정선유역의 확률론적 홍수예측을 위한 강우 불확실성 분석

Abstract

기존의 홍수예측은 확정적인 단일 예측 값만 제공함으로써 신속하고 편리하였지만 이에 대한 불확실성이 클 경우 예상치 못한 인적 물적 피해를 가져올 수 있다. 이처럼 확률론적 홍수예측의 필요성이 대두되면서 미국이나 유럽 등의 선진국에서는 NWSRFS(National Weather Service River Forecast System)와 EFFS(European Flood Forecasting System)와 같이 확률론적 홍수예측에 대한 연구 및 기술개발이 이미 활발하게 진행되고 있으며, 실무에도 적용된 사례가 많다. 홍수예측의 확률론적 접근에 있어서는 많은 불확실성들이 내포되어 있으므로 예측시스템에서 생성된 앙상블 유량예측의 결과의 정확성 분석과 올바른 불확실성 정보의 제공이 필요하다. 국내에서는 중장기의 확률론적 유량예측의 연구는 활발하게 이루어지지만 단기 예측에 관한 연구는 미흡하다. 또한 국외에서도 확률홍수예측에 대한 불확실성 분석에 관한 연구가 전무한 현실이다. 본 연구는 홍수예측에서 수문 모형의 적용에서 오는 불확실성은 없다고 가정한 후, 확률론적 홍수예측 방법을 국내에 적용시켜서 단기예측을 중심으로 기상청의 기상예보 시스템인 MAPLE(McGill Algorithm for Predictation nowcasting by Lagrangian Extrapolation), KLAPS(Korea Local Analysis and Prediction System) 그리고 UM(Unified Model)의 예측장 결과 중 강우데이터를 사용하였다. 기상예측 시스템들은 서로 다른 예측값 제공 시간간격과 공간 스케일을 갖고 있다. 따라서 확정적으로 예측되는 강우자료를 이용하여 확률적 예측을 위한 앙상블 생성기법인 시간지연 앙상블(Time lagged ensemble) 방법과 다중모형 앙상블(Multi model ensemble) 방법을 적용시켜서 생성된 기상 앙상블을 현재 국토해양부 홍수통제소에서 사용하고 있는 강우 유출모형인 저류함수 모형의 입력 자료로 사용하여 남한강 상류에 위치한 정선유역에 적용시켰다. 우선 제공되는 확정적 기상예측으로부터 생성된 기상 앙상블들의 불확실성을 분석하였다. 일반적 기대와 같이 선행시간이 길어질수록 정확성이 점차 낮아지는 것을 확인하였고, 평균적으로 이수기의 불확실성 범위가 홍수기 보다 약 55 % 증가하는 것으로 나타났다. 또한 기상예측에 있어서 계통적 오차 보다는 무작위 오차에 크게 영향을 받는 것으로 확인되었다. 다음은 생성된 유량앙상블들로부터 선행시간별로 총 유량과 첨두 유량 예측에 있어서의 정확성과 불확실성을 분석하였다. Reliability와 resolution을 정량적으로 계산하였으며 불확실성의 범위를 나타내는 resolution의 영향에 따라 예보의 정확성을 판단하는 BS(Brier Score)와 RPS(Ranked Probability Score)의 값에 크게 영향을 미치는 것으로 나타났다. 선행시간이 증가함에 따라 MAPLE과 KLAPS에서는 평균적으로 매 1 시간당 51 %, UM에서는 매 3시간당 55 %씩 불확실성의 범위가 증가한다. 전반적으로 UM의 예측보다 MAPLE과 KLAPS의 예측의 정확성이 더 높은 결과를 얻었다. 서로 다른 예측 공간규모에 따른 불확실성 분석을 통해 UM의 첨두유량 예측의 불확실성 범위가 MAPLE과 KLAPS의 값보다 더 크게 나타났다. 이는 정선유역에 포함되는 UM의 격자수가 다른 두 시스템들보다 작아서 발생하는 공간적 불확실성이라고 할 수 있다. 반면에 예측된 첨두유량 값들을 비교하였을 때에는 UM이 MAPLE과 KLAPS에 비해 약 7.2 % 정도 과소추정 되었다. 마지막으로 지금까지 단기예측에 중점을 둔 시간(hourly) 단위의 불확실성 특성들과 기존의 중장기예측인 월 단위(monthly) 확률적 예측의 결과들과 비교하였을 때, 예측의 범위가 시간단위로 상당히 짧은 단기 확률적 예측에 있어서도 무시할 수 없는 불확실성이 존재함을 보여주고 있다. 따라서 기상예측에서 오는 불확실성 뿐 만 아니라 그 밖에 초기조건, 수문모형, 매개변수에서 오는 기타 불확실성의 추가적인 연구가 필요함을 보여준다.

The existing flood forecasting system only provides a single deterministic value of prediction which is fast and convenient. However, there would be huge unexpected property damages and loss of life when a large uncertainty does occur. Due to the increased global interest in probabilistic flood forecasting, U.S. and European countries have already begun actively studying and developing probabilistic flood forecasting systems such as NWSRFS (National Weather Service River Forecast System) and EFFS (European Flood Forecasting System). There are many cases in which these systems have already been applied in practice. Since there are many uncertainties in probabilistic forecasting, the accuracy and uncertainty analyses should be performed and examined closely. There are many previous studies and reports regarding medium- and long-range probabilistic forecasting but there are insufficient research data regarding short-range forecasting in Korea. I assumed that there are no uncertainties from hydrologic model simulation. Uncertainty only came from the rainfall generating ensembles with the different deterministic weather forecasting systems such as MAPLE (McGill Algorithm for Prediction nowcasting Lagrangian Extrapolation), KLAPS (Korea Local Analysis and Prediction System), UM (Unified Model), all of which have different prediction periods and spatial grids using time lagged and multi model ensemble generation techniques. I placed them into Storage function method as meteorological inputs to generate streamflow ensembles. The results from the analysis of uncertainty in the weather predictions show that there are inverse relations between increasing lead time and accuracy. Also, more random errors exist than systematic errors in weather prediction. UM predictions are less accurate than MAPLE and KLAPS predictions for both total discharge and peak discharge by quantitatively measuring Brier Score and Ranked Probability Score. The study results show that not only monthly ensemble prediction of streamflow but also hourly ensemble prediction of streamflow need to be considered since there exist remarkable uncertainties in both short- and long-range probabilistic predictions.