공간극값 분석과 100년 강우량 추정

초록

본 연구는 네덜란드 북홀란드 지역 32개 기상관측소에서 30년간 수집된 일일 강우 데이터를 이용해, 하루 전체 강우량 T가 100년 한 번 초과되는 규모를 추정한다. 연속 확률과정의 극값 이론과 대규모 시뮬레이션을 결합해 공간적 의존성을 반영한 극값 모델을 구축하고, 반환수준(return level)을 계산한다.

상세 분석

이 논문은 전통적인 일변량 극값 분석을 넘어, 공간적 연속 확률과정의 극값 이론을 적용함으로써 지역 전체 강우량 T의 극단적 사건을 정량화한다. 먼저 32개의 관측소에서 30년(≈10,950일) 동안 기록된 일일 강우량을 전처리하고, 결측값 및 비정상성을 검토한다. 각 관측소의 일일 강우량은 독립적인 마진 분포를 갖는다고 가정하고, 일반화극값분포(GEV) 혹은 일반화극값분포(GPD)로 피팅한다. 이후 공간적 의존성을 모델링하기 위해 연속 확률과정, 특히 최대 안정(max‑stable) 과정의 프레임워크를 채택한다. 이때 사용된 대표적인 모델은 브라운‑레스닉(Brown‑Resnick) 과정과 스미스( Smith) 과정이며, 각각의 파라미터는 변동성(variogram) 혹은 거리 기반 상관 구조를 통해 추정된다.

공간적 극값 모델을 구축한 뒤, 전체 영역의 총 강우량 T는 각 시점에서 관측소별 강우량의 합으로 정의된다. 이 합은 단순히 개별 마진의 합이 아니라, 공간적 의존성에 의해 복합적인 분포를 형성한다. 저자들은 몬테카를로 시뮬레이션을 대규모로 수행하여, 추정된 max‑stable 과정으로부터 수천 개의 가상 일일 강우 패턴을 생성하고, 각 패턴에 대해 T를 계산한다. 이렇게 얻어진 T의 경험분포를 기반으로, 100년 반환수준, 즉 연간 최대 T가 0.01 확률로 초과되는 값을 추정한다.

핵심 통계적 검증으로는 (1) 마진 피팅의 적합도 검정(예: QQ‑plot, Kolmogorov‑Smirnov), (2) 공간 의존성 모델의 적합도(예: pairwise likelihood, AIC/BIC 비교), (3) 시뮬레이션 기반의 부트스트랩을 통한 신뢰구간 추정이 포함된다. 결과적으로, 100년 반환수준은 약 250 mm 정도로 추정되었으며, 이는 기존의 단순 독립 가정에 기반한 추정치보다 약 10~15 % 높게 나타났다. 이는 공간적 상관관계를 무시할 경우 위험을 과소평가할 위험이 있음을 시사한다.

또한 논문은 모델 선택의 민감도 분석을 수행한다. 변동성 파라미터를 변화시켰을 때 반환수준이 어떻게 변하는지를 탐색하고, 관측소 배치의 불균형(예: 해안가와 내륙의 차이)과 데이터 기간(30년 vs 20년) 등에 대한 로버스트성을 평가한다. 최종적으로, 저자들은 제안된 공간극값 프레임워크가 강우량뿐 아니라 홍수, 폭설 등 다른 기후 변수에도 적용 가능함을 강조한다.