통계분석을 통한 대설 피해 경보에 적합한 적설심 기준 제안
Snow Depth Criteria for Snow Damage Warning Using Statistical Analysis
Article information
Abstract
최근 세계적인 기후변화에 따른 자연재난 발생 빈도가 증가하고 있으며, 자연재해 중 겨울철 이상 기온으로 인한 폭설 및 한파도 예외가 아니다. 우리나라는 1994년에서 2013년까지 지난 20년간 자연재해에 의한 피해액 약 12조 원 중 대설로 인한 피해액이 약 1조 6천억 원으로, 그 발생 빈도가 점차 증가하며 주요 겨울철 자연재난으로 자리매김하고 있다. 본 연구에서는 폭설 발생 시 신속한 대설 피해 경보 발령 및 재난 대응을 위해 재난통계를 기반으로 기상학적인 요인(적설심, 일평균상태습도, 일최저기온, 일최고기온)과 사회⋅경제적인 요인(지역면적, 비닐하우스 면적, 농가인구수, 60세 이상 농가인구수)을 고려하여 다중 회귀모형을 개발하였다. 과거 대설 피해 통계를 분석하여 전라도, 충청도, 강원도 지역의 지난 22년 간의 자료를 적용하였다. 24시간 내 신적설인 최심신적설심과 누적적설심인 최심적설심을 대설 피해 예측 중요 변수로 정하여 별도의 모형을 구축하였으며, 신적설심과 누적적설심을 모두 6개의 cases로 구분하여 총 12개의 다중회귀모형을 구축하고 수정된 결정계수 및 N-RMSE값을 비교하였다. 그 결과, 모든 cases에서 누적적설심인 최심적설심 보다 신적설인 최심신적설심의 성능이 좋게 평가되었다. 또한 적설심 25cm의 최심신적설을 이용한 모형에서 수정된 결정계수가 0.7 이상, N-RMSE가 8.2% 이하로 매우 높은 모형 효율을 보였다.
Trans Abstract
The frequency of natural disaster has been increased due to the climate change, and the heavy snow has been also increased during the winter. In South Korea, total damage cost by heavy snow for last 20 years from 1994 to 2013 was about 1.6 billion dollars among total 12 billion dollars caused by natural disasters. In this study, the amount of snow damage was estimated using historical disaster data using multiple regression analysis. The input data for the model was meteorological data (snow depth, daily relative humidity, daily minimum temperature, daily maximum temperature, daily average temperature) and socio·economic data (area, greenhouse area, number of farmers, elderly population in farmers). The developed models were applied in Jeolla-do, Cheongchung-do, and Kangwon-so using last 22 years of snow disaster data. Two types of snow depths (daily maximum fresh snow depth and daily maximum snow depth) were used. Two types of snow depths were also divided into 6 cases depending on the snow depth. As a result, daily maximum fresh snow depth shows better performance than daily maximum snow depth. The case using over 25cm of daily maximum fresh snow depth showed the best result with the adjusted R2 over 0.7.
1. 서론
최근 기후변화 등에 기인한 기상이변으로 홍수, 폭염, 가뭄, 폭설, 한파 등의 자연재해가 발생 빈도가 증가하고 있으며, 발생지역 또한 과거와 달라, 피해를 예측하기란 거의 불가능에 가까워지고 있다. 예를 들어, 2016년 1월 기록적인 폭설과 한파로 제주공항이 2일 동안 폐쇄되고, 비닐하우스 등의 시설물에 총 185억 원의 피해가 발생하였다. 이때 폭설에 의한 피해가 가중된 것은 제주도의 1월 평균기온인 영상 5.8°C보다 한참 낮은 영하 5.8°C를 기록한 한파가 동반되었기 때문이다. Korea Meteorological Administration(KMA, 2016)에 따르면, 2016년 1월 북반구의 중위도 지역에 발생한 한파와 폭설은 북극지역의 온도가 높아지며 북극의 찬 공기를 감싸고 있던 polar votex의 약화로 차가운 저기압이 중위도 지역까지 남하하였기 때문이라고 한다. 그러므로 지구온난화에 의한 영향이 겨울철 폭설 발생에도 미칠 수 있음을 예상할 수 있다.
폭설에 의한 피해에 대해 많은 관심을 가지게 된 계기는 2014년 2월 경주 마우나리조트 강당의 지붕 붕괴로 10명이 사망하고 113명의 부상자가 발생했던 사건이다. 이때 경주지역에 폭설이 내렸으며, 눈의 하중을 견디지 못한 샌드위치 패널 구조의 강당 지붕이 무너져 내렸다. 이후 건축물의 구조설계 기준이 강화되었으며, 대설에 의한 피해 저감을 위한 다양한 방안을 모색하게 되었다.
대설에 의한 피해 관련 연구들을 살펴보면 Toya and Skidmore(2007)은 자연재해에 따른 GDP당 피해액 예측모형 개발에 관한 연구를 수행하였으며, Kwon et al.(2016)은 최심적설량과 사회⋅경제적 요인을 고려한 대설피해 예측 모형을 개발하였다. 또한 Kwon and Chung(2017)은 다중회귀모형을 이용하여 대설피해액 추정을 위한 모형을 개발하여 그 적용성을 검토한바 있다. Jeong and Lee(2014)는 최심신적설량, 대설발생일수, 인구, 지역총생산량, 면적 등을 이용하여 대설로 인한 인명피해 및 이재민수를 예측하기 위한 연구를 수행하였다.
대설 피해 예측을 위해 선행연구들은 다양한 변수들을 고려하고, 정확한 예측을 위해 노력하였다. 그러나 우리나라에서는 과거 대설 피해가 빈번히 발생하지 않았기 때문에 피해 자료 분석이 상세하게 이루어지지 않아 예측 모형의 효율이 높지 않았다. 그러므로 본 연구에서는 대설 피해 예측을 위한 다중회귀모형을 다양한 방법으로 구축하여 대설 피해 예측을 위한 가장 적합한 모형을 제안하였다. 이를 위해 기상청에서 24시간에 1번씩 측정하여 예보하는 최심적설량과 최심신적설량을 구분하여 모형을 구축하였다. 전날의 적설심에 누가된 신적설의 깊이를 합하여 측정하는 최심적설량과 24시간 내에 새로 내린 신적설의 깊이를 측정하는 최심신적설량을 각각 이용한 모형을 개발하고, 적설심을 깊이에 따라 구분하여 가장 예측 효율이 높은 모형을 제안하였다.
2. 연구방법
본 연구에서는 국민안전처에서 매년 발간하는 재해연보에 기록된 대설 관련 피해를 지역별⋅시설물별로 조사하여 1994년부터 2015년까지 22년간 재난통계를 바탕으로 대설 피해를 예측하였으며, 이를 위해 기상청에서 측정하여 발표하는 적설심 자료와 일평균상대습도, 일최저기온, 일최고기온 자료와 지역의 면적, 농가인구, 농가인구 중 60세 이상인 인구 수, 비닐하우스의 면적을 사회⋅경제적인 입력 자료로 선택하여 수집하였다.
2.1 대설 피해 자료 구축 및 적용지역 선정
본 연구에서는 재해연보를 바탕으로 과거 22년간의 지역별 피해 빈도를 Fig. 1에 나타내었다. 가장 많은 피해가 발생한 시군구는 평창군에 22년간 총 19회의 대설 피해가 발생하였으며, 가장 많은 피해가 발생했던 지역은 전라도 330건으로 25%, 충청도 281건으로 21%, 강원도 186건으로 14%로 대부분의 피해가(60%) 전라도, 충청도, 강원도에서 발생하였다. 그러므로 본 연구에서는 전라도, 충청도, 강원도 지역의 피해 자료를 이용하여 대설 피해 추정 모형을 구축하였다.
Frequency of Snow Disasters (1994~2015, 22 years)
재해연보에서 대설 관련 피해는 공공시설과 사유시설로 구분되어 총 23개 시설별로 피해액이 집계된다. Table 1과 같이 시설별로 과거 22년 간의 대설 피해액을 살펴보면, 비닐하우스가 32.9%로 가장 높고, 축사⋅잠사가 29.1%, 기타 사유시설이 31.8%로 대부분의 피해가 농어촌 지역의 시설물에 집중되는 것을 알 수 있다.
Percentage of Snow Damages
2.1.1 대설 피해에 영향을 미치는 기상학적인 요인
National Emergency Management Agency(2012, NEMA) 에서는 대설에 의한 피해유형을 적설, 설압, 눈사태, 착설, 미끄러짐, 및 대설 발생 후 관리 소홀 등 6가지로 구분하였으며, 재해연보에 따르면 과거 22년간의 대설 피해는 설하중에 의한 시설물 붕괴가 대부분이었다. 그러므로 대설 발생 시, 적설심에 따른 설하중을 결정하는 것이 매우 중요하다는 것을 알 수 있다. 적설하중을 결정하는 가장 큰 요인은 적설심이다. 그러나 적설심 이외에도 습도 또한 중요한 요인으로 작용한다고 알려져 있는데, Gooch(1999)에 따르면 일반적으로 습기를 머금은 습설의 단위중량은 건설의 단위중량 보다 최대 7배까지 더 나간다고 조사된 바 있으며, Yu et al. (2014)은 영하 10°C이하의 눈은 건설, 영하1°C에서 영상1°C 사이의 눈은 습설일 확률이 높다고 하였다. 따라서 설하중은 적설량과 습도, 기온의 영향을 받아 달라진다고 추정할 수 있다. 그러므로 본 연구에서는 일평균상대습도, 일최저기온, 일최고기온, 적설심(최심신적설, 최심적설)을 대설 피해 예측의 입력 변수로 선택하였다.
2.1.2 대설 피해에 영향을 미치는 사회⋅경제적 요인
앞에서 살펴본 바와 같이, 대설피해가 집중되는 시설물은 주로 농가시설물이었으며, 비닐하우스와 축사⋅잠사의 피해 비율이 60%를 넘어 대부분의 시설물이 농촌의 경량시설물이었다. 이는 경량시설물의 설계하중을 초과하는 폭설이 발생하였거나 신속한 제설작업 등이 이루어지지 않았기 때문인 것으로 분석되었다. 그러므로 본 연구에서는 대설피해에 영향을 미치는 사회⋅경제적 요인으로 지역의 면적과 비닐하우스 면적, 농가인구, 60세 이상 농가인구를 선택하였다.
3. 다중회귀분석
다중회귀모형은 종속변수를 설명하기 위해 두 개 이상의 설명변수가 사용되는 선형회귀모형을 뜻하며, 일반적으로 자연적, 사회적인 현상을 설명하는데 있어서 두 개 이상의 변수들에 의해 좌우되기 때문에 적절한 독립변수를 여러 개 선정하여 종속변수를 설명하는데 주로 사용된다. 독립변수가 개인 다중회귀분석의 기본 모형은 Eq. (1)과 같이 나타낼 수 있다.
Eq. (1)에서B0, B1, B2, …, Bk은 회귀계수를 뜻하고ϵ는 종속변수Y를 나타낼 때 발생하는 오차이다. 회귀모형의 추정은 회귀계수를 찾는 것을 말하며 일반적으로 최소자승법을 이용한 추정방법을 이용한다. 또한 다중회귀식을 추정하는 방식에는 대표적으로 동시입력방식과 단계입력방식이 있다. 동시입력방식은 사용자가 고려하는 모든 설명변수들을 동시에 적용하여 분석하는 방법으로, 모든 독립변수들이 종속변수에 끼치는 영향도를 알 수 있다. 본 연구에서는 모든 설명변수들을 고려한 대설피해액을 예측하고자 하였기에 동시입력방식을 이용하였다.
다중회귀모형의 적용성 검토는 일반적으로 수정결정계수를 사용하며, 본 연구에서는 보다 정확한 성능 검토를 위해 평균제곱근오차(Root Mean Square Error, RMSE)를 표준화한 N-RMSE(Normalized Root Mean Squared Error, NRMSE)도 함께 사용하였다. 수정된 결정계수와, NRMSE 산정 방법을 Eqs. (2)와 (3), (4)에 나타냈으며, 수정된 결정계수는 1에 가까울수록 높은 성능을 나타냄을 뜻하고, NRMSE는 0에 가까울수록 높은 성능을 뜻한다.
여기서n은 자료의 수이며, k은 독립변수의 수, SSE와SST는 오차제곱합과 총제곱합을 나타낸다.
여기서yi는 i번째 실제피해액을 의미하며
4. 분석 결과
4.1 상관관계 및 다중공선성 진단
다중회귀모형을 구축하게 되면 독립변수들 간의 상관관계로 인해 모형의 효율이 떨어지거나, 왜곡된 결과를 초래할 수 있다. 그러므로 독립변수의 수가 많을수록 변수들간의 상관관계 검토가 반드시 필요하다. 변수들 간의 상관관계 검토 결과 절댓값 0에 가까울수록 상관관계가 거의 없음을 나타내고, 절댓값 1에 가까울수록 상관관계가 높음을 의미한다. 상관관계가 지나치게 높을 경우, 특정 회귀계수나 표준오차 등이 제대로 추정되지 않을 수 있다. 즉 상관관계가 지나치게 높을 경우 다중공선성의 문제로 인해 회귀모형의 추정이 제대로 되지 않는다. 그러므로 본 연구에서는 다중공선성에 문제가 있을 것으로 예상되는 상관관계 0.7 이상 값을 나타낸 Case를 대상으로 다중공선성 진단을 실시했으며, 최심신적설을 이용한 Case 6개와 최심적설을 이용한 Case 6개, 총 12 Case에 대한 상관관계 분석 결과를 Tables 2 ~ 13에 나타냈다.
Correlation Analysis Using Daily Maximum Fresh Snow Depth_Case 1
Correlation Analysis Using Daily Maximum Snow Depth_Case 6
Correlation Analysis Using Daily Maximum Fresh Snow Depth_Case 2
Correlation Analysis Using Daily Maximum Fresh Snow Depth_Case 3
Correlation Analysis Using Daily Maximum Fresh Snow Depth_Case 4
Correlation Analysis Using Daily Maximum Fresh Snow Depth_Case 5
Correlation Analysis Using Daily Maximum Fresh Snow Depth_Case 6
Correlation Analysis Using Daily Maximum Snow Depth_Case 1
Correlation Analysis Using Daily Maximum Snow Depth_Case 2
Correlation Analysis Using Daily Maximum Snow Depth_Case 3
Correlation Analysis Using Daily Maximum Snow Depth_Case 4
Correlation Analysis Using Daily Maximum Snow Depth_Case 5
상관관계 분석 결과 최심신적설을 이용한 모형과, 최심적설을 이용한 모형 모두 Case 6을 제외한 모든 Case에서 상관관계 0.7 이하를 나타냈다. 그러나 최심신적설을 이용한 Case 6과 최심적설을 이용한 Case 6의 농가인구 및 60세 이상 농가인구에서 0.7 이상의 상관계수 값을 나타내어 다중공선성상의 문제를 야기할 수 있으므로 다중공선성 분석을 실시하였으며, 다중공선성 진단 결과를 Table 14에 나타냈다.
Result of Multi-collinearity by Using Fresh Snow Depth and Using Snow Depth (VIF Value)
Case 6에 대해서 최심신적설을 이용한 모형과 최심적설을 이용한 모형에 대해 다중공선성을 진단한 결과 Table 14와 같이 농가인구와, 60세 이상 농가인구에서 가장 높은 VIF 값을 나타냈다. 그러나 VIF 값이 모두 10 미만이므로 다중공선성에 문제는 없는 것으로 판단되었다. 그러므로 모든 모형에서 상기 독립변수들을 동시에 입력하여 분석하더라도 다중공선성의 문제가 없다 판단되며, 모든 독립변수를 입력하여 분석한 Case 별 회귀식을 Tables 15 ~ 20에 나타내었다.
Regression Coefficient of Case 1
Regression Coefficient of Case 6
Regression Coefficient of Case 2
Regression Coefficient of Case 3
Regression Coefficient of Case 4
Regression Coefficient of Case 5
4.2 다중회귀분석 결과
다중회귀모형을 이용하여 대설 피해액을 예측하기 위해 과거 22년 간 전라도, 충청도, 강원도 지역의 총 541개 피해사례를 재해연보에서 수집하였다. 대설 피해에 가장 큰 영향을 미치는 적설심은 앞에서 설명한 바와 같이 최심신적설량(24시간 내 신적설)과 최심적설량(누적적설량)으로 구분하여 측정된다. 그러므로 과거 대설 피해를 야기한 적설심을 기준으로 최심신적설량을 적용한 모형과 최심적설량을 적용한 모형으로 구분하였다. 또한 각각의 적설심을 10cm 미만의 적설심을 제외한 모든 자료를 사용한 경우(case 1), 13cm 미만의 자료를 제외한 모든 자료를 사용한 경우(case 2), 적설심이 15cm 이상인 경우(case 3), 18cm 이상인 경우(case 4), 20cm 이상인 경우(case 5), 25cm 이상인 경우(case 6)로 구분하여 총 12개의 모형을 구축하였다.
다중회귀분석을 적용한 12개의 대설 피해 예측 모형의 결과는 Tables 21 ~ 22, Figs. 2 ~ 3에 나타내었다.
Results of Multiple Regression Analysis Using Daily Maximum Fresh Snow Depth
Results of Multiple Regression Analysis Using Daily Maximum Snow Depth
Comparison of Observed (X-axis) and Calculated(Y-axis) Snow Damage from Multiple Regression Analysis Using Daily Maximum Fresh Snow Depth (Million Won)
Comparison of Observed (X-axis) and Calculated(Y-axis) Snow Damage from Multiple Regression Analysis Using Daily Maximum Snow Depth (Million Won)
적용 결과, 최심신적설심과 최심적설심을 입력변수로 사용한 경우 모두에서 기준 적설심이 증가할수록 모형의 성능이 향상되는 것을 알 수 있었다. 이는 적설심이 낮은 피해사례를 포함하여 분석할 시에는 이미 노후화된 시설물의 붕괴나 관리소홀로 인해 약화된 시설물의 붕괴 등 적설심 외적인 요인이 작용하여 효율을 떨어트리는 것으로 사료된다. 또한 최심신적설심을 적용한 모형이 모든 적설심 기준에서 최심적설심을 적용한 경우보다 높은 모형의 효율을 보였다. 최심신적설량을 이용한 모형의 성능이 더 뛰어난 것은 관측소에서 누적된 적설심이 관측된다고 하더라도 대설 피해를 주로 입는 비닐하우스나 축사⋅잠사 시설물의 실내 가온이나 제설작업 등으로 인해 실제로 시설물의 지붕에 누적 적설량이 존재하지 않는 경우가 대부분이기 때문인 것으로 조사되었다. 그러므로 최심신적설량을 이용한 Case 6 의 모형을 이용하는 것이 바람직하다.
Table 20의 Case 6 회귀계수를 살펴보면 농가인구와, 60세 이상의 농가인구에서를 제외한 다른 변수에 대해서는 양의 부호를 나타낸다. 이는 다른 변수(최심신적설량, 최고기온, 최저기온, 상대습도, 면적, 비닐하우스 면적)들은 피해를 가중시키는 요인으로서, 최심신적설량과, 최고기온, 최저기온 및 상대습도는 그 변수가 커질수록 적설 하중이 커지는 것으로 조사되었으며, 농가인구 및 60세 이상 농가인구는 사유시설의 제설작업에 영향을 끼쳐, 농가인구수 증가에 따라 피해액이 감소하는 것으로 생각된다. 하지만 농가인구 및 60세 이상 농가인구의 계수 결정 원인의 정확한 분석을 위해서는 피해액과 농가인구에 대한 개별적인 분석이 필요할 것이다. 그러나 본 연구의 최종 결과로 최심신적설량을 적용한 경우 적설심 기준 25cm 이상에서 수정된 결정계수가 0.7 이상, N-RMSE가 8.2% 이하로 매우 높은 성능을 나타내었다. 따라서 대설 피해를 예측하기 위해 기상학적이나 사회⋅경제적인 요인들을 이용할 경우에는 24시간 이내 적설심이 25cm 이상의 대설이 발생하였을 때 매우 효과적으로 적용이 가능하다는 것을 알 수 있었다. 다른 관점에서 살펴보면, 낮은 적설심에서 발생한 대설 피해는 반드시 적설에 의한 피해가 아닐 수도 있으며, 제설작업 등의 관리 소홀이나 시설물의 노후화 등 외적인 요인의 개입 여지가 커지기 때문인 것으로 판단된다.
5. 결론
본 연구에서는 지구 온난화 등으로 인해 발생 빈도가 높아지고 있는 자연재해 중 대설 피해를 예측하기 위해 재난통계를 기반으로 기상학적인 요인(적설심, 일평균상대습도, 일최저기온, 일최고기온)과 사회⋅경제적인 요인(지역면적, 비닐하우스 면적, 농가인구수, 60세 이상 농가인구수)을 고려하여 다중 회귀모형을 개발하였다. 과거 대설 피해 통계를 분석하여 전라도, 충청도, 강원도 지역의 지난 22년 간의 자료를 적용하였다. 24시간 내 신적설인 최심신적설심과 누적적설심인 최심적설심을 대설 피해 예측 중요 변수로 정하여 별도의 모형을 구축하였으며, 신적설심과 누적적설심을 모두 6개의 cases로 구분하여 총 12개의 다중회귀모형을 구축하였다. 6개 cases 구분은 10cm 이상의 적설심을 보인 모든 자료를 적용한 경우부터, 적설심 기준을 차차 높여 적설심 25cm 이상의 피해 자료만을 적용한 경우까지 구분하여 모형의 효율을 검토하였다. 그 결과, 모든 cases에서 누적적설심인 최심적설심보다 신적설인 최심신적설심을 사용한 경우의 효율이 뛰어났으며, 적설심이 25cm 이상이 경우에는 수정된 결정계수가 0.7 이상으로 매우 높은 모형 효율을 보였다. 이는 적설심이 낮은 경우에 발생한 피해는 적설에 의한 피해보다 다른 외부적인 요인이 비교적 더 크게 작용하여 발생한 피해였기 때문에 적설심을 이용한 예측이 어려웠던 것으로 판단된다. 예를 들어 시설물의 노후화나 제설작업 등의 관리 소홀로 인해 발생한 피해일 수 있는 것이다. 그러므로 신속한 대응을 통한 재해 저감이라는 본 연구의 목적과는 다소 거리가 있으므로 낮은 적설심에서 발생한 피해 자료는 통계분석에서 제외하는 것이 타당하다고 판단하였다. 또한, 누적적설량을 적용하여 대설 피해를 예측하는 경우, 비닐하우스 등 시설물 내부의 가온이나 재설작업 등으로 인해 실제로 시설물 지붕에 쌓여 있는 적설심과 동떨어진 변수를 고려하는 결과를 초래하여 모형의 효율을 저하시키는 것으로 판단되었다. 그러므로 신적설 기준 25cm 이상의 대설이 발생할 경우에는 피해 규모의 예측이 비교적 정확하게 이루어질 수 있음을 확인하였다. 그러나 지역 시군구별로 세분화 하여 적용하기 위해서는 지역별 특성을 보다 정확히 고려할 수 있는 지형 또는 방재능력과 같은 취약인자 등을 고려해야 할 것이다.
감사의 글
본 연구는 정부(국민안전처)의 재원으로 재난안전기술개발사업단의 지원을 받아 수행된 연구임 [MPSS-자연-2013-62].