Assessment of Landslide on Climate Change using GIS

전체 글

(1)Climate Change Research(한국기후변화학회지) Vol. 2, No. 1, 2011, pp. 43～54. 43. GIS를 이용한 기후변화에 따른 산사태 취약성 평가 Assessment of Landslide on Climate Change using GIS Xu Zhen*․곽한빈*․이우균*,**,†․박태진*․권태협*․박선민** ,. Xu, Zhen*, Kwak, Hanbin*, Lee, Woo-Kyun*,** †, Park, Taejin*, Kwon, Tae-Hyub* and Park, Sunmin** *고려대학교 환경생태공학과, **고려대학교 기후환경학과 *Dept. of Environmental Science and Ecological Engineering, Korea University, Seoul, Korea **Dept. of Climate Environment, Korea University, Seoul, Korea. 요 지 최근 우리나라뿐만 아니라 전 세계적으로 기상이변에 의해 집중호우가 발생되고 있으며, 이로 인 해 산사태 등 자연재해도 급격히 증가하고 있다. 따라서 기후변화에 의한 산사태 취약지역을 파악 하고, 그에 대한 적응 대책을 마련하는 것이 필요하다. 본 연구에서는 기후변화에 따른 산사태 취약 성을 민감성, 노출, 적응성 규준으로 평가하였다. 이러한 규준에 적합한 지표에 대한 공간 정보를 GIS로 구축하였고, 그를 기반으로 과거 및 미래에 대한 전국에 대한 산사태 취약성 지도를 제작하 였다. 그 결과, 강원도 대부분 지역, 경기도 동부와 전라남도 동남부, 경상남도 서남부가 산사태 취 약성이 높게 나타났다. 또한, 시기별 산사태 취약성은 과거에서 미래로 가면서 매우 낮음과 낮음에 해당하는 등급은 감소하고, 보통, 높음, 매우 높음에 해당되는 등급의 면적은 가까운 미래에서 큰 변화가 없으나, 먼 미래에서 확연하게 증가하는 것으로 나타났다.. 키워드 : 산사태, 기후변화, GIS, 취약성 평가, 산림재해. ABSTRACT Recently, due to severe rainfall by the global climate change, natural disasters such as landslide had also been increased rapidly all over the world. Therefore, it has been very necessary to assess vulnerability of landslide and prepare adaptation measures to future climate change. In this study, we employed sensitivity, exposure and adaptative capacity as criteria for assessing the vulnerability of landslide due to climate change. Spatial database for the criteria was constructed using GIS technology. And vulnerability maps on the entire Korea of past and future were made based on †. Corresponding author : E-mail: [email protected]. 접수일자: 2011. 1. 26 / 수정일자: 2011. 3. 11 / 채택일자: 2011. 3. 19.

(2) Xu Zhen․곽한빈․이우균․박태진․권태협․박선민. 44. the database. As a result, highly vulnerable area for landslide was detected in most area of Gangwon-do, the east of Gyeonggi-do, and southeast of Jeollanam-do, and the southwest of Gyeongsangnam-do. The result of landslide vulnerability depends on time shows that degree of very low class and low class were decreased and degree of moderate, high, and very high were increase from past to the future. Especially, these three classes above low class were significantly increased in the result of far future. Key words : Landslide, Climate Change, GIS, Vulnerability Assessment, Forest Disaster. 1. 서론. 기상관측소를 대상으로 강수량의 변화 경향을 시 ․ 공간적으로 분석을 하였다. 그 결과, 여름철(6월. 최근 우리나라뿐만 아니라 전 세계적으로 기. ∼9월) 강수량의 시계열 변화에서는 모든 지점에. 상이변에 의해 집중호우가 발생하고 있으며, 이. 서 강수량이 증가하는 경향을 보여주었으며, 이. 로 인해 자연재해도 급격히 증가되고 있는 실정. 중에서도 최근 10년이 가장 큰 증가 경향을 보였. 이다(박덕근, 2008). 우리나라의 자연재해는 기상. 다. 이와 같은 집중호우는 전 지구적으로 온난화. 학적 자연현상에 의해 주로 발생되고 있으며 발. 가 진행된 20세기 후반에 더욱 빈번하게 발생하. 생빈도가 가장 높은 것은 강우에 의한 재해로 전. 는 경향을 보여주고 있다(Houghton et al., 2001).. 체 재해발생 원인 중 약 80%를 차지하고 있다.. 이와 같은 강우 강도의 예측은 국내 산사태 발생. 특히, 사면 붕괴와 관련된 자연재해는 최근 국지. 연구에서 아주 중요하지만, 현재 국내 기후변화. 성 집중호우를 포함하여 호우의 집중강도가 높아. 연구에서는 이에 대한 연구가 부족한 실정이다.. 지는 등 기상학적 원인에 의해 매년 증가하고 있 다.. 산사태는 예측하기가 어렵고 일단 발생하면 막대한 인명 및 경제적 피해를 초래할 수 있다.. 산사태를 유발하는 원인은 크게 내적 환경요. 더욱이 산사태는 토사의 대규모 유출이라는 측면. 인과 외적 환경요인으로 구분할 수 있다. 내적. 에서 볼 때 인간생활에 직접적인 피해를 주는 것. 환경요인이란 산사태를 유발하는 원인을 정적인. 이외에도 유출된 토사들이 하천으로 유입되어 대. 자료, 즉 지형, 지질, 토양 등 외부 환경의 영향. 규모 홍수를 일으키는 원인이 되기도 한다(양인. 이 적은 고정적 특성을 갖는 요소에서 찾을 수. 태 등, 2007). 따라서, 우리나라에서 발생되는 기. 있는 원인이라 할 수 있다. 반면에 외적 환경요. 후변화에 의한 산사태 취약한 지역에 대한 영향. 인이란 산사태를 유발하는 원인을 동적 자료의. 을 평가하고 더 나아가서 이에 대한 대책을 마련. 측면에서 접근하는 것으로서 강우나 지진과 같이. 하는 것이 더욱 필요하다.. 외부의 충격에 의한 사면 거동을 발생시키는 요. 지금까지 산사태에 대한 연구가 많이 시행되. 소라 할 수 있다(양인태 등, 2007). 우리나라의. 고 있는데, 이사로 등(1999)은 지리정보 시스템. 경우, 지진이 원인이 되어 발생하는 산사태는 드. (Geographic Information System; GIS)을 이용. 물며, 대부분이 강우의 영향으로 산사태가 발생. 하여 산사태 발생 요인들을 데이터베이스로 구축. 하고 있다(김마리아, 1988).. 하였고, 확률, 로지스틱 회귀 공식, 인공 신경망. 외적 환경요인에 대해서, 박창용 등(2008)은. 기법 등을 적용하여 산사태 취약성 분석을 하였. 최근의 한반도 여름철 강수 특성을 파악하기 위하. 다. 또한 산사태 발생 위치와 산사태 발생 요인. 여 장기간(1958∼2007년) 관측을 수행하고 있는. 들과의 상관 관계를 분석하여 검증을 실시하였지.

(3) GIS 를 이용한 기후변화에 따른 산사태 취약성 평가. 45. 만, 기상에 대한 고려 없이, 내적 요인에만 초점. 된다. 국내의 경우, 국내 발생 지점 데이터가 제. 을 맞추고 있다. 양인태 등(2007)은 산사태 유발. 대로 구축되어 있지 않는 점이 한계로 작용하고. 하는 인자를 분류하고, 그 인자들을 적용하여 강. 있으며, 기후변화를 고려한 산사태 취약성 분석. 우의 영향에 따른 산사태 취약지의 분포 변화를. 에 대한 연구는 거의 없는 실정이다.. 모의 실험하였다. 최근 진행된 이 연구는 기후변. 본 연구에서는 과거 연구되었던 방법들의 한. 화에 따른 산사태 취약성 평가에 중요한 기초 자. 계를 극복하고자 산사태 발생의 내적 요인과 외. 료를 제공하고 있다. 하지만 미래에 대한 평가가. 적 요인을 모두 고려하였다. 또한, 인자들을 GIS. 이루어지지 않아, 정책적 활용에 한계를 지니고. 를 이용하여 자료를 통합하였으며, 이들 자료들. 있다. 채병곤 등(2005)은 산사태 현장 조사 및. 을 이용하여 한화진 등(2006)이 제시하였던 취약. 토질실내 시험자료를 토대로 인공 지능 기법을. 성 평가방법을 이용하여 전국을 대상으로 기후변. 적용하여 확산 범위 산정 기법을 개발하였지만. 화에 의한 산사태 취약성을 시 ․ 공간적으로 분석. 기후변화에 따른 취약성을 평가까지는 연구를 진. 하였다. 주목할 점은 기후변화에 의한 미래 강수. 행하지 못했다.. 량의 변화까지 고려하여 미래에 대한 산사태 취. Baldelli et al(1996)은 지질도, 지형도, 수치표. 약성 평가를 시도한 것이다. 전국을 대상으로 산. 고모델(Digital Elevation Model; DEM) 등을 이. 사태에 대한 취약성을 평가하는 것이므로 국가적. 용하여 GIS 분석을 통해 산사태 취약성 지도를. 차원에서 산사태에 취약한 지역에 대한 예방 대. 작성하였다. GIS를 이용하면, 소규모 실험데이터. 책을 수립하는데 좋은 기초 자료로 될 것이다.. 를 사용한 연구에서는 할 수 없는, 지역을 고려. 또한 자료를 GIS를 통하여 통합하였기 때문에,. 한 산사태의 분포를 파악할 수 있는 장점이 있. 지방자치단체에서 활용할 때의 효율성도 향상될. 다. Kumar et al(1996)은 소규모적인 지역에서. 것으로 기대된다.. 임상, 경사, 사면 단면, 강우, 수계밀도, 침식, 임 상밀도, 인위적 활동 등을 산사태 유발 인자로. 2. 연구 방법 및 대상지. 선정하여 산사태 위험등급을 1∼4등급으로 등급. 2.1 연구대상지. 을 나누고, 각 등급별로 점수를 부여한 후 점수 를 합산하는 방법으로 취약성을 제작하였다. 이와 같이 산사태에 대한 연구가 다양한 방벙 론을 통하여 가용한 여러 가지 자료를 이용하여 이루어져 왔다. 대체적으로 보면 통계적 기법, GIS 또는 원격 탐사(Remote Sensing; RS)를 이 용하여 산사태를 초래하는 요소들 간의 관계 및 산사태가 발생하는 원인을 규명하고, 이를 이용하 여 산사태 확산 범위 및 이동경로에 예측에 대한 연구들이 많이 진행되었다. 하지만 정책적으로 활용할 수 있는 산사태 취약성 평가에 대한 연구 들은 많지 않았고 대상지의 범위가 아주 국한되. 본 연구의 연구대상지는 남한의 전체 지역이 며, 북위 33°9'부터 38°72', 동경 124°54'부터 131°6' 사이이다(Fig. 1). 산사태에 영향을 주는 지형분포는 Fig. 1의 우측 그림에서 확인할 수 있다. Fig. 1의 우측 그림은 공간해상도가 30 m 인 남한의 수치 표고 모델이다. 전체적인 지형 분포 특징을 보면 동고서저의 양상을 보이고 있 다. 그 중에서 태백산맥, 노령산맥과 소백산맥이 연결되는 지역의 해발이 높게 나타났다.. 2.2 연구 방법. 었다. 이는 과거 연구들이 주로 지역적인 산사태. 본 연구에서는 취약성 평가를 위해서 기본적. 발생 자료를 기반으로 하고 있기 때문으로 판단. 으로 민감성(sensitivity), 노출(exposure), 적응성.

(4) Xu Zhen․곽한빈․이우균․박태진․권태협․박선민. 46. Fig. 1. Study area.. (adaptation capacity)의 규준을 사용하였다. 본. 도가 심할수록 취약성이 증가하는 것을 의미한. 연구에서는 국내외 여러 사례 연구들을 바탕으로. 다. 또한 동일한 민감도에서도 노출 정도에 따. 이들의 정의를 Table 1과 같이 정리하였다(Fu-. 라 취약성이 다르게 나타나는 것을 잘 반영하고. ssel et al., 2006; 한화진 등, 2006).. 있다.. 본. 연구에서는. 한국환경정책평가연구원에서. 발간한 “기후변화 영향 평가 및 적응 시스템 구.  . 축” 보고서에서 사용된 취약성 평가 방법으로, 식 (1)에 나타낸 바와 같이 민감성과 노출의 곱 을 적응으로 나누었다. 이는 동일한 적응성을 가 질 때 기후에 대한 민감성이 높을수록, 노출 정.  ×   . (1). 취약성 평가에 사용된 지표는 아래의 정규화 식으로 0에서 1 사이로 정규화하여 사용하였다. 이와 같이 정규화를 하는 이유는 각 지표에. Table 1. Definition of criteria for assessing vulnerability to climate change(Fussel et al., 2006) Criteria. Definition. Sensitivity. The degree to which a system is affected, either adversely or beneficially, by climaterelated stimuli. The effect may be direct or indirect.. Exposure. The nature and degree to which a system is exposed to significant climatic variations.. Adaptive capacity. Adjustment in natural or human systems in response to actual or expected climatic stimuli or their effects, which moderates harm or exploits beneficial opportunities. Various types of adaptation can be distinguished, including anticipatory and reactive adaptation can be distinguished, including anticipatory and reactive adaptation, private and public adaptation, and autonomous and planned adaptation..

(5) GIS 를 이용한 기후변화에 따른 산사태 취약성 평가. 대한 값의 범위와 단위가 다르기 때문에 이들을 동. 등하게 해주기 위해서이다. 이 방법은 UN-. Table 3. The grade on each aspects (김경태 등, 2005). DP (2006)에서 사용한 Dimension Index 방법을 이용하였다(2). 정규화를 하게 되면 각 인자 별로 다양한 단위를 통일하기 때문에, 값의 크기에 상 관없이 동등한 영향력으로 평가할 수 있게 된다.          . (2). 47. Aspect. Grade. Flat area. 1. North, northwest. 2. Northeast, southwest, west. 3. Southeast, east. 4. South. 5. X = Vulnerability index 미친다. 선행 연구 결과에 따르면, 북향 사면의. Xmin = Minimum value of vulnerability. 경우 산사태 발생률이 낮은 반면, 남쪽과 남동. index. 사면일 때 높은 발생률을 보이는 것으로 분석되. Xmax = Maximum value of vulnerability. 었다(이진덕 등, 2002; Dai et al., 2002). 그리하. index. 여, 본 연구에서는 Table 3에서 나타낸 바와 같 이 방위별 등급을 부여하였다.. 2.3 각 규준에 해당하는 지표선정 각 규준에 해당하는 지표들은 Table 2와 같이 기존에 연구되었던 관련된 논문과 논리적 근거들 을 바탕으로 선정되었다. 민감성을 나타내는 지표로는 산사태가 발생에 민감한 인자인 사면 경사, 경사 방향, 토지 피복 을 채택하였다(Table 2).. 토지 이용에 따라서도 산사태 발생 및 취약성 이 달라지는데, 산사태 발생 가능성은 산림 지역 에서 가장 높게 나타나고, 초지, 농업지역의 경우 침식의 가능성은 높지만 산사태 발생 가능성은 비교적 낮다고 할 수 있다(이진덕 등, 2002). 이 에 토지피복도를 이용하여 도시지역, 농업지역, 산림 지역, 초지, 나지, 수역 6개의 항목으로 분. 사면 경사는 산사태에서 결정적인 인자로 알려 져 있다. 국내의 산 사면에서 발생하는 산사태는. 류하였고, Table 4와 같이 3개 등급으로 재분류 를 하였다(김경태 등, 2005).. 오랫동안 풍화 작용을 받은 흙과 암석편이 흘러. 노출을 나타내는 지표의 경우, 우리나라 전 국. 내리는 토석류가 90% 이상을 차지한다(한국자원. 토의 70%가 산지로 구성되어 있어, 6∼9월 사. 연구소, 2000). 또한, 사면 방향에 따른 일조 시간. 이의 태풍이나 장마에 의한 집중호우로 인하여. 의 차이는 수분 보유력, 식생 및 풍화 정도의 차. 산사태가 매년 발생하고 있다(김민구 등, 2005).. 이를 유발하여 토양의 응집력과 안정성에 영향을. 이에, 본 연구에서는 집중 강우가 자주 발생하는. Table 2. Indicators for criteria of sensitivity, exposure and adaptive capacity Criteria. Indicators. Sensitivity. Slope, slope direction, land cover. Exposure. Accumulative precipitation from June to September. Adaptive capacity. Forest density.

(6) Xu Zhen․곽한빈․이우균․박태진․권태협․박선민. 48. Table 4. The grade on reclassified regions (김경. 차에 곱해서 구축하였다(차유미 등, 2007; 국립. 태 등, 2005). 기상연구소 2005, 2006, 2007). 그 중에서 6∼9. Land cover. Grade. 월의 월평균 누적 강수량을 추출하고, 노출 지 수를 제외한 다른 민간성과 적응 지수는 현재와. Water, urban. 1. Agriculture, barren. 2. 적용하여 미래 산사태 취약성 평가에 사용하였. Grass, forest. 3. 다.. 같다고 가정하여 취약성 평가 방법을 동일하게. 적응성 지표로는 산림밀도를 채택하였다. 산림 6월, 7월, 8월, 9월의 평균 누적 강수량을 노출 지. 이 밀집한 곳은 그 뿌리가 토양을 묶어두는 역할. 수에 포함하였다. 강우 강도를 포함하는 것이 더. 을 하기 때문에, 산사태 발생을 억제하는 효과가. 욱 효과적이지만, 미래 기후 예측 자료는 강우. 있다. 이를 반영하기 위해 산림 밀도가 미치는. 강도를 자세하게 예측하는 것이 불가능하기 때문. 영향은 적응성 지수에 포함하였다. 산림이 없는. 에, 집중 호우가 자주 발생하는 달의 평균 누적. 지역은 뿌리가 토양을 묶어두는 역할을 못하기. 강수량이 증가하면 미래의 강우 강도도 증가한다. 때문에 최종 연산에서 비산림 지역은 제외시켰다.. 고 가정하였다. 본 연구에서 사용된 과거 월 누 적 강수량 자료는 기상청에서 제공하는 1971년 부터 2000년까지의 전국 74개 관측지점에서의 일별 관측자료를 바탕으로 관측지점과 미관측지 점 간의 거리와 관측치를 반비례 관계로 하여 미 관측 지점들에 대한 추정치를 계산하는 거리 자 승 역가산 가중(Inverse Distance Squared Weighting; IDSW) 기법을 적용하여 전국 분포 자료 를 제작하였다(이민아 등, 2007; Nalde et al., 1998). 1981년부터 2010년까지의 강수 량 자료 를 과거 강수량 자료로 사용하는 것이 더 적절하 나, 구축된 기상자료의 한계로 과거 강수량 자료의 기간을 1971년부터 2000년도로 설정하였다. 미래 강수량 자료의 경우, 국립기상연구소로부 터 제공받은 미래 예측 월 누적 강수량 편차(Ano-. 본 연구에서는 산림청에서 제공한 제4차 임상 도를 이용하여 산림밀도를 구축하였는데, 임상도 에는 Demilitarized Zone(DMZ) 지역과 강릉 지역 에 대한 자료가 구축이 되지 않았기 때문에 최종 연산에서도 DMZ 지역과 강릉 지역을 제외시켰 다. 이와 같이 민감도와 적응성의 규준에 해당하 는 지표는 30 m 수치 표고 모델 (Digital Elevation Model; DEM)을 이용하여 30m 해상도의 격자 데이터를 구축하였고, 노출 지표인 기상자 료는 ESRI사의 ArcGIS 9.3 프로그램을 이용하 여 30 m 해상도로 재격자화(resample)하여 다른 규준들과 해상도를 통일하여 모형에 적용시켰다.. 3. 결과 및 고찰. maly) 자료를 과거 자료에 적용하였다. Special. 민감성 자료로 사용된 사면 경사는 한반도의. Report on Emission Scenario(SRES) A1B 시나. 서부에서 동부로 가면서 높아지는 경향을 보였다. 리오를 활용하였으며, 이는 미래 2100년의 이산. (Fig. 2(a)). 경사 방향은 남동쪽과 동쪽 방향을. 화탄소량이 380 ppm에서 700 ppm까지 증가하. 위주로 분포되었다. 제주도는 동서남북 각 방향. 는 것을 반영하여 독일 막스플랑크 연구소의. 이 규칙적으로 분포되는 특징을 보이고 있다(Fig.. ECHO- G/S 기후모델을 MM5 대기모델로 모의. 2(b)). 그중에서 평지에 해당하는 지역이 가장 적. 한 자료이다. 즉, 과거 30년 전국 74개 관측점의. 게 나타났다(Table 5). 이는 남한의 68%가 산악. 일별 관측자료에서 구축한 30년 평균 자료를 편. 지형인 지형적 특징과 일치성을 나타내고 있다..

(7) GIS 를 이용한 기후변화에 따른 산사태 취약성 평가. (a) Slope map. 49. (b) Aspect map. (c) Land use map. Fig. 2. Distribution map of indicators for sensitivity. Table 5. Area and ratio of each aspects Aspect Flat area. 2. Area(km ) 3,245.5548. Ratio(%). Land use. 3.21. Water, urban Agriculture, barren. 27,025.572. 26.92. Grass, forest. 63,864.589. 63.62. 22,821.664. 22.61. NE, SW, W. 36,758.273. 36.41. SE, E. 25,281.325. 25.04. S. 12,848.771. 12.73. 10,0955.59. 2. Area(km ). Ratio(%). N, NW. Total. Table 6. Area and ratio of each land use. Total. 9,495.9549. 100,386.12. 9.46. 100. 100. 미래의 강수량의 변화를 보면 모든 지역의 강수 토지피복을 보면 산림과 초지의 면적이 많이 차지하는 것으로 나타났다 Fig. 2(c). 이는 남한 의 전 국토의 64%가 산림 지역인 특성과 일치성 을 나타내고 있다(Table 6).. 량이 크게 증가하는 추세를 보인다. 특히, 남한의 남부 연해지역인 전라남도와 경상남도, 제주특별 자치도, 경기도와 강원도의 강수량이 크게 증가 하는 것으로 나타났다.. 노출지표로 사용된 과거(1971∼2000년) 강수. Fig. 4는 적응 지표로 사용된 산림밀도에 대한. 량, 가까운 미래(2021∼2050년), 먼 미래(2071∼. 분석 결과로써, 강원도, 경기도 동부, 경상북도의. 2100년) 강수량의 변화를 살펴보면(Table 7 and. 남부, 전라남도 서북부, 제주도 중부를 위주로 산. Fig. 3), 과거에서 가까운 미래까지의 강수량은. 림밀도가 대체로 높게 나타나는 양상을 보여준. 경기도, 서울특별시, 인천광역시, 경기도, 대구광. 다. 이는 한국의 산림 분포 특징과 일정한 일치. 역시가 증가하였고, 이를 제외한 기타 지역은 10. 성을 나타내고 있다.. mm 이내로 감소하였다. 가까운 미래에서부터 먼. 이상의 민감성, 노출, 적응성에 해당하는 각각.

(8) Xu Zhen․곽한빈․이우균․박태진․권태협․박선민. 50. (a) 1971~2000. (b) 2021~2050. (c) 2071~2100. Fig. 3. Precipitation distribution from June to September.. Table 7. Variation of mean precipitation from June to September (Unit: mm) Name. Past. Near future. Far future. Seoul. 233.48. 249.63. 280.66. Incheon. 222.56. 234.33. 265.87. Gyeonggi-do. 218.03. 230.7. 261.38. Busan. 211. 205.5. 257.15. Gyeongsangnam-do. 207.28. 204.06. 243.96. Gwangju. 217.79. 208.31. 243.06. Jeollanam-do. 209.02. 203.17. 238.15. Gangwon-do. 194.22. 200.83. 228.27. Ulsan. 180.07. 179.67. 219.65. Jeollabuk-do. 198.92. 190.8. 213.67. Chungcheongnam-do. 202.67. 196.08. 212.24. Daejeon. 214.1. 203.47. 212.2. Jeju-do. 191.01. 173.7. 206.4. Chungcheongbuk-do. 196.8. 187.49. 205.56. Daegu. 169.21. 172.37. 195.24. Gyeongsangbuk-do. 168.91. 167.17. 188.97.

(9) GIS 를 이용한 기후변화에 따른 산사태 취약성 평가. 51. Table 8. Area change of vulnerability level 2. (Unit: km ) Grade. Past. Very low 26,484.9948. Near future. Far future. 27,720.5418. 17,206.1253. Low. 54,760.8222. 53,649.1692. 50,009.1696. Moderate. 14,668.9902. 14,495.2785. 23,723.9811. High. 2,095.1379. 2,167.5033. 5,839.0245. 993.9186. 971.3709. 2,225.5632. 99,003.8637. 99,003.8637. 99,003.8637. Very high Total. 의 지표에 대한 시 ․ 공간 정보를 활용하여 산사 태 취약성 지도를 Fig. 5와 같이 과거, 가까운 미 래, 먼 미래에 대해 구축하였다. 기후변화에 의한 산사태 취약한 지역은 전체 적으로 보면 강원도 대부분 지역, 경기도 동부와 전라남도 동남부, 경상남도 서남부가 산사태 취 약성이 높게 나타났으며, 그 중에서도 강원도에 Fig. 4. Distribution map for adaptive capacity of. 산사태 취약한 지역이 가장 널리 분포된 것으로. forest density. 나타났다. 또한, 미래 기상 자료를 이용한 가까운. (a) Past landslide (1971~2000). Fig. 5. Vulnerability assessment maps.. (b) Near future landslide (2021~2050). (c) Far future landslide (2071~2100).

(10) 52. Xu Zhen․곽한빈․이우균․박태진․권태협․박선민. 는 노출지표인 강수량 지표의 변화로만 미래 산 사태 취약성을 예측하였기 때문에 강수량에 의존 적인 결과가 나타난 것으로 사료된다.. 4. 결론 본 연구에서는 산사태 취약성 평가 규준인 민 감성, 노출, 적응 지수에 해당하는 지표들을 기존 연구 결과를 바탕으로 선정하고, 전국을 대상으 로 기후변화에 의한 산사태의 시 ․ 공간 취약성을 Fig. 6. Graph for area change of vulnerability level.. 도출한 결과 다음과 같은 결론을 얻었다. 1. 각 규준에 대한 분석 결과로는 민감성에 해 당되는 사면 경사는 동고서저의 양상을 나. 미래와 먼 미래의 산사태 취약성 결과는 남한의. 타냈고, 사면 방향은 남동쪽과 동쪽 방향을. 중부 지역은 산사태 취약성이 감소되고, 기타 지. 주로 나타냈으며, 토지 피복은 산림과 초지. 역은 과거의 산사태 취약한 지역과 유사하게 나. 면적이 가장 많이 분포되었다. 노출 지표에. 타났다.. 해당되는 과거, 가까운 미래, 먼 미래의 강. 최종 얻은 산사태 취약성 결과를 Natural break 방법으로 등급을 나누었다. 우선, 각 시기 별 산사태 취약성 결과에 대한 등급 분류 기준을 통일하기 위하여 과거, 가까운 미래, 먼 미래의 모든 결과를 이용하여 Natural break 분류방법을. 수량 변화를 보면 가까운 미래에서 일부 지 역에서는 조금 감소하는 추세를 보이지만, 가까운 미래에서 먼 미래로 가면서 강수량 이 많이 증가하는 것으로 나타났다. 적응성. 적용하여 분류 기준을 계산하였다. 그리고 통일. 지표에 해당되는 산림 밀도는 강원도, 경기. 된 등급 분류 기준을 각 시기별 취약성 결과에. 도 동부, 경상북도의 남부, 전라남도의 서북. 적용하여 비교하였다. 이로부터 얻은 각 등급 면 적의 증가와 감소 추세를 살펴보면(Table 6 and. 부, 제주도 중부를 위주로 산림밀도가 대체. Fig. 6), 과거에서 가까운 미래로 가면서 매우 낮. 2. 기후변화에 의한 산사태 취약한 지역은 전. 음에 해당되는 등급의 면적은 가까운 미래에서. 체적으로 보면 강원도 대부분 지역, 경기도. 조금 증가하지만, 먼 미래에서는 과거보다 35%. 동부와 전라남도 동남부, 경상남도 서남부. 내외로 감소하는 것으로 나타났다. 낮음에 해당. 가 산사태 취약성이 높게 나타났으며, 그. 되는 등급의 면적은 과거에서 먼 미래로 가면서 점차적으로 감소하는 것으로 나타났다. 보통, 높. 중에서도 강원도에 산사태 취약한 지역이. 음, 매우 높음에 해당되는 등급의 면적은 과거에 서 가까운 미래로 가면서 큰 변화는 없지만, 먼 미래에 가서는 과거보다 확연하게 증가하는 것으. 로 높게 나타나는 양상을 보여준다.. 가장 널리 분포된 것으로 나타났다. 또한, 미래 기상 자료를 이용한 가까운 미래와 먼 미래의 산사태 취약성 결과를 보면 남한의. 로 나타났다. 그 증가율을 보면 보통에 해당되는. 중부 지역은 산사태 취약성이 감소되고, 기. 등급의 면적은 먼 미래에는 과거보다 60% 증가 하고, 높음과 매우 높음에 해당되는 등급의 면적. 타 지역은 과거의 산사태 취약한 지역의 분. 은 먼 미래에는 과거보다 2배 이상 증가한다. 이. 3. 각 등급 면적의 증가와 감소 추세를 살펴보. 포 패턴을 유지하였다..

(11) GIS 를 이용한 기후변화에 따른 산사태 취약성 평가. 53. 면, 과거에서 가까운 미래로 가면서 매우. 기술이 발전하여 미래의 강우 강도를 보다 세밀. 낮음에 해당되는 등급의 면적은 가까운 미. 하게 예측하게 된다면, 현재보다 훨씬 정확한 평. 래에서 조금 증가하지만 먼 미래에서는 과. 가가 가능해질 것으로 예상된다.. 거보다 35 %좌우 감소하는 것으로 나타났. 본 연구는 GIS를 이용한 자료 통합을 시도했. 다. 낮음에 해당되는 등급의 면적은 과거. 다는 점과 미래 기상 자료 도입에 초점이 맞추어. 에서 먼 미래로 가면서 점차적으로 감소하. 져있다. 그렇기 때문에, 취약성 평가를 함에 있어. 는 것으로 나타났다. 보통, 높음, 매우 높. 서 사용된 각 규준에 해당하는 지표들에 대하여. 음에 해당되는 등급의 면적은 과거에서 가. 가중치를 적용하지 않았다. 하지만 가중치 산정. 까운 미래로 가면서 너무 큰 변화는 없지. 방법론을 도입한다면 훨씬 정확한 결과가 도출될. 만, 과거에서 먼 미래로 가면서 확연하게. 것으로 기대된다. 향후 연구에서 다양한 가중치. 증가하는 것으로 나타났다. 본 연구에서. 산정방법론을 도입한다면 취약성 평가의 정확성. 노출 지표인 강수량 지표의 변화로만 미래. 이 향상될 것으로 예상된다.. 산사태 취약성을 예측하였기 때문에 강수 량에 의존적인 결과가 나타났다.. 5. 향후 과제 및 연구의 한계점 취약성 평가는 기후변화의 적응을 위한 기초. 참고문헌 국립기상연구소, 2005, 기후변화협약대응 지역기 후시나리오 활용기술 개발 I, 국립기상연구소 연구보고서 MR050C03, 408.. 자료로 사용이 되는데, 국내에서도 기후변화 적. 국립기상연구소, 2006, 기후변화 협약 대응 지역. 응에 대한 중요성을 인식하고, 중앙 정부 및 각. 기후시나리오 활용기술 개발 Ⅱ, 국립기상연. 지방자치단체에서도 기후변화 적응 대책 수립을. 구소 연구보고서 MR060C42, 611 pp.. 고심하고 있다. 특히, 정책적으로는 취약성 평가. 국립기상연구소, 2007. 기후변화 협약 대응 지역. 를 시도해야 할 분야가 산림 재해를 비롯하여 다. 기후시나리오 활용기술 개발 Ⅲ, 국립기상연. 양하게 존재하므로 자료의 통일성이 중요하다.. 구소 연구보고서 MR070C70, 559 pp.. 본 연구를 통한 GIS를 이용한 자료의 통합은. 김경태, 정성관, 박경훈, 2005, GIS 및 RS 기법. 성공적이었고, 추가적으로 다른 분야와의 연계성. 을 활용한 산사태 취약성 평가, 한국지리정보. 도 가질 수 있게 되었다. 특히 공간 격자 기반의 평가방법은 사용이 쉽고 자료가 단순하여, 타 분 야에서 필요할 경우 즉시 도입이 가능하다는 장 점이 있다. 이는 향후 정책적 활용성을 증가시킬 수 있는 강점으로 작용할 것이라 사료된다. 그러나 일부 산사태 영향인자는 자료 취득의 어려움으로 모두 포함하지 못하였다. 이후 기후. 학회지, 8권 1호, 75-87. 김마리아, 1988, 강우로 기인되는 산사태에 관한 연구, 홍익대학교 석사학위논문. 김민구, 윤영진, 장훈, 2005, GIS 기반의 뿌리보 강모델을 활용한 산사태 위험도 작성방법 연 구, 한국지형공간 정보학회지, 13권 1호, 4553.. 변화 취약성 평가에 산사태 발생과 관련된 인자. 박덕근, 오정림, 손영진, 이민석, 2008, 2008년. 들뿐만 아니라 피해에 민감한 지역 및 민감한 연. 집중호우로 발생된 급경사지 재해 사례분석. 령층의 거주 분포 등 더 다양한 인자들이 포함되. 및 방재대책, 2008대한토목학회 정기학술대. 면 더욱 정확한 평가가 될 것이라 사료된다. 또 한, 기상의 변화가 포함된 노출 지표에도, 국내. 회, 10권, 3013-3016. 박창용, 문자연, 차은정, 윤원태, 최영은, 2008,.

(12) Xu Zhen․곽한빈․이우균․박태진․권태협․박선민. 54. 최근 한반도 여름철 강수특성의 변화, 대한지 리학회지, 43권 3호, 324-336.. Landslide, 153-158. Dai, F. C., and C. F. Lee, 2002, Landslide. 양인태, 박재국, 전우현, 2007, GIS를 이용한 최. characteristics and slope instability modeling. 대지속강우량이 산사태 발생에 미치는 영향평. using GIS, Lantau, Hong Kong, Geomor-. 가, 한국GIS학회 2007 공동춘계학술대회 논. phology, 42, 213-228.. 문집, 6권, 413-423.. Fussel, H. M., and T. J. Klein, 2006, Climate. 이민아, 이우균, 송철철, 이준학, 최현아, 김태민,. change vulnerability assessments: An evolu-. 2007, 기온 및 강수량의 시공간 변화예측 및. tion of conceptual thinking, Climatic Ch-. 변이성, 한국GIS학회지, 15권 3호, 267-278.. ange, 75, 301-329.. 이사로, 최위찬, 민경덕, 1999, GIS를 이용한 지. Houghton, J. T., Y. Ding, X. Dai, D. J. Griggs,. 질도 데이터베이스 구축에 관한 연구, 한국. C. A. Johnson, K. Maskell, M. Noguer, and. GIS학회지, 7권 1호, 147-153.. P. J. van der Linden, 2001, Climate change. 이진덕, 연상호, 김성길, 이호찬, 2002, 산사태발. 2001: The Scientific Basis, Contribution of. 생가능지 예측을 위한 GIS의 적용, 한국지리. Working Group 1 to the Third Assessment. 정보학회지, 5권 1호, 38-47.. Report of the Intergovernmental Panel on. 차유미, 이효신, 문자연, 권원태, 부경온, 2007, ECHO-G/S를 활용한 래 동아시아 기후 전망, 한국기상학회지, 17권 1호, 55-68.. Climate Change. Cambridge University Press, Cambridge. Kumer, K., D. S. Tolia, and S. Kumar, 1996,. 채병곤, 2005, 산사태 현장 조사 기법 및 사례. landslide hazard evaluation in part of Hi-. 분석, 대한지질공학회 학술연구보고서, 171-205. malaya, Preliminary Landslide Overview Map. pp.. of the Counterminous Suited States, Pro-. 한국자원연구소, 2000, 산사태 예측 및 방지기술 연구, 한국자원연구소.. ceeding of the Seventh International Symposium on Landslide, 257-262.. 한화진, 아노은, 최은진, 한기주, 이정택, 김해동,. Nalder, A. I., and W. W. Wein, 1998, Spatial. 손요환, 박용하, 조광우, 윤정호, 이은애, 김승. interpolation of climatic Normals: test of a. 만, 2006, 기후변화 영향평가 및 적응시스템. new method in Canadian boreal forest, Ag-. 구축 Ⅱ, 한국환경정책평가연구원.. ricultural and Forest Meteorology, 92, 211-. Baldelli, P., P. Aleotti, and G. Polloni, 1996, Landslide susceptibility numerical at the messina straits crossing site, Italy Proceeding of the Seventh International Symposium on. 225. UNDP, 2006, Human Development Report 2006, UNDP, New York..

(13)