KR101690181B1 - 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법. - Google Patents

돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법. Download PDF

Info

Publication number
KR101690181B1
KR101690181B1 KR1020150101256A KR20150101256A KR101690181B1 KR 101690181 B1 KR101690181 B1 KR 101690181B1 KR 1020150101256 A KR1020150101256 A KR 1020150101256A KR 20150101256 A KR20150101256 A KR 20150101256A KR 101690181 B1 KR101690181 B1 KR 101690181B1
Authority
KR
South Korea
Prior art keywords
flood
predicted
amount
index
rainfall
Prior art date
Application number
KR1020150101256A
Other languages
English (en)
Inventor
이병주
윤성심
윤상후
최수민
최영진
Original Assignee
한국외국어대학교 연구산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국외국어대학교 연구산학협력단 filed Critical 한국외국어대학교 연구산학협력단
Priority to KR1020150101256A priority Critical patent/KR101690181B1/ko
Application granted granted Critical
Publication of KR101690181B1 publication Critical patent/KR101690181B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명은 자연재해를 미리 예방하는 방재 방법에 관한 것으로서, 특히 기상정보 데이터를 수집하여 홍수 예측을 보다 정확하고 상세하게 하는 방재 방법에 관한 것이다. 실시간 토양수분량을 이용한 돌발홍수 모니터링 방법은 단위 지역에 대한 기상정보를 수집하는 단계; 기상정보로부터 단위 지역에 대한 토양수분량을 산출하는 단계; 및 기상정보 및 토양수분량을 이용하여 단위 지역에 대한 돌발홍수지수를 실시간으로 산출하는 단계를 포함한다.
본 발명에 따르면, 토양의 수분 상태를 고려하여 일정 시간 간격으로 수집되는 기상정보를 통해 위험예상 지역에 빠르고 민감하게 반응하는 이점이 있다. 또한 본 발명은, 가중치 최적화 알고리즘을 통해 돌발홍수 주의 및 경보는 최소화하면서 돌발홍수 피해시점의 지수를 최대로 제공하는 이점이 있다.

Description

돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.{FLASH FLOOD MONITORING METHOD USING A FLASH FLOOD INDEX PREDICTION}
본 발명은 자연재해를 미리 예방하는 방재 방법에 관한 것으로서, 특히 예측된 기상정보를 수집하여 홍수 예측을 보다 정확하고 상세하게 하는 방재 방법에 관한 것이다.
홍수 예측은 크게 기상법, 수위법, 강우-유출법 등의 접근법이 있는데 기상법은 지상 강우관측소, 레이더 및 기상위성 등을 이용하여 홍수가 발생 가능한 강우량에 대하여 위험을 평가하는 방법이고, 수위법은 하천 상류의 수위 관측값 변화에 따라 하류의 유량변화를 계산하는 일종의 경험공식으로 인도교 수위예보에 사용된 바 있다. 강우-유출법은 기존 5대강 홍수통제소의 홍수예경보 시스템에서 사용하는 방법으로 현재 가장 보편적인 방법이다. 그러나 국지적으로 발생하는 홍수정보를 예측하기에는 어려운 문제점이 있다. 따라서 집중호우로 전국에 걸쳐 막대한 인명피해와 재산피해가 발생함에 따라 긴박한 실시간 홍수 위험 예보를 위해서는 예보의 신속성과 정확성을 갖춘 홍수방지 시스템의 필요성이 제기되고 있다.
이와 관련, 종래 한국등록특허 제10-1379039호(침수 예경보 시스템)는 기후변화로 인하여 집중호우가 빈번하게 발생하고 지역별 강우량의 편차가 큰 상황에서, 실시간으로 측정된 데이터를 바탕으로 침수 예경보를 하는 시스템을 제공한다.
다만, 종래 특허 문헌은 측정된 강우량 데이터, 관로수위 데이터, 하천수위 데이터 및 과거의 침수유형 모델을 기반으로 침수를 예측한다. 이는 현재 토양의 수분상태를 고려하지 않고, 해당 지역의 침수를 예측하고 있는바 그 정확도가 떨어지는 문제점이 있다.
한국등록특허 제10-1379039호
본 발명은 기상청의 예측된 기상정보를 토대로 토양의 현재 수분상태를 고려하여 정확하고 상세한 홍수를 예측하는 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여 본 발명은, 단위 지역에 대한 예측 기상정보를 수집하는 (a)단계; 예측 기상정보로부터 단위 지역에 대한 토양수분량을 실시간으로 산출하는 (b)단계; 및 예측 기상정보 및 토양수분량을 이용하여 단위 지역에 대한 예측 돌발홍수지수를 실시간으로 산출하는 (c)단계를 포함할 수 있다.
바람직하게, (b)단계는, 예측 기상정보로부터 강우량을 추출하는 (b-1)단계; 단위 지역의 침투량, 증발량 및 침루량을 수집하는 (b-2)단계; 및 침투량, 증발량 및 침루량으로부터 토양수분량을 산출하는 (b-3)단계를 더 포함할 수 있다.
바람직하게, (c)단계는, 예측 기상정보로부터 단위 지역의 지표유출량을 산출하는 단계; 및 지표유출량, 강우량 및 토양수분량으로부터 예측 돌발홍수지수를 실시간으로 산출하는 단계를 포함할 수 있다.
바람직하게, 예측 돌발홍수지수는, 토양수분량이 기 설정된 포화값에 도달하기 전에는, 강우량과 토양수분량 중 적어도 어느 하나를 토대로 증가될 수 있다.
바람직하게, 예측 돌발홍수지수는, 토양수분량이 기 설정된 포화값에 도달한 후에는, 강우량과 지표유출량 중 적어도 어느 하나를 토대로 산출될 수 있다.
바람직하게, 예측 돌발홍수지수는, 단위 지역에 대해 지표유출량, 강우량 및 토양수분량을 가중치를 두어 계산할 수 있다.
바람직하게 계산된 예측 돌발홍수지수는, 소정 시간 이후의 예측값으로 활용될 수 있다.
바람직하게, 예측 돌발홍수지수가, 설정된 제1지표를 초과하는 경우 돌발홍수 주의를 하는 단계; 및 설정된 제2지표를 초과하는 경우 돌발홍수 경고를 하는 단계를 더 포함할 수 있다.
본 발명에 따르면, 토양의 수분 상태를 고려하여 일정 시간 간격으로 수집되는 기상정보를 통해 위험예상 지역에 빠르고 민감하게 반응하는 이점이 있다.
또한 본 발명은, 가중치 최적화 알고리즘을 통해 돌발홍수 주의와 경보는 최소화하면서 돌발홍수 피해시점의 지수를 최대로 제공하는 이점이 있다.
도 1은 본 발명의 실시예에 따른 돌발홍수 모니터링 장치에서 각 데이터를 처리하는 모듈을 나타낸다.
도 2는 본 발명의 실시예에 따른 돌발홍수 모니터링 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 실시간 토양수분량을 산출하는 단계를 나타낸 모습이다.
도 4는 본 발명의 실시예에 따른 예측 돌발홍수지수를 산출하는 순서도를 나타낸 모습이다.
도 5는 본 발명의 실시예에 따라 돌발홍수 여부에 영향을 미치는 단기강우량과 돌발홍수 여부 간 산점도를 나타낸다.
도 6은 본 발명의 실시예에 따른 실시간 돌발홍수지수를 산출 및 예측하는 체계도를 나타낸 모습이다.
도 7은 본 발명의 실시예에 따른 토양수분량의 포화값과 강우량의 변동이 예측 돌발홍수지수에 미치는 영향을 나타낸다.
도 8은 본 발명의 실시예에 따른 예측 돌발홍수지수와 돌발홍수 발생과의 상관관계를 나타낸다.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명을 상세히 설명한다. 다만, 본 발명이 예시적 실시 예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일 참조부호는 실질적으로 동일한 기능을 수행하는 부재를 나타낸다.
본 발명의 목적 및 효과는 하기의 설명에 의해서 자연스럽게 이해되거나 보다 분명해 질 수 있으며, 하기의 기재만으로 본 발명의 목적 및 효과가 제한되는 것은 아니다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다.
도 1은 돌발홍수 모니터링 장치에서 각 데이터를 처리하는 모듈을 나타낸다. 도 1을 참조하면, 돌발홍수 모니터링 장치는 강수 처리모듈(10), 기상요소 처리모듈(20), 지표 해석모듈(30) 및 예측 돌발홍수지수 처리모듈(40)로 구성될 수 있다. 돌발홍수 모니터링 장치는 기상청으로부터 예측 기상정보를 수집하여 각 모듈을 거쳐 예측 돌발홍수지수를 산출할 수 있다.
본 발명은 모든 지역이 아닌 기존에 돌발홍수가 발생했던 지역을 기준으로 그 데이터를 분석하여 보다 정밀한 돌발홍수 모니터링 방법을 제공할 수 있다. 돌발홍수 모니터링 방법은 우선 대상 지역을 선정한다. 그리고 선정된 대상 지역을 바탕으로 그 피해사례를 조사할 수 있다. 특히 계곡, 하천 및 강과 같은 물이 있는 지역보다는 산지나 습지 등 현재 물은 없지만, 지표의 상태에 따라 돌발홍수가 일어날 수 있는 지역을 대상으로 선정할 수 있다.
도 2는 본 발명의 실시예에 따른 돌발홍수 모니터링 방법의 순서도이다. 도 2를 참조하면, 단위 지역에 대한 예측 기상정보를 수집할 수 있다.(S10단계) 예측 기상정보와 돌발홍수 피해 사례로 발생위치나 구조요청시간 등의 자료를 수집하고, 비교적 단시간에 수위가 급격히 상승하는 곳과 피해가 발생하여 위험을 인지하기까지의 시간이 비교적 단시간이었던 곳을 기준으로 선정할 수 있다.
강수 처리모듈(10)은 대상 지역의 강수-유출 자료를 생성하고, 자료를 바탕으로 분석을 통해 돌발홍수 지수를 산출함으로써 돌발홍수를 주의 또는 경보를 할 수 있다. 기상요소 처리모듈(20)은 단위 지역에 예측 기상정보로부터 단위 지역에 대한 토양수분량을 산출할 수 있다.(S20단계) 지표 해석모듈(30)은 예측 기상정보 및 토양수분량을 이용하여 단위 지역에 대한 예측 돌발홍수지수를 실시간으로 산출할 수 있다.(S30단계) 예측 돌발홍수지수 처리모듈(40)은 예측 돌발홍수지수에 따라 돌발홍수 주의 또는 경고할 수 있다.(S40단계) 이하 각 단계별로 자세히 설명한다.
강수 처리모듈(10)은 단위지역에 대한 예측 기상정보를 수집하고, 기상청에 수집된 자료를 실시간으로 전송받을 수 있다. 강수 처리모듈(10)은 1시간 단위로 예측 기상정보를 수집할 수 있으나, 이에 한정되는 것은 아니다. 예측 기상정보에는 기온, 강수량, 증발량, 풍속, 습도, 증기압, 일조합, 전운량 및 해면기압 등의 원시 예측 기상정보와 지역마다의 특성이 있는 날씨, 강수량, 태풍, 해일 및 지형 지물 정보 등을 포함할 수 있다.
도 3은 본 발명의 실시예에 따른 토양수분량을 산출하는 단계를 나타낸 모습이다. 도 3을 참조하면, 기상요소 처리모듈(20)은 예측 기상정보로부터 단위 지역에 대한 토양수분량 산출할 수 있다.(S20단계) 기상요소 처리모듈(20)은 예측 기상정보로부터 강우량을 추출하고(S201), 단위 지역의 침투량, 증발량 및 침루량을 수집하며(S202), 침투량, 증발량 및 침루량으로부터 토양수분량을 산출할 수 있다(S203). 기상요소 처리모듈(20)은 예측 기상정보 및 지형 지물 정보를 이용하여 목적지 주변의 침수 위험도가 높은 지역에 대해 강우량을 수집하고, 그 지역을 단위 구역으로 나누어 침투량, 증발량 및 침루량 정보를 수집한다. 침투량은 토양의 표면에 직접적으로 침투하는 수분의 양을 나타내고, 증발량은 증발되는 수분의 양, 침루량은 토양의 내부에 침강하는 물의 양으로 직접적인 수분 함량에 영향을 미치는 물의 양을 나타낸다. 즉, 강우량으로부터 침투량, 증발량 및 침루량을 계산할 수 있고, 토양수분량도 계산될 수 있다.
도 4는 본 발명의 실시예에 따른 예측 돌발홍수지수를 산출하는 단계를 나타낸 모습이다. 도 4를 참조하면, 지표 해석모듈(30)은 단위 지역에 대한 예측 돌발홍수지수를 산출할 수 있다.(S30단계) 지표 해석모듈(30)은 예측 기상정보로부터 단위 지역의 지표유출량을 산출하고(S301), 지표유출량, 강우량 및 토양수분량으로부터 예측 돌발홍수지수를 실시간으로 산출할 수 있다. 예측 돌발홍수지수를 산출하기 전에 지표유출량, 강우량 및 토양수분량을 산출해야 하는데, 산출과정은 계산 모형을 이용한다. 그 계산 모형은 TOPLATS 지표해석을 적용할 수 있다.
이 모형(Schematic diagram of water movement)은 피해사례와 수문기상정보와의 상관성을 보여주는 자료로서, 한국기상학회(Vol.22 No.3, 2012.9, 357-367)에 보고된바 있다. 이 자료를 통해 강우량, 지표유출량 및 토양수분량이 가장 큰 요인으로 분석될 수 있다.
지표 해석모듈(30)은 돌발홍수 사고 전 6시간 동안의 지표유출량, 강우량 자료의 요인분석을 실시할 수 있고, 실시 결과는 아래 그램과 같다. 일반적으로 요인 수는 고유값(Eigenvalue)이 1 이상이거나 전체분산의 누적 설명력이 60~70% 이상인 지점에서 결정한다.
지표 해석모듈(30)의 분석결과 지표유출량은 3개 요인으로 설명된다. 지표 해석모듈(30)의 요인 1은 장기 지표유출량(4h, 5h, 6h)을 의미하며 전체의 약 42.3%, 요인2는 중기 지표유출량(3h)을 의미하며 전체의 약 17.7%, 요인 3은 단기 지표유출량(1h, 2h)을 의미하며 전체의 약 31.0%를 설명하여 요인 3개로 총 분산의 약 91.0%를 설명하고 있다. 지표 해석모듈(30)은 강우량도 지표유출량과 같이 3개의 요인으로 총 분산의 약 84.3%가 설명할 수 있다. 지표 해석모듈(30)에 있어, 세부적으로 요인 1은 단기 강우량(1h, 2h, 3h), 요인 2는 중기 강우량(4h), 요인 3은 장기 강우량(5h, 6h)로 각각 35.0%, 23.3%, 26.0% 설명력을 지니고 있다.
지표 해석모듈(30)은 아래 그림의 회전된 성분행렬 값을 가중치로 한 지표유출량과 강우량 요인을 [표 1]과 같은 식으로 표현할 수 있다. 식을 통해 계산된 지표유출량과 강우량 요인값은 돌발홍수 여부를 판정하여 선형회귀모형의 기초자료로 활용된다.(S302)
[표 1]
Figure 112015069116744-pat00001
단기지표유출량요인값 =
Figure 112015069116744-pat00002
중기지표유출량요인값 =
Figure 112015069116744-pat00003
장기지표유출량요인값 =
Figure 112015069116744-pat00004
단기강우량요인값 =
Figure 112015069116744-pat00005
중기강우량요인값 =
Figure 112015069116744-pat00006
장기강우량요인값 =
Figure 112015069116744-pat00007

예측 돌발홍수지수는 선형회귀분석과 가중치 적용을 통해 최적화하여 산출될 수 있다.(S303~S304) 예측 돌발홍수지수 처리모듈(40)의 선형회귀분석을 살펴보면, 예측 돌발홍수지수는 돌발홍수 여부가 가장 중요하고, 돌발홍수 발생 예상이 되는 경우 그 가중치를 적용하여, 돌발홍수 주의 또는 경보를 할 수 있다.
도 5는 본 발명의 실시예에 따라 돌발홍수 여부에 영향을 미치는 단기강우량과 돌방홍수 여부 간 산점도를 나타낸다. 도 5를 참조하면, 예측 돌발홍수지수 처리모듈(40)에서 로지스틱회귀모형의 기울기보다 선형회귀모형의 기울기가 완만한 것을 알 수 있다. 기울기가 크면 돌발홍수 여부는 잘 구분하지만 돌발홍수 가능성(0%~100%) 간격이 좁아 정량적인 지수로 위험성을 표현하는데 어려움이 있기 때문에 선형회귀분석을 이용하는 것을 알 수 있다. 돌발홍수 여부를 선형회귀모형으로 분석한 결과 지표유출량 요인과 강우량 요인으로 구성된 모형은 통계적으로 의미가 있다.
아래 [표 2]를 참조하면 (지표유출량 : F=18.5, p<0.001; 강우량 : F=59.52, p<0.001). 돌발홍수여부에 중요한 영향을 미치는 요인은 단기 지표유출량(t=5.502, p<0.001), 단기 강우량(t=7.356, p<0.001), 중기 강우량(t=2.077, p=0.045)이고, 돌발홍수여부는 지표유출량 요인으로 61.3%, 강우량 요인으로 83.6%가 설명된다. 예측 돌발홍수지수 처리모듈(40)은 추정된 요인별 비표준화 계수와 모형 설명력을 예측 돌발홍수지수의 기초자료로 활용할 수 있다.
[표 2]
Figure 112015069116744-pat00008
(
Figure 112015069116744-pat00009
Figure 112015069116744-pat00010
Figure 112015069116744-pat00011
)
Figure 112015069116744-pat00012
(
Figure 112015069116744-pat00013
Figure 112015069116744-pat00014
Figure 112015069116744-pat00015
)
(B: unstandard coefficient, SE : standard error)
다음으로 가중치 적용을 살펴보면, 다음과 같다. 기상청은 6시간 총강우량 또는 12시간 총강우량 기준으로 호우특보를 발령한다. 세부적으로 호우주의보는 총강우량이 6시간 70㎜ 이상 또는 12시간 110㎜ 이상이 예상될 때 발표되고, 호우경보는 총강우량이 6시간 110㎜ 이상 또는 12시간 180㎜ 이상이 예상될 때 내려진다. 예측 돌발홍수지수는 상술한 강우량, 지표유출량 및 토양수분량으로 구성될 수 있다. 토양수분량은 현재토양수분비율/포화토양수분비율로 나타낼 수 있다. 돌발홍수는 발생지역의 토양수분량이 포화상태로 더 이상 토양이 수분을 흡수하지 않아 강우량이 모두 지표로 유출되면서 발생될 수 있다. 따라서 예측 돌발홍수지수는 가중치를 적용하여 표현할 수 있다. 예측 돌발홍수지수 처리모듈(40)은 상술한 바와 같이 지표유출량, 강우량 및 토양수분량의 가중치를 두어 계산할 수 있고, 아래는 각 요소들의 실시예를 나타낸다.
Figure 112015069116744-pat00016
=0.037×단기지표유출-0.011×중기지표유출+0.013×장기지표유출
Figure 112015069116744-pat00017
=0.025×단기강우량+0.022×중기강우량+0.006×장기강우량
Figure 112015069116744-pat00018
=현재토양수분비율/포화토양수분비율
본 발명의 실시예에 따르면, 지표유출량 모형은 61.3%이고, 강우량 모형은 83.6%, 이를 돌발홍수 수식에 반영하면 다음과 같다.
예측 돌발홍수지수=(
Figure 112015069116744-pat00019
×0.613+
Figure 112015069116744-pat00020
×0.836)/1.449×
Figure 112015069116744-pat00021
+
Figure 112015069116744-pat00022
×
Figure 112015069116744-pat00023

일반적으로
Figure 112015069116744-pat00024
,
Figure 112015069116744-pat00025
,
Figure 112015069116744-pat00026
는 0보다 크고 1보다 작거나 같은 값이므로 예측 돌발홍수지수의 범위는
Figure 112015069116744-pat00027
+
Figure 112015069116744-pat00028
이다. 만약
Figure 112015069116744-pat00029
+
Figure 112015069116744-pat00030
=80 이라는 제약조건을 주면 예측 돌발홍수지수는 50%수준은 40으로 설정될 수 있고, 예측 돌발홍수지수가 40이상이면 돌발홍수가 발생되었다고 볼 수 있다. 본 발명에 실시예에 따라 2009년~2012년까지의 38개 돌발홍수 지역을 돌발홍수 주의(예측 돌발홍수지수≥40)를 최소화하면서 실제 피해 보고사례 38건의 예측 돌발홍수지수를 최대화하는 최적 가중치 조합을 찾아 최적화하여 얻어진 예측 돌발홍수지수 식은 다음과 같다.
예측 돌발홍수지수=(
Figure 112015069116744-pat00031
×0.613+
Figure 112015069116744-pat00032
×0.836)/1.449×61.5+
Figure 112015069116744-pat00033
×18.5
도 6은 본 발명의 실시예에 따른 실시간 예측 돌발홍수지수를 산출 및 예측하는 체계도를 나타낸 모습이다. 도 6을 참조하면 기상입력 자료로 우량계(AWS;Automatic Weather Station), 레이더 강우량(Radar), 수치모델 강우량(NWP;Numerical Weather Prediction), 강우량 이외의 예측 기상정보(기온, 습도, 풍속, 기입, 입사 장단파 복사량)에 대해 자동지표관측시스템(ASOS;Automatic Surface Observation System)를 통해 생산·가공하여 실시간으로 예측 돌발홍수지수를 산출할 수 있다. 이 예측 기상정보로부터 지표해석모델(LSM;Land Surface Model)을 이용하여 예측 돌발홍수지수를 계산하고, 계산된 예측 돌발홍수지수는 소정 시간 이후의 예측값으로 활용될 수 있다. 본 발명의 실시예로 소정 시간은 6시간이 될 수 있고 예측된 격자 강우량(PCP;Precipitation), 지표유출량(RUN:Runoff), 토양수분량(SWS:Soil Water Storage)를 이용하여 예측 돌발홍수지수를 예측하게 된다. 이를 통해 돌발홍수 위험지도를 작성할 수 있다. 도 6에 나타난 용어에서, AWS(Automatic Weather Station)는 방재기상관측소, ASOS(Automatic Surface Observation System)는 자동지표관측시스템, Radar는 기상레이더, NWP(Numerical Weather Prediction)는 수치모델 또는 기상모델, LSM(Land Surface Model)는 지표해석모델, PCP(Precipitation)는 강수량[mm/h], TM(temperature)는 기온[℃], WS(Wind Speed)는 퐁속[m/s], PA(Atmospheric pressure)는 기압[hpa], RL(Longwave Radiation)는 입사장파복사량[W/m2], RS(Shortwave Radiation)는 입사단파복사량[W/m2], PET(Potential Evapotranspiration)는 잠재증발산량[mm/h], AET(Actual Evapotranspiration)는 실제증발산량[mm/h], CST(channel stroage), 피복저류량[mm/h], RUN(Runoff)는 지표유출량[mm/h], INF(Infiltration)는 침투량[mm/h], SWS(Soil Water Storage)는 근권역 토양수분량[%], SWT(Soil Water Tension)는 투수권역 토양수분량[%], WTD(Water Table Depth)는 지하수면깊이[mm], NRA(Natural radiation amount)는 순복사량[W/m2], LHF(Latent Heat Flux)는 잠열 플럭스[W/m2], SHF(Sensible Heat Flux)는 현열 플럭스[W/m2], GHF(Geothermal heat flux)는 지열플럭스[W/m2], FFIM(Flash Flood Index Model)는 돌발홍수지수모델, FFRM(Flash Flood Rish Map)는 돌발홍수위험지도를 나타낸다. 지표해석모델을 나타내는 LSM(Land Surface Model)은 수집된 자료에서 강우량(PCP;Precipitation), 지표유출량(RUN:Runoff), 토양수분량(SWS:Soil Water Storage)를 이용하여 돌발홍수지수를 예측하게 된다.
도 7은 본 발명의 실시예에 따른 실시간 토양수분량의 포화값과 강우량의 변동이 예측 돌발홍수지수에 미치는 영향을 나타낸다. 도 6을 참조하면, 예측 돌발홍수지수는, 토양수분량이 설정된 포화값으로 증가하는 동안 증가될 수 있다. 또한 예측 돌발홍수지수는, 토양수분량이 설정된 포화값을 가질 때, 강우량의 변동에 대응하여 변동할 수 있다. 일반적으로 비가 오는 상황에서 수량이 증가한다면 토양수분량이 포화된 값에서 강우량 증가로 인해 토양수분량은 증가하게 된다. 포화값은 설정이 가능한데 본 발명의 실시예에서는 37%로 설정할 수 있다.
도 8은 본 발명의 실시예에 따른 예측 돌발홍수지수와 돌발홍수 발생과의 상관관계를 나타낸다. 도 7을 참조하면 예측 돌발홍수지수 처리모듈(40)은 예측 돌발홍수지수가, 설정된 제1지표를 초과하는 경우 돌발홍수 주의를 하고, 설정된 제2지표를 초과하는 경우 돌발홍수 경고를 할 수 있다.
상술한 가중치를 정리하면, 제안된 예측 돌발홍수지수가
Figure 112015069116744-pat00034
,
Figure 112015069116744-pat00035
,
Figure 112015069116744-pat00036
의 일차선형결합으로 구성되고, 가중치들의 합이 80이 되도록 제약조건을 주어 40에서 돌발홍수주의보가 60에서 돌발홍수경보가 되도록 설계되었다. 하지만
Figure 112015069116744-pat00037
(강우량요인)과
Figure 112015069116744-pat00038
(지표유출요인) 값은 선형회귀모형을 구성하는 지표유출량과 강우량에 따라 1을 초과 할 수 있다. 이에 80을 초과하는 예측 돌발홍수지수를 재조정하여 예측 돌발홍수지수가 100을 넘지 않도록 제한할 수 있다. 지표유출량이 발생되지 않더라도 토양수분상태가 90% 수준에서 70mm의 강우가 최근 3시간동안 발생하면 예측 돌발홍수지수는 55.6이고 6시간동안 균일하게 발생하면 예측 돌발홍수지수는 39.0이다. 동일한 조건에서 110mm의 강우가 최근 3시간동안 발생하면 예측 돌발홍수지수는 77.8이고 6시간동안 균일하게 발생하면 예측 돌발홍수지수는 51.8이다. 만약 토양수분상태가 100%로 최근 3시간의 25mm 강우가 모두 지표유출량으로 발생되었다면 예측 돌발홍수지수는 42.6으로 돌발홍수주의보를 내릴 수 있다. 즉 본 발명의 실시예에 따라 예측 돌발홍수지수는 호우특보상황에서 돌발홍수 주의 또는 돌발홍수 경보할 수 있고, 호우특보에 비해 단기간의 호우에 민감하게 반응할 뿐 아니라, 토양수분상태가 포화인 경우 적은 양의 강우에도 신호를 줄 수 있다.
본 발명의 실시예에 따라 단위 지역의 반경은 1㎢ 로 설정이 가능하고, S10단계 내지 S40단계는 1시간 단위로 재 수행될 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명을 상세하게 설명하였으나, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리 범위는 설명한 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 특허청구범위와 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태에 의하여 정해져야 한다.
10 는 강수 처리모듈 20 는 예측 기상요소 처리모듈
30 는 지표 해석모듈 40 는 예측 돌발홍수지수 처리모듈

Claims (8)

  1. (a) 강수 처리모듈이 단위지역에 대한 예측 기상정보를 수집하는 단계;
    (b) 기상요소 처리모듈이 상기 예측 기상정보를 토대로 상기 단위 지역에 대한 토양수분량을 실시간으로 산출하는 단계;
    (c) 지표 해석모듈이 상기 예측 기상정보 및 상기 토양수분량을 이용하여 상기 단위 지역에 대한 예측 돌발홍수지수를 실시간으로 산출하는 단계; 및
    (d)예측 돌발홍수지수 처리모듈이 상기 예측 돌발홍수지수가 기 설정된 제1지표를 초과하는 경우 돌발홍수 주의를 하고, 상기 예측 돌발홍수지수가 기 설정된 제2지표를 초과하는 경우 돌발홍수 경고를 하는 단계를 포함하되,
    상기 (b)단계는, 상기 기상요소 처리모듈이
    (b-1) 상기 예측 기상정보로부터 강우량을 추출하는 과정;
    (b-2) 상기 단위 지역의 침투량, 증발량 및 침루량을 수집하는 과정; 및
    (b-3) 상기 침투량, 증발량 및 침루량으로부터 토양수분량을 산출하는 과정을 더 포함하고,
    상기 (c)단계는, 상기 지표 해석모듈이 TOPLATS 지표해석을 이용하여
    상기 예측 기상정보로부터 단위 지역의 지표유출량을 산출하는 과정; 및
    상기 지표유출량, 상기 강우량 및 상기 토양수분량으로부터 예측 돌발홍 수지수를 실시간으로 산출하는 과정을 포함하는 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 예측 돌발홍수지수는,
    상기 토양수분량이 기 설정된 포화값에 도달하기 전에는, 상기 강우량과 상기 토양수분량 중 적어도 어느 하나를 토대로 증가되는 것을 특징으로 하는 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.
  5. 제 4 항에 있어서,
    상기 예측 돌발홍수지수는,
    상기 토양수분량이 기 설정된 포화값에 도달한 후에는, 상기 강우량과 상기 지표유출량 중 적어도 어느 하나를 토대로 산출되는 것을 특징으로 하는 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.
  6. 제 1 항에 있어서,
    상기 예측 돌발홍수지수는,
    상기 단위 지역에 대해 상기 지표유출량, 상기 강우량 및 상기 토양수분량을 가중치를 두어 계산하는 것을 특징으로 하는 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.
  7. 제 6 항에 있어서,
    상기 계산된 예측 돌발홍수지수는,
    소정 시간 이후의 예측값으로 활용될 수 있는 것을 특징으로 하는 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.
  8. 삭제
KR1020150101256A 2015-07-16 2015-07-16 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법. KR101690181B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150101256A KR101690181B1 (ko) 2015-07-16 2015-07-16 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150101256A KR101690181B1 (ko) 2015-07-16 2015-07-16 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.

Publications (1)

Publication Number Publication Date
KR101690181B1 true KR101690181B1 (ko) 2017-01-09

Family

ID=57810680

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150101256A KR101690181B1 (ko) 2015-07-16 2015-07-16 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.

Country Status (1)

Country Link
KR (1) KR101690181B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304668A (zh) * 2018-02-11 2018-07-20 河海大学 一种结合水文过程数据和历史先验数据的洪水预测方法
KR20210047511A (ko) 2019-10-22 2021-04-30 세종대학교산학협력단 산지돌발홍수 재현빈도 산정 시스템 및 방법
KR102262562B1 (ko) 2020-10-28 2021-06-09 주식회사 지엔씨환경솔루션 자연재해에 따른 하수처리시설의 총괄재난지수 산정 방법
CN115809743A (zh) * 2022-12-28 2023-03-17 应急管理部国家自然灾害防治研究院 一种溃决洪水致灾的态势感知与应急评价方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011075386A (ja) * 2009-09-30 2011-04-14 Fujitsu Fip Corp 災害予測システム及び災害予測方法
KR20130039191A (ko) * 2011-10-11 2013-04-19 한국수자원공사 격자 기반의 대유역 장기 강우유출 모형
KR101379039B1 (ko) 2014-01-06 2014-03-31 (주)종성테크 침수 예경보 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011075386A (ja) * 2009-09-30 2011-04-14 Fujitsu Fip Corp 災害予測システム及び災害予測方法
KR20130039191A (ko) * 2011-10-11 2013-04-19 한국수자원공사 격자 기반의 대유역 장기 강우유출 모형
KR101379039B1 (ko) 2014-01-06 2014-03-31 (주)종성테크 침수 예경보 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문1* *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304668A (zh) * 2018-02-11 2018-07-20 河海大学 一种结合水文过程数据和历史先验数据的洪水预测方法
CN108304668B (zh) * 2018-02-11 2021-07-09 河海大学 一种结合水文过程数据和历史先验数据的洪水预测方法
KR20210047511A (ko) 2019-10-22 2021-04-30 세종대학교산학협력단 산지돌발홍수 재현빈도 산정 시스템 및 방법
KR102262562B1 (ko) 2020-10-28 2021-06-09 주식회사 지엔씨환경솔루션 자연재해에 따른 하수처리시설의 총괄재난지수 산정 방법
CN115809743A (zh) * 2022-12-28 2023-03-17 应急管理部国家自然灾害防治研究院 一种溃决洪水致灾的态势感知与应急评价方法及系统
CN115809743B (zh) * 2022-12-28 2024-04-16 应急管理部国家自然灾害防治研究院 一种溃决洪水致灾的态势感知与应急评价方法及系统

Similar Documents

Publication Publication Date Title
Baum et al. Early warning of rainfall-induced shallow landslides and debris flows in the USA
Salman et al. Unidirectional trends in daily rainfall extremes of Iraq
Alfieri et al. A European precipitation index for extreme rain‐storm and flash flood early warning
Jakob et al. A hydroclimatic threshold for landslide initiation on the North Shore Mountains of Vancouver, British Columbia
KR101690181B1 (ko) 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법.
JP6874770B2 (ja) 降雨量予測装置、降雨量予測方法、および記録媒体
KR101695802B1 (ko) 실시간 토양수분량을 이용한 돌발홍수 모니터링 방법.
Liuzzo et al. Analysis of extreme rainfall trends in sicily for the evaluation of depth-duration-frequency curves in climate change scenarios
Şensoy et al. Developing a decision support framework for real‐time flood management using integrated models
Shrestha et al. Fundamental analysis for flood risk management in the selected river basins of Southeast Asia
Chow et al. A multimethod approach towards assessing urban flood patterns and its associated vulnerabilities in Singapore
Nester et al. Real time flood forecasting in the Upper Danube basin
JP2008185489A (ja) 融雪出水予測システム
KR101556463B1 (ko) 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램
Verstraten et al. Sensitivity of Australian roof drainage structures to design rainfall variability and climatic change
Aziz Rainfall-runoff modeling of the trans-boundary Kabul River basin using Integrated Flood Analysis System (IFAS)
Dowdy et al. Large-scale indicators of Australian East Coast Lows and associated extreme
KR101535528B1 (ko) 도시 호우 위험기준의 산정방법
Harlan et al. Derivation of the critical rainfall level needed for an early flood warning in the Upper Citarum river basin Indonesia
de Rham et al. Assessment of annual high‐water events for the Mackenzie River basin, Canada
JP7346835B2 (ja) 発電量推定装置、発電量推定方法及び発電量推定用プログラム
CN109671248A (zh) 基于防灾对象的山洪灾害预警方法
KR101843008B1 (ko) 기후변화 시나리오를 활용한 홍수방재시설 투자결정 방법 및 시스템
Asad et al. Flood frequency Modeling using Gumbel’s and Powell’s method for Dudhkumar river
坂爪里英 et al. Consideration of antecedent soil moisture for predicting flood characteristics

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191212

Year of fee payment: 4