Ⅰ. 서 론

최근 태풍 및 집중 호우 등의 발생 빈도와 강도가 증가하고 있으며 이는 기후변화의 영향을 받아 증가하는 경향을 보이고 있다. 이러한 태풍 및 집중 호우의 발생 빈도 및 강도의 증가는 다양한 형태의 홍수로 인한 피해를 야기한다 (Park et al,, 2011). 여러 형태의 홍수 피해 유형 중 사상자가 발생하는 등의 직접적인 인적 피해를 유발하는 피해 형태는 아니나 농작물 수확량 감소로 인한 농민들의 재산 피해 및 농작물 가격 상승으로 인한 간접적인 피해를 야기한다 (Brémond et al., 2013). 홍수로 인한 농작물 피해뿐만 아니라 이에 따른 직간접적인 피해를 경감시키기 위해 현재까지 발생한 홍수로 인한 농작물 피해 면적 현황 및 위험 정도를 분석하고, 분석한 결과를 바탕으로 하여 미래의 강우 시나리오를 활용한 수재해 저감을 위한 대응체계구축과 개선이 필요하다.

미국의 경우 Saharia et al. (2017)은 1936년부터 2013년까지 홍수가 발생한 사상들을 정리하여 분석하기도 하는 등 수재해 저감 대책 방안 마련하기 위해 국내외 유관 기관에서 홍수 위험에 관련한 홍수 위험 지수 와 취약성 지수 산정 및 분석 연구가 진행되고 있다. 도시 홍수 침수 모델에 대한 경계 조건의 불확실성을 다른 홍수 원인과 연계하여 평가하고, 평가된 결과를 고려하여 홍수 위험 지도 제작을 위한 객관적인 방법론을 제시하는 연구도 있었으며 (Aronica et al., 2012), Kandilioti and Makropoulos (2012)는 도시 지역의 홍수 위험을 정량화하는 방법으로 기존의 주요 방법을 간단화하고 지형지물을 이용하여 정량화하는 방법을 제안하였다. 또한, Jun et al. (2013)은 기후변화의 영향을 고려하여 홍수 위험도를 체계적으로 계량하는 방법을 개발하는 연구를 하였으며, Ettinger et al. (2016)은 logistic 회귀법을 사용하여 페루의 아레퀴파 지역에서 발생한 돌발홍수에 대한 건물의 취약성을 평가하는 연구를 진행하였다. Zachos et al. (2016)은 도시와 농촌 공동체에서 기존의 제방 구조물이 침수가 발생하였을 때, 침수로 인한 취약성을 평가하였다. Hatzikyriakou and Lin (2017)은 동수역학적 모형을 사용하여 폭풍 해일이 발생시키는 구조적 취약성을 평가하는 홍수 위험 지도를 제시하였다.

국내에서 활용하고 있는 홍수피해잠재능 (Potential Flood Damage, PFD) 지수는 국토교통부에서 수립한 수자원장기종합계획 (2000)에서 제시하였으며, 기존의 점 개념이 아닌 면 개념을 도입하여 치수 단위구역의 치수특성과 사회경제적인 가치를 함께 평가할 수 있도록 고안된 지수이다. 수자원장기종합계획에서는 홍수피해잠재능 지수를 이용하여 전국 150개 치수 단위구역별로 홍수피해의 잠재적 위험성을 분석하고 유역 단위로 치수안전도를 평가하였다. Kim et al. (2003)은 계산 홍수위의 신뢰도에 영향을 미치는 요인들에 대해 분석하고 확률론적 홍수위 계산 결과를 제시하여 하천 단면에서의 월류 위험도를 정량화하는 연구를 진행하였다. Kim et al. (2011)은 홍수 취약도 지표를 홍수에 노출된 지역의 인구수, 경제적 활동의 형태, 홍수가 발생하였을 때 2차적 피해를 불러올 수 있는 설비 등을 활용하여 정량적으로 산정하여 평가하였다. Kim et al. (2012)는 취약성 평가의 국내 적용 일환으로서 낙동강 유역에 대하여 기후변화와 대규모 하천 정비사업 영향에 의한 취약성 변화를 평가하였다. Sung et al. (2012)는 기후변화 및 기후변동으로 인한 홍수 취약도를 서울 지역을 대상으로 분석하고, 비정상성을 고려한 FVI (Flood Vulnerability Index)를 활용하여 미래의 홍수 취약도를 전망하였다. Park et al. (2013)은 RCP 시나리오를 기반으로 하여 시군구별 홍수 위험도를 평가를 하고 이에 따른 대책 우선순위를 선별 하였다. Lee et al. (2013)은 홍수 피해 취약성 지수 (Flood Damage Vulnerability Index, FDVI)를 극한강우 사상과 홍수 피해 유형별 홍수피해의 상관분석을 통해 제안하였다. Yoon et al. (2014)은 홍수 위험에 대한 몇 가지 지표의 양적 효과와 홍수 관리에 대한 정성적 효과를 분석하여 정책 기준을 향상시키고 개발도상국에서의 홍수에 대한 위험을 줄이려는 조치를 수립하였다. Kim et al. (2014)는 고유홍수취약성이 높은 지역을 기존의 홍수 방어 시설이 작동하지 않았을 경우 특정 지역의 지형적인 요인 등으로 인해 필연적으로 홍수 피해를 입어야만 하는 지역으로 정의하고, 경영전략 분야에 자주 사용되는 BCG 매트릭스를 변형하여 제안된 고유홍수취약성과 현재의 홍수위험도를 나타내기 위한 방법으로 홍수방어시설용량-피해 매트릭스 (Flood Protection Capacity and Damage Matrix, FPCD Matrix)를 제안하였다.

기후 변화의 영향으로 인한 홍수 발생 빈도 및 강도의 증가는 농작물 피해 면적의 증가를 유발하고 그에 따라 효율적인 대책 마련이 필수적이다. 증가하는 홍수로 인한 농작물 피해에 대하여 효율적으로 대처하기 위하여 유역의 특성 및 중요도를 고려하여 방어대책을 수립하고 지속한 모니터링 및 평가가 필요하다. 증가하는 농작물 피해에 합리적으로 대처하기 위한 모니터링 및 평가는 유역 내에서 홍수 피해와 관련된 다양한 기능을 종합적으로 진단하고, 진단한 결과를 객관적으로 정량화하여 판단하여야 한다. 기존에 제시된 정량화하는 방법으로는 IPCC (Intergovernmental Panel on Climate Change)에서 제시한 기후변화 취약성 평가 이론 (Flood Vulnerability Index, FVI), OECD (Organization for Economic Co-operation and Development)에서 개발한 PSR (Pressure State Response) 모형, EEA (European Environmental Agency)에서 개발한 DPSIR (Driving force Pressure State Impact Response) 모형 등이 있다 (IPCC, 2007; OECD, 1993; EEA, 1999). 이러한 기존에 제시된 방법으로 돌발 홍수에 대하여 Ahn et al. (2013)과 Schroeder et al. (2016)를 비롯하여 많은 연구들이 진행되고 있으나 기존에 제시된 모형들은 포괄적으로 홍수 위험 정도를 제시하고 있어 홍수로 인한 농작물 피해에 따른 대책 수립에는 한계가 있다. 홍수로 인한 농작물 피해는 직간접적인 경제 피해를 유발하며 이에 대한 대책이 필요하다 (Brémond et al., 2013). 홍수로 인한 농작물 피해 경감을 위한 대책 마련에 앞서 본 논문에서는 홍수로 인한 농작물 피해 면적을 증가시키는 변수, 홍수 피해를 경감 시키는 변수들 사이에 구속다중선형회귀방법 (Constrained Multiple Linear Regression, CMLR)을 적용하여 과거 자료에 기초한 양의 상관성 및 음의 상관성을 구축하고, 이를 바탕으로 RCP 시나리오에 대한 GCM 결과를 적용하여 중권역 단위에 대한 미래의 홍수로 인한 농작물 피해 면적을 예측하고 분석하였다. 홍수로 인한 농작물 피해 면적 예측에 필요한 각종 관측 자료들은 2000년부터 2016년까지 수집하여 행정구역 및 지점자료로 구성된 자료를 113 중권역 단위의 자료로 구축하여 현황분석을 하였으며, 현황대비 미래 예측을 위한 입력 자료는 13개 GCM결과를 기초로 구성하였다.

Ⅱ. 연구방법 및 입력 자료

1. 홍수로 인한 피해 현황 분석

홍수 피해를 유발하는 강우 사상으로 인하여 농작물 피해, 침수 피해, 사상자, 이재민, 공공 및 사유 시설에 대한 재산 피해 등 다양한 형태로 피해가 발생한다. 같은 강우 사상으로 인하여 발생한 농작물 피해 현황과 여타 피해 현황 사이의 피해 유무 및 강도가 다른 양상으로 나타나며, 피해 유형 별 피해 강도가 높게 나타나는 유역이 서로 다르게 발생한다. 홍수피해 분석을 위하여 사용된 자료의 수집은 강우 관련 자료의 경우 기상자료개방포털 (https://data.kma.go.kr), 인구밀도 자산밀도 도로현황 시가화율은 국가통계포털 (http://kosis.kr), 하천개수율은 한강홍수통제소 (www.hrfco.go.kr), 하수도보급률 양수량 유수지용량은 하수도통계로 환경부 환경통계포털 (http://stat.me.go.kr)에서 수행되었다. 재해 연보는 홍수로 인한 피해를 비롯하여 자연 재해로 발생하는 피해 정보를 제공하고 있으며, 그 중 2000년부터 2016년까지 홍수로 인하여 발생한 농작물 피해 (ha), 침수 피해 (ha), 사상자 피해 (人), 이재민 피해 (人), 재산 피해 (원)의 합계를 Fig. 1에 나타내었다. 유사한 피해 형태인 농작물 피해와 침수 피해, 사상자 피해와 이재민 피해에서도 가장 피해가 많이 발생한 유역은 유사하게 나타나나 그 외의 유역에서는 서로 다른 강도가 나타남을 알 수 있다. 홍수로 인한 농작물 피해의 경우 동진강 유역에서 피해가 가장 많이 발생하며, 이를 비롯하여 만경강, 부남방조제, 영암방조제를 비롯한 금강, 영산강 유역을 중심으로 농작물 피해가 두드러짐을 알 수 있다. 침수 피해는 홍수로 인한 농작물 피해와 유사하게 동진강 유역에서 피해가 가장 많이 발생하며, 만경강, 남강댐 주변을 유역을 비롯한 금강 및 낙동강 유역에서 피해가 많이 발생한다. 홍수로 인한 사상자 및 이재민 피해는 우리나라 수도인 서울을 포함하고 있어 상대적으로 인구 밀도가 높은 한강 서울 유역에서 피해가 가장 많이 발생하며, 홍수로 인한 재산 피해는 남한강 상류를 비롯한 한강 상류부 및 한강 동해안 유역과 남강댐 유역을 비롯한 낙동강 하류부에서 2000년부터 2016년까지 발생한 재산 피해가 높은 것으로 나타났다.

Fig. 1

Status of damage caused by flood (2000-2016)

2000년부터 2016년까지 전국에 피해를 입은 농작물 피해 면적을 5대강 유역 및 전국에 대하여 연도별로 합하여 Table 1에 나타내었다. 또한, Fig. 2에서는 농작물 피해 면적과 5가지의 극치 강수량과의 상관관계를 나타내었다. 극치 강수량은 R60은 1시간 최대 강수량이고, R10는 10분 최대 강수량, Rn는 1일 강수량이 80 mm 초과한 일수, Ra는 연평균 강수량, Rd는 일 최대 강수량을 의미한다. 전국에서 17년간 농작물 피해를 입은 총 면적은 1,266,402 ha로 나타났다. 2012년에 농작물 피해 면적의 경우 대략 32만 ha 발생으로 17년간 발생한 농작물 피해 현황 중 가장 큰 피해를 입은 연도이고, 2002년 대략 26만 ha, 2003년 19만 ha의 농작물 피해를 입었으며, 2000년 7.7만 ha 2004년 6.8만 ha의 농작물 피해를 입어 비교적 적은 피해가 발생하였다. 5가지 극치 강우와 농작물 피해 면적 간의 상관관계에서는 5개 대유역 및 전국에서 공통적으로 양의 상관관계를 가지며, 영산강 유역에서 1시간 최대 강수량과의 상관관계만 음의 상관관계를 가지고 이외의 변수 및 유역에 대해서는 양의 상관관계를 가짐을 알 수 있다. 이러한 양의 상관관계의 영향으로 기후변화에 의하여 미래의 극치 강수량이 증가함으로 인하여 농작물 피해 면적이 증가할 것임을 알 수 있다.

Table 1

Observed data of crop damage area by flooding (ha)

Year	Hangang	Nakdonggang	Geumgang	Seomjingang	Yeongsangang	Korea
2000	5,417.47	19,187.32	24,988.35	5,479.53	16,635.16	77,458.70
2001	2,471.50	3,525.05	1,037.57	700.96	212.89	7,948.72
2002	17,829.77	43,855.04	64,744.77	42,748.41	78,423.26	264,364.65
2003	3,867.91	92,003.18	15,479.73	21,745.70	41,916.54	190,184.80
2004	2,563.96	6,032.80	22,954.47	3,640.39	28,166.46	67,842.81
2005	2,109.64	7,526.19	27,640.92	2,385.84	2,840.73	42,627.12
2006	10,579.63	10,886.33	1,972.60	6,671.20	1,356.39	34,985.22
2007	391.11	1,369.57	3,962.18	16,659.57	7,792.59	43,709.73
2008	523.03	513.15	103.86	0.05	0.00	1,140.09
2009	1,094.10	945.22	2,870.02	1,604.22	10,393.66	16,907.22
2010	16,076.27	640.23	30,132.93	1,281.04	4,586.80	53,824.78
2011	2,262.17	4,550.04	39,854.60	6,998.62	32,224.99	92,203.07
2012	9,460.26	23,269.24	100,125.91	51,374.84	125,445.32	324,249.31
2013	2,212.69	159.89	110.84	168.02	364.44	3,015.88
2014	390.21	1,235.59	297.62	4,223.11	4,351.98	10,683.90
2015	95.05	309.17	7.86	283.32	120.64	845.92
2016	264.62	3,884.76	2,165.05	5,528.26	13,132.98	34,410.53
Sum	77,609.39	219,892.77	338,449.28	171,493.08	367,964.83	1,266,402.40

Fig. 2

The relationships between crop damage area by flooding and different rainfall variables for 5 major basins

2. 관측 자료, 유역 특성, 치수 대책 자료 수집

기후변화에 따른 홍수로 인한 농작물 피해 면적 예측치를 산정하기 위해서는 현황을 먼저 파악해야 하며, 홍수로 인하여 농작물 피해 면적 관련 현황 파악을 위해서 현재까지 발생한 농작물 피해 면적 현황뿐만 아니라 농작물 피해를 유발하는 인자와 농작물 피해를 경감시킬 수 있는 인자들의 현황 자료를 대상 기간인 2000년부터 2016년까지의 자료를 수집하였다. 홍수로 인한 농작물 피해를 유발하는 관련 인자들은 크게 극치 수문 특성과 유역 특성이 있으며, 홍수로 인한 농작물 피해를 경감시키기 위한 외수범람 및 내수배제에 대비하는 치수 대책 변수를 사용하였다.

본 논문에서는 극치 수문특성으로 1시간 최대 강수량, 10분 최대 강수량, 1일 강수량이 80 mm 초과한 일수, 일 최대 강수량, 연평균 강수량을 사용하였으며, 이러한 극치 수문특성은 70개 종관기상관측시스템 (Automated Synoptic Observing System. ASOS)으로 관측한 시간별 및 일별 강수량을 수집하여 역거리 가중법을 이용하여 중권역에 대한 극치 수문특성 자료로 구성하였다. 유역 특성으로 인구 밀도, 자산 밀도, 시가화율 및 도로 현황 등을 활용하였다. 한국의 경우 과거 벼농사를 중심으로 한 농경 사회로 경작지가 적은 산간 지역에 비하여 평야 지대를 중심으로 도시가 형성되었으며, 산업화가 진행된 이후에 기존의 주요 도시를 중심으로 도시가 발달하여 홍수로 인한 농작물 피해 면적 산정에 있어 인구 밀도 등 유역 특성을 고려하였다. 인구 밀도는 행정동 단위로 행정안정부에서 제공하는 주민등록 인구통계를 이용하였으며, 자산 밀도는 국토교통부에서 제공하는 시군구 단위의 부동산 가격공시에 관한 연차보고서와 지가변동률 통계 자료를 이용하였다. 도로 현황과 시가화율은 자산 밀도와 동일하게 시군구 단위의 지적통계 자료를 활용하였다. 홍수로 인한 농작물 피해를 경감시키기 위한 치수 대책 변수로 하천 개수율, 하수도 보급률, 배수펌프의 용량, 유수지 용량을 활용하였다. 하천 개수율은 한국하천일람의 하천별 하천의 요개수, 완전개수 등의 개수관련 정보를 이용하여 중권역별로 구축하였다. 하천 개수율을 제외한 하수도 보급률, 배수펌프의 용량, 유수지 용량은 환경부에서 제공하고 있는 시군구 단위의 하수도 통계 자료를 활용하였다. 홍수로 인한 농작물 피해는 재해 연보를 통하여 기간별-시군구 형태로 정보를 제공하고 있어 홍수 피해와 관련된 정보를 취합하여 연도별-시군구 형태로 구축하였다 (Fig. 3, Table 2).

Table 2

List of observation, basin characteristics, countermeasures for flood defense data

	Indicators	Source	Type of data
(a) Extreme Hydrological characteristics	Hourly maximum rainfall (mm/hr)	Korea Meteorological Administration	Point
	Ten minute maximum rainfall (mm/10min)
	Total days of heavy rainfall (day)
	Annual precipitation (mm/year)
	Daily maximum rainfall (mm/day)
(b) Basin characteristics	DEM (m)	WAMIS	Basin
	Density of population (人/km2)	Ministry of the Interior and Safety	Eup, Meon, Dong
	Density of asset (₩/km2)	Ministry of Land, Infrastructure and Transport	City, Gun, Gu
	Urbanization ratio (%)	KOSIS
	Road statistics (km)
(c) Counterme- asures for flood defense	River maintenance ratio (%)	Han River Flood Control Office	Basin
	Supply ratio of water supply and sewerage (%)	Ministry of Environment	City, Gun, Gu
	Pumping capacity (m3/min)
	Reservoir capacity (m3)
(d) Status of disaster	Crop damage area for flood (ha)	Ministry of the Interior and Safety of Korea	City, Gun, Gu

Fig. 3

Average of input data

본 논문에서는 수집한 극치 수문 특성, 유역 특성, 치수 대책, 농작물 피해 면적 현황 자료들은 각 변수별 범위가 다르므로 이를 일치하기 위하여 표준화하여 사용하였다. 각 변수들을 1과 11사이의 값으로 표준화하기 위하여 다음 식을 이용하였다. 수공학 분야에서 흔히 사용되는 표준화하는 방법으로 최대, 최소값을 이용하는 방법과 평균과 표준편차를 사용하는 방법이 있으며, 본 논문에서는 재조정된 변수가 음의 값을 가지지 않는 최대, 최소값을 이용하는 방법에 모든 지수의 값을 1 이상으로 값이 되도록 0.1을 더한 후 10을 곱하여 사용하였다.

(1)

xnor=x-xminxmax-xmin+0.1×10

여기서, x_nor는 표준화된 변수, x는 각 변수의 원자료, x_min는 각 변수의 최소값, x_zsr는 각 변수의 최대값을 의미한다. 1과 11사이의 값으로 표준화한 변수 중 인구 밀도, 자산 밀도, 시가화율, 도로 현황, 하수도 보급률, 배수펌프의 용량, 유수지용량 및 홍수로 인한 농작물 피해 정보들은 시군구 또는 행정동 단위로 구성되어 있어 다른 변수들과 동일하게 중권역 단위로 통일하여 활용하였다. 행정구역 단위로 변수들을 중권역 단위로 통일한 방법은 행정구역과 중권역이 중첩되는 면적을 산정하여 해당 면적의 면적비로 각 중권역 단위로 환산하였다.

기후변화에 따른 미래의 농작물 피해 면적을 예측하기 위하여 미래의 극치 수문 특성 및 유역 특성 정보를 수집하여야 한다. 극치 수문 특성의 경우 13개 GCM 모형에서 생산된 강수자료를 수집하였으며 본 논문에서 수집한 GCM모형의 목록은 Table 3에서 제시하였다. 유역 특성 중 인구 밀도를 제외한 자산 밀도, 시가화율, 도로현황의 미래 자료는 현재의 자료를 바탕으로 파워 형태의 보간법을 이용하여 미래 유역 특성으로 예측하였고, 미래 인구 밀도는 2040년까지 통계청에서 장래추계인구를 제공하고 있어 이를 활용하고 이 후의 자료는 여타 다른 유역 특성 자료와 동일하게 파워 보간법을 이용하여 미래 인구 밀도를 예측하였다.

Table 3

Information of used 13 GCMs

No.	GCMs	Resolution	Institution
1	BCC-CSM1-1-M	1.125ⅹ1.122	Beijing Climate Center, China Meteorological Administration
2	MRI-CGCM3	1.125ⅹ1.122	Meteorological Research Institute
3	HadGEM2-AO	1.875ⅹ1.250	Met Office Hadley Centre
4	HadGEM2-CC	1.875ⅹ1.250
5	HadGEM2-ES	1.875ⅹ1.250
6	INM-CM4	2.000ⅹ1.500	Institute for Numerical Mathematics
7	IPSL-CM5A-MR	2.500ⅹ1.268	Institut Pierre-Simon Laplace
8	CMCC-CMS	1.875ⅹ1.865	Centro Euro-Mediterraneo per I Cambiamenti Climatici
9	MPI-ESM-MR	1.875ⅹ1.865	Max Planck Institute for Meteorology (MPI-M)
10	NorESM1-M	2.500ⅹ1.895	Norwegian Climate Centre
11	IPSL-CM5B-LR	3.750ⅹ1.895	Institut Pierre-Simon Laplace
12	MIROC-ESM-CHEM	2.813ⅹ2.791	Japan Agency for Marine-Earth Science and Technology, Atmosphere and Ocean Research Institute (The University of Tokyo), and National Institute for Environmental Studies
13	MIROC-ESM	2.813ⅹ2.791

Ⅲ. 홍수로 인한 미래 농작물 피해 면적 예측

FVI 방법, PSR 방법 및 DPSIR 방법 등 기존에 활용하였던 홍수 위험 지수 산정 방법은 특정 홍수 피해 유형을 반영한 홍수 위험 지수이기 보다는 종합적인 홍수 위험 지수로 홍수로 인한 농작물 피해 경감을 치수 대책 제시에 한계를 지닌다. 이러한 한계를 극복하기 위하여 본 논문에서는 CMLR 방법을 이용하여 홍수로 인한 농작물 피해 면적 지수를 산정하고 이를 활용하여 목표 년도에 대한 농작물 피해 면적을 제시하였다. Fig. 4는 2000년부터 2016년 중 다른 연도에 비하여 상대적으로 농작물 피해가 많이 발생한 2002년, 2003년, 2004년, 2011년, 2012년에 대하여 CMLR 방법을 이용하여 홍수로 인한 농작물 피해 면적 현황과 농작물 피해 면적 지수를 나타낸 그림이다. 편서풍의 영향 및 농경지 비율이 높은 서남해 유역을 중심으로 두드러지게 나타나며, 2002년과 2003년에 발생한 태풍 매미와 루사의 영향으로 인하여 다른 연도에 비하여 농작물 피해 면적이 넓었으며, 2002년과 2003년에 더불어 2012년에 홍수로 인한 농작물 피해가 많이 발생하였다. 또한, 서남해 유역에 위치한 유역에서 많이 발생하였으며, 그중 만경강 및 동진강 유역에서 높은 농작물 피해 면적 지수와 빈번한 피해 발생을 나타내었다.

Fig. 4

Comparison between crop damage area by flooding observation and estimated crop damage area using the CMLR model (Sample)

Table 4은 Fig. 4의 농작물 피해 면적 지수와 홍수로 인한 농작물 피해 면적 현황의 검정통계량을 기존의 FVI, PSR, DPSIR 방법과 비교하였다. 검정통계량은 평균 제곱근 오차 RMSE (Root Mean Square Error), 상관계수 R, 평균 절대 백분율 오차 MAPE (Mean Absolute Percentage Error)를 사용하였다. 기존의 FVI, PSR, DPSIR 방법의 검정 통계량은 Kim and Kim (2018)을 참조하였다. 농작물 피해 면적의 현황과 CMLR방법으로 산정한 농작물 피해 면적 지수의 RMSE의 평균은 0.36, R은 0.62, MAPE는 0.12로 산정되었다. FVI 방법의 RMSE 2.15, R 0.21, MAPE 0.53이고, PSR 방법의 RMSE 0.85, R 0.29, MAPE 0.43이고, DPSIR 방법은 RMSE 0.53, R 0.28, MAPE 0.23이다. CMLR 방법을 이용하여 산정한 농작물 피해 면적 지수가 기존의 3가지 방법 비하여 상대적으로 좋은 검정 통계량을 얻을 수 있음을 알 수 있다. 특히, 홍수로 인한 농작물 피해가 많이 발생할수록 농작물 피해 현황과 농작물 피해 면적 지수의 상관관계가 높으며 홍수 피해를 상대적으로 잘 구현한다. 또한, 검정통계량을 종합적으로 고려하면 기존의 방법론에 비하여 CMLR 방법으로 농작물 피해 면적 지수를 산정하는 것이 농작물 피해 면적 현황을 상대적으로 잘 구현할 수 있으며, 이를 활용하여 기후변화에 따른 미래의 농작물 피해 면적 지수를 기존에 방법에 비하여 상대적으로 잘 예측 할 수 있을 것으로 판단된다.

Fig. 5는 CMLR 이용하여 산정한 농작물 피해 면적 지수 현황과 이를 바탕으로 산정한 기후변화에 따른 목표연도별 농작물 피해 면적 지수 및 위험관리 대응 필요 유역을 나타낸 그림이다. Y0 및 FY1~FY3은 Y0는 현황인 2000년부터 2016년까지의 평균이고, FY1은 2010년부터 2039년까지의 평균, FY2은 2040년부터 2069년까지의 평균, FY3은 2070년부터 2099년까지의 평균을 의미한다. 농작물 피해 면적 지수가 CMLR 현황에서 높게 산정되었던 만경강 유역 및 서해와 인접하고 있는 전반적인 유역에서 FY3로 갈수록 점차 홍수로 인한 농작물 피해 면적이 높게 산정될 뿐만 아니라 현황에서 높게 산정되지 않았던 부남방조제 유역에서 홍수로 인한 농작물 피해 면적이 높게 산정됨을 알 수 있다. 또한, 전반적으로 동해안 및 남해안에 비하여 서해안 혹은 서남해안에서 홍수로 인한 농작물 피해 면적이 높게 산정됨을 알 수 있다. 각 중권역으로 산정된 회귀계수를 바탕으로 하여 한강 유역의 농작물 피해 면적 예측 시 극치 수문 특성 중 일 최대강수량과 유역 특성 중 인구 밀도 증가에 의하여 농작물 피해 면적이 가장 많이 증가할 것으로 예상되며, 이와 대비하여 유수지용량 증가로 인하여 농작물 피해 면적이 감소할 것으로 예상된다. 낙동강 유역의 농작물 피해 면적 예측 시 극치 수문 특성 중 연평균강수량과 유역 특성 중 인구 밀도 증가에 의하여 농작물 피해 면적이 가장 많이 증가할 것으로 예상되며, 유수지용량 증가로 인하여 농작물 피해 면적이 감소할 것으로 예상된다. 금강 유역의 농작물 피해 면적 예측 시 극치 수문 특성 중 일 최대강수량과 유역 특성 중 도로 현황 증가에 의하여 농작물 피해 면적이 가장 많이 증가할 것으로 예상되며, 유수지용량 증가로 인하여 농작물 피해 면적이 감소할 것으로 예상된다. 섬진강 유역의 농작물 피해 면적 예측 시 극치 수문 특성 중 1일 강수량이 80 mm 초과일수와 유역 특성 중 도로 현황증가에 의하여 농작물 피해 면적이 가장 많이 증가할 것으로 예상되며, 양수량 증가로 인하여 농작물 피해 면적이 감소할 것으로 예상된다. 영산강 유역의 농작물 피해 면적 예측 시 극치 수문 특성 중 일 최대강수량과 유역 특성 중 자산 밀도 증가에 의하여 농작물 피해 면적이 가장 많이 증가할 것으로 예상되며, 이와 대비하여 유수지용량 증가로 인하여 농작물 피해 면적이 감소할 것으로 예상된다. 극치 수문 특성 중 일 최대강수량, 유역 특성 중 인구 밀도, 치수 대책 중 유수지용량의 증감에 따라 홍수로 인한 농작물 피해 면적 증감에 큰 영향을 미칠 것으로 판단된다.

Fig. 5

Average of the crop damage area related flood index for different target periods and RCP scenarios

Ⅳ. 요약 및 결론

기후 변화의 영향으로 인한 홍수 발생 빈도 및 강도의 증가는 농작물 피해 면적의 증가를 유발하여 그에 따른 대책 마련을 필요로 한다. 이러한 대책 마련을 위하여 본 논문에서는 2000년부터 2016년까지 발생한 홍수로 인한 농작물 피해 면적 현황을 분석하고, CMLR법을 이용하여 홍수로 인한 농작물 피해 면적 지수를 산정하여 미래에 발생할 농작물 피해 면적에 대해 예측하였다. 미래 농작물 피해 면적 예측을 위하여 RCP 4.5와 8.5 시나리오로 생산한 13개 GCM 모형의 강우자료와 1시간 최대 강수량, 10분 최대 강수량, 1일 강수량이 80 mm 초과한 일수, 일 최대 강수량, 연강수량, 유역고도, 시가화율, 인구 밀도, 자산 밀도, 도로와 같은 사회 간접 시설, 하천개수율, 하수도 보급률, 배수펌프시설, 유수지용량, 홍수로 인한 농작물 피해 면적 현황 등의 관측 및 유역특성자료를 수집하여 113개 중규모 유역에 대한 입력 자료를 구축하였다.

기존에 제시된 홍수 위험 산정 방법으로 산정된 홍수 위험 지수의 경우 포괄적인 홍수 위험 지수를 제시하고 있어 농작물 피해 면적 예측에 한계를 분석하고 본 논문에서는 CMLR을 활용하여 미래 농작물 피해 면적을 예측하였다. CMLR을 이용하여 산정한 농작물 피해 면적의 예측 값은 기존에 제시된 FVI, PSR, DPSIR 방법에 비하여 검정통계량 RMSE, R, MAPE에 대하여 현저히 개선됨을 알 수 있었다. 구축된 과거 자료에 대하여 구속 다중선형회귀 모형을 적용하여 홍수로 인한 농작물 피해 면적과 여타 입력 자료 사이의 구속 다중선형회귀모형을 구축하고 RCP 4.5와 8.5에 대한 13개 GCM 모형 산정 자료를 적용하여 미래 홍수로 인한 농작물 피해 면적을 산정하였다. 산정된 미래의 홍수로 인한 농작물 피해 면적의 경우 농경지 면적이 높은 서남해 유역 특히 만경강 및 동진강에 다른 유역에 비하여 홍수로 인한 농작물 피해 면적이 심화되는 경향을 보인다. CMLR을 이용하여 산정한 미래 홍수로 인한 농작물 피해 면적의 예측 값을 활용하여 미래의 홍수 위험에 대하여 여러 홍수 발생 유형 중 농작물 피해 면적 감소를 위한 치수 대책 필요 유역의 우선순위를 선정할 수 있으며, 선정한 우선순위 유역에 따른 우선순위에 따른 홍수에 대한 위험 관리 대응 전략을 수립할 수 있을 것으로 판단된다.