서 론

표류의 정의는 대수속력에 의해 물체가 움직이는 것을 말한다(Breivik and Allen, 2008). 바람에 의한 취송류의 기인 및 해류, 조류 흐름 속에 이들 요인에 의해 복합적으 로 선박이 이동되기 때문에 대수(對水)적으로는 정지하 고 있더라도 대지(對地)적으로 표류현상을 일으킨다. 이 러한 외력 각 요인이 표류현상에 어느 정도 영향을 미치 는지 분석한다는 것은 매우 중요하다(Sakamoto, 1975).

최근 5년 우리나라 해양사고 및 인명피해는 연평균 10% 증가하였으며, 89%가 연안 해역에서 발생하고 있 어 대책이 시급하다(Choe et al., 2021). 2021년 해양수산 부 선박용도별 해양사고에서 전체 선박 중 어선이 차지 하는 비율이 64.6%이고 총톤수 5~20톤 미만의 선박이 26.3%로 나타났다(MOF, 2022). 특히 Kang (1993), Kang and Lee (2002), Ni et al. (2010)은 해양사고의 발생으로 표류 중인 조난선박을 구조하는 데 있어서 중 요한 작업은 조난선박의 표류위치를 정확하게 추정하고 범위를 신속하게 결정하는 것을 강조하였고, Breivik et al. (2013) 또한 표류위치 추정이 구조작업의 효율성을 향상시킨다고 언급하였다.

표류시험은 1943년 Woods Hole Oceanographic Institution 에서 미 해군 및 육군의 구명정을 사용하여 첫 실시하였 으나, 실험 방법에 대한 자세한 기록은 없고 결과만 확인 할 수 있다. 그 후, 소형 선박에 관한 첫 실험은 1959년에 실시되었다(Chapline, 1960).

선행연구를 살펴보면, 바람에 의한 표류 연구(Hufford and Broida, 1974)와 해류만을 이용하여 표류를 추정한 연구(Kang and Lee, 2002;Ahn et al., 2021)로 하나의 변수로 표류를 추정하였고, Kang (2002)은 바람과 해류 만을 고려하였다. 이렇게 바람, 해류 변수를 고려한 표류 추정 연구는 수행되었지만, 조류를 고려한 표류 예측 선 행연구는 거의 없는 실정이다. 한편, Kang (2000)은 모델 검증을 위해 현장의 많은 자료의 필요성을 강조하였다. 따라서, 본 연구에서는 바람, 해류 이외에 조류를 독립변 수로 반영하여 표류를 예측하고자 한다.

한편, 채낚기 어선의 조업 방법은 기관을 정지한 상태 로 외력인 바람과 해ㆍ조류 및 기타 영향으로 표류하면 서 조업하는 것이 타 어선의 조업방법과 상이하다. 채낚 기 어업은 낚싯줄 한 가닥에 낚시 1개 또는 여러 개를 단 어구를 이용하여 낚시가 달린 줄을 낚시 대, 자동 조획기, 수동 조획기 등을 이용하여 수산 동물을 낚거나 채어서 잡는 어업이다. 또한, 집어등으로 어군을 집어하 고, 선박의 자세를 한 방향으로 유지하기 위해 물돛(sea anchor)과 선미돛을 이용한다(NIFS, 2022). 따라서 채낚 기 어선은 표류하면서 조업을 하는 대표적인 어법으로 서, 본 연구목적에 가장 부합한 것으로 판단해 채낚기 어선을 연구대상으로 설정하였다.

표류 추정에 관한 연구방법 중 Barrick et al. (2012)은 표류물에 실시간으로 고주파(High Frequency, HF) 레이 다를 발신하는 직접적인 방법을 적용하였다. 본 연구에 서는 직접적인 방법과 달리 채낚기 어선에 장착된 AIS (automatic identification system) 위치 정보에 의한 관측 값인 표류방향과 속력을 산출하고, 국립해양조사원으로 부터 바람과 해 ‧ 조류 정보를 수집하여 다중회귀분석을 실시하였다.

재료 및 방법

연구 데이터

본 연구에서 활용한 데이터는 어선에서 송신하는 AIS 데이터와 해당 시점 및 위치상의 해양환경 데이터이다. 연구대상 선박은 속력이 거의 정선한 상태(2노트 미만 으로 필터링)로 바람과 해ㆍ조류 등 외력에 의해서만 조업하는 길이 10 m 미만의 채낚기 어선이다. 해양환경 데이터는 국립해양조사원 바다누리 해양 정보서비스에 서 격자별 바람, 해ㆍ조류 정보를 추출하여 데이터베이 스화 하였다(KHO, 2022). Table 1은 2018년 7월 1일부 터 2019년 8월 5일 사이에 선박길이 10 m 미만인 채낚 기 어선 17척의 해상이동업무식별번호(Maritime Mobile Service Identity, MMSI)별 수집한 관측수를 나타낸 것으 로 총 관측수는 21,577개이다.

Table 2는 대상선박 17척의 경ㆍ위도 위치 정보에 의한 표류속력과 표류방향 총 21,577개의 표본을 나타낸 것 으로 종속변수(y)는 표류속력(m/s)과 표류방향(˚)이며, 독립변수는 조류방향(x1), 조류속력(x2), 해류방향(x3), 풍향(x4), 풍속(x5), 해류속력(x6)이다.

Fig. 1은 시험선박 17척의 표류 위치를 나타낸 것으 로, 표류한 범위는 32° 33′08″N~33° 59′59″N, 125° 3 3′08″E~127° 59′59″E이다.

회귀분석 연구방법 개요

회귀분석은 관찰되거나 주어진 각의 변수들에 대해 관련성을 밝히고 평가하는 방법이다. 통계학적으로 독 립변수(independent variable)와 종속변수(dependent variable) 사이의 상관관계를 나타내는 선형관계식을 구하는 기법 이다. 선형관계식에서 독립변수는 원인 역할을 하는 변 수이고 종속변수는 변화에 따른 결과로 관측되는 변수 이다(Nowy and Gucma, 2020). 독립변수의 개수(p)가 2개 이상인 다중회귀모형(multiple regression model) 식 (1)로 나타낼 수 있다.

여기서,

β는 표준화 회귀계수이며, i번째 독립변수의 편미분 계수로 다른 독립변수의 값을 고정했을 때 영향력을 의미 한다. e_i는 오차항으로 실측치와 예측치의 차이를 말하며 서로 독립이다. 식 (1)을 행렬식 (2)로 나타낼 수 있다.

다음으로 최소자승법(Ordinary Least Square, OLS)을 이용하여 식 (3)을 최소화하는 추정치 계수 β₀, β₁, ⋯, β_p-1 를 구한다. OLS 추정치를 구하려면 Q를 β₀, β₁, ⋯, β_p-1 에 대해 편미분하고 그 결과를 0이라 놓고 연립방정식 에 의해 얻는다(Draper and Smith, 1981;Ahn et al., 2021).

결과 및 고찰

Fig. 2는 채낚기 어선 17척이 조업 중 선박 외력인 조류, 바람, 해류의 속력(m/s) 및 방향(˚)을 나타낸 것이 다. 조류속력에 대한 평균, 범위 및 최빈값(mode)은 0.3198, 0.000~1.1308, 0.1542이고 풍속에 대한 평균, 범 위 및 최빈값(mode)은 5.9324, 0.0411~15.0551, 3.9321 해류속력은 0.3354, 0.0051~1.1308, 0.3394으로 나타났 다(Fig. 2(a)). 조류방향에 대한 평균, 범위 및 최빈값은 196.7, 1.4~358.0, 287.2, 풍향은 208.1, 0.3~359.9, 223.0, 해류방향은 173.7, 0.0051~1.1308, 114.5이었다 (Fig. 2(b)).

Fig. 3은 전체 표본 수의 경‧위도에 의한 매 초간의 표류속력(m/s) 및 표류방향(˚)에 대한 분포도를 나타낸 것이다. 채낚기 어선의 표류속력은 최소 0, 최대 3.0202 m/s, 표준오차 0.002, 편차 0.2939, 중앙값 0.3636, 최빈 값 0.0000, 왜도 1.0825, 첨도 1.0411, 평균 표류속력 0.4425 m/s이고 0.3-0.6 m/s에서 빈도수가 높은 것으로 나타났으며, 정규분포는 오른쪽으로 쏠리고 중심이 뾰 족한 형태를 보였다(Fig. 3(a)).

채낚기 어선의 표류방향은 표준오차 0.7230, 편차 107.1808, 중앙값 및 최빈값은 114.7, 90, 왜도 0.4030, 첨도 -1.3139, 평균 표류 방향은 163.2˚이고, 108˚에 서 빈도수가 높은 것으로 나타났다. 정규분포는 오른쪽 으로 쏠리고 중심이 비교적 퍼져있고, 음수로 나타나 꼬리부분이 짧음을 알 수 있었다(Fig. 3(b)).

Table 3은 종속변수인 표류속력(y)과 독립변수(x1, x2, ..., x6) 간의 상관관계 분석결과를 나타낸 것이다. 양의 상관관계는 조류속력이 0.6548, 음의 상관으로는 조류방향 -0.2692이 가장 높게 나타났다.

그리고 독립변수 조류방향(x1)과의 상관계수(x1: x2), (x1: x3), (x1: x4), (x1: x5), (x1: x6)은 각 0.0911, 0.0130, 0.0261, 0.0535, -0.0408으로 보였고 조류속력(x2)과의 상관계수 (x2: x3), (x2: x4), (x2: x5), (x2: x6)은 0.0849, 0.0743, -0.2378, 0.1539이고 풍향(x3)과의 상관계수(x3: x4), (x3: x5), (x3: x6)은 0.0710, 0.0683, -0.0539의 결과 를 보여, 표류속력에 미치는 영향은 전반적으로 외력의 방향보다 외력의 속력이 큰 것으로 나타났다.

Table 4는 종속변수인 표류속력(y)과 독립변수(x1, x2, ..., x6)인 외력의 분산 및 공분산 값을 나타낸 것 이다. 종속변수와 독립변수의 x1~x6 분산 0.0863, 8237.2645, 0.0472, 4026.4828, 12663.9781, 6.1812, 0.0461이고, 종속변수에 대한 독립변수들 간의 공분산 은 각 -7.1800, 0.0418, 1.6704, 4.7759, -0.0953, 0.0106 으로 나타났다. 그리고 독립변수 조류방향(x1)과의 공분 산 (x1: x2), (x1: x3), (x1: x4), (x1: x5), (x1: x6)은 각각 1.7955, 74.6747, 266.9693, 12.0771, -0.7954을 보였고 조류속력(x2)과의 공분산 (x2: x3), (x2: x4), (x2: x5), (x2: x6)은 1.1692, 1.8159, -0.1284, 0.0072이고 풍향(x3) 과의 공분산 (x3: x4), (x3: x5), (x3: x6)은 507.0503, 10.7722, -0.7343이다. 분산에서는 풍향이 가장 크고, 공 분산은 조류방향과 해류속력 등에서 음의 상관을 상관 관계를 이루고 있음을 알 수 있었다.

Table 5는 채낚기 어선의 다중회귀분석에 의한 예측 표류속력( y ^ s p e e d) 분석결과를 나타낸 것이다. 모형의 적합 도 통계량 F^*는 4427.8280, 유의확률(Pr>F^* )은 0.0000이 고 독립변수가 종속변수에 미치는 영향을 나타내는 다 중상관계수, 결정계수, 조정된 결정계수는 각 74.3%, 55.3%, 55.2%, 표준편차는 0.1967이였다.

독립변수 x1(조류방향), x2(조류속력), x3(풍향), x4 (해류방향), x5(풍속), x6(해류속력)의 표준화 회귀계수 는 0.0000, 0.8628, 0.0000, 0.0000, 0.0004, 0.0496, 절편 계수는 0.2457, 회귀계수에 대한 t 통계량 및 유의확률 (p-value)은 -72.7750(0.0000), 141.6282(0.0000), 6.3146 (0.0000), 18.7211(0.0000), 8.8001(0.0000), 8.1464(0.0000), 95% 신뢰구간 범위에서 절편 및 회귀계수에 대한 극소 (극대) 값은 각 0.2321(0.2593), -0.0011(-0.0011), 0.9079 (0.9334), 0.0001(0.0002), 0.0002(0.0003), 0.0039(0.0061), 0.0402(0.0657)으로 나타났다.

실측값과 예측값의 검정통계량(chi-square) 및 유의확 률은 2776.2480, 0.0000이고 잔차의 정규성 검정통계량 (jarque-bera) 및 유의확률은 22719.260, 0.0000이고 잔 차의 독립성 검정통계량(durbin-watson)은 0.4562으로 보였으며 독립변수들에 대한 다중공선성 검정인 분산팽 창요인(variance inflation factor: VIF)은 각 1.0782, 1.7507, 1.0081, 1.0213, 1.0173, 1.0288으로 보였다.

Fig. 4는 예측 표류속력( y ^)에 대한 잔차를 나타낸 것 으로 잔차 최소, 25%, 최빈값, 평균, 75%, 최대값은 -0.6688, -0.1275, -0.0098, 0.0000, 0.1121, 2.8531이고 band분포를 보여 상호독립과 등분산성(homoscedasticity) 을 나타냈다.

채낚기 어선의 예측 표류속력(y ^ s p e e d) 모형은 F 검정 에서 유의수준 α=0.05 이하의 유의확률을 보여 통계 적으로 유의하다. 독립변수 중 예측 표류속력에 조류속 력이 가장 유의한 영향력을 미치는 것으로 나타났고, 다음으로 해류속력, 풍속 순으로 나타났고 t-검정의 유 의확률은 유의수준 이하로 나타났다. 실측값과 예측값 의 검정통계(chi-square) 유의확률에서도 유의수준(α =0.05) 이하로 보였다.

또한, 잔차의 정규성 통계량(jarque-bera)의 유의확률 도 유의수준 이하였고, 독립변수간의 공차한계의 역수 로 표시되는 VIF가 10이하로 보여 독립변수간의 상관관 계는 없었다. 잔차의 합은 0이고 자기 상관을 검토한 결과, 유의수준 α=0.05일 때 범위는 dL=1.707, dU=1.831이므로 잔차의 독립성은 보이지 않았으나, 그 통계량이 0에 가까이 있어서 양의 상관관계를 보였다.

종속변수와 독립변수들의 선형조합과의 상관관계인 다중상관계수는 74.3%이고 추정된 회귀모형의 예측 능 력을 측정하는 결정계수는 55.2%를 보여, 다중회귀분석 을 통해서 낚기 어선의 예측 표류속력 모형(y ^ s p e e d)을 식 (4)로 나타낼 수 있다.

Table 6은 종속변수인 표류방향(y)과 독립변수(x1, x2, ... , x6)인 외력의 상관계수를 나타낸 것으로 양의 상관관계는 조류방향이 0.5800로 가장 높았고 그 다음 으로 조류속력 0.2494 순으로 양의 상관을 보였다. 음의 상관으로는 풍속 -0.0446로 나타났으며 독립변수들 사 이의 상관계수는 표류속력 결과와 같다. 표류방향에 미 치는 영향은 전반적으로 외력 속력보다 외력이 방향이 큰 것으로 나타나, 표류속력과는 반대이고 전반적으로 조류의 영향이 컸다.

Table 7은 종속변수인 표류방향(y)와 독립변수들(x1, x2, ..., x6)인 외력의 분산 및 공분산 값을 나타낸 것으로 종속변수 y와 독립변수의 x1 ~ x6 분산 값은 종속변수 11487.1953 이외에는 표류속력과 동일하고 종속변수에 대한 독립변수들 간의 공분산은 각각 5642.0832, 5.8054, 365.4635, 51.1645, -11.8961, 0.2745으로 각 나 타났으며 독립변수들 간의 공분산은 표류속력 결과와 경향도 같았으나, 그 값이 표류속력보다 크다.

Table 8은 채낚기 어선의 다중회귀분석에 의한 예측 표류방향(y ^ d i r e c t i o n ) 분석결과를 나타낸 것이다. 모형의 적합도 통계량 F^*는 2183.8545, 유의확률(Pr>F^* )은 0.0000이고 독립변수가 종속변수에 미치는 영향을 나타 내는 다중상관계수, 결정계수 61.6%, 37.8%이였다.

각 독립변수 표준화 회귀계수는 0.0014, 87.3141, 0.0002, 0.0000, 0.0998, 4.3435, 절편계수는 -0.0837, 회 귀계수에 대한 t의 통계량 및 유의확률(p-value)은 104.2960(0.0000), 33.3509(0.0000), 6.3762(0.0000), -4.6133(0.0000), -5.0178(0.0000), 1.6612(0.0967) 그리 고 절편은 -0.0281(0.9776)이고 95% 신뢰구간 범위에서 절편 및 회귀계수에 대한 극소(극대) 값은 각 –5.9266 (5.7593), 0.6546(0.6797), 87.6942(98.6456), 0.0405(0.0765), -0.0348(-0.0140), -1.6990(-0.7445), -0.8343(10.1099)이 었다.

그리고 실측값과 예측값의 검정통계량(chi-square) 및 유의확률은 1102911, 0.0000이고 잔차 정규성 검정통계 량(jarque-bera) 및 유의확률은 2518.1850, 0.0000이고 잔차의 독립성 검정통계량(durbin-watson) 0.7592로 보 였으며, 독립변수들에 대한 VIF는 각 1.0174, 1.1108, 1.0241, 1.0717, 1.1060, 1.0843으로 나타났다.

Fig. 5는 예측표류방향( y ^ )에 대한 잔차를 나타낸 것으 로 최소, 25%, 최빈값, 평균, 75%, 최대값은 -265.5665, -31.6599, -0.3616, 0.0000, 46.2816, 339.7329였고 선형 (linear) 분포 형태를 보였다.

채낚기 어선의 예측 표류방향( y ^)은 F 검정에서 유의 수준 α=0.05 이하의 유의확률을 보여 모형은 통계적 으로 유의하다. 독립변수 중 예측 표류속력에 조류방향 이 가장 유의한 영향력을 미치는 것으로 나타났고, 풍향, 풍속, 해류방향, 해류속력 순으로 영향을 미치는 것으로 나타났다. t 검정 유의확률은 해류속력 이외에는 유의수 준(α=0.05) 이하인 0.0000이다.

실측값과 예측값의 검정통계(chi-square) 및 잔차 정 규성의 통계량(jarque-bera), 독립변수간의 공차한계의 역수로 표시되는 VIF 등은 예측 표류속력과 같은 경향 을 보였다. 종속변수와 독립변수들의 선형조합과의 상 관관계인 다중상관계수는 61.4%이고 회귀모형의 설명 력을 나타내는 결정계수는 37.8%를 보였다. 다중회귀분 석을 통해서 채낚기 어선의 예측 표류방향 모형( y ^ )을 식 (5)로 나타낼 수 있다.

본 연구의 한계로는 채낚기 어선에서 사용되는 물돛과 선미돛의 영향이 고려되지 못한점이다. 물돛을 사용하지 않는 업종의 어선은 해류와 조류 등이 주외력이 되지만, 수중에 잠겨 있는 물돛은 하나의 저항체로서 표류 속도의 지연시키는 주요 역할을 한다. 또한 선미돛은 어선을 항 시 풍상방향으로 선수방향을 유지하게 하는 역할을 한다. 따라서 채낚기 어선에 보조어구로 활용되는 물돛과 선미 돛의 사용여부가 고려되지 못한 한계가 있다.

결 론

본 연구는 길이 10 m인 채낚기 어선 17척에 대해서 AIS에 의한 위치정보와 어선에 미치는 외력인 조류, 해 류, 바람을 매초 단위로 수집하여 다중회귀분석을 실시 하였다. 표류 시험 중 GPS 위치에 의해서 평균 표류속력 및 표류방향은 각각 0.4425 m/s, 163.2031°으로 나타났 고, 풍속에 대한 표류 비(leeway rate)는 7.46%로 Kim et al. (1996)의 실험과 유사하였지만 Kang and Lee (2002)의 50톤급 표류분석 결과보다 약 3.9% 빨랐고 Ahn et al. (2021) 실험보다 느렸으며 풍향에 대해 약 45˚편향하는 경향을 보였다.

표류속력 및 방향에 대한 변수들 사이에 상관 관계분 석에서 조류속력 및 조류방향이 큰 것으로 보여, 연안 해역에서는 표류시험을 할 때 독립변수로 조류를 고려해 야 할 것으로 분석되었다. 채낚기 어선의 예측 표류속력 ( y ^ s p e e d)과 방향(y ^ d i r e c t i o n )에 대한 다중회귀분석 결과, 회 귀모형의 적합도를 나타내는 F-검정에서는 양쪽이 p<0.000이므로 통계적으로 유의하였지만 결정계수(R²) 는 각 55.2%, 37.8%로 보여 방향에 대해서는 부족한 한 것으로 나타났다. 그러나 예측 표류방향 회귀계수들의 p-value값이 해류속력 이외에는 유의수준 이하였다.

예측 표류속력에 유의한 영향을 미치는 독립변수에 대한 표준화 회귀계수를 확인한 결과, 조류속력(β=0.8628), 해류속력(β=0.0496), 풍속(β=0.0004) 순으로 영향을 미 치는 것으로 나타났다. 예측 표류방향에 유의한 영향을 미치는 독립변수로는 조류속력(β=87.3141), 해류속력(β =4.3435) 순으로 나타났다. 예측 표류속력에 대한 잔차 는 상호독립과 등분산성(homoscedasticity)을 나타났지 만 예측 표류방향에 대한 잔차는 선형분포를 보였다. Durbin-watson 통계량에서 양의 상관관계를 보였고, VIF도 모두 10 미만으로 나타나 다중공선성이 없었으며, 1보다 크므로 독립변수들이 어느 정도 상관성이 있었다.

추정치들이 예측 표류방향에 대해서는 통계적으로 약간 못 미치는 경향을 보였으나 예측 표류속력은 유의 한 영향을 미치는 것으로 판단되어 예측 표류속력 및 방향에 대한 모형 식 (4)와 식 (5)로 추정할 수 있다. 따라서 채낚기 어선이 고장, 침수로 표류할 경우 신고를 받은 구조기관에서 신고 지점으로부터 외력으로 인하 여 어느 정도 표류하고 있는지 수치적으로 추정할 수 있을 것으로 판단된다. 다만, 채낚기 어선은 물돛과 선 미돛 사용으로 타 어선과 표류 형태가 상이할 수 있다. 향후 연구대상 선박을 다양한 어업으로 확대하여 기계 학습 모델을 적용하여 오차가 적은 최적모형을 도출하 고자 한다.