분포형 모형에서의 유출 매개변수 추정에 관한 연구

A Study on the Runoff Parameter Estimation in the Distributed Model

Article information

J. Korean Soc. Hazard Mitig. 2016;16(3):55-66
Publication date (electronic) : 2016 June 30
doi : https://doi.org/10.9798/KOSHAM.2016.16.3.55
이재준*, 이성호, 곽창재***
* Member. Professor, School of Civil Engineering, Kumoh National Institute of Technology
*** Member. Researcher, Disaster Research Dept, National Disaster Management Institute
**Corresponding Author. Member. ABD, School of Civil Engineering, Kumoh National Institute of Technology (Tel: +82-54-478-7616, Fax: +82-54-478-7859, E-mail: lsh8362@kumoh.ac.kr)
Received 2016 March 29; Revised 2016 March 30; Accepted 2016 April 12.

Abstract

본 연구에서는 산지와 도시가 혼재된 복합유역의 유출분석을 위해 2012년 개발된 분포형 강우-유출 모형인 COBRA 모형을 사용하여 유출 매개변수 추정에 관한 연구를 진행하였다. 용담 시험유역의 구량천 유역을 대상유역으로 선정하여 공극률, 잔류함수비, 공극분포와 같은 유출 매개변수 추정에 대한 타당성 분석을 실시하였다. 유출 매개변수의 평균값을 사용하여 8개 강우사상에 대한 관측 유출수의 첨두유량이 약간 작게 산정되는 것으로 나타났다. 따라서 공극률, 잔류함수비와 공극분포의 민감도 분석을 실시하였고 민감도 분석을 위한 유출 매개변수의 범위는 평균값의 75%에서 -75%의 범위로 설정하였다. 민감도 분석 결과 공극률과 공극분포는 첨두유량과 반비례관계이고 잔류함수비는 첨두유량과 비례관계인 것으로 분석되어 COBRA 모형의 결과가 정상적으로 도출되는 것으로 검토되었다. 민감도 분석 결과를 바탕으로 구량천 유역의 6가지 배수등급에 따라 매개변수의 값을 분류하였고 COBRA 모형에 유출 매개변수의 제안된 값을 적용하였으며, 관측 유출수문곡선과 매개변수 설정 후 유출수문곡선의 적합도 분석결과 매개변수 설정 전에 비해 적합도가 높은 것으로 검토되었다.

Trans Abstract

The purpose of this study is to estimate some runoff parameters for using COBRA model which is distributed rainfall-runoff model. COBRA model has been developed to estimate the runoff of composite urban basin in 2012. Some runoff parameter which are totalporosity, residual water contents, and pore-size distributions are analyzed for the validity about the their estimates. The Guryangwatershed of Yongdam test bed is selected as experimental region. Runoff hydrograph between observed one and simulated one whichis used mean value of runoff parameters are compared for 8 historic rainfall-runoff events. It is shown that simulated one is underestimatedin comparison with the observed one in terms of peak discharge in this case. Therefore an additional sensitivity analysis isfulfilled to seize the sensitivity of some runoff parameters. The range of runoff parameters is covered from 75% to -75% of their meanvalues. The COBRA model is considered to be drawn properly as following results that are Total porosity and pore-size distributionswere shown in inverse relation to the peak discharge, and otherwise residual water contents was shown in proportional relation. Byapplying the sensitivity analysis is classified according to the parameters sets in terms of 6 kinds of soil drainage classes in Guryangwatershed, a default value of some runoff parameters is proposed for using COBRA model. The fitness of runoff hydrograph betweenobserved one and newly simulated one was examined to be higher than that of before correction in accuracy.

1. 서론

최근 기후변화로 인한 강우량의 증가로 도시유역의 홍수 위험성이 증가하고 있다. 2000년대 이후 도시 내수침수에 큰 영향을 미치는 시간당 강우량이 증가하는 추세이며, 도시화 및 산업화로 인한 불투수 지역의 증가는 하천으로 유입되는 첨두유량의 증가, 도달시간의 감소 등의 수문학적인 특성이 나타남에 따라 홍수에 대한 방어능력을 취약하게 만들어 배수능력을 상회하는 강우 발생 시 도시 내수 침수 피해가 잇따르고 있다. 이처럼 도시 내수 침수예방을 위해서는 도시유역의 유출 양상을 추정하기 위한 정확한 강우-유출 해석이 필요한 실정이다. 강우-유출 해석모형은 매개변수의 공간적인 변화에 따라 집중형 모형(lumped model)과 분포형 모형(distributed model)으로 구분할 수 있으며, 유역 특성이나 강우의 공간 변동성을 고려할 수 있다는 장점에서 분포형 모형이 비교적 정확한 수문 모의가 가능한 것으로 연구되었다.

분포형 유출 모형은 Freeze and Harlan (1969)에 의해 필요성이 제기되었으며, 기술적인 개발이 이루어진 후 여러 학자들에 의해 연구가 진행되었다. 그 결과 Beven et al. (1985)에 의해 IHDM(Institute of Hydrology Distributed Model)과Abbott et al. (1986a; 1986b)에 의해 MIKE-SHE 모형 등이 개발되었으며, 지속적으로 모형의 개발이 이루어져왔다. 미국에서는 1980년대부터 분포형 모형들이 개발되기 시작하여1990년대에 연구가 집중되었다. 대표적인 모형으로는 Julien and Saghafian (1991)이 개발한 CASC2D 모형이 있으며, 2차원 유역 유출모형으로 장·단기의 강수, 지표면 흐름, 침투, 하천흐름을 해석할 수 있는 CASC2D 모형은 Downer and Ogden(2002)이 GSSHA(Gridded Surface-Subsurface Hydrologic Analysis) 모형으로 개선하였고, WMS 모형에서 지표면 흐름해석에 사용되고 있다. Vieux (2002)는 공간적으로는 유한요소법, 시간적으로는 유한차분법을 이용한 Vflo™모형을 개발하였으며, 국내에서도 Vflo™모형을 이용한 연구들이 수행되고 있다.

국내에서는 1990년대 중반부터 분포형 모형의 개발 및 적용에 대한 연구가 진행되어 왔다. Kim (1998)은 격자 기반의 물수지 기법을 이용하여 강우에 의한 지표흐름과 지표하흐름의 시간적 변화와 공간적 분포를 모의할 수 있는 분포형 모형인 KIMSTORM을 개발하였으며, 전처리 과정으로서 GRASS(Geographinc Resources Analysis Support Systerm)를 이용하여 모형에 필요한 자료들을 준비하고, 후처리 과정으로서 모형의 수행 결과인 유출량, 유출고, 토양수분 등을 GRASS상에서 도시할 수 있도록 구성하였으며, Kim et al. (1998)은 KIMSTORM 모형을 연천댐 유역에 대해 적용하여 강우-유출모형의 적용 가능성을 검토하였다. Yoo and Oh (2000)는 지표수-지하수 유량변동 수치모형인 SIRG 모형을 개발하여 양양남대천 유역에 적용성을 평가한 바 있다. 이 모형은 합리식에 근거한 모형들의 장단점을 보완한 모형으로서 자연유역이나 도시유역에 광범위하게 적용할 수 있다. Choi and Han(2004a; 2004b)은 확산파 방정식을 이용한 2차원 유한차분 모형을 개발하여 Monte Carlo 모의기법을 결합하여 추계학적 모형을 구성하여 적용성을 평가한 바 있으며, Shin et al.(2004)은 유역면적이 비교적 작은 횡성다목적댐을 대상으로 모형의 원형을 구축한 격자기반 분포형 강우-유출 모형을 개발하여 대유역인 합천다목적댐을 대상으로 적용성을 평가한바 있다. Kim et al. (2007)은 지표면 유출의 시간적 변화와 공간적 분포를 모의할 수 있는 격자기반의 도시유역 지표면유출모형을 개발하여 가상유역 및 군자 배수구역에 적용한바 있다. Choi et al. (2008)은 격자 기반의 분포형 강우-유출모형인 GRM(Grid based Rainfall-runoff Model) 모형을 개발하여 임진강 유역에 적용한 바 있다. Kwak and Lee (2012a; 2012b)는 분포형 유출모형으로 포화상태에서 지표유출이 발생한다는 가정 하에 기저유출을 제외한 지표 유출과 지표하유출 개개의 알고리즘을 구성하고 두 가지 해석과정을 수치해석적으로 커플링 할 수 있는 복합유역 유출해석 모형인COBRA 모형을 개발하여 재난안전연구원의 침투실험 자료 및 가상유역에서 불포화 투수성 토양층의 침투해석에 모형을 적용한 바 있다.

본 연구에서는 도시유역과 같은 복합유역의 특성을 반영 할 수 있고 기존 도시유역 유출해석 모형들이 가지고 있는 적용한계를 개선하고자 입력강우에 대한 침투해석을 지표면의 상황에 따라 수행할 수 있으며, GIS를 통한 유역의 지형학적인 구성상태가 고려될 수 있게 개발된 분포형 강우-유출해석 모형인 COBRA 모형(Kwak and Lee, 2012a; 2012b)을 사용함에 있어서 선행강우조건에 따른 유출 매개변수의 추정을 통해 정확한 홍수유출해석 결과를 얻을 수 있는 매개변수 설정치를 제안하고자 한다.

2. 연구개요

2.1 COBRA 모형

본 연구에서는 산지와 도심지가 혼재된 대도시 유역과 같은 복합유역의 특성을 반영 할 수 있고 기존 도시유역 유출해석모형들이 가지고 있는 적용 한계를 개선하고자 입력강우에 대한 침투해석을 지표면의 상황에 따라 수행할 수 있게 개발된 복합유역 유출해석 모형인 COBRA(COmposite Basin Runoff Analysis) 모형(Kwak and Lee, 2012a; 2012b)을 이용하여 유출 매개변수 추정에 관한 연구를 수행하였다. COBRA모형은 GIS를 이용한 지리정보체계를 구축함으로써 유역의 지형학적인 특성을 반영할 수 있고 유효우량 분리법을 이용한 강우의 초기 손실량 산정 대신 지표면의 특성을 고려한 침투해석을 실시하며, 투수성 토양층의 포화상태를 고려하여 포화 침투해석 및 불포화 침투해석을 실시할 수 있다. 지표 유출과 지표하 유출의 경계층의 상호작용에 대한 Coupling 침투해석을 실시하고 관거해석의 경우 SWMM 모형의 기법을 활용하며, 맨홀을 통한 유입 및 유출을 지표면 유출과 연계하여 분석을 실시한다. COBRA 모형은 DEM, 투수계수, 공극률, 유효토심, 조도계수, 투수·불투수 구분, 잔류함수비, 공극분포 등 8개의 항목을 입력자료로 채택하고 있으며, 도시유역의 경우 맨홀자료와 관거자료를 추가로 입력하여 관거해석을 실시할 수 있다.

COBRA 모형은 투수 유역에 강우가 발생하면 토양층의 포화정도에 따라 지표 유출 또는 지표하 유출이 발생하고 투수지역에 대한 강우와 지표유출 및 지표하 유출에 대한 상호작용이 일어난다는 가정하에 해석이 이루어지고 있어 지표면을 구성하는 토양의 종류 및 토양 특성들에 민감하게 반응을 한다(Kwak and Lee, 2012a). COBRA 모형의 각각의 입력자료는 토양의 종류, 중분류 토지피복 분류, 배수등급에 따라 각기 다르게 구성되고 있으며, 8개의 입력자료 중 공극률, 잔류함수비, 공극분포는 Table 1과 같이 USDA의 토양분류별 토양수분 특성 값을 이용하여 입력자료를 구성한다. 입력자료 중잔류함수비의 경우 평균값에서 표준편차를 뺀 최소값이 음수의 값을 가지므로 모형 내에서는 인식가능하도록 최소값으로 0을 사용한다.

Water-Retention Properties Classified by Soil Texture (Rawls et al., 1982)

2.2 대상유역 및 자료구축

본 연구에서는 분포형 모형에서의 유출 매개변수 추정을 위하여 한국수자원공사 수자원연구원의 용담시험유역을 대상유역으로 선정하여 연구를 진행하였다. 용담 시험유역의 유역면적은 약 930 km2에 이르며, 장수군, 무주군, 진안군에 걸쳐 위치하고 있으며, 7개의 강우관측소와 6개의 수위관측소를 보유하고 있다. 본 연구에서는 용담시험유역의 소유역 중 동일유역에 수위관측소와 강우관측소가 설치되어 있으며 비교적 많은 관측 자료를 보유한 구량천 유역을 유출해석 대상지점으로 선정하였다. 구량천 유역은 경사가 급한 전형적인 산지하천 유역으로 유역면적은 172.373 km2, 불투수 지역의 면적은 전체면적의 2.701%에 해당하는 4.656 km2이다.

COBRA 모형의 입력자료 중 토지피복분류는 환경부의 중분류 토지피복지도를 이용하였으며, 이를 이용하여 투수지역 및 불투수지역을 구분하였다. 또한 토양분류 및 토양특성자료구축을 위하여 농촌진흥청의 정밀토양도를 사용하였다(Fig. 1). 조도계수의 경우 토지피복상태에 따라 Vieux(2005)가 제시한 8가지의 토지이용상태별 조도계수 값을 적용하였다(Table 2). 유효토심의 경우 20 cm 이하의 경우 20 cm, 100 cm이상일 경우 100 cm로 제한하였으며, 20 cm 이상 100 cm 이하의 유효토심을 가지는 토양에 대해서는 매우양호, 양호, 약간양호, 약간불량, 불량, 매우불량 등 6개의 배수등급에 따라 구분하여 입력자료를 구성하였다. 공극률, 잔류함수비, 공극분포는 각 토양분류별 평균값으로 먼저 입력자료를 구성하여, 적합도 분석 및 민감도 분석을 위한 기본자료로 사용하였으며, 매개변수 추정을 위한 입력강우는 2002년~2009년의 8개 강우사상을 이용하였다(Table 3).

Fig. 1

GIS Maps for Guryang Watershed

Landuse reclassification for roughness values (vieux, 2005)

Rainfall-Runoff Events of Guryang watershed

3. 모형의 적합도 및 민감도 분석

3.1 모형의 적합도 분석

본 연구에서는 국내 실정에 맞는 토양분류별 토양 수분 특성 값의 적정 기준을 수립하고자 구량천 유역의 8개 관측 강우사상에 대한 유출수문곡선과 COBRA 모형을 이용하여 분석된 유출수문곡선과의 비교를 실시하고 이를 정량적으로 분석하기 위해 적합도 분석을 실시하였다. COBRA 모형의 입력자료 중 공극률, 잔류함수비, 공극분포는 토양분류별 평균값을 사용하여 선행모의를 진행하였다. 구량천 유역의 8개 강우사상의 관측 유출수문곡선과 모의 유출수문곡선을 비교한 결과 유출수문곡선의 형태는 유사하게 나타났으나 8개 강우사상에서 모의 유출수문곡선의 첨두유량이 관측 유출수문곡선의 첨두유량에 비해 약간 작게 산정되는 것으로 검토되었다. 관측 및 모의 유출수문곡선의 정량적인 분석을 위하여 평균제곱근오차(Root Mean Squared Error; RMSE), 평균편차비율(Percent BIAS; PBIAS), 모형효율성계수(Nash-Sutcliffe Efficiency; NSE), 지속성 모형 효율성 지수(Persistence Model Efficiency; PME) 등 4가지 적합도 분석방법을 이용하였다(Gupta et al., 1999).

(1)RMSE=1Ni=1N(qtsimqtods)2
(2)PBIAS=i=1N(qtodsqtsim)/i=1Nqtods×100%
(3)NSE=1i=1N(qtsimqtods)2/i=1N(qtodsqtmean)2
(4)PME=1i=1N(qtsimqtods)2/i=1N(qtodsqt1mean)2

여기서, qtsimt시간의 모의유량, qtods는 관측유량, qmean은 관측유량의 평균이다. RMSE의 경우 단순히 모형 예측 오차의 표준편차로 최적값은 0.0이다. PBIAS는 모의 유량이 관측유량에 비해 크거나 작은 정도에 대한 평균적인 경향을 추정하는 것이며, 최적값은 0.0이고, 양수인 경우 과소추정, 음수인 경우 과대추정되는 방향으로 오차가 발생함을 의미한다. NSE와 PME는 최적값은 1.0이고 0.0 이상의 값을 나타내면 효율성이 있다고 판단한다.

적합도 분석결과 RMSE 방법의 경우 DE4, DE5, DE7 강우사상에서 비교적 적합도가 높은 것으로 나타났으며, PBIAS 방법은 DE3, DE5 강우사상에서 비교적 높은 적합도를 보여주고 있다. NSE 방법에서는 모든 강우사상에서 1.0에 가깝게 분포되어 있어 비교적 효율성이 좋은 것으로 판단되며, 특히 DE3, DE5 강우사상의 적합도가 높게 나타났다. PME 방법에서는 최적값 1.0에 근접한 DE3, DE5 강우사상에서 비교적 효율성이 높은 것으로 나타나 DE3, DE5 강우사상에서 대체적으로 적합도가 높은 것으로 검토되었다.

3.2 입력자료의 민감도 분석

구량천 유역의 8개 강우사상에 대한 모의를 수행한 결과, DE3, DE5 강우사상의 적합도가 높은 것으로 나타났다. 관측 및 모의 유출수문곡선을 비교검토한 결과 모의 유출수문곡선의 첨두유량이 과소산정되는 경향이 있어 적합도 향상을 위해 매개변수 적정 값 산정을 위한 매개변수의 변동에 따른 유출결과의 민감도를 파악하고자 한다. 공극률, 잔류함수비, 공극분포를 민감도 분석을 위한 매개변수로 선택하여 분석을 진행하였으며, 각각의 매개변수는 USDA 토양분류별 토양 특성 값의 평균값을 기준으로 기존의 최소 및 최대 범위를 확장하여 ±75%의 변동범위에서 25% 간격으로 설정하였으며, 잔류함수비의 경우 최소값이 음수를 가지므로 모형 내에서는 인식가능하도록 최소값을 0으로 설정하여 민감도를 분석하였다.

8개 강우사상에 대한 공극률, 잔류함수비, 공극분포에 대한민감도를 분석한 결과 공극률과 공극분포의 값과 첨두유량은 반비례관계를 나타내는 것으로 나타났으며, 잔류함수비의 경우 첨두유량과 비례관계인 것으로 검토되어 토양분류별 토양수분 특성 값에 대한 COBRA 모형의 결과가 정상적으로 도출되는 것으로 검토되었다. 첨두유량에 대한 민감도 결과 중 잔류함수비의 입력 값은 평균 값을 기준으로 음수일 경우에는 민감도가 비교적 작은 것으로 나타났으나, 양수의 경우 민감도가 평균 15%를 상회하는 것으로 분석되었으며, 최대 54.21%로 나타나 잔류함수비의 값이 커질수록 첨두유량에 대한 민감도가 크게 나타나는 것으로 분석되었다.

4. 대상유역의 설정 매개변수 제안

구량천 유역의 8개 강우사상에 대한 관측 유출수문곡선과 COBRA 모형의 모의 유출수문곡선의 적합도 분석결과와 토양분류별 토양 수분 특성 값을 고려한 추정 매개변수의 민감도 분석결과를 토대로 설정 매개변수를 제안하였다. 공극률 및 공극분포의 경우 매개변수 산정범위 중 +25%, +50% 값에서 비교적 적합도가 높은 결과를 나타내었으며, 잔류함수비는 매개변수 산정범위 중 -25%, -50% 값에서 비교적 높은 적합도를 나타내었다. 구량천 유역의 경우 토양의 배수등급이 대부분 약간양호, 양호의 등급으로 구성되어 있는 것으로 조사되었으며, 공극률 및 공극분포는 약간양호 등급에서 +25%, 양호 등급에서 +50%가 적합한 것으로 분석되었으며, 잔류함수비는 양호등급에서 -50%, 약간양호 등급에서 -25%의 값이 적합한 것으로 분석되었다.

COBRA 모형의 경우 입력자료의 구성이 중분류 토지피복분류, 토양종류, 배수등급에 따라 나누어져 있으며, 11개의 토양분류에 대한 각각의 토양 수분 특성 값의 설정이 어려우므로 토양분류별 토양 수분 특성 값의 경우에도 6개의 배수등급으로 나누어 매개변수 값을 선정하였다. 공극률 및 공극분포의 경우 값이 작을수록 유출량이 크게 산정되었고 잔류함수비의 경우 잔류함수비의 값이 클수록 유출량이 크게 산정되었으므로 공극률, 잔류함수비, 공극분포의 값과 첨두유량과의 비례-반비례 관계를 적용하였다. 공극률 및 공극분포는 입력 값과 첨두유량이 반비례 관계를 나타내었으므로 평균 값을 배수등급 보통으로 가정하고 -75% 값을 배수등급 매우불량, -50%는 불량, -25%는 약간불량, +25%는 약간양호, +50%는 양호, +75%는 매우양호를 적용하였다. 잔류함수비는 입력 값과 첨두유량이 비례 관계를 가지므로 평균 값을 배수등급 보통으로 가정하고 -75% 값을 배수등급 매우양호, -50%는 양호, -25%는 약간양호, +25%는 약간불량, +50%는 불량, +75%는 매우불량을 적용하였다(Table 6). 공극률과 잔류함수비 및 공극분포에 대해 제안된 매개변수의 값을 적용하여 얻어진 모의 유출수문곡선과 관측 유출수문곡선 및 매개변수 보정전 모의 유출수문곡선과의 비교검토를 실시하였으며, Fig. 4.와 같은 결과를 나타내었다.

Proposed parameters of COBRA model

Fig. 4

Comparison of hydrograph (After calibration)

Result of Accuracy Test

Parameters for sensitivity analysis

Result of Accuracy Test (After correction)

Fig. 2

Comparison of hydrograph

Fig. 3

Results of parameters for sensitivity analysis

구량천 유역의 8개 강우사상에 대한 관측 유출수문곡선과 매개변수 값의 보정 전·후의 모의 유출수문곡선의 비교결과매개변수 보정 후 과소 산정되었던 첨두유량 값이 보정 전에 비해 비교적 크게 산정되어 관측 유출수문곡선의 첨두유량과 비슷한 값을 나타내는 것으로 검토되었다. 토양분류별 토양수분 특성 값을 6개의 배수등급에 따라 부여함에 따라 보다 정확한 유출결과가 산정된 것으로 사료되며, 보정 후의 모의유출수문곡선과 관측 유출수문곡선의 적합도 분석을 실시한 결과 RMSE 방법의 경우 유량이 큰 DE2, DE6 강우사상에서 다소 높은 값이 나타났으나 전반적으로 적합도가 향상된 것으로 검토되었다. PBIAS 및 NSE 방법의 경우 최적값에 근사한 결과를 나타내 효율성이 높은 것으로 검토되었고 PME 방법에서는 유량이 큰 강우사상을 제외한 다른 강우사상에서는 최적값에 근접한 것으로 나타나 보정 전에 비해 적합도가 높은 것으로 검토되었다.

5. 결론

본 연구에서는 용담 시험유역의 구량천 유역을 대상으로 분포형 강우-유출 모형인 COBRA 모형을 사용하여 유출 매개변수 추정에 관한 연구를 진행하였다. 공극률, 잔류함수비, 공극분포 등 유출 매개변수의 평균값을 사용하여 8개 강우사상에 대한 관측 유술수문곡선 및 모의 유출수문곡선의 결과를 비교하였으며, 관측 유출수문곡선에 비해 모의 유출수문곡선의 첨두유량이 약간 작게 산정되는 것으로 나타났다.

공극률, 잔류함수비, 공극분포 등 유출 매개변수의 민감도분석을 위하여 각각의 매개변수는 USDA 토양분류별 토양특성 값의 평균을 기준으로 ±75%의 범위로 설정하였다. 민감도 분석 결과 공극률과 공극분포는 첨두유량과 반비례관계이고 잔류함수비는 첨두유량과 비례관계인 것으로 분석되어 COBRA 모형의 결과가 정상적으로 도출되는 것으로 검토되었다. 특히 잔류함수비의 경우 첨두유량에 대한 민감도가 평균 15% 이상를 상회하는 것으로 분석되었으며, 최대 54.21%로 나타나 유출 매개변수 중 잔류함수비에 대한 민감도가 가장 큰 것으로 분석되었다.

민감도 분석 결과를 바탕으로 구량천 유역의 6가지 배수등급(매우불량, 불량, 약간불량, 약간양호, 양호, 매우양호)에 따라 유출 매개변수의 값을 분류하였고 COBRA 모형에 유출매개변수의 제안된 값을 적용하여 유출분석을 실시한 결과매개변수 보정 후 첨두유량이 보정 전에 비해 약간 크게 산정되어 관측 유출수문곡선의 첨두유량과 비슷한 것으로 검토되었다. 보정 후의 모의 유출수문곡선과 관측 유출수문곡선의 적합도 분석을 실시한 결과 RMSE 방법에서는 전반적으로 적합도가 향상된 것으로 검토되었다. PBIAS 및 NSE 방법의 경우 최적값에 근사한 결과를 나타내 효율성이 높은 것으로 검토되었고 PME 방법에서는 유량이 큰 강우사상을 제외한 다른 강우사상에서는 최적값에 근접한 것으로 나타나 보정 전에 비해 적합도가 높은 것으로 검토되었다. 따라서 본 연구의 결과를 토대로 토양분류별 토양 수분 특성 값을 모형의 입력매개변수로 설정할 경우 배수등급에 따라 제안된 각각의 값을 부여함으로써 강우-유출 해석결과의 적합도 향상을 기대할 수 있을 것으로 사료된다.

감사의 글

본 연구는 2013년도 금오공과대학교 학술연구비에 의하여 연구된 성과로서 지원에 감사드립니다.

References

Abbott M.B, Bathurst J.C, Cunge J.A, O’Conncll P.E, Rasmussen J. 1986a;An Introduction to the European Hydrological System-Systeme Hydrologique Europeen SHE. 1: History and Philosophy of a Physically Based Distributed Modelling System. J. Hydrol 87:45–59. 10.1016/0022-1694(86)90115-0.
Abbott M.B, Bathurst J.C, Cunge J.A, O’Conncll P.E, Rasmussen J. 1986b;An Introduction to the European Hydrological System-Systeme Hydrologique Europeen SHE. 2: Physically Based Distributed Modelling System. J. Hydrol 87:61–77. 10.1016/0022-1694(86)90115-0.
Beven K.J. 1985. Distributed models, Hydrological forecasting. In : Anderson M.G, burt T.P, eds. wiley. chichester: p. 405–435.
Beven K.J, Calver A, Morris E.M. 1987. The Institute of Hydrology Distributed Model, Report No. 98 Institute of Hydrology. Wallingford, UK:
Choi H.S, Han K.Y. 2004;Development of Distributed Rainfall Runoff Model by Using GIS and Uncertainty Analysis (II). Journal of Korea Water Resource Association, KWRA 37:341–352. 10.3741/JKWRA.2004.37.4.341.
Choi Y.S, Kim K.T, Lee J.H. 2008;Development of Grid Based Distributed Rainfall-Runoff Model with Finite Volume Method. Journal of Korea Water Resource Association, KWRA 41:895–905. 10.3741/JKWRA.2008.41.9.895.
Downer C.W, Ogden F.L. 2002;GSSHA User’s Manual, Gridded Surface-Subsurface hydrologic Analysis. Version 1.43 for WMS 6.1, EDRL Technical Report, Engineering Research and Development Center U.S. Army Corps of Engineers, Vicksburg
Freeze R.A, Harlan R.L. 1969;Blueprint for a physically based digitally simulated hydrologic response model. Journal of Hydrology 9:237–258. 10.1016/0022-1694(69)90020-1.
Gupta H.V, Sorooshian S, Yapo P.O. 1999;Status of automatic calibration for hydrologic model: comparison with multilevel expert calibration. Journal of Hydrologic Engineering 4(No. 2):135–143. 10.1061/(ASCE)1084-0699(1999)4:2(135).
Julien P.Y, Saghafian B. 1991;CASC2D User’s Manual, A Two-Dimensional Watershed Rainfall-Runoff Model. Center for Geosciences-Hydrologic Modeling Group, Colorado State University (CER90-91PYJ-BS-12)
Kim S.J, Chae H.S, Shin S.C. 1998;Grid-Based Kinematic Wave STOrm Runoff Model (KIMSTORM)(II) - Application(applied to Yonchen Dam Watershed). Journal of Korea Water Resource Association, KWRA 31:309–315.
Ko D.G. 1989. Development of hydrologic simulation model for the prediction of lonterm runoff from an small watershed. Ph.D. dissertation, Seoul University
Kwak C.J, Lee J.J. 2012a;A Development of Method for Surface and Subsurface Runoff Analysis in Urban Composite Watershed (I) - Theory and Development of Module -, Journal of Korea Water Resource Association. KWRA 45:39–52. 10.3741/JKWRA.2012.45.1.39.
Kwak C.J, Lee J.J. 2012b;A Development of Method for Surface and Subsurface Runoff Analysis in Urban Composite Watershed (II) - Analysis and Application. Journal of Korea Water Resource Association, KWRA 45:53–64. 10.3741/JKWRA.2012.45.1.53.
Maidment D.R. 1992. Handbook of Hydrology McGraw-Hill. New York:
Ogden F.L. 1997;Premier: Using WMS for CASC2D Data Development Brigham Young University, Provo, UT
Park J.Y, Shin C.D, Lee J.S. 2004;A Study on the Critical Duration of Design Rainfall in Midsize Catchment. Journal of Korea Water Resource Association, KWRA 37(No. 9):695–706. 10.3741/JKWRA.2004.37.9.695.
Park S.S, Kang B.S. 2011;Resampling for Roughness Coefficient of Surface Runoff Model Using Mosaic Scheme. Journal of the Environmental Sciences 20:93–106. 10.5322/jes.2011.20.1.93.
Rawls W.J, Brakensiek D.L, Saxton K.E. 1982;Estimation of Soil Water Properties. TRANSACTIONS of the ASAE 25(No. 5):1316–1320. 10.13031/2013.33720.
Shin C.K, Cho H.S, Jung K.S, Kim J.H. 2004;Grid Based Rainfall-Runoff Modeling Using Storage Function Method. Journal of Korea Water Resource Association, KWRA 37:969–978. 10.3741/JKWRA.2004.37.11.969.
Vieux B.E. 2002. Predictablility of Flash Floods Using Distributed Parameter Physics-Based Models, Appendix B in: Report of a Workshop on predictability and Limits to prediction in Hydrologic Systems, Comittee on Hydrologic Science National Research Council, National Academy Press, ISBN 0-309-08347-8. p. 77–82.
Vieux B.E. 2004. Distribute hydrologic modeling usig GIS, Second Edition Kluwer Academic Publishers. Dordrecht, The Netherlands: PMC516386.
Vieux B.E. 2005;Vflo TM 3.0 Desktop User manual
Yu J.H. 2006;Optimal Determination of the Parameters Representative of a Basin in the Horton’s Infiltration Model. Journal of Korea Water Resource Association, KWRA 39(No 11):977–984. 10.3741/JKWRA.2006.39.11.977.

Article information Continued

Table 1

Water-Retention Properties Classified by Soil Texture (Rawls et al., 1982)

Texture class Sample size Total porosity (Φ) cm3/cm3 Residual water content (θr) cm3/cm3 Pore-size distribution (λ) cm Saturated hydraulic conductivity (Ks) cm/hr
Sand 762 0.374 ~ 0.500 (0.437) 0.001 ~ 0.039 (0.020) 0.298 ~ 1.090 (0.694) 21.00
Loamy sand 338 0.363 ~ 0.506 (0.437) 0.003 ~ 0.067 (0.035) 0.234 ~ 0.872 (0.553) 6.11
Sandy loam 666 0.351 ~ 0.555 (0.453) -0.024 ~ 0.106 (0.041) 0.140 ~ 0.616 (0.378) 2.59
Loam 383 0.375 ~ 0.551 (0.463) -0.020 ~ 0.074 (0.027) 0.086 ~ 0.418 (0.252) 1.32
Silt loam 1206 0.420 ~ 0.582 (0.501) -0.028 ~ 0.058 (0.015) 0.105 ~ 0.363 (0.234) 0.68
Sandy clay loam 498 0.332 ~ 0.464 (0.398) -0.001 ~ 0.137 (0.068) 0.079 ~ 0.559 (0.319) 0.43
Clay loam 366 0.409 ~ 0.519 (0.464) -0.024 ~ 0.174 (0.075) 0.070 ~ 0.414 (0.242) 0.23
Silty clay loam 689 0.418 ~ 0.524 (0.471) -0.038 ~ 0.118 (0.040) 0.039 ~ 0.315 (0.177) 0.15
Sandy clay 45 0.370 ~ 0.490 (0.430) 0.013 ~ 0.205 (0.109) 0.048 ~ 0.398 (0.223) 0.12
Silty clay 127 0.425 ~ 0.533 (0.479) -0.024 ~ 0.136 (0.056) 0.040 ~ 0.260 (0.150) 0.09
Clay 291 0.427 ~ 0.523 (0.475) -0.015 ~ 0.195 (0.090) 0.037 ~ 0.293 (0.165) 0.06

*Upper line is ± one standard deviation about the mean(μ ± σ). Lower line is the mean value(μ).

Table 2

Landuse reclassification for roughness values (vieux, 2005)

 Class   Description   Roughness(n) 
1 Water Area 0.03
2 Urbanization 0.015
3 Eroded Land 0.035
4 Marsh 0.05
5 Grassland 0.13
6 Forest 0.10
7 Paddy Field 0.05
8 Cropland 0.035

Table 3

Rainfall-Runoff Events of Guryang watershed

 Events  Events  Total Rainfall (mm) 
DE1  2004. 07. 07 05:00 ~ 2004. 07. 07 13:00  42.0
DE2 2004. 08. 22 03:00 ~ 2004. 08. 23 09:00 86.0
DE3 2004. 09. 20 16:00 ~ 2004. 09. 20 23:00 45.0
DE4 2005. 06. 10 05:00 ~ 2005. 06. 10 19:00 40.0
DE5 2005. 07. 11 02:00 ~ 2005. 07. 11 12:00 41.0
DE6 2008. 07. 25 01:00 ~ 2008. 07. 25 10:00 121.0
DE7 2009. 05. 21 02:00 ~ 2009. 05. 21 14:00 39.0
DE8 2009. 06. 21 23:00 ~ 2009. 06. 22 12:00 62.0

Fig. 1

GIS Maps for Guryang Watershed

Table 4

Result of Accuracy Test

Event DE1 DE2 DE3 DE4 DE5 DE6 DE7 DE8
RMSE 4.8547 8.4960 3.6505 1.6372 2.8715 7.5808 2.6046 6.4446
 PBIAS(%)   0.1282   0.1017   0.0693   0.1866   0.0970   0.1373   0.1049   0.2012 
NSE 0.9826 0.9794 0.9917 0.9603 0.9883 0.9803 0.9861 0.9431
PME 0.3461 0.2980 0.7591 -0.8833 0.7247 0.5216 0.3243 -0.3481

Table 5

Parameters for sensitivity analysis

Texture class  Fluctuation range of Parameter (-75% ~ +75%) 
Total porosity (Φ) (cm3/cm3)
-75% -50% -25% avg +25% +50% +75%
Sand 0.311 0.374 0.4055 0.437 0.4685 0.500 0.563
Loamy sand 0.299 0.368 0.4025 0.437 0.4715 0.506 0.575
Sandy loam 0.249 0.351 0.402 0.453 0.504 0.555 0.657
Loam 0.287 0.375 0.419 0.463 0.507 0.551 0.639
Silt loam 0.339 0.420 0.4605 0.501 0.5415 0.582 0.663
 Sandy clay loam  0.266 0.332 0.365 0.398 0.431 0.464 0.530
Clay loam 0.354 0.409 0.4365 0.464 0.4915 0.519 0.564
Silty clay loam 0.365 0418 0.4445 0.471 0.4975 0.524 0.577
Sandy clay 0.310 0.370 0.400 0.430 0.460 0.490 0.550
Silty clay 0.371 0.425 0.452 0.479 0.506 0.533 0.587
Clay 0.379 0.427 0.451 0.475 0.499 0.523 0.571
Texture class Residual water content (θr) (cm3/cm3)
-75% -50% -25% avg +25% +50% +75%
Sand 0.000 0.001 0.0105 0.020 0.0295 0.039 0.058
Loamy sand 0.000 0.003 0.019 0.035 0.051 0.067 0.099
Sandy loam 0.000 0.000 0.0205 0.041 0.0735 0.106 0.171
Loam 0.000 0.000 0.0135 0.027 0.0505 0.074 0.121
Silt loam 0.000 0.000 0.0075 0.015 0.0365 0.058 0.101
Sandy clay loam 0.000 0.000 0.034 0.068 0.1025 0.137 0.206
Clay loam 0.000 0.000 0.0375 0.075 0.145 0.174 0.273
Silty clay loam 0.000 0.000 0.020 0.040 0.079 0.118 0.196
Sandy clay 0.000 0.013 0.061 0.109 0.157 0.205 0.301
Silty clay 0.000 0.000 0.028 0.056 0.096 0.136 0.216
Clay 0.000 0.000 0.045 0.090 0.1425 0.195 0.300
Texture class Pore-size distribution (λ) (cm)
-75% -50% -25% avg +25% +50% +75%
Sand 0.000 0.298 0.496 0.694 0.892 1.090 1.486
Loamy sand 0.000 0.234 0.3935 0.553 0.7125 0.872 1.191
Sandy loam 0.070 0.140 0.259 0.378 0.497 0.616 0.854
Loam 0.043 0.086 0.169 0.252 0.335 0.418 0.584
Silt loam 0.0525 0.105 0.1695 0.234 0.435 0.636 1.038
Sandy clay loam 0.0395 0.079 0.199 0.319 0.439 0.559 0.799
Clay loam 0.035 0.070 0.156 0.242 0.328 0.414 0.586
Silty clay loam 0.0195 0.039 0.108 0.177 0.246 0.315 0.453
Sandy clay 0.024 0.048 0.1355 0.223 0.3105 0.398 0.573
Silty clay 0.020 0.040 0.095 0.150 0.205 0.260 0.370
Clay 0.0185 0.037 0.101 0.165 0.229 0.293 0.421

Table 6

Proposed parameters of COBRA model

Texture class Total porosity (Φ) (cm3/cm3)
Soil Drainage Class
Very Poorly  Poorly  Imperfectly  Moderately Well  Well  Excessively Well 
Sand 0.311 0.374 0.4055 0.4685 0.500 0.563
Loamy sand 0.299 0.368 0.4025 0.4715 0.506 0.575
Sandy loam 0.249 0.351 0.402 0.504 0.555 0.657
Loam 0.287 0.375 0.419 0.507 0.551 0.639
Silt loam 0.339 0.420 0.4605 0.5415 0.582 0.663
Sandy clay loam 0.266 0.332 0.365 0.431 0.464 0.530
Clay loam 0.354 0.409 0.4365 0.4915 0.519 0.564
Silty clay loam 0.365 0418 0.4445 0.4975 0.524 0.577
Sandy clay 0.310 0.370 0.400 0.460 0.490 0.550
Silty clay 0.371 0.425 0.452 0.506 0.533 0.587
Clay 0.379 0.427 0.451 0.499 0.523 0.571
Texture class Residual water content (θr) (cm3/cm3)
Soil Drainage Class
Very Poorly Poorly Imperfectly Moderately Well Well Excessively Well
Sand 0.058 0.039 0.0295 0.0105 0.001 0.000
Loamy sand 0.099 0.067 0.051 0.019 0.003 0.000
Sandy loam 0.171 0.106 0.0735 0.0205 0.000 0.000
Loam 0.121 0.074 0.0505 0.0135 0.000 0.000
Silt loam 0.101 0.058 0.0365 0.0075 0.000 0.000
Sandy clay loam 0.206 0.137 0.1025 0.034 0.000 0.000
Clay loam 0.273 0.174 0.145 0.0375 0.000 0.000
Silty clay loam 0.196 0.118 0.079 0.020 0.000 0.000
Sandy clay 0.301 0.205 0.157 0.061 0.013 0.000
Silty clay 0.216 0.136 0.096 0.028 0.000 0.000
Clay 0.300 0.195 0.1425 0.045 0.000 0.000
Texture class Pore-size distribution (λ) (cm)
Soil Drainage Class
Very Poorly Poorly Imperfectly Moderately Well Well Excessively Well
Sand 0.000 0.298 0.496 0.892 1.090 1.486
Loamy sand 0.000 0.234 0.3935 0.7125 0.872 1.191
Sandy loam 0.070 0.140 0.259 0.497 0.616 0.854
Loam 0.043 0.086 0.169 0.335 0.418 0.584
Silt loam 0.0525 0.105 0.1695 0.435 0.636 1.038
Sandy clay loam 0.0395 0.079 0.199 0.439 0.559 0.799
Clay loam 0.035 0.070 0.156 0.328 0.414 0.586
Silty clay loam 0.0195 0.039 0.108 0.246 0.315 0.453
Sandy clay 0.024 0.048 0.1355 0.3105 0.398 0.573
Silty clay 0.020 0.040 0.095 0.205 0.260 0.370
Clay 0.0185 0.037 0.101 0.229 0.293 0.421

Table 7

Result of Accuracy Test (After correction)

Events DE1 DE2 DE3 DE4 DE5 DE6 DE7 DE8
RMSE 1.9026 7.0213 3.2000 0.8639 1.5223 7.1982 0.9541 1.8201
 PBIAS(%)   0.0061   0.0431   0.0452   0.0385   -0.0133   0.1236   -0.0159  0.0048
NSE 0.9973 0.9859 0.9936 0.9889 0.9967 0.9822 0.9981  0.9809 
PME 0.8996 0.5205 0.8149 0.4756 0.9226 0.3595 0.9093 0.5482

Fig. 2

Comparison of hydrograph

Fig. 3

Results of parameters for sensitivity analysis

Fig. 4

Comparison of hydrograph (After calibration)