공간규모의 특성을 고려한 기후변화 취약성 평가와 적응정책 연계를 위한 방법론 연구

국문 초록 (Abstract)

기후변화 취약성 평가는 기후변화 적응정책을 수립하는 데 중요한 역할을 하므로 기후변화 취약성을 올바르게 평가하는 것이 중요하다. 그 동안의 평가는 생물⋅물리적인 측면과 사회경제적인 측면을 동시에 갖고 있는 기후변화 취약성의 복잡한 개념 때문에 정보를 종합하는 데 용이한 복합지수를 이용하여 평가해왔다. 기존 기후변화 취약성 지표를 구성하는 대리변수들은 논리적 적합성과 자료의 가용성에 근거하여 주로 통계자료들 중에 선정되었는데, 이를 선정하는 기준이 다소 주관적이었다. 또한 중복된 지표가 포함되는 경우가 많았기 때문에 지표들 사이에 다중공선성이 존재하여, 특정 부문이 의도치 않게 가중화되는 경향이 있었다. 뿐만 아니라 기후변화 취약성을 구성하는 요소인 기후노출의 본질적인 규모와 민감도, 그리고 적응능력의 평가 및 관리 규모를 고려하여야 함에도 불구하고, 이를 고려하지 않고 유사한 구성의 지표를 사용하여 기후변화 취약성을 평가했다는 한계점이 있었다. 따라서 본 연구에서는 다변량 분석 기법인 주성분 분석과 군집 분석을 통해 국가 자료세트(국가규모)와 지자체 자료세트(지자체규모)로부터 기후변화 취약성의 핵심지표를 추출하여 복합지수의 한계점을 극복하고자 했다. 그 결과, 국가 자료세트에서는 여러 국제기구에서 기후변화 취약성 지표로 널리 사용되는 총 33개의 대리변수 중 GINI Index, 인구밀도, 기대여명 등 18개의 대리변수가 추출되었다. 지자체 자료세트에서는 국내 여러 연구기관에서 기후변화 취약성의 지표로 많이 사용되는 총 34개의 대리변수 중 GRDP, 재정자립도, 인구밀도 등 10개의 대리변수가 주요 인자로 파악되었다. 나아가 본 연구에서는 인도네시아 자카르타를 대상으로 취약성 평가를 수행하였다. 이를 통해 지리정보시스템(GIS)과 토지이용도 등이 평가 대상인 공간의 상황과 특성을 반영하는 지표 선정에 활용될 수 있으며, 이러한 지표를 기반으로 진행된 취약성 평가의 결과가 적응정책에 연계될 수 있는 방법론을 제안하였다. 본 연구는 기후변화 취약성을 구성하는 주요 인자 중 공간규모에 무관하게 유지되는 것도 있지만, 공간규모의 특성을 반영하는 주요한 핵심 지표가 있다는 것을 통계적으로 보여줌으로써 지역의 맥락화(contextualization)의 중요성을 강조한다는 데에 의의가 있다. `

다국어 초록 (Multilingual Abstract)

Assessment of climate change vulnerability plays an important role in providing objective criteria for setting up adaptation policies. Many previous assessments of vulnerability have used a composite index because it can incorporate biophysical and socioeconomic aspects of climate change vulnerability relatively easily. Although using a composite index is simple method to assess vulnerability, this method has some limitations; 1) selection of proxy variables for climate change vulnerability is largely dependent on the availability of statistical data. Therefore, some variables are redundant, leading to the multicollinearity problem. 2) There has been little consideration on the “scale” issue in the field of climate change assessment. In this study, we tried to overcome limitations of a composite index by extracting key indicators of climate change vulnerability from the national dataset (a national scale) and the municipal dataset (a municipal scale) using principal component analysis and cluster analysis. The national dataset and the municipal dataset were collected based on indicators being widely used in many studies of international agencies and research institutes of Korea, respectively. These dataset were composed of proxy variables from the section of climate, demographic, health, welfare, agriculture, economic, infrastructure, and education data. As a result, in the national dataset, 18 proxy variables such as GINI index, population density, and life expectancy were extracted from 33 proxy variables. In the municipal dataset, 10 proxy variables such as GRDP, population density, and forest area were extracted from 34 proxy variables. In order to apply this result to the case study, we conducted vulnerability assessment for Jakarta, Indonesia. In the case study, we suggested Geographic Information System and land cover map as a tool to select indicators reflecting spatial status and characteristics of the study area. We also developed the methodology to connect vulnerability assessment with adaptation policies. This study shows that some indicators are important regardless of spatial scales and some indicators reflect characteristics of specific spatial scale. In conclusion, this study emphasizes the significance of contextualization.

목차 (Table of Contents)

• 1. 서론 1
• 1.1 연구 배경 및 필요성 1
• 1.2 연구 목적 3
• 1.3 연구 내용 및 절차 4
• 1. Introduction 7
• 1.1 Background 7
• 1.2 Objective of study 9
• 1.3 Contents and research framework 9
• Reference 12
• 2. 이론적 고찰 및 선행 연구 13
• 2.1 기후변화 적응 13
• 2.2 기후변화 취약성 연구 16
• 2.2.1 기후변화 취약성 개념 16
• 2.2.2 기후변화 취약성 평가 지표 21
• 2.2.3기후변화 취약성 평가 시 고려사항 39
• 2.3 기후변화 취약성 핵심 지표 42
• 2.3.1 핵심 지표 추출 기법 42
• 2.3.1.1 주성분 분석 42
• 2.3.1.2 군집 분석 44
• 2.3.2 핵심 지표 추출 연구 45
• Reference 53
• 3. 다변량 분석을 이용한 공간 규모별 기후변화 취약성 핵심 지표 추출 57
• 3.1 서론 57
• 3.2 방법 및 재료 61
• 3.2.1 연구 개념틀 61
• 3.2.2 데이터의 구성 62
• 3.2.3 데이터의 가공 71
• 3.2.3.1 데이터의 평균 71
• 3.2.3.2 데이터의 정규화 71
• 3.2.3.3 데이터의 표준화 73
• 3.2.4 다변량 분석 73
• 3.2.5 핵심 지표 추출 74
• 3.3 결과 75
• 3.3.1 세계 자료세트(국가규모) 75
• 3.3.2 국가 자료세트(지자체규모) 77
• 3.3.3 국가 자료세트와 지자제 자료세트의 핵심지표간 비교 78
• 3.4 논의 81
• 3.5 결론 85
• 3. Key indicators of climate change vulnerability by spatial scale 87
• 3.1 Introduction 87
• 3.2 Material and method 90
• 3.2.1 Study flow 90
• 3.2.2 Data 91
• 3.2.3 Data processing 98
• 3.2.3.1 Selecting representative value - Data average 98
• 3.2.3.2 Normalization of data 98
• 3.2.3.3 Standardization of data 99
• 3.2.4 Multivariate analysis 100
• 3.2.5 Extracting key indicators 101
• 3.3 Result 101
• 3.3.1 National dataset (a national scale) 101
• 3.3.2 Municipal dataset (a municipal scale) 104
• 3.3.3 Comparison of key indicators between world dataset and national dataset 105
• 3.4 Discussion 107
• 3.5 Conclusion 111
• Reference 113
• 4. Suggested Methodology to Assess Environmental Vulnerability in a Coastal City: Application to Jakarta, Indonesia 119
• 4.1 Introduction 119
• 4.2 Methodology development 122
• 4.2.1 Characterization of the study area 122
• 4.2.2 Conceptual framework 122
• 4.2.2.1 Environmental exposure 124
• 4.2.2.2 Sensitivity 125
• 4.2.2.3 Adaptive capacity 126
• 4.2.2.4 Methods of standardization and synthesis of proxy variables 126
• 4.2.2.5 Decomposition of vulnerability into sectors 129
• 4.3 Result 129
• 4.3.1 Environmental exposure 129
• 4.3.2 Sensitivity 133
• 4.3.3 Adaptive capacity 135
• 4.3.2 Compilation of vulnerability 137
• 4.4 Conclusion 140
• Reference 141
• 5. 사회경제 시스템 적응 사례 144
• 5.1 건물 144
• 5.1.1 미국 국가 범람 안전 프로그램 144
• 5.1.2 네덜란드 로테르담 시의 부유 건물 145
• 5.2 항구 146
• 5.2.1 항구의 주요 Infrastructure 146
• 5.2.2 호주의 항구 적응 전략 사례 149
• 5.2.3 보스턴 항구의 적응 전략 사례 156
• 5.2.4 로스엔젤레스 항구의 적응 전략 사례 160
• 5.2.5콜롬비아 항구의 적응 전략 사례 163
• 5.3 정보 통신 기술 164
• 5.3.1 영국의 정보 통신 기술 적응 전략 168
• 5.3.2 데이터 센터의 온도 및 습도 영향 168
• 5.4 에너지 170
• 5.4.1 연료 공급지 170
• 5.4.2 화석 연료 및 원자력 발전소의 홍수 171
• 5.4.3 온도 상승으로 인한 화력 발전소의 효율 저하 172
• 5.4.4 폭풍 피해로 인한 재생 가능한 에너지원의 효율 저하 172
• Reference 174
• 6. 결론 175