국가연구개발보고서원문성과물전담기관인한국과학기술정보연구원에서가공 서비스하는연구보고서는동의없이상업적및기타영리목적으로사용할 보안과제 ( ), 일반과제 ( ) / 공개 ( ), 비공개 ( ) 국토교통기술촉진연구사업제 2 차연도최종보고서 R&D / R&D / 1

Transcription

1 보안과제 ( ), 일반과제 ( ) / 공개 ( ), 비공개 ( ) 국토교통기술촉진연구사업제 2 차연도최종보고서 R&D / R&D / 17CTAP-C 국토교통 R&D Report 빅데이터를활용한기후재해 ( 가뭄, 폭설및집중호우 ) 원인과현황상관관계분석, 인공지능 (Machine Learning-인공신경망 ) 기반미래기후재해예측및사회기반시설영향분석기법개발최종보고서 주관연구기관 / 한국환경정책 평가연구원 국토교통부 국토교통과학기술진흥원

2 2. 제출문 국토교통부장관귀하 빅데이터를활용한기후재해 ( 가뭄, 폭설및집중호우 ) 원인과현황상관관계분석, 인공지능 (Machine Learning- 인공신경망 ) 기반미래기후재해예측및사회기반시설영향분석기법개발 ( 연구개발기간 : ~ ) 과제의최종보고서 5 부를제출합니다 주관연구기관명 ː 한국환경정책 평가연구원 ( 대표자 ) 조명래 ( 인 ) 주관연구기관책임자 : 이명진 국토교통부소관연구개발사업운영규정제 38 조에따라최종보고서열람에 동의합니다

3 3. 보고서요약서 과제고유번호 17CTAP-C 해당단계 연구기간 ~ ( 24 개월 ) 단계구분 (2)/(2) 연구사업명 중사업명 세부사업명 국토교통기술촉진연구사업 창조형모험지원유형 대과제명 연구과제명 세부과제명 빅데이터를활용한기후재해 ( 가뭄, 폭설및집중호우 ) 원인과현황 상관관계분석, 인공지능 (Machine Learning- 인공신경망 ) 기반미래 기후재해예측및사회기반시설영향분석기법개발 연구책임자 이명진 해당단계참여연구원수총연구기간참여연구원수 총 : 4 명내부 : 1 명외부 : 3 명총 : 4 명내부 : 1 명외부 : 3 명 해당단계 연구개발비 총연구개발비 정부 :50,000 천원기업 : 천원정부외 : 천원계 :50,000 천원정부 :100,000 천원기업 : 천원정부외 : 천원계 :100,000 천원 연구기관명및 소속부서명 한국환경정책 평가연구원 환경평가모니터링센터 참여기업명 국제공동연구 위탁연구 상대국명 : 상대국연구기관명 : 연구기관명 : 연구책임자 : 요약 : 본과제는과거기후재해피해원인및현황의상관관계를고려한인공지능 (Machine Learning-인공신경망 ) 기반, 미래기후재해 ( 가뭄, 폭설, 집중호우 ) 예측기술을개발 하는것이다. 이를위하여기후재해의원인및현황상관관계분석기술및미래시점및위치별동일피해발생예측분석기술을개발하였으며, 학술성과 10건 (SCI(E) 6편, KCI 5편 ) 및산업재산권 1건 ( 국내특허 1건 ) 의연구개발성과를도출하였다. 본과제의결과물은, 1) 상용소프트웨어제작등을위한산업체기술이전 ( 인공지능 (Machine Learning-인공신경망 ) 및빅데이터분석기술 ), 2) 국정과제지원및 국가기후변화적응대책 에반영, 국토의계획및이용에관한법률 제20조제2항및제27조제3항에따라도시 군기본계획을수립 변경하거나도시 군관리계획의입안하는경우도시기후변화에따른재해취약성등에활용될수있을것이다. 보고서면수 :

4 4. 국문요약문 연구의목적및내용 본과제는파리기후협약의합의된신기후체제를실질적으로지원하고, 급진적으로발생하는기후재난에효율적으로대응하기위하여, 과거기후재해피해원인및현황의상관관계를고려한인공지능 (Machine Learning- 인공신경망 ) 기반, 미래기후재해 ( 가뭄, 폭설, 집중호우 ) 예측기술을개발 하는것이다. 이를위하여첫째, 빅데이터분석 ( 예 : Text Mining) 을기반으로과거기후재해 ( 가뭄, 폭설, 집중호우 ) 원인과피해현황의상관관계분석을수행한다. 둘째, 인공지능 (Machine Learning- 인공신경망 ) 에상관관계를훈련시키고, 미래기후변화시나리오에적용하여동일피해가발생하는미래시점과위치등의예측정보를생성한다. 셋째, 국토교통부관련 SOC( 예 : 공항및항만등 ) 의피해현황예측등현업에활용가능한정책적방안을위한영향분석을수행한다. 1 차년도에는과거기후재해 ( 가뭄, 폭설, 집중호우 ) 에대한상관관계분석을수행 한다. 문헌정보중심의과거기후재해원인및피해현황인벤토리구축, 빅데이터 ( 예 : Text Mining) 을활용한원인과현황의시공간상관관계분석한다. 2 차년도에는전술된상관관계를인공지능 (Machine Learning- 인공신경망 ) 에훈련 및미래기후변화시나리오에적용하여장단기미래피해예측정보를생성한다. 또한, 개발된기술이국토교통부관련 SOC( 공항, 도로및철도등 ) 관리체계강화 에직접적으로활용되는정책적적용방안마련을위한영향분석을수행한다. 연구개발성과 본과제의연구개발성과는, 1) 기술개발 2 건 ( 기후재해의원인및현황상관관계분석기술, 미래시점및위치별동일피해발생예측분석기술 ), 2) 학술성과 10 건 (SCI(E) 5 편, 등재논문 5 편 ) 이며, 3) 산업재산권 1 건 ( 국내특허 1 건 ) 이다. 연구개발성과의활용계획 ( 기대효과 ) 본과제의결과물은, 1) 상용소프트웨어제작등을위한산업체기술이전 ( 인공지능 (Machine Learning- 인공신경망 ) 및빅데이터분석기술 ), 2) 국정과제지원및 국가기후변화적응대책 에반영 ( 국정과제 56( 통합적재난관리체계구축및현장즉시대응역량강화 ), 국정과제 61( 신기후체제에대한견실한이행체계구축 ), 국토의계획및이용에관한법률 제20조제2항및제27조제3항에따라도시 군기본계획을수립 변경하거나도시 군관리계획의입안하는경우도시기후변화에따른재해취약성등에활용될예정이다. 핵심어 (5 개이내 ) 기후변화인공지능기계학습빅데이터상관관계 - 3 -

5 5. 영문요약문 Purpose & Contents Results Expected Contribution This research aimed to practically support the new climate system agreed in the Paris Climate Agreement and develop the echnologies to expect the future climate disasters (drought, heavy snow and localized heavyrain) based on artificial intelligence considering the correlations between the causes of the damages from the climate disasters in the past and the current conditions (machine learning-artificial neural network) to efficiently respond to the climate disasters that may rapidly occur. To that end, fist, this study conducted an analysis on the correlations between the causes and the damages of the climate changes in the past (drought, heavy snow and localized heavy rain) based on the big data an alysis (e.g. Text mining). Second, it trained artificial intelligence (machine learning-artificial neural network) using the correlations, and produced the expectation information including the point of time and location where the same damages may occur in the future by applying artificial intelligence to the future climate change scenario. Third, it established the political measures tool that may be applied in the practical works including expectations of the damaged conditions of the SOC (e.g. Airports and ports) related to the Ministry of Land, Infrastructure and Transport. In the first year of the research, the analysis on the correlations on the climate disasters in the past (drought, heavy snow and localized heavy rain) was conducted. The study established an inventory of the causes and damaged conditions of the climate disasters occurred in the past focusing on the literary information, and conducted an analysis on the correlations on the space and time between the causes and conditions of the damages using the big data (e.g. test mining). In the second year, the study produced the information to expect the damages in the long and short-term future by applying the aforementioned correlations to artificial intelligence (machine learning artificial neural network) and the future climate change scenario. It also proposed the measures to directly apply the developed technologies to the policies to strengthen the management system of the SOC (airport, road and railway, etc.) related to the Ministry of Land, Infrastructure and Transport. The final achievements of this research include: 1) 2 technological developments (the analytic technology on the correlations between the causes and conditions of climate change and the analytic technology to expect the same damages in the future by the point of time and location); 2) 10 academic achievements (5 SCI(E) and 5 published papers); and 3) 1 industrial property right (1 domestic patent). The results of this research are: 1) Technical transfer of industries for production of commercial software (artificial intelligence (machine learning-artificial neural network) and big data analysis technology) 2) Government projects support and application to the national adaptation measures to climate change (national project 56 (Establishment of integrated disaster management system and strengthening immediate response capability), national project 61 (Establishing a sound implementation system for the new era system), the national adaptation measures to the climate change and the low-level local governments (Law on Planning and Use of Land) Machine Keywords Climate Change AI Big data Learning Correlation - 4 -

6 6. 영문목차 1. R&D project overview 7 2. Technologies in Korea & overseas R&D process & results Evaluation & contribution of the project How to utilize the R&D results Overseas technologies collected during the R&D Security level of the R&D achievements R&D facilities & equipment registered in national science & technology information system Compliance with safety guidelines Major R&D achievements Notes References

7 7. 본문목차 1. 연구개발과제의개요 7 2. 국내외기술개발현황 연구수행내용및성과 목표달성도및관련분야기여도 연구개발성과의활용계획 연구과정에서수집한해외과학기술정보 연구개발성과의보안등급 국가과학기술종합정보시스템에등록한연구시설 장비현황 연구개발과제수행에따른연구실등의안전조치이행실적 연구개발과제의대표적연구실적 기타사항 참고문헌

8 8. 본문 제 1 장. 연구개발과제의개요 1. 연구개발목적 가. 최종목표 미래기후재해의예측및대비를위하여, 과거기후재해피해원인및현황의상관관계를고려한 인공지능 (Machine Learning- 인공신경망 ) 기반, 미래기후재해 ( 가뭄, 폭설, 집중호우 ) 예측기술개발 나. 세부목표 - 최종연구목표의달성을위하여수행하는연구과정은총 3단계임 - 첫째, 빅데이터분석을기반으로과거기후재해 ( 가뭄, 폭설, 집중호우 ) 원인과피해현황의상관관계분석을수행 - 둘째, 인공지능 (Machine Learning-인공신경망 ) 에상관관계를훈련시키고, 미래기후변화시나리오에적용하여동일피해가발생하는미래시점과위치등의예측정보를생성 - 셋째, 국토교통부관련 SOC( 예 : 공항및항만등 ) 의피해현황예측등현업에활용가능한정책을위한영향분석을수행 - 전술된연구과정을수행하기위한구체적세부목표는, 첫째과거및현재시점을대상으로기후재해 ( 가뭄, 폭설및집중호우 ) 의관련비정형문헌 ( 보고서, 논문및기사등 ) 을수집 - 둘째, 수집된비정형문헌자료에대하여 Text Mining 등빅데이터기법을적용하여단순유의어분석이아닌, 피해발생시점과현황에대한상관관계추출 - 셋째, 국가공인기후변화시나리오, 한국환경정책 평가연구원자체생산기후변화시나리오및확률강우량자료를바탕으로인공지능중인공신경망방법을활용한전술된상관관계훈련수행 - 넷째, 훈련결과를바탕으로미래기후재해발생시점, 위치및원인등을예측 - 다섯째, 예측결과와더불어국토교통부가관리하는주요사회기반시설물과위치적으로연동하여장 단기사회기반시설물의피해를예측하는영향분석수행 - 마지막으로연구지역을서울및부산등대도시권으로정의하며, 본연구의성과가직접대국민이체감할수있도록결과생성 2. 연구개발의필요성가. 연구배경 - ( 창조형모험지원유형의이해 ) 창조형모험지원유형은신진연구자의연구기회를확대하여미래도전적창조모험연구의양성과연구의욕을고취하고차세대우수연구인력을양성하는과제임. 따라서본연구를통하여 1) 연구자가지니고있던연구역량을바탕으로국제적경쟁력을갖춘우수연구인력으로도약할수있는기회가되어야하며, 2) 미래기후변화에의한피해에난제를효율적으로대응하는방안을수립하고사회기반시설의영향을분석하는방안을제시하여야함. - ( 기후변화 / 이상기후에따른피해증폭 ) 최근폭염 폭설, 폭우 가뭄등이상기후에의한피해가매해최고치갱신 90년대 5,400억원 2000년대 2조 1,000억원 ( 재해연보, 12) 60년대기상재해로인한물류및유통피해액약 1조원, 2000년대 19조원급증 ( 한국교통연구원, 12) 기후변화로 20년까지 1,079 조원피해발생예상 ( 기후변화의경제학적분석, 환경부 12) - 7 -

9 - ( 빅데이터기반기후변화피해의효율적대응 ) 기후변화에의한다양한피해를빅데이터기법과융합 DB를활용하여산업계의사전적피해최소화및사고발생에대한선제적대응체계마련. 빅데이터를활용한응용기상정보의생성과기상예보신뢰도향상을위한노력이 14년부터기상청등을바탕으로시작되고있음. 그러나 SNS와블로그형태의비정형자료중기상관련자료를추출하여기상예보와연동하는기술을자동화하는방안이주류를이루고있으며, 또한기본계획수립 ( 개념정립, 방법론선정및향후활용방안등 ) 이중심임. - ( 기후난제해결을위한국가및국제사회의노력 ) 2015년 UN 기후협약당사국총회 (COP21, Conference of the Parties) 에서신기후체제의성공적이행을위한 VIP 기조연설과국제적합의에따른포괄적대응을위해미래기후재난예측활용가치와필요성증대 - ( 기후재난해결을위한기술개발 ) 20년까지과학기술자문기구 (Subsidiary Body for Scientific and Technological Advice, SBSTA) 를통한기후변화적응에대한기술적로드맵작성필수사항 - ( 기후재난해결을위한인공지능기반융합기술육성 ) 인공지능관련산업의세계시장은지난해이미 1270억달러규모로성장했고, 또앞으로도매년 14% 씩고성장을계속할전도유망한산업임. 그러나우리는일부국소적인분야에서만 3조 ~5조원규모의시장을형성했을뿐으로, 인공지능기반융합기술의육성및투자가필요한시점임 (VIP 국무회의지시, ' ). 알파고 (AlphaGo) 를개발한구글은인공지능을통한기후변화문제등을해결하는것을발표 ( 조선일보, ) 알파고 (AlphaGo) 를개발한데미스허사비스는 2010 년딥마인드를창업한것은기후변화나질병처럼다양한사회문제를해결할수있는 ' 범용 ( 汎用 ) 인공지능 ' 을개발하기위해서였다 라고언급 - ( 장 단기사회적재난의원인인기후변화해결필요 ) VIP는기후변화와재난에대한대응을신산업과기술발전의기회로삼을것을 ASEAN ( 동남아시아국가연합 ) 회의에서발표 기후변화에의한사회적재난의해결을위한실천적방안으로빅데이터기반을상관관계분석, 인공지능을활용한상관관계적용미래장 단기유사피해발생예측이필수임. 나. 정부정책과부합성 - COP21 신기후체제의성공적이행을위한 VIP 기조연설과국제적합의에따른포괄적대응을위한미래기후재난정보구축필요 - ICT 분야의강점과문화적역량을바탕으로인공지능중심의 4차산업혁명에능동적으로대응필요 (VIP 국무회의지시, ' ) - 現정부국정과제 56( 통합적재난관리체계구축및현장즉시대응역량강화 ), 국정과제 61( 신기후체제에대한견실한이행체계구축 ) 및국가기후변화적응대책지원을위한과학적이론기반마련필요. - 기후대응에너지신사업창출방안 의창조경제기반 6 大에너지신사업모델발표 ('14, 산업통상자원부보도자료 ) - 국토의계획및이용에관한법률 제 20조제2 항및제27조제 3항에따라도시 군기본계획을수립 변경하거나도시 군관리계획의입안하는경우도시기후변화에따른재해취약성에관한분석에직접적활용가능 다. 연구개발의중요성 극단적기후변화에따른기후재난발생현황 - 자연재해의발생은기후변화로인한이상기후현상이강화되면서앞으로더욱잦아지고그강도또한커질것으로전망되며, 이를기후재난으로정의함

10 - IPCC(Intergovernmental Panel on Climate Change) SREX(Special Report Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation, 12) 및 IPCC Fifth Assessment Report( 15) 에따르면지구온난화등의기후변화로인해전지구적으로폭염, 호우, 폭설등의발생빈도와강도가크게증가할전망임. - 기후재해는그명칭에서알수있듯이자연현상으로인해발생하는재해로서인간의조절범위를넘어선피해 (Risk) 로인식되고있으며, 이상기후로인한재해발생빈도와피해액은 90년대에비해 00년대에 50% 증가하는추세를보이고있음 (UNISDR, 11). 전세계적으로자연재해는 50년대이후급격히증가하여, 00년대이후발생빈도와강도가더욱가파르게증가하였음 (Munich Re, 11). - 80년대대비 년 10년동안대규모기후재해발생건수는 4배증가하였고경제적손실은 14배증가 ( 그림 1). < 그림 년부터 11 년까지대규모자연재해의연도별발생횟수 (UNISDR: United Nations International Strategy for Disaster Reduction, 11)> - 특히우면산산사태, 강남및광화문침수와같은도시지역은기후재해가발생하였을때다른지역적특성에비하여물리적, 경제적피해가크게발생하는곳으로기후재해발생취약성, 위험성및피해영향평가를통해자연재해발생피해를최소한으로줄일수있을것임. 기후변화에의한피해는특정부문에한정되지않고다양한형태로, 다양한피해를양산하고있음 ( 예 : 급격한기온증가 라는하나의기후변화요인은보건부문의취약계층추가사망, 산업부문의전력수급부족, 물관리부문의녹조증가등다양한피해형태로나타남 ) 또한, 기후변화에의한피해는사회기반시설 ( 도로, 철도등 ) 등국민의 삶의질 에해당되는부문에서빈번히발생 기후변화의특성상 ICT 기술 ( 빅데이터분석, 인공지능등 ) 을활용하는것이효과적방안 - 기후변화피해지역예측, 대응방안수립, 관련피해현황저감분석을위한일련의기후변화관련국토관리행정의전체단계를체계적이고효율적으로관리하여위하여 ICT 기술적용 - 빅데이터기술을활용하여과거기후변화피해를분석하여미래장 단기피해예측등을구현 - 빅데이터, 모바일, 인공지능, GIS, 센서등첨단 ICT 기술과다양한환경기술의융합은복잡화 대형화되는미래환경변화에효과적대응을가능하게함. 전술된다양한부문과피해에효과적으로대응하기위해서기후변화에의한피해원인및현황에대한상관관계를정량적 과학적으로분석하여과거이상기후에의한피해원인, 임계치및지역등을분석하고미래기후변화시나리오등과융합하여과거피해분석과더불어미래예측을포함하는통합적대응체계를구축하는것이중요함

11 3. 연구개발범위 - 최종연구목표달성을위한연구개발범위는다음과같음 ( 그림 2). 1. 기후재해의원인및현황상관관계분석기술개발 2. 미래시점및위치별기후재해피해발생예측분석기술개발 3. 국토교통부관련 SOC 관리에활용하기위한정책기초자료인영향분석수행 < 그림 2. 최종연구성과및세부목표정리 > 제2장. 국내외기술개발현황 국내현황 - 국내기후변화대응중피해원인및미래예측기술수준은선진국, 특히미국에비하여약 45% 수준 - 인공지능및빅데이터분석과같은과학적피해원인분석의경우기술수준은미국에비하여 50% 수준 ( 특허동향 : 기후변화정보화 ( 특허청, 11.01) - 국가차원의지능정보기술 ( 빅데이터및인공지능등 ) 의융합형자연재해관련기술을개발하기위하여, 범부처차원에서 재난대응과학기술역할강화 3개년실천전략 (ʼ14년), 재난과학기술개발 10개년로드맵 (ʼ15년) 등최근재난안전에대한지속적인계획이수립되고있으며, 재난대응과학기술역할강화 3개년실천전략 (ʼ14년), 미래성장동력종합실천계획 (ʼ15년) 등에서빅데이터및인공지능기술의 ICT 융합형재난안전관련기술개발필요성이강조되었음. - 특히기상 감시예측분야에서의빅데이터활용은기후변화에의한장단기예측중심이아닌, SNS와블로그등소셜네트워크와연계하여현재제공되는기상예보의정확도를높이는방안중심 ( 기상기술정책, 13) - 인공지능의기반이되는기계학습으로는비정형데이터가아닌, 해양관측위성등정형자료의특정패턴을추출하고학습하여영상분류의정확도를높이는영상처리기술개발중심임 국외현황 - 유럽연합의경우기후서비스 (Climate Services) 를통하여기후재난의직접적인원인이되는극단적기후사상을과거대비미래를예측하는방안수립 (European Commission, 15) - 미국의경우백악관의기후변화데이터이니셔티브 (Climate Data Initiative) 와협력하여기후데이터를액세스하고시각화할수있으며이해할수있도록도와주는이른바 Data Lake 를구축 (EMC, 15) - 미국의경우, 오바마행정부의지원으로기후변화피해를과학적으로분석하는오픈플랫폼 ( 구축하고, 이를통하여장단기기후변화피해발생예측기술개발

12 - 영국의경우, The Foresight HSC(Horizon Scanning Center) 를통하여기후변화에의한해수면상승, 해안침식, 홍수등에대응하기위한원인별피해의관계를분석하였으며 30~100 년이후를대비한위험관리대책을마련함. 현황분석을통한미래기후재해예측및사회기반시설영향을과학적으로분석하는기술개발시급 - 국내는해외선진사례대비약 50% 이상부족하며, 단순기술개발이아닌개발된기술을통하여정책과실제적사회문제해결을위한활용이부족 - 본연구를통하여최신 ICT 기반기술 ( 빅데이터및인공지능 ) 을활용한기후재해예측과사회기반시설의영향을정량적으로도출하고피해저감정책마련을위한영향분석을수행할필요가있음. 기술개발성숙도 구분연구착수연구종료단계별설명 기초연구단계실험단계시작품단계실용화단계 TRL 1 TRL 2 TRL 3 TRL 4 TRL 5 TRL 6 TRL 7 TRL 8 사업화단계 TRL 9 선행연구과제및차별성 사업명 사업내용 유사성및차별성 ( 유사성 ) 선행과제는전문가설문을기반으로 7개분야 ( 생태계, 물관리, 보건등 ) 의기후변화취약성평가를수행한것으로, 지자체공무원의기후변화적응대책수립을지원하기위한것임, Web 기반기후변화취약성평가도구를개발하는것이목적으로 기후변화취약성 이라는관점에서유사성이있음 Web 기반기후변화 ( 차별성 ) 전술된선행연구는전문가설문기반으로과학적 14 환경부취약성분석의근거가약하며, 지자체지원에한정되어사용되는한계기후변화적응평가지원도구파일가있음. 대행사업럿개발본과제는빅데이터및인공지능기법을적용한미래기후 재해예측이주목적으로선행연구에비하여진일보한과 학적분석방법과최신의평가방법을적용하여공무원뿐만 아니라대국민, 산업계에직접적인활용이가능하도록함. 또한, 미래기후시나리오를분석하고추출하여기후재해발 생임계치별향후장단기에유사한기후재해가발생하는위 치와시간을예측한다는점에서큰차이가있음

13 제3장. 연구수행내용및성과 1. 1차연도가. 개발목표 주관연구기관 ( 한국환경정책 평가연구원 ): 기후재해의원인및현황상관관계분석기술개발 세부목표 (1) 기후재해의과거, 현재의유형별, 원인, 현황및임계치분석을위한 Big Data 중 Text Mining 기술개발 (2) 공간빅데이터기반기후재해관련항목별시공간상관관계분석을위한기술개발 나. 개발내용및범위 주관연구기관 ( 한국환경정책 평가연구원 ) (1) 기후재해의과거, 현재의유형별, 원인, 현황및임계치분석을위한 Big Data 중 Text Mining 기술개발 - 본연구에서는시간적범위는 90년부터 15년까지최근 25년에해당되며, 공간적범위는전국주요도시 ( 서울, 부산, 인천, 대전, 대구및광주 ) 로 1차선정하고, 보다정밀한연구결과와주요기후재해의정보획득을용의하기위하여수도권일원및서울특별시를대상으로함. 서울은 10년및 11년지속적인기후재해 ( 광화문침수, 강남역침수및우면산산사태 ) 등이발생하였고, 부산은 2014년 7월집중호우에의한산사태와침수가동시에발생하였음. - 전술된과거시점과위치별기후재해정보를획득하기위한효과적방안으로는최신 ICT 기술중웹크롤러 (Web Crawler) 및웹로봇 (Web Robot) 등을통하여자료를수집하는것으로, 본연구를주관으로수행하는한국환경정책 평가연구원은기존에웹크롤러및웹로봇을보유하여운영중임 ( 그림 3). 전술된웹크롤러및웹로봇을통하여우선적으로인터넷상에산재되어있는자료와연구기간에해당하는기후재해 ( 가뭄, 폭설및집중호우 ) 와관련된신문 방송, 연구보고서및논문등의데이터수집 웹로봇색인처리검색처리 DB TABLE Crawler Cruiseroraacs MIR-Accessor MIR-Modifier MIR-Locale ( 형태소분석기 ) Indexer ( 색인기 ) 색인 DB Query Parser MIR-Locale ( 형태소분석기 ) Searcher ( 검색기 ) Ranker Summarizer 정형, 비정형정보색인 수집대상웹문서 관리자화면 < 그림 3. 현재한국환경정책 평가연구원운영중인웹크롤러및웹로봇시스템구성도 > - 기후재해 ( 집중호우에의한산사태및침수등 ) 의과거및현재의발생패턴, 피해원인과현황에대한정량적상관관계분석을위하여국내주요포털에대한웹크롤러 (Web Crawler) 를적용 - 수집된자료를대상으로기후재해유형별발생현황 ( 피해발생날짜, 피해위치, 윈인 ( 예 : 강우량, 폭설및가뭄등 ), 피해현황정도 ( 인명, 재산및사회기반시설등 ) 에대한연구보고서, 정책보고서및

14 관련문헌을활용한사전조사실시 전술된사전조사는단순인력에의한문헌통계정리가아닌 Textmining 기법중키워드도출방법을활용 ( 그림4) Textmining 기법은여러단계로구분되지만, 우선본단계에서는기후재해와관련된원인과피해현황을정리하는키워드도출을선택적으로활용 < 그림 4. 기후재해관련수집자료에대한 Textminig 기법중키워드추출방안적용모식도 > - 전술된수집자료및 Textminig을적용한추출자료를빅데이터를적용하기위한체계적인벤토리구축및 Database Schema 설계 빅데이터를적용하기위해서는우선적으로문헌, 논문등에서웹크롤러와웹로봇을통하여수집되고, 추출된사전정보의형태 ( 비정형자료 ) 를일정부분정형화하는것이필요 이를위하여데이터속성을정확히표현하고정리하기위한코드화 ( 비정형의정형화 ) 가필수적임 - 기후재해과거및현재에발생한유형, 원인 ( 임계치포함 ) 및현황을정리한관련인벤토리구축 ( 그림5) 전술된극단적이상기후에의한과거및현재에발생한기후재해와관련하여산재되어있는연구내용및연구성과, 입력자료들가운데찾고있는정보에대한체계적인검색지원및자료통합관리가필요함에따라수집된선행연구성과자료에대한인벤토리구축 < 그림 5. 기후재해관련자료인벤토리구축 >

15 - 또한기후재해발생날짜전후 5일에대한실제기상관측값획득을위하여기상청 AWS(Automated Weather Station) 자료수집및전술된인벤토리에추가, 이를통하여기후재해관련발생일자, 피해원인과현황, 강우량을연계분석하는인벤토리작성 - 본연구를통하여제작된인벤토리는비정형자료 ( 문헌및기사등 ) 과정형자료 ( 강우량수치등 ) 이혼재하여있기때문에기후재해발생원인과피해현황에대한패턴과상관관계를정량적으로분석하기위하여 Text Mining 프로그램개발및적용 - 또한, 기후재해피해분석에활용되는환경공간정보의현황과최근 20년간 (1996년부터 2015년 ) 까지의 ICT 기반기술과의접목을 Text Mining으로분석 (2) 빅데이터기반기후재해관련항목별시공간상관관계분석 - 기후재해에대한직접적인분석을위하여 3가지연구를수행 첫째, Big Data 분석중 Data Mining 방법을적용한기해재해중침수취약성분석 둘째, 전술된인벤토리에 Text Mining을적용하여기후재해발생피해와관련된임계치를추출하고, 이를미래기후변화시나리오에서자동추출하는프로그램개발 셋째, 기후재해자체가궁극적으로공간적위치를가지고발생하는피해이기때문에, 시계열위성영상준실시간처리기술개발 ( 기후재해모니터링및피해위치분석을위한기반기술 ) 년및 2011년발생한서울특별시침수에대한취약성분석을위하여 Data Mining 방법중 Decision Tree 중 Random Forest와 Boosted Tree를각각적용하여취약성분석및향후취약한지역을공간적으로분석 - 전술된기후재해관련인벤토리와본연구를통하여개발한 Text Mining 프로그램을연계분석하여집중호우에의한침수발생임계치를정량적 (3일누적강우량 170mm 이상 ) 으로분석 - 전술된분석결과를미래기후변화시나리오 ( 기상청 RCP 4.5 및 8.5) 에적용및수도권일원을대상으로공간적으로향후유사피해가가능한지역을추출하는프로그램개발 - 기후재해를정밀하게모니터링하고, 넓은지역의피해를효과적으로분석하기위하여공간정보 ( 위성영상 ) 을활용하여야함, 또한피해발생모니터링자료를시계열로분석하기위하여자료전처리기술을개발하여준실시간자료분석기술개발 2. 2차연도가. 개발목표 주관연구기관 ( 한국환경정책 평가연구원 ): 미래시점및위치별기후재해피해발생예측분석기술개발 세부목표 (1) 인공지능 (Machine Learning-인공신경망 ) 에상관관계분석결과훈련 (2) 미래기후변화시나리오에적용, 미래예측정보생성 (3) 사회기반시설정량적영향분석 나. 개발내용및범위 주관연구기관 ( 한국환경정책 평가연구원 ) (1) 인공지능 (Machine Learning-인공신경망 ) 에상관관계분석결과훈련 - 미래기후재난예측및대응을위하여인공지능 (Machine Learning-인공신경망 ) 을활용한상관관

16 계훈련방안마련 - 인공지능 (AI: Artificial Intelligence) 은컴퓨터의연산능력을인간처럼생각하고반응하게만드는것을목적으로하는기술이며, ICT 분야에서매우빠르게성장하고있는학문분야임. - 인공지능의구성은크게 6가지로구성되며 1) 전문가시스템, 2) 자연어처리, 3) 머신비전, 4) 신경망, 5) 기계학습및 6) 고등로봇임 - 본연구는인공지능을활용한장 단기기후재해를예측하기위한것으로전체인공지능 6가지구성중직간접적으로 1) 전문가시스템, 2) 자연어처리, 3) 신경망및 4) 기계학습의총 4가지를적용하고자함. 1) 전문가시스템은인간의지식과경험을바탕으로구축되는데이터베이스로서, 본연구에서는본연구책임자및연구진이국가기후변화적응센터의현업 ( 선행연구포함 ) 에서축적된노하우를적극적으로활용하여인공지능을구현함. 2) 자연어처리는인공지능을초기훈련하기위한기준을선정하는것으로본연구에서는전술된 1차년도의수행하는 기후재해관련수집자료에대한 Textminig 결과 를활용하여인공지능을구현함. 4) 신경망은인공지능구현의최종목표중에하나이며, 대부분의관련선행연구에서인공신경망을활용하여구축, 본연구는인공신경망분석기법중가장많이활용되는 역전파알고리즘 을 ( 그림 6) 으로인공신경망을 MATLAB을활용하여자체구축예정 < 그림 6. 자연신경망과인공지능중인공신경망비교 > 전술된인공신경망학습을위하여기후재해발생원인과현황을 DB로구축하고 (1차년도연구성과연계활용 ), 데이터마이닝중인공신경망을통한기계학습수행 5) 기계학습은과거의경험으로얻어진학습효과를프로그램으로구현하는것으로, 본연구에서는전술된인공신경망을활용한원인, 피해및위치자료를통하여상관관계및가중치계산을훈련 ( 그림 7) < 그림 7. 인공신경망상관관계및가중치계산훈련결과 (Lee et al., 2017)>

17 (2) 미래기후변화시나리오에적용, 미래예측정보생성 - 기상청 ( 과거및현재기상관측자료, 미래기후변화시나리오 ), 한국환경정책 평가연구원 ( 미래기후변화시나리오및확률강우량 ) 등에서기구축된장단기미래기후변화예측자료를수집 ( 그림 8) 기후변화시나리오자체가장 단기미래를예측한다는측면에서불확실성을내포하고있음, 이를해결하기위한다양한노력중기후변화시나리오자체의정확도를높이는연구가있으나, 이러한연구는 미래예측 이라는현실적문제로인하여확률적정확도를높이기어려움. 또한, 현재주류를이루는연구는 Daly, C(2006) 부터시작되며, 서로다른이기종의기후변화시나리오를연계분석하여정확도를높이고, 기후변화시나리오의불확실성을줄이고자함. 본연구에서는기상청기후변화시나리오 ( 영국헤들리센터의 UM(Unified Model) 을기반으로하는 CMIP5(Coupled Model Intercomparison Project Phase 5)) 와한국환경정책 평가연구원의기후변화시나리오 ( 미국대기연구소모형 (CESM(Community Earth System Model) 결과를연계하여활용 - 기후변화에의한기후재해의불확실성을최소화하기위하여다양한기후변화시나리오를활용하며, SRES(Special Report on Emissions Scenarios) 및 RCP(Representative Concentration Pathways) 4.5 및 8.5 등을직접다운스케일링하여활용 장 단기기후재해예측의정확도를높이기위하여 2개이상의기후변화시나리오를활용하며, IPCC AR5에서제시된 RCP 시나리오이외에 AR4에서제시된 SRES도활용 < 그림 7. 기상청 ( 우측 ) 및한국환경정책평가연구원 ( 좌측 ) 기후변화시나리오 > - 전술된과거및현시점의도시기후재해발생임계치와연계하여미래기후변화에의하여기후재해가유사하게발생가능한시점및임계치분석 1 차년도수행된피해유형별기후재해발생임계치를추출하고, 인공지능의인공신경망및기계학습을수행하는프로그램을개발 개발된프로그램에입력자료기상청및한국환경정책 평가연구원기후변화시나리오를입력자료로적용하고, 훈련된내용 ( 기후재해유형별피해발생임계치 ) 을활용하여미래장단기시점별, 위치별기후재해발생을시공간적으로예측 본연구의최종결과는공간정보를활용하기때문에, 정확한기후재해피해위치 (1Km *1Km 단위 ) 를예측가능 또한, 기후변화시나리오자체가 1일단위예측자료이므로, 이를활용하여미래기후재해피해발생시점을정확히예측가능

18 - 공간적, 시간적특징을반영하여가뭄, 폭설및집중호우에의한기후재해가어느시점에어떤곳에서발생하는지과학적분석가능 - 이러한빅데이터분석을효율적으로수행하기위해서는기본적으로기초데이터의구축이중요하며, 기후재해연구에서가장기본이자료정재와분석의 2단계로구분됨. - 첫번째단계는, 전술된기후변화시나리오 ( 국가공인및국가기후변화적응센터자체수립시나리오 ) 및확률강우량자료등을수집하고입력자료를위한기초자료로 Data 정재및기초분석수행 SRES 및 RCP의기본구조분석을통하여대용량자료에서원하는기후재해피해날짜, 내용을추출하기위한기후변화시나리오사전자료처리수행 - 두번째단계는기후재난의원인이되는기상이변과문헌조사를통하여조사된피해발생위치, 피해현황등을통한기후정보패턴분석 - 이를통하여기상재해의원인이되는가뭄, 폭설및집중호우의발생예측을위한과거자료를이용한패턴분석을통하여미래기후재해발생예측 (3) 사회기반시설정량적영향분석 - 기후변화에의하여대국민의 삶의질 에직접적인영향을미치는사회기반시설에대한미래영향분석수행 기후변화에의한피해가대국민에게직접적인영향을미치는요소는우선적으로사회기반시설이붕괴되는것임 우리나라대표적인사회기반시설은도로, 철도, 항만, 공항및전력등으로기후재해의직접적피해요인이됨 특히, 도로의경우, 기존 7*9 고속국도건설계획에부가하여 5*8 형태의간선도로망구축하고있으며, 전력수급기본계획또한제4차부터송전시설회선길이를 2007년대비 34% 증가 미국의경우, 방재청산하 HAZUS-MH 를통하여기후변화에의한사회기반시설의피해를정량적으로분석하고자하며, 스위스의경우도 Hazard 모델을개량하여스위스위험평가를수행하고있음 - 본연구를통하여우리나리의주요사회기반시설중연구지역에해당되는주요시설물에대한피해를정량적으로수행하고자함 또한공간정보를활용하기때문에지역적연구지역의특성을보다강화할수있는오픈플랫폼형태로구축가능 - 특히, 16년 1월제주공항폭설과같이극단적기후재난의발생예측과같은극단적발생시점과기존시회기반시설을중첩분석하여정량적피해현황을예측 - 폭설을구성하는기온과강수량 2개의자료는기후변화시나리오제공의주요자료이며, 이를연계연산하여폭설발생시점과위치를추출 - 전술된사회기반시설에대한정량적피해위치와시점을분석하고, 이를반영한국가기후변화적응대책및도시기후변화재해취약성분석에직접적활용가능 이러한국가대책및정책에직접적으로활용가능한정책적시사점및피해예측정보제공등

19 3. 연구수행성과 기후재해 ( 집중호우등 ) 의원인과현황에대한정량적분석 - 기후재해의원인과현황을정량적으로분석하기위한시범연구는전국에서발생한집중호우로인한산사태발생을대상으로함 - 이를위하여본연구에서는우선적으로산사태발생현황, 위치, 피해, 누적강우량 ( 산사태발생전후 1일누적, 3일누적강우량, 5일누적강우량임 ) 등을인벤토리와 Database로구축함 - 과거집중호우와산사태발생의상관관계분석을위하여 2000년대 (1991년 7월부터 2010년 12월까지 ) 의 19년간을선정하였음 - 산사태발생지역및발생일자는중앙언론매체기사및방송, 지방언론매체기사및방송과한국지질자원연구원, 한국건설기술연구원등의보고서를기준으로검토하였으며, 2000년대산사태발생자료의경우다양한출처를통하여정리된양이많지만, 1990년대의경우산사태발생자체를정리한자료에한계가있어, 일부관련논문및중앙언론매체를통하여정리함 - 분석된자료는산사태발생지역, 발생일자, 인근지역기상관측지점및 AWS 기상자료 ( 발생전 후 5일 ) 이며, 이를통하여산사태발생지역의위치 ( 인근지역포함 ) 및날짜를인벤토리로정리하였음 - 산사태발생일자를중심으로산사태발생 5일전부터발생 5일후까지의일별강우자료를정리하였고, 전체정리된자료는 178곳의산사태발생장소및일별강우자료임 - 산사태발생 178곳은산사태가발생한한지점만을의미하는것이아니며산사태가집단으로발생한지역으로, 누적강우량은일별강우량을누적일자에합하여생성하였음. 또한강우강도를파악하기위하여 1일, 3일및 5일누적강우량과발생일의시간별강우량을분석하였음 - 산사태발생과강우강도의관계를분석하는방법은두가지로수행하였음. 첫째, 연도별산사태발생당일강우량을정리하고, 이를통하여 2000년대산사태발생당일의강우량간의상관관계를분석함. 둘째, 산사태발생당일의강우량과산사태발생이전 1일간누적강우량, 3일간누적강우량및 5일간누적강우량을비교분석하여정량적관례를분석하였음 년대의산사태발생과강우특성과관련지어본결과를유형별로도식하면 < 그림 8> 과같음. 가로축은강우기간을세로축은강우다발기간인해당연도별발생기간을나타내고있음. < 그림 8> 중강우량은산사태가발생한지역에속하는 AWS의강우기록을산정하였음 년대전체산사태발생과당일강우량과의관계를분석한결과, 높은강우량은 2002년 8월 31일전북무주군일원에서 573mm, 강원도강릉시 481mm, 2005년 9월 6일경북포항시남구일원 438mm, 402.5mm, 경북경주시양북면일원 368.5mm 및 2009년 7월 8일부산시남구우암동일원 368.5mm임 - 낮은강우량은 2004년 8월 17일강원도강릉시강릉면일원 41.5mm, 2002년 9월 16일경상북도성주군금수면일원 42.5mm, 2004년강원도삼척시하장면일원 43.5mm, 2006년강원도인제군북면일원 44.5mm 및 2009년 7월 16일경남김해시부원동일원 45.5mm 임. 평균적으로일최대강우량이 164.5mm 이상이면산사태의위험이전국적으로존재하는것으로사료되며, 즉일일최대강우량 164.5mm 이상의경우전국적으로산사태발생의위험이존재한다고사료됨

20 < 그림 8> 산사태발생당일의강우량 - 산사태발생이전누적강우량과발생당일강우량의비교는산사태발생의원인으로당일강우량과누적강우량과의관계를분석하기위하여수행하였으며, < 그림 9, 10, 11> 는연도별로산사태발생일이전의누적강우량 (1일, 3일 5일 ) 과발생당일의강우량을대비하여나타낸것임. - 가로축에는산사태발생일로추정된날의강우량을그리고세로축에는선행누적강우량을표시한것이며, 산사태발생당일의강우량은포함하지않고그이전 1일간, 3일간, 5일간의누적강우량을의미함. - < 그림 9, 10, 11> 은이들세경우의누적강우량들을나타낸것으로, 구축된자료에 45 중앙경계선을기준으로상부영역에점시되면당일강우량에영향을받아산사태가발생한것으로보았으며, 반대로하부영역에점시되면누적강우량에의한것으로판단하였음. 이러한판단을기준으로 2000년대산사태를분석해보면산사태발생당일강우량과발생 1일전의누적강우량을도식한 < 그림 9> 의경우 45 중앙경계선을기준으로상부와하부에도식되는산사태가명백히구분되고, 이를통하여산사태발생은당일강우에의한영향이큰것으로판단됨. - 산사태발생당일강우량과발생 3일전의누적강우량을도식한 < 그림 10> 의경우 45 중앙경계선을기준으로상부와하부에균등하게분포하는양상을나타내고있음. 산사태발생이당일강우량과 3일누적강우량과균등한영향을받은것으로사료됨. - 산사태발생당일강우량과 5일이상의누적강우량을비교한 < 그림 11> 를보면 45 중앙경계선을기준으로상부보다는하부쪽에더많은산사태발생이분포하는것을알수있음. 이는당일강우에의한영향보다 5일누적강우에의한영향을많이받는다는것으로판단됨. 따라서산사태에미치는영향이당일강우량에의하는가누적강우량에의하는가를구별하는위해서는누적강우량을 3일이내로함이바람직함. - < 그림 9, 10, 11> 를보는바와같이 2000년대발생한산사태는전반적으로누적강우 3일과밀접한연관이있음. 따라서 2000년대산사태발생은당일강우량보다는누적강우량에영향을많이받은것으로사료되며, 이중 3일누적강우량에의한영향이가장큰것으로분석됨

21 < 그림 9> 1 일누적강우량과산사태발생관계 < 그림 10> 3 일누적강우량과산사태발생관계 < 그림 11> 5 일누적강우량과산사태발생관계

22 본연구성과물적용및활용을위한방안 - 본연구의성과확산의가장큰활용은제3차국가기후변화적응대책에활용하는것임. 국가기후변화적응대책은기후변화에의하여발생할수있는피해를저감하기위한것으로, 기후변화로인한영향을최소화하고국민의안전과재산을보호하기위해저탄소녹색성장기본법 (48조) 및동법시행령 (38조) 에따라매 5년마다 국가기후변화적응대책 을수립 - 제1차및제2차기후변화적응대책의문제점은기후변화라는미래의피해를대응하기위한대책이지만, 실제미래는과거의문제가지속적또는보다빈도가빠르게반복된다는사실을간과한것임 - 즉, 과거기후재해의발생패턴과피해를정량적으로분석하고, 이를저감하는방안또는피해가발생하였을때최소화하는방안을정리하지못하고있음 - 대표적인사례가 1차및 2차적응대책에명시되어잇는 산사태예측능력향상및대응인프라구축 으로 2012년부터산림청에서수행하는것으로명시되어있으나, 실제연구와사업은과학적으로진행되지못하였음. 또한 도시의기후변화적응능력제고를위한도시계획내재해대비기준강화및관련제도마련 도국토교통부에진행하여선제적도시침수방지를위한내용이지만, 실제진행된사항은미흡함 - 해안의경우연안재해취약성평가를실시하고, 이를통한해안침수예상 3차원가시화시스템을구축, 운영등의사례가있으며, 이를기후변화적응대책에적용하는등의보다과학적근거기반의기후변화대응을진행하고있음 - 본연구는목표자체가기후재해의저감및효율적대응을위한것으로, 재난 재해관리시스템강화 의일환으로활용이가능함. 특히 취약지역및도시생활권산사태조기예측및저감기술개발 에직접적활용이가능함 - 본연구의결과는극단적기후변화에따른기후재재중산사태및침수등과같이도시지역에서빈번히발생하는자연재해를저감하기위하여빅데이터분석및인공지능분석을수행하는것임. 본연구성과중과거기후재해의발생패턴을분석하고, 분석된패턴을인공지능기술중인공신경망에적용하여산사태및침수와관련된취약지역을분석하는것이주요목적임 - 전술된연구에서개발된성과를바탕으로활용하기위한정책적방안은 제3차국가기후변화적응대책 에활용하는것임. 사회적활용은재난안전에필요한실제피해예상지역을추출하고피해저감을위한방안에활용하는것임 < 그림 12> 본연구결과에따른주거시설및사회기반시설실제피해예측결과 - < 그림 12> 와같이본연구의결과는공간정보로구축되어있기때문에타정보와직접적인연계 활용하기용이하며, 이를기반으로실질적인피해저감을위한도구로활용할수있음

23 빅데이터분석을위한매뉴얼 ( 가이드라인 ) - 본연구는빅데이터분석을위한내용을담고있으며, 우선적으로크게 2가지를가이드라인으로제시하고자함 - 빅데이터의정의는단순한데이터의크기가아니라데이터의형식과처리속도등을함께아우르는개념으로기존방법으로는데이터의수집, 저장, 검색, 분석등이어려운데이터를총칭해서일컫는용어 (ITWorld, 2012) - 예를들어, 페이스북과같은소셜네트워크서비스의경우매달 300억개의새로운콘텐츠가발생하고이러한거대한데이터를관리하기위한하드웨어및소프트웨어등모든프로세스가바로빅데이터플랫폼을의미함 - 그러나과학기술분야에서빅데이터는페이스북과같은소셜네트워크의가벼운데이터가아닌, 곳곳에산재되어무겁고정리가되지않은데이터를의미하는경우가많음 - 빅데이터분석기술은기존통계학과전산학에서사용되던데이터마이닝, 기계학습, 자연어처리, 패턴인식등의기술에기반하고있음 - 최근비정형데이터의증가로인해자연어처리기술기반텍스트마이닝및긍정과부정을의미하는특정언어처리기술기반오피니언마이닝등이있으며, 행위자간연결구조분석에기반한소셜네트워크분석그리고유사한특징을가진집단도출을위한군집분석등이특히주목받고있음 - 본연구에서는 2가지로빅데이터에대한접근, 연구를진행하였음. 첫째, 자연어처리를위한텍스트마이닝기술을개발함. 이를통하여과거집중호우에의한산사태및침수가발생한지역과피해현황을정량화하여분석하는연구를수행하였음 - 둘째, 데이터마이닝기술을개발하고적용하였음. 데이터마이닝기술중인공지능의기반이되는기계학습 (ANN: Artificial Neural Network, Decision Tree 및 Support Vector Machine 등 ) 을적용한자연재해취약성평가를수행하였음 - 본연구는빅데이터 ( 텍스트마이닝 ) 분석과인공지능 ( 데이터마이닝 ) 을연계하여수행한것으로자연재해관련과거패턴은텍스트마이닝을, 공간적으로예상되는피해분석은데이터마이닝을활용하였음 - 이는본연구의매우중요한특징으로, 문헌상의기후재해의발생날짜, 동일시간대의강수량을통한임계치분석과피해현황은텍스트마이닝을통하여구현하고, 공간적피해 ( 실질적피해 ) 는데이터마이닝을통한분석을수행하는것으로기획및적용한성공적연구임 < 그림 12> 본연구결과에따른주거시설및사회기반시설실제피해예측결과

24 연구수행을통하여 SCI(E) 논문 6 건게재, KCI 논문 5 건게재, 국내특허 2 건출원의연구성과도출 구분 ( 연도 ) 세부연구목표 연구결과 연구성과 - 기후재해의효율적분석을위한환경 공간정보와 Big Data 등 ICT(Information & Communication Technology) 기술활용에대한 Text 기후재해의과거, Mining 적용기술개발 (KCI 1편 ) 현재의유형별, 원인, - 본연구를통하여 Text Mining 기법을현황및임계치 R 로프로그래밍을수행하고, 타 - KCI 논문 2건게재분석을위한 Big Data 기관과제를통하여적용 Text Mining 중 Text Mining 기술에적용대상을확대 (KCI 1편 ) 개발 - 기후재해과거, 현재의원인과현황 분석을위한 2000년대의집중호우에 의한누적강우량패턴분석을위한인 벤토리구축 1 차연도 (2016~2017) 2 차연도 (2017~2018) 공간빅데이터기반기후재해관련항목별시공간상관관계분석을위한기술개발 인공지능 (Machine Learning- 인공신경망 ) 에상관관계분석결과훈련 미래기후변화시나리오에적용, 미래예측정보생성 사회기반시설정량적영향분석 - Data Mining 중 Random Forest 와 Boosted Tree 를직접프로그램으로만들었으며 ( R 활용 ), 활용한침수취약성분석 (SCI(E) 1 편 ) - 과거기후재해 ( 집중호우 ) 발생에따른패턴을반영한미래기후변화에의한동일침수피해발생예측프로그램개발및특허출원 ( 국내특허 1 편출원 ) - Spatial Big Data 의기본이되는시계열위성영상자동기하보정기술개발 (KCI 1 편 ) - Data Mining 방법은타기관연구를통하여시범적용된방법론을본연구에적용및확대, 시계열위성영상자동기하보정기술은타기관연구를통하여시범적으로개발된방법을본연구를통하여 Spatial Big Data 을위 하여전국단위에직접적용 - 재해와관련된여러공간정보항목을 DB화하고이에대한상관관계및가중치를구하여 Data Mining 중 SVM(Support Vector Machine), ANN(Artificial Neural Network) 을활용한취약성분석 (SCI(E) 2편 ) - 기후변화및자연재해등에활용되는공간정보패턴분석및연구동향분석을위한텍스트마이닝을적용하는기술개발 ( 국내특허 1편출원 ) - SCI(E) 논문 1 건게재 - KCI 논문 2 건게재 - 국내특허 1 건출원 - SCI(E) 논문 2 건게재 - 국내특허 1 건출원 - 과거기후재해 ( 집중호우 ) 발생에따른패턴을반영한미래기후변화에의한 - SCI(E) 논문 1건게재동일침수피해발생예측프로그램개발 (SCI(E) 1편 ) - 공간정보기반의사회기반시설물을추출하고, 이를본연구성과와연계하여분석하는방안을연구한환경관련공 - KCI 논문 1건게재간정보의이해와활용에대한연구 - SCI(E) 논문 2건게재 (KCI 2편 ) - 1차연도연구개발을통해개발한

25 Text Mining 기법을이용하여국내공간정보연구동향및위성영상에대한동향연구 (SCI(E) 1 편 ) - 위성영상에대한연구를통하여환경적측면에서의사회기반시설 ( 대형구조물및사회기반시설등 ) 의영향분석을위하여방법론적측면에서심도있는연구를수행 (SCI(E) 1 편 ) 제 4 장. 목표달성도및관련분야기여도 1. 목표달성도 빅데이터를활용한기후재해 ( 가뭄, 폭설및집중호우 ) 원인과현황상관관계분석, 인공지능 (Machine Learning-인공신경망 ) 기반미래기후재해예측및사회기반시설영향분석기법개발을목표로 1차년도 SCI(E) 급 1편및국내 KCI급 3편의논문및특허출원 1건의연구성과도출, 2차년도 SCI(E) 급 4편및국내 KCI급 2편및특허출원 1건의연구성과를이룩 정량적연구성과목표및달성도 국외논문게재 국내논문게재 특허출원 특허등록 인력양성 기술이전 국제표준화 국내표준화 구분 목표 달성도 (%) 비고 SCI 비SCI 0 0 계 초과달성 (6편) SCI 0 0 비SCI 계 초과달성 (5편) 국내 국외 0 0 계 초과달성 (2개) 국내 - 국외 - 계 - 석사 - 박사 - 계 - 계약건수 - 계약액 - 징수액 - 기고서제출 기고서채택 표준안채택 기고서제출 기고서채택 표준안채택

26 등록ㆍ기탁대상성과물 기타 구분목표달성도 (%) 비고 보고서원문 연구시설 장비 기술요약정보 생명자원 소프트웨어 화학물 시제품 성과홍보 생명정보 생물자원 신품종 일자리창출 성과목표에대한자체평가 - 국외논문게재 - 국내논문게재 - 특허출원 성과목표 자체평가 - SCI 급 1 건을성과목표로제시하였으며, 최종적으로 6 편을게재하여목표치 300% 초과달성 - 국내 KCI 급논문 4 편을성과목표로제시하였으며, 최종적으로 5 편을게제하여목표치 125% 초과달성 - 특허출원 1 건을성과목표로제시하였으며, 최종적으로 2 건을출원및 2 건중 1 건은특허결정을받는등목표치 200% 초과달성 2. 관련분야기여도 본연구는궁극적으로최근전세계적이슈가되고있는기후변화예측기술개발을연구하여기후난제를 해결하기위한창조적모험을수행하는것이며, 신진연구자의연구역량을높이기위한것임. - 또한, 파리기후협약의이행, 국토교통부관련 SOC 관리체계강화및기후변화적응대책수립과이행의 체계적정책도구로활용가능한것으로다음과같은기대효과를도모 ( 그림 9) 기술적측면 - 기후재해피해관리의과학적체계마련 웹크롤러및웹로봇을활용한기후변화에의한피해정보수집, 수집자료중중점자료추출을통한 기후재해인벤토리구축 본인벤토리구축을통하여기후재해의전체흐름과경향을분석할수있으며, 향후발생하는기후 재해까지일괄관치체계마련 기후재해관련 Textminig 분석을통한경향성및추세의기본상관관계를분석하여, 향후기상예보 및피해예측마련의표준화된기준마련 - 빅데이터, 인공지능등최신기술을접목한기후변화피해예측및사회기반시설의영향을과학적으로 분석하는기술개발 본연구의주요방법인기후변화에따른기후재해발생항목의시공간상관관계분석, 기후재해발생 원인 관련항목에대한빅데이터분석, 인공지능 (Machine Learning- 인공신경망 ) 기반의정보처리와분 석및예측기술등의기법은 ICT 기반대표적인융합기술로써학제간연계가필수적인기후변화적응 의과학적근거를확장시키는가교의역할을할것임. - 더불어, 본연구는방법론적측면의독창성및자료활용의측면에서기술개발, 기후변화라는전세 계적큰흐름을함께하고있으며국내적으로는과학적 정량적방법론기반의기후변화연구에기여. 경제적ㆍ산업적측면 ( 그림 10) - 중앙부처및지자체등은기후변화에의한경제적피해분석이중요하며, 이를이행하는간접적도구로

27 활용가능 기후변화에의한경제적피해를추정하는방법론을보다과학적, 정량적으로개선하고본사용자 ( 중앙및지자체공무원등 ) 의활용편리성을반영한 미래시점및위치별피해분석 을구분하여경제적피해분석을수행하도록지원 산업계담당자의경우기후변화관련주요업무를직접수행하여야하지만정보획득및의사결정등에서어려움을호소하고있으며, 직접적으로기후변화예측정보를바탕으로현업에서의작업공정조정, 망고등농작물생산적지분석, 자연재해피해컨설팅및보험업등신규산업육성에활용 < 그림 10. 산업계의기후변화예측시스템의활용방안 > 사회적측면 - 미래기후재해의관리와대응방안을마련하는실천적방법과도구가될것임. 본연구를통해개발된기술은사회기반시설의관리, 시설계획, 환경계획등에있어계획기법으로직접 적으로활용하며, 자연재해대응을위한정책적도구가부족한국내에서대국민 삶의질 을유지하는 중요한기반기술이될것임 더불어정책과계획이실행되는데적응의편익을산정할수있는과학적기술방법론으로서활용되어 질수있을것임. - 국가재난관리체계강화와기후변화적응중기후재해저감기술개발과정과효율적적응정책 세부시 행계획수립에대한이론적토대구축에기여함. 개발된기술을토대다양한기후변화적응적정기술을개발에응용이되며, 기술개발에서의협력 및정보교환은추후연구주제로확장되어질수있음. < 그림 9. 관련분야기여도 >

28 제5장. 연구개발성과의활용계획 본연구는신진연구자의창의도전연구를지원하기위한것이며, 이를반영하여활용방안과학기술적활용과정책적활용으로구분. 이러한구분은본연구를통하여도출한연구성과가기술개발 2건, 학술성과 11건및산업재산권 (1건) 등으로내용적, 질적으로우수하기때문임. - 구체적인연구성과는기술개발 1건 ( 기후재해의원인및현황상관관계분석기술, 미래시점및위치별동일피해발생예측분석기술등 ), 2) 학술성과 11건 (SCI 6편, 등재논문 5편 ) 이며, 3) 산업재산권 1건 ( 국내특허 1건 ) 임. 기술적활용방안 : 효율적기후재해에대응을위한국토교통부 R&D를통한고유기술의개발, 활용 - 본연구는현재및다가올미래사회의주요이슈가되는극단적기후사상에의한기후변화와기후재해를직접적으로분석하는과학적연구이며, 이에효과적으로대응하기위한기술을개발함. - 본연구에의해서개발예정인미래기후재해 ( 가뭄, 폭설, 집중호우 ) 피해예측기술은기후변화에의한대표적피해를중심으로진행 ( 그림 11). - 인공지능 (Machine Learning-인공신경망 ) 및빅데이터분석기술은향후시스템구축및상용화가가능한것으로기술특허를 1건출원예정. - 이러한특허는상용프로그램제작등에활용수있기때문에, 연구종료후산업체에기술이전등도가능하며, 본특허는아직개발되지못한고유기술에해당되는것으로기술이전을통한국내산업의경쟁력을높일것임. - 또한국내외유명저널에본연구성과를발표하고등재하여기술적, 학술적우수성을검증받아, 연구성과의활용을극대화할것임. 정책적활용방안 : 신기후제재실질적이행도구, 국정과제및국토교통부정책이행 수립에활용 - 본연구성과를활용하여파리기후변화협약의 VIP 기조연설, 국무회의지시사항의실질적이행및도쿄의정서이후신기후체제의조속한안정을위한도구로활용가능 - 現정부국정과제 56( 통합적재난관리체계구축및현장즉시대응역량강화 ), 국정과제 61( 신기후체제에대한견실한이행체계구축 ) 등기후변화적응 ( 기후변화감시 예측능력확보및이상기후대응능력강화 ) 의국정과제지원기술개발에직접적활용이가능 - 국토의계획및이용에관한법률 제20 조제2항및제27조제3 항에따라도시 군기본계획을수립 변경하거나도시 군관리계획의입안하는경우도시기후변화에따른재해취약성에관한분석에직접적활용가능하며, 녹색성장기본법제38조및동법시행령 4항과 5항의 국가기후변화적응대책 및 15년부터법정의무계획인 기초지자체기후변화적응세부시행계획수립 에직접적인활용이가능하도록관계부처및지자체의대책및세부시행계획으로반영하도록노력할것임. - 전술된개발된기술과정책적활용을보다강화하여국토교통부관련 SOC 관리체계강화에직접적으로활용하기위한정책적적용방안위한도구를개발하여제안할것임 < 그림 11. 연구개발성과활용방안 >

29 제6장. 연구과정에서수집한해외과학기술정보 기후재해의경우에는, 기준의사결정기법이나확률모델을이용한매핑에관한연구가진행되었고 (Masood & Takeuchi, 2012; Wang et al., 2011), SVM(Support Vector Machine) 과같은 GIS모델을활용하거나 (Tehrany et al., 2015), FR(Frequency Ratio) 모델이나, WOE(weights-of-evidence) 모델을분석에적용한연구도진행 (Rahmati et al., 2016). 또한 GIS 기법과더불어통계모델도통합적으로적용하여취약성매핑을한선행연구사례가있음 (Blanco-Vogt & Schanze, 2014; Morelli et al.,2014). 특히, 기후재해매핑에있어서많은연구자들은수문학적모델링, 유압모델링, 유체역학적모델링기법등을활용함 (Chini et al., 2014; Grimaldi et al., 2013; Papaioannou et al., 2013). 도시지역에서의상대적위험을지도에나타내기위해수치표고모델 (Digital Elevation Model, 이하 DEM) 과 GIS를사용하여홍수위험모델링을수행 (Zerger, 2002). GIS 기법을이용한연구는위험도맵핑을수행한연구가대다수이며, 통계학적접근의경우에는데이터에요구사항이많고샘플에따라결과가크게달라질수있다는위험성이존재. 이와같은연구와더불어최근들어각종재해에 GIS를적용하여재해시스템이구축되고있음. 하지만일부지역의홍수위험지도등이각지자체를중심으로구축되고있으나, 대부분의기타지역에서는수재해관련시스템이구축되지않고있다. 또한이렇게구축되고있는시스템들에는강우데이터와수리수문학적모델링이필요하므로구축하는데많은시간과경비가소요되는단점이있다. 따라서매년주기적으로발생하는홍수등의기후재해에신속한후처리방안으로활용되기에는어려움이있음. 이처럼일반적인모델링기법의경우에는모델이상당히복잡하고, 실제데이터의취득도어려운한계가있음. 따라서최근들어늘어나는공간데이터를효과적으로분석하여의미있는결과를도출시킬수있는다양한데이터마이닝모델을이용한홍수취약성분석연구가수행되고있음. 그중랜덤포레스트및부스티드트리모델을활용한연구가최근들어수행되기시작. 부스티드트리모델을이용한홍수맵핑연구의경우에는위성영상자료를입력자료로활용하였고 (Coltin et al., 2016), 랜덤포레스트모델을이용한연구에서는캐나다, 중국의넓은연구지역을대상으로수행된바있음 (Albers et al., 2016; Wang et al., 2015) 또다른기후재해인산사태와관련된기존의연구는계측기등을이용한직접적인예측방법과최근에들어서는 GIS 등의기술을통한간접적인방법으로구분. 직접적인방법의경우소규모지역의경우높은정확도의데이터를취득할수있으나대규모지역의산사태의경우에는비용이크고효율이떨어지는단점. 반대로간접적인방법의경우에는정확도가다소떨어질수있으나넓은지역에서의산사태를효율적으로예측가능. 따라서기존의산사태발생지역에대한데이터를활용하여간접적인방법과함께적용하여광범위한지역에서의산사태취약성을효율적으로분석가능. 간접적인산사태예측방법은빈도비 (Frequency Ratio), 신경망 (Neural Network), 로지스틱회귀모델 (Logistic Regression Model) 등과함께 GIS 기술등을이용한다. 이와같은방법은산사태를예측하는데있어지형도, 토양도, 임상도, 지질도, 위성영상, 기존산사태발생위치등의정적자료를요인으로하여제작되는산사태취약성도와강우또는수문자료등의동적자료를함께이용하여분석되는산사태발생가능성도등이있음. 최근에는산사태발생에직접적인영향을미치는동적자료를활용한산사태분석이주로연구되고있다. 이는태풍및집중호우가산사태의직접적인발생원인임을시사하고있음. 외국의경우에는조건부확률모델, 확신도 (Certainty Factor) 모델, 퍼지집합모델등을이용하여다양한지역에대한객관적이고정량적인산사태위험도를작성하고자하였다. 중첩분석의경우지질도, 지형도, 수치지형모델등을이용하여 GIS 중첩분석을실시해산사태취약성도를작성하였고 (Baldelli et al., 1996), 침식율, 배수율, 구조, 사면경사, 토지이용등을이용하여 GIS 중첩방법을이용해지도를제작하였다 (Turrini & Visintainer, 1998). 경사방향과고도, 토지이용, 토양배수등의요인을로지스틱회귀분석및신경망, 엔트로피지수 (Index-of-entropy) 를이용한산사태위험도작성통한모델링구현으로분석하는연구도진행된바있음 (Dai & Lee, 2002; Devkota et al., 2013)

30 휴리스틱모델링, 결정론적모델링기법등모델링기법을이용한산사태매핑도시도되고있다 (Dahal et al., 2008). 산사태모델링또한홍수에서의모델링과마찬가지로많은입력데이터가필요하여데이터구축이실질적으로어렵고모델링자체가아주복잡하다는단점이있음. 이에따라최근산사태취약성분석연구에도데이터마이닝모델을이용한연구가진행되고있다. 최근에본연구에서도사용된부스티드트리모델을이집트지역에적용한연구가수행된바있는데, 다중해상위성영상자료로부터입력변수를추출하여연구가진행됨 (Youssef et al., 2011)

31 제 7 장. 연구개발성과의보안등급 본과제는보안등급이일반으로되어있음

32 제 8 장. 국가과학기술종합정보시스템에등록한연구시설 장비현황 해당사항없음

33 제9장. 연구개발과제수행에따른연구실등의안전조치이행실적 연구실안전조치이행계획은연구기관에서연구활동을수행하는학생및대학원생, 연구원등의연구활동종사자가쾌적한연구환경속에서연구활동종사자의생명과안전을도모하고질병을예방하며, 연구실에서발생되는각종사고에적절히대비하여선진화된연구환경을조성하는데그목적이있음. 이와같은목적을달성하기위하여세가지핵심주제를설정하였음. 1) 예방중심안전활동, 2) 연구실안전점검, 3) 연구환경관리및건강검진 < 그림 12. 연구실안전관리이행계획 > 21C 무한경쟁시대에서과학기술은국가경쟁력의토대이며, 연구활동종사자는국가과학기술발전의중요한원동력임. 국가의근간이되는해당연구원들을보호하고, 보다선진화된연구환경을조성하기위하여, - 첫째, 예방중심의안전활동을추진 : 연구실에서발생될수있는사고에대한예방을최우선목표로설정하고, 지속적인안전교육, 비상사태대응훈련등을정기적으로수행할것임. 안전교육에대한기본매뉴얼은교육과학기술부에서운영하는연구실안전정보망을기반으로하며, 해당프로그램에서제공하는 e-러닝센터를적극적으로활용하여, 안전의식고취, 일상점검의생활화, 응급상황대처방안등에대한교육을지속적으로수행할것임. 또한, 화재등의비상사태에대비하여관련기관의협조를통한비상사태대응훈련등을정기적으로실시할것임. - 둘째, 정기적인안전점검을실시 : 안전점검이라함은경험과기술을갖춘전문가가육안또는점검기구등에의하여검사를실시함으로써연구실에내재되어있는위험요인을조사하는행위를말함. 연구실안전에대한정기점검은연 1회소속기관의주관하에실시함. 정밀안전진단은연구실에서발생할수있는재해를예방하기위하여잠재적위험성의발견과그개선대책의수립을목적으로실시하는조사평가를지칭하며, 이는연구실의환경변화에능동적으로대처하여자체적으로수행할것임. 일상점검은연구활동종사자가매일연구개발활동을하기전에연구개발활동에사용되는기계 기구 전기등의연구기자재에대한이상유무를수시로점검하는것을말함. 일상점검에포함되는적용범위는연구실에비치되어있는각종연구설비및장비를대상으로하며, 대상목록을작성하여주기적으로안전관리상태등을확인할것임. - 셋째, 연구환경의개선, 연구원에대한정기적인건강검진을실시 : 연구실에존재하는다양한유해요인으로부터연구활동종사자를보호하는것은국가의경쟁력과미래원동력을강화하기위해반드시수행되어야하는중요임무임. 연구원의건강보호를위하여연구실험실에어떤유해인자가존재

34 하는지파악하고, 우려되는유해인자를제거하거나최소화할수있도록연구환경에대한지속적인투자, 개선을이행할것임. 또한, 연구원에대한정기적인건강검진을통하여소음이나진동등의물리적유해인자, 지속적인컴퓨터작업등을통한인간공학적인자, 스트레스등을통한정신사회적인자등으로동반되는신체적정신적질병으로부터연구원들을보호할것임. - 이와같은연구실안전관리이행계획은연구실의안전환경을획기적으로개선하여, 선진연구환경으로도약하는계기로작용될것임. 또한, 과학우수인력및장비의손실을줄이고연구실에서이루어지는연구성과의제고를가능케할것임

35 제 10 장. 연구개발과제의대표적연구실적 번호 구분 ( 논문 / 특허 / 기타 ) 논문명 / 특허명 / 기타 소속기관명 역할 논문게재지 / 특허등록국가 영향력지수 논문게재일 / 특허등록일 사사여부 ( 단독사사또는중복사사 ) 특기사항 (SCI 여부 / 인용횟수등 ) 1 논문 Spatial prediction of flood susceptibility using random-forest and boosted-tree models in Seoul 한국환경정책 평가연구원 교신 Geomatic s, Natural Hazards and Risk 단독 SCI(E) 2 논문 Data Mining Approaches for Landslide 한국환 Susceptibility 경정책 Mapping in 평가연 Umyeonsan,Se 구원 oul, South Korea 교신 Applied Sciences 단독 SCI(E) 3 논문 환경공간정보및빅데이터중텍스트마이닝을활용한환경연구분석시스템 한국환경정책 평가연구원 제 1 국내특허 단독 - 4 논문 Development of the Korean Climate ChangeVulnera bility Assessment Tool 한국환경정책 평가연구원 교신 Sustainabi lity 중복 SCI(E) 5 논문 Research Trend Analysis of Geospatial Information in South Korea Using Text 한국환경정책 평가연구원 교신 Journal of Sensors 중복 SCI(E)

36 제11장. 기타사항 2000년대들어자연재해는단일원인 ( 집중호우등 ) 에의한발생이복합적자연재해 ( 산사태및침수등 ) 로발현하는형상으로진행되고있으며, 대표적인사례가 2014년 8월부산집중호우로인한산사태및침수, 2011년 7월서울우면산산사태및강남역침수, 2017년 7월청주집중호우에의한침수, 2016년 2월및 2018년 1월제주도폭설로인한항공대란 임. 복합자연재해의직접적원인이되는것은집중호우, 폭설, 폭염및가뭄등과같은극단적기후사상이며, 극단적기후사항은기후변화등에의하여급진적및급격히증가할것으로전망됨 현자연재해의발생의기조가과거의단일원인단일피해에서복합적피해로변경되고있는상황에서국내외적으로복합자연재해발생원인, 피해현황및유사피해의장 단기시공간예측기법이부족함 본연구를통하여기술개발한빅데이터를활용한기후재해 ( 가뭄, 폭설및집중호우 ) 원인과현황상관관계분석, 인공지능 (Machine Learning-인공신경망 ) 기반미래기후재해예측기법을활용하여복합자연재해에대한장 단기시계열피해예측이가능할것으로사료됨 특히, 기술적으로본연구를통하여개발한인공지능 (Machine Learning 및 Data Mining) 및빅데이터분석 (Text Mining) 기법을활용한기후재해관련추가응용연구가필요할것으로사료됨

37 제12장. 참고문헌 - 국가과학기술심의회 (2014), 재난대응과학기술역할강화 3개년실천전략 ( 안 ), 관계부처합동. - 국가과학기술심의회다부처공동기술협력특별위원회 (2015), 재난과학기술개발 10개년로드맵 ( 안 ), 관계부처합동. - 국가과학기술심의회미래성장동력특별위원회 (2015), 미래성장동력종합실천계획 ( 안 ), 관계부처합동. - 국정기획자문위원회 (2017), 문재인정부국정운영 5개년계획. - 기상청 (2013), 기상기술정책 ( 빅데이터활용기상융합서비스 ). - 산업통산자원부부도자료 ( ), "6개에너지新시장창출로 2017년까지 1만개이상일자리창출 -Albers, S. J., Déry, S. J., and Petticrew, E. L.(2016), Flooding in the Nechako River Basin of Canada: A random forest modeling approach to flood analysis in a regulated reservoir system. Canadian Water Resources Journal/Revue canadienne des ressources hydriques, 41(1-2), Baldelli, P., Aleotti, P., and Polloni, G.(1996), Landslide susceptibility numerical mapping at the Messina Straits crossing site, Italy. Paper presented at the Proceedings of the VIth ISL, Trondheim, Norway. -Blanco-Vogt, A., and Schanze, J.(2014), Assessment of the physical flood susceptibility of buildings on a large scale conceptual and methodological frameworks. Natural Hazards and Earth System Sciences, 14(8), Chini, M. et al.,(2014), Flood hazard mapping combining high resolution multi-temporal SAR data and coarse resolution global hydrodynamic modelling. Paper presented at the 2014 IEEE Geoscience and Remote Sensing Symposium. -Coltin, B. et al.,(2016), Automatic boosted flood mapping from satellite data. International Journal of Remote Sensing, 37(5), Dahal, R. K. et al.,(2008), Predictive modelling of rainfall-induced landslide hazard in the Lesser Himalaya of Nepal based on weights-of-evidence. Geomorphology, 102(3), Dai, F., and Lee, C.(2002), Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology, 42(3), Devkota, K. C. et al.,(2013), Landslide susceptibility mapping using certainty factor, index of entropy and logistic regression models in GIS and their comparison at Mugling Narayanghat road section in Nepal Himalaya. Natural hazards, 65(1), European Commission, A European research and innovation Roadmap for Climate Services(2015), European Commission Publication. -Grimaldi, S. et al.,(2013), Flood mapping in ungauged basins using fully continuous hydrologic hydraulic modeling. Journal of Hydrology, 487, IPCC(Intergovernmental Panel on Climate Change)(2014), Fifth Assessment Report: Climate Change 2014 impacts, adaptation and vulnerability, Cambridge University Press. -IPCC(Intergovernmental Panel on Climate Change)(2012), SREX(Special Report Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation) Report, Cambridge University Press. -Masood, M., and Takeuchi, K.(2012). Assessment of flood hazard, vulnerability and risk of

38 mid-eastern Dhaka using DEM and 1D hydrodynamic model. Natural hazards, 61(2), Morelli, S., Battistini, A., and Catani, F.(2014), Rapid assessment of flood susceptibility in urbanized rivers using digital terrain data: Application to the Arno river case study (Firenze, northern Italy). Applied Geography, 54, Munich 2011, Munich Re Group Annual Report, Münchener Rückversicherungs. -Papaioannou, G., Loukas, A., and Georgiadis, C The effect of riverine terrain spatial resolution on flood modeling and mapping. Paper presented at the First International Conference on Remote Sensing and Geoinformation of Environment. -Rahmati, O., Pourghasemi, H. R., and Zeinivand, H.(2016), Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International, 31(1), Tehrany, M. S. et al.,(2015). Flood susceptibility assessment using GIS-based support vector machine model with different kernel types. Catena, 125, United Nations Office for Disaster Risk Reduction (UNISDR)(2011), Global assessment report on disaster risk reduction, United Nations Publication. -Wang, Y., Li, Z., Tang, Z., and Zeng, G.(2011), A GIS-based spatial multi-criteria approach for flood risk assessment in the Dongting Lake Region, Hunan, Central China. Water resources management, 25(13), Wang, Z. et al.,(2015), Flood hazard risk assessment model based on random forest. Journal of Hydrology, 527, Youssef, A. M., Pradhan, B., and Hassan, A. M.(2011), Flash flood risk estimation along the St. Katherine road, southern Sinai, Egypt using GIS based morphometry and satellite imagery. Environmental Earth Sciences, 62(3), Zerger, A.(2002), Examining GIS decision utility for natural hazard risk modelling. Environmental Modelling & Software, 17(3),

39 주의 1. 이최종보고서는국토교통부에서시행한국토교통기술촉진연구사업의연구보고서입니다. 2. 이최종보고서내용을발표하는때에는반드시국토교통부에서시행한사업의연구개발성과임을 밝혀야합니다. 3. 국가과학기술기밀유지에필요한내용은대외적으로발표또는공개하여서는안됩니다