Estimation of Extreme Wind Speeds in Southern and Western Coasts by Typhoon Simulation

構 造 工 學 大 韓 土 木 學 會 論 文 集

第28卷 第4A 號·2008年 7月 pp. 431 ~ 438

태풍 시뮬레이션을 통한 서남해안의 극한풍속 예측

Estimation of Extreme Wind Speeds in Southern and Western Coasts by Typhoon Simulation

권순덕*·이재형**

Kwon, Soon-Duck·Lee, Jae-Hyoung

···

Abstract

An updated Monte Carlo procedure for Typhoon simulation is presented to estimate the extreme wind speed at typhoon prone southern and western coasts in Korea. The reconstructed wind field model for typhoon in this study is compared with measured typhoon data for validation. The fitness of the proposed probability distribution models for typhoon parameters are tested by using data for the typhoon passed near the specific site. The simulated maximum wind speed associated with various return periods along southern and western coasts indicate that the extreme wind speed gradually increases inversely according to latitude of the coast, and that the basic wind speeds given in Korea Bridge Design Code are excessive compared with present results.

Keywords : typhoon, Monte Carlo simulation, probability distribution, design wind speed

···

요 지

본 연구에서는 열대성 저기압에 의하여 지배를 받는 우리나라 서남해안의 풍속을 추정하기 위한 개선된 태풍 몬테카를로 시뮬레이션 방법을 제시하였다. 이를 위하여 적절한 태풍의 물리적 모델을 제시하고 실측치와 비교하여 검증하였다. 아울러 태풍을 구성하는 파라메터의 확률분포 모델을 제시하고 우리나라 인근을 통과한 태풍자료를 사용하여 적합성을 검사하였다.

본 연구의 방법으로 서남해안 주요 지점의 재현기간별 풍속을 추정하여 제시하였는데, 위도가 낮아질수록 풍속이 높아지며, 도로교설계기준의 기본풍속은 과다한 것으로 나타났다.

핵심용어 : 태풍, 몬테카를로 시뮬레이션, 확률분포, 설계풍속

···

1. 서 론

국도 77호선의 건설과 더불어 서남해안의 섬들을 연결하 는 대규모 연락교 프로젝트가 진행중이며, 그 중에 많은 교 량들이 사장교나 현수교와 같은 케이블 형식의 교량으로 계 획되고 있다. Tacoma Narrow교의 사고에서 경험했듯이 케 이블 교량은 풍하중에 취약하므로 경제성과 내풍안정성을 확 보하기 위해서는 먼저 교량 건설 현장의 풍속을 정확히 예 측하는 것이 중요하다.

교량의 설계풍속은 과거에 누적된 풍속자료를 극치분포와 같은 확률 모형에 대입하여 향후 발생할 수 있는 풍속을 예 측하는 방법으로 산정해 왔다. 그런데 대부분 도시지역에 위 치한 기상관측소와 달리 서남해안의 연륙교 건설 입지는 멀 리 떨어진 해상지역인 경우가 많다. 따라서 기상관측소에 누 적된 풍속자료와 유사한 바람이 교량 현장에 분다고 판단하 기 어려우며, 누적된 기상자료를 사용하기 위해서는 기상관

측소의 주변 상황과 아울러 교량 현장 인근의 국부적인 지 형적 요인을 적절히 보정해야 한다. 하지만 국부적인 지형이 바람에 미치는 영향은 대단히 민감하므로 대규모 지형모델 을 사용한 풍동실험이나 전산유체해석을 통하지 않고는 적 절한 정확도를 가지고 보정하기 어렵다.

서남해안지역의 기상관측소 12곳에서 측정된 최근 36년간 풍속자료를 보면, 연최대풍속의 월별 발생빈도는 태풍내습기 (6월~10월)과 비태풍시기(11월~5월)가 각각 50.4%와 49.6%

로 비슷하다(그림 1 참조). 하지만 연최대풍속중에서 20 m/

s이상의 고풍속만 골라보면 태풍내습기와 비태풍시기가 각각

62.3%와 37.7%가 되고, 25 m/s이상에서는 84.2%와 15.8%

로 태풍내습기에 고풍속의 발생이 훨씬 많았다. 이를 볼 때 우리나라 서남해안의 경우에 풍속의 극치값은 계절에 따라 일상적으로 부는 바람보다는 태풍과 같은 열대성 저기압에 의해 지배받음을 알 수 있다.

전술한 바와 같이 기상관측소와 교량현장이 이격된 관계로

*정회원·교신저자·전북대학교 토목공학과 부교수 (E-mail : [email protected])

**정회원·전북대학교토목공학과교수 (E-mail : [email protected])

두 곳에서 부는 바람의 상관관계에 대한 불확실성 때문에 누적된 기상자료로부터 추정한 기본풍속이 적절한지 판단하 기 어렵다. 특히 도시화에 따라 기상관측소 주변의 지표조도 가 크게 바뀌어서 신뢰도 높은 장기 풍속관측자료를 확보하 기 어렵다. 하지만 태풍의 관측자료는 여러 기관이 참여하는 국제 협력을 통하여 구성하므로 상대적으로 상세하다. 아울 러 태풍은 육지에 상륙하면 급격히 세력이 약화되지만, 서남 해안의 연육교 입지는 태풍을 직접 받는 해상이므로 태풍자 료의 신뢰성도 높다. 따라서 태풍과 같은 열대성 저기압이 지배적인 서남해안 지역에서는 현장 풍속자료의 불확실성을 극복하기 위한 방안으로 태풍 자료만을 사용하여 풍속을 추 정하는 방법이 합리적일 수 있다.

태풍의 몬테카를로 시뮬레이션 방법은 Russell(1971)이 멕 시코만에서 발생한 허리케인이 텍사스 연안의 해양석유시설 에 미치는 영향을 파악하기 위하여 처음 제시하였다. 그 후 여러 연구자들이 이 방법을 확장하여 미국 남동부 해안에서 허리케인에 의한 풍속을 추정하는데 적용하였다(Batts, 1980;

Georgiou, 1983; Sanchez-Sesma, 1988; Vickery, 1995a;

Huang 2001). 일본에서도 몇몇 연구자들이 비슷한 방법으로

북태평양에서 발생하는 태풍에 의한 일본 동남부 해안의 풍 속을 추정하였다(藤井, 1986; 松井, 1995; 勝地, 2004). 국 내에서는 김석철 등(2005)이 태풍 몬테카를로 시뮬레이션과 CFD해석을 병행하여 울산지역의 국지 풍속을 추정하였고, 이영규 등(2007)은 간단한 바람장 모델을 사용하여 거제도 지역의 풍속을 추정하였다. 기존 연구들은 몬테카를로 시뮬 레이션에 바탕을 둔 유사한 접근법을 사용했지만, 각 연구에 서 사용한 태풍의 물리적 모델이나 확률 모델은 조금씩 다 르다.

본 연구에서는 서남해안의 해상교량 설계를 위한 기본 풍 속을 추정하기 위하여 북태평양에서 발생한 태풍자료를 사 용한 시뮬레이션 방법을 적용하였고, 자료 조사를 통하여 우 리나라 인근을 통과한 태풍의 물리적 모델을 구성하는 변수 들의 확률분포를 제시하였다. 본 연구에서 사용한 태풍 시뮬 레이션 방법은 기존 연구의 결과 및 기상관측자료와 비교하 여 검증하였다.

2. 태풍모델

2.1 태풍의물리적모델

태풍(허리케인 및 사이클론과 동일한 열대성 저기압)의 바

람장 모델은 Schloemer(1954), 藏重(1977), Holland(1980),

Shapiro(1984) 등에 의하여 개발되었다. 이들의 모델을 보면,

태풍 영향권 내에서 부는 바람은 결국 기압의 차에 의하여 발생하므로 태풍의 눈에서 r만큼 떨어진 곳의 1분 평균 경 고도 풍속은 다음과 같이 표현된다(Holland, 1980).

(1)

여기서, VT 는 태풍 이동속도, θ는 태풍 진행 방향과 관심 지점 사이의 각도, r0는 태풍 중심에서 최대풍속이 발생한 지점까지의 거리, Δp는 기압차(p∞−^pc), p_∞는 태풍 영향권 밖의 기압( 1010 hPa), pc는 태풍 중심 기압, f는 코리올리 파라메터, ρ는 공기밀도( 1.15 kg/m³)이다.

식 (1)의 Holland 태풍 모델은 Schloemer의 것을 수정한 것으로 B=1이면 두 모델이 동일하다. B는 태풍 프로파일의 형상을 결정하는 파라메터로 대략 1< B <2.5의 범위에 있으 며, 최대풍속 및 기압차와 다음과 같은 관계가 있다.

(2)

여기서 e는 자연로그의 밑수( 2.7183)이고, Vmax는 태풍의 최대풍속이다. 그림 2는 r0=10 km, pc=980 hPa, p_∞=101 hPa인 경우에 대하여 태풍중심에서 떨어진 거리별 풍속 프로 파일을 보여주고 있다. 그림에서 보듯이 B가 바뀌면 태풍 중심에서부터 거리에 따른 풍속 프로파일의 모양이 변하게 된다. 따라서 B에 따라 풍속의 분포가 상당히 달라지므로 B 는 태풍의 관측치에 바탕을 두고 결정되어야 한다.

한편 최종적으로 구하고자 하는 특정 지점의 풍속은 기압 차에 의하여 발생하는 풍속과 태풍의 이동속도를 벡터 합성 을 해서 구할 수 있다. 그림 2와 동일한 제원의 태풍이 25 도 북서쪽으로 10 m/s의 속도로 움직일 때, 식 (1)을 사용 하여 계산한 위치별 풍속 강도를 그림 3에 나타내었다. 그 림을 보면 태풍 진행방향의 우측은 이동속도와 합성이 되어 서 풍속이 증가하였고, 반대로 좌측은 이동속도가 풍속을 저 감시키고 있다. 따라서 최대 풍속이 발생한 지역은 태풍 진 행방향의 우측에 반달모양으로 표시되고 있다.

Joint Typhoon Warning Center(JTWC)의 Atkinson과

Holliday(1977)가 북서태평양의 여러 기상관측소에서 측정한

태풍 자료로부터 도출한 기압차와 최대풍속의 관계는 다음 과 같다.

V_{g 1,} ( )r V_T sinθ–f r⋅

---2 V_T sinθ–f r⋅ ---2

⎝ ⎠

⎛ ⎞² Δ BP⋅ ---ρ r₀

----r

⎝ ⎠⎛ ⎞^Be r₀ ----r

⎝ ⎠⎛ ⎞ –

B

+ +

=

≈

≈

B V_max² ⋅ ⋅ρ ^e Δp ---

=

≈ 그림 1. 서남해안지역의연최대풍속월별발생빈도

그림 2. 태풍중심으로부터거리에따른풍속프로파일

(3)

최대풍속 발생 반경에 대한 자료는 많지 않으며, Graham 과 Nunn이 허리케인에 대하여 제안한 모델을 사용하였다.

(4)

여기서 α는 위도이고, k는 위도에 따라 다르며 표 1과 같 다(Sanchez-Sesma, 1988).

식 (1)을 사용하여 추정한 태풍의 풍속은 경고도에서의 값 이므로 구조물 설계를 위해서는 해수면 10 m에서의 풍속으 로 변환해야 한다. 이러한 풍속 고도변환 관계는 많은 설계 기준에서 제공하고 있지만 일상적인 바람에 대한 것이므로 태풍에 대하여 적용하기는 어렵다. 본 연구에서는 Myers의 실측치에 바탕을 둔 식 (5)의 관계(Vickery, 1995b)를 사용 하여 해수면 10 m위에서의 10분 평균 풍속을 구하였다. 이 때 1분 평균과 10분 평균 풍속의 비율은 1.18을 사용하였다 (Batts, 1980).

(5)

최종적으로 식 (1)~(5)에 기본적인 태풍 자료를 입력하면 태풍의 눈에서 r만큼 떨어진 목표 지점의 풍속을 추정할 수 있다. 이때 목표 지점에 부는 풍향은 식 (6)을 사용하여 구 할 수 있다(Sanchez-Sesma, 1988).

(6)

여기서 ϕ는 북쪽을 기준으로 태풍의 눈과 목표지 사이를 연결하는 선분의 각도이다.

2.2 태풍 파라메터의확률적모델

태풍의 물리적 모델을 구성하는 파라메터를 확보하면 특정 한 지점의 풍속을 추정할 수 있다. 하지만 우리가 확보할 수 있는 태풍 파라메터는 매우 제한적이므로 기존 태풍 자 료를 사용하여 확률모델을 구성한 후, 이를 사용하여 태풍 파라메타를 추정하는 것이 합리적이다.

허리케인 파라메터의 확률분포는 몇몇 연구자들(Batts,

1980; Vickery 1995)이 제시하고 있으나 태풍에 관한 자료

는 많지 않다. Fujii(1998)가 일본에 상륙한 태풍 51개를 대 상으로 일본을 3개의 구역으로 나누고, 각 지역에서의 파라 메터 값에 대한 특성을 조사하였다. Fujii의 연구로부터 대략 적인 태풍 파라메터의 범위는 알 수 있지만, 각 파라메터가 어떤 확률분포를 따르는지는 판단할 수 없다. 따라서 본 연 구에서는 가정한 확률분포와 태풍 자료를 비교하여 타당성 을 확인하는 방법으로 시뮬레이션에 필요한 확률 모델을 결 정하였다.

태풍의 내습빈도는 태풍자료 전체 기간 동안에 특정 지역 인근을 지나간 태풍 개수의 비율로 정의되며, 지역별 태풍 연평균 발현수의 평균치를 사용하여 포아송 확률분포로 나 타내었다. 이전 연구에서 중심기압차의 확률 모델은

Lognormal과 Weibull 분포가 주로 사용되었으며, 본 연구에

서는 Weibull 분포를 사용하였다. 이동속도, 최대풍속 발생반 경, 풍속형상계수는 태풍자료를 바탕으로 Lognormal 분포로 가정하였고, 무작위성을 띄는 최단근접거리는 Uniform 분포 로 가정하였다. 한편 최대풍속 발생반경, 풍속형상계수는 최 대풍속을 결정하기 위한 중요한 인자이지만, RSMC에서 제 공하는 태풍 자료에는 별도의 값이 없다. 그래서 이를 보완 하기 위하여 종속적인 관계식을 사용하면서도 별도의 확률 변수로 잡았다.

태풍자료를 보면 이동방향과 목표점 사이각은 지역에 따라 몇몇 특별한 각도에 몰려 있으므로 관측치의 추세선에 바탕 을 둔 linear step function을 사용하였다. 태풍의 풍속 프로 파일을 좌우하는 풍속형상계수의 관측치로부터 Lognormal V_max=3.44 1010 p( – _c)^0.644

r₀ 15 4 p_c 33.9--- 25–

⎝ ⎠

⎛ ⎞^1.8 k₁ α 35– k₂ ---

⎝ ⎠

⎛ ⎞^k3

+ +

=

V_{s 10,}

0.825 V⋅ _{g 1,} ⁄1.18 r 2r≤ ₀ V_{g 1,} ⁄1.18⋅(0.825 0.0375 r 2– ⋅( – )) 2r₀< <r 4r₀ 0.750 V⋅ _{g 1,} ⁄1.18 r 4r≥ ₀

⎩⎪

⎨⎪

⎧

=

α ϕ π= + ⁄^2–ε ε π= ⁄6 r r, ≥ ₀ ε π=( ⁄⁶) r r⋅( ⁄ ₀) , r r< ₀

⎩⎨

⎧

그림 3. 태풍중심으로부터떨어진거리별풍속강도

표 1. 위도에따른식(4)의계수값

위도 k₁ k₂ k₃

> 35 27.0 8.0 2.0

< 35 -5.4 -12.0 1.3

표 2. 태풍파라메터의확률분포모델

파라메터 Russell (1971) Batts (1980) 藤井 (1986) Vickery (1995) Huang (2001) 본 연구

내습빈도 Periodic Poisson Uniform Poisson Uniform Poisson Uniform Poisson Uniform Poisson Uniform Poisson 중심기압차(Δp) Lognormal Lognormal Lognormal Weibull Weibull Weibull

이동속도(VT) Normal Normal Lognormal Lognormal Lognormal Lognormal 최대풍속 발생반경(r0) Lognormal Lognormal Lognormal Lognormal Lognormal Lognormal

최단근접거리(r) - - - Uniform - Uniform

이동방향-목표점 사이각(q) - - Lognormal - Normal Linear step function

분포를 가정하였다. 표 2에서는 태풍 파라메터를 규정하기 위하여 사용된 확률분포모델을 비교하였으며, 본 연구에서 선택한 확률분포의 적합성은 3.2절에서 우리나라를 통과한 태풍 데이터와 비교하여 보였다.

3. 가상태풍의생성

3.1 시뮬레이션방법

몬테카를로 시뮬레이션은 특정 현상을 수식으로 명확히 해 를 구하지 못할 경우에 사용하는 답을 추정하기 위하여 방 법으로, 확률적 모델에 기초하여 난수를 발생시켜 기본적인 데이터를 작성하는 방법이다. 태풍 몬테카를로 시뮬레이션은 태풍의 특성을 결정하는 파라메터(표 2)의 확률분포를 따르 는 난수를 구하고, 이를 바탕으로 다수의 가상태풍을 발생시 켜서 특정 지역의 풍속을 추정한다. 이러한 시뮬레이션 절차 를 정리하면 다음과 같다.

(1) 기존 태풍자료 수집

(2) 태풍 파라메터의 확률분포 결정 (3) 확률분포를 따르는 각 파라메터 생성 (4) 가상 태풍의 발생

(5) 원하는 지점의 풍속 산정

(6) 지정한 회수만큼 (3)~(5)과정 반복 (7) 재현기간별 풍속 산정

시뮬레이션을 통하여 특정 지역에서 발생할 풍속을 구한 후에, 풍속의 제곱을 극치분포 I형의 확률지에 표시하는

Gumbel의 방법(A)과 풍속으로부터 직접 산정한 누적분포함

수(CDF)로부터 추정하는 방법(B)을 사용하였다. 방법B에서 시뮬레이션에 의하여 구한 풍속을 크기순으로 정렬하면, i번 째 풍속(νi)에 해당하는 재현기간(N)은 다음과 같다.

(7)

여기서, m: 생성된 풍속의 총 개수, nrate: 연간 태풍 내습 횟수

3.2 태풍확률 변수

필리핀 인근에서 발생한 태풍은 시간이 지나면서 중심기압 과 진로가 바뀌는 생성, 성장, 소멸 과정을 겪으므로, 필리 핀이나 타이완 근처의 태풍과 한국 가까이 온 태풍은 상당 히 달라져 있다. Fujii(1998)의 연구결과를 보면 일본내에서 도 규슈지역과 관동지역에 상륙한 태풍의 특성이 일부 다르

다. 따라서 모든 태풍자료를 사용하는 것보다 한국 인근을 통과한 태풍자료만을 사용하는 것이 합리적이다.

본 연구에서는 일본 기상청에서 운영중인 세계기상기구 산 하의 RSMC에서 제공하는 북태평양에서 발생한 태풍 자료 를 사용하였다. 본 연구에서는 1951년부터 2006년까지 56년 간 발생한 총 1492개의 태풍 자료중에서 목표지점 인근 반 경 250 km이내를 통과한 태풍만을 사용하였고, 최대풍속

17 m/s(중심기압 994.5 hPa) 이하의 자료는 배제하였다.

그림 4에서는 여수 인근 반경 250 km를 통과한 태풍 58개 의 경로를 보여주고 있다. 최대풍속 발생반경은 풍속을 결정 하기 위한 중요한 인자이지만 식 (4)를 사용하여 추정하기에 불확실성이 높다. 그래서 최대풍속 발생반경에 대한 확률변 수값을 얻기 위하여 식 (4)를 사용하였고, 최대풍속 발생반 경은 독립된 확률변수로 취급하였다.

표 3에서는 이렇게 추출된 태풍 자료를 사용하여 maximum

likelihood estimation method로 추정한 각 태풍 파라메터별 확

률분포를 구성하는 변수값을 나타내었다. 표에서 보듯이 우리 나라 남서해안 4곳의 확률분포 변수값은 크게 차이가 나지 않 았다. 그리고 각 태풍 파라메터별로 확률밀도함수(PDF)와 누적 분포함수(CDF)를 그림 5에서는 보여주고 있다. 그림에서 보듯 이 표 2의 확률분포로부터 생성한 PDF 및 CDF 값이 실제 태풍 자료로부터 구한 값과 유사하여 본 연구에서 사용한 확 률분포가 타당함을 보여주고 있다.

N 1

1 exp– (–n_rate(1 i m 1– ⁄( + ))) ---

=

그림 4.최근 56년간(1951~2006) 여수 인근 반경 250 km를 지나간태풍의경로

표 3. 시뮬레이션에사용된지역별태풍파라메터의확률변수값

파라메터 단위 확률분포 목포 제주 여수 김해

연간 내습빈도 회/년 Uniform Poisson 1.071 1.268 1.036 1.125 중심기압차(Δp) hPa Weibull 36.712

2.572

39.001 2.608

36.789 2.542

36.695 2.519

이동속도(VT) m/s Lognormal 2.154 0.375

2.044 0.364

2.197 0.337

2.269 0.356

최대풍속 발생반경(r0) km Lognormal 4.087 0.147

4.059 0.155

4.086 0.148

4.090 0.149

풍속형상계수(B) - Lognormal 0.370 0.116

0.387 0.118

0.368 0.120

0.367 0.121

최단근접거리(r) km Uniform 7.428 249.820

3.570 248.290

2.273 237.110

10.080 237.250

4. 시뮬레이션결과

2.1절에서 기술한 태풍 모델의 타당성을 평가하기 위하여

2006년 7월에 발생한 태풍Ewiniar(0603호)와 2004년 8월에 발생한 태풍 Megi(0415호)가 지나갈 때 측정된 풍속 및 풍 향과 식 (1)로부터 추정한 결과를 그림 6에서 비교하였다.

그림 5. 태풍파라메터의확률분포비교

비교에 사용된 데이터는 광양만 해양환경 모니터링(전북대) 을 위하여 해상 10 m에 설치된 관측탑에서 측정한 10분 평균 풍속 및 풍향이다. 그림에서 보듯이 태풍이 지나감에 따라 풍속 및 풍향의 변화를 잘 추적하고 있으며, 아울러 최대 풍속도 비슷하게 예측되어 본 연구에서 사용한 태풍 모델이 적절함을 보여준다.

그림 7~9에서는 시뮬레이션 방법에 따른 영향을 보여주고 있다. 그림 7는 여수 인근 어느 정도의 반경을 통과한 태풍 자료를 사용했느냐에 따라 풍속발생 누적분포함수와 재현기 간에 따른 풍속을 보여주고 있다. 태풍자료 사용 반경이 증

그림 6. 태풍통과시광양만해상 10 m의풍속비교

그림 7. 여수인근을통과한태풍자료의사용반경에따른영향

그림 8. 극한풍속추정을위한방법비교

가함에 따라 누적분포함수의 형상이 달라지지만, 재현기간별 풍속은 사용반경 150~300 km에서는 큰 변화가 없다. 사용 반경 400 km에서는 재현기간별 풍속이 높아졌지만, 일반적으 로 태풍 중심에서 200 km이상 떨어지면 풍속이 낮아지므로 사용 반경을 확대할 필요는 없는 것으로 판단된다.

그림 8에서는 재현된 태풍 풍속자료로부터 극한 풍속을 추정하는 방법을 비교하였다. 방법A는 풍속의 제곱값을 확 률지에 도시하는 Gumbel의 방법이고, 방법B는 풍속으로부 터 직접 누적분포함수를 구하는 방법이다. 결과를 보면, 일 반적으로 설계를 위하여 관심을 가지는 재현기간 50~200년 범위에서는 두 방법에 의한 결과가 유사하게 나타났다. 그 림 9에서는 가상 태풍의 개수에 따른 영향을 보여주고 있 다. 그림에서 보듯이 시뮬레이션 숫자가 작으면 풍속이 넓 은 범위에 분포되어 있지만, 횟수가 증가할수록 점점 폭이 줄어 든다. 적절한 시뮬레이션 횟수에 대해서 명확한 기준 을 제시할 수는 없지만 대략 50,000회 이상이 되면 결과가 유사한 것으로 나타났다.

최종적으로 표 4에서는 태풍시뮬레이션으로부터 추정한 우리나라 서남해안 주요 지점의 재현기간별 풍속을 나타내 었다. 해석에서는 반경 250 km 통과 태풍자료 사용하였고,

각 50,000회씩 가상 태풍을 생성하였으며, 재현기간별 풍속 은 방법A와 방법B의 평균값을 사용하였다. 서해안 지역에 서 재현기간별 풍속은 남쪽으로 내려갈수록(위도가 낮아질 수록) 증가하며, 남해안 지역에서는 거의 비슷한 수치를 보 이고 있다.

그림 4에서 보듯이 우리나라 인근을 지나는 태풍은 주로 남해안을 거쳐서 동해안으로 나가거나 일본 쪽에 집중되어 있다. 따라서 서해안 지역의 태풍 통과빈도가 남해안 지역이 낮고, 아울러 서해안 지역은 태풍 좌측에 위치할 가능성이 높기 때문에 남해안보다 풍속이 낮다. 재현기간 100년인 도 로교설계기준의 지역별 기본풍속과 비교하면 태풍 시뮬레이 션 결과가 상당히 낮다. 이러한 점을 볼 때 기상자료 분석 등과 같은 추가 연구를 통하여 도로교설계기준의 기본 풍속 을 조정할 필요가 있는 것으로 판단된다.

5. 결 론

본 연구에서는 우리나라와 같이 열대성 저기압에 의하여 지배를 받는 지역에서 극한 풍속을 추정하기 위한 개선된 태풍의 몬테카를로 시뮬레이션 방법을 제시하였다. 이를 위 하여 태풍의 물리적 모델을 제시하고 광양만 해상에서 측 정된 풍속과 비교하여 타당성을 보였다. 아울러 태풍의 물 리적 모델을 구성하는 파라메터(내습빈도, 중심기압차, 이 동속도, 최대풍속발생반경, 최단근접거리, 이동방향-목표점 사이각)에 대한 확률 분포를 제안하고, 우리나라 인근을 통과한 태풍 자료를 사용하여 그 확률분포의 적합성을 검 사하였다.

최종적으로 본 연구에서 제시한 방법을 사용하여 우리나라 서남해안 주요 지점의 재현기간별 풍속을 제시하였다. 그 결 과를 보면 위도가 낮아질수록 풍속이 높아지며, 남해안의 재 현기간별 풍속은 거의 유사하였다. 한편 본 연구에서 추정한 풍속은 도로교설계기준의 지역별 기본풍속보다 현저히 낮은 것으로 나타났으므로, 기상자료 정밀분석 등을 포함한 추가 연구를 통하여 도로교설계기준의 기본 풍속을 조정할 필요 가 있는 것으로 판단된다.

그림 9. 가상태풍의개수에따른영향

표 4. 서남해안주요지점의재현기간별풍속 (10분평균, 지상 10 m, 지표조도 II) 지역 연평균 통과빈도

(반경 250 km내) 50년 100년 150년 200년 도로교설계기준 (100년)

인천 0.589 20.8 22.1 22.8 23.3 35.0

서해대교 0.607 21.3 22.8 23.5 24.0 35.0

만리포 0.607 21.5 22.8 23.6 24.1 35.0

군산 0.732 23.8 25.4 26.3 26.8 40.0

영광 0.911 24.6 26.2 27.0 27.6 40.0

목포 1.071 26.6 28.3 29.3 29.9 45.0

완도 1.054 27.1 28.8 29.7 30.3 45.0

고흥 1.071 27.1 28.8 29.8 30.4 40.0

여수 1.071 27.1 28.8 29.7 30.4 40.0

거제 1.179 27.7 29.4 30.3 31.0 40.0

부산 1.196 27.5 29.3 30.1 30.8 40.0

제주 1.214 28.1 29.8 30.8 31.4 45.0

감사의글

첫번째 저자는 목포대학교 내풍기술연구단을 통한 건설교 통부 지역특성화연구개발사업에 의하여 지원을 받았으며, 두 번째 저자는 전북대학교 지원 연구비 IR 2007-8에 의하여 지원받았습니다. 연구비 지원에 감사드립니다.

참고문헌

김석철, 김윤석, 양영태(2005) Monte Carlo 태풍 시뮬레이션과 CFD 모델을 이용한 울산지역 국지적 강풍 발생빈도 추정, 한국풍공학회논문집, 한국풍공학회, 제9권 제1호.

이영규, 이승수, 김학선(2007) 태풍에 의한 극한 풍속 기대값 추 정, 한국풍공학회학술발표회. 한국풍공학회

전북대, http://realtime.chonbuk.ac.kr/, 광양만 해양 환경 모니터 링시스템.

한국도로교통협회(2005)도로교설계기준.

藤井健, 光田寧(1986) 台風の確率モデルによる强風のシミュレ一 ション, 日本風工學會論文集, Vol. 28.

松井正宏, 孟岩, 日比一喜 (1995) 台風シミュレ一ションお用いた 設計風速推定, 淸水建設硏究報告, Vol. 65.

勝地 弘, 山田 均，宮田利雄， 藤智久(2004), 海面水溫の影響を 導入した台風シミュレ一ション, 日本風工學會論文集, Vol. 29, No. 3.

重淸 (1977) 台風の新しい氣壓分布式, 氣像硏究所報告, Vol.

28, No. 2.

Atkinson, G.D. and Holliday, C.R. (1977) Tropical cyclone mini- mum sea level pressure/maximum sustained wind relationship for the Western North Pacific, Monthly Weather Review, Vol.

105.

Batts, M.E., Russell, L.R., and Simiu, E. (1980) Hurricane wind speeds in the united states, J. Structural Division, ASCE, Vol.

106, No. 10.

Fujii, T. (1998) Statistical analysis of the characteristics of severe typhoons hitting the Japanese main islands, Monthly Weather Review, Vol. 126, No. 4.

Georgiou, P.N., Davenport, A.G., and Vickery, B.J. (1983) Design

wind speeds in regions dominated by tropical cyclones, J. of Wind Engineering and Industrial Aerodynamics, Vol. 13.

Ho, F.P., et al. (1987) Hurricane Climatology for the Atlantic and Gulf Coasts of the Unite States, NOAA Technical Report NWS 38, Federal Emergency Management Agency.

Holland, G.J. (1980) An analytical model of the wind and pressure profiles in hurricane, Monthly Weather Review, Vol. 108.

Huang, Z., Rosowsky, D.V., and Sparks, P.R. (2001) Hurricane simulation techniques for the evaluation of wind-speeds and expected insurance losses, J. of Wind Engineering and Industrial Aerodynamics, Vol. 89.

King, J.P.C. and Davenport, A.G. (1994) A Study of Wind Effects for the Kwang Ahn Grand Bridge Pusan Korea, BLWTL-SS28- 1994, University of Western Ontario.

Mouton, F. and Nordbeck, O. (2003) Cyclone Database Manager:

a tool for converting point data from cyclone observations into tracks and wind speed profiles in a GIS, UNEP, University of Geneva.

RSMC, http://www.jma.go.jp/jma/jma-eng/jma-center/rsmc-hp-pub-eg/

RSMC_HP.htm, The Regional Specialized Meteorological Center (RSMC) Tokyo-Typhoon Center.

Russell, L.R. (1971) Probability distributions for hurricane effects, J. of Waterways, Harbors and Coastal Engineering, ASCE, Vol. 97, No. 1.

Sanchez-Sesma, J., Aguirre, J., and Sen, M. (1988) Simple model- ing procedure for estimation of cyclonic wind speeds, J. Struc- tural Engineering, ASCE, Vol. 114, No. 2.

Shapiro, L.J. (1983) The asymmetric boundary layer flow under a translating hurricane, J. of the Atmospheric Sciences, Vol. 40.

Simiu, E. and Scanlan, R.H (1996) Wind Effects on Structures, Wiley Interscience.

Vickery, P.J. and Twisdale, L.A. (1995a) Prediction of hurricane wind speeds in the United States, J. Structural Engineering, ASCE, Vol. 121, No. 11.

Vickery, P.J. and Twisdale, L.A. (1995b) Wind field and filling models for hurricane wind-speed predictions, J. Structural Engineering, ASCE, Vol. 121, No. 11.

(접수일: 2007.10.1/심사일: 2007.12.27/심사완료일: 2008.6.5)