1. 서론

전 세계적으로 이상 기후변화가 발생하고 있으며, 그로 인한 자연재해 발생 빈도와 강도의 증가로 피해 규모가 꾸준히 증가하고 있다(de Haen and Hemrich, 2007; Huggel et al., 2015). 우리나라도 해마다 여러 가지 자연재해로 인한 인명 및 재산 피해가 상당한 수준이며, 발생 빈도 또한 증가하여 이에 대한 경각심이 높아지고 있다(양민준 등, 2022). 자연재해는 주로 인명 피해, 재산 피해 등으로 이어지지만, 유사한 규모 또는 강도를 지닌 재해라고 할지라도 지역적, 경제적, 사회적 구성 요소의 차이로 인해 피해 정도 및 복구 비용의 차이가 발생하는 것으로 나타난다(구주영, 2021; 이대웅･건기헌, 2017). 이는 자연재해에 대하여 어떤 지역 혹은 계층이 더 또는 덜 취약한지 식별 가능케 하는 사회적 취약성(Social Vulnerability)과 연관되며, 이러한 취약성은 다양한 사회적 요소들의 구성 또는 조합으로 파악할 수 있다(Singh et al., 2014). 사회적 취약성 연구는 미국 및 유럽의 선진국 등에서 꾸준히 수행되고 있으며, 이를 수행한 연구자는 사회적 취약성에 대하여 다양한 정의를 따라왔다(Yarnal, 2007). Cutter et al.(2003)이 취약성에 대한 공간적 위험 모델을 활용한 연구를 제시한 이후 Cutter and Emrich(2006)가 사회적 취약성은 사회적 불평등의 산물이며, 자연재해 영향에 대한 사회 집단의 취약성 또는 위험으로부터 적절히 회복할 수 있는 정도라고 정의하였다. 이후 수행된 다수의 연구에서는 사회적 취약성을 Cutter and Emrich(2006)의 정의에 따라 자연재해에 대한 사회적인 취약성을 나타내는 의미로 사용하고 있다. 이는 위험에 대하여 얼마나 취약한지를 의미하는 것이 아니라 사회 구조 자체에 내재 되어있는 잠재적인 취약성을 의미한다(Park and Xu, 2022). 이와 같이 정의되는 사회적 취약성은 1970년대부터 연구되기 시작하였으며, 개념 설명을 위주로 초기 연구가 수행되었다(Hewitt, 1997). 1980년대에 접어들면서부터는 사회적 취약성을 높일 가능성이 있는 인구, 집단 및 지역의 특성을 이해하기 위한 다수의 연구가 수행되었다(Fatemi et al., 2017).

자연재해에 대한 사회적 취약성을 개념과 이론을 통해 설명할 수 있지만, 상대적으로 취약한 지역이 어디인지를 식별하기 위해서는 취약성을 정량적으로 계산할 수 있는 도구가 필요하다(Chen et al., 2013). 이는 Cutter et al.(2003)에 의해 개발된 사회적 취약성 지수(Social Vulnerability Index, SVI)를 통해 가능하게 되며, 사회적 취약성 지수 개발 이후 다수의 기관과 국가에서는 이를 활용하는 연구를 수행해 오고 있다(Burton et al., 2022; Sung and Liaw, 2020). 현재까지 수행된 사회적 취약성 지수 연구들은 대부분 자연재해에 더 혹은 덜 취약한 지역을 식별하였으며, 해당 연구 결과를 토대로 정책 적용의 우선순위를 제시하였다(Bhuiyan et al., 2021; Yang et al., 2021). 특히, 독성물질 질병 관리청(Agency for Toxic Substances and Disease Registry, ATSDR)과 미국의 질병 관리청(Centers for Disease Control and Prevention, CDC)에서는 자연재해 발생 시 더욱 많은 생명을 지키면서 효율적으로 자원을 분배하기 위해 CDC/ATSDR SVI를 개발하였다. 해당 기관은 사회적 취약성 지수를 단계구분도로 지도화하여 일반인 및 정부에게 제공하고 있는데(Tarling, 2017), 이는 사회적 취약성 지수를 파악하는 것이 자연재해 상황에서 효과적으로 정부의 의사결정 지원에 도움이 되며, 국민의 안전과 재산 보호에도 중요하다는 것을 의미한다고 볼 수 있다. 그러나 국내에서는 사회적 취약성 지수의 중요성과 필요성에 대한 이해 및 인식이 부족하여 연구가 거의 수행되지 않고 있으며, 정책에도 활용되지 않고 있다(박윤경 등, 2016).

따라서 본 연구에서는 우리나라의 자연재해에 대한 사회적 취약성 지수를 산정하고자 하였으며, 이를 위해 먼저 선행연구를 통해 적절한 사회적 변수를 도출하였다. 변수 도출은 자연재해 발생 시 피해 정도나 규모에 영향을 줄 수 있는 요소가 무엇인지를 파악하는 방식으로 이루어졌다. 변수 도출 이후 데이터 수집 및 전처리 과정을 수행하였으며, Cutter et al. (2003)이 제안한 방법을 이용하여 사회적 취약성 지수를 산정하였다. 본 연구는 자연재해 상황에서 더 많은 인명을 지키며, 발생할 수 있는 자산 피해를 감소시킬 수 있는 정책 적용에의 의사결정 지원 정보를 제공할 수 있을 것으로 사료 된다.

2. 선행연구

사회적 취약성의 정량적인 평가는 Cutter et al.(2003)이 자연재해에 대한 사회적 취약성 지수를 개발하면서부터 본격화되었으며, 이후 특성에 맞도록 적절한 사회적 변수들을 선정하여 사회적 취약성 지수를 산정하고 있다(Aksha et al., 2019; Fekete, 2009; Guillard-Gonc̡alves et al., 2015). 기존 사회적 취약성 지수 연구는 크게 2가지 유형으로 첫 번째는 사회적인 요소들과 자연재해 피해 간의 이론적 이해를 바탕으로 한 연역적 접근이며, 두 번째는 통계적 분석에 기반한 귀납적 접근 방식이다(Adger and Agnew, 2004). 두 가지 유형 가운데 대부분의 연구는 두 번째 방식으로 이루어졌으며, 이는 지수에 포함되는 사회적 변수들의 가중치를 계산하고, 이를 합산하는 표준적인 접근 방식을 적용하는 것이다. 주성분 분석을 가장 많이 활용하고 있으며, Cutter et al.(2003)의 취약성 지수 산정 방식을 따르는 것을 의미한다(Fatemi et al., 2017). 이는 사회적 취약성 지수 산정에 있어 많은 연구자가 Cutter et al.(2003)의 방법을 합리적인 것으로 받아들인다고 해석할 수 있다(Rufat et al., 2019).

주성분 분석(Principal Component Analysis, PCA)은 비지도 학습에 해당하며, 방대한 자료를 분석하는 경우 원자료를 그대로 이용한 조합으로 결과를 도출하거나 해석하기 어렵기 때문에 다수의 변수 집합을 소수의 변수 집합으로 축소하는 데 주로 활용된다(Hasan and Abdulazeez, 2021). 주성분 분석에서는 여러 개의 주성분이 도출되고, 각각의 주성분은 특정 부하량을 가진 변수들로 이루어진다(Hasan and Abdulazeez, 2021). 제1 주성분부터 전체 자료의 분산을 얼마만큼 설명하는지를 의미하는 분산 설명력이 가장 높게 나타나며, 제2 주성분, 제3 주성분 순으로 분산 설명력이 점점 낮아진다(Demšar et al., 2013). 이 때문에 주성분 분석을 사용하는 연구는 일반적으로 제1 주성분 및 누적 분산 설명력이 적절한 수준까지로 나타나는 주성분을 식별하고, 우선순위를 선정하여 결과를 도출 및 해석한다(Bro and Smilde, 2014). 그러나 Cutter et al.(2003)의 사회적 취약성 지수에서는 이에 대한 접근법이 약간 다르다. Cutter et al.(2003) 또한 주성분 분석을 사용하여 사회적 취약성 지수를 산정하였고, 통상적으로 사용되는 방식으로 주성분의 개수를 정한 후 이를 구성하는 변수들을 토대로 주성분이 의미하는 바를 해석하였다. 그러나 Cutter et al. (2003)은 각 주성분이 나타내는 분산 설명력을 상대적인 중요성으로 표현하지 않았다. 각 주성분이 특정 분산 설명력을 가지지만, 그 값만큼 사회적 취약성에 영향을 미치는지는 명확하지 않다고 주장하였다. 따라서 해당 연구에서는 산출되는 모든 주성분이 사회적 취약성에 동등한 영향력을 미치는 것으로 해석할 것을 제안하였다. 이와 같은 주성분 분석의 적용 및 해석은 개발 당시부터 현재까지 여전히 논의되고 있지만(Toeroek, 2017), 상당히 많은 연구자에 의해 사용되고 있는 접근 방식으로 해당 연구 방법은 학계에서 인정되고 있다고 해석할 수 있다(Chen et al., 2013; Rabby et al., 2019).

위와 같은 방식으로 수행된 연구로는 Chen et al.(2013)이 중국의 양쯔강 유역을 대상으로 사회적 취약성 지수를 개발한 연구가 있으며, de Loyola Hummell et al.(2016)은 브라질 전역을 대상으로 사회적 취약성 지수를 개발하였다. 돌발 홍수를 대상으로 Aroca-Jimenez et al.(2017)은 사회적 취약성 지수를 산정하였으며, 홍수에 대한 물리적인 취약성도 동시에 파악하여 홍수에 대한 복합적인 취약성 지수를 개발하였다. Armaș and Gavris(2013)는 지진을 대상으로 사회적 취약성 지수를 개발하였다. 기술한 연구들에서 사용된 사회적 변수는 각 연구 당시까지의 종합적인 자연재해 및 특정 자연재해(홍수, 지진 등)와 관련된 선행연구를 대상으로 문헌 검토를 수행하여 도출되었다. 이를 토대로 취약성을 높일 가능성이 있는 변수들을 이용하고, 주성분 분석을 활용하여 SVI를 산정하였다. 우리나라를 대상으로는 홍수, 지진 등 특정 자연재해만을 지정하여 분석하거나, 서울특별시, 수도권 등 특정 지역을 한정하는 연구가 수행되었다(우충식 등, 2014; 조형진･김경배, 2015). 이는 특정 재해 또는 지역 내에서 적절한 대응이 가능하도록 지자체에 정보를 제공할 수 있다는 장점이 있다(김혜령･김윤정, 2021). 그러나 이는 국내에서 발생하는 다양한 자연재해를 종합적으로 고려하는 사회적 취약성과 연구 지역 이외의 취약성에 대해서는 간과할 수 있다는 한계점이 존재하게 되며(한우석, 2020), 급격한 기후변화로 인해 우리나라의 자연재해 발생 양상이 변화하는 상황에서 자연재해에 대한 사회적 취약성의 전반적인 이해가 어려울 수 있음을 의미한다(이유현･권기헌, 2017; 조명흠 등, 2016). 특히, 2011년에 발생한 우면산 산사태 이후로 재해 취약성 제도가 시행되었는데, 이를 분석한 연구에서는 맞춤형 대책 마련의 어려움을 언급하고 있다(한우석, 2019). 이 또한 산사태, 홍수, 폭염, 지진 등을 아우르는 전반적인 자연재해를 대상으로 하며, 국내 전 지역의 연구가 선행적으로 필요함을 의미한다고 볼 수 있다.

3. 연구 자료 및 방법

1) 사회적 변수 선정 및 데이터 구축

사회적 취약성 지수를 산정하기 위해서는 취약성에 영향을 미치는 사회적 변수들이 무엇인지를 선정하는 필수적인 과정이 필요하다(Fatemi et al., 2017). 대부분의 연구에서는 선행 연구로부터 각 연구 목적에 맞도록 반영 및 변경하여 변수를 선정하며, 이때의 변수들을 대상으로 일정한 규칙을 가지고 범주화를 수행한다(Chen et al., 2013). 이는 가구 수입, 빈곤선 이하 가구 비율, 노동 참여 여성 인구 비율 등의 사회적인 변수들이 연구를 위해 사용된다고 하였을 때, 해당 변수들이 더 큰 범주로 하나의 현상을 설명하는 경우가 많기 때문이다(de Loyola Hummell et al., 2016). 사회적 취약성 지수 산정을 위한 다수의 기수행 연구들 또한 이와 같은 과정을 거쳤으며(Alizadeh et al., 2018; Chen et al., 2013; Karunarathne and Lee, 2022; Kim and Gim, 2020; Lloyd et al., 2022; Maharani et al., 2016; Rabby et al., 2019), 본 연구에서도 취약성 지수를 산정하기 위해 지금까지 이루어진 선행연구를 대상으로 문헌 고찰을 수행하였다. 사회적 취약성에 영향을 미치는 범주는 사회경제적 상태, 가족구조, 사회기반시설, 인구통계로 구성하였으며, 데이터 가용성과 관련 연구에서의 활용 유무를 토대로 사회적 변수를 선정하였다(표 1).

‘사회경제적 상태’ 범주의 사회적 취약성은 빈곤율과 실업률 등을 통해 측정될 수 있으며, 자연재해로 인한 피해에 대응 능력과 재해 후의 회복과 관련이 있다(Alizadeh et al., 2018; Chen et al., 2013; Karunarathne and Lee, 2022; Kim and Gim, 2020). 경제적인 차이는 자연재해 상황에서 피해 규모의 차이를 유발할 수 있으며, 빈곤선 이하 가구 비율, 1인당 GDP(GRDP), 지역 내 실업률, 경제활동 인구 비율, 고용률, 1인당 주택 면적 등으로 측정하게 된다(Burton, 2010; Lloyd et al., 2022). 한편 여성의 사회적 지위는 사회적 취약성과 높은 상관성이 있는 것으로 나타나고 있으며, 이는 여성의 노동 참여 비율을 살펴봄으로 이해할 수 있다(Mengal et al., 2021; Yang et al., 2015). 교육 또한 사회경제적 상태의 변수로 선정되었으며, 이는 그 수준에 따라 자연재해 관련 정보에 대한 이해와 빠른 상황 파악 능력에 영향을 주는 것으로 보고되고 있기 때문이다(Fekete, 2009). ‘가족구조’는 하나의 가정이 어떤 구성으로 이루어졌는지를 나타내는 범주이며, 자연재해 발생 시 피해 규모와 유의미한 상관성이 있는 것으로 보고되고 있다(Lloyd et al., 2022; Morrow, 1999). 이는 갑작스러운 재해가 발생하는 경우 대규모의 가족 구성원이 한 가구에 거주한다면 인명피해가 상당할 수 있기 때문이다(Lloyd et al., 2022; Maharani et al., 2016; Maharani and Lee, 2017). 그러나 핵가족이거나 가족 규모가 작은 경우 자연재해에 대한 피해가 비교적 적은 편으로 나타난다(Hamidazada et al., 2019). 이와 같은 연관성을 기반으로 가족구조를 정량적으로 파악할 수 있는 변수를 가구당 평균 인원, 여성 세대 주 비율, 1인 가구 비율 등을 선정하였다.

‘사회기반시설’ 범주는 자연재해로 인한 전력이나 교통, 에너지, 물과 같은 중요 인프라 시설의 피해 가능성을 예상할 수 있는 요소이며, 큰 피해가 발생하는 경우 국민이나 사회에 치명적인 위협이 될 수 있다(Chen et al., 2013; Das et al., 2021; Imran et al., 2019; Lloyd et al., 2022; Mazumdar and Paul, 2016; Rabby et al., 2019). 이는 재해 상황에서 안정적으로 보급되던 자원의 단절 등이 원인이 될 수 있으며, 특히 재해 발생지의 높은 주거 단위 및 상업 시설의 밀도는 그 피해를 더욱 악화시킬 수 있다(Imran et al., 2019; Mazumdar and Paul, 2016; Zhang et al., 2017). 의료 시설과 서비스는 자연재해로 인한 피해 감소 및 증가와 밀접한 관계가 있으며, 이에 대한 접근성 또한 매우 중요한 요소이다. 의료와 관련된 모든 공급망 관리가 효과적으로 이루어질수록 또한 해당 시설로의 접근성을 확보할수록 피해를 효과적으로 줄일 수 있다(Maharani et al., 2016; Pourhosseini et al., 2015; Syahrir and Vanany, 2015; Tasnuva et al., 2021). ‘인구통계’는 자연재해로 인한 인명피해와 관련하여 주로 선정된다(Flanagan et al., 2011; Yang et al., 2015). 높은 인구밀도의 지역에서 자연재해 발생 시 인명피해가 상당히 높을 수 있으며, 이는 사회적 취약성에 악영향을 미치게 된다(Imran et al., 2019). 또한 인구성장이 급격하게 이루어지는 경우 사회가 갖추어야 할 필수적인 서비스 부족을 유발할 수 있으며, 예측할 수 없는 재정적 또는 물질적 수요를 발생시킬 가능성이 있다(Yadav and Barve, 2017). 인구통계를 구성하는 변수 중 여성인구, 외국인, 영유아, 노인 인구, 장애 인구가 하나의 공동체에 다수 포함되는 경우 이들은 상대적으로 자연재해 피해에 노출될 가능성이 높으며, 인명피해의 증가라는 결과를 유발하게 되어 사회적 취약성을 악화시킨다(Chen et al., 2013; Fatemi et al., 2017; Phillips and Morrow, 2007; Quarantelli, 1999).

본 연구에서는 4가지 범주로 구분된 사회적 변수들과 주성분 분석을 이용하여 사회적 취약성 지수를 산정하고자 하였다. 이를 위해 32개 변수에 대하여 정부 및 기관에서 제공하는 확정 자료 및 다수의 연구에서 활용성이 검증된 자료만을 획득하였으며, 현재 한국 상황을 반영할 수 있도록 가장 최신으로 획득할 수 있는 2022년 자료를 기준으로 하였다. 그러나 부득이한 경우 2021년 또는 2020년 자료를 활용하였다. 연구의 공간적인 범위는 한국 전역이며, 단위는 시군구로 설정하였다. 이는 읍면동 단위의 경우 사회적 변수들에 대한 자료를 획득하기 어려운 경우가 다수 존재하였기 때문이며, 시도 단위로 수행하는 경우 공간적 단위가 너무 크게 되어 의미가 제대로 전달되지 못하는 공간 단위 임의성 문제가 발생할 수 있기 때문이다(김강민 등, 2023). 자료의 출처와 획득 시기는 표 2와 같다.

획득된 자료 중 전처리가 필요한 변수는 빈곤선 이하 가구 비율, 여성 세대 주 비율, 1인 가구 비율, 1인당 GDP (GRDP), 교육 수준 별 인구 비율, 65세 이상 인구 비율, 6세 미만 인구 비율, 상수도 미보급률, 하수도 미보급률, 1000명 당 의료 기술자 수, 인구밀도, 외국인 비율, 여성 및 남성 인구 비율이었으며, 해당 변수는 시군구별 전체 가구 또는 전체 인구로 나누는 간단한 방식으로 전처리를 수행하였다. 교통수단 밀도는 지역 내 도로와 철도의 밀도를 조합하여 계산할 수 있으며(CORDIS, 2017), 각 도로와 철도가 해당 지역에 얼마만큼 분포하고 있는지를 나타낸다. 의료 시설까지의 평균 거리는 연구의 공간 규모가 시군구 단위이므로 시군구의 중심점을 기준으로 전처리를 수행하였으며, 가장 가까운 3개 병원까지의 평균 거리를 사용하였다(Xu and Jiang, 2022). 모든 자료는 각기 다른 단위를 가지고 있으므로 표준화를 수행하였으며, 사회적 취약성 지수 산정 시 가장 많이 사용되는 Z-score 방식을 채택하였다(Chen et al., 2013; Cutter et al., 2003; de Loyola Hummell et al., 2016).

2) 연구 방법

사회적 취약성 지수를 산정하기 위해 수집 및 전처리가 수행된 32개의 사회적 변수를 이용하여 주성분 분석을 수행하였다. 일반적으로 다수의 변수로 이루어진 데이터 세트를 이용한 분석에서 이에 대한 해석이나 접근이 어려우므로 데이터 세트를 줄이는 방법 즉, 차원을 축소하는 접근 방식이 필요하다. 그러나 고차원의 데이터 특징을 모두 유지한 채로 저차원의 데이터로 축소하는 것은 불가능하기 때문에 고차원의 특징을 최대한 보존하면서 저차원으로 낮출 수 있도록 고안된 방법이 주성분 분석이다(Bucherie et al., 2022).

주성분 분석은 크게 세 가지 단계로 나눌 수 있으며, 첫째로 고차원 데이터의 공분산 행렬 계산, 둘째로 공분산 행렬에서 고유벡터(Eigenvector)와 고윳값(Eigenvalue) 산출, 셋째로 주성분 개수 선정 및 도출된 주성분의 특성 파악으로 이루어진다(Park and Xu, 2022). 공분산 행렬은 데이터 간의 분산을 나타내는 값인 공분산으로 이루어진 행렬을 의미하며, 다음의 식을 통해 산정할 수 있다.

식(1)은 공분산을 산정하는 수식이며, x는 변수의 값, x¯는 변수의 평균을 의미하고, n은 변수(차원)의 개수를 의미한다. 식(2)의 Var(x)는 x변수의 분산을 의미하고, Cov(X,Y)는 공분산을 의미하며, 일반적으로 공분산 행렬은 선형변환을 수행하는 데 사용된다(Bro and Smilde, 2014). 공분산 행렬로부터 고유벡터와 고윳값을 산출할 수 있고, 고유벡터는 공분산 행렬에 의해 변환되는 벡터 중 변환되기 전과 변환 후의 방향이 동일한 벡터를 의미하며, 고윳값은 방향이 동일한 벡터 변화량만큼의 비율을 의미한다(Hasan and Abdulazeez, 2021). 이후 산정되는 고윳값을 이용하여 연구자의 기준에 따라 적절한 기준값을 선정하고 해당 값이 나타나는 주성분까지 차원 축소를 진행하며, 일반적으로 고윳값이 1 이상인 주성분까지를 선정한다(Spielman et al., 2020). 주성분의 개수를 선정한 후 각 주성분을 구성하는 변수들을 토대로 주성분의 의미하는 바를 특정 이름으로 명명하며, 전반적인 분석 결과를 해석한다(de Loyola Hummell et al., 2016).

사회적 취약성 지수 산정에서의 주성분 분석은 앞의 정리한 순서와 동일하게 이루어진다(Roncancio et al., 2020). 즉, 주성분 분석을 수행함으로 주성분의 개수와 각 주성분을 구성하는 주요 요인이 구별됨을 의미하며, 그 과정에서 주성분을 구성하는 주요 변수가 얼마만큼 영향을 미치는지를 나타내는 부하량(loadings)이 계산된다(Oulahen et al., 2015). 사회적 취약성 지수 연구 분야에서는 절대값으로 해당 값이 0.5 이상인 변수를 주요 변수로 간주하며, 변수의 부하량 부호와 사회적 취약성 간의 잠재적 영향성을 파악하여 각 주성분의 부호를 선정한다(Aksha et al., 2019). 해당 조합이 양의 방향으로 나타나는 경우 주성분에 (+) 부호를 입력하고, 음의 방향으로 영향을 미치는 것으로 나타나면 (-) 부호를 입력하게 된다(Park and Xu, 2022). 본 연구에서는 특정 변수의 사회적 취약성에 대한 잠재적인 영향력과 모든 변수 값이 1일 때를 가정하여 부호를 설정하였다(de Loyola Hummell et al., 2016). 도출되는 각각의 주성분은 해당 주성분을 구성하는 변수 간의 선형 조합으로 이루어지며, 다음의 식을 이용하여 산정한다(Spielman et al., 2020).

여기에서 PC1,PC2는 각기 산정되는 주성분을 의미하며, a는 수집된 자료의 표준화 값, aloading은 해당 변수의 부하량 값을 의미한다. 각기 산정된 주성분 값은 해당 주성분이 의미하는 요소의 사회적 취약성 지수를 나타내는 것으로 해석한다(Chen et al., 2013; Cutter et al., 2003). 이후 각각의 주성분 값을 모두 합하여 최종적으로 종합 사회적 취약성 지수를 계산하며, 이때 각 주성분은 특정한 가중치를 가지지 않는다(Guillard-Gonc̡alves et al., 2015). 이는 아직 사회적 취약성 지수를 산정함에 있어 어떤 특정 요인이 더 중요한지 명확하게 파악되고 있지 않기 때문이며, 또한 주성분이 가지는 분산 설명력도 사회적 취약성 지수와 명백하게 대응한다고 보기 어렵기 때문이다(Cutter et al., 2003). 따라서 가중치 없이 일반 합을 이용하여 종합 사회적 취약성을 산정하며, 이는 아래 식으로 계산한다.

만약 주성분의 부호를 선정하는 과정에서 제2 및 제3 주성분의 부호가 음수로 나타나게 되면, 해당 주성분에는 음의 부호가 입력되어 종합 지수를 계산한다. 이를 이용하여 종합 사회적 취약성 지수를 산정할 수 있게 되며, 각 시군구 내 변수의 값을 식에 대입하는 방식으로 최종적인 취약성 지수를 계산할 수 있게 된다.

4. 연구 결과 및 토의

본 연구에서 수집된 모든 변수를 활용하여 주성분 분석을 수행하였다. 적절한 주성분의 개수를 결정하기 위하여 각 주성분의 고윳값, 분산 설명력 및 누적 분산 설명력을 계산하였으며, 제1 주성분부터 제6 주성분까지 고윳값은 0.97에서 2.977까지 분포하였다. 고윳값이 1 이상인 주성분은 제5 주성분까지로 나타났으며, 누적 분산 설명력은 제5 주성분까지 선정했을 때 약 72.3%로 분석되었다. 이를 토대로 본 연구에서는 적절한 주성분의 개수를 5개인 것으로 결정하였다. 5개의 주성분과 이를 구성하는 변수와 약어, 부하량을 표 3에 정리하였으며, 주성분에 영향을 미치는 변수의 부하량이 절대값으로 0.5 이하인 경우 주성분에 미치는 영향이 적은 것으로 간주하여 제외하였다. 최종적으로 21개의 변수가 사회적 취약성 지수 산정을 위한 주성분을 구성하는 변수로 나타났다. 각 주성분은 구성되는 주요 변수들의 조합으로부터 어떤 특성인지를 파악하여 명명할 수 있으며(Roncancio et al., 2020), 본 연구에서는 표 1에 정리된 선행연구들을 바탕으로 이를 수행하였다.

제1 주성분은 전체 변수의 총분산을 38.5% 설명하는 것으로 나타났으며, 부하량의 절대값이 큰 순서로 나열했을 때 변수는 노동 참여 여성 인구 비율, 경제 활동 인구 비율, 하수도 미보급률, 초등교육 이하 이수 인구 비율, 실업률 순으로 나타났다. 이는 제1 주성분에 사회경제적 상태 범주에 해당하는 변수들이 영향을 크게 미치는 것으로 해석할 수 있다. 나머지 변수는 비교적 부하량 값이 낮게 나타나 제1 주성분에 미치는 영향력이 상대적으로 작을 수 있지만, 가족구조나 사회기반시설 도메인으로 분류된 변수들이 종합적으로 포함되는 것으로 분석되어 기수행된 연구를 토대로 복합 취약 요인으로 명명하였다(Park and Xu, 2022). 제2 주성분은 총분산의 13.5%를 차지하였으며, 6세 미만 인구 비율, 빈곤선 이하 가구 비율이 가장 영향력이 큰 변수로 나타났다. 나머지 변수들의 구성으로부터 인구통계를 나타내는 변수가 포함됨과 교육 수준을 의미하는 변수로 구성되어 있음을 토대로 인구통계 및 교육 수준으로 명명하였다(de Loyola Hummell et al., 2016). 제3 주성분을 구성하는 주요 변수는 고등교육 이하 이수 인구 비율과 여성 인구 비율, 1000명 당 의료 기술자 수 순으로 중요하게 나타났다. 고등교육 이하 이수 인구와 여성 인구의 경우에는 취약계층으로 분류되며(Fang and Gunderson, 2015), 1000명 당 의료 기술자 수는 그 수가 부족할수록 의료 공급 부족으로 해석할 수 있으므로 취약계층 및 의료 공급 부족으로 명명하였다(Yang et al., 2015). 제3 주성분은 총분산의 7.9%를 설명하는 것으로 나타났다. 교통수단 밀도, 보건기관 수, 인구밀도, 건축물 밀도 순으로 주요한 변수가 나타난 제4 주성분에서는 사회기반시설로 이미 분류된 변수가 다수 포함되었으며, 인구밀도의 경우 우리나라의 특성상 특히 높은 지역들이 있으므로 주성분의 명명으로부터 특징을 파악할 수 있도록 병렬적으로 지정하였다. 해당 주성분은 총분산의 7.1%를 설명하는 것으로 분석되었다. 제5 주성분은 1인당 GRDP 및 외국인 비율로 명명하였으며, 이는 해당 주성분을 구성하는 변수의 수가 작은 경우 변수명을 따라 명명하기 때문이다(Tasnuva et al., 2021). 제5 주성분은 총분산의 5.1%를 설명하였다. 표 3에서 부호 열은 각 주성분을 구성하는 변수들이 가지는 부하량의 방향과 취약성 간의 잠재적인 관계성을 토대로 설정하였다(Aksha et al., 2019). 예를 들어, 제4 주성분의 경우 교통수단 밀도와 보건기관 수는 그 값이 클수록 사회적 취약성에는 음의 영향을 미치는 것으로 알려져 있으며, 인구밀도와 건축물 밀도는 반대의 영향을 미치는데, 이와 같은 관계성을 고려하여 부호를 지정하였음을 의미한다(Roncancio et al., 2020).

각 주성분은 해당 주성분을 이루는 변수들의 선형 결합으로 설명을 할 수 있는데(Spielman et al., 2020), 예를 들어 동대문구의 1인당 GRPD 및 외국인 비율 주성분에 대한 사회적 취약성은 그 지역의 1인당 GDP(GRDP)와 외국인 비율의 표준화된 변수값을 대입하여 산출됨을 의미한다. 이와 같은 방식으로 국내 시군구 단위의 모든 변수값을 해당 식에 대입하여 결과를 도출하였다. 이후 Cutter et al.(2003)이 제안한 바에 따라 모든 주성분을 동일한 중요도로 가정하였으며(Guillard-Gonc̡alves et al., 2015), 가중치 없이 합산하여 종합 사회적 취약성 지수를 산정하였다. 사회적 취약성 지수의 공간적 분포를 파악하여 취약한 지역을 식별하기 위해 각 주성분에 따라 지도를 제작하였다. 이때 사회적 취약성 지수를 5단계로 나누어 구분하였으며, 사회적 취약성 연구 분야에서 주로 사용되는 평균과 표준편차 범위를 이용하는 방식을 채택하였다(Aksha et al., 2019; Chen et al., 2013; Cutter et al., 2003; Cutter and Finch, 2008; Roncancio et al., 2020). 즉, 중심을 평균으로 하고 표준편차를 기준으로 하여 그 값이 -1.5 이하일 경우에는 낮은 취약성(low vulnerability), -1.5 ~ -0.5까지는 중간 이하 취약성(medium-low vulnerability), -0.5 ~ 0.5까지는 중간 취약성(medium vulnerability), 0.5 ~ 1.5는 중간 이상 취약성(high-medium vulnerability), 1.5 이상은 높은 취약성(high vulnerability)으로 분류한 것이다(그림 1).

그림 1.

주성분별 사회적 취약성 지수 공간적 분포(a: 복합 취약 요인, b: 인구통계 및 교육 수준, c: 취약계층 및 의료 공급 부족, d: 사회기반시설 및 인구밀도, e: 1인당 GRDP 및 외국인 비율)

그림 1(a)는 복합 취약 요인 주성분으로 서울특별시 및 인근 경기도, 대전, 부산 등의 광역시를 포함하는 대도시 지역에서 상대적으로 취약성이 낮게 나타났다. 이는 해당 지역들의 노동 참여 여성 인구 비율, 경제 활동 인구 비율, 하수도 미보급률, 초등교육 이하 이수 인구 비율, 실업률 등 사회경제적 상태를 나타내는 변수들이 취약성을 감소시키는 역할을 하도록 갖추어진 것으로 해석할 수 있다. 이와 반대로 취약성이 높은 지역인 강원도 영월군, 충청북도 보은군 등은 하수도 미보급률이 높거나 65세 이상 인구 비율, 초등교육 이하 이수 인구 비율이 상대적으로 높은 것으로 파악되었다. 이는 해당 지역의 사회적 변수들은 취약성을 높이도록 구성이 이루어졌다고 해석할 수 있으며, 이와 관련하여 적합한 조치가 시행되지 않는다면 복합 취약 요인의 사회적 취약성은 나아지기 어려울 것으로 예상할 수 있다.

인구통계 및 교육 수준 주성분의 사회적 취약성 지수 분포 결과는 그림 1(b)와 같다. 취약성이 높은 수준으로 나타난 지역은 강원도 태백시, 충청북도 보은군, 영동군 등, 충청남도 부여군, 서천군, 전라북도 김제시, 진안군 등, 전라남도 강진군, 해남군 등으로 나타났다. 반면 사회적 취약성이 낮은 지역은 서울특별시 강남구, 서초구 등, 부산광역시 기장군, 강서구, 인천광역시 중구, 연수구 등, 경기도 수원시, 성남시 등으로 나타났다. 이는 인구통계 및 교육 수준의 취약성이 대도시권에서 비교적 낮게 나타났다고 해석할 수 있으며, 주성분 분석 결과 취약성에 음의 영향을 미치는 것으로 분석된 변수인 6세 미만 인구, 인구성장률, 가구당 평균 인원, 대학교 교육 이상 이수 인구 비율 변수가 높은 값을 가지는 것이 원인으로 파악되었다. 이는 대도시일수록 인구가 밀집되는 현상과 연결되는 것으로 이해할 수 있다(구양미, 2021). 즉, 대도시권일수록 사회적 취약성을 낮추는 요소들이 결집 되는 양상이 나타나고 있고(이주승 등, 2022), 현재까지의 인구 이동 추세로 보았을 때 인구통계 및 교육 수준의 사회적 취약성이 낮은 지역은 지속적으로 낮게 나타날 수 있을 것으로 사료 된다.

그림 1(c)의 취약계층 및 의료 공급 부족 주성분에서 취약성 지수가 높게 나타난 시군구는 인천광역시, 울산광역시, 경기도, 강원도, 충청북도, 충청남도, 전라남도, 경상남도, 경상북도 일대에서 나타났다. 취약성이 낮게 나타난 지역은 서울특별시에서 24개의 시군구로 분석되어 서울특별시 내 대부분 시군구가 포함되는 것으로 나타났으며, 이외 부산광역시, 대구광역시, 광주광역시, 대전광역시, 세종특별자치시, 경기도의 몇몇 시군구의 취약성이 낮은 것으로 분석되었다. 제3 주성분을 구성하는 변수들의 시군구별 분포에서 서울특별시 및 광역시에서는 여성 인구 비율 값이 특히 높게 나타났으며, 고등교육 이하 이수 인구 비율은 특히 낮은 값이 많이 분포하는 것으로 분석되었다. 고등교육 이하 이수 인구와 여성 인구가 영향을 크게 미친 것으로 해석할 수 있으며, 고등교육 이하 이수 인구 비율은 그 값이 높을수록 사회적 취약성에는 악영향을 미치는 것으로 파악되었으나, 현재 한국의 교육 수준을 고려해 보았을 때, 취약성이 높은 지역으로 분석된 지역은 향후 취약성이 낮아질 가능성이 있을 것으로 사료 된다(Fekete, 2009). 이는 현시점의 전인구를 대상으로는 교육 수준이 다양하게 분포하고 있지만, 세대가 교체됨에 따라 교육 수준은 크게 향상되고 있기 때문이다(윤태일신소영, 2021).

그림 1(d)는 사회기반시설 및 인구밀도 주성분이며, 지도에서 확인할 수 있듯이 가시적으로는 국내의 대부분 지역이 중간보다 낮은 취약성 지수를 보이는 것으로 나타났다. 시군구의 면적이 각기 다르게 구분된 것이 원인으로 파악되었고, 이는 취약성이 낮게 산정된 시군구는 국내에서 비교적 넓은 면적을 차지하였으며, 취약성이 높게 산정된 시군구는 국내에서 차지하는 면적이 매우 협소하였음을 의미한다. 높은 취약성을 나타내는 지역은 서울특별시, 인천광역시, 대구광역시, 부산광역시로 나타났다. 특히, 서울의 경우 총 25개의 시군구 중 21개의 시군구가 높은 취약성을 나타내므로 사회기반시설 및 인구밀도 주성분에서는 서울이 사회적으로 취약성이 매우 높은 것으로 해석할 수 있다. 제4 주성분의 주요 변수인 보건기관 수, 인구밀도, 건축물 밀도 변수 가운데 보건기관 수는 높은 취약성을 나타냈던 지역에서 모두 음수 값, 인구밀도와 건축물 밀도는 모두 양수 값을 나타냈다. 각 변수의 부하량과의 조합 결과로 보건기관 수, 인구밀도, 건축물 밀도는 사회적 취약성에 양의 영향을 미쳤을 것으로 해석할 수 있다. 특히 사회적 취약성이 높은 지역으로 분류된 곳에서 그 값이 매우 큰 것으로 나타나 해당 시군구의 높은 인구밀도와 건축물 밀도가 취약성 산정에 크게 영향을 미쳤을 것으로 해석할 수 있다. 해당 결과는 일반적으로 인구밀도와 건축물 밀도가 높을수록 사회적 취약성이 높다는 선행연구와 일치하는 것으로 나타났다(Lloyd et al., 2022). 따라서 현재 국내에서는 사회기반시설 및 인구밀도의 사회적 요소가 서울특별시를 비롯한 대도시권에서는 취약성이 매우 높게 나타날 수 있는 구조로 이루어졌다고 해석할 수 있다.

그림 1(e)의 1인당 GRDP 및 외국인 비율에서 높은 취약성을 나타내는 시군구는 서울특별시와 부산광역시, 인천광역시, 경기도, 충청북도, 충청남도, 전라남도, 경상북도, 경상남도 전반에 걸쳐서 나타났다. 반면에 낮은 취약성을 나타낸 시군구는 서울특별시, 부산광역시, 대구광역시, 광주광역시로 모두 광역시에서 나타남을 확인하였다. 제5 주성분을 구성하는 변수는 부하량이 양수인 외국인 비율과 1인당 GRDP이며, 사회적 취약성이 낮게 나타난 지역에서는 모두 해당 변수의 값이 음수로 나타나 사회적 취약성에 음의 영향을 미쳤다고 볼 수 있다. 이와 반대로 취약성이 높은 지역은 해당 변수값이 양수로 나타남을 확인하였다. 우리나라의 외국인 증가 비율은 상당히 빠른 추세로 2050년에는 외국인이 전체 인구의 약 9.2%가 될 것으로 예상하고 있다(김형준 등, 2021). 제5 주성분에서 외국인 비율은 그 값이 높을수록 사회적 취약성을 악화시키는 것으로 나타났는데, 이러한 인구 변화는 사회적 취약성을 점점 악화시키는 결과로 이끌 것이라 볼 수 있다. 특히 높은 취약성을 나타내는 시군구 중 서울특별시의 영등포구, 구로구, 금천구 등은 국내에서도 외국인이 특히 많이 거주하는 지역으로 취약성 관리에 조금 더 주의가 필요한 것으로 사료 된다.

앞서 구축한 주성분 별 사회적 취약성 지수의 합을 통하여 종합 사회적 취약성 지수를 산출하였으며, 지도로 시각화한 결과는 그림 2와 같다. 중간 이하의 취약성을 포함하여 낮은 값을 가진 시군구는 대부분 경기도와 서울특별시, 광주광역시, 대구광역시, 부산광역시, 울산광역시, 인천광역시, 세종특별자치시로 나타났고, 이는 주로 대도시로 구분되는 지역이 사회적인 취약성이 낮은 편이라고 해석할 수 있다. 반면, 취약성이 중간 이상의 높은 값을 가진 시군구는 강원도, 경상남도, 경상북도, 전라남도, 전라북도, 충청남도, 충청북도 전반에 걸쳐 많은 수의 시군구를 포함하는 것으로 나타났다. 제일 높은 단계의 취약성 수준을 나타내는 지역은 표 4와 같이 나타났다.

그림 2.

주성분 분석을 활용한 종합적인 사회적 취약성 지수의 공간적 분포

시도 단위로 보았을 때 전라남도에서 12개의 시군구, 경상북도에서 10개의 시군구가 높은 취약성을 가지는 것으로 나타나 다른 시도에 비해 취약성이 높은 시군구를 많이 포함하는 것으로 분석되었다. 해당 시도의 전체 시군구 개수를 고려해 보았을 때, 사회적 취약성이 낮은 시군구의 개수가 상대적으로 적게 나타나므로 전라남도와 경상북도는 전반적인 사회적 취약성이 높은 시도로 해석할 수 있다. 사회적 취약성이 높은 수준으로 나타난 대부분 지역이 전라남도, 경상북도의 시군구와 같이 대도시권 외의 지역으로 나타났으나, 부산광역시 중구와 인천광역시 강화군, 옹진군은 광역시 및 수도권에 포함되어 있음에도 불구하고 사회적 취약성이 높게 나타났다. 국내 전반에 걸쳐 사회적 취약성이 낮은 수준으로 나타난 시군구가 서울특별시와 경기도, 대전광역시 등의 수도권과 광역시 내에서 나타났음에도 사회적 취약성이 제일 높은 수준으로 나타남에는 다른 지역과의 특별한 차이점이 있을 것으로 사료 되었다. 이와 같이 취약성이 높게 나타난 시군구의 특징을 파악하기 위하여 각 주성분의 사회적 취약성 지수 중 각 시군구에서 가장 큰 값을 나타낸 주성분이 무엇인지를 공간적으로 표현하였으며 그림 3과 같다. 이는 종합적인 사회적 취약성 지수를 산정할 때, 주성분에 가중치를 지정하지 않으므로 값이 가장 큰 사회적 요소가 가장 큰 영향력을 미친 것으로 해석할 수 있기 때문이다(De Silva et al., 2022).

그림 3.

종합적인 사회적 취약성 산정 시 가장 값이 큰 주성분의 공간적 분포

높은 수준의 취약성을 나타낸 시군구(표 4)에서 가장 값이 크게 나타난 주성분은 부산광역시 중구를 제외하고 모든 시군구에서 제1 주성분인 복합 취약 요인으로 나타났다. 복합 취약 요인에서 사회적 취약성 지수를 상승시키는 변수는 노동 참여 여성 인구 비율, 경제 활동 인구 비율, 하수도 미보급률, 초등교육 이하 이수 인구 비율 변수로 확인되었다. 또한 제1 주성분의 사회적 취약성 지수는 다른 주성분의 지수보다 값이 상당히 크게 산정되었다. 따라서 종합적인 사회적 취약성이 높은 수준으로 나타난 시군구에서는 사회적 취약성을 감소시키기 위하여 노동 참여 여성 인구, 경제 활동 인구, 하수도 미보급률, 초등교육 이하 이수 인구에 해당하는 사회경제적 요소에 집중할 필요가 있을 것으로 사료 된다. 사회적 취약성이 높은 여러 시군구 가운데 부산광역시는 제2 주성분인 인구통계 및 교육 수준의 사회적 요소가 가장 큰 역할을 한 것으로 파악되었다. 해당 지역에서 제2 주성분의 사회적 취약성 지수가 다른 주성분의 지수보다 확연하게 값이 큰 것으로 나타나 해당 주성분이 가장 큰 영향을 미쳤을 것으로 해석할 수 있다. 제2 주성분은 6세 미만 인구 비율과 빈곤선 이하 가구 비율 변수가 부하량이 제일 큰 것으로 분석되었으나, 부산광역시를 대상으로는 해당 변수들의 값이 시군구 별로 크게 차이가 나지 않음을 확인하였다. 반면, 가구당 평균 인원은 부하량이 음수로써 사회적 취약성에 음의 영향을 미치게 되는데, 부산광역시 중구의 가구당 평균 인원은 부산광역시 내 다른 시군구에 비해 매우 낮은 값을 보이는 것으로 분석되었다. 따라서 부산광역시 중구의 사회적 취약성이 높게 나타난 이유는 가구당 평균 인원이 다른 지역보다 유독 낮은 것이 원인으로 파악되었으며, 가족 구성원과 관련된 추가적인 조사와 대응이 효과적인 취약성 관리에 도움이 될 것으로 예상된다.

인천광역시의 강화군과 옹진군은 가장 영향력이 큰 주성분으로 제1 주성분이 나타났다. 제1 주성분은 노동 참여 여성 인구 비율, 경제 활동 인구 비율, 하수도 미보급률, 초등교육 이하 이수 인구 비율, 실업률 등 사회경제적 요소가 영향을 많이 끼친다. 인천광역시의 강화군과 옹진군은 광역시에 속해 있지만, 앞서 언급한 변수들의 분포가 다른 광역시의 시군구보다는 오히려 강원도 고성군이나 경상남도 의령군, 창녕군과 유사한 값의 분포를 나타냈다. 즉, 사회경제적인 요소들이 다수의 광역시와는 다른 특징을 가지고 있음을 의미하며, 이는 사회적 취약성이 높은 수준으로 나타난 원인이라고 볼 수 있다. 인천광역시의 강화군과 옹진군을 포함한 사회적 취약성이 높은 시군구는 사회경제적인 요소들의 보완으로 향후 사회적 취약성을 낮출 수 있을 것으로 예상된다.

5. 결론

사회적 취약성 지수는 자연재해에 대하여 어떤 지역이 더 취약하고, 덜 취약한지를 사회적인 변수들의 조합으로 설명할 수 있는 도구이다. 미국의 CDC/ATSDR은 이미 사회적 취약성 지수를 개발하여 지도 형식으로 국민에게 제공하고 있으며, 정책 결정에 있어서 활발히 사용하고 있다. 이는 사회적 취약성 지수를 파악하는 것이 자연재해 상황에서 효과적으로 정부의 의사결정 지원에 도움이 되며, 국민의 안전과 재산 보호에도 중요하다는 것을 의미한다고 볼 수 있다. 그러나 아직 국내에서는 전 지역을 대상으로 하면서 동시에 종합적인 자연재해에 대한 사회적 취약성 지수를 산정한 연구는 수행되지 않았다. 그로 인해 우리나라 전체 지역을 대상으로는 사회적 취약성이 높은 지역 또는 낮은 지역을 파악하기 어려운 실정이며, 더불어 이러한 지수의 부재는 자연재해 상황에서 더욱 많은 인명 피해와 자산 피해 증가, 대응 능력 감소 등을 유발할 수 있다. 따라서 국내 전 지역을 대상으로 하며, 홍수, 산사태, 태풍 등의 종합적인 자연재해를 아우르는 사회적 취약성 지수 개발이 필요하다고 볼 수 있다.

본 연구에서는 주성분 분석을 활용하여 사회적 취약성 지수를 산정하였으며, 제1 주성분부터 제5 주성분까지 결과를 도출하고 이를 종합하여 한국의 사회적 취약성 지수의 공간적 분포를 확인하였다. 그 결과 그림 1(a) - 1(e)에서 나타나듯이 취약성의 분포는 공간적으로 각 주성분에 따라 다양하게 나타났으며, 이는 각 주성분에 따라 사회적으로 취약한 지역과 상대적으로 덜 취약한 지역이 다르게 나타났음을 의미한다. 주성분별로 산정된 사회적 취약성 지수의 조합으로 작성된 종합 사회적 취약성 지수의 공간적 분포를 살펴보면, 높은 수준의 취약성을 나타내는 시군구는 총 48곳으로 나타났으며, 대부분은 수도권 및 대도시를 제외한 지역에 분포하는 것을 확인할 수 있었다. 그러나 이례적으로 부산광역시 중구 및 인천광역시 강화군과 옹진군이 취약성이 높게 나타났으며, 비교적 조금 더 많은 인구가 모여있는 부산광역시 중구와 인천광역시 강화군과 옹진군에 사회적 취약성을 감소시킬 수 있는 정책이 우선 적용되어야 할 것으로 예상된다. 그 외에 사회적 취약성이 높게 나타난 45곳의 시군구 지역에도 우선적인 정책 적용이 필요할 것으로 사료 된다. 특히, 사회적 취약성에 영향을 많이 끼치는 것으로 분석된 노동 참여 여성 인구, 경제 활동 인구, 하수도 미보급률, 초등교육 이하 이수 인구의 사회경제적 변수들에 대한 고려가 필요할 것으로 보인다. 대부분 대도시는 해당 변수들이 사회적 취약성을 낮추도록 구성된 것으로 고려하였을 때, 사회적 취약성이 높은 수준으로 나타난 지역의 경우 경제 활동 참여 증대, 교육 수준 향상 등의 정책 적용은 취약성을 낮추는 데 도움이 될 것으로 예상된다.

본 연구에서는 사회적 취약성 지수를 산정하여 우리나라 전역의 시군구 중 어느 지역이 특히 취약한지와 상대적으로 덜 취약한 지역을 식별하였다. 그러나 우리나라 전역을 대상으로 산정된 사회적 취약성 지수는 지역에 따라 다르게 나타날 수 있는 특성에 대한 고려가 어렵다는 한계점이 존재한다. 즉, 해당 지수는 사회적 변수들로부터 통합적으로 취약성을 산정하여 우리나라의 전반적인 취약성을 파악하는 데 유리하지만, 지역적인 특성을 파악하기 어려울 수 있음을 의미한다. 따라서 향후 지역적인 특성을 동시에 고려하는 사회적 취약성 지수를 개발하는 연구가 가능할 것으로 사료 된다. 추가적으로 본 연구는 식별된 취약 지역이 실제로 자연재해에 대하여 취약한지를 검증하는 방법이 어렵다는 한계가 존재한다(Rufat et al., 2019). 이는 사회적 취약성 지수와 명백하게 대응되는 자료가 무엇인지 아직 확립되지 않았기 때문이다. 따라서 향후에는 사회적 취약성 지수 산정 후 자연재해로 인한 피해를 나타내는 다양한 자료를 이용하여 사회적 취약성 지수가 실제 활용될 수 있는지를 파악하는 연구가 가능할 것으로 사료 된다.