1. 서 론

이안류는 전 세계 해수욕객들에게 심각한 위협이 되고 있으며, 미국과 호주에서는 매년 수십 명의 사망자가 보고되고 있다^{(Gensini and Ashley, 2010; NOAA, 2022; SLS, 2022)}. 우리나라에서도 여름철 해수욕장에서 발생하는 이안류는 일반 해수욕객들 사이에서도 잘 알려져 있을 만큼 심각한 해양 재난으로 인식되고 있다. 특히 해운대에서 매년 관찰되는 이안류는 해수욕장 개장 시기마다 언론을 통해 반복적으로 보도되고 있으며, 매년 수 명에서 수십 명의 해수욕객이 이안류로부터 구조되고 있다^{(KHOA, 2021)}. 이러한 이안류는 파랑에 의해 유도되는 운동량 플럭스가 연안 방향으로 강한 변화를 보일 때 형성되거나^{(Tang and Dalrymple, 1989; Dalrymple et al., 2011)}, 파랑 쇄파 패턴의 연안방향 변동성이 소용돌이를 발생시킬 때 형성되는 것으로 알려져 있다^{(Clark et al., 2012; Feddersen, 2014; Peregrine, 1998, 1999)}. 파랑 쇄파가 연안방향으로 불균일하게 발생하는 모든 해안에서 이안류가 발생할 수 있으며, 단일 요인에 의해 지배되거나 복합적인 상호작용에 의해 발생하는 다양한 형태가 존재한다^{(Dalrymple et al., 2011; Castelle et al., 2016)}. 대부분의 이안류는 연안이나 근해 지형과 밀접한 관련을 보이며, 방향성이 무작위적인 파랑 조건에서는 돌발 이안류 (flash rip 또는 transient rip)이라 불리는 일시적 이안류도 발생할 수 있다^{(Peregrine, 1998, 1999; Johnson and Pattiaratchi, 2006; Clark et al., 2012; Feddersen, 2014)}.

이안류 예측은 발생 위치와 시점을 동시에 예측하기 어렵다는 점에서 해양 예보 분야의 중요한 과제로 남아 있다^{(Dalrymple et al., 2011; Castelle et al., 2016)}. 기존 연구에서는 특정 해안 환경의 물리적 특성을 바탕으로 이안류 발생 위험도나 발생 확률을 추정하여 예측을 시도해 왔다^{(Lushine, 1991; Lascody, 1998; Engle, 2003; Schrader, 2004; Nelko and Dalrymple, 2008)}. 효과적인 이안류 예측 모형은 파랑 특성, 조위 조건, 연안 지형과 같은 주요 입력 인자를 포함해야 하며, 이상적으로는 물리 기반의 수식을 통해 이안류 동역학을 평가할 수 있어야 한다. 모형의 산출물은 유속 추정치나 발생 확률을 통해 위험 수준을 제시하는 것이 바람직하다.

미국 국립해양대기청(US NOAA) 산하 국가기상청(NWS)에서는 인공지능 기반 통계 분석을 활용한 예측 시스템을 개발하였다^{(Dusek and Seim, 2013a; Dusek and Seim, 2013b; Dusek et al., 2014; Churma et al., 2017; Moulton et al., 2017)}. 이 시스템은 파고, 조위, 파향, 그리고 지형 사건(event) 플래그를 입력 자료로 활용하며, 구조대원의 관측 자료를 바탕으로 경험적 관계식을 구축한다. 그러나 이 모형은 물리 기반 수식을 직접 사용하지 않고, 지형도 단순히 사건 기반 조정을 통해 반영하기 때문에 물리적 현실성이 제한적이다. 이러한 통계적 접근법의 적용 가능성을 평가하기 위해 ^{Moulton et al.(2017)}은 모형 산출값을 실제 이안류 유속 관측치와 비교하였으며, ^{Casper et al.(2024)}은 단순화된 물리 기반 수식을 통해 이안류 속도를 추정하여 추가적으로 모형 성능을 검증하였다.

기술한 바와 같이, 기존의 이안류 예보기술은 물리 기반 방정식을 사용하지 않으며 3차원 지형 정보를 반영하지 못하는 한계를 가지고 있다. 최근 ^{Choi et al.(2025)}는 이안류 발생 가능성이 지역별 연안 지형 특성에 크게 의존함을 보였으며, ^{Choi(2022d, 2023, 2025)}는 물리 방정식에 기반하여 3차원 지형을 고려함으로써 기존 예보의 한계를 극복할 수 있는 새로운 이안류 예측기법을 제안하였다. 이 방법은 예측되거나 관측된 파랑 및 조석 자료를 입력값으로 사용하여 이안류 위험지수를 직접 산출할 수 있게 한다. 각기 다른 연안 지형을 가진 해역은 파고, 주기, 파향, 조위, 주파수 및 방향 분산 등 다양한 파랑·조석 조건에 따라 고유한 이안류 발생 확률 분포를 나타낸다. 이러한 발생 확률은 Boussinesq 방정식을 기반으로 한 위상 해상 수치모형 FUNWAVE를 통해 산출되며, 이 모형은 쇄파에 의한 와류를 모의할 수 있어 지속성 이안류와 일시성 이안류 모두를 재현할 수 있다^{(Chen et al., 1999; Johnson and Pattiaratchi, 2006; Geiman and Kirby, 2013; Feddersen, 2014)}.

우리나라 국립해양조사원에서는 2011년부터 실시간 관측정보를 바탕으로 이안류의 발생정도를 예측하여 실시간 경보체계를 구축하고, 운영하기 시작하였다. 2020년부터는 ^Choi(2025)에 소개된 기법을 활용하여 10개 해변에 적용하고 운용하고 있다. 이안류를 예측하기 위해서는 무엇보다도 파랑정보의 정확한 예측이 선행되어야 한다는 것을 의미한다. 이러한 관점에서 상기 경보체계는 예측된 파랑정보가 아닌 실시간으로 관측된 파랑정보를 사용하므로 그 예측 정확도에 장점이 있어, 현장에서 이안류에 의한 입욕통제 판단의 자료로 활용되고 있다. 이를 바탕으로 해양경찰과 119 구조대가 적극적으로 대응함에 따라 피해자 및 구조자 수가 감소하였다^{(KHOA, 2021)}.

본 연구에서는 국립해양조사원의 실시간 이안류 경보체계에서 산출된 최근 4년간의 자료를 수집하여 9개 해변의 이안류 위험지수를 대상으로 통계적 기법으로 평가하였다. 기존에 운영되던 지수를 발생확률 형태로 변환한 뒤, Brier Skill Score(BSS), 정확도(Accuracy), 탐지확률(Probability of Detection), 허위경보비율(False Alarm Ratio), 위양성률(False Positive Rate), Youden 지수, 그리고 ROC 곡선 하부면적(Area Under the ROC Curve, AUC) 등^{(Wilks, 2006)}을 활용하여 성능을 분석하였다. 아직 표준화되지 않은 다양한 이안류 예보 기법에 대해, 그 결과를 어떻게 검증하고 통계적으로 분석할 수 있는지를 제시한다는 점에서 본 논문의 의의가 있다.

2. 이안류 예측모형

2.1 KHOA 이안류 경보체계 구성 개요

KHOA 이안류 경보체계 중 해운대 해수욕장에 대하여 구성된 내용은 ^Choi(2025)에 자세히 기술되어 있다. 이 절에서는 이 내용을 간략히 정리하여 기술하였다.

Fig. 1. A Workflow Diagram Illustrating the Process for Pre-Building the Database (i.e., Rip-Current Likelihood Distributions) and Operating the Real-Time System of KHOA (Korea Hydrographic and Oceanographic Agency)(Reproduced from Choi, 2025, ⓒ Elsevier)

2.1.1 근해 파랑 및 조위 관측시스템

국립해양조사원의 이안류 경보체계는 실시간 근해 관측 자료를 입력값으로 활용하여 이안류 위험지수를 산출하고, 이를 서비스하는 절차를 채택하고 있다(Fig. 1). 총 여섯 가지 실시간 관측정보(파고, 파주기, 조위, 파향, 주파수 스펙트럼 광협도, 파향 스펙트럼 광협도)^{(Choi, 2025)}를 기반으로 이안류 위험지수가 생산된다. 관측 파고와 파주기는 부이에서 수신되는 수면 변위 시계열(2 Hz, 5분)을 이용하여 zero-up-crossing 방법으로 산출한다. 반면 파향과 스펙트럼 계수는 동일한 3축 변위 시계열(2 Hz)을 서버로 전송한 뒤 스펙트럼 분석을 통해 계산된다. 이는 파고 변화를 신속하게 반영하는 것이 이안류 경보에 핵심적이기 때문에 부이 내에서는 짧은 시계열을 이용해 파고 및 파주기를 산출하는 반면, 파향 및 스펙트럼 특성 추정에는 보다 긴 시계열이 필요하나 부이 자체 전력의 한계로 인해 서버에서 계산을 수행하기 때문이다. 조위 자료는 대상 해역과 가장 가까운 조위관측소에서 관측된 값을 활용한다. 상기 관측자료는 국립해양조사원(KHOA, khoa.go.kr/ oceanmap/main.do)에서 제공한 것으로, 제5장에서 모형 결과와 함께 제시된다.

2.1.2 사전 수치모의

파랑 조건과 연안 지형 특성에 따른 이안류 발생 가능성 데이터베이스를 구축하기 위하여, 근해에서 관측되는 여섯 가지 변수(파고, 파주기, 조위, 파향, 주파수 스펙트럼 광협도, 파향 스펙트럼 광협도)^{(Choi, 2025)}를 입력값으로 사용하여 해상상태 시나리오를 수립하고 이에 대한 수치모의를 수행한다. 너울에 의한 이안류 발생을 모의하기 위해 규칙파 조건에서의 수치실험을 수행하며, 풍파에 의한 영향을 분석하기 위해 불규칙파 조건에서의 수치실험을 병행한다. 규칙파 조건의 시나리오에서는 파고 0.5-1.5 m(6개), 주기 5-15 s(6개), 파향 서-동(13개), 조위 간조-만조(DL 기준, 7개)를 적용하였다. 조위는 DL 기준 수심 격자에 조위 변화를 추가하여 반영한다. 불규칙파 조건에서는 파고 0.7-1.9 m(7개), 주기 5-15 s (6개), 주파수 스펙트럼 광협도 5개, 파향 스펙트럼 광협도 7개를 사용하며, JONSWAP 스펙트럼과 ^{Mitsuyasu et al.(1975)}의 방향 분산함수를 적용한다. FUNWAVE의 입력 조건을 보다 구체적으로 설명하기 위해, Appendix A에는 ^Choi(2022d)에서 사용된 해운대 해수욕장의 시나리오 기반 파랑 및 조위 파라미터를 정리하였다.

모든 경우에 대해 수치모의를 수행하는 것은 현실적으로 어려우므로, 일부 조건에서는 대표 주기(예: 11 s)를 고정하는 등 대표 파라미터를 설정하여 시나리오를 단순화하여 사용한다. 또한, 상대적으로 규모가 큰 이안류 발달에 유리한 조건을 중심으로 대표 파라미터를 선정한다. 본 연구에서 제시된 시나리오는 해운대 해수욕장을 예로 한 것이며, 실제 각 해수욕장은 서로 다른 외해 파랑 조건을 가지므로 조위와 파향 범위를 포함한 시나리오는 지역 특성에 맞게 구성된다^{(KHOA, 2021)}.

본 연구에서는 여러 문헌에서 이안류 발달 모의에 적용 및 검증된 바 있는 수치모형 FUNWAVE를 사용한다^{(Yoon et al., 2012; Choi et al., 2012a; Shin et al., 2014; Choi and Roh, 2021)}. FUNWAVE는 ^{Wei et al.(1995)}가 제시한 비선형 Boussinesq 방정식을 기반으로 하며, 유체흐름과 파랑을 동시에 계산할 수 있도록 개발되었다. 이 방정식은 3차원 Euler 방정식으로부터 비회전성 가정과 완화된 천해 가정을 통해 유도되었으며, 자유수면 변위와 순간 유속을 미지수로 하는 비선형 파랑 해석에 사용된다. 이후 ^{Chen et al.(2003)}은 운동방정식에 부분적 회전을 고려할 수 있는 항을 추가하여 연직방향 2차 비선형 효과를 포함한 와도(vorticity)를 모의할 수 있도록 개선하였다. FUNWAVE는 바닥마찰, 쇄파, 내부조파, 흡수층 등 다양한 부가 모듈을 포함하고 있으며^{(Chen et al., 1999; Chen et al., 2000; Kennedy et al., 2000)}, 본 연구에서는 다방향 불규칙파에 따른 연안류 연구에 사용된 ^{Choi et al.(2015)}의 버전을 동일한 경험 파라미터와 함께 적용하였다. 우리나라 해변 이안류에 대한 수치모의 결과는 ^{Choi et al.(2012, 2013)}, ^{Choi(2022a,b,c)}에 기술되어 있으므로, 본 논문에서는 해당 내용을 인용하여 대체한다.

2.1.3 수치모의기반 이안류 발생정도

각 시나리오 조건에 대한 수치모의 결과로 얻어진 유속 분포로부터 이안류 발생을 대표할 수 있는 값을 정량화할 필요가 있다. 이를 위해 다음과 같은 절차를 적용하였다. 먼저 계산 영역에서 산출된 최대 이안류 유속(해안선에 수직한 방향의 유속)을 시계열로 나타낸다. 이후 전체 모의 시간을 분모로 하고, 임의의 위험 유속을 초과한 최대 유속이 지속된 시간을 분자로 하여 비율을 계산함으로써 이안류 발생정도를 산출하였다^{(Choi, 2014, 2025)}. 위험 유속은 해수욕객이 이안류에 의해 외해로 끌려나갈 수 있는 임계값을 가정한 것으로, 총 다섯 가지 유속값을 설정하여 각각의 발생정도 평균을 계산하였다. 이 값들은 발생정도 분포가 적절히 표현되도록 설정된 것이다^{(Choi and Elgar, 2025)}. 이안류 발생정도는 파고-파주기, 파고-조위, 파고-파향, 파고-주파수 스펙트럼 광협도, 파고-방향 스펙트럼 광협도 등 다양한 조합 분포로 나타내어 데이터베이스를 구축하였다. 이러한 분포는 각 해변의 이안류 발생 특성을 규명할 수 있으며^{(Choi et al., 2025)}, 분포를 함수화하면 특정 해상 조건 시나리오에 따른 발생정도를 직접 산출할 수 있다^{(Choi and Elgar, 2025)}. 이해를 돕기 위해, 해운대 해수욕장을 대상으로 구축한 데이터베이스의 구조를 도식화한 이안류 발생 정도 분포를 Appendix B에 제시하였다.

2.1.4 이안류 위험지수

데이터 베이스로 구축된 상기 6개의 이안류 발생정도 분포 $f_{SHT}(H,T)$, $f_{WHT}(H,T)$, $f_{HE}(H,E)$, $f_{H\theta}(H,\theta)$, $f_{HF}(H,F)$, $f_{HD}(H,D)$는 다음과 같이 조합하여, 이안류 위험지수($S_{H, T, E, \theta, F, D}$)가 산출된다.

(1)

$S_{H, T, E, \theta, F, D}=\alpha_{w}\left(\beta_{T}f_{HT}+\beta_{E}f_{HE}+\beta_{\theta}f_{H\theta}+\beta_{F}f_{HF}+\beta_{D}f_{HD}\right)$

여기서 $f_{HT}=\alpha_{ST}f_{SHT}+\alpha_{WT}f_{WHT}$, $\alpha_{ST}$, $\alpha_{WT}$, $\beta_{T}$, $\beta_{E}$, $\beta_{\theta}$, $\beta_{F}$, $\beta_{D}$는 경험상수로 각 이안류 발생정도의 평균을 위한 가중치이다. $\alpha_{ST}$, $\alpha_{WT}$는 고려하는 입사파가 너울인지 풍파인지 구별하기 위해 주파수 스펙트럼 광협도와 파향 스펙트럼 광협도의 함수가 되는 것이 이론적으로 적합하지만, 운영의 한계로 가중치 평균을 사용하였다. 각 해수욕장의 지수함수에서는 $\alpha_{ST}$ = 0.6, $\alpha_{WT}$ = 0.4, $\beta_{T}$ = 0.42, $\beta_{E}$ = 0.17, $\beta_{\theta}$ = 0.25, $\beta_{F}$ = 0.08, $\beta_{D}$ = 0.08를 사용하고, 해수욕장 별로 $\alpha_{w}$ = 1.2-1.3의 보수적 안전계수를 추가하여 사용하였다.

참고로, 경험 계수들은 현장 이안류 발생 영상 자료들로부터 각각 분포의 가중치를 평가하여 경험적으로 결정하였으나, 각 경험계수 변화에 따른 지수 변화의 민감도가 크지 않다^{(Choi, 2025)}.

3. 이안류 발생여부 판단 자료

국립해양조사원은 이안류 경보체계 검증을 위해 각 해수욕장에 비디오 모니터링 시스템(khoa.go.kr/oceanmap/main.do)을 운영하고 있으며, 이 모니터링 영상자료를 활용하여 이안류 발생 여부 자료를 도출한다. 해안 전역에서 이안류를 직접 관측하는 것은 매우 어렵기 때문에 이안류 판별 체크리스트^{(Choi, 2025)}를 영상자료에 적용하여 이안류 발생 여부를 판별한다. 체크리스트에서는 쇄파 거품이 외해로 밀려 나가거나 쇄파가 연속적으로 발생하는 경우 점수가 높게 부여되어 이안류 발생으로 판정된다. 체크리스트를 통해 수집된 자료는 주간(09:00-18:00) 촬영된 1시간 단위 영상으로부터 매 시각 이안류 발생 여부를 기록하는 방식으로 구축되어 있다. 참고로 Appendix C에 해운대 해수욕장에 설치 및 운영되고 있는 모니터링 시스템 구성도와 이안류 발생여부 판별 체크리스트를 제시하였다.

4. 통계분석 기법

본 연구에서는 모형의 예측능력을 기후학적 기준(climatology)과 비교하여 평가하기 위해 Brier Skill Score(BSS)를 사용하였다. BSS는 예측 확률과 관측된 이분값(발생 = 1, 미발생 = 0) 간의 평균제곱오차를 나타내는 Brier Score(BS)로부터 도출된다^{(Wilks, 2006)}.

여기서 $N$은 총 예측 횟수, $p_{i}$는 예측 확률(0-1), $o_{i}$는 관측 결과(발생 시 1, 미발생 시 0)를 의미한다. 기후학적 기준에 대한 참조 Brier Score는 다음과 같이 정의된다.

여기서 $\overline{o}$는 자료 전체에 걸친 평균 발생빈도를 의미한다. 최종적으로 BSS는 다음과 같이 표현된다.

BSS 값이 1에 가까울수록 기후학 대비 예측성이 뛰어남을 의미하며, 0 이하일 경우 예측 개선 효과가 거의 없음을 나타낸다.

추가적으로, 본 연구에서는 혼동행렬(confusion matrix)을 기반으로 한 범주형 지표들을 사용하여 모형 성능을 평가하였다. 이안류 발생 예측은 예측된 발생 확률이 임계치($P_{cr}$)를 초과한 경우로 정의하고, 이를 실제 관측 결과와 비교하였다. 전체 정확도(Accuracy, ACC)는 다음과 같이 계산된다.

여기서 TP(True Positive, 즉 성공탐지)와 TN(True Negative, 즉 상태인지)은 올바른 예측, FP(False Positive, 즉 허위경보)와 FN(False Negative, 즉 탐지실패)은 잘못된 예측을 의미한다. 추가적인 지표로 탐지확률(Probability of Detection, POD)과 경보 발령 가운데 허위경보 비율(False Alarm Ratio, FAR)을 각각 다음과 같이 계산하였다.

TPR(True Positive Rate)은 POD와 동일하며 민감도(sensitivity)를 나타낸다. 반면 위양성률(False Positive Rate, FPR)은 미발생 사례 중 허위경보 비율을 의미하며 다음과 같이 정의된다. 또한 최적의 발생 확률 임계치($P_{cr}$)를 산정하기 위해 Youden 지수를 사용하였다^{(Wilks, 2006)}.

모형 성능은 ROC 곡선(Receiver Operating Characteristic curve)도 활용하여 평가하였다. ROC 곡선은 $P_{cr}$을 변화시키면서 TPR과 FPR의 관계를 나타내며, 그 하부 면적(AUC, Area Under Curve)을 성능 지표로 사용하였다. AUC 값이 1에 가까울수록 예측성이 우수하며, 0.5 부근일 경우 무작위 예측과 유사함을 의미한다. 이상의 지표들을 종합하여 이안류 예측모형의 범주형 성능을 정량적으로 평가하였다.

5. 결 과

국립해양조사원에서 운영된 이안류 감시체계로부터 생산된 2021년부터 2024년까지의 자료를 분석하여 본 절에서 남해의 해운대, 서해의 대천, 제주도 중문, 동해의 낙산 해수욕장에 대하여 자료와 통계적 평가 결과를 제시한다. 5.5절에는 이를 포함하여 최근 4년 동안 운영 중인 9개 해수욕장에 대해 종합적으로 그 결과를 제시한다.

5.1 해운대 해수욕장

2021년부터 2024년까지 해운대 해수욕장 개장 동안의 이안류 발생확률 시계열과 주요 관측요소를 Fig. 2에 함께 나타내었다. 그림에 제시된 4년의 개장 동안 운영된 이안류 경보 체계의 시간별 자료 3,247건을 이용하여 통계적 평가를 수행한 결과, Brier Skill Score(BSS)는 0.36으로 나타나 기후학적 기준 대비 일정 수준 이상의 예측 능력을 보였으며, ROC 곡선의 면적(AUC)은 0.93으로 매우 높은 판별 성능을 보였다.

Fig. 2. Time Series of Rip-Current Likelihood Probability (First Panel) and Observations (Significant Wave Period (Second Panel); Significant Wave Height (Third Panel); Tidal Elevation (Blue Line) and Wave Direction (Black Line) (Fourth Panel); Spreading of Frequency Spectrum (Black Line) and Spreading of Directional Spectrum (Blue Line) (Fifth Panel)) during the Summer Beach Opening Seasons from 2021 to 2024 (09:00-18:00) at Haeundae Beach. In the First Panel, the Wide Cyan Bands Indicate the Rip Current Events

임계 확률($P_{cr}$)을 변화시키며 평가한 결과(Table 1), $P_{cr}$ = 0.4에서 정확도(ACC)는 0.85, Youden 지수는 0.64를 나타내어, 탐지 성능(POD = 0.91)과 미발생 시 허위 경보율(FPR = 0.27) 간의 균형이 가장 잘 이루어졌다. 이는 모델이 실제 발생을 효과적으로 탐지하고 있음을 의미한다. 따라서 임계 확률($P_{cr}$) 0.4를 본 이안류 경보체계에서 경보 발령의 실용적 기준값으로 설정하면 적절할 것으로 판단된다.

Table 1. Model Performance Metrics of Rip Hazard Probability at the Haeundae Beach Including Accuracy (ACC), False Alarm Ratio (FAR), Probability of Detection (POD), False Positive Rate (FPR), and Youden's Index for Different Critical Likelihood Values $P_{cr}$ Used to Determine Rip-Current Occurrence Predictions

$P_{cr}$	ACC	FAR	POD(TPR)	FPR	Youden
0.25	0.76	0.25	1.00	0.78	0.21
0.30	0.80	0.22	0.98	0.64	0.34
0.35	0.83	0.17	0.95	0.44	0.51
0.40	0.85	0.11	0.91	0.27	0.64
0.45	0.84	0.07	0.84	0.15	0.69
0.50	0.81	0.04	0.76	0.08	0.69
0.55	0.77	0.02	0.69	0.04	0.65

5.2 대천 해수욕장

2021년부터 2024년까지 대천 해수욕장 개장 동안의 이안류 발생확률 시계열과 주요 관측요소를 Fig. 3에 함께 나타내었다. 4년간 운영된 이안류 경보체계의 시간별 자료 1,945건을 이용하여 통계적 평가를 수행한 결과, Brier Skill Score(BSS)는 0.56으로 나타나 기후학적 기준 대비 우수한 예측 능력을 보였으며, ROC 곡선의 면적(AUC)은 0.96으로 높은 분류 성능을 보였다.

임계 확률($P_{cr}$)을 0.25-0.55 범위에서 변화시키며 평가한 결과(Table 2), Youden 지수는 $P_{cr}$ = 0.35에서 0.78로 최대값을 보였으며, 이때 정확도(ACC)는 0.89, 탐지 성능(POD)은 0.91, 미발생 시 허위경보율(FPR)은 0.13으로 나타났다. 이는 모델이 실제 발생을 효과적으로 탐지하고 있음을 의미하며, 탐지 성능과 허위경보 억제 간의 균형이 가장 우수한 조건이 $P_{cr}$ = 0.35임을 보여준다. 따라서 대천 해수욕장의 경우, $P_{cr}$ = 0.35를 경보 발령 기준값으로 설정하는 것이 적절한 것으로 판단된다.

Fig. 3. Time Series of Rip-Current Likelihood Probability (First Panel) and Observations (Significant Wave Period (Second Panel); Significant Wave Height (Third Panel); Tidal Elevation (Blue Line) and Wave Direction (Black Line) (Fourth Panel); Spreading of Frequency Spectrum (Black Line) and Spreading of Directional Spectrum (Blue Line) (Fifth Panel)) during the Summer Beach Opening Seasons from 2021 to 2024 (09:00-18:00) at Daecheon Beach. In the First Panel, the Wide Cyan Bands Indicate the Rip Current Events

Table 2. Model Performance Metrics of Rip Hazard Probability at Daecheon Beach including Accuracy (ACC), False Alarm Ratio (FAR), Probability of Detection (POD), False Positive Rate (FPR), and Youden's Index for Different Critical Likelihood Values $P_{cr}$ Used to Determine Rip-Current Occurrence Predictions

$P_{cr}$	ACC	FAR	POD(TPR)	FPR	Youden
0.25	0.79	0.35	0.99	0.34	0.65
0.30	0.86	0.25	0.96	0.21	0.76
0.35	0.89	0.18	0.91	0.13	0.78
0.40	0.90	0.11	0.84	0.07	0.77
0.45	0.89	0.08	0.77	0.04	0.73
0.50	0.87	0.06	0.71	0.03	0.68
0.55	0.85	0.03	0.63	0.01	0.62

5.3 중문 해수욕장

2021년부터 2024년까지 중문 해수욕장 개장 기간 동안의 이안류 발생확률 시계열과 주요 관측요소를 Fig. 4에 함께 나타내었다. 4년간 운영된 이안류 경보체계의 시간별 자료 2,354건을 이용하여 통계적 평가를 수행한 결과, Brier Skill Score(BSS)는 0.20으로 나타나 상대적으로 낮은 스킬을 보였으나, ROC 곡선의 면적(AUC)은 0.96으로 매우 높은 판별 성능을 보였다.

임계 확률($P_{cr}$)을 0.25-0.55 범위에서 변화시키며 평가한 결과(Table 3), Youden 지수는 $P_{cr}$ = 0.4에서 0.80으로 최대값을 보였으며, 이때 정확도(ACC)는 0.91, 탐지 성능(POD)은 0.91, 미발생 시 허위경보율(FPR)은 0.11로 나타났다. 이러한 결과는 해당 조건이 탐지 성능과 허위경보 억제 간의 균형이 가장 우수한 구간임을 의미한다. 따라서 중문 해수욕장의 경우 $P_{cr}$ = 0.4를 경보 발령 기준으로 설정하는 것이 높은 예측 정확도를 유지하면서도 불필요한 경보를 최소화할 수 있는 기준으로 판단된다.

Fig. 4. Time Series of Rip-Current Likelihood Probability (First Panel) and Observations (Significant Wave Period (Second Panel); Significant Wave Height (Third Panel); Tidal Elevation (Blue Line) and Wave Direction (Black Line) (Fourth Panel); Spreading of Frequency Spectrum (Black Line) and Spreading of Directional Spectrum (Blue Line) (Fifth Panel)) during the Summer Beach Opening Seasons from 2021 to 2024 (09:00-18:00) at Jungmun Beach. In the First Panel, the Wide Cyan Bands Indicate the Rip Current Events

Table 3. Model Performance Metrics of Rip Hazard Probability at Jungmun Beach including Accuracy (ACC), False Alarm Ratio (FAR), Probability of Detection (POD), False Positive Rate (FPR), and Youden's Index for Different Critical Likelihood Values $P_{cr}$ Used to Determine Rip-Current Occurrence Predictions

$P_{cr}$	ACC	FAR	POD(TPR)	FPR	Youden
0.25	0.90	0.09	0.99	0.59	0.40
0.30	0.92	0.06	0.97	0.36	0.61
0.35	0.92	0.03	0.94	0.20	0.75
0.40	0.91	0.02	0.91	0.11	0.80
0.45	0.87	0.02	0.86	0.09	0.77
0.50	0.85	0.01	0.84	0.06	0.77
0.55	0.83	0.01	0.81	0.03	0.78

5.4 낙산 해수욕장

2021년부터 2024년까지 낙산 해수욕장 개장 기간 동안의 이안류 발생확률 시계열과 주요 관측요소를 Fig. 5에 함께 나타내었다. 4년간 운영된 이안류 경보체계의 시간별 자료 1,578건을 이용하여 통계적 평가를 수행한 결과, Brier Skill Score(BSS)는 0.72로 나타나 매우 높은 예측 스킬을 보였으며, ROC 곡선의 면적(AUC)은 0.99로 거의 최상의 분류 성능을 보였다.

임계 확률($P_{cr}$)을 0.25-0.55 범위에서 변화시키며 분석한 결과(Table 4), Youden 지수는 $P_{cr}$ = 0.4에서 0.89로 최대값을 나타냈으며, 이때 정확도(ACC)는 0.95, 탐지 성능(POD)은 0.95, 미발생 사례 중 허위경보율(FPR)은 0.06으로 나타났다. 낙산 해수욕장의 경우 $P_{cr}$ = 0.4를 경보 발령 기준으로 설정하는 것이 합리적이며, 이 기준은 높은 예측 정확도(ACC = 0.95)와 경보발령 가운데 낮은 허위경보 비율(FAR = 0.08)을 동시에 만족시켜 신뢰성 있는 경보 체계로 활용될 수 있을 것으로 판단된다.

Fig. 5. Time Series of Rip-Current Likelihood Probability (First Panel) and Observations (Significant Wave Period (Second Panel); Significant Wave Height (Third Panel); Tidal Elevation (Blue Line) and Wave Direction (Black Line) (Fourth Panel); Spreading of Frequency Spectrum (Black Line) and Spreading of Directional Spectrum (Blue Line) (Fifth Panel)) during the Summer Beach Opening Seasons from 2021 to 2024 (09:00-18:00) at Naksan Beach. In the First Panel, the Wide Cyan Bands Indicate the Rip Current Events

Table 4. Model Performance Metrics of Rip Hazard Probability at Naksan Beach including Accuracy (ACC), False Alarm Ratio (FAR), Probability of Detection (POD), False Positive Rate (FPR), and Youden's Index for Different Critical Likelihood Values $P_{cr}$ Used to Determine Rip-Current Occurrence Predictions

$P_{cr}$	ACC	FAR	POD(TPR)	FPR	Youden
0.25	0.81	0.31	1.00	0.32	0.68
0.30	0.88	0.22	1.00	0.21	0.79
0.35	0.92	0.15	0.97	0.12	0.85
0.40	0.95	0.08	0.95	0.06	0.89
0.45	0.93	0.05	0.89	0.03	0.86
0.50	0.93	0.02	0.86	0.01	0.85
0.55	0.93	0.01	0.84	0.01	0.83

6. 요약 및 토의

본 연구에서는 국립해양조사원이 운영 중인 실시간 이안류 감시시스템의 예측 성능을 2021-2024년 4년간의 자료를 활용하여 통계적으로 평가하였다. 이안류 위험지수를 확률형 지수로 변환한 후, Brier Skill Score(BSS), ROC 곡선 하부면적(AUC), Youden 지수 등을 이용해 모형의 예측력을 분석하였다. 그 결과, 대부분의 해수욕장에서 AUC가 0.92-0.99 범위로 나타나 분류 성능이 매우 우수하였으며, BSS 또한 대체로 0.36 이상으로 기후학적 기준 대비 향상된 예측 스킬을 보였다. 특히 낙산, 경포, 망상 해수욕장은 높은 BSS와 AUC를 보여 신뢰도 높은 예측 성능을 나타냈다. 대부분의 해수욕장에서 임계 확률($P_{cr}$)은 0.35-0.4 구간에서 최적값을 보였으며, 이때 정확도도 상대적으로 높고, 탐지율(POD)과 위양성률(FPR)의 균형이 가장 잘 유지되었다. 이러한 결과는 본 모형이 다양한 연안 환경에서도 일관된 분류 성능을 유지하고 있으며, 향후 이안류 예경보체계의 신뢰성 향상과 운영 효율성 개선에 기여할 수 있음을 시사한다.

모든 이안류의 발생 시점과 위치를 정밀하게 예측하는 것은 현실적으로 불가능하며, 시간에 따라 이동하는 이안류를 직접 관측하는 것 또한 제한적이다. 해변 전체에서 실시간으로 이안류의 공간적 분포를 관측하기 어렵기 때문에, 이안류 강도와 발생 여부를 검증하기 위한 관측 자료의 확보에는 본질적인 한계가 존재한다. 현재는 영상자료를 이용해 이안류 발생 여부를 판별하고 있으나, 촬영 위치나 경사, 조위 변화 등에 따라 영상 보정의 한계가 있으며, 시각적으로 확인되지 않는 이안류도 다수 존재한다. 즉, 파랑 거품의 이동 특성만으로 모든 이안류의 발생을 판별하기는 어렵다. 다만 인공지능 영상 분석 기술의 발전을 통해 뚜렷한 이안류 사건의 자동 탐지가 가능할 것으로 보이며, 이러한 기술을 활용한 개선 가능성이 기대된다.

본 연구의 표본은 Table 5에서 보이듯 이안류 발생 빈도가 0.37-0.86 범위로 분포하여, 대부분의 해변에서 발생과 미발생의 비율이 일반적인 불균형(rare event) 데이터와는 달라, Accuracy도 일정 수준의 대표성을 가질 수 있다. 본 연구에서는 이를 보완하기 위해 앞서 제시한 지표들을 병행하여 예보 성능을 종합적으로 평가하였다. 표본의 시간적 독립성과 관련하여, 본 연구는 주간(09:00-18:00)에 촬영된 1시간 간격의 영상 판별 결과를 모두 사용하였으며, 이안류가 수 초에서 수 분 단위로 발생·소멸하는 비정상적 현상임을 고려할 때 인접 시점 간 자기상관은 크지 않다고 판단하였다. 즉, 각 시점의 자료는 통계적으로 독립된 사건(event-based data)으로 간주하였다.

본 이안류 예측모형은 3차원 지형을 이용한 위상분해 수치모형으로 계산되므로, 지형 및 입사파 조건에 따른 이안류 발생 특성을 이론적으로 모두 고려할 수 있다. 다만, 폭풍 등 외력에 의한 지형 변화는 반영되지 않으므로 이에 대한 모형의 개선이 필요하다. 이러한 관점에서, 수치모의에 사용된 지형자료의 측량 시점이 오래될수록 예측 정확도는 낮아질 수 있으며, 특히 속초와 해운대 해수욕장은 해안정비사업으로 인한 인위적 지형 변화가 빈번하므로 지형자료의 정기적 갱신이 중요하다.

나아가, 가까운 미래에는 기후변화의 영향으로 우리나라 연안이 점차 아열대화될 것으로 전망되며, 삶의 질 향상에 따라 해수욕 등 해양레저를 즐기는 인구가 지속적으로 증가할 것으로 예상된다. 따라서 이러한 환경 변화에 대응하기 위해 이안류 예측체계를 지속적으로 개선하고, 경보 정확도와 신뢰도를 향상시킬 필요가 있다. 이러한 측면에서, 이안류 예측 결과를 어떻게 검증하고 평가할 것인가는 중요한 과제이며, 본 연구에서 제안한 단기간이 아닌 수년간의 자료를 활용한 검증 방법론과 분석 결과는 향후 관련 연구의 기준이 될 수 있을 것으로 기대한다.

본 이안류 예측기법은 사전 정밀 수치모의 결과를 기반으로 하지만, 제한된 시나리오의 적용과 불명확한 경험상수의 한계를 극복하기 위해 향후 러닝머신 기법을 적용한 ML-PS(Machine Learning with Pre-Simulations)접근법에 대한 연구가 필요하다. 나아가 영상 분석을 통한 이안류 발생 여부 판별 과정에서는 관찰자의 경험이나 환경 조건에 따른 편차가 일부 존재할 가능성이 있으므로, 향후 인공지능(AI) 기반의 자동 영상 판독 기법을 도입하여 관찰자 의존성을 최소화하고 판독 오차를 정량적으로 평가할 수 있는 연구가 요구된다.