1. 서 론

지구온난화에 의한 전 세계적 기후변동으로 인하여 발생하는 집중호우·폭염·가뭄·폭설 및 태풍 등 이상기후로 기상재해의 발생빈도 및 규모가 전 지구적으로 급격하게 증가하는 추세이다. 이러한 상황에 맞추어 기후변화에 관한 정부 간 협의체 (Intergovern-mental Panel on Climate Change, IPCC)와 세계기상기구(World Meteorological Organization, WMO)로 대표되는 협의기구를 통하여 기후변화 문제에 대한 범정부 차원의 조사 및 대책 수립과 미래 위험도 저감 방안을 모색하고 실천하는 단계에 들어서 있다.

Kite (1993)는 기후변화가 수문학적 극한사상에 미치는 잠재적인 영향에 대한 연구가 과거 10여 년간 수문학 분야에 주요 연구내용으로 자리 잡고 있다고 지적하였으며, 이와 더불어 전 세계적인 지구온난화로 인해 극한수문사상의 발생빈도 및 규모의 증가를 지적한 바 있다. 이와 같이 과거에 경험하지 못한 극한수문사상은 수문해석을 수행함에 있어 어려움이 커지고 있다. 이러한 배경으로 수문학 및 수문기상학에서 위험기상(high-impact weather)이라는 용어가 등장하였으며 WMO에서는 국제협력연구를 통해 사회·경제적 피해를 경감시키고자 2013년부터 위험기상 연구를 수행하고 있다. 그 밖에도 선진국에서는 일상적인 기상현상과 구분하여 위험기상에 대한 연구를 지속적으로 수행하고 있다(Thomas et al., 2006; Shi and Cui, 2012; Done et al., 2015; Papagiannaki et al., 2013).

국립기상과학원에서는 한반도 악기상 현상과 관련된 역학적 배경을 이해하고 예측 가능성 향상을 목적으로 한반도 악기상 관측사업을 2001년 제주도에서 시작하여 태풍과 장마 및 겨울철 폭설과 한파와 같은 위험기상 집중관측을 수행하고 있다. 최근에는 위험기상으로 인하여 발생하는 극치자료를 활용한 다수의 연구가 진행되고 있다. 국내에서 Lee et al. (2010)은 극치수문자료의 경향성 분석 후 Gumbel 극치분포를 기반으로 시간변화에 의한 수문빈도 특성 변화를 모의할 수 있는 Bayesian 모형을 구축하고 현재 수문자료를 기준으로 수문학적 위험도가 증가할 수 있음을 지적하였다. Kim et al. (2013)이 한반도에 발생한 여름철 집중호우 사례와 겨울철 대설 사례를 대상으로 관측 민감도 평가도구를 이용하여 예보오차에 대하여 분석한 결과 겨울철 대설 사례를 제외하고 지속시간별 예보오차가 감소하고 있음을 확인하였다.

우리나라의 강우특성은 동아시아 몬순(monsoon)의 영향과 기후변동성의 원인으로 강수량은 변동성이 크게 나타내고 있고 이와 더불어 지형학적 원인도 크게 받고 있다. 최근 30년 동안 강우일수는 줄고 있으며 강수량은 증가하여 강우강도가 전반적으로 증가하는 집중호우의 경향이 나타나고 있다. 이러한 집중호우는 위험기상으로 구분되어 수자원관리 및 홍수관리에 어려움을 가중시키고 있다. 2013년에 발간된 IPCC 보고서에 따르면 앞으로 100년 동안 중위도 지역의 육지 및 열대 지역의 극한 강우량 및 발생빈도가 증가할 것이며 몬순의 지속기간 및 강우량이 증가할 것으로 분석되었다(Lee et al., 2014). 이를 뒷받침하듯 우리나라의 최근 극치강수량 특징은 평균의 변화로 인한 극치강수의 증가와 분산의 변화로 인한 극치강수 발생 빈도의 증가로 나타나고 있다. 최근의 사례로는 2011년 중부지방 집중호우로 인한 우면산 산사태 및 2014년 부산에 약 1시간 지속시간 130 mm의 강우가 발생하여 저지대에서는 내수침수로 인한 피해가 발생하였다.

최근 이상기상현상으로 인해 극치자료의 통계적 특성이 과거와는 다른 특성을 가지며 극치자료 분석을 수행함에 있어 확률분포 선택의 문제와 이상치의 처리문제로 극치강수의 빈도 및 양적 변화를 효과적으로 평가하는데 어려움이 가중되고 있다. 이러한 점에서 Bayesian 모형을 도입하여, 다양한 외부변화 양상을 모형에 포함시켜 분석함과 동시에 해석과정에서 불확실성을 평가하는 연구가 다수 수행되고 있다. Ouarda and Adlouni (2008)은 시계열 자료의 경향성을 Bayesian 방법을 적용하여 매개변수를 산정하였고, 적용분포로는 GEV 분포와 Generalized Pareto Distribution (GPD) 분포를 선택하였다. Kwon et al. (2008)은 해수면온도, GCM 예측 강우량 및 기상인자 등을 예측인자로 활용하여 계층적 Bayesian 기법 기반의 홍수빈도해석 모형을 개발하고 이를 Montana 지역에 적용하여 비정상성 빈도해석 모형 적용을 통해 기상변동성을 고려한 위험도 기반의 홍수관리방안을 제시하였다.

Kwon and Myeong (2011)은 일반화된 Bayesian 회귀분석 기반의 재해피해액 평가모형을 개발하였으며, 상대적으로 강우에 대한 반응이 크게 나타나는 지역을 대상으로 미래 재해위험도의 변동성을 확률밀도함수를 통해서 평가한 결과 재해위험도가 미래에는 커질 것으로 전망하였다. Sun et al. (2015)은 매개변수 및 모형을 불확실성을 동시에 평가할 수 있는 계층적 Bayesian 모형을 활용하여 비정상성 확률홍수량 빈도해석 기법을 독일의 68개 지점의 유량자료를 대하여 적용한 결과 독일의 중부 및 북부 지역보다 남부지역의 유량의 상승경향을 확인하였다.

기존의 강우빈도해석은 연 최대강우량 혹은 연 초과강우량을 대상으로 분석함에 있어서 극치강우사상의 발생경향을 효과적으로 고려하지 못하는 문제점이 존재하게 된다. 본 연구에서는 이러한 문제점을 고려하여 한반도에 발생한 위험기상 중 극치호우사상에 주안점을 두고 분석하고자 한다. 이를 위하여 단기간에 발달하는 호우사상의 분석을 위하여 시단위 강우자료를 활용하였으며 지속시간 및 절점기준(threshold)에 따라 호우사상을 구분하였다. 이후 기상청 호우기준을 활용하여 호우사상의 발생경향성을 분석하였으며 강우빈도해석을 수행하는데 있어 보다 기존의 강우빈도 해석시 고려되지 못했던 극치강수량에 대해서 특정 절점기준을 초과하는 사상의 발생빈도와 양적변화를 동시에 평가할 수 있는 이산-연속분포 개념의 빈도해석 절차를 수립하였다. 이 과정에서 기존의 강우빈도 해석시 사용된 매개변수 추정기법에 비하여 진보된 매개변수 추정기법으로 알려진 Bayesian 기법을 적용하여 불확실성을 고려한 강우빈도해석을 수행하였다. 최종적으로 기상학적 재해석자료를 활용하여 수문학적 분석과 기상학적 분석을 연계하여 호우발생시의 한반도 주변의 종관기후학적 분석을 수행하였다.

2. 연구방법

강우분석에 있어서 서로 다른 절점기준을 사용하여 강우사상을 분리한 연구가 다수 수행되었다(Kedem et al., 1990; Dhakal and Sidle, 2004; Begueria and Vicente-Serrano, 2006). 일반적으로 연 최대강우량을 활용하여 강우빈도해석을 수행하고 있지만 이러한 경우 해당연도의 최대강우량만 분석대상으로 선택되어 최대강우량과 유사한 강우량은 분석대상에서 제외된다. 따라서 본 연구에서는 연 최대강우량 뿐만 아니라 집중호우로 나타나는 극한강우사상을 분석대상으로 추가하여 극치강우자료를 확충하였다. 이를 위해서 지속시간으로 강우현상을 구분하여 각 지속시간에 서로 다른 절점기준을 적용하였다.

2.1 Mann-Kendall 경향성 분석법

수문시계열의 변동성은 다양한 통계기법을 통하여 정량적으로 분석할 수 있으며, 주로 자료의 경향성 유무, 평균 유지여부, 분산의 변동특성, 일변화, 계절변화 및 장주기 변화 등이 평가대상으로 활용되고 있다. 본 연구에서는 이중 강우시계열 자료의 경향성을 평가하였으며, 경향성 여부를 판단에 널리 사용되는 Mann-Kendall Test(Mann, 1945; Kendall, 1975)를 사용하였다. Mann-Kendall Test의 분석절차를 요약하여 나타내면 다음과 같다.

특정한 시간 에 해당하는 로 표현되는 강우시계열 자료에 대하여 Mann-Kendall Test를 적용하는 과정으로 과 의 강우량을 비교하여 부호검정을 실시한다. 와 의 부호검정을 통하여 산정된 값은 Eq. (1)과 같으며 여기서 는 를 나타낸다.

 (1a)

 (1b)

 (1c)

여기서, 의 시행횟수는 이고 모든 값에 대하여 와 에 대한 값을 산정하면 Mann-Kendall 통계량 는 Eq. (2)와 같이 나타낼 수 있다.

 (2)

통계량 를 이용하여 검정통계량 와 분산 을 Eq. (3)으로 나타낼 수 있다.

 (3a)

 (3b)

Eq. (3)에서 은 이면 1의 값을 가지며, 이면 –1의 값을 갖으며 계산된 검정통계량 를 이용하여 경향성이 없다는 귀무가설과 의 기각역을 설정하여 검정하는 방법이 Mann-Kendall Test 방법이다. 여기서 는 표준정규분포(standard normal distribution)를 따르며 유의수준() 10%에 대하여 Mann-Kendall Test를 시행하였다.

2.2 불확실성을 고려한 포아송-Generalized Pareto Distribution 강우빈도해석

강우량은 수문해석을 위한 기초적인 입력 자료로 사용되어 신뢰성 있는 자료의 확보가 수문해석의 매우 중요한 요소로 작용한다. 시계열의 주변분포(marginal distribution)의 오른쪽 꼬리에 해당하는 극치자료 분석시 절점기준을 초과하는 모든 자료들을 사용하는 것이 신뢰성 있는 설계강우량을 산정하는데 유리한 것으로 알려지고 있다(Davison and Smith, 1990). 본 연구에서는 기상청 호우주의보 발령기준에 속하는 6시간 누적 강우량 70 mm 이상(Case A)인 강우사상과 집중호우로 정의한 1시간 누적강우량 30 mm 이상(Case B)인 강우사상을 분석대상으로 설정하여 강우빈도해석 및 종관기후학적 분석을 수행하였다. 위와 같은 절점기준 설정사유는 기상예보시 가장 널리 사용되고 있는 기상청 호우주의보 기준과 집중호우 기준을 기본적으로 적용하였으며 절점기준 설정에 대한 분석내용은 3장에 추가적으로 평가하였다.

추출된 극치자료인 확률변수 에 대해서 서로 독립이고 동일한 분포(independent identically distributed, iid)를 따른다고 가정할 때, 절점기준()를 초과하는 값을 로 정의한다면 의 조건부 확률분포는 Eq. (4)로 나타낼 수 있다.

 (4)

Eq. (4)는 Pickands-Balkema-de Haan 정리에 의하면 다음의 GPD 함수로 수렴한다(Jenkinson, 1955). Eq. (4)의 분모와 분자를 GPD 함수 형태로 정리하면 Eq. (5)와 같으며 Eq. (6)으로 재정리된다.

 (5a)

 (5b)

 (6)

여기서, 은 를 나타낸다. 또한 는 규모 매개변수(scale parameter) 및 은 형상 매개변수(shape parameter)로서 극치값지수(extreme value index) 또는 꼬리지수(tail index)로 명명되며, 꼬리의 형태를 특징화하는데 사용되는 매개변수로 이면 두꺼운 꼬리(heavy tail), 이면 짧은 꼬리(short tail)를 갖는다. 는 극치강우를 선별하기 위한 절점기준을 의미하는 매개변수이다.

(7)

여기서, 로 나타낼 수 있어 Eq. (7)를 Eq. (8)로 재정리할 수 있다.

 (8)

이러한 극치사상 분석방법은 포아송-GPD 방법으로 명시되어, 서로 독립인 관측자료 절점기준을 초과하는 사상의 수가 에 대하여 평균이 인 포아송 분포를 따르며 초과하는 강우량은 서로 독립이며 GPD를 따르는 확률변수들로 가정하여 적합시키는 것이다. 최종적으로 특정빈도의 확률강우량은 아래의 Eq. (9)와 같은 형태로 산정된다.

 (9)

우리나라는 수자원계획을 수립하는데 있어 이수관점과 치수관점을 동시에 고려하기 때문에 최근 기후변동으로 인하여 발생하는 극치강우사상을 대상으로 빈도해석을 수행하는 경우 확률강우량을 과소추정 할 수 있다. 절점기준을 초과하는 강우사상을 보다 정량적으로 고려하기 위한 방법으로서 포아송 분포를 활용할 수 있다. 직관적으로 Eq. (9)의 는 포아송 분포를 따르는 것으로 가정할 수 있다. 단위 시간동안 특정사상이 몇 번 발생할 것인지 표현하는 이산분포인 포아송 분포의 확률밀도함수는 Eq. (10)과 같다. 본 연구에서는 절점기준을 초과하는 극치강우사상의 발생횟수()를 GPD 분포와 연계하여 확률강우량을 산정하였다.

 (10)

여기서, 는 연도별 절점기준을 초과하는 강우사상의 기댓값이다.

불확실성을 고려한 수문해석을 위하여 사전분포와 사후분포의 개념을 도입한 Bayesian 기법을 활용한 빈도해석 연구가 다수 진행되었다(Reis and Stedinger, 2005; Zhai et al., 2005; Scott and Lall, 2015). Bayesian 정리는 매개변수 와 확률변수 의 결합 확률분포는 사전분포(prior distribution)와 우도(likelihood)의 곱으로 추론되는 개념이다. 즉, 사후분포(posterior distribution)는 사전분포와 우도의 곱에 비례하여 우도와 사후분포가 연속적으로 갱신되면서 불확실성을 정량적으로 해석할 수 있다. 즉 Eqs. (11)~(13)과 같이 확률분포형의 매개변수들은 확률분포를 가지게 된다.

 (11)

 (12)

 (13)

사전분포를 통한 매개변수 추정을 위한 Bayesian 정리에 의하여 사후분포는 Eq. (14)와 같이 정리된다.

 (14)

여기서, 는 벡터자료로서 강우자료를 의미하며 는 와 로 GPD 분포의 규모 매개변수와 형상 매개변수를 의미한다.

즉, 우변의 분모 는 주변분포(marginal distribution)이고 우변의 분자인 는 발생할 수 있는 가능성을 고려한 우도함수를 나타내는 것으로 절점기준을 초과하는 수 은 평균이 인 포아송 분포를 따르고 초과값들의 초과여분 는 분포를 따른다고 가정하면 우도함수(likelihood)는 Eq. (15)와 같다.

(15)

Bayesian 기법에서 매개변수에 대한 사전확률과 자료로부터 취득된 정보를 결합하여 매개변수의 사후분포를 규명하고 이 사후분포를 활용하여 매개변수에 대한 추론을 수행한다. 즉, 가 서로 독립인 사전분포 이 주어졌을 경우 사후분포를 Eq. (16)과 같이 정의된다.

 (16)

수문자료를 특정 확률분포에 적합하여 분석하기 위해서는 수문자료로부터 확률분포의 특성을 대표하는 매개변수를 추정하는 것이 필수적이다. 이를 위해서 본 연구에서는 Markov Chain Monte Carlo (MCMC) 기법을 활용하였다. MCMC 기법은 다변량 확률분포(multivariate probability density function)가 복잡하여 결합 확률(joint probability)을 정확히 고려하기 어려운 경우에 적용하는 방법으로 서로 독립인 형태의 변량 대신에 Markov Chain을 따르는 변량을 연속적으로 추출하여 사용하게 된다.

Markov Chain을 통해서 초기에 추출된 변량들은 연속적인 모의를 통해서 충분한 시간이 흐르게 되면 가정한 확률분포에 수렴하게 된다. 본 연구에서는 Bayesian MCMC 방법 중 Gibbs Sampling을 활용하여 매개변수를 추정하였다. 불확실성을 고려한 포아송 GPD 기법 강우빈도해석 결과의 비교를 위해서 기존 강우빈도 해석에 있어 널리 활용되고 있는 Gumbel 분포형을 활용하였으며 매개변수 추정은 최우도법을 활용하였다.

3. 연구결과

3.1 호우사상 발생횟수 및 MK 경향성 분석결과

1975년부터 2012년 기간의 시강우량을 활용한 Mann-Kendall 경향성 분석결과 총 62개 관측지점 중에서 Case A의 경우 21개의 지점에서 극치강우사상 발생횟수가 증가하는 경향성을 확인할 수 있었으며, Case B의 경우 21개 지점에서 증가하는 경향을 확인하였다. Fig. 1을 살펴보면 서울을 포함한 경기도지역 주변 관측소에서 극치강우사상이 증가하는 것을 확인할 수 있다. Case B의 경우 산악지형 및 남해안 지역의 관측소에서 극치강우증가 경향성을 확인하였다. 이는 강우전선이 고도가 높은 산맥을 통과하는 경우 산악효과로 인하여 많은 양의 강우를 유발하고 산맥을 통과한 후에는 비교적 적은 양의 강우를 유발하는 것으로 사료된다.

지형적으로는 경기북부지역의 경우에는 광주산맥 및 태백산맥을 영향을 받으며 전남지역의 경우 노령산맥 및 소백산맥의 영향을 받는 것으로 사료된다. 또한 Case B는 태풍사상과 같이 짧은 시간에 많은 양의 강우를 유발하는 것으로 남해안 지역에 태풍으로 인한 강우와 연관된 것으로 사료된다. 산청지점의 경우 Kim et al. (2015)에 따르면 태풍을 동반한 강우사상의 경우 가장 크게 강우반응을 보이는 것으로 확인되었다.

Case A와 Case B의 모두의 경우에서 극치강우사상 발생횟수가 증가하는 관측소는 12개 지점(춘천, 서울, 인천, 안동, 울산, 통영, 서귀포, 인제, 제천, 합천, 산청 및 남해)으로 확인되었다. 제주도에서는 제주지점의 Case A와 Case B의 모두의 경우에서 감소하는 경향을 나타내고 있지만 동일 유역에 위치한 서귀포의 경우는 Case A와 Case B 모두의 경우에서 증가하는 경향을 나타내고 있다. 이는 한라산의 지형적인 효과로 제주시와 서귀포 지역에 서로 다른 기상 특성이 나타나는 결과로 사료된다. 이와 같이 지형효과의 영향을 받아 기압이 높은 지점에서 낮은 지점으로 가해지는 기압경도력(pressure gradient force)이 발생함에 따라 산맥에서 강우장의 이동이 지체되는 blocking 현상은 저기압 강우장의 상승효과와 불안정한 대기상태와 적운형 구름발달 등과 같은 기상학적 대기의 구조적 변화를 유발하는 영향으로 사료된다.

3.2 불확실성을 고려한 포아송 Generalized Pareto Distribution 강우빈도해석 결과

앞서 분석결과 중 Case A와 Case B의 모두의 경우에서 극치강우사상 발생횟수가 증가하는 12개 관측소는 국지성 호우의 발생빈도가 증가하는 경향이 있는 것으로 사료된다. 따라서 본 연구에서는 통계적으로 유의성이 있는 12개 지점에 대해서 포아송-GPD 분포를 적용하여 빈도분석을 수행하였다. 이와 더불어 비교모형으로서 ‘한국 확률강우량도 개선 및 보완 연구’(Ministry of Land, Infrastructure and Transport, 2011)에서 적용된 Gumbel 분포형을 적용하여 빈도해석을 수행하였다.

Clarke et al. (2009)은 절점기준을 산정하는데 있어 신중할 필요가 있다고 언급한바 있으며 본 연구에서 설정한 절점기준은 기상청 기준을 수용한 결과로 일반적으로 강우량계열의 상위값을 선택하는 경우 지점마다 상이한 강우의 분포형태로 인해 GPD의 경우 절점기준에 따른 분포 적합성이 크게 달라진다. Table 1은 Case A와 Case B의 상위 99%에 해당하는 강우량을 정리한 것이다. 지점별로 차이는 있지만 Case A와 Case B의 분석을 위하여 설정한 절점기준은 각 강우지점에 대해서 상위 99%를 상회하는 강우량으로 평가되었다. GPD 분석에 있어 절점기준은 충분히 커야 이론적으로 적합성을 가지는 것으로 알려지고 있으며, 이러한 점에서 극치강우 분석을 위한 절점기준으로 적합한 것으로 판단하고 연구를 진행하였다. 이와 더불어 Fig. 2는 절점기준 이상의 범위에서 절점변화에 대한 평균초과도(mean excess plot)를 통해 절점기준을 추가적으로 평가하였다. 절점기준을 초과하는 값들의 평균이 절점기준의 변화에 따라 선형에 가까우면 효과적으로 절점기준이 선택되었다고 할 수 있으며 이중 가장 작은 절점기준을 선택하도록 권장된다(McNeil and Saladin, 1997; Begueria, 2005). 본 연구에서는 기상청 기준의 절점기준이 극치분포의 경향을 잘 반영하고 있는지 시각적으로 검토하기 위해 평균초과도를 도시하였다.

Bayesian 강우빈도해석을 수행하기 위해 Bayesian MCMC 기법을 도입하여 Bayesian MCMC 추정시 3개의 독립된 Chain을 사용하여 10,000회의 MCMC 모의(iteration)를 수행하였으며, 초기 2,000회의 결과를 제외(burn-in)하여 분석하였다. Bayesian 기법의 경우 자료가 충분한 경우 사전분포의 영향보다는 우도함수에 가중치가 크게 작용하게 되지만 표본자료가 충분하지 않거나 사용된 자료의 동질성이 확보되지 않는 경우에는 매개변수의 불확실성이 크게 나타나게 된다.

Tables 2~4는 Bayesian MCMC 기반의 GPD 확률분포형의 매개변수의 통계값(평균, 표준편차, 중앙값 및 불확실성 구간(2.5% 및 97.5%)) 및 포아송 분포의 기댓값(expected value, )을 정리한 것이다. 의 값이 크다는 것은 절점기준을 초과하는 극치강우사상 빈번하다는 것을 의미하는 것으로 Case A 의 경우 서귀포 및 남해 지점이 기타 지점에 비하여 높은 값을 나타내고 있으며, Case B 의 경우 서울, 서귀포 및 남해 지점이 기타 지점에 비하여 높은 값을 확인하였다. 안동지점의 경우 의 값이 1 보다 작은 것을 확인하였다.

Figs. 3 and 4는 Bayesian MCMC 기법으로 도출된 매개변수 사후분포를 활용하여 재현기간(return period)에 따른 확률강우량을 비교한 결과이다. Case A의 지속시간을 적용하여 Gumbel 분포를 활용한 빈도해석 결과와 비교하였다. 전체 지점에서 재현기간이 고빈도로 갈수록 Gumbel 분포를 활용한 빈도해석 결과에 비하여 포아송-GPD 강우빈도해석 결과가 상대적으로 크게 추정되었다. 국내에서 수공구조물 설계시 널리 사용되는 Gumbel 분포형의 경우 극치강우사상의 발생횟수를 고려하지 못하는 이유로 다소 과소 추정된 확률강우량을 제시하고 있다.

일반적으로 수자원계획 수립 과정에서 적용하는 재현기간에 비하여 이용 가능한 강우자료가 상대적으로 매우 짧아 이로 인해 Sampling Error를 포함하여 추정되는 매개변수의 불확실성이 매우 큰 특성이 있다. Bayesian 기법을 이용하여 산정된 확률강우량의 불확실성 구간은 재현기간이 고빈도로 갈수록 상대적으로 커지는 것을 확인하였다. 확률강우량의 경우 Bayesian 기반의 빈도해석 결과가 Gumbel 분포형 기반의 결과에 비하여 상향된 결과를 도출하였다. 결과적으로 극치강수량의 증가경향이 있는 지역의 경우 포아송-GPD 모형이 치수 안정성 측면에서는 다소 유리한 부분이 있는 것으로 판단된다.

Fig. 4의 경우 Case B에 속하는 극치강우 발생횟수가 Case A에 비하여 상대적으로 적어 매개변수의 불확실성이 크게 나타나고 있다. Case B의 경우 춘천지점을 제외한 전체 지점에서 Fig 3과 동일한 결과를 도출하였다. 다만 자료연한의 제약으로 인하여 분석 자료의 수가 부족한 지점에서는 고빈도 확률강우량의 경우 다소 과대추정(overestimate) 되었으며, 이에 대한 불확실성 구간도 매우 크다는 것을 확인할 수 있었다. 이러한 문제점은 추후 자료의 확충을 통해서 개선될 수 있을 것으로 판단된다.

3.3 재해석자료를 활용한 종관기후학적 분석결과

종관기후학적 분석을 위한 자료는 미국 대기해양청(National Oceanic and Atmospheric Administration, NOAA)에서 취득 가능한 2.5° × 2.5° 격자단위 850h Pa 압력면의 지구의 장파복사량(outgoing longwave radiation, OLR) 재해석자료와 바람장(wind vector)을 사용하였다. 대기 중에서 외계로 방출되는 장파 복사인 OLR은 광범위한 지역의 강우사상을 분석하는데 사용되는데, 대기 중에 구름이 많아지면 방출되는 장파 복사가 줄어들어 음의 값을 나타내며 음이 값이 강할수록 저기압의 세력이 강함을 의미한다.

본 연구에서는 절점기준으로 결정된 극치사상에 해당하는 날짜를 추출하고 이들 특정일에 해당하는 OLR과 바람장 자료를 추출하여 분석을 수행하였다. Fig. 5에서 음영은 평균 OLR에 대한 관측 자료와 평균값과의 아노말리(anomaly)이고 화살표의 방향은 풍향을 화살표의 크기는 풍속을 의미한다. 우리나라에 국지성 집중호우를 유발하는 경우의 종관기후의 양상은 주로 강우발생일 기준 –3일부터 동중국해 주변에서 점차적으로 저기압 특성을 보이며, 일본열도 부근의 고기압의 남서풍이 발달하여 우리나라 쪽으로 수증기 유입을 가중시키고 있다. 또한 저기압 특성상 반시계 방향으로 회전하면서 우리나라 남해안 주변에서 강한 수렴 역을 형성하여 많은 강우를 유발하는 것으로 사료된다.

Case A의 경우 OLR 세력이 Case B에 비하여 강화되어 한반도에 전체에 강한 저기압 특성을 나타내고 있으며, Case A와 Case B의 경우 모두 남동풍의 영향으로 북태평양 고기압이 후퇴하면서 저기압 특성이 오호츠크해역으로 빠져나가는 것을 확인하였다. 전체적으로 Case A와 Case B의 종관기후는 유사한 패턴을 보이고 있지만 세력의 강도가 Case A의 경우가 강한 것을 확인하였다.

4. 결 론

선진국에서는 기후변동으로 인한 극치강우사상의 특성을 평가하여 기존에 설계된 수공구조물의 안정성 평가 및 치수대책 수립을 수행하고 있다. 우리나라의 경우 동아시아 몬순의 영향을 받는 중위도에 위치하여 계절에 따라 강우의 편차가 크지만 최근 기후변동에 따른 국지성 집중호우는 도심지역에서는 돌발홍수를 야기하여 많은 인명·재산 피해를 유발하고 농경지 지역에서는 농작물의 성장 및 생산에 불리한 조건을 형성한다. 이러한 점에서 극치강수의 발생빈도와 양적 변동을 동시에 고려할 수 있는 연속-이산분포 모형의 개발 및 적용은 치수적 관점에서 홍수관리에 다양한 정보를 제공할 수 있다.

일반적으로 국지성 집중호우는 짧은 시간에 발달하는 특성으로 수치예보모형으로 발생시점 및 지속시간을 예측하는데 한계가 존재한다. 또한 기존의 극치강우분석은 연 최대강우량을 사용하였으나 이러한 방법은 확률분포형의 꼬리에 대한 정보를 가지고 있는 자료들을 충분히 활용하지 못하기 때문에 확률강우량 산정시 정확도가 떨어지고 오차도 증가하는 단점이 있다. 따라서 본 연구에서는 시단위 강우자료를 활용하여 2가지 절점기준에 따라 불확실성을 고려할 수 있는 포아송-GPD 강우빈도해석 및 수문-기상자료를 연계한 종관기후학적 분석을 수행하였다. 본 연구를 통하여 얻은 결론은 다음과 같다.

(1)본 연구에서는 서로 다른 절점기준을 이용하여 우리나라에 발생하는 극치강우사상을 대상으로 발생빈도 및 양적특성을 동시에 고려할 수 있는 포아송-GPD 강우빈도해석 기법을 적용하여 극치강우의 증가 경향성이 있는 지점을 대상으로 극치강우 발생을 고려한 확률강우량을 산정하였다. 매개변수 추정시 Bayesian 기법의 적용을 통해 불확실성을 정량적으로 제시하였으며 이를 통해 100년 이상의 빈도에서는 불확실성이 급격하게 커지는 것을 확인할 수 있었다. 따라서 현재의 자료연한을 고려할 때 100년 빈도이상의 확률강수량 적용시 주의가 필요할 것으로 판단된다.

(2)본 연구에서 제안하는 포아송-GPD 모형의 적용을 통해 강수의 증가경향이 있는 12개 지점의 경우 강수의 양적증가뿐만 아니라 극치강수의 발생빈도 또한 증가하는 것으로 평가되었으며 이러한 극치강수의 발생빈도를 고려하는 경우 확률강수량의 증가로 이어지는 것을 확인할 수 있었다. 이러한 결과는 치수적 관점에서 유용하게 사용될 것으로 판단된다.

(3)극치강우사상의 발생경향성이 증가경향을 나타내는 지점은 주로 산악지형에 위치한 관측소로 우리나라의 대표적 강우특성인 산악형 강우에 의한 집중호우가 유발되는 것으로 사료된다. 우리나라의 경도 128°를 기준으로 동쪽지역에 비하여 서쪽지역은 집중호우의 발생 가능성이 높으며 증가 경향성이 뚜렷한 지역의 경우 집중호우 취약지역으로 구분하여 그에 따른 방재대책을 추가적으로 수립해야 할 것으로 판단된다.

(4)수문학적 분석과 기상학적 재해석자료를 연계하여 극치강우사상이 발생하는 경우 전후기간에 대하여 종관기후학적 분석을 수행하여 우리나라 극치강우사상에 주로 영향을 미치는 시점의 기상상태를 확인하였다. 분석결과 동중국해 주변에서 점차 강화되는 저기압 특성이 상승기류의 영향을 받아 북서쪽으로 진행한 후 북태평양 고기압의 영향을 받아 우리나라에 정체하면서 많은 강우를 유발하였다. 따라서 동중국해의 저기압 특성과 북태평양 고기압 특성이 우리나라의 극치강우에 주로 영향을 미치는 인자로 판단된다.