A Study on the Timing of Spring Onset over the Republic of Korea Using Ensemble Empirical Mode Decomposition

앙상블 경험적 모드 분해법을 이용한 우리나라 봄 시작일에 관한 연구

권재일*·최영은**

A Study on the Timing of Spring Onset over the Republic of Korea Using Ensemble Empirical Mode Decomposition

Jaeil Kwon* · Youngeun Choi**

요약 :본 연구에서는 앙상블 경험적 모드 분해법을 우리나라에 적용하여 봄 시작일을 정의하고, 이에 대한 시·공간적인 변화를 분석하였으며, 봄 시작일의 변동성을 분석하여, 봄 시작일에 영향을 미치는 요인을 파악 하였다. 우리나라 평균 봄 시작일은 3월 11일로 나타났고, 연구기간 동안 2.6일/10년으로 빨라졌다. 봄 시작일 은 일반적으로 위도와 고도가 높아짐에 따라, 그리고 해안에서 내륙으로 갈수록 늦게 나타났다. 우리나라 봄 시작일에 영향을 미치는 요인을 파악하기 위해 상관분석을 수행하였고, 전구평균기온, 북극진동(Arctic Oscil- lation, AO), 시베리아 고기압이 우리나라 봄 시작일과 유의한 상관관계를 나타냈다. 봄 시작일에 영향을 미치 는 지수들을 대상으로 다중회귀분석을 수행하였고, 세 가지 변수가 모두 입력된 모형은 64.7%의 설명력을 나 타냈다. 다중회귀분석의 결과 봄 시작일에 미치는 영향은 전구평균기온이 가장 크고, AO가 그 다음으로 나타 났다. 우리나라 봄 시작일에 영향을 미치는 종관적인 요인을 파악하기 위해 기압장 및 바람장을 분석한 결과, 시베리아 고기압, 알류샨 저기압, 상층 기압골의 강도 및 위치에 따른 북풍계열 바람의 강도가 봄 시작일을 결 정하는 주요 원인인 것으로 나타났다.

주요어 : 앙상블 경험적 모드 분해법, 봄 시작일, 북극진동, 시베리아 고기압, 기후변화

Abstract : This study applied Ensemble Empirical Mode Decomposition(EEMD), a new methodology to

Also this study identified the relationship between spring onet timing and some atmospheric variations, and figured out synoptic factors which affect the timing of spring onset. The averaged spring onset timing for the period of 1974-2011 was 11th, March in Republic of Korea. In general, the spring onset timing was later with higher latitude and altitude regions, and it was later in inland regions than in costal ones.

The correlation analysis has been carried out to find out the factors which affect spring onset timing, and global annual mean temperature, Arctic Oscillation(AO), Siberian High had a significant correlation with spring onset timing. The multiple regression analysis was conducted with three indices which were related to spring onset timing, and the model explained 64.7%. As a result of multiple regression analysis, the effect of annual mean temperature was the greatest and that of AO was the second. To find out synoptic factors affecting spring onset timing, the synoptic analysis has been carried out. As a result the intensity of meridional circulation represented as the major factor affect spring onset timing.

Key Words : Ensemble Empirical Mode Decomposition, spring onset, Arctic Oscillation, Siberian High,

본 연구는 기상청 아시아태평양경제협력체 기후센터(APCC-2013-3160)의 지원으로 수행되었습니다.

* 기상청 기후과학국 기후예측과 연구원(Researcher, Climate Prediction Division, Climate Science Bureau, Korea Meteorological Administration), [email protected]

** 건국대학교 지리학과 교수(Professor, Department of Geography, Konkuk University), [email protected]

1. 서론

최근 지구온난화에 따라 계절의 시작과 종료시기 가 달라진다는 연구가 다수 진행되었다. 대부분의 연 구들은 기온의 상승으로 봄은 일러지고 가을은 늦어 져서 여름이 길어지고, 겨울이 짧아진다고 결론내렸 다( Schwartz and Reiter, 2000; 최광용 등, 2006). 그 러나 2009/2010, 2010/2011년 겨울에는 AO가 강한 음의 상태를 나타내어, 우리나라의 겨울 평균기온이 평년( 1981~2010년)보다 1℃ 이상 낮았다. AO는 우 리나라를 포함한 북반구 중위도의 겨울 기후에 영향 을 미치고( Kryjov, 2002; 최영은·박창용, 2010; 이상 민·최영은, 2013), 이는 봄의 시작에 영향을 미칠 수 있다.

국외에서는 계절의 시종과 대기변동성의 관계를 밝히는 연구가 다수 진행되었고, 북극진동(Arctic Oscillation, AO), 엘니뇨-남방진동(El Nino-South- ern Oscillation, ENSO), 태평양십년진동(Pacific Decadal Ocsillation), 북대서양진동(North Atlantic Oscillation), 태평양-북아메리카진동(Pacific North American Oscillation) 등이 봄 시작일에 영향을 미친 다는 결과를 제시하였다( Cayan et al., 2000; Jaagus et al., 2003; Aasa et al., 2004; McCabe et al., 2012;

Schwartz et al., 2012). 그러나 우리나라에서는 최광 용 등( 2006)이 여름철 지속기간과 AO의 상관관계를 찾았을 뿐, 봄 시작일에 대해 대기변동성을 직접적으 로 고려하여 상세한 분석을 수행한 연구가 미비하다.

겨울에서 봄으로 계절이 바뀌는 시기는 식물이 발 아 및 개화하고, 동물이 동면에서 깨어나는 등 생물계 절 현상에 중요하다. 시베리아 고기압이 이른 봄에 일 시적으로 강화되어 나타나는 꽃샘추위는 봄꽃의 개 화시기를 늦추고 작물에 냉해를 입힌다. 또한 이 시 기가 빨라지거나 늦어짐에 따라 농업일정이 변경되 고, 난방공급이 연장 혹은 단축될 수 있으며, 야외활 동의 증감에 의한 시장경제의 활성화에도 영향을 미 쳐 인간생활과 밀접한 관련이 있다(Thomson, 1995;

Schwartz and Reiter, 2000; 이승호·이경미, 2003;

McCabe et al., 2012). 따라서 봄의 시작을 예측하고,

그 시기의 기후특성을 파악하는 것은 사회경제적으 로 중요하다.

계절을 정의할 때는 자연계절과 식물계절에 의한 방법이 가장 많이 사용된다. 자연계절에 의한 방법 은 천체 위치, 기압패턴, 기후요소 등을 이용하여 계 절을 정의하고( Alpert et al., 2004), 식물계절은 식 물의 발아, 개화시기 등을 고려하여 정의한다. Tren- berth(1983)는 천체 위치에 따른 천문 계절주기가 열 적 지연현상 때문에 기상적 계절주기와 일치하지 않 고, 기상적 계절정의가 실생활에 적용하기 적합함을 밝혔다. 기압패턴을 이용하여 종관기후학적으로 정 의하는 방법은 계절별 빈도가 높은 기압패턴에 따라 계절을 정의하여 종관적 기후특성을 반영한다는 장 점이 있으나, 기압배치형을 구분할 때 주관적인 견해 가 개입되어 객관화하기 어렵다(최광용 등, 2006).

한편 식물계절에 근거한 정의 방법은 식물 종에 따라, 그리고 발아일 및 개화일의 정의 방법에 따라 봄 시작 일의 차이가 생길 수 있고, 관측 시에 인간의 주관적 인 판단이 개입될 수 있기 때문에 자료의 신뢰도가 떨 어질 가능성이 있다( Qian et al., 2011).

이에 반해 기후요소인 기온자료를 이용할 경우, 식물계절자료보다 넓은 지역에 대한 장기간의 자료 확보가 용이하고, 식물계절학적인 요소와도 유의한 상관관계를 보이며, 정량화하기 쉬운 장점이 있다 (Thomson, 1995; Jaagus et al., 2003). 기온자료를 이 용한 연구들은 기온의 불규칙한 변동을 제거하기 위 해 이동평균을 주로 사용하며, 우리나라에서도 이병 설(1979)와 최광용 등(2006)이 사용한 바 있다. 그러 나 이동평균의 평균단위가 연구자에 따라 주관으로 결정되고, 그 단위에 따라 계절의 구분이 영향을 크게 받기 때문에 결과가 달라질 수 있다( Walther and Lin- derholm, 2006). 또한 이동평균을 사용할 경우, 계 절의 시종을 정하는 임계치를 초과하는 값이 중복되 어 나타날 수 있기 때문에 명확한 계절정의가 어렵다.

본 연구에서는 이러한 이동평균의 문제점을 해결하

기 위해 2009년 개발된 EEMD(Ensemble Empirical

Mode Decomposion, EEMD)라는 새로운 방법론을

이용하여 봄 시작일을 정의하고자 하였다. EEMD는

경험적 모드 분해법(Empirical Mode Decomposition,

EMD)의 모드 믹싱(mode mixing)이라는 문제점을 해결하기 위해 잡음 추가 데이터 분석 방법( Noise- Assisted Data Analysis)을 도입하여 개발된 방법으로, 시계열 자료를 주기별 함수로 분해하여 각 주기에 따 른 분석을 가능하게 함으로써 명확한 계절구분이 가 능한 것으로 평가받고 있다( Wu et al., 2008; Wu and Huang, 2009; Qian et al., 2009).

본 연구에서는 기온자료를 이용하여 우리나라 봄 시작일을 정의하고, 공간분포 및 시계열 변화를 분석 하고자 하며, 대기순환지수와의 상관분석 및 종관특 성을 파악하여 봄 시작일이 변하는 요인을 찾고자 한 다. 세부적인 목표는 다음과 같다. 첫째, EEMD 방 법을 이용하여 우리나라의 봄 시작일을 결정한다. 둘 째, 결정된 봄 시작일의 공간적인 분포특성을 파악한 다. 셋째, 봄 시작일의 시계열적 변화를 분석하여 변 화 및 변동성을 파악한다. 넷째, 겨울에서 봄으로 계 절이 전이되는 시기의 종관패턴장을 분석하여 봄 시 작일에 영향을 미치는 종관적인 요인을 파악한다.

2. 연구방법

1) 연구자료

본 연구에서는 종관기상관측망(Automated Syn- optic Observing System, ASOS) 중 1973~2012년 의 기간에 일평균기온의 결측이 존재하지 않는 43 개 지점의 일평균기온 자료를 사용하였다. 연구기간 은 EEMD를 사용하였을 때 발생할 수 있는 단말효과 ( end effect)를 제거하기 위해 처음과 마지막 해를 제 외한 1974~2011년으로 하였다.

봄 시작일에 영향을 미치는 요인을 파악하기 위해 AO 지수, 시베리아 고기압 지수, ENSO 지수, 전구 평균기온 편차 등의 대기순환지수를 사용하였다. AO 지수는 미국 기후예측센터( Climate Prediction Cen- ter, CPC)가 Thompson and Wallace(1998)의 방법에 따라 산출하여 제공하는 월평균 AO 지수를 사용하 였고, 시베리아 고기압 지수는 Gong and Ho(2002)

의 기준에 따라 시베리아 고기압 중심구역( 70~120°

E, 40~60°N)의 해면기압 평균값을 산출하여 사용 하였다. ENSO 지수와 전구평균기온 편차의 경우 영 국 University of East Anglia의 Climate Research Unit ( CRU)에서 제공하는 ENSO 지수와 1961~1990년 평년값에 대한 전구평균기온 편차를 사용하였다. 또 한 우리나라 봄 시작일에 영향을 미치는 종관적인 요 인을 파악하기 위해 NCEP-DOE (National Centers for Environmental Prediction the Department of En- ergy)에서 제공하는 Reanalysis 2 자료의 해면기압, 300hPa 지오포텐셜 고도, 925hPa 및 300hPa 동서와 남북 바람성분의 일평균값을 사용하였다.

2) 앙상블 경험적 모드 분해법(EEMD)

본 연구에서 사용된 EEMD는 Wu and Huang ( 2009)이 EMD의 문제점을 해결하기 위해 개발한 방 법으로, 시계열 자료에 인위적인 잡음을 추가하고, 앙상블 평균을 통해 마지막에 인위적인 잡음을 제거 함으로써 EMD의 문제를 해결하였다.

EEMD의 절차는 다음과 같다. 첫 번째로 정규분포 를 따르는 백색잡음(w(t))을 분석하고자 하는 시계열 자료(r(t))에 더한다(식 1).

x(t)=r(t)+w(t) (식 1)

두 번째로 백색잡음이 합산된 시계열 자료(x(t))의 국소 최대/최소값( local maxima/minima)을 찾아내 고, 3차 스플라인 보간법(cubic spline interpolation) 을 이용하여 국소 최대/최소값들을 각각 연결해서 상 위/하위 막( upper/lower envelop)을 생성한다. 세 번 째로 앞서 생성된 상위 막과 하위 막의 평균(m(t))을 산출하여, 이와 백색잡음이 합산된 시계열 자료(x(t)) 의 차를 구하면, 이것이 프로토( proto) 고유모드함수 ( Intrinsic Mode Function, IMF), h

( t)가 된다(식 2).

h

(t)=x(t)-m(t) (식 2)

네 번째로 산출된 proto IMF(h

(t))를 다시 상위 막

과 하위 막의 평균이 0에 가까워질 때까지 두 번째와 세 번째 과정을 k번 수행하여 첫 번째 IMF(c

(t))를 만 들어낸다(식 3).

h

(t)=h

(t)-m

(t)

c

(t)=h

(t) (식 3)

다섯 번째로 백색잡음이 합산된 시계열 자료(x(t)) 와 생산된 IMF(c

( t))의 차이를 산출하여 첫 번째 IMF 가 제거된 나머지(r

( t))를 구한다(식 4).

r

(t)=x(t)-c

(t) (식 4)

여섯 번째로 두 번째 과정의 x(t)를 r

(t)로 치환하 고 두 번째~다섯 번째 과정을 거치게 하여 두 번째 IMF(c

(t))를 생산한다. 이러한 과정이 반복됨에 따라 n개의 IMF가 생산되며, 마지막으로 경향성(trend, r

( t))이 생산된다(식 5).

r

(t)=r

(t)-c

(t)

…

r

(t)=r

(t)-c

(t) (식 5)

일곱 번째로 첫 번째 과정에서 합산되는 백색잡음 을 각각 다르게 하여 첫 번째부터 여섯 번째의 과정을 m번 반복한다. 이 과정을 통해 주기가 서로 다른 n개 의 IMF와 1개의 경향성이 각각 m개씩 생산된다. 여 덟 번째로 각 주기별 IMF와 경향성의 앙상블 평균을 산출하여 최종적으로 n개의 앙상블 IMF와 1개의 앙 상블 경향성이 생성되게 된다. 첫 번째 과정에서 합산 된 백색잡음은 앙상블 평균을 취함에 따라 제거된다.

EEMD를 사용하기 위해서는 합산할 백색잡음의 진폭과 EMD 과정의 반복 횟수를 결정해야 한다. 백 색잡음의 진폭이 작을 경우, 오차가 적을 수 있지만 EMD에서 발생하는 모드 믹싱 문제를 완벽하게 해결 하지 못할 가능성이 있으며, 백색잡음의 진폭이 클 경 우는 반대로 모드 믹싱 문제를 해결할 수 있으나 오차 가 커질 가능성이 있다( Lei et al., 2009). 따라서 백색 잡음의 진폭을 증가시킬 경우에는 앙상블 멤버의 수

도 증가시켜야 한다.

3) 봄 시작일의 정의 및 분석방법

EEMD 프로그램은 대만 국립중앙대학(National Central University, NCU)의 Research Center for Adaptive Data Analysis (http://rcada.ncu.edu.tw/

research1.htm)에서 제공하는 매트랩(Matlab) 기반 프로그램을 사용하여 분석을 수행하였다. EEMD를 사용하여 시계열 자료를 분해하면 12개의 IMF와 1개 의 경향성이 생성되고, 이는 다시 세 개의 주요 시계 열 요소로 구분된다.

첫 번째 요소는 1~5번째 IMF를 합산하여 산출된 고주파 요소( high frequency component)이고, 이는 1 년보다 짧은 주기를 가지는 요소이다. 두 번째 요소는 변조연주기( Modulated Annual Cycle, MAC)로서, 6 번째와 7번째 IMF를 합산하여 이를 EMD 방법을 통 해 분해하여 산출된 첫 번째 IMF로 나타나며, 이는 약 1년의 주기를 가진다. 마지막 요소는 마지막 5개의 IMF와 1개의 경향성을 합산하여 산출된 저주파 요소 ( low frequency component)로서, 경년변동과 이보다 더 긴 주기를 가지는 요소이다. 분해된 3개의 요소 중 MAC와 저주파 요소를 합산하여 1년 이상 주기요소 ( annual cycle and longer timescale component, ALC) 를 산출하고 이를 사용하여 봄 시작일을 연도별로 정 의했다. 봄의 시작을 정의할 때 사용될 임계치는 우 리나라뿐만 아니라 중위도에서 봄의 시작을 정의할 때 일반적으로 쓰이는 일평균기온 5℃ 이상을 사용하 였다(이병설, 1979; Jones et al., 2002; Jaagus et al., 2003; 최광용 등, 2006; Walther and Linderholm, 2006; Linderholm et al., 2008; Qian et al., 2009;

Song et al., 2010; Qian et al., 2011).

EEMD에 적용할 백색잡음의 진폭과 앙상블 멤

버의 수를 결정하기 위해, 0.1, 0.2, 0.3 표준편차에

해당하는 백색잡음의 진폭과 100, 200, 500, 1000,

2000개의 앙상블 멤버를 사용하여 서울을 대상으로

실험을 수행하였다. 정의된 봄 시작일의 적합성을 판

단하기 위해 기온자료를 사용하여 봄 시작일을 분석

한 선행연구(이병설, 1979; 최광용 등, 2006)와 비교

하였고, 박스 플롯을 이용하여 봄 시작일을 지점별 로 분석하였다. 분포도를 작성하여 봄 시작일의 공간 분포를 분석하였고, 시계열 변화를 분석하였으며 전 구평균기온 편차, 시베리아 고기압 지수, AO 지수, ENSO 지수 등의 대기순환지수와 봄 시작일의 상관 분석을 수행하였다. 상관분석은 비모수 통계기법인 켄달 타우( Kendall τ) 방법을 이용하였고, 다중회귀 분석을 사용하여 우리나라 봄 시작일에 대한 대기순 환지수의 영향력을 비교·분석하였다. 마지막으로 봄 시작일에 영향을 미치는 종관적인 요인을 파악하기 위해 기압장과 300hPa 지오포텐셜고도, 300hPa 및 925hPa 바람장을 분석하였다.

3. 봄 시작일의 정의와 공간분포의 변화

1) 최적 백색잡음 진폭 및 앙상블 멤버 수 결정

EEMD에 사용할 최적 백색잡음의 진폭과 앙상 블 멤버의 수를 결정하기 위해 서울을 대상으로 0.1, 0.2, 0.3 표준편차에 해당하는 진폭과 100, 200, 300, 500, 1000개의 앙상블 멤버 수 조합에 따라 각각 5번 씩 EEMD를 수행하여 봄 시작일을 산출하였다. 각 조합별로 5개의 봄 시작일이 결정되고, 각각의 결과 간의 연도별 봄 시작일의 차이를 산출했다. 산출된 봄 시작일의 차이가 1일~6일별로 몇 년 나타났는지 빈 도를 계산하였고, 이를 평균하여 조합별 빈도를 산출 한 후 그림 1에 나타냈다.

백색잡음의 진폭은 0.2 표준편차를 사용하였을 때, 그리고 앙상블 멤버 수를 증가시킬수록 봄 시작일의 차이가 줄어들었다. 앙상블 멤버 수를 1000개 이상으 로 증가시킬 경우 2일 이상의 차이가 0.1 표준편차에 서 1회 미만으로 나타나고, 0.2와 0.3 표준편차에서는 나타나지 않아, 연구결과의 신뢰도를 높이기 위해서 는 앙상블 멤버를 1000개 이상으로 해야 한다. 1000 개의 앙상블 멤버와 2000개의 앙상블 멤버를 비교 해보면, 1일 차이가 0.1 표준편차에서 각각 11.6회과

10.0회, 0.2 표준편차에서는 각각 4.4회와 3.4회, 0.3 표준편차에서는 각각 9.0회와 7.8회로 큰 차이를 보 이지 않았기 때문에 1000개의 앙상블 멤버 수를 사용 하기로 결정했으며, 이는 Qian et al.(2009), Qian et al.(2010), 이상헌·서경환(2011) 등에서도 동일하게 적용되었다.

그림 2은 백색잡음의 진폭을 0.1, 0.2, 0.3 표준편 차로 정했을 때 추출된 ALC와 일평균기온 자료를 비 교한 그래프이다. 0.1 표준편차의 경우, 여름과 겨울 에 기온이 최대, 최소로 나타내는 시기의 기온을 과 소추정하여, 원자료의 특성을 제대로 반영하지 못했 다. 이에 반해 0.2 표준편차와 0.3 표준편차의 경우 0.1 표준편차에 비해 여름과 겨울의 기온을 잘 나타 냈고, 원자료와 각 진폭으로 추출된 ALC의 상관관계 를 산출한 결과에서도 0.1, 0.2, 0.3 표준편차가 각각 0.813, 0.820, 0.821(α=0.01에서 유의)으로 나타나, 0.2와 0.3 표준편차가 0.1 표준편차에 비해 우수했다.

0.2 표준편차와 0.3 표준편차는 원자료를 반영하는데 큰 차이를 보이지 않고, 0.2 표준편차가 0.3 표준편차 에 비해 오차가 적기 때문에 백색잡음의 진폭은 0.2 표준편차로 사용하기로 결정하였다. 원자료의 0.2 표 준편차에 해당하는 진폭은 Wu and Huang(2009)이 권장한 기준과 동일하다. 위의 결과에 따라 본 연구에 서는 0.2 표준편차의 백색잡음과 1000개의 앙상블 멤 버 수를 사용하여 봄 시작일을 정의하였다.

그림 1. 진폭(σ) 및 앙상블 멤버 수(n)에 따른 서울의 봄 시작일 차이

2) 봄 시작일의 정의 및 선행연구와의 비교

EEMD를 사용하여 정의된 1974~2011년의 우리나 라 평균 봄 시작일은 3월 11일로 나타났다. 봄의 시작 이 가장 빨랐던 해는 2009년으로 2월 27일이었고 가 장 늦었던 해는 1996년으로 3월 21일이었으며, 그 차 이가 22일이었다. 제주, 성산, 서귀포 등 제주도의 3 개 지점의 경우 겨울이 나타나지 않아 평균에서 제외 하였다.

본 연구에서 정의된 봄 시작일을 선행연구들과 비 교하였다. 이병설( 1979)의 연구에서는 서울, 대구, 제주 등 3개 지점의 1930~1960년 자료를 사용하여 본 연구와 봄 시작일의 차이가 5일이었고, 최광용 등

( 2006)은 61개 지점의 1973~2004년 자료를 이용하 여, 본 연구와 봄 시작일의 차이가 3일이었다(표 1).

본 연구에서 정의된 우리나라 봄 시작일의 표준편차 는 5.5일로, 선행연구들과의 차이가 1 표준편차 범위 안에 속하여 큰 차이가 나타나지 않았다. 또한 본 연 구의 봄 시작일이 선행연구보다 빠른 것은 본 연구에 서 최근의 자료를 추가하여 지구온난화 경향을 반영 하는 것으로 판단된다.

봄 시작일을 지점별로 살펴보면 부산, 울산, 통영, 목포, 여수, 남해 등 남해안에 위치하는 6개 지점에서 는 2월 하순에, 대관령은 4월 초순에 봄이 시작되며 나머지 지점에서는 모두 3월에 시작된다(그림 3). 봄 의 시작일이 가장 빠른 지점은 부산으로 2월 18일에 시작되었고, 가장 늦은 지점은 대관령으로 4월 9일에 시작되어 그 차이가 50일에 달한다. 대관령은 고도가 높아(해발고도 843m) 다른 지점에 비해 기온이 낮기 때문인 것으로 판단된다.

3) 공간분포

1974~2011년 평균 우리나라 봄 시작일의 분포는

(Ensemble Empirical Mode Decomposion)로 추출된 ALC (annual cycle and longer timescale component) 비교

표 1. 선행연구와 봄 시작일의 비교

연구 이병설(1979) 최광용 등(2006) 본 연구 차이(일)

연구기간 1930~1960(A) 1973~2004(B) 1974~2011(C) C-A C-B

봄 시작일 3월 16일 3월 14일 3월 11일 -5 -3

그림 3. 지점별 봄 시작일의 박스 플롯(박스 상한: 3분위 수, 박스 중간 선: 중위수, 박스 하한: 1분위 수,

수염길이: 범위, 원: 이례값)

우리나라 연평균 기온분포와 매우 유사하게 나타나 며 최광용 등( 2006)의 연구결과와도 분포의 뚜렷한 차이가 없다(그림 4). 남해안 지역에서 3월 1일 이전 으로 가장 빠르고, 강원 산간지역에서 3월 21일 이후 로 가장 늦게 나타난다. 태양복사에너지의 변화와 기 온감률의 영향으로 위도와 고도가 높아질수록 기온 이 낮아져 봄의 시작일이 늦어지는 것으로 나타났다.

또한 겨울철에는 대륙과 해양의 비열차이로 인해, 해 안지역의 기온이 내륙보다 높으므로 같은 위도 상에 서도 내륙보다 해안에서 봄 시작일이 더 빠르게 나타 났다. 또한 서해안보다 동해안에서 해양의 영향이 크 기 때문에, 같은 위도 상에서도 동해안의 봄 시작일이 서해안보다 5~10일 정도 빠르게 나타났다.

4. 봄 시작일의 시계열 변화 및 변동성

1) 시계열 변화

우리나라의 봄 시작일은 10년당 2.6일씩 유의하 게 빨라져, 연구기간 동안 약 10일 정도 앞당겨졌

고, 1980년대 후반 이후로 급격히 빨라졌다(그림 5).

IPCC(2001)는 1980년대 후반 이후 겨울철을 중심 으로 뚜렷한 기온상승이 나타났다고 하였고, Choi et al.(2003)은 1980년대 이후로 도시화의 영향이 커졌 으며, 겨울철 기온상승이 가장 컸다고 하였다. 또한 Thompson et al.(2000)은 1980년대 이후로 AO가 뚜 렷한 양의 상태를 나타냈다고 하였다. 이러한 원인들 에 의해 1980년대 이후 봄 시작일이 빨라지고 변동성 이 커지는 것으로 판단된다.

지점별 봄 시작일은 대관령, 문경, 완도, 서산, 남 원 등 5개 지점을 제외한 나머지 지점에서 유의하게 빨라졌다. 가장 경향성이 뚜렷한 지점은 부산으로 10 년당 5.4일이 빨라졌고, 다음으로 울산, 대구, 통영 순으로 뚜렷하여 세 지점 모두 10년당 4일 이상 빨라 졌다. 전반적으로 남해안와 동해안 지역에서 봄 시작 일이 빨라지는 경향이 크고, 내륙지역과 서해안 지역 에서는 비교적 경향성이 낮게 나타난다(그림 6).

우리나라 봄 시작일이 빨라지고 있는 것은 지구온 난화의 영향을 받았을 가능성이 크다. 1974~2011년 의 전구평균기온 편차는 α=0.01에서 유의한 증가경 향을 나타내고 있으므로, 전구기온상승이 우리나라 의 봄 시작일을 앞당기는 데 중요한 원인이 될 수 있 다. 따라서 이를 정량적으로 분석하기 위해 월, 연평 균 전구평균기온 편차와 우리나라 평균 및 지점별 봄 시작일의 상관분석을 수행하였다. 그 결과 우리나라 평균 봄 시작일과 12~4월 및 연평균 전구평균기온 편차는 모두 α= 0.01에서 유의한 음의 상관관계를 나 타냈다(표 2). 이는 전구평균기온이 상승(하강)하면 우리나라의 봄 시작일이 빨라(늦어)지는 것을 나타낸

그림 5. 우리나라 봄 시작일의 변화(1974〜2011)

다. 특히 일반적으로 우리나라에서 봄이 시작되는 3 월의 전구평균기온 편차와 봄 시작일의 상관계수가 0.47로 가장 높게 나타났으며, 연평균 전구평균기온 편차와도 0.44로 높게 나타났다.

전체적으로 우리나라의 봄 시작일과 전구평균기온 편차와 뚜렷한 상관성을 보이고 있고, 전구평균기온 편차는 21세기 초반까지 지속적으로 상승하는 경향 을 보인다. 따라서 우리나라 봄 시작일이 앞당겨지는 것은 지구온난화의 영향을 반영하는 것으로 판단된 다.

2) 변동성과의 관계

우리나라의 봄 시작일에 영향을 미치는 대기변동 성을 파악하기 위해 시베리아 고기압 지수, AO 지수, ENSO 지수 등을 대상으로 봄 시작일과 상관분석을 수행하였다. 먼저 시베리아 고기압 지수의 경우, 봄 시작일과 2, 3월 및 2~3월 평균 시베리아 고기압 지 수와 유의한 양의 상관관계를 나타냈고, 2~3월 평균 이 0.38로 가장 큰 상관관계를 나타냈다(표 3).

시베리아 고기압은 우리나라 겨울철 기후 변동성 에 직접적인 영향을 미칠 뿐만 아니라(허인혜·이승 호, 2006) 봄 시작일에 영향을 미친다. 시베리아 고 기압이 강하게 나타나, 그 세력이 늦게까지 약해지지 않으면 우리나라의 겨울철 기온이 낮아지고 봄의 시 작일은 늦어진다. 그림 7은 가장 큰 상관관계를 보인 2~3월 평균 시베리아 고기압 지수와 봄 시작일의 시 계열 변화를 나타낸 그래프이다. 1976년부터 2009년 까지 10년당 0.5hPa씩 낮아지는 유의한 감소경향을 나타내, 봄 시작일이 앞당겨지는 것과 일관적인 결과 를 보이고 있다. 따라서 시베리아 고기압의 약화도 봄 시작일이 앞당겨지는 데 영향을 미친다고 할 수 있다.

지점별로 보았을 때도, 2월 시베리아 고기압 지 수는 12개 지점을 제외한 나머지 지점의 봄 시작일 과, 3월 시베리아 고기압 지수는 5개를 제외한 나머 지 지점의 봄 시작일과 유의한 양의 상관관계를 나 타냈다. 2월 시베리아 고기압 지수와 상관관계가 가 장 큰 지점은 부산( 0.35)이고 통영, 여수, 완도 등에서 도 0.3 이상의 상관관계를 나타냈다. 3월 시베리아 고

표 2. 봄 시작일과 전구평균기온 편차의 상관관계(1974〜2011년)

12월 1월 2월 3월 4월 연평균

-0.34** -0.33** -0.38** -0.47** -0.41** -0.44**

*유의수준 α=0.05, **유의수준 α=0.01

표 3. 봄 시작일과 기간별 시베리아 고기압의 상관관계(1974〜2011년)

12월 1월 2월 3월 4월 2~3월 평균

- - 0.28* 0.31** - 0.38**

*유의수준 α=0.05, **유의수준 α=0.01 그림 6. 지점별 봄 시작일의 변화 경향 (1974〜2011, 빨간색: α=0.01에서 유의)

기압 지수의 경우, 울릉도( 0.38)에서 가장 높은 상관 관계가 나타났고 강릉, 서울을 비롯한 19개 지점에서 도 0.3 이상의 유의한 상관관계를 나타냈다. 대관령 의 경우는 시베리아 고기압과 유의한 상관관계를 나 타내지 않았다. 주로 2월 말~3월 초에 봄이 시작하 는 지점들이 2월 평균 시베리아 고기압 지수와 큰 상 관성을 보였고, 3월 초 이후에 봄이 시작되는 지점들 은 3월 평균 시베리아 고기압 지수와 큰 상관성이 나 타나, 시베리아 고기압은 봄이 시작하는 시점에 직접 적으로 영향을 미친다고 할 수 있다. 2~3월 평균 시 베리아 고기압 지수의 경우, 2, 3월 평균 시베리아 고 기압 지수보다 더 크게 나타나, 강릉, 속초, 서울, 울 진, 부산, 통영, 여수 등 7개 지점에서 상관계수가 0.4 이상이었고, 6개 지점을 제외한 나머지 지점에서 α

= 0.01 수준에서 유의한 양의 상관관계를 보였다.

다음으로 AO와 봄 시작일의 상관분석을 수행한 결 과, 12월과 1월의 AO 지수는 봄 시작일과 상관관계 를 나타내지 않았으나, 2월, 3월, 4월 AO 지수와 통 계적으로 유의한 음의 상관관계를 보였다(표 4). 이는 2~4월 AO 지수가 양의 상태(음의 상태)일 때, 우리 나라의 봄의 시작이 빨라진다는(늦어진다는) 것을 의 미한다. 김해정·안중배( 2010)는 AO가 겨울철 기온 과 높은 상관관계를 나타낸다고 하였고, 이상민·최

영은( 2013)은 AO가 우리나라의 겨울철뿐만 아니라 봄의 기후에도 영향을 미쳐, AO 지수와 봄철 평균, 최고, 최저기온이 서로 양의 상관관계를 가진다고 하 였다. 따라서 AO 지수가 양의 상태일 때, 겨울~봄철 기온이 상승하여 봄 시작일이 앞당겨진다고 판단된 다.

지점별로 살펴보면, 2월 AO 지수는 20개 지점에 서, 3월 AO 지수는 16개 지점에서, 그리고 4월 AO 지수는 19개 지점에서 통계적으로 유의한 음의 상관 관계가 나타났다. 2월 AO 지수와 상관관계가 가장 높은 지점은 서울(-0.33)로 나타났고, 3월 AO와는 완도(- 0.32), 4월 AO와는 산청(-0.34)에서 가장 높 은 상관관계가 나타났다. 지점별로 살펴봤을 때도 유 의한 상관관계가 나타나는 지점은 모두 음의 상관관 계를 나타내어 일관된 결과를 보였다.

봄 시작일과 유의한 상관관계를 나타낸 2월~4월 AO 지수를 2개월, 3개월 단위로 평균하여 봄 시작일 과 상관관계를 산출하였다. 그 결과, 우리나라 평균 봄 시작일과 기간별 AO 지수의 상관계수는 각 월별 AO 지수와의 상관관계보다 높았다(표 4). 2~4월 평 균 AO 지수와의 상관계수는 -0.36으로 2개월씩 평 균하였을 때보다 높게 나타났으며, 지점별로도 대관 령을 제외한 모든 지점에서 통계적으로 유의한 음의 상관관계를 나타냈다.

ENSO 지수의 경우는 우리나라 평균 봄 시작일과 모두 유의한 상관관계를 보이지 않았다. 지점별로 보 았을 때도 12월 ENSO 지수와는 진주, 문경, 산청 등 의 3개 지점을 제외한 나머지 지점에서 유의하지 않 은 결과를 나타냈고, 1월 ENSO 지수와는 홍천, 2월 ENSO 지수와는 강릉만이 유의한 상관관계를 나타냈 다. 봄 시작일이 12~2월 ENSO 지수와 일관적으로 음의 상관관계를 나타내기는 하나 유의하지 않아 뚜 렷한 영향을 미친다고 하기는 어렵다. 그러나 강인식

와 봄 시작일의 시계열 변화(1974〜2011년)

표 4. 봄 시작일과 기간별 AO의 상관관계(1974〜2011년)

12월 1월 2월 3월 4월 2~3월 평균 3~4월 평균 2~4월 평균

- - -0.26* -0.26* -0.25* -0.34** -0.32** -0.36**

*유의수준 α=0.05, **유의수준 α=0.01

( 1998)은 엘니뇨가 발생했을 때 우리나라 겨울철 기 온이 높아진다고 하였고, 차은정( 2007)도 겨울철 기 온과 ENSO와 양의 상관관계가 있음을 밝혔다. 본 연 구 결과에서도 봄 시작일과 ENSO 지수가 일관적으 로 음의 상관관계를 나타내 양의 상태일 때 겨울철 기 온이 상승하여 봄 시작일이 빨라진다는 선행연구와 일관된 결과를 보였다. 차후 봄 시작일과 ENSO에 관 계에 대한 추가적인 연구가 필요하다.

3) 대기순환지수의 영향력 비교

우리나라 평균 봄 시작일과 통계적으로 유의한 상 관관계를 나타낸 전구평균기온 편차, 시베리아 고기 압 지수, AO 지수가 봄 시작일에 미치는 영향을 비 교·분석하기 위해 다중회귀분석을 수행하였다. 다중 회귀분석에 입력된 변수는 앞서 우리나라 봄 시작일 과 유의한 상관관계를 나타낸 12, 1, 2, 3, 4월 및 연 평균 전구평균기온 편차와 2, 3월 및 2~3월 평균 시 베리아 고기압 지수, 그리고 2, 3, 4월 및 2~4월 평균 AO 지수이다.

그 결과, 연평균 전구평균기온 편차의 영향력이 39.2%로 가장 강하게 나타났다. 모형 2에서는 2~4월 평균 AO 지수가 추가로 입력되었으며, 모형 3에서 는 2~3월 평균 시베리아 고기압 지수가 추가되었다.

연평균 전구평균기온 편차와 2~4월 평균 AO 지수를 함께 고려한 모형 2에서는 설명력이 61.2%로, 모형 1 보다 22.0% 증가했고, 모형 3은 64.7%의 설명력을 나타내 모형 2보다 3.5% 증가했다. 모형 3의 표준화 계수를 보면 전구평균기온 편차, AO 지수, 시베리아

고기압 지수가 각각 - 0.569, -0.376, 0.292로, 전구 평균기온의 영향력이 가장 컸고 AO, 시베리아 고기 압 지수 순으로 나타났다(표 5).

앞의 결과에 따라 다양한 대기변동성이 봄 시작일 에 영향을 주고 있음을 알 수 있다. 실제로 봄의 시작 이 가장 늦었던 5개의 해(1975년, 1977년, 1985년, 1987년, 1996년) 중 1996년을 제외하고는 1980년 대 후반 이전이었고, 가장 빨랐던 5개의 해(1990년, 1998년, 2002년, 2003년, 2009년)은 모두 1980년대 후반 이후로 나타났다. 또한 봄의 시작일이 가장 늦었 던 해들은 1975년을 제외하고 모두 2~4월 평균 AO 지수가 음의 상태였으며, 가장 빨랐던 해들은 2009년 을 제외하면 모두 평균 AO 지수가 양의 상태를 나타 냈다. 2~4월 평균 AO 지수와 2~3월 평균 시베리아 고기압 지수는 서로 유의한 음의 상관관계(- 0.33)를 나타내어 상호 관련성이 있다. 이러한 점들을 보았을 때 봄 시작일의 변화에는 여러 가지 요인들이 복합적 으로 작용한다는 것을 알 수 있다.

5. 겨울-봄 자연계절 전이시기의 종관특성

봄 시작일에 영향을 미치는 종관적인 요인을 파악 하기 위해 봄 시작일이 빨랐던 해와 늦었던 해로 나 누어 기압장과 바람장을 분석하였다. 분석한 해는 가 장 봄이 늦었던 3개의 해(1985년, 1987년, 1996년)와 가장 빨랐던 3개의 해(1990년, 1998년, 2009년)이며, 우리나라 평균 봄 시작일인 3월 11일의 이전 15일(2월 24일~3월 10일)을 평균한 합성장을 분석하였다.

먼저 봄이 늦었던 3개 해의 해면기압을 보면, 공 통적으로 시베리아 고기압의 중심부에 양의 편차가 나타나 평년보다 강했음을 알 수 있다. 또한 1987년 과 1996년은 알류샨 저기압의 중심부에서 음의 편차 가 나타났다(그림 8(1)). 이에 따라 아시아 대륙에서 전체적으로 바람의 남북성분이 음의 편차를 나타내 어 북풍계열의 바람이 강하게 나타났다(그림 8(2)).

300hPa 지오포텐셜 고도를 보면, 일관적으로 기압골

회귀식 및 설명력 모형 1 y=-16.314x1+73.582(r²=0.39) 모형 2

y=-16.184x

[β: -0.621] [β: -0.469]

모형 3

y=-14.834x

x

x

x

이 발달하여 사행이 심해지는 모습이 나타난다. 1987 년과 1996년에는 기압골이 우리나라 북쪽에, 1985년 에는 기압골이 우리나라 북서쪽까지 내려왔다(그림 8(3)). 상층 바람은 기압골을 따라 남하하여 바람의 남북성분이 음의 편차를 나타냈다(그림 8(4)). 따라 서 시베리아 지역에서부터 우리나라로 차가운 공기 의 유입이 용이하여 겨울에서 봄으로 계절이 전이되 는 시기의 기온이 낮았고, 이에 따라 봄 시작일이 늦 었다.

봄의 시작이 빨랐던 해들의 경우는 봄이 늦었던 해 들과 반대되는 모습이 나타난다. 해면기압 기압을 보 면 3개의 해가 공통적으로 시베리아 고기압 중심부에 서 음의 편차가 나타나고, 알류샨 저기압에서 양의 편 차가 나타나, 시베리아 고기압과 알류샨 저기압이 약 했음을 알 수 있다(그림 9(1)). 또한 925hPa 바람장을 보면 1990년과 1998년에 아시아에 전체적으로 양의 편차가 나타나는 모습을 볼 수 있다. 2009년의 경우, 위도 60°N 이상의 고위도 지역에서 음의 편차가 약하 게 나타나지만, 우리나라 부근에서는 양의 편차가 나 타나 고위도의 차가운 공기가 직접적으로 유입되지 는 않았다(그림 9(2)). 300hPa 지오포텐셜 고도에서 기압골이 우리나라까지 확장되지 않는 모습이 나타 나고, 봄의 시작이 늦었던 해들보다 동서순환이 발달 된 것을 알 수 있다(그림 9(3)). 300hPa 바람장을 보 면, 1990년과 1998년에는 바람의 남북성분이 아시아 대륙에서 전반적으로 양의 편차를 나타냈고, 2009년 에는 우리나라가 위치한 위도 40°N 부근에서 위도에 평행한 공기의 흐름이 나타나 고위도의 찬 공기가 직 접적으로 유입되지 않았다(그림 9(4)).

앞의 결과들을 종합해보면, 봄 시작일이 늦었던 해 들은 시베리아 고기압, 알류샨 저기압, 상층 기압골 이 발달하여, 북풍계열 바람의 강도가 강했던 것으로 나타났고, 봄 시작일이 빨랐던 해들은 시베리아 고기 압, 알류샨 저기압, 상층 기압골의 발달이 약했으며, 북풍계열 바람의 강도도 약했던 것으로 나타났다. 박 병익( 2011)은 서울의 겨울철 기온이 시베리아 고기압 과 알류샨 저기압의 강도에 영향을 받는다고 하여, 이 와 일관적인 결과를 나타냈다.

하지만 봄의 시작이 빠르고 늦었던 각 3개 해의 패

턴은 서로 조금씩 차이가 있었다. 다양한 대기변동성 이 서로 상호작용을 통해 시베리아 고기압, 알류샨 저 기압 등 우리나라에 영향을 미치는 동인의 위치 및 강 도를 변화시켜 봄 시작일에 영향을 주는 것으로 판단 된다.

6. 결론

본 연구에서는 EEMD라는 새로운 방법론을 우리 나라에 적용하여 1974~2011년의 봄 시작일을 정의 하고, 이에 대한 시·공간적인 변화를 분석하였다. 또 한 봄 시작일과 변동성의 관계를 밝히고, 봄 시작일에 영향을 미치는 요인을 파악하였다.

1974~2011년 우리나라 평균 봄 시작일은 3월 11일 로 나타났다. 우리나라 봄 시작일의 공간분포는 기온 의 영향에 의해 일반적으로 위도와 고도가 높아짐에 따라, 그리고 해안에서 내륙으로 갈수록 늦어지는 것 으로 나타났다.

봄 시작일의 변화 경향성은 - 2.6일/10년으로 나타 나서 1974~2011년 동안 약 10일 빨라졌다. 지점별로 도 대관령, 문경, 완도, 서산, 남원 등 5개 지점을 제 외한 나머지 지점에서 유의하게 봄의 시작이 빨라졌 으며 부산의 경우 - 5.4일/10년으로 1974~2011년에 약 21일 빨라졌다. 전구평균기온 편차는 1974년 이후 통계적으로 유의한 상승경향을 보였고, 우리나라 봄 시작일과 유의한 음의 상관관계를 나타내어 지구온 난화가 영향이 있음을 알 수 있다.

우리나라의 봄 시작일에 영향을 미치는 대기변동 성을 파악하기 위해 상관분석을 수행하였고, 봄 시작 일이 2, 3월, 2~3월 평균 시베리아 고기압 지수와 유 의한 양의 상관관계를, 3, 4월, 2~4월 평균 AO 지수 와 유의한 음의 상관관계를 보여, 대기변동성이 우리 나라 봄 시작일에 영향을 미치고 있음을 밝혔다.

우리나라에 영향을 미치는 전구평균기온 편차와

AO 지수, 그리고 시베리아 고기압 지수의 영향력을

비교·분석하기 위해 다중회귀분석을 수행하였고, 세

가지 변수가 모두 입력된 모형 3의 경우 64.7%의 설

명력을 나타냈다. 모형 3의 표준화 계수를 보면 전구 평균기온 편차, AO 지수, 시베리아 고기압 지수가 각

각 - 0.569, -0.376, 0.292으로, 전구평균기온의 영향 력이 가장 크고, AO가 그 다음으로 큰 것으로 나타났

(2)925hPa 바람벡터(화살표)와 남북성분 편차(색) (3)300hPa 지오포텐셜 고도(등치선)와 편차(색) (4)300hPa 바람벡터(화살표)와 남북성분 편차(색))

(1)

(2)

(3)

(4)

(a) (b) (c)

다.

우리나라 봄 시작일에 영향을 미치는 종관적인 요 인을 파악하기 위해 기압장 및 바람장을 분석한 결과, 시베리아 고기압, 알류샨 저기압, 상층 기압골의 강

도 및 위치에 따른 북풍계열 바람의 강도가 봄 시작일 을 결정하는 주요 원인임을 파악하였다. 본 연구에서 는 전구평균기온, AO, 시베리아 고기압 지수만이 봄 시작일과 상관성을 보였으나, 분명 ENSO 등의 다른

(1)

(2)

(3)

(4)

(a) (b) (c)

대기변동성들 또한 전구패턴에 영향을 미쳐, 최종적 으로 우리나라 봄 시작일에 영향을 미칠 것이다. 추후 이러한 대기변동성들에 대한 면밀한 연구가 필요할 것으로 보인다.

본 연구는 봄 시작일에 영향을 미치는 요인을 다각 적으로 분석하여 겨울에서 봄으로 계절이 바뀌는 시 기의 기후특성에 대한 이해를 높이는데 기여를 할 수 있으리라 생각한다. 또한 EEMD를 기후연구에 적용 함으로써 차후 EEMD를 다양한 기후분야에 적용할 수 있는 바탕이 될 것이라 생각된다.

참고문헌

강인식, 1998, “엘니뇨와 한반도 기후변동의 관련성,” 한 국기상학회지, 34(3), 390-396.

김해정·안중배, 2010, “한반도 겨울철 기온 변동과 관 계된 대규모 대기 순환에 관한 연구,” 기후연구, 5(2) 118-130.

박병익, 2011, “서울의 겨울철 일평균 기온에 나타난 계절 추이의 변화,” 대한지리학회지, 46(2), 152-167.

이병설, 1979, “우리나라의 자연계절에 관한 연구,” 대한 지리학회지, 14(2), 1-11.

이상민·최영은, 2013, “우리나라 봄철 기온 및 강수, 극 한기후의 변화와 북극진동의 관계에 대한 연구,”

국토지리학회지, 47(4), 453-464.

이상헌·서경환, 2011, “MJO의 다중스케일 분석을 통한 수십 년 변동성,” 대기, 21(2), 143-149.

이승호·이경미, 2003, “기온 변화에 따른 벚꽃 개화시기 의 변화 경향,” 환경영향평가, 12(1), 45-54.

차은정, 2007, “엘니뇨-남방진도, 인도양 쌍극자 모드, 두 현상의 관련성, 그리고 한반도 기후에 대한 영 향,” 한국지구과학회지, 28(1), 35-44.

최광용·권원태·Robinson, D. A, 2006, “우리나라 사계 절 개시일과 지속시간,” 대한지리학회지, 41(4), 435-456.

최영은·박창용, 2010, “우리나라 중부지방의 한파 분포 및 변화에 관한 연구,” 국토지리학회지, 44(4), 713-725.

허인혜·이승호, 2006, “한국의 이상기온 출현 빈도의

변화와 그 요인에 관한 연구,” 대한지리학회지, 41(1), 94-105.

Aasa, A., Jaagus, J., Ahas, R. and Sepp, M., 2004, The influence of atmospheric circulation on plant phe- nological phases in central and eastern Europe,

International Journal of Climatology, 24(12), 1551-

Alpert, P., Osetinsky, I., Ziv, B. and Shafir, H., 2004, A new seasons definition based on classified daily synoptic systems: an example for the eastern Med- iterranean, International Journal of Climatology, 24(8), 1013-1021.

Cayan, D. R., Kammerdiener, S. A., Dettinger, M. D., Caprio, J. M. and Peterson, D. H., 2001, Changes in the onset of spring in the western United States,

Bulletin of the American Meteorological Society, 82,

Choi, Y. E., Jung, H. S., Nam, K. Y. and Kwon, W. T., 2003, Adjusting urban bias in the regional mean surface temperature series of South Korea, 1968- 99, International Journal of Climatology, 23(5), 577-591.

Huang, N. E. and Wu, Z., 2008, A review on Hilbert- Huang transform: method and its applications to geophysical studies, Reviews of Geophysics, 46, RG2006, 46(2), doi: 10.1029/2007RG000228.

IPCC, 2001, Climate Change 2001: The scientific Basis

Summary for Policy Makers - Contribution of Working Group I to the Third Assessment Re- port of the Intergovermental Panel on Climate Change[Houghton, J. T., Ding, T., Griggs, D. J.,

and Johnson, C. A.], Cambridge University Press, Cambridge.

Jaagus, J., Truu, J., Ahas, R. and Aasa, A., 2003, Spatial and temporal variability of climatic seasons on the East European Plain in relation to large-scale atmospheric circulation, Climate Research, 23(2), 111-129.

Jones, P.D., Briffa, K. R., Osborn, T. J., Moberg, A. and Bergstrom, H., 2002, Relationships between cir- culation strength and the variability of growing-

season and cold-season climate in northern and central Europe, The Holocene, 12(6), 643-656.

Kryjov V. N., 2002, The influence of the winter Arctic Os- cillation on the northern Russia spring tempera- ture, International Journal of Climatology, 22, 779- 785.

Lei, Y., He, Z. and Zi, Y., 2009, Application of the EEMD method to rotor fault diagnosis of rotating ma- chinery, Mechanical Systems and Signal Processing, 23(4), 1327-1338.

Linderholm, H. W., Walther, A. and Chen, D., 2008, Twentieth-century in the thermal growing season in the Greater Baltic Area. Climate Change, 87, 405-419.

McCabe, G. J., Ault, T. R., Cook, B. I., Betancourt, J.

L. and Schwartz, M. D., 2012, Influences of the El Nino Southern Oscillation and the Pacific Decadal Oscillation on the timing of the North American spring, International Journal of Clima-

tology, 32(15), 2301-2310.

Qian, C., Fu, C., Wu, Z. and Yan, Z., 2009, On the secular change of spring onset at Stockholm,

Geophysical Research Letters, 36(12), doi:

10.1029/2009GL038 17.

Qian, C., Wu, Z., Fu, C. and Zhou, T., 2010, On multi- timescale variability of temperature in China in modulated annual cycle reference frame, Advance

in Atmospheric Science, 27(5), 1169-1182.

Qian, C., Fu, C., Wu, Z. and Yan, Z., 2011, The role of changes in the annual cycle in earlier onset of cli- matic spring in northern China, Advance in Atmo-

spheric Science, 28(2), 284-296.

Schwartz, M. D. and Reiter, B. E., 2000, Changes in North American spring, International Journal of

Climatology, 20(8), 929-932.

Schwartz, M. D., Ault, T. R. and Betancourt, J. L., 2012, Spring onset variations and trends in the conti-

nental United States: past and regional assessment using temperature-based indices, International

Journal of Climatology, 33(13), 2917-2922.

Song, Y., Linderholm, H. W., Chen, D. and Walther, A., 2010, Trends of the thermal growing season in China, 1951-2007, International Journal of Clima-

tology, 30(1), 33-43.

Thompson, D. J., 1995, The seasons, global temperature and precession, Science, 268, 59-68.

Trenberth, K. E., 1983, What are the seasons?, Bulletin of

the American Meteorological Society, 64(11), 1276-

Walther, A. and Linderholm, H. W., 2006, A comparison of growing season indices for the Greater Baltic Area, International Journal of Biometeorology, 51, 107-118.

Wu, Z., Schneider, E. K., Kirtman, B. P., Sarachik, E. S., Huang, N. E. and Tucker, C. J., 2008, The modu- lated annual cycle: An alternative reference frame for climate anomalies, Climate Dynamics, 31, 823- 841.

Wu, Z. and Huang, N. E., 2009, Ensemble Empirical Mode Decomposition: A noise-assisted data anal- ysis method, Advances in Adaptive Data Analysis, 1(1), 1-41.

교신: 최영은, 143-701, 서울시 광진구 능동로 120, 건국 대학교 이과대학 지리학과(이메일: yechoi3477@gmail.

com, 전화: 02-450-3447)

Correspondence: Youngeun Choi, Department of Geogra- phy, Konkuk University, 120 Neungdong-ro, Gwangjin- gu, Seoul 143-701, Korea (e-mail: [email protected], phone: +82-2-450-3447)

최초투고일 2014. 9. 24 수정일 2014. 10. 17 최종접수일 2014. 10. 31