[ Article ]

Atmosphere - Vol. 27, No. 2, pp.189-197

ISSN: 1598-3560 (Print) 2288-3266 (Online)

Print publication date 30 Jun 2017

Received 31 Jan 2017 Revised 29 May 2017 Accepted 12 Jun 2017

DOI: https://doi.org/10.14191/Atmos.2017.27.2.189

강남지역 홍수영향예보를 위한 침수특성 분석

이병주^*

한국외국어대학교 차세대도시농림융합기상사업단

Analysis on Inundation Characteristics for Flood Impact Forecasting in Gangnam Drainage Basin

Byong-Ju Lee^*

WISE Institute, Hankuk University of Foreign Studies, Yongin, Korea

Correspondence to: ^* Byong-Ju Lee, WISE Institute, Hankuk University of Foreign Studies, 81, Oedae-ro, Mohyeon-myeon, Cheoingu, Yongin 17035, Korea. Phone: +82-70-4617-7380, Fax: +82-31-321-6470 E-mail: bjlee0704@gmail.com

Abstract

Progressing from weather forecasts and warnings to multi-hazard impact-based forecast and warning services represents a paradigm shift in service delivery. Urban flooding is a typical meteorological disaster. This study proposes support plan for urban flooding impactbased forecast by providing inundation risk matrix. To achieve this goal, we first configured storm sewer management model (SWMM) to analyze 1D pipe networks and then grid based inundation analysis model (GIAM) to analyze 2D inundation depth over the Gangnam drainage area with 7.4 km². The accuracy of the simulated inundation results for heavy rainfall in 2010 and 2011 are 0.61 and 0.57 in POD index, respectively. 20 inundation scenarios responding on rainfall scenarios with 10~200 mm interval are produced for 60 and 120 minutes of rainfall duration. When the inundation damage thresholds are defined as pre-occurrence stage, occurrence stage to 0.01 km², 0.01 to 0.1 km², and 0.1 km² or more in area with a depth of 0.5 m or more, rainfall thresholds responding on each inundation damage threshold results in: 0 to 20 mm, 20 to 50 mm, 50 to 80 mm, and 80 mm or more in the rainfall duration 60 minutes and 0 to 30 mm, 30 to 70 mm, 70 to 110 mm, and 110 mm or more in the rainfall duration 120 minutes. Rainfall thresholds as a trigger of urban inundation damage can be used to form an inundation risk matrix. It is expected to be used for urban flood impact forecasting.

Keywords:

Impact-based forecast, urban flooding, inundation risk matrix, rainfall thresholds

1. 서 론

전세계적인 이상기상으로 인해 태풍, 호우, 폭염 등 위험기상의 발생이 증가하고 있으며 전지구적인 기후변화에 따라 위험기상의 발생가능성도 증가되고 있다. 우리나라도 최근 10년(2005∼2014년)간 자연재해로 인해 발생한 피해액은 약 6조 9천억원이며 그 피해규모의 원인은 호우, 태풍, 대설 순이다(MPSS, 2015). 또한, 도시화로 인해 인구밀집도가 높아지고 불투수 지역이 증가하고 있으며 이로 인해 집중호우로 인한 도시홍수피해도 대형화되고 있다. 2010년 9월 21일과 2011년 7월 27일에 서울지역에서 발생한 홍수피해사례가 대표적이다. 한시간 최대 100 mm 이상의 집중호우가 발생하였으며 민간소유의 건물과 도로, 하천, 군시설 등의 공공시설이 심각한 피해를 입었다. 2010년과 2011년의 재해연보(MPSS, 2010, 2011)에 따르면, 2010년과 2011년 호우로 인해 서울시가 입은 피해는 각각 약 171억원과 308억원으로 기록되었다. 이중 건물 침수에 의한 피해액은 107억원(62.6%)과 92억원(30%)이며 피해유형 중 가장 큰 부분을 차지하였다.

기상청은 지역별 상세기상정보 서비스를 위해 2008년부터 동네예보를 시행하고 있으며 고유한 기상정보로는 그 유용성을 인정받고 있다. 다만, 지역별 사회 ·경제적 영향을 고려하지 않은 기상현상 중심의 기상정보는 기상재해 대응을 위한 효과적인 의사결정을 지원하는데 불충분하다는 인식이 커지고 있다(KMA, 2016). 현재 기상청은 대상지역과 무관하게 6시간 강우량 70 mm, 12시간 강우량 110 mm 이상이 예상되는 경우에 호우주의보, 6시간 강우량 110 mm, 12시간 강우량 180 mm 이상이 예상될 때 호우경보를 발령한다. 세계기상기구(WMO)는 기상현상으로부터 발생할 수 있는 사회 · 경제적 영향을 고려하는 영향예보(impact forecasts)의 필요성을 강조하고 있다(WMO, 2015). 기상청도 기상재해 대응을 위해 효과적인 의사결정을 지원할 수 있는 체계구축이 필요하다는데 인식을 같이 하고 있다(KMA, 2016).

이미 기상선진국에서는 고해상도 기상정보뿐만 아니라 기상현상의 사회 경제적인 영향을 분석하여 이에 대한 현실적이고 신뢰할만한 영향예보를 시작하고 있다. 한 예로 영국의 Flood Forecasting Centre (FFC) -Flood Guidance Statement (FGS)에서는 5일 동안의 모든 홍수유형에 대한 위험도를 평가하고 이 결과를 일단위(daily)로 제공하고 있다. FGS는 홍수위험도를 발생확률(likelihood)과 위험영향(risk impact)의 조합으로 이루어진 홍수위험도표(flood risk matrix)를 제공한다. 발생확률은 매우낮음(very low: < 20%), 낮음(low: 20~40%), 중간(medium: 40~60%), 높음(high: ≥ 60%)의 4개 밴드로 구분되고 홍수위험영향은 미세한 영향(minimal), 경미한 영향(minor), 상당한 영향(significant), 심각한 영향(severe)의 4개 카테고리로 구분된다. 각 홍수위험영향 카테고리에 대한 피해 정도는 Table 1과 같이 정의된다(FFC, 2017). 각 카테고리 별로 홍수피해는 없으나 잠재적으로 발생할 수 있는 상황, 국지적 범람 또는 침수로 인한 저지대의 침수위험이 발생하는 상황, 재산피해가 발생하고 사회시스템이 부분적으로 중단되는 상황, 광범위한 범람 또는 침수로 인해 사회시스템 전반이 중단 또는 손실되는 상황으로 요약될 수 있다. 호우에 의한 홍수영향예보를 위해서는 호우규모에 따른 잠재적 피해정도가 Table 1의 4개 카테고리 중 어디에 해당하는지를 정량적으로 설명할 수 있어야 한다. 홍수의 발생확률은 이를 유발하는 강우량의 발생확률과 직결됨으로 앙상블 확률 강우량 예측정보를 이용하여 추정할 수 있다.

Table 1.

Typical examples of impacts from flooding and aligns with the four columns in the flood risk matrix (FFC, 2017).

본 연구는 이러한 세계적 기상예보의 패러다임 변환 움직임을 국내 인구밀집지역인 도시지역에 적용하기 위한 기상 임계값을 추정하는 과정을 제시하고자 한다. 일반적으로 도시침수를 위해서는 대상지역에 대해서 침수위험 임계값을 설정하고 그 임계값을 유발하는 강우량 추정에 대한 연구가 필요한데, 침수심, 침수지역, 침수위험도를 추정하는 방법에 대해 연구를 수행하였다. 대표적으로 과거 침수실적을 참조하는 방법, 침수발생에 영향을 미치는 인자(강우량, 강우지속기간, 유역 평균고도, 평균경사, 관밀도 등)와 침수의 상관성 분석을 통한 방법(Park and Choi, 2008; Ahn et al., 2013; Kang and Lee, 2015; Lee et al., 2015), 수리수문학적 해석을 통한 방법(Hsu et al., 2000; Lee et al., 2006; Pathirana et al., 2011; Lee and Yoon, 2017) 등이 있다. 과거 침수실적을 참조하는 방법은 해당지역의 실측치를 이용하기 때문에 객관성과 정확성이 높다는 장점이 있으나 우리나라는 대부분의 지역에서 침수흔적도를 비롯하여 침수피해지역에 대한 정확하고 정밀한 기록을 장기간에 걸쳐 축적하고 있는 지역이 거의 없고 자료가 있는 경우에도 침수범위 이외에 침수심이나 침수원인 등과 같은 상세한 정보가 누락된 경우가 많아 이 방법을 적용하기에는 한계가 있다(Lee et al., 2008). 침수영향인자를 이용한 방법은 관련인자를 이용하여 손쉽게 침수위험도를 추정할 수 있다는 장점이 있으나 침수심과 침수면적 등에 대한 상세한 정보를 획득하기에는 한계가 있다. 수리수문학적 해석을 통한 방법은 대상지역에 대해 모델을 구축하고 매개변수를 최적화 하는 등의 복잡한 작업이 필요하나 맨홀 월류량, 침수심, 침수면적을 상세하게 파악할 수 있으며 강우시나리오에 따른 침수 시나리오를 산정할 수 있다는 측면에서 도시지역의 홍수 영향예보에 활용하기 적합한 방법이라 할 수 있다.

본 연구에서는 2010년과 2011년의 호우에 의한 서울시에서 발생한 저지대 건물과 도로에 대한 침수피해에 대해 고해상도 침수 시나리오 생산방안을 제시하고 침수위험 임계값을 유발하는 강우량 추정하고자 한다.

2. 연구방법

영향예보에서 영향위험(risk of impact)은 Eq. (1)과 같이 재해(hazard), 노출(exposure), 취약성(vulnerability)에 의해 결정된다(WMO, 2015). 재해는 그것을 유발하는 현상이 발생할 확률과 강도, 노출은 위험기상으로부터 피해를 입는 대상, 취약성은 노출된 대상이 재해로부터 받게 되는 피해정도를 결정하는 대상지역의 대응능력 또는 민감도를 의미한다. x와 t는 공간과 시간을 나타낸다. 이는 재해, 노출, 취약성은 지역과 시간에 따라 변할 수 있고 종속변수인 영향위험도 시공간적으로 변하게 됨을 의미한다. 따라서 영향예보체계는 지역과 대상을 구체화하고 시간에 따라 변하는 기상현상을 반영할 수 있도록 구축해야 한다.

R i s k o f i m p a c t x, t ≡ h a z a r d x, t ∪ e x p o s u r e x, t ∪ v u l n e r a b i l i t y x, t

(1)

영향예보는 일반적으로 위험가능성 도표(risk matrix)를 작성하여 위험영향정도에 따른 위험수준을 추정하는 절차를 가진다. 본 연구에서는 영향예보의 전 단계로서 사회 · 경제적 영향을 배제한 영향기반예보에 대해서 침수위험가능성 도표를 작성하고자 한다.

연구절차는 Fig. 1과 같다. 임계침수심을 유발하는 강우량을 추정하기 위한 침수해석방법은 Eq. (1)에서 언급된 취약성을 고려할 수 있어야 한다. 여기서 취약성은 지형고도, 경사, 도로와 건물 형상, 토지피복형태, 상류유역면적, 하수관로시스템 등의 요소에 영향을 받는다. 따라서 이러한 취약성 요소를 고려할 수 있는 침수해석방법을 채택해야 하며 본 연구에서는 이들 요소를 반영할 수 있는 SWMM (Storm Water Management Model)과 GIAM (Grid based Inundation Analysis Model)을 연계하는 방안을 채택하였다. SWMM은 우리나라에서 도시유출해석 및 하수관로설계에 널리 활용되고 있는 모델이며 GIAM은 SWMM과 연계하여 도시지역에서 6 m 공간해상도의 모의침수심에 대한 적용성이 평가된 바 있다(Lee and Yoon, 2017). 강우시나리오는 대상지역의 과거호우사례 또는 확률강우량 분석을 통해 양적인 추정이 가능하며 Huff 강우분포방법(Huff, 1967) 등을 이용하여 시계열 강우 자료 형태로 변환할 수 있다. SWMM-GIAM 연계 시스템을 통해 강우시나리오에 따른 고해상도의 침수시나리오를 생산할 수 있다. 다음과정으로 홍수피해규모에 따른 침수심 기준을 결정하고 이 기준에 해당하는 강우량 임계값을 역으로 추정하게 된다. 마지막으로 각 강우량 임계값의 발생확률은 앙상블 확률강우량 예측정보를 이용하여 추정이 가능하며 이러한 전체 과정을 통해 홍수위험도표를 완성할 수 있다.

Fig. 1.

Flowchart of inundation impact based forecast.

3. 대상지역 및 자료구축

서울시는 배수체계특성을 고려하여 서울지역을 239개 배수분구로 구분하여 배수시스템을 관리하고 있다. 본 연구에서는 Fig. 2와 같이 강남역 일대를 포함하는 논현(NH), 역삼(YS), 서초3(SC3), 서초4(SC4), 서초5(SC5) 배수분구를 대상지역으로 선정하였다. 대상지역의 총 면적은 7.4 km²이며 각 배수분구별 면적은 논현 1.8 km², 역삼 1.9 km², 서초3 1.8 km², 서초4 1.1 km², 서초5 0.8 km²이다. 대상지역 내에는 서초와 사평 빗물펌프장이 위치하고 있으며, 모두 반포천을 통해 방류된다.

Fig. 2.

Location map of the study area and inundation extent derived from ground survey.

강남역 주변은 강남대로와 테헤란로가 교차하고, 주거지역과 상업지역이 밀집한 서울의 대표적인 도심지역이며, 주변지역에 비해 상대적으로 저지대이고 복잡한 하수관망을 가지고 있어 집중호우로 인한 침수위험이 높은 지역이라 할 수 있다(Choi et al., 2015). 서울시를 통해 2010년 9월 21일과 2011년 7월 27일 집중호우로 인해 대상지역 내에서 각각 118가구와 351 가구가 호우로 인한 피해를 입은 것으로 조사되었다. 또한, 서울시는 서울안전누리(safecity.seoul.go.kr)를 통해 연도별 침수흔적도를 제공하고 있다. 대상지역에 대해서 2010년과 2011년에 각각 1.41 km²과 0.47 km²의 침수면적이 발생하였으며 침수지역 현황은 Fig. 2에 제시되었다. 현재 제공되는 침수흔적도는 침수심 정보를 포함하고 있지 않아 침수지역에 대한 상세한 침수심을 파악하기는 어렵다. 다만, 침수피해 현장사진을 통해 승용차가 완전히 침수되는 등 2011년 7월 27일에 최대 1.5 m 이상 침수되는 지역이 실제로 발생한 것으로 확인되었다.

단위배수구역에 대한 면적평균강우량은 관측소를 기준으로 다각형의 면적비로 가중치를 부여하는 방법인 티센법(Thiessen method)을 이용하여 산정하였다. 기상청에서 운영하는 AWS (automatic weather station) 중 대상지역에 영향을 미치는 관측소는 강남(400)과 서초(401) 관측소로 조사되었으며 1분단위 강우량을 10분단위로 변환하여 호우사례에 대한 10분 단위 시계열 강우량을 산정하였다.

대상지역에 내린 강우량에 대한 침수심을 모의하기 위해서는 1차원 관망해석을 통해 맨홀의 월류량을 모의하고 2차원 침수해석을 통해 월류량의 확산결과에 해당하는 침수심을 모의할 수 있다. 1차원 관망해석을 위해서는 대상지역내 우수관로시스템의 제원이 필요하다. 서울시 도시정보시스템(Urban Information System; UIS)에서 제공하는 2014년 우수관로자료를 이용하였으며 맨홀과 우수관로 현황은 Fig. 3a와 같다. 2차원 침수해석을 위해서는 지표흐름방향과 지표유량, 지표면 거칠기 정도를 고려하기 위해 수치표고 자료(Digital Surface Model; DSM)와 토지피복도(Land Cover Map)의 공간정보자료가 필요하다. DSM은 Yi et al. (2012)가 2009년 국토지리정보원에서 구축한 평균점밀도 2.5 pt m⁻²의 항공 LiDAR 자료로부터 생산한 DBM (Digital Building Model) 자료를 이용하였다. DSM 원자료의 공간해상도는 1 m이며 6 m로 리샘플링하였다. 토지피복도는 환경부에서 작성한 5 m 해상도의 중분류 토지피복도로부터 6 m로 리샘플링하여 구축하였다. 지형자료 구축결과는 Figs. 3b and c와 같다. 대상지역에는 주거지(residence), 상업지역(commerce), 교통지역(road), 공공시설지역(public facilities), 밭(farm land), 활엽수림(broadleaf forest), 침엽수림(coniferous forest), 혼효림(mixed forest), 초지(grassland), 나지(bare land)의 10가지 토지피복형태가 존재한다.

Fig. 3.

Storm sewer pipe line and topographic data.

4. 침수해석모델 구축

강우조건에 따른 침수시나리오의 신뢰도는 침수해석모델의 정확도로 결정된다. 침수모의결과의 정확도 평가를 위해 2010년 9월 21일과 2011년 7월 27일 호우를 선정하였다. 맨홀 월류량을 산정하기 위해 1차원 관망해석모델인 SWMM을 이용하였다. SWMM 모델은 미국 환경청(EPA)에서 개발하였으며 국내에서 관로설계 및 도시홍수연구에 광범위하게 활용되고 있다. 대상지역의 매개변수는 Choi et al. (2015)에서 추정된 결과를 이용하였으며 맨홀 관측수위와의 첨두수심 상대오차는 9.91%로 정확도가 높은 것으로 확인되었다. 두 호우사례에 대해 전체 2,065개 맨홀 중 월류량이 발생한 맨홀은 각각 64개 (3.1%), 70개 (3.4%)이다. 최대월류량은 동일한 맨홀에서 15.87 m³ s⁻¹와 16.69 m³ s⁻¹로 계산되었다.

본 연구에서는 지표흐름과정에서 지형, 도로, 건물 등의 영향을 고려할 수 있도록 2차원 침수해석모델인 GIAM을 구축하였다. 공간해상도는 6 m이다. 두 호우사례에 대한 모의결과는 Fig. 4와 같다. 침수모의결과의 정확도 평가를 위해 침수피해가구현황 정보를 이용하여 탐지율(Probability Of Detection; POD) 분석을 수행하였다. 가구단위별 정확도를 평가하기에는 결과의 실효성 측면에서 한계가 있다. 본 연구에서는 침수피해가구에 해당하는 지점에 대해서 반경 100 m 버퍼영역을 형성하고 이 영역 내부에 침수가 발생한 경우는 올바르게 예측이 된 것으로 간주하였다. 2010년과 2011년의 침수피해가구수는 각각 118가구와 351가구이며 버퍼영역 내에 침수가 발생한 경우는 각각72가구와 200가구이다. POD 최대값은 1.0이며 2010년과 2011년에 대해 POD를 산정한 결과 0.61과 0.57의 정확도를 갖는 것으로 나타났다. POD 산정식은 Eq. (2)와 같으며 hits는 모의침수지역 내의 침수피해 가구 수, misses는 모의침수지역 외의 침수피해가구 수를 의미한다.

Fig. 4.

The maximum simulated inundation depth in two storm events.

P O D = h i t s h i t s + m i s s e s

(2)

현재의 결과는 맨홀 월류량에 기인한 모의침수심의 정확도를 분석한 결과이며 향후 다중 배수시스템 적용을 통한 직접지표흐름과 지하공간 저류효과를 고려하도록 침수해석모델을 개선하여 정확도를 향상시키고자 한다.

5. 영향 임계값 추정

5.1 강우시나리오 생산

기상청에서 운영하는 서울(108) 관측소의 강우지속기간 60분과 120분의 500년빈도 확률강우량은 135.0 mm와 201.0 mm이다(MOLIT, 2011). 실제 2010년과 2011년에 강서와 구로관측소에서 1시간 최대강우량이 각각 99 mm와 111 mm로 기록된 바 있다. 따라서 본 연구에서는 10~200 mm까지 10 mm씩 증가하여 총 20종의 강우시나리오를 생산하고자 한다.

총강우량을 시계열 강우량으로 변환하기 위해서는 시간분포방법을 적용해야 한다. 통상 해당지역의 과거강우자료로부터 강우지속기간에 따른 총강우량이 시간의 경과에 따라 어떻게 분포하는가를 통계학적으로 분석하여 그 지역에 적합한 시간분포를 결정하는 방법이 가장 많이 이용된다. 국내에서는 Huff (1967)가 제안한 Huff 4분위법이 하천 및 우수관로 설계 등에 널리 이용되고 있다(Jang et al., 2006). 본 연구에서도 Huff 4분위법을 적용하여 강우의 시간분포를 수행하였다. 강우지속기간 60분과 120분에 대한 총강우량 10~200 mm의 2분위 시간분포결과는 Fig. 5와 같다. 시간간격은 10분이다. 2분위는 총 강우지속기간을 4개의 등구간으로 나누었을 때 첨두강우량이 2분위에서 발생하는 분포를 의미한다. 강우지속기간 60분과 120분에 대한 10분 최대강우량은 총강우량 200 mm에 대해 68.52 mm와 36.70 mm로 산정되었다.

Fig. 5.

Rainfall scenarios with second quantile in the duration of 60 min and 120 min.

5.2 침수시나리오 생산

Figure 6은 강우시나리오에 대한 침수심 모의 결과이며 강우량-침수면적-침수심 곡선(Rainfall-Area-Depth(RAD) curve)으로 정의된다. 지속기간동안 총 강우량 60~100 mm가 내릴 경우 침수지역이 상대적으로 크게 증가하는 것을 확인할 수 있다. 서울시의 우수관로 설계빈도가 5년 또는 10년이며 지속기간 60분과 120분의 5년과 10년빈도 확률강우량은 각각 62.0 mm와 90.1 mm, 73.6 mm와 107.7 mm이다. 따라서 지속기간동안 50 mm 이하의 강우량에 대해서는 침수지역이 거의 발생하지 않는 것을 Fig. 6에서 확인할 수 있다. 반면에 60~100 mm의 강우량은 우수관로의 설계빈도를 초과하는 구간이며 이 구간동안 월류량이 발생하기 시작하고 침수심 0.5 m 이하의 비교적 얕은 침수지역이 크게 증가하는 것으로 예상된다. Figure 6에서 수심 1.5 m 이상에서 침수면적이 갑자기 증가하는 것은 침수심이 1.5 m부터 최대침수심까지의 범위에 해당하는 격자면적을 모두 합산한 결과이기 때문이다. 참고로 강우지속기간 60분의 200 mm 강우량에 대한 최대침수심은 4.55 m로 산정되었다.

Fig. 6.

Rainfall-Area-Depth (RAD) curve in the duration of 60 min and 120 min.

5.3 임계값 추정

도시침수에 대한 영향예보를 실행하기 위해서는 노출대상을 선정하고 그 대상에게 피해를 줄 수 있는 임계값을 설정해야 한다. 예를 들어 보행자, 차량, 건물에 대한 위험경보를 발령하기 위해서는 각 대상에 대해 피해를 유발하는 기준값이 필요하다. Kang (2003)은 유속과 수심에 따른 보행실험을 통해 유속 0.9m s⁻¹와 침수심 0.55 m(무릎 위 높이) 조건 하에서 성인남성 자립으로 이동이 가능함을 제시하였다. Kim et al.(2014)은 동두천지역의 피해설문조사를 통해 도시지역의 침수심별 피해액 추정함수를 개발하였으며 단독주택과 다가구 주택의 경우 각각 침수심 0.5 m와 0.42 m에서 피해금액이 급격히 상승함을 제시하였다. 보험개발원에서는 『자동차 침수 시 조치요령』에서 차량의 경우 배기파이프가 물에 잠기지 않을 정도면 운행이 가능한 것으로 판단한다. 배기파이프의 높이는 승용차의 경우 타이어 높이의 1/3(소나타의 경우 평균 21.6 cm, 최저 20.9 cm), 트럭은 타이어 높이의 1/2 정도가 해당된다. 한국토지주택공사의 『토목공사설계지침 및 적산지침』에 따르면, 설계속도 60 km h⁻¹ 이상과 4차선 이상의 도로 조건에 따라 보차도 경계석의 높이가 20~25 cm로 설계하도록 규정되어 있다. 따라서 보차도 경계가 있는 보도에서는 20~25 cm 이상의 침수가 발생할 경우 보행자는 불편을 느낄 수 있다.

이상의 선행연구결과를 종합해볼 때, 일반적으로 보도와 차도의 경계인 연석의 높이를 약 20 cm, 자동차 배기구의 높이를 차종에 따라 20~50 cm, 건물의 침수 방지턱 높이를 50 cm로 규정할 수 있으며 각 대상에 대한 침수심 임계값은 20 cm와 50 cm가 된다. 또한 예상피해규모는 침수심과 더불어 침수면적과도 비례하므로 최종적으로 예상피해규모를 침수심 임계값 이상의 침수면적으로 정의할 수 있다. 다양한 노출대상에 대한 위험도를 고려하여 강남지역의 1시간 강우량에 대한 영향예보 위험가능성 도표를 Fig. 7과 같이 제시하였다. Figures 7a and b는 각각 강우지속기간 60분과 120분에 대한 결과이다. 예상피해규모를 의미하는 침수피해 임계값은 4단계(VERY LOW, LOW, MEDIUM, HIGH)로 구분하고 침수심 0.5 m 이상 면적의 발생시작 이전단계, 발생시작~0.01 km², 0.01~0.1 km², 0.1 km² 이상으로 정의하였다. 단, 본 연구에서 정의한 0.5 m 이상의 각 침수면적이 Table 1의 각 위험영향 카테고리(minimal, minor, significant, severe)를 정량화한 값이라고 설명하기는 어렵다. 향후 피해대상과 대상지역의 특성을 고려한 침수영향인자를 복합적으로 분석하여 정량화된 기준을 개발할 필요가 있을 것으로 판단된다.

Fig. 7.

Inundation risk matrix for Gangnam drainage basin.

각 침수피해 임계값을 유발하는 강우량은 Fig. 6의 강우량-침수면적-침수심 곡선으로부터 추정할 수 있다. 특정 침수심과 침수면적은 Fig. 6의 X축과 Y축에서 교차점으로 나타나며 강우시나리오 중 이 값을 초과하는 가장 가까운 강우량이 특정규모의 침수 피해를 유발하는 강우 임계값이 된다. 강우지속기간 60분에 대해서 4단계 침수피해 임계값에 대한 강우량 임계값은 0~20 mm, 20~50 mm, 50~80 mm, 80 mm 이상으로 추정되었다. 강우지속기간 120분에서는 강우량 임계값은 0~30 mm, 30~70 mm, 70~110 mm, 110 mm 이상으로 강우지속기간이 연장됨으로 인해 지속기간 60분의 결과보다 강우량이 크게 나타났다. 도시침수 피해는 단시간에 많은 강우가 내릴 때 발생가능성이 높아지므로 지속기간이 길어질 경우 강한 강우강도가 나타나기 위해서는 총강우량이 많아져야 한다. 이는 동일한 침수피해규모에 대해서 강우지속기간에 따라 그 피해를 유발하는 강우량이 달라질 수 있음을 의미한다. 또한 대상지역의 지형/지물 구조형태, 수방시설의 침수저감능력, 강우의 시공간적 분포형태에 따라 강우량 임계값은 달라질 수 있다.

6. 결 론

동일한 강우량이 발생하더라도 대상지역의 지형/지물 구조 형태와 수방시설물의 대응능력, 관심대상에 따라 지상에서의 피해유형과 규모는 크게 달라지게 된다. WMO는 기상정보만을 담고 있는 기존 기상예보에서 그 기상현상으로 인해 발생하는 지표의 피해 상황까지를 예측하는 영향예보의 필요성을 강조하고 있다.

본 연구에서는 도시침수에 대한 영향예보 구축방안을 제시하고자 하였다. 이를 위해 논현, 역삼, 서초3, 서초4, 서초5의 5개 배수분구를 포함하는 강남 배수구역을 대상지역으로 선정하고 SWMM 모델을 이용하여 1차원 관망흐름해석을 통해 맨홀 월류량 산정체계를 구축하였다. 또한 침수심 모의를 위해 6 m 격자 단위의 침수심을 모의할 수 있도록 2차원 침수해석모형인 GIAM 모델을 구축하였다. 2차원 침수해석결과의 정확도를 분석하기 위해 2010년과 2011년의 두 호우에 대해 POD를 산정하였으며 0.61과 0.57의 정확도를 보였다.

강남지역에서의 홍수영향예보를 위해 침수위험가능성 도표를 작성하였다. 본 연구에서는 서울(108) 관측소의 강우지속기간별 확률강우량을 참고하여 60분과 120분에 대해 10~200 mm 구간에 대해 20종의 강우 시나리오와 침수시나리오를 생산하였다. 지속기간동안 총 강우량 50 mm 이하에서는 침수면적이 거의 발생하지 않으며 60~100 mm가 내릴 경우 침수심별 침수지역이 상대적으로 크게 증가하는 것을 확인하였다. 이러한 강우량과 침수심별 침수면적 시나리오 결과를 토대로 영향예보를 위한 위험가능성 도표를 작성하였다. 침수피해 임계값은 침수심 0.5 m 이상의 면적이 발생시작 이전단계, 발생시작~0.01 km², 0.01~0.1 km², 0.1 km² 이상으로 정의할 때 이를 유발하는 강우량 임계값을 지속기간 60분과 120분에 대해 추정하였다. 강우량 임계값은 강우지속기간 60분에서는 0~20 mm, 20~50 mm, 50~80 mm, 80 mm 이상, 120분에서는 0~30 mm, 30~70 mm, 70~110 mm, 110 mm 이상으로 나타났다.

기상재해 영향예보를 위한 기상 임계값은 시간과 공간, 재해의 대상, 임계값 추정 방법과 그 방법의 신뢰도에 따라 결정된다. 향후 2차원 침수해석모델의 정확도 개선을 통해 침수시나리오의 신뢰도를 향상시키고 다양한 대상지역에 대해 위험가능성 도표를 작성하여 그 적용성을 평가하고자 한다. 또한 기상청 국지확률예보모델의 확률강우량을 이용하여 위험가능성 도표를 통한 도시침수재해 위험수준을 추정하고자 한다. 본 연구에서 제시한 도시침수 영향예보 지원체계는 향후 기상청의 기상재해 영향예보에 활용될 수 있을 것으로 기대된다.

Acknowledgments

본 논문의 개선을 위해 좋은 의견을 제시해 주신 두 분의 심사위원께 감사를 드립니다. 이 연구는 기상청 차세대도시농림융합스마트기상서비스개발(WISE) 사업(KMIPA-2012-0001-1)의 지원으로 수행되었습니다.

References

Ahn, J., K. Kim, and W. Cho, (2013), Flooding risk assessment using flooding characteristic values, J. Korean Soc. Civil Eng., 33, p957-964, (in Korean with English abstract). [https://doi.org/10.12652/Ksce.2013.33.3.957]
Choi, S.-M., S.-S. Yoon, B.-J. Lee, and Y.-J. Choi, (2015), Evaluation of high-resolution QPE data for Urban Runoff Analysis, J. Korea Water Resour. Assoc., 48, p719-728, (in Korean with English abstract). [https://doi.org/10.3741/JKWRA.2015.48.9.719]
FFC (Flood Forecasting Centre), (2017), Flood Guidance Statement User Guide (Version 4), p6.
Hsu, M. H., S. H. Chen, and T. J. Chang, (2000), Inundation simulation for urban drainage basin with storm sewer system, J. Hydrol., 234, p21-37. [https://doi.org/10.1016/s0022-1694(00)00237-7]
Huff., F. A., (1967), Time distribution of rainfall in heavy storms, Water Resour. Res., 3, p1007-1019.
Jang, S.-H., J.-Y. Yoon, and Y.-N. Yoon, (2006), A study on the improvement of Huff’s method in Korea: I. Review of applicability of Huff’s method in Korea, J. Korea Water Resour. Assoc., 39, p767-777, (in Korean with English abstract). [https://doi.org/10.3741/JKWRA.2006.39.9.767]
Kang, J.-E., and M.-J. Lee, (2015), Analysis of urban infrastructure risk areas to flooding using neural network in Seoul, J. Korean Soc. Civil Eng., 35, p997-1006, (in Korean with English abstract). [https://doi.org/10.12652/Ksce.2015.35.4.0997]
Kang, S.-H., (2003), Study on refuge behavior and its critical inundation depth in low area, J. Korean Soc. Civil Eng., 23, p561-565, (in Korean with English abstract).
KMA, (2016), Meteorological Technology & Policy 9, Korea Meteorological Adminstration, p74.
Kim, S.-H., B.-S. Kim, C.-H. Lee, and J.-H. Chung, (2014), Development of depth-damage function by investigating flooded area with focusing on building damage., J. Korea Water Resour. Assoc., 47, p717-728, (in Korean with English abstract). [https://doi.org/10.3741/JKWRA.2014.47.8.717]
Lee, B.-J., and S.-S. Yoon, (2017), Development of Grid based Inundation Analysis Model(GIAM), J. Korea Water Resour. Assoc., 50, p181-190. [https://doi.org/10.3741/JKWRA.2017.50.3.181]
Lee, C.-H., K.-Y. Han, and K.-H. Choi, (2006), DEM based urban inundation analysis model linked with SWMM, J. Korea Water Resour. Assoc., 39, p441-452, (in Korean with English abstract).
Lee, E.-H., H.-S. Choi, and J.-H. Kim, (2015), Determination of flood risk considering flood control ability and urban environment risk, J. Korea Water Resour. Assoc., 48, p757-768. [https://doi.org/10.3741/JKWRA.2015.48.9.757]
Lee, Y.-J., S.-S. Young, and C.-H. Lee, (2008), Comparing methods for determining flood protection elevation in urban built-up areas, J. Korean Soc. Civil Eng., 28, p271-281, (in Korean with English abstract).
MOLIT, (2011), Improvement and Supplement of Probability Rainfall in South Korea, p237.
MPSS, (2010), 2010 Disaster Annual Report, p942.
MPSS, (2011), 2011 Disaster Annual Report, p973.
MPSS, (2015), 2015 Disaster Annual Report, p222.
Park, M.-J., and S.-W. Choi, (2008), Development of an inundation risk evaluation method based on a multi criteria decision making, J. Korea Water Resour. Assoc., 41, p365-377. [https://doi.org/10.3741/jkwra.2008.41.4.365]
Pathirana, A., S. Tsegaye, B. Gersonius, and K. Vairavamoorthy, (2011), A simple 2-D inundation model for incorporating flood damage in urban drainage planning, Hydrol. Earth Syst. Sci., 15, p2747-2761. [https://doi.org/10.5194/hess-15-2747-2011]
WMO, (2015), Guideline on multi-hazard impact-based forecast and warning system. WMO-No. 1150, p22.
Yi, C.-Y., S.-M. An, K.-R. Kim, Y.-J. Choi, and D. Scherer, (2012), Improvement of air temperature analysis by precise spatial data on a local-scale: A case study of Eunpyeong new town in Seoul, J. Korean Assoc. Geogr. Inform. Stud., 15, p144-158. [https://doi.org/10.11108/kagis.2012.15.1.144]