韓國水資源學會論文集 第47卷 第4號 2014年 4月 pp. 371～384
위성 자료를 이용한 도시지역 극치강우 모니터링:
2011년 7월 집중호우를 중심으로
Validation of Extreme Rainfall Estimation in an Urban Area derived from Satellite Data : A Case Study on the Heavy Rainfall Event in July, 2011
윤 선 권 * / 박 경 원 ** / 김 종 필 *** / 정 일 원 ****
Yoon, Sun-Kwon / Park, Kyung-Won / Kim, Jong Pil / Jung, Il-Won
...
Abstract
This study developed a new algorithm of extreme rainfall extraction based on the Communication, Ocean and Meteorological Satellite (COMS) and the Tropical Rainfall Measurement Mission (TRMM) Satellite image data and evaluated its applicability for the heavy rainfall event in July-2011 in Seoul, South Korea. The power- series-regression-based Z-R relationship was employed for taking into account for empirical relationships between TRMM/PR, TRMM/VIRS, COMS, and Automatic Weather System (AWS) at each elevation. The estimated Z-R relationship ( ) agreed well with observation from AWS (correlation coefficient=0.57).
The estimated 10-minute rainfall intensities from the COMS satellite using the Z-R relationship generated underestimated rainfall intensities. For a small rainfall event the Z-R relationship tended to overestimated rainfall intensities. However, the overall patterns of estimated rainfall were very comparable with the observed data. The correlation coefficients and the Root Mean Square Error (RMSE) of 10-minute rainfall series from COMS and AWS gave 0.517, and 3.146, respectively. In addition, the averaged error value of the spatial correlation matrix ranged from -0.530 to -0.228, indicating negative correlation. To reduce the error by extreme rainfall estimation using satellite datasets it is required to take into more extreme factors and improve the algorithm through further study. This study showed the potential utility of multi-geostationary satellite data for building up sub-daily rainfall and establishing the real-time flood alert system in ungauged watersheds.
Keywords : COMS, TRMM, AWS, heavy rainfall, satellite precipitation
...
요 지
본 논문에서는 천리안(Communication, Ocean and Meteorological Satellite; COMS)과 TRMM(Tropical Rainfall Measurement Mission)을 통하여 관측한 위성영상자료를 이용한 극치강우(Extreme Rainfall) 추정 알고리즘을 개발하였 으며, 2011년 7월 집중호우를 대상으로 그 적용성을 평가하였다. TRMM/PR (TRMM/Precipitation Radar)과 AWS (Automatic Weather System) 자료를 이용하여 고도에 따른 멱급수 회귀방정식으로 Z-R관계식을 추정한 결과
* APEC 기후센터 연구본부 기후변화연구팀 선임연구원 (e-mail: [email protected])
Research Fellow, Climate Change Research Team, Climate Research Department, APEC Climate Center, Busan 612-020, Korea
** 교신저자, APEC 기후센터 연구본부 기후변화연구팀 선임연구원 (e-mail: [email protected], Tel: 051-745-3982)
Corresponding Author, Research Fellow, Climate Change Research Team, Climate Research Department, APEC Climate Center, Busan 612-020, Korea
*** APEC 기후센터 연구본부 기후변화연구팀 박사후연구원 (e-mail: [email protected])
Post-doctoral Research Fellow, Climate Change Research Team, Climate Research Department, APEC Climate Center, Busan 612-020, Korea
**** APEC 기후센터 연구본부 기후변화연구팀 선임연구원 (e-mail: [email protected])
Research Fellow, Climate Change Research Team, Climate Research Department, APEC Climate Center, Busan 612-020, Korea
J. KOREA WATER RESOURCES ASSOCIATION
Vol. 47, No. 4:371-384, April 2014 http://dx.doi.org/10.3741/JKWRA.2014.47.4.371
pISSN 1226-6280 • eISSN 2287-6138
를 산출하였으며, 지상관측 자료와 비교한 결과 상관계수가 0.57로 분석되었다. 이 값과 TRMM/VIRS (TRMM/Visible Infrared Scanner)와의 관계를 이용하여 극치강우 알고리즘을 개발하였으며, 천리안 위성에 적용하여 10분 강우를 추정한 결과 강우강도가 큰 경우에는 과소 추정하는 경향이, 작은 경우에는 과대 추정하는 경향이 있는 것으로 분석되었으나, 전반 적인 패턴은 관측과 유사한 경향이 있는 것으로 분석되었다. 또한 이 알고리즘을 같은 센서를 이용하는 천리안 위성에 적용하여 AWS의 상관관계를 분석한 결과, 10분 강우량의 경우 상관계수는 0.517로 평균제곱근오차는 3.146으로 분석되었 고, 공간상관행렬 오차의 평균은 -0.530～-0.228의 음의 상관을 보이는 것으로 분석되었다. 위성자료를 이용한 극치강우량 추정의 오차 발생 원인은 여러 가지 외부적인 요인으로 판단되며, 지속적인 알고리즘 개선 및 오차보정을 통한 정확도 개선이 필요한 것으로 사료된다. 본 연구의 결과는 추후 다양한 정지궤도 위성의 이용을 통한 다중 원격탐사 자료의 활용 으로 보다 정확한 미계측 유역 수문자료 확충 및 실시간 홍수 예․경보 시스템 구축에 활용이 가능할 것으로 사료된다.
핵심용어 : 천리안 위성, TRMM, AWS, 집중호우, 위성강우
...
1. 서 론
최근 위성영상 자료를 활용한 홍수, 가뭄 산사태 등 재난/
재해 관련 모니터링과 미계측 유역에서의 위성정보 활용에 관한 연구가 활발히 진행되고 있는 추세이다. 또한 기후변 화와 이상기후로 인한 도심에서의 예상치 못한 극치강우 (extreme rainfall)의 발생과 이로 인한 홍수피해를 최소화 하고 효율적인 기상관측 모니터링 시스템 구축을 통한, 사 전 대비로 인명과 재산피해를 최소화하고자 하는 연구의 노력이 사회적 관심과 필요 하에 진행되고 있다. 이러한 위 성을 통한 원격탐사(remote sensing) 자료의 이용은 다양 한 채널별로 자료획득이 가능하며 도서․해안 지방과 산림 지역 등 지상에서의 지형 영향을 받지 않으며, 대규모 영역 에서의 관측이 가능하다는 장점이 있다. 특히 정지궤도 위 성에 의한 원격탐사의 경우 전 지구규모의 대기 역학적 순 환과정을 실시간으로 관측할 수 있어, 기후․기상 응용분 야의 다양한 영역에서 그 활용성이 높다고 할 수 있다.
실시간 강우관측을 위하여 한반도 영역에서 활용 가능 한 대표적 위성자료로는 레이더와 마이크로파 센서를 탑 재한 미국의 NASA (National Aeronautics and Space Adminstration)와 일본의 JAXA (Japan Aerospace Ex- ploration Agency)에서 공동 프로젝트로 1997년에 발사한 열대강우 관측위성인 TRMM(Tropical Rainfall Measure- ment Mission)과 마이크로파 이미저 센서를 탑재한 NOAA (National Oceanic Atmospheric Administration)의 AMSU- B (Advanced Microwave Sounding Unit-B), AQUA의 AMSR-E (Advanced Microwave Scanning Radiometer- Earth Observing System), SSM/I (Special Sensor Micro- wave Imager) 등이 있다. 또한 수문순환과 관련한 물수지 해석 및 수문분석 분야의 위성기반 지표정보는 미국지질
조사국(U.S. Geological Survey, USGS)의 1 × 1 km 공간 해상도의 HYDRO1k (https://lta.cr.usgs.gov/HYDRO1K) 전 지구 DEM (Digital Elevation Model) 자료와 MODIS (Moderate Resolution Imaging Spectroradiometer)로부 터 추정된 토지피복도 등이 있다. TRMM 위성을 이용한 강우추정 알고리즘 개발은 위성에 장착된 레이더를 이용 한 연구와 라디오미터 이미저를 이용한 연구 그리고 레이 더와 라디오미터 이미저를 결합하여 이용하는 연구들이 진행되고 있으며, 최근에는 각각의 자료와 다른 위성의 정보들을 결합하여 25 × 25 km 간격으로 격자화된 3시간 강우자료를 생산하는 연구가 진행되고 있다(Kozu et al., 1996; Kummerow et al., 1998; and Huffman et al., 2007).
최근 들어 국내에서도 미계측 유역의 수문자료 확보 및 수문 모니터링을 위한 인공위성자료의 활용에 대한 연구 가 지속적으로 수행되고 있다(Lee et al., 2003; Kang et al., 2006; Oh et al., 2006; Back and Choi, 2012; Kim and Cho 2012; and Kim et al.. 2013). Lee et al. (2003)은 한강 유역의 경안천, 백옥포, 괴산댐 수위지점상류 유역을 대상 으로 Landsat-7 ETM(Earth Thematic Mapper)위성영상 을 이용하여 토지이용도 구축을 통한 수문학적 토양군 분 류로 유출곡선지수(Curve Number, CN)를 산정한 바 있 으며, Kang et al. (2006)은 우리나라의 소양강댐과 충주댐 유역을 대상으로 NOAA/AVHRR (Advanced Very-High Resolution Radiometer) 위성영상 자료로부터 추출한 평 균기온과 적설분포 면적의 상관관계로부터 적설분포면적 감소곡선을 작성하여 융설관련 매개변수를 추출하였다.
또한 Oh et al. (2006)은 레이더 자료와 위성자료의 두 가
지 다른 원격탐사를 통하여 관측한 강우자료의 불확실성
에 대하여 검토하였으며, 이를 수문모형에 적용하여 비선
형 수치수문모형에서 유출에 미치는 영향을 분석한바 있
Fig. 1. COMS Image (infrared 1) at 08:00 July 27, 2011
다. 또한 Baek and Choi (2012)는 한반도에서의 천리안 위 성의 지표면 온도 유용성 평가를 위하여 천리안 위(Commu- nication, Ocean and Meteorological Satellite; COMS)의 지 표온도 자료를 사용하여 MODIS의 AQUA/ TERRA 지표 온도자료를 비교하여 천리안 위성의 결과가 과소 추정되 고 있음을 밝힌바 있으며, Kim and Cho (2012)는 서울지 점을 대상으로 MTSAT-1R 및 RDAPS (Regional Data Assimilation and Prediction Sstem)와 AWS (Automatic Weather System)의 관측치를 신경망 모형의 입력자료로 사용하여 3, 6, 9, 12시간의 선행시간을 가지는 강우예측 모형을 개발한바 있다. Cho et al. (2013)은 TRMM에서 제 공하는 25 × 25 km 공간해상도의 3B43자료의 공간 강우장 의 정확성을 높이기 위하여 정규식생지수(Normalized Difference Vegetation Index, NDVI) 자료와의 회귀분석을 통한 1 × 1 km 공간해상도로 상세화시켰으며 이를 우리나 라의 종관기상관측장비(Automated Synoptic Observing System, ASOS)의 관측자료와 비교한 바 있다. 하지만 대 부분의 위성관련 연구는 토지피복, 적설, 토양수분, 지표온 도 등의 지면정보 추정과 관련한 내용과 daily 규모 이상의 강우량 정보의 수자원 활용과 관련된 연구가 주를 이루고 있으며(Kim et al., 2013), 아직까지는 실시간 강우예측을 통한 극치강우 모니터링과 관련한 연구는 드문 실정이다.
본 연구는 위성영상 자료를 이용한 도심지에서의 여름철 집중호우 모니터링 및 초단시간 극치강우 추정과 실시간 홍 수 예․경보 시스템 구축 기반기술을 개발하고 그 적용 가능 성을 진단하고자 하는데 목적이다. 따라서 우리나라 최초의 통신해양기상 정지궤도 위성인 천리안을 이용하여 관측한 위 성영상자료를 바탕으로 TRMM/PR(Precipitation Radar) 및 TRMM/VIRS(Visible Infrared Scanner) 센서를 바탕으로 기 개발된 지표면 극치강우추정 알고리즘을 서울을 포함한 중부내륙지역에 2011년 7월에 발생하였던 집중호우를 대상 으로 그 적용성을 평가하였다. 천리안 위성영상으로부터 추 출한 강우량 자료는 4 × 4 km 공간해상도와, 10분 간격의 시간해상도를 가지는 격자강우량이며, 이를 TRMM 자료와 AWS 자료를 이용하여 비교․검증하였다. 본 연구는 위성 자료 소개, 위성강우추출알고리즘 개발, 천리안 위성을 통 한 극치강우 추정, 원격탐사 강우의 공간패턴 및 공간상관 분석, 그리고 결론 및 토의 순으로 정리되어 있다.
2. 위성 및 알고리즘 개발
2.1 천리안(COMS) 위성
천리안 위성은 지구적도상공의 36,000 km 고도, 동경
128.2도에 위치하여 기상관측, 해양관측, 통신서비스의 임 무를 수행하는 우리나라 최초의 정지궤도 복합위성이다 (국가기상위성센터, National Meteorological Satellite Center, NMSC, http://nmsc.kma.go.kr/, 2014). 한국항공 우주연구원(Korea Aerospace Research Institute, KARI) 와 프랑스의 EDAS Astrim사와 미국의 ITT사 해외협력 으로 개발되었으며, 2010년 6월 27일 남미 프랑스령 기아 나의 꾸르 우주센터에서 발사되었다. 우리나라는 천리안 위성을 발사한 이후 독자 기상위성 운영을 통한 최대 8분 간격의 한반도 부근지역 관측으로 위험기상을 집중적으 로 감시할 수 있게 되었으며, 위험기상 발생 시 우리나라 영역을 중심으로 독자적인 관측영역 및 관측시각 조정 등 이 가능하게 되었다. 또한 영상분석과 자료처리시스템의 운영, 수치예보 지원을 위한 자료생산이 가능하게 되었다.
천리안위성에 탑재된 기상탑재체의 센서는 미국 GOES-
8호～GOES-13호 및 일본 MTSAT-2에 탑재된 기상센
서와 동일한 성능을 보유하고 있으며, 기상위성 센서는
visible light, short-wave infrared, water vapor, infrared
1, infrared 2의 총 5개로 구성되어 있다. Fig. 1은 우리나
라의 국가기상위성센터(NMSC)에서 제공하는 2011년 7
월 27일 집중호우 당시 천리안 위성을 통하여 관측한 기
본영상 이미지 자료이다.
Fig. 2. TRMM 3B42 Daily Precipitation on July 27, 2011 over the Korean Peninsula
2.2 TRMM 위성
TRMM은 열대와 아열대의 강우량을 모니터링하기 위 해 미국과 일본이 합작으로 1997년 11월 27일에 쏘아 올 린 위성이며 지금까지도 그 역할을 수행 중이다. TRMM 자료는 기상분야에서 기후모델의 정확성을 검증하기 위 한 비교자료로 활용되고 있으며, 엘니뇨와 라니냐와 같은 전 지구적 이상기후에 따른 열대 강우량의 시공간적 분포 특성을 관측하고 이에 대한 원인분석을 하는데도 중요한 역할을 수행하고 있다. TRMM위성은 90분 단위로 지구 를 한 바퀴씩 돌며 하루에 총 16번의 궤도를 가지며 전 지 구를 관측하고 있다. TRMM위성관측 자료로부터 1차 가 공하여 제공되는 자료는 3시간과 하루 강우량(Realtime 3 Hourly & Day Rainfall) 자료, 전지구 홍수 및 산사태 감 시(Global Flood & Landslide Monitoring)자료, 허리케인 과 태풍(Hurricanes & Typhoon) 자료, 30년 평균 강우량 과 Anomalies (Rain Averages & Anomalies) 자료와 ESPI (The ENSO Presipitation Index) 자료, TRMM을 기 반으로 한 Climatology자료이다. 각 자료는 TRMM Micro- wave Imager (TMI)를 통해 생산된 “Quicklook” 이미지 자료로 쉽게 자료를 볼 수 있으며, NASA의 PPM (Preci- pitation Measurement Mission, http://pmm.nasa.gov/
data-access/, 2014)에서 내려 받을 수 있다. TRMM위성에 는 기후/기상 관측을 위한 LIS (Lighting Imaging Sensor), TMI (TRMM Microwave Imager), CERES (Clouds and the Earth’s Radiation Energy system), VIRS, PR의 총 5 개의 관측 센서가 장착되어 있다. 이중 PR 센서는 최초로 강우관측을 위해 TRMM위성에 탑재된 강우관측 Radar 로서, 13.8 GHz 주파수를 사용하고 수평 해상도는 4.3 km 의 고해상도 강우 관측 자료를 생산한다. 강우레이더(PR) 는 0.7 mm/h까지의 약한 강우의 관측이 가능하며, 강우의 분포와 형태, 강우를 동반한 구름의 두께 등에 대한 정보 를 제공한다. 또한 수신전력값인 원시자료에서부터 레이 더 반사도 인자 자료(Level 1)와 강우량 자료(Level 2)를 제공하고 있으며, 다중위성결과와 결합한 25 × 25 km 지상 해상도 규모의 3시간 간격 3B42 (Level 3) 자료도 제공하 고 있다. Fig. 2는 TRMM위성(3B42)을 통해 관측한 2011 년 7월 27일 집중호우 당시 한반도 일강우량 자료이다.
2.3 위성강우 알고리즘 개발
본 연구에서는 한반도 영역에서 관측된 여러 집중호우 사상을 선정하여 이전 GMS위성자료를 기반으로 극치강 우 모니터링을 위한 알고리즘을 개발하여 천리안 위성에
적용하였다. TRMM위성은 우리나라를 지나는 주기가 하 루에 2회 정도로 수 시간 내의 집중호우 사례를 모두 포함 하는데 한계가 있다. 반면 천리안 위성 등의 정지궤도 위 성으로 한반도 영역을 관측한 적외채널 자료들을 8～15분 간격으로 받아볼 수 있어 집중호우 모니터링에 유리하다 는 장점이 있다.
VIRS는 TRMM위성에 탑재된 가시․적외 복사계로서 천리안 위성과 마찬가지로 구름의 모양과 특성을 알 수 있다. 따라서 동일한 시점에 관측된 PR 강우정보와 VIRS 화상 정보로부터 강우관측과 구름과의 관련성을 이용한 강우 알고리즘을 산출해낼 수 있다. VIRS의 채널 값은 복 사휘도(radiance) 값에 의해 측정되며, 단위는 mWcm um sr 이다. 위성으로부터 관측된 VIRS 채 널 값은 Planck 법칙을 이용하면 TBB(Temperature of Black Body) 값으로 산출해낼 수 있다. Eq. (1)은 Planck 식을 나타낸다.
(1)
여기서, 는 흑체의 온도, 는 파수(wavenumber),
은
× Wm sr
cm
이고,
C
cm
이다.
위성자료의 강우추출 알고리즘은 TRMM 위성의 PR
센서로부터 관측한 강우강도와 VIRS로부터 산정해낸 복
사휘도 값으로부터 만들어낼 수 있으며, PR센서의 강우
강도 값은 Eq. (2)와 같이 반사도와 강우강도의 관계를
Fig. 4. Flow Chart of Development of Algorithm for Rainfall Extraction by COMS and TRMM Satellite Image Fig. 3. Relationship of Satellite TBB Values between
COMS and TRMM Z-R관계로부터 산출해낼 수 있다.
× (2) 여기서, 는 반사도 인자이고 은 강우강도(mm/h), 와
는 상수이다. 이 관계식은 강우 유형 내에서 상당한 변화 를 보이며, 강우형태와 지역에 따라 상수 값이 변화를 보 인다. 따라서 TRMM위성이 우리나라에서 갖는 강우장의 Z-R관계 추정을 위하여 멱급수 회귀방정식을 사용하여 지상에서부터 고도 3.75 km까지 0.5 km 간격으로 상수 와 값을 산정하였다. 상관계수 값은 고도 0.5 km에서 0.73으로 가장 높게 나타났으며, 고도에 따른 상수 와 값은 각각 303과 0.72로 분석되었다.
TRMM의 PR 값 중 Level 1자료인 1C21반사인자 값과 VIRS의 가시․적외복사계 자료를 NASA로부터 수집하 였으며, 지상 250 m 간격의 20단계 반사도 인자 PR 값을 새롭게 산정한 Z-R관계식에 대입하여 강우강도로 환산 하였다. 또한 GMS 위성의 적외채널에서 VIRS를 사용하 기 위하여 복사값을 Planck 법칙에 의해 TBB값으로 환 산하였다. 일반적으로 적외값에서 TBB가 낮을수록 대류 활동이 활발하고 많은 강우량을 의미한다. 본 연구에서는 과거 여름철 집중호우 표본을 추출하기 위해서 TBB값을 240 k이상으로 제한하고 이보다 낮은 경우만 강우량을 부 여하였다. 상기 조건에 맞는 PR과 VIRS 값에 일치하는 총 Pixel의 수는 약 12,000여개에 해당한다. PR의 강우강도와 VIRS의 TBB 온도에 관한 산포도로부터 회귀식을 구할 수 있으며, 이들의 관계로부터 위성강우알고리즘을 산출 하여 천리안 위성에 적용할 수 있다(Park, 2012). 본 연구
에서 개발․적용한 위성강우 알고리즘은 Eq. (3) 과 같다.
× × exp × (3) 여기서, 은 강우강도로 단위는 mm/h이며, 는 휘도온 도로 단위는 켈빈(K)이다.
Fig. 3은 강우 알고리즘에 의한 천리안 위성 적외채널의 TBB온도에 따른 강우강도 관계이며, Fig. 4는 TRMM, AWS, 그리고 COMS 자료를 이용한 위성강우 알고리즘 개발 연구흐름도이다.
3. 분석 결과
3.1 연구대상 지역
본 연구의 대상지역은 서울특별시이며, 우리나라에서 가
Fig. 5. Location of Seoul and Distribution of AWS Observatories 장 인구밀도가 높고 집중호우에 의한 홍수피해 영향을 많
이 받는 지역 중 하나이다. 대상 지역의 총 면적은 605.25 km 2 이며, 중심위치는 경도 127°00′E, 위도 37°30′N에 해 당한다. 서울특별시의 연평균강수량은 1,370 mm이며, 강 우의 계절적 분포특성을 살펴보면 여름철(6～9월)에 약 72%의 강우가 발생하고 특히 7월에는 연평균 강우량의 약 20%의 호우가 집중하여 발생하는 특성이 있다. 서울의 총인구는 2011년 조사 기준 10,191,635명이며, 1971년부터 2010년까지 통계자료에 의하면 서울시의 침수피해면적 21,712.4 ha, 홍수피해액 2,451.6억원, 이재민수는 726,847 인으로 조사되었다(국가수자원관리종합정보시스템, https://
www.wamis.go.kr, 2014). 도시홍수 피해의 주요 원인은 하수관거 설계기준을 초과하는 집중호우의 발생이며, 이 는 우수관거의 통수능 부족에 의한 역류 및 월류수 발생, 빗물 저류시설 부족, 빗물펌프장 펌프용량 부족 등과 같 은 구조적 영향과 도시화에 의한 불투수면적의 증가, 기 후변화에 의한 극치강우 발생 빈도와 강도 증가영향 또한 도시홍수 피해의 주요원인이라 할 수 있다. 따라서 이러 한 도시홍수의 예방과 대응책 마련 차원에서 초단기 및 단기간에 발생하는 집중호우에 선제적으로 대처하고 사 전에 모니터링하는 기술의 개발이 시급한 실정이다. Fig.
5는 본 연구에서 사용한 서울지역의 AWS 관측 지점 위 치와 우수배제 시설인 하수관로 시스템을 나타내었다.
본 연구에서는 COMS에 의한 위성강우 추출 결과와 강우 지상관측자료를 비교․검증하기 위하여 서울시 관 내 AWS 총 23개를 선정하였으며, 선정된 관측점은 서울
(108), 강남(400), 서초(401), 강동(402), 송파(403), 강서 (404), 양천(405), 노원(407), 중랑(409), 기상청(410), 마포 (411), 서대문(412), 광진(413), 성북(414), 용산(415), 은평 (416), 한강(418), 중구(419), 북한산(420), 성동(421), 강북 (424), 관악(509) 지점이다. 이는 서울 지역의 AWS 관측 점 중 2011년 7월 호우 발생 당시 관측 자료가 존재하는 모든 지점을 포함 하였다. Table 1은 본 연구에서 사용한 서울시 AWS관측 지점의 지점번호, 경․위도 좌표, 노장 해발고도 및 관측시작시간이다.
3.2 AWS 강우관측 결과
Fig. 6은 강남(400) 지점과 서초(401) 지점의 AWS 관측 강우 우량주상도 및 누가우량도 및 23개 AWS관측 지점의 관측 시점부터 최근 2013년까지의 연최대치 계열을 추출하여 서울(108)지점관측 강우량의 평년값(1971～2000, anomaly) 에 대한 2011년 7월 호우의 상대적인 크기를 분석하였다.
Fig. 6(a)와 6(b)는 2011년 7월 26일 16:00～7월 27일 16:00 까지의 지속시간 10분 강우의 우량주상도와 누가그래프이 다. 분석결과 10분 최대 강우량은 강남지점의 경우 18.5 mm, 서초지점의 경우 17.5 mm로 나타났으며, 일강우량은 강남지점의 경우 387.0 mm, 서초지점의 경우 364.5 mm로 나타났다. 이는 서울지역 전체 23개 AWS 관측지점 평균 값(376.0 mm)보다 강남지점의 경우 다소 크게 서초지점 의 경우 다소 작게 관측이 되었다.
Fig. 6(c)와 6(d)에서 보는바와 같이 시간당 내린 강우강
도의 크기를 비교하면 총 시간강우량의 경우 1961～2013년
Station
ID Station
Name Longitude
(North °) Latitude
(East °) Height of observation field
(EL.m) Start of
observation
108 Seoul 126.9658 37.5714 85.5 1999.12.21.16:00
400 Gangnam 127.0485 37.5094 59.0 1994.12.04.00:00
401 Seocho 127.0200 37.4800 36.0 1994.12.04.00:00
402 Gangdong 127.1484 37.5519 55.0 1994.12.04.00:00
403 Songpa 127.1004 37.5082 53.0 1994.12.05.00:00
404 Gangseo 126.8500 37.5500 79.0 1994.12.05.00:00
405 Yangcheon 126.8793 37.5240 11.0 1994.12.05.00:00
407 Nowon 127.0894 37.6194 53.0 1994.12.06.00:00
409 Jungrang 127.0889 37.5835 40.0 1994.12.07.00:00
410 KMA 126.9228 37.4935 33.5 1999.12.15.12:00
411 Mapho 126.9342 37.5431 24.0 1994.12.08.00:00
412 Seodaemun 126.9466 37.5676 101.0 1994.12.08.00:00
413 Gwangjin 127.0791 37.5379 52.0 1994.12.08.00:00
414 Seongbuk 126.9993 37.6105 127.0 1994.12.09.00:00
415 Yongsan 126.9775 37.5168 29.0 1994.12.09.00:00
416 Eunpyeong 126.9357 37.6084 67.0 1994.12.19.00:00
417 Geumcheon 126.9162 37.4575 43.0 1998.01.03.14:00
418 Hangang 126.9394 37.5213 11.0 1994.12.10.00:00
419 Junggu 126.9864 37.5535 267.0 1994.12.10.00:00
420 Bukhansan 126.9565 37.6155 455.0 1994.01.20.00:00
421 Seongdong 127.0406 37.5450 25.0 2000.08.22.12:00
424 Gangbuk 127.0017 37.6333 56.0 2001.12.28.12:00
509 Gwanak 126.9523 37.4501 144.4 2004.09.04.16:30
Table 1. AWS station ID, Location of Observatory, and Start of Observation
까지의 서울(108)지점 평균 강우강도는 46.7 mm/h로 분 석되었으며, 이와 비교하였을 경우 2011년 7월 AWS 관 측 호우사상의 크기는 강남(400)지점은 65.2 mm/h로 1.4 배, 서초(401)지점은 77.0 mm/h로 1.7배 큰 강우가 발생한 것으로 분석되었다. 또한 일강우량의 경우 1961～2013년 까지의 서울(108)지점 평균값은 176.8 mm/d로 분석되었 으며, 이와 비교하였을 경우 2011년 7월 AWS 관측 호우 사상의 크기는 평년에 비하여 강남(400)지점은 2.3배, 서 초(401)지점은 2.1배 큰 일강우가 발생한 것으로 분석되 었다. 따라서 2011년 7월 집중호우 당시 시간당 강우강도 는 평년에 비하여 평균 1.4정도 크게 발생한 반면, 일강수 량의 경우 평년에 비하여 2배 이상의 강수량이 장시간에
걸쳐 집중하여 발생하여 이로 인한 도시침수 및 산사태 피해가 발생한 것으로 분석된다.
3.3 천리안 위성의 10분 강우 추정결과
Fig. 7은 2011년 7월 한반도 집중호우 사상을 대상으로
본 연구에서 개발한 COMS 위성강우 추출 알고리즘을 통
하여 산정한 지속시간 10분 강우 모니터링 결과와 AWS
관측 자료의 시계열 분포도를 비교한 것이다. 강남(400)
지점과 서초(401)지점 모두 위성에 의한 관측결과가 관측
에 비하여 과소 추정되는 경향이 있는 것으로 분석되었
다. 일부 구간에서 무강우 형태의 구간이 존재하였는데,
이는 강수의 수직구조상 구름분류 오차의 영향으로 해석
0 40 80 120
Time (July 26-27, 2011)
04 8 12 16 20
A W S R a in fa ll ( m m /1 0 m in )
0 100 200 300 400
387.0mm
0 40 80 120
Time (July 26-27, 2011)
04 8 12 16 20
0 100 200 300 400
C u m u la ti v e R a in fa ll ( m m )
364.5mm
(a) Gangnam (ID: 400) (b) Seocho (ID: 401)
0 1 2 3
Anomaly Ratio of Annual Maximum Rainfall
Station ID of Automatic Weather System (AWS)
2011-year Rainfall Anomaly (1971-2000)108 401 403 405 409 411 413 415 417 419 421 509 400 402 404 407 410 412 414 416 418 420 424
0 1 2 3
Anomaly Ratio of Annual Maximum Rainfall
Station ID of Automatic Weather System (AWS)
2011-year Rainfall Anomaly (1971-2000)108 401 403 405 409 411 413 415 417 419 421 509 400 402 404 407 410 412 414 416 418 420 424
(c) 1-hr Duration (d) 1-day Duration
Fig. 6. AWS Observed Rainfall Hyetograph and Cumulative Rainfall, and Box-whisker Plot of Anomalies Ratio of Annual Maximum Rainfall Series. (a) Shows Rainfall Hyetograph at Gangnam AWS Observatory.
(b) Shows Rainfall Hyetograph at Seocho AWS Observatory. (c) Shows Maximum Rainfall of 1-hr Duration.
(d) Shows Maximum Rainfall of 1-day Duration
이 된다. 또한 서울(108)지점의 경우 대체로 강우의 분포 특성은 관측과 비슷한 특성을 보이나 순간적으로 집중하 여 내리는 강우사상에 대해서는 위성에 의한 관측의 정확 도가 떨어짐을 확인할 수 있다. 그리고 서울지역 23개 AWS지점 평균과 위성에 의한 결과를 비교한 결과 초기 강우사상에 대해서는 비교적 일치하는 경향이 있으나, 중 반 이후의 낮은 강우사상에 대해서는 과대 추정되는 경향 이 있음을 확인하였다.
천리안 위성강우 추정결과 전체적인 강우강도의 패턴 은 관측과 비교적 유사한 거동 특성을 보이는 것으로 분 석되었다. 서울(ID: 108) 지점의 경우 관측과 위성강수의 최대값은 각각 36.5 mm와 25.1 mm로, 상관계수는 0.269 로 분석되었으며, 강남(ID: 400) 지점의 경우 관측과 위성
강수의 최대값은 각각 18.5 mm와 17.8 mm로, 상관계수는
0.229로 나타났다. 또한 서초(ID: 401) 지점의 경우 관측과
위성강수의 최대값은 각각 17.5 mm와 22.2 mm로, 상관계
수는 0.167로 분석되었으며, 23개 지점 평균의 경우 관측
과 위성강수의 최대값은 각각 9.8 mm와 15.7 mm로 분석
되었으며, 상관계수는 0.267로 나타났다. 전반적으로 강우
강도가 큰 경우에는 과소 추정하는 경향이 있으며, 강우
강도가 낮은 경우에는 과대평가하는 경향이 있는 것으로
분석되었다. 일부 구간에서는 관측에 비하여 강우발생이
나타나지 않거나 과대 추정되었으나, 이는 알고리즘 상의
고도에 따른 구름분류 및 강우입자 형태의 차이, 그리고
온도 변화에 따른 무강우 처리 등의 영향인 것으로 판단
된다. 추가적으로 오차분석을 통한 알고리즘 개선과 보다
0 20 40 60 80 100 120 140 Time (July 26-27, 2011)
0 4 8 12 16 20
R a in fa ll ( m m /1 0 m in )
AWS COMS
0 20 40 60 80 100 120 140
Time (July 26-27, 2011) 0
5 10 15 20 25
R a in fa ll ( m m /1 0 m in )
AWS COMS
(a) Gangnam (ID: 400) (b) Seocho (ID: 401)
0 20 40 60 80 100 120 140
Time (July 26-27, 2011) 0
10 20 30 40
R a in fa ll ( m m /1 0 m in )
AWS COMS
0 20 40 60 80 100 120 140
Time (July 26-27, 2011) 0
4 8 12 16
R a in fa ll ( m m /1 0 m in )
AWS COMS
(c) Seoul (ID: 108) (d) 23-Station Mean
Fig. 7. Comparison of 10-min Duration of Rainfall Hyetograph between AWS and COMS
다양한 형태의 집중호우 사상을 대상으로 매개변수 검․
보정을 통한 정확성을 높이는 연구가 수행될 필요성이 있 는 것으로 판단된다.
3.4 극치강우 공간분포 특성 분석
Fig. 8은 AWS 관측 강우량 및 천리안 위성에 의해 추출 한 강우량의 지속시간별 최대치계열의 공간분포 특성을 나 타내었다. 공간분포 자료를 생성하기 위하여 AWS와 천리 안 위성에 의해 관측된 강우량을 서울의 23개 AWS지점의 지속시간별 최대치계열로 구분하여 정리하였고, GIS (Geographic Information System)를 이용하여 거리가 가까 울수록 높은 가중치를 부여하는 기법인 IDW (Inverse Distance Weighted) 방법으로 보간하여 공간해상도 2 × 2 km 격자크기 자료로 추출하여 서울지역 공간분포 강우량 자료를 생성하였다. 분석결과 AWS관측의 경우 강남과 서
초지점을 포함한 서울의 남부지역에서 강한 강우강도의 공 간분포 특성을 보임을 확인할 수 있으며, 지속시간별 평균 강우량은 1시간: 55.2 mm, 2시간: 77.6 mm, 3시간: 103.8 mm로 나타났고, 강우량의 지속시간별 표준편차는 11.3～
24.4로 강우의 공간분포 편차가 비교적 크게 분석되었다 (Fig. 8a, 8b, 8c). 반면에 천리안 위성의 경우 서울의 북부지 역에서 강한 강우강도의 공간분포 특성을 보임을 확인할 수 있으며, 지속시간별 평균강우량은 1시간: 63.6 mm, 2시간:
82.2 mm, 3시간: 124.2 mm로 AWS관측 강우량보다 크게
나타났으나, 강우량의 지속시간별 표준편차는 10.2～18.7로
강우의 공간분포 편차가 비교적 작은 것으로 분석되었다
(Fig. 8d, 8e, 8f). 하지만 서울시 영역에서 AWS 관측과 천
리안 위성강우 추정의 결과가 공간적으로 정확히 일치하지
않는 것은 규모축소에 따른 공간규모 오차와 지면격자 오차
등 여러 가지 외부적인 요인에 의한 영향으로 판단된다.
(a) AWS_1hr Max Rainfall (b) COMS_1hr Max Rainfall
(c) AWS_2hr Max Rainfall (d) COMS_2hr Max Rainfall
(e) AWS_3hr Max Rainfall (f) COMS_3hr Max Rainfall
Fig. 8. Comparison of Spatial Distribution Patterns between AWS and COMS Data to Extreme Rainfall Event on July 27, 2011
3.5 극치 강우 모니터링 상관관계 검증
일반적으로 상관계수는 두 변수 사이에 존재하는 관계 의 특성과 정도에 대한 정보를 제공한다. Fig. 9는 COMS 위성강우 추출 결과와 AWS 관측 강우량의 지속시간별 (10분, 1, 2, 3시간) 모니터링 결과를 분석한 것이다. 본 연 구에서 COMS를 통하여 추출한 지속시간별 강우량과 AWS지점 관측자료간의 상관관계를 나타내기 위한 상관
계수는 Eq. (4)와 같이 나타낼 수 있다.
(4)
여기서, 는 AWS 지속시간별 관측강우 시계열자료이
며, 는 지속시간별 천리안 위성강우 시계열자료,
0 4 8 12 16 20 AWS Rainfall (mm)
0 4 8 12 16 20
C O M S R a in fa ll ( m m )
Y = 0.905 * X + 0.249 CC = 0.517 R
2= 0.267 RMSE = 3.146
0 20 40 60 80
AWS Rainfall (mm) 0
20 40 60 80
C O M S R a in fa ll ( m m )
Y = 1.243 * X - 3.808 CC = 0.703 R
2= 0.494 RMSE = 13.568
(a) 10-min Rainfall Duration (b) 1-hr Rainfall Duration
0 20 40 60 80 100
AWS Rainfall (mm) 0
20 40 60 80 100
C O M S R a in fa ll ( m m )
Y = 1.248 * X - 7.776 CC = 0.776 R
2= 0.603 RMSE = 19.229
0 40 80 120 160
AWS Rainfall (mm) 0
40 80 120 160
C O M S R a in fa ll ( m m )
Y = 1.310 * X - 14.557 CC = 0.803 R
2= 0.644 RMSE = 79.658
(c) 2-hr Rainfall Duration (d) 3-hr Rainfall Duration
Fig. 9. Results from Average Rainfall Monitoring between AWS and COMS in Each Rainfall Duration
이고,
이다.
또한 COMS를 통하여 추출한 지속시간별 강우량과 AWS지점 관측자료와의 오차에 대한 적합성을 판단하기 위한 통계적 지표로 평균제곱근오차(Root Mean Square Error, RMSE)의 합을 구하여 평가하였으며, RMSE는 다 음 Eq. (5)와 같이 나타낼 수 있다.
(5)
여기서, 는 COMS에 의해 산정된 지속시간별 강우량 값이며, 는 지속시간별 AWS 관측 강우량 값, n은 자 료의 개수를 의미한다.
분석결과, 10분 강우량의 경우 CC는 0.517, RMSE는
3.146으로 분석되었으며, 1시간 강우량의 경우 CC는 0.703, RMSE는 13.568로, 2시간 강우량의 경우 CC는 0.776, RMSE 는 19.229로, 3시간 강우량의 경우 CC는 0.803, RMSE는 79.658로 분석되었다. 상관계수만을 바탕으로 비교해 볼 때, 10분 강우량의 비교결과 상관계수가 0.50 이상 나타난 것은 고무적인 성과라 사료되며, 관측 지속시간이 길어질 수록 상관계수가 높게 나타남을 확인할 수 있다. 반면 관 측 지속시간이 짧아질수록 상관계수가 작아지는 것으로 보아 원격탐사에 의한 초단시간 집중호우 모니터링 관측 은 그 정확도 측면에서 개선 사항이 존재하고 있음을 시 사한다.
3.6 원격탐사 강우의 공간상관 분석
Fig. 10은 서울의 23개 AWS 관측 지점자료와 천리안
위성강우와의 공간상관성 분석을 위하여 10분 강우량과
Fig. 10. A Comparison of Correlation Matrix Rainfall Occurrences between AWS and COMS Observation During 26-27 July, 2011 in the Seoul, Korea. (a), (b), (c), and (b) Show 10-min, 1-hr, 2-hr, and 3-hr Rainfall
Duration, Respectably
1, 2, 3시간 강우량 추출 결과에 대한 상관행렬(correlation matrix)을 작성한 것이다. 일반적으로 공간상관(spacial correlation)은 두 변수간의 관계가 아닌 하나의 변수가 갖 는 여러 관측개체와 관측 값들 사이에 존재하는 상관계수 와 다른 공간 단위의 지표상에 배열되는 방식에 기인하는 하나의 변수가 갖는 여러 값들 간의 관계에 대한 분석을
수행할 때 유용한 자료로 활용될 수 있다. 천리안 위성에
의한 강우량 추정 시 절대적인 크기의 정확도뿐만 아니라
공간적인 패턴의 변화 특성과 더불어 각 지점간의 상관성
또한 함께 고려되어야 할 중요한 요소이며, AWS 지점별
관측강우량과 천리안 위성강우의 공간상관성과 상관계수
오차의 항을 분석하였다.
분석결과 AWS 관측강우의 지점간 상관행렬 평균은 지속시간 10분 강우에서 평균 0.335, 지속시간 1시간에서 평균 0.502, 지속시간 2시간에서 평균 0.651, 지속시간 3시 간에서 평균 0.752의 양의 상관을 보이는 것으로 분석되 었다. 또한 천리안 위성강우의 지점간 상관행렬 평균은 지속시간 10분 강우에서 평균 0.865, 지속시간 1시간에서 평균 0.944, 지속시간 2시간에서 평균 0.947, 지속시간 3시 간에서 평균 0.979의 양의 상관을 보이는 것으로 분석되 어 AWS에 의한 지점관측과 원격탐사에 의한 강우량 추 정결과 모두 지속시간이 길어질수록 지점간의 공간상관 성이 크게 나타나는 것으로 분석되었으며, 원격탐사에 의 한 결과가 공간상관성이 크게 나타났다. 다음으로 지점 간 상관행렬의 오차평균을 분석한 결과, 지속시간 10분 강우에서 평균 -0.530의 음의 상관을 보이며, 지속시간 1 시간에서 평균 -0.442, 지속시간 2시간에서 평균 -0.296의 음의 상관, 지속시간 3시간에서 평균 -0.228의 음의 상관 을 보이는 것으로 나타났다. 따라서 AWS와 천리안 위성 강우의 지점간 상관오차는 관측강우의 지속시간이 길어 질수록 줄어드는 것을 확인할 수 있다. 전반적으로 AWS 관측에 비하여 천리안 위성에 의한 강우량 추정결과 각 지점 간의 공간상관성은 크게 나타나고 있으나 관측과의 상관오차가 지속시간이 짧아짐에 따라 커지는 문제점을 여전히 내포하고 있다. 따라서 시간 단위 이하(sub- hourly)의 극치강우량 모니터링에 원격탐사 자료를 활용 하는 것은 주의가 필요할 것으로 사료되며, 추후 초단시 간 극치강우 모니터링에 적용 가능한 알고리즘 개선 및 오차보정 등의 노력이 필요한 것으로 분석된다.
4. 결론 및 토의
본 연구에서는 TRMM과 천리안위성을 통하여 관측한 위성영상자료를 바탕으로 기 개발된 강우추정 알고리즘 을 2011년 7월 우리나라의 중부지방 집중호우를 대상으로 지상관측 AWS 자료와 비교․검증을 통한 극치강우 초단 기 모니터링 가능성을 평가하였다. 본 연구를 통하여 위 성자료를 이용한 우리나라의 여름철 집중호우 관측 알고 리즘개발 및 모니터링 가능성을 진단하였으며, 연구의 결 과를 정리하면 다음과 같다.
1) TRMM/PR 반사도 자료와 AWS 자료를 이용하여 멱급수 회귀방정식을 이용한 Z-R관계를 추정한 결 과 로 분석되었으며, 지상관측 AWS 자료와 비교결과 상관계수가 0.57로 분석되었다.
2) 천리안 위성에 의한 10분 강우 추정결과 전체적인
강우강도의 패턴은 관측과 비교적 유사한 거동 특 성을 보이는 것으로 분석되었다. 그러나 AWS 관측 강우량과 비교하면, 전반적으로 강우강도가 큰 경우 에는 과소 추정되며, 강우강도가 낮은 경우에는 과 대평가하는 경향이 있는 것으로 분석되었다.
3) 천리안 위성을 통하여 추출한 지속시간별 강우량과 AWS지점 관측자료간의 상관관계를 분석한 결과 10분 강우량의 경우 CC는 0.517, RMSE는 3.146으 로 분석되었으며, 1시간 강우량의 경우 CC는 0.703, RMSE는 13.568로, 2시간 강우량의 경우 CC는 0.776, RMSE는 19.229로, 3시간 강우량의 경우 CC 는 0.803, RMSE는 79.658로 분석되었다.
4) 천리안 위성강우의 상관행렬을 분석한 결과 지점 간 공 간상관은 지속시간 별로 평균 0.335～0.979의 양의 상 관을 보였으며, 오차의 평균은 지속시간 별로 평균 -0.530～-0.228의 음의 상관을 보이는 것으로 분석 되었으며, 상관오차는 관측강우의 지속시간이 길어 질수록 줄어드는 것으로 분석되었다.
본 연구결과 원격탐사 자료를 이용한 시간단위이하 극 치강우 모니터링은 지속시간이 짧아질수록 상관계수가 작아지며 지점간 상관오차 또한 크게 발생하는 것으로 분 석되어, 원격탐사에 의한 초단시간 극치강우 모니터링은 구름제거와 다른 위성과의 결합을 통한알고리즘 개선과 오차보정 등 정확도 측면에서 아직 개선해야할 사항이 있 음을 시사한다. 추후 정지궤도 위성을 통한 원격탐사자료 의 수문분야 활용은 도시지역 홍수 예․경보를 위한 극치 강우 모니터링에 활용 가능성이 클 것으로 사료되며, 관 측이 어려운 도서지방 및 해안, 산림지역, 북한 및 동남아 시아 등 미계측 지역의 실시간 수문자료 확보가 가능할 것이다.
감사의 글
본 연구는 국토교통부 물관리연구사업의 연구비지원 (13AWMP-B066744-01)에 의해 수행되었으며 이에 감사 드립니다.
References
