Drought is one of the most influential disasters in sustainable agriculture and food security of nations. In order to preemptively respond to agricultural droughts, vulnerability assessments were conducted to predict the possibility of drought in the region, the degree of direct or indirect damage, and the ability to cope with the damage. Information on agricultural drought vulnerability status of different regions is extremely useful for implementation of long term drought management measures. The purpose of this study is to develop and implement a quantitative approach for measuring agricultural drought vulnerability at sub-district level based on agricultural water and reservoirs. To assess the vulnerability in a quantitative manner and also to deal with different physical and socioeconomic data on the occurrence of agricultural drought, we selected the appropriate factors for the assessment of agricultural drought vulnerability through preceding studies, and analyzed the meteorological and agricultural reservoir data from 2015 to 2018.
Each item was weighted using AHP (Analytic Hierarchy Process) analysis and evaluated through the agricultural drought vulnerability estimation. The entire national vulnerability assessments showed that Ganghwa, Naju, and Damyang were the most vulnerable to agricultural droughts. As a result of analyzing spatial expression, Gyeongsang-do is relatively more vulnerable to drought than Gangwon-do and Gyeonggi-do. The results revealed that the methodology and evaluation items achieved good performance in drought response. In addition, vulnerability assessments based on agricultural reservoir are expected to contribute supporting effective drought decisions in the field of agricultural water management.
Keywords: Agricultural drought; vulnerability; reservoir; agricultural water, AHP
Ⅰ. 서 론
가뭄은 특정기간 동안의 강수량 부족으로 인한 기상, 수문, 농업적 물 부족 현상에 따른 자연재해를 의미하며, 가뭄의 발 생은 안정적인 용수 확보 및 수자원 관리에 영향을 미치고 있다 (Ahn et al., 2009; Nam et al., 2013; Jang, 2019). 특히, 농업가뭄은 농작물 생육 및 수확량에 직접적으로 영향을 미
치는 토양수분 및 농업용 저수지의 관개용수가 부족하여 농 작물에 피해가 발생하는 것으로 정의한다 (Rosenberg, 1979;
Yoon et al., 2018; Mun et al., 2020). 과거 일반적인 가뭄을 해석하기 위해서 지역의 강수량 부족 현황, 가뭄 피해 면적, 가뭄지수 등 단일지표 등을 활용하여 가뭄 재해를 평가하였 으나 (Tadesse et al., 2005; Hong et al., 2016; Lee et al., 2019), 최근 이상기후로 인한 장기적이고 극심한 자연재해 발생으로 부터 선제적으로 대응하기 위하여 다양한 인자들을 종합적으 로 판단하는 취약성 평가 (vulnerability assessment)가 도입되 었다.
농업가뭄은 가뭄상황의 관측과 예측이 용이하지 않고, 가뭄피해를 정량적으로 나타내기 어려운 자연재해로, 국 내의 경우 농업용 저수지, 양수장, 관정 등 농업용수 이용 형태가 다양하기 때문에 강수부족으로 농업가뭄이 발생한 다고 해도 실제로 농업현장에서 느끼는 채감 가뭄은 시⋅
aGraduate Student, Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea
b Assistant Professor, Department of Bioresources and Rural Systems Engineering, Institute of Agricultural Environmental Science, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea
cGraduate Student, Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea
d Professor, Department of Bioresources and Rural Systems Engineering, Institute of Agricultural Enviromental Science, Hankyong National University, Anseong, Republic of Korea
eDirector, EKtechnology, Anseong, Republic of Korea
fDirector, Overseas Business Department, Korea Rural Community Corporation
g Agricultural Drought Mitigation Center, Korea Rural Community Corporation
h Director, Agricultural Drought Mitigation Center, Korea Rural Community Corporation
† Corresponding author
Tel.: +82-31-670-5137, Fax: +82-31-670-5139 E-mail: [email protected]
Received: 12 March, 2020 Revised: 18 March, 2020 Accepted: 18 March, 2020
공간적으로 상이할수 있다 (MLIT, 2002; Seo et al., 2009, Kim et al., 2018; Jang, 2019). 따라서 지역별 기상학적 및 지형학적 특성에 따른 농업가뭄의 원인을 분석하고, 농업 수자원 및 농업수리시설물 현황, 지역별 급수체계, 가뭄대 응능력 등을 반영한 농업용수 중심의 가뭄재해 취약성 평 가가 필요하다 (Lee et al., 2013; Nam et al., 2014; Kim et al., 2016).
취약성의 개념은 일반적으로 식량안보, 자연재해 및 재난 위험관리, 공중 보건 등의 연구분야에서 외부 스트레스에 대 한 결과물에 따른 시스템 내부의 상태의 잠재적 피해 발생가 능정도를 의미한다 (IPCC, 2001; Yoo and Kim, 2008; Nam et al., 2015). 최근에는 공학적인 방법으로부터 물리적으로 자연재해의 발생예상지역을 식별하고 자연재해의 발생 범위 및 규모를 예측하는 연구에서 사회경제적인 피해정도를 살 펴보고, 그에 따른 대처계획을 수립하는 방향으로 패러다임 이 변경되고 있다 (Park et al., 2017). Go and Kim (2009)는 취약성 지표를 개발하여 경기도 지역의 상대적인 기후변화 취약성을 평가하였고, Yang et al. (2012)은 가뭄 취약성 지표 를 선정하여, 경향성 검정에 따른 지수를 산정하였으며, 수자 원, 강우, 인문 분야 등 3개 분야 10개 지표를 통해 취약성을 평가하였다. Kim et al., (2013)은 농업생산기반을 중심으로 전국 시도별 가뭄 영향인자를 고려한 취약성을 평가하고 민 감도, 노출도 및 적응능력에 대해 인자들을 구분하여 취약성 평가 지표를 선정하였다. Jang et al., (2019)은 전국 124개 농 업용 양수장에 대한 실태조사와 민감도, 노출도 및 적응능력 의 대용변수를 통해 양수장의 농업가뭄 취약성 실태를 평가 하였다.
IPCC (Intergovernmental Panel on Climate Change)에서는 농업 가뭄 취약성을 기상 및 수문학적 가뭄에 의한 작물 생산 피해 및 가축의 피해를 동반할 수 있는 가능성으로 정의하였다 (IPCC, 2007). 국내의 경우 농업용수 중심의 가 뭄 취약성 평가는 전국에 산재되어 있는 약 18,000여개의 농업용 저수지의 용수 부족 및 가뭄대응능력 뿐만 아니라, 기상 및 환경적 영향을 고려한 평가방법 및 기준이 제시되 어야 한다.
본 연구에서는 전국단위의 기상자료 및 저수율 등 수문기 상학적 자료를 토대로 167개 시군별 농업용수의 가뭄 취약성 평가 방법론을 정립하고자 한다. 과거 가뭄 사상을 분석하여 신뢰성을 높일 수 있는 객관적인 지표인 기상영향, 농업용수, 가뭄대응능력을 고려하여 종합적으로 시군단위의 가뭄 취약 성 항목을 중분류와 세부인자를 구분하고, 인자별 가중치를 적용하여 지역별 등급산정을 통해 농업용수 기반 가뭄 취약 지도를 작성하고자 한다.
Ⅱ. 연구방법
1. 농업가뭄 취약성 평가인자 선정
기존의 기후변화 대응 취약성에 대한 평가는 IPCC (2007) 에서 제시한 노출도 (exposure), 민감도 (sensitivity) 및 적응능 력 (adaptive capacity)으로 구분하고 있다 (UNDP, 2005; Shin et al., 2019). 본 연구의 농업용수의 가뭄 취약성 평가는 다양 한 가뭄 취약성 선행 연구를 통해 농업가뭄에 영향을 나타내 는 인자를 분석하여 선정하였다.
농업가뭄 취약성 평가인자는 Table 2와 같이 기상영향, 농 업용수공급, 사회⋅환경적 인자, 가뭄대응능력 4개의 중분류 항목과 14개 세부분류 항목으로 구분하였다. 기상영향인자 는 농업가뭄 분석 및 취약성 평가 시 가장 중요한 지표 중 하나로써, 강수량과 기온자료가 포함된다. 세부분류는 월별 강수량 (F1), 5 mm 미만 무강우일수 (F2), 고온 (33도 이상) 일수 (F3)로 구분하였으며, 기상자료는 기상청에서 제공하는 종관기상관측장비 (Automated Surface Observing System, ASOS)를 통해 수집하였다. 농업용수공급인자는 농업용 저 수지의 관개용수, 유역배율 등 농업활동에 필요한 공급능력 을 의미하며, 세부분류 항목으로는 가뭄예경보 관심단계 (저 수율 70%) 이하로 내려간 일 수 (F4), 관개기 월말 저수율 (F5), 수위감소율 (F6), 유역배율 (F7), 단위면적당 유효저수 량 (F8), 수리답비율 (F9)의 6가지로 구분하였다. 저수율 자료 의 경우 한국농어촌공사 농촌용수종합정보시스템 (Rural Agricultural Water Resource Information System, RAWRIS)의 자료를 통해 구축하였으며, 유역배율과 수리답비율은 국가 통계포털 (KOrean Statistical Information Service, KOSIS)를 통해 수집하였다. 사회⋅환경적 인자의 경우 세부분류는 농 업에 종사하는 인구 비율 (F10)과 농경지의 면적 비율 (F11), 논 물마름 면적 (F12)을 통해 나타내었으며, 전국 평균보다 높을수록 농업가뭄 취약성이 높게 평가된다. 가뭄대응/적응 능력 항목은 세부분류 항목으로 보조수원공 (F13)과 양수저 류지구 (F14)를 파악하였으며, 국가통계포털, 한국농어촌공 사 및 통계연보를 활용하여 자료를 수집하였다 (KRC, 2018).
농업가뭄 취약성 평가인자 수집을 통해 선정된 자료들은 2003년부터 2018년을 구축하였으며, 결측기간을 제외한 2015년부터 2018년까지 취약성을 평가하였다. 연구는 Fig. 1 과 같이 농업가뭄 취약성 평가에 관한 항목을 선정하고, 표준 화를 통한 데이터 전 처리 후 가중치를 산정하여 각 항목별 중요도를 분석하였다. 취약성 산정 식을 통해 167개 시군 지 자체별 농업용수 기반의 가뭄에 취약한 지역을 분석하고, 취 약지도를 작성하였다.
2. 데이터 전처리 방법
각 평가 항목들은 다른 단위와 성질을 가지고 있으므로, 하 나의 지수로 결합 및 통합하는 과정이 필요하다. 일반적으로 변수의 범위가 다른 자료를 분석할 경우 전처리 과정 (data preprocessing)을 통해 단위 및 척도를 일치시켜 자료를 분석한 다. 전처리 과정에는 표준화 (standardization)방법 (Z-score)과 정규화 (normalization)방법 (축척재조정, Re-scaling)을 활용하 고 있다. Z-score는 자료가 평균으로부터 표준편차 (standard deviation)의 몇 배만큼 떨어져 있는지 나타내는 지표이며, 식 (1)과 같이 평균을 0으로 표준편차를 1이 되도록 만드는 방법 이다. 여기서 μ는 평균값이고 σ는 표준편차를 나타내며, 값이 평균보다 낮으면 음수가 되고, 높으면 양수가 된다. 축척재조 정 방법은 데이터의 범위를 0과 1 사이의 값으로 변화하여 분 포를 조정하는 방법이다. Z-score 방법과 다르게 표준편차 기 준보다는 범위에 기반을 둔 전처리 방법으로 모든 단위 및 특 성을 동일한 범위를 갖게 만든 방법이다. 식 (2)와 같이 나타내 며, 최솟값과 최댓값을 이용하여 값을 산출한다.
(1)
max min min (2)
이 외에도 순위를 통한 지표 값 산정방법 (Ranking method) 와 같은 다양한 전처리 방법이 활용되고 있다. Z-score 방법의 경우 음수 값과 양수 값을 통해 다소 복잡한 과정이 나타나며, 각 평가인자에 대한 자료가 정규분포를 따르지 않을 경우 왜 곡된 결과를 가져올 수 있다 (Myong, 2010). Kim (2019)는 농업용 저수지의 기후변화 취약성을 평가하기 위해 다양한 표준화 방법을 활용하였다. 축척재조정 방법을 통해 요인분 석과 가중치를 적용하여 년 단위로 등급화하고, 시간에 따른 가뭄의 변화를 도시하였다. Shin (2018)은 인공신경망 알고리 즘을 활용하여 가뭄에 취약한 지역을 분석하였으며, 기상관 측소 자료와 인공신경망 모델의 학습 자료의 비교를 위해서 축척재조정 방법을 활용하였다. 본 연구에서는 0에서 1 사이 동일한 분포 변환이 가능하며, 최댓값과 최솟값을 활용하여 상대적인 크기 비교하는 축척재조정 방법을 통해 각 항목별 단위 및 특성을 통합하였다.
3. 농업용수 기반 가뭄 취약성 평가 방법론 구축 농업가뭄 취약성 평가 등급산정은 축척재조정 방법을 활 용하여 나타낸 0부터 1사이의 인자 값을 통해 USDM (United States Drought Monitor)에서 가뭄 등급 산정 기준으 로 활용하고 있는 Percentile 분석 방법을 활용하였다.
USDM의 가뭄 등급 산정 방법 중 하나인 Percentile 분석은 Fig. 1 Flow chart of the process used to produce the agricultural drought vulnerability assessment model
가뭄 발생에 대해 백분위수를 활용하여 임계값을 나타내는 방법이다. 가뭄의 심각성을 파악하고 취약성이나 위험성을 이해하기 위한 목적으로 활용되었으며, Percentile을 활용한 가뭄 심도 분류는 여러 변수에 대해 단순화된 지수로 표현 가능한 방법이다 (Svoboda et al., 2002; Xia et al., 2014). 정 규분포에 따른 Percentile 분석의 기준은 Table 1과 같이 구분 하였으며, 세부인자별 전국을 대상으로 과거부터 현재까지 데이터를 분포시켜 A부터 E등급을 산정하였다. A등급에 가 까울수록 농업가뭄에 대한 취약성이 낮으며, E등급에 가까 울수록 취약성이 크다는 것을 의미한다. 산정된 등급은 중분 류 및 세부항목의 취약성을 평가 분석하기 위한 자료로 활용 된다.
종합적인 시군별 농업가뭄 취약성 평가를 위한 각 항목별 가중치는 AHP (Analytic Hierarchy Process) 분석을 통해 산정 하였다. AHP 분석은 다양한 인자들을 계층적으로 분류하여 중요도를 파악하는 기법으로 설문을 통해 대안들을 순위화 시키고, 비율 척도 (ratio scale)로 가중치를 도출하는 방법이
다 (Saaty, 1980). 의사결정 방법의 하나인 AHP기법은 평가 과정에서 쌍대비교를 통해 각 요소의 가중치를 산출하는 특 징이 있다 (Lee et al., 2018). 본 연구에서는 학계 및 실무의 전문가 44명에 대한 설문 및 AHP 방법을 적용하여 Table 2에 나타내었다. A등급부터 E등급까지 산정된 중분류 및 세부항 목은 농업가뭄 취약성에 대한 평가인자로써, 식 (3)과 같이 가중치를 반영하여 종합적인 농업가뭄 취약 지역을 분석하 였다. 농업가뭄 취약성을 평가하기 위한 과정은 국내외 선행 연구를 통해 4가지 중분류 항목과 각각의 세부항목을 선정하 고, 전처리 과정을 통해 단위 및 특성을 통합시켰다. 각 항목 은 Percentile 방법을 활용하여 등급을 산정하며, 농업가뭄 취 약성 판단에 긍정적인 영향과 부정적인 영향을 구분하여 두 영향의 차이를 통해 종합적인 시군별 농업가뭄 취약성 평가 를 수행하였다.
× × × × × (3)
Category Description Possible Impacts Ranges (%)
A Abnormally Dry ⋅Short-term dryness slowing planting, growth of crops or pastures 21 to 30 B Moderate Drought ⋅Streams, reservoirs, or wells low, some water shortages developing or imminent 11 to 20 C Severe Drought ⋅Water shortages common
⋅Water restrictions imposed 6 to 10
D Extreme Drought ⋅Widespread water shortages or restrictions 3 to 5
E Exceptional Drought ⋅Shortages of water in reservoirs, streams, and wells creating water emergencies 0 to 2 Table 1 Drought severity classification in USDM (Svoboda et al., 2002)
Categories Weight Code Details Code Weight
Meteorological
data 0.498 MD
1. Monthly precipitation F1 0.54
2. Number of days without precipitation F2 0.35
3. Consecutive dry days F3 0.11
Agricultural reservoir
data
0.286 RD
4. Number of days water reserve rate below the drought warning level of interest F4 0.32
5. End of month water reserve rates F5 0.25
6. Water level reduction ratio F6 0.15
7. Watershed ratio F7 0.13
8. Effective Reservoir storage F8 0.09
9. Irrigated rice paddy F9 0.06
Social
data 0.166 SD
10. The agricultural population rates F10 0.22
11. Rice paddy rates F11 0.42
12. Paddy water dry area F12 0.36
Adaptability
data 0.05 AD 13. Assistance waterworks F13 0.79
14. Pumped storage F14 0.21
Table 2 Indicators and weights for assessment of agricultural drought vulnerabilities
여기서, MD (Meteorological Data), RD (Reservoir Data), SD (Social Data), AD (Adaptability Data)는 각 중분류 값이며, W 는 각 중분류 별 가중치를 나타낸다. 농업가뭄 취약성은 기상, 농업용수, 사회⋅환경적 인자의 가중치 곱의 합과 적응능력 의 가중치의 곱의 차이를 통해 평가하였다.
Ⅲ. 적용 및 결과
1. 시범지역에 대한 농업가뭄 취약성 평가 적정성 검증 농업가뭄 취약성 평가와 기존의 기후변화 취약성 평가는 평가 항목과 방법론이 다르기 때문에 연구에서 활용한 항목 과 방법론의 적절성 검증이 필요하다. 농업가뭄 취약성 평가 방법론의 적정성을 검증하기 위한 시범대상지역은 과거 가뭄 피해가 극심했던 지역으로 상습가뭄지역인 충청남도를 선정 하였다. 충청남도의 강수량은 2015년 이후 평년대비 75%의 수준으로 나타났으며, 최근 심각한 가뭄이 지속적으로 발생 했던 지역이다. 시범대상 지역은 15개 시군으로 구분되며, 세 부항목은 2003년부터 2018년의 자료를 구축하였지만, 자료의 공백이 없는 2015년부터 2018년까지 시간적 범위를 설정하여 항목별 평가결과 도출과 검증을 수행하였다. 농업가뭄 평가 를 위해 세부항목을 축척재조정 방법을 통해 표준화를 하였 으며, Percentile 방법으로 A부터 E까지 각각 중분류 항목을 5단계로 분류하였다. A, B, C, D, E까지 5등급을 각 20, 40, 60, 80, 100으로 재점수화 하였으며, 식 (3)에 따라 산정된 중
분류 값에 가중치를 부여하여 종합적인 시군별 농업가뭄 취 약성을 평가하였다.
Fig. 2는 2015년부터 2018년 각각 충청남도 15개 시군의 가뭄 취약 지역을 나타낸 것이다. 충청남도 15개 시군의 취약 성 평가는 Table 3과 같이 2015년 계룡, 서천에서 가장 낮은
Division 2015 2016 2017 2018 Average vulnerability Cheonan 78.71 84.06 84.06 87.93 83.69
Gongju 75.93 83.31 80.09 85.47 81.20 Boryeong 75.08 78.61 71.09 85.70 77.62 Asan 75.10 81.85 79.26 84.31 80.13 Seosan 70.18 72.30 64.36 80.67 71.88 Nonsan 72.83 80.65 79.59 82.38 78.86 Gyeryong 68.99 80.34 76.82 79.28 76.36 Dangjin 76.32 81.24 74.80 84.77 79.28 Geumsan 79.79 88.26 86.55 89.01 85.90 Buyeo 70.71 79.92 76.06 81.00 76.93 Seocheon 67.16 72.39 73.70 81.51 73.69 Cheongyang 73.49 79.06 75.62 84.22 78.10 Hongseong 75.08 75.82 69.91 82.78 75.90 Yesan 70.57 76.58 71.65 83.21 75.51 Taean 79.81 83.33 75.81 84.92 80.97 Table 3 Results of drought vulnerability analysis in
Chungcheongnam-do
Fig. 2 Mapping annual vulnerability assessment for Chungcheongnam-do in 2015, 2016, 2016, 2017, and 2018 year
68.99, 67.16을 보였고, 2016년의 경우 서산, 서천에서 72.30, 72.39의 값을 나타냈다. 상습가뭄지역으로 지정된 2017년은 서산에서 가장 낮은 64.36을 나타내었다. 2018년은 15개 시군 에서 대부분 높은 값을 나타내어, 농업가뭄에 안전한 것으로 나타났다. 2015년부터 2018년 평균 농업가뭄 취약성 값은 서 산과 서천이 각각 71.88, 73.69로 충청남도 지역에서 농업가뭄 에 가장 취약했다. 금산의 경우 2016년부터 2018년까지 농업 가뭄에 가장 안전한 결과를 나타내었으며, 종합적으로 85.90 의 높은 값을 나타내었다.
농업가뭄 취약성 평가의 적정성을 검증하기 위해 Fig. 3과 같이 시범지역의 결과 값을 활용하여 실제 가뭄발생 및 발생 예측 지역을 대상으로 지원되는 대책비용과 상관성을 비교하 였다. 가뭄대책비는 한국농어촌공사 농업생산기반정비통계 연보를 참고하여 조사하였다. 가뭄대책비용은 가뭄이 발생한 뒤 투입되는 비용이며, 상관성 분석 결과 0.66의 다소 높은 상관성 값을 나타냈다. 이는 농업가뭄이 취약한 지역일수록 지원되는 대책비용이 많다는 것을 알 수 있으며, 본 연구에서 사용된 평가항목 및 방법론이 전국 농업가뭄 취약성 평가에 적용이 가능할 것이라 판단된다.
2. 지역기반 농업용수의 가뭄 취약성 평가 가. 기상영향인자
농업가뭄 취약성을 평가하기 위해 전국 167개 시군을 대상 으로 분석하였다. 기상영향인자 (MD)는 AHP 분석 결과 0.498 의 중분류 항목 중 가장 높은 가중치를 나타냈으며, 관개기 월별 강수량 (F1), 5 mm 미만의 무강우일수 (F2), 33도 이상 폭염일수 (F3) 3가지 항목을 통해 산정하였다. 무강우일수와 폭염일수 항목의 경우 기상영향인자의 취약성을 감소시키므 로 표준화 과정에서 역수로 계산하였다. 167개 시군을 대상으 로 취약성 결과 값을 분석하였을 때 통영, 거제, 기장 시군 순서로 A등급의 농업가뭄에 안전한 값을 나타냈으며, 울진, 삼척, 태백 등 7개의 지역에서 E등급의 결과를 나타냄으로서 기상영향 취약성 부분에서 가장 취약한 지역으로 나타났다 (Table 4). Fig. 4(A)를 통해 기상영향 인자를 통해 취약성 판단 한 결과 전체적으로 경상북도 지역이 다른 지역들에 비해 D 등급, E등급의 비율이 다소 높은 것을 알 수 있었으며, E등급 의 취약한 지역은 강수량 부족 및 고온에 대응할 수 있는 방법 을 강구하는 것이 필요할 것으로 판단된다.
나. 농업용수공급 인자
농업가뭄 취약성 평가 시 농업용수공급능력은 논에 필요한 용수를 공급하는 측면에서 필수적인 인자이다. 농업용수공급
인자는 가뭄경보 관심단계 70% 미만의 저수율 일 수 (F4), 관개기 월말 저수율 (F5), 관개기 수위감소율 (F6), 유역배율 (F7), 유효저수량 (F8) 및 수리답 비율 (F9)의 6가지로 평가하 였다. Fig. 4(B)와 같은 결과를 나타냈으며, 서울, 수원, 의정부 등 농업용 저수지가 없는 시군은 제외하여 등급을 산정하였 다. 농업용 저수지가 없는 지역을 제외한 133개 시군을 대상 으로 농업용수공급 취약성을 평가한 결과 충청도 지역에서 다소 높은 농업가뭄 취약성을 나타내었다. 함양에서 99.9의 가장 높은 점수를 나타내며 A등급으로 산정되었으며, 진안 98.68, 영동 98.32로 농업가뭄에 안전한 것으로 나타났다. E등 급은 강화 38.78, 담양 56.32, 나주 62.13으로 농업용수공급 평가 항목에서 가장 취약한 지역으로 나타났다 (Table 5). 수 리답 비율, 유효저수량의 결과 값보다 월말 저수율, 가뭄경보 기준미만 저수율 항목에서 차이를 나타내었다. 농업용수공급 능력이 취약한 지역은 보조수원공 시설 및 수자원 관리 기술 을 개선해야 할 것으로 사료된다.
다. 사회⋅환경적 인자
사회적 인자는 행정구역 대비 논농사에 종사하고 있는 인 구의 비율 (F10), 농경지 비율 (F11) 및 논물마름 면적 (F12) 3개의 항목을 선정하였다. Fig. 4(C)와 같이 결과를 나타내었 으며, 행정구역 대비 0.03% 미만의 농경지를 나타내는 서울, 성남, 의정부, 안양, 동두천 등 지역은 논 가뭄에 영향을 미치 지 못한다고 판단하여 제외하고 등급을 산정하였다. 전라도 시군에서 다른 지역에 비해 C등급, D등급 비율이 높음을 알 수 있었다. Table 6을 보면 양구, 인제, 진천 등에서 100점의 높은 취약성 값을 나타내었으며, 신안 58.73, 상주 58.84에서 고흥 60.42 순으로 E등급과 D등급의 농업가뭄에 취약한 지역 으로 나타났다. 고흥의 경우 인구의 비율이 가장 낮은 7.84를 나타내었으며, 가장 취약성이 높은 신안은 논물마름 면적에 서 21.54로 가장 낮은 값을 나타내었다. 사회⋅환경적 취약성 이 높은 지역은 농업가뭄에 대한 관리 인력 투입 및 교육을 통해 보다 개선 될 수 있는 요인이라고 판단된다.
라. 가뭄대응/적응능력 인자
가뭄대응/적응능력 인자는 기존 기후변화 취약성의 적응능 력에 해당되는 부분이며, 기상영향, 농업용수공급, 사회⋅환 경적 인자가 취약성을 높이는 항목이라면 적응능력 인자는 농업가뭄 취약성에 대응할 수 있는 반대되는 항목이다. 하지 만 그 가중치는 설문 결과 0.05로 다소 낮게 판단되었으며, 보조수원공 (F13)과 양수저류지구 (F14)가 항목에 해당된다.
보조수원공 및 양수저류지구가 없는 기장, 성남, 의정부, 안양 등 지역은 제외하여 145개 시군을 대상으로 등급을 산정하였
Fig. 3 Comparison of drought response costs and drought vulnerability in 2016 and 2017 year
Rank Area Vulnerability F11) F22) F33)
Actual Re-scaling Actual Re-scaling Actual Re-scaling
1 Tongyeong 98.23 200.01 53.90 24 33.63 1 10.70
2 Geoje 97.86 236.46 53.90 25 35.40 3 8.56
3 Gijang 96.46 172.25 53.90 24 31.86 1 10.70
4 Yanggu 96.46 146.33 53.90 24 31.86 2 10.70
5 Inje 96.46 146.33 53.90 24 31.86 2 10.70
163 Jeju 80.00 143.46 37.73 21 30.09 3 10.17
164 Ulleung 75.23 114.13 43.12 21 23.01 1 9.10
165 Taebaek 75.23 114.13 43.12 21 23.01 1 9.10
166 Samcheok 75.23 114.13 43.12 21 23.01 1 9.10
167 Uljin 75.23 114.13 43.12 21 23.01 1 9.10
1) F1: Monthly precipitation (mm)
2) F2: Number of days without precipitation (day)
3) F3: Consecutive dry days (day)
Table 4 Meteorological impact vulnerability assessment results
Fig. 4 Agricultural drought vulnerability map by four evaluation factors (A: meteorological factor, B: reservoir factor, C: social factor, D:
adaptability factor)
Rank Area Vulnerability
F41) F52) F63) F74) F85) F96)
Actual Re-
scaling Actual Re-
scaling Actual Re-
scaling Actual Re-
scaling Actual Re-
scaling Actual Re- scaling 1 Hamyang 99.90 0 31.90 81.53 24.50 0.75 15.10 4.84 13.10 6.69 8.90 2282 6.40
2 Jinan 98.68 0 31.90 80.37 23.28 0.47 15.10 5.80 13.10 11.33 8.90 2485 6.40
3 Yeongdong 98.31 3 30.31 81.45 24.50 0.81 15.10 6.93 13.10 7.19 8.90 2362 6.40
4 Daegu 97.45 0 31.90 74.56 22.05 0.28 15.10 82.90 13.10 25.46 8.90 3260 6.40
5 Pocheon 97.08 8 30.31 80.52 23.28 0.70 15.10 4.00 13.10 5.44 8.90 2470 6.40 129 Jeunpyeong 67.86 189 15.95 53.02 11.03 0.92 15.10 2.79 10.48 6.59 8.90 4118 6.40
130 Gunpo 66.01 123 20.74 58.18 13.48 2.13 12.08 3.34 13.10 3.19 5.34 6 1.28
131 Naju 62.13 148 19.14 46.50 7.35 0.55 15.10 1.86 5.24 8.94 8.90 13792 6.40 132 Damyang 56.32 179 15.95 45.79 7.35 0.59 15.10 1.53 2.62 8.66 8.90 7413 6.40
133 Ganghwa 38.78 141 20.74 54.61 0 0.84 0 2.29 7.86 5.01 8.90 0 1.28
1) F4: Number of days water reserve rate below the drought warning level of interest (day)
2) F5: End of month water reserve rates (%)
3) F6: Water level reduction ratio (%)
4) F7: Watershed ratio (%)
5) F8: Effective Reservoir storage
6) F9: Irrigated rice paddy (ha)
Table 5 Agricultural water supply vulnerability assessment results
Rank Area Vulnerability F101) F112) F123)
Actual Re-scaling Actual Re-scaling Actual Re-scaling
1 Yanggu 100 20.47 22.40 2.73 41.70 3.25 35.90
2 Inje 100 21.88 22.40 1.68 41.70 0 35.90
3 Jincheon 100 16.01 22.40 7.96 41.70 3.88 35.90
4 Jeunpyeong 100 9.89 22.40 1.88 41.70 1.25 35.90
5 Yeosu 100 7.01 22.40 4.28 41.70 2 35.90
144 Haenam 62.16 26.95 17.92 36.05 8.34 49 35.90
145 Yeongam 62.01 28.08 15.68 27.12 10.43 2.18 35.90
146 Goheung 60.42 36.66 7.84 23.42 16.68 8.5 35.90
147 Sangju 58.84 29.89 13.44 22.49 16.68 107.75 28.72
148 Sinan 58.73 36.14 10.08 16.35 27.11 976.33 21.54
1) F10: The agricultural population rates (%)
2) F11: Rice paddy rates (%)
3) F12: Paddy water dry area (ha)
Table 6 Social vulnerability assessment results
Rank Area Vulnerability F131) F142)
Actual Re-scaling Actual Re-scaling
1 Ganghwa 100 89 78.90 13 21.10
2 Paju 100 103 78.90 3 21.10
3 Anseong 100 66 78.90 2 21.10
4 Inje 100 91 78.90 48 21.10
5 Asan 100 5 78.90 0 21.10
141 Hanam 20 3 15.78 0 4.22
142 Jeongseon 20 2 15.78 0 4.22
143 Danyang 20 2 15.78 0 4.22
144 Muju 20 1 15.78 0 4.22
145 Hamyang 20 1 15.78 0 4.22
1) F13: Assistance waterworks (EA)
2) F14: Pumped storage (EA)
Table 7 Adaptability vulnerability assessment results
기상영향, 농업용수공급, 사회⋅환경적 인자, 적응능력 인 자 4가지의 농업가뭄 취약성 평가 항목을 통해 전국 167개 시군의 농업가뭄 취약성을 평가하였다. Table 8는 각 중분류 항목의 등급별 비율과 공백지역의 비율을 나타내었다. 기상 영향 항목은 B등급 지역이 0.47로 가장 높았으며, 가장 취약 한 지역이 0.03으로 가장 낮았다. 농업용수공급 항목에서 저 수지가 없는 지역은 0.2이며, B등급이 0.37로 가장 높았다. 사 회⋅환경적 항목의 농경지 공백지역은 0.11이며, A등급 지역 이 0.52로 가장 높았고, 적응능력 항목 또한 0.47로 A등급 지 역이 가장 높은 비율을 나타냈다. 각 항목별 공백지역은 종합 등급 산정 시 농업가뭄 취약성 평가가 어렵다고 판단하여 B 등급 이상으로 산정하였다.
Rate A B C D E Blank
Meteorological data 0.08 0.47 0.21 0.21 0.03 - Agricultural reservoir data 0.16 0.37 0.19 0.07 0.02 0.20
Social data 0.52 0.20 0.08 0.07 0.01 0.11 Adaptability data 0.47 0.23 0.06 0.02 0.08 0.13 Table 8 Classification ratio and blank area by factor
전국 167개 시군을 대상으로 농업가뭄 취약성 평가 결과 Table 9과 같이 강화 63.75, 나주 67.01, 담양 67.72로 취약성이 가장 높은 지역으로 나타났다. 취약한 지역 모두 적응능력 항 목에서 높은 점수를 나타냈지만, 농업용수와 사회⋅환경적 항목에서 낮은 점수를 나타내면서 종합적으로 가장 취약한 지역으로 분류되었다. 농업가뭄 취약성에 안전한 시군으로 는 양구 91.02, 진안 87.98, 단양 87.80으로 나타났으며, 적응 능력 항목에서 낮은 점수를 나타냈지만, 기상영향, 농업용수, 사회⋅환경적 항목에서 높은 점수가 산정됨으로써 농업가뭄 취약성에 가장 안전한 지역으로 분류되었다. Fig. 5에서 종합 적으로 농업가뭄 취약지도를 보면 경기도와 강원도 지역보다 는 경상도와 전라도 지역에서 C등급과 D등급의 비율이 높음 을 알 수 있었다. 본 연구에서 가장 높은 가중치는 기상영향 (0.498)으로 종합적인 농업가뭄 취약성 판단 시 기상영향에
Rank Area Vulnerability MD1) RD2) SD3) AD4)
1 Yanggu 91.02 96.46 95.75 100 0
2 Jinan 87.98 93.62 98.68 89.92 35.78 3 Danyang 87.80 93.62 89.43 100 20.00 4 Jecheon 87.79 92.39 97.08 100 51.56 5 Suncheon 87.36 95.54 97.08 100 91.56
6 Yeosu 86.91 95.54 95.49 100 91.56
7 Gwangyang 86.37 93.62 90.28 89.92 20.00
8 Muju 86.29 95.54 90.57 100 75.78
9 Yeongju 85.90 93.62 97.08 94.40 83.12 10 Geumsan 85.52 93.62 97.08 94.62 91.56 158 Jangseong 73.14 83.93 71.65 95.52 100 159 Yeonggwang 72.86 83.93 79.81 79.73 100 160 Gyeongju 72.67 80.08 88.62 74.98 100 161 Haenam 72.33 82.84 90.05 62.16 100 162 Seosan 71.88 91.15 73.50 63.05 100 163 Iksan 71.61 85.23 77.84 66.64 83.12 164 Uiseong 69.86 79.03 86.17 65.40 100 165 Damyang 67.72 83.93 56.32 89.27 100
166 Naju 67.01 83.93 62.13 74.98 100
167 Ganghwa 63.75 91.15 38.78 73.90 100
1) MD: Meteorological data
2) RD: Agricultural reservoir data
3) SD: Social data
4) AD: Adaptability data
Ⅳ. 결 론
본 연구에서는 선제적 농업가뭄 대응을 위한 기초자료로 서 167개 시군을 대상으로 지역기반 농업용수의 가뭄 취약성 을 평가하였다. 농업 가뭄 취약성 평가지표를 선정하기 위하 여 기존 선행연구로부터 기상영향 3개, 농업용수공급 6개, 사회⋅환경적 3개, 가뭄대응/적응능력 2개의 평가항목을 선 정하였다. 14개의 각 세부항목은 축척재조정 방법을 통해 표
준화하였으며, 각 항목별 AHP 분석을 통해 가중치를 산정하 고 Percentile 방법과 등간격 척도를 통해 A등급부터 E등급까 지 등급을 산정하였다. 산정된 가중치 및 등급기준을 통해 시 군별 농업가뭄 취약성 평가를 수행하였다.
학계 및 실무의 전문가 44명에 대한 AHP 분석 결과 가중치 는 기상영향인자 (0.498), 농업용수공급인자 (0.286), 사회⋅
환경인자 (0.166), 가뭄대응/적응능력인자 (0.05) 순으로 조사 되었다. 시범지역에 적정성을 검증하기 위해 충청남도에 적 용하여 취약성을 평가한 결과 15개 시군 중 서산과 서천 지역 에서 71.88, 73.69의 값으로 가장 취약성이 높은 것으로 평가 되었다. 또한 취약성 결과와 실제 가뭄발생 대상으로 지원되 는 대책비용과의 상관성 분석을 실시한 결과 0.66으로 평가항 Fig. 5 Regional drought vulnerability assessment map based on agricultural water and reservoirs
가중치를 산정하여 가뭄대응 시 우선적으로 고려해야하는 가 뭄취약지역을 도출하였다. 하지만, 기상청에서 제공하고 있 는 종관기상관측장치의 관측자료 적용 시 167개 시군을 적용 하기에 공간적 해상도가 낮기 때문에 기상자료의 높은 정밀 성을 구축하는 것이 필요할 것으로 판단된다. 또한 가중치 산 정 부분에서 AHP 분석 결과 가중치의 값이 기상영향에 상대 적으로 높은 값을 나타냈다. 향후 가중치 산정 시 AHP 분석뿐 만 아니라 엔트로피, 델파이 기법 등 다양한 가중치 산정 방법 을 활용하여 보다 높은 신뢰성을 연구가 필요할 것으로 사료 된다. 본 연구의 결과는 선제적 가뭄 대응의 기초자료로 활용 되어 농업용수 기반의 가뭄 취약지역산정, 지역별 맞춤형 가 뭄 정보 제공의 신뢰도가 강화될 것으로 판단된다.
감사의 글
본 연구는 행정안전부 극한재난대응기반기술개발사업의 연구비 지원 (2019-MOIS31-010)에 의해 수행되었습니다.
REFERENCES
1. Ahn, S. R., J. Y. Park, I. K. Jung, S. J. Na, and S. J. Kim, 2009. Hydrological drought assessment of agricultural reservoirs based on SWSI in Geum river basin. Journal of the Korean Society of Agriculture Engineers 51(5): 35-49 (in Korean). doi:10.5389/KSAE.2009.51.5.035.
2. Go, J. G., and H. S. Kim, 2009. A study on vulnerability assessment to climate change in Gyeonggi-Do, 1-1. Gyeonggi Research Institute.
3. Hong, E. M., W. H. Nam, J. Y. Choi, and Y. A. Pachepsky, 2016. Projected irrigation requirements for upland crops using soil moisture model under climate change in South Korea. Agricultural Water Management 165: 163-180. doi:
10.1016/j.agwat.2015.12.003.
4. Intergovernmental Panel on Climate Change (IPCC), 2001.
the spatial distribution of agricultural droughts. Journal of the Korean Society of Agricultural Engineers 61(2): 105-115 (in Korean). doi:10.5389/KSAE.2019.61.2.105.
7. Jang, M. W., S. J. Kim, S. J. Bae, S. H. Yoo, K. H. Jung, and S. W. Hwang, 2019. Assessing vulnerability to agricultural drought of pumping stations for preparing climate change.
Journal of the Korean Society of Agricultural Engineers 61(6): 31-40 (in Korean). doi:10.538 9/KSAE.2019.61.6.031.
8. Kim, C. H., 2019. Climate change vulnerability assessment of agricultural reservoirs using proxy variables. Ph.d. diss., Konkuk University.
9. Kim, S. J., S. J. Bae, J. Y. Choi, S. P. Kim, S. K. Eun, S. H. Yoo, T. I. Jang, N. Y. Goh, S. W. Hwang, S. J. Kim, T. S. Park, K. H. Jeong, and S. H. Song, 2018. Analysis on the impact of climate change on the survey of rural water district and agricultural production infrastructure. Journal of the Korean Society of Agricultural Engineers 60(5): 1-15 (in Korean). doi:10.5389/KSAE.2018.60.5.001.
10. Kim, S. J., S. M. Kim, and S. M. Kim, 2013. A study of the vulnerability assessment for agricultural infrastructure using principal component analysis. Journal of the Korean Society of Agricultural Engineers 55(1): 31-38 (in Korean).
doi:10.5389/KSAE.2013.55.1.031.
11. Kim, S. H., M. H. Lee, and D. H. Bae, 2016. Estimation and assessment of natural drought index using principal component analysis. Journal of Korea Water Resources Association 49(6): 565-577 (in Korean). doi:10.3741/JKWR A.2016.49.6.565.
12. Korea Rural Community Corporation (KRC), 2018. A study on survey of impact of climate change on rural water supply and enhancement of vulnerability assessment methodology.
Naju, Jeonnam (in Korean).
13. Lee, C. W., H. J. Shin, M. S. Kwon, G. M. Lee, S. H. Nam, and M. S. Kang, 2019. An approach to drought vulnerability assessment using TOPSIS method. Journal of the Korean
Association of Geographic Information Studies 22(4): 102- 115 (in Korean). doi:10.11108/kagis.2019.22.4.102.
14. Lee, S. J., J. D. Song, T. I. Jang, D. M. Sul, and J. K. Son, 2018. A study on the derivation of the user-oriented agricultural drought assessment criteria using the AHP technique. Journal Of The Korean Society Of Rural Planning 24(4): 47-55 (in Korean). doi:10.7851/Ksrp.2018.24.4.047.
15. Lee, Y. H., Y. J. Oh, C. S. Na, M. H. Kim, K. K. Kang, and S. T. Yoon, 2013. Vulnerability assessment on spring drought in the field of agriculture. Climate Change Research 4(4): 397-407 (in Korean).
16. Ministry of Land Infrastructure and Transport (MLIT), 2002.
2001 Drought record research report. Sejong, Korea.
17. Ministry of Environment (ME), 2016. Drought vulnerability assessment and limited water supply guidelines. Sejong, Korea.
18. Mun, Y. S., W. H. Nam, T. G. Kim, E. M. Hong, and C.
Y. Sur, 2020. Evaluation and comparison of meteorological drought index using multi-satellite based precipitation products in East Asia. Journal of the Korean Society of Agricultural Engineers 62(1): 85-95 (in Korean). doi:10.5389/
KSAE.2020.62.1.085.
19. Myong, S. J., 2010. Assessing vulnerability to climate change of the pysical infrastructure and developing adaption measures in Korea Ⅱ, 53. green growth study 2010-13, City Hall-daero, Sejongsi, Korea: Korea Environment Institute.
20. Nam, W. H., E. M. Hong, and J. Y. Choi, 2014. Uncertainty of water supply in agricultural reservoirs considering the climate change. Journal of the Korean Society of Agricultural Engineers 56(2): 11-23 (in Korean). doi:10.5389/KSAE.2014.
56.2.011.
21. Nam, W. H., J. Y. Choi, M. W. Jang, and E. M. Hong, 2013. Agricultural drought risk assessment using reservoir drought index. Journal of the Korean Society of Agricultural Engineers 55(3): 41-49 (in Korean). doi:10.5389/KSAE.2013.
55.3.041.
22. Nam, W. H., M. J. Hayes, D. A. Wilhite, and M. Svoboda, 2015. Projection of ttemporal trends on drought characteristics using the standardized precipitation evapotranspiration index (SPEI) in South Korea. Journal of the Korean Society of Agricultural Engineers 57(1): 37-45 (in Korean). doi:10.
5389/KSAE2015.57.1.037.
23. Park, Y. K., W. Y. Cha, J. S. Kim, and S. D. Kim, 2017.
Metropolitan socio-economic disaster vulnerability assessment.
Journal of the Korean Society of Hazard Mitigation 17(1):
353-364 (in Korean). doi:10.9798/KOSHAM.2017.17.1.353.
24. Rosenberg, N. J., 1979. Drought in the great plains-Research on impact and strategies. In Proceedings of the Workshop on Research in Great Plains Drought Management Strategies, 26-28, University of Nebraska, Lincoln, NE.
25. Saaty, T. L., 1980. The Analytic Hierarchy Process, New York: McGraw-Hill.
26. Seo, S. S., D. G. Kim, K. H. Lee, H. S. Kim, and T. W.
Kim, 2009. Estimation of drought damage based on agricultural and domestic water use. Journal of Wetlands Research 11(2): 77-87 (in Korean).
27. Shin, J. H., 2018. Analysis of drought vulnerable areas using neural-network algorithm. Ph.d. diss., Sungkyunkwan University.
28. Shin, H. J., J. Y. Lee, S. M. Jo, S. M. Jeon, M. S. Kim, S. S. Cha, and C. G. Park, 2019. Vulnerability evaluation of groundwater well efficiency and capacity in drought vulnerable areas. Journal of the Korean Society of Agricultural Engineers 61(6): 41-53 (in Korean). doi:10.5389/
KSAE.2019.61.6.041.
29. Svoboda, M., D. LeComte, M. Hayes, R. Heim, K. Gleason, J. Angel, B. Rippey, R. Tunker, M. Palecki, D. Stooksbury, D. Miskus, and S. Stephens, 2002. The drought monitor.
Bulletin of the American Meteorological Society 83(8):
1181-1190. doi:10.1175/1520-0477-83.8.1181.
30. Tadesse, T., J. F. Brown, and M. J. Hayes, 2005. A new approach for predicting drought-related vegetation stress:
Integrating satellite, climate, and biophysical data over the U.S. central plains. ISPRS Journal of Photogrammetry &
Remote Sensing 59(4): 244-253. doi:10.1016/j.isprsjprs.2005.
02.003.
31. United Nations Development Programme (UNDP), 2005.
Adaptation policy frameworks for climate change: Developing strategies, policies and measures. Cambridge: Cambridge University Press.
32. Xia, Y., M. B. Ek, C. D. Peters-Lidard, D. Mocko, M, Svoboda, J. Sheffield, and E. F. Wood, 2014. Application of USDM statistics in NLDAS-2: Optimal blended NLDAS drought index over the continental United States. Journal of Geophysical Research: Atmosphere 119: 2947-2965. doi:
10.1002/2013JD020994.
33. Yang, J. S., J. H. Park, and N. K. Kim, 2012. Development of drought vulnerability index using trend analysis. Journal of the Korean Society of Civil Engineers 32(3): 185-192 (in Korean). doi:10.12652/Ksec.2012.32.3B.185.
