A study on quantitative methods for assessing urban flood resilience

Su Min Song; Jei Bok Jeon; Seung Oh Lee

doi:10.3741/JKWRA.2025.58.S-4.1673

Preview

Special Issue: 지능형 도시홍수 예측

Journal of Korea Water Resources Association. 31 December 2025. 1673-1683
https://doi.org/10.3741/JKWRA.2025.58.S-4.1673

A study on quantitative methods for assessing urban flood resilience

도시침수 회복탄력성 평가를 위한 정량화 방법 연구

Su Min Song^a

Jei Bok Jeon^b

Seung Oh Lee^c^*

송 수민^a

전 제복^b

이 승오^c^*

^aMaster Course, Department of Civil Engineering, Hongik University, Seoul, Korea

^bManaging Director, Water Resources & Environmental Department, Dongbu Engineering, Seoul, Korea

^cProfessor, Department of Civil Engineering, Hongik University, Seoul, Korea

^a홍익대학교 토목공학과 석사과정

^b동부엔지니어링 수자원환경부 상무

^c홍익대학교 건설환경공학과 교수

^{*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 redefines the concept of socio-ecological resilience within the context of post-flood urban conditions, explores its implications, and proposes a method for assessing it that defines and quantitatively measures urban flood resilience. Drawing on previous research, we identify the key elements used in the socio-ecological resilience framework and establish their conceptual connections. Building on this foundation, we define urban flood resilience and introduce a corresponding quantitative approach. Applying a scenario-based method shows that areas with strong social foundations and preparedness maintain high resilience even as post-flood conditions worsen. Conversely, regions with weak hydraulic capacity and limited social response capabilities experience continuous declines in resilience as flooding increases. These findings suggest that the resulting index can improve disaster-response investment efficiency by aiding in prioritizing investments and maintenance, identifying threshold-risk zones, and developing policy alternatives.

Keywords

Urban flood

Resilience

Vulnerability

Adaptive capacity

Quantitative assessment

본 연구는 도시 침수 발생 이후 사회생태학적 회복탄력성의 개념을 새로이 제시하여 그 영향을 분석하고 이를 기반으로 최종적으로 도시 침수 회복력을 정의·정량화하는 평가방법을 제안한다. 따라서 본 제안 방법은 선행연구를 통해 사회생태학적 회복탄력성 개념 내에서 활용되는 요소를 분석하고 개념적 관계를 성립하였다. 이를 통해 도시침수 회복탄력성을 정의하고, 그 기반으로 정량화 방법을 제시하였다. 본 연구에서 시나리오에 기반한 도시침수 회복력 정량화 방법을 적용한 결과, 사회적 기반과 대비 역량이 높은 지역은 도시 침수 발생으로 인해 악화되는 조건에서도 높은 회복탄력성을 유지한 반면, 물리적 치수 성능과 사회적 대응역량이 취약한 지역은 침수 심화에 따라 회복력이 지속적으로 저하되었다. 이러한 결과는 도출된 지수가 투자·관리의 우선순위 설정, 임계 위험구간 식별, 정책 대안 설계 등 재난 대응 투자 효율성을 증대 시킬 수 있을 것으로 기대된다.

키워드

도시침수

회복탄력성

취약성

적응능력

정량평가

MAIN

1. 서 론
2. 정의 및 방법론
2.1 사회생태학적 회복탄력성의 개념적 관계 분석
2.2 도시침수 회복탄력성 정의
2.3 도시침수 회복탄력성 정량화 방법 고안
3. 평가방법론 적용
3.1 시나리오 설정
3.2 시나리오 적용
4. 결 론

1. 서 론

최근 한반도는 기후변화의 영향으로 강우 패턴의 변동성이 심화되면서 국내 주요 도시에서의 침수 피해가 점차 증가하고 있다. 특히 집중호우의 빈도와 강도가 높아지면서 도시 지역의 침수 피해가 매년 반복되고 있으며, 이에 대응하기 위한 차수판 설치, 치수시설 확충 등과 같은 전통적인 구조적 대응 방안은 막대한 경제적 비용과 유지·보수 부담을 초래하고 있다(Park et al., 2024a). 이러한 상황에서 도시 침수는 더 이상 일시적인 재난이 아니라, 매년 반복되는 불가피한 위험으로 인식되고 있다(Song et al., 2025). 따라서 단순한 예방적 조치에 머무르기보다, 도시의 회복력을 강화하여 피해 이후 신속하게 기능을 회복할 수 있는 대비 중심의 정책적 전환이 요구되고 있다. 이러한 추세에 따라 도시지역의 사전적인 침수회복능력을 평가하여 재난대응 투자 효율성 강화가 필요하다.

국내 도시침수와 관련된 회복탄력성 연구는 주로 복구시간의 효율성을 측정하는 공학기술적 회복탄력성 평가를 주로 수행되고 있다. 이는 침수피해를 최소화하면서 외부의 충격이나 변동 이후 기존의 균형 또는 안정된 상태로 되돌아가고자 하는 동적 안정성(dynamical stability)을 의미한다(Folke, 2006). Kim et al. (2024)은 4R (Robustness·Redundancy· Resourcefulness·Rapidity)을 기반으로 국내 여건에 맞춘 회복력 지표를 구성하고 적용 및 평가 연구를 수행하였다. Park et al. (2024b) 또한 4R을 기반으로 회복력 개념을 정적(사회·구조) 및 동적(재해 시점)으로 구분하고 네트워크 분석을 결합한 평가 체계를 제안하였다. 한편, 해외의 도시 침수 관련 공학기술적 회복탄력성 연구에서 Li et al. (2022)은 4R 기반으로 지표를 설계하고 SWMM (Storm Water Management Model)과 연계해 침수심·지속시간으로 강건성·신속성을 정량화하였다. Zhang et al. (2023)은 4R 기반으로 기준을 정의하고, PROMETHEE II 기법을 활용해 회복탄력성을 분석하였다. Wang et al. (2019)은 관망 성능을 임계(월류, 자산피해 등)기준으로 그래프화해 면적으로 회복탄력성 평가를 수행하였다. 이러한 공학적 관점에서 수행된 회복탄력성 연구는 평가의 정확성을 확보하였으나, 정책적 활용 측면에서의 효율성은 여전히 개선의 여지가 있다. 따라서 도시 사회의 상호작용(사회적 커뮤니티, 경제자본 등) 특성을 반영하여 회복탄력성 평가의 효율성 및 고도화가 필요하다. 또한 기존 연구들은 특정 도시 침수 현상 등 개별 목적 중심 및 수치모형결과를 활용한 단일지표 해석을 중점으로 분석을 하는 경향이 있다. Gao et al. (2022)에 따르면 도시 침수 회복력에 대한 연구 동향 분석결과, 도시 회복력의 개념이 정교해지고 있지만 여전히 정량적 평가 모델과 실증적 적용이 부족하다고 지적하며 추가 연구의 필요성을 강조하였다. 따라서 본 연구에서는 기존 공학적 측면 회복탄력성 평가의 특성과 함께, 도시 사회의 상호작용을 설명하는 사회생태학적 회복탄력성(Socio-Ecological Resilience) 관점을 확장한 정량화 평가 연구를 수행하였다.

본 연구에서는 사회생태학적 회복탄력성의 개념적 분석과, 이를 기반으로 한 도시 침수 회복력을 정의하고 정량화 방법을 제안하였다. 또한 시나리오를 구성하여 이를 대상지에 적용하여 적용 가능성을 분석하였다.

2. 정의 및 방법론

도시 침수 회복력 정량화 방법을 고안하기 앞서, 사회생태학적 회복탄력성을 고려하는 도시침수 회복탄력성을 정의하는 것이 필요하다. 따라서 선행연구를 통해 사회생태학적 회복탄력성 개념 내에서 활용되는 요소를 분석하고 개념적 관계를 성립하였다. 이를 통해 도시침수 회복탄력성을 정의하고 정량화 방법을 제시하였다. 이후 적용가능성 분석 및 적용과 함께 향후 연구 방향을 제시하였다(Fig. 1).

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F1.jpg

Fig. 1.

Flowchart of the study procedure

2.1 사회생태학적 회복탄력성의 개념적 관계 분석

사회생태학적 회복탄력성은 생태학적 개념이 가지는 사회시스템과의 연계에 대한 간과를 지적하며 나타난 개념이며, 이는 인간과 자연의 상호의존성, 학습, 자기조직화를 통해 충격을 흡수할 수 있는 시스템의 능력과 함께 본질적으로 기능 및 구조 등을 유지하기 위하여 변화하고 재조직화하는 것을 의미한다(Folke, 2006). 사회생태시스템(Socio-Ecological Systme, SES) 내 회복탄력성은 주로 취약성(Vulnerability), 적응능력(Adaptive Capacity) 요소와 함께 활용되고 있다. 그러나 이 세 요소들은 엄밀히 구분되어지는 개념이며 다양한 연구자들이 회복탄력성-취약성-적응능력에 대한 개념 정립 및 분석 연구를 진행하였다. Gallopin (2006)는 취약성, 회복력, 적응 능력은 사회생태 시스템에서 밀접하게 연결되어 있다고 주장하였다. 또한 취약성은 민감성과 적응 능력을 포함하며, 회복력은 변화를 흡수하고 기능을 유지하는 능력으로 정의하였다. Engle (2011)은 적응 능력은 기후 변화 대응에서 회복력과 취약성 사이를 연결한다고 주장하였다. 거버넌스(의사결정 체계), 관련 기관(주체), 현장 관리를 통합적으로 평가하여 시스템의 지속 가능성을 향상시키는 것이 중요함을 강조하였다. Dalziell and McManus (2004)는 취약성이 시스템이 외부 충격에 의해 얼마나 쉽게 균형을 잃을 수 있는지를 반영하고, 적응 능력은 대응과 회복을 가능하게 한다고 주장하였다. 또한 이 두 요소를 통해 회복탄력성을 정의할 수 있으며, 시스템이 혼란 후 새로운 안정 상태로 돌아가는 것을 지원한다고 강조하였다.

이러한 선행연구를 종합하여 본 연구에서는 Fig. 2와 같이 사회생태시스템 내 핵심 요소 간의 위계 및 상관관계를 개념적으로 정립하였다. 먼저, 회복탄력성(Resilience)은 적응능력(Adaptive Capacity)의 부분집합(⊂, Subset)으로 설정하였다. 이는 시스템이 외부 충격을 흡수하고 기능을 유지하는 회복탄력성이, 변화하는 환경에 대응하여 시스템을 재조직화하는 더 포괄적인 역량인 적응능력의 범주 안에 포함된다는 Dalziell and McManus (2004) 및 Engle (2011)의 관점을 도식화한 것이다. 그리고 취약성(Vulnerability)과 적응능력은 상호 영향을 주고받는 관계로 설정하였다. 이는 시스템의 적응능력이 향상되거나 취약성의 세부 구성요소인 노출성(Exposure)과 민감성(Sensitivity)이 감소할 경우 전체적인 취약성이 낮아지는 역상관 관계를 의미한다. 따라서 적응능력의 강화는 취약성을 상쇄시키는 기제로 작용하고 이 두 요소의 상호작용 결과가 최종적인 시스템의 회복탄력성 수준을 결정짓는 구조로 설정하였다. 따라서 이러한 개념적 관계를 바탕으로, 도시 침수 관점에서 취약성은 시스템(치수시설 등)의 기술적 특성을 중심으로 민감성·노출성 세부 요소를 활용하여 평가할 수 있다. 한편 적응 능력은 도시 사회의 대응 및 회복 능력을 파악하기 위해 사회-생태적 특성을 통합한 평가가 필요하다. 따라서 두 평가 결과를 통합함으로써 도시 침수에 대한 회복력을 종합적으로 산정할 수 있을 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F2.jpg

Fig. 2.

Conceptual analysis of the relationship between resilience, vulnerability, and adaptive capacity

2.2 도시침수 회복탄력성 정의

본 연구에서는 도시 내 인프라-사회 시스템-도시침수의 상호 연관에 기반하여, 도시 지역의 방재시설물(치수시설)과 사회시스템(인적·경제적 자원 등)에 중점을 두어 사회생태학적 관점의 도시침수 회복탄력성을 정의하였다. 먼저, 도시침수의 취약성(Urban Flood Vulnerability)은 ‘방재시설물 배수유역 내 위험 대비 능력 및 위험에 노출된 정도’, 도시침수의 적응 능력(Urban Flood Adaptive Capacity)은 ‘도시침수 발생 시 주어진 환경에서 삶을 유지하기 위한 사회시스템(경제, 사회, 인식, 인프라)의 능력’으로 정의하였다. 이에 기반하여 도시침수 회복탄력성(Urban Flood Resilience)은 ‘방재시설이 설치된 배수유역 내 침수 발생 시 복구할 수 있는 능력’으로 정의하였다.

2.3 도시침수 회복탄력성 정량화 방법 고안

앞선 사회생태학적 회복탄력성의 개념적 관계 분석과 도시침수 회복탄력성 및 구성 요소의 정의를 바탕으로, 각 요소의 정량화 지수를 도출하는 방법을 고안하였다. 이어서 해당 지수 도출 방법에 근거한 함수를 정의하여 침수 상황에서 도시 방재시설의 성능과 도시의 역량을 복합적으로 정량 평가 방법을 제안하였다.

2.3.1 도시침수의 취약성 지수 도출 방법

도시침수 취약성 지수 도출 방법은 취약성의 세부 속성인 민감성과 노출성을 활용하였다. 민감성은 위험 대비 능력으로, ‘방재시설물의 배수유역 내 빗물처리·저수 등 위험에 대비할 수 있는 능력’으로 정의하였다. 이에 기반하여 Eq. (1)과 같이 배수 및 저수율(Drainage & Reservoir ratio, D) 산정식을 고안하였다.

(1)

D = \frac{(Q_{drain} \times t_{rain}) + V_{storage}}{h_{rain} \times A}

여기서 분모는 도시에 내리는 강우량과 배수유역면적에 의한 강우량 총량(강수량유역면적)이며, 분자는 방재시설물의 총배수용량을 의미한다. $Q_{drain}$ 은 배수가능용량(m³/min), $t_{rain}$ 은 강우지속시간(min), $V_{storage}$ 는 총 저수 가능 용량(m³), $h_{rain}$ 은 강수량(강우심, m), $A$ 는 도시의 배수유역면적(m²)이다.

노출성은 위험에 노출된 정도를 나타내며, ‘방재시설물의 배수유역 내 침수발생 등 위험에 노출된 정도’로 정의하였다. 이에 기반하여 Eq. (2)과 같이 침수율(Inundation ratio, I) 산정식을 고안하였다.

(2)

I = \frac{A_{inund}}{A_{served}}

이 식은 도시에 내리는 강우량에 따른 방재시설물의 배수유역면적 대비 침수면적 비율을 의미한다. 여기서 $A_{inund}$ 는 실제 침수면적(m²), $A_{served}$ 는 도시 내 방재시설물의 배수유역면적(m²)이다. 그리고 앞선 개념적 관계와 정립한 도시침수 취약성 지수 산정식을 통해 Eq. (3)과 같이 수학적 관계를 표현하였다.

(3)

V_{U F} (U r b a n F l o o d V u l n e r a b i l i t y) = I - D

이는 도시침수 취약성은 침수율에 의해 증가(노출성), 배수 및 저수율에 의해 감소함(민감성)을 의미한다.

2.3.2 도시침수의 적응 능력 지수 도출 방법

도시침수 적응 능력 지수 도출 방법은 FUZZY LOGIC과 평가지표를 활용하여 지수를 도출하였다. 따라서 인공지능, 제어 시스템, 다기준의사결정(MCDM) 등 다양한 분야에서 활용되고 있는 Mamdani (1977)의 Fuzzy Inference System (FIS)를 활용하였다. FIS는 규칙 기반 시스템으로, 1) 퍼지집합 정의(Defining fuzzy sets), 2) 퍼지화(Fuzzification), 3) 퍼지 규칙 정의(Fuzzy rules definition), 4) 퍼지 추론(Fuzzy inference), 5) 비퍼지화(Defuzzification) 단계로 이루어진다. Eqs. (4), (5), (6)는 퍼지집합 정의, 퍼지 추론, 비퍼지화 과정이다.

(4)

μ (x) = \{\begin{cases} 0, if x < a \\ \frac{x - a}{b - a}, if a < x < b \\ \frac{c - x}{c - b}, if b < x < c \\ 0, if x > c \end{cases}

(5)

μ_{r e s u l t} (z) = \max (μ_{R 1} (z), μ_{R 2} (z), . . .)

(6)

z = \frac{\int z ∙ μ_{r e s u l t} (z) d z}{\int μ_{r e s u l t} (z) d z}

여기서 $μ (x)$ 는 멤버십 함수(Membership function)로, 특정 입력값 $x$ 가 해당 퍼지 집합에 속하는 정도(0~1)를 나타낸다. 매개변수 $a, b, c$ 는 퍼지 집합의 경계값을 규정한다. $μ_{r e s u l t} (z)$ 는 최종 출력 퍼지 집합의 멤버십 함수이며, $μ_{R 1} (z), μ_{R 2} (z)$ 는 각각 개별 규칙에 의해 생성된 출력 퍼지 집합의 멤버십 함수를 의미한다. $z$ 는 비퍼지화된 최종 출력값이며, 이 단계에서는 최종 출력 퍼지 집합을 하나의 명확한 수치(crisp value)로 변환한다. 도시침수 적응능력 지수 도출 방법에서는 무게중심법(Center of Gravity, CoG)을 적용하였다. 이 방법은 활성화된 모든 퍼지 규칙의 기여도를 결과에 반영하므로 정보의 손실을 최소화할 수 있다. 또한 입력값의 변화에 따라 출력값이 부드럽게 변하는 연속성(Smooth transition)을 가지므로 평가 대상별로 적응 능력의 미세한 차이를 구분하고 합리적인 대푯값을 도출할 수 있는 장점이 있다.

본 기법을 활용하기 위해, 선행연구와 도시침수 특성을 반영하여 평가지표를 선정하였다. Hammond et al. (2015)은 도시 침수는 에너지·수자원·교통·주거 등 핵심 도시서비스에 큰 영향을 미친다고 주장하였다. Nhuan et al. (2016)은 가계소득, 홍수심의 경제적 영향, 자산 등으로 적응 능력 평가를 수행하였다. Putnam (1994)과 Fukuyama (2002)는 사회적 자본을 네트워크·규범·신뢰의 다차원 개념으로 정의하여 협동과 공동목표 달성에 기여한다고 설명하였다. Thanvisitthpon et al. (2020)은 배수시스템의 상태·유지관리를 평가지표로 사용하였다. Raaijmakers et al. (2008)은 위험인식(Risk Perception)을 ‘인식(Perception)-우려(Concern)-준비성(Preparedness)의 관계’로 개념화하였다. 이에 기반하여 Song et al. (2025)은 도시침수 적응 능력 평가 속성을 경제자원(Economic Resources), 사회적 자본(Social Capital), 인프라(Infrastructure), 위험 인식(Risk Perception)으로 설정하였고 한국 도시의 실정과 데이터 수집의 용이성을 고려하여 평가 지표를 선정하였다. 본 연구 또한 각 선행연구들이 제시한 적응능력 평가를 위해 설정한 속성과 평가지표를 한국 도시침수 특성 및 활용성을 고려하여 Table 1과 같이 속성 및 평가지표를 선정하였다. 도시침수 적응능력 평가를 위한 지표의 속성은 경제자원, 사회적 자본, 인프라, 위험 인식으로 설정하였다. 각 속성별 세부지표로, 경제 자원 속성에서는 지역총소득(원), 행정기관 재정자립도(%) 지표를 활용하였다. 사회적 자본 속성에서는 평가대상지 내 방재관련 기관 수(소방 및 경찰), 의료기관 수 지표를 활용하였다. 인프라 속성에서는 방재시설물의 설계빈도(년), 총 저류 가능 용량(m³), 총 배수 가능 용량(m³/min)을 활용하였다. 위험 인식 속성에서는 삶의 질 측정 지표인 EQ-5D 및 평가대상지 내 풍수해 보험 가입 수(개)를 활용하였다. 이를 통해 도시침수 적응 능력 지수 도출 방법을 고안하였다.

Table 1.

Urban Flood Adaptive Capacity Evaluation Attributes and Indicators

Attribute	Selected Indicators	Source
Economic Resources	Gross Regional Income (Won)	Korean Statistical Information Service (KOSIS)
Economic Resources	Financial independence rate of administrative institutions (%)	Data provided by the Ministry of the Interior and Safety of South Korea
Social Capital	Number of disaster-related institutions (police, fire department)	Field surveys within the assessment area (Naver Map, Kakao Map, Google Map)
Social Capital	Number of medical institutions	Korean Statistical Information Service (KOSIS)
Infrastructure	Design frequency (return period)	Construction documents of flood control facilities in the assessment area
	Total water retention capacity (m³)
	Total drainage capacity (m³/min)
Risk Perception	EQ-5D (Health-related quality of life measure)	Korean Statistical Information Service (KOSIS)
Risk Perception	Number of residents with storm and flood insurance	Data provided by the Ministry of the Interior and Safety of South Korea

2.3.3 도시침수의 회복탄력성 정량화 방법 고안

도시침수 회복탄력성 정량화 방법은 사회생태시스템 관점에서 도시침수의 회복탄력성( $R_{U F}$ )-취약성( $V_{U F}$ )-적응능력( $A C_{U F}$ )의 세 요소 간 수학적 관계를 구조화하였다. 그리고 이를 기반하여 지수를 도출하는 정량화 식을 고안하였다(Eq. (7)).

(7)

R_{U F} = A C_{U F} - V_{U F}

이는 $R_{U F}$ 가 $A C_{U F}$ 에 정(+)의 영향, $V_{U F}$ 과는 부(-)의 관계를 갖는다는 것을 의미한다. 또한 $V_{U F}$ 는 $I$ (침수율)과 $D$ (배수 및 저수율)의 함수로 보고, $V_{U F} = I - D$ 로 단순화하여 표현하였다. 이 관계를 반영하여 Eq. (8)과 Fig. 3 과 같이 인구생태·복원 과정에서 흔히 관찰되는 S자형(점진적) 변화를 반영하기 위해 로지스틱 함수를 변형하여 정규화 지수를 도출하는 정량화 식을 고안하였다. 이는 $R \in (0, 1)$ 범위로 분포되어 비교 및 평가가 용이하고 임계값 부근에서 급격한 전이와 이후의 완만한 포화 구간을 동시에 묘사할 수 있다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F3.jpg

Fig. 3.

Establishment of a Single-Regime Structure Reflecting Urban Characteristics

(8)

R_{U F} = \frac{1}{1 + e^{- (A C_{U F} - V_{U F})}} = \frac{1}{1 + e^{- (A C_{U F} - (I - D))}}

로지스틱 함수는 인구생태학에서 보편적으로 사용되는 함수이다(Jensen, 1975; Law et al., 2003; Matis and Al-Muhammed, 2010; Méndez et al., 2015). 이에 따라 사회 생태학적 관점에서도 적용이 가능하다고 판단하였다. 함수의 S자형 곡선 형태는 자연시스템에서 관찰되는 점진적인 변화와 재난 발생 시 지역사회 복구는 점진적인 회복과정을 가지는 특성을 반영하였다. 또한 도시 시스템은 빠르게 운영되는 관리 체계와 즉각적으로 제어할 수 있는 특성이 있다. 이에 따라 임계치(Threshold) 근방에서도 높은 안정성을 나타내는 경향을 반영하였다. 이러한 특성으로 단일 레짐(single-regime) 내에서 변형된 로지스틱 곡선으로 설명하였다(Figs. 3 and 4).

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F4.jpg

Fig. 4.

Derivation of a 3D Single Regime Graph for $R_{U F}$

3. 평가방법론 적용

본 연구의 적용성을 검증하기 위해 공간적 범위와 도시 특성이 상이한 국내 주요 도시 50개 배수유역(방재시설물 292개소)을 평가 대상지로 선정하였다. 대상 지역은인구 밀도와 불투수면적 비율이 높은 수도권 지역 27개소(서울시 20개 구, 인천시 7개 구/군)와 최근 집중호우 피해가 잦았던 영남권 지역 23개소(경상북도 19개 시/군, 경상남도 2개 시, 대구광역시 1개 구, 울산광역시 1개 구)로 구성하였다. 적용대상 방재시설물은 ｢자연재해대책법｣ 시행령 제 14조의6제1항에 따른 대통령령으로 정하는 방재시설 중 ‘배수펌프장’, ‘빗물펌프장’, ‘배수로’, ‘유수지’, ‘우수유출저감시설’을 기준으로 하였다. 또한 3개의 시나리오를 설정하여 방법론에 적용하고 결과를 분석하였다.

3.1 시나리오 설정

평가 방법을 적용하기 위해 서울시 방재성능목표강우량과 연계하여, 강우 강도 및 피해 규모의 심각도를 고려한 3개의 단계적 시나리오를 구성하였다(Table 2).

Table 2.

Setting scenario for evaluation

Scenario	Rainfall intensity (mm)	Rainfall Duration (hr)	Inundation ratio ( $I$ )
S1	100	1	0.3
S2	148	2	0.6
S3	192	3	0.9

각 시나리오의 침수율은 실측 기반의 데이터가 아닌 제안된 회복탄력성 평가 모델이 다양한 재난 강도에서 적절히 작동하는지 검증하기 위해 설정한 가정된 변수로 설정하였다. 본 연구에서는 전체 유역 면적 대비 침수 면적의 비율을 기준으로 피해 규모를 경미(0.3), 심각(0.6), 극한(0.9)의 3단계로 구분하여 적용하였다.

구체적으로 시나리오1(S1)은 초기 침수 상황을 가정하여 방재성능목표강우량 기준 강우지속기간 1시간 100 mm, 침수율 0.3으로 설정하였다. 시나리오2(S2)는 피해가 확산되는 상황으로 강우지속기간 2시간 148 mm, 침수율 0.6으로 설정하였다. 마지막으로 시나리오3(S3)은 도시 기능이 마비되는 극한 침수 상황을 가정하여 강우지속기간 3시간 192 mm, 침수율 0.9로 설정하여 최악의 조건에서의 회복탄력성을 평가하고자 하였다.

3.2 시나리오 적용

각각의 시나리오를 적용하여 각 지역 및 방재시설물의 도시침수 회복탄력성 지수를 도출하였다. 또한 시나리오별로 3D single regime 내 평가 대상지의 회복탄력성 지수분포를 도출하고 상위 및 하위 5개의 지역을 분석하였다.

3.2.1 시나리오 1 적용 및 분석

시나리오 1 적용 결과, 도출된 3D single regime 그래프와 같이 지역 및 시설별 회복탄력성 $R_{U F}$ 은 로지스틱 단일 영역 곡면 내의 상단 평탄부(Upper Plain, $R_{U F}$ ≥ 0.80), 가파른 전환부(Rapid Transition, 0.40 ≤ $R_{U F}$ < 0.80), 하단 평탄부(Lower Plain, $R_{U F}$ < 0.40) 세 구간에 분포하는 양상을 보였다(Fig. 5). 상위 구간은 로지스틱 곡선의 상부 평탄 영역에 해당하며, 도시 침수 이후에도 기능 수준이 거의 유지되는 상태로 해석된다. 또한 상대적으로 낮은 침수율의 상태로 전체적으로 중간 이상의 회복력 값으로 분포하는 것을 파악할 수 있다. 한편, 높은 회복탄력성 값을 가진 상위 5개의 방재시설물은 모두 서울시 송파구에 위치한 시설물로 분석되었다. Table 3와 같이 상위 그룹인 서울시 송파구의 시설물들은 취약성 지수( $V_{U F}$ )가 0.00으로 산정되어 위험 요인이 최소상태이며, 적응 능력( $A C_{U F}$ ) 또한 0.83으로 높게 나타났다. 특히 배수 및 저류 용량 비율(D)이 0.54~0.81 수준으로 분포되어 있어 준수한 물리적 방재 인프라와 사회적 대응 역량이 결합된 결과 약 0.999의 매우 높은 도시 침수 회복탄력성( $R_{U F}$ )이 산정된 것으로 파악되었다. 따라서 해당 지역은 도시침수 대응 운영 측면에서 배수·저류 체계의 가외성(Redundancy)확보와 운영·대응 역량으로 도시 침수 직후의 성능 하락이 크지않고 복구 속도가 빠른 특성이 존재할 것으로 분석된다. 또한 이 지역과 시설물들은 특성 상 추가 투자 대비 $R_{U F}$ 의 한계 효용은 제한적일 것이다. 그러므로 정책적 측면에서는 노후화를 대비하기 위한 지속적인 유지관리 정책 시행이 합리적일 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F5.jpg

Fig. 5.

3D Single Regime Plot of the Urban Flood Resilience Index Distribution (S1)

Table 3.

Top 5 regions and facilities - Inputs & results (S1)

Region	Facility	Inundation ratio ( $I$ )	Drainage & Reservoir ratio ( $D$ )	Vulnerability ( $V_{U F}$ )	Adaptive Capacity ( $A C_{U F}$ )	Resilience ( $R_{U F}$ )
Songpa-gu, Seoul	Stormwater Pump Station 1	0.30	0.67	0.00	0.83	0.9999
Songpa-gu, Seoul	Stormwater Pump Station 2		0.81	0.00	0.83	0.9998
Songpa-gu, Seoul	Stormwater Pump Station 3		0.54	0.00	0.83	0.9996
Songpa-gu, Seoul	Stormwater Pump Station 4		0.71	0.00	0.83	0.9996
Songpa-gu, Seoul	Stormwater Pump Station 5		0.72	0.00	0.83	0.9996

반면 하위 그룹인 경북 봉화군, 예천군 등에 위치한 방재시설물들은 가장 낮은 회복탄력성을 보였다(Table 4). 이는 해당 지역들의 취약성 지수( $V_{U F}$ )가 0.26~0.30 수준으로 상위 지역 대비 높게 나타났을 뿐만 아니라 물리적 대응 지표인 배수 및 저류 용량 비율(D)이 0.00~0.05로 거의 0에 수렴한다는 점이 결정적 요인으로 작용한 것으로 분석된다. 적응 능력( $A C_{U F}$ ) 또한 0.11~0.22 수준으로 저조하게 평가되어 결과적으로 0.18~0.31 수준의 낮은 회복탄력성을 보이는 것으로 분석되었다. 이 결과를 통해 하위 구간은 구조적 제약에 의해 기능 저하가 고착화된 상태로 볼 수 있으며, 시설물의 배수 및 저류 용량의 절대적 부족으로 인해 침수 지속 시간이 길고, 사회·행정적 대응만으로는 개선이 어려운 상황을 반영한다. 따라서 이 구간에 분포한 지역은 관거 증설·저류지 신설·펌프 용량 확충 등 구조적 대책을 통한 $V_{U F}$ 저감이 필요할 것으로 분석된다.

Table 4.

Bottom 5 regions and facilities - Inputs & results (S1)

Region	Facility	Inundation ratio ( $I$ )	Drainage & Reservoir ratio ( $D$ )	Vulnerability ( $V_{U F}$ )	Adaptive Capacity ( $A C_{U F}$ )	Resilience ( $R_{U F}$ )
Bonghwa-gun, Gyeongsangbuk-do	Pump Station 1	0.30	0.05	0.26	0.11	0.1824
Yecheon-gun, Gyeongsangbuk-do	Drainage Basin 1		0.02	0.28	0.17	0.2497
Uljin-gun, Gyeongsangbuk-do	Pump Station 2		0.02	0.28	0.17	0.2497
Bonghwa-gun, Gyeongsangbuk-do	Stormwater Pump Station 6		0.05	0.29	0.11	0.2891
Ganghwa-gun, Incheon	Pump Station 3		0.00	0.30	0.22	0.3100

3.2.2 시나리오 2 적용 및 분석

시나리오 2 적용 결과, 도출된 3D single Regime 그래프와 같이 점차 높아지는 침수율의 상태로 시나리오1과 비교하여 관측점들이 곡면의 하방으로 전반적으로 이동하는 분포를 보였다(Fig. 6). 또한 시나리오 2에서도 상위 5개의 방재시설물은 모두 서울에 위치한 시설물로 확인되었으며 $V_{U F}$ 는 0.00 (D=0.61~0.96), $A C_{U F}$ 는 0.72~0.83 범위로 나타났다. 이 지역 및 시설물들은 높은 제도적 역량과 충분한 배수·저류 능력으로, I가 증가하더라도 상부 영역에 위치하여 $R_{U F}$ 는 0.9993~ 0.9998 수준을 유지하였다. 이를 통해 사회적 인프라, 인적자본 등이 반영된 $A C_{U F}$ 가 회복탄력성에 크게 영향을 미치는 것으로 분석된다. 또한 사회적 인프라가 상대적으로 높은 수도권은 다른 지역과 달리 홍수의 대비 능력이 뛰어남을 확인할 수 있다(Table 5).

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F6.jpg

Fig. 6.

3D single regime plot of the urban flood resilience index distribution (S2)

Table 5.

Top 5 Regions and Facilities - Inputs & Results (S2)

Region	Facility	Inundation ratio ( $I$ )	Drainage & Reservoir ratio ( $D$ )	Vulnerability ( $V_{U F}$ )	Adaptive Capacity ( $A C_{U F}$ )	Resilience ( $R_{U F}$ )
Songpa-gu, Seoul	Stormwater Pump Station 1	0.60	0.61	0.00	0.83	0.9998
Songpa-gu, Seoul	Stormwater Pump Station 4		0.71	0.00	0.83	0.9996
Songpa-gu, Seoul	Stormwater Pump Station 5		0.82	0.00	0.83	0.9996
Songpa-gu, Seoul	Stormwater Pump Station 2		0.96	0.00	0.83	0.9996
Guro-gu, Seoul	Pump Station 4		0.92	0.00	0.72	0.9993

한편, 침수율이 증가한 상태에서 상대적으로 취약하다고 평가 받은 방재시설물들은 급격하게 취약성 지수가 증가하였다. 하위 5개 지역 및 시설의 $R_{U F}$ 는 0.013~0.027 범위로 분포되었고, $A C_{U F}$ 는 0.11~0.22, $V_{U F}$ 는 0.47~0.60 범위로 산정되었다(Table 6). 이를 통해 회복력의 감소에 대하여 취약성 요소의 영향이 큰 것으로 판단된다. 또한 시나리오2 결과에서는 로지스틱 곡선의 가파른 전환부에 해당되는 중위 구간의 분포가 증가하였다. 이 구간에 위치한 시설들은 비교적 작은 $A C_{U F}$ 의 증가 또는 $V_{U F}$ 의 감소만으로도 $R_{U F}$ 가 비선형적으로 크게 향상되는 관리의 레버리지(Leverage) 구간으로 해석된다. 따라서 중위 구간 전환부에 속한 지역 및 시설은 투자 대비 효과가 클 가능성이 높을 것으로 판단된다.

Table 6.

Bottom 5 Regions and Facilities - Inputs & Results (S2)

Region	Facility	Inundation ratio ( $I$ )	Drainage & Reservoir ratio ( $D$ )	Vulnerability ( $V_{U F}$ )	Adaptive Capacity ( $A C_{U F}$ )	Resilience ( $R_{U F}$ )
Bonghwa-gun, Gyeongsangbuk-do	Pump Station 1	0.60	0.06	0.54	0.11	0.013
Yecheon-gun, Gyeongsangbuk-do	Drainage Basin 1		0.02	0.58	0.17	0.016
Uljin-gun, Gyeongsangbuk-do	Pump Station 2		0.03	0.57	0.17	0.018
Ganghwa-gun, Incheon	Pump Station 3		0.00	0.60	0.22	0.022
Bonghwa-gun, Gyeongsangbuk-do	Stormwater Pump Station 6		0.13	0.47	0.11	0.027

3.2.3 시나리오 3 적용 및 분석

시나리오 3 적용 결과, 매우 높은 침수율에서도 여전히 사회적 역량이 높은 서울 지역의 시설물들이 높은 회복력 평가 결과가 도출되었다. 상위 5개 지역 및 시설물의 $V_{U F}$ 는 0.00~0.02, $A C_{U F}$ 는 0.67~0.78 범위로 산정되었으며 $R_{U F}$ 가 0.9988~ 0.9996 범위로 상부 영역에 분포되었다(Table 7). 이는 충분한 배수 및 저류 능력(높은 𝐷값)으로 구조적 강건성과 제도적 운영 역량( $A C_{U F}$ )이 높아 극한의 도시침수 조건에서도 성능을 유지할 수 있음을 시사한다.

Table 7.

Top 5 Regions and Facilities - Inputs & Results (S3)

Region	Facility	Inundation ratio ( $I$ )	Drainage & Reservoir ratio ( $D$ )	Vulnerability ( $V_{U F}$ )	Adaptive Capacity ( $A C_{U F}$ )	Resilience ( $R_{U F}$ )
Songpa-gu, Seoul	Stormwater Pump Station 2	0.90	1.00	0.00	0.78	0.9996
Songpa-gu, Seoul	Stormwater Pump Station 5		0.88	0.02	0.78	0.9995
Songpa-gu, Seoul	Pump Station 4		0.98	0.00	0.72	0.9993
Yangcheon-gu, Seoul	Stormwater Pump Station 7		1.00	0.00	0.72	0.9993
Guro-gu, Seoul	Stormwater Pump Station 8		1.00	0.00	0.67	0.9988

반면에 시나리오3에서는 전반적으로 하부 평탄부의 분포 범위가 확대되었다(Fig. 7). 하위군은 극단적으로 낮은 회복력을 보였다. 하위 5개 지역 및 시설의 $R_{U F}$ 는 0.0007~0.0014, $V_{U F}$ 는 0.83~0.89 (𝐷=0.02~0.07) 범위로 분포되어(Table 8), 시나리오 1,2 대비 절대적 성능 수준과 상대 격차가 모두 극대화되었다. 이는 구조적 대책 부족으로 취약성이 사회 및 행정적 대응만으로 상쇄되지 못하고, 시스템이 하한 영역 구간에 고착될 수 있음을 의미한다. 따라서 해당 지역은 관거 증설, 저류지 신설, 펌프 용량 확충 등 구조적 개선이 없으면 Regime 영역 전환이 어려울 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F7.jpg

Fig. 7.

3D single regime plot of the urban flood resilience index distribution (S3)

Table 8.

Bottom 5 regions and facilities - Inputs & results (S3)

Region	Facility	Inundation ratio ( $I$ )	Drainage & Reservoir ratio ( $D$ )	Vulnerability ( $V_{U F}$ )	Adaptive Capacity ( $A C_{U F}$ )	Resilience ( $R_{U F}$ )
Bonghwa-gun, Gyeongsangbuk-do	Pump Station 1	0.90	0.07	0.83	0.11	0.0007
Yecheon-gun, Gyeongsangbuk-do	Drainage Basin 1		0.02	0.88	0.17	0.0008
Uljin-gun, Gyeongsangbuk-do	Pump Station 2		0.03	0.87	0.17	0.0009
Ganghwa-gun, Incheon	Pump Station 3		0.01	0.89	0.22	0.0012
Seongju-gun, Gyeongsangbuk-do	Pump Station 5		0.02	0.88	0.22	0.0014

시나리오 3의 3D Single Regime 결과를 통해 앞선 시나리오 1, 2 결과와 비교하여 관측점이 고르게 분포되어 극한 상황에서의 도시침수에 취약한 시설물 및 지역을 용이하게 파악이 가능함을 확인하였다. 따라서 본 도시침수 회복탄력성 평가는 개선이 필요한 지역 및 시설물의 우선순위 파악이 가능하여 개선 사업의 효율성을 증대할 수 있을 것으로 분석된다.

3.2.4 결과 분석

Fig. 8과 같이 3개의 시나리오에서 산출된 도시침수 회복탄력성 평균 값을 기준으로 상위 10개 방재시설을 선별하여 침수율( $I$ ) 증가에 따른 $R_{U F}$ 의 변화 양상을 분석하였다. 상위 집단은 홍수 조건이 악화될수록 완만한 감소 또는 유지 양상을 보였으며, 전 구간에서 회복력 지수 $R_{U F}$ ∈ [0.9970, 1) 범위를 안정적으로 유지하였다. 이는 충분한 배수 및 저류 능력과 높은 적응 능력이 임계치 부근의 급격한 회복력 저하를 억제한다는 로지스틱 구조의 예측과 합치하는 것으로 판단된다. 결과적으로 상위 집단은 강건성이 높아 동일한 $I$ 상승에도 한계상태로의 전이를 지연·방지하는 특성을 보였다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F8.jpg

Fig. 8.

Top 10 decline analysis of urban flood resilience ( $R_{U F}$ ) by scenario

한편, 동일 기준으로 선정한 하위 10개 방재시설의 $R_{U F}$ 의 변화폭을( $Δ R_{U F}$ ) 파악하였다(Fig. 9). 대부분의 시설물들이 침수율 $I$ 증가에 따라 $R_{U F}$ 가 지속적으로 감소하는 양상을 보였다. 대표적으로 $R_{U F}$ 가 0.50 에서 0.34 수준( $Δ R_{U F}$ =-0.330~ -0.182)으로 하락이 관찰되었으며, 이는 낮은 D (배수‧저류능 부족)와 미흡한 사회‧제도적 대응능력 한계가 결합되어 임계구간에서의 급락을 유발하는 양상으로 분석된다. 특히 로지스틱 함수의 비선형성으로 인해, 임계값을 경과한 이후에는 $I$ 의 소폭 증가에도 회복력 감소폭이 확대되는 경향이 확인되었다. 이는 회복탄력성이 낮은 하위 집단이 악화되는 홍수 시나리오에 더 취약하며 단기 충격에 대해 복원시간이 장기화될 가능성을 내포함을 나타낸다고 볼 수 있다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-12S-4/N020058S-407/images/kwra_58_S-4_07_F9.jpg

Fig. 9.

Bottom 10 variation analysis of urban flood resilience ( $R_{U F}$ ) by scenario

4. 결 론

본 연구는 사회생태학적 회복탄력성의 개념을 새로이 제안하고 체계적으로 분석하였다. 또한 이를 토대로 도시 침수 회복력을 정의한 뒤 정량화 방법을 제안하였다. 도시침수 회복력 정량화 방법은 침수 수준, 배수·저류 성능, 지역사회적 역량을 통합해 단일 지수로 표현하도록 설계되었으며, 이를 대상 지역의 실제 방재시설에 적용하여 평가함으로써 실무적 활용 가능성을 확인하였다. 적용 결과, 사회적 기반과 대비 역량이 높은 지역은 악화되는 홍수 조건에서도 비교적 높은 회복탄력성을 유지한 반면에, 물리 성능과 사회적 대응역량이 모두 취약한 시설은 침수 심화에 따라 회복력이 지속적으로 저하되는 경향을 보였다. 이는 제안 지수가 시설·지역 간 상대적 우선순위 도출과 임계 위험구간 식별에 유효함을 시사한다.

정책적으로 본 평가 방법은 우선순위 기반 투자·관리를 가능하게 할 수 있다. 회복력의 상위 집단은 유지·보수 중심 관리로 비용 효율을 극대화하고, 하위 집단은 집중 투자 대상으로 지정하여 단기적으로 배수·저류 성능을 보강하고, 중장기적으로 재정·의료·재난 대응기관 접근성, 위험 인식 및 보험 보장성 등 사회·제도 역량을 강화하는 개선 전략이 요구된다.

향후 연구로 실시간 수문·기상 자료를 활용한 동적평가로 확장하고 구성요소 및 모수에 대한 불확실성·민감도 분석을 체계화할 필요가 있다. 더불어 다양한 도시 맥락에서 이전성을 검증하고, 지역 데이터 환경에 맞춘 지표 정교화와 의사결정 체계(우선순위 규칙·경보·대피 운영)로의 연계를 추진해야 한다. 또한 실제 피해사례 적용과 수치해석 모델과의 연계 평가를 통해 신뢰성과 실무 효율성을 높일 수 있을 것으로 기대된다.

Acknowledgements

본 결과물은 기후에너지환경부의 재원으로 한국환경산업기술원의 기후위기대응 홍수방어능력 기술개발사업의 지원을 받아 연구되었습니다(2480000599).

Conflicts of Interest

The authors declare no conflict of interest.

References

Dalziell, E.P., and McManus, S.T. (2004). “Resilience, vulnerability, and adaptive capacity: Implications for system performance.” In Proceedingsof the International Forum for Engineering Decision Making (IFED), Stoos, Switzerland. p. 17.

Engle, N.L. (2011). “Adaptive capacity and its assessment.” Global Environmental Change, Vol. 21, No. 2, pp. 647-656.

10.1016/j.gloenvcha.2011.01.019

Folke, C. (2006). “Resilience: The emergence of a perspective for social–ecological systems analyses.” Global Environmental Change, Vol. 16, No. 3, pp. 253-267.

10.1016/j.gloenvcha.2006.04.002

Fukuyama, F. (2002). “Social capital and development: The coming agenda.” SAIS Review, Vol. 22, No. 1, pp. 23-37

10.1353/sais.2002.0009

Gallopin, G.C. (2006). “Linkages between vulnerability, resilience, and adaptive capacity.” Global Environmental Change, Vol. 16, No. 3, pp. 293-303.

10.1016/j.gloenvcha.2006.02.004

Gao, M., Wang, Z., and Yang, H. (2022). “Review of urban flood resilience: Insights from scientometric and systematic analysis.” International Journal of Environmental Research and Public Health, Vol. 19, No. 14, 8837.

10.3390/ijerph1914883735886688PMC9316510

Hammond, M.J., Chen, A.S., Djordjević, S., Butler, D., and Mark, O. (2015). “Urban flood impact assessment: A state-of-the-art review.” Urban Water Journal, Vol. 12, No. 1, pp. 14-29.

10.1080/1573062X.2013.857421

Jensen, A.L. (1975). “Comparison of logistic equations for population growth. Biometrics.” Biometrics, Vol. 31, No. 4, pp. 853-862.

10.2307/2529810

Kim, S., Jung, K., Kang, H., Shin, S., Kim, J., and Park, D. (2024). “Developing domestic flood resilience indicators and assessing applicability and significance.” Journal of Korea Water Resources Association, Vol. 57, No. 8, pp. 533-548.

Law, R., Murrell, D.J., and Dieckmann, U. (2003). “Population growth in space and time: spatial logistic equations.” Ecology, Vol. 84, No. 1, pp. 252-262.

10.1890/0012-9658(2003)084[0252:PGISAT]2.0.CO;2

Li, D., Zhu, X., Huang, G., Feng, H., Zhu, S., and Li, X. (2022). “A hybrid method for evaluating the resilience of urban road traffic network under flood disaster: An example of Nanjing, China.” Environmental Science and Pollution Research, Vol. 29, No. 30, pp. 46306-46324.

10.1007/s11356-022-19142-w

Mamdani, E.H. (1977). “Application of fuzzy logic to approximate reasoning using linguistic synthesis.” IEEE Transactions on Computers, Vol. 100, No. 12, pp. 1182-1191.

10.1109/TC.1977.1674779

Matis, J.H., and Al-Muhammed, M.J. (2010). “Theory and application of the logistic probability density function as a population growth model.” Damascus University Journal for Basics Science, Vol. 26, No. 1, pp. 9-19.

Méndez, V., Assaf, M., Campos, D., and Horsthemke, W. (2015). “Stochastic dynamics and logistic population growth.” Physical Review E, Vol. 91, No. 6, 062133.

10.1103/PhysRevE.91.062133

Nhuan, M.T., Tue, N.T., Hue, N.T.H., Quy, T.D., and Lieu, T.M. (2016). “An indicator-based approach to quantifying the adaptive capacity of urban households: The case of Da Nang City, Central Vietnam.” Urban Climate, Vol. 15, pp. 60-69.

10.1016/j.uclim.2016.01.002

Park, H., Song, S., Kim, D., and Lee, S. (2024a). “Damage prediction and countermeasure proposals due to urban flooding with machine learning and network analysis (I) - Development of estimation model for disaster victims and application -.” Journal of the Korean Society of Safety, Vol. 39, No. 6, pp. 44-52.

Park, H., Song, S., Kim, D., and Lee, S. (2024b). “Network analysis for assessing urban resilience from the perspective of urban flooding: Case study of Seoul, Korea.” Journal of Korea Water Resources Association, Vol. 57, No. 6, pp. 371-383.

Putnam, R.D. (1994). “Social capital and public affairs.” Bulletin of the American Academy of Arts and Sciences, Vol. 47, No. 8, pp. 5-19.

10.2307/3824796

Raaijmakers, R., Krywkow, J., and van der Veen, A. (2008). “Flood risk perceptions and spatial multi-criteria analysis: An exploratory research for hazard mitigation.” Natural hazards, Vol. 46, No. 3, pp. 307-322.

10.1007/s11069-007-9189-z

Song, S.M., Park, H.J., Kim, D.H., and Lee, S.O. (2025). “Preliminary study on the urban flood adaptive capacity index.” Applied Sciences, Vol.15, No. 16, 9118.

10.3390/app15169118

Thanvisitthpon, N., Shrestha, S., Pal, I., Ninsawat, S., and Chaowiwat, W. (2020). “Assessment of flood adaptive capacity of urban areas in Thailand.” Environmental Impact Assessment Review, Vol. 81, 106363.

10.1016/j.eiar.2019.106363

Wang, S., Fu, J., and Wang, H. (2019). “Unified and rapid assessment of climate resilience of urban drainage system by means of resilience profile graphs for synthetic and real (persistent) rains.” Water Research, Vol. 162, No. 2019, pp. 11-21.

10.1016/j.watres.2019.06.050

Zhang, C., Kwon, S., Oh, J., and Park, K. (2023). “An integrated AHP-PROMETHEE II ranking method to evaluate the resilience of sewer networks considering urban flood and ground collapse risks.” Water Science & Technology, Vol. 87, No. 6, pp. 1438-1453.

10.2166/wst.2023.067

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

Preview

A study on quantitative methods for assessing urban flood resilience

ABSTRACT

MAIN

Fig. 1.

Flowchart of the study procedure

Fig. 2.

Conceptual analysis of the relationship between resilience, vulnerability, and adaptive capacity

(1)

(2)

(3)

(4)

(5)

(6)

Table 1.

Urban Flood Adaptive Capacity Evaluation Attributes and Indicators

(7)

Fig. 3.

Establishment of a Single-Regime Structure Reflecting Urban Characteristics

(8)

Fig. 4.

Derivation of a 3D Single Regime Graph for RUF

Table 2.

Setting scenario for evaluation

Fig. 5.

3D Single Regime Plot of the Urban Flood Resilience Index Distribution (S1)

Table 3.

Top 5 regions and facilities - Inputs & results (S1)

Table 4.

Bottom 5 regions and facilities - Inputs & results (S1)

Fig. 6.

3D single regime plot of the urban flood resilience index distribution (S2)

Table 5.

Top 5 Regions and Facilities - Inputs & Results (S2)

Table 6.

Bottom 5 Regions and Facilities - Inputs & Results (S2)

Table 7.

Top 5 Regions and Facilities - Inputs & Results (S3)

Fig. 7.

3D single regime plot of the urban flood resilience index distribution (S3)

Table 8.

Bottom 5 regions and facilities - Inputs & results (S3)

Fig. 8.

Top 10 decline analysis of urban flood resilience (RUF) by scenario

Fig. 9.

Bottom 10 variation analysis of urban flood resilience (RUF) by scenario

Acknowledgements

Conflicts of Interest

References

Derivation of a 3D Single Regime Graph for $R_{U F}$

Top 10 decline analysis of urban flood resilience ( $R_{U F}$ ) by scenario

Bottom 10 variation analysis of urban flood resilience ( $R_{U F}$ ) by scenario