Development and Application of CCGIS for the Estimation of Vulnerability Index over Korea
12
0
0
전체 글
(2) 김철희․송창근․홍유덕․유정아․류성현․임광영. 14. climate change adaptation process. In particular, the atmospheric modeling system implemented in CCGIS, which is composed of climate and meteorological numerical model and the atmospheric environmental models, were used as a tool to generate the climate and environmental IPCC SRES (A2, B1, A1B, A1T, A1FI, and A1 scenarios) climate data for the year of 2000, 2020, 2050, and 2100. This article introduces the components of CCGIS and describes its application to the Korean peninsula. Some examples of the CCGIS and its use for both climate change adaptation and estimation of vulnerability index applied to Korean provinces are presented and discussed here. Key words : CCGIS (Climate Change Adaptation Toolkit based on GIS), Vulnerability Index of Climate Change, Climate Change Adaptation. 1. 서론. 되어 있다. 민감도 부문에는 인간정주, 식량 안 보, 보건, 생태계, 수자원 등의 분야로 나뉘었고,. 2007년 기후변화협약 당사국총회(COP13)에서. 적응 능력 부문에는 경제적 능력, 인적 자원, 환. 기후변화 적응에 관한 발리 로드맵이 채택된 이. 경 역량 등으로 요약하였다. Moss et al.(2001). 후 IPCC 등 여러 보고서에서도 기후변화의 영향. 의 연구가 전 세계를 대상으로 국가별 기후 변화. 및 취약성(vulnerability) 평가 그리고 적응(adap-. 취약성을 비교 분석한 것이라면, Brooks et al.. tation)의 중요성이 강조되어 왔다(IPCC, 2001;. (2005)은 국가 수준의 취약성을 구성하는 여러. 2007). 최근 국내에서도 분야별 더욱 다양한 부. 변수들을 종합하여 국가별로 주요한 변수를 추출. 문에 걸쳐 취약성 지수가 보다 심도 있게 고려되. 하려는 목적으로 취약성 연구를 수행하였다. 취. 어야 할 필요가 있음이 계속 제기되고 있으며,. 약성을 구성하는 주요 변수들은 국가 단위에서의. 부문 간 연계성을 고려해 종합적인 협의체의 역. 취약성과 적응 능력의 지수로 제시하였는데, 항. 할과 활용 방안에 대한 고려를 구체화할 필요가. 목별로는 기후 위험과 사회적으로 구성된 취약성. 있음이 제기되고 있다. 기후 변화 취약성(vulne-. 의 함수로 정의하는 개념틀에 근거하고 있다. 반. rability) 개념은 IPCC(2007), UNDP(2005) 등의. 면, Wehbe et al.(2005)은 농업 분야에 국한하여. 개념적 틀을 기초로 국내외 관련 연구들이 시도. 취약성을 평가하는 방법론을 제안하였다. 이 연. 되었다.. 구 역시 기후 변화의 취약성을 민감도와 적응 능. 취약성 지수 연구와 관련된 국외 연구로는. 력의 함수로 보고, 농업 부문에서의 적응 능력은. Moss et al.(2001)에 의해 취약성 지수에 대한 대. 그 시스템의 지속가능성 특성과도 연관이 있다고. 부분의 개념을 가장 구체적으로 도입하였다. Mo-. 보았으며, 민감도는 다른 분야가 아닌 농업 분야. ss et al.(2001)은 취약성의 개념을 생물물리적인. 특유의 대리 변수만을 취급하였다는 점에서 매우. 민감도와 사회경제적인 적응 능력의 함수로 정의. 구체적이다.. 하고, 이를 토대로 취약성 평가를 수행하였다. 이. 국내 연구로는 한국환경정책연구원(2008)에서. 연구에서 사용된 방법론은 취약성-탄력성 지수. Moss et al.(2001)이 제안한 취약성 지수의 개념. 원형 모형(Vulnerability-Resilience Indicator Pro-. 적 틀을 우리나라 지역별 취약성 지수 분포 파악. totype model : VRIP model)으로 불리며, 크게 민. 에 직접 적용하여 처음으로 그 결과를 도출한 것. 감도 부문과 적응 능력 부문의 대리 변수가 나열. 에 많은 의미가 있다. Moss et al.(2001)에서 제.
(3) 한반도 기후변화 취약성 지수 산정을 위한 CCGIS의 개발 및 활용. 15. 시한 15개의 대리 변수를 우리나라 16개 시․도 별로 수집하여 2000년 서울자료를 기준으로 표준 화하였으며, 민감도와 적응 능력 항목에 사용된 대리 변수는 Moss et al.(2001)의 항목을 변형하 여 인간정주와 기반 시설, 경제적 능력, 거버넌 스, 인력자원과 교육, 환경역량 등을 포함한다. Yoo et al.(2010)은 한국환경정책평가연구원(2008) 의 연구 개념을 목포시를 포함한 우리나라 남서. Fig. 1. Categorized variables for estimating climate change vulnerability index defined by IPCC.. 해안가에 적용하여 평균 해수면 상승에 따른 기 후 변화 취약성 지표를 연구한 바 있다. 국내외. 화하는 것은 적응 정책 수립 시 매우 중요하다고. 취약성 관련 연구들은 김철희 등(2011)에 잘 요. 할 수 있다.. 약되어 있다.. 이상의 배경에서 한반도 행정구역별 취약성 지. 따라서 최근까지 국내외 문헌상의 개념을 정의. 수를 효율적으로 쉽게 산출할 수 있는 CCGIS. 하면, 취약성이란 어떤 분야에서 기후변화에 의. (Climate Change adaptation toolkit based on. 해 받는 지속적인 피해에 대해 영향을 받기 쉬운. GIS, 국립환경과학원, 2009; 2010)가 개발되었다.. 정도 또는 기후변화의 악영향에 대하여 시스템이. CCGIS는 국내 및 국외 문헌을 통해 조사를 통하. 대처할 수 없는 정도를 의미하며, 취약성 지수는. 여 Moss et al.(2001), Yoo et al.(2010)이 사용한. 기후 변화에 민감한 정도와 이에 따른 적응 능력 의 정량화로 요약되며, 따라서 Fig. 1에 나타낸 것처럼 기후변화 취약성은 기후 변화 민감도, 기 후노출, 그리고 적응 능력의 세 가지 인자로 구 성된다(Moss et al., 2001; 한국환경정책평가연구 원, 2008; Yoo et al., 2010). 이러한 개념은 매우 복잡하고 직접 산출될 수 있는 인자가 아니라서 이와 연관된 대리 변수(proxy variables)들을 통해 간접적으로 추정된다. 또한, 취약성 지수는 각 국 가 또는 특정 국가 내에서도 지역적 특성에 따라 달라지므로(환경정책평가연구원, 2008; 국립환경 과학원, 2008), 결국 우리나라 특유의 부문별로 취약성을 파악할 수 있는 지수, 즉 기후변화 영. 방법으로 취약성 지수를 3가지 지표들 즉 민감도 지수, 적응능력 지수, 기후노출 지수로 구분하여 (Fig. 1) 각 지표들을 대리 변수(proxy variable)들 로부터 각각 구하여 이를 표준화하여 취약성 지 수를 산정할 수 있도록 구축하였다. 각 대리 변 수들은 우리나라 지자체별 232개 시군구별로 모 든 기후변화 취약성과 연관된 자료들을 수집하고 활용하도록 설계되었다. 특히, CCGIS는 일차적 으로는 향후 기후 변화가 얼마나 진행될 것인가 에 따른 IPCC SRES 시나리오별 미래 기후(2020, 2050, 2100년)의 시군구별 자료를 생산할 수 있 으며, 생산된 미래기후자료와 기타 다양한 기후. 향인자(예: 벼 수확량, 식생이동, 초과사망자수. 변화 적응과 연관된 자료들을 GIS 기반으로 제. 등) 혹은 기후변화 취약성 지표를 선정하여 기후. 공함으로써 각 부문별 기후변화 적응 전문가들이. 변화에 의해 어떻게 영향을 받는지를 연구하여야. 기후변화 예측 결과와 영향 평가를 유용하게 할. 한다. 지역에 맞게 연구된 취약성 지수는 각 분. 수 있도록 구성되었다.. 야별 올바른 기후변화 적응정책을 수립하는데 핵. 본 논문에서는 GIS 기반 개발된 CCGIS를 총. 심적 역할을 수행하므로, 우리나라의 지자체별,. 괄적으로 소개하고 적용한 예를 제시함으로써,. 분야별, 지역별 취약성 분포현황을 파악하여, 그. 현 설계된 CCGIS의 구조와 구성 요소의 특성들. 취약성 정도와 그 공간 분포를 공간적으로 지도. 을 이해하고자 한다. 나아가 개발된 CCGIS를 활.
(4) 16. 김철희․송창근․홍유덕․유정아․류성현․임광영. 용하여 한반도 취약성 파악 및 기후변화 적응과 연관된 모든 대책을 세우는 데 필요한 자료 처리 및 취약성 지수 정량화 효율을 극대화하는데 기 여하고자 한다.. 2. CCGIS의 구성. 2.1 기후 및 대기환경 모델링 시스템(Climate Modeling System) 기후 및 대기환경모델링 시스템은 현재 및 미 래기후 시나리오 자료를 생산하기 위한 구성 요 소로서 기본적으로 기후 모델과 대기환경 모델로 구성되어 있다. IPCC에서 제시한 SRES 7개 시. CCGIS는 현재 뿐만 아니라 미래기후에 대한. 나리오, 즉 A2, B1, A1B, A1T, A1FI, A1 시나. 한반도 기후변화 취약성 지표를 정량화하고, 이. 리오는 2000, 2020, 2050, 2100년에 대해 각각. 를 우리나라 각 지자체에서 기후변화 적응 대책. CCGIS 모델링 시스템에 의해 모두 모의되었다. 에 사용할 수 있도록 지자체별로 자료를 생산 공. (국립환경과학원, 2009).. 급하는 데 제일 큰 목적을 두고 있다. 따라서. CCGIS에서 기후 시나리오 자료를 지역별로 생. CCGIS는 기본적으로 미래 기후가 어떻게 될 것. 산하기 위해서 지구규모 기후모델인 CCSM3(Co-. 인가를 예측한 기후자료와 지자체 사회 지리 정. mmunity Climate Model ver. 3)와 지역 기상모델. 보 등을 모두 이용하여 기후변화 취약성 지표를. 인 MM5(The next generation mesosclae model. 산출하거나, 이와 유사한 기후 변화 적응에 유용. ver. 5)를 연계하였다. 즉, 지구규모 기후모델인. 한 변수들을 계산할 수 있도록 개발하였다. 현. CCSM3 결과를 지역규모 기후모델인 MM5의 입. 개발된 CCGIS는 Fig. 2에서 제시하는 것처럼 크. 력 및 경계 조건으로 사용하기 위하여 역학적 규. 게 3가지 시스템, 즉 기후 모델링 시스템(Climate. 모 축소 (Downsca1ing) tool을 개발하여 사용하였. modeling system), 사회경제지리정보 DB 시스템. 다(국립환경과학원, 2009, 2010). CCGIS에서는. (Socio-economic DB system), 영향평가 및 표출. 개발된 Down-sca1ing tool을 이용하여 6시간 간. 시스템(Assessment and Display system)으로 구. 격의 MM5 입력 자료와 경계 자료가 생성되어. 성되어 있다. 각 시스템에 탑재된 정보들은 모두. 지역별로 미래 기후 자료가 시나리오별로 최종. GIS 기반으로 개발되었으며, 각 시스템별 간략한. 생산되었다(Fig. 3). 보다 자세한 내용은 국립환. 기능과 역할은 다음과 같다.. 경과학원(2009) 보고서에 잘 수록되어 있다. 대기환경모델링시스템 또한 지구규모 대기환경 모델인 GEOS-Chem (Goddard Earth Observing. Fig. 2. Schematic diagram of the three main components and data flow of CCGIS system.. Fig. 3. Sketch of CCGIS modeling system and socio-economic DB system..
(5) 한반도 기후변화 취약성 지수 산정을 위한 CCGIS의 개발 및 활용. 17. Table 1. Model individuals of CCGIS modelig system and their short descriptions GEOS-Chem. CCSM3. RCM(MM5). CMAQ. Scale. Global scale. Global scale. Regional scale. Regional scale. Domain. Global. Global. Northeast Asia. Northeast Asia. Data. Atmospheric Chemistry and environmental variables. Climate, meteorological varriables. Climate, meteorological varriables. Atmospheric Chemistry and environmental variables Vertical: 32 layers 180×160(△x=36 km) for Coarse grid 70×100(△x=12 km) for Fine grid. Resolution. 1° Lat. × 1° Lon. Vertical: > 50 layers. 2.5° Lat. × 2.5° Lon. Vertical: > 50 layers. Vertical: 32 layers 190×70(△x=36 km) for Coarse grid 79×109(△x=12 km) for Fine grid. Data type. Binary Punch Files. netCDF. Gridded Data Set. netCDF. Variables. 54 chemical variables including NOx. 53 metorological variables including GPH. 51 metorological variables including temperature. 65 chemical variables including NOx. System-Chemistry)의 결과를 지역규모 대기환경. CCGIS의 DB는 기본적으로 기후 및 대기환경. 모델인 CMAQ(Community Multiscale Air Qua-. 모델에서 생산된 기후 자료들을 포함하며, 민감. lity model)의 입력 및 경계 조건으로 사용하기. 도 및 적응 능력 지표의 대리 변수들을 지자체별. 위하여 동일한 방법으로 역학적 규모 축소를 위. 로 수집하여 구축한 시스템이다. CCGIS는 개발. 한 linking tool을 개발하여 이용하였다. 각 기후. 의 목적상 기본적으로 취약성 지수를 구하기 위. 및 대기환경 모델의 특성과 구성 요소들은 Table 1에 요약하였다.. 한 여러 자료와 방법론을 구현하는 시스템이므로. 기후 모델을 통해 모의된 동아시아 지역의 미 래기후는 B1 시나리오의 경우, 2000년 대비 2050 년，2100년대에 각각 0.6℃, 1.18℃ 상승하였고, 강수량은 2100년대에 2000년 대비 6% 증가하였 다. A2 시나리오에서는 기온이 각각 1.2℃ 상승 하였고，강수량은 29% 증가하는 결과가 나타났 다(국립환경과학원, 2009). 한반도에 국한하여 볼 때는 2100년에 2000년 대비 B1, A2 시나리오에. 먼저 기후변화와 연관될 것으로 판단되는 분야를 세분하고, 각 분야별 기후변화에 따른 취약성-탄 력성 지수 원형 모형(Vulnerability-Resilience Indicator Prototype model : VRIP model)을 기반으 로 각 분야별로 크게 민감도 부문과 적응 능력 부문의 대리 변수를 수집하였다. 따라서 CCGIS 의 사회경제지리정보 DB 시스템은 기후변화 취 약성 지수 산정과 연관된 지자체별 분야별 취약. 서 각각 기온 1.7℃, 4.4℃ 상승，강수량은 B1. 성 지수를 산정하기 위해 필요한 여러 가지 사회. 11%, A2 25% 상승하는 경향을 보였다.. 경제지리정보로 구성되어 있다(국립환경과학원, 2010).. 2.2 사회경제지리정보 DB 시스템(Socio-Economic DB System). CCGIS에서의 사회경제지리정보 DB에는 우선 기후변화 취약성의 활용 분야를 나누기 위하여 7.
(6) 김철희․송창근․홍유덕․유정아․류성현․임광영. 18. 개로 분야로 세분하였다. 즉, ① 보건, ② 산림,. 래의 계산 방법에 의해 VRI를 계산하여 사용하. ③ 생태계, ④ 농업, ⑤ 물관리, ⑥ 해양․수산,. 였다.. ⑦ 재해로 구분되었고, 각 분야별 우리나라 232 개 시군구를 대상으로 구분하여 사회경제지리정. 평균민감도지수 기후노출지수 적응능력지수 . 보가 구축되었다. CCGIS에 구축된 형태는 민감 도, 기후노출 정도 및 적응 능력으로 그룹화하였. CCGIS 역시 VRI와 동일한 개념으로 기후변화. 고, 이 때 각 항목별 변수들은 16개 분야별로 문. 취약성 지수를 산정하는 데, 단지 CCGIS의 VRI. 헌 조사 및 자문단 등의 의견을 수렴하여 최종. 값은 (+)로 갈수록 취약하다는 개념으로 반대의. 결정하였다. 기타 해당 분야별 필요하다고 판단. 부호로 정의하였다. 그러나 각 항목별 대리 변수. 되는 여러 정보를 추가하여 최종적으로 총 7개의. 에 대한 가중치 문제가 여전히 미결로 남아 있을. 그룹, 즉 1) 민감도 대리 변수, 2) 적응능력 대리. 뿐만 아니라, 표준화 방법별 다른 결과가 나타날. 변수, 3) 기후노출 대리 변수, 4) 인간정주․기반. 수 있어 여러 변수별 민감도 연구와 표준화 방법. 시설 5) 환경역량․배출량 6) 경제․지리 정보. 등을 잘 살펴보아야 한다. 현 CCGIS는 이러한. 7) 기타 분야별 기후변화 적응 관련 정보들로 그. 각 분야별 각 항목별 기후변화 취약성 지수 산정. 룹화하여 DB가 구성되어 있다. 민감도 부문에는. 에 필요한 대리 변수들을 취사선택할 수 있도록. 각 분야별 생산성, 분야 종사 연령 및 인구 등의. 설계되었을 뿐만 아니라, 각 대리 변수들의 가중. 변수가 망라되어 있고, 적응 능력 부문에는 경제. 치 또한 사용자가 선정할 수 있도록 구축되어 있. 적 능력, 인적 자원, 환경 역량 등으로 구축되었. 다.. 다. 이러한 변수들은 필요에 따라 기후변화 취약. CCGIS에서 표출시스템은 기후변화 적응 전문. 성 지수를 산정하는 데 각 변수들의 가중치 혹은. 가가 효율적으로 자료를 관리, 계산하고, 제시할. 적용 유무를 사용자가 결정하도록 설계하였다.. 수 있도록 사용자 중심으로 설계되었다. CCGIS. 각 대리 변수들은 국립환경과학원 연구 보고서에. 의 표출 시스템의 기능을 요약하면, 먼저 각 시. 모두 수록되어 있다(국립환경과학원, 2010).. 나리오별 시계열 연간 트렌드를 분석 및 표출할 수 있고, 월간․일간 자료의 연변화 그래프 표출,. 2.3 영향평가 및 표출 시스템(Assessment and Display System). 기후인자의 빈도수 분석을 위한 히스토그램 표 출, 행정구역 및 기후인자 선택 및 표출할 수 있 도록 설계되었다. 또한, 빈도수 연산에 사용되는. Moss et al.(2001)과 환경정책평가연구원(2008). 기간 유형을 전체기간․계절별․월별로 구분하. 에서 제시한 취약성 지수인 VRI (Vulnerability-. 여 분석할 수 있도록 하였으며, 시나리오와 기간. Resilience Indicator)는 세 단계의 과정, 즉 ① 표. 의 조합으로 하나의 히스토그램 정의하여 여러. 준화 → ② 부호 결정 → ③ 취약성 평가 지수 계. 개의 히스토그램 비교할 수 있도록 설계하였고,. 산으로 진행된다. 이때 표준화란 어떤 대용변수. 과거(평년) 자료의 히스토그램과 비교 보기 기능,. 들을 무차원화 하는 것으로서 서로 단위가 다른. 히스토그램의 빈(bin) 간격 자동․수동 조절 기능. 변수들 간의 연산을 위해서 반드시 필요한 과정. 등 기술적인 측면에서 매우 다양한 기능이 가능. 을 말한다. 각 항목들 즉 민감도 지수, 적응 능력. 하도록 설계되어 있다.. 지수, 기후노출 지수는 여러 가지 관련 대리 변. 이 외에도 행정구역 외 영역(예를 들어 북한,. 수들이 표준화 과정을 통해 무차원화 된다. 세. 해상 등)의 기후인자를 보기 위하여 행정 구역이. 항목이 모두 표준화되면 Moss et al.(2001)은 아. 아닌 모델 격자자료 표출 기능, 격자 자료 레이.
(7) 한반도 기후변화 취약성 지수 산정을 위한 CCGIS의 개발 및 활용. 19. 어를 관리하여 행정구역별 기후인자 맵의 아래 또는 위에 표출, 격자 자료의 등치선을 그리거나, 행정구역 맵 위에서 등치선 색상을 반전하여 구 분할 수 있도록 개발되었다. 또한, 등치선의 색상 스케일을 행정구역 기후인자 맵과 동일한 색상 스케일로 자동맞춤 기능이 가능하며, 지형고도 자료와 함께 보조 자료로 토지피복도 자료 표출, 30 m 분해능을 가진 7종 카테고리 자료 토지피 복 자료 표출 등이 가능하다(국립환경과학원, 2010). 또한, 최근에는 사용자가 수식을 입력하여 새 로운 기후인자를 정의하는 기능을 추가하였으며, 사용자정의 기후인자 관리 창을 통해 새로운 기 후인자 항목을 추가하거나 삭제가 가능하며, 입 력된 수식을 분석하여 기존의 사회지리경제정보, 대기환경 및 기후 자료로부터 연산할 수 있고, 기존의 사회지리경제정보, 대기환경 및 기후 인 자와 동일하게 행정구역 맵 상에 표출하거나 자 료 테이블로 표출하도록 설계하였다. 자세한 내 용은 국립환경과학원 보고서에 잘 수록되어 있다 (국립환경과학원, 2010).. 3. CCGIS의 기후 및 대기환경 모델링 시스템 검증 및 신뢰도. Fig. 4. CCGIS climate model results in comparison with SRES of IPCC AR4. 결과, CCGIS의 모델링 시스템에서 예측한 미래 기후와 IPCC 4차 보고서에 수록된 경향은 매우 유사하게 나타났다. 2100년을 예를 들면 A2 시 나리오의 경우, IPCC 4차 보고서에서는 기온의 온난화를 약 3.8℃로 예측하였으나, CCGIS는 4.2 ℃ 정도로 약 IPCC 4차 보고서 예측보다 약 11 % 높게 모의하였고, 2050년의 경우 약 5% 높게 예측하였다. 그러나 B2 시나리오는 매우 유사하 게 예측하였고, A1B 시나리오는 약 4～5% 정도 의 유사함을 보였다(Fig. 4). 이상의 결과는 전 지구적 관점에서 모델 결과. CCGIS에서 생산한 시나리오별 미래 기후자료. 를 비교한 것으로서, 한반도를 포함한 동아시아. 의 신뢰도 검증은 미래 측정 자료가 없다는 측면. 의 모델 결과를 비교하기 위하여, CCGIS의 기후. 에서 관측 자료와의 비교는 이론적으로 불가능하. 모델 결과와 2000년 여름 및 겨울철 관측된 기온. 다. 다만 본 연구에서는 IPCC 4차 보고서에 나타. 및 강수 자료(재분석 자료)를 서로 비교하였다.. 난 여러 기후 모델의 평균치로 예측된 결과와 본. 그 결과, 2000년 겨울 및 여름철 동아시아 영역. 연구의 CCGIS에서 생산한 각 시나리오별 전 지. 의 평균 기온은 모델 결과에서 1℃ 정도 높게 나. 구적 기온 경향을 비교하여, 간접적인 모델 신뢰. 타났지만, 분포도는 상당히 유사한 것으로 나타. 도 검증을 시도하였다. IPCC 보고서에 나타난. 났다(국립환경과학원, 2009). 다만 해안경계부분. 전 지구적 미래 기후 자료 또한 정확하다고 보기. 에 있어서 지역모델의 지표특성이 반영되어 기온. 는 힘들지만, 두 자료의 비교를 통해 정성적으로. 분포가 세부적으로 나타났으며, 티벳고원 동쪽. 나마 CCGIS의 신뢰도를 추정할 수 있을 것으로. 영역의 고온 지역은 티벳고원에서 열적으로 야기. 판단된다. Fig. 4는 CCGIS 기후 모델링 시스템에. 된 대규모의 연직순환의 모델링 과정 중에 나타. 서 생산한 미래 기온과 IPCC 4차 보고서에 수록. 나는 모델 특성에 기인한 현상으로 볼 수 있으. 된 전지구적 기온의 추세를 비교한 그림이다. 그. 나, 국부적 현상으로 주변지역의 기상분포에 큰.
(8) 김철희․송창근․홍유덕․유정아․류성현․임광영. 20. 매우 유사한 패턴을 보였다(국립환경과학원, 2009).. 영향을 미치지는 않는 것으로 보여진다(그림으 로 제시하지 않음). 강수 패턴 역시 2000년 겨울. GEOS-Chem과 CMAQ의 linking에 따른 C-. 철 동아시아 영역의 평균 강수가 모델 결과와 10. MAQ의 결과 검증 연구도 수행되었다. 서울 지. mm 이내의 오차로 비교적 정확하며, 관측데이터. 역 NAMIS 자료를 영역 평균한 결과와 모델 결. 와 다소 차이는 있으나 강수 발생 위치적 측면에. 과를 비교하였는데, 그 결과 1997년부터 2006년. 있어서는 유사한 분포를 나타내고 있음을 확인할. 까지 NAMIS 서울 27개 관측소에서 관측된 오존. 수 있다.. 자료의 월별 평균값과 같은 기간 동안 CMAQ을. CCGIS의 Downscaling tool의 정량적 검증을. 통해 모의된 그 지역의 모델 결과 비교에서 나타. 위하여 기온에 대해 기상청 AWS 자료(OBS)와. 난 전반적 패턴은 전반적으로 모델의 결과가 관. CCSM3의 2003년 예측치를 경계 및 입력 자료로. 측 자료의 추세를 잘 모의하고 있다(국립환경과. Downscaling한 결과들을 통계적으로 비교하였다.. 학원, 2010). 즉, NAMIS 관측소에서 관측된 결. 서울, 춘천, 부산, 고산 4개 지역의 기상청 AWS. 과, 서울 지역에 봄철에는 고농도의 오존이 겨울. 관측치와 MM5의 결과를 추출하여 비교한 결과,. 철에는 저농도의 오존이 관측되었고, 여름철 또. 4 개 지점 모두 관측과 유사한 평균값과 표준편. 한 낮은 온도가 관측되었는데, 모델 결과 또한. 차(SD)를 보이고 있으며, Normalized Mean Di-. 비슷한 패턴을 나타내었다. 또한, 국립환경과학원. fference값에서도 기존 MM5의 예측과 Downscal-. (2010)은 2001년부터 2005년까지 EANET에서 관. ing tool을 이용한 결과, 모두 유의한 값을 보이. 측된 일본(Hedo)과 한국(Kangwha) 지점별 자료. 고 있다(Table 2). 모델의 예측성을 평가하는 AI. 와 CMAQ의 월평균 오존농도를 이용하여 CCGIS. (Agrement Index) 지수에서도 4 지점 모두 0.8. 의 대기환경 모델링 시스템의 대기질 예측능력을. 이상의 높은 예측성을 보이고 있다. RMSE, Co-. 평가한 결과, 상관 관계가 각각 0.86과 0.81으로. rrlation 모두 CCSM3 자료를 Downscaling tool을. 유의한 수준을 보였으며, 전반적으로 모델의 결. 이용하여 MM5에 적용한 결과, 매우 좋은 결과를. 과가 관측 자료의 추세를 어느 정도 잘 모의하고 있음을 나타내었다(국립환경과학원, 2010).. 보이고 있고, 상관성(Correlation Coefficient) 역 시 0.9 수준의 결과를 확인할 수 있다. 여름철과. 4. CCGIS의 적용의 예. 겨울철의 강수량 패턴 역시 동 아시아 영역 및 한반도 지역에 대해 기존 관측을 이용한 결과와. CCGIS의 표출 시스템의 예로 Fig. 5에 IPCC. Table 2. Summary of climate model verification against measurement of 4 observation sites in 2003 Seoul. Chuncheon. Busan. Gosan. OBS: Mean (SD) (unit=℃). 12.86. 11.34. 14.34. 15.32. CCGIS : Mean (SD) (unit=℃). 9.04. 10.11. 7.44. 7.18. Normalized Mean Difference (NMD). 0.29. — 0.04. —0.23. —0.16. Agreement Index (AI). 0.91. 0.83. 0.71. 0.86. Mean Standard Error (MSE). 30.03. 40.33. 41.05. 21.86. Root Mean Square Error (RMSE). 5.48. 6.35. 6.40. 4.67. Correlation Coefficient (r). 0.91. 0.81. 0.69. 0.84.
(9) 한반도 기후변화 취약성 지수 산정을 위한 CCGIS의 개발 및 활용. 21. SRES 시나리오 중에서 A2와 B1 시나리오의. 나리오별 크지 않은 반면, 2100년에는 A2 시나. 2000, 2020, 2050, 2100년의 한반도 기온의 공간. 리오의 경우 한반도 전역이 12.5℃ 이상의 승온. 분포를 표출하였다. 그 결과, 232 시군구 영역. 현상이 나타났음을 확인할 수 있다.. 에 기온의 공간 분포를 알 수 있으며, 특히 2020. CCGIS의 또 다른 기능은 선별적으로 사용자. ～ 2050년 기간의 한반도 기온의 차이가 두 시. 가 특정 변수를 제외하거나, 추가하여 연산할 수. ( A2Scenar i o). ( B1Scenar i o). 있는데, 예를 들어 기후변화 취약성 지수 계산 시 필요한 기후노출, 민감도, 적응능력 항목의 각 대리 변수들을 사용자가 임의로 선별하거나 가중 치를 부여하여 계산할 수 있다. 본 연구에서는 CCGIS에 기본적으로 열거된 대리 변수들을 취사 선택하지 않고 가중치 없이 시험적으로 적용한 후, 기후노출 항목의 일부 대리 변수들을 소거하 여 재계산한 취약성 지수 결과를 비교해 보았다. 이는 각 변수의 기여하는 정도를 알 수 있는 연 구가 될 수 있다. 그 예로 우선 분야를 농업축산 분야를 선택하 고 CCGIS에 탑재된(민감도) 대리 변수로서 ① 5 m 이하 저지대 면적, ② 총 인구 중 농작 인구, ③ 총 인구 중 축산 종사 인구, ④ 5 m 이하 저 지대 가구, ⑤ 지역당 곡물 생산량, ⑥ 면적 당 축산물 생산량, ⑦ 국토이용면적 중 제방사용 면 적율을 선택하고, (적응능력) 대리 변수로 ① GDP, ② 단위면적당 SO2 배출량, ③ 재정자립도, ④ (1차+2차 산업)/(1+2+3차 산업), ⑤ 인구밀도, ⑥ 인구당 공무원 수, ⑦ 교육지출, ⑧ 관리되지 않 는 토지율, ⑨ 성인문자 해독률, ⑩ 취학률을 선 택하고, (기후노출) 항목에서는 ① 연속적인 무강 수일의 최대값, ②일 최대 강수량, ③ 일강수량 이 80 mm 이상인 날 평균, ④ 일 강수량이 80 mm 이상인 날의 최고값, ⑤ 일최고기온이 33도 이상인 날의 횟수(평균), ⑥ 일최고기온이 33도 이상인 날의 횟수(최고값), ⑦ 일최저기온이 25도 이상인 날의 횟수(평균), ⑧ 일최저기온이 25도. Fig. 5. An example of CCGIS display system, showing horizontal distributions of temperature over Korean peninsula for the year of 2010, 2020, 2050, and 2100 for A2(left panel) and B1 scenarios(right panel) of IPCC SRES.. 이상인 날의 횟수(최고값), ⑨ 일최고기온(℃)(연 평균), ⑩ 영하일수(연평균), ⑪ 시간 최대풍속 (14 m/s) 이상 있는 날의 횟수(연평균), ⑫ 실효 습도 35% 이하인 날의 평균, ⑬ 시간 오존 농도 100 ppb 이상인 날의 횟수(연평균), ⑭ 8시간 누.
(10) 22. 김철희․송창근․홍유덕․유정아․류성현․임광영. 적 오존 농도 60 ppb/8 hr 이상이 존재하는 날의 3. 횟수(연평균), ⑮ 시간 미세먼지 농도 100 μg/m. 이상이 존재하는 날의 횟수(연평균)를 가중치 없 이 선택하였다. 이후 전체 대용변수를 모두 사용 하여 계산한 취약성 지표와 전체 대용변수에서 각각 강수 관련 대용 변수(기후노출변수 중 ①～ ④), 온도와 관련된 대용변수(기후노출변수 중 ⑤ ～⑩), 풍속관련 대용변수(기후노출변수 중 ⑪),. 대기환경인자(기후노출변수 중 ⑬～⑮)를 차례로 제외하고 계산한 취약성 지표들을 비교하여 각 대용변수들의 상대적인 중요성과 각 지역별 분포 를 파악하여 보았다. Fig. 6은 농업․축산업 분야의 위에서 구분한 대용변수들에 대한 취약성 지표들의 수평 분포이 다. Fig. 6(a)는 전체 대용 변수를 모두 사용하여 구한 취약성 지수이고, Fig. 6(b)는 기후노출 대 용변수들 중 대기환경인자만 제외한 경우, Fig. 6(c)는 강수인자만 제외한 경우, Fig. 6(d)는 풍속 인자만 제외한 경우, Fig. 6(e)는 온도인자 만을 각 각 제외하고 계산한 한반도 기후변화 취약성 지 수들이다. 그림에서 알 수 있듯이 기후노출 변수 중 온도와 관련한 대용변수가 가장 취약성 분포 에 가장 민감하게 기여하였으며, 그 다음으로 강 수와 연관된 변수가 취약성 계산에 민감하게 작 용하였음을 알 수 있다. 지역적으로는 전라북도, 강원 북부 및 남부, 경상북도 지역에서 기온 관 련 대용변수가 취약성 지수에 크게 기여하였음을 알 수 있고(Fig. 6), 강수 관련 대용 변수는 강원. Fig. 6. An example of CCGIS display system, showing horizontal distributions vulnerability index estimated from (a) all of peroxy variables, and excluding proxy variables relevant to (b) atmospheric environmental variables, (c) precipitation, (d) wind speed, and (e) temperature over Korean peninsula for the area of agriculture/animal husbandry.. 북부 지역에서 크게 기여한 것으로 나타났으나, 기 온의 민감도보다는 크지 않았고, 대기오염도와 연. 는 것으로 사용하였다. 그 결과, 역시 대용변수들. 관된 대기환경인자는 취약성 지수 계산에서 상대적. 중 온도와 관련한 대용변수를 제외하고 계산한. 으로 덜 중요한 인자임을 간접적으로 알 수 있다.. 취약성 분포가 가장 민감하게 나타났다. 지역적. Fig. 7은 동일한 방법으로 원예․산림 분야의. 으로는 전라북도, 대전광역시 및 광주광역시, 강. 경우에 적용한 예이다. CCGIS에서 원예․산림. 원북부 지역과 경상남도 남부 지역에서 기온의. 분야를 선택한 후, 기후노출과 적응 능력 대용변. 민감도가 상대적으로 높았고, 강수의 민감도는. 수는 농업 축산 분야와 동일하게 선택하고, 민감. 전라북도 해안 지역, 강원 해안 지역 및 경상남. 도 대용변수 또한 CCGIS에서 기본적으로 제시하. 도 지역에서 차이를 보였다(Fig. 7). 환경인자의.
(11) 한반도 기후변화 취약성 지수 산정을 위한 CCGIS의 개발 및 활용. 23. 의 의견과 추가적인 연구가 요구되며, 이러한 과 정에서도 현 개발된 CCGIS가 보다 효율적인 자 료 접근과 관련 연구를 수행하는 데 중요한 도구 로 사용될 수 있을 것으로 판단된다. 아울러 미 래 기후 시나리오에 따른 기후변화 취약성 지수 (예를 들어 IPCC SRES 시나리오별 취약성 지수 연구)의 시간에 따른 변동성 연구 등 다양한 분 석적 연구에도 현 개발된 CCGIS가 유용하게 사 용될 수 있을 것으로 사료된다.. 5. 요약 및 결론 기후 변화 적응에 관한 이슈는 우리나라 지자 체별로 현재 누가 얼마만큼 취약한지에 대한 정 보와 필연적으로 연계되는 개념이다. 한반도 기 후변화 적응 연구와 연관된 반도 행정구역별 취약 성 지수를 연구하기 위하여 CCGIS(Climate Change adaptation toolkit based on GIS가 개발되었 다. CCGIS는 국내 및 국외 문헌을 통해 조사를 통하여 Moss et al.(2001), Yoo et al.(2010)이 사 용한 방법으로 취약성 지수를 3가지 지표들, 즉 민감도 지수, 적응능력 지수, 기후노출 지수로 구 Fig. 7. Same as Fig. 5 except for the area of horticulture and forest.. 분하여 각 지표들을 대리 변수(proxy variable)들 로부터 취약성 지수를 산정할 수 있도록 구축하 였다. 본 연구에서는 개발된 CCGIS의 구성 요소. 경우 충부 지역과 전라북도 해안 지역에서 약간 의 차이를 보였음을 알 수 있다.. 와 특성을 자세히 살펴보았다. CCGIS는 기후 모델링 시스템(Climate model-. 이상의 결과는 CCGIS의 활용 측면에서 분석. ing system)을 통해 IPCC SRES 시나리오별 미래. 한 내용이므로 실제 정확한 취약성 지수를 산정. 기후(2020, 2050, 2100년)의 시군구별 자료를 생. 한 결과와는 많은 차이가 존재할 것으로 판단된. 산하며, 생산된 기후 자료와 사회경제지리 정보. 다. 따라서 보다 합리적인 기후변화 취약성 지수. 자료를 통해 기후변화 취약성 지수를 산정할 수. 를 산출하기 위해서는 각 분야 혹은 각 지역별로. 있고, 기술적으로 GIS 기반으로 그 결과를 표출. 각 항목별 대용 변수의 취사 선택 여부, 그리고. 할 수 있다. 따라서 각 분야별 기후변화 적응 전. 선정된 각 대리 변수들의 가중치 부여 등 여러. 문가들이 쉽게 취약성 지수 산출이나 영향평가. 과정에서 오차를 줄일 필요가 있으며, 그 과정에. 등을 수행할 수 있어서 현 개발된 CCGIS를 통해. 서 도출된 결과 또한 각 대용 변수의 가중치 등. 보다 수준 높은 기후변화 적응 대책을 수립할 수. 과 맞물려 상당한 오차가 발생할 수 있으므로 각. 있을 것으로 판단된다. 아울러 기후 변화에 취약. 분야의 취약성 지수 산정에 대한 분야별 전문가. 한 지역과 각 분야별 전문가들의 사회과학적 견.
(12) 김철희․송창근․홍유덕․유정아․류성현․임광영. 24. 해와 이를 통계적으로 검증하여 반영하는 통계분. adaptive capacity at the national level and the. 석적 연구가 현 개발된 CCGIS의 활용성과 병행. implications for adaptation, Global Environ-. 한다면 보다 체계적이고 과학적인 기후 변화 취. mental Change, 15, 151-163. IPCC, 2001, Climate Change 2001: Impacts, Adap-. 약성 지수 연구가 수행될 수 있을 것으로 기대된. tation, and Vulnerability. Third Assessment. 다.. Report, Cambridge University Press, Cambrid-. 감사의 글. ge, UK, 75-451. IPCC, 2007, Climate Change 2007: Impacts, Adap-. 본 논문은 국립환경과학원 연구사업인 "GIS. tation, and Vulnerability. Fourth Assessment. 및 WEB기반 기후변화 취약성 파악 및 분석기법. Report, Cambridge University Press, Cambrid-. 개발 (Ⅰ), (Ⅱ)"에 의해 수행되었습니다. 연구사. ge, UK, 719-737.. 업에 참여해 주신 여러 연구진과 논문 심사를 해 주신 분께 감사드립니다.. Moss, R. H., A. L. Brenkert, and E. L. Malone, 2001, Vulnerability to climate change: A quantitative approach. Prepared for the U.S. De-. 참고문헌. partment of Energy. UNDP, 2005, Adaptation Policy Frameworks for. 국립환경과학원, 2008, 지자체 기후변화 취약성. Climate Change: Developing Strategies, polici-. 현황에 기초한 적응대책 수립 가이드라인 개. es, and measures. Cambridge University Pre-. 발, 국립환경과학원 연구과제 최종보고서.. ss, USA, 29-205.. 국립환경과학원, 2009, 기후 및 대기환경 통합시. Wehbe, M. B., R. A. Seiler, M. R. Vinocur, H.. 스템 구축 및 운영(Ⅱ), 국립환경과학원 연구. Eakin, C. Santos, and H. M. Civitaresi, 2005,. 과제 최종보고서, 63 pp.. Social methods for assessing agricultural pro-. 국립환경과학원, 2010, GIS 및 WEB 기반 기후. ducer's vulnerability to climate variability and. 변화 취약성 파악 및 분석 기법 개발 (Ⅱ), 국. change based on the notion of substantiality,. 립환경과학원 연구과제 최종보고서, 91 pp.. Assessments of Impacts and Adaptations of. 김철희, 김은화, 송창근, 홍유덕, 유정아, 홍성철, 2011, 한반도 기후 변화 적응을 위한 취약성 지수 산정에 관한 고찰, 한국환경과학회지, 20 권 6호, 789-798. 한국환경정책평가연구원, 2008, 기후변화 취약성 평가지표의 개발 및 도입 방안. Brooks, N., W. N. Adger, and P. M. Kelly, 2005, The determinants of vulnerability and. Climate Change Working Papers. Yoo, G. -Y., S. -W. Park, D. -K. Chung, H. -J. Kang, and J. -H. Hwang, 2010, Development and application of a methodology for climate change vulnerability assessment-Sea level rise impact on a coastal city, Environmental Policy Research, 9(2), 185-205..
(13)
수치
+4
관련 문서
