자연재난에 따른 인명 및 재산피해의 증가로 재난 예방 및 대응에 대한 관심이 증가하고 있다. 우리나라에서도 1994년에서 2013년까지 지난 20년간 자연재해에 의한 피해액은 약 12조 원 중 대설에 의한 피해가 약 13%로 대설도 강우나 태풍보다는 작은 규모이나, 의미 있는 규모의 피해를 야기하고 있다는 것을 알 수 있다. 그러므로 본 연구에서는 대설피해액 추정을 위해 강원지역을 대상으로 기후관련 요인(최심적설량, 평균습도, 최저기온), 사회 경제적 요인(농촌지역인구밀도, 지역총생산량)을 독립변수로 하는 동시입력방식의 다중회귀모형을 구축하였다. 적용결과, 극한 값들에 대한 설명력이 다소 낮기는 하지만, 수정결정계수가 0.7 이상인 경우도 다수 존재하는 등 대설 발생 시 신속한 재난 대응에 활용하기에는 적용성이 충분하다고 판단된다.
자연재난에 따른 인명 및 재산피해의 증가로 재난 예방 및 대응에 대한 관심이 증가하고 있다. 우리나라에서도 1994년에서 2013년까지 지난 20년간 자연재해에 의한 피해액은 약 12조 원 중 대설에 의한 피해가 약 13%로 대설도 강우나 태풍보다는 작은 규모이나, 의미 있는 규모의 피해를 야기하고 있다는 것을 알 수 있다. 그러므로 본 연구에서는 대설피해액 추정을 위해 강원지역을 대상으로 기후관련 요인(최심적설량, 평균습도, 최저기온), 사회 경제적 요인(농촌지역인구밀도, 지역총생산량)을 독립변수로 하는 동시입력방식의 다중회귀모형을 구축하였다. 적용결과, 극한 값들에 대한 설명력이 다소 낮기는 하지만, 수정결정계수가 0.7 이상인 경우도 다수 존재하는 등 대설 발생 시 신속한 재난 대응에 활용하기에는 적용성이 충분하다고 판단된다.
Due to the climate change, damages of human life and property caused by natural disaster have recently been increasing consistently. In South Korea, total damage by natural disasters over 20 years from 1994 to 2013 is about 1.0 million dollars. The 13% of total damage caused by heavy snow. This is s...
Due to the climate change, damages of human life and property caused by natural disaster have recently been increasing consistently. In South Korea, total damage by natural disasters over 20 years from 1994 to 2013 is about 1.0 million dollars. The 13% of total damage caused by heavy snow. This is smaller amount than the damage by heavy rainfall or typhoon, but still could cause severe damage in the society. In this study, the snow damage in Gangwon region was estimated using climate variables (daily maximum snow depth, relative humidity, minimum temperature) and scoio-economic variables (Farm population density, GRDP). Multiple regression analysis with enter method was applied to estimate snow damage. As the results, adjusted R-square is above 0.7 in some sub-regions and shows the good applicability although the extreme values are not predicted well. The developed model might be applied for the prompt disaster response.
Due to the climate change, damages of human life and property caused by natural disaster have recently been increasing consistently. In South Korea, total damage by natural disasters over 20 years from 1994 to 2013 is about 1.0 million dollars. The 13% of total damage caused by heavy snow. This is smaller amount than the damage by heavy rainfall or typhoon, but still could cause severe damage in the society. In this study, the snow damage in Gangwon region was estimated using climate variables (daily maximum snow depth, relative humidity, minimum temperature) and scoio-economic variables (Farm population density, GRDP). Multiple regression analysis with enter method was applied to estimate snow damage. As the results, adjusted R-square is above 0.7 in some sub-regions and shows the good applicability although the extreme values are not predicted well. The developed model might be applied for the prompt disaster response.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
다중회귀분석에 앞서 종속변수와 독립변수간의 이변량 상관분석은 각 변수들의 종속변수 설명력을 예측하는데 중요한 정보로 사용될 수 있다. 그러므로 강원지역의 18개 시・군・구별 대설피해액에 대한 독립변수의 이변량 상관분석을 수행하였다. 절대값 1.
대설 피해액 추정을 위해 선정되고 구축된 독립변수들은 그 단위나 중요도가 각각 상이하기 때문에, 자료의 범위와 단위에 따른 편차 문제를 해소하기 위해 표준화 과정을 수행하였다.
모의된 피해액을 Fig. 3과 같이 실제 발생한 대설피해액과 비교 및 검토하였다.
본 연구에서는 대설 피해액 추정을 위해 기상관측소 74개 지점의 최심적설량, 최저기온, 평균습도, 농촌지역인구밀도, 지역총생산량을 이용한 다중선형회귀 모형을 동시입력방식(Enter)으로 구축하였다. Table 6과 같이 강원지역의 총 14개 시・군・구별 대설피해액 추정 함수식을 개발하였으며, F분포 유의확률이 0.
본 연구에서는 대설피해액에 큰 영향을 줄 것으로 예측되는 기후관련 요인(최심적설량, 평균습도, 최저기온), 사회・경제적 요인(농촌지역인구밀도, 지역총생산량)을 독립변수로 선정하였다. 최심적설량은 24시간 간격으로 측정한 적설깊이를 의미한다.
본 연구에서는 재해연보에 기록된 대설피해액 추정을 위해 최심 적설량, 최저기온, 평균습도, 지역총생산량, 농촌지역인구밀도 총 5가지를 독립변수를 이용한 동시입력방식의 다중회귀모형을 강원도 지역의 14개 시・군・구를 대상으로 구축하였다.
사회경제적인 변수로 선정된 농촌지역인구밀도와 지역총생산량은 비닐하우스, 수산증양식, 축사・잠사, 농작물에 집중되는 대설 피해를 예측하기 위해 농촌지역의 범위가 중요하고 판단하여 선택 하였다.
앞서 기술한 바와 같이, 독립변수들 간의 상관관계로 인해 나타나는 다중공선성은 다중회귀분석 결과의 유효성에 큰 영향을 미치므로, 공차한계(Tol.), 분산팽창요인(VIF)을 계산하였다. Table 5에 나타난 바와 같이 철원군, 홍천군, 화천군, 양구군 등 총 4개 시・군・구는 공차한계가 10이상이거나 분산팽창요인이 0.
종속변수는 국민안전처의 재해연보피해액을 적용하였으며, 독립변수는 기상관측소 지점의 최심적설량, 최저기온, 평균습도 자료 및 통계청에서 제공하는 강원지역의 지역총생산량(Growth Region Domestic Product, GRDP), 농촌지역인구밀도를 적용하였다.
통계학적으로 독립변수(independent variable)와 종속변수(dependent variable) 사이의 상관관계를 나타내며, 종속변수에 대한 독립변수의 영향력을 예측하기 위해 관계식을 구하거나 이렇게 얻은 모형의 적합도를 측정한다.
평균 습도와 최저기온은 습도에 따른 눈의 단위중량과 기온에 따라 달라지는 누적적설량을 고려하기 위해 선택하였다.
대상 데이터
1과 같다. 대설에 따른 피해액은 재해연보(MPSS, 2015)의 자료를 활용하였다. 국민안전처에서 매년 발간하는 재해연보는 1970년대부터 작성되었으나, 작성 초기에는 피해지역에 대한 정확한 구분과 피해 시설물에 대한 분류가 체계화되지 않았으며, 현재 국가에서 제공하고 있는 체계화된 자료는 1994년부터 제공되고 있다(NDMI, 2013).
국민안전처에서 매년 발간하는 재해연보는 1970년대부터 작성되었으나, 작성 초기에는 피해지역에 대한 정확한 구분과 피해 시설물에 대한 분류가 체계화되지 않았으며, 현재 국가에서 제공하고 있는 체계화된 자료는 1994년부터 제공되고 있다(NDMI, 2013). 본 연구에는 1994년부터 2015년까지 22개년의 자료를 대상으로 하였다. 재해연보는 피해 대상물을 건물, 선박, 농경지, 농작물과 12개의 공공시설(도로, 하천, 소하천, 수도, 항만, 어항, 학교, 철도, 수리, 사방, 군시설, 소규모 등), 6개의 사유시설(축대 및 담장, 가축, 축사 및 잠사, 수산증양식, 어망 및 어구, 비닐하우스 등)으로 구분하여 피해액을 기록하고 있다.
시・군・구별 적설량 자료가 가장 풍부한 강원도 18개 시・군・구를 대상으로 대설 피해액 추정 모형을 구축하였으며, 강원도 지역은 Fig.
통계청에서 제공하는 2000년 이후의 지역총생산량 자료를 이용하여 2000년 이전 자료를 추정하여 사용하였다.
데이터처리
구축된 모형의 성능평가를 위해 실제 발생한 피해액과 모의된 피해액의 차이를 Pearson 상관계수(Pearson Coefficient of correlation), Root Mean Square Error (평균제곱근오차), 수정결정계수(adjusted coefficient of determination)를 이용하여 계산하고, 그 결과를 Table 7에 나타내었다.
본 연구에서는 두 개 이상의 독립변수 사이의 관계를 파악하고 종속변수의 값을 설명하고 예측할 수 있는 통계기법인 다중회귀 모형을 이용하여 강원지역의 시・군・구별 대설 피해액 예측 모형을 구축하고 이를 평가하였다. 종속변수는 국민안전처의 재해연보피해액을 적용하였으며, 독립변수는 기상관측소 지점의 최심적설량, 최저기온, 평균습도 자료 및 통계청에서 제공하는 강원지역의 지역총생산량(Growth Region Domestic Product, GRDP), 농촌지역인구밀도를 적용하였다.
이론/모형
Park et al. (2014)은 울산광역시를 대상지역으로 선정하여 지표간의 가중치 산정은 엔트로피 기법 및 AHP (Analytic Hierarchy Process) 기법을 활용하고, PSR (Pressure-State-Response) 구성 체계를 적용하여 설해위험지수를 산정하였다.
성능/효과
Pearson 상관계수와 수정결정계수는 0과 1사이의 범위 값을 나타내며, 1에 가까울수록 모형의 적용성이 우수하다고 판단할 수 있고, Root Mean Square Error는 값이 작을수록 모형의 오차가 작은 것으로 판단할 수 있다.
Table 6과 같이 강원지역의 총 14개 시・군・구별 대설피해액 추정 함수식을 개발하였으며, F분포 유의확률이 0.05이하로 회귀 모형이 유의미한 것으로 나타났다.
즉, 습도가 높을수록 적설의 무게가 증가하고, 기온은 낮을수록 눈이 잘 녹지 않으므로 피해를 가중시킬 것으로 예상하였다.
후속연구
따라서 신뢰성 있고 정확성 있는 피해액 추정모형을 구성하기 위해서는 재해연보의 보완과 현재 분 단위 및 시간 단위로 강수 및 기온을 관측하는 AWS와 같은 시스템을 활용한 겨울철의 적설량 관측자료를 구축하게 된다면, 훨씬 효율성이 좋은 추정모형이 구축 될 것으로 판단된다.
따라서 신뢰성 있고 정확성 있는 피해액 추정모형을 구성하기 위해서는 재해연보의 보완과 현재 분 단위 및 시간 단위로 강수 및 기온을 관측하는 AWS와 같은 시스템을 활용한 겨울철의 적설량 관측자료를 구축하게 된다면, 훨씬 효율성이 좋은 추정모형이 구축 될 것으로 판단된다. 본 연구에서 제안된 모형을 활용한다면, 향후 폭설시 재난대응 및 폭설대비 관련 정책 수립을 위한 정부나 지자체에 정보를 제공하고, 보다 효과적인 의사결정을 지원할 수 있을 것으로 판단된다. 또한, 전국 단위의 대설 피해추정 함수 개발을 통해 정부에서 종합적인 판단을 할 수 있는 방재기준을 마련해야 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
회귀분석은 어떤 목적으로 이용될 수 있는가?
즉, 관계식에서 독립변수는 원인의 역할을 하는 변수이고 종속변수는 변화에 따른 결과로 관측되는 변수이다. 회귀분석은 시간에 따라 변화하는 자료나 원인이 결과에 미치는 영향을 분석하거나 통계적으로 인과관계를 예측하기 위해 이용될 수 있다. 하나의 독립변수만을 고려하여 종속변수와의 관계를 분석하는 방법을 단순 회귀분석(simple regression analysis)라고 하고, 두 개 이상의 독립변수을 고려하는 방법을 다중회귀분석(multiple regression analysis)이라고 한다.
회귀분석이란 무엇인가?
회귀분석은 관찰되거나 주어진 각각의 변수들에 대해 관련성을 밝히고 평가하는 방법이다. 통계학적으로 독립변수(independent variable)와 종속변수(dependent variable) 사이의 상관관계를 나타내며, 종속변수에 대한 독립변수의 영향력을 예측하기 위해 관계식을 구하거나 이렇게 얻은 모형의 적합도를 측정한다.
회귀분석에서 독립변수와 종속변수는 각각 무엇인가?
통계학적으로 독립변수(independent variable)와 종속변수(dependent variable) 사이의 상관관계를 나타내며, 종속변수에 대한 독립변수의 영향력을 예측하기 위해 관계식을 구하거나 이렇게 얻은 모형의 적합도를 측정한다. 즉, 관계식에서 독립변수는 원인의 역할을 하는 변수이고 종속변수는 변화에 따른 결과로 관측되는 변수이다. 회귀분석은 시간에 따라 변화하는 자료나 원인이 결과에 미치는 영향을 분석하거나 통계적으로 인과관계를 예측하기 위해 이용될 수 있다.
참고문헌 (15)
Cavallo, E. and Noy, I. (2010). "The economics of natural disasters: A Survey." IDB Working Paper No. 124, Washington, DC: Inter-American Development Bank.
Jeong, J. H. and Lee, S. H. (2014). "Estimating the direct economic damages from heavy snowfall in Korea." Journal of Climate Research, Vol. 9, No. 2, pp. 125-139 (in Korean).
Kim, H. S., Song, Y. I., Kim, I. J. and Lim, Y. S. (2007). "Linking environmental assessment and sustainable development indicators." RE-08, Korea Environment Institute (in Korean).
Kim, S. B., Shin, H. J., Lee, J. W., Kim, K. S., Yi, J. E. and Kim, S. J. (2011). "Regional risk analysis of heavy snowfall using meteorological data and GIS technique in South Korea." Korea Water Resources Association Annual Conference Proceedings, pp. 357-357 (in Korean).
Kim, Y. S., Kang, N. R., Kim, S. J. and Kim, H. S. (2013). "Evaluation for snowfall depth forecasting using neural network and multiple regression models." Journal of Korean Society of Hazard Mitigation, Vol. 13, No. 2, pp. 269-280 (in Korean).
Koo, Y. S., Lee, S. H. and Jung, J. C. (2013). "Selecting and assessing vulnerable zones of snow damage in urban areas." Journal of the Korean Society of Civil Engineers, Vol. 33, No. 3, pp. 1077-1086 (in Korean).
Kwon, S. H., Kim, J. H., Park, H. S. and Chung, G. H. (2016). "Snow damage estimation of gangwon province damages using regression analysis." Journal of Korean Society of Hazard Mitigation, Vol. 16, No. 2, pp. 437-443 (in Korean).
Lee, H. S. and Lim, J. H. (2005). SPSS 12.0 manual, Bobmunsa.
Ministry of Public Safety and Security (MPSS) (2015). "The 2015 Annual Natural Disaster report." Ministry of Public Safety and Security (in Korean).
National Disaster Management Institute (NDMI) (2013). "Development of Regional Loss Function Based on Scenario." National Disaster Management Institute.
Oh, S. M., Kim, G. H., Jung, Y. H., Kim, D. H. and Kim, H. S. (2015). "Risk assessment of heavy snowfall using PROMETHEE-The case of gangwon province." Journal of Korean Society of Hazard Mitigation, Vol. 15, No. 1, pp. 87-98 (in Korean).
Park, H. S., Lee, S. J., Yu, I. S., Jeong, S. M. and Chung, G. H. (2014). "Snow disaster risk index in the ulsan metropolitan city." Journal of Korea Society of Hazard Mitigation, Vol. 14, No. 2, pp. 97-106 (in Korean).
Xingpeng, L., Jiquan, Z., Zhijun, T., Yulong, B. and Danhong, Z. (2014). "Grid-Based multi-attribute risk assessment of snow disasters in the grasslands of xilingol." Inner Mongolia, Human and Ecological Risk Assessment, Vol. 17, No. 3, pp. 712-731.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.