Potential Flood Risk Analysis Considering Climate Change Impact

이 연구는 다중 머신러닝 기법을 활용하여 기후변화의 영향으로 인한 홍수 리스크를 평가하고, 기후변화 시나리오에 기초한 미래의 홍수 리스크를 예측해 보고자 하였다. 특히, 장래 홍수 리스크 예측 방법으로 머신러닝 기법의 유용성을 검증하는 것이 이 연구의 목적이다. 이를 통해 홍수 리스크 예측력을 높일 수 있는 방안 마련과 국가적으로 기후변화 적응대책 수립 시 필요한 기초 자료를 제시하고자 하였다. 이를 위해 3가지의 머신러닝 기법 (NB, kNN, RF)를 각각 사용해 폭우 발생이 많았던 충청북도 청주시 일부지역을 대상으로 홍수 리스크를 예측하고, 지역기후모델(RCMs)과 기후변화 시나리오(RCP 4.5, 8.5)별 미래의 잠재적 홍수 리스크를 측정하였다. 분석결과, 머신러닝 기법 중 RF 결과(AUC: 0.616)가 가장 좋은 홍수 리스크 예측력을 보인 것으로 나타났다. 그리고 기후 변화 시나리오 별 홍수 리스크 예측 결과, 미래의 불확실성을 감안하더라도 시간이 흐를수록 홍수 리스크가 점증하고, 특히 온실가스 감축 정책이 실패할 경우(RCP 8.5) 홍수 리스크가 확연히 커지는 것을 확인하였다.

In the present study, we used multiple machine learning methods to assess flood risks caused by the effects of climate change and predict future flood risks based on climate change scenarios. In particular, we aimed to verify the usefulness of machine learning algorithms as a tool to predict future flood risks. Through this analysis, we sought to provide fundamental data for preparing plans to improve flood risk predictions and establishing climate change adaptation measures. To this end, we used three machine learning algorithms (naïve Bayes, k-nearest neighbor, and random forest) to predict flood risks in certain areas of Cheongju, Chungcheongbuk Province, South Korea, where heavy rain occur frequently, and assessed future flood risk for each regional climate model and climate change scenario (Representative Concentration Pathway [RCP] 4.5 and 8.5). RF (AUC: 0.616), among all machine learning algorithms tested, achieved the best flood risk predictive performance. Furthermore, for each climate change scenario, the models confirmed a gradual increase in flood risk over time, even when the uncertainty of the future is considered. In particular, if the greenhouse gas mitigation policy fails (RCP8.5), the flood risk will increase significantly.