1. 서 론
전 지구적 기후변화는 극한강우 사건의 빈도와 강도를 증가시키고 있으며, 이러한 변화는 하천 범람 및 도시 내수 침수 같은 홍수 위험의 증가로 이어지고 있다(IPCC, 2021, 2022). 특히 기후변화에 따른 강우 패턴의 변화는 홍수 위험도를 구조적으로 증대시키는 주요 요인으로 지목된다. KMA (2023)은 미래 기간(2021-2100) 동안 우리나라 광역시⋅도의 연강우량과 강우 강도가 현재 기간(2000-2019)에 비해 전반적으로 증가할 것으로 전망하고 있어, 극한강우 관련 재해 위험이 증가할 것으로 예측된다.
도시화와 토지 이용 변화는 홍수 위험을 더욱 증폭시키는 요인으로 알려져 있다. 도시 불투수면의 증가는 유출량을 증가시키고 배수 능력을 저해함으로써 홍수 발생 가능성을 높인다(Few, 2013). 이러한 현상은 전통적인 과거 통계 기반 홍수 대응 체계의 한계를 드러내며, 기후변화 및 사회⋅환경 변화 요인을 반영한 선제적 위험관리가 필요함을 시사한다.
우리나라에서는 여름철 집중호우 및 태풍에 따른 홍수 피해가 반복적으로 발생하고 있으며, 최근에는 짧은 시간 동안 국지적으로 극한강우가 발생해 중⋅소하천 및 도시 내수 침수 피해가 빈번하게 보고되고 있다(Jeong et al., 2008; Cheong et al., 2024). Statistics Korea (2024)의 자연재난 피해 통계에 따르면 국내 자연재난 피해의 대다수는 강우로 인한 홍수 피해이며, 특히 집중호우로 인한 피해 비중이 매우 높은 것으로 나타났다. 이러한 피해 양상은 기후변화와 도시화가 결합하여 홍수 위험을 증가시키고 있다(Sun et al., 2022; Amaguchi et al., 2024).
홍수 위험도 평가는 단순한 피해 이력 기반 분석을 넘어 위해성(Hazard), 노출도(Exposure), 취약성(Vulnerability) 등 복합 요인을 총괄하는 평가 접근으로 정의된다. 최근 연구는 홍수 위험을 물리적⋅사회경제적⋅관리적 측면에서 통합적으로 해석하는 중요성을 강조하며, 위험 구성요소를 계층 구조로 체계화하는 연구 중요성을 제기하고 있다(Nasiri et al., 2019; Liu et al., 2025).
홍수위험도 평가 방법론은 Table 1과 같이 크게 지표 기반 평가, 수치모형 기반 위험지도 및 머신러닝과 다차원 의사결정 분석을 결합한 통합 평가로 분류될 수 있다. 지표 기반 평가는 다양한 수문⋅기상⋅사회경제 지표를 통합하여 공간적 홍수위험 수준을 비교하는 데 유용하지만(Cho et al., 2024), 과거 및 현재 조건을 주로 반영함으로써 미래 기후변화 영향을 충분히 고려하지 못하는 한계가 존재한다(Alfieri et al., 2015; Lee et al., 2019).
Table 1
Classification of Methodologies and Key Characteristics of Recent Flood Risk Assessment Researches
| Methodological Approach | Representative Researches | Key Methodology |
|---|---|---|
| Indicator-based Flood Risk Assessment | Cho et al. (2024) |
- Potential Flood Damage (PFD) indices - Standardized and weighted various exposure and vulnerability indicators |
| Flood Risk Map-based Comparative Assessment | Lee et al. (2025) |
- A flood control safety assessment tool - Flood risk maps |
| Machine Learning-based Flood Risk Assessment Combined with MCDA | Liu et al. (2025) |
- Ensemble machine learning algorithms (Random Forest, XGBoost, and LightGBM) - Susceptibility maps, socio-economic vulnerability indicators |
이를 보완하기 위해 SSP (Shared Socioeconomic Pathways) 기후변화 시나리오를 활용하여 미래 강우 특성 변화를 반영한 홍수 위험도 평가 사례가 점차 증가하고 있다(Ahmad and Simonovic, 2011; Dung et al., 2021; Cho, 2024). 특히, 도시홍수 위험도를 여러 SSP 시나리오로 평가한 연구는 미래 기후변화 하에서 위험 수준이 유의하게 증가함을 보였다(Liu et al., 2023).
한편, 수치모형을 기반으로 한 위험지도 평가 방법은 침수지역(Nandalal and Ratnayake, 2011), 건물(Koivumäki et al., 2010), 하천(Apel et al., 2008), 제방 및 해안 방재시설(Naulin et al., 2015; Park et al., 2018) 등 특정 대상에 대해 비교적 정밀한 위험도 산정이 가능하다(Lee et al., 2025). 그러나 높은 자료 요구도와 계산 비용으로 인해 전국 단위 적용에는 한계가 있는 것으로 지적되고 있다(Lee and Kang, 2018).
최근에는 이러한 평가 방법의 한계를 극복하기 위해 다차원 의사결정 분석에 머신러닝 기법을 결합한 홍수위험도 평가 연구가 제시되고 있다(Zhao et al., 2019; Wang et al., 2023; Liu et al., 2025). 다만, 이러한 접근은 분석 단위, 입력 자료, 알고리즘 선택에 따라 결과의 불확실성이 커질 수 있어 정책 활용 시 신중한 해석이 요구된다.
본 연구는 전국 행정구역을 대상으로 지표 기반 홍수위험도 평가에 SSP 기후변화 시나리오를 결합한 평가 체계를 제안한다. 이를 통해 정책 활용성과 미래 기후변화 대응성을 동시에 고려할 수 있는 홍수 위험도 평가 방법론을 구축하고자 한다. 본 연구의 결과는 중앙정부 및 지방자치단체가 기후변화에 대응하여 합리적인 홍수 관리 정책 및 재정 지원 전략을 수립하는 데 있어 중요한 의사결정 기반을 제공할 것으로 기대된다.
2. 자료 및 방법
2.1 SSP시나리오 선정
기상청(Korea Meteorological Administration, KMA)은 IPCC 제6차 평가보고서(AR6)에서 채택된 네 가지 SSP 기후변화 시나리오(SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5)를 기반으로, 물리 기반 전지구 기후모형(Global Climate Model, GCM)인 영국의 UKESM1을 적용하여 2015-2100년 기간의 전지구 미래 기후변화를 모의하였다. 생성된 전지구 기후변화 시나리오는 CORDEX-동아시아 2단계 프로젝트에 참여한 5종의 지역기후모델(Regional Climate Model, RCM)에 적용되어 역학적 상세화가 수행되었으며, 이들 결과에 대한 앙상블 모의를 통해 동아시아 지역의 기후변화 정보를 제공한다. 이후 RCM 산출물은 통계적 상세화 기법인 PRIDE 모형(PRISM-based Downscaling Estimation model)에 적용되어 남한을 대상으로 한 고해상도 기후변화 시나리오로 생산⋅제공되고 있다.
기상청에서 제공하는 SSP 기후변화 시나리오는 적용된 모형별 특성을 가지며, 이에 대한 세부 내용은 Table 2에 제시하였다. SSP 시나리오를 적용하면 미래 사회⋅경제적 변화에 따른 강우 변동성을 반영할 수 있어, 장래 홍수 위험도의 공간적 및 시간적 특성을 분석하는 데 유리하다는 장점이 있다. 반면, 일 단위 강수량에 대해 앙상블 평균값을 제공하는 특성상, 강우 강도가 중요한 극한 홍수 분석에서는 단기 강우의 변동성이 충분히 반영되지 못할 가능성이 있다. 이에 따라 홍수 위험도가 과소 평가될 우려가 있으므로, 방재 기준 산정 및 실무 적용 시에는 이러한 한계를 고려한 추가적인 시간 상세화 또는 보완적 분석이 필요하다.
Table 2
Characteristics of the SSP Climate Change Scenarios Provided by the KMA, by Generating Model
홍수 위험도 평가의 공간적 범위는 행정구역 단위의 홍수 대응 및 관리 대책 수립의 효율성을 고려하여 시⋅군⋅구 단위의 행정구역을 대상으로 설정하였다. 분석 대상은 행정안전부에서 고시한 전국 17개 시⋅도 및 250개 시⋅군⋅구 중, 광역시를 제외하고 행정구역이 세분화되어 있는 수원시, 성남시, 안양시, 안산시, 고양시, 용인시, 청주시, 천안시, 전주시, 포항시, 창원시를 단일 행정구역으로 병합하여 총 229개 행정구역으로 구성하였다.
본 연구에서는 행정구역별 일 단위 기후변화 시나리오를 생성하기 위하여, 기상청에서 제공하는 RCM 강수량 자료를 행정구역별로 공간 집계한 후 분위수 델타 보정기법(Quantile Delta Mapping, QDM)을 적용하여 편의 보정된 시나리오 강우량을 산정하였다. 미래 시간 t에서의 편의 보정된 시나리오 강우량 r ^ p , f ( t )
여기서 Fp,h[ ]는 미래시간에 대한 누가분포 함수로써 관측된 강우량이 시나리오 예측 강우량 보다 작을 확률을 나타낸다. Fm,f()는 현재시간에 대한 누가분포 함수, rm,f(t)는 RCM 모형을 통해 산정된 현재시간 강우량 그리고 ∆m(t)는 미래 시간 t에 대한 강우량과 과거 시간간의 분위수에 따른 절대 변화량이다.
QDM 기법은 기후변화 시나리오에서 모의된 과거와 미래 강우량 간 동일 분위수에서의 변화량을 보존하는 방법으로, 시나리오가 내포하고 있는 강우 변동성을 효과적으로 반영할 수 있다는 장점을 가진다. 이러한 특성으로 인해 QDM은 기후변화 영향 평가 및 수문⋅홍수 분석 분야에서 널리 활용되고 있으며(Cannon et al., 2017; Lehner et al., 2023; Espitia et al., 2025; Song and Chung, 2025), 본 연구에서도 미래 홍수 위험도의 변화를 정량적으로 평가하기 위한 편의 보정기법으로 적용하였다.
2.2 홍수 위험도(Risk) 산정 방법
기후변화에 관한 정부간 협의체(IPCC)는 기후위험을 위해성, 노출도, 취약성의 세 가지 핵심 요소를 통합하여 평가하는 지표 기반 위험도 평가 프레임워크를 제시하였다. 본 연구에서는 이러한 IPCC의 개념적 틀을 기반으로, 행정구역 단위에 적용 가능한 지표 기반 홍수 위험도 평가기법을 개발⋅적용하고자 하였다. 이를 위해 홍수 위험도를 위해성, 노출성, 취약성의 세 요소로 세분화하고, 각 요소를 대표할 수 있는 세부지표들을 선정하여 Table 3에 제시하였다.
Table 3
Summary of Detailed Indicators Selected for Flood Risk Assessment
기후변화에 따른 홍수 위험도의 변동성을 효과적으로 반영하기 위해, 본 연구는 특정 지표에 대한 의존도가 상대적으로 낮고 지표 간 상호작용을 고려할 수 있는 요소 곱셈 형태의 위험도 산정식을 적용하였다. 즉, 행정구역별 홍수 위험도(Risk, Ri)는 Eq. (2)와 같이 위해성, 노출성, 취약성 지표들의 곱으로 산정하였으며, 이 방법은 기후 위험 평가에서 지표 간 복합적 영향을 반영하는 데 유리한 것으로 알려져 있다(Cho, 2024).
여기서 i 는 각 행정구역으로써 1부터 n까지의 값을 가지고 n의 총 개수는 229이며, Hij는 행정구역에 대한 지표별 위해성, Eik는 행정구역에 대한 지표별 노출도, Vil는 행정구역에 대한 지표별 취약성 그리고 j, k, l은 각 요소들에 대한 지표들로써 각각 1부터 5, 4, 4까지의 값을 가진다.
여기서 Sip는 행정구역별 세부지표들의 표준화 결과, p는 지표들로써 1부터 m까지의 값을 가지고 m의 총 개수는 13이며, xip는 행정구역에 대한 지표값, 그리고 xmax와 xmin세부 지표의 최대, 최소값이다. 표준화 방법은 위험도 평가에서 자주 사용되는 방법으로써 미연방 경제협력개발부의 취약성 평가 지침서에서도 이 방식을 제안하고 있다(BMZ, 2014).
본 연구에서는 현재 조건(1985년~2014년)과 시나리오별 미래 기후조건(2021년~2100년)에 따른 홍수 위험도를 보다 정밀하게 평가하기 위해 표준화된 값에 각 지표의 중요도를 반영한 가중치, wip를 곱하는 방법으로 행정구역에 대한 지표별 위험도를 Eq. (4)와 같이 산정하였다.
가중치를 산정하는 방법으로는 정성적 평가 방법과 정량적 평가 방법이 있다(Ayan et al., 2023; Lee and Choi, 2025). 본 연구는 정량적 평가 방법 중 정확도가 높다고 알려진 Eq. (5)와 같은 엔트로피 가중치 산정 방법을 적용하였다.
여기서 Νij는 엔트로피 값으로써 다음 Eq. (6)으로 구해진다.
엔트로피 가중치 산정 방법은 측정된 자료만을 기반으로 지표 간 가중치를 도출하는 방식으로써 객관적이며 불확실성을 최소화할 수 있다(Lee et al., 2020; Lee and Choi, 2025). 즉, 이 방법을 사용하면, 각 지표에 대해 정확한 가중치를 산정하는 것이 가능해 홍수위험도 평가의 신뢰도를 제고할 수 있다(Ryu et al., 2022; Nalmpant-Sarikaki et al., 2025).
3. 지표 산정 및 가중치 결정
3.1 위해성 세부 지표 산정 및 변화 분석
위해성 지표 중 설계강우량은 기후변화 시나리오의 현재 기후 자료를 이용하여 지속시간 24시간, 100년 빈도 확률강우량을 산정하였으며, 이를 국가하천 및 지방하천의 설계강우량으로 적용하였다. 아울러 100년 빈도를 초과하는 확률강우량의 비율을 설계강우량 초과 비율(H1)로 정의하였다. 행정구역별 확률강우량은 전국 95개 지상기상관측소(ASOS)의 일 강우량 자료를 티센망(Thiessen polygon) 기법을 이용해 행정구역별 면적강우량으로 변환한 후, 고정시간 24시간 100년 빈도 확률강우량으로 산정하였다.
방재성능목표강우량 산정을 위해서 ASOS 95개 지점의 시 강우자료를 티센 가중법을 통해 229개 행정구역의 면적강우량으로 변환한 후, Huff 분위법을 적용하여 시간 분포를 고려한 시 강우량 자료로 변환하였다. 이때 강우의 시간 간격은 최대 강우강도 조건을 반영하기 위해 1시간으로 설정하였으며, 지역 간 비교의 객관성을 확보하기 위해 모든 행정구역에 동일한 1시간 방재성능목표강우량을 적용하였다. 위해성 지표 산정에 사용된 강우량 자료의 세부 내용은 Table 4에 제시하였다.
Table 4
Information Used for Flood Risk Assessment
기후변화 시나리오에 따른 위해성 변화를 분석하기 위해 기준연도(1985-2014년)와 SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5 시나리오 결과를 비교하였으며, 그 결과를 Fig. 1에 도시하였다. 분석 결과, 모든 SSP 시나리오에서 기준연도 대비 위해성이 증가하는 경향이 나타났다.
Fig. 1
Results of Hazard Index (H1~H5) Specific Changes and Total Hazard Assessment by Administrative District under SSP Climate Change Scenarios
지표별로 살펴보면, 설계강우량 초과 비율(H1)은 기준연도에서 0.74~1.48의 범위를 보였으며, SSP1-2.6은 0.66~2.02, SSP2-4.5는 0.77~1.74, SSP3-7.0은 0.73~2.16으로 가장 큰 초과 비율을 나타냈다. SSP5-8.5에서는 0.64~1.55의 범위를 보였다. 설계강우량 초과 일수(H2)는 기준연도에서 0~2일로 나타났으며, SSP1-2.6은 최대 2.25일, SSP2-4.5는 1.87일, SSP5-8.5는 2.62일로 증가하였다. 특히 SSP3-7.0 시나리오에서는 최대 3일로 가장 큰 초과 일수가 나타났다.
방재시설 설계강우량 초과 비율(H3)은 기준연도에서 0.23~0.88의 범위를 보였으며, 미래 시나리오에서는 SSP1-2.6 (0.26~1.10), SSP2- 4.5 (0.25~1.32), SSP3-7.0 (0.28~1.27), SSP5-8.5 (0.29~0.99)로 나타나 SSP2-4.5 시나리오에서 가장 큰 초과 비율이 산정되었다. 방재시설 설계강우량 초과 강우일수(H4)는 기준연도에서 최대 7.07일이었으며, SSP1-2.6은 6.54일, SSP2- 4.5는 6.94일, SSP3-7.0은 6.85일, SSP5-8.5는 7.36일로 나타났다.
3.2 노출도 세부 지표 산정 및 변화 분석
노출도는 홍수 발생 시 피해에 직접적으로 노출되는 인구, 기반시설 및 경제적 자원의 규모를 반영하는 요소로, 지표 값이 클수록 노출도가 증가한다. 본 연구에서는 환경부에서 제공하는 100년 빈도 홍수범람도와 행정안전부의 침수흔적도에 포함되는 지역을 홍수 노출 지역으로 정의하고, 해당 영역 내에 위치한 건축물 면적(E1), 농경지 면적(E2), 도로 면적(E3), 인구 수(E4)를 노출도 지표로 선정하였다.
홍수범람도와 침수흔적도는 30 m 격자 기반 자료를 사용하였으며, 건축물과 도로 면적은 국토교통부에서 제공하는 다각형 공간정보를 활용하여 산정하였다. 농경지 면적은 환경부의 30 m 격자 토지 자료를 이용하였고, 인구 수는 국토교통부에서 제공하는 100 m 격자 단위 인구 자료를 활용하여 산정하였다.
기준연도에서 지표별 노출도는 건축물 면적(E1)이 47.3~ 4,458.634 km2, 농경지 면적(E2)은 61.3~154,121.138 km2, 도로 면적(E3)은 14.131~1,824.976 km2, 인구 수(E4)는 2~236,768명의 범위를 보였으며, 노출도 산정 결과는 Fig. 2에 제시하였다.
3.3 취약성 세부 지표 산정 및 변화 분석
취약성은 동일한 규모의 홍수가 발생하더라도 인프라 구조, 토지 이용, 방재시설 수준 등에 따라 피해 규모가 달라지는 특성을 반영하는 요소이다. 본 연구에서는 취약성 평가를 위해 과거 침수면적 비율(V1), 불투수지역 비율(V2), 하천 정비율(V3), 노후 하수관로 비율(V4)을 지표로 선정하였다.
과거 침수면적 비율은 유역 면적 대비 최근 10년간 실제 침수가 발생한 면적의 비율로 정의하였으며, 행정안전부에서 제공하는 침수흔적지도를 활용하여 산정하였다. 불투수지역 비율은 환경부의 토지피복도 자료를 기반으로 산정하였고, 하천 정비율은 통계청 국가통계포털에서 제공하는 유역별 하천개수율 자료를 이용하였다. 노후 하수관로 비율은 하수도 통계연보에 수록된 2001년 이전 설치 하수관로 연장을 기준으로 산정하였다.
기준연도에서 취약성 지표별 범위를 살펴보면, 침수면적 비율(V1)은 9.9E-08~6.85, 불투수지역 비율(V2)은 1.20~84.38, 하천 정비율(V3)은 7.0~100.0, 노후 하수관로 비율(V4)은 0.62~97.72의 범위를 보였으며, 지표별 취약성 산정 결과는 Fig. 3에 도시하였다.
3.4 세부 지표별 가중치 결정
엔트로피 가중치 산정 기법을 적용하여 도출한 요소별 세부 지표의 가중치 결과는 Table 5에 제시하였다. 분석 결과, 취약성 지표 중 과거 침수면적 비율(V1)의 가중치가 0.661로 가장 크게 산정되었으며, 하천 정비율(V3)은 0.023으로 가장 작은 가중치를 보였다. 이는 과거 침수 이력이 행정구역별 홍수 위험도에 미치는 영향이 매우 크며, 반면 하천 정비 수준은 지역 간 변동성이 상대적으로 작아 위험도 차이에 미치는 기여도가 낮음을 의미한다. 이러한 결과는 취약성 지표가 지역별 특성을 가장 강하게 반영하는 요소임을 시사하며, 엔트로피 가중치 방법이 지역 간 변동성과 정보량의 차이를 효과적으로 재현하고 있음을 보여준다.
Table 5
The Result of Predicted Weight
| Index | Class | Weight |
|---|---|---|
| Hazard | H1 | 0.039 |
| H2 | 0.334 | |
| H3 | 0.030 | |
| H4 | 0.024 | |
| H5 | 0.573 | |
| Exposure | E1 | 0.219 |
| E2 | 0.313 | |
| E3 | 0.100 | |
| E4 | 0.368 | |
| Vulnerability | V1 | 0.661 |
| V2 | 0.197 | |
| V3 | 0.023 | |
| V4 | 0.119 |
위해성 지표의 경우, 일 최대 초과강우량(H5)이 0.573으로 가장 큰 가중치를 나타낸 반면, 설계강우량 초과 강우일수(H4)는 0.024로 가장 낮은 가중치를 보였다. 이는 극한 강우의 강도가 위해성 평가에서 빈도보다 상대적으로 더 중요한 역할을 하고 있다는 것을 시사하며, 단기간 집중호우의 영향이 홍수 위험도를 결정하는 핵심 요인임을 의미한다.
노출성 지표에서는 인구(E4)가 0.368로 가장 높은 가중치를 나타내어 홍수 발생 시 인명 피해 및 사회적 영향이 노출성 평가에서 핵심적인 요소임을 확인하였다. 반면 도로 면적(E3)은 0.100으로 가장 낮은 가중치를 보여, 기반시설 중에서도 도로의 공간적 분포는 상대적으로 노출도 차이에 미치는 영향이 제한적인 것으로 분석되었다.
종합적으로 볼 때, 엔트로피 가중치 산정 결과는 홍수 위험도의 구성 요소 중 취약성과 위해성 지표가 지역 간 위험도 차이를 설명하는 데 핵심적인 역할을 하며, 본 연구에서 적용한 가중치 산정 방법이 지표별 상대적 중요도와 지역 특성을 합리적으로 반영하고 있음을 보여준다. 이러한 가중치 결과는 행정구역별 홍수 위험도 평가의 신뢰성을 제고 하고, 향후 위험 저감 대책 수립 시 우선 고려해야 할 핵심 지표를 제시한다는 점에서 의의가 있다.
4. 홍수 위험도 평가
4.1 기준연도 홍수 위험도 평가
홍수 위험도 평가는 위해성, 노출성, 취약성의 3개 구성 요소와 이에 대응하는 총 13개의 세부 평가지표를 곱셈 방식으로 통합하여 수행하였다. 본 평가 방법은 기준연도를 기준으로 미래 기후변화가 행정구역별 홍수 위험도에 미치는 영향을 정량적으로 비교⋅분석하는 데 목적이 있다. 기준연도에 대한 행정구역별 홍수 위험도 평가 결과는 Fig. 4에 제시하였다. Fig. 4에서 홍수 위험도는 0에서 1 사이의 무차원 값으로 표현되며, 값이 1에 가까울수록 홍수 위험성이 높은 행정구역, 0에 가까울수록 상대적으로 안전한 행정구역을 의미한다.
Fig. 4
Results of Hazard, Exposure, Vulnerability and Risk Assessment by Administrative District in Reference Year
기준연도에 대한 구성 요소별 평가 결과, 위해성 지표는 0.01~0.46, 노출성 지표는 0~0.54, 취약성 지표는 0.01~0.90의 범위를 나타내어 요소별로 공간적 변동성이 상이한 것으로 분석되었다. 행정구역별 취약성 지표의 분포를 살펴보면, 0.0~0.1 구간에 해당하는 행정구역이 전체의 45.0%로 가장 큰 비중을 차지하였으며, 0.1~0.2 구간은 27.5%, 0.2~0.3 구간은 20.5%로 나타났다. 반면 0.3~0.4 구간과 0.4~0.5 구간에 해당하는 행정구역은 각각 4.4%와 1.7%로 상대적으로 낮은 비율을 보였으며, 2개의 행정구역은 0.9~1.0 구간에 포함되어 매우 높은 취약성을 나타냈다.
노출성 지표의 행정구역별 분포 특성을 분석한 결과, 0.0~0.1 구간에 위치한 행정구역이 55.9%로 과반수를 차지하였으며, 0.1~0.2 구간은 22.3%, 0.2~0.3 구간은 11.4%로 나타났다. 또한 0.3~0.4, 0.4~0.5, 0.5~0.6 구간에 해당하는 행정구역의 비율은 각각 8.3%, 1.3%, 0.9%로, 노출성 역시 일부 행정구역에 집중되는 경향을 보였다.
한편, 취약성 세부지표를 기반으로 엔트로피 가중치 방법을 적용하여 산정한 취약성 지표의 공간적 분포 특성을 살펴본 결과, 불투수지역비와 과거 침수면적비가 큰 행정구역에서 상대적으로 높은 취약성 지표가 나타나는 경향을 보였다. 반면, 불투수지역비와 침수면적비가 상대적으로 작은 동해안 및 서해안 지역과 일부 내륙 지역의 행정구역에서는 낮은 취약성 지표가 분포하는 것으로 분석되었다. 이러한 결과는 최종 산정된 취약성 지표가 특정 세부지표에 과도하게 의존하지 않고, 각 세부지표의 정보량과 지역별 변동 특성을 균형 있게 반영하고 있음을 의미한다.
4.2 시나리오별 홍수 위험도 평가
SSP 기후변화 시나리오는 기후변화 적응 및 완화를 위한 사회⋅경제적 대응 수준을 반영한 시나리오로, 시나리오별 홍수 위험도 평가 결과는 향후 대응 정책 수립과 적응 전략 마련, 및 기준 개선을 위한 기초자료로 활용될 수 있다. 본 연구에서는 기후변화를 고려한 홍수 위험도 평가 과정에서 분석의 일관성과 결과의 신뢰도를 확보하기 위하여 몇 가지 가정을 설정하였다.
우선, 노출성 평가에 있어 기준연도와 미래연도 간 홍수 범람지역이 동일하다고 가정하였다. 이는 기후변화에 따른 홍수 범람지역의 변화를 정밀하게 모의하는 것이 현실적으로 어렵고, 해당 결과에 대한 검증 또한 제한적이어서 위험도 평가 결과의 불확실성이 과도하게 증가할 우려가 있기 때문이다. 또한 취약성 평가의 경우, 시기별 도시개발 양상과 방재시설 확충 수준의 변화를 장기적으로 정확히 예측하는 데 한계가 있으므로, 기준연도의 취약성 상태를 미래연도에도 동일하게 적용하였다. 이에 따라 본 연구에서는 기후변화 시나리오에 따른 기존 홍수 범람지역 내에서의 홍수 노출 변화와 취약성 변동만을 고려하여 홍수 위험도를 평가하였다.
시나리오에 따른 행정구역별 홍수 위험도 변화를 분석하기 위하여 기준연도와 동일한 평가 방법을 적용하여 미래연도의 홍수 위험도를 산정하였으며, 기준연도 대비 변화 결과를 Fig. 5에 도시하였다. 시나리오별로 기준연도 대비 홍수 위험도가 증가한 행정구역의 수를 살펴본 결과, SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5 시나리오에서 각각 176개, 169개, 168개, 120개 행정구역으로 나타났다. 이 중 SSP5-8.5 시나리오는 홍수 위험도가 증가한 행정구역의 수가 가장 적은 반면, SSP1-2.6 시나리오에서는 가장 많은 행정구역에서 홍수 위험도가 증가하는 것으로 분석되었다.
고배출 시나리오인 SSP5-8.5 시나리오를 제외한 나머지 시나리오에서는 전반적으로 유사한 공간적 변화 양상이 나타났으나, SSP5-8.5 시나리오의 경우 서울특별시 및 인근 수도권 행정구역에서 홍수 위험도가 감소하는 특징적인 결과가 도출되어 다른 시나리오와 뚜렷한 차이를 보였다. 이는 고배출 시나리오 하에서 강수 특성 변화가 지역별로 상이하게 반영된 결과로 해석될 수 있다.
한편, 기후변화 시나리오 간 홍수 위험도 공간 분포를 비교한 결과, 모든 SSP 시나리오에서 공통적으로 변화 폭이 큰 지역은 휴전선 인근 지역을 포함한 남부 지방 및 서해안 지역으로 나타났으며, 이들 지역에서는 전반적으로 홍수 위험도가 증가하는 경향을 보였다. 특히 SSP1-2.6과 SSP2-4.5 시나리오에서는 남부 해안 지역과 경상북도, 충청북도 일부 지역에서 홍수 위험도가 유사하게 감소하는 공간적 패턴이 확인되었다.
그러나 SSP2-4.5 시나리오는 SSP1-2.6 시나리오에 비해 동해안 지역과 경상남도, 충청남도 지역에서 홍수 위험도가 증가하는 반면, 전북특별자치도와 강원특별자치도 일부 행정구역에서는 홍수 위험도가 감소하는 것으로 나타나 시나리오 간 지역별 민감도 차이가 존재함을 시사한다.
4.3 홍수 위험도 등급화 및 고위험 행정구역 도출
홍수 위험도 평가 결과를 재난안전관리 및 방재 정책 수립을 위한 우선순위 결정에 효과적으로 활용하기 위해서는 위험도의 상대적 수준을 체계적으로 구분할 필요가 있다. 이에 본 연구는 행정구역별 홍수 위험도를 Table 6과 같이 네 단계(L, M, H, EH)로 구분하여 위험도 등급화를 수행하였다.
Table 6
Flood Risk-based Priority Categorization
| Classification | Risk Results |
|---|---|
| Low (L) | ~1.745e-4 |
| Medium (M) | 1.745e-4~0.002 |
| High (H) | 0.002~0.006 |
| Extreme High (EH) | 0.006~ |
L 단계는 전체 행정구역 중 하위 25% 이하에 해당하는 저위험 구간, M 단계는 25~75% 구간, H 단계는 상위 약 75~90% 구간, EH 단계는 상위 10%에 해당하는 극고위험 구간으로 정의하였다. 특히 EH 단계는 IPCC 평가보고서에서 제시하는 고위험 개념과 보험⋅재정 분야의 위험도 분류 기준을 참고하여 정책적 관리가 우선적으로 요구되는 상위 10% 고위험 구간으로 설정하였다.
본 연구는 기준연도와 SSP 기후변화 시나리오에 따른 행정구역별 홍수 위험도 평가 결과를 위험도 등급별로 구분하여 Fig. 6에 제시하였다. 기준연도 분석 결과, H 및 EH 등급으로 분류된 행정구역의 비율은 각각 14.85%와 10.04%로 나타났으며, 이들 고위험 행정구역은 주로 서울특별시와 경기도를 포함한 수도권 지역과 충청도, 전북특별자치도, 경상남도, 울산광역시, 경상북도에 분포하는 것으로 확인되었다. 반면, 강원특별자치도, 전라남도, 제주특별자치도는 대부분 L 및 M 등급으로 분류되어 상대적으로 낮은 홍수 위험도를 보였다.
Fig. 6
Results of Flood Risk Assessment by Administrative District for the Reference Year and Climate Change Scenarios
시나리오별 홍수 위험도 등급 분류 결과, H 등급으로 분류된 행정구역의 비율은 SSP1-2.6 시나리오에서 24.89%로 가장 높게 나타났으며, SSP5-8.5 시나리오에서 17.90%로 가장 낮게 나타났다. 모든 SSP 시나리오에서 H 등급에 해당하는 행정구역 수는 기준연도 대비 증가하는 경향을 보여, 기후변화가 중⋅고위험 지역의 공간적 확대를 유발할 가능성이 있음을 시사한다. EH 등급으로 분류된 행정구역의 비율 역시 SSP1-2.6 시나리오에서 17.03%로 가장 높게 나타났으나, SSP5-8.5 시나리오에서는 9.17%로 가장 낮은 값을 보였다. 특히 EH 등급 행정구역의 비율은 H 등급과 달리 SSP5-8.5 시나리오에서 기준연도 대비 감소하는 것으로 나타나 시나리오별 위험도 변화 양상이 상이함을 확인하였다.
본 연구는 정책적 대응이 가장 시급한 지역을 도출하기 위하여 EH 위험도 등급에 해당하면서 기준연도 대비 미래연도에 홍수 위험도가 증가하는 행정구역을 ‘고위험 행정구역’으로 정의하고 이들 지역의 특성을 추가로 분석하였다. 시나리오별로 선정된 고위험 행정구역의 평균 홍수 위험도 증분은 SSP1-2.6 시나리오에서 0.020으로 가장 크게 나타났으며, SSP2-4.5와 SSP3-7.0 시나리오에서는 각각 0.018, SSP5-8.5 시나리오에서는 0.013으로 분석되었다. 최대 홍수 위험도 증분은 SSP1-2.6 시나리오에서 0.081로 나타났으며, 이는 서울특별시 송파구에서 관측되었다. 참고로 시나리오별 최대 홍수 위험도 지수는 SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5 시나리오에서 각각 0.081, 0.057, 0.074, 0.042로 산정되었다.
이와 같은 결과는 홍수 위험도 등급화가 행정구역별 재난관리 및 방재 투자 우선순위를 설정하는 데 유용한 정량적 근거를 제공할 수 있음을 보여주며, 특히 EH 등급 지역을 중심으로 한 선제적 대응 전략 수립의 필요성을 시사한다.
5. 결 론
본 연구는 우리나라 자연재해 피해의 약 56.1%를 차지하는 집중호우 및 태풍에 의한 홍수를 대상으로 행정구역 단위의 홍수 위험도를 정량적으로 평가하였다. 홍수 위험도는 기상학적 요인뿐만 아니라 과거 홍수 피해 이력, 인구 및 토지 이용과 같은 지역적 특성을 종합적으로 고려하여 산정될 수 있다. 이에 본 연구에서는 홍수 위험도 평가를 위해 위해성, 노출도, 취약성의 세 가지 요소를 설정하고, 이를 총 13개의 세부지표로 세분화하였다.
각 세부 지표는 행정구역별로 산정한 후 표준화를 통해 상호 비교가 가능한 형태로 변환하였으며, 지표 간 상대적 중요도를 반영하기 위하여 엔트로피 가중치 산정 기법을 적용하였다. 산정된 가중치를 표준화된 지표에 적용하여 행정구역별 위해성, 노출성, 취약성을 대표하는 값을 도출하였고, 이들 세 요소를 곱하는 방식으로 통합 홍수 위험도를 산정함으로써 요소 간 상호작용이 반영된 행정구역별 홍수 위험도를 평가하였다.
기후변화에 따른 홍수 위험도의 변화를 평가하기 위하여 IPCC 제6차 평가보고서에서 제시한 SSP 기후변화 시나리오 모의 결과를 적용하였다. 행정구역별로 산정된 홍수 위험도는 홍수 위험도 지도로 시각화하여 기준연도 대비 미래 기후 조건에서의 공간적 변화 양상을 분석하였다. 또한, 고위험 행정구역을 도출함으로써 홍수 위험 관리 및 대응 정책 수립 시 우선적으로 고려해야 할 지역을 제시하였다.
본 연구는 기후변화에 따른 행정구역별 홍수 위험도를 보다 체계적으로 분석하기 위하여 홍수 위험도의 구성 요소로 위해성, 노출성, 취약성을 선정하고, 각 요소가 행정구역의 특성을 충분히 반영할 수 있도록 지표를 구성하였다. 위해성 지표에는 SSP 기후변화 시나리오를 적용하여 미래 강우의 변동성과 극한성을 고려하였으며, 노출성 지표에는 홍수 위험 지역 내 인구, 주거 및 산업 시설 분포를 반영하여 잠재적 피해 규모를 평가하였다. 또한 취약성 지표에는 과거 홍수 피해 이력과 인구 구성, 기반시설 여건 등을 포함하여 행정구역별 홍수 대응 취약성을 대표할 수 있도록 하였다. 최종적으로 위해성 5개, 노출성 4개, 취약성 4개의 총 13개 지표를 선정하고, 엔트로피 가중치 기법을 적용함으로써 지역적 특성과 기상 변동성이 효과적으로 반영된 홍수 위험도 평가 방법을 구축하였다.
SSP 기후변화 시나리오를 기반으로 229개 행정구역에 대한 홍수 위험도 지도를 작성한 결과, 위해성 지표는 모든 시나리오에서 기준연도 대비 세부지표의 최대값이 증가하는 것으로 나타났으며, 특히 SSP1-2.6 및 SSP3-7.0 시나리오에서 증가 폭이 상대적으로 크게 나타났다. 본 연구에서는 기후변화로 인한 기상 요인의 변화가 위해성 지표에만 영향을 미치는 것으로 가정하였으며, 노출성 및 취약성 지표는 기준연도의 공간적 분포가 미래에도 유지되는 것으로 설정하였다. 또한, 취약성 지표 분석 결과, 기준연도에서 과거 침수 이력이 존재하는 행정구역에서 상대적으로 높은 홍수 위험도 지수가 산정되어, 침수 이력이 홍수 위험도에 중요한 기여 요인임을 확인하였다.
홍수 위험도 평가 결과를 정책 개발 및 방재 대책 수립에 효과적으로 활용하기 위하여 홍수 위험도를 L, M, H, EH의 4단계로 구분하였다. 분석 결과, 기준연도 홍수 위험도 상위 10%에 해당하는 위험도 값(0.006 초과)은 기존 홍수범람지도를 기반으로 한 홍수 위험 지역을 효과적으로 반영하는 것으로 나타났다. 기준연도의 최대 홍수 위험도는 0.037로 산정되었으며, SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5 시나리오에서는 각각 0.081, 0.057, 0.074, 0.042로 나타나 시나리오에 따라 기준연도 대비 약 1.12배에서 최대 2.19배까지 홍수 위험도가 증가하는 것으로 분석되었다.
마지막으로, 본 연구는 EH 등급에 해당하는 행정구역 중 기준연도 대비 미래연도에 홍수 위험도가 증가하는 지역을 고위험 행정구역으로 정의하고, 홍수 위험도의 증감과 등급 변화를 복합적으로 분석하였다. 그 결과, 4개의 SSP 시나리오 중 3개 이상에서 공통적으로 고위험 홍수 위험 지역으로 분류된 행정구역은 총 20개로 나타났으며, 이들은 서울특별시, 대구광역시, 부산광역시, 울산광역시, 경기도, 경상북도, 경상남도에 위치한 것으로 분석되었다. 이러한 결과는 향후 홍수 위험 저감 대책 수립 및 방재 시설 투자 우선순위 결정 시 핵심적인 참고 자료로 활용될 수 있다. 본 연구에서 제시한 홍수 위험도 지도와 평가 결과는 미래 홍수 위험의 공간적 분포를 체계적으로 파악하고, 행정구역 단위의 재해 저감 정책 수립 및 우선 지원 지역 선정에 실질적으로 기여할 것으로 기대된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
