2.1 Best track 분석

Best track은 대표적으로 하와이에 위치한 미 공군과 해군의 합동 태풍경보센터(JTWC: Joint Typhoon Warning Center)와 일본 도쿄에 위치한 지역특별기상센터(RSMC: Regional Specialized Meteorological Center)에서 제공하고 있다. RSMC는 10분 평균된 풍속, 풍속별 장·단축 반경 등에 관한 정보가 제공되며, JTWC는 1분 평균된 풍속, 풍속별 NE, SE, SW, NW 4분면에 대한 정보가 제공된다. JTWC는 34 kt, 50 kt, 64 kt 각 풍속별 4분면에 대한 풍속반경을 제공하고 있어 태풍의 형상을 비대칭 형태로 모사할 수 있기 때문에 실제 자연현상에서 발생하는 태풍 형상에 보다 근접하게 재현할 수 있다. Suh and Kim(2012)은 비대칭 경도풍이 고려된 해일고가 국부적으로 증가될 수 있는 가능성을 제시한 바 있다. 그러나 비대칭 형태로 태풍을 모사할 수 있는 정보는 2001년부터 제공하고 있기 때문에 누적된 태풍 자료가 불충분하여 태풍 속성을 분석하는 것이 적합하지 않다. 따라서 본 연구에서는 4분면에 대한 풍속 반경 특성을 분석하지 않고, JTWC의 태풍 중심기압과 최대풍속, 최대풍속 반경 등의 태풍 속성을 분석하였다.

2.2 최대풍속 및 최대풍속 반경

기존 연구(Vickery et al., 2000; Willoughby et al., 2006)에서는 최대풍속 반경이 최대풍속과 사이클론의 중심위치의 위도와 상관관계가 있는 것으로 제시한 바 있다. Kim and Suh(2016)는 북서태평양에서 발생한 태풍을 분석하기 위해 JTWC에서 제공하는 1951~2015년 기간에 발생한 태풍의 best track을 분석하였으며, 기존 연구자들이 제시한 최대풍속(V_max) 및 최대풍속 반경(R_max)과 태풍 중심기압(ψ)의 상관관계식과 비교하였다. Willoughby et al.(2006)과 Vickery and Wadhera(2009)가 제시한 최대풍속 반경 산정식(식 1~2)에 JTWC의 best track 최대풍속 반경과 태풍 중심 위치의 위도, Δp 등을 대입한 결과를 Fig. 1에 제시하였다. 태풍 중심 위치의 위도에 따른 변동성이 고려되어 본 연구에서 제시한 지수회귀선 인근에 최대풍속 반경이 분포되는 것으로 나타난다. Willougby et al.(2006)이 제안한 최대풍속 반경은 대부분 지수 회귀선 아래에 분포되어 나타난다. Vickery and Wadhera(2009)의 최대풍속 반경은 약 980 hPa 기준으로 기압이 낮아질수록 지수회귀선을 상회하여 나타나며, 기압이 증가할 때는 반대 경향으로 나타난다. 실제 발생한 태풍 볼라벤(TY1215), 매미(TY0314), 곤파스(TY1007), 산바(TY1216) 등의 중심기압이 940~980 hPa 구간일 때 최대풍속 반경 분포가 지수 회귀선에 대부분 5 km 내외에서 일치하는 것으로 나타난다.

Fig. 1.

Comparison of historical typhoon characteristics with corresponding values suggested by relevant studies for R_max vs P_C.

여기서, Δp는 태풍 중심기압과 주변기압의 차이, V_max는 최대풍속, ψ는 태풍 중심 위치이다. 최대풍속과 중심기압의 상관관계는 Fig. 2에 제시하였으며, 중심기압이 높을수록 최대풍속이 감소하는 역상관관계로 나타난다. 본 연구에서 제시한 2차 다항식 회귀선과 Vickery and Wadhera(2009)가 제시한 식에 의해 산정된 중심기압에 따른 최대풍속 경향이 유사하게 나타난다.

Fig. 2.

Comparison of historical typhoon characteristics with corresponding values suggested by relevant studies for V_max vs P_C.

3.1 확률론적 합성태풍 생성

호주 지형연구원(GA: Geoscience Australia)에서 개발한 TCRM(Topical Cyclone Risk Model)은 열대 저기압(tropical cyclone)에 의해 발생할 수 있는 기압과 풍속에 대한 취약성을 분석할 수 있으며, 역사태풍 속성 정보로부터 확률밀도함수를 추정하고 풍속에 대한 빈도 해석을 수행할 수 있다. TCRM은 자료처리 모듈, 통계 모듈, 이동 경로 생성 모듈, 바람장 모듈 그리고 위험성 모듈로 구성되며, 처리 과정은 Python code로 자동화 되어 있다. 태풍의 이동경로를 생성하는 모듈은 Hall and Jewson(2007)이 제시한 방법이 적용되어 있으며, 역사태풍의 이동경로를 정규분포로 추정하여 확률적으로 태풍의 이동 경로를 생성하게 된다. 중심기압에 대해서는 커널밀도추정(Kernel density estimation)를 이용해 분석하고, 확률적으로 중심기압을 생성하게 된다. 이와 같은 방법을 통해 통계 모듈에서는 과거 발생한 태풍의 이동경로와 중심기압의 속성에 대한 확률밀도함수의 모수를 추정하고, Monte-Carlo 방법으로 확률론적 합성태풍을 생성하게 된다. 이러한 방법으로 생성된 합성태풍은 과거 관측된 자료로부터 매우 높은 상관성을 유지할 수 있다.

본 연구에서는 TCRM을 이용해 태풍의 이동경로와 중심 기압이 고려된 174,689개의 합성태풍을 생성하였다. 또한 앞 절에서 분석한 중심기압과 최대풍속, 최대풍속 반경 등이 생성된 태풍의 중심기압으로부터 산정된다. Kang et al.(2016)은 서해안에 영향을 미친 태풍 속성 자료를 이용해 최대 풍속에 대한 빈도를 산정하였으며, 이와 일치하는 해일을 모의하기 위해 볼라벤과 같은 이동경로를 갖는 표준태풍을 선정하였다. 그러나 역사태풍의 이동경로와 내습각도는 매우 다양하게 나타나고, 태풍 속성이 동일하더라도 연안에서 발생하는 해일은 내습각도와 이동경로에 따라 다르게 나타난다. 이러한 제한사항을 극복하기 위해 역사태풍에 근거하여 확률적으로 태풍 이동경로와 속성이 고려된 합성태풍을 생성한 연구가 국내외에서 최초로 시도되었다. 생성한 합성태풍 이동 경로와 RSMC best track 이동경로는 Fig. 3과 Fig. 4에 제시하였다. 실제 역사태풍 이동경로는 중국 남동부 연안에 상륙하여 소멸되거나 황해로 재부상하여 우리나라로 이동하는 특성을 보인다. 그러나 중국 남동부 연안에 상륙한 합성태풍이 전부 소멸하는 것으로 나타나는 문제점이 있다. 다음 절에서는 이러한 문제점을 극복하기 위한 내용을 다룬다.

Fig. 3.

Synthesized typhoon tracks.

Fig. 4.

Historical typhoon tracks.

3.2 합성태풍 이동경로 개선

서남해안에 영향을 준 역사태풍 중 중국 동부 연안을 상륙하여 서해안으로 통과한 역사태풍은 7.2%로 나타나며, 합성태풍은 0.4%에 불과한 것으로 나타난다. 또한 류쿠열도를 통해 이동한 태풍이 황해를 가로질러 서해안으로 통과한 태풍이 역사태풍은 15.8%, 합성태풍은 11.4%로 다소 적게 나타난다. 남해안으로 통과한 역사태풍은 26.3%, 합성태풍은 44.1%로 과하게 통과하는 경향을 보인다. 따라서 태풍 통과량이 개선될 필요성이 있다. Vickery and Twisdale(1995)는 미국 플로리다 주를 통과한 9개의 관측된 허리케인 자료를 이용해 감쇠 매개 변수를 분석하였으며, 이러한 감쇠 매개 변수가 TCRM에 고려되어 있다. 그러나 본 연구에서 생성한 합성태풍의 대부분은 중국 남동부 연안으로 상륙하여 재부상(resurface) 하지 않고 소멸(decay)되는 것으로 나타난다. 태풍이 연안으로 상륙하게 되면 중심기압이 다음 식(3)과 같이 지수함수 적으로 감소하여 태풍의 잠재력이 상실된다.

여기서, Δp(t)는 태풍이 상륙한 후 시간에 따라 변화되는 태풍 중심기압과 주변기압의 차이, Δp₀는 태풍이 상륙하기 이전의 기압 차이, a는 감쇠 매개 변수, t는 시간을 의미한다. 식(3)에 의한 중심기압 감소는 감쇠 매개 변수에 매우 민감하며, 미국 연안에서 산정한 감쇠 매개변수는 육상고도와 해안선 상태 등과 같은 지질학적 영향이 고려되어 산정되었기 때문에 다른 지역에 확장하여 적용하는 것은 곤란하다. Fig. 5에 제시한 바와 같이 역사태풍은 우리나라 연안을 다양한 경로로 이동한다. 대부분의 이동경로는 류쿠열도를 관통하는 것으로 나타난다. 그러나 일부 이동경로는 중국 해안을 상륙하여 소멸되거나 황해로 재부상한 후 서남해안에 영향을 준다. 이러한 태풍 이동경로 특성이 합성태풍 이동경로에 적용되어야 한다.

Fig. 5.

Historical typhoon tracks through southeast China from 1951 to 2016: purple indicates decayed storms and brown indicates resurfaced storms that affected the Korean peninsula.

TCRM을 이용해 생성한 합성태풍 중 중국 해안으로 상륙한 태풍은 중심기압이 급격하게 감쇠되어 소멸되는 비현실적인 태풍이 Fig. 3과 같이 나타난다. 그러나 역사태풍 중 중국 해안으로 상륙한 태풍은 소멸되거나 재부상하여 서남해안으로 이동하는 특징을 보인다. 기존 연구(Vickery and Twisdale, 1995; Vickery, 2005; Vickery et al., 2009; Xiao, et al., 2011; Zhao et al., 2013)에 따르면 중심기압은 해수면 위에서 증가할 수 있으며, 상륙 후 해수면 위로 이동하면서 시간과 거리에 따라 회복될 수 있다. 따라서 실제 발생된 태풍처럼 합성태풍을 생성하여 발생하는 해일고를 분석하기 위해서는 태풍이 상륙한 후 재부상하는 효과를 고려하는 것이 필요하다.

태풍의 약 30%는 중국 동남 해안에 상륙하여 황해로 재부상한 후 서해연안에 영향을 미치는 것으로 나타난다. 또한 태풍의 이동경로가 중위도에서 온대 저기압화(Bruneau et al., 2017; Jones et al., 2003)에 의해 변환되는 북위 30도에서 위도에 따라 달라지는 적절한 확률밀도함수를 산정하여 TCRM에 적용하였다. 본 연구에서는 RSMC에서 관측된 1951~2016년 기간 동안 중국 동부 연안으로 상륙한 233개의 태풍 이동경로에 대해 분석하였다. 태풍 이동경로 중 114개는 서측으로 이동하여 중국 동남 측 연안에서 소멸되고, 119개는 황해로 이동하여 재부상 된다. 이러한 태풍의 이동 특성을 고려하기 위해 extRemes(Gilleland and Kakz, 2016)의 R-package를 이용하여 태풍의 이동 각도에 따른 확률밀도함수를 추정하였다. 일반화된 극치분포(GEV: Generalized Extreme Value)가 가장 적합한 것으로 추정되었으며, 확률밀도함수는 식(4)와 같다. 태풍 소멸은 Gumbel 분포로 나타나고 재부상은 Weibull 분포를 따르는 것으로 Fig. 6과 같이 나타나며, 추정된 모수는 Table 1에 제시하였다.

Fig. 6.

Fitted probability density functions of heading directions for typhoons that landed on southeast China and: (a) decayed on land or (b) resurfaced over Yellow sea (0°: north; negative: west; positive: east).

Table 1.

Probability distribution function parameter of decayed and resurfaced tracks

여기서, μ는 위치 모수(location parameter), σ는 규모 모수(scale parameter), ξ는 형상 모수(shape parameter)이다.

합성태풍을 생성할 때 가장 적합한 확률밀도함수를 선정하기 위해 역사태풍 이동경로를 분석하였다. Fig. 7(b)과 같이 위도와 경도를 각 5도 간격 설정하여 RSMC best track 자료를 구역별로 확률밀도함수를 추정하였으며, 태풍 이동 각도에 대한 모수를 Table 2에 제시하였다. 분석한 확률밀도함수와 추정된 모수를 TCRM의 Python code에 반영하였다. 합성태풍을 생성한 결과 Fig. 7(b)과 같이 중국 남동부 연안에서 태풍이 소멸되거나 재부상하는 것으로 나타난다.

Fig. 7.

Synthesized typhoon tracks affecting Korean coasts after landing on southeast China: (a) without and (b) with improvement.

Table 2.

Probability density functions parameters of typhoon headings, in degrees, based on historical tracks shown in the southeast China zones in Fig. 7(b)

3.3 합성태풍 속성 분석

3.3.1 중심기압

우리나라 서남해안에 직·간접적으로 영향을 미친 태풍을 대상으로 중심기압을 분석하였다. 위도에 따른 역사태풍과 합성태풍의 중심기압을 Fig. 8에서 살펴보면 역사태풍의 최저기압은 885 hPa, 합성태풍은 888 hPa로 나타나고, 평균은 역사태풍과 합성태풍에서 975 hPa로 동일하게 나타난다. 그러나 서남해안에 영향을 미치는 태풍의 중심 위치는 북위 25~40도 구간이다. Fig. 8에 점선으로 표시된 구간의 합성태풍에서 관측 자료로부터 설명되지 않는 중심기압이 나타나며, 불충분한 관측 자료가 이론적 확률분포함수에 적용되어 나타나는 것으로 추정된다. 그러나 태풍 중심기압 평균은 합성태풍과 best track에서 동일하게 나타나고 표준편차는 합성태풍에서 20.4 hPa, best track은 22.9 hPa로 유사하게 나타난다. RSMC best track과 합성태풍의 이동경로를 살펴본 결과 Fig. 9와 같이 나타나며, 역사태풍의 이동경로는 합성태풍에 비해 국부적으로 무작위성을 보인다.

Fig. 8.

Comparison of central pressure of synthetic typhoon tracks and historical tracks.

Fig. 9.

Historical tracks and generated synthetic typhoon tracks affecting the southwest coast.

3.3.2 이동경로

북서태평양에서 발달한 태풍은 황해 및 남해를 통과하여 서남해안에 직·간접으로 영향을 주기 때문에 이러한 태풍 이동 경로를 분석할 수 있도록 Fig. 10과 같은 경계를 설정하였다. RSMC에서 제공하는 1951~2016년 기간의 역사태풍 이동 경로와 기존 TCRM을 통해 생성한 합성태풍 이동경로, 그리고 앞 절에서 개선된 온대 저기압화 및 중심기압 감쇠 효과가 고려된 이동경로를 Fig. 10에 제시하였다. 역사태풍 이동경로를 살펴보면 태풍은 주로 류쿠열도를 지나 S1으로 54.1%, S2는 15.8%, W1은 21.5%가 통과하여 대부분 우리나라 서해안 경계 E2로 15.8%, 남해안 경계 M1로 26.3%, 일본 서측 연안 E1로 32.5% 경계로 통과한다. 전체 태풍 통과율을 살펴보면 S1, S2, W1 경계로 91.4%가 통과되어 74.6%가 E1, E2, M1으로 통과되는 것으로 나타난다. 특히 중국 동남부 연안으로 상륙한 태풍이 W1 경계로 21.5% 통과하여 황해로 재부상하는 것으로 나타나고, N1, N2, E2, M1 경계로 18.7%가 통과하는 특징을 보인다. 개선 전·후 합성태풍 이동경로를 Fig. 7에 제시하였다. 통과율을 살펴보면 W1 경계로 관측은 21.5%, 개선 전은 5.5%, 개선 후는 11.1%로 나타나며, E2 경계는 각각 7.2%, 0.4%, 4.9%, N2는 각각 4.3%, 1.1%, 2.6%, N1은 1.5%, 0.4%, 1.6%로 나타나 온대 저기압화 및 중심기압 감쇠 효과를 개선함으로써 전반적인 태풍 통과율이 개선된 것으로 나타난다.

Fig. 10.

Typhoon headings affecting or predicted to affect the Korean peninsula: blue, brown, and purple indicate historical, synthetic tracks generated by the previous study, and synthetic tracks generated by this study, respectively. Storm tracks incoming via W1 (from southeast China) diverge into four directions.

4.1 수치모의 체계

Suh and Kim(2011)은 국부절단오차(LTEA)가 응용된 기법(Hagen et al., 2000; McDonald, 2006)을 이용해 수심에 따라 절점 밀집도가 달라지는 유한요소 격자체계를 태풍의 이동경로가 충분히 포함시킬 수 있도록 하여 NWP-G57k를 생성한 바 있다. 격자체계는 총 56,617개의 절점과 104,094개의 유한요소로 구성된다. 적용된 수심은 KorBathy30s와 ETOPO1이 적용되었고, 개방경계는 FES2004(Lyard et al., 2006)로부터 추출한 M₂, S₂, K₁, O₁, N₂, K₂, P₁, Q₁ 등 총 8개 분조가 고려된다. 우리나라 연안 96개 관측소와 국제수로기구 153개 관측소의 조석 진폭과 위상을 계산치와 비교한 결과 진폭 RMS 오차가 0.138 m, 위상은 14.80 degree로 나타난다. 이외에도 ADCIRC(Luettich et al., 1992) 모형을 적용한 연구(Suh et al., 2015; Fleming et al., 2008; Blanton et al., 2012)가 수행되었고, 태풍과 허리케인 재현 및 예측에 대한 연구결과에서 우수한 신뢰성을 제시하고 있다. 본 연구에서는 기존 연구(Suh and Kim, 2011; Suh et al., 2015)에서 제시한 조석, 폭풍해일 모의 신뢰성이 검증된 NWP-G57k 격자체계를 이용해 조석과 합성태풍에 의한 해일고를 산정하였다.

4.2 합성태풍 적용성 평가

본 절에서는 금번 연구에서 생성한 합성태풍과 실제 자연현상에서 발생한 태풍에 의한 해일이 유사하게 나타나는지 살펴보고자 하였다. 대표적으로 서남해안에 큰 피해를 발생시킨 볼라벤과 매미를 선정하였으며, 역사태풍과 이동경로가 유사한 합성태풍을 Fig. 11과 같이 각각 5개를 선정하였다. 태풍 볼라벤이 경기만으로 상륙하기 전 중심기압, 최대풍속 반경, 최대풍속은 각각 960 hPa, 39 km, 45 m/s로 나타나고, 합성태풍은 각각 952~975 hPa, 36~48 km, 34~48 m/s로 나타난다. 태풍 매미가 남해안에 상륙하기 전 태풍 속성은 각각 950 hPa, 19 km, 50 m/s로 나타나고, 합성태풍은 각각 929~967 hPa, 27~42 km, 40~60 m/s로 나타난다. 역사태풍과 합성태풍의 속성이 유사한 것으로 나타난다. 합성태풍과 역사태풍 수치모의 시 조석과 해일을 함께 고려하였다. 볼라벤에 의해 관측된 해일고는 인천에서 1.68 m로 나타났으며, 합성태풍에 의한 해일고는 1.1~1.57 m로 나타나고, 매미에 의한 관측된 해일고는 0.99 m, 합성태풍은 0.61~0.97 m로 나타난다. 역사태풍과 합성태풍의 중심기압, 최대풍속, 최대풍속 반경의 속성은 Fig. 12~13에 제시하였고, 관측된 해일과 합성태풍에 의한 해일은 Fig. 14~15에 제시하였다. 본 연구에서 생성한 합성태풍의 속성이 과거에 발생한 태풍과 유사하게 나타나며, 수치 모의한 해일고도 유사한 범위로 나타나 합성태풍을 이용한 빈도 해일고를 산정하기 위해 적합한 것으로 판단된다.

Fig. 11.

Comparisons of generated storm tracks with historical typhoons: Bolaven and Maemi, where synthesized storm numbers with corresponding values are represented by different colors.

Fig. 12.

Comparison of characteristics of typhoons landed on the West coast.

Fig. 13.

Comparison of characteristics of typhoons landed on the South coast.

Fig. 14.

Comparison of simulated surge with observed surge at Incheon.

Fig. 15.

Comparison of simulated surge with observed surge at Busan.

4.3 Perl script를 이용한 해일고 산정

연안에 발생하는 조위와 조시는 무작위로 하여 조석상황을 발생시켰으며, hot start 조건으로 조석이 재현되는 상황에서 합성태풍을 각각 고려하여 해일을 재현하였다. 174,689개의 합성태풍에 의한 해일고 수치모의 계산은 280 core와 infiniband로 구성된 Zero9을 사용하고, 자동으로 모형의 입력 자료를 갱신하고 수치모의 되도록 Perl script를 이용하여 자동화 하였다. 일련의 과정을 상세하게 살펴보면, ADCIRC 모형을 이용하여 대조기와 소조기를 포함하는 30일 기간 동안 cold start 조건으로 모의하여 1시간 간격으로 hot start 조건인 조위와 유속이 포함된 정보를 데이터베이스(DB: Data Base)화 하였다. 이후 확률적으로 발생시킨 합성태풍을 순차적으로 Holland(1980)가 제안한 식으로 바람장과 기압장을 생성하게 된다. 이때 조석의 발생 시간은 nodal factor에 의한 조석변화 영향이 가장 작은 시기인 2011년 8월로 적용하였고, 30일 기간 중 조석 발생 시간을 무작위로 선정하여 조석과 태풍이 고려된 해일을 모의한다. 대조차 환경을 갖는 서해안과 남해안에 영향을 주는 합성태풍에 의한 조석이 고려된 해일은 조석 성분을 제거하기 위해 동일 기간에 조석만 고려하여 조위편차를 산정하였다. 서남해안의 주요 조위관측소에서 산정된 해일고를 추출하여 빈도 해일고를 산정하는데 이용된다. 이와 같이 일련의 과정은 자동화 스크립트를 통해 처리된다. 한 개의 확률태풍을 모의하는 시간은 약 4분 내외이며, 174,689개의 합성태풍 중 서남해안에 직·간접으로 영향을 줄 수 있는 태풍을 자동으로 판단하여 모의하는데 소요되는 시간은 약 3일이다.

4.4 합성태풍 모의 결과

합성태풍의 발생 수는 총 174,689개이며, 우리나라 서남해안으로 상륙하여 영향을 미친 태풍은 총 6,170개로 나타난다. 이러한 합성태풍을 이용해 빈도 해일고를 산정한 사례로 Lin et al.(2010)은 확률론적 합성태풍 7,555개를 이용하여 극치해일고를 산정한 바 있다. 앞 절에서 서술한 Perl script로 모든 과정이 자동화된 합성태풍 모의체계를 이용해 인천, 군산, 목포, 대흑산도, 완도, 여수, 통영, 부산, 서귀포 정점에서 모의된 합성태풍에 의한 최대 해일고를 산정하였다. 관측치 및 계산치에 대한 연 최대 해일고 평균과 표준편차를 계산하여 Table 3에 제시하였다. 대흑산도와 서귀포를 제외한 관측된 연 최대 해일고 평균은 0.31~0.57 m로 나타나며, 관측치는 0.29~0.54 m로 나타나 유사한 범위로 판단된다. 그러나 표준편차를 살펴보면 관측치에 비해 계산치가 0.07~0.20 m 크게 나타난다.

Table 3.

Comparison of surge height of observed and simulated

4.5 빈도 해일고 산정 및 비교 분석

우리나라 연안에서 발생 가능한 빈도 해일고를 산정하기 위한 연구 사례를 살펴보면, Suh et al.(2009)은 경험모의기법(EST: Empirical Simulation Technique), 연 최대치 시계열(AMS: Annual Maximum Series)과 부분시계열(POT: Peaks Over Threshold) 방법으로 산정된 해일고에 Generalized Pareto(GP) 분포를 적용한 바 있고, KORDI(2010)에서는 과거에 발생한 201개 태풍을 이용해 수치모델로 해일고를 재현하고 Weibull 분포를 적용하였다. 이와 같이 빈도 해일고를 산정하기 위해 분포의 적합도에 따라 극치 분포, GP 분포가 적용되고 있다. 본 연구에서는 빈도 해일고를 산정하기 위해 적합도가 뛰어난 일반화된 극치분포(GEV: Generalized Extreme Value)를 이용해 빈도 분석을 하였다. 확률분포 함수의 매개변수를 추정하는 방법은 확률가중 모멘트법(PWMM: Probability Weighted Moment Method), 최소자승법(LSM: Last Square Method), 최우도법(MLM: Maximum Likelihood Method) 등이 있다. Suh et al.(2009)에 의하면 모멘트법은 이상치가 있는 경우 변동성이 큰 단점이 있고, 확률가중 모멘트법의 경우 가장 큰 자료에 큰 가중치를 주기 때문에 재현기간이 큰 경우에 모멘트법이나 최우도법보다 지나치게 높은 극값을 산정하는 경우가 있기 때문에 최우도법을 사용한 바 있으며, 본 연구에서도 최우도법을 이용하였다.

합성태풍에 의한 빈도 해일고는 기존 연구(Suh et al., 2009; KORDI, 2010)와 금회 관측자료 분석을 통해 산정한 10, 20, 30, 50, 100년 빈도 해일고를 Table 4에 제시하였다. 본 연구에서 제시한 확률론적 합성태풍에 의한 빈도 해일고를 분석한 국내 사례가 없기 때문에 재현기간 동안에 발생할 태풍의 수를 구하여 Training Set을 기반으로 Training Set보다 큰 데이터베이스를 구성할 수 있는 경험모의기법을 이용하여 빈도 해일고를 산정한 결과(Suh et al., 2009)와 비교하였다. 서해안 인천, 군산, 목포의 합성태풍에 의한 빈도 해일고는 2.23~2.73 m로 나타나며, Suh et al.(2009)은 1.58~2.31 m로 제시되어 있어 상대적으로 높게 나타난다. 남해안에 위치한 완도와 여수는 유사하게 나타나며, 통영과 부산은 Suh et al.(2009)이 제시한 빈도 해일고가 각각 3.20 m, 1.98 m로 본 연구에서 제시한 1.62 m, 1.06 m보다 약 2배 높게 나타난다. 대흑산도와 서귀포의 빈도 해일고는 기존 연구 결과 및 관측된 빈도 해일고 보다 낮게 나타난다.

Table 4.

Comparison of return periods surge height (unit: m)