GIS를 이용한 시설재배의 기상재해 취약지역 해석 - 전라남북도의 사례를 중심으로 - GIS Spatial Analysis of Vulnerability of Protected Cultivation Area to Meteorological Disaster : A Case Study of Jeollanambuk Province, South Korea원문보기
최근 빈번하게 발생하고 있는 이상기후에 의한 기상재해로 온실의 피해가 크게 발생하고 있다. 이에 자연재해가 발생하는 근본적인 요인인 기상과 이상기후 현상에 대한 정량적인 분석을 통해 시설재배에 취약한 지역을 검토하여 피해를 사전에 최소화할 수 있는 대책수립 및 관리가 필요하다. 본 연구에서는 전라도 지역을 대상으로 시설재배의 기상재해와 관련된 대리변수를 산정하여 기상재해에 의한 시설재배의 취약지역을 분석하였으며, GIS를 이용하여 공간적인 분포분석을 통해 기상재해에 취약한 시설재배지역을 지도로 나타내었다. 그리고 본 연구에서 작성된 시설재배의 취약지도와 대상지역에서 발생된 온실의 실제 재해기록과 비교 검토하였다. 본 연구에서 최종적으로 작성된 기상재해에 대한 시설재배 취약지도와 실제 온실의 피해기록을 비교해보면, 광주광역시, 나주시, 영암군, 장성군, 함평군 그리고 해남군 등 대상지역의 약 50% 정도가 본 연구의 취약지도와 실제 재해기록과 일치하는 경향이 나타났다. 이에 반해 군산시, 김제시, 목포시 그리고 무안군 등은 기상조건이 취약등급에 포함이 됨에도 불구하고 재해피해가 낮게 나타났다. 이러한 결과는 지역에 따라 다른 온실의 구조적인 설계 및 관리측면이 변수로 작용한 것으로 판단된다. 본 연구에서는 온실의 자연재해의 주요 원인인 기상자료를 분석하여 기상재해에 대한 시설재배의 취약지도를 작성하였고, 과거 재해기록과 비교하여 대상지역 내에서 취약한 지점을 확인하였다. 이 연구는 온실의 설계 및 관리측면에서 기상재해에 의한 피해를 경감 및 예방하기 위한 기초자료를 제공할 수 있을 것이다.
최근 빈번하게 발생하고 있는 이상기후에 의한 기상재해로 온실의 피해가 크게 발생하고 있다. 이에 자연재해가 발생하는 근본적인 요인인 기상과 이상기후 현상에 대한 정량적인 분석을 통해 시설재배에 취약한 지역을 검토하여 피해를 사전에 최소화할 수 있는 대책수립 및 관리가 필요하다. 본 연구에서는 전라도 지역을 대상으로 시설재배의 기상재해와 관련된 대리변수를 산정하여 기상재해에 의한 시설재배의 취약지역을 분석하였으며, GIS를 이용하여 공간적인 분포분석을 통해 기상재해에 취약한 시설재배지역을 지도로 나타내었다. 그리고 본 연구에서 작성된 시설재배의 취약지도와 대상지역에서 발생된 온실의 실제 재해기록과 비교 검토하였다. 본 연구에서 최종적으로 작성된 기상재해에 대한 시설재배 취약지도와 실제 온실의 피해기록을 비교해보면, 광주광역시, 나주시, 영암군, 장성군, 함평군 그리고 해남군 등 대상지역의 약 50% 정도가 본 연구의 취약지도와 실제 재해기록과 일치하는 경향이 나타났다. 이에 반해 군산시, 김제시, 목포시 그리고 무안군 등은 기상조건이 취약등급에 포함이 됨에도 불구하고 재해피해가 낮게 나타났다. 이러한 결과는 지역에 따라 다른 온실의 구조적인 설계 및 관리측면이 변수로 작용한 것으로 판단된다. 본 연구에서는 온실의 자연재해의 주요 원인인 기상자료를 분석하여 기상재해에 대한 시설재배의 취약지도를 작성하였고, 과거 재해기록과 비교하여 대상지역 내에서 취약한 지점을 확인하였다. 이 연구는 온실의 설계 및 관리측면에서 기상재해에 의한 피해를 경감 및 예방하기 위한 기초자료를 제공할 수 있을 것이다.
Recently the increase in an abnormal climate events and meteorological disasters which causes a great damage to greenhouse facilities. To minimize and evaluate the expected damages it is necessary to prepare countermeasures and a management system in advance. For this purpose, a quantitative analysi...
Recently the increase in an abnormal climate events and meteorological disasters which causes a great damage to greenhouse facilities. To minimize and evaluate the expected damages it is necessary to prepare countermeasures and a management system in advance. For this purpose, a quantitative analysis of weather and abnormal climate are needed to investigate protected cultivation areas which are vulnerable to natural disasters. This study focused on protected cultivation areas in Jeolla province, South Korea. Surrogate variables were calculated to analyze the vulnerable areas to meteorological disasters, and spatial distribution analysis was also performed by using GIS to present vulnerable areas on map. The map thus created and was compared with actual data of damages by meteorological disasters which occurred in target areas. The result of the comparison is as follows: About 50% of the target areas showed an agreement between the map created in this study and the actual data, these areas includes Gwangju metropolitan city, Naju city, Yeongam County, Jangseong County, Hampyeong County, and Haenam County. On the other hand, other areas, including Gunsan city, Mokpo city, and Muan County, suffered low damage in spite of high levels of vulnerability to meteorological disasters. This result was considered to be affected by such variables as different structural designs and management systems of greenhouses by region. This study carried out an analysis of meteorological data to find out more detailed vulnerability to protected cultivation area and to create a map of vulnerable protected cultivation areas. In addition, the map was compared with the record of natural disasters to identify actual vulnerable areas. In conclusion, this study can be utilized as basic data for preventing and reducing damages by meteorological disasters in terms of design and management of greenhouses.
Recently the increase in an abnormal climate events and meteorological disasters which causes a great damage to greenhouse facilities. To minimize and evaluate the expected damages it is necessary to prepare countermeasures and a management system in advance. For this purpose, a quantitative analysis of weather and abnormal climate are needed to investigate protected cultivation areas which are vulnerable to natural disasters. This study focused on protected cultivation areas in Jeolla province, South Korea. Surrogate variables were calculated to analyze the vulnerable areas to meteorological disasters, and spatial distribution analysis was also performed by using GIS to present vulnerable areas on map. The map thus created and was compared with actual data of damages by meteorological disasters which occurred in target areas. The result of the comparison is as follows: About 50% of the target areas showed an agreement between the map created in this study and the actual data, these areas includes Gwangju metropolitan city, Naju city, Yeongam County, Jangseong County, Hampyeong County, and Haenam County. On the other hand, other areas, including Gunsan city, Mokpo city, and Muan County, suffered low damage in spite of high levels of vulnerability to meteorological disasters. This result was considered to be affected by such variables as different structural designs and management systems of greenhouses by region. This study carried out an analysis of meteorological data to find out more detailed vulnerability to protected cultivation area and to create a map of vulnerable protected cultivation areas. In addition, the map was compared with the record of natural disasters to identify actual vulnerable areas. In conclusion, this study can be utilized as basic data for preventing and reducing damages by meteorological disasters in terms of design and management of greenhouses.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Table 3. Vulnerability assessment of protected cultivation area in this study.
그리고 시설재배의 취약지역을 더 세분화하여 검토하기 위해서는 기존의 연구에서는 고려되지 않았던 국내 시설재배의 면적과 대리변수의 공간적인 분포에 대한 비교가 필요할 것으로 판단된다. 따라서 본 연구에서는 시설재배의 기상재해 취약지역을 평가하기 위해 전라남북도를 대상지역으로 강풍과 폭설에 대한 대리변수를 선정하고 GIS를 이용하여 강풍과 폭설로 인한 시설재배 지역의 취약 정도를 정량적으로 분석하였다.
본연구에서는 온실의 자연재해의 주요 원인인 기상자료를 분석하여 기상재해에 대한 시설재배의 취약지도를 작성하였고, 과거 재해기록과 비교하여 대상지역 내에서 취약한 지점을 확인하였다. 이 연구는 온실의 설계 및 관리측면에서 기상재해에 의한 피해를 경감 및 예방하기 위한 기초자료를 제공할 수 있을 것이다.
제안 방법
그리고 Yun 등 (2013b)은 전국을 대상으로 연속 20년 이상의 기상자료를 보유하고 있는 총 72개 시군지역의 자료를 수집하였으며, 온실 설계를 위한 재현 기간별 설계풍속 및 적설심을 산정하였다. 그리고 72개 지역 이외의 지역에 대해서는 보간법을 이용하여 설계풍속 및 적설심 산정을 하였다.
본 연구에서는 전라도 지역을 대상으로 시설재배의 기상재해와 관련된 대리변수를 산정하여 기상재해에 의한 시설재배의 취약지역을 분석하였으며, GIS를 이용하여 공간적인 분포분석을 통해 기상재해에 취약한 시설재배지역을 지도로 나타내었다. 그리고 본 연구에서 작성된 시설재배의 취약지도와 대상지역에서 발생된 온실의 실제 재해기록과 비교 검토하였다. 본 연구에서 최종적으로 작성된 기상재해에 대한 시설재배 취약지도와 실제 온실의 피해기록을 비교해보면, 광주광역시, 나주시, 영암군, 장성군, 함평군 그리고 해남군 등 대상지역의 약 50% 정도가 본 연구의 취약지도와 실제 재해기록과 일치하는 경향이 나타났다.
2의 국가재난정보센터에서 수집한 2002, 2005 및 2012년에 발생된하우스 재해피해 면적을 나타낸 것이다. 그리고 실제 재해기록과 비교하기 위해 각 취약단계별로 해당 시설재배 면적을 구분하여 나타내었다. 취약 5단계(매우 취약)에 포함되는 지역과 그 면적비율은 전라북도에서 군산시(100%) 및 김제시 (19.
적설과 관련된 변수는 연평균 적설량 (Mean annual snowfall, MAS)과 기상청 위험기상정보포털에서 정의하는 대설경보 기준을 참고하여 일 적설심이 20cm 이상인 날의 횟수 (S20) 그리고 재현기간 100년 빈도의 적설심을 선정하였다 (S100). 농림부의 내재해형온실에 대한 설계기준은 지역별 재현기간 30년에 해당하는 설계풍속과 적설심 이상으로 설계해야 하나 본 연구에서는 더 큰 안정성을 고려하기 위해 재현기간 100년 빈도의 최대순간풍속과 적설심을 선정하였다. 100년 빈도의 최대순간풍속과 적설심은 Yun 등 (2013b)의 논문에서 참고하였다.
5cm로 나타났다. 변동계수 (Coefficient of Variance, CV)를 산정하여 대리변수들의 지역적 변동 차이를 분석하였다. Wmax, W14, W100, MAS, S20 그리고 S100가 각각 22.
이에 자연재해가 발생하는 근본적인 요인인 기상과 이상기후 현상에 대한 정량적인 분석을 통해 시설재배에 취약한 지역을 검토하여 피해를 사전에 최소화할 수 있는 대책수립 및 관리가 필요하다. 본 연구에서는 전라도 지역을 대상으로 시설재배의 기상재해와 관련된 대리변수를 산정하여 기상재해에 의한 시설재배의 취약지역을 분석하였으며, GIS를 이용하여 공간적인 분포분석을 통해 기상재해에 취약한 시설재배지역을 지도로 나타내었다. 그리고 본 연구에서 작성된 시설재배의 취약지도와 대상지역에서 발생된 온실의 실제 재해기록과 비교 검토하였다.
이러한 결과는 지역에 따라 다른 온실의 구조적인 설계 및 관리측면이 변수로 작용한 것으로 판단된다. 본연구에서는 온실의 자연재해의 주요 원인인 기상자료를 분석하여 기상재해에 대한 시설재배의 취약지도를 작성하였고, 과거 재해기록과 비교하여 대상지역 내에서 취약한 지점을 확인하였다. 이 연구는 온실의 설계 및 관리측면에서 기상재해에 의한 피해를 경감 및 예방하기 위한 기초자료를 제공할 수 있을 것이다.
Kriging 보간법을 선정한 이유는 전체적인 경향과 분포를 나타내는데 적합하기 때문이다. 작성된 6가지 분포지도는 동일한 스케일을 적용하기 위해 Reclassify 툴을 이용하여 Quantile 방법 (자료양 간격에 따른 분류)으로 최소값부터 최대값까지 1~100으로 분류하고, Raster calculator 툴을 이용하여 지도 6개를 중첩하였다. 이 과정에서 가중치는 별도로 없으며, 중첩 지도는 Table 3과 같이 분류된 값의 범위에 따라 취약등급별로 분류하였다.
풍속과 관련된 변수는 연 최대순간풍속 (Wmax)과 기상청 위험기상정보포털에서 정의하는 강풍발생 주의보 기준을 참고하여 최대순간풍속이 14m/s 이상인 날의 횟수 (W14) 그리고 재현기간 100년 빈도의 최대순간풍속 (W100)을 선정하였다. 적설과 관련된 변수는 연평균 적설량 (Mean annual snowfall, MAS)과 기상청 위험기상정보포털에서 정의하는 대설경보 기준을 참고하여 일 적설심이 20cm 이상인 날의 횟수 (S20) 그리고 재현기간 100년 빈도의 적설심을 선정하였다 (S100). 농림부의 내재해형온실에 대한 설계기준은 지역별 재현기간 30년에 해당하는 설계풍속과 적설심 이상으로 설계해야 하나 본 연구에서는 더 큰 안정성을 고려하기 위해 재현기간 100년 빈도의 최대순간풍속과 적설심을 선정하였다.
총34개 기상관측소의 위치좌표로 Point 자료를 생성하였으며, 각 기상관측소별 대리변수들은 Kriging 보간법을 이용하여 분포지도를 작성 (cell size: 0.5 km × 0.5km)하였다.
이 과정에서 가중치는 별도로 없으며, 중첩 지도는 Table 3과 같이 분류된 값의 범위에 따라 취약등급별로 분류하였다. 취약지수가 매우 높은, 높은, 보통, 약간 안전 그리고 안전 등으로 총 5등급으로 분류하였다.
시설재배 피해에 대한 대리변수는 강풍과 폭설로 구분하였는데, 이는 하우스 시설 재해기록에서 태풍, 강풍, 풍랑, 대설 그리고 폭풍 등이 주된 재해 원인이기 때문이다(NDIC, 2016). 풍속과 관련된 변수는 연 최대순간풍속 (Wmax)과 기상청 위험기상정보포털에서 정의하는 강풍발생 주의보 기준을 참고하여 최대순간풍속이 14m/s 이상인 날의 횟수 (W14) 그리고 재현기간 100년 빈도의 최대순간풍속 (W100)을 선정하였다. 적설과 관련된 변수는 연평균 적설량 (Mean annual snowfall, MAS)과 기상청 위험기상정보포털에서 정의하는 대설경보 기준을 참고하여 일 적설심이 20cm 이상인 날의 횟수 (S20) 그리고 재현기간 100년 빈도의 적설심을 선정하였다 (S100).
대상 데이터
과거 재해기록은 국가재난정보센터 (National Disaster Information Center, NDIC)에서 제공되는 2000년부터 2014년까지의 재해기록을 사용하였으며 (NDIC, 2016), 이 재해기록 중에서 본 연구에서는 대상지역 내 시설재배면적의 3%에 해당하는 300 ha 이상의 피해면적 자료를 수집하였다. 이에 해당되는 년도는 2002년, 2005년 및 2012년 등이다.
대상지역의 총 34개 기상관측소에 대하여 1980년부터 2015년까지 일 기상자료를 수집하였으며, 이 중 연속된 자료가 15년 이상인 23개 관측소를 선정하여 최대순간풍속과 적설심 자료를 6개의 대리변수 산정에 이용하였다. 기상재해를 분석하기 위해 Kim 등 (2015)과 Yoon 등 (2013)이 제시한 대리변수를 참고하여 Table 2과 같이 선정하였다.
본 연구에서는 대상지역으로 광주광역시를 포함한 전라남북도를 선정하였다. 대상지역은 강원도와 경상도와 비교하여 상대적으로 표고가 낮다.
1은 대상지역인 전라도와 광주광역시의 행정구역도를 나타낸 것이며, 기상관측소의 위치와 시설재배 면적을 포함하고 있다. 전라도와 광주광역시에 위치하는 모든 기상관측소에서 기상자료를 수집하였으며, 또한 전라도와 접경지역인 대전, 부여, 보령, 금산, 거창, 함양, 산청, 진주, 남해 등 9곳의 기상관측소도 추가하였다. 연구지역의 시설재배 면적은 국가공간정보포털 (National Spatial Data Information, NSDI)에서 제공되는 2009년 기준 중분류 토지피복도에서 230번으로 분류된 하우스 재배시설 자료를 나타낸 것이다 (NSDI.
이는 Yun 등 (2013b)이 온실설계를 위한 재현기간별 최대순간풍속 및 적설심 산정 연구에서 참고한 것이다. 최소 연속 20년 이상의 기상자료로 재현기간별 최대순간풍속과 적설심을 산정하였으며, 대상지역의 각 시군별로 자료를 확보하였다.
데이터처리
100년 빈도의 최대순간풍속과 적설심은 Yun 등 (2013b)의 논문에서 참고하였다. 나머지 대리변수는 Matlab 프로그램을 이용하여 연도별로 추출하고 평균하였다.
이론/모형
농림부의 내재해형온실에 대한 설계기준은 지역별 재현기간 30년에 해당하는 설계풍속과 적설심 이상으로 설계해야 하나 본 연구에서는 더 큰 안정성을 고려하기 위해 재현기간 100년 빈도의 최대순간풍속과 적설심을 선정하였다. 100년 빈도의 최대순간풍속과 적설심은 Yun 등 (2013b)의 논문에서 참고하였다. 나머지 대리변수는 Matlab 프로그램을 이용하여 연도별로 추출하고 평균하였다.
본 연구에서는 기상자료를 공간적으로 분석하기 위해 ArcGIS (Ver. 10.2.2, ESRI, USA)를 사용하였다. 총34개 기상관측소의 위치좌표로 Point 자료를 생성하였으며, 각 기상관측소별 대리변수들은 Kriging 보간법을 이용하여 분포지도를 작성 (cell size: 0.
성능/효과
변동계수 (Coefficient of Variance, CV)를 산정하여 대리변수들의 지역적 변동 차이를 분석하였다. Wmax, W14, W100, MAS, S20 그리고 S100가 각각 22.8%, 103.3%, 16.4%, 71.1%, 119.3% 및 33.6%로 나타나 W14, MAS 그리고 S20은 상대적으로 지역적 변동성이 큰 것으로 나타났다.
9cm로 가장 낮게 나타났다. 각 대리변수들의 평균은 Wmax, W14, W100, MAS, S20 그리고 S100가 각각 23.0 m/s, 36.5회, 33.6m/s, 103.1cm, 0.7회 그리고 39.5cm로 나타났다. 변동계수 (Coefficient of Variance, CV)를 산정하여 대리변수들의 지역적 변동 차이를 분석하였다.
5는 기상학적 자연재해에 대한 취약지역을 분석하기 위해 풍속과 적설심에 대한 대리변수 지도들을 중첩하여 최종적으로 작성한 지도이다. 내륙에 위치한 지역은 상대적으로 안전하며, 서해안에 위치한 지역은 상대적으로 취약한 것으로 나타났다.
그리고 광주광역시도 속하는 것으로 나타났다. 본 연구에서 작성한 취약지도와 비교하였을 때, 앞에서 취약한 시군으로 나타난 광주광역시, 나주시, 영암군, 장성군, 함평군 그리고 해남군 등이 실제 재해기록과 비슷한 양상을 보이는 것으로 나타났다. 그러나 군산시, 김제시, 목포시 그리고 무안군 등 총 4개의 시군에서는 기상조건이 취약한데도 불구하고 재해피해 기록이 30ha 이하인 것으로 나타났다.
그리고 본 연구에서 작성된 시설재배의 취약지도와 대상지역에서 발생된 온실의 실제 재해기록과 비교 검토하였다. 본 연구에서 최종적으로 작성된 기상재해에 대한 시설재배 취약지도와 실제 온실의 피해기록을 비교해보면, 광주광역시, 나주시, 영암군, 장성군, 함평군 그리고 해남군 등 대상지역의 약 50% 정도가 본 연구의 취약지도와 실제 재해기록과 일치하는 경향이 나타났다. 이에 반해 군산시, 김제시, 목포시 그리고 무안군 등은 기상조건이 취약등급에 포함이 됨에도 불구하고 재해피해가 낮게 나타났다.
4는 대상지역에서 총 6개의 대리변수에 대한 분포특성을 알아보기 위해 작성한 지도로 위의 평가방법에서 기술한 바와 같이 최소값부터 최대값까지 1~100동일한 스케일로 분류된 지도이다. 분포도를 살펴보면 풍속에 관련된 대리변수는 내륙보다 해안을 중심으로 높게 분포하는 것으로 나타났으며, 적설에 관련된 대리변수는 대상지역 중앙을 기준으로 부안군 및 김제시가 포함된 북서쪽 지역이 높게 나타났다.
3은 23개 기상관측소에서 관측된 1980년부터 2015년 동안의 일 기상자료를 이용하여 연도별로 산정한 대리변수 결과를 Boxplot 그래프로 나타낸 것이다. 연 최대순간풍속(Wmax)은 전라남도에서는 여수, 전라북도에서는 군산이 상대적으로 높게 나타났으며, 최대순간풍속이 14m/s 이상인 날의 횟수 (W14) 또한 여수 및 군산이 평균 60~20회 정도로 높게 나타나 해안지역을 중심으로 높게 나타나는 것을 확인하였다. 적설심의 경우 관측된 자료가 있으나 20cm가 넘지 않은 연도의 경우는 그 값을 ‘0’으로 산출하였다.
적설심의 경우 관측된 자료가 있으나 20cm가 넘지 않은 연도의 경우는 그 값을 ‘0’으로 산출하였다. 연평균 적설심 (MAS)은정읍 및 임실 등 내륙지방에서 상대적으로 높게 나타났다. 적설심이 20cm 이상인 날의 횟수 (S20)는 정읍, 임실, 부안 그리고 장수 등으로 나타났으며, 그 외의 다른 지역은 거의 없는 것으로 나타났다.
9 ha의 차이를 나타내었다. 이상과 같이 환경부 및 농촌진흥청에서 조사한 두 자료를 이용하여 대상지역의 시설재배면적을 서로 비교한 결과, 많은 차이를 보였다.
1%)으로 나타났다. 취약 1단계(안전)에 포함되는 지역과 그 면적비율은 전라북도에서 남원시(72.2%), 무주군(100%), 완주군(7.7%), 장수군(19.9%), 그리고 진안군(39.9%)으로 나타났으며, 전라남도에서는 고흥군(17.6%), 곡성군(66.0%), 광양시(96.6%), 구례군(100%),보성군(30.2%), 순천시(91.4%) 그리고 화순군(17.8%)으로 나타났다. 광주광역시는 취약 1단계에 포함되는 면적은 없는 것으로 나타났으며, 취약 5단계의 면적비율이 21.
5의 결과를 이용하여 각 취약 단계에 포함되는 총 면적을 각 시군별로 구분하여 제시한 것이다. 취약 5단계(매우 취약)에 포함되는 지역과 그 면적 비율은 전라북도에서 고창군(69.4%), 군산시(100%), 김제시(23.6%) 그리고 부안군(35.59%)로 나타났으며, 전라남도에서는 나주시(42.7%), 목포시(100%), 무안군(99.9%), 신안군(62.6%), 영광군(99.5%), 영암군(12.2%), 완도군(8.2%), 장성군(43.0%), 함평군(100%) 그리고 해남군 (21.1%)으로 나타났다. 취약 1단계(안전)에 포함되는 지역과 그 면적비율은 전라북도에서 남원시(72.
그리고 실제 재해기록과 비교하기 위해 각 취약단계별로 해당 시설재배 면적을 구분하여 나타내었다. 취약 5단계(매우 취약)에 포함되는 지역과 그 면적비율은 전라북도에서 군산시(100%) 및 김제시 (19.3%)로 나타났으며, 전라남도에서는 목포시 (100%), 무안군 (100%), 신안군 (94.4%), 영광군 (100%), 영암군 (3.6%), 장성군 (38.5%), 함평군(100%) 그리고 해남군 (13.1%)으로 나타났다. 취약 1단계(안전)에 포함되는 지역과 그 면적비율은 전라북도에서 남원시 (62.
후속연구
본 연구에서 고려된 대리변수들은 각 대리변수들의 특성에 따라 실제 기상재해와 관련되어 온실에 끼치는 영향은 서로 다르다. 그러나 본 연구에서는 관련 연구의 부재로 대리변수들에 대하여 별도의 가중치를 적용하지 않고 각 대리변수들을 중첩하여 기상재해에 대한 취약성을 평가하였기 때문에 본 연구의 대상지역 내에서만 그 취약성에 대하여 상대적인 비교와 분석이 가능하며, 이는 본 연구의 한계이다. 따라서 향후 더 구체적인 접근을 통하여 대리변수들에 대한 객관적인 분류방법 그리고 중첩분석시 대리변수들에 대하여 적절한 가중치 적용에 대한 연구가 필요할 것으로 판단된다.
이상의 기존 연구들을 검토해 보면 시설재배 지역의 자연재해에 대한 피해를 정량화하기 위해서는 시설의 구조적 안정성에 큰 영향을 주는 폭설, 강풍, 태풍 등과 같은 극한기상에 대한 대리변수들을 이용하여 취약성을 평가할 필요가 있다. 그리고 시설재배의 취약지역을 더 세분화하여 검토하기 위해서는 기존의 연구에서는 고려되지 않았던 국내 시설재배의 면적과 대리변수의 공간적인 분포에 대한 비교가 필요할 것으로 판단된다. 따라서 본 연구에서는 시설재배의 기상재해 취약지역을 평가하기 위해 전라남북도를 대상지역으로 강풍과 폭설에 대한 대리변수를 선정하고 GIS를 이용하여 강풍과 폭설로 인한 시설재배 지역의 취약 정도를 정량적으로 분석하였다.
그러나 본 연구에서는 관련 연구의 부재로 대리변수들에 대하여 별도의 가중치를 적용하지 않고 각 대리변수들을 중첩하여 기상재해에 대한 취약성을 평가하였기 때문에 본 연구의 대상지역 내에서만 그 취약성에 대하여 상대적인 비교와 분석이 가능하며, 이는 본 연구의 한계이다. 따라서 향후 더 구체적인 접근을 통하여 대리변수들에 대한 객관적인 분류방법 그리고 중첩분석시 대리변수들에 대하여 적절한 가중치 적용에 대한 연구가 필요할 것으로 판단된다.
그러나 군산시, 김제시, 목포시 그리고 무안군 등 총 4개의 시군에서는 기상조건이 취약한데도 불구하고 재해피해 기록이 30ha 이하인 것으로 나타났다. 이는 지역적으로 상이한 온실의 구조적인 설계 및 관리측면과 관련이 있을 것으로 판단이 되며, 향후 관련연구가 필요할 것으로 판단된다.
이상의 기존 연구들을 검토해 보면 시설재배 지역의 자연재해에 대한 피해를 정량화하기 위해서는 시설의 구조적 안정성에 큰 영향을 주는 폭설, 강풍, 태풍 등과 같은 극한기상에 대한 대리변수들을 이용하여 취약성을 평가할 필요가 있다. 그리고 시설재배의 취약지역을 더 세분화하여 검토하기 위해서는 기존의 연구에서는 고려되지 않았던 국내 시설재배의 면적과 대리변수의 공간적인 분포에 대한 비교가 필요할 것으로 판단된다.
최근 빈번하게 발생하고 있는 이상기후에 의한 기상재해로 온실의 피해가 크게 발생하고 있다. 이에 자연재해가 발생하는 근본적인 요인인 기상과 이상기후 현상에 대한 정량적인 분석을 통해 시설재배에 취약한 지역을 검토하여 피해를 사전에 최소화할 수 있는 대책수립 및 관리가 필요하다. 본 연구에서는 전라도 지역을 대상으로 시설재배의 기상재해와 관련된 대리변수를 산정하여 기상재해에 의한 시설재배의 취약지역을 분석하였으며, GIS를 이용하여 공간적인 분포분석을 통해 기상재해에 취약한 시설재배지역을 지도로 나타내었다.
질의응답
핵심어
질문
논문에서 추출한 답변
시설재배 지역의 자연재해에 대한 피해를 정량화하기 위해서는 필요한 것은?
이상의 기존 연구들을 검토해 보면 시설재배 지역의 자연재해에 대한 피해를 정량화하기 위해서는 시설의 구조적 안정성에 큰 영향을 주는 폭설, 강풍, 태풍 등과 같은 극한기상에 대한 대리변수들을 이용하여 취약성을 평가할 필요가 있다. 그리고 시설재배의 취약지역을 더 세분화하여 검토하기 위해서는 기존의 연구에서는 고려 되지 않았던 국내 시설재배의 면적과 대리변수의 공간적인 분포에 대한 비교가 필요할 것으로 판단된다.
시설재배 피해에 주된 재해 원인은?
기상재해를 분석하기 위해 Kim 등 (2015)과 Yoon등 (2013)이 제시한 대리변수를 참고하여 Table 2과 같이 선정하였다. 시설재배 피해에 대한 대리변수는 강풍과 폭설로 구분하였는데, 이는 하우스 시설 재해기록에서 태풍, 강풍, 풍랑, 대설 그리고 폭풍 등이 주된 재해 원인이기 때문이다(NDIC, 2016). 풍속과 관련된 변수는 연 최대순간풍속 (Wmax)과 기상청 위험기상정보포털에서 정의하는 강풍발생 주의보 기준을 참고하여 최대순간풍속이 14m/s 이상인 날의 횟수 (W14) 그리고 재현기간 100년 빈도의 최대순간풍속 (W100)을 선정하였다.
구조적 안정성에 집중된 온실의 설계나 기존의 내재해형 온실의 단점은?
Nam과 Ko (2013)는 과수별 재배온실의 구조실태를 조사하여 구조형태와 설계요소를 분석하였으며, 풍속과 적설에 대한 안정성을 검토한 바 있다. 그러나 구조적 안정성에 집중된 온실의 설계나 기존의 내재해형 온실의 경우 자연재해에 대한 피해를 경감시키거나 예방할 수는 있으나 비용측면에서 농가에 많은 부담으로 작용할 수 있으며, 또한 일반농가가 자체적으로 시설을 개선 및 보완하기에는 여러 가지 한계가 있다. 따라서 자연재해가 발생하는 근본적인 요인인 기상과 이상기후 현상에 대한 정량적인 분석을 통해 시설재배에 취약한 지역을 분류하고 피해를 사전에 최소화할 수 있는 대책수립 및 관리가 필요하다.
참고문헌 (11)
Choi, M. K., S. W. Yun, H. T. Kim, S. Y. Lee, and Y. C. Yoon. 2014. Field survey on the maintenance status of greenhouses in korea. Protected Horticulture and Plant Factory, 23(2): 148-157 (in Korean).
Kang, D. H., S. Y. Lee, J. K. Kim, H. K. Choi, M. J. Park, S. W. Yun, and J. K. Son. 2016. Suitability site selection by meteorological factors for the protected horticulture complex in Saemanguem. Protected Horticulture and Plant Factory, 25(1): 1-8 (in Korean).
Kim, C. H., K. P. Nam, and J. J. Lee. 2015. Quantification of climate change vulnerability index for extreme weather: Focused on typhoon case. Journal of Environmental Impact Assessment, 24(2): 190-203 (in Korean).
Korea Statistical Information Service (KOSIS). 2017. Available at: www.kosis.kr (Last accessed 2017-02-15).
Lee, J. W. 2013. Analysis of safety wind speed and snow depth for single-span plastic greenhouse according to growing crops. Current Research on Agriculture and Life Science, 31(4): 280-285 (in Korean).
Nam, S. W., and G. H. Ko. 2013. Analysis of structural types and design factors for fruit tree greenhouses. Protected Horticulture and Plant Factory, 22(1): 27-33 (in Korean).
National Disaster Information Center (NDIC). 2016. Available at: www.safekorea.go.kr (Last accessed 2016-11-12).
National Spatial Data Infrastructure (NSDI). 2016. Available at: www.nsdi.go.kr (Last accessed 2016-10-25).
Yoon, S. T., Y. H. Lee, S. H. Hong, M. H. Kim, K. K. Kang, Y. E. Na, and Y. J. Oh. 2013. Vulnerability assessment of cultivation facility by abnormal weather of climate change. Korean Journal of Agricultural and Forest Meteorology, 15(4): 264-272 (in Korean).
Yun, S. W., M. K. Choi, C. Yu, J. W. Lee, S. Y. Lee, and Y. C. Yoon. 2013a. Estimation of design load for greenhouse applicable in coastal reclaimed lands. Journal of Agriculture & Science, 47(3): 123-131 (in Korean).
Yun, S. W., M. K. Choi, C. Yu, S. Y. Lee, and Y. C. Yoon. 2013b. Estimation of design wind speed and snow depth for greenhouse in Korea. Journal of Agriculture & Science, 47(5): 273-291 (in Korean).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.