A Trend Analysis of Short-Term and Long-Term Extreme Rainfall for Applying Rainfall Analysis to Small Development Areas

Wooyeol Jeon; Kwangjin Jang; Jungsoo Kim

doi:10.17820/eri.2025.12.1.001

Preview

Original Article

Ecology and Resilient Infrastructure. 31 March 2025. 1-8
https://doi.org/10.17820/eri.2025.12.1.001

A Trend Analysis of Short-Term and Long-Term Extreme Rainfall for Applying Rainfall Analysis to Small Development Areas

소규모 개발사업 유역의 강우분석 적용을 위한 극치강우자료의 장·단기 경향성 비교·분석

Wooyeol Jeon¹

Kwangjin Jang²

Jungsoo Kim³^*

전 우열¹

장 광진²

김 정수³^*

¹Head of Civil Engineering Division 1, Boogwang Engineering Co., Ltd, Ulsan 44692, Korea

²Research Officer, National Disaster Management Research Institute, Ulsan 44538, Korea

³Assitnat Professor, Department of Civil Engineering, Bucheon University, Bucheon 14632, Korea

¹부광엔지니어링 토목사업1부 부장

²국립재난안전연구원 방재안전연구사

³부천대학교 조교수

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc-nd/4.0/):

This is an open-access article distributed under the terms of the Creative Commons Attribution-Non Commercial-No Derives (http://creativecommons.org/licenses/by-nc-nd/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

This study estimated random-time extreme rainfall for 10 minutes, 60 minutes, 120 minutes, 180 minutes, 1080 minutes, and 1440 minutes using rainfall data of 67 observatories governed by Korea Meteorological Administration (KMA), and conducted a trend test using Mann-Kendall test and Sen test. As a result of the analysis, it was found that 16.4% to 19.4% out of 67 stations have the increasing trend in short-term durations (10 minutes, 60 minutes, 120 minutes, and 180 minutes). On the other hand, only 6% out of 67 stations have the increasing trend in long-term durations (1080 minutes and 1440 minutes). This study shows that non-stationary should be considered to estimate the probability rainfall using short-term rainfall data in small development areas.

Keywords

Extreme rainfall

Mann-Kendall test

Sen test

Small development areas

Trend analysis

본 연구에서는 기상청 관할 67개 관측소의 시강우자료를 활용하여 10분, 60분, 120분, 180분, 1080분, 1440분에 대한 임의시간 최대강우량 자료를 구축하였으며, Mann- Kendall test와 Sen test를 통한 경향성 검정을 실시하였다. 분석 결과 단기 강우지속기간(10분, 60분, 120분, 180분)에서는 약 16.4%~19.4%에 해당하는 지점에서 강우량이 뚜렷한 증가 경향성이 있는 것으로 나타난 반면, 장기 강우지속기간에서는 1080분과 1440분 지속기간 모두 약 6%에 해당하는 4개 지점에서만 증가 경향성이 나타났다. 본 연구를 통해 소규모 유역을 대상으로 단기 강우지속기간 자료를 활용하여 확률강우량을 산정할 경우 실무적 차원의 비정상성을 고려해야할 필요성을 확인할 수 있었다.

키워드

극치강우자료

Mann-Kendall test

Sen test

소규모유역

경향성 분석

MAIN

1. 서 론
2. 연구방법
2.1 Mann-Kendall Test
2.2 Sen Test
3. 연구대상
4. 결과 및 고찰
5. 결 론

1. 서 론

우리나라가 최근 기후변화로 인해 집중호우 발생빈도가 높아지고 있다고 많은 국민들이 인식하고 있으며, 최근 집중호우로 인한 홍수와 산사태 등의 자연재해 소식도 자주 접할 수 있다. 2010년 9월 21일에는 수도권과 강원지역을 중심으로 시간당 100 mm가 넘는 집중호우가 발생하여 서울 광화문 일대에 침수피해를 유발하였으며, 2011년 7월 27일 서울지역에 지속시간 2시간 100년 빈도 강수량을 초과하는 집중호우가 발생하여 강남일대와 우면산 산사태 피해를 입혔다(Kim and Ha 2013). 또한, 2017년에는 7월 16일 오전 청주시에 시간당 90 mm가 넘는 집중호우로 인해 시내 곳곳이 침수되었으며, 2020년 8월 경기도 연천군의 경우 3시간 동안 200년 빈도 이상에 해당하는 집중호우가 내려 연천군은 약 293억원에 달하는 피해액과 이재민 68세대 144명이 발생하는 등 최근 들어 짧은 지속시간 동안 많은 강우량이 자주 발생하고 있다.

실제로 재난문자방송 발송기준(행정안전부예규 제309호)에 따라 1시간 동안 50 mm 이상 강수량과 3시간 동안 90 mm 이상 호우가 동시에 관측되거나 1시간 강수량이 72 mm 이상 관측되는 경우 발송하는 긴급재난문자 발송기준을 충족하는 호우 건수도 2013년 48건에서 2022년까지 연평균 8.5% 증가하고 있는 것으로 언론을 통해 보도된 바 있으며, 2024년 8월(2024. 8. 20. 기준)에는 이미 137건을 넘어선 것으로 확인되었다.

이처럼 기후변화로 인한 집중호우가 발생하는 추세는 점점 증가하고 있고, 많은 선행들에서는 극한수문사상의 변화로 인해 배수관련 기반시설물의 첨두홍수 규모와 빈도가 변화할 것으로 예상하고 있다(Kim and Ha 2013). 그럼에도 불구하고, 우리나라에서는 아직 댐, 하천 및 저류지 등의 수공구조물을 계획하거나, 개발사업에 따른 재해영향을 평가할 때 필수적인 절차인 확률강우량 산정 실무에서 이러한 집중호우 발생 추세가 고려되지 않고 있다. 수공구조물의 설계 기준이 되는 확률강우량을 산정할 때는 특정지역의 현재까지 구축된 강우자료를 바탕으로 산정을 하게되는데, 강우시계열이 장기간 동안 통계 특성치들이 변하지 않고 일정할 것이라고 가정하고 산정하며(Seo et al. 2010), 이를 정상성(Stationary)이라고 한다.

시계열 자료의 특성치를 파악하기 위한 정상성의 판단 기준으로는 변동성(Change), 도약성(Jump), 경향성(Trend), 주기성(Periodicity) 등이 있다(Ryu et al. 2013). 이들 정상성 판단 기준 중 최근 기후변화로 인한 강우량 증가 추세를 판단할 수 있는 기준은 경향성이 해당된다. 하지만, 현재 경향성 검정을 통과하지 못한 비정상성(Non-stationary)을 가지는 자료계열이라 할지라도 이들 자료에 대해 해석을 할 수 있는 검증된 대안이 없기 때문에 경향성 검정을 통과하지 못한 자료들도 정상성을 갖고 있다고 가정하고 분석하는 경우가 발생하게 된다(Seo et al. 2010). 이러한 비정상성을 고려하지 못하는 확률강우량 산정 방식은 현재 진행되고 있는 기후변화로 인한 집중호우의 발생 경향성을 고려하지 못하는 문제가 있다.

특히, 댐 또는 하천 계획과는 다르게 개발사업에 따른 개발 전 대비 개발 중·후 재해영향을 사전 평가하기 위한 재해영향평가에서는 분석대상 유역이 댐유역과 하천유역과 비교하여 매우 작은 유역을 대상으로 하기 때문에 홍수량의 임계지속기간이 대부분 3시간 이내에서 발생하게 된다. 이는 지속시간별 확률강우량을 산정하고 다차원 회귀분석을 통한 강우강도식을 선정할 때 단기 극치강우자료의 비정상성을 고려하는 것이 더욱 중요하게 되며, 극치강우자료에서 경향성이 나타나는 사례를 국내외 연구사례에서 볼 수 있다.

국내의 과거 연구사례를 살펴보면 2000년대 초반에는 월단위 또는 연단위의 강수량 시계열 자료를 활용하여 경향성 분석 연구를 수행했는데, Oh et al. (2004)은 국내 30개 지점의 연강우자료를 대상으로 Mann-Kendall 검정을 통해 시계열의 계열상관성이 경향성 분석에 영향을 미치는 요인을 분석하였다. 이후 2000년대 후반에 들어서면서 극치강우자료를 활용한 경향성 분석에 대한 연구가 지속적으로 수행되었는데, Kwon et al. (2009)은 국내 56개 기상관측지점의 임의시간 24시간 연최대강우량 자료를 활용하고, Kendall, Hotelling-Pabst, Wald-Wolfowitz 검정법을 적용하여 강우량 자료의 경향성 검정을 실시한 후에, 증가 경향성이 존재하는 7개 지점의 설계 목표년도에 대한 확률강우량을 산정하는 방법을 제안하였다. Seo et al. (2010)은 국내 61개 강우 관측 지점의 24시간 지속시간 연최대 강우량 자료에 대하여 경향성 검정을 실시하였고, 10개 지점에서 경향성을 나타남을 확인하였다. 또한, 경향성을 가지지 않은 51개 지점을 대상으로 추계학적 시계열 모의발생기법을 이용하여 강우자료를 발생시킨 후 경향성 검정을 실시한 한 후에, 13개 지점에서 향후 10년 이내에 경향성이 나타나는 것을 확인하였다. 이러한 연구결과를 참고하여 Kim and Ha (2013)은 극한 시계열 강우자료의 비정상성을 고려하여 RCP 8.5 기후변화시나리오로부터 미래 기후변화정보를 추출하였으며, 기후변화를 고려할 수 있는 비정상성 빈도해석기법을 개발하여 지속시간별 빈도별 설계강우량을 산정하였고, 미호천 유역을 대상으로 설계홍수량에 미치는 영향을 분석하였다. 또한 Yoon and Moon (2014)은 서울, 부산, 대구, 광주, 인천 등 전국 8개 주요 도시유역에 대하여 연평균 강수량, 계절강수량 및 여름강수량 자료를 토대로 Mann-Kendall 검정과 Sen 검정을 통한 강우의 증가경향을 분석한 결과 연평균 강수량은 모든 지점에서 증가하는 경향을 도출하였으며, 여름철 강수의 증가 추세가 뚜렷하게 나타났으나, 가을철과 겨울철은 약한 감소 추세를 보임을 확인하였으며, 향후 제안사항으로 매년 발생한 연최대치계열에 대한 분석뿐만 아니라 기준값 이상의 수문 사상에 대한 최근 증가경향 분석을 통한 수공구조물설계 반영에 활용될 수 있을 것으로 제안한바 있다.

2. 연구방법

본 연구에서는 장·단기 극치강우자료의 추세를 확인하기 위해 국내에서 많이 적용하고 있는 경향성 검정을 실시하였다. 경향성 검정은 분석대상 시계열 자료에 경향성이 존재하지 않는다는 귀무가설(H₀)과 시계열 자료가 증가하거나 감소하는 경향성을 갖는다는 대립가설(H₁)을 설정하고, 귀무가설을 기각하는 경우 대립가설을 채택하는 방식으로 수행된다. 본 연구에서는 경향성 검정을 위하여 자료의 정규화 과정을 거친 후 Mann-Kendall Test와 Sen Test를 통한 가설 검정을 실시하였으며, 2가지의 검정 방법에 대한 기본 이론은 다음과 같다.

2.1 Mann-Kendall Test

Mann-Kendall Test는 Mann (1945)에 의해 제안되었으며, Kendall (1975)에 의해 개선된 방법으로, 시계열 자료의 경향성 여부를 분석하기 위한 비모수적(Non-parametric) 통계기법이다. Mann-Kendall Test는 자료의 수가 n개인 $Y_{t} (t = 1, 2, \dots, n)$ 에 대하여 $Y_{t}' (t' = 1, 2, \dots, n - 1)$ 와 $Y_{t} (t = t' + 1, 2, \dots, n)$ 의 크기를 비교하여 다음과 같이 정의할 수 있다.

Z_{k} = 1 if Y_{t} > Y_{t}' Z_{k} = 0 if Y_{t} = Y_{t}' Z_{k} = - 1 if Y_{t} < Y_{t}'

여기서, $k = (t^{'} - 1) (2 n - t^{'}) + (t - t^{'})$ 라고 하면 Mann-Kendall 검정의 통계량은 다음 Eq. 1, Eq. 2, Eq. 3과 같이 주어진다(Hirsch et al. 1982).

(Eq. 1)

S = \sum_{t' = 1}^{n - 1} \sum_{t = t' + 1}^{n} Z_{k}

(Eq. 2)

U_{C} = \frac{(S + j)}{[V a r (S)]^{(1 / 2)}}

여기서,

(Eq. 3)

V a r (S) = \frac{1}{18} [n (n - 1) (2 n + 5) - \sum_{i = 1}^{G} E_{i} (E_{i} - 1) (2 E_{i} + 5)]

S < 1일 때 j = 1, S > 1일 때 , j = -1, S = 0일 때 j = 0의 값을 가지며, G는 같은 값을 갖는 자료군의 총수이며, 는 번째 자료군에 속하는 같은 값을 갖는 자료의 수이다. 다음 Eq. 4의 조건이 만족되면 유의수준 α에서 주어진 자료가 상향 경향성 또는 하향 경항성을 갖는다고 할 수 있다.

(Eq. 4)

| U_{c} | > u_{1 - α / 2}

주어진 자료에 대하여 S = 0 일 때 $U_{c} = 0$ 으로 경향성을 갖지 않으며, S가 양의 값을 갖는 경우에는 상향 경향성을 갖고 S가 음의 값을 갖는 경우에는 하향 경향성을 갖는다.

2.2 Sen Test

Sen Test는 Sen (1968)에 의해 제안된 비모수적 통계기법으로 주어진 자료 $Y_{t} (t = 1, 2, \dots, n)$ 에 대하여 새로운 변수 $Z_{k}$ 를 다음 Eq. 5와 같이 정의한다.

(Eq. 5)

Z_{k} = \frac{Y_{j} - Y_{i}}{j - i}

여기서, 모든 i와 j에 대해 j > i 이고, $Z_{k}$ 를 다시 내림차순으로 정렬한 값을 $X_{k}$ 로 정의하면 Sen의 경사(Slope)에 대한 추정량의 중간 값인 검정통계량은 다음 Eq. 6과 같이 주어진다(Gilbert 1987).

N이 홀 수 (odd) 일 때, S = X_{(N + 1) / 2} N이 짝수 (even) 일 때, S = \frac{1}{2} [X_{N / 2} + X_{(N + 2) / 2}]

여기서, $N = n (n - 1) / 2$ 로 Eq. 5에서 구한 검정통계량이 다음의 신뢰구간 안에 있다면 유의수준 α에서 경향성을 갖는다고 할 수 있다.

(Eq. 6)

| X_{N_{U}}, X_{N_{L}} |

여기서, $M_{N_{U}}$ 는 상한계(Upper Limit)로 Eq. 7에 의해 도출된 $N_{U}$ 번째 값이고, ${M_{N}}_{L}$ 은 하한계(Lower Limit)로 X값 중 가장 작은 X값으로부터 Eq. 8에 의해 도출된 $N_{L}$ 번째 값을 의미한다.

(Eq. 7)

N_{U} = 1 + \frac{N + u_{1 - a / 2} [V a r (S)]^{1 / 2}}{2}

(Eq. 8)

N_{L} = \frac{N - u_{1 - a / 2} [V a r (S)]^{1 / 2}}{2}

Eq. 7과 Eq. 8의 Var(S)는 Mann-Kendall Test에서 정의한 Eq. 3을 이용하여 구할 수 있다.

3. 연구대상

우리나라 기상청에서 운영하는 관측지점 중 2023년도를 기준으로 30년 이상의 강우자료를 보유한 67개 관측지점(울릉도 지점 제외)을 대상으로 하였다(Fig. 1). 행정권역별로는 서울·경기권 6개소, 강원 10개소, 대전·충남 6개소, 충북 5개소, 부산·경남 9개소, 대구·경북 12개소, 광주·전남 8개소, 전북 7개소, 제주 4개소 등 권역별로 다양하게 분포하고 있다(Table 1).

https://cdn.apub.kr/journalsite/sites/kseie/2025-012-01/N0190120101/images/kseie_2025_121_1_F1.jpg

Fig. 1.

Location of 67 rainfall stations.

Table 1.

Rainfall stations by administrative districts

Administrative Districts	Stations	No. of Stations
Seoul & Gyeonggi	Ganghwa, Icheon, Incheon, Seoul, Suwon, Yangpeong	6
Gangwon	Cheorwon, Chuncheon, Daegwallyeong, Donghae, Gangneung, Hongcheon, Inje, Sokcho, Taebaek, Wonju	10
Daejeon & South Chungcheong	Boryeong, Buyeo, Cheonan, Daejeon, Geumsan, Seosan	6
North Chungcheong	Boeun, Cheongju, Chungju, Chupungnyeong, Jecheon	5
Busan & South Gyeongsang	Busan, Jinju, Changwon, Miryang, Tongyeong, Hapcheon, Geoje, Sancheong Ulsan	9
Daegu & North Gyeongsang	Andong, Bongwhoa, Daegu, Geochang, Gumi, Mungyeong, Pohang, Uiseong, Uljin, Yeongdeok, Yeongcheon, Yeongju	12
Gwangju & South Jeolla	Gwangju, Goheung, Haenam, Jangheung, Mokpo, Namhae, Wando, Yeosu	8
North Jeolla	Buan, Gunsan, Imsil, Jangsu, Jeonju, Jeongeup, Namwon	7
Jeju	Gosan, Jeju, Seogwipo, Seongsan	4
Total		67

본 연구에서는 기상청에서 제공하는 67개 관측지점의 시강우 자료를 토대로 2시간, 3시간, 18시간, 24시간의 4개 지속기간에 대한 고정시간 최대강우량을 산정하였고, 이를 임의시간 최대강우량으로 환산하였다. 고정시간 최대강우량에서 임의시간 최대강우량으로 환산할 때 계수는 국내 수자원 설계 실무에서 적용하고 있는 Eq. 9를 적용하였다.

(Eq. 9)

Y = 0.1346 ∙ X^{1.4170} + 1.0014

여기서, Y는 환산계수, X는 강우지속기간(hr) 이다.

본 연구에서 활용한 자료는 환산계수를 적용한 120분, 180분, 1080분, 1440분의 4개 지속기간과 더불어, 기상청에서 임의시간 최대강우량으로 제공하고 있는 10분 및 60분의 2개 지속기간 자료를 추가하였다. 이렇게 구축된 총 6개 지속기간은 강우강도식 유도 시 실무에서 장·단기 지속기간 구분 기준으로 통용되고 있는 180분을 기준으로 10분, 60분, 120분, 180분은 단기 지속기간으로, 1080분과 1440분은 장기 지속기간으로 구분하였다. 본 연구에서는 수행한 경향성 검정은 신뢰수준 95%(α=0.05)에서 Mann-Kendall Test와 Sen Test가 모두 경향성이 존재하지 않는다는 귀무가설을 기각하는 경우 유의미한 경향성이 있다고 판단하였다.

4. 결과 및 고찰

분석대상 67개 관측지점 중 39개 지점에서는 유의미한 경향성을 확인할 수 없었으나, 67개 관측지점 중 단기 강우지속기간은 10분에서 13개 지점, 60분 12개 지점, 120분 9개 지점, 180분 11개 지점에서 Mann-Kendall Test 및 Sen Test의 검정 통계치가 모두 신뢰수준을 벗어나 귀무가설이 기각되어 대립가설을 채택하였다(Table 2). 이는 67개 관측지점 중 강우지속기간별 약 16.4%~19.4%에 해당하는 지점에서 강우량이 뚜렷한 증가 경향성을 나타낸다는 것을 의미한다. 반면, 장기 강우지속기간에서는 1080분과 1440분 지속기간 모두 약 6%에 해당하는 4개 지점에서만 증가 경향성이 나타나는 것을 확인하였다(Table 2).

Table 2.

Result of trend tests for station with significant trend by duration rainfall

Test Station	10min					60min					120min
	M-K	Sen			Result	M-K	Sen			Result	M-K	Sen			Result
	M-K	CS	UL	LL	Result	M-K	CS	UL	LL	Result	M-K	CS	UL	LL	Result
Andong	1.045	0.082	0.211	-0.050	×	1.382	0.145	0.357	0	×	0.404	0.073	0.419	-0.227	×
Boeun	2.018	0.077	0.138	0	×	2.031	0.250	0.500	0	×	1.462	0.236	0.526	-0.075	×
Bongwhoa	-2.103	-0.150	0	-0.242	×	-0.109	-0.225	0.196	-0.676	×	-1.894	-0.400	0.019	-0.987	×
Boryeong	0.399	0.009	0.087	-0.062	×	0.244	0.053	0.333	-0.295	×	0	0	0.449	-0.441	×
Buan	1.448	0.063	0.150	-0.021	×	0.544	0.061	0.333	-0.217	×	0.163	0.023	0.430	-0.300	×
Busan	1.145	0.037	0.109	-0.030	×	0.836	0.107	0.388	-0.143	×	0.955	0.172	0.597	-0.228	×
Buyeo	-0.496	0.023	0.081	-0.105	×	0.171	0.033	0.300	-0.261	×	0.244	0.056	0.458	-0.311	×
Changwon	0.363	0.041	0.180	-0.145	×	0.968	0.214	0.719	-0.227	×	1.089	0.383	1.275	-0.300	×
Cheonan	-0.326	-0.004	0.070	-0.092	×	0.447	0.050	0.306	-0.188	×	-0.642	-0.115	0.322	-0.500	×
Cheongju	0.434	0.014	0.094	-0.054	×	0.468	0.050	0.266	-0.163	×	0.489	0.084	0.437	-0.240	×
Cheorwon	2.523	0.169	0.323	0.038	Trend	1.690	0.379	0.938	-0.050	×	1.716	0.532	1.222	-0.059	×
Chuncheon	-0.718	-0.023	0.043	-0.081	×	2.066	0.189	0.352	0.004	Trend	1.422	0.195	0.427	-0.064	×
Chungju	2.782	0.143	0.222	0.043	Trend	1.998	0.277	0.496	0	×	1.804	0.255	0.511	-0.029	×
Chupungnyeong	0.582	0.014	0.061	-0.039	×	1.103	0.078	0.209	-0.079	×	1.821	0.149	0.328	-0.011	×
Daegu	1.890	0.056	0.125	0	×	1.052	0.115	0.336	-0.112	×	1.231	0.161	0.443	-0.111	×
Daegwallyeong	1.549	0.039	0.096	-0.012	×	1.863	0.166	0.318	-0.014	×	1.160	0.150	0.410	-0.104	×
Daejeon	-1.359	-0.049	0.025	-0.129	×	-0.327	-0.050	0.179	-0.295	×	0.290	0.067	0.455	-0.328	×
Donghae	-0.211	-0.011	0.138	-0.148	×	1.510	0.250	0.722	-0.125	×	1.379	0.474	1.136	-0.229	×
Ganghwa	-1.147	-0.053	0.036	-0.172	×	-0.805	-0.122	0.200	-0.439	×	-0.934	-0.221	0.252	-0.709	×
Gangneung	2.249	0.060	0.125	0.009	Trend	2.343	0.203	0.405	0.038	Trend	2.325	0.289	0.611	0.040	Trend
Geochang	1.383	0.058	0.143	-0.023	×	0.171	0.026	0.217	-0.210	×	0.187	0.027	0.300	-0.258	×
Geoje	3.069	0.100	0.162	0.040	Trend	2.405	0.444	0.769	0.080	Trend	2.315	0.597	1.092	0.129	Trend
Geumsan	3.377	0.141	0.200	0.063	Trend	1.106	0.091	0.308	-0.071	×	-0.057	0	0.295	-0.376	×
Goheung	0	0	0.064	-0.063	×	0.650	0.105	0.450	-0.198	×	1.544	0.322	0.811	-0.132	×
Gosan	0.981	0.089	0.270	-0.080	×	2.016	0.496	0.976	0.009	Trend	1.744	0.522	1.092	-0.105	×
Gumi	1.041	0.039	0.118	-0.056	×	1.926	0.180	0.375	0	×	3.055	0.314	0.517	0.125	Trend
Gunsan	0.431	0.011	0.085	-0.050	×	2.735	0.245	0.395	0.061	Trend	1.795	0.250	0.500	-0.019	×
Gwangju	1.976	0.059	0.110	0	×	2.254	0.210	0.400	0.200	Trend	2.663	0.386	0.669	0.107	Trend
Haenam	1.505	0.600	0.143	-0.018	×	1.431	0.168	0.365	-0.048	×	1.194	0.196	0.500	-0.120	×
Hapcheon	2.531	0.107	0.200	0.024	Trend	0.723	0.107	0.405	-0.192	×	0.975	0.205	0.600	-0.253	×
Hongcheon	-0.318	0	0.053	-0.063	×	1.844	0.189	0.417	-0.016	×	0.837	0.110	0.445	-0.183	×
Icheon	-1.342	-0.071	0.028	-0.167	×	0.691	0.139	0.413	-0.175	×	1.584	0.224	0.544	-0.085	×
Imsil	1.579	0.059	0.143	-0.015	×	1.796	0.212	0.438	-0.019	×	1.284	0.210	0.574	-0.124	×
Incheon	0.154	0.004	0.073	-0.056	×	0.113	0.016	0.241	-0.176	×	0.451	0.082	0.411	-0.242	×
Inje	1.561	0.054	0.133	-0.015	×	2.252	0.167	0.330	0.014	Trend	1.917	0.285	0.562	-0.002	×
Jangheung	1.944	0.068	0.143	0	×	2.283	0.250	0.438	0.038	Trend	0.975	0.177	0.526	-0.184	×
Jangsu	-0.191	0	0.082	-0.094	×	1.390	0.278	0.604	-0.100	×	1.758	0.432	0.814	-0.067	×
Jecheon	2.839	0.121	0.190	0.036	Trend	1.267	0.167	0.419	-0.088	×	0.959	0.161	0.514	-0.210	×
Jeju	0.332	0.014	0.077	-0.048	×	1.554	0.158	0.389	-0.044	×	1.542	0.291	0.660	-0.069	×
Jeongeup	1.106	0.063	0.167	-0.048	×	0.853	0.143	0.500	-0.158	×	0.926	0.206	0.570	-0.204	×
Jeonju	0.522	0.014	0.075	-0.050	×	0.522	0.014	0.075	-0.050	×	0.558	0.057	0.271	-0.150	×
Jinju	1.467	0.050	0.112	-0.014	×	-0.290	-0.036	0.200	-0.260	×	0.167	0.030	0.426	-0.333	×
Miryang	0.959	0.040	0.134	-0.056	×	0.601	0.080	0.351	-0.196	×	-1.105	-0.181	0.170	-0.570	×
Mokpo	1.828	0.054	0.107	-0.002	×	1.352	0.100	0.256	-0.039	×	0.564	0.058	0.281	-0.132	×
Mungyeong	1.417	0.053	0.104	-0.017	×	1.942	0.211	0.400	0	×	2.275	0.266	0.525	0.044	Trend
Namhae	2.003	0.063	0.133	0	×	1.617	0.250	0.564	-0.048	×	1.804	0.457	0.998	-0.024	×
Namwon	1.065	0.050	0.137	-0.036	×	0.885	0.161	0.495	-0.173	×	1.625	0.337	0.716	-0.091	×
Pohang	0.031	0	0.104	0	×	1.327	0.164	0.438	-0.085	×	1.726	0.261	0.594	-0.037	×
Sancheong	2.139	0.088	0.176	0	×	1.089	0.148	0.402	-0.114	×	0.487	0.105	0.563	-0.374	×
Seogwipo	2.838	0.089	0.150	0.025	Trend	2.770	0.258	0.452	0.072	Trend	3.304	0.483	0.793	0.195	Trend
Seongsan	1.358	0.060	0.164	-0.023	Trend	2.364	0.441	0.723	0.089	Trend	2.510	0.625	1.079	0.133	Trend
Seosan	0.545	0.018	0.092	-0.050	×	1.357	0.150	0.414	-0.078	×	1.703	0.293	0.646	-0.050	×
Seoul	0.599	0.023	0.094	-0.048	×	-0.546	-0.075	0.168	-0.313	×	-1.192	-0.234	0.145	-0.575	×
Sokcho	3.001	0.100	0.161	0.032	Trend	2.390	0.249	0.479	0.036	Trend	1.442	0.225	0.552	-0.056	×
Suwon	1.193	0.037	0.100	-0.021	×	0.861	0.082	0.286	-0.125	×	0.300	0.056	0.314	-0.264	×
Tabaek	1.738	0.096	0.215	-0.020	×	-0.164	-0.038	0.305	-0.275	×	-0.868	-0.200	0.228	-0.600	×
Tongyeong	3.176	0.118	0.182	0.050	Trend	2.142	0.300	0.553	0.033	Trend	2.403	0.441	0.825	0.071	Trend
Uiseong	0.423	0.024	0.130	-0.083	×	-0.187	-0.019	0.188	-0.229	×	-0.853	-0.105	0.121	-0.333	×
Uljin	2.471	0.088	0.161	0.018	Trend	1.752	0.147	0.348	-0.019	×	1.784	0.210	0.488	-0.026	×
Ulsan	0.249	0.005	0.054	-0.050	×	1.566	0.160	0.341	-0.067	×	1.180	0.206	0.450	-0.115	×
Wando	-0.554	-0.018	0.045	-0.100	×	-0.347	-0.034	0.208	-0.325	×	-0.055	-0.013	0.336	-0.450	×
Wonju	-0.780	-0.036	0.050	-0.111	×	0.325	0.057	0.273	-0.221	×	1.081	0.165	0.500	-0.140	×
Yangpeong	2.409	0.109	0.188	0.017	Trend	0.520	0.067	0.375	-0.222	×	0.398	0.097	0.578	-0.363	×
Yeongcheon	0.569	0.029	0.125	-0.063	×	0.780	0.073	0.276	-0.133	×	0.033	0	0.309	-0.266	×
Yeongdeok	0.098	0	0.100	-0.075	×	1.690	0.167	0.397	-0.019	×	1.462	0.262	0.596	-0.071	×
Yeongju	-0.684	-0.029	0.056	-0.105	×	-0.211	-0.028	0.221	-0.250	×	-0.106	-0.019	0.275	-0.347	×
Yeosu	0.772	0.017	0.079	-0.036	×	1.702	0.166	0.368	-0.020	×	2.266	0.260	0.530	0.028	Trend

장기 강우지속기간에서 경향성이 나타난 관측소는 구미, 합천, 서귀포, 울진이며, 이들 관측소는 단기 강우지속기간에서도 증가 경향성이 있는 관측소로 분석되었다. 그러나 이들 관측소를 제외한 나머지 관측소에서는 단기 강우지속기간에서만 증가 경향성이 나타났으며, 철원, 충주, 금산, 제천, 양평관측소에서 초단기 지속기간에 해당하는 10분에서만 경향성이 나타남을 확인할 수 있었다.

따라서 본 연구를 통해 단기 강우지속기간에서 최근 집중호우로 인한 강우량 증가 경향성이 더욱 뚜렷하게 나타남을 알 수 있으며, 단기 지속기간을 대상으로 강우분석을 실시하는 경우 경향성 검정을 반드시 실시하고, 경향성이 나타나는 경우 비정상성을 고려한 강우분석이 필요할 것으로 판단된다.

최근 Kim et al. (2021)이 기후변화에 따른 강수량의 시공간적 발생 패턴의 변화 분석 연구결과를 보면 우리나라의 강수량 패턴이 강수일수는 짧아지고 일별 강수량은 늘어난 경향을 보였으며, 그 특징은 우리나라 중부지방에서 두드러지게 나타난 바 있다. 본 연구에서도 67개 관측지점에 대하여 티센망(Thiessen Network)을 구축하고 본 연구결과를 도시하여 강우량 증가 경향성에 대한 공간적 특성을 확인하고자 하였다(Fig. 2). 그 결과 분석대상 자료 및 통계분석 기법의 차이로 인해 기존 연구결과와 달리 지역별로 두드러지게 나타나는 특성은 확인할 수 없었다. 그러나, 향후에는 본 연구에서 산정된 Sen 경사(Slope) 대한 검정통계량을 활용하여 이를 분포도로 표출한다면 강우지속기간별 경향성의 공간적 특성을 확인할 수 있을 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kseie/2025-012-01/N0190120101/images/kseie_2025_121_1_F2.jpg

Fig. 2.

Stations where trends by rainfall duration were verified.

5. 결 론

본 연구는 국내 기상청에서 관할하고 있는 67개 관측지점의 극치강우자료를 대상으로 강우지속기간별 경향성 검정을 실시하였다. 연구결과 단기 강우지속기간에서는 약 16.4%~19.4%에 해당하는 지점에서 강우량이 뚜렷한 증가 경향성이 있는 것으로 나타났으며, 장기 강우지속기간에서는 1080분과 1440분 지속기간 모두 약 6%에 해당하는 4개 지점에서만 증가 경향성이 나타났다. 본 연구는 국내의 일부 기존 연구들과 같이 극치강우자료를 활용했다는 점에서 동일하나, 강우지속기간별로 경향성을 검정함으로써 기후변화에 따른 집중호우의 장·단기 경향성을 파악할 수 있었다는 점에서 차별점이 있으며, 소규모 유역을 대상으로 수문분석을 실시할 경우 실무적 차원의 비정상성을 반영해야할 필요성을 도출했다는데 의미가 있다. 특히, 홍수량 산정 결과 임계지속기간이 대부분 3시간 미만에서 산정되고, 댐이나 하천유역 과 같은 대규모 유역보다 상대적으로 매우 작은 재해영향평가 대상 사업유역의 경우에는 그 필요성이 더욱 높다고 할 수 있다.

Acknowledgements

This work was supported by 2023 BUCHEON UNIVERSITY Research Grant.

References

Gilbert, R.O. 1987. Statistical methods for environmental pollution monitoring. John Willy & Sons. Inc.

Hirsch, R.M., Slack, J.R., and Smith, R.A. 1982. Techniques of trend analysis for monthly water quality data, Water Resources Research 18: 107-121.

10.1029/WR018i001p00107

Kim, B.S. and Ha, S.Y. 2013. The impact assessment of climate change on design flood in Mihochen basin based on the representative concentration pathway climate change scenario. Journal of Wetlands Research 15: 105-114.

10.17663/JWR.2013.15.1.105

Kim, D.J., Kang, D.G., Park, J.H., Kim, J.H., and Kim, Y.S. 2021. Change in the spatiotemporal patterns of precipitation due to climate change. Korean Journal of Agricultural Forest Meteorology 23: 424-433

Kwon, Y.M., Park, J.W., and Kim, T.W. 2009. Estimation of design rainfalls considering an increasing trend in rainfall data. KSCE Journal of Civil and Environmental Engineering Research 29: 131-139

Oh, J.S., Kim, B.S., Kim, H.S., and Seoh, B.H. 2004. Trend Detection of Serially Correlated Hydrologic Series. Journal of Korean Wetlands Society 6: 35-43

Ryu, Y.J., Shin, H.J., Kim, S.Y., and Heo, J.H. 2013. Power test of trend analysis using simulation experiment. Journal of Korea Water Resources Association 46: 219-227

10.3741/JKWRA.2013.46.3.219

Seo, L., Choi, M.H., and Kim, T.W. 2010. Outlook for temporal variation of trend Embedded in extreme rainfall time series. Journal of Wetlands Research 12: 13-23.

Yoon, S.K. and Moon, Y.I. 2014. The recent increasing trends of exceedance rainfall thresholds over the Korean major cities. Journal of the Korean Society of Civil Engineers 34: 117-133.

10.12652/Ksce.2014.34.1.0117

Ecology and Resilient Infrastructure ISSN:2288-8527(Online) 응용생태공학회 논문집

Preview

A Trend Analysis of Short-Term and Long-Term Extreme Rainfall for Applying Rainfall Analysis to Small Development Areas

ABSTRACT

MAIN

(Eq. 1)

(Eq. 2)

(Eq. 3)

(Eq. 4)

(Eq. 5)

(Eq. 6)

(Eq. 7)

(Eq. 8)

Fig. 1.

Location of 67 rainfall stations.

Table 1.

Rainfall stations by administrative districts

(Eq. 9)

Table 2.

Result of trend tests for station with significant trend by duration rainfall

Fig. 2.

Stations where trends by rainfall duration were verified.

Acknowledgements

References