호우 예측 정확도의 향상에도 불구하고 호우재해로 인한 사회경제적 비용이 지속적으로 증가하고 있는 것은 기상이 미치는 영향에 대한 이해의 부족 때문이다. 본 연구에서는 WMO에서 제시한 영향예보 핵심개념인 재해, 취약성, 노출 개념을 활용하여 지역별 호우잠재영향을 평가하고 호우발생과 연계하여 호우재해의 위험도를 분석하였다. 노출과 취약성 변수로 호우잠재영향을 구성하였고, 호우재해지수는 호우특보 기준에 따라 선정한 3개의 변수를 선정하여 산정하였다. 호우잠재영향 지수의 가중치는 주성분분석을 이용하여 산정하였으며, 호우재해지수는 동일한 가중치를 부여하여 산정하였다. 호우잠재영향지수와 실제 호우피해액과의 상관분석 결과 높은 상관관계가 증명되어 호우잠재영향지수는 실제의 피해양상을 적절히 반영하고 있음을 확인할 수 있었다. 호우재해위험도는 호우잠재영향지수와 호우재해지수로 구성된 위험도 매트릭스를 이용하여 산정하였다. 본 연구는 시공간적으로 변화하는 호우예특보를 위한 호우영향분석 연구의 토대를 제공하고 지역별 호우방재대책을 수립하는데 유용한 자료로 활용될 수 있을 것이다.
호우 예측 정확도의 향상에도 불구하고 호우재해로 인한 사회경제적 비용이 지속적으로 증가하고 있는 것은 기상이 미치는 영향에 대한 이해의 부족 때문이다. 본 연구에서는 WMO에서 제시한 영향예보 핵심개념인 재해, 취약성, 노출 개념을 활용하여 지역별 호우잠재영향을 평가하고 호우발생과 연계하여 호우재해의 위험도를 분석하였다. 노출과 취약성 변수로 호우잠재영향을 구성하였고, 호우재해지수는 호우특보 기준에 따라 선정한 3개의 변수를 선정하여 산정하였다. 호우잠재영향 지수의 가중치는 주성분분석을 이용하여 산정하였으며, 호우재해지수는 동일한 가중치를 부여하여 산정하였다. 호우잠재영향지수와 실제 호우피해액과의 상관분석 결과 높은 상관관계가 증명되어 호우잠재영향지수는 실제의 피해양상을 적절히 반영하고 있음을 확인할 수 있었다. 호우재해위험도는 호우잠재영향지수와 호우재해지수로 구성된 위험도 매트릭스를 이용하여 산정하였다. 본 연구는 시공간적으로 변화하는 호우예특보를 위한 호우영향분석 연구의 토대를 제공하고 지역별 호우방재대책을 수립하는데 유용한 자료로 활용될 수 있을 것이다.
Despite the improvement in accuracy of heavy rain forecasting, socioeconomic costs due to heavy rain hazards continue to increase. This is due to a lack of understanding of the effects of weather. In this study, the risk of heavy rain hazard was analyzed using the concepts of hazard, vulnerability, ...
Despite the improvement in accuracy of heavy rain forecasting, socioeconomic costs due to heavy rain hazards continue to increase. This is due to a lack of understanding of the effects of weather. In this study, the risk of heavy rain hazard was analyzed using the concepts of hazard, vulnerability, and exposure, which are key concepts of impact forecast presented by WMO. The potential impacts were constructed by the exposure and vulnerability variables, and the hazard index was calculated by selecting three variables according to the criteria of heavy rain warning. Weights of the potential impact index were calculated by using PCA and hazard index was calculated by applying the same weight. Correlation analysis between the potential impact index and damages showed a high correlation and it was confirmed that the potential impact index appropriately reflects the actual damage pattern. The heavy rain hazard risk was estimated by using the risk matrix consisting of the heavy rain potential impact index and the hazard index. This study provides a basis for the impacts analysis study for weather warning with spatial/temporal variation and it can be used as a useful data to establish the local heavy rain hazard prevention measures.
Despite the improvement in accuracy of heavy rain forecasting, socioeconomic costs due to heavy rain hazards continue to increase. This is due to a lack of understanding of the effects of weather. In this study, the risk of heavy rain hazard was analyzed using the concepts of hazard, vulnerability, and exposure, which are key concepts of impact forecast presented by WMO. The potential impacts were constructed by the exposure and vulnerability variables, and the hazard index was calculated by selecting three variables according to the criteria of heavy rain warning. Weights of the potential impact index were calculated by using PCA and hazard index was calculated by applying the same weight. Correlation analysis between the potential impact index and damages showed a high correlation and it was confirmed that the potential impact index appropriately reflects the actual damage pattern. The heavy rain hazard risk was estimated by using the risk matrix consisting of the heavy rain potential impact index and the hazard index. This study provides a basis for the impacts analysis study for weather warning with spatial/temporal variation and it can be used as a useful data to establish the local heavy rain hazard prevention measures.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 호우잠재영향과 호우재해위험도 분석을 통하여 지역별 재해영향을 고려한 차별적 호우예특보를 위한 연구의 토대를 제공하고 호우재해영향분석 결과와 호우발생간의 연계를 통하여 지역의 위험도 평가 방법 제시를 목적으로 하였다. 또한 영향예특보 체계 구축을 위한 기상정보와 공간정보와의 기초적 융합연구로서 기여하고자 한다. 이를 위하여 WMO(2015)의 영향기반 및 예 ‧ 특보서비스 가이드라인에서 제시한 영향예보 핵심 개념인 재해, 노출, 취약성을 이용하여 호우 재해지수와 호우잠재영향지수를 산정하였고, 위험도 매트릭스를 이용하여 호우재해위험도를 분석하였다.
본 연구는 WMO(2015)에서 제시한 복합재해 영향기반 예 ‧ 특보 서비스에 관한 세계기상기구(WMO) 가이드라인의 영향기반 및 영향 예 ‧ 특보 서비스의 핵심요소인 재해, 노출, 취약성 개념을 이용하여 지역의 호우 재해 위험도를 평가함으로써, 지역별 재해 영향을 반영한 영향예 ‧ 특보체계 구축을 위한 호우재해 영향분석 연구의 토대를 제공하고, 호우재해의 영향과 기상의 영향을 연계함으로써 지역의 위험도 평가 방법론을 제시하고자 한다.
본 연구는 호우잠재영향과 호우재해위험도 분석을 통하여 지역별 재해영향을 고려한 차별적 호우예특보를 위한 연구의 토대를 제공하고 호우재해영향분석 결과와 호우발생간의 연계를 통하여 지역의 위험도 평가 방법 제시를 목적으로 하였다. 또한 영향예특보 체계 구축을 위한 기상정보와 공간정보와의 기초적 융합연구로서 기여하고자 한다.
제안 방법
불투수면적 비율은 토지이용의 특성에 따라 취약성이 다르게 나타난다는 선행연구를 고려하여 선정하였으며, 2013년 환경부 전국 불투수면적율 조사자료를 활용하였다. 각 시군구의 불투수면적을 임야를 제외한 행정구역의 면적으로 나누어 산출하였다. 취약인구비율은 인구적 취약성을 나타내는 것으로 14세이하와 65세이상 인구비율로 선정하였다.
호우잠재영향지수의 대표변수는 노출과 취약성으로 구분하여 선정하였다(Table 2). 각각의 대표변수는 호우 및 홍수 위험도와 취약성 평가 관련 선행연구를 검토하여 선정하였다.
도출된 호우잠재영향지수와 호우재해지수로 호우재해위험매트릭스를 구성하여 시군구별 호우재해위험도를 분석하였다.
가중치를 적용한 결과와 가중치를 적용하지 않은 분석결과에는 차이가 거의 없다는 보고도 있으며(임광섭 외 2010), 다수의 연구에서 동일한 가중치를 지수산정에 이용하고 있다. 또한 호우재해지수를 구성하는 변수의 부적절한 가중치부여는 왜곡된 분석결과를 가져올 수 있어, 6시간 70mm 이상 또는 12시간 110mm 이상 발생일수, 6시간 70mm 이상 누적강수량 평균, 12시간 110mm 이상 누적강수량 평균의 세 가지 대표변수를 스케일 재조정을 이용하여 표준화한 후 동일가중치를 적용하여 합산하는 방식으로 산정하였다.
배수펌프장, 하수관거길이, 재정자립도는 재해의 대응력 부족을 대표하는 변수로서 선정하였다. 배수펌프장과 하수관거 길이는 배수능력을 대표하는 자료로서 배수펌프장은 임야를 제외한 행정구역의 면적을 배수펌프장개소수로 나누어 산정하였으며, 하수관거 길이는 임야를 제외한 행정구역의 면적을 전체 하수관거 길이로 나누어 산정하였다. 자료는 2014년 환경부 하수도통계자료와 한국농어촌공사 농업생산기반정비통계 조사자료를 활용하였다.
호우잠재영향은 노출과 취약성으로 구성하였으며 노출과 취약성변수 각각 6개를 이용하여 지수화하여 지역별 호우로 인한 차별적인 영향을 분석하였다. 분석 결과는 Natural Breaks를 이용하여 5개의 등급으로 분류하여 지도화하였다(Figure 5). 호우잠재영향이 높은 지역으로는 경기북동지역의 연천군, 포천시, 가평군, 경기중부지역으로 양평군, 남양주시, 경기남동지역으로 여주시가 높게 산정되었다.
산정된 호우잠재영향은 실제 재해자료와의 상관관계분석을 통하여 실제 재해자료와의 유사성과 지수의 타당성을 검증하였다. 실제 재해자료는 국민안전처의 재해연보의 지난 10년(2006∼2015년)간의 시군구별 호우피해액을 활용하였다.
가중치의 산정은 제1주성분의 절대값을 취한 고유벡터(Table 4)의 총합을 각 변수의 고유벡터로 나누어 산출하였으며, 이는 주성분과 연관된 변수들에 대한 각각의 백분율을 가중치로 부여하는 방식이다. 산출된 가중치(Table 5)에 표준화된 변수값을 곱하여 합산하는 방식으로 호우잠재영향지수를 산출하였다. 호우재해지수와 호우잠재영향지수의 산정 방법은 (7)과 같이 나타낼 수 있다.
자료의 수집을 위해 기상청에서 운영하는 60개 시군구내에 위치한 ASOS, AWS 181개 지점의 지난 10년간(2007∼2016년)의 강수자료를 조사하였다. 시군구내에 위치한 관측지점들 중 6시간 70mm이상의 누적강수량과 12시간 110mm 이상의 누적강수량이 가장 높은 지점의 강수량을 발생일의 강수량으로 산정하였다. 이러한 산정 방법은 특보구역 내에 위치한 관측지점들 중 어느 한 지점이라도 호우특보 기준 강우강도 이상에 포함되면 호우특보가 적중한 것으로 평가하는 기상청 호우특보 평가방법을 참고한 것이다.
영향예보 시스템의 개념적 패러다임으로는 취약성과 노출의 상세한 데이터로부터 명시적으로 계산되는 모델링 접근법이 있으며(Figure 1), 영향은 취약성과 노출평가가 포함되어야 한다는 점을 고려하여(WMO 2015), 본 연구에서는 취약성과 노출 변수를 이용하여 호우잠재영향(Heavy Rain Potential Impact)지수를 도출하였다(2).
기상청 호우특보는 일부 산간, 도서지역을 제외하고 시군단위로 발표되고 있으며 방재업무는 시군구별로 이루어지고 있다. 이러한 특성을 고려하여 시군구 단위로 호우재해위험도를 분석하였다. 우리나라는 전체 인구의 49.
또한 영향예특보 체계 구축을 위한 기상정보와 공간정보와의 기초적 융합연구로서 기여하고자 한다. 이를 위하여 WMO(2015)의 영향기반 및 예 ‧ 특보서비스 가이드라인에서 제시한 영향예보 핵심 개념인 재해, 노출, 취약성을 이용하여 호우 재해지수와 호우잠재영향지수를 산정하였고, 위험도 매트릭스를 이용하여 호우재해위험도를 분석하였다.
노출의 대표변수는 호우에 노출되는 요소를 의미하며 임야를 제외한 행정구역 면적(박상식 ‧ 강부식 2014; 김보경 외2011), 평균고도(이현종 외 2016; 정종혁 외 2014), 평균경사도(이현종 외 2016; 정종혁 외 2014; 국립방재연구원 2011), 거주인구(신안국 외 2016; 한승룡 외 2015), 자산밀도(한승룡 외 2015; 국립방재연구원 2011), 사업체수(신안국 외 2016; 한승룡 외 2015)로 선정하였다. 임야를 제외한 행정구역 면적은 호우 피해가 집중되는 도심지를 포함한 임야 이외 지역의 노출 정도를 나타내는 변수로서, 각 시 ‧ 군 ‧ 구 통계연보를 활용하여 산출하였다. 평균고도와 평균경사도는 지형적 노출의 특성을 나타내는 변수로서 지형적 특성에 따라 노출의 정도가 다르게 나타남을 고려하였다.
2015년 인구주택총조사 자료를 이용하였다. 자산밀도와 사업체수는 경제적인 노출 정도를 반영하는 변수로서 자산밀도는 국토교통부에서 제공하는 2015년 표준지 평균가격을 활용하였고, 전체 사업체수는 중소기업청의 2016년 중소기업 관련 통계를 활용하였다.
취약성 대표변수는 노출된 요소들의 민감도와 부정적인 영향, 대응력, 수용력의 부족을 기준으로 선정하였으며, 불투수면적비율(이현종 외 2016; 국립방재연구원 2011), 취약인구비율(조형진 ‧ 김경배 2015; 한승룡 외2015) 소기업비율(한승룡 외 2015) 배수펌프장(이현종 외 2016; 박상식 ‧ 강부식2014), 하수관거길이(이현종 외 2016; 박상식 ‧ 강부식2014), 재정자립도(국립방재연구원 2011)를 선정하였다. 불투수면적 비율은 토지이용의 특성에 따라 취약성이 다르게 나타난다는 선행연구를 고려하여 선정하였으며, 2013년 환경부 전국 불투수면적율 조사자료를 활용하였다.
호우잠재영향은 노출과 취약성으로 구성하였으며 노출과 취약성변수 각각 6개를 이용하여 지수화하여 지역별 호우로 인한 차별적인 영향을 분석하였다. 분석 결과는 Natural Breaks를 이용하여 5개의 등급으로 분류하여 지도화하였다(Figure 5).
호우잠재영향지수는 주성분분석을 이용하여 산출하였다. 주성분분석이란 다변량으로 구성되는 데이터로부터 소수의 특징적인 변량을 합성하고, 그것에 의해서 데이터를 분석하는 방법이다(노형진 2014).
호우잠재영향지수의 대표변수는 노출과 취약성으로 구분하여 선정하였다(Table 2). 각각의 대표변수는 호우 및 홍수 위험도와 취약성 평가 관련 선행연구를 검토하여 선정하였다.
호우재해위험도는 9개의 유형으로 분류하여 시군구를 분석하였다(Table 7). 유형9의 높은 호우재해와 높은잠재영향은 경기북동지역의 가평군, 포천시, 연천군과 경기중부의 양평군, 남양주시, 경기남동지역의 여주시, 서울시 중구로 총7개 시군구가 해당되었다.
우리나라 기상청의 호우특보 발표기준은 6시간 누적강수량이 70mm 이상 또는 12시간 누적강수량이 110mm 이상 예상될 때 호우주의보를 발표하며, 6시간 누적강수량이 110mm 이상 또는 12시간 누적강수량이 180mm 이상 예상되는 경우 호우경보를 발표한다. 호우재해의 대표변수로서 호우특보 발표의 기준 강도 이상의 발생일 수와 6시간 70mm이상 최대 누적강수량, 12시간 110mm 이상 최대 누적강수량을 선정하였으며(Table 1), 이를 통하여 호우빈도와 호우강도를 호우재해지수의 산정에 모두 활용하였다.
호우재해지수는 동일가중치를 부여하여 산정하였고,호우잠재영향지수는 주성분분석 결과를 가중치 산정에 이용하여 각각 서로 다른 가중치 부여방식을 적용하였다. 호우잠재영향지수는 통계적 분석방법인 주성분분석을 이용하였으나, 호우재해지수는 낮은 상관관계를 보이는 변수가 존재하고, KMO(Kaiser-Meyer-Olkin) 값이 0.
호우재해지수를 구성하는 3가지 대표변수를 활용하여 호우재해의 지역별 특성을 분석하였다. 호우특보기준을 이용하여 산출된 호우재해지수는 지역의 대응 수준에 따라 달라질 수 있는 내수의 범람과 외수의 침수 등 호우로 인한 결과적 측면보다는 기상의 영향을 지역별 기상현상만을 고려한 지수로서의 특징을 나타낸다.
호우재해지수와 호우잠재영향지수는 스케일 재조정 방법을 이용하여 높음, 보통, 낮음으로 범주화하고 위험도 매트릭스를 활용하여 9개 유형으로 구분하여 호우 재해위험도를 분석하였다.
호우재해지수의 산정을 위하여 호우특보 발표 기준을 이용하여 3개의 대표변수를 선정하였고, 호우잠재영향지수의 산정은 선행연구 분석을 통하여 노출과 취약성 변수 각각 6개를 선정하였다. 강수관측자료는 60개 시군구에 위치한 181개의 AWS와 ASOS의 10년간의 자료를 수집하여 구축하였고 노출과 취약성 자료는 시군구별 통계자료 등을 활용하여 구축하였다.
대상 데이터
거주인구는 사회적 특성을 반영하는 변수로 얼마나 많은 인구가 호우재해에 노출되었는지를 나타낸다. 2015년 인구주택총조사 자료를 이용하였다. 자산밀도와 사업체수는 경제적인 노출 정도를 반영하는 변수로서 자산밀도는 국토교통부에서 제공하는 2015년 표준지 평균가격을 활용하였고, 전체 사업체수는 중소기업청의 2016년 중소기업 관련 통계를 활용하였다.
호우재해지수의 산정을 위하여 호우특보 발표 기준을 이용하여 3개의 대표변수를 선정하였고, 호우잠재영향지수의 산정은 선행연구 분석을 통하여 노출과 취약성 변수 각각 6개를 선정하였다. 강수관측자료는 60개 시군구에 위치한 181개의 AWS와 ASOS의 10년간의 자료를 수집하여 구축하였고 노출과 취약성 자료는 시군구별 통계자료 등을 활용하여 구축하였다.
자료는 중소기업청의 2016년 중소기업관련 통계를 활용하였다. 배수펌프장, 하수관거길이, 재정자립도는 재해의 대응력 부족을 대표하는 변수로서 선정하였다. 배수펌프장과 하수관거 길이는 배수능력을 대표하는 자료로서 배수펌프장은 임야를 제외한 행정구역의 면적을 배수펌프장개소수로 나누어 산정하였으며, 하수관거 길이는 임야를 제외한 행정구역의 면적을 전체 하수관거 길이로 나누어 산정하였다.
취약성 대표변수는 노출된 요소들의 민감도와 부정적인 영향, 대응력, 수용력의 부족을 기준으로 선정하였으며, 불투수면적비율(이현종 외 2016; 국립방재연구원 2011), 취약인구비율(조형진 ‧ 김경배 2015; 한승룡 외2015) 소기업비율(한승룡 외 2015) 배수펌프장(이현종 외 2016; 박상식 ‧ 강부식2014), 하수관거길이(이현종 외 2016; 박상식 ‧ 강부식2014), 재정자립도(국립방재연구원 2011)를 선정하였다. 불투수면적 비율은 토지이용의 특성에 따라 취약성이 다르게 나타난다는 선행연구를 고려하여 선정하였으며, 2013년 환경부 전국 불투수면적율 조사자료를 활용하였다. 각 시군구의 불투수면적을 임야를 제외한 행정구역의 면적으로 나누어 산출하였다.
실제 재해자료는 국민안전처의 재해연보의 지난 10년(2006∼2015년)간의 시군구별 호우피해액을 활용하였다.
5%가 수도권에 집중되어 있어, 수도권의 기상예 ‧ 특보업무와 방재업무의 중요성은 매우 크다. 이에 서울특별시 25개, 인천광역시 4개, 경기도 31개, 총 60개의 수도권 시군구를 연구대상지역으로 하였다. 행정구역 대다수가 도서지역으로 이루어졌거나, 기상관측망이 갖추어져 있지 않은 인천광역시 옹진군, 강화군, 4개 자치구는 연구대상 지역에서 제외하였다.
배수펌프장과 하수관거 길이는 배수능력을 대표하는 자료로서 배수펌프장은 임야를 제외한 행정구역의 면적을 배수펌프장개소수로 나누어 산정하였으며, 하수관거 길이는 임야를 제외한 행정구역의 면적을 전체 하수관거 길이로 나누어 산정하였다. 자료는 2014년 환경부 하수도통계자료와 한국농어촌공사 농업생산기반정비통계 조사자료를 활용하였다. 재정자립도가 낮은 행정구역의 경우 적절한 대응과 복구 능력이 부족하다고 할 수 있다.
대기업 또는 중기업에 비해 소기업체는 재해의 대처와 복구 능력이 떨어져 재해에 보다 큰 영향을 받게 됨을 고려하여 선정하였다. 자료는 중소기업청의 2016년 중소기업관련 통계를 활용하였다. 배수펌프장, 하수관거길이, 재정자립도는 재해의 대응력 부족을 대표하는 변수로서 선정하였다.
자료의 수집을 위해 기상청에서 운영하는 60개 시군구내에 위치한 ASOS, AWS 181개 지점의 지난 10년간(2007∼2016년)의 강수자료를 조사하였다.
재정자립도가 낮은 행정구역의 경우 적절한 대응과 복구 능력이 부족하다고 할 수 있다. 재정자립도는 지방재정통합공개시스템의 2016년 자료를 활용하였다. Figure 2는 호우잠재영향지수 구성 변수의 공간분포를 나타낸 것이다.
각 시군구의 불투수면적을 임야를 제외한 행정구역의 면적으로 나누어 산출하였다. 취약인구비율은 인구적 취약성을 나타내는 것으로 14세이하와 65세이상 인구비율로 선정하였다. 이 집단은 재해의 대처능력이 부족하여 재해에 취약한 집단이라고 할 수 있다.
데이터처리
각 연도별 피해액은 2015년 화폐가치 기준으로 동일하게 환산하여 적용하였다. 상관관계 분석은 Spearman rank correlation test를 사용하여 실시하였으며, 상관계수는 0.621로 높은 정적인 상관관계를 보이는 것으로 나타났다(Table 6). 실제 호우피해액은 경기북부지역에서 경기 남부지역으로 이어지며 높게 나타나고 있으며 인천 및 경기 남서지역에서 낮게 나타나는 특징을 보였고, 산정된 호우잠재영향과 상당히 일치되는 양상을 보여 호우잠재영향지수는 실제 피해의 양상을 적절히 반영하고 있는 것으로 볼 수 있다(Figure 6).
호우재해지수는 표준화 과정을 거친 후 동일가중치를 부여하여 산정하였고 잠재영향지수는 통계적 가중치 산정 방법인 주성분분석을 이용하여 산정하였다
이론/모형
평균고도와 평균경사도는 지형적 노출의 특성을 나타내는 변수로서 지형적 특성에 따라 노출의 정도가 다르게 나타남을 고려하였다. 국토지리정보원의 수치표고모델(DEM) 자료로부터 ArcGIS를 이용하여 산출하였다. 거주인구는 사회적 특성을 반영하는 변수로 얼마나 많은 인구가 호우재해에 노출되었는지를 나타낸다.
본 연구에서는 호우 재해 위험도분석을 위하여 WMO(World Meteorological Organization 2015)가 제시한 영향기반 및 영향 예 ‧ 특보서비스의 핵심 개념인 위험(Risk), 재해(Hazard), 노출(Exposure), 취약성(Vulnerability) 개념을 이용하여 분석을 수행하였다. 영향예보란 기상현상 정보만을 제공하는 기존예보를 확대하여 기상현상으로 인한 재해의 발생 위험이나 사회경제적 영향까지도 예보하는 것으로 WMO(2015)는 위험은 재해의 노출과 취약성으로 인한 사람과 생계, 재산 피해의 가능성과 정도로 정의하였고, 재해, 취약성, 노출의 합집합으로 표현하였다.
호우주의보는 호우로 인하여 피해가 다소 예상될 경우 일반국민과 관계기관에 주의를 환기시키기 위하여 발표하며, 호우 경보는 호우로 인하여 현저한 피해가 예상될 때 일반 국민과 관계기관에 경고하기 위하여 발표한다. 최근 개선된 호우특보 발표 기준에는 호우현황에 따른 강우패턴과 호우피해와 강우량의 상관성을 고려한 누적 강우량과 강우강도의 개념이 반영되어 있어(송영석 외 2016), 본 연구에서는 호우재해(Hazard)지수 산출을 위해 호우특보 발표 기준 값을 활용하였다. 우리나라 기상청의 호우특보 발표기준은 6시간 누적강수량이 70mm 이상 또는 12시간 누적강수량이 110mm 이상 예상될 때 호우주의보를 발표하며, 6시간 누적강수량이 110mm 이상 또는 12시간 누적강수량이 180mm 이상 예상되는 경우 호우경보를 발표한다.
지수의 산정을 위해 서로 다른 단위를 가지고 있는 각각의 대표 변수에 대한 표준화가 필요하다. 호우재해(Hazard)지수의 산정은 스케일 재조정(Re-scaling)을 활용하였으며, 호우잠재영향지수의 산정은 Z-스코어(score)를 활용하였다. 스케일 재조정(Re-scaling)은 Dimension Index라고하며 최대-최소값을 이용하여 표준화하는 방법으로 모두 동일한 범위(0∼1)를 갖도록 하여 순위화 할 수 있어 상대적인 크기를 비교할 수 있는 장점이 있다(4).
호우재해위험도는 위험도 매트릭스(Matrix)를 이용하여 9개의 유형으로 분류하였다. 호우재해지수와 호우잠재영향지수는 스케일 재조정 기법을 이용하여 표준화한 후 범주화하였다.
성능/효과
3개의 대표변수를 이용하여 산출한 호우재해지수는 경기북부지역으로 포천시, 파주시, 연천군, 양주시, 가평군과 경기중부지역으로 남양주시, 하남시, 양평군,경기 남동지역으로 광주시, 여주시, 이천시로 이어지면서 높게 나타나는 특징을 보였는데 이 지역들은 높은 발생일과 높은 강우강도를 나타냈다. 서울시 자치구로는 중구와 관악구, 송파구에서 높게 나타났는데 높은 강우 강도가 지수산정에 영향을 미쳤다.
호우특보기준을 이용하여 산출된 호우재해지수는 지역의 대응 수준에 따라 달라질 수 있는 내수의 범람과 외수의 침수 등 호우로 인한 결과적 측면보다는 기상의 영향을 지역별 기상현상만을 고려한 지수로서의 특징을 나타낸다. 6시간 70mm 이상 또는 12시간 110mm 이상의 호우 발생일수는 연천군, 포천시, 가평군, 파주시 등 경기북부지역과 경기남부지역의 화성시, 용인시, 이천시에서 높게 나타났다. 반면 부평구와 부천시 그리고 인접한 서울시 강서구, 양천구 등과 노원구, 도봉구, 중랑구, 성북구, 은평구 등 강북지역은 발생일수가 낮은 특징을 보였다.
잠재영향이 높은 지역은 경기북동지역에서 경기 남동지역으로 이어지는 특징을 보였는데 이 지역들은 취약성을 구성하는 요소들이 매우 높게 나타나 높은 잠재영향도 산정에 영향을 주었다. 반면, 서울시 중구와 종로구가 높게 나타났는데 이 지역은 자산밀도와 사업체수 등 사회‧ 경제적인 노출이 매우 높아 호우잠재영향도가 높게 나타나는데 영향을 주었다. 인천시 중구, 연수구, 서구, 서울시 강서구, 양천구, 구로구, 광진구, 성동구, 강동구, 중랑구, 동대문구와 경기남서지역으로 오산시, 과천시, 의왕시, 시흥시 등에서는 낮은 호우잠재영향도를 나타냈다.
반면 안양시, 의왕시, 안성시, 군포시 용인시, 평택시, 시흥시 등 경기 남서지역과 강북구, 도봉구, 성북구, 은평구 등의 서울 강북지역은 낮게 나타냈다. 발생일의 12시간 강수량 평균은 경기북부지역으로 동두천시, 의정부시, 파주시, 연천군과 경기중부지역으로 하남시, 남양주시, 양평군, 경기 남부지역으로 광주시와 여주시에서 높게 나타나는 특징을 보였다. 반면 평택시, 안성시, 시흥시, 화성시, 군포시, 얀양시, 의왕시 등 경기 남서지역은 낮게 나타나는 특징을 보였다.
반면 부평구와 부천시 그리고 인접한 서울시 강서구, 양천구 등과 노원구, 도봉구, 중랑구, 성북구, 은평구 등 강북지역은 발생일수가 낮은 특징을 보였다. 발생일의 6시간 강수량 평균은 경기북부지역으로는 의정부시, 양주시, 포천시, 가평군, 고양시에서 높은 특징을 보였으며, 하남시, 광주시, 여주시 등 경기남동지역에서 높은 강우강도를 나타냈다. 서울의 자치구 중에는 관악구, 서초구, 마포구, 강서구 송파구 등 한강 이남의 자치구와 중구에서 높은 강우강도를 기록했다.
호우잠재영향지수는 경기북동지역과 경기남동지역, 서울시 종로구, 중구에서 높게 나타났으며 경기남서지역과 서울의 한강 이남 자치구는 낮게 나타나는 특징을 보였다. 산출된 호우잠재영향지수는 타당성 검증을 위해 10년간의 실제 호우피해액과 상관관계를 분석하여, 높은 정적인 상관관계를 보이는 것으로 나타나 실제피해의 양상을 적절히 반영하고 있음을 확인 할 수 있었다.
둘째, 취약성은 재해 발생 시 부정적인 영향을 받는 사람과 생계, 재산 등 노출된 요소들의 민감성을 의미한다. 셋째, 노출은 재해 발생 시 영향을 받게 될 지역에서 누가, 무엇이 영향을 받게 될지를 의미한다.
유형4의 낮은 호우재해와 보통 잠재영향은 총7개 시군구로 서울 강북지역의 4개 자치구와 경기남부의 3개 시가 포함되었다. 유형3의 높은 호우재해와 낮은 잠재영향은 3개의 시군구로 영등포구, 중랑구, 하남시가 해당되었으며, 유형2의 보통 호우재해와 낮은 잠재영향에 해당되는 지역은 18개 시군구로 가장 많은 비율을 차지하였다. 서울시 9개 자치구, 인천시 3개 자치구, 경기도 6개 시가 해당되었다.
호우재해지수 산출 결과 경기북부지역에서 경기남동지역으로 이어지면서 높게 나타나는 특징을 보였으며, 서울시 자치구로는 중구, 종로구, 한강이남 일부 자치구에서 비교적 높게 나타나는 특징을 보였다. 호우잠재영향지수는 경기북동지역과 경기남동지역, 서울시 종로구, 중구에서 높게 나타났으며 경기남서지역과 서울의 한강 이남 자치구는 낮게 나타나는 특징을 보였다. 산출된 호우잠재영향지수는 타당성 검증을 위해 10년간의 실제 호우피해액과 상관관계를 분석하여, 높은 정적인 상관관계를 보이는 것으로 나타나 실제피해의 양상을 적절히 반영하고 있음을 확인 할 수 있었다.
호우재해지수 산출 결과 경기북부지역에서 경기남동지역으로 이어지면서 높게 나타나는 특징을 보였으며, 서울시 자치구로는 중구, 종로구, 한강이남 일부 자치구에서 비교적 높게 나타나는 특징을 보였다. 호우잠재영향지수는 경기북동지역과 경기남동지역, 서울시 종로구, 중구에서 높게 나타났으며 경기남서지역과 서울의 한강 이남 자치구는 낮게 나타나는 특징을 보였다.
후속연구
추후 연구에서는 노출 및 취약성의 변수 선정에 있어 변수 간의 상호의존적 특성을 분석하여 변수 선정의 적절성 및 신뢰성을 제고해야할 것이며, 본 연구에서는 호우재해위험도의 종합적 분석을 시행 하였으나 향후에는 공간분석 기법을 활용하여 영향의 유형을 사회적, 경제적 영향 등으로 세분화하여 분석하고 이와 함께 기상정보를 융합하면 보다 신뢰성 있는 호우재해영향분석이 가능할 것이다. 또한 보다 작은 공간단위의 데이터를 수집하여 분석의 단위를 좁힌다면 위험도를 더욱 세분화하여 평가 할 수 있을 것이다. 호우재해 변수를 호우예측 데이터로 구성하여 호우의 발생가능성과 호우잠재영향을 연계하면 호우위험도의 예측에도 활용될 수 있을 것이며, 방재적 측면에서는 저감시설의 배치 및 계획수립에 활용을 위하여 재해위험도 저감 정도의 추정이 가능하도록 지수 개발의 보완 연구가 이루어져야 할 것이다.
본 연구에서 산정된 호우잠재영향은 호우의 발생시 지역별 차별적 영향의 정도를 고려하여야 하는 영향예‧ 특보 연구의 기초 연구로서 활용될 수 있을 것이며, 위험도 매트릭스를 활용하여 기상정보와 공간정보를 연계한 위험도 분석방법론을 제시하였고, 태풍, 강풍, 대설 등 다른 기상재해의 위험도를 평가하는 방법으로도 활용될 수 있을 것이다. 시군구별로 분석한 호우재해위험도는 지역별 호우방재대책을 수립에 유용한 자료로서 활용될 수 있을 것이다.
본 연구에서 산정된 호우잠재영향은 호우의 발생시 지역별 차별적 영향의 정도를 고려하여야 하는 영향예‧ 특보 연구의 기초 연구로서 활용될 수 있을 것이며, 위험도 매트릭스를 활용하여 기상정보와 공간정보를 연계한 위험도 분석방법론을 제시하였고, 태풍, 강풍, 대설 등 다른 기상재해의 위험도를 평가하는 방법으로도 활용될 수 있을 것이다. 시군구별로 분석한 호우재해위험도는 지역별 호우방재대책을 수립에 유용한 자료로서 활용될 수 있을 것이다.
추후 연구에서는 노출 및 취약성의 변수 선정에 있어 변수 간의 상호의존적 특성을 분석하여 변수 선정의 적절성 및 신뢰성을 제고해야할 것이며, 본 연구에서는 호우재해위험도의 종합적 분석을 시행 하였으나 향후에는 공간분석 기법을 활용하여 영향의 유형을 사회적, 경제적 영향 등으로 세분화하여 분석하고 이와 함께 기상정보를 융합하면 보다 신뢰성 있는 호우재해영향분석이 가능할 것이다. 또한 보다 작은 공간단위의 데이터를 수집하여 분석의 단위를 좁힌다면 위험도를 더욱 세분화하여 평가 할 수 있을 것이다.
또한 보다 작은 공간단위의 데이터를 수집하여 분석의 단위를 좁힌다면 위험도를 더욱 세분화하여 평가 할 수 있을 것이다. 호우재해 변수를 호우예측 데이터로 구성하여 호우의 발생가능성과 호우잠재영향을 연계하면 호우위험도의 예측에도 활용될 수 있을 것이며, 방재적 측면에서는 저감시설의 배치 및 계획수립에 활용을 위하여 재해위험도 저감 정도의 추정이 가능하도록 지수 개발의 보완 연구가 이루어져야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
취약성은 무엇을 의미하는가?
위험의 세가지 요소 중 첫째, 재해(Hazard)는 수문기상학적 기반의 지구물리학적 요소 또는 인간에 의해 유발되어 사람, 재산, 환경을 위협하는 요소로 정의하며, 호우로 인한 재해 역시 이에 해당 될 수 있다. 둘째, 취약성은 재해 발생 시 부정적인 영향을 받는 사람과 생계, 재산 등 노출된 요소들의 민감성을 의미한다. 셋째, 노출은 재해 발생 시 영향을 받게 될 지역에서 누가, 무엇이 영향을 받게 될지를 의미한다.
스케일 재조정의 장점은 무엇인가?
호우재해(Hazard)지수의 산정은 스케일 재조정(Re-scaling)을 활용하였으며, 호우잠재영향지수의 산정은 Z-스코어(score)를 활용하였다. 스케일 재조정(Re-scaling)은 Dimension Index라고하며 최대-최소값을 이용하여 표준화하는 방법으로 모두 동일한 범위(0∼1)를 갖도록 하여 순위화 할 수 있어 상대적인 크기를 비교할 수 있는 장점이 있다(4).
기상특보의 주의보와 경보는 각각 무엇을 의미하는가?
기상청은 기상현상으로 인하여 중대한 재해가 발생될 것으로 예상될 때 기상특보를 주의보와 경보로 구분하여 발표하고 있다. 주의보는 재해가 일어날 우려가 있는 경우나 사회, 경제 활동에 큰 영향을 미칠 가능성이 있을 경우, 경보는 중대한 재해가 일어날 수 있을 경우 경고하는 기상정보로 정의하고 있다(WMO 1992). 호우주의보는 호우로 인하여 피해가 다소 예상될 경우 일반국민과 관계기관에 주의를 환기시키기 위하여 발표하며, 호우 경보는 호우로 인하여 현저한 피해가 예상될 때 일반 국민과 관계기관에 경고하기 위하여 발표한다.
참고문헌 (21)
국립방재연구원. 2011. 지역사회기반 홍수 피해저감지수 개발. 국립방재연구원. (NDMI(National Disaster Management Institute), 2011. Development of Community-based Flood Disaster Risk Reduction Index. NDMI.)
김보경, 장대원, 장남, 양동민. 2011. 기후변화를 고려한 도시홍수 위험요인 도출. 한국위기관리논집. 7(1):125-142. (Kim BK, Jang DW, Jang N, Yang DM. 2011. Identifying Urban Flood Risk Factors Considering Climate Change. Crisisonomy. 7(1):125-142.)
김지수, 성효현, 최광용. 2013. 도시 홍수 취약성의 공간적 분포. 한국지역지리학회지. 19(4):615-626. (Kim JS, Sung HH, Choi KY. 2013. Spatial Patterns of Urban Flood Vulnerability in Seoul. Jounal of The Korean Association of Regional Geographers. 19(4):615-623.)
노형진. 2014. SPSS를 활용한 주성분분석과 요인분석. 한올, p. 4-8. (Noh HJ. 2014. Principal Component Analysis and Factor Analysis using SPSS. Hanol, p. 4-8.)
박상식, 강부식. 2014. 지역별 방재역량을 고려한 호우특보 기준 차등화. 한국방재학회지. 14(5):67-76 (Park SS, Kang BS. 2014. Differentiating Scheme for the storm warning Criteria Considering the Regional Disaster Prevention Capacity. J. Korean soc. Hazard Mitig. 14(5):67-76.)
박석근. 2006. 홍수피해발생 잠재위험도 산정방안 연구. 석사학위논문. 인하대학교. p. 27-30. (Park SK. 2006. Estimation of Potential Risk for Flood Damage Occurrence[Masters dissertation]. Inha University. p.27-30.)
송영석, 임채헌, 주진걸, 박무종. 2016. 호우특보 평가 및 개선방안 연구. 한국방재학회지. 16(2):113-121. (Song YS, Lim CH, Joo JG, Park MJ. 2016. A Study on Heavy Rain Forecast Evaluation Improvement Method. J. Korean soc. Hazard Mitig. 16(2):113-121.)
신안국. 2016. 저수지 홍수 재해위험도 평가. 석사학위논문. 서울시립대학교. p. 53-54. (Shin AK. 2016. Flood Disaster Risk Evaluation of Reservoir[Masters Thesis]. University of Seoul, Seoul, p. 53-54.)
유가영, 김인애. 2008. 기후변화 취약성 평가지표의 개발 및 도입방안. 한국환경정책평가연구원. (Yoo KY, Kim IA. 2008: Development and application of Climate Chanege vulnerability index. Korea Environment Institute.)
임광섭, 최시중, 이동률, 문장원. 2010. 홍수지표의 인과관계를 이용한 홍수위험지수 개발. 대한토목학회논문집. 30(1):61-70. (Lim KS, Choi SJ, Lee DR, Moon JW. 2010. Development of Flood Risk Index using casual relationships of Flood Indicators. Journal of Civil Engineering. 30(1):61-70.)
이민우, 김태웅, 문건우. 2013. 우리나라의 지역별 홍수피해 특성을 고려한 홍수피해 취약성 평가. 한국방재학회지. 13(4):245-256 (Lee MW, Kim TW, Moon KW. 2013. Assessment of Flood Damage Vulnerability Considering Regional Flood Damage Characteristics in South Korea. J. Korean soc. Hazard Mitig. 13(4): 245-256.)
이지연. 2009. 주성분 분석을 통해 생성된 대리변수의 정확도 측정. 석사학위논문. 성균관대학교. p. 42-43. (Lee JY. 2009. Measuring the Accuracy of Proxy Variables with PCA[Masters dissertation]. Sungkyunkwan University. p. 42-43.)
이창희. 2006. 서울시 지역안전도 평가모형 개발 연구: 홍수재해를 중심으로. 서울시정개발연구원. (Lee CH. 2006. Development of the Regional Safety Assessment Model in Seoul: Focusing on Flood. Seoul Development Institute.)
이현종, 류성현, 원상호, 조은주, 김승욱, 조기훈. 2016. 침수피해 영향인자 분석을 통한 호우침수위험도 예측 모델 연구. 한국방재학회지. 16(3):39-45. (Lee HJ, Ryu SH, Won SH, Jo EJ, Kim SW, Joe GH. 2016. A Study on Model of Heavy Rain Prediction Using Influencing Factors of Flood Damage. J. Korean soc. Hazard Mitig. 16(3):39-45.)
정종혁, 김현욱, 민경석, 한상옥, 심재관. 2014. 피해 및 지리정보 기반 호우 . 대설 재해 취약성 분포 특성 분석. 2014년도 한국기상학회 가을 학술대회 초록집. p. 165-167. (Jeong, JH, Kim HU, Min KS, Han SO, Shim JK. 2014. Analysis of the Distribution of Heavy Snow and Heavy Rain Vulnerability Based on Damage and Geographical Information. Proceedings of the Autumn Meeting of KMS. p. 165-167.)
정종혁, 김현욱, 민경석, 한상옥, 심재관. 2014. 피해자료 기반 지역별 호우 . 대설 기상재해 취약성 분석. 2014년도 한국기상학회 가을 학술대회 초록집. p. 214-215. (Jeong, JH, Kim HU, Min KS, Han SO, Shim JK. 2014. Analysis of Heavy Snow and Heavy Rain Disaster Vulnerability Based on Damage Data. Proceedings of the Autumn Meeting of KMS. p. 214-215.)
조형진, 김경배. 2015. 기후변화로 인한 홍수위험의 사회적 취약성 평가 연구: 인천시를 사례로. 기후연구. 10(4):341-354. (Cho HJ, Kim KB. 2015. Assessment of the social Vulnerability in the Climate Change Induced-Flood Risk: Focused on the City of Incheon. Journal of Climate Research. 10(4):341-354.)
한승룡, 강나래, 이창수. 2015. 복합위험요소에 대한 도시지역의 재해위험도 평가. 한국방재학회지. 15(3):33-43. (Han SR, Kang NR, Lee CS. 2015. Disaster Risk Evaluation for Urban Areas Under Composite Hazard Factors. J. Korean soc. Hazard Mitig. 15(3):33-43.)
WMO. 2015. WMO Guidelines on Multi-hazard Impact-based Forecast and Warning Services. WMO. 1150.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.