2.1 PSR 기법

PSR (Pressure-State-Response) 기법이란 경제협력개발기구 OECD (1993)에서 개발되어 국제기구 및 각 나라의 지표 설정에 주로 활용되고 있는 방법이다. PSR 방법은 환경 변화를 측정하고 환경문제가 사회정책에 고려될 수 있도록 인간 활동과 환경 간의 인과관계를 파악하기 위해 고안되었다. PSR 구조체계를 바탕으로 취약성 분석에 영향을 미치는 압력지수(PI), 현상지수(SI), 대응지수(RI) 3개의 지수를 통해 각 지수에 들어갈 데이터를 수집하여 변수들을 선정하였다. 본 연구에서 PSR 기법을 이용하여 가중치를 계산하는 식 SVI = PI × SI/RI을 사용하였으며 계산식을 통해서 압력지수와 현상지수가 크고 대응지수가 작을수록 취약성이 크다는 것을 알 수 있다. Fig. 1은 PSR 분석법 구조 시스템의 흐름을 나타낸 것이다.

Fig. 1

PSR Method Structure System

2.2 엔트로피(Entropy) 가중치 산정 방법

엔트로피 가중치 산정 방법(Shannon, 1948)은 의사결정자의 주관적인 판단에 의존하지 않고 구성된 의사결정 문제의 데이터에 의해서만 가중치를 계산할 수 있는 객관성이 검증된 방법이며, 특정 속성에 포함된 자료들이 상이한 정도가 작을수록 엔트로피가 증가하여 충분한 정보가 전달되고 있지 않다고 가정하며 작은 가중치를 부여하는 방법이다. 가중치 선정하는 과정은 지역별 평가 항목의 속성정보를 추출하여 정규분포화를 통해 속성정보에 대한 엔트로피를 산정하고 평가 항목별 가중치를 산정한다.

엔트로피(Entropy) 방법은 대안⋅속성 행렬로부터 가중치 벡터를 추정해 내는데 이 행렬은 엔트로피 관점에서 가중치 추정 정보를 가지고 있다. 하나의 평가 기준 벡터를 보면 대안들 간의 차이가 큰 기준은 중요한 기준이고 대안들 간의 차이가 작은 기준은 덜 중요한 기준이다. 본 연구에서는 데이터의 크기가 방대하고 단위 기준이 지표별로 다르기 때문에 데이터 표준화에 앞서 엔트로피 가중치를 산정하기 위해 자료를 m개의 대안과 n개의 평가 기준을 가진 의사결정 문제는 Eq. (1)과 같이 행렬로 나타내었다. 여기에서 x_ij는j 평가기준에서의 i대안 평가값이다.

모든 속성에 대해서 정규화를 통해서 0~1사이 값으로 변환한다.∑i=1mxij는 전국 261개 시⋅군⋅구의 각 입력지표를 합한 값이고, x_ijs는 각 입력지표의 값이다. 정규화한 결과를 P_ij라 하면 P_ij는 Eq. (2)와 같이 표시된다.

정규화를 한 다음 속성 j의 엔트로피는 Eq. (3)으로 산정할 수 있다.

여기서 k는 E_j를 0~1 사이 값으로 만들기 위한 상수이다.

속성의 가중치를 구하기 위해서 다양함의 정도는dj=1-Ej와 같이 계산되며, 이 값들은 Eq. (4)와 같이 각 속성에 대하여 정규화한 것이 그 속성의 가중치(w_j)가 된다.

3.1 대설피해(취약성분석) 인자 선정 및 수집

본 연구에서는 대설 피해에 대한 직접적인 영향 및 간접적인 영향을 줄 것으로 판단되는 인자 총 8개를 선정하였고, 대설 피해를 감소시켜 줄 것으로 예상되는 인자를 총 3개를 선정하여 아래 Table 1과 같이 P-S-R 구조체계로 구축하였으며, 각 데이터들은 행정안전부, 기상청, 도로교통공단, 통계청, 국토교통부에서 제공하는 자료를 기반으로 하였다.

Table 1

Data Used for Vulnerability Analysis

세부 지표 중 압력지수(PI)에 해당하는 지표들은 대상 지역에 물리적, 환경적 압력을 평가하기 위한 수단으로 과거 연평균 대설 피해액, 도로결빙 시 교통사고 발생 건수, 평균온도 0도 이하인 날 수, 상습 결빙 구간 총길이 등 4개의 압력지수를 선정하였으며, 압력지수들의 값이 클수록 취약 정도가 크다고 판단할 수 있다. 다음으로 현상지수(SI)는 대설에 의한 피해를 파악하고 대설 피해에 노출되어 있는 정도를 판단 할 수 있는 기준으로, 시⋅군⋅구 별 도로 연장 길이, 일 최대 최심적설, 일 최대 최심신적설, 전체 교통사고 발생건 수 중 강설 시 교통사고 발생건수 비율을 선정하였고, 압력지수(PI)와 마찬가지로 현상지수들의 값이 클수록 취약정도가 크다고 판단 할 수 있다. 대응지수(RI)는 대설 발생 시 피해에 대응하고, 피해를 예방할 수 있는 지수로 시⋅군⋅구 별 제설 장비 보유개수, 공무원 수, 겨울철 평균 일조시간을 선정하였다.

각 입력자료 중 압력지수(PI)에 해당하는 인자들 중 연평균 대설 피해액이 가장 많은 지역은 충청남도 부여군이며, 서울시 종로구 등이 가장 적었다. 대설 피해는 호남⋅호서지방에 농경지 및 축사, 시설작물 농가 면적이 넓은 편에 속하기 때문에 충청남도 부여군이 가장 피해액이 많았다고 판단된다. 도로결빙 시 교통사고 발생 건수는 충청북도 청주시가 가장 많았으며, 부산광역시가 가장 적었다. 평균온도가 0도 이하인 날수가 많은 지역은 강원도 평창시이며, 제주특별자치도 서귀포시의 경우 가장 적었다. 강원도는 팔도 중에 높은 산도 많지만 주변에 산악지형으로 넓게 펼쳐져 있어 평균온도 0도 이하인 날 수 가 가장 많았다고 판단된다. 상습결빙구간 길이가 긴 지역은 충청북도 충주시이며, 서울시 성동구 등이 가장 짧았다. 현장지수(SI)에 해당하는 인자들 중 도로의 연장 길이가 길수록 적설에 의한 간접적인 피해가 많이 발생할 수 있는 지역은 제주특별자치도 제주시였고, 경기도 과천시의 경우 도로의 연장 길이가 가장 짧았다. 일 최대 최심적설이 많은 지역은 경상북도 울릉군이며, 적은 지역은 전라남도 광양시로 나타났다. 일 최대 최심신적설이 많은 지역은 강원도 강릉시이며, 적은 지역은 전라남도 광양시로 나타났다. 강원도 및 경상북도 울릉군은 기압 차이가 큰 바람이 자주 불고, 대륙적인 남쪽 공기와 서북쪽 해안 공기가 충돌하면서 서울과 강원도를 향해 이동하여 겨울철에 눈이 많이 내린다. 전체 교통사고 발생건 수 중 강설 시 교통사고 발생 건수 비율은 전라북도 임실군이 가장 많았고, 부산광역시 동구 등이 적었다. 대책지수(RI)에 해당하는 인자 중 제설 장비 보유 대수는 경기도 화성시가 가장 많았고, 충청북도 청주시, 인천광역시 등이 가장 적었다. 공무원 수는 경상남도 창원시가 가장 많았고, 인천 미추홀구가 가장 적었다. 겨울철 평균 일조시간은 전라남도 함평군이 가장 길었고, 전라북도 진안군, 전라북도 장수군이 가장 짧은 것으로 나타났다. Fig. 2는 각 인자별 취약지역 분포를 나타낸 그림이다.

Fig. 2

Distribution of Vulnerable Areas for Each Factor

3.2 대설 취약성 지수 도출

Table 1과 같이 구축된 각각의 데이터에 대한 엔트로피 방법에 적용한 결과 Table 2에서 압력지수(PI)의 가중치가 가장 높다는 것을 확인할 수 있었다. Table 2는 엔트로피 가중치를 산정한 결과 값이고, Fig. 3은 각 지수의 가중치 결과 값을 지수의 값에 따라 나타낸 것이다.

Table 2

Results of Entropy Weight Calculation (Vulnerability Analysis)

Fig. 3

Vulnerability Index by Weight

압력지수(PI)의 경우 과거(1996~2016) 연평균 대설 피해액이 가장 큰 영향을 미쳤고, 경기도 용인시, 경기도 화성시. 충청북도 충주시 순으로 가장 취약했으며, 부산광역시 동구, 울산광역시 남구, 부산광역시 동래구 순으로 가장 덜 취약했다. 현상지수(SI)의 경우 도로의 연장 길이가 가장 큰 영향을 미치는 것을 알 수 있었으며, 전라북도 정읍시, 강원도 삼척시, 청주시 흥덕구 순으로 값이 가장 크고, 대구광역시 남구, 중구, 부산광역시 금정구 순으로 가장 작은 값이 나타났다. 대응지수(RI)의 경우 겨울철 평균 일조시간이 가장 큰 영향을 미치는 것을 알 수 있었으며, 강원도 평창군, 충청북도 충주시, 강원도 춘천시 순으로 가장 크고, 부산광역시 중구, 부산광역시 동구, 부산광역시 연제구 순으로 가장 작은 값이 나타났다.

엔트로피 가중치 산정 결과 대설피해액, 상습결빙구간 길이, 노면 결빙 시 교통사고 발생건수의 가중치가 높게 책정되었고, 제설장비 보유개수, 공무원 수, 일 최대 최심 신적설의 가중치가 낮게 책정되었다. 높게 책정된 세부지표들은 각 시⋅군⋅구별 세부지표의 값의 차이가 크고, 낮게 책정된 세부지표들은 각 시⋅군⋅구별 세부지표의 값이 비슷하거나 큰 차이가 없는 세부지표로 분석되어 Table 2와 같은 가중치 결과를 얻었다. 취약성 분석을 통해 전국에 대한 대설 취약성 결과를 지도위에 지역별로의 순위를 Fig. 4에 나타내었다. 전국 대설 취약성 결과 충청남도 논산시, 충청남도 부여군, 충청남도 공주시, 전라북도 정읍시 순으로 나타났다. 대한민국의 경기⋅관동⋅영남지방이 아닌 호남⋅호서지방에 취약한 지역이 많은 이유는 적설 피해와 눈의 압력으로 인한 설압 피해 등이 많은 농경지 및 축사, 시설작물 농가 피해 발생 면적이 넓기 때문이라고 판단된다.

Fig. 4

Results of Korea Heavy Snowfall Vulnerability Analysis

3.3 강설 횟수 데이터 수집 및 분석

전국 261개 시⋅군⋅구의 강설 자료 구축은 기상청 자료 ASOS (종관기상관측자료), AWS (방재 기상정보시스템)을 바탕으로 최근 15년(2008~2022)을 수집하였다. 각 지자체의 기상관측소가 없는 경우에는 아래 Eq. (5)와 같이 역거리 자승법을 이용하여 일자별 최대 최심신적설 대한 값을 0 cm~1 cm, 1 cm~5 cm, 5 cm~10 cm, 10 cm~15 cm, 15 cm 이상으로 기준하여 강설 횟수 데이터를 수집하였다. 여기서 P_x는 결측관측점 X의 보완하고자 하는 결측값이고 D_i와 P_i는 X관측점과 i관측점 간의 거리 및 i관측점에 기록된 적설량이다.

각 지역별 0 cm~1 cm 기준에서 가장 횟수가 많았던 지역은 경상북도 울릉군(180번), 청주시 흥덕구(101번) 순으로 나타났고, 가장 횟수가 적었던 지역은 경상북도 영덕구(0번), 경상남도 양산시(0번), 산청군(0번) 순으로 나타났다. 1 cm~5 cm 기준에서 가장 횟수가 많았던 지역은 경상북도 울릉군(187번), 전라남도 목포시(104번) 순으로 나타났고, 가장 횟수가 적었던 지역은 전라남도 광양시, 고흥군, 장흥군(0번), 경상남도 김해시, 밀양시, 남해군(0번) 순으로 나타났다. 5 cm~10 cm 기준에서 가장 횟수가 많았던 지역은 경상북도 울릉군(103번), 전라북도 고창군(44번) 순으로 나타났고, 가장 횟수가 적었던 지역은 강원도 홍천, 인제 등(0번) 순으로 나타났다. 10 cm~15 cm 기준에서 가장 횟수가 많았던 지역은 경상북도 울릉군(47번), 강원도 강릉시(15번) 순으로 나타났고, 가장 횟수가 적었던 지역은 서울특별시(0번), 대전광역시(0번) 등으로 나타났다. 마지막으로 15 cm 이상 기준에서 강설 횟수가 가장 많았던 지역은 경상북도 울릉군(76번), 강원도 강릉시(27번) 순으로 나타났고, 가장 횟수가 적었던 지역은 부산광역시(0번), 대구광역시(0번) 등으로 나타났다. Fig. 5는 전국 시⋅군⋅구별 강설 횟수 분석 결과이다.

Fig. 5

Analysis of the Number of Snowfalls by City, County and District Nationwide

3.4 강설 횟수 데이터 분석 결과

본 연구에서는 대설 피해 대응을 위한 제설 장비 투입 우선순위를 제안하기 위해 대한민국 261개 시⋅군⋅구를 대상으로 취약성 분석과 강설 횟수를 분석하였다. 취약성 분석을 통한 취약성 지수와 각 지역별 강설 횟수를 분석하여 강설 시 0~1 cm, 1 cm~5 cm의 구간은 대설 피해에 영향을 거의 미치지 않을 것으로 예상하여 두 구간을 제외한 5~10 cm, 10~15 cm, 15 cm 이상에 대한 횟수를 아래와 같이 표준화 Eq. (6)을 적용하여 0~1 사이 숫자로 표준화 하였으며, 엔트로피 가중치 산정 방법을 이용하여 Table 3과 같이 각 구간 별 가중치를 구하였다. 0~1 사이 숫자로 표준화한 값과 각 구간별 가중치를 이용하여 전국에 대한 강설 횟수 결과를 지도위에 지역별로 Fig. 6에 나타내었다.

Table 3

Results of Entropy Weight Calculation (Analysis of Number of Snowfall)

Fig. 6

Results of Analysis of the Number of Snowfall

A_n=해당 지역 강설 횟수

A_vol=261개 시⋅군⋅구 강설 횟수 전체 합한 값

V=강설 횟수 0~1 변환 값

3.5 분석 결과 및 고찰

본 연구에서는 대설 취약성 지수와 강설 횟수 0~1사이 숫자 표준화 한 두 분석 결과를 합하여 대한민국 261개 시⋅군⋅구 별 제설장비 투입 최종 순위를 도출하였다. 취약성 지수 결과 충청남도 논산시, 충청남도 부여군, 충청남도 공주시, 전라북도 정읍시 순으로 취약했으며, 강설 횟수는 경상북도 울릉군, 경상남도 거창군, 경상남도 고성군, 강원도 강릉시 순으로 가장 값이 많았다. 강설횟수가 가장 많았던 경상북도 울릉군의 경우 취약성 순위는 156위로 나타났지만, 최종순위는 1위로 나타났다. 다음으로 강설횟수가 많았던 경상남도 거창군의 경우 취약성 순위는 152였지만 최종순위는 22위로 나타났다. 이에 따라 강설횟수가 많은 지역이더라도 취약성 지수에 따라 최종순위가 변하는 경향을 볼 수 있다.

이에 따라 본 연구에서는 두 분석 결과를 합하여 제설 장비 투입 우선순위를 경상북도 울릉군, 충청남도 논산시, 충청남도 공주시, 전라남도 나주시, 충청남도 부여군 순으로 제안하고자 한다. 최종 순위 결과는 Fig. 7에 나타내었다. 본 연구에서는 각 지자체의 기상관측소가 없는 경우에는 역거리 자승법을 이용하여 일자별 최대 최심신적설 대한 값을 통해 데이터를 분석 하였지만 각 시⋅군⋅구별로 기상관측소를 구축하면 대설 피해에 대한 대응 대책을 신속하고, 정확하게 마련할 수 있을 것이라 판단된다.

Fig. 7

Results of Prioritizing Snow Removal Equipment Based on Vulnerability Analysis and the Number of Snowfall Analysis