서론
최근 30년간 우리나라의 연평균 기온은 0.1-0.5°C 상승하여 지 구 온난화가 진행되고 있으며(Yun and Lee, 2001), 기후 변화 정 부 간 패널에서도 지구의 온도가 매 10년마다 0.1-0.2°C 상승하여 향후 100년간 지구 평균 기온이 최대 5.8°C까지 상승할 것이라는 예측 결과를 제시하였다(IPCC, 2001). 20세기에는 온난화, 여름 일수 등 고온과 관련된 기후 지수 발생 빈도가 증가하였으며(IPCC, 2007), 기온 상승은 자연 생태계와 인간의 건강과 사회 경제적 활 동에 매우 큰 영향을 미치며, 특히 농작물의 분포, 생육 및 생산에 다 양한 영향을 미친다(Yun and Lee, 2001; Lee and Lee, 2003).
최근 기후 변화에 대한 농작물 생산성에 관한 연구들은 지역 및 지구적 규모 관점에서 국내 ․ 외적으로 많이 연구되었다(Sinclair and Seligman, 1996; Singh and Padilla, 1995; Yoshino, 1988; Lee et al., 1991; Yun and Lee, 2001; Yun et al., 2001; Sim et al., 2003; Park et al., 2006). 이러한 연구 중에서 Yun and Lee(2001) 는 기온과 일조 조건이 작물 생산성에 큰 영향을 미친다고 하였으 며, Yun et al.(2001)은 향후 기후 변화에 의해 제주도는 아열대 기 후가 될 것으로 전망하였다. Shim et al.(2003)은 기후 변화에 따른 농업 기상 재해를 유형별로 분석하였으며, 동시에 지역별 현황 파 악과 대책 마련이 시급하다고 하였다.
기후 변화의 주요 현상인 온난화의 진행에 따라 재배지의 북상, 노지 월동 작물의 생육 부진과 추대 발생으로 수량과 상품성 저하 는 물론 경쟁력 약화가 예상된다. 또 원예작물 재배지 변동, 생육 변 화, 품질 변화가 불가피할 것이며, 이상 저온에 의한 피해도 회피할 수 없을 것으로 생각된다. 이렇게 기후 변동성이나 극단적인 기상 현상을 포함하는 기후 변화의 악영향에 대하여 어떤 시스템이 받아 들일 수 없는 정도, 혹은 대처할 수 없는 정도를 기후 변화 취약성이 라고 한다(Füsel and Klein. 2006). 기후 변화 취약성은 지역별로 기후 변화의 영향에 저항하고 자율적으로 적응하는 능력과 각각의 생태계와 인간 사회의 역량에 따라 달라지므로 모든 지역에서 공통 적으로 나타나지 않으며(Smith and Wandel, 2006), 대응 전략에 도 차이가 있으므로, 취약성 평가는 취약성이 큰 부문과 지역(장소) 을 중심으로 적응 전략 수립이 바람직하다(Füsel and Klein. 2006).
이에 본 연구는 온난화에 따른 재배지 북상으로 기존의 온대성 채소류의 경쟁력 약화가 예상되고 있는 가운데 전국 점유율이 높으 며 월동 작물인 마늘을 대상으로 전국 광역 및 시군 지자체별 기후 자원, 민감성에 해당되는 농업 자료와 기후 변화에 적응 및 대처할 수 있는 행정 자료를 수집하여 재배 지역별 취약성 평가를 실시하 였다. 동시에 전국 광역 및 지자체 시군별 10년간 기후 자료, 농업 자료 및 행정 자료를 바탕으로 세부 항목별 기후 변화, 민감도 및 적 응 능력에 관한 대용 변수 목록을 선정하여 현재 및 미래 시나리오 별 취약성을 평가함으로써 기후 변화 대응책 마련에 필요한 기초 자료 수립차원에서 연구를 실시하였다.
연구방법
1. 마늘의 기후변화 취약성 평가지표 및 지수 개발
전국 시도별 자동기상관측장비(AWS, Automatic Weather System) 및 우량 관측소 자료를 활용해서 2001-2010년의 232개 시군별 최고, 최저 평균기온, 강수량, 일조 시간, 적설량, 토양 온도 등의 자료를 수집하였다. 취약성 평가를 위한 지수들은 Jhon and Norah(2007)의 문헌을 참고하여 마늘의 기후변화 노출 지수, 민감 도 지수 및 적응능력 지수에 관한 항목을 조사하고 평가 지표를 선 정하기 위해 현재의 기후 변화에 주요한 영향 변수를 선정하고 세 부 항목, 대용 변수 및 영향력이 큰 정도를 나타내는 가중치를 선정 하고 델파이 조사를 통해 기후 노출, 민감도 및 적응 능력의 카테고 리 내의 세부 대용 변수에 대한 가중치를 전문가 회의를 통해 도출 시켰다.
선정된 기후노출 지수는 12-2월 일평균 기온(°C), 9-10월 일평 균 기온이 11°C 이하인 날의 횟수(회), 4-6월 일평균기온이 13°C 이하인 날의 횟수(회), 일 최고 기온이 30°C 이상인 날의 횟수(회), 일 최고 기온이 33°C 이상인 날의 횟수(회), 일 최저 기온이 영하인 날의 횟수(회), 9-10월 일 최저 기온이 11°C 이하인 날의 횟수(회), 9-10월 일 최저 기온이 14°C 이하인 날의 횟수(회), 9-11월 강수량 (mm), 적설량이 20cm 이상인 날의 횟수(회) 및 토양온도 10cm (°C)가 선정되었고 민감도 지수로는 2001년, 2005년 및 2010년도 의 마늘 재배 면적(ha)과 마늘 생산량(M/T)을 조사하였다. 적응 능 력 지수는 재정자립도(%), 지역내 총생산(GRDP(백만원) (2010 년 당해연도 기초가격), GRDP 농림어업 (2010년 당해연도 총 부 가가치), 농경지 면적당 농기계 보유 대수(대/ha), PC활용 농가 수/ 총 농가 수, 농경지 면적당 농업 인구수(명/ha), 경지 면적당 정비사 업관계 직원(명/ha), 도로면적 비율(%) 및 트랙터+경운기 보유대 수(대)를 조사하여 이용하였다.
2. 마늘 최종 기후변화 영향 및 취약성 평가
기후 변화 노출, 민감도 및 적응 능력 지수의 자료 수집은 국립환 경과학원의 지리정보 시스템(GIS; Geographic information system) 기반 기후 인자 인터페이스 프로그램(CCGIS v3.1, 2011)을 가동 하여 A1B시나리오에 따라서 현재 시점은 2000년에서 2010년까 지를, 미래시점은 2020, 2050, 2100년을 각각 선정하였고 공간적 범위로서 전국 16개 광역시도 및 232개 시군구를 범위로 정하였다.
작목별 취약성 지수의 산정을 위해 취약성이 높은 것으로 알려 진 마늘을 선정하였다. 대용 변수 즉, 기후 노출, 민감도 및 적응 능 력을 평가 식에 도입하고 연산하기 위해 다양한 특성을 가진 대용 변수들의 실제 값들을 표준화하는 과정을 거쳤다. 일단, 대용 변수 들을 0-1의 범위를 갖는 값으로 표준화 하였고, ‘표준화 식 =(대상 대용 변수의 값 - 대상 대용변수 값 중 최소 값) / (대상 대용 변수의 최대값 - 대상 대용변수 값 중 최대값)’에 의했으며, 대용 변수로 선 정된 기후노출, 민감도 및 적응 능력은 “취약성 지수 = (αx 기후노 출지수) + (βx 민감도 지수) - (γx 적응능력)” 식을 통해 취약성 지 수를 산출하였는데, 이 때 α, β, γ는 가중치를 의미한 것이다. 전문 가 그룹으로부터 델파이 조사를 통해 기후노출, 민감도 및 적응 능 력의 카테고리 내의 세부 대용 변수에 대한 가중치를 도출하였고, 도출된 가중치를 적용하여 취약성 지수를 산출하였다(Myeong and Yi, 2009).
작물별 취약성 평가는 취약성 분포도 작성, 취약성 기여도 분석, 지자체별 취약성 평가지수, 취약성의 그룹화, 지자체간 비교 · 분석 하였고 시점별 취약성 평가는 현재시점과 미래 예측(2020, 2050, 2100년) 시점의 취약성을 평가하였다. 평가된 지수들은 최종 노출, 민감도, 적응 능력 및 취약성 지수 분포도를 각각 작성하는데 이용 하였고 취약성 등 지수에 대한 항목별 기여도, 지역별 순위와 지수 간, 대용 변수 간, 대용 변수와 지수 간의 상관분석을 통해 연관성을 검토하였다.
결과 및 고찰
1. 전국 지자체 시군별 마늘 생산성 관련 항목별 지수 및 취약성 평가
GIS기반 기후변화 적응도구(CCGIS)는 지자체단위 부문별 취 약성평가가 가능하도록 개선 ․ 보완한 것이다. 이 프로그램을 이용 하여 전국지자체별 마늘 생산성 관련 항목별 지수를 조사한 결과 기후 노출은 강원도 태백시, 인천광역시 옹진군, 강원도 정선군이 높았고, 전라남도 여수시, 부산광역시 사하구, 부산광역시 영도구 가 가장 낮게 나타났다(Table 1). 민감도 지수에서 전라남도 고흥 군, 제주특별자치도 제주시, 전라남도 신안군이 높았고, 경상남도 진해시, 경상남도 마산시, 경기도 의정부시, 경기도 남양주시, 경기 도 파주시가 낮게 나타났다. 적응 능력에서 경기도 안양시, 서울특 별시 강남구, 경기도 수원시가 높았고, 광주광역시 동구, 부산광역 시 서구, 부산광역시 영도구가 낮게 나타났다. 마늘 생산성의 취약 성 지수는 제주특별자치도 제주시, 전라남도 고흥군, 경상남도 창 녕군, 제주특별자치도 서귀포시, 전라남도 신안군이 각각 취약성 지수 0.92826, 0.92374, 0.85635, 0.82150, 0.81360으로 높았고, 경기도 안양시, 서울특별시 강남구, 영등포구, 서초구, 경상남도 진 해시가 각각 취약성 지수가 0.03990, 0.09540, 0.12412, 0.13194, 0.13546으로 가장 낮게 나타났다(Fig. 1).
Table 1.
Ranks in vulnerability of garlic productivity against climate change at 232 cities and counties in Korea.
Fig. 1.
Distribution (current) in climate exposure index, sensitivity index, adaptive capacity index and vulnerability index for garlic productivity.
광역시도별로 구분하여 본 결과 기후 노출 평균 지수는 강원도 가 가장 높았고 그 다음이 충청북도, 전라북도, 경기도, 충청남도 순 이었고 제주도가 가장 낮은 지수를 보였다(Table 2). 기후변화 민 감도 평균지수는 제주도가 가장 높은 지수를 보였고, 기후 변화 적 응 능력 평균지수는 경기도가 가장 높았고 그 다음이 경상남도, 경 상북도, 충청남도 순이었고 제주도와 강원도가 낮은 지수를 보였 다. 한편, 취약성 평균지수는 제주도가 가장 높았고 그 다음이 강원 도였고 경기도가 가장 낮은 지수를 보였다. 2020, 2050, 2100년도 의 마늘 생산성의 취약성 지수는 Fig. 2에 표시 한 것과 같이 현재 상황이 지속될 것으로 전망되었는데, 이는 예상되는 결과인데, 보 다 정확한 분석을 위해서는 다양한 데이터를 이용한 분석이 필요할 것으로 생각된다.
Table 2.
Averaged climate exposure index, sensitivity index, adaptation ability index and vulnerability index of garlic productivity against climate change in provinces of Korea.
| Province | Climate exposure index | Sensitivity index | Adaptation ability index | Vulnerability index |
|---|---|---|---|---|
|
|
||||
| Gyeonggi | 0.39165±0.02 bz | 0.00516±0.01 b | 0.40481±0.04 a | 0.30563±0.06 d |
| Gangwon | 0.47560±0.01 a | 0.01171±0.01 b | 0.17389±0.03 d | 0.59795±0.04 b |
| Chungbuk | 0.40957±0.01 b | 0.02145±0.03 b | 0.18054±0.03 cd | 0.51801±0.03 bc |
| Chungnam | 0.38580±0.00 b | 0.07705±0.05 b | 0.25758±0.02 bc | 0.46699±0.04 bcd |
| Jeonbuk | 0.39408±0.02 b | 0.02331±0.00 b | 0.19322±0.02 bcd | 0.49010±0.03 bcd |
| Jeonnam | 0.29863±0.02 cd | 0.16576±0.12 b | 0.22811±0.02 bcd | 0.44607±0.08 bcd |
| Gyeongbuk | 0.38297±0.01 b | 0.05603±0.04 b | 0.26350±0.03 bc | 0.44378±0.03 bcd |
| Gyeongnam | 0.31718±0.04 c | 0.09141±0.06 b | 0.26669±0.02 b | 0.38518±0.11 cd |
| Jeju | 0.24870±0.02 d | 0.76136±0.04 a | 0.14616±0.00 d | 0.87488±0.05 a |
| LSD (0.05) | 0.06 | 0.17 | 0.08 | 0.19 |
| Mean | 0.36713 | 0.13480 | 0.23494 | 0.46651 |
Fig. 2.
Future prediction (Years 2020, 2050 and 2100) in vulnerability evaluation for garlic productivity according to A1B scenario.
마늘 생산성의 취약성에 대한 기여도는 기후 노출 지수가 가장 높았고, 다음이 기후 변화 적응 능력 지수, 기후 변화 민감도 지수 순 으로 나타났다(Fig. 3). 기후 노출 변수 중에서는 9-10월 일 최저 기 온이 14°C 이하인 날의 횟수, 토양온도 10cm, 9-10월 일 최저 기온 이 11°C 이하인 날의 횟수, 일 최저 기온이 영하인 날의 횟수 순으로 높게 나타났고, 일 최고 기온이 33°C 이상인 날의 횟수, 적설량이 20cm 이상인 날의 횟수, 9-11월 강수량, 일 최고 기온이 30°C 이상 인 날의 횟수 순으로 낮게 나타났다. 이는 파종 및 정식기의 이상저 온과 같은 변동은 마늘의 생산성에 직접적으로 영향을 미칠 수 있 음을 보여 주고 있다. 기후변화 민감도 지수에 대한 기여도는 모든 변수에서 적은 영향을 받는 것으로 나타났다. 한편, 기후변화 적응 능력 지수에 대한 기여도는 Fig. 3에 나타낸 것과 같이 GRDP 농림 어업, 지역내 총생산(GRDP) 변수가 가장 높게 나타났고, 농경지 면적당 농업인구 수 및 경지 면적당 정비 사업 관계 직원 변수는 가 장 낮게 나타났다.
2. 광역지자체 시도별 마늘 생산성 관련 항목별 지수 및 취약성 평가
마늘의 재배 면적과 생산량이 적은 서울특별시, 부산광역시, 대 구광역시, 인천광역시, 광주광역시, 대전광역시, 울산광역시를 제 외한 232개 지자체를 광역시도별로 구분하여 취약성 평가를 한 결 과 경기도 지역은 가평군, 포천시, 양평군이 각각 취약성 지수 0.41944, 0.40965, 0.40887로 높았고, 안양시, 수원시, 과천시가 각각 취약성 지수 0.0990, 0.17489, 0.20400으로 낮게 나타났다 (Table 1). 강원도는 정선군, 태백시, 인제군이 각각 취약성 지수 0.70891, 0.69039, 0.67458로 높았고, 동해시, 원주시, 춘천시가 각각 취약성 지수 0.47492, 0.50880, 0.53112로 낮게 나타났다. 충청북도는 단양군, 제천시, 괴산군이 각각 취약성 지수 0.62472, 0.54660, 0.54088로 높았고, 청주시, 청원군, 진천군이 각각 취약 성 지수 0.41437, 0.49542, 0.49761로 낮게 나타났다. 충청남도 지역 마늘 생산성의 취약성은 태안군, 서산시, 예산군이 각각 취약 성 지수 0.75470, 0.57691, 0.47505로 높았고, 천안시, 당진군, 보 령시가 각각 취약성 지수 0.38304, 0.40356, 0.40700으로 낮게 나타 났다. 전라북도는 장수군, 무주군, 진안군이 각각 취약성 지수 0.55965, 0.55088, 0.54575로 높았고, 군산시, 고창군, 전주시가 각각 취약성 지수 0.41385, 0.42010, 0.43979로 낮게 나타났다. 전라남도 지역 은 고흥군, 신안군, 무안군이 각각 취약성 지수 0.92374, 0.81360, 0.77137로 높았고, 여수시, 광양시, 완도군이 각각 취약성 지수 0.19623, 0.21023, 0.25281로 낮게 나타났다. 경상북도 마늘 생산 성의 취약성은 의성군, 영천시, 봉화군이 각각 취약성 지수 0.79741, 0.61200, 0.52092로 높았고, 포항시, 울릉군, 영덕군이 각각 취약 성 지수 0.24263, 0.32545, 0.34913으로 낮게 나타났다. 경상남도 는 창녕군, 남해군, 함양군이 각각 취약성 지수 0.85635, 0.64209, 0.51132로 높았고, 진해시, 거제시, 창원시가 각각 취약성 지수 0.13546, 0.19285, 0.23428로 낮게 나타났다. 끝으로 제주도는 제 주시와 서귀포시의 경우 취약성 지수가 각각 0.92826와 0.82150 로 전국 순위 각각 1위와 4위를 차지하여 가장 높은 취약성을 보였 다. 이러한 취약성은 기후 변화의 영향에 저항하고 자율적으로 적 응하는 능력이 각각의 생태계 및 인간 사회의 역량에 따라 달라지 기 때문에 그에 맞는 적응 전략도 차이를 둘 수밖에 없다(Füsel and Klein. 2006)는 점을 고려해서 대응해야 할 것이다.
3. 취약성 평가에 따른 각 지수와 변수의 상관 분석
기후 노출 변수와 기후 노출 지수와의 상관 계수는 9-10월 일 최 저 기온이 11°C 이하인 날의 횟수(회) 및 9-10월 일 최저 기온이 14°C 이하인 날의 횟수(회)와 사이에서 각각 r2 = 0.949와 0.925로 가장 높은 계수로서 파종 및 정식기 마늘이 저온에 의한 피해정도가 심 각할 수 있음을 나타냈다(Table 3). 민감도 변수와 민감도 지수에 서는 재배면적과 생산량이 직접적으로 영향을 미치는 연관성을 나 타냈다(Table 4).
Table 3.
Correlation coefficients among climate exposure variables and its index.
| (1)z | (2) | (3) | (4) | (5) | (6) | (7) | (8) | (9) | (10) | (11) | (12) | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
||||||||||||
| (1) | 1.000 | 0.691 | 0.270 | 0.150 | 0.083 | 0.925 | 0.731 | 0.639 | 0.222 | 0.061 | 0.239 | 0.682 |
| (2) | 1.000 | 0.687 | 0.000 | 0.021 | 0.643 | 0.859 | 0.847 | 0.062 | 0.126 | 0.017 | 0.882 | |
| (3) | 1.000 | 0.034 | 0.041 | 0.197 | 0.495 | 0.619 | 0.089 | 0.188 | 0.014 | 0.600 | ||
| (4) | 1.000 | 0.706 | 0.179 | 0.031 | 0.008 | 0.272 | 0.007 | 0.440 | 0.033 | |||
| (5) | 1.000 | 0.048 | 0.005 | 0.017 | 0.289 | 0.002 | 0.239 | 0.001 | ||||
| (6) | 1.000 | 0.758 | 0.639 | 0.123 | 0.033 | 0.280 | 0.700 | |||||
| (7) | 1.000 | 0.947 | 0.087 | 0.111 | 0.166 | 0.949 | ||||||
| (8) | 1.000 | 0.078 | 0.102 | 0.111 | 0.925 | |||||||
| (9) | 1.000 | 0.071 | 0.094 | 0.070 | ||||||||
| (10) | 1.000 | 0.004 | 0.196 | |||||||||
| (11) | 1.000 | 0.141 | ||||||||||
| (12) | 1.000 | |||||||||||
z ① Daily average temp. Dec.~Feb.(°C), ② No. of days with daily average temp. below 11°C Sept.~Oct., ③ No. of days with daily average temp. below 13°C April~Jun. ④ No. of days with daily max. temp. above 30°C, ⑤ No. of days with daily max. temp. above 33°C, ⑥ No. of days with daily min. temp. below 0°C, ⑦ No. of days with daily min. temp. below 11°C Sept.~Oct., ⑧ No. of days with daily min. temp. below 14°C Sept.~Oct., ⑨ Precipitation(mm) Sept.~Nov., ⑩ No. of days with snow depth above 20 cm, ⑪ Soil temp. under 10cm ( C), ⑫ Climate exposure index T
Table 4.
Correlation coefficients among sensitivity variables and its index.
| (1)z | (2) | (3) | (4) | (5) | (6) | (7) | |
|---|---|---|---|---|---|---|---|
|
|
|||||||
| (1) | 1.000 | 0.931 | 0.806 | 0.978 | 0.909 | 0.725 | 0.938 |
| (2) | 1.000 | 0.913 | 0.925 | 0.988 | 0.838 | 0.986 | |
| (3) | 1.000 | 0.776 | 0.888 | 0.963 | 0.940 | ||
| (4) | 1.000 | 0.928 | 0.717 | 0.935 | |||
| (5) | 1.000 | 0.831 | 0.978 | ||||
| (6) | 1.000 | 0.891 | |||||
| (7) | 1.000 | ||||||
적응 능력 변수와 적응 능력 지수의 상관관계에서는 재정 자립 도(%)와 농경지 면적당 농업인구 수(명/ha)가 각각 r2 = 0.610과 0.511로 적응 능력 지수와 가장 높은 연관성을 지닌 것으로 나타났 다(Table 5). 최종적인 취약성 지수는 적응능력 지수가 가장 높은 연관성을 보였고(r2 = 0.424), 그 다음이 민감도 지수(r2 = 0.333), 기후 노출 지수(r2 = 0.225) 순으로 높은 상관을 보였다(Table 6). 결론적으로 전국 시군별 마늘 생산성에 관한 취약성 평가 결과 기 후 노출 지수, 기후 변화 민감도 지수, 기후 변화 적응 능력 지수가 가중치와 함께 도출되었고 각 지수 도출을 위한 변수들도 가중치별 로 산정하여 최종적으로 평가되었다. 이러한 결과는 취약성 평가 지수로서 많지 않은 자료를 이용하여 분석하였기 때문에 제한적인 결과라 할 수 있으며, 정확한 취약성 평가를 위해서는 보다 많은 자 료를 통한 지수를 개발해야 한다는 점(Chae et al., 2007)에서 마늘 생산성에 미치는 각 지수별로 다양한 영향력 있는 변수개발을 통해 계속적으로 개발, 수정 및 보완이 이루어져야 할 것으로 생각된다. 또한 마늘의 난지형과 한지형 품종 간 구분을 통한 지역별 분석도 추진해야 할 것으로 생각된다.
Table 5.
Correlation coefficients among adaptation ability variables and its index.
| (1)z | (2) | (3) | (4) | (5) | (6) | (7) | (8) | (9) | (10) | |
|---|---|---|---|---|---|---|---|---|---|---|
|
|
||||||||||
| (1) | 1.000 | 0.572 | 0.088 | 0.115 | 0.136 | 0.323 | 0.276 | 0.229 | 0.109 | 0.610 |
| (2) | 1.000 | 0.021 | 0.053 | 0.060 | 0.200 | 0.171 | 0.145 | 0.025 | 0.351 | |
| (3) | 1.000 | 0.066 | 0.026 | 0.206 | 0.243 | 0.171 | 0.482 | 0.033 | ||
| (4) | 1.000 | 0.074 | 0.361 | 0.294 | 0.005 | 0.006 | 0.334 | |||
| (5) | 1.000 | 0.085 | 0.073 | 0.029 | 0.057 | 0.180 | ||||
| (6) | 1.000 | 0.850 | 0.333 | 0.268 | 0.511 | |||||
| (7) | 1.000 | 0.258 | 0.276 | 0.348 | ||||||
| (8) | 1.000 | 0.335 | 0.145 | |||||||
| (9) | 1.000 | 0.014 | ||||||||
| (10) | 1.000 | |||||||||
z ① Financial reliance (%), ② GRDP in local area (million won) (2010), ③ Agriculture, forestry and fishery parts among (million won) (2010), ④ No. of agricultural machine in arable land (no./ha), ⑤ No. of farm with available PC among total farms ⑥ Agricultural population in arable land (no./ha) ⑦ No. of people related with land preparation per arable land (no. person/ha), ⑧ Road area ratio (%), ⑨ No. of tractor and power tiller("Gyungungi"), ⑩ Adaptation ability
Table 6.
Correlation coefficients among climate exposure index, sensitivity index, adaptation ability index and vulnerability index.
| Climate exposure | Sensitivity | Adaptation ability | Vulnerability | |
|---|---|---|---|---|
|
|
||||
| Climate exposure | 1.000 | 0.049 | 0.003 | 0.225 |
| Sensitivity | 1.000 | 0.015 | 0.333 | |
| Adaptation ability | 1.000 | 0.424 | ||
| Vulnerability | 1.000 | |||
적요
전국 시군별 마늘 생산성에 관한 취약성 평가를 위한 기후 노출 지수, 기후 변화 민감도 지수, 기후 변화 적응 능력 지수를 가중치와 함께 도출하였으며, 각 지수 도출을 위한 변수들도 가중치별로 산 정하여 최종적으로 평가하였다. 마늘 생산성의 취약성 지수는 제주 시, 고흥군, 창녕군, 서귀포시, 신안군이 각각 취약성 0.92826, 0.92374, 0.85635, 0.82150, 0.81360으로 높았다. 기후변화 민감 도 평균지수는 제주도가 가장 높았고, 기후변화 적응능력 평균지수 는 경기도, 경상남도, 경상북도, 충청남도 순으로 높았고, 제주도와 강원도가 낮았다. 기후변화 적응능력 지수에 대한 기여도는 GRDP 농림어업, 지역내 총생산(GRDP)이 가장 높게 나타났고, 농경지 면적당 농업인구수, 경지면적당 정비사업 관계직원이 가장 낮게 나 타났다. 기후노출 변수와 기후노출 지수와의 상관계수를 분석한 결 과 파종 및 정식기 마늘이 저온에 의한 피해정도가 심각할 수 있음 을 보여주었다. 민감도 변수와 민감도 지수에서는 재배면적과 생산 량이 직접적으로 영향을 미치는 것으로 나타났고, 적응능력 변수와 적응능력 지수의 상관관계에서는 재정자립도(%)와 농경지 면적 당 농업인구수(명/ha)가 각각 r2 = 0.610과 0.511로 적응능력 지수 와 가장 높은 연관성을 지닌 것으로 나타났다. 결론적으로 취약성 지수는 적응능력 지수가 가장 높은 연관성을 보였고(r2 = 0.424), 그 다음이 민감도 지수(r2 = 0.333), 기후노출 지수(r2 = 0.225) 순 으로 높은 상관관계를 보여 지자체의 기후변화 적응능력 구비는 취 약성을 극복하는 중요한 지수임을 알 수 있었다.
PDF Links
PubReader
Full text via DOI
Download Citation
