이달별
(Dalbyul Lee)
1†iD
-
정회원 · 교신저자 · 동의대학교 소방방재행정학과 부교수
(Corresponding Author · Dong-eui University · moon@deu.ac.kr)
Copyright © 2021 by the Korean Society of Civil Engineers
키워드
자연재해, 근린 변화, 대도시, 로지스틱 회귀분석, 집계구
Key words
Natural hazards, Neighborhood change, Metropolitan city, Logistic Regression analysis, Census output area
1. 서 론
기후변화로 인한 자연재해의 증가와 대형화는 우리의 삶의 터전인 도시를 위협하고 있다. 최근 30년간 태풍, 집중호우, 폭염 등의 잦은 발생은 도시환경과
주민의 일상생활에 심각한 영향을 미치고 있다. 국내에서도 2018년과 2024년 폭염일수는 역대 최고치를 기록하였고, 매년 발생하는 집중호우로 도심이
침수하는 등 자연재해는 이미 도시민의 안전과 삶의 질을 위협하고 있으며, 나아가 도시공간의 전반적인 구조를 변화시키고 있다.
자연재해는 일시적 피해에 그치지 않고 도시의 인구, 사회, 경제뿐 아니라 공간구조에 장기적이고 복합적인 영향을 미친다. 근린은 도시민이 일상생활을
영유하는 기본 공간 단위로 주민의 삶과 도시 전반의 균형발전에 중요한 역할을 담당한다. 따라서 자연재해가 근린에 미치는 영향을 정확히 이해하는 것은
도시의 지속가능성과 주민의 삶의 질 향상을 위해 매우 중요하다.
그동안 근린 변화와 자연재해에 관한 연구는 주로 경제적 피해 분석에 집중됐으며, 사회·공간적 영향에 대한 체계적 분석은 상대적으로 미흡했다. 특히
국내 연구의 경우 자료의 한계 등으로 시군구 또는 시도 단위의 거시적 분석이 중점적으로 이루어져 일상생활과 밀접한 미시적 변화 양상을 이해하는 데
한계가 있었다. 또한 재해의 직접적이고 물리적인 영향에 국한되어 간접적, 장기적이고 사회적인 영향에 대한 평가가 부족한 실정이다.
따라서, 이 연구는 자연재해가 대도시에 장시간에 걸쳐 미치는 영향을 미시적 공간, 즉 근린 단위에서 종합적으로 분석하고자 한다. 2010년부터 2023년까지
7개 광역시의 근린을 대상으로 근린 유형의 변화 패턴을 파악하고, 자연재해가 근린 변화에 미치는 인과적 관계를 실증적으로 규명하고자 한다. 이 연구는
자연재해와 미시적 공간, 근린 변화 간의 장시간에 걸친 인과관계를 분석함으로써 기존 분석의 한계를 극복하기 위한 시도라는 점에서 의미가 있다. 또한
도시별, 근린 유형별 자연재해의 차별적 영향 분석을 통해 지역 특성을 고려한 정책 수립의 필요성을 제시하고, 자연재해 대응과 도시 공간 재생 전략
수립에 필요한 실질적 기초자료를 제공한다는 점에서 정책의 의의가 있다.
2. 선행연구 고찰
도시의 근린은 인구, 주택, 물리적 환경 등 다양한 요소들이 복합적으로 작용하는 공간으로, 주민의 삶과 도시 전반의 발전에 핵심적 영향을 미친다(Galster, 2001). 근린은 주거공간의 집합체를 넘어 지역 정체성과 사회경제적 지속가능성에 중요한 역할을 하며, 도시계획 및 설계, 공간 불균등, 공동체 및 사회적
자본 연구의 핵심 주제로 다뤄졌다(e.g., Galster and Peacock, 1986; Jargowsky, 1997; Chung and Lee, 2016; Jun and Jung, 2021). 근린은 고정된 것이 아니라 시간에 따라 변화한다(Grigsby et al., 1987). 도시 내 근린은 다양한 유형으로 존재하며 변화 흐름 및 양상도 다양하다(Delmelle, 2015). 우리나라 대도시 근린도 비슷한 양상을 보인다. 특히, 집계구 자료를 이용하여 근린 유형을 분류하고 10년 동안의 유형 변화를 추적한 연구(Lee, 2018)는 연구기간 동안 많은 근린이 변화 없이 안정적이지만 특정 지역 근린의 유형은 변화하였음을 보여주었다.
이러한 근린 변화는 고령화와 저출산 등 인구 구조의 변화, 주거 유형의 다변화, 주택 노후화와 공동화 같은 근린 내부의 요인뿐 아니라 공공시설 및
기반시설 공급, 재개발 및 재건축 같은 대규모 정부 지원 등 강력한 외부 충격에 의해서도 발생한다(Schwartz et al., 2006). 최근 국내외 연구들은 인구 감소, 도시 내 환경 격차, 연령별 집중 등 내부 변화 요인과 함께 경제 위기, 중앙 및 지방정부의 정책 등 외생적
요인이 근린에 미치는 복합적 영향에 주목한다(e.g., Ellen et al., 2001; Lee et al., 2020; Kim, 2023; Lim et al., 2024). 예를 들어, 주택 소유를 유도하는 정책으로 인해 근린 재생이 활성화되었으며(Ellen et al., 2001), 지방정부의 적극적인 도시재생 정책으로 해당 근린의 환경이 개선되어 주택 가격이 상승하기도 하였다(Galster et al., 2006).
자연재해는 대도시 근린의 인구 구성 및 물리적 환경에 결정적 변화를 초래하는 외부 요인으로 인식되고 있다. Lee(2017)는 근린 변화 요인에 관한 이론적 고찰을 통해 자연재해가 물리적 환경 변화와 피해 이후 복구를 위한 외부자원의 유입을 초래해 근린 변화에 영향을 미침을
밝혔다. 국내외 실증연구 또한 대규모 재해는 피해 지역 주민의 이주와 일시적 혹은 지속적 주거시설 낙후, 노후 주택 비율 증가 등 상당한 변화를 초래할
수 있음을 확인해 주었다(Hunter, 2005; Pais and Elliot, 2008; Paul et al., 2024). 재해 이후 복구의 속도와 방향에 따라 사회의 회복 속도와 방향에 부정적 영향을 미칠 수 있으며, 장기적으로 생활환경의 물리적, 질적 양극화의 결과를
낳을 수 있다는 우려가 제기되기도 하였다(Lee et al., 2018; Lee, 2020). 최근 포항 지진 이후, 해당 지역 근린에서 인구가 급격하게 감소하고 빈집이 증가하여 지역 경제마저 흔들리는 등 단기중기적 영향이 실증적으로 확인되었다(Lee, 2022). 이러한 영향은 특정 시기·재해에만 국한되지 않는다. 전국을 대상으로 한 20년간의 시계열 분석한 연구(Lee, 2020)는 대형 자연재해의 근린 인구 및 주택 구성의 다양성에 미치는 부정적인 영향을 보여주었다.
대규모 자연재해와 함께, 반복적이고 소규모의 자연재해도 피해 지역에 축적된 피해로 인해 취약 근린의 쇠퇴뿐 아니라 지역 전반의 침체를 가속화한다.
소규모지만 반복되는 재해의 누적효과는 특정계층의 선택적 이주, 생활 및 주거 환경의 악화를 통한 슬럼화, 공공서비스 질 저하 등 복합적으로 서서히
쇠퇴화된다(Bull- Kamanga et al., 2003; Baker, 2012). 누적된 피해와 지연된 복구는 일상 생활 기반을 약화해 근린의 회복과 발전을 제약하는 주요 원인으로 작동한다(AIDR, 2018). 최근 연구는 자연재해를 일상적 현상으로 인식하면서 크고 작은 재해 피해의 축적이 근린의 주거 불안정을 심화시킬 수 있으며(Elliott and Howell, 2017), 지역의 주택 가격 편차와 불균등을 증가시킬 수 있음을 확인해 주었다(Lee, 2025).
국내 근린 변화 연구는 최근 꾸준히 진행되고 있지만 여전히 제한적이며, 특히 자연재해와 근린 변화의 관계에 관한 연구는 매우 부족한 실정이다. 대부분의
연구는 자연재해의 경제적 영향 등 직접적 피해 분석에 집중되어 있어 간접적이고 장기적인 사회·공간적 변화에 대한 분석이 미흡하다. 또한 자료의 한계가
주요 원인이긴 하지만 시군구 또는 시도 단위의 분석이 주로 이루어져 일상생활과 밀접한 근린 수준에서의 양상을 포착하는 데는 한계가 있다. 따라서,
이 연구는 자연재해와 근린 변화 간 장기간에 걸친 인과적 관계를 근린 단위의 미시적 공간에서 분석함으로써 기존 연구의 한계에서 벗어나 변화의 구체적
특성을 실증적으로 밝히고자 한다. 또한 도시 및 근린 유형별 자연재해가 근린에 미치는 차별적 영향을 분석하여 자연재해 관리 및 도시 공간 전략 수립을
위한 실질적 기초자료를 제공하고자 한다.
3. 연구방법
이 연구는 자연재해 피해가 대도시 지역의 근린 변화에 미치는 영향을 분석하였다. 근린 변화를 측정하기 위해 집계구를 근린으로 정의하고, 이를 분석
단위로 하여 연구를 수행하였다. 집계구는 최적 인구 500명을 기준(최소 300명에서 최대 1,000명의 인구 규모)으로 사회경제적 동질성(주택유형,
지가) 등을 고려하여 통계청에서 구축한 최소 통계 집계구역을 말한다(KOSTAT, 2025). 최근 국내 많은 근린 관련 연구(Lee, 2017, 2018, 2020)에서 집계구 단위 자료를 활용하고 있다. 통계청은 2015년 이전은 5년, 이후는 1년마다 집계구 단위 인구, 가구, 주택, 산업 통계자료를 공표하고
있다. 이에 따라 연구기간은 가장 최근 자료인 2023년을 기준으로 10년 이상 경과된 시점에서 집계구 자료 구득이 가능한 2010년까지로 설정하였다.
이 연구는 대도시 근린 변화에 초점을 맞추었다. 대도시는 2023년 기준 전국 인구의 70 % 이상이 거주하고 있어(MOIS, 2023b) 재해 발생 시 사회경제적 영향이 상당하기 때문이다. 따라서 2012년에 출범한 세종시는 제외한 7개 광역시(서울, 부산, 대구, 인천, 광주, 대전,
울산)의 총 45,747개 집계구를 대상으로 연구를 수행하였다.
근린 변화에 미치는 자연재해의 영향 분석은 두 단계로 나누어 이루어졌다. 첫 번째 단계에서는 Lee(2018)의 연구방법을 참조하여 근린 유형을 분류한 후 유형의 변화를 추적하였다. 먼저, 2010년과 2023년 두 시점의 91,494개(45,747×2)
집계구를 대상으로 k-평균 군집분석을 실시하여 근린 유형을 분류하였다. 군집분석를 위한 변수는 집계구 자료 중 상관계수 값이 크지 않은 10개 변수(인구밀도,
14세 미만 인구, 65세 이상 인구, 1인 가구, 대형주택, 소형주택, 노후주택, 신축주택, 아파트, 단독주택, 3차 사업체)를 이용하였다. 변수값은
2010년과 2023년 자료를 활용하였으며 인구밀도를 제외한 모든 변수는 집계구 기준 비율의 z값으로 설정하였다. 군집분석으로 도출된 집계구별 2010년과
2023년 유형을 비교하였고, 이를 기반으로 근린 변화 여부와 변화 특성을 판단하였다. 특정 근린의 2010년과 2023년 유형이 다를 경우 근린이
변화하였다고 정의하였다. 근린 변화 특성은 근린의 개선(upgrade) 또는 쇠퇴(downgrade) 여부로 판단하였다. 예를 들어 노후주택이 집중되었던
근린이 신축주택 위주로 변화하였다면 근린 변화의 결과는 개선으로, 반대의 경우는 쇠퇴를 의미한다.
두 번째 단계에서는 자연재해가 근린 유형 변화에 미치는 영향을 분석하였는데, 근린 변화 여부와 함께 변화 특성에 미치는 영향을 살펴보았다. 연구기간
자연재해가 특정 근린의 유형 변화에 영향을 미쳤는지는 이항 로지스틱 회귀모형을 이용하여 측정하였다. 이 모형에서 종속변수는 근린 변화 여부로, 변화하였으면
1, 변화하지 않았으면 0의 값을 부여하였다. 변화된 근린을 다시 개선과 쇠퇴로 나누어 근린 변화 특성에의 영향을 분석하였다. 이를 위해 근린의 무변화를
참조로 한 다항 로지스틱 회귀모형을 이용하여, 무변화에의 자연재해 영향에 대한 개선과 쇠퇴의 상대적 영향을 측정하였다. 또한 두 로지스틱 회귀모형에서
광역 및 2010년 근린 유형 더미변수와 자연재해 변수의 교호항을 추가하여 광역 단위 지역 특성 및 이전 근린 유형과 자연재해의 상호작용이 근린 변화에
미치는 영향을 분석하였다. 이를 통해 광역 및 근린 유형별 근린 변화에 미치는 자연재해의 영향 차이를 밝히고자 하였다.
자연재해 변수는 행정안전부가 매년 발행하는 재해연보에서 2010년부터 2023년까지 13년간의 시군구 단위 자연재해 총피해액을 연평균 하여 이를 z값으로
환산하였다. 자연재해 피해액은 건물, 선박, 농경지, 농산물, 공공 및 사유시설에 대한 피해를 2023년 가치로 환산한 값을 사용하였다. 특정 대형
재난에 초점을 맞추지 않고 크고 작은 자연재해로 인한 지역에 미친 장기적인 누적 피해를 반영함으로써 자연재해가 근린 변화에 지속적이고 일상적으로 영향을
미칠 수 있음을 확인하고자 하였다.
통제변수는 선행연구(e.g., Lee et al., 2020; Lim et al., 2024)에서 제시한 근린 변화 요인 중 근린·시군구·시도 특성을 반영하였다. 근린 특성은 군집분석에서 사용한 변수(인구밀도, 14세 미만 인구, 65세 이상
인구, 1인 가구, 대형주택, 소형주택, 노후주택, 신축주택, 아파트, 단독주택, 3차 사업체)를 이용하였으며, 시군구 특성은 인구밀도와 지자체 재정자립도,
시도 특성은 서울을 참조로 하는 광역시별 더미변수를 포함하였다. 통제변수는 13년간의 특성을 반영하기 위해 2010년과 2022년 두 해의 평균을
z값으로 변환하였다.
4. 연구 결과
4.1 근린 유형 분류 및 변화
Table 1은 연구 기간의 특성별 근린 변화율의 평균을 이용하여 광역(시·도) 단위로 나타낸 것이다. 2010~2023년 7개 대도시의 근린은 평균적으로 인구는
1.2 %, 인구밀도는 6.4 % 증가하였다. 이러한 증가는 노인 인구의 증가에 기인하였는데, 근린 단위 14세 인구가 감소(-26.1 %)한 것에
비해 65세 이상 인구는 급속하게 증가(84.7 %)한 것으로 나타났다. 1인 가구의 증가(60.1 %)는 인구 증가에 비해 큰 인구밀도의 증가를
설명한다. 인천이 인구와 인구밀도 증가가 가장 컸고 서울이 인구 감소와 가장 낮은 인구밀도 증가율을 보였다. 대도시 모두에서 14세 미만 인구는 감소하였으나
65세 이상 인구와 1인 가구는 증가하였다. 특히 울산과 부산의 65세 이상 인구 증가율을 90 % 이상이었고 모든 대도시에서 1인 가구 증가율은
50 % 이상 증가하였다.
Table 1. Average Rate of Change by Neighborhood (Census Output Area) and Average Damage
from Natural Hazards from 2010 to 2023 (unit: %)
|
Characteristics
|
7-Cities
|
Seoul
|
Busan
|
Daegu
|
Incheon
|
Gwangju
|
Daejeon
|
Ulsan
|
|
N. Pop
|
1.2
|
-1.3
|
-2.0
|
-1.5
|
16.6
|
0.7
|
0.1
|
4.9
|
|
Density
|
6.4
|
1.3
|
11.5
|
11.2
|
19.8
|
3.1
|
2.9
|
9.0
|
|
R. Pop. under 14
|
-26.1
|
-32.7
|
-20.1
|
-23.2
|
-16.7
|
-25.1
|
-26.2
|
-22.1
|
|
R. Pop. over 65
|
84.7
|
83.5
|
91.7
|
80.6
|
82.5
|
72.0
|
89.2
|
98.7
|
|
R. 1-Person Household
|
60.1
|
56.4
|
57.5
|
66.9
|
66.2
|
64.2
|
67.9
|
57.7
|
|
R. Small House1)
|
28.5
|
44.3
|
23.5
|
14.1
|
14.6
|
8.0
|
17.7
|
7.1
|
|
R. Big House1)
|
-9.4
|
-24.7
|
-24.0
|
8.0
|
6.6
|
16.4
|
32.4
|
22.3
|
|
R. Single House
|
-37.2
|
-45.0
|
-42.8
|
-25.6
|
-41.8
|
-30.1
|
-15.3
|
-22.5
|
|
R. Apartment
|
35.2
|
23.6
|
43.2
|
41.6
|
57.4
|
35.5
|
32.0
|
38.4
|
|
R. Old House2)
|
107.7
|
98.4
|
71.8
|
125.7
|
133.8
|
120.1
|
165.2
|
164.0
|
|
R. New House2)
|
-13.7
|
-3.5
|
14.3
|
-27.1
|
-10.3
|
-31.0
|
-35.0
|
-51.7
|
|
R. 2nd Industry
|
62.4
|
33.0
|
64.1
|
71.3
|
88.5
|
127.9
|
136.2
|
100.1
|
|
R. 3rd Industry
|
13.1
|
10.2
|
10.4
|
15.5
|
22.7
|
9.5
|
10.4
|
26.1
|
|
Fiscal Independence
|
-32.1
|
-38.7
|
-8.6
|
-11.3
|
-31.0
|
-17.2
|
-30.7
|
-43.8
|
|
Natural Hazards Damage3)
|
42,188
|
10,265
|
15,040
|
271
|
3,311
|
4,560
|
1,308
|
7,433
|
Notes: 1) Small House: House under 60 m2 of Building Area, Big House : House under 165 m2 of Building Area.
2) New House: House under 10 years, Old House: House over 25 years.
3) 1,000,000 won
Sources: KOSTAT, 2025; MOIS, 2023a, 2023b.
주택의 경우 대형·단독·신축주택이 감소(각 -9.4 %, -37.2 %, -13.7 %)한데 반해 소형·아파트·노후주택이 증가(각 28.5 %, 35.2
%, 107.7 %)하였다. 이는 연구 기간에 소형 아파트 위주의 변화와 기존 주택의 노후화로 인한 변화가 동시에 이루어졌음을 의미한다. 서울이 대형·단독주택
감소율이 가장 컸으며 부산이 아파트와 신축주택 증가율이 가장 컸다. 대구와 울산이 대형·노후주택 증가율이 가장 컸다. 이 기간 2차 산업체의 수가
3차 산업체에 비해 크게 증가(각 62.4 %, 13.1 %)하였으며, 근린이 속한 기초자치단체(시군구)의 재정자립도는 감소하였다. 2차 산업은 광주,
대전, 울산에서 100 % 이상 증가하였고, 3차 산업은 울산과 인천에서 가장 많이 증가하였다. 재정자립도는 울산, 서울, 대전 순으로 감소 폭이
컸으며 부산 대구 순으로 가장 작게 감소하였다.
연구기간 7개 대도시에서는 자연재해로부터 연평균 421억 원의 피해가 발생했다. 부산과 서울의 연평균 피해액이 연평균 100억 원 이상으로 가장 피해가
컸는데, 태풍과 집중호우가 주요 원인이었다. 부산은 2014년 기록적인 집중호우로 951억 원의 피해가 발생했고, 매년 여름 발생하는 태풍의 지속적인
영향을 받고 있다. 서울 또한 2010년 태풍 곤파스와 2011년 집중호우로 인한 우면산 산사태가 발생하여 총 530억 원 이상의 피해를 입었으며,
최근 집중호우의 빈도가 잦아 계속된 피해가 발생하고 있다. 울산도 태풍 및 집중호우로 큰 피해를 경험하였으며, 내륙에 있는 대구, 광주, 대전은 자연재해
피해가 상대적으로 작았다. 매년 발생하는 자연재해로 인한 크고 작은 피해는 근린의 물리적 변화뿐 아니라 장기적이고 잠재적인 사회경제적 영향도 미쳤을
것으로 예상된다.
이러한 7개 대도시 근린 특성을 이용하여 근린 유형을 분류하기 위해 군집분석을 실시하였다. k-평균 군집분석을 반복적으로 실행한 후 군집 내 분산(Within-Cluster
Sum of Squares, WSS)와 군집 간 분산(Between-Cluster Sum of Squares, BSS)를 비교하고 군집 크기의 불균형을
최소화하도록 군집 수를 지정하였다. 그 결과 3개의 군집으로 분류되었으며, 분산 분석(ANOVA) 결과 군집간 유의한 평균 차이를 보여 군집별 뚜렷한
특성을 보였다.
Table 2는 2010년과 2023년 집계구 대상으로 한 최종 k-평균 군집분석 결과이다. 군집별 집계구 수를 기준으로 연구에 적합한 최종 분석 결과를 채택하였다.
먼저, 군집 2는 아파트 중심의 인구밀도가 높으며 신축주택과 3차 산업체가 상대적으로 많은 군집으로 신축·아파트(New·High) 근린 유형에 해당한다.
군집 2에 속한 근린의 수는 2010년과 2023년을 합쳐 총 42,527개로 군집 중 가장 많은 수를 차지한다. 우리나라 주요 주택 유형이 아파트인
점과 관련이 있다. 군집 3은 대형 단독주택 중심의 1인 가구가 밀집한 근린으로 노인과 노후주택이 많은 군집이다. 이 군집을 노후·단독주택(Old·Single)
근린 유형으로 분류하였다. 군집 1은 혼합(Struggling) 근린 유형으로, 근린 특성 10개 변수 모두에 대해 뚜렷하게 도드라지는 특성을 보이진
않지만 이들 특성이 혼합되어 나타나는 군집이다.
Table 2. Results of Cluster Analysis: Three Types of Neighborhoods
|
Cluster
|
Density
|
Pop>65
|
1-Person
|
Small H.
|
Big H.
|
Single H.
|
APT
|
Old H.
|
New. H.
|
3rd Industry
|
Neighborhood
|
|
N.
|
Type
|
|
1
|
-0.33
|
-0.26
|
0.05
|
0.21
|
-0.10
|
-0.30
|
-0.71
|
-0.20
|
-0.18
|
-0.27
|
26,593
|
Struggling
|
|
2
|
0.98
|
-0.17
|
-0.43
|
0.04
|
-0.36
|
-0.65
|
1.05
|
-0.05
|
0.11
|
0.35
|
42,527
|
New·High
|
|
3
|
-0.40
|
0.42
|
0.91
|
-0.06
|
0.95
|
1.03
|
-0.90
|
0.67
|
-0.16
|
-0.15
|
22,374
|
Old·Single
|
2010년에서 2023년 사이 근린 유형 1(혼합)에서 유형 2(신축·아파트)로 변화되었거나 유형 3(노후·단독주택)에서 유형 1(혼합) 또는 2(신축·아파트)로
변화된 경우를 근린 환경이 긍정적으로 변화된 것으로 보고 근린 개선으로 정의하였다. 반대로 근린 유형 1(혼합)에서 유형 3(노후·단독주택)으로 변화되었거나
유형 2(신축·아파트)에서 유형 2(혼합) 또는 3(노후·단독주택)으로 변화된 경우 근린 환경이 낙후된 것으로 보고 근린 쇠퇴로 정의하였다.
Table 3은 군집분석 결과를 기반으로 2010년과 2023년 사이 대도시별 근린 변화 현황을 보여준다. 대도시 전체 45,747개 근린 중 71.2 %에 해당하는
32,558개 근린이 이 기간 변화하지 않은 것으로 나타났다. 특히 신축·아파트 유형의 95,8 % (17,384개)가 변화하지 않아 변화율이 가장
낮았으며, 혼합 유형의 54.3 %가 다른 유형으로 변화하여 가장 큰 변화율을 보였다. 혼합 유형의 30.9 %는 신축·아파트 유형으로 23.3 %는
노후·단독주택으로 변화하였다. 노후·단독주택 유형은 14.0 %와 16.6 %가 각각 혼합과 신축·아파트 유형으로 변화되었다. 그 결과 혼합 유형의
근린은 2010년 16,815개에서 2023년 9,778개로 심하게 감소했지만, 신축·아파트와 노후·단독주택 유형의 근린은 증가하였다. 그중 신축·아파트
유형으로 증가가 가장 컸다.
Table 3. Neighborhood Change in Metropolitan Cities between 2010 and 2023 (%)
|
From Neighborhood Type
in 2010
|
To Neighborhood Type in 2023
|
|
1. Struggling
|
2. New·High
|
3. Old·Single
|
Total
|
|
7-Citis
|
1.
|
Struggling
|
7,692
|
(45.7)
|
5,203
|
(30.9)
|
3,920
|
(23.3)
|
16,815
|
(100.0)
|
|
2.
|
New·High
|
576
|
(3.2)
|
17,384
|
(95.8)
|
189
|
(1.0)
|
18,149
|
(100.0)
|
|
3.
|
Old·Single
|
1,510
|
(14.0)
|
1,791
|
(16.6)
|
7,482
|
(69.4)
|
10,783
|
(100.0)
|
|
Seoul
|
1.
|
Struggling
|
4,629
|
(61.4)
|
1,441
|
(19.1)
|
1,468
|
(19.5)
|
7,538
|
(100.0)
|
|
2.
|
New·High
|
329
|
(4.5)
|
6,972
|
(94.7)
|
62
|
(0.8)
|
7,363
|
(100.0)
|
|
3.
|
Old·Single
|
996
|
(23.1)
|
511
|
(11.8)
|
2,810
|
(65.1)
|
4,317
|
(100.0)
|
|
Busan
|
1.
|
Struggling
|
791
|
(32.8)
|
827
|
(34.3)
|
792
|
(32.9)
|
2,410
|
(100.0)
|
|
2.
|
New·High
|
67
|
(2.5)
|
2,523
|
(95.6)
|
49
|
(1.9)
|
2,639
|
(100.0)
|
|
3.
|
Old·Single
|
219
|
(12.5)
|
464
|
(26.5)
|
1,070
|
(61.0)
|
1,753
|
(100.0)
|
|
Daegu
|
1.
|
Struggling
|
249
|
(18.0)
|
651
|
(47.0)
|
484
|
(35.0)
|
1,384
|
(100.0)
|
|
2.
|
New·High
|
32
|
(1.6)
|
1,997
|
(97.4)
|
22
|
(1.1)
|
2,051
|
(100.0)
|
|
3.
|
Old·Single
|
37
|
(2.4)
|
271
|
(17.4)
|
1,253
|
(80.3)
|
1,561
|
(100.0)
|
|
Incheon
|
1.
|
Struggling
|
1,459
|
(47.0)
|
1,199
|
(38.6)
|
449
|
(14.5)
|
3,107
|
(100.0)
|
|
2.
|
New·High
|
76
|
(3.3)
|
2,244
|
(96.1)
|
14
|
(0.6)
|
2,334
|
(100.0)
|
|
3.
|
Old·Single
|
116
|
(13.8)
|
238
|
(28.3)
|
487
|
(57.9)
|
841
|
(100.0)
|
|
Gwangju
|
1.
|
Struggling
|
157
|
(24.3)
|
381
|
(59.0)
|
108
|
(16.7)
|
646
|
(100.0)
|
|
2.
|
New·High
|
23
|
(1.5)
|
1,443
|
(97.2)
|
19
|
(1.3)
|
1,485
|
(100.0)
|
|
3.
|
Old·Single
|
68
|
(7.3)
|
163
|
(17.5)
|
700
|
(75.2)
|
931
|
(100.0)
|
|
Daejeon
|
1.
|
Struggling
|
209
|
(23.1)
|
351
|
(38.8)
|
345
|
(38.1)
|
905
|
(100.0)
|
|
2.
|
New·High
|
24
|
(1.8)
|
1,291
|
(96.9)
|
17
|
(1.3)
|
1,332
|
(100.0)
|
|
3.
|
Old·Single
|
48
|
(5.8)
|
70
|
(8.5)
|
706
|
(85.7)
|
824
|
(100.0)
|
|
Ulsan
|
1.
|
Struggling
|
198
|
(24.0)
|
353
|
(42.8)
|
274
|
(33.2)
|
825
|
(100.0)
|
|
2.
|
New·High
|
25
|
(2.6)
|
914
|
(96.7)
|
6
|
(0.6)
|
945
|
(100.0)
|
|
3.
|
Old·Single
|
26
|
(4.7)
|
74
|
(13.3)
|
456
|
(82.0)
|
556
|
(100.0)
|
대도시별 근린 변화를 살펴보면, 근린 변화율은 24.9~35.5 %였다. 부산의 근린이 가장 변화가 많았고, 광주가 가장 작았다. 모든 대도시에서
변화율이 가장 낮은 근린 유형은 신축·아파트 유형으로, 95 % 이상의 근린이 같은 유형을 유지했다. 가장 변화가 많은 혼합 유형의 경우 대구, 대전,
울산 순으로 변화가 가장 많았으며 서울, 인천은 변화가 더뎠던 것으로 나타났다. 혼합 유형에서 신축·아파트와 노후·단독주택 유형으로의 변화는 많은
도시에서 비슷한 비율로 나타났는데, 광주에서 신축·아파트로의 변화 비율이 월등히 높았다. 노후·단독주택 유형의 변화율은 18.0~42.1 %로 대도시
간 차이가 컸다. 대전, 울산, 광주에서 이 유형 근린의 80 % 이상이 연구기간 변화를 보이지 않았다. 서울을 제외한 모든 대도시에서 노후·단주택
유형은 혼합 유형보다 신축·아파트 유형으로 더 많이 변화하였다. 이런 변화의 결과, 2010년 37.2~48.5 %를 차지하던 신축·아파트 유형이
2023년에는 46.4~64.9 %까지 증가하여 모든 대도시에서 가장 많은 근린 유형이 되었다.
Table 3의 회색 부분은 개선된 근린 변화를 보여준다. 7개 대도시 전체 근린의 18.6 %인 8,504개 근린의 환경이 개선됐지만, 10.2 %인 4,685개
근린이 쇠퇴를 경험했다. 인천의 경우 근린 개선이 전체 근린의 24.7 %로 대도시 중 가장 많았고, 서울과 대전이 15.3 %로 가장 적었다. 쇠퇴를
경험한 근린은 부산과 울산에서 13.1 %로 가장 많았고 광주에서 4.9 %로 가장 적었다. 이러한 분석의 결과를 통해 변화율과 변화 특성이 도시마다
차이를 보이나 우리나라 대도시의 근린은 전반적으로 신축·아파트 유형으로 변화하고 있으며, 노후·단독주택 유형 중 상당 근린의 경우 유형의 변화 없이
낙후된 환경이 유지되거나 심화하고 있음을 알 수 있다.
4.2 자연재해가 근린 변화에 미치는 영향
자연재해가 대도시 근린 변화에 미치는 영향을 파악하기 위해 Table 4와 같이 이항 로지스틱 회귀분석을 실시하였다. Model 1~3 모두 카이제곱 검점(Chi-square test, -2 Log Likelihood)에서
통계적으로 유의미하여 모델이 적합하였으며, 의사결정계수(Pseudeo R2) 값이 0~1으로 나타나 모델 설명력이 높은 것으로 나타났다. 분석결과(Model
1~3), 선행연구에서 제시한 바와 같이 근린, 지역 특성은 0.05 유의수준에서 통계적으로 유의한 영향을 미치는 것으로 나타났다. 근린 단위에서는
14세 미만 및 65세 이상 인구 비율이 높을수록, 대형·노후 주택 및 아파트 비율이 높을수록, 3차 산업체 비율이 높을수록 근린이 변화할 가능성은
낮아진다. 반면 1인 가구와 소형·신축·단독 주택 비율과 2차 산업체 비율이 높은 근린일수록 변화 가능성은 높아진다. 근린이 속한 시군구 특성도 근린
변화에 영향을 미치는데, 시군구의 인구밀도가 낮을수록, 재정자립도가 높을수록 근린 변화는 발생한다. 서울의 근린과 비교해 타 도시 근린은 변화에 민감함
것으로 나타났다. 특히 부산의 근린은 서울의 근린에 비해 1.52~2.21배 변화 가능성이 높았다.
Model 1는 자연재해 피해액에 따른 근린 변화 영향을 파악한 것이다. 자연재해 피해액은 근린 변화 여부에 유의한 음(-)의 영향을 미쳤다. 자연재해로
인한 연평균 피해액이 1 단위 증가할수록 근린 변화 가능성은 18.0 % 감소하는 것으로 나타났다. 즉, 자연재해의 피해가 심한 근린일수록 피해 이전의
유형을 유지는 경향이 있다는 것이다. 이러한 결과는 신형아파트 및 혼합 유형 근린보다 노후·단독주택 유형 근린에 심각한 결과를 초래할 수 있음을 시사한다.
이 유형 근린의 경우 자연재해 이후 복구로 환경이 개선되는 것이 아닌 환경 낙후가 가속화될 수 있다는 우려를 제기한다.
Model 2는 대도시별 자연재해의 근린 변화 영향의 차이를 나타낸 것이다. 참조 도시인 서울의 경우 자연재해는 근린 변화에 통계적으로 유의한 영향을
미치지 않았다. 부산, 광주, 대전의 근린 또한 자연재해로 인한 유형 변화 영향이 없는 것으로 나타났다. 반면 대구, 인천, 울산은 자연재해가 근린
변화에 유의한 영향을 미쳤다. 대구는 서울과 비교해 자연재해 피해액이 많을수록 근린 변화 가능성이 매우 높았고, 인천과 울산은 근린 변화 가능성이
작았다. 울산의 경우 자연재해로 인한 연평균 피해액이 1 단위 증가할수록 근린 유형 변화 가능성은 31.9 % 감소하였다.
Model 3은 2010년 근린 유형 따른 자연재해의 영향 차이를 분석한 것이다. 혼합 유형(1)의 경우 자연재해가 근린 변화에 미치는 영향은 유의한
음(-)의 영향을 미쳤다. 즉 2010년 이 유형의 근린은 자연재해 연평균 피해액이 증가함에 따라 변화 가능성은 상대적으로 낮았는데, 피해액이 1
단위 증가할 때 변화 가능성은 8.5 % 감소하였다. 신형아파트 유형(2)의 자연재해로 인한 근린 변화 가능성도 혼합 유형과 다르지 않은 것으로 나타났다.
노후·단독주택 유형(3)의 경우 자연재해 이후 근린 변화 가능성은 더욱 감소하였는데, 연평균 피해액이 1 증가할수록 근린 변화 가능성은 35.9 %
(8.5 %+27.4 %) 감소하였다. 이러한 결과는 Model 1의 결과에서 제기한 우려를 실증적으로 검증한 것으로 자연재해에 취약한 근린이 자연재해로
그 취약성이 더욱 심화될 수 있음을 나타낸다.
Table 4. Binomial Logistic Regression Analysis Results on the Impacts of Natural Hazards
on Neighborhood Changes
|
Variables
|
Model 1
|
Model 2
|
Model 3
|
|
B
|
Exp(B)
|
|
B
|
Exp(B)
|
|
B
|
Exp(B)
|
|
|
(constant)
|
-1.50
|
(0.22)
|
***
|
-1.37
|
(0.25)
|
***
|
0.77
|
(2.15)
|
***
|
|
<Neighborhood>
|
|
|
|
|
|
|
|
|
|
|
R. Pop. under 14
|
-0.17
|
(0.84)
|
***
|
-0.17
|
(0.84)
|
***
|
0.01
|
(1.01)
|
|
|
R. Pop. over 65
|
-0.04
|
(0.96)
|
**
|
-0.03
|
(0.98)
|
|
0.03
|
(1.03)
|
*
|
|
R. 1-Person HH
|
0.02
|
(1.02)
|
*
|
0.01
|
(1.01)
|
|
0.02
|
(1.02)
|
|
|
R. Small House
|
0.01
|
(1.01)
|
*
|
0.01
|
(1.01)
|
|
-0.01
|
(0.99)
|
|
|
R. Big House
|
-0.32
|
(0.72)
|
***
|
-0.33
|
(0.72)
|
***
|
-0.14
|
(0.87)
|
***
|
|
R. Single House
|
0.03
|
(1.03)
|
*
|
0.05
|
(1.05)
|
*
|
0.20
|
(1.22)
|
***
|
|
R. Apartment
|
-0.66
|
(0.52)
|
***
|
-0.67
|
(0.51)
|
***
|
1.26
|
(3.51)
|
***
|
|
R. Old House
|
-0.45
|
(0.64)
|
***
|
-0.45
|
(0.64)
|
***
|
-0.27
|
(0.76)
|
***
|
|
R. New House
|
0.26
|
(1.29)
|
***
|
0.26
|
(1.30)
|
***
|
0.22
|
(1.25)
|
***
|
|
R. 2nd Industry
|
0.03
|
(1.03)
|
**
|
0.03
|
(1.03)
|
**
|
0.06
|
(1.07)
|
***
|
|
R. 3rd Industry
|
-0.27
|
(0.76)
|
***
|
-0.27
|
(0.76)
|
***
|
-0.02
|
(0.98)
|
|
|
Neighborhood Type 2
|
|
|
|
|
|
|
-5.51
|
(0.00)
|
***
|
|
Neighborhood Type 3
|
|
|
|
|
|
|
-0.96
|
(0.38)
|
***
|
|
<Local (Gu·Gun)>
|
|
|
|
|
|
|
|
|
|
|
Density
|
-0.02
|
(0.98)
|
*
|
0.00
|
(1.00)
|
|
-0.03
|
(0.98)
|
|
|
Fiscal Independence
|
0.08
|
(1.09)
|
***
|
0.04
|
(1.04)
|
**
|
-0.01
|
(0.99)
|
|
|
<Region (Si)>
|
|
|
|
|
|
|
|
|
|
|
Busan
|
0.79
|
(2.21)
|
***
|
0.68
|
(1.97)
|
***
|
0.42
|
(1.52)
|
***
|
|
Daegu
|
0.45
|
(1.56)
|
***
|
18.82
|
(>100)
|
***
|
0.16
|
(1.17)
|
*
|
|
Incheon
|
0.28
|
(1.32)
|
***
|
-4.27
|
(0.01)
|
***
|
0.07
|
(1.07)
|
|
|
Gwangju
|
0.32
|
(1.38)
|
***
|
0.26
|
(1.29)
|
*
|
-0.04
|
(0.96)
|
|
|
Daejeon
|
0.38
|
(1.46)
|
***
|
0.66
|
(1.93)
|
|
0.18
|
(1.20)
|
*
|
|
Ulsan
|
0.64
|
(1.90)
|
***
|
0.50
|
(1.65)
|
***
|
0.23
|
(1.25)
|
**
|
|
<Natural Hazards>
|
|
|
|
|
|
|
|
|
|
|
NH_Damage
|
-0.20
|
(0.82)
|
***
|
0.01
|
(1.01)
|
|
-0.09
|
(0.91)
|
**
|
|
NH_Damage*Busan
|
|
|
|
-0.09
|
(0.92)
|
|
|
|
|
|
NH_Damage*Daegu
|
|
|
|
22.72
|
(>100)
|
***
|
|
|
|
|
NH_Damage*Incheon
|
|
|
|
-6.59
|
(0.001)
|
***
|
|
|
|
|
NH_Damage*Gwangju
|
|
|
|
0.05
|
(1.05)
|
|
|
|
|
|
NH_Damage*Daejeon
|
|
|
|
0.38
|
(1.47)
|
|
|
|
|
|
NH_Damage*Ulsan
|
|
|
|
-0.38
|
(0.68)
|
***
|
|
|
|
|
NH_Damage*Type 2
|
|
|
|
|
|
|
-0.16
|
(0.85)
|
|
|
NH_Damage*Type 3
|
|
|
|
|
|
|
-0.32
|
(0.73)
|
***
|
* p<.05, ** p<.01, *** p<.001
Reference category: No Change / Reference groups: Seoul, Neighborhood Type 1.
자연재해가 근린 변화에 미치는 영향이 근린 변화 특성에 따라 어떻게 달라지는지를 다항 로지스틱 회귀분석을 통해 살펴보았다. Table 5는 이러한 분석 결과를 정리한 것이다. Model 4~6 모두 카이제곱 검점(Chi-square test, -2 Log Likelihood)에서 통계적으로
유의미하여 모델이 적합하였으며, 의사결정계수(Pseudeo R2) 중 Nagelkerke R2 값이 0.2 ~ 0.4로 나타나 모델 설명력이 높은
것으로 나타났다.
분석결과를 살펴보면, 근린 개선의 가능성은 높은 근린 단위 소형·신축·단독주택 비율이 높고 시군구 단위 인구밀도와 재정자립도가 높을수록 증가하였다.
반면 65세 인구와 1인 가구 비율이 높고 대형·노후 주택 비율이 높을수록 근린이 쇠퇴할 가능성은 증가하였다. 서울과 비교해 부산, 대구, 대전,
울산은 근린 개선뿐 아니라 쇠퇴 가능성도 증가하였는데, 부산과 대구는 근린 개선 가능성이 쇠퇴 가능성보다 높았으며 대전, 울산은 쇠퇴 가능성이 높게
나타났다. 인천, 광주는 서울과 비교해 근린 개선 가능성은 각 1.49 %와 1.70 % 높은(Model 4) 반면 근린 쇠퇴 가능성은 18.3 %,
16.4 % 낮았다.
Model 4는 자연재해가 근린 개선과 쇠퇴에 미치는 영향이 통계적으로 유의함을 보여준다. 자연재해 피해는 근린 무변화와 비교해 근린 개선과 쇠퇴에
음(-)의 영향을 미쳤다. 연평균 피해액이 1 단위 증가할수록 근린 무변화보다 근린이 개선 및 쇠퇴할 가능성은 각 17.6 %, 13.2 % 감소하였다.
근린 변화 특성 중 자연재해로 인해 근린 개선의 가능성이 가장 낮음을 확인할 수 있다. Model 5는 도시에 따른 자연재해가 근린 변화 특성에 미치는
영향 차이를 나타낸 것이다. 참조 도시인 서울과 광주, 대전은 근린 개선과 쇠퇴에 미치는 자연재해의 영향이 근린 무변화에 미치는 영향과 다르지 않았다.
부산은 자연재해 피해액이 증가함에 따라 근린 무변화와 개선보다 쇠퇴 가능성은 감소(23.7 %)하였고, 인천과 울산은 쇠퇴뿐 아니라 개선 가능성도
동시에 감소하였다. 반면 대구는 자연재해 연평균 피해액이 1 증가할수록 근린이 변하지 않을 가능성에 비해 개선 및 쇠퇴 가능성은 매우 많이 증가하는
것으로 나타났다.
Table 5. Multinomial Logistic Analysis Results on the Impacts of Natural Hazards on
Neighborhood Changes
|
Variables
|
Model 4
|
Model 5
|
Model 6
|
|
Upgrade
|
Downgrade
|
Upgrade
|
Downgrade
|
Upgrade
|
Downgrade
|
|
B
|
Exp(B)
|
B
|
Exp(B)
|
B
|
Exp(B)
|
B
|
Exp(B)
|
B
|
Exp(B)
|
B
|
Exp(B)
|
|
(constant)
|
-2.55
|
|
***
|
-2.58
|
|
***
|
-2.40
|
|
***
|
-2.40
|
|
***
|
-1.81
|
|
***
|
-3.57
|
|
***
|
|
<Neighborhood>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R. Pop. under 14
|
-0.18
|
(0.84)
|
***
|
-0.21
|
(0.81)
|
***
|
-0.18
|
(0.83)
|
***
|
-0.21
|
(0.81)
|
***
|
0.41
|
(1.51)
|
***
|
0.21
|
(1.24)
|
**
|
|
R. Pop. over 65
|
-0.38
|
(0.68)
|
***
|
0.26
|
(1.30)
|
***
|
-0.36
|
(0.70)
|
***
|
0.26
|
(1.30)
|
***
|
-0.38
|
(0.68)
|
***
|
0.94
|
(2.56)
|
***
|
|
R. 1-Person HH
|
-0.03
|
(0.97)
|
|
0.18
|
(1.20)
|
***
|
-0.03
|
(0.97)
|
|
0.17
|
(1.18)
|
***
|
-0.79
|
(0.46)
|
***
|
1.68
|
(5.35)
|
***
|
|
R. Small House
|
0.13
|
(1.14)
|
***
|
-0.03
|
(0.97)
|
|
0.13
|
(1.14)
|
|
-0.02
|
(0.98)
|
|
0.42
|
(1.53)
|
***
|
-0.56
|
(0.57)
|
***
|
|
R. Big House
|
-0.84
|
(0.43)
|
***
|
0.20
|
(1.22)
|
***
|
-0.85
|
(0.43)
|
***
|
0.20
|
(1.22)
|
***
|
-1.35
|
(0.26)
|
***
|
1.49
|
(4.43)
|
***
|
|
R. Single House
|
0.98
|
(2.67)
|
***
|
-0.96
|
(0.38)
|
***
|
1.01
|
(2.75)
|
***
|
-0.95
|
(0.39)
|
***
|
-0.49
|
(0.61)
|
***
|
3.19
|
(24.4)
|
***
|
|
R. Apartment
|
-0.30
|
(0.74)
|
***
|
-1.29
|
(0.28)
|
***
|
-0.29
|
(0.75)
|
***
|
-1.29
|
(0.28)
|
***
|
3.67
|
(39.1)
|
***
|
-1.88
|
(0.15)
|
***
|
|
R. Old House
|
-1.20
|
(0.30)
|
***
|
0.49
|
(1.63)
|
***
|
-1.22
|
(0.30)
|
***
|
0.49
|
(1.63)
|
***
|
-1.79
|
(0.17)
|
***
|
1.03
|
(2.80)
|
***
|
|
R. New House
|
0.20
|
(1.22)
|
***
|
-0.17
|
(0.85)
|
***
|
0.20
|
(1.23)
|
***
|
-0.16
|
(0.85)
|
***
|
0.50
|
(1.64)
|
***
|
-0.19
|
(0.82)
|
**
|
|
R. 2nd Industry
|
0.02
|
(1.02)
|
|
0.11
|
(1.12)
|
|
0.02
|
(1.02)
|
|
0.11
|
(1.12)
|
***
|
-0.01
|
(0.99)
|
|
0.02
|
(1.02)
|
|
|
R. 3rd Industry
|
-0.31
|
(0.73)
|
***
|
-0.10
|
(0.91)
|
***
|
-0.31
|
(0.73)
|
***
|
-0.10
|
(0.90)
|
***
|
0.07
|
(1.07)
|
*
|
-0.06
|
(0.94)
|
|
|
Neighborhood Type 2
|
|
|
|
|
|
|
|
|
|
|
|
|
-41.6
|
(0.00)
|
|
4.21
|
(67.5)
|
***
|
|
Neighborhood Type 3
|
|
|
|
|
|
|
|
|
|
|
|
|
7.58
|
(100)
|
***
|
-80.0
|
(0.00)
|
|
|
<Local (Gu·Gun)>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Density
|
0.11
|
(1.12)
|
***
|
-0.18
|
(0.83)
|
***
|
0.14
|
(1.15)
|
***
|
-0.19
|
(0.83)
|
***
|
0.15
|
(1.16)
|
***
|
-0.27
|
(0.77)
|
***
|
|
Fiscal Independence
|
0.14
|
(1.15)
|
***
|
-0.06
|
(0.94)
|
*
|
0.08
|
(1.09)
|
***
|
-0.09
|
(0.92)
|
***
|
0.04
|
(1.04)
|
|
0.00
|
(1.00)
|
|
|
<Region (Si)>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Busan
|
0.88
|
(2.42)
|
***
|
0.51
|
(1.67)
|
***
|
0.73
|
(2.07)
|
***
|
0.31
|
(1.37)
|
**
|
-0.06
|
(0.94)
|
|
0.41
|
(1.51)
|
***
|
|
Daegu
|
0.49
|
(1.63)
|
***
|
0.33
|
(1.40)
|
***
|
23.73
|
(100)
|
***
|
8.09
|
(3271)
|
*
|
-0.30
|
(0.74)
|
*
|
0.74
|
(2.10)
|
***
|
|
Incheon
|
0.40
|
(1.49)
|
***
|
-0.20
|
(0.82)
|
**
|
-5.19
|
(0.01)
|
***
|
-3.13
|
(0.04)
|
***
|
0.20
|
(1.22)
|
|
0.37
|
(1.44)
|
**
|
|
Gwangju
|
0.53
|
(1.70)
|
***
|
-0.18
|
(0.84)
|
|
0.30
|
(1.34)
|
*
|
-0.29
|
(0.75)
|
|
-0.48
|
(0.62)
|
**
|
0.35
|
(1.42)
|
|
|
Daejeon
|
0.28
|
(1.33)
|
**
|
0.44
|
(1.55)
|
**
|
1.04
|
(2.84)
|
|
0.24
|
(1.27)
|
|
-0.44
|
(0.64)
|
***
|
0.64
|
(1.89)
|
***
|
|
Ulsan
|
0.49
|
(1.64)
|
***
|
0.89
|
(2.43)
|
***
|
0.35
|
(1.42)
|
***
|
0.71
|
(2.04)
|
***
|
-0.61
|
(0.54)
|
***
|
1.35
|
(3.84)
|
***
|
|
<Natural Hazards>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
NH_Damage
|
-0.19
|
(0.82)
|
***
|
-0.14
|
(0.87)
|
**
|
0.07
|
(1.07)
|
|
0.08
|
(1.08)
|
|
-0.01
|
(0.99)
|
|
0.08
|
(1.08)
|
|
|
NH_Damage*Busan
|
|
|
|
|
|
|
-0.11
|
(0.89)
|
|
-0.27
|
(0.76)
|
*
|
|
|
|
|
|
|
|
NH_Damage*Daegu
|
|
|
|
|
|
|
28.78
|
(>100)
|
***
|
9.59
|
(100)
|
*
|
|
|
|
|
|
|
|
NH_Damage*Incheon
|
|
|
|
|
|
|
-8.08
|
(0.001)
|
***
|
-4.24
|
(0.01)
|
***
|
|
|
|
|
|
|
|
NH_Damage*Gwangju
|
|
|
|
|
|
|
-0.39
|
(0.68)
|
|
-0.01
|
(0.99)
|
|
|
|
|
|
|
|
|
NH_Damage*Daejeon
|
|
|
|
|
|
|
1.08
|
(2.94)
|
|
-0.24
|
(0.79)
|
|
|
|
|
|
|
|
|
NH_Damage*Ulsan
|
|
|
|
|
|
|
-0.45
|
(0.64)
|
***
|
-0.27
|
(0.76)
|
*
|
|
|
|
|
|
|
|
NH_Damage*Type 2
|
|
|
|
|
|
|
|
|
|
|
|
|
-1.35
|
(0.26)
|
|
-0.22
|
(0.81)
|
|
|
NH_Damage*Type 3
|
|
|
|
|
|
|
|
|
|
|
|
|
-0.24
|
(0.78)
|
*
|
19.78
|
(100)
|
|
* p<.05, ** p<.01, *** p<.001
Reference category: no change
Upgrade: Type1→Type2, Type3→Type1 or Type2 / Downgrade: Type1→Type3, Type2→Type1 or
Type3
Reference groups: Seoul, Neighborhood Type 1
2010년 근린 유형에 따른 자연재해 영향의 차이는 Model 6과 같다. 혼합 유형(1)과 신축·아파트 유형(2) 근린의 경우 자연재해의 영향은
근린 무변화, 개선, 쇠퇴에서 차이가 없이 동일하였다. 그러나 노후·단독주택 유형(3) 근린은 자연재해 피해가 증가할수록 개선될 가능성은 상대적으로
감소하는 것으로 나타났다. 즉 연평균 자연재해 피해액이 1 증가하면 근린이 변화하지 않을 가능성에 비해 개선될 가능성은 21.5 % 감소하였다. 이러한
결과는 표4에서 논의한 노인과 노후주택이 집중된 근린일수록 자연재해 피해로 인해 근린 환경이 개선될 가능성은 낮아져 근린 환경이 점점 더 열악해질
수 있음을 한 번 더 확인해 준다.
5. 결 론
이 연구는 2010년부터 2023년까지 세종을 제외한 7개 광역시의 45,747개 집계구를 대상으로 자연재해가 대도시 근린 유형 변화에 미치는 영향을
종합적으로 분석하였다. 로지스틱 회귀분석의 주요 결과는 다음과 같다.
먼저, 군집분석 결과 대도시 근린은 혼합, 신축·아파트, 노후·단독주택의 세 가지 유형으로 분류되었다. 연구기간 전체 근린의 71.2 %는 유형 변화
없었던 반면 28.8 %의 근린은 변화를 경험했다. 이 중 18.6 %는 근린 환경이 개선되었고, 10.2 %는 쇠퇴하였다. 특히 신형아파트 유형은
95.8 %가 변화하지 않아 안정성을 보였지만, 혼합 유형은 44.3 %가 다른 유형으로 변화하여 가장 크게 변화하였다. 자연재해가 근린 변화 여부에
미친 영향을 분석한 이항 로지스틱 회귀분석 결과, 자연재해 피해가 큰 근린일수록 변화 가능성이 18.0 % 감소하였다. 즉 자연재해로부터 큰 피해를
경험한 근린일수록 기존 유형을 유지하려는 경향을 보였다. 이는 자연재해가 시간에 따른 근린의 자연스런 변화를 저해하고 기존 상태를 고착화시켜 근린의
취약성을 강화할 수 있음을 시사한다. 이러한 우려는 노후·단독주택 유형의 경우 자연재해 피해가 증가할수록 변화 가능성이 35.9 % 감소하는 것으로
확인되어, 기존의 취약성이 자연재해로 인해 근린 쇠퇴로 이어질 가능성도 제기된다.
광역시에 따라 자연재해의 영향이 다르게 나타났다. 대구는 자연재해 피해가 심할수록 근린이 변화할 가능성이 매우 높아졌지만, 인천과 울산은 자연재해로
인한 변화 가능성이 감소하는 상반된 패턴이 나타났다. 이러한 도시 간 차이는 예방 및 복구를 포함한 재난관리가 획일적으로 적용되면 일부 지역이 더욱
취약해질 수 있음을 경고한다. 다항 로지스틱 회귀모형을 이용한 근린 변화 특성별 분석에서도 자연재해는 개선과 쇠퇴 가능성 모두가 위축되는 경향을 보였다.
이러한 연구 결과는 중요한 학술적, 정책적 시사점을 제시한다. 집계구 단위의 분석을 통해 근린 변화에 대한 미시적 이해를 넓혔으며, 근린 변화에 미치는
자연재해 영향의 도시별, 근린 유형별 차이를 통해 자연재해가 물리적 피해뿐 아니라 사회공간적 역동성을 억제하는 요인임을 밝혔다는 점에서 학술적 의미가
있다. 정책적으로는 첫째, 자연재해에 가장 취약하며 환경 개선 가능성이 현저히 낮은 노후·단독주택 유형 근린은 자연재해 발생 이전부터 예방적 관점에서
종합적 지원 정책이 개발될 필요가 있다. 둘째, 광역시별로 자연재해의 영향에 차이가 있으므로, 획일적인 재난관리 정책보다는 지역의 특성을 반영한 전략이
요구된다. 특히 부산과 같이 변화 가능성이 높은 지역은 변화에 적극적으로 대응하는 관리가, 광주와 같이 변화율이 낮아 안정적인 지역은 예방 중심의
관리가 효과적일 것이다. 셋째, 변화율이 가장 높은 혼합 유형 근린은 선제적인 개입으로 자연재해 이전부터 긍정적 변화를 유도할 수 있도록 하는 전략이
필요하다.
이러한 학술·정책적 의미에도 불구하고 이 연구는 방법적 한계를 가진다. 먼저 2010년과 2023년 두 시점 간 대도시에서의 근린의 변화만을 분석하여
도출한 결과로, 시공간적으로 단순한 일반화는 경계할 필요가 있다. 통계청에서 제공한 집계구 단위 인구, 주택, 가구, 산업 외에 근린의 질적 특성을
충분히 반영하지 못했으며 연구 기간에 발생한 재해 이후의 복구과정, 경제 상황 등을 분석에 충분히 반영하지 못했다. 또한 근린 변화에 영향을 미칠
수 있는 주택 및 도시재생 관련 정책 등을 고려하지 못했다. 향후 연구에서는 근린의 질적 지표를 개발하고 활용하거나 자연재해 유형별 근린 유형에 미치는
영향 차이와 복구 과정에서의 사회적 자본과 거버넌스 역할에 관한 연구가 필요하다.