홍수피해자료 분석방법 비교에 의한 홍수취약성지수 산정

Flood Vulnerability Index Estimated by Comparing Analysis Methods of Flood Damage Data

Article information

J. Korean Soc. Hazard Mitig. 2016;16(2):427-435
Publication date (electronic) : 2016 April 30
doi : https://doi.org/10.9798/KOSHAM.2016.16.2.427
이종석*, 최현일
* Member. Ph.D Candidate, Department of Civil Engineering, Yeungnam University
**Corresponding Author. Member. Associate Professor, Department of Civil Engineering, Yeungnam University (Tel: +82-53-810-2413, Fax: +82-53-810-4622, E-mail: hichoi@ynu.ac.kr)
Received 2016 January 19; Revised 2016 January 21; Accepted 2016 February 05.

Abstract

본 논문에서는 전국 230개 시군구에 대한 홍수피해자료를 홍수취약성을 분석하기 위한 대표 평가지표로 선정하고, 홍수피해자료 분석방법에 따른 홍수피해지표 산정결과를 비교하여 지역별 홍수취약성 분석을 수행하였다. 시군구별 홍수취약성 분석을 위해 지역의 사회적, 지형적, 경제적 홍수피해특성을 반영할 수 있는 최근 17개년 동안의 인명피해, 침수피해, 재산피해 등의 홍수피해자료를 3개의 홍수피해지표로 구축하였다. 수집된 홍수피해자료의 원자료값과 시군구의 인구 또는 면적 규모에 따른 비율값에 의해 구축된 홍수피해지표를 비교평가하였다. 또한 자료수집 전체기간에 대한 연평균값과 홍수 발생회수에 대한 건평균값으로 구축된 홍수피해지표의 특성을 비교분석하였다. 홍수피해자료의 분석방법 비교에 의해 산정된 새로운 홍수취약성지수는 지역의 홍수피해특성을 보다 합리적이고 종합적으로 나타낼 수 있다.

Trans Abstract

This study has made a selection of flood damage data as the representative factors for flood vulnerability assessment in national-wide 230 administrative districts, and evaluated the regional flood vulnerability by comparing results of flood damage indicators from different analysis methods of flood damage data. For flood vulnerability assessment of each administrative district, the three flood damage indicators were constructed from flood damage data of casualty losses, inundated areas, and property damage during recent 17 years to represent social, geographic, and economic features, respectively. This study has estimated and compared flood damage indicators by raw values and ratio values of flood damage data to population or area of each administrative district. The characteristics of flood damage indicators were also compared between annual average and event’s average for 17-year historical flood damage data. The new flood vulnerability index estimated by comparing analysis methods of flood damage data is expected to present more rational and comprehensive flood damage characteristics in districts.

1. 서론

우리나라는 연중 강우량의 계절적 편중이 심하여 강우가 6-9월에 집중하는 기상학적 요인, 국토의 2/3이상이 풍화암 산악지형으로 구성되어 있는 지형학적 요인, 그리고 지속적인 산업화와 도시화로 토지이용이 고도화되어 재해요인이 가중되는 사회경제적 요인 등에 의해 홍수에 취약한 특성을 갖고 있다. 또한 최근 전세계적으로 발행하고 있는 현상인 지구온난화, 엘니뇨 및 라니냐 등의 이상기후가 우리나라에도 영향을 주어 홍수발생의 빈도와 강도가 증가하고 있는 추세이다. 이러한 홍수에 의한 막대한 인명피해와 재산상의 손실을 저감하기 위하여 구조적 및 비구조적인 치수대책을 비롯하여 종합적인 방재계획에 대한 연구개발이 요구되며, 홍수로 인한 피해를 경감하고 사회적 이익을 증대할 수 있는 지역별 특성에 적합한 치수대책의 수립이 필요하다. 전국 유역을 총괄하는 계획에 의해 지역별 또는 치수단위구역별 홍수특성을 고려한 치수계획의 규모에 따라 유역에 대한 치수대책 수립을 위해서는 많은 예산과 인력이 소요되므로, 홍수방어를 위한 투자와 대비는 선별적으로 집행되어야 할 것이다. 따라서 지역별 홍수위험에 합리적으로 대처하기 위해서는 유역의 홍수특성을 종합적으로 진단하고 이를 객관적으로 정량화할 수 있는 평가체계의 구축이 매우 절실하다고 할 수 있다.

홍수피해는 지역에 따라 발생빈도와 피해특성 및 피해규모가 다양하기 때문에 합리적이고 효과적인 치수대책을 위해서는 지역별 홍수피해에 대한 특성과 위험성 정도를 나타내는 계량화된 평가지표를 이용하여 홍수취약성을 평가하고 사업우선 순위를 결정해야 한다. 홍수취약성 분석에는 여러 다양한 세부평가지표들이 요구되므로, 선정되는 평가지표의 종류와 특성에 따라 홍수취약성 산정결과에 큰 영향을 미치게 된다. 따라서 지역별 홍수취약성을 평가하기 위해서는 지역별특성을 파악할 수 있도록 그 지역의 홍수관련 각종 정보를 이용한 평가지표 선정이 필요하며, 이에 따라 국내외적으로 홍수피해 현황 및 특성을 분석한 다양한 홍수취약성 분석방법들이 개발되고 있다.

국외에서 수행된 홍수피해자료를 이용한 홍수취약성 분석관련 연구들을 살펴보면, Zhang et al. (2002)은 잠재홍수피해요인, 홍수피해현황, 홍수피해추이, 사회경제수준, 홍수대응능력 등의 지표를 이용하여 홍수피해위험도(Flood Damage Risk)를 평가하였다. Cardona et al. (2005)은 인명피해자수,이재민수, 홍수피해액 등의 3가지 홍수피해지표를 이용하여 지역재난지수(Local Disaster Index)를 산정하였고, Sullivan et al. (2005)은 통합적인 지수접근 방식을 사용한 도시지역홍수취약성 평가를 위해 침수면적, 인구밀도, 홍수발생빈도 등의 지표를 이용하여 분석하였다. Kubal et al. (2009)은 과거의 침수면적자료와 재산피해액 등의 지표를 이용한 다기준 분석방법을 통하여 독일의 도시홍수취약성을 평가하였다.

국내의 경우, 홍수위험도를 평가하기 위하여 국토교통부(MOLIT, 2000)에서 잠재성요소로 인구, 재산, 도시화율, 사회기반시설을 이용하여 홍수에 대한 잠재적인 피해요인을 고려하고, 위험성요소로 홍수피해액, 확률강우량, 하천개수율, 홍수조절용량을 통해 홍수피해 발생가능성과 방어능력을 평가하여, 치수단위구역별 홍수피해잠재능(Potential Flood Damage)을 평가하였다. Choi et al. (2006)은 인명피해밀도,재산피해밀도, 침수면적밀도의 자료를 이용하여 홍수위험도를 제시하였고, Park et al. (2009)은 과거 홍수피해자료를 이용하여 홍수피해 발생빈도와 홍수피해액의 무차원 상관관계해석을 통한 전국의 홍수피해특성을 분석하였으며, Jang et al. (2009)은 홍수피해위험 저감 및 예측을 위해 한강유역을 대상으로 여러 가지 강우특성 변수들과 홍수피해액에 대한상관관계 분석을 실시하였다. 또한 지표별 인과관계에 의한 홍수위험지수 산정에 대한 연구들이 수행되어 치수특성평가를 위한 압력, 현상, 대책지수가 제시되었으며, 현상지수 산정을 위해 홍수피해밀도, 침수면적밀도, 사망자수, 피해자수, 우심피해회수 등(Lee et al., 2009, Lim et al., 2010)과 홍수피해밀도, 침수면적밀도, 인명피해자비율, 홍수발생빈도 등(Song et al., 2013, Choi et al., 2013)의 홍수피해자료가 사용되었다. Lee et al. (2013)은 극한강우사상과 홍수피해자료인 인명피해자수, 침수면적, 홍수피해액 등과 관계분석을 통하여 지역별 홍수피해특성을 고려한 홍수피해취약성을 평가하였다.

이와 같이 홍수취약성의 분석 및 평가를 위해 지역별 홍수피해에 대한 특성 및 현황을 반영하는 중요한 지표로 과거 홍수피해자료가 많이 사용되고 있다. 지역의 홍수피해특성은 기상학적 요인, 지형학적 요인, 사회경제적 요인이 종합적으로 반영된 결과로, 지역별 홍수취약성을 나타낼 수 있는 대표적인 지표중에 하나이다. 그러나 시군구별로 집계된 홍수피해자료를 홍수취약성 분석을 위한 세부평가지표로 구축함에 있어서 홍수피해자료의 처리 및 분석방법에 따라 지표의 특성이 크게 달라질 수 있다. 홍수피해의 종류에 따라 상이한 단위를 나타내고, 매년 홍수피해의 발생특성이 변하는 홍수피해자료값을 평가지표로 구축할 때에는 인구수 및 면적크기가 각기 다른 시군구별로 집계된 원자료값이 왜곡되지 않도록 자료분석에 세심한 주의가 필요하다.

본 논문에서는 과거 홍수피해자료를 Lee et al. (2013)에서 제시한 바와 같이, 3가지 특성으로 분류하여 각각 사회적 특성, 지형적 특성, 경제적 특성을 나타내는 평가지표로, 전국 230개 시군구별 인명피해, 침수피해, 재산피해 자료들을 선정하였다. 또한 선정된 3가지 홍수피해자료의 원자료값과 시군구 인구 또는 면적에 대한 비율값의 차이와, 분석대상 홍수피해자료의 집계기간에 대한 연평균값과 실제 홍수피해 사상이 발생한 건평균값의 차이를 비교하여, 합리적이고 종합적인 홍수피해자료의 평가지표 구축방법을 통한 지역별 홍수취약성산정방안을 제시하고자 한다.

2. 평가지표 선정 및 구축

2.1 평가지표 자료 선정

홍수취약성을 분석하기 위해서는 지역의 홍수특성을 반영할 수 있고, 홍수취약성을 대표하는 인자들을 계량하여 표현되어진 평가지표를 선정할 필요가 있다. 다양한 홍수취약성평가인자들 중 홍수피해특성은 지역별 강우특성 등 기상학적요인, 유역특성 등 지형학적 요인, 그리고 도시화율 및 저감대책 특성 등 사회경제적 요인이 종합적으로 반영된 결과이므로, 본 논문에서는 시군구별 홍수피해자료를 이용하여 지역별홍수취약성을 분석하고자 한다.

지역의 다양한 홍수피해특성을 고려하기 위하여 홍수피해를 사회적 특성 요소, 지형적 특성 요소, 경제적 특성 요소로 나누고, 각 피해특성을 대표할 수 있는 인명피해(명). 침수피해(km2), 재산피해(천원) 자료를 3개의 홍수피해지표(Flood Damage Indicators, FDIs)로 선정하였다(Table 1). FDI1으로 선정된 인명피해는 홍수로 인한 사망, 실종 및 부상의 인구수를 포함하고, FDI2인 침수피해는 홍수에 의한 농경지 및 기타부지에 대한 침수면적이며, FDI3의 재산피해는 건물, 선박, 공공시설, 농작물, 기타 등의 손실액을 의미한다. 3가지 홍수피해지표의 구축을 위하여 본 논문에서는 국가재난정보센터(National Disaster Information Center, www.safekorea.go.kr)에서 제공하는 태풍 및 호우에 의한 전국 230개 시군구별 최근 17개년(1998~2014) 홍수피해자료를 수집하였다. 단, 재산피해의 경우에는 화폐가치를 통계청의 2014년 소비자물가지수를 기준으로 환산하여 산정하였다.

Flood Damage Indicators(FDIs)

2.2 평가지표의 표준화

3가지 홍수피해특성을 고려하여 선정된 평가지표인 인명피해, 침수면적, 재산피해의 경우 각 집계자료의 단위와 값의 범위가 다르기 때문에 지표의 표준화과정이 필요로 하다.

본 논문에서는 3가지 유형별 홍수피해지표를 동일한 기준과 범위에서 산정하기 위하여, 홍수피해자료를 Eq. (1)과 같이 각 피해자료의 최대값(xmax)으로 나누어, 원자료값(xi)을 최대값 1의 지표값(si)으로 무차원 표준화하였다. 참고로, 3가지 홍수피해자료는 각각 최근 17개년 동안 피해가 전혀 발생하지 않은 시군구를 포함하고 있어 원자료의 최소값이 0이므로, 결과적으로 홍수피해자료의 최대값(xmax)과 최소값(xmin)을 이용하여 평가지표를 0~1 사이로 표준화시키는 Re-scaling방법의 결과와 동일하게 된다.

(1)si=xixmax

Eq. (1)에 의한 표준화방법은 원자료값의 분포 및 상대적 크기에 대한 자료특성을 변형없이 그대로 유지하여 지표를 표준화할 수 있는 장점이 있다.

2.3 방법별 평가지표 구축 및 비교평가

지역별 홍수피해자료를 이용하여 홍수취약성 평가지표를 구축하기 위해서는 시군구별 및 연도별로 수집된 홍수피해자료에 대한 처리 및 분석작업이 필요하다. 따라서 인명피해(명), 침수피해(km2), 재산피해(천원) 등 3가지 홍수피해자료의 분석방법에 따른 홍수피해지표의 구축결과를 비교평가하여, 지역별 홍수취약성 평가를 위한 합리적이고 종합적인 평가지표의 구축방안을 제시하고자 한다.

2.3.1 원자료값과 비율값의 비교

먼저, 전국 230개 시군구별 17개년(1998~2014) 연평균 홍수피해자료를 기준으로, 시군구별 원자료값을 이용하여 지표를 산정하는 방법과 시군구별 인구수 또는 면적크기에 대한 비율값으로 홍수피해지표를 구축하는 2가지 방법을 비교하였다.

3개의 홍수피해자료를 시군구별 비율값으로 변환하기 위하여, 통계지리서비스(Statistical Geographic Information Service, www.sgis.kostat.go.kr)에서 제공하는 2014년 시군구별 인구자료와 국가통계포털(Korean Statistical Information Service, www.kosis.kr)의 한국통계연감에서 제공하는 2014년 시군구별 면적자료를 이용하였다. FDI1 및 FDI2의 경우, 각각 홍수피해자료의 단위인 인명피해자수 및 침수면적크기를 시군구별 인구수와 면적크기로 나누어 인명피해비율(명/명) 및 침수면적비율(km2/km2)로 나타내었다. FDI3의 경우, 홍수로 인한 재산피해액은 건물피해액, 선박피해액, 농경지피해액, 공공시설피해액, 기타피해액의 합산으로, 이에 대한 시군구별 총자산액을 산정하기에는 어려움이 있어, 선행연구들에서 많이 사용하고 있는 시군구별 면적에 대한 재산피해밀도(천원/km2)로 구축하였다.

전국 230개 시군구에 대한 3개 홍수피해지표의 원자료값과 비율값을 비교하기 위하여, 단위 및 범위가 다른 각 지표값들을 Eq. (1)에 의해 표준화한 값으로 나타내었다. Fig. 1에서 보이는 바와 같이, 3가지 홍수피해지표의 원자료값과 비율값 사용에 따라 시군구별 홍수피해 취약성의 공간분포가 달라짐을 알 수 있다. 특히, 시군구별 면적비에 대한 값으로 나타낸 FDI2 및 FDI3의 비율값 분포의 경우, 지자체 면적규모가 작은 행정구역이 분구된 일부 도시지역에서, 다른 지역에 비해 상대적으로 매우 큰 홍수피해지표값을 갖게 되는 특성을 보인다.

Fig. 1

Comparison of Spatial Distribution of Annual Average-based FDIs by Raw Data and Ratio Data

또한 Table 2에는 최근 17개년 동안 홍수피해가 상대적으로 많이 발생한 지역 중에서 인구 또는 면적의 규모가 상대적으로 작은 5개의 시군구와 상대적으로 큰 5개의 시군구를 선별하여, 3개 홍수피해자료의 원자료값 및 비율값 사용에 따른 홍수피해지표 산정결과의 차이를 비교하였다. 두 결과 차이의 원활한 비교를 위하여 Table 2에는 원자료값과 비율값 사용에 따른 각각의 지표값이 나타내는 시군구별 순위를 정리하여 나타내었다.

Comparison of Annual Average-based FDIs’ Rank by Raw Data and Ratio Data for Selective Districts

Fig. 1Table 2에 나타난 바와 같이, 지역의 인구수가 상대적으로 적은 경상북도 영양군, 군위군, 청송군과 강원도 화천군, 전라북도 임실군 등의 시군구에서 발생한 인명피해자수를 각 지자체 인구수에 대한 비율값으로 FDI1을 산정할 경우, 이 지역에서의 인명피해에 대한 취약성 순위가 상대적으로 크게 상승될 수 있다. 반대로 지역의 인구수가 상대적으로 많은 경기도 안양시, 용인시, 성남시, 고양시와 전라북도 전주시 등의 시군구에서 발생한 인명피해자수를 각 지자체 인구수에 대한 비율값으로 산정하면, 이 지역에서의 인명피해 취약성이 상대적으로 과소평가될 우려가 있다. 인명피해는 그 어떠한 피해보다 가치가 높은 지표로서 피해자수 자체가 중요하므로, 인명피해지표를 지자체의 인구대비 비율값으로 산정하는 것보다 원자료값을 사용하는 것이, 인명피해에 대한 지역의 홍수취약성을 나타내기에 보다 타당하다고 사료된다.

FDI2의 경우, 지역의 면적이 상대적으로 작은 대구광역시 중구, 부산광역시 수영구, 연제구, 사상구, 울산광역시 중구 등의 지자체에서 발생한 침수피해면적을 각 시군구별 면적에 대한 비율값으로 산정할 경우, 이 지역에서의 침수피해 취약성 순위가 크게 상승하는 반면, 시군구별 면적의 크기가 상대적으로 큰 경상북도 영원군, 봉화군, 경주시, 강원도 정선군, 평창군, 등의 지역에서는 침수피해지표를 지자체 면적값에 대한 비율값으로 산정할 경우 침수피해 취약성이 상대적으로 낮게 평가됨을 알 수 있다. 지역의 면적비에 의한 비율값으로 침수피해지표의 취약성을 평가하면, 지자체별 침수피해율을 산정하기에는 용이하지만, 분구가 되어 있는 도시지역에서의 취약성이 과대평가되는 등 침수피해의 취약성이 지자체 면적규모에 의해 영향을 받을 수 있으므로, 침수피해면적 원자료값의 비교에 의해 지역의 침수취약성을 평가하는 것이 보다 합리적인 것으로 판단된다.

FDI3의 경우, 지자체의 면적이 상대적으로 작은 부산광역시중구, 수영구, 연제군, 대구광역시 중구, 서울특별시 중구 등의 지역에서 발생한 재산피해액을 면적값에 대한 밀도값으로 산정할 경우, 재산피해지표의 취약성 순위가 크게 상승하게 되며, 강원도 춘천시, 홍천군, 경상북도 의성군, 봉화군, 안동시 등 면적이 상대적으로 큰 지자체에서는 재산피해지표를 면적에 대한 밀도값으로 산정시 취약성 순위가 저하되는 것을 볼 수 있다. 재산패해지표를 면적비의 값으로 산정할 경우,무차원값으로 산정되는 다른 2개의 홍수피해지표들과는 달리, 지자체 면적에 대한 홍수피해액의 밀도값으로 나타나게 되므로, 홍수피해액과 직접적인 관련이 적은 지자체 면적에 영향을 받는 밀도값보다는 홍수피해액 원자료값으로 재산피해의 취약성을 평가하는 것이 바람직하다고 생각된다.

이와 같이, 3가지 홍수피해지표 구축시 시군구별 인구 또는 면적에 대한 비율값으로 나타낼 경우, 홍수피해자료 원자료값이 지자체 인구 또는 면적 규모에 의해 영향을 받게 되어, 홍수피해특성값이 달라지며 홍수취약성의 순위변화가 크게 나타날 수 있다. 따라서 3개 홍수피해자료의 분석시, 원자료값으로 시군구별 홍수피해지표를 구축하는 것이 홍수피해 원자료의 왜곡을 방지하고 보다 합리적으로 지역별 홍수피해특성을 반영할 수 있다고 판단된다.

2.3.2 연평균값과 건평균값의 비교

3개의 세부평가지표 홍수피해자료들은 매년 발생특성이 일반적으로 상이하므로, 다년도의 홍수피해자료를 수집하여 이를 대표하는 값을 나타내기 위해, 일반적으로 수집자료의 전체 기간에 대한 연평균값을 산정하는 방법이 주로 사용되고 있다. 그러나 연평균값은 지역별 홍수피해의 발생빈도를 고려하지 않은 기간에 대한 평균값이므로, 실제 홍수가 발생한 회수에 대한 건평균값을 산정하여, 지역별 홍수피해의 강도를 평가해 볼 필요가 있다. 따라서 본 논문에서는 연평균값 산정에 의한 홍수피해지표 산정결과와 홍수가 발생한 회수에 대한 건평균값 산정결과를 비교하였다.

Fig. 23개 홍수피해지표의 연평균값 및 건평균값에 대한 전국 230개 시군구의 지표들을 Eq. (1)에 의해 표준화한 값의 공간분포를 나타내었다. Fig. 2에 보이는 바와 같이, 3가지 홍수피해지표의 연평균값과 건평균값 산정에 따라 일부 시군구의 홍수피해취약성이 큰 차이를 보이고 있다. 분석방법별 홍수피해지표의 비교시 나타나는 특성은, FDI1 및 FDI2에서 보이는 연평균값과 건평균값 차이에 비하여, 홍수피해의 발생빈도가 상대적으로 많은 FDI3에서는 두 결과의 차이가 크지 않은 양상을 보인다.

Fig. 2

Comparison of Spatial Distribution of Raw Databesed FDIs by Annual Average and Event’s Average

Fig. 3

Flood Vulnerability Classification

또한 Table 3에는 3개의 홍수피해지표별 연평균값과 건평균값의 취약성 차이가 가장 많이 나타난 각 10개의 시군구를 선정하여 정리하였다. 각 홍수피해지표의 연평균값 및 건평균값 적용에 따른 결과차이를 명확하게 나타내기 위하여, Table 3에는 산정방법별 각각의 지표값이 나타내는 시군구별 순위에 대한 차이를 비교하였다.

Comparison of Raw Data-besed FDIs’ Rank by Annual Average and Event’s Average for Selective Districts

FDI1의 경우, 최근 17개년 동안의 인명피해발생 시군구 대상 최소 1회, 최대 13회의 발생특성을 보인다. 경기도 김포시, 경상북도 영천시, 대구광역시 달성군, 대전광역시 유성구, 부산광역시 강서구, 인천광역시 계양구, 전라남도 군산시 등의 시군구에서는 최근 17개년 동안 인명피해가 1회만 발생하였지만 피해자수가 상대적으로 많아, 연평균값보다 건평균값을 취하였을 때 취약성 순위가 상승하는 것을 보여준다. 한편 인명피해 발생회수가 상대적으로 많은, 6회 발생의 경상북도 영덕군 및 7회 발생의 울산광역시 울주군에서는 건평균 인명피해지표가 연평균값보다 취약성 순위가 저하되는 양상을 보인다.

FDI2의 경우, 최근 17개년 동안의 침수피해발생 시군구에서 최소 1회, 최대 19회의 발생현황을 나타내고 있다. 발생회수가 1회인 부산광역시 북구, 사상구, 서구, 해운대구, 2회인 경기도 의정부시, 인천광역시 계양구, 3회인 경기도 부천시 등에서 건평균 침수피해지표가 연평균값보다 상승하는 결과를 나타내고 있다. 반면에, 발생회수가 10회인 전라북도 선창군, 13회인 경상북도 양산시, 14회인 충청남도 공주시 등에서는 건평균 침수피해지표의 취약성 순위가 상대적으로 저하되고 있다.

FDI3의 경우에는, 최근 17개년 동안 재산피해발생 시군구 대상 최소 1회, 최대 35회의 발생현황을 나타내며, 다른 홍수피해지표에 비해 전반적으로 빈번한 발생빈도를 보이고 있다. 재산피해 발생빈도가 상대적으로 낮은 대구광역시 달서구(3회), 남구(4회), 중구(6회), 서울특별시 도봉구(6회), 노원구(8회), 울산광역시 남구(9회), 부산광역시 금정구(10회) 등에서는 건평균값 결과가 연평균값 산정시 보다 순위상승을 보이고 있고, 부산광역시 금정구와 발생빈도가 같지만 피해액이 상대적으로 작은 울산광역시 동구(10회)에서는 오히려 건평균값 적용시 연평균값보다 취약성 순위가 저하되는 결과도 보이고 있다. 아울러 재산피해 발생회수가 상대적으로 많은 부산광역시 기장구(21회), 전라남도 담양군(28회)에서는 건평균값 산정시 연평균값보다 취약성 순위의 저하양상을 보인다. 그러나 연평균값과 건평균값의 순위차이가 다른 2개 지표들보다는 크게 나타나지 않고, 이 차이는 상대적으로 낮은 취약성 순위에서 발생하는 것으로 파악된다. 이는 재산피해의 발생빈도는 전반적으로 상대적으로 높아, 연평균값과 건평균값의 상대적인 차이가 크지 않기 때문인 것으로 사료된다.

이와 같이, 홍수피해지표별로 정도의 차이는 있으나, 홍수피해지표 구축시 연평균값과 건평균값의 적용에 따라 취약성이 다르게 나타나는 지역이 발생하므로, 반복적인 홍수피해에 대한 취약성과 발생하는 피해의 강도에 대한 취약성을 모두종합적으로 고려하기 위해서는 각각 연평균값 및 건평균값에 의한 홍수피해지표 구축이 필요한 것으로 판단된다.

3. 홍수취약성 분석

3.1 홍수취약성지수 산정

2.3절에서 구축된 3개의 홍수피해지표들은 각각 독립적이고 홍수취약성에 미치는 영향이 동등하다고 가정하여, 지역별홍수취약성에 대한 종합적인 평가를 하기 위해 3개 홍수피해지표들을 산술평균한 Eq. (2)에 의한 홍수취약성지수(Flood Vulnerability Index, FVI)를 산정하였다.

(2)FVI=(FDI1+FDI2+FDI3)/3

홍수피해지표에 대하여 적절하지 못한 기준으로 가중치를 적용하게 되면 지표의 영향력을 평가하기 어려워지며, 홍수취약성지수 산정결과에 큰 영향을 미치게 된다. 따라서 본 논문에서는 지역의 홍수취약성을 분석함에 있어, 사회적, 지형적, 경제적 홍수피해 특성을 각각 동등하게 고려하기 위하여 3개 홍수피해지표에 대한 동일가중치를 적용하여 3개 평가지표의 산술평균에 의한 홍수취약성지수를 산정하였다.

홍수취약성지수는 최근 17개년 홍수피해자료의 시군구별 원자료값에 대한 연평균값 및 건평균값을 Eq. (1)에 의해 각각 표준화한 3개 홍수피해지표를 Eq. (2)에 의해 종합하여, 연평균값 및 건평균값 적용에 따른 2개의 홍수취약성 지수를 개별적으로 산정하였다.

3.2 홍수취약성 산정결과 종합 및 등급분류

본 논문에서는 각각 연평균값 및 건평균값 홍수피해지표를 사용한 홍수취약성지수 산정결과를 종합적으로 반영하기 위하여, 각 시군구에 대한 두 방법별 홍수취약성지수 산정결과에 각각 순위를 부여하고, 두 방법 순위의 산술평균에 의한 결과를 기준으로 최종 홍수취약성 순위를 산정하였다.

Fig. 3(a)(b)에 나타난 바와 같이, 연평균 및 건평균 홍수피해지표에 의한 각 홍수취약성지수 산정결과는 전체적인 시군구별 공간분포는 유사하지만, 일부 시군구에서 큰 차이를 보이고 있다. Table 4에는 2가지 방법에 의한 홍수취약성지수결과에서, 순위가 가장 많이 상승 또는 저하되는 각각 10개의 시군구와 방법별 유사한 결과를 보이는 10개의 시군구들을 선별하여 산정방법에 따른 홍수취약성의 순위비교를 나타내었다.

Comparison of FVI Rank by Three Analysis Methods for Selective Districts

Fig. 3Table 4에서 보이는 바와 같이, 각각 연평균 및 건평균 기준의 홍수피해지표 구축을 통한 홍수취약성지수 산정결과를 살펴보면, 경상북도 김천시, 전라북도 고창군, 대전광역시 대덕구, 층청남도 천안시, 전라남도 구례군 등에서 건평균 기준 홍수취약성이 크게 나타나고 있어, 이들 지역에서는 홍수피해의 강도가 상대적으로 큰 특성이 있는 것으로 분석되었다. 반면에, 인천광역시 서구, 광주광역시 광산구, 전라북도 군산시, 전라남도 무안군, 경상북도 경산시 등에서는 연평균 기준 홍수취약성이 더 큰 결과를 보여, 홍수피해가 지속적으로 발생하는 것으로 분석되었다. 아울러, 서울특별시 강북구 및 성동구, 경기도 화성시, 전라남도 함평군, 대구광역시 동구 등의 지자체에서는 두 결과에서 모두 홍수취약성이 유사한 것으로 나타나, 이들 지역에서는 비교적 강도가 큰 홍수가 자주 발생하는 특성이 있는 것으로 분석되었다. 따라서 연평균 및 건평균 기준에 의한 홍수피해특성을 분석하여 홍수피해의 지속성 측면과 강도 측면의 홍수취약성을 각각 평가하고, 이를 결합하여 최종적으로 산정한 홍수취약성지수가 보다 종합적인 지역의 홍수취약성 특성을 나타낼 수 있다고 사료된다.

전국 시군구 230개를 대상으로 산정된 홍수취약성 순위를 등급으로 분류하기 위하여, 일반적으로 사용하는 순위에 따른5등급 분류를 이용하였다. 취약성이 높은 상위 0~20% 구간을 1등급, 상위 20~40%를 2등급, 상위 40~60%를 3등급에서, 상위 60~80%를 4등급, 나머지 80~100%를 5등급으로 분류하였고, Fig. 3(d)와 같이 분류한 결과 구간별 동일하게 46개의 시군구로 나누어졌다.

4. 결론

본 논문에서는 홍수에 의한 막대한 피해를 저감하기 위한 지역별 홍수피해특성을 고려한 치수대책 수립의 우선순위 선정을 위해, 홍수취약성 분석에 필요한 평가지표를 홍수피해자료를 기준으로 선정하고, 홍수피해지표의 분석 및 구축방법에 따른 홍수취약지수 산정결과에 미치는 영향을 고찰하였다. 이를 위해 지역별 홍수취약성 분석에 필요한 홍수피해특성을 사회적 요소, 지형적 요소, 경제적 요소 등의 3가지 측면으로 구분하고, 최근 17개년 동안의 전국 230개 시군구단위 홍수피해자료를 수집 및 분석하여, 합리적이고 종합적인 홍수취약성지수 산정방안을 제시하였다. 본 논문의 결과를 정리하면 다음과 같다.

(1) 많은 기존의 연구들에서 홍수취약성 분석을 위한 지표로 사용되어진 다양한 홍수피해자료중에 지역의 사회적, 지형적, 경제적 특성을 각각 대표하는 인명피해, 침수면적, 재산피해자료를 홍수취약성 평가를 위한 홍수피해지표로 선정하였다.

(2) 인명피해(명). 침수피해(km2), 재산피해(천원) 등의 3가지 홍수피해자료를 분석하기 위하여, 시군구별로 집계된 원자료값과 각 시군구의 인구 또는 면적 규모에 대한 비율값으로 홍수피해지표를 구축하여 비교평가한 결과, 시군구별 인구 또는 면적 규모에 의해 영향을 받지 않는 원자료값에 의한 지표구축이 바람직한 것으로 나타났다.

(3) 최근 17개년 동안 집계된 홍수피해자료의 시군구별 대표값을 산정하기 위하여, 전체기간에 대한 연평균값과 홍수발생회수에 대한 건평균값의 산정결과를 비교분석해 보면, 홍수피해의 지속성과 강도 측면에서 취약성 순위의 차이가 큰 지역이 있는 것으로 나타났다.

(4) 이와 같은 결과를 바탕으로, 본 논문에서는 홍수피해 집계자료에 대한 시군구별 규모에 따른 왜곡을 방지하고자, 홍수피해 원자료값을 이용하여 평가지표를 산정하였으며, 피해자료 연평균값에 의한 홍수취약성 지수와 건평균값에 의한 홍수취약성지수를 각각 산정하고, 이를 결합한 홍수취약성지수를 최종적으로 산정하여, 지역의 홍수피해특성을 보다 합리적이고 종합적으로 분석하여 전국 230개 시군구별 홍수취약성을 산정하는 방안을 제시하였다.

이상과 같이, 전국 시군구별 홍수취약성지수를 산정하기 위해서는 적절한 평가지표의 선정도 중요하지만, 선정된 평가지표의 분석방법에 따른 영향력을 고려하여, 합리적이고 종합적인 평가지표 구축을 통한 지역별 홍수취약성 평가방안의 선정이 무엇보다 중요한 것을 확인할 수 있다.

감사의 글

본 연구는 정부(국민안전처)의 재원으로 자연재해저감기술개발사업단의 지원을 받아 수행된 연구임[MPSS-자연-2015-77].

References

1. Cardona O.D, J. E Hurtado, A.C Chardon, A.M Moreno, S.D Prieto, L.S Velasquez, G Duque. 2005. Indicators of Disaster Risk and Risk Management. Program for Latin America and the Caribbean, Summary Report for World Conference on Disaster Reduction, IDB/IDEA Program of Indicators for Disaster Risk Management. National University of Colombia.
2. Choi C.I, Kim W. 2006;Implications of the flood risk assessment in urban and regional planning. Magazine of the Korea Planners Association, KPA 41(No. 4):143–155.
3. Choi H.I, Park S.Y, Song J.H, Park M.J. 2013;Identification of Flood Risk Areas using a Multi-criteria Decision Making Method. Journal of KOSHAM 13(No.2):237–243. 10.9798/kosham.2013.13.2.237.
4. Jang O.J, Kim Y.O. 2009;Flood Risk Estimation Using Regional Regression Analysis. Journal of KOSHAM 2009;8:71–80.
5. Kubal T, Haase D, Meyer V, Scheuer S. 2009;Integrated urban flood risk assessment transplanting a multicriteria approach developed for a river basin to a city. Nat Hazards Earth System, Sci 9:1881–1895. 10.5194/nhess-9-1881-2009.
6. Lee D.R, Lim K.S, Choi S.J. 2009. Establishment of Flood Risk Index for Flood Management. Proceedings 2009 Annual Conference, KWRA p. 342–346.
7. Lee M.W, Kim T.W, Moon G.W. 2013;Assessment of Flood Damage Vulnerability Considering Regional Flood Damage Characteristics in South Korea. Journal of KOSHAM 13(No.4):245–256. 10.9798/kosham.2013.13.4.245.
8. Lim K.S, Choi S.J, Lee D.R, Moon J.W. 2010;Development of Flood Risk Index using causal relationships of Flood Indicators. Journal of the Korean Society of Civil Engineers 30(1B(2010.1)):61–70.
9. MOLIT (Ministry Of Land, Infrastructure and Transport). 2000. Water vision 2020.
10. Park T.S, Choi M.H, Yeo C.G, Lee S.O. 2009;Analysis of regional flood damage characteristics using relationship between flood frequency and damages. Journal of the Korean Society of Hazard Mitigation, KOSHAM 9(No. 5):87–92.
11. Song J. H, Kim S.D, Park M. J, Choi H.I. 2013;Estimation of Flood Risk Index for the Nakdong River Watershed. Journal of Korea Water Resources Association 46(1):35–45. 2013. 10.3741/jkwra.2013.46.1.35.
12. Sullivan C.A, Meigh J.R. 2005;Targeting attention on local vulnerabilities using an integrated indicator approach: the example of the climate vulnerability index. Water Sci Tech 51(5):69–78.
13. Zhang J.Q, Okada N.O, Tatano H.K, Hayakawa S.J. 2002. Risk assessment and zoning of flood damage caused by heavy rainfall in Yamaguchi prefecture, Japan. In : Wu B.S, et al, ed. Flood Defence’ 2002 Science Press. New York: p. 162–170.

Article information Continued

Table 1

Flood Damage Indicators(FDIs)

Symbol Type Contents
FDI1 Social Feature Casualty Losses
FDI2 Geographic Feature Inundated Areas
FDI3 Economic Feature Property Damage

Fig. 1

Comparison of Spatial Distribution of Annual Average-based FDIs by Raw Data and Ratio Data

Table 2

Comparison of Annual Average-based FDIs’ Rank by Raw Data and Ratio Data for Selective Districts

District Population or Areas Rank
Raw Data Ratio Data
FDI1 Gyeongsangbuk-do Yeongyang-gun 18,197 88 18
Gyeongsangbuk-do Gunwi-gun 24,170 153 66
Gyeongsangbuk-do Cheongsong-gun 26,453 166 99
Gangwon-do Hwacheon-gun 27,143 166 100
Jeollabuk-do Imsil-gun 29,966 153 78
Gyeonggi-do Anyang-si 600,809 51 129
Jeollabuk-do Jeonju-si 652,877 37 116
Gyeonggi-do Yongin-si 961,026 25 119
Gyeonggi-do Seongnam-si 974,608 22 109
Gyeonggi-do Goyang-si 1,006,154 11 91
FDI2 Daegu Jung-gu 7.06 179 68
Busan Suyeong-gu 10.21 149 18
Busan Yeonje-gu 12.08 162 38
Busan Sasang-gu 36.09 148 55
Ulsan Jung-gu 37.00 156 66
Gyeongsangbuk-do Yeongwol-gun 1127.63 70 121
Gyeongsangbuk-do Bonghwa-gun 1201.47 112 164
Gangwon-do Jeongseon-gun 1219.70 111 165
Gyeongsangbuk-do Gyeongju-si 1324.51 97 145
Gangwon-do Pyeongchang-gun 1463.70 114 175
FDI3 Busan Jung-gu 2.83 227 83
Daegu Jung-gu 7.06 197 27
Seoul Jung-gu 9.96 213 63
Busan Suyeong-gu 10.21 157 3
Busan Yeonje-gu 12.08 198 55
Gangwon-do Chuncheon-si 1116.41 64 154
Gyeongsangbuk-do Uiseong-gun 1175.17 56 149
Gyeongsangbuk-do Bonghwa-gun 1201.47 52 139
Gyeongsangbuk-do Andong-si 1521.91 47 153
Gangwon-do Hongcheon-gun 1819.67 29 138

Fig. 2

Comparison of Spatial Distribution of Raw Databesed FDIs by Annual Average and Event’s Average

Fig. 3

Flood Vulnerability Classification

Table 3

Comparison of Raw Data-besed FDIs’ Rank by Annual Average and Event’s Average for Selective Districts

District Number of Events Rank
Annual Average Event’s Average
FDI1 Gyeonggi-do Gimpo-si 1 115 59
Gyeongsangbuk-do Yeongcheon-si 1 115 59
Daegu Dalseong-gun 1 139 74
Daejeon Yuseong-gu 1 115 59
Busan Gangseo-gu 1 115 59
Incheon Gyeyang-gu 1 139 74
Jeollanam-do Haenam-gun 1 115 59
Jeollabuk-do Gunsan-si 1 153 99
Gyeongsangbuk-do Yeongdeok-gun 6 79 145
Ulsan Ulju-gu 7 37 97
FDI2 Busan Buk-gu 1 160 111
Busan Sasang-gu 1 148 83
Busan Seo-gu 1 64 4
Busan Haeundae-gu 1 129 52
Gyeonggi-do Uijeongbu-si 2 120 79
Incheon Gyeyang-gu 2 110 69
Gyeonggi-do Bucheon-si 3 88 51
Jeollabuk-do Sunchang-gun 10 104 142
Gyeongsangbuk-do Yangsan-si 13 84 127
Chungcheongnam-do Gongju-si 14 73 129
FDI3 Daegu Dalseo-gu 3 196 132
Daegu Nam-gu 4 202 154
Daegu Jung-gu 4 197 147
Seoul Dobong-gu 6 161 104
Seoul Nowon-gu 8 158 114
Ulsan Nam-gu 9 116 55
Busan Geumjeong-gu 10 109 61
Ulsan Dong-gu 10 169 210
Busan Gijang-gun 21 63 108
Jeollanam-do Damyang-gun 28 126 175

Table 4

Comparison of FVI Rank by Three Analysis Methods for Selective Districts

District Rank
Annual Average FVI Event’s Average FVI Integrated FVI
Gyeongsangbuk-do Gimcheon-si 130 20 56
Jeollabuk-do Gochang-gun 68 27 47
Daejeon Daedeok-gu 83 29 49
Chungcheongnam-do Cheonan-si 90 50 69
Jeollanam-do Gurye-gun 94 51 72
Gyeonggi-do Yeoju-si 99 56 79
Gyeongsangnam-do Hadong-gun 136 73 103
Gyeongsangnam-do Yangsan-si 121 79 101
Gyeonggi-do Gunpo-si 140 97 121
Gyeonggi-do Pyeongtaek-si 168 118 142
Incheon Seo-gu 28 64 42
Gwangju Gwangsan-gu 46 86 58
Jeollabuk-do Gunsan-si 54 94 65
Jeollanam-do Muan-gun 59 99 74
Gyeongsangbuk-do Gyeongsan-si 78 120 94
Jeollanam-do Suncheon-si 80 128 97
Gyeonggi-do Pocheon-si 86 129 107
Seoul Yangcheon-gu 97 133 116
Gyeongsangnam-do Hamyang-gun 157 197 167
Jeollanam-do Gwangyang-si 158 198 172
Seoul Gangbuk-gu 1 1 1
Gyeonggi-do Hwaseong-si 6 5 2
Jeollanom-do Hampyeong-gun 9 8 9
Seoul Seongdong-gu 10 11 11
Daegu Dong-gu 33 33 33
Busan Nam-gu 36 37 38
Gyeonggi-do Anseong-si 41 41 41
Gyeonggi-do Uiwang-si 48 49 50
Gyeonggi-do Guri-si 81 80 81
Gyeonggi-do Namyangju-si 82 82 83