예측강수 불확실성에 따른 도시침수 영향 분석

• 영문명: Analysis of Urban Flooding Impacts Based on Predicted Precipitation Uncertainty
• 발행기관: 한국방재학회
• 저자명: 이진형(Jin Hyeong Lee) 이기하(Gi Ha Lee) 이승수(Seung Soo Lee) 김영훈(Young Hun Kim) 최찬울(Chan Ul Choi) 권성천(Seong Cheon Kwon)
• 간행물 정보: 『2. 한국방재학회 논문집』25권 1호, 1~12쪽, 전체 12쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.01.31

국문 초록

본 연구는 예측 강우 자료의 불확실성이 도시침수에 미치는 영향을 분석하고자 서울시 도림천 유역을 대상으로 2022년 08월 08일에 발생한 수도권 집중호우 사상에 대해 기상청에서 제공하는 AWS 관측 강우 자료를 기준으로 2가지 예측 강우자료(LDAPS, MAPLE)의 강우 예측성 평가와 더불어 맨홀 월류량 산정 및 맨홀 월류량에 따른 침수모의를 진행하였다. 연구결과, LDAPS 자료의 예측 강우량 NSE, PBIAS는 -0.482, 87.692으로 과도하게 과소 추정한 것으로 나타났으며, MAPLE 자료의 예측 NSE, PBIAS는 0.668, -4.176로 과대 추정되고 있으나 정량적으로 우수한 성능을 보였다. 침수모의 결과 LDAPS 자료에 의한 결과는 AWS 자료에 의한 결과와 비교했을 때 5.2%의 적중률을 보였으며, MAPLE 자료에 의한 결과는 91.9%의 적중률을 보임과 동시에 0.856 km²만큼의 침수가 추가적으로 발생되었다. 본 연구를 통해 도시침수 예측에 있어 예측 강우 자료의 불확실성은 큰 영향을 미치며, 이에 따라 침수 예측 정확도 향상을 위한 예측 강우 자료의 보정이 필수적으로 진행되어야 하는 것으로 판단된다.

영문 초록

This study analyzed the impact of rainfall prediction uncertainty on urban flooding, focusing on a heavy rainfall event (August 8, 2022) in the Dorim River Basin in the Seoul metropolitan area. Baseline data, observed by automatic weather station (AWS), was provided by the Korea Meteorological Administration. This study evaluated the rainfall prediction performance of two predictive rainfall datasets (LDAPS and MAPLE) using this data. In addition, the study conducted flood simulations based on estimated manhole overflow volumes. The results showed that the rainfall predicted by LDAPS exhibited an NSE of -0.482 and a PBIAS of 87.692, indicating a significant underestimation. Conversely, MAPLE demonstrated an NSE of 0.668 and a PBIAS of -4.176, suggesting an overestimation, but achieving a quantitatively superior performance. In the flood simulation, LDAPS-based predictions corresponded poorly with the AWS-based results with a 5.2% hit rate, whereas MAPLE achieved a hit rate of 91.9%, along with an additional 0.856 km² of flooded area. This study highlights that the uncertainty in predictive rainfall datasets significantly affects urban flood prediction accuracy, emphasizing the necessity of calibrating predictive rainfall data to improve flood prediction reliability.

목차

1. 서 론

2. 대상유역 및 입력자료 구축

3. 방법론

4. 결 과

5. 결론 및 고찰

감사의 글

References

키워드

예측 강수 자료 불확실성 도시침수 강우 예측성 1차원-2차원 침수모의 Precipitation Forecaste Data Uncertainty Urban Flooding Rainfall Predictability 1D-2D Flood Simulation