본 연구는 상습적으로 도시침수 피해를 입은 지역을 대상으로 도시 홍수 예 경보를 위한 강우 시나리오별 사전 침수면적 데이터베이스를 구축하고 강우강도에 따른 침수예상도를 작성하여 기상청 최대강우량 예보와 함께 홍수위험지역을 사전에 예보할 수 있는 방법을 제안하고자 한다. 데이터베이스 구축을 위하여 1D-2D 모형 구축을 실시하고 실제호우사상에 대한 검증을 완료한 다음 시나리오별 해석을 실시하였다. 2010년 9월 21일에 대상유역에 내린 강우사상에 대한 2D 해석결과를 NDMS 자료와 비교 분석 하였다. NDMS 신고지점은 총 118지점에서 신고가 되었으며, 2D 침수해석 결과 82개 지점이 계산결과에 포함되었다. NDMS 신고 지점과 2D 침수해석 결과에 대하여 적합도를 계산한 결과 69.5%의 적합도로 분석되었다. 사전 침수 데이터베이스를 이용하여 침수예상도를 작성하였으며, 70mm의 침수예상도의 경우 NDMS 신고 지점과 70.3%의 적합도를 가졌으며, 80mm의 침수예상도의 경우 72.0%의 적합도를 가지는 것으로 분석되었다. 구축된 사전 침수면적 데이터베이스를 이용하여 기상예보와 함께 침수예상도 정보를 함께 제시할 수 있으며 침수 예 경보 시 선행시간을 확보할 수 있다.
본 연구는 상습적으로 도시침수 피해를 입은 지역을 대상으로 도시 홍수 예 경보를 위한 강우 시나리오별 사전 침수면적 데이터베이스를 구축하고 강우강도에 따른 침수예상도를 작성하여 기상청 최대강우량 예보와 함께 홍수위험지역을 사전에 예보할 수 있는 방법을 제안하고자 한다. 데이터베이스 구축을 위하여 1D-2D 모형 구축을 실시하고 실제호우사상에 대한 검증을 완료한 다음 시나리오별 해석을 실시하였다. 2010년 9월 21일에 대상유역에 내린 강우사상에 대한 2D 해석결과를 NDMS 자료와 비교 분석 하였다. NDMS 신고지점은 총 118지점에서 신고가 되었으며, 2D 침수해석 결과 82개 지점이 계산결과에 포함되었다. NDMS 신고 지점과 2D 침수해석 결과에 대하여 적합도를 계산한 결과 69.5%의 적합도로 분석되었다. 사전 침수 데이터베이스를 이용하여 침수예상도를 작성하였으며, 70mm의 침수예상도의 경우 NDMS 신고 지점과 70.3%의 적합도를 가졌으며, 80mm의 침수예상도의 경우 72.0%의 적합도를 가지는 것으로 분석되었다. 구축된 사전 침수면적 데이터베이스를 이용하여 기상예보와 함께 침수예상도 정보를 함께 제시할 수 있으며 침수 예 경보 시 선행시간을 확보할 수 있다.
This study aimed to establish database of rainfall inundation area by rainfall scenarios and conduct a real time prediction for urban flood mitigation. the data leaded model was developed for the mapping of inundated area with rainfall forecast data provided by korea meteorological agency. for the c...
This study aimed to establish database of rainfall inundation area by rainfall scenarios and conduct a real time prediction for urban flood mitigation. the data leaded model was developed for the mapping of inundated area with rainfall forecast data provided by korea meteorological agency. for the construction of data leaded model, 1d-2d modeling was applied to Gangnam area, where suffered from severe flooding event including september, 2010. 1d-2d analysis result agree with observed in term of flood depth. flood area and flood occurring report which maintained by NDMS(national disaster management system). The fitness ratio of the NDMS reporting point and 2D flood analysis results was revealed to be 69.5%. Flood forecast chart was created using pre-flooding database. It was analyzed to have 70.3% of fitness in case of flood forecast chart of 70mm, and 72.0% in case of 80mm flood forecast chart. Using the constructed pre-flood area database, it is possible to present flood forecast chart information with rainfall forecast, and it can be used to secure the leading time during flood predictions and warning.
This study aimed to establish database of rainfall inundation area by rainfall scenarios and conduct a real time prediction for urban flood mitigation. the data leaded model was developed for the mapping of inundated area with rainfall forecast data provided by korea meteorological agency. for the construction of data leaded model, 1d-2d modeling was applied to Gangnam area, where suffered from severe flooding event including september, 2010. 1d-2d analysis result agree with observed in term of flood depth. flood area and flood occurring report which maintained by NDMS(national disaster management system). The fitness ratio of the NDMS reporting point and 2D flood analysis results was revealed to be 69.5%. Flood forecast chart was created using pre-flooding database. It was analyzed to have 70.3% of fitness in case of flood forecast chart of 70mm, and 72.0% in case of 80mm flood forecast chart. Using the constructed pre-flood area database, it is possible to present flood forecast chart information with rainfall forecast, and it can be used to secure the leading time during flood predictions and warning.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 다양한 강우 시나리오에 대해 사전에 모의된 침수면적 데이터를 활용하여 홍수위험지역의 예ㆍ경보를 위한 선생시간을 확보하여 기존의 침수모형 모의의 긴 수행 시간을 극복할 수 있는 방법론을 제안하고자 한다.
본 연구에서는 상습적으로 도시침수피해를 입은 지역에 대하여 도시홍수 예ㆍ경보를 위한 사전 침수면적 데이터베이스를 구축하여 기상청에서 예보하는 1시간 최대강우량을 내수침수 모의 없이 데이터베이스를 이용하여 도시지역의 홍수 위험지역을 사전에 예측하고자 하는 것을 목적으로 하였다. 강우의 시나리오는 50㎜에서 100㎜까지 증분하여 Huff 4분위를 이용하여 총 24개의 시나리오로 ArcGIS를 이용하여 침수예상도를 구성하였다.
본 연구에서는 상습적으로 도시침수피해를 입은 지역에 대하여 도시홍수 예ㆍ경보를 위한 사전 침수면적 데이터베이스를 구축하여 기상청에서 예보하는 1시간 최대강우량을 내수침수 모의없이 데이터베이스를 이용하여 도시지역의 홍수 위험지역을 사전에 예측하려고 한다. 사전 침수 면적 정보 데이터베이스를 구축하기 위해서 과거에 발생한 침수피해 자료를 이용하여 모형의 검·보정을 실시하고 이를 기초로 적절한 강우의 시나리오 구성을 실시하였다.
이는 많은 시간이 필요하며, 도시지역의 홍수 예ㆍ경보에 대한 충분한 선행시간을 확보하기가 어렵다. 이를 극복하고자 본 연구에서는 사전 침수 면적 데이터베이스를 구축하고 기상청 시간당 최대강수량 예보와 함께 침수 위험지역에 대한 예ㆍ경보를 제공할 수 있는 방안을 제시하고자 하였다. 이는 기존의 예보 체계와 달리 영향예보 체계로써 날씨로 인해 예상되는 사회 경제적 영향을 포함 하여 제공하는 실용적인 예ㆍ경보 시스템이 될것으로 판단된다.
이는 강수량을 직접 체감하기 어려워 도시 지역 내수침수로 인한 방재기관의 신속한 의사결정에 도움이 되질 못하고 있다. 이를 사전에 방지하기 위하여 도시 홍수 예ㆍ경보 시스템을 위한 사전침수 데이터베이스를 구축하고자 한다. 강우시나리오는 50㎜~100㎜까지 10㎜씩 증분하고 Huff 1분위에서 4분위까지 달리하여 총 24개의 강우시나리오에 대하여 1D-2D 해석을 실시하여 사전 침수면적 데이터베이스를 구축하였다.
침수범위에 대한 적절성을 검토한 다음 주요 지점에 대한 침수심에 대한 적절성을 검토하고자 한다. 서울시에서는 2010년 9월 호우에 의한 도시침수 피해이력 조사를 실시하였다.
가설 설정
그러나 집중호우, 강수량 증가, 역대 최장 장마 등 다양하게 변화하는 강우량을 예측하기 쉽지 않다. 이에 강우량은 1시간 최대강우량으로 50㎜, 60㎜, 70㎜, 80㎜, 90㎜ 및 100㎜로 가정하여 구성하였다. 그리고 강우량을 시간분포 시켜 최종 강우의 시나리오를 구성하여야 한다.
제안 방법
2010년 09월 21일 강우사상에 대한 도시유출 해석을 실시하여 맨홀의 월류량을 산정하고 도시침수 해석을 실시하였다. 그림 8은 실제 강우조건 하에 모의된 맨홀의 월류지점을 ArcGIS로 나타내었으며, 총 6지점의 맨홀에서 월류가 발생하였으며, 도시침수 해석을 위한 입력조건으로 사용하였다.
2010년 9월 21일 대상유역에 내린 강우사상의 시간당 최대 강우량은 강남지점과 서초지점으로 각각 70㎜, 77.5㎜로 관측되었으며, 강우시나리오 70㎜와 80㎜를 1분위∼4분위까지 격자별 최대 침수심으로 침수예상도 작성하여 NDMS와 비교 검증을 실시하였다.
대상 연구지역에 실제 침수가 발생한 2010년 9월 21일 호우사상을 이용하여 구축된 모형의 검증을 실시하였으며, 검증된 내수침수 모형에 입력값으로 강우 시나리오를 사용하여 사전 침수면적 데이터베이스를 구축하였다. 2010년에 내수침수로 조사된 NDMS 자료와 데이터베이스에서 구축된 사전 침수면적을 비교하여 도시홍수 예ㆍ경보를 위한 적용성을 검토를 하였다. 그림 1은 본 연구의 흐름도이며 연구방법을 그림으로 나타내었다.
강우시나리오는 50㎜~100㎜까지 10㎜씩 증분하고 Huff 1분위에서 4분위까지 달리하여 총 24개의 강우시나리오에 대하여 1D-2D 해석을 실시하여 사전 침수면적 데이터베이스를 구축하였다. 24개의 사전 침수면적 데이터베이스를 기반으로 강우량의 1분위에서 4분위 별 침수예상도를 최대 침수심만으로 이루어진 하나의 침수예상도로 재 작성하였다. 작성 방법으로는 먼저 각각의 시나리오별 맨홀의 월류량이 도심지에서 유량의 전파가 어디까지 이루어질지 모르는 상황이기에 100㎜ 시나리오 월류량을기준으로 최대 범람 범위를 산정하여 도메인을 구성하였다.
그림 9는 2010년 09월 21일 강우사상에 대하여 해석 결과값이며, 모의 결과의 검증을 위해 NDMS 신고 자료와 계산된 침수면적를 비교하여 적합도를 산정하였다.NDMS 신고 자료는 지점 자료로만 존재하여,면적으로 비교를 하지 못하고 침수면적이 신고지점에 침수된 개수로 비교ㆍ분석 하여 산정하였다.
사전 침수 면적 정보 데이터베이스를 구축하기 위해서 과거에 발생한 침수피해 자료를 이용하여 모형의 검·보정을 실시하고 이를 기초로 적절한 강우의 시나리오 구성을 실시하였다. 강우 시나리오는 1시간의 지속시간에 50㎜~100㎜까지 10㎜ 씩 증분 시켜서 강우의 시나리오를 구성하였다. 구성된 강우 시나리오의 시간분포는 국내 실무에서 많이 사용하고 있는 Huff 분포를 이용하였다.
이를 사전에 방지하기 위하여 도시 홍수 예ㆍ경보 시스템을 위한 사전침수 데이터베이스를 구축하고자 한다. 강우시나리오는 50㎜~100㎜까지 10㎜씩 증분하고 Huff 1분위에서 4분위까지 달리하여 총 24개의 강우시나리오에 대하여 1D-2D 해석을 실시하여 사전 침수면적 데이터베이스를 구축하였다. 24개의 사전 침수면적 데이터베이스를 기반으로 강우량의 1분위에서 4분위 별 침수예상도를 최대 침수심만으로 이루어진 하나의 침수예상도로 재 작성하였다.
본 연구에서는 상습적으로 도시침수피해를 입은 지역에 대하여 도시홍수 예ㆍ경보를 위한 사전 침수면적 데이터베이스를 구축하여 기상청에서 예보하는 1시간 최대강우량을 내수침수 모의 없이 데이터베이스를 이용하여 도시지역의 홍수 위험지역을 사전에 예측하고자 하는 것을 목적으로 하였다. 강우의 시나리오는 50㎜에서 100㎜까지 증분하여 Huff 4분위를 이용하여 총 24개의 시나리오로 ArcGIS를 이용하여 침수예상도를 구성하였다. 구성된 강우 시나리오를 1D-2D 해석을 통해 사전 침수면적 데이터베이스를 구축하였다.
강우의 시나리오는 50㎜에서 100㎜까지 증분하여 Huff 4분위를 이용하여 총 24개의 시나리오로 ArcGIS를 이용하여 침수예상도를 구성하였다. 구성된 강우 시나리오를 1D-2D 해석을 통해 사전 침수면적 데이터베이스를 구축하였다. 사전침수면적 데이터베이스의 분석을 통해 다음과 같은 결론을 얻었다.
작성 방법으로는 먼저 각각의 시나리오별 맨홀의 월류량이 도심지에서 유량의 전파가 어디까지 이루어질지 모르는 상황이기에 100㎜ 시나리오 월류량을기준으로 최대 범람 범위를 산정하여 도메인을 구성하였다. 구성된 도메인은 격자크기, 격자범위를 동일하게 구성하여 각 격자의 좌표 및 번호를 새롭게 지정한 다음 각 강우 시나리오별로 24번의 내수침수해석을 실시하였다. 그림 3에서 보여주듯이, 분석된 해석 결과를 ArcGIS를 이용하여 각 분위별로 동일한 위치의 침수심중에 최대 침수심만으로 이루어진 새로운 침수예상도를 작성하였다.
본 연구에서는 각 소배수분구의 불투수율, 경사, 강우의 초기 지표 침투 계산을 위한 모델의 입력 값으로 유출곡선지수(CN)을 포함하는 SWMM의 입력자료를 구성하였고, 하수관거와 맨홀은 서울시 도시안전실 물재생계획과에서 제공하는 하수관망네트워크 자료를 이용하였다. 그리고 유역의 불투수율과 CN 값을 산정하기 위해서 중분류 토지피복도와 서울시에서 제공한 도시생태 현황도(Biotop Map)를 활용하였다. 서울시 전체 유역에는 34개소의 자동기상관측소(AWS)가 운영 중이며, 이 중에서 서초, 강남 AWS가 대상유역 인근에 위치해 있다.
구성된 도메인은 격자크기, 격자범위를 동일하게 구성하여 각 격자의 좌표 및 번호를 새롭게 지정한 다음 각 강우 시나리오별로 24번의 내수침수해석을 실시하였다. 그림 3에서 보여주듯이, 분석된 해석 결과를 ArcGIS를 이용하여 각 분위별로 동일한 위치의 침수심중에 최대 침수심만으로 이루어진 새로운 침수예상도를 작성하였다.
도시지역의 내수침수 모의를 위하여 SWMM 모형과 2D 모형을 구축하였다. 대상 연구지역에 실제 침수가 발생한 2010년 9월 21일 호우사상을 이용하여 구축된 모형의 검증을 실시하였으며, 검증된 내수침수 모형에 입력값으로 강우 시나리오를 사용하여 사전 침수면적 데이터베이스를 구축하였다. 2010년에 내수침수로 조사된 NDMS 자료와 데이터베이스에서 구축된 사전 침수면적을 비교하여 도시홍수 예ㆍ경보를 위한 적용성을 검토를 하였다.
대상유역에서의 하수관망 시스템의 통수능을 초과한 월류량을 산정하기 위해서 SWMM을 구축하였다. 그림 4에서 보여주듯이, 대상유역을 83개의 소배수분구로 분할하였다.
도시 홍수 예ㆍ경보를 위하여 연구 유역 내 도시 침수를 야기 시킨 실제 호우사상으로 검ㆍ보정을 완료한 SWMM 모형을 이용하여 강우의 시나리오별 맨홀의 월류량 분석을 실시하였다. 강우량이 증가 할수록 맨홀의 월류지점, 월류량이 증가하여 공통으로 월류하는 지점에 대해서 그림 10에서 도시하였다.
현재 국내에서 수공구조물을 설계 시에는 첨두홍수량 산정을 위하여 Huff 3분위를 많이 이용하고 있으나, 도시침수 양상의 특성을 고려하기 위하여 하나의 특정 분위만 사용한 것이 아니라 전 분위별로 산정하였다. 도시지역의 내수침수 모의를 위하여 SWMM 모형과 2D 모형을 구축하였다. 대상 연구지역에 실제 침수가 발생한 2010년 9월 21일 호우사상을 이용하여 구축된 모형의 검증을 실시하였으며, 검증된 내수침수 모형에 입력값으로 강우 시나리오를 사용하여 사전 침수면적 데이터베이스를 구축하였다.
0%의 적합도를 가지는 것으로 분석되었다. 또 다른 적합도에 대한 분석으로는 2D 해석 결과와 침수예상도의 범람면적에 대한 분석을 실시하였다. 70㎜의 침수예상도의 범람범위와 실제 호우사상을 검증한 2D 침수 해석의 범람범위는 75%의 적합도를 가지는 것으로 분석되었다.
이 보고서의 내용 중 도로침수 현황 조사에서 침수도로, 도로위치, 침수규모 (연장, 침수심), 배수구역 구분 등의 피해이력을 발취하였다. 발취한 내용을 바탕으로 시나리오별 분위별 침수예상도와 조사된 자료를 이용하여 비교 검토를 실시하였다. 그림 14는 피해이력 조사 지점이며, 표 4는 비교 대상인 도로 침수피해 현황과 강우시나리오 70㎜와 80㎜의 경우에 대한 침수예상도의 침수심을 비교 분석한 결과이다.
서울시 전체 유역에는 34개소의 자동기상관측소(AWS)가 운영 중이며, 이 중에서 서초, 강남 AWS가 대상유역 인근에 위치해 있다. 본 연구에서는 이 두개의 AWS에서 측정된 2010년 9월 21일 강우량을 사용하여 매개변수의 검ㆍ보정을 실시하고 내수침수해석에 대한 정확도를 비교하였다. 그림 5는 실제 모의에 적용한 강우사상을 나타내고 있으며, 그림 6은 2010년 9월 21일 호우를 입력자료로 활용하여 SWMM 모형 결과 맨홀의 월류 지점을 나타내고 있다.
사전 침수 면적 정보 데이터베이스를 구축하기 위해서 과거에 발생한 침수피해 자료를 이용하여 모형의 검·보정을 실시하고 이를 기초로 적절한 강우의 시나리오 구성을 실시하였다.
본 연구에서는 다양한 강우 시나리오에 대해 사전에 모의된 침수면적 데이터를 활용하여 홍수위험지역의 예ㆍ경보를 위한 선생시간을 확보하여 기존의 침수모형 모의의 긴 수행 시간을 극복할 수 있는 방법론을 제안하고자 한다. 사전 침수데이터베이스 구축을 위한 방법에서는 1시간 이내의 집중시간을 가진 유역에 침수를 발생시키는 가능한 모든 강우량의 범위를 10㎜ 간격으로 나누어 도시유출해석인 EPA-SWMM 5.1 모형의 입력자료로 활용하였으며, 모형의 해석 결과인 맨홀의 월류량을 2D 모형의 입력자료로 사용하여 분석을 실시하였고, 해석 결과를 ArcGIS를 이용하여 데이터베이스를 구축하였다. 제안한 방법론을 활용하면 침수를 발생시키는 강우량의 시간적 분포가 고려된 침수범위를 실시간 내수침수모의 없이도 침수구역 예측할 수 있어, 내수침수경보에 있어 충분한 선행예측 시간을 확보할 수 있다.
Ha(2017)는 소유역 분할 개수에 따라 시나리오를 구성하여 관망 수위 계측기 자료를 이용하여 기준관로에 대한 제안을한 바 있다. 시나리오 1, 2, 3으로 소유역 개수를 각각 772개, 310개, 83개로 구분하여 2013년 7월 15일, 2013년 7월 22일, 2014년 8월 21일 등의 호우사상을 이용하여 하수관거의 수위에 대한 상관계수를 분석하였다. 분석 결과 시나리오 1에서는 0.
시나리오에 따른 타당성을 검토하기 위하여 침수예상도의 결과와 NDMS 자료에 대한 분석을 실시하였다. 2010년 9월 21일 대상유역에 내린 강우사상의 시간당 최대 강우량은 강남지점과 서초지점으로 각각 70㎜, 77.
이 조사를 토대로 상습 침수구역에 대한 구조물 대책을 수립하기 위하였으며, 2011년 2월에 보고서가 발간되었다. 이 보고서의 내용 중 도로침수 현황 조사에서 침수도로, 도로위치, 침수규모 (연장, 침수심), 배수구역 구분 등의 피해이력을 발취하였다. 발취한 내용을 바탕으로 시나리오별 분위별 침수예상도와 조사된 자료를 이용하여 비교 검토를 실시하였다.
24개의 사전 침수면적 데이터베이스를 기반으로 강우량의 1분위에서 4분위 별 침수예상도를 최대 침수심만으로 이루어진 하나의 침수예상도로 재 작성하였다. 작성 방법으로는 먼저 각각의 시나리오별 맨홀의 월류량이 도심지에서 유량의 전파가 어디까지 이루어질지 모르는 상황이기에 100㎜ 시나리오 월류량을기준으로 최대 범람 범위를 산정하여 도메인을 구성하였다. 구성된 도메인은 격자크기, 격자범위를 동일하게 구성하여 각 격자의 좌표 및 번호를 새롭게 지정한 다음 각 강우 시나리오별로 24번의 내수침수해석을 실시하였다.
강우의 지속시간은 유역의 규모, 기상청에서 예보하는 1시간 최대강우량, 돌발강우대비 청계천 방재시스템 구축방안 등을 고려하여 도달시간을 1시간 이내로 고려하였다(SMFMC, 2005). 총 강우량 규모에 따라 10분 간격으로 10분~60분을 적용하였으며, 호우의 양상을 뚜렷이 나타낼수 없기에 분위별로 분포 전부를 사용하여 각각의 특성을 고려하려 한다. 그림 2는 Huff의 1분 위에서 4분위까지 50㎜~100㎜를 분포시킨 결과이다.
대상 데이터
2D 침수해석을 위한 지형자료는 서울시 LiDAR(Light Detection and Ranging) 자료를 이용 하여 지형자료를 구축하였으며, 그림 7은 ArcGIS에서 대상유역의 LiDAR자료를 바탕으로 2m 간격의 지형자료와 건물 및 도로를 추출 하여 생성된 지형자료이다. 도시 침수해석 시 침수해석의 정확도를 위해서는 건물 및 도로를 고려하여 지형자료를 구축 하였다.
이번 연구의 대상유역은 반포배수구역에 속하며, 반포배수구역에는 반포1, 방배1, 동작 등 20개의 배수분구가 있다. 그 중 배수로 방류토구을 기준으로 하여 논현, 역삼, 서초3, 4, 5로 5개의 배수분구을 대상 배수구역으로 선정하였다. 5개 배수분구는 행정상으로 서초구와 강남구에 위치하고 있으며, 총면적은 739.
2010년 강우기록은 서울의 대부분 지역에서 우수배수계통의 계획빈도 10년을 크게 상회하고 있다. 대상 구역은 집중호우 등으로 반포천의 수위가 높아져 배수가 어려워지면 강남역 주변과 역삼 및 서초배수분구까지 침수피해가 발생한 것으로 파악이 된다. 서초구역 침수피해 현황으로는 침수 면적 1,353,179㎡, 침수세대 119세대, 침수심 0.
7398로 시나리오 3의 경우가 가장 높게 나타난 것을 확인하였다. 본 연구에서는 각 소배수분구의 불투수율, 경사, 강우의 초기 지표 침투 계산을 위한 모델의 입력 값으로 유출곡선지수(CN)을 포함하는 SWMM의 입력자료를 구성하였고, 하수관거와 맨홀은 서울시 도시안전실 물재생계획과에서 제공하는 하수관망네트워크 자료를 이용하였다. 그리고 유역의 불투수율과 CN 값을 산정하기 위해서 중분류 토지피복도와 서울시에서 제공한 도시생태 현황도(Biotop Map)를 활용하였다.
이 16개의 배수구역들은 239개의소 배수분구로 나누어진다. 이번 연구의 대상유역은 반포배수구역에 속하며, 반포배수구역에는 반포1, 방배1, 동작 등 20개의 배수분구가 있다. 그 중 배수로 방류토구을 기준으로 하여 논현, 역삼, 서초3, 4, 5로 5개의 배수분구을 대상 배수구역으로 선정하였다.
이론/모형
강우 시나리오는 1시간의 지속시간에 50㎜~100㎜까지 10㎜ 씩 증분 시켜서 강우의 시나리오를 구성하였다. 구성된 강우 시나리오의 시간분포는 국내 실무에서 많이 사용하고 있는 Huff 분포를 이용하였다. 현재 국내에서 수공구조물을 설계 시에는 첨두홍수량 산정을 위하여 Huff 3분위를 많이 이용하고 있으나, 도시침수 양상의 특성을 고려하기 위하여 하나의 특정 분위만 사용한 것이 아니라 전 분위별로 산정하였다.
본 연구에서는 강우의 통계적 특성을 고려하여 강우량을 총 지속시간에 대하여 분포시킨 Huff의 4분위법을 적용하였다. Huff의 4분위법은 실제 호우사상을 근거로 유도되며 호우의 첨두 발생 위치와 상승부 및 감수부의 모양을 선택적으로 구성할 수 있다는 장점이 있다.
조도계수는 Son (2016)이 서울시 도시침수해석에서 사용한 합성조도계수 산정방식인 식 (1)∼(2)을 이용하여 0.025를 적용하였고, 본 연구에서 사용된 도시침수모형은 계산간격이 자동으로 조정이 되며, 계산 격자 간격은 5m를 적용하였다.
성능/효과
3㎜인 것으로 분석이 되었다. 2010년 9월 21일 강우사상에 대한 범람 해석 결과를 ArcGIS를 이용하여 산정해 본 결과 범람면적은 488,850㎡이며, 70㎜시나리오에 따른 범람면적은 440,850㎡이며, 80㎜ 시나리오의 범람면적은 558,750㎡으로 분석되었다. 분석 결과를 토대로 범람면적에 대한 평가는 강우 시나리오 70㎜ 범람면적 이상 강우 시나리오 80㎜ 범람면적 이하로 시나리오 70㎜와 80㎜ 사이의 범람면적을 가지는 것으로 도시 홍수 예ㆍ경보를 위한 데이터베이스 구축을 완료하였다.
또 다른 적합도에 대한 분석으로는 2D 해석 결과와 침수예상도의 범람면적에 대한 분석을 실시하였다. 70㎜의 침수예상도의 범람범위와 실제 호우사상을 검증한 2D 침수 해석의 범람범위는 75%의 적합도를 가지는 것으로 분석되었다. 이는 도시 홍수 예ㆍ경보를 위한 사전 침수면적 데이터베이스 구축에서 강우의 시나리오에 따른 1D-2D 해석 결과가 만족할 만한 결과를 얻었다고 판단이 된다.
2010년 9월 21일에는 118지점에서 신고가 되었으며, 2D 침수해석 결과 82개 지점이 계산 결과에 포함되었다. NDMS 신고 지점과 침수해석 결과에 대하여 적합도를 계산한 결과 69.5%의 적합도로 분석되었다. 지형자료 구축이 정방형 5m 격자로 구성되었기 때문에 좁은 도로나 건물 사이사이는 물이 퍼지지 못하여 위 결과 이상의 적합도는 얻지 못하였지만, 도시 유역에 대한 침수해석 결과에 대한 검증 데이터로 충분하다고 판단된다.
그림 4에서 보여주듯이, 대상유역을 83개의 소배수분구로 분할하였다. 도시유출해석에서 소유역의 개수가 많아질수록 가정해야 하는 유역 매개변수의 수가 증가하므로 그에 따른 불확실성이 증가하게 되어 오차도 더 증가하는 것으로 판단하였다. Ha(2017)는 소유역 분할 개수에 따라 시나리오를 구성하여 관망 수위 계측기 자료를 이용하여 기준관로에 대한 제안을한 바 있다.
둘째, 서울시에서 조사한 2010년 9월 호우에 대한 도시지역의 침수 피해이력 조사 보고서의 주요 지점에 대한 침수심과 시나리오별 침수예상도의 분위별 침수심에 대하여 비교 검토를 실시해 본 결과 서운중학교 일대에 조사된 피해 침수심은 10∼30cm이며, 70㎜ 시나리오와 80㎜ 시나리오에서는 각각 13.6∼24.5cm와 24.6 ∼32.5cm로 분석 되었다.
셋째, 2010년 9월 21일 강우사상에 대한 도시 침수해석 결과 범람면적은 488,850㎡이며, 70m 시나리오에 따른 범람면적은 440,850㎡이며, 80㎜ 시나리오의 범람면적은 558,750㎡으로 분석되었다. 또한 70㎜의 침수예상도와 실제 호우사상을 검증한 2차원 침수해석 결과를 범람면적으로 적합도를 분석해본 결과 75%를 가지는 것으로 분석 되었다.
지형자료 구축이 정방형 5m 격자로 구성되었기 때문에 좁은 도로나 건물 사이사이는 물이 퍼지지 못하여 위 결과 이상의 적합도는 얻지 못하였지만, 도시 유역에 대한 침수해석 결과에 대한 검증 데이터로 충분하다고 판단된다. 또한, NDMS의 경우에는 주민신고 자료이며, 이는 피해보상을 위한 기초 자료로 활용되기 때문에 과도한 신고지점이 발생하는 특성이 있는 것으로 분석되었다.
시나리오 1, 2, 3으로 소유역 개수를 각각 772개, 310개, 83개로 구분하여 2013년 7월 15일, 2013년 7월 22일, 2014년 8월 21일 등의 호우사상을 이용하여 하수관거의 수위에 대한 상관계수를 분석하였다. 분석 결과 시나리오 1에서는 0.7121, 시나리오 2에서는 0.7386, 시나리오 3에서는 0.7398로 시나리오 3의 경우가 가장 높게 나타난 것을 확인하였다. 본 연구에서는 각 소배수분구의 불투수율, 경사, 강우의 초기 지표 침투 계산을 위한 모델의 입력 값으로 유출곡선지수(CN)을 포함하는 SWMM의 입력자료를 구성하였고, 하수관거와 맨홀은 서울시 도시안전실 물재생계획과에서 제공하는 하수관망네트워크 자료를 이용하였다.
2010년 9월 21일 강우사상에 대한 범람 해석 결과를 ArcGIS를 이용하여 산정해 본 결과 범람면적은 488,850㎡이며, 70㎜시나리오에 따른 범람면적은 440,850㎡이며, 80㎜ 시나리오의 범람면적은 558,750㎡으로 분석되었다. 분석 결과를 토대로 범람면적에 대한 평가는 강우 시나리오 70㎜ 범람면적 이상 강우 시나리오 80㎜ 범람면적 이하로 시나리오 70㎜와 80㎜ 사이의 범람면적을 가지는 것으로 도시 홍수 예ㆍ경보를 위한 데이터베이스 구축을 완료하였다. 표 3은 시나리오별 침수예상도에 대한 범람면적을 비교하여 나타내었다.
5%의 적합도로 분석되었다. 사전 침수 데이터베이스에서 70㎜의 침수예상도의경우 NDMS의 신고지점과의 적합도 산정결과 70.3%으로 분석되었으며, 80㎜의 침수예상도의 경우 72.0%의 적합도를 가지는 것으로 분석되 었다.
셋째, 2010년 9월 21일 강우사상에 대한 도시 침수해석 결과 범람면적은 488,850㎡이며, 70m 시나리오에 따른 범람면적은 440,850㎡이며, 80㎜ 시나리오의 범람면적은 558,750㎡으로 분석되었다. 또한 70㎜의 침수예상도와 실제 호우사상을 검증한 2차원 침수해석 결과를 범람면적으로 적합도를 분석해본 결과 75%를 가지는 것으로 분석 되었다.
자동기상관측소(AWS)의 위치를 기준으로 티센망을 구축하여 가중치를 산정해 본 결과 대상 유역에 강남(AWS)는 42.9% 서초(AWS) 57.1%로 면적평균강우량은 74.3㎜인 것으로 분석이 되었다. 2010년 9월 21일 강우사상에 대한 범람 해석 결과를 ArcGIS를 이용하여 산정해 본 결과 범람면적은 488,850㎡이며, 70㎜시나리오에 따른 범람면적은 440,850㎡이며, 80㎜ 시나리오의 범람면적은 558,750㎡으로 분석되었다.
그림 11은 시나리오 70㎜의 침수예상도와 NDMS를 중첩시켜 도시화 하였다. 적합도를 분석한 결과 70.3%를 가졌으며, 그림 12는 80㎜ 의 침수예상도의 경우 72.0%의 적합도를 가지는 것으로 분석되었다. 또 다른 적합도에 대한 분석으로는 2D 해석 결과와 침수예상도의 범람면적에 대한 분석을 실시하였다.
1 모형의 입력자료로 활용하였으며, 모형의 해석 결과인 맨홀의 월류량을 2D 모형의 입력자료로 사용하여 분석을 실시하였고, 해석 결과를 ArcGIS를 이용하여 데이터베이스를 구축하였다. 제안한 방법론을 활용하면 침수를 발생시키는 강우량의 시간적 분포가 고려된 침수범위를 실시간 내수침수모의 없이도 침수구역 예측할 수 있어, 내수침수경보에 있어 충분한 선행예측 시간을 확보할 수 있다.
첫째, 2010년 9월 21일에 대상유역에 내린 강우사상에 대한 NDMS 신고지점은 총 118지점에서 신고가 되었으며, 도시 침수해석 결과 82개 지점이 계산결과에 포함되었다. NDMS 신고 지점과 침수해석 결과에 대하여 적합도를 계산한 결과 69.
후속연구
이는 기존의 예보 체계와 달리 영향예보 체계로써 날씨로 인해 예상되는 사회 경제적 영향을 포함 하여 제공하는 실용적인 예ㆍ경보 시스템이 될것으로 판단된다. 또한, 본 연구에서 구축된 사전 침수면적 데이터베이스를 기계학습의 입력자료로 이용하여 강우와 침수심 관계를 학습시켜 모형을 구축 할 수 있으며, 소형 레이더 및 예측된 선행 강우자료를 활용하여 예측된 침수심을 공간적인 확장을 통해 실시간으로 도시지역에 대한 홍수위험지역을 예ㆍ경보 할 수 있을 것으로 판단된다. 이는 기존의 물리적인 기법과 자료지향형 기법을 결합한 Hybrid 모형이며, 물리적 모형의 계산소요 시간에 대한 단점을 보완 하여 실시간으로 수재해 위험지역을 Zoning 할수 있을 것으로 판단된다.
또한, 본 연구에서 구축된 사전 침수면적 데이터베이스를 기계학습의 입력자료로 이용하여 강우와 침수심 관계를 학습시켜 모형을 구축 할 수 있으며, 소형 레이더 및 예측된 선행 강우자료를 활용하여 예측된 침수심을 공간적인 확장을 통해 실시간으로 도시지역에 대한 홍수위험지역을 예ㆍ경보 할 수 있을 것으로 판단된다. 이는 기존의 물리적인 기법과 자료지향형 기법을 결합한 Hybrid 모형이며, 물리적 모형의 계산소요 시간에 대한 단점을 보완 하여 실시간으로 수재해 위험지역을 Zoning 할수 있을 것으로 판단된다. 그림 15는 앞서 언급한 본 연구 결과에 대한 활용성을 그림으로 도식화 하였다.
서울시에서 조사된 피해이력 보고서 내용 중에서 주요 도로 피해 현황 자료와 강우 시나리오 70㎜에 따른 침수예상도와 80㎜에 따른 침수예상도 이 3가지를 비교해본 결과 적절한 침수심 해석 결과를 가지는 것으로 판단이 된다. 피해 이력에서 조사된 침수심의 경우 침수심에 대한 범위만을 나타내고 있기에 조금 더 정확한 통계분석을 실시하지는 못하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
Huff의 4분위법이란?
본 연구에서는 강우의 통계적 특성을 고려하여 강우량을 총 지속시간에 대하여 분포시킨Huff의 4분위법을 적용하였다. Huff의 4분위법은 실제 호우사상을 근거로 유도되며 호우의 첨두 발생 위치와 상승부 및 감수부의 모양을 선택적으로 구성할 수 있다는 장점이 있다.
현재 기상청에서 발표하고 있는 최대강수량 예보의 한계는 무엇인가?
현재 기상청에서 발표하는 기상예보는 예상강수량으로써 시간당 최대강수량을 예보하고 있다. 이는 강수량을 직접 체감하기 어려워 도시지역 내수침수로 인한 방재기관의 신속한 의사결정에 도움이 되질 못하고 있다. 이를 사전에방지하기 위하여 도시 홍수 예·경보 시스템을위한 사전침수 데이터베이스를 구축하고자 한다.
Huff의 4분위법의 장점은 무엇인가?
본 연구에서는 강우의 통계적 특성을 고려하여 강우량을 총 지속시간에 대하여 분포시킨Huff의 4분위법을 적용하였다. Huff의 4분위법은 실제 호우사상을 근거로 유도되며 호우의 첨두 발생 위치와 상승부 및 감수부의 모양을 선택적으로 구성할 수 있다는 장점이 있다. 강우의 지속시간은 유역의 규모, 기상청에서 예보하는 1시간 최대강우량, 돌발강우대비 청계천 방재시스템 구축방안 등을 고려하여 도달시간을 1시간 이내로 고려하였다(SMFMC, 2005).
참고문헌 (15)
Anderson, M.G. and Burt, T.P. 1985. Hydrological Forecasting. John Wiley & Sons, New York. pp. 32-63.
Available at: http://map.daum.net. 2018.
Bedient, P.B., Holder, A., Benavides, J.A. and Vieux, B.E. 2003. Radar-based flood warning system applied to Tropical Storm Allison. Journal of Hydrologic Engineering, 8(6):308-318.
Bae, D.H., Jeong, C.H. and Yoon, S.S. 2008. Development of flood prediction model using hydrologic observations in Cheonggye stream. Korean Society of Civil Engineers, 28(6B):683-690.
Choe, W.H., Han, K.U., Hwang, T.J. and Aon, A.L. 2011. 2-D Inundation Analysis in Urban Area considering Building and Road. Korean Society of Hazard Mitigation, 11(5):159-168.
Ha, C.Y. 2017. Parameter Optimization Analysis in Urban Flood Simulation by Applying 1D-2D Coupled Hydraulic Model, Ph.D. Dissertation, Kyungpook National University, Daegu, Korea. pp. 73.
Jensen, N.E., Thyme, J.B., and Nielsen, B.M. 2008. Real-time SMS warnings on expected basement flooding based on nowcasting using high-resolution x-band radar data. In ERAD 2008. Fifth European Conference on Radar in Meteorology and Hydrology. CD-Room.
Ministry of Land, Infrastructure, and Transport. 2011. Improvement and Supplement of Probability Rainfall in South Korea. pp. 145.
Ministry of Land, Infrastructure, and Transport. 2016. http://www.molit.go.kr/USR/policyData/m_34681/dtl.jsp?id237.
Oh, M.K., Lee, D.R., Kwon, H.H. and Kim, D.K. 2016. Development of flood inundation area GIS database for Samsung-1 drainage sector, Seoul, Korea. Journal of Korea Water Resources Association, 49(12):981-993.
Raymond, M., Peyron, N., and Martin, A. 2006. ESPADA, A unique flood management tool: First feedback from the September 2005 flood in Nimes. In 7th International Conference on Hydroinformatics, HIC. CD-Room.
Seoul Metropolitan Facilities Management Corporation. 2005. Development of Flood Forecasting System in Cheonggye Stream Project. pp. 55.
Shin, H.S., Park, Y.W. and Hong, I.P. 2007. The study on the development of flood prediction and warning system at ungaged coastal urban area - On-Cheon Stream in Busan. Journal of Korea Water Resources Association, 40(6):447-458.
Seoul Metropolitan Government. 2011. Water-Related Disaster in 2010. pp. 81.
Son, A.L. 2016. The Development of Urban Inundation Reduction Model Combined Real-time Data-Driven Estimation and 2D Hydraulic Analysis, Ph.D. Dissertation, Kyungpook National University, Daegu, Korea. pp. 143.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.