2.1 복원탄력성

복원탄력성(resilience)의 개념은 생물수학 분야의 응용수학자(Holling, 1973)에 의해 최초로 제시되었다. Holling(1973)은 복원탄력성을‘시스템의 지속성을 유지하고 변화와 교란을 흡수하고 인구나 상태변수 사이에 동일한 관계를 유지하는 능력’으로 정의하였다. 그 후 복원탄력성에 대한 연구는 생태학, 공학 뿐만 아니라 심리학, 경영학, 교육학, 의학 등 다양한 분야에서 연구되고 있다. 복원탄력성(resilience)의 개념, 정의는 연구 분야가 매우 다양하여 학문영역과 주제에 따라서 조금 차이가 있으나 기본적으로 같다고 할 수 있다.

본 연구에서는 복원탄력성을 기후변화에 대응하여 지역차원의 맥락에서 지역의 자연, 경제, 그리고 생활환경 등 지역시스템이 스스로 유지, 적응하거나 기존의 지역시스템보다 기능과 적응력이 향상 가능한 대응 능력이나 역량 이라고 정의하고자 한다.

2.2 복원탄력성 지표

기존의 연구에서 복원탄력성은 취약성의 개념과 함께 회복성, 적응성, 위험성, 노출성 등과 혼용되어 연구자의 의도에 따라 수행되어 왔으며 이러한 복잡성, 혼용성 때문에 복원탄력성 연구의 개발 및 발전이 저해되어 왔다고 생각된다. 홍수 가뭄 폭염 해수면 상승 등의 재해가 전 세계적으로 급증하고 있고 이러한 기후재해는 도시의 생활에 영향을 미칠 뿐 아니라 인구와 기반시설이 집중된 도시기능을 마비시킬 수도 있어 기후재해에 안전한 도시를 만들고 관리하여 인명 및 재산피해를 가중시키지 않는 것이 목적이므로 재난 및 도시 관련 선행연구들을 조사, 분석하여 다양한 지표들을 통해 정량적인 연구를 진행하고자 한다. 복원탄력성 지표들에 대한 조사결과 물리적 사건, 사고 및 이에 대한 취약, 노출 등의 관점에서 주관적인 지표와 지표 선정을 실시한 연구가 주로 많이 조사되었으며 본 연구의 기초자료로 활용하였다.

2.3 복원탄력성 지표의 가중치 산정방법

(1) 엔트로피 방법

엔트로피 가중치 추정방법은 대안과 속성을 많이 포함하는 현실적인 다기준 의사결정 문제에 대해 의사결정자가 비교적 이해하기 쉬운 정보이론(information theory) 방법을 적용하는 것이다. 최대엔트로피는 통계물리 연구에서 유래한 것으로, 미지의 사실에 대한 가정들은 배제하고 알려진 부분적인 사실만을 지식획득의 원천으로 보는 기법이다(장정호 등, 1999). 이 기법은 미리 정의된 제한조건을 만족하면 그 외의 사항에 대해서는 균일 분포를 갖는 확률 모델이다. 최대엔트로피는 이산무작위변량 X={x_n}의 확률 p(x_n) 분포가 가지는 엔트로피 량으로 정의되며 최대엔트로피 H(X)는 X가 가지고 있는 불확실성 또는 정보용량을 의미하며, 수문학적 무작위 이산변수 X에 대해 한계엔트로피 H(X)는 다음과 같이 정의된다.

일반적으로 이산확률 변수 X가 균일 분포를 따르는 경우 그 엔트로피는 최대가 된다. 따라서 최대 엔트로피 모델이 미지의 사실에 대해서 균일 분포를 갖는 것은 미지의 내용에 대해서는 모델의 엔트로피가 최대가 된다는 것을 의미한다. 이는 주어진 여러 사건에 대해 명확하게 구분할 정보가 없을 때는 두 사건이 똑같은 확률로 발생한다고 간주하는 것이며 이는 불확실성 감소의 최대화, 즉 엔트로피의 최대화를 의미한다.

예를 들어 변량 x_n 에 관계있는 y_m(m=1,2,...,N)이 있다면 H(X|Y)는 Y의 정보로 나타낼 수 없는 X의 정보양을 나타내며 이를 식으로 표현하면 다음과 같다.

p(x_n, y_m):X={x_n} 과 Y={y_m} 의 결합 확률, p(x_n|y_m):주어진 Y와 X의 조건부 확률

H(X|Y)는 주어진 Y와 X의 조건부 엔트로피이고 X와 Y사이의 정보전달과정 동안의 정보의 손실로 해석될 수 있다(Yang and Burn, 1994).

(2) 설문조사 방법

설문조사 방법은 단계적 또는 위계적 분석과정을 활용하여 고안한 계산 모델인 AHP(Analytic Hierarchy Process) 방법을 변형하여 사용하였다. 전문가 집단을 선정하여 지표의 상대적 중요도를 수치로 직접 입력하고 그 결과를 집계하여 가중치를 산정하였다. 설문조사 방식은 일반적으로 평가 단계와 관련해서는 상대적 중요도를 평가하는 제반 방식에 대하여 논쟁이 있으며 평가자 선정에 대하여 아직 일치된 견해가 없다는 비판이 있다. 하지만 가중치 계산방법 중 비교적 쉽게 조사, 분석이 가능하다는 점과 상황변화가 결과에 미치는 영향이 즉시 분석될 수 있다는 장점이 있다.

본 연구에서는 주택개발사업, 택지 및 도시개발사업 등 건설관련 공공기관에 종사하는 토목, 건축, 도시, 부동산 분야에서 석사이상의 학력을 소유하고 있는 전문가 21명을 대상으로 32개 지표에 대해 총 11가지 질문에 상대적 값을 입력하였고 가중치는 문항 내 항목의 점수를 문항 점수 합에 대한 비율로 산정하였다.

(3) 요인분석 방법

Nicoletti 등(2000)이 제안한 방법으로 요인분석 과정 중 주성분분석 방법에 의해 산출된 요인적재치를 활용하여 개별지표 가중치와 영역별 가중치를 산정한다. 요인적재치는 요인과 측정변수의 상관계수라고 할 수 있다. 지표의 가중치는 해당 지표가 속한 요인적재치의 제곱을 모든 지표에 대해 합산한 값을 100%로 정규화하여 도출할 수 있으며 객관적인 통계 정보를 이용하여 지표의 가중치를 도출하므로 편향되지 않고 경제적 이라고 할 수 있다. 가중치를 산정하는 방법을 단계별로 설명하면 다음과 같다.

2.4 복원탄력성의 정성적 분석

O’Rourke(2007)은 복원탄력성을 시간개념으로 계량화하였으며 Hill 등(2011)은 지역경제의 이론적 모형으로서 추세적인 성장경로에서 벗어나게 하는 외부충격으로부터 회복하는 지역의 능력으로 공학적 복원탄력성을 정의하였다. 재난이나 충격이후 도시기반체계의 가동능력과 재난이전 수준으로 복구하는데 걸리는 시간의 관계를 개념화하여 나타내면 Fig 2 와 같으며 이를 개량화하면 다음 식(6)과 같다.

Fig. 2

Resilience Concept.

복원탄력성의 정성적 측정이란 복원탄력성을 사회 시스템적 차원으로 보았을 때 시스템의 추세를 유지하거나 복원하려는 특성을 나타내는 것으로 시스템의 추세를 유지하거나 복구하기 위해 소요되는 기간과 소요되는 노력 또는 가치 그리고 충격에 따른 사회 시스템의 영향정도로 정의하였다. 복원탄력성의 추세는 최소자승법을 이용한 선형추세 곡선을 적용하여 산정하였다. 이 개념을 그림으로 나타내면 다음과 같다.

2.5 대상지역 및 자료 구축

인천광역시 행정구역 8개 구, 2개 군을 대상으로 한다. 인천광역시의 행정구역은 동서간 192.2km, 남북간 117.6km에 달하는 넓은 지역을 포함하고 있다. 전반적으로 평지라고 할 수 있는 표고는 50m 미만이 726.852km²이고 행정구역 전체 면적의 72.5%를 차지한다. 경사도 10% 미만이 820.069km²로 전체 면적의 81.9%를 차지하여 완만한 지형을 형성하고 있다. 자료의 수집과 구축은 주로 지역 통계연보, 재해연보, 기상연보, 한국도시통계, 국가통계포털, E-나라지표 및 E-지방지표 등과 국민안전처, 행정자치부 등 관련기관 사이트에서 조사하여 구축하였다. 지표의 선정을 위해 서울, 인천, 경기 지역 시·군·구 66개 지역에 대해 39개 지표 자료를 수집하였다. 기상과 관련된 기온평균, 기온최고, 기온최저, 일최대강우량, R10(일강우10mm이상 발생일수), R30(일강우30mm이상 발생일수), R80(일강우80mm이상 발생일수) 등 7개 자료는 먼저 소방방재청(2012) 자료를 이용하여 관측소별 티센면적비를 고려하여 지역의 자료를 산출하여 구축하였다. 복원탄력성 지표의 선정 후 인천지역의 과거부터 현재까지의 복원탄력성 지수를 산정하기 위해 상기 자료의 수집방법과 같은 방식으로 2000년부터 2014년의 인천지역 10개 군·구 지역에 대해 자료를 구축하였다. 기상자료의 경우 40년 이상의 관측자료를 보유하고 있으며 통계적 유의성 확보가 가능하다고 판단되는 기상청 기상관측소로 인천지역 군, 구의 분석을 위해 강화, 인천, 서산 등 3곳을 최종 선정하였다.

3.1 복원탄력성 지표 산정

복원탄력성 지수를 산정하기 위한 각 지표들의 산정은 복잡한 자료를 가능한 이해하기 쉽고 의사결정이 용이하며 단순화가 가능하여 유용하게 사용할 수 있어야 한다. 기존 선행연구에서 산정한 복원탄력성 지수의 산정 및 가중치의 결정방법을 살펴보면 주로 평가가 용이한 지표를 선정하여 상대평가점수를 부여하여 비교하거나 지표에 대한 값을 단순 표준화하여 값에 의한 순위화, 등급화하여 복원탄력성 지수를 산정하였다. 또한 전문가집단 등을 이용하여 설문조사 후 이를 점수화, 등급화 하여 복원탄력성 지수를 산정하였다.

본 연구에서는 선행연구의 사례에 대한 검토와 함께 지표의 측정방법이 객관적이고 투명하며 지역별, 기간별 비교가 가능하고 지표의 측정이 정량적이고 지속가능하여야 하는 측면을 고려하여 선정기준을 정하였다. 1차 지표의 선정은 상기 연구동향에서와 같이 Cutter(2010), 김연수(2016), 이제연(2015) 등 국내· 외 선행연구에서 도출한 지표의 내용을 종합하여 인문, 사회, 경제, 제도, 물리, 환경적 측면에서 약 80여개를 선정하였으며 2차로 국내 실정에 맞고 국내에서 이루어지고 있는 지속가능성의 범주 내에서 국내 제도적 방식을 참고하고 인천지역 현실에 대한 적용가능성 및 과거 데이터가 수집 가능한 자료를 정리하여 약 39개의 자료를 추출하고 2차 지표로 선정하였다. 최종적인 지표의 선정은 다수의 변수들을 상호 관련성에 따라 소수의 요인으로 축약하는 통계기법인 요인분석을 실시하여 선정하였다. 분석과정에서 측정에 사용하는 항목들 간에 내적 일관성이 있는지 판단하는 신뢰도 분석과 특정 개념을 측정한 항목들이 실제 그 개념을 측정했는지 검토하는 타당도 분석을 실시하여 2차 선정된 39개 지표 중 32개 지표를 최종 선정하였으며 아래와 같다(Table 1).

Table 1

Resilience Indicators.

요인분석에 의해 지표들이 같은 요인으로 묶였으나 설명이 불가한 지표들은 요인에서 제거하고 요인분석을 다시 실시하여 32개 최종 지표를 결정하였다. KMO 적합도는 0.65에서 0.746으로 신뢰도는 0.77에서 0.76으로 나타났다. 상기 분석에 대한 결과를 살펴보면 아래표와 같으며 먼저 요인분석 방법의 사용이 적합한지를 살펴보는 KMO값은(KMO≧0.5, 적합) 0.746이고, Bartlett의 단위행렬 검정에서는 유의수준 0.05미만으로(p-value<0.05, 적합) 요인분석에 적합한 것으로 분석되었다. Bartlett의 단위행렬 검정은 요인분석에서 이용될 변수들의 상관행렬이 단위행렬인지 여부를 평가하는 것이다. 단위행렬이란 서로 독립적이란 뜻으로 유의확률이 유의수준보다 적게나와야 요인분석 사용이 적합하고 공통요인이 존재한다고 할 수 있다.

공통성의(공통성≧0.4, 적합) 확인결과 모두 0.4이상의 값으로 나타나 변수들의 분산을 설명하기에 요인들을 사용하는 것이 적합하다고 할 수 있다. 스크리도표나 총 분산의 초기 고유값의 확인을 통해 요인의 수를 확인할 수 있으며 총 분산의 초기 고유값 1 이상이 7개 성분으로 확인되어 7개의 요인으로 분류하는 것이 바람직한 것으로 판단되었다. 상세지표 항목과 요인과의 상관관계를 나타내는 요인별 요인적재치의(요인적재치≧0.4, 적합) 값은 0.4 이상으로 기준을 만족하였으며 총분산의 83.5% 설명 가능한 것으로 나타났다. 신뢰도 분석의 결과 크론바 알파(Cronbach α≧0.6, 적합 수용가능)계수는 0.76으로 양호한 수준으로 검토되었다. 분석결과를 정리하여 최종 선정된 32개 복원탄력성 지표를 분석결과와 함께 나타내면 아래와 같다.

3.2 복원탄력성 지표의 가중치 산정

요인분석 방법을 이용하여 인천 10개 군, 구 지역에 적용 가능한 3개 차원, 7개 요인, 32개 지표를 최종 선정하였다. 최종 선정 및 제시된 지표들은 인천지역의 복원탄력성을 평가하는 지표로 사용됨에 따라 각 지표들이 복원탄력성에 미치는 영향과 중요도 등을 판단하는 방법으로 각 지표별로 가중치를 산정한다. 엔트로피 방법, 설문조사 방법, 요인분석 방법 등을 이용하여 가중치를 산정하였다. Table 4.의 결과와 같이 엔트로피 방법은 자연환경 요인에 해당하는 R80(80mm이상 강우일수) 지표에서 0.206으로 가중치가 가장 높게 산출되었으며 생산환경 요인에 해당되는 인구증가율 지표에서 -0.057로 가중치가 가장 낮게 산출되었다. 설문조사 방법에 의한 가중치 산정 결과는 비교적 가중치들간에 값의 편차가 비교적 적게 산출되었으며 생산환경 요인에 해당하는 인구밀도 지표가 0.052로 가중치가 가장 높게 산출되었고 사회기반 요인에 해당하는 유치원의 수 지표가 0.016으로 가장 낮게 산출되었다. 요인분석 방법에 의한 가중치 산정결과는 생활기반 요인에 해당되는 사회복지시설 지표가 0.046으로 가장 높게 산출되었으며 보건환경 요인에 해당되는 예방접종율 지표는 0.016으로 가장 낮은 가중치 값으로 나타났다. Table 4.의 결과를 분석해보면 다음과 같다. 엔트로피 방법에서는 자연환경 요인인 R80 지표가 가장 높은 가중치를 나타내었는데 이 결과는 인천, 서울, 경기 66개 시, 군, 구의 해당 지표에 대한 통계 값이 존재하지 않은 경우가 많았기 때문인 것으로 나타났다. 통계자료의 정보량에 의존하는 엔트로피 방법에서는 지표 값이 0 이나 누락되는 경우 지표 값의 유무에 대한 변별력이 커지게 되어 큰 가중치를 갖게 된다. 지표의 이상치가 없고 분포가 고르게 나타나는 경우 적합한 방법이라 할 수 있다. 또한 인구증가율 지표와 같이 +, - 값이 같이 존재하는 경우 계산 방법에서 (-)값을 나타내는 지표의 경우 로그값에 대한 계산이 불가하여 0 으로 값을 처리해야 하므로 현실적이지 못한 값이 산출될 수도 있다.

Table 4

Comparison of Weight Calculation Methods.

Table 2

Factor Analysis.

Table 3

Result of Factor Analysis.

설문조사의 방법은 많은 장점과 단점을 가지고 있으나 이번 조사결과를 살펴보았을 때 다른 엔트로피 방법이나 요인분석 방법의 가중치와 비교하여 지표들의 가중치 값들이 모두 큰 차이 없이 고르게 분포되었다. 복원탄력성의 개념이 포괄적이고 추상적인 느낌이 있으며 지표들의 우선 순위를 점수하여 차이를 나타내는 것이 쉬운 것은 아니라고 생각 되지만, 이 결과는 응답자가 짧은 시간 사이에 주관적 판단이 어렵다거나 지표를 명확히 분류, 판단하고 점수화하여 기록하기 어렵기 때문이 아닌가 생각되며 이를 충분히 이해하고 작성할 수 있도록 하지 못한 연구자의 질문방법이나 가중치의 산정방법에 문제가 있을 수 있다고 판단된다.

요인분석에 의한 방법은 자료를 구축하여 요인별 지표를 추출하는 과정에 노력과 시간이 많이 소요되고 가중치 산정방법이 엔트로피 방법이나 설문조사 방법보다 복잡하다. 그렇지만 통계 결과를 기초로 가중치를 산출하여 서로 연관성이 있는 지표들이 가지고 있는 변동량을 엔트로피 방법이나 설문조사 방법에 비해 쉽게 파악하고 이해할 수 있는 방법으로 판단된다. 또한 설문조사 방법에 비해 가중치 산출값에 대한 객관성 측면에서 편향되지 않으며 보다 우수하다고 할 수 있다. 따라서 본 연구에서는 인천지역의 복원탄력성에 대한 평가시 요인분석에 의한 가중치 지표를 사용하고자 한다.

3.3 복원탄력성 산정 모형

(1) 복원탄력성 지표의 표준화

선정된 지표는 측정단위가 서로 상이하여 측정단위에 따른 크기나 범위를 일관되게 만들어 주는 과정이 필요하다. 이러한 과정을 표준화라고 하였으며 re-scaling이나 z-score 방법이 많이 사용되고 있다. 본 연구에서는 re-scaling 방법을 사용하여 0과 1 사이의 값을 갖도록 표준화를 실시하였으며 산정방법은 아래와 같다.

x_i:지표 i의 값, x’_i:x_i의 표준화된 값, maxx_i:지표 i의 최대값, minx_i:지표 i의 최소값

(2) 복원탄력성 지표의 영향 검토

선정된 지표들 중에는 복원탄력성에 긍정적 영향을 미치는 지표와 부정적 영향을 미치는 지표가 있을 수 있다. 그러나 사회시스템의 차원에서 보면 반드시 긍정적, 부정적 영향을 단정하여 지표를 구별하는 것은 쉽지 않을 뿐만 아니라 의미가 없을 수도 있다. 지표들의 영향이 복원탄력성에 산술적으로 가감 계산되어 나타나지는 않으나 본 연구의 목적에 부합 하느냐에 따라 부(-)의 영향이라는 개념을 적용하였다. 본 연구는 자연과 인간계에 가장 영향을 많이 미치는 기후요인 중 강우량과 기온을 고려하였다. 선정된 지표들은 자연과 인간계의 재난 빈도와 강도에 영향을 미치는 지표로 재난발생시 피해가 발생하고 비용과 시간이 소요된다. 따라서 자연환경 요인인 강우량과 기온과 관련된 일최대강우량, R80, R30, 일최고기온 등 4가지 지표를 복원탄력성 산정시 부(-)의 영향을 미치는 것으로 판단하여 산정하였다.

(3) 복원탄력성 산정 모형 제시

본 연구에서 제시하는 복원탄력성 모형은 32개 지표로 구성되었으며 7개 요인과 3개 차원으로 구별하였다. 지표의 선정은 기존 연구 모형과 달리 물리적 사건이나 시설물, 주관적 판단에 의하지 않고 기존 복원탄력성 관련 선행연구사례와 수집 가능한 자료를 바탕으로 통계적 분석에 의해 지표와 요인을 선정, 구분하였다. 본 연구의 복원탄력성 모형은 한 시점의 상대적 값과 요인 및 지표별 상대적 기여를 반영할 수 있으며 모형개발에 따른 평가, 해석이 간단, 명료하여 시간경과에 따른 변화를 반영할 수 있다.

복원탄력성 산정모형은 지표별 가중치를 곱한 값들의 합으로 나타낸 수학적 조합에 의한 방정식의 형태로 낼 수 있으며 지표의 표준화와 부(-)의 영향 검토 등을 통해 아래와 같이 복원탄력성 산정 모형으로 제시하고자 한다.

S ： 사회기반 요인 가중치, L ： 생활기반 요인 가중치, E ： 경제자립 요인 가중치, P ： 생산환경 요인 가중치, N ： 자연환경 요인 가중치, C ： 문화환경 요인 가중치, H ： 보건환경요인 가중치, x’_i ： 표준화된 지표값, w_i ： 각 지표의 가중치

3.4 복원탄력성 산정결과 분석

(1) 복원탄력성 산정결과

인천지역 10개 군, 구의 복원탄력성 산정결과의 집계는 아래 Table 5와 같으며 이를 그림으로 나타내면 Fig 2와 같다. 이를 근거로 2000년부터 2014년 향상율 및 군, 구별 요인별 결과를 요약하면 다음과 같다. 사회기반 요인과 생활기반 요인을 포함한 사회환경 차원에서 살펴보면 서구가 2014년 사회환경 차원의 복원탄력성 0.313으로 가장 높으며 복원탄력성의 향상율도 가장 우수한 것으로 나타났다. 다음으로 남동구, 계양구 순으로 양호하게 나타났으며 동구가 가장 낮은 것으로 나타났다. 경제자립 요인과 생산환경 요인을 포함한 경제환경 차원의 복원탄력성 향상율은 중구, 연수구가 가장 높게 나타났다. 2014년 기준으로 강화군 0.074, 옹진군 0.095로 가장 낮게 나타났으나 남구와 부평구가 경제환경 차원의 복원탄력성 향상율 측면에서 상대적으로 가장 낮게 나타났다. 자연환경 요인, 문화환경 요인, 보건환경 요인을 포함한 생활환경 차원의 복원탄력성은 조사분석 기간의 하반기에 많이 향상된 것으로 나타났으며 남구, 계양구, 부평구 순으로 복원탄력성의 향상율이 높게 나타났다. 전체적인 인천지역 10개 군, 구의 복원탄력성 산정 결과는 다음과 같다.

Table 5

Analysis of Resilience in Incheon.

전체적인 경향을 살펴보면 동구를 제외하고 나머지 지역들은 사회기반, 생활기반 요인의 향상율이 7개 요인 중 비교적 높게 나타났으나 동구만 사회기반 요인의 향상율이 감소의 경향을 나타내고 있었다. 변화율에 대한 군, 구별 순위를 나타내면 아래와 같다.

(2) 지역 유형별 복원탄력성 평가 분석

인천지역 10개 군, 구 모두 복원탄력성이 향상되고 있는 것으로 나타났으나 2000년과 2014년 복원탄력성을 그림으로 나타내어 유형을 분류해 보면 부평구, 남동구, 중구, 서구, 남구 등 5개 구가 상대적으로 복원탄력성이 우수한 것으로 나타났다. 이러한 평가는 상대적인 평가로 2000년 당시 복원탄력성과 2014년 현재 복원탄력성이 상대적으로 타 군, 구에 비해 우수한 것으로 나타났으며 상대적으로 옹진군을 포함한 동구, 계양구, 연수구, 강화군 등이 상기 5개 구에 비해 상대적으로 낮게 나타났다(Fig 5).

Fig. 5

Analysis of Resilience by Locations.

(3) 복원탄력성의 정성적 측정 및 분석

복원탄력성 산정모형에 의해 산정한 값은 특정 시간과 지역에 따른 상대적, 이론적 값이라고 한다면 현실 상황에서의 복원탄력성은 시스템에서 어떤 충격으로부터 어떤 시간 동안 소요된 노력과 가치의 양이라고 할 수 있을 것 같다. 하지만 사회적 비용과 마찬가지로 이를 정량화하고 데이터를 구축하여 수치화 하는 것은 어쩌면 불가능할 수도 있다. 그러나 본 연구에서는 선행연구 사례 등을 바탕으로 개념을 정리하여 인천지역의 복원탄력성에 대한 질적, 정성적 양에 대한 측정을 하여 검토하고자 한다.

2008년에서 2014년까지 인천지역의 복원탄력성 분석에서 살펴보면 2008년과 2014년 사이 어떤 충격에 의해 복원탄력성이 부(-)의 영향을 받아 10개 군, 구 모두 공통적으로 하락하였다. 재해연보를 통해 인천지역의 피해액을 조사해본 결과 2008년 3.8억원, 2009년 15.2억원, 2010년 121.6억원, 2011년 42.7억원, 2012년 12.3억원, 2013년 2.7억원, 2014년 2억원으로 나타나 자연재해에 따른 복원탄력성의 감소현상으로 판단되었다. 따라서 본 연구에서는 이 기간 10개 군, 구에 대해 복원탄력성과 자연재해에 따른 피해액의 그래프 양상이 유사하게 나타남에 따라 이 기간을 복원탄력성의 정성적 측정 검토 대상으로 결정하였다.

상기 2008년에서 2014년 사이 Fig 4의 복원탄력성 그래프와 선형추세곡선을 Fig 3의 개념에 따라 측정하였다. 소요기간은 추세선과 그래프가 접하는 두 점간의 기간을 측정하였고 충격의 영향은 충격시의 복원탄력성과 충격 이후 복원탄력성 최저치와의 차이를 측정하였다. 소요가치(노력)은 추세선과 그래프 사이의 면적을 계산하였다. 측정결과를 살펴보면 소요기간은 동구 약4.5년, 강화군 4.1년 연수구 3.5년이 측정되어 어떤 충격 이후 복원탄력성의 추세적 성장경로까지 상대적으로 많은 기간이 소요되었으며 계양구 2.8년, 서구 3년, 중구 3년, 남구 3년 등은 상대적을 소요기간이 짧은 것으로 나타났다. 충격에 따른 영향의 정도는 강화군 0.039, 옹진군 0.038, 동구 0.035, 부평구 0.035 등 4개 군, 구가 상대적으로 민감한 것으로 나타났으며 연수구 0.004, 중구 0.016, 계양구 0.017, 남동구 0.019 등 4개 구가 상대적으로 충격에 덜 민감한 것으로 나타났다. 또한 소요가치 또는 노력 정도의 측정에서는 강화군 0.118, 남동구 0.110, 동구 0.108, 옹진군 0.103 등 4개 군, 구가 충격 이후 복원탄력성의 추세적 성장경로까지 상대적으로 많은 노력이 필요한 것으로 나타났으며 중구 0.051, 계양구 0.053, 연수구 0.057, 남구 0.058 등 4개 구가 비교적 적게 소요되는 것으로 나타났다(Table 7).

Fig. 4

Analysis of Resilience in Incheon.

Fig. 3

Qualitative Measurements of Resilience.

Table 7

Qualitative Mmeasurement Results of the Resilience.

Table 6

Ranks of Resilience Change Rate.