Typhoon Damage Function의 개발 위 표와 같이, 재해 발생회수로는 호우가 45%로 가장 많은 비중을 차지하지만, 태풍이 피해액과 피 해복구비에서 각각56%, 53%로 가장 많은 비중을 차지함을 알 수 있다. 이는 태풍이 우리나라에 많은 금전적 손해를

Size: px

Start display at page:

Download "Typhoon Damage Function의 개발 위 표와 같이, 재해 발생회수로는 호우가 45%로 가장 많은 비중을 차지하지만, 태풍이 피해액과 피 해복구비에서 각각56%, 53%로 가장 많은 비중을 차지함을 알 수 있다. 이는 태풍이 우리나라에 많은 금전적 손해를 "

주미 애
8 years ago
Views:

1 Hot Issue 핫 이슈 Typhoon Damage Function의 개발 1. 서론 김 지 명 GLCC 매년 기후 변화에 따른 기상 이변은 재앙으로 일 컬어 질 만큼 피해 규모가 커지고 있다. 최근 10년의 사례로 보면, 5조원이 넘는 재산 피해를 낸 2002년 태풍 루사를 시작으로 강풍과 호우를 동반 한 2003 년 태풍 매미, 2004년과 2005년의 기록적인 폭설 그리고 2006년 호우 등 자연재해는 그 빈도와 강도 가 강해 지고 그 피해 또한 증가하고 있다. 해외에 서는 2005년 미국 남동부를 강타한 허리케인 카트 리나, 2011년 태국 홍수, 2011년 일본 북동부 태평 양 연안에 발생한 강진과 쓰나미, 2012년 미국 동부 해안을 강타한 허리케인 샌디 등은 천문학적인 물 적ㆍ인적 피해를 주었다. 이는 자연재해에 의한 피 해는 우리 나라 만의 문제가 아닌 전 지구적인 피해 가 계속되고 있음을 알 수 있다. IPCC 보고서 (2007년)에 의하면 지난 100년간 산 업화의 결과로 지구 평균기온이 약 0.6도 상승했으 며, 한국은 0.9도 높은 1.5도가 상승했다고 발표하 였다. 이러한 기온 상승은 지구생태 시스템을 무너 뜨려 극단적인 이상 기후의 발생 빈도와 강도가 높 아 질 것으로 전망하고 있다. 이에 태풍과 같은 자연 재해는 계속 증가 할 것으로 예상되므로 그에 대한 대책마련이 시급하겠다. 따라서 본고에서는 태풍으 로 발생하는 금전적 피해의 저감과 대책을 위해 피 해액을 예측하기 위한 방안을 제시하고자 한다. 2. 자연재해 피해 발생 현황 소방방재청에서는 매년 국내 기후 변화 및 자연 재해 피해 등을 분석하고자 자연재해로 발생한 인명 피해, 피해액, 복구비등의 집계 자료를 발행하고 있 다. 이를 바탕으로 최근 10년간 (2003~2013년) 자 연 재해로 발생한 피해액과 피해 복구비는 다음과 같다. 표 1. 10년간 자연재해 피해 현황 (2003~2012) 원인 발생회수 피해액 평균 피해액 피해복구비 평균 피해복구비 태풍 % 7,893 56% ,750 53% 46.2 호우 % 4,443 31% ,053 38% 28.7 대설 84 12% 1,705 12% ,135 9% 22.7 기타 16 2% 155 1% % 5.5 계 % 14, % - 24, % - Source) 소방방재청 재난연보 피해액은 2012년도 환산 가격기준 (십억원) 66 물과 미래

2 Typhoon Damage Function의 개발 위 표와 같이, 재해 발생회수로는 호우가 45%로 가장 많은 비중을 차지하지만, 태풍이 피해액과 피 해복구비에서 각각56%, 53%로 가장 많은 비중을 차지함을 알 수 있다. 이는 태풍이 우리나라에 많은 금전적 손해를 줌을 보여 주고 있다. 3. 기존 모델의 문제점 Risk Management Solution (RMS), EQECAT, and Applied Insurance Research (AIR)의 태풍 피해 예측 모델들은 전세계적으로 재보험과 보험 업계에서 standard pricing methodology로 여겨 지고 있다 (Sanders et al., 2002; Kunreuther et al., 2004). 그러나, 연간 사용료가 수억 원에 이를 만큼 비싸고, 제한적인 국가에 한해서만 적용이 가 능하다. 더욱이, 기존 모델 사에서도 독자적인 재 난 피해 모델을 갖추기를 추천하고 있다. 그 이유 로는, 각 회사 마다 다른 portfolio, 자본금액, 리스 크, business preferences을 가지고 있기 때문이다. 아울러, 기존 모델들의 결과에 대해서 validation 하고 결과에 대해optimistic, pessimistic, 혹은 conservative 한지 판단 할 수 있는 독자적인 모델 이 필요하다. 또한, Federal Emergency Management Agency (FEMA)와 National Institute of Building Sciences (NBS)는 여러 가지 취약성 지표를 사용하 여 허리케인과 지진의 피해를 예측하는 HAZUS- Multi Hazard(MH)를 만들었다 (Lowther, 2008). 플로리다 주에서도 여러 가지 취약성 지표와 기후 인자들을 사용하여 Florida Pubic Hurricane Loss Model (FPHLM)를 개발하였다. 그러나, 이 둘 모 델은 한국지형에 대해서는 전혀 고려되지 않았으며, 보험에 관련하여서는 전혀 다루지 않고 있다. 이에 당사에서는 독자적인 태풍 피해 모델을 개발 하여, 고객 사에 정량적 피해 예측 및 위험 평가 서 비스를 제공하고 태풍 피해 예방 및 저감을 위한 종 합적인 태풍 피해 예측 모델을 개발하였다. 표 2. 태풍 피해 예측 모델들 Models AIR, EQE, RMS HAZUS-MH & FPHLM Details - 강풍과 홍수에 집중 - Catastrophe zone & 물건 별 Probable Maximum Loss (PML산출) - 일부 노출도 & 취약성지표 포함 - 고비용 대비 정확성 검증 미흡 - 다양한 지표 사용 - Construction Type별 피해 산출 - 우리 나라에 적용하기 힘듬 - 보험에 적용하기 힘듬 4. 태풍 피해 예측 모델 4.1. 모델의 구성 태풍 피해 예측 모델은 태풍 피해 함수와 풍속- 피해 빈도 곡선으로 구성되었다. 태풍피해함수는 태풍으로 인한 피해 규모를 산출하고, 풍속-피해 빈도 곡선은 태풍 경로에서 발생하는 피해의 빈도 를 산출한다. 아래 Equation 1과 같이, 예측 손실 률(손실/보험가입 액)은 함수와 빈도 곡선의 곱으로 산출한다. VOL. 47 NO

3 Hot Issue 핫 이슈 Typhoon Damage Function의 개발 예측 손실율 = 태풍피해함수 풍속-피해빈도곡선 (Equation 1) 4.2 태풍 피해 함수 피해 함수는 지난 5년간(08 ~12 년) 당사에서 발생한 물건 타입 별 (Industrial, Commercial, Residential) 태풍 피해 손실 데이터와 David Crichton s Risk Triangle (1999)에 따라 다양한 카 테고리의 지표들을 사용하여 설명력을 높였다. 지표 들로는 사고 당시의 태풍 지표, 사고 물건들의 취약 성 지표, 노출도 지표가 사용되었으며 다중 회귀 분 석을 통하여 분석하였다. Variables Variables Detail Independent 태풍 노출도 건물 취약성 구조적 취약성 강우량, 태풍 기압, 풍속 (3개) 해발고도, 태풍중심과의 거리, 강과의 거리 등 (4개) 가입면적, TSI, 층수, 풍수해 등지, 건물구조급수 등 (11개) 건물 구조물별 (기둥, 지붕, 외벽) 구성 (11개) Dependent 피해율 손실액 / 보험가입 액 (%) 손실액의 분포 분석에 사용된 손실액의 분포는 아래 그림 1과 같다. 태풍과 손실액 분포 (2008~2012년) 태풍 곤파스 (09월, 2010년) 68 물과 미래

4 Typhoon Damage Function의 개발 태풍 무이파 (08월, 2011년) 태풍 뎀빈 (08월, 2012년) 태풍 볼라벤 (08월, 2012년) 태풍 산바 (09월, 2012년) 그림 1. 태풍 별 손실액의 분포 분석 절차 분석 절차는 우측 그림과 같다. 첫째로, 손실액과 취약 지표의 다중 회귀 분석을 통하여 전국 규모의 피해 예측 함수를 만든 후, 각 Catastrophe zone 별 태풍 Vulnerability Factor를 사용하여 지역별 피해 예측을 하였다. 개발 된 예측 함수는 태풍 매미로 발 생한 피해 데이터를 통해 검증 및 조정되었다. 재현 주기 별, 물건 별 Probable Maximum Loss (PML) 산출을 위하여 Value-at-Risk (VaR)기법을 사용 하였다. - 전국 규모의 피해 예측 함수 - 각 Cat. zone 별 태풍 Vulnerability Factor를 사용한 피해 예측 - 태풍 매미를 통한 검증 및 조정 - Value-at-Risk (VaR)을 사용한 재해주기 별 PML 산출 그림 2. 분석 절차 VOL. 47 NO

5 Hot Issue 핫 이슈 4.3 풍속-피해 빈도 곡선 5. 모델 검증 풍속-피해 빈도 곡선은 지난 5년간(08 ~12 년) 발생한 태풍과 태풍 매미, 루사로 인해 당사에서 발생한 손실액과 당사 포트폴리오를 태풍 피해 함 수에 대입하여 얻은 예측 손실액을 비교하여, 풍속 별 피해 발생률을 산출하였다. 모델 검증을 위하여 태풍 매미로 발생한 손실 데 이터가 사용되었다. 아래 표와 같이, 모델을 통해 예측된 손실액들은 실제 태풍 매미로 발생한 실제 손실액과 유사했으며, 타사 피해 예측 결과와의 비 교를 위해 AIR사의 예측 손실액과 비교하였다. 표3. 태풍 매미의 예상 손실액 Loss 1, 손실액 태풍 매미로 인한 실제 원수 손실액: (십억원, 2013년 기준) AIR사에서 발표한 한국을 관통한 세 개 슈퍼 태 풍의 예측 오차는 약 ±10%이 었다. AIR에서는 태 풍 매미를 50년 빈도의 태풍으로 보기 때문에 자 사 모델의 50년 빈도 값과 비교한 결과 예측 오차 -7.4%으로 AIR사 보다 작은 것으로 나타났다. 표4. 예측 오차 비교 (Vs. AIR) Model AIR Worldwide SFMI Model ( 50) Typhoon Typhoon Thelma Typhoon Rusa Typhoon Maemi Typhoon Maemi 예측오차 (%) Source: AIR s Typhoon Models for the Asia-Pacific Region (2009년) 6. 결론 최근 지구 온난화와 기후 변화에 따른 기상 이 변으로 인해 인적, 물적 피해가 급증하고 있다. 이 에 최근 5년간 (2008~2012년) 발생한 태풍 피해액 과 다양한 취약성 지표를 분석하여 태풍 Damage Function을 개발하였다. 이 모델을 통하여 국내에 서 가장 큰 피해를 주는 자연 재해의 피해액을 예측 함으로써, 자연 재해 리스크의 정량화 및 그에 대응 하는 신속한 의사 결정이 가능하게 되었다. 아울러, 신속한 portfolio 업데이트 및 유지보수를 통하여 예측력 증대 및 독립적 위험 평가 시스템을 갖추게 되었다. 그러나, 지구 온난화로 인해 한반도 주변 해역의 해수 온도가 지속적으로 상승하고 있어, 태풍의 풍 속 및 강수량이 극 값 증가와 중심 기압 감소가 예 상되므로 향후 기후 변화를 고려한 태풍 피해 예측 에 관한 연구가 필요하겠다. 70 물과 미래

6 Typhoon Damage Function의 개발 참고문헌 Lowther, J. L.: Application of the HAZUS-MH Risk Assessment Tool in Planning for Continuity of Operations. Arkansas Tech University, Sanders, D. E. A., Brix, A., Duffy, P., Forster, W., Hartington, T., Jones, G., Wilkinson, M.: The management of losses arising from extreme events. In Convention General Insurance Study Group GIRO, London, VOL. 47 NO

2 Journal of Disaster Prevention

VOL.13 No.4 2011 08 JOURNAL OF DISASTER PREVENTION CONTENTS XXXXXX XXXXXX 2 Journal of Disaster Prevention 3 XXXXXXXXXXXXXXX XXXXXXXXXXXXXX 4 Journal of Disaster Prevention 5 6 Journal of Disaster Prevention