The Analysis of Volcanic-ash-deposition Damage using Spatial-information-based Volcanic Ash Damage Sector and Volcanic Ash Diffusion Simulation of Mt. Aso Volcano Eruption Scenario

공간정보 기반의 국내 화산재 피해 분야와 아소산 화산재 모의 확산 시나리오를 활용한 화산재 누적 피해 분석

Abstract

Estimating damage in each sector that can be caused by volcanic ash deposition, is very important to prepare the volcanic ash disaster. In this study, we showed predicted-Korean-volcanic-ash damage of each sector by using volcanic ash diffusion simulation and spatial-data-based volcanic ash damage sector in previous study. To this end, volcanic ash related base maps were generated by collecting and processing spatial information data. Finally, we showed Korean-volcanic-ash-deposition damages by sector using the collected Mt. Aso volcanic ash scenarios via overlapping analysis. As a result, volcanic-ash-related damages were expected to occur in the 162 and 134 districts for each Aso volcanic ash scenarios, since those districts exceeds the minimum volcanic ash damage criterion of 0.01 mm. Finally, we compared possible volcanic ash damages by sectors using collected and processed spatial data, after selecting administrative districts(Scenario 190805- Kangwon-do, Kyungsangbuk-do; Scenario 190811-Chuncheon-si, Hongcheon-si) with the largest amount of volcanic ash deposition.

화산재 누적에 따라 발생할 수 있는 각 분야별 피해를 산정하는 것은 화산재 재해를 대비하는 측면에서 매우 중요하다. 본 연구에서는 기존 연구에서 제시된 공간정보 기반의 국내 화산재 피해 분야에 대하여 아소산 화산재 모의 확산 시나리오를 적용하여 각 분야에서 발생할 수 있는 화산재 피해의 정도를 나타냈다. 이를 위하여 기존의 사례 연구를 통하여 제시된 국내 화산재 피해 분야와 관련된 공간정보 자료를 수집하고 가공함으로써 화산재 피해 기반자료를 생성하였다. 수집된 두 개의 아소산 화산 모의 분화 시나리오를 활용하여 중첩분석을 통해 분야별 피해를 나타냈다. 그 결과 각 분화 시나리오에 대하여 162개, 134개 시군구에서 강회 피해 최소 기준인 0.01 mm 이상의 강회량에 따라 피해가 발생할 것으로 예상되었다. 가장 강회량이 많은 행정구역(시나리오 190805-강원, 경북; 시나리오 190811-춘천, 홍천)을 선정하여 발생 가능한 분야별 피해의 정도를 수집 가공한 공간정보 자료를 활용하여 서로 비교하였다.

1. 서론

화산재는 다른 화산성 쇄설류와는 달리 짧은 시간의 인명 및 재산 피해를 야기하지는 않는다. 하지만 방출된 화산재는 당시의 기상장에 따라서 매우 광범위한 영역에 확산하며, 중력에 의하여 지표 상에 누적됨에 따라 다양한 분야에 장기적인 피해를 끼칠 수 있다(MOIS, 2018; Kang et al., 2014; Han et al., 2019). 해외 사례를 분석하였을 때에 화산재의 누적에 따라 발생 가능한 피해는 보건, 건물, 도로, 철도, 항공, 전력, 수도, 농업, 토양, 산림, 상업, 수산, 통신, 의료, 축산, 관광의 총 16개로 분류 가능하다(Horwell and Baxter, 2006; Jiang et al., 2013; Blong et al., 2017; Han et al., 2019; Hasegawa et al., 2015; Lee et al., 2014; Lee et al., 1996). 이상의 16개 피해 분야는 화산재의누적량이 많아질 수록 피해가 가중되며, 심한 경우에는 각 분야에 대하여 괴멸적인 피해가 발생하기도 한다. 이 때문에 많은 국가에서는 화산재의 강회량(降灰量)에 따라서 발생할 수 있는 피해를 국가적 차원에서 정리하고 피해에 대한 수준을 산정하여 제시함으로써 그 피해를 저감하고자 노력해왔다(MOIS, 2018; Kang et al., 2014; Hasegawa et al., 2015; Embrey and Dion, 1988; Lee et al., 1996).

우리 나라의 경우에도 비록 접근불능지역에 인접하고 있는 백두산을 제외하고는 대형 화산 쇄설류에 의한 직접적인 화산 피해를 끼칠 화산은 존재하지 않는다. 하지만 백두산을 포함한 네 개의 화산(아소산, 사쿠라지마화산, 키카이화산)이 반경 수도권 및 남해안을 기준으로 하여 반경 500 km에 위치하고 있다(Yun et al., 2016). 따라서 기상 상황과 화산재의 분출량에 따라서 화산재가 한반도 내로 유입될 수 있다. 즉 화산재 강회의 경우 한반도 주변의 4개 화산으로부터 직접적인 영향을 받을 수 있다(Han et al., 2019; Jiang et al., 2013). 이러한 중요성에 따라 국내에서도 다양한 분야에 대한 화산재에 의한 피해를 산정하는 연구가 다수 수행되어 왔다.

Choi et al. (2014)는 황사와 미세먼지의 피해 발생 사례를 백두산 분화 사례에 따라 확산된 화산재의 농도와 연관 지어 산업, 농업 등 다양한 분야의 피해를 예측했다. Kim et al. (2014)는 백두산이 화산폭발지수(Volcanic Explosivity Index, VEI)가 V6과 V7로 분화하였을 때 상황을 가정하여 항공 분야의 피해를 산정했다. 이 연구에서는 최종적인 피해를 각 항공사의 매출 규모를 고려하여 항공산업의 경제적 피해를 산출했다. 또한 항공 수송의 지연으로 인한 산업의 간접적인 피해액을 산출했다. Ham et al. (2014)은 화산재의 하중과 축사와 비닐하우스의 저항 성능을 정규분포로 가정하여 한계 방정식을 결정하고 화산재 취약도를 계산했으며, Choi et al. (2016)은 해외 사례와 한계상태방정식을 활용하여 산출된 작물의 화산재 취약도를 활용하여 농업 분야의 피해를 예측했다(Ham et al., 2014; Yu et al., 2013). MOIS (2018)에서는 단계별로 누적되는 화산재 양에 따라서 국내에서 발생 가능한 다양한 분야의 화산재 취약성과 피해의 기준을 정리한 바 있다.

이 연구들은 각각 분야에 대한 화산재 누적에 따른 피해를 과학적으로 잘 설명해왔으나, 각각 일부 분야에 화산재 피해를 한정하여 분석하고 있다. 또한, 화산재 확산 시나리오에 따라 국내의 특정 행정구역별로 발생할 수 있는 종합적인 피해를 산정하고 비교하는 연구는 수행된 바가 없다. 한편 최근 연구에서는 해외 사례와 국내 공간정보과 국내의 환경적 특성을 고려한 화산재 피해 분야가 제시된 바 있다. 해당 내용을 활용함으로써 화산재 누적에 따른 각 행정구역의 분야별 화산재 누적 피해를 분석할 수 있다(Han et al., 2019; Choi et al., 2016).

따라서, 본 연구에서는 Han et al. (2019)에서 제시한 국내 분석 가능 피해 분야에 대하여 화산재 누적 상황에 따른 분야별 피해를 분석하고자 한다. 이를 위하여 해당 자료에서 제시한 20개의 공간정보 자료를 획득하였으며, 각 자료를 행정구역에 따라 일정한 자료 형태로 변환하였다. 한반도 전체에 대하여 충분한 양의 화산재가 유입된 전례와 그에 관한 연구는 확인하기 어려웠다. 따라서 한반도 내에 충분한 양의 화산재가 유입되는 HYSPLIT (Hybrid Single Particle Lagrangian Integrated Trajectory Model) 모델 기반의 화산재 확산 시나리오를 획득하였다(Stein et al., 2015). 이어서 중첩분석을 통하여 각 행정구역의 분야별 피해 수준을 나타냈다.

2. 연구 자료

1) 국내 화산재 피해 산정을 위한 공간정보 현황

Table 1은 Han et al. (2019)에서 제시한 해외 사례로부터 획득한 피해 사례와 관련된 국내 공간정보 현황을 나타낸다. 본 연구에서는 지난 연구에서 제시한 화산재 피해 분야와 그와 관련된 공간정보를 수집하여 기반 자료로 활용하였다. 보건 분야에서는 화산재가 국민의 건강에 직접적으로 미치는 영향을 파악하기 위해 건강보험공단의 질병 소분류 및 세분류 통계를 이용하여 화산재흡입으로 인해 발생하는 기관지 및 호흡기 질환, 천식 및 알레르기 질환, 폐, 안과 질환을 조사하고, 인구통계 자료를 이용해 실제 발생할 수 있는 인명 피해 규모를 파악하고자 했다. 건물 분야에서는 주거지역에서의 피해를 산정하기 위하여 중분류 토지피복지도에서의 주거지역의 영역 정보를 활용하였다. 화산재가 교통에 미치는 영향을 파악하기 위해 도로, 철도, 항공 분야와 관련하여 자료를 수집하였다. 전국 도로 교통망을 나타내는 전국 표준 노드 링크 자료를 수집하였으며, 각 철도 본부에서 관리하는 철도의 총 연장 길이 자료를 수집하였다. 항공 분야와 관련하여서는 화산재에 의하여 항공운항의 피해를 산정하기 위하여 각 공항 별 노선 수 정보를 수집하였다. 화산재에 의하여 전력 공급이 끊길 때의 피해량을 산정하기 위해 용도에 따른 전력 사용량 자료를 이용하였다. 지역별 배전설비 자료를 활용하여 화산재의 누적으로 인해 발생할 수 있는 변압기의 사고에 대한 정량적인 분석을 수행할 수 있다. 수도 분야와 관련해서는 전국 상수도 통계 자료를 수집하였다. 해당 자료는 수도와 관련된 다양한 통계 정보를 제공하고 있는데, 그 중 지역별 급수 및 정수 인구 현황과 수로 배관 연장 정보를 활용하였다 (Han et al., 2019). 농업 분야에서는 논과 밭, 비닐하우스 농사를 짓는 지역의 피해를 파악하기 위해 환경부에서 제공하는 중분류 토지피복지도를 활용하고자 한다. 축산 분야는 축산 농가의 피해규모를 파악하기 위해 통계청에서 제공하는 목초지 면적 현황 자료를 활용하여 화산재 누적으로 인한 목초지 오염 정도를 측정하고, 가축 동향 자료를 이용하여 국내 축산 농가에서 사육하는 가축 수를 산정하고, 강회피해에 영향을 받아 손실될 수 있는 가축 수 자료로 활용하였다. 마지막으로 산림 분야에서는 산림청에서 제공하는 임상도를 이용하여 국내 수목들이 화산재로 인해 손상되는 정도를 파악하고자 한다.

Table 1. Accessible Korean Spatial Information about Volcanic Ash Damage (Han et al., 2019)

화산재 피해를 산정하기 위하여 수집한 상기한 공간정보 자료는 통계청 국가 통계 포털, 환경공간정보서비스, 한국수자원공사, 산림청 외 8개 기관에서 각각 제공되는 자료이다. 수집한 자료의 형식은 크게 두 가지로 분류할 수 있다. Table 2는 수집한 자료의 형식을 나타낸다. 첫 번째는 CSV(comma-separated values) 형태의 자료로 각 행정구역에 대한 단순 통계형식으로 제공된다. 이들 자료는 다시 행정구역을 기준으로 시도, 시군구, 담당기관의 형태로 다시 나뉠 수 있다. 변압기 수, 급수인구, 급수관 연장, 목초지 넓이, 가축 수, 질병 별 진료자 수, 인구, 전기사용량, 공항별 노선 수, 철도연장은 CSV 형태로 획득되었다.

Table 2. Data type of Korean Spatial Information about Volcanic Ash Damage

두 번째는 좌표계가 제공되는 공간자료이다. 공간자료는 점(point), 선(line), 면(polygon)의 벡터 형태로 제공된다. 이들 자료는 행정구역에 대한 구분이 따로 없이 좌표와 형상과 속성테이블로 구성되어 있다. 동일한 좌표값이라 하더라도 사용하는 좌표계에 따라서 위치가 크게 달라진다. 따라서 화산재 확산 시나리오와의 분석을 위해 화산재 확산 시나리오와 좌표계를 일치해야 한다. 획득한 국내 공간정보 자료 중 전국표준노드링크, 임상도, 토지피복지도가 공간자료의 형태로 획득되었으며, 이 자료들은 모두 중부원점 횡단메카토르 좌표계로 제공된다(Central Datum Transverse Mercator).

2) 화산재 확산 모델

화산재의 유입에 따른 다양한 분야의 피해를 명확하게 나타내기 위하여 극단적인 상황을 가정하고 화산재유입 시나리오를 형성하였다. 2019년 8월 5일과 11일의 일본 아소산 분화 사례에 대하여 기상장 최상단 높이를 100 hPa임을 고려하여, 분연주 높이를 16 km로 가정하였다. 또한, 각각 72시간과 48시간 분화가 지속되었다고 가정하여 HYSPLIT 모델을 적용하였다(Fig. 1)(Stein et al., 2015; Lee et al., 2017).

Fig. 1. HYSPLIT model based integrated total volcanic ash deposition; extreme eruption scenarios of (a) 2019.08.05 and (b) 2019.08.11.

2019년 8월 5일 사례에서 아소산에서 분출된 화산재는 아소산의 북쪽 방면으로 대부분 확산되었다. 화산재가 북쪽 방면으로 확산되면서 아소산의 북북서쪽에 있는 한반도에도 다량 유입되었다. 아소산의 북쪽 방면은 동해가 있어 다량의 농축에 의한 육지에서의 피해는 발생하지 않을 것으로 판단된다. 하지만, 경상북도와 강원도 일부 지역에서 최대 약 100 g 이상의 누적이 확인되었다. 뿐만 아니라 전국에 걸쳐 약 1~10 g/m²의 누적량이 확인되는 것으로 보아 미세한 화산재 누적에 큰 영향을 받을 수 있는 보건 분야에서의 피해가 예상된다.

2019년 8월 11일 사례에서 아소산에서 분출된 화산재는 아소산을 기준으로 남북 방향으로 각각 확산되는 것을 확인할 수 있다. 고농도의 화산재는 남해와 동중국해에 누적되었으며, 국내에는 전국적으로 유사한 수준의 화산재가 누적되었다. 전국적으로 2019년 8월 5일 사례에 비하여 최대 누적량이 적지만, 경상도 지역을 제외하고 대부분의 영역에서 10 g/m² 이상의 누적량을 확인할 수 있다.

한편, 화산재 확산 모델 자료와 국내 공간정보 자료의 표현 형식을 일치해야 한다. 먼저 수집한 HYSPLIT 모델 자료는 지상에서의 누적량을 단위 면적당 질량의 형식으로 표현하고 있다. 반면에 Han et al. (2019)을 비롯한 대부분의 화산재 누적 피해 연구 결과에서는 화산재누적에 의한 피해 수준의 지표를 두께 단위로 나타내고있다(Jiang et al., 2013; Han et al., 2019). 화산재 피해가 발생할 수 있는 분야를 정확하게 나타내기 위해서는 이 두 자료 간의 표현 방식을 일치해야 한다. 따라서 단위 환산의 방법이 추가적으로 고려되어야 한다. 또한, 수집한 시나리오의 좌표계는 WGS84 타원체의 경위도 좌표계이며 수집한 공간정보 자료는 TM좌표계로 구성되어 있다. 따라서 이들의 좌표계 역시 좌표 변환을 통하여 일치해야 한다.

3. 연구 방법

1) 공간정보 자료 일반화

각 공간정보 자료들은 서로 다른 형태로 제공되고있다. 최종적인 분석을 위해서는 기관마다 다른 자료의 형식을 일치해야 한다. 특히 CSV로 제공되는 자료는 위치에 대한 정보 없이 각 행정구역 별 통계치를 제시하는 것이기 때문에 공간 자료 형태로 변환하는 것이 불 가능하다. 따라서 각 자료의 형식을 일치하기 위해서는 각 분야별 국내 공간정보 자료를 행정구역 단위의 자료로 변환해야 한다. 구축된 공간정보를 함께 활용하기 위해 1) 행정구역에 따라 단순 통계자료로 제공되는 자료의 공간자료화; 2) 선(line), 면(polygon) 형태로 제공되는 공간 자료의 단순화(행정구역 별); 3) 변환된 행정구역별 공간자료의 일반화(행정구역 수준 통일)의 과정을 수행하였다.

통계자료를 공간자료로 변환하는 과정에서는 CSV에서 각 행정구역 별로 제공되는 통계정보를 동일한 국내 행정구역 경계 자료의 속성 테이블에 추가 입력하였다. 이때 사용한 국내 행정구역 자료는 통계지리정보서비스에서 제공하는 2018년 시·도 및 시·군·구 경계 자료를 활용하였다. 제공되는 CSV의 통계자료 중 표현방식이 담당 기관으로 표시되어 있는 경우 해당 기관이 담당하는 지역을 고려하여 시·군·구 및 시·도의 통계치로 반영하였다. 예를 들어 공항 별 항공노선 수의 경우 각 공항이 위치하고 있는 시·군·구 단위의 행정구역에 할당하였다. 유사하게 철도 연장의 경우 각 철도 지방 본부가 담당하는 영역을 고려하여 행정구역에 반영하였다.

업종별 전력 사용량 변압기 수, 가축 수, 질병 별 진료자 수, 전기 사용량은 세부 영향 매체를 나타내는 영향치가 다양한 통계자료로 구성되어 있었다. 이에 따라 필요한 통계자료를 선정한 후 합하여 최종적인 통계치에 반영하였다. 예를 들어 보건 분야에서 활용한 질병 별 진료자 수 자료는 5개의 세부 영향의 기준으로 활용되었는데 이를 위하여 총 48개의 세분류 및 소분류 질병통계자료를 활용하였다(Han et al., 2019). 업종별 전력 소비량 자료는 각 시군구에서 소비하는 매달 전력을 29개의 업종으로 분류하여 나타낸 것이다. 각각의 자료는 즉각 시군구에 대하여 348개의 데이터를 포함하고 있어 이들을 합산하여 각 행정구역별 자료를 생성하였다. 유사하게 가축 동향 조사 자료 역시 행정구역별로 사육하는 육우, 한육우, 한우, 젖소, 돼지, 오리, 닭의 수를 합계하여 생성하였다(Han et al., 2019).

동일한 형태의 통계자료임에도 불구하고 기준 단위가 다른 경우에는 단위를 맞추어 최종적인 피해 산정에 편이(bias)로 작용하지 않도록 하였다. 예를 들어 항공노선수 자료는 자료를 제공하는 두 기관에서의 단위가 달라 일치시키는 과정이 필요하였다. 인천공항공사에서 인천공항의 국내·국제선 항공 노선을 분기별로 매우 세세하게 제공하고 있다. 한편, 한국공항공사에서 제공하는 인천공항 외의 국내 공항의 경우 주간의 국내·국제선 항공 노선의 수를 제공하고 있다. 이를 일치시키기 위하여 인천공항에서 제공하는 항공 노선의 분기 합계를 계산하여 주간 자료로 변환한 후 활용하였다.

공간자료는 벡터 자료로 점, 선, 면의 형태로 제공되었다. 이들은 행정구역과 관계없이 좌표와 형상에 따라 제공된다. 따라서 CSV 자료와 공통적인 활용을 위해서는 행정구역에 대한 변환이 필요하다. Fig. 2는 공간 자료를 단순화하고 행정구역별 자료로 변환하는 과정을 나타낸다. 그 과정은 크게 두 가지로 분류할 수 있다. 첫 번째는 각 공간자료의 속성테이블 중에서 필요한 속성을 선별하는 것이다(Fig. 2(a)). 포함되어 있는 속성 정보 및 객체에 대하여 selection tool을 활용하여 관심 속성정보를 추출한 후 각각 새로운 공간자료로 분리하였다. 두 번째 과정은 객체 형태로 구성된 공간자료를 일반화된 행정구역 별 공간자료로 변환하는 것이다. 이 과정에서 선형 자료의 경우 행정구역별 총연장을 계산했으며, 면형 자료의 경우 행정구역별 총 넓이를 계산했다. Fig. 2(b)는 행정구역별 공간자료의 일반화 과정을 나타낸다. 그 과정은 4단계로 다시 나눌 수 있다.

Fig. 2. Data flow of spatial data (a) simplification of spatial data and (b) generalization of spatial data.

 i)관심 공간자료와 행정구역 경계자료의 Intersect를 통한 공간자료의 행정구역에 대한 분리;

 ii)분리된 공간자료를 행정구역 code에 따라 다시 Dissolve 함으로써 동일 행정구역 내의 객체 단일화;

iii)행정구역 내에 존재하는 객체의 넓이(산림, 논,밭, 하우스 재배지, 주거 지역) 혹은 길이 계산(도로 연장);

iv)행정구역 경계자료와의 Join을 통하여 행정구역에 대한 관심 객체의 넓이 및 길이를 행정구역 polygon 속성 테이블에 할당;

예를 들어 임상도에서 표현하는 속성 정보는 수종, 경급, 영급, 밀도, 심볼을 포함하고 있는데, 본 연구에서는 각 행정구역에 포함된 산림의 실질적인 넓이가 필요하였다. 따라서 상기한 속성정보는 활용하지 않고 Fig. 2의 절차에 따라 행정구역 별 산림의 넓이를 산출하였다.

2) 화산재 확산 모델의 단위 변환

일반적으로 화산재가 지표에서 누적되었을 때의 밀도는 400~700 kg/m²의 범위에 존재하고 있으며, 화산재의 습윤 정도에 따라 50~100%정도 무게가 가중된다 (USGS, 2015; MOIS, 2018; Johnston, 1997). USGS (2015)와 MOIS (2018)에서는 Johnston (1997)을 인용하여 화산재의 밀도를 건조-비압축(500 kg/m²), 건조-압축(1,000 kg/m²), 습윤-압축(1,500 kg/m²)으로 표현하고 있다. 즉 화산재의 밀도를 가정한다면 지표에 쌓인 화산재의 단위 면적당 질량을 누적 화산재 밀도로 역산함으로써 평균 화산재 두께를 계산할 수 있다. Johnston (1997)이 제시한 단위 면적당 화산재의 질량(M)과 두께(T), 화산재의 밀도(V)는 다음의 식 (1)과 같은 관계가 있다.

\(V\left[\mathrm{kg} / \mathrm{m}^{3}\right] \cdot T[\mathrm{m}]=M\left[\mathrm{kg} / \mathrm{m}^{2}\right]\)       (1)

이를 다시 두께에 대하여 나타내면, 지상에 누적된 화산재의 두께(T)는 다음과 같이 나타날 수 있다.

\(T=\frac{M}{V}[m]\)       (2)

3) 화산재 누적 피해 산정

해외 사례에 따르면 각 분야별 피해 발생의 기준을 화산재 누적 두께로 정하였다(Jiang et al., 2013; Lee et al., 2014; Han et al., 2019). 또한 강회량이 많아질 수록 각 분야별 피해가 가중됨을 나타냈다. 이러한 측면에서 Han et al. (2019)에서는 해외 사례를 바탕으로 강회에 따라 발생할 수 있는 세부 피해 분야를 대분류에 따라 분류하고 국내의 획득 가능한 공간정보의 범위와 국내에 실제로 누적이 가능한 수준을 고려하여 정리하였다. Table 3은 Han et al. (2019)에서 정리한 강회량에 따른 발생 가능한 세부 피해 분야와 그 강회량 기준을 나타낸다. 이 표에서는 총 10개의 대분류와 22개의 세부 피해 분야로 구성되어 있으며 각각의 세부 피해 분야에 대하여 해외 사례를 기반으로 하여 피해의 기준을 나타내고 있다.

Table 3. The possible damage caused by volcanic ash deposition (Han et al2019)

어떤 지역에서 화산재 누적에 따라 피해가 발생한다고 가정하면, 해당 지역의 피해는 세부 피해 분야와 관련된 지역의 특징에 따라 발생가능한 피해의 양이 결정된다(Jiang et al., 2013; Han et al., 2019). 즉, 어떤 지역에서 발생한 분야별 화산재 누적 피해는 통계적인 자료를 활용하여 산정할 수 있다(Jiang et al., 2013; Kim et al., 2014; Lee et al., 2014; Choi et al., 2014; Choi et al., 2016; Han et al., 2019). 예를 들어 동일한 넓이를 가진 지역 A와 B가 있다고 가정을 하고, 각각 축산지역과 농업지역이 각각 1:4, 4:1의 넓이로 구성되어 있다고 하면, 동일한 화산재가 누적되었더라도 두 지역의 축산과 농업에서의 피해는 각각 4배씩 차이가 난다(Jiang et al., 2013). 따라서 본 연구에서는 제시된 피해의 기준 강회량을 각 세부 피해가 발생할 수 있는 임계값으로 우선 설정하였다(Jiang et al., 2013; Han et al., 2019). 만약에 화산재의 강회량이 임계값을 초과하는 경우에 행정구역별로 변환된 공간정보를 활용하여 피해를 산정했다(Jiang et al., 2013; Kim et al., 2014; Lee et al., 2014; Choi et al., 2014; Choi et al., 2016; Han et al., 2019).

4. 연구 결과

Fig. 3은 수집 및 변환한 공간정보 자료의 형태에 따라 대표적인 사례를 선정하여 나타냈다. Fig. 3(a)와 (b)는 CSV 형식으로 제공되는 통계자료를 국내 행정구역 경계 자료에 표현한 것으로 각각 업종별 전력 소비량 및 가축 동향 통계 자료를 변환한 것이다. Fig. 3(c)와 (d)는 각각 수집된 벡터형 자료와 최종적으로 행정구역에 따라 표현된 벡터 자료의 예시를 나타낸다. Fig. 3(c)와 (d)는 각각 임상도에서 확인할 수 있는 산림지역의 분포와 행정구역별 산림지역을 나타낸다.

Fig. 3. The examples of collected and processed Korean Spatial Information about Volcanic Ash Damage; (a) power consumption and (b) the number of livestock according to administrative district; (c) digital stock map; (d) forest area map according to administrative district.

그림 Fig. 4는 2019년 8월 5일과 11일의 일본 아소산분화 사례에 대하여 생성한 HYSPLIT 모델을 식 (2)에 따라 누적 두께 단위로 변환한 것을 나타낸다. 가장 화산재가 두껍게 누적된 상황에 대한 분석을 위하여 각각의 최종 강회량은 화산재의 상태를 건조-비압축(500 kg/m³)임을 가정하고 계산하였다(Johnston, 1996).

Fig. 4. Volcanic ash damage map of (a) 20190805 and (b) 20190811 HYSPLIT scenarios; The color indicates the thickness of volcanic ash deposition; and grey parcel shows the possible damaged administrative districts, which the deposition is over than 0.01mm; Black dotted box A and B indicate Kangwon-do and Kyungsangbuk-do; and red point C and D indicate Chuncheon-si and Hongcheon-si.

시나리오에 따르면 2019년 8월 5일 사례(Fig. 4(a))에서는 특히 한반도 동부에서 비교적 많은 양의 화산재가 누적되었다. 특히 경북과 강원도 일부 지역에서는 최대 약 0.63 mm의 강회가 예상되었다. 또한, 0.001 mm의 적은 양이지만 제주도까지 남한의 전역이 화산재로 덮였다. Fig. 4에서 짙은 회색으로 표현된 행정구역은 Han et al. (2019)에서 제시한 화산재 누적 피해의 최소 기준인 0.01mm(안과 질환)를 초과하는 화산재가 누적된 행정구역을 나타낸다. 수도권 북부와 전라남도 그리고 제주도를 제외하고 전국에 걸쳐 최소 피해기준을 초과하였다. 특히 전체 행정구역구 중 강원도(Fig. 4(a)-A)와 경상북도 (Fig. 4(a)-B)에서 각각 평균 0.14, 0.15 mm로 가장 많은 강회량을 보였기 때문에 해당 시나리오 상황을 가정할 때 가장 피해가 큰 지역이라 예상된다. 2019년 8월 11일 사례(Fig. 4(b))에서는 수도권과 강원 일부 그리고 충청도 등에서 피해가 예측되었다. 제주도 및 전라남도 남해 지역에 0.16 mm로 비교적 두꺼운 화산재가 누적이 예측되었다. 이후 수도권의 경우 약 0.03 mm의 화산재가 누적되었지만 2019년 8월 5일 사례와는 다르게 북부 지방 역시 피해가 예측되었다. 최대 누적량은 약 0.25 mm로 춘천(Fig. 4(b)-A) 및 홍천(Fig. 4(b)-B)에서 확인할 수 있었으며 두 지역이 전체 시군구 중 가장 피해가 심할 것으로 예측된다.

두 시나리오에서 각각 162개, 134개 시군에서 0.01mm 이상의 강회량이 예상되었으며, 그에 따른 피해가 예상되었다. 두 시나리오에서 모두 최대 강회량이 1 mm를 넘지 않으므로 본 연구에서는 기존 연구에서 산정한 전체 피해 분야에 대한 분석을 수행하지는 못하였다 (Han et al., 2019). 대신 전체 피해 세부 분야 중 적은 강회량에도 피해가 발생할 수 있는 7개의 세부 피해 분야와 관련해서는 피해의 정도를 분석하는 것이 가능하였다 (Table 4, 5). 7개의 세부 피해 분야에 대해 전체 행정구역에서의 피해를 산정하는 것은 가능하지만 분량이 제한적인 논문에서 전체 행정구역에서의 피해를 분석하기에 어려움이 있다. 따라서 각 시나리오에 대하여 가장 피해가 클 것으로 예상되는 행정구역을 선정하고, 7개의 세부 분야에 대하여 비교 분석을 수행했다. 여기서 수행한 비교 분석 방법은 전체 세부 분야와 행정구역에 대해서도 동일하게 적용 가능하다.

Table 4. The comparison of possible volcanic ash deposition damage caused between Kangwon-do and Kyungsangbuk-do

각 행정구역에 대하여 예상되는 강회피해는 각 행정구역에 대하여 획득된 공간정보 자료를 활용하여 산정할 수 있다. 2019년 8월 5일 사례에서 가장 큰 피해가 예상되는 강원도와 경상북도의 피해를 Table 4로 비교하였다. 두 행정구역에서 발생하는 피해를 비교하기 위하여 강원도의 공간정보와 경상북도의 공간정보의 비를 활용하였다. 그 결과 기관지 및 호흡기, 천식 및 알레르기, 안과 질환 증가, 변압기 사고 그리고 수질저하 부분에서는 1 미만의 비를 보였다. 이는 상기한 5개 분야에 대해서는 강원도 보다 경상북도에서 더 큰 피해가 발생한다는 의미이다. 한편 정전과 밭농사 부분에서는 각각 3.19와 1.12배의 차이를 확인할 수 있었는데, 이는 강원도 지역에서 정전과 농업에서의 피해가 경상북도에 비하여 심할 것이라는 사실을 나타낸다. 그 중, 밭농사의 피해는 두 행정구역이 비슷한 수준의 피해를 보일 것이라 나타나지만, 전력 분야에서는 3배의 큰 차이를 보인다. 이는 강원도 지역에서 활발하게 진행되는 시멘트 생산 등의 산업에 의한 것이다.

유사하게 2019년 8월 11일 모의 분화 사례에서 가장 큰 피해가 예상되는 춘천시와 홍천시의 피해를 Table 5에서 나타냈다. 모의 강회량을 계산한 결과 두 지역 모두 0.25 mm로 동일한 두께의 화산재가 누적될 것으로 예상된다. 보건 분야의 기관지 및 호흡기, 천식 및 알레르기, 안과질환, 정력 분야의 정전 세분류에서 모두 춘천에서 2배 이상의 피해가 발생할 것으로 예상되었다. 한편 밭농사 피해의 경우 춘천이 홍천에 비하여 약 0.54배 적은 피해가 예상되었다. 이는 춘천시와 홍천시의 주된 산업의 차이에 의한 것이다.

Table 5. The comparison of possible volcanic ash deposition damage caused between Chuncheon-si and Hongcheon-si

2019년 8월 11일 사례의 경우 시군구 단위의 행정구역별로 예측되는 피해의 정도를 상호 비교하는 것이므로, 전력분야의 변압기 사고와 수도 분야의 수질 저하와 같이 시도 단위로 제공되는 공간정보 자료에 대해서도 피해의 정도를 비교할 수 없었다. 중요한 점은 0.25mm의 누적량이 발생한 경우 분명 변압기 사고와 수질저하의 피해가 발생할 수 있다는 점이다. 따라서 보다 정밀한 화산재 피해를 산정하기 위해서는 정밀한 수준으로 제공되는 공간정보 자료가 필요하다.

5. 결론

우리나라는 지리적 특성상 화산 폭발에 의한 직접적인 영향을 받지는 않으나 함께 분출되어 기상장에 따라 확산되는 화산재의 유입이 발생할 수 있다. 대기중에 부유하는 화산재가 지표에 누적됨에 따라 다양한 분야에서의 피해가 발생할 수 있다. 본 연구에서는 해외사례를 통하여 정리된 화산재 강회에 의한 피해 분야와 구축된 국가 공간정보 자료를 활용하여 분야별 피해를 비교 분석하였다. 이 연구를 통하여 강회에 따라 각 행정구역별로 나타날 수 있는 피해의 정도를 파악할 수 있다.

기존 연구와 달리 다양한 화산재 강회 피해 분야에 대한 분석을 수행하였으나, 몇 가지 한계점이 있다. 먼저 피해를 산정하는 방법이 기반 공간정보에 매우 의존적이다. 따라서 구축된 공간정보의 정밀도에 의하여 각 분야별 피해의 정밀도가 결정된다. 예를 들어 동일하게 전력 분야에 포함된 정전과 변압기 사고 세분류는 각각 시군구와 시도 행정구역 단위로 자료가 제공된다. 이 때문에 전력 분야의 피해를 산정할 때에 정전의 경우 시군구 단위의 분석이 가능하지만 변압기 사고는 시도 단위의 분석만 가능하다. 이러한 한계를 극복하기 위해서는 각 분야에 대하여 보다 정밀한 공간정보 자료의 구축이 필요하다.

두 번째로는 이 연구에서는 각 분야별 피해 크기의 비교가 불가능하다. 수집된 각 공간정보가 표현하는 통계치의 단위가 모두 다르기 때문에 다양한 분야에서 발생하는 피해의 크기를 서로 비교하는 것은 불가능하다. 이와 관련하여 Kim et al. (2014)은 항공과 관련된 다양한 피해 내용을 피해 금액의 형태로 환산하여 종합하였다. 하지만 본 연구에서 제시하는 다양한 피해 분야 중 보건과 인명 피해와 관련된 내용이 존재하므로 단순한 피해 금액의 형태로 피해를 종합하는 데에는 어려움이 있다. 따라서 각 행정구역별로 발생가능한 전체 피해의 크기를 산정하는 데에는 한계가 있다. 이러한 문제를 해결하기 위해서는 각 분야에서 발생하는 피해 크기를 금액의 형태로 변환하는 모델을 활용한 추가 연구가 필요하다.

세 번째, 본 연구에서 활용한 화산재 확산 및 강회 시나리오는 2019년 8월 5일과 11일 양 일에 아소산에서 분화에 대하여 분연주의 높이를 16 km로 가정한 극단적인 사례이다. 따라서 국내에 유입되는 화산재의 강회 분포와 그에 따라 나타나는 각 행정구역의 피해 상황 역시 가정된 사례에 의한 것이므로 본 연구에서 분석한 몇몇 행정구역의 피해 사례는 2019년 8월 5일과 11일에 분화에 의한 실제 피해를 표현하는 것이 아니다. 이와 관련하여 보다 실질적인 형태의 화산재 피해 예측을 위해서는 위성자료를 포함한 실측자료를 활용하여 강회의 영역과 양을 산정할 필요가 있다. 추가적으로, 활용한 시나리오에 따라 피해가 예측되는 행정구역은 화산재 확산 시나리오의 극단적인 가정과 기상장이 맞물려서 결정된 것으로 이 논문에서 나타낸 결과는 강회피해 취약도의 역할을 수행할 수 없다.

그럼에도 불구하고, 본 연구는 국가적 차원의 화산재강회 예·경보의 과학적 근거로 활용될 수 있으며, 화산재 강회에 의한 피해의 분야를 알려줌에 따라 해당 피해를 대비할 수 있는 정보를 제공할 수 있다는 점에서 의미가 있다. 즉 만약에 실제로 한반도 주변의 화산재가 분화하였을 때, 사전에 당시의 환경적 특성을 분석하여 화산재 확산 모델을 생성하고 그것을 구축된 최신 공간정보에 적용함으로써 각 행정구역에 예측되는 분야별 피해의 정도를 간접적으로 분석할 수 있다.