[논문]한국의 적설하중 기준에 대한 평가 및 개선방안

유인상; 김하룡; 정상만

doi:10.12652/ksce.2014.34.5.1421

한국의 적설하중 기준에 대한 평가 및 개선방안
Assessment and Improvement of Snow Load Codes and Standards in Korea 원문보기

대한토목학회논문집 = Journal of the Korean Society of Civil Engineers, v.34 no.5, 2014년, pp.1421 - 1433

유인상 (공주대학교 건설환경공학과) , 김하룡 (공주대학교 건설환경공학부 방재연구센터) , (공주대학교 건설환경공학과) , 정상만 (공주대학교 건설환경공학과)

초록
AI-Helper

본 연구에서는 적설심 빈도분석을 수행하기 위해 우리나라에 가장 적합한 확률분포형과 모수추정방법을 선정하였다. 최적확률분포형으로는 Generalized Extreme Value (GEV), 모수추정방법으로는 확률가중모멘트법이 선정되었다. 선정된 확률분포형과 모수추정방법을 적용하여 우리나라 69개 기상관측소별 적설심 빈도분석을 수행하였다. 빈도분석을 통해 관측소별 빈도별 적설심을 산정하였고 적설심과 눈의 단위중량을 이용하여 적설하중을 산정하였다. 산정된 적설하중 중 100년 빈도 적설하중을 이용하여 ArcGIS 크리깅(Kriging) 기법을 통해 우리나라 설계적설하중 지도를 작성하였다. 또한, 본 연구를 통해 산정된 적설하중과 건축구조기준 및 해설(2009)에서 제시하고 있는 설계적설하중을 비교하여 설계적설하중 기준의 적정성을 평가하였다. 평가결과, 대부분의 지역에서 현재 지상적설하중 기준의 상향조정이 요구되었으며 본 연구를 통해 도출된 결과를 반영하여 보다 합리적인 지역별 설계적설하중을 제안하였다. 본 연구를 통해 제안된 지역별 설계적설하중은 폭설에 대비한 우리나라 전역의 구조물 설계에 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

In this study, appropriate probability distribution and parameter estimation method were selected to perform snowfall frequency analysis. Generalized Extreme Value (GEV) and Probability Weighted Moment Method (PWMM) appeared to be the best fit for snowfall frequency analysis in Korea. Snowfall frequency analysis applying GEV and PWMM were performed for 69 stations in Korea. Peak snowfall corresponding to recurrence intervals were estimated based on frequency analysis while snow loads were calculated using the estimated peak snowfall and specific weight of snow. Design snow load map was developed using 100-year recurrence interval snow load of 69 stations through Kriging of ArcGIS. The 2009 Korean Building Code and Commentary for design snow load was assessed by comparing the design snow loads which calculated in this study. As reflected in the results, most regions are required to increase the design snow loads. Thus, design snow loads and the map were developed from based on the results. The developed design snow load map is expected to be useful in the design of building structures against heavy snow loading throughout Korea most especially in ungaged areas.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

(1) 우리나라의 적설심 빈도해석에 가장 적합한 확률분포형 및 모수추정방법을 선정하기 위해 극치계열의 빈도분석에 탁월하여 세계적으로 널리 사용되는 6가지 확률분포형과 2가지 모수 추정방법을 적용하였다. 적용결과, 우리나라에 가장 적합한 확률분포형으로는 Generalized Extreme Value분포가, 모수 추정방법으로는 확률가중모멘트법이 선정되었다.
(2) 확률가중모멘트법에 의한 Generalized Extreme Value분포를 통해 우리나라 69개 기상관측소에 대해 빈도분석을 수행하여 빈도별 적설심을 추정하였다. 추정된 빈도별 적설심 중 100년 빈도의 적설심을 건설(dry snow)과 습설(wet snow)로 구분하고 100년 빈도 적설하중으로 계산하여 건축구조기준 및 해설 (AIK, 2009)의 지상적설하중 기준과 비교‧평가하였다.
(3) 28개 주요지역에 대해서만 지상적설하중 기준을 제시한 기존의 설계기준 보다 지역을 세분화하여 우리나라 165개 시‧군의 설계적설하중을 제안하기 위해 본 연구를 통해 산정된 100년 빈도 습설적설하중에 안전율 1.2를 부여하고 ArcGIS의 크리깅 기법을 통해 100m 격자의 설계적설하중 지도를 작성하였다. 작성된 설계하중지도를 기반으로 우리나라 165개 행정구역별 설계적설하중을 0.
2를 적용하여 설계적설하중을 제안하였다. 건축구조기준 및 해설(AIK, 2009)에서는 적설하중에 대비하여 건물의 용도 및 규모에 따라 중요도 계수를 0.8-1.2의 값을 사용하도록 제안하고 있으나, 본 연구는 건물의 용도 및 규모를 고려하지 않고 눈의 기상학적인 요소에 초점을 맞추어 설계적설하중을 도출하는 연구로 중요도 최대값인 1.2를 안전율로 적용하였다. 설계기준에는 우리나라 주요 28개 행정구역의 적설하중설계 기준만을 제시한 바 본 연구에서는 ArcGIS의 크리깅 보간 방법을 통해 69개 관측소의 설계적설하중을 100m 격자체계로 Fig.
선정된 확률분포형 및 모수추정방법을 바탕으로 69개 기상관측소별 빈도분석을 수행하여 빈도별 적설심을 산정하였다. 본 연구를 통해 산정된 빈도별 적설심 중 적설하중설계 기준빈도인 100년 빈도에 해당하는 적설심을 단위면적당 하중으로 계산하여 현재 건축구조기준 및 해설(AIK, 2009)에서 제시하고 있는 지역별 지상적설하중 기준 값과 비교하여 설계기준의 적정성을 평가하고 보다 적합한 설계적설하중을 제안하였다. 본 연구를 통해 제안된 설계적설하중은 미계측지역을 포함한 우리나라 전역의 폭설에 대비한 구조물 설계 시 활용이 가능할 것으로 예상된다.
설계적설하중의 설계빈도는 건축구조기준 및 해설(AIK, 2009) 에서 제시하고 있는 100년 빈도로 결정하였다. 본 연구에서 산정된 100년 빈도의 적설심에 눈의 단위중량을 곱하여 단위면적당 눈의 적설하중을 산정하였다. 적설하중은 눈의 상태가 건설(dry snow) 인지 습설(wet snow)인지에 따라 무게가 현저히 다르다.
기상청에 따르면 일반적으로 건설의 중량은 단위체적당 150kgf 이며 습설의 중량은 건설의 2배인 단위체적당 300kgf이다. 본 연구에서는 건설일 때와 습설일 때로 구분하여 각각의 단위중량을 적용하여 Table 5와 같이 설계적설하중을 산정하였다. 기상관측소별로 산정된 설계적설하중을 ArcGIS의 크리깅 보간 방법을 통해 보간하여 설계적설하중 지도를 Fig.
본 연구에서는 빈도분석이 가능한 우리나라 69개 기상관측소의 20년치 이상 연최대치 적설심 자료를 이용하여 최적 확률분포형을 선정하고 빈도분석을 수행하였다. 빈도분석 결과를 기반으로 우리나라의 지상적설하중기준의 적정성을 평가하였으며 주요결과를 정리하면 다음과 같다.
본 연구에서는 지역별 지상적설하중을 산정하기 위하여 우리나라 90개 기상관측소 중 20년 이상의 적설심 자료를 보유한 69개 기상관측소를 선정하였다. 선정된 기상관측소의 연최대치 적설심을 구축하여 우리나라에 가장 적합한 확률분포형과 모수추정방법을 선정하였다. 선정된 확률분포형 및 모수추정방법을 바탕으로 69개 기상관측소별 빈도분석을 수행하여 빈도별 적설심을 산정하였다.
2를 안전율로 적용하였다. 설계기준에는 우리나라 주요 28개 행정구역의 적설하중설계 기준만을 제시한 바 본 연구에서는 ArcGIS의 크리깅 보간 방법을 통해 69개 관측소의 설계적설하중을 100m 격자체계로 Fig. 5와 같이 보간하여 우리나라 165개 행정구역(시/군)에 대하여 설계적설하중을 산정하고 지도를 작성하였다. 현재 우리나라는 232개 시·군·구가 존재하나 특별시, 광역시 및 일반시 내의 구별 적설특성이 유사하여 세부적으로 구단위까지 구분하지 않고 하나의 시단위로 대표하여 설계적설 하중 지도를 작성하였다.
여기서, 실측치는 1960년부터 2013년(54개년) 동안 울릉도 기상관측소에서 수집한 실측 연최대치 적설심 자료를 말하며 추정곡선은 54년 동안의 실측 연최대치 적설심 자료에 12가지 확률분포형을 적용하여 추정한 곡선을 말한다. 실측치와 12가지 추정치의 오차를 분석하는 지표는 상대제곱근 오차(Root Mean Square Error, RMSE), 결정계수(Coefficient of Determination, R² ), 변동계수(Coefficient of Variation, C_v), 왜곡도계수(Skewness Coefficient, C_s), 첨예도계수(Kurtosis, C_k) 5가지로 선정하였다. 상대제곱근오차(RMSE)와 결정계수(R² )는실측구간의 실측적설심과 12가지의 추정적설심과의 오차를 산정 하기 위해 선정된 지표이다.
최적확률분포형 및 모수추정방법 선정 기법은 12가지 빈도별 적설심 추정곡선과 실측치 자료와의 오차를 분석하고 오차가 가장 작은 적설심 곡선을 선정하는 방법이다. 여기서, 실측치는 1960년부터 2013년(54개년) 동안 울릉도 기상관측소에서 수집한 실측 연최대치 적설심 자료를 말하며 추정곡선은 54년 동안의 실측 연최대치 적설심 자료에 12가지 확률분포형을 적용하여 추정한 곡선을 말한다. 실측치와 12가지 추정치의 오차를 분석하는 지표는 상대제곱근 오차(Root Mean Square Error, RMSE), 결정계수(Coefficient of Determination, R² ), 변동계수(Coefficient of Variation, C_v), 왜곡도계수(Skewness Coefficient, C_s), 첨예도계수(Kurtosis, C_k) 5가지로 선정하였다.
, 1992; Briggs and Cogley 1996; Goovaerts, 2000; Lee, 2003; Cho and Jeong, 2006; Park and Kim, 2013). 이와 같은 이유로 본 연구에서는 보간 방법으로 크리깅 보간 방법을 선정하였으며, ArcGIS 프로그램을 통하여 보간 작업을 수행하여 Fig. 3과 같이 빈도별 적설심 지도를 작성하였다. 빈도별 적설심 지도는 기상관측소가 존재하지 않는 미계측지역의 빈도별 적설심을 추정할 때 유용하게 활용될 것으로 판단된다.
2를 부여하고 ArcGIS의 크리깅 기법을 통해 100m 격자의 설계적설하중 지도를 작성하였다. 작성된 설계하중지도를 기반으로 우리나라 165개 행정구역별 설계적설하중을 0.5kN/m² 단위로 등급화하여 각 행정구역별 설계적설하중을 제안하였다. 그 결과, 기존의 지상적설하중 기준이 크게 책정되어 있던 강원도 평창, 속초, 강릉의 경우 기존 지상적설하중과 비교하여 1.
지상적설하중 기준의 평가결과, 기준의 상향조정이 요구됨에 따라 본 연구를 통해 산정된 습설일 경우의 100년 빈도 적설하중에 안전율 1.2를 적용하여 설계적설하중을 제안하였다. 건축구조기준 및 해설(AIK, 2009)에서는 적설하중에 대비하여 건물의 용도 및 규모에 따라 중요도 계수를 0.
(2) 확률가중모멘트법에 의한 Generalized Extreme Value분포를 통해 우리나라 69개 기상관측소에 대해 빈도분석을 수행하여 빈도별 적설심을 추정하였다. 추정된 빈도별 적설심 중 100년 빈도의 적설심을 건설(dry snow)과 습설(wet snow)로 구분하고 100년 빈도 적설하중으로 계산하여 건축구조기준 및 해설 (AIK, 2009)의 지상적설하중 기준과 비교‧평가하였다. 평가결과 건설(dry snow)의 경우 28개 주요 지역 중 13개 지역에서 지상적설하중 기준이 적게 산정되었으며 습설(wet snow)의 경우 27개 지역에서 지상적설하중 기준이 적게 산정되었다.

대상 데이터

본 연구에서는 지역별 지상적설하중을 산정하기 위하여 우리나라 90개 기상관측소 중 20년 이상의 적설심 자료를 보유한 69개 기상관측소를 선정하였다. 선정된 기상관측소의 연최대치 적설심을 구축하여 우리나라에 가장 적합한 확률분포형과 모수추정방법을 선정하였다.
연초과치계열은 임계값 설정시 빈도분석을 수행하는 연구자의 주관적 판단이 개입될 수 있기 때문에 일반적으로 빈도분석에는 연최대치 계열을 사용한다. 본 연구에서도 빈도분석을 위해 69개 관측소별 연최대치 적설심 자료를 이용하였다.
실측 적설심과 12가지 확률분포형 및 모수추정방법에 의한 추정치의 5가지 오차지표에 따른 오차 분석을 69개 관측소를 대상으로 수행하였으며 대표로 울릉도 관측소에 대한 분석결과를 Table 2에 나타내었다. Table 2의 오차(Error)는 실측치와 추정치와의오차이며 순위(Ranking)는 분포형별 오차를 오름차순으로 정렬하여 가장 오차가 작은 분포형에 1순위를, 가장 오차가 큰 분포형에 12순위를 부여하였다.
이에 따라 우리나라 90개 기상관측소 중 1960년∼2013년간 20년 이상의 적설심을 보유하고 있는 69개의 기상관측소를 Fig. 1과 같이 선정하였다.
적설심 빈도분석을 위해 선정된 69개 기상관측소 중 연최대치 적설심 자료보유기간이 가장 긴 관측소는 서울, 인천, 울릉도 관측소 등으로 총 54개년의 자료를 보유하고 있으며 관측기간이 가장 짧은 관측소는 동해 관측소로 총 20개년의 자료를 보유하고 있다. 전체 관측소 중 울릉도에서 가장 높은 연최대치 적설심인 293.

데이터처리

08 (1/12)을 부여하였다. 각 5가지 지표의 정확도(Accuracy)를 평균하여 Table 2 Total의 평균정확도(Average Accuracy)란에 나타내었으며 이 평균정확도를 내림차순으로 정렬하여 가장 정확한 확률분포형의 순위를 결정 하였다. 울릉도 기상관측소의 경우 확률가중모멘트법에 의한 LogPearson TypeⅢ 분포형이 가장 적합한 것으로 나타났으며 다음 순위로는 확률가중모멘트법에 의한 Generalized Extreme Value 분포가 정확한 것으로 나타났고, 확률가중모멘트법에 의한 Gumbel 분포가 가장 부정확한 것으로 나타났다.
3.1 최적확률분포형 및 모수추정방법 선정 기법

기상관측소의 적설심 자료에 가장 적합한 확률분포형 및 모수추정방법을 선정하기 위해 6가지 확률분포형 및 2가지 모수추정방법을 적용하여 빈도분석을 수행하였다. 69개 관측소 중 대표적으로 울릉도 관측소의 적설심 빈도분석결과를 Fig.
선정된 기상관측소의 연최대치 적설심을 구축하여 우리나라에 가장 적합한 확률분포형과 모수추정방법을 선정하였다. 선정된 확률분포형 및 모수추정방법을 바탕으로 69개 기상관측소별 빈도분석을 수행하여 빈도별 적설심을 산정하였다. 본 연구를 통해 산정된 빈도별 적설심 중 적설하중설계 기준빈도인 100년 빈도에 해당하는 적설심을 단위면적당 하중으로 계산하여 현재 건축구조기준 및 해설(AIK, 2009)에서 제시하고 있는 지역별 지상적설하중 기준 값과 비교하여 설계기준의 적정성을 평가하고 보다 적합한 설계적설하중을 제안하였다.
우리나라에 가장 적합한 확률분포형으로 분석된 확률가중모멘트법에 의한 Generalized Extreme Value 분포를 통하여 69개 기상관측소에 대해 빈도분석을 수행하였다. 적용빈도는 Table 4에 제시한 바와 같이 30년, 50년, 80년, 100년, 200년, 500년 빈도이다.

이론/모형

본 연구에서는 적설심의 연최대치 계열을 빈도분석하기 위해 극치계열의 빈도분석에 탁월하고 세계적으로 널리 사용되는 6가지 확률분포형과 2가지 모수추정방법을 적용하였다. 6가지 확률분포형은 Generalized Extreme Value (GEV), Type-Ⅰ Extreme Value (Gumbel), Type-Ⅲ Extreme Value (Weibull), 2-parameters Gamma, 3-parameters Gamma, Log Pearson TypeⅢ이며 2가지 모수추정방법은 모멘트법(Method of Moment)과 확률가중모멘트법(Probability Weighted Moment Method)이다. 모수추정방법 중 최우도법(Method of Maximum Likelihood)은 표본자료의 크기가 작을 때 비효율적이며 해를 구하기 위해서는 Newton-Raphson 방법을 사용하는 등 절차가 복잡하며, 때로는 수렴이 되지 않아 해를 구하지 못하는 경우가 발생하기때문에 본 연구에서는 제외하였다(Yoon, 2007).
반면에 Gumbel 분포는 가장 낮은 정확도를 보였다. 그러므로 본 연구에서는 확률가중모멘트법에 의한 Generalized Extreme Value 분포를 통한 적설심 빈도분석을 수행하였으며 선정된 확률분포형 및 모수추정방법의 기본 이론에 대해서는 3.3절에 설명하였다.
본 연구에서는 건설일 때와 습설일 때로 구분하여 각각의 단위중량을 적용하여 Table 5와 같이 설계적설하중을 산정하였다. 기상관측소별로 산정된 설계적설하중을 ArcGIS의 크리깅 보간 방법을 통해 보간하여 설계적설하중 지도를 Fig. 4와 같이 작성하였다.
따라서 해당 자료에 가장 적합한 확률분포형 및 모수추정방법의 선정은 매우 중요하다고 할 수 있다. 본 연구에서는 적설심의 연최대치 계열을 빈도분석하기 위해 극치계열의 빈도분석에 탁월하고 세계적으로 널리 사용되는 6가지 확률분포형과 2가지 모수추정방법을 적용하였다. 6가지 확률분포형은 Generalized Extreme Value (GEV), Type-Ⅰ Extreme Value (Gumbel), Type-Ⅲ Extreme Value (Weibull), 2-parameters Gamma, 3-parameters Gamma, Log Pearson TypeⅢ이며 2가지 모수추정방법은 모멘트법(Method of Moment)과 확률가중모멘트법(Probability Weighted Moment Method)이다.
(1) 우리나라의 적설심 빈도해석에 가장 적합한 확률분포형 및 모수추정방법을 선정하기 위해 극치계열의 빈도분석에 탁월하여 세계적으로 널리 사용되는 6가지 확률분포형과 2가지 모수 추정방법을 적용하였다. 적용결과, 우리나라에 가장 적합한 확률분포형으로는 Generalized Extreme Value분포가, 모수 추정방법으로는 확률가중모멘트법이 선정되었다.

성능/효과

그 결과, 기존의 지상적설하중 기준이 크게 책정되어 있던 강원도 평창, 속초, 강릉의 경우 기존 지상적설하중과 비교하여 1.14배∼2.67배 크게 산정되었으며 강원도를 제외한 타 지역에서는 기존 지상적설하중이 작게 책정되어 설계적설하중이 일반적으로 2배∼4배 크게 산정되었다.
본 연구를 통해 산정된 100년 빈도 적설하중과 건축구조기준및 해설(AIK, 2009)에서 제시하는 지상적설하중 기준을 비교한결과 건설(dry snow)이 발생할 경우 28개 지역 중 15개 지역의 지상적설하중 기준이 적정한 것으로 나타났으며 13개 지역의 지상 적설하중 기준이 적게 산정된 것으로 나타났다. 습설(wet snow)이 발생할 경우에는 28개 지역 중 강원도 평창군 대관령의 지상적설하중 기준만이 적정한 것으로 나타났으며 나머지 27개 지역의 지상적설하중은 적게 산정된 것으로 나타났다.
설계적설하중 산정결과 큰 순서로 울릉도 11.0kN/m² , 강릉시 8.0kN/m² , 평창군 8.0kN/m² , 정선군 6.5kN/m²로 산정되었으며 울산, 고흥, 거제, 밀양, 여수, 양산, 완도, 통영은 1.0kN/m²로 가장 작게 산정되었다. 최근 폭설에 의해 큰 피해가 발생한 경주의 경우 설계적설하중은 1.
67배 크게 산정되었으며 강원도를 제외한 타 지역에서는 기존 지상적설하중이 작게 책정되어 설계적설하중이 일반적으로 2배∼4배 크게 산정되었다. 설계적설하중이 크게 산정된 지역은 울릉도 11.0kN/m² ,강릉시 8.0kN/m² , 평창군 8.0kN/m² , 정선군 6.5kN/m²로 나타났으며 가장 작게 산정된 지역은 울산, 고흥, 거제, 밀양, 여수, 양산, 완도, 통영으로 1.0kN/m²로 산정되었다.
본 연구를 통해 산정된 100년 빈도 적설하중과 건축구조기준및 해설(AIK, 2009)에서 제시하는 지상적설하중 기준을 비교한결과 건설(dry snow)이 발생할 경우 28개 지역 중 15개 지역의 지상적설하중 기준이 적정한 것으로 나타났으며 13개 지역의 지상 적설하중 기준이 적게 산정된 것으로 나타났다. 습설(wet snow)이 발생할 경우에는 28개 지역 중 강원도 평창군 대관령의 지상적설하중 기준만이 적정한 것으로 나타났으며 나머지 27개 지역의 지상적설하중은 적게 산정된 것으로 나타났다. 건축구조기준 및 해설(AIK, 2009)의 지상적설하중 기준은 습설일 경우가 고려되지 않은 것으로 판단되며 주로 2∼3월달에 발생하는 습설에 대비하여 설계적설하중을 상향해야할 필요가 있을 것으로 평가된다.
각 5가지 지표의 정확도(Accuracy)를 평균하여 Table 2 Total의 평균정확도(Average Accuracy)란에 나타내었으며 이 평균정확도를 내림차순으로 정렬하여 가장 정확한 확률분포형의 순위를 결정 하였다. 울릉도 기상관측소의 경우 확률가중모멘트법에 의한 LogPearson TypeⅢ 분포형이 가장 적합한 것으로 나타났으며 다음 순위로는 확률가중모멘트법에 의한 Generalized Extreme Value 분포가 정확한 것으로 나타났고, 확률가중모멘트법에 의한 Gumbel 분포가 가장 부정확한 것으로 나타났다. Table 2는 69개 기상관측소 중 대표로 울릉도 관측소의 최적확률분포형을 분석한 결과로 나머지 68개 기상관측소에 대해서도 Table 2와 같이 분석을 수행하였다.
본 연구에서 선정된 69개 각각의 기상관측소별 평균정확도 (Average Accuracy)를 평균하여 내림차순으로 정렬하고 정확도가 높은 순으로 순위를 부여하여 Table 3 평균정확도(Average Accuracy)에 나타내었다. 적설심 빈도분석을 위한 우리나라에 가장 적합한 확률분포형은 확률가중모멘트법에 의한 Generalized Extreme Value 분포로 분석되었으며 확률가중모멘트법에 의한 Weibull 분포, 모멘트법에 의한 Log-Pearson TypeⅢ 분포도 정확도가 높은 것으로 나타났다. 반면에 Gumbel 분포는 가장 낮은 정확도를 보였다.
적설심 빈도분석을 위해 선정된 69개 기상관측소 중 연최대치 적설심 자료보유기간이 가장 긴 관측소는 서울, 인천, 울릉도 관측소 등으로 총 54개년의 자료를 보유하고 있으며 관측기간이 가장 짧은 관측소는 동해 관측소로 총 20개년의 자료를 보유하고 있다. 전체 관측소 중 울릉도에서 가장 높은 연최대치 적설심인 293.6cm 가 관측되었으며 제주 서귀포, 전남 고흥, 경북 울진 등에서 가장 낮은 연최대치 적설심인 0.2cm가 관측되었다. 관측소 전체의 평균 연최대치 적설심은 Table 1과 같이 13.
추정된 빈도별 적설심 중 100년 빈도의 적설심을 건설(dry snow)과 습설(wet snow)로 구분하고 100년 빈도 적설하중으로 계산하여 건축구조기준 및 해설 (AIK, 2009)의 지상적설하중 기준과 비교‧평가하였다. 평가결과 건설(dry snow)의 경우 28개 주요 지역 중 13개 지역에서 지상적설하중 기준이 적게 산정되었으며 습설(wet snow)의 경우 27개 지역에서 지상적설하중 기준이 적게 산정되었다. 건축구조기준 및 해설(AIK, 2009)의 지상적설하중 기준은 습설일 경우가 고려되지 않은 것으로 판단되며 주로 2∼3월에 발생하는 습설에 대비하여 지상적설하중 기준을 상향해야할 필요가 있을 것으로 사료된다.

후속연구

본 연구를 통해 산정된 행정구역별 설계적설하중은 기상관측소가 존재하지 않는 미계측지역을 포함한 우리나라 전역의 폭설에 대비한 건축물 설계에 유용하게 활용될 것으로 기대된다.
본 연구를 통해 산정된 빈도별 적설심 중 적설하중설계 기준빈도인 100년 빈도에 해당하는 적설심을 단위면적당 하중으로 계산하여 현재 건축구조기준 및 해설(AIK, 2009)에서 제시하고 있는 지역별 지상적설하중 기준 값과 비교하여 설계기준의 적정성을 평가하고 보다 적합한 설계적설하중을 제안하였다. 본 연구를 통해 제안된 설계적설하중은 미계측지역을 포함한 우리나라 전역의 폭설에 대비한 구조물 설계 시 활용이 가능할 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자연재해 원인별 피해액 순위는 점차 어떻게 변했는가?	최근 전 세계적인 기후변화로 인하여 태풍, 호우를 비롯한 폭설, 한파 등과 같은 자연재난의 빈도와 그 규모가 증대되고 있다. 소방방재청의 재해연보에 따르면 과거 10년간(1993년-2002년)의 자연재해 원인별 피해액은 태풍, 호우, 폭풍, 기타(대설포함) 순이었으나 최근 10년간(2003년-2012년)의 피해액은 태풍, 호우, 대설, 풍랑, 강풍 순으로 대설에 의한 피해액의 비중이 점차 증가하고 있다. 이와 같은 폭설 피해의 증가는 인간 생활에 다양하게 영향을 미치고 있다(Changmon, 1979; Schmidlin, 1993).
	국내의 폭설로 인한 도로가 마비되는 피해로 어떤 사례들이 있는가?	이와 같은 폭설 피해의 증가는 인간 생활에 다양하게 영향을 미치고 있다(Changmon, 1979; Schmidlin, 1993). 그 중 2001년 1월 7일에는 전국적으로 폭풍을 동반한 폭설로 인하여 주택, 비닐하우스 등 6,590억원의 피해액이 발생하였으며, 2004년 3월 4일에는 중부지방에 폭설이 내려 교통과 도로가 마비되었고, 2011년 1월과 2월에 발생한 폭설로 인하여 부산, 강원과 포항 지역의 농업 시설, 포항 제철소와 철강공단 내 도로가 마비되는 피해를 입었다(Kim et al., 2012).
	눈의 상태가 건설과 습설로 나뉘는 기준은 무엇인가?	일반적으로 눈은 습기를 머금은 정도에 따라 건설과 습설로 구분된다. 건설은 영하 10°C 이하로 떨어지는 12월∼1월 추운 날씨에 잘 뭉쳐지지 않는 싸락눈과 가루눈의 형태로 나타난다. 반면에 습설은 영하 1°C∼영상 1°C에서 주로 발생하기 때문에 2∼3월달에 함박눈, 날린눈의 형태로 나타난다. 기상청에 따르면 일반적으로 건설의 중량은 단위체적당 150kgf 이며 습설의 중량은 건설의 2배인 단위체적당 300kgf이다. 본 연구에서는 건설일 때와 습설일 때로 구분하여 각각의 단위중량을 적용하여 Table 5와 같이 설계적설하중을 산정하였다.

참고문헌 (30)

Architectural Institute of Korea (AIK). (2009). Korean building code and commentary, Architectural Institute of Korea (in Korean).
Briggs, P. and Cogley, J. (1996). "Topographic bias in mesoscale precipitation networks." Journal of Climatology, Vol. 9, No. 1, pp. 205-218.
Changmon, S. A. (1979). "How a severe winter impacts on indivisuals." Bull. Amer. Meteor. Soc., No. 50, pp. 110-114.
Cho, H. L. and Jeong, J. C. (2006). "Application of spatial interpolation to rainfall data." The Journal of GIS Association of Korea, Vol. 14, No. 1, pp. 29-41.
Go, W. J., Kim, S. W. and Jang, L. H. (2009). "Relationship between ocean-meteorological factors and snowfall in the western coastal region of Korea in winter." Journal of the Korean Society of Marine Environment & Safety, Vol. 15, No. 1, pp. 17-24
Goovaerts, P. (2000). "Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall." Journal of Hydrology, Vol. 228, No. 1-2, pp. 113-129

상세보기
Hevesi, J., Istok, J. and Flint, A. (1992). "Precipitation estimation in mountainous terrain using multivariate geostatistics, Part I: Structural Analysis." Journal of Applied Meteorology, Vol. 31, No. 7, pp. 661-676.

상세보기
Jung, D. J. and Teng, C. (2010). "Effect of wire bracing to snow load acting on vinyl house frame." Korean Institute of Rural Architecture, Vol. 12, No. 3, pp. 27-34.
Kim, G. B., Son, Y. C., Kim, J. W. and Lee, J. Y. (2005). "Development of algorithms for the construction of hydrogeologic thematic maps using Avenue(TM) language in ArcView GIS." Journal of the Korean Association of Geographic Information Studies, Vol. 8, No. 3, pp. 107-120.
Kim, H. Y. (2010a). "A geostatistical approach for improved prediction of traffic volume in urban area." Journal of the Korean Association of Geographic Information Studies, Vol. 13, No. 4, pp. 138-147.
Kim, H. Y. (2010b). "A study on the improvement of the accuracy of photovoltaic facility location using the geostatistical analysis." Journal of the Korean Association of Geographic Information Studies, Vol. 13, No. 2, pp. 146-156.
Kim, K. H., Kim, M. S., Lee, G. W., Kang, D. H. and Kwon, B. H. (2013). "The adjustment of radar precipitation estimation based on the kriging method." Journal of Korean Earth Science Society, KESS, Vol. 34, No. 1, pp. 13-27.

원문보기 상세보기
Kim, S. B., Shin, H. J., Ha, R. and Kim, S. J. (2012). "Spatiotemporal analysis of snowfall for 5 heavy snowfall areas in South Korea." Journal of the Korean Society of Civil Engineers, KSCE, Vol. 32, No. 2B, pp. 103-111.
Koo, Y. S., Lee, S. H. and Jung, J. C. (2013). "Selecting and selecting and assessing vulnerable zones of snow damage in urban areas - The case of city of busan." Journal of the Korean Society of Civil Engineers, Vol. 33, No. 3, pp. 1077-1086

원문보기 상세보기
Krige, D. G. (1951). A statistical approach to some mine valuations and allied problems at the Witwatersrand, Master's Thesis, University of Witwatersrand.
Lee, E. K. (2003). "A space model to annual rainfall in South Korea." The Korean Communications in Statistics, Vol. 10, No. 2, pp. 445-456.

원문보기 상세보기
Lee, H. S. (2010). "Comparison and evaluation of root mean square for parameter settings of spatial interpolation method." The Korean Association of Geographic Information Studies, Vol. 13, No. 3, pp. 29-41.
Lee, J. B. and Lee, H. R. (2005). "Classified fishery grade using analysis of coastal environmental based on object-oriented data model." The Korean Association of Geographic Information Studies, Vol. 8, No. 1, pp. 40-48.
Lee, K. M. and Lee, S. H. (2006). "The spatial distribution of snowfall and its development mechanism over the honam area." Journal of The Korean Geographical Society, Vol. 41, No. 4, pp. 457-469.
Lee, S. G., Lee, J. W. and Lee, H. W. (2006). "Structural analysis of pipe greenhouse under snow load considering buckling." Proceeding of Bio-Environmental Control Conference.
Lee, S. H. (2008). "Development of subsurface spatial information model system using clustering and geostatistics approach." The Korean Association of Geographic Information Studies, Vol. 11, No. 4, pp. 64-75.
Lyche, T. and Schumaker, L. L. (1972). "On the convergence of cubic interpolating splines." University of Texas at Austin Center for Numerical Analysis, Vol. 61, pp. 1-31.
National Emergency Management Agency (2009). Development of the assessment technique to wind and snowfall hazards (in Korean).
Park, H. J., Shin, H. S., Roh, Y. H., Kim, K. M. and Park, K. H. (2012). "Estimating forest carbon stocks in danyang using kriging methods for aboveground biomass." Journal of The Korean Association Geographic Information Studies, Vol. 15, No. 1, pp. 16-33.

원문보기 상세보기
Park, J. C. and Kim, M. K. (2013). "Comparison of precipitation distributions in precipitation data sets representing 1km spatial resolution over South Korea Produced by PRISM, IDW, and Cokriging." Journal of the Korean Association of Geographic Information Studies. Vol. 16, No. 3, pp. 147-163

원문보기 상세보기
Schmidlin, T. W. (1993). "Impacts of servere winter weather during December 1989 in the Lake Eric snowbelt." J. of Climate, Vol. 6, No. 4, pp. 759-767.
Shepard, D. (1968). "A two-dimensional interpolation function for irregularlyspaced data." Proceedings of the 1968 23rd ACM National Conference. New York, NY, USA. pp. 517-524.
Shim, K. O. (2005). "Analysis the probability of the heavy snowfall on March 2004." Proceedings of 2005 Korean Society of Civil Engineers Conference, Korean Society of Civil Engineers.
Thiessen, A. H. (1911). "Precipitation averages for large areas." American Meteorological Society, Vol. 39, No. 7, pp. 1082-1084.
Yoon, Y. N. (2007). Hydrology, Cheong Moon Gak (in Korean).

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증