인류의 문명의 시작된 이래 도시유역의 침수는 거주민과 해당지역의 시설에 화학적이고 물리적인 피해를 입혀왔다. 최근의 연구는 도시홍수와 침수를 해석을 위한 모델과 지형자료의 통합에 관한 연구가 주를 이뤄왔다. 그러나 2차원 모델의 구축과정에 많은 시간이 소요되고 높은 데이터 처리기술을 요구하는 경향이 있다. 게다가 건물의 격자화 과정에서 의도치 않는 격자가 발생하게 되어 해석결과의 신뢰도를 떨어뜨리기 때문에 고해상도의 데이터 구득과 모형을 구축하더라도 건물의 처리기법에 따라 해석결과가 달라진다. 따라서 2차원 침수해석모형의 건물의 자료를 입력 시에는 이러한 왜곡현상을 최소화 할 수 있도록 건물의 일반화 처리 혹은 건물의 직교성 확보 등의 전처리가 필요하다. 이에 본 연구의 목적은 2차원 침수해석결과의 신뢰도를 향상시킬 수 있는 건물의 일반화 기법을 개발하고 건물의 일반화에 따른 영향을 검토하는데 있다. 연구결과, 도시지역의 2차원 침수해석결과의 신뢰도를 향상시키기 위해서는 각종 수치지도로부터 DBM(Digital Building Model)을 생성하고 본 연구에서 제안한 방법 Aggregation-Simplification을 적용하여 건물의 일반화를 수행하는 것이 바람직하며 각 기법의 임계값은 대상지역의 건물의 공간적인 특성을 고려하여 설정하되 건물의 평균 간격과 건물 간격의 표준편차를 더한 값을 초과하지 않는 것이 바람직한 것으로 나타났다.
인류의 문명의 시작된 이래 도시유역의 침수는 거주민과 해당지역의 시설에 화학적이고 물리적인 피해를 입혀왔다. 최근의 연구는 도시홍수와 침수를 해석을 위한 모델과 지형자료의 통합에 관한 연구가 주를 이뤄왔다. 그러나 2차원 모델의 구축과정에 많은 시간이 소요되고 높은 데이터 처리기술을 요구하는 경향이 있다. 게다가 건물의 격자화 과정에서 의도치 않는 격자가 발생하게 되어 해석결과의 신뢰도를 떨어뜨리기 때문에 고해상도의 데이터 구득과 모형을 구축하더라도 건물의 처리기법에 따라 해석결과가 달라진다. 따라서 2차원 침수해석모형의 건물의 자료를 입력 시에는 이러한 왜곡현상을 최소화 할 수 있도록 건물의 일반화 처리 혹은 건물의 직교성 확보 등의 전처리가 필요하다. 이에 본 연구의 목적은 2차원 침수해석결과의 신뢰도를 향상시킬 수 있는 건물의 일반화 기법을 개발하고 건물의 일반화에 따른 영향을 검토하는데 있다. 연구결과, 도시지역의 2차원 침수해석결과의 신뢰도를 향상시키기 위해서는 각종 수치지도로부터 DBM(Digital Building Model)을 생성하고 본 연구에서 제안한 방법 Aggregation-Simplification을 적용하여 건물의 일반화를 수행하는 것이 바람직하며 각 기법의 임계값은 대상지역의 건물의 공간적인 특성을 고려하여 설정하되 건물의 평균 간격과 건물 간격의 표준편차를 더한 값을 초과하지 않는 것이 바람직한 것으로 나타났다.
Urban flooding threatens human beings and facilities with chemical and physical hazards since the beginning of human civilization. Recent studies have emphasized the integration of data and models for effective urban flood inundation modeling. However, the model set-up process is tend to be time con...
Urban flooding threatens human beings and facilities with chemical and physical hazards since the beginning of human civilization. Recent studies have emphasized the integration of data and models for effective urban flood inundation modeling. However, the model set-up process is tend to be time consuming and to require a high level of data processing skill. Furthermore, in spite of the use of high resolution grid data, inundation depth and velocity are varied with building treatment methods in 2-D inundation model, because undesirable grids are generated and resulted in the reliability decline of the simulation results. Thus, it requires building generalization process or enhancing building orthogonality to minimize the distortion of building before converting building footprint into grid data. This study aims to develop building generalization method for 2-dimensional inundation analysis to enhance the model reliability, and to investigate the effect of building generalization method on urban inundation in terms of geographical engineering and hydraulic engineering. As a result to improve the reliability of 2-dimensional inundation analysis, the building generalization method developed in this study should be adapted using Digital Building Model(DBM) before model implementation in urban area. The proposed building generalization sequence was aggregation-simplification, and the threshold of the each method should be determined by considering spatial characteristics, which should not exceed the summation of building gap average and standard deviation.
Urban flooding threatens human beings and facilities with chemical and physical hazards since the beginning of human civilization. Recent studies have emphasized the integration of data and models for effective urban flood inundation modeling. However, the model set-up process is tend to be time consuming and to require a high level of data processing skill. Furthermore, in spite of the use of high resolution grid data, inundation depth and velocity are varied with building treatment methods in 2-D inundation model, because undesirable grids are generated and resulted in the reliability decline of the simulation results. Thus, it requires building generalization process or enhancing building orthogonality to minimize the distortion of building before converting building footprint into grid data. This study aims to develop building generalization method for 2-dimensional inundation analysis to enhance the model reliability, and to investigate the effect of building generalization method on urban inundation in terms of geographical engineering and hydraulic engineering. As a result to improve the reliability of 2-dimensional inundation analysis, the building generalization method developed in this study should be adapted using Digital Building Model(DBM) before model implementation in urban area. The proposed building generalization sequence was aggregation-simplification, and the threshold of the each method should be determined by considering spatial characteristics, which should not exceed the summation of building gap average and standard deviation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 정밀하고 상세한 정보를 가지고 있는 LiDAR 데이터와 수치지도를 이용하여 DBM(Digital Building Model)을 생성하고, 2차원 침수해석모형의 해석정확도를 향상시킬 수 있는 건물 일반화(Building Generalization) 기법을 개발하는데 목적이 있다.
본 연구는 항공 LiDAR 측량과 수치지도로부터 도시유역의 정밀한 DBM을 생성하고 이를 활용하여 건물의 일반화기법을 개발하고 2차원 침수해석모형을 통해 적용성을 평가한 연구로, 연구 결과는 다음과 같다.
본 연구에서는 수치해석결과의 신뢰도 향상을 위한 건물의 일반화 기법의 개발 및 적용이 목적이므로, Gestalt 시지각 이론 기반 일반화 기법 중 건물 왜곡이 최소화되는 기법을 선행 연구(Li et al., 2004; Droppova, 2011) 등을 통해서 고찰하고, ArcGIS의 일반화 기법 중에서 건물 왜곡도가 최소화되는 기법을 Elimination, Simplification, Aggregation의 세 가지로 선별하였다.
제안 방법
Case I 시나리오는 건물의 Simplification 없이 Aggregation 후에 Simplification을 수행하였고, Case II 시나리오는 건물의 Aggregation 수행 전에 건물의 단순화를 위한 Simplification을 수행하고 Aggregation 수행 후에 다시 한번 Simplification을 수행하였다. 통상적으로 Aggregation은 건물사이의 간격에 따라 건물군을 생성하기 때문에 임계값이 커질 수록 원시 데이터의 왜곡현상이 극명하게 나타나는 반면, Simplification은 건물의 형태를 단순화하는 것이기 때문에 임계값이 커지더라도 Aggregation과 같이 왜곡도가 극심하게 발생하지 않았다.
건물의 일반화 기법을 개발하기 위하여 Case I : Aggregation - Simplification과 Case II : Simplification - Aggregation - Simplification의 2가지 시나리오를 구성하였다. 공간분석 분석 결과, 건물의 개수는 Case I이더 많은 것으로 분석되었으나 평균면적과 건물면적의 합계는 Case II시나리오가 큰 것으로 나타났다.
이를 위해 연구대상지역의 수치지도를 레이어별로 분류하였고 LiDAR 측량자료 및 항공사진과 비교하여 수치지도를 비교하여 수치지도 상의 건물 폴리곤을 수정하였다. 그 후, DSM과 수치지도의 좌표계를 통일시켜 건물 외곽선과 DSM 정보를 융합한 뒤, 건물 외곽선과 DSM의 중심위치를 맞추고 건물의 표고를 매핑(mapping) 하였다.
또한 기법별 임계값에 따라 다양한 시나리오를 구성해야 하지만, 도시 침수해석모형에서 격자의 크기는 5m 이하로 설정되어야 함을 밝힌 선행 연구의 결과(Mark et al., 2004)와 DBM 구축을 통해 분석된 건물의 최소면적을 고려하여 건물간격의 임계값은 5m, 건물 최소면적은 50㎡으로 설정하여 건물의 일반화 수행 전·후를 비교하였다.
본 모형은 1차원 배수관망 해석은 물론 2차원 지표수 흐름을 해석할 수 있도록 개발되었으며 표고자료 입력시 자체적인 DTM(Digital Terrain Model)을 생성하여 지표수의 동적인 흐름을 모의할 수 있다. 또한 저류지 최적 설계를 위한 별도의 모듈을 제공하고 있으며 재해도 작성을 위한 다양한 위험도 평가기법을 제공한다. 본 모형의 지배방정식은 다음과 같다(식 1).
본 연구에서 활용한 이중배수체계 모형은 XP-SWMM 2D 모형으로 미국 EPA의 SWMM (Storm Water Management Model)모형과 호주 WBN사에서 개발한 2차원 침수해석용 Full Dynamic 엔진인 TUFLOW(Two dimensional Unsteady FLOW)를 결합한 모형이다. 본 모형은 1차원 배수관망 해석은 물론 2차원 지표수 흐름을 해석할 수 있도록 개발되었으며 표고자료 입력시 자체적인 DTM(Digital Terrain Model)을 생성하여 지표수의 동적인 흐름을 모의할 수 있다. 또한 저류지 최적 설계를 위한 별도의 모듈을 제공하고 있으며 재해도 작성을 위한 다양한 위험도 평가기법을 제공한다.
본 절에서는 전장에서 검토한 ArcGIS기반 건물의 일반화 기법, Elimination, Simplification, Aggregation을 이용하여 적용 순서에 따라 2가지 시나리오를 구성하였다. 표 3은 건물의 일반화 기법 적용 순서에 따른 시나리오 구성과 임계값을 설정한 결과이다.
생성된 DBM을 활용하여 수치해석결과의 신뢰도 향상을 위한 건물의 일반화 기법 및 적용 절차를 조사·분석하고, 각 절차별로 지형공간 정보학적 측면에서 적용성을 검토하였다.
과거의 침수실적자료를 바탕으로 다양한 건물 점유면적과 밀집도를 갖는 대상지역 중 서울특별시 신월동, 목동, 화곡동 일대를 연구대상지역으로 선정하였다. 선정된 지역에 대해 항공 LiDAR 측량과 수치지도 결과를 취득하였으며, 취득한 자료로부터 정밀한 DBM 생성을 위해 LiDAR 측량 자료와 수치지도를 통합하는 방법을 검토하고 적용하였다.
는 X와 Y방향에서 외부 작용력의 합 XP-SWMM 2D는 지표수의 하수관거로의 재유입이 가능하도록 모형을 설정할 수도 있으며, 특히 침수에 의한 지표수도 재유입 대상에 포함된다. 이러한 지표수는 도로에 설치되어 있는 측구 등을 통해 하수관거로 유입되는데, 국내에는 지표수의 측구유입을 설명할 수 있는 매개 변수에 대해 신뢰할 만한 결과가 없어 본 연구에서는 해석모형의 기본 값을 사용하였다.
그러나 LiDAR 자료는 건물의 정확한 외곽선의 추출이 어렵기 때문에 건물의 외곽선은 수치지도의 벡터 데이터를 활용하였다. 이를 위해 연구대상지역의 수치지도를 레이어별로 분류하였고 LiDAR 측량자료 및 항공사진과 비교하여 수치지도를 비교하여 수치지도 상의 건물 폴리곤을 수정하였다. 그 후, DSM과 수치지도의 좌표계를 통일시켜 건물 외곽선과 DSM 정보를 융합한 뒤, 건물 외곽선과 DSM의 중심위치를 맞추고 건물의 표고를 매핑(mapping) 하였다.
전술한 일련의 과정을 거쳐 연구대상지역의 상세한 DBM을 생성하였다. 그림 2는 연구대상 지역의 DBM 생성결과를 나타낸 것으로, 신월동과 신정동 일대는 단독주택 위주의 점유면적이 작은 건물들로 구성되어 있으며 목동과 화곡동 일대는 점유면적이 큰 대형 아파트 위주로 건물이 입지해 있음을 알 수 있다.
대상 데이터
그림 12는 대상지역 내 위치하는 CCTV의 자료를 토대로 실측 침수심을 추정하고, 동 시간대의 침수해석 결과를 확대하여 도식화한 결과이다. CCTV 촬영은 2010년 9월 10일 15시 40분경 자료이며, 건물의 침수 흔적 등을 고려할 때 약 50~55cm의 침수깊이가 발생한 것으로 판단된다. 건물의 일반화를 수행하기 전 모의된 침수깊이는 동일 지점에 대해 121cm, Case I의 경우 57cm, Case II의 경우 92cm로 각각 나타났다.
과거의 침수실적자료를 바탕으로 다양한 건물 점유면적과 밀집도를 갖는 대상지역 중 서울특별시 신월동, 목동, 화곡동 일대를 연구대상지역으로 선정하였다. 선정된 지역에 대해 항공 LiDAR 측량과 수치지도 결과를 취득하였으며, 취득한 자료로부터 정밀한 DBM 생성을 위해 LiDAR 측량 자료와 수치지도를 통합하는 방법을 검토하고 적용하였다.
본 연구에서는 건물 표고를 구득하기 위해 항공 LiDAR 자료를 활용하였다. 그러나 LiDAR 자료는 건물의 정확한 외곽선의 추출이 어렵기 때문에 건물의 외곽선은 수치지도의 벡터 데이터를 활용하였다. 이를 위해 연구대상지역의 수치지도를 레이어별로 분류하였고 LiDAR 측량자료 및 항공사진과 비교하여 수치지도를 비교하여 수치지도 상의 건물 폴리곤을 수정하였다.
본 연구에서 선정한 연구대상지는 서울특별시 양천구로, 양천구는 서울의 남서부에 위치하며 동쪽으로 안양천을 경계로 영등포구에 접하고 서쪽으로는 경기도 부천시와 접하며, 남쪽으로는 구로구, 북서쪽으로는 강서구와 마주하고 있다. 양천구의 지세는 크게 한강 연안의 충적지형과 침식 구릉지형으로 나뉘는데, 구의 중심부로부터 남서쪽으로는 해발고도 20~60m의 저평한 구릉지가 분포하고 구의 북동부와 남서부에 70~80m 높이의 침식구릉이 나타나며, 안양천과 경계를 이루고 있는 구의 동쪽에는 배후 저습지를 중심으로 하는 충적층이 매우 낮은 고도로 분포한다.
따라서 건물 높이 값, 즉 3차원 정보를 구득하기 위해서는 현지 측량에 의한 공정이 필요하며, 이는 많은 시간과 비용이 소요되어 현실적으로는 불가능하다. 본 연구에서는 건물 표고를 구득하기 위해 항공 LiDAR 자료를 활용하였다. 그러나 LiDAR 자료는 건물의 정확한 외곽선의 추출이 어렵기 때문에 건물의 외곽선은 수치지도의 벡터 데이터를 활용하였다.
연구대상지역의 북측에는 봉제산, 서측에는 능골산이 위치하고 있으며, 경인고속도로가 대상유역의 동서를 관통하고 있다. 주거지와 상업 지역은 EL.
이론/모형
이중배수체계는 과거 도시침수에서 활용되던 해석모형의 단점인 지표면 월류량 등이 없어지거나 맨홀에 저류된다는 가정을 보완하기 위해 탄생한 개념으로 지표면 유출수의 관거 내 재유입을 설명하기 위해 지표면 유출과 관거 유출을 각각 관련 방정식과 매개변수 등을 통해 해석하고 각 해석결과를 연동하여 모의하는 방식이다(Park and Ha, 2013). 본 연구에서 활용한 이중배수체계 모형은 XP-SWMM 2D 모형으로 미국 EPA의 SWMM (Storm Water Management Model)모형과 호주 WBN사에서 개발한 2차원 침수해석용 Full Dynamic 엔진인 TUFLOW(Two dimensional Unsteady FLOW)를 결합한 모형이다. 본 모형은 1차원 배수관망 해석은 물론 2차원 지표수 흐름을 해석할 수 있도록 개발되었으며 표고자료 입력시 자체적인 DTM(Digital Terrain Model)을 생성하여 지표수의 동적인 흐름을 모의할 수 있다.
성능/효과
그림 3은 대상지역내 건물의 표고 분포를 나타낸 것으로 연구대상지역 내 28,444개의 건물이 입지하고 있으며, 최소 높이는 EL. 1.136m, 최대높이는 EL.171.13m로 나타났으며 평균높이는 30.267m로 분석되었다. 또한 10m 이하의 건물이 전체의 1.
표 2는 건물의 일반화기법별 임계값 변화에 따라 달라지는 건물의 면적변화를 산출한 결과이다. Simplification에 따른 면적의 변화는 Aggregation의 변화에 따른 면적에 비해 적은 것으로 나타났으며 Aggregation 임계값이 가장 큰 10m의 경우에 Simplification의 효과가 가장 큰 것으로 나타났다. 반면 Aggregation을 수행하지 않은 경우에 Simplification의 건물 면적에 대한 효과는 크지 않은 것으로 나타났다.
한편 건물의 일반화 시나리오에 따라 도로가 간섭되는 구간 및 길이를 분석한 결과는 그림 8, 9와 같다. 건물과 건물 사이의 간격이 넓은, 즉 아파트와 같은 대형 건물이 입지한 지역의 경우 건물의 일반화에 따른 영향이 크지 않은 것으로 나타났으나, 점유면적이 작은 건물이 밀집한 1종 주거지역의 경우, 건물의 일반화 수행 절차에 따라 간섭되는 도로가 크게 달라지는 것으로 나타났다. 특히, Case I 시나리오의 경우 건물 자체의 직교성은 Case II 시나리오에 비해 다소 부족하지만 지표면 유출수의 주요 동선이 간섭받는 영향이 적은 것으로 나타나 수치해석을 위한 일반화는 지도의 축척 변화를 위한 일반화와 다르게 수행되어야 함을 알 수 있다.
건물의 일반화 기법 수행절차에 따른 침수해석결과는 그림 10, 그림 11과 같다 2차원 수치해석모형의 건물의 일반화를 수행한 DBM을 2차원 침수해석모형에 적용한 결과, 두 시나리오 모두 전반적인 침수면적의 분포는 유사하게 나타났다. 다만 Case I 시나리오를 적용한 경우가 Case II 시나리오를 적용한 경우에 비해 침수심이 전반적으로 얕게 나타났다.
건물의 일반화 기법을 개발하기 위하여 Case I : Aggregation - Simplification과 Case II : Simplification - Aggregation - Simplification의 2가지 시나리오를 구성하였다. 공간분석 분석 결과, 건물의 개수는 Case I이더 많은 것으로 분석되었으나 평균면적과 건물면적의 합계는 Case II시나리오가 큰 것으로 나타났다. 또한 건물의 일반화에 따라 간섭받는 도로의 구간 수 및 길이를 분석한 결과, Case II 시나리오가 Case I 시나리오에 비해 약 3배 더 많은 도로구간에서 간섭현상이 발생하고 있었으며, 간섭받는 도로구간의 총 길이 역시 약 3배가량 많은 것으로 나타났다.
대상지역의 경사도 분석결과, 경사 10° 이하의 지역이 전체의 약 77%로, 전체적으로 완경사형태의 낮은 구릉성 지형적 특성을 보인다.
두 가지 시나리오를 활용하여 침수해석모형을 수행한 결과, Case II 시나리오는 일부 영역에서 침수를 모의하지 못하였으며, 관측지점의 침수심에 비해 약 30cm가량 높은 해석결과를 도출하였다. 반면 Case I 시나리오의 경우 관측지점의 침수심과 유사한 57cm로 나타나 침수흔적도와 비교할 때 유사하였다.
공간분석 분석 결과, 건물의 개수는 Case I이더 많은 것으로 분석되었으나 평균면적과 건물면적의 합계는 Case II시나리오가 큰 것으로 나타났다. 또한 건물의 일반화에 따라 간섭받는 도로의 구간 수 및 길이를 분석한 결과, Case II 시나리오가 Case I 시나리오에 비해 약 3배 더 많은 도로구간에서 간섭현상이 발생하고 있었으며, 간섭받는 도로구간의 총 길이 역시 약 3배가량 많은 것으로 나타났다.
전술한 바와 같이, 건물의 일반화에 대해 Aggregation이 Simplification에 비해 민감도가 큰 것으로 나타났으며 이는 곧 침수가능면적과 직결되고 있으므로 임계값의 설정에 신중을 기해야 할 것으로 판단된다. 또한 유한차분기반의 수치해석모형의 경우 정사각형격자를 사용하는 것이 일반적이므로 각 기법별 서로 다른 임계값을 설정하는 것은 계산격자의 설정에 2개의 기준이 적용되므로 도로의 폭과 건물 사이의 간격을 고려하여 하나의 임계값으로 통일하는 것이 바람직할 것으로 판단된다(Jin, 2015).
29㎡로 분석되었다. 점유면적 75㎡이하의 건물은 10.9%(3077), 75㎡~125㎡의 건물이 51.94%(14,558), 125㎡~175㎡의 건물이 19.59%(5,210)로 나타나 점유면적 175㎡이하의 건물이 전체의 80%를 차지하는 것으로 나타났다. 이는 대상유역이 단독주택과 같은 소형 건물의 입지가 높은 것을 의미하며 아파트와 같은 대형 건물은 전체 건물 숫자의 10%불과한 것으로 나타났다(그림 4).
20㎡로 일반화 수행 전과 크게 다르지 않은 것으로 나타났다. 최대 면적은 29,7771.19㎡로 건물의 일반화 수행 전과 비교하면 다소 상승하였고, 건물의 평균 면적은 일반화 수행 전 172.29㎡이었으나, 일반화 수행 후, 1,249.43㎡로 나타나 큰 폭의 상승이 이뤄졌음을 알 수 있다. 이는 설정한 임계값 이내의 간격을 갖는 건물과 일정 넓이 이하의 건물은 주변 건물과 통합되었기 때문이며, 이러한 현상은 Case II 시나리오에서도 동일하게, 그러나 Case I 시나리오에 비해 소폭 더 크게 나타나고 있다.
후속연구
Droppova(2011)은 동일한 기법을 이용하여 건물의 일반화를 수행하였고 이 중 Case II에 해당하는 건물의 일반화 절차가 적절하다고 결론을 내린 바 있다. 그러나 전술한 바와같이, 건물 일반화의 목적이 본 연구와 다르기 때문에, 본 연구와 같이 수치해석 결과에 의한 건물 일반화 기법의 적용성 평가를 통해 수치 해석모형의 신뢰도를 향상 시킬 수 있는 일반화 수행절차의 정립이 필요하다.
또한 건물의 일반화 절차는 Aggregation – Simplification을 적용하는 것이 바람직할 것으로 판단되며, 일반화 기법의 임계값은 대상지역 건물의 공간적 분포 특성 등을 고려하여 적용해야 할 것으로 판단된다.
본 연구에서는 건물 일반화 기법의 임계값을 5m로 한정하여 2가지의 시나리오로 적용성을 평가한 한계가 있으므로, 향후 연구에서는 건물의 일반화 기법의 임계값을 다양하게 변화시켜 시나리오를 구성하고 그에 따른 수치해석결과의 영향을 비교·분석하고, 레스터 데이터로 변화 시에 발생하는 오차를 추가적으로 계산하고자 한다.
이상과 같은 연구결과로부터 2차원 침수해석 모형 해석결과의 신뢰도를 높이기 위해서는 도시유역의 경우, 건물의 일반화가 선행되어야 할 전제조건이며, 대상유역의 면적이 클 경우 혹은 계산격자의 크기가 커져야 하는 경우에는 반드시 정밀한 DBM으로부터 건물의 일반화를 수행하고 그 결과를 모형의 지형자료로 활용해야 할 것이다. 또한 건물의 일반화 절차는 Aggregation – Simplification을 적용하는 것이 바람직할 것으로 판단되며, 일반화 기법의 임계값은 대상지역 건물의 공간적 분포 특성 등을 고려하여 적용해야 할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
이중배수체계란 무엇인가?
이중배수체계는 과거 도시침수에서 활용되던 해석모형의 단점인 지표면 월류량 등이 없어지거나 맨홀에 저류된다는 가정을 보완하기 위해 탄생한 개념으로 지표면 유출수의 관거 내 재유입을 설명하기 위해 지표면 유출과 관거 유출을 각각 관련 방정식과 매개변수 등을 통해 해석하고 각 해석결과를 연동하여 모의하는 방식이다(Park and Ha, 2013). 본 연구에서 활용한 이중배수체계 모형은 XP-SWMM 2D 모형으로 미국 EPA의 SWMM (Storm Water Management Model)모형과 호주 WBN사에서 개발한 2차원 침수해석용 Full Dynamic 엔진인 TUFLOW(Two dimensional Unsteady FLOW)를 결합한 모형이다.
본 연구에서 활용한 이중배수체계 모형이, 재해도 작성을 위해 제공하는 것은?
본 모형은 1차원 배수관망 해석은 물론 2차원 지표수 흐름을 해석할 수 있도록 개발되었으며 표고자료 입력시 자체적인 DTM(Digital Terrain Model)을 생성하여 지표수의 동적인 흐름을 모의할 수 있다. 또한 저류지 최적 설계를 위한 별도의 모듈을 제공하고 있으며 재해도 작성을 위한 다양한 위험도 평가기법을 제공한다. 본 모형의 지배방정식은 다음과 같다(식 1).
레스터 데이터의 일반화는 어떻게 구분할 수 있나?
레스터 데이터의 일반화는 관심 영역 내에서 수행하는 기법(Region group, Nibble, Shrink, Thin, Expand), 영역의 경계에서 수행하는 기법(Boundary clean, Majority filter), 해상도를 조절하는 기법(Aggregate) 등으로 구분할 수 있다.
참고문헌 (23)
Bales, J.D. and C.R. Wagner. 2009. Sources of uncertainty in flood inundation maps. Journal of Flood Risk Management 2:139-147.
Beven, K. 2002. Towards a coherent philosophy for modeling the environment. Proceeding of the Royal Society of London Series A-Mathematical Physical and Engineering Sciences 458(2026): 2465-2484.
Droppova, V. 2011. The tools of automated generalization and building generalization in an ArcGIS environment. Slovak Journal of Civil Engineering XIX(1):1-7.
ESRI. 1996. Automation of Map Generalization. ESRI White Paper Series.
Fewtrell, T.J., P.D. Bates and N.M. Hunter. 2008, Evaluating the effect of scale in flood inundation modelling in urban environments. Hydrological Processes 22:5107-5118.
Ha, C.Y., K.Y. Han and W.H. Cho. 2010. 2-D inundation analysis according to post-spacing density of DEMs from LiDAR using GIS. Journal of the Korean Association of Geographic Information Studies 13(1):74-88 (하창용, 한건연, 조완희. 2010. GIS를 활용한 LiDAR 자료의 밀도에 따른 2차원 침수해석. 한국지리정보학회지 13(1):74-88).
Horritt, M.S. and P.D. Bates. 2011. Effects of spatial resolution on a raster based model of flood flow. Journal of Hydrology 253:239-249.
Jin, G.H. 2015. Development of building generalization method for twodimensional urban inundation modelling. Ph.D. Thesis of Chungbuk National University (진기호. 2015. 2차원 도시침수 해석을 위한 건물 일반화 기법 개발. 충북대학교 대학원 박사학위논문).
Lee, C.H., K.Y. Han and J.S. Kim. 2006. Urban inundation analysis by applying with GIS. Journal of the Korean Association of Geographic Information Studies 9(2):115-125 (이창희, 한건연, 김지성. 2006. GIS를 이용한 도시지역 침수 해석. 한국지리정보학회지 9(2):115-125).
Lee, J.Y., G.H. Jin and S.R. Ha. 2014. Analysis of urban inundation considering building footprints based on dualdrainage scheme. Journal of the Korean Association of Geographic Information Studies 17(4):40-51 (이정영, 진기호, 하성룡. 2014. 건물의 영향을 고려한 이중배수 체계기반 침수해석. 한국지리정보학회지 17 (4):40-51).
Li, Z., H. Yan, T. Ai and J. Chen. 2004. Automated building generalization based on urban morphology and gestalt theory. International Journal Geographical Information Science 18(5):513-534.
Mark, O., S. Seesakul, C. Apirumanekul, S.B. Aroonet and S. Djordjevic. 2004. Potential and limitation of 1D modeling of urban flooding. Journal of Hydrology 299(3-4):284-299.
Mingnot, E., A. Paquier and S. Haider. 2006. Modeling floods in a dense urban area using 2D shallow water equation. Journal of Hydrology 327(1-2):186-199.
Neelz, S., G. Pender, I. Villanueva, M. Wilson, N.G. Wright, P. Bates, D. Mason and C. Whitlow. 2006. Using remotely sensed data to support flood modelling. Water Management 159.
Park, I.H., J.Y. Lee, J.H. Lee and S.R. Ha. 2014. Evaluation of the cause of inundation in a repeatedly flooded zone in the city of Cheongju, Korea using a 1D/2D model. Water Science & Technology 69(11):2175-2183.
Park, I.H. and S.R. Ha. 2013. An analysis on inundation characteristics of urban watershed according to variation in return period of design rainfall. Journal of Wetlands Research 15(4):585-593 (박인혁, 하성룡. 2013. 설계 강우량의 재현 빈도 변화에 따른 도시유역의 침수특성 분석. 한국습지학회지 15(4):585-593).
Schubert, J.E. and B.F. Sanders. 2012. Building treatments for urban flood inundation models and implications for predictive skill and modeling efficiency. Advances in Water Resources 41:49-64.
Schubert, J.E., B.F. Sanders, M.J. Smith and N.G. Wright. 2008. Unstructured mesh generation and landcover-based resistance for hydrodynamic modeling of urban flooding. Advances in Water Resources 31:1603-1621.
Seoul Metropolitan Government. 2012. The master plan of disaster reduction measures installation such as Sinwol underground water discharge tunnel in downtown (서울특별시. 2012. 신월 빗물 저류배수시설 등 방재시설 확충 기본계획보고서).
Tsubaki, R. and L. Fujuta. 2010. Unstructured grid generation using LiDAR data for urban flood modeling. Hydrological Processes 24(11):1404-1420.
Tsubaki, R. and Y. Kawahara. 2013. The uncertainty of local flow parameters during inundation flow over complex topographies with elevation errors. Journal of Hydrology 486:71-87.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.