여름철 집중 강우량 감소에 따른 저서성 대형무척추동 물 군집 변화를 알아보기 위하여 섬진강 본류 25지점을 대상으로 2014년과 2015년 각각 5월과 9월 총 4회 조사를 실시하였다. 서식환경에 중요하게 작용하는 요인인 강우량, 기온, 수질, 수심, 유속, 하상구성을 수집하고 측정하였다. 섬진강의 5월 누적강우량 (CP)은 2014년 2,322.1 mm, 2015년 2,371.0 mm로 큰 차이를 보이지 않았으나, 9월 CP 는 2014년 7,678.2 mm, 2015년 3,726.1 mm로 반절 이상 감소하였다. 여름철 집중강우로 인한 유실효과로, 개체밀도와 종 수는 5월이 9월보다 높았다. 5월은 깔따구류와 세 갈래하루살이, 9월은 네점하루살이, 두점하루살이, 세갈래 하루살이가 우점을 차지하였다. 생물지수와 환경요인과의 상관성 분석 결과, 하상구성 및 유속과 상관성이 있는 것으로 나타났다. 저서성 대형무척추동물 우점종과 환경요인과의 집괴분석한 결과 5월과 9월의 CP와 MT에 따라 4 그룹으로 나뉘었다. 주성분 분석 결과 집괴분석으로 나뉘어진 그룹의 특성을 잘 반영하였으며, 특히 네점하루살이와 두점하루살이는 강우량의 변동을 잘 반영하였다.

2011년 7월 26일 서울은 장마에 동반된 기록적인 대류성 집중호우로 인해 약 2천5백억 원 이상의 재산피해와 57명(사망자)의 인명손실이 발생되었고, 2012년 8월 27일 15호 태풍 볼라벤에 동반된 집중호우로 광주광역시에는 보다 약한 집중호우와 강풍을 동반하여 피해는 상대적으로 적게 발생시켰다. 위의 사례에 대해 KLAPS(기상청 국지분석 및 예측시스템)을 사용하여 집중호우 시 다른 물리적 요소들에 의한 중규모 과정들의 조사 및 분석을 수행하였다. 이것은 레이더관측과 천리안 위성관측 자료로부터 강우강도를 도출하는데 호조건의 전형적인 중규모 시스템이기 때문에 선택되었으며, 두 사례는 모두 집중호우 발생에 좋은 환경임을 보였다. 2011년 장마에 동반되어 서울에 나타난 사례에서 레이더와 천리안의 정량적인 강우강도를 지상강우계 관측과 비교했을 때, 최대 관측값이 85 mm/hr 이상이 나타난 시점에 비해 약 50 mm/hr 이상이 과소 추정되는 차이가 나타났으나, 레이더 강우강도는 35 mm/hr의 차이와 천리안 강우강도는 60 mm/hr의 차이를 보였다. 그러나 2012년 8월 27일 15호 태풍 볼라벤에 동반되어 광주광역시에 나타난 강우강도와 지상강우강도의 경향은 위의 사례와 유사하게 나타났으며, 정량적인 강우강도 차이는 최대 관측값이 17 mm/hr 이상이 나타난 시점에 비해 약 10 mm/hr 이상이 과소 추정되는 차이가 나타났으나, 레이더 강우강도는 5 mm/hr의 차이와 천리안 강우강도는 10 mm/hr의 차이를 보였다. 이것은 태풍 볼라벤에 의한 집중호우가 상대적으로 약했기 때문이었다. 두 사례에 대해 레이더 강우강도와 천리안 강우강도는 지상강우강도와 시계열적으로 비교했을 때, 모두 유사한 경향을 보였다.

In meteorological data, various studies are being conducted to improve the prediction performance of rainfall with irregular patterns, unlike temperature and solar radiation with certain patterns. Especially in the case of the short-term forecast model for Dong-Nae Forecasts provided by the Korea Meteorological Administration (KMA), forecast data are provided at 6-hour intervals, and there is a limit to analyzing the impact of disasters. In this study, Hydrological Quantitative Precipitation Forecast (HQPF) information was generated by applying the machine learning method to Local ENsemble prediction system (LENS), Radar-AWS Rainrates (RAR), AWS and ASOS observation data and Dong-Nae Forecast provided by the KMA. Through the preprocessing process, the temporal and spatial resolutions of all the data were converted to the same resolution, and the predictor of machine learning was derived through the factor analysis of the predictor. Considering the processing speed and expandability, the XGBoost method of machine learning was applied, and the Probability Matching (PM) method was applied to improve the prediction accuracy of heavy rainfall. As a result of evaluating the HQPF performance produced for 14 heavy rainfall events that occurred in 2020, it was found that the predicted performance of HQPF was improved quantitatively and qualitatively.

The determination of soil parameters is important in predicting the simulated surface runoff using either a distributed or a lumped rainfall-runoff model. Soil characteristics can be collected using remote sensing techniques and represented as a digital map. There is no universal agreement with respect to the determination of a representative parameter from a gridded digital map. Two representative methods, i.e., arithmetic and predominant, are introduced and applied to both FLO-2D and HEC-HMS to improve the model’s accuracy. Both methods are implemented in the Yongdam catchment, and the results show that the former seems to be more accurate than the latter in the test site. This is attributed to the high conductivity of the dominant soil class, which is A type.

최근 집중호우의 발생빈도가 증가하고 있으며, 이를 고려한 강우분석을 실시하여야 한다. 현재 수문설계를 위한 강우분석은 한반도 조밀도 36 km 인 기상청 관할 종관기상관측지점(Automated Surface Observing System, ASOS)의 시 단위 강우를 이용하고 있다. 이로 인해 같은 강우지점의 티센망에 포함되는 중소규모 유역은 동일한 확률강우량과 강우시간분포로 분석하게 됨으로 유역특성을 고려하지 못하는 문제가 발생한다. 또한, 10~20 km 범위 내에서 발생하는 집중호우의 시 ․ 공간적 변화를 고려하지 못하는 문제점이 발생한다. 따라서 본 연구에서는 종관기상관측지점에 비해 상대적으로 조밀도가 우수한 방재기상관측지점(Automatic Weather System, AWS)의 분 단위 강우자료를 이용하여 집중호우를 고려한 확률강우량을 산정하였다. 또한, 유역에 적합한 Huff의 4분위 방법 산정을 위해 Case별 시간분포 산정과 유출분석을 실시하였다. 이는 집중호우와 유역특성을 반영한 설계수문량 산정에 크게 기여할 것으로 판단된다.

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 개발하였으며, 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 Z=303R0.72를 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, 전반적인 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 분석되었고, 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 활용으로 보다 정확한 미계측 유역 수문자료 확충 및 실시간 홍수 예․경보 시스템 구축에 활용이 가능할 것으로 사료된다.

강우가 지표면에 강하하여 일부는 지표를 따라 유출되고 나머지는 손실이 된다. 손실 중에는 일부는 증발이 되고 일부는 토양으로 침투가 된다. 이러한 수문사상의 변화를 분석하기 위해서는 유역의 토양 및 토지이용상태를 내포하고 있는 GIS정보를 입력하는 것 뿐 만아니라 토양의 함유수분에 따른 선행강우를 고려하여야 한다. 토양의 함유수분은 선행강우에 의해 유역의 토양이 포화됨으로써 강우-유출 분석에 영향을 미친다.