KR20170005553A

KR20170005553A - 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발

Info

Publication number: KR20170005553A
Application number: KR1020150095704A
Authority: KR
Inventors: 이재혁; 최범준; 김필식
Original assignee: 주식회사 유일기연
Priority date: 2015-07-06
Filing date: 2015-07-06
Publication date: 2017-01-16

Abstract

본 발명에 일 실시예에 따른 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발은 농촌용수 재해정보서비스의 방향을 정립하여 의사결정지원 알고리즘 설계를 하기 위한 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발에 있어서, 농촌용수 재해정보서비스는 가뭄 및 홍수 분야로 구분하고, 정보제공단계는 관리데이터, 분석데이터 및 응용데이터를 제공하는 제1 단계, 데이터베이스는 재해분석관련 각종 모형의 전처리 과정을 고려하여 기상자료, 토지이용현황, 유역특성인자, 수리시설현황, 기타용수구역 자료 등을 제공 시스템별로 취합하여 데이터베이스를 구성하는 제2 단계, 정보서비스의 구현은 공급자중심에서 수요자중심으로 정보화의 패러다임을 변화하여 반영하여야 하고, 지식정보사회에 적극적으로 대응할 수 있도록 계획하였으며, 재해정보 서비스 항목은 크게 가뭄정보, 홍수정보, 기타정보로 구분하여 제공하는 제3 단계, 농촌용수 재해정보서비스는 GIS 기반으로 수리시설물별 용수구역에 따라 가뭄정보, 홍수정보, 기타정보를 제공할 수 있도록 시스템을 구성하는 제4 단계 및 일반 사용자를 기준으로 정보제공, 전문 사용자의 수동적인 입력조작을 통한 전문적인 정보를 제공하는 제5 단계를 포함할 수 있다.

Description

지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발{Floods, drought assessment and forecasting techniques development for intelligent service}

본 발명은 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발에 관한 것으로, 상세하게는 농촌용수 재해정보서비스의 방향을 정립하고, 의사결정지원 알고리즘 설계를 위한 알고리즘 및 시스템 적용을 위한 예측, 평가 기법을 조사하고 분석하여 농촌용수 재해정보서비스를 제공하는 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법을 개발하는 것이다.

최근 우리나라에서는 지구온난화에 의한 기상이변, 도시화로 인한 불투수면적 증가, 제방 직강화 위주의 하천정비사업 등으로 인해 유출량이 크게 증가하여 홍수피해 잠재능이 지속적으로 증가하고 있는 실정이다. 수자원 측면에서 살펴보면 기후변화로 인한 홍수와 가뭄의 빈도 변화는 장래 가용 수자원량의 변화를 가져 올 수 있다. 불안정한 유역 내 용수 공급과 더불어 토지이용변화에 따른 수요공급의 변화에 대처할 수 있는 물 관리 방안이 도출되어야 한다.

국토부에서는 2003년부터 국가 수자원관리종합정보시스템을 구축하여 국가차원의 종합적인 물관리정보를 제공하고 있으나, 농업부문에서는 농촌용수의 수요량, 공급량, 수질, 가뭄, 홍수 및 시설물을 종합관리하고 가뭄과 홍수에 대비하여 합리적 물관리 의사결정을 지원할 수 있는 통합지원시스템이 부재한 상태이다. 더욱이 농촌용수와 관련된 시설은 전국에 7만여개가 있는데, 대부분 인력에 의해 수동적으로 운영과 관리를 하고 있으며, 공간적으로 서로 연계성을 갖고 있음에도 불구하고 한국농어촌공사에서 1만 3천개소(52만ha,) 시군 지자체에서 5만 7천개소(25만ha)를 분할하여 상호 독립적으로 관리하고 있는 비현실적인 문제도 가지고 있다.

현재까지 한국농어촌공사에서는 물관리 관련 시스템(RIMS, RAWRIS, TIMS, 4대강상황실) 등을 연계하는 통합 수자원관리 시스템의 구축을 시도한 바 있었으며, 재해예방에 관련된 부분적 연구들을 개별적으로 수행한 바도 있었다. 그러나 중앙정부의 최종의사결정자에서 중간 관리자인 한국농어촌공사와 시군 지자체, 그리고 최종 수혜자인 국민에 이르기까지 하나의 시스템에 의해서 정보를 공유할 수 있는 프로토타입에 대한 연구의 시도는 아직 없었다. 따라서 농촌용수와 시설물 관리에 있어서 지금까지 많은 문제들을 해결하기 위해서는 전국에 산재되어 있는 수위, 유량 등 실시간 자동 계측시스템과 시각적 원격 관리를 위한 영상시스템 도입, 농촌용수의 수질관리체계, 가뭄대비 스마트 용수공급 의사결정지원시스템, 홍수대비 사전 홍수조절체계의 합리적 마련 등을 위한 농촌수자원 정보의 통합 관리, 이치수, 수질, 재난 등의 분석, 평가 그리고 예측이 가능한 IT 기반의 종합적인 물관리지원시스템이 필요한 상황이다.

농촌용수와 관련된 분야별 목적에 따라 별도로 수집·관리되고 있는 기존 정보시스템의 효율적인 연계구축 및 활용을 위한 종합적인 정보전략계획(ISP) 수립이 필요하고, 농촌용수 및 시설물 관련 신규 사업과 공정의 체계적 관리, 기존 시설물들의 통합관리, 농촌용수의 수량 및 수질 계측의 실시간 및 장단기 자료관리와 분석, 가뭄과 홍수대비 물관리 의사결정 지원, 농촌용수 관련 대국민 정보서비스 제공, 농촌용수 관련 조직들의 업무적 공유와 통합 등을 실현해야할 필요성이 있다.

본 발명은 정보 전달체계가 단순한 국내 홍수 및 가뭄재해 정보 제공 시스템을 제공한다.

또한 본 발명은 각 시스템이 효율적으로 연계되도록 하여 실질적인 효용성을 높일 수 있는 시스템을 제공한다.

또한 본 발명은 재해에 대한 예측 및 대응방안 등 신속한 의사결정 시스템을 제공한다.

본 발명에 따르면 정보 전달체계를 단순화하여 국내 홍수 및 가뭄재해 정보 제공 시스템을 제공하는 효과가 있다.

또한 본 발명에 따르면 각 시스템이 효율적으로 연계되도록 하여 실질적인 효용성을 높일 수 있는 시스템을 제공하는 효과가 있다.

또한 본 발명에 따르면 재해에 대한 예측 및 대응방안 등 신속한 의사결정 시스템을 제공하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발을 설명하기 위한 가뭄의 정의를 설명한 개략도.
도 2는 본 발명의 일 실시예에 따른 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발을 설명하기 위한 국내 홍수피해 현황을 도시한 개략도.

이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.

또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.

도 1은 본 발명의 일 실시예에 따른 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발의 가뭄을 설명하기 위한 개략도이며, 도 2는 본 발명의 일 실시예에 따른 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발을 설명하기 위한 국내 홍수피해 현황을 도시한 개략도이다.

우선, 국내 자연재해의 특성을 살펴보면, 가뭄은 어떤 지역의 작물성장이나 물공급에 영향을 줄 정도로 물수지에 심각한 불균형을 초래하는 비정상적으로 건조한 날씨가 장기간 지속되는 상태를 의미한다. 가뭄은 다른 자연재해와는 달리 진행속도가 느리고 시공간적으로 정확한 시작과 끝을 판단하는 것이 쉽지가 않다, 더욱이 가뭄피해의 영향은 장기적이면 그 파급효과가 사회경제환경 등에서 복잡한 양상으로 나타나기 때문에 피해규모를 정확히 파악하는 것이 어렵다. 가뭄에 대한 정의는 가뭄이 다루어지는 목적에 따라 각기 다르게 해석하기 때문에 명확하게 구분할 필요가 있으며, 일반적인 가뭄의 정의는 크게 3가지로 나눌 수 있다.

첫 째, 농업적 가뭄: 농업에 영향을 주는 가뭄으로 농작물 생육에 직접 관계되는 토양수분으로 표시하며, 둘 째, 수문학적 가뭄: 물 공급에 초점을 맞추고 하천유량, 저수지, 지하수 등 가용수자원의 양으로 정의하고, 세 째, 기상학적 가뭄: 주어진 기간의 강수량이나 무강우 계속일수 등으로 정의되면 기상현상의 영향을 직접적으로 표현할 수 있다.

한편, 홍수는 홍수는 큰 물 또는 강물이 넘쳐흐르는 자연현상으로, 하천이 범람하는 외수범람과 내수배제의 불량에 기인하는 내수범람으로 구분된다.

최근 발생하는 자연재해는 엘니뇨(El Nino)와 라니냐(La Nina) 등으로 설명되는 기후변화의 결과로 국지적이며 이동성이 강한 집중호우의 발생빈도가 증가하고, 기상학적 요인과 지형학적 요인에 의해 6 ~ 9월 중 연간 총 강우량의 2/3가 편중되어 발생하는 우리나라의 기후 특성상 치수측면에서 매우 불리한 여건에 처해있다.

또한 각종 개발사업에 따른 토지이용 변화로 인해 도시 내·외 배수시스템의 통수능력 부족과 하도에 홍수량의 대부분을 부담시키는 현 치수계획의 특성으로 인해 사회적, 경제적으로 자연재해의 규모가 급속히 증가하고 있는 실정이다.

이하, 가뭄의 예측 및 평가 기법에 관하여 서술하기로 한다.

상기 가뭄의 예측 및 평가 기법은 첫 째, WADI(Water supply Drought Index): 용수공급을 고려한 가뭄지수이다. 실제 용수 공급에 따른 가뭄을 정의하기 위해 개발된 가뭄지수로서 수리시설물별 표준화를 통해 산정된다. WADI 지수는 농촌용수 종합정보시스템(RAWRIS)의 가뭄관리시스템에서 제한적으로 제공되고 있으며, WADI 지수의 가뭄정도는 다음과 같다.

WADI범위	가뭄상태
>0.0	정상상태
0~-0.2	약한가뭄
-0.2~-0.5	보통가뭄
>0.5	극심한 가뭄

한국수문조사연보, WAMIS를 통해 구축된 하천유량과 한국수자원공사, RIMS에서 제공하는 댐 유입량, 농업기반시설관리(RIMS)의 저수율, 국가지하수정보센터, 지하수넷의 지하수위와 각 취수원의 수위자료(WAMIS, RIMS)를 수집하여 계산한다.

하천관측소의 전국 표준화 내삽 정보를 구축하고, 댐 상류유역, 농업용 저수지의 내삽에 따른 결과가 표현된 농경지역과 수혜구역, 지하수위의 표준화 정보가 표현된 집수암거 수혜구역과 취수원의 수위로 표준화하여 표현한다.

둘 째, SPI(Standardized Precipitation Index) 표준강수지수이며, Mckee 등(1993, 1995)은 가뭄은 강수량의 부족에 의해 시작된다는 것에 착한하여 SPI 지수를 개발하였다. SPI지수는 기상하적 가뭄지수로 특정한 시간에 대한 계산 단위를 3,6,9,12개월 등으로 설정하고, 시간단위별 강수 부족량을 계산하여 개개의 용수공급원이 가뭄에 미치는 영향을 산정하는 방법이다. 이렇게 특정 시간단위로 산정된 SPI지수는 각 시간단위에 따라 여러 분야에 사용될 수 있다. 예를 들면, 단기간의 시간단위는 농업적으로 사용될 수 있으며, 비교적 장기간의 시간단위는 수자원공급관리 등에 사용될 수 있다. SPI 지수는 기상청에서 제공되고 있으며, SPI 지수의 가뭄정도는 다음과 같다.

SPI범위	수분상태
2.0이상	Extremely wet
1.5~2.0	Very wet
1.0~1.5	Moderately wet
-1.0~1.0	Near normal
-1.5~-1.0	Moderately dry
-2.0~-1.5	Severely dry
-2.0이하	Extremely dry

SPI를 산정하기 위해서는 우선 시간단위별 누가강수시계열을 구성하여야 하며, 이는 이동누가에 의한 방법으로 월 강수량을 시간단위에 따라 연속적으로 중첩하여 구한다. 즉, 각 월을 기준으로 하여 시간단위별에 해당하는 누가강수 시계열을 산정하게 되며, 이를 누가된 월수로 나누어 이동 평균 강수계열을 산정한다. 이러한 누가강수 시계열이 구성되면 적절한 확률분포형을 산정하게 되는데, SPI지수는 강수량만을 입력자료로 사용하기 때문에 적절한 확률분포형으로 Gamma분포를 산정한다. Gamma분포를 이용하여 개개의 변량에 대한 누가확률을 산정한 후 표준정규분포를 적용시켜 최종적으로 SPI지수를 산정한다.

셋 째, PDSI(Palmer Drought Severity Index)파머가뭄지수이고, 상세하게는, Palmer(1965)는 가뭄을 “장기간의 이상 수분부족”이라 정의하였으며, 이상 수분부족은 “정상적인 기후에서 현저하게 벗어난 비정상적인 수분부족 기간”이라 정의 된다. PDSI 지수는 수문학적 가뭄지수로 가뭄 정의를 통해 Palmer는 가뭄의 심도를 수분부족량과 수분부족기간의 함수로 나타냈다. 또한 PDSI 지수는 기후가 상이한 두 지역에 대한 지역적인 편차를 고려함으로써 시간과 공간의 일관된 비교를 통해 얻어지는 가뭄지수로 개발되어 세계적으로 널리 사용되고 있다. PDSI 지수는 기상청에서 제공되고 있으며, PDSI 지수의 가뭄정도는 다음과 같다.

PDSI 범위	수분상태
4.0이상	극한수윤 (Extremely wet)
3.0~4.0	심한습윤 (Very wet)
2.0~3.0	보통습윤 (Moderately wet)
1.0~2.0	약한습윤 (Slightly wet)
-1.0~1.0	정상상태 (Near normal)
-2.0~-1.0	약한가뭄 (Mild drought)
-3.0~-2.0	보통가뭄 (Moderate drought)
-4.0~-3.0	심한가뭄 (Severe drought)
-4.0이하	극한가뭄 (Extreme drought)

PDSI 지수는 강수량, 기온뿐만 아니라 유효토양수분량과 일조시간 등의 자료를 사용해서 월 열지수법(monthly heat index method)으로 잠재증발산량을 추정한 후, 대상지역의 실제 강수량과 기후학적으로 필요한 강수량관의 차이를 계산함으로써 수분편차를 계산한다. 즉, 강수량과 기온자료뿐만 아니라 지역적 유효토양수분량에 근거하여 산정된 잠재량들로부터 증발산량, 함양량, 유출량 및 손실량을 포함하여 물수지방정식의 모든 기본적인 사항들이 결정된다. 하지만 수분편차만을 이용하여 가뭄의 심도를 비교하는 것은 적절하지 않을 수 있기 때문에 시공간적 편차를 보정하기 위해 기후특성인자를 계산하여 최종적으로 PDSI지수를 산정하게 된다.

넷 째, SWSI(Surface Water Supply Index) 수문학적 가뭄지수이고, 상세하게는 기존의 가뭄지수인 SPI, PDSI는 기상자료를 중점적으로 사용하여 가뭄을 평가하기 때문에 지표 수문량에 영향을 받는 수문학적 가뭄평가에 어려움이 있었다. 반면에 SWSI(Shafer and Dezman, 1982)는 융설량, 저류량, 하천유량, 강수량을 입력인자로 하여 가뭄을 평가하는데 기존의 개발된 가뭄지수중 가장 수문학적으로 가뭄을 평가하는 것으로 알려져 있다.

수자원공사에서는 복잡한 지형조건과 다양한 물공급 특성을 가진 우리나라의 수문학적 가뭄을 평가하기 위해 SWSI를 보완한 MSWSI(Modified SWSI)를 개발하였다.

MSWSI의 개발에 있어 1단계(2005년)에서는 SWSI 지수를 이용하여 댐 저수율 인자와 강수 인자만으로서 전국을 4개의 대권역으로 가뭄을 평가하는 방법을 지양하여 전국을 32개 유역으로 분할하고 유역별 수문학적 가뭄평가에 사용 가능한 수문인자를 검토하여 준분포형으로 가뭄을 평가하는 방법을 개발 및 제시하였다. 2단계(2006년)에서는 가뭄평가 적용 범위를 공간적으로는 32개 유역에서 수자원단위지도의 중권역(117개 유역) 단위로, 시간적으로는 월단위에서 주단위 가뭄평가로 확대적용 하였다. 중권역 단위로 MSWSI를 적용한 결과 시군구 단위의 지역적 가뭄평가가 가능하였고, 주단위 가뭄평가를 수행한 결과 월단위 내에서 변화되는 가뭄 발생 변화의 표현이 가능하였다.

다섯 째, SMI(Soil Moisture Index) 토양수분지수이며, 상세하게는 농작물의 생산량이 감소되는 것을 기준으로 토양수분이 유효수분백분율의 50%이하 일 때 농업적 가뭄으로 정의한다. SMI 지수는 농촌용수 종합정보시스템(RAWRIS)의 가뭄관리시스템에서 제한적으로 제공되고 있으며, SMI 지수의 특징은 다음과 같다.

1. 일별모의 가능

2. 자연상태의 가뭄표시

3. 선행적인 가뭄제시

4. 단기 가뭄평가에 적합

5. 충분한 강우로 인한 가뭄 해소에 민감

6. 비 식생지역에 가뭄을 반영하는데 어려움

가뭄이 가지는 다양한 특성을 세가지 특성치로 구분하여 기본수준(foundation level)에 대한 부족분에 대한 지속기간(duration; D), 크기(magnitude; M), 강도(severity; S)로 분류하며, 강수량, 기온, 습도, 토양물리 특성자료를 이용하여 식생에 영향을 주는 가뭄을 판단한다.

이하, 홍수의 예측 및 평가 기법에 관하여 서술하기로 한다.

강우현상은 기상 및 지형적인 자연요소에 따라 시시각각 변화하기 때문에 이를 정확하게 예측하거나 파악하기는 매우 곤란하다. 따라서, 수문학적으로 이용되는 강우에 대한 해석이란 Thiessen망에 따른 관측소별 과거 관측자료를 근거로 통계학적인 기법을 이용하여 확률강우량을 산정하고 있다.

농촌용수 재해정보서비스에서는 기상청에서 3시간 간격으로 제공중인 실시간 레이더 관측영상을 활용하여 재해현황을 분석하여 제공하고, 과거재해현황 및 재해예측에는 확률강우량을 사용는 것이 바람직할 것으로 판단된다.

(가) 확률 분포

위의 13개 분포형별 확률밀도함수(Probability Density Function, PDF)와 누가 분포함수(Cumulative Distribution Function; CDF)는 다음과 같다

(1) Gamma 분포

Gamma 분포는 연최대치 계열의 홍수량, 연 유출량, 계절별 유출량 등 수문자료의 해석에 널리 사용되는 분포로서, 3개의 매개변수를 갖는 Gamma 분포의 확률밀도함수는 다음과 같다.

여기서

는 규모 매개변수(scale parameter),

는 형상 매개변수(shape parameter),

는 위치 매개변수(location parameter)이며, 후술되는 분포형에도 동일하게 적용

여기서

가 양수일 때는 0≤

＜8의 범위, 음수일 때는 -8＜

≤

이며,

＞0이다. 여기서

= 0이면 2변수 Gamma(GAM2)분포가 된다.

(2) GEV분포

홍수나 가뭄 같은 수문사상의 빈도해석에 많이 사용되는 분포함수로서 형상 매개변수

에 따라 3가지 형태로 구분될 수 있으며, 누가분포함수와 확률밀도함수는 다음의 식과 같다.

가 음수이면 하한 경계치를 갖는 GEV-2 분포이고(Frechet 분포 또는 Log-Gumbel 분포라고도 함), 양수이면 상한 경계치를 갖는 GEV-3 분포(Weibull 분포라고도 함)이며,

가 0이면 GEV-1(Gumbel 분포라고도 함)분포가 된다.

(3) Gumbel 분포

극치 수문현상의 적용에 널리 사용되고 있는 분포형으로서 누가분포함수와 확률밀도함수는 다음과 같다.

, -8<x<8

Gumbel 분포의 왜곡도계수는 1.1396으로 고정된 상수값을 갖는다.

(4) Log-Gumbel 분포

Log-Gumbel 분포는 Frechet 분포로도 알려져 있으며, GEV-2 분포가 이에 해당된다. 3개의 매개변수를 갖는 Log-Gumbel 분포의 누가분포함수 및 확률밀도함수는 다음과 같다.

한편,

= 0이면 2변수 Log-Gumbel 분포가 된다.

(5) Log-Normal 분포

수문자료 해석에 널리 사용되고 있는 분포형으로서 3개의 매개변수를 갖는 확률밀도함수는 다음과 같다.

,

여기서

=

= Y의 평균(규모 매개변수)

= Y의 표준편차(형상 매개변수)

= 위치 매개변수

따라서, Y는 2개의 매개변수를 갖는 정규분포가 되며, 상기 식에서

= 0이면 2변수 Log-Normal 분포가 된다.

(6) Log-Pearson Type 분포

Log-Pearson Type 분포는 미국에서 홍수자료 해석에 특히 많이 적용되고 있으며, 미국수자원평의회(U.S. Water Resources Council)보고서(1982, IACWD)에서 추천하고 있는 분포로서 확률밀도함수는 다음과 같다.

여기서

는 위치 매개변수(location parameter)

Log-Pearson Type 분포는 규모 매개변수

가 양수이면 하한경계값(

≤x＜8)을 갖고 양으로 왜곡된(positively skewed) 분포가 되며, 음수이면 상한경계값(0＜x≤

)을 갖고 형상 매개변수와 규모 매개변수의 값에 따라 양 또는 음으로 왜곡된 분포가 된다. 또한, Log-Pearson Type 분포는 3변수 Gamma 분포와 Log-Normal 분포와 상관관계가 있다. 즉, 확률변량

라고 하면 y는 3개의 매개변수

,

를 갖는 Gamma 분포가 되며, 확률변량 y의 왜곡도계수가 0이면 x는 Log-Normal 분포이고 y는 정규분포가 된다.

(7) Weibull 분포

Weibull 분포는 지역홍수빈도해석에 자주 이용되는 분포로 GEV-3 분포와 밀접한 관계를 갖고 있다. 3개의 매개변수를 갖는 Weibull 분포의 누가분포함수와 확률밀도함수는 다음과 같다.

3변수 Weibull 분포는

= 1이면 지수분포(exponential distribution)가 된다.

또한,

= 0인 경우 2변수 Weibull 분포가 된다.

(8) Wakeby 분포

Wakeby 분포는 여러 가지 형태로 존재하나 다음 식과 같은 역함수 형태로 일반적으로 정의된다.

: 누가분포함수(CDF)

: Wakeby 분포의 매개변수

Wakeby 분포의 매개변수추정은 확률가중모멘트법을 주로 사용하고 있다. 추정된 값은 매개변수 적합성조건을 만족해야 하나 추정된 매개변수가 적합성 조건에 맞지 않는 경우에는 매개변수 b값을 조정하면서 나머지 매개변수 값을 추정한다.

(나) 매개변수 추정

분포형별 확률강우량 계산을 위해서는 각 분포형별로 매개변수를 추정하여야 하는데, 이를 위해서는 일반적으로 모멘트법(Method of Moments, MOM), 최우도법(Method of Maximum Likelihood, MML), 확률가중모멘트법(Method of Probability Weighted Moments, PWM)등이 사용된다.

(1) 모멘트법

모멘트법(Method of Moments, MOM)은 가장 오래되고 간단하여 과거 많이 사용하였던 추정방법중의 하나로, 모집단의 모멘트(population moments)와 표본자료의 모멘트(sample moments)를 같다고 보고 확률분포형의 매개변수를 추정하는 방법이다.

모멘트법은 일반적으로 큰 수문사상이 있을 경우이거나, 또는 표본의 수가 작은 경우에는 변동계수나 왜곡도계수가 크게 편의(bias)되어 나타나므로 이 값이 전체에 커다란 영향을 미치기 때문에 적용성이 떨어지는 단점이 있다.

(2) 최우도법

최우도법(Method of Maximum Likelihood, MML)은 관측자료들의 발생결합확률 또는 확률분포 매개변수의 함수로 정의되는 우도함수(likelihood function)를 최대화하는 매개변수를 최적치로 결정하는 방법이다.

최우도법은 추출된 표본자료가 나올 수 있는 확률이 최대가 되도록 매개변수를 추정하는 방법으로 우도함수(likelihood function)보다는 유도상의 편리성 때문에 대수우도함수(log-likelihood function)를 많이 사용한다.

일반적으로 최우도법은 표본의 크기가 클 경우 가장 효율적인 추정치를 얻을 수 있는 방법이긴 하지만, 해를 구하는 과정이 복잡하고 수렴이 되지 않아 계산이 되지 않는 경우가 많이 있으며, 또한 표본의 크기가 작은 경우에는 잘 일치하지 않는 결과를 주는 방법이기 때문에 사용에 주의를 요하는 방법이다.

(3) 확률가중모멘트법

확률가중모멘트법(Method of Probability Weighted Moments, PWM)은 다른 방법에 비해서 적은 자료수에 의한 영향이 적고 안정적이며, 극대강우사상이 포함된 자료계열에도 큰 왜곡특성이 나타나지 않고, 또한 간단하기 때문에 최근에 많이 사용되고 있는 방법이다.

확률가중모멘트의 일반식은 다음과 같이 나타낼 수 있다.

여기서 p, r, s는 정수이다.

일반적으로 사용하는 모집단의 확률가중모멘트는 다음과 같이 나타낼 수 있다.

상기 식에 정의된 모집단의 불편확률가중모멘트(unbiased PWM)는 다음과 같이 표시된다.

여기서,

는 자료를 크기 순으로 정렬하였을 때 j번째 값이며

는 자료의 평균을 나타낸다.

매개변수 추정은 상기 식 중에서 확률가중모멘트를 구하는데 편리한 식을 사용하여 분포형별로 규모 매개변수(scale parameter), 형상 매개변수(shape parameter) 및 위치 매개변수(location parameter) 등을 결정하는 것이다.

(다) 적합도 검정

관측소의 강우자료계열이 앞서 기술한 여러 확률분포형 중 어느 분포형에 적합하는가를 판단하는 적합도 검정은 확률분포의 상대도수함수(relative frequency function) 또는 누가분포함수(cumulative distribution function)의 이론값과 자료계열의 관측값(표본값)을 비교하여 그 정도를 판별하게 된다.

일반적으로 널리 사용되고 있는 방법으로는 X²(Chi square) 검정, K-S(Kolmogorov Smirnov) 검정, Cramer von Mises 검정 및 PPCC 검정 등이 있으며, 유의수준(a)은 일반적으로 0.05(5％)를 기준으로 검정한다.

(1)

검정

검정은 자료치를 크기에 따라 여러 개의 계급구간으로 나누고 이들 계급구간에 대한 상대도수함수의 이론값과 실제 자료의 절대도수를 비교함으로서 검정하는 방법이다.

검정에 의한 통계량은 다음 식과 같이 정의된다.

여기에서

는 관측자료의 i번째 구간에 속하는 표본 관측도수이며,

는 전체 관측값의 수 n에 이론적인 발생확률

를 곱한 것으로, 검정하고자 하는 이론확률분포에 의해 기대되는 i번째 구간의 절대도수이다.

계산된 통계량

가

<

의 관계를 가지면 가정된 분포는 유의수준

로 적합성이 인정되며, 그렇지 못하면 기각된다.

는 자유도가

,

는 변수의 수

일 때 유의수준

로 가정한 분포의 적합성을 인정하는

의 한계치이다.

(2) K-S 검정

K-S 검정은 표본자료의 누가분포함수와 가정된 이론확률분포의 누가분포함수를 비교하여 그 최대편차로 판정하는 방법이며, 표본의 크기와 유의수준에 따라 결정되는 한계편차보다 적어야 적합성이 인정된다.

표본자료의 누가확률분포를 구하기 위해서는 우선 n개의 자료를 크기순으로 재배열하여 다음 식에 의해 자료값의 누가확률을 계산한다.

여기에서,

는 자료를 크기순으로 배열했을 때 k번째 자료값의 이론적 누가발생확률이며 n은 자료의 총수이다.

두 분포함수의 최대편차는 다음 식으로 표시될 수 있다.

은 n의 크기에 따라 좌우되는 확률변수로서 유의수준

일 때 적합성이 인정되려면 다음의 관계가 성립되어야 한다.

윗 식은 최대편차

이 한계값

보다 작으면 그 분포는 유의수준

로서 그 적합성이 인정됨을 의미한다.

(3) Cramer von Mises 검정

Cramer von Mises 검정은 표본자료

,

,... ,

가 누가분포함수

(x:

)으로 정의된 확률분포형을 모집단으로 갖는다는 가정을 검정하는데 사용된다. 여기서

는 표본자료의 크기가 N인 자료에서 추정된 매개변수 집단이다. 검정통계량 W는 다음과 같이 계산된다(Thompson, 1966).

여기서,

는 크기순으로 배열된

위치에서 계산된 누가분포함수이다.

다음 조건식을 만족하면 적용한 분포형을 유의수준

에서 기각할 수 없다.

여기서,

은 N과

의 함수이다. 하지만 표본자료가 충분히 커서

인 경우 통계량

은

의 함수가 된다(Anderson과 Darling, 1952).

(4) PPCC 검정

PPCC(Probability Plot Correlation Coefficient) 검정은 주어진 자료계열

를 오름차순으로 정렬하여 자료계열

를 작성하고, 누가확률분포함수(CDF)의 역함수의 입력인자를 확률분포형별로 적정한 도시위치공식을 이용하여 산출된 자료계열

의 누가확률(

)로 자료계열

을 작성한 후, 자료계열

와

간의 상관관계를 이용하여 확률분포형의 적합도를 검정하는 방법이다.

PPCC 검정에서 자료계열

와

의 상관관계는 다음과 같은 적모멘트상관계수(product moment correlation coefficient)인

를 통계량으로 사용한다.

여기서, n은 자료의 수,

는 오름차순으로 정렬된 자료계열,

는 도시위치공식에 의한 자료계열

의 누가확률(

)와 누가확률분포함수의 역함수를 이용하여 작성된 자료계열로서

,

와

는 각각 자료계열

와

의 평균이다.

위의 검정통계량

가

보다 크면 유의수준

로 확률분포형의 적합성이 인정되며 그렇지 못하면 기각된다.

(라) 강우강도식 산정

강우강도식은 강우강도-지속시간-재현기간의 관계를 나타내는 식으로서 앞서 산정된 확률강우량을 제2의 자료로 변환하는 작업이 필요하다. 즉, 확률강우량을 강우강도로 변환시킨 후 최소자승법을 이용하여 관계식을 구하며, 유도된 식에 의한 값과 원래 자료치와의 편차를 계산하여 최소값을 가지는 식을 그 지점의 강우강도식으로 결정한다. 본 검토에서 강우강도식은 우리나라에서 널리 적용되고 있는 다음 4개 유형 외 「확률강우량도 개선 및 보완 연구(국토해양부,2011)」에서 제시된 전대수다항식형(KICT)을 선정하였다.

전체 강우지속기간을 하나의 강우강도식으로 나타내기 곤란한 경우에는 단장기간, 단중장기간으로 적절히 구분하여 강우강도식을 유도하여야 하며, 이와 같은 기간 구분시에는 임계지속기간 부근에서 구분할 경우 불연속에 의한 문제점이 발생할 수도 있으므로 임계지속기간 근처에서 구분하는 것은 지양하여야 한다.

물 정보의 대부분은 자연현상과 관련되는 것으로 지속적인 관측과 조사를 통하여 획득된 자료에 의존하며, 최근 정보통신의 발달과 함께 다양한 수문자료를 실시간으로 입수하는 것이 가능하게 되었는데 다양한 수집정보를 필요로 하는 사람들이 정보를 쉽게 입수 할 수 있도록 기술적 지원이 필요하고 국가는 이를 충족시킬 수 있는 정보서비스 체계를 구축해야 한다.

현재 구축되어 있거나 구축중에 있는 물관련 정보시스템은 물정보를 종합적으로 제공하기보다는 일부 한정된 자료를 대상으로 하고 있고 표준체계도 갖추지 못하고 있지 못하여 이용하기가 불편하고 정보로서 가치도 덜어지고 있는 실정이다.

특히, 국내 홍수 및 가뭄재해 정보 제공 시스템은 정보 전달체계가 복잡하고, 각 시스템의 연계성이 부족하여, 중복적인 자료를 제공하거나, 자료들이 분산되어 있으며, 최신자료의 업데이트가 되지 않아 실질적인 효용성이 떨어지는 시스템이 대부분인 것으로 확인되었다. 또한 재해에 대한 예측 및 대응방안 등 신속한 의사결정 시스템은 현재까지 제공되고 있지 않다.

따라서 홍수 및 가뭄재해에 대한 일원화된 통합 시스템이 요구되며, 재해예방 및 신속한 대처를 위한 의사결정 시스템의 도입이 시급한 실정이다.

이에 본 연구는 농촌용수 재해정보서비스의 방향을 정립하고, 의사결정지원 알고리즘 설계를 위한 알고리즘 및 시스템 적용을 위한 예측평가 기법을 조사하고 분석하여 제시하였다. 농촌용수 재해정보서비스의 기본방향은 다음과 같다.

1. 농촌용수 재해정보서비스는 가뭄 및 홍수 분야로 구분하고, 정보제공단계는 「관리데이터 분석데이터 응용데이터」로 구분하여 제공

2. 데이터베이스는 재해분석관련 각종 모형의 전처리 과정을 고려하여 기상자료, 토지이용현황, 유역특성인자, 수리시설현황, 기타용수구역 자료 등을 제공 시스템별로 취합하여 데이터베이스를 구성

3. 정보서비스의 구현은 공급자중심에서 수요자중심으로 정보화의 패러다임을 변화하여 반영하여야 하고, 지식정보사회에 적극적으로 대응할 수 있도록 계획하였으며, 재해정보 서비스 항목은 크게 가뭄정보, 홍수정보, 기타정보로 구분하여 제공

4. 농촌용수 재해정보서비스는 GIS 기반으로 수리시설물별 용수구역에 따라 가뭄정보, 홍수정보, 기타정보를 제공할 수 있도록 시스템을 구성

5. 일반 사용자를 기준으로 정보제공, 전문 사용자의 수동적인 입력조작을 통한 전문적인 정보를 제공

가뭄의 예측평가 기법으로 가뭄지표(WADI, SPI, PDSI, SWSI, SMI) 활용할 계획이다. 기존 가뭄관련 정보 시스템은 시스템별로 가뭄지표들만 분산되어 제공되고 있다. 이에 따라 농촌용수 재해정보 시스템에서는 가뭄지표(WADI, SPI, PDSI, SWSI, SMI)를 통합적으로 제공할 계획이며, 농촌용수 재해정보 시스템에 적합한 최적가뭄지표를 도출하고자 시범지구 적용을 수행하였다. 적용결과 한 개의 가뭄지표로만 정확한 가뭄정도를 판단하기 어려우며, 가뭄지표(WADI, SPI, PDSI, SWSI, SMI)간의 가뭄상태가 상이하여 해석이 어려운 경우가 발생하였다.

따라서, 각 가뭄지표의 개별적인 분석결과를 통합하여 심한습윤-약한습윤-정상상태-약한가뭄-심한가뭄의 5단계로 재분류하여, 사용자들의 혼란을 지양하고, 각 단계에 따른 명확하고 구체적인 의사결정을 지원할 수 있는 계획이 필요하며, 가뭄지표간의 가뭄상태가 상이할 경우, 용수공급을 고려한 가뭄지수(WADI), 팔머가뭄지수(PDSI), 토양수분지수(SMI)에 가중치를 두어 가뭄지표의 통합분석을 수행하여 가뭄을 평가해야 할 것으로 판단된다.

홍수의 예측평가 기법으로 강우분석 및 홍수량 산정방법(합리식, SCS 무차원단위도법, CLARK 유역추적법)을 활용할 계획이다. 농촌용수 재해정보서비스에서는 기상청에서 3시간 간격으로 제공중인 실시간 레이더 관측영상을 활용하여 재해현황을 분석하여 제공하고, 과거재해현황 및 재해예측에는 확률강우량을 사용는 것이 바람직할 것으로 판단된다.

기존 홍수관련 정보 시스템에서는 과거 홍수피해 정보만 주로 제공되며, 예측 측면에선 기후/태풍정보만 제공되고 있다. 이에 따라 농촌용수 재해정보 시스템에서는 홍수량 산정에 따른 저수지유입량을 파악하여, 저수지 수위 변화를 예측한 후 저수지설계홍수위와 비교분석을 통한 내수범람 평가를 수행하며, 저수지방류량에 따른 하류하천홍수량 증가량과 하천계획홍수량의 비교분석을 통한 외수범람 평가해야 할 필요가 있다. 저수지 수위와 하류하천수위를 통해 내수범람과 외수범람의 위험을 예측 평가하도록 하며, 위험등급을 나누어 경보함으로써 재해피해를 최소화하고, 재해발생시 즉각적인 조치가 취해질 수 있는 설계가 필요한 것으로 판단된다.

본 과업에서 선정된 재해 예측 평가 기법의 검증을 위해 시범지구에 농림축산식품부, 국토교통부, 기상청의 제공 정보현황을 기반으로 농촌용수 재해정보 시스템에 적용가능성 및 적용방안을 도출하였다. 시범지구는 한국농어촌공사 동진지사로 능, 금평, 백산, 대화, 당월, 선암 등 21개의 저수지를 관리하고 있다. 동진지사의 관리유역은 행정구역상 김제와 정읍에 해당되며 수자원단위지도상 새만금유역내 동진강수계에 포함된다.

적용결과 국토교통부와 기상청의 제공자료를 기초자료로 농림축산식품부의 제공정보를 수정보완하여 사용할 경우 GIS기반으로 행정구역 단위, 용수구역 단위로 재해현황자료 및 전망자료를 제공할 수 있을 것으로 판단된다.

상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.

Claims

농촌용수 재해정보서비스의 방향을 정립하여 의사결정지원 알고리즘 설계를 하기 위한 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발에 있어서,
농촌용수 재해정보서비스는 가뭄 및 홍수 분야로 구분하고, 정보제공단계는 관리데이터, 분석데이터 및 응용데이터를 제공하는 제1 단계;
데이터베이스는 재해분석관련 각종 모형의 전처리 과정을 고려하여 기상자료, 토지이용현황, 유역특성인자, 수리시설현황, 기타용수구역 자료 등을 제공 시스템별로 취합하여 데이터베이스를 구성하는 제2 단계;
정보서비스의 구현은 공급자중심에서 수요자중심으로 정보화의 패러다임을 변화하여 반영하여야 하고, 지식정보사회에 적극적으로 대응할 수 있도록 계획하였으며, 재해정보 서비스 항목은 크게 가뭄정보, 홍수정보, 기타정보로 구분하여 제공하는 제3 단계;
농촌용수 재해정보서비스는 GIS 기반으로 수리시설물별 용수구역에 따라 가뭄정보, 홍수정보, 기타정보를 제공할 수 있도록 시스템을 구성하는 제4 단계; 및
일반 사용자를 기준으로 정보제공, 전문 사용자의 수동적인 입력조작을 통한 전문적인 정보를 제공하는 제5 단계를 포함하는 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발.