농업가뭄평가를 위한 CMIP5 GCMs의 전망 결과 비교

(1)

05 농업가뭄평가를 위한 CMIP5 GCMs의 전망 결과 비교

유 승 환

Purdue University / Visiting scholar [email protected]

1. 머리말

기후변화는 극한 기상 현상의 빈도, 강도, 공간 범위, 지속기간과 시기 의 변화를 초래하여, 전례가 없는 기상 재해를 야기할 수 있다. 특히 극한 현상은 물, 농업 및 식량 안보, 임업 등과 같이 기후에 민감한 부문에 큰 영향을 미칠 수 있다 (IPCC, 2012). 특히 기온 상승, 강수량 및 강우강도 변화, 증발산량 등의 변화는 물 관리 시스템에 영향을 주고, 이는 장기적 으로 가뭄 발생의 빈도와 크기 등의 양상에도 변화를 야기할 수 있다 (IPCC, 2007). 따라서 기후변화에 대응하기 위해서는 현 상황을 바탕으 로 미래에 발생할 가뭄에 대하여 전망하고, 취약성을 평가하여 이에 대비 하기 위한 다양한 대안 마련이 필요하다. 이를 위해서는 기후변화가 가뭄 에 미치는 영향에 대하여 정확히 파악하고, 이로 인해 발생할 수 있는 부 정적 효과를 최소화하기 위한 연구가 필요하다.

기후변화에 관한 정부 간 기후변화협의체 (Intergovernmental Panel of Climate Change, IPCC)는 1990년 제 1차 평가보고서 발표 이후, 2007년 제 4차 보고서에 이어 2013년 제 5차 평가 보고서 (Fifth Assessment Report, AR5)를 스웨덴 스톡홀름에서 개최된 36차 총회에서 최종 채택 하였다 (IPCC, 2007; IPCC, 2013a; 2013b). AR5에서는 표준 온실가스 시나리오로서 대표농도경로인 RCP (Representative Concentration Pathway) 4종을 활용하였고, 기후변화를 유발하는 인위적 강제력으로 온실가스 배출량뿐만 아니라 에어러솔과 토지사용으로 인한 지면 피복변 화를 고려하였다 (IPCC, 2013a).

(2)

상호비교 사업 (Coupled Model Intercomparison Project Phase 5; CMIP5)을 통하여 공통된 배 출시나리오를 활용한 모델 간 상호비교 연구를 통해 미래 기후변화의 일관된 신호를 찾고 변화 가능 범위를 정량화할 수 있도록 하고 있다 (Taylor et al., 2009; 국립기상연구소, 2009). CMIP5 의 주요 목적은 AR5를 위한 기후변화 이해 증진 및 미래 기후변화 시나리오를 개발하고, 제기되 고 있는 주요 이슈를 밝혀내기 위한 것이다 (백희 정 등, 2011).

기존의 많은 연구들이 하나 또는 소수의 GCM 자료만을 활용하여 미래 기후변화자료를 생성하 여 결과를 도출하는데, 이는 GCM이 가지고 있는 강수량 및 기온 등의 증감 경향에 의존하는 결과 를 얻게 된다. 즉, 하나의 GCM 결과를 이용하는 것은 모형의 편이가 결과에 주요한 영향을 미칠 수 있다. 이러한 한계를 극복하기 위해서는 다양 한 GCM 자료의 경향을 분석하고, 이를 고려하여 GCM을 선정한다면 합리적인 분석결과를 도출할 수 있을 것으로 판단된다.

따라서 본 고에서는 다양한 기후변화에 따른 농업가뭄 평가 연구의 중요인자인 강수량과 증발 산량의 GCM 산출물 경향성을 제시하여 여러 GCM 산출물간의 전망 차이를 파악하고, 농업가 뭄의 기후변화 영향 평가 연구에 있어서 GCM 선 택과 결과 분석을 위한 사전 정보 제공을 목적으 로 한다.

나라 기상청을 포함한 14개국이 참여하고 있으며, 우선적으로 미래기후변화 전망을 산출하기 위한 실험을 집중적으로 추진하고 있다. CMIP5 사업 에서 미래 기후변화 시나리오 산출을 위한 실험 은 제어실험, 과거기후 모의실험, 미래기후변화 전망 실험으로 구성되어 있다. 제어실험은 1860 년 온실가스 농도로 고정하여 500년 이상 적분하 는 실험으로 전지구모델을 안정화시키고 모델의 내부변동성을 이해하기 위한 실험이며, 과거기후 모의실험은 제어실험에서 산출된 대기와 해양의 상태를 초기상태로 하여 2005년까지 관측된 자 연 및 인위 강제력을 이용하여 과거기후를 재현 한다. 미래전망 실험에서는 과거기후 모의실험의 마지막 상태 (2005년)를 초기 조건으로 대표농도 경로 (RCP)에 대하여 미래 기후변화 시나리오를 산출하였다 (Taylor et al., 2009; 국립기상연 구소, 2011).

CMIP 홈페이지(http://cmip-pcmdi.llnl.gov/

cmip5/, 그림 1 참조)에는 CMIP3 및 CMIP5와 관련된 참고문헌, Time-schedule, GCM의 데 이터 제공 방법 등 프로젝트와 관련한 전반적인 정보를 제공하고 있다. CMIP5 기후변화 전망자 료는 ESGF (Earth System Grid Federation) 중 하나인 PCMDI ESGF Data Gateway에서 제 공하고 있다 (그림 2 참조). 다른 ESGF Data Gateway는 BADC, NCAR, NCI, NERSC, ORNL, WDDD 등이 있다.

(3)

그림 1. CMIP5 홈페이지 (http://cmip-pcmdi.llnl.gov/cmip5/)

그림 2. ESGF (Earth System Grid Federation) 홈페이지 (http://pcmdi9.llnl.gov/esgf-web-fe/)

3. General Circulation Model (GCM) 수집 및 상세화 과정

본 고에서는 CMIP5에서 제공하는 과거기간 (historical, 2006-2010), RCP 4.5 및 8.5 시 나리오 (2011-2100)에 대한 25개 GCMs의 41개 산출물 (이하 41 GCMs)을 대상으로 관련 정보를 정리하였다. 표 1에 본 연구에서 수집한 GCM의 모델 이름, 구현번호 (realization number)¹⁾, 기관명, 해상도 및 GCM 산출물별 식별번호 (ID) 를 함께 제시하였다. GCMs별 기상 패턴을 분석 하기 위한 기상변수는 강수량과 증발산량 산정을 위한 기온, 습도, 풍속 및 일사량 관련 인자로 하 였다. 증발산량 산정은 국제식량농업기구에서 1998 년에 추천한 FAO Penman-Monteith 공식을 이용하여 기준작물증발산량을 산정하였다 (Allen et al., 1998).

1) 기후모델은 기본적으로 추계학적 모델로써 동일한 초기조건 하에서도 모의 종류별로 서로 다른 결과를 산출할 수 있다. 이에 따라 CMIP5에서는 동일한 초기조건의 다른 모의 결과를 구분하기 위해 'r1','r2', 'r3'등과 같은 앙상블 번호를 제공한다. 앙상블 번호에 대한 구체적인 설명은 http://cmip-pcmdi.llnl.gov/

cmip5/docs/cmip5_data_reference_syntax.pdf에 수록되어 있다.

(4)

CMCC-CMS²⁾ 1 10 CMCC 96×192 Italy

CNRM-CM5²⁾ 1 11 CNRM-CERFACS 128×256 France

CSIRO-Mk3.6.0¹⁾ 1 12 CSIRO-QCCCE 96×192 Australia

FGOALS-g2¹⁾ 1 13 LASG-IAP

108×128 China

FGOALS-s2¹⁾ 1,2,3 14-16 LASG-CESS

GFDL-ESM2G¹⁾ 1 17

NOAA GFDL 90×144 USA

GFDL-ESM2M¹⁾ 1 18

HadGEM2-CC³⁾ 1 19

MOHC 145×192 UK

HadGEM2-ES³⁾ 1,2,3,4 20-23

INM-CM4¹⁾ 1 24 INM 120×180 Russia

IPSL-CM5A-LR¹⁾ 1,2,3,4 25-28

IPSL

96×96

France

IPSL-CM5A-MR¹⁾ 1 29 143×144

IPSL-CM5B-LR¹⁾ 1 30 96×96

MIROC5¹⁾ 1,2,3 31-33

MIROC

128×256

Japan

MIROC-ESM²⁾ 1 34

64×128

MIROC-ESM-CHEM²⁾ 1 35

MPI-ESM-LR²⁾ 1,2,3 36-38

MPI-M 96×192 Germany

MPI-ESM-MR²⁾ 1 39

MRI-CGCM3²⁾ 1 40 MRI 160×320 Japan

NorESM1-M¹⁾ 1 41 NCC 96×144 Norway

- Source: http://cmip-pcmdi.llnl.gov/cmip5/availability.html

1)calendar: 365 days (without a leap day)

2)calendar: Standard (with a leap day)

3)calendar: 360 days (every month is 30 days)

*“realization” number is used to distinguish among members of an ensemble typically generated by initializing a set of runs with different, but equally realistic, initial conditions.

본 고에서는 Ho et al. (2012)이 제안한 편의 보정 기법에 따른 상세화 과정을 통해 생성된 일 별 최고, 최저, 평균 기온 및 강수량, 상대습도, 풍속, 일사량 등의 미래 기후변화 자료를 살펴보 았다. 편의보정은 현재 기후의 공간패턴이 미래 에는 변화가 없다고 가정하고, 각 GCM에서 제공 하는 기상변수별 historical (1976-2005년) 자 료와 동기간에 관측된 자료와의 통계치 (평균, 표

준편차 등)의 차이를 이용하여 미래 기후변화자 료를 생성하는 방법이다. 본 고에서는 각 도별 대표 지역을 선정하여 춘천, 수원, 청주, 대전, 대구, 전주, 광주, 진주 등 총 8개 지역을 대상지 로 하였다. 이 중 춘천, 수원, 청주, 대전은 중부 지역으로, 대구, 전주, 광주 및 진주 지역은 남부 지역으로 구분하여 기후변화 전망자료를 생성하 였다.

(5)

4. GCM 산출물별 미래 연강수량 전망 및 비교

미래 기후변화에 따른 미래 강수량의 전망 결 과는 GCM에 따라 다르게 나타나며 GCM을 사용 하기 위해서는 먼저 다양한 GCM 산출물들의 강 수량 변화의 범위를 살펴볼 필요가 있다. 관측자 료 (Observed, 1976-2005년)와 41 GCMs별 연 강수량 전망 결과(2011-2100년)의 지역별, 41 GCMs별 분포는 그림 3과 같다. 지역별 차이보다 는 GCMs별 차이를 중점적으로 살펴보면 다음과 같다.

먼저 RCP 4.5 시나리오의 중부 지역의 연강수 량 전망 범위는 다음과 같다.

- 춘천: 최대 1,602.3 mm/yr, 최소 1,273.8 mm/yr, 평균 1,435.5 mm/yr

- 수원: 최대 1,623.9 mm/yr, 최소 1,265.2 mm/yr, 평균 1,435.4 mm/yr

- 청주: 최대 1,549.5 mm/yr, 최소 1,245.3 mm/yr, 평균 1,389.9 mm/yr

- 대전: 최대 1,694.5 mm/yr, 최소 1,367.1 mm/yr, 평균 1,527.5 mm/yr

한편, 남부 지역의 연강수량 전망 범위는 다음 과 같다.

- 대구: 최대 1,422.2 mm/yr, 최소 1,004.1 mm/yr, 평균 1,202.6 mm/yr

- 전주: 최대 1,751.3 mm/yr, 최소 1,260.7 mm/yr, 평균 1,467.1 mm/yr

- 광주: 최대 1,876.1 mm/yr, 최소 1,365.8 mm/yr, 평균 1,558.3 mm/yr

- 진주: 최대 1,980.8 mm/yr, 최소 1,421.9 mm/yr, 평균 1,692.8 mm/yr

최댓값과 최솟값을 전망한 GCM간의 차이는 중부 지역은 304.2 - 358.7 mm/yr이고 남부 지역은 418.1 – 558.9 mm/yr로, 매우 큰 차이가 나고 있음을 알 수 있다.

RCP 8.5 시나리오의 중부 지역의 연강수량 전 망 범위를 살펴보면 다음과 같다.

- 춘천: 최대 1,705.5 mm/yr, 최소 1,283.6 mm/yr, 평균 1,494.8 mm/yr

- 수원: 최대 1,701.9 mm/yr, 최소 1,291.0 mm/yr, 평균 1,495.0 mm/yr

- 청주: 최대 1,642.7 mm/yr, 최소 1,231.7 mm/yr, 평균 1,438.5 mm/yr

- 대전: 최대 1,794.8 mm/yr, 최소 1,347.5 mm/yr, 평균 1,586.5 mm/yr

- 대구: 최대 1,527.4 mm/yr, 최소 995.3 mm/yr, 평균 1,247.5 mm/yr

- 전주: 최대 1,868.2 mm/yr, 최소 1,230.2 mm/yr, 평균 1,521.3 mm/yr

- 광주: 최대 2,004.4 mm/yr, 최소 1,341.8 mm/yr, 평균 1,619.4 mm/yr

- 진주: 최대 2,113.4 mm/yr, 최소 1,401.5 mm/yr, 평균 1,757.9 mm/yr

RCP 8.5 시나리오를 이용하여 최댓값과 최솟 값을 전망한 GCM간의 차이는 중부 지역은 410.9 – 447.3 mm/yr이고 남부 지역은 532.1 – 711.9 mm/yr로, RCP 4.5보다 더 큰 차이를 나타내었다.

시나리오별 중부 및 남부 지역의 평균 연강수 량을 결과를 바탕으로 상위 10% 및 하위 10%의

(6)

그림 3. 41개 GCMs 산출물의 연강수량 전망 결과 (RCP 4.5 및 8.5 시나리오)

FGOALS-s2 (r1, r2, r3)

- RCP 4.5 남부지역, 상위 10%: CanESM2 (r2, r4, r5), IPSL-CM5A-LR (r4)

- RCP 4.5 남부지역, 하위 10%: CMCC-CM, FGOALS-s2 (r3), HadGCM2-CC, INM-CM4 - RCP 8.5 중부지역, 상위 10%: BNU-ESM,

CanESM2 (r1), FGOALS-g2, IPSL-CM5A-LR (r4) - RCP 8.5 중부지역, 하위 10%: BCC-CSM1.1(m),

CMCC-CM, IPSL-CM5B-LR, MIROC-ESM - RCP 8.5 남부지역, 상위 10%: CanESM2 (r2,

r4, r5), IPSL-CM5A-LR (r4)

- RCP 8.5 남부지역, 하위 10%: BCC-CSM1.1(m), CMCC-CM, INM-CM4, IPSL-CM5B-LR

5. GCM 산출물별 미래 연증발산량 전망 및 비교

강수량과 마찬가지로 GCM 산출물별 연증발산 량 전망 결과의 차이를 살펴보기 위해 미래 평균 기온, 상대습도, 일조시간 및 풍속 자료를 바탕으 로 FAO Penman-Monteith 공식을 이용하여 산 정한 기준작물증발산량(ETo)의 결과를 분석하였 다. 과거기간 (Observed, 1976-2005년)의 41 개 GCM별 연 ETo 전망 결과(2011-2100년)를 지역별, GCM별 차이를 살펴볼 수 있도록 ETo의 분포도로 표현하면 그림 4와 같다. 이를 구체적 으로 살펴보면 아래와 같다.

(7)

표 2. 강수량과 증발산량의 경향성 비교

인자 강수량 (mm/yr) ETo (mm/yr)

시나리오 RCP 4.5 RCP 8.5 RCP 4.5 RCP 8.5

지역 중부 남부 중부 남부 중부 남부 중부 남부

최대 1,607.8 1,716.3 1,705.3 1,878.4 946.0 1,033.4 977.0 1,088.0

최소 1,287.9 1,271.4 1,312.9 1,297.1 835.0 921.3 847.1 943.5

평균 1,447.1 1,480.2 1,503.7 1,536.5 886.4 973.7 915.6 1,009.9

표준편차 78.5 103.0 96.1 143.1 27.9 33.5 33.9 43.8

변동계수 (%) 5.4 7.0 6.4 9.3 3.2 3.4 3.7 4.3

그림 4. 41개 GCMs 산출물의 연기준작물증발산량 (ETo) 전망 결과 (RCP 4.5 및 8.5 시나리오)

먼저 RCP 4.5 시나리오의 중부 지역의 연 ETo 전망 범위는 다음과 같다.

- 춘천: 최대 884.6 mm/yr, 최소 789.4 mm/yr, 평균 844.3 mm/yr

- 수원: 최대 931.0 mm/yr, 최소 814.4 mm/yr, 평균 865.7 mm/yr

- 청주: 최대 994.4 mm/yr, 최소 866.8 mm/yr, 평균 923.2 mm/yr

- 대전: 최대 984.0 mm/yr, 최소 854.9 mm/yr, 평균 912.6 mm/yr

- 전주: 최대 963.8 mm/yr, 최소 843.4 mm/yr, 평균 905.0 mm/yr

- 광주: 최대 1,020.7 mm/yr, 최소 920.1 mm/yr, 평균 967.8 mm/yr

- 진주: 최대 974.7 mm/yr, 최소 869.5 mm/yr, 평균 920.0 mm/yr

(8)

망 범위를 살펴보면 다음과 같다.

- 춘천: 최대 925.4 mm/yr, 최소 794.9 mm/yr, 평균 871.5 mm/yr

- 수원: 최대 964.5 mm/yr, 최소 827.0 mm/yr, 평균 894.5 mm/yr

- 청주: 최대 1,030.8 mm/yr, 최소 888.1 mm/yr, 평균 953.8 mm/yr

- 대전: 최대 1,109.2 mm/yr, 최소 878.5 mm/yr, 평균 942.7 mm/yr

- 전주: 최대 1,007.2 mm/yr, 최소 874.7 mm/yr, 평균 937.4 mm/yr

- 광주: 최대 1,073.1 mm/yr, 최소 940.9 mm/yr, 평균 1,004.1 mm/yr

- 진주: 최대 1,024.3 mm/yr, 최소 890.7 mm/yr, 평균 952.4 mm/yr

최댓값과 최솟값을 전망한 GCM간의 차이는 중부 지역은 30.2 – 36.7 mm/yr이고 남부 지역 은 39.4 – 57.4 mm/yr로, 강수량과 마찬가지로 RCP 4.5보다 더 큰 차이를 나타내었다.

시나리오별 중부 및 남부 지역의 평균 연 ETo 결과를 바탕으로 상위 10% 및 하위 10%의 GCM

(r3, r4), INM-CM4, MPI-ESM-LR (r1) - RCP 4.5 남부지역, 상위 10%: CanESM2 (r2),

CSIRO-Mk3.6.0, MIROC5 (r1), MIROC-ESM - RCP 4.5 남부지역, 하위 10%: GFDL-ESM2G,

HadGEM2-ES (r3, r4), INM-CM4

- RCP 8.5 중부지역, 상위 10%: CSIRO-Mk3.6.0, IPSL-CM5A-LR (r1, r2, r3)

- RCP 8.5 중부지역, 하위 10%: HadGEM2-ES (r2, r3, r4), INM-CM4

- RCP 8.5 남부지역, 상위 10%: CanESM2 (r2), CSIRO-Mk3.6.0, MIROC-ESM, MIROC- ESM-CHEM

- RCP 8.5 남부지역, 하위 10%: CMCC-CM, FGOALS-s2 (r2), INM-CM4, MRI-CGCM3

GCM 종류에 따른 강수량과 증발산량의 결과 의 상대적인 차이를 분석하기 위하여 표 2와 같이 중부 및 남부 지역, RCP 4.5 및 8.5 시나리오별 최대, 최소, 평균, 표준편차 및 변동계수를 나타 내었다. 표준편차를 바탕으로 지역 및 시나리오 간의 상대적인 편차를 살펴보면, 강수량의 경우 중부 지역보다는 남부 지역이, RCP 4.5보다는 RCP 8.5 시나리오가 GCMs간의 편차가 큰 것을 알 수 있다. 증발산량도 강수량과 유사한 경향을 보였다.

변동계수를 바탕으로 강수량과 증발산량의 상 대적인 편차를 분석해보면, 강수량 변동계수가 증발산량의 변동계수보다 큰 것으로 나타났는데 이는 강수량이 증발산량보다 GCM간의 편차가

(9)

더 크다는 것을 의미한다. 따라서 증발산량보다 는 강수량이 상대적으로 큰 편차를 나타낼 수 있 기 때문에 농업가뭄의 기후변화 평가 연구에서 GCM 선정 시 강수량 자료의 경향에 대한 충분한 검토가 필요할 것으로 판단된다.

6. 맺음말

농업가뭄의 기후변화 영향 평가에 있어서 어떠 한 기후변화 전망자료를 사용하여 예측하느냐에 상이한 결론이 도출될 수 있다. 즉, 기후변화 연 구에서 가장 중요한 요인인 미래 기상자료의 전 망이 GCM의 종류에 따라서 달라질 수 있으므로 다양한 GCM 전망 자료에 대한 충분한 이해가 선 행되어야 할 것이다. 따라서 합리적인 기후변화 영향 평가를 위해서는 GCM 산출물에 대한 경향 성을 검토한 후, 연구 목적에 맞는 적합한 자료를 선정해야할 것으로 판단된다. 미래 기후전망 자 료의 경우, 동일한 GCM 산출물이라도 상세화기 법에 따라 서로 상이한 결과를 나타낼 수 있기 때 문에 다른 기법을 적용했을 경우 본 고에서 제시 한 전망치와 차이가 있을 수 있다. 하지만 GCM 산출물간의 상대적인 차이는 상세화기법에 따른 영향이 거의 없을 것으로 판단된다. 따라서 본 고 에서 제시한 결과는 향후 농업가뭄을 비롯한 농 업수자원의 기후변화 영향 평가 시 예비 단계에 서 GCM 산출물에 대한 경향을 파악하고, 더 나 아가 합리적인 연구 결과를 위한 GCM 산출물 선 정에 있어서 도움을 줄 수 있을 것으로 기대된다.

또한, 강우강도, 강우일수, 과우일수, 호우일수 및 계절별 강수량 등에 대해서 추가적인 경향성 분석이 이루어진다면 기후변화 영향 평가에 있어 서 보다 합리적인 결과 도출이 가능할 것이다.

참고문헌

1. Allen, R. G., L. S. Pereira, D. Raes, and M. Smith, 1998. Crop Evapotranspiration: Guidelines for Computing Crop Requirements. FAO Irrigation and Drainage. Paper No. 56. Food and Agriculture Organization of the United Nations, Rome, Italy.

2. Ho, C. K., D. B. Stephenson, M. Collins, C. A. T.

Ferro, and S. J. Brown, 2012. A source of additional uncertainty in climate change projections.

Bulletin of the American Meteorological Society 93(1): 21-26.

3. IPCC (Intergovernmental Panel on Climate Change) (2007) Climate Change, 2007: The Physical Science Basis. Contributions of Working Group I to the Fourth Assessment Report of the Inter- governmental Panel on Climate Change. Cam- bridge University Press.

4. IPCC (Intergovernmental Panel on Climate Change) (2012) Managing the risks of extreme events and disasters to advance climate change adaptation.

Cambridge University Press, Cambridge, UK.

5. IPCC (Intergovernmental Panel on Climate Change) (2013a) Summary for Policy makers. In: Climate Change 2013: The Physical Science Basis.

Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press.

6. IPCC (Intergovernmental Panel on Climate Change) (2013b) Technical Report, In: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press.

7. Taylor, K. E., R. J. Stouffer, and G. A. Meehl (2009) A Summary of the CMIP5 Experiment

(10)

(2011) 온실가스 시나리오 RCP에 대한 새로운 기 후변화 시나리오 개발 전략. 한국기후변화학회지.

2(1), 55-67.