지역대기모델을 이용한 우리나라 최대 강수량 추정을 위한 사전 연구: 태풍 루사 강수량 재현

Preliminary Study for Physically Based Estimation of Maximum Precipitation Using the Regional Climate Model in Korea: Reconstruction of Typhoon RUSA Rainfall

Article information

J. Korean Soc. Hazard Mitig. 2017;17(1):401-411
Publication date (electronic) : 2017 February 28
doi : https://doi.org/10.9798/KOSHAM.2017.17.1.401
이정훈*, 최정현**, 정현교***, 김상단
* Member, Ph. D. Student, Division of Earth Environmental System Science(Major of Environmental Engineering), Pukyong National University
** Member, Master Student, Division of Earth Environmental System Science(Major of Environmental Engineering), Pukyong National University
*** Researcher, MOLIT, Han River Flood Control Office, Water Resources Information Center
****Corresponding Author, Member. Professor, Department of Environmental Engineering, Pukyong National University (Tel: +82-51-629-6529, Fax: +82-51-629-6523, E-mail: skim@pknu.ac.kr)
Received 2016 November 30; Revised 2016 December 02; Accepted 2016 December 15.

Abstract

극한강우사상은 사회적으로 심각한 영향을 미칠 수 있으며, 따라서 보다 과학적으로 극한강우사상을 산정하기 위한 방법론이 필요하다. 본 연구는 지역대기모델을 이용하여 한국의 최대 강수량을 산정하기 위한 사전연구이다. 이를 위해 과거 극한강우사상들을 조사하고 사례극한강우사상으로 태풍 루사를 선정하였다. WRF(Weather Research and Forecsting) 모델을 이용하여 태풍 루사에 대한 재현능력을 평가하였다. 태풍 루사를 재현하기 위한 최적 물리옵션은 WSM6, BMJ 그리고 MYJ로 나타났다. WRF는 시간, 공간적 측면에서 태풍 루사로 인한 강수량을 잘 재현하였다. 이러한 연구는 우리나라 최대강수량 산정을 위한 방법론에 기여할 수 있을 것이라 기대된다.

Trans Abstract

The extreme precipitation events can have severe impacts on society. Thus, a methodology to more scientifically estimate the extreme event is required. This paper presented a preliminary study to estimate the maximum precipitation using regional climate model in Korea. For this purpose, the historical extreme events are surveyed and the extreme event by a typhoon Rusa is selected as the case event. This study examines the ability of the WRF(Weather Research and Forecasting) model to reconstruct the Typhoon RUSA. The combination of WSM6, BMJ and MYJ scheme was the best combination for reconstruction of Typhoon RUSA in this study. The WRF successfully simulated the observed precipitation in terms of spatial and temporal distribution. This study is expected to contribute to the new approach in estimation of maximum precipitation in Korea.

1. 서론

최근 세계적인 기상이변으로 인해 극한강우사상이 빈번하게 발생하고 있으며, 우리나라도 2002년 태풍 루사로 인해 강릉지역 동막댐, 장현댐 등이 붕괴되어 큰 피해가 발생한 사례가 있다. 이러한 대규모 수공구조물이 파괴될 경우 사회적으로 광범위한 피해를 야기할 수 있기 때문에 사실상 초과위험이 없는 가능최대강수량(Probable Maximum Precipitation, PMP)을 산정하여 설계된다(Choi et al., 2015). 이러한 PMP는 대규모 수공구조물 설계에 국한하여 적용되어 왔으나, 최근에는 거대재난사상의 추정을 위해서도 이용되고 있는 추세이다(Lee et al., 2016). PMP는 일반적으로 통계적인 방법과 수문기상학적인 방법을 통해 산정된다. 통계적인 방법론은 연 최대강수량 자료의 빈도해석을 기반을 둔 방법론으로(Hershfield, 1961) 관측자료에 전적으로 의존하기 때문에 미래 수문-기후의 거동을 반영하기 힘들다. 따라서 대부분의 연구기관에서는 세계기상기구(World Meteorological Organization, WMO)에서 제시한 수문기상학적 방법론(WMO, 1986)을 이용하여 PMP를 산정하고 있으며, 대상 유역의 가용가능한 자료의 정도에 따라 다르지만 실제 호우의 최대화 및 전이 그리고 포락과정을 거쳐 산정된다.

이러한 수문기상학적 방법론은 지금까지도 세계적으로 많이 사용되고 있지만 최근 몇 가지 문제점이 제기되고 있다. 우선 관측자료를 기반으로 계산되기 때문에 관측자료의 유효성에 매우 민감하며, 최근 기후변화에 대한 증거들이 제시되면서 이러한 방법론의 기본적인 가정인 정상성(stationarity)에 대한 의문이 제기되고 있다(IPCC, 2007; Milly et al., 2008). 수문-기후 시스템의 시간적인 변화를 의미하는 기후 변화는 그 자체가 비정상성(non-stationarity)을 의미하기 때문에 기존의 방법론들은 이와 같은 비정상성을 반영하기에는 어려움이 있다. Ohara et al.(2011)은 기존의 방법론들이 지형에 따른 지구 대기의 비선형 시스템을 적절하게 반영하는지에 대한 의문을 제기한바 있다. 특히 한국은 영토의 70%가 산지로 되어 있어 이러한 지형적 영향에 의해 강수량이 강화되는 경향이 있다(Lee and Choi, 2010). 국내 가능최대강수량 산정에 대한 분석과 평가를 실시한 MLTMA(Ministry of Land, Transport and Maritime Affairs) and K-water(2008)의 연구에서는 가강수량(precipitable water) 산정시에 사용하는 WMO(1986)의 도표는 우리나라 기후 및 지형에 적합하지 않아 최대 5%정도 과대 추정될 가능성이 있다는 것을 확인하였으며, 전문가의 주관이 반영되는 PMP의 시간적 공간적 분포의 한계점도 언급하였다. 또한, 국내외 PMP 산정 결과를 살펴보고 우리나라 PMP 값이 상대적으로 크게 나타나는 것을 확인하였으며, 이는 전이한계를 설정하지 않고 산지효과를 고려하지 않는 것이 문제점일 수 있다고 평가한 바 있다. 참고로 가강수량은 수문기상학자들에 의해 주로 사용되는 용어로 대기의 수직기둥에서 수증기 총량을 나타낸 것이다(Ministry Of Construction & Transportation, 2010).

이러한 다양한 문제점을 해결하기 위한 다양한 연구들이 시도되고 있으며, 그 중 지역대기모델(Regional Climate Model, RCM)을 이용하여 최대 강수량(Maximum Precipitation, MP)을 산정하는 새로운 접근법이 주목받고 있다(Ohara et al., 2011; Ishida et al., 2015). 해당 방법론은 어떠한 가정이나 통계적 선형관계를 이용하지 않고, 대상유역의 비선형 대기 시스템의 다양한 효과를 고려할 수 있기 때문에 이를 이용한 다양한 연구가 진행되고 있지만 아직 국내에서는 적용된바 없다(Lee et al., 2015). 이러한 모델 기반 방법론은 실제 발생했던 과거 극한사상을 RCM을 이용하여 재현하고 이를 최대화 및 전이시켜서 물리적 최대 강수량을 산정한다. 즉, 모델 기반 방법론을 이용하여 극한강우사상을 산정하기 위해서는 우선 과거 호우사상의 재현이 필수적이다. 국내에서도 RCM을 이용하여 극한강우사상을 재현한 연구는 다수 존재한다. Choi et al.(2012)Byun et al.(2015)은 RCM 중 하나인 WRF(Weather Research and Forecasting) 모델을 이용하여 2010년 9월 21일 중부지방 집중호우를 모의하고 입력자료와 물리옵션들에 대한 민감도분석을 실시하였다. Hong and Lee(2009)는 2006년 7월 12일 경기도에 발생했던 돌발호우를 대상으로 WRF 모델의 모의능력을 평가하였다. Kim and Lee(2007)Lee and Choi(2010)은 태풍 루사에 대한 모의를 수행하였으며, Lee and Lee(2011)는 2007년 8월 4~5일 제천지역에 내린 강우를 모의한 바 있다. 또한 Lee and Hong(2006)은 2005년 6월 26~27일 양동지역에 발생했던 극한강우를 모의하고 지형의 영향을 살펴본바 있다. 언급한 연구들은 예보를 목적으로 기상분야에서 수행된 것으로 모델의 성능평가와 민감도 분석, 극한강우의 발생원인 등에 중점을 두고 있어, 기타 기상인자와 강수량의 공간적인 분포는 우수하게 재현하고 있다. 하지만 대부분의 결과들이 강수량을 과소추정하고 있으며 그 시간적인 분포도 재현하지 못하고 있어 방재적인 관점(홍수량 계산 등)에서는 현업에 사용하기에는 무리가 따른다. 수문분야에서는 Baek et al.(2012)이 WRF를 이용하여 2006년 7월 10일 소멸된 태풍 에위니아의 영향으로 발생한 집중호우를 모의하고 이를 수문모형에 적용하여 유출분석을 실시한 바 있다. 일강수량을 비교적 잘 재현하였지만 공간 분포된 강우 자료의 사용가능성을 평가하려는 목적으로 수행된 연구로 시간단위 강수량까지 재현하진 못했다.

본 논문에서는 RCM을 이용하여 최대 강수량을 산정하는 모델 기반 방법론을 우리나라에 적용하기 위한 사전연구로 과거 극한강우사상을 방재적인 측면에서 합리적으로 재현하고자 하였다. 일반적으로 우리나라에는 집중호우사상과 태풍이 극한 강수량을 야기하며, 집중호우사상에 대해서는 선행연구(Lee et al., 2015)를 통해 실험한 바 있다. 따라서 본 연구에서는 한국에 큰 피해를 끼친 과거 태풍사상을 조사하고, 이러한 태풍을 RCM을 이용하여 재현하였다.

2. 연구방법

2.1 대상 태풍 선정

태풍백서(KMA, 2011)에 따르면 근대적 기상관측이 우리나라에 개시된 이래 최근까지 107년 동안(1904-2010) 영향을 미친 태풍의 수는 모두 327개이며, 태풍 통과 시에 관측된 일 최다강수량의 순위는 Table 1과 같다. 차례대로 순위, 태풍번호, 태풍명, 지명, 일 최다강수량(mm), 나타난 일자를 나타낸다.

Rank of Daily Maximum Precipitation(When Typhoon Passed by)

본 연구에서는 일 최다강수량을 기록한 태풍 루사(RUSA)를 사례 사상으로 선정하였다. 태풍 루사는 2002년 8월 30일부터 9월 1일까지 우리나라 전역에 영향을 미쳤다. 특히 강릉에는 870.5 mm라는 기록적인 일강수량을 기록하였으며, 이는 강릉지점 연평균 강수량(1401.9 mm)의 60%를 초과하는 양이다(Lee and Choi, 2010). 태풍 루사는 과거 우리나라에 상륙한 유사태풍과 달리 매우 이례적으로 강력한 태풍의 세력을 유지하였고, 이는 남해상의 해수면 온도가 26°C로써 평년보다 2~3°C 정도 높아 태풍의 발달을 촉진하는 에너지원이 충분히 공급되었기 때문인 것으로 분석되었다(KMA, 2011). Fig. 1은 2002년 8월 30일 00시부터 08월 31일 23시(UTC 기준)까지 공간 누가강수량과 강릉, 가야산, 중산리 지점의 강수 시계열을 나타낸다. 이때, 왼쪽의 공간 누가강수량은 426개 지점의 자동관측시스템(Automatic Weather System, AWS) 자료와 74개 지점의 종관기상관측시스템(Automated Synoptic Observing System, ASOS)자료로 부터 획득한 시간 강수자료를 Kriging 기법을 사용하여 공간적으로 분포시킨 결과이다. 이 기간동안 강릉, 가야산, 중산리 지점은 각각 896 mm, 419.5 mm 그리고 415 mm를 기록하였으며 최대 강우강도는 98, 42, 65 mm/hr 였다.

Fig. 1

Observed Accumulated Precipitation and Hourly Precipitation at Jungsan-ri, Gayasan and Gangneung Stations

2.2 WRF 개요

WRF는 Weather Research and Forecasting Model의 약자로 대기 연구와 예보를 목적으로 개발되었다. 수십미터에서 수천킬로미터 까지 다양한 공간적 해상도를 지원하며 광범위하게 적용되고 있는 중규모 수치 기상 모델이다. 미국의 국립해양대기청(National Oceanic and Atmospheric Administration, NOIAA)과 국립대기연구소(National Center for Atmospheric Research, NCAR) 그리고 해외대학 등 150개 이상의 기관의 협력으로 개발된 커뮤니티형 모델로 지금까지도 업데이트되고 있는 모형이다. WRF는 ARW(Advanced Research WRF)와 NMM(Nonhydrostatic Mesoscale Model) 두가지 동역학적 연산자(dynamical solvers)를 포함하고 있으며, 본 연구에서는 ARW가 사용되며 사용된 모델의 버전은 V3.6.1이다. 참고로 ARW와 NMM 모두 완전 압축성 비정수계 (fully compressible non-hydrostatic) 모델이지만, 서로 다른 수평격자와 연직격자의 체계를 적용하고 있다. ARW의 경우 수평격자는 Arakawa C 격자체계를 사용하고, 연직격자는 Eulerian 질량 좌표계(mass-based terrain following coordinate)를 사용한다. 반면 NMM은 수평격자는 Arakawa E 격자체계를 사용하고, 연직격자는 하이브리드 좌표계(pressure-sigma coordinate)를 사용한다. 또한 ARW는 NCAR산하의 MMM (Microscale and Mesoscale Meteorology) 연구실에 의해 개발 및 관리되고 있으며, NMM은 NCEP(National Center for Environmental Prediction)에서 이러한 역할을 수행하고 있다.

WRF는 두 단계를 거쳐 구동되며, 우선 전처리 시스템(WRF Pre-processing System, WPS)은 모의 지역 설정 및 WRF 구동을 위한 입력 자료를 생성한다. WRF ARW는 WPS에서 생성된 입력자료를 사용하여 초기조건 및 경계조건을 생성하고, 이를 이용한 모의를 진행한다(Fig. 2).

Fig. 2

WRF Modeling Flow Chart

2.3 모의 영역 설정

태풍은 종관규모 현상으로 모의를 위해서는 우리나라를 포함한 동아시아 지역을 살펴보아야 한다. 하지만 본 연구는 태풍 루사로 인한 국내 강수량 재현을 목적으로 하기 때문에 상대적으로 중요성이 떨어지는 동아시아 전체를 세밀한 격자로 구성하여 모의하는 것은 과다한 계산시간이 요구되어 비합리적이다. 따라서 수치실험을 위한 모의 영역은 3개의 도메인으로 구성하였으며, 27 km(d01), 9 km(d02) 그리고 3 km(d03)의 수평해상도를 가진다(Fig. 3). 모든 도메인은 총 30층의 연직격자로 구성하였으며, 상한은 50 hPa로 설정하였다.

Fig. 3

Domain Configuration

양방향과 단방향 중첩격자 기법은 결과에 큰 차이가 나타나지 않아 시간적 효율을 위해 각 도메인은 단방향 중첩격자 기법을 적용하였다. 참고로 단방향 중첩격자기법은 상위 도메인(예를 들면 본 연구의 d01)의 결과가 하위 도메인(d02)의 경계조건으로 사용되어 영향을 미치는 방법이다.

2.4 모의 기간 및 입력자료

모든 도메인은 2002년 8월 30일 00시부터 09월 01일 18시(UTC 기준) 동안 시간적분을 수행하며, time step은 90초로 설정하였다. 수치모의에서 발생할 수 있는 강우의 지연 등을 고려하기 위해 모의 종료시간은 실제 관측된 강우종료시간보다 다소 길게 설정하였다. WRF 모형은 UTC (Universal Time Coordinated)를 사용하며 이는 우리나라에서 표준 시간과는 9시간 차이가 난다. 6시간마다 갱신되는 1° 간격 격자의 NCEP FNL 재분석 자료를 기반으로 WRF 입력자료인 초기조건 및 경계조건을 생성하였다. 추가적으로 0.5 °격자 간격의 해수면 온도자료(RTG_SST, Real-Time, Global, Sea Surface Temperature analysis)와 지상 관측 자료(NCEP ADP Global Surface Observational Weather Data), 우리나라 자동관측시스템(AWS) 자료와 종관기상관측시스템(ASOS)자료를 이용하여 초기조건 및 경계조건을 개선하였다.

2.5 물리옵션

수치모형의 성능은 초기조건과 물리옵션에 크게 영향을 받는다. 따라서 선택된 사상의 재현을 위한 최적의 모형의 옵션을 탐색하기 위해 다양한 수치모의를 실시하였다. WRF는 다양한 물리옵션을 포함하고 있으며 이는 다양한 기상학적 매개변수에 영향을 미친다. 이 중 미세물리(microphysics), 적운모수화(cumulus parameterization) 그리고 행성경계층(planetary boundary layer)이 강수에 영향을 미치는 것으로 알려져 있다(Hong and Lee, 2009; Jankov et al., 2007; Lee and Sung, 2013). 각각의 물리옵션들은 여러 방안(schemes)들을 포함하고 있으며 이에 대한 상세한 정보는 Skamarock et al.(2008)를 참고할 수 있다.

본 연구에서는 미세물리 중 8개의 방안(K, L, WSM3, WSM5, F, WSM6, GGCE, TG)과 적운모수화 중 3개의 방안(KF, BMJ, GFE) 그리고 행성경계층 중 2개의 방안(YSU, MYJ)을 대상으로 수치 모의를 실시하였다. 물리 옵션의 최적 조합은 이러한 수치모의 결과와 관측 강수량 및 태풍경로를 비교하여 식별된다. Table 2는 WRF 모형 구성에 대한 요약을 나타낸다.

Summary of the WRF Model Configuration

3. 연구결과

3.1 최적 물리옵션과 태풍 경로

본 연구에서는 미세물리(8개 방안), 적운모수화(3개 방안) 그리고 행성경계층(2개 방안)으로 총 48개의 조합에 대한 수치실험을 수행하였으며, WSM6, BMJ 그리고 MYJ의 조합이 상대적으로 관측 강우자료와 태풍 경로를 잘 재현하여 최적 조합으로 탐색되었다. 하지만 태풍 경로를 살펴보면 다소 북서쪽으로 치우친 경향이 나타났으며, 강우의 경우 관측에 비해 빠르게 발생하였다. 이러한 결과는 태풍 루사의 경우 NCEP FNL 자료를 입력자료로 사용한다면, 물리옵션의 변화만으로는 강수량 재현이 어렵다는 것을 뜻한다. 역학적 상세화(Dynamical downscaling)를 수행한다고 해도 입력자료인 NCEP FNL 자료의 해상도(1°간격의 격자)가 매우 낮아 발생하는 문제라고 판단되며, 초기조건 및 경계조건을 수정하여 수치모의를 추가적으로 실시하였다.

결과적으로 초기조건과 경계조건 내의 모든 기압 관련 변수(지표압력, 해수면 압력, 기온 등)들을 일괄 남동 방향으로 76 km 이동시키고, 풍속을 70% 수준으로 낮출 경우 관측자료를 잘 재현하는 것으로 나타났다. Lo et al.(2008)의 연구에서도 순수하게 NCEP FNL 자료를 이용한 역학적 기후 상세화가 상대적으로 나쁜 결과를 나타낸 바 있다. 최종적으로 모의된 태풍의 경로는 지리산 통과 이후에 약간 서쪽으로 이동하면서 느리게 움직이는 것으로 나타났지만 입력자료의 공간적인 해상도를 감안했을 때 관측 경로를 훌륭하게 재현하였다(Fig. 4).

Fig. 4

Comparison of Simulated Track Usign WRF and Best Track of RUSA

3.2 누가 강수량

Fig. 5는 자동관측시스템(AWS) 자료와 종관기상관측시스템(ASOS)자료를 이용하여 생성한 관측 누가 강수량과 WRF에서 모의한 누가 강수량을 비교한 결과이다. 이때 붉은 선은 지역적으로 높은 강수량을 발생시킨 강릉, 가야산, 중산리 지점을 의미한다. WRF는 관측 강수량의 공간적 분포를 합리적으로 재현하였다. 하지만, 강릉의 경우 최대 강수량 발생 지점이 관측지점에 비해 북서쪽으로 약 50 km 떨어진 지점에서 모의되었다. 이러한 오차에는 다양한 이유가 있겠지만 앞서 언급한 입력자료의 문제에서 비롯된 태풍의 경로의 차이로 인한 영향이 가장 크며, 선행연구(Lee and Choi, 2010)에서도 동일한 문제가 발생한 것을 살펴봤을 때 모델의 한계도 있을 것으로 판단된다. 따라서 강릉 지점의 관측 강수량 자료는 이 지점과 비교를 실시하였다. Fig. 5 내의 강릉, 가야산, 중산리 지점은 총 896, 410, 419.5 mm의 강수량이 관측되었으며, WRF는 각각 879, 396, 423 mm로 모의하였다.

Fig. 5

Comparison of Observed and Simulated Total Accumulated Precipitation

3.3 지점 강수량

Fig. 6은 기상청 강릉, 가야산, 중산리 지점의 관측치와 WRF 모의치에 대한 시계열을 비교한 것으로 관측된 총 발생 강수량과 그 시간적 분포를 합리적으로 재현하였다. 그러나 강릉지점의 경우 관측에 비해 약 6시간 강수량이 늦게 발생하였으며, 이는 다양한 이유가 있겠지만 앞서 언급한 것처럼 태풍 경로에서 기인한 영향으로 판단된다. Fig. 7은 두 자료간의 상관성을 판단하기 위해 회귀분석을 실시한 결과이다. 강릉, 가야산, 중산리 지점의 결정계수(R2)는 각각 0.23, 0.79, 0.85로 강릉을 제외한 지점에서 좋은 결과를 나타냈었다. 강릉지점의 경우 time lag 6시간을 반영할 경우R2가 0.67로 나타났다. 본 연구는 강우의 정확한 발생시간을 파악하는 것이 아니라 최대 강수량을 산정하는 것이 최종목적이기 때문에 이러한 연구 목적의 달성에는 무리가 없을 것으로 판단된다. 강릉에 time lag를 반영할 경우 평균는 0.77으로 극한 강수량의 시간적인 분포를 선행연구에 비해 비교적 잘 재현하였다.

Fig. 6

Comparison of Observed and Simulated Hourly Precipitation

Fig. 7

Regression of Observed and Simulated Hourly Precipitation

3.4 시공간적 강수량

강수량의 공간적인 거동을 살펴보기 위해 우리나라를 크게 4개의 지역(호남, 영남, 경기/충청, 강원)으로 구분하여 살펴보았다(Fig. 8).

Fig. 8

Four Regions that were Separated from Korea to Evaluate the Spatial Precipitation

Fig. 9는 4개의 지역에 대해 공간 평균된 강수량을 비교한 것으로, 호남, 영남, 경기/충청지역은 총 발생 강수량뿐만 아니라 그 시간적인 분포를 훌륭하게 재현하는 것으로 나타났다. 하지만 강원지역은 상대적으로 강수량이 과대산정되었으며 그 시간적인 분포도 다소 지체되었다. Fig. 10은 관측치와 모의치의 상관성을 판단하기 위해 회귀분석을 실시한 결과이다. 호남, 영남, 경기/충청권의 결정계수(R2)는 각각 0.95, 0.90, 0.84로 매우 좋은 결과를 나타냈으나 강수량이 과대산정된 강원권의 결정계수는 0.49로 나타났다. 강원도 태풍백서(GRMA, 2013)에 따르면, 루사로 인해 강원지방 동해안에 광범위한 피해를 입어 이 기간동안 심각한 통신장애가 발생하여 결측치가 발생하였다. 이러한 결측치도 모의결과에 영향을 주는 것으로 판단된다. 평균R2는 0.79로 비록 지상 관측소에서 관측된 자료가 모든 기상조건을 충분히 반영한다고 할 수 없지만, WRF는 강수의 전체적인 분포측면에서 상당히 잘 재현하였다고 판단된다.

Fig. 9

Comparisons of Observed and Simulated Hourly Space-averaged Precipitation

Fig. 10

Regression of Observed and Simulated Hourly Space-averaged Precipitation

4. 결론

본 연구는 지역대기모델을 이용하여 한국의 최대 강수량을 산정하기 위한 사전연구로 WRF 모델을 이용하여 과거 극한강우사상을 재현하고 모의능력을 평가하고자 하였다. 이를 위해 과거 극한강우사상 중 태풍 루사를 사례 극한강우사상으로 선정하고 이를 강수량 측면에서 재현하였다. 다양한 수치모의를 실시한 결과 WSM6, BMJ and MYJ 방안의 조합이 최적 조합으로 나타났으며, 관측자료를 재현하기 위해 초기조건 및 경계조건을 추가적으로 수정하였다. WRF는 저해상도(1° 간격)의 입력자료에도 불구하고 논문에서 중점으로 둔 강수량을 공간적, 시간적 측면에서 훌륭하게 재현하였으며, 특히 총 강수량과 시간분포는 선행연구들 보다 향상된 결과를 도출하였다. 모델을 이용하여 재현된 과거 극한강우사상은 최대화 및 전이를 통해 물리적으로 발생가능한 최대 강수량(Maximum Precipitation)의 산정에 도움을 줄 것으로 기대된다.

이러한 물리기반의 수치 모델링은 어떠한 가정이나 선형적 관계를 사용하지 않고 비선형적 대기 프로세스의 다양한 효과를 직접적으로 반영하여 과학적인 최대 강수량을 제공할 수 있다는 장점이 있다. 또한 기존의 극한강우사상 산정방법들에서는 제공할 수 없는 강수의 시간적, 공간적인 분포를 제시할 수 있으므로 다양한 분야에서 응용될 수 있을 것이라 기대된다. 추가적인 연구를 통해 물리적으로 발생가능한 최대 강수량 산정방법이 정립된다면 기존의 극한강우사상 산정법의 평가로도 사용할 수 있어서 상호보완적인 효과도 있을 것이라 예상된다.

감사의 글

본 연구는 국토교통부 물관리사업의 연구비지원(14AWMP-B082564-01)에 의해 수행되었습니다.

References

Baek J, Jung Y, Choi M. Estimation for Runoff based on the Regional-scale Weather Model Applications: Cheongmi Region. Journal of The Korean Society of Civil Engineer 2012;32(1B):29–39.
Byun U-Y, Hong J, Hong S-Y, Shin H. H. Numerical simulations of heavy rainfall over central Korea on 21 September 2010 using the WRF model. Advances in Atmospheric Sciences 2015;32(6):855–869. 10.1007/s00376-014-4075-6.
Choi W, Lee J. G, Kim Y-J. Sensitivities of WRF Simulations to the Resolution of Analysis Data and to Application of 3DVAR: A Case Study. Atmosphere 2012. 22(4)Korean Meteorological Society. p. 387–400. 10.14191/atmos.2012.22.4.387.
Choi Y. J, Sim K. B, Kim S, Kim E. S. Trend Analysis of 1-Day Probable Maximum Precipitation. Journal of Korean Society of Hazard Mitigation 2015;15(1):369–375. 10.9798/KOSHAM.2015.15.1.369.
Gangwon Regional Meteorological Administration. Gangwon-do typhoon white paper 2013. GRMA.
Hersfield D. M. Estimating the probable maximum precipitation. Journal of the Hydraulics Division, 87(HY5) 1961;:99–116.
Hong S. Y, Lee J. W. Assessment of the WRF model in reproducing a flash-flood heavy rainfall event over Korea. Journal of Atmospheric Research 2009;93(4):818–831. 10.1016/j.atmosres.2009.03.015.
Intergovernmental Panel on Climate Change. IPCC fourth scientific assessment report (AR4) 2007. Cambridge, UK: Cambridge Univ.
Ishida K, Kavvas M. L, Jang S, Chen Z. Q, Ohara N, Anderson M. L. Physically based estimation of maximum precipitation over three watersheds in Northern California: Relative humidity maximization method. Journal of Hydrologic Engineering 2015;20(10)04015014. 10.1061/(ASCE)HE.1943-5584.0001175.
Jankov I, Schultz P. J, Anderson C. J, Koch S. E. The impact of different physical parameterizations and their interactions on cold season QPF in the American River basin. Journal of Hydrometeorology 2007;8(5):1141–1151. 10.1175/JHM630.1.
Kim J, Lee J. G. A Qualitative Analysis of WRF Simulation Results of Typhoon ’Rusa’Case. Atmosphere 2007. 17(4)Korean Meteorological Society. p. 393–405.
Korea Meteorological Administration. Typhoon white paper 2011. KMA.
Lee D, Choi S. Observation and numerical prediction of torrential rainfall over Korea caused by Typhoon Rusa 2002. Journal of Geophysical Research 2010;115D12105. 10.1029/2009jd012581.
Lee J. G, Sung H. M. A WRF sensitivity study in precipitation amount over Yeongdong Province to the choice of nesting methods: Case study. Journal of Korean Society of Hazard Mitigation 2013;13(1):105–119. 10.9798/KOSHAM.2013.13.1.105.
Lee J, Jang S, Kim S. Evaluation of the WRF in Reproducing the Spatio-temporal Pattern of a Heavy Rainfall Event. Journal of Korean Society of Hazard Mitigation 2015;15(5):255–265. 10.9798/KOSHAM.2015.15.5.255.
Lee J-B, Lee D-K. Impact of Cumulus Parameterization Schemes with Different Horizaontal Grid Sizes on Prediction of Heavy Rainfall. Atmosphere 2011. 21(4)Korean Meteorological Society. p. 391–404.
Lee J-W, Hong S-Y. A Numerical Simulation Study of Orographic Effects for a Heavy Rainfall Event over Korea Using the WRF Model. Atmosphere. Korean Meteorological Society 2006;16(4):319–332.
Lee O, Park M, Lee J, Kim S. Future PMPs projection according to precipitation variation under RCP 8.5 climate change scenario. Journal of Korea Water Resources Association 2016;49(2):107–119. 10.3741/JKWRA.2016.49.2.107.
Lo J C-F, Yang Z-L, Pielke R. A Sr. Assessment of three dynamical climate downscaling methods usnig the Weather Research and Forecasting (WRF) model. Journal of Geophysical Research 2008;113D09112. 10.1029/2007JD009216.
Milly P. C. D, Betancourt J, Falkenmark M, Hirsch R. M, Kundzewicz Z. W, Lettenmaier D. P, Stouffer R. J. Stationarity is dead: Whither water management? Science 2008;319(5863):573–574. 10.1126/science.1151915.
Ohara N, Kavvas M. L, Kure S, Chen Z. Q, Jang S, Tan E. Physically based estimation of maximum precipitation over American River watershed, California. Journal of Hydrologic Engineering 2011;16(4):351–361. 10.1061/(ASCE)HE.1943-5584.0000324.
Skamarock W. C, Klemp J. B, Dudhia J, Gill D. O, Barker D. M, Duda M, Huang X. Y, Wang W, Powers J. G. A description of the advanced research WRF version 3 2008. NCAR Technical Note TN-475+STR. p. 125.
World Meteorological Organization. Manual for Estimation of Probable Maximum Precipitation 1986. Geneva, Switaz: Secretariat of the World Meteorological Organization.

Article information Continued

Table 1

Rank of Daily Maximum Precipitation(When Typhoon Passed by)

Rank Typhoon Number Name Station Daily maximum precipitation(mm) Observed day
1 0215 RUSA Gangneung 870.5 2002.08.31
2 8118 AGNES Jangheung 547.4 1981.09.02
3 9809 VANNI Pohang 516.4 1998.09.30
4 9112 GLADYS Busan 439.0 1991.08.23
5 0711 NARI Jeju 420.0 2007.09.16
6 0314 MAEMI Namhae 410.0 2003.09.12
7 7214 BETTY Haenam 407.5 1972.08.20
8 7119 OLIVE Samcheok 390.8 1971.08.05
9 9907 OLGA Dongducheon 377.5 1999.08.01
10 9507 JANIS Boryeong 361.5 1995.08.25

Fig. 1

Observed Accumulated Precipitation and Hourly Precipitation at Jungsan-ri, Gayasan and Gangneung Stations

Fig. 2

WRF Modeling Flow Chart

Fig. 3

Domain Configuration

Table 2

Summary of the WRF Model Configuration

Model WRF V3.6.1
Domain D01 D02 D03
Horizontal grid size 27 km 9 km 3 km
Dimension 135×90×31 82×91×31 85×91×31
Nesting method One-way
Initial and boundary condition - NCEP FNL reanalysis data
- Real-Time, Global, Sea Surface Temperature analysis data
- NCEP Global Surface Observational Weather Data
- ASOS (Automated Synoptic Observing System) data
- AWS (Automatic Weather System data) from KMA
Microphysics - Kessler scheme (K)
- Lin et al. scheme (L)
- WSM 3-class simple ice scheme (WSM3)
- WSM 5-class scheme (WSM5)
- Ferrier (new Eta) microphysics (F)
- WSM 6-class graupel scheme(WSM6)
-Goddard GCE scheme (GGCE)
- Thompson graupel scheme (TG)
Cumulus parameterization - Kain-Fritsch (new Eta) scheme (KF)
- Betts-Miller-Janjic scheme (BMJ)
- Grell-Freitas ensemble scheme (GFE)
Planetary boundary layer -Yonsei University scheme (YSU)
- Mellor-Yamada-janjic (Eta) TKE scheme (MYJ)
Land surface model - Noah Land Surface Model
Integration period 0000 UST 30 August ~ 1800 UST 01 September 2002
Time step 60 20 6.667

Fig. 4

Comparison of Simulated Track Usign WRF and Best Track of RUSA

Fig. 5

Comparison of Observed and Simulated Total Accumulated Precipitation

Fig. 6

Comparison of Observed and Simulated Hourly Precipitation

Fig. 7

Regression of Observed and Simulated Hourly Precipitation

Fig. 8

Four Regions that were Separated from Korea to Evaluate the Spatial Precipitation

Fig. 9

Comparisons of Observed and Simulated Hourly Space-averaged Precipitation

Fig. 10

Regression of Observed and Simulated Hourly Space-averaged Precipitation