2.1 돌발홍수 예경보시스템 현황

^{Hwang et al.(2020)}은 한강홍수통제소에서 제공하는 강우레이더 기반 초단기 예측자료를 활용하여 돌발홍수 예경보시스템을 구축하였다(Fig. 1). 환경부 한강홍수통제소에서는 총 6기의 S-밴드 이중편파 레이더로부터 획득한 합성 지상 보정 강수량 자료를 기반으로, 초단기 강수 예측 자료를 생산하고 있다. 이 자료가 예경보시스템의 입력자료로 활용된다. 한계강우량 산정을 위한 기초자료로는 피해 이력을 기반으로 한 ^{Cho et al.(2018)}의 방법론을 채택하였으며, 피해 이력이 부족한 지역의 경우 유역 유출특성을 활용한 추정법을 적용하였다. 특히, 미계측 지역의 한계강우량 산정을 위해 침수특성과 유속특성 간의 관계식을 도출하였다. 이는 계측 지역에서 산정된 침수 특성(예: 침수 깊이, 유출량)과 유속 특성(예: 경사, 유역면적, 하천 형상)을 기반으로 하며, 해당 관계식을 통해 미계측 유역에서도 유속 특성으로부터 침수 특성을 유추할 수 있도록 설계되었다. 그 결과로 전국 5,047개 동·읍·면 행정구역을 대상으로 지속시간별(10분, 30분, 60분, 180분), 위험수준별(주의, 경계, 심각) 한계강우량을 산정하였다.

현재 운영 중인 돌발홍수 예경보시스템은 초단기 강수 예측의 정확도를 반영하여, 최대 60분 이내의 돌발홍수 발생 가능성을 웹 기반으로 제공하고 있다(Fig. 1). 이 시스템은 실시간 강우량 자료를 기반으로 경보 수준을 주의(낮은 위험), 경계(중간 위험), 심각(높은 위험)의 3단계로 구분하여 제공하며, 각 위험 수준에 따라 지역별 홍수 대응 역량을 제고하는 데 목적이 있다. 특히, 동 단위까지 상세한 공간 분해능을 갖춘 예보가 가능하여, “도-시(군)-구-읍·면·동“ 등 행정구역별 공간 위계를 따라 예보 대상 지역의 정보가 시각적으로 표출된다(Fig. 1). 이러한 기능은 지방자치단체 및 관련 유관기관이 지역별 홍수 위험을 직관적으로 인지하고, 신속하고 효과적인 대응 전략을 수립하는 데 유용한 정보를 제공한다.

Fig. 1. Algorithm and Application Results of the Flash Flood Early Warning System Presented by ^{Hwang et al. (2020)}

2.2 기존 돌발홍수 예측 품질 평가 방식

통상적으로 돌발홍수 예경보시스템의 성능 평가에는 contingency table을 이용한다. Contingency table은 hit, miss, false alarm, zero 등 네 가지로 예측 성패를 평가하는 방식이다. 사고 발생 시 예보가 발령되었을 경우 hit, 사고 발생 시 예보가 발령되지 않았을 경우 miss, 사고 미발생 시 예보가 발령되었을 경우 false alarm, 사고 미발생 시 예보가 발령되지 않은 경우 zero로 평가한다. 해당 연구에서는 뉴스를 근거한 사고 발생 사례를 정확도 평가에 사용하였기 때문에 사고 발생 경우에 대한 예측 정확도 평가만 가능하였다. 이에 따라 hit, miss 항목만 활용 가능하였으며 hit, miss 항목만 사용하는 평가지표 Probability Of Detection(POD)를 활용하여 시스템의 예측 정확도를 평가하였다. POD는 전체 사고 사례 횟수에 대한 예측이 성공한 피해사례 횟수의 비율을 의미한다(1).

여기서 H는 시스템에서 홍수 피해사례를 예측한 경우 즉 hit, M은 시스템에서 홍수 피해사례를 예측하지 못한 경우 즉 miss의 횟수이다.

^{Hwang et al.(2020)}은 1시간 선행 예보를 대상으로 돌발홍수 예경보시스템의 예측 정확도를 평가하기 위해, 2019년에 발생한 침수 및 홍수 사례를 뉴스 보도를 통해 수집하고, 이를 기반으로 POD 분석을 수행하였다. 분석 결과, 예경보시스템의 POD는 90.3 %로 나타나 높은 수준의 예측 정확도를 보였으며, 해당 시스템이 돌발홍수 예경보에 효과적으로 기여할 수 있음을 입증하였다.

2.3 미디어 데이터 활용의 한계점 및 개선 방안

^{Hwang et al.(2020)}은 뉴스 기사를 활용하여 돌발홍수 예경보시스템의 예측 정확도를 평가하였으며, 그 결과 높은 수준의 정확도를 확인한 바 있다. 그러나 뉴스 기반의 평가 방식은 사건 발생 시각과 정보 제공 시점 간의 시간적 불일치성이라는 한계를 지닌다. 뉴스 기사는 통상 사고 발생 직후가 아닌 일정 시간이 경과한 후, 제보 또는 외부 기관의 보도자료를 바탕으로 작성되는 경우가 많기 때문에, 실제 홍수 발생 시각과 보도 시점 간에 시간 지연이 발생하고, 이는 정량적 정확도 평가에 어려움을 초래할 수 있다.

이에 본 연구에서는 기존 뉴스 기반 평가 방식의 한계를 보완하고자, 침수 및 홍수 사례를 SNS 기반에서 수집하여 돌발홍수 예경보시스템의 성능 평가에 활용하였다. 재해 발생 시 SNS에서는 실시간으로 방대한 양의 비정형 데이터가 생성되며, 이를 적절히 가공할 경우 유용한 재해 정보로 활용될 수 있다. 즉, 홍수 및 침수 피해 정보를 보다 신속하고 다양하게 수집할 수 있으며, 뉴스에 보도되지 않은 지역적이고 미소한 피해 사례까지 포착할 수 있다는 점에서 기존 방식 대비 실시간성과 공간적 포괄성이 우수하다는 차별성을 갖는다.

3.1 침수 피해 관련 미디어 데이터 수집 과정

본 연구에서는 2020~2024년도의 침수 및 홍수 피해사례를 수집하여, 돌발홍수 예경보시스템의 예측 정확도를 평가하였다. 예측 시스템은 검증은 검증 자료의 양과 질에 크게 의존하며, 충분한 검증 자료 확보는 시스템의 정확도와 신뢰성을 높이는데 중요한 역할을 한다^{(Huang and Bárdossy, 2020)}. ^{Hwang et al.(2020)}에서는 2019년도 침수 및 홍수 피해사례를 활용하여, 돌발홍수 예경보시스템의 정확도 평가를 실시하였다. 본 연구에서는 해당 조사가 이루어진 2019년 이후, 최근 5년 내의 침수 및 홍수 피해사례를 활용하였다. 최근 발생한 대량의 검증 자료는 돌발홍수 예경보시스템의 예보 정확도 검증에 실질적인 기여를 할 것으로 기대된다.

2020~2024년도 침수 및 홍수 피해사례 조사는 Case 1: 2020~2023년 뉴스 데이터, Case 2: 2024년 뉴스 및 SNS 데이터 두 가지로 나누어 진행하였다. SNS의 검색 알고리즘은 키워드 검색 시, 사용자의 정보(예: 좋아요, 팔로우, 선호 컨텐츠 등) 및 최신 인기 컨텐츠를 반영하여 관련도순으로 게시물을 정렬한다. 이러한 특성으로 인하여, SNS 사용자 개인의 관심사와 연구자로서 목표로 하는 수집 데이터 간 불일치가 발생할 경우, 원하는 데이터를 수집하는데 어려움이 있을 수 있다. 추가적으로 키워드와 관계된 방대한 양의 게시물을 모두 확인하고 선별하는 것은 현실적으로 한계가 있다. 본 연구에서는 SNS 검색 알고리즘의 특성과 데이터 수집의 효율성을 고려하여, SNS 데이터 수집 기간을 최근 1년인 2024년으로 한정하였다.

침수 및 홍수 피해사례는 다양한 뉴스 매체와 SNS를 통해 수집하였다. 뉴스 데이터의 경우 연합뉴스, KBS, MBC, SBS, 중앙일보, 조선일보, 동아일보 등 주요 언론사를 포함하였으며, 이외에도 각종 지역 일간지 및 지방 언론 자료까지 조사 대상에 포함하였다. SNS 데이터 수집에는 국내 SNS 이용자 수가 상위권인 플랫폼 중 게시물 검색이 상대적으로 편리한 Facebook, Instagram, X를 활용하였다. 돌발홍수 예경보시스템의 예보 정보는 동네 규모이며, 10분 단위로 예보를 발령한다. 따라서, 미디어 자료 조사 대상을 사고가 발생한 위치(읍/면/동)와 시각을 명확하게 확인할 수 있는 경우로 한정하였다. 조사된 사고 사례의 발생시각은 예보 발령 시각과 해상도를 통일하기 위하여 반올림하여 10분 단위로 조정하였다.

조사에 사용한 키워드로는 “침수”, “홍수”, “수재해”, “기상이변”, “태풍”, “폭우”, “범람”, “호우”, “물난리”, “장대비” 등이 있다. SNS에서는 비공식적이고 개인적인 게시물의 특성을 고려하여 “비 엄청 와”, “비 많이”, “비 좀 그만”, “워터파크 개장”, “다 젖음”, “장대비”, “비 그만 와” 등의 일상적인 표현을 추가하여 조사하였다. 각 미디어 종류별 키워드를 사용한 조사 과정은 다음과 같다(Fig. 2).

Fig. 2. Procedure for Collecting Inundation and Flood Accidents Using News Media and SNS

3.2 침수 피해사례 조사 결과

미디어를 활용하여 침수 및 홍수 피해사례를 조사한 결과, Case 1(뉴스 데이터 활용)은 229건, Case 2(뉴스 및 SNS 데이터 활용)는 192건으로 총 421건의 사고 사례가 확인되었다(Tables 1 and 2). 조사 과정에서 사고 사례를 다룬 뉴스 기사나 SNS 게시물은 상당수 확인되었으나, 정확한 시각 및 위치 정보의 부재로 분석 자료에서 제외시킨 경우가 많았다. 여름철에 강우가 집중되는 국내 강우 특성상, 사고 사례는 5월에서 9월에 대부분 발생하였다. 본 연구에서 조사된 사고에는 2020년 7월 부산 초량 제1지하차도 침수사건, 2023년 7월 충북 청주시 오송 지하차도 사건 등 큰 규모의 사고뿐만 아니라 배수기능 저하 등과 같은 시설물 피해사례까지 포함된다. 조사 과정에서 주요한 침수 및 홍수 피해사례는 모두 포함이 되었으나, 누락된 사례가 있을 수 있음을 고려하여 분석 결과를 해석하길 권장한다.

4.1 Case 1: 2020-2023년 뉴스 데이터를 활용한 예경보 평가

돌발홍수 예경보시스템의 전국 규모의 예측 성능은 양호한 것으로 확인되었다(Table 3). 예측 정확도는 선행시간이 짧을수록, 공간규모가 클수록 향상되었다. 즉, 1시간 선행 예측보다는 10분 선행 예측이, 읍-면-동 단위의 예측보다는 시(군) 단위의 예측력이 더 좋은 것으로 나타났다. 10분 예측에 대한 POD는 읍-면-동 단위에서 0.6 정도, 시(군) 단위에서는 0.8 이상으로 2020년에는 0.926까지 증가하였다. 1시간 예측에 대한 POD는 읍-면-동 단위에서 0.4 이상, 시(군) 단위에서는 0.6-0.7 이상으로 나타났다. 선행시간의 구분을 완화시킨 10분, 30분, 1시간 선행시간 중 하나라도 예보가 성공한 경우 hit로 간주하는 평가 방식에 근거하면 예측 정확도가 크게 상승한다. 이 경우에는 동네규모인 읍-면-동 단위의 POD도 0.7 이상으로 우수한 예측 성능을 가지게 된다. 시(군) 규모에서는 0.9에 육박하는 높은 예측 정확도를 제공한다. 종합적으로 선행시간의 구분을 완화하는 경우, 돌발홍수 예경보시스템의 예측성능은 우수한 것으로 판단된다.

피해 규모가 큰 주요 침수 및 홍수사례들에 대한 동네규모 예보가 가능했다는 점도 돌발홍수 예경보시스템의 우수성을 보여준다. 지하차도 인명피해가 발생했던 2020년 7월 23일 부산 호우시 동네규모의 1시간 선행 예측에 성공하였다. 극심한 호우가 동반되었던 2020년 9월 경상북도의 피해사례에서도 동네규모의 1시간 선행 예측에 성공하였다. 2022년 8월 8일 수도권 폭우시에는 서울시에서 발생한 네 건의 피해사례를 역시 동네규모의 1시간 선행 예측하였다. 2023년 7월 15일 충청북도 청주시 지하차도 피해사례에 대한 예측도 양호하게 수행하였다. 그럼에도 불구하고 여전히 동네규모 1시간 선행 예측의 성능 개선이 필요한 것은 사실이다. 특히, 인구수가 상대적으로 많은 수도권과 경상도 지역의 예측에 실패한 사례가 다수 확인되었기 때문이다.

다음으로 여러 지역 중 가장 많은 뉴스 데이터를 확보한 낙동강 유역을 대상으로 예경보 성능을 평가하였다. 돌발홍수 예경보시스템의 낙동강 유역 대상 침수 및 홍수 예측 성능은 전국 규모와 유사한 경향을 보이나 예측 정확도의 수준은 전국 평균치보다 높은 것으로 나타났다(Table 4). 전국 규모의 예측 결과와 유사하게 1시간 선행 예측보다는 10분 선행 예측이, 읍-면-동 단위의 예측보다는 시(군) 단위의 예측력이 더 높았다. 그러나 전체적으로 POD 수치가 전국 규모의 지표보다 더 높은 것으로 확인되었다. 특히, 10분 선행 시(군) 단위의 홍수 예측에 대한 POD는 2022년을 제외하고는 모두 0.92 이상으로 산정되었다. 1시간 예측 성능 또한 시(군) 규모에서는 0.7 이상으로 우수한 것으로 나타났다. 선행시간을 완화시킨 경우에는 예측 능력이 매우 뛰어났다. 시(군) 단위의 POD는 0.945, 읍-면-동 단위의 POD도 0.8 정도로 대부분의 피해사례를 시스템에서 예측하였다. 전국 대비 낙동강 유역의 예측성능은 뛰어난 것으로 확인되었으나 광역시에서의 동네규모 예측력의 향상이 필요한 것으로 판단된다. 동네규모의 1시간 예측에 실패한 사례 중 부산, 대구, 울산광역시에 해당하는 경우가 대부분이었다.

4.2 Case 2: 2024년 뉴스 및 SNS 데이터를 활용한 예경보 평가

SNS 데이터를 활용한 돌발홍수 예경보시스템의 전국 단위 평가 결과, 예측 성능은 양호한 것으로 확인되었다(Table 5). Case 1 분석 결과와 마찬가지로 예측 정확도는 대체로 선행시간이 짧을수록, 공간 규모가 클수록 향상되었다. 즉, 30분보다는 10분 선행 예측이, 읍-면-동 단위의 예측보다는 시(군) 단위의 예측력이 더 좋은 것으로 나타났다. 1시간 예측에 대한 POD는 읍-면-동 단위에서 0.4에 가깝게, 시(군) 단위에서는 0.8 정도에 다다랐다. 선행시간의 구분을 완화시킨 경우(10분, 30분, 1시간 선행시간 중 하나라도 예보가 성공한 경우 hit로 간주하는 평가 방식)에는 홍수 예측 정확도가 뚜렷하게 상승하였다. 이 경우에는 동네 규모인 읍-면-동 단위의 POD도 0.5 이상으로 우수한 예측 성능을 가지게 된다. 시(군) 규모에서는 0.9에 육박하는 높은 예측 정확도를 제공한다. 종합적으로 뉴스 미디어 이외의 SNS 데이터를 함께 활용하는 경우에도 선행시간의 구분을 완화하는 경우, 돌발홍수 예경보시스템의 예측성능은 우수한 것으로 나타났다.

다음으로 대유역별로 세분화하여 평가를 진행하였다. 또한, 공간 위계를 고려하여 시(군) 단위(Fig. 3), 구 단위(Fig. 4), 읍-면-동 단위(Fig. 5)의 침수 및 홍수 사례를 추적하였다. 평균적인 POD는 좁은 공간 위계에서 넓은 위계로 갈수록 점차 커지며, 선행시간이 완화된 경우에 높았다. 특히, 시(군) 단위의 평가 결과는 SNS 데이터가 추가됨에도 뉴스 데이터만을 활용한 평가 결과와 큰 차이가 없다는 점에서 SNS의 예경보시스템 평가 목적으로의 활용도가 확보될 수 있음을 보여준다.

한강유역에서는 2024년 70건의 홍수 피해사례가 보도되었으며, 돌발홍수 예경보시스템의 예측 성능은 전국 단위의 결과와 유사한 것으로 확인되었다. 예측 정확도는 대체로 선행시간이 짧을수록, 공간 규모가 클수록 향상되었다. 즉, 1시간 보다는 10분 선행 예측이, 읍-면-동 단위의 예측보다는 시(군) 단위의 예측력이 더 좋은 것으로 나타났다. 1시간 예측에 대한 POD는 읍-면-동 단위에서 0.4에 가깝게, 시(군) 단위에서는 0.8 정도에 다다랐다. 선행시간의 구분을 완화시킨 경우에는 홍수 예측 정확도가 뚜렷하게 상승한다. 이 경우에는 동네 규모인 읍-면-동 단위의 POD도 0.5 이상으로 우수한 예측 성능을 가지게 된다. 시(군) 규모에서는 0.85에 육박하는 높은 예측 정확도를 제공한다. 종합적으로 선행시간의 구분을 완화하는 경우, 돌발홍수 예경보시스템의 예측성능은 우수한 것으로 판단된다.

낙동강유역에서는 2024년 72건의 홍수 피해사례가 보도되었으며, 돌발홍수 예경보시스템의 예측 성능은 전국 단위의 결과와 유사하고 한강유역의 결과보다는 우수한 것으로 확인되었다. 다만, 읍-면-동 규모의 예측 정확도는 상대적으로 낮은 것으로 나타났다. 1시간 예측에 대한 POD는 읍-면-동 단위에서 0.35에 가깝게, 시(군) 단위에서는 0.8 이상이었다. 선행시간의 구분을 완화시킨 경우에는 동네 규모인 읍-면-동 단위의 POD도 0.5에 가까운 예측 성능을 가지게 된다. 시(군) 규모에서는 0.85 이상의 높은 예측 정확도를 제공한다. 종합적으로 선행시간의 구분을 완화하는 경우, 돌발홍수 예경보시스템의 예측성능은 우수한 것으로 판단된다.

금강유역에서는 2024년 29건으로 다른 대유역에 비해 홍수 피해사례가 적었다. 그러나 읍-면-동 단위 돌발홍수 예경보시스템의 예측 성능은 모든 유역 중 가장 우수하였다. 특히, 1시간 예측에 대한 POD는 읍-면-동 단위에서 0.65 이상으로 매우 높은 값이 산출되었으며, 시(군) 단위에서는 0.8 이상이었다. 예외적으로 짧은 선행시간의 예경보에 비해 긴 선행시간의 경우 더욱 예측 정확도가 우수함을 확인할 수 있다. 선행시간의 구분을 완화시킨 경우에는 동네 규모인 읍-면-동 단위의 POD가 0.7에 가까운 매우 높은 예측 성능을 가지게 된다. 또한, 시(군) 규모에서도 0.85 이상의 높은 예측 정확도를 제공한다. 이러한 결과는 두 가지 측면으로 해석이 가능하다. 우선적으로 홍수예경보시스템이 금강유역의 지형적, 기후적 특성을 잘 반영하는 형태로 구축되었거나, 해당 유역의 뉴스기사 또는 SNS로 보도된 피해사례의 규모가 크거나 주요하여 시스템에 잘 포착되는 형태에 해당하는 것으로 볼 수 있다.

영산강·섬진강유역에서는 2024년 21건의 홍수 피해사례가 보도되었으며, 이는 모든 대유역 중 가작 적은 보도자료 수이다. 해당 유역의 돌발홍수 예경보시스템의 예측 성능 특징은 시(군) 규모의 POD가 매우 높다는 점이다. 특히, 선행시간의 구분을 완화시킨 경우(10분, 30분, 1시간 선행시간 중 하나라도 예보가 성공한 경우 hit로 간주하는 평가 방식)에는 모든 시(군) 규모의 예측을 성공하였다. 동네 규모인 읍-면-동 단위의 POD도 0.5에 가까운 예측 성능을 보였다. 예측 선행시간이 짧을수록, 공간 규모가 커질수록 예측 성능이 향상되었으나, 읍-면-동 규모의 예측 정확도는 상대적으로 낮은 것으로 나타났다. 특히, 1시간 예측에 대한 POD는 0.1 이하로 낮았다. 그러나 시(군) 규모 및 구 단위의 예측성능은 금강유역과 유사하거나 그 이상으로 높았다.

Fig. 3. PODs for Different Lead Times at the City/County Level by Major River Basin in Case 2. Bluish Colors for Each Basin Indicate the Averaged Values of POD

Fig. 4. PODs for Different Lead Times at the District (Gu) Level by Major River Basin in Case 2. Bluish Colors for Each Basin Indicate the Averaged Values of POD

Fig. 5. PODs for Different Lead Times at the Town/Township Level by Major River Basin in Case 2. Bluish Colors for Each Basin Indicate the Averaged Values of POD