복원탄력성 지수는‘인천지역 복원탄력성 평가：(1) 복원탄력성 산정모형 개발 및 평가’를 인용하였으며 그 내용은 다음과 같다.

(1) 복원탄력성 지표의 산정

본 연구에서는 선행연구의 사례에 대한 검토와 함께 지표의 측정방법이 객관적이고 투명하며 지역별, 기간별 비교가 가능하고 지표의 측정이 정량적이고 지속가능하여야 하는 측면을 고려하여 선정기준을 정하였다. 1차 지표의 선정은 Cutter(2010), 이제연(2015), 김연수(2016) 등 국내· 외 선행연구에서 도출한 지표의 내용을 종합하여 인문, 사회, 경제, 제도, 물리, 환경적 측면에서 약 80여개를 선정하였으며 국내 실정에 맞고 국내에서 이루어지고 있는 지속가능성의 범주 내에서 국내 제도적 방식을 참고하고 인천지역 현실에 대한 적용가능성 및 과거 데이터가 수집 가능한 자료를 정리하여 약 39개의 자료를 추출하고 2차 지표로 선정하였다. 최종적인 지표의 선정은 다수의 변수들을 상호 관련성에 따라 소수의 요인으로 축약하는 통계기법인 요인분석을 실시하여 선정하였다. 분석과정에서 측정에 사용하는 항목들 간에 내적 일관성이 있는지 판단하는 신뢰도 분석과 특정 개념을 측정한 항목들이 실제 그 개념을 측정했는지 검토하는 타당도 분석을 실시하여 2차 선정된 39개 지표 중 32개 지표를 최종 선정하였다.

(2) 복원탄력성 지수의 산정

선정된 지표는 측정단위가 서로 상이하여 측정단위에 따른 크기나 범위를 일관되게 만들어 주는 과정이 필요하다. 이러한 과정을 표준화라고 하였으며 re-scaling이나 z-score 방법이 많이 사용되고 있다. 본 연구에서는 re-scaling 방법을 사용하여 0과 1 사이의 값을 갖도록 표준화를 실시하였으며 산정방법은 아래와 같다.

x_i:지표 i의 값, x’_i:x_i의 표준화된 값, max x_i:지표 i의 최대값, minx_i:지표 i의 최소값

선정된 지표들 중에는 복원탄력성에 긍정적 영향을 미치는 지표와 부정적 영향을 미치는 지표가 있을 수 있다. 그러나 사회시스템의 차원에서 보면 반드시 긍정적, 부정적 영향을 단정하여 지표를 구별하는 것은 쉽지 않을 뿐만 아니라 의미가 없을 수도 있다. 지표들의 영향이 복원탄력성에 산술적으로 가감 계산되어 나타나지는 않으나 본 연구의 목적에 부합 하느냐에 따라 부(-)의 영향이라는 개념을 적용하였다. 본 연구는 기후변화에 따른 복원탄력성의 영향을 평가하고자 자연과 인간계에 가장 영향을 많이 미치는 기후요인 중 강우량과 기온을 고려하였으며 이를 복원탄력성 지표에 반영하였다. 따라서 본 연구의 자연환경 요인인 강우량과 기온과 관련된 일최대강우량, R80, R30, 일최고기온 등 4가지 지표를 복원탄력성 산정시 부(-)의 영향을 미치는 것으로 판단하여 산정하였다.

Nicoletti 등(2000)이 제안한 방법으로 요인분석 과정 중 주성분분석 방법에 의해 산출된 요인적재치를 활용하여 개별지표 가중치와 영역별 가중치를 산정한다. 지표의 가중치는 해당 지표가 속한 요인부하량의 제곱을 모든 지표에 대해 합산한 값을 100%로 정규화하여 도출할 수 있으며 객관적인 통계 정보를 이용하여 지표의 가중치를 도출하므로 편향되지 않고 경제적 이라고 할 수 있다.

S：사회기반 요인 가중치, L：생활기반 요인 가중치, E：경제자립 요인 가중치, P：생산환경 요인 가중치, N：자연환경 요인 가중치, C：문화환경 요인 가중치, H：보건환경요인 가중치, xș_i ： 표준화된 지표값, w_i：각 지표의 가중치

기상청에서는 지역 기후변화 시나리오 산출에 영국 기상청 해들리센터 지역기후모델인 HadGEM3-RA를 이용하여 한반도(12.5km) 기후변화 시나리오를 생산하여 제공하고 있다. 본 연구에서는 HadGEM3-RA를 이용하여 기상청에서 제공하는 한반도 기후변화 시나리오를 사용하였으며 기상청에서 제공하고 있는 RCP 4개의 시나리오 중 현재의 추세대로 저감없이 온실가스가 배출되는 가장 최악의 시나리오라 할 수 있는 RCP 8.5를 이용하여 미래 기후변화에 따른 강우량과 기온(평균, 최고, 최저)을 산정하였다.

기후변화에 영향을 미치는 요소로는 기온, 강수량, 습도, 증발산량, 일조시간, 풍향, 풍속 등 다양한 것들이 있지만, 온도와 강수량이 자연 및 인간계에서 발생하는 기후현상을 잘 설명하는 기후요소이다.(환경부, 2015)

따라서 본 연구에서는 기후변화에 대한 과거 패턴과 경향성을 검토하기 위해서는 자료수집이 가능하여야 하며 인간과 자연에 가장 영향을 많이 미치는 것으로 판단되는 기후요소인 강우량과 기온을 분석지표로 선정하였다. 먼저 과거 관측 기상자료에 대한 분석이 선행되어야 하므로 40년 이상 관측자료를 보유하여 통계적 유의성 확보가 가능하다고 판단되는 기상청의 기상관측자료를 수집하였다. 인천지역 군, 구의 분석을 위해 강화, 인천, 서산 등 3곳을 선정하였다. 산출과정을 그림으로 나타내면 아래와 같다.

(1) 미래 목표기간 설정

기후영향에 대한 미래의 영향평가를 위해서는 사용자의 목적에 맞게 장기, 단기 또는 장기, 중기, 단기 등 임의의 목표연도를 설정할 수 있으나 목표기간을 2006∼2040년까지를 단기, 2041∼2070년까지를 중기, 2071∼2100년까지를 장기로 구분하였다.

(2) 자료의 이상치 검정

자료의 이상치란 과거 관측자료나 기후변화 시나리오 자료 값들에서 비정상적으로 크거나 작은 값을 말한다. 자료에 하나 또는 그 이상의 이상치가 존재하면 통계값은 큰 영향을 받아 편중된 결과를 초래할 뿐만아니라 검정의 민감도를 감소시킨다. 본 연구에서 사용된 이상치 검정 방법은 box-plot 방법을 사용하였다.

(3) 자료의 오차보정

분위사상법(Quantile Mapping)은 관측값과 시나리오 모의 값이 함께 존재하는 과거기간에서 관측값과 시나리오 모의값의 누적확률분포 값을 이용하여 편의가 발생하여 과소추정되는 시나리오 모의값의 확률분포를 관측값의 확률분포에 사상시키는 방법이다.(김덕환, 2014)

기후변화 시나리오의 편의보정 기법 중에 가장 많이 활용되고 있는 방법으로 본 연구에서는 관측값을 기준으로 과거 기후(강우량, 기온)자료와 RCP8.5 시나리오 자료를 월일별 자료로 분리하여 편의보정(Quantile Mapping)을 실시하였다. 일반적으로 강수량의 확률분포형은 Gumbel, Gamma, GEV 등 주로 극치 분포가 이용되는데, 기온의 경우 정규분포를 이용한다(이문환, 2013; 한국수자원학회, 2013).

본 연구에서는 과거 관측자료 및 기후변화 시나리오의 수문자료에 대한 해석에 있어 확률분포형은 Gumbel 분포를 사용하였으며, 매개변수 추정방법은 모멘트법을 이용하였다.

(1) 시뮬레이션 기법

인천지역도 온실가스 배출량의 증가와 함께 기후변화에 대한 복원탄력성의 평가 결과 기후변화에 대한 영향과 대응 방안을 고려하지 않을 수 없는 상황으로 중장기적인 대응방안이 마련되어야 한다. 하지만 기후변화에 대응하기 위한 대응범위가 방대하여 장기간 시간이 소요될 것으로 판단된다. 따라서 과거 지역별 경향과 기후변화의 영향을 고려하여 향후 지역별 복원탄력성의 경향을 파악하고 지역별 복원탄력성 향상에 부정적 영향을 미치는 요인들을 파악하여 중장기적인 대책방안을 생각하기 위해 가장 효율적인 방안으로 시뮬레이션 기법을 선택하였다.

(2) 시뮬레이션 대상 및 범위

시뮬레이션은 기후변화 대비 미래 인천지역의 복원탄력성 향상을 위하여 중장기적 대비 방안을 마련하기 위한 목적이므로 본 연구에서 제시한 복원탄력성 모형과 인천지역 10개 군, 구를 대상으로 RCP8.5 시나리오에 의한 기후변화영향을 반영하여 실시하고자 한다. 시뮬레이션은 정확한 수치에 의해 미래 지표나 복원탄력성을 정확히 산출하기 위한 목적이라고 하기 보다는 기후변화 영향과 기존 32개 복원탄력성 지표들을 이용하여 미래 인천지역 복원탄력성의 영향과 추세를 파악하는 것이다. 시뮬레이션 기간은 RCP8.5 시나리오 단기 목표기간인 2014년 이후부터 2040년까지로 시간범위를 설정하고자 한다.

(3) 시뮬레이션 방법

시뮬레이션의 대상과 범위를 설정한 후 관련 자료를 조사하여 부문별 인과관계를 구성하고 모형을 수립하여 1차 모형을 실행하여 테스트를 실시한다. 테스트를 통해 시뮬레이션의 가동 여부를 확인 후 시뮬레이션을 통해 모형의 행태분석을 실시한다.(Fig 3) 시뮬레이션의 시스템화를 통한 행태분석은 기존 프로그램을 이용하였다.

시뮬레이션 모형은 복원탄력성 모형의 자료와 부문별 관계 등을 활용하였으며 행태분석을 위한 각 지표별 변화율은 인천지역 10개 군, 구의 2000년부터 2014년 까지 최소자승법을 이용한 선형추세 방법을 사용하여 경향을 분석, 활용하였다. 그러나 15년간의 경향으로 2014년 이후 2040년 까지 26년의 경향을 그대로 적용하지는 않았다. 과거 추세가 급격히 증가하거나 감소하는 경향이 있거나 그러한 경향으로 인해 결과값의 차이가 배 이상 증감이 발생하는 경우 급격한 변화구간은 제외하고 증가 및 감소 추세가 유지되는 구간의 경향을 시뮬레이션의 변화율 개념으로 활용하였다. 기후변화 요인 지표인 일최대강우량, R80(80mm이상 강우발생일수), R30(30mm이상 강우발생일수), 기온최고 값들은 RCP8.5 시나리오를 이용하여 산출된 단기 목표기간의 값을 반영하였다. 복원탄력성 지표의 변화율에 대한 시뮬레이션을 통해 복원탄력성의 영향과 효과를 살펴보고자 한다. 이를 위해 복원탄력성 모형의 32개 지표, 7개 요인, 3개 차원의 개념을 시스템화 하였으며 지표별 변화율은 연평균 증가율 또는 감소율을 나타내며 지표별 추세를 반영하고자 하였다. 지표의 변화량은 지표별 변화율과 변수(지표값)를 곱하여 계산한다.

변화율, 변화량과 변수(지표)에 대한 표준화 및 복원탄력성의 산정은 복원탄력성 지수 산정 방식에 따르며 시스템에 그대로 적용하였다. 시뮬레이션 시스템의 흐름을 그림으로 나타내면 다음과 같다.

복원탄력성 지표 및 가중치 산정결과는‘인천지역 복원탄력성 평가：(1) 복원탄력성 산정모형 개발 및 평가’를 인용하였으며 그 내용은 다음과 같다.

요인분석 방법의 사용이 적합한지를 살펴보는 KMO값은 .746이고, Bartlett의 단위행렬 검정에서는 유의수준 0.05미만으로 요인분석에 적합한 것으로 분석되었다. 공통성의 확인결과 모두 0.4이상의 값으로 나타나 변수들의 분산을 설명하기에 요인들을 사용하는 것이 적합하다고 할 수 있다. 스크리도표나 총 분산의 초기 고유값의 확인을 통해 요인의 수를 확인할 수 있으며 총 분산의 초기 고유값 1 이상이 7개 성분으로 확인되어 7개의 요인으로 분류하는 것이 바람직한 것으로 판단되었다. 신뢰도 분석의 결과 크론바 알파(Cronbach α)계수는 0.76으로 양호한 수준으로 검토되었다. 분석결과 산출된 지표별 가중치는 다음과 같다.

기상청에서 제공하는 한반도 기후변화 시나리오를 사용하였다. 기상청에서 제공하고 있는 RCP 시나리오 중 현재의 추세대로 저감없이 온실가스가 배출되는 가장 최악의 시나리오라 할 수 있는 RCP 8.5를 이용하여 미래 기후변화에 따른 강우량과 기온을 산정하였다. 편의보정 및 이상치 제거 후 연도별 일최대강우량과 기온최고값을 산출한 결과는 다음과 같다.

(1) 미래 복원탄력성 산정을 위한 자연환경 지표 설정

복원탄력성 평가를 위한 기후변화영향 요소인 일최대강우량, R80(80mm 이상 강우 발생 일수), R30(30mm 이상 강우 발생 일수), 기온최고 값에 대한 미래의 기후변화에 따른 복원탄력성 영향평가를 위해 목표기간인 단기 2006∼2040년(목표기간I), 중기 2041∼2070년(목표기간II), 장기 2071∼2100년(목표기간III) 기간에 대한 영향 분석을 실시하기 위하여 연 최대치 계열을 산정하였다.

R30 값은 서산 관측소의 변화가 20~29일로 가장 높게 나타났으며 강화 관측소 20~28일, 인천 관측소 16~17일로 나타났다. 이러한 경향은 R80 값에서도 서산 관측소 10일, 강화 관측소 9일, 인천관측소 6일 순으로 같은 경향을 나타내었다. 일최대강우량의 경우 서산 관측소가 542.57mm로 최고값으로 나타났으며 인천 관측소 464.97mm, 강화 관측소 396.56mm로 나타났다. 기온최고값은 강화 관측소가 50.79°C로 가장 높게 나타났으며 서산 관측소 38.8°C, 인천 37.65°C를 나타내었다. 단기, 중기, 장기 등 목표기간별 R30, R80, 일최대강우량, 기온최고 값들의 산출결과는 다음과 같다.

(2) 인천지역의 미래 복원탄력성 산정 결과

기후변화에 따른 인천지역 10개 군, 구의 종합적인 복원탄력성을 평가하기 위하여 산정된 목표기간별 기후변화요인을 복원탄력성 지수 산정에 적용하였다. 복원탄력성 지수 산정에서 기후변화를 고려하는 지표는 R80, R30, 일최대강우량, 기온최고 값들이다. RCP8.5 시나리오를 이용하여 목표기간별로 나누어 연도별 최대값을 추출하여 적용하였다. RCP8.5 시나리오에 따른 기후변화 요인 지표인 강우량과 기온의 변화를 적용하여 인천지역 10개 군, 구에 대해 복원탄력성을 산정하였으며 기후변화에 대한 영향을 평가하기 위하여 2014년 군, 구별 복원탄력성과 비교해 보았다. 단기(2006∼2040년), 중기(2041∼2070년), 장기(2071∼2100년)로 구분하여 RCP8.5 시나리오에 따른 기후변화 요인 지표를 적용하여 인천지역의 복원탄력성을 산정하였다. 그 결과는 Table 3, Fig 7과 같으며 내용을 살펴보면 다음과 같다. 복원탄력성의 순위 측면에서 살펴보면 2014년 대비 목표기간별 차이는 없는 것으로 나타났으나 복원탄력성은 10개 군, 구 모두 복원탄력성이 감소하는 경향을 나타내었다. 단기에서 중기, 중기에서 장기별로 복원탄력성의 감소 경향은 계속 유지 되었으며 10개 군, 구 중에서 기후변화에 따른 복원탄력성의 영향을 가장 많이 받는 것으로 판단되는 지역은 강화군과 옹진군으로 나타났다. 강화군의 복원탄력성의 감소 경향이 가장 크게 나타났고 옹진군이 그 다음으로 감소 경향이 크게 나타났다. 하지만 수치 상 감소된 값의 차이는 크게 나타나지 않았다. 인천지역도 온실가스 배출량의 증가와 함께 기후변화에 대한 영향과 대응 방안을 고려하지 않을 수 없는 것으로 생각되며 중장기적으로 대비책을 강구하여 대응해야 할 것으로 판단된다.

(3) 시뮬레이션 기법을 이용한 인천지역의 미래 복원탄력성 평가

시뮬레이션 결과 10개 군, 구 모두 복원탄력성의 경향이 향상되는 추세를 나타내었다. 2014년 복원탄력성의 수치와 시뮬레이션 수치가 소수 셋째자리에서 약간 작게 산정되었으나 이는 32개 지표들의 계산시 소숫점 처리과정에 따른 차이인 것으로 판단된다. 2014년 기준 대비 2040년 복원탄력성이 가장 많이 향상된 지역은 서구(+0.152)로 나타났으며 다음이 연수구(+0.122), 남동구(+0.116), 계양구(+0.097), 중구(+0.077) 등의 순으로 나타났다. 순위로 살펴보면 서구, 남동구, 중구, 부평구, 연수구, 남구, 계양구, 강화군, 동구, 옹진군으로 나타났으며 순위 상 변동이 발생된 지역은 남구(5→6), 연수구(6→5), 남동구(1→2), 서구(2→1) 등으로 나타났다. 반면 동구(-0.005), 강화군(-0.001)에서는 2014년 대비 2040년 복원탄력성이 미미하지만 감소된 것으로 나타났다. 감소영향을 추적해 보면 경제환경 및 사회환경 차원의 복원탄력성은 향상되는 경향을 나타내고 있으나 생활환경 차원의 복원탄력성은 감소되는 경향을 나타내고 있다. 생활환경 차원의 복원탄력성은 문화환경, 보건환경, 자연환경 요인들로 구성되어 있다. 문화환경 및 보건환경 요인의 복원탄력성은 향상되고 있는 경향을 나타내고 있으나 자연환경 요인의 복원탄력성은 감소하는 경향을 나타내고 있다. 이런 현상은 결국 이들 지역의 복원탄력성이 기후변화에 영향을 받아 다른 복원탄력성의 요인들과 결합된 각 지역의 복원탄력성 추세를 유지할 수 없으며 기후변화의 영향으로 각 지역의 복원탄력성 추세를 유지하거나 추세로 복구하기 위해 시간과 노력이 필요하다는 것을 나타내고 있다. 옹진군의 경우 복원탄력성이 2036년까지 향상되는 경향을 나타내고 있으나 2037년 이후 감소되는 현상이 나타나고 있다. 이 현상도 추적결과 마찬가지 현상으로 판단된다. 이러한 결과는 기후변화에 대한 지역 복원탄력성의 영향 및 역량을 보여준다고 할 수 있다. 복원탄력성을 재난, 재해 등 피해의 측면과 함께 도시나 지역사회 시스템의 추세를 유지하거나 그 시스템의 추세, 경향으로 복원하려는 성질이라는 측면에서 본다면 하향곡선을 그리기 시작하는 지점부터 3개 군, 구는 기후변화라는 충격에 따라 지역사회 시스템의 경향을 유지하는 성질인 복원탄력성에 영향을 미쳐 지역사회 시스템의 추세를 유지하지 못할 수도 있다고 판단된다.(Table 4, Fig 8)

동구, 강화군, 옹진군은 2014년 복원탄력성이 가장 낮게 산정된 지역으로 옹진군 0.230, 동구 0.276, 강화군 0.290 등으로 산정되었다. 복원탄력성 산정 및 시뮬레이션 시행 결과 이들 3개 군, 구 지역들이 기후변화에 영향을 많이 받고 있는 지역이면서 복원탄력성과 복원탄력성의 정성적 측면에서 측정하였던 외부충격에 따른 영향, 소요시간과 노력 등에서도 취약한 지역이다. 군, 구별로 살펴보면 동구의 경우 사회환경 차원의 사회기반 요인의 복원탄력성과 생활환경 차원의 문화환경 요인의 복원탄력성이 상대적으로 타 지역에 비해 낮게 산출되었다. 인구수가 감소하는 경향을 보이고 있으며 이에 따른 기반시설들에 관한 지표들도 감소 경향을 나타내고 있어 쇠퇴하고 있는 도시지역의 특징을 나타내고 있다. 강화군의 경우 사회횐경 차원의 사회기반 요인과 경제환경 차원의 경제자립 및 생산환경 요인이 상대적으로 낮게 산출되었다. 옹진군의 경우 사회환경 차원의 사회기반 요인과 경제환경 차원의 경제자립 및 생산환경 요인, 그리고 생활환경 차원의 문화환경 및 보건환경 요인이 상대적으로 낮게 산출된 지역이다. 3개 지역 모두 정도의 차이는 있지만 2014년 복원탄력성 자체가 낮게 산정되어 있으며 지표별 상승 경향이 크지 않고 감소하는 경향의 지표들이 많이 나타나고 있다. 2014년 대비 2040년의 복원탄력성만을 비교한다면 몇가지 지표 정도로 개선 가능하다. 즉 타 지역의 변화율과 비교시 상대적으로 향상율이 낮거나 감소 경향을 나타내는 일부 지표에 대해 사회적 판단에 의해 정책적으로 개선방안을 수립하여 대응하여도 2040년 복원탄력성을 2014년 수준으로 유지할 수 있다. 하지만 기후변화의 영향을 고려한다면 전체적으로 감소 경향이 완화되는 결과를 나타내기 위해서는 타 지역의 복원탄력성 정도의 수준이 되거나 상승률을 유지해야 할 것으로 판단된다. 동구의 경우 복원탄력성 지수는 2014년 0.276에서 2040년 0.271로 감소하나 Table 5과 같이 일부 지표(1)의 변화율을 변경함으로써 2040년 0.276으로 개선된 효과를 나타낸다. 그러나 Fig 9와 이 2031년 0.293 이후 감소 경향을 나타내고 있다. 이러한 결과는 복원탄력성의 부(-)의 영향을 나타내는 생활환경 차원의 자연환경 요인(강우량, 온도)의 영향으로 감소 경향을 나타낸다고 할 수 있다. 이러한 기후변화의 영향을 개선하기 위한 지표의 변화율을 개선한 안(2)을 제시하였다. 강화군의 경우도 Fig 9과 같이 2014년 0.290에서 2040년 0.289로 감소 경향을 나타내고 있으나 Table 6와 같이 일부 지표(1)의 개선만으로 2040년 0.290으로 나타났다. 그러나 동구와 마찬가지로 기후변화의 영향으로 인한 복원탄력성을 개선하기 위한 더 많은 노력이 필요한 것으로 나타났다. 옹진군의 경우는 Fig 9과 같이 현 상태에서도 2040년 복원탄력성(0.259)은 2014년 복원탄력성(0.229) 보다 상승한 것으로 나타나고 있으나 기후변화의 영향으로 2035년 0.268을 정점으로 감소하는 경향을 나타내고 있다. 따라서 Table 7에서와 같이 지표의 변화율을 개선한 결과 기후변화에 따른 복원탄력성의 감소 경향이 2040년 까지 나타나지 않았다.

본 연구에서는 기후변화에 대응하는 3개 지역에 대한 복원탄력성의 개선안을 제시하기 위해 특정 목적이나 의도를 가지고 지표를 선정하게 되는 오류를 배제하기 위하여 변화율 설정시 기존 지표들의 변화율 중 최고치를 넘지 않도록 감안하였으며 지리적 위치 특성에 따른 지역의 경우 기반시설 지표들 위주의 개선안은 지양하였다. 동구와 강화군은 2040년 복원탄력성이 2014년의 복원탄력성을 유지하는 수준의 개선안과 기후변화에 대응한 복원탄력성의 추세를 유지할 수 있는 효과를 목표로 한 개선안을 제시하였다. 옹진군의 경우 기후변화에 대응하여 복원탄력성 추세를 유지할 수 있는 개선안을 제시하였다. 세부 지표사항에 대한 내용과 효과를 정리하면 아래와 같다.