Original Article

Ecology and Resilient Infrastructure. 30 June 2024. 55-64
https://doi.org/10.17820/eri.2024.11.2.055

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 연구 범위 및 방법

  •   2.1 연구 범위

  •   2.2 확률강우량 산정 방법 및 적용

  • 3. 산정 방법에 따른 확률강우량 비교·분석

  •   3.1 우량관측소의 확률강우량 산정

  •   3.2 등우선에 의한 확률강우량 산정

  •   3.3 산정 방법에 따른 확률강우량 비교분석

  • 4. 결 론

1. 서 론

최근 지구 온난화 등 이상기후로 극한호우가 빈번히 발생하는 등 집중호우 및 대규모 태풍에 의한 자연재난의 위험도가 높아지고 있어, 재해에 대한 각별한 주의가 요구된다. 따라서, 개발사업이 진행되는 과정에서 해당 개발행위가 유역의 치수능력에 미치는 영향을 사전에 검토하고 홍수 등의 재해요인을 분석하여 그 요인들을 최소화시키는 작업이 반드시 선행되어야 한다. 이를 위해, 현재 59개 종류 사업에 대하여 5천 m2 이상 5만 m2 미만일 때는 소규모재해영향평가, 5만 m2 이상 10만 m2 미만인 경우에는 재해영향평가가 시행되고 있으며, 재해영향평가의 대상사업 범위의 제도적 보완을 위해 사전재해영향성검토협의 제도도 시행되고 있다(Mois 2023).

현재 실시되는 재해영향평가에서는 저감대책과 저감방안의 검토 항목별로 고려하는 방식을 채택하고 있으며, 저감대책 중 ‘홍수 유출량 산정에 따른 저감대책이 중점적으로 검토되어진다.

홍수량 산정 시 기본 과정은 우량관측소 선정, 강우량자료 수집, 확률강우량 산정 및 적정성 검토, 강우강도식 유도, 설계강우 시간분포의 적용, 유효우량 산정 순으로 진행되며, 그 중 확률강우량 산정은 산정 방법에 따라 홍수량이 크게 차이가 나기 때문에 홍수량 산정 시 신중한 접근이 요구된다.

일반적으로 재해영향평가에서 분석되는 홍수량 산정 시 적용되는 확률강우량은 지배우량관측소 중 충분한 시우량 자료(30개년 이상)를 확보한 기상청관할 관측소의 자료를 활용하며, 사업지구 해당 시·군 내에 적절한 우량관측소가 없는 경우에는 인근 우량관측소 중에서 하나를 선정하거나 여러 우량관측소를 선정하여 평균하는 방법 등으로 분석을 실시한다. 또한, 동일 시·군내의 유역특성이 해당 시·군내의 지역적인 특성이 매우 상이한 경우에는 지역을 구분한 후, 우량관측소 선정이나 확률강우량 산정 등을 지역별로 다르게 적용후 분석을 실시하도록 ‘재해영향평가 실무지침’에 명시되어 있다(Mois 2023).

하지만, 산악지역의 경우에는 지형적 특성상 고도를 고려한 지점평균확률강우량 산정 방법으로 등우선법을 이용하여 홍수량을 산정하도록 권고하고 있는 실정이며, 그에 따라 제주도에서 진행되는 모든 재해영향평가는 권고안에 맞춰 작성되고 있다.

수문분석시 제주도와 같은 산악지형인 경우 특수성을 감안하여 등우선법을 이용하는 것은 합당하다고 판단되지만 우량관측소가 한라산의 윗세오름, 진달래밭, 성판악 등에 위치하고 있어 고도를 충분히 반영한다는 점과 타 시·도에 비해 높은 기상관측 밀도를 형성하고 있는점을 감안했을 때 고도를 반영할 수 있는 등우선법을 적용하여 제주도내 일반적인 사업지구의 홍수량을 산정하여 적용하는 것이 옳은 것인지 검토할 필요가 있다고 판단된다.

따라서, 본 연구에서는 제주도에서 진행된 ‘재해영향평가’에 대한 4개 지점을 선정하여 일반적 방법에 의한 확률강우량과 등우선법에 의한 지점확률강우량을 산정 후 비교·분석을 실시하였으며 그에 따른 영향성 검토를 진행하였다. 이러한 연구는 내륙지역과 상이한 지형특성을 갖는 제주도의 향후 재해예방 및 수자원개발 및 이용, 수자원정책수립 등을 위한 중요한 기초자료로 이용되는 중요한 의의를 갖게 될 것으로 판단된다.

2. 연구 범위 및 방법

2.1 연구 범위

제주도의 수계는 16개 수역으로 구분되며, 한라산을 중심으로 남·북 사면은 급한 경사를 이루고 동·서로는 완만한 지형으로 형성되어 있다. 한라산 주위의 급경사에 의해 하천수가 일시적으로 유출되지만 강수량이 적을 시에는 용암사이에 발달한 투수성지질구조에 의해 대부분 지하로 함양되며 홍수 시에만 강우가 하천에 의해 근해로 유입되는(Kang 2012) 수문지질학적 특성을 갖고 있다.

본 연구에서는 2023년 제주도에서 실시된 재해영향평가 중 한라산을 중심으로 동·서·남·북 4개 지점을 무작위로 선정하여 연구대상지역으로 설정하였으며, 각 사업대상지와 인접한 기상관측소(ASOS 4개소)의 기상자료 및 제주도내 가용가능한 기상관측소(ASOS 4개소, AWS 16개소) 자료를 활용하여 연구를 수행하였다(Table 1, Fig. 1).

Table 1.

Point for the study

Point Location Business size Weather station (separation distance)
A Nohyeong, Jeju-si 6,142 ㎡ Jeju (7.7 km)
B Topyeonggong, Seogwipo-si 8,416 ㎡ Seogwipo (4.8 km)
C Andeok-myeon, Seogwipo-si Expansion of the road
( L=1.4 km, B=10 m)
Gosan (15.0 km)
D Seongsan-eup, Seogwipo-si 22,431 ㎡ Seongsan (10.4 km)

https://static.apub.kr/journalsite/sites/kseie/2024-011-02/N0190110204/images/kseie_2024_112_55_F1.jpg
Fig. 1.

Point and weather station for the study.

2.2 확률강우량 산정 방법 및 적용

확률강우량 산정 시 확률분포함수의 매개변수 추정 방법은 확률가중모멘트법(PWM)을 적용하고, 확률분포형은 Gumbel 분포를 채택하는 것을 원칙으로 한다. 확률강우량의 재현기간은 2년, 10년, 20년, 30년, 50년, 80년, 100년을 기본으로 하며 필요시 추가하며, 재현기간 및 지속기간별 확률강우량을 산정한 후 기존 분석 결과와 비교를 통하여 적정성을 검토한다.

이때 직접 산정한 확률강우량이 기존 분석결과보다 다소 낮게 산정되는 결과가 발생될 수 있다. 이와 같은 현상은 최근의 호우 특성이 반영되어 확률강우량의 평균은 증가되지만, 분산은 낮아질 수 있기 때문이다. 또한 자료년수가 증가되면서 확률강우량 계산시 적용되는 재현기간에 따른 빈도계수가 낮아지는 것이 원인으로 나타난다(Lee 2009).

연구 대상지점에 대한 확률강우량 비교·분석을 위하여 모델의 입력자료인 수문․기상자료를 구축하고, Fard 2006을 이용하여 확률강우량을 산정하였다.

일반적으로 적용되는 확률강우량 산정은 ASOS 4(제주, 서귀포, 성산, 고산)개소에 대하여 진행하였으며, 등우선에 의한 확률 강우량 산정은 ASOS 4개소, AWS 16개소를 포함하여 총 20개 지점의 강우자료를 활용하여 분석 후 산정하였다.

각각의 확률강우량 산정 후 산정 방법에 따라 오차값 비교·분석을 실시하였으며, IDF곡선을 분석 후 제시하였다. 연구 진행과정은 Fig. 2와 같다.

https://static.apub.kr/journalsite/sites/kseie/2024-011-02/N0190110204/images/kseie_2024_112_55_F2.jpg
Fig. 2.

Flow chart of the study contents.

3. 산정 방법에 따른 확률강우량 비교·분석

4개의 연구대상지역에 대하여 종관기상관측소(ASOS) 4개 지점의 확률강우량을 산정하였으며, 종관기상관측소(ASOS) 4개소 및 무인기상관측소(AWS) 16개소를 포함하여 총 20개 지점의 기상관측자료를 활용한 등우선을 작도하여 비교 확률강우량을 산정하였다.

3.1 우량관측소의 확률강우량 산정

종관기상관측소의 지점확률강우량을 산정하기 위하여 사업지구 인근 4(제주, 서귀포, 고산, 성산)개의 기상관측소의 자료를 수집하여 확률강우량을 산정하였으며, 결과는 다음과 같다(Table 2, 3, 4, 5).

Table 2.

A probabilistic rainfall of weather station (Jeju)

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 14.5 41.9 59.1 71.7 82.9 99.9 120.9 133.9 151.2 162.6
10 22 69.6 98.2 120.7 139.6 171.9 209.3 235.5 268.1 288.6
20 24.9 80.2 113.2 139.5 161.2 199.4 243.1 274.3 312.8 336.7
30 26.6 86.3 121.8 150.2 173.7 215.3 262.6 296.6 338.5 364.4
50 28.6 93.9 132.5 163.7 189.3 235 286.9 324.5 370.6 399
80 30.5 100.9 142.4 176 203.5 253.2 309.1 350 400.1 430.7
100 31.4 104.2 147 181.9 210.3 261.7 319.6 362.1 414 445.7
Table 3.

B probabilistic rainfall of weather station (Seogwipo)

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 16.7 45.7 67.5 81.6 94.4 111.8 131.9 145 161.3 173.3
10 20.9 61 93 111.9 128.7 152.5 182.2 201.8 227.4 244.4
20 23.7 71.2 109.9 131.9 151.4 179.5 215.5 239.4 271.2 291.5
30 26.4 80.9 126.1 151.1 173.2 205.4 247.4 275.5 313.2 336.6
50 28 86.6 135.5 162.2 185.8 220.2 265.8 296.3 337.4 362.6
80 29.9 93.6 147.1 176 201.5 238.8 288.7 322.2 367.6 395.1
100 31.7 100 157.8 188.6 215.8 255.9 309.7 346 395.2 424.8
Table 4.

C probabilistic rainfall of weather station (Gosan)

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 14.9 36.1 51.5 59.2 68.3 78.9 89.5 97.1 107.1 115.8
10 23.3 55.9 78.0 88 100.2 119.7 138.8 155.7 174.4 194.6
20 26.4 63.4 88 99 112.5 135.3 157.7 178.2 200 224.7
30 28.3 67.8 93.8 105.3 119.5 144.2 168.5 191.1 214.8 242
50 30.6 73.2 101.1 113.2 128.3 155.4 182.1 207.2 233.3 263.6
80 32.7 78.2 107.7 120.5 136.3 165.7 194.5 222 250.2 283.4
100 33.7 80.5 110.9 123.9 140.2 170.6 200.4 229 258.2 292.8
Table 5.

D probabilistic rainfall of weather station (Seongsan)

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 17.1 52.6 74.5 87.7 100 112.8 132.2 144.5 161.8 174.5
10 24.8 84.7 117.6 139.9 161.9 178.2 205.1 228.2 256.6 279.1
20 27.8 96.9 134.1 159.8 185.6 203.1 233 260.2 292.8 319.1
30 29.5 104 143.6 171.3 199.3 217.5 249 278.6 313.6 342.1
50 31.6 112.8 155.4 185.6 216.3 235.5 269.1 301.6 339.6 370.9
80 33.6 120.8 166.3 198.7 231.9 251.9 287.4 322.7 363.5 397.2
100 34.5 124.6 171.4 205 239.3 259.7 296.1 332.6 374.7 409.6

3.2 등우선에 의한 확률강우량 산정

등우선에 의한 확률 강우량 산정은 ASOS 4개소를 포함하여 총 20개 지점의 강우자료를 활용하여 지점확률강우량을 산정하였으며, SURFER 프로그램을 이용하여 등우선을 작도한후 각 연구대상지역의 확률강우량을 최종 산정하였으며 산정 결과는 다음과 같다(Table 6, 7, 8, 9).

Table 6.

A probabilistic rainfall of isohyetal map

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 16.8 50.7 74.1 90.9 106.1 132.7 166.0 189.6 221.0 240.1
10 25.7 80.6 120.8 153.8 184.6 238.5 304.4 349.5 412.1 446.7
20 29.1 92.0 138.5 177.8 214.5 279.0 357.4 410.7 485.3 525.6
30 31.1 98.5 148.8 191.6 231.8 302.2 387.8 445.8 527.2 571.0
50 33.5 106.7 161.6 209.0 253.3 331.3 425.9 489.8 579.7 627.8
80 35.7 114.3 173.3 224.8 273.1 357.9 460.7 530.0 627.8 679.8
100 36.8 117.8 178.9 232.2 282.5 370.5 477.3 549.1 650.5 704.4
Table 7.

B probabilistic rainfall of isohyetal map

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 17.8 59.4 91.1 116.5 137.7 171.3 207.1 230.8 263.5 287.0
10 24.8 92.8 145.2 187.3 221.7 276.0 336.7 373.4 427.7 472.9
20 27.5 105.6 167.2 214.2 253.9 315.9 386.2 427.8 490.2 543.9
30 29.1 113.8 180.8 232.4 275.7 343.9 420.4 459.2 526.3 584.9
50 31.0 122.2 194.5 249.3 295.5 367.7 450.3 498.2 571.4 636.0
80 32.8 130.7 208.3 267.1 316.5 394.1 483.0 534.2 612.6 682.6
100 33.6 134.6 214.8 275.5 326.6 406.5 498.3 551.1 632.3 704.8
Table 8.

C Probabilistic Rainfall of isohyetal map

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 16.0 45.0 61.3 71.3 79.5 91.3 106.9 116.6 127.8 133.2
10 21.1 70.2 99.6 115.7 129.1 148.4 173.1 188.1 204.9 212.4
20 23.0 79.8 114.2 132.6 148.1 170.3 198.3 215.4 234.3 242.7
30 24.2 85.4 122.6 142.3 159.0 182.8 212.8 231.2 251.2 260.1
50 25.6 92.3 133.1 154.5 172.6 198.5 231.0 250.8 272.4 281.9
80 26.9 98.7 142.7 165.6 185.1 212.9 247.7 268.9 291.8 301.8
100 27.5 101.7 147.3 170.9 191.0 219.7 255.5 277.4 301.0 311.3
Table 9.

D Probabilistic Rainfall of isohyetal map

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 16.9 58.4 88.4 109.1 128.0 163.9 206.6 240.3 292.2 322.3
10 24.7 94.1 142.7 183.2 221.4 291.0 370.4 427.0 524.1 578.1
20 27.6 107.7 163.4 211.5 257.1 339.5 432.9 498.5 612.8 675.8
30 29.3 115.6 175.3 227.8 277.6 367.5 468.9 539.5 663.7 732.1
50 31.5 125.4 190.3 248.1 303.3 402.4 513.9 590.9 727.4 802.3
80 33.4 134.4 203.9 266.8 326.7 434.3 555.1 637.9 785.7 866.7
100 34.4 138.6 210.4 275.6 337.9 449.5 574.6 660.1 813.3 897.1

3.3 산정 방법에 따른 확률강우량 비교분석

사업지구의 재현기간별 지점 확률강우량 및 등우선에 의한 확률강우량 증감 여부를 비교하기 위하여 각 지속시간에 대한 확률강우량 증감 여부를 분석하였다.

A 사업지구에 대한 우량관측소 및 등우선에 의한 확률강우량의 비교 결과 등우선에 의한 확률강우량이 지점 확률강우량보다 재현기간별 지속시간에 따라 2.3 - 258.7 mm 증가하는 것으로 분석되었다(Table 10, Fig. 3).

Table 10.

Comparison of probabilistic rainfall (isohyetal map – weather station) _ A

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 2.3 8.8 15.0 19.2 23.2 32.8 45.1 55.7 69.8 77.5
10 3.7 11.0 22.6 33.1 45.0 66.6 95.1 114.0 144.0 158.1
20 4.2 11.8 25.3 38.3 53.3 79.6 114.3 136.4 172.5 188.9
30 4.5 12.2 27.0 41.4 58.1 86.9 125.2 149.2 188.7 206.6
50 4.9 12.8 29.1 45.3 64.0 96.3 139.0 165.3 209.1 228.8
80 5.2 13.4 30.9 48.8 69.6 104.7 151.6 180.0 227.7 249.1
100 5.4 13.6 31.9 50.3 72.2 108.8 157.7 187.0 236.5 258.7

https://static.apub.kr/journalsite/sites/kseie/2024-011-02/N0190110204/images/kseie_2024_112_55_F3.jpg
Fig. 3.

Comparison of I-D-F in point for the study (A).

위와 같이 확률강우량의 차이가 크게 나타나는 이유는 A 지역은 최근 10년간 연평균 강수량이 1,938 mm에 달하는 다우지역에 위치하고 있으며, 일반적으로 등우선법에 의한 확률강우량이 우량관측소의 확률강우량보다 과다하게 산정되는데 기인된 것으로 판단된다.

B 사업지구에 대한 지점 확률강우량 및 등우선에 의한 확률강우량의 비교결과 등우선에 의한 확률강우량이 우량관측소의 확률강우량보다 재현기간별 지속시간에 따라 1.1 - 265.9 mm 증가하는 것으로 분석되었다(Table 11, Fig. 4).

Table 11.

Comparison of probabilistic rainfall (isohyetal map – weather station) _ B

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 1.1 13.7 23.6 34.9 43.3 59.5 75.2 85.8 102.2 113.7
10 1.1 21.6 35.3 55.4 70.3 96.5 121.2 134 156.5 181.4
20 1.1 24.7 41.1 63.1 80.7 110.5 138.8 152.3 177 207.3
30 1.1 27.2 45.3 70.2 89.9 123.7 154.6 162.9 188.9 222.3
50 1.1 28.6 47.4 73.3 94 128.9 161.6 176 203.8 240.9
80 1.1 30.7 50.5 78.5 100.7 138.2 173.3 188.2 217.4 257.8
100 1.1 31.6 51.9 80.9 104 142.6 178.6 193.9 224 265.9

https://static.apub.kr/journalsite/sites/kseie/2024-011-02/N0190110204/images/kseie_2024_112_55_F4.jpg
Fig. 4.

Comparison of I-D-F in point for the study (B).

위와 같이 확률강우량의 차이가 크게 나타나는 이유는 A지역과 동일하게 제주지역의 최다우지역에 사업지구가 위치하고 있으며, 일반적으로 등우선법에 의한 확률강우량이 우량관측소의 확률강우량보다 과다하게 산정되는데 기인된 것으로 판단된다.

C 사업지구에 대한 지점 확률강우량 및 등우선에 의한 확률강우량의 비교결과 등우선에 의한 확률강우량이 우량관측소 확률강우량보다 재현기간별 지속시간에 따라 –6.2 - 55.1 mm 편차가 발생되는 것으로 분석되었다(Table 12, Fig. 5).

Table 12.

Comparison Of Probabilistic Rainfall (isohyetal map – weather station) _ C

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 1.1 8.9 9.8 12.1 11.2 12.4 17.4 19.5 20.7 17.4
10 -2.2 14.3 21.6 27.7 28.9 28.7 34.3 32.4 30.5 17.8
20 -3.4 16.4 26.2 33.6 35.6 35.0 40.6 37.2 34.3 18.0
30 -4.1 17.6 28.8 37.0 39.5 38.6 44.3 40.1 36.4 18.1
50 -5.0 19.1 32.0 41.3 44.3 43.1 48.9 43.6 39.1 18.3
80 -5.8 20.5 35.0 45.1 48.8 47.2 53.2 46.9 41.6 18.4
100 -6.2 21.2 36.4 47.0 50.8 49.1 55.1 48.4 42.8 18.5

https://static.apub.kr/journalsite/sites/kseie/2024-011-02/N0190110204/images/kseie_2024_112_55_F5.jpg
Fig. 5.

Comparison of I-D-F in Point for the study (C).

분석결과 등우선에 의한 확률강우량이 우량관측소의 확률강우량보다 적게 산정되는 구간이 발생하였으며, 타 구간에서도 앞서 분석된 A, B 지점의 확률강우량의 차이보다 다소 작은 차이를 보이는 것으로 확인되었다. 이는 해당 사업지구가 제주도에서 강수량이 작게 나타나는 동·서 지역에 위치하고 있는 점에서 기인된 것으로 판단된다.

D 사업지구에 대한 우량관측소 및 등우선에 의한 확률강우량의 비교결과 등우선에 의한 확률강우량이 우량관측소의 확률강우량보다 재현기간별 지속시간에 따라 –17.9 - 20.3 mm 편차가 발생되는 것으로 분석되었다(Table 13, Fig. 6).

Table 13.

Comparison Of Probabilistic Rainfall (isohyetal map – weather station) _ D

(year) 10 60 120 180 240 360 540 720 1,080 1,440
2 -0.2 -3.2 -0.8 -0.1 -2.6 -1.1 -2.1 -3.8 -7.4 -8.6
10 -0.1 3.9 7.1 8.9 2.6 4.4 2.9 -5.0 -12.3 -12.3
20 -0.1 6.7 10.2 12.5 4.5 6.5 4.8 -5.5 -14.2 -13.7
30 -0.1 8.2 12.0 14.4 5.6 7.7 6.0 -5.8 -15.3 -14.6
50 -0.1 10.2 14.3 16.9 7.0 9.2 7.3 -6.1 -16.6 -15.6
80 -0.1 12.1 16.4 19.3 8.3 10.6 8.5 -6.4 -17.9 -16.5
100 -0.1 12.9 17.4 20.3 8.9 11.3 9.2 -6.5 -18.4 -16.9

https://static.apub.kr/journalsite/sites/kseie/2024-011-02/N0190110204/images/kseie_2024_112_55_F6.jpg
Fig. 6.

Comparison of I-D-F in point for the study (D).

분석결과 D지점은 C지점과 동일하게 등우선에 의한 확률강우량이 우량관측소의 확률강우량보다 적게 산정되는 구간이 발생하였으며, 확률강우량 비교·분석시에도 A, B 지점의 확률강우량의 차이보다 다소 작은 차이를 보이는 것으로 확인되었다. 이는 해당 사업지구가 제주도에서 강수량이 가장 작게 나타나는 동부 지역에 위치하고 있는 점에서 기인된 것으로 판단된다.

4. 결 론

일반적으로 재해영향평가 실무지침에서 제시한 확률강우량 분석방법은 지점 확률강우량으로 홍수량 산정시 적용되는 확률강우량은 지배우량관측소 중 충분한 시우량 자료(30개년 이상)를 확보한 기상청관할 관측소의 자료를 활용하여 산정하도록 되어 있으나 제주도의 경우에는 한라산을 중심으로 지형이 형성되어 고도반영을 위하여 등우선을 사용하여 확률강우량을 산정하도록 권고하고 있다.

하지만, 제주도는 타시·도에 비해 기상관측소의 밀도가 높으며, 한라산의 윗세오름, 진달래밭, 성판악 등에 무인기상관측소인 AWS가 위치하고 있어 고도를 충분히 반영한다는 점에서 적절한 확률강우량 산정 방법에 관한 연구가 시급한 실정이다.

따라서, 본 연구에서는 제주도에서 실시된 재해영향평가에 대하여 무작위로 4개소에 대하여 우량관측소의 확률강우량 산정방법과 등우선에 의한 확률강우량 산정방법을 각각 산정하여 재해영향평가에서 제시하는 임시처감시설 및 영구저감시설의 설계빈도인 30년, 50년, 100년에 대한 오차를 비교분석하였다.

1)A사업지구에 대한 제주기상대의 확률강우량과 등우선에 의한 확률강우량을 산정하여 비교·분석 결과 30년 빈도 4.5 - 206 mm, 50년 빈도 4.9 - 228.8 mm, 100년 빈도 5.4 - 258.7 mm 증가되는 것으로 분석되었다.

2)B사업지구에 대한 제주기상대의 확률강우량과 등우선에 의한 확률강우량을 산정하여 비교·분석 결과 30년 빈도 1.1 - 222.3 mm, 50년 빈도 1.1 - 240.9 mm, 100년 빈도 1.1 - 265.9 mm 증가되는 것으로 분석되었다.

3)C사업지구에 대한 제주기상대의 확률강우량과 등우선에 의한 확률강우량을 산정하여 비교·분석 결과 30년 빈도 -4.1 - 38.6 mm, 50년 빈도 –5.0 - 48.9 mm, 100년 빈도 –6.2 - 55.1 mm 증가되는 것으로 분석되었다.

4)D사업지구에 대한 제주기상대의 확률강우량과 등우선에 의한 확률강우량을 산정하여 비교·분석 결과 30년 빈도 –15.3 - 14.4 mm, 50년 빈도 –16.6 - 16.9 mm, 100년 빈도 –18.4 - 20.3 mm 증가되는 것으로 분석되었다.

본 연구를 진행한 결과 강우량이 많은 A 사업지구와 B 사업지구는 사업지구와 우량관측소의 이격 거리가 최대 7.7 km 이내 임에도 불구하고 등우선에 의한 확률강우량의 최대 증가량이 100년 빈도에서 250 mm 이상 발생되었으며, 이와 같은 결과는 향후 홍수량 증가로 인한 저감시설의 규모가 확대되는 결과를 초래할 수 있다.

또한, C 사업지구 및 D 사업지구의 경우 우량관측소와의 이격거리는 최대 15 km로 나타나지만 우량관측소와 동일 고도 선상에 위치함에도 불구하고 100년 빈도에서 C 사업지구는 –6.2 - 55.1 mm, D 사업지구 –18.4 - 20.3 mm의 증감이 발생하였으며, 이는 향후 홍수량 반영에 따른 저감시설의 규모 과대 및 과소화 시킬 수 있다.

이와 같이 고도를 반영하기 위하여 일률적으로 등우선에 의한 확률강우량 산정의 적용은 홍수량 산정에 따른 저감시설의 규모 결정에 대단히 큰 영향을 미침은 물론, 재해의 사전예방차원의 ‘재해영향평가’ 시행 취지를 무색화 할 수 있다.

따라서, 향후 제주도에서 시행되는 재해영향평가에 대하여 적절한 검토가 진행되기 위해서는 이와 관련한 후속 연구를 선행시켜 적절한 확률강우량 산정 방법에 대한 정립이 필요할 것으로 판단된다.

Acknowledgements

This research was supported by the 2023 scientific promotion program funded by Jeju National University.

References

1

Kang, M.S. 2012. A study on Water resource analysis on major base runoff regions of southern area in jeju island. Master of engineering, Jeju National University. (in Korea)

2

Lee, S.C. 2009. Regional variability analysis of probabilistic rainfall due to climate change. Master of civil and environmental engineering, Dankuk University, pp. 3-19. (in Korea).

3

MOIS(Ministry of public administration and security). 2023. Practice guidelines of Disaster Impact Assessment System, pp. Ⅲ-19 - Ⅲ-25

페이지 상단으로 이동하기