우리나라의 인구는 서울특별시, 부산광역시 등 광역도시에 인구가 집중되고 있다. Fig. 1을 살펴보면, 색깔이 검은 색일수록 해당지역에 거주하는 인구가 많음을 의미한다. 광역도시와 그 주변 지역에 인구가 많이 거주함을 Fig. 1을 통해서도 확인할 수 있다. 또한 통계적으로 전체 인구 중 약 45 %가 광역도시에 거주하고 있다. 따라서 동일한 사회경제적 취약성 평가를 광역도시와 중소도시에 적용하는 것은 적합하지 않다. 본 연구에서는 우리나라 전체 인구 중 약 45 %의 인구가 거주하는 7개의 광역도시를 대상으로 하였다.

본 연구에서의 취약성 평가의 공간적 해상도는 집계구를 기준으로 하였다. 집계구는 통계정보를 공표하기 위한 최소단위로서, 평균적으로 읍면동의 1/23 크기로 구획된다. Fig. 2는 부산광역시 자치구 및 부산광역시 남구의 집계구를 나타낸 것이다. 부산광역시 뿐 만 아니라 다른 광역도시의 집계구도 유사한 형태로 구획되어있으며, Table 2에 각 광역시별로 자치구 수 및 집계구 관련 제원을 나타내었다.

자연재해에 대한 사회경제적 취약성 평가를 위하여 Park et al.(2016a)에서 적용한 지표기반모형을 참고하였다. 사회경제적 취약성을 평가하기 위하여 크게 3가지 그룹으로 구분할 수 있으며, 각 그룹은 각각 6개, 5개, 및 6개의 대리변수로 구성된다. 먼저, 자연재해가 발생하였을 때, 인명 및 사회적 취약정도를 평가할 수 있는 인구통계 및 사회적 지표(Demographic and Social Indicator, 이하 DSI)는 1) 재해취약인구 수, 2) 재해노출위험산업 종사자수, 3) 인구밀도, 4) 외국인 수, 5) 교육수준, 6) 주거형태로 총 6개의 대리변수로 구성된다. 취약성 평가지표를 참고한 Park et al.(2016a)에서는 재해취약인구 수, 재해노출위험산업 종사자수, 외국인수에 대해서는 비율로 나타내고 있다. 그러나 본 연구에서는 보다 보수적인 관점에서 재해 취약성을 평가하기 위하여 절대적인 양으로 비교하고자 비율이 아니라 지표별로 정량적인 값을 적용하였다. 이전 연구에서는 재해취약인구에 대해서 해당 집계구의 거주하는 인구 중 재해로 인해 피해를 입을 확률이 높은 연령(4세이하, 65세 이상)의 인구비율을 이용하여 취약성을 평가하였다. 그러나 본 연구에서는 재해취약인구 수인 그 절대적인 값을 이용하여 취약성을 평가하였다. 해당 값이 크면 클수록 자연재해에 대한 취약성이 높음을 의미한다. 마찬가지로 재해노출위험산업 종사자 수, 외국인 수도 해당 집계구(또는 자치구)의 재해노출위험산업(농업, 임업, 어업, 운수업, 건설업)에 종사하는 근로자수 비율과 외국인 비율이 아닌 재해노출위험산업 종사하는 근로자 수와 외국인 수를 이용하여 취약성을 평가하였다. 해당 지표들은 선행연구사례에서도 빈번하게 사용되고 있다(Cutter et al., 2000; Eakin and Bojórquez-Tapia, 2008; Eidsvig et al., 2014). 2차 피해 유발지표(Trigger Secondary-damage Indicator, 이하 TSI)는 1) 공공청사 개수, 2) 도로면적비, 3) 전기공급시설 개수, 4) 학교면적비, 5) 상업 및 공업지역 면적비로 구성된다. TSI는 재해로 인하여 발생하는 직접적인 피해 외에 서비스 유통라인 파괴, 지속적인 재해발생으로 인한 재해 취약성 증가와 같은 간접적인 피해를 평가하기 위한항목으로 구성하였다. 재해 대비 및 대처지표(Preparation and Response Indicator, 이하 PRI)는 재해가 발생하였을 경우 자치구가 가지는 대처정도를 평가하기 위한 항목으로 구성되었다. 우리나라 재해 대처를 위한 방재행정은 집계구보다 시군구 또는 시도 단위로 수행되고 있기 때문에, 이 경우에는 집계구 규모의 자료 적용은 적절하지 않으며, 집계구 규모의 가용자료 역시 부족한 실정이다. 본 연구에서는 자치구 단위의 가용자료를 이용하여 1) 재난발생빈도 2) 인터넷 보급율, 3) 방재시설 개수, 4) 재해에 대한 안전인식도, 5) 의료기관 종사자수, 6) 재정자립도, 총 6개의 PRI 대리변수를 구성하였다. 각 대리변수에 대한 자세한 내용은 Park et al.(2016a)을 참고할 수 있다.

광역도시를 대상으로 사회경제적 취약성 지수(Socio- economic Vulnerability Index, 이하 SVI)는 1) 대리변수 별로 사회경제적 취약성 정량화 기준에 따라 정량화 과정을 수행하고, 2) 대리변수 별로 정량화된 값을 가중평균을 통해 산정할 수 있다. 이 때, 대리변수별 취약성 정량화는 대리변수가 가지는 단위 및 규모가 다르기 때문에 대리변수가 가지는 정성적인 성질을 상대적인 비교를 통해 평가하였다. 본 연구에서는 7개의 광역도시의 자료 전체를 이용하여 1점에서 5점까지의 5개의 등급으로 구분하고, 등급 별 도수가 전체 자료 수(즉, 7개 광역도시의 전체자료)의 20%가 되도록 배정하였다. 이 때, 등급이 높을수록 해당 대리변수는 재해에 취약하다는 것을 의미한다. 또한 가중평균을 위해서 각 대리변수별로 필요한 가중치는 AHP 기법(Saaty, 2008)을 통해 산정된 가중치를 사용하였다. 각 대리변수별 등급화 기준과 가중치를 Table 3 - 5에 나타내었다. Table 3 - 5에 나타낸 바와 같이 대리변수별로 등급이 산정이 되면, Eq. (1)을 이용하여 사회경제적 취약성을 산정할 수 있다.

여기서, SVI는 사회경제적 취약성 지수, W_DSI, i, W_TSI, i, W_PRI, i는 DSI, TSI, PRI 각각을 구성하는 대리변수 i의 가중치이다. S_DSI, i, S_TSI, i, S_PRI, i는 세 가지 세부지표를 구성하는 대리변수 i의 등급을 의미한다. Eq. (1)을 통해서도 세 가지 세부지표에 의해서 SVI가 산정됨을 파악할 수 있다.

자연재해에 대한 사회경제적 취약성 평가를 확인하기에 앞서 세부지표별로 산정된 취약성의 분포가 어떻게 나타나는지를 히스토그램을 통해 확인하고자 하였다. 각 세부지표 역시 자연재해에 대한 사회경제적 취약성 지수와 마찬가지로 1에서 5사이로 산정되는데, 상대적인 비교를 위하여 각 세부지표의 취약성 역시 0에서 1사이로 정규화하여 사용하였다.

Figs. 3과 4는 산정된 DSI와 TSI를 이용하여 각 광역도시별로 취약정도의 분포를 확인하기 위해 나타낸 히스토그램이다. 따라서 히스토그램에 나타난 도수의 총합은 각 광역도시의 집계구 수와 동일하다. DSI의 경우(Fig. 3 참고), 모든 광역시에서 취약성 분포형태가 정규분포와 유사한 형태로 나타났다. 서울을 제외한 나머지 광역도시에서는 DSI의 취약지수가 0.4 부근에서 가장 빈번하였으며, 서울은 0.5 부근에 취약지수가 가장 빈번하게 나타남을 확인하였다. 이는 서울이 가지는 인명 및 사회를 구성하는 구조가 다른 지역에 비해 자연재해에 더 취약함을 의미한다.

재해로 인한 2차 피해를 유발하는 요소가 자연재해로부터 얼마나 취약한지를 의미하는 TSI의 경우(Fig. 4 참고), 서울과 부산의 TSI 분포 형태는 정규분포와 유사한 형태를 보이고 있으나 나머지 도시는 그렇지 않았다.

재해에 대한 지자체의 대비 및 대처능력을 나타내는 세부지표인 PRI는 DSI와 TSI와는 달리 자료의 개수가 매우 적으며, 이를 히스토그램 화 하기는 적절하지 않아 각 광역시의 자치구별로 산정된 PRI 취약성을 평균하여 광역도시별로 Fig. 5에 도시하였다. PRI의 취약성이 높을수록 자연재해에 대한 지차제의 대비 및 대처능력이 떨어짐을 의미한다. 부산, 대구, 인천 순으로 PRI 취약성이 높게 산정된다. 반면에 서울이 7개의 광역도시에서 PRI의 취약성이 가장 낮게 평가 되었다. 해당 지표가 의미하는 바는 동일한 규모의 자연재해가 서울과 부산에 발생한다면, 재해에 대한 대비 및 대처능력에 있어 그 능력치가 가장 높은 서울은 신속하게 재해에 대비하거나 대처할 수 있으나 부산의 경우에는 그렇지 못하다는 것을 의미한다. 따라서 지자체가 가지는 재해대비 및 대처능력을 개선하기 위한 방재사업을 진행하게 된다면, 우선적으로 부산과 대구에서부터 시행되어야 할 것으로 판단된다.

본 연구에서는 인구가 밀집되어있는 7개의 광역도시를 기준으로 동일한 기준으로 사회경제적 취약성을 평가하기 위한 방법론을 제시하였다. 사회경제적 취약성은 크게 3 가지 측면에서 우선적으로 산정되고, 이를 다시 가중 평균하여 자연재해에 대한 사회경제적 취약성을 산정할 수 있다. 이 때, 취약성을 총 5개의 등급(매우취약, 취약, 보통, 안전, 매우안전)으로 구분하여 나타내었다. 5개의 등급은 Jenks Natural break 알고리즘(Jenks, 1967)을 적용하여 구분하였다. 해당 알고리즘은 등급 내 자료의 분산은 줄이고 등급 간의 분산을 최대화시켜 공간적으로 표현되는 자료를 시각화하는데 효과적인 방법 중 하나이다. ArcGIS에서는 Jenks가 제안한 알고리즘을 이용한 자연적 구분법을 제공하고 있어 손쉽게 자료를 등급화여 도시할 수 있다.

Fig. 6에서 Fig. 9는 본 연구에서 대상으로 한 7개의 광역도시를 수도권지역(서울, 인천), 호서지역(대전), 호남지역(광주), 영남지역(부산, 대구, 울산)으로 구분하여 각각의 취약성 등급을 도시하였다. Fig. 6은 서울특별시와 인천광역시를 포함하는 수도권지역의 사회경제적 취약성 평가 결과이다. 서울은 비교적 자연재해에 대하여 사회경제적 취약성이 낮음을 확인할 수 있다. 금천구, 중구 및 일부 집계구의 경우에 취약지표가 취약(0.52 - 0.63) 또는 매우취약(0.64 - 1.00)하다고 확인되나 16,230개의 집계구의 약 5 % 해당하며, 그 수가 매우 적음을 알 수 있다. 인천은 서울에 비하여 사회경제적으로 재해에 더 취약한 것으로 평가되었다. 인천의 집계구 중에서도 비교적 도시화가 이루어진 곳에서 SVI가 더 높은 것으로 산정되었다. 사회경제적 취약성 등급이 취약 또는 매우취약으로 평가된 집계구는 인천 전체 집계구(4,588개)의 약 35 %에 해당한다.

Fig. 7과 Fig. 8에는 광주와 대전의 사회경제적 취약성 평가결과를 나타내었다. 광주는 총 2,522개의 집계구로 구성되어 있으며, 이 중의 13 %는 자연재해에 대해 취약 또는 매우취약하다고 평가되었다. 대전의 경우에는 전체 집계구(2,542개) 중 약 32 %에 해당하는 822개의 집계구에서 취약 또는 매우취약으로 사회경제적 취약성 등급이 산정되었다. 광주와 대전은 서로 비슷한 개수의 집계구로 구성되어 있으나 SVI가 0.52 이상인 집계구는 대전이 약 2배 더 많이 있음을 확인할 수 있다. 이는 광주보다는 대전이 자연재해에 취약한 지역이 더 많다는 것을 의미한다.

영남지역은 다른 지역에 비해 SVI가 높게 산정되었다(Fig. 9 참고). 영남지역의 SVI가 높게 산정된 것은 영남지역에 위치한 부산, 대구의 PRI의 취약성(Fig. 5 참조)이 다른 광역 도시에 비해 높게 평가된 것에서 비롯된다. PRI는 SVI를 산정함에 있어 비교적 높은 가중치를 가지고 있어 SVI 산정에 많은 영향을 미치게 되기 때문이다. 특히 부산은 전체 집계구(5,921 개)의 약 92 %가 취약성이 취약 또는 매우취약으로 산정되어 사회경제적 취약성 개선을 위한 사업이 우선적으로 수행되어야 할 것으로 판단된다. 대구는 전체 4,320개의 집계구 중 약 88 %가, 울산은 1,896개 집계구 중 256개 집계구(약 14 %)가 취약성이 취약 또는 매우 취약함으로 평가되었다.