Evaluation of Regional Drought Vulnerability Assessment Based on Agricultural Water and Reservoirs

Young-Sik  Mun; Won-Ho  Nam; Min-Gi  Jeon; Han-Joong  Kim; Ku  Kang; Jung-Chul  Lee; Tae-Hyun  Ha; Kwangya  Lee

doi:10.5389/KSAE.2020.62.2.097

Preview

Journal of Korean Society of Agricultural Engineers. 2020. 97–109
https://doi.org/10.5389/KSAE.2020.62.2.097

Evaluation of Regional Drought Vulnerability Assessment Based on Agricultural Water and Reservoirs

지역기반 농업용수의 가뭄재해 취약성 평가

Young-Sik Mun^a

Won-Ho Nam^b^†

Min-Gi Jeon^c

Han-Joong Kim^d

Ku Kang^e

Jung-Chul Lee^f

Tae-Hyun Ha^g

Kwangya Lee^h

문 영식^a

남 원호^b^†

전 민기^c

김 한중^d

강 구^e

이 정철^f

하 태현^g

이 광야^h

^aGraduate Student, Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea

^bAssistant Professor, Department of Bioresources and Rural Systems Engineering, Institute of Agricultural Environmental Science, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea

^cGraduate Student, Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea

^dProfessor, Department of Bioresources and Rural Systems Engineering, Institute of Agricultural Enviromental Science, Hankyong National University, Anseong, Republic of Korea

^eDirector, EKtechnology, Anseong, Republic of Korea

^fDirector, Overseas Business Department, Korea Rural Community Corporation

^gAgricultural Drought Mitigation Center, Korea Rural Community Corporation

^hDirector, Agricultural Drought Mitigation Center, Korea Rural Community Corporation

^a한경 대학교 생명 자원 및 농촌 시스템 공학과 대학원생

^b한경 대학교 국립 농업 수자원 연구 센터 농업 환경 과학원 생물 자원 농촌 공학과 조교수

^c한경 대학교 생명 자원 및 농촌 시스템 공학과 대학원생

^d한경 대학교 농업 환경 과학원 생물 자원 농촌 공학과 교수

^e안성시 EKtechnology 이사

^f농촌 진흥 공사 해외 사업 본부장

^g농촌 진흥 공사 농업 가뭄 완화 센터

^h농촌 진흥 공사 농업 가뭄 완화 센터 소장

^† Corresponding author Tel.: +82-31-670-5137, Fax: +82-31-670-5139E-mail: wonho.nam@hknu.ac.kr

ABSTRACT

Drought is one of the most influential disasters in sustainable agriculture and food security of nations. In order to preemptively respond to agricultural droughts, vulnerability assessments were conducted to predict the possibility of drought in the region, the degree of direct or indirect damage, and the ability to cope with the damage. Information on agricultural drought vulnerability status of different regions is extremely useful for implementation of long term drought management measures. The purpose of this study is to develop and implement a quantitative approach for measuring agricultural drought vulnerability at sub-district level based on agricultural water and reservoirs. To assess the vulnerability in a quantitative manner and also to deal with different physical and socioeconomic data on the occurrence of agricultural drought, we selected the appropriate factors for the assessment of agricultural drought vulnerability through preceding studies, and analyzed the meteorological and agricultural reservoir data from 2015 to 2018. Each item was weighted using AHP (Analytic Hierarchy Process) analysis and evaluated through the agricultural drought vulnerability estimation. The entire national vulnerability assessments showed that Ganghwa, Naju, and Damyang were the most vulnerable to agricultural droughts. As a result of analyzing spatial expression, Gyeongsang-do is relatively more vulnerable to drought than Gangwon-do and Gyeonggi-do. The results revealed that the methodology and evaluation items achieved good performance in drought response. In addition, vulnerability assessments based on agricultural reservoir are expected to contribute supporting effective drought decisions in the field of agricultural water management.

Keywords

Agricultural drought

vulnerability

reservoir

agricultural water

AHP

MAIN

Ⅰ. 서 론

가뭄은 특정기간 동안의 강수량 부족으로 인한 기상, 수문, 농업적 물 부족 현상에 따른 자연재해를 의미하며, 가뭄의 발생은 안정적인 용수 확보 및 수자원 관리에 영향을 미치고 있다 (Ahn et al., 2009; Nam et al., 2013; Jang, 2019). 특히, 농업가뭄은 농작물 생육 및 수확량에 직접적으로 영향을 미치는 토양수분 및 농업용 저수지의 관개용수가 부족하여 농작물에 피해가 발생하는 것으로 정의한다 (Rosenberg, 1979; Yoon et al., 2018; Mun et al., 2020). 과거 일반적인 가뭄을 해석하기 위해서 지역의 강수량 부족 현황, 가뭄 피해 면적, 가뭄지수 등 단일지표 등을 활용하여 가뭄 재해를 평가하였으나 (Tadesse et al., 2005; Hong et al., 2016; Lee et al., 2019), 최근 이상기후로 인한 장기적이고 극심한 자연재해 발생으로부터 선제적으로 대응하기 위하여 다양한 인자들을 종합적으로 판단하는 취약성 평가 (vulnerability assessment)가 도입되었다.

농업가뭄은 가뭄상황의 관측과 예측이 용이하지 않고, 가뭄피해를 정량적으로 나타내기 어려운 자연재해로, 국내의 경우 농업용 저수지, 양수장, 관정 등 농업용수 이용형태가 다양하기 때문에 강수부족으로 농업가뭄이 발생한다고 해도 실제로 농업현장에서 느끼는 채감 가뭄은 시⋅공간적으로 상이할수 있다 (MLIT, 2002; Seo et al., 2009, Kim et al., 2018; Jang, 2019). 따라서 지역별 기상학적 및 지형학적 특성에 따른 농업가뭄의 원인을 분석하고, 농업수자원 및 농업수리시설물 현황, 지역별 급수체계, 가뭄대응능력 등을 반영한 농업용수 중심의 가뭄재해 취약성 평가가 필요하다 (Lee et al., 2013; Nam et al., 2014; Kim et al., 2016).

취약성의 개념은 일반적으로 식량안보, 자연재해 및 재난 위험관리, 공중 보건 등의 연구분야에서 외부 스트레스에 대한 결과물에 따른 시스템 내부의 상태의 잠재적 피해 발생가능정도를 의미한다 (IPCC, 2001; Yoo and Kim, 2008; Nam et al., 2015). 최근에는 공학적인 방법으로부터 물리적으로 자연재해의 발생예상지역을 식별하고 자연재해의 발생 범위 및 규모를 예측하는 연구에서 사회경제적인 피해정도를 살펴보고, 그에 따른 대처계획을 수립하는 방향으로 패러다임이 변경되고 있다 (Park et al., 2017). Go and Kim (2009)는 취약성 지표를 개발하여 경기도 지역의 상대적인 기후변화 취약성을 평가하였고, Yang et al. (2012)은 가뭄 취약성 지표를 선정하여, 경향성 검정에 따른 지수를 산정하였으며, 수자원, 강우, 인문 분야 등 3개 분야 10개 지표를 통해 취약성을 평가하였다. Kim et al., (2013)은 농업생산기반을 중심으로 전국 시도별 가뭄 영향인자를 고려한 취약성을 평가하고 민감도, 노출도 및 적응능력에 대해 인자들을 구분하여 취약성 평가 지표를 선정하였다. Jang et al., (2019)은 전국 124개 농업용 양수장에 대한 실태조사와 민감도, 노출도 및 적응능력의 대용변수를 통해 양수장의 농업가뭄 취약성 실태를 평가하였다.

IPCC (Intergovernmental Panel on Climate Change)에서는 농업 가뭄 취약성을 기상 및 수문학적 가뭄에 의한 작물 생산 피해 및 가축의 피해를 동반할 수 있는 가능성으로 정의하였다 (IPCC, 2007). 국내의 경우 농업용수 중심의 가뭄 취약성 평가는 전국에 산재되어 있는 약 18,000여개의 농업용 저수지의 용수 부족 및 가뭄대응능력 뿐만 아니라, 기상 및 환경적 영향을 고려한 평가방법 및 기준이 제시되어야 한다.

본 연구에서는 전국단위의 기상자료 및 저수율 등 수문기상학적 자료를 토대로 167개 시군별 농업용수의 가뭄 취약성 평가 방법론을 정립하고자 한다. 과거 가뭄 사상을 분석하여 신뢰성을 높일 수 있는 객관적인 지표인 기상영향, 농업용수, 가뭄대응능력을 고려하여 종합적으로 시군단위의 가뭄 취약성 항목을 중분류와 세부인자를 구분하고, 인자별 가중치를 적용하여 지역별 등급산정을 통해 농업용수 기반 가뭄 취약지도를 작성하고자 한다.

Ⅱ. 연구방법

1. 농업가뭄 취약성 평가인자 선정

기존의 기후변화 대응 취약성에 대한 평가는 IPCC (2007)에서 제시한 노출도 (exposure), 민감도 (sensitivity) 및 적응능력 (adaptive capacity)으로 구분하고 있다 (UNDP, 2005; Shin et al., 2019). 본 연구의 농업용수의 가뭄 취약성 평가는 다양한 가뭄 취약성 선행 연구를 통해 농업가뭄에 영향을 나타내는 인자를 분석하여 선정하였다.

농업가뭄 취약성 평가인자는 Table 2와 같이 기상영향, 농업용수공급, 사회⋅환경적 인자, 가뭄대응능력 4개의 중분류 항목과 14개 세부분류 항목으로 구분하였다. 기상영향인자는 농업가뭄 분석 및 취약성 평가 시 가장 중요한 지표 중 하나로써, 강수량과 기온자료가 포함된다. 세부분류는 월별 강수량 (F1), 5 mm 미만 무강우일수 (F2), 고온 (33도 이상) 일수 (F3)로 구분하였으며, 기상자료는 기상청에서 제공하는 종관기상관측장비 (Automated Surface Observing System, ASOS)를 통해 수집하였다. 농업용수공급인자는 농업용 저수지의 관개용수, 유역배율 등 농업활동에 필요한 공급능력을 의미하며, 세부분류 항목으로는 가뭄예경보 관심단계 (저수율 70%) 이하로 내려간 일 수 (F4), 관개기 월말 저수율 (F5), 수위감소율 (F6), 유역배율 (F7), 단위면적당 유효저수량 (F8), 수리답비율 (F9)의 6가지로 구분하였다. 저수율 자료의 경우 한국농어촌공사 농촌용수종합정보시스템 (Rural Agricultural Water Resource Information System, RAWRIS)의 자료를 통해 구축하였으며, 유역배율과 수리답비율은 국가통계포털 (KOrean Statistical Information Service, KOSIS)를 통해 수집하였다. 사회⋅환경적 인자의 경우 세부분류는 농업에 종사하는 인구 비율 (F10)과 농경지의 면적 비율 (F11), 논 물마름 면적 (F12)을 통해 나타내었으며, 전국 평균보다 높을수록 농업가뭄 취약성이 높게 평가된다. 가뭄대응/적응능력 항목은 세부분류 항목으로 보조수원공 (F13)과 양수저류지구 (F14)를 파악하였으며, 국가통계포털, 한국농어촌공사 및 통계연보를 활용하여 자료를 수집하였다 (KRC, 2018). 농업가뭄 취약성 평가인자 수집을 통해 선정된 자료들은 2003년부터 2018년을 구축하였으며, 결측기간을 제외한 2015년부터 2018년까지 취약성을 평가하였다. 연구는 Fig. 1과 같이 농업가뭄 취약성 평가에 관한 항목을 선정하고, 표준화를 통한 데이터 전 처리 후 가중치를 산정하여 각 항목별 중요도를 분석하였다. 취약성 산정 식을 통해 167개 시군 지자체별 농업용수 기반의 가뭄에 취약한 지역을 분석하고, 취약지도를 작성하였다.

Table 2

Indicators and weights for assessment of agricultural drought vulnerabilities

Categories	Weight	Code	Details	Code	Weight
Meteorological data	0.498	MD	1. Monthly precipitation	F1	0.54
			2. Number of days without precipitation	F2	0.35
			3. Consecutive dry days	F3	0.11
Agricultural reservoir data	0.286	RD	4. Number of days water reserve rate below the drought warning level of interest	F4	0.32
			5. End of month water reserve rates	F5	0.25
			6. Water level reduction ratio	F6	0.15
			7. Watershed ratio	F7	0.13
			8. Effective Reservoir storage	F8	0.09
			9. Irrigated rice paddy	F9	0.06
Social data	0.166	SD	10. The agricultural population rates	F10	0.22
			11. Rice paddy rates	F11	0.42
			12. Paddy water dry area	F12	0.36
Adaptability data	0.05	AD	13. Assistance waterworks	F13	0.79
Adaptability data	0.05	AD	14. Pumped storage	F14	0.21

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-02/N0740620209/images/PICD64B.png

Fig. 1

Flow chart of the process used to produce the agricultural drought vulnerability assessment model

2. 데이터 전처리 방법

각 평가 항목들은 다른 단위와 성질을 가지고 있으므로, 하나의 지수로 결합 및 통합하는 과정이 필요하다. 일반적으로 변수의 범위가 다른 자료를 분석할 경우 전처리 과정 (data preprocessing)을 통해 단위 및 척도를 일치시켜 자료를 분석한다. 전처리 과정에는 표준화 (standardization)방법 (Z-score)과 정규화 (normalization)방법 (축척재조정, Re-scaling)을 활용하고 있다. Z-score는 자료가 평균으로부터 표준편차 (standard deviation)의 몇 배만큼 떨어져 있는지 나타내는 지표이며, 식 (1)과 같이 평균을 0으로 표준편차를 1이 되도록 만드는 방법이다. 여기서 μ는 평균값이고 σ는 표준편차를 나타내며, 값이 평균보다 낮으면 음수가 되고, 높으면 양수가 된다. 축척재조정 방법은 데이터의 범위를 0과 1 사이의 값으로 변화하여 분포를 조정하는 방법이다. Z-score 방법과 다르게 표준편차 기준보다는 범위에 기반을 둔 전처리 방법으로 모든 단위 및 특성을 동일한 범위를 갖게 만든 방법이다. 식 (2)와 같이 나타내며, 최솟값과 최댓값을 이용하여 값을 산출한다.

(1)

z = \frac{x - μ}{σ}

(2)

z = \frac{x - \min (x)}{\max (x) - \min (x)}

이 외에도 순위를 통한 지표 값 산정방법 (Ranking method)와 같은 다양한 전처리 방법이 활용되고 있다. Z-score 방법의 경우 음수 값과 양수 값을 통해 다소 복잡한 과정이 나타나며, 각 평가인자에 대한 자료가 정규분포를 따르지 않을 경우 왜곡된 결과를 가져올 수 있다 (Myong, 2010). Kim (2019)는 농업용 저수지의 기후변화 취약성을 평가하기 위해 다양한 표준화 방법을 활용하였다. 축척재조정 방법을 통해 요인분석과 가중치를 적용하여 년 단위로 등급화하고, 시간에 따른 가뭄의 변화를 도시하였다. Shin (2018)은 인공신경망 알고리즘을 활용하여 가뭄에 취약한 지역을 분석하였으며, 기상관측소 자료와 인공신경망 모델의 학습 자료의 비교를 위해서 축척재조정 방법을 활용하였다. 본 연구에서는 0에서 1 사이 동일한 분포 변환이 가능하며, 최댓값과 최솟값을 활용하여 상대적인 크기 비교하는 축척재조정 방법을 통해 각 항목별 단위 및 특성을 통합하였다.

3. 농업용수 기반 가뭄 취약성 평가 방법론 구축

농업가뭄 취약성 평가 등급산정은 축척재조정 방법을 활용하여 나타낸 0부터 1사이의 인자 값을 통해 USDM (United States Drought Monitor)에서 가뭄 등급 산정 기준으로 활용하고 있는 Percentile 분석 방법을 활용하였다. USDM의 가뭄 등급 산정 방법 중 하나인 Percentile 분석은 가뭄 발생에 대해 백분위수를 활용하여 임계값을 나타내는 방법이다. 가뭄의 심각성을 파악하고 취약성이나 위험성을 이해하기 위한 목적으로 활용되었으며, Percentile을 활용한 가뭄 심도 분류는 여러 변수에 대해 단순화된 지수로 표현 가능한 방법이다 (Svoboda et al., 2002; Xia et al., 2014). 정규분포에 따른 Percentile 분석의 기준은 Table 1과 같이 구분하였으며, 세부인자별 전국을 대상으로 과거부터 현재까지 데이터를 분포시켜 A부터 E등급을 산정하였다. A등급에 가까울수록 농업가뭄에 대한 취약성이 낮으며, E등급에 가까울수록 취약성이 크다는 것을 의미한다. 산정된 등급은 중분류 및 세부항목의 취약성을 평가 분석하기 위한 자료로 활용된다.

Table 1

Drought severity classification in USDM (Svoboda et al., 2002)

Category	Description	Possible Impacts	Ranges (%)
A	Abnormally Dry	⋅Short-term dryness slowing planting, growth of crops or pastures	21 to 30
B	Moderate Drought	⋅Streams, reservoirs, or wells low, some water shortages developing or imminent	11 to 20
C	Severe Drought	⋅Water shortages common ⋅Water restrictions imposed	6 to 10
D	Extreme Drought	⋅Widespread water shortages or restrictions	3 to 5
E	Exceptional Drought	⋅Shortages of water in reservoirs, streams, and wells creating water emergencies	0 to 2

종합적인 시군별 농업가뭄 취약성 평가를 위한 각 항목별 가중치는 AHP (Analytic Hierarchy Process) 분석을 통해 산정하였다. AHP 분석은 다양한 인자들을 계층적으로 분류하여 중요도를 파악하는 기법으로 설문을 통해 대안들을 순위화시키고, 비율 척도 (ratio scale)로 가중치를 도출하는 방법이다 (Saaty, 1980). 의사결정 방법의 하나인 AHP기법은 평가과정에서 쌍대비교를 통해 각 요소의 가중치를 산출하는 특징이 있다 (Lee et al., 2018). 본 연구에서는 학계 및 실무의 전문가 44명에 대한 설문 및 AHP 방법을 적용하여 Table 2에 나타내었다. A등급부터 E등급까지 산정된 중분류 및 세부항목은 농업가뭄 취약성에 대한 평가인자로써, 식 (3)과 같이 가중치를 반영하여 종합적인 농업가뭄 취약 지역을 분석하였다. 농업가뭄 취약성을 평가하기 위한 과정은 국내외 선행연구를 통해 4가지 중분류 항목과 각각의 세부항목을 선정하고, 전처리 과정을 통해 단위 및 특성을 통합시켰다. 각 항목은 Percentile 방법을 활용하여 등급을 산정하며, 농업가뭄 취약성 판단에 긍정적인 영향과 부정적인 영향을 구분하여 두 영향의 차이를 통해 종합적인 시군별 농업가뭄 취약성 평가를 수행하였다.

(3)

V u l n e r a b i l i t y = ((M D \times W_{M D}) + (R D \times W_{R D}) + (S D \times W_{S D}) - (A D \times W_{A D})) \times 100

여기서, MD (Meteorological Data), RD (Reservoir Data), SD (Social Data), AD (Adaptability Data)는 각 중분류 값이며, W는 각 중분류 별 가중치를 나타낸다. 농업가뭄 취약성은 기상, 농업용수, 사회⋅환경적 인자의 가중치 곱의 합과 적응능력의 가중치의 곱의 차이를 통해 평가하였다.

Ⅲ. 적용 및 결과

1. 시범지역에 대한 농업가뭄 취약성 평가 적정성 검증

농업가뭄 취약성 평가와 기존의 기후변화 취약성 평가는 평가 항목과 방법론이 다르기 때문에 연구에서 활용한 항목과 방법론의 적절성 검증이 필요하다. 농업가뭄 취약성 평가 방법론의 적정성을 검증하기 위한 시범대상지역은 과거 가뭄피해가 극심했던 지역으로 상습가뭄지역인 충청남도를 선정하였다. 충청남도의 강수량은 2015년 이후 평년대비 75%의 수준으로 나타났으며, 최근 심각한 가뭄이 지속적으로 발생했던 지역이다. 시범대상 지역은 15개 시군으로 구분되며, 세부항목은 2003년부터 2018년의 자료를 구축하였지만, 자료의 공백이 없는 2015년부터 2018년까지 시간적 범위를 설정하여 항목별 평가결과 도출과 검증을 수행하였다. 농업가뭄 평가를 위해 세부항목을 축척재조정 방법을 통해 표준화를 하였으며, Percentile 방법으로 A부터 E까지 각각 중분류 항목을 5단계로 분류하였다. A, B, C, D, E까지 5등급을 각 20, 40, 60, 80, 100으로 재점수화 하였으며, 식 (3)에 따라 산정된 중분류 값에 가중치를 부여하여 종합적인 시군별 농업가뭄 취약성을 평가하였다.

Fig. 2는 2015년부터 2018년 각각 충청남도 15개 시군의 가뭄 취약 지역을 나타낸 것이다. 충청남도 15개 시군의 취약성 평가는 Table 3과 같이 2015년 계룡, 서천에서 가장 낮은 68.99, 67.16을 보였고, 2016년의 경우 서산, 서천에서 72.30, 72.39의 값을 나타냈다. 상습가뭄지역으로 지정된 2017년은 서산에서 가장 낮은 64.36을 나타내었다. 2018년은 15개 시군에서 대부분 높은 값을 나타내어, 농업가뭄에 안전한 것으로 나타났다. 2015년부터 2018년 평균 농업가뭄 취약성 값은 서산과 서천이 각각 71.88, 73.69로 충청남도 지역에서 농업가뭄에 가장 취약했다. 금산의 경우 2016년부터 2018년까지 농업가뭄에 가장 안전한 결과를 나타내었으며, 종합적으로 85.90의 높은 값을 나타내었다.

Table 3

Results of drought vulnerability analysis in Chungcheongnam-do

Division	2015	2016	2017	2018	Average vulnerability
Cheonan	78.71	84.06	84.06	87.93	83.69
Gongju	75.93	83.31	80.09	85.47	81.20
Boryeong	75.08	78.61	71.09	85.70	77.62
Asan	75.10	81.85	79.26	84.31	80.13
Seosan	70.18	72.30	64.36	80.67	71.88
Nonsan	72.83	80.65	79.59	82.38	78.86
Gyeryong	68.99	80.34	76.82	79.28	76.36
Dangjin	76.32	81.24	74.80	84.77	79.28
Geumsan	79.79	88.26	86.55	89.01	85.90
Buyeo	70.71	79.92	76.06	81.00	76.93
Seocheon	67.16	72.39	73.70	81.51	73.69
Cheongyang	73.49	79.06	75.62	84.22	78.10
Hongseong	75.08	75.82	69.91	82.78	75.90
Yesan	70.57	76.58	71.65	83.21	75.51
Taean	79.81	83.33	75.81	84.92	80.97

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-02/N0740620209/images/PICD66B.png

Fig. 2

Mapping annual vulnerability assessment for Chungcheongnam-do in 2015, 2016, 2016, 2017, and 2018 year

농업가뭄 취약성 평가의 적정성을 검증하기 위해 Fig. 3과 같이 시범지역의 결과 값을 활용하여 실제 가뭄발생 및 발생예측 지역을 대상으로 지원되는 대책비용과 상관성을 비교하였다. 가뭄대책비는 한국농어촌공사 농업생산기반정비통계연보를 참고하여 조사하였다. 가뭄대책비용은 가뭄이 발생한 뒤 투입되는 비용이며, 상관성 분석 결과 0.66의 다소 높은 상관성 값을 나타냈다. 이는 농업가뭄이 취약한 지역일수록 지원되는 대책비용이 많다는 것을 알 수 있으며, 본 연구에서 사용된 평가항목 및 방법론이 전국 농업가뭄 취약성 평가에 적용이 가능할 것이라 판단된다.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-02/N0740620209/images/PICD717.png

Fig. 3

Comparison of drought response costs and drought vulnerability in 2016 and 2017 year

2. 지역기반 농업용수의 가뭄 취약성 평가

가. 기상영향인자

농업가뭄 취약성을 평가하기 위해 전국 167개 시군을 대상으로 분석하였다. 기상영향인자 (MD)는 AHP 분석 결과 0.498의 중분류 항목 중 가장 높은 가중치를 나타냈으며, 관개기 월별 강수량 (F1), 5 mm 미만의 무강우일수 (F2), 33도 이상 폭염일수 (F3) 3가지 항목을 통해 산정하였다. 무강우일수와 폭염일수 항목의 경우 기상영향인자의 취약성을 감소시키므로 표준화 과정에서 역수로 계산하였다. 167개 시군을 대상으로 취약성 결과 값을 분석하였을 때 통영, 거제, 기장 시군 순서로 A등급의 농업가뭄에 안전한 값을 나타냈으며, 울진, 삼척, 태백 등 7개의 지역에서 E등급의 결과를 나타냄으로서 기상영향 취약성 부분에서 가장 취약한 지역으로 나타났다 (Table 4). Fig. 4(A)를 통해 기상영향 인자를 통해 취약성 판단한 결과 전체적으로 경상북도 지역이 다른 지역들에 비해 D등급, E등급의 비율이 다소 높은 것을 알 수 있었으며, E등급의 취약한 지역은 강수량 부족 및 고온에 대응할 수 있는 방법을 강구하는 것이 필요할 것으로 판단된다.

Table 4

Meteorological impact vulnerability assessment results

Rank	Area	Vulnerability	F1¹⁾		F2²⁾		F3³⁾
Rank	Area	Vulnerability	Actual	Re-scaling	Actual	Re-scaling	Actual	Re-scaling
1	Tongyeong	98.23	200.01	53.90	24	33.63	1	10.70
2	Geoje	97.86	236.46	53.90	25	35.40	3	8.56
3	Gijang	96.46	172.25	53.90	24	31.86	1	10.70
4	Yanggu	96.46	146.33	53.90	24	31.86	2	10.70
5	Inje	96.46	146.33	53.90	24	31.86	2	10.70
163	Jeju	80.00	143.46	37.73	21	30.09	3	10.17
164	Ulleung	75.23	114.13	43.12	21	23.01	1	9.10
165	Taebaek	75.23	114.13	43.12	21	23.01	1	9.10
166	Samcheok	75.23	114.13	43.12	21	23.01	1	9.10
167	Uljin	75.23	114.13	43.12	21	23.01	1	9.10

1) F1: Monthly precipitation (mm)

2) F2: Number of days without precipitation (day)

3) F3: Consecutive dry days (day)

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-02/N0740620209/images/PICD7D4.gif

Fig. 4

Agricultural drought vulnerability map by four evaluation factors (A: meteorological factor, B: reservoir factor, C: social factor, D: adaptability factor)

나. 농업용수공급 인자

농업가뭄 취약성 평가 시 농업용수공급능력은 논에 필요한 용수를 공급하는 측면에서 필수적인 인자이다. 농업용수공급 인자는 가뭄경보 관심단계 70% 미만의 저수율 일 수 (F4), 관개기 월말 저수율 (F5), 관개기 수위감소율 (F6), 유역배율(F7), 유효저수량 (F8) 및 수리답 비율 (F9)의 6가지로 평가하였다. Fig. 4(B)와 같은 결과를 나타냈으며, 서울, 수원, 의정부 등 농업용 저수지가 없는 시군은 제외하여 등급을 산정하였다. 농업용 저수지가 없는 지역을 제외한 133개 시군을 대상으로 농업용수공급 취약성을 평가한 결과 충청도 지역에서 다소 높은 농업가뭄 취약성을 나타내었다. 함양에서 99.9의 가장 높은 점수를 나타내며 A등급으로 산정되었으며, 진안 98.68, 영동 98.32로 농업가뭄에 안전한 것으로 나타났다. E등급은 강화 38.78, 담양 56.32, 나주 62.13으로 농업용수공급 평가 항목에서 가장 취약한 지역으로 나타났다 (Table 5). 수리답 비율, 유효저수량의 결과 값보다 월말 저수율, 가뭄경보 기준미만 저수율 항목에서 차이를 나타내었다. 농업용수공급능력이 취약한 지역은 보조수원공 시설 및 수자원 관리 기술을 개선해야 할 것으로 사료된다.

Table 5

Agricultural water supply vulnerability assessment results

Rank	Area	Vulnerability	F4¹⁾		F5²⁾		F6³⁾		F7⁴⁾		F8⁵⁾		F9⁶⁾
Rank	Area	Vulnerability	Actual	Re- scaling	Actual	Re- scaling	Actual	Re- scaling	Actual	Re- scaling	Actual	Re- scaling	Actual	Re- scaling
1	Hamyang	99.90	0	31.90	81.53	24.50	0.75	15.10	4.84	13.10	6.69	8.90	2282	6.40
2	Jinan	98.68	0	31.90	80.37	23.28	0.47	15.10	5.80	13.10	11.33	8.90	2485	6.40
3	Yeongdong	98.31	3	30.31	81.45	24.50	0.81	15.10	6.93	13.10	7.19	8.90	2362	6.40
4	Daegu	97.45	0	31.90	74.56	22.05	0.28	15.10	82.90	13.10	25.46	8.90	3260	6.40
5	Pocheon	97.08	8	30.31	80.52	23.28	0.70	15.10	4.00	13.10	5.44	8.90	2470	6.40
129	Jeunpyeong	67.86	189	15.95	53.02	11.03	0.92	15.10	2.79	10.48	6.59	8.90	4118	6.40
130	Gunpo	66.01	123	20.74	58.18	13.48	2.13	12.08	3.34	13.10	3.19	5.34	6	1.28
131	Naju	62.13	148	19.14	46.50	7.35	0.55	15.10	1.86	5.24	8.94	8.90	13792	6.40
132	Damyang	56.32	179	15.95	45.79	7.35	0.59	15.10	1.53	2.62	8.66	8.90	7413	6.40
133	Ganghwa	38.78	141	20.74	54.61	0	0.84	0	2.29	7.86	5.01	8.90	0	1.28

1) F4: Number of days water reserve rate below the drought warning level of interest (day)

2) F5: End of month water reserve rates (%)

3) F6: Water level reduction ratio (%)

4) F7: Watershed ratio (%)

5) F8: Effective Reservoir storage

6) F9: Irrigated rice paddy (ha)

다. 사회⋅환경적 인자

사회적 인자는 행정구역 대비 논농사에 종사하고 있는 인구의 비율 (F10), 농경지 비율 (F11) 및 논물마름 면적 (F12) 3개의 항목을 선정하였다. Fig. 4(C)와 같이 결과를 나타내었으며, 행정구역 대비 0.03% 미만의 농경지를 나타내는 서울, 성남, 의정부, 안양, 동두천 등 지역은 논 가뭄에 영향을 미치지 못한다고 판단하여 제외하고 등급을 산정하였다. 전라도 시군에서 다른 지역에 비해 C등급, D등급 비율이 높음을 알 수 있었다. Table 6을 보면 양구, 인제, 진천 등에서 100점의 높은 취약성 값을 나타내었으며, 신안 58.73, 상주 58.84에서 고흥 60.42 순으로 E등급과 D등급의 농업가뭄에 취약한 지역으로 나타났다. 고흥의 경우 인구의 비율이 가장 낮은 7.84를 나타내었으며, 가장 취약성이 높은 신안은 논물마름 면적에서 21.54로 가장 낮은 값을 나타내었다. 사회⋅환경적 취약성이 높은 지역은 농업가뭄에 대한 관리 인력 투입 및 교육을 통해 보다 개선 될 수 있는 요인이라고 판단된다.

Table 6

Social vulnerability assessment results

Rank	Area	Vulnerability	F10¹⁾		F11²⁾		F12³⁾
Rank	Area	Vulnerability	Actual	Re-scaling	Actual	Re-scaling	Actual	Re-scaling
1	Yanggu	100	20.47	22.40	2.73	41.70	3.25	35.90
2	Inje	100	21.88	22.40	1.68	41.70	0	35.90
3	Jincheon	100	16.01	22.40	7.96	41.70	3.88	35.90
4	Jeunpyeong	100	9.89	22.40	1.88	41.70	1.25	35.90
5	Yeosu	100	7.01	22.40	4.28	41.70	2	35.90
144	Haenam	62.16	26.95	17.92	36.05	8.34	49	35.90
145	Yeongam	62.01	28.08	15.68	27.12	10.43	2.18	35.90
146	Goheung	60.42	36.66	7.84	23.42	16.68	8.5	35.90
147	Sangju	58.84	29.89	13.44	22.49	16.68	107.75	28.72
148	Sinan	58.73	36.14	10.08	16.35	27.11	976.33	21.54

1) F10: The agricultural population rates (%)

2) F11: Rice paddy rates (%)

3) F12: Paddy water dry area (ha)

라. 가뭄대응/적응능력 인자

가뭄대응/적응능력 인자는 기존 기후변화 취약성의 적응능력에 해당되는 부분이며, 기상영향, 농업용수공급, 사회⋅환경적 인자가 취약성을 높이는 항목이라면 적응능력 인자는 농업가뭄 취약성에 대응할 수 있는 반대되는 항목이다. 하지만 그 가중치는 설문 결과 0.05로 다소 낮게 판단되었으며, 보조수원공 (F13)과 양수저류지구 (F14)가 항목에 해당된다. 보조수원공 및 양수저류지구가 없는 기장, 성남, 의정부, 안양 등 지역은 제외하여 145개 시군을 대상으로 등급을 산정하였다 (Fig. 4(D)). 보조수원공 및 양수저류지구의 경우 강화, 파주, 안성 등에서 100점으로 보조수원공 및 양수저류지구에서 안전한 시군으로 나타났다. 하지만 강원도 지역에서 E등급, D등급의 다소 높은 취약성을 나타내었으며, 그 외에도 단양, 무주, 함양에서 E등급의 높은 취약성을 나타내었다. 적응능력이 낮게 평가된 시군의 경우 시설 유지와 보조수원공 및 양수저류 준공 등이 가장 우선적으로 필요하다.

Table 7

Adaptability vulnerability assessment results

Rank	Area	Vulnerability	F13¹⁾		F14²⁾
Rank	Area	Vulnerability	Actual	Re-scaling	Actual	Re-scaling
1	Ganghwa	100	89	78.90	13	21.10
2	Paju	100	103	78.90	3	21.10
3	Anseong	100	66	78.90	2	21.10
4	Inje	100	91	78.90	48	21.10
5	Asan	100	5	78.90	0	21.10
141	Hanam	20	3	15.78	0	4.22
142	Jeongseon	20	2	15.78	0	4.22
143	Danyang	20	2	15.78	0	4.22
144	Muju	20	1	15.78	0	4.22
145	Hamyang	20	1	15.78	0	4.22

1) F13: Assistance waterworks (EA)

2) F14: Pumped storage (EA)

마. 취약성 평가

기상영향, 농업용수공급, 사회⋅환경적 인자, 적응능력 인자 4가지의 농업가뭄 취약성 평가 항목을 통해 전국 167개 시군의 농업가뭄 취약성을 평가하였다. Table 8는 각 중분류 항목의 등급별 비율과 공백지역의 비율을 나타내었다. 기상영향 항목은 B등급 지역이 0.47로 가장 높았으며, 가장 취약한 지역이 0.03으로 가장 낮았다. 농업용수공급 항목에서 저수지가 없는 지역은 0.2이며, B등급이 0.37로 가장 높았다. 사회⋅환경적 항목의 농경지 공백지역은 0.11이며, A등급 지역이 0.52로 가장 높았고, 적응능력 항목 또한 0.47로 A등급 지역이 가장 높은 비율을 나타냈다. 각 항목별 공백지역은 종합등급 산정 시 농업가뭄 취약성 평가가 어렵다고 판단하여 B등급 이상으로 산정하였다.

Table 8

Classification ratio and blank area by factor

Rate	A	B	C	D	E	Blank
Meteorological data	0.08	0.47	0.21	0.21	0.03	-
Agricultural reservoir data	0.16	0.37	0.19	0.07	0.02	0.20
Social data	0.52	0.20	0.08	0.07	0.01	0.11
Adaptability data	0.47	0.23	0.06	0.02	0.08	0.13

전국 167개 시군을 대상으로 농업가뭄 취약성 평가 결과 Table 9과 같이 강화 63.75, 나주 67.01, 담양 67.72로 취약성이 가장 높은 지역으로 나타났다. 취약한 지역 모두 적응능력 항목에서 높은 점수를 나타냈지만, 농업용수와 사회⋅환경적 항목에서 낮은 점수를 나타내면서 종합적으로 가장 취약한 지역으로 분류되었다. 농업가뭄 취약성에 안전한 시군으로는 양구 91.02, 진안 87.98, 단양 87.80으로 나타났으며, 적응능력 항목에서 낮은 점수를 나타냈지만, 기상영향, 농업용수, 사회⋅환경적 항목에서 높은 점수가 산정됨으로써 농업가뭄 취약성에 가장 안전한 지역으로 분류되었다. Fig. 5에서 종합적으로 농업가뭄 취약지도를 보면 경기도와 강원도 지역보다는 경상도와 전라도 지역에서 C등급과 D등급의 비율이 높음을 알 수 있었다. 본 연구에서 가장 높은 가중치는 기상영향 (0.498)으로 종합적인 농업가뭄 취약성 판단 시 기상영향에 따라 상대적으로 등급판단에 영향이 클 것으로 예상되었으나, 기상영향의 값이 상대적으로 차이가 적게 나타나면서 농업용수공급 (0.286)이 보다 취약성의 크기를 좌우한 것으로 나타났다. 실제 가뭄이 취약한 지역과 비교한 결과 (ME, 2016), 본 연구에서 취약성이 높은 지역인 강화, 나주, 담양 등이 유사하게 나타났으며, 선제적으로 가뭄 대책비 투입이 필요할 것으로 판단된다.

Table 9

Regional agricultural drought vulnerability assessment result

Rank	Area	Vulnerability	MD¹⁾	RD²⁾	SD³⁾	AD⁴⁾
1	Yanggu	91.02	96.46	95.75	100	0
2	Jinan	87.98	93.62	98.68	89.92	35.78
3	Danyang	87.80	93.62	89.43	100	20.00
4	Jecheon	87.79	92.39	97.08	100	51.56
5	Suncheon	87.36	95.54	97.08	100	91.56
6	Yeosu	86.91	95.54	95.49	100	91.56
7	Gwangyang	86.37	93.62	90.28	89.92	20.00
8	Muju	86.29	95.54	90.57	100	75.78
9	Yeongju	85.90	93.62	97.08	94.40	83.12
10	Geumsan	85.52	93.62	97.08	94.62	91.56
158	Jangseong	73.14	83.93	71.65	95.52	100
159	Yeonggwang	72.86	83.93	79.81	79.73	100
160	Gyeongju	72.67	80.08	88.62	74.98	100
161	Haenam	72.33	82.84	90.05	62.16	100
162	Seosan	71.88	91.15	73.50	63.05	100
163	Iksan	71.61	85.23	77.84	66.64	83.12
164	Uiseong	69.86	79.03	86.17	65.40	100
165	Damyang	67.72	83.93	56.32	89.27	100
166	Naju	67.01	83.93	62.13	74.98	100
167	Ganghwa	63.75	91.15	38.78	73.90	100

1) MD: Meteorological data

2) RD: Agricultural reservoir data

3) SD: Social data

4) AD: Adaptability data

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-02/N0740620209/images/PICD7F4.png

Fig. 5

Regional drought vulnerability assessment map based on agricultural water and reservoirs

Ⅳ. 결 론

본 연구에서는 선제적 농업가뭄 대응을 위한 기초자료로서 167개 시군을 대상으로 지역기반 농업용수의 가뭄 취약성을 평가하였다. 농업 가뭄 취약성 평가지표를 선정하기 위하여 기존 선행연구로부터 기상영향 3개, 농업용수공급 6개, 사회⋅환경적 3개, 가뭄대응/적응능력 2개의 평가항목을 선정하였다. 14개의 각 세부항목은 축척재조정 방법을 통해 표준화하였으며, 각 항목별 AHP 분석을 통해 가중치를 산정하고 Percentile 방법과 등간격 척도를 통해 A등급부터 E등급까지 등급을 산정하였다. 산정된 가중치 및 등급기준을 통해 시군별 농업가뭄 취약성 평가를 수행하였다.

학계 및 실무의 전문가 44명에 대한 AHP 분석 결과 가중치는 기상영향인자 (0.498), 농업용수공급인자 (0.286), 사회⋅환경인자 (0.166), 가뭄대응/적응능력인자 (0.05) 순으로 조사되었다. 시범지역에 적정성을 검증하기 위해 충청남도에 적용하여 취약성을 평가한 결과 15개 시군 중 서산과 서천 지역에서 71.88, 73.69의 값으로 가장 취약성이 높은 것으로 평가되었다. 또한 취약성 결과와 실제 가뭄발생 대상으로 지원되는 대책비용과의 상관성 분석을 실시한 결과 0.66으로 평가항목 및 방법론이 농업가뭄 취약성에 적용가능 할 것이라 판단되었다. 전국 167개 시군을 통해 취약성을 종합적으로 평가한 결과를 가뭄취약지도를 통해 나타내었으며, 경기도 및 강원도 지역보다 전라도와 경상도 지역의 취약성이 높은 것으로 나타났다. 전국적으로 양구 (91.02), 진안 (87.98), 단양 (87.80)에서 농업가뭄에 안전한 지역으로 나타났으며, 강화 (63.75), 나주 (67.01), 담양 (67.72)은 취약한 결과를 나타내었다.

본 연구에서는 농업용수 중심의 가뭄 취약성을 평가를 위해 구체적인 평가 항목 및 방법론을 제시하였으며, 등급 및 가중치를 산정하여 가뭄대응 시 우선적으로 고려해야하는 가뭄취약지역을 도출하였다. 하지만, 기상청에서 제공하고 있는 종관기상관측장치의 관측자료 적용 시 167개 시군을 적용하기에 공간적 해상도가 낮기 때문에 기상자료의 높은 정밀성을 구축하는 것이 필요할 것으로 판단된다. 또한 가중치 산정 부분에서 AHP 분석 결과 가중치의 값이 기상영향에 상대적으로 높은 값을 나타냈다. 향후 가중치 산정 시 AHP 분석뿐만 아니라 엔트로피, 델파이 기법 등 다양한 가중치 산정 방법을 활용하여 보다 높은 신뢰성을 연구가 필요할 것으로 사료된다. 본 연구의 결과는 선제적 가뭄 대응의 기초자료로 활용되어 농업용수 기반의 가뭄 취약지역산정, 지역별 맞춤형 가뭄 정보 제공의 신뢰도가 강화될 것으로 판단된다.

감사의 글

본 연구는 행정안전부 극한재난대응기반기술개발사업의 연구비 지원 (2019-MOIS31-010)에 의해 수행되었습니다.

REFERENCES

S. R. Ahn, J. Y. Park, I. K. Jung, S. J. Na and S. J. Kim, Journal of the Korean Society of Agriculture Engineers, Hydrological drought assessment of agricultural reservoirs based on SWSI in Geum river basin., 51(5); 35-49, (in Korean). (2009)10.5389/ksae.2009.51.5.035

J. G. Go and H. S. Kim, A study on vulnerability assessment to climate change in Gyeonggi-Do, 1-1., Gyeonggi Research Institute.. (2009)

E. M. Hong, W. H. Nam, J. Y. Choi and Y. A. Pachepsky, Agricultural Water ManagementProjected irrigation requirements for upland crops using soil moisture model under climate change in South Korea., 165; 163-180 (2016)10.1016/j.agwat.2015.12.003

Intergovernmental Panel on Climate Change (IPCC),, Climate change 2001: The scientific basis. Contribution of working group I to the third report of the intergovernmental panel on climate change., Cambridge, UK.. Cambridge University Press,. (2001)

Intergovernmental Panel on Climate Change (IPCC),, Climate change 2007: Impacts, adaptation and vulnerability. Contribution of working group II to the fourth assessment report of the intergovernmental panel on climate change., Cambridge, UK.. Cambridge University Press,. (2007)

J. S. Jang, Journal of the Korean Society of Agricultural Engineers , Hydrometeorological characteristics and the spatial distribution of agricultural droughts., 61(2); 105-115, (in Korean). (2019)

M. W. Jang, S. J. Kim, S. J. Bae, S. H. Yoo, K. H. Jung and S. W. Hwang, Journal of the Korean Society of Agricultural Engineers, Assessing vulnerability to agricultural drought of pumping stations for preparing climate change., 61(6); 31-40, (in Korean). (2019)

C. H. Kim, Climate change vulnerability assessment of agricultural reservoirs using proxy variables. Ph.d. diss.,, Konkuk University.. (2019)

S. J. Kim, S. J. Bae, J. Y. Choi, S. P. Kim, S. K. Eun, S. H. Yoo, T. I. Jang, N. Y. Goh, S. W. Hwang, S. J. Kim, T. S. Park, K. H. Jeong and S. H. Song, Journal of the Korean Society of Agricultural Engineers , Analysis on the impact of climate change on the survey of rural water district and agricultural production infrastructure., 60(5); 1-15, (in Korean). (2018)10.5389/KSAE.2018.60.5.001

S. J. Kim, S. M. Kim and S. M. Kim, Journal of the Korean Society of Agricultural Engineers, A study of the vulnerability assessment for agricultural infrastructure using principal component analysis., 55(1); 31-38, (in Korean). (2013)10.5389/ksae.2013.55.1.031

S. H. Kim, M. H. Lee and D. H. Bae, Journal of Korea Water Resources Association, Estimation and assessment of natural drought index using principal component analysis., 49(6); 565-577, (in Korean). (2016)10.3741/jkwra.2016.49.6.565

Korea Rural Community Corporation (KRC), A study on survey of impact of climate change on rural water supply and enhancement of vulnerability assessment methodology., (in Korean)., Naju, Jeonnam. (2018)

C. W. Lee, H. J. Shin, M. S. Kwon, G. M. Lee, S. H. Nam and M. S. Kan, Journal of the Korean Association of Geographic Information Studies, An approach to drought vulnerability assessment using TOPSIS method., 22(4); 102-115, (in Korean). (2019)

S. J. Lee, J. D. Song, T. I. Jang, D. M. Sul and J. K. Son, Journal Of The Korean Society Of Rural Planning , A study on the derivation of the user-oriented agricultural drought assessment criteria using the AHP technique., 24(4); 47-55, (in Korean). (2018)10.7851/ksrp.2018.24.4.047

Y. H. Lee, Y. J. Oh, C. S. Na, M. H. Kim, K. K. Kang and S. T. Yoon, Climate Change ResearchVulnerability assessment on spring drought in the field of agriculture., 4(4); 397-407, (in Korean). (2013)

Ministry of Land Infrastructure and Transport (MLIT),, 2002, 2001 Drought record research report., Sejong, Korea..

Ministry of Environment (ME),, Drought vulnerability assessment and limited water supply guidelines., Sejong, Korea.. (2016)

Y. S. Mun, W. H. Nam, T. G. Kim, E. M. Hong and C. Y. Sur, Journal of the Korean Society of Agricultural Engineers, Evaluation and comparison of meteorological drought index using multi-satellite based precipitation products in East Asia., 62(1); 85-95, (in Korean). (2020)10.5389/ KSAE.2020.62.1.085

S. J. Myong, Assessing vulnerability to climate change of the pysical infrastructure and developing adaption measures in Korea Ⅱ, 53. green growth study 2010-13, City Hall-daero,, Sejongsi, Korea:. Korea Environment Institute.. (2010)

W. H. Nam, E. M. Hong, J. Y. Choi, W. H. Nam, E. M. Hong and J. Y. Choi, Journal of the Korean Society of Agricultural Engineers, Uncertainty of water supply in agricultural reservoirs considering the climate change., 56(2); 11-23, (in Korean). (2014)10.5389/ksae.2014.56.2.011

W. H. Nam, J. Y. Choi, M. W. Jang and E. M. Hong, Journal of the Korean Society of Agricultural Engineers, Agricultural drought risk assessment using reservoir drought index., 55(3); 41-49, (in Korean). (2013)10.5389/ksae.2013.55.3.041

W. H. Nam, M. J. Hayes, D. A. Wilhite and M. Svoboda, Journal of the Korean Society of Agricultural Engineers, Projection of ttemporal trends on drought characteristics using the standardized precipitation evapotranspiration index (SPEI) in South Korea., 57(1); 37-45 (2015)10.5389/ksae.2015.57.1.037

Y. K. Park, W. Y. Cha, J. S. Kim and S. D. Kim, Journal of the Korean Society of Hazard Mitigation, Metropolitan socio-economic disaster vulnerability assessment., 17(1); 353-364, (in Korean). (2017)10.9798/kosham.2017.17.1.353

N. J. Rosenberg, In Proceedings of the Workshop on Research in Great Plains Drought Management StrategiesDrought in the great plains-Research on impact and strategies.; 26-28, Lincoln, NE.. University of Nebraska,. (1979)

T. L. Saaty, The Analytic Hierarchy Process, New York:. McGraw-Hill.. (1980)

S. S. Seo, D. G. Kim, K. H. Lee, H. S. Kim and T. W. Kim, Journal of Wetlands Research, Estimation of drought damage based on agricultural and domestic water use., 11(2); 77-87, (in Korean). (2009)

J. H. Shin, Analysis of drought vulnerable areas using neural-network algorithm. Ph.d. diss.,, Sungkyunkwan University.. (2018)

H. J. Shin, J. Y. Lee, S. M. Jo, S. M. Jeon, M. S. Kim, S. S. Cha and C. G. Park, Journal of the Korean Society of Agricultural Engineers, Vulnerability evaluation of groundwater well efficiency and capacity in drought vulnerable areas., 61(6); 41-53, (in Korean). (2019)10.5389/ KSAE.2019.61.6.041

M. Svoboda, D. LeComte, M. Hayes, R. Heim, K. Gleason, J. Angel, B. Rippey, R. Tunker, M. Palecki, D. Stooksbury, D. Miskus and S. Stephens, Bulletin of the American Meteorological SocietyThe drought monitor., 83(8); 1181-1190 (2002)10.1175/1520-0477-83.8.1181

T. Tadesse, J. F. Brown and M. J. Hayes, ISPRS Journal of Photogrammetry & Remote Sensing, A new approach for predicting drought-related vegetation stress: Integrating satellite, climate, and biophysical data over the U.S. central plains., 59(4); 244-253 (2005)10.1016/j.isprsjprs.2005.02.003

United Nations Development Programme (UNDP),, Adaptation policy frameworks for climate change: Developing strategies, policies and measures., Cambridge:. Cambridge University Press.. (2005)

Y. Xia, M. B. Ek, C. D. Peters-Lidard and D. Mocko, Journal of Geophysical Research: Atmosphere, Application of USDM statistics in NLDAS-2: Optimal blended NLDAS drought index over the continental United States., 119; 2947-2965 (2014)10.1002/2013jd02099425855820

J. S. Yang, J. H. Park and N. K. Kim, Journal of the Korean Society of Civil Engineers, Development of drought vulnerability index using trend analysis., 32(3); 185-192, (in Korean). (2012)10.12652/Ksec.2012.32.3B.185

G. Y. Yoo and I. A. Kim, Development of guidelines for establishing adaptation measures based on the local government’s climate change vulnerability status., Sejong City:. Korea Environment Institute.. (2008)

D. H. Yoon, W. H. Nam, H. J. Lee, E. M. Hong, T. G. Kim, D. E. Kim, A. K. Shin and D. S. Mark, Journal of the Korean Society of Agricultural Engineers, Application of evaporative stress index (ESI) for satellite- based agricultural drought monitoring in South Korea., 60(6); 121-131, (in Korean). (2018)10.5389/KSAE.2018.60.6. 121

Journal of Korean Society of Agricultural Engineers ISSN:1738-3692(Print) 2093-7709(Online) 한국농공학회논문집

Preview

Evaluation of Regional Drought Vulnerability Assessment Based on Agricultural Water and Reservoirs

ABSTRACT

MAIN

Table 2

Fig. 1

(1)

(2)

Table 1

(3)

Table 3

Fig. 2

Fig. 3

Table 4

Fig. 4

Table 5

Table 6

Table 7

Table 8

Table 9

Fig. 5

감사의 글

REFERENCES