Exploratory modeling of adaptation pathways to support decision-making for climate adaptation planning

Abstract

기후변화 적응은 미래에 가속화될 기상변화에 대응하기 위해 다양한 시나리오에 따른 기후 영향을 현재 시점에서 분석하고, 잠재적인 적응 옵션을 확인하며, 정책 결정 과정에서 제기될 수 있는 의문들을 식별할 수 있어야 한다. 그러나 기후적응의 중요성이 부각됨에도 불구하고, 실제로 이행된 적응정책은 상대적으로 적다. 이행 부족의 원인으로는 미래에 대한 예측이 어렵고, 이에 대비할 수 있는 최적의 대응책이 무엇인지를 판단하기 위한 정보가 부족하며, 판단할 수 있는 명확한 방법이 없다는 점을 들 수 있다. 기후변화 적응정책의 특성상 다양한 이해관계자가 관여되어 있고 막대한 비용이 소요된다. 그럼에도 적응계획을 세울 때 다양한 이해관계자들을 설득하고 지지를 얻기 위해서는 합리적으로 판단을 내릴 수 있는 정책평가 자료가 필요하다. 따라서 기후변화 적응정책을 효율적으로 이행하기 위해서는 정책에 대한 명확한 이해와 객관적인 평가가 바탕이 되어야 하지만 정성적인 판단으로 정책이 수립되고 있을 뿐, 정책 효과의 정량적인 판단이 이루어지지 않고 있다. 따라서 본 연구는 미래 피해에 따른 적응대책별 효과를 대입하는 탐색적 모델을 개발하여 적응계획에서 활용할 수 있도록 하는 것을 목표로 한다. 본 연구의 주요 목표는 상대적 비용 효율성과 효과적인 기후 영향 감소를 달성하는 최적의 적응경로의 파레토를 식별할 수 있는 탐색적 계획 모델을 개발하는 것이다. 적응경로는 16개의 연속된 5년단위의 계획 기간으로 구성되어 있으며 각 계획 기간별로 각 적응기술의 규모가 조정될수 있다. 우수한 적응경로는 미래의 기후영향을 더 적응하거나 비용을 낮추면 선택되도록 모델을 설계 하였다. 다양한 적응경로를 탐색하기 위해 다목적 최적화 방법으로 머신러닝 기반 진화 알고리즘인 비지배적 정렬 유전 알고리즘(NSGA-II)을 사용하였다. 먼저, 적응경로 모델을 소개하고 이를 두 가지 의사결정 문제에 적용한다. 두 가지 의사결정 문제는 1) 전략적 목표 설정과 2) 이행과제 우선순위 선정이다. 첫 번째 모델 적용 사례에서는 제약 조건 및 적응 목표를 사전 설정된 값으로 고정하는 대신 의사결정자의 선호도를 매개화 하여 다양한 시나리오를 탐구한다. 본 사례에서는 도시에서의 폭염 관련 상병자를 줄이기 위해 직접적인 적응대책(상병자 수 저감)과 간접적인 적응대책(옥외 열환경 개선)을 적용했다. 목표 설정 옵션을 탐구하기 위해, 다양한 예산 및 영향 감축 방식을 평가하였다. 두 번째 사례의 경우, 적응경로 모델을 수정하여 다른 미래 완화 정책 목표 시나리오(RCP 2.6은 1.5°C 증가 한계를 나타내고, RCP 4.5는 2°C 증가 한계를 나타내고, RCP 8.5는 가장 높은 배출 시나리오)에 따라 다부문 위험을 평가하였다. 도시 열과 홍수 영향을 줄이기 위해 그린인프라 기반 적응 기술의 효과를 확인하였다. 첫 번째 모델 적용 사례에서는 우수한 적응경로는 미래의 기후 영향에 적응할 수 있거나, 적응 비용이 적은 경우에 선택되도록 모델을 설계하였다. 특히, 의사결정자의 선호도(제약 조건 및 적응목표)에 따라 도시에서의 폭염 관련 상병자를 줄이기 위해 직접적인 적응 효과(상병자 수 저감)와 간접적인 적응대책(그린인프라를 통한 옥외 열 환경 개선)을 적용하여 RCP 4.5와 8.5 시나리오에서의 최적의 적응계획을 살펴보았다. 먼저, 예산이 높다고 해서 반드시 최적의 적응계획으로 이어지지 않았으며, 오히려 낮은 예산 조건에서 적응목표 설정에 따라 비교적 더 효율적인 적응계획이 도출되었다. RCP 8.5 시나리오에서는 현재의 적응 옵션 포트폴리오로는 2065년 이후의 영향에는 완전히 적응하기에 불충분한 것으로 분석되었다. 또한, 10년 이상 적응 행동을 지체하게 되면 이후에는 적응이 불가능하다. 마지막으로 그린인프라는 시간에 따라 적응 효과가 증폭되어, 증가하는 미래 영향을 저감하는 데에 효과적인 적응기술임이 검증되었다. 도시의 폭염과 홍수의 미래 영향을 줄이기 위해 그린인프라 기반 적응 기술의 효과와 효율성은 복합적인 것으로 확인되었다. 부문 우선순위에 따라 비지배적 최적화된 적응 경로를 정렬할 때 가장 비용 효율적인 경로가 최적으로 식별되었다. 비용 효율성은 미래의 영향 수준과 그린인프라 기술의 비용 절충에 민감했다. RCP 2.6의 영향은 RCP 4.5에 비해 적기 때문에 규모의 경제로 인해 현재 적응 기술이 비용효율적이지 않아 적응을 덜 하게 되는 적응경로들이 최적화되는 결과가 나왔다. 그린인프라 기반 기술의 증가하는 효과는 적응 경로 모델이 RCP 2.6 시나리오에서 고려하기 어려웠으며 2050년 이전에는 과소적응, 2050년 이후에는 과잉 부적응을 초래했습니다. 그린인프라 기반 적응에 대한 사회적 할인율의 영향은 다음과 같습니다. 비용 보조금이 물 부문의 기술에 투자를 늘리기 위한 추가 자원을 제공하는 경우 간접적인 효과가 있었다. 이러한 결과는 적응을 위한 계획에서 다차원을 고려할 필요가 있음을 시사하고 불확실성 하에서 보다 명확한 의사 결정을 위한 기반으로 탐색적 모델링을 사용하는 이점을 보여한다. 이 연구의 전반적인 결과는 적응 경로 모델링에 대한 연구와 의사 결정 기반 적응 계획 지원 도구 간의 격차를 메웁니다. 두 경우의 결과는 적응계획을 위한 의사결정 방법을 적용할 때 참고할 수 있다.

Adaptation to climate change should be able to analyze the climate impact of future scenarios, identify potential adaptation options, and identify questions that may be raised in the policy-making process. Despite the growing importance of climate adaptation, there are relatively fewer and smaller scale adaptation policies implemented in response to climate change. The reasons for the lack of implementation are that it is difficult to predict the future, there is not enough information to determine the optimal adaptation measure, and there is no clear evaluation method to make final decisions. Furthermore, various stakeholders are involved in climate change adaptation policy-making and substantial costs with immeasurable benefits are common for many adaptation policies. Nevertheless, to persuade and gain support from various stakeholders when setting up an adaptation plan, policy evaluation data that can make rational decisions are needed. Therefore, to effectively implement climate change adaptation policies, a clear understanding of the policy and objective evaluation must be the basis, but policies are established based on qualitative judgments, and quantitative judgments of policy effects are not made. The main goal of this study is to develop an exploratory planning model that can identify optimal adaptation pathways that achieve relative cost-effectiveness and effective climate impact reduction. Optimal adaptation pathways are selected if greater future damages are adapted and costs are lowered. Adaptation pathways for reducing impacts from 2020~2100 were generated as 16 consecutive 5-year plans referencing Koreas current adaptation planning period. At each 5-year planning time frame the scale for each adaptation measure was altered according to future impact level. To search for the optimal adaptation pathways, a machine-learning based evolutionary algorithm, the non-dominant alignment genetic algorithm (NSGA-II) was selected as the optimization method. This thesis first introduces the developed adaptation pathway model, which is then applied to two decision-making problems. The two decision-making issues are 1) setting strategic goals and 2) prioritizing implementation tasks. In the first model application case, various scenarios are explored by mediating the preference of decision makers instead of fixing constraints and adaptation goals to preset values. In this case, direct adaptation measures (reducing the number of mortalities from heat risk) and indirect adaptation measures (improving the outdoor heat environment) were applied to reduce the number of projected mortality from heat stress. To explore goal setting options, various budgets and impact mitigation approaches were evaluated. In the second case, the adaptation pathway model is modified to accommodate different future mitigation policy target scenarios (RCP 2.6 represents the 1.5°C temperature increase limit scenario, RCP 4.5 represents the 2°C temperature increase limit scenario, while RCP 8.5 is the highest emission scenario). The first application study found that after 2065, current adaptation strategies cannot reduce the impacts of heat mortality even with high budgets. A low budget limits adaptation for both ambitious and conservative goal settings while a higher budget did lead to greater adaptation but was not necessary for the conservative goal setting suggesting that efficient pairing of budget level based on the adaptation goal can be beneficial. Further, the longer the delay in investment toward adaptation results in irrecoverable reduction in adaptation. For the second application case, the effectiveness and efficiency of green infrastructure-based adaptation technology was varied for reducing the impact of urban heat and flooding. When sorting the non-dominated optimized adaptation pathways according to sector prioritization, the most cost-efficient pathways were identified as optimal. The cost-efficiency was sensitive to future impact level and the cost trade-off of green infrastructure technologies. RCP 2.6 impacts were too little for current adaptation technologies to be cost-efficient relative to RCP 4.5 due to economies of scale. The increasing effects of green infrastructure-based technologies was difficult for the adaptation pathway model to consider under the RCP 2.6 scenario and resulted in under maladaptation before 2050 and over maladaptation after 2050. The effect of a social discount rate to green infrastructure-based adaptation was indirectly realized, where the cost subsidy provided additional resource to increase investment in non-green infrastructure technologies for the water sector. The overall results of this study suggest the need to consider multiple dimensions in planning for adaptation and proves the benefits of using exploratory modeling as a base for clearer decision-making under uncertainty. The overall findings in this study fills the gap between research on adaptation pathway modeling and decision-based adaptation planning support tools. The results of both cases can be referred to when applying the decision-making method for adaptation planning.