Mobile QR Code QR CODE : Journal of the Korean Society of Civil Engineers

  1. 종신회원 · 한국건설기술연구원 수자원하천연구본부 (Korea Institute of Civil Engineering and Building Technologysity ․ naraekang@kict.re.kr)
  2. 정회원 · 한국수자원조사기술원 연구개발실 (Korea Institute of Hydrological Survey ․ cy_kim@kihs.re.kr)
  3. 정회원 · 한국건설기술연구원 수자원하천연구본부 (Korea Institute of Civil Engineering and Building Technologysity ․ jungsooyoon@kict.re.kr)
  4. 정회원 · 교신저자 · 한국건설기술연구원 수자원하천연구본부 (Corresponding Author ․ Korea Institute of Civil Engineering and Building Technologysity ․ sukany@kict.re.kr)



강수량계, 관측 정확도, 강우강도, 정밀도, 분해능
Precipitation gauge, Accuracy of observation, Rainfall intensity, Precision, Resolutions

1. 서 론

강수량계는 비 뿐만 아니라 눈을 포함한 고체형태로 지면에 내리는 공기 중의 수증기를 측정할 수 있는 계측기를 의미한다(Hong et al., 2020). 강수량계로부터 수집된 강수량 자료는 강우-유출 해석모형, 다양한 재해 예경보시스템 등의 입력자료로 이용된다(Yoo et al., 2003). 현재 우리나라에서는 각 활용 목적과 기능에 따라 각각 강수량계를 설치하여 운영 중에 있는데 대표적으로 환경부의 경우, 수문현상을 효율적으로 파악, 홍수통제와 예·경보를 목적으로 운영하고 있으며, 기상청의 경우, 정확한 날씨 예보를 위한 기상 정보 수집 및 제공을 목적으로 K-water의 경우에는 주요 다목적댐의 운영 및 관리를 목적으로 그리고 한국농어촌공사는 농업용 저수지의 이수관리 및 운영을 목적으로 관측소를 설치 및 운영하고 있다. 이 외에도 관내 강우량 파악을 위해 지자체에서도 설치 운영하고 있다.

또한 활용 목적 외에도 위치적으로도 차이가 있는데, 환경부의 우량계는 유역 단위를 중심으로 지형을 고려되어 설치되었고, K-water와 한국농어촌공사는 댐 및 저수지 유역 기반으로 설치되었다. 기상청은 전국적인 강우 특성 파악을 목적으로 우량계를 설치하므로 도서 및 해안지역을 포함하여 전국에 비교적 균일하게 분포되어 있다(Hwang and Ham, 2013).

이러한 강수량계로부터 수집된 강수량 데이터는 홍수기뿐만 아니라 평상시에도 하천 및 댐 운영에서 있어 필수적인 데이터로 활용되고 있으며, 수자원 관리를 위해서는 신뢰성 있는 자료의 확보뿐만 아니라 일관성 있는 자료 제공이 필요하다. 이와 관련하여 Yu et al.(2010)은 0.5 mm 및 1 mm 급전도형 우량계를 이용하여 강우량 증가 및 강우강도에 따라 실제값과 비교하여 얼마의 오차를 보이는지 분석하였으며, Hong et al.(2018)은 강수량계 종류별 특성시험을 통해 불확도를 산출하였으며, 이를 통해 기상관측 및 수문관측 데이터의 신뢰성을 분석하였다. 또한 Lee and Kim(2021)은 강우센서 신호(Rainfall sensor signal, S)와 강우량계에서 계측한 강우량(Rainfall, R)을 이용하여 강우센서 신호(S)-강우량(R) 관계식 개발하였다.

본 연구는 강수량계 관측망 배치 및 분해능에 따른 관측 강수량 분석을 통해 홍수예보 기준 강수량인 강수량계의 최적 관측 분해능을 도출하기 위한 실험 연구이다.

2. 자료 및 분석 방법

2.1 관측소 배치(위치, 밀도)에 따른 강수량 관측 성능 분석

홍수 예보에 활용되는 강수량 자료는 크게 두 가지로 구분된다. 기상청이 운영하는 자동기상관측장비는 사용 목적에 따라 종관기상관측장비(ASOS, Automatic Synoptic Observing System)와 방재기상관측장비(AWS, Automatic Weather System)로 나뉜다. 한편, 환경부 홍수통제소에서는 수자원 관리와 홍수 예·경보를 목적으로 강수량을 측정하며, 본 연구에서는 이를 TM(Telemetered Rain Gauge System) 자료라 한다.

기상청 AWS와 홍수통제소 TM의 배치에 따른 강수량 분석을 위하여 10분 단위 강수량을 동일 기간으로 수집하였다. Fig. 1은 기상청 AWS(ASOS 96개소 포함 713개소)와 환경부 홍수통제소 TM(724개소) 지점의 위치와 분포를 도시한 것으로 기상청 AWS은 행정구역을 중심으로 서울 등 도시지역에 상대적으로 조밀하게 분포되어 있으며, 홍수통제소 TM은 하천 유역 중심 및 유역 규모에 따른 배치 경향을 보인다.

AWS와 TM의 관측소 배치(위치나 밀도 등)를 고려하여, 관측소별로 강수량을 산정하고 이를 통한 공간 강수량 의 특성을 파악하기 위해 최장 장마 기간을 기록한 2020년 7월 20일에서 8월 9일까지의 강우를 대상으로 분석하였다.

Fig. 1. TM and AWS Observatories Locations, (a) AWS (including ASOS), (b) TM

../../Resources/KSCE/Ksce.2025.45.5.0549/fig1.png

2.2 강수량계 분해능와 강우강도에 따른 강수량 관측 성능 실험

강수량계의 성능을 평가하는 방법에는 여러 가지 방법이 있다. 저울로 측정한 물의 질량을 부피로 환산하여 동일한 양의 물을 받은 강수량계의 측정값과 비교하는 방식, 뷰렛에 담긴 일정량을 흘려보내 측정하여 양을 비교하는 방식 등이 있다(Bae and Kwon, 2025; Shin and Hong, 2006). 본 연구에서는 검정관측소에 설치된 강수량계 분해능 별(0.1 mm, 0.5 mm, 1.0 mm) 강수량 관측의 정밀도를 검토하기 위해 다양한 강우강도 조건에서 물의 질량을 측정하여 비교하는 방식으로 실험을 수행하였다. 낙동강 상주 검정관측소에 설치된 0.1 mm(일반 전도형), 0.5 mm(일반 전도형), 1.0 mm(일반 전도형), 1.0 mm(비전형) 강수량계를 대상으로 하였으며, 2022년 2월 17일~18일 양일간 현장 실험을 실시하였다. 실험에 사용된 강수량계는 모두 위댄기업의 WDSD201(0.1 mm), WDSD205(0.5 mm), WDSD200(1.0 mm)이며, Fig. 2는 실제 설치된 강수량계의 모습이다.

물의 경우, 상온·상압(약 4℃, 1기압)의 조건에서 무게 1 g은 1 cm3에 해당하므로 반경 10 cm의 수수구에 유입된 1 mm 물의 무게는 약 31.4 g에 해당한다. 따라서 이때 유입된 물의 무게를 10 cm 반경의 유입구의 면적으로 나누면 강우강도를 구할 수 있다(Ministry of Envionment, 2022).

본 실험은 30분 강우 지속 시간에 대하여 강우를 유입하여 유입 강우량과 계측 강수량의 무게를 산정하여 강우강도로 환산하고 차이(손실량)를 오차로 산정하였다.

Fig. 2. Conductive Precipitation Gauge at Sangju Observatory

../../Resources/KSCE/Ksce.2025.45.5.0549/fig2.png

3. 분석 결과

3.1 AWS와 TM 강우량 공간 관측 성능 비교 결과

2020년 7월 20일에서 8월 9일까지 해당 기간 내 기상청 AWS(ASOS 96개소 포함 713개소) 지점과 TM(724개소) 지점의 강수량은 Fig. 3과 같다. AWS는 주로 수도권 및 해안·도서 지역에서 조밀하게 분포를 이루었으며, TM은 하천 중상류 지역에서 조밀하고 고도가 상대적으로 높은 곳에서 상세한 관측이 이루어지는 것으로 나타났다.

관측된 AWS 관측소 총 713개 지점의 총 강우량 평균은 480.1 mm이고 724개소 TM 지점 평균은 547.2 mm로 산정되었다. 두 자료 계열 간에 67.1 mm의 차이가 나타났다(Table 1). 이 차이는 TM 기준으로 했을 시 약 12 %의 차이가 있었으며, AWS 기준으로는 14 %로 정도 AWS가 TM에 비해 상대적으로 작게 관측되었다. 이는 같은 호우 사상에 대해서도, 관측소 위치나 밀도 및 관측 기기의 성능에 따른 차이로 인해 강수량의 차이가 있으며 이를 기준으로 한 각각의 면적 강수량이 서로 다르게 산정될 수 있다는 의미로 해석가능하다.

Fig. 3. Comparison of Cumulative Precipitation Distribution from July 20 to August 9, 2020 (Location). (a) AWS, (b) TM

../../Resources/KSCE/Ksce.2025.45.5.0549/fig3.png

Fig. 4. Comparison of Cumulative Precipitation Distributions from July 20 to August 9, 2020 (Interpolation)

../../Resources/KSCE/Ksce.2025.45.5.0549/fig4.png

공간적으로 좀 더 상세한 비교를 위해 호우 기간별로 AWS와 TM 관측지점의 강우량을 환경부 강우레이더 격자 규모 및 위치에 맞춰 내삽한 후 통계 특성을 Table 2와 같이 비교하였다. 호우 기간별로 내삽한 강수량도 AWS 강수량이 TM기준 약 9~22 % 정도 작게 나타났다. 특히 8월 2~3일 호우(No.3)는 시공간적 집중 정도가 크게 나타났는데 상대적으로 편차가 커 집중호우 시에는 강수량의 위치나 밀도가 면적 강수량 차이에 큰 영향을 미칠 수 있음을 알 수 있다.

그리고 공간적 유사성을 비교하기 위해 공간 상세도가 높은 레이더 관측 강우량을 기준공간분포를 비교하니 AWS와 TM의 강우량의 공간적 상관성의 차이를 명확히 확인할 수 있다. 집중호우가 빈발했던 중동부 접경지역(휴전선 부근)과 경기남부-충청북부, 지리산 상·하류 지역 등에서 AWS과 비교하여 TM 강수량의 공간적 재현성이 높게 나타났다.

Fig. 5는 AWS와 TM 강수량을 강우레이더 격자로 내삽한 동일 지점에서 비교한 결과로, TM에 비해 AWS(ASOS) 값의 분포가 넓게 위치하고 있어 레이더 관측에 대한 정합도가 낮게 나타났다. 다시 말해, 산포도 그래프에서 동일 격자 위치의 내삽한 AWS 격자의 분산(산포도)이 TM의 분산 결과에 비해 크게 나타나고 있음을 확인할 수 있다. 여기서 레이더 강수량 대비 분산 정도가 크다는 것은 AWS의 공간 재현 성능이 TM과 비교하여 낮음을 의미하고 공간적 강수량의 차이 또한 면적 강수량 산정에서 기여할 수 있으므로 홍수예보 사용시 적절하지 않다고 판단할 수 있다.

Fig. 5. AWS and TM Precipitation Distributions Compared to Radar Precipitation*. (a) AWS, (b) TM

* Radar precipitation: Mean bias-corrected radar precipitation

../../Resources/KSCE/Ksce.2025.45.5.0549/fig5.png

Table 1. Comparison of Total Rainfall between AWS and TM Observation Points from July 20 to August 9, 2020

List of Obs.

Mean Total Precipitation at Observatories (mm)

Mean

Std. dev.

Max

Min

AWS (713 Obs.)

480.1

208.6

1,545

23

TM (724 Obs.)

547.2

170.6

1,099

189

* Excluding missing points within the period

Table 2. Interpolated Total Precipitation by Period for AWS and TM

Period

List of Obs.

Mean Total Precipitation at Observatories (mm)

Mean

Std. dev.

Max

Min

No 1.

(7.22~7.24)

AWS grid

120.8

54.5

521.4

0.3

TM grid

131.9

54.9

431.8

29

No 2.

(7.28~7.30)

AWS grid

83.3

54.9

442

0.7

TM grid

99.4

60.3

414.6

0.5

No 3.

(8.2~8.3)

AWS grid

68.2

81.5

363.1

0

TM grid

83.5

106.4

600.6

0

No 4.

(8.4~8.6)

AWS grid

81.8

78.6

430.5

0.1

TM grid

94.7

95

641.2

0

No 5.

(8.7~8.9)

AWS grid

141.2

100.7

557.1

0.4

TM grid

164.4

109.8

674.2

12.1

3.2 강수량계 분해능와 강우강도에 따른 강수량 관측 현장 실험 결과

강수량계의 성능을 평가하기 위해 낙동강 상주 검정관측소에 설치된 강수량계 분해능별(0.1 mm, 0.5 mm, 1.0 mm)로 다양한 강우강도 조건을 설정하여 실험을 수행하였다. 실험 지속 시간 30분동안 강수를 수수고에 유입하였으며, Table 3에서 유입’은 실제 수수구에 주입한 강수량을 의미한다. ‘측정’은 전도형 우량계로 계측한 강수량으로 환산한 값이다. 오차율(%)은 30분 유입 강우강도를 기준으로 30분 유출 강우강도의 차이를 비율로 나타낸 값이다. Table 3의 결과를 그림으로 도시하면 Fig. 6과 같다.

파란색 선은 강우유입량(강수량계 수수구에 주입한 강수량), 빨간색 선은 전도식 우량계에서 계측 환산된 강수량으로 강우강도가 커짐에 따라 1.0 mm 전도 강수량계의 오차율은 1.45 %인데 비해 0.5 mm 전도형 강수량계의 오차율은 7.32 %, 0.1 mm 전도형 강수량계의 오차율은 16.3 %까지 오차가 급증하는 것으로 나타났다.

Fig. 7은 강우강도 상황별로 유입과 계측 간의 오차율(%)만 도시한 것인데, 두드러진 점은 1.0 mm 강수량계는 강우강도 커짐과 상관없이 오차가 일정하게 나타났다. 실내 실험 조건 내 가장 강한 호우에 해당하는 300 mm/h(대략 강우강도 5.2 mm/m)의 경우는 매년 다수 발생하는 폭우 수준에 해당하는 강우로 이러한 결과는 강한 강우강도로 인해 발생할 수 있는 홍수피해 예측이나 홍수예경보 목적 시 활용하는 기기의 중요한 성능 조건이 될 수 있다(Ministry of Envionment, 2022). 0.5 mm 전도형 강수량계의 경우는 두번째 조건인 2.0 mm/m 정도까지는 큰 차이가 없으나 그 이상의 강우강도에서는 급격히 오차가 증가하였다.

홍수예보 측면에서 강수의 정밀도와 시공간적 관측 정확도 확보는 중요한 요소이다. 홍수예보는 실시간 강수량 기반으로 수위를 예측하므로 강수량 품질에 대한 응답성이 높다. 따라서 홍수예보를 목적으로 한 강수량계 분해능 선택에 있어서는, 0.5 mm, 1 mm 전도형 강수량계 모두 국내 표준(자동기상관측장비의 표준규격)에 부합하는 상황으로, 상대적으로 강한 강우강도에서 일관적인 정밀도를 보이는 1 mm를 사용하는 것이 홍수 위험 예측에 기여할 수 있을 것으로 판단된다.

Fig. 6. Comparison of Inflow and Measured Amounts by Rain Gauge Precision at Observatories. (a) 0.1 mm Rain Gauge, (b) 0.5 mm Rain Gauge, (c) 1.0 mm Rain Gauge

../../Resources/KSCE/Ksce.2025.45.5.0549/fig6.png

Fig. 7. Comparison of Precipitation Observation Errors by Precipitation Gauge Precision at Observatories

../../Resources/KSCE/Ksce.2025.45.5.0549/fig7.png

Table 3. The Results of Precipitation Observation Experiments by Precipitation Gauge Precision at Observatories

Case

Rainfall amount (g) and rainfall intensity (mm/30 min) over a 30-minute period

0.1 mm

0.5 mm

1.0 mm

P_inflow

Obs.

Error Rate

(%)

P_inflow

Obs.

Error Rate

(%)

P_inflow

Obs.

Error Rate

(%)

amount

(g)

intensity

(mm/

30 m)

intensity

(mm/

30 m)

amount

(g)

intensity

(mm/

30 m)

intensity

(mm/

30 m)

amount

(g)

intensity

(mm/

30 m)

intensity

(mm/

30 m)

No 1.

(within 50 mm, 0.8 mm/m)

758.9

24.1

25

3.73

760.3

24.2

23.5

2.9

744.6

23.7

24

1.26

No 2.

(within 120 mm, 2.0 mm/m)

1876.8

59.7

56.3

5.7

1914.3

60.9

59

3.2

1879.6

59.8

59

1.34

No 3.

(within 220 mm, 3.7 mm/m)

3264.8

103.9

95.8

7.8

3350.3

106.7

100

6.3

3346.6

106.5

105

1.41

No 4.

(within 310 mm, 5.2 mm/m)

4856.8

154.6

128.9

16.3

4813.3

153.2

142

7.32

4781.6

152.2

150

1.45

4. 결 론

본 연구에서는 홍수예보에 중요한 입력 자료로 활용되는 강수량 활용에 있어 강수량계의 분해능에 따른 특성 분석 등을 통해 적정 강수량계 분해능을 제시하기 위한 기초 연구이다. 이를 위해 관측소 배치(위치, 밀도)에 따른 강수량 분석을 하였으며, 검정관측소에 설치된 강수량계 분해능별(0.1 mm, 0.5 mm, 1.0 mm) 강수량 관측의 민감도 실험을 실시하였다. 연구 결과는 다음과 같다.

(1) 2020년 7월 20일에서 8월 9일까지의 AWS, TM 지점 및 강우레이더 강수량 분석 결과, AWS, TM 관측소 간의 배치나 공간 밀도 차이에 의해 강수량 관측의 편차가 크게 발생하였으며, 강우레이더와 비교한 결과, AWS의 공간 재현성이 TM에 비해 낮게 나타났다.

(2) 다양한 강우강도 조건에서의 강수량계 분해능별 관측 성능 실험 결과, 강우강도가 커짐에 따라 1.0 mm 전도 강수량계는 1.45 %, 0.5 mm는 7.32 %, 0.1 mm는 16.3 %까지 오차가 급증하였다.

(3) 0.5 mm의 경우는 2.0 mm/m 정도까지 일정하나 이상에서 급격히 오차 증가 경향이 나타났으나, 1.0 mm의 경우, 강우강도 커져도 오차가 크게 증가하지 않고 비교적 일정한 패턴을 보였다.

(4) 최근 큰 강우의 발생의 빈도가 증가함에 따라 초과 강우 측정에 적합한 강수량계 규격 선택에 대한 중요도가 커질 것으로 생각되며, 강한 강우강도로 인한 홍수 피해를 줄이기 위한 홍수예보 목적에서는 상대적으로 효과적일 것으로 판단되었다.

Acknowledgements

This research was supported by a grant(2022-MOIS61-003 (RS-2022-ND634022)) of Development Risk Prediction Technology of Storm and Flood for Climate Change based on Artificial Intelligence funded by Ministry of Interior and Safety(MOIS, Korea).

References

1 
"Bae, H. and Kwon, B. (2025). “Performance certification test method of simple tipping bucket rain gauge.” Journal of the KIECS, Vol. 20, No. 3, pp. 571-576, http://dx.doi.org/10.13067/JKIECS.2025.20.3.571 (in Korean)."DOI
2 
"Hong, S., Kim, I., Kim, H., Kim, K., Lee, H. and Shin, G. (2020). “Precipitation uncertainty analysis according to measurement environment.” 2020 Korea Institute of Communications and Information Sciences Summer Conference, pp. 504-505 (in Korean)."URL
3 
"Hong, S., Park, B., Kim, J. and Jung, H. (2018). “Performance tests and uncertainty analysis of precipitation types.” Journal of the Korea Institute of Information and Communication Engineering, Vol. 22, No. 7, pp. 935-942, http://doi.org/10.6109/jkiice.2018.22.7.935 (in Korean)."DOI
4 
"Hwang, S. and Ham D. (2013). “Evaluation of spatial downscaling methods for enhancement of spatial precipitation estimation.” Journal of Korean Society of Hazard Mitigation, Vol. 13, No. 4, pp. 149-163, https://doi.org/10.9798/KOSHAM.2013.13.4.149 (in Korean)."DOI
5 
"Lee, C. and Kim, H. (2021). “Development and assessment of methods for predicting rainfall in unmeasured watersheds using the relation between observed and sensor-measured rainfall.” Journal of the Korean Society of Hazard Mitigation, Vol. 21, No. 6, pp. 293-302, https://doi.org/10.9798/KOSHAM.2021.21.6.293 (in Korean)."DOI
6 
"Ministry of Envionment (2022). Research Service on the Accuracy of Precipitation Measurement."URL
7 
"Shin, G. and Hong, S. (2006). “Development of standard calibration system for the rain gauges by weighting method.” Journal of Control, Automation and Systems Engineering, Vol. 12, No. 8, pp. 818-823, Institute of Control, Robotics and Systems, https://doi.org/10.5302/J.ICROS.2006.12.8.818 (in Korean)."DOI
8 
"Yoo, C., Kim, I. and Ryoo, S. (2003). “Evaluation of raingauge density and spatial distribution : A case study for Nam Han river basin.” Journal of Korea Water Resources Association, Vol. 36, No. 2, pp. 173-181 (in Korean)."URL
9 
"Yu, Y., Jang, B. and Jung, S. (2010). “A experimental research on the characteristic analysis of the tipping-bucket rain gauge by the rainfall intensity.” 2010 Annual Meeting of the Korea Water Resources Association, pp. 1951-1955 (in Korean)."URL