기상인자 및 공간정보를 활용한 Bayesian 지역빈도해석 기법 개발

국문 초록 (Abstract)

본 연구에서는 Bayesian 통계기법을 활용한 지역빈도해석 모형을 기반으로 외부 기상인자 및 공간정보에 의한 확률강우량의 변동성을 고려할 수 있는 Bayesian 지역빈도해석 기법을 개발하였다. 기존 지역빈도해석에서 분석시 확률분포형의 매개변수는 과거와 일정하다는 정상성을 기본 가정으로 연구를 진행해 왔다. 이는 평균의 변동성 및 확률강우량 추정시 최근 기후변화의 영향을 효과적으로 고려하지 못하는 단점이 존재하였다. 또한 우리나라의 경우 산악지형이 약 70% 이상을 차지할 정도로 지형적 및 계절적으로 강수량 패턴이 불분명하여 확률강우량 추정시 공간적 변동성을 고려할 수 있는 새로운 개념의 지역빈도해석의 필요성이 대두되고 있다.
최근 국내 연구에서는 유역내 면적강우량 환산시 극치계열의 강수자료를 이용하여 지점빈도해석(point frequency analysis, PFA) 또는 지역빈도해석(regional frequency analysis, RFA)을 수행하여 수자원 설계에 이용되고 있다. 그러나 기존 지역빈도해석연구에서 매개변수 산정시 외부인자(covariate)를 고려할 수 없는 단점이 존재하며, 불확실성을 정량적으로 해석하는데 어려움이 있다. 이와 더불어 기존 RFA에서는 관측지점을 중심으로 산정된 확률강우량은 Thiessen망을 통해 유역면적강우량으로 변환하여 사용하는 것이 일반적이나 우리나라의 산지특성과 여름철 강우처럼 시공간적 변동성이 큰 경우 면적평균강우를 추정하는데 있어서 오차가 크게 발생할 수 있다고 알려지고 있다.
이러한 이유로 본 연구에서는 Bayesian 통계기법을 활용하여 매개변수 추정시 기상인자 및 공간정보가 고려된 지역빈도해석을 수행할 수 있는 모형을 개발하였으며 다음과 같이 연구를 진행하였다. 첫째, 한강유역내 18개 관측소를 대상으로 연도별 여름강수량을 추출하고 이들 관측소의 여름강수에 물리적인 영향을 미치는 기상인자로서 SST(sea surface temperature)를 외부인자로 채택하였다. 둘째, 극치분포를 잘 재현한다고 알려져 있는 Gumbel 분포를 확률분포형으로 선정하였으며, Gumbel 분포 매개변수 산정시 앞서 추출한 SST와 한강 유역내 공간정보를 활용하여 매개변수를 산정하였다. 마지막으로 Bayesian 기법을 도입하여 산정된 매개변수의 불확실성 구간을 제시하였으며, 추정된 확률강우량 또한 불확실성 구간을 제시하여 신뢰성 있는 연구를 수행하였다.