• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.492-492
• /
• 2021

최근 세계적으로 기상이변에 의해 한파와 폭설이 발생하고 있으며, 이로 인한 피해를 예측하기 어려워 졌다. 우리나라의 대설피해는 지역별로 상이해 강설 특성을 파악하기 위해 강설자료와 과거의 기상현상자료를 분석하여야 한다. 대표적인 대설피해로 설압피해, 적설피해, 착설피해와 간접피해로 분류 되며 시설재배면적에 가장 많은 영향을 미치는 설압피해는 쌓인 눈의 압력으로 인하여 파손 및 붕괴를 유발한다. 본 연구에서는 과거 재해연보 자료(1994년~2018년)와 기상청에서 제공되는 적설자료를 활용해 대설피해 관련 자료를 수집 및 분석하여 온실에 손상을 입힐 수 있는 적설심을 분석하였다. 로지스틱 회귀분석을 위한 자료 구축은 재해연보의 피해기간을 기반으로 하여 종속변수로 사용하였다. 이후 적설심자료를 최심신적설로 변형하였으며 온도와 함께 독립변수로 사용하였다. 우리나라의 대설 사례가 많은 영동지역은 강설빈도가 높아 대설 방지대책 및 대설 연구자료가 다른 지역에 비해 많은 것으로 판단된다. 이에 따라 최근 빈도가 증가하고 있으며 대설피해 사례가 10건 이상이고 관측지점이 피해지역과 가까운 지역, 적설관측자료가 연속적으로 관측되어 있는 남원, 보령, 장수, 부안을 공간적 범위로 선정하였다. 연구의 결과로 대설 피해 재난관리가 가능한 적설심 기준 설립에 도움을 줄 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.426-426
• /
• 2023

대설은 일반적으로 해양과 대륙의 온도차가 큰 지역, 바다·호수와 같이 상대적으로 따뜻한 곳이 인접해 있어 기단 변질이 잘 일어나는 지역, 산악에 의해 습윤한 공기가 강제 상승되는 지역에서 자주 발생한다. 우리나라는 찬 대륙고기압 공기가 해수 온도 차로 눈 구름대가 만들어지거나, 고기압 가장자리에서 한기를 동반한 상층 기압골이 우리나라 상공을 통과하면서 대설이 발생한다. 최근 우리나라에서 빈번하게 발생하는 대설피해는 직접피해와 간접피해로 나뉘며, 이에 따라 사회·경제적으로 막대한 피해를 야기한다. 우리나라 대설피해양상은 지역적 특성, 방재 대책, 대처능력 등에 따라 달라지는 것이 특징이며, 지역적으로 다르게 발생하는 대설피해를 효과적으로 대비할 수 있는 연구가 필요하다. 따라서 본 연구에서는 지역적 특성을 고려한 차등화된 대설 피해를 예측하는 연구를 진행하고자 하였다. 본 연구에서는 기상요소 및 사회·경제적 요소 등을 입력자료로 활용하고, DPSIR 분석을 통해 Red Zone, Orange Zone, Yellow Zone, Green Zone으로 위험 등급을 분류 및 등급 별 대설피해 예측기법을 개발하였다. 최종적으로 1994년부터 2020년까지의 과거 대설 피해액 자료와 다중회귀분석을 이용하여 기법을 개발하였고, 기법의 예측력 평가를 위해 RMSE와 RMSE를 표준화한 NRMSE의 두 가지 통계 지표를 사용하여 평가하였다. 모형별 예측력 평가 결과 Yellow 등급 모형이 가장 우수한 예측력을 보였다. 추후 본 연구결과를 통해 대설피해 범위를 예측하는 연구가 진행된다면 사전에 대설피해에 대한 대응방안 수립과 지역별제설 우선순위를 결정할 수 있는 지표가 개발될 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.403-403
• /
• 2018

최근 세계적인 기상이변으로 국지적인 대설과 한파가 발생하고 있다. 특히 최근 2018년 1월 8일 미국에 100년만의 한파로 인해 체감온도가 영하 69도까지 떨어지고, 우리나라에서도 2월 8일 제주도 폭설과 한파로 인해 교통이 마비되는 등의 피해가 발생한 것으로 알려져 겨울철 자연재해에 대한 관심이 대두되고 있다. 이로 인해 대설피해 예측 및 저감에 대한 연구가 다수 진행되고 있으나, 적설 관측소는 전국 229개 시 군 구 중 약 100여개에 불과하여 미관측 지역에 대한 데이터 수집에 어려움을 겪고 있다. 따라서 본 연구에서는 적설 관측 지점별 대설피해 예측함수를 개발하고 적용성을 검토하고자 하였다. 이를 위해 본 연구에서는 4단계 구성과정을 통해 연구를 수행하였다. 첫째, 전국 대설피해 관측지점 및 미관측지점을 구분하고, 관측 이력 20년 이상 지역을 표본으로 채택하였다. 둘째, 재해통계 활용 및 문헌조사를 통해 대설피해 유발인자 조사 및 분석하였다. 셋째, 비닐하우스의 최소 설계기준 적설심의 절반인 10 cm 미만에서 발생한 피해는 기타 외적인 요인이 작용하였을 것으로 보고 제외하였다. 넷째, 다중회귀분석을 통해 대설피해 예측 함수를 개발하고 적용성 검토를 실시하였다. 검토 결과 수정된 결정계수가 약 0.8 이상 나타내었으며, 이는 대설피해의 정확하고 예측을 위해 적설심 관측이 매우 중요한 것을 나타내며, 적설관측의 공간적인 정확도가 향상된다면 대략적인 피해규모 예측이 가능한 것으로 판단되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.384-384
• /
• 2022

과거의 우리나라 대설피해 양상을 살펴보면 지역적으로 집중되어 피해가 발생하는 것이 특징이다. 그러나 현재는 전국적으로 대설피해가 가중되는 추세이며, 이에 따라 대설피해에 대비 가능한 대책의 강구가 필요한 실정이다. 그러나 피해 발생 시 정확한 피해 예측으로 사전에 재난을 대비가 가능한 수준의 연구는 미흡한 실정이다. 따라서 본 연구에서는 다양한 통계기법과 기계학습 기법을 이용하여 대설로 인해 발생한 피해액을 개략적으로 예측이 가능한 모형을 개발하고자 하였다. 대설피해액 예측 모형은 다중회귀분석, 서포트 벡터 머신, 인공신경망 기법, 랜덤포레스트 기법을 이용하여 총 4가지 기법으로 개발하였으며, 독립변수로 사회·경제적 요소, 기상요소를 사용하였고, 종속변수로는 1994년부터 2020년까지 발생한 대설피해 이력의 대설피해액을 사용하였다. 결과적으로 4가지 예측 모형의 예측력 검증 및 기법 간의 예측력을 비교하여 개발한 모형의 적용성을 검토하였다. 본 연구 결과에서 제시한 모형의 개선방안 및 업데이트 방안을 참고하여 후속 연구가 진행된다면 미래에 전국적으로 확대될 대설피해에 대한 대비가 가능할 것으로 기대되며 복구비 및 예방비 투자의 지역적 우선순위를 분석하여 선제적인 대비가 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.190-190
• /
• 2020

한국에서 겨울철에 주로 발생하는 자연재해는 대설이다. 마우나리조트 사고나 동해안 폭설 피해 등 직·간접적인 대설피해가 증가함에 따라 대설피해에 대한 관심이 증가하는 추세이다. 본 연구에서는 우리나라 230개 시군구를 대상으로 기후변화에 따른 대설피해에 대한 취약성 분석을 실시하였다. 대설 취약성 분석을 위해 RCP 기후변화 시나리오를 이용하였고, PSR(Pressure-State-Response) 구조를 적용하여 압력, 상태, 대응지수로 대설피해에 영향을 줄 수 있는 요인들을 분류하였으며 엔트로피 이론을 이용하여 각 인자의 가중치를 계산하였다. 그 결과 각 지역의 대설피해 취약성 순위를 도출해낼 수 있었고 도출해낸 취약성 순위를 바탕으로 향후 대설피해에 대한 대응마련을 실시할 경우 우선순위를 판단하는데 도움이 될 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.20-20
• /
• 2017

최근 기후변화 영향에 따라 전 세계적으로 인명피해 및 재산피해를 유발하는 자연재난이 지속적으로 증가하고 있으며, 그로 인한 자연재해의 규모가 점점 더 커지고 있다. 실제로 우리나라에서도 지난 1994 년에서 2013 년까지 지난 20 년간 자연재해에 의한 피해액은 12조 3천억 원으로 집계되었으며, 이 중 강우와 태풍에 의한 피해가 85 % 이고, 대설에 의한 피해는 약 13 % 로 자연재해 중 대부분의 피해는 강우 및 태풍에서 발생하지만, 폭설에 의한 피해도 적지 않은 것으로 나타났다. 이에 따라, 정확한 예측을 위해 신뢰도 높은 자료 구축을 통한 대설피해 예측에 관한 연구가 필요한 시점이다. 본 연구에서는 대설피해액 예측을 위해 우리나라의 63개 기상 관측소에서 관측한 적설심 자료 및 기상관측 자료와 사회 경제 자료 총 11개를 대설피해 예측을 위한 입력변수로 선정하고, 이를 기상관측소가 속한 도시의 면적에 따라 3개의 지역으로 구분하였다. 주성분분석을 활용하여 선정된 입력변수들을 4개의 주성분으로 구분하고, 인공신경망 및 다중선형 회귀 모형을 구성하여 각 지역별 대설피해 예측의 오차를 분석하였다. 적용결과, 인공신경망 모형을 이용한 대설피해 예측의 수정결정계수는 22.8 %~48.2 %를 나타냈고, 다중선형회귀 모형의 수정결정 계수는 9.2 %~39.7% 로 나타났다. 그러므로 인공신경망 모형이 다중회귀 모형보다 선택된 입력자료를 활용하여 대설피해를 예측하는 목적으로 조금 더 우수한 결과를 나타내었다. 향후 자료를 보완 및 모형의 고도화를 통해 보다 정확한 대설피해 예측 함수 개발이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.192-192
• /
• 2020

취약성 분석의 결과로 폭설에 의한 기후노출은 현재에는 강원권이 가장 취약한 것으로 나타났다. 그러나 미래에는 강원권, 충청권, 호남권을 연결하는 축으로 취약지역이 확대될 것으로 전망된다. 본 연구에서는 다양한 머신러닝 기법을 이용하여 대설피해 예측을 실시하였다. 머신러닝 기법으로는 로지스틱회귀모형, 서포트벡터 머신, 의사결정트리 모형을 적용하였다. 종속변수로 대설피해액 자료를 이용하였고, 독립변수로 기상관측자료, 사회·경제적 요소를 사용하였다. 결과적으로 기존에 사용했던 다중회귀모형과 머신러닝 기법으로 예측한 예측력을 비교 및 분석하였고, 예측력이 가장 높은 머신러닝 기법을 제시하였다. 본 연구에서 대설피해 예측을 위해 사용된 예측력이 가장 높은 기법을 활용하여 대설피해를 예측한다면, 미래에 전국적으로 확대될 대설피해에 대해 효과적으로 대비할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.399-399
• /
• 2019

최근 세계적인 기상이변으로 국지적인 대설과 한파의 발생이력이 증가하고 있다. 특히 최근 2018년 1월 8일 미국에 100년만의 한파로 인해 체감온도가 영하 69도까지 떨어지고, 우리나라에서도 같은 해 2월 8일 제주도 폭설과 한파로 인해 교통이 마비되는 피해가 발생한 것으로 알려져 대표적인 겨울철 자연재해인 대설 피해에 대한 관심이 증가하고 있는 추세이다. 이로 인해 대설 피해예측 및 저감에 대한 연구가 다수 진행되고 있으나, 시 군 구 별 과거 피해이력이 적고, 피해가 발생한 지역과 관측소 사이의 거리가 멀어 정확한 피해예측이 어려운 상황이다. 따라서 본 연구에서는 대설피해에 영향을 미치는 변수들의 데이터를 수집한 뒤 랜덤포레스트를 이용하여 대설피해액을 범주형으로 구분하고, 어느 범주에 포함되는지 예측 및 적용성을 검토하였다. 현재 과거 피해자료의 부족, 과거 피해 발생 환경과 현재 피해 발생 환경의 차이, 대설로 인해 피해가 가장 많이 발생하는 비닐하우스 설계 기준의 변화 등으로 인해 예측 정확도가 높지 않았다. 따라서 대설피해 발생지역의 정확한 기상자료가 확보되고, 변수로 사용한 데이터의 최신화가 진행된다면 본 연구결과의 정확도 향상과 대략적인 대설피해규모 예측이 가능 할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.188-188
• /
• 2020

우리나라의 대표적인 겨울철 재난인 대설 피해는 대부분 농경지의 비닐하우스에 발생하며, 대표적인 피해종류로는 설압피해, 착설피해 등의 직접피해와 간접피해로 분류라 수 있다. 이 중 가장 피해를 많이 유발하는 것으로 알려져 있는 설압피해는 눈이 쌓인 높이가 높아지며 그 압력으로 인해 비닐하우스가 무너지는 것이다. 눈이 쌒인 높이가 어느 정도 되어야 비닐하우스에 피해를 유발하는지는 지역의 습도나 비닐하우스 설계 기준 등의 지역적이나 환경적인 요인에 따라 달라질 수 있다. 그러므로 본 연구에서는 과거 비닐하우스에 발생한 전국의 피해를 수집하여 지역 특성을 고려하여 온실에 손상을 줄 수 있는 적설심을 분석하였다. 연구의 자료는 행정안전부에서 발행되는 재해연보, 기상청에서 제공되는 적설자료를 사용하였다. 강원도 지역은 대설 연구 자료가 다른 지역에 비해 많기에 최근 대설피해 빈도가 증가하고 있는 충청도, 전라도 지역에 대한 적설심을 분석하였다. 본 연구의 결과로 대비차원 폭설피해 재난관리가 가능한 적설심 기준 설립에 도움을 줄 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.485-485
• /
• 2021

최근 세계적인 기상이변으로 자연재해의 발생빈도 증가는 물론 이로 인한 피해가 점차 다양화 및 대형화되어 가고 있는 추세이다. 재난으로 인한 피해는 발생지역 피해뿐만 아니라 국가 경제 전반에 큰 영향을 미치는 특징이 있다. 우리나라의 자연재해 중 대설은 다른 자연재해에 비해 발생빈도는 낮지만 광역적인 피해를 유발하며, 피해 면적에 비해 피해액 규모가 크다. 또한 현재에는 강원권이 가장 취약한 것으로 취약성 분석 결과에서 보여주지만, 미래에는 강원권, 충청권, 호남권을 연결하는 축으로 취약지역이 확대될 것으로 전망된다. 본 연구에서는 현재 사회 전반에서 다양하게 활용되고 있는 머신러닝 기법을 이용하여 우리나라 대설피해액을 예측하는 대설피해 예측모형을 개발하고자 하였다. 머신러닝 기법으로는 랜덤포레스트, 서포트 벡터 머신, 인공신경망 기법을 이용하였고, 모형에 사용한 변수는 기상관측자료, 사회·경제적 요소 등을 활용하여 모형을 개발하였다. 결과적으로 기존연구에서 다중회귀모형을 이용하여 개발된 예측모형과 본 연구에서 3개의 머신러닝 기법으로 개발된 예측모형의 예측력을 비교 분석하였고, 예측력이 가장 높은 모형을 제시하였다. 본 연구결과를 활용하여 모형의 개선 및 데이터 품질 개선이 이루어진다면 향후 대설피해에 대한 개략적인 대비가 가능할 것으로 기대된다.