1. 서 론
우리나라 자연재해 발생 원인으로 호우, 태풍, 강풍, 풍랑, 가뭄 등 기상재해가 대부분을 차지하며, 이중 단일 사상별 최대피해는 태풍 매미와 루사로 대표되는 태풍피해이고, 태풍피해중 호우로 인한 피해가 대부분을 차지하나, 강풍, 풍랑 등이 동시에 발생하는 복합재해이기 때문이다(Kim, 2022).
자연재해로 인한 피해에 대비하기 위한 연구가 활발히 이루어졌으며, 특히 피해 발생 여부와 피해액 추정을 위한 여러 모형이 제시되었다. 자연재해 원인별로 재해를 유발하는 한계치(triggle or threshold)를 설정하여 재해 발생 여부를 판정하기 위한 연구로 Kim et al. (2018)은 재해특성과 강우 특성을 파악하고, 누적피해 발생확률을 고려하여 지역별로 호우피해 규모(피해액)에 따른 재해 유발 강우량을 설정하였다. 호우피해에 대한 강우 한계치를 피해규모별로 제시하므로서 재해 발생 유무의 판단 뿐 아니라 호우 피해액 추정에도 이용될 수 있다. Park and Kang (2014)은 지자체별 방재역량과 피해이력을 고려하여 피해를 유발하는 호우 특보 기준을 제시하였다. 한편 Montesarcjio et al. (2009)은 유역 및 하천 지형을 이용하여 수문학적 홍수유출과 수리학적 홍수추적 방법을 이용한 홍수 유발 한계치를 제시하였고, Lee et al. (2018)은 강우-유출모형을 이용하여 홍수 유발 강우량을 산정하였다.
재해 유발 한계치와 관련된 가장 활발한 연구 분야 중 하나는 산사태를 예측하기 위한 연구로, Guzzetti et al. (2007), Brunetti et al. (2010)은 Bayesian inference method, Frequentist method를 이용하여 강우 한계치를 강우지속기간과 강우강도의 관계로 설명하였고, 국내에서는 Choi (1989)에 의하여 연속강우량과 시간강우강도 개념을 이용하여 산사태 발생을 설명한 이후로 Hong et al. (1990), Lee (1991), Kim et al. (1998), Kim and Jung (2000), Yang et al. (2007), Yun et al. (2010) 등에 의하여 강우강도 또는 특정 강우지속기간 동안의 강우량을 이용한 강우 한계치에 대한 연구가 이루어졌다(Ham and Hwang, 2014에서 재인용). Ham and Hwang (2014)은 단기간에 발생하는 폭우뿐 아니라 복합호우로 인한 산사태를 고려할 수 있는 연속 강우량 기준을 제시하였다. Nikolopoulos et al. (2014)은 강우강도와 강우지속기간 관계를 변수로 하는 Frequentist method를 이용하여 호우로 인한 토석류 발생 여부를 예측할 수 있는 한계치를 제시하였다. Kim et al. (2020)은 강설로 인한 피해 발생 여부를 판정할 수 있는 한계치를 지역별로 제시하였다.
한편 An et al. (2004)은 산림, 산림지형, 토지이용상태 등을 인자로 하는 로지스틱 회귀모형을 구성하여 산불 발생 위험지수를 개발하였다. 이 연구에서는 비초과확률 P(X)의 특정 경계값(threshold)을 기준으로 산불 발생 여부를 판정하는 분류형 모형을 제시한 것이 아니라, 비초과확률별로 산불 발생 확률을 지수화한 모형이다. 이는 산불과 관련된 다수의 독립변수들 각각에 대한 한계치를 정의하기 어렵기 때문이다.
자연재해를 유발하는 원인의 한계치에 대한 연구가 이루어졌으나, 태풍피해에 대한 한계치를 위한 연구는 전혀 이루어지지 않았으며, 태풍은 복합재해로 An et al. (2004) 연구에서와 같이 각각의 또는 이들 원인의 조합들로 나타낼 수 있는 한계치를 결정하는데 어려움이 있기 때문이다. 본 연구에서는 호우, 강풍, 풍랑이 모두 영향을 미치는 연안지역 시군구를 대상으로 호우와 강풍 관련 변수를 이용한 태풍피해 임계치(threshold)를 제시하고자 한다. 태풍피해 임계치로 명명한 것은 본 연구의 로지스틱 회귀분석에서 적용하는 분류 한계(classification threshold)와 혼돈되는 것을 막기 위한 것이다.
2. 연구 방법 및 자료 수집
2.1 연구 방법
2.1.1 태풍노출지수(typhoon exposure index, TEI)
태풍예보시 제공되는 태풍특성치로는 위경도로 나타나는 태풍 위치, 중심부 기압, 최대순간풍속 및 태풍 크기(태풍반경) 등이고, 태풍피해의 원인인 호우, 강풍 및 풍랑 중 연안지역 피해의 원인이 되는 풍랑은 태풍 중심부 기압에 따른 해수면 상승과 강풍에 의한 파랑이 주요 원인이다. 본 연구에서는 Kim (2022)에 의하여 제안된 태풍노출지수(TEI)를 이용하여 강풍과 풍랑에 의한 원인을 한 개의 지수로 나타내기로 하며, TEI를 산정하는 식은 Eq. (1)과 같다.
TEIi는 i시군구의 태풍노출지수, T는 i시군구에 태풍이 영향을 미치는 총 시간, Wmaxt 는 t시간의 태풍중심부의 최대풍속(km/hr), Lt,i는 t시간에서 태풍 중심부와 i시군구까지의 거리(km)이고, Ai 는 i 시군구의 면적(km2)이다. Eq. (1)에서 ‘58 (km/hr)’은 태풍의 최소기준인 17 m/s보다 작은 16 m/s를 단위변환한 값이다.
2.1.2 Empirical Copula Method
Copula는 연속분포의 의존적 구조를 설명하기 위한 방법으로, 무작위 변수 X와 Y에 대응하는 Empirical Copula는 다음과 같은 Eq. (2)로 나타낼 수 있다.
여기서 F(X)=Pr[X≤x], G(Y)=Pr[Y≤y] 는 변수 X, Y의 marginal cumulative function이고, F(-1) 은 F 의 cadlag inverse, C(u,v) 는 변수 X, Y의 상호의존적 구성에 기인하는 정보를 제공하는 함수이다. 또 Ui, Vi 는 아래와 같이 정의되는 pseudo copula observation이다.
2.1.3 Logistic Regresssion Model
로지스틱 회귀모형은 확률 모형으로서 독립변수의 선형 결합을 이용하여 사건의 발생 가능성을 예측하는데 사용되는 통계기법이다. 로지스틱 회귀의 목적은 일반적인 회귀 분석의 목표와 같이 종속변수와 독립변수 간의 관계를 구체적인 함수로 나타내어 향후 예측모형에 사용하는 것이다. 이는 독립변수의 선형결합으로 종속변수를 설명한다는 관점에서 선형회귀분석과 유사하지만 종속변수가 범주형 테이터를 입력하는 범주형 분류기법이다. 로지스틱 회귀분석의 분석 과정은 독립변수를 로짓(logit) 변환 후 최우도추정법(maximum likelihood estimation)을 이용한다. 로지스틱 회귀모형은 독립변수에 대한 선형식으로 다음과 같이 Eq. (4)로 표현된다(Kim et al., 2019).
여기서 β0 은 모형의 절편, βi 는 독립변수 xi 의 계수, n 은 독립변수의 수이다. Eq. (5)로 계산되는 y 는 로짓으로서, 이를 다시 Eq. (5)과 같은 역로짓으로 변환하는 작업을 통해 0과 1사이의 확률 값으로 변환한다.
보통 P(x)> α 이면 사건이 발생하는 것으로 분류하고, 그렇지 않으면 발생하지 않는 것으로 분류하는데, 이때 기준이 되는 값 α 를 분류 한계(classification threshold)라 한다.
2.1.4 최적모형 선정 방법
본 연구에서는 태풍으로 야기된 호우, 강풍, 풍랑의 영향으로 인한 피해 발생 여부를 판별하는 것을 목표로 호우와 강풍 관련 변수인 TEI로 태풍피해 발생 임계치를 산정하는데 있고, 이를 위하여 이진분류법에 따라 태풍으로 인한 피해 발생 여부를 더 잘 모의하는 모형을 선정하는 것이다. 최적모형 선정을 위한 방법으로는 Table 1과 같은 혼동행렬(confusion matrix)를 작성하고 이로부터 Table 2와 같은 각종 성능지표를 산정하여 평가할 수 있는데, 성능지표의 선택은 모형의 목적에 따라 정할 수 있다.
Table 2
Evaluation Index from Confusion Matrix
| Index | Equation |
|---|---|
| Accuracy |
|
| Error Rate |
|
| Sensitivity (Recall) |
|
| precision |
|
| Specificity |
|
혼동행렬을 이용하여 이진분류모형의 성능을 평가하는 방법중 가장 널리 이용되는 방법으로는 민감도(sensitivity)와 1-특이도(1-specificity)을 이용하여 ROC (receiver operating characteristic) 곡선을 작성하고, ROC 곡선 아래의 면적(Area Under Curve, AUC)을 구하는 방법이 있다. 즉 Fig. 1과 같은 ROC 곡선 아래의 면적(AUC)이 크면 클수록 좋은 성능을 가진 모형임을 나타낸다. AUC는 확률 경계에 관계없이 이항분류모형 간의 상대적인 예측력을 비교할 수 있는 장점이 있다. 분류방법의 성능평가기준의 성능을 평가하기 위한 방법으로 F-Score를 평가지표로 이용할 수 있으며, F-Score는 정밀도(Precision)과 민강도(Sensitivity)의 조화평균으로 Eq. (6)과 같고, β=1 인 경우를 F1-Score라 한다(Kim et al., 2019).
2.2 자료수집
본 연구에서는 태풍으로 인한 재해 발생 여부를 평가하기 위하여, 태풍내습 전 선행강우의 영향이 없는 단일 태풍 사상을 선택하였다. 태풍피해는 재해연보(MOIS, 1996-2020)에 나타나 있는 자료를 근거로 1994년부터 2020까지 35개 태풍을 대상으로 선정하였고, 선정된 태풍 목록은 Table 3과 같다. Table 3의 Rain은 시군구별 총강우량에 면적을 곱한 것이며, T.TEI는 229개 시군구의 TEI를 더한 값이고, Damage는 총피해액이다.
Table 3
Typhoon List
태풍과 관련된 강우량, 최대풍속, 태풍범위 및 경위도로 나타나는 태풍 중심부의 위치 등을 기상청(KMA1)으로 수집하였으며, 태풍 특성치(중심기압, 중심부 최대풍속, 태풍 반경 등)를 제외한 기상자료는 1시간 단위로 수집하였다. 기상청으로부터 제공되는 과거 태풍의 진로 및 특성자료는 6시간 또는 3시간 간격으로 제공되므로 매 시간의 중심부의 위치와 특성치는 제공되는 자료를 선형보간하여 결정하였다. 시군구의 평균강우량 산정을 위한 강우 자료는 1994-2003년은 ASOS 관측소 자료를, 이후 기간은 ASOS와 AWS 관측소 자료를 모두 이용하였으며(KMA2), Thiessen 가중평균볍을 이용하였다. 태풍으로 인한 피해 발생 여부의 판정은 어떤 시군구가 태풍의 영향권 내에 위치하여 태풍으로 인한 호우와 강풍의 영향이 있었음에도 불구하고 피해가 발생하지 않은 경우(‘0’)와 피해가 발생한 경우(‘1’)로 구분하였다.
3. 태풍피해 발생 모형과 임계치 산정
3.1 대상 지역 및 자료 분석
3.1.1 대상 지역
본 연구에서는 호우와 강풍으로 인한 피해뿐 아니라 풍랑으로 인한 피해를 고려할 수 있는 연안지역을 대상으로 태풍 재해를 유발하는 임계치를 추정하고자 하며, 연안지역에 위치한 시군구와 피해 발생 회수(괄호 안의 앞쪽 숫자)와 태풍 영향권 내에 위치하였으나 피해가 발생하지 않은 피해 미발생 회수(괄호안의 뒤쪽 숫자)가 Table 4에 나타나 있다. 태풍 영향권 내에 가장 많이 위치한 지역은 제주도의 서귀포시와 제주시이며, 실제로는 3회 정도 더 피해기록이 있으나, 당시 자료분류에서 제주도를 1개 권역으로 처리함으로서 피해기록에 추가하지 못하였다. 다음으로는 전라남도 및 경상남도 연안지역 시군구가 피해를 많이 본 것으로 나타났으며, 충남, 인천 지역이 가장 적게 나타났다. 본 연구에서는 피해 발생 회수와 피해 미발생 회수의 총 합이 20개 이상인 시군구를 대상으로 분석하였다.
Table 4
Coastal District and Damaged/Non-damaged
3.1.2 태풍 재해 유발 변수 선정
호우에 의한 피해는 시군구 또는 해당 시군구에 영향을 미치는 다수의 ASOS, AWS 관측소로부터 티센면적가중법을 이용하여 면적강우량을 산정하였고, 태풍 내습시 호우피해를 유발하는 호우 특성치는 강우지속기간 1, 3, 6, 12, 24시간 강우량을 산정하여 분석에 이용하였다. 본 연구에서는 태풍피해를 유발하는 임계치 산정이 목표이므로 5가지 강우지속기간별 강우량 중 시군구별로 피해 발생 여부를 가장 잘 나타낼 수 있는 강우지속기간의 강우량을 선택하고자 한다. 2.1절에서 언급한 바와 같이 강풍과 풍랑에 의한 피해와 관련된 재해 원인(이하 강풍 관련 변수라 함)으로 태풍중심부 최대풍속과 태풍중심부 위치와 해당 시군구까지 거리를 고려한 TEI를 이용하기로 하였다. 이는 강풍 피해와 관련된 최대풍속은 강우량과 같은 평균 개념을 이용하여 피해를 유발하는 대표치를 결정하기 어렵기 때문이다. Table 5는 2022년 태풍 ‘힌남노’ 내습시 제주도 서귀포시에 의한 기상청 관측소들의 풍속을 분 단위로 수집하여 분석한 결과인데, 태풍에 해당하지 않는 풍속이 관측된 관측소도 다수 발견되고, 주변 섬을 제외한 지역의 최대 풍속중 최대치(23.6 m/sec)와 최소치(8.5 m/sec)의 차이가 2.8배 이상이므로, 태풍피해와 관련된 강풍 인자를 도출하는 것이 쉽지 않음을 알 수 있다.
Table 5
Maximum Wind Speed at Seogwipo during HINNANOR (KMA2)
풍랑은 전술한 바와 같이 해수면 상승과 강풍에 의한 파도에 의하여 발생하고, 해수면 상승과 강풍은 태풍 중심기압과 관계있다. 즉 태풍의 중심기압이 낮을수록 해수면이 높게 상승하고 풍속은 세지고, 중심으로부터 멀어질수록 해수면 상승 폭이 감소하고 풍속도 약해진다. 풍랑 관련 자료는 전국에 설치된 조위관측소로부터 획득할 수 있으나, 태풍과 같은 기상 상황에서 풍랑의 높이를 예보하지는 못하고 있다. Kim (2021)은 태풍 중심부 최대풍속과 태풍반경을 이용하여 특정 시군구의 강풍 영향을 파악할 수 있는 Eq. (1)과 같은 TEI를 제시하였으므로, 이를 강풍 관련 기상 변수로 채택하여 태풍피해 유발 임계치를 산정하는데 이용하고자 한다. TEI는 태풍예보시 발표되는 위경도로 표시되는 태풍 경로, 중심부 최대풍속 및 중심부와 시군구까지의 거리의 함수로 비교적 쉽게 일관성을 가진 인자를 도출할 수 있다.
3.2 표준정규변수를 이용한 시군구별 태풍피해 발생 모형
3.2.1 표준정규변수를 이용한 시군구별 태풍피해 발생 모형(ECR) 구성
Song et al. (2019)은 태풍과 같이 홍수, 강풍, 풍랑 등 다양한 종류의 피해를 유발하는 허리케인을 대상으로 기존의 Saffir- Simpson scale에 의한 허리케인 등급 구분은 다양한 측면에서의 위험정보를 설명하지 못하므로, Empirical Copula 방법을 이용하여 허리케인의 강우량, 풍속을 변수로 하는 MHI (Multihazard Hurricane Index)를 Eq. (7)과 같이 제안하였고, MHI의 크기에 따라 허리케인의 위험 정도를 파악할 수 있는 새로운 등급체계(rating scale)을 제시하였다.
여기서 N-1 은 역정규함수(inverse normal function)이고, MHI는 표준정규변수이다. 본 연구에서도 Empirical Copula 방법을 이용하여 태풍내습시 강우량, 강풍 관련 변수인 TEI를 이용한 표준정규변수(Z)를 정의하여 태풍으로 인한 피해 발생 여부를 추정하고자 하며, 표준정규변수는 Eq. (8)과 같다.
최적의 태풍피해 유발 모형을 구성하기 위하여 3.1절에서 언급한 바와 같이 강우 변수로는 강우지속기간 1, 3, 6, 12, 24시간 최대강우량(mm)과 TEI를 이용하여 Empirical Copula에 의한 표준정규변수(Z)를 산정하였으며, Table 6에 창원시를 대상으로 강우지속기간 12시간 최대강우량에 대한 적용 예가 나타나 있다. Fig. 3(a)는 TEI와 강우지속기간 12시간 강우량으로부터 구한 ECR에 의한 산포도이고, Fig. 3(b)는 TEI와 강우지속기간 12시간 강우량을 축으로 작성한 산포도이다. 두 그림의 형태는 비슷해 보이지만 Empirical copula 방법에 의한 표준정규변수를 나타낸 그래프는 관측치간의 거리가 일정한 간격을 가지고 있음을 알 수 있다. 태풍피해 발생 여부를 예측하기 위한 모형의 독립변수는 Empirical Copula 방법에 의한 표준정규변수이고 종속변수는 피해 발생 여부이며, 통계학적 모형은 로지스틱 회귀분석(ECR)을 이용하였다.
Table 6
Examplle of Logistic Regression (Changwon)
3.2.2 최적 로지스틱 회귀모형 선정
시군구별 태풍피해 발생 여부를 판정할 수 있는 모형의 독립변수는 Eq. (8)로부터 구한 강우지속기간별 표준정규변수 Z이고, 종속변수는 이항분포로 나타나는 피해 발생 여부이며, Eq. (4)는 Eq. (9)와 같이 나타낼 수 있다.
시군구별 5가지 강우지속기간별 Z를 독립변수로 한 모형 중 최적모형은 각 모형으로부터 작성된 혼동행렬과 ROC로부터 AUC를 산정하고, 가장 큰 값을 가지는 모형을 해당 시군구의 최적모형으로 결정하였으며, 그 결과가 Table 5에 나타나 있다. Fig. 2는 창원시 최적모형을 구하기 위한 ROC가 나타나 있으며, 강우지속기간 12시간일 때 AUC가 0.955로 가장 큰 값을 가져 최적모형으로 선정되었다.
최적 ECR을 위한 강우지속기간별 분포는 24시간이 18개 시군구로 가장 많고, 1시간이 13개 시군구, 나머지 3시간, 6시간, 12시간이 5개 시군구로 동일하게 나타났으며 Table 7의 3번째 열(Dur.)에 나탄나 있다.
Table 7
Best Logistic Regression Model for Empirical Copula Method
3.2.3 시군구별 표준정규변수를 이용한 로지스틱 회귀모형(ECR)의 분류 한계 선정
표준정규변수를 독립변수로 한 로지스틱 회귀모형(ECR)에서 어떤 사상이 일어날 확률의 분류 한계(classification threshold)로 P(X)>0.05 인 경우를 채택하나, 자료의 특성에 따라 항상 일정한 것은 아니다. 본 연구에서는 시군구별 모형의 예측력이 가장 좋은 분류 한계를 결정하기 위하여 혼동행렬(confusion matrix)을 이용한 F1-Scores를 산정하였으며, 선택된 시군구별 분류 한계가 Table 7의 5번째 열(C.T로 표기된 열)에 나타나 있고, 각 분류 한계의 F1-Scores가 나타나 있다. Table 7에서 Dur.은 강우지속기간, C.T는 분류 한계, Acc.는 정확도, Prec.는 정밀도, Rec는 재현율을 나타낸다.
3.2.4 시군구별 태풍피해 유발 임계치 산정
태풍피해 발생 여부를 판정하기 위하여 강우지속기간과 최대강우량 및 TEI의 태풍피해 유발 임계치를 구할 하고자 한다. Eqs. (4), (5)로부터 Z를 추정하면 Eq. (10)과 같다.
따라서 태풍피해 유발 임계치의 누가확률은 Eq. (11)과 같다.
예를 들어 Table 6은 창원시의 태풍피해 발생 여부를 판정한 결과이다. 총 22개 자료중 태풍 영향권 내에 들어 피해가 발생한 경우가 14회, 영향권 내에 들었으나 피해가 발생하지 않은 경우가 8회이다. 창원시 로지스틱 회귀모형은 12시간 강우지속기간과 TEI를 사용하는 것이 AUC가 가장 큰 값을 나타내었으며, 분류 한계는 P(Z)=0.5 일 때 F1-Score가 최대인 것으로 계산되었다. Table 7에서 창원시의 로지스틱 회귀모형의 계수가 β0=-5.336, β14.772 및 P(Z)=0.5 이므로 Eq. (10)에 의하면
이 되고, Eq. (11)을 이용하면 다음과 같다.
Ci,j ≥1-N(1.118)=1-0.881=0.119
창원시의 ECR 결과로부터 산정된 태풍피해 유발 임계치 및 피해 발생 여부에 대한 결과가 Fig. 3(a)에 나타나 있다. Fig. 3(a)에서 점선으로 나타낸 태풍피해 유발 임계치보다 큰 구역이 Ci,j> 0.119에 해당하는 범위이다. Fig. 3(a)에서 실제 피해가 발생하였으나 피해가 발생하지 않는 것으로 예측되는 자료는 1개(12시간 최대강우량 31.6 mm, TEI 1.48)이고, 피해가 발생하지 않았으나 피해가 발생하는 것으로 예측한 예가 2개이다.
Table 7의 AUC 값은 1에 가까울수록 정확도가 높은 모형임을 나타내는 데 최소값은 0.550, 최대값은 0.963이고 전북지역의 AUC가 비교적 낮게 나타났다. 분류 한계는 많은 시군구가 0.5이나 최소 0.3, 최대 0.7인 경우도 나타났다. 태풍피해 유발 임계치에 해당하는 Empirical Copula는 Ci,j 에 나타나 있다.
3.3 다중 로지스틱 회귀모형에 의한 시군구별 태풍피해 발생 모형
3.3.1 다중 로지스틱 회귀모형(MLR) 구성과 최적모형
태풍피해 유발 임계치를 산정하기 위한 다른 방법으로 Eq. (12)와 같은 함수를 가지는 다중 로지스틱 회귀분석(Multiple Logistic Regresssion, MLR)을 이용하였고, 독립변수로는 TEI와 지속기간별 강우량을 채택하였으며, 종속변수는 이항분류로 나타나는 피해 발생 여부이다. 시군구별 최적모형의 구축은 AUC가 가장 큰 강우지속기간의 강우량을 선택하였으며, 그 결과가 Table 8에 나타나 있다.
Table 8
Best Multiple Logistic Regression Model
Table 8에서 선택된 강우지속기간별 강우량은 1시간 14개, 3시간 6개, 6시간 5개, 12시간 4개, 24시간이 17개 시군구로 나타났으며, ECR과 동일한 강우지속기간 강우량을 독립변수로 채택된 시군구는 46개 시군구 중 17개로 나타났다. 이러한 차이는 ECR가 대수 값을 이용한 직접적인 모형이 아니라 자료 크기의 순서에 따른 발생확률에 의한 모형이기 때문으로 판단된다. 시군구별 분류 한계를 비교해 보면 전남 강진군을 포함한 14개 시군구만이 동일한 값을 가지며 나머지 32개 시군구는 서로 다른 분류 한계를 보였다.
3.3.2 시군구별 태풍피해 유발 임계치 산정
시군구별로 최적모형이 구축되고 나면 Eq. (12)으로 부터 태풍피해 유발 임계치를 산정할 수 있으며, 그 결과가 Table 8에 나타나 있다. Table 8을 살펴보면 대부분의 시군구에서 Fig. 3(a)와 같이 태풍피해 발생 여부를 구분할 수 있는 적절한 임계치가 산정된 것을 알 수 있으나, 몇몇 시군구에서는 태풍피해 유발 임계치에 산정이 부적절함을 알 수 있는데 다음과 같은 3가지 경우로 구분된다.
Fig. 3에는 ECR에 의한 결과와 MLR에 의한 결과를 비교하고 있다. 비정상 임계치를 가지는 3가지 경우는 Fig. 3(d)와 같이 비정상 TEI를 가지는 경우, Fig. 3(f)의 비정상 (-) 강우량를 가지는 경우, Fig. 3(h)와 같이 비정상 (+) 강우량을 가지는 경우로 나타난다. Fig. 3(f)는 부산 수영구의 임계치를 도시한 것인데, 12시간 최대강우량은 175 mm인데 반하여 계산된 한계치는 368.9 mm로 비현실적임을 알 수 있다. 반면 Figs. 3(a), (c), (e), (g)는 ECR에 의한 태풍피해 유발 임계치를 나타내고 있는데 이상치를 나타내지 않음을 알 수 있고, 이는 임계치를 확률로 나타내기 때문이다.
3.4 표준정규변수를 독립변수로 한 로지스틱 회귀분석(ECR)과 다중 로지스틱 회귀분석(MLR)의 비교
태풍피해 여부를 판정하기 위하여 독립변수에 따라 ECR과 MLR을 이용하였고, 그 결과로부터 각각의 방법에 대한 태풍피해 유발 임계치를 산정하였다. 두 가지 방법에서 AUC, 정확도, 정밀도, 재현율에 대한 비교표가 Table 9에 나타나 있으며, 괄호 안의 수는 태풍피해 유발 임계치가 비정상인 시군구를 나타낸다. Table 9를 살펴보면 두 가지 방법 중 MLR이 모든 지표에서 좋은 결과를 가지지만, 3.3절에서 언급한 바와 같이 46개 시군구 중 10개 시군구에서 비정상 임계치, 즉 태풍피해 발생 여부를 판정할 수 없는 임계치를 나타난다. ECR은 비정상적인 임계치를 나타내는 경우는 없는데, 이는 ECR이 강우량과 TEI의 크기 순에 따라 결정되는 확률로 표시되는 표준정규변수를 이용하므로 관측된 값의 최소치와 최대치 범위 내에 임계치가 결정되기 때문이다. 따라서 단순 성능비교에서 우수한 MLR보다 ECR을 적용하여 태풍피해 유발 임계치를 산정하는 것이 좋을 것으로 판단된다. 그러나 ECR은 강우량과 강풍 관련 변수로부터 산정되는 표준정규변수를 구해야 하는 번거로움이 있다.
Table 9
Comparsion of ECR & MLR
| ECR > MLR | ECR = MLR | ECR < MLR | |
|---|---|---|---|
| AUC | 10 | 3 | 33(7) |
| Accuracy | 13 | 6 | 27(5) |
| Precision | 21 | 4 | 21(3) |
| Recall | 9 | 16 | 21(8) |
또 두 방법 모두 태풍피해 자료가 증가하면 회귀분석의 계수가 변화하므로 새로운 임계치를 구하여야 하나, ECR은 모형을 구성하는 변수인 강우량과 TEI의 크기 순서가 변하므로 태풍피해 유발 임계치의 변동 폭이 MLR에 비하여 상대적으로 클 수 있다.
4. 결 론
태풍으로 인한 피해는 우리나라 내습하는 태풍의 수, 세기와 영향 범위, 진로에 따라 달리 나타나지만, 자연재해중 가장 큰 피해를 유발하는 원인임에는 분명하다. 본 연구에서는 태풍으로 인한 피해를 유발할 수 있는 원인으로 호우와 내풍특성을 나타낼 수 있는 강풍으로 선정하였고, 시군구별 강우지속기간별 강우량과 강풍이 특정 시군구에 미치는 영향을 파악할 수 있는 TEI를 계산하고, 로지스틱 회귀분석을 이용하여 모형을 구축한 후 각 변수에 대한 태풍피해 유발 임계치를 산정하였다. 대상 지역으로는 강풍에 의한 피해가 뚜렷이 나타나는 연안지역에 위치한 시군구를 대상으로 하였으며, 대상 태풍은 1994년에서 2020년까지 발생한 태풍중 태풍 전후로 호우에 의한 피해가 없는 태풍 단일 사상에 의한 피해가 발생한 태풍을 선택하였다. 태풍피해 여부는 태풍의 직접적인 영향권(태풍반경) 내에 위치한 경우에 한하여 판정하였다.
로지스틱 회귀모형의 독립변수로 Empirical Copula 방법에 따라 강우량과 TEI로 부터 산출되는 표준정규변수를 독립변수로 하는 로지스틱 회귀모형(ECR)과 강우량 및 TEI를 독립변수로 하는 다중 로지스틱 회귀모형(MLR)을 적용하였다. 두 가지모형에 대한 시군구별 AUC를 비교하면 MLR이 더 좋은 결과를 나타내는 시군구가 더 많으나, 태풍피해 유발 임계치를 구해보면 비정상적인 임계치를 나타내는 경우가 다수 나타났다. 따라서 ECR을 이용하여 태풍피해 유발 임계치를 산정하는 것이 바람직하나, ECR은 관측된 강우량 또는 TEI의 크기 순서와 관련된 표준정규변수를 독립변수로 이용하므로 분석자료 수가 추가하면 MLR에 의한 임계치보다 변동 폭이 클 수 있다. 본 연구에서 구한 태풍피해 임계치를 이용하면 예보된 태풍의 진로 및 강우량을 이용하여 특정 시군구의 피해 유무를 판단할 수 있어 방재업무의 효율을 높일 수 있을 것으로 판단된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
