%, 20.8% 및 20.7%으로 산정되었으며(Fig. 4(a)), 2016년 차바(CHABA) 기간의 R2은 0.83, 0.04 및 0.44, Rs는 23.6%, –45.5% 및 28.0%, Ra의 경우 36.6%, 55.4% 및 50.6%으로 산정되었다(Fig. 4(c)). 시천(Shicheon) 지점에서의 누적지상강우량과 각 자료의 누적강우량을 비교한 결과 2014년 기간의 Kriging 자료의 경우 3 mm 편차를 보이는 반면 Radar 및 GPM 자료 모두 각각 경우 74 mm 25 mm 과소 추정되었고, 2016년 기간에서는 Kriging 자료의 경우 6 mm, Radar 자료의 경우 48 mm 과소 추정, GPM 자료는 17 mm 과대 추정되었다.

http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F4.jpg
Fig. 4.

The cumulative rainfall graphs and relationship between observed rainfall and Kriging, Radar and GPM rain data

Figs. 4(b) and 4(d)는 전체 유역평균을 대상으로 나타낸 그래프이며 2014년 기간의 각 Kriging, Radar 및 GPM 자료의 R2는 0.99, 0.95 및 0.96이며 Rs는 0.7%, –23.4% 및 4.5%, Ra의 경우 1.1%, 32.4% 및 13.7%, 2016년 기간의 각 자료의 R2는 0.99, 0.20 및 0.58, Rs는 0.4%, –61.6% 및 14.2%, Ra의 경우 0.5%, 61.6% 및 33.9%으로 산정되었다. 각 자료의 누적강우량 편차는 2014년 기간의 Radar 자료가 41 mm 과소 추정, GPM 자료가 7 mm 과대 추정되었으며. 2016년 기간의 Radar 자료는 49 mm 과소 추정, GPM 자료가 7 mm 과대 추정되었다. 특히, Radar 자료는 2014년 집중호우 기간과 2016년 태풍 차바(CHABA) 기간에 강우의 편차가 각각–23.4%, 61.6%로 크게 나타났다.

이는, Radar 강우가 관측치보다 과소 평가된 선행연구(Ahn et al., 2013; Ahn et al., 2015; Bae et al., 2005; Jung et al., 2017)와 동일한 패턴으로 분석되었다. Radar 자료의 이러한 편차 발생의 원인은 1) Radar 반사인자의 측정오차, 2) Z-R 관계식의 변동성, 3) 강우계 Radar의 상이한 강우 추출(sampling) 방법, 4) 강우계 관측오차 등으로 알려져 있다(Bae et al., 2005). GPM 자료의 경우 과대측정으로 관측오차가 큰 것을 볼 수 있었으며, 특히 여름기간에 많은 오차가 발생한다는 것을 확인하였다. GPM 자료의 이러한 편차 발생의 원인은 한반도의 몬순기후의 영향으로 약 15 mm/day 이상의 강우에서는 상대적으로 높은 발생확률을 갖고 있으며, 이와는 반대로, 약 15 mm/ day 미만에서는 GPM 자료의 강수가 낮은 발생확률을 나타내고 있다(Baik et al., 2018). 본 연구의 대상유역인 남강댐 유역 또한 여름철에 몬순기후와 남해안의 난류가 어우러져 태풍을 동반하는 다우지역으로 강우 발생 시 유량의 집중도가 높은 지역으로 이러한 오차들이 발생하는 것으로 판단된다. 따라서 Radar 및 GPM 관측 자료는 지상관측의 정량적인 개념이 아닌 간접적인 추정이기 때문에 불확실성이 높다는 단점을 내포하고 있기 때문에 자료에 대한 보정이 필요한 것으로 판단되었다(Fig. 4).

2.4.2 조건부 합성 강우자료 비교

본 연구에서는 지상강우의 Kriging 공간내삽자료와 Radar 및 GPM 자료 각각의 CM 기법을 통해 생산된 강우자료를 분포형 모형에 적용하여 보정 강우 자료의 활용성을 평가하였다. Fig. 5(a) 시천(Shicheon) 지점에서 편차가 큰 Radar 및 GPM 자료를 CM 기법을 이용하여 나타낸 CM-corrected Radar 및 GPM CM-corrected GPM 누적 강우 그래프이다.

http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F5.jpg
Fig. 5.

The cumulative rainfall graphs and relationship between observed rainfall and CM-corrected Radar and CM-corrected GPM rain data

기존의 Radar 및 GPM 자료와 CM-corrected Radar 및 CM-corrected GPM 자료를 각각 비교한 결과 R2는 0.04 및 0.44에서 0.91 및 0.79, Rs의 경우 –45.5% 및 28.0%에서 –3.0% 및 27.2%, Ra의 경우 55.4% 및 50.6%에서 16.1% 및 40.6%로 개선되었다. 누적지상강우량과 각 자료의 누적강우량을 비교한 결과 기존의 Radar 및 GPM 자료는 48 mm 과소 추정 및 18 mm 과대 추정에서 CM-corrected Radar 및 CM-corrected GPM 자료는 3 mm 과소 추정, 10 mm 과대 추정으로 기존의 편차가 개선되었다.

Fig. 5(b)은 전체 유역평균을 대상으로 CM-corrected Radar 및 CM-corrected GPM 자료의 누적 강우 그래프이다. 기존의 Radar 및 GPM 자료와 CM-corrected Radar 및 CM-corrected GPM 자료를 각각 비교한 결과 R2는 0.2 및 0.58에서 0.99 및 0.99, Rs의 경우 –61.6% 및 14.2%에서 –1.7% 및 0.6%, Ra의 경우 61.6% 및 33.9%에서 2.3% 및 0.7%로 개선되었다.

누적지상강우량과 각 자료의 누적강우량을 비교한 결과 기존의 Radar 및 GPM 자료는 49 mm 과소 추정 및 7 mm 과대 추정에서 CM-corrected Radar 및 CM-corrected GPM 자료는 1 mm 과소 추정, 0.3 mm 과대 추정으로 전체적으로 CM 기법을 통한 CM-corrected Radar 및 CM-corrected GPM의 자료가 크게 개선됨을 알 수 있다. 따라서 정량적으로 편차가 심한 Radar 및 GPM 자료를 유출모형에 사용할 경우 편차의 크기만큼 모형 매개변수 최적화 과정에서의 매개변수 불확실성이 커짐에 따라 공간 자료의 보정이 필요할 것으로 판단된다(Jung et al., 2017).

3. 결과 및 고찰

3.1 모형의 보정

2016년 태풍 차바(CHABA)에 대한 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 자료를 KIMSTORM2에 적용해 유출 검보정을 진행하였다. 유출 검보정은 상류로부터 산청(SC), 창촌(CC) 그리고 유역 출구점인 남강댐방수로 지점(NR)의 유량자료를 모의결과와 순차적으로 비교하는 방법으로 수행하였다. 모형의 보정을 수행하기에 앞서 KIMSTORM2 모형에서는 공간적으로 분포시키거나 모든 셀에 동일한 값이 입력되도록 설정해야 하는 두 가지 형식의 매개변수가 있다. 공간분포 되어야 하는 매개변수는 토지피복 및 토양의 물리적 특성을 이용하여 작성된 것으로 지표조도계수(nsurf), 포화투수계수(Ksat), 유효투수계수(Ke), 습윤선단 흡인수두(Ψwf), 침루율(fp)이 있다. 이들 매개변수들은 유역 전체에 대하여 조정계수(Adjustment factor)을 설정하여 일괄적인 조정이 될 수 있다. 후자의 경우 하천조도계수(nstr), 하천형상계수(Cstr), 논에서의 최대 여유고(hpf)와 조도계수 조절상수(b), 초기토양포화도(SWini), 침루조절계수(N), 기저유출 발생위치(BFTH) 및 기여상수(BFcnst)가 있다. 본 연구에서는 13개의 매개변수 중 민감도 분석을 통해 주요 매개변수 3개(초기토양수분, 지표조도계수, 하천조도계수)를 선정하여 사용하였다. 모형의 적용성 평가를 위한 목적함수로는 결정계수(Determination coefficient, R2), Nash- Sutcliffe의 모형효율계수(NSE) 및 Du et al. (2007)에서 적용한 바 있는 유출용적 지수(Volume Conservation Index, VCI)를 사용하였다.

보정을 위해 매개변수를 조정한 결과, 초기토양수분의 경우 값이 증가할수록 토양으로의 작게 발생하여 유출용적이 커지게 되고, 조도계수 의 경우 값이 증가할수록 유속이 감소하여 유량의 발생이 감소하게 되어 유출용적이 감소하는 것으로 나타났다. Table 1에 정리된 매개변수는 선행연구 Jung et al. (2017)의 표준매개변수 값을 적용하였고, 각 강우사상에 따라 초기토양수분을 조절하여 부족한 강수에 대해서 조정할 수 있었다. 특히 공간강우분포(Fig. 6)를 보았을 때 가장 강수량이 적게 관측된 Radar 강우자료의 경우 GPM 강우자료의 초기토양수분 값에 비해 90%로 높은 범위로 설정해 주어야 관측자료와 일치하는 경향을 보였다. 공통적으로 CM-corrected Radar 및 CM-corrected GPM 자료는 미계측유역의 부족한 강우와 과대 산정된 강우자료를 보정하였기 때문에 초기토양수분 값이 38∼47%로 작게 값을 조정하여도 잘 보정할 수 있었다.

Table 1. Selected model parameters for model calibration

Station Initial soil moisture (SWimi,%) Manning's roughness coefficient of overland (nsurf) Manning's roughness coefficient of stream (nstr)
Kriging Radar GPM[a] CM-corrected Kriging Radar GPM[a] CM-corrected Kriging Radar GPM[a] CM-corrected
Radar GPM[a] Radar GPM[a] Radar GPM[a]
CHABA (2016.10.05. 02:00 ~ 2016.10.05. 09:00)
SC[b] 50 90 90 70 50 0.144 0.144 0.144 0.144 0.144 0.061 0.061 0.061 0.061 0.061
CC[c] 45 90 45 50 45 0.216 0.216 0.216 0.216 0.216 0.097 0.097 0.097 0.097 0.097
NR[d] 20 90 20 20 20 0.144 0.144 0.144 0.144 0.144 0.041 0.041 0.041 0.041 0.041
Mean 38 90 51 47 38 0.168 0.168 0.168 0.168 0.168 0.066 0.066 0.066 0.066 0.066

[a] Global Precipitation Mission, [b] SanCheong water level station, [c] ChangChon water level station, [d] Namgang Dam water level station
http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F6.jpg
Fig. 6.

Comparison of spatial distributions of Radar, GPM, and CM results during the CHABA period (2016.10.05. 02:00~09:00)

3.2 분포형 유출해석 결과

2016년 태풍 CHABA 기간에 대한 남강댐 유역의 유출해석에 앞서 Kriging 기법을 통해 공간보간된 지상강우, Radar 강우, GPM 강우, CM-corrected Radar 강우 및 CM-corrected GPM 강우 자료를 공간강우분포 그림을 통해 비교하였다(Fig. 6). Fig. 6에서 나타낸 연두색, 파란색, 빨간색 박스 안의 자료는 상단에 표기한 날짜에 대한 각각의 강우자료(Kriging, Radar, CM-corrected Radar, GPM 및 CM-corrected GPM)를 순서대로 나타낸 것이며, 각각의 방법을 통해 관측된 강우사상의 변화는 Radar 자료의 경우 전체 공간적인 흐름을 보여주고 있지만, GPM 자료에 비해 강우량 값이 적게 관측되었으며 10월 5일 05:00에는 강우가 없는 것으로 관측되고 있다. CM-corrected Radar의 경우 Fig. 6에 나타낸 것과 같이 결측된 강우 지점을 보완해줄 뿐만 아니라 Radar 자료의 공간적인 패턴을 반영하는 모습을 확인하였다. GPM 자료에서도 비슷한 양상이 보인다(Fig. 6).

GPM 강우 자료의 경우 Radar로 관측된 강우량과 비교해 보았을 때 적은 강수량에 대해서도 전체적으로 더 많은 강우량이 관측되었으며, 적은 강우에 대해서도 Radar보다 잘 관측하는 것을 볼 수 있다. 특히 10월 5일 06:00에 다른 시간대에 비해 남강댐 중앙 부분이 과대 강우량이 관측되었다. 선행연구 결과 Baik et al. (2018) 및 Kim et al. (2017)에서는 전반적으로 GPM 인공위성 자료가 여름기간 동안의 편향이 높은 것을 의미하며, 여름기간에는 많은 오차가 발생한다는 것을 확인 할 수 있다. 이전 결과로부터 CM 기법은 이러한 오차를 감소시킬 수 있었다.

Table 2에서는 Radar 및 GPM 두 자료의 유출해석 결과를 나타내었다. 모의 결과 전체적인 평균 R2와 NSE 모두 0.72 이상으로 우수한 결과를 나타내었다. CM-corrected Radar 및 CM-corrected GPM 자료의 경우 평균 R2와 NSE가 0.96으로 가장 높았으며 Kriging 자료가 0.95, 0.94 GPM 자료가 0.93, 0.87 순으로 높았다. 이는 CM 기법의 특성상 관측 유량과 가장 편차가 작게 나타나는 것으로 보이며, Radar는 강우 총량에서 차이가 나는 만큼 매개변수 보정 후에도 다른 자료들에 비해 관측 자료와의 상관성이 낮은 것으로 나타났다.

Table 2. Summary of model evaluation

Station R2 NSE VCI
Kriging Radar GPM[a] CM-corrected Kriging Radar GPM[a] CM-corrected Kriging Radar GPM[a] CM-corrected
Radar GPM[a] Radar GPM[a] Radar GPM[a]
CHABA (2016.10.05. 02:00 ~ 2016.10.05. 09:00)
SC[b] 0.97 0.79 0.98 0.97 0.98 0.97 0.64 0.97 0.96 0.97 0.98 0.77 1.18 1.07 0.98
CC[c] 0.94 0.82 0.87 0.95 0.94 0.94 0.79 0.77 0.95 0.94 0.99 0.85 1.53 1.01 1.06
NR[d] 0.93 0.78 0.94 0.97 0.97 0.93 0.74 0.87 0.96 0.97 0.97 0.86 1.39 1.01 1.04
Mean 0.95 0.80 0.93 0.96 0.96 0.94 0.72 0.87 0.96 0.96 0.98 0.83 1.37 1.03 1.03

[a] Global Precipitation Mission, [b] SanCheong water level station, [c] ChangChon water level station, [d] Namgang Dam water level station

CM 기법을 이용한 CM-corrected Radar 및 CM-corrected GPM 자료의 VCI 편차는 모두 3%로 관측치와 매우 유사함을 보였다. 이는, CM 기법이 Radar 및 GPM 자료의 공간 보정으로 전체적인 유출용적을 보완해준 것으로 판단된다. 2016년 10월 5일 02:00∼09:00 총 8시간 동안 유역평균 82 mm 강우량이 발생한 태풍 차바(CHABA) 기간에 R2, NSE 및 VCI에서 동일하게 CM-corrected Radar, CM-corrected GPM이 가장 우수한 것으로 분석돼 본 연구에서 활용한 CM 기법의 적용성을 잘 나타내었다. 3개의 검보정 지점에서 평균 첨두유량과 유출용적은 CHABA 발생시 1127.6 m3/s, 37.9 106m3일 때, Kriging가 1.8% 및 1.1%, Radar의 경우 18.6% 및 16.9%, GPM의 경우 7.8% 및 11.6%, CM-corrected Radar은 1.8% 및 5.0%, CM-corrected GPM은 0.1% 및 2.1%으로 CM-corrected GPM 자료가 가장 편차가 적은 것으로 나타났다(Table 3). 그러나 전체적인 첨두유량과 유출용적의 편차는 Radar 자료를 제외한 각각의 자료에서 큰 차이가 없으며, 수문 곡선의 비교에 있어서 CM-corrected GPM이 더 우수한 모습을 보였다(Fig. 7).

Table 3. Summary of model calibration

Station Average Rainfall (mm) Peak runoff (m3/sec) Runoff volume (106m3)
Obs[a] Kriging Radar GPM[b] CM-corrected Obs[a] Kriging Radar GPM[b] CM-corrected
Radar GPM[b] Radar GPM[b]
CHABA (2016.10.05. 02:00 ~ 2016.10.05. 09:00)
SC[c] 82 1,244.4 1,253.6 831.1 1,127.7 1,214.1 1,250.3 37.8 38.3 28.1 40.8 40.6 38.5
CC[d] 63 198.6 189.1 182.9 188.1 198.1 197.0 7.7 7.4 6.8 8.9 7.8 7.7
NR[e] 71 1,939.8 1,880.1 1,738.2 1,803.8 1,911.1 1,939.9 68.2 66.8 59.7 77.2 71.1 6939
Mean 72 1,127.6 1,107.6 917.4 1,039.9 1,107.8 1,129.1 37.9 37.5 31.5 42.3 39.8 38.7

[a] Observed, [b] Global Precipitation Mission, [c] SanCheong water level station, [d] ChangChon water level station, [e] Namgang Dam water level station
http://static.apub.kr/journalsite/sites/kwra/2019-052-01/N0200520103/images/kwra_52_01_03_F7.jpg
Fig. 7.

Comparison of observed runoff and predicted hydrograph about Radar, GPM and CM method after model calibration: (a) Sancheong (SC), (b) Changcheon (CC) and (c) Namgang Dam (NR) during the CHABA period (2016.10.05. 02:00∼ 09:00)

Fig. 7은 3개의 수위관측소 지점에 대한 검보정 결과를 나타낸 것이다. Fig. 7에서 (a), (b), (c)는 상류부터 산청(SC), 창촌(CC), 및 남강댐 유역출구 지점 (NR)이며 Kriging(검은색 실선)와 CM-corrected Radar(파란색 점선) 및 CM-corrected GPM(빨간색 점선)의 경우 관측값(회색 면적)의 유출량의 변화를 유사하게 따라가고 있는 반면 Radar(파란색 실선) 및 GPM(빨간색 실선) 자료의 경우 다소 미흡한 결과를 보였다. 각 수위관측소 지점에 대해서 첨두유량 도달시간과 비교해 보았을 때 SC 지점에서의 관측 첨두유량 도달시간은 10월 5일 13:00로 나타났고 CC 지점은 14:00, NR 지점은 15:00로 분석되었다.

각각의 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 자료를 비교검토 결과 SC 지점에서 첨두유량 도달시간은 13:00, 14:00, 13:00, 14:00, 14:00으로 Kriging 및 GPM 자료를 제외한 Radar, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 이후에 첨두유량이 발생하였고, CC 지점에서는 16:00, 16:00, 15:00, 16:00, 15:00으로 Kriging, Radar 및 CM-corrected Radar 자료는 2시간 후, GPM 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생하였다. 마지막으로 대상유역 최하단 NR 지점에서 첨두유량 도달시간은 16:00, 17:00, 16:00, 16:00, 16:00으로 분석되었으며 Kriging, GPM, CM-corrected Radar 및 CM-corrected GPM 자료는 1시간 후 첨두유량이 발생한 반면 Radar 자료는 2시간 이후에 첨두유량이 발생하였다. 이는 기존의 Radar 자료의 경우 정량적인 보정 이루어지지 않은 반면 CM-corrected Radar 및 CM-corrected GPM자료는 Kriging 자료를 통해 정량적인 보정이 이루어짐으로써 전체적인 첨두유량의 도달시간 및 유출곡선이 관측값과 거의 유사하게 모의되고 있음을 확인하였다.

4. 결 론

본 연구에서는 남강댐 유역(2,293 km2)에서 2016년 10월 5일 02:00∼09:00 총 8시간 동안 최대강우강도 33 mm/hr, 유역평균 총 강우량 82 mm이 발생한 태풍 차바(CHABA) 강우사상 기간에 조건부합성 기법을 적용해 보정한 GPM (CM- corrected GPM)을 분포형 모형에 적용하여 유출 적용성 평가를 실시하였다. 이 때 보정에 활용한 지상강우 자료는 Kriging 기법을 이용해 공간내삽하여 적용하고, 기존 GPM 강우 자료 및 CM 기법을 통해 보정된 CM-corrected GPM 강우자료를 각각 적용하여 유출 분석을 실시하였다. 또한 선행연구 Jung et al. (2017)에서 진행된 Radar 자료와 비교하여 자료의 효용성 검사를 하였다. 본 연구의 결과를 정리하면 다음과 같다.

1) 지상강우 자료는 남강댐 유역 내 위치한 21개 KMA 강우 관측 지점에서 Kriging 기법을 활용해 공간 내삽하여 적용하였다. 또한 강우자료 검증을 위해 21개 KMA 강우 관측에 포함되지 않은 시천(Shicheon) 지점을 대상으로 leave- one-out 교차 검증 방법을 사용하였다. 강우자료를 평가하기 위해 R2, Rs 및 Ra를 산정하여 비교하였다. 비교 결과, Kriging 자료를 제외한 기존의 Radar 및 GPM 자료는, 누적강우량 편차가 큰 것을 볼 수 있었으며, CM 기법을 이용하여 편차를 보완할 수 있었다.

2) 본 연구에서 사용한 매개변수는 선행연구 Jung et al., (2017)에서 검보정 결과의 표준매개변수를 적용하였다. 적용 결과 Kriging, Radar, GPM, CM-corrected Radar 및 CM-corrected GPM 각각의 자료 모두 모의 유출량이 관측 유출량에 비해 부족하게 모의 되었고, 이는 각 강우사상에 따라 강우량 차이로 분석되며 부족한 유출량의 경우 초기토양수분 매개변수를 38∼90% 범위로 조정하여 조절할 수 있었다. CM-corrected Radar 및 CM-corrected GPM의 경우 결측된 강우를 보완하고 과대 추정된 강우량을 조절하는 특징에 의해 38∼47%로 다른 자료보다 낮게 조정하여도 잘 보정할 수 있었다.

3) 조정한 매개변수를 바탕으로 분포형 모형의 유출해석 결과, 전체적인 평균 R2, NSE 모두 0.72 이상으로 우수한 결과를 나타내었다. CM-corrected Radar 및 CM-corrected GPM의 자료가 0.96으로 가장 높았으며 유출용적편차(VCI) 또한 CM-corrected Radar와 CM-corrected GPM이 3% 편차로 가장 작게 예측됨으로써 관측치와 거의 흡사함을 보였다. 이는 CM 기법의 특성상 관측 유량과 가장 편차가 작게 나타나는 것으로 보인다. Radar 자료의 경우 강우 총량에서 차이가 나는 만큼 매개변수 초기토양수분함량을 조절하여 보정하여도 다른 자료들에 비해 관측 자료와의 상관성이 낮은 것으로 나타났다. 이러한 결과들은 Figs. 6 and 7에서도 볼 수 있었다. 지상강우를 보정한 Kriging 자료 공간분포에 비해 Radar 자료는 강우가 적게 관측되었으며, GPM 자료는 과대 측정되었다. 이러한 자료의 불확실성은 CM 기법을 이용하여 보완할 수 있었다.

본 연구에서 활용한 GPM 위성자료는 기존의 Radar보다 정확한 강우의 공간 분포를 제공하며 상세하게 강우분포의 특성을 표현할 수 있었으며, 강우의 분포 및 이동을 효과적으로 모니터링 할 수 있는 장점이 있으나, 강우의 정량적인 측정에 있어서는 과대 추정되는 경향을 보였다.

이러한 관측오차는 CM 기법을 적용하여 Radar 및 GPM 두 자료 간에 갖고 있는 편차를 줄일 수 있었으며 특히, 과대 추정되는 GPM 자료의 강우분포가 조정됨으로써 분포형 모형에 의한 공간유출 및 첨두유출의 합리적인 재현 가능성을 나타냈다. 하지만 본 연구에서는 2016년 태풍 CHABA 기간에 대한 Radar 및 GPM 자료를 비교하였으며, 각 자료를 관측오차를 비교하기 위해서는 추가적인 검증 기간이 필요하다. 따라서, 추가 검증기간을 통해 각 자료의 검증을 수행하고, 표준화된 CM 기법 가중치를 산정하여 관측 자료에 따라 달라지는 보정 결과를 보완하여 미계측 지역에서 추가 활용성을 평가하여야 한다.

Acknowledgements

본 연구는 환경부 물관리연구사업의 연구비지원(18AW MP-B079625-05)에 의해 수행되었습니다.

References

1
Ahn, S. R., Jang, C. H., Kim, S. H., Han, M. S., Kim, J. H., and Kim, S. J. (2013). "Discussion for the effectiveness of radar data through distributed storm runoff modeling." Journal of the Korea Society of Agricultural Engineers, Vol. 55, No. 6, pp. 19-30.
10.5389/KSAE.2013.55.6.019
2
Ahn, S. R., Jung, C. G., and Kim, S. J. (2015). "A study on the effectiveness of radar rainfall by comparing with flood inundation record map using KIMSTORM (Grid-based KIneMatic Wave STOrm Runoff Model)." Journal of Korea Water Resources Association, Vol. 48, No. 11, pp. 925-936.
10.3741/JKWRA.2015.48.11.925
3
Ahn, S. R., Park, H. S., Han, M. S., and Kim, S. J. (2014). "Applicability of Sobaek Radar Rain for Flood Routing of Chungju Dam Watershed." Journal of the Korean Association of Geographic Information Studies, Vol. 17, No. 1, pp. 129-143.
10.11108/kagis.2014.17.1.129
4
Bae, D. H., Kim, J. H., and Yoon, S. S. (2005). "Hydrologic Utilization of Radar-Derived Rainfall (I) Optimal Radar Rainfall Estimation" Journal of Korea Water Resources Association, Vol. 38, No. 12, pp. 1039-1049.
10.3741/JKWRA.2005.38.12.1039
5
Baik, J. J., and Choi, M. H. (2015). "Spatio-temporal variability of remotely sensed precipitation data from COMS and TRMM: case study of Korean peninsula in East Asia." Advances in Space Research, Vol. 56, No. 6, pp. 1125-1138.
10.1016/j.asr.2015.06.015
6
Baik, J. J., Park, J. M., Kim, K, Y., and Choi, M. H. (2018). "Assessment and merging technique for GPM satellite precipitation product using ground based measurement." Journal of Korea Water Resources Association, Vol. 51, No. 2, pp. 131-140.
7
Baik, J. J., Park, J. M., Rye, D. R., and Choi, M. H. (2016). "Geospatial blending to improve spatial mapping of precipitation with high spatial resolution by merging satellite based and ground- based data." Journal of Hydrological Processes, Vol. 30, No. 16, pp. 2789-2803.
10.1002/hyp.10786
8
Berndt, C., Rabiei, E., and Haberlandt, U. (2014). "Geostatistical merging of rain gauge and radar data for high temporal resolutions and various station density scenarios." Journal of Hydrology, Vol. 508, pp. 88-101.
10.1016/j.jhydrol.2013.10.028
9
Cifelli, R., Chandrasekar, Lim, V. S., Kennedy, P. C., Wang, Y., and Rutledge, S. A. (2011). "A new Dual-Polarization Radar Rainfall Algorithm: Application in Colorado Precipitation Events." Journal of Atmospheric and Oceanic Technology, Vol. 28, No. 3, pp. 352-364.
10.1175/2010JTECHA1488.1
10
Du, J., Xie, S., Xu, Y., Xu,, C., and Vijay, P. S. (2007). "Development and testing of a simple physically based distributed rainfall- runoff model for storm runoff simulation in humid forested basins." Journal of Hydrology, Vol. 336, No. 3-4, pp. 334-346.
10.1016/j.jhydrol.2007.01.015
11
Ehret, U. (2002). Rainfall and Flood Nowcasting in Small Catechments Using Weather Radar. Ph. D. dissertation, University of Stuttgart.
12
Hellweger, F.L. (1997). "AGREE-DEM surface reconditioning system." University of Texas, Retrieved from http://www.ce. utexas.edu/prof/maidment/gishydro/ferdi/research/agree/agree.html.
13
Hong, W. Y., Park, G. A., Jeong, I. K., and Kim, S. J. (2010) "Development of a grid-based daily watershed runoff model and the evaluation of its applicability." Journal of Korean Society of Civil Engineers, Vol. 30, No. 5B, pp. 459-469.
14
Jang, C. H., Kwon, H. J., Koh, D. K., and Kim, S. J. (2003). "Adjustment of TRM/PR data by ground observed rainfall data and SCS runoff estimation: Yongdam-dam watershed." Journal of Korea Water Resources Association, Vol. 36, No. 4, pp. 647-659.
10.3741/JKWRA.2003.36.4.647
15
Jang, S. M., Rhee, J. Y., Yoon, S. K., Lee, T. H., and Park, K. W. (2017). "Evaluation of GPM IMERG applicability using SPI based satellite precipitation." Journal of the Korean Society of Agricultural Engineers, Vol. 59, No. 3, pp. 29-39.
10.5389/KSAE.2017.59.3.029
16
Jeon, B. K., Rhee, C. K., Lee, and Kim, Y. S. (2012). "Evaluation of rainfall measurment capability of dual polarization radar." Journal of Korean Society of Hazard Mitigation, Resources Association, Vol. 12, No. 2, pp. 215-224.
10.9798/KOSHAM.2012.12.2.215
17
Jung, C. G., Kim, S. J., Lee, Y. G., Lee, D. Y., and Kim, S. H. (2017). "The applicability of KIMSTORM2 for flood simulation using conditional merging method and radar rain data." Journal of Korea Society of Hazard Mitigation, Resources Association, Vol. 17, No. 6, pp. 483-494.
10.9798/KOSHAM.2017.17.6.483
18
Jung, C. G., Moon, J. W., and Lee, D. R. (2014) "Study on runoff variation by spatial resolution of input GIS data by using distributed rainfall-runoff model." Journal of Korea Water Resources Association, Vol. 47, No.9, pp. 767-776.
10.3741/JKWRA.2014.47.9.767
19
Jung, I. K., and Kim, S. J. (2003). "Comparison of DEM preprocessing method for efficient watershed and stream network extration." Journal of Korean Society of Civil Engineers, Vol. 23, No. 3D, pp. 393-400.
20
Jung, I. K., Lee, M. S., Park, J. Y., and Kim, S. J. (2008). "A Modified Grid-based KIneMatic Wave STOrm Runoff Model (ModKIMSTORM) (I): theory and model." Journal of Korean Society of Civil Engineers, Vol. 28, No. 6B, pp. 697-707.
21
Jung, I. K., Park, J. Y., Joh, H. K., Lee, J. W., and Kim, S. J. (2010a). "Development of stream width and bed-slope estimation equations for preparing data for distributed storm runoff model." Journal of the Korean Society of Agricultural Enginees, Vol. 52, No. 4, pp. 1-10.
10.5389/KSAE.2010.52.4.001
22
Jung, I. K., Park, j. Y., Park, M. J., Shin, H. J., Jeong, H. G., and Kim, S. J. (2010b). "Application of a grid-based rainfall-runoff model using SRTM DEM." Journal of the Korean Association of Geographic Information Studies, Vol. 13, No. 4, pp. 157-169.
23
Kang, N., Joo, H., Lee, M., and Kim, H. S. (2017). "Generation of radar rainfall ensemble using probabilistic approach." Journal of Korea Water Resources Association, Vol. 50, No. 3, pp. 115-167.
24
Kim, K. Y., Park, J. M., Baik, J. G., and Choi, M. H. (2017). "Evaluation of topographical and seasonal feature using GPM IMERG and TRMM 3B42 over Far-East Asis." Atmospheric Research, Vol. 187, pp. 95-105.
10.1016/j.atmosres.2016.12.007
25
Kim, S. H., Kim, K. T., and Choi, Y. S. (2014). "Runoff estimation using rainfalls derived from multi-satellite images." Journal of the Korean Association of Geographic Information Studies, Vol. 17, No. 1, pp. 107-118.
10.11108/kagis.2014.17.1.107
26
Kim, S. J. (1998). "Grid-based KIneMatic Wave STOrm Runoff Model (KIMSTORM) (I): Theory and Model." Journal of Korea Water Resources Association, Vol. 31, No. 3, pp. 303-308.
27
Kim, S. J., and Chae, H. S. (2000). "Groundwater recharge assessment via grid-based soil moisture route modeling." Journal of Korea Water Resources Association, Vol. 33, No. 1, pp. 61-72.
28
Kim, S. J., Chae, H. S., and Shin, S. C. (1998). "Grid-Based KIneMatic Wave STOrm Runoff Model (KIMSTORM) (II): Application (Applied to Yoncheon Dam Watershed)" Journal of Korea Water Resources Association, Vol. 31, No. 3, pp. 309-315.
10.3741/JKWRA.2010.43.3.309
29
Kim, S. J., Shin, S. C., and Suh, A. S. (1999). "Satellite rainfall monitoring: recent progress and its potential applicability." Korean Journal of Agricultural and Forest Meteorology, Vol. 1, No. 2, pp. 142-150.
30
Kim, T. S., and Jung, Y. H. (2016). "Accurate estimation of settlement profile behind excavation using conditional merging technique." Journal of the Korean Geo-Environmental Society, Vol. 17, No. 8, pp. 39-44.
10.14481/jkges.2016.17.8.39
31
Lee, J., Choi, M., and Kim, D. (2016). "Spatial merging of satellite based soil moisture and in-situ soil moisture using conditional merging technique." Journal of Korea Water Resources Association, Vol. 49, No. 3, pp. 263-273.
10.3741/JKWRA.2016.49.3.263
32
Liu, Z. (2015). "Comparison of precipitation estimates between Version 7 3-hourly TRMM Multi-Satellite Precipitation Analysis (TMPA) near-real-time and research products." Atmospheric Research, Vol. 153, pp. 119-133.
10.1016/j.atmosres.2014.07.032
33
Nash, J. E., and Sutcliffe, J. V. (1970). "River flow forecasting though conceptual models part I: A discussion of principle." Journal of Hydrology, Vol. 10, No. 3, pp. 282-290.
10.1016/0022-1694(70)90255-6
34
Pergram, G. G. S. (2002). "Spatial interpolation and mapping of rainfall: 3. optimal integration of rain gauge, radar & satellite-derived data in the production of daily rainfall maps." Progress Report to the Water Research Commission.
35
Rygram, A., Giangrande, S. E., and Schurr, T. J. (2005). "Rainfall Estimation with a Polarimetric Prototype of WSR-88D." Journal of Applied Meteorology, Vol. 44, No. 4, pp. 502-515.
10.1175/JAM2213.1
36
Soe, E. K. (2012). "Rainfall characteristics in the tropical oceans: observations using TRMM TMI and PR." Journal of Korean Earth Science Society, Vol. 33, No. 2, pp. 113-125.
10.5467/JKESS.2012.33.2.113
37
Sharifi, E. R. Steinacker, and B. Saghafian, (2016). "Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in iran: preliminary results." Remot Sensing, Vol. 9, No. 2, pp. 135.
10.3390/rs8020135
38
Wang, W., and Lu, H. (2016). "Evaluation and comparison of newest GPM and TRMM products over Mekong river basin at daily scale." Proceedings Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International, pp. 613-616.
10.1109/IGARSS.2016.7729153
39
Worqlul, A. W., Maathuis, B., Adem, A. A., Demissie, S. S., Langan, S., and Steenhuis, T. S. (2014). "Comparison of rainfall estimations by TRMM 3B42, MPEG and CFSR with ground observed data for the Lake Tana basin in Ethiopia." Hydrology and Earth System Sciences, Vol. 18, No. 12, pp. 4871-4881.
10.5194/hess-18-4871-2014
페이지 상단으로 이동하기