[논문]취약인자의 엔트로피 기반 중첩 분석을 이용한 부산광역시의 적설재해 취약지역 등급 평가

안찬중; 박용미; 최원식

doi:10.7780/kjrs.2020.36.2.1.9

취약인자의 엔트로피 기반 중첩 분석을 이용한 부산광역시의 적설재해 취약지역 등급 평가
Evaluating Vulnerability to Snowfall Disasters Using Entropy Method for Overlapping Distributions of Vulnerable Factors in Busan, Korea 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.2 pt.1, 2020년, pp.217 - 229

안찬중 (부경대학교 지구환경시스템과학부 환경대기과학전공) , 박용미 (부경대학교 지구환경시스템과학부 환경대기과학전공) , 최원식 (부경대학교 환경대기과학과)

초록
AI-Helper

최근 한반도는 지구온난화로 기상이변 현상이 심화되고 있으며, 그 중 우리나라에서 주로 발생하는 5대 자연재해는 호우, 태풍, 풍랑, 대설, 지진 등이 있다. 부산광역시는 광역시 이상의 도시 자연재해 피해액 중 50% 이상을 차지하고 도심 속 구릉성 산지가 다수 분포하여 적설재해에 매우 취약한 구조를 가지고 있다. 따라서 본 연구는 부산지역을 중심으로 지리정보시스템(GIS)을 이용하여 지형적 특성과 인위적 특성을 함께 고려한 적설재해 위험지역을 선정하였다. 재해취약 지역의 평가요소(표고, 경사도, 토지피복, 도로, 인구통계)에 가중치를 부과하기 위해 엔트로피 방법을 이용하였으며, 가중치가 부과된 평가요소 지도를 중첩하여 위험1-5등급으로 위험도를 산정하였다. 중첩된 격자별 위험등급을 정책결정이나 정보제공의 편의성을 위해 읍·면·동 단위로 평균하여 단순화된 적설재해 취약지도를 추가 분석하였다. 재해 취약지역은 산지를 중심으로 도로가 분포하는 지역 주변에 분포한다는 특징이 있으며, 도로 통제 빈도가 높았던 금정구의 산성로, 북구의 만덕터널, 수영구의 황령산로에 위험지역이 포함되어 본 분석의 신뢰성을 확인하였다. 이와 같은 방법론은 직관적이고 사용하기 쉬우며 취약인자의 추가나 개선에 대한 업데이트가 용이하기 때문에 다른 재해나 환경위험도 분석에도 쉽게 적용이 가능하다는 장점이 있다.

Abstract ▼ AI-Helper

Recently, weather changes in Korea have intensified due to global warming, and the five major natural disasters that occur mostly include heavy rains, typhoons, storms, heavy snow, and earthquakes. Busan is vulnerable to snow disaster, given that the amount of natural disaster damage in Busan accounts for more than 50% of the total amount in the entire metropolitan cities in Korea, and that the Busan area includes many hilly mountains. In this study, we attempted to identify vulnerable areas for snowfall disasters in Busan areas using the geographic information system (GIS) with the data for both geographical and anthropogenic characteristics. We produced the maps of vulnerable areas for evaluating factors that include altitude, slope, land cover, road networks, and demographics, and overlapped those maps to rank the vulnerability to snowfall disasters as the 5th levels finally. To weight each evaluating factor, we used an entropy method. The riskiest areas are characterized by being located in mountainous areas with roads, including Sansung-ro in Geumjeong-gu, Mandeok tunnel in Buk-gu, Hwangnyeongsan-ro in Suyeong-gu, and others, where road restrictions were actually enforced due to snowfall events in the past. This method is simple and easy to be updated, and thus we think this methodology can be adapted to identify vulnerable areas for other environmental disasters.

주제어

표/그림 (13)

표 Table 1. GIS data used in this study and data sources
표 Table 2. Weighting factors for the variables calculated with the entropy method
표 Table 3. Distributions of elevation and topography in Korean mega cities (Number, 2 km × 2 km) (Korea Forest Service (KFS), 2018a and b)
그림 Fig. 1. (a) Digital elevation model and (b) risk level for digital elevation model.
표 Table 4. Distribution of slope in other cities (Number, 2 km × 2 km) (Korea Forest Service (KFS), 2018c)
그림 Fig. 2. (a) Slope and (b) risk level for slope.
그림 Fig. 3. (a) Land-cover map for medium-classed land-cover, drawn at a regional scale of 1:25,000 with 22 classification and (b) risk level for residential and commercial areas.
그림 Fig. 4. (a) Road networks and (b) risk level for road networks.
그림 Fig. 5. (a) Demographic statistics map and (b) risk level for demographic statistics.
그림 Fig. 6. The map of overlapped risk level with five vulnerable factors (a – e).
표 Table 5. Risk level criteria for each assessment category
그림 Fig. 7. Areas with risk level 1 for snowfall disasters.
그림 Fig. 8. Vulnerable areas to snowfall disasters in Busan.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이처럼 경상도 지역은 적설 사례가 빈번하지 않음에도 불구하고 작물재배지역 비율과 인구밀도가 높으며, 적설재해 에 대한 대응 경험이 부족하다고 판단되어 적설재해에 취약할 것으로 예상되었다. 따라서 본 연구에서는 경상도 지역 중 인구가 가장 많은 부산지역을 중심으로 적설재해 취약지역을 선정하고자 한다.
적설은 다양한 요소들이 영향을 주는 복합적인 재해이기 때문에 본 연구에서는 지리정보시스템(Geographic Information System, GIS)을 이용하여 부산광역시를 중심으로 지형적 특성(표고, 경사도)과 인위적 특성(토지피복 현황, 주민등록상 인구통계 현황)을 함께 고려하여 각각의 평가 항목에 가중치를 부과 후 중첩함으로써 읍·면·동 단위의 상세한 부산지역 적설재해 위험 지구를 선정하는 것을 목적으로 하였다.

가설 설정

적설 사례가 발생한다면, 노면 결빙으로 마찰력이 감소하여 제동거리가 증가하며 결빙지역의 경사도가 증가한다면, 그 위험성은 더욱 증가할 것이다(Koo et al., 2013). 산림청에 따르면 부산지역은 도심에 다수의 산지가 분포하고 있어 타 광역도시보다 산복 지형과 15° 이상의 경사지가 다수 존재한다(KFS, 2018c; Table 4).

제안 방법

표고는 200 m 이상, 경사도는 17° 이상, 토지피복 현황은 인간 활동이 활발하고 부산지역에서 높은 비중을 차지하고 있는 주거 및 상업지역과 도로의 분포 현황, 인구통계는 부산지역의 읍·면·동 단위의 상위 50% 지역을 취약지역으로 판단하였다. 각각 평가항목에서 분류된 등급은 자료의 왜곡을 방지하기 위해 엔트로피 방법을 사용하여 가중치를 적용한 후, 각각의 평가항목을 중첩하여 적설재해 취약지역을 선정하였다. 그 결과 부산진구에 4개의 읍·면·동이 선정되었으며, 부산지역의 유동인구가 가장 많은 지역으로 적설재해 시 가장 주의가 필요할 것으로 판단된다.
각각의 평가항목(표고, 경사도, 도로, 주거 및 상업지역, 인구통계)에 대한 취약기준을 선정하여 엔트로피 방법을 통해 가중치를 부여하였으며, 각 평가항목을 모두 중첩하여 최종 적설재해 취약지역을 산정하였다 (Table 5). 가중치가 부여된 각 평가항목을 중첩하였을 때, 5개의 등급으로 구분하기 위해 등 간격(0.
각각의 평가항목(표고, 경사도, 주거 및 상업지역, 도로, 인구통계)의 위험 기준을 설정하여 중첩분석을 통해 최종 위험지역을 선정하였으며, 정책결정이나 정 보제공의 편의성을 위해 중첩된 위험등급을 법정동 기준의 읍·면·동 단위로 평균하여 적설재해 취약지역을 추가 분석하였다.
행정안전부에 따르면, 부산지역은 해운대구, 부산진구, 사하구의 인구가 300,000명 이상으로 부산 전체지역의 30% 이상이 밀집된 양상을 보였으며, 북구, 남구, 동래구, 금정구, 사상구, 연제구, 수영구, 기장군의 인구가 200,000명 이상의 분포를 보였다(MOIS, 2019b). 국토지리정보원에서 제공하는 주민등록상 인구통계도를 법정동 단위의 행정경계로 분류하였으며 (NGII, 2019), 법정동 단위 인구의 상위 50% 기준(17,783 명)으로 취약기준을 선정하였다(Fig. 5). 그러나, 이는 본 연구에서 임의로 결정한 것으로 추후 관련 연구의 결과에 따라 보다 객관적인 기준을 선정할 필요가 있다.
, 2015), 엔트로피 가중치 방법은 평가항목의 정보만을 사용하여 가중치를 계산하기 때문에 다른 방법에 비해 객관적인 가중치 산정이 가능하다. 따라서 본 연구에서는 엔트로피 방법을 이용하여 각각의 평가항목에 가중치를 부과하였다. 엔트로피 가중치 추정 방법은 다음과 같이 4단계로 진행된다.
따라서 본 연구의 경사도에 의한 취약지역으로 부산지역의 토지개발 허가기준인 17° 이상인 지역을 위험 1등급, 그 외의 지역을 위험 2등급으로 산정하여 분석하였다(Fig. 2).
(2015)은 부산지역의 도로가 위치한 지형을 중심으로 지형적 특성(경사도, 향, 표고)과 적응적 특성(제 설능력, 공무원 수), 사회적 특성(학교정원 수)으로 구분 하였다. 또한 K-평균을 이용하여 부산지역 행정동을 4 개의 지역유형으로 구분하여 유형별 설해저감대책을 제시하였다. Oh and Chung(2018)은 대설 피해 평가를 위해 전국을 대상으로 시·군·구 별 대설 피해 취약성을 분석하였다.
하지만 산림청에 따르면 부산지역의 지형적 특성은 타 도시보다 200 m 이상의 산지들로 다수 구성되어 있다(KFS, 2018a; Table 3). 또한 산지들을 연결하기 위해 고지대를 잇는 산복도로가 다수 포함되어 있어 도로 결빙현상에 의한 적설재해 취약 기준 고도를 200 m로 설정하였다. 이 기준은 Koo et al.
부산지역은 해안이 인접해 있고 구릉성 산지가 복잡하게 분포된 지형적 특성으로 적설 예측에 어려움을 겪 고 있다. 본 연구는 지형적 특성과 인위적 특성으로 인해 피해가 예상되는 지점을 지리정보시스템(GIS)을 이용 하여 적설재해 취약지점을 지도로 작성하였다. 지형적 특성 자료로 표고점과 경사도를 사용하였으며, 인위적 특성 자료로 토지피복 현황과 주민등록상 인구 통계도를 사용하였다.
환경부에서 제공하는 토지피복도는 인공위성이 촬영한 영상과 항공 영상을 이용하여 지표의 상태를 표현한 지도를 의미하며, 항목에 따라 3단계(대분류: 7개, 중 분류: 22개, 세분류: 41개)로 분류된다(ME, 2018). 본 연구에서 중분류의 토지피복도를 이용하였으며, 구축된 토지피복 D/B를 통해 분류항목별 비율을 산출하였다. 부산지역은 주거지역(23.
지리정보시스템은 전 국토의 지리 공간정보를 디지털화하여 제공하는 첨단 정보처리 시스템을 의미하며, 토지정보, 도시계획과 관리, 환경, 교통, 농업, 재해와 재난을 비롯한 다양한 분야에서 유용하게 활용된다. 본 연구에서는 국토정보 플랫폼(국토지리정보원)에서 제공하는 수치지형도를 통해 부산지역의 지형적 특성 자료(수치표고 모델, 경사도)를 추출하였으며, 국토환경정보센터(환경부)에서 제공하는 토지피복 현황을 분석하였다(NGII, 2018a; ME, 2018). 각각의 평가항목(표고, 경사도, 주거 및 상업지역, 도로, 인구통계)의 위험 기준을 설정하여 중첩분석을 통해 최종 위험지역을 선정하였으며, 정책결정이나 정 보제공의 편의성을 위해 중첩된 위험등급을 법정동 기준의 읍·면·동 단위로 평균하여 적설재해 취약지역을 추가 분석하였다.
, 2015). 본 연구에서는 취약인자 공간분포의 중첩을 위해 Raster 형식의 격자 지도를 동일한 크기의 벡터 형식의 지도(점과 점을 연결하여 만든 다각형(Polygon) 형식)로 변환하였다.
수치지형도에서 공간자료(등고선, 표고점)를 추출한 후 불규칙 삼각망(Triangulated Irregular Network, TIN) 을 생성하였고, 산출된 불규칙 삼각망을 Raster 형식의 수치표고모델(Digital Elevation Model, DEM)로 변환하였다. Jeong et al.
최종적으로 평가항목(i)에 대한 가중치(w_i )를 다양성 정도(d_i =1–H_i )를 이용하여 산출한 다(4단계; 식 (4)). 엔트로피 이론으로 산정된 가중치는 요소별로 가중치를 적용하여 추후 중첩하였다(Table 2).
(2013)의 연구에도 적용된 바 있다. 이에 본 연구에서는 200 m 이상의 고지대를 위 험지역 1등급, 200 m 미만의 저지대를 2등급으로 산정 하였다(Fig. 1). 강서구를 제외한 부산내륙 지역의 대부분과 기장군 지역에 위험 1등급이 포함되었으며, 특히 금정산이 위치한 금정구, 북구지역과 백운산과 삼각산이 위치한 기장군에 위험 1등급이 많은 비중을 차지하였다.
또한 도로통제와 같은 특정한 방지책에 국한한 것이 아니라 보다 넓은 범위에서 재난 취약 지구를 선정하는 것이 적설재해로 발생할 수 있는 다양한 피해에 대한 선제적 대응이 용이하고, 재난 안전문자 등의 행정적 편이성을 고려하였을 때, 읍·면·동 단위의 구분이 유의미할 것으로 판단 되었다. 이에, 격자별 데이터를 기반으로 법정동 단위의 행정구역 경계로 단순화된 적설재해 취약지역 지역을 산출하였다.
4%)이 우세하게 구성되어 있다. 적설재해 시 인명피해와 가장 밀접하게 관련 있다고 판단되는 주거지역과 상업지역의 비중이 높아 타 도시보다 적설재해에 취약할 수 있으며, 토지피복도를 주거 및 상업지역을 위험 1등급, 활동이 상대적으로 성글 것으로 추정 되는 그 외의 지역을 위험 2등급으로 산정하여 취약지 역을 분석하였다(Fig. 3). 부산지역은 동래구, 연제구, 부산진구를 중심으로 위험 1등급 지역이 밀집된 양상을 보였으며, 기장군과 강서구는 농업 및 산림, 초지지역으로 구성되어 낮은 위험등급 분포를 보였다.
본 연구는 지형적 특성과 인위적 특성으로 인해 피해가 예상되는 지점을 지리정보시스템(GIS)을 이용 하여 적설재해 취약지점을 지도로 작성하였다. 지형적 특성 자료로 표고점과 경사도를 사용하였으며, 인위적 특성 자료로 토지피복 현황과 주민등록상 인구 통계도를 사용하였다. 표고는 200 m 이상, 경사도는 17° 이상, 토지피복 현황은 인간 활동이 활발하고 부산지역에서 높은 비중을 차지하고 있는 주거 및 상업지역과 도로의 분포 현황, 인구통계는 부산지역의 읍·면·동 단위의 상위 50% 지역을 취약지역으로 판단하였다.
추출된 경사도 또한 추후 중첩을 위해 100 m × 100 m 크기의 벡터 형태(Polygon)의 경사도로 변환하였다.
행정경계로 구분된 취약등급은 최종 추출된 격자별 위험등급을 법정동 단위로 평균한 후, 지역별 분포를 고려하여 등 간격(0.1036)으로 나누어 산정하였다.

대상 데이터

2%)의 격자가 추출되었으며, 부산내륙 지역을 중심으로 취약지역이 분포하였다. 1등급은 기장군(46개)과 해운대구(42개)에 가장 많이 존재하였으며, 그 뒤를 이어 금정구(36개)와 북구(30개), 부산진구(23개)가 위험지역으로 선정되었다. 그 외에 서구(18개), 영도구(16개), 사하구(11개), 동래구(7개), 사상구(6개), 연제구(4개), 수영구(2개)가 위험지역을 포함하였는데, 대부분 산지를 중심으로 인근 도로가 분포하는 지역 주변에 취약 1등급이 분포하는 특징을 보였다.
5°C/km). 본 연구에서는 적설재해 취약지역에 대한 표고의 기준을 정하기 위해 부산지역의 대표 기상측정소인 중구 대청동 기상대(고도: 69 m)를 기준으로 2017년부터 2019년까지 겨울철(1월, 2월, 12월) 모든 강우 사례를 선별하였다. 총 54일의 강우 사례의 평균 지면 공기 온도는 7.
또한 교통량이 많은 지역에 결빙이 발생한다면 많은 연쇄 사고로 이어질 확률이 높아 적설재해 취약지역 판단 시 도로의 분포를 파악하는 것이 중요하다. 부산지역의 도로현황은 도로가 포함된 국토지리정보원에서 제공하는 도로 자료에서 추출하였다(NGII, 2018b). 위험 1등급 지역은 주거 및 상업지역과 유사하게 동래구, 연제구, 부산진구를 중심으로 뻗어 있는 양상을 보였으며, 이는 부산내륙 지역을 중심으로 인간 활동이 밀집되어 있다는 것을 의미하였다(Fig.
부산지역의 적설재해 취약지역을 판단하기 위해 지리정보시스템의 다양한 공간자료(등고선, 표고점, 토지 피복 현황, 인구통계)를 활용하였다. 지리정보시스템은 전 국토의 지리 공간정보를 디지털화하여 제공하는 첨단 정보처리 시스템을 의미하며, 토지정보, 도시계획과 관리, 환경, 교통, 농업, 재해와 재난을 비롯한 다양한 분야에서 유용하게 활용된다.

이론/모형

해당 격자의 지형경사도를 산출하기 위해 평면방법 (planar method)을 사용하였다. 평면방법은 산출된 수치 표고모델을 통해 2차원 직교좌표계를 사용하여 투영된 3 × 3 격자 평면에서 경사도를 추출하는 방법이다 (Burrough et al.

성능/효과

특히 금정구의 산성로, 북구의 만덕터널, 수영구의 황령산로에 1등급이 분포 하는데, 이는 적설재해에 의한 도로통제 빈도가 높았던 지역과 일치하였다. 강서구는 전반적으로 각 평가항목이 4-5등급으로 구성되어 최종 취약지역에서 타 지역에 보다 적설재해에 안전한 지역으로 나타났다(Fig. 7).
1). 강서구를 제외한 부산내륙 지역의 대부분과 기장군 지역에 위험 1등급이 포함되었으며, 특히 금정산이 위치한 금정구, 북구지역과 백운산과 삼각산이 위치한 기장군에 위험 1등급이 많은 비중을 차지하였다.
그 결과 부산진구에 4개의 읍·면·동이 선정되었으며, 부산지역의 유동인구가 가장 많은 지역으로 적설재해 시 가장 주의가 필요할 것으로 판단된다.
또한 도로통제와 같은 특정한 방지책에 국한한 것이 아니라 보다 넓은 범위에서 재난 취약 지구를 선정하는 것이 적설재해로 발생할 수 있는 다양한 피해에 대한 선제적 대응이 용이하고, 재난 안전문자 등의 행정적 편이성을 고려하였을 때, 읍·면·동 단위의 구분이 유의미할 것으로 판단 되었다.
Oh and Chung(2018)은 대설 피해 평가를 위해 전국을 대상으로 시·군·구 별 대설 피해 취약성을 분석하였다. 연구에서 산출된 취약성 결과와 대설피해 사례의 경향성 분석 결과, 지수함수 형식의 분포를 나타내었다. 또한 전라도와 충청도 지역에 취약등급이 가장 많이 분포한 것을 확인할 수 있었으며 경상도 지역은 시설작물 재배지역 면적비율이 상위 15%로 대설피해의 잠재적 위험지역으로 판단된다고 하였다.
부산지역의 도로현황은 도로가 포함된 국토지리정보원에서 제공하는 도로 자료에서 추출하였다(NGII, 2018b). 위험 1등급 지역은 주거 및 상업지역과 유사하게 동래구, 연제구, 부산진구를 중심으로 뻗어 있는 양상을 보였으며, 이는 부산내륙 지역을 중심으로 인간 활동이 밀집되어 있다는 것을 의미하였다(Fig. 4). 도로가 밀집된 지역에서 적설재해로 인해 빈번한 교통사고가 발생하거나 도로가 통제된다면, 인적, 시간적, 경제적 피해가 발생할 것으로 부산내륙 지역이 적설재해에 취약할 것이다.
총 54일의 강우 사례의 평균 지면 공기 온도는 7.3(±1.3)°C 로 (KMA, 2019), 평균 단열감률을 적용하였을 경우, 결빙현상이 발생하는 0°C에 도달하는 고도가 1,000 m 이상으로 나타났다.
6). 총 79,376개의 격자 중 1등급 격자의 개수는 241개(0.3%), 2등급은 11,170개(14.1%), 3등급은 22,624 개(28.5%), 4등급은 17,410개(21.9%), 5등급은 27,931개 (35.2%)의 격자가 추출되었으며, 부산내륙 지역을 중심으로 취약지역이 분포하였다. 1등급은 기장군(46개)과 해운대구(42개)에 가장 많이 존재하였으며, 그 뒤를 이어 금정구(36개)와 북구(30개), 부산진구(23개)가 위험지역으로 선정되었다.
표고는 200 m 이상, 경사도는 17° 이상, 토지피복 현황은 인간 활동이 활발하고 부산지역에서 높은 비중을 차지하고 있는 주거 및 상업지역과 도로의 분포 현황, 인구통계는 부산지역의 읍·면·동 단위의 상위 50% 지역을 취약지역으로 판단하였다.

후속연구

본 연구결과는 부산지역의 적절재 해 예방을 위한 대책을 마련하는데 중요한 기초자료로 사용될 수 있을 것으로 기대된다. 또한 이와 같은 방법론을 다른 재해에 적용시킨다면 집중호우와 같은 기상 재해 뿐만 아니라 대기오염 취약지구 선정과 같은 다양한 지구환경재해 대비책을 마련하는데 유용한 기초자료로 활용될 수 있을 것으로 기대한다. 이러한 시도는 기상 또는 대기환경 분야와 공간정보 분야의 융합적 연구로 학문적 의미가 있을 것으로 판단된다.
또한, 향후 부산지역에 적설재해 대비를 위한 적설 관측기기의 추가 설치를 계획하거나 강설 시 피해 대처 계획을 수립할 때, 우선순위를 취약 위험지역으로 고려하는 등의 정책적 판단의 기초 자료로 활용될 수 있을 것으로 기대된다. 또한, 본 연구에서는 적설재해를 대상으로 하였으나 적절한 취약인자를 대입한다면 다른 기상재해 또는 대기오염과 같은 환경재해에 대한 취약지역을 평가하는데도 적용이 가능하다. 하지만 본 연구에서는 5개의 제한적인 취약인자를 사용하였고, 인구 수의 경우 기준 설정에 대한 객관적 근거가 확보되지 못하였으며, 취약인자 공간분포의 중첩에 사용한 엔트로피 모델 결과에 임계 기준을 설정함에 동일 간격을 적용한 한계가 있다.
본 연구방법은 취약기준과 관련된 데이터베이스의 업데이트가 있을 경우, 이를 반영한 취약지역 재선정을 통해 취약지도를 즉각적으로 업데이트하기 용이한 장점이 있다. 또한, 향후 부산지역에 적설재해 대비를 위한 적설 관측기기의 추가 설치를 계획하거나 강설 시 피해 대처 계획을 수립할 때, 우선순위를 취약 위험지역으로 고려하는 등의 정책적 판단의 기초 자료로 활용될 수 있을 것으로 기대된다. 또한, 본 연구에서는 적설재해를 대상으로 하였으나 적절한 취약인자를 대입한다면 다른 기상재해 또는 대기오염과 같은 환경재해에 대한 취약지역을 평가하는데도 적용이 가능하다.
적설은 다양한 요소들이 영향을 주는 복합적인 재해이기 때문에 본 연구에서는 지리정보시스템(Geographic Information System, GIS)을 이용하여 부산광역시를 중심으로 지형적 특성(표고, 경사도)과 인위적 특성(토지피복 현황, 주민등록상 인구통계 현황)을 함께 고려하여 각각의 평가 항목에 가중치를 부과 후 중첩함으로써 읍·면·동 단위의 상세한 부산지역 적설재해 위험 지구를 선정하는 것을 목적으로 하였다. 본 연구결과는 부산지역의 적절재 해 예방을 위한 대책을 마련하는데 중요한 기초자료로 사용될 수 있을 것으로 기대된다. 또한 이와 같은 방법론을 다른 재해에 적용시킨다면 집중호우와 같은 기상 재해 뿐만 아니라 대기오염 취약지구 선정과 같은 다양한 지구환경재해 대비책을 마련하는데 유용한 기초자료로 활용될 수 있을 것으로 기대한다.
또한, 본 연구에서는 적설재해를 대상으로 하였으나 적절한 취약인자를 대입한다면 다른 기상재해 또는 대기오염과 같은 환경재해에 대한 취약지역을 평가하는데도 적용이 가능하다. 하지만 본 연구에서는 5개의 제한적인 취약인자를 사용하였고, 인구 수의 경우 기준 설정에 대한 객관적 근거가 확보되지 못하였으며, 취약인자 공간분포의 중첩에 사용한 엔트로피 모델 결과에 임계 기준을 설정함에 동일 간격을 적용한 한계가 있다. 향후 연구에서 추가적인 취약인자를 개발 적용하고, 취약인자와 임계 기준 설정에 대한 객관적인 근거로 사용할 수 있는 자료가 확보된다면 이에 대한 개선이 요구된다.
하지만 본 연구에서는 5개의 제한적인 취약인자를 사용하였고, 인구 수의 경우 기준 설정에 대한 객관적 근거가 확보되지 못하였으며, 취약인자 공간분포의 중첩에 사용한 엔트로피 모델 결과에 임계 기준을 설정함에 동일 간격을 적용한 한계가 있다. 향후 연구에서 추가적인 취약인자를 개발 적용하고, 취약인자와 임계 기준 설정에 대한 객관적인 근거로 사용할 수 있는 자료가 확보된다면 이에 대한 개선이 요구된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	한반도에서 주로 발생하는 자연재해는 무엇이 있는가?	또한 한반도는 대설에 의한 피해 빈도가 2000년대 초반까지는 낮은 수준을 보였으나, 최근 들어 대설에 의한 피해 빈도가 꾸준히 상승하고 있다(Lee and Chung, 2019). 한반도에서 주로 발생하는 자연재해는 호우, 태풍, 풍랑, 대설, 지진 등이 있으며 행정안전부에 따르면 2018년 자연재해에 의한 피해액 1,413억원 중 대설에 의한 피해액이 140억 원으로 전체 자연재해 피해액 중 약 10%를 차지하였다(MOIS, 2018). 또한, 부산지역의 자연재해 피해액은 73억 원으로 광역시 이상의 6개 도시 전체 피해액 135억 원의 54%를 차지하였는데, 이는 부산지역이 타 도시보다 도심 속 구릉성 산지가 많이 존재하고 해안이 인접한 복잡한 지형적 특성으로 적설재해에 취약한 구조로 형성되어 있기 때문이다.
	본 연구에서 사용한 엔트로피 방법의 장점은 무엇인가?	재해 취약지역은 산지를 중심으로 도로가 분포하는 지역 주변에 분포한다는 특징이 있으며, 도로 통제 빈도가 높았던 금정구의 산성로, 북구의 만덕터널, 수영구의 황령산로에 위험지역이 포함되어 본 분석의 신뢰성을 확인하였다. 이와 같은 방법론은 직관적이고 사용하기 쉬우며 취약인자의 추가나 개선에 대한 업데이트가 용이하기 때문에 다른 재해나 환경위험도 분석에도 쉽게 적용이 가능하다는 장점이 있다.
	엔트로피 가중치 추정 방법은 무엇인가?	엔트로피 가중치 추정 방법(Shannon and Weaver, 1949) 은 각각의 평가항목(표고, 경사도, 도로, 주거 및 상업지역, 인구통계)에 가중치를 결정하는 방법으로, 취약성 평가에 가중치를 부여하는 방법으로 많이 이용되는 방법이다. 엔트로피 가중치 추정 방법을 통하여 Park et al.

참고문헌 (25)

Burrough, P.A., R.A. McDonnell, and C.D. Lloyd, 1998. Principles of geographical information systems, Oxford University Press, New York, NY, USA.
Busan metropolitan city, 2018. Busan metropolitan city urban planning ordinance, http://www.busan.go.kr/public/abregulations01/view?depth3Code001, Accessed on Feb. 15, 2020.
Ha, J., H. Park, and G. Chung, 2019. Snow vulnerability analysis in Jeolla-do, South Korea using entropy theory, Journal of the Korean Society of Hazard Mitigation, 19(5): 263-271 (in Korean with English abstract).

상세보기
Hong, J., H.J. Lim, Y.H. Ham, and B.J. Lee, 2015. Grid unit based analysis of climate change driven disaster vulnerability in urban area, Journal of Korea Spatial Information Society, 23(6): 67-75 (in Korean with English abstract).
Jeong, I.-J., K.-W. Seo, and G.-Y. Kim, 2005. Determination of grid size to extract hydrologictopographical parameters, Journal of the Korean Association of Geographic Information Studies, 8(3): 23-33 (in Korean with English abstract).
Kim, D.H., J.M. Kim, B.C. Yoon, E.M. Chang, and Y.S. Choi, 2015. Development plan of grid system utilizing spatial information, Journal of Korea Spatial Information Society, 23(6): 43-55 (in Korean with English abstract).
Kim, B.-M., 2019. Planning study on the development of vertical forecast method for complex precipi-tation in Busan, http://book.kma.go.kr/search/DetailView.ax?sid1&cid33760, Accessed on Feb. 15, 2020.
Koo, Y., S. Lee, D. Lee, and J. Jung, 2015. A study on mitigation measure by classification of areas based on risk factors of snowfall, Journal of the Korean Society of Hazard Mitigation, 15(2):393-398 (in Korean with English abstract).

원문보기 상세보기
Koo, Y.S., S.H. Lee, and J. Jung, 2013. Selecting and assessing vulnerable zones of snow damage in urban areas-the case of city of Busan, Journal of The Korean Society of Civil Engineers, 33(3):1077-1086 (in Korean with English abstract).

원문보기 상세보기
KFS, 2018a. National Forest Inventory, Statistics Korea (KOSTAT), Korea Forest Service, http://kosis.kr/statHtml/statHtml.do?orgId136&tblIdDT_5THFO002&conn_pathI2, Accessed on Feb. 15, 2020.
KFS, 2018b. National Forest Inventory, Statistics Korea (KOSTAT), Korea Forest Service, http://kosis.kr/statHtml/statHtml.do?orgId136&tblIdDT_5THFO001&conn_pathI2, Accessed on Feb. 15, 2020.
KFS, 2018c. National Forest Inventory, Statistics Korea (KOSTAT), Korea Forest Service, http://kosis.kr/statHtml/statHtml.do?orgId136&tblIdDT_5THFO003&conn_pathI2, Accessed on Feb. 15, 2020.
KMA, 2019. Automated Synoptic Observing System (ASOS), Korea Meteorological Administration, https://data.kma.go.kr/data/grnd/selectAsosRltmList.do?pgmNo36, Accessed on Feb. 15. 2020.
Lee, S., J.E. Kang, H.J. Bae, and D.K. Yoon, 2015. Vulnerability assessment of the air pollution using entropy weights: focused on ozone, Journal of The Korean Association of Regional Geographers, 21(4): 751-763 (in Korean with English abstract).
Lee, H.J. and G. Chung, 2019. Mitigation of snow damage in Gangwon by analyzing snow density and characteristics, Journal of the Korean Society of Hazard Mitigation, 19(6): 87-91 (in Korean with English abstract).
ME, 2018. Land-cover map, Ministry of Environment, https://egis.me.go.kr/intro/land.do, Accessed on Feb. 15, 2020.
MOIS, 2018. Statistical yearbook of natural disaster, Ministry of the Interior and Safety, https://www.mois.go.kr/frt/bbs/type001/commonSelectBoardArticle.do?bbsIdBBSMSTR_000000000012&nttId73589#none, Accessed on Feb. 15, 2020.
MOIS, 2019a. Disaster message, Ministry of the Interior and Safety, http://www.safekorea.go.kr/idsiSFK/neo/sfk/cs/sfc/dis/disasterMsgList.jsp?emgPageY&menuSeq679, Accessed on Feb. 15, 2020.
MOIS, 2019b. Resident registration demographics, Ministry of the Interior and Safety, http://27.101.213.4, Accessed on Feb. 14, 2020.
NGII, 2018a. Digital topographic map, National Geographic Information Institute, http://map.ngii.go.kr/pd/ctlsSvc/ctlsSvc.do, Accessed on Feb. 15, 2020.
NGII, 2018b. Road networks, National Geographic Information Institute, http://map.ngii.go.kr/pd/ctlsSvc/ctlsSvc.do, Accessed on Feb. 15, 2020.
NGII, 2019. Demographic statistics map, National Geographic Information Institute, http://map.ngii.go.kr/pd/ctlsSvc/ctlsSvc.do, Accessed on Feb. 15, 2020.
Oh, Y.R. and G. Chung, 2018. Snow damage vulnerability analysis for evaluation of snow damage in South Korea, Journal of the Korean Society of Hazard Mitigation, 18(2): 347-353 (in Korean with English abstract).

상세보기
Park, H.-S., S.J. Lee, I. Yu, S. Jeong, and G. Chung, 2014. Snow disaster risk index in the Ulsan metropolitan city, Journal of the Korean Society of Hazard Mitigation, 14(2): 97-106 (in Korean with English abstract).

원문보기 상세보기
Shannon, C.E. and W. Weaver, 1949. The mathematical theory of communication, University of Illinois Press, Urbana, IL, USA.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증