1. 서 론
기후변화는 수문 현상에 많은 영향을 미쳐 환경과 경제를 포함한 사회 전반에 영향을 끼치고, 안정적인 물 공급을 위한 수자원 계획 수립에 불확실성을 증가시킨다(Kim and Kwon, 2020). 충청남도 서북부 지역에서는 2012년에 104년 만의 대가뭄이 발생했고, 2015년에는 42년 만의 가뭄으로 인해 8개 시·군에서 생활 및 공업용수 공급에 차질이 빚어졌다. 기후변화 영향뿐만 아니라, 인구감소와 더불어 수도권으로의 인구 이동이 지속되며 지역 간 인구밀도 양극화 현상 또한 심해지고 있는 실정이다. 이에 따라 충청권역 4개 시·도(대전광역시, 세종특별자치시, 충청북도, 충청남도)로 구성된 특별지방자치단체인 충청광역연합이 2024년 12월에 출범하였다. 충청광역연합이 메가시티 구축을 목표로 계획하고 있는 교통 및 산업 분야의 우선 사업은 도시화율, 공업단지 밀집도, 인구 구조 변화 등 사회경제적 특성에 큰 변화를 가져올 수 있다. 또한, 제1차 금강유역물관리종합계획에서 수행한 물수급 분석 결과 도시개발, 공업단지 확장, 농업환경 등 지역 여건의 지속적인 변화와 지역별 물수급 특성 및 편차로 인해 물 이용 갈등이 초래될 것으로 예상하였다. 2023년 8월 감사원의 ｢기후변화 적응 및 실태 (물·식량 분야)｣ 주요 감사결과에 따르면, 제1차 국가물관리기본계획에 적용했던 물수급 모형(과거 기상 패턴이 재현된다는 가정을 기반)에 기후변화 시나리오를 반영하여 물수급을 모의한 결과 기존 전망 대비 물 부족량이 2.2배에서 2.4배에 이르는 등 미래 물 부족이 심화될 것으로 분석되었다(BAI, 2023). 따라서, 미래 물 부족에 대비하기 위해서는 과학적 분석을 기반으로 한 정확한 물 수요량 산정과 적절한 용수 배분이 필요하다.
최근 물 수요와 공급에 대한 기후변화 및 사회경제적 영향을 평가하기 위한 여러 연구가 수행되고 있다. Ayt Ougougdal et al. (2020)은 모로코 Ourika 유역을 대상으로 기상자료, 수문자료, 물 수요량 자료를 활용하여 미래 기후변화와 사회경제적 변화가 물 수요와 공급에 미치는 영향을 평가하였다. 그 결과, 2100년까지 강수량은 최대 49.25% 감소하고, 온도는 최대 4.2°C 상승할 것으로 예측되어 물 수요는 증가하고, 충족되지 않는 수요가 6,400만 m3에 이를 수 있어 심각한 물 부족을 예상했다. Yu et al. (2022)은 도시화로 인한 물 공급과 수요 간의 불균형 문제를 해결하기 위해 중국 청두시를 대상으로 시스템 동역학 모델을 사용하여 지속 가능한 도시 물 관리 전략을 개발하였다. 이를 위해 인구, 환경, 경제관련 인자 및 물 공급량과 물 수요량 자료를 활용하였다. 그 결과, 인구증가 및 경제성장으로 인해 물 수요 증가를 예상하였고, 이를 해결하기 위해 다양한 물 수요 관리 전략의 필요성을 제시했다. 미래 기후변화와 사회경제적 변화에 대응하여 물 수요 관리를 위해 수요 변화를 설명할 수 있는 적절한 영향인자를 파악해야 한다. 그러나, 일반적으로 물 수요량 관련 연구에 사용되는 변수들은 문헌 검토만을 통해 선정되는 경우가 많아 별도의 검증 과정이 부족하다.
부분최소제곱 구조방정식(Partial Least Squares Structural Equation Modeling, PLS-SEM)을 활용하면 모형 적합성 검증을 통해 관련 없는 변수를 제거하여 분석에 필요한 영향인자만 남겨 모델의 품질을 높이고 신뢰도 높은 결과를 도출할 수 있다. PLS-SEM은 변수 간의 관계를 파악하고 구조 모델을 평가하는 데 효과적이고, 이를 통해 주요 영향인자를 파악할 수 있으나(Hair et al., 2011), 영향인자의 값이 변동될 때 결과에 미치는 영향까지 파악하는 데에 한계가 있다. 따라서 영향인자의 변동에 따른 민감도 분석을 위해서는 베이지안 네트워크(Bayesian Network, BN)를 활용할 수 있으나(Ahmadi et al., 2015), 베이지안 네트워크에서는 모형의 적합성을 검증하는 과정이 없어 주로 문헌 기반으로 모형의 입력변수를 결정하는 한계가 있다(Chen and Pollino, 2012). 최근에는 PLS- SEM과 BN을 결합하여 영향인자를 선정하고 모델의 신뢰도를 향상시킨 연구가 수행되고 있다. Kim et al. (2022)는 PLS- SEM과 BN을 결합하여 가뭄 영향인자의 민감도 분석을 수행하였다. 이를 통해 가뭄에 가장 민감한 인자를 식별하고, 가뭄 영향인자의 변화가 시스템에 미치는 종합적인 영향을 파악하였다. 본 연구에서는 충청권역을 대상으로 PLS-SEM과 BN을 결합하여 충청권역 생활용수에 대한 사회적, 경제적, 기상학적 인자의 영향을 정량적으로 평가하였다.
2. 연구지역
충청권역은 대전광역시, 세종특별자치시, 충청북도, 충청남도로 이루어져 있고, 총 28개 시군구가 있다(Fig. 1). 충청권역의 연 평균 기온은 12.02°C이며, 연강수량은 1,267 mm이다. 연강수량의 약 57%가 여름철에 집중된다. 행정안전부 보도자료(2024년 12월 18)에 따르면, 충청권역 메가시티 구축을 목표로 출범한 ‘충청광역연합’은 충청권역의 도시화율, 공업단지 밀집도, 인구구조 변화 등 사회경제적 특성에 큰 변화를 가져올 것이다. 이러한 변화는 생활용수 수요에도 직간접적인 영향을 미칠 것이고, 충청권역 내 시군별로 사회경제적 특성이 상이하므로 지역적 차이를 고려한 분석이 필요하다. 충청권역은 가뭄으로 인한 피해가 최근 자주 발생하였다. 2014년 충청권역의 강수량이 중부지방 평균 강수량의 평년 대비 45~54% 수준으로 매우 낮아 가뭄 피해가 발생했다. 2015년에는 보령댐 유역의 연강수량이 792.8 mm로 평년강수량인 1,244.3 mm 대비 63.7%에 불과했으며, 이로 인해 2015년 10월 초에는 충청남도 서부권 생활용수 급수 20% 감량 조정이 불가피했다(DRMA, 2018).
장래 생활용수 수요량 추정을 위해서는 1인 1일당 급수량을 이용하여 목표연도별로 추정하나, 실제 물 이용은 지역 및 사회 특성, 계절 특성 등 다양한 요인에 따라 시기별로 달라진다(Oh et al., 2022). 따라서, 기후변화로 인한 강수량 감소에 따른 물 공급 불확실성과 사회/경제/기상학적 인자에 따른 물 수요 증가로 인해 미래 생활용수 수요량과 공급량 사이의 편차가 커질 수 있다. 이에 대비하기 위해서는 국가물관리기본계획에서 제공하고 있는 2030년 목표년도를 기준으로 산정된 수요량이 아닌, 사회/경제/기상학적 인자의 변화를 고려하여 생활용수 수요량을 전망할 필요가 있다. 이를 위해 본 연구에서는 PLS-SEM을 이용하여 물 수요량 전망에 필요한 영향인자를 도출하였다.
3. 방법론
3.1 분석자료
본 연구에서는 사회경제적 변화와 기후변화를 함께 고려하여 생활용수 수요에 영향을 미치는 영향인자를 도출하였다. 이러한 영향인자는 미래 시나리오에 따른 생활용수 수요량을 산정할 때 활용할 수 있다. 미래의 기후변화 영향 및 이에 대한 사회 및 경제적 반응을 평가하기 위한 시나리오에는 공통사회경제경로(Shared Socioeconomic Pathways, SSP) 시나리오가 있다. KEI (2022)는 우리나라를 대상으로 SSP 시나리오를 반영하여 사회·경제 요소에 대한 시나리오를 개발하였고, 인구, 경제 및 토지이용에 대한 미래 전망을 제시하였다. 본 연구에서는 KEI (2022)에서 제시한 시나리오를 참고하여 생활용수 영향인자를 사회적 인자, 경제적 인자, 기상학적 인자로 구분하였다.
사회적 인자는 총인구, 남성인구, 여성인구, 생산가능인구, 소년인구, 고령인구 자료를 활용하였고, 추가로 인구밀도(총인구/면적) 자료를 가공하여 분석에 사용하였다. 경제적 인자는 총 지역내총생산(Gross Regional Domestic Product, GRDP), 1차 GRDP, 2차 GRDP, 3차 GRDP 자료를 활용하였다. 사회적 및 경제적 인자에 대한 자료는 통계청을 통해 수집하였다. 사회적 인자는 1992년부터 2023년까지 연 단위, 시군구 단위 자료로 제공되며, 경제적 인자는 2000년부터 2021년까지 연 단위, 시군구 단위 자료로 제공된다.
기상학적 인자는 폭염일수, 여름일수, 열대야일수, 일교차, 식물성장기간, 온난일, 온난일계속기간, 최대온난일계속기간, 온난야, 일최고기온연최대 등 극한기상정보 자료를 활용하였다. 생활용수는 온도와 밀접한 관련이 있기 때문에, 고온과 관련된 극한기상인자를 생활용수 수요량 영향인자로 사용할 필요가 있다. 극한기상정보 자료는 기상청 기후정보포털(http://www.climate.go.kr/home/)에서 2000년부터 2019년까지 연 단위, 시군구 단위로 제공하고 있다.
생활용수 자료는 수도요금 부과액, 수도요금 부과량, 수도요금 평균단가 자료를 수집하였으며, 상수도통계에서 1965년부터 2021년까지 연 단위, 시군구 단위로 제공하고 있다.
본 연구에서는 자료가 존재하는 2000년부터 2019년까지 충청권역 시군구를 대상으로 연단위 자료를 활용하였다. 해당 기간은 세종특별자치시 출범, 신규 공업단지 조성 등 시간에 따른 사회경제적 변화와 가뭄과 홍수 등 기후변화를 반영하고 있다. 사용된 자료의 변수명과 코드, 단위는 Table 1과 같다.
Table 1.
Fundamental characteristics of variables in a PLS-SEM model
3.2 연구방법
본 연구에서 생활용수 추정을 위해 필요한 영향인자를 도출하고, 영향인자의 중요도를 분석하기 위해 PLS-SEM과 BN을 활용하였다. PLS-SEM을 통하여 다양한 영향인자 중 생활용수 수요 예측에 활용될 수 있는 영향인자의 적절성을 검증하였고, 구축한 모형의 적합도를 평가하였다. 다만, PLS- SEM 분석에서는 최소 100행 이상의 자료가 요구되므로, 본 연구에서는 자료수의 한계로 PLS-SEM 분석을 통한 지역별 특성을 파악하기 어렵다. 따라서 자료 수에 영향이 적은 BN 기반의 민감도 분석을 수행하였다. 이를 통해 사회적, 경제적, 기상학적 인자의 변화가 생활용수에 미치는 정도를 정량화하고, 지역별로 인자들의 중요도를 비교하였다.
3.2.1 부분최소제곱 구조방정식모형
구조방정식모형(SEM)은 회귀분석, 경로분석, 요인분석이 결합되어 발전된 다변량 통계분석으로 여러 변수 간의 복잡한 이론적 관계를 평가하는 데 매우 유용하다(Hair et al., 2011). SEM은 공분산 기반 SEM (Covariance-Based SEM, CB-SEM)과 부분최소제곱 SEM (PLS-SEM)으로 구분된다. PLS-SEM은 다변량 정규성을 요구하지 않기 때문에 비모수적 접근으로 다양한 자료 유형에 적용할 수 있고, 작은 표본 크기도 허용하는 장점이 있어 최근 연구에서 주로 활용된다 (Hair and Alamer, 2022). PLS-SEM은 측정모형(measurement model)과 구조모형(structural model)으로 구성되며, 측정모형은 Eqs. (1) and (2)와 같이 표현되고, 구조모형은 Eq. (3)과 같이 표현된다(Fornell and Larcker, 1981).
여기서, 와 는 각각 𝜂와 𝜉의 측정변수 행렬을 의미하고, 와 는 각각 와 에 대한 요인적재 행렬을, 그리고 𝜖와 𝛿는 각각 와 에 대한 측정오차 벡터를 의미한다. 또한 𝜂와 𝜉는 내생잠재변수와 외생잠재변수의 벡터를 의미하며, 𝜁는 내생잠재변수의 오차 벡터, 와 𝛤는 각각 𝜂와 𝜉의 경로계수 행렬을 의미한다. 일반적인 개념도는 Fig. 2와 같다.
측정모형에서 관측변수와 잠재변수 간의 관계를 규명하기 위해 내적일관성 신뢰도(Internal Consistency Reliability), 집중타당도(Convergent Validity), 판별타당도(Discriminant Validity) 평가를 수행하며. 세부적인 평가 기준은 Table 2와 같다. 측정모형 평가를 통해 적합하지 않은 관측변수를 제거한 후 구조모형 평가를 수행할 수 있다. 구조모형 평가는 모형 경로계수의 유의성과 적합성을 검증하기 위한 것으로, 다중공선성(Multi-collinearity), 결정계수(Path Coefficient), 모델적합성(Model Fit) 평가를 수행하며, 세부적인 평가 기준은 Table 2와 같다.
Table 2.
Assessment methods and criteria for PLS-SEM
본 연구에서는 잠재변수를 사회적 인자, 경제적 인자, 기상학적 인자 및 생활용수로 구분하였고, 잠재변수를 구성하는 관측변수는 3.1절에 설명하였다. 측정모형 평가를 통해 잠재변수를 구성하는 관측변수의 적합성을 평가하고, 평가 결과를 기반으로 영향인자를 재구성하였다. 본 연구에서는 PLS- SEM 분석을 위해 R studio의 ‘seminr’ R package를 활용하였다.
본 연구에서는 SSP 시나리오에서 제공하는 자료 중 3.1절에서 언급한 영향인자를 기반으로 사회적, 경제적, 기상학적 인자를 고려한 PLS-SEM 초기모형을 구축하였다(Fig. 3).
지역별 인구 규모와 경제 지표의 차이를 고려하여 20년치 자료를 행정구역별로 정규화하였다. 사용된 정규화 방법은 최소-최대 정규화로 최솟값은 0, 최댓값은 1로 모든 자료의 범위를 [0, 1]로 조정하는 기법이다(Eq. (4)).
여기서, 와 는 각각 자료의 최솟값과 최댓값이다.
3.2.2 베이지안 네트워크
BN은 변수의 조절 효과를 추정할 수 있게 하며, 표본 크기가 작거나 자료의 불확실성이 큰 경우에 유용하다(Kruschke et al., 2012). BN은 베이즈 정리를 기반으로 구성되며, 베이즈 정리는 두 확률 변수의 사전 확률과 사후 확률 사이의 관계를 나타내는 것으로, Eq. (5)와 같이 표현된다.
이때 조건부 확률은 연쇄 규칙에 의하여 Eq. (6)과 같이 표현된다.
여기서 은 총 변수의 수, 는 번째 변수를 의미한다.
Eq. (6)을 본 연구의 베이지안 네트워크에 적용하면(Fig. 4), Eq. (7)과 같다.
여기서 는 사회적 인자, 는 기상학적 인자, 는 경제적 인자, 는 생활용수를 의미한다.
BN은 복잡한 다변량 문제의 정성적 및 정량적 측면을 모델링하는 통계적 도구이며, 진단, 분류, 추론, 인과 모델링 등 광범위한 작업에 활용된다. BN의 구조는 (1) 방향성 비순환 그래프(Directed Acyclic Graph) 형태의 네트워크 구조를 가지며. 그래프에서 노드는 확률 변수를 나타내고 링크는 변수 간의 확률적 종속성을 나타낸다(Fig. 4). (2) 각 변수에 대해 하나씩 링크로 표현되는 확률적 종속성을 특성화하는 조건부 확률 분포 세트는 네트워크 매개변수에 의해 지정된다(Su et al., 2013). BN의 구조와 조건부 확률을 기반으로 목표 변수의 사후 확률을 계산하며, 이는 BN 변수들이 주어진 상태에서 특정 결과가 발생할 확률을 의미한다. 목표 변수에 대한 특정 변수의 영향을 평가하기 위해 다른 변수들을 고정한 상태에서 조건부 확률을 변경하여 민감도를 측정하는 과정을 반복함으로써 각 변수의 변화가 결과 변수에 미치는 영향을 정량적으로 평가할 수 있으며, 이를 통해 영향인자의 순위를 식별할 수 있다(Sperotto et al., 2019).
PLS-SEM 분석에서는 최소 100행 이상의 자료가 요구되므로, 본 연구에서는 자료수의 한계로 PLS-SEM 분석을 통한 지역별 특성을 파악하기 어렵다. 따라서 자료 수에 영향이 적은 BN 기반의 민감도 분석을 수행하였다. BN 분석은 R studio의 ‘bnlearn’ R package를 활용하여 수행되었다. 또한, 영향인자 구성 시 PLS-SEM의 외부적재량(outer loadings) 지표를 활용하였다. 여기서, 외부적재량은 관측변수가 잠재변수 사이의 관계를 측정하는 값이고, 외부적재량이 높을수록 관측변수가 잠재변수와 높은 상관관계를 가진다(Hair et al., 2017). 본 연구에서는 각 변수의 중요도를 반영하기 위해 입력자료에 PLS-SEM의 외부적재량을 곱한 후, 이를 가중평균하여 사회적 인자, 경제적 인자, 기상학적 인자 및 생활용수를 구성하였다.
4. 연구결과
4.1 PLS-SEM을 활용한 생활용수 영향인자 도출
초기모형(Fig. 3)의 측정모형 평가 결과 내적 일관성 신뢰도 중 구성 신뢰도(Composite Reliability)에서 사회적 인자 잠재변수는 0.002로 기준치를 만족하지 못하였다. 또한, 수렴 타당도 평가 중 평균 분산 추출(Average Variance Extracted, AVE) 평가에서 사회적 인자 잠재변수가 0.231로 기준치를 만족하지 못하였다. 기준치를 만족하지 못한 잠재변수에 대해서는 관측변수를 제외시킴으로써 모형 적합성을 높일 필요가 있다. 이를 위해 교차적재치(Cross loading) 기준을 바탕으로 평가기준에 부합하지 않은 관측변수를 제외하였다. 제외된 관측변수는 s1, s2, s3, s4, s7, e2, c2, c5이며, 최종모형에서 사용된 잠재변수는 Table 3과 같다. 사회적 인자는 소년인구(s5), 고령인구(s6)가 사용되었고, 두 인자의 증감패턴이 반대로 구성되어 있어 소년인구(s5)의 스케일 조정을 통해 증감패턴을 일치시켰다. 경제적 인자는 총 GRDP (e1), 2차 GRDP (e3), 3차 GRDP (e4)가 사용되었다. 1차 GRDP (e2)는 농업 관련 인자들로 구성되어 있어 본 모형에는 적합하지 않을 것으로 판단하였다. 기상학적 인자는 폭염일수(c1), 열대야일수(c3), 일교차(c4), 온난일(c6), 온난일계속기간(c7), 최대온난일계속기간(c8), 온난야(c9), 일최고기온(c10)이 사용되었다. 생활용수 잠재변수는 생활용수 부과액(w1), 생활용수 부과량(w2), 생활용수 평가단가(w3) 모두 사용되었다.
Table 3.
Result of measurement model criteria
최종모형은 Fig. 5와 같고, 측정모형 평가 결과는 Table 3과 같다. Table 3에서 내적 일관성 신뢰도 평가 및 수렴 타당도 평가에서 모든 기준치를 만족하였다. 판별 타당도 평가에서 Fornell-Larcker 평가 결과는 Table 4와 같고 모든 잠재변수는 기준치를 만족하였다. 그 외 평가에서도 기준치를 충족하여 구조모형 평가를 수행하였다.
Table 4.
Result of Fornell-Larcker criteria
| Social | Economy | Climate | Water | |
| Social | 0.910 | - | - | - |
| Economy | 0.891 | 0.966 | - | - |
| Climate | 0.295 | 0.311 | 0.808 | - |
| Water | 0.875 | 0.889 | 0.382 | 0.933 |
구조모형 평가 결과, VIF는 사회적 인자에서 4.862, 경제적 인자에서 4.913, 기상학적 인자에서 1.109로 모두 평가기준 5.0 미만을 만족하였다. 경로계수 평가 또한 t값을 만족하였으며, 인자별 경로계수는 Fig. 5에서 확인할 수 있다. 경로계수를 통해 각 영향인자가 생활용수에 미치는 직접적인 영향의 크기와 방향을 나타내며, 경제적 인자가 생활용수에 미치는 영향은 50.5%, 사회적 인자가 생활용수에 미치는 영향은 39.4%, 기상학적 인자가 생활용수에 미치는 영향은 10.9%였고, 사회적 인자가 경제적 인자에 미치는 영향은 89.1%이었다. 생활용수에 대한 영향 크기는 경제적 인자, 사회적 인자, 기상학적 인자 순이었다. 모델적합도 평가에서 결정계수는 생활용수에서는 0.835, 매개효과를 고려한 경제적 인자에서는 0.794로, 두 인자 모두 높은 값을 보였고 1에 가까울수록 모델이 자료를 잘 설명하는 것을 의미한다. 생활용수에 대한 효과크기는 사회적 인자에서 0.173, 경제적 인자에서 0.324로 중간 효과, 기상학적 인자에서 0.064로 낮은 효과를 나타냈다. 경제적 인자에 대한 사회적 인자의 효과 크기는 3.853으로 높은 효과를 보였다. 여기서, 효과크기는 특정 외생 변수(경제적 인자, 사회적 인자, 기상학적 인자)가 모델에서 제거되었을 때, 내생 변수(생활용수)의 경로계수가 얼마나 변하는지 평가하는 지표이다(Hair et al., 2017). 따라서, 각 독립 변수의 개별적인 기여도를 나타낼 뿐 전체적인 설명력의 합이 반드시 1이 되지는 않는다. 사회적 인자와 경제적 인자는 중간 효과크기를 나타내므로 연구에서 중요한 요인으로 간주될 수 있고, 기상학적 인자는 낮은 효과크기를 나타내므로 사회적 인자와 경제적 인자에 비해서는 생활용수에 미치는 중요도가 떨어질 수 있다. 다만, 본 연구는 연 단위 자료 기반의 분석을 수행하여 기상학적 인자의 월별, 계절별 민감도를 고려할 수 없었다.
4.2 BN을 활용한 민감도 분석
4.1절에서의 분석과 마찬가지로 지역별 인구 규모와 경제 지표의 차이를 고려하여 지역별 자료를 정규화하여 민감도 분석에 적용하였다. 4.1절에서는 관측변수와 잠재변수의 개념을 활용하여 측정되지 않은 인자들을 사회적 인자, 경제적 인자, 기상학적 인자, 생활용수로 구분하였으나, BN 분석에서는 값을 지정해야 할 필요가 있다. 따라서, 잠재변수에 포함된 관측변수의 값을 평균하여 대표값으로 설정하였고, 그 과정에서 외부적재량을 활용하여 가중치를 설정하였다.
기본 상태의 조건부 확률에 따른 생활용수 확률값은 Fig. 6과 같다. 본 연구에서 기본 상태는 모든 변수가 평균 근사값을 가질 때 생활용수가 가질 평균값으로 정의하였다. 따라서 Fig. 6의 확률값은 각 지역의 기본적인 생활용수 사용 경향을 나타낸다고 볼 수 있다. 생활용수 확률값이 높게 산정된 지역은 주로 물 공급 안정성과 시설 용량이 큰 지역이다. 확률값이 낮게 산정된 지역은 주로 해양 및 농촌지역으로 생활용수 수요가 다른 지역에 비해 낮은 곳이다. 산정된 값은 민감도 분석의 기준이 되며, 사회적 인자, 경제적 인자, 기상학적 인자 중 하나를 변경하여 얻어진 새로운 확률값과 기본 상태에서의 확률 비교가 가능하다. 이를 통해 각 인자가 생활용수 사용에 미치는 영향에 대해 정량적으로 평가가 가능하다.
민감도 분석을 위해 사회적 인자, 경제적 인자, 기상학적 인자에 변동을 주었고, 기본 상태에서의 확률값을 함께 사용하였다. 사회적 인자가 1이고 경제적 인자 및 기상학적 인자가 기본 상태 확률값을 가질 때 생활용수의 확률값을 산정하였고, 지역별로 생활용수 확률값을 비교하였다. 사회적 인자 외 경제적 인자 및 기상학적 인자 분석 시에도 같은 방식을 적용하였다. 평가 결과는 Fig. 7과 같다.
Fig. 7(b)에 따르면, 사회적 인자가 1일 때는 예산군(0.899), 증평군(0.879), 공주시(0.838) 순으로 민감도가 크게 나타났다. 해당 지역들은 생활용수 부족으로 인해 지방상수도 사업을 추진하고 있는 지역으로, 인구 변화에 따른 생활용수 민감도가 크게 나타난 것으로 판단된다. Fig. 7(c)에 따르면, 경제적 인자가 1일 때는 계룡시(1), 당진시(1), 아산시(0.991) 순으로 민감도가 크게 나타났다. 경제적 인자는 타 변수에 비해 다른 지역에서도 변화가 크게 나타났다. 이는 4.1절 결과에 따라 경제적 인자가 생활용수에 가장 큰 영향을 주기 때문으로 판단된다. 또한, 당진시와 아산시의 경우 대규모 공업단지를 보유하고 있는 지역으로, 공업단지가 경제적 인자에 영향을 주었을 가능성이 크고, 소득 증가는 생활 수준 향상으로 이어지므로 생활용수 사용량 증가에도 영향을 주었을 것으로 판단된다. Fig. 7(d)에 따르면, 기상학적 인자가 1일 때는, 기본 상태와 큰 차이가 없어 지역별 분석의 의미가 크지 않았다.
5. 결 론
본 연구에서는 PLS-SEM과 BN 기반 민감도 분석을 결합하여 충청권역 생활용수 수요에 영향을 미치는 주요 인자들을 도출하고 그 중요도를 평가하였다. PLS-SEM 분석 결과, 사회적, 경제적, 기상학적 인자 중 경제적 인자가 생활용수 수요에 가장 큰 영향을 미치는 것으로 나타났다. 특히, 구조모델 평가 결과 경제적 인자가 생활용수에 미치는 영향이 50.5%, 사회적 인자가 생활용수에 미치는 영향이 39.4%, 기상학적 인자가 생활용수에 미치는 영향이 10.9%로 나타났다. 이는 소득 증가와 생활 수준 향상에 따른 물 사용량 증가와 같은 요소들이 생활용수 수요를 크게 좌우하고 있다는 것을 나타낸다. 또한, 사회적 인자도 생활용수 사용량에 영향이 있다. 특히 고령인구의 증가에 따라 생활용수 사용량에 큰 영향을 주는 것으로 나타났다. 반면, 기상학적 인자는 생활용수 수요에 상대적으로 낮은 영향을 미치는 것으로 평가되었으며, 이는 기온 상승과 같은 기후변화가 생활용수에 미치는 영향이 제한적일 수 있다는 것을 시사한다. 다만, 본 연구에서는 단수 등에 의한 물 공급 제한 사례 및 폭염 등 극한 기후 상황에서의 물 수요량 증가와 관련된 정보를 분석에 활용할 수 없었다. 따라서, 실제 물 수요량 산정 시에는 이와 관련된 기상학적 인자를 고려할 필요가 있다.
BN 기반의 민감도 분석을 통해 지역별로 생활용수 수요에 미치는 인자의 민감도가 상이하게 나타났다. 사회적 인자의 영향이 큰 지역은 예산군, 증평군, 공주시로 나타났다. 이는 인구 증가에 따른 생활용수 수요가 크게 나타나는 것으로 해석된다. 경제적 인자의 영향이 큰 지역은 계룡시, 당진시, 아산시였으며, 경제 활동이 활발하여 생활용수 수요가 높아진 것으로 판단된다. 특히, 당진시와 아산시에서는 대규모 공업단지가 경제적 인자에 큰 영향을 미쳐 소득 증가와 생활 수준 향상이 물 사용량 증가로 이어졌을 가능성이 높다. 반면, 기상학적 인자는 다른 변수들에 비해 민감도가 낮아 지역별 차이가 크지 않았으나, 폭염 등과 같은 특정 상황에서는 기상학적 인자가 생활용수 수요에 중요한 영향을 미칠 수 있다.
본 연구에서는 자료의 신뢰성을 향상시키기 위해 통계청과 기상청에서 행정구역 단위로 제공하는 자료만을 활용하였다. 따라서, 2000년부터 2019년까지 과거 자료를 활용하여 분석을 수행하였고, 최신 자료가 반영되는 데는 한계가 있었다. 다만, 분석에 사용된 20년 기간의 자료에 세종특별자치시 출범, 신규 공업단지 조성 등의 변화가 이루어졌기 때문에 시간에 따른 변화를 고려한 분석이 수행되었다고 판단된다. 또한 본 연구에서는 연 단위 자료를 활용하였기 때문에 영향인자의 월별 변동성에 대한 분석에는 한계가 있었다. 자료가 확보된다면 월별, 계절별 분석을 통해 결과의 신뢰성을 향상시킬 수 있을 것이다.
본 연구는 사회적, 경제적, 기상학적 인자가 생활용수 수요에 미치는 영향을 구체적으로 분석하였다. 이는 지역별 맞춤형 물 관리 전략의 근거로 활용될 수 있으며, 도시화와 공업단지 확장 등 사회경제적 변화에 대응할 수 있는 유연하고 효율적인 물 관리에 활용될 수 있다. 나아가, 기후변화 시나리오를 반영하여 예측된 미래 물 수요량은 중장기 물수급 예측 체계를 개선하여 용수관리 및 수자원 관련 계획 수립의 기초자료로 활용될 수 있다.
