Integrated flood risk assessment of domestic local governments using the Delphi-AHP technique

Sun-Kwon Yoon; Junseo Yoon; Hyeonseok Choi; Minseok Kim; Sung-Hwan Hwang

doi:10.3741/JKWRA.2025.58.12.1487

Preview

Research Article

Journal of Korea Water Resources Association. 31 December 2025. 1487-1499
https://doi.org/10.3741/JKWRA.2025.58.12.1487

Integrated flood risk assessment of domestic local governments using the Delphi-AHP technique

Delphi-AHP 기법을 활용한 국내 지자체 통합홍수 위험도 평가

Sun-Kwon Yoon^a^*

Junseo Yoon^b

Hyeonseok Choi^c

Minseok Kim^d

Sung-Hwan Hwang^e

윤 선권^a^*

윤 준서^b

최 현석^c

김 민석^d

황 성환^e

^aResearch Fellow, Urban Infrastructure Research Division, Disaster Management Research Center, The Seoul Institute, Seoul, Korea

^bResearch Assistant, Urban Infrastructure Research Division, Disaster Management Research Center, The Seoul Institute, Seoul, Korea

^cResearcher, Urban Infrastructure Research Division, Disaster Management Research Center, The Seoul Institute, Seoul, Korea

^dResearch Fellow, Urban Infrastructure Research Division, Disaster Management Research Center, The Seoul Institute, Seoul, Korea

^eResearch Fellow, Urban Environment & Climate Change Research Division, The Seoul Institute, Seoul, Korea

^a서울연구원 인프라기술연구실 재난안전연구세터 연구위원

^b서울연구원 인프라기술연구실 재난안전연구세터 위촉연구원

^c서울연구원 인프라기술연구실 재난안전연구세터 연구원

^d서울연구원 인프라기술연구실 재난안전연구세터 연구위원

^e서울연구원 지속가능연구실 연구위원

^{*Corresponding Author}

License (open-access, https://creativecommons.org/licenses/by/4.0):

©It is identical to the Creative Commons Attribution Non-commercial License (https://creativecommons.org/licenses/by/4.0)

ABSTRACT

This study aims to develop and validate a mid- to long-term integrated flood risk assessment model to address the growing flood hazards driven by climate change and to overcome the limitations of conventional short-term, event-focused approaches. To this end, a multi-criteria decision-making framework was constructed by combining the Delphi method and the Analytic Hierarchy Process (AHP). A multidimensional assessment system was then established, comprising three major categories—meteorological/climatic, socio- economic, and policy/institutional factors—and twelve detailed indicators. The proposed model distinguishes itself from hazard history–based assessments by comprehensively incorporating climate prediction uncertainties, societal structural vulnerabilities, and institutional response capacities. AHP results indicate that the meteorological/climatic category carries the highest weight (0.512), identifying it as the primary driver of flood risk variability, while “variability in mid- to long-term precipitation forecasts” emerged as the most influential indicator (0.203). Furthermore, analysis using the integrated risk index revealed that flood risk increases by more than 15% during El Niño phases compared to normal conditions, quantitatively demonstrating the impact of seasonal and climatic fluctuations on disaster management. The study is expected to provide an effective foundation for scientifically integrating mid- to long-term climate prediction information into disaster management decision-making.

Keywords

Delphi-AHP

Integrated flood risk assessment

Multidimensional evaluation

Disaster prevention

본 연구는 기후변화로 인한 홍수 위험의 증대에 대응하여 기존의 단기·사건 중심적 접근의 한계를 보완할 수 있는 중·장기적 통합 홍수 위험 평가 모델을 개발·검증하는 것을 목적으로 하였다. 이를 위해 델파이(Delphi) 기법과 계층분석기법(AHP)을 결합한 다중기준 의사결정 프레임워크를 구축하고, 기상·기후, 사회·경제, 정책·제도 등 3개 대분류와 12개 세부 지표로 구성된 다차원적 평가 체계를 정립하였다. 본 모델은 기후 예측의 불확실성, 사회 구조적 취약성, 제도적 대응 역량을 통합적으로 반영함으로써 재해 발생 이력 기반 평가 방식과 차별성을 갖는다. AHP 분석 결과, ‘기상·기후’ 부문이 가장 높은 가중치(0.512)를 보이며 핵심 영향 요인으로 확인되었고, ‘중장기 강수량 예측 변동성’이 최우선 세부 지표(0.203)로 도출되었다. 또한 통합 위험 지수를 활용한 분석에서 엘니뇨 단계 발생 시 홍수 위험 지수가 평년 대비 15% 이상 상승함을 확인하여, 계절·기후 변동성이 재난 관리에 미치는 정량적 영향을 제시하였다. 본 연구는 중·장기 기후 예측 정보를 재난 관리 의사결정에 과학적으로 통합할 수 있는 실효적 기반을 제공할 것으로 기대한다.

키워드

델파이-AHP

통합 홍수 위험 평가

다차원 평가

재난 예방

MAIN

1. 서 론
2. 자료 및 분석 방법
2.1 티센 네트워크 구축
2.2 Delphi-AHP 분석
2.3 지표의 표준화
2.4 통합 홍수 위험도 평가
3. 분석 결과
3.1 평가지표 개발
3.2 AHP 계층구조(Hierarch Tree)
3.3 설문지 작성 및 전문가 집단 구성
3.4 신뢰도 평가 결과
3.5 중요도 평가 결과
3.6 지표별 위험도 평가 결과
3.7 통합 홍수위험도 평가 결과
4. 요약 및 결론

1. 서 론

홍수는 전 세계적으로 가장 빈번하게 발생하는 자연재해 중 하나로, 우기마다 반복되는 홍수 피해는 막대한 인명·재산 손실을 초래하고 있다. 최근에는 기후변화와 이상기후 현상의 영향으로 홍수 발생 지역이 더욱 확대되고 있으며 피해 규모 역시 심화되고 있다. 이러한 홍수 문제는 개별적 대응으로 해결할 수 있는 차원을 넘어 국가적 차원에서 중·장기적 관점의 체계적인 대책이 필요하다. 특히 예측하지 못한 국지성 집중호우는 기존의 예방적 대비책만으로는 충분히 대응하기 어려운 실정이다.

최근 다양한 시간 규모에서 활용 가능한 기후예측 기술이 향상되면서, 초단기 예보에서 기후변화 예측까지 연속적으로 연결되는 ‘이음새 없는 예측(seamless prediction)’의 적용이 가능해지고 있다(Yoon, 2016; Ren et al., 2023; Acosta Navarro et al., 2025). 이에 따라 홍수재난 관리 접근 역시 정밀해지고 다양해지고 있으며, 엘니뇨·라니냐·인도양다이폴과 같은 대규모 기후 변동 정보는 중·장기적 홍수위험 변동성을 이해하는 데 중요한 요소가 되고 있다(Yoon et al., 2013; Yoon et al., 2014). 이러한 기술 발전은 중·장기 홍수위험 평가의 새로운 패러다임 전환을 이끌고 있으며, 재난 대비에 필요한 선행시간 확보를 가능하게 한다.

또한, 최근들어 조기경보 시스템 및 비상대응 계획 등 비구조적 대책이 마련되고 있으나, 중·장기적 홍수위험 대응체계는 매우 제한적이며 지자체 단위에서 활용 가능한 예측·평가시스템 또한 부재한 상황이다. 이와 더불어 관련 규정 및 제도적 기반이 미비하여 실무 적용에는 여전히 많은 장애가 존재한다. 그럼에도 불구하고, 기후예측 정보를 활용한 영향예보 체계가 전 세계적으로 확산되고 있는 추세를 감안할 때, 우리나라 역시 국가 및 지자체 차원에서 중·장기 홍수위험 평가에 대한 연구 및 개발이 시급하다. 이 분야는 향후 정책적·기술적 투자 가치가 높으며, 기후변화 적응과 재난 대응 전략의 핵심 축을 담당할 수 있다.

국내 수자원분야에서 Delphi-AHP 기법을 활용한 위험평가 연구로, Choi (2018)은 기후변화에 대응하기 위한 댐 재개발 평가지표 산정에 Delphi-AHP 기법을 활용한 바 있으며, Hwang et al. (2019)은 한국 도심지에서의 홍수취약성 분석 연구를 통하여 서울시를 대상으로 홍수취약성을 분석하며 AHP 기법을 활용한 도심지의 특성을 고려한 평가지표를 개발한 바 있다. 또한, Yoon (2017)은 계절예측 정보를 이용한 중장기 홍수위험 평가 및 활용방안 연구를 통하여 우리나라 지자체의 통합 홍수위험 평가를 위하여, Delphi-AHP 분석으로 평가 항목별 가중치를 산정하였다. Lee et al. (2022)은 엔트로피 가중치를 활용한 지역별 홍수취약도 기반의 서울지역 홍수대응방안연구에서 AHP 기법 및 GIS 공간 분석을 통해 홍수 취약성을 평가하고 홍수 위험 지도를 분석한 바 있다.

본 연구는 이러한 필요성을 기반으로 통계 및 역학 기반 모형을 활용한 중·장기 통합 홍수위험 예측 및 평가체계 개발을 목표로 하였다. 이를 위해 연구는 세 단계로 구성된다. 첫째, 국내외 홍수위험 평가 사례를 조사하고, 전국 243개 시군구를 대상으로 기상·기후자료, 강우자료, 지형·공간자료를 수집하여 데이터베이스를 구축하였으며, 전문가 설문을 위한 Delphi-AHP (Analytic Hierarchy Process) 기법의 분석 틀을 마련하였다. 둘째, ENSO (El Niño-Southern Oscillation) 등 대규모 기후요소가 한반도 수문 변동성에 미치는 영향을 분석하고, 상관성과 예측성을 검토하기 위해 통계·역학 모형을 활용하여 중·장기 강수량을 예측하였다. 또한 통합홍수위험지수를 개발하고 Delphi-AHP 기반의 가중치 산정을 수행하였다. 셋째, 구축된 모형과 지표를 바탕으로 전국 시군구를 대상으로 통합 홍수위험도를 평가하고 GIS 기반 시각화를 수행하며, 지자체 적용성 및 활용 방안을 제시하였다. 한편, 위험(Risk)은 재해(Hazard), 취약성(Vulnerability), 노출도(Exposure)의 상호작용으로 결정되며, 기후변화 영향평가 연구에서는 이러한 요인을 종합적으로 고려한 취약성 분석이 중요하다. 기존 연구들은 기후변화로 인한 홍수 위험을 평가하기 위해 사회경제적 지표, 수문·기상 지표, 적응 능력 등을 활용한 다차원적 접근을 제시해 왔다(Lee et al., 2011; Lee et al., 2013). 그러나 기후예측 정보를 기반으로 한 지역규모 통합 홍수위험평가 연구는 아직 초기 단계이며, 표준화된 인자 체계의 구축이 필요하다. 본 연구는 기후변화 관점에서 중·장기 홍수위험 평가의 필요성을 기반으로 Delphi-AHP를 활용한 지표 체계 및 통계·역학 기반 예측모형을 결합하여, 국내 지자체 수준에서 활용 가능한 통합 홍수위험 평가체계를 제시하고자 한다.

2. 자료 및 분석 방법

2.1 티센 네트워크 구축

본 연구에서는 우리나라 243개 시군구 지자체 지역과 74개 ASOS (Automated Synoptic Observing System) 우량관측소를 대상으로 티센방법으로 다각형 삼각망을 구축하여 각 우량계에 대표되는 관측소의 면적비와 지자체별 해당관측소의 지배면적비를 산정하였다.

티센면적은 총면적에 대한 비로 나타내게 되며, $a_{i} = A_{i} / A$ 로 가중인자가 된다. 이는 산술평균보다 정확도가 높고 수문분석 시 실무에서 활용도가 높다. 다음 Eq. (1)은 티센 면적평균 강우량 산정식이다.

(1)

\bar{P} = \frac{\sum P_{i} A_{i}}{\sum A_{i}} = \sum \frac{A_{i}}{A} P_{i} = \sum a_{i} P_{i}

여기서 $A_{i}$ 는 $i$ 관측소의 면적이고 $A$ 는 유역면적, $a_{i}$ 는 가중인자 이다.

다음 Fig. 1은 우리나라 ASOS 강우 관측소를 대상으로 작성한 티센 폴리곤 네트워크를 작성하여 지자체 행정구역도를 GIS (Geographic Information System)상에서 오버레이(Overlay)하여 나타낸 결과이다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F1.jpg

Fig. 1.

Results of creating a Thiessen polygon network

2.2 Delphi-AHP 분석

본 연구에서는 지자체 통합홍수위험도 평가를 위하여 정책 의사결정 과정에서 유용하게 사용되고 있는 Delphi 기법과 AHP 분석 방법을 사용하였다. Fig. 2는 본 연구에서 실시한 Delphi-AHP 분석과정 및 개념도를 나타낸 것이다. 연구를 위하여 전체적으로 상위개념도출 단계와 Delphi 조사 분석단계, AHP조사 분석 단계의 3단계과정으로 구분하였다. 첫 번째, 상위개념 도출 단계에서는 홍수위험 분석 및 평가와 관련한 문헌조사 및 방법론을 고찰하였으며, 홍수위험 평가지표의 상위개념과 인자들을 도출하였다. 두 번째와 세 번째 단계 사이에는 Delphi기법을 통한 결정요인 계층화와 AHP 분석을 통한 주요도 결정 분석내용이 피드백(Feedback)형태로 연계되어 이루어지고 있으며, Delphi 조사 분석단계에서는 전문가 의견 조합을 통한 교차검증 실시, 결정요인 도출 및 계층화 작업이 이루어진다. 또한 AHP조사 분석단계에서는 설문조사실시 및 평가항목별 중요도 결정, 그리고 가중치 분석이 이루어진다. 또한 가중치 분석을 통한 평가항목별 우선순위가 도출되면 이를 바탕으로 통합홍수위험도 평가를 실시할 수 있다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F2.jpg

Fig. 2.

Delphi-AHP analysis process and concept diagram

2.2.1 Delphi 기법

Delphi 기법은 1948년 미국의 RAND연구소에서 개발되어 IT, 교육, 군사 및 연구개발 분야 등에서 폭넓게 활용되고 있으며, 전문가들의 경험적 지식을 통한 문제해결 및 미래예측을 위한 기법을 의미한다(Linstone and Turoff, 1975; Hsu and Sandford, 2007). 전문가 합의 법이라고도 불리우는 Delphi기법은 ‘두 사람의 의견이 한 사람의 의견보다 정확하다’는 계량적 객관의 원리와 ‘다수의 판단이 소수의 판단보다 정확하다’는 민주적 의사결정 원리에 논리적 근거를 두고 있으며, 전문가들이 직접 모이지 않고 주로 우편이나 전자 메일을 통한 통신수단으로 의견을 수렴하여 도출된 의견을 내놓는다는 것이 주된 특징이라 할 수 있다.

본 연구에서는 Delphi 기법을 통합 홍수위험 평가를 위한 전문가 견해를 유도하고 종합적인 결론을 유도하기 위한 하향식(top-down) 의견도출 방법으로 사용하였으며, 문제의 정의, 측정대상조건 확인, 전문가 집단 구성 등 초기계획을 수립하고 설문지를 작성하였다. 또한 설문지 배포 및 회수, 문항별 빈도 수 정리, 전문가 각자의 경험적 지식을 기반으로 의견조정 및 반영작업을 통한 합의를 도출하고 결과정리 및 기록의 제반과정을 통하여 수행하였다. 다음 Eq. (2)는 Delphi 기법을 통한 설문조사결과의 산정식이다.

(2)

T_{S} = N_{P} \times S_{C}

여기서, $T_{S}$ 는 총 점수이며, $N_{P}$ 는 설문조사에 참여한 전문가의 숫자, $S_{C}$ 는 전문가들 지식기반으로 주어진 평균 점수이다.

설문지의 신뢰도 검증은 Cronbach’s 𝛼를 이용하여 분석하였다. 사회과학 분야에서는 일반적으로 Cronbach’s 𝛼값이 0.6이상일 경우 설문의 신뢰도가 높은 것으로 판단한다(Chaiy, 2004). Delphi 설문조사 내용의 타당성 검증은 다음 Eq. (3)의 Content Validity Ratio (CVR)를 산정함으로써 판단할 수 있다.

(3)

C V R = \frac{n_{e} - N / 2}{N / 2}

여기서, $n_{e}$ 는 5점 척도의 ‘중요’와 ‘매우중요’로 응답한 수를 의미하며, $N$ 은 델파이 전문가의 수를 의미한다.

2.2.2 AHP 분석

AHP 분석은 다수의 대안에 대한 여러 평가 기준을 적용하여 의사결정을 지원하는 방법의 하나로, 평가항목별 가중치(Weighting)를 산정할 때 주로 사용되는 도구(tool)이며, 1980년 토머스 사티(Thoma L. Saaty)에 의해 고안되었다. 이는 의사결정 전 과정을 여러 개의 계층적 단계로 구분한 후 분석함으로써 최종 의사결정에 이르는 방법으로 요소간 쌍대비교(pairwise comparison)를 통해 전문가집단의 지식, 경험, 직관 등을 포함하는 의사결정 기법이다.

AHP분석은 다음의 5단계 분석과정을 통하여 수행된다. 첫 번째로 의사결정 계층설정(Hierarchy of decision problem) 단계, 두 번째로 쌍대 비교(Pairwise comparison of decision elements) 단계, 세 번째로 가중치 추정(Estimation of relative weights) 단계, 네 번째로 가중치 종합(Aggregation of relative weights) 단계, 그리고 마지막으로 피드백(Feedback) 단계 이다.

평가하고자 하는 항목의 가중치 적용 시, 항목 전체에 대한 일관적인 가중치 산정 보다는 다수의 전문가가 참여하는 다차원적 의사결정으로 항목 간 쌍대비교 결과를 행렬화 하고, 행렬의 곱을 연산하여 상호 중요도를 결정하는 AHP기법의 결과가 더욱 정확한 값을 없을 수 있다. 본 연구에서는 AHP를 적용하여 통합홍수위험분석을 위한 세부지표 항목별 가중치 부여 점수를 산정하였으며 쌍대 비교 행렬에 대한 가중치 산정식은 다음 Eq. (4)와 같다.

(4)

(A B)_{i j} = \sum_{k = 1}^{n} A_{i k} B_{j k}

2.2.3 신뢰도평가

AHP 산정절차에 대한 구체적인 설명은 Saaty (1980)을 참조할 수 있으며, 항목별 중요도 산정 및 일관성 평가는 설문조사 자료의 쌍대비교 행렬을 검정하는 것으로 시작하여 상대적가중치, 최대고유치(𝜆_max), 그리고 일관성지수(Consistency Index, CI)를 계산하며, 분석결과의 신뢰성 평가를 위하여 일관성비율(Consistency Ratio, CR)을 추정한다. 일관성지수(CI)와 일관성비율(CR)의 계산은 다음 Eqs. (5) and (6)와 같다.

(5)

C I = \frac{(λ_{\max} - n)}{(n - 1)}

(6)

C R = (C I / R I) \times 100 %

여기서, 𝜆_max는 최대고유치, $n$ 은 한 계층에서 비교 대상이 되는 개수, 그리고 $R I$ 는 난수지수(Random Index)를 의미한다. 일반적으로 CR 값이 20%이내일 경우에는 해당 쌍대비교 행렬이 용납할 수 있는 수준의 일관성이 있는 것으로 판단할 수 있다(Saaty, 1990; Choi, 2018).

2.3 지표의 표준화

위험도 평가를 실시할 때 각 지표별로 단위와 가중치가 다르기 때문에 단순 합산을 통하여 비교할 수는 없으므로 지표의 표준화는 매우 중요하다. 따라서 각 지표별로 산정된 값의 크기와 단위 문제를 해소하기 위하여 반드시 표준화 과정을 거쳐야 한다. 지표를 표준화하는 방법은 크게 표준치 적용법, 순위 적용법, 기준치 적용법, 상한치내 전이법으로 나눌 수 있다(Park et al., 2005).

표준치 적용법은 각 인자별 점수를 정규분포로 가정하여 표준치를 계산하여 적용하는 방법이며, 순위 적용법은 모든 대안들을 한 인자의 평점 순으로 나열한 후 순위에 따라 점수를 부여하는 방법이다. 또한 기준치 적용법은 임의 기준치를 설정한 후 이를 기준으로 각 인자의 비율을 설정하여 비율에 따라 표준화를 실시하는 방법이며, 상한치내 전이법은 부여된 평가점수의 최대치를 100점으로 보고 다른 점수를 같은 비율로 환산하는 방법이다. 이 중, 여러 문헌 조사에 따르면 홍수피해 및 위험도 분석에 많은 연구자들이 사용한 지표의 표준화 방법은 표준점수법(Z-Score)인 것으로 조사되었다. 따라서 본 연구에서는 지표의 표준화를 위하여 표준점수법을 적용하였다. 표준점수법(Z-Score)은 표본의 산술평균과 표준편차를 이용하여 자료가 가지고 있는 분포의 원점수를 표준점수로 바꾸게 된다. 표준점수법의 변환 식은 다음 Eq. (7)과 같다.

(7)

Z_{i} (Z - Score) = \frac{x_{i} - μ}{σ_{x}}

여기서, $Z_{i}$ 는 평가항목별 표준화 지수 값이며, $x_{i}$ 는 각각의 평가항목별 인자 값(세부지표)이다. 또한 𝜇는 평가항목별 자료의 평균치를 의미하며, $σ_{x}$ 는 평가항목별 인자에 대한 표준편차를 의미한다.

다음으로 표준점수법을 통하여 환산된 지표 값을 평균이 0, 표준편차가 1인 표준정규분포(standard normal distribution) 함수에 대입하여 확률밀도함수의 누가면적을 계산하면 정규화된 지표 값을 얻을 수 있게 된다. 정규분포의 매개변수는 평균 𝜇와 표준편차 𝜎이고 확률밀도함수는 다음과 같으며 기호 $N (μ, σ^{2})$ 으로 나타내면 다음 Eq. (8)과 같다.

(8)

f (x) = \frac{1}{σ \sqrt{2 π}} \exp [- \frac{(x - μ)^{2}}{2 σ^{2}}], - \infty \leq x \leq \infty

정규분포의 누가분포함수는 다음과 같이 $f (x)$ 의 적분으로 주어지며, 다음 Eq. (9)와 같다.

(9)

F (x) = \int_{- I N F}^{z} \frac{1}{\sqrt{2 π}} e^{- u^{2} / 2} d u

2.4 통합 홍수 위험도 평가

위험도(Risk)는 위해성(Hazard)과 노출성(Exposure), 그리고 취약성(Vulnerability)의 함수로 나타낼 수 있다(Anselmo et al., 1996; Connor and Hiroki, 2005; WB, 2013). 여기서 위해성은 물리적인 위험요인을 의미하며, 노출성과 취약성은 사회-경제적인 취약성요인을 의미한다. 또한 각 지수에 대한 위험도 평가를 위하여 인덱스(Index)의 구간 범위를 설정할 필요성이 있으며, 본 연구에서는 붉은색: Very High (0.8-1.0), 주황색: High (0.6-0.8), 노란색: Medium (0.6-0.4), 연두색: Low (0.2-0.4), 초록색: Very Low (0.2-0.0)의 5단계 로 구분하였다. 이러한 위험도 개념의 적용과 위험도 평가 구간 설정을 통하여 기후예측 정보를 활용한 행정구역 단위의 홍수위험평가를 실시할 수 있으며, 분석된 결과는 GIS상에서 가시화하여 위험도에 대한 표출이 가능하다. 다음 Fig. 3는 위험도 개념을 설명하기 위한 벤다이어그램 모식도 이며, 본 연구에서 사용한 지수의 평가 범위 구간을 설정한 결과이다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F3.jpg

Fig. 3.

Setting the evaluation range of the risk concept Venn diagram and index

홍수위험도와 관련한 위해성 요인, 노출성 요인, 취약성 요인과 각각의 가중치를 포함하도록 통합홍수위험지수를 일반화 하면 다음 Eqs. (10) and (11)와 같이 간단히 나타낼 수 있다.

(10)

R i s k = f (H a z a r d, E x p o s u r e, V u l n e r a b i l i t y)

(11)

I F R I = \sum_{i = 1}^{l} (h_{i} \times H_{i}) + \sum_{j = 1}^{m} (e_{j} \times E_{j}) + \sum_{k = 1}^{n} (v_{k} \times V_{k})

여기서, $I F R I$ 는 통합홍수위험지수이며, $H_{i}$ 는 위해성 요인, $E_{j}$ 는 노출성 요인, $V_{k}$ 는 취약성 요인을 의미하며, $h_{i}$ , $e_{j}$ , $v_{k}$ 는 각 인자별 가중치(weighting factor)이다.

3. 분석 결과

3.1 평가지표 개발

본 연구에서는 홍수관련 다양한 선행 연구 결과와 전문가 의견수렴을 바탕으로 홍수위험평가를 위한 통합홍수위험지수를 개발하였다, 이는 기존 홍수위험도 분석 지표를 기반으로 개발되어 지자체 홍수위험 평가를 위하여 최적화된 지수이다. 본 연구에서 개발한 통합홍수 위험 지수는 총 3개의 대표지표와 6개의 중간지표, 그리고 24개의 세부지표로 구성하였다. 이 중 위해성 요인으로는 수문․기상학적 위해성과 기후예측정보 위해성으로 구분하였으며, 노출성 요인으로 상습침수지역 노출성과 홍수피해 노출성으로 구분하였고, 취약성 요인으로는 사회-경제적 취약성과 홍수방어 취약성으로 구분하였다. 각각의 세부지표를 살펴보면 수문․기상학적 위해성 요인으로 일 최대강수량, 일 강수량 80 mm/day 이상인 날의 횟수, 시간당 강수량 30 mm/h 이상인 날의 횟수, 그리고 100년빈도 시간당 강수량을 포함시켰으며, 기후예측정보 위해성 요인 분석을 위해서는 통계모형 예측 값, APCC MME 예측 값, 그리고 ENSO 예측 값이 사용된다. 또한 상습침수지역 노출성에는 10 m 이하 저지대 면적, 10 m 이하 저지대 가구수, 그리고 지역 평균 경사도가 포함되며, 홍수피해 노출성 요인에는 홍수피해 인구수, 홍수로 인한 침수 면적, 홍수로 인한 인명피해, 그리고 호우로 인한 홍수 피해액이 포함된다. 사회-경제 취약성 요인에는 인구밀도, 13세 이하 인구수, 65세 이상 인구수, 지역내 총생산(GRDP), 그리고 재정자립도가 포함되며, 홍수방어 취약성 요인에는 제방면적 비율, 하수도 보급률, 배수펌프장 용량, 인구당 공무원 수, 인구당 의료기관수가 포함된다.

3.2 AHP 계층구조(Hierarch Tree)

Fig. 4는 통합홍수위험지수 산정을 위한 중요도 평가 항목별 AHP 계층구조(Hierarch Tree)를 작성한 결과이다. 본 연구에서는 대안의 수가 10개 이상이며, 각 평가항목에 대한 전문가 그룹이 37명으로 구성되어 있다. 설문조사 대상 37인 전문가의 응답결과에 대하여 CI와 CR값을 산정한 후 20%이상의 비일관성을 보인 설문조사 결과는 제외하고 나머지 결과로부터 평가항목의 가중치를 산정하였다. AHP에서 평가대안의 수가 너무 많으면 쌍대비교의 횟수가 기하급수적으로 증가하기 때문에 상대측정이 불가능하여 실제적으로 AHP를 적용하기 어려울 수 있다. 보통 10개 이상의 대안이 존재하는 경우 쌍대비교평가가 곤란하여 절대비교를 통한 절대 측정 방법을 취하는 것이 바람직하다는 연구결과(Cho and Cho, 2004)도 있으나, 항목별 가중치 산정은 AHP 결과 분석을 위하여 작성한 R Script를 활용하여 복잡한 쌍대비교 분석을 처리하였다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F4.jpg

Fig. 4.

AHP analysis hierarchy for assessing the importance of the integrated flood risk index

3.3 설문지 작성 및 전문가 집단 구성

통계․역학 모형을 통하여 예측된 수문정보의 지자체 활용을 목적으로 통합 홍수위험도 평가를 위한 프레임워크(Framework)를 개발하고, 다기준의사결정기법(MCDA, Multi-Criteria Decision Making Analysis)을 통한 홍수위험 평가의 우선순위를 종합적으로 결정하여 중요도를 수치화하기 위하여 설문조사를 실시하였으며, 설문지의 마지막에 평가항목에 대한 전문가 의견을 기술하도록 하였다. 설문지의 작성 및 배포는 인터넷상에서 무료로 활용할 수 있는 구글설문지(Google Forms; https://www.google.com/forms/about/)에서 온라인으로 만들어 배포하였다.

통합홍수위험 평가를 위하여 관련 분야의 다양한 전문가 그룹을 조사하였으며, 전문가 집단의 대표성, 적정성, 전문적 지식, 설문 참여율 등으로 종합적으로 고려하여 총 50명의 전문가를 선정하였다. 이 중 37명의 전문가가 설문에 응답하였으며, 회수율은 74%이다. 응답한 전문가의 성별은 남자 36명(97.3%), 여자 1명(2.7%)이며, 연령은 20대 5명(13.5%), 30대 20명(54.1%), 40대 12명(32.4%), 50대 1명(2.7%)이다. 또한 최종학력은 박사(과정포함) 64.9%, 석사(과정포함) 29.7% 이며, 나머지는 5.4%는 학사이다. 응답자의 근무지는 37.8%는 대학교, 21.6%는 연구기관, 21.6%는 민간기업, 13.5%는 중앙 및 지방정부, 나머지 5.5%는 공기업이며, 주요 담당업무는 43.2%가 홍수(치수), 24.3%가 물관리(이수), 18.9%가 재난관리(물관련), 10.8%가 기타 분야, 나머지 2.8%가 수질/생태(환경) 분야이다. 이 중 근무경력은 37.8%가 5~10년 미만, 21.6%가 3~5년 미만, 21.6%가 3년 미만, 16.2%가 10~20년 미만, 나머지 2.8%가 20년 이상이다.

3.4 신뢰도 평가 결과

AHP (Analytic Hierarchy Process)는 다기준의사결정방법으로 각 평가항목의 쌍대비교를 통하여 설문응답자의 객관적인 검정요인과 주관적인 검정요인을 쉽게 분석할 수 있는 기법이며, 평가자의 의견에 대한 일관성 검증을 통하여 조사결과의 신뢰성을 확보할 수 있다. 일반적으로 CR (Consistency Ratio)이 0.1이하면 응답자가 각 평가항목에 내린 결정이 합리적인 일관성을 갖는 것으로 판단하며, 0.2이하의 경우에는 용납할 수 있는 수준이나 0.2를 초과하였을 경우에는 조사결과의 일관성이 부족한 것으로 판단할 수 있다(Song and Lee, 2013). Table 1은 설문응답자 37명에 대한 신뢰도 평가를 위해 CR 통계분석결과를 정리한 결과이며, Fig. 5는 대표지표와 중간지표에 대한 37개 설문조사 결과의 신뢰성평가를 실시하여 Box-Plot형태로 나나타낸 결과이다. 여기서 CR값이 0.2를 초과한 설문 결과는 제외하고 항목별 중요도 평가를 실시하였다. 전문가수와 응답 수에 따라 결정되는 $C V R$ 값이 신뢰구간 95%(유의수준 0.05)에서 최소허용 값 보다 높으면 설문 내용의 타당성이 있다고 판단할 수 있다(Lawshe, 1975). 본 연구에서는 설문에 응답한 전문가 37명을 기준으로 $C V R$ 값이 0.36이상이면 내용의 타당성이 있다고 판단하였다.

Table 1.

CR (Consistency Ratio) statistical analysis by evaluation criteria

Evaluation criteria		Quartile					Average	Standard deviation
Evaluation criteria		10%	25%	50%	75%	90%	Average	Standard deviation
Representative indicator		0.000	0.009	0.054	0.109	0.226	0.076	1.219
Detailed indicators	Hydrological/meteorological hazards	0.018	0.051	0.127	0.203	0.283	0.144	0.756
	Climate prediction information risk	0.000	0.000	0.009	0.083	0.217	0.057	1.502
	Exposure to habitual exposure areas	0.000	0.039	0.129	0.207	0.235	0.124	0.911
	Exposure to flood damage	0.045	0.069	0.139	0.204	0.292	0.180	1.015
	Socio-economic vulnerability	0.014	0.032	0.085	0.141	0.192	0.094	0.838
	Flood defense vulnerability	0.017	0.038	0.073	0.167	0.253	0.114	0.951

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F5.jpg

Fig. 5.

Survey reliability assessment results using box plots

3.5 중요도 평가 결과

AHP분석을 통한 전문가 설문결과를 바탕으로 통합홍수위험지수를 구성하고 있는 대표지표, 중간지표, 그리고 세부지표 간의 평가항목별 가중치를 산정한 결과는 다음 Table 2와 같으며, Fig. 6는 각각의 세부 평가항목에 대한 가중치 산정결과를 Radar Chart로 나타내었다.

Table 2.

Results of calculating weights for each evaluation item of the integrated flood risk index

Goal	Representative indicator	Weight	Intermediate indicator	Weight	Detailed indicators	Weight
Integrated Flood Risk Index (IFRI)	Hazard	0.312	Hydrological/Meteorological Hazards	0.571	Maximum daily rainfall	0.298
					Number of days with daily precipitation of 80 mm or more	0.217
					Number of times when precipitation per hour exceeds 30 mm	0.283
					100-year frequency hourly precipitation	0.202
			Climate prediction information risk	0.429	Statistical model prediction values	0.379
					APCC MME prediction values	0.365
					ENSO forecast values	0.256
	Exposure	0.299	Exposure to areas prone to flooding	0.535	Low-lying area of less than 10m	0.320
					Number of households in low-lying areas below 10m	0.483
					Regional average slope	0.197
			Exposure to flood damage	0.465	Number of people affected by floods	0.273
					Area inundated by floods	0.157
					Damage caused by flooding	0.370
					Damage from flooding due to heavy rain	0.201
	Vulnerability	0.389	Scio-economic vulnerability	0.365	Population density	0.342
					Population under 13 years old	0.186
					Population aged 65 and over	0.182
					Gross Regional Domestic Product (GRDP)	0.146
					Financial independence	0.144
			Flood defense vulnerability	0.635	Embankment area ratio	0.227
					Sewerage coverage rate	0.237
					Drainage pump capacity	0.278
					Number of civil servants per capita	0.119
					Number of medical institutions per capita	0.139
∑		1.000

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F6.jpg

Fig. 6.

Results of calculating weights for each indicators

통합홍수위험지수 평가항목별 가중치 산정결과 대표지표 항목에서는 취약성 지표가 0.389로 가장 높게 나타났으며, 위해성 지표가 0.312, 노출성 지표가 0.299로 분석되었다. 중간지표 항목에서는 위해성 요인에서 수문기상학적 위해성(0.571) 지표가 기후예측정보 위해성(0.429) 지표보다 중요도가 높게 나타났으며, 노출성 요인에서 상습침수지역 노출성(0.535) 지표가 홍수피해 노출성(0.465) 지표보다 높게 중요도가 높게 분석되었다. 또한 취약성요인의 홍수방어 취약성(0.635) 지표가 사회-경제적 취약성(0.365) 지표보다 중요도가 높게 산정되었다. 세부평가항목별 가중치 산정결과를 살펴보면, 수문․기상학적 위해성 관련 세부평가항목에서는 일 최대 강수량(0.298)의 중요도가 가장 크게 분석되었으며, 기후예측정보 위해성 관련 세부평가항목에서는 통계모형 예측 값(0.379)이 가장 큰 가중치를 보였다. 다음으로 상습침수지역 노출성관련 세부평가항목에서는 10m이하 저지대 가구수(0.483)의 중요도가 가장 크게 분석되었으며, 홍수피해 노출성관련 세부평가항목에서는 홍수로 인한 인명피해(0.370)의 가중치가 가장 크게 분석되었다. 마지막으로 사회-경제적 취약성 관련 세부평가항목에서는 인구밀도(0.342)가 가장 큰 가중치로 산정되었으며, 홍수방어 취약성 관련 세부평가항목에서는 배수펌프장용량(0.278)이 가장 큰 가중치를 갖는 것으로 분석되었다.

3.6 지표별 위험도 평가 결과

본 연구에서 개발한 통합홍수위험지수(Integrated Flood Risk Index, IFRI)를 통하여 우리나라 243개 시군구 지자체를 대상으로 통합 홍수위험 평가를 실시하기 위하여, 위해성 관련 지표, 노출성 관련 지표, 그리고 취약성 관련 자료를 수집하여 DB화 한 후 24개 각 지표별 공간분포 DB를 구축하였다. 위해성과 관련한 지표 DB는 수문․기상학적 위해성과 기후예측 정보 위해성 지표로 구분되며, 이중 기후예측정보 위해성 지표는 매달 업데이트 되어 달라지는 지표이기 때문에, 수문․기상학적 위해성 지표에 대하여 DB를 구축하였다. 수문․기상학적 위해성 지표는 우리나라 ASOS 74개 기상관측 지점별 시간강수량 자료와 일 강수량 관측 자료를 수집하여 전 처리를 실시한 후, 일 최대강수량과 일 강수량이 80 mm/d 이상인 날의 횟수, 시간당 강수량이 30 mm 이상인 날의 횟수, 그리고 100년 빈도 시간당 강수량을 추출하여 정리하였다. 또한 우리나라 243개 시군구 지자체에 대하여 적용하기 위하여 강우관측 지점을 대상으로 티센폴리곤 네트워크를 작성하여 지자체 별로 가중치를 산정한 후 공간분포 값을 추출하여 정리하는 과정을 거쳤다. 마찬가지로 노출성, 취약성 관련 각 지표별 DB를 구축한 후 GIS 상에 공간분포 시켜 통합홍수위험도 산정 시 활용하였다. 다음 Fig. 7은 위해성 관련 4개의 지표에 대한 우리나라 시군구 지자체 별로 분석한 결과이다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F7.jpg

Fig. 7.

Results of building a database of indicators related to risk

3.7 통합 홍수위험도 평가 결과

우리나라 강우자료의 변동성 경향성 분석 결과를 바탕으로 한반도에 기후변동이 일어났을 것이라 판단되는 1995년을 기준으로 그 이전 시기(1961~1995)와 이후(1996~2024)를 구분하여 시군구 지자체 별로 통합 홍수 위험지수 분석을 수행하였다. 분석결과 1995년 이전 위해성지수는 서울(0.817)지역평균이 가장 크며, 대구(0.057)지역 평균이 가장 작게 분석되었다. 노출성 지수는 강원(0.514)지역 평균이 가장 크며, 서울(0.364)지역 평균이 가장 작게 분석되었다. 취약성지수는 서울(0.709)지역 평균이 가장 크게 분석되었으며, 강원(0.320)지역 평균이 가장 작게 분석되었다. 1995년 이전의 통합홍수위험지수를 분석한 결과 서울(0.640)지역 평균이 가장 크게 분석되었으며, 경북(0.290)지역 평균이 가장 작게 분석되었다. 1995년 이후 위해성지수는 서울(0.872)지역평균이 가장 크며, 대구(0.099)지역 평균이 가장 작게 분석되었다. 노출성지수는 전남(0.513)지역 평균이 가장 크며, 대구(0.366)지역 평균이 가장 작게 분석되었다. 취약성지수는 서울(0.709)지역 평균이 가장 크게 분석되었으며, 강원(0.320)지역 평균이 가장 작게 분석되었다. 1995년 이후의 통합홍수위험지수를 분석한 결과 서울(0.662)지역 평균이 가장 크게 분석되었으며, 경북(0.295)지역 평균이 가장 작게 분석되었다. 전국 평균을 살펴보면, 1995년 이전의 위해성 지수는 0.503, 노출성 지수는 0.452, 취약성 지수는 0.464, 그리고 통합홍수위험지수는 0.472로 분석되었고, 1995년 이후의 위해성 지수는 0.496 노출성 지수는 0.451, 취약성 지수는 0.464, 그리고 통합홍수위험지수는 0.470으로 분석되어, 1995년 이후 한반도 기후변동에 의한 강수량 증가에도 불구하고 전체적인 통합 홍수위험지수는 1995년 이전이 1995년 이후에 비하여 다소 높은 것으로 분석되었다. 다만, 본 연구의 결과는 통합홍수위험평가지수 항목 중 가용한 시계열 자료를 기준으로 평가를 실시한 것임을 밝힌다. Fig. 8은 전국 243개 지자체를 대상으로 1995년 이전과 이후 위해성지수와 노출성지수 그리고 취약성 지수를 Ternary 다이어그램을 통하여 나타낸 결과이며, Fig. 9은 1995년 이전과 이후로 구분하여 통합홍수위험도의 공간 분포를 나타낸 결과이다. 그림에서 보는 바와 같이 서울을 비롯한 중부지방과 남부지역의 홍수위험도가 큰 것으로 분석되며, 경기 지역의 경우 일부 지자체에서 홍수위험성이 감소하였으나 전반적으로 증간 것으로 분석된다. 또한 경북과 충남 일부 지차체 지역은 전국 평균에 비하여 상대적으로 낮은 강수량으로 위해성 지수가 낮아 통합홍수위험이 작은 것으로 분석되었다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F8.jpg

Fig. 8.

Ternary diagram in each period

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12/N0200581217/images/kwra_58_12_17_F9.jpg

Fig. 9.

Results of integrated flood risk assessments in each period

4. 요약 및 결론

본 연구는 기후변화와 이상기후의 전 지구적 확산으로 인해 고도화되는 홍수 위험에 효과적이고 선제적으로 대응하고자, 기존의 단기적이고 사건 중심적인 대응 패러다임이 가진 근본적인 한계를 극복하는 것을 핵심 목표로 설정하였다. 이에 델파이-AHP 융합 기법이라는 정교한 다중기준 의사결정 분석 방법론을 활용하여 중·장기 통합 홍수 위험 평가 모델을 개발하고 그 실효성 및 정책적 활용 가능성을 심층적으로 검증하였다. 연구는 홍수 위험을 단순한 수문학적 현상이 아닌, 복합 재난으로 정의하고, 기상/기후, 사회/경제, 정책/제도의 3개 대분류와 이를 구성하는 12개 세부 지표를 포괄하는 다차원적이고 통합적인 평가 체계를 구축하였다. 이는 과거 재해 이력이나 단일 기상 조건(예: 1시간 최대 강우량)에만 의존했던 기존의 평가 방식과 달리, 미래 기후 예측 정보의 불확실성, 인구 밀집도와 노후 시설물 분포를 포함하는 사회 구조적 취약성, 그리고 이를 관리하는 지방정부의 제도적 역량까지 총체적으로 고려하여 홍수 위험의 전방위적 측면을 반영했음을 의미한다. 특히 델파이 기법을 통해 다양한 분야의 전문가 의견을 수렴하여 평가 항목의 포괄성과 적합성을 확보한 후, AHP를 통해 전문가들의 주관적 판단을 계층적으로 분석하여 객관적인 가중치를 부여함으로써 모델의 신뢰성과 타당성을 극대화하였다. 이처럼 정교하게 설계된 모델은 단기적인 대비책 수립을 넘어, 수십 년 단위의 인프라 투자 및 도시 계획 단계에까지 영향을 미치는 중장기 정책 결정을 지원할 수 있는 강력한 기반을 제공한다.

델파이 분석을 거쳐 확정된 평가 항목에 대한 AHP 분석을 통해 항목별 중요도와 가중치를 정량적으로 도출하였으며, 그 결과는 다음과 같다. 3개 대분류 중 ‘기상/기후’ 부문의 가중치가 0.512로 가장 높은 중요도를 나타냈으며, 이는 기후 요인이 홍수 위험의 변동을 주도하는 핵심 동인임을 통계적으로 입증한다. 이와 함께 세부 지표 중에서는 ‘중장기 강수량 예측 변동성’이 0.203의 가중치로 홍수 위험을 결정하는 최우선 요소로 확인되었다. 이러한 결과는 재난 관리의 무게중심이 과거 데이터 분석에서 미래 예측 정보의 활용으로 이동해야 한다는 전문가들의 강한 합의를 명확히 보여준다. 나아가, 개발된 통합 위험 지수를 활용하여 주요 기후 변동 단계에 따른 홍수 위험 변동성을 평가하였다. 구체적으로, 엘니뇨 발생 시 중·장기 홍수 위험 지수가 115.4로 평년(100.0) 대비 15% 이상 상승하는 것으로 나타났으며, 이는 계절 예측이 가능한 기후 변동 단계가 재난 관리 시나리오에 미치는 심각하고 정량적인 영향을 구체적으로 입증하였다. 이 15%라는 수치적 증가는 특정 시기에 재난 자원 투입을 확대해야 할 정책적 필요성을 강력하게 뒷받침한다.

본 연구의 통합 홍수 위험 평가 모델은 국가 재난 관리 시스템의 질적 향상과 효율성 증대에 광범위한 정책적 시사점을 제공한다. 이 모델은 중·장기 기후 예측 정보를 재난 관리 의사 결정 과정에 과학적이고 정량적으로 통합할 수 있는 실질적인 프레임워크를 마련하며, 국가 재난 관리 전략을 ‘사후 복구 및 손실 계량화’에서 ‘사전 예방 및 선제적 대비’ 중심으로 혁신하는 데 핵심적으로 기여한다. 특히, 정량화된 위험 지수를 근거로 정부 및 지자체가 제한된 재난 대비 자원(예산, 인력, 시설 투자)을 홍수 위험이 높은 지역이나 특정 기후 변동 시기에 전략적이고 우선적으로 집중 배분할 수 있는 객관적인 의사결정의 근거를 마련해 준다. 예를 들어, 엘니뇨 예측 정보가 있을 경우 해당 기간에 맞춰 취약 지역의 배수 시설 점검 및 비상 인력 배치를 평소 대비 확대하는 등, 리스크 기반의 맞춤형 대응이 가능해진다. 이는 결과적으로 재난 복구 비용을 절감하고 국민의 생명과 재산을 보호하는 국가 안전 역량을 실질적으로 강화하는 결과를 가져올 것이다.

향후 연구에서는 본 모델의 평가 지표를 광역 지자체 단위의 실제 공간 정보(GIS)와 결합하여 시각화하고, 시계열적 위험 변동 예측 시스템으로 고도화하는 방향으로 진행될 필요가 있다. 특히, 지표별 가중치와 위험도를 지도상에 투영하여 정책 결정자가 한눈에 취약 지역을 파악할 수 있도록 사용자 친화적인 인터페이스를 개발하는 것이 중요하다. 더불어, 정책의 집행 속도나 규제 완화 정도와 같은 정책적 불확실성을 포함하는 ‘정책/제도’ 항목의 정량적 평가 및 측정 방법을 더욱 정교화하여 모델의 예측력과 실무적 활용 범위를 확장하는 노력 또한 요구된다. 최종적으로는 이 통합 모델을 가뭄, 산불 등 다른 기후 재난 분야로 확장하여 국가 통합 재난 위험 관리(National Integrated Disaster Risk Management) 시스템을 구축하는 데 기여할 수 있을 것이다.

Acknowledgements

본 연구는 2025년도 행정안전부 한국산업기술기획평가원 국가 연구개발 사업(과제번호: RS-2025-02317734)의 연구비 지원을 받아 수행되었으며, 이에 감사드립니다.

Conflicts of Interest

The authors declare no conflict of interest.

References

Acosta Navarro, J.C., Aranyossy, A., De Luca, P., Donat, M.G., Hrast Essenfelder, A., Mahmood, R., Toreti, A., and Volpi, D. (2025). “Seamless seasonal to multi-annual predictions of temperature and Standardized Precipitation Index by constraining transient climate model simulations.” Earth System Dynamics, Vol. 16, No. 5, pp. 1723-1737.

10.5194/esd-16-1723-2025

Anselmo, V., Galeati, G., Palmieri, S., Rossi, U., and Todini, E. (1996) “Flood risk assessment using integrated hydrological and hydraulic modeling approach: a case study.” Journal of Hydrology, Vol. 175, pp. 553-554.

Chaiy, S.I. (2004) Social research method and analysis. 3rd ed. Hakhyunsa.

Cho, K.T., and Cho, Y.G. (2004). “Cost benefit analysis of CT and MRI using the AHP.” Korean Management Science Review, Vol. 21, No. 2, pp. 93-109.

Choi, J.H. (2018). “Development of execution framework for rehabilitation and hydrological safety evaluation for dam under climate change.” Ph.D. Dissertation, The University of Seoul.

Connor, R.F., and Hiroki, K. (2005). “Development of a method for assessing flood vulnerability.” Water Science & Technology, Vol. 51, No. 5, pp. 61-67.

10.2166/wst.2005.0109

Hsu, C.C., and Sandford, B.A. (2007). “The Delphi technique: making sense of consensus.” Practical Assessment, Research, and Evaluation, Vol. 12, No. 10, pp. 1-8.

Hwang, N., Park, H., and Chung, G. (2019). “Flood vulnerability analysis in Seoul, Korea.” Journal of Korea Water Resources Association, Vol. 52, No. 10, pp. 729-742. doi: 10.3741/JKWRA.2019.52.10.729.

10.3741/JKWRA.2019.52.10.729

Lawshe, C.H. (1975) “A Quantitative approach to content validity.” Personnel Psychology, Vol. 28, No. 4, pp. 563-575.

10.1111/j.1744-6570.1975.tb01393.x

Lee, G., Jun, K.S., and Chung, E.S. (2013). “Integrated multi-criteria flood vulnerability approach using fuzzy TOPSIS and Delphi technique.” Natural Hazards and Earth System Sciences, Vol. 13, No. 5, pp. 1293-1312.

10.5194/nhess-13-1293-2013

Lee, M.H., Jung, I.W., and Bae, D.H. (2011). “Korean flood vulnerability assessment on climate change.” Journal of Korea Water Resources Associate, KWRA, Vol. 44, No. 8, pp. 653- 666.

10.3741/JKWRA.2011.44.8.653

Lee, S., Choi, Y., Lee, E., Ji, J., and Yi, J. (2022). “Development for rainfall classification based on local flood vulnerability using entropy weight in Seoul metropolitan area.” Journal of Korea Water Resources Association, Vol. 55, No. 4, pp. 267-278. doi: 10.3741/JKWRA.2022.55.4.267.

10.3741/JKWRA.2022.55.4.267

Linstone, H.A., and Turoff, M. (1975). The delphi method, Reading, Addison-Wesley, Boston, MA, U.S., Vol. 1975, pp. 3-12.

Park, T.S., Kim, G.M., Yoon, Y.S., and Lee, S.B. (2005). “Analysis of flood damage characteristics and development of flood damage index.” Korea Research Institute for Human Settlements, Vol. 6, pp. 1-186.

Ren, H.L., Bao, Q., Zhou, C., Wu, J., Gao, L., Wang, L., Ma, J., Tang, Y., Liu, Y., Wang, Y., and Zhao, Z. (2023). “Seamless prediction in China: A review.” Advances in Atmospheric Sciences, Vol. 40, No. 8, pp. 1501-1520.

10.1007/s00376-023-2335-z

Saaty, T.L. (1980). The analytic hierarchy process, McGraw-Hill, New York, NY, U.S.

10.21236/ADA214804

Saaty, T.L. (1990). “How to make a decision: The analytic hierarchy process.” European Journal of Operational Research, Vol. 48, pp. 52-64.

Song, K.W., and Lee, Y. (2013). “Re-scaling for improving the consistency of the AHP Method.” Social Science Research Review, Vol. 29, No. 2, pp. 271-288.

World Bank (WB) (2013) A global urban risk index. World Bank Policy Research Working Paper, WPS 6506, Washington, DC, U.S., p. 1-44.

Yoon, S.K. (2016). Development of long-range hydroclimate prediction models and their assessment links with statistical teleconnections: A case study of Gyeongnam, Korea. Research Report 2015-14, APEC Climate Center, pp. 1-143.

Yoon, S.K. (2017). “Mid- to long-term flood risk assessment and utilization plan using seasonal forecast information.” Water for Future, Vol. 50, No. 8, pp. 70-82.

Yoon, S.K., Kim, J.S., and Moon, Y.I. (2014). “Integrated flood risk analysis in a changing climate: A case study from the Korean Han River Basin.” KSCE Journal of Civil Engineering, Vol. 18, No. 5, pp. 1563-1571.

10.1007/s12205-014-0147-5

Yoon, S.K., Kim, J.S.. Lee, J.H., and Moon, Y.I., (2013). “Hydrometeorological variability in the Korean Han River Basin and its sub-watersheds during different El Niño phases.” Stochastic Environmental Research and Risk Assessment, Vol. 27, pp. 1465-1477.

10.1007/s00477-012-0683-9

Journal of Korea Water Resources Association ISSN:2799-8746(Print) 2799-8754(Online) 한국수자원학회 논문집

Preview

Integrated flood risk assessment of domestic local governments using the Delphi-AHP technique

ABSTRACT

MAIN

(1)

Fig. 1.

Results of creating a Thiessen polygon network

Fig. 2.

Delphi-AHP analysis process and concept diagram

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

Fig. 3.

Setting the evaluation range of the risk concept Venn diagram and index

(10)

(11)

Fig. 4.

AHP analysis hierarchy for assessing the importance of the integrated flood risk index

Table 1.

CR (Consistency Ratio) statistical analysis by evaluation criteria

Fig. 5.

Survey reliability assessment results using box plots

Table 2.

Results of calculating weights for each evaluation item of the integrated flood risk index

Fig. 6.

Results of calculating weights for each indicators

Fig. 7.

Results of building a database of indicators related to risk

Fig. 8.

Ternary diagram in each period

Fig. 9.

Results of integrated flood risk assessments in each period

Acknowledgements

Conflicts of Interest

References