서해안에 영향을 미친 태풍자료를 사용하여 몬테칼로 시뮬레이션을 통해 목포를 비롯하여 군산, 인천 및 제주 등 서해안 4곳의 빈도별 풍속을 산정하였다. 민감도분석 결과 최근접거리와 최대풍속반경의 차이가 풍속에 가장 영향을 크게 미치는 요소이고 위치각과 기압강하량 역시 민감한 반면 이동속도는 가장 둔감한 매개변수로 나타나고 있다. 이를 토대로 빈도별 최대풍속을 발생시키는 평균적인 해당빈도의 표준태풍을 설정할 수 있으며, 각 지점에서의 태풍 매개변수 설정을 통해 표준태풍을 확립할 수 있다. 이러한 표준태풍을 통해 빈도별 풍속과 일맥상통하는 빈도별 해일고 역시 산정할 수 있게 된다. 또한 가항반원에 해당하는 자료만 포함시켜 해석함으로써 음해일을 유발하는 표준태풍 역시 생성할 수 있다.
서해안에 영향을 미친 태풍자료를 사용하여 몬테칼로 시뮬레이션을 통해 목포를 비롯하여 군산, 인천 및 제주 등 서해안 4곳의 빈도별 풍속을 산정하였다. 민감도분석 결과 최근접거리와 최대풍속반경의 차이가 풍속에 가장 영향을 크게 미치는 요소이고 위치각과 기압강하량 역시 민감한 반면 이동속도는 가장 둔감한 매개변수로 나타나고 있다. 이를 토대로 빈도별 최대풍속을 발생시키는 평균적인 해당빈도의 표준태풍을 설정할 수 있으며, 각 지점에서의 태풍 매개변수 설정을 통해 표준태풍을 확립할 수 있다. 이러한 표준태풍을 통해 빈도별 풍속과 일맥상통하는 빈도별 해일고 역시 산정할 수 있게 된다. 또한 가항반원에 해당하는 자료만 포함시켜 해석함으로써 음해일을 유발하는 표준태풍 역시 생성할 수 있다.
Extreme wind speeds at four sites including Mokpo, Gunsan, Incheon and Jeju near the Western Coast have been estimated with a tool of Monte Carlo simulation and typhoon data. Results of sensitivity analysis show that closeness between distance to the eye and the radius to maximum wind is most sensit...
Extreme wind speeds at four sites including Mokpo, Gunsan, Incheon and Jeju near the Western Coast have been estimated with a tool of Monte Carlo simulation and typhoon data. Results of sensitivity analysis show that closeness between distance to the eye and the radius to maximum wind is most sensitive. While location angle and pressure deficit are sensitive too, but translation velocity is not. A standard typhoon, which results in extreme wind speeds having various return period, can be constructed by combination of parameter informations of each site. Then, with a numerical modelling of the typhoon, extreme surge heights having the same return period can also be obtained. To be added, by analysing the data which only including those based on navigable semicircle, it is possible to produce a standard typhoon which could result in setting-down of sea level.
Extreme wind speeds at four sites including Mokpo, Gunsan, Incheon and Jeju near the Western Coast have been estimated with a tool of Monte Carlo simulation and typhoon data. Results of sensitivity analysis show that closeness between distance to the eye and the radius to maximum wind is most sensitive. While location angle and pressure deficit are sensitive too, but translation velocity is not. A standard typhoon, which results in extreme wind speeds having various return period, can be constructed by combination of parameter informations of each site. Then, with a numerical modelling of the typhoon, extreme surge heights having the same return period can also be obtained. To be added, by analysing the data which only including those based on navigable semicircle, it is possible to produce a standard typhoon which could result in setting-down of sea level.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
해일고와는 달리 최대풍속은 태풍조건으로부터 개략적으로 산출이 가능하며 관측자료도 풍부하다. 따라서 본 연구에서는 EST기법의 트레이닝세트에 포함되는 가상태풍 또는 설계태풍의 빈도를 설정하기 위하여 각 태풍에 의해 유발되는 최대풍속자료를 활용하고자 한다. 이를 위해 먼저 태풍에 의해 발생된 빈도별 최대풍속을 산정한 후 해당 최대풍속을 유발한 태풍환경을 역추적하여 일명 ‘표준태풍’을 생성하기 위한 매개변수를 추출한다.
본 연구에서 추구하는 목표는 임의의 지역에서 특정 재현 기간별 풍속 산정과 함께 해당 풍속을 발생시키는 평균적인 태풍을 설정하는 것이다. 이를 표준태풍이라 명명하였고 설정된 태풍에 대하여 해일모의를 통해 빈도별 해일고까지 산정할 수 있으며, 더 나아가 EST기법에 가상태풍으로 반영할 수 있게 된다.
제안 방법
목포 지역에 해당하는 표준태풍 제원은 Table 6에 제시된 바와 같이 설정될 수 있는데, 이는 태풍경로상에서 목포에 최근접하는 1개 지점의 정보에 불과하므로 태풍에 의한 해일의 수치모의 등에 활용하기 위해서는 태풍경로상의 추가적인 조건이 요구된다. Table 6에 제시된 바와 같이 목포 뿐 아니라 인천, 군산, 제주 등지에서 태풍이 최근접하는 상황에 대한 정보, 즉 최대풍속, 최대풍반경, 기압강하량, 이동속도 등의 매개변수를 추가적으로 설정하였다. 이러한 정보를 태풍진행 방향으로 순차적으로 설정함으로써 표준태풍을 완성할 수 있는데, 제주 이남에서의 기압강하량을 산정하기 위하여 국내 최남단인 이어도에서의 분석을 추가하여 동일 위도의 표준태풍에 반영하였다.
각 태풍의 해당지점 최근접시 태풍의 위경도, 중심기압, 최근접거리, Coriolis, 이동속도, 위치각 등의 매개변수는 RSMC 자료를 이용하여 산정하였으며 목포지점에 대한 예를 Table 1에 제시하였다. 즉, 태풍의 위도와 경도는 목포 조위관측소와의 최근접시 좌표이며 이때 태풍의 중심과 해당지점과의 거리를 측정하여 최근접거리로 산정하였다.
따라서 본 연구에서는 Fig. 3의 각 매개변수별로 해당 매개변수가 풍속 크기에 민감한지 여부를 다음 식 (6)을 통해 정량적으로 비교 평가하였다. 즉, 식 (6)과 같이 분산의 비로 정의되는 집중도(C)라 명명한 값이 작을수록 해당 매개변수가 한정된 좁은 범위에서 큰 풍속을 유발하는 반면 1에 가까울수록 고빈도 풍속이 해당 매개변수에 둔감한 것으로 평가된다.
Table 5에 보인 바와 같이 최근접거리와 최대풍반경의 차이가 가장 민감하며 위치각과 중심기압차 순으로 민감한 매개변수로 나타나고 있는 반면 이동속도는 둔감한 것으로 나타나고 있다. 따라서 최근접거리와 최대풍반경의 관계를 먼저 설정한 후 여타 매개변수를 순차적으로 설정하여 표준태풍을 생성하고자 한다. 전술하였듯이 최근접거리는 최대풍반경에 근접할수록 풍속이 증가함은 자명한 사실이다.
중심기압 및 이동속도는 3~6시간 간격으로 발표되는 정보를 토대로 최근접거리에 위치하였을 때의 값을 내삽법으로 산정하였다. 또한 위치각은 최근접시 위치를 Fig. 1에 나타내었듯이 정동쪽을 0도로 하고 반시계방향의 각도로 설정하였다.
전술하였듯이 최근접거리는 최대풍반경에 근접할수록 풍속이 증가함은 자명한 사실이다. 본 연구의 목적이 예보에 있지 않으므로 우선 최근접거리가 최대풍반경과 일치할 경우를 표준태풍의 첫 번째 조건으로 선택하였다. 이때 위치각의 민감도를 반영하여 최근접거리는 위치각이 90도~270도 사이에 있는 위험반원에 해당하면서 최대풍반경과 일치하도록 선정한다.
Table 6에 제시된 바와 같이 목포 뿐 아니라 인천, 군산, 제주 등지에서 태풍이 최근접하는 상황에 대한 정보, 즉 최대풍속, 최대풍반경, 기압강하량, 이동속도 등의 매개변수를 추가적으로 설정하였다. 이러한 정보를 태풍진행 방향으로 순차적으로 설정함으로써 표준태풍을 완성할 수 있는데, 제주 이남에서의 기압강하량을 산정하기 위하여 국내 최남단인 이어도에서의 분석을 추가하여 동일 위도의 표준태풍에 반영하였다. 이렇게 설정된 서해안을 통과하는 200년 빈도 표준태풍의 경로와 기압변화상을 Fig.
이를 위해 먼저 태풍에 의해 발생된 빈도별 최대풍속을 산정한 후 해당 최대풍속을 유발한 태풍환경을 역추적하여 일명 ‘표준태풍’을 생성하기 위한 매개변수를 추출한다.
이를 표준태풍이라 명명하였고 설정된 태풍에 대하여 해일모의를 통해 빈도별 해일고까지 산정할 수 있으며, 더 나아가 EST기법에 가상태풍으로 반영할 수 있게 된다. 이를 위해 우선 200년 빈도의 표준태풍에 대한 매개변수를 다음과 같이 민감한 매개변수 순으로 설정하였다.
이와 같이 산정된 확률변수값을 이용하여 Monte-Carlo 시뮬레이션을 반복하여 설계풍속을 산정하였다. 시뮬레이션에 의하여 구한 풍속을 크기순으로 정렬하면 i번째 풍속(Vi)에 해당하는 재현기간(N)은 다음 식 (5)와 같이 산정된다(Kim et al.
본 연구에서는 이 자료 중 자료의 신뢰도 및 동질성을 감안하여 1978년 이후 자료에 대해서만 한반도에 영향을 미친 태풍 중 TY급 및 STS급 태풍을 해석대상으로 선정하였다. 인천, 군산, 목포 등 서해안 지역과 제주의 표준태풍을 설정하기 위해 해당 4개 지역 외에 이어도 지점을 추가로 분석하였다.
즉, 태풍의 위도와 경도는 목포 조위관측소와의 최근접시 좌표이며 이때 태풍의 중심과 해당지점과의 거리를 측정하여 최근접거리로 산정하였다. 중심기압 및 이동속도는 3~6시간 간격으로 발표되는 정보를 토대로 최근접거리에 위치하였을 때의 값을 내삽법으로 산정하였다. 또한 위치각은 최근접시 위치를 Fig.
각 태풍의 해당지점 최근접시 태풍의 위경도, 중심기압, 최근접거리, Coriolis, 이동속도, 위치각 등의 매개변수는 RSMC 자료를 이용하여 산정하였으며 목포지점에 대한 예를 Table 1에 제시하였다. 즉, 태풍의 위도와 경도는 목포 조위관측소와의 최근접시 좌표이며 이때 태풍의 중심과 해당지점과의 거리를 측정하여 최근접거리로 산정하였다. 중심기압 및 이동속도는 3~6시간 간격으로 발표되는 정보를 토대로 최근접거리에 위치하였을 때의 값을 내삽법으로 산정하였다.
대상 데이터
는 연간 태풍 내습 횟수이다. Kwon and Lee(2008)에 따르면 적절한 반복 횟수는 50,000회 이상으로 제안되고 있어 본 연구에서는 100,000회의 시뮬레이션을 시행하였다.
5hPa을 기록하고 있으며 이는 목포지역에서 발생하기는 다소 비현실적인 수치이다. 따라서 본 연구에서는 이러한 비현실적인 태풍이 배제되도록 반경 300 km 이내 태풍 51개를 대상으로 하였다. 이렇게 선정된 태풍 경로를 Fig.
일본 기상청에서 운영하는 RSMC(Regional Specialized Meteorological Center)-Tokyo에서는 1951년 이후의 태풍정보를 최적경로자료 형태로 제공하고 있다. 본 연구에서는 이 자료 중 자료의 신뢰도 및 동질성을 감안하여 1978년 이후 자료에 대해서만 한반도에 영향을 미친 태풍 중 TY급 및 STS급 태풍을 해석대상으로 선정하였다. 인천, 군산, 목포 등 서해안 지역과 제주의 표준태풍을 설정하기 위해 해당 4개 지역 외에 이어도 지점을 추가로 분석하였다.
이론/모형
5의 범위에 있으며, 식 (2)와 같은 Vickery et al.(2000)이 제안한 식을 이용하여 산정하였다.
풍속 산정식인 식 (1)의 적용을 위해 태풍 매개변수가 산정되어야 하는데, 각 매개변수에 적합한 확률분포함수를 설정한 후 임의로 발생시킨 매개변수 세트가 구성된다. 매개변수별 확률분포함수는 Kwon and Lee(2008)에 정리되어 있는 유사 연구들을 참고하여 선정하였으며 Table 1을 토대로 매개변수가 산정된다. 선정된 확률분포함수 및 산정된 매개변수값과 함께 확률분포함수의 적합도 검정결과를 Table 2에 제시하였다.
으로 변환해야 한다. 본 연구에서는 Kwon and Lee(2008)가 채택한 방식과 동일하게 다음 식 (4)(Vickery and Twisdale, 1995)를 사용하였다. 이때 1분 평균과 10분 평균 풍속의 비율은 1.
태풍시 발생하는 풍속의 빈도를 산정하기 위해 몬테칼로 시뮬레이션을 적용하였다. 여기에는 임의로 발생되는 태풍 매개변수에 따라 풍속이 산정되는 과정이 포함되어 있는데, 최대풍속 산정을 위해 태풍의 바람장 모델인 Holland(1980) 모델을 이용하였다. 태풍의 눈에서 r만큼 떨어진 곳의 1분 평균 경고도 풍속은 다음 식 (1)과 같이 표현된다.
태풍시 발생하는 풍속의 빈도를 산정하기 위해 몬테칼로 시뮬레이션을 적용하였다. 여기에는 임의로 발생되는 태풍 매개변수에 따라 풍속이 산정되는 과정이 포함되어 있는데, 최대풍속 산정을 위해 태풍의 바람장 모델인 Holland(1980) 모델을 이용하였다.
성능/효과
Fig. 3(a)에 보인 기압강하량의 경우 상관계수가 0.64로 풍속과의 상관성이 선형적으로 뚜렷하게 보이고 있는 반면 여타 매개변수에서는 상관성이 옅거나 비선형적 상관성을 보이고 있다. 특히 Fig.
선정된 확률분포함수 및 산정된 매개변수값과 함께 확률분포함수의 적합도 검정결과를 Table 2에 제시하였다. Chi-square검정을 비롯한 4가지 검정결과 5% 유의수준에서 모두 통과하고 있어 모든 매개변수에서 채택한 각 확률분포함수가 적합한 것으로 나타나고 있고 Fig. 2에 도시된 누가분포함수 역시 검정결과와 일맥상통하고 있음을 보이고 있다.
제시된 결과에 따르면 인천, 군산, 목포 등 서해안 주요도시에 대한 해석으로부터 설정된 표준태풍의 경로는 Fig. 5에 보인 바와 같이 태풍 Bolaven(1215)의 경로와 매우 유사하게 나타나고 있음을 보여주고 있다. 태풍 Bolaven(1215)에 비해 중심기압이 낮게 형성되고 있으며 북쪽에 위치한 지점일수록 태풍의 세력이 약화되어 Table 6에 제시된 바와 같이 기압강하량과 최대풍속이 감소하는 반면 최대풍반경은 증가하고 있음을 보이고 있다.
후속연구
그러나 본 연구에서 채택한 방법 역시 1978년부터 30여년 자료로부터 산정된 결과이므로 고빈도 예측값을 산정하기에는 자료의 비정상성과 불확실성에 대한 담보는 부족한 상황이며, 특히 지구온난화 등에 기인한 미래 태풍의 강도변화는 간과되고 있는 실정이어서 기후변화 등에 따른 영향성이 보완되어야 하며 이는 추후 연구과제로 남겨둔다.
이렇게 만들어진 표준태풍을 태풍-해일 모의가 가능한 해수유동 수치모형에 적용하게 되면 풍속의 빈도와 일맥상통하는 해일고를 산정할 수 있게 되며 이는 EST 방법의 트레이닝세트의 가상태풍 설정에 활용될 수 있을 뿐 아니라 극치해면고 산정을 위한 설계태풍으로도 활용될 수 있다. 또한 가항반원에 해당하는 자료만을 대상으로 해석하게 되면 서해안 지역에서 음의 해일고를 유발하는 빈도별 최대풍속을 산정할 수 있으며, 해당 빈도의 표준태풍 역시 생성할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
극치해면고 산정방법의 대표적인 방법은 무엇이 있는가?
극치해면고 산정방법의 대표적인 방법으로 확률분포함수를 토대로 하여 매개변수 추정을 통해 빈도별 해면고를 산정하는 방법이 있다. 그러나 이 방법은 매년 한 개 정도의 고극조위 자료만 사용하므로 자료의 낭비가 심하고 대규모 해일이 높지 않은 조위상황에서 발생한 경우 결과에 반영되지 않을 수 있다는 단점이 있다(Toro et al.
EST기법은 무엇인가?
, 2010). 이러한 단점을 극복하기 위한 방법으로 과거사상을 비모수적 방법으로 해석하는 EST(empirical simulation technique) 기법(Scheffner et al., 1999)이 최근 널리 사용되고 있다.
극치해면고 산정방법의 단점은?
극치해면고 산정방법의 대표적인 방법으로 확률분포함수를 토대로 하여 매개변수 추정을 통해 빈도별 해면고를 산정하는 방법이 있다. 그러나 이 방법은 매년 한 개 정도의 고극조위 자료만 사용하므로 자료의 낭비가 심하고 대규모 해일이 높지 않은 조위상황에서 발생한 경우 결과에 반영되지 않을 수 있다는 단점이 있다(Toro et al., 2010).
참고문헌 (20)
Batts, M.E., Russell, L.R. and Simiu, E. (1980). Hurricane wind speeds in the U.S., Journal of Structural Engineering, ASCE, 106(10).
Cho, K.H. and Kim, S.C. (2009). A study on optimal radius of typhoon selection for Monte Carlos method, Proceedings of the Wind Engineering Institute of Korea, Seoul National Univ., 39-43.
Divoky, D. and Resio, D.T. (2007). Performance of the JPM and EST methods in storm surge studies. 10th International Workshop on Wave Hindcasting and Forecasting, and Coastal Hazard Symposium, North Shore, Oahu, Hawaii.
Goring, D.G., Stephens, S.A., Bell, R.G. and Pearson, C.P. (2011). Estimation of extreme sea levels in a tide-dominated environment using short data records. Journal of Waterway, Port, Coastal, and Ocean Engineering, 137(3), 150-159.
Kang, J.W. (2015). Typhoon-surge characteristics in relation with the tide-surge interaction, Journal of Korean Society of Coastal and Ocean Eng., 27(1), 25-37. (in Korean)
Kang, J.W., Kim, Y.S., Cho, H.Y. and Shim, J.-S. (2012). Estimation of extreme sea levels at tide-dominated coastal zone, Journal of Korean Society of Coastal and Ocean Eng., 24(6), 185-193. (in Korean)
Kang, S.-W., Jun, K.-C., Bang, G.-H. and Park, K.-S. (2002). Empirical relationship between central pressure and maximum sustained wind for tropical cyclones in Northeast Asian Sea, Asia-Pacific Journal of Atmospheric Science, 38(5), 523-530.
Kim, D.-W., and Ha, Y.-C. (2004). Estimation of wind speeds for return period in the major cities reflecting the recent meteorological data, Journal of the Wind Engineering Institute of Korea, 8(2), 147-154.
Kim, S.-C., Kim, Y.S. and Yang, Y.-T. (2005). Assessment of severe local storm risks in Ulsan area using Monte Carlos typhoon simulation method and CFD model, Journal of the Wind Engineering Institute of Korea, 9(1), 45-54.
Ko, D.H., Jeong, S.T., Cho, H. and Kang, K.S. (2014). Extreme offshore wind estimation using typhoon simulation, Journal of Korean Society of Coastal and Ocean Eng., 26(1), 16-24. (in Korean)
Kwon, S.-D. and Lee, J.-H. (2008). Estimation of extreme wind speeds in Southern and Western Coasts by typhoon simulation, Journal of Korean Society of Civil Eng., 28(4A), 431-438. (in Korean)
Lee, Y.K., Lee, S.S. and Kim, H.S. (2007). Expectation of extreme wind speed due to typhoon, Proceedings of the Wind Engineering Institute of Korea, Pukyoung National Univ., 1-7.
Powell, M., Soukup, G., Cocke, S., Gulati, S., Morisseau-L., N., Hamid, S., Dorst, N. and Axe, L. (2005). State of Florida hurricane loss projection model: Atmospheric science component, Journal of Wind Eng., 93, 651-674.
Russell, L.R. (1971). Probability distributions for hurricane effects, Journal of Waterways, Harbors and Coastal Engineering, ASCE, 97(1).
Scheffner, N.W., Clausner, J.E., Militello, A., Borgman, L.E., Edge, B.L. and Grace, P.J. (1999). Use and application of the empirical simulation technique; User's guide. US Army Corps of Engineers.
Toro, G.R., Resio, D.T., Divoky, D., Niedoroda, A.W. and Reed, C. (2010). Efficient joint-probability methods for hurricane surge frequency analysis. Ocean Engineering, 37, 125-134.
Vickery P.J., and Twisdale, L.A. (1995). Wind field and filling models for hurricane wind-speed predictions, Journal of Structural Engineering, ASCE, 121(11).
Vickery P.J., Skerlj, P.F. and Twisdale, L.A. (2000). Simulation of hurricane risk in the U.S. using empirical track model, Journal of Structural Engineering, 67, 152-163.
Willoughby, H.E., Darling, R.W.R. and Rahn, M.E. (2006). Parametric representation of the primary hurricane vortex. Part II: A new family of sectionally continuous profiles, Monthly Weather Review, 134, 1102-1120.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.