위성기반 Climate Hazards Group InfraRed Precipitation with Station (CHIRPS)를 활용한 한반도 지역의 기상학적 가뭄지수 적용
Application of Meteorological Drought Index using Climate Hazards Group InfraRed Precipitation with Station (CHIRPS) Based on Global Satellite-Assisted Precipitation Products in Korea
문영식a⋅남원호b,✝⋅전민기c⋅김태곤d⋅홍은미e⋅Michael J. Hayesf⋅Tsegaye Tadesseg Mun, Young-Sik⋅Nam, Won-Ho⋅Jeon, Min-Gi⋅Kim, Taegon⋅Hong, Eun-Mi⋅Michael J. Hayes⋅Tsegaye Tadesse
ABSTRACT
Remote sensing products have long been used to monitor and forecast natural disasters. Satellite-derived rainfall products are becoming more accurate as space and time resolution improve, and are widely used in areas where measurement is difficult because of the periodic accumulation of images in large areas. In the case of North Korea, there is a limit to the estimation of precipitation for unmeasured areas due to the limited accessibility and quality of statistical data. CHIRPS (Climate Hazards Group InfraRed Precipitation with Stations) is global satellite-derived rainfall data of 0.05 degree grid resolution. It has been available since 1981 from USAID (U.S. Agency for International Development), NASA (National Aeronautics and Space Administration), NOAA (National Oceanic and Atmospheric Administration). This study evaluates the applicability of CHIRPS rainfall products for South Korea and North Korea by comparing CHIRPS data with ground observation data, and analyzing temporal and spatial drought trends using the Standardized Precipitation Index (SPI), a meteorological drought index available through CHIRPS. The results indicate that the data set performed well in assessing drought years (1994, 2000, 2015 and 2017). Overall, this study concludes that CHIRPS is a valuable tool for using data to estimate precipitation and drought monitoring in Korea.
Keywords: CHIRPS; satellite image; precipitation; Standardized Precipitation Index (SPI); North Korea
Ⅰ. 서 론
가뭄은 세계 곳곳에서 발생하는 기상재해 중 하나이며, 가 뭄의 피해는 지역으로 국한되지 않고 전 세계적으로 식량 및
경제적 문제를 야기할 수 있을 정도로 그 영향은 광범위하다 (Sternberg, 2011). 또한 전 세계적인 기후변화로 인해 가뭄의 발생 빈도 및 심각성이 증가 할 것으로 예상되고 있다(WMO, 2009; Sheffield et al., 2012). 인공위성을 활용한 원격탐사자료 는 이와 같은 자연재해에 대한 모니터링 및 예측에 활용되어 왔다. 특히 위성영상은 넓은 지역을 주기적으로 관측하여 자 료를 축적하고 있기 때문에 지구 지표상의 관측시 누락된 미 계측 지역의 자료를 구축하는데 활용되고 있다. 지상 관측 자 료의 한계점을 보완하기 위하여 주기적이고 동일한 정확도의 자료 획득이 가능하다는 측면에서 인공위성을 활용한 가뭄 분석 연구의 필요성이 대두되었다(Nam et al., 2018; Yoon et al., 2018). Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS)는 캘리포니아 대학교 샌타바버라 (University of California, Saint Barbara, UCSB)의 Climate Hazards Group에 의해 2014년에 개발되었다. CHIRPS는 일별, 월별, 연별 등의 데이터 세트를 제공하며 준 세계적 범위 (50°S-50°N, 180°W-180°E)의 0.05° 공간 해상도를 제공한다 (Funk et al., 2014). 주로 아프리카나 서남아시아와 같은 지상 관측소의 수가 적고 미계측 지역이 많은 곳에서 CHIRPS와 같은 강수에 대한 자료가 광범위하게 사용되었다(Katsanos et al., 2016). Shukla et al. (2014)는 동아프리카의 CHIRPS를 사
a Graduate Student, Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea
b Assistant Professor, Department of Bioresources and Rural Systems Engineering, Institute of Agricultural Environmental Science, Hankyong National University, Anseong, Republic of Korea
c Graduate Student, Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea
d Postdoctoral Research Fellow, Institute on the Environment, University of Minnesota, Minneapolis, MN, USA
e Assistant Professor, School of Natural Resources and Environmental Science, Kangwon National University, Chuncheon, Republic of Korea
fProfessor, School of Natural Resources, University of Nebraska-Lincoln, Lincoln, NE, USA
g Research Associate Professor, National Drought Mitigation Center, School of Natural Resources, University of Nebraska-Lincoln, Lincoln, NE, USA
† Corresponding author
Tel.: +82-31-670-5137 Fax.: +82-31-670-5139 E-mail: [email protected]
Received: January 22, 2019 Revised: March 5, 2019 Accepted: March 5, 2019
용하여 농작물 재배철의 토양수분 예측을 평가하였고, Toté et al. (2014)는 모잠비크에서 홍수 및 가뭄 모니터링에 적용하 였다.
가뭄지수는 강수, 강설, 하천유량, 지하수 등 물공급 관련 자료를 이용하여 가뭄 상황을 파악할 수 있는 하나의 지표로 서 일반적으로 표준강수지수(Standardized Precipitation Index, SPI), 팔머가뭄지수(Palmer Drought Severity Index, PDSI), 지 표수공급지수(Surface Water Supply Index, SWSI), 표준강수증 발산지수(Standardized Precipitation Evapotranspiration Index, SPEI) 등이 있다. 본 연구에서 사용한 SPI는 계산이 간편하고, 지역적 강수특성을 반영할 수 있어, 세계 여러 나라에서 활용 되고 있다(Bae et al., 2013; Nam et al., 2017). SPI를 이용한 국내 가뭄 분석 연구로는 한반도의 SPI를 산정하기 위해 비매 개변수적 빈도해석 활용한 SPI 적용 연구(Kim and Moon, 2014), 일 단위와 월 단위의 SPI를 이용한 가뭄빈도해석 비교 에 관한 연구(Choi, 2014), 우리나라 가뭄의 공간적인 특성을 분석하여 SPI, SPEI 및 Self-Calibrated Palmer Drought Severity Index (SC-PDSI) 가뭄지수를 이용하여 시계열 가뭄 상황을 정량적으로 분석하는 연구가 수행되었다(Lee, 2013;
Nam et al., 2015). 또한 SPI와 정규식생지수(Normalized Difference Vegetation Index, NDVI)를 활용한 가뭄 탐지 가능
성을 분석한 연구(Kim et al., 2016), SPI 및 PDSI를 이용한 남한 가뭄의 시공간적 특성 연구(Park, 2017) 등이 수행되었 다. Jang et al. (2006)은 우리나라 전 지역의 강수량 자료를 이용해 가뭄의 상황을 표현할 수 있는 3개월 SPI를 이용해 가뭄을 분석 하였으며, Park et al. (2016)은 상대적으로 약한 정도의 가뭄관측이 가능한 단기간의 6개월 SPI와 비교적 심 한 가뭄을 판단하기 위한 자료로 활용하는 장기간 12개월 SPI 를 이용하여 제주도의 가뭄을 분석하였다.
본 연구에서는 5km의 공간 해상도를 갖고 있는 원격탐사 자료를 이용한 강수 모델인 CHIRPS를 이용하여 한반도 전 체의 CHIRPS 적용성을 검토하였으며, 남한 및 북한의 기상 관측소 강수량 자료와 CHIRPS 강수량 자료를 비교하였다.
또한 가뭄이 극심하게 발생했던 시기를 대상으로 CHIRPS 강수량 자료를 활용해 SPI를 적용하고, 기존 관측소 기반의 SPI 자료와 비교하였다. 본 연구의 목적은 5km의 공간 해상 도를 갖고 있는 CHIRPS 강우위성제품의 활용성을 판단하고, 더 나아가 CHIRPS를 활용한 SPI를 통해 남한과 북한 지역의 가뭄을 분석함으로써 향후 미계측 지역의 가뭄을 분석하고 자한다.
Fig. 1 Research flow chart of the process for application of satellite-assisted precipitation products using CHIRPS
Ⅱ. 연구 방법 및 재료 1. 연구대상지역
연구대상지역은 사면이 해양으로 둘러싸여 해양의 영향을 많이 받아 강수특성이 내륙에 비해 현저하게 다른 특성이 나 타나는 울릉도 제주도 등 도서지역을 제외한 한반도 전역을 연구대상지역으로 선정하였다. CHIRPS 데이터가 시작되는 1981년부터 2017년까지 분석하였으며, 특히 가뭄이 심했던 1994-1995년, 2000-2001년, 2012년, 2017년 등을 중심으로 분 석하였다. 또한 북한의 27개 기상관측소 지점의 강수량 자료 와 남한의 60개의 기상관측소의 강수량 자료를 수집하였고, CHIRPS 데이터와 비교 분석하였다. 연구 순서는 Fig. 1에 도 시하였으며, 최근 10년(2008–2017년)의 한반도 가뭄 경향을 분석하였고, CHIRPS 강우 위성영상 데이터로 생성한 SPI와 기존의 기상관측소의 SPI를 비교⋅분석하였다. 또한, CHIRPS 자료로 구축한 SPI를 2017년 한반도에 적용함으로써 가뭄을 분석하였다.
2. CHIRPS (Climate Hazards Group InfraRed Precipitation with Stations)
CHIRPS 위성영상은 가뭄 및 지구 환경 변화 모니터링을 위해 설계된 일별, 월별 및 연별 강수량 데이터 세트이다(Funk et al., 2015). 미국국제개발기구(United States Agency for International Development, USAID), 미국항공우주국(National Aeronautics and Space Administration, NASA) 및 국립해양대 기관리국(National Oceanic and Atmospheric Administration, NOAA)의 지원을 받은 미국지질조사국(United States Geological Survey, USGS)은 1999년 데이터가 희박한 지역의 강우 지도를 생성하는 기술을 개발하였다. 초기 연구는 보간 된 관측소 데이터와 지형 강수 모델을 결합하는데 중점을 두 었으며, 최근에는 NASA와 NOAA의 격자 기반 위성 강수량 추정을 통해 고해상도 (0.05°) 격자형 강수량 기후를 구축하였 다. CHIRPS는 1981년부터 현재까지 전지구 (50°S-50°N) 강우 자료를 0.05° 격자 해상도로 제공하고 있으며, USAID 가뭄조 기경보시스템 네트워크(Famine Early Warning Systems
Network)에 의한 가뭄 모니터링에 활용되고 있다. CHIRPS는 CHPClim (Climate Hazards Group Precipitation Climatology), 준 세계열 적외선 위성관측, TRMM (Tropical Rainfall Measuring Mission), NOAA CFS (Climate Forecast System)의 대기 모델 강우량 및 지역적 기상 서비스로부터 강수량 자료를 취득하고 있다(Funk et al., 2013).
Table 1은 위성강수자료를 비교한 결과이며, CHIRPS와 기 존의 다른 강수 데이터베이스의 주요 차이점은 0.05°의 고해 상도 영상을 제공한다. CHIRPS의 공간 해상도는 다른 위성 기반의 강수 데이터 세트보다 높아, 작은 유역 규모에서 강수 량 변화를 분석하는 것이 유리하다는 장점이 있다. 현재 CHIRPS를 기반으로 한 연구는 주로 아프리카 지역에 초점을 두고 있으며, CHIRPS 2.0 버전이 2015년 2월 12일 완성되어 공개되고 있다.
3. 표준강수지수 (Standardized Precipitation Index, SPI)
SPI는 Mckee et al. (1993)에 의해 개발된 지수로서 강수량 이 부족하면 용수 공급원인 지하수량, 적설량, 저수지의 저류 량 등이 상대적으로 수요에 비해 물의 부족을 유발하는 강수 량의 감소에 의해 시작된다는 것에 착안하여 개발한 가뭄지 수이다. SPI는 특정한 시간에 대한 강수량의 평균치와 강수량 의 차를 표준편차로 나눈 것이며, 평균치와 표준편차는 과거 의 강수량 자료로부터 결정된다. SPI는 보통 시간단위를 3, 6, 9, 12개월 등과 같이 설정하고, 시간단위별로 강수 부족량 을 산정하여 개개의 용수 공급원이 가뭄에 미치는 영향을 산 정한다(Edwards et al., 1997; Hayes et al., 1999). 또한 SPI는 빈도해석을 실시하여 재현기간을 제시하거나 지역적인 가뭄 의 특성을 판단할 수 있으며, 다른 지수들과 달리 강수 자료만 을 사용하여 비교적 제약 조건이 적고, 각 시간 단위에 따라 강수 부족량을 측정하여 강수량이 가뭄에 미치는 영향을 산 정할 수 있는 장점을 가지고 있다(Svoboda et al., 2015; Nam et al., 2015b).
본 연구에서는 Table 2와 같이 미국의 국립가뭄경감센터 (National Drought Mitigation Center, NDMC)에서 사용하고 있
Satellite rainfall products Temporal coverage Spatial resolution Temporal resolution
CHIRPS ver.2.0 1981-present 0.05。(≒5 km) Daily
TARCAT ver.2.0 1983-present 0.0375°(≒4 km) Dekadal
ARC ver.2.0 1983-present 0.1°(≒10 km) Daily
PERSIANN-CDR 1983-present 0.25°(≒27 km) Daily
TMPA 3B42 ver.7.0 1988-present 0.25°(≒27 km) 3-hourly
Table 1 Summary of the global satellite-assisted precipitation products
는 SPI의 총 5 단계의 가뭄 심도(drought severity)를 활용하였 다. 또한 1981년부터 2017년까지 CHIRPS를 통해 SPI를 산정 하여 가뭄의 변동성을 분석하고, 2017년의 가뭄 발생 특성을 확인할 수 있도록 시간척도를 3, 6, 9개월로 산정하였다.
Ⅲ. 적용 및 결과
1. 지상관측소 기반 SPI를 활용한 최근 10년간 가뭄 상황 분석
과거 한반도의 가뭄을 평가하기 위해 Fig. 2와 같이 2008년 부터 2017년 까지 최근 10년간 3, 6, 9개월 단위 SPI를 나타내 었다. 3, 6, 9개월 SPI를 분석한 결과를 D1부터 D4까지 각 단계별에 해당하는 측후소의 개수를 백분율로 나타내었다. 3 개월 SPI에서 최근 10년간 가장 극심했던 가뭄 연도는 2017년 으로 나타났다. 2017년 4월에서 7월까지 D1 단계는 77%로 나타났으며, D2의 단계는 65%, D3의 경우 52%, D4의 경우
41%로 가뭄 단계가 전년도보다 가장 극심한 가뭄이 나타났다 는 것을 알 수 있다. 2016년 8월의 D1 단계는 71%로 나타났으 며, D2 단계의 경우 58%, D3의 경우 48%, D4의 경우 33%로 극심한 가뭄이 발생하였다. 6 개월 SPI의 경우 3개월 SPI 보다 극심한 가뭄상황이 발생하였으며, D1 단계의 경우 80%, D2의 경우 74%, D3의 경우 62% D4의 경우 50%로 3개월 SPI와 유사한 경향으로 2017년이 가장 극심한 가뭄을 나타내었다.
또한, 9개월 SPI의 경우 2017년 4월에서 7월까지 D1 단계는 80.2%, D2의 경우 75%, D3의 경우 68%, D4의 경우 55%로 9개월 SPI에서도 2017년에 가장 극심한 가뭄이 나타난 것을 확인할 수 있었다. 2015년, 2016년의 경우 평균 30%의 높은 D4 단계가 나타난 것으로 확인할 수 있었다.
2. CHIRPS 기반 SPI 산정 및 지상관측소 기반 SPI와의 비교 및 분석
CHIRPS 강우 자료를 통해 산정한 SPI와 지상관측소의 강 수량 자료를 통해 산정한 SPI를 비교하여 Fig. 3과 같이 나타 내었다. CHIRPS 강우 자료의 경우 격자 기반의 자료로서 지 상관측소 위치와 근접한 격자의 값을 기준으로 비교 분석하 였다. 두 강수자료를 바탕으로 피어슨 상관분석(Pearson’s correlation coefficient)을 실시하였다. R2값의 범위는 0과 1.0 사이이며, 0은 상관관계가 없는 반면 1에 가까울수록 두 값 사이의 높은 상관관계를 제공한다. 또한 R2 >0.7의 경우 높은 상관성을 보이며, R2 >0.5의 경우 사용 가능한 상관성을 보인 다(Krause et al., 2005; Moriasi et al., 2007). Table 3에 도시한 바와 같이, 울산의 경우 0.94로 높은 상관성을 보였고, 신계 지역의 경우 0.82의 값을 나타내었다. 청주지역의 경우 0.96의 값을 나타내었다. 그 외 지역에서도 1에 가까운 높은 상관성 을 보였으며 기상관측소에 결함 또는 도서 지역에서 다소 낮 은 상관성을 보였다.
대표적으로 북한의 신계 지역과 남한의 울산, 청주 지역을 선정하여 SPI를 분석하였으며, 3개월 SPI의 경우 신계 지역에 서 2014년에 SPI –2.0 이상의 극심한 가뭄을 나타내었다. 또한 2008, 2016, 2017년에 –1.5 이상의 극심한 가뭄이 발생한 것을 알 수 있다. 6개월 SPI의 경우 2014년에 가장 극심한 가뭄이
Category Description Percentiles SPI value
D0 Abnormally Dry 21-30% -0.5 to –0.7
D1 Moderate Drought 11-20% -0.8 to –1.2
D2 Severe Drought 6-10% -1.3 to –1.5
D3 Extreme Drought 3-5% -1.6 to –1.9
D4 Exceptional Drought 0-2% -2.0 or less
Table 2 Drought severity classification of SPI (Svoboda et al., 2002)
Fig. 2 Percentage of stations in categories of drought as determined by SPI during the last 10 years (2008-2017)
Station R2 Station R2 Station R2 Station R2
SENBONG 0.79 SARIWON 0.91 GUNSAN 0.94 GEUMSAN 0.96
SAMJIYON 0.63 SINGYE 0.82 DAEGU 0.94 BUAN 0.94
CHONGJIN 0.68 RYONGYON 0.95 JEONJU 0.96 IMSIL 0.94
CHUNGGANG 0.92 HAEJU 0.91 ULSAN 0.94 JEONGEUP 0.93
HYESAN 0.93 KAESONG 0.95 GWANGJU 0.96 NAMWON 0.95
KANGGYE 0.94 PYONGGANG 0.97 BUSAN 0.94 JANGHEUNG 0.95
PUNGSAN 0.93 SOKCHO 0.91 TONGYEONG 0.94 HAENAM 0.93
KIMCHAEK 0.78 DAEGWALLYEONG 0.94 MOKPO 0.96 GOHEUNG 0.94
SUPUNG 0.94 CHUNCHEON 0.98 YEOSU 0.93 YEONGJU 0.93
CHANGJIN 0.91 GANGNEUNG 0.89 WANDO 0.93 MUNGYEONG 0.96
SINUIJU 0.90 SEOUL 0.98 JINJU 0.96 YEONGDEOK 0.84
KUSONG 0.97 INCHEON 0.98 GANGHWA 0.94 UISEONG 0.93
HUICHON 0.88 WONJU 0.97 YANGPYEONG 0.98 GUMI 0.91
HAMHEUNG 0.89 ULLEUNGDO 0.72 ICHEON 0.97 YEONGCHEON 0.94
SINPO 0.88 SUWON 0.97 INJE 0.95 GEOCHANG 0.96
ANJU 0.97 SEOSAN 0.95 HONGCHEON 0.97 HAPCHEON 0.94
YANGDOK 0.94 ULJIN 0.85 JECHEON 0.96 MIRYANG 0.92
WONSAN 0.86 CHEINGJU 0.96 BOEUN 0.97 SANCHEONG 0.93
PYONGYANG 0.91 DAEJEON 0.97 CHEONAN 0.97 GEOJE 0.93
NAMPO 0.94 CHUPUNGNYEONG 0.95 BORYEONG 0.93 NAMHAE 0.95
CHANGJON 0.71 POHANG 0.90 BUYEO
Table 3 Summary of statistical Pearson’s correlation coefficient at monthly scale (2008-2017) from CHIRPS and meteorological station data
Fig. 3 Time series of the CHIRPS-based and station-based SPI (3-month, 6-month, and 12-month) using historical data (2008∼2017) for two weather stations (Ulsan in South Korea, and Singye in North Korea)
지속된 것을 알 수 있다. 9개월 SPI의 경우 2014년의 SPI 지수 는 –2.0 이상으로 가장 극심한 가뭄이 지속되었고, 3, 6개월 SPI와 비교하여 가뭄 발생이 적은 것으로 나타났다. 울산 지 역의 경우 전체적으로 기상관측소의 SPI와 CHIRPS을 통해 나타낸 SPI가 유사한 경향을 보임을 알 수 있다. 3, 6, 9개월
단위 SPI에서 2017년에 –2.0 이상의 극심한 가뭄이 나타났고, 3개월 SPI의 경우 2008년과 2013년, 2014년에 울산 지역의 가뭄 상황이 발생하였으며, 6개월 SPI의 결과에서 2009년, 2013년에 가뭄이 발생하였다.
가뭄이 극심했던 1994년, 2000년, 2015년을 대상으로 가장
Fig. 4 Time series of SPI maps in drought years (1994, 2000, and 2015) using CHIRPS-based and station-based SPI (6-month)
유사한 경향을 보였던 6개월 단위 SPI 결과를 Fig. 4에 도시하 였다. 1994년의 경우 7월 전라도 지역에서 본격적으로 가뭄이 시작 되었으며, 점차 경상도 지역으로 전이 되는 현상을 보였 다. 9월이 되면서 경상도 지역의 가뭄이 지속되는 것을 알 수 있다. 2000년의 경우 4월과 5월에 남부지방에서 가뭄이 심했 으며, 점차 가뭄이 해소되고 7월부터 북한의 강원도, 황해도, 평안북도 지역의 극심한 가뭄이 지속되는 것을 나타냈다.
2015년의 경우 수도권 지역과 충청도 지역의 극심한 가뭄이 지속되는 것을 알 수 있었다. CHIRPS 자료를 활용하여 산정 한 SPI와 기상관측소의 SPI를 극심한 가뭄이 있었던 연도 별 로 도시하여 나타낸 결과 동일한 지역에서 극심한 가뭄을 나 타내면서 유사한 경향을 나타내는 것을 알 수 있었다.
3. CHIRPS 데이터를 활용한 2017년 시간 척도별 SPI 산정
기상청에 따르면 2017년 전국 연강수량은 평년 (1,308 mm) 보다 적은 968 mm (평년대비 74%)로 1973년 이후 최소 5
위를 기록하였으며, 특히 남부지방 중심으로 강수량이 적었 다. 강수량이 평년과 비슷했던 2월과 7월 및 12월, 많았던 10 월을 제외한 나머지 달의 강수량이 평년보다 적었으며, 특히 5-6월과 11월은 1973년 이후 최소 3위 안에 드는 매우 적은 강수량을 기록하였다.
2017년의 가뭄사상을 살펴보기 위하여 한반도 전체의 CHIRPS 자료를 추출하여 격자별 SPI를 산정하였으며, 3, 6, 9, 12개월의 시간척도의 SPI 시계열 결과를 월별로 Fig. 5에 나타내었다. 2017년 한반도의 가뭄을 CHIRPS 데이터를 기반 으로 분석 결과 남한은 3개월과 6개월 SPI 에서 극심한 가뭄 상황이 6월에 발생하였다. 특히 충청남도 지역과 경상남도 지 역에서 D3 이상의 가뭄이 발생한 것으로 분석되었다. 북한 지역의 경우 3개월과 6개월 SPI 에서 6월에 가장 심한 가뭄이 발생하였으며, 그 외에 2017년 대부분 시기에 가뭄이 발생한 것으로 분석되었다. 특히 5, 6월에는 황해도 지역과, 함경남도 를 중심으로 가뭄이 발생하였고, 3월, 8월 등에는 함경북도를 중심으로 가뭄이 발생하였다. 9개월, 12개월 SPI 분석 결과,
남한의 경우 4월 경기도를 시작으로 점차 남쪽으로 가뭄이 전이 되는 현상이 분석되었다. 또한, 경상남도의 경우 8월부 터 D3 이상의 가뭄이 발생한 것으로 나타났다. 북한은 중, 장 기 SPI 결과, 황해도에서 가뭄이 점차 시작되어 함경남도, 함 경북도 지역까지 가뭄이 발생한 것으로 분석되었다.
2017년 이상기후보고서(KMA, 2018)에 의하면 2017년 5월 부터 7월에 발생한 가뭄으로 충남, 전북, 전남, 경남 등 4개 도에 걸쳐 피해가 발생하였으며, 남부 지방의 경우 장마철에 도 가뭄이 지속되어 피해가 발생하였다. Table 3은 북한의 30 년(1981년-2010년)의 평균 강수량과 2017년의 강수량의 비율 을 정리하였다. 측후소별로 살펴보면 선봉, 청진, 용연 등 3개 관측소에서 평년 수준에 절반에 미치는 강수량을 나타내었다. 이 지역들은 CHIRPS 자료를 사용한 SPI 결과에서도 이와 유 사한 경향을 보였으며, 특히 6개월 SPI의 경우 용연 지역에서 D4의 극심한 가뭄이 발생하였고 청진지역에서 D3 단계의 가 뭄이 나타났다. 실제 가뭄이 발생한 지역과 CHIRPS 기반의
SPI가 유사한 경향을 보임을 알 수 있었으며, CHIRPS 자료가 한반도에 적용이 가능하다고 판단된다.
Ⅳ. 결 론
본 연구에서는 인공위성을 이용한 강수 모델인 CHIRPS를 이용하여 한반도의 적용성을 검토하였다. 2008년부터 2017년 의 최근 10년간 CHIRPS 자료를 기반으로 산정한 격자별 SPI 와 기상관측소의 SPI 결과를 비교하여 지역별 가뭄 지도를 활용하여 CHIRPS 기반 기상자료의 한반도의 적용성을 검토 하였다.
2017년 남한의 전국 누적 강수량은 1981-2010년 평년 강수 량의 74% 수준에 불과했으며, 남부지방을 중심으로 적은 강 수량을 기록하였다. 북한의 경우 선봉지역에서 평년 대비 약 50%의 강수량을 나타내었으며, 그밖에도 청진, 용연 등에서 는 평년 대비 절반 정도 수준에 불과한 강수량을 나타내었다. Fig. 5 CHIRPS SPI map by time scale in 2017: (a) 3-month, (b) 6-month, (c) 9-month, and (d) 12-month)
관측소 자료기반의 SPI 결과, 북한에서 2014년에 극심한 –2.0 의 가뭄 상황이 발생하였으며, 남한에서는 2017년 –2.0의 극 심한 가뭄이 발생하였다.
CHIRPS 자료를 활용한 한반도의 SPI 분석 결과 최근 10년 간 가장 극심했던 가뭄년도는 2017년으로 나타났으며, 3개월 SPI에서 4-7월까지 41%의 D4 단계로 극심한 가뭄을 보였고, 6개월 SPI의 경우 50%의 D4 단계를 나타내었다. 2016년의 경우 평균 30%의 D4 단계를 보였으며, 2008-2017년 한반도에 는 3개월 SPI 보다 6개월 SPI에서 극심한 가뭄이 나타났다.
CHIRPS와 기존의 기상관측소 자료를 피어슨 상관분석을 통 해 분석한 결과 울산 청주 신계 지역에서 각각 0.93, 0.82, 0.96 의 값으로 청주에서 가장 높은 상관성을 보였으며 울산, 신계, 지역 또한 1에 가까운 상관성을 보였다. 그 외 다른 지역에서 도 0.7 이상의 높은 상관성을 보였다. 따라서, CHIRPS 강우위
성영상을 한반도에 적용할 수 있다고 판단되며, 한반도 주변 의 아시아 지역의 미계측 지역의 가뭄 평가 및 모니터링에 적용 가능할 것으로 사료된다.
감사의 글
본 결과물은 농림축산식품부의 재원으로 농림식품기술기 획평가원의 첨단생산기술개발사업의 지원을 받아 연구되었 음(116117-03-3-SB020).
REFERENCES
1. Bae, D. H., K. H. Son, and H. A. Kim, 2013. Derivation Station Average 30-year (1981-2010) Annual precipitation in 2017 (mm) Comparison to the normal, ratio (%)
SENBONG 714.2 359.1 50
SAMJIYON 915.3 802.9 88
CHONGJIN 622.2 366.7 59
CHUNGGANG 726.4 507.1 70
HYESAN 591.4 427.6 72
KANGGYE 823.6 809.1 98
PUNGSAN 637.6 500.2 78
KIMCHAENK 640.8 707.8 110
SUPUNG 946.6 809.4 86
CHANGJIN 701.6 514.4 73
SINUIJU 991.9 858.7 87
KUSONG 1,169.8 795.3 68
HUICHON 1,071.2 894.7 84
HAMHEUNG 847.0 880.6 104
SINPO 672.9 526.5 78
ANJU 962.8 643.6 67
YANGDOK 999.2 1,155.4 116
WONSAN 1,347.8 1,762.0 131
PYONGYANG 911.3 844.1 93
NAMPO 771.1 587.7 76
CHANGJON 1,519.9 1,335.0 88
SARIWON 841.2 621.0 74
SINGYE 1,095.4 1,123.4 103
RYONGYON 829.6 370.3 45
HAEJU 1,032.6 978.7 95
KAESONG 1,197.1 757.1 63
PYONGGANG 1,251.1 1,311.8 105
Table 4 Summary of annual precipitation in 2017 for North Korea
& evaluation of drought threshold level considering hydro-meteorological data on South Korea. Journal of Korea Water Resources Association 46(3): 287-299 (in Korea). doi:10.3741/jkwra.2013.46.3.287.
2. Chang, Y. G., S. D. Kim, and G. W. Choi, 2006. A study of drought spatio-temporal characteristics using SPI-EOF Analysis. Journal of Korea Water Resources Association 39(8): 691-702 (in Korea). doi:10.3741/JKWRA.2006.39.
8.691.
3. Edwards, D. C., and T. B. McKee, 1997. Characteristics of 20th century drought in the United States at multiple time scales. 97-2. Fort Collins, Colorado Department of Atmospheric Science, Colorado State University.
4. Funk, C., J. Michaelsen, J. Verdin, G. Artan, G. Husak, G. Senay, H. Gadain, and T. Magadzire, 2003. The collaborative historical African rainfall model - description and evaluation. International Journal of Climatology 23:
47-66. doi:10.1002/joc.866.
5. Funk, C., and J. Michaelsen, 2004. A simplified diagnostic model of orographic rainfall for enhancing satellite-based rainfall estimates in data poor regions. Journal of Applied Meteorology 43: 1366-1378. doi:10.1175/JAM2138.1.
6. Funk, C., P. Peterson, M. Landsfeld, D. Pedreros, J.
Verdin, J. Rowland, B. Romero, G. Husak, J. Michaelsen, and A. Verdin, 2014. A quasi-global precipitation time series for drought monitoring. US Geological Survey 832.
doi:10.3133/ds832.
7. Funk, C., A. Verdin, J. Michaelsen, S. Peterson, D.
Pedreros, and G. Husak, 2015. A global satellite assisted precipitation climatology. Earth System Science Date 8:
401-425. doi:10.5194/essdd-8-401-2015.
8. Funk, C., P. Peterson, M. Landsfeld, D. Pedreros, J.
Verdin, S. Shukla, and G. Husak, 2015. The climate hazards infrared precipitation with stations - a new environmental record for monitoring extremes. Scientific Data 2: 150066. doi:10.1038/sdata.2015.66.
9. Hayes, M. J., M. D. Svoboda, D. A. Wilhite, and O. V.
Vanyarkho, 1999. Monitoring the 1996 drought using the standardized precipitation index. Bulletin of the American Meteorological Society 80: 429-438. doi:10.1175/1520- 0477(1999)080<0429:MTDUTS>2.0.CO;2.
10. Husak, G., J. Michaelsen, and C. Funk, 2007. Use of the gamma distribution to represent monthly rainfall in Africa for drought monitoring applications. International Journal of Climatology 27(7): 935-944. doi:10.1002/joc.1441.
11. Jang, S. M., J. Y. Rhee, S. K. Yoon, T. W. Lee, and K.
W. Park, 2017. Evaluation of GPM IMERG applicability using SPI based satellite precipitation. Journal of the Korean Society of Agricultural Engineers 59(3): 29-39 (in Korea). doi:10.5389/KSAE.2017.59.3.029.
12. Katsanos, D. T., A. N. Retalis, and S. Michaelides, 2016.
Validation of a high-resolution precipitation database (CHIRPS) over Cyprus for a 30-year period. National Center for Atmospheric Research 169(B): 459-464. doi:
10.1016/j.atmosres.2015.05.015.
13. Kim, D. W., J. C. Park, and D. H. Jang, 2016. Analysis of the possibility for drought detection of spring season using SPI and NDVI. Journal of the Association of Korean Geographers 6(2): 165-174 (in Korea). doi:10.25202/jakg.
6.2.5.
14. Kim, G. B., H. H. Yun, and D. H. Kim, 2006. Relationship between standardized precipitation index and groundwater levels: A proposal for establishment of drought index wells.
Journal of Soil and Groundwater Environment 11(3):
31-42 (in Korea).
15. Kim, M. S., and Y. I. Moon, 2014. A study on target standardized precipitation index in Korea. Journal of the Korean Society of Civil Engineers 34(4): 1117-1123 (in Korea). doi:10.12652/Ksce.2014.34.4.1117.
16. Korea Meteorological Administration (KMA), 1995. 20 years report of meteorological observations in North Korea.
Korea Meteorological Administration, Seoul, Korea.
17. Korea Meteorological Administration (KMA), 2018. 2017 Abnormal climate report. Korea Meteorological Administration, Seoul, Korea.
18. Krause, P., D. P. Boyle, and F. Base, 2005. Comparison of different efficiency criteria for hydrological model assessment. Advances in Geoscience 5: 89-97.
19. Kwon, M. S., K. S. Gun, M. H. Hwang, and T. W. Kim, 2015. Assessment of meteorological drought using cumulative severity of daily standardized precipitation index. Journal of the Korean Society of Hazard Mitigation 15(2): 123-131 (in Korea). doi:10.9798/kosham.2015.15.
2.123.
20. Lee, E. Y., 2013. Spatial characteristics of drought in South Korea by standard precipitation index, Konkuk University.
21. Lee, J. W., and G. S. Kim, 2012. Development of a modified standardized precipitation index by considering effects of the dry period and rainfall. Journal of Korea Water Resources Association 45(4): 409-418 (in Korea).
doi:10.3741/jkwra.2012.45.4.409.
22. Nam, W. H., M. J. Hayes, M. D. Svoboda, T. Tadesse, and D. A. Wilhite, 2015. Drought hazard assessment in the context of climate change for South Korea.
Agricultural Water Management 160: 106-117. doi:
10.1016/j.agwat.2015.06.029.
23. Nam, W. H., E. M. Hong, J. Y. Choi, T. G. Kim, M. J.
Hayes, and M. D. Svoboda, 2017. Assessment of the extreme 2014-2015 drought events in North Korea using weekly standardized precipitation evapotranspiration index (SPEI). Journal of the Korean Society of Agricultural Engineer 59(4): 65-74 (in Korean). doi:10.5389/KSAE.
2017.59.4.065.
24. Nam W. H., T. Tadesse, B. D. Wardlow, M. J. Hayes, M.
D. Svoboda, E. M. Hong, Y. A. Pachepsky, and M. W.
Jang, 2018. Developing the vegetation drought response index for South Korea (VegDRI-SKorea) to assess the vegetation condition during drought events. International Journal of Remote Sensing 39(5): 1548-1574. doi:10.1080/
01431161.2017.1407047.
25. Moriasi, D. N., J. G. Arnold, M. W. Van Liew, R. L.
Bingner, R. D. Harmel, and T. L. Veith, 2017. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers 50: 885-900.
26. Park, C. E., 2017. Spatial and temporal aspects of drought in South Korea based on standardized precipitation index (SPI) and palmer drought severity index (PDSI). Journal of Agricultural, Life and Environmental Sciences 29(3):
202-214 (in Korea). doi:10.12972/jales.20170019.
27. Pricope, N. G., G. Husak, C. Funk, and J. Michaelsen, 2013. The climate-population nexus in the East African Horn: emerging degradation trends in rangeland and pastoral livelihood zones. Global Environment Change 23:
1525-1541. doi:10.1016/j.gloenvcha.2013.10.002.
28. Park, J. K., J. H. Lee, S. K. Yang, M. C. Kim, and S.
E. Yang, 2016. Drought classification method for Jeju Island using standard precipitation index. Journal of Environmental Science International 25(11): 1511-1519 (in Korea). doi:10.5322/jesi.2016.25.11.1511.
29. Seo, J. Y., 2011. Analysis on the statistical characteristics of drought in Korea using SPI and PDSI. Joong-bu University.
30. Sternberg, T., 2011. Regional drought has a global impact.
Nature 472: 169. doi:10.1038/472169d.
31. Sheffield, J., E. F. Wood, and M. L. Roderick, 2012. Little change in global drought over the past 60 years. Nature 491: 435-438. doi:10.1038/nature11575.
32. Shukla, S., A. McNally, G. Husak, and C. Funk, 2014. A seasonal agricultural drought forecast system for food-insecure regions of East Africa. Hydrology and Earth System Sciences 18: 3907-3921. doi:10.5194/hess-18- 3907-2014.
33. Svoboda, M., D. LeComte, M. Hayes, R. Heim, K.
Gleason, J. Angel, B. Rippey, R. Tinker, M. Palecki, D.
Stooksbury, D. Miskus, and S. Stephens, 2002. The drought monitor. Bulletin of the American Meteorological Society 83(8): 1181-1190. doi:10.1175/1520-0477-83.8.1181.
34. Tote, C., D. Patricio, H. Boogaard, R. Wijgaart, E.
Tarnavsky, and C. Funk, 2015. Evaluation of satellite rainfall estimates for drought and flood monitoring in Mozambique. Remote Sensing 7: 1758-1776. doi:10.3390/
rs70201758.
35. WMO, 2009. Experts agree on a universal drought index to cope with climate risks. WMO Press Release 872.
36. Yoon, D. H., W. H. Nam, H. J. Lee, E. M. Hong, T. Kim, D. E. Kim, A. K. Shin, and M. D. Svoboda, 2018.
Application of evaporative stress index (ESI) for satellite-based agricultural drought monitoring in South Korea. Journal of the Korean Society of Agricultural Engineer 60(6): 121-131 (in Korean). doi:10.5389/KSAE.
2018.60.6.121.
