Diagnosing Spatial Disparities in Urban Flood Burden through Hydro- Environmental Normalization in Jakarta, Indonesia

대홍수 탐정 게임

어떤 동네는 폭우가 쏟아질 때 물에 잠기는 반면, 어떤 동네는 왜 멀쩡한지 알아내려고 노력한다고 상상해 보세요. 과학의 세계에서 이것을 "도시 침수 평가(urban flood way assessment)"라고 부릅니다. 보통 과학자들은 두 가지 주요 요소를 살펴봅니다: 위험 요소(hazard)(얼마나 많은 비가 내렸는지 또는 강 수위가 얼마나 높아졌는지)와 노출(exposure)(그곳에 얼마나 많은 사람이 살고 있는지)입니다. 이것은 마치 파도의 크기를 확인하고 수영하는 사람의 수를 세는 것과 같습니다. 파도가 거대하고 인파가 많다면, 우리는 재난이 막대할 것이라고 가정합니다.

하지만 여기에 까다로운 부분이 있습니다. 때로는 거대한 파도가 사람이 거의 없는 곳을 덮쳐서 "재난"이 작게 느껴지기도 합니다. 반대로, 중간 크기의 파도가 북적이는 동네를 덮치면 혼란은 엄청나게 커집니다. 이 논문은 영리한 질문을 던집니다: 우리가 목격한 실제 난장판이 날씨와 지형을 고려했을 때 예상되는 것보다 더 큰가, 아니면 더 작은가? 이 질문에 답하기 위해 연구진은 "관측-기대 진단(observed-expected diagnostics)"이라는 방법을 사용합니다. 이것은 마치 선생님이 시험지를 채점하는 것과 같습니다. 만약 어떤 학생이 매우 어려운 시험에서 90%를 받았다면, 그것은 놀라운 일입니다. 하지만 다른 모든 학생이 99%를 받은 시험에서 90%를 받았다면, 그 학생은 공부를 충분히 하지 않았을지도 모릅니다. 이 논문은 자카르타의 동네들을 단순히 얼마나 젖었느냐가 아니라, 날씨와 지면 조건이 그래야 한다고 말하는 수준과 비교했을 때 얼마나 젖었느냐를 기준으로 채점하려고 합니다.

자카르타의 홍수 탐정 이야기

복잡하고 저지대에 위치한 인도네시아 자카르타에서 홍수는 폭우, 해수면 상승, 지반 침하, 그리고 붐비는 거리들이 뒤섞인 복잡한 문제입니다. 연구진인 리프키 후사이니(Rifky Husaini), 페르디난(Perdinan), 노빈드라(Novindra)는 하나의 미스터리를 풀고 싶어 했습니다: 왜 어떤 동네는 날씨가 비슷함에도 불구하고 다른 곳보다 더 고통받는가? 그들은 단순히 물이 어디로 흘러갔는지를 지도화하는 것을 넘어, 물이 사람을 덮칠 때 발생하는 부담(burden)(물로 인해 발생하는 문제)이 유독 높은지 혹은 낮은지를 알고 싶었습니다.

이를 위해 그들은 HNFBDev(Hazard-Normalized Flood Burden Deviation, 위험 정규화 홍수 부담 편차)라는 새로운 도구를 만들었습니다. 로봇 이름처럼 들리지만, 사실 이것은 단순한 "기대치 vs 현실" 체크기입니다. 그들이 게임을 수행한 방식은 다음과 같습니다:

1단계: "기대" 점수
먼저, 그들은 자카르타의 "홍수 성격"에 대한 디지털 모델을 구축했습니다. 그들은 강우량, 지형의 경사도, 해안과의 거리, 지반 침하 정도, 그리고 건물의 수를 살펴보았습니다. 이러한 재료들을 바탕으로, 그들은 홍수 부담이 어떠해야 하는지를 계산했습니다. 만약 어떤 동네가 해안 바로 옆에 있고 지반이 침하하고 있다면, 모델은 "당신은 많은 고통을 겪을 것으로 예상됩니다"라고 말합니다. 만약 어떤 동네가 높은 곳에 있고 강에서 멀리 떨어져 있다면, 모델은 "당신은 아주 적은 고통을 겪을 것으로 예상됩니다"라고 말합니다.

2단계: "관측" 점수
다음으로, 그들은 실제로 무슨 일이 일어났는지 살펴보았습니다. 위성 눈(구름을 뚫고 볼 수 있는 특정 Sentinel-1 레이더)을 사용하여 2020년부터 2024년 사이의 주요 홍수를 추적했습니다. 그들은 단순히 물의 양을 센 것이 아니라, 물속에 서 있는 사람들을 셌습니다. 그들은 침수 지역의 위성 사진을 사람들이 사는 지도와 결합하여 "부담 점수"를 만들었습니다.

3단계: 대공개 (편차)
마지막으로, "기대" 점수에서 "관측" 점수를 뺐습니다.

• 양(+)의 점수: 해당 동네가 날씨와 지형이 예측한 것보다 더 많은 고통을 겪었습니다.
• 음(-)의 점수: 해당 동네가 예측된 것보다 적은 고통을 겪었습니다.
• 0점: 해당 동네가 정확히 예상했던 대로의 상황을 겪었습니다.

그들이 발견한 것

결과는 매우 흥-미로웠으며, 자카르타의 홍수 이야기가 단순히 "비 + 사람 = 재난"이라는 공식보다 훨씬 더 복잡하다는 것을 보여주었습니다.

날씨는 일부를 설명하지만, 전부는 아니다
연구진은 "홍수 성격"(수문-환경적 강제력)이 부담을 예측하는 데 어느 정도 역할을 한다는 것을 발견했습니다. 이것은 동네 간의 차이를 약 22.8% 설명했습니다. 이는 비와 침하하는 지반이 중요하긴 하지만, 그것이 이야기의 전부를 말해주지는 않는다는 것을 의미합니다. 여전히 많은 미스터리가 남아 있습니다.

"높음-높음" 핫스팟
"양의 점수"(예상보다 더 많은 고통을 겪은 곳)를 가진 지도는 무작위가 아니었습니다. 특히 자카르타 북부와 중부에 큰 클러스터(군집)를 형성했습니다. Tangki, Kota Bambu Utara, Jembatan Besi, Duri Selatan, Duri Utara 지역은 3.56에서 3.83 사이의 가장 높은 "편차" 점수를 기록했습니다. 이 지역들은 날씨와 지형만으로는 설명할 수 없을 정도로 훨씬 더 심한 타격을 받고 있었습니다.

"낮음-낮음" 쿨 존(Cool Zones)
반대로, 남부와 서부의 일부 지역은 "음의 점수"를 보였습니다. 이 동네들은 예상보다 적은 고한을 겪었습니다. 이는 이 지역들이 훌륭한 배수 시스템이나 더 나은 보호 시설을 갖추고 있거나, 혹은 위성이 그곳의 물을 놓쳤을 가능성을 시사합니다.

패턴은 실재한다
연구진은 이 패턴이 수학적 오류인지 확인하기 위해 검증했습니다. 그들은 재료들의 가중치를 변경하며(강우량의 중요도를 높이거나 지반 침하의 중요도를 높이는 등) 실험했고, 결과는 거의 동일하게 유지되었습니다. 상관관계는 믿기 힘들 정도로 높았습니다(표준 가중치 적용 시 0.990, 동일 가중치 적용 시 0.970). 이는 이 동네들의 "추가적인 고통" 혹은 "추가적인 행운"이 수학적 실수가 아니라 실제 물리적인 현상임을 시사합니다.

이것이 의미하는 바 (그리고 의미하지 않는 것)

저자들은 이 도구가 무엇이 아닌지를 매우 신중하게 밝히고 있습니다. 그들은 높은 점수가 결코 지방 정부가 무능하다거나, 인프라가 망가졌다거나, 혹은 주민들이 취약하다는 것을 의미하지 않는다고 명시했습니다. 또한 이것은 왜 부담이 높은지에 대해서도 알려주지 않습니다. 단지 그 동네를 "수상하다"고 표시할 뿐입니다.

HNFBDev를 연기 감지기라고 생각해보세요. 경보가 울린다고 해서 불이 났는지, 토스트가 탔는지, 아니면 뜨거운 샤워 증기 때문인지는 알려주지 않습니다. 그것은 단지 "이봐, 여기서 평소의 규칙과 맞지 않는 무언가가 일어나고 있어!"라고 알려줄 뿐입니다.

이 논문은 이러한 "높음-높음" 클러스터가 우리가 더 자세히 들여다봐야 할 곳임을 시사합니다. 아마도 숨겨진 배수 병목 구간, 막힌 강, 혹은 물을 가두는 특정한 건물 배치 등이 있을 수 있습니다. "낮음-낮음" 지역은 지역 방어 체계가 잘 작동하고 있거나, 혹은 위성이 물을 제대로 포착하지 못했을 수도 있는 곳입니다.

핵심 요약

이 연구는 홍수 지도를 바라보는 새로운 방식을 제공합니다. 단순히 "이 지역은 젖었다"라고 말하는 대신, 이제 우리는 "이 지역은 비와 지면 조건을 고려했을 때 있어야 할 것보다 더 젖어 있다"라고 말할 수 있습니다. 이 "관측-기대" 탐정 작업을 통해, 도시 계획가들은 추측을 멈추고 홍수 부담이 이상하게 나타나는 특정 동네를 집중적으로 조사하기 시작할 수 있습니다. 이것은 전체 미스터리를 한 번에 해결하는 도구가 아니라, 단서를 찾는 도구입니다. 저자들은 이것이 실제 전문가들이 조사할 우선순위를 정할 수 있도록 돕는 스크리닝(선별) 도구임을 강조하며, 이를 통해 홍수 부담이 정말로 이례적인 곳에 자원이 투입될 수 있도록 합니다.