본 연구에서는 기후변화 시나리오의 미래 전망 불확실성 요소를 감안한 근 미래(2011∼2040년) 극치 강수전망과 빈도분 석을 CMIP5 (Coupled Model Intercomparison Project Phase 5) 9개 GCMs (General Circulation Models)를 사용하여 수행 하였다. 또한, 기후자료의 유역규모 비모수적 상세화 및 편이보정 기법을 적용하여, 다중 모델 앙상블(MME)을 통한 불확실성 분석을 수행하였다. 분석결과, RCP4.5와 RCP8.5 시나리오 모두 한반도 근 미래 극치 강수특성인자의 연간 변동성과 불확실성이 커지는 것으로 분석되었으며, 강우빈도해석 결과 2040년까지 50년과 100년 빈도 확률강수량이 최대 4.2∼10.9% 증가할 것으로 분석되었다. 본 연구 결과는 다중모델 앙상블 GCMs의 불확실성을 고려한 국가수자원 장기종합 개발계획과 기후변화 적응대책 마련 등 기후변화 방재관련 정책결정 및 의사결정 지원 자료로 활용이 가능할 것이다.

일반적으로 국지성 집중호우로 인한 산지하천의 돌발홍수 및 도심지의 침수 피해 등을 방지하기 위한 설계에는 포아송 클러스터 강우생성 모형(Poisson Cluster Rainfall Generation Model)과 같은 강수모의발생기법이 이용된다. 그러나 강수량의 1, 2차 모멘트 이상의 통계적 특성을 효과적으로 재현되지 못하고 극치강수량이 관측값에 비해 현저하게 과소 추정되는 등의 문제점이 있으며, 평균적인 강수량과 극치강수량의 통계적 분포특성을 동시에 구현하는 데 어려움이 있다. 이에 본 연구에서는 포아송 클러스터 강우생성 모형 중 공간상의 한 점에 대한 연속시간 강수모형으로 일 단위 이하 강수의 통계적 특성을 재현하는데 유용하다고 알려진 Modified Bartlet-Lewis Rectangular Pulse(MBLRP) 모형에 Bayesian MCMC(Markov Chain Monte Carlo)기법을 연계한 Bayesian MBLRP 모형을 제안하고자 한다. Bayesian MBLRP 모형은 각 매개변수간 결합확률분포를 계산하여 매개변수의 사후분포를 추정하며 이들 사후분포로부터 Monte Carlo 모의를 통해 다양한 시간 규모에서 극치값을 효과적으로 복원할 수 있었다. 사후분포로부터 추정된 강우시나리오는 강우-유출모의 시 유출되는 홍수량 및 홍수위에 대한 불확실성 범위를 정량적으로 제공하는 등 다양한 수문학적 문제에 적용이 가능할 것으로 판단된다.

수문자료의 계절성은 수자원관리의 관점에서 매우 중요한 요소로서 계절성의 변동은 댐의 운영, 홍수조절, 관개용수 관리 등 다양한 분야와 밀접한 관계를 가지고 있다. 수문빈도해석을 위해 POT 자료와 같은 부분기간치계열을 사용함으로써 자료의 확충, 계절성 확보, 발생빈도모형의 구축 등이 가능하다. 본 연구에서는 POT 자료의 장점을 효과적으로 빈도해석에 연계시키는 방법론으로서 POT 자료로부터 계절성을 추출하고 이를 빈도해석과 연계시켜 Bayesian 기법