태풍에 따른 지역별 건물피해액에 영향을 미치는 요인 도출 및 피해 예측모델 개발 Influence Factors Suggestion and Prediction Model Development of Regional Building Damage Costs according to Typhoon원문보기
최근 세계적으로 기후 변화에 따라 태풍으로 인한 피해규모가 커지고 가속화되어 많은 피해를 받고 있는 중이다. 이에 몇몇 선진국의 경우, 태풍을 포함하여 다양한 자연재해로부터 건물에 미치는 손상을 최소한으로 하기 위해 건축물 피해액 사전예측 모델에 관한 연구가 진행되고 있는 추세이다. 하지만, 국내에서는 외국에서 개발된 프로그램을 사용하기에는 태풍의 크기나 영향력에서 많은 차이가 나므로 국내의 특성에 적합한 모델이 필요한 실정이다. 또한, 국내의 연구들은 태풍의 특성만을 고려하여 진행되고 있으나 태풍은 폭우와 강풍을 동반하는 복합재해로서 태풍의 특성뿐만 아니라 지리, 사회경제, 건설환경 등 다양한 요인을 고려하여야 한다. 이에 본 연구에서는 태풍에 따른 지역별 건물피해액 영향요인을 도출하고 회귀분석을 활용한 건물피해액 예측모델 개발을 목적으로 한다. 향후 본 연구의 결과는 미국의 HAZUS -MH와 같이 국내에서 태풍에 따른 피해를 예측하기 위한 모델 개발을 위한 자료로 활용될 것이다.
최근 세계적으로 기후 변화에 따라 태풍으로 인한 피해규모가 커지고 가속화되어 많은 피해를 받고 있는 중이다. 이에 몇몇 선진국의 경우, 태풍을 포함하여 다양한 자연재해로부터 건물에 미치는 손상을 최소한으로 하기 위해 건축물 피해액 사전예측 모델에 관한 연구가 진행되고 있는 추세이다. 하지만, 국내에서는 외국에서 개발된 프로그램을 사용하기에는 태풍의 크기나 영향력에서 많은 차이가 나므로 국내의 특성에 적합한 모델이 필요한 실정이다. 또한, 국내의 연구들은 태풍의 특성만을 고려하여 진행되고 있으나 태풍은 폭우와 강풍을 동반하는 복합재해로서 태풍의 특성뿐만 아니라 지리, 사회경제, 건설환경 등 다양한 요인을 고려하여야 한다. 이에 본 연구에서는 태풍에 따른 지역별 건물피해액 영향요인을 도출하고 회귀분석을 활용한 건물피해액 예측모델 개발을 목적으로 한다. 향후 본 연구의 결과는 미국의 HAZUS -MH와 같이 국내에서 태풍에 따른 피해를 예측하기 위한 모델 개발을 위한 자료로 활용될 것이다.
Currently, according to the climate change, serious damage by typhoon has been occurred in the world. In this respect, the research on the prediction model to minimize the damage from various natural disaster has been conducted in several developed countries. In the case of U.S, various models to pr...
Currently, according to the climate change, serious damage by typhoon has been occurred in the world. In this respect, the research on the prediction model to minimize the damage from various natural disaster has been conducted in several developed countries. In the case of U.S, various models to predict building damage costs have been used widely in many organizations such as insurance companies and governments. In South Korea, although studies regarding damage prediction model according to typhoon have been conducted, the scope has been only limited to consider the property of typhoon. However, it is necessary to consider various factors such as typhoon information, geography, construction environment, and socio-economy factors to predict the damages. Therefore, to address this issue, first, correlation analysis is conducted between various variables based on the data of typhoon from 2003 to 2012. Second, the damage prediction model by using regression analysis is developed based on suggested influence factors. The findings of this study can be utilized to develop the model for predicting the damage costs of buildings by typhoon like HAZUS-MH of US.
Currently, according to the climate change, serious damage by typhoon has been occurred in the world. In this respect, the research on the prediction model to minimize the damage from various natural disaster has been conducted in several developed countries. In the case of U.S, various models to predict building damage costs have been used widely in many organizations such as insurance companies and governments. In South Korea, although studies regarding damage prediction model according to typhoon have been conducted, the scope has been only limited to consider the property of typhoon. However, it is necessary to consider various factors such as typhoon information, geography, construction environment, and socio-economy factors to predict the damages. Therefore, to address this issue, first, correlation analysis is conducted between various variables based on the data of typhoon from 2003 to 2012. Second, the damage prediction model by using regression analysis is developed based on suggested influence factors. The findings of this study can be utilized to develop the model for predicting the damage costs of buildings by typhoon like HAZUS-MH of US.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 2003년부터 2012년까지 국내에 영향을 미친 31개의 태풍 중 피해가 미비한 태풍을 제거한 15개 태풍에 의한 지역별 건물피해액의 실제데이터를 토대로 회귀분석을 활용하여 예측모델을 개발하였다. 본 연구의 결과는 다음과 같다.
본 연구에서는 상관분석을 통해 건물피해액에 영향을 미치는 변수들로 회귀분석을 활용하여 태풍에 따른 지역별 건물피해액 예측모델을 개발하는 것을 목적으로 한다. 이를 위해, 식(1)과 같은
본 연구에서는 태풍에 따른 건물피해액을 예측할 시 그 지역의 사회경제적인 요인이 건물피해액에 영향을 미친다는 가정 하에 이론적 고찰을 통하여 사회경제요인인 인구밀도, 국민기초생활소득자, 경상소득, 지역내총생산, 범죄발생건수와 상관관계가 있는지 분석하였다. Table 12는 건물 피해액과
또한, 국내의 연구들은 태풍의 특성만을 고려하여 진행되고 있으나 태풍은 폭우와 강풍을 동반하는 복합재해로서 태풍의 특성뿐만 아니라 지리, 사회경제, 건설환경 등 다양한 요인을 고려하여야 한다. 이에 본 연구에서는 태풍에 따른 지역별 건물피해액 영향요인을 도출하고 회귀분석을 활용한 건물피해액 예측모델 개발을 목적으로 한다. 또한, 다양한
제안 방법
05이상을 나타내므로 정규분포를 따른다는 것을 알 수 있으며 Figure 7(a), (b)의 히스토그램과 P-P도표는 이를 뒷받침하고 있다. 그러므로, 본 연구에서는 종속변수를 식(2)와 같이 로그화시킨 회귀모형의 분석을 실시하였다.
넷째, 태풍에 따른 건물피해액이 증가되는 원인으로써 지역별 사회 및 경제적인 요인들이 영향을 미친다는 가정 하에 사회경제요인으로써 인구밀도, 국민기초생활수급자, 경상소득, 지역내 총생산, 강력범죄발생건수를 변수로 설정하였다.
둘째, 본 연구에서는 이론적 고찰을 통해 태풍에 따른 건물피해액에 영향을 미칠만한 지리적 요인을 선정하였다. 이후 상관분석을 통해
후)건물 피해액의">건물피해액의 데이터를 수집한다. 둘째, 영향요인들을 태풍정보, 지리정보, 건설환경 및 사회경제요인의 4가지로 분류하여 각 요인들의 데이터를 수집한다. 셋째, 앞서 수집된 데이터를 토대로
후)수도권 지역이">수도권지역이 각각 50만개, 27만개, 도시공원은 경기지역이 16만개, 댐은 전남지역이 97개, 절토사면은 경북지역이 66개로 가장 많은 것으로 조사되었다. 또한, 노후건축물, 도시공원, 고층건물의 경우 기간별로 변동이 있었기 때문에 2003년부터 2012년까지의 각 지역별 평균으로 조사하였다.
후)예측 모델">예측모델 개발을 목적으로 한다. 또한, 다양한 영향요인들을 고려하기 위해 해외 선행연구 분석을 통해 태풍정보, 지리정보, 건설환경 및 사회경제의 4개의 항목으로 분류하여 세부적으로 24개의 변수를 선정하였다. 향후 본 연구의 결과는 미국의 HAZUS -MH와 같이 국내에서 태풍에 따른 피해를 예측하기 위한 모델 개발을 위한 자료로 활용될 것이다.
후)건물 피해액을">건물피해액을 종속변수로 활용하였다. 또한, 본 연구에서는 데이터를 효율적으로 분석하기 위해 태풍과 지역 명을 하나의 코드로 설정하였다[19].
또한, 태풍에 따른 건물피해액에 미치는 영향요인들을 종합적으로 분석하기 위해 Table 1과 같이 해외의 선행연구들에서 도출된 영향요인들을 근거로 본 연구에서는 크게 4개의 항목인 태풍정보, 지리정보, 건설환경 및 사회경제요인으로 분류하여 기상청, 국가통계포털, 국가태풍센터, 국토교통통계누리, 국립해양조사원 등을 통해 자료를 수집하였다[3,4].
본 연구에서는 독립변수로써 Table 4와 같이, 태풍정보, 지리정보, 건설환경 및 사회경제요인의 4개 항목으로 분류하였다.
셋째, 태풍에 따른 건물피해액에 영향을 미칠만한 건설환경 요인을 노후건축물, 도시공원, 댐, 절토사면, 고층건물 수로 설정하였다.
소방방재청에서는 재해연보를 통해 지역에 따른 건물, 선박 농경지등 피해액 현황에 대하여 정기적으로 데이터를 수집하고 있으며 본 연구에서는 재해연보의 자료 중 건물피해액을 종속변수로 활용하였다. 또한, 본 연구에서는 데이터를 효율적으로 분석하기 위해 태풍과
후)미칠 만한">미칠만한 지리적 요인을 선정하였다. 이후 상관분석을 통해 건물피해액에 직접적으로 영향을 미치는 요인에 대하여 도출하였다.
후)일최다 강수량은">일최다강수량은 태풍별 가장 큰 값으로 조사하였다.
종속변수는 건물피해액이며 독립변수는 상관분석을 토대로 도출된 건물피해액과 상관관계가 있는 태풍정보, 지리정보, 건설환경, 사회경제요인들이다. 앞서 상관분석에서
첫째, 태풍정보요인으로써 세계기상기구에서 태풍의 강도 및 규모의 기준을 산정하기 위해 활용하는 태풍의 이동속도, 중심기압, 최대풍속, 강풍반경 그리고 일최다강수량을 변수로 선정하였다.
후)지역 코드는">지역코드는 광역자치단체로써 서울특별시와 6개의 광역시(대전, 대구, 부산, 인천, 광주, 울산), 제주도, 경기도, 강원도, 전라남도, 전라북도, 충청남도, 충청북도, 경상남도, 경상북도로 구분하였다. 태풍의 경우, 소방방재청의 재해연보를 통해 2003년부터 2012년까지 국내에 영향을 미친 전체 28개의 태풍에서 본 연구에서는 피해가 경미하게 발생한 태풍을 제외하였으며 이재민, 사망자 수가 발생한 15개 태풍을 선정하고 코드를 설정하였다.
대상 데이터
본 연구는 태풍에 따른 건물피해액 예측모델 개발을 위해 첫째, 2003년부터 2012년까지의 태풍을 지역별로 분류하여 종속변수인 건물피해액의 데이터를 수집한다. 둘째,
본 연구에서 활용되는 종속변수의 데이터 수집은 소방방재청의 재해연보를 통해 2003년부터 2012년까지 태풍에 따른 건물피해액을 기준으로 수행되었다. 특히, 이 기간 동안 국내에 영향을 미친 31개의 태풍 중 피해가 경미한 경우를 본 연구의 범위에서 제외하였다.
데이터처리
개발된 회귀모형의 검증을 위하여 회귀모형으로 산정된 예측값과 실제 건물피해액과의 차이를 비교 및 검증하였다. 앞서 개발된 회귀식의
후)영향 요인들">영향요인들 간의 상관분석을 실시한다. 다섯째, 상관분석을 통해 도출된 요인들과 종속변수인 건물피해액에 대하여 회귀분석을 실시하여 그 결과를 분석한다. Figure 1은 본 연구의 방법을 나타낸다.
둘째, 상관분석을 통해 도출된 영향인자들을 토대로 회귀분석을 활용하여 42.7%의 설명력을 가진 지역별 건물피해액 예측모델을 개발하여 건물피해액의 실제데이터의 비교 및 검증하였다.
후)사회경제 요인의">사회경제요인의 4가지로 분류하여 각 요인들의 데이터를 수집한다. 셋째, 앞서 수집된 데이터를 토대로 건물피해액과 영향요인들 간의 상관분석을 실시한다. 다섯째, 상관분석을 통해 도출된 요인들과
성능/효과
1) 태풍에 따른 지역별 건물피해액은 본 연구에서 도출한 건설환경요인 중 노후건축물, 댐, 절토사면과 서로 상관관계가 있다.
1) 태풍에 따른 지역별 건물피해액은 본 연구에서 도출한 사회경제요인 중 인구밀도, 경상소득, 지역내 총생산과 상관관계가 있다.
1) 태풍에 따른 지역별 건물피해액은 본 연구에서 도출한 태풍정보요인 중 최대풍속, 태풍중심기압, 강풍반경, 일최다강수량과 서로 상관관계가 있다.
1) 태풍에 따른 지역별 건물피해액은 하천개소수, 하천연장, 완전개수율, 임야면적, 해안선길이와 서로 상관관계가 있다.
2) 노후건축물이 1개소가 증가될 때 건물피해액은 0.11백만원씩 증가한다.
2) 인구밀도가 1명/㎢ 증가할 때 건물피해액은 0.1백만원씩 감소한다.
2) 중심기압이 1hPa씩 증가할 때마다 건물피해액은 0.23백만원씩 감소한다.
2) 하천개소수가 1개소 증가될 때마다 건물피해액은 0.12백만원씩 증가한다.
3) 경상소득이 1만원 증가할 때 건물 피해액은 0.11백만원씩 감소한다.
3) 댐이 1개소가 증가될 때 건물피해액은 0.19백만원씩 증가한다.
3) 최대풍속이 1m/s가 증가될 때마다 건물피해액은 0.19백만원씩 증가한다.
3) 하천연장이 1km증가됨에 따라 건물피해액은 0.18백만원씩 증가한다.
4) 강풍반경이 1km증가됨에 따라 건물피해액은 0.13백만원씩 증가한다.
4) 완전개수율이 1% 증가될 때마다 건물피해액은 0.12백만원씩 감소한다.
4) 절토사면이 1개소가 증가될 때 건물피해액은 0.16백만원씩 증가한다.
4) 지역내총생산이 1백만원씩 증가할 때 건물피해액은 0.12백만원씩 감소한다.
5) 일최다강수량이 1mm/day만큼 증가됨에 따라 건물피해액은 0.17백만원씩 증가한다.
5) 임야면적이 1㎢이 증가될 때마다 건물피해액은 0.23백만원씩 증가한다.
6) 해안선의 길이 육지부가 1km증가됨에 따라 건물피해액은 0.16백만원씩 증가한다.
7) 해안선의 길이 도서부가 1km 증가됨에 따라 건물 피해액은 0.15백만원씩 증가한다.
사회경제요인의 경우, 인구밀도, 기초생활수급자. 경상소득, 지역 내 총생산, 강력범죄건수를 조사하였으며 Table 8과 같이, 인구밀도는 서울지역에 약 1만6천명/㎢, 기초 생활 수급자는, 경기지역이 약 20만명으로 가장 많은 것으로 조사 되었다.
후)해안선 길이는">해안선길이는 전남지역이 육지부와 도서부 각각 2,104km, 3,436km로 가장 긴 것으로 조사되었다. 또한 완전개수율은 충남지역이 102%, 임야면적은 경북지역이 가장 큰 13,720㎢으로 조사되었다.
후)분석 결과,">분석결과, 태풍이동속도와는 관계가 없으며 최대풍속, 태풍중심기압, 강풍반경, 일최다강수량과 상관관계가 있는 것으로 분석되었다. Figure 2는
후)이동 속도는">이동속도는 태풍코드 14 소델로가 52km/h, 중심기압은 태풍별 큰 차이는 없지만, 태풍코드 7 갈매기가 996hpa, 최대풍속과 강풍반경은 태풍코드 8 마니가 44m/s, 600km, 일 최대 강우량은 태풍코드 9 나리가 420mm/day로 가장 큰 것으로 분석되었다.
후)조사 결과,">조사결과, 경남지역이 2003년부터 2013년까지 건물피해액이 2조 2천억 정도로 태풍에 따른 피해가 가장 큰 것으로 분석되었으며 태풍별로는 태풍 매미(Maemi)가 2조 3천억 정도로 피해가 가장 큰 것으로 조사되었다.
05이하로 나타났다. 즉 본 회귀모형은 태풍에 따른 건물피해액 예측에 대하여 42.7%의 설명력을 가지고 있으며 본 모형의 활용은 유의미하다고 분석되었다.
첫째, 태풍에 따른 건물피해액 영향요인 도출을 위해 상관분석을 실시한 결과, 16개의 영향요인이 도출되었다.
후)최대 풍속,">최대풍속, 강풍반경, 일최다강수량, 하천개소수, 하천연장, 임야면적, 해안선길이 육지부/도서부, 노후건축물, 절토사면, 댐은 양의 상관관계가 있는 것으로 나타났으며 중심기압, 완전개수율, 인구밀도, 경상소득, 지역내총생산은 음의 상관관계가 있는 것으로 나타났다.
후속연구
후)예측 모델에서">예측모델에서 다양한 영향요인들을 고려한 모델의 필요성을 입증하고 있다. 또한, 향후 지역별 소득수준과 같은 본 연구에서 고려되어지지 않는 57.3%의 영향요인들을 추가로 도출하고 태풍의 경로에 따른 피해양상을 반영한다면 보다 효율적인 태풍에 따른 건물피해액 예측모델 개발이 가능할 것으로 판단된다.
후)건물 피해액과의">건물피해액과의 차이를 비교한 그림이다. 이와 같이, 본 연구에서 고려하지 않는 변수들에 의해 차이가 발생하는 것으로 파악되므로 이에 대한 후속연구로 태풍경로에 따른 타입, 지역별 소득수준과 같은 다양한 변수를 추가한 연구가 필요하다.
후)태풍 정보,">태풍정보, 지리정보, 건설환경 및 사회경제의 4개의 항목으로 분류하여 세부적으로 24개의 변수를 선정하였다. 향후 본 연구의 결과는 미국의 HAZUS -MH와 같이 국내에서 태풍에 따른 피해를 예측하기 위한 모델 개발을 위한 자료로 활용될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
태풍으로 인한 피해 규모가 커지고 가속화되는 배경은?
최근 세계적으로 기후 변화에 따라 태풍으로 인한 피해규모가 커지고 가속화되어 많은 피해를 받고 있는 중이다. 국내에서도 2002년 태풍 ‘루사’, 2003년 태풍 ‘매미’로 인한 재산피해액은 각각 51,479억원, 42,225억원에 달했다[1].
국내에서 태풍 루사와 매미로 인한 피해는 어떻게 되는가?
최근 세계적으로 기후 변화에 따라 태풍으로 인한 피해규모가 커지고 가속화되어 많은 피해를 받고 있는 중이다. 국내에서도 2002년 태풍 ‘루사’, 2003년 태풍 ‘매미’로 인한 재산피해액은 각각 51,479억원, 42,225억원에 달했다[1]. 이러한 태풍은 국내에 집중적 기간을 두고 나타나는 주요 자연재해 중 한 분야임과 동시에, 폭우와 강풍 등을 동반하는 복합재해로서, 발생 빈도가 높고 많은 인명 및 재산피해를 주고 있다.
본 연구를 통하여 태풍에 의한 건물피해액에 영향을 미치는 요인을 도출하고 피해 예측 모델을 개발한 결과는 어떻게 나타나는가?
첫째, 태풍에 따른 건물피해액 영향요인 도출을 위해 상관분석을 실시한 결과, 16개의 영향요인이 도출되었다. 최대풍속, 강풍반경, 일최다강수량, 하천개소수, 하천연장, 임야면적, 해안선길이 육지부/도서부, 노후건축물, 절토사면, 댐은 양의 상관관계가 있는 것으로 나타났으며 중심기압, 완전개수율, 인구밀도, 경상소득, 지역내총생산은 음의 상관관계가 있는 것으로 나타났다.
둘째, 상관분석을 통해 도출된 영향인자들을 토대로 회귀분석을 활용하여 42.7%의 설명력을 가진 지역별 건물피해액 예측모델을 개발하여 건물피해액의 실제데이터의 비교 및 검증하였다.
참고문헌 (19)
Typhoon resource [Internet]. Seoul(Korea): Korea Meteorological Administration. 2003 - 2012 [cited 2014 Feb 2]. Available from: http://www.typ.kma.go.kr.
National Disaster Administration [Internet]. Seoul(Korea): National Disaster Information Center. 2003 - 2012 [cited 2014 Mar 7]. Available from: http://www.safekorea.go.kr.
Typhoon information [Internet]. Seoul(Korea): Korea Meteorological Administration. 2003 - 2012 [cited 2014 Feb 23]. Available from: http://www.kma.go.kr.
Korean Statistical Information Service [Internet]. Daejeon(Korea): KOSIS. 2003 - 2012 [cited 2014 Mar 18] Available from: http://www.kosis.kr.
Cutter SL, Barnes L, Berry M, Burton C, Evans E, Tate E, Webb J. A place-based model for understanding community resilience to natural disasters. Global Environmental Change. 2008 Oct;18(4):598-606.
Peacock WG, Brody SD. Highfield W. Hurricane risk perceptions among Florida's single family homeowners. Landscape and Urban Planning. 2005 Oct;73(2):120-135.
Brody SD, Zahran S, Highfield WE, Grover H, Vedlitz A. Identifying the impact of the built environment on flood damage in Texas. Disasters. 2008 Mar;32(1):1-18.
Ryu SI, Namkung ST. Comparative review of disaster management act in Korea and advanced countries. Korean Review of Crisis & Emergency Management. 2013 Jan;19(1):131-156.
Jeong HM, The establishment of department of homeland security and its influence on national response system in the U.S.. Public Law Research. 2015 Feb;16(1):27-45.
Nemoto M. Disaster management system of local government and role of social economic organization. Korean Review of Crisis & Emergency Management. 2012 Feb;11(2):49-69.
Kim YJ, Won JS. Disaster-zero disaster prevention for Seoul. Policy Report. 2008 Nov;25(1):2-21
Lee SI. A study on damage scale prediction by rainfall and wind velocity with typhoon [dissertation]. [Sunchon(Korea)]: Sunchon National University; 2013. 80 p.
Lee SS, Chang EM. Application of GIS to typhoon risk assessment. Korea Spatial Information Society. 2009 Jul;17(2):243-249.
Kim JS. On the characteristics of damage scale and risk management system by strong wind speed of typhoon [dissertation]. [Gimhae(Korea)]: Inje University; 2013. 110 p.
Jeon HD, Park MJ, Kim KY. Damage analysis of meteorological disasters for each district considering the characteristics of a district. Korean Society of Hazard Mitigation. 2008 Apr;8(2):75-82.
Lee DY, Kim IJ. A study on typhoon damage prevention measures about the facility of the rural areas. Korean Institute of Rural Architecture. 2012 Nov; 14(4):117-124.
Annual Natural Disaster Report [Internet]. Seoul(Korea) : National Emergency Management Agency. 2003 - 2012 [cited 2014 Feb 15]. Available from: http://www.nema. go.kr.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.