Ⅰ. 서론
세계기상기구 (World Meteorological Organization, WMO)에 따르면 2022년 극심한 가뭄, 홍수, 폭염 등의 물 기후 관련 재해 발생으로 인해 전 세계적으로 극심한 피해가 발생하였으며, 이상 기후로 인한 피해는 향후 30년 동안 더욱 증가할 것으로 예측하고 있다 (WMO, 2022). 우리나라의 경우 2014년 이후 북태평양 고기압의 위치변화로 인해 여름철 강수량이 감소하고 있으며, 매년 상습가뭄재해 지역과 국지적 가뭄이 극심하게 발생하고 있다 (Kim et al., 2019; Shin et al., 2020). 최근 2017년 5월부터 6월 여름철 강수량은 90.2 mm로 평년대비 30%를 기록하여 7,780 ha 논 가뭄 피해가 발생하였다. 또한, 2022년 5월 강수량은 3.3일간 5.8 mm로 기상관측 이래로 강수 일 수와 강수량 모두 최저치를 기록하였으며, 여름 장마 이후 8월 말까지 여름철 강수량은 335.3 mm로 전체 여름철 강수량의 49.8%를 나타내면서 2023년까지 극심한 가뭄이 이어지고 있다 (KMA, 2023). 특히, 가뭄은 농작물의 생육과 생산량에 가장 큰 영향을 미치기 때문에 강수량의 부족, 가뭄빈도 및 발생확률 가속화에 따른 사전 대응 체계 및 선제적 대응방안 마련이 시급한 실정이다. 농업가뭄의 경우 발생 시점 및 피해액에 따른 객관적인 기준이 부재한 실정이며, 농업가뭄지표와 실제 현장과의 차이가 발생하여 신뢰성의 문제가 제기되고 있다 (Nam et al., 2012). 가뭄의 특성상 발생지역이 광범위하고 시작과 끝을 알 수 없기 때문에 선제적으로 가뭄을 대응할 수 있는 방안이 필요하다 (Nam et al., 2015; Mun et al., 2021).
IPCC (Intergovernmental Panel on Climate Change)에서는 제3차 보고서를 통해 노출도 (Exposure), 민감도 (Sensitivity) 및 적응능력 (Adaptive capacity)을 활용한 기후변화 취약성의 개념을 정립하였다. 취약성의 개념은 일반적으로 잠재적 피해가 발생할 가능성의 정도를 의미하며, 최근에는 분야별로 취약성 평가를 통해 다양한 지표를 복합적으로 활용하여 분석하는 연구가 수행되고 있다. 기존의 단일 지표를 활용하여 재해 지역을 분석하는 연구에서 다양한 지표를 복합적으로 활용하여 선제적 대응 체계를 확립하는 방향으로 연구의 패러다임이 변화하고 있는 추세이다 (IPCC, 2001; Park et al., 2017). 따라서, 농업가뭄의 선제적⋅체계적 대응을 위해서 취약성 개념의 도입이 필수적이라 사료된다 (Nam et al., 2014; Yu et al., 2018; Zhao et al., 2020; Meza et al., 2020).
환경부에서는 「수자원의 조사⋅계획 및 관리에 관한 법률」에 근거하여, 수문학적 가뭄을 대상으로 가뭄취약성 평가 기반의 가뭄취약지도를 작성하고 있으며, 가뭄대응능력, 노출도, 민감도, 보조수원능력을 통해 가뭄 평가방법론을 구축하여 지역 맞춤형 가뭄대응 대책 수립하는 연구를 수행하고 있다. Kim et al. (2019)는 가뭄에 대한 사회⋅경제적 영향인자를 고려하여 가뭄 취약성 평가를 실시하였으며, 주성분 분석을 통해 인자를 선정하고, 엔트로피 기법을 활용하여 인자의 가중치를 산정하여 취약성 분석을 수행하였다.
Shim et al. (2019)는 요인분석을 통해 도서 지역에 적합한 가뭄 취약성 지표를 선정하고 엔트로피 기법을 활용하여 객관적인 가중치를 적용한 취약성 지수를 산정하였으며, 도서지역의 가뭄에 대한 취약성을 평가하였다. Shin et al. (2021)은 인공신경망 라이브러리 기술을 활용하여 기상 데이터 변화를 예측한 한반도 지역의 취약지역을 분석하였으며, 통계프로그램을 이용하여 북한지역의 기상 가뭄취약지역을 분석하였다. 또한, Park et al. (2012)의 가뭄 노출성 지수와 가뭄 취약성 지수를 산정하여 우리나라의 가뭄에 대한 위험도를 평가하는 연구, Yang and Kim (2013)의 낙동강 유역의 기후변화를 고려한 경향성 분석과 델파이 기법을 이용한 가뭄 취약성 지수개발 연구 등 가뭄 취약성 관련 다양한 연구가 수행되었다.
농업가뭄의 경우 농업수리시설물, 농경지 등 고려되어야 할 사항이 다양하고, 취약성 평가항목 선정 기준에 어려움이 있다. 농업가뭄 취약성 평가를 위해서는 논 가뭄과 밭 가뭄의 특징이 상이하기 때문에 대상별로 가뭄대응능력을 분석하여 선제적으로 취약지역을 분석할 수 있는 기준이 제시되어야 한다. 본 연구에서는 충청남도 태안군의 읍면동을 대상으로 가뭄대응능력 중심의 농업가뭄 취약성 평가를 수행하였다. 평가항목은 기상영향, 가뭄발생현황, 보조수원능력 및 가뭄 대응능력으로 과거 기상 및 가뭄 사상과 대응능력 부분을 고려하여 신뢰성 높은 객관적인 지표를 선정하였으며, 농업용 수리시설물과 농경지의 가뭄대응능력 평가를 중심으로 농업 가뭄에 선제적으로 대응할 수 있는 효과적인 체계를 마련하고자 한다.
Ⅱ. 재료 및 방법
1. 연구 대상 지역
농업가뭄 취약성 평가를 위한 연구 대상 지역으로 충청남도에 위치하고 있는 충청남도 태안군의 8개 읍⋅면을 선정하였다. 충청남도 태안군의 경우 2015년 극심한 가뭄으로 인해 2,898 ha의 농작물 피해가 발생하였으며, 2015년부터 2018년까지 매년 지속적으로 2,000 ha 이상의 농작물 피해가 발생한 지역으로 나타났다. 또한, 태안군의 경우 2021년 기준 농경지 수리답률 46.3%로 전국 대비 하위지역으로 평가되고 있다. 충청남도 태안군은 3면이 모두 바다로 둘러싸여 있으며, 총 길이가 530.8 km에 달하는 반도로써 행정구역은 2019년을 기준으로 2개 읍, 6개 면 및 186개 리로 구성되어 있다. 8개 읍⋅면은 태안읍, 안면읍, 고남면, 남면, 근흥면, 소원면, 원북면, 이원면이며, 2020년 자료를 기준으로 농업가뭄 취약성을 평가하고 취약지도를 작성하였다.
Fig. 1 Location of study area and paddy fields
2. 농업가뭄 취약성 평가항목 선정
기후변화 취약성 평가는 IPCC (2007)에서 제시하는 노출도, 민감도를 통해 잠재영향 (Potential impacts)을 산정하고, 적응능력을 적용하여 취약성 평가 (Vulnerability assessment)를 수행하는 방식을 활용한다. 본 연구에서는 논 중심의 농업 가뭄을 평가하기 위하여 농업가뭄과 밀접하게 관련이 있는 기상 영향, 가뭄발생현황, 보조수원능력 3가지 항목과 농업가뭄의 특징을 반영하기 위한 항목으로써 가뭄대응능력 항목을 선정하였다. 농업가뭄 취약성 평가를 위한 4개의 평가항목과 각 항목에 따른 세부 평가지표는 Table 1과 같이 선정하여 나타내었다. 본 연구의 농업가뭄 취약성 평가는 논 가뭄 발생시 지역별 대응 역량을 중심으로 평가를 수행하고자 하였으며, 한국농어촌공사와 시군 및 지자체에서 활용할 수 있는 9개 세부 지표를 선정하였다.
Table 1 Evaluation elements according to exposure, sensitivity, and adaptive capacity
※ MD (Meteorological data), DD (Drought data), SW (Supply water data), DR (Drought response capability)
기상 영향 항목의 경우 농업가뭄에 적합한 강수량을 바탕으로 구성하였으며, 월별 누적 강수량 (MD1)과 SPEI (Standardized Precipitation Evapotranspiration Index) 지속기간 3개월 (MD2)을 선정하였다. 강수량은 월별 가중치를 적용하였으며, 농업가뭄의 경우 기상 가뭄과 수문학적 가뭄의 중간 단계로써 단기 가뭄에 속하기 때문에 SPEI 지속기간 3개월을 평가지표로 포함하였다.
가뭄발생현황 항목의 경우 현재 공사 시군 및 지자체에서 발표하고 있는 공인된 자료를 통해 구성하였다. 세부 평가지표는 가뭄 예⋅경보 발령 횟수 (DD1), 논 물마름 발생 면적(DD2), 가뭄대책비 (DD3)가 포함된다. 가뭄 예⋅경보 발령 횟수는 행정안전부 주관하에 정부에서 월 단위로 발표하고 있으며, 이에 해당하는 횟수를 통해 평가하였다. 논 물마름 발생 면적과 가뭄대책비는 한국농어촌공사 및 지자체에서 발표하는 공인된 자료를 활용하여 구성하였다.
보조수원능력 항목의 경우 가뭄 발생 시 잠재 공급가능량으로 평가지표를 구성하였으며, 가뭄대응능력에 포함되지 않은 지표를 선정하였다. 세부 평가지표는 양수저류용량 (SW1)과 보조수원용량 (SW2)으로 구성하였으며, 양수저류용량은 가뭄 발생 시 응급 대응으로 양수저류 시설의 공급가능량, 보조수원용량은 관정을 활용하여 공급할 수 있는 관정 공급가능량을 평가하였다.
가뭄대응능력 항목은 농업가뭄 취약성 평가의 주요 항목으로써 농업용 저수지 수리시설물과 농경지의 가뭄대응능력으로 구분된다. 가뭄대응능력 수리시설물 평가의 경우 물수지 분석을 통해 하천, 저수지의 부족량을 산정하여 해당 지역의 대응능력을 평가하며, 가뭄대응능력 농경지 평가의 경우 답면적 구분을 통해 농업용수 공급 시설이 부족한 농경지를 평가하였다.
본 연구의 시간적 범위는 2020년을 기준으로 자료를 구축하였다. 기상 영향의 경우 기상청 종관기상관측장비 (Automated Surface Observing System, ASOS) 59개소 강수량 관측자료를 1991년부터 2020년까지 30년 자료를 구축하였으며, 가뭄발생 현황은 2020년을 기준으로 데이터 구축이 가능한 과거 5개년 자료를 누적하여 구축하였다.
3. 농업가뭄 취약성 평가 가뭄대응능력
가. 수리시설물
가뭄대응능력 수리시설물 평가는 물수지 분석을 바탕으로 농업용 저수지의 물 부족량을 산정하여 평가하였다. 물수지 분석은 안정적인 용수공급을 위해 공급과 수요의 이동을 분석하는 방법으로 한국농어촌공사에서 개발한 수리⋅수문설계시스템 (KRC Hydraulics & hydrology Analysis System, K-HAS)을 이용하였다 (Fig. 2). K-HAS는 이수⋅치수⋅수리 분야에서 활용할 수 있는 프로그램으로 치수계획 수립을 위한 소하천 유역 홍수량 산정 및 저수지 추적, 수리 분야에서 배수 개선 시설물 능력 검토 및 규모 결정, 이수 분야에서 관개계획 수립을 위한 유입량, 필요수량, 물수지 분석 활용이 가능하다. 가뭄대응능력 수리시설물 평가는 이수 분야의 물수지 분석을 활용하였으며 수정 3단 Tank 모형을 바탕으로 유입량을 계산하고, 수리시설물의 관개 효율, 수혜면적 등을 통해 물수지 분석을 수행하였다 (Jung et al., 2021). 물수지 분석을 통해 농업용 저수지 수리시설물 각각 연 최대 필요수량을 산정하고, 유효저수량과 연 최대 필요수량의 차이를 통해 해당 수리시설물의 부족수량을 산정하였다. 시범지역 태안군 읍면동 단위의 유효저수량과 부족수량의 비율을 통해 물 부족률을 나타내었으며, 부족률 (+)는 물이 부족한 지역, (-)는 해당 지역의 물이 충분한 지역으로 구분하였다.
Fig. 2 Water balance components of paddy field
나. 농경지
전국적으로 농경지 수리시설물의 불균형이 문제가 되고 있으며, 전라남도의 경우 천수답률이 26.8%로 전국에서 가장 높아 매년 농민들의 피해가 증가하고 있는 추세이다. 농경지 수리시설물의 지역적 불균형을 해소하고자 가뭄대응능력 농경지 평가는 답 면적 분석을 통해 산정하였다. 논의 경우 관개 시설이 충분히 되어 있는 수리답과 관개시설 부족으로 인해 강수에 의존하는 천수답으로 구분하고 있으며, 가뭄빈도 10년 이상의 답을 수리안전답으로 정의하고 있다. 본 연구에서는 농경지 평가를 위해 농촌진흥청에서 제공하는 항공영상 기반의 농경지 전자지도인 스마트팜맵의 답 면적과 한국농어촌공사의 저수지 통계연보를 기준으로 수리답, 천수답 및 수리안전답을 구분하였으며, 농경지의 전체 평균 가뭄빈도를 산정하여 가뭄대응능력을 평가하였다. Fig. 3은 농경지 평가를 위해 개념도를 작성하여 나타내었으며, ①농경지 전체 답면적, ②수리답 면적, ③천수답 면적, ④10년 가뭄빈도, ⑤1년 가뭄빈도, ⑥3년 가뭄빈도, ⑦5년 가뭄빈도, ⑧7년 가뭄빈도를 각각 의미한다. 가뭄대응능력 농경지 평가를 위한 기초분석으로 수리답률, 천수답률, 10년 가뭄빈도의 수리안전답률, 수리답 평균 가뭄빈도 및 전체답 평균 가뭄빈도 5개 지표를 산정하여 분석을 수행하였다. 수리답 평균 가뭄빈도의 경우 가뭄빈도별 수혜면적 대비 수리답을 면적 가중을 통해 나타내었으며, 전체답 평균 가뭄빈도는 수리답 평균 가뭄빈도에 천수답을 0년으로 가정하여 계산하였다. 농업가뭄 취약성 평가 시 5개의 답 면적분석 중 전체 답 평균 가뭄빈도를 가뭄대응능력 농경지 평가지표로 활용하였다.
Fig. 3 Drought response capacity assessment for paddy rice paddy
4. 농업가뭄 취약성 평가방법론
농업가뭄 취약성 세부 평가지표의 경우 다른 특성과 단위를 가지고 있으므로 하나의 지수로 통합하는 과정이 필요하다. 본 연구에서는 자료의 상대적 크기에 대한 영향을 줄이기 위해 자료의 범위를 0부터 1 사이로 통일하는 축척재조정(Re-scaling) 최대-최소 정규화 (Min-Max Normalization) 방법을 적용하였다. 최대-최소 정규화 방법은 식 (1)과 같이 산정할 수 있으며, 최댓값과 최솟값의 차이를 통해 범위를 통일할 수 있다. Mun et al. (2021)은 가뭄 취약성 평가 인자의 단위 및 특성을 통합하기 위해서 축척재조정 방법을 활용하였으며, Shin (2018)은 인공신경망 자료와 기상자료의 비교를 통한 가뭄 평가를 위해 축척재조정 방법을 활용하였다. 기상영향, 가뭄발생현황, 보조수원능력의 세부 평가지표 최대-최소 정규화를 통해 동일한 분포로 특성 및 단위를 통합하였다.
\(\begin{aligned}z=\frac{x-\min (x)}{\max (x)-\min (x)}\end{aligned}\) (1)
농업가뭄 취약성 평가의 주요 항목인 가뭄대응능력은 수리 시설물, 농경지 점수화를 수행하며, 기상영향, 가뭄발생현황, 보조수원능력의 경우 보조항목으로써 가중치를 부여하여 계수화를 통해 취약성을 평가하였다. 취약성 평가결과 나타난 점수의 값이 높을수록 농업가뭄에 안전한 지역, 낮을수록 취약한 지역으로 평가하였다.
Agricultural Drought Vulnerability = DR(score) × MD(w1) × DD(w2) × SW(w3) (2)
여기서, DR (Drought response capacity)는 가뭄대응능력, MD (Meteorological data)는 기상영향, DD (Drought data) 가뭄발생현황, SW (Supply water data)는 보조수원능력을 각각 의미하며, Score는 점수화, wa는 가중치를 적용한 항목의 계수 값을 의미한다.
기상영향, 가뭄발생현황, 보조수원능력 항목은 엔트로피(Entropy) 가중치 산정방법을 통해 각각의 중요도를 산정하였다. 엔트로피는 열역학, 통계, 정보 엔트로피 3가지 형태로 구분하여 나타내고 있으며, 본 연구의 항목별 가중치 산정을 위해 엔트로피 정보 이론 형태의 산정방법을 적용하였다 (Lee et al., 2015). 엔트로피 가중치 산정방법의 경우 설문조사 및 전문가의 의견반영 등 주관적 내용이 반영되지 않는 방법으로 데이터의 속성 정보만을 이용하여 객관적인 가중치 산정 방법이다. 데이터의 속성 정보만 이용하기 때문에 의사결정 자가 이해하기 쉬운 특징을 가지고 있으며, 설문조사와 같은 주관성을 배제하고, 수학적 계산을 활용하기 때문에 분석 기간 및 인력을 최소화할 수 있는 장점을 가지고 있다. 일반적으로 엔트로피는 크기의 분포에 따라 결정되기 때문에, 엔트로피의 값이 작을수록 해당 변수의 중요도가 높다고 판단되며, 최종 가중치를 활용하여 다양한 변수가 고려된 종합 지수를 계산할 수 있다 (Kim et al., 2012). 엔트로피 산정 단계는 식 (3), (4), (5), (6) 순서로 나타내었다. 먼저 항목별 각 열이 지표의 값으로 대표하도록 행렬을 구성하고, 구성된 행렬의 속성 정보를 활용하여 정규화 과정을 수행한다 (식 (3)).
\(\begin{aligned}P=\left[\begin{array}{ccccc}x_{11} & \cdots & x_{1 j} & \cdots & x_{1 n} \\ \vdots & \cdots & \vdots & \cdots & \vdots \\ x_{i 1} & \cdots & x_{i j} & \cdots & x_{i n} \\ \vdots & \cdots & \vdots & \cdots & \vdots \\ x_{m 1} & \cdots & x_{m j} & \cdots & x_{m n}\end{array}\right]\end{aligned}\) (3)
\(\begin{aligned}E_{j}=-k \sum_{i=1}^{m} p_{i j} \log p_{i j}\left(k=\frac{1}{\log m} ; j=1,2, \cdots, n\right)\end{aligned}\) (4)
여기서, P는 평가항목의 행렬 구성을 나타내며, m은 해당 지역의 수, n은 평가항목의 수로 나타낸다. pij는 자료 속성 정규화 값을 나타내며, 정규화 값을 바탕으로 Ej 엔트로피를 산정한다. di는 항목별 다양성을 나타내는 지표로써, 엔트로피 값을 통해 구할 수 있으며, 결과 값을 통해 항목별 엔트로피 가중치를 산정할 수 있다 (Won et al., 2015; Ma et al., 2021)
di = 1 - Ei (5)
\(\begin{aligned}w_{i}=\frac{d_{i}}{\sum_{j=1}^{n} d_{j}}(j=1,2, \cdots, n)\end{aligned}\) (6)
Ⅲ. 적용 및 결과
1. 가뭄대응능력 수리시설물 평가
충청남도 태안군의 농어촌공사와 시군관리 주수원 저수지를 대상으로 수리시설물 평가를 수행하였다. 태안군의 농어촌공사 관리 저수지는 12개소, 시군관리 저수지는 24개소를 대상으로 평가를 수행하였으며, 농어촌공사에서 제공하는 K-HAS를 활용하여 저수지의 연 최대 필요수량을 산정하였다. 저수지별 산정된 연 최대 필요수량과 유효저수량을 비교하여 부족수량을 산정하였다. 이를 통해 태안군 읍면동 단위 유효저수량, 부족수량, 부족률을 각각 산정하여 가뭄대응능력 수리시설물을 평가하였다. 부족률을 기준으로 (+)값이 높을수록 취약한 지역, (-)값이 높을수록 안전한 지역으로 판단하였으며, Table 2와 같이 결과를 나타내었다.
Table 2 Assessment of irrigation facilities for drought response capacity
태안군의 가뭄대응능력 수리시설물 평가결과 물수지 분석을 통한 연 최대 필요수량의 경우 근흥면, 소원면, 안면읍, 이원면, 태안읍이 안전한 지역으로 나타났으며, 고남면, 남면, 원북면이 취약한 지역으로 분석되었다. 이를 바탕으로 유효 저수량과 비율을 통한 부족률을 산정한 결과 태안읍 (-38.4%)이 가장 안전한 지역으로 나타났으며, 이원면 (-30.1%), 소원면 (-29.1%), 안면읍 (-15.8%), 근흥면 (-0.9%) 순서로 수리시설물 평가결과 안전하게 분석되었다. 태안군에서 수리시설물이 취약한 지역은 원북면 (87.6%)이 가장 취약하였으며, 고남면 (73.0%), 남면 (69.3%) 순서로 취약함을 나타내었다. 고남면, 남면, 원북면의 경우 물수지 분석 결과 도출한 연 최대 필요수량과 저수지의 유효저수량이 큰 차이를 보이지 않기 때문에 다소 취약한 지역으로 나타났으며, 안전한 지역의 경우 물수지 분석 결과 저수지의 유효저수량 대비 충분히 물수급이 원활하게 이루어지는 지역이라고 판단된다.
2. 가뭄대응능력 농경지 평가
충청남도 태안군을 대상으로 가뭄대응능력 농경지 평가를 수행하였다. 농경지 평가는 스마트팜맵과 저수지 통계연보 자료를 구축하여 수행하였으며, 2020년을 기준으로 스마트팜 맵의 답 면적, 통계연보의 주수원공 가뭄빈도별 수혜면적을 산출하여 수리답, 천수답, 수리안전답을 분류하였다. 스마트팜맵을 통한 산출한 논 면적의 크기는 태안읍, 남면, 안면읍, 원북면, 소원면, 이원면, 근흥면, 고남면 순서로 나타났으며, 저수지 통계연보를 통해 수리답과 천수답 면적을 구분하여 나타내었다 (Table 3). 태안군의 스마트팜맵 기준 전체 논 면적은 10,233 ha이며, 남면과 태안읍은 1,000 ha 이상의 수리답을 구축하고 있다. 원북면의 경우 천수답이 1,019 ha로 가장 농경지가 취약한 지역으로 판단된다.
Table 3 Classification of agricultural land area in Taean-gun
논 면적과 수리답 및 천수답 면적을 통해 수리답률, 천수답률, 수리안전답률을 산정하였으며, 수리답의 평년가뭄빈도와 전체답의 평년가뭄빈도를 각각 산정하였다 (Table 4). 가뭄대응능력 농경지 평가 시 수리답률, 수리안전답률, 수리답 평균 가뭄빈도, 전체평균 가뭄빈도는 높을수록 안전한 지역이며, 천수답률은 높을수록 취약한 지역으로 판단한다. 수리답률 상위 지역은 태안읍 (80.8%), 남면 (67.4%)이며, 수리안전답률은 태안읍 (70.1%)로 가장 높게 나타났다. 천수답률의 경우 근흥면 (83.7%), 소원면 (82.9%), 원북면 (80.7%), 고남면 (79.4%) 순서로 높게 나타났으며, 해당 농경지는 오직 강수량을 통해 용수가 공급되는 비중이 높게 나타남을 알 수 있었다. 천수답을 제외한 수리답의 평균 가뭄빈도를 산정한 결과 안면읍 (9.24), 태안읍 (9.23), 고남면 (7.54)로 높은 가뭄빈도를 나타내었으며, 가뭄대응능력 농경지 평가인자로 선정된 천수답을 포함한 전체평균 가뭄빈도의 경우 태안읍이 7.65년 가뭄빈도, 안면읍 5.07년 가뭄빈도를 나타내었으며, 그 외 지역들은 3년 미만의 가뭄빈도로 분석되었다.
Table 4 Assessment of agricultural paddy field for drought response capacity
※ F1 (Irrigated paddy field ratio), F2 (Rain-fed paddy field ratio), F3 (Drought frequency 10 years ratio), F4 (Irrigated field average drought frequency), F5 (Total field average drought frequency)
가뭄대응능력 농경지 요소별 평가결과를 바탕으로 방사형의 그래프를 통해 지역별 취약한 지역을 분석하였다 (Fig. 4). 방사의 크기와 천수답률을 고려하여 농경지가 취약한 지역을 분석하였으며, 태안군과 더불어 안면읍, 태안읍, 이원면의 경우 수리답률, 수리안전답률 및 가뭄빈도가 천수답율 보다 높은 비율의 방사를 나타냈다. 하지만, 고남면, 근흥면, 소원면, 원북면의 경우 수리답률, 수리안전답률 및 가뭄빈도가 낮고 천수답률이 다른 요소에 비해 높게 나타나는 취약한 지역을 특징을 보임을 알 수 있다. 남면의 경우 천수답률은 낮고, 수리답률은 높지만, 수리안전답률과 가뭄빈도가 낮게 나타나는 특징이 있으며, 가뭄빈도로 판단 시에는 취약한 지역이지만, 농경지를 분석할 경우 수리답률이 높아 안전한 지역으로 판단될 수 있다.
Fig. 4 Paddy field assessment radial graph
3. 태안군 농업가뭄 취약성 평가
기상영향, 가뭄발생현황, 보조수원능력 3개 항목에 엔트로피 가중치를 적용하여 각각 계수화를 통한 값을 산정하였으며, 가뭄대응능력의 경우 수리시설물과 농경지 각각의 동일한 비율을 부여하여 점수화 값을 산정하였다. 농업가뭄 취약성 평가결과는 50점 미만은 매우 취약 (Very low), 50∼60점 취약 (Low), 60∼70점 보통 (Moderate), 70∼80점 안전 (High), 80점 초과는 매우 안전 (Very high) 5단계로 구분하였으며, 지역별 상대적인 비교를 통해 범위 및 등급을 분류하였다.
농업가뭄 취약성 평가항목별 엔트로피 가중치 산정 결과 기상영향 항목 0.343, 가뭄발생현황 항목 0.385, 보조수원능력 항목 0.272 중요도를 각각 산정하였으며, 이를 기반으로 각 항목을 계수화하여 취약성을 평가하였다.
충청남도 태안군의 농업가뭄 취약성 평가결과 기상영향 항목의 경우 서산관측소의 종관기상관측장비를 활용하여 평가를 수행하기 때문에 강수량과 SPEI는 읍면동 단위로 같은 0.91 계수값이 산정되었다. 향후 공간적 범위를 확대한다면 지역별 차이를 보일 수 있을 것으로 판단된다. 가뭄발생현황 항목의 경우 가뭄 예경보 발령횟수, 논 물마름 발생면적 및 가뭄대책비 가중치를 적용하여 계수화를 통해 읍면동 단위로 비교한 결과 안면읍이 1.00으로 가장 안전하게 나타났으며, 원북면이 0.91로 가장 취약한 지역으로 나타났다. 보조수원능력 항목의 경우 양수저류용량과 보조수원용량에 가중치를 적용하여 계수화한 결과 안면읍이 1.00으로 가장 안전한 지역으로 나타났으며, 이원면이 0.86으로 가장 취약한 지역으로 나타났다. 가뭄대응능력은 점수화를 통해 값을 산정하였으며, 수리시설물의 물 부족률과 농경지의 평균 가뭄빈도를 각각 점수화하여 점수를 나타내었다. 물 부족률과 평균 가뭄빈도는 각 60점부터 100점까지 9개 등급으로 구분하여 평가를 수행하였으며, 각 인자별 해당 점수에 동일한 가중치를 부여하여 최종 환산 점수를 나타내었다. 태안군의 가뭄대응능력 평가결과 태안읍이 95점으로 가장 높게 산정되었으며, 원북면 63점, 남면 63점, 고남면 65점으로 가장 취약하게 분석되었다. 각 항목별 계수 값과 점수를 통해 충청남도 태안군의 읍면동 단위 농업가뭄 취약성 평가를 수행하였다. 농업가뭄 취약성 평가결과 태안군에서 가장 안전한 지역은 안면읍 80.08이며, 태안읍 75.56, 근흥면 60.93, 소원면 60.93 순서로 나타났으며, 취약한 지역은 원북면 46.95, 남면 47.99, 고남면 51.35, 이원면 59.48 순서로 결과를 나타냈다 (Table 5).
Table 5 Agricultural drought vulnerability assessment results
※ MD (Meteorological data), DD (Drought data), SW (Supply water data), DR (Drought response capability)
농업가뭄 취약성 평가결과를 바탕으로 시각적으로 표출될 수 있는 농업가뭄 취약지도를 작성하였으며, 농업가뭄 취약 지도는 각 항목별 계수 값과 가뭄대응능력 및 취약성 평가결과 점수를 매우 취약, 취약, 보통, 안전, 매우 안전으로 구분하여 나타내었다 (Fig. 5). 태안군의 경우 기상영향 항목은 모두 보통으로 나타났으며, 가뭄발생현황 항목은 안면읍이 매우 안전, 원북면 보통이며, 이 외 지역은 안전으로 나타났다. 보조수원능력 항목은 안면읍 매우 안전, 태안읍 보통, 이원면이 매우 취약으로 나타났으며, 그 외 지역은 취약한 지역으로 분석되었다. 가뭄대응능력은 태안읍 매우 안전, 안면읍 안전 지역으로 나타났으며, 이원면, 소원면, 근흥면은 보통, 원북면, 남면, 고남면은 매우 취약한 지역으로 나타났다. 각 항목별 결과를 바탕으로 취약지도를 작성한 결과 안면읍 매우 안전, 태안읍 안전, 소원면, 근흥면 보통, 이원면, 고남면 취약, 원북면, 남면의 경우 매우 취약한 지역으로 평가되었다. 충청남도 태안군의 경우 2021년 기준 수리답률이 46.3%로 전국 대비 수리답 하위지역으로 나타나며, 본 연구의 취약성 평가결과 가뭄대응능력을 중심으로 취약한 지역이 다수 분포하는 것으로 보아 읍면동 단위의 농업가뭄 취약성 평가 및 취약지도가 실제 태안군의 수리답 현황과 유사하게 반영되었다고 판단된다.
Fig. 5 Agricultural vulnerability drought map
Ⅳ. 결론
본 연구에서는 논 가뭄을 평가하기 위해 충청남도 태안군의 읍면동 단위를 대상으로 농업가뭄 취약성 평가 및 취약지도를 작성하여 분석하였다. 2020년을 기준으로 농업가뭄에 영향을 미치는 4개의 평가항목을 구분하였으며, 9개의 평가인자 (기상영향 2개, 가뭄발생현황 3개, 보조수원능력 2개, 가뭄대응능력 2개)를 선정하였다. 기상영향의 경우 농업가뭄을 판단할 수 있는 적합한 기상인자로 선정하였으며, 가뭄발생 현황은 공인된 자료로 구성하였다. 보조수원능력은 논 가뭄 발생 시 잠재공급량을 평가하기 위해 적합한 인자로 선정하였으며, 가뭄대응능력은 농업가뭄 취약성 평가의 주요 인자로써 수리시설물과 농경지로 구분하여 인자를 구성하였다. 가뭄대응능력의 경우 수리시설물과 농경지 평가결과를 점수화하여 나타냈으며, 기상영향, 가뭄발생현황, 보조수원능력 항목의 경우 가중치를 적용하여 계수화를 수행하여 나타냈다. 항목별 가중치는 전문가의 설문조사 및 의견반영이 아닌 수집된 자료의 속성 정보를 활용하여 중요도를 산정하는 엔트로피 방법을 적용하여 산정하였으며, 항목별 가중치를 적용하여 계수화를 수행하였다.
가뭄대응능력 수리시설물 평가는 물수지 분석을 통해 수리 시설물의 물 부족률을 산정하여 분석하였으며, 고남면, 남면, 원북면의 경우 수리시설물이 취약한 지역으로 나타났다. 농경지 분석의 경우 수리답률, 천수답률, 수리안전답률, 수리답 평균 가뭄빈도 및 전체평균 가뭄빈도를 각각 산정하여 분석을 수행하였으며, 고남면, 근흥면, 소원면, 원북면은 천수답률이 높고 가뭄빈도가 낮게 산정되어 취약한 지역으로 분류되었다. 또한, 안면읍, 태안읍, 이원면의 경우 가뭄빈도가 높게 나타났으며, 남면은 수리답률은 높지만, 가뭄빈도 및 수리안 전답률이 낮은 특징을 나타냈다. 가뭄대응능력은 수리시설물의 물 부족률과 농경지의 전체 답 가뭄빈도를 통해 점수화를 수행하였다.
농업가뭄 취약성 평가 및 취약지도 작성결과 원북면과 남면이 가장 취약한 지역으로 나타났으며, 두 지역 모두 보조수원능력과 가뭄대응능력 부분에서 취약한 결과를 보였다. 이원면의 경우 보조수원능력이 취약하게 나타났으며, 고남면은 가뭄대응능력이 취약한 지역으로 나타났다. 또한, 안면읍과 태안읍은 농업가뭄에 안전한 지역으로 분석되었다.
본 연구는 충청남도 태안군을 시범지역으로 선정하여 읍면동 단위의 상세화된 농업가뭄 취약성 평가를 수행하였다. 한정적인 시범지역으로 인해 등급 구분 및 범례 설정에 있어서 비교 대상이 부족한 한계점이 있지만, 향후 시도 및 전국 확대를 통해 취약성 평가를 수행한다면 신뢰성을 높일 수 있을 것이라 판단된다. 향후, 대상 지역이 확대하고 가중치 산정방법을 엔트로피 뿐만 아니라 AHP (Analytic Hierarchy Process), 전문가 설문조사 등 다양한 방법을 통해 비교를 수행하고자 한다. 본 연구의 결과를 통해서 논 가뭄을 선제적으로 분석하고 대응할 수 있는 체계를 마련할 수 있으며, 농업가뭄에 취약한 지역을 우선적으로 지원할 수 있는 기초자료로써 활용이 가능할 것이라 사료된다.
감사의 글
본 연구는 농림축산식품부의 재원으로 한국농어촌공사의 2022년 용역연구사업의 지원을 받아 연구되었음. 본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 농업기반 및 재해대응 기술개발사업의 지원을 받아 연구되었음 (121033-3).
References
- Intergovernmental Panel on Climate Change (IPCC), 2001. Climate change 2001: The scientific basis. Contribution of working group I to the third report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK.
- Intergovernmental Panel on Climate Change (IPCC), 2007. Climate change 2007: Impacts, adaptation and vulnerability. Contribution of working group II to the fourth assessment report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK.
- Jung, H. M., S. H. Lee, K. H. Kim, Y. C. Kwak, E. H. Choi, S. E. Yoon, R. Na, D. H. Joo, S. H. Yoo, and G. S. Yoon, 2021. Evaluation of agricultural reservoirs operation guideline using K-HAS and ratio correction factor during flood season. Journal of the Korean Society of Agricultural Engineers 63(4): 97-105. (in Korean). doi: 10.5389/KSAE.2021.63.4.097.
- Kim, J. E., J. Y. Park, J. H. Lee, and T. W. Kim, 2019. Socioeconomic vulnerability assessment of drought using principal component analysis and entropy method. Journal of Korea Water Resources Association 52(6): 441-449. (in Korean). doi: 10.3741/JKWRA.2019.52.6.441.
- Kim, J. U., J. Y. Lee, and S. J. Kim, 2019. Evaluation of the future agricultural drought severity of South Korea by using Reservoir Drought Index (RDI) and climate change scenarios. Journal of Korea Water Resources Association 52(6): 381-395. (in Korean). doi: 10.3741/JKWRA.2019.52.6.381.
- Kim, S. J., T. Y. Park, S. M. Kim, and S. M. Kim, 2012. The proxy variables selection of vulnerability assessment for agricultural infrastructure according to climate change. Korean National Committee on Irrigation and Drainage 18(2): 33-42. (in Korean).
- Korea Meteorological Administration (KMA), 2023. Climate Report 2022. 11-1360000-001109-10 (in Korean).
- Lee, S. H., J. E. Eun, H. J. Bae, and D. K. Yoon, 2015. Vulnerability assessment of the air pollution using entropy weights: Focused on ozone. Journal of the Korean Association of Regional Geographers 21(4): 751-763. (in Korean).
- Ma, L. T., J. S. Kim, K. S. Kang, and Y. C. Chol, 2021. A study on evaluation of earthquake risk in Korea based on expert survey and entropy weight method. Journal of Next-generation Convergence Technology Association 5(5): 806-815. (in Korean). doi: 10.33097/JNCTA.2021.05.05.674.
- Meza, I., S. Siebert, P. Doll, J. Kusche, C. Herbert, E. E. Rezaei, H. Nouri, H. Gerdener, E. Popat, J. Frischen, G. Naumann, J. V. Vogt, Y. Walz, Z. Sebesvari, and M. Hagenlocher, 2020. Global-scale drought risk assessment for agricultural systems. Natural Hazards and Earth System Sciences 20: 695-712. doi: 10.5194/nhess-20-695-2020.
- Mun, Y. S., W. H. Nam, M. G. Jeon, H. J. Kim, G. Kang, J. C. Jung, T. H. Ha, and G. Y. Lee, 2020. Evaluation of regional drought vulnerability assessment based on agricultural water and reservoirs. Journal of the Korean Society of Agricultural Engineers 62(2): 97-109. (in Korean). doi: 10.5389/KSAE.2020.62.97.
- Mun, Y. S., W. H. Nam, M. H. Yang, J. H. Shin, M. G. Jeon, T. G. Kim, S. Y. Lee, and K. Y. Lee, 2021. Evaluation of agricultural drought disaster vulnerability using Analytic Hierarchy Process (AHP) and Entropy weight method. Journal of the Korean Society of Agricultural Engineers 63(3): 1-14. (in Korean). doi: 10.5389/KSAE.2021.63.3.001.
- Nam, W. H., T. G. Kim, J. Y. Choi, and J. J. Lee, 2012. Vulnerability assessment of water supply in agricultural reservoir utilizing probability distribution and reliability analysis methods. Journal of the Korean Society of Agricultural Engineers 54(2): 37-46. (in Korean). doi: 10.5389/KSAE.2012.54.2.037.
- 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.
- Nam, W. H., M. J. Hayes, D. A. Wilhite, and M. Svoboda, 2015. Projection of temporal 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.
- Park, J. Y., J. Y. Joo, M. W. Lee, and T. W. Kim, 2012. Assessment of drought risk in Korea: Focused on data-based drought risk map. Journal of Civil Engineering 32(4): 203-211. (in Korean). doi: 10.12652/KSCE.2012.32.4B.203.
- 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.
- Shim, I. T., B. C. Hong, E. J. Kim, and T. M. Hwang, 2019. Vulnerability assessment of drought of small island areas in Korea. Journal of Korean Society of Water and Wastewater 33(5): 341-351. (in Korean). doi: 10.11001/JKSWW.2019.33.5.341.
- Shin, J. H., 2018. Analysis of drought vulnerable areas using neural-network algorithm. Ph.D. diss., Sungkyunkwan University.
- Shin, J. H., J. K. Kim, M. K. Yeom, and J. P. Kim, 2021. Analysis of drought vulnerable areas using neural-network algorithm. Journal of the Society of Disaster Information 17(2): 329-340. (in Korean). doi: 10.15683/KOSDI.2021.6.30.329.
- Shin, J. H., W. H. Nam, N. K. Bang, H. J. Kim, H. U. Anh, and K. Y. Lee, 2020. Assessment of irrigation efficiency and water supply vulnerability using SWMM. Journal of the Korean Society of Agricultural Engineers 62(6): 73-83. (in Korean). doi: 10.5389/KSAE.2020.62.6.073.
- Won, K. J., J. H. Sung, and E. S. Chung, 2015. Parameteric assessment of water use vulnerability of South Korea using SWAT model and TOPSIS. Journal of Korea Water Resources Association 48: 647-657. (in Korean). doi: 10.3741/JKWRA.2015.48.8.647.
- World Meteorological Organization (WMO), 2022. Eight warmest years on record witness upsurge in climate change impacts. https://public.wmo.int. Press Release Number 06112022, Nov. 2022.
- Yang, J. S., and I. H. Kim, 2013. Development of drought vulnerability index using delphi method considering climate change and trend analysis in Nakdong River basin. Journal of Civil Engineering 33(6): 2245-2254. (in Korean). doi: 10.12652/KSCE.2013.33.6.2245.
- Yu, C., X. Huang, H. Chen, G. Huang, S. Ni, J. S. Wright, J. Hall, P. Ciais, J. Zhang, Y. Xiao, Z. Sun, X. Wang, and L. Yu, 2018. Assessing the impacts of extreme agricultural drought in China under climate and socioeconomic change. Earth's Future 6(5): 689-703. doi: 10.1002/2017EF000768.
- Zhao, J., Q. Zhang, X. Zhu, Z. Shen, and H. Yu, 2020. Drought risk assessment in China: Evaluation framework and influencing factors. Geography and Sustainability 1(3): 220-228. doi: 10.1016/j.geosus.2020.06.005.