1. 서론
최근의 기상현상을 보면 전 세계적으로 극심한 기후변화와 기상이변으로 인하여 국지성 집중호우나, 태풍 등의 영향으로 인명과 재산 피해를 발생시키고 있다. 이러한 피해 방지를 위해서는 정확하고 효율적인 강우-유출해석이 필요하며, 강우-유출해석에서 가장 중요한 요소는 면적평균강우량의 산정이다(Lee and Jun, 2014a; 2014b). 또한, 60% 이상이 산악지형인 국내의 경우 강우의 계절적 불균형으로 인해 강우의 예측이 어려운 조건을 가지고 있다(Yun et al., 2009). 이로 인해 강우량은 관측소의 설치고도에 따라 관측량의 편차가 심하며, 도시지역과 산지지역의 강우발생 특성이 다르게 된다. 따라서 산지지역처럼 시공간적 변동성이 큰 경우에는 고도 특성을 반영한 강우관측망이 요구된다.
강우관측망은 면적평균강우량의 산정과 산지효과를 반영한 돌발홍수 예측 등과 같은 수문자료 분석에 있어 중요한 요소라고 할 수 있다. 공간적으로 잘 분포된 강우관측망의 경우 면적평균강우량 산정에 있어 보다 적은 오차를 발생시킨다고 알려져 있다(Bras and Rodriguez-Iturbe, 1976). 관측소 설치의 목적중 면적평균강우량 산정 및 돌발홍수의 예측을 위해서는 강우관측소는 공간적으로 균등하게 설치된 경우가 이상적이다(Morrissey et al., 1995; Garcia et al., 2008). 균등한 공간적 분포라는 것은 평면적 및 수직적 분포의 균등성을 의미한다. 또한, 공간적으로 균등한 강우관측망은 레이더 강우자료의 보정에 있어서도 중요하다(Brandes, 1976; Seo, 2015). 대부분의 레이더 강우 보정방법들은 지상 강우관측소를 참값으로 가정하고 레이더 강우자료를 정량적으로 보정한다(Rosenfeld et al., 1993). 이러한 이유로 레이더 강우보정을 위해 정도 높은 지상 강우자료가 필요하다. 해외에서는 산지지역에 대한 고도의 특성을 반영하기 위해 고도별로 강우관측소의 설치기준을 다르게 하고 있다. 그러나 국내에서는 접근성의 이유로 산지의 강우관측망의 밀도가 평지에 비해 현저히 작은 실정이다(Yoo et al., 2003).
Lee et al.(2013)은 엔트로피 이론과 강우관측소의 평면적 특성을 최근린지수를 이용하여 강우관측망을 평가하였으며, Lee and Jun(2014a)는 강우관측소의 공간적 분포특성을 반영할 결과 관측망의 공간분포가 균등할수록 면적평균강우량의 산정에 유리하다고 하였다. Min(2014)은 크리깅 기법을 적용하여 면적평균강우량 산정을 위한 강우관측망을 평가하였으며, Lee et al.(2014)은 돌발홍수의 예측을 위한 레이더 자료의 보정시 공간분포가 좋은 경우가 레이더 보정에 있어 작은 오차를 발생됨을 확인한 바 있다. 국내에서는 Yoo and Jung(2001)가 산악지역에서의 강우의 변동성을 고려하기 위해 등우선법을 제안한바 있다. Lee and Jun(2014b)의 경우 관측소의 고도특성이 반영된 관측망 평가를 위해 고정간격의 고도를 이용하는 등고도비별 설치밀도 산정방법과 유역의 등면적비를 이용하는 등면적비별 설치밀도 산정방법을 제안한 바 있다.
국내의 경우 여러 관할기관에서 악기상의 감시, 홍수 예⋅경보, 다목적댐의 관리 및 운영을 목적으로 강우관측소를 설치 운영하고 있다. 다양한 목적으로 설치된 강우관측소는 엔트로피이론, 주성분 회귀 분석, 상관성 분석 등에 의해 평가되고 있다(Caselton and Husain, 1980; Chapman, 1986; Krstanovic and Singh, 1992; Al-Zahrani and Husain, 1998; Mogheir et al., 2004). 그러나 위 방법론들은 기존 강우관측망의 최적 부분집합 선정에 중점을 두고 있으며, 강우관측소의 공간적 분포특성이 평가되기는 어렵다. 아울러 강우관측망을 평가함에 있어 중요하게 고려되어야 할 사항은 대상유역내 관측소의 밀도가 충분히 확보되어 있는지와 이들의 공간 분포가 적절한가이다.
이에 본 연구에서는 강우관측소의 고도별 공간분포의 적정성을 평가하기 위한 방안으로 고도별 강우관측소의 NNI(Nearest Neighbor Index)를 산정하여 현재 강우관측소 공간분포의 적정성을 평가하고자 한다. 고도마다 다른 지형적인 조건을 고려하기 위하여 주어진 지형조건내에서 가능한 최대 최근린 지수를 최적화 기법의 하나인 화음탐색법을 이용하여 산정하였다. 이와 같이 고도별로 두가지 NNI를 구한 후 이 두 값의 차이를 바탕으로 고도별 적정 강우관측소 분포를 평가하였다. 아울러 유클리더언 거리를 이용하여 평면적 분포특성과 고도별 분포특성을 동시에 반영한 강우관측망을 평가하였으며, 제안된 방법을 한강유역에 적용하였다.
2. 이론적 배경(theoretical background)
2.1 최근린 지수(Nearest Neighbor Index)
최근린 방법은 점 사상의 분포특성을 파악하기 위하여 임의 점에 가장 가까운 인접 점들 간의 거리 특성을 이용하는 방법이다(Lloyd, 2006). 각각의 지점에서 가장 가까운 점들의 평균거리를 산정한 후, 이를 점의 밀도를 이용하여 산정된 모형의 평균 기대거리와 비교하는 방법이다. 점의 공간특성이 군집 특성을 가진다면 주변 점들 간의 거리는 짧게 되며, 반대로 분산 특성을 가지면 주변 점들 간의 거리는 멀게 된다. 따라서 관측치에서의 최근린 거리의 평균과 모형에서의 평균기대 거리의 비를 이용하면 점의 분산 및 집중 정도를 파악할 수 있다. 만약 임의의 확률밀도함수를 적용하여 기대거리를 산정한 후, 관측자료로부터의 평균 최근린 거리와 비교하면 점의 분산 및 집중 정도를 상대적으로 판단할 수 있다. 이 비를 최근린 지수(NNI: Nearest Neighbor Index)라 하며, 다음과 같이 정의된다.
여기서dobs는 관측 평균 최근린 거리, dexp은 이론적 평균 최근린 거리이다. 공간의 모든 점들이 2차원 포아송 분포를 따른다면 가정하면, 이론적 평균 최근린 거리(dexp)는 1 / ( 2 ρ )
2.2 수직적 분포특성 파악
강우관측소의 수직적 특성을 고려한 강우관측망 평가는 설치밀도만을 이용하여 판단하기는 어렵다. 설치밀도는 관측소의 평면적 특성을 개략적으로 판단할 수는 있으나, 수직적 특성 즉, 고도의 특성은 반영되지 않는다. 일반적으로 고도별 설치밀도를 분석하기 위해서는 고도별 면적과 각 고도에 설치되어 있는 관측소의 개수가 이용된다. 이때 고도별 설치밀도를 산정하기 위해 등고도비별 설치밀도를 산정하는 방법과 등면적비별로 설치밀도를 산정하는 방법을 고려할 수 있다. 등고도비 방법은 고정 고도를 기준으로 각각의 고도에 해당하는 설치밀도를 파악하는 방법이며, 등면적비 방법은 면적비에 해당하는 고도를 산정하고, 산정된 고도를 기준으로 설치밀도를 파악하는 방법이다.
먼저, 등고도비 방법론은 등고도에 해당하는 면적과 해당면적에 설치되어 있는 관측소의 개수를 이용한다. 즉, 동일간격의 고도에 해당되는 면적과 설치된 강우관측소의 개수를 파악하여 강우관측소의 밀도를 산정하는 방법이다. 이 경우 특정 고도의 면적이 매우 작고 해당 고도에 관측소가 설치된 경우는 설치밀도가 크게 산정될 수 있다. 따라서 고도별 특성에 따른 관측소의 설치밀도의 파악이 어렵다. 이를 보완한 방법이 등면적비를 이용하는 경우이며, 면적비에 따라 고도의 간격이 다르게 된다. 따라서 등면적비별로 설치밀도를 파악하는 경우는 고도별 면적이 일정하며, 이로 인해 특정고도의 면적이 작게 산정되는 문제점을 해결할 수 있다. Fig. 1은 등고도비별 설치밀도를 산정하는 방법과 등면적비별로 설치밀도를 산정하는 방법을 비교한 것이다.
Fig. 1
Comparison of Rain Gauge Density by the Equal-Altitude-Ratio and the Equal-Area-ratio (Lee and Jun, 2014b)
이 과정은 고도분포를 파악하기 위해 고도의 범위를 결정하는 방법이다. NNI를 산정하기 위해서는 유역면적과 강우관측소의 위치자료가 필요하다. NNI는 관측소의 평면적인 분포특성은 파악할 수 있으나, 고도별 유역의 조건들은 반영하기 어렵다. 즉, 평면적인 분포만을 위해 지상이 아닌 공간에 관측소를 설치할 수 없으며, 이러한 지형학적 특성으로 인해 설치가 불가능한 지역을 선별하는 과정이 필요하다. 고도를 고려한 유역의 경우에는 Fig. 2(a)의 실제 면적과 같이 유역 내 해당되지 않은 유역(a2)들이 존재하며, 임의 점(강우관측소)들 간의 거리특성을 이용하는 NNI에는 적합하지 않은 면적이라고 할 수 있다. 따라서 고도를 고려한 NNI를 산정하기 위한 필요면적은 Fig. 2(b)의 NNI 면적과 같이 대상면적의 외곽 경계선을 기준으로 그 안의 모든 공간이 면적에 포함된 값(a1+a2)을 적용하였다.
2.3 화음탐색법(Harmony Search Algorithm)
화음탐색법(HS: Harmony Search)은 Geem(2000)에 의해 제안된 최적화 알고리즘 기법으로, 연주자들의 기량이 그들의 즉흥연주가 최상의 하모니를 만들어 가는 방향으로 향상된다는 개념에서 고안되었다(Lee and Geem, 2005). 화음탐색법의 알고리즘은 십진수를 사용하여 확률론적으로 해를 산정하며, 이는 유전자 알고리즘에서 이진수를 사용하여 해를 산정하는 방법과 유사하다. 유전자 알고리즘은 분자생물학의 원리를 모방하고 있다. 반면 화음탐색법은 확률론적으로 해에 접근하는 방법은 유전자 알고리즘과 유사하나, 초기 설계집단을 구성하는 과정에서 차이가 있다. 분자생물학에서는 일반적으로 교차가 한번만 일어나지만, 유전알고리즘에서는 보다 좋은 성능을 위해 그 숫자를 인위적으로 늘린다. 유전알고리즘은 최적 해를 찾아가는 과정에 생물학적 원리를 원용하여 교차연산을 통해 지역적인 탐색을 하고, 돌연변이연산을 통해 전역적인 탐색을 한다. 복제연산을 통해 좋은 해로부터의 탐색이 더 많이 일어나게 한다. 화음탑색법도 유사하게 음악에서의 즉흥연주를 모방하고 있으며, 좋은 해에서 더 많이 출발하여 지역탐색과 전역탐색을 통해 최적 해를 찾는다. 본 연구에서는 화음탐색법을 적용하여 유역의 최대 NNI를 산정하기 위한 관측소의 위치를 결정하였으며, 화음탐색법의 최적해의 탐색의 구조는 Fig. 3과 같다.
2.4 유클리디언 거리(Euclidean Distance)
유클리디언 거리는 거리측정기법 중 하나로 데이터 마이닝 기법인 군집분석을 위한 객체간의 유사성의 정도를 정량적으로 나타내는데 사용되며, 다차원적 공간에서 두 점간의 거리를 의미한다. 직교좌표계로 표현된 점a = (a1, a2, …, an) 와b = (b1, b2, …, bn) 가 있다고 가정하면, a와 b 사이의 유클리디언 거리는 다음과 같다.
본 연구에서는 평면적 공간분포(목적1)와 고도별 공간분포(목적2)를 동시에 고려한 강우관측망 평가가 이루어져야 한다. 따라서 이 두 목적을 동시에 고려하기 위해 유클리디언 거리(Euclidean Distance)를 이용하였다. Eq.(2)의 유클리디언 거리를 강우관측망 평가에 적용하여 보면 Fig. 4와 같다. x축은 강우관측망의 평면적 분포를 나타내고, y축은 강우관측망의 고도별 분포를 의미한다. 또한, 두 목적함수의 각 NNI를 0-1의 값으로 표준화하였다. 두 목적함수의 최근린 지수를 표준 값으로 변환하여 점(x1, y1)으로 표시할 수 있으며 Case3의 점(x2, y2)과의 거리를 유클리디언 거리(ED)로 계산할 수 있다. 이러한 유클리디언 거리를 시간적으로 표현하면 삼각형의 빗변을 계산하는 식으로 표현될 수 있으며 강우관측망 검토를 위해 사용한 유클리디언 거리는 Eq. (3)과 같다.
Case3의 점(x2, y2)은 최적 NNI의 기준값으로 중유역의 최적 NNI와 고도별 최적 NNI의 값을 기준으로 표준화하였다. 따라서 최적 NNI은 Fig. 4에서 (1, 1)의 좌표를 가진다. 유클리디언 거리를 이용한 강우관측망 분석은 점의 위치에 따라 4가지 경우로 구분할 수 있다. 먼저, case1의 경우는 고도별 분포와 평면적 분포 모두 균일하지 않은 경우로 각 case 중에 가장 좋지 않은 분포라고 할 수 있다. Case2는 평면적 분포는 우수하지만 고도별 분포는 좋지 않은 경우이며, case4는 case2와 반대로 평면적 분포는 우수하지 않으며 고도별 분포가 균일하게 나타나는 경우이다. 마지막으로 Case3의 경우는 평면적 분포와 고도별 분포 모두 균일하여 가장 이상적인 경우로 Case3에 근접할수록 평면적 분포와 고도별 분포 모두가 고려된 강우관측망이라 할 수 있다.
강우관측소의 고도별 공간분포의 적정성을 평가를 위해 본 연구에서 적용한 방법론을 도시적으로 나타내면 Fig. 5와 같다.
3. 대상유역 선정 및 특성
강우-유출해석을 위해서는 하천형상에 따른 유역분수령을 기준으로 유역을 분할하여야 한다. 즉, 유역분할은 상⋅하류 유역의 유기적인 상관관계를 고려할 수 있어야 하며, 이는 하천의 상⋅하류간의 유출특성을 반영한 것이라 할 수 있다. 상⋅하류간의 유출특성이 반영되면 돌발홍수 및 집중호우 등의 유출해석에 있어 보다 유리하다. 따라서 강우관측망 역시 하천형상에 따른 유역분수령을 기준으로 분할된 유역에 따라 평가하는 것이 바람직하다. 본 논문의 대상유역은 한강유역으로 23개의 중유역으로 구성되어 있다. 대상유역의 면적은 26,400 km2정도이며, 유로연장은 480km이다. 한강 전체 면적은 34,400 km2이나 강우관측소가 설치되지 않은 고미향천 및 임진강 상류지역의 일부지역을 제외함으로 인해 대상유역과의 한강유역의 면적 차이가 있다. 대상유역의 고도차는 1,684 m이며, 대상유역 유역내에는 2014년도 기준 185개의 강우관측소(국토교통부: 129개, 한국수자원공사: 56개소)가 위치해 있다. Fig. 6은 대상유역의 유역구분 및 하천망도를 도시한 것이며, Table 1은 유역구분을 위한 중유역의 분류현황을 나타낸 것이다.
Table 1
Watershed Delineation
4. 고도별 분포를 고려한 강우관측망 평가
4.1 대상유역의 고도별 유역 분할
본 연구에서는 유역의 설치고도를 등면적비를 이용하여 4개의 고도로 분할하였다. 유역을 4개 이상의 고도로 분할할 경우 대부분의 강우관측소가 저고도에 집중되어 있어 4개 이상으로 고도를 세분화할 경우 높은 고도로 갈수록 강우관측소 분포가 적어 평가하기 어려운 조건이 된다. 이는 본 연구에서 적용한 유역에 해당되는 경우이며, 유역의 고도차가 크지 않는 유역에 대해서는 보다 세분화 하여도 문제가 없을 것으로 판단한다. 아울러 등면적비법을 적용하기 위해 수치지도(DEM: Digital Elevation Map)자료를 활용하여 등면적비에 해당하는 위치 및 고도를 추출하였다. Table 2는 등면적비법을 이용하여 한강유역에 대해 4개의 고도로 분할한 결과를 나타낸 것이며, Fig. 7은 Hansub1에 대해 4개의 고도로 분할된 결과를 도시한 것이다.
Table 2
Division of Subbasin by Equal-Area-Altitude
4.2 현재 강우관측망의 고도별 분포
강우관측소의 설치기준은 WMO(2008)에서 제시한 설치밀도를 주로 적용하고 있으나, 설치밀도만으로는 대상유역에 강우관측소들이 적절히 배치할 수 없다. 관측소가 대상유역에 균등하게 배치되어 있지 않고, 한쪽으로 편중되어 있다면 산정된 면적평균강우량이 대상유역을 대표할 수 있다고 할 수 없다. 따라서 강우관측망을 단순히 설치밀도로 평가하기보다는 강우관측소의 공간적 분포특성이 평가되는 과정이 필요하다.
강우관측소의 공간분포가 고려한 강우관측망을 평가하기 위해 NNI를 이용하였으며, 고도별 NNI 면적은 ArcGIS를 이용하였다. 이를 위해 고도별 격자유역을 추출하고 고도별 외곽 경계선을 기준으로 NNI 산정에 적용할 면적을 결정하였다. Table 3은 이와 같은 과정을 통해 산정된 유역 및 고도별로 산정된 NNI를 정리한 것이다.
Table 3
Current NNI for Subbasin and Basin
대상유역의 최근린 지수는 1.044-1.385 정도이며, HanSub1 유역이 1.209, HanSub2 유역은 1.355, HanSub3 유역은 1.187, HanSub4 유역은 1.044, HanSub5 유역은 1.385로 분석되었다. 따라서 모든 유역의 최근린 지수가 1 이상으로 분산형태를 보여주고 있다. 최근린 지수가 가장 값을 보이는 유역은 HanSub5 유역이며, 가장 작은 값을 갖는 유역은 HanSub4 유역이다.
4.3 화음탐색법을 이용한 최대 NNI 산정
최적 강우관측망을 구축하기 위하여 대상유역을 격자화하였으며 하나의 격자에 한 개소의 관측소가 배치된다는 가정하에 강우관측소의 배치에 따른 최대 NNI를 산정하였다. 대상 유역의 격자 구축을 위해 위해서는 격자크기를 결정해야 한다. 격자크기의 결정에는 정량화된 기준은 없으나 격자의 크기가 클수록 유역을 벗어난 곳을 많이 포함할 수 있다. 반대로 격자 크기는 조밀할수록 높은 정밀도를 보이나 본 연구에서는 1km×1km 격자의 적용하였으며, 이는 강우관측소의 위치산정을 위한 적절한 간격으로 판단된다.
최대 NNI를 나타내는 강우관측망의 조합시 조합의 개수가 많아 직접 계산하여 그 최적의 조합을 찾기에는 어려움이 있다. 따라서 최적 조합을 결정하기 위해 화음탐색법(HS)을 이용하여 최대 NNI를 산정하였다. 일반적으로 최적화 알고리즘을 이용해 최적 해를 산정하기 위해서는 문제마다 다양한 매개변수의 조합을 반복적인 연습과정을 통해 적절한 매개변수를 결정하는 것이 중요하다. 따라서 화음탐색법을 이용한 최적 NNI에 사용될 적절한 매개변수를 산정하기 위해 선행 연습과정을 수행하였으며, 그 결과로 얻어진 매개변수를 사용하였다. 최대 저장 가능한 하모니의 개수(HMS: Harmony Memory Size)는 30개를 적용하였으며, 매개변수가 선택될 확률(HMCR: Harmony Memory Considering Rate)은 0.70~0.90 사이의 값으로 가정하였다.
아울러 피치조정(Pitch Adjustment)이 선택될 확률(PAR: Pitch Adjustment Rate)은 이 비율이 높으면 무작위 선택과 비슷하게 의미 없는 해를 많이 생성하므로 0.01-0.3사이 값을 적용하였으며, 최대 반복 횟수를 10,000번으로 결정하였다. 정지조건을 추가하여 반복 수행중 더 이상 해가 향상되지 않을 경우 중간에 종료하도록 하였다. 이는 지역 최적화기법으로 전역 최적화 기법에 비해 정확도는 떨어지나 모든 경우의 수를 탐색하기에는 상당한 시간에 비해 그 결과 값의 차이가 크지 않을 것으로 판단된다. 최대 NNI를 찾는데 소요된 반복 횟수 및 화음탐색법을 통해 결정된 최대 NNI는 Table 4에 정리하였다.
Table 4
Optimal NNI and Number of Iteration with HS
4.4 최대 NNI와의 비교를 통한 유역평가
현재 강우관측망의 NNI와 최대 NNI의 차이를 통해 고도별 유역의 비교가 가능하며, 그 값이 작을수록 현재 강우관측망의 공간분포가 좋다는 것을 의미한다. 반면 이들의 차이가 크면 공간분포가 좋지 못하다고 판단할 수 있다. 먼저 유역별로 강우관측소의 분포를 살펴보면 최적 강우관측망과 가장 가까운 값을 보인 유역은 HanSub2 유역으로 0.125의 작은 차이를 보였으며, 가장 큰 차이를 보인 유역은 HanSub4 유역으로 0.537의 차이를 보였다. 다음으로 고도별 유역을 살펴보면 HanSub5-1이 강우관측소의 공간분포가 좋았으며, HanSub3-4가 가장 공간분포가 좋은 않은 것으로 분석되었다. 유역별의 강우관측소의 공간분포는 최적 강우관측망의 공간분포와 유사할 정도로 좋은 공간분포를 보이는 반면, 고도별 유역의 강우관측망은 대체적으로 좋지 않은 공간분포를 보인다. 이는 비용이나 접근성 등과 같은 유지관리 측면에서의 어려움 때문에 고도가 높아질수록 밀도가 떨어지는 것으로 판단된다. Table 5는 각각의 고도에 해당하는 유역별로 최적 강우관측망과의 차이를 비교한 것이다. Table 5에서 제시된 현재 강우관측망과 최적관측망을 도시적으로 비교한 것이 Fig. 8이며, Fig. 9는 강우관측소의 공간적 분포가 좋은 경우와 나쁜 경우를 유역별 및 고도별로 비교한 것이다.
Table 5
Comparison of Current NNI with Optimal NNI for Basin and Subbasin
4.5 유클리디언 거리를 이용한 강우관측망 평가
4.4절에서는 한강유역의 강우관측망을 최대 NNI를 이용하여 평면적 분포와 고도별 분포를 분류하여 검토하였다. 본 절에서는 고도를 고려한 강우관측망을 검토하기 위해서는 평면적 분포(목적 1)와 고도별 분포(목적 2)를 동시에 고려하여 강우관측망을 평가하였다. 이 두 목적을 동시에 고려하기 위해 유클리디언 거리(Euclidean distance)를 적용하였다. 유클리디언 거리를 이용하여 강우관측망을 평가하기 위해 각 유역의 최대 NNI를 1로 가정하고, 이 값을 기준으로 현재 NNI를 평가하였다. 최대 NNI와 현재 NNI를 이용하여 계산된 유역의 유클리디언 거리(ED)를 Table 6에 정리하였다.
Table 6
Comparison of Euclidean Distance for Basin
Table 6에서 현재의 NNI는 1에 가까울수록 평면적 분포와 고도별 분포가 각각 좋다는 것을 의미한다. 즉, 유클리디언 거리는 최적 강우관측망(Case3)을 기준으로 계산되는 거리로 그 값이 0에 가까울수록 평면적 분포와 고도별 분포가 우수한 강우관측망이다. Table 6에서 계산된 유클리디언 거리를 도시적으로 표현한 것이 Fig. 10이다. 유클리디언 거리를 이용하여 강우관측망을 평가한 결과 두 목적(평면적 분포와 고도별 분포)을 가장 잘 만족하는 유역은 0.483의 유클리디언 거리로 계산된 HanSub1(남한강 상류-충주댐) 유역으로 분석되었다. 그 외 나머지 유역들은 유클리디언 거리가 0.5 이상으로 대부분 평면적 공간분포는 우수하나 고도별 분포는 좋지 않은 것으로 분석되었다.
5. 결론
강우관측망은 강우-유출해석에서 중요한 자료인 유역의 면적평균강우량 산정과 산악지역에서의 효과적인 돌발홍수 예측을 위한 강우레이더 자료의 보정 등 정확한 수자원 자료를 얻는데 중요하다. 이러한 강우관측망은 공간적으로 균등하게 설치된 경우가 가장 이상적이다. 이에 본 연구에서 는 강우관측소의 고도별 공간분포의 적정성을 평가하기 위한 방안으로 고도별 강우관측소의 NNI를 산정하여 현재 강우관측소 공간분포의 적정성을 평가하였다. 고도마다 다른 지형적인 조건을 고려하기 위하여 주어진 지형조건내에서 가능한 최대 최근린 지수를 최적화 기법의 하나인 화음탐색법을 이용하여 산정하였다. 이와 같이 고도별로 두가지 NNI를 구한 후 이 두 값의 차이를 바탕으로 고도별 적정 강우관측소 분포를 평가하였다. 아울러 유클리더언 거리를 이용하여 평면적 분포특성과 고도별 분포특성을 동시에 반영한 강우관측망을 평가하였으며, 제안된 방법을 한강유역에 적용하였다. 그 결과를 정리하면 다음과 같다.
평면적 분포가 가장 좋은 유역은 HanSub2 유역이며, 고도별 분포가 가장 좋은 유역은 HanSub1 유역으로 분석되었다. 평면적 분포와 고도별 분포를 동시에 고려한 강우관측망의 공간분포를 검토한 결과 HanSub1(남한강 상류-충주댐) 유역의 공간분포가 가장 좋은 것으로 나타났으며, 그 외 나머지 유역들은 유클리디언 거리가 0.5 이상으로 대부분 평면적 공간분포는 우수하나 고도별 분포는 좋지 않은 것으로 분석되었다. 현재의 강우관측소의 분포와 최적 강우관측소의 분포는 고도별로 큰 차이를 보이고 있으며, 특히 관측소의 고도가 높아질수록 차이가 큼을 확인하였다. 이는 비용이나 접근성 등과 같은 유지관리 측면에서의 어려움 때문에 고도가 높아질수록 밀도가 떨어지는 것으로 판단된다. 아울러 한강유역의 강우관측망은 평면적 공간분포보다는 고도별 공간분포가 상대적으로 취약하고 판단된다. 유클리디언 거리를 통해 선별된 유역은 우선적인 투자가 필요한 유역이 되며, 본 연구에서 제안된 방법론의 통해 강우관측소의 최적위치를 산정 및 신설에 적용할 수 있을 것으로 판단된다. 아울러 본 연구에서는 제안된 방법론을 한강유역에 대해 적용성 검토를 수행하였으며, 향후 대상유역을 전국으로 확대 적용하여 강우관측소의 분포특성을 파악하는 것이 필요하다. 아울러 지형학적 강우특성 및 기관별로 상의한 강우관측소의 설치목적을 반영할 수 있는 강우관측망에 대한 연구는 추후 연구과제로 남긴다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
