FOA를 이용한 홍수범람도 구축에서 불확실성 요소의 민감도 분석 Sensitivity Analysis of Uncertainty Sources in Flood Inundation Mapping by using the First Order Approximation Method원문보기
홍수위험관리에서 홍수범람도는 가장 기본적인 자료로 사용되고 있다. 그러나 홍수범람도 구축과정에서 다양한 형태로 불확실성이 발생하기 때문에 이는 정확한 홍수 방재계획 수립에 걸림돌로 작용할 수 있다. 그러므로 불확실성 요소를 제거하거나 개선하여 홍수범람도의 정확성을 향상시키는 것이 필요하나, 모든 불확실성을 완벽하게 제거하는 것은 경제적 타당성과 홍수에 대한 지식의 한계 때문에 불가능하며 매우 비효율적일 수 있다. 또한, 홍수범람도에 전달되는 불확실성 요소의 영향은 다른 환경변수에 따라 다를 수 있기 때문에 다양한 주변 환경의 조건을 고려한 불확실성 요소에 대한 민감도 분석이 필요하다. 이를 통하여 제거해야하거나 개선시켜야할 불확실성 요소의 우선순위를 정함으로써 전략적이면서도 효율적인 홍수위험관리를 유도할 수 있을 것으로 판단된다. 본 연구는 주변 환경의 조건에 따라 홍수범람도에 미치는 불확실성 요소의 민감도를 FOA방법을 이용하여 분석하고, 이를 미국 Indiana주 Columbus시 근처의 Flatrock 강에 적용하여 홍수범람도에 가장 큰 불확실성을 전달하는 요소를 선별하였다. 본 연구결과는 하나의 불확실성 요소가 다른 입력변수나 매개변수와 같은 주변 환경에 의해 홍수범람도에 다르게 영향을 준다는 것을 확인하였으며 또한, 대상유역의 홍수범람도 구축과정에서 가장 큰 불확실성 요소는 지형자료로 판명되었다.
홍수위험관리에서 홍수범람도는 가장 기본적인 자료로 사용되고 있다. 그러나 홍수범람도 구축과정에서 다양한 형태로 불확실성이 발생하기 때문에 이는 정확한 홍수 방재계획 수립에 걸림돌로 작용할 수 있다. 그러므로 불확실성 요소를 제거하거나 개선하여 홍수범람도의 정확성을 향상시키는 것이 필요하나, 모든 불확실성을 완벽하게 제거하는 것은 경제적 타당성과 홍수에 대한 지식의 한계 때문에 불가능하며 매우 비효율적일 수 있다. 또한, 홍수범람도에 전달되는 불확실성 요소의 영향은 다른 환경변수에 따라 다를 수 있기 때문에 다양한 주변 환경의 조건을 고려한 불확실성 요소에 대한 민감도 분석이 필요하다. 이를 통하여 제거해야하거나 개선시켜야할 불확실성 요소의 우선순위를 정함으로써 전략적이면서도 효율적인 홍수위험관리를 유도할 수 있을 것으로 판단된다. 본 연구는 주변 환경의 조건에 따라 홍수범람도에 미치는 불확실성 요소의 민감도를 FOA방법을 이용하여 분석하고, 이를 미국 Indiana주 Columbus시 근처의 Flatrock 강에 적용하여 홍수범람도에 가장 큰 불확실성을 전달하는 요소를 선별하였다. 본 연구결과는 하나의 불확실성 요소가 다른 입력변수나 매개변수와 같은 주변 환경에 의해 홍수범람도에 다르게 영향을 준다는 것을 확인하였으며 또한, 대상유역의 홍수범람도 구축과정에서 가장 큰 불확실성 요소는 지형자료로 판명되었다.
Flood inundation map has been used as a fundamental information in flood risk management. However, there are various sources of uncertainty in flood inundation mapping, which can be another risk in preventing damage from flood. Therefore, it is necessary to remove or reduce uncertainty sources to im...
Flood inundation map has been used as a fundamental information in flood risk management. However, there are various sources of uncertainty in flood inundation mapping, which can be another risk in preventing damage from flood. Therefore, it is necessary to remove or reduce uncertainty sources to improve the accuracy of flood inundation maps. However, the entire removal of uncertainty source may be impossible and inefficient due to limitations of knowledge and finance. Sensitivity analysis of uncertainty sources allows an efficient flood risk management by considering various conditions in flood inundation mapping because an uncertainty source under different conditions may propagate in different ways. The objectives of this study are (1) to perform sensitivity analysis of uncertainty sources by different conditions on flood inundation map using the FOA method and (2) to find a major contributor to a propagated uncertainty in the flood inundation map in Flatrock at Columbus, U.S.A. Result of this study illustrates that an uncertainty in a variable is differently propagated to flood inundation map by combination with other uncertainty sources. Moreover, elevation error was found to be the most sensitive to uncertainty in the flood inundation map of the study reach.
Flood inundation map has been used as a fundamental information in flood risk management. However, there are various sources of uncertainty in flood inundation mapping, which can be another risk in preventing damage from flood. Therefore, it is necessary to remove or reduce uncertainty sources to improve the accuracy of flood inundation maps. However, the entire removal of uncertainty source may be impossible and inefficient due to limitations of knowledge and finance. Sensitivity analysis of uncertainty sources allows an efficient flood risk management by considering various conditions in flood inundation mapping because an uncertainty source under different conditions may propagate in different ways. The objectives of this study are (1) to perform sensitivity analysis of uncertainty sources by different conditions on flood inundation map using the FOA method and (2) to find a major contributor to a propagated uncertainty in the flood inundation map in Flatrock at Columbus, U.S.A. Result of this study illustrates that an uncertainty in a variable is differently propagated to flood inundation map by combination with other uncertainty sources. Moreover, elevation error was found to be the most sensitive to uncertainty in the flood inundation map of the study reach.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 홍수위험관리에서 가장 기본적으로 사용되는 홍수범람도를 구축하는 과정에서 발생할 수 있는 불확실성 가운데 유량, 조도계수, 지형자료 등에 속해있는 오차들을 고려하여 이들이 홍수 범람도에 전달하는 불확실성에 대한 민감도를 FOA방법을 이용하여 분석하였다. 본 연구에서 도출된 결과는 홍수범람도 구축과정에서 불확실성의 요소를 제거하기 위한 판단을 내리는 과정에서 우선순위를 두어 효율적으로 홍수범람도의 정확도를 개선할 수 있는 근거를 제공하였다. 그러나 보다 다양한 대상유역에의 적용과 불확실성의 다른 요소들을 고려한다면 효율적 홍수위험관리에 있어 보다 유용한 자료로 사용될 수 있다고 생각된다.
본 연구에서는 미국 Indiana주 Columbus 근처 Flatrock강 (Flatrock 하도)와 2008년 6월 7일에 발생한 홍수사상에 대하여 홍수범람도 구축에 있어 유량, 조도계수, 지형자료에 속해 있는 오차가 홍수 범람도에 전달하는 불확실성을 FOA 방법을 이용하여 불확실성 전달율을 산정하였다. 본 연구를 통해 얻어진 결론은 다음과 같다.
가설 설정
HEC-RAS는 주하도와 범람원을 포함한 하천하도에 대한 정상류와 비정상류 흐름조건에 대하여 수위를 모의할 수 있는 1차원 모형이다. 만약 주어진 흐름 조건에 대하여 범람원이 저류지로서 그 기능을 한다면 다차원의 수리모형을 이용하는 것이 더 적절할 수 있으나, 본 연구에서는 홍수범람도 구축과정에서의 홍수위 모의를 수행하기 때문에 주하도와 범람원을 하나의 하도로 가정하여 HEC-RAS를 사용하였다. 이러한 가정은 주하도와 범람원에서의 물의 흐름방향이 하천의 중앙선과 평행하다는 것을 의미한다.
하도의 기하학자료와 지형자료는 지리정보시스템(geographic information system; GIS)에서 활용할 수 있는 HEC-GeoRAS를 이용하여 수치표고모델로부터 생성되었다. 본 연구에서 HEC-RAS의 하류의 경계 조건은 등류수심(normal depth)으로 설정하였다.
만약 주어진 흐름 조건에 대하여 범람원이 저류지로서 그 기능을 한다면 다차원의 수리모형을 이용하는 것이 더 적절할 수 있으나, 본 연구에서는 홍수범람도 구축과정에서의 홍수위 모의를 수행하기 때문에 주하도와 범람원을 하나의 하도로 가정하여 HEC-RAS를 사용하였다. 이러한 가정은 주하도와 범람원에서의 물의 흐름방향이 하천의 중앙선과 평행하다는 것을 의미한다. 따라서 수치표고모델(digital elevation model; DEM)로부터 얻어진 하천 횡단면은 주하도와 범람원을 포함하며, 조도계수는 각 토지이용도에 따라 한 단면에 20개까지 설정될 수 있다 HEC-RAS에서 수위는 연속방정식, 에너지방정식 Eq.
제안 방법
그러므로 변수들의 오차 범위를 –0.5부터 +0.5까지 무차원 단위로 변환하여 UPR을 산정하여 변수들의 오차에 의해 전달된 불확실성을 정량적으로 비교분석하였다.
그 이유는 홍수모형은 수문모형, 수리모형, 지형분석 등의 여러 과정이 복합적으로 이루어져 있고, 홍수범람에 대한 지형인자와 같은 요소들의 반응을 수학적으로 표현하기 어렵기 때문이다. 그러므로 본 연구에서는 각 변수들에 대한 홍수범람면적의 회귀분석을 통하여 함수를 만든 후 FOA를 적용하여 민감도 분석을 수행하였다. Fig.
앞에서 언급했듯이, 본 연구에서 민감도 분석은 세 개의 변수(조도계수, 유량, 지형자료) 들에 대하여 수행되었으며, 무작위 변수를 위한 조건은 Table 2에 정리하였다. 또한, 본 연구는 한 변수(대상변수)의 오차가 일정하더라도 다른 변수(조건변수)들의 오차와 결합되어 홍수범람도에 그 오차가 전달되었을 때 다른 변수들의 조건에 따라 대상변수로부터 홍수범람도에 전달되는 불확실성의 양의 변화를 산정하기 위해 Table 3과 같은 시나리오를 만들어 Monte Carlo 모의를 수행하였다. 또한, 변수들의 단위가 모두 다르기 때문에 변수들에 의해 홍수 범람도에 전달되는 불확실성을 직접적으로 비교 분석하는데 어려움이 있다.
본 연구는 홍수위험관리에서 가장 기본적으로 사용되는 홍수범람도를 구축하는 과정에서 발생할 수 있는 불확실성 가운데 유량, 조도계수, 지형자료 등에 속해있는 오차들을 고려하여 이들이 홍수 범람도에 전달하는 불확실성에 대한 민감도를 FOA방법을 이용하여 분석하였다. 본 연구에서 도출된 결과는 홍수범람도 구축과정에서 불확실성의 요소를 제거하기 위한 판단을 내리는 과정에서 우선순위를 두어 효율적으로 홍수범람도의 정확도를 개선할 수 있는 근거를 제공하였다.
본 연구에서 모든 조도계수의 오차는 ±37.5 %의 범위에서 균등(uniform) 확률밀도분포로부터 무작위로 백분율의 형태가 생성되어 초기 조도계수 값에 적용하여 HEC-RAS를 이용한 홍수위모의의 매개변수로 사용되었다(Table 2).
HEC-RAS에 의해 모의된 홍수위는 각 단면에 대하여 산정되며, 홍수범람면적을 산정하기 위해 각 단면에서 모의된 홍수위를 하도 전체에 대해 공간적으로 보간하는 것이 필요하다. 선형, Kriging, Natural Neighbor, Spline, Trend 등과 같은 여러 가지 보간법이 있으나 본 연구에서는 주위 지점의 홍수위를 평균하여 셀값을 추정하는 IDW를 사용하였다(Eq. (3)).
본 연구의 목적은 1) 홍수범람도 구축과정에서 서로 다른 불확실성을 가지는 주변 변수들의 조건의 조합에 따르는 각각의 대상변수들의 불확실성 전달비(uncertainty propagation rate; UPR)를 산정하여 First-order approximation (FOA) 방법을 이용한 민감도 분석을 수행하고; 2) 민감도 분석을 기반으로 대상유역의 홍수범람도의 주 불확실성 요소를 선별하는 것이다. 이를 위해 미국 Indiana 주 Columbus시 Flatrock 강(Flatrock 하도)을 사례대상지로 설정하여 유량, 조도계수, 지형자료에서의 불확실성 요소가 홍수범람도에 미치는 영향을 분석하고자 하였다.
이에 따라, 본 연구에서 홍수범람면적에 대한 지형자료 오차의 민감도를 분석하기 위한 Monte Carlo (MC) 모의를 수행하는 과정에서 지형자료의 오차에 대한 무작위 변수를 ±0.5 m 범위의 정규분포에서 생성하였다.
홍수 모델링과정에서 불확실성의 주 요인인 조도계수, 유량, 지형자료 등 세 개의 변수에 대하여 민감도 분석을 수행하였다. 특히 민감도 분석 과정에서 세 개의 변수 가운데 하나는 대상 변수가 되고 나머지 두 개의 변수들은 대상변수의 오차가 홍수 범람도에 전달되는 과정에서 주어진 조건을 결정하는 조건변수로 고려되었다.
대상 데이터
본 연구의 대상하도인 Flatrock 강은 미국 Indiana 주 Henry 카운티에서 시작하여 Columbus시 근처에서 Driftwood 강과 함께 East Fork White River에 합류하기 전 약 14 km에 걸쳐 흐른다. 본 연구를 위해 선택된 Flatrock 강의 하도는 Columbus시 부근의 약 4 km의 구간이며, 홍수위 모의를 위해서 구축된 횡단면은 11개이고, 횡단면 사이의 평균 간격은 약 350 m이다. 또한, 횡단면의 평균길이는 약 3 km로 비교적 넓은 범람원을 포함하고 있다(Fig.
3). 본 연구에서 사용된 관측 홍수는 2008년 6월 7일에 발생한 미국 인디아나주 남부지방에 큰 피해를 입혔던 100년 빈도보다 큰 규모의 홍수사상이다. 홍수량은 1,769 m3/s이며 이때의 홍수위는 189.
반면, 수위-유량 관계식은 자료측정 과정에서의 오차나 이력현상(hysteresis)으로부터 불확실성이 발생한다. 본 연구에서 유량조건을 선정하기 위해 사용된 수위-유량 관계식은 USGS Columbus지점의 유량관측소에서 제공하는 41개의 짝을 이루는 첨두 유량과 첨두 수위자료를 이용하였다(Fig. 3). 본 연구에서 사용된 관측 홍수는 2008년 6월 7일에 발생한 미국 인디아나주 남부지방에 큰 피해를 입혔던 100년 빈도보다 큰 규모의 홍수사상이다.
본 연구에서 홍수위를 산정하기 위하여 HEC-RAS의 횡단면 자료는 미국지질조사국(United States Geological Survey; USGS) 에서 제공하는 3 m 해상도의 NED (National Elevation Dataset) DEM (Fig. 2b))으로부터 구축되었다. DEM의 수평 및 수직 오차는 홍수범람도 구축에서 발생하는 불확실성의 결정적 요인이 된다.
본 연구의 대상하도인 Flatrock 강은 미국 Indiana 주 Henry 카운티에서 시작하여 Columbus시 근처에서 Driftwood 강과 함께 East Fork White River에 합류하기 전 약 14 km에 걸쳐 흐른다. 본 연구를 위해 선택된 Flatrock 강의 하도는 Columbus시 부근의 약 4 km의 구간이며, 홍수위 모의를 위해서 구축된 횡단면은 11개이고, 횡단면 사이의 평균 간격은 약 350 m이다.
데이터처리
유량의 경우 오차가 증가할수록 홍수범람면적은 전체적으로 선형적인 증가추세를 보이며, 조도계수와 유량의 경우 조건변수들이 작은 값을 가질 때는 홍수범람면적은 비선형적으로 증가하지만 조건변수들이 큰 값을 가질수록 선형적인 증가추세를 보였다. 이에 대해서 각각 회귀분석을 통하여 추세선에 대한 함수를 구축하였고, 모든 추세선에 대한 상관계수는 0.99이상이였다. 각 대상변수별 조건변수의 전체 오차범위를 고려했을 때 유량의 오차로 인하여 발생되는 홍수 범람면적의 범위는 1.
이론/모형
FOA를 이용한 민감도 분석의 Monte Carlo 모의과정에서 무작위 변수(random variable)에 대한 홍수위를 산정하기 위해 Hydrologic Engineering Center River Analysis System (HEC-RAS) 수리모형을 사용하였다. HEC-RAS는 미공병단(United States Army Corps of Engineers; USACE)의 Hydrologic Engineering Center (HEC)에 의해서 개발되었으며, 그 적용이 비교적 간단하기 때문에 하천설계 등 다양한 분야에서 가장 많이 사용되는 수리모형 중 하나이다.
또한, HEC-RAS의 매개변수로 사용되는 조도계수 설정을 위해 30 m 해상도의 2001 NLCD (National Land Cover Data) 토지이용도를 이용하였으며, Moore (2011)가 정리한 2001 NLCD의 분류에 따른 조도계수 값을 이용하였다(Table 1). 초기 조도계수값으로 각 토지이용별 대표값을 사용하였으며, 조도계수의 오차범위는 표고가 비교적 낮은 토지이용에 대하여 Chow (1959)의 조도계수 값에서 최대·최소값에 대한 대표값의 평균차이인 ±37.
하도 중심선, 횡단면, 횡단면 사이의 간격), 하천지형(bathymetry) 자료, 흐름조건, 조도계수, 경계조건(boundary condition) 등이 필요하다. 하도의 기하학자료와 지형자료는 지리정보시스템(geographic information system; GIS)에서 활용할 수 있는 HEC-GeoRAS를 이용하여 수치표고모델로부터 생성되었다. 본 연구에서 HEC-RAS의 하류의 경계 조건은 등류수심(normal depth)으로 설정하였다.
흐름조건의 민감도 분석을 위한 불확실성 범위는 수위유량관계식에 대한 t-test로 검정된 ±95 %에 의해 결정되었기 때문에 흐름조건의 오차는 ±95 %에 해당되는 범위에서 t-분포로부터 무작위로 선택되어 HEC-RAS의 흐름조건으로 사용되었다.
성능/효과
(1) FOA를 적용하기위해 세 개의 입력변수를 포함하는 함수를 구축하는데 어려움이 있기 때문에 각 입력변수에 대한 홍수범람면적의 함수를 회귀분석을 통하여 구축하였고, 이때 모든 함수에 대한 상관계수는 0.99 이상의 값을 보였다. 홍수범람면 적에 대한 각 대상변수의 오차는 조건변수의 모든 오차범위에 대하여 매우 비슷하게 불확실성을 전달시켰다.
(2) 본 연구를 통하여 조건변수들의 영향에 따라 대상변수의 오차가 다르게 홍수범람면적에 전달되는 것이 확인되었다. 불확실성 전달율은 대부분 조건변수들의 오차가 작을수록 증가하였으며 조건변수들의 영향에 의해 구성된 초기 통수능 크기의 영향의 크기가 클수록 대상변수의 불확실성 전달율은 작아졌다.
Table 4는 FOA방법을 이용해 산정된 불확실성 전달율을 보여준다. 각 대상 변수별 무차원 단위 1에 대한 불확실성 전달율은 유량의 경우 0.475~1.570 km2 , 조도계수의 경우 0.494~1.645 km2 , 지형자료에 대하여 0.955~2.341 km2로 산정되었다. 본 연구에서 산정된 대상변수의 오차에 대한 불확실성 전달율은 대부분
99이상이였다. 각 대상변수별 조건변수의 전체 오차범위를 고려했을 때 유량의 오차로 인하여 발생되는 홍수 범람면적의 범위는 1.687~5.385 km2 이며, 조도계수의 경우는 1.684~5.394 km2로 산정되었다. 또한, 지형자료에 대해서 전달된 불확실성의 범위는 1.
59 km2의 가장 작은 불확실성을 전달시켰다. 그러나 그 차이가 매우 적어 조건변수들의 전체 오차범위에 대한 세 변수들의 오차들은 거의 비슷한 불확실성을 홍수범람면적에 전달하는 것으로 나타났다. 조건변수의 전체오차에 대한 결과와는 다르게 시나리오에 의한 세부적인 조건변수들에 대한 각 변수들의 오차에 의해 전달된 홍수범람면적에서의 불확실성은 큰 차이점을 보였다.
불확실성 전달율은 대부분 조건변수들의 오차가 작을수록 증가하였으며 조건변수들의 영향에 의해 구성된 초기 통수능 크기의 영향의 크기가 클수록 대상변수의 불확실성 전달율은 작아졌다. 대상변수의 불확실성의 전달율을 비교했을 때 다른 변수들에 비해 더 큰 민감도를 가지는 지형자료가 본 연구에서 홍수범람도에 가장 많은 불확실성을 전달하는 인자로 판명되었다. 이는 불확실성 전달율만 고려했을 때 본 대상지역에서 홍수범람도의 정확성을 향상시키기 위해서 지형자료의 불확실성 요소를 개선 혹은 제거하는데 가장 큰 우선순위를 두어야 한다는 것을 의미 한다.
335 km2로 가장 큰 변화를 보였다(Case E1). 반면, 조도계수의 오차가 중간값을 가지고, 지형자료의 값이 최대의 오차를 가질 때 유량의 오차는 홍수범람면적에 약 0.538 km2의 가장 작은 불확실성로 전달되었다 (Case F6).
(2) 본 연구를 통하여 조건변수들의 영향에 따라 대상변수의 오차가 다르게 홍수범람면적에 전달되는 것이 확인되었다. 불확실성 전달율은 대부분 조건변수들의 오차가 작을수록 증가하였으며 조건변수들의 영향에 의해 구성된 초기 통수능 크기의 영향의 크기가 클수록 대상변수의 불확실성 전달율은 작아졌다. 대상변수의 불확실성의 전달율을 비교했을 때 다른 변수들에 비해 더 큰 민감도를 가지는 지형자료가 본 연구에서 홍수범람도에 가장 많은 불확실성을 전달하는 인자로 판명되었다.
(4)은 시나리오별 각 변수의 오차에 대한 홍수범람의 면적의 변화를 보여준다. 유량의 경우 오차가 증가할수록 홍수범람면적은 전체적으로 선형적인 증가추세를 보이며, 조도계수와 유량의 경우 조건변수들이 작은 값을 가질 때는 홍수범람면적은 비선형적으로 증가하지만 조건변수들이 큰 값을 가질수록 선형적인 증가추세를 보였다. 이에 대해서 각각 회귀분석을 통하여 추세선에 대한 함수를 구축하였고, 모든 추세선에 대한 상관계수는 0.
368 km2 으로 산정되었다. 이러한 결과로부터 조건변수의 전체 오차범위에 대하여 조도계수가 약 3.71 km2의 가장 큰 불확실성을 전달 시켰으며, 지형자료가 3.59 km2의 가장 작은 불확실성을 전달시켰다. 그러나 그 차이가 매우 적어 조건변수들의 전체 오차범위에 대한 세 변수들의 오차들은 거의 비슷한 불확실성을 홍수범람면적에 전달하는 것으로 나타났다.
그러나 이들 공통점은 두 개의 조건변수 중 하나는 지형자료이며, 나머지 하나의 조건변수는 최대값을 가진다는 점이다. 조건 변수인 지형자료와 최대값을 가지는 또 다른 조건변수의 결합은 대상변수의 가장 작은 오차(-0.5)에서도 홍수위가 높은 비교적 규모가 큰 통수능 조건을 만들고 이로 인하여 넓은 홍수범람면적의 결과로서 조건변수의 변화에 대한 대상변수의 작은 오차(-0.5)에서 홍수범람면적의 차이를 줄여 조건변수 오차증가에 따른 대상변수의 불확실성 전달율을 높일 수 있다(예, Fig. 4에서 Case F3, F6, F9, N3, N6, N9). 또한, 어떤 특정수위에서 갑작스럽게 홍수범람면적을 증가시킬 수 있는 지형형상 변화의 가능성으로 인해 대상변수의 불확실성 전달율을 높일 수 있다.
그러나 그 차이가 매우 적어 조건변수들의 전체 오차범위에 대한 세 변수들의 오차들은 거의 비슷한 불확실성을 홍수범람면적에 전달하는 것으로 나타났다. 조건변수의 전체오차에 대한 결과와는 다르게 시나리오에 의한 세부적인 조건변수들에 대한 각 변수들의 오차에 의해 전달된 홍수범람면적에서의 불확실성은 큰 차이점을 보였다. 예를 들어, 조도계수와 유량의 오차가 모두 최소일 때 지형자료의 오차로부터 홍수범람면적에 전달된 불확실성은 1.
후속연구
본 연구에서 도출된 결과는 홍수범람도 구축과정에서 불확실성의 요소를 제거하기 위한 판단을 내리는 과정에서 우선순위를 두어 효율적으로 홍수범람도의 정확도를 개선할 수 있는 근거를 제공하였다. 그러나 보다 다양한 대상유역에의 적용과 불확실성의 다른 요소들을 고려한다면 효율적 홍수위험관리에 있어 보다 유용한 자료로 사용될 수 있다고 생각된다. 추후 각 요소의 불확실성을 제거하거나 개선하는데 지불되는 비용을 산정할 수 있다면 보다 경제적인 홍수위험관리에 큰 기여를 할 것이다.
, 2008). 따라서 이러한 주변 환경의 조건을 고려한 각각의 입력변수 및 매개변수에 대한 민감도 분석은 제한된 자원과 재정하에서 어떤 불확실성 요소를 우선적으로 감소시켜야 하는지에 대한 정보를 제공함으로써 전략적, 경제적으로 홍수위험관리를 가능하게 할 것으로 판단된다.
그러나 보다 다양한 대상유역에의 적용과 불확실성의 다른 요소들을 고려한다면 효율적 홍수위험관리에 있어 보다 유용한 자료로 사용될 수 있다고 생각된다. 추후 각 요소의 불확실성을 제거하거나 개선하는데 지불되는 비용을 산정할 수 있다면 보다 경제적인 홍수위험관리에 큰 기여를 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
FOA는 어떤 분야에서 적용되어 왔는가?
Benjamin and Cornell (1970)에 의해 제안된 FOA는 결정형 모델(deterministic model)을 이용한 예측에서 다 변수에 의해 전달되는 불확실성을 정량화하는 간단한 방법으로 독립랜덤변수로 구성된 함수에 대한 모멘트 분석에 기초하며, 불확실성을 가지는 각 변수들에 의해 발생하는 모델 결과의 분산 비율을 결정할 수 있다. 이는 수문모형, 해류모형, 지하수모형, 수질모형, 홍수 위험 분석(Lei and Schilling 1994; Sitar et al. 1987; Johnson and Rinaldi 1998; Liu et al. 2001; Zhang et al. 2004; Blumberg and Georgas 2008) 등 많은 분야에서 적용되어 왔다.
민감도 분석 방법에는 어떤 것들이 있는가?
홍수범람모형에서 민감도 분석은 Sobol, Kullback–Leibler entropy, Morris, PEST, RSA (regionalized sensitivity analysis), 회귀분석 등 다양한 방법이 사용되어 왔다. 이러한 다양한 민감도분석 방법 가운데, FOA는 지역적 민감도분석 방법 중 하나로서 UPR을 정량화하는데 사용되었다(Bates and Townley, 1988; Melching, 1992).
보간법의 종류에는 어떤 것들이 있는가?
HEC-RAS에 의해 모의된 홍수위는 각 단면에 대하여 산정되며, 홍수범람면적을 산정하기 위해 각 단면에서 모의된 홍수위를 하도 전체에 대해 공간적으로 보간하는 것이 필요하다. 선형, Kriging, Natural Neighbor, Spline, Trend 등과 같은 여러 가지 보간법이 있으나 본 연구에서는 주위 지점의 홍수위를 평균하여 셀값을 추정하는 IDW를 사용하였다(Eq. (3)).
참고문헌 (27)
Aronica, G., Bates, P. D. and Horritt, M. S. (2002). "Assessing the uncertainty in distributed model predictions using observed binary pattern information within GLUE." Hydrological Processes, Vol. 16, pp. 2001-2016.
Bates, P. D., Horritt, M. S., Aronica, G. and Beven, K. J. (2004). "Bayesian updating of flood inundation likelihoods conditioned on flood extent data." Hydrol. Process, Vol. 18, pp. 3347-3370.
Bates, P. D., Marks, K. J. and Horritt, M. S. (2003). "Optimal use of high-resolution topographic data in flood inundation models." Hydrolog. Process, Vol. 17, No. 3, pp. 537-557.
Benjamin, J. R. and Cornell, C. A. (1970). Probability, statistics and decision making for civil engineers. McGraw-Hill, New York, N.Y.
Blumberg, A. F. and Georgas, N. (2008). "Quantifying uncertainty in estuarine and coastal ocean circulation modeling." J. Hydr. Eng, Vol. 134, No. 4, pp. 403-415.
Hine, D. J. and Hall, J. W. (2006). "Convex analysis of flood inundation model uncertainties and info-gap flood management decisions." 05, Proc. 9th Int. Symp. on Stochastic Hydraulics, Nijmegen, Netherlands.
Johnson, P. A. and Rinaldi, M. (1998). Uncertainty in stream channel restoration. Uncertainty modeling and analysis in civil engineering, B. M. Ayyub, ed., CRC Press, Boca Raton, Fla, pp. 425-437.
Jung, Y. and Merwade, V. (2012). "Uncertainty quantification in flood inundation mapping using generalized likelihood uncertainty estimate and sensitivity analysis." J. Hydrol. Eng, Vol. 17, No. 4, pp. 507-520.
Lei, J. and Schilling, W. (1994). "Parameter uncertainty propagation analysis for urban rainfall runoff modeling." Water Science and Technology, Vol. 29, No. 1-2, pp. 145-154.
Liu, J., Tian, F. and Huang, Q. (2001). "A risk analyzing method for reservoir flood control." Hydrology, Vol. 21, No. 3, pp. 1-3.
Melching, C. S. (1992). "An improved first-order reliability approach for assessing uncertainties in hydrologic modeling." Journal of Hydrology, Vol. 132, pp. 157-177.
Merwade, V., Olivera, F., Arabi, M. and Edleman, S. (2008). "Uncertainty in flood inundation mapping-Current issues and future directions." J. Hydrol. Eng, Vol. 13, No. 7, pp. 608-620.
Milly, P. C. D., Wetherald, R. T., Dunne, K. A. and Delworth, T. L. (2002) "Increasing risk of great floods in a changing climate." Nature, Vol. 415, No. 31, pp. 514-517.
Moore, M. R. (2011). Development of a high-resolution 1D/2D coupled flood simulation of Charles city, Iowa, Master's Thesis, University of Iowa.
Omer, C. R., Nelson, E. J. and Zundel, A. K. (2003). "Impact of varied data resolution on hydraulic modeling and floodplain delineation." J. Am. Water Resour. Assoc, Vol. 39, No. 2, pp. 467-475.
Pilotti, M., Maranzoni, A., Tomirotti, M. and Valerio, G. (2011). "1923 Gleno dam break: Case study and numerical modeling." J. Hydraul. Eng, Vol. 137, No. 4, pp. 480-492.
Purvis, M., Bates, P. D. and Hayes, C. M. (2008). "A probabilistic methodology to estimate future coastal flood risk due to sea level rise." Coastal Eng. Vol. 55, pp. 1062-1073.
Romanowicz, R. J., Kiczko, A. and Osuch, M. (2012). "Influence of model reduction on uncertainty of flood inundation predictions." EGU General Assembly Conference Abstracts, Vol. 14, p. 4688.
Sanders, B. (2007). "Evaluation of on-line DEMs for flood inundation modeling." Advances in Water Resources, Vol. 30, No. 8, pp. 1831-1843.
Sitar, N., Cawfield, J. D. and Der Kiureghian, A. (1987). "First-order reliability approach to stochastic analysis of subsurface flow and contaminant transport." Water Resour. Res, Vol. 23, pp. 794-804.
Vazquez, R. F., Feyen, L., Feyen, J. and Refsgaard, J. C. (2002). "Effect of grid size on effective parameters and model performance of the MIKE-SHE code." Hydrolog. Process, Vol. 16, No. 2, pp. 355-372.
Wang, Y. and Zheng, T. (2005). "Comparison of digital elevation models and understanding of their impact on the flood extent mapping on a coastal floodplain of North Carolina." Nat. Hazards Rev, Vol. 6, No. 1, pp. 34-40.
Weichel, T., Pappenberger, F. and Schulz, K. (2007). "Sensitivity and uncertainty in flood inundation modelling - Concept of an analysis framework." Adv. Geosci, Vol. 11, pp. 31-36.
Zhao, X., Shen, Z., Xiong, M. and Qi, J. (2011). "Key uncertainty sources analysis of water quality model using the first order error method." Int. J. Environ. Sci. Tech, Vol. 8, No. 1, pp. 137-148.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.