Evaluation of Agricultural Drought Disaster Vulnerability Using Analytic Hierarchy Process (AHP) and Entropy Weighting Method

Young-Sik Mun; Won-Ho Nam; Mi-Hye Yang; Ji-Hyeon Shin; Min-Gi Jeon; Taegon Kim; Seung-Yong Lee; Kwang-Ya Lee

doi:10.5389/KSAE.2021.63.3.013

Preview

Journal of Korean Society of Agricultural Engineers. 2021. 13–26
https://doi.org/10.5389/KSAE.2021.63.3.013

Evaluation of Agricultural Drought Disaster Vulnerability Using Analytic Hierarchy Process (AHP) and Entropy Weighting Method

계층화분석 및 엔트로피 가중치 산정 방법에 따른 농업가뭄재해 취약성 평가

Young-Sik Mun^a

Won-Ho Nam^b^†

Mi-Hye Yang^c

Ji-Hyeon Shin^d

Min-Gi Jeon^e

Taegon Kim^f

Seung-Yong Lee^g

Kwang-Ya Lee^h

문 영식^a

남 원호^b^†

양 미혜^c

신 지현^d

전 민기^e

김 태곤^f

이 승용^g

이 광야^h

^aResearcher, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea

^bAssociate Professor, School of Social Safety and Systems Engineering, Institute of Agricultural Environmental Science, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea

^cGraduate Student, Department of Convergence of Information and Communication Engineering, Hankyong National University, Anseong, Republic of Korea

^dGraduate Student, School of Social Safety and Systems Engineering, Hankyong National University, Anseong, Republic of Korea

^eGraduate Student, Department of Convergence of Information and Communication Engineering, Hankyong National University, Anseong, Republic of Korea

^fResearch Associate, Department of Bioproducts and Biosystems Engineering, University of Minnesota, St. Paul, MN, USA

^gChungnam Regional Headquarters, Korea Rural Community Corporation, Daejeon, Republic of Korea

^hDirector, Water Resources Planning Office, Integrated Water Management Supporting Department, Rural Research Institute, Korea Rural Community Corporation, Sejong, Republic of Korea

^a한경 대학교 농업용 수 연구 센터 연구원

^b한경 대학교 농업용 수 연구 센터 농업 환경 과학 연구소 사회 안전 시스템 공학부 부교수

^c한경 대학교 정보 통신 융합 공학과 대학원생, 안성

^d한경 대학교 사회 안전 시스템 공학부 대학원생

^e한경 대학교 정보 통신 융합 공학과 대학원생, 안성

^f미국 미네소타 주 세인트 폴 소재 미네소타 대학교 바이오 제품 및 바이오 시스템 공학과 연구원

^g충남 지역 본부, 한국 농어촌 공사, 대전

^h세종시 한국 농어촌 공사 농촌 연구원 수자원 통합 관리 지원실 수자원 기획 실장

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

ABSTRACT

Recent drought events in the South Korea and the magnitude of drought losses indicate the continuing vulnerability of the agricultural drought. Various studies have been performed on drought hazard assessment at the regional scales, but until recently, drought management has been response oriented with little attention to mitigation and preparedness. A vulnerability assessment is introduced in order to preemptively respond to agricultural drought and to predict the occurrence of drought. This paper presents a method for spatial, Geographic Information Systems-based assessment of agricultural drought vulnerability in South Korea. It was hypothesized that the key 14 items that define agricultural drought vulnerability were meteorological, agricultural reservoir, social, and adaptability factors. Also, this study is to analyze agricultural drought vulnerability by comparing vulnerability assessment according to weighting method. The weight of the evaluation elements is expressed through the Analytic Hierarchy Process (AHP), which includes subjective elements such as surveys, and the Entropy method using attribute information of the evaluation items. The agricultural drought vulnerability map was created through development of a numerical weighting scheme to evaluate the drought potential of the classes within each factor. This vulnerability assessment is calculated the vulnerability index based on the weight, and analyze the vulnerable map from 2015 to 2019. The identification of agricultural drought vulnerability is an essential step in addressing the issue of drought vulnerability in the South Korea and can lead to mitigation-oriented drought management and supports government policymaking.

Keywords

Agricultural drought

vulnerability

weight

AHP

entropy

MAIN

Ⅰ. 서 론

최근 급격한 이상기후와 기후변화의 영향으로 인해 한반도 내의 극심한 가뭄 발생 빈도가 증가하고 있는 추세이다 (Kim et al., 2019; Shin et al., 2020). 우리나라의 경우 1973년 기상관측 이후 5년에서 7년 주기의 전국적 가뭄이 반복되었으며, 2010년 이후에는 매년 국소적인 가뭄이 발생하면서 안정적인 용수공급 및 수자원 확보에 영향을 미치고 있다 (Kim et al., 2012; Nam et al., 2013; Jang, 2019). 또한, 강수량이 지역별로 편중되고, 상습가뭄피해 지역이 확대되면서 농업분야에 큰 영향을 미치고 있다. 2012년부터 2013년까지 평균 22.1도 이상의 이례적인 고온으로 인해 전국적인 가뭄과 국지적 가뭄이 지속적으로 나타났으며, 2016년과 2017년에는 전국 평균 저수지 저수율은 45.6%로 평년대비 현저히 낮게 나타나 극심한 농업가뭄 피해가 발생하였다. 이러한 농업가뭄은 일반적으로 강수량, 토양수분 및 농업용 저수지의 관개용수가 부족하여 작물 생육과 농작물에 피해가 발생하는 것으로 정의한다 (Rosenberg, 1979; Nam et al., 2015; Mun et al., 2020a; Mun et al., 2020b). 농업가뭄의 경우 실제 발생지역의 자료가 부족하고, 실제 현장과 상이한 차이가 있으며, 발생시점의 관측 및 예측이 어렵기 때문에 선제적으로 대응할 수 있는 방안이 필요한 실정이다 (Nam et al., 2012).

국내에서는 농업용 저수지, 양수장, 보조수원공 등을 활용하여 강수의 부족으로 인한 농업가뭄을 대응하고 있다. 일반적으로 단일 지표를 활용하여 농업가뭄을 평가하는 것은 한계가 따르기 때문에 농업가뭄과 관련된 요소들을 종합적으로 판단할 수 있는 취약성 평가 (vulnerability assessment) 및 위험도 평가 (risk assessment)가 도입되고 있다 (Hong et al., 2016; Kim et al., 2018; Wang et al., 2019). 최근 극심해지고 있는 자연재해에 따른 취약성 문제가 대두되고 있으며, ‘수자원의 조사⋅계획 및 관리에 관한 법률’ 제7조 1항 및 동법시행령 제5조에 의거하여, 가뭄 취약성 평가가 진행되고 있다. 하지만, 기존 가뭄 대응에 따른 사후관리를 중심으로 재해대책비를 산정하고 투입하기 때문에, 취약성 평가를 통한 선제적 대응이 현실적으로 반영하기 어려운 상황이다. 가뭄을 선제적으로 평가하고 분석하기 위한 취약성 연구들은 다양한 방면에서 진행되고 있으며 (Nam et al., 2014; Geng et al., 2016; Park et al., 2016; Yu et al., 2018), 선제적 대응에 대한 체계적⋅구체적 방안이 제안된다면 취약성 평가의 적용이 가능할 것이라 판단된다 (Zhao et al., 2020; Meza et al., 2020).

IPCC (Intergovernmental Panel on Climate Change) 제 3차 보고서에 따르면 노출도 (exposure), 민감도 (sensitivity), 적응능력 (adaptive capacity)에 따른 취약성 평가방법을 구체적으로 체계화 하였으며, 국내에서는 Jang (2006)이 경기도를 대상으로 토지, 수자원, 지형, 기상, 농업생산기반 5가지 평가항목을 선정하여 주성분 분석을 통해 농업가뭄에 대한 취약성을 평가하는 연구를 진행하였다. Yang and Kim (2013)은 기후변화 사상을 고려하여 수문학적, 강우 사상적, 인문학적 3가지 측면에서 가뭄 취약성을 평가하였다. 이는 취약성 지수를 산정하는데 노출, 민감도, 적응능력에 대응변수로써 활용하였으며, 경향성 분석과 Delphi 기법을 이용하여 가뭄 취약성을 평가하였다. Lee et al. (2018)는 용수공급체감율, 농업기상, 농업수리시설, 작물, 토양 5가지 인자를 기반으로 계층화분석법 (Analytic Hierarchy Process, AHP)을 사용하였으며, 수요자 중심의 농업가뭄 취약성 평가 기준을 도출하였다. Shin et al. (2019)은 노출도, 민감도, 적응능력으로 구분하는 취약성 평가방법을 활용하여 가뭄 취약지역의 관정 효율 및 능력에 대한 평가항목을 긍정적 영향과 부정적 영향으로 구분하여 나타내었다. Shim et al. (2019)는 도서지역의 읍면 단위를 기반으로 가뭄 취약성을 평가하였다. 노출, 민감도, 적응능력에 따른 평가항목을 선정하고 엔트로피 가중치 산정방법을 통해 중요도를 산정하여 가뭄 취약성을 평가하는 연구를 진행하였다. Hagenlocher et al. (2019)은 지난 20년 동안 다양한 개념으로 도입된 취약성 및 위험도 평가를 분석하고 실무에서의 접근 방식과 개념화 및 체계적인 문헌 검토를 통해 지속적인 가뭄 취약성 분석을 하고자 하였다.

가뭄과 관련된 다양한 취약성 평가 및 분석 연구가 진행되고 있지만, 한정된 지역과 명확한 취약성 평가항목 선정 기준이 불분명하다. 국내의 경우 농업용 저수지의 농업용수 기반의 가뭄 취약성 평가는 전국에 축조되어 있는 18,000여개의 저수지 자료 뿐만 아니라 사회, 환경적 및 기상 영향까지 고려되어야 한다. 본 연구에서는 전국 시군단위 행정구역의 농업 관련 기상 자료 및 공사관리 농업용 저수지를 대상으로 농업가뭄 취약성 평가 기준 및 방법을 제시하고자 한다. 노출도, 민감도, 적응능력에 따른 평가항목을 구축하고, 기존의 단일 가중치 산정방법 결과와 비교하여 신뢰성을 높이기 위해 AHP 가중치 산정방법과 엔트로피 (entropy) 가중치 산정방법을 평가항목에 적용하여 정량적 척도 유의성을 비교하였으며, 이를 기반으로 농업가뭄 취약지도 작성 및 취약지역 우선순위를 결정하고자 한다.

Ⅱ. 재료 및 방법

1. 연구대상지역

본 연구에서는 우리나라의 시군 지자체를 대상으로 농업가뭄 취약성을 분석하였다. 우리나라 전체 167개 시군 중에서 Fig. 1과 같이, 광역시, 특별시 등 대도시 지역과 제주특별자치도, 울릉도 등의 도서지역을 제외하였으며 (Fig. 1에 음영처리된 부분 제외), 한국농어촌공사에서 관리하고 있는 3,411개의 농업용저수지가 포함된 지역을 대상으로 115개 시군 자료를 구축하였다. 본 연구의 공간적 범위는 8개도 (경기도, 강원도, 충청북도, 충청남도, 전라북도, 전라남도, 경상북도, 경상남도)와 각 시군 (경기도 7개, 강원도 10개, 충청북도 10개, 충청남도 14개, 전라북도 14개, 전라남도 21개, 경상북도 22개, 경상남도 17개)을 대상으로 하였으며, 시간적 범위는 저수지 및 가뭄과 관련된 자료 구축이 용이하고, 극심한 가뭄이 발생했던, 2015년부터 2019년까지 최근 5년으로 선정하여 연구를 진행하였다. 2015년에는 전국 평균 강수량은 평년대비 62%의 수준에 그치면서 전국적인 가뭄이 발생했으며, 2017년부터 2018년까지 54개 시군에 논 물마름 피해가 발생했다.

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2ED4.png

Fig. 1

Selection of research target areas in Korea excluding island areas ((a) Locations of meteorological stations and land cover, (b) administration districts of 167 si/guns, (c) study areas of 115 si/guns)

2. 농업가뭄재해 취약성 평가항목 선정

본 연구에서 농업가뭄 취약성을 평가하기 위해 기후변화 취약성의 평가 체계인 노출도, 민감도, 적응능력을 기반으로 평가항목을 구성하였다 (Wilhelmi and Wilhite, 2002). 농업가뭄과 관련된 주요한 항목을 조사하였으며, 기상, 농업용 저수지 뿐만 아니라 사회, 환경적 요소를 고려하여 14가지 세부항목을 Table 1과 같이 선정하였다.

Table 1

Evaluation elements according to exposure, sensitivity, and adaptive capacity

Division		Details		Code
Exposure	Meteorological data	1	Monthly precipitation	MD1
		2	Number of days without precipitation	MD2
		3	Number of days having a high temperature over 33°C	MD3
	Agricultural reservoir data	4	Number of days in which the water level was below the drought warning level	RD1
		5	End-of-month water level	RD2
		6	Reservoir water level reduction ratio	RD3
		7	Ratio between watershed area and irrigated area	RD4
		8	Effective water storage per unit area	RD5
		9	Irrigated paddy field	RD6
Sensitivity	Social⋅ environment data	10	Agricultural population	SD1
		11	Rice paddy area	SD2
		12	Dry area of paddy fields	SD3
Adaptive capacity	Adaptability data	13	Sub-irrigation facilities	AD1
Adaptive capacity	Adaptability data	14	Number of pumped-storage	AD2
※ MD (meteorological data), RD (reservoir data), SD (social⋅environment data), AD (adaptability data)

노출도, 민감도, 적응능력의 대응변수로 기상, 농업용 저수지, 사회⋅환경, 적응능력 항목을 설정하였다. 기상항목의 경우 노출도의 대응변수로 활용하였으며, 기상은 농업가뭄에 가장 중요한 영향을 미치는 인자 중 하나이다. 세부 항목으로는 관개기의 월 누적 강수량 (MD1), 관개기 무강우일수 (MD2), 33도 이상의 고온일수 (MD3)를 포함하였다. 농업용 저수지 항목은 기상항목과 마찬가지로 노출도의 대응변수로 활용하였으며, 농업용 저수지는 농업가뭄에 대응할 수 있는 주요수리시설물이다. 저수지가 주수원공인 공사관리 저수지를 대상으로 자료를 구축하였으며, 평가항목으로는 저수지 가뭄 관심 단계 이하 저수율 일수 (RD1), 월말 저수율 (RD2), 수위 감소율 (RD3), 유역배율 (RD4), 유효저수량 (RD5), 수리답 비율 (RD6)을 선정하였다. 사회⋅환경 항목은 민감도의 대응변수로 사회적 환경적 영향에 따른 농업가뭄을 평가하고자 선정하였다. 세부항목으로는 농업에 종사하는 인구수 (SD1), 농경지 면적 (SD2), 논의 물 마름 면적 (SD3) 3가지를 선정하였다. 적응능력 항목의 경우 농업가뭄에 지역별 대응능력을 평가하고자 나타냈으며, 보조수원공의 수 (AD1)와 양수저류 지구의 수 (AD2) 2가지를 선정하였다. 적응능력의 경우 취약성을 완화할 수 있는 지표로 선정하였다.

기상 항목의 강수량 및 기온과 관련된 자료는 기상청 (Korea Meteorological Administration, KMA)에서 제공하는 60개 기상관측소의 종관기상관측 (Automated Synoptic Observing System, ASOS) 자료를 통해 구축하였으며, 농업용 저수지와 관련된 자료는 한국농어촌공사의 농촌용수종합정보시스템 (Rural Agricultural Water Resource Information System, RAWRIS)과 통계연보를 활용하여 구축하였다. 또한 국가통계포털 (KOrean Statistical Information Service, KOSIS)과 시군별 통계자료를 기반으로 평가항목을 구축하였다.

3. 계층화분석을 활용한 가중치 산정

취약성 평가에서 우선순위를 결정하기 위하여 평가항목에 대한 중요도 즉, 가중치 (weight)를 결정하는 것은 중요한 과정이다. 가중치 산정은 평가항목 간의 위계를 결정하고, 정량적으로 산출된 결과 값은 현실을 미반영하여 왜곡될 우려가 있기 때문에 신뢰성을 높이기 위한 과정 중 하나로써 활용하고 있다. 취약성을 평가할 때, 효율적인 결과를 도출하기 위해 적절한 가중치를 부여하는 것이 중요하기 때문에 계산이 복잡하지 않아야 한다 (Park et al., 2016). 본 연구에서는 설문조사와 전문가의 의견을 반영하여 가중치를 산정하는 계층화분석과정과 평가항목의 속성정보를 활용하여 가중치를 산정하는 엔트로피 방법 두 가지 가중치 산정방법을 이용하여 농업가뭄 취약성 평가항목의 중요도를 분석하였다.

Saaty (1977)에 의해 도입된 AHP 분석 방법은 설문조사를 기반으로 의사결정자의 판단을 통해 가중치를 주관적으로 산정하는 방법 중 하나이며, 의사결정과정에서 평가기준이 다수인 경우 우선순위를 통해 중요도를 정량화 및 계층화하는 다기준의사결정기법이다 (Lee et al., 2015). AHP 가중치 산정방법은 실질적으로 다수의 평가자의 답변을 필요로 하는 단점이 있지만, 다수의 전문가의 일관성을 분석하기 때문에 특정인의 영향력에 좌우되지 않는 장점이 있다. 일반적으로 AHP 방법을 통해 가중치를 산정하는 과정은 3단계로 구분하고 있다. AHP 분석을 위해 계층구조를 형성하고 맨 상단에 목적과 각 단계를 구성하는 기준을 결정한다. 즉, 문제를 정의하고 목표 (goal)를 설정하여 설문을 실시하는 과정이다 (Fig. 2). 두 번째로 형성된 계층구조를 기반으로 평가항목 및 평가요소를 두 가지씩 구분하여 주요지표와 하위지표 간의 쌍대비교를 통해 가중치를 산정한다. 마지막 단계는 응답자의 답변이 얼마나 일관성일 있는지를 판단할 수 있는 일관성 지수 (Consistency Index, CI)를 통해 가중치를 검증하고, 항목별 우선순위를 결정한다 (Rezaie and Panahi, 2015).

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2F15.png

Fig. 2

AHP hierarchy formation algorithm

본 연구에서 평가항목의 설문조사는 농업가뭄과 관련된 학계 전문가 7명과 경기도 안성, 충남 지역 지자체 및 한국농어촌공사 가뭄 관련 실무자 37명을 대상으로 실시하였다. 설문지는 평가항목의 기상영향, 농업용수관리, 사회⋅환경, 적응능력에 대한 상대적 중요도를 산정하기 위해 작성되었으며, 각 중분류 항목, 세부항목의 비교 설문과 취약성 평가 체계에 따라 주요 항목에 대한 설명을 포함하였다. 이를 기반으로 각각의 가중치를 산정하여 항목별로 적용하였다. 설문의 유지 여부를 판단하기 위한 일관성 지수는 식 (1)과 같이 계산할 수 있으며, 여기서 은 최대 고유 값, N은 행렬의 고유 값을 나타낸다. CI가 0.1 미만의 값을 나타낼 때, 신뢰성이 높다고 판단되며, 0.1이상의 결과 값은 재조사를 실시하여야 한다. 일관성 지수와 마찬가지로 일관성 비율 (Consistency Ratio, CR)의 비율이 0.1 이상으로 산정되면 논리적으로 일관성을 잃게 되므로 CR이 0.1 미만의 결과를 활용하여야 한다 (식 (2)). 여기서 RI는 무작위 지수 (Random Index)를 나타내며, Table 2와 같이 행렬의 크기에 따라 결정된다. 설문의 유지 여부를 판단하기 위한 일관성 지수는 식 (1)과 같이 계산할 수 있으며, 여기서 은 최대 고유 값, N은 행렬의 고유 값을 나타낸다. CI가 0.1 미만의 값을 나타낼 때, 신뢰성이 높다고 판단되며, 0.1이상의 결과 값은 재조사를 실시하여야 한다. 일관성 지수와 마찬가지로 일관성 비율 (Consistency Ratio, CR)의 비율이 0.1 이상으로 산정되면 논리적으로 일관성을 잃게 되므로 CR이 0.1 미만의 결과를 활용하여야 한다 (식 (2)). 여기서, RI는 무작위 지수 (Random Index)를 나타내며, Table 2와 같이 행렬의 크기에 따라 결정된다.

Table 2

The value of Random Index (RI) (Saaty, 2000)

N	2	3	4	5	6	7	8	9	10
Random Index (RI)	0.00	0.58	0.90	1.12	1.24	1.32	1.41	1.45	1.49

(1)

C I = \frac{λ_{\max} - N}{N - 1}

(2)

C R = \frac{C I}{R I}

4. 엔트로피를 활용한 가중치 산정

엔트로피 가중치 산정방법은 열역학 이론을 기반으로 열역학, 통계, 정보 엔트로피 3가지 형태로 구분하고 있으며 (Lee et al., 2015), 본 연구에서는 정보이론 형태의 엔트로피 가중치 산정방법을 적용하였다. 엔트로피 방법은 Shannon and Weaver (1949)에 의해 도입되었으며, 설문조사 및 전문가의 주관적인 의견을 반영하는 AHP 분석과는 다르게 평가항목의 데이터 속성정보를 기반으로 의사결정자가 이해하기 쉬운 정보이론을 적용한 객관적 가중치 산정방법 중 하나이다. 일반적으로 엔트로피는 크기의 분포를 통해 결정되며, 평가항목 값의 분포가 집중될수록 엔트로피 값은 커지고, 분산될수록 값은 작은 값을 갖게 된다 (Kim et al., 2012). 엔트로피 가중치 산정방법은 4단계로 구분할 수 있다. 먼저 가중치 산정을 위해 평가항목의 값을 기반으로 대표 행렬을 구성하며 (식 (3)), 구성된 행렬의 속성정보를 추출하여 정규화를 실시한다 (식 (4)). 정규화 된 자료를 이용하여 엔트로피를 산정하고 (식 (5)), 최종적으로 다양성을 고려해 가중치를 산정하여 우선순위를 분석한다 (식 (6, 7)).

(3)

D = [\begin{matrix} x_{11} & \dots & x_{1 j} & \dots & x_{1 n} \\ ⋮ & \dots & ⋮ & \dots & ⋮ \\ x_{i 1} & \dots & x_{i j} & \dots & x_{i n} \\ ⋮ & \dots & ⋮ & \dots & ⋮ \\ x_{m 1} & \dots & x_{m j} & \dots & x_{m n} \end{matrix}]

(4)

p_{i j} = \frac{x_{i j}}{\sum_{i = 1}^{m} x_{i j}} (i = 1, 2, \dots, m; j = 1, 2, \dots, n)

여기서, D는 평가항목의 자료 행렬을 나타내며, m은 대상지역의 수, n은 평가항목의 개수, 은 속성의 정규화 값을 나타낸다.

(5)

E_{j} = - k \sum_{i = 1}^{m} p_{i j} {\log p}_{i j} (k = \frac{1}{\log m}; i = 1, 2, \dots, n)

여기서, 는 엔트로피를 의미하며, k는 을 나타낸다.

각 평가항목에 대한 가중치를 구하기 위해 항목의 다양성을 나타내는 척도 을 아래와 같이 계산하며, 결과 값을 통해 가중치를 산정한다. 엔트로피 가중치 산정방법은 수학적 계산을 통해 가중치를 산정하기 때문에 객관적 분석이 가능하다 (Won et al., 2015).

(6)

d_{i} = 1 - E_{i}

(7)

w_{i} = \frac{d_{i}}{\sum_{j = 1}^{n} d_{j}} (j = 1, 2, \dots, n)

5. 계층화분석 및 엔트로피 가중치를 활용한 취약성 지수

본 연구에서는 AHP, 엔트로피 각각의 가중치를 적용하여 농업가뭄재해 취약성 지수인 ADVI (AHP Drought Vulnerability Index)와 EDVI (Entropy Drought Vulnerability Index) 산정하였다 (식 (8, 9)). 각 취약성 지수를 통해 우리나라의 농업가뭄 취약지역을 분석하였으며, 가중치 적용 방법에 따른 취약성 지수 비교를 실시하였다.

(8)

A D V I = ((M D \times W_{A}) + (R D \times W_{A}) + (S D \times W_{A}) - (A D \times W_{A})) \times 100

(9)

E D V I = ((M D \times W_{E}) + (R D \times W_{E}) + (S D \times W_{E}) - (A D \times W_{E})) \times 100

여기서, MD (meteorological data)는 기상항목, RD (reservoir data)는 농업용 저수지 항목, SD (social⋅environment data)는 사회⋅환경 항목, AD (adaptability data)는 적응능력 항목을 각각 의미하며, 은 AHP 방법을 통해 산정된 가중치, 은 엔트로피 방법을 통해 산정한 가중치를 나타낸다.

Ⅲ. 적용 및 결과

1. 농업가뭄재해 취약성 평가항목 표준화

농업가뭄재해 취약성을 평가하기 위하여 구축된 평가항목의 기초자료는 단위와 특성이 상이하기 때문에 하나의 지표로 통합하는 과정이 필요하다 (Nardo et al., 2005). 본 연구에서는 스케일 재조정 (re-scaling) 방법을 활용하여 표준화를 수행하였다. 스케일 재조정 표준화 방법은 모든 평가항목의 범위를 0과 1사이로 분포하도록 나타내는 과정이며, 최댓값과 최솟값을 활용하여 상대적인 크기 비교가 가능하다.

평가 대상 지역으로 선정한 115개 시군의 평가항목별 구축 데이터의 범위와 분포를 Fig. 3과 같이 나타내었다. 14개의 세부항목의 단위가 상이하기 때문에 분포하가 일정하지 않고 불규칙하며, 스케일 재조정 표준화 과정을 통해 나타낸 평가항목의 범위 및 분포는 Fig. 4와 같다. 표준화 결과 모든 평가항목의 단위가 무차원적으로 통합되었으며, 0부터 1사이 범위에 평가항목이 포함된 결과를 도출하였다.

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2F5C.png

Fig. 3

Range and distribution of original data by evaluation factors (reference: CODE of Table 1)

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2F6D.png

Fig. 4

Range and distribution of standardized result values for each evaluation factors (reference: CODE of Table 1)

2. 가중치 산정 결과 비교

AHP 방법을 통한 가중치 산정의 경우, 설문조사 및 전문가의 의견이 반영되어야 한다. 본 연구에서는 농업가뭄과 관련된 전문가 41명을 대상으로 지표에 대한 상대적 중요도를 설문하였으며, 설문 결과를 기반으로 가중치를 산정하였다 (Table 3). 가중치 산정 결과 기상항목이 농업가뭄 취약성에 가장 많은 영향을 미치는 인자로 평가하였으며, 적응능력 항목은 농업가뭄 취약에 다소 미비한 영향을 나타냈다. 세부항목의 경우 관개기 무강우일수 (MD2)의 가중치가 가장 높게 평가되었으며, 관개기 월강수량 (MD1), 저수지 가뭄 관심단계 이하 일수 (RD1) 순서로 중요도가 높게 나타났다.

Table 3

Results of weighting coefficient based on AHP method

Category		Weight	Indicators	Weight	Total weight
Exposure	Meteorological data	0.498	MD1	0.354	0.176
			MD2	0.539	0.268
			MD3	0.107	0.053
	Agricultural reservoir data	0.286	RD1	0.319	0.091
			RD2	0.245	0.070
			RD3	0.151	0.043
			RD4	0.131	0.037
			RD5	0.089	0.025
			RD6	0.064	0.019
Sensitivity	Social⋅ environment data	0.166	SD1	0.224	0.038
			SD2	0.417	0.069
			SD3	0.359	0.060
Adaptive capacity	Adaptability data	0.050	AD1	0.789	0.039
Adaptive capacity	Adaptability data	0.050	AD2	0.211	0.012
Total		1.000	Total	-	1.000

엔트로피 방법을 통해 가중치를 산정의 경우, AHP와 비교하여 설문조사 및 전문가의 의견을 필요로 하지 않으며, 자료의 속성정보만을 활용하여 가중치를 산정하였다 (Table 4). 기상항목의 중요도가 가장 높게 나타났으며, 사회⋅환경 항목이 다소 낮은 영향력을 나타냈다. 세부항목의 경우 적응능력의 양수저류 지구 (AD2)가 가장 높은 가중치를 나타냈으며, 관개기 무강우일수 (MD2), 관개기 월강수량 (MD1) 순서로 높은 가중치 값을 보였다.

Table 4

Results of weighting coefficient based on Entropy method

Category		Weight	Indicators	Weight	Total weight
Exposure	Meteorological data	0.329	MD1	0.331	0.109
			MD2	0.361	0.119
			MD3	0.308	0.101
	Agricultural reservoir data	0.312	RD1	0.081	0.025
			RD2	0.225	0.070
			RD3	0.228	0.071
			RD4	0.204	0.064
			RD5	0.119	0.037
			RD6	0.143	0.045
Sensitivity	Social⋅ environment data	0.136	SD1	0.360	0.048
			SD2	0.362	0.049
			SD3	0.288	0.039
Adaptive capacity	Adaptability data	0.223	AD1	0.247	0.055
Adaptive capacity	Adaptability data	0.223	AD2	0.753	0.168
Total		1.000	Total	-	1.000

AHP와 엔트로피 두 가지 방법을 기반으로 산정한 가중치를 비교하였으며, 노출, 민감도, 적응능력의 대응변수인 중분류 항목의 가중치를 비교하였다 (Table 5). 기상항목의 경우 AHP가 엔트로피보다 0.169 높게 산정되었으며, 적응능력 항목은 엔트로피가 AHP에 비해 0.173 높게 산정되었다. 농업용 저수지 항목과 사회⋅환경 항목은 AHP와 엔트로피가 각각 0.03 높게 산정되었다. 세부항목의 경우, AHP와 엔트로피가 유사한 가중치를 나타냈지만, 관개기 월 누적강수량 (MD1)과 관개기 무강우일수 (MD2), 양수저류 지구 (AD2) 항목이 가장 큰 차이를 나타냈다.

Table 5

Comparison of the weighting coefficients between AHP and Entropy weight method

Category	AHP	Entropy	Difference
Meteorological data	0.498	0.329	+0.169
Agricultural reservoir data	0.286	0.312	-0.026
Social⋅environment data	0.166	0.136	+0.030
Adaptability data	0.050	0.223	-0.173

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2F8D.png

Fig. 5

Comparison of all weighting coefficients between AHP and entropy weight method

3. 가중치 산정방법에 따른 농업가뭄재해 취약성 평가

표준화된 평가항목 자료에 대해 AHP와 엔트로피 가중치를 적용하여 각각의 취약성 지수를 산정하였으며, 가중치별 취약지도를 작성하여 농업가뭄 취약지역을 분석하였다. 평가항목은 안전 (Low), 보통 (Moderate), 취약 (High), 매우취약 (Very High) 4가지 등급으로 구분하였으며, 사분위수 범위를 통해 등급을 분류하였다.

기상, 농업용 저수지, 사회⋅환경, 적응능력에 대한 AHP 가중치와 엔트로피 가중치 기반의 취약지도를 통해 공간 분포를 Fig. 6과 같이 도시하였다. 기상항목을 비교한 결과 경상북도에서 취약과 매우취약 등급의 차이를 보였지만, 다른 지역에서는 비교적 유사한 분포를 나타냈다. 농업용 저수지 항목의 경우 충청남도에서 일부 차이를 보였지만, 경기도, 전라남도가 취약한 부분에서 유사한 분포를 보였다. 사회⋅환경 항목과 적응능력 항목은 전국적으로 매우 취약의 분포가 유사하게 나타났으며, 중분류 항목의 비교 결과 매우 취약 등급의 분포 및 취약지역의 경향은 크게 차이를 나타내지 않았다.

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2F9D.png

Fig. 6

Comparison of spatial drought vulnerability map between AHP and Entropy weight method

각 항목별 취약지역을 분석하였을 때, 기상항목의 경우 충청남도, 충청북도, 경상북도가 가장 취약한 경향을 보였으며, 농업용 저수지 항목은 충청남도, 경기도, 전라남도에서 취약 분포가 크게 나타났다. 사회⋅환경 항목의 경우 충청남도, 충청북도, 경상도 일부지역에 취약한 경향이 나타났으며, 적응능력 항목은 충청남도, 전라남도를 제외한 전국적으로 취약하였다. 결과적으로 충청남도와 전라도의 경우 기상, 농업용 저수지, 사회⋅환경적 부분에서 취약성이 높기 때문에, 농업가뭄에 취약하다고 판단되며, 적응능력 항목인 보조수원공과 양수저류 지구의 분포가 높게 나타난 것으로 판단된다.

AHP 가중치 기반의 농업가뭄 취약지수 (ADVI) 및 엔트로피 가중치 기반으로 농업가뭄 취약지수 (EDVI)를 각각 산정하였다. Fig. 7은 2015년부터 2019년까지 각 농업가뭄 취약성 지수를 기반으로 나타낸 농업가뭄 취약지도이다. AHP와 엔트로피 종합 취약지도를 비교하였을 때, 공통적으로 충청남도가 가장 취약하게 나타났으며, 경상북도, 경기도에서 취약한 지역이 높게 나타났다. 반면, 강원도, 전라도에서는 농업가뭄에 다소 안전함을 나타내었다. 취약지도를 통해 비교하였을 때, 두 농업가뭄 취약성 지수는 다소 유사한 경향을 나타냈다.

https://cdn.apub.kr/journalsite/sites/jksae/2021-063-03/N0740630302/images/PIC2FCD.png

Fig. 7

Comparison of agricultural drought vulnerability map between ADVI and EDVI (ADVI: AHP Drought Vulnerability Index, EDVI: Entropy Drought Vulnerability Index)

Table 7

Ranking score of each drought vulnerability element using AHP method (MD: meteorological data, RD: agricultural reservoir data, SD: social data, AD: adaptability data)

Order	AHP method
Order	Location	MD	RD	SD	AD
1	Seosan	51.9	53.3	45.2	68.4
2	Boryeong	53.7	51.7	48.8	84.2
3	Hongseong	51.9	59.8	47.9	64.2
4	Yesan	51.9	59.2	55.8	87.3
5	Taean	51.9	59.3	49.7	40.0
6	Seocheon	55.4	55.3	61.9	60.0
7	Iksan	55.4	62.2	65.3	87.3
8	Gongju	66.8	55.4	44.3	87.3
9	Icheon	61.4	53.1	59.9	55.8
10	Asan	63.1	59.5	56.7	95.8
106	Gwangyang	74.2	74.7	91.9	44.2
107	Gangleung	82.3	80.1	63.0	55.8
108	Uilyeong	83.0	79.2	73.5	91.6
109	Imsil	78.4	70.1	90.7	40.0
110	Bonghwa	76.3	75.1	88.7	40.0
111	Jinan	75.8	87.7	70.7	40.0
112	Muju	75.8	88.5	70.7	40.0
113	Jangsu	78.4	80.6	91.4	55.8
114	Sancheong	87.6	81.2	80.6	60.0
115	Geoje	91.0	68.4	95.7	40.0

Table 6은 농업가뭄 취약성 지수를 기반으로 우선순위를 나타낸 결과이며, 가장 취약한 지역부터 가장 안전한 지역까지 점수를 통해 구분하였다. AHP 기반의 취약성 지수의 경우 45점부터 78점까지 범위를 나타내었으며, 엔트로피의 경우 AHP보다 낮은 21점부터 53점까지의 범위를 보였다. 대상 115개 시군 중 가장 취약성이 높은 지역은 AHP의 경우 서산, 보령, 홍성으로 나타났으며, Table 7에서 취약성이 높은 항목을 분석하였을 때, 세 지역 모두 기상, 농업용 저수지, 사회⋅환경적 측면에서 매우 취약하게 나타났다. 엔트로피의 경우 보령, 서산, 논산 순서로 매우 취약함을 나타냈으며, 농업용 저수지와 사회⋅환경적 측면에서 다른 지역보다 취약하게 나타남을 알 수 있다. 반대로 안전한 지역의 경우 AHP는 거제, 산천, 장수 지역이 가장 안전하게 나타났으며, 엔트로피는 장수, 거제, 무주 순으로 안전한 지역으로 판단되었다.

Table 6

Comparison by ranking of vulnerable areas according to drought drought vulnerability index between ADVI and EDVI

Order	ADVI		EDVI
Order	Location	Index	Location	Index
1	Seosan	45.15	Boryeong	21.94
2	Boryeong	45.42	Seosan	21.98
3	Hongseong	47.65	Nonsan	25.10
4	Yesan	47.66	Yeonggwang	27.23
5	Taean	49.03	Gunsan	28.73
6	Seocheon	50.64	Gumi	29.17
7	Iksan	51.84	Asan	29.20
8	Gongju	52.10	Naju	29.20
9	Icheon	52.94	Sinan	29.36
10	Asan	53.07	Hongseong	29.36
106	Gwangyang	71.35	Gwangyang	50.31
107	Gangleung	71.58	Samcheok	50.36
108	Uilyeong	71.64	Danyang	50.64
109	Imsil	72.12	Bonghwa	50.91
110	Bonghwa	72.20	Imsil	51.01
111	Jinan	72.55	Jinan	51.84
112	Muju	72.76	Gangleung	52.31
113	Jangsu	74.44	Muju	52.44
114	Sancheong	77.22	Geoje	53.35
115	Geoje	78.76	Jangsu	53.74

본 연구에서 사용된 가중치 산정방법을 각 평가항목에 적용하였을 때, 농업가뭄 취약지역이 유사한 결과를 나타내었다. 가장 취약한 지역은 충청남도 (서산, 보령, 홍성, 논산) 지역으로 나타났으며, 반대로 안전한 지역은 경상남도 (거제, 산천)과 전라북도 (무주, 장수) 지역으로 나타났다. 취약성이 높게 평가된 지역은 적응능력 항목 보다 농업용 저수지, 사회⋅환경적 측면에서 영향을 크게 받은 것으로 분석되며, 두 가중치 적용 방법을 기반으로 취약지역을 분석하였을 때, 취약성 지수 및 공간적 분포가 유사하게 나타났다.

Table 8

Ranking score of each drought vulnerability element using Entropy method (MD: meteorological data, RD: agricultural reservoir data, SD: social data, AD: adaptability data)

Order	Entropy method
Order	Location	MD	RD	SD	AD
1	Boryeong	61.6	51.2	50.7	0095.1
2	Seosan	59.1	53.0	44.9	090.1
3	Nonsan	66.6	57.1	56.3	100.0
4	Yeonggwang	68.4	54.9	64.8	095.1
5	Gunsan	62.9	72.1	57.6	100.0
6	Gumi	58.9	75.3	55.3	095.1
7	Asan	66.3	60.8	54.1	084.9
8	Naju	68.4	69.5	53.8	100.0
9	Sinan	68.6	58.3	64.0	090.1
10	Hongseong	59.1	64.0	49.2	075.1
106	Gwangyang	50.3	81.6	76.6	087.0
107	Samcheok	50.4	72.4	79.2	078.9
108	Danyang	50.6	74.9	77.5	078.9
109	Bonghwa	50.9	74.9	74.1	088.8
110	Imsil	51.0	74.0	73.8	092.3
111	Jinan	51.8	71.3	86.7	075.4
112	Gangleung	52.3	82.7	84.6	064.2
113	Muju	52.4	71.3	88.6	075.4
114	Geoje	53.3	88.3	64.4	096.5
115	Jangsu	53.7	74.0	85.8	093.1

Ⅳ. 결 론

본 연구에서는 농업가뭄재해에 대한 취약지역 판단 및 분석을 위해 시군단위 농업가뭄 취약성 평가를 수행하였다. 2015년부터 2019년까지 14가지 평가항목 (기상: 3개, 농업용 저수지: 6개, 사회⋅환경: 3개, 적응능력: 2개)을 선정하였으며, 115개 시군에 대해 평가항목을 구축하였다. 평가항목에 대한 가중치는 설문조사 및 전문가의 의견을 반영하여 중요도를 산정하는 AHP 방법과 수집된 자료의 속성정보를 통해 수학적 계산으로 산정하는 엔트로피 방법을 적용하여 각각의 취약성 지수를 산정하였다. 가중치가 적용된 취약성 지수를 기반으로 나타낸 농업가뭄 취약지도와 취약지역 분석을 통해 두 가중치를 비교하고 취약성을 평가하였다.

충청남도 (서산, 보령, 홍성, 논산) 지역에서 기상, 농업용 저수지, 사회⋅환경적 측면에서 모두 농업가뭄에 취약한 것으로 나타났으며, 반대로 경상남도 (거제, 산천)과 전라북도 (무주, 장수) 지역에서 농업가뭄에 안전하게 평가되었다. 전반적으로 115개 시군에 대한 AHP와 엔트로피 가중치를 적용한 결과 극단적으로 반대되는 경향은 나타나지 않았으며, 공간분포 및 취약지역 부분에서 일부 차이를 보였지만, 유사한 경향을 나타내었다. 계층화 분석 방법의 경우 시간, 비용 등 항목을 고려하여 설문을 진행하고, 설문에 따라 결과를 도출하는 방법이지만, 엔트로피 방법의 속성정보를 통해 수리적으로 가중치를 산정하더라도 계층화 분석 방법과 유사한 경향의 결과를 나타낼 수 있음을 알 수 있다.

본 연구의 결과를 통해서 농업가뭄에 대해 취약한 점을 선제적으로 이해하고 판단하여, 농업가뭄 개선 방안에 대한 계획 수립 시 우선순위를 파악하여 지원할 수 있을 것으로 판단된다. 또한, 다양한 가중치 산정 방법을 활용하여 취약성을 평가하고 비교를 통해 취약지역을 분석한다면, 향후 표준화된 농업가뭄 취약성 평가체계 및 결과의 신뢰성을 높일 수 있을 것이라 예상된다.

감사의 글

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

REFERENCES

G. Geng, J. Wu, Q. Wang, T. Lei, B. He, X. Li, X. Mo, H.Y. Luo, H. Zhou and D. Liu, International Journal of Climatology, Agricultural drought hazard analysis during 1981-2008: a global perspective, 36; 389-399 (2016)10.1002/joc.4356

M. Hagenlocher, I. Meza, C.C. Anderson, A. Min, F.G. Renaud, Y. Walz, S. Siebert and Z. Sebesvari, Environmental Research Letters, Drought vulnerability and risk assessments: state of the art, persistent gaps, and research agenda, 14; 083002 (2019)10.1088/1748-9326/ab225d

E.M. Hong, W.H. Nam, J.Y. Choi and Y.A. Pachepsky, Agricultural Water Management, Projected 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), Cambridge University Press, Climate change 2001: The scientific basis. Contribution of Working Group 1 to the Third Report of the Intergovernmental Panel on Climate Change, UK. Cambridge. (2001)

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)10.5389/KSAE.2019.61.2.105

M. W. Jang, Journal of Korean Society of Rural Planning, County-based vulnerability evaluation to agricultural drought using principal component analysis -The case of Gyeonggi-do-, 12(1); 37-48, (in Korean) (2006)

H.S. Kim, G.J. Park, S.D. Kim, M.H. Choi, M.J. Park and J.Y. Yoon, Journal of The Korean Society of Hazard Mitigation, Assessment of flood vulnerability considering climate change and large-scale river restoration project, 12(2); 107-113 (2012)10.9798/kosham.2012.12.2.107

J. U. Kim, J. Y. Lee and S. J. Kim, Journal of Korea Water Resources Association, Evaluation of the future agricultural drought severity of South Korea by using Reservoir Drought Index (RDI) and climate change scenarios, 52(6); 381-395, (in Korean) (2019)10.3741/JKWRA.2019.52.6. 381.

S. J. Kim, T. Y. Park, S. M. Kim and S. M. Kim, Korean National Committee on Irrigation and Drainage Journal, The proxy variables selection of vulnerability assessment for agricultural infrastructure according to climate change, 18(2); 33-42, (in Korean) (2012)

S.M. Kim, M. S. Kang and M. W. Jang, Paddy and Water Environment, Assessment of agricultural drought vulnerability to climate change at a municipal level in South Korea, 16; 699-714 (2018)10.1007/s10333-018-0661-z

K. S. Lee, T. H. Kim, H. G. Kang and J. K. Jung, Journal of Safety and Crisis Management, A study on selection of the risk factors for urban disaster of Daejeon metropolitan city using Delphi and AHP, 11(4); 69-84, (in Korean) (2015)

S. H. Lee, J. E. Eun, H. J. Bae and D. K. Yoon, Journal of the Korean Association of Regional Geographers, Vulnerability assessment of the air pollution using entropy weights: Focused on ozone, 21(4); 751-763, (in Korean) (2015)

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

I. Meza, S. Siebert, P. Doll, J. Kusche, C. Herbert, E. E. Rezaei, H. Nouri, H. Gerdener, E. Popat, J. Frischen, G. Naumann, J. V. Vogt, Y. Walz, Z. Sebesvari and M. Hagenlocher, Natural Hazards and Earth System Sciences, Global-scale drought risk assessment for agricultural systems, 20; 695-712 (2020)10.5194/nhess-20-695-2020

Y. S. Mun, W. H. Nam, M. G. Jeon, H. J. Kim, K. Kang, J. C. Lee, T. H. Ha and K. Y. Lee, Journal of the Korean Society of Agricultural Engineers, Evaluation of regional drought vulnerability assessment based on agricultural water and reservoirs, 62(2); 97-109, (in Korean) (2020a)

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) (2020b)10.5389/KSAE.2020.62.1.085

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); 41-19, (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 temporal trends on drought characteristics using the Standardized Precipitation Evapotranspiration Index (SPEI) in South Korea, 57(1); 37-45, (in Korean) (2015)10.5389/ksae.2015.57.1.037

W. H. Nam, T. G. Kim, J. Y. Choi and J. J. Lee, Journal of the Korean Society of Agricultural Engineers, Vulnerability assessment of water supply in agricultural reservoir utilizing probability distribution and reliability analysis methods, 54(2); 37-46, (in Korean) (2012)10.5389/ksae.2012.54.2.037

M. Nardo, M. Saisana, A. Saltelli, S. Tarantila, A. Hoffman and E. Giovannini, OECD Statistics Working Papers 2005/3, Handbook on constructing composite indicators: Methodology and user guide (2005)

H. S. Park, J. B. Kim, M. J. Um and Y. J. Kim, Journal of Korea Water Resources Association, Assessment of water use vulnerability in the unit watersheds using TOPSIS approach with subjective and objective weights, 49(8); 685-692, (in Korean) (2016)10.3741/ JKWRA.2016.49.8.685.

F. Rezaie and M. Panahi, Natural Hazards and Earth System Sciences, GIS modeling of seismic vulnerability of residential fabrics considering geotechnical, structural, social and physical distance indicators in Tehran using multi-criteria decision-making techniques, 15(3); 461-474 (2015)10.5194/nhess-15-461-2015

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

T. L. Saaty, RWS Publications, Pittsburgh, Fundamentals of decision making and priority theory with the analytic hierarchy process, 478, PA, USA. (2000)

I. T. Shim, B. C. Hong, E. J. Kim and T. M. Hwang, Journal of Korean Society of Water and Wastewater, Vulnerability assessment of drought of small island areas in Korea, 33(5); 341-351, (in Korean) (2019)10.11001/jksww.2019.33.5.341

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)

J. H. Shin, W. H. Nam, N. K. Bang, H. J. Kim, H. U. Anh and K. Y. Lee, Journal of the Korean Society of Agricultural Engineers, Assessment of irrigation efficiency and water supply vulnerability using SWMM, 62(6); 73-83, (in Korean) (2020)10.5389/KSAE.2020.62.6.073

Wang Y., W. Zhao, Q. Zhang and Y. Yao, Scientific Reports, Characteristics of drought vulnerability for maize in the eastern part of Northwest China, 9; 964 (2019)10.1038/s41598-018-37362-4

O. V. Wilhelmi and D. A. Wilhite, Natural Hazards, Assessing vulnerability to agricultural drought: a Nebraska case study, 25; 37-58 (2002)10.1023/a:1013388814894

K. J. Won, J. H. Sung and E. S. Chung, Journal of Korea Water Resources Association, Parameteric assessment of water use vulnerability of South Korea using SWAT model and TOPSIS, 48; 647-657, (in Korean) (2015)10.3741/jkwra.2015.48.8.647

J. S. Yang and I. H. Kim, Journal of the Korean Society of Civil Engineers, Development of drought vulnerability index using Delphi method considering climate change and trend analysis in Nakdong river basin, 33(6); 2245-2254, (in Korean) (2013)10.12652/ksce.2013.33.6.2245

C. Yu, X. Huang, H. Chen, G. Huang, S. Ni, J. S. Wright, J. Hall, P. Ciais, J. Zhang, Y. Xiao, Z. Sun, X. Wang and L. Yu, Earth’s Future, Assessing the impacts of extreme agricultural drought in China under climate and socioeconomic change, 6; 689-703 (2018)10.1002/2017ef000768

J. Zhao, Q. Zhang, X. Zhu, Z. Shen and H. Yu, Geography and Sustainability, Drought risk assessment in China: Evaluation framework and influencing factors, 1(3); 220-228 (2020)10.1016/j.geosus.2020.06.005

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

Preview

Evaluation of Agricultural Drought Disaster Vulnerability Using Analytic Hierarchy Process (AHP) and Entropy Weighting Method

ABSTRACT

MAIN

Fig. 1

Table 1

Fig. 2

Table 2

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

Fig. 3

Fig. 4

Table 3

Table 4

Table 5

Fig. 5

Fig. 6

Fig. 7

Table 7

Table 6

Table 8

감사의 글

REFERENCES