선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 연구에서는 실증분석을 통하여 갈수기와 호우기에 적용할 수 있는 통합 홍수 위험도 예측모형 도출이 가능한지 추론하였다. 그리고 서로 다른 두 지역에 모두 적용될 수 있는 단일 예측모형 도출이 가능한지도 검정하였다.
제안 방법
- 강정보, 함안보 지역 홍수 위험도 GFI 값을 예측하는 모형을 갈수기와 호우기로 나누어 도출하였다. GFI에 영향을 미치는 정량변인은 지하수위와 하천수위 차이와 지하수와 하천 간 거리 등을 고려하였으며 정성변인은 토질 특성과 토지이용실태를 활용하였다. 정성변인들은 사전 일원분산분석을 통하여 GFI에 유의한 변수들만 모형에 고려하였으며 수준은 2개로 하여 이진형 변수로 모형에 삽입하였다.
- 그리고 물의 주 근원이 낙동강 수위와 지하수위 차이가 낮을수록 GFI는 커진다. [Table 1]에 예측모형의 목표변수 GFI에 영향을 미치는 정량 인자들을 리스트 하였고 각 인자들이 GFI에 영향을 미치는 양/음 관계를 부호로 표시하였다.
- 강정보, 함안보 지역 홍수 위험도 GFI 값을 예측하는 모형을 갈수기와 호우기로 나누어 도출하였다. GFI에 영향을 미치는 정량변인은 지하수위와 하천수위 차이와 지하수와 하천 간 거리 등을 고려하였으며 정성변인은 토질 특성과 토지이용실태를 활용하였다.
- 포인트 데이터는 지하수위 관측점이 위치한 지하수 관측점에 대한 속성 자료는 관측점 자료를 공간적 분포를 시킨 후 정밀토양도와 토지피복도 도면에 중첩시켜 각 관정별 데이터를 추출하였다. 관측점 인근 100m제곱 셀의 최대 면적비율을 차지하는 속성 자료는 수치지형도를 참조하여 추출하였다.
- 연구에서는 실증분석을 통하여 갈수기와 호우기에 적용할 수 있는 통합 홍수 위험도 예측모형 도출이 가능한지 추론하였다. 그리고 서로 다른 두 지역에 모두 적용될 수 있는 단일 예측모형 도출이 가능한지도 검정하였다. 제 2장에서는 실증분석 데이터로 사용된 함안보, 강정보 지역 관측 데이터를 기술하였으며, 갈수기와 홍수기의 예측모형 도출과 모형의 활용방안을 제 3장에 정리하였다.
- 목표변수 In(GFI)와 수위차이와 거리차이 등의 정량변인들의 회귀계수 추정, 다중공선성 진단, 제거(Backward) 방법에 의한 유의한 변수선택(유의수준 5%), 이상치 진단(스튜던트 잔차 기준 ± 2) 결과를 [Table 4]에 정리하였다.
- 그 연구에서는 지하수 홍수의 강도를 지하수위 상승 시 경사율과 지하 수위 최고치와 지표면 사이의 최소 차이로 정의하였다[5]. 본 연구에서는 국내 기상 및 수문 현황 조건을 고려하여 호우기에는 평균 최고 지하수위 산정을 기간별 지하수위 분포의 백분율을 활용하여 홍수 위험도를 산정하였다[8].
- 갈수기와는 달리 호우기에는 지하수위 상승 시 GFI 값을 결정하는 경사율은 지하수위 상승 시점을 판단할 수 있는 기준 수위에 따라 달라지므로 상승 시점에 대한 정의가 필요하다. 본 연구에서는 지하수위 상승 시점을 기저고수위(Base High Level)로 정의하고 측정기간 동안 지하 수위 분포의 80% 백분위 값을 기저고수위로 설정하였다.
- 보의 물 배출에 영향을 주는 보 지역 토양 특성인 침식등급, 지형, 배수등급, 모암, 경사, 유효 토심, 표토토성, 심토 토성, 수문학적 토양군에 대한 측정값은 정밀토양도를 활용하였고[6], 토지이용 상태는 환경부가 제공하는 환경공간정보서비스[9]의 토지피복도를 활용하였다. 사전 일요인 분산분석을 실시하여 토양 특성과 토지이용 실태 중 GFI에 영향을 주는 변인을 선택하고 선택된 변인의 수준도 GFI에 유의한 영향을 미치도록 조정하였다. [Table 2]에 선택된 정성변인들과 GFI 예측모형 도출을 위하여 사용하게 될 각 변인의 수준(이진형, 앞의 수준 = 0, 나중 수준 = 1)을 정리하였다.
- 보 주변 지역을 호우기에 홍수로부터 보호하려면 홍수 위험도를 예측하고 홍수 안정성이 보장되는 수준 이하로 홍수 위험도를 유지할 수 있도록 인자 수준을 결정하는 예측모형을 도출하는 것이 필요하다. 예측모형의 목표변수는 홍수 위험도이고 설명인자는 보 지역 물 배수에 영향을 미치는 변인인 보 지역 토양 및 지질 특성과 보 물 유입량과 배출량, 그리고 보 수위 관정 수위의 차이 등 수위에 의한 변인이다.
- 예측변인 데이터 수집 시 포인트와 그리드 개념으로 측정하였다. 포인트 데이터는 지하수위 관측점이 위치한 지하수 관측점에 대한 속성 자료는 관측점 자료를 공간적 분포를 시킨 후 정밀토양도와 토지피복도 도면에 중첩시켜 각 관정별 데이터를 추출하였다.
- 관정과 하천 수위 차이, 관정과 하천과의 거리는 정량 예측변인이고 토양특성 및 토지이용실태 변인은 정성적변인이므로 이를 동시에 고려하여 예측모형을 설정하기 위하여 일반선형모형을 적용하여야 한다. 정량변인과 정성변인의 결합효과, 정성변인들의 교호작용을 고려하면 모형의 복잡성으로 추정과 변수선택의 어려움이 있으므로 정량변인들은 회귀분석, 정성요인은 분산분석을 개별적으로 실행하여 유의한 변인들만으로 일반선형모형을 추정하였다[4].
- 정성변인과 정량변인을 동시에 고려하면 모형이 복잡해지므로 정량변인들은 회귀모형, 정성변인들은 분산분석을 통하여 유의한 변수들을 선택하고 유의한 변수들만 삽입하여 예측모형을 추정하였다. 예측모형은 보 지역에 따라 다르고 갈수기와 호우기 기간에 따라 유의적으로 상이하였다.
- GFI에 영향을 미치는 정량변인은 지하수위와 하천수위 차이와 지하수와 하천 간 거리 등을 고려하였으며 정성변인은 토질 특성과 토지이용실태를 활용하였다. 정성변인들은 사전 일원분산분석을 통하여 GFI에 유의한 변수들만 모형에 고려하였으며 수준은 2개로 하여 이진형 변수로 모형에 삽입하였다.
- 예측변인 데이터 수집 시 포인트와 그리드 개념으로 측정하였다. 포인트 데이터는 지하수위 관측점이 위치한 지하수 관측점에 대한 속성 자료는 관측점 자료를 공간적 분포를 시킨 후 정밀토양도와 토지피복도 도면에 중첩시켜 각 관정별 데이터를 추출하였다. 관측점 인근 100m제곱 셀의 최대 면적비율을 차지하는 속성 자료는 수치지형도를 참조하여 추출하였다.
- 호우기는 GFI를 지하수위 상승 시 경사률 tan(α)과 지하수위 최고치와 지표면 사이의 최소 차이(DTWmin ; Depth To Water)의 관계로 측정하였고([Figure 1] 참조) 갈수기에는 GFI를 담수 이후의 갈수기 평균 지하수위(DTWmean) 역수로 측정하였다([Figure 2] 참조).
대상 데이터
- 호우기는 강우 등으로 인하여 지하수위의 변동이 있는 시기로 설정하였으며 갈수기는 강우가 거의 없어 지하수위 변동이 적은 동절기를 포함하여 설정하였다. 본 연구의 실증분석에 사용된 데이터는 낙동강 지역의 2개의 보에서 측정하였다. 보의 위치정보는 정부의 보 안내 페이지에서 찾을 수 있다[7].
- 창녕의 함안보 지역의 경우에는 갈수기 데이터는 2012년 3월~6월, 호우기 데이터는 2012년 7월~10월에 수집하였고, 신천·백천 지역의 강정보 지역은 호우기 데이터는 2012년 5월부터 10월, 갈수기 데이터는 2012년 11월부터 2013년 2월까지 수집하였다[8].
데이터처리
- 본 연구에서 예측모형 도출을 위하여 일반선형모형을 활용하였으므로 모형 적합성을 높이기 위하여 추정 전에 홍수 위험도 포함한 측정형 변수에 대한 Anderson Darling AD-통계량 정규성 검정을 실시하였다[1]. 정규성 검정결과 정규분포를 따르지 않는 변수들은 Box-Cox 정규분포 변환을 실시하여 예측모형에 활용하였다[2].
이론/모형
- 보의 물 배출에 영향을 주는 보 지역 토양 특성인 침식등급, 지형, 배수등급, 모암, 경사, 유효 토심, 표토토성, 심토 토성, 수문학적 토양군에 대한 측정값은 정밀토양도를 활용하였고[6], 토지이용 상태는 환경부가 제공하는 환경공간정보서비스[9]의 토지피복도를 활용하였다. 사전 일요인 분산분석을 실시하여 토양 특성과 토지이용 실태 중 GFI에 영향을 주는 변인을 선택하고 선택된 변인의 수준도 GFI에 유의한 영향을 미치도록 조정하였다.
- 본 연구에서 예측모형 도출을 위하여 일반선형모형을 활용하였으므로 모형 적합성을 높이기 위하여 추정 전에 홍수 위험도 포함한 측정형 변수에 대한 Anderson Darling AD-통계량 정규성 검정을 실시하였다[1]. 정규성 검정결과 정규분포를 따르지 않는 변수들은 Box-Cox 정규분포 변환을 실시하여 예측모형에 활용하였다[2]. 각 변수에 대한 정규분포 변환 결과는 [Table 3]에 정리하였다.
성능/효과
- 홍수위험도에 유의한 예측변인은 해수면 지하수위(회귀계수 부호 양, 높아질수록 홍수 위험도 상승)와 관정지표표고와 낙동강 수위 차이(부호 음, 차이가 낮을수록 홍수 위험도 상승)였다. 두 보 지역의 동일한 예측변인들의 회귀계수 부호는 일치하나 회귀계수의 크기의 차이는 유의하였으므로 보 지역 특성에 따라 단일 예측모형 수립이 불가능함을 알 수 있다.
후속연구
- 토지피복과 같은 정성변인은 통제될 수 없는 인자이고 해수면 기준 지하수위는 강우량에 의해 결정되므로 실제 통제 가능한 변인은 낙동강 수위이다. 그러므로 보 지역 홍수 위험도를 안전 수준으로 유지하기 위한 최대 낙동강 수위를 추정된 예측모형으로부터 다른 변인들의 수준에 따른 적절한 값을 예측하고 통제해야할 것이다. 향후 연구에서는 보다 많은 보 지역에 대한 호우기 GFI 예측모형을 도출하고 이를 일반화 하여 국내 적합 단일 예측모형을 도출할 필요가 있다.
- 그러므로 보 지역 홍수 위험도를 안전 수준으로 유지하기 위한 최대 낙동강 수위를 추정된 예측모형으로부터 다른 변인들의 수준에 따른 적절한 값을 예측하고 통제해야할 것이다. 향후 연구에서는 보다 많은 보 지역에 대한 호우기 GFI 예측모형을 도출하고 이를 일반화 하여 국내 적합 단일 예측모형을 도출할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.