Decoupling of the Spatiotemporal Pattern of Agricultural Drought from that of Meteorological Drought in Korea

한국의 기상가뭄의 시공간 패턴으로부터 농업가뭄의 시공간 패턴 분리하기

김대준

^*

(2017년 8월 21일 접수; 2017년 9월 6일 수정; 2017년 9월 8일 수락)

Decoupling of the Spatiotemporal Pattern of Agricultural Drought from that of Meteorological Drought in Korea

Dae-jun Kim

^*

National Center for Agro-Meteorology, Seoul National University, Seoul 08826, Korea (Received August 21, 2017; Revised September 6, 2017; Accepted September 8, 2017)

ABSTRACT

The Korea Meteorological Administration (KMA) regularly publishes various drought indices.

However, most of these are meteorological drought indices that are not only difficult but often inappropriate to apply to agriculture. In this study, the meteorological drought index and the agricultural drought index were calculated for the representative points of South Korea during the same period, and the differences in geographical distribution were analyzed according to the characteristics of drought. Although the overall drought patterns estimated by multiple drought indices were similar, the differences were also confirmed due to the different simulation methods depending on the character of drought. Especially, agricultural drought index (ADI) showed higher accuracy in the agricultural sector than that of meteorological drought index (e.g., SPI, PN). In addition, the drought patterns in recent years analyzed by ADI were more severe in spring and early summer compared with normal year. In autumn and winter, drought was weaker than normal year.

For the recent periods, inland areas had more droughts than coastal areas. Considering the specific drought indices for the individual sectors, it will be helpful to take measures against drought according to the individual characteristics.

Key words: Meteorological drought, Agricultural drought, ADI, SPI, PN

I. 서 언

인류에게 미치는 여러 종류의 큰 자연 재해 중 하나 인 가뭄은 문명이 고도화 된 21세기에도 줄어들지 않 고 있다. 오히려 지구온난화로 인한 기후변화와 기상 이변과 더불어, 가뭄의 피해 또한 증가할 것으로 예상 된다(IPCC, 2013). 기상청은 최근 기후 전망을 통하여 미래의 우리나라의 평균 강수량이 21세기 후반 기준

으로 현재에 비해 약 18% 이상 증가하고, 호우 빈도가 늘어가는 것에 반해, 강우 빈도는 줄어들고, 계절적으 로 집중도가 높아질 것으로 예상하였다. 이는 물수지 에는 나쁜 영향이며, 결과적으로 강수량이 많아지는 미래에 가뭄이 빈번해질 것이라는 아이러니컬한 예상 을 가능하게 한다(KMA, 2015). 가뭄에 물부족 현상과 이에 따른 식량부족 등에 대비하기 위하여, 국내 뿐 아니라 전세계적으로 가뭄과 관련한 다양한 연구가 과

* Corresponding Author : Dae-jun Kim ([email protected])

DOI: 10.5532/KJAFM.2017.19.3.140

ⓒ Author(s) 2017. CC Attribution 3.0 License.

거와 현재, 그리고 미래에 대하여 진행되고 있으며, 이와 더불어 다양한 분야에서 대책마련이 이어지고 있 다(Lee et al., 2012; Trenberth et al., 2004).

가뭄은 그 특성에 따라 몇 가지로 분류되는데, 먼저 기상학적 가뭄은 일정 기간 동안 예년의 평균적인 강 수량보다 적은 강수로 인해 건조한 날이 지속되는 가 뭄을 뜻하며, 수문학적 가뭄은 수자원의 공급 부족을 의미한다. 또한, 농업적 가뭄이라 함은 작물의 생육에 필요한 수분 부족을 말하며, 강수량뿐 아니라, 증발산, 유출량, 작물의 특성 등을 고려하며, 토양수분, 식물 수분량 등을 고려한다(Wilhite and Glantz, 1985).

가뭄을 평가하기 위해서는 무엇보다도 과거 자료를 바탕으로 한 최근의 가뭄 양상을 분석하는 것이 중요 한데, 이를 위해 가뭄지수(drought indices)가 주로 이 용되고 있다. 가뭄지수를 이용한 가뭄의 양상에 대한 분석 연구는 국내에서도 많이 진행된 바 있는데, Lee et al.(2012)은 과거 30년 간의 기상청 관측자료를 이 용하여, 전세계적으로 가장 많이 이용되고 있는 가뭄 지수인 SPI (Standardized Precipitation Index)와 PDSI (Palmer Drought Severity Index)를 이용하여 가 뭄의 양상이 남부지방이 중부지방에 비해 극심하였음 을 밝힌 바 있으며, Kim et al.(2012)는 SPI와 대기순 환과의 원격상관관계를 통해, 낙동강 일부를 제외한 한반도 전역에 대하여 봄철 가뭄이 심화 되고 있음을 밝힌 바 있다. 또한 Kwak et al.(2013)은 SPI에 따른 가뭄기간과 가뭄심도 간의 확률 분포를 통해, 충청도 와 강원도 지역의 가뭄 심화 현상을 밝힌 바 있다. 하 지만 이들 가뭄의 발생 양상과 관련한 연구는 가뭄의 기상학적 혹은 수문학적 측면에서 수행된 것이 대부분 이다. 반면, 여타 다른 산업분야와는 달리, 기상조건에 의존적인 농업과 관련된 가뭄 연구는 그 가뭄지수의 종류가 다른 분야에 비해 다양하지 않으며, 발생 양상 에 대한 연구 정도도 적은 실정이다(Morid et al., 2006; Nam et al., 2013).

기상청에서는 정기적으로 다양한 종류의 기상학적 가뭄지수를 제공해 오고 있으며, 농업부분에 있어 가 뭄에 대한 대책 마련은 기상청의 가뭄정보를 통해 대 부분 이루어져왔다. 하지만 기상학적인 가뭄지수로는 농업분야에서 발생할 수 있는 가뭄의 양상을 정확하게 판단하기 어렵다. 실제로 기상학적 가뭄지수(SPI)와 소셜 빅데이터 간의 비교를 통한 분석 결과, 농민들이 실제 체감하는 가뭄상황과 가뭄정보간의 신뢰도에서 차이가 있음을 밝힌 바 있다(Lee et al., 2015; Lee et

al., 2016). 따라서, 강수량에 국한된 수분의 공급적인 측면만 고려하지 않고, 작물의 가용 토양수분을 바탕 으로 한 농업적 가뭄을 정량화 할 수 있는 지수를 이용 하여 가뭄의 분포 양상을 분석할 수 있다면, 농업부문 가뭄대책 마련에 도움이 될 수 있을 것이다.

농업 분야에서 가뭄을 판단하기 위해 최근 ‘농업가 뭄지수’(ADI, Agricultural Drought Index)가 제시된 바 있는데(Kim et al., 2015), 이 가뭄지수는 농작물이 생육에 이용할 수 있는 토양수분의 상태를 일 기상 자료로부터 추정하며, 장기간의 물 공급(강수량)과 물 소비(증발산, 유출량)를 모두 고려하여, 토양의 물수지 를 기반으로 한 토양수분 상태의 경시변화를 시공간적 인 분포로 모의할 수 있다. ADI는 토양수분과의 변화 흐름에 있어 SPI에 비해 높은 신뢰도를 나타낸 바 있 다(Kim et al., 2015).

본 연구에서는 전국 대표 지점을 선정하고, 같은 기 간 동안, 같은 지역에 대하여, 기상학적 가뭄지수와 농업가뭄지수를 각각 추정하고, 이를 비교하여 가뭄의 성격에 따른 지역적 분포의 차이와 특성을 분석하여, 농업 분야에 차별화된 가뭄대책 마련의 기초자료를 제 공하고자 하였다.

II. 재료 및 방법

2.1. 실험대상 지역

본 연구에서는 연구의 대상 지점으로 6개 지점인 서 울(기상청 관측지점번호 108), 인천(112), 대구(143), 전주(146), 부산(162), 목포(165)를 선정하였다. 이들 지점은 동해, 서해, 남해안 및 중부, 남부 내륙지역 등 에 각각 분포하여, 한반도 내의 다양한 기후조건을 대 표할 수 있다. 각각의 가뭄지수를 계산하기 위해서는 평년(1981-2010)과 최근 연도에 해당하는 기상자료들 이 각각 필요한데, 이들 지점에서는 장기간에 해당하 는 기상자료 수집이 용이한 장점이 있다(Fig. 1).

2.2. 농업가뭄지수 계산

ADI는 유효강수량에서 작물증발산과 지면유출량 을 제한 토양잔류수분량(residual soil moisture)을 기 초로 하여 계산된다. 먼저, 유효강수량은 유효가뭄지 수(EDI; Effective Drought Index, Byun and Wilhite, 1999)를 이용한 것으로, 2개월 간의 일적산강수량에 일별로 각각 다른 가중치, 즉, 과거로 갈수록 점차 낮 아지는 가중치를 적용하여 계산된다. 작물증발산은

Fig. 1. Geographical locations of 6 sites where calculated drought indices for the normal and recent 5 years.

FAO Penman-Monteith 기준증발산(Allen et al., 1998) 에 작목 별로 고유한 작물 계수(crop coefficient)를 적 용하여 계산된다. 마지막으로 유출곡선지수(runoff curve number)로부터 추정된 지면유출량을 각각 계산 하여 적용하면 토양잔류수분량이 계산된다. 이 값의 자연대수 값을 잔여수분지수(residual moisture index) 라 하며, 기후학적 평년에 대하여 도수분포로 그려보 면 정규분포에 근접한다(Kim et al., 2015). 기후학적 평년의 잔여수분지수 평균과 표준편차를 기준으로 하 여 임의연도의 잔여수분지수를 계산하고 평년의 분포 와 비교하면 평년에 비해 상대적인 가뭄의 정도를 판 정 할 수 있다. 구체적으로 ADI의 가뭄의 심각성 정도 는 평년의 평균 (Z) 에서 표준편차(σ)를 적용함으로 써 구분되는데, 계산된 잔여수분지수값이 평년의 평균 에 비해 -1σ(표준편차) 이상 낮다면 ‘약한 가뭄’(mild drought), -2σ 이상 벗어나면, ‘심한 가뭄’ (severe drought) 단계를 나타낸다(Kim et al., 2015; Table 1).

본 연구에서는 지점 별로 ADI를 계산하기 위해 기 상청 방재기상자료를 기상자료개방포털(http://data.

kma.go.kr) 로부터 수집하였다. 수집한 자료는 강수량, 최고기온, 최저기온, 일사량, 증기압, 일평균풍속 값

이며, 기후학적 평년 계산을 위하여, 1981-2010 기간 에 해당하는 자료와 최근의 가뭄패턴 분석을 위해, 2012년 1월 1일부터 2017년 6월까지의 자료 또한 수 집하였다. 이를 토대로, 잔여수분지수를 1981년부터 2010년까지, 또한 2012년부터 2017년 6월까지 5년 6개월 동안의 매년 일단위로 계산하였다. 작물증발산 계산을 위한 작물계수의 경우, 본 연구에서는 특정 작 물을 지정하기 않았기 때문에, 작물계수를 적용하지 않고 기준증발산 값을 그대로 이용하였다. 기준증발 산은 잔디(grass)를 기준으로 한다(Allen et al., 1998).

또한 지면유출량을 계산하기 위하여 필요한 유출 곡선지수는 국토교통부 국가수자원관리종합정보시스 템(www.wamis.go.kr)에서 제공하는 표준유역 단위의 유출곡선지수 값 중 각 지점에 해당하는 유역의 대푯 값을 추출하여 사용하였다.

2.3. 기상학적 가뭄지수 수집

표준강수지수(SPI)는 강수량 만을 이용하여 가뭄심 도를 산정하며, 각 시간 단위에 따른 강수량의 과잉이 나 부족 정도를 시간단위로 나타낸다. 이 가뭄지수는 비교적 계산방법이 단순하며, 지속기간을 다양하게 설 정하여 계산(1, 3, 6, 9, 12개월 등)할 수 있는 장점이 있다. 또한 이 가뭄지수는 평년의 누적 강수량 대비 현재 강수량에 의해 상대적인 가뭄 정도를 파악한다 (Mckee et al., 1993; Abromowitz and Stegun, 1964).

기상청에서는 3개월 단위(SPI3)을 대표로 SPI1, 2, 4, 5, 6, 9, 12, 18, 24를 계산하여 기상청 종합가뭄정보시 스템(http://drought. kma.go.kr)에서 일별 단위로 제공 하고 있다.

강수평년비(PN, Percent of Normal Precipitation) 는 특정기간의 평년 값에 대한 누적강수량의 백분율 값이다. 이 가뭄지수는 다른 기상요소는 고려하지 않 으며, 강수량만을 이용하여 계산하기 때문에 계산방법 이 단순하며, 특정 지역이나 계절에 적용할 수 있다.

또한 수개월 및 수년 기간 등 다양한 범위의 시간 간격 에 대하여 계산이 가능하며, 기상청 종합가뭄정보시스 템에서 SPI와 함께 1개월(30일)에 대한 강수평년비 인 PN1을 제공한다. 하지만 강수량만을 고려한 단순한 계산방법으로, 복잡한 알고리즘을 통해 추정되는 가뭄 을 고려하기에 신뢰도가 높지 않아, 참고자료로 사용 되고 있다.

본 연구에서는 기상청에서 제공하고 있는 SPI3, PN1을 각각 2012년 1월 1일부터 2017년 6월에 대하

여 지점별로 수집하였다. 수집된 데이터는 가뭄지수 별로 5년 6개월 인 2,008일에 해당하는 데이터이다.

2.4. 기상가뭄과 농업가뭄 간 지리적 분포특성 비교 및 분석

먼저 가뭄지수별로 최근 5년 6개월(2012년-2017년 6월)동안 가뭄 발생의 위험 일수를 계산하여 비교해 보았다. 또한 이를 계절별로 나누어 비교하였는데, 각 계절은 계산 편의상 봄(3-5월), 여름(6-8월), 가을(9-11 월), 겨울(12-2월) 로 구분하였으며, 년도 별 계절 단위 로 주의보 발령 기준 이상에 해당된 날의 수를 합하였다.

주의보 이상의 위험 기준은 ‘약한 가뭄(mild drought)’

을 기준으로 하였으며, 세부기준은 Table 1과 같다.

또한 계산 또는 수집된 세 종류의 가뭄지수(ADI, SPI3, PN1)를 같은 기간 동안 그래프 상에 중첩하여 분석 함으로써 시기별 패턴을 비교 해보았으며, 마지 막으로 ADI의 잔여수분지수를 평년과 최근 5년에 대 하여 비교하였는데, 이를 통해 과거 평년과 비교하여 최근의 토양수분의 추세와 가뭄 발생 양상의 변화에 대하여 살펴보고자 하였다.

Drought

Stage ADI SPI PN

Normal Z > -1 Z > -1 PN1 > 75%

Mild

Drought -1 > Z > -2 -1 > Z > -1.5 75 > PN1 > 50 Severe

Drought -2 > Z > -3 -1.5 > Z > -2 50 > PN1 > 25 Extremely

Drought -3 > Z -2 > Z 25 > PN1 Table 1. Description of the drought indices

III. 결과 및 고찰

3.1. 최근 5년 6개월간 가뭄지수의 변동 추이 먼저, ADI와 SPI3, PN1를 같은 기간에 대하여 계산 하고 이를 하나의 그래프로 표현하여 비교함으로써 시 간의 변화에 따른 가뭄지수간의 유사성을 판단해 보았 다. 계산 기준은 ADI의 경우 -1 이하, SPI3는 –1이하, PN1은 75% 이하를 기준으로 하였다(Table 1). 여기서 가뭄 판단의 기준이 지수 마다 모두 다르기 때문에 직접적인 비교는 어려우므로, 추세의 간접적인 비교를 진행하였다(Fig. 2).

서울과 인천 지역은 다음과 같은 유사한 경향을 나 타내었다. 두 지점의 2012년 1월부터 2017년 6월까지 의 가뭄지수 분포 양상을 보면, 2015, 2016, 2017년에 특히 가뭄이 심했다. 이 중에서도 2015년과 2016년의 9월에 가장 심했는데, ADI와 SPI3, PN1 모두 매우 낮은 것으로 나타났다. 반면, 2013년과 2016년의 2월 에는 강수량이 평년에 비해 많았으며, 이와 함께 ADI 와 SPI3 모두 지수 값이 증가함을 모의 하였다.

대구의 경우 2012년과 2014년 여름에 심한 가뭄이 있었다. 하지만 이는 ADI에 한정된 것으로, 이 기간에 SPI3의 경우에는 약한 가뭄으로 모의하고 있으며, 강 수량도 평년과 비교하여 큰 차이는 없었다. 하지만, 실제로 이 기간, 특히 2012년에는 대구, 달성군 지역에 104년 만의 큰 가뭄으로 농가의 큰 가뭄피해가 보고 된 바 있다(KMA, 2013). 이 시기에 ADI만이 가뭄 정도가 컸던 이유는 높은 일사량과 기온 등으로 인해 많은 증발산량이 모의 된 것이 원인인 것으로 분석된 다. 실제로 ADI가 SPI3나 PN1에 비해 가뭄이 매우 심한 것으로 모의 되었던(Fig. 2), 대구 지점의 2012년 8월2일(214일)에서 8월 12일(224일)의 10일 간의 기 상관측 평균값을 확인해 보면, 평균기온이 30.2℃(평 년 값 27.8℃), 일사량(합)이 22.6 MJ/m

²

²

전주의 경우 2012년과 2015년 여름, 2016년 여름과 가을에 큰 가뭄이 있었다. 이와 함께 강수량이 평년에 비해 적었던 2014년 겨울에도 가뭄이 심했는데, 이 기 간에 SPI는 가뭄이 심하지 않은 것으로 모의하고 있는 것에 반해, ADI는 가뭄이 심한 것으로 모의 하였다.

이는 SPI3의 경우 3개월의 강수량 누적 분을 이용하여 가뭄을 판단하는데, 전년도 2013년 말에 많은 강수량 이 2014년 초 시기까지 영향을 미친 것이 원인인 것으 로 해석된다. 반면, ADI는 전년도인 2013년 말에 정상 적인 범위 내에 있다가 점차적으로 강수량이 감소하면 서 가뭄 정도가 크게 증가하는 것으로 모의되는데, ADI의 유효강수량은 과거의 강수량에는 낮은 가중치 를, 최근 강수량은 높은 가중치를 부여하여 최근의 강 수량의 감소에 좀 더 민감하게 반응한 것이 원인인 것으로 분석될 수 있다.

Fig. 2. Comparison of 3 drought indices (SPI3, PN1 and ADI) with respect to time course change in the progression of drought during the study period (2012~2017) at 6 site.

Fig. 2. Comparison of 3 drought indices (SPI3, PN1 and ADI) with respect to time course change in the progression of drought during the study period (2012~2017) at 6 site. (continued)

Fig. 2. Comparison of 3 drought indices (SPI3, PN1 and ADI) with respect to time course change in the progression of drought during the study period (2012~2017) at 6 site. (continued)

부산의 경우는 2013년과 2016년의 여름에 큰 가뭄 이 있었다. 또한 2012년에서 2013년으로 넘어가는 겨 울에는 많은 강수량으로 인하여 모든 가뭄 지수의 수 분 값이 모두 높게 모의하는 것 또한 특징이다.

목포의 경우는 다른 지점에 비해 가뭄의 정도가 약한 편이었으나, 2016년 여름의 경우에는 극심한 가뭄이 있었다. ADI와 PN1의 경우는 심한 가뭄을 모의한 것과는 달리, SPI3의 경우에는 이 가뭄을 모 의하지 못했다. 앞선 전주의 경우와 같이 강수량의 감소가 나타나는 8-9월에 앞서, 7월에 많은 강수량이 있었는데, 3개월 누적 분인 SPI3의 경우 이 기간의 강수량이 영향을 미쳐 가뭄을 모의 하지 못한 것으로 판단된다.

이를 종합하면 우선 모든 가뭄지수는 대체로 비슷 한 시기에 동일한 추세로 단위 수분량의 상승, 하강을 모의 하였다. 년도 별, 지역 별로 일정부분의 차이는 있지만, PN1을 바탕으로 최근 5년 간의 전반적인 강수 량의 분포 패턴을 보면, 가을, 겨울의 경우 평년에 비 해 강수량이 많았고, 봄, 여름의 경우는 반대로 적었다.

이러한 추세는 가뭄지수에도 동일하게 나타났다. 특히 SPI와 PN1 두 가뭄 지수는 강수량 만을 고려하는 만큼 큰 유사성을 보였으며, ADI는 이 두 가뭄지수에 비해 그래프의 상승, 하강 정도(편차)가 매우 컸다. 하지만 실제 농작지의 가뭄 추정에 있어서는 ADI가 SPI나 PN1에 비해서 더 큰 신뢰성을 나타냄을 확인 할 수 있었다.

3.2. 계절별 가뭄 발생 추세 비교

최근 5년 6개월(2012-2017) 기간에 걸쳐 발생한 가 뭄의 계절적인 특징을 각 가뭄지수별로 알아보기 위하 여, 각 가뭄지수의 ‘약한 가뭄(mild drought)’ 기준의 이상인 날의 수를 계절별로 합산 하여 그 차이를 비 교해 보았다(Table 2). 전체 일수는 2,008일이며, 계 절별로 봄 552일, 여름 490일, 가을 455일, 겨울 511 일이다.

ADI를 기준으로 ‘약한 가뭄’ 이상인 날은 5년 6개 월 합계 기준으로, 서울(678회), 인천 (408회), 대구 (393회), 전주(380회), 부산(245회), 목포(155회) 순 으로 많았다. 지점 별로 일정부분 차이는 있지만, PN1은 ADI에 비해 ‘약한 가뭄’ 이상인 날이 많았으 며, SPI3은 ADI와 비슷하거나 지점 별로 약간 적게 모의 되었다.

계절 별로 가뭄 횟수는 6개 지점 모두, 가을, 겨울에

비해, 봄, 여름에 대체로 가뭄이 심하였다. 지역적으로 는 ADI기준으로 봄에는 서울-인천-대구-전주-목포-부 산 순으로 가뭄 횟수가 많았고, 여름은 부산-전주-서울 -대구-인천-목포, 가을은 서울-전주-인천-목포-부산-대 구, 겨울은 대구-서울-인천-전주-목포-부산 순으로 많 았다. 지역적으로 서울이 대체로 년도와 관계없이 가 뭄 횟수가 많았고, 반대로 목포는 가뭄 횟수가 적은 지역이었다. 부산 또한 대체로 가뭄 횟수가 적은 편이 었으나, 여름에는 실험대상 6지점 중 가장 많은 횟수 를 나타내었다.

한편 PN1과 SPI3는 서로 유사한 분포를 보였으며, 그 분포 양상이 ADI와는 달랐다. 봄의 경우 서울, 인 천, 목포가 가뭄 횟수로 상위에 있는 해가 많았고, 전 주, 부산, 대구가 적은 편이었다. 가을의 경우 서울, 인천, 전주가 많은 편이었고, 대구, 목포, 부산이 적은 편이었다. 여름의 경우 두 가뭄지수간에는 차이가 있 었는데, PN1은 부산이 가장 가뭄 횟수가 많았으나, SPI3에서는 적은 편이었다. 겨울의 경우 SPI3는 가뭄 횟수가 거의 없다는 특징 또한 나타났다.

이를 분석하면, 강수량에 의존적인 기상학적인 가 뭄지수와 여기에 더 많은 요소를 고려하는 농업적인 가뭄지수간의 가뭄 모의가 차이가 있다는 것이다. 이 를 통해 강수량이 비록 평년에 비해 다소 적다 하더라 도, 기상학적 관점이 아닌 농업부분에서는 가뭄정도가 다르게 판단될 수 있으며, 농업부분에서 보다 정확하 게 가뭄을 판단하기 위해서는 강수량 외에 강수기간, 또한, 증발산, 유출량 등 토양수분에 영향을 미칠 수 있는 여러 조건을 고려하여야 한다는 것을 확인 할 수 있다.

3.3. 토양수분(잔여수분지수)의 과거와 현재 추세 과거와 현재의 가뭄 발생 패턴의 비교를 위하여, 지 점 별로 평년의 잔여수분지수 평균 값과 표준편차를 두고, 최근 5개년의 같은 기간의 잔여수분지수의 평균 값을 중첩하여 비교하여 보았다(Fig. 3). 먼저 6개 지 점 공통적으로 봄과 이른 여름(3월-7월)은 잔여수분지 수의 값이 평년에 비해 최근 5개년의 평균 값이 다소 낮았다. 즉 이 시기의 가뭄이 과거에 비해 심해졌다고 할 수 있는데, 이런 추세는 올해(2017년) 늦봄–초여름 으로 이어졌던 극심한 가뭄 또한 설명할 수 있게 된다.

또한 7월 중순 경부터 장마, 집중호우 등으로 인하여, 가뭄이 해갈되며, 이에 따른 토양수분의 증가 현상 또 한 볼 수 있는데, 이는 2017년만의 특이한 현상이 아니

SPI3 PN1 ADI

Spring Summer Autumn Winter Spring Summer Autumn Winter Spring Summer Autumn Winter

Seoul 2012 22 7 0 1 33 38 5 23 37 35 1 42

Seoul 2013 0 0 0 0 38 25 71 8 25 28 33 0

Seoul 2014 81 68 35 0 87 61 60 15 82 17 29 6

Seoul 2015 23 81 70 0 52 83 53 34 58 43 43 10

Seoul 2016 0 14 71 0 26 48 58 39 25 35 22 24

Seoul 2017 47 30 0 0 62 30 0 14 66 17 0 0

SUM 173 200 176 1 298 285 247 133 293 175 128 82

Incheon 2012 33 22 0 1 43 35 7 30 48 29 0 45

Incheon 2013 2 0 0 0 38 32 55 2 4 8 5 0

Incheon 2014 69 7 35 0 69 62 59 14 51 9 0 0

Incheon 2015 28 92 71 0 59 92 53 30 30 26 31 0

Incheon 2016 0 13 72 0 25 49 57 39 7 12 14 15

Incheon 2017 26 30 0 0 55 30 0 9 51 23 0 0

SUM 158 164 178 1 289 300 231 124 191 107 50 60

Daegu 2012 6 3 0 1 20 54 12 42 16 26 0 30

Daegu 2013 0 9 5 0 42 35 47 7 31 22 2 0

Daegu 2014 11 20 0 6 14 67 16 10 19 34 0 53

Daegu 2015 0 34 0 0 29 48 48 17 16 31 0 3

Daegu 2016 0 0 0 0 16 42 21 29 0 24 0 8

Daegu 2017 9 30 0 0 35 30 0 2 33 27 0 18

SUM 26 96 5 7 156 276 144 107 115 164 2 112

Jeonju 2012 24 52 0 1 54 54 11 47 24 46 0 15

Jeonju 2013 0 0 1 0 15 12 43 7 2 19 0 0

Jeonju 2014 25 9 0 6 19 53 26 11 14 3 0 37

Jeonju 2015 0 73 68 0 45 89 46 16 24 46 34 0

Jeonju 2016 0 18 41 0 18 58 34 29 4 41 19 2

Jeonju 2017 12 30 0 0 52 30 0 25 27 23 0 0

SUM 61 182 110 7 203 296 160 135 95 178 53 54

Busan 2012 15 17 0 6 30 50 18 35 0 27 0 7

Busan 2013 0 5 35 0 40 46 38 14 0 32 12 0

Busan 2014 0 12 0 3 9 53 14 51 0 18 0 13

Busan 2015 0 33 16 0 17 84 22 13 0 38 0 0

Busan 2016 0 24 0 0 18 71 5 17 0 40 0 0

Busan 2017 52 30 0 0 64 30 0 25 28 30 0 0

SUM 67 121 51 9 178 334 97 155 28 185 12 20

Mokpo 2012 3 15 0 1 14 52 5 48 5 29 0 18

Mokpo 2013 11 0 0 0 55 33 35 8 4 9 0 0

Mokpo 2014 22 19 0 6 20 41 37 58 3 0 0 6

Mokpo 2015 0 8 0 0 34 75 37 6 0 0 0 0

Mokpo 2016 0 0 0 0 22 46 17 8 0 10 16 0

Mokpo 2017 58 30 0 0 66 30 0 28 25 30 0 0

SUM 94 72 0 7 211 277 131 156 37 78 16 24

Table 2. Comparison of 3 drought indices (SPI3, PN1, and ADI) for the number of days that were more than ‘Mild Drought (Table 1)’ by each season in 2012-2017

Fig. 3. Residual moisture index averaged over recent 5 years (orange line). That of a normal year (1981-2010 average, gray line) is shown with the standard deviation (shaded area).

Fig. 3. Residual moisture index averaged over recent 5 years (orange line). That of a normal year (1981-2010 average, gray line) is shown with the standard deviation (shaded area). (Continued)

라, 최근의 가뭄 발생의 패턴이었음을 간접적으로 추 론 할 수 있다. 또한, 9월부터 이듬해 1월까지의 잔 여수분지수가 평년에 비해 최근 5개년의 평균값이 컸는데, 이를 통해 가을과 겨울의 경우 대체로 평년 에 비해 토양 가용 수분이 많아져 가뭄의 정도가 덜 해졌다고 추측할 수 있다.

지역적인 차이로는 서울, 전주, 대구가 평년에 비해 최근 5년간 봄, 여름의 토양수분이 크게 감소한 반면, 인천, 부산, 목포의 경우 평년에 비해 감소폭이 적거나, 오히려 많은 곳이 있었다. 해당 지점 들이 각각 내륙 (서울, 전주, 대구)과 해안(인천, 부산, 목포)지방을 대 표하는 만큼, 가뭄의 분포가 지역적으로 내륙과 해안 지역이 차이가 있으며, 그 정도는 해안지방에 비해, 내륙지방에서 평년에 비해 최근 가뭄이 더욱 심해졌음 을 추측할 수 있었다.

IV. 결 론

본 연구에서는 전국 대표 지점에 대하여, 같은 기간 에 대해 복수의 가뭄지수를 통해 가뭄의 성격에 따른 분포 차이와 특성을 분석하였다. 전반적인 가뭄의 양 상은 비슷하였지만, 지점 별, 년도 별로 일정 부분 차 이가 발생하였음을 확인 하였다. 이것은 가뭄의 성격 에 따른 가뭄지수의 모의 방식이 다른 것, 즉, 누적 강수량의 기간, 강수량 외의 조건에 대한 고려 등으로 인한 차이로 판단되었다. 이를테면 강수량은 평년과 비슷한 수준을 보이더라도, 기상학적 가뭄지수에서 고 려하지 않는 증발량 등이 토양수분에 있어 큰 영향을 미칠 수 있는 것이다.

ADI는 이러한 농업적인 가뭄의 양상을 기상학적인 가뭄지수인 SPI나 PN에 비해서 비교적 잘 나타내었 다. 2016년의 목포의 사례(Fig. 3)와 같이 누적 강수량 만으로는 가뭄이 아니지만, 실제로는 일부 지역에서는 분명한 가뭄이 발생하였으며, ADI는 대체로 이를 잘 표현하였음을 확인 할 수 있었다.

또한 ADI를 통해 분석한 최근의 가뭄은 봄과 이른 여름의 가뭄이 예년에 비해 심해졌으며, 한여름부터 장마, 집중호우 등으로 인하여, 다소 해갈되는 패턴을 나타내었다. 또한 초가을부터 이듬해 겨울까지의 가뭄 은 예년에 비해 심하지 않으며, 토양가용수분의 양이 증가하는 추세를 나타내었다. 지역적으로는 내륙지방 에 해안지방에 비해 가뭄의 정도가 심해졌음을 확인

할 수 있었다.

이처럼 본 연구에서 밝혀낸 가뭄의 성격에 따른 모 의 결과의 차이와 최근의 양상은 분야별로 차별적인 정책 수립에 반영될 수 있다. 이를테면, 강수량은 예년 에 비해 적지 않아 기상학적으로는 가뭄이 아니지만, 토양수분이 부족하여, 농업적으로는 가뭄이라 판단될 경우, 기상과 수자원공사, 그리고, 농촌진흥청, 농어촌 공사 등이 수립할 수 있는 정책의 차별화를 꾀할 수 있는 것이다.

본 연구는 일부지역에 국한된 연구결과를 제시하였 으나, 추후, 더 많은 특성을 고려한 지역에 대하여 확 장한다면, 농업부분 가뭄 대응의 일환으로 대책 수립 에 기여할 수 있을 것으로 기대된다.

적 요

기상청에서는 다양한 가뭄지수를 주기적으로 발표 하고 있다. 하지만 이들 대부분은 기상학적인 가뭄지 수로 농업적인 부분에 적용하기에는 어려운 부분이 있 는 것이 사실이다. 본 연구에서는 전국 대표 지점에 대하여, 같은 기간 동안 기상학적 가뭄지수와 농업가 뭄지수를 각각 계산하여 보고, 이를 비교하여 가뭄의 성격에 따른 지리적 분포의 차이와 특성을 분석하였 다. 복수의 가뭄지수가 추정한 전반적인 가뭄의 양상 은 비슷하였지만, 성격에 따른 모의 방식이 다른 것으 로 인한 차이를 확인할 수 있었으며, 농업가뭄지수 (ADI)는 기상학적 가뭄지수(SPI, PN)에 비하여 식물 의 토양가용수분에 대하여 높은 정확도를 나타내었다.

또한 ADI를 바탕으로 분석한 최근의 가뭄발생 양상은 봄과 초여름의 경우 평년에 비해 최근에 가뭄의 강도 가 심했으며, 가을과 겨울의 경우는 평년에 비해 약화 되는 패턴을 보였다. 또한 내륙지방이 해안지방에 비 해 최근의 가뭄 정도가 더 심했다. 분야별로 특화된 가뭄지수를 고려하는 것은 각각의 성격에 맞는 가뭄에 대한 대책마련에 도움이 될 수 있을 것이다.

감사의 글

본 논문은 농촌진흥청 국립농업과학원 농업과학기 술 연구개발사업 (과제번호: PJ010007)의 지원에 의해 이루어진 것임.

REFERENCES

Allen, R. G., L. S. Peretira, D. Raes, and M. Smith, 1998:

Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements. FAO irrigation and drainage paper 56, UN-FAO, Rome, Italy.

Byun, H. R., and D. A. Wilhite, 1999: Objective quantification of drought severity and duration. Journal of Climate 12, 2747-2756.

IPCC (Intergovernmental Panel on Climate Change), 2013: Climate change 2013: The Physical Science Basis. Working group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.

Kim, D. J., S.-O. Kim, J.-H. Kim, K-M. Shim, and J. I.

Yun, 2015: A drought index designed for field-scale water management. Asia-Pacific Journal of Atmospheric Sciences 51(3), 197-203.

Kim, J.-S., M.-H. Choi, and J.-H. Lee, 2012: Analysis of regional drought characteristics associated with atmospheric teleconnections. Proceedings of 2012 Korean Geo- Environmental Society Conference, Seoul, Korea, Korean Geo-environmental Society, 269-271.

KMA (Korea Meteorological Administration), 2013:

Abnormal Climate Report 2012, 12-21. (In Korean) KMA (Korea Meteorological Administration), 2015: Current

Status and Prospects of Drought. Press Release (2015.6.3). (In Korean)

KMA (Korea Meteorological Administration), 2017: 기상 자료개방포털, http://data.kma.go.kr (2017.08.01) KMA (Korea Meteorological Administration), 2017: 종합

가뭄정보시스템, http://drought.kma.go.kr (2017.08.01) Kwak, J. W., S. D. Lee, Y. S. Kim, and H. S. Kim, 2013:

Return period estimation of droughts using drought variables from Standardized precipitation index. Journal

of Korea Water Resources Association 46(8), 795-805.

(in Korean with English abstract) doi:10.3741/JKWRA.

2013.46.8.795

Lee, B. R., B. G. Bae, and S, H. Choi, 2015: Drought analysis using comparison of standardized precipitation index and social big data. Proceeding of Korea Computer Congress 2015, Jeju, Korea, The Korean Institute of Information Scientists and Engineers, 16-18.

Lee, J. H., J. W. Seo, and C. J. Kim, 2012: Analysis on trends, periodicities and frequencies of Korean drought using drought indices. Journal of Korea Water Resources Association 45(1), 75-89. (in Korean with English abstract)

Lee, J.-W., S.-S. Jang, S.-R. Ahn, K.-W. Park, and S.-J.

Kim, 2016: Evaluation of the relationship between meteorological, agricultural and in-situ big data.

Journal of the Korean Association of Geographic Information Studies 19(1), 64-79. (in Korean with English abstract) doi:10.11108/kagis. 016.19.1.06 MOLIT (Ministry of Land, Infrastructure and Transport,

Water Resource Management Information System, 2017: http://www.wamis.go.kr (2017.08.01)

Morid, S., V. U. Smakhtin, and M. Moghadasi, 2006:

Comparison of seven meteorological indices for drought monitoring in Iran. International Journal of Climatology 26, 971-985. doi:10.1002/joc.1264 Nam, W. H., J. Y. Choi, M. W. Jang, and E. M. Hong,

2013: Agricultural drought risk assessment using reservoir drought index. Journal of the Korean Society of Agricultural Engineers 55(3), 41-49. (in Korean with English abstract) doi:10.5389/KSAE.2013.55.3.041 Wilhite, D. A., and M. H. Glantz, 1985: Understanding

the drought phenomenon: the role of definitions. Water International 10(3), 111-120.