도시 초과강우의 고해상도 시공간 모델링

본 논문은 프랑스 남부 몽펠리에 도심에 설치된 OMSEV 관측망에서 수집된 마이크로 강우 센서 데이터를 활용해, 도시 규모의 초고해상도 강우를 통계적으로 모델링하고 시뮬레이션하는 새로운 프레임워크를 제시한다. 데이터는 2019년 9월부터 2025년 1월까지 5분 간격으로 기록된 20개의 튜핑버킷 강우계(3개는 제외)로 구성되며, 전체 관측치 중 23%가 결측, 98%가 0값이라는 특성을 가진다. 이러한 데이터 특성을 고려해 저자는 먼저 강우의 마진을 혼합분포로 모델링한다. 0값은 확률 p₀ 로 별도 처리하고, 양의 강우량은 확장 일반화 파레토 분포(EGPD)를 적용한다. EGPD는 기존 GPD의 꼬리 특성을 유지하면서 다항 변환 파라미터 κ를 도입해 중간 강우 구간까지 매끄럽게 연결한다. 이로써 임계값 선택의 번거로움 없이 전체 강우 스펙트럼을 하나의 파라미터 집합(ξ, σ, κ)으로 설명한다. 마진 모델링이 완료된 뒤, 저자들은 극한 강우 에피소드 간의 시공간 의존성을 모델링하기 위해 r‑Pareto 프로세스를 채택한다. r‑Pareto는 임계값 초과 데이터에 대한 한계 과정으로, max‑stable 브라운‑레스닉 과정의 구조를 보존하면서 계산 효율성을 크게 향상시킨다. 특히, 저자들은 변Variogram을 비분리형으로 설계해 공간 라그 Λ_S와 시간 라그 Λ_T를 동시에 고려하고, 각 강우 에피소드마다 레이더 재분석을 통해 추정한 이동 벡터(v) 를 변Variogram에 포함시켰다. 이는 강우 셀의 이동(광산 이동)을 명시적으로 모델링함으로써, 전통적인 정적 변Variogram이 놓치기 쉬운 동적 패턴을 포착한다. 파라미터 추정은 복합가능도(composite likelihood) 접근법을 사용한다. 전체 데이터의 차원 폭발을 피하면서도, 공동 초과 사건(공동 초과 확률) 정보를 활용해 공간·시간 상관 파라미터와 마진 파라미터를 동시에 추정한다. 결측치와 0값 비중이 높은 특성을 반영해, 0값은 별도 확률 p₀ 로 모델링하고, 양의 값에 대해서만 EGPD와 r‑Pareto를 적용한다. 모델 검증 단계에서는 관측된 극한 강우의 공간 상관 함수, 클러스터 길이, 이동 속도 분포 등을 시뮬레이션 결과와 비교하였다. 에피소드별 advection을 포함한 비분리 변Variogram을 사용한 모델은, 이를 제외한 기존 모델에 비해 공간 상관 재현, 극한 강우 클러스터의 크기와 형태, 이동 경로 등에서 현저히 높은 정확도를 보였다. 특히, 24시간 누적 강우 500 mm 수준의 초극한 사건까지도 현실감 있게 재현하였다. 결과적으로 이 연구는 (1) EGPD를 통한 전체 강우량 연속 모델링, (2) r‑Pareto 기반 시공간 극한 의존성 모델링, (3) 에피소드별 이동 효과를 반영한 비분리 변Variogram 설계, (4) 복합가능도 기반 실용적 파라미터 추정이라는 네 가지 핵심 기여를 제공한다. 이러한 프레임워크는 고해상도 도시 강우 시뮬레이션, 홍수 위험 확률 평가, 기후 변화에 따른 극한 강우 변화 탐색 등에 바로 적용 가능하며, 특히 도시 계획·인프라 설계 단계에서 필요한 “극단적인” 강우 시나리오를 효율적으로 생성할 수 있다. 향후 연구에서는 더 긴 관측 기간과 더 밀집된 센서망을 활용해 파라미터의 공간·시간 변동성을 탐색하고, 기후 모델 출력과 연계한 비조건부 시뮬레이션을 확장하는 것이 제안된다.