호우 위험도 평가를 이용한 피해예측: (1) 호우피해위험지수 산정

Damage Prediction Using Heavy Rain Risk Assessment: (1) Estimation of Heavy Rain Damage Risk Index

Article information

J. Korean Soc. Hazard Mitig. 2017;17(2):361-370

Publication date (electronic) : 2017 April 30

doi : https://doi.org/10.9798/KOSHAM.2017.17.2.361

Jongsung Kim ^*, Changhyun Choi ^**, Jongso Lee ^***, Hung Soo Kim

김종성^*, 최창현^**, 이종소^***, 김형수

* Member, Master’s Course, Department of Civil Engineering, Inha University

** Member, Doctor’s Course, Department of Civil Engineering, Inha University

*** Member, Ph.D, Department of Civil Engineering, Inha University

^****Corresponding Author, Member, Professor, Department of Civil Engineering, Inha University (Tel: +82-32-872-8729, Fax: +82-32-876-9787, E-mail: sookim@inha.ac.kr)

Received 2017 February 24; Revised 2017 February 28; Accepted 2017 March 13.

Abstract

본 연구에서는 PSR (Pressure-State-Response) 구조를 이용한 호우피해위험지수(Heavy rain Damage Risk Index, HDRI)를 제안하여 호우 위험도를 평가하고자 하였다. 지역별 호우 위험도 평가를 위해 압력지표, 현상지표, 대책지표를 구축하고 주성분분석을 통하여 평가지표들을 결정하였다. 또한 각 평가지표들을 Z-score 방법으로 표준화하고 동일한 가중치를 부여해 호우피해위험지수를 도출하였다. 분석 결과, 경기도 31개 지자체 중에서 가장 안전한 1등급인 지자체는 15개의 지자체로 나타났으며, 2등급인 지자체는 7개, 3등급인 지자체는 9개로 분류되었다. 따라서 본 연구를 통해 지자체별 호우 위험도 등급을 파악 할 수 있었으며, 이를 이용하여 이어지는 연구에서 위험 등급별 호우피해 예측함수를 개발하였다. 또한, 호우 위험도 등급을 이용하면 각 지자체 및 관련 부처에서 효율적인 재난관리를 위한 가치판단 기준으로 활용될 수 있을 것으로 판단된다.

Trans Abstract

This study proposed a Heavy rain Damage Risk Index(HDRI) using PSR(Pressure-State-Response) structure for heavy rain risk assessment or risk assessment. We constructed pressure index, state index and response index for the risk assessment of each local government in Gyieonggi-do province and the evaluation indices were determined by principal component analysis. The indices were standardized using the Z-score method then HDRIs were obtained for 31 local governments. The HDRI is categorized by three classes, say, the most safe class is 1^st class. As the results, the local governments of 1^st class were 15, 2^nd class 7, and 3^rd class 9. From the study, we were able to identify the risk class due to the heavy rainfall for each local government. It will be useful to develop the heavy rainfall prediction function by risk class and this was performed in this issue. Also, this risk class could be used for the decision making for efficient disaster management.

Keywords: 자연재난; 호우위험도 평가; 호우피해위험지수(HDRI); PSR(Pressure-State-Response)

Keywords: Natural Disaster; Heavy Rain Risk Assessment; HDRI; PSR(Pressure-State-Response)

1. 서론

전 세계적인 기후변동과 기후변화의 영향으로 대규모 인명 및 재산피해를 유발하는 자연재난의 빈도와 강도가 증가하고 있다. 특히, 급격한 도시화로 인해 불투수층 면적과 자산가치가 증대되면서 재산피해가 급증하고 있는 추세이고, 도시의 발전과 더불어 사람들은 재난의 위험으로부터 안전하게 살고자 하는 욕구가 증가하고 있다. 이렇게 변화하는 상황에 대처하기 위해서는 재해에 노출된 특성을 지역적 특성과 함께 평가하여 지역별로 재해에 위험한 정도를 평가하는 것이 선행되어지고 재난 피해 발생 전에 피해 지역 및 범위를 예측할 수 있다면 신속하고 효율적인 재난관리 대책을 마련할 수 있을 것이다.

재난에 위험한 정도를 지역별로 평가하는 국외의 연구를 살펴보면 Zhang et al. (2002)은 일본의 야마구치현을 대상으로 홍수피해 위험을 평가한 사례가 있다. 잠재홍수피해위험, 홍수피해상태, 홍수피해변화, 사회⋅경제적발전 정도, 홍수피해방어능력 지표의 가중치를 AHP(Analytic Hierarchy Process)로 산정하였고, 이를 합하여 Heavy danger, Middle danger, Light danger, Slight danger의 4등급으로 홍수피해위험지수(flood damage risk index, FDRI)를 제안하였다. Connor and Hiroki (2005)는 취약성 지표를 수문기상학적(홍수시의 유량 및 유속, 집중호우 빈도, 태풍 발생 횟수), 사회⋅경제적(인구, 자산가치, 유아 비율, 노인 비율), 대응방안(비구조적 대책 현황, 홍수 조절 인프라시설 개수) 등으로 구분하여 홍수취약성지수(Flood Vulnerability Index, FVI)를 개발하였다. 또한 Balica et al. (2009)은 공간적분포(유역, 소유역, 도시지역)별로 홍수취약지수를 사회학적, 경제학적, 물리적, 환경적 지표로 구분하여 취약지역을 평가 및 선정하였다. Fekete (2009)는 독일의 홍수피해를 대상으로 연방정부 통계청에서 수집된 자료들에 대한 요인 분석을 통해 사회적 홍수 취약성 지표를 제안하였고, Scheuer et al. (2011)은 위험도와 대응능력을 구분하여 경제적, 사회적, 생태적 지표들을 이용하여 다기준 홍수 취약성 지표를 제안하였다. Remo et al. (2016)은 Illinois 주를 대상으로 Hazus-MH를 이용하여 지역별 홍수 취약성을 평가하였다.

재해 위험을 지역별로 평가하는 국내의 연구를 살펴보면, 국토교통부(Ministry Of Land, Infrastructure and Transport; MOLIT)(2000)에서는 잠재성요소와 위험성요소로 분류한 홍수피해잠재능(Potential Flood Damage, PFD)을 도입하였다. Jung et al. (2001)에서는 PFD를 이용하여, 전국 150개 치수단위 구역별로 홍수피해에 대한 잠재적인 위험성을 분석하였으며, Lee et al. (2006)은 피해대상, 피해가능성, 방어취약성에 대한 함수로 나타낸 수정된 홍수피해잠재능을 제시하였다. Jung et al. (2008)은 기후변화 영향을 반영하여 민감도, 노출 그리고 적응능력의 함수로 홍수취약성을 정의하고 유역별 지표를 이용하여 상대적 취약도를 평가하였고, 국토교통부에서는 기후변화와 이상홍수에 대응하기 위하여 위험성 그룹과 취약성 그룹으로 구분된 이상홍수 취약성지수(Excess Flood Vulnerability Index, EFVI)를 개발하였고(MOLIT, 2010), Lim et al. (2010)은 유역별로 홍수위험도를 파악할 수 있도록 치수특성을 평가할 수 있는 세부지표를 선정하고 이를 압력, 현상, 대책 지수로 통합하여 홍수위험지수를 제안하였다. Kim et al. (2011)은 낙동강 유역을 대상으로 홍수위험지도를 제작하기 위해 행정구역별로 홍수취약도를 분석하였다. 민감도(일최대강우량, 극치강우량, 80mm 초과일수, 단위면적당 유출량), 노출도(인구밀도, 65세 이상 인구밀도, 15세 이하 인구 밀도, 자산밀도, 도로비율, 불투수비율, 유역평균고도), 저감성(토양배수분포도, 홍수조절용량, 하천개수율, 배수펌프용량)의 세부지표들을 이용하여 홍수취약도를 제안하였고, 홍수피해밀도와 비교하였다. Song et al. (2013)은 낙동강유역을 대상으로 홍수위험도에 따른 구분을 하기 위해 P-S-R(Pressure-State-Response) 구조로 지표를 분류 및 선정하였고, 이를 이용하여 홍수위험지수를 산정하였다. Choi et al. (2013)은 통합홍수위험관리 측면에서 지역의 홍수위험도에 따라 지구를 구분하기 위하여, 다기준의사결정기법 중 하나인 PROMETHEE(Preference Ranking Organization METHod for Enrichment Evaluation)를 적용하여 상대적 홍수위험도를 평가하였다. Lee and Choi (2016)는 전국의 74개 연안 시군구를 대상으로 최근 17개년동안 태풍과 호우에 의한 연안 시군구별 홍수피해자료를 각각 수집하고 지역별 홍수피해특성 분석을 실시하여, 태풍 홍수취약성지수, 호우 홍수취약성지수, 그리고 이를 종합한 태풍/호우 홍수취약성 지수의 산정을 통한 연안지역의 홍수피해 발생원인별 홍수취약성의 평가방안을 제시하였다. Lee et al. (2016)은 홍수위험관리 및 치수관리 사업에 필요한 정보를 제공하기 위해 지표평균법과 PROMETHEE를 이용하여 홍수위험도를 평가하였다. Bak et al. (2016)은 인천지역을 대상으로 복원탄력성 분석을 실시하기 위하여 엔트로피 방법과 설문조사 방법, 요인분석 방법을 고려하여 대비전략인 복원탄력성 평가 방안을 제안하였다.

최근 10년간 국내 자연재난의 비율을 살펴보면 호우피해가 약 65%이상을 차지하고 있고(국민안전처; Ministry of Public Safety and Security, MPSS)(2016), 태풍피해가 약 18% 가량을 차지하고 있기 때문에 이를 대비하기 위해서는 세분화하여 각각의 원인별 취약지역을 파악할 필요가 있다. 또한 기존의 국내·외 연구를 살펴보면 호우피해와 태풍피해를 통칭하는 홍수피해에 대한 취약성 및 위험도평가에 대한 연구가 주를 이루고 있으며, 세분화되어진 호우피해에 대한 위험을 평가하는 연구는 미비한 실정이다. 따라서 본 연구에서는 국내 자연재해의 65% 이상을 차지하고 있는 호우피해에 대한 위험지수를 제안하고, 제안된 지수를 통해 호우피해 발생빈도가 가장 높은 경기도 지역의 지자체별 호우 위험도를 평가하고자 한다.

2. 호우 위험도 평가를 위한 잠재지표 및 평가지표 결정 방법론

본 연구에서는 호우 위험도 평가를 위하여 P-S-R구조를 이용하여 호우피해위험지수를 제안하였다. 이를 위하여 압력, 현상 대책 구조의 잠재지표들을 구축하고, 표준화를 실시 한 후 주성분 분석을 통해 최종적인 평가 지표를 결정하였다. 결정된 각각의 평가지표들은 동일한 가중치를 부여하여 호우피해위험지수를 도출하였고, 이를 통해 3가지 등급으로 구분하여 경기도 지역의 호우 위험도를 평가하였다. 따라서 본 절에서는 위의 과정을 위해 필요한 잠재지표 분류 방법과 표준화 방법, 주성분 분석을 통한 평가지표 결정 방법을 설명하였다.

2.1 잠재지표 분류 방법

지표란 현상이나 상태에 관한 정보를 제공하는 변수 혹은 변수가 가지고 있는 가치를 말하며, 지수란 둘 이상의 지표를 집계 혹은 가중치를 부여하여 산출한 것을 말한다(Kim, 2013). 호우피해와 같은 위험(risk)은 다양한 인자들이 복합적으로 결합된 개념이기 때문에 위험도 지수를 산정하기 전에 잠재지표를 선택하고, 이를 구조적으로 분류하는 방법에 대해 결정해야 한다. 본 논문에서는 경제협력개발기구에서 인과 관계적 접근방식에 기초하여 개발한 P-S-R 방법을 사용하여 잠재지표를 분류하였다(OECD, 1991). 잠재지표는 호우피해 위험도 평가를 위한 평가지표를 결정하기 위하여 구축된 잠재적인 평가지표를 의미한다. P-S-R 방법은 Pressure(압력), State(현상), Response(대책)의 3가지 구조로 이루어지며, 재난 피해에 대한 원인과 결과, 방지대책의 영향을 인과 관계적으로 구분할 수 있는 방법이다. P-S-R 구조는 다소 단순하다는 단점이 있지만 환경적 압박, 환경의 상태, 환경적 반응사이의 상호관계 및 인과관계가 확실히 구분되어있다. 또한 각 지표간의 인과관계를 바탕으로 사회, 경제, 여타 쟁점사항간의 상호 연관된 관점에서 파악이 가능하다는 장점이 있다(Nam, 2016). 본 연구에서는 P-S-R구조를 이용하여 호우피해에 관한 잠재지표를 분류하였다. 여기서 압력지표(Pressure Factor; PF)는 호우피해의 원인이 되는 지표를 말하고 현상지표(State Factor; SF)는 호우피해 위험을 나타내는 지표를 말한다. 대책지표(Response Factor; RF)는 호우피해를 저감시킬 수 있는 정도를 나타내는 지표를 의미한다.

2.2 표준화 방법

평가지표에 사용되는 자료의 대부분이 각각 단위와 스케일이 상이하기 때문에 지수화 과정에서 사용될 기초자료들은 직접적인 교환분석이나 연산이 불가능하다. 이를 위하여 단위가 없는 무차원 값으로 변환하여 상대적인 크기를 비교할 수 있도록 하는 과정을 표준화라고 한다. 표준화를 위한 방법론으로 Rank, Z-Score, Re-Scaling, 평균상위 및 평균하위 지표, 순환지표, 균형지표 방법 등이 주로 사용된다. Z-Score 방법은 Eq. (1)과 같이 표현되며 모든 자료들을 평균은 0, 표준편차는 1이 되도록 만들어 해당 자료의 수치가 그 분포의 평균으로부터 표준편차의 몇 배 정도나 떨어져 있는지를 표준화 된 확률변수인 Z값으로 나타낸다. 즉, 평균치와 표준편차가 서로 다른 여러 평가지표들의 분포에서 지표들간의 통계치를 직접 비교하는데 유용하게 사용되는 통계적 기법이다(Lim, 2010).

(1)Zi = Xi−μσ

여기서, X_i는 해당 지표의 값, μ와σ는 평균값과 표준편차 값을 의미한다. 기존 연구에서는 분포의 확률밀도함수를 이용하여 구간별 평가 점수를 다시 부여하는 방법을 이용하거나, Z 값을 동일한 범위인 0~1사이의 값을 갖도록 초과확률을 이용하여 산정한 바 있다(Baeck, 2011). 따라서 본 연구에서는 보편적이며, 극값을 더 정밀하게 파악할 수 있는 Z-Score 방법을 이용하여 표준화를 실시하였다.

2.3 주성분 분석을 통한 평가지표 결정 방법

주어진 데이터들을 단순하게 축소하는 방법으로 요인분석과 주성분 분석이 활용되고 있다. 상관관계가 매우 높은 경우 요인분석과 주성분 분석의 결과는 유사하게 나타나지만, 상관관계가 낮을 경우에는 산출된 결과가 크게 차이가 난다. 일반적으로 상관성이 높은 경우 주성분 분석을 이용하며, 상관성이 낮을 경우 요인분석을 활용한다(Kim, 2016). 본 연구에서는 자료의 상관성이 높기 때문에 주성분 분석이 더 적합하다고 판단하였다. 주성분 분석은 일반적으로 4단계로 구분되어 진행되는데, 우선 1단계로 신뢰도 검정을 진행하여 주성분 분석의 적용 가능성을 판단한다. 신뢰도 검정의 방법은 Kaiser-Meyer-Olkin (KMO)테스트, Bartlett 테스트, 편상관계수 값의 부호를 반전시킨 역상관계수(Anti-image correlation)의 값, 개별 변수에 대한 표본적합성 측도(Measure of Sampling Adequacy, MSA) 등이 있다. 본 연구에서는 주로 사용되는 KMO테스트와 Bartlett테스트를 이용하여 신뢰도 검정을 진행하였다. 여기서, KMO 테스트는 잔영상관행렬(Anti-Image Correlation Matrix)을 사용하여 계산된 통계량으로 자료가 주성분분석에 적합한지를 판단하며, Bartlett테스트란 모집단으로부터 추출한 표본의 상관계수 행렬의 행렬식 값을 계산하여 상관계수 행렬이 단위행렬인지 아닌지 카이제곱 분포를 이용해서 검정하는 방법을 말한다. 2단계로 성분의 개수를 정하는 방법으로 스크리도표(Scree plot)를 활용하여 고유치(Value)가 1보다 큰 경우 해당 성분개수를 선정하는 방법, 설명된 총 분산의 누적 고유값을 기준으로 하는 방법 및 연구자가 사전에 결정하는 방법이 있다. 또한 결정된 성분개수에 따른 성분 적재량을 확인하여 사용된 변수가 해당 성분에 잘 묶였는지 확인이 가능하다. 본 연구에서는 고유치가 1보다 큰 경우를 이용하여 성분의 개수를 결정하였으며, 성분 적재량을 통해 평가지표를 결정하였다. 3단계는 성분 회전 방법을 결정한다. 성분회전은 추출된 성분들에 대한 해석이 용이하도록 회전하여 변형하는 것을 의미하며 Varimax, Quartimax 등의 직각회전과 Direct Oblimin Rotation 등의 사각회전 방법이 있다. 본 연구에서는 널리 사용되고 있는 Varimax를 사용하였다. 마지막으로 4단계에서는 주성분점수 추정치의 계산을 한다. 여기서, 추정된 주성분 점수는 모형구축과정에서 변수의 수가 너무 많아 모형에 적용이 어려울 때 고려할 수 있는 방법 중 하나의 방법이다. 주성분 점수의 추정방법으로는 회귀기법, 최소자승기법, Bartlett기법, Anderson-Rubin기법 등을 통하여 항목에 대한 성분들의 점수 추정치를 산정할 수 있다(Kim, 2013). 본 연구에서는 주성분 점수 추정치를 활용하지 않기 때문에 3단계까지의 주성분분석을 진행하여 평가 지표를 결정할 때 사용하였다.

3. 경기도 지역의 호우피해 위험도 평가

3.1 대상지역

국민안전처에서 발간한 재해연보자료(1994∼2015년)에서 호우피해 현황을 수집 및 분석하여, 지역별 호우 피해 현황을 Table 1에 정리하였다. 호우로 인한 총 피해액은 강원도에서 2조 9천억 원으로 가장 큰 피해를 입었지만, 피해횟수는 259회로 다소 낮은 빈도를 보였다. 반면 경기도 지역의 경우 총 피해액은 1조 8천억 원으로 강원도보다 피해액은 작지만, 피해횟수는 668회로 전국에서 가장 빈번한 피해를 입은 것으로 나타났다. 따라서 본 연구에서는 호우로 인한 피해가 가장 심각하다고 판단되는 경기도 지역을 대상지역으로 선정하였다. 경기도 지역은 전국 229개의 시군구 중 총 31개의 시군구로 구성되며, Fig. 1에서 대상지역의 위치를 나타냈다.

Table 1

Heavy Rain Damages in Adminstrative Districts

Fig. 1

Target Area

3.2 잠재지표 구축

본 연구에서는 기존 연구사례(Lim et al., 2010; Kim et al., 2011; Park et al., 2013; Lee et al., 2016)를 기반으로 P-S-R구조를 이용하여 압력지표와 현상지표, 대책지표로 구성하였다. 압력지표는 호우피해의 원인이 되는 인자를 수문특성, 유역특성, 사회·경제특성으로 분류 하여 8가지 지표로 나타내었다. 수문특성에는 실제 재해기간의 총 강우량과 기상청에서 정의하는 집중호우의 기준인 30mm 이상 시강우 횟수, 극치값을 나타내는 연평균 최대 일강우량을 선정하였고, 유역특성은 지정된 시가화 구역(대지, 공장용지, 학교용지, 주차장, 창고용지, 도로)의 면적율과 지자체별 공공시설 면적율, 지역의 평균 경사를 사용하였다. 사회·경제적 특성은 대상 지역의 인구의 집중되어있는 정도인 인구밀도와 지역별 생산측면의 부가가치인 1인당 지역 내 총생산(Gross Regional Domestic Product, GRDP)를 사용하였다. 현상지표는 호우피해 위험을 나타내는 지표로 지자체별 연간 평균 호우피해액, 호우피해 발생횟수와 지자체별 내수재해 위험지구 개소, 하천재해 위험지구 개소를 사용하였다. 대책지표는 호우피해를 저감시킬 수 있는 정도를 나타내는 지표로서, 치수대책과 치수 투자비로 구분하여 4개의 지표를 활용하였다. 치수대책으로는 지자체별 소규모 치수시설 개소와 제방연장을 사용하였고, 치수투자비로는 지자체별 재정자립도와 방재예산을 활용하였다. 본 연구에서 사용한 지표의 세부항목을 Table 2에서 나타냈다.

Table 2

Selection of Potential Factors for Heavy Rainfall Risk

3.3 평가지표 결정

호우피해 위험도 산정을 위한 최종 지표를 결정하기 위하여 P-S-R 지표 별로 신뢰도 검정과 주성분 분석을 실시하였다. 주성분 분석은 2절에서 설명한바와 같이 크게 4단계의 절차로 이루어지는데, 최종적으로 평가지표를 결정할 때는 4단계인 주성점수의 추정은 사용하지 않으므로 본 연구에서는 3단계까지 진행하여 평가지표를 결정하였다. 주성분 분석을 실행할 때 일반적으로 각 지표들의 단위가 다르기 때문에 문제가 발생한다. 따라서 본 연구에서는 Z-Score 방법을 이용하여 표준화를 실시한 후 신뢰도 검정과 주성분 분석을 진행하였다. 신뢰도 검정방법의 여러 가지 방법 중 본 연구에서는 KMO 테스트와 Bartlett테스트를 이용하여 주성분 분석의 적용성을 판단하였다. 여기서 KMO테스트는 표본적합도가 0.6이상일 때 사용이 가능하며, Bartlett테스트에서는 유의수준을 나타내는 p값이 0.05 이하면 주성분분석을 수행해도 괜찮은 정도의 상관관계가 존재한다고 판단하는 것이 일반적이다(Kim, 2013).

경기도 지역 31개의 행정구역을 기준으로 압력지표, 현상지표, 대책지표에 대하여 주성분 분석을 실시하였다. Table 3에서 압력지표, 현상지표, 대책지표에 대한 신뢰도 검정 결과를 나타냈으며, 3가지 지표 모두 KMO척도와 유의확률이 적합하다고 판단하였다. 본 연구에서는 성분 축 회전방식은 Varimax방법을 택하여 사용하였고, 성분개수의 선정방법은 누적기여율이 70% 이상이고, 고유값이 1이상인 것을 우선으로 선정하였다. Figs. 2 ~ 4는 압력지표와 현상지표 및 대책지표의 주성분 분석 결과인 스크리도표를 나타내었으며, 이 결과를 통해 고유값이 1 이상인 성분의 개수를 선정하였다. Tables 4 ~ 6에서는 각 지표의 선정된 성분개수와 그에 해당하는 총 분산을 나타내었다. 압력지표에서 고유값이 1 이상인 성분은 총 3개이며, 3개의 주성분이 총 분산의 80.5% 가량을 설명하고 있는 것으로 나타났다. 현상지표에서 고유값이 1 이상인 성분은 총 2개이며, 2개의 주성분이 총 분산의 75.5% 가량을 설명하고 있는 것으로 나타났다. 대책지표에서 고유값이 1 이상인 성분은 총 2개이며, 2개의 주성분이 총 분산의 72.7% 가량을 설명하고 있는 것으로 나타났다.

Table 3

KMO and Bartlett’s Test Results for PF, SF, RF

Fig. 2

Scree Plot of PF

Fig. 4

Scree Plot of RF

Table 4

Total Variance Explained of PF

Table 6

Total Variance Explained of RF

Fig. 3

Scree Plot of SF

Table 5

Total Variance Explained of SF

다음은 주성분 분석에 사용된 잠재지표들이 해당차원에 잘 묶이는지를 살펴보기 위해 회전된 성분행렬(Rotated Component Matrix)을 바탕으로 검토하였다. 일반적으로 해당 성분적재량이 0.1 이하인 경우 같은 성분으로 묶일 수 없음을 의미하고, 수용기준은 0.5-0.7 이상이다(Kim, 2013). 본 연구에서는 성분값이 0.5 이상인 지표를 최종지표로 결정하였고 Table 7에서 나타내었다. 압력지표에서는 1인당 GRDP를 제외한 7개의 지표를 선정하였고, 현상지표에서는 호우피해 발생횟수를 제외한 3개의 지표, 대책지표에서는 재정자립도를 제외한 3개의 지표로 최종 평가 지표를 선정하였다.

Table 7

Rotated Component Matrix of PF, SF, RF

3.4 호우 위험도 평가

본 연구에서는 호우 위험도를 평가하기 위해서 우선 선정된 P-S-R 구조의 세부평가지표의 표준화 값에 대한 가중치를 추정하고, 두 번째로 결정된 평가 지표들을 이용하여 압력지수(Pressure Index: PI), 현상지수(State Index: SI), 대책지수(Response Index: RI) 산정 및 평가 등급을 도출하였다. 그리고 마지막으로 호우피해위험지수(Heavy rain Damage Risk Index: HDRI) 산정을 통한 지역별 호우 위험도를 평가하였다.

본 연구에서는 Z-Score 방법을 이용하여 세부지표들에 대한 표준화를 실시하였는데, Z-Score 방법은 0을 기준으로 값의 분포가 이루어기 때문에 평균이하의 값에 대해서는 음수로 도출된다. 따라서 산정된 값이 어느 정도의 수준을 나타내는지 파악하기가 어려우며, 호우피해위험지수를 산정할 때 왜곡된 결과를 나타낼 수 있으므로, 산정된 Z값에 대한 등급화가 필요하다. 본 연구에서는 분포의 초과확률을 이용하여 평가 점수를 다시 부여하는 방법을 사용하였다(Yoon, 1999). Table 8은 본 연구에서 사용한 점수 부여 구조를 나타낸다.

Table 8

Scoring Range and Classes for Z Values

최종 평가 지수를 산정할 때 세부평가지표의 가중치를 부여하여 직접 연산과정을 통해 하나의 지수로 표현할 수 있게 되는데, 이러한 지표의 가중치 산정방법에는 계층분석, 델파이법, 엔트로피, 요인분석 등이 있다. 그러나 가중치 적용한 결과와 동일한 가중치를 부여한 평가결과에 있어 차이가 거의 없는 것으로 보고되고 있으며(Chae, 2003; Baeck, 2011), 부적절한 가중치의 적용은 평가결과의 왜곡을 초래할 수 있다고 알려져 있다(Lim, 2010). 따라서 본 연구에서는 동일한 가중치를 부여하여 압력지수, 현상지수, 대책지수를 산정하기 위해 기하평균법을 사용하였다. Eq. (2)를 통해 호우피해위험지수를 산정하였다. 호우피해위험지수, 압력지수, 현상지수는 등급이 작을수록 안전하고, 대책지수는 등급이 작을수록 호우피해에 불안한 것으로 표현하였다.

(2)HDRI = PI×SIRI

여기서 압력지수, 현상지수, 대책지수는 구성하는 각 세부평가지표들의 표준화 값과 동일 가중치를 부여하여 다음 Eqs. (3) ~ (5)를 통해 산정하였다.

(3)PI = ∑i=1lαiPFi

(4)SI = ∑i=1mβiSFi

(5)RI = ∑i=1nγiRFi

여기서 l, m, n은 각각 압력지표, 현상지표, 대책지표의 개수를 나타낸다. αi =1l, βi =1m, γi =1n으로 압력, 현상, 대책지수를 구성하는 세부지표간의 가중치를 의미한다.

Figs. 5 ~ 8과 Table 9에서 경기도 지역의 압력지수, 현상지수, 대책지수 및 호우피해위험지수와 등급을 나타내었다.

Fig. 5

Result of PI for Gyeonggi-do

Fig. 8

Result of HDRI for Gyeonggi-do

Table 9

Risk Evaluation of Heavy Rain Damage

Fig. 6

Result of SI for Gyeonggi-do

Fig. 7

Result of RI for Gyeonggi-do

4. 결론

만약 지자체별 호우위험을 파악하고 등급에 따른 대비 대책을 수립한다면, 호우피해에 대한 저감효과는 상당할 것으로 예상된다. 따라서 본 연구에서는 호우피해가 가장 빈번하게 발생하는 경기도 지역을 대상으로 지자체별 호우피해 위험정도를 파악할 수 있도록, P-S-R 구조를 이용하여 호우피해위험지수를 제안하였다. 지역별 호우 피해 위험도 평가를 위해 압력지수, 현상지수, 대책지수를 사용하였다. 압력지수는 호우 피해에 원인이 되는 지수로서 수문특성, 유역특성, 사회·경제특성으로 나타내었으며, 현상지수는 홍수발생 위험을 나타내는 지수로서 호우피해 현황에 관련된 자료를 사용하였고, 대책지수는 홍수피해를 저감시킬 수 있는 정도를 나타낸 지수로서 치수대책과 치수투자비를 사용하였다. 주요 결과를 요약하면 다음과 같다.

1) P-S-R 구조를 이용하여 경기도의 호우 위험도를 평가한 결과 가장 안전한 1등급인 지자체은 15개의 지역으로 나타났으며, 2등급인 지자체는 7개, 3등급인 지자체는 9개로 분류되었다. 경기도 31개 시군구중 절반가량이 호우피해에 비교적 안전한 것으로 나타났다.
2) 호우피해 위험도를 비교해보면 주로 호우피해의 원인이 되는 압력지수가 호우피해위험지수에 비례하는 것으로 나타났다. 압력지수가 낮은 1등급인 시군구의 경우 모두 호우피해 위험도가 낮은 안전한 지역으로 나타났고, 압력지수가 높은 대부분의 시군구에서 호우피해 위험도가 높은 위험한 지역으로 나타났다.
3) 그러나 수원시의 경우 압력지수는 높지만 호우피해위험지수는 1등급으로 안전한 지역으로 평가되었다. 이는 과거 호우피해발생 현황을 나타내는 현상지수가 낮고, 호우피해를 저감할 수 있는 능력인 대책지수가 높기 때문인 것으로 판단된다.
4) 또한 대부분 대책지수가 낮을수록 위험한 지역으로 평가되지만, 시흥시의 경우 호우피해의 원인이 되는 압력지수와 과거 호우피해발생 현황을 나타내는 현상지수가 낮기 때문에 호우피해에 안전한 지역으로 평가되었다.

본 연구는 몇 가지 한계를 가지고 있다. 첫째, 몇몇 시군구의 경우 도출된 호우피해 위험도 결과와 과거의 피해이력과 다소 상이한 면을 보이고 있다. 이를 분석해본 결과, 본 연구에서 사용한 평가 지표의 기준은 대부분 2015년이기 때문에, 과거 피해이력이 많았던 지역의 경우, 치수 투자비인 방재예산이 상대적으로 많이 투입되어 호우피해 위험지수 등급이 낮게 산정되는 것으로 판단된다. 둘째, 호우피해의 원인이 되는 압력지수가 높은 경우, 과거 호우피해 위험인 현상지수가 높은 것으로 나타났지만 압력지수가 낮은 경우에는 현상지수가 비례하지 않는 것으로 나타났다. 따라서 향후 연구에서 추가적으로 직접적인 호우피해의 원인을 좀 더 면밀히 파악하고, 일반적인 압력지수의 분류 방법이 아닌 직접적인 호우피해의 원인을 분석한 결과를 이용하여 압력지수를 산출할 필요가 있을 것으로 판단된다.

본 연구결과를 바탕으로 어느 지역이 호우피해에 대한 위험도가 높은지 알 수 있으며, 따라서 각 지자체 및 관련 부처에서 효율적인 재난관리 예산 배정을 위한 가치판단 기준으로 활용될 수 있을 것으로 판단된다.

감사의 글

본 연구는 정부(국민안전처)의 재원으로 재난안전기술개발사업단의 지원을 받아 수행된 연구임 [MPSS-자연-2015-79].

References

Bak J.U, Kim D.H, Kim H.S. 2016;Assessment of Resilience in Incheon City - (1) Estimation Model Development and Assessment of Resilience. Journal of Korean Society of Hazard Mitigation 16(6):109–118. 10.9798/KOSHAM.2016.16.6.109.

Balica S.F, Douben N, Wright N.G. 2009;Flood vulnerability indices at varying spatial scales. Water Science & Technology 60(10):2571–2580. 10.2166/wst.2009.183. 19923763.

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 Korean Society of Hazard Mitigation 13(2):237–243. 10.9798/KOSHAM.2013.13.2.237.

Connor R.F, Hiroki K. 2005;Development of a method for assessing flood vulnerability. Water Service & Technology 51(5):61–67.

Fekete A. 2009;Validation of a social vulnerability index in context to river-floods in Germany. Natural Hazards and Earth System Sciences 9:393–403. 10.5194/nhess-9-393-2009.

Jung I.W, Lee B.J, Jun T.H, Bae D.H. 2008;Hydrological Model Response to Climate Change Impact Assessments on Water Resources. Journal of Korea Water Resources Association 41(9):907–917. 10.3741/JKWRA.2008.41.9.907.

Jung S.W, Lee D.H, Moon Y.J, Kim K.H. 2001;Potential flood damage (PFD) assessment. Journal of Korea Water Resources Association Conference :601–606.

Kim T.H, Han K.Y, Cho W.H. 2011;Vulnerability Analysis in the Nakdong River Basin for the Utilization of Flood Risk Mapping. Journal of the Korean Association of Geographic Information Studies 14(3):203–222. 10.11108/kagis.2011.14.3.203.

Lee J.S, Choi H.I. 2016;Flood Vulnerability Assessment by Analysis of Flood Damage Data in Coastal Areas. Journal of Korean Society of Hazard Mitigation 16(2):377–385. 10.9798/KOSHAM.2016.16.2.377.

Lee J.S, Nam Y.G, Choi H.I, Cho G.T. 2016;Flood Risk Assessment by Integrating Results from Average Index Method and PROMETHEE. Journal of Korean Society of Hazard Mitigation 16(1):275–280. 10.9798/KOSHAM.2016.16.1.275.

Lee S.J, Kim Y.O, Lee J.H, Lee Y.Y. 2006;Improving potential flood damage for basin flood mitigation safety level. Proceeding of Korean Water Resources Association :226–230.

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(1):61–70.

Ministry of Land Infrastructure and Transport(MOLIT). 2000. Water vision 2020

Ministry of Land Infrastructure and Transport(MOLIT). 2010. Design Criteria Research for Abnormal Weather-Disaster Prevention

Ministry of Public Safety and Security(MPSS). 2016. The 2015 Annual Natural Disaster report Ministry of Public Safety and Security;

Remo J.W, Pinter N, Mahgoub M. 2016;Assessing Illinois’s flood vulnerability using Hazus-MH. Natural Hazards 81(1):265–287. 10.1007/s11069-015-2077-z.

Scheuer S, Haase D, Meyer V. 2011;Exploring multicriteria flood vulnerability by integrating economic, social and ecological dimensions of flood risk and coping capacity: from a starting point view towards an end point view of vulnerability. Natural Hazards 58(2):731–751. 10.1007/s11069-010-9666-7.

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. 10.3741/JKWRA.2013.46.1.35.

Yoon H.Y. 1999. Development and Application of Incheon Metropolitan City Environmental Index Research Report of Incheon Development Institute. p. 99–13.

Zhang J, Okada N, Tatano H, Hayakawa S. 2002;Risk assessment and zoning of flood damage caused by heavy rainfall in Yamaguchi prefecture, Japan. Flood Defence 2002:162–169.

Districts	Number of heavy rain damages	Total damage (1,000 won)
Gyeonggi-do	668	1,844,041,207
Jeollanam-do	407	329,692,167
Gyeongsangbuk-do	323	758,529,024
Chungcheongnam-do	265	395,667,473
Gyeongsangnam-do	261	1,105,296,861
Gangwon-do	259	2,910,359,204
Jeollabuk-do	250	587,927,342
Seoul	248	193,521,559
Chungcheongbuk-do	210	799,908,939
Busan	134	166,712,928
Incheon	128	65,465,720
Daejeon	64	40,803,977
Gwangju	54	9,161,688
Jeju	34	19,632,232
Ulsan	33	41,165,165
Daegu	20	6,155,471
Sejong	16	9,915,741
Total	3,374	9,283,956,698

Type	Division	Factor	Factor definition	Unit	Source
Pressure Factor (PF)	Hydrological characteristics	PF1	Annual average total precipitation during disaster	mm	Korea Meteorological Administration
		PF2	Number of times precipitation over 30 mm	Number of times	Korea Meteorological Administration
		PF3	Daily maximum rainfall	mm	Korea Meteorological Administration
	Local characteristics	PF4	Urbanization rate	%	Ministry of Environment
		PF5	Ratio of public facilities area	%	Ministry of Environment
		PF6	Basin Slope	° (Degree)	Ministry of Environment
	Humanities and economic characteristics	PF7	Population density	%	Korean Statistical Information Service
	Humanities and economic characteristics	PF8	Per capita GRDP	One million Won/ People	Korean Statistical Information Service
State Factor (SF)	Dangerous area in heavy rainfall damage	SF1	Annual average heavy rainfall damage	One million Won	Ministry of Public Safety and Security
		SF2	Number of times heavy rainfall damage	Number of times	Ministry of Public Safety and Security
		SF3	Domestic disaster danger zone	Number of places	Comprehensive Plan for Storm and Flood Damage Reduction
		SF4	River disaster danger zone	Number of places	Comprehensive Plan for Storm and Flood Damage Reduction
Response Factor (RF)	Flood control measures	RF1	Small flood control facility	Number of places	Water Management Information System
	Flood control measures	RF2	The length of levee	km	Water Management Information System
	Investment cost of flood control	RF3	Financial independence rate	%	Financial Yearbook of Local Government
	Investment cost of flood control	RF4	Disaster prevention budget	One million Won	Financial Yearbook of Local Government

Pressure Factor(PF)			State Factor(SF)			Response Factor(RF)
Test		Result	Test		Result	Test		Result
Kaiser-Meyer-Olkin Measure of Sampling		0.600	Kaiser-Meyer-Olkin Measure of Sampling		0.600	Kaiser-Meyer-Olkin Measure of Sampling		0.600
Bartlett’s test of Sphericity	Approx. Chi-Square	156.117	Bartlett’s test of Sphericity	Approx. Chi-Square	20.029	Bartlett’s test of Sphericity	Approx. Chi-Square	18.018
	Degree of freedom	28		Degree of freedom	6		Degree of freedom	6
	P-Value	0.000		P-Value	0.003		P-Value	0.006

Component	Total	Variance(%)	Cumulative(%)
1	3.109	38.863	38.863
2	2.193	27.410	66.272
3	1.136	14.194	80.466
4	.655	8.183	88.649
5	.421	5.267	93.916
6	.318	3.974	97.890
7	.140	1.745	99.636
8	.029	.364	100.000

Component	Total	Variance(%)	Cumulative(%)
1	1.959	48.982	48.982
2	1.061	26.519	75.501
3	.566	14.151	89.652
4	.414	10.348	100.000