J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 16(2); 2016 > Article
하천유역의 물 관리를 위한 지표 개발 및 적용- 이수와 치수 중심으로

Abstract

World widely, water scarcity and flood mainly results from climate change and rapid urbanization, and these water-related disasters cause enormous losses. This study develops and analyzes water use and flood management indices on basin suitable for Korea reflecting regional characteristics. Study area is standard basin and the related variables were established during 20 years. The indicators were set by regression analysis and statistically based factor analysis and the indices were finally developed based on 7 sub-indices, respectively. Developed indices were compared by implementing different normalization methods. Final index was aggregated fiveyear average indices were evaluated and change of these indices was analyzed. It can help providing comprehensive information about basins status and objective measures to establish policy decision and project backgrounds.

요지

최근 전 세계적으로 기후변화와 급격한 도시화 등으로 빈번하게 물 부족 또는 홍수피해가 발생하였으며, 이로 인해 많은 피해가 보고되고 있다. 선행연구를 참고하여 국내의 실정에 맞는 하천유역별 물이용 및 홍수 관리를 위한 지수를 개발하여 적용하였다. 전국을 표준유역단위로 20년 동안 관련 자료를 구축하고, 회귀분석 및 요인분석을 실시하여 지표를 선정하였다. 객관성과 실증적인 지표 개발을 위하여 피해이력을 제외하여 7개의 세부지수로 구성하였다. 지수 개발에 있어 다양한 표준화 방법을 적용하여 비교·분석하였으며, 최종결과를 5년 단위로 등급화하여 시간의 따른 변화를 도시하였다. 향후 본 연구결과를 통하여 하천유역의 다양한 정보를 제공함으로써 관련 사업 및 정책 결정을 지원하는 기초자료 및 평가도구로 활용이 가능할 것으로 예상된다.

1. 서론

물은 인간을 포함한 모든 생물에게 필수적인 자연자원이며, 하천은 다양한 기능을 제공하고 있다. 그러나 인구증가, 도시개발로 인한 토지피복 변화, 경제발전에 필요한 수자원시설개발과 이용은 한정적인 수자원을 위협하고 있으며, 인간 활동으로 인한 탄소배출에 기인한 기후변화 또한 수자원 위협을 가중하는 원인이 되고 있다(Hoff, 2009). 최근 세계의 여러 곳에서 기후변화를 느낄 수 있으며, 불규칙한 폭우, 급격한 도시화 등으로 인하여 지역적으로 빈번하게 물 부족 또는 홍수피해가 발생하고 이로 인해 많은 인명피해와 막대한 재산피해가 발생하였다(Adamowski et al., 2010; Nalley et al., 2012). 이러한 피해를 예방하고 근본적인 원인을 파악하기 위한 통합적인 하천유역 관리가 이루어져야 한다. 또한 이를 지속적으로 모니터링하고 평가 할 수 있는 도구로 지표 및 지수가 개발되어 사용되고 있다.
물이용과 관련된 국외의 선행연구로는 전세계적으로 널리 이용되고 있는 Falkenmark et al.(1989)의 물스트레스지수가 있으며, 이를 발전시켜 물 부족지수(Gleick, 1996)가 개발되었고, 지속가능한 물이용을 위한 목적으로 Sullivan(2002)은 물빈곤지수를 제시하였으며, 이를 심화시켜 수자원관련 홍수 및 가뭄의 취약성을 평가하기 위한 기후취약지수(Sullivan, 2010)를 제시하였다. Vörösmarty et al.(2010)은 전 세계를 대상으로 인간 물 안보와 하천 생물다양성의 상호작용을 고려하여 지표를 평가하였다. 홍수관련 대표 선행연구로는 UNDP(2004)에서 재해위험지수를 개발하여 전 세계의 국가 간 재해취약성을 파악하고자 하였다. 그러나 이는 현상 및 대책 등을 반영하지 못하는 한계를 가지고 있다. Conor and Hiroki(2005)는 치수정책 우선순위 결정 및 국가별 취약성을 평가하는 홍수취약성지수를 개발하였다. WWAP(2006)는 국가별 홍수재해의 사회적 경제적 특성을 평가하고 영향 정도를 평가하기 위하여 위험성 및 정책평가지표를 개발하였다. Balica and Wright(2010)은 재해에 노출된 정도, 민감성, 회복성 등을 복합적으로 고려하여 재해에 취약한 정도를 평가하는 지수를 제시하였다.
국내에서는 Choi and Lee(2005)은 지속가능한 수자원 개발과관리를 평가하기 위한 지표를 인과관계 접근방식인 Pressure-State-Response(PSR) 구조와 Driving force-State-Response(DSR) 구조를 이용하여 개발하였고, Hong et al.(2011)은 물안보측면에서 Driving force-Pressure-State-Impact-Response(DPSIR) 구조를 활용하여 물안보지수를 개발하여 세계 152국가를 대상으로 적용하였다. Baeck and Choi(2013)는 주제접근방식으로 물이용 취약성 평가 지수를 개발하여 피해이력유무에 따른 결과 비교 분석과 현장적용성 검토를 수행하였다. KEI(2014)은 지속가능한 물이용을 위한 지표를 개발하여 중권역단위로 수자원을 위협하는 압력요인과 지속적인 수자원을 보장할 수 있는 반응요인으로 양분하여 지속가능성 지수를 개발하였다.
홍수와 관련된 치수분야에서도 활발한 연구가 진행되었다. 우선 수자원장기종합계획에 도입된 홍수피해잠재능(PFD)을 발전시키는 연구가 있었으며(Jung et al., 2001; Kim and Kim, 2003; An et al., 2007), Park et al.(2005)은 전국 232개 시군구별 과거 홍수피해자료와 관련인자를 도출하여 발생빈도와 피해액과의 관계를 중심으로 홍수피해지표를 개발하였다. Lim et al.(2010)은 PSR구조로 중권역별 홍수위험지수를 개발하였고, Kim et al.(2013)은 전국 16개 광역시도 홍수취약성 평가를 수행하여 순위를 산정하였다. Baeck et al.(2014)는 중권역별 홍수취약성평가지수를 개발하여 현황분석 및 미래의 시나리오를 적용하여 경향을 예측하였다.
그 밖에 유역통합물관리의 개념으로 Kang et al.(2010)은 한강수계를 대상으로 이수, 홍수, 환경 및 생태계 관리를 위한 통합지수를 개발하였다. KEI(2008)는 기후변화 취약성의 정량적 분석을 통한 최초 연구를 수행하였으며, 소방방재청의 자료와 비교 검증을 수행하였다.
하천관련 지표연구는 대부분 환경, 생태계, 친수 등의 연구가 주를 이루며, 국내의 경우 하천관련 자료는 일회성 자료이거나 일부 하천에 관한 자료만 제공되어 하천 전체를 평가하기에는 관련 자료가 부족하다. 자료의 보유기간이 국외에 비해 상당히 짧고 전국적인 조사가 아닌 일부 하천에만 국한된 자료만이 제공되고 있는 한계점이 있다.
따라서 본 논문에서는 하천의 유역기반 자료를 구축하고 국내에 맞는 물이용 및 홍수 관리 지수를 개발하여 이를 적용하였다. 지수 개발 방법으로는 주제접근방식으로 지표를 구성하였으며, 각 세부지표는 요인분석을 통하여 객관적으로 선정하였다. 또한 제시한 지수의 신뢰성을 높이기 위하여 분석기간 이후 발생한 홍수피해 자료를 이용하여 결과를 비교하였다. 제시한 지수는 물이용 및 홍수 관리를 위한 유역의 다양한 정보를 제공하고, 향후 수자원 계획 수립 및 관련 사업에 기초자료로 활용이 가능할 것으로 예상된다.

2. 이론적 배경

2.1 요인분석

요인분석은 다수 변수들 간의 상관관계를 분석하여 변수들의 바탕을 이루는 공통차원들로써 변수들을 설명하는 통계기법으로 적은 수의 요인으로 축소시키는 다변량 분석기법 중의 하나이다(Ghahramani and Hinton, 1997). 요인분석은 직접 관찰 할 수 없는 근본적인 요인의 측면에서 변수들 사이의 상관관계를 설명하기 위해 시도한다(Yu et al., 2003). 요인분석은 보통 크게 선행단계, 요인추출, 요인회전, 요인점수 등으로 나누어 진행된다. 요인분석의 기본개념은 Eq. (1)과 같이 표현된다.
(1)
xp=λp1f1+λp2f2++λpkfk+εp
여기서, x=p개의 변수군(x1, x2, … xp), f=k개의 잠재요인군(f1, f2, … fk), ε=p개의 오차요소(error component) ε1, ε2, … εp, λ=변수 x와 요인 f와의 요인 부하량(factor loading)
선행단계에서는 모든 변수의 상관계수 행렬을 계산하여 타당성에 관련된 통계량을 통하여 요인분석에 적합성을 판단하게 된다. 판단방법은 표본적합성검사(Kaiser-Meyer-Olkin), Bartlett의 구형검정, 개별 변수에 대한 표본적합성 측도(measure of sampling adequacy, MSA)가 있다. KMO 검사는 잔영상관행렬(anti-image correlation matrix)을 사용하여 계산된 통계량으로 자료가 요인분석에 적합한지를 판단한다. 잔영상관행렬이란 각 변수간의 요인공통분산을 각 변수들로부터 제거한 뒤 변수 고유분산과 잔차 분산만을 대상으로 계산된 상관행렬을 말한다. 표본적합성 측도는 Eq. (2)와 같다.
(2)
전체KMO=ikrjk2ikrjk2+ikqjk2
여기서, q2jk=잔영상관행렬의 비대각선에 있는 계수의 제곱, R2jk=원래의 상관행렬의 비대각선에 있는 계수의 제곱을 나타낸다(Friel, 2008).

2.2 지수 산정 방법

지수의 개발과정은 개발자에 따라 조금씩 과정상 차이를 보이고 있지만, 공통적으로 중요한 단계를 거친다. 우선 개발 목표설정과 구성 체계를 정하고 다양한 자료들을 비교 가능하도록 무차원화하는 표준화(normalization) 과정과, 가중치부여(weights), 그리고 집계(aggregation) 과정이다. 표준화 방법의 경우 다양한 방법들이 제시되고 있으며(Nardo et al., 2005), 본 연구에서는 다양한 표준화 방법 중 Z-score, Re-scaling, Categorical scales 방법을 적용하여 결과를 비교하였다. 우선, Z-score 방법은 Eq. (3)과 같다.
(3)
V=xuσ
여기서 V=표준화 값; u=변수 평균 값; σ =표준 편차 값이다. Eq. (3)에 의해 산출된 결과는 음의 값을 가질 수 있기 때문에 모든 변수의 표준화값을 0보다 크게 하기 위해 normal distribution을 이용하여 0부터 1까지의 값으로 변환하였다.
Re-scaling 방법은 표준편차보다 지표의 범위에 기반을 둔 변환 방법으로 값을 0부터 1까지의 범위를 갖도록 하며, Eq. (4)와 같다.
(4)
V=xmin(x)max(x)min(x)
Categorical scales은 우선 자료의 범주를 정하고 각 범주를 점수화하여 모든 자료들이 범주에 해당되는 지정 범주 값으로 변환하며, Eq. (5)와 같다.
(5)
V={.25 if x{p25th}                 .50 if x{p50thp25th}  .75 if x{p75thp50th}  1.0 if x{p100thp75th}
표준화를 거친 변수들은 계산된 가중치 값을 이용하여 Eq. (6)를 이용하여 세부지수를 산정할 수 있다.
(6)
Ij=rw1V1+rw2V2++rwnVnrw1+rw2++rwn
여기서, rwn=상대적가중치(Table 35); Vn=표준화 값; n=지표의 수; Ij=세부지수
Table 1
Multiple regression coefficient summary of water use management sector
Term Variables B Standard error β t Prob.
Crop damage (Constant) -4.655 2.125 -3.553 0.000
Agricultural water per cropland 1.888 0.205 0.377 9.202 0.000
Multi-regional water supply ratio -0.015 0.004 -0.136 -3.313 0.001
Water supply ratio -0.217 0.037 -0.311 -5.881 0.000
Underground water usage ratio 0.264 0.068 0.205 3.868 0.000
Consecutive non-rainy days 1.336 0.056 0.192 2.388 0.002
Irrigated fields ratio 0.019 0.009 0.092 2.184 0.003
Physical exposed cropland (6 month 90%) 1.069 0.088 0.534 12.188 0.000
Water supply restriction (Constant) -1.300 0.622 -2.185 0.003
Water supply ratio -0.224 0.067 -0.203 -3.332 0.001
Sewer supply ratio -0.241 0.076 -0.183 -3.160 0.002
GRDP per capita -0.298 0.084 -0.208 -3.531 0.000
Water usage ratio -0.407 0.125 -0.247 -3.241 0.001
Urban area ratio 0.733 0.214 0.296 3.427 0.001
Water storage ratio -0.019 0.006 -0.120 -2.945 0.003
Multi-regional water supply ratio -0.019 0.009 -0.104 -2.139 0.003
Physical exposed population (6 month 90%) 0.576 0.104 0.485 5.545 0.000
Table 2
Multiple regression coefficient summary of flood management sector
Term Variables B Standard error β t Prob.
Death Toll (Constant) -5.002 0.358 -6.363 0.000
Frequency based population 0.770 0.030 0.830 25.258 0.000
Sewer supply ratio -0.376 0.041 -0.279 -9.226 0.000
Rice paddy area ratio -0.203 0.025 -0.209 -8.075 0.000
Vulnerable population 0.617 0.252 0.068 2.445 0.015
Number of typhoon 0.734 0.091 0.183 8.064 0.000
GRDP -0.219 0.034 -0.170 -6.347 0.000
Annual precipitation 1.155 0.318 0.089 3.635 0.000
Bank maintenance ratio -0.118 0.025 -0.108 -4.722 0.000
Average basin slope 0.136 0.035 0.094 3.921 0.000
Government official -0.265 -0.084 0.082 -3.165 0.002
Frequency of over 150 mm 0.037 0.013 0.067 2.763 0.006
Flood Loss Amount (Constant) -2.232 0.828 -5.051 0.000
Sewer supply ratio -0.116 0.023 -0.198 -4.996 0.000
GRDP 0.065 0.019 0.122 3.439 0.001
Urban area ratio 0.014 0.005 0.099 2.901 0.004
Frequency of over 150 mm 0.021 0.010 0.065 2.157 0.004
Number of typhoon 0.224 0.073 0.092 3.083 0.002
Annual precipitation 0.808 0.254 0.102 3.174 0.002
Average basin slope 0.245 0.027 0.276 8.942 0.000
Rice paddy area Ratio -0.189 0.018 -0.320 -10.408 0.000
Frequency based asset 0.305 0.024 0.446 12.696 0.000
Table 3
Extracted indicators through FA and relative weights for water use management sector
Sub-index (Factor) Indicator (Variable) Factor loading Eigen value Accumulated variance (%) Relative weights
Water consumption Water usage ratio
Water availability group
Groundwater development ratio
.843
.842
.654
2.314 16.525 .360
.360
.280
Water supply efficiency GRDP per unit water usage
Multi-regional water supply ratio
Water and sewer supply financial soundness
.721
.623
.618
1.673 28.475 .367
.318
.315
Water resources Available water resources amount per water availability group
Available groundwater development per water availability group
.908
.638
1.301 37.768 .587
.413
Hydro-meteorology Consecutive non-rainy days
Rainfall fluctuation
.740
.745
1.243 46.644 .498
.502
Water management Government official related water use
Fairness of water use
.821
.671
1.242 55.514 .550
.450
Water storage ratio Water storage ratio .985 1.018 62.786 1.000
Water re-utilization Wastewater re-utilization .989 1.010 70.001 1.000
Table 4
Explanation of indicators for water use management sector
Indicator Explanation Unit
Water usage ratio Sum of water use of household, industrial and agricultural per river runoff by basin %
Water availability group std(population density+cultivated area ratio+industrial area ratio+livestock density by basin)/4 -
Groundwater development ratio Groundwater usage per groundwater available amount by basin %
GRDP per unit water usage Gross Regional Domestic Product per sum of water use of household, industrial and agricultural by basin ₩/m3/yr
Multi-regional water supply ratio Multi-regional household and industrial water supply amount per sum of household, industrial water use amount by basin %
Water and sewer supply financial soundness Water and sewer supply system capital imports per water and sewer supply system revenues by basin %
Available water resources amount per water availability group River runoff per water availability group by basin m3/yr
Available groundwater development per water availability group Groundwater available amount per water availability group by basin m3/yr
Consecutive non-rainy days The maximum number of consecutive non-rainy days by basin Day
Rainfall fluctuation The average of the monthly deviation rate compared to average monthly precipitation by basin -
Government official related water use The number of government official related water supply and sewer per popula-tion by basin %
Fairness of water use Sum of water and sewer supply ratio and fairness of water charge by basin / 3 %
Water storage ratio Dam and agricultural reservoir capacity per river runoff by basin %
Wastewater re-utilization Waste water treatment amount for household and industrial per sum of house-hold and industrial water use amount by basin %
Table 5
Extracted indicators through FA and relative weights for flood management sector
Sub-index Indicator Factor loading Eigen value Accumulated variance (%) Relative weights
Loss weighting element Population Density
Vulnerable Population Density
Urbanization Ratio
Infrastructure Density
.977
.970
.930
.907
3.876 24.222 0.258
0.256
0.246
0.240
Basin characteristic Rice Paddy Area Ratio
Basin Average Slope
.893
-.849
1.828 35.646 0.512
0.488
Hydro-meteorological feature Daily Rainfall Casualty Frequency
Concentration of Summer Season Rainfall
Frequency of Typhoon
.817
.716
.612
1.573 45.476 0.381
0.334
0.285
Flood defense Water Control Related Government Official
Bank Maintenance Ratio
Disaster Risk District Area Ratio
.746
.500
.407
1.157 52.707 0.451
0.303
0.246
Defense capability Drainage Pump Station Capacity
Financial Independence Rate
.799
.452
1.146 59.873 0.639
0.361
Internal drainage Storm Sewer Pipeline .985 1.010 66.187 1.00
Flood control Flood Control Capacity .926 1.007 72.419 1.00
가중치 산정은 요인분석결과인 변수들의 요인부하량을 이용하여 Table 35에 상대적가중치를 제시하였으며, 각각의 요인인 세부지수는 동일한 가중치를 사용하였다. 마지막으로, 최종 지수는 Eq. (7)을 이용하여 계산할 수 있다.
(7)
Ifinal=j = 1n(ωj×Ij)j = 1nωj
여기서, wj=동일가중치(1/n); Ij=세부지수; Ifinal=물이용 및 치수 관리 지수
지수 산정결과를 Quantile 분류법에 의하여 총 5개의 등급으로 분류하였으며 Low(L), Medium Low(ML), Medium(M), Medium High(MH), High(H)로 하였다.

3. 자료 구축 및 지표 선정

3.1 자료 구축

국내에서 제공하고 있는 하천유역관련 기초자료중 앞에서 언급하였듯이 하천관련 자료만으로 평가하기에는 부족한 현실이다. 따라서, 하천이 포함되어 있는 유역기반의 관련 기초자료에 대하여 조사 및 구축하였다. 자료의 대부분은 국가수자원관리종합정보시스템(WAMIS)에서 제공하는 자료를 사용하였으며, 그 밖에 국토교통부, 환경부, 소방방재청, 통계청, 지자체, 각종 연보 및 관련 연구보고서 등 다양한 기관 및 연구 자료를 참고하였다. 이러한 자료들은 각각 목적, 방법, 조사시기, 공간범위 등이 다르며 이러한 자료들을 시·공간적으로 통일하여 DB를 구축할 필요가 있다. 본 연구에서는 수집한 자료들의 시간범위는 1990년부터 2009년까지 연단위로자료를 구축하였고, 자료의 공간적인 범위는 표준유역단위로 구축하였다.

3.2 과거데이터 분석

물관련 재해들은 자연적 요소, 사회적 요소, 정책적 요소, 물리적 요인 등 복합적으로 작용하여 발생 하게 된다(Changnon, 1996; Pielke and Downton, 2000; Changnon et al., 2000; Choi, 2004; Skakun et al., 2015). 물이용 및 홍수관리를 위한 지표를 선정하기 위하여 과거 피해데이터를 분석하여 영향력이 있는 변수들을 잠재지표로 선정하고자 하였다. Conor and Hiroki(2005)UNDP(2004)는 과거 데이터를 분석하여 위험도를 평가하였다. 국내에서도 Choi(2004)는 패널모형을 통한 도시지역 수해결정요인 분석을 수행하였으며, Jang and Kim(2009)는 지역회귀분석을 이용한 홍수피해위험도 산정을 하였다. 본 연구에서는 물이용 및 홍수의 대표적인 피해에 대하여 복합적인 요소에 대한 상관관계를 분석하고, 다중회귀분석을 수행하였다. UNDP에서 적용하였던 노출정도를 고려하여 물이용의 경우 3, 6개월 지속기간 평균 강우량 대비 전체기간에 대한 지속기간별 강우량이 50%, 75%, 90% 이하인 경우에 대하여 노출정도를 산정하였고, Table 1에서와 같이 6개월 90%이하인 빈도의 노출이 영향이 큰 것으로 나타났다. 홍수의 경우 전체기간 중 홍수피해가 발생한 횟수를 전체기간으로 나눠줌으로써 홍수피해에 대한 노출정도를 산정할 수 있다.
물이용의 종속변수로는 농작물 피해, 제한급수인구 수를 홍수의 경우 인명피해와 홍수피해액을 종속변수로 하였으며, 피해를 유발시키는 다양한 요소들로 구성된 변수들을 독립변수로 하여 다중회귀분석 수행하였다. 분석결과는 Table 12에 정리하였다. 독립변수들 중 유의 수준과 다중공선성문제가 있는 변수들은 제외시켰으며, R과 수정된 R2값은 농작물피해는 0.708과 0.492, 제한급수는 0.514와 0.251, 인명피해는 0.792와 0.622, 재산피해는 0.651과 0.418이다. 각 분야의 해당 독립변수들만으로 전국을 대상으로 피해의 원인을 설명하기에는 무리가 있음을 확인 할 수 있다. 이 분석을 통하여 재해관련 피해모형을 예측하기보다는 어떤 변수들이 피해에 영향을 미치는가를 분석한 결과에서 의미가 있다고 할 수 있다.
즉, 과거데이터 분석을 통하여 재해에 영향을 미치는 잠재지표를 규명하고자 하는 것이 아니라 지표 선정에 있어서 이 결과를 참고하여 영향이 있는 인자들을 포함하고자 한 것이다.

3.3 요인분석을 통한 세부지표 선정

하천유역의 지속적인 관리를 위한 지표를 선정하고자 요인분석을 수행하였으며, 피해이력을 제외한 변수들을 활용하였다.
물이용 평가관리를 위한 변수들을 요인분석을 통하여 그룹화하고 최종 14개의 세부지표를 선정하였다. 선행단계로 KMO 표본적합도 측정 및 Bartlett 검정을 실시하였으며 KMO는 0.665, Bartlett 검정 결과로 근사 카이제곱은 34843.751, 자유도 120, 유의확률 0.000을 나타나 요인분석에 적합함을 확인하였다. 선정된 세부지표들은 표본적합성측도와 요인공통분산의 총 분산에 대한 비율 등을 고려하여 Eigen value가 1.0 이상인 7개의 요인으로 추출되었다. 총분산에 대한 이들 요인들의 누가 분산비율은 70%로 나타났으며 요인회전은 가장 많이 사용되고 있는 직각회전법 중 하나인 varimax법을 사용하였다. 요인분석 결과는 Table 3과 같이 정리하였다.
요인분석을 통하여 물이용 분야의 선정된 세부지표는 7개의 요인으로 축소할 수 있으며, 각각의 요인은 세부지수로 활용하였다.
세부지수는 물소비, 물공급효율, 수자원, 수문기상, 물관리, 저수율, 물재이용이라 하였고, 각각의 세부지수에 포함된 지표들의 설명은 Table 4에 정리하였다. 세부지수를 종합한 최종지수를 물이용관리 지수라 하였다.
홍수 관리를 평가하기 위하여 요인분석을 실시하여 최종적으로 16개의 세부지표를 선정하였다. 요인분석의 선행단계로 KMO 표본적합도 측정 및 Bartlett 검정을 실시하였으며, KMO 측정은 0.725, Bartlett 검정 결과의 근사 카이제곱은 158709.472, 자유도 120, 유의확률 0.000을 나타나 홍수 관련잠재지표들을 통한 요인분석은 적합하다는 것을 확인하였다.
물이용 분야와 같이 Eigen value는 1.0 이상, 그리고 요인회전은 varimax법을 사용하여 7개의 요인의 누가 분산비율은 72.4%이며, 결과는 Table 5와 같다. 각각의 요인은 세부지수로 활용하였으며, 피해가중요소, 유역특성, 수문기상특성, 홍수방어, 저감능력, 내수배제, 홍수조절이라 하였고, 각각의 세부지수에 포함된 각각 지표들의 설명은 Table 6에 정리하였다. 세부지수를 종합한 최종지수는 홍수 관리 지수라 하였다.
Table 6
Explanation of indicators for flood management sector
Indicator Explanation Unit
Population Density Total population per basin area Persons/km2
Vulnerable Population Density Vulnerable population (age below 15, over 65) per basin area Persons/km2
Urbanization Ratio Urban area per basin area %
Infrastructure Density Total of roads and bridges by basins per basin area ₩/m2
Rice Paddy Area Ratio Rice paddy area per basin area %
Basin Average Slope Average basin slope %
Daily Rainfall Casualty Frequency Number of days with daily rainfall over 150 mm by basins Days
Summer Rainfall Localization Degree Rainfall from June to September by basins per annual rainfall by basins -
Frequency of Typhoon Number of annual losses from typhoon by basins No.
Water Control Related Government Official Water control related government officials by basins per total population by basins %
Bank Maintenance Ratio Extension of previously repaired national rivers per extension of repair required national rivers %
Disaster Risk District Area Rate Disaster risk district area by basins per basin area %
Drainage Pump Station Capacity Drainage pump station capacity by basins ton/min
Financial Independence Rate (local tax + non tax income) by basins per general accounting by basins %
Storm Sewer Pipeline Extension of storm sewer pipeline facilities plan by basins per extension storm sewer pipeline facilities plan by basins %
Flood Control Capacity (flood control capacity × dam upstream basin) by basins per accumulated basin area Million m3

4. 지수 산정 결과

4.1 표준화 방법에 따른 결과 비교

하천유역 관리를 위한 지수를 산정하고자 수집한 자료들을 이용하여 최종적으로 선정된 지표와 관련된 자료들을 Eq. (3)의 Z-score 방식과 Eq. (4)의 Re-scaling, 마지막으로 Eq. (5)의 Categorical scale 표준화 방법에 따른 결과를 비교하였다. 우선 표준화된 지표 값들을 Eq. (6)을 이용하여 세부지수를 계산하고 Eq. (7)을 통하여 최종지수를 산정할 수 있다. 산정된 값들은 1990년부터 2009년까지 연도별 표준유역의 값을 산정하였으며, 표준화 방법에 따른 결과를 비교하기 위하여 전체 평균을 하여 물이용 관리 지수의 경우 Fig. 1과 같다.
Fig. 1
A comparison of normalization methods for water use sector
KOSHAM_16_02_483_fig_1.gif
Fig. 1에서 볼 수 있듯이 Z-score 방법의 경우 지수 값은30.9에서 63.5로 나타났으며, Re-scaling 방법에 의해 산정된 지수 값은 45.5에서 51.6까지 상당히 좁은 범위로 나타났다.Categorical scale은 37.6에서 84.8까지 범위가 상당히 넓게 나타났는데, 이는 범주를 정해주고 그 범위에 있는 모든 값을 동일하게 변환하므로 각 변수들 간의 차이를 명확하게 반영하지 못하며 각 범주별 표준화 값이 큰 차이를 보이기 때문에 지수 산정 값의 범위가 넓게 나타나고 다른 방법에 비하여 큰 값들을 갖게 된다.
홍수 관리 지수의 경우도 Fig. 2에서 볼 수 있듯이 Z-score방법의 경우 지수 값은 36.4에서 58.2로 나타났고, Re-scaling의 경우 47에서 55.7까지이며, Categorical scale은 39.4에서 78.1까지 범위가 상당히 넓게 나타났다. Z-score에 비하여Re-scaling은 자료의 최대 또는 최솟값이 신뢰할 수 없는 이상치가 될 수도 있어서 이러한 요인들이 변환된 지표들에게 왜곡된 효과를 줄 수도 있다. 또한, 여기에서는 값의 범위가 작게 나타나기 때문에 등급으로 분류를 할 경우에 작은 값에 민감하게 반응할 수 있다. Categorical scale 방법은 표준화된 값이 시간에 따라 어떤 작은 변화를 한다 하더라도 이러한 변화과정이 결과에 큰 영향을 미치지 않는 장점이 있지만 범주의 사이 값들은 동일한 점수를 받게 되어 자료의 특성을 반영되지 않는다. 표준화 방법에 따른 지수를 비교한 결과 본 연구에서 사용할 표준화 방법으로는 Z-score 표준화 방법으로 결정하였으며, 하천유역별 물이용 및 홍수 관리 지수 결과를 산정하였다.
Fig. 2
A comparison of normalization methods for flood sector
KOSHAM_16_02_483_fig_2.gif

4.2 물이용 관리 지수

세부지수를 종합하여 물이용 관리 지수를 산정한 결과를 취약성이 낮은 1등급부터 높은 5등급까지 Quantile법을 이용하여 분류하였다. 우리나라의 표준유역을 대상으로 20년 동안 16,240개의 결과를 그림 Fig. 3(a)와 같이 도수 분포를 도시하였으며, 등급구간의 경계를 나타내었다. L등급은 45.81까지의 값으로 3,247개이며, ML등급은 49.99까지 3,250개의 값으로 분류되어있다. M등급은 53.33까지 3,250개, MH등급은 56.72까지 3,244개이며, 마지막으로 H등급은 3,249개로 구성되어있다.
Fig. 3
Results of water use management index
KOSHAM_16_02_483_fig_3.gif
분석 연도별 지수의 평균값의 결과를 최솟값, 제1사분위수, 중앙값, 제3사분위수, 최댓값을 확인할 수 있도록 Fig. 3(b)와 같이 도시하였다.
각각의 세부지수의 경향을 살펴보면 다음과 같다: 물소비는 도서해안과 한강, 금강, 낙동강의 하류가 취약성이 높게 나타났으며, 전체적으로 증가하였다. 물공급효율은 전체적으로 감소하긴 하였으나, GRDP와 재정건정성의 경우 대도시를 제외한 나머지 유역에서 취약성이 높게 나타났다. 수문기상은 전체적으로 과거에 비하여 취약성이 증가하는 것으로 나타났으며, 이는 기후변화, 연속무강우일수의 증가 등의 기상이변이 큰 영향으로 사료된다. 반면에 물관리는 보급률의 증가 공무원수의 증가 등으로 취약성이 낮아지는 것으로 나타났다. 한편 수자원과 저수율의 세부지표는 전체적으로 크게 변화가 없는 것으로 나타났다. 물재이용은 2000년 이후 하수처리장 및 폐수처리장의 신설로 인하여 취약성이 낮아지는 것으로 나타났다.
최종 지수 결과를 5년 단위로 등급별 시간에 따른 변화를 Fig. 3(c)에서 (f)까지 나타내었다. 전체적으로 도서지역과 낙동강유역의 경우 취약성이 다른 곳에 비하여 높게 나타나는 것을 확인할 수 있으며, 1990년대 비하여 2000년 후반에 전국적으로 취약성이 낮아진 것을 확인할 수 있다.
기후변화와 강우의 패턴이 바뀌면서 수문기상 지표들의 영향이 크게 미칠 것으로 생각 되었으나, 최종지수에는 크게 영향이 없는 것으로 분석되었다. 물관리 지표들과 같은 대책 관련 지표들로 인하여 전체적으로 취약성이 낮아지는 것을 확인하였다. 이는 정부 및 관계기관들의 지속적인 이수 관련 사업과 다양한 대책 수립 등을 통하여 나타난 결과라 판단된다.

4.3 홍수 관리 지수

홍수 관리 지수의 세부지수를 종합하여 결과를 취약성이 낮은 1등급부터 높은 5등급까지 Quantile법을 이용하여 분류하여 그림 Fig. 4(a)와 같이 Histogram으로 도시하였다. 등급구간의 경계를 살펴보면, L등급은 45.43까지의 값으로 3,251개이며, ML등급은 48.91까지 3,241개의 값으로 분류되어있다. M등급은 51.80까지 3,253개, MH등급은 54.80까지 3,248개이며, 마지막으로 H등급은 3,247개로 구성되어있다. Fig.4(b)는 연도별 지수의 평균값의 결과를 최솟값, 제1사분위수, 중앙값, 제3사분위수, 최댓값을 확인할 수 있도록 Box plots으로 나타내었다.
Fig. 4
Results of flood management index
KOSHAM_16_02_483_fig_4.gif
각각의 세부지수의 경향을 살펴보면 피해가중요소는 대도시의 인구집중화, 도시화, 인구의 고령화 등의 원인으로 취약성이 갈수록 증가하였다. 유역특성은 전체적으로 변화가 없으나, 최근 논면적의 감소로 취약성은 조금 증가하는 유역을 볼 수 있었다. 수문기상특성은 2000년대 초반까지 매미, 루사와 같은 중대형 태풍과 하절기강우집중도로 한강유역과 남부지방의 취약성이 높게 분석되었다.
홍수방어는 관련 공무원, 제방정비율이 과거에 비하여 크게 증가하여 전체적인 취약성은 줄어들었다. 저감능력의 경우 세부지표인 배수시설이 늘어나서 취약성이 감소하는 듯하였으나, 사회·경제적인 측면의 재정자립도가 과거에 비하여 상당히 낮아져 전체적인 취약성은 증가한 것으로 분석되었다. 내수배제의 경우 지속적인 우수관로의 확장 및 신설로 최근 취약성이 상당히 감소하였다. 마지막으로 홍수조절능력은 하천 및 댐 주변의 유역으로 최근 취약성이 낮아지긴 하였지만 과거에 비하여 크게 변화는 없는 것으로 나타났다.
최종적으로 홍수 관리 지수의 결과를 5년 단위로 분석하여 시·공간적인 변화를 Fig. 4(c)에서 (f)까지 나타내었다. 과거에 비하여 홍수관련 정책과 사업 등이 시행되었음에도 불구하고, 2000년대 초반까지 취약성이 높게 나타나는 유역이 증가하는 것으로 나타났다. 이것은 기후, 강우특성의 변화 등으로 인하여 설계기준을 초과하는 집중호우와 잦은 태풍으로 인한 결과로 분석된다. 또한, 도시화와 지역개발로 인하여 많은 지역 및 인구가 홍수에 노출되었기 때문으로 생각된다.

4.4 피해 자료를 이용한 지수 검증

개발한 관리 지수는 지속인 모니터링과 평가가 가능하여야 지수로서 의미가 있다. 분석한 자료와 동일한 출처의 2010년의 자료를 사용하여 산정한 결과와 피해지역과의 비교를 하였다. 물이용 관리 지수와 관련된 자료는 업데이트가 부분적으로만 되어 있어 분석이 어렵지만, 홍수 관리 지수 자료는 획득이 가능하여 분석을 실시하였다.
2010년의 경우 태풍 곤파스 등 총 22회의 자연재난으로 14명의 인명피해와 4,268 억원의 재산피해가 발생하였으며, 장마기간 중 반복적인 선행강우와 강풍에 의하여 충청남도와 경기도가 큰 피해가 발생하였다(NEMA, 2011). 2010년의 피해우심 시군구 피해액은 Fig. 5와 같다.
Fig. 5
2010 Administrative divisions damage
KOSHAM_16_02_483_fig_5.gif
홍수 관리 지수의 7개의 세부지수와 16개의 지표를 산정하기 위하여 관련 기초자료들을 조사하여 구축하였고, 동일한 조건으로 분석을 실시한 결과는 Fig. 6과 같다. 소방방재청의 재해연보의 자료 제공범위는 행정단위인 시군구자료이며, 분석의 범위는 표준유역이기 때문에 정확하게 공간범위의 단위가 일치할 수 없지만, 취약성이 높게 나타난 유역에서 피해가 발생하는 것을 확인 할 수 있다. 큰 피해가 발생한 충청도 서해안 지역과 전라북도 지역의 경우 취약성이 상대적으로 높게 나타났다. 그 외 일부 강원도 지역의 경우 다른 지역에 비하여 취약성이 다소 높은 경향이 있는데, 이는 유역의 특성 및 피해 예방을 위한 방어능력이 미흡하기 때문으로 분석된다. 이와 같이 개발한 관리 지수는 자료가 구축되면 지속적인 모니터링이 가능하며, 관리를 위한 평가 도구로 활용이 가능할 것으로 기대된다.
Fig. 6
A comparison of FMI and loss
KOSHAM_16_02_483_fig_6.gif

5. 결론

과거에 비하여 최근 기후변화 등 여러 원인으로 수자원관련피해가 증가하고 있다. 피해를 최소화하기 위해서는 유역통합관리가 필요하며, 통합관리를 위한 지속적인 모니터링과 평가할 수 있는 도구가 필요하다. 국내외 유역을 평가하기 위해 지표 및 평가 기법이 개발되어 왔으며, 본 연구에서는 국내실정에 맞는 물이용 및 홍수 관리 지수를 개발하였다. 지수는 주제접근방식으로 객관적 방법을 통하여 선정하였고, 분석기간은 1990년부터 2009년까지 이며, 공간범위는 남한의 표준유역을 대상으로 분석을 수행하였다. 개발단계에 있어서 표준화 방법을 Z-score, Re-scaling, Categorical scale에 대하여 검토를 하였으며, 최종적으로 Z-score 방법을 채택하였다.
수문, 기상, 사회·경제, 물리적 요소 등의 다양한 요인을 고려하여 과거데이터 분석을 기반으로 물이용 및 홍수 분야에 요인분석을 통하여 각 7개의 세부지수와 세부지표들을 선정하였다. 물이용 관리 지수를 위한 세부지수는 물소비, 물공급효율, 수자원, 수문기상, 물관리, 저수율, 물재이용이며, 홍수관리 지수의 세부지수는 피해가중요소, 유역특성, 수문기상특성, 홍수방어, 저감능력, 내수배제, 홍수조절이다.
개발한 지수를 적용하여 유역별 평가를 수행하였으며, 과거에 비하여 취약성이 많이 낮아지는 것으로 분석되었다. 이는 정부의 관련 정책과 사업 등의 노력에 의한 것으로 판단된다. 또한, 2010년 홍수피해 자료를 이용하여 지수 결과와 피해발생지역과의 비교를 통하여 제시한 방법이 타당하고 지속적인 평가도구로 활용가능성을 확인하였다.
향후 본 연구결과를 통하여 하천유역의 다양한 정보를 제공함으로써 관련 사업 및 정책 결정을 지원하는 기초자료 및 평가도구로 활용이 가능할 것으로 예상된다.

References

1. Adamowski, J, Adamowski, K, and Bougadis, J (2010) Influence of Trend on Short Duration Design Storms. Water Resour Manage, Vol. 24, pp. 401-413. 10.1007/s11269-009-9452-z.
crossref
2. An, J.H, Gang, D.S, and Yun, Y.N (2007) ImproVing Potential Flood Damage. Magazine of Korea Water Resources Association, Vol. 40, No. No. 11, pp. 42-49.
crossref
3. Baeck, S.H, and Choi, S.J (2013) Evaluation of Basin-specific Water use through Development of Water use Assessment Index. J. Wetlands Research, Vol. 15, No. No. 3, pp. 367-380. 10.17663/JWR.2013.15.3.367.
crossref
4. Baeck, S.H, Choi, S.J, Choi, G.W, and Lee, D.R (2014) A Study of Evaluating and fOrecasting Watersheds using the Flood VulNerability Assessment Index in Korea. Geomatics, Natural Hazards and Risk, Vol. 5, No. No. 3, pp. 208-231. 10.1080/19475705.2013.803268.
crossref
5. Balica, S.F, and Wright, N.G (2010) Reducing the Complexity of the Flood Vulnerability Index. Environmental Hazard, Vol. 9, No. No.4, pp. 321-339. 10.3763/ehaz.2010.0043.
crossref
6. Changnon, S.A (1996). The great flood of 1993: causes, impacts, and responses. Westview press.
crossref
7. Changnon, S.A, Pielke, R.A, Changnon, D, Sylves, R.T, and Pulwarty, R (2000) Human Factors Explain the Increased Losses from Weather and Climate Extremes. Bulletin of the American Meteorological Society, American Meteorological Society, Vol. 81, No. No. 3, pp. 437-442. 10.1175/1520-0477(2000)081<0437:HFETIL>2.3.CO;2.
crossref
8. Choi, C.I (2004) Panel Models about Determining Factors of Urban Flood Damages. J. the Korea Planning Association, Korea Planners Association, Vol. 39, No. No. 7, pp. 49-67.
crossref
9. Choi, S.J, and Lee, D.R (2005) Indicators for Evaluation of Sustainable Water Resources Development and Management. J. Korea Water Resources Association, Vol. 38, No. No.9, pp. 779-790. 10.3741/JKWRA.2005.38.9.779.
crossref
10. Connor, R.F, and Hiroki, K (2005) Development of a method for assessing flood vulnerability. Water Science & Technology, Vol. 51, No. No. 5, pp. 61-67. 15918359.
crossref
11. Falkenmark, M, Lundqvist, J, and Widstrand, C (1989) Macroscale Water Scarcity Requires Micro-scale Approaches: Aspects of Vulnerability in Semi-arid Development. Natural Resources Forum, Vol. 13, No. No. 4, pp. 258-267. 10.1111/j.1477-8947.1989.tb00348.x. 12317608.
crossref pmid
12. Friel, C.M (2008). Notes on factor analysis, Criminal justice center. Sam Houston State University.
crossref
13. Ghahramani, Z, and Hinton, GE (1997) The EM algorithm for mixture of factor analyzers. University of Toronto Technical Report, University of Toronto.
crossref
14. Gleick, P.H (1996) Basic Water Requirements for Human Activities: Meeting Basic Needs. Water International, Vol. 21, pp. 83-92. 10.1080/02508069608686494.
crossref
15. Hoff, H (2009) Global Water Resources and Their Management. Current Opinion in Environmental Sustainability, Vol. 1, No. No. 2, pp. 141-147. 10.1016/j.cosust.2009.10.001.
crossref
16. Hong, I.P, Chung, E.S, Kim, Y, and Jun, S (2011) Global strategy, practices and the system of korea for water security, IHP report. Korea Water Resources Association.
crossref
17. Jang, O.J, and Kim, Y.O (2009) Flood Risk Estimation Using Regional Regression Analysis. J. Korean Society of Hazard Mitigation, Vol. 9, No. No. 4, pp. 71-80.
crossref
18. Jung, S.W, Lee, D.H, Moon, Y.J, and Kim, G.H (2001). Potential flood damage assessment. Proceedings of Conference on Korea Water Resources Association. Vol. 2001: pp. 601-606.
crossref
19. Kang, M.G, Lee, G.M, and Ko, I.H (2010) Evaluating Watershed Management within a River Basin Context using an Integrated Indicator System. J. Water Resources Planning and Management, ASCE, Vol. 136, No. No. 2, pp. 258-267. 10.1061/(ASCE)0733-9496(2010)136:2(258).
crossref
20. Kim, J.H, and Kim, Y.O (2003). Improving Potential Flood Damage. Proceedings of Conference on Korean Society of Civil engineers. Vol. 2003: pp. 2373-2378.
crossref
21. Kim, Y.K, Chung, E.S, Lee, K.S, and Kim, Y (2013) Group Decision Making Approach to Flood Vulnerability Assessment. J. Korea Water Resources Association, Vol. 46, No. No. 2, pp. 99-109. 10.3741/JKWRA.2013.46.2.99.
crossref
22. Korea Environment Institute (2008) Development and application of climate change vulnerability index, KEI 2008-RE-05.
crossref
23. Korea Environment Institute (2014) Development and Application of Sustainable Water Use Indicators, KEI 2014-08(14-45-01).
crossref
24. Lim, K.S, Choi, S.J, Lee, D.R, and Moon, J.W (2010) Development of flood risk index using causal relationships of flood indicators. J. the Korean Society of Civil Engineers, Vol. 30, No. No. 1B, pp. 61-70.
crossref
25. Park, T.S, Kim, K.M, Yun, Y.S, and Lee, S.B (2005) Analysis of flood damage characteristics and development of flood damage index. Korea research institute for human settlements 2005-6.
crossref
26. Pielke, R.A, and Downton, M.W (2000) Precipitation and Damaging Floods: Trends in the United States 1932-97. J. Climate, Vol. 13, No. No. 20, pp. 3625-3637. 10.1175/1520-0442(2000)013<3625:padfti>2.0.co;2.
crossref
27. Skakun, S, Kussul, N, Shelestov, A, and Kussul, O (2015) The use of satellite data for agriculture drought risk quantification in Ukraine. Geomatics, Natural Hazards and Risk.
crossref
28. Sullivan, C.A (2002) Calculating a Water Poverty Index. World Development, Vol. 30, No. No. 7, pp. 1195-1210. 10.1016/S0305-750X(02)00035-9.
crossref
29. Sullivan, C.A (2010). Targeting adaptation needs using the Climate Vulnerability Index, UNECE meeting on Water and Climate change. Adaptation Strategy In Transboundary Basins. Geneva.
crossref
30. Nalley, D, Adamowski, J, and Khalil, B (2012) Using discrete wavelet transforms to analyze trends in streamflow and precipitation in Quebec and Ontario (1954-2008). J. Hydrol, Vol. 475, pp. 204-228. 10.1016/j.jhydrol.2012.09.049.
crossref
31. Nardo, M, Saisana, M, Saltelli, A, Tarantila, S, Hoffman, A, and Giovannini, E (2005). Handbook on constructing composite indicators: methodology and user guide. OECD Statistics Working Papers 2005/3. OECD Publishing.
crossref
32. National Emergency Management Agency (2011). Statistical yearbook on disaster. NEMA; Korea.
crossref
33. United Nations Development Programme (2004). Reducing Disaster Risk: a Challenge for Development, UNDP. Bureau for Crisis Prevention and Recovery, New York.
crossref
34. Vörösmarty, C.J, McIntyre, P.B, Gessner, M.O, Dudgeon, D, Prusevich, A, Green, P, Glidden, S, Bunn, S.E, Sullivan, C.A, Liermann, R.C, and Davies, P.M (2010) Global threats to human water security and river biodiversity. Nature, Vol. 467, pp. 555-561. 10.1038/nature09440. 20882010.
crossref pmid
35. World Water Assessment Programme (2006). UN World Water Development Report 2: Water: A Shared Responsibility. Paris, UNESCO and New York: Berghahn Books.
crossref
36. Yu, S, Shang, J, Zhao, J, and Guo, H (2003) Factor analysis and dynamics of water quality of the Songhua River Northeast China. Water, Air Soil Pollut, Vol. 144, pp. 159-169. 10.1023/A:1022960300693.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next