공통사회경제경로 기후변화 시나리오 기반 고해상도 홍수 리스크 평가

3.1. 지표 목록 구축

기후변화에 따른 홍수 리스크 분석을 위해 위해성, 노출성, 취약성에 대한 개별지표 구축이 필요하다. 지표구축은 문헌조사와 분야별 전문가 토론을 통해 진행되었다. 문헌조사에서는 기존 연구를 바탕으로 요소별 개별지표를 조사하고, 토론에서는 문헌조사 단계에서 구축한 개별지표 목록을 바탕으로 DB 구축 가능성, 적정성, 대체가능 지표 등을 논의해 최종적으로 지표를 확정하였다(Table 1).

Table 1.

Indicators and their weights for flood risk assessment

문헌조사 결과, 기존 연구에서는 위해성 지표로서 단순히 강우가 많이 내리는 양상을 나타내는 지표가 주를 이루었다. 이 지표들은 누적 평균 3일 최대 강우량(Zhang et al., 2020), 일 강우량(Allafta and Opp, 2021; Nasiri et al., 2019), 강우일 수 등이 있다. 이 지표들에 대한 토론 결과, 강우량이 높더라도 홍수방어를 위한 적응역량이 높은 지역은 피해 발생 가능성이 적고, 강우량이 낮더라도 대응이 잘 되어 있지 않으면 큰 피해가 발생할 수 있다는 의견이 제기되었다. 이에 따라, 미래의 강우량이 홍수 방어를 위한 구조물의 설계강우량(임곗값)을 얼마나 자주 또는 많이 초과하는지 나타낼 수 있는 지표를 선정할 필요가 있다. 또한, 노출성 개별지표에 대한 문헌조사 결과, 지역별 인구밀도(Bigi et al., 2021; Nasiri et al., 2019; Zhang et al., 2020), 주택 수(Sharma et al., 2018), 산업체 수(Zhang et al., 2020), 상업 건축물 수, 도시지역 면적, 녹지면적(Bigi et al., 2021)과 같은 행정구역 통계자료를 주로 활용하였다. 홍수는 행정구역 전체에 발생하지 않고 일부 취약 지역에 발생하기 때문에 고해상도의 공간정보 분석을 통해 홍수 위험지역 또는 저지대에 위치한 노출 규모를 산정할 필요가 있다는 의견이 제기되었다. 취약성 개별지표에 대한 문헌조사 결과, 지역 내 총 생산(GRDP), 재정자립도, 실업률(Sharma et al., 2018) 등이 활용되었다. 이 지표들은 홍수 리스크에 직접적으로 영향을 미치지 않고 중앙 및 지방 정부의 기후위기 적응노력으로 변화시키는데 한계가 있는 지표들이다. 이에 따라, 홍수에 직접적으로 영향을 미치며 기후위기 적응대책 수립을 통해 리스크 저감효과를 나타낼 수 있는 개별지표의 필요성이 논의되었다.

3.2. 지표 가중치 산정

지표의 가중치 산정 방법은 의사결정 방법론과 통계적 방법론으로 구분된다. 의사결정 방법은 Multi-Attribute Utility Theory, Analytic Hierarch Process, Fuzzy Set Principle, Delphi Technique 등이 있고 통계적 방법은 Factor Analysis, Principal Component Analysis, Probit Model 등이 있다. 두 방법론 중 종합지표와 개별지표의 가중치 산정 방법으로 전문가 의견을 기반으로 결과를 도출하는 의사결정 방법론이 널리 활용되고 있다. 의사결정 방법론 중에서도 계층화분석(Analytic Hierarchy Process, AHP)에 의해 가중치를 산정하는 연구가 주로 진행되어 왔다. AHP는 의사결정자의 경험을 중요시하기 때문에 계량적인 정보뿐만 아니라 의사결정에서 다루기 곤란한 질적인 정보를 비교적 쉽게 처리할 수 있는 장점이 있다. AHP는 간편하고 명확한 이론을 근거로 의사결정이 요구되는 다양한 문제에 적용할 수 있는 범용적 모델이다. 이에 본 연구에서는 종합 및 개별지표의 가중치 산정을 위해 여러 의사결정 방법 중 AHP를 적용하였다. AHP 분석을 위한 설문조사를 위해 홍수, 기후변화, 리스크 평가 연구에 10년 이상의 경력을 갖고 있는 학계, 국가기관, 산업계 등의 전문가 9인을 선정하여 가중치를 산정하였고 그 결과를 Table 1에 나타내었다.

위해성, 노출성, 취약성 종합지표의 가중치는 각각 0.35, 0.34, 0.31로 산정되어 위해성, 노출성의 영향력이 높은 것으로 나타났으나 서로 큰 차이를 보이지는 않았다. 위해성 중에 국가 및 지방하천의 설계강우량 초과 빈도와 강도를 나타내는 100년 빈도 설계강우량 대비 연 최대 강우량 비율(H1)과 100년 빈도 설계강우량 50% 초과 강우 일 수(H2) 개별지표의 가중치가 각각 0.34, 0.23으로 높게 산정되었다. 반면, 소하천 및 도시지역의 설계강우량 초과 빈도와 강도를 나타내는 방재성능목표강우량 대비 강우량 비율(H3), 방재성능목표 강우량 초과 강우 일 수(H4) 개별지표의 가중치는 각각 0.15, 0.18로 비교적 낮게 산정되었다. 지역의 방재역량 임곗값 없이 강우가 많이 내리는 양상을 나타내는 연 최대 일 강우량(H5) 개별지표의 가중치가 가장 낮은 0.10으로 산정되어 임곗값 적용의 중요성을 확인할 수 있었다. 노출성 개별지표의 가중치는 홍수 위험지역에 위치한 인구(E4), 건축물(E1), 도로(E3), 농업지역 면적(E2) 순으로 높게 산정되었고 그 값은 각각 0.38, 0.32, 0.18, 0.12이다. 인명피해와 관련된 인구, 건축물 지표의 영향력이 비교적 높게 산정되었다. 취약성 개별지표의 가중치는 과거 홍수 피해지역 면적 비율(V1), 하천개수율(V3), 불투수 면적 비율(V2), 노후 하수관로 비율(V4) 순으로 높게 산정 되었고 그 값은 각각 0.32, 0.32, 0.19, 0.17이다. 상습 침수지역을 나타내는 민감도 관련 지표와 하천 제방과 관련된 적응능력 관련 지표가 비교적 높게 산정되었다.

3.3. 위해성(Hazard) 구축

홍수위험 발생 빈도와 강도를 나타내는 위해성 종합지표(composite indicator)는 5개의 개별지표(individual indicator)를 활용해 구축하였다. 설계강우량(100년빈도) 대비 연 최대 강우량 비율(H1)과 설계강우량(100년빈도) 50% 초과 강우 일 수(H2) 개별지표는 국가, 지방하천의 설계강우량을 임곗값으로 활용하여 지역별 하천홍수 방어능력을 초과하는 외수침수 발생 강도와 빈도를 나타내는 지표이다. 방재성능목표강우량 대비 강우량 비율(H3)과 방재성능목표 강우량 초과 강우 일 수(H4) 개별지표는 도시, 소하천의 방재성능목표강우량을 임곗값으로 활용하여 도시 침수 방어능력을 넘어서는 침수발생 강도와 빈도를 나타내는 지표이다. 연 최대 일 강우량(H5)은 하천 및 도시 유역의 방어 수준을 고려하지 않은 지표로서 지역에서 발생할 수 있는 연 최대 강우량이다.

위해성 개별지표 산정을 위한 원시자료(raw data)로 기준연도와 미래연도의 일강우량, 시간 강우량 등 기후자료와 지역별 홍수 리스크 임곗값을 활용하였다. 위해성 개별지표 구축에 사용한 모든 원시자료의 공간 해상도는 서로 다르지만 해상도를 통일하기 위해 229개 행정구역 단위로 변환하여 지표를 산정하였다. 기준연도(2001 ~ 2020년)의 일 강우량과 시 강우량은 20년 이상의 기상자료를 보유한 종관기상관측소(ASOS) 72개로부터 구축하였다. 홍수 리스크 임곗값은 국가 및 지방하천의 설계강우량, 도시지역 및 소하천의 설계강우량인 방재성능목표강우량을 활용하였다. 설계강우량은 환경부에서 제공하는 기상관측소별 100년 빈도 확률강우량을 티센 네트워크(Fig. 3)에 의한 면적가중 평균 방법을 통해 229개 행정구역별로 산정하였다(Fig. 4). 한편, 환경부는 615개 종관기상관측소와 방재기상관측소(AWS)의 연 최대 강우량을 지역빈도 분석하여 재현기간별 확률강우량을 제공하고 있다. 다만, 환경부는 울릉군의 확률강우량은 제공하고 있지 않아 지점 강우빈도 분석을 통해 확률강우량을 추정하였다. 1960년 ~ 2020년까지의 연 최대 강우량을 활용하여 강우빈도 분석을 수행하였다. 적용한 확률분포는 극치분석에 적합한 GEV, Gumbel, Weibull, 2변수 Gamma, 3변수 Gamma, Log-Pearson TypeⅢ이고 매개변수 추정방법은 모멘트법과 확률가중모멘트법이다. 적합도 검정 결과, 울릉도 연 최대치 강우량에 GEV와 Gumbel 분포가 적합하였고 환경부의 홍수량 산정 표준지침에 따라 모멘트법에 의한 Gumbel 분포 결과를 활용하여 울릉도의 설계(확률)강우량을 산정하였다(Fig. 5). 도시지역 및 소하천의 설계강우량은 행정안전부에서 고시한 행정구역별 1시간 지속시간 방재성능목표강우량을 활용하였다.

Fig. 3.

Thissen network of meteorological station

Fig. 4.

Design rainfall of river (100-yr rainfall, threshold)

Fig. 5.

Probability rainfall in Ulleung by probability distribution and parameter estimation method

미래기간의 기후자료는 기상청에서 제공하고 있는 HadGEM3-RA 모델에 의한 1 km 공간해상도의 남한상세 일 강우량 자료를 활용하였고 공간해상도를 통일하기 위해 공간 평균하여 229개 행정구역 단위로 변환하여 H1, H2 지표를 산정하였다. H3, H4 지표 산정을 위해 필요한 1시간 지속시간 최대 강우량은 24시간 지속시간 최대 강우량으로부터 도출되었다. 기상관측소별 과거기간(2001 ~ 2020년)의 24시간 지속시간 연 최대 일 강우량과 연 최대 일 강우량이 발생한 일자의 1시간 지속시간 최대 강우량을 구축하고 두 강우량 간의 비율을 지역별로 산정하여 미래기간에 적용하였다. 이 방법에 대해 여러 전문가와 토론을 하였고 과거의 강우 패턴을 그대로 미래에 적용하는 것이 한계로 지적되었으나 미래 시 강우량을 제공하지 않는 현시점에 적용 가능한 방법으로 결론지었다. 기후변화 시나리오는 저탄소 시나리오인 SSP1-2.6과 고탄소 시나리오인 SSP5-8.5를 적용하였다. 기준연도와 미래연도의 기후변화 시나리오별 위해성 종합지표(H)와 개별지표(H1 ~ H5) 산정 결과를 Fig. 6에 나타내었다.

Fig. 6.

Mapping composite and individual indicators of hazard in historical and projected period with HadGEM3-RA climate model and SSP1-2.6, 5-8.5 climate change scenario

3.4. 노출성(Exposure) 구축

홍수 위험에 노출되는 대상의 규모를 나타내는 노출성 종합지표는 네 개의 개별지표를 활용해 구축하였다. 네 개의 개별지표는 홍수 위험지역에 위치한 건축물(E1), 농업지역(E2), 도로(E3), 인구(E4)가 포함 된다¹⁾. 홍수 위험 관련 노출성 지표를 구축하기 위해 우선 홍수 위험지역을 정의하였다. 본 연구에서는 홍수 위험지역을 국가와 지방하천의 홍수 방어 구조물 설계를 위한 100년 빈도 홍수위(flood water level)보다 낮은 지역으로 정의 하였다. 따라서 건축물, 농업지역, 도로, 인구 등이 하천 계획 홍수위보다 낮은 지역에 위치하고, 그 규모가 커질수록 홍수에 노출될 가능성이 높아진다.

노출성 개별지표 산정을 위한 원시자료로 폴리곤(polygon) 형태인 환경부의 100년 빈도 홍수위험지도, 국토부 브이월드(V-WORLD)의 건축물 및 도로 지도, 국토정보플랫폼의 100 m 격자 인구 지도, 래스터(raster) 형태인 환경부 환경공간정보서비스 토지피복도의 농업지역 공간정보를 활용하였다. 노출성 개별지표는 홍수위험지도와 각각의 건축물, 농업지역, 도로, 인구 공간정보를 중첩하여 위험지역에 노출된 홍수 피해 대상의 면적, 인구 등 노출 규모 산정을 통해 구축하였다. 노출성 개별지표 구축을 위한 원시자료의 공간해상도는 서로 다르지만 공간 해상도를 통일하기 위해 229개 행정구역 단위로 변환하여 지표를 산정하였다. 노출성 종합지표 산정 결과, 서부지역, 동남부 지역의 값이 큰 것으로 나타났다(Fig. 7(a)). 이 지역들은 한강, 금강, 낙동강, 영산강 등 국가하천이 위치한 곳으로 홍수 위험지역의 면적이 커 건축물 면적, 농업지역 면적, 도로 면적이 크게 산정된 것으로 분석되었다(Fig. 7(b) ~ (d)). 홍수 위험 인구의 경우 인구밀도가 높은 서울, 부산 인근의 지역이 높은 것으로 나타났다(Fig. 7(e)).

Fig. 7.

Mapping composite and individual indicators of exposure

3.5. 취약성(Vulnerability) 구축

지역의 홍수 위험에 취약한 상태를 나타내는 취약성 종합지표는 네 개의 개별지표를 활용해 구축하였다. 네 개의 개별지표는 과거 홍수 피해지역 면적 비율(V1), 불투면 면적 비율(V2), 하천 개수율(V3), 노후하수관로 비율(V4)이다. 취약성 개별지표도 앞서 설명한 위해성과 노출성 지표와 동일하게 원시자료 등을 가공해 229개 행정구역 단위로 구축했으며, 행정구역별 면적 차이로 발생할 수 있는 분석 결과 오류를 제어하기 위해 면적 비율 또는 개수율 등으로 변환해 구축하였다.

과거 홍수 피해지역 면적 비율(V1)은 과거 홍수로 피해가 발생한 지역을 취약성에 반영하기 위한 지표로 행정안전부 침수흔적도를 바탕으로 최근 10년 동안 홍수 피해가 발생한 면적 자료를 구축해 마련하였다. 건물, 콘크리트, 아스팔트 등으로 덮여 빗물이 침투하지 못하는 면적의 비율을 나타내는 불투수 면적 비율(V2)은 환경부 토지피복도를 활용해 구축하였다. 홍수 피해지역 면적 비율과 불투수 면적 비율은 각각 폴리곤과 레스터 형태로 제공되기 때문에 공간정보 분석을 통해 행정구역별로 개별지표를 산정하였다. 하천에 설치된 제방 길이와 제방 설치가 필요한 하천 길이의 비율을 나타내는 하천개수율(V3)은 통계청 자료를 활용해 구축했으며, 본 연구에서는 하천개수율 값이 높을수록 하천홍수 발생 가능성이 낮아지는 것으로 설정하였다. 마지막 지표는 노후 하수관로 비율(V4)로 환경부 하수도 통계연보를 바탕으로 구축하였다. 노후 하수관로 비율이 높을수록 도시지역의 강우가 원활하게 배제되지 못해 내수침수 발생 가능성이 높아진다. 취약성 종합지표 산정 결과, 수도권 인근, 남동부 지역이 높은 것으로 분석되었다(Fig. 8(a)). 이 지역들은 가중치가 가장 큰 개별지표인 과거 홍수 피해지역 면적 비율(Fig. 8(b))이 높고 하천개수율(Fig. 8(d))이 낮은 지역들이다.

Fig. 8.

Mapping composite and individual indicators of vulnerability

3.6. 홍수 리스크 평가

홍수 리스크 산정을 위해 위해성(hazard), 노출성(exposure), 취약성(vulnerability)의 개별 및 종합지표와 지표별 가중치로 구성된 리스크 산정 공식을 식 (1)과 같이 나타내었다. 리스크 산정 공식은 GIZ and Eurac Research (2017)이 출판한 Vulnerability Sourcebook의 Risk Supplement를 참고하였다. j지역의 리스크 r_j는 위해성 H_j, 노출성 E_j, 취약성 V_j 종합지표(composite indicators)에 각각의 가중치인 w_H , w_E , w_V를 곱한 후 합산하여 산정한다. 산정한 리스크를 식 (2)의 최소-최대 표준화(min-max standardized) 방법을 통해 표준화하여 최종 리스크(R_j)를 산정한다.

여기서, j는 우리나라 전체 행정구역 중 특정 행정구역, r_j는 표준화 전 리스크, H_j, E_j, V_j는 위해성, 노출성, 취약성 종합지표, w_H,w_E,w_V는 종합지표 각각의 가중치이다. R_j는 표준화 된 최종 리스크, r^min, r^max는 각각 전체 행정구역의 리스크 값 중 최솟값, 최댓값이다.

위해성, 노출성, 취약성의 종합지표는 여러 개의 개별지표(individual indicator) i로 구성된다. j지역의 종합지표 H_j는 식 (3)과 같이 개별지표 H_ij에 개별지표별 가중치 w_i를 곱한 후 서로 더하여 산정한다. 여러 개의 개별지표 수치의 범위와 단위가 서로 달라 종합지표 산정을 위해 식 (4)와 같이 최소-최대 표준화 방법을 통해 표준화한다. 현재 및 미래에 대한 기후변화 리스크 평가와 같이 시간에 종속적인 연구는 현재(기준연도) 기준으로 개별지표의 최솟값과 최댓값을 결정한다.

여기서, i는 개별지표, H_ij는 표준화 된 j지역의 i개별지표, w_i는 i개별지표의 가중치, h_ij는 j지역의 i개별지표, $$ h_i^{\text{min}},h_i^{\text{max}}$$는 각각 기준연도 기준 전체 행정구역의 i개별지표 값 중 최솟값, 최댓값 이다. h_ij는 기준연도 또는 미래연도 값이 적용된다. 만약 h_ij가 $$ h_i^{\text{min}}$$보다 작으면 H_ij는 0보다 작은 음수, $$ h_i^{\text{max}}$$보다 크면 1보다 큰 양수로 산정된다(OECD and EC, 2008).

취약성 평가 가이드라인(Vulnerability SourceBook)은 가장 긍정적인 조건을 가장 낮은 등급으로, 가장 부정적인 조건을 가장 높은 등급으로 나타내는 5등급 체계를 제안한다(GIZ and Eurac Research, 2017). 리스크 산정결과는 Table 2와 같이 0.2 간격으로 매우 낮음, 낮음, 중간, 높음, 매우 높음 5개 등급으로 구분한다.

Table 2.

Classified risk and severity

4.1. 홍수 리스크의 시·공간적 변화 분석

기준연도(2001 ~ 2020)와 미래연도(2021 ~ 2060)를 20년 단위로 구분하여 홍수 리스크를 평가하고 그 결과를 Fig. 9에 나타내었다. 시간변화에 따른 홍수 위험지역의 변화를 분석하기 위해 리스크 등급이 매우높음 등급(0.8이상) 이상인 지역을 위험 행정구역으로 정의하였다. 기준연도의 위험 행정구역 수는 14개로 전체 행정구역 수의 6%를 차지하였다. 저탄소 시나리오인 SSP1-2.6에서 홍수위험 행정구역 수는 2021 ~ 2040년 60개(26%), 2041 ~ 2060년 31개(14%)로 전망되었고, 고탄소 시나리오인 SSP5-8.5에서 2021 ~ 2040년 76개(33%), 2041 ~ 2060년 96개(42%)인 것으로 분석되었다(Table 3). 저탄소 시나리오(SSP1-2.6)에서 미래로 갈수록 홍수위험 행정구역의 수가 감소한 반면, 고탄소 시나리오(SSP5-8.5)에서는 증가하여 탄소배출량이 낮은 SSP1-2.6 시나리오로의 전환의 중요성을 확인하였다. SSP5-8.5 기준으로 수도권, 중부지역, 남서부 지역 일부, 남동부 지역 일대의 홍수 리스크가 높은 것으로 전망되었다.

Fig. 9.

Changes in spatio-temporal flood risk of historical and projected period under the SSP1-2.6 and SSP5-8.5 scenarios according to administrative districts

Table 3.

Changes in the number of administrative districts by severity of flood risk according to SSP climate change scenarios

기준연도와 미래연도 중 홍수 리스크가 가장 큰 2041 ~ 2060년(SSP5-8.5)의 리스크를 비교 분석하였다. 미래연도의 리스크에서 기준연도의 리스크를 뺀 값을 Fig. 10(a)와 같이 나타내었다. 파랑색 빗금으로 표시된 지역은 미래에 리스크가 낮아지는 지역, 나머지 지역은 높아지는 지역으로 붉은색에 가까울수록 리스크 증가 폭이 크다. 미래 홍수 리스크가 증가하는 지역은 원인에 따라 두 가지로 구분할 수 있다. 첫 번째는 미래 강우량이 상대적으로 매우 높은 지역으로 서울을 비롯한 수도권 일대, 남서부 지역, 남동부 지역, 동부지역이다(Fig. 10(c), (d)). 이 지역들은 미래 일 강우량이 500 mm 이상으로 전망되어 우리나라의 다른 지역들과 비교하여 매우 높은 수준이다. 두 번째는 중부지역으로 하천 홍수 및 도시 침수 방어를 위한 임곗값이 상대적으로 낮으나 미래 이 지역들에 임곗값을 넘어서는 강우가 발생할 것으로 전망되는 지역들이다. 이 지역들은 미래 일 최대 강우량이 200 ~ 500 mm, 시간 최대 강우량이 100 ~ 160 mm/hr로 상대적으로 매우 높지는 않지만(Fig. 10(c), (f)) 하천설계 강우량이 200 ~ 230 mm, 도시 방재성능목표강우량이 60 ~ 80 mm/hr로 낮은 지역이다(Fig. 10(b), (e)). 과거 30년 간의 연 최대치 강우량 자료의 빈도분석을 통해 하천설계 강우량과 도시의 방재성능목표 강우량이 결정되기 때문에 과거에 이 지역들은 상대적으로 비가 많이 내리지 않은 지역들이었다. 과거에 기후변화를 고려하지 않고 홍수방어 구조물 설계를 위한 설계강우량을 결정하였으나 기후변화에 의한 미래 강우량의 시공간적 변화 양상을 설계에 반영해야만 기후위기 적응과 회복력 구축이 가능하다는 것을 보여준다. 우리나라에서 홍수방어 구조물의 설계강우량의 개선 업무는 중앙정부의 역할로서 행정구역별 위해성 및 리스크 평가 결과는 중앙정부의 기후위기 적응대책 수립을 위한 의사결정 지원을 위해 활용할 수 있다.

Fig. 10.

Characteristics of areas with increased future flood risk through analysis of individual risk indicators

4.2. 고위험 행정구역의 홍수 원인 분석

기준연도와 미래연도의 홍수 리스크를 행정구역별로 평가하였고 홍수 위험지역을 대상으로 리스크 구성 요소인 위해성, 노출성, 취약성의 종합지표를 분석하였다. 홍수 위험지역 선정을 위해 기준연도의 리스크가 높음(high) 등급 이상이면서 고탄소 시나리오인 SSP5-8.5의 중미래(41 ~ 60년) 리스크 역시 높음(high) 등급 이상인 행정구역을 선정하였다. 즉, 현재 홍수 리스크가 높으면서 미래에도 높은 지역을 선정하였다. 그 결과, 38개의 행정구역이 선정되었고 기준연도의 리스크를 기준으로 행정구역을 오름차순으로 정렬하여 Fig. 11에 나타내었다. 홍수 리스크가 높게 산정된 원인을 분석하기 위해 세 개의 종합지표 중 가장 수치가 높은 지표를 Fig. 11의 오른쪽 그림과 같이 남색 음영으로 표시하였다. 38개 행정구역 중 17개 지역은 위해성, 14개 지역은 노출성, 5개 지역은 취약성, 위해성과 노출성이 모두 큰 영향을 미친 지역은 1개, 노출성과 취약성이 원인이 된 지역은 1개 지역인 것으로 나타났다. 한편, 위해성이 큰 영향을 미친 지역은 서울특별시 중랑구, 구로구, 양천구, 강서구, 영등포구, 송파구, 부산광역시 사상구, 대구광역시 동구, 달서구, 울산광역시 남구, 광명시, 청주시, 익산시, 함안군, 고양시, 포항시, 밀양시, 창원시이다. 노출성이 원인이 되었던 지역은 서울특별시 중랑구, 마포구, 동대문구, 부산광역시 동래구, 강서구, 대구광역시 중구, 서구, 북구, 광주광역시 광산구, 부안군, 당진시, 보령시, 구미시, 남해군, 김해시, 군산시이다. 취약성이 높은 지역은 서울특별시 성동구, 부산광역시 연제구, 구미시, 진주시, 창녕군, 강릉시이다.

Fig. 11.

Flood risk and composite indicators of high-risk areas. Administrative districts are sorted in ascending order based on the flood risk of historical period (2001 ~ 2020)

기준연도(01 ~ 20년)에 위해성이 홍수 리스크의 원인이 되는 18개 행정구역(중복 포함)의 표준화된 위해성 개별지표의 수치를 Fig. 12에 나타내었다. 각 지표 값의 최댓값은 0 ~ 1이다. H1은 설계강우량(100년빈도) 대비 연 최대 강우량 비율, H2는 설계강우량(100년빈도) 50% 초과 강우 일 수, H3는 방재성능목표강우량 대비 강우량 비율, H4는 방재성능목표 강우량 초과 강우 일 수, H5는 연 최대 일 강우량을 나타낸다. H1과 H2는 하천 설계 강우량을 초과하는 강도와 빈도, H3와 H4는 도시, 소하천의 방재성능목표 강우량을 초과하는 강도와 빈도이다. H5는 지역별 임곗값이 없는 전반적인 강우 양상을 나타내는 지표이다. 18개 행정구역의 가중치가 적용된 H1 ~ H5의 평균 값은 각각 0.10, 0.09, 0.11, 0.11, 0.05로 산정되었다. 이는 대부분의 지역에서 H3와 H4 지표가 다른 지표 보다 홍수 리스크 증가에 많이 기여했다는 것을 보여준다. H1과 H2의 임곗값은 100년 빈도 상당의 확률강우량이고, H3와 H4의 임곗값은 30년 빈도 상당의 확률강우량이므로 100년 빈도를 초과하는 강우사상이 발생할 빈도와 강도가 30년 빈도 보다 작기 때문에 H1과 H2 지표가 작게 산정되는 것으로 분석되었다. 즉, 하천 범람 보다는 도시, 소하천의 홍수 위해성이 높다고 볼 수 있다.

Fig. 12.

Results of individual indicator analysis of hazards in historical and projected periods

SSP5-8.5 기후변화 시나리오의 중미래 기간(41 ~ 60년)에서 H1~H5의 평균값은 각각 0.22, 0.16, 0.15, 0.10, 0.08로 산정되었다. 국가 및 지방하천의 설계 강우량을 초과하는 강우의 강도와 빈도를 나타내는 H1, H2 지표 값이 기준연도와 달리 고탄소 시나리오(SSP5-8.5)에서 전반적으로 높게 산정되었다. 중미래 기간에는 많은 지역에서 국가 및 지방하천 홍수방어 구조물의 설계강우량을 초과하는 강우 사상 발생 빈도와 강도가 증가하는 것으로 전망되어 H1, H2 지표가 높게 산정 된 것으로 분석되었다. 기준연도에는 위해성의 강도와 빈도를 나타내는 H1 ~ H4의 지표 간의 차이가 크지 않았으나, 중미래 기간에는 위해성의 강도를 나타내는 H1과 H3 지표가 빈도를 나타내는 H2와 H4와 비교하여 크게 산정되어 중미래 기간에 강우량의 극치값이 크게 높아진 것을 알 수 있다.

기준연도(01 ~ 20년)의 노출성이 홍수 리스크의 원인이 되는 17개 행정구역(중복 포함)의 표준화된 노출성 지표의 크기를 Fig. 13에 나타내었다. E1은 홍수 위험지역에 위치한 건축물 건축 면적, E2는 농업지역 면적, E3는 도로 면적, E4는 인구이다. 노출성이 높다는 것은 홍수위험 지역인 저지대에 건축물, 농업지역, 도로가 집중되어 있고 인구가 많이 거주한다는 것을 의미한다. 가중치가 적용된 17개 행정구역의 E1 ~ E4 평균값은 각각 0.19, 0.03, 0.10, 0.14로 산정되었다. 이는 대부분의 지역에서 건축물과 인구와 관련이 있는 E1과 E4 지표가 다른 지표 보다 홍수 리스크 증가에 많이 기여했다는 것을 보여준다. 특히, 김해시, 창원시, 고양시, 부산특별시 강서구 및 사상구에서 홍수 위험 건축물 면적 지표(E1)가 높은 것으로 나타났다. 또한 송파구, 강서구, 영등포구, 양천구, 마포구 등 서울특별시 내에 위치한 지역에서 홍수 위험 인구 지표(E4)가 높은 것으로 나타났다. 취약성이 홍수 리스크의 원인이 되는 행정구역은 7개인 것으로 분석 되었고 표준화된 취약성 지표의 수치를 Fig. 14에 나타내었다. 가중치가 적용된 V1 ~ V4의 평균 값은 각각 0.17, 0.07, 0.11, 0.12로 산정되어 과거 침수면적 비율이 리스크 증가에 가장 큰 영향을 미쳤다. 과거 침수면적 비율 지표(V1)가 높은 지역은 부산광역시 연제구, 동래구, 밀양시 지역이고, 불투수 면적 비율 지표(V2)가 높은 지역은 부산광역시 연제구, 동래구, 울산광역시 남구인 것으로 나타났다. 하천개수율이 낮은 지역은 밀양시, 진주시, 군산시로 분석되어 하천홍수 방어를 위한 구조적인 적응대책이 부족한 것으로 나타났다. 마지막으로 노후 하수관로 비율은 7개 지자체가 큰 차이를 보이지 않는 것으로 나타났다.

Fig. 13.

Results of individual indicator analysis of exposure

Fig. 14.

Results of individual indicator analysis of vulnerability

4.3. 고해상도 홍수 리스크 공간정보 활용 방안

노출성이 높은 행정구역 중 도시지역인 서울특별시 송파구와 농업이 발달한 지역인 익산시를 선정하여 고해상도 홍수 리스크 공간정보 활용방안에 대해 서술하였다. 홍수 위험지역에 위치한 건축물과 도로는 폴리곤 형태, 농업지역은 30 m 이하, 인구는 100 m 격자 단위로 표출하였다. 홍수 위험지역에 위치한 건축물 건축 면적과 인구가 높은 서울특별시 송파구의 고해상도 홍수 리스크 공간정보를 Fig. 15와 같이 나타내었다. 이 지역은 양재천이 탄천과 합류하고, 다시 한강과 합류하는 지역이다. 폭우 발생 시 한강의 수위상승으로 양재천과 탄천의 유출량이 원활하게 배수되지 못하여 인근 도시지역의 홍수 발생 가능성이 높을 것으로 판단 된다. 특히 한강과 탄천의 합류 지점에 홍수 위험지역이 넓게 분포되어 있고 건축물과 인구가 집중되어 있어 송파구 내에서도 홍수에 취약할 것으로 예상되는 지역이다. 송파구 전체 인구 약 651,000명 중 262,000명인 40%가 직·간접적으로 홍수에 위험한 지역에 거주하는 것으로 분석되었고, 도로 면적은 218 ha로 행정구역 면적인 33.9 km² 대비 6.4%, 건축 면적은 215 ha로 6.3%, 농업지역은 22 ha로 0.6%인 것으로 나타났다. 송파구는 도시지역으로 대규모 구조적 대책보다 하천 예·경보시스템 구축, 불투수율 저감, 내수배제를 위한 하수관거 유지 보수, 지하 주택 거주 인명피해 저감을 위한 대책이 주요할 것으로 판단된다.

Fig. 15.

High-resolution flood risk areas in Songpa-gu, Seoul city

홍수위험 농업지역의 비율이 높은 전라북도 익산시의 고해상도 노출성 분석 결과를 Fig. 16에 나타내었다. 익산시 북부 지역에 위치한 금강 좌안과 남부지역의 만경강 우안 지역에 Fig. 16(a)와 같이 홍수 위험지역이 넓게 분포되었다. 홍수 노출 대상은 Fig. 16(b)와 같이 대부분 농업지역인 것으로 나타났고 그 면적은 15,412 ha에 달한다. 특히 북부지역의 경우 홍수위험 건축물, 인구, 도로 등의 면적이 작고 Fig. 16(c)와 같이 농업지역의 면적이 매우 높은 것으로 나타났다. 남부 일부 지역은 도시화 된 지역으로 홍수에 노출된 농업지역 면적이 높을 뿐만 아니라 인구, 건축물, 도로 밀도도 높은 것으로 분석되었다. 익산시는 전체 인구 약 267,000명 중 37,000명인 14%가 직·간접적으로 홍수에 위험한 지역에 거주하는 것으로 분석되었고, 도로면적은 789 ha로 행정구역 면적인 506 km² 대비 1.6%, 건축 면적은 241 ha로 0.5%, 농업지역은 15,412 ha로 30.5%인 것으로 나타났다. 익산시는 도시침수 보다 금강과 만경강 본류를 포함한 그 지류들의 홍수 범람에 의한 홍수 피해 발생 위험이 높을 것으로 판단된다. 하천 제방을 축조하여 하천 개수율을 높이고 노후 제방 중심의 구조적 안정성 점검 등 유지관리도 필요할 것으로 판단된다. 또한, 홍수 위험지역 내 공간을 활용하여 저류지 조성도 가능할 것으로 판단되며 폭우 발생시 하천 인근 친수공간의 이용을 제한하는 등 홍수 예·경보 체계 구축을 통해 인명피해 저감을 위한 대책도 중요하다.

Fig. 16.

High-resolution flood risk areas in Iksan-si, Jeollabuk-do