Evaporative Stress Index (ESI)를 활용한 북한의 위성영상기반 농업가뭄 평가
Satellite-based Evaporative Stress Index (ESI) as an Indicator of Agricultural Drought in North Korea
이희진a⋅남원호b,✝⋅윤동현c⋅홍은미d⋅김대의e⋅Mark D. Svobodaf⋅Tsegaye Tadesseg⋅Brian D. Wardlowh Lee, Hee-Jin⋅Nam, Won-Ho⋅Yoon, Dong-Hyun⋅Hong, Eun-Mi⋅Kim, Dae-Eui⋅Mark D. Svoboda⋅
Tsegaye Tadesse⋅Brian D. Wardlow
Abstract
North Korea has frequently suffered from extreme agricultural crop droughts, which have led to food shortages, according to the Food and Agriculture Organization (FAO). The increasing frequency of extreme droughts, due to global warming and climate change, has increased the importance of enhancing the national capacity for drought management. Historically, a meteorological drought index based on data collected from weather stations has been widely used. But it has limitations in terms of the distribution of weather stations and the spatial pattern of drought impacts. Satellite-based data can be obtained with the same accuracy and at regular intervals, and is useful for long-term change analysis and environmental monitoring and wide area access in time and space. The Evaporative Stress Index (ESI), a satellite-based drought index using the ratio of potential and actual evaporation, is being used to detect drought response as a index of the droughts occurring rapidly over short periods of time. It is more accurate and provides faster analysis of drought conditions compared to the Standardized Precipitation Index (SPI), and the Palmer Drought Severity Index (PDSI). In this study, we analyze drought events during 2015-2017 in North Korea using the ESI satellite-based drought index to determine drought response by comparing with it with the SPI and SPEI drought indices.
Keywords: Satellite-based drought index; agricultural drought; drought monitoring; Evaporative Stress Index (ESI); Standardized Precipitation Index (SPI)
Ⅰ. 서 론
전 세계적으로 극심한 가뭄피해로 인해 가뭄 조기경보의
필요성이 대두되고 있다. 미국에서는 2012년부터 2015년까지 4년간 캘리포니아 지역에서 극심한 가뭄이 지속되었으며, 캘 리포니아 농업식품기구 (California Department of Food and Agriculture, CDFA)는 캘리포니아 지역의 장기적인 가뭄으로 인해 농산물의 수확량이 감소하고 총 경제적 피해는 약 3조 원 가량의 피해가 발생했다고 하였다(CDFA, 2015). 우리나라 의 경우, 2014년 후반부터 가뭄이 심화되어 2015년에는 연간 강수량이 948.2 mm로 평년대비 72%를 기록하였으며, 중부지 방의 경우 10월까지 내린 비의 양은 평년의 절반에도 도달하 지 못하였다(MAFRA, 2016).
북한은 지난 20년 (1991∼2010년)동안 태풍, 홍수 가뭄 등 총 33건의 기상재해가 발생하여 이로 인한 재해규모가 세계 9위로 자연재해에 취약한 국가이며 (KMA, 2011), 2013년 국 제기후위험지수 (Global Climate Risk Index, GCRI) 보고서에 따르면 북한의 장기간에 대한 기후위험지수의 순위가 2012년 에 비해 두 단계 악화되어 전체 7위로 평가되었다(GCRI, 2013). 또한, 북한의 연평균 강수량은 약 980 mm로 남한의 연평균 강수량인 1,274 mm에 비해 약 70∼80%정도에 불과하 다(KEI, 2013). 국제연합식량농업기구 (Food and Agriculture Organization of United Nations, FAO)는 2014년 이후에 지속 된 가뭄으로 2015년 북한의 곡물 생산량이 18% 감소하였으 며, 가뭄 피해로 쌀 생산량은 전년 생산량 대비 21%로 낮아졌
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 Assistant Professor, School of Natural Resources and Environmental Science, Kangwon National University, Chuncheon, Republic of Korea
e Researcher, Rural Research Institute, Korea Rural Community Corporation, Ansan, Republic of Korea
fDirector, National Drought Mitigation Center, 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
h Director and Professor, Center for Advanced Land Management Information Technologies (CALMIT), 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 25, 2019 Revised: March 5, 2019 Accepted: March 5, 2019
다고 보고하였다(FAO, 2015). 특히, 2017년 북한의 밀과 보리, 감자 등 이모작 작물 수확량이 지난해보다 30% 이상 감소하 였으며, 쌀 수확량은 전년도에 비해 27% 낮아져 이는 2001년 이래 최악의 가뭄이라고 보고하였다(FAO, 2017). 이와 같은 재난 수준의 가뭄에 효과적으로 대응하기 위해서는 중앙정부 단위에서 가뭄대응에 대한 체계적인 준비가 필요하며, 우선 적으로 북한의 가뭄 모니터링 및 가뭄 특성에 대한 정량적인 분석이 요구된다(Wilhite et al., 2000; 2014; Hayes et al., 2004;
Nam et al., 2016; 2017). 그러나 북한 가뭄피해에 대해서 알 수 있는 정보는 매우 제한적이고 활용할 수 있는 자료들의 경우 외국의 정보에 의존하는 실정이다. 향후 농업부문에 대 한 대북한 지원과 통일 후를 대비한 농업정책의 수립이 가능 할 것이기 때문에 우리와 이해관계가 깊은 북한의 가뭄과 같 은 재해에 대하여 독자적으로 신속한 정보를 취득, 분석할 수 있는 능력을 확보하는 것이 반드시 필요하다(Jang et al., 2007).
일반적으로 가뭄을 해석하기 위하여 가뭄심도, 빈도, 피해 면적과 기간의 영향을 고려한 가뭄지수를 이용하며, 국내의 경우 기상청, 한국농어촌공사의 농업가뭄관리시스템, 국가가 뭄정보분석센터 등에서 가뭄 모니터링이 이루어지고 있다 (Kim et al., 2006; Nam et al., 2015a; Hong et al., 2016; Bang et al., 2018). 표준강수지수 (Standardized Precipitation Index, SPI), 표준강수증발산지수 (Standardized Precipitation Evapotranspiration Index, SPEI), 강수평년비, 유효가뭄지수 (Effective Drought Index, EDI), 토양수분지수 (Soil Moisture Index, SMI) 등 다양한 가뭄지수를 활용하여 가뭄 모니터링을 위한 공간지도 형태로 제공하고 있다. 하지만 제공되고 있는 가뭄지수들은 지상 데이터 기반의 지점자료를 기반으로 내삽 기법을 통해 공간분포로 재산정된 지도들이며, 해상도 측면 에서 조악한 해상도를 갖는다는 한계점이 있고, 지점 데이터 의 특성상 미계측 지역에 대한 정확한 데이터 취득이 힘들다 는 단점이 있다(Tadesse et al., 2005; Jeoung et al., 2017; Nam et al., 2015b; 2018; Yoon et al., 2018).
농업분야에 위성영상을 활용할 경우, 주기적이고 동일한 정확도로 지상 자료의 획득이 가능하고 장기적인 변화관측이 나 환경감시 등에 유용하다. Anderson et al. (2007)은 증발산 량을 활용한 가뭄지수인 Evaporative Stress Index (ESI)를 개 발하였고, 기존의 가뭄지수인 SPI와 Palmer Drought Severity Index (PDSI) 등과 비교하였을 때, 농업 가뭄 분석의 측면에서 적용성을 확인하였다. Sur et al. (2014)는 SPI, PDSI, Modified Surface Water Supply Index (MSWSI)와 ESI의 비교를 통해 2013년 한반도 남부지방 가뭄을 대상으로 위성기반 가뭄지수 의 적용성을 검증하였다. 단기간 급속하게 발생하는 Flash
drought는 SPI, PDSI 등 일반적인 기상학적 가뭄지수를 사용 하여 식별하기 어렵고, 원격으로 감지된 열적외선 (Thermal InfraRed, TIR) 영상을 통하여 관측되는 Land-Surface Temperature (LST)로 초기 가뭄 스트레스가 전달될 수 있기 때문에 이를 이용한 ESI가 가뭄조기경보에 활용될 수 있다 (Otkin et al., 2013; 2014). 또한, ESI는 LST와 Leaf Area Index (LAI)의 원격 감지 입력을 사용하여 에너지 균형을 통한 증발 산량 비율의 아노말리 (Anomalies)를 표현하며, 미국에서는 강수량 또는 식생 기반 지수 (Vegetation Index)와 비교하여 작물 수분 상태에 대한 조기경보를 제공하고 있다(Anderson et al., 2011; 2013; 2016). 국내에서는 2017년 극심한 가뭄 사 상을 대상으로 Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Leaf Area Index (LAI), Vegetation Health Index (VHI) 등 위성영상기반 가뭄지 수들과 비교하여 ESI가 가뭄 시작 시기가 빠르고 민감하며, 특히, VHI의 경우 ESI에 비해 가뭄 시작 시기가 약 40일 늦은 반응을 보인다는 결과가 있다(Yoon et al., 2018).
본 연구에서는 최근 북한의 기상자료와 보도자료를 통하여 실제 주요 가뭄 시기를 확인하고, 증발산량을 활용한 가뭄지 수 ESI의 공간지도와 비교하고자 한다. 또한, 2015년, 2017년 극심한 가뭄 사상을 대상으로 기상 관측소 기반의 SPI, SPEI 와 위성영상기반 가뭄지수 ESI의 비교를 통하여 위성영상 기 반 농업가뭄 모니터링의 새로운 지표로써 ESI의 적용성을 검 토하고자 한다.
Ⅱ. 연구 방법
1. 연구 대상 지역 및 연구 방법
기상청에서 수집 가능한 북한의 기상관측소 자료를 World Meteorological Organization (WMO)의 세계기상통신망 (Global Telecommunication System, GTS)을 통해 구득하여 배 포하고 있다. 본 연구에서는 Fig. 1과 같이 수집이 가능한 27 개 지점의 기상 자료를 통해 최근 37년간 (1981∼2017년)의 일강수량 및 일평균기온 자료를 수집하였다. Fig. 2에 도시한 바와 같이, 관측소기반의 가뭄지수는 SPI와 SPEI를 사용하였 으며, 각 27개 지점의 데이터를 이용하여 주 단위의 값을 취득 하고 Inverse Distance Weighted (IDW)를 통한 공간보간법을 사용하였다. SPI와 SPEI는 Table 1의 기준을 적용하여 가뭄 단계를 분류하였고 (Nam et al., 2017), 기상청 수문기상가뭄 정보시스템에서 가뭄 모니터링의 기준으로 사용하고 있는 6 개월 시간 단위의 SPI 6와 SPEI 6를 사용하였다. 위성영상 기반의 가뭄지수인 Evaporative Stress Index (ESI)는 USAID
(United States Agency for International Development)와 NASA (National Aeronautics and Space Administration)가 공동 개발 한 SERVIR (https://www.servirglobal.net)에서 제공하고 있으
며, 본 연구에서는 0.05° 해상도의 주 단위 4주 합성데이터를 활용하였다.
Fig. 1 Locations of meteorological stations in North Korea
Category Description Percentiles SPI value SPEI value
D0 Abnormally Dry 21-30% -0.5 to –0.7 -0.5 to –0.7
D1 Moderate Drought 11-20% -0.8 to –1.2 -0.8 to –1.2
D2 Severe Drought 6-10% -1.3 to –1.5 -1.3 to –1.5
D3 Extreme Drought 3-5% -1.6 to –1.9 -1.6 to –1.9
D4 Exceptional Drought 0-2% -2.0 or less -2.0 or less
Table 1 Drought severity classification of SPI and SPEI (Svoboda et al., 2002)
2. 표준강수지수 (Standardized Precipitation Index, SPI)
McKee et al. (1993)에 의해 개발된 SPI는 세계기상기구 (World Meteorology Organization)에서 권장하는 가뭄지수이 며, 미국국립가뭄경감센터 (National Drought Mitigation Center, NDMC)에서 가뭄을 판단하는 가장 기본적인 지수이 다. SPI는 보통 시간 단위를 3, 6, 9, 12개월로 설정하고, 시간 단위별로 강수부족량을 산정하여 각각의 용수공급원이 가뭄 에 미치는 영향을 판단하는 지수이다(Kim et al., 2014). Park et al. (2017)은 단기 가뭄에 대해 SPI 3, 장기 가뭄에 대해 SPI 12의 시간척도를 적용하였다. 산정 공식은 아래의 식 (1)와 (2)의 Gamma 분포의 확률밀도 함수와 누적분포함수를 이용 하여 산정하였다.
exp
(1)
exp (2)여기서, 는 강수량 관련 확률 변수이며, 는 축척매개변 수, 는 형상매개변수, 는 Gamma 함수이다.
3. 표준강수증발산지수 (Standardized Precipitation Evapotranspiration Index, SPEI)
SPI는 강수 이외의 기온과 관련된 변수를 고려하지 않기 때문에 기후변동으로 인한 강수, 증발산 등의 물수지 변화를 고려할 수 없다는 한계를 가지고 있다(Nam et al., 2015a; Kim Fig. 2 Flow chart of the process for comparing the drought indices
et al., 2018). 이를 보완하기 위해 강수량과 증발산량을 반영하 는 가뭄지수인 SPEI가 활용되었으며, SPEI는 강수량과 잠재 증발산량의 차가 유출 및 지하수와 토양수분에 따른 수분 저 장의 합과 같아지는 물수지 (water balance)를 기본 구조로 설 계되었다(Nam et al., 2017). 잠재증발산량 식은 Thornthwatie 산정식 (Thornthwatie, 1948)을 사용한 식 (3)과 같다.
(3)
PET (Potential Evapotranspiration)는 잠재증발산량 (mm), T 는 평균기온 (℃), 는 열지수 (heat index), K는 위도 (latitude) 와 주 (week)의 함수로 산정하는 계수, m은 주단위이다. SPEI 는 식 (4)와 같이 강수량과 잠재증발산량의 차로 산정되는 는 각각 다른 시간척도 (time scales)에 따라 합성되며, 식 (5) 으로부터 합성된 의 누적 값의 시계열 자료로부터 적정확 률분포로 선정된 Log-logistic 분포를 이용하여 매개변수를 추 정한 후, 표준정규분포로 변환하여 가뭄지수를 산정한다 (Vicente-serrano et al., 2010; Stagge et al., 2015; Nam et al., 2017).
(4)
(5)
식에서 k는 합성의 시간 규모, n은 계산에 이용된 주 (week) 단위이다.
4. Evaporative Stress Index (ESI)
ESI는 실제증발산과 잠재증발산의 비율을 통해 가뭄의 심
각성을 알 수 있으며, LST (Land-Surface Temperature)와 LAI (Leaf Area Index)의 원격 감지 입력을 사용하여 에너지 밸런 스를 통해 아노말리 (Anomalies)로 나타낸다(Anderson et al., 2007; 2011; 2013; 2016). 이 지표는 지표면과 대기 사이의 수 분공급을 지수화한 것이며, 가뭄현상을 설명하는 지표로 사 용된다. ESI 산정식은 식 (6)과 같다.
(6)
여기서, PET는 국제연합식량농업기구 (FAO)에서 제공 하는 FAO-56 Penman Monteith (FAO-56 PM) 공식을 활용 한 잠재증발산량이며 (Allen et al., 1998), AET (Actual Evapotranspiration)는 실제증발산량을 의미한다. 실제증발산 량은 Thermal InfraRed (TIR) 영상을 통해 취득한 Land Surface Temperature (LST) 값을 활용한다. LST 값을 도출하 여 초기 가뭄에 대해 보다 높은 신뢰도를 얻을 수 있으며, Atmosphere-Land Exchange Inverse (ALEXI; Anderson et al., 2007) 표면 에너지 균형 모델은 이 관계를 이용하여 원격으로 LST를 감지하여 증발산량을 추정한다(Otkin et al., 2014).
Ⅲ. 적용 및 결과
1. 2015년 ESI를 활용한 가뭄 경향 분석
2014년 북한은 최악의 가뭄을 겪은 후 2015년에도 전반적 으로 심각한 가뭄현상이 지속되었다. 통일부 (Ministry of Unification)에서 제공하는 Weekly Report on North Korea (2015)에 따르면, 2015년 1월부터 5월까지의 전국 평균 강수 량은 135.4 mm로 평년 (182.6 mm)의 74.2%였다. 특히 3월 강수량은 7.7 mm (평년 26.2 mm)로써 기상관측 이래 두 번째
Fig. 3 The seasonal time-series ESI drought maps from April to September in 2015
로 적은 강수량을 나타내었고, 주요 영농시기인 5월 강수량은 40.1 mm로써 매우 적었다. 전체적으로 강수량이 평년에 비해 도별로 약 53∼90%수준에 그쳤다. 평균 강수량이 매우 적어 알곡 작물과 모내기에 많은 영향을 주었으며, 6월 11일부터 6월 20일까지는 황해남북도에 약 268 mm의 많은 비가 내렸 으나 장기적인 가뭄이 해소되지는 않았다. 하지만 8월 초에는 장마전선으로 인해 폭우를 동반한 많은 비가 내리고 해일이 있어 가뭄이 해소되는 경향을 보였다.
2015년 영농기인 4월부터 9월까지의 ESI의 공간분포 변화 양상을 주단위로 나타낸 결과는 Fig. 3과 같다. ESI 지수 값이 낮아질수록 색이 붉어지고 극심한 가뭄을 뜻한다. 반면, 지수 값이 0이상인 경우 가뭄이 아닌 것을 뜻하며, 초록색을 나타 낸다. 5월부터 7월까지 가뭄 경향이 나타났으며, 북한의 남부 지역에서 전반적으로 극심한 가뭄 현상을 보였다. 5월 7일부 터 뚜렷한 가뭄 경향이 나타나기 시작하였고, 6월 18일까지 극심한 가뭄 현상이 나타났다. 6월 18일 이후 단기적으로 가 뭄이 해갈되는 것처럼 보이지만, 가뭄의 심도가 얕아지고 가 뭄 상태는 지속되었다. 가장 가뭄이 심한 지역으로는 양강도, 강원도, 황해남도, 황해북도이며, 평안남도, 함경남도 대부분 지방에서도 심한 가뭄이 나타났다. 이는 실제 가뭄의 주요시 기 및 발생지역과 유사한 것으로 판단되어 ESI의 공간분포 경향을 확인할 수 있다.
2. 2017년 ESI를 활용한 가뭄 경향 분석
2017년 4월 하순부터 황해남북도를 시작으로 서해안 중부 이남 대부분 지역과 동해안 지역 (함경북도와 함경남도)에서 가뭄 현상이 나타났으며, 낮 최고 기온이 기상관측 이래 가장 높은 온도인 30℃까지 오르면서 밀, 보리와 강냉이들의 작물 피해가 심해졌다(Ministry of Unification, 2017). 특히 Weekly
Report on North Korea (2017)에 따르면 황해남도는 가뭄 피해 가 가장 심한 지역으로 4월 1일부터 6월 중순까지 이 지역의 평균 강수량은 평년 대비 1/3 수준의 66 mm정도였으며, 이는 기상관측 이래 가장 저조했던 2001년 다음으로 적은 수치이 다. 하지만 6월에는 가뭄피해를 막기 위해 논밭에 물을 공급 하고, 저수지 확장공사, 우물 보수 등을 통한 피해 대책을 실 행하면서 가뭄이 일시적으로 해갈되는 경향을 보였다.
Fig. 4는 2017년 ESI의 공간지도로써 Fig. 3과 마찬가지로 가뭄 상황의 공간분포 변화 양상을 나타낸 것이다. 4월 2일 황해남북도에서부터 가뭄 현상이 나타나기 시작하였고, 북한 의 남부지역에서 가뭄이 시작하여 4월 16일에 전반적으로 가 뭄 현상이 나타났다. 남부지역을 중심으로 북한 전 지역에서 가뭄 현상이 나타났지만, 6월 4일 잠시 가뭄이 해소되는 경향 을 보였다. 하지만 황해남북도를 중심으로 가뭄 현상이 나타 나고, 7월 2일부터 전 지역에서 뚜렷하게 극심한 가뭄이 지속 되는 경향을 보였다. 8월은 4월 하순과 마찬가지로 황해남도, 황해북도, 동해안 지역에서 꾸준히 가뭄이 지속되었으며, 9월 을 기점으로 전반적으로 가뭄이 심해지는 경향을 보이면서 실제 가뭄 사상과 유사한 것으로 판단된다.
3. 시도 단위 ESI의 가뭄 경향 분석
최근 3년간 실제로 가뭄이 극심했던 2015년, 2017년 ESI의 격자 데이터를 이용하여 시도 단위의 평균값을 추출하여 가 뭄 특성 파악을 위해 사용하였다. 2015년은 시도 평균 ESI 값이 3월 26일 이후 급격하게 낮아지며, 영농기인 4월부터 9 월까지 전체적으로 작은 평균값을 보였다. 특히, Table 2를 통하여 황해남북도 지역은 해당 기간에 대부분이 0보다 작은 값으로 가뭄이 심각했던 지역임을 확인할 수 있었으며, 주요 가뭄 시기인 4월부터 6월은 모든 지역이 상대적으로 작은 평
Fig. 4 The seasonal time-series ESI drought maps from April to September in 2017
균값을 보였다. 2015년 보도 자료를 통해 6월 중순부터 7월 초까지 황해남북도 지역은 일시적인 가뭄 해갈을 보였으며,
같은 기간 Fig. 5에서 ESI 평균값이 증가하고 황해남북도 지 역의 ESI 값 증가 폭이 대폭 상승한 것을 통해 가뭄이 해갈되 Fig. 6 The time-series ESI graph in regional drought in 2017
Fig. 5 The time-series ESI graph in regional drought in 2015
는 경향을 보였다.
2017년 ESI 평균값은 2015년과 비교하여 전반적으로 낮은 값이 나타났다. 특히, Table 3에서 황해남북도 지역은 영농기 인 4월부터 9월까지 대부분의 값이 0보다 작고 가장 낮은 값 을 보여서 2015년과 마찬가지로 가뭄이 가장 극심했던 지역 임을 확인하였다. 또한, 2017년은 2015년과 다르게 황해남북 도 지역 뿐만 아니라 함경남도, 함경북도, 양강도 지역에서 지속적으로 가뭄이 발생했다는 것을 알 수 있었다. Fig. 6에 도시한 바와 같이 6월 초 일시적으로 ESI 평균값이 증가하여 가뭄의 일시적인 해갈에 대한 즉각적인 반응을 파악하였고,
이후 값이 낮아지는 경향을 보이면서 7월 중순 가장 낮은 값 을 보였다.
4. SPI와 SPEI 및 ESI의 주요 가뭄 시기 지수별 비교 지점 데이터를 통한 기상학적 가뭄지수인 SPI, SPEI와 위 성영상 기반 가뭄지수인 ESI의 공간분포 변화 양상을 비교하 여 북한 지역의 ESI 적용성을 확인하였다. ESI 영상자료 취득 주기가 주 단위인 것에 따라 SPI, SPEI 값을 주 단위로 산정하 고, 초기 가뭄부터 가뭄이 해갈되는 시점까지를 나타내기 위 하여 가뭄이 극심했던 2015, 2017년 4월부터 9월까지 기간을 Month Chagang
-do
Hamgyong -bukto
Hamgyong -namdo
Hwanghae -bukto
Hwanghae -namdo
Kangwon -do
Pyongan- bukto
Pyongan- namdo
Ryanggang
-do Mean
1 - -0.40 -0.41 0.64 0.72 0.11 1.02 0.39 0.21 0.29
2 -0.21 0.02 0.03 0.13 -0.07 0.48 0.60 0.91 0.44 0.26
3 0.95 0.80 0.92 0.93 0.44 0.71 1.23 1.07 0.96 0.89
4 0.07 -0.09 -0.01 0.38 -0.03 0.16 0.43 0.19 -0.19 0.10
5 -0.67 -0.94 -0.77 -1.30 -1.58 -0.89 -0.96 -1.31 -1.13 -1.06
6 -0.38 -0.74 -0.77 -1.81 -1.59 -1.54 -1.13 -1.23 -0.62 -1.09
7 -0.26 -0.13 -0.16 -0.85 -0.90 -0.12 -0.38 -0.69 -0.07 -0.40
8 0.43 -0.05 0.14 -0.04 -0.05 0.06 0.54 0.21 0.17 0.16
9 1.44 0.67 0.99 -0.07 -0.49 0.17 0.88 0.89 0.86 0.59
10 0.00 0.38 -0.49 -1.24 -1.02 -0.99 -0.43 -0.98 -0.29 -0.56
11 -0.20 -0.59 -0.67 0.36 0.67 0.05 0.54 0.21 -0.72 -0.04
12 0.74 1.47 1.39 0.66 0.18 1.42 1.19 1.03 1.15 1.02
Units: The bold value indicates a value less than the mean ESI value and less than zero Table 2 Monthly ESI mean value in each district in 2015
Month Chagang -do
Hamgyong -bukto
Hamgyong -namdo
Hwanghae -bukto
Hwanghae -namdo
Kangwon -do
Pyongan- bukto
Pyongan -namdo
Ryanggang
-do Mean
1 -0.27 0.71 0.36 -0.77 -0.61 0.07 -0.28 -0.50 -0.79 -0.23
2 - 0.61 0.63 0.16 0.15 -0.53 0.30 0.03 - 0.19
3 1.39 0.48 0.64 0.31 -0.10 0.14 0.69 0.37 2.22 0.68
4 0.22 -0.44 -0.15 -0.55 -0.53 -0.56 -0.41 -0.29 0.38 -0.26
5 0.24 -0.32 -0.16 -0.57 -0.94 -1.22 0.23 -0.17 -0.34 -0.36
6 1.36 0.73 1.06 -0.91 -1.59 -0.24 0.04 0.28 0.94 0.19
7 -1.08 -1.10 -1.25 -1.35 -1.81 -0.84 -1.42 -0.73 -1.26 -1.20
8 0.33 -0.49 0.11 -0.23 -1.16 0.15 1.06 0.29 0.23 0.03
9 -1.04 -1.23 -1.36 -0.30 -0.36 -0.61 -0.33 -0.67 -1.40 -0.81
10 -0.09 -0.66 -0.74 -0.13 -0.46 -0.67 0.26 -0.29 -0.91 -0.41
11 0.01 -0.23 0.17 0.59 0.31 0.06 0.96 0.71 -0.19 0.27
12 0.61 -0.48 -0.33 0.32 0.87 -0.23 0.07 0.28 -0.02 0.12
Units: The bold value indicates a value less than the mean ESI value and less than zero Table 3 Monthly ESI mean value in each district in 2017
설정하여 공간변동성을 비교하였다.
2015년 지수들을 비교한 결과는 Fig. 7과 같다. ESI의 경우 5월 7일 이후로 지수 값이 증가하면서 가뭄 경향을 보이고 있으며, SPEI는 4월 30일 가뭄 현상을 나타냈지만, 이후 5월 21일부터 뚜렷한 가뭄 경향을 보이고 있다. SPI의 경우 5월 21일부터 SPEI와 유사한 지역에 가뭄 현상이 나타나지만, 가 뭄의 심도가 얕아서 가뭄 경향을 나타내기 어려웠다. ESI와
SPEI가 비슷한 가뭄 지속시기를 보여주었고, 7월 2일 이후로 가뭄이 일시적으로 해갈되었으며, 8월 6일을 기점으로 가뭄 이 완전히 해갈되는 경향을 보였다. 전반적으로 SPI는 5월, 6월 가뭄이 극심한 지역에 대한 가뭄 경향을 나타내고, SPEI 에서 가뭄의 심도가 깊은 지역들에 대해서도 가뭄 경향을 나 타냈지만, 가뭄의 시작, 해갈, 지속시기에 대한 경향이 명확하 게 나타나지 않았다. 반면, SPEI는 명확한 가뭄의 시작, 해갈,
Fig. 7 The seasonal time-series drought maps from April 9 to September 17 in 2015 by the SPI 6, SPEI 6, and ESI
Fig. 8 The seasonal time-series drought maps from April 9 to September 17 in 2017 by the SPI 6, SPEI 6, and ESI
Month -2 or less (D4)
-2∼-1.5 (D3)
-1.5∼-1.2 (D2)
- 1.2∼-0.7 (D1)
-0.7∼-0.5
(D0) -0.5 or more Index
4
0.00 1.01 1.58 7.43 5.14 84.85 SPI 6
0.74 8.14 9.55 26.68 14.23 40.66 SPEI 6
0.46 1.61 3.68 18.90 13.63 61.72 ESI
5
0.08 0.45 1.40 7.11 3.91 87.05 SPI 6
0.32 11.86 22.56 39.86 13.56 11.84 SPEI 6
1.95 5.65 6.92 19.25 8.78 57.44 ESI
6
0.80 5.54 9.06 23.20 13.53 47.88 SPI 6
7.40 30.15 22.84 25.72 6.88 7.01 SPEI 6
3.34 3.63 3.18 7.92 4.32 77.61 ESI
7
0.14 1.41 2.70 13.55 20.37 61.05 SPI 6
9.80 30.33 33.13 18.99 3.76 3.99 SPEI 6
20.04 14.83 11.51 20.49 7.35 25.78 ESI
8
0.17 0.28 1.63 14.37 9.87 73.68 SPI 6
11.91 20.16 27.92 23.78 4.16 12.07 SPEI 6
6.51 4.63 4.70 10.88 5.16 68.12 ESI
9
0.00 0.68 2.27 10.00 10.11 76.94 SPI 6
7.13 9.87 25.53 37.89 4.60 14.98 SPEI 6
14.76 11.00 8.45 18.84 8.47 38.50 ESI
Table 5 Monthly area ratio by drought severity categories from April to September in 2017 as determined by the SPI 6, SPEI 6, and ESI Month -2 or less
(D4)
-2∼-1.5 (D3)
-1.5∼-1.2 (D2)
- 1.2∼-0.7 (D1)
-0.7∼-0.5
(D0) -0.5 or more Index
4
0.00 0.00 0.03 1.24 1.64 97.09 SPI 6
0.00 0.64 3.74 28.66 16.79 50.17 SPEI 6
0.68 2.39 2.33 5.50 3.54 85.55 ESI
5
0.04 1.16 1.62 5.21 5.17 86.81 SPI 6
0.19 5.55 15.30 46.74 16.52 15.71 SPEI 6
7.75 15.05 13.86 28.54 11.71 23.08 ESI
6
0.20 1.35 1.43 4.56 3.99 88.47 SPI 6
0.90 5.79 13.32 54.85 12.44 12.70 SPEI 6
13.55 19.16 12.95 19.31 6.43 28.60 ESI
7
0.15 0.51 0.96 6.74 5.70 85.94 SPI 6
0.39 2.78 6.70 29.26 19.05 41.81 SPEI 6
3.02 5.84 6.72 18.19 9.16 57.06 ESI
8
0.01 0.21 0.67 2.22 1.58 95.32 SPI 6
0.04 0.93 1.34 8.91 8.42 80.36 SPEI 6
0.72 2.01 2.36 8.90 5.84 80.17 ESI
9
0.41 0.80 0.71 1.41 1.64 95.03 SPI 6
0.36 1.08 1.09 4.86 4.98 87.62 SPEI 6
0.15 0.53 0.92 5.00 3.65 89.76 ESI
Table 4 Monthly area ratio by drought severity categories from April to September in 2015 as determined by the SPI 6, SPEI 6, and ESI
지속시기에 대한 경향이 나타났으며, 가뭄이 심각한 지역과 실제 주요 가뭄 지역이 유사했다. 하지만 ESI는 뚜렷한 가뭄 의 시작을 SPEI보다 약 14일 빠르게 알 수 있었고, 가뭄의 시작, 해갈, 지속시기에 대한 경향이 명확했다. 또한, 실제 가 뭄 시기, 주요 가뭄 지역과 유사함을 보였으며, 8월 초 장마전 선으로 인한 황해남도 지역의 가뭄 해갈을 8월 6일과 8월 13 일 지도를 통해 확실하게 파악할 수 있어 가뭄 판단에 민감하 고 즉각적인 가뭄 현상을 보였다.
2017년 가장 가뭄이 심하고 피해를 많이 입은 지역은 황해 남북도와 평안남북도이며, 가뭄 초기에 동해안 지역 (함경북 도와 함경남도)도 가뭄 현상이 나타났다. ESI와 SPEI는 Fig.
8의 시작일인 4월 9일부터 실제 가뭄 지역과 유사하게 가뭄 경향을 보이고 있으며, SPI는 평안남북도 지역과 동해안 지역 의 가뭄 경향이 나타났다. 하지만 SPI의 경우 가뭄의 심각성 을 알기에는 부족했으며, ESI와 SPEI는 지속적으로 지수 값이 낮아지면서 가뭄의 지속시기가 뚜렷하게 나타났다. 5월 28일 을 기점으로 SPI는 서해안 중부이남 지역에서 가뭄 현상이 나타났으며, 7월 2일까지 가뭄이 지속되는 경향이 나타났다.
Weekly Report on North Korea (2017)에 따르면 6월 초 황해남 도에서의 적극적인 가뭄피해 방지 사업으로 잠시 가뭄이 해 소된다고 보도하였으며, ESI의 경우 5월 21일부터 6월 11일 사이에 황해남도 지역의 지수 값이 상대적으로 높아지는 경 향을 보였다. 반면, SPI와 SPEI는 지수 값의 감소로 실제 보도 자료와 차이가 있으며, 공간지도상으로 단기간 내 가뭄 해갈 에 따른 변동성을 파악하기 어려웠다. 6월 11일부터 극심한 가뭄이 이어지면서 SPI, SPEI, ESI 세 지수 모두 지수 값이 낮아지는 경향을 보였으며, 서해안 중부이남 지역과 동해안 지역에서 동일하게 가뭄 현상이 나타났다. SPI는 7월 2일 이 후 심각한 가뭄 경향성을 알기 어려웠으며, SPEI는 8월 6일까 지 가뭄의 심도가 깊어지는 경향을 나타냈다. ESI의 경우 7월 30일까지 전반적으로 북한 전역에 지수 값이 낮아지면서 가 뭄의 심각성을 나타냈지만, 8월 6일을 기점으로 가뭄이 해소 되는 경향을 보였다.
SPEI와 ESI는 SPI보다 빠른 가뭄 시작 시기를 나타냈으며, 실제 가뭄지역에 대한 경향이 유사한 것으로 보였다. SPI를 통해 가뭄으로 판단되어지는 지역은 SPEI와 ESI에서 뚜렷한 가뭄 경향성을 나타냈다. SPEI와 ESI는 가뭄 판단에 있어서 초기 대응 지수로써 활용이 가능할 것으로 판단된다. 또한, ESI는 단기간 내 가뭄의 즉각적인 변화에 따른 반응에 대해 더 민감한 것으로 보였다.
Table 4와 Table 5는 SPI와 SPEI의 가뭄 단계 (Table 1)를 적용하여, SPI, SPEI, ESI의 가뭄 단계별 면적비율을 월별로 나타낸 것이다. 2015년은 ESI가 심각한 가뭄을 나타내는
D2∼D4 가뭄단계에 대한 면적비율이 상대적으로 높았으며, 주요 가뭄 시기인 5월과 6월의 D3, D4의 면적비율이 다른 지수와 비교하였을 때 큰 차이를 보였다. 2017년에는 D2∼D4 에 해당하는 면적비율이 SPEI가 가장 높은 것으로 나타났다.
SPEI는 D2, D3 단계를 차지하는 면적비율이 높았으며, ESI는 D4 단계인 극한 가뭄에 대해서 높은 면적비율을 보였다.
Ⅳ. 결 론
본 연구에서는 기존의 기상학적 가뭄지수를 통한 가뭄 판 단의 한계를 보완하기 위하여 위성영상 기반 가뭄지수 ESI를 제시하고, 2015, 2017년 북한에서 발생한 가뭄의 경향성을 확 인하였다. 또한, 기상청에서 기본적으로 활용하는 SPI 6, SPEI 6와의 비교를 통하여 ESI의 농업가뭄 판단의 적용성을 평가 하였다. 보도 자료를 통해 2015년, 2017년 북한의 실제 가뭄 사상을 확인하였고, ESI 공간지도와의 비교를 통해 가뭄 경향 성을 확인하였다.
ESI는 실제 가뭄 시작 시기보다 이른 시점에서 가뭄 경향 을 확인할 수 있었으며, 2017년의 경우 보도 자료는 4월 하순 부터 가뭄이 시작되는 반면, ESI는 4월 2일부터 가뭄의 경향 성을 확인하였다. ESI가 약 3주 빠르게 가뭄에 대한 반응을 보였으며, 기상학적 가뭄지수들과 비교를 하였을 때, ESI와 SPEI는 가뭄 시작 시기가 유사하였으며, SPI보다 약 2주 빠르 게 반응하였다. 특히, 가뭄 심화의 지속성과 일시적으로 나타 나는 해갈은 ESI가 SPI, SPEI 보다 뚜렷하게 반응하여 가뭄의 변화에 대한 민감도가 높은 것으로 확인하였다. 이를 통하여 가뭄의 조기 경보와 가뭄 모니터링에 대한 활용 가능성이 높 을 것으로 판단된다. 추출한 ESI의 격자 데이터와 보도 자료 를 통해 가뭄이 가장 극심했던 시기와 지역에 대해 유사하게 나타나는 것을 확인하였고, 가뭄의 심화와 해갈에 대한 ESI 지수 값의 증가와 감소도 유사한 경향이 나타났다. 가뭄 면적 비율은 ESI와 SPEI가 주요 가뭄 시기에 극심한 가뭄 단계를 포함하는 D2 (심한 가뭄)∼D4 (극한 가뭄) 면적비율이 높게 나타났다. ESI는 D4 (극한 가뭄), SPEI는 극심한 가뭄인 D2 (심한 가뭄)∼D3 (극심한 가뭄) 단계에 대한 면적비율이 높았 으며, ESI가 극한의 가뭄을 평가하는 데 있어 활용성이 높을 것으로 사료된다.
본 연구를 통하여 ESI가 가뭄 초기에 대한 반응이 빠르며, 기상학적 가뭄지수보다 가뭄의 즉각적인 반응에 민감하다고 판단하였다. 격자 데이터를 통해 시도 단위의 행정구역까지 가뭄 피해에 대해 나타낼 수 있어 북한 지역 가뭄 판단에 있어 서 좋은 지표로 활용할 수 있을 것으로 판단된다. 다만, 가뭄 단계에 대한 명확한 기준이 없기 때문에 건조와 가뭄 사이의
경계와 극심한 가뭄에 대한 기준의 확립이 필요하다. 또한, 약 5km의 해상도로 인해 논과 밭 등 작물 재배 지역과 소규모 구역에 대한 가뭄을 판단하기에는 낮은 해상도를 가지고 있 다는 단점이 있다. 향후 고해상도를 활용한 ESI 산정, 기존 해상도의 다운스케일링 등 해상도 차원의 문제를 극복하고 ESI의 가뭄 심도 분류에 대한 기준을 확립하면 농업가뭄 평가 에 대한 활용성이 높아질 것으로 기대된다.
감사의 글
본 결과물은 농림축산식품부의 재원으로 농림식품기술기 획평가원의 첨단생산기술개발사업의 지원을 받아 연구되었 음(116117-03-3-SB020). 또한 본 연구는 2018년 농림축산식품 부의 재원으로 농촌기반기술연구사업의 지원을 받아 연구되 었음.
REFERENCES
1. Allen, R. G., L. S. Pereira, D. Raes, and M. Smith, 1998.
Crop evapotranspiration: guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56, Food and Agriculture Organization, Rome.
2. Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. A.
Otkin, and W. P. Kustas, 2007. A climatological study of evapotranspiration and moisture stress across the continental U.S. based on thermal remote sensing: I. model formulation. Journal of Geophysical Research 112:
D10117. doi:10.1029/2006JD007506.
3. Anderson, M. C., C. R. Hain, B. Wardlow, A. Pimstein, J. R. Mecikalski, and W. P. Kustas, 2011. Evaluation of drought indices based on thermal remote sensing of evapotranspiration over the continental United States.
Journal of Climate 24: 2025-2044. doi:10.1175/2010JCLI 3812.1.
4. Anderson, M. C., C. R. Hain, J. A. Otkin, X. Zhan, K.
C. Mo, M. D. Svoboda, B. Wardlow, and A. Pimstein, 2013. An intercomparison of drought indicators based on thermal remote sensing and NLDAS-2 simulations with U.S. drought monitor classifications. Journal of Hydrometeorology 14: 1035-1056. doi:10.1175/JHM-D-12- 0140.1.
5. Anderson, M. C., C. A. Zolin, P. C. Sentelhas, C. R. Hain, K. Semmens, M. T. Yilmaz, F. Gao, J. A. Otkin, and R.
Tetrault, 2016. The evaporative stress index as an indicator of agricultural drought in Brazil: an assessment based on crop yield impacts. Remote Sensing of Environment 174(1):
82-99. doi:10.1016/j.rse.2015.11.034.
6. Bang, N. K., W. H. Nam, E. M. Hong, M. J. Hayes, and M. D. Svoboda, 2018. Assessment of the meteorological characteristics and statistical drought frequency for the extreme 2017 spring drought event across South Korea.
Journal of the Korean Society of Agricultural Engineers 60(4): 37-48 (in Korean). doi:10.5389/KSAE.2018.60.4.
037.
7. California Department of Food and Agriculture (CDFA), 2015. Economic analysis of the 2015 drought for California agriculture. August 17, 2015, CDFA.
8. Food and Agriculture Organization of the United Nations (FAO), 2015. Global Information and Early Warning System, GIEWS Update: The Democratic People’s Republic of Korea – Prolonged dry spell raises serious concerns for 2015 food crop production. June 17, 2015, FAO.
9. Food and Agriculture Organization of the United Nations (FAO), 2017. Global Information and Early Warning System, Prolonged dry weather threatens the 2017 main season food crop production. July 20, 2017, FAO.
10. Harmeling, S., and D. Eckstein, 2013. Global Climate Risk Index 2013 - Who suffers most from extreme weather events? Weater-related loss events in 2011 and 1992 to 2011. Germanwatch.
11. Hayes, M. J., O. V. Wilhelmi, and C. L. Knutson, 2004.
Reducing drought risk: bridging theory and practice.
Natural Hazards Review 5(2): 106-113. doi:10.1061/
(ASCE)1527-6988(2004)5:2(106).
12. Hong, E. M., W. H. Nam, J. Y. Choi, and Y. A. Pachepsky, 2016. Projected irrigation requirements for upland crops using soil moisture model under climate change in South Korea. Agricultural Water Management 165: 163-180. doi:
10.1016/j.agwat.2015.12.003.
13. Jang, M. W., S. H. Yoo, and J. Y. Choi, 2007. Analysis of spring drought using NOAA/AVHRR NDVI for North Korea. Journal of the Korean Society of Agricultural Engineers 49(6): 23-36 (in Korean).
14. Jeoung, J., D. Kim, and M. Choi, 2017. A study on the utilization of geostationary ocean color imager on communication, ocean and meteorological satellite for drought monitoring. Journal of the Korean Society of
Hazard Mitigation 17(3): 69-77 (in Korean). doi:10.9798/
KOSHAM.2017.17.3.69.
15. Kim, B. K., S. D. Kim, J. S. Lee, and H. S. Kim, 2006.
Spatio-temporal characteristics of droughts in Korea:
construction of drought severity-area-duration curves.
Journal of the Korean Society of Civil Engineers 26(1B):
69-78 (in Korean).
16. 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 Korean). doi:10.12652/Ksce.2014.34.4.1117.
17. Kim, J. H., S. H. Lee, and B. S. Kim, 2018. An assessment of past and future dorughts in North Korea using standardized precipitation evapotranspiration index.
Crisisonomy 14(2): 139-151 (in Korean). doi:10.14251/
crisisonomy.2018.14.2.139.
18. Korea Environment Institute (KEI), 2013. A study on constructing a cooperative system for South and North Koreas to counteract climate change on the Korean Peninsula III. Seoul, Korea (in Korean).
19. Korea Meteorological Admnistration (KMA), 2011. 30 years report of meteorological observations in North Korea. Seoul, Korea (in Korean).
20. McKee, T. B., N. J. Doesken, and J. Kliest, 1993. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference of Applied Climatology, 17-22 January, Anaheim, CA. American Meteorological Society, Boston, MA. 179-184.
21. Ministry of Agriculture, Food and Rural Affairs (MAFRA), 2016. 2016 Agricultural insurance yearbook - Part 4. 2015 weather, agricultural disaster and natural disaster management, 122-146. Sejong, Korea (in Korean).
22. Ministry of Unification, 2015. Weekly report on North Korea. May 30 - Jun 5, 2015, Seoul, Korea (in Korean).
23. Ministry of Unification, 2017. Weekly report on North Korea. July 1 - July 7, 2017, Seoul, Korea (in Korean).
24. Nam, W. H., M. J. Hayes, M. D. Svoboda, T. Tadesse, and D. A. Wilhite, 2015a. 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.
25. Nam, W. H., T. Tadesse, B. D. Wardlow, M. W. Jang, and S. Y. Hong, 2015b. Satellite-based hybrid drought assessment using vegetation drought response index in South Korea (VegDRI-SKorea). Journal of the Korean
Society of Agricultural Engineers 57(4): 1-9 (in Korean).
doi:10.5989/KSAE.2015.57.4.001.
26. Nam W. H., E. M. Hong, and G. A. Baigorria, 2016. How climate change has affected the spatio-temporal patterns of precipitation and temperature at various time scales in North Korea. International Journal of Climatology 36:
722-734. doi:10.1002/joc.4378.
27. 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 Engineers 59(4): 65-74 (in Korean). doi:10.5989/KSAE.
2017.59.4.065.
28. 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.
29. Otkin, J. A., M. C. Anderson, C. Hain, I. E. Mladenova, J. B. Basara, and M. Svoboda, 2013. Examining rapid onset drought development using thermal infrared-based evaporative stress index. Journal of Hydrometeorology 14:
1057-1074. doi:10.1175/JHM-D-12-0144.1.
30. Otkin, J. A., M. C. Anderson, C. Hain, and M. Svoboda, 2014. Examining the relationship between drought development and rapid changes in the evaporative stress index. Journal of Hydrometeorology 15: 938-956. doi:
10.1175/JHM-D-13-0110.1.
31. 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 Korean). doi:10.12972/jales.20170019.
32. Stagge, J. H., L. M. Tallaksen, L. Gudmundsson, A. F.
Van Loon, and K. Stahl, 2015. Candidate distributions for climatological drought indices (SPI and SPEI).
International Journal of Climatology 35: 4027-4040.
doi:10.1002/joc.4267.
33. Sur, C. Y., K. J. Kim, W. J. Choi, J. H. Sim, and M. H.
Choi, 2014. Drought assessments using satellite-based drought index in Korea; southern region case in 2013.
Journal of Korean Society of Hazard Mitigation 14(3):
127-131 (in Korean). doi:10.9798/KOSHAM.2014.14.3.
127.
34. 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.
35. Tadesse, T., J. F. Brown, and M. J. Hayes, 2005. A new approach for predicting drought-related vegetation stress:
integrating satellite, climate, and biophysical data over the U.S. central plains. ISPRS Journal of Photogrammetry &
Remote Sensing 59(4): 244-253. doi:10.1016/j.isprsjprs.
2005.02.003.
36. Thornthwaite, C. W., 1948. An approach toward a rational classification of climate. Geographical Review 38(1):
55-94.
37. Vicente-Serrano, S. M., S. Begueria, and J. I. Lopez-
Moreno, 2010. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate 23:
1696-1718. doi:10.1175/2009JCLI2909.1.
38. Wilhite, D. A., M. J. Hayes, C. Knutson, and K. H. Smith, 2000. Planning for drought: moving from crisis to risk management. Journal of the American Water Resources Association 36(4): 697-710.
39. Wilhite, D. A., M. V. K. Sivakumar, and R. Pulwarty, 2014. Managing drought risk in a changing climate: the role of national drought policy. Weather and Climate Extremes 3: 4-13. doi:10.1016/j-wace.2014.01.002.
40. Yoon, D. H., W. H. Nam, H. J. Lee, E. M. Hong, T. G.
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 Engineers 60(6):
121-131 (in Korean). doi:10.5389/KSAE.2018.60.6.121.
