1. 서 론

기후변화로 인한 기온 상승은 대기 중 수증기를 증가시켜 전 세계적으로 극한 기상 현상을 심화시키고 있다. 그 중 수재해 피해를 증가시키고 있는 국지적인 집중호우는 특정 지역에 단시간에 집중적으로 강우가 발생하는 현상이다. 이러한 집중호우는 단일 기상 현상에 한정된 것이 아니라 정체전선, 저기압, 태풍, 적란운 세포로 구성된 중규모 대류계 등과 같이 복합적인 기상학적 기작들로 발생한다.

이러한 집중호우 중에서 형태학적으로 구분할 수 있는 선형강수대(Linear Precipitation Band, LPB)는 국지적으로 막대한 피해를 초래하는 주요 원인으로써, 길이 50~300 km, 폭 20~50 km에 띠 모양으로 발달한 적란운이 특정 지역에 장시간 위치하면서 짧은 시간에 엄청난 양의 비를 내리게 하여 국지적으로 인명 및 재산 피해를 유발한다^{(Tsujimoto et al., 2017; Hirockawa et al., 2020; Kato, 2020)}. 특히, 선형강수대는 강수량이 많은 것뿐만 아니라, 강수대가 특정 지역에 정체(stagnation)하거나, 새로운 대류세포가 지속적으로 형성되어 기존 세포들과 선형 조직화하여 재해 규모를 증폭시킨다.

중규모 대류계로 인한 집중호우는 빈번하게 발생하고 있지만, 형태적 기준(강우영역의 종횡비, 강우면적 등)으로 선형강수대로 정의되고 분리, 예측하는 기술이 본격적으로 개발된 것은 2014년 일본 히로시마, 2017년 일본 북부 규수, 2018년 서일본에서 기록적인 호우로 재해가 발생하면서이다. 한국에서도 2022년 수도권 및 중부지방 집중호우와 2024년 서울 수도권 폭우가 발생하면서 선형강수대 용어가 사용되기 시작하였다.

선형강수대 연구의 초기 단계는 주로 중규모 대류 시스템의 선형 구조와 관련된 기본적인 특성 및 형성 메커니즘을 규명하는 데 중점을 두었다. ^{Bluestein and Jain(1985)}은 미국 오클라호마 지역의 11년간 레이더 반사도 데이터를 분석하여 중규모 대류선(mesoscale convective line)의 네 가지 주요 발달 유형(broken line, back building, broken areal, embedded areal)을 식별하고, 유형의 환경적 특성을 규명하여 선형강수대의 형성 메커니즘정의의 기초가 되었다. ^{Watanabe and Ogura(1987)}는 중규모 집중호우에 대한 지형적 강제 상승(orographically forced upstream lifting)의 영향을 사례 연구를 통해 조사하였다. 이 연구는 해안에서 약 50 km 떨어진 해상에서 대류 세포가 연속적으로 형성되는 것을 밝혀냈으며, 산악 지형이 지표 부근의 습한 공기를 자유 대류 고도까지 쉽게 상승시켜 선형 대류 시스템을 형성할 수 있음을 확인하였다. 이후 1990년대 이후부터는 수치모델링 기술이 발전하면서 특정 집중호우에 대한 분석을 통해 띠 모양 집중호우의 형성 및 유지를 재현하였다. ^{Kato and Goda(2001)}는 1998년 8월 4일 니가타에서 관측된 정체성 띠 모양 집중호우의 형성 및 유지 과정을 연구하고, 강수대 상류에 존재하는 대류 강화 저층 바람 수렴이 준정체성 강수대를 유지하는 데 주요 인자임을 규명하였다.

2000년대 이후에는 레이더 데이터 활용이 증가하여, 선형강수 구역 분류에 대한 연구가 주로 진행되었다. ^{Parker and Johnson (2000)}은 미국의 선형 중규모 대류 시스템에 대해 세가지 개념모델 모델(후방 층상형, 전방 층상형, 평행 층상형)을 확인하였다. ^Kato(2006)는 1999년 6월 29일 일본 규슈에서 집중호우를 유발한 띠 모양 강수 시스템의 구조를 분석하였다. ^{Tsujimoto et al.(2017)}은 레이더 데이터로부터 300 km² 이상 면적, 강우역의 장축, 단축의 비율 등을 기준으로 선형 모양의 중규모 대류계를 식별하고, 추출하는 기법을 개발하였다. ^{Tsuguti et al.(2019)}은 2018년 7월 일본 서부에 집중호우가 발생하였을 때 국지적으로 강화된 선형 강수대를 확인하였다.

2020년 이후 부터는 선형강수대에 대한 기후변화 영향을 분석하고, 예측하는 집중되었다. ^Kato(2020)는 “센조코스이타이(Senjo-Kousuitai, 선형강수대)”라는 용어를 정의하고, 일본에서 발생하는 국지성 집중호우의 주요 원인으로 판단하였다. 그리고 진단예측에 활용하도록 선형강수대 발생을 유발하는 6가지 환경 조건을 통계적으로 제시하였다. ^{Hirockawa et al.(2020)}은 일본의 호우 사례를 분석하여 형태학적 특징을 기반으로 선형, 정체-선형, 정체형 등으로 분류하는 알고리즘을 제안하였다. ^{Maejima et al. (2022)}는 특히 기상 레이더 관측망을 사용하여 선형 강수대의 예측 정확도를 향상시켰다.

국내에서는 집중호우를 유발하는 기상원인(온대저기압, 열대저기압, 정체전선, 국지 불안정) 분석과 중규모 특성 분석, 종관규모 특성 위주로 연구가 수행되었다^{(Park et al., 2021a},^{b; Ho et al., 2023)}. ^{Lee and Kim(2007)}은 레이더 영상 분석을 통해 집중호우를 초래한 중규모 대류계의 형태를 고립된 뇌우형, 대류 밴드형, 스콜라인 형, 구름 성단형으로 분류하거나, 시간당 30 mm 이상의 국지성 집중호우 사례를 중부형, 남부형, 고립형으로 분류하는 연구^{(Jo et al., 2020)}가 수행되었지만, 집중호우와 같은 위험기상을 선형강수대처럼 형태학적 특징으로 분류한 연구는 진행된 바 없다.

위험기상을 객관적인 형태학적 특징에 따라 분류하는 것은 위험기상 유형에 따라 재해 발생 메커니즘과 피해양상이 달라지기 때문에 선제적인 수재해 대응 전략 수립에 매우 중요하다. 예를 들어 좁고 긴 띠 형태를 유지하며 특정 지역에 머무는 선형-정체형 강수는 짧은 시간에 막대한 강우를 집중시켜 도시의 내수 침수나 급경사지 산사태와 같은 돌발성 재해를 유발하는 핵심 원인이 되고, 광범위한 지역을 덮으며 느리게 움직이는 정체형 강우는 유역 전체의 총 강우량을 증가시켜 광역적인 하천 범람을 유발할 수 있다. 따라서 위험기상의 유형을 실시간으로 신속하게 구분할 수 있다면, 각 재해 유형에 효과적인 대응이 가능하다.

이에 본 연구에서는 선형강수대의 특징 및 발생 기작을 제시하고, 선형강수대를 포함한 집중호우를 형태학적 기준으로 분류하는 알고리즘을 한국 호우 사례에 적용하였다. 또한, 격자 해상도를 차별화하여 2021년부터 2024년 기간의 집중호우 분류 결과를 평가하고자 한다.

2. 선형강수대의 특징 및 발생 기작

2.1 특징

중규모 대류계는 강한 비, 천둥, 번개, 우박이나 강풍을 동반하는 크기가 수십 킬로미터에서 수백 킬로미터에 이르는 뇌우, 적란운이 거대한 구름 시스템으로 합쳐진 것이다. 중규모 대류계는 대기 조건에 따라 조직화된 형태로 다양하게 발달하면서 이동한다. 특히, 선형강수대는 선형으로 조직화되어 나타나는 중규모 대류계로 적란운이 띠 모양으로 길게 늘어져서 동일지역에 시간당 100 mm 이상의 강우를 발생시킨다. 일반적으로 선형강수대는 폭 20~50 km이면서, 길이가 50~300 km인 띠 형태로써, 강한 하층 제트, 정체전선에 의해 다량의 수증기가 유입될 때 형성되거나, 대기가 매우 불안정한 상태에서도 발생한다.

Fig. 1. Major Formation Processes of Line-Shaped Rainband (Modified from ^{Min, 2021}; ^{Kobayashi, 2023}). (a) Broken Line Type, (b) Backbuilding, (c) Back-and-side-building (Training), (d) Multi-Cell Cluster and Forward Building

선형강수대가 유발하는 극한호우의 위험성은 강수 시스템이 특정 지역에 장시간 머무는 정체형 강수(Stationary Precipitation) 현상과 직결된다. 정체형 강수는 대기의 흐름을 막는 블로킹(Blocking) 현상^{(Rex, 1950)}이나 장마와 같은 정체전선^{(Tao and Chen, 1987)} 등 종관 규모에서 발생하기도 하며, 산맥과 같은 지형 효과^{(Houze, 2012)}에 의해 국지적으로 나타나기도 한다. 이 중에서도 선형강수대는 그 내부의 발달 메커니즘 자체가 시스템의 정체를 유발하여 국지적으로 극심한 호우를 내릴 수 있는 대표적인 중규모 시스템이다.

특히, 선형강수대의 이러한 정체성격 때문에 강수대가 장시간 같은 지역에 위치하면서 누적 강우량이 극대화되어 배수 능력과 지반 안정성이 급격히 저하된다. 따라서 이러한 강수 패턴의 특성 때문에 선형강수대에 대한 연구가 필요하다.

3. 선형강수대 및 집중호우 식별 알고리즘 적용

3.1 형태적 특징기반 선형강수대 및 집중호우 식별 알고리즘

본 연구에서는 선형강수대와 집중호우(Heavy Rainfall Areas, HRAs)를 강우장에서 분리하는 알고리즘으로 ^{Hirockawa et al. (2020)}가 제시한 알고리즘을 적용한다. 적용한 알고리즘은 Fig. 2와 같다. 입력자료는 3시간 레이더 누적강우장(RAIN3)을 활용한다. 우선 최대 총누적 강우량, 최대 격자 강우강도, 강우면적을 계산한 후 8방향 연결 요소 라벨링^{(Samet and Tamminen, 1988)} 알고리즘을 적용하여 HRAs 후보를 식별한다. 이 라벨링 알고리즘은 이진 이미지를 사용한 패턴 인식에서 가장 기본적인 작업 중 하나로, 이진화 처리에서 임의의 기준(3시간 누적강우량 80 mm 초과, 강우면적 500 km², 격자 최대 강우 100 mm/h)을 초과하는 3시간 누적 강우장을 독립적인 덩어리로 구분하고, HRAs 후보로 분류한다. 여기서 HRAs 후보를 식별하기 위한 기준은 연구의 객관성과 기존 연구와의 비교 가능성을 확보하기 위해 선형 연구 기준을 채택하였다. 구체적으로 ^{Orlanski(1975)}가 정의한 중규모-β 스케일에 해당하는 위험기상을 탐지하기 위해, 80 mm 이상의 3시간 누적강우로 둘러싸인 강우 지역의 크기가 500 km² 이상인 경우를 기본 조건으로 설정하였다. 또한 강우 지역 내에 100 mm를 초과하는 강수량이 있는 격자가 하나 이상 포함되는 것도 기준으로 추가하였다.

식별된 HRAs 후보는 공간 및 시간적 연속성을 확인하여 동일한 사상으로 구분하고, HRAs 후보의 연속성은 다음과 같이 정의된 중첩 비율(overlap ratio)을 사용하여 판단한다.

(1)

$ \text{Overlap ratio} = \frac{A_{t}\cap A_{t-dt}}{A_{t}\cup A_{t-dt}} $

여기서 A_t와 A_t-dt는 각각 임의의 시간과 이전 시간의 HRAs 후보 영역을 나타낸다. Eq. (1)의 분모와 분자는 각각 A_t와 A_t-dt의 합집합과 교집합 영역을 나타낸다.

HRAs 후보가 연속적으로 거의 같은 위치에 존재한다고 판단되는 경우, 각 시간대별 HRAs 후보가 중첩되는 비율이 50 %가 초과되면, 동일한 호우 시스템으로 판별하고, HRAs로 추출한다. 또한, 형태학적 기준이 되는 종횡비는 HRAs의 장축과 단축 길이의 비율로 계산되며, 이 축들이 결정되는 방법은 다음과 같다. 우선 HRAs는 0°에서 180°까지 1° 간격으로 시계 방향으로 회전하고, 각 회전 각도에 대해 가장 남쪽 격자와 가장 북쪽 격자 사이의 남북 방향 길이를 측정하고, 가장 긴 길이를 장축으로 정의하고 그 회전 각도를 HRAs의 방향으로 본다. 그리고 회전 각도에서 가장 서쪽 격자와 가장 동쪽 격자 사이의 동서 방향 길이를 단축으로 정의한다.

Fig. 2. Classification Algorithms Using Morphological Analysis for Heavy Rainfall Area and Types

형태적 특징을 기준으로 식별된 HRAs는 중규모 대류계의 물리적 특성(예: 구조, 발달 메커니즘, 유지 과정)을 직접 설명할 수는 없지만, 종횡비, 누적 강수량, 중첩 비율과 같은 식별 기준을 통해 간접적으로 이러한 물리적 특성을 고려할 수 있다. 이러한 측면에서 식별된 HRAs를 상세한 형태적 특징과 정체의 특성에 따라 네 가지 유형으로 선형 유형(linear), 정체형 유형(stationary), 선형-정체형 유형(linear-stationary), 기타 유형(others)으로 분류할 수 있다.

선형 유형의 형태적 특성은 HRAs의 종횡비와 면적으로 식별되며, 종횡비와 면적의 기준은 각각 2.5 이상 및 625-12,500 km²로 설정하였다. 종횡비 기준은 구조적 특성과 강수 시스템 메커니즘에 따라 적절한 기준을 결정할 필요가 있지만, 본 연구에서는 다양한 선행 연구의 사용 범위인 2.0에서 4.0까지의 값 중 중앙값에 해당하는 2.5로 설정하였다. 강우 면적의 상한값과 하한값은 중규모-a 스케일이나 매크로 스케일^{(Orlanski, 1975)} 시스템, 또는 너무 작은 대류 시스템과 관련된 HRAs를 제외하기 위해 설정되었다.

정체형 유형은 중첩 비율과 지속 기간의 기준을 각각 50 %와 5시간으로 설정하여 판단한다. 선형-정체형 유형은 선형강수대를 대표할 수 있는 선형 및 정체형 유형 모두의 특성을 가지고 있기 때문에, 선형 유형으로 분류된 HRAs가 동시에 정체형 유형의 기준(중첩 비율 ≥ 50 %, 지속시간 ≥ 5 h)을 만족할 경우에 선형-정체형으로 재분류한다. 기타 유형은 위에서 언급한 세 가지 유형에 속하지 않는다.

3.2 기상 레이더 자료 변환

본 연구에서는 2021년부터 2024년까지 10분 간격의 기상청 기상레이더 합성 강우자료를 입력자료의 원자료로 사용한다. 해당 자료는 이중편파변수를 활용한 강우추정 기법으로 산정된 것으로 공간 해상도는 500 m이며, 2305 × 2881 격자 규모를 갖는다. ^{Orlanski(1975)}에 따르면 대부분의 중규모-β 대류시스템은 수평 스케일이 20-200 km로써 5 km 격자로 충분히 식별될 수 있다. 다만 본 연구에서는 선형강수대와 집중호우의 상세한 식별을 위해서 Fig. 3과 같이 1시간 간격으로 3시간 누적된 강우량(RAIN3)을 공간해상도를 낮춰서 3 km, 5 km로 변환하였다. 변환시에는 저해상도로 변환하고자 하는 격자블록 내에 포함하는 강우 최댓값을 선택하는 방법을 사용하였다. 예를 들어 5 km 해상도의 격자강우를 만들 때는 500 m 격자의 10 × 10 격자블록 내의 최댓값을 선택하는 방식이다.

Fig. 3. Down-scaled Rainfall Field (20:00 08 August 2022). (a) 500 m Grid Resolution, (b) 3 km Grid Resolution, (b) 5 km Grid Resolution

4. 적용 결과

2021년부터 2024년의 호우기간인 5월 1일부터 10월 31일에 대해 형태적 분석기반의 호우 분류 알고리즘을 적용하였다. 또한 누적강우의 격자 해상도에 따른 호우분류 결과 차이를 함께 보기 위해서 3 km, 5 km 해상도로 구분하여 적용하였다. 다음 Fig. 4~ Fig. 7은 선형강수대와 집중호우 특성을 가진 호우로 인해 극한 강우가 발생한 사례에 적용하여 집중호우를 분류한 결과의 일례이다.

Table 1과 Fig. 4는 아열대 고기압과 하층제트, 저위도의 수증기 공급으로 인해서 수도권에 시간당 140 mm 이상의 집중호우를 유발한 2022년 8월 8~9일 호우사례에 적용한 결과이다. 해당 호우기간 동안 3 km 해상도에서는 선형-정체형, 선형, 기타 집중호우로 호우 형태를 구분하였으며, 5 km 해상도에서는 선형, 정체형, 기타 집중호우를 각각 구별하였다. Fig. 4(a)는 관악구 지역에 침수 피해가 발생한 시점인 8월 9일 02시에 3 km 해상도의 3시간 누적강우 분포장이 선형-정체형 강수대로 호우 특성을 구분한 결과이며, Fig. 4(b)는 5 km 해상도의 3시간 누적강우 분포장으로 선형 유형으로 호우를 구분한 결과이다.

Fig. 4. Distributions of Accumulated Precipitation with Extracted HRAs at 02:00 09 August 2022. (a) 3 km Grid Resolution, (b) 5 km Grid Resolution

Table 2와 Fig. 5는 정체전선과 수증기의 유입으로 대기의 강이 발생하여 충청북도 지역에 집중호우가 발생하였고 이로 인해 오송지하차도 참사가 발생한 2023년 7월 14일부터 15일의 호우사례에 적용한 결과이다. 3 km 해상도를 사용한 경우는 선형-정체형부터 모든 형태의 집중호우를 구분하였고, 5 km 해상도에서는 선형-정체형을 제외하고 집중호우를 구분하였다. 특히, Fig. 5를 보면 3 km 해상도를 이용했을 때는 7월 15일의 충청북도 지역에서 정체되는 선형강수대를 선형-정체 강우로 구분하였으나, 5 km 해상도에서는 기타의 집중호우로 구분하였다.

Fig. 5. Distributions of Accumulated Precipitation with Extracted HRAs at 05:00 15 July 2023. (a) 3 km Grid Resolution, (b) 5 km Grid Resolution

Table 3과 Fig. 6-Fig. 7은 2024년 7월 17~18일에 수도권 및 중부지방에 집중호우가 발생하여 홍수피해를 유발한 호우사례 기간으로, 북태평양 고기압 가장자리로 다량의 수증기가 유입되면서 북쪽 저기압이 정체되고, 찬공기가 유입되면서 정체전선이 발달한 사례이다^{(Ministry of environment, 2024)}. 3 km 해상도를 사용한 경우는 선형-정체형부터 모든 형태의 집중호우를 구분하였고, 5 km 해상도에서는 선형-정체형을 제외하고 집중호우를 구분하였다.

Fig. 6. Distributions of Accumulated Precipitation with Extracted HRAs at 01:00 18 July 2024. (a) 3 km Grid Resolution, (b) 5 km Grid Resolution

Fig. 7. Distributions of Accumulated Precipitation with Extracted HRAs at 02:00 18 July 2024. (a) 3 km Grid Resolution, (b) 5 km Grid Resolution

Fig. 8과 Table 4는 2021년부터 2024년까지 3 km 공간 해상도 강수 데이터를 이용하여 매시간 분류된 고해상도 집중호우 영역의 지도상 위치와 통계 분석 결과를 제시한 것이다. Table 4에서 각 연도의 최대 3시간 누적 강우량은 2021년 358 mm에서 2024년 425 mm로 증가하는 추세를 보였으며, 평균 강우량 역시 점진적으로 증가하여 2024년에는 174.3 mm에 달했다. HRAs의 평균 면적 또한 2021년 1,636.4 km²에서 2022년 2,168.3 km²로 크게 확대된 이후, 연도별로 변동을 보인다. 집중호우의 유형별 분류 결과를 보면 집중호우로 분류는 되었지만 보다 세분화되지 못한 사례가 가장 많았고, 그 다음은 선형으로 2023년에는 최대 370건 탐지 되었다. 선형-정체형 유형은 2021년 6건이 가장 많았다.

Fig. 8. Frequency Analysis of HRAs Occurrences by Location (Based on 3 km Resolution). (a) 2021, (b) 2022, (c) 2023, (d) 2024

Fig. 9와 Table 5는 2021년부터 2024년까지 5 km 공간 해상도 자료를 활용하여 추출된 고해상도 집중호우의 발생 위치와 통계 분석의 결과이다. 기타 유형을 제외하고, 선형, 정체형, 선형-정체형 순으로 발생 빈도가 높았다. 3시간 최대강우량이나 평균강우량의 경우 3 km 해상도의 결과와 유사한 수치였으나, 평균 집중호우 면적은 상대적으로 크게 나타났다.

3 km와 5 km의 해상도 적용 결과를 보면 해상도가 낮아 질수록 평균 HRAs 면적은 증가하고, 정체형, 비정형 유형의 빈도가 증가하는데 이는 격자 면적의 영향과 더불어 낮은 공간 해상도에서 국지성 강우의 세부구조가 누락되거나 단순화되기 때문으로 판단된다. 이에 정밀한 집중호우 구분 및 예측을 위해서는 적정 해상도를 선택하는 것이 필요하다. 다만, 현재의 연구결과는 형태학적 특징 및 정체 기준에 따라 도출된 결과로써 분류된 호우 사례에 대한 기상수치모델링을 통해 발생기작을 상세하게 분석하고 최적 해상도를 결정하는 것이 필요하다.

Fig. 9. Frequency Analysis of HRAs Occurrences by Location (Based on 5 km Resolution). (a) 2021, (b) 2022, (c) 2023, (d) 2024

Fig. 8와 Fig. 9의 지도상의 집중호우 발생 위치 및 빈도를 보면 2021년은 전라남도 및 제주도, 인근 해상에 집중되어 발생하였고, 2022년에는 서울 및 수도권 지역에서의 집중호우 발생 빈도가 높았다. 2023년에는 중부 및 충청북도 지역, 경상남도 지역에서는 빈도가 높았는데, 전년 대비 내륙 중심으로 발생하였다. 2024년은 발생지역이 분산적이지만, 경기도 및 충청북도 내륙 중심과 같은 특정 지역에서 발생 빈도가 높았다.

5. 결론 및 향후 연구

본 연구에서는 ^{Hirockawa et al.(2020)}이 제시한 형태학적 특징 기반 위험기상 식별 알고리즘을 2021년부터 2024년까지의 국내 집중호우에 적용하여 효과적으로 선형강수대와 집중호우를 분류할 수 있었다. 주요 수재해 발생 사례(2022년 8월 서울, 2023년 7월 오송, 2024년 7월 수도권 집중호우)들은 모두 형태학적 분류 알고리즘에 의해 확인된 바와 같이 선형-정체형 강수 특성을 나타내었다. 또한, 공간해상도 3 km일 때, 선형강수대의 형태학적 특성을 더 정교하게 분리할 수 있었으며, 해상도가 5 km로 낮아지면 평균 집중호우 지역이 넓어지고, 정체형, 비정형 유형의 빈도가 증가하였다. 또한, 4년간의 분석을 통해 최대 3시간 누적 강우량은 2021년 358 mm에서 2024년 425 mm로 증가 추세를 보였으며, 평균 강우량 역시 152.3 mm에서 174.3 mm로 증가하여, 최근의 강도 증가 경향을 보여주었다.

본 연구에서는 형태학적 특징을 활용한 위험기상 분류 알고리즘이 한국의 집중호우 분석에 유용함을 확인하였다. 다만, 본 연구는 위험기상 분류 기준을 선행 연구의 임계치에 기반하고 있으므로, 다수의 위험기상 데이터 셋 구축 후 국내 위험기상 특성 분석을 통한 임계치 재정의 및 정량적 평가 수행을 통해 알고리즘 최적화 및 객관성을 확보할 예정이다.

또한, 복합적인 위험기상의 발생기작을 형태학적 특징만으로는 판단하기 어려우며, 특히 3시간 누적 강우장 사용으로 인해 느리게 이동하는 강수대를 정체형으로 오분류할 수 있는 한계가 존재한다. 이를 보완하기 위해 향후 연구에서는 수치모델링 및 이동 벡터 정보를 통한 물리적 특성 분석을 병행하여 위험기상 분류 기술의 정확도를 향상시키고자 한다. 이에 더해 수재해 대응의 선행시간 확보를 위해 선형강수대 및 집중호우의 이동 방향, 면적, 강우량 예측 기술 개발을 향후 수행할 계획이다.

본 연구에서 제시한 위험기상 분류 알고리즘은 신속한 대피 정보 발령과 선제적 재해 대응 체계를 강화하는 데 직접적으로 기여할 수 있다. 실시간으로 ‘선형-정체형’과 같은 고위험 강수 유형을 식별함으로써, 산사태나 지하차도 침수 등 특정 재해에 가장 취약한 지역을 즉각적으로 특정하고 해당 주민에게 정밀한 대피 경보를 전달할 수 있을 것으로 판단된다.