2.1 파랑 자료

Ministry of Oceans and Fisheries(2018)에서는 최근 연안 환경변화 및 해안 인공구조물 건설로 인하여 백사장 침식, 해안선 후퇴 등 심각한 연안침식 피해가 발생하고 있는 점을 감안하여 연안의 침식 · 퇴적 원인분석을 위하여 외력 중 가장 큰 영향을 주는 파랑의 특성을 조사, 분석하고 있다. 침식 · 퇴적 조사와 관계된 파랑관측은 동해 4개소, 서해 1개소에서 실시되고 있으나 본 연구에서는 동해 3개소 자료를 활용하였다. 관측기기로는 파고와 파향을 동시에 관측할 수 있는 노르웨이 Nortek社의 초음파식 파고 · 파향계인 AWAC(Acoustic Wave And Current meter, 600 KHz)이 사용되었다. 정확한 관측 위치, 설치수심, 관측기간 등은 Ministry of Oceans and Fisheries(2018)에 제시되어 있다.

AWAC은 0.5초마다 2,048개의 수위 정보 등을 수집하여 기기 내부에 저장하며, 기기를 회수하여 저장된 원시자료를 백업한 후 제작사에서 제공하는 파랑분석 전용 소프트웨어인 Storm64를 이용하여 분석하였다. Storm64는 스펙트럼법과 파별분석법을 모두 사용하여 파랑정보를 산출하며 매 30분마다 유의파고(H_m0 또는 H_1/3), 첨두주기(T_p), 유의파주기(T_1/3), 첨두파향(Dir_Tp), 평균파향(Dir_mn) 등이 제시된다. 분석된 파향은 관측기기의 특성 상 자북(Magnetic north)을 나타내며 본 연구에서는 각 관측정점에서의 도자각(GM angle)을 빼서 도북(Grid north)을 기준한 파향으로 보정하고 사용하였다. 이와 같이 산출된 파랑 자료를 매 시각 자료로 리샘플링(resampling)하여 분석에 사용하였다.

Fig. 3에는 본 연구의 분석에 사용된 기간에 해당되는 공현진항의 2년간, 맹방 해수욕장과 후포항의 1년간의 유의파고, 첨두주기, 첨두파향의 시계열을 도시하였다. 이 기간 동안의 파랑 자료에 대한 자세한 정보들은 Ministry of Oceans and Fisheries(2015, 2016, 2017)에 제시되어 있다. 그리고 Fig. 4에는 동일한 기간(공현진항 = 2년, 맹방 해수욕장과 후 포항 = 1년)에 해당되는 자료들의 파랑장미도를 제시하였다. 이 그림들을 살펴보면 가장 북쪽에 위치한 공현진항과 남쪽에 위치한 후포항의 주 파향은 NE로 나타났으나 그 사이에 위치한 맹방 해수욕장에서는 파향 NNE와 NE의 출현율이 거의 비슷한 차이를 보였다.

Fig. 3.

Time series of significant wave height, peak period, and peak wave direction at Gonghyeonjin, Maengbang, and Hupo.

Fig. 4.

Wave rose of Gonghyeonjin, Maengbang, and Hupo.

2.2 해빈폭 자료 및 품질 개선

비디오 모니터링 대상 5개 해안의 해안선 길이와 카메라 및 기선 수 등의 기본 정보를 Table 1에서 확인할 수 있다. Table 1의 카메라 수는 위치별로 설치된 카메라의 수를 표기한 것으로, 월송리와 고래불의 경우 각각 2곳(4 + 4)과 3곳(2 + 4 + 4)의 설치 위치에 복수의 카메라가 설치되었다. 카메라의 설치 위치와 설정한 기선은 Fig. 2의 지도에 표시되어 있다. 5개 해안의 길이는 640 m에서 4,300 m에 이르기까지 다양하고, 이에 따라 카메라의 수와 50 m 간격으로 해빈폭을 재는 기선의 수도 달라진다.

Table 1.

Basic information at five video monitoring points including selected data part and period for analysis at each point

Fig. 2.

Map of video monitoring beaches: contains beachlines (vertical lines), camera position (●), and normal direction angles (°) to the shoreline.

해빈폭 자료는 해안선의 변화 패턴을 나타냄으로서 침식 · 퇴적 양상에 대한 정보를 줄 수 있다. 다만 해빈폭 정보만으로는 해수면 아래와 해안 단면의 변화에 대해서는 알기 어렵다는 한계가 있다. 이와 같은 해빈폭 자료를 바탕으로 가능한 한 정확한 반응 경향성을 확인하기 위해서는 해빈폭 자료의 품질과 관측 기간을 최대한 확보할 필요가 있다. 특히 관측기기로 계측한 파랑 자료에 비해 영상으로부터 추출한 해빈폭 자료는 품질을 점검할 필요가 있고 개선의 여지도 큰 편이다.

해빈폭 자료는 낮 시간 동안 매 30분 간격의 영상 자료를 분석하여 추출되는데, 낮 시간 동안에라도 기상 조건 및 기타 상황에 따라 자료 취득률이 현저히 떨어지는 경우가 발생한다. 또한 비디오 영상으로부터 해안선을 자동적으로 추출하는 과정에서 실제 해안선이 아닌 오류가 포함되는 경우도 있다. 해빈폭 자료는 파랑자료와 함께 시계열의 형태로 분석하게 되므로 이러한 오류 시점이 포함되는 것을 피해야 한다.

본 연구에서는 이러한 특성을 반영하여 가능한 실제 해안선에 가까운 해빈폭 자료가 구해지도록 개선 과정을 거쳤다. 해빈폭 자료는 기선과 기간에 따라 그 품질이 다양하고 이상치 양상도 다르게 나타나므로 그 특성에 맞춰 개선 처리를 할 필요가 있다. Cho et al.(2014)의 방법을 참고하여 각 기선별 해빈폭 자료에 대해 이상치 진단과 제거가 자동적으로 이루어지도록 적용하였다. Cho et al.(2014)은 원자료 시계열을 일정한 간격(span)으로 평활화하고, 원자료 시계열과 평활화한 시계열 사이의 잔차에 대해 설정된 기준에 따라 자동으로 이상치 진단을 하는 방안이다. 이때 평활화시의 적절한 간격과 이상치를 진단하는 기준은 자료 유형과 특성에 적합하게 적용되어야 하므로 시행착오를 거쳐 설정하였다. 이러한 방법으로 제거되지 않는 일부의 비정상적 오차에 대해서는 일정구간과 기간에 대해 인위적으로 오차 범위를 설정해서 제거하였다. 최종적으로 개선을 거친 해빈폭 자료는 매 시각 자료로 리샘플링하여 분석에 활용하였다. Figs. 5~7은 이러한 해빈폭 자료 처리 과정의 예시를 보여주고 있다.

Fig. 5.

Processes of a beach width (8th beachline at Bongpo) treatment for data improvement.

Fig. 6.

Processes of a beach width (12th beachline at Wolsongni) treatment for data improvement.

Fig. 7.

Processes of a beach width (8th beachline at Gyoam) treatment for data improvement.

Fig. 5는 자료품질이 비교적 양호한 봉포 해변의 8번 기선의 예시로서, 해빈폭 자료 개선 과정을 순차적으로 나타내었다. Fig. 5(a)의 파란색 점이 영상 자료로부터 추출된 해빈폭 시계열자료이며, 그것을 기준으로 한 달 간격(span)으로 평활화하여 오차 판별기준으로 삼았다. 오차 판별을 거쳐 남은 자료에 대해 다시 5일 간격 평활화를 실시(b)하고, 다시 1시간 간격으로 보간하여 매시각의 해빈폭 자료를 취득(c)하였다. 여기서 회색 수직선 사이의 좁은 구간은 해빈폭 자료가 결측된 시기의 구간을 표현한 것이다. 결측 구간은 인근 자료의 경향과 잔차 성분을 조합한 성분으로 보간하였다.

Fig. 6은 월송리 해안 12번 기선의 해빈폭 처리 과정 예시이다. Fig. 6(a)의 파란색과 붉은색 점으로 표현된 영상 자료를 보면 순전히 영상자료의 오차로 보이는 값들이 겨울철을 중심으로 분포하고 있다. 이와 같이 확연히 오차로 보이는 위치의 범위에 자료가 대량 분포하는 경우, 인위적으로 오차 범위를 설정하여 이상치(붉은색 점)를 제거한다. 이후에는 앞의 봉포 8번 기선(Fig. 5)와 같은 방법으로 오차를 제거하고 결측 구간을 보간한다. 그러나 월송리 12번 기선의 2015년 가을과 같이 결측 구간이 긴 경우, 보간된 값들이 실제 해빈의 변화를 충분히 반영했을 것으로 기대하기 어렵다. 이와 같이 결측 구간이 15일 이상으로 긴 경우에는 해당 구간을 피해서 분석대상 기간을 설정하였다.

Fig. 7은 교암 해안 8번 기선의 예시로서, 양빈의 영향이 포함된 해빈폭 자료의 개선 과정을 나타낸 것이다. 영상 자료로부터 추출된 Fig. 7(a)의 점들을 보면 Fig. 5의 봉포 8번 기선의 예시처럼 오차가 작은 편이다. 그러나 2017년 1월부터 양빈과 같은 인위적인 영향으로 해빈폭이 크게 늘어나서 그 효과가 여름까지 지속된 것을 확인할 수 있다. 이와 같이 양빈을 했거나 양빈의 효과가 나타난 구간은 상관성 분석 시에 해당 구간을 피해서 분석 기간을 설정하여 인위적 영향을 배제하였다.

파랑 자료의 기간과 겹쳐지는 기간 중에서 해빈폭 자료 처리 과정을 통해 충분히 개선이 되지 않는 기선 및 기간은 배제하고 연(年) 단위로 분석 기간을 구하였다. 최종적으로 분석을 위해 선택된 해빈폭 기선과 기간은 Table 1의 5, 6열과 같다. 월송리와 고래불 해안에서는 북편의 기선들이 대거 탈락한 것을 확인할 수 있다. 이것은 월송리 북쪽 해안(구산리)의 경우 해빈폭 추출 시 해안 전면에 설치된 이안제의 간섭 영향이 포함되어 있으며, 고래불 북쪽 해안의 경우에는 다른 지역(2048 × 1536, 4000 × 3000)보다 낮은 카메라 해상도(640 × 480)에 기인하는 것으로 파악된다.

3.1 상관성 분석 변수

해빈폭 자료는 분석 대상인 해안의 기선 수에 따라 11개에서 55개에 이르는 수의 시계열 자료로 존재한다(Table 1). 파고, 주기, 파향의 시계열 자료로 존재하는 파랑 자료와 해빈폭 자료의 전반적인 상관성을 검토하고자, 기선별 해빈폭 자료를 평균화하여 분석에 사용하였다. 즉, N개의 기선별 해빈폭(Wi, i = 1, …, N)을 각각 평균제거한 다음 전체기선에 대해 평균한 평균해빈폭 BW를 상관성 분석 시의 해빈폭값으로 사용하였다.

5개 해안의 평균해빈폭(BW)과 파랑자료(유의파고 H_m0, 첨두주기 T_p, 첨두파향 θ_p)의 기본적인 상관관계를 구한 결과는 Table 2와 같다. 여기서 상관계수를 산정하는 방식은 가장 일반적인 Pearson의 상관계수 공식(Pearson, 1895)을 사용하였다. 독립인 두 변수 x, y의 상관계수 cc는 식(2)와 같이 정의되며, 여기서 T는 자료 길이이고 x와 y는 각 변수의 평균이다. 구해진 상관계수 cc의 부호와 절대값의 크기는 두 변수 사이의 선형적 상관관계의 방향과 크기를 각각 나타낸다.

Table 2.

Correlation coefficients between BW and wave parameters at five beaches and the linked wave monitoring points

Table 2의 결과를 보면 봉포 해빈의 경우 인근의 공현진항의 파랑에 대해 cc의 절대값 크기가 0.50 이상으로 상당히 유의미한 음의 상관관계가 얻어졌고(유의파고와 첨두주기를 기준하여 각각 −0.62와 −0.63), 월송리와 고래불에서도 그보다는 낮지만 인근 파랑에 대해 의미있는 상관관계가 나타났다(유의파고 또는 첨두주기를 기준하여 −0.51과 −0.50). 그리고 첨두파향과 해빈폭의 상관관계는 유의파고와 해빈폭, 또는 첨두주기와 해빈폭의 상관관계보다는 낮게 나타났다. 한편, 교암과 하맹방에서는 cc의 절대값 크기가 모두 0.50 미만으로 상관관계가 상당히 낮게 나타났다. 이와 같이 전체적인 상관성이 낮은 지역에 대해서는 해당 지역 해빈폭과 파랑 자료의 상관성이 항상 낮은지 확인할 필요가 있다. 계절이나 파랑 조건(높은 파고, 긴 주기, 직각 입사, 쇄파 등)의 변화에 따라 해빈폭의 반응 방향이 크게 달라짐으로 인해, 전체 상관관계를 산정할 때에는 도리어 그 상관성이 상쇄되거나 희석된 것일 수 있기 때문이다. 따라서 파랑 조건이나 계절적 조건을 달리하여 상관성을 검토해 볼 필요가 있다.

3.2 파랑 조건별 분석

조건별 상관성을 구하기에 앞서 변수들의 분포를 확인할 필요가 있다. H_m0, T_p 및 BW의 확률분포를 구해 보면, Tp와 BW가 모두 정규분포에 가까운 형상을 가지고 있는 것과 달리 H_m0는 일반적인 파고의 Rayleigh 분포를 따르고 있다. 이러한 H_m0의 경우에도 log를 취하는 간단한 변수 변환만으로 log(H_m0)가 정규분포에 가까운 형상으로 변환될 수 있다. Fig. 8에서 log(H_m0)와 Tp의 히스토그램들이 정규분포에 가까운 것을 확인할 수 있다. 또한 Table 2에 제시한 것처럼 H_m0와 log(H_m0)에 대한 해빈폭의 상관관계를 비교하면 후자가 다소 높은 상관관계를 보여주고 있다. 따라서 금후의 해빈폭과의 상관관계 분석에 있어서는 파고를 대표하는 값으로 H_m0 대신 log(H_m0)를 사용하였다.

Fig. 8.

Histograms of log(H_m0) and T_p with the non-exceedance probabilities and their quantiles (Gonghyeonjin).

이와 같은 조건 변수들의 분포 형태를 바탕으로 적정 구간으로 분할하여 조건을 설정할 수 있다. 밀도에 따라 가능한 한 균등하게 구간을 나누고자 파고·주기의 비초과확률 0.1, 0.25, 0.5, 0.75, 0.9, 0.95, 0.98, 0.99, 0.995에 대한 분위수(quantile)를 사용하였다. 해당 확률에 대한 파고 및 주기의 분위수들은 Fig. 8의 log(H_m0)와 Tp의 히스토그램에서 회색 수직선과 같이 구해진다.

한편 θ_p의 확률분포를 구해 보면 Fig. 9의 히스토그램과 같이 주파향 부근에서는 높은 밀도를 보이다가 점점 낮아지는 형상을 보인다. 이와 같이 달라지는 출현율을 고려하여 히스토그램의 회색 수직선과 같이 구간을 나누었다. N부터 ESE까지는 22.5o 간격의 16방위 기준으로 구한 파향 구간이며, 이후 SE와 S는 33.75o 간격으로, 그리고 SW, WNW는 67.5o 간격으로 구한 파향 구간이다(N = 326.25~11.25o, NNE = 11.25~33.75o, NE = 33.75~56.25o, ENE = 56.25~78.75o, E = 78.75~101.25o, ESE = 101.25~123.75o, SE = 123.75~157.5o, S = 157.5~191.25o, SW= 191.25~258.75o, WNW= 258.75~326.25o). 이와 같은 파향의 구간 분할은 본 연구의 분석 대상인 동해안에 한하여 적용할 수 있을 것이다.

Fig. 9.

A histogram of θ_p and directional segmentation (Gonghyeonjin).

이와 같이 설정한 파고와 주기 및 파향의 구간별로 파랑변수와 해빈폭의 상관관계를 구하고 박스플롯으로 변수들의 변동 범위를 확인하였다. Figs. 10~12은 봉포 해안의 해빈폭과 공현진의 파고, 주기 및 파향에 대한 분석의 예시이다. 5지점 해빈에서의 파고 · 주기 · 파향 구간별 해빈폭과의 상관관계 분석 결과는 Table 3에 정리하였다.

Fig. 10.

Boxplots according to classes of H_m0 segmented by non-exceedance probabilities (Gonghyeonjin and Bongpo): (a) boxplots of H_m0 with numbers of data at each class and correlation coefficients between H_m0 and BW. (b) boxplots of T_p with correlation coefficients between T_p and BW. (c) boxplots of BW.

Fig. 11.

Boxplots according to classes of T_p segmented by non-exceedance probabilities (Gonghyeonjin and Bongpo) : (a) boxplots of H_m0 with correlation coefficients between H_m0 and BW. (b) boxplots of T_p with numbers of data at each class and correlation coefficients between T_p and BW. (c) boxplots of BW.

Fig. 12.

Boxplots according to classes of segmented θ_p (Gonghyeonjin and Bongpo): (a) boxplots of H_m0 with numbers of data at each class and correlation coefficients between H_m0 and BW. (b) boxplots of T_p with correlation coefficients between T_p and BW. (c) boxplots of BW.

Table 3.

Correlation analysis results according to wave conditions

Fig. 10은 파고의 분위수들을 기준으로 구간을 나누어 분석한 것으로, 분위수에 의한 파고 구간별로 주기와 해빈폭 자료들의 변동 범위와 파고 및 주기와 해빈폭의 상관계수를 확인할 수 있다. Fig. 10(a)의 상단에 표시된 값들은 파고 구간을 나눈 비초과확률과 그 구간에 속하는 자료 개수(#)이며, 그 아래의 볼드체 숫자는 각 구간에서의 파고와 해빈폭의 상관계수를 의미한다. (b)에서의 볼드체 숫자는 각 구간에서의 주기와 해빈폭의 상관계수를 의미한다. 각 파고 구간에 해당하는 주기와 해빈폭의 변동 범위는 Fig. 10(b), (c)와 같고, 파고가 높은 구간으로 갈수록 주기도 길어지고 해빈폭도 줄어드는 것을 확인할 수 있다. 또한 파고가 높은 구간으로 갈수록 해빈폭에서도 침식 효과가 커지는 것은 분명하지만, 각 파고 구간 안에서 파고와 해빈폭 사이에는 유의미한 크기의 상관관계가 보이지는 않았다. 이와 반대로 주기와 해빈폭 사이에는 비초과확률 0.99 이상의 높은 파고 구간(H_m0 ≥ 3.3 m)에서 상당히 큰 음의 상관관계를 보였다(−0.63, −0.70).

Table 3은 봉포의 Fig. 10과 같은 상관계수 분석 결과를 다른 지점에 대해서도 제시하고 있다. Fig. 8과 Fig. 9의 파랑조건(파고와 주기의 분위수, 파향 구간)에 따른 해빈폭과의 상관계수를 각 지점별로 보여주고 있다. 구간을 나누는 기준이 되는 파랑 변수에 따라 wrt H_m0(파고의 분위수를 기준으로 구간을 나눈 것), wrt T_p(주기의 분위수 기준으로 구간을 나눈 것), wrt θ_p(파향 구간 별로 구간을 나눈 것)로 표기하였다. 각 구간에 따른 상관계수는 해빈폭과 파고(ccH), 해빈폭과 주기(ccT)에 대하여 산정되었으며, 각 지점명과 함께 기록된 각도는 각 해안선의 직각방향을 의미한다.

이에 따라 Fig. 10의 봉포의 분석과 같은 다른 4개 지점의 파고 구간별 분석 결과는 각 지점별로 wrt H_m0에서 확인할 수 있으며, 주기와 해빈폭의 상관관계(ccT)를 보면 비초과확률 0.99 이상의 높은 파고 구간에서 ccT가 그 이전 구간에 비해 확연히 크게 나타나고 있음을 알 수 있다. 이러한 상관관계의 구간별 변화는 어느 수준 이상의 높은 파고로 파랑이 발생할 때 주기에 비례해서 해빈폭의 감소가 심화됨을 의미한다. 반면에 해당 구간(비초과확률 0.99 이상의 높은 파고 구간)에서 파고와 해빈폭의 상관관계(ccH)는 다른 구간과 비등한 수준을 보인다. 이것은 비초과확률 0.99 이상 정도의 높은 파고의 파랑이 발생하는 경우에, 상대적으로 더 높은 파고로 발생한다고 해서 해빈폭의 감소가 심화되는 것은 아님을 뜻한다.

Fig. 11은 주기의 분위수들을 기준으로 구간을 나누어 분석한 것으로, 주기 구간별로 파고와 해빈폭 자료들의 변동 범위와 파고 및 주기와 해빈폭의 상관계수를 확인할 수 있다. Fig. 11(a)에서의 볼드체 숫자는 각 구간에서의 파고와 해빈폭의 상관계수를 의미한다. Fig. 11(b)의 상단에 표시된 값들은 주기 구간을 나눈 비초과확률과 그 구간에 속하는 자료 개수(#)이며, 그 아래의 볼드체 숫자는 각 구간에서의 주기와 해빈폭의 상관계수를 의미한다. 각 주기 구간에 해당하는 파고와 해빈폭의 변동범위는 Fig. 11(a), (c)와 같고, 주기가 긴 구간으로 갈수록 파고도 높아지고 해빈폭도 줄어드는 것을 확인할 수 있다. 이와 같이 주기가 긴 구간으로 갈수록 해빈폭의 감소가 심화되는데, 비초과확률 0.99 이상의 긴 주기 구간(T_p ≥ 12 sec)에서 파고와 해빈폭 사이에는 상당히 큰 음의 상관관계가 나타났다(−0.76, −0.84). 이것은 어느 수준 이상의 긴 주기의 파랑이 내습할 때는 파고에 비례해서 해빈폭의 감소가 심화됨을 의미한다.

Table 3에서 봉포 이외의 다른 지점들의 주기 구간별 분석결과를 보면(wrt T_p 참조), 비초과확률 0.99 이상의 긴 주기구간에서 파고와 해빈폭의 상관관계(ccH)가 그 이전 구간에 비해 확연히 크게 나타나고 있다. 이러한 상관관계의 주기 구간별 변화는 어느 수준 이상의 긴 주기로 파랑이 발생할 때 파고에 비례해서 해빈폭의 감소가 심화됨을 의미한다. 반면에 해당 구간(비초과확률 0.99 이상의 높은 주기 구간)에서 주기와 해빈폭의 상관관계(ccH)는 다른 구간과 비등한 수준을 보인다. 이것은 비초과확률 0.99 이상 정도의 긴 주기의 파랑이 발생하는 경우에, 상대적으로 더 긴 주기로 발생한다고 해서 해빈폭의 감소가 심화되는 것은 아님을 뜻한다. 예외적으로 고래불의 경우에만 긴 주기 구간에서 ccH가 의미있게 높은 값으로 나타나지 않고 오히려 ccT가 상승한 결과를 보여주었다.

Fig. 12는 Fig. 9와 같이 나눈 파향 구간에 따라 파고 및 주기와 해빈폭의 상관성을 분석한 것으로, 파향 구간별로 파고 및 주기와 해빈폭 자료들의 변동 범위와 파고 · 주기와 해빈폭의 상관계수를 확인할 수 있다. Fig. 12(a)의 상단에 표시된 값들은 파향 구간별 자료 개수(#)이며, 그 아래의 볼드체 숫자는 각 구간에서의 파고와 해빈폭의 상관계수를 의미한다. (b)에서의 볼드체 숫자는 각 구간에서의 주기와 해빈폭의 상관계수를 의미한다). Fig. 12(a)와 (b)의 파고 및 주기에 대한 박스플롯을 보면 봉포 해안과 연계된 공현진 파랑은 NE 방향으로 가장 많이 발생하고(5567#) 파고 및 주기도 가장 큰 값으로 나타난다. 이와 더불어 Fig. 4의 파랑장미도에서도 NE 방향이 주파향으로 나타나고 있다. Fig. 12(c)의 해빈폭 변동 범위와 중앙값을 보아도 해당 NE 파향에 대해 침식이 가장 활발했던 것으로 보인다. 이와 더불어 파향 구간에 따른 해빈폭의 반응을 분석하기 위해서는 내습하는 파랑에 면하는 해안선의 각도도 중요하게 고려해야 한다. 일반적으로 해안선이 완전한 일직선으로 형성되지는 않으나 본 연구에서 대상으로 하는 해안에 대략적인 직선을 가상하고 해안선 직각방향을 구하고자 하였다. Fig. 2의 지도에서와 같이 정북을 0o로 하고 시계 방향으로 해안선 직각 방향을 측정하면, 교암 100o(E), 봉포 53o(NE), 하맹방 43o(NE), 월송리 70o(ENE), 고래불 63o(ENE)로 구할 수 있다. 따라서 봉포의 해안선 직각 방향은 53o로 NE 방향(NE = 33.75~56.25o)에 해당되며 주파향과 일치하고 있다. 이와 같은 경우 주파향을 중심으로 해빈폭의 침식이 우세해 보이고(Fig. 12(c)) 파고 및 주기와 해빈폭 사이의 상관관계도 크게 나타나고 있다(Fig. 12(a)와 (b)).

Table 3의 다른 4개 지점의 파향 구간별 상관성 분석 결과(wrt θ_p 참조)도 봉포 해빈의 경우와 같이 주파향과 해안선 직각 방향을 함께 참조할 필요가 있다. 파향 구간별 해빈폭의 변동 범위는 Fig. 13에서 해안선 직각 방향 및 주파향과 더불어 박스플롯으로 확인할 수 있다. 각 해빈 지점 명과 그 해안선의 직각 방향이 ▼로 해당 방향 구간을 표시하고 있으며, 여기서 각도는 0o가 N, 90o가 E, 180o가 S를 각각 나타낸다. 이와 더불어 ◎로 표기된 것은 주파향을 가리킨다. NNE와 NE에서의 출현율이 비슷한 맹방과 연계된 하맹방의 경우에만 주파향을 복수로 표기하였다.

Fig. 13.

Boxplots of BW according to wave direction classes at five beaches (◎: principal wave directions of the nearby wave monitoring data, ▼: perpendicular directions to each shoreline. Each angles are enclosed in brackets, respectively).

Fig. 13의 다섯 지점을 비교해 보면 봉포 해빈은 주파향과 해안선 직각 방향이 일치하고 있고, 교암을 제외한 다른 해빈도 주파향과 해안선 직각 방향이 인접해 있다. 파향 구간별로 해빈폭의 박스플롯을 보면 교암을 제외한 전 해빈에서 주파향이 가리키는 구간에서 다른 파향 구간에 비해 해빈폭이 많이 감소된 것으로 나타났다. 이것은 주파향이 해안선 직각 방향에 인접한 경우, 주파향으로 오는 파랑에 의해 침식이 심화됨을 의미한다. 이에 더하여 Table 3의 wrt θ_p 상관계수 분석 결과를 지점별로 살펴보면, 해안선 직각 방향과 더불어 주파향 인근에서 파고 · 주기와 해빈폭 사이의 상관성이 비교적 높게 나타났다.

3.3 월별 분석

계절적으로 나타나는 파랑과 해빈폭 변화의 상관성을 확인하기 위하여 해빈폭과 파랑의 월별 분석을 실시하였다. 계절에 따른 해빈폭의 변화를 보기 위해 Fig. 14에서는 춘계인 3월부터 동계인 2월까지의 순서로 다섯 지점의 해빈폭 박스플롯을 나타내었으나, 실제 각 해안의 자료의 시작 기간은 각기 다르다. Table 1에 표시한 분석 기간에 따르면 교암은 10월, 봉포는 11월, 하맹방은 12월, 월송리와 고래불은 8월부터 실제 자료가 시작되었다. 실제 자료의 시작 시점이 표기된 세로축과 화살표를 기준으로 보면, 교암은 해빈폭이 상당히 줄어든 상태에서 자료가 끝나고 있으며 나머지 4지점은 비슷하거나 살짝 증가한 상태에서 자료가 끝나고 있다. 다섯 지점의 박스플롯을 비교해 보면 월이나 계절별 시점에 따른 해빈폭 변화의 일관된 경향을 발견하기는 어렵다. 다만 추계인 8월의 해빈폭을 보면(Fig. 14) 박스의 크기가 상당히 크거나, 침식 쪽(음의 방향)의 이상치가 발달한 것을 볼 수 있다. Table 4의 월별 파고 · 주기의 평균을 확인하면 전 지점에서 8월의 평균 파고가 가장 높은 것은 아니지만 5~7월에 비하면 확연히 상승하였다. 실제로 파랑자료의 시계열을 살펴보면 태풍의 영향으로 인해 8월 중에 큰 파랑이 발생했음을 확인할 수 있다. 태풍 기록을 확인하면, 하맹방에는 고니(2015년 8월 15~26일), 교암, 봉포, 월송리, 고래불에는 곤파스(2016년 8월 20~21일)와 라이언록(2016년 8월 19~31일)의 영향이 있었던 것으로 판단된다. 따라서 하계에서 추계로 넘어가는 시점에 태풍의 영향을 받게 되면 해빈폭이 평균 대비 상당히 후퇴한 상태에서 파고가 커지는 추계를 맞이하게 된다. 교암의 경우 전년 대비 크게 후퇴한 해빈폭으로 나타난 것은 다른 영향을 배제할 수는 없으나 태풍 곤파스와 라이언록에 연달아 영향을 받은 까닭으로 보인다.

Fig. 14.

Boxplots of monthly (March to February) BW at five beaches: the gray vertical lines and arrows indicate the starting point of each data.

Table 4.

Monthly mean and maximum of H_m0 and T_p at each wave monitoring point

Table 4의 월별 파고 · 주기의 평균을 관측 지점에 따라 보면, 공현진과 맹방에서는 모두 11월과 1월에 파고와 주기가 모두 큰 값으로 나타나고 있다. 이와 연계된 교암, 봉포, 하맹방의 해빈폭 변화를 보면(Fig. 14) 11월과 1월의 해빈폭 변화가 상대적으로 컸으며 이는 증대된 동계 파랑에 의한 것으로 생각할 수 있다. 다만 월송리와 고래불의 해빈폭과 연계된 후포에서는 11월에 파고가 가장 높지만 12~2월에도 비등하게 높은 월평균 파고를 보이고 있다. 이에 따라 동계에는 월송리와 고래불 해빈폭의 변동폭이 일정하게 유지되는 양상을 보인다.