Article information

Abstract

Trans Abstract

1. 서론

최근 기후변화가 극심해짐에 따라 지역별 공정일수에 많은 영향을 미치고 있다. 지구온난화로 인하여 지난 100년동안 지구의 평균 기온은 0.74 상승하였으며, 우리나라의 경우 평균 1.7로 지구 평균의 2배가 넘게 기온이 상승하는 추세를 보이고 있다(NIMR, 2009). 이러한 기후변화 현상이 지속될 경우, 극한 기후 보편화로 인한 자연재해는 시간이 갈수록 더욱 빈번하게 발생할 것이라는 연구결과가 발표된 바 있다(Kim et al., 2014). 건설공사는 옥외 현장에서 작업이 많이 이루어지기 때문에 지역별로 상이한 기온, 강우, 강설, 바람과 같은 기상조건은 각 지역 건설공사의 공기에 크게 영향을 미친다(Kim et al., 2006). 기후 변화로 인한 지역별 건설시공계획의 불확실성의 증가에 따라 공기지연이 발생되며, 이러한 공기지연은 간접비용의 증가, 추가민원 발생 및 불필요한 설계변경 등으로 시공업체에 경제적인 손실을 발생시킨다(Lee et al., 2006).

기후변화가 지역별 공기산정에 미치는 영향에 대해 다양한 분야에서 연구가 진행되고 있다(Shin et al., 2005; Lee et al., 2012; Ko and Lee, 2015). Shin et al. (2005)는 기후요소를 고려하여 인천지역의 작업불능일수를 산정한 바 있으며, Lee et al. (2012)은 서울, 인천, 부산 지역을 중심으로 고소 작업 가능률을 산정하였다. 또한, Ko and Lee (2015)는 BCP분석을 통한 인천지역 작업불능일 변화에 대해 연구한 바 있다.

기후변화가 지역별 미래의 작업제한 기상조건에 얼마나 영향을 미치는지에 대해 본 연구에서는 다양한 기후변화 자료를 생성하는 기관에 대해 각각 분석한 후, 우리나라 관측소 지역별로 분류하였다. 이를 통해 지역별 건설시공계획의 기후변화기반 작업불능일을 산정하여 향후 공사 일정의 조정이 어떤 식으로 이루어져야 할 것인지 분석해보고자 한다.

2. Applied Methods and Study Area

본 연구에서는 국토교통부가 제공하는 2022년 적정 공사기간 확보를 위한 가이드라인을 참고하여 연구를 진행하였다.

2.1 Definition of Nonworking Days

공사기간을 산정하기 위한 과정에는 준비기간, 작업 가능기간, 작업 불가능기간(Non-working days, NWD), 정리기간이 있어야 하며, 작업 불가능기간에 영향을 미치는 요인으로는 통제가 가능한 요인, 통제가 불가능한 요인 등으로 구분할 수 있다(Jeong, 2000). 통제 불가능한 요인으로는 공휴일과 기상요인으로 구분할 수 있으며 기상요인에는 온도, 강우, 바람 등이 있다(Fig. 1). 이 중 온도는 공사기간에 매우 큰 영향을 주고 있으며, 지역에 따라 차이가 커서 건설공사의 품질과 사업성에 큰 영향을 미치고 있다(Lee et al., 2004).

Fig. 1

Construction Plan Procedure with Working and Non-working Days (NWD). This Study Deals with Weather Conditions of Uncontrollable Factors

2.2 Study Area

본 연구에서는 작업 불가능기간을 산정하기위해 기상청에서 제공하는 전국 60개 지역(Fig. 2)의 종관기상관측(ASOS) 자료와 11개 기관(BCC, CCCma, CNRM, EC-Earth, INM, IPSL, MOHC, MPI-M, MRI, NIMS, NOAA-GFDL)이 제공하는 전 지구 모형(ESM)을 통해 나온 CMIP6기반의 과거기상관측자료와 SSP245, SSP585 시나리오를 사용하였다.

Fig. 2

Locations of 60 Weather Stations Applied in the Current Study

기상청 및 ESM 자료는 모두 일 자료이며 CMIP6의 과거기상관측자료 기간인 1950-2014년, 미래 예측 기간인 2015-2100년에 따라 본 연구의 과거기상관측자료 기간은 1979-2014년, 미래 예측 기간은 2015-2100년으로 산정하였다. 미래 예측 기간의 경우, 비교 분석의 편의성을 위해 P1은 2015-2045년, P2는 2046-2070년, P3는 2071-2100년 3개의 기간으로 분류하였다.

이를 통해 작업 불가능기간 중 통제 불가능한 요소인 법정공휴일을 Base 기간 1979-2014년까지 정리하여 Table 1에 나타냈으며, 또다른 통제 불가능한 요소인 기후 조건을 분석하였다. Table 2에 가이드라인을 통해 비교적 기상조건이 낮아 기후변화에 민감한 공사를 선정하고 각 공사에 해당하는 작업제한 기상조건을 나타냈다.

Table 1

NWD (Holidays) Corresponding to the Base Period (1979-2014)

Table 2

Type of Construction Working and Non-working Weather Conditions for 8 Different Cases

2.3 Trend of NWD

각 Case (Table 2)별 작업가능일수의 경향성을 분석하기 위해 전국 60개 관측소의 기상자료를 이용하여 연간 공사불능일수를 추출하였다. Table 3은 관측소별 연평균, 연 최고, 연 최저 공사불능일수를 추출한 결과로서 각 Case에 대한 작업제한 기상조건에 따른 공사불능일수를 나타냈다.

Table 3

Average NWD for the Base Period (1979-2014) Due to Climate Change

각 Case별로 작업제한 기상조건에 따른 공사불능일수는 평균 15.82~96.68일로 나타났으며, 최대 37.70~121.73일, 최소 0.97~73.03일로 산정되었다.

3. Methodological Applications

본 연구에서는 전 지구 모형(ESM)을 통해 나온 최신의 시나리오인 CMIP6에 대하여 과거기상관측자료와 SSP245, SSP585 시나리오를 비교 분석하였다. 비교 분석 과정에서 시뮬레이션을 통한 출력 값과 실제 관측치 사이에 통계적 차이가 발생한다(Cannon et al., 2015). 이를 보완하기 위해 본 연구에서는 시뮬레이션을 통한 출력 값(GCM 과거기상관측자료)과 실제 관측치(종관기상관측자료(ASOS))의 오차보정(Bias-correction)을 수행하였다.

본 연구에서 과거 모델 값(z_m,hist)은 처음에 다음과 같이 표준화된다.

여기서, x_m,hist는 GCM Data의 Base자료이며, μ_m,hist와 σ_m,hist는 각각 과거 GCM 모형 값의 평균과 표준편차이다.

조정된 평균과 표준편차를 적용한 Eq. (1)을 이용하여 다음과 같은 식으로 오차보정을 수행한다.

이후, Eq. (2)에 조정된 평균(Eq. (3))과 표준편차(Eq. (4) or Eq. (5))를 적용한다.

Eq. (4)는 강수량의 평균값 산정 식이며, Eq. (5)는 온도의 평균값 산정 식이다.

여기서, abs는 실제 관측치, m,hist는 시뮬레이션을 통한 출력 값을 나타내며, m,b ase는 비교분석의 기준이 될 데이터를 나타낸다.

온도의 계절적 주기를 고려하려면 Eq. (6)에 월별 또는 계절별로 평균(σ˜m,histj)과 표준편차(μ˜m,histj)를 적용한다. zm,histj는 온도의 계절적 주기를 고려한 과거 모델 값이다. 즉,

j는 계절(Season) 또는 월(Month)을 나타낸다. 예를 들어 j에 해당하는 모형을 출력하는 경우, j에 해당하는 달 또는 계절의 데이터만으로 기온의 일 평균과 표준편차가 추정된다.

오차보정(Bias-correction)을 수행한 후 GCM Base자료와 비교 분석하여 기관별로 건설시공환경에 영향을 미치는 변수(온도)에 대해 우리나라 기상관측소 지역별 변화 일수를 산정하였으며, 이를 통해 기후변화에 따른 지역별 미래의 작업제한 조건의 변화에 대해 분석하였다.

4. 결론

본 연구에서는 기관별로 CMIP6 기반의 ESM자료에서 나오는 건설시공환경에 영향을 미치는 변수(온도)에 대해 P1, P2, P3 기간의 미래 예측 GCM자료를 이용하여 미래 공사불능일수를 산정하였다. 먼저, 60개의 우리나라 기상관측소 지역별 각각의 평균값을 산정하기 위해 11개의 ESM Model을 이용하여 기관별 평균값을 산정하였다. 그 후, 기후변화에 따른 지역별 공사불능일수 평균값을 산정하였다(Table 4).

Table 4

Variation of NWD (Day/Year) for the Case in Table 1 at P1-Base, P2-Base, and P3-Base. This Means that the NWD Corresponding to SSP245 Increases by 0.1263 Days Per Year during the P1 Period (P1: 2015-2045, P2: 2046-2070 and P3: 2071-2100)

P1-Base기간은 Base (1979-2014년)에서 P1사이의 공사불능 증가일수를 산정한 것이며, P2-Base와 P3-Base은 각각 Base에서 P2, P3 사이의 공사불능 증가일수를 산정한 것이다.

Table 4의 Case 1은 숏 콘크리트 공사이며, Table 2에 따라 32 °C 초과일 경우 공사가 불가능하다. 과거기상관측자료(Base)의 공사불능일수를 0일이라고 가정하였을 때, Case 1의 SSP245 시나리오의 경우, P1에서 P2, P3로 갈수록 0.1263, 0.1482, 0.1585일이 증가한다. 각 년마다 P1기간에는 0.1263일, P2기간에는 0.1482일, P3기간에는 0.1585일이 증가한다는 의미이다. SSP585시나리오 또한 P1에서 P2, P3로 갈수록 0.1355, 0.1835, 0.2343일만큼 증가하는 추세를 보인다.

Case 5는 투수 콘크리트 공사이며, 5 °C 미만, 30 °C 초과일 경우 공사가 불가능하다. 마찬가지로 과거기상관측자료(Base)의 공사불능일수를 0일이라고 가정하였을 때, Case 5의 SSP245 시나리오의 경우, P1에서 P2, P3로 갈수록 0.1280, 0.1648, 0.1753일만큼 증가한다.

SSP585시나리오 또한 P1에서 P2, P3로 갈수록 0.1338, 0.1920, 0.2396일로 점점 증가하는 추세를 보인다.

Table 4에 따라 Case별 기간에 따른 공사불능 증가일수를 시각화하여 Fig. 3에 나타냈다.

Fig. 3

Variation of NWD for the Different Cases of Construction Types by Year (See Table 4). The X-axis Represents the Period (P1: 2015-2045, P2: 2046-2070, and P3: 2071-2100), and the Y-axis Represents the amount of Change for NWD. The blue Dash-dotted line With Circle Presents the SSP245 Data, and the Red Dotted Line with Cross Presents the SSP585 Data. Refer Table 4 for the Information of Each Case (Case 1 – Case 8)

공사불능일수의 범위는 총 12단계로 Table 5에 정리하였다. 1단계의 경우 미래 예측 기간인 2015-2100년에 해당하는 평균 공사불능일수가 100년동안 11.50-11.99일이 증가한다는 의미이다. 2단계 또한, 공사불능일수가 100년동안 12.00-12.49일이 증가함을 나타낸다.

Table 5

The Range Shown in the Map of Fig. 4 (Day/100Year)

우리나라 60개 기상관측소 지역을 기준으로 Case별 기간에 따른 공사불능 증가일수를 산정하였다(Fig. 4).

Fig. 4

Is a Map Showing Non-working Days by Legion due to Climate Change. Case 1 to 4 are Shown from the Top Left to the bottom Right. (a) is a Map for SSP245, and (b) is for SSP585. There is a Total of 12 Criteria for the NWD, Ranging from Red to Purple. The Unit of the NWD Shown on the Map is Day/100Year

Fig. 4는 Case 1부터 Case 4까지의 지역별 기간 평균 공사불능일수를 지도로 나타냈으며, Fig. 5는 Case 5부터 Case 8까지의 지역별 기간 평균 공사불능일수를 지도로 나타냈다.

Fig. 5

Is a Map Showing Non-working Days by Legion Due to Climate Change. Case 5 to 8 are Shown from the Top Left to the Bottom Right. (a) is a Map for SSP245, and (b) is for SSP585 (Day/100year)

작업불능 기상조건을 나타낸 Table 2를 기준으로 산정한 결과(Fig. 4), 지역별 공사불능일수가 전체적으로 증가한다는 것을 알 수 있다. 특히, 충청북도 보은군과 전라도 지역에서 비교적 높은 증가율을 보인다. 그러나, 부산에서는 비교적 낮은 증가율을 볼 수 있다.

보은군의 경우, Case 1의 (a)지도에 따라 공사불능일수가 15.45-15.89일로 산정되었으며, 다른 지역에 비해 2단계(Table 5)정도 높게 나오는 것을 확인할 수 있다. 전라도 지역의 경우, Case 2의 (b)지도에 따라 대부분 19.00-22.50일로 산정되었으며, 다른 지역에 비해 1단계정도 높게 산정된 것을 확인할 수 있다. 또한, 부산 지역의 경우, Case 1의 (b)지도에 다라 공사불능일수가 15.45-15.89일로 산정되었으며, 다른 지역에 비해 2단계 정도 낮게 산정된 것을 알 수 있다.

보은군은 여름에는 온도가 비교적 높고, 겨울에는 맑은 날씨가 지속되는 기후인 Dwa지역(Kim et al., 2017)이다. 또한, 동쪽으로는 속리산이 속해 있는 소백산맥, 서쪽으로는 노령산맥에 둘러싸여 있는 커다란 보은 분지를 이루며 연교차가 심한 대륙성 기후를 나타내고 있다(기상청 기후통계).

전라도 지역은 여름에는 고온 다습하고, 겨울에는 저온 건조한 기후를 보인다. 2000-2019년의 자료에 따라 전라남도 평균 폭염일수 12.2일(전라남도 기후변화 전망보고서 2023), 전라북도 13.7일(전라북도 기후변화 전망보고서 2023)로 우리나라 평균 폭염일수(11.8일)보다 높게 나타나는 것으로 확인되었다.

부산광역시는 온대 계절풍 기후대와 대륙 동안 기후대에 속하며, 해양의 영향을 크게 받아 해양성기후의 특징이 잘 나타난다. 부산은 해양성기후의 영향으로 여름과 겨울의 기온차가 크지 않으며 4계절의 변화가 뚜렷하다(부산광역시 기본현황).

이러한 지형적 특징 및 기후변화의 악영향에 쉽게 영향을 받을 수 있는 취약성(Kim and Kim, 2012; Bae and Kim, 2015; Jeon et al., 2023)으로 인해 미래 예측 기간에 해당하는 평균 공사불능일수가 다른 지역에 비해 비교적 높거나 낮게 산정되는 것으로 판단된다.

전체적으로 지역 및 Case와 상관없이 공사불능일수가 증가하는 추세를 보인다. 또한, Base에서 기간이 멀어질수록 증가율이 더 크게 산정되었으며, SSP245 시나리오보다 SSP585 시나리오에 대한 증가율이 더 높게 산정되었다. 이를 통해 극단적인 기후변화를 고려한 SSP585 시나리오에 대해 기후가 상승함에 따라 공사불능일수가 더욱 증가했다고 판단된다.

5. 요약 및 결론

최근 기후변화가 극심해짐에 따라 지역별로 상이한 기온, 강수, 강설, 바람과 같은 기상조건은 각 지역 건설 공사의 공기에 크게 영향을 미친다.

본 연구에서는 공사불능일수(NWD)를 산정하기 위해 법정공휴일과 기상조건으로 인한 비작업일수를 우선적으로 이루어져야 산정하였다. 공사불능일수는 P1 (2015-2045년), P2 (2046-2070년), P3 (2071-2100년) 기간에 해당하는 60개 기관 종관기상관측(ASOS) 자료와 11개 기관의 CMIP6기반 과거기상관측자료, SSP245, SSP585 시나리오의 비교분석을 실행하였으며, 이를 통해 기후변화에 따른 건설공사 불능일수 변화를 분석하였다.

연구 결과, Case 1부터 Case 8까지 지역별 공사불능일수 증가율이 전체적으로 상승하는 것을 확인할 수 있었다. 또한, Base에서 기간이 가장 먼 P3일 때 P1, P2보다 증가율이 높게 산정되었다. 또한, SSP245 시나리오 보다 SSP585 시나리오일 때 증가율이 가장 높게 산정되었다. 특히, 충청북도 보은군과 전라도 지역에서 비교적 높은 증가율을 보였다. 이는 비교적 연교차가 높은 지형적 특징 및 기후변화의 취약성에 의한 것이라 판단된다. 또한, 부산광역시에서는 비교적 낮은 증가율을 보였다. 그러나, 이는 미래에 기온이 상승되지 않는다는 의미가 아니며, 다른 지역과 마찬가지로 증가되는 공사불능일수를 고려해야한다.

본 연구 진행 시, 공사불능일수에 영향을 미치는 기상요인 중 한가지인 온도 만을 변수로 사용하였다. 공사불능일수 산정에 있어 강수 및 바람과 같은 다른 기상 요인도 고려해야 한다. 그러나, 강수와 바람은 현재 자료와 연구방법이 완전히 구축되어 있지 않아 본 연구에서 진행에 어려움이 있었다. 온도 변화 만으로는 공사불능일수의 변화가 절대적으로 커지지 않는 경우가 발생할 수 있다. 향후 연구에서는 강수 및 바람과 같은 다른 기상 요인들을 포함하여 기후변화가 공사기간에 미치는 영향에 대해 더욱 정확한 분석을 제공할 수 있을 것으로 판단된다.

각 지역별 결과로 보았을 때, 기후변화의 영향으로 인해 공사불능일수가 증가하는 추세를 보이고 있다. 이러한 상황은 지역별 공사 계획과 실행에 큰 영향을 미치며, 특히 충청북도 보은군과 전라도 지역은 그 영향도가 크게 작용할 것이라 판단된다. 따라서, 기후변화를 고려한 적절한 대응 전략을 수립하는 것이 중요하며, 이를 통해 공사의 안정성을 확보하고 효율성을 높일 수 있을 것으로 판단된다.

Article information Continued