최적의 산악기상관측망 적정위치 선정 연구 - 호남⋅제주 권역을 대상으로
윤석희ㆍ원명수*ㆍ장근창1) 국립산림과학원 산림보전부 기후변화연구센터
(2016년 11월 21일 접수; 2016년 12월 5일 수정; 2016년 12월 9일 수락)
A Study on Optimal Site Selection for Automatic Mountain Meteorology Observation System (AMOS):
the Case of Honam and Jeju Areas
Sukhee Yoon, Myoungsoo Won* and Keunchang Jang Center for Forest and Climate Change, Forest Conservation Department, National Institute of Forest Science, 57 Hoegi-ro, Dongdaemun-gu, Seoul 02455, Korea (Received November 21, 2016; Revised December 5, 2016; Accepted December 9, 2016)
ABSTRACT
Automatic Mountain Meteorology Observation System (AMOS) is an important ingredient for several climatological and forest disaster prediction studies. In this study, we select the optimal sites for AMOS in the mountain areas of Honam and Jeju in order to prevent forest disasters such as forest fires and landslides. So, this study used spatial dataset such as national forest map, forest roads, hiking trails and 30m DEM(Digital Elevation Model) as well as forest risk map(forest fire and landslide), national AWS information to extract optimal site selection of AMOS. Technical methods for optimal site selection of the AMOS was the firstly used multifractal model, IDW interpolation, spatial redundancy for 2.5km AWS buffering analysis, and 200m buffering analysis by using ArcGIS.
Secondly, optimal sites selected by spatial analysis were estimated site accessibility, observatory environment of solar power and wireless communication through field survey. The threshold score for the final selection of the sites have to be higher than 70 points in the field assessment. In the result, a total of 159 polygons in national forest map were extracted by the spatial analysis and a total of 64 secondary candidate sites were selected for the ridge and the top of the area using Google Earth. Finally, a total of 26 optimal sites were selected by quantitative assessment based on field survey. Our selection criteria will serve for the establishment of the AMOS network for the best observations of weather conditions in the national forests. The effective observation network may enhance the mountain weather observations, which leads to accurate prediction of forest disasters.
Key words: Automatic mountain meteorology observation system (AMOS), Optimal site selection, Spatial analysis, Field assessment
* Corresponding Author : Myoungsoo Won ([email protected])
DOI: 10.5532/KJAFM.2016.18.4.208
ⓒ Author(s) 2016. CC Attribution 3.0 License.
I. 서 론
우리나라는 매년 산불이나 산사태 같은 산림재해를 빈번하게 겪고 있다. 산불의 경우에는 최근 10년 동안에 연평균 384건이 발생하였고 주로 봄철 산불조심 기간인 3월과 4월 사이에 집중되었다. 특히 연도별 산불발생 경 향을 살펴보면 2005년 이후로 건수가 감소하다가 2012 년 이후로 다시 증가하는 추세를 보이고 있으며 산불피 해 면적은 감소하는 경향을 보이고 있다(Korea Forest Service, 2015). 최근에는 도심형 산불발생이 증가하고 있으며 대표적인 예로써 2013년 3월에 포항(79ha)과 울 산(280ha) 일대에서 대형산불이 발생하여 1명이 사망 하고 17명이 부상을 입기도 하였다. 산사태의 경우에는 1976년부터 2013년까지 총 15,917ha, 연평균으로는 419ha의 산사태 피해가 발생하였다. 1980년대부터 2000년대까지는 산사태의 피해 면적이 증가하는 경향 을 보였으며 대도시 지역의 피해가 증가하고 있는 추세 이다(Korea Forest Service, 2013). 대표적인 예로는 2011년 7월에 돌발성 집중호우로 우면산 산사태가 발생 하였다. 이러한 산림재해로 인한 피해를 최소화시키기 위해서는 보다 정확한 산악기상관측을 통해서 생산되는 기상정보를 융합하여 산림재해위험예측을 하는 것이 시 급하면서도 중요하다.
현재 기상청과 지자체 등이 보유한 기상관측장비들 의 대부분은 인구가 밀집되어 있는 도시를 중심으로 건 물의 옥상 또는 건물 앞의 공터에 설치되어 있다. 특히 기 상청의 기상관측소는 종관기상관측을 위한 정규기상대 가 94개, 방재기상관측을 위한 AWS가 502개 있지만, 산림재해방지 등을 위한 산악기상관측망은 92개소로 강원, 영남 및 대도시 생활권역에 분포하고 있다. Kim et al.(2013)은 기상청의 기상관측소 대부분이 불균등한 밀 도로 평지에 분포하고 있는데 산악지역에 대한 기후자 료가 필요한 경우에는 기상청의 AWS 자료에 의존해야 하는 한계점을 제시하였다.
Lee et al.(2006)은 우리나라의 산불위험예측을 위한 기상자료가 일반 기상정보에 의존하여 위험정보에 대한 신뢰성이 떨어져 보다 정확한 산악기상정보가 필요하다 고 하였다. 복잡 지형으로 이루어진 우리나라 산악지역 의 기상현상은 평지주변에서 나타나는 기상현상과 차이 가 발생하는데, 강수량의 경우에는 산악지역이 2배가 많았으며 풍속은 산악지역에서 3배가 강하게 부는 것으 로 나타났다(Won, 2015). 이처럼 우리나라 국토 면적의 65%가 산림이지만 아직까지도 복잡지형으로 이루어진
산악에서 관측하는 기상정보가 부족한 상황이며 산림재 해 등을 연구하는 분야에서도 한계점이 발생하고 있기 때문에 균질하고 정확성 있는 기상정보의 생산을 위해 적정지역에 산악기상관측망을 구축하는 것이 필요하다.
따라서 점차 증대되고 있는 산악기상정보의 활용성을 고려한다면 공간적인 균질성을 갖는 산악기상관측망의 최적 입지를 찾는 것이 무엇보다 중요하다.
Seo et al.(2013)은 안동지역을 대상으로 강수량과 풍 속 등의 기상자료를 분석하여 수문기상관측망의 최적지 를 선정하는 연구를 수행하였다. Lee et al.(2006)은 우리 나라의 산불방지를 위해 동해안 지역에 산악기상관측시 스템을 구축하는 방안을 제시하기도 하였다. 그 밖에 적 정위치 선정을 위한 연구들이 다양한 분야에서 진행되 고 있으며, 대부분의 연구들은 지리정보시스템(GIS)을 활용하여 공간 분석을 수행하고 적정위치를 선정하고 있다. 그러나 기상관측망의 적정위치 선정 기준이 명확 하지 않으며 그에 대한 분석 기법들이 표준화되어 있지 않은 실정이다.
따라서 본 연구는 산불과 산사태와 등의 산림재해 방 지와 산림재해 예측력을 향상시키기 위하여 산악기상관 측망이 부족한 호남과 제주 권역을 대상으로 공간 분석 과 현장 평가를 통해서 최적 산악기상관측망을 위한 단 위 관측소의 적정위치 선정법과 그 결과를 다루었다.
II. 분석 자료 및 방법
2.1. 이론적 분석: 멀티프랙탈 변동 분석 (Multifractal detrended fluctuation analysis) 프랙탈(fractal)은 전체 구조 안의 작은 구조가 전체 구 조와 비슷한 형태로 끝없이 반복되는 구조로 자기유사 성(self-similarity)과 순환성(recursiveness)이라는 특 징을 가지고 있다. Mandelbrot(1967)는 어떠한 길이의 자로 측정하느냐에 따라 영국의 해안선 길이는 얼마든 지 달라질 수 있다는 연구 결과를 발표하면서 고전적인 유클리드 기하학으로 불규칙적인 자연현상을 설명하고 이해하는 새로운 도구로써 제시되었다. 이후 지질학, 기 상학, 물리학, 경제학과 같은 다양한 분야에서 프렉탈 이 론의 적용과 연구가 이루어졌으며 통계물리에서 확립된 통계적인 방법들은 다양한 시스템을 조사하는 유용한 도구로 사용되었다.
기술적인 방법 안에서 멀티프랙탈의 형식은 프랙탈 축척의 확률을 결정하는 기술로 널리 사용되고 있다 (Kantellhardt et al., 2002). 또한 멀티프랙탈 변동 분석
은 시계열을 시뮬레이션하는 기술적인 분석방법으로 시 계열을 멀티프랙탈로 구조화시킴으로써 시계열 내의 변 동들이 얼마나 많이 분산되었는지, 즉 관측값들의 변동 폭을 정밀히 조사하기 위해서 함수를 축척지수 s에 의 해 차수 q에 따른 순차적인 변동함수로 정의하였다 (Paladin and Vulpiani, 1987).
Seo et al.(2013)은 경북의 안동댐 인근 지역을 대상으 로 최적의 수문기상관측망 위치를 선정하고자 강수량, 풍속 등의 기상관측자료를 사용하여 시계열에 따른 멀 티프랙탈 변동성 분석 연구를 수행한 사례가 있다. 마찬 가지로 본 연구에서도 산악기상관측망에 대한 적정위치 선정을 위한 이론적인 선행 연구로 시계열에 따른 강수 량과 풍속에 대한 멀티프랙탈 변동성 강도(Δα) 분석을 수행하였다. 분석 범위는 제주를 남한지역의 전체를 대 상으로 격자는 5159(67×77)개 지점으로 구성하였고 분 석 자료는 Table 1과 같이 기상청 국립기상과학원에서
생산하는 5km 수평해상도의 KLAPS (Korea Local Analysis and Prediction System) 자료를 사용하였다. 그 리고 보간 방법 중에 하나인 정규 크리깅(ordinary kriging)기법으로 반분산 모델(semivariogram model) 중에서 일반적으로 사용하는 구형모델(spherical model) 을 적용하여 분석을 수행하였다. 크리깅 기법은 실제로 관측할 수 없는 지점에 대한 값을 알아내기 위해 실제로 존재는 관측지점의 자료를 바탕으로 존재하지 않는 지점의 관측 값을 예측할 수가 있으며, 선형최소제곱추 정의 알고리즘의 하나로 여러 관측지점과 관측되지 않 은 지점 사이의 거리에 따른 가중치를 부여하여 관측되 지 않은 지점의 값을 구하는 가중선형결합이다 (Bayraktar and Turalioglu, 2005).
2.2. 연구 대상지
본 연구는 남한의 서남부에 위치한 전북, 전남(광주 포함) 그리고 제주 권역을 대상지로 선정하였다(Fig. 1).
호남권역은 광주를 포함하여 총 37개(전북 14개, 전남 23개) 시와 군으로 행정구역이 나뉘어져 있다. 지형적인 특징은 동고서저와 북고남저의 형태를 이루고 있으며 동쪽 지역이 북쪽에 비해 고산성지로 이루어져 있다. 기 후적인 특성은 전북의 서부지역이 내륙지방에 비해 기 온의 연교차가 적고 일반 평지에 비해 산악지역에서 강 수량이 많으면서 동고서저의 지형적인 영향으로 동서의 기온 편차가 크게 나타나는 특징이 있다. 또한 전남의 해 안 및 도서지방과 내륙의 산악지대가 분포함에 따라 기 온의 편차가 크며 내륙의 산악지대는 연안지방과 현저 Content Data description
Data KLAPS(Korea Local Analysis and Prediction System)
Resolution 5㎞(283 grid × 235 grid) and temporal resolution of 1 hour Background
condition
ECMWF(0.25 degrees), four-dimension data assimilation at a interval of 6 hours Period January 1st 2006 to December 31st
2010(5 years)
Table 1. Input data for the multifractal detrended fluctuation analysis
(a) Honam (b) Jeju
Fig. 1. Study area for the optimal sites selection of AMOS.
한 차이로 기후의 교차가 큰 대륙성 기후를 나타내고 있 다. 특히 겨울철에는 지형적인 요인에 의하여 소백산맥 의 서쪽 경사면에 눈이 많이 내리는 특징이 있다. 한반도 최남단의 해상에 위치한 제주 권역은 해양성 및 난대 성 기후로 연평균 기온은 약 16℃이고 강수량은 약 1,530mm이며, 한라산을 정점으로 동서사면은 매우 완 만한 경사이고 남북사면은 급한 경사를 이루고 있다. 특 히 한라산의 남쪽에 위치한 서귀포는 비교적으로 온화 한 기후를 나타내는 것이 특징이다.
2.3. 분석 자료 및 방법
먼저 산악기상관측망의 적정위치 공간 분석을 위해 서는 우선적으로 고려해야 할 항목들을 결정하는 것이 필요하다. 따라서 본 연구에서는 산악기상의 관측환경 과 산림재해예측이라는 목적에 부합한 분석 항목을 5가 지로 나누고 Fig. 2와 같은 과정으로 연구를 수행하였다.
첫 번째로 매년 건기와 우기에 시기별로 발생하는 산 불과 산사태 등의 산림재해위험성 분석으로 최근 10년 (2005-2014년) 동안 발생한 산불발생 이력정보와 최근 7년간(2005-2011년) 발생한 산사태에 대한 위험등급정 보를 수집하였다. 3대 산림재해 중에서 병해충 발생 위 험정보는 과거에 발생했던 명확한 이력자료가 없기 때 문에 공간 자료화가 불가하여 본 연구에서는 배제하였 다. 두 번째는 산악기상 관측지점을 선정하기 위한 기본 적인 환경 조건으로 산림청에서 제공하는 국사경계도를 수집하여 소유구분에 대한 공간분석에 사용하였다. 참 고로 이 자료는 사유지와 국유지에 대한 경계 및 지적 정 보를 명확하게 구분함으로써 산림청이 소유한 국유지에 산악기상관측망의 적지를 우선적으로 선정하고자 하였
다. 세 번째는 기상청에서 전국적으로 운영하고 있는 종 관기상관측(ASOS, Automated Surface Observing System)인 정규기상대 94개 지점과 방재용으로 운영 중 인 AWS 502개 지점 정보와 2012년 11월부터 운영 중 인 산림청의 산악기상관측소 92개소 정보를 수집하였 다. 이러한 지점 정보들은 2008년에 개정된 기상관측표 준화법에 의거하여 기상관측소간에 2.5km 이상 이격거 리를 유지해야 하는 중복성 분석에 사용하였다. 네 번째 는 국유지 내에 산악기상관측망의 설치와 유지 관리를 위한 접근성 분석으로 산림청에서 제공하는 임도망과 등산로의 공간정보를 수집하였다. 마지막으로는 저고 도에 위치하고 있는 평지기상관측과 달리 산악기상관측 환경 및 지형조건을 충족하기 위한 지형특성 분석으로 30m 해상도의 수치표고모델(DEM, Digital Elevation Model) 자료를 수집하여 공간분석에 사용하였다.
산림재해위험성 분석은 과거에 발생한 산불과 산사 태의 지점들은 해당 지점에 대한 공간좌표 정보들을 추 출한 후 GIS를 이용하여 공간자료화를 수행하였다. 산 불의 경우에는 해당 지적에 대한 폴리곤의 중심점에 포 인트로 생성한 후 IDW(Inverse Distance Weighting) 기 법으로 산불발생빈도 분석을 수행하였다. IDW 기법은 지구과학자들에 의해서 널리 사용하고 있으며 특정 위 치의 속성 값을 추정하기 위하여 주변 자료의 속성 값을 찾는 방법을 말한다. 또한 포인트 자료에 적용 가능한 대 표적인 방식으로 관심 위치로부터 가까운 위치에 있는 자료의 속성 값이 많이 반영되고 멀어질수록 거리에 반 비례하여 그 값이 적게 반영되는 특징이 있다(Shepard, 1968; Ware et al., 1991).
산사태의 경우에는 Woo et al.(2014)이 로지스틱 회
Fig. 2. Flow chart for the optimal selection of AMOS sites.
귀모형을 이용하여 개발된 전국의 산사태 발생위험 예 측지도에서 1-2등급의 산사태 위험지를 추출하는 분석 을 수행하였다. 산림청으로부터 제공받은 국사경계도 는 위치 선정을 위한 중요한 공간자료이므로 호남과 제 주 권역을 대상으로 국유지 폴리곤을 추출하고 각각의 항목별 분석에 적용하였다. 이는 우리나라의 기상관측 망은 개인이 아닌 국가기관 등에서 운영하고 있을 뿐만 아니라 산악기상관측망은 비영리 목적으로 국가기관에 서 운영하고 관리하는 영구적인 시설이기 때문에 법인 또는 개인 등의 사유지에 입지를 선정하게 되면 여러 가 지 문제점이 발생할 수 있기 때문이다. 예를 들면 사유지 내에 있는 선산 또는 종중의 묘지 문제, 소유자의 토지사 용조건 및 승인, 보상 등의 법적인 행정 절차 등이 복잡하 게 발생하기 때문에 국유지 경계에 대한 공간 정보는 매 우 중요한 분석 요소이다.
기상관측소와의 중복성 분석은 전국에 분포하고 있 는 기상청과 산림청의 기상관측지점 정보 중에서 호남 과 제주 권역의 공간 정보를 추출하고 2.5km 버퍼 분석 을 수행하였다. 임도망과 등산로의 접근성 분석은 2012 년부터 2014년까지 산림청의 산악기상관측망을 구축 했던 경험을 토대로 중장비 이동성, 장비 이송 및 관리 등 을 위해 최대 100m까지 접근 가능성을 설정하여 100m 버퍼분석을 수행하였다. 마지막으로 산악기상관측 환 경분석으로 DEM 자료를 이용하여 고도가 200m 이상 인 지형자료를 100m 단위로 재분류하고 국유지 공간자 료와 중첩하였다. 각각의 분석 항목에 따라 추출된 공간 자료들은 최종적인 중첩 분석을 수행하였다(Fig. 2)
III. 결과 및 고찰
3.1. 멀티프랙탈 변동 분석(MDFA, multi-fractal detrended fluctuation analysis)
2006년부터 2010년까지 KLPAS에서 산출된 강수 량과 풍속에 대한 멀티프랙탈 변동성 강도 분석의 결과 는 Fig. 3과 같이 나타났다. 먼저 강수량 대한 시계열적 변동성 강도(Δα) 변화를 분석한 결과, 해안 일대를 제외 한 내륙 지역에서는 고도가 300m 이상인 산악지역을 중 심으로 변동성의 강도가 큰 것으로 나타났다. 특히 멀티 프랙탈 변동성 강도(Δα)가 상위 15%에서 큰 지점들이 한반도의 백두대간을 따라 분포하였고 태백산맥을 중심 으로 영동과 영서의 산간지역, 차령산맥, 덕유산, 지리산 주변으로 강수량의 변동성이 크게 나타남에 따라 1차적 인 산악기상관측망의 입지 후보지점으로 분석되었다
(Fig. 3(a)).
후보 지점 중에서 덕유산과 지리산 사이에서 강수량 의 변동성이 높게 나타났는데, 이는 Park et al.(2003)의 연구 결과에서 덕유산과 지리산의 산악지역이 독립적이 면서 남부 해안지방과 가까운 거리에 위치하고 있어서 남해안으로 유입되는 고온의 수증기가 내륙으로 침투하 면서 강제상승을 유도하는 산맥에 의해 돌발성 호우가 잘 발생되는 지형특성을 가지고 있기 때문이라고 판단 된다. 풍속의 경우에는 멀티프랙탈 변동성 강도(Δα)가 상위 30%로 큰 값을 나타내는 지점들이 한반도 전역에 골고루 분포하고 있지만 주로 하천과 산악지역의 계곡 을 따라 변동성 강도(Δα)가 크게 나타났다. 특히 서쪽 평 야지대에서는 북서풍과 산맥의 영향으로 풍속의 멀티프 랙탈 변동성 강도(Δα)가 크게 나타난 것으로 분석되었 다. 또한 한반도의 백두대간을 중심으로 산악 정상부보 다 중⋅저부 계곡지역에서 풍속의 변동성이 큰 것으로 나타났다(Fig. 3(b)). 이는 산맥과 같은 지형적인 요인에 의해 주로 발생하는 풍하측의 국지강풍(downslope windstorm)의 영향으로 분석되며, 중규모 대기 현상 중 의 하나로 산맥 풍하측에서 발생하는 메커니즘은 주로 중력파 발생 원리로 설명될 수 있다. 그리고 연직으로 균 일한 동서의 흐림 현상이 산맥과 같은 지형을 지나면서 동서파의 진동이 발생하고 강풍이 불게 되며 이는 풍하 측 상공에서 파동 파괴(wave breaking)로 이어져 국지적 인 강풍을 지속적으로 유발시키게 된 것으로 판단된다 (Kim and Jung, 2006).
본 연구의 목적에 부합되지 않은 해안 지역은 해양성 기후 특성을 보임에 따라 연변화가 크지는 않았으나 태 풍과 같은 강한 저기압대의 영향으로 강수량 및 풍속의 멀티프랙탈 변동성 강도가 크게 나타나는 결과를 보였 다. 따라서 시계열에 따른 강수량과 풍속의 멀티프랙탈 변동성 강도가 큰 지점을 종합 분석한 결과, 전국적으로 총 200개의 산악기상관측지점이 필요한 것으로 분석되 었으며 최적의 적정위치 선정을 위해 고려할 수 있는 기 초 자료를 확보하였다.
3.2. 최적의 적정위치 공간 분석
산악기상관측망의 적정위치 선정을 위한 공간분석은 호남과 제주 권역의 국유지를 대상으로 산불과 산사태 1-2등급의 산림재해위험성, 임도와 등산로의 접근성, 기 상관측소와의 중복성, 고도 분석 항목으로 나누어 분석 한 후 최종적인 중첩 분석에 의해 적정위치 국유림 폴리 곤을 추출하였다.
3.2.1. 산림재해위험성
산림재해위험성(최근 7년간 산사태위험 1-2등급, 최 근 10년간 산불발생빈도 1-2등급) 분석 결과, 산불발생 빈도는 총 39개 시군 중에서 광주광역시가 10년 평균 6건, 그 다음으로 전북 완주군(5건)>전남 나주시, 화순 군, 신안군(4건) 순으로 나타났다. 공간적인 분포는 주로 인구수가 가장 많은 광주광역시를 중심으로 인근 지역 에서 산불발생빈도가 높게 나타나는 경향을 보였고, 광 주광역시를 포함한 전남 권역에서는 10년 평균 52건의 산불발생빈도가 나타냈다. 반면에 제주 권역의 산불발 생빈도는 10년 평균 1건으로 매우 낮은 결과를 보였다.
IDW 공간분석에 의한 산불발생위험은 5등급의 구간으 로 나누어 연평균 3건 이상인 1-2등급의 위험지를 추출 하였다. 그 결과, 광산구를 제외한 광주광역시와 전북 완 주군 그리고 전남 해남군 일대가 1-2등급 위험지로 분석 되었고, 언급된 3개 시군에 인접한 일부분의 지역이 산 불발생위험지로 판정되었다(Fig. 4(a)).
본 연구에서 분석한 산불발생위험지역은 Won et al.(2011)이 연구한 1990년대보다 2000년대 봄철의 권 역적인 산불발생 공간분포와 비슷한 경향을 나타냈다. 산사태위험성 분석은 최근 7년간(2005-2011) 발생한 총 1,912개의 산사태 지점 자료를 근거로 Woo et al.(2014)에 의해 개발된 5등급의 산사태위험예측지 도를 활용하여 호남과 제주 권역의 산사태 위험도가
0.70 이상인 1등급지와 0.50-0.69인 2등급지를 추출하 였다. 그 결과, 호남의 전체 지역에서 15,517개의 산사태 1-2위험등급지 폴리곤이 추출되었고, 제주 권역은 한라 산 정상 부근에서만 단 1개의 위험지 폴리곤이 생성되었 다(Fig. 4(b)). 마지막으로 산불과 산사태의 1-2위험등 급지를 중첩 분석한 결과, 산불생위험지와 동일하게 전 북 완주군, 광주광역시, 전남 해남군이 산림재해위험성 이 높은 지역으로 분석되었다(Fig 4(c)).
3.2.2. 국사경계 구분 및 접근성
국사경계에 대한 소유구분 및 접근성 분석은 전국적 으로 분포하고 있는 산림청의 국유지 공간정보 중에서 호남과 제주 권역에 대한 폴리곤 정보들을 추출하고 임 도망도와 등산로를 대상으로 100m 버퍼 분석을 수행함 으로써 3개(국유지, 등산로, 임도망도)의 공간정보들을 최종적으로 중첩하였다. 먼저 국유지의 공간정보 폴리 곤을 추출한 결과, 광주광역시 남구를 제외한 나머지 지 역들이 국유지가 포함되어 있었다. 국유지의 분포는 전 남 지역에 비해서 전북 북부와 동부에 대면적으로 분포 하였으며, 호남과 제주 권역의 전체 국유지 비율 중에서 전북 권역이 약 51%를 차지하는 것으로 분석되었다 (Fig. 5(a)). 특히, 전북 무주군이 약 18,442ha로 가장 큰 면적의 국유지가 분포하고 있었다. 그 다음으로 전북 남원시의 분포 면적이 9,370ha이었고 전북 완주군
(a) Upper 15% of Δα for rainfall (b) Upper 30% of Δα for wind speed
Fig. 3. The result of the multifractal strength (Δα) of (a) rainfall and (b) wind speed by using the multifractal detrended fluctuation analysis.
(a) Forest fire (b) Landslide
(c) Forest disaster risk area map
(8,929ha), 전북 진안군(7,226ha), 전북 부안군(6,999ha) 순으로 분포하는 것으로 분석되었다. 제주도는 한라산을 중심으로 총 25,701ha(제주 12,026ha, 서귀포 13,675ha) 로 가장 큰 면적의 국유지가 분포하였으며, 호남과 제주 권역의 전체 국유지 비율 중에서 약 21%를 차지하였다.
접근성 분석을 위한 국유지에 내에 임도망과 등산로의 100m 버퍼분석 결과, 전북 권역에서는 완주군, 진안군, 무 주군, 장수군, 남원시, 부안군, 순창군, 정읍시가 가능한 것 으로 나타났으며 전남 권역에서는 장흥군, 해남군, 진도 군, 순천시, 보성군, 화순군이 접근이 가능한 것으로 분석 되었다. 제주 권역의 경우에는 한라산을 중심으로 제주 서 쪽과 동쪽 그리고 서귀포 동쪽의 임도망과 등산로를 이용 하여 접근이 가능한 것으로 분석되었다(Fig. 5(b)). 본 연 구의 접근성 분석은 국유지 내에 중장비 및 장비 이송 등의 기동성을 고려하여 임도망을 이용한 경우와 임도망을 이 용하여 등산로로 접근할 수 있는 2가지의 가능성을 판단 하고자 하였다.
3.2.3. 기상관측소 중복성
기상관측소와의 중복성 분석은 2014년까지 기 구축된 기상청과 산림청 국립산림과학원의 전국 기상관측소 688 개 지점 정보를 GIS상에 포인트로 공간자료화한 후 연구 Fig. 4. The result of the first and second risk grade areas
for forest disaster occurrences between Honam and Jeju area.
(a) National forest of Korea Forest Service (b) Accessibility through the buffering analysis Fig. 5. The result of accessibility analysis within the national forests in Honam and Jeju area.
KMA(sky color) and NIFOS of KFS(red color)
Fig. 6. The result of AWSs redundancy through 2.5km buffering analysis in Honam and Jeju area.
대상지의 기상관측지점을 추출하였다. 그 결과 기상청의 기상관측소는 총 596개소 중에서 141개소, 산림청의 산 악기상관측소는 총 92개소 중에서 6개소로 총 147개의 지점이 생성되었다. 이 중에서 기상청의 기상관측소는 호 남과 제주 권역에 골고루 분포하고 있으나 산악기상관측 소는 광주광역시 인근 시군 국유지 내에 5개소만이 분포 하고 있었다. 그리고 기상관측표준화법에 의거하여 관측 지점간의 수평적인 직선 거리가 2.5km 이상 이격되어야 하는 조건을 충족시키기 위하여 688개 전 지점을 대상으 로 2.5km 버퍼 분석을 수행하였다. 만약 반경 2.5km 내에 기상관측시설이 2개 이상으로 중복될 경우에는 지점별 에 대한 기상관측자료의 품질과 신뢰성을 고려한 후 1개 의 관측소만 남기고 나머지는 중복성이 없는 지역으로 이 전하거나 철거해야 한다. 이러한 문제점을 보완하기 위해 서 2015년부터 산림재해 또는 재난 방지 등을 위한 특수 목적으로 운영 중인 기상관측소를 제외하는 예외 조항 을 추가되었다. 그러나 본 연구에서는 2.5km 이격거리 조성에 대한 법적인 조건을 최대한으로 준수하기 위해 기상관측지점별로 2.5km 버퍼분석을 한 결과, 총 147개 지점 중에서 어느 한 곳에서도 2.5km 중복성이 발견되지 않았으며, 전 지점간의 공간적인 평균 직선거리가 약
27.3km로 분석되었다(Fig. 6). 이러한 분석 결과는 호남 과 제주 권역의 재해기상예측과 산림재해예측의 향상을 위해서는 최적의 적정위치에 기상관측소가 추가적으로 구축되는 것이 필요하다고 판단된다.
3.2.4. 고도 및 지형 특성
마지막으로 산악기상관측이라는 지형 특성이 고려된 적정위치 공간분석은 30m 수치표고모델(DEM)을 활 용하여 200m 이상의 지형자료를 추출하고 국유지 공간 정보와 중첩 분석을 실시하였다. 그 결과, 호남과 제주 권 역의 고도는 0m부터 1,939m까지의 지형 자료가 추출 되었고 남한의 백두대간을 따라 동고서저의 지형적인 특징을 보였으며, 평균 고도는 약 186m로 분석되었다 (Fig. 7.(a)). 또한 호남과 제주 권역의 평균 고도가 200m 미만인 지역이 전북 무주군, 진안군, 장수군, 남원시 등 을 제외한 호남권역의 서쪽에 분포하였으며 200m 미만 인 국유지도 상당히 많은 것으로 나타났다. 본 논문에서 는 적정위치 선정을 위한 산악지형의 고도 기준을 최저 200m 이상으로 설정하였는데, Chung and Lim(1992) 에 의하면 산악지형의 정의가 정성적이거나 정량적인
관점으로 산지와 구릉을 구별할 수 없지만 북미에서의 보편적인 구릉과 산지를 구별하는 고도가 600m라고 정 의하기도 하였다. 최종적으로는 200m 이상 고도 정보를 활용하여 국유지와 중첩한 결과, Fig. 7.(b)와 같이 제주 도의 한라산 일대와 전북 완주군, 진안군, 무주군, 장수 군, 남원시 일대에서 200m 이상인 지형으로 넓게 분포 하는 것으로 나타났다.
3.2.4. 공간분석을 통한 적정위치 후보지 선정 각각의 분석 항목에 따라 추출된 결과 레이어들은 종 합적인 중첩분석(intersection analysis)을 수행함으로 써 최종적인 국유지 폴리곤을 산출하였다. 이 분석은 두 가지 유형으로 나누어 결과를 산출하였는데, 첫 번째는 산림재해위험성이 있는 1-2등급의 위험지를 포함한 200m 이상의 국유지 내에 접근이 가능하고 기상관측소 와의 중복성이 없는 지역으로 전북 완주군(9개)과 전남 결과, 총 159개의 국유지 폴리곤이 산악기상관측망의 적정위치 선정을 위한 1차 후보 지점으로 분석되었고, 제주 권역을 포함한 총 39개 시군 중에서 26개 시군(약 67%)이 1차 후보 지역으로 분석되었다. 마지막으로 공
해남군(5개)에서 총 14개의 폴리곤이 추출되었고(Fig.
8.(a),(b)), 산림재해위험 1등급지인 광주광역시는 접 근성의 불량으로 배제되었다. 따라서 전북 완주군과 전 남 해남군은 산림재해예측력의 향상을 위한 최적의 입 지이며 반드시 추가로 구축되어야 한다고 사료된다. 두 번째 유형의 분석은 산림재해위험 1-2등급의 위험지가 아닌 고도 200m 이상으로 접근성 양호하면서 기상관 측소와의 중복성이 없는 국유지 폴리곤이 총 145개로 추출되었다(Fig. 8.(c)). 두 가지 유형 분석을 종합한
(a) Distribution of elevation (b) Higher than 200m elevation into the national forests Fig. 7. The result of distribution of higher than 200m elevation using 30m DEM data in the national forests.
간분석에 의해 가 선정된 1차 후보지점(159개)들은 WGS84 경위도 좌표체계로 정보를 추출하여 적정위치 여부와 지적 정보에 대한 재검토가 필요하였다. 그리고 3차원적인 위성영상 지원이 되는 구글어스 상용프로그 램을 활용하여 적정위치 후보지점들을 조정하였다. 그 이유는 ArcGIS가 3차원적인 표현의 한계점을 가지고 있 기 때문에 산악기상관측망의 적정위치인 정상부와 능선 부를 파악하는 것이 쉽지 않기 때문이다. 따라서 159개의 1차 후보지점을 대상으로 접근가능성이 용이한 지형을 찾아서 해당 지점에 대한 좌표정보를 추출한 후 주소 정보 를 파악하였다. 그리고 온라인 상으로 제공되고 있는 온나 라 부동산정보 통합포털(http://www.onnara.go.kr)을 이 용하여 지적에 대한 소유구분 및 토지이용 법령 정보를 확인한 후 최종적인 적정위치 2차 후보지 64개소(호남
60개소, 제주 4개소)를 선정하였다. 참고로 적정위치 후 보지점의 우선 순위 기준은 국유지의 정상부를 1순위로 선정하고 그 다음으로 경사가 완만한 능선부에 정했으 며 계곡부는 차후에 무선통신불량 문제 등을 고려하여 선정 기준에서 배제하였다. 그 결과 대부분의 2차 후보 지는 수목들이 없는 산악 지역의 7부 능선을 위주로 선정 되었고, 정상부는 임도와 등산로를 이용하여 최대 100m 까지 접근하는 것을 고려하여 선정하려 하였으나 지도 상에서는 접근성이 낮았다.
3.3. 현장 조사 및 평가를 통한 최적의 적정위치 선정 공간분석에 의해 선정된 64개 후보지는 현장 조사를 통해서 정량적인 평가를 실시하였다. 이를 위해서 관할 국유림 또는 지자체의 사전 협의를 통해 후보지에 대한
(a) Wanju county (b) Haenam county
(c) Candidates locations excluding forest disaster danger areas
(d) Final selection of suitable sites through the spatial analysis
Fig. 8. The result of the most suitable sites selection for AMOS in the national forests.
접근성(임도망, 등산로 등)을 재확인 후 현장조사를 실 시하였다. 현장조사 시에는 100㎡(10m×10m) 면적을 구획하고 중앙 지점을 기준으로 주소, 경위도 좌표, 고도 (m), 경사, 임상, 지장수목의 수고 및 흉고 직경 등의 정보 들을 포함한 전수조사를 실시하였다. 뿐만 아니라 조사 후보지점에 대한 현장평가는 산악기상관측망의 설치와 유지보수 등을 고려해야 하기 때문에 가장 중요한 평가 항목으로 임도와 등산로를 활용한 접근성(30점), 기상 관측소의 AWS 2.5km 중복성(20점), 실시간 기상관측 자료의 원활한 송⋅수신을 위한 3G/4G의 무선통신 환 경(20점), 기상관측환경 조성을 위한 주변 장애물 간섭 효과(20점), 산악지역인 것을 감안하여 자체 충전형 전 력 생산형태인 태양열 공급 환경(10점) 평가항목 기준에 의해 총점이 70점(적합)이상인 지역을 우선 순위에 따 라 총 26개의 지점을 최적의 산악기상관측망 적정위치 로 선정하였다(Fig. 9). 참고로 현장평가의 점수는 한국 기상산업진흥원에서 규정한 기상관측시설 선정 기준을 토대로 매우 적합(80점 이상), 적합(70∼80점), 재고(60
∼70점), 부적합(60점 미만)으로 판정하였다. 적정위치 로 선정된 산악기상관측망의 지역별 분포를 살펴보면, 전북 지역은 총 11개 지점으로 무주 덕유산(95점), 진안 덕태산(80점), 남원 봉화산(90점), 고창 방장산(80점), 정읍 회문산(95점) 등이며, 전남 지역은 총 12개 지점으 로 해남 달마산(90점), 보성 봉화산(85점), 광양 노랭이 봉(85점), 강진 서기산(80점) 등으로 선정되었다. 제주 권역은 총 3개소인 제주 노로오름(95점), 제주 사려니 숲(85점), 서귀포 시험림(90점)이 최종적인 적정위치로 선정되었다.
IV. 결 론
우리나라는 매년 산불과 산사태 등의 산림재해가 전 국적으로 빈번하게 발생하고 있다. 이를 사전에 방지하 기 위해서는 신뢰성 있는 일반기상과 산악기상 정보를 융합하여 산림재해예측력을 향상시키는 것이 필요하다. 따라서 본 연구에서는 산림재해 방지와 산림재해의 예 측력을 향상시킬 뿐만 아니라 기상청의 기상예측력 향 상을 위해 호남과 제주권역을 대상으로 최적의 산악기 상관측망 적정위치를 선정하는 연구를 수행하였다.
먼저 이론적인 적정성 분석으로 시계열에 따른 강수 량과 풍속에 대한 멀티프랙탈 변동성 강도 분석을 통해 강도 변화가 큰 지역을 산악기상관측망의 중요지점으로 선정하였다. 중요 지점들은 전국적으로 200개소이었으
며 이를 바탕으로 2014년까지 기 구축된 산악기상관측 망 권역이 아닌 호남과 제주 권역을 적정위치 연구 대상 지로 선정하고 GIS를 활용한 공간 분석과 전수 조사를 통한 현장 평가를 수행하였다. 공간 분석은 국유지를 대 상으로 산림재해위험이 1-2등급지이면서 접근성이 가 능하고 기상관측소에 대한 중복성이 없으면서 고도가 200m 이상인 지점을 1순위 후보지점으로 선정하였다.
2순위 후보지는 국유지를 대상으로 산림재해위험이 1-2 등급지가 아닌 지점을 후보지점으로 선정하였다. 그 결 과 1순위인 국유지 폴리곤 지점이 총 14개이었으며 2순 위 폴리곤 지점이 145개로 총 159개의 국유지 폴리곤이 추출됨으로써 1차 후보지점을 가선정하였다. 1차 후보 지점들은 구글 어스 등을 활용하여 정상부와 능선부로 의 접근성을 파악하고 지적 정보를 재확인하여 64개의 2차 공간분석 후보지점을 선정하였다.
공간 분석에 의해 선정된 64개의 국유지 후보지점들 은 산악기상관측환경을 위한 전수 조사와 함께 5개 항목 (접근성, 장애물간섭효과, 기상관측소 중복성, 통신상 태, 전력 공급)에 대한 정량적인 현장 평가를 수행하였 다. 정량적인 현장 평가는 5개의 항목별 배점에 따라 총 점이 70점 이상인 지점을 ‘적합’으로 판정하였다. 그 결 과 전북 12개, 전남 11개, 제주 3개로 총 26개소가 최적 의 산악기상관측망 적정위치 지점으로 선정되었다.
따라서 호남과 제주 권역의 최적 입지에 산악기상관 측망이 추가적으로 구축됨으로써 체계적이면서 효율적 인 운영과 관리가 필요하다고 사료된다. 또한 신뢰성 있 는 산악기상정보와 함께 일반 기상정보를 융합함으로써 산림재해에 대한 예측력 또한 향상시킬 수 있을 것으로 Fig. 9. The optimal sites selection for AMOS through the spatial analysis and field assessment.
판단된다. 뿐만 아니라 복잡 지형으로 이루어진 우리나 라의 산악 미기상 연구에 활용 가능성이 있을 것으로 기 대된다. 더 나아가 일상생활에서 받는 스트레스 해소 등 을 위해 산을 찾는 사람들이 많아짐에 따라 맞춤형 산악 기상정보를 제공할 수 있을 것이다.
적 요
본 연구는 매년 발생하고 있는 산불, 산사태 등의 산림 재해방지를 위해 호남과 제주의 산악지역을 대상으로 최적의 산악기상관측망 입지를 선정하는 연구를 수행하 였다. 먼저 적정위치 선정을 위해 고려해야 하는 항목들 을 공간자료화한 후 공간 분석을 통해서 후보지를 선정 하고 현장 조사를 통해 정량적 평가를 수행함으로써 최 종적인 적정위치를 선정하였다. 공간자료는 과거 10년 간의 산불발생 정보와 과거 7년간의 산사태위험등급 정 보, 산림청의 국사경계도, 국유지의 임도와 등산로 그리 고 기상청의 자동기상관측소(AWS)와 산림청의 산악기 상관측소 위치정보, 30m 해상도의 수치표고모델(DEM) 을 사용하였다. 공간분석은 산불과 산사태의 1-2등급의 위험지에 대한 추출 및 중첩 분석, 산림청 국유지 내에 100m 버퍼를 준 임도와 등산로의 접근성 분석, 기상관측 소의 2.5km 버퍼를 준 중복성 분석, 산악기상관측 입지 환경 조성을 위한 고도 200m 이상의 지형특성 분석을 통 해 종합적인 중첩분석을 수행하였다. 공간분석 결과, 총 159개의 중첩 폴리곤이 추출되었고 구글어스 등을 활용 하여 능선과 정상부에 총 64개의 적정위치 후보지를 선 정하였다. 선정된 후보지는 기상관측환경, 접근성, 통신 및 전력공급 환경, 기상관측소의 중복성에 대한 정량적 인 현장 평가를 통해서 총점이 70점 이상인 지점을 ‘적 합’으로 판정하여 고득점 순으로 산악기상관측망의 적 정위치 26개소를 선정하였다. 따라서 적정위치 선정 기 법에 의해 구축된 산악기상관측망의 기상정보는 향후 산불, 산사태 등과 같은 산림재해위험 예측력의 향상과 산림 복잡 지형에 대한 미기상 연구에 활용이 가능할 것 으로 판단된다.
REFERENCES
Bayraktar, H., and F. S. Turalioglu, 2005: A kriging-based approach for locating a sampling site - in the assessment of air quality. Stochastic Environmental Research and Risk Assessment 19(4), 301-305.
Chung, S. R., and K. U. Lim, 1992: Weather and climatic environment of mountains. Press of one-top Inc. Seoul.
314pp.
Mandelbrot, B. B., 1967: How long is the coast of Britain? Statistical self-similarity and fractional dimension. Science 156(3775), 636-638.
Kantelhardt, J. W., S. A. Zschiegner, E. K-Bunde, S.
Havlin, A. Bunde, and H. E. Stanley, 2002: Multifractal detrended fluctuation analysis of nonstationary time series. Physica A: Statistical Mechanics and its Applications 316(1), 87-114.
Park, C. H., H. W. Lee, and W. S. Jung, 2003: The effects of low-level jet and topography on heavy rainfall near Mt. Jirisan. Asia-Pacific Journal of Atmospheric Sciences 39(4), 441-458. (In Korean with English abstract)
Kim, J. H., and I. U. Chung, 2006: Study on mechanisms and orographic effect for the springtime downslope windstorm over the Yeongdong region. Atmosphere 16(2), 67-83. (In Korean with English abstract) Kim, S. Y., W. T. Oh, and S. H. Lee, 2013: Analysis on
the density of the weather station over South Korea.
The Geographical Journal of Korea 47(1), 47-59. (In Korean with English abstract)
Korea Forest Service, 2013: The annual report of landslide statistics, Korea Forest Service. (In Korean) Korea Forest Service, 2015: The annual report of forest
fire statistics, Korea Forest Service. (In Korean) Lee, S. Y., I. U. Jung, and S. K. Kim, 2006: A study on
establishment of the optimum mountain meteorological observation network system for forest fire prevention.
Korea Journal of Agricultural and Forest Meteorology 8(1), 36-44.
Paladin, G., and A. Vulpiani, 1987: Anomalous scaling laws in multifractal objects. Physics Reports 156(4), 147-225.
Seo, S. K., K. Kim, K. H. Chang, and J. K. Park, 2013:
Volatility analysis of rainfall, wind speed, and temperature by using the multifractal detrended fluctuation analysis. New Physics: Sae Mulli 63(8), 872-881. (In Korean with English abstract)
Shepard, D., 1968: A two-dimensional interpolation function for irregularly spaced data. Proceedings of the 1968 23rd ACM National Conference, New York, NY, USA, 517-524.
Ware, C., W. Knight, and D. Wells, 1991: Memory intensive statistical algorithms for multibeam bathymetric data. Computers & Geosciences 17(7), 985-993.
Won, M. S., S. H. Yoon, K. S. Koo, and K. H. Kim, 2011: Spatio-temporal analysis of forest fire occurrences
during the dry season between 1990s and 2000s in South Korea. Journal of the Korean Association of Geographic Information Studies 14(3), 150-162. (In Korean with English abstract)
Woo, C., H. Kwon, C. Lee, and K. Kim, 2014: Landslide hazard prediction map based on logistic regression model for applying in the whole country of South Korea. Journal of the Korean Society of Hazard Mitigation 14(6), 117-123. (In Korean with English
abstract)
Won, M. S., 2015: Automatic mountain meteorology observation system and strategies of activating information sharing. Proceeding of Symposium on Sharing Mountain Weather Information, National Institute of Forest Science, Seoul, 3-19.
Onnara Real Estate Information Portal.
http://www.onnara.go.kr/(2015. 1. 1)
