서 론
우리나라의 시설농업은 1990년대 정부의 시설현대화 정책을 발판으로 자동화 플라스틱온실, 경질판 온실, 유 리온실 등 인위적인 환경 조절 및 관리가 가능하게 발 전되어 왔다 (Choi 등 2014). 그러나 구조적 설계와 시 설에 대한 기술이 발전하고 있음에도 불구하고 온실은 폭설 및 태풍과 같은 자연재해에 취약하며, 매년 큰 재 산피해가 발생하고 있는 실정이다.
국내에서는 이러한 자연재해에 대한 피해를 경감시키고 방지하기 위해 원예시설의 구조적 안정성 확보를 위한 설 계 또는 유지관리 지침서 그리고 내재해형 온실 설계에 대한 연구가 이루어지고 있다. Lee 등 (2013)은 단동 비닐 하우스의 구조적인 안정성을 검토하기 위해 구조해석 평 가를 한 바 있으며, 서까래 간격, 최대 단면적, 휨 모멘트 등을 고려하여 안전한 설계 풍속 및 적설심을 도출한 바 있다. Nam과 Ko (2013)는 과수별 재배온실의 구조실태를 조사하여 구조형태와 설계요소를 분석하였으며, 풍속과 적 설에 대한 안정성을 검토한 바 있다. 그러나 구조적 안정 성에 집중된 온실의 설계나 기존의 내재해형 온실의 경우 자연재해에 대한 피해를 경감시키거나 예방할 수는 있으 나 비용측면에서 농가에 많은 부담으로 작용할 수 있으며, 또한 일반농가가 자체적으로 시설을 개선 및 보완하기에 는 여러 가지 한계가 있다. 따라서 자연재해가 발생하는 근본적인 요인인 기상과 이상기후 현상에 대한 정량적인 분석을 통해 시설재배에 취약한 지역을 분류하고 피해를 사전에 최소화할 수 있는 대책수립 및 관리가 필요하다.
최근에는 시설의 설계풍속 및 설계적설심을 산정하고, 그 안정성을 평가하는 연구가 이루어지고 있으며, 이러 한 연구배경에는 기상청에서 장기간의 기상자료를 지역 별로 손쉽게 제공받을 수 있고 이와 함께 Matlab, Fortran, R program 등과 같은 코딩프로그램의 이용은 다양한 기후인자의 산출 및 정량적인 분석을 가능하게 해주기 때문이다. 온실설계에 대한 안정성을 평가하기 위해 기상자료를 분석한 연구 사례로 Yun 등 (2013a)은 간척지 내 온실 설계를 위해 장기간의 기상자료를 지역 별로 수집하고 재현기간별 설계풍속 및 적설심을 산정한 바 있다. 그리고 Yun 등 (2013b)은 전국을 대상으로 연 속 20년 이상의 기상자료를 보유하고 있는 총 72개 시 군지역의 자료를 수집하였으며, 온실 설계를 위한 재현 기간별 설계풍속 및 적설심을 산정하였다. 그리고 72개 지역 이외의 지역에 대해서는 보간법을 이용하여 설계풍 속 및 적설심 산정을 하였다.
이 밖에도 재해와 관련된 다양한 대리변수의 통계자료 를 수집하여 시설재배 지역의 취약성을 평가하는 연구가 진행되고 있으며, 특히 GIS (Geographic Information System)을 활용하여 기상자료의 공간적 분석을 수행하고 이를 지도로 작성하는 연구가 많이 이루어지고 있다. Yoon 등 (2013)은 기후변화에 따른 시설재배 지역의 취 약성을 평가하기 위해 대리변수를 선정하고 전국 시군구 별 기상자료와 통계자료를 수집하여 취약성 지수를 산정 하였다. Kim 등 (2015)도 태풍과 관련된 극한기상의 취 약성 지수를 정량화하기 위해 전국 시군구를 대상으로 VRI (Vulnerability Resilience Index) 기법을 이용한 취 약성 평가를 수행한 바 있다. 그리고 Kang 등 (2016)은 새만금 지역의 시설재배 적지를 분석하기 위해 2014년 1년간의 기상자료를 이용하여 산정한 기상인자를 지도로 작성하고 이를 중첩하여 시설재배의 적지를 제안하였다.
이상의 기존 연구들을 검토해 보면 시설재배 지역의 자연재해에 대한 피해를 정량화하기 위해서는 시설의 구 조적 안정성에 큰 영향을 주는 폭설, 강풍, 태풍 등과 같은 극한기상에 대한 대리변수들을 이용하여 취약성을 평가할 필요가 있다. 그리고 시설재배의 취약지역을 더 세분화하여 검토하기 위해서는 기존의 연구에서는 고려 되지 않았던 국내 시설재배의 면적과 대리변수의 공간적 인 분포에 대한 비교가 필요할 것으로 판단된다. 따라서 본 연구에서는 시설재배의 기상재해 취약지역을 평가하 기 위해 전라남북도를 대상지역으로 강풍과 폭설에 대한 대리변수를 선정하고 GIS를 이용하여 강풍과 폭설로 인 한 시설재배 지역의 취약 정도를 정량적으로 분석하였다.
재료 및 방법
1. 연구지역
본 연구에서는 대상지역으로 광주광역시를 포함한 전 라남북도를 선정하였다. 대상지역은 강원도와 경상도와 비교하여 상대적으로 표고가 낮다. 그리고 국가통계포털 (Korea Statistical Information Service, KOSIS)에 따르면 2015년 기준으로 전국 농업면적은 1,679,023 ha이며, 이 중 전라남북도 및 광주광역시의 농업면적은 518,619 ha 로 전국 농업면적의 30.9%를 차지하고 있다 (KOSIS, 2017). 특히 전라북도에 위치한 새만금 지역은 간척지 면적의 약 70% 정도가 농업지역으로 이용될 예정이다. Fig. 1은 대상지역인 전라도와 광주광역시의 행정구역도 를 나타낸 것이며, 기상관측소의 위치와 시설재배 면적 을 포함하고 있다. 전라도와 광주광역시에 위치하는 모 든 기상관측소에서 기상자료를 수집하였으며, 또한 전라 도와 접경지역인 대전, 부여, 보령, 금산, 거창, 함양, 산 청, 진주, 남해 등 9곳의 기상관측소도 추가하였다. 연구 지역의 시설재배 면적은 국가공간정보포털 (National Spatial Data Information, NSDI)에서 제공되는 2009년 기준 중분류 토지피복도에서 230번으로 분류된 하우스 재배시설 자료를 나타낸 것이다 (NSDI. 2016).
Table 1은 농촌진흥청 (Rural Development Administration, RDA) 조사한 시설재배 면적자료 (2007년 기준)와 국토지리정보원에서 제공하는 토지피복도의 하우스 재배 시설 면적을 함께 비교하여 나타낸 것이다. 우선 농촌진 흥청에서 조사된 시설면적의 경우 각 지자체에 위치한 농업기술센터에서 현장조사를 통해 작성된 시설재배 면 적이며, 국토지리정보원에서 제공되는 시설면적의 경우 위성영상을 분석하여 GIS로 나타낸 시설재배 면적이다. 두 자료를 비교하였을 때, 전라남도는 2,221.5 ha, 전라 북도는 2,193 ha, 그리고 광주광역시는 356.9 ha의 차이 를 나타내었다. 이상과 같이 환경부 및 농촌진흥청에서 조사한 두 자료를 이용하여 대상지역의 시설재배면적을 서로 비교한 결과, 많은 차이를 보였다.
Table 1.
Comparison of protected cultivation areas between NSDI and RDA
2. 자료수집
대상지역의 총 34개 기상관측소에 대하여 1980년부터 2015년까지 일 기상자료를 수집하였으며, 이 중 연속된 자료가 15년 이상인 23개 관측소를 선정하여 최대순간 풍속과 적설심 자료를 6개의 대리변수 산정에 이용하였 다. 기상재해를 분석하기 위해 Kim 등 (2015)과 Yoon 등 (2013)이 제시한 대리변수를 참고하여 Table 2과 같 이 선정하였다. 시설재배 피해에 대한 대리변수는 강풍 과 폭설로 구분하였는데, 이는 하우스 시설 재해기록에 서 태풍, 강풍, 풍랑, 대설 그리고 폭풍 등이 주된 재해 원인이기 때문이다(NDIC, 2016). 풍속과 관련된 변수는 연 최대순간풍속 (Wmax)과 기상청 위험기상정보포털에서 정의하는 강풍발생 주의보 기준을 참고하여 최대순간풍 속이 14m/s 이상인 날의 횟수 (W14) 그리고 재현기간 100년 빈도의 최대순간풍속 (W100)을 선정하였다. 적설 과 관련된 변수는 연평균 적설량 (Mean annual snowfall, MAS)과 기상청 위험기상정보포털에서 정의하 는 대설경보 기준을 참고하여 일 적설심이 20cm 이상인 날의 횟수 (S20) 그리고 재현기간 100년 빈도의 적설심 을 선정하였다 (S100). 농림부의 내재해형온실에 대한 설 계기준은 지역별 재현기간 30년에 해당하는 설계풍속과 적설심 이상으로 설계해야 하나 본 연구에서는 더 큰 안정성을 고려하기 위해 재현기간 100년 빈도의 최대순 간풍속과 적설심을 선정하였다. 100년 빈도의 최대순간 풍속과 적설심은 Yun 등 (2013b)의 논문에서 참고하였 다. 나머지 대리변수는 Matlab 프로그램을 이용하여 연 도별로 추출하고 평균하였다.
Table 2.
Proxy variables used in the study area.
| Variables | List of variables | References |
|---|---|---|
| Wind speed (m/s) | Daily maximum wind speed (Wmax) | Kim et al., 2015 |
| Yoon et al., 2013 | ||
| Number of days with over 14 m/s of | Kim et al., 2015 | |
| wind speed (W14) | Yoon et al., 2013 | |
| Wind speed of return period for 100 years (W100) | Yun et al., 2013b | |
| Snow depth (cm) | Mean annual snowfall (MAS) | Yoon et al., 2013 |
| Number of days with over 20 cm of snowfall (S20) | Yoon et al., 2013 | |
| Snowfall of return period for 100 years (S100) | Yun et al., 2013b | |
과거 재해기록은 국가재난정보센터 (National Disaster Information Center, NDIC)에서 제공되는 2000년부터 2014년까지의 재해기록을 사용하였으며 (NDIC, 2016), 이 재해기록 중에서 본 연구에서는 대상지역 내 시설재 배면적의 3%에 해당하는 300 ha 이상의 피해면적 자료 를 수집하였다. 이에 해당되는 년도는 2002년, 2005년 및 2012년 등이다. 전라남도는 2002년에 총 시설재배 재해피해 면적이 108 ha이며, 고창군이 55.4 ha로 가장 많은 피해를 입었다. 2005년에 총 피해면적은 477 ha이 며, 고창군이 265.4 ha로 가장 많은 피해를 입었다. 그 리고 2012년에 총 피해면적은 386 ha이며, 고창군이 109 ha로 가장 많은 피해를 입어 전남에서는 고창군이 재해에 가장 취약한 지역인 것을 알 수 있었다. 전라북 도는 2002년에 총 시설재배 재해피해 면적이 174 ha이 며, 신안군이 42.1 ha로 가장 많은 피해를 입었다. 2005 년에 총 피해면적은 626 ha이며, 영암군이 161.5 ha로 가장 많은 피해를 입었다. 그리고 2012년에 총 피해면적 은 662 ha이며, 나주시가 99 ha로 가장 많은 피해를 입 어 전북에서는 해안지역인 신안군을 중심으로 그 주변지 역들이 자연재해에 취약한 것을 알 수 있었다. 광주광역 시는 2002년, 2005년 및 2012년에 총 시설재배 재해피 해 면적이 각각 113 ha, 136 ha 및 222 ha로 나타났다. Fig. 2는 시군별로 재해기록의 분포를 나타낸 것이다. Fig. 2에 나타난 바와 같이, 광주광역시와 전라도 북서쪽 해안지역들이 재해피해에 취약한 것으로 나타났다. 갈수 록 재해피해가 심해지는 것으로 나타나며 특히, 2012년 의 경우는 내륙을 포함하여 전체적으로 피해를 입은 것 으로 나타났고 이는 최근 들어 급증하는 이상기후들과 관련이 있을 것으로 판단된다.
3. 평가방법
본 연구에서는 기상자료를 공간적으로 분석하기 위해 ArcGIS (Ver. 10.2.2, ESRI, USA)를 사용하였다. 총 34개 기상관측소의 위치좌표로 Point 자료를 생성하였 으며, 각 기상관측소별 대리변수들은 Kriging 보간법을 이용하여 분포지도를 작성 (cell size: 0.5 km × 0.5 km)하였다. Kriging 보간법을 선정한 이유는 전체적인 경향과 분포를 나타내는데 적합하기 때문이다. 작성된 6가지 분포지도는 동일한 스케일을 적용하기 위해 Reclassify 툴을 이용하여 Quantile 방법 (자료양 간격 에 따른 분류)으로 최소값부터 최대값까지 1~100으로 분류하고, Raster calculator 툴을 이용하여 지도 6개를 중첩하였다. 이 과정에서 가중치는 별도로 없으며, 중첩 지도는 Table 3과 같이 분류된 값의 범위에 따라 취약 등급별로 분류하였다. 취약지수가 매우 높은, 높은, 보 통, 약간 안전 그리고 안전 등으로 총 5등급으로 분류 하였다.
결과 및 고찰
1. 대리변수 산정 결과
Fig. 3은 23개 기상관측소에서 관측된 1980년부터 2015년 동안의 일 기상자료를 이용하여 연도별로 산정 한 대리변수 결과를 Boxplot 그래프로 나타낸 것이다. 연 최대순간풍속(Wmax)은 전라남도에서는 여수, 전라북 도에서는 군산이 상대적으로 높게 나타났으며, 최대순간 풍속이 14m/s 이상인 날의 횟수 (W14) 또한 여수 및 군 산이 평균 60~20회 정도로 높게 나타나 해안지역을 중 심으로 높게 나타나는 것을 확인하였다. 적설심의 경우 관측된 자료가 있으나 20cm가 넘지 않은 연도의 경우는 그 값을 ‘0’으로 산출하였다. 연평균 적설심 (MAS)은 정읍 및 임실 등 내륙지방에서 상대적으로 높게 나타났 다. 적설심이 20cm 이상인 날의 횟수 (S20)는 정읍, 임 실, 부안 그리고 장수 등으로 나타났으며, 그 외의 다른 지역은 거의 없는 것으로 나타났다.
Table 4는 시군별로 재현기간 100년 빈도의 최대순간 풍속과 적설심을 나타낸 것이다. 이는 Yun 등 (2013b)이 온실설계를 위한 재현기간별 최대순간풍속 및 적설심 산 정 연구에서 참고한 것이다. 최소 연속 20년 이상의 기 상자료로 재현기간별 최대순간풍속과 적설심을 산정하였 으며, 대상지역의 각 시군별로 자료를 확보하였다.
Table 4.
Regional design wind speed and snow depth based on 100-year recurrence.
Fig. 4는 대상지역에서 총 6개의 대리변수에 대한 분 포특성을 알아보기 위해 작성한 지도로 위의 평가방법에 서 기술한 바와 같이 최소값부터 최대값까지 1~100동일 한 스케일로 분류된 지도이다. 분포도를 살펴보면 풍속 에 관련된 대리변수는 내륙보다 해안을 중심으로 높게 분포하는 것으로 나타났으며, 적설에 관련된 대리변수는 대상지역 중앙을 기준으로 부안군 및 김제시가 포함된 북서쪽 지역이 높게 나타났다.
Table 5는 지역별로 산정된 대리변수들에 대한 기술통 계를 나타낸 것이다. 전라남북도의 경우 지역별 대리변 수에 대한 최대 및 최소를 나타냈으며, 광주광역시는 해 당 관측소의 대리변수 값만 나타내었다. 연 최대풍속 (Wmax)과 최대순간풍속이 14m/s 이상인 날의 횟수 (W14)는 여수 관측소에서 32.3m/s, 118.1회로 가장 높게 나타났으며, 주암 (순천) 관측소와 정읍 관측소에서 각각 16.0m/s, 2.6회로 가장 낮게 나타났다. 재현기간 100년 빈도의 최대순간풍속 (W100)은 완도군이 46.1m/s로 가장 높았고, 남원시가 25.5m/s로 가장 낮게 나타났다. 연평균 적설량 (MAS)과 적설심이 20cm 이상인 날의 횟수 (S20)는 정읍 관측소에서 232.9cm, 2.7회로 가장 높게 나 타났으며, 여수 관측소에서 5.1cm, 0회로 가장 낮게 나 타났다. 재현기간 100년 빈도의 적설심 (S100)은 정읍시 가 69.2cm로 가장 높았고, 여수시가 14.9cm로 가장 낮 게 나타났다. 각 대리변수들의 평균은 Wmax, W14, W100, MAS, S20 그리고 S100가 각각 23.0 m/s, 36.5회, 33.6 m/s, 103.1cm, 0.7회 그리고 39.5cm로 나타났다. 변동계 수 (Coefficient of Variance, CV)를 산정하여 대리변수 들의 지역적 변동 차이를 분석하였다. Wmax, W14, W100, MAS, S20 그리고 S100가 각각 22.8%, 103.3%, 16.4%, 71.1%, 119.3% 및 33.6%로 나타나 W14, MAS 그리고 S20은 상대적으로 지역적 변동성이 큰 것으로 나타났다.
Table 5.
Descriptive statistics for the proxy variables of this study.
2. 시설재배 취약지역 평가
Fig. 5는 기상학적 자연재해에 대한 취약지역을 분석 하기 위해 풍속과 적설심에 대한 대리변수 지도들을 중 첩하여 최종적으로 작성한 지도이다. 내륙에 위치한 지 역은 상대적으로 안전하며, 서해안에 위치한 지역은 상 대적으로 취약한 것으로 나타났다.
Table 6은 Fig. 5의 결과를 이용하여 각 취약 단계에 포함되는 총 면적을 각 시군별로 구분하여 제시한 것이 다. 취약 5단계(매우 취약)에 포함되는 지역과 그 면적 비율은 전라북도에서 고창군(69.4%), 군산시(100%), 김 제시(23.6%) 그리고 부안군(35.59%)로 나타났으며, 전라 남도에서는 나주시(42.7%), 목포시(100%), 무안군 (99.9%), 신안군(62.6%), 영광군(99.5%), 영암군(12.2%), 완도군(8.2%), 장성군(43.0%), 함평군(100%) 그리고 해 남군 (21.1%)으로 나타났다. 취약 1단계(안전)에 포함되 는 지역과 그 면적비율은 전라북도에서 남원시(72.2%), 무주군(100%), 완주군(7.7%), 장수군(19.9%), 그리고 진 안군(39.9%)으로 나타났으며, 전라남도에서는 고흥군 (17.6%), 곡성군(66.0%), 광양시(96.6%), 구례군(100%), 보성군(30.2%), 순천시(91.4%) 그리고 화순군(17.8%)으 로 나타났다. 광주광역시는 취약 1단계에 포함되는 면적 은 없는 것으로 나타났으며, 취약 5단계의 면적비율이 21.4%로 나타났다.
Table 6.
Regional vulnerability to meteorological disaster based on the vulnerable assessment of this study.
3. 과거 재해기록과 취약면적의 비교분석
Table 7은 Fig. 5의 해당 취약단계에 포함되는 시설재 배 면적을 각 시군별로 나타내었으며, Fig. 2의 국가재 난정보센터에서 수집한 2002, 2005 및 2012년에 발생된 하우스 재해피해 면적을 나타낸 것이다. 그리고 실제 재 해기록과 비교하기 위해 각 취약단계별로 해당 시설재배 면적을 구분하여 나타내었다. 취약 5단계(매우 취약)에 포함되는 지역과 그 면적비율은 전라북도에서 군산시 (100%) 및 김제시 (19.3%)로 나타났으며, 전라남도에서 는 목포시 (100%), 무안군 (100%), 신안군 (94.4%), 영광 군 (100%), 영암군 (3.6%), 장성군 (38.5%), 함평군 (100%) 그리고 해남군 (13.1%)으로 나타났다. 취약 1단 계(안전)에 포함되는 지역과 그 면적비율은 전라북도에서 남원시 (62.9%), 무주군 (100%), 진안군 (29.7%)으로 나 타났으며, 전라남도에서는 고흥군 (21.6%), 곡성군 (71.5%), 광양시 (100%), 구례군 (100%), 보성군 (100%), 순천시 (82.1%), 화순군 (2.5%)으로 나타났다. 광주광역 시는 취약 5단계의 면적비율이 6.7%로 나타났다.
Table 7.
Regional vulnerability of protected cultivation area based on the vulberalbe assessment of this study.
2000년대에 자연재해로 인해 30 ha 이상 하우스 피해 를 입은 시군을 살펴보면, 전라북도에서 고창군, 부안군, 완주군, 정읍시로 나타났으며, 전라남도에서는 강진군, 곡성군, 나주시, 담양군, 신안군, 영광군, 영암군, 장성군, 함평군, 해남군으로 나타났다. 그리고 광주광역시도 속하 는 것으로 나타났다. 본 연구에서 작성한 취약지도와 비 교하였을 때, 앞에서 취약한 시군으로 나타난 광주광역시, 나주시, 영암군, 장성군, 함평군 그리고 해남군 등이 실제 재해기록과 비슷한 양상을 보이는 것으로 나타났다. 그러 나 군산시, 김제시, 목포시 그리고 무안군 등 총 4개의 시군에서는 기상조건이 취약한데도 불구하고 재해피해 기록이 30ha 이하인 것으로 나타났다. 이는 지역적으로 상이한 온실의 구조적인 설계 및 관리측면과 관련이 있 을 것으로 판단이 되며, 향후 관련연구가 필요할 것으로 판단된다.
본 연구에서 고려된 대리변수들은 각 대리변수들의 특 성에 따라 실제 기상재해와 관련되어 온실에 끼치는 영 향은 서로 다르다. 그러나 본 연구에서는 관련 연구의 부재로 대리변수들에 대하여 별도의 가중치를 적용하지 않고 각 대리변수들을 중첩하여 기상재해에 대한 취약성 을 평가하였기 때문에 본 연구의 대상지역 내에서만 그 취약성에 대하여 상대적인 비교와 분석이 가능하며, 이 는 본 연구의 한계이다. 따라서 향후 더 구체적인 접근 을 통하여 대리변수들에 대한 객관적인 분류방법 그리고 중첩분석시 대리변수들에 대하여 적절한 가중치 적용에 대한 연구가 필요할 것으로 판단된다.
