김하영(Kim, Hayeong)1iD
장수형(Jang, Suhyeong)2iD
강신욱(Kang, Shinuk)3
김미은(Kim, Mieun)4†iD
-
정회원 · K-water 연구원 수자원환경연구소, 연구원
(Water Resource & Environmental Research Center · hayoung97@partner.kwater.or.kr)
-
K-water 연구원 수자원환경연구소, 소장
(Water Resource & Environmental Research Center · kwaterjang@kwater.or.kr)
-
K-water 연구원 수자원환경연구소, 팀장
(Water Resource & Environmental Research Center · sukang@kwater.or.kr)
-
정회원 · 교신저자 · K-water 연구원 수자원환경연구소, 책임연구원
(Water Resource & Environmental Research Center · mekim@kwater.or.kr)
Copyright 2026 by the Korean Society of Civil Engineers
핵심용어
댐 유역특성, HEC-HMS, 상관분석, 민감도분석, 매개변수
Keywords
Watershed characteristics, HEC-HMS, Correlation analysis, Sensitivity analysis, Parameter
1. 서 론
최근 기후변화에 따른 강우 패턴의 변화와 국지성 집중호우의 빈번한 발생으로 유역 내 홍수 방어 능력의 핵심인 댐 운영에 큰 도전과제가 되고 있다.
특히 우리나라는 산악지형이 많고 하천 경사가 급해 강우 발생 시 유출 반응이 매우 빠르게 나타나는 특성을 가진다. 따라서 효율적인 수자원 관리와 홍수
피해 최소화를 위해서 정확한 강우-유출 분석이 필수적이다. 현재 실무에서 널리 사용되는 미국의 HEC-HMS(Hydrologic Engineering
Center-Hydrologic Modeling System) 모형은 유연한 구조와 신뢰성 덕분에 표준 도구로 자리 잡았으나, 모형의 정확도는 입력되는
매개변수의 적절성에 전적으로 의존한다(Turkar et al., 2025).
일반적으로 HEC-HMS 모형의 매개변수(집중시간, 저류상수 등)는 실측 수문 자료를 바탕으로 한 최적화 과정을 통해 산정된다(Song et al., 2019;
Attar et al., 2025). 기존 연구사례를 살펴보면, 다양한 유역을 대상으로 수문 모형의 성능평가와 보정에 관한 연구가 활발히 수행되어 왔다(Reshma et al., 2013;
Ballinas-Gonzalez et al., 2020;
Eryani et al., 2022). 최근에는 기상예측 자료 및 미래 기후 시나리오를 반영한 극한 홍수 예측을 위한 모형 성능 검·보정 연구로 확장되고 있다(Hamdan et al., 2021;
Goodarzi et al., 2024;
Chowdhury et al., 2025). 대부분 수문 모형에서는 모형의 불확실성과 성능을 평가하고 주요 매개변수를 대상으로 모의 결과 간의 관계를 규명하기 위해 상관분석 및 민감도분석을
수행하였다(Lee, 2007;
Nickson et al., 2022). Kim et al.(2021)은 14개 다목적댐 유역을 대상으로 최적 매개변수와 유역 특성 인자 사이 상관성을 고려하여 물리적 특성과 주요 매개변수의 통계적 특성을 검토하였다.
Safari et al.(2024)은 유역특성과 연평균 홍수량 간의 상관분석을 수행하였고, 유역면적, 유로연장, 유역둘레가 높은 상관성을 보인다고 보고하였다. 기존 민감도 연구에서는
주로 매개변수 변화에 따른 모형 출력값을 기반으로 민감도를 평가하였으며, 다수의 연구에서 유출곡선지수(CN)가 가장 민감한 매개변수로 제시하였다(Sreedevi and Eldho, 2019;
Tangam et al., 2024). 그러나 대부분의 연구는 매개변수 자체의 민감도분석에 초점을 두었을 뿐, 수문학적 매개변수와 유역의 물리적 특성 간 정량적 관계를 체계적으로 입증한
선행 연구는 상당히 제한적이다.
이와 관련한 연구 수행 시 가용한 유출 자료가 부족하거나 자료의 신뢰성 확보가 어려운 경우 매개변수 추정에 큰 어려움을 겪는다. 기존 연구에서는 이를
해결하기 위해 경험식을 활용하거나 인근 유역의 값을 전이(Parameter Regionalization)하여 사용해왔으나, 유역 고유의 물리적 특성을
충분히 반영하지 못한다는 한계가 제기되어 왔다(Tu and Qiao, 2025;
Odey and Cho, 2025). 특히, 유역의 기하학적 형태(형상계수), 규모(유역면적), 하천망의 특성(유로연장) 등은 강우-유출 과정에 직접적인 영향을 미치지만, 이들 인자와
수문학적 매개변수 간의 정량적인 상관관계에 대한 광범위한 실증 연구는 여전히 부족한 실정이다.
본 연구는 K-water 관리 하 12개 댐 유역을 대상으로 유역의 물리적 특성 인자와 HEC-HMS 모형 매개변수 간의 정량적 관계를 규명하고,
이를 기초로 유역 규모별 매개변수의 민감도분석을 통해 각 유역의 물리적 특성 인자와 HEC-HMS 모형 매개변수 간의 정량적 상관관계를 규명하는데
목적이 있다. 이를 위해, 과거 극한 호우사상을 기반으로 댐별 HEC-HMS 매개변수를 최적화하고 유역 특성 인자와 모형 내 수문 매개변수 간 통계적
상관성 분석 및 유의성 검정을 실시하였다. 특히, 유역 규모에 따른 매개변수 민감도분석을 병행하여 유역면적 변화가 각 변인의 영향력에 미치는 상관성을
심도 있게 고찰하였다. 이를 통해 댐 유역의 지형학적 기하구조가 강우-유출의 지체 및 감쇠 등의 현상에 미치는 영향을 분석하였다.
2. 연구 대상 유역
본 연구를 위해 K-water 관리 하 37개 댐 중, 상류 유역으로부터 유입량이 복잡한 다목적댐이나 연계 운영되는 댐군을 제외하고 강우-유출 관계를
독립적으로 명확히 분석할 수 있는 12개 용수 전용댐을 최종 연구 대상 유역으로 선정하였다(Fig. 1). 선정한 12개 댐(선암댐, 감포댐, 안계댐, 연초댐, 구천댐, 평림댐, 달방댐, 수어댐, 대암댐, 영천댐, 운암댐, 광동댐)은 다음과 같은 기준에
의해 선정하였다. 첫 번째, 유역의 단일성으로 상류에 타 댐이나 대규모 취수 시설이 존재하지 않아 외부 유입량의 영향 없이 순수 강우에 의한 유출
반응만을 해석할 수 있는 단일유역 구조, 두 번째, K-water 수문자료 정보시스템을 통해 장기간의 시별 강우량 및 댐 유입량 자료 확보, 세 번째,
유역면적의 규모와 형상계수, 경사도 등 다양하게 분포되어 있어 매개변수와 유역특성 간의 상관분석을 위한 통계적 표본으로서 적절성을 갖도록 하였다.
본 연구에서는 12개 댐 유역의 유역면적, 유로연장, 유역 평균경사, 형상계수 등을 GIS 분석으로 정밀하게 산출하여 본 연구의 독립변수로 활용하였다(Table 1).
Fig. 1. Location Map and Area-Altitude Description of the 12 Study Dams
Table 1. Status and Watershed Characteristics of the Study Dams
|
Dam name
|
Total storage capacity (103 m3)
|
Watershed Area (km2)
|
Stream length (km)
|
Mean slope (m/m)
|
Shape factor (A/L2)
|
|
Seonam
|
2,021
|
1.20
|
1.8
|
9.55
|
0.37
|
|
Gampo
|
2,390
|
3.67
|
4.64
|
17.87
|
0.17
|
|
Angye
|
17,650
|
6.70
|
4.62
|
10.50
|
0.31
|
|
Yeoncho
|
4,960
|
11.70
|
8.0
|
17.01
|
0.18
|
|
Gucheon
|
9,670
|
12.70
|
5.2
|
19.93
|
0.47
|
|
Pyeongrim
|
8,470
|
19.90
|
8.9
|
16.62
|
0.25
|
|
Dalbang
|
7,717
|
29.40
|
8.9
|
25.23
|
0.37
|
|
Sueo
|
28,100
|
49.0
|
16.0
|
22.67
|
0.19
|
|
Daeam
|
9,500
|
77.0
|
17.8
|
17.52
|
0.24
|
|
Guangdong
|
11,000
|
125.0
|
24.5
|
20.55
|
0.21
|
|
Yeongcheon
|
96,400
|
235.0
|
35.0
|
23.99
|
0.19
|
|
Unmun
|
135,344
|
301.3
|
39.0
|
23.71
|
0.20
|
3. 연구방법
본 연구의 수행 절차는 Fig. 2와 같다. 선정한 연구 대상 댐의 분석을 위한 자료를 수집하고, 수집된 자료를 활용하여 강우-유출 모형인 HEC-HMS 모형을 구축하였다. 구축된
모형의 매개변수 검·보정을 실시하여 모형의 신뢰도를 확보한 뒤 댐 유역 특성 인자와 수문학적 매개변수를 산정하였다. 산정된 인자와 매개변수를 기초로
12개 댐에 대한 상관분석을 실시하고 유의미한 결과 도출을 위하여 댐의 유역 면적별로 그룹화하여 상관분석을 재수행하였다. 그룹별 유역 특성 인자와
수문학적 매개변수 간의 분석 결과를 토대로 집중시간과 저류상수의 일정 범위 내 변화율에 따른 첨두유량의 민감도분석을 실시하였다.
Fig. 2. Research Flowchart of This Study
3.1 HEC-HMS 모형 구축 및 검보정
HEC-HMS 모형 구축을 위한 강우 및 유량 자료는 연도별 극한 호우사상을 기록한 기간을 중심으로 댐별 4~5개의 사상을 입력자료로 선정하였다(K-water, 2023). 댐별 해당기간의 강우 및 유량 자료는 한국수자원공사, 기후에너지환경부, 기상청에서 제공하는 시간 단위의 자료를 수집하였다(Table 2, 3). 기존 댐의 치수능력증대사업 보고서를 기준으로 유역면적 등을 고려하여 유역 경계를 설정하고 수집된 자료의 연도별 유효한 강우관측소를 고려해 티센망
분석기법으로 면적평균강우량을 산정하였다.
HEC-HMS 모형은 강우손실모형(Loss), 강우-유출모형(Transform), 기저유출 모형(Baseflow), 하도추적모형(Routing) 등으로
구성되어 있다. 본 연구에서는 MOE(2019) 홍수량 산정 표준지침에 따라 강우손실에 따른 유효우량은 SCS Curve Number, 강우-유출은 Clark 단위도법, 기저유출은 감수상수법(Recession),
하도추적 모형은 Muskingum 방법을 적용하였다. Clark 유역추적법은 집중시간(Tc)와 저류상수(K) 2개의 매개변수를 적용하는 방법으로,
초기 매개변수 산정을 위하여 집중시간은 연속형 Kraven-II, 저류상수는 Sabol 공식을 적용하였다(Table 4).
Table 2. Applied Rainfall Event for 12 Dams in the HEC-HMS Model Setup for Calibration
|
Dam name
|
Rainfall events
|
Total rainfall (mm)
|
Maximum rainfall intensity (mm)
|
Peak inflow (m3/s)
|
Time of Peak
|
|
Seonam
|
‘05.9.5∼9.9
|
290.0
|
38.0
|
8.5
|
9.6 19:00
|
|
‘08.8.11∼8.15
|
136.0
|
34.0
|
10.7
|
8.13 2:00
|
|
‘16.10.4∼10.6
|
289.0
|
126.0
|
11.6
|
10.5 12:00
|
|
‘21.8.23∼8.25
|
176.0
|
62.0
|
9.9
|
8.24 2:00
|
|
Gampo
|
‘11.6.24∼6.28
|
231.0
|
25.0
|
13.8
|
6.26 13:00
|
|
‘12.9.15∼9.19
|
337.0
|
33.0
|
23.0
|
9.17 1:00
|
|
‘21.8.22∼8.26
|
122.5
|
53.6
|
26.4
|
8.24 3:00
|
|
‘22.9.4∼9.8
|
196.0
|
83.2
|
41.0
|
9.6 8:00
|
|
Angye
|
‘12.9.15∼9.19
|
260.0
|
39.0
|
64.4
|
9.17 13:00
|
|
‘16.9.1∼9.6
|
161.0
|
22.0
|
29.5
|
9.3 7:00
|
|
‘20.9.5∼9.9
|
132.0
|
19.0
|
26.7
|
9.7 10:00
|
|
‘21.8.22∼8.26
|
157.5
|
28.0
|
42.7
|
8.24 16:00
|
|
‘24.7.8∼7.12
|
182.5
|
30.0
|
52.9
|
7.10 8:00
|
|
Yeoncho
|
‘06.7.7∼7.12
|
366.0
|
41.0
|
125.7
|
7.10 14:00
|
|
‘17.9.10∼9.13
|
247.0
|
62.0
|
95.1
|
9.11 9:00
|
|
‘20.9.6∼9.9
|
154.0
|
43.0
|
129.1
|
9.7 9:00
|
|
‘21.8.23∼8.25
|
308.0
|
46.0
|
146.6
|
8.24 1:00
|
|
Gucheon
|
‘20.9.5∼9.9
|
185.0
|
40.0
|
148.0
|
9.7 8:00
|
|
‘21.8.22∼8.25
|
339.0
|
76.0
|
119.8
|
8.24 0:00
|
|
‘23.7.17∼7.20
|
317.0
|
68.0
|
118.2
|
7.18 23:00
|
|
‘24.9.20∼9.23
|
364.0
|
54.0
|
121.5
|
9.21 20:00
|
|
Pyeongrim
|
‘12.8.27∼9.2
|
205.0
|
31.0
|
75.7
|
8.30 13:00
|
|
‘13.7.4∼7.7
|
263.0
|
33.0
|
80.8
|
7.5 13:00
|
|
‘14.8.16∼8.20
|
174.0
|
36.0
|
80.8
|
8.18 6:00
|
|
‘14.8.24∼8.27
|
115.0
|
54.0
|
75.6
|
8.25 13:00
|
|
‘20.7.28∼8.1
|
248.0
|
51.0
|
93.4
|
7.29 10:00
|
|
Dalbang
|
‘06.7.14∼7.22
|
490.0
|
48.0
|
170.7
|
7.15 3:00
|
|
‘20.9.1∼9.5
|
186.0
|
38.0
|
148.7
|
9.3 8:00
|
|
‘20.9.5∼9.9
|
200.0
|
36.0
|
159.3
|
9.7 4:00
|
|
‘23.8.7∼8.13
|
288.6
|
40.1
|
112.0
|
8.10 14:00
|
|
Sueo
|
‘06.7.8∼7.14
|
377.0
|
41.0
|
406.6
|
7.10 12:00
|
|
‘09.7.14∼7.18
|
355.0
|
99.0
|
471.8
|
7.16 10:00
|
|
‘12.8.21∼8.26
|
392.4
|
36.8
|
311.3
|
8.24 15:00
|
|
‘14.8.1∼8.6
|
482.2
|
41.2
|
323.2
|
8.3 0:00
|
|
Daeam
|
‘06.7.8∼7.12
|
280.8
|
37.9
|
704.8
|
7.10 15:00
|
|
‘12.9.15∼9.19
|
312.1
|
30.6
|
550.5
|
9.17 12:00
|
|
‘16.10.7∼10.3
|
303.0
|
116.8
|
1,424.8
|
10.5 12:00
|
|
Guangdong
|
‘10.9.18∼9.29
|
136.9
|
19.3
|
270.3
|
9.22 3:00
|
|
‘13.7.13∼7.21
|
235.9
|
37.8
|
294.9
|
7.15 15:00
|
|
‘15.8.22∼8.29
|
270.2
|
16.7
|
321.4
|
8.25 15:00
|
|
‘20.9.1∼9.11
|
386.7
|
36.1
|
658.0
|
9.3 7:00
|
|
Yeongcheon
|
‘02.8.30∼9.4
|
212.5
|
30.6
|
1,308.5
|
8.31 19:00
|
|
‘03.9.10∼9.15
|
171.3
|
24.9
|
1,354.7
|
9.13 1:00
|
|
‘06.7.7∼7.13
|
197.6
|
20.4
|
1,041.7
|
7.10 17:00
|
|
‘20.9.5∼9.9
|
147.1
|
24.6
|
1,019.8
|
9.7 12:00
|
|
‘24.7.8∼7.12
|
189.3
|
34.9
|
941.6
|
7.10 9:00
|
|
Unmun
|
‘02.8.9∼8.12
|
196.9
|
33.2
|
1,055.9
|
8.10 6:00
|
|
‘02.8.30∼9.2
|
291.8
|
33.3
|
2,518.2
|
8.31 17:00
|
|
‘03.9.11∼9.14
|
197.5
|
31.9
|
1,915.3
|
9.12 11:00
|
|
‘06.7.8∼7.14
|
223.2
|
27.9
|
2,530.2
|
7.10 15:00
|
유효우량의 유출곡선지수 산정을 위해 토지이용도는 기후에너지환경부의 수치토지피복도(23단계) 및 국토부의 토지이용도(38단계)를 활용하였고, 토양도는
국립농업과학원의 정밀토양도(NAS, 2023)를 활용하였다. ArcGIS를 통해 산정한 CN 값은 유출률이 가장 높은 AMC-III 조건을 적용하여 산정된 값을 적용하였다. 기저유출 해석에 필요한
감수상수는 Sabol이 제안한 경험식을 적용하여 산정하였다.
이렇게 HEC-HMS 모형의 초기 산정한 매개변수(집중시간, 저류상수, 감수상수 등)를 적용하여 모형의 적용성을 확보하고 모의 결과의 신뢰성을 검토하기
위하여 모형의 검·보정을 실시하였다. 검·보정은 대상 유역의 강우-유출 특성이 반영된 수문사상을 기반으로 수행하였으며, 관측 유량과 모의 유량 차이를
최소화하도록 주요 매개변수를 조정하였다. 보정된 매개변수는 별도의 검증 기간 또는 검증 수문사상에 적용하여 모형의 재현성을 평가하였다. 본 연구에서는
모형의 성능평가를 위하여 Nash-Sutcliffe Efficiency(NSE), 평균제곱근오차(Root Mean Square Error, RMSE),
결정계수(R-Squared, R2)를 적용하였다. R2와 NSE는 1에 가까울수록 모형의 재현성이 우수함을 의미하고, RMSE는 관측 유량과 모의 유량 간 오차의 크기를 정량적으로 평가하는 지표로, 값이
0에 가까울수록 모의 결과가 관측값을 잘 재현하는 것을 의미한다.
본 연구에서는 다각적인 평가를 바탕으로 모형의 적정성을 판단하고, 이후 상관분석 및 민감도분석을 위한 기초 자료로 활용하였다.
Table 3. Applied Rainfall Event for 12 Dams in the HEC-HMS Model Setup for Validation
|
Dam name
|
Rainfall events
|
Total rainfall (mm)
|
Maximum rainfall intensity (mm)
|
Peak inflow (m3/s)
|
Time of Peak
|
|
Seonam
|
‘23.9.19∼9.22
|
145.0
|
39.0
|
8.6
|
9.21 2:00
|
|
Gampo
|
‘08.8.11∼8.14
|
141.0
|
51.5
|
11.5
|
8.13 4:00
|
|
Angye
|
‘22.9.4∼9.8
|
262.5
|
40.0
|
67.4
|
9.6 5:00
|
|
Yeoncho
|
‘24.9.19∼9.23
|
345.4
|
57.2
|
118.2
|
9.21 20:00
|
|
Gucheon
|
‘17.9.9∼9.13
|
360.0
|
83.0
|
193.9
|
9.11 10:00
|
|
Pyeongrim
|
‘20.8.7∼8.10
|
333.0
|
47.0
|
169.4
|
8.9 2:00
|
|
Dalbang
|
‘04.8.17∼8.22
|
340.0
|
87.0
|
249.6
|
8.19 22:00
|
|
Sueo
|
‘11.8.6∼8.9
|
270.5
|
88.4
|
626.7
|
8.8 0:00
|
|
Daeam
|
‘22.9.4∼9.8
|
273.1
|
39.4
|
602.4
|
9.6 7:00
|
|
Guangdong
|
‘18.9.1∼9.8
|
122.1
|
34.1
|
284.3
|
9.4 5:00
|
|
Yeongcheon
|
‘21.8.22∼8.26
|
200.9
|
38.7
|
1,419.4
|
8.24 16:00
|
|
Unmun
|
‘20.9.1∼9.9
|
186.4
|
18.0
|
2,835.6
|
9.7 10:00
|
Table 4. Formula for Estimating Rainfall-Runoff Parameters
|
Time of concentration(Tc)
|
Storage coefficient(K)
|
|
Presenter
|
Formula
|
Presenter
|
Formula
|
|
Continues type Kraven-II
|
Tc=16.667*(L/V)
|
Sabol
|
K=Tc/(1.46-0.867*(L2/A))
|
|
Tc:Time of concentration(hr), L: Length(km), S: Slope(m/m)
K: Storage coefficient(hr), Area(km2)
* Steep slope(S>3/400): V=4.592-(0.01194/S), Vmax=4.5 m/s
* Gentle slope(S≤3/400): V=35,151.515S2-79.393939S+1.6181818, Vmin=1.6 m/s
|
3.2 유역 특성과 매개변수 간의 상관분석
지형학적 특성과 수문학적 매개변수 간의 상관분석은 Pearson 상관분석(Pearson Correlation Analysis)을 수행하였다. Pearson
상관계수는 두 변수 간의 선형적 관계를 나타내는 지표로 1에 가까울수록 두 변수 간의 상관성이 높은 것을 의미한다. 사용된 유역 특성 인자는 유역면적(Area,
A), 유로연장(Stream Length, L), 형상계수(Shape Factor, SF)이고, HEC-HMS 매개변수 인자는 집중시간(Time of
Concentration, Tc), 저류상수(Storage Coefficient, K), 감수상수(Recession Constant, RC), 기저유출(Baseflow,
BF)이다.
또한, 유역 규모에 따른 수문 응답의 상사성 확보가 필요함에 따라 유역 규모에 따른 상관도를 정량화하기 위해 댐의 면적을 고려하여 임계면적을 제시하고
제시된 기준에 따라 유역을 그룹화하였다. 국내 수자원단위지도(WAMIS, Water Resources Unit Map)에 따르면 소유역(50 km2), 중권역(50~1,000 km2), 대유역(1,000 km2)으로 구분하고 있으나, 본 연구에서 선정한 12개 댐의 면적이 대부분 50 km2 이하의 소규모 유역이다. 기존 분류 기준을 그대로 적용하는데 한계가 있다고 판단되어, 보다 정밀한 분석을 위해 유역면적을 기준으로 5개 그룹(Group
A: 10 km2 이하, Group B: 10~20 km2, Group C: 20~100 km2, Group D: 100 km2 이상, Group E: 50 km2 이하)으로 분류하였다.
3.3 유역 규모별 민감도분석
민감도분석은 특정 매개변수의 변화에 따른 모형 결과의 변화를 분석함으로써 매개변수의 영향 정도를 평가하는 방법이다. 본 연구에서는 HEC-HMS 모형의
주요 매개변수인 집중시간(Tc)과 저류상수(K)를 대상으로 보정된 매개변수를 기준으로 일정 범위(25) 내에서 단계적으로 변화시키며 모의를 수행하였다.
또한 유역 규모에 따른 매개변수 민감도의 차이를 검토하기 위해 앞서 제시한 분류 기준으로 그룹화하여 민감도지수(SI, Sensitivity Index)를
산정하였다. 민감도지수(SI)는 매개변수 변화율에 대한 첨두유량 변화율이며, 산정 식은 Eq. (1)와 같다(Silva et al., 2017;
Mekonnen and Getu, 2025).
여기서 Q1과 Q2는 최소 및 최대 매개변수 변화에 따른 첨두유량, Q12는 Q1, Q2의 평균을 의미하며, S1과 S2는 매개변수의 최대값과 최소값, S12는 S1와 S2의 평균값을 나타낸다.
4. 연구 결과 및 분석
4.1 HEC-HMS 검·보정 결과
앞서 선정한 댐별 실측 호우사상을 기반으로 HEC-HMS 모형의 매개변수를 검·보정하였다. 댐별 모형의 매개변수 산정결과는 Table 5와 같다. 첨두유량의 오차율은 대부분 ±10.0 % 이내로 최대유입량이 발생한 시점 역시 몇 개의 호우사상을 제외하고 일치하는 것으로 나타났다. 보정
과정에서 첨두유량 오차율의 경우 2020년 사상의 연초댐은 -53.14 %, 2006년 사상의 대암댐은 -33.75 %, 2003년 사상의 영천댐
-27.37 %로 나타났다. 이러한 결과는 실측 첨두유량 대비 총강우량 및 강우강도가 상대적으로 적게 반영된 데 기인한 것으로 판단된다. 보정된 평가지표
결과, 선암댐을 제외한 모든 댐에서 NSE는 0.7 이상으로 모의 성능이 우수하고(Moriasi et al., 2007) 모형이 실측 유량의 변동성을 충분히 잘 재현한 것으로 분석되었다(Table 6). 본 결과를 기반으로 댐별 모형의 매개변수 최적화를 수행하였다. 최적 매개변수의 검정 결과는 Table 7과 같다. 검정 부분은 R2, NSE를 적용하여 평가하였다. 댐별 HEC-HMS 모형의 유출 모의 성능을 평가한 결과, R2 0.75 이상, NSE 0.7 이상으로 산정되었다. 본 모형의 결과는 매우 양호하며 관측 유량의 변동성과 총 유출량을 통계적으로 유의미하게 재현하고
있음을 알 수 있다.
Table 5. Optimal Parameters for the 12 Dam Watersheds
|
Dam name
|
CN
|
Tc
|
K
|
RC
|
BF
|
|
Seonam
|
88.0
|
0.1
|
1.5
|
0.42
|
1.2
|
|
Gampo
|
70.0
|
0.34
|
0.98
|
0.01
|
4
|
|
Angye
|
81.6
|
0.33
|
0.92
|
0.02
|
12
|
|
Yeoncho
|
86
|
2.01
|
1.88
|
0.015
|
1.2
|
|
Gucheon
|
82.0
|
1.75
|
1.08
|
0.02
|
5
|
|
Pyeongrim
|
78.0
|
0.63
|
1.25
|
0.07
|
30
|
|
Dalbang
|
75.5
|
2.35
|
0.85
|
0.354
|
95
|
|
Sueo
|
82.1
|
1.13
|
1.26
|
0.10
|
100
|
|
Daeam
|
71.1
|
1.09
|
0.98
|
0.02
|
150
|
|
Guangdong
|
75.0
|
2.63
|
3.04
|
0.15
|
150
|
|
Yeongcheon
|
83.6
|
3.25
|
1.15
|
0.10
|
100
|
|
Unmun
|
89.4
|
0.87
|
0.77
|
0.10
|
179
|
Table 6. Calibration Results of Model Parameters for Storm Event in the 12 Dam Watersheds
|
Dam name
|
Rainfall events
|
Peak Q error rate(%)
|
Time of Peak Q
|
RMSE (m3/s)
|
NSE
|
|
Sim
|
Obs
|
|
Seonam
|
2005.09.06
|
2.35
|
21:00
|
19:00
|
0.6
|
0.584
|
|
2008.08.13
|
-21.50
|
2:00
|
2:00
|
0.6
|
0.689
|
|
2016.10.05
|
7.76
|
12:00
|
12:00
|
0.8
|
0.426
|
|
2021.08.24
|
10.10
|
2:00
|
2:00
|
0.4
|
0.812
|
|
Gampo
|
2011.06.26
|
7.25
|
13:00
|
13:00
|
0.3
|
0.918
|
|
2012.09.17
|
3.91
|
2:00
|
1:00
|
0.1
|
0.979
|
|
2021.08.24
|
-4.92
|
3:00
|
3:00
|
0.5
|
0.717
|
|
2022.09.06
|
1.46
|
8:00
|
8:00
|
0.2
|
0.972
|
|
Angye
|
2012.09.17
|
-0.31
|
13:00
|
13:00
|
0.3
|
0.899
|
|
2016.09.03
|
3.73
|
7:00
|
7:00
|
0.3
|
0.900
|
|
2020.09.07
|
0.75
|
10:00
|
10:00
|
0.3
|
0.916
|
|
2021.08.24
|
-19.67
|
16:00
|
16:00
|
0.4
|
0.850
|
|
2024.07.10
|
-10.96
|
8:00
|
8:00
|
0.5
|
0.706
|
|
Yeoncho
|
2006.07.07
|
-14.00
|
13:00
|
14:00
|
0.4
|
0.855
|
|
2017.09.10
|
5.57
|
10:00
|
9:00
|
0.1
|
0.981
|
|
2020.09.06
|
-53.14
|
9:00
|
9:00
|
0.5
|
0.728
|
|
2021.08.23
|
-15.35
|
1:00
|
1:00
|
0.3
|
0.898
|
|
Gucheon
|
2020.09.07
|
-18.78
|
7:00
|
8:00
|
0.5
|
0.795
|
|
2021.08.24
|
5.09
|
0:00
|
0:00
|
0.5
|
0.785
|
|
2023.07.18
|
5.41
|
23:00
|
23:00
|
0.2
|
0.950
|
|
2022.09.06
|
6.26
|
20:00
|
20:00
|
0.5
|
0.782
|
|
Pyeongrim
|
2012.08.30
|
4.36
|
13:00
|
13:00
|
0.4
|
0.876
|
|
2013.07.05
|
12.25
|
13:00
|
13:00
|
0.2
|
0.948
|
|
2014.08.18
|
3.34
|
6:00
|
6:00
|
0.4
|
0.827
|
|
2014.08.25
|
0.26
|
13:00
|
13:00
|
0.2
|
0.944
|
|
2020.07.29
|
7.07
|
10:00
|
10:00
|
0.3
|
0.923
|
|
Dalbang
|
2006.07.15
|
-4.92
|
16:00
|
16:00
|
0.4
|
0.875
|
|
2020.09.03
|
0.07
|
7:00
|
7:00
|
0.2
|
0.975
|
|
2020.09.07
|
4.33
|
12:00
|
13:00
|
0.2
|
0.973
|
|
2023.08.10
|
7.77
|
13:00
|
12:00
|
0.3
|
0.907
|
|
Sueo
|
2006.07.10
|
-0.34
|
12:00
|
12:00
|
0.4
|
0.834
|
|
2009.09.16
|
4.15
|
11:00
|
10:00
|
0.3
|
0.922
|
|
2012.08.24
|
2.73
|
15:00
|
15:00
|
0.6
|
0.692
|
|
2014.08.03
|
4.73
|
0:00
|
0:00
|
0.2
|
0.968
|
|
Daeam
|
2006.07.10
|
-33.75
|
16:00
|
16:00
|
0.3
|
0.926
|
|
2012.09.17
|
-16.42
|
13:00
|
13:00
|
0.2
|
0.963
|
|
2016.10.05
|
-7.40
|
12:00
|
12:00
|
0.2
|
0.952
|
|
Guangdong
|
2010.09.22
|
2.48
|
2:00
|
3:00
|
0.3
|
0.905
|
|
2013.07.15
|
2.58
|
15:00
|
15:00
|
0.3
|
0.884
|
|
2015.08.25
|
2.92
|
15:00
|
15:00
|
0.3
|
0.916
|
|
2020.09.03
|
0.26
|
7:00
|
7:00
|
0.5
|
0.789
|
|
Yeongcheon
|
2002.08.31
|
0.41
|
19:00
|
19:00
|
0.3
|
0.907
|
|
2003.09.13
|
-27.37
|
1:00
|
1:00
|
0.4
|
0.859
|
|
2006.07.10
|
-11.17
|
17:00
|
17:00
|
0.4
|
0.855
|
|
2020.09.07
|
-5.42
|
12:00
|
12:00
|
0.3
|
0.918
|
|
2024.07.10
|
6.26
|
9:00
|
9:00
|
0.3
|
0.910
|
|
Unmun
|
2002.08.10
|
16.87
|
6:00
|
6:00
|
0.4
|
0.833
|
|
2002.08.31
|
-8.06
|
18:00
|
17:00
|
0.3
|
0.922
|
|
2003.09.12
|
-21.17
|
11:00
|
11:00
|
0.4
|
0.834
|
|
2006.07.10
|
-12.13
|
16:00
|
15:00
|
0.3
|
0.886
|
4.2 댐 유역 특성 인자와 수문학적 매개변수 간의 상관관계
4.2.1 유역면적과 수문 매개변수 간의 상관관계
Fig. 3는 유역 특성 인자와 매개변수 간의 상관관계 분석 결과이며, 유역면적과 수문 매개변수 간의 상관계수를 그룹별로 분석한 결과는 Table 8에 제시하였다. 유역면적은 수문 매개변수의 종류와 유역 규모 그룹에 따라 상이한 상관 방향 및 크기를 보이며, 특히 유역 규모가 증가함에 따른 상관
방향의 전환이 뚜렷하게 나타났다.
유역면적(A)과 유로연장(L) 간에는 전체 자료에서 r = 0.98의 매우 강한 양의 상관관계가 확인되었다. 그룹별로는 그룹 D(r = 0.99),
그룹 E(r = 0.96), 그룹 C(r = 0.91), 그룹 A(r = 0.83) 순으로 강한 양의 상관을 보였으며, 그룹 B(r = 0.60)만
중간 수준의 상관으로 다소 낮은 값을 나타냈다. 이는 유역면적이 증가할수록 유역 내 하천망이 발달하여 유로연장이 함께 증가하는 물리적 관계를 반영한
것으로, 유역 규모와 무관하게 가장 안정적으로 유지되는 상관관계이다.
유역면적(A)과 집중시간(Tc) 간의 관계는 전체 자료에서 r = 0.35의 약한 상관성을 보인 반면, 그룹별 분석에서는 상이한 결과가 나타났다.
그룹 B(r = -0.98), 그룹 C(r = -0.83), 그룹 D(r = -0.90)에서는 강한 음의 상관관계로 전환되었다. 이는 유역면적 10
km2를 초과하는 중·대규모 유역에서 면적 증가에 따른 하천 경사 완만화와 하도 내 흐름 가속화로 인해 집중시간이 오히려 단축되는 수문학적 특성을 반영하는
것으로 판단된다.
유역면적(A)과 저류상수(K) 및 감수상수(RC) 간의 관계도 유사한 패턴으로, 그룹 C와 D에서 강한 음의 상관(r = -0.95 ~ -0.82)을
보였다. 저류상수와의 관계를 보면, 20 km2 이상의 중·대규모 유역에서 면적 증가에 따른 저류 효율 감소라는 일관된 패턴이 나타남을 알 수 있다. 감수상수와의 관계에서도 일관된 패턴이 나타남을
알 수 있다. 일반적으로 유역면적이 증가할수록 저류효과로 인해 저류상수와 감수상수는 증가하는 경향을 보이나, 유역 형상 및 경사 조건에 따라 이러한
관계는 상이하게 나타날 수 있음을 확인하였다. 또한, 전체 자료의 상관계수(r = -0.03)가 이를 전혀 반영하지 못하고 있어, 그룹 구분 분석의
필요성이 명확히 드러난다.
유역면적(A)과 기저유출(BF) 간의 관계는 그룹 A(r = 0.98), 그룹 B(r = 0.99), 그룹 C(r = 0.98)에서 매우 강한 양의
상관을 보여, 100 km2 이하 유역에서는 집수 면적 증가에 비례하여 기저유출이 증가하는 단순한 물리적 관계가 지배함을 확인하였다. 그러나 그룹 D(r = -0.93)에서는
매우 강한 음의 상관으로 완전히 역전되는 특이한 패턴이 나타났다. 이는 대규모 유역(100 km2 이상)에서는 유역면적이 커지면 본류 하도 연장이 비선형적으로 증가하고, 긴 하도를 따라 하상 침투, 하안대 증발산, 수변 취수 등으로 기저유출 성분이
소실된다. 결과적으로 단위면적당 기저유출이 감소하여 발생하는 현상으로 판단된다. 따라서 상관분석 결과의 일관성을 확보하기 위해서는 동일한 모형화 방법론의
적용이 필요함을 시사한다.
Table 7. Validation Results of Model Parameters for the 12 Dam Watersheds
|
Dam name
|
Rainfall events
|
Peak Q error rate(%)
|
Time of Peak Q
|
RMSE (m3/s)
|
R2
|
NSE
|
|
Seonam
|
2023.09.21
|
-16.28
|
2:00
|
0.5
|
0.85
|
0.753
|
|
Gampo
|
2008.08.13
|
3.48
|
4:00
|
0.2
|
0.97
|
0.963
|
|
Angye
|
2022.09.06
|
0.59
|
6:00
|
0.2
|
0.97
|
0.962
|
|
Yeoncho
|
2024.09.21
|
4.82
|
20:00
|
0.3
|
0.95
|
0.880
|
|
Gucheon
|
2017.09.11
|
7.94
|
10:00
|
0.4
|
0.93
|
0.867
|
|
Pyeongrim
|
2020.08.09
|
0.94
|
2:00
|
0.4
|
0.92
|
0.862
|
|
Dalbang
|
2004.08.19
|
4.53
|
10:00
|
0.5
|
0.76
|
0.758
|
|
Sueo
|
2011.08.08
|
7.68
|
0:00
|
0.2
|
0.95
|
0.947
|
|
Daeam
|
2022.09.06
|
-1.53
|
6:00
|
0.2
|
0.95
|
0.974
|
|
Guangdong
|
2018.09.04
|
0.28
|
5:00
|
0.3
|
0.94
|
0.910
|
|
Yeongcheon
|
2021.08.24
|
-0.20
|
16:00
|
0.3
|
0.94
|
0.906
|
|
Unmun
|
2020.09.07
|
-9.71
|
11:00
|
0.4
|
0.88
|
0.875
|
Fig. 3. Results of Correlation Analysis between Watershed Characteristics and Hydrological Parameters
4.2.2 유로연장과 수문 매개변수 간의 상관관계
유로연장은 유역의 하천망의 발달 정도를 나타내는 형태적 특성 인자로, 분석 결과 수문 매개변수와 전반적으로 강한 상관관계를 보이는 것으로 나타났다.
특히 감수상수와의 관계는 모든 그룹에서 매우 강한 음의 상관을 유지하며, 세 가지 유역 특성 인자 중 가장 일관된 관계를 갖는 인자로 확인되었다.
유로연장(L)과 형상계수(SF) 간에는 전체 자료에서 r = -0.51의 중간 수준 음의 상관이 나타났다. 그룹별로는 그룹 B(r = -0.89)와
그룹 D(r = -0.89)에서 강한 음의 상관, 그룹 A(r = -0.79)에서도 강한 음의 상관을 보여, 전 그룹에서 일관된 음의 방향성이 확인되었
다. 이는 유로연장이 길수록 유역 형상이 세장형으로 형성되며, 형상계수가 작아지는 지형학적 관계를 반영한다.
유로연장(L)과 감수상수(RC) 간의 상관관계는 본 연구에서 가 장 강건하고 일관된 결과를 보이는 관계이다. 전체 자료의 상관계수 는 r = -0.09로
매우 낮으나, 그룹별 분석에서는 ∣r∣≥0.96으로 매우 강한 음의 상관관계가 나타났다. 이는 유로연장이 길수록 지하수 체류 시간이 길어지고 기저유출
감수 속도가 완만해지는 수리·지질학적 메커니즘을 반영한 것으로 해석되며, 전체 자료 분석 시 이 관계가 완전히 소멸되는 이유는 그룹 간 규모 차이에
의한 통계적 상쇄 때문인 것으로 보인다.
유로연장(L)과 저류상수(K) 간의 관계는 그룹 B(r = 0.81)에서 양의 상관을 보인 반면, 그룹 A(r = -0.87), 그룹 C(r = -1.00),
그룹 D(r = -0.98)에서 강한 음의 상관관계로 나타나 그룹 간 차이가 현저하였다. 특히 그룹 C에서 r = -1.00이라는 완전한 음의 상관계수가
산정되어 해당 유역 규모에서 유로연장과 저류상수 간 선형 역관계가 뚜렷하다. 그룹 B에서만 방향이 반전되는 이질적 거동은 타 그룹에 비해 형상계수가
폭넓게 분포하기 때문인 것으로 보인다.
유로연장(L)과 기저유출(BF)과 r = 0.87의 강한 양의 상관관계가 확인되었으며, 그룹 C(r = 0.96)에서 가장 높은 상관성을 보였다.
이는 유로연장이 길수록 하천이 지하수면과 접하는 구간이 증가하여 기저유출이 증가하는 수문학적 및 지형학적 특성을 반영한 결과로 판단된다.
Table 8. Results of Correlation Analysis between Two Factors by Watershed Area Groups
4.2.3 형상계수와 수문 매개변수 간의 상관관계
형상계수는 유역의 평면적 형태를 나타내는 무차원 특성인자로, 값이 클수록 유역이 원형에 가깝고 강우 집중시간이 짧아 홍수 첨두유량이 크게 나타나는
경향이 있다. 본 연구에서 형상계수는 감수상수와의 관계에서 가장 일관된 양의 상관을 보였으며, 저류상 수와의 관계에서는 그룹에 따라 완전히 상반된
결과가 나타났다.
형상계수(SF)와 감수상수(RC) 간에는 전체 자료(r = 0.75)와 모든 그룹에서 강한 양의 상관관계가 일관되게 나타났다. 그룹별 상관계수는 그룹
B(r = 0.97), 그룹 C(r = 0.96), 그룹 D(r = 0.93), 그룹 E(r = 0.83), 그룹 A(r = 0.78) 순이며, 모든
그룹에서 ∣r∣≥ 0.75를 상회하였다. 이는 유역 형상이 원형에 가까울수록 강우 후 지하수의 빠른 감수가 나타남을 의미하며, 유역 형상이 기저유출
감수 특성을 결정하는 일관된 지배 인자임을 시사한다. 본 절에서 확인된 관계는 유로연장과 감수상수 간의 관계와 함께 유역 규모와 무관하게 가장 강건하게
유지되는 상관관계이다.
형상계수(SF)와 저류상수(K)의 전체 상관계수는 r = -0.03으로 사실상 선형 관계가 존재하지 않는 것으로 나타났다. 그러나 그룹별 분석에서는
완전히 상반되는 결과가 확인되었다. 그룹 A(r = 0.97), 그룹 C(r = 0.90), 그룹 D(r = 0.90)에서는 강한 양의 상관관계를
보인 반면, 그룹 B(r = -0.99)에서는 매우 강한 음의 상관관계가 나타났다. 이는 해당 그룹의 형상계수를 살펴보면, 최소 0.18에서 최대
0.45로 댐 유역별 지형적 특성의 변동 폭이 매우 넓게 나타나기 때문인 것으로 판단된다.
형상계수(SF)와 집중시간(Tc) 간에는 전체 자료에서는 무상관이 나타났다. 그룹별로는 그룹 A(r = 0.79)와 그룹 C(r = 0.95)에서
만 유의한 강한 양의 상관이 확인되어, 특정 규모 유역에서 형상계수 가 유역 집수시간을 결정하는 인자로 작용함을 보여준다.
4.2.4 종합 고찰: 그룹별 유의 상관관계의 수문학적 시사점
(1) 유역 규모 그룹 구분 분석의 필요성
전체 자료를 단일 모집단으로 처리할 경우, 그룹별로 뚜렷하게 나타나는 강한 상관관계가 그룹 간 이질성에 의해 상쇄되거나 방향이 왜곡되는 현상이 다수
확인되었다. 특히 유로연장(L)-감수 상수(RC) 관계(전체 r = -0.09 ↔ 그룹별 r = -0.96 ~ -1.00), 유역면적(A)-저류상수(K)
관계(전체 r = -0.03 ↔ 그룹 C·D r = -0.90 ~ -0.95)가 대표적인 사례이다. 이는 미계측 유역의 수문 매개변수 지역화(regionalization)
시 유역면적 그룹을 반드시 구분하여 적용해야 함을 강력히 시사한다.
(2) 규모 임계에 따른 상관 방향 전환
유역면적 약 10 km2와 100 km2를 기점으로 수문 매개변수와의 상관 방향이 전환되는 현상이 복수의 인자 쌍에서 확인되었다. 10 km2 초과 유역에서는 유역면적(A)-집중시간(Tc) 관계가 양에 서 음으로 전환되며, 100 km 초과 유역에서는 유역면적(A)-기저 유출(BF) 관계가
양에서 음으로 완전히 역전된다. 이러한 규모 임계는 수문 거동의 지배 메커니즘이 단순 집수 면적 효과에서 하도 흐름 지배, 지하수 유동 복잡화 등의
복합적 메커니즘으로 전환되는 수문학적 규모 전환 임계(scale transition threshold)로 해석된다.
(3) 가장 강건한 상관관계와 수문 모형 적용 시사점
분석 결과 유역 규모에 무관하게 가장 강건하고 일관되게 유지되 는 상관관계는 두 가지로 확인되었다. 첫째, 유로연장(L)-감수상수 (RC) 간의 강한
음의 상관(전 그룹 |r| ≥ 0.96)은 감수상수(RC)를 추정할 때 유로연장(L)이 핵심 설명변수로 활용될 수 있음을 보여준 다. 둘째, 형상계수(SF)-감수상수(RC)
간의 강한 양의 상관(전 그룹 r ≥ 0.75)은 유역 형상이 기저유출 감수 특성을 결정하는 일관된 인자임을 확인시켜 준다. 반면 저류상수(K)는
그룹에 따라 상관의 방향과 크기가 크게 달라지므로, 단일 회귀식 적용보다 유역면적 그룹별 별도 추정 모형의 적용이 필요하다.
(4) 그룹 B와 그룹 D의 이질적 거동
그룹 B(10~20 km2)는 여러 인자 쌍에서 인접 그룹과 상이한 상관 방향을 보이는 이질적 거동을 나타냈다. 유역면적(A)-집중시 간(Tc)에서의 극단적 음의 상관(r
= -0.98), 유로연장(L)-저류상수 (K)에서의 양의 상관(r = 0.81), 형상계수(SF)-저류상수(K)에서의 극단적 음의 상관(r = -0.99)이
특히 주목된다. 이는 10~20 km² 규모 유역에서 연초댐 경우에는 유로가 길게 발달한 반면, 평림댐은 하천망이 집중된 형태를 보이는 등 유역 간
물리적 특성의 차이에서 나타난 결과로 판단된다. 이러한 형상적·구조적 차이가 복합적으로 작용하여 매개변수 간 상관관계에서 이질적 거동이 나타난 것으로
해석된다. 그룹 D(A > 100 km2 ) 역시 유역면적(A)-기저유출(BF)의 방향 역전이라는 구조적 특이성을 보이며, 이는 수문 모형 구성 방식(소유역 분할 검·보정)과 자연 수문
특성의 복합적 결과로 해석된다.
Table 9. Summary of Major Correlations for Watershed Characteristics
|
Factors
|
Group A
|
Group B
|
Group C
|
Group D
|
Key implications
|
|
A and BF
|
●(+)
|
●(+)
|
●(+)
|
●(-)★
|
Correlation Direction reverses at the 100 km2 threshold
|
|
A and Tc
|
○(+)
|
●(-)★
|
●(-)
|
●(-)
|
Negative correlation emerges above 10 km2 |
|
A and K
|
○(-)
|
○(+)
|
●(-)
|
●(-)
|
Significant only in watersheds larger than 20 km2 |
|
L and RC
|
●(-)
|
●(-)
|
●(-)
|
●(-)
|
Consistent across all groups
|
|
L and K
|
●(-)
|
●(+)★
|
●(-)
|
●(-)
|
Group B shows anomalous behavior with a positive correlation
|
|
L and Tc
|
○(-)
|
○(-)
|
●(-)
|
●(-)
|
Significant negative correlation only in Group C, D
|
|
SF and R
|
●(+)
|
●(+)
|
●(+)
|
●(+)
|
Consistent across all groups
|
|
SF and K
|
●(+)
|
●(-)★
|
●(+)
|
●(+)
|
Group B shows anomalous behavior with a negative correlation
|
|
SF and Tc
|
●(+)
|
○(-)
|
●(+)
|
○(+)
|
Significant positive correlation only in Group Group A, C
|
* ●: Strong correlation (∣r∣≥0.70), ○: Weak correlation (∣r∣<0.7), (+): Positive,
(-): Negative,
* ★: Exceptional change in correlation direction within the group
4.3 매개변수 변화에 따른 첨두홍수 민감도분석
앞서 유역 특성 인자별 수문학적 매개변수와의 주요 상관관계 분석 결과를 토대로, 첨두 유입량에 영향을 미치는 주요 매개변수인 집중시간과 저류상수에
대한 민감도분석을 수행하였다(Table 10). 민감도지수는 매개변수(Tc & K) 변화에 따른 최대첨두유량의 상대적 변화 정도를 나타내며, 값이 클수록 해당 매개변수가 첨두유량에 미치는 영향이
큰 것으로 해석된다.
집중시간에 대한 민감도지수가 가장 크게 나타난 유역은 감포댐으로 0.319의 값을 나타내어 집중시간 변화에 따른 첨두유입량 변화가 가장 민감한 것으로
분석되었다. 다음으로 안계댐(0.192), 영천댐(0.136), 수어댐(0.118) 순으로 나타나 비교적 높은 민감도를 보였다. 반면 달방댐의 민감도지수는
0.001로 가장 낮게 나타나 집중시간 변화에 따른 첨두유입량 영향이 매우 작은 것으로 분석되었다. 저류상수에 대한 민감도지수가 가장 크게 나타난
유역은 달방댐으로 0.454 값을 나타내어 저류효과 변화에 대한 첨두유입량 변화가 가장 민감한 것으로 분석되었다. 다음으로 감포댐(0.436), 선암댐(0.395),
수어댐(0.329) 순으로 나타나 높은 민감도를 보였다. 대부분 유역의 민감도지수는 0.20 이상으로 저류효과에 대한 첨두유입량 영향은 크게 나타는
것으로 분석되었다.
유역 규모 측면에서 결과를 살펴보면, 집중시간 및 저류상수 변화에 따른 그룹별 민감도 지수의 평균은 다음과 같이 분석되었다. 집중시간에 변화에 따른
그룹별 첨두유량에 대한 민감도지수를 평균한 결과, 그룹 A(0.20), 그룹 C(0.07), 그룹 D(0.08)로 분석되었다. 저류상수 변화에 따른
그룹별 첨두유량의 민감도지수를 평균한 결과, 그룹 A(0.37), 그룹 C(0.36), 그룹 D(0.23)로 분석되었다. 중소규모 유역에서 집중시간
및 저류상수에 대한 민감도가 크게 나타나는 경향을 보였다. 일반적으로 유역의 규모가 클수록 유역 내 저류효과 및 유출의 분산 효과가 증가하여 집중시간
변화가 첨두유량에 미치는 영향이 감소하기 때문으로 판단된다. 반면 중소규모 유역에서는 강우 발생 시 단기간에 집중되기 때문에 집중시간 및 저류상수의
변화가 첨두유량 변화에 상대적으로 큰 영향을 미치는 것으로 해석된다.
민감도지수가 클수록, 해당 유역 규모별 그룹에서 매개변수가 더 지배적임을 의미한다. 즉, 중소규모 유역에서는 집중시간과 저류상수에 대한 영향이 크고,
대규모 유역에서는 집중시간보다 저류상수가 첨두유량에 더 민감한 영향을 미치는 것으로 분석되었다.
본 연구 결과는 기존 연구에서 제시된 규모별 그룹에서 집중시간과 저류상수 중요성을 정량적으로 뒷받침한다. 유역면적이 소규모일수록 매개변수에 대한 미세한
변화가 첨두유입량에 큰 영향을 미치므로, 세밀한 매개변수 보정이 요구된다. 향후 규모별 최적화된 매개변수의 변동 범위를 제시함으로, 유사 규모 유역의
댐 설계 시 적정 매개변수 추정에 근거가 될 것으로 판단된다.
Table 10. Sensitivity Analysis of Key Parameters by Watershed Groups
|
Group
|
Dam name
|
Watershed area(km2)
|
Tc SI
|
Tc SI_avg
|
K SI
|
K SI_avg
|
|
Group A
|
Seonam
|
1.2
|
0.076
|
0.20
|
0.395
|
0.37
|
|
Gampo
|
3.7
|
0.319
|
0.436
|
|
Angye
|
6.7
|
0.192
|
0.271
|
|
Group C
|
Dalbang
|
29.4
|
0.001
|
0.07
|
0.454
|
0.36
|
|
Sueo
|
49.0
|
0.118
|
0.329
|
|
Daeam
|
77.0
|
0.081
|
0.297
|
|
Group D
|
Guangdong
|
125.0
|
0.046
|
0.08
|
0.287
|
0.23
|
|
Yeongcheon
|
235.0
|
0.136
|
0.214
|
|
Unmun
|
301.0
|
0.071
|
0.202
|
* Tc SI: Sensitivity Index of parameter Tc, TS SL_avg: Group-based average of Tc SI
* K SI: Sensitivity Index of parameter K, K SL_avg: Group-based average of K SI
5. 결 론
본 연구 결과를 통해 댐 유역의 면적 규모에 따라 유역 특성 인자와 수문 매개변수 간의 상관관계가 현저히 달라짐을 확인하였다. 또한 민감도분석을 통해
면적 규모별 집중시간과 저류상수에 대한 정도가 상이하게 나타남을 확인하였다. 주요 결론은 다음과 같다.
(1) 유역면적이 100 km2를 초과하는 그룹 D에서는 기저유출과의 상관관계가 음의 방향으로 전환되는 등, 대규모 유역의 수문 특성이 소규모 유역과 본질적으로 다름을 확인하였다.
소유역 분할과 같은 수문 모형 구성 방식과 자연 수문 특성의 복합적 결과로, 홍수 모형 구축 시 유역면적에 따른 매개변수 추정식을 별도로 적용해야
함을 시사한다.
(2) 유로연장과 감수상수 간의 상관관계는 대부분의 그룹에서 매우 강한 음의 상관을 보여, 감수상수의 지역 추정에 있어 유로연장이 핵심 설명변수로
활용될 수 있음을 보여준다.
(3) 형상계수는 감수상수와 전반적으로 강한 양의 상관관계를 보여, 유역 형태적 특성이 지하수 감수 거동을 지배하는 중요한 인자임을 확인하였다.
(4) 전체 자료를 단일 회귀 분석할 경우, 유역 규모별 이질성이 희석되어 상관관계를 과소평가할 위험이 있으므로, 유역면적 그룹별 구분 분석이 필수적임을
확인하였다.
(5) 그룹 B는 저류상수, 집중시간 등 여러 매개변수에서 타 그룹과 상이한 거동을 보여 그룹 B 규모의 유역에 대한 별도의 수문 모형 검토가 필요한
것으로 판단된다.
(6) 유역면적이 소규모일수록 매개변수에 대한 미세한 변화가 첨두유량에 높은 민감도를 보이는 것으로 나타났다. 따라서, 댐 규모를 고려한 차별화된
매개변수 최적 범위 제시가 필요한 것으로 판단된다.
본 연구에서는 K-water에서 관리하는 12개 용수전용댐 유역을 대상으로 HEC-HMS 검·보정 결과를 토대로 모형 성능을 검토하였고, 극한 호우사상
조건에서 유역 특성 인자와 HEC-HMS 매개변수 간의 상관관계를 규명하여 유역 규모마다 매개변수의 기준 제시의 필요성을 도출하였다. 유역면적, 유로연장,
형상계수 기반의 주요 유역 특성 인자를 중심으로 연구를 수행하였으나, 하천망 발달, 급경사 지형, 토양 특성 등 다양한 요인의 영향으로 일부 그룹에서
이질적인 거동 및 극단적인 상관계수가 나타났다. 본 연구 결과에서 K-water 관리하 용수전용댐을 대상으로 분석을 수행함에 따라 그룹별 표본 수가
제한적임으로 통계적 신뢰성에 한계가 존재하고 모집단의 실제 관계를 왜곡할 가능성이 있음을 보여준다. 따라서 대상 유역의 표본 수를 확대하여 유역 특성
인자와 매개변수 간의 상관관계를 보다 정밀하게 규명할 필요가 있는 것으로 판단된다. 또한 물리적 변동성이 크게 나타난 그룹 B 유역에서 관측된 특이적
거동 원인에 대해서도 추가적인 연구가 필요할 것으로 판단된다. 향후 미계측 유역이나 자료 확보가 어려운 지역에서의 매개변수 추정을 위해서는 유역 특성
인자와 매개변수 간의 상관분석 및 민감도분석 결과를 기반으로 유역 규모별 최적화된 매개변수 변동 범위 기준을 마련할 필요가 있을 것으로 사료된다.
아울러 본 연구의 결과는 유역특성을 고려한 매개변수 지역화의 기초 자료로 활용될 것으로 기대된다.
Acknowledgement
This research was supported by K-water's Research Project 2026(No. G250184).
References
Attar, M. I., Khan, J. N., Altaf, Y., Alsubih, M., Maseer, S., Kumar, R., Bhat, O.
A., Bangroo, S. A., Sharma, M. K. (2025). Design storm estimation for flood risk assessment
in the temperate Himalayan basin using hydrological modelling, Journal of Scientific
Reports, 15(1).
Ballinas-Gonzalez, H. A., Alcocer-Yamanaka, V. H., Canto-Rios, J. J., Simuta-Champo,
R. (2020). Sensitivity analysis of the rainfall-runoff modeling parameters in data-scarce
urban Catchment, Journal of Hydrology, 7(4), 1-20.
Chowdhury, R. M., Ahn, J., Torlapati, J., Jahan, K. (2025). Enhancing management of
flood forecasting in Southern New Jersey: a HEC-HMS model development for Maurice
river and Raccoon Creek watersheds, Journal of Applied Water Science, 15.
Eryani, P., Jayantari, M. W., Wijaya, K. M. (2022). Sensitivity analysis in parameter
calibration of the WEAP model for integrated water resources management in Unda watershed,
Journal of Civil Engineering and Architecture, 10(2), 455-469.
Goodarzi, M. R., Poorattar, M. J., Vazirian, M., Talebi, A. (2024). Evaluation of
a weather forecasting model and HEC-HMS for flood forecasting: case study of Talesh
catchment, Journal of Applied Water Science, 14(2).
Hamdan, N. A., Almuktar, S., Scholz, M. (2021). Rainfall runoff modeling using the
HEC-HMS model for the AI-Adbaim river catchment, Northern Iraq, Journal of Hydrology,
8(2).
Kim, J. G., Sumyia, U., Kim, T. J., Kwon, H. H. (2021). Regionalization of rainfall-runoff
model parameters based on the correlation of regional characteristic factors, Journal
of Korea Water Resources Association, 54(11), 955-968 (in Korean).
K-water (2023). Water management practice manual, K-water, Daejeon, Korea.
Lee, J. H. (2007). Sensitivity analysis of the runoff model parameter for the optimal
design of hydrologic structures Master’s thesis, Myongji University, Department of
Civil and Environmental Engineering (in Korean).
Mekonnen, E. F., Getu, G. A. (2025). Hydrological parameter sensitivity analysis for
water evaluation and planning model calibration in the Borkena Rivers Sub-basin, Journal
of Discover Water, 5.
Ministry of Environment MOE (2019). Standard Guidelines for Flood Discharge Estimation,
Ministry of Environment (in Korean).
Ministry of Land, Infrastructure and Transport MLIT (2021). Land Use Regulation Information
Service, Republic of Korea Available at: https://www.eum.go.kr.
Moriasi, D. N., Arnold, J. G., VanLiew, M. W., Bingner, R. L., Harmel, R. D., Veith,
T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy
in watershed simulations, Journal of the ASABE, 50(3), 885-900.
National Institute of Agricultural Sciences NAS (2023). Detailed Soil Map, Soil Information
System (Soil-ToRAM) Available at: https://soil.rda.go.kr.
Nickson, T., Mulungu, D. M., Izdor, F. (2022). Assessing the potential impacts of
climate change on streamflow in the data-scarce Upper Ruvu River watershed, Tanzania,
Journal of Water and Climate Change, 13(9), 3496-3513.
Odey, G., Cho, Y. H. (2025). Event-based vs. continuous hydrological modeling with
HEC-HMS: A review of use cases, methodologies, and performance metrics, Journal of
Hydrology, 12(2).
Reshma, T., Venkata, R. K., Deva, P. (2013). Simulation of event based runoff using
HEC-HMS model for an experimental watershed, Journal of Hydraulic Engineering, 2(2),
28-33.
Safari, S., Sadeghian, M. S., Hajikandi, H., Mehdizadeh, S. S. (2024). Identifying
homogeneous hydrological zones for flood prediction using multivariable statistical
methods and machine learning, Journal of Applied Water Science, 14.
Silva, F. B., Pereira, S. B., Vieira, E. O., Pereira, D. R., Passos, J. B. (2017).
Sensitivity analysis of the water balance components of the WEAT model for the high
RIO verde grande Basin/MG, Journal of Inovagri, 11(1), 1-5.
Song, Y. H., Park, Y. K., Lee, J. H., Park, M. J., Song, Y. S. (2019). Flood forecasting
and warning system structures procedure and application to a small urban stream in
South Korea, Journal of Water, 11(8).
Sreedevi, S., Eldho, T. I. (2019). A two-stage sensitivity analysis for parameter
identification and calibration of a physically-based distributed model in a river
basin, Journal of Hydrological Sciences, 64(6), 701-719.
Tangam, I. S., Yonaba, R., Niang, D., Adamou, M. M., Keita, A., Karambiri, H. (2024).
Daily simulation of the rainfall-runoff relationship in the Sirba River basin in west
Africa: insights from the HEC-HMS model, Journal of Hydrologic, 11(3).
Tu, J., Qiao, C. (2025). Simulation and parameter law of HEC-HMS for multi-source
flood in arid region based on three-dimensional classification criteria: A case study
of Manas river basin, Journal of Water, 17(20).
Turkar, R. K., Shrivastava, R. N., Awasthi, M. K., Lodhi, A. S. (2025). A comprehensive
review of the HEC-HMS rainfall runoff simulation model and its hydrological applications,
Journal of Agriculture and Ecology Research International, 26(5), 128-139.
Water Management Information System WAMIS (2021). Description of Water Resource Unit
Map, Ministry of Land, Infrastructure and Transport, Republic of Korea (Hydrologic
Unit Map).