2.1 데이터 수집 및 염화물 확산계수 산정

시설물안전법, 시설물 안전 및 유지관리 실시 세부지침에 의해 해안가에서 250 m 이내의 콘크리트 시설물은 염화물 함유량을 측정하여야 하며, 측정방법은 KS F 2713^{(KATS 2023)}의 산가용성 염화물 시험방법으로 규정하고 있다. 이에 시설물통합정보관리시스템(facility management system, FMS)의 정밀안전진단 데이터 중 총 19개교 하부구조(대기 80개, 비말 39개, 간만 22개)에서 염화물 프로파일 데이터 141개를 취득하였다. 본 논문에서는 서해/남해 비교를 위해 141개 프로파일 데이터를 활용하여 통계적으로 지역적 차이점을 비교하고, 공용연수(9년~21년), 물-결합재비(w/b, 38 %~47 %), 시멘트 종류(1종, 2종, 5종), 굵은골재 부피 비율(CV, 36 %~57.2 %)과 정밀안전진단으로부터 확인된 압축강도(23.1 MPa~65.1 MPa), 해양 노출 환경(atmosphere, splash, tidal)의 데이터가 모두 완결된 107개 데이터를 활용하여 기후 지표의 유효성 검증을 하고자 한다. w/b, 시멘트 종류, 굵은골재 부피 비율의 데이터를 수집하기 위해 각 교량의 준공지, 특별시방서 등에서 배합비 데이터를 취득하여 데이터 세트를 구축하였고 19개교에 대한 상세 데이터는 Table 1에 정리하였다. 자료가 존재하지 않아 제외된 34개 데이터(M~S 교량)는 최종 분석에 활용된 107개의 $D_{app}$ 분포와 비교한 결과, 평균값의 차이는 4.7 %(포함: 4.48±1.88×10^-12 m²/s, 제외: 4.69±2.36×10^-12 m²/s)였으며, Mann–Whitney U 검정에서도 두 집단 간 통계적으로 유의한 차이는 나타나지 않았다(p=0.837).

염화물 프로파일은 콘크리트 내부 깊이별로 취득한 콘크리트 염화물 함량을 말하며 자유 염화물과 결합된 총 염화물 함량을 나타낸다. 현장 추출된 콘크리트 코어의 표면 결합능력은 벽면효과(wall effect)로 증가하고 용출(leaching) 현상으로 감소하는 복합적 현상이 일어난다. 이 때문에 표면 근처에 염화물 농도 최대 현상이 일어나며, 프로파일을 정확히 평가하기 위해서는 수학적 모델에 따른 보정 작업이 요구된다^{(De Weerdt et al. 2023)}. 주로 식 (1)과 같이 Fick의 제2법칙 이용하여 염화물 확산을 모델링하며, 여기서 $C$는 염화물 농도, $D_{app}$는 겉보기 염화물 확산계수, $t$는 시간, $x$는 침투 깊이를 나타낸다.

반무한 재료와 일정한 경계 조건에서 Fick의 제2법칙의 해는 보완 오차 함수(erfc)를 사용하여 식 (2)와 같이 표현할 수 있으며, 여기서 $C(x, t)$는 깊이 $x$와 시간 $t$에서의 총 염화물 함량을 의미하며, 겉보기 염화물 확산계수($D_{app}$)와 표면염화물량($C_{s}$)은 피팅을 통해 산정되고 이 과정에서 수학적 보정이 적용된다^{(Glasser et al. 2008)}. 피팅 과정은 오차 함수를 다항식으로 근사한 후, 식 (2)를 선형화하여 선형 회귀분석을 통해 $D_{app}$를 산정한다. 구체적인 선형화 과정은 다음과 같다.

식 (2)를 선형화하기 위해 다음과 같이 식 (3)으로 변환을 수행한다.

여기서, $C_{i}$는 초기 염화물 농도를 나타내며 이 식은 $y = a + bx$ 형태의 선형 방정식으로 표현될 수 있으며 여기서 $y$, $a$, $b$는 식 (4), (5), (6)과 같다.

이를 활용하여 최종적으로 표면염화물량과 겉보기 염화물 확산계수는 다음 식 (7), (8)로 산정한다.

이러한 피팅 과정을 통해 107개의 $D_{app}$를 산정하였고, 통계적 신뢰성 확보, 다중회귀분석 시 성능 및 안정성 향상, 데이터의 이상치 영향 감소를 위해 정규성을 확보^{(Makin 2022)}하고자 검증(Shapiro-Wilk)을 실시하였다. 이 검증 기법은 유의확률(p-value)이 0.05보다 크면 정규성을 가진다고 판단하며, Log, 제곱, 제곱근 변환 결과 Table 2와 같이 대기, 비말, 간만 모두 p-value가 0.05보다 크게 산정된 제곱근 변환을 적용하였다.

2.2 지역적 특성을 고려한 염화물 확산계수 통계적 검토

본 논문에서는 수집된 염화물 프로파일로부터 산출된 $D_{app}$의 분포 특성을 확인하기 위해, 교량의 지리적 위치(남해안, 서해안)와 노출 환경(대기, 비말대, 간만대)을 변수로 하여 Fig. 1과 같이 Box-plot 분석을 수행하였다. 다만, 본 연구는 해안으로 부터의 이격 거리, 교량의 방향과 해풍의 관계 등 국소적 미세 지형보다는 남해와 서해라는 광역 해역의 거시적 기후 특성이 콘크리트 내 염화물 확산에 미치는 영향을 확인하는 데 집중하였다. 분석 결과를 보면 지리적 위치에 따른 확산계수의 분포 차이가 확인되었다. 대기, 비말대, 간만대의 모든 노출 환경에서 남해안 그룹의 중앙값이 서해안그룹 대비 일관되게 높게 형성되었다. 이는 동일한 비말대나 간만대라 할지라도 서해안보다 남해안에 위치한 구조물에서 염화물 침투 속도가 구조적으로 빠르게 진행되고 있음을 시사한다. 데이터의 변동성 및 극한 범위의 확장을 보면 남해안 데이터, 특히 비말대와 간만대의 경우 상자의 높이, 즉 사분위 범위가 서해안 대비 길게 형성되어 있다. 이는 남해안 교량들 사이에서 염해 진행 속도의 편차가 크다는 것을 의미하며, 국소적인 환경 조건에 따라 염해 환경이 조성될 수 있음을 암시한다. 또한, 상위 25 %(Q3) 이상의 범위를 나타내는 Upper Whisker의 끝단이 남해안 그룹에서 훨씬 높은 값까지 뻗어 있어, 극한 수준의 빠른 확산 속도를 보이는 교량의 비율이 서해안보다 높음을 알 수 있다. 서해안 그룹은 남해안 대비 전반적으로 낮은 중앙값을 유지하고 있으며, 특히 대기부에서는 데이터의 범위는 넓으나 중앙값 자체는 전체 그룹 중 가장 낮은 수준을 보인다. 이는 서해안의 대기 환경이 남해안에 비해 상대적으로 완만한 염해 진행 특성을 보임을 통계적으로 뒷받침한다. 종합하면, Fig. 1의 결과는 해상 교량의 염화물 확산을 평가함에 있어 지리적 위치가 염화물 확산 거동에 영향을 주는 변수임을 시사한다. 남해안에서 관찰된 높은 중앙값과 넓은 변동 폭은 해당 해역의 특수한 환경적 강도가 반영된 결과로 판단된다.

Fig. 1 Site and zone mixed distributions of ($D_{app}$)^1/2

$D_{app}$ 분포의 지역 간 평균 차이가 통계적으로 유의미한지 판별하기 위해 Fig. 2와 같이 분산분석(ANOVA, Analysis of Variance)을 수행하였으며, 통계적 기준은 p-value 0.05로 설정하였다. 분석 결과, 노출 환경과 지역적 위치 변수에 따른 통계적 차이는 상반된 양상을 보였다. 노출 환경에 따른 영향 분석은 대기, 비말대, 간만대의 세 가지 영역 간 차이를 검증한 결과, p-value는 0.3918로 산출되었다. 이는 p-value 0.05를 상회하는 값으로, 통계적으로 각 영역 간 확산계수의 평균에는 유의미한 차이가 존재하지 않음을 시사한다. 노출 환경 구분에 따른 확산계수의 변동폭 보다, 개별 교량이 처한 거시적 환경 요인에 의한 변동성이 더 크게 작용한 것으로 판단된다. 따라서 본 연구의 대상 교량에 한해서는 노출 환경을 개별적으로 분리하여 비교하기보다, 통합된 관점에서 해석하는 것이 타당함을 확인하였다. 이에따라 남해안과 서해안의 지역 간 차이를 검증한 결과, p-value는 0.0007로 산출되었다. 이는 p-value 0.05 대비 낮은 수치로서, 두 해역 간의 $D_{app}$가 통계적으로 유의한 차이가 존재함을 확인하였다. 이는 지리적 위치(남해, 서해)가 노출 환경과는 별개로, 염화물 확산 속도에 실질적인 영향을 미치는 변수임을 시사한다. 종합하면, 염화물 확산은 국소적인 노출 환경 구분(대기, 비말, 간만대)만으로는 구분되지 않으며, 구조물이 위치한 해역의 거시적 기후 하중을 함께 고려하는 것이 중요함을 시사한다.

Fig. 2 ANOVA results: Mean ($D_{app}$)^1/2 values by site and zone

앞선 ANOVA 분석을 통해 노출 환경보다는 지리적 위치가 지배적인 인자임을 확인하였다. ANOVA는 집단 간 평균의 차이 유무만을 판별할 뿐, 두 해역 간의 데이터가 구조적으로 어떻게 다른지(강도의 차인지, 분포의 차인지)에 대한 구체적인 정보는 제공하지 못한다.

이에 두 집단 간 환경 하중의 절대적 강도를 검증하는 독립표본 T-검정(Independent T-test)과, 데이터가 따르는 확률 분포의 형상 및 변동 패턴의 이질성을 검증하는 K-S 검정(Kolmogorov-Smirnov test)을 적용하여 분석하였다.

Fig. 3, Fig. 4와 같이 분석한 결과 대기부는 확산계수의 평균값은 통계적으로 유의미한 차이(T-test, p=0.028)를 보였으나, 분포의 형상은 통계적으로 유의미한 차이가 없었다(K-S Test, p=0.16). 이러한 평균의 차이와 분포의 유사성이 공존하는 결과는 매우 중요한 시사점을 갖는다. 즉, 남해와 서해 모두 대기 중 비래염분 확산이라는 동일한 물리적 메커니즘이 작용하여 데이터의 변동 패턴(분포)은 공유하고 있으나, 남해안의 기온이나 염분 농도 등 환경 하중의 강도가 서해안보다 높게 작용하여 전체적인 평균값을 상향 이동시켰음을 의미한다. 비말대에서는 평균값(T-test, p=0.013)과 분포 형상(K-S Test, p=0.03) 모두에서 통계적으로 유의미한 차이가 확인되었다. 이는 세 가지 노출 환경 중 유일하게 남해와 서해 간의 통계적으로 다른 환경이다. 비말대는 파랑과 풍속에 의해 해수 입자가 구조물로 비산되는 영역이며, 통계적으로 평균과 분포가 모두 다르다는 것은, 서해와 남해의 지배하는 물리적 환경이 상이하다는 것을 나타낸다. 이로 인해 염화물 침투의 거동 자체가 다르게 나타나고 있음을 시사한다. 반면, 간만대에서는 평균(T-test, p=0.51)과 분포(K-S Test, p=0.83) 모두에서 통계적인 차이가 발견되지 않았다. 이는 남해와 서해의 조수간만 차는 각각 약 3 m와 9 m로 차이가 있으나, 구조물에 대한 해수 접촉 빈도 자체는 양 해역 모두 1일 2회로 동일하다. 이 접촉 빈도의 동일성이 수온･염분 등 기후적 차이에서 비롯되는 확산 속도 격차를 실질적으로 상쇄한 것으로 해석된다. 종합하면, 통계적 검증을 통해 간만대를 제외한 대기부와 비말대에서는 지역적 위치에 따른 염해 특성의 차이를 확인하였다. 특히 대기부에서 확인된 ‘강도의 차이’와 비말대에서 확인된 ‘강도와 분포의 차이’는 단순한 지역 구분을 넘어, 확산계수를 변화시키는 구체적인 기후･해양 인자(기온, 수온, 파랑 등)의 영향을 정량적으로 확인해야 할 필요성을 시사한다. 이에 본 연구에서는 이러한 통계적 차이의 근본 원인을 파악하기 위해, 3장에서는 기후데이터의 수집을 실시하고 시공간적 제약을 극복하기 위해 ERA5 재분석 자료를 활용하여 교량 위치별 정밀 기후 데이터를 구축하고, 기후 인자와 확산계수 간의 상관관계를 분석하고자 한다.

Fig. 3 T-test results by zone

Fig. 4 Kolmogorov-Smirnov test results by zone

3.1 ERA5 기반 기후 데이터 구축 및 보정

본 연구에서는 교량 위치별 기후 환경을 평가하기 위해, 변수의 가용성과 데이터의 시공간적 해상도를 고려하여 ERA5 재분석 자료와 관측소 실측 자료를 상호 보완적으로 통합하였다. 우선 기온, 수온, 습도, 풍속, 파고, 파주기의 6개 기상･해양 물리 변수는 앞서 언급한 관측망의 공간적 불일치와 결측 문제를 해결하기 위해, ERA5 자료를 활용하였다. 반면, 염분의 경우, ERA5 자료는 대기 및 해양 물리 변수를 제공하나, 염분은 ERA5의 제공 변수에 포함되어 있지 않다. 이에 본 연구에서는 국립수산과학원에서 제공하는 관측 데이터를 활용하였다. 비록 관측소 데이터는 교량 위치와 물리적인 이격 거리가 존재한다는 공간적 한계가 있으나, 염분은 풍속이나 파랑과 같이 국지적 지형이나 수심에 의해 급격하게 변동하는 동적 변수와 달리, 해당 해역의 거시적인 특성을 공유하는 보존적 성질을 가진다^{(Millero 2005)}, 또한, 각 교량의 공용연수 기간에 대해 월별 시계열의 연속성이 안정적으로 확보된 실측 데이터이므로 본 연구의 분석에 적용하였다. 이를 통해 ERA5의 기반 데이터세트를 구축하였다.

ERA5 기반 데이터셋 구축은 Fig. 5와 같이 총 5단계로 구성된 데이터 처리 및 보정 프로세스를 수행하였다. 1단계는 연구 대상 해역인 남해, 서해 해역을 포함하는 0.25°×0.25° 해상도의 ERA5 격자망을 구축하였다. 해당 격자로부터 본 연구의 변수 6가지 기후･해양 변수를 추출하여 시공간적으로 연속적인 데이터베이스를 구축하였다. 2단계는 관측소와 ERA5 좌표 매칭으로 ERA5 데이터의 신뢰성을 검증하고 보정하기 위해, 교량 인근에 위치한 관측소 위･경도 좌표를 식별하였다. 각 관측소 위치에 ERA5 격자를 매칭하여, 동일한 시간대의 관측소 실측값(OBS)과 ERA5 격자값으로 구성된 쌍(paired dataset)을 형성하였다. 3단계는 매칭된 데이터 쌍을 이용하여 원본 ERA5의 Bias을 분석하였다. 초기 산포도에서 나타나는 척도 불일치와 오차를 최소화하기 위해 분산 스케일링, 선형 보정, 분위수 매핑을 통계적 보정 기법을 적용하였다. 이 중 Bias와 평균 절대 오차(MAE, mean absolute error)가 최소화되어 선형 관계에 가장 근접하는 기법을 변수별 최적 보정 모델로 선정하였다. 4단계는 3단계에서 도출된 관측소 기반의 변수별 최적 보정 기법을 실제 분석 대상인 해상 교량 위치로 전이하였다. 교량 위치 좌표에서의 ERA5 데이터에 해당 보정 기법을 적용함으로써, 교량 위치에 대해 기후 특성이 반영된 교량별 ERA5 데이터를 생성하였다. 5단계는 최종적으로 보정된 데이터에서 각 교량 공용연수 기준으로 실제 노출 기간에 해당하는 구간을 추출하여 재구성하였다. 이 시계열로부터 전체 기간의 평균적인 하중을 나타내는 평균, 가혹한 환경 조건을 대변하는 극한, 그리고 임계치를 초과하는 누적 효과를 반영한 누적 등 총 21개의 정적 기후 지표를 산정하여 염화물 확산 해석의 입력변수로 확정하였다.

Fig. 5 Flowchart of ERA5-based climate data construction and bias correction process

단계 1에서의 해안선 인접 격자에서 발생할 수 있는 연안 오차를 최소화하기 위해 다음과 같은 전처리를 적용하였다. 교량 좌표에서 기후 변수를 추출할 때에는 단일 인접 격자 대신 주변 4개 격자를 대상으로 거리 가중 선형 보간을 적용하였다. 이 중 하나라도 ERA5 Land-Sea Mask상 육지로 판정될 경우 보간 결과 전체를 NaN으로 처리하여 육지 영향이 혼입된 값을 배제하였다. 대기(기온, 풍속, 습도) 및 파랑(파고, 파주기) 변수는 연안 격자에서도 유효 값이 확보되었으나, 수온은 Land-Sea Mask 기준이 엄격하여 일부 결측이 발생하였고, 이 경우 각 교량에 인접한 해양 격자의 수온으로 대체하였다.

또한, 단계 3의 성능 검증 및 최적 보정기법 선정에서는 기후 변수별 편향 보정 기법에 대해 각 변수의 통계적 분포 특성을 고려하여 차별화하여 적용하였다. 본 연구에서는 ERA5 자료와 인근 관측소 자료의 쌍을 구성한 후, 변수별로 편향과 분산, 그리고 분포의 재현성을 평가하여 최적의 보정기법을 선정하였다. 이에 따라 Table 4와 같이 기온에는 분산 보정(variance scaling), 습도･풍속･파주기에는 선형 보정(linear scaling), 수온과 파고에는 분위수 매핑(quantile mapping)을 각각 적용하였다.

먼저, 기온은 평균뿐 아니라 변동성까지 일관되게 재현하는 것이 중요하여 분산 보정 기법이 적용되었다. 분산 보정은 관측과 재분석의 평균과 표준편차를 동시에 일치시키도록 설계된 기법으로, 특히 온도와 같이 비교적 정규성이 확보된 변수의 편향을 교정하는 데 널리 활용되고 있다.

상대습도, 풍속, 파주기와 같은 변수들에 대해서는 보다 보수적인 선형 보정을 적용하였다. 선형 보정은 관측과 재분석의 평균 또는 평균과 기울기를 맞추는 가장 단순한 보정으로, 분포 모양을 크게 왜곡하지 않으면서 전반적인 크기 편향을 제거하는 장점이 있다. 특히 파주기의 경우, 파고에 비해 변동폭이 작고 해양 구조물 설계 시에도 주로 대표 주기 값이 사용되기 때문에, 복잡한 높은 차수 보정보다는 평균 수준을 보정하는 선형 기법이 효율적이며 실무 적용성도 높다. 반면 수온은 기온뿐 아니라 해류, 혼합, 열용량 등 해양 과정에 의해 완충･지연된 비선형적이고 파고 또한 파랑, 쇄파, 수심효과 등 때문에 분포가 비선형적이다. 특히 분포 극한값이 해양환경 설계 및 위험도 평가에서 지배적인 역할을 하기 때문에 분위수 매핑을 적용하였다. 분위수 매핑은 관측과 모의자료의 누적분포함수(CDF)를 직접 일치시키는 방식으로, 평균, 분산뿐 아니라 분포 빈도와 크기까지 동시에 보정할 수 있어, 극한 재현에 있어 우수한 성능을 보인다.

보정결과에 대한 성능 검증에 앞서, 비교 대상인 두 데이터셋의 공간적 정의에 대한 이해가 선행되어야 한다. 본 연구에서 활용한 ERA5 재분석 데이터는 약 31 km(0.25°) 해상도를 갖는 격자(grid) 단위의 면적 평균값을 제공하는 반면, 비교 검증에 사용된 실측 데이터는 특정 좌표의 기상 관측소에서 측정된 지점 값이다. 이러한 공간 척도의 불일치로 인해, ERA5는 측정 지점의 국소적인 지형 효과나 순간적인 돌풍과 같은 미시적 변동성을 물리적으로 평활화하여 표현하는 특성을 가지며, 재분석 자료가 실측 지점의 순간적인 극값을 완전히 재현하기에는 본질적인 한계가 있다. 따라서 본 연구에서는 시계열적인 패턴 일치뿐만 아니라, 장기적인 환경 하중의 크기를 얼마나 정확히 모사하는지에 중점을 두어 검증을 수행하였다.

해양 기후 분야의 선행 연구들 또한 시계열적인 경향성뿐만 아니라 값 자체의 물리적 정확도가 중요함을 고려하여, 검증 과정에서 RMSE와 Bias 같은 정량적 오차 지표를 핵심 성능 지표로 활용해 왔다^{(Mentaschi et al. 2013; Majidi et al. 2023; Campos-Caba et al. 2024)}. 이러한 선행 연구의 접근을 따라, 본 연구에서도 단순 상관계수보다 실측값과의 물리적 오차를 정량화 할 수 있는 RMSE, MAE, Bias를 성능검증 척도로 선정하였다. 각 성능지표의 구체적인 역할은 RMSE와 MAE는 예측값과 실측값 간의 물리적인 오차 크기를 평가하며, Bias은 ERA5 원본 데이터가 가지는 구조적인 과대･과소 예측 경향이 보정을 통해 얼마나 효과적으로 제거되었는지를 확인하는 척도로 활용된다.

Table 5의 보정에 따른 성능 결과를 보면 온도 관련 변수에서 보정 모델은 실측값과의 물리적 오차를 줄이며 우수한 성능을 확보하였다. 수온과 기온은 각각 MAE가 0.67 °C와 0.66 °C를 기록하였는데, 이는 평균 기온 예측 시 발생할 수 있는 절대적인 오차 범위가 1 °C 미만으로 제어됨을 의미한다. 이러한 정밀도는 해당 해역의 계절적･연간 열적 환경 변화를 모사하는 데 있어 매우 높은 신뢰성을 제공한다. 습도 역시 MAE 1.82 %의 매우 낮은 오차 수준을 보였으며, 특히 Bias이 0으로 보정되어 과대･과소 예측 경향이 제거되었음을 확인하였다. 변동성이 큰 물리적 외력 인자인 바람과 파랑 변수도 절대적인 오차 크기는 매우 안정적인 수준으로 유지되었다. 파고의 MAE는 0.048 m로 산정되었는데, 이는 실제 해상 상태의 불규칙성을 고려할 때 무시할 수 있을 만큼 미세한 오차 수준이다. 풍속 또한 0.49 m/s의 낮은 MAE와 –0.1 m/s 수준의 미미한 Bias를 기록하였다. 이는 국지적인 돌풍과 같은 순간적인 변동성을 완벽히 추적하기는 어려울지라도, 교량에 작용하는 평균적인 풍하중의 크기와 장기적인 부하 수준을 평가하는 데에는 충분한 정확도를 확보했음을 시사한다. 종합적으로, 모든 기후 변수에서 Bias가 0에 수렴하고 MAE가 물리적으로 허용 가능한 최소 범위 내에 분포하고 있다. 이러한 결과는 본 연구의 보정 데이터셋이 해당 교량의 공용연수 동안 환경 부하를 산정하기 위한 시뮬레이션의 입력 자료로서 높은 타당성을 가짐을 확인하였다. Fig. 6은 교량 A에 대해 변수별 실측치(빨간점)와 ERA5 보정한 결과이다.

추가적으로 ERA5 재분석 자료는 0.25°×0.25°(약 31 km) 해상도의 격자 평균값으로 제공되며, 인접 격자 간 상태는 전 지구 예보 모델과 4D-Var 동화 기법에 의해 물리적으로 연속되도록 제약된다. 본 연구에서 고려한 최대 80 km 이격은 약 2~3개 ERA5 격자에 해당하는 범위로, 동일 해역 내 인접 영역으로 볼 수 있다. 또한 적용된 편향 보정 기법은 특정 지점의 미시적 기후를 그대로 전이하기보다 장기 평균･극값･누적 특성의 통계적 분포 편차(평균, 분산, CDF)를 교정하는 데 목적이 있으므로, 국지 지형에 따른 미세한 차폐 효과의 영향은 제한적이며 해역 규모의 대표 기후 하중을 반영하는데 적합한 것으로 판단된다.

Fig. 6 Corrected ERA5 vs. Field Data (bridge A)

3.2 보정된 ERA5 기반 해역별 특성 및 기후 지표 산정

Table 6은 서해, 남해의 해역별 변수 차이를 정리한 것이다. 파랑 및 풍속 측면에서 남해는 서해에 비해 가혹한 해양 조건을 보였다. 이는 해역별 지형적 특성 차이에 기인한 것으로 판단된다. 서해의 경우 복잡한 해안선과 다수의 도서 지형으로 인해 내만 환경에 위치한 교량이 많으며, 이로 인해 파랑이 발달할 수 있는 유효 취송거리가 제한되고 지형적 차폐 효과가 크게 작용한다. 반면 남해는 외해에 노출된 지형적 특성상 평균 파주기는 5.89s로 서해(4.59s)보다 1.30s 길게 나타나, 장주기 너울이 상대적으로 우세한 환경임을 시사한다. 장주기 파랑은 동일한 파고 조건에서도 파랑 에너지를 더 먼 거리까지 전달하여 비말의 수평･수직 확산 범위를 확대시키는 요인으로 작용한다. 파고 또한 남해가 평균 1.05 m로 서해(0.71 m)보다 0.34 m 높게 나타났으며, 평균 풍속은 남해 4.71 m/s, 서해 2.68 m/s로 그 차이가 2.03 m/s에 달해, 남해 교량이 보다 강한 파랑･풍속 조건 하에서 염화물 비산에 노출되고 있음을 보여준다.

수온 및 염도도 남해가 서해보다 일관되게 높은 값을 나타냈다. 쿠로시오 난류의 영향권에 위치한 남해의 연평균 수온은 16.48 °C로 서해(13.06 °C) 대비 3.42 °C 높게 나타났으며, 평균 염도는 남해 33.65 psu, 서해 31.75 psu로 남해가 1.91 psu 높은 고염분 해역으로 나타났다. 서해는 하천 유입과 반폐쇄형 지형 영향으로 상대적으로 희석된 저염분 특성을 보이는 것으로 알려져 있다. 이는 남해가 동일한 재료 조건에서 더 높은 $C_{s}$ 경계를 형성하며, 장기적으로 콘크리트 내부로의 염화물 확산을 촉진할 가능성이 크다는 점을 의미한다.

습도는 다른 인자들과는 상반된 경향을 보였다. 서해의 평균 상대습도는 72.65 %로 남해(67.17 %)보다 5.48 % p 높게 나타났으며, 이는 서해안에서 빈번하게 발생하는 해무 및 반폐쇄형 해역 특성으로 인한 국지 기상 조건의 영향으로 해석된다. 상대습도가 높을수록 콘크리트 표면의 건･습 반복이 완화되어 비말의 결정화･재용해 사이클이 다소 제한될 수 있는 반면, 남해와 같이 상대적으로 건조하고 고염분･고수온 조건이 겹치는 환경에서는 건･습 반복과 염분 농축이 더 활발하게 일어나 염해가 가속될 가능성이 있다.

종합하면 남해안은 서해안과 비교하여 강한 평균 풍속(+2.03 m/s), 더욱 큰 파랑 에너지(파주기 +1.30s, 파고 +0.34 m), 높은 연평균 수온(+3.42 °C), 그리고 고염분(+1.91 psu)이 복합적으로 중첩된 해양 환경에 노출되어 있는 것으로 나타났다. 이러한 복합적인 환경 요인은 동일한 배합 설계와 피복 두께 조건에서도 남해 교량의 염화물 침투가 가속화될 수 있음을 의미하며, 이는 제2장의 통계 분석 결과에서 남해 권역의 염화물 확산 속도가 서해보다 유의미하게 빠르게 나타난 사실을 구조적으로 뒷받침한다.

본 연구에서는 기후 인자와 $D_{app}$ 간의 상관관계를 확인하고, 이어지는 다중회귀분석의 변수로 활용하기 위해 보정한 ERA5 기후데이터를 평균, 극한, 누적을 기후 지표를 산정하였다. 콘크리트 내 염화물 확산은 단일 시점이 아니라, 지속적인 노출과 임계 상황이 복합적으로 작용한 결과이다. 이에 본 연구는 다음과 같은 근거로 세 가지 유형의 지표를 도출하였다. 평균 지표는 구조물이 전체 공용 연수 동안 겪게 되는 일상적이고 지속적인 환경 하중의 수준을 말한다. 극한 지표는 태풍이나 계절풍과 같이 상위 5 %에 해당하는 임계 기후 하중을 의미하며, 염화물의 순간적인 침투를 유발하는 충격 요인을 반영한다. 누적 지표는 전체 대상 교량 데이터셋의 변수별 평균값을 임계치로 설정하고, 각 교량의 노출 기간 내 월별 값이 해당 임계치를 초과하는 비율로 산정하였다. 이 지표는 0~1 범위를 가지며, 값이 1에 가까울수록 해당 교량이 전체 평균을 상회하는 가혹한 환경 하중에 빈번하게 노출되었음을 의미한다. 한편, 누적 지표의 임계치를 중앙값 및 상위 25 % 분위수로 각각 변경하여 민감도 분석을 수행한 결과, 다중회귀모형의 R²은 평균 기준 0.5308, 중앙값 기준 0.5314, 상위 25 % 기준 0.5353으로 최대 $\Delta R^{2}\approx 0.005$ 수준의 차이에 불과하여, 모델이 임계치 선택에 대해 강건함을 확인하였다. 임계치를 상위 25 %로 상향할 경우 극한 지표와의 물리적 의미가 중첩되고, 중앙값 사용 시 비대칭 분포를 보이는 파랑･풍속 변수에서 평균･극한･누적 지표 간의 역할 분담이 약화될 수 있으므로, 기후학적 기준값으로서 데이터셋 전체 평균을 임계치로 유지하였다. 종합적으로 보면, 평균 지표는 평상시 노출 수준 자체를 나타내고, 극한 지표는 상위 5 %에 해당하는 희소하지만 강한 하중을 분리해 다루며, 누적 지표는 전체 평균을 초과하는 환경 하중에 노출된 빈도를 정량화한다. 이와 같이 세 가지 유형의 지표를 통해 기후 하중의 일상적 수준, 임계 강도, 초과 빈도를 각각 포착함으로써, 단일 통계량으로는 표현할 수 없는 기후･해양 환경의 복합적 작용 특성을 통합적으로 반영하고자 하였다.

기후 지표 산정 결과는 Table 7과 같다. 첫째로 평균 지표의 분포를 살펴보면, 대상 해역의 기본적인 노출 환경이 지리적 위치에 따라 큰 편차를 보이고 있음을 알 수 있다. 물리적 하중인 평균 풍속은 1.99~5.06 m/s의 범위를 보였으며, 평균 파고는 최소 0.18 m에서 최대 2.57 m까지 넓게 분포하였다. 이는 교량의 위치에 따라 상시적으로 작용하는 파랑 에너지의 강도가 크게 상이함을 의미한다. 파주기 또한 2.93~5.99s의 범위를 보여, 단주기 파랑과 상대적인 장주기 너울이 우세한 해역이 혼재되어 있음을 확인하였다. 환경적 하중중 온도는 11.52~15.71 °C, 수온은 12.36~17.60 °C의 분포를 보였으며, 염도는 31.63~33.81 psu로 나타나, 열역학적 확산 구동력과 염분 농도 조건이 다양하게 형성되어 있음을 시사한다. 극한 지표는 평균 지표 대비 훨씬 넓은 변동 폭과 가혹한 최대치를 나타냈다. 특히 극한 파고의 경우, 지표의 평균값은 1.44 m였으나, 최대값은 6.33 m(0.28~6.33 m)에달하는 것으로 분석되었다. 이는 태풍 내습 등 극한 기상 시 특정 위치에서는 평상 시 평균(0.93 m)의 약 6배를 상회하는 강력한 파랑 에너지가 구조물에 가해질 수 있음을 의미한다. 극한 풍속 역시 4.06 ~10.37 m/s의 넓은 범위를 보여, 임계 풍속 이상의 강풍이 비말 대역을 확장시키는 효과가 지역별로 다르게 발생할 수 있음을 정량적으로 보여준다. 셋째, 누적 지표는 장기간 축적된 환경 하중의 총량을 나타내는 정규화된 지수로 산정되었다. 염도의 누적 지표 평균이 0.6509로 가장 높게 나타났으며, 파주기(0.5733)와 습도(0.5039)가 그 뒤를 이었다. 반면 수온(0.4351)과 풍속(0.4412)은 상대적으로 낮은 누적 지수 평균을 보였다. 이러한 누적 지표의 편차는 동일한 기간이라도 구조물이 위치한 해역 특성에 따라 받아들이는 총 염분 공급량과 환경 에너지의 총량이 극명하게 달라질 수 있음을 시사한다. 종합적으로, 산정된 기후 지표들은 전체 데이터셋 내에서 넓은 범위와 높은 최대값을 포함하고 있다. 이러한 환경 변수들의 뚜렷한 변동성은 이어지는 통계 분석에서 교량별 $D_{app}$의 차이를 설명하는 변수로서 유효하게 작용할 것으로 판단된다.

3.3 남해, 서해 기후 지표를 연계한 염화물확산계수 고찰

본 논문의 2.2절의 통계적 분석한 결과 $D_{app}$는 노출 환경의 물리적 구분보다 지리적 위치에 따라 더욱 뚜렷한 변동성을 보였다(ANOVA, p=0.0007). 특히 남해안 교량의 확산계수는 서해안 대비 통계적으로 유의미하게 높게 산정되었으며, 이러한 경향은 대기부와 비말대에서 더욱 두드러졌다. 이러한 통계적 이질성은 3.2절의 ERA5 재분석 자료를 통해 확인된 두 해역 간의 근본적인 기후･해양 환경의 격차에 기인한 것으로 판단되며 각 노출환경에 대한 해양환경 콘크리트 $D_{app}$ 특성은 다음과 같다.

대기부에서 남해와 서해의 확산계수 분포 형상은 통계적으로 유사하나(K-S Test, p=0.1681), 평균값에서는 남해가 유의미하게 높은 값(T-test, p=0.028)을 나타냈다. 이는 두 해역에서 염화물이 확산되는 메커니즘 자체는 유사하지만, 확산을 구동하는 환경 하중의 강도가 남해안에서 훨씬 강력하게 작용함을 시사한다. 기후 데이터 분석 결과, 남해는 서해 대비 연평균 수온이 약 3.42 °C, 하절기 극한 수온은 약 4.02 °C 더 높게 나타났다. 염화물 확산은 온도의존성을 따르는 화학적 반응으로, 이온의 운동 에너지를 증가시켜 확산 속도를 가속화시킨 주된 원인으로 분석된다. 또한, 남해의 높은 해수 염분 농도(+1.91 psu)는 염화물 농도를 높여 콘크리트 표면과 내부의 농도 구배를 증가시키는 추진력으로 작용하였다. 즉, 남해안의 고온･고염분 환경은 대기부 콘크리트의 확산계수 평균을 전체적으로 상향 이동시킨 결정적 요인이라 할 수 있다. 비말대에서는 평균(p=0.013)뿐만 아니라 분포의 형상(p=0.03)에서도 해역 간 통계적 이질성이 명확히 확인되었다. 이는 비말대를 지배하는 물리적 환경 인자가 서해와 남해에서 근본적으로 다른 양상을 보이기 때문이다. 남해안은 서해안 대비 평균 풍속이 2.03 m/s 강하고, 파고는 0.34 m 높으며, 평균 파주기는 1.30s 긴 것으로 나타났다. 특히 남해안의 파랑은 서해안의 파랑과 달리 상대적으로 긴 파주기와 높은 풍속 에너지를 유지한 채 구조물에 도달한다. 이러한 고에너지 파랑은 해수 비말을 더 높고 멀리, 그리고 불규칙하게 비산시키는 물리적 수송 메커니즘을 형성한다. 반면, 수심이 얕고 조수간만이 우세한 서해안은 상대적으로 파랑 에너지가 낮고 비산 범위가 제한적이다. 이러한 파랑 및 풍속 에너지의 극명한 차이는 콘크리트 표면의 습윤 빈도와 강도를 다르게 하며, 결과적으로 남해안 비말대에서의 염화물 침투 거동은 서해안과는 다른 확률 분포를 나타낸다. 반면, 간만대에서는 평균(p=0.51)과 분포(p=0.83) 모두에서 해역 간 유의미한 차이가 발견되지 않았다. 이는 간만대 특유의 주기적인 조수간만의 환경이 지역적 기후 변수보다 지배력을 가지기 때문으로 해석된다. 하루 2회 반복되는 해수 침지와 건조 과정은 표면 염화물 농도를 지속적으로 갱신하고 포화 상태를 유지시킨다. 이러한 반복 작용은 앞서 언급한 수온(3.42 °C 차이)이나 풍속 등의 지역적 기후 격차가 확산 속도에 미치는 민감도를 희석시키거나 상쇄하는 완충 효과를 낳은 것으로 판단된다. 종합적으로 본 연구에서 확인된 $D_{app}$의 통계적 차이는 단순한 우연이 아니며, 남해안의 수온･고염분(화학적 가속 요인)과 강한 풍속･장주기 파랑(물리적 가속 요인)이 복합적으로 작용한 결과임이 확인되었다. 특히 ERA5 데이터를 통해 정량화된 남해안의 환경 지표는 서해안에 비해 열역학적 확산 구동력(온도)과 물리적 염분 공급력(파랑/바람)이 모두 높은 가혹한 환경임을 보여주며, 이것이 남해안 교량의 염해 내구성을 구조적으로 저하시키는 원인임을 시사한다.

4.1 ERA5 기후 지표와 염화물 확산계수의 상관관계 분석

본 연구에서는 콘크리트 구조물의 염해 내구수명 예측을 위한 다중회귀분석 모형의 설명력을 확보하고 변수의 유효성을 검증하기 위하여, 각 환경 변수별로 $D_{app}$와의 상관성이 가장 높은 통계 지표를 도출하고자 하였다. 각 기후 변수 지표와 확산계수 간 피어슨 상관분석을 수행한 결과, 변수의 작용 특성에 따라 지배적인 통계 지표가 누적, 극한, 평균의 세 유형으로 뚜렷하게 구분되는 경향을 보였다. 변수별 최적 지표 및 상관계수는 Table 8에, 세부 상관계수 분포는 Fig. 7에 제시하였다. 이에 본 절에서는 환경 하중 변수를 통계적 결과에 기반하여 세 가지 유형으로 분류하고, 각 유형의 물리적 의미를 고찰한다.

첫째, 누적 지배형 변수는 파고와 파주기와 같은 파랑 인자이다. 이들 변수는 단순 평균값보다 임계치를 초과하는 파랑 조건에 노출된 정도를 나타내는 누적 지표에서 훨씬 높은 상관성을 보였다. 이는 파랑에 의한 비말 생성과 구조물 도달 과정이 상시로 균일하게 발생하기보다, 거친 파도가 교량 하부를 반복적으로 타격하는 간헐적 이벤트의 총량에 더 민감함을 시사한다. 따라서 파랑 인자는 파고의 순간적인 크기보다는 비말 생성에 기여하는 유효 노출 시간의 누적 효과로 해석하는 것이 적절하다.

둘째, 극한 지배형 변수는 기온, 수온, 습도와 같은 온･습도 인자이다. 이들 변수는 전체 기간의 평균값보다 상위 5 %에 해당하는 극한 지표가 더 큰 설명력을 나타냈다. 이는 염화물 확산 반응이 아레니우스(Arrhenius)식에 의해 고온 영역에서 급격히 가속되고^{(Dousti et al. 2013)}, 저습도 조건에서의 빠른 증발–농축 과정이 염분 침투를 활성화하기 때문으로 해석할 수 있다^{(Zhu et al. 2020)}. 온･습도 인자는 전 기간에 걸친 평균 상태라기보다, 열화가 집중적으로 발생하는 임계 구간을 지배하는 조절 변수로 작용하며, 이러한 조건에서의 거동이 전체 염화물 확산을 좌우하는 요인임을 보여준다. 셋째, 평균 지배형 변수는 풍속과 염분 농도와 같이 이송 및 농도 특성을 나타내는 인자이다. 이들 변수는 특정 시점의 급격한 변동보다는, 연중 비교적 안정적으로 유지되는 수준이 비말 이송 능력과 염화물 공급량을 결정하는 것으로 나타나, 장기 평균값이 확산 거동을 설명하는 데 가장 적절한 지표로 판단된다. 즉 바람과 염분 농도는 상시 작용하는 기초 구동력으로서, 지속적인 염화물 유입을 뒷받침한다. 종합하면, 염화물 확산에 기여하는 환경 하중의 작용 방식은 파랑의 누적 노출(누적형), 온･습도의 임계 반응 가속(극한형), 바람･염분의 상시 구동(평균형)으로 구분될 수 있음을 통계적으로 확인하였다. 이는 내구성 설계에서 환경 변수를 단순히 평균값으로만 대표하는 관행을 넘어, 기후 변수별 작용 특성을 반영한 지표 선정이 필요함을 시사한다.

Fig. 7 Correlation analysis between climate indices and ($D_{app}$)^1/2

4.2 다중회귀분석을 통한 유효성 검증

본 연구에서는 산정된 ERA5 기후 지표가 콘크리트 교량의 $D_{app}$ 예측에 미치는 기여도를 정량적으로 규명하기 위해 다중회귀분석을 수행하였다. 염해 확산 현상은 재료, 배합, 환경 변수가 복합적으로 작용하는 비선형적 특성을 가지므로, 선형 모델만으로는 절대적인 예측 정확도를 확보하는 데 한계가 있다. 그러나 본 분석의 목적은 최적의 예측 모델을 구축하는 것이 아니라, 기존의 배합 및 재료 변수만 고려했을 때(Model A)와 비교하여 기후 변수를 추가했을 때(Model B)의 설명력이 얼마나 향상되는지를 통계적으로 확인하는데 있다. 따라서 본 모델의 R²은 절대적인 예측 정확도를 평가하기 위한 것이 아니라, 기후 변수가 염화물 확산계수의 변동성을 설명하는데 유의미한 기여하는지를 검증하기 위한 영향도 분석 모형으로서의 의미를 갖는다. 분석을 위한 회귀식은 다음과 같이 정의하였다.

여기서, $X_{\mathrm{concrete}, i}$는 선행연구^{(Nam et al. 2026)}에서 도출한 $D_{app}$ 예측에 상위 변수이며, $X_{\mathrm{climate}}$는 본 연구에서 제안하는 기후 환경 변수군을 의미한다. 모델 A는 압축강도, 공용 연수, 노출 환경, 시멘트 종류이며, 모델 B는 모델 A에 적용된 변수와 선별된 각 기후변수지표이다.

다중회귀분석 전 기후 변수는 서로 밀접한 상관성을 가지므로 다중공선성에 따른 회귀계수 추정의 불안정성이 우려된다. 이러한 문제를 진단하기 위하여 분산팽창지수(VIF, variance inflation factor)를 산정하였으며, 7개 독립변수를 모두 적용한 경우 기온(VIF>10)과 수온, 파고와 파주기 사이에서 높은 공선성이 확인되었다. 이에 따라 다중공선성이 높은 변수 쌍(기온–수온, 파고–파주기)에 대해, VIF>10을 초과하는 변수를 제거 대상으로 판별하고, $D_{app}$와 높은 상관성을 보이는 수온과 파고를 선정하였다. 구체적으로, 기온보다 수온은 해수 접촉면에서의 이온 확산 속도에 직접적으로 관여하며, 파주기보다 파고는 비말 생성과 구조물 도달에 더 지배적인 물리적 인자로 판단되어 선정하였다. 대기부 구조물의 경우 수온보다 기온이 직접적인 열 환경을 반영할 수 있다는 점도 검토하였으나, 높은 다중공선성으로 수온이 기온의 대리 변수로 충분히 기능하는 것으로 판단하였다. 최종적으로 수온, 파고, 풍속, 습도, 염도 5개 기후 변수를 포함하는 Model B를 구성하였으며, 모든 독립변수의 VIF가 5.0 미만으로 제어되어 다중공선성에 따른 통계적 왜곡 가능성이 허용 가능한 수준으로 감소하였다.

본 연구의 물리적 판단 기반 변수 선택의 타당성을 데이터 과학적 관점에서 추가 검증하기 위해, LASSO 정규화 기법(5-fold cross validation)을 적용하여 비교 분석을 수행하였다. LASSO 모델(최적 $\alpha=0.00$)은 기온, 수온, 습도 등의 평균･극치･누적값을 포함하여 총 13개 변수를 선택하였으며, R²=0.549로 본 연구의 5개 변수 모델(R²=0.531) 대비 $\Delta R^{2}=0.018$의 소폭 상승하였다. 그러나 LASSO 모델에서 선택된 변수들의 VIF는 기온 약 2,600, 수온 극한 약 1,200 수준으로 다중공선성 주의 기준을 크게 상회하여, 개별 변수의 독립적 기여도 해석에 제약이 있었다. 즉, 기후 변수를 2.6배(13개/5개) 더 포함하고도 설명력 향상이 약 1.8 % p에 그친 점을 고려하면, 본 연구의 5개 변수 모델이 모형 간결성^{(Dubova et al. 2025)} 원칙에 더 부합하며, 물리적 해석 가능성과 통계적 안정성을 동시에 확보한 변수 조합으로 판단된다.

또한 5개 변수로 선형모델에 적용함에 앞서, 수온과 염화물 확산계수의 관계는 원칙적으로 Arrhenius 방정식에 따라 비선형 지수함수 형태를 따르며, 일정한 온도 범위에서는 $\ln D$와 $1/T$ 간 선형 회귀를 통해 활성화 에너지를 추정하는 방법이 주로 사용되어 왔다. 한편, 본 연구에서 사용된 수온 극한 값은 약 17~27 °C(약 290~300 K)에 해당하는 10 °C 내외의 매우 좁은 범위에 분포한다. 이러한 제한된 온도 구간에서는 Arrhenius 곡선을 1차 선형 함수로 근사하더라도 오차가 상대적으로 작아, 수온과 확산계수 간 관계를 선형 회귀 모형으로 표현하는 것이 실무적･물리적으로 수용 가능하다고 판단하였다.

Fig. 8과 같이 기후 지표를 반영하지 않은 Model A의 R²는 0.469에 그친 반면, ERA5 기반의 5가지 기후･해양 변수를 추가한 Model B는 R²가 0.530으로 산정되어 설명력이 0.061(6.1 % p) 향상된 것으로 나타났다. Table 9와 같이 오차 측면에서도 Model B가 우수한 성능을 보였다. Model B의 RMSE는 2.66×10^-7 m²/s, MAE는 2.45×10^-7 m²/s로 나타나, Model A 대비 각각 약 19.4 %, 21.2 % 감소하여 예측 정밀도가 크게 개선됨을 확인하였다. 두 지표가 동시에 감소하였다는 점은 기후 지표의 성능 개선 효과가 특정 케이스에 국한되지 않고 전반적인 예측 오차와 극단적 예측 실패 사례 모두에서 일관되게 나타남을 의미한다. 이는 기존의 재료･배합 변수만으로는 설명되지 않던 $D_{app}$가 기후 지표를 통해 효과적으로 포착된 것으로 판단된다. 결론적으로, 본 연구에서 제안한 ERA5 기반의 정적 기후 지표는 해양 콘크리트의 염해 내구수명 예측 모델의 신뢰도를 높이는 데 유효한 설명 변수로 작용함을 통계적으로 제시하였다.

구축된 다중회귀모델(Model B)을 통해 각 기후 인자가 $D_{app}$에 미치는 개별적인 영향도를 분석하였다. Table 10과 같이 T-검정을 통해 산출된 각 변수의 p-value를 검토한 결과, 수온, 염분, 풍속 변수가 확산 메커니즘에 영향을 미치는 것으로 나타났다. 수온 극한은 가장 높은 통계적 유의성을 보였다. 이는 콘크리트 내 염소 이온의 확산 속도가 온도가 상승함에 따라 활성화 에너지를 받아 기하급수적으로 빨라진다는 아레니우스 이론과 일치하는 결과이다. 즉, 온도 상승에 따라 활성화 에너지를 넘는 이온의 비율이 증가하면서 확산계수가 지수적으로 커지기 때문에, 극한 수온 조건에서 확산계수가 많이 증가한 현상은 이론적 예측과 정합적이다. 염분 평균 역시 유의하게 나타났다. 해수 중 염분 농도가 높을수록 콘크리트 표면의 $C_{s}$이 증가하고, 이것이 내부로의 농도 구배를 가파르게 하여 확산을 촉진한다는 물리적 메커니즘이 통계적으로 뒷받침되었다. 풍속 평균은 유의수준 0.05를 다소 상회하였으나, 유의한 경향성을 확인하였다. 이는 바람이 비래염분을 교량 표면으로 지속적으로 이송시키는 역할을 함을 시사한다.

Fig. 8 Regression model performance comparison of R² values

4.3 기후 인자 기반의 내구성설계 기준 고찰

현행 콘크리트 구조 내구성 설계기준(KDS 14 20 40) 및 부록^{(KCI 2024)}에서는 해양 콘크리트 구조물의 내구수명 설계를 위한 $C_{s}$를 대기 2.5 kg/m³ 비말대 5.0 kg/m³, 간만대 20.0 kg/m³로 규정하고 있다. 식 (7)에 따른 $C_{s}$ 분포(Fig. 9)를 보면, 물리적 환경 하중이 상이한 남해와 서해 모두 현행 설계 기준값과 유사한 범위에 수렴하는 것으로 나타났다. 남해안이 통계적으로 서해안보다 약간 높은 수준을 보이긴 했으나, 두 해역 간 기후 하중의 차이만큼의 큰 격차는 발생하지 않았다. 이는 장기적인 해양 노출 환경에서 $C_{s}$가 비래염분 공급에 비례하여 무한히 증가하는 것이 아니라, 강우에 의한 세척과 건조–습윤 반복에 따른 용해–재결정 과정을 통해 일정 상한에 수렴하는 동적 평형 상태에 도달한다는 기존 연구 결과와 정합적이다^{(Meira et al. 2007; Yang et al. 2017; Meira et al. 2020)}. 결론적으로 남해안의 높은 염분과 풍속은 서해안보다 더 많은 비래염분을 공급하는 요인이지만, 동시에 강우에 의한 세척과 건조–습윤 반복에 따른 용해–재결정 과정이 $C_{s}$의 상승을 억제하는 평형 기제로 작용하여, 결과적으로 두 해역 간 최종적인 $C_{s}$ 격차는 제한적으로 나타난 것으로 해석된다.

반면, 이온 수송을 나타내는 $D_{app}$는 환경적 차이에 따라 민감하게 변화한다. 확산계수는 수온 극한과 염분 평균에 영향을 받으며, 풍속 또한 상관 경향성을 보였다. 이는 기존에 중요시되던 비래염분의 이송뿐만 아니라, 염분에 의한 농도 압력과 온도에 의한 활성화 에너지 증가가 결합되어, 콘크리트 내부로의 염해 확산 속도를 가속하는 지배 변수임을 시사한다. 실제로 남해안은 서해안 대비 평균 염분, 평균 풍속 등 높은 물리적 하중을 가질 뿐만 아니라, 연중 높은 수온이 유지되는 환경적 특성이 더해져 약 14 % 높은 확산계수를 나타냈다. 종합하면, 해양 콘크리트의 염해는 단순한 정적 확산 문제가 아니며, $C_{s}$는 공급–세척 평형에 의해 상대적으로 평준화되지만, 내부는 상대적 고수온･고염분･강풍이라는 기후 하중이 복합적으로 작용하여 침투 속도를 가속화한다. 이러한 결과는 $C_{s}$의 단일값 규정 방식이 해역별 기후 하중 차이를 완전히 포괄하기 어려울 수 있음을 시사하며, 향후 내구성 설계 고도화 과정에서 확산계수에 대해 해역별 기후 환경 하중을 반영한 환경 보정 계수 또는 지역 할증 적용 방안을 검토하는 데 있어 본 연구가 기초 자료로 활용될 수 있을 것이다.

$D_{app}$의 해역 간 차이에 대해 서비스 수명에 미치는 영향을 정량적으로 평가하면 다음과 같다. Fick의 제2법칙 해로부터, 동일 피복두께･표면염화물량･임계염화물량을 가정할 때 부식 개시 시간 $t_{i}$는 $D_{app}$의 역수에 비례한다(Life-365 모델의 이론적 근거와 동일). 남해안 $D_{app}$가 서해안 대비 약 14 % 높은 경우, 부식 개시 시간의 비는 $t_{i, \text{남해}} / t_{i, \text{서해}} = 1/1.14 \approx 0.877$로 산출되어 약 12.3 %의 단축에 해당한다. Life-365에서 사용하는 전체 서비스 수명 관계($t_{r} = t_{i} + t_{p}$)에 부식 전파기간 $t_{p}=6$년(일반 철근 기준)을 적용하면, 서해안 설계수명 100년 기준으로 남해안의 예상 서비스 수명은 약 88년으로, 약 12년의 단축이 발생한다. 이는 현행 시설물안전법상 일반적인 정밀안전진단 주기(5년)를 고려할 때 생애주기 내 진단 횟수 약 2회 추가에 해당하며, 진단･보수･보강 및 간접 비용의 유의미한 증가로 직결된다. 따라서 남해안 해상 교량에 대한 해역별 환경 보정 계수 적용 검토는 내구성 확보와 생애주기 비용 절감 측면에서 실질적 근거를 가진다고 판단된다.

본 연구에서 도출된 해역별 $D_{app}$ 차이를 기반으로 내구성 설계에 반영하기 위한 방안으로, 해외 기준에서 사용 중인 환경계수 개념을 고찰하였다. Life-365 및 fib Model Code 2010은 온도계수, 표면염화물계수, 에이징계수 등을 통해 확산계수를 노출환경별로 조정하는 체계를 채택하고 있다. 본 연구 결과를 이러한 체계에 적용하면, 현행 KDS 14 20 40의 $D$ 설계값에 대해 해역별 환경 보정 계수 $k$의 도입을 제안할 수 있다. 서해안을 기준($k_{\text{서해}}=1.00$)으로, 남해안은 실측 $D_{app}$ 차이(약 14 %)를 반영하여 $k_{\text{남해}}\approx 1.14$ 수준으로 조정하는 방안이다. 다만, 본 연구에서 활용된 데이터는 정밀안전진단 목적으로 채취된 코어 시료 기반으로, 실구조물 현장 데이터를 통해 기후변수의 유효성을 검증하였다는 점에서 의의가 있다. 보정 계수의 공식 기준화를 위해서는 향후 남해･서해 해역 전반에 걸친 장기 현장 노출 실험과 표준 배합 실험체를 통한 검증 체계가 필요하며, 본 연구는 그 기초 자료로서의 역할을 할 수 있을 것으로 판단된다.

Fig. 9 Comparison of surface chloride by zone and location