Rainfall Forecasting Using Satellite Information and Integrated Flood Runoff and Inundation Analysis (II): Application and Analysis

水 工 學

第26卷 第6B 號·2006年 11月 pp. 605 ~ 612

위성정보에 의한 강우예측과 홍수유출 및 범람 연계 해석 (II):

적용 및 분석

Rainfall Forecasting Using Satellite Information and Integrated Flood Runoff and Inundation Analysis (II): Application and Analysis

최혁준*·한건연**·김광섭***

Choi, Hyuk Joon ^· Han, Kun Yeun ^· Kim, Gwangseob

···

Abstract

In this study(II), The developed rainfall forecast model was applied to the NakDong River Basin for the heavy rainfall on 6th to 16th of August in 2002. The results demonstrated that the rainfall forecasts of 3 hours lead time showed good agreement with observed data. The inundation aspect of simulation depends on actual levee failure in the same basin. Rainfall forecasts were used for flood amount computation in the target watershed. Also the flood amount in the target watershed was used on boundary condition for flood inundation simulation in a protected lowland and a river. The results of simulation are consistent with actuality inundation traces and flood level data of the target watershed. This study provides practical applicability of sat- ellite data in rainfall forecast of extreme events such as heavy rainfall or typhoon. Also this study presented an advanced inte- grated model of rainfall, runoff, and inundation analysis which can be applicable for flood disaster prevention and mitigation.

Keywords :

···

요 지

본 연구(II)에서는 2002년 8월 집중호우시 낙동강 유역에 대하여 강우예측 신경망 모형을 적용하였다. 예측된 3시간 선행 강우량은 실제 관측된 강우량의 패턴을 잘 따르고 있었으며, 기존의 연구와 비교하여 선행시간을 감안하면 강우예측의 정확 성이 향상되었음을 확인할 수 있었다. 또한 동일한 유역의 실제 제방붕괴에 따른 범랑양상을 모의하였다. 이때 예측된 강우 량 자료는 유역에서의 홍수량 산정을 위한 기본자료로 이용되었으며, 유역에서의 홍수량은 하도 및 제내지에서의 홍수범람 모의를 위한 경계조건으로 이용되었다. 모의결과는 실제 범람흔적과 하천에서의 홍수위 자료와 비교하여 잘 일치되고 있음을 확인할 수 있었다. 본 연구를 통해서 집중호우나 태풍과 같은 이상강우의 강우예측에 대한 인공위성 자료의 실질적인 활용 성을 제공하였으며, 위성자료를 이용한 강우예측 기법과 연계하여 국내 실정에 맞는 홍수유출 및 홍수범람 모형의 개발을 통합함으로써 홍수재해에서의 강우, 유출, 범람에 대한 체계적인 실무적용에 사용될 수 있을 것으로 판단되었다.

핵심용어 : 강우예측 모형, 제방 붕괴, 홍수범람 모의, 인공위성

···

1. 서 론

최근 한반도 지역에서 빈번히 발생하고 있는 이상강우로 인한 홍수피해는 급격하게 대형화되어 가고 있다. 집중호우 나 태풍으로 인한 피해 복구비용은 피해액보다 약 1.5배 이 상의 예산이 소요된다는 점에서 홍수재해에 대한 예방적 투 자가 절실하며, 더욱 효율적인 수자원 관리정책 및 방재 대 책이 요구되는 실정이다. 실질적인 홍수피해를 줄이기 위해 서는 하도 정비 및 개수, 홍수 조절지 및 유수지 계획 등의 구조적 대책뿐만 아니라 미래에 발생할 홍수를 사전에 예측 할 수 있는 홍수예보 시스템을 개발하는 비구조적 대책의

수립도 절실히 필요하다.

본 연구에서는 홍수재해로부터 안전한 사회를 이루기 위해 서 하천의 제방붕괴에 따른 제내지에서의 침수양상을 체계 적으로 예측하고 분석하기 위해서 실시간 홍수범람 해석의 모든 과정을 통합하였다. 인공위성 자료와 지상의 자동기상 관측소(AWS) 자료를 입력으로 하는 신경망 모형을 구축하 여 유역의 면적평균강우량을 예측하였으며, 예측된 강우량 자료를 활용하여 유역의 홍수량을 산정하고 이를 홍수범람 해석의 기본자료로 사용하였다. 이를 위해 오류 역전파 알고 리듬을 이용한 강우예측 신경망 모형과 하도 및 제내지에서 의 홍수범람 양상을 효과적으로 계산할 수 있는 홍수범람 *

(E-mail : [email protected])

**

***

모형을 개발하였다 . 개발된 모형은 강우 , 유출 , 범람에 이르 는 통합해석을 위해서 집중호우로 인한 실제 제방붕괴 사례 에 대한 적용을 실시하였다 . 적용된 결과를 강우 및 수위관 측소 자료와 범람흔적 자료 등과 비교·검증하였다 .

현재 기상청에서는 강우예측을 위해 기본적으로 수치예보 자료를 이용하고 있으며 , 도 단위 정도의 광역지역에 대하여 예상강우량을 발표하고 있다 . 기상청에서는 강우예측의 정확 도를 높이기 위해서 레이더 , 인공위성 , 윈드프로파일러 등 첨 단 기상관측자료를 수치모형에 적절하게 입력하기 위한 자 료동화기법 , 수치모형의 강수물리과정 개선 등 주로 수치모 형의 정확도를 높이는 연구가 진행되고 있으며 , 최근 레이더 와 수치모형을 결합한 초단시간 강우예측에 대한 연구가 활 발히 진행되고 있다 .

한반도 지역은 삼면이 바다로 되어 있어 지상의 강우관측 소나 레이더 자료만으로 강우예측을 위한 충분한 선행시간 을 확보하기에는 물리적인 한계가 있다 . 이러한 지역특성을 극복하고 충분한 선행시간을 확보할 수 있는 접근방법은 높 은 시·공간 분해능을 가진 인공위성 자료를 이용하는 것이 다 . ^{인공위성 자료만으로 유역의 강우량을 예측하기에는 정}

확성의 한계가 있기 때문에 지상의 관측자료와 연계되어야 한다 .

본 연구에서는 인공위성 자료와 지상의 관측자료간의 비선 형 상관관계를 나타내는데 적합한 오류 역전파 알고리듬을 이용한 신경망 모형을 사용하여 대상유역의 면적평균강우량 을 예측하였다 . 오류 역전파 알고리듬은 신경망 모형의 학습 에 있어 가장 많이 사용되는 알고리듬으로 목표값과 출력값 의 오차를 최소화하는 일반화된 델타법칙에 의해 학습되며 ,

입력층에서 출력층으로 입력의 전달이 처리되는 순방향 과 정과 출력층에서 입력층으로 오차가 역전파되어 연결강도가 변화되는 두 가지 과정으로 구성된다 . 예측된 강우량으로부 터 홍수량을 산정하고 , ^{이를 이용하여 하천의 제방붕괴로 인}

한 제내지에서의 범람양상을 예측할 수 있도록 1 차원 흐름 모형과 연계한 동역학적 홍수범람 모형을 구축하였다 . 개발 된 모형은 본류와 지류의 여러 지점에서 제방이 붕괴되었을 때 제내지에서의 침수위와 침수면적의 계산이 가능하도록 구 성하였다 .

2002 년 8 월 집중호우시 낙동강 유역에 대하여 신경망 모 형에 의한 예측된 강우량 자료를 이용하여 실제유역에서의 홍수량을 예측하였으며 , 계산된 홍수량을 입력자료로 하여 하도 및 제내지에서의 홍수범람 해석을 수행하였다 . 모의된

결과는 실제 범람흔적과 하천에서의 홍수위 자료와 비교·

검토함으로써 모형의 검증을 수행하였다 .

2. 낙동강 유역의 홍수피해

2002 년 8 월 집중호우시 낙동강 유역에서 발생한 주요 홍 수피해의 형태는 주로 제방의 파이핑과 누수 , 이에 따른 제 방유실이다 . 계획홍수위를 초과하는 홍수에 의해 월류로 제 방이 유실된 것은 아니며 제체나 지반의 약화로 인해 제방 에 누수나 파이핑이 발생하여 이것이 제방유실로 연결된 것 으로 추정되었다 . 제방붕괴로 인한 황강 , 신반천 , 남강 유역 의 지역별 피해양상을 살펴보면 다음과 같다 .

황강 가현제는 경남 합천군 청덕면 가현리에 위치하며 낙 동강의 제 1 지류인 황강의 우안측 제방이다 . 낙동강 합류점

으로부터 약 1 km 상류에 위치하며 홍수시 본류인 낙동강

의 배수영향을 받는 구간으로 추정된다 . 가현제는 2002 년

8 월 8 일 21 시 50 분경에 붕괴된 것으로 추정되며 , 가현제

붕괴로 인하여 가옥 1 세대와 103ha 면적의 농경지가 침수

되었다 .

신반천 광암제는 경남 합천군 청덕면 앙진리 신반천의 좌안에 위치한 제방이다 . 이 지점은 낙동강 본류와 신반천 이 합류하는 지점에 위치하고 있어 홍수시 낙동강 본류의 배수영향을 받는 구간이다 . 광암제 붕괴로 인하여 약 80ha

의 농경지가 침수되었으며 , 13 세대 112 명의 이재민이 발생 하였다 .

남강 백산제는 경남 함안군 법수면 백산리 남강 우안에

위치한 제방이다 . ^{백산제 붕괴로 인하여 약} 320ha ^{의 농경}

지가 침수되었으며 , 99 세대 282 명의 이재민이 발생하였다 .

Fig. 1 은 남강 백산제의 붕괴상황 및 침수상황을 나타내고

있다 .

위에서 살펴본 바와 같이 본 연구에서는 2002 ^년 8 ^{월 집}

중호우 기간동안 제방붕괴로 인한 피해가 심각했던 황강 유 역 , 신반천 유역 , 남강 유역에 대하여 인공위성 자료와 자 동기상관측소 자료를 입력으로 하는 신경망 모형을 이용하 여 면적평균강우량을 예측하였으며 , ^{예측된 강우로부터 홍}

수량을 산정하여 대상유역의 제방붕괴에 대한 홍수범람 모 의를 실시하였다 . 모의결과는 강우 및 수위관측소에서 관측 된 실측자료와 범람유역에서의 홍수흔적 등의 측량자료와 비교함으로써 본 연구에서 개발된 모형의 적용성을 입증하 였다 .

Fig. 1 State of collapse and inundation at BakSan Levee

3. 대상유역의 강우량 예측

3.1 자료수집 및 입력자료 구축

강우예측을 위한 신경망 모형의 적용을 위해 입력자료 구

축에 이용되는 GMS-5 호 위성의 적외선 자료와 자동기상관

측소의 강우량 자료의 수집이 선행되었다 . 이를 위해 소정의 신청 절차를 통해 기상청으로부터 1998 년에서 2002 년까지 5

년 동안의 6, 7, 8, 9 월의 인공위성 자료와 자동기상관측소 자

료를 제공받았다 . 신경망 모형의 학습을 위해서 1998~2001

년 6~9 월과 2002 년 6, 7 월의 강우사상과 적외선 자료가 사

용되었고 , 학습이 종료되면 예측기간 (2002 년 8 월 6~16 일 ) 동 안의 강우예측이 수행되었다 .

신경망 모형의 입력자료를 구축하기 위해서 Fig. 2 와 같이 대상유역을 8 개의 소유역으로 구분하고 , 각 소유역에 대하여 학습기간동안의 면적평균강우량 시계열을 산정하였다 . 산정 된 면적평균강우량 시계열을 3 시간 지체시킨 다음 , 전국

360 개 지점의 강우량 (AWS 자료 ) 시계열과 상관관계를 분석

하여 상관성이 가장 높은 지점의 강우량 시계열들을 선정하

였다 . ^{또한 동아시아 영역을} 250 ^× 250 km ^의 169 ^{개 격자로}

구분한 다음 , NAWT 알고리듬을 사용하여 운정온도로부터

강우량을 추정하였다 . 위성정보로부터 추정된 강우량과 3 시 간 지체시킨 대상유역의 면적평균강우량과의 상관관계를 분

석하여 상관성이 가장 높은 격자의 강우량 시계열들을 선정 하였다 .

강우예측 신경망 모형의 입력층 뉴런수를 결정하기 위해서 상관성이 가장 높은 n 개의 지점과 m 개의 격자를 조합하여 수많은 경우에 대하여 분석한 결과 , 5 개 지점의 자동기상관 측소 강우량 시계열과 위성정보로부터 추정된 7 개 격자의 강우량 시계열을 신경망 모형의 입력값으로 대입한 경우 최 적의 모의결과를 나타내고 있었다 . Fig. 3 은 남강 유역의 산 청 지점에서의 상관성이 높은 5 개의 자동기상관측소 지점과

7 개의 위성자료 격자를 나타내고 있다 .

3.2 강우예측 신경망 모형의 적용

강우예측을 위한 신경망 모형의 구조는 Fig. 4 와 같이 입 력층 뉴런은 12 개로 구성하였고 , 은닉층 뉴런은 Fletcher

and Goss(1933) 가 제안한 8~25 개에 대하여 분석한 결과 큰

변화양상을 보이지 않았으므로 입력층 뉴런의 두 배인 24 개 로 고정하였다 .

앞 절에서 선정된 12 개의 입력자료를 강우예측 신경망 모 형에 대입하여 황강 , ^신반천 , ^{남강 유역의} 8 ^{개 소유역에 대}

하여 선행시간 3 시간 면적평균강우량을 예측하였다 . 신경망 모형의 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였으며 , 학습반복수는 오차값의 수렴성을

Fig. 2 Study area with sub-basin delineation

고려하여 5,000번을 적용하였다. Fig. 5는 각 소유역에서의 강우 관측값과 선행시간 3시간 예측강우의 비교를 나타내고 있다.

강우예측 신경망 모형의 성능을 판단하기 위해서 상대첨두 오차(RPE), 상대총량오차(RVE), 절대평균편차(AMB), 평균 제곱오차(RMSE), 상관계수(CC), 모형개선지수(SS)를 이용하 여, 모형의 예측결과를 검증하여 Table 1에 제시하였다. 여

기서 상관계수는 예측치와 관측치의 선형상관성을 나타내며, 모형개선지수는 지속예측(Persistence forecasting) 모형과 비 교하여 예측모형의 개선정도를 나타낸다. 지속예측 모형은 가장 간단한 예측모형으로 현재의 강우가 선행시간 후에 그 대로 나타날 것이라고 예측하는 모형이다.

예측된 면적평균강우량은 실제 관측된 강우량의 패턴을 잘 따르고 있었으며, 예측치와 관측치의 선형상관계수(CC)는 0.49~0.60의 범위로 나타났다. French et al.(1992)의 연구결

Fig. 3 Result of correlation analysis (SanCheong station)

Fig. 4 Schematic diagram for rainfall forecast neural network

Fig. 5 Observed and forecast rainfall for each sub-basin

과에서 선행시간 1 시간 강우예측에 따른 상관계수가

0.38~0.78 의 범위로 나타난 것과 비교할 때 3 시간 선행시간

을 감안하면 만족스러운 결과로 판단되었다 .

대상유역에서의 홍수량을 산정하기 위해서 앞 장에서 예측 한 선행시간 3 시간 면적평균강우량 자료를 이용하여 Clark

유역추적 방법 및 Muskingum 하도추적 방법을 사용하여

유출모의를 수행하였다 .

본 연구에서는 대상유역에 위치한 수위관측소 지점과 댐방 류 지점을 유출구로 지정하고 8 개의 소유역으로 구분하여 모의를 수행하였다 . 황강 유역과 남강 유역의 경우 합천댐과 남강댐이 존재하기 때문에 댐방류 지점을 기준으로 유역을 구분하여 유출모의를 수행하였다 . 댐의 운영에 따른 영향을 고려하기 위해서 댐 상류유역의 홍수량은 댐의 유입량 자료 와 비교하였고 , 댐의 하류부는 댐방류량의 실측치를 상류단 경계로 하여 모의하였다 . 신반천 유역의 경우 수위관측소가 존재하지 않기 때문에 임의 지점을 유출구로 지정하여 유출 모의를 수행하였다 .

각 소유역별로 홍수량을 산정하여 그 결과를 유출구에 위 치한 수위관측소에서의 실측수위를 기준으로 수위 - 유량관계곡 선식을 이용하여 환산한 유출수문곡선과 비교하여 검증하였

으며 , Fig. 6 은 소유역별 홍수량 산정결과를 나타내고 있다 .

Fig. 6 에서 보는 바와 같이 댐상류부인 거창 1, 거창 2, 합

천댐 , 산청 , 남강댐 지점은 실측 홍수량과 비교하여 패턴을 잘 따르고 있으며 , ^선행시간 3 ^{시간 예측 홍수량임을 감안하}

면 비교적 양호한 결과로 판단되었다 .

댐하류부인 합천과 정암 지점은 실측 홍수량과 많은 차이 를 보이고 있는데 , 이는 낙동강 본류의 배수현상과 관측된 수위를 유량으로 환산하기 위한 수위 - ^{유량관계곡선식에서 야}

기될 수 있는 오차의 영향이 가장 큰 원인으로 판단되었다 .

또한 면적평균강우량 예측에 따른 오차 및 유출모형 자체에 서 발생할 수 있는 오차와 유출모의를 위한 매개변수 산정 시 내재할 수 있는 오차의 통합적인 결과로 판단되었다 .

5. 대상유역의 홍수범람 해석

강우예측 신경망 모형과 연계하여 계산된 낙동강 유역의

홍수량을 바탕으로 2002 년 8 월 집중호우로 인한 실제 제방

Table 1. Verification results for each sub-basin

Basin Station RPE RVE AMB RMSE CC SS

Hwang River

GeoChang1 -0.27 -0.04 1.39 2.23 0.49 0.37

GeoChang2 0.18 -0.02 1.38 2.09 0.53 0.29

HapChon Dam 0.19 -0.12 1.47 2.39 0.54 0.26

HapChon -0.21 -0.20 1.29 2.30 0.50 0.38

SinBanCheon SinBanCheon -0.17 -0.15 1.31 2.37 0.54 0.44

Nam River SanCheong -0.21 -0.02 1.54 2.59 0.57 0.31

Namgang Dam 0.00 -0.17 1.44 2.41 0.57 0.32

JungAm -0.02 -0.02 1.24 2.31 0.60 0.43

Fig. 6 Discharge hydrograph for each sub-basin

붕괴 사례에 대하여 홍수범람 모의를 수행하였다 . Fig. 7 ^은

홍수범람 모의를 위한 대상유역에서의 하도망 구성도를 나

타내고 있다 . Fig. 7 에서 보는 바와 같이 지류인 황강 , 신반

천 , 남강이 낙동강 본류로 유입되고 있으며 , 낙동강 본류의 상류단과 하류단 경계조건으로는 현풍 수위표의 유량수문곡 선과 진동 수위표의 수위수문곡선을 사용하였다 . 지류인 황 강 , 신반천 , 남강의 합천 , 신반천 및 정암 지점에서는 예측 강우로부터 계산된 유량수문곡선을 상류단 경계조건으로 사 용하였다 .

Figs 8~10 은 각 유역에서의 제방붕괴 지점에 대하여 하도

에서의 홍수위와 제방붕괴에 의한 제내지에서의 수위변동 양 상 및 범람홍수에 대한 유량수문곡선을 나타내고 있다 .

황강 유역의 경우 8 월 8 일 21:00 경에 제방이 붕괴되었으

며 , 하도에서의 첨두수위는 8 월 10 일 16:00 경에 16.07m 로 나타났다 . 제방붕괴가 시작되면서 제내지의 침수위는 증가하 다가 하도의 홍수위와 같아지는 시점에서 감소와 증가를 반 복하고 있으며 , 제내지의 침수위가 감소하는 부분은 범람홍

수가 제내지에서 하도로 역류하고 있는 상황을 나타내고 있 다 . 범람홍수의 유량수문곡선에서 (+) 부분은 하도에서 제내 지로 넘어가는 범람홍수량을 나타내고 있으며 , (

) 부분은 제 내지에서 하도로 역류되는 홍수량을 나타내고 있다 .

신반천 유역의 경우 8 월 9 일 04:00 경에 제방이 붕괴되었

으며 , 하도에서의 첨두수위는 8 월 10 일 16:00 경에 18.03m 로 나타났다 . ^{마찬가지로 신반천 유역도 제방붕괴가 시작되면서}

제내지의 침수위는 증가하다가 하도의 홍수위와 같아지는 시 점에서 감소와 증가를 반복하고 있다 .

남강 유역의 경우 8 월 9 일 03:00 경에 제방이 붕괴되었으

며 , 하도에서의 첨두수위는 8 월 10 일 17:00 경에 13.97m 로 나타났다 . 제방붕괴가 시작되면서 제내지의 침수위는 증가하 고 있으며 , 제내지의 침수위와 하도의 홍수위가 같아지는 시 점에서부터 제내지에서 하도로 홍수량이 역류하면서 제내지 의 침수위가 감소하고 있다 .

Figs 8~10 에서 보는 바와 같이 각 소유역에 대한 제내지

의 침수위가 증가하는 구간에서는 하도에서 제내지로 넘어 가는 범람홍수량이 나타났으며 , 침수위가 감소하는 구간에서 는 제내지에서 하도로 역류되는 홍수량이 나타났다 . 범람홍 수량 , 역류량 및 제내지의 저류량에 대한 하도 - 제내지간의 유량교환은 질량보존의 면에서 정확하게 모의되고 있는 것 으로 나타났으며 , 이는 본 연구에서 개발된 모형이 하도 - 제 내지간의 범람현상과 범람홍수량의 교환을 합리적으로 계산

Fig. 7 Schematic diagram for river network

Fig. 8 Hwang River Basin

Fig. 9 SinBanCheon Basin

Fig. 10 Nam River Basin

하고 있는 것으로 판단되었다.

대상유역의 홍수범람 모의에 대한 검증을 수행하기 위해서 Fig. 7에 제시된 주요 수위표 지점에서 관측된 수위수문곡선 과 계산된 수위수문곡선을 비교하였다. Fig. 11에서 보는 바 와 같이 죽고, 적포교 및 거룡강 수위표 지점에서 하도에서 의 홍수위 계산결과와 관측된 수위수문곡선이 잘 일치하고 있음을 확인할 수 있었다.

Fig. 12는 각 유역에서의 범람홍수에 대한 시간별 침수면 적을 나타내고 있다. 최대침수면적은 황강 유역의 경우 102.7ha, 신반천 유역의 경우 82.2ha, 남강 유역의 경우 318.9ha로 나타났으며, 당시 피해상황 조사결과와 잘 일치하 고 있어 제방붕괴에 따른 홍수범람 모의가 상당히 잘 수행 되었음을 확인할 수 있었다.

6. 결 론

본 연구에서는 관측된 강우자료와 현재의 대기상태를 나타 내는 위성정보를 활용한 강우예측 신경망 모형을 개발하였 으며, 하천의 제방붕괴로 인한 제내지의 범람양상을 해석하 기 위해 1차원 흐름모형과 연계한 동역학적 홍수범람 모형 을 개발하였다. 본 연구를 통해서 강우의 예측능력을 향상시 킬 수 있는 인공위성 자료의 활용성을 제시하였으며, 이상강 우로 인한 홍수재해로부터 국민의 생명과 재산을 보호할 수 있는 홍수예보 시스템에 대한 실질적인 활용성을 제공하였다.

기존의 연구는 인공위성에서 촬영한 적외선 자료를 이용하 여 강우량을 간접적으로 추정하였지만, 본 연구에서는 강우 예측 신경망 모형을 개발하여 위성정보를 활용한 정량적인 강우량을 예측하였다. 또한 기존의 연구에서 개발된 강우예 측 신경망 모형은 지상에서 관측된 강우자료만을 신경망 모 형의 입력으로 사용하였지만, 본 연구에서는 현재의 대기상 태를 나타내는 위성정보와 관측된 강우자료를 신경망 모형 의 입력으로 사용함으로써 강우예측에 대한 정확성을 향상 시킬 수 있었다.

홍수범람 모형에 있어 기존의 연구는 본류의 한 지점에 대한 홍수범람 모의를 수행하였지만, 본 연구에서는 본류와 지류의 여러 지점에 대하여 일괄적으로 홍수범람 모의를 수 행하였다. 기존의 연구에서는 강우, 유출, 범람에 대한 예측 과정이 별도로 운영되었지만, 본 연구에서는 강우예측과 연 계한 홍수유출 및 범람해석에 대한 통합시스템을 구축하였다.

향후 강우의 관측능력이 강화되고 레이더 및 수치예보 자 료와 연계된다면 정확도 높은 정량강우의 예측이 가능할 것 으로 판단되었다. 또한 정량강우 예측에 따른 실시간 홍수유 출 및 범람해석을 통하여 선행시간을 확보한 신뢰성 있는 홍수예보 시스템 구축에 기여할 것으로 판단되었다.

감사의 글

본 연구는 건설교통부가 출연하고 한국건설교통기술평가원 에서 위탁시행 한 2003년도 건설핵심기술연구개발사업 (03 산학연C01-01)에 의한 도시홍수재해관리기술연구사업단의 연 구성과입니다.

참고문헌

건설교통부(1993) 낙동강 하천정비기본계획(보완III).

한건연(2002) 낙동강 유역의 '02년 8월 홍수피해 및 제방붕괴 현장조사. 대한토목학회지, 대한토목학회, 제50권 제9호.

한국수자원공사(2002a) 2002년 전국홍수조사보고서.

한국수자원학회(2002) 2002년 홍수피해 종합조사보고서.

행정자치부 국립방재연구소(2003) 2002年 災害白書.

Fig. 11 Verification of stage hydrograph

Fig. 12 Inundation area in protected lowland

행정자치부 국립방재연구소 (2002a) 2002년 태풍 루사 패해 현장 조사 보고서.

행정자치부 국립방재연구소 (2002b) 2002년 호우피해 현장조사

Fletcher, D.S. and Goss, E. (1993) Forecasting with neural net- 보고서.

works: an application using bankruptcy data.

Management

, Vol. 24, pp. 159-167.

French, M.N., Krajewski, W.F., and Cuykendall, R.R. (1992) Rain- fall forecasting in space and time using a neural network.

, Vol. 137, pp. 1-31.

French, M.N., Andrieu, H., and Krajewski, W.F. (1994a) A model for real-time quantitative rainfall forecasting using remote sens- ing: 1. Formulations.

, Vol. 30, No.

4, pp. 1075-1083.

French, M.N., Andrieu, H., and Krajewski, W.F. (1994b) A model for real-time quantitative rainfall forecasting using remote sens- ing: 2. Case Studies.

, Vol. 30, No. 4, pp. 1085-1097.

Levizzani, V., Prcu, F., Marzano, S., Mugnai, M., Smith, E.A., and Pordi, F. (1996) Investigating a SSM/I microwave algorithm to calibrate Meteosat infrared instantaneous rainrate estimates.

Journal of Applied Meteorology

, Vol. 3, pp. 5-17.

Negri, A.J. and Adler, R.F., and Wetzel, P.J. (1984) Rain estimation from satellites: an examination of the griffith-woodley tech- nique.

, Vol. 26, pp.

1565-1576.

( 접수일 : 2006.2.7/ 심사일 : 2006.6.18/ 심사완료일 : 2006.8.31)