본 연구의 목적은 TOPLATS 지표해석모형으로부터 생산된 격자 수문기상성분과 통계적 돌발홍수지수모형을 이용하여 격자 돌발홍수지수를 생산하고 그 적용성을 평가하는데 있다. 대상유역은 2009~2012년동안 38건의 돌발홍수 구조요청 사례가 발생한 수도권 지역을 선정하였다. 지표해석모형의 시공간 해상도는 1 h, 1 km 이며 동일한 해상도의 모의를 위해 필요한 격자 기상자료는 기상청 AWS (automatic weather stations)의 시단위 자료를 역거리법을 이용하여 구축하였다. 돌발홍수 피해사례 38건에 대해 대응되는 모의격자의 수문성분을 분석하였으며 27건(71%)에서 구조요청시점에 대해 강우량, 지표유출량, 토양수분량, 지하수면깊이가 적절하게 모의되는 것을 확인하였다. 강우조건에 따른 격자 돌발홍수지수의 정확도는 구조요청시점 기준 선행시간 4~6시간까지 71~87%, 구조요청시점으로 한정된 0시간에서 42~52%로 나타났다. 이상의 결과로부터 지표해석모델을 이용한 격자 수문성분과 통계적 돌발홍수지수모형으로부터 산정된 격자 돌발홍수지수는 산지 돌발홍수를 예측하는데 활용될 수 있을 것으로 판단된다.
본 연구의 목적은 TOPLATS 지표해석모형으로부터 생산된 격자 수문기상성분과 통계적 돌발홍수지수모형을 이용하여 격자 돌발홍수지수를 생산하고 그 적용성을 평가하는데 있다. 대상유역은 2009~2012년동안 38건의 돌발홍수 구조요청 사례가 발생한 수도권 지역을 선정하였다. 지표해석모형의 시공간 해상도는 1 h, 1 km 이며 동일한 해상도의 모의를 위해 필요한 격자 기상자료는 기상청 AWS (automatic weather stations)의 시단위 자료를 역거리법을 이용하여 구축하였다. 돌발홍수 피해사례 38건에 대해 대응되는 모의격자의 수문성분을 분석하였으며 27건(71%)에서 구조요청시점에 대해 강우량, 지표유출량, 토양수분량, 지하수면깊이가 적절하게 모의되는 것을 확인하였다. 강우조건에 따른 격자 돌발홍수지수의 정확도는 구조요청시점 기준 선행시간 4~6시간까지 71~87%, 구조요청시점으로 한정된 0시간에서 42~52%로 나타났다. 이상의 결과로부터 지표해석모델을 이용한 격자 수문성분과 통계적 돌발홍수지수모형으로부터 산정된 격자 돌발홍수지수는 산지 돌발홍수를 예측하는데 활용될 수 있을 것으로 판단된다.
The objective of this study is the generation of the gridded flash flood index using the gridded hydrologic components of TOPLATS land surface model and statistic flash flood index model. The accuracy of this method is also examined in this study. The study area is the national capital region of Kor...
The objective of this study is the generation of the gridded flash flood index using the gridded hydrologic components of TOPLATS land surface model and statistic flash flood index model. The accuracy of this method is also examined in this study. The study area is the national capital region of Korea, and 38 flash flood damages had occurred from 2009 to 2012. The spatio-temporal resolutions of land surface model are 1 h and 1 km, respectively. The gridded meteorological data are generated using the inverse distance weight method with automatic weather stations (AWSs) of Korea Meteorological Administration (KMA). The hydrological components (e.g., surface runoff, soil water contents, and water table depth) of cells corresponding to the positions of 38 flood damages reasonably respond to the cell based hourly rainfalls. Under the total rainfall condition, the gridded flash flood index shows 71% to 87% from 4 h to 6 h in the lead time based on the rescue request time and 42% to 52% of accuracy at 0 h which means that the time period of the lead time is in a limited rescue request time. From these results, it is known that the gridded flash flood index using the cell based hydrological components from land surface model and the statistic flash flood index model have a capability to predict flash flood in the mountainous area.
The objective of this study is the generation of the gridded flash flood index using the gridded hydrologic components of TOPLATS land surface model and statistic flash flood index model. The accuracy of this method is also examined in this study. The study area is the national capital region of Korea, and 38 flash flood damages had occurred from 2009 to 2012. The spatio-temporal resolutions of land surface model are 1 h and 1 km, respectively. The gridded meteorological data are generated using the inverse distance weight method with automatic weather stations (AWSs) of Korea Meteorological Administration (KMA). The hydrological components (e.g., surface runoff, soil water contents, and water table depth) of cells corresponding to the positions of 38 flood damages reasonably respond to the cell based hourly rainfalls. Under the total rainfall condition, the gridded flash flood index shows 71% to 87% from 4 h to 6 h in the lead time based on the rescue request time and 42% to 52% of accuracy at 0 h which means that the time period of the lead time is in a limited rescue request time. From these results, it is known that the gridded flash flood index using the cell based hydrological components from land surface model and the statistic flash flood index model have a capability to predict flash flood in the mountainous area.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 산지 계곡이나 소하천에서 집중호우에 의해 단시간에 발생한 급류로 등산객이나 야영객이 고립되는 등의 홍수피해를 사전에 감지하기 위해 분포형 지표해석모형(distributed land surface model)을 이용하여 격자단위 수문성분을 모의하고 이 결과와 돌발홍수 피해사례와의 상관성 분석을 통해 개발된 돌발홍수지수모형(Yoon et al., 2015)을 이용하여 산지지역에 대한 고해상도 격자 돌발홍수지수를 산정하여 그 적용성을 평가하고자 한다.
제안 방법
Kim and Kim (2008)은 단면과 수위자료 가용여부에 따라 제방월류량을 산정하고 Rodrigeuz-Iturbe et al. (1982)가 개발한 지형기후학적 순간단위유량도를 이용하여 한계유출량을 산정하였으며 HEC-HMS 모형을 이용하여 돌발홍수기준을 계산하는 방법을 제안하였다. Bae and Kim (2007)은 Manning 공식과 지형기후학적 순간단위 유량도를 이용하여 한계유출량을 산정하고 현재 토양수분상태에서 토양이 포화될 때까지 필요한 강우량은 TOPMODEL (Beven et al.
다만, 구조요청시점 기준 선행시간에 대해 강우량이 절대적으로 부족하여 수문성분의 변화가 나타나지 않는 것은 AWS 관측강우 기반 QPE의 오차에 기인한 것으로 지표해석모형의 물수지 과정에서 개선하기는 어렵다. 본 연구에서는 AWS 관측강우 기반 QPE와 TOPLATS 분포형 지표해석모델을 연계한 격자 수문성분이 돌발홍수지수모형을 통해 돌발홍수를 어느 정도 잘 감지할 수 있는지를 분석하여 그 적용성을 평가하고자 한다.
본 연구에서는 산지지역 소하천 또는 계곡에서 발생하는 급류로 인한 돌발홍수를 예측하기 위해 TOPLATS 지표해석모형을 이용하여 격자 수문기상성분을 생산하고 이를 Yoon et al. (2015)이 제안한 통계적 돌발홍수지수 산정방법을 이용하여 돌발홍수지수를 생산하고 검증을 수행하였다.
(2015)이 제안한 통계적 돌발홍수지수 산정방법을 이용하여 돌발홍수지수를 생산하고 검증을 수행하였다. 이를 위해 TOPLATS 지표해석모형을 수도권지역에 구축하여 1 h과 1 km의 시공간 해상도를 갖는 고해상도 수문성분을 모의하고 격자 수문성분이 돌발홍수 피해가 발생하는 지표상황을 얼마나 잘 모의하는지와 격자돌발홍수지수에 대한 정확도를 분석하였다. 연구결과를 요약하면 다음과 같다.
이상의 돌발홍수지수모형을 이용하여 대상지역에 대해 1 h과 1 km의 시공간해상도를 갖는 돌발홍수지수를 산정하였다. Fig.
대상 데이터
Lee and Choi (2012)의 TOPLATS 모형 민감도 분석 결과에서도 토양특성과 관련된 포화수리전도도, 기포압력수두, 기공크기 분포지수, 최대 근권역 깊이가 다른 변수에 비해 민감하게 나타남을 확인할 수 있다. 국립농업과학원에서 남한지역을 1300여개의 세부 토양통(soil series)으로 분류한 정밀토양도(1:25,000)를 작성하여 배포하고 있으며 본 연구에서는 이를 이용하여 토양특성분포 및 속성DB를 구축하였다. 대상지역에는 379개 토양통이 분포하는 것으로 나타났다.
8%에 불과하지만 전국인구의 약 48%가 수도권에 거주하고 하고 있다. 국민안전처 국가재난정보센터(www.safekorea.go.kr)에서 제공하는 일일 재난 상황자료를 통해 수도권지역에서 2009∼2012년(4년)동안 홍수로 인한 구조요청사례를 조사한 결과 45건이 발생하였으며 이중 위치정보가 모호하거나 과실로 인한 피해의 경우를 제외한 38건을 연구에 활용하였다. 38건의 지리적 위치는 Fig.
본 연구에서는 수도권 지역(서울, 경기, 인천)에 대한 돌발홍수지수를 생산하여 평가하고자 한다. 수도권 면적은 11,930.
이를 뒷받침하기 위해서는 많은 돌발홍수 피해사례를 수집해야 하나 집중호우로 인해 많은 곳에서 돌발홍수피해가 발생할 가능성이 높은 지역이 생기더라도 피해가 발생하지 않으면 돌발홍수 피해지역을 파악하기가 어렵기 때문에 돌발홍수를 관측하기는 매우 어렵다. 본 연구에서는 앞서 소개한 2009∼2013년(5년)동안 수도권 지역에서 실제 돌발홍수로 인한 구조요청사례 38건에 대해 분석을 수행하였다.
유역도는 한강 단위유역도를 기준으로 구축하였으며 소유역은 48개로 분할하였다. 토지피복도는 국토교통부에서 제공하는 30×30 m2 자료를 이용하였으며 수역, 도심지, 나지, 습지, 초지, 산림, 논, 밭의 8개 항목으로 구성되어있다. 지표해석모형을 이용하여 격자단위 물수지를 잘 모의하기 위해서는 토양 특성을 상세하게 반영하는 것이 매우 중요하다.
이론/모형
본 연구에서는 Yoon et al. (2015)이 제안한 돌발홍수지수 모형을 이용하여 TOPLATS 지표해석모형으로부터 생산된 격자 수문성분으로부터 돌발홍수지수를 산정하였다. 이 방법은 목표시점 기준 선행 6시간의 지표유출량, 강우량을 요인분석과 회귀분석한 결과와 토양수분 상태변수를 일차선형함수식 형태로 표현한 것이다.
본 연구에서는 산지지역 소하천 또는 계곡에서 발생하는 급류로 인한 돌발홍수를 예측하기 위해 TOPLATS 지표해석모형을 이용하여 격자 수문기상성분을 생산하고 이를 Yoon et al. (2015)이 제안한 통계적 돌발홍수지수 산정방법을 이용하여 돌발홍수지수를 생산하고 검증을 수행하였다. 이를 위해 TOPLATS 지표해석모형을 수도권지역에 구축하여 1 h과 1 km의 시공간 해상도를 갖는 고해상도 수문성분을 모의하고 격자 수문성분이 돌발홍수 피해가 발생하는 지표상황을 얼마나 잘 모의하는지와 격자돌발홍수지수에 대한 정확도를 분석하였다.
TOPLATS 모형을 이용한 유역 물수지를 모의하기 위해서는 강수량, 기온, 상대습도, 풍속, 일사량, 기압에 대한 격자 형태의 기상자료가 필요하다. 본 연구에서는 1×1 km2 격자에 대해 시단위 수문성분을 생산하는 것이 목적이므로 기상청에서 운영하고 있는 AWS 600소와 ASOS 72소의 시단위 관측자료를 수집하고 역거리 가중법(inverse distance weight method)을 이용하여 지점자료를 격자단위로 변환하여 모형에 적용하였다.
분포형 지표해석모형을 이용하여 격자 단위의 지표수문성분(지표유출량, 토양수분량, 증발산량 등)을 산정하고 돌발홍수지수모형을 이용하여 격자 단위의 돌발홍수지수를 산정할 수 있다. 분포형 지표해석모형은 Famiglietti and Wood (1994)가 개발한 TOPLATS (TOPMODEL based Land Atmosphere Transfer Scheme) 모형을 이용하였다. 이 모형은 물수지와 에너지수지를 통해 단위격자에 대한 실제증발산량, 토양수분량, 지하수면깊이, 지표유출량, 잠열, 현열, 지열, 순복사량 등을 모의하며 소유역단위로 지하수면깊이를 재분포시키는 특징을 가지고 있다.
성능/효과
수도권지역에 대한 돌발홍수 피해사례 38건에 대해서 TOPLATS 지표해석모형의 격자 수문성분을 분석한 결과, 구조요청시점 기준 선행 6시간동안 10 mm 이하의 강우가 발생한 사례 11건을 제외한 27건(71%)에 대해서 강우량, 지표유출량, 토양수분량, 지하수면깊이가 적절하게 모의되는 것을 확인하였다. TOPLATS 모형은 다른 분포형 모형과는 달리 소유역 단위로 지하수면깊이를 재분포시켜서 각 격자단위 지하수면깊이와 토양수분량을 갱신하며 이러한 특성으로 인해 격자단위의 시계열 수문성분도 적절하게 거동하는 것으로 판단된다.
돌발홍수주의보는 40∼60 범위, 돌발홍수경보는 60이상에서 발령하며 구조요청시간을 기준으로 선행 6시간에 대해 돌발홍수지수를 산정한 결과에서 27건에 대해 주의보나 경보가 발생하는 것으로 나타났다. 선행시간별로 정확도를 분석한 결과에서 해당격자의 강우량 발생 조건에 따라 선행 4∼6시간까지 71∼87%의 정확도를 유지하고 0시간에서 42∼52%로 정확도가 줄어드는 것으로 나타났다.
모의격자단위에서 주어진 시계열 강우량에 대해 지표유출량, 토양수분량, 지하수면깊이가 잘 모의되는 것을 확인할 수있으며 이는 TOPLATS 분포형 지표해석모형의 물수지해석이 격자단위에서도 적절하게 이루어지는 것을 의미한다. 다만, 구조요청시점 기준 선행시간에 대해 강우량이 절대적으로 부족하여 수문성분의 변화가 나타나지 않는 것은 AWS 관측강우 기반 QPE의 오차에 기인한 것으로 지표해석모형의 물수지 과정에서 개선하기는 어렵다.
돌발홍수주의보는 40∼60 범위, 돌발홍수경보는 60이상에서 발령하며 구조요청시간을 기준으로 선행 6시간에 대해 돌발홍수지수를 산정한 결과에서 27건에 대해 주의보나 경보가 발생하는 것으로 나타났다. 선행시간별로 정확도를 분석한 결과에서 해당격자의 강우량 발생 조건에 따라 선행 4∼6시간까지 71∼87%의 정확도를 유지하고 0시간에서 42∼52%로 정확도가 줄어드는 것으로 나타났다. 선행시간이 줄어들수록 정확도가 낮아지는 이유는 구조요청시점과 모의된 돌발홍수지수의 주의/경보가 발생한 시점과의 오차가 상대적으로 제한된 조건에서의 결과이기 때문이다.
수도권지역에 대한 돌발홍수 피해사례 38건에 대해서 TOPLATS 지표해석모형의 격자 수문성분을 분석한 결과, 구조요청시점 기준 선행 6시간동안 10 mm 이하의 강우가 발생한 사례 11건을 제외한 27건(71%)에 대해서 강우량, 지표유출량, 토양수분량, 지하수면깊이가 적절하게 모의되는 것을 확인하였다. TOPLATS 모형은 다른 분포형 모형과는 달리 소유역 단위로 지하수면깊이를 재분포시켜서 각 격자단위 지하수면깊이와 토양수분량을 갱신하며 이러한 특성으로 인해 격자단위의 시계열 수문성분도 적절하게 거동하는 것으로 판단된다.
이상의 결과로부터 수도권지역에 구축한 1 h과 1 km의 시공간 해상도를 갖는 돌발홍수지수정보가 선행 6시간 내에서 70% 이상의 정확도를 갖는 것을 확인하였다. 이는 레이더 또는 수치모델로부터 모의된 QPE와 QPF 자료의 정확도가 수도권 지역에 대해 AWS 지점강우량을 내삽하여 만든 QPE와 동일한 정확도를 갖는다고 가정할 때 잠재적인 돌발홍수 피해 지역을 예측할 수 있을 것으로 기대된다.
후속연구
이는 레이더 또는 수치모델로부터 모의된 QPE와 QPF 자료의 정확도가 수도권 지역에 대해 AWS 지점강우량을 내삽하여 만든 QPE와 동일한 정확도를 갖는다고 가정할 때 잠재적인 돌발홍수 피해 지역을 예측할 수 있을 것으로 기대된다. 다만, 토양수분량, 실제증발산량에 대해 현장관측자료 및 위성자료를 이용하여 모의된 격자수문성분에 대한 공간적인 정확도 검증이 필요하다. 또한 모의된 격자단위 지표유출량과 산지계곡 및 소하천의 실제 유출량의 상관성 분석에 대한 연구가 추가적으로 필요하다.
향후, 다양한 지표해석모델 적용을 통해 격자 수문 성분의 불확실성을 평가하고, 모의수문성분의 정확도 검증 및 산지계곡/소하천 유출량과의 상관성 분석에 대한 연구를 수행하고자 한다. 또한 돌발홍수 피해사례를 추가하여 돌발 홍수지수에 대한 검증을 수행하고 레이더 및 수치모델 QPE/QPF 적용에 따른 결과를 분석하여 현업에서 활용이 가능한 산지돌발홍수 예측체계를 구축하고자 한다.
다만, 토양수분량, 실제증발산량에 대해 현장관측자료 및 위성자료를 이용하여 모의된 격자수문성분에 대한 공간적인 정확도 검증이 필요하다. 또한 모의된 격자단위 지표유출량과 산지계곡 및 소하천의 실제 유출량의 상관성 분석에 대한 연구가 추가적으로 필요하다.
표에서 구조요청시점 기준 선행 6시간의 강우량이 5∼10 mm 이하인 사례를 제외한 모든 사례에서 6시간 이내에 돌발홍수주의보 또는 경보가 발생함을 확인할 수 있다. 이는 TOPLATS 지표해석모형 기반의 격자수문성분와 돌발홍수 피해사례의 상관성 분석을 통해 산정된 돌발홍수지수가 돌발홍수지역을 예측하는데 활용될 수 있음을 보여주는 결과라 할 수 있다.
이상의 결과로부터 수도권지역에 구축한 1 h과 1 km의 시공간 해상도를 갖는 돌발홍수지수정보가 선행 6시간 내에서 70% 이상의 정확도를 갖는 것을 확인하였다. 이는 레이더 또는 수치모델로부터 모의된 QPE와 QPF 자료의 정확도가 수도권 지역에 대해 AWS 지점강우량을 내삽하여 만든 QPE와 동일한 정확도를 갖는다고 가정할 때 잠재적인 돌발홍수 피해 지역을 예측할 수 있을 것으로 기대된다. 다만, 토양수분량, 실제증발산량에 대해 현장관측자료 및 위성자료를 이용하여 모의된 격자수문성분에 대한 공간적인 정확도 검증이 필요하다.
물론 이를 위해서는 지표특성을 나타내는 토양과 토지 피복에 대한 정확한 입력자료 구축과 격자 강우량의 정확도가 확보되어야 한다. 이러한 문제들은 GIS 자료의 발달과 레이더와 수치모델의 발달정도에 따라 개선될 가능성이 높다고 판단된다. 향후, 다양한 지표해석모델 적용을 통해 격자 수문 성분의 불확실성을 평가하고, 모의수문성분의 정확도 검증 및 산지계곡/소하천 유출량과의 상관성 분석에 대한 연구를 수행하고자 한다.
이러한 문제들은 GIS 자료의 발달과 레이더와 수치모델의 발달정도에 따라 개선될 가능성이 높다고 판단된다. 향후, 다양한 지표해석모델 적용을 통해 격자 수문 성분의 불확실성을 평가하고, 모의수문성분의 정확도 검증 및 산지계곡/소하천 유출량과의 상관성 분석에 대한 연구를 수행하고자 한다. 또한 돌발홍수 피해사례를 추가하여 돌발 홍수지수에 대한 검증을 수행하고 레이더 및 수치모델 QPE/QPF 적용에 따른 결과를 분석하여 현업에서 활용이 가능한 산지돌발홍수 예측체계를 구축하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
집중호우로 인한 홍수피해유형을 구분짓는 요소는 무엇인가?
집중호우로 인한 홍수피해유형은 집중호우의 지속기간, 지상에서의 피해유형에 따라 구분될 수 있다. 강우강도, 강우지속시간, 홍수가 발생하기까지의 시간정도에 따라 홍수와 돌발홍수로 구분되며 지상의 피해지역에 따라 도시홍수, 산지홍수, 하천홍수로 구분되고 하천홍수는 하천규모에 따라 대/중/소 하천홍수로 나눌 수 있다.
집중호우로 인한 홍수피해유형은 지속기간, 지상에서의 피해유형 따라 어떻게 구분되는가?
집중호우로 인한 홍수피해유형은 집중호우의 지속기간, 지상에서의 피해유형에 따라 구분될 수 있다. 강우강도, 강우지속시간, 홍수가 발생하기까지의 시간정도에 따라 홍수와 돌발홍수로 구분되며 지상의 피해지역에 따라 도시홍수, 산지홍수, 하천홍수로 구분되고 하천홍수는 하천규모에 따라 대/중/소 하천홍수로 나눌 수 있다. 돌발홍수는 지상의 피해유형과는 무관하게 강우가 발생하여 홍수징후가 발생하기까지의 시간과 밀접한 관계가 있으므로 도시돌발홍수, 산지돌발홍수와 같은 표현이 가능하다.
기상현상의 변동폭이 증가하는 원인은 무엇인가?
최근 지구온난화, 엘리뇨, 라니냐 등 지구환경변화에 따른 기후변화 영향으로 기상현상의 변동폭이 증가하고 있다. 이와 관련해서 우리나라에서도 기후변화로 인해 극한 강우의 발생빈도와 강도가 지역적으로 얼마나 변화되었고 미래에 변화될 것인지에 대한 연구가 많이 수행되었다.
참고문헌 (16)
Bae, D.H., and Kim, J.H. (2007). "Development of Korea flash flood guidance system: (I) theory and system design." Journal of the Korean Society of Civil Engineers, Vol. 27, No. 3B, pp. 237-243.
Bae, D.H., Jung, I.W., and Chang, H. (2008). "Long-term trend of precipitation and runoff in Korean river basins." Hydrological Processes, Vol. 22, pp. 2644-2656.
Beven, K., Quinn, P., Romanowicz, R., Rreer, J., Fisher, J., and Lamb, R. (1994). TOPMODEL and GRIDDATB, A users guide to the distribution versions (94.03), CRES Technical Report TR110/94, Lancaster University, Lancaster, U.K.
Carpenter, T.M., and Georgakakos, K.P. (1993). GIS based procedures in support of flash flood guidance, IHR Report, No. 366, Iowa Institute of Hydraulic Research The University of Iowa, Iowa City, pp. 1-27.
Chang, H., and Kwon, W.T. (2007). "Spatial variations of summer precipitation trends in South Korea, 1973-2005." Environmental Research Letter, Vol. 2, pp. 1-9, DOI: 10.1088/ 1748-9326/2/4/045012.
Famiglietti, J.S., and Wood, E.F. (1994). "Application of multiscale water and energy balance models on a tallgrass prairie." Water Resour. Res., Vol. 30, No. 11. pp. 3061-3078.
Ji, H.S., Lee, B.J., Nam, K.Y., Lee, C.K., and Jung, H.S. (2014). "Evaluation of hydrological components simulated by water and energy balance." Journal of Korea Water Resources Association, Vol. 47, No. 1, pp. 25-35.
Kim, B.S., and Kim, H.S. (2008). "Estimation of the flash flood severity using runoff hydrograph and flash flood index." Journal of Korea Water Resources Association, Vol. 41, No. 2, pp. 407-424.
Lee, B.J., and Choi, Y.J. (2012). "Evaluation of high-resolution hydrologic components based on TOPLATS land surface model." Atmosphere, Korean Meteorological Society, Vol. 22, No. 3, pp. 357-365.
Lee, S., and Kwon, W.T. (2004). "A variation of summer rainfall in Korea." Journal of Korean Geographical Society, Vol 39, pp. 819-832.
Rodrigeuz-Iturbe, I., Sanabria, M.G., and Bras, R.L. (1982). "A geomophoclimatic theory of the instantaneous unit hydrograph." Water Resources Research, Vol. 18, No. 4, pp. 877-886.
Shin, H.S., Kim, H.T., and Park, M.J. (2004). "The study of the fitness on calculation of the flood warning trigger rainfall using GIS and GCUH." Journal of Korea Water Resources Association, Vol. 37, No. 5, pp. 407-424.
UCAR (2010). Flash Flood Early Warning System Reference Guide 2010, ISBN 978-0-615-37421-5.
Yoon, S., Choi, S., Lee, B.J., and Choi, Y.J. (2015). "A study on statistical methods for the development of flash flood iIndex." Journal of the Korean Society of Hazard Mitigation, Proceeding.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.