GloSea5 장기예측 강수량과 K-DRUM 강우-유출모형을 활용한 물관리 의사결정지원시스템 개발
송정현* 정회원, 조영현**, 김일석*, 이종혁*
Development of decision support system for water resources management using GloSea5 long-term rainfall forecasts and K-DRUM
rainfall-runoff model
Junghyun Song*, Younghyun Cho**, Ilseok Kim*, and Jonghyuk Yi*
요 약
K-water의 분포형 강우-유출모형인 K-DRUM(K-water hydrologic & hydraulic Distributed RUnoff Model)은 단기예측 강수자료 를 통해 댐의 예측 유출량 및 수위를 산출하는 모형으로, 장기적인 수문기상정보를 획득하기 위해서는 장기예측 강수자료를 입력자 료로 사용할 필요가 있다. 본 연구에서는 2014년 국내에 도입된 기상청의 계절예측시스템인 GloSea5(Global Seasonal Forecast System version 5) 예측 강수량 앙상블을 K-DRUM의 입력자료로 사용하는 프로그램을 개발하였으며, 이를 통해 산출된 예측 유출 량 앙상블 자료를 기반으로 댐 운영자에게 수문기상정보를 제공하는 웹 기반 확률장기예보 활용 물관리 의사결정지원시스템을 함께 구축하였다. GloSea5의 예측 결과를 입력자료로 사용하기 위하여 대상 댐 유역에 대해 전처리 과정을 수행한 후 편의보정기법을 적용하여 예측 강수 앙상블 자료를 산출하였으며, 이를 K-DRUM에 입력하여 수행하여 예측 유출량을 산출하였다. 이 과정에서 편 의보정된 강수량과 강우-유출모형에서 산정된 예측 유출량은 그래프와 테이블로 함께 표출할 수 있도록 하였다. 본 연구의 결과를 통해 시스템의 사용자는 예측 강수량과 유출량을 토대로 댐의 방류량을 조정함으로써 댐 수위 모의 운영을 수행할 수 있게 되어 장기적인 물관리 의사결정에 도움이 될 것으로 기대된다.
Key Words : Long-term forecast, GloSea5, K-DRUM, Decision support system for water resources management
ABSTRACT
The K-DRUM(K-water hydrologic & hydraulic Distributed RUnoff Model), a distributed rainfall-runoff model of K-water, calculates predicted runoff and water surface level of a dam using precipitation data. In order to obtain long-term hydrometeorological information, K-DRUM requires long-term weather forecast. In this study, we built a system providing long-term hydrometeorological information using predicted rainfall ensemble of GloSea5(Global Seasonal Forecast System version 5), which is the seasonal meteorological forecasting system of KMA introduced in 2014. This system produces K-DRUM input data by automatic pre-processing and bias-correcting GloSea5 data, then derives long-term inflow predictions via K-DRUM. Web-based UI was developed for users to monitor the hydrometeorological information such as rainfall, runoff, and water surface level of dams. Through this UI, users can also test various dam management scenarios by adjusting discharge amount for decision-making.
※ 본 연구는 한국기상산업진흥원의 “기상See-AT기술개발” 사업의 연구비지원으로 수행한 ‘확률장기예보 물관리 활용 기술개발 및 환류 체계 구 축(KMIPA 2015-2120)’ 과제에 의해 수행되었습니다.
*(주)에스이랩([email protected], [email protected], [email protected]), **K-water([email protected]) 접수일자 : 2017년 8월 11일, 최종게재확정일자 : 2017년 9월 6일
I. 서 론
전 세계적으로 발생하는 급격한 기후변화로 인한 홍수나 가뭄 등의 수재해의 빈도 및 강도는 근래에 증가하였으며 국
내외로 수재해에 의한 피해 역시 증가하였다. 이에 세계 각 국의 기관에서는 물정보 획득 및 수재해 예보 시스템의 구축 에 힘쓰고 있으며 국내에서도 단기적인 예측정보를 활용하 여 예측 물관리 시스템을 운용 중에 있으나, 장기적인 물관
리 측면에서의 예측 시스템의 필요성도 대두되고 있다. 기존 에 K-water에서 운용되고 있는 분포형 강우-유출모형인 K-DRUM(Park and Hur, 2011; 2012)은 단기 예측 강수자료 를 기반으로 댐의 예측 유입량 및 수위 자료를 산출하여 사 용자에게 제공해오고 있으나, 장기적인 물관리를 위해서는 장기 기상예측자료의 부족 및 신뢰성 결여로 사용자의 요구 사항을 만족시킬 수 없는 실정이다.
대한민국 기상청과 영국 기상청(Met Office)은 2010년부 터 6월부터 계절예측시스템의 공동 구축 및 운영에 관한 협 정을 맺고 GloSea5 모델을 현업에 활용하여, 강우, 기온, 바 람 등의 예측자료를 생산하고 있다. 이에 GloSea5의 과거재 현자료를 통해 특정 유역 단위의 재현성을 평가하는 연구가 선행되었으며, Moon et al.(2016)의 연구에서는 용담댐 유역 에 대하여 통계적인 상세화 과정을 통해 계통적 오차를 보정 하고 공간적인 경향성을 고려하여 과거재현자료의 시공간적 인 재현성을 검증하여, 관측값 대비 +0.1%의 오차율을 재현 한 결과를 나타내어 GloSea5의 예측 강우자료로서 사용가능 한 신뢰성을 검증하였다. 또한, Son et al.(2017)의 연구에서 는 GloSea5의 예측 일 강수자료를 대상으로 계절예측모델에 활용 가능한 다수의 편의보정기법을 제시하는 연구를 진행 하였으며, 이 중 고차 회귀식을 통해 편의보정을 수행하는 매개변수적 편의보정기법을 예측기간에 대하여 안정적이며 적은 오차를 산출하는 연구 방법을 제안하였다.
본 연구에서는 GloSea5 GC2(Global Coupled modeling configuration 2.0) 모델의 과거재현자료와 예측자료를 사용 하여 편의보정 전처리 과정을 수행한 뒤, 예측자료에 매개변 수적 편의보정기법을 적용하여 강수자료를 앙상블로 분류하 여 K-water의 분포형 강우-유출모형에 입력자료로 사용하 는 프로그램을 개발하였다. 이를 통해서 생산된 예측 강수량, 유출량 등의 장기 물관리를 위한 자료를 바탕으로 현업의 댐 운영자 등 사용자에게 그래프, 테이블 등의 자료와 사용자의 댐 방류량 등 입력값을 기반으로 하는 댐 수위의 모의 운영 자료를 웹 기반 표출 시스템을 통해 제공하였으며 궁극적으 로는 댐 저수지 운영 등 확률장기예보 활용 물관리 의사결정 을 지원할 수 있는 시스템을 제안하고자 한다.
Ⅱ. 재료 및 방법
1. GloSea5
GloSea5(Global Seasonal Forecast System version 5)는 영국 기상청(Met Office)의 기후예측 모델로, 2010년 6월 대 한민국 기상청과 영국 기상청의 계절예측시스템 공동 구축 및 운영에 관한 협정 체결에 의해 국내에 도입되어 2014년부 터 현업에 운영중에 있다. GloSea5 모델은 영국 기상청의 기 후모델인 HadGEM3(Hadley Centre Global Environment Model version 3)에 기초해 구축되었고 2016년 GloSea5
GC2 모델로 개선되었다. GloSea5 GC2 모델은 대기(UM, Global Atmosphere 6.0), 지면(JULES, Global Land 6.0), 해 양(NEMO, Global Ocean 5.0), 해빙(CICE, Global Sea-Ice 6.0) 모델들이 각각의 구성요소로 사용되며, 커플러(Oasis)에 의해 결합되어 하나의 시스템을 이루고 있다(그림 1).
GloSea5 모델은 예측자료(Forecast)와 과거재현자료 (Hindcast)를 동시에 생산하는 특징을 가지고 있다. 이러한 특징은 GloSea5 모델의 빠른 성능향상을 위한 방식이며 계 절예측시스템의 성분모델 중 하나라도 개선이 되면 정밀한 평가없이 현업에 적용하게 된다. 이와 같은 운영 시스템은 모델의 개선에 있어 장점을 가지나, 장기예보관이 모델의 예 측 결과를 올바로 해석하지 못하는 단점을 가지게 된다. 본 연구에서는 GloSea5 GC2 예측자료에 매개변수적 편의보정 기법(Son et al., 2017)을 적용한 강수 앙상블을 산출하여 시 스템 구축에 활용하였다.
그림 1. GloSea5 GC2 모델의 구성
2. K-DRUM
K-DRUM은 K-water에서 자체 개발한 물리적 기반의 분 포형 강우-유출모형이다. 이는 유역 내 수평 유출량 산정을 위한 것으로 평면 격자분포 및 연직 다층분포의 모듈을 이용 해서 격자기반 다층 유출모형을 구성한다. 모델의 기본 개념 도는 그림 2와 같으며 연직으로 A~B층의 수평유출량은 하 천으로 유출되고, C층은 하천유량에 영향을 미치지 않는 지 하수층으로 가정하였다(Park and Hur, 2011; 2012). 본 모형 의 특성으로는 DEM을 이용하여 격자기반으로 지형정보를 수치화하고 GIS를 이용하여 위성영상을 통한 실제 토양 및 토지피복에 대한 매개변수들을 추출하고, 실제와 근사한 하 천 흐름도를 추출하여 운동역학적인 이론을 기반으로 물의 흐름을 수리학적으로 추적하는 것이다. 또한, 침투능 공극을 통한 흐름과정으로 산정하고 레이더강우자료 등의 격자기반 의 분포형강우를 입력할 수 있도록 설계되어 있다.
K-DRUM을 활용한 단기유출 해석의 경우 장기유출 해석 에 비해 유출량이 많은(주로 홍수유출 등) 경우를 대상으로 모의하므로, 유역유출에 영향을 미치는 불확실한 인자들의
상대적 기여가 낮고 직접유출이 높아지므로, 수문매개변수 의 설정이 간단하다. 이에 반해 장기유출의 경우, 작은 유량 과 장기간의 해석조건과 함께 토양 내 함수상황, 지하수거동, 증발산, 용수이용 및 회귀수 등 관측이 어려운 조건들이 유 출해석에 많은 영향을 미치게 되므로, 단기유출 보다 많은 수문매개변수 조정이 필요하게 된다.
그림 2. K-DRUM 모형의 격자 기본 개념
본 연구에서는 이러한 1년 이상의 장기적 유출량 산정을 위해 강우가 발생하지 않는 기간 동안의 증발산량 등을 반영 할 수 있는 기능을 추가한 장기유출모듈 기반의 K-DRUM 모형을 활용하여 장기 유출량 모의를 수행하였다. 참고로 증 발산량 산정을 위해서는 FAO-56 Penman-Monteith법을 적 용하였다.
3. 대상유역
본 연구의 대상유역은 경상남도 진주에 위치한 낙동강 수 계의 남강댐 유역과 전라북도 진안에 위치한 금강 수계의 용 담댐 유역으로, 인접한 두 유역은 다목점 댐이라는 공통점을 갖는다. 각 댐의 특성은 국가수자원관리 종합정보시스템 (WAMIS)의 자료를 인용하여 조사하였다.
남강댐 유역(그림 3)은 낙동강의 남서쪽에 위치하며, 총 유역면적 2,285.0km2, 유로연장 185.60km의 특징을 갖는다.
남강댐 유역의 연 평균강수량은 1,430mm로, 우리나라 연평 균 강수량 1,283mm의 111.4%에 달하는 다우지역에 속한다.
본 연구에서는 남강댐의 5개 관측소(거창, 산청, 진주, 합천, 장수)를 사용하여 편의보정 기법을 적용한 강수 앙상블자료 를 활용하여 수문모델을 수행하였다.
용담댐 유역(그림 4)은 금강의 상류에 위치하며, 총 유역 면적 930.0km2, 유로연장 62.58km의 특징을 갖는다. 용담댐 유역의 연 평균강수량은 1,259.70mm이며, 남강댐 유역보다 는 적으나, 우리나라 연평균 강수량과 크게 차이를 보이지 않는다. 본 연구에서는 용담댐의 3개 관측소(금산, 무주, 장 수)를 대상으로 편의보정된 강수량 자료를 수문모델에 적용 하였다.
그림 3. 남강댐 유역 및 인접 관측소
그림 4. 용담댐 유역 및 인접 관측소
본 연구에서는 대상유역으로 선정한 유역의 인접 관측소 를 기준으로 GloSea5 GC2 모델의 격자를 지정하였다. 남강 댐은 거창, 산청, 장수, 진주, 합천 관측소의 셀을 기준으로 격자를 지정하였으며(표 1), 용담댐은 금산, 무주, 장수 관측 소의 셀을 기준으로 격자를 지정하였다(표 2).
관측소 경도 위도 GloSea5
GC2 X좌표
GloSea5 GC2 Y좌표
거창 127.909 35.667 154 227
산청 127.879 35.413 154 227
장수 127.520 35.657 154 226
진주 128.040 35.164 153 227
합천 128.170 35.565 153 227
표 1. 남강댐 유역의 관측소 위치 및 GloSea5 GC2 좌표 정보
그림 5. 확률장기예보 활용 물관리 의사결정지원시스템
관측소 경도 위도 GloSea5
GC2 X좌표
GloSea5 GC2 Y좌표
금산 127.482 36.106 153 228
무주 127.393 35.534 153 228
장수 127.520 35.657 153 227
표 2. 용담댐 유역의 관측소 위치 및 GloSea5 GC2 좌표 정보
Ⅲ. 확률장기예보 활용 물관리 의사결정지원시스템
1. 시스템 개요
본 연구에서 개발된 시스템은 전지구 계절예측시스템 GloSea5 GC2 모델에 매개변수적 편의보정기법을 적용하여 생산된 강수량 앙상블 자료를 수문모델의 입력자료로 사용 하였으며, 댐의 예측 강수량과 유출량을 산출하여 그래프 등 으로 저장하고 웹 기반 시스템에서 표출하며 댐의 방류량을 사용자가 시스템에서 직접 조정하여 댐의 예측 수위를 모의 할 수 있도록 제공함으로써 사용자의 댐 저수지 운영 등 확 률장기예보 활용 물관리 의사결정에 도움을 주고자 하였다.
그림 5는 시스템의 전체적인 구조를 프로그램 흐름도로 나타낸 것으로, 각 프로그램에서 생산되는 산출물과 그 자료 흐름을 보여준다. GloSea5 GC2 모델을 편의보정기법에 적 용하기 위하여 전처리 과정을 수행하며, 이를 통해 산출된 예측자료 및 과거재현자료를 사용하여 편의보정기법을 적용 한다(그림 6). 편의보정기법이 적용된 강수 앙상블 자료는 K-water의 분포형 강우-유출모형인 K-DRUM에 적용되어 예측 유출량 자료를 산출한 뒤 프로그램을 종료한다.
그림 6. 편의보정 전처리 프로그램 및 편의보정기법 프로그램 수행 흐름도
편의보정기법이 적용된 강수 앙상블 자료는 이미지 산출 프로그램을 통해 Error Plot, Band Plot, Ensemble Plot 이미 지를 산출하며, K-DRUM을 통해 산출된 예측 유출량은 Band Plot, Ensemble Plot 이미지로 산출된다. 또한, K-DRUM을 통해 산출된 예측 유출량을 모의하고자 하는 대상 댐의 수위-저수량 곡선에 적용하여 예측 수위를 산출 하며, 사용자가 임의로 입력한 댐 방류량을 통해 물관리 의 사결정을 할 수 있는 지표를 제공한다. 이렇게 산출된 각 이 미지와 수치들은 웹 기반 표출 시스템을 통해 사용자에게 제 공되어 사용자의 의사결정에 도움을 준다.
2. GloSea5 앙상블 자료 편의보정 전처리 프로그램
GloSea5 GC2 모델의 예측자료 및 과거재현자료는 다수의 앙상블로 구성되어있으며, 그 생산 방식 또한 상이하다. 예측 자료는 월 예측을 위한 1개월 예보 자료와 계절 예측을 위한 3개월 예보자료로 구성된다. 각 예측자료는 주 1회 생산되며 1개월 예보자료의 경우 28개 앙상블 멤버가, 3개월 예보자료 의 경우 42개 앙상블 멤버가 생산된다(그림 7). 반면 과거재 현자료는 매 월 1일, 9일, 17일, 25일마다 초기장을 사용하여 생산일로부터 220일 씩 재현 자료를 산출하며, 각 3개의 앙 상블 멤버를 생산한다(그림 8).그림 7. GloSea5 GC2 모델의 Forecast 자료 생산 방법
그림 8. GloSea5 GC2 모델의 Hindcast 자료 생산 방법
GloSea5 GC2 모델의 원시자료는 Arakawa C-grid staggering 방법으로 구성된 432 x 324 등경위도 격자의 FF(Field Format) 자료로 제공되며, 사용자에게는 432 x 325 격자의 GRIB2(GRIdded Binary or General Regularly-distributed Information in Binary form)포맷의 파일로 제공된다. GloSea5 GC2 모델은 전 지구 영역으로 구 성되어있으며 각 셀은 60km의 크기를 가진다. 한 격자의 크 기가 매우 큰 전지구영역 자료의 특징 상, 특정 유역이나 관 측소에 대해 적용할 경우 유역에 비해 큰 격자 자료를 사용 하게 되므로, 이를 지역에 맞도록 보정할 필요가 있으며, 본 연구에서는 대상지역의 특정 경위도를 추출하고 통계적으로 상세화하기 위한 전처리 과정을 수행하였다.
GloSea5 GC2 모델의 편의보정에 필요한 전처리 프로그램 은 Python으로 개발되었으며, 모듈을 단독으로 사용 시 UNIX, LINUX, MacOS, Windows 등 다양한 OS에서 수행 이 가능한 장점을 가진다. 전처리 프로그램은 GloSea5 GC2 모델의 예측자료와 과거재현자료를 대상지역의 특정 경위도 로 추출하기 위해서 공통적으로 특정 관측소에 해당하는 GloSea5 모델의 격자 위치 정보를 먼저 설정한 후, 전처리 과정의 수행시작시간 및 종료시간을 설정하여 전처리 과정 을 수행하고자 하는 기간에 대한 정보를 저장한 후 전처리 과정을 수행하게 된다.
예측자료가 저장되어있는 GRIB2 파일은 내부에 앙상블 및 날짜 별로 자료가 생산되며, 전처리 과정 중에 특정 기간 에 대한 앙상블 자료 중 결측자료를 제외하고 바이너리 (Binary)로 추출한다. 추출된 바이너리는 다시 읽어들여 특 정 관측소에 해당하는 GloSea5 모델의 격자 위치의 값을 읽 어 배열에 저장하고, 평균 값을 계산에 저장한다. 예측자료의 중간에 발생하는 앙상블 결측자료는 NaN 값을 사용하여 결 측을 나타낸 후 모든 앙상블의 추출이 끝난 후 평균값으로 대체한다. 이렇게 생성된 배열 값은 CSV(Comma Seperated Spreadsheet) 포맷의 파일에 통계적 상세화 과정에서 사용 할 수 있도록 포맷을 맞추어 저장한다(그림 9).
그림 9. 편의보정기법을 적용하기 위한 GloSea5 GC2 모델의 예측자료 전처리 흐름도
과거재현자료가 저장되어있는 GRIB2 파일은 앙상블 별로 자료가 생산되며, 각 월의 1일에 생산된 자료가 존재하는지 찾은 후, 1일에 생산된 자료가 존재하는 경우 1개월의 lead time을 사용하여 통계적 상세화 과정에 사용되는 과거재현 자료를 구성한다. 1일에 생산된 자료가 존재하지 않는다면, 이전 달의 1일 자료를 사용하여 추출기간에 해당하는 과거 재현자료를 구성하여 CSV 포맷의 파일에 통계적 편의보정 기법 적용 과정에서 사용할 수 있도록 포맷을 맞추어 저장한 다(그림 10).
그림 10. 편의보정기법을 적용하기 위한 GloSea5 GC2 모델 의 과거재현자료 전처리 흐름도
3. 편의보정 프로그램
GloSea5 GC2 계절예측 모델과 같은 장기간의 예측을 수 행하는 기상모델의 경우 다양한 변수에 의해 시, 공간적 해 상도 차이로 인해 관측 값과 모델 값 간의 큰 편의가 발생한 다. 이러한 예측자료의 편의보정을 위해서는 관측자료와 유 사한 강수자료를 사용하여 예측기간에 대한 이상치를 발생 시키지 않는 매개변수적 편의보정기법을 적용하여 기후예측 모델의 불확실성을 줄일 필요가 있다.
본 연구에서 구현한 시스템은 통계적 편의보정을 위해 3.2 에서의 GloSea5 GC2 모델의 전처리 과정을 수행한 후, 전처 리 과정에서 산출된 과거재현자료 및 예측자료와 관측값을 토대로 통계적 편의보정기법을 수행한다(그림 11).
편의보정기법을 적용하기 위한 각 프로그램은 R로 개발 되었으며, 편의보정을 담당하는 함수는 모듈화 되어 제공되 므로 프로그램의 개발 및 유지보수가 원활한 특징을 가지며, R로 개발되어 Windows, MacOS, Linux 등의 다양한 OS와 환경에서 수행이 가능한 특징을 가진다.
그림 11. 편의보정기법 프로그램 수행 흐름도
GloSea5의 과거재현자료와 예측자료는 전처리 알고리즘 을 통해 산출된 자료를 사용하며, 관측자료의 경우, 과거재현 자료와 예측자료에 해당하는 기간에 대한 시계열 관측자료 를 필요로 한다. 편의보정기법을 사용하기 위해 R의 편의보 정기법 패키지를 사용하며, 운영체제에 편의보정기법 패키 지가 설치되어있는지 확인 후, 패키지가 설치되어 있지 않을 경우에 패키지 인스톨러를 수행 후 편의보정기법을 적용한 다. 편의보정기법을 적용한 결과는 ASCII 포맷의 파일로 저 장하며, 파일 내부의 텍스트 포맷은 강우-유출모형인 K-DRUM에 바로 입력 자료로 사용할 수 있도록 설정되어 있다.
전처리 된 3개의 과거재현자료 앙상블에 대하여 그림 11 의 프로그램 수행을 통해 예측자료의 앙상블 42개를 각각 산 출하여 총 126개의 편의보정 적용 자료를 산출하게 된다.
4. 강우-유출모형
K-water에서 자체 개발한 K-DRUM은 물리적 좌표기반
의 분포형 강우-유출모형으로 홍수사상을 대상으로 한 유출 량 계산에 적합하도록 설계되었다. K-DRUM은 흐름방향도, 경사도, 토지피복도, 토양종류도, 토양유효토심도, 표고분포 도 등의 지리정보와 수위, 방류량, 유출량 등의 관측자료 및 강우자료를 이용하여 매개변수를 산출하며, 본 연구에서 구 축한 시스템에서는 K-water의 관측자료 데이터베이스인 TechDB에 쿼리(query)를 전송하여 관측 수위, 방류량, 유출 량 자료를 ASCII 포맷의 파일로 생성하여 입력자료로 사용 하며, 기상청의 전지구 계절예측시스템인 GloSea5 GC2 모 델에 편의보정기법을 적용한 강수량 앙상블도 입력자료로 사용한다.
또한, Linux용 K-DRUM에서는 예측시간을 일자료로 설 정할 경우 해당 예측 강수자료를 읽어오지 않으므로, 편의보 정기법이 적용된 GloSea5 GC2 예측 강수자료를 사용할 수 있도록 모형의 시간 입력자료를 예측기간과 같이 변경하는 모형 수행 전처리 과정을 거친다.
편의보정기법을 적용한 126개의 GloSea5 GC2 앙상블 자 료는 쉘 스크립트(Shell script) 내부의 반복문을 통해 수행 되며, 각각의 모형 산출물 자료는 ASCII 포맷의 파일로 저장 되며, 예측 강수량 자료 및 예측 유출량 자료는 CSV 포맷의 파일로 함께 저장한다(그림 12).
그림 12. 강우-유출모형 수행 흐름도
5. 그래프 산출 프로그램
편의보정기법이 적용된 GloSea5 GC2 앙상블은 126개의 예측 강수량 자료는 그래프 산출 프로그램을 통해 Band Plot, Ensemble Plot, Error Plot 그래프를 산출하며(그림 13), 각 앙상블의 최소값, 최대값, 평균값을 CSV 포맷의 파 일로 산출하였다. 또한 강우-유출모형의 산출물로 생산된 예 측 유출량 자료 역시 그래프 산출 프로그램을 통해 Band Plot, Ensemble Plot 그래프를 산출하며(그림 14), 각 앙상블
의 최소값, 최대값, 평균값을 CSV 포맷의 파일로 산출하였다.
편의보정기법이 적용된 GloSea5 GC2 강우량 앙상블과 강 우-유출모형의 예측 유출량으로부터 생산되는 Band Plot 그 래프는 각 관측소와 과거재현자료 앙상블 별로 30일부터 180 일까지 30일 간격의 그래프를 생산하여 제공한다. Ensemble Plot 그래프 역시 각 관측소와 과거재현자료 앙상블 별로 30 일부터 180일까지 30일 간격으로 일 그래프를 생산하고 각
각의 60일부터 180일까지 30일 간격으로 누적한 월 누적 그 래프를 생산한다. Error Plot은 각 관측소와 과거 재현자료 앙상블 별로 30일부터 180일까지 30일 간격으로 누적한 월 누적 그래프를 생산한다. 산출된 GloSea5 GC2 편의보정 그 래프와 강우-유출모형 예측 유출량 그래프는 웹 기반 표출 시스템을 통해 사용자에게 제공된다.
그림 13. GloSea5 GC2 편의보정 그래프(Band Plot, Ensemble Plot, Error Plot)
그림 13. GloSea5 GC2 편의보정 그래프(Band Plot, Ensemble Plot, Error Plot) (계속)
그림 14. 강우-유출모형 예측 유출량 그래프(Band Plot, Ensemble Plot, Error Plot)
그림 14. 강우-유출모형 예측 유출량 그래프(Band Plot, Ensemble Plot, Error Plot) (계속)
6. 웹 기반 표출 시스템
웹 기반 표출 시스템은 앞서 산출된 편의보정기법이 적용 된 GloSea5 GC2 강수 앙상블과 강우-유출모형의 예측 유출 량의 그래프 자료를 웹을 통해 사용자에게 제공하며, 사용자 가 입력한 시간을 바탕으로 해당 기간의 자료를 조회할 수 있도록 구성하였다. 전체적인 구성은 GloSea5 자료를 통한 강수량 예측 결과를 볼 수 있는 1단계 화면, 1단계에서 정한 파라미터를 이용, K-DRUM을 통해 산정한 유출량 모의 결 과를 나타내는 2단계 화면, 최종적으로 앞선 단계에서 정한 기본 파라미터를 이용하여 저수지 운영 의사결정 툴(tool)을 제공하는 3단계 화면으로 구성되어 있다.
1단계 표출 화면을 통해 편의보정기법이 적용된 GloSea5 GC2 앙상블의 예측 강수량 자료를 Band Plot, Ensemble Plot, Error Plot으로 표출하였다(그림 15, 16, 17). 사용자는 조회하고자 하는 댐과(현재 남강댐과 용담댐 선정 가능) 기 간을 선택한 뒤, 기본 예측단위를 선택, 설정한 날짜로부터의 예측범위와 각 댐별 관측지점을 선택할 수 있으며 최종적으 로 원하는 앙상블 번호를 선택하여 원하는 파라미터를 설정 할 수 있다. 이를 토대로 확인하고자 하는 자료 유형을 최 우 측 선택 메뉴에서 고를 수 있으며 밴드, 앙상블, 에러 사항에 관한 그래프를 확인할 수 있다. 또한 사용자가 선택한 날짜 를 기준으로 30, 60, 90, 120, 150, 180일 간의 최대, 최소, 평 균값을 그래프 하단 표에 표출하여 사용자가 기본 통계값을 편리하게 확인할 수 있도록 하였다.
그림 15. 웹 기반 표출 시스템 1단계 강수량 예측 결과 (Band Plot)
그림 16. 웹 기반 표출 시스템 1단계 강수량 예측 결과 (Ensemble Plot)
그림 17. 웹 기반 표출 시스템 1단계 강수량 예측 결과 (Error Plot)
2단계 표출 화면은 1단계에서 설정한 조회기간에 해당하 는 강우-유출모형의 예측 유출량 자료를 Band Plot, Ensemble Plot으로 제공하였으며(그림 18, 19), 1단계와 같 이 사용자는 드롭다운 메뉴를 사용하여 각 그래프를 선택하 고 과거재현자료 별로 조회할 수 있도록 드롭다운 메뉴를 제 공하였다. 2단계의 드롭다운 메뉴의 경우, 선택한 날짜 기준 으로 월 기준 예측범위(30, 60, 90, 120, 150, 180일)와 과거재 현자료의 앙상블 번호를 선택할 수 있으며 최종적으로 밴드 와 앙상블 중 원하는 그래프를 선택할 수 있도록 구성하였 다.
그림 18. 웹 기반 표출 시스템 2단계 유출량 예측 결과 (Band Plot)
그림 19. 웹 기반 표츌 시스템 2단계 유출량 예측 결과 (Ensemble Plot)
3단계 표출 화면은 1, 2단계에서 설정한 조회기간에 해당 하는 날짜의 댐 초기 수위와 강우-유출모형의 예측 강수량 입력 자료 등의 그래프를 제공하며, 방류량을 사용자가 입력 할 수 있도록 입력창을 제공한다(그림 20, 21, 22). 사용자는 방류량을 직접 조정함으로써 수위를 유동적으로 모의 운영 할 수 있다. 사용자 선택 메뉴에서 날짜는 기본적으로 1단계 에서 선택한 날짜와 연동되어 표출되며, 앙상블 번호는 밴드 구분 없이 1~126까지 제공되며 추가로 평균값과 중앙값, 그 리고 전체 밴드 폭의 하위 10%에서 90%에 해당하는 값도 선택할 수 있도록 하였다. 최종 수위를 계산하는 가장 기초 파라미터가 되는 초기 수위의 경우, 해당 일자에 대해 설정 된 초기 수위를 자동으로 파일에서 받아와 표출하며 하단의 방류량을 사용자가 설정하여 최종적으로 저수지 운영을 위 한 예상 수위를 앙상블 번호 별로 계산하게 된다. 예상 수위 계산은 K-water에서 운영하고 있는 댐별(현재는 남강댐과 용담댐 선정가능)로 초기 수위, 유입량 및 방류량을 입력 값 으로 받아 연속방정식(Chow et al., 1988)으로부터 댐의 저 류량을 계산하고 이를 해당 댐의 수위-저수량 곡선에 적용 하여 산정한다. 여기서 댐의 유입량(유출량) 및 초기 수위 값 은 1, 2단계의 결과 값을 사용한다.
그림 20. 웹 기반 표출 시스템 3단계 댐 저수지 운영 결과 (첫 화면)
사용자가 실행 버튼을 누르면 설정 파라미터에 따라 결과 값이 아래 그림(그림 21)과 같이 표출된다. 최상단에는 해당 기간 동안의 강우 값을 각 앙상블 번호별로 동시에 표출한 다. 두 번째 패널(panel)은 유입량 그래프가 표출되며, 그 하 단에는 시스템에서 직접 입력한 방류량 그래프가 표출된다.
이를 통해 최종적으로 각 앙상블 번호별 수위가 표출되며, 사용자가 선택한 앙상블 번호와 일치하는 수위 값이 시계열 막대그래프로 표출된다. 이 중 사용자가 선택한 앙상블 번호 의 예상수위 값 및 각 댐의 기간별 기본 정보사항(확보수위, 전년수위, 예년수위)이 표출되어 있는 최종 저수지 운영 그 래프가 가장 마지막으로 표출되어 사용자가 원하는 기간의 수위 추이를 기타 정보사항과 함께 확인할 수 있도록 구성하 였다.
기본적으로 방류량은 선택 날짜로부터 6개월 범위를 기본 으로 하며, 사용자가 6개월을 추가하여 최장 12개월까지 확 장이 가능하다. 기본 6개월의 경우, 기존 산출된 유입량을 파 일에서 읽어들여 자동으로 예상수위를 산출하게 되며, 7개월 이후 추가기간의 경우 사용자가 미리 저장되어 있는 평년, 평균, 5, 10, 20, 30, 50, 80, 100, 200년 평균 값 중 하나를 선 택하여 해당 월의 값을 사용하여 예상수위를 산출한다.
그림 21. 웹 기반 표출 시스템 3단계 댐 저수지 운영 결과 (실행 화면)
그림 22. 웹 기반 표출 시스템 3단계 댐 저수지 운영 결과 (7개월 이상 입력 후 화면)
Ⅳ. 요약 및 결론
최근 발생하는 가뭄 등의 수재해 이슈를 대비하기 위해 현업에서 장기적인 강우 예측 및 유출량 예측이 크게 요구되 어 왔으나, 기존의 K-water에서 운용되었던 유역-유출모형 인 K-DRUM 모델은 단기 예측모델은 기반으로 하여 장기 적인 계획을 세우기 힘든 단점을 가지고 있다. 이러한 단점 을 보완하기 위해 본 연구에서는 웹 기반 확률장기예보 활용 물관리 의사결정지원시스템을 개발하였으며, 기상청의 전지 구 계절예측시스템 GloSea5 GC2 모델의 장기 강수량 예측 자료를 입력자료로 사용하였다. 또한, 넓은 격자 범위로 인한 상세한 지역적 강수량 자료를 적용할 수 없는 전지구 자료의 단점을 보완하기 위해 지역 상세화를 위한 편의보정기법을 적용하였으며 이를 통해 해당 댐 유역의 강수량 예측 자료를 산출하며, 이를 K-DRUM 모델의 입력자료로 사용하여 장기 예측 유출량을 산정하였다. 산출된 장기 예측 강우량과 예측 유출량은 웹 기반 표출 시스템을 통해 현업의 댐 운영자 등 사용자에게 예측 강수량 및 유출량의 그래프를 제공하며, 사 용자로 하여금 예측자료 및 입력 방류량을 기반으로 댐 저수 지를 모의 운영할 수 있도록 한다. 본 시스템을 통해 기존의 단기 예측뿐만 아니라, 장기 기상예측 자료를 활용한 댐 유 역 강우-유출모형을 사용함으로써 현업 사용자의 장기 물관 리 의사결정을 지원할 수 있는 방안을 제시하고자 한다.
참 고 문 헌
[1] Arakawa, A. and Lamb, V. R., "Computational design of the basic dynamic processes of the UCLA general circulation model." Methods Comput. Phys., Vol. 17, pp. 173-265, 1997.
[2] Chow, V. T., Maidment, D. R., and Mays, L. W. "Applied Hydrology." McGraw-Hill Inc., pp. 242, 1988.
[3] KMA (Korea Meteorological Administration), A forecast characteristics analysis technical note of GloSea5. KMA, pp.3-9, 2016.
[4] MacLachlan, C., Arribas, A., Peterson, K. A., Maidens, A., Fereday, D., Scaife, A. A., Gordon, M., Vellinga, M., Williams, A., Comer, R. E., Camp, J., Xavier, P. and Madec, G. “Global Seasonal forecast system version 5 (GloSea5): a high-resolution seasonal forecast system.” Q.J.R. Meteorol.
Soc., 141: 1072–1084. doi:10.1002/qj.2396, 2015.
[5] 문수진, 한수희, 최광순, 송정현, “GloSea5 모델의 자료처리 시 스템 구축 및 시·공간적 재현성 평가” 수자원학회 논문집, Vol.
49, No. 9, pp. 761-771, 2016.
[6] Park, J. H. and Hur, Y. T. “Development and application of distributed rainfall-runoff model using MPI technique.”
KSCE Journal of Civil Engineering, Vol. 15, No. 6, pp.
1133-1140, 2011
[7] Park, J. H. and Hur, Y. T. “Development and application of GIS based K-DRUM for flood runoff simulation using radar
rainfall.” Journal of Hydro-environment Research, Vol. 6, pp.
209-219, 2012
[8] 손찬영, 송정현, 김세진, 조영현, “전지구 계절예측시스템 GloSea5의 최적 편의보정기법 선정” 수자원학회 논문집, Vol.
50, No. 8, pp. 551-562, 2017.
저자
송 정 현(Junghyun Song) 정회원
․2015년 2월：세종대학교 천문우주학과 학사졸업
․2014년 9월~현재：(주)에스이랩 근무
<관심분야> : 빅데이터, 시스템설계
조 영 현(Younghyun Cho)
․2003년 2월：서울대학교 농공학과 석 사졸업
․2016년 5월：퍼듀대학교 농공학과 박 사졸업
․2003년 2월∼현재：한국수자원공사 근무
<관심분야> : 위성 원격탐사, 수문학
김 일 석(Ilseok Kim)
․2009년 2월：세종대학교 지구정보과 학과 학사졸업
․2011년 2월：세종대학교 천문우주학 과 석사졸업
․2012년 6월∼현재：(주)에스이랩 근무
<관심분야> : 위성관측, 자료 시각화
이 종 혁(Jonghyuk Yi)
