뉴욕시 허리케인 샌디 침수 예측을 위한 라이다 고도·수심·도시 인프라 결합 서브그리드 모델

초록

본 논문은 라이다 기반 고해상도 지형·수심 데이터와 도시 건축·도로 인프라 정보를 서브그리드 형태로 결합한 수위 모델을 개발하고, 2012년 허리케인 샌디 시나리오에 적용해 FEMA 관측과 비교하였다. 서브그리드 방식은 격자 내부의 부분 침수·배수를 정밀히 표현해 평균 거리 오차를 38 m에서 32 m로, 면적 일치율을 75 %에서 80 %로 향상시켰다.

상세 분석

이 연구는 기존 2차원 수치해석 모델이 격자 크기에 의해 세부 지형을 과도하게 평탄화하는 한계를 극복하기 위해 ‘서브그리드’ 개념을 도입하였다. 기본 격자는 수십 미터 규모로 설정하고, 각 격자 안에 1 m 수준의 라이다 고도와 고해상도 수심(해저 지형) 데이터를 삽입함으로써, 격자 경계면을 통과하는 유량을 실제 건물·도로·하부통로(underpass) 형태에 따라 가중치 부여한다. 특히, 건물 높이와 거리·도로 폭을 DEM에 직접 포함시켜 물 흐름을 차단·우회시키는 효과를 정량화하였다.

모델 검증은 FEMA가 제공한 최대 침수 경계와의 공간 비교를 통해 수행했으며, 평균 거리 차이(mean absolute distance error, MADE)와 면적 일치율(percentage of area match) 두 지표를 사용하였다. 초기 모델(건물·하부통로 미포함)에서는 MADE가 38 m, 면적 일치율이 75 %에 머물렀다. 이후 건물 외각을 DEM에 삽입하고, 고속도로 및 주요 교량의 하부통로를 투명하게 처리함으로써 물 흐름 차단 현상을 해소하였다. 결과적으로 MADE는 32 m로 감소하고, 면적 일치율은 80 %까지 상승하였다.

오류 분석에서는 뉴저지 지역의 건물 데이터 부재, 고속도로 underpass가 DEM에 의해 물리적으로 차단된 경우, 그리고 FEMA와 사용된 DEM 소스 간 고도 차이 등이 주요 원인으로 지목되었다. 특히, underpass와 같은 ‘음영 구역’은 물이 실제로는 통과하지만, 고도 모델에서는 높은 지형으로 인식되어 유량을 차단한다는 점이 서브그리드 모델의 민감도를 크게 좌우한다는 점을 확인하였다.

이와 같은 결과는 도시 환경에서의 침수 예측에 있어 고해상도 지형·수심 데이터와 인프라 정보를 통합하는 것이 필수적임을 강조한다. 서브그리드 방식은 기존 수치 모델 대비 계산 비용이 크게 증가하지 않으면서도, 부분 침수·건물 내부 유동까지 정밀히 재현할 수 있는 장점을 제공한다. 향후 실시간 경보 시스템이나 도시 계획에 적용하기 위해서는 데이터 업데이트 자동화와, 복합적인 인프라(지하철, 배수관망)까지 포함하는 다중 레이어 서브그리드 확장이 필요하다.