다중 위성영상 기반 강우자료를 활용한 동아시아 지역의 기상학적 가뭄지수 비교 분석
Evaluation and Comparison of Meteorological Drought Index using Multi-satellite Based Precipitation Products in East Asia
문영식a⋅남원호b,†⋅김태곤c⋅홍은미d⋅서찬양e
Mun, Young-Sik⋅Nam, Won-Ho⋅Kim, Taegon⋅Hong, Eun-Mi⋅Sur, Chanyang
ABSTRACT
East Asia, which includes China, Japan, Korea, and Mongolia, is highly impacted by hydroclimate extremes such drought, flood, and typhoon recent year. In 2017, more than 18.5 million hectares of crops have been damaged in China, and Korea has suffered economic losses as a result of severe drought. Satellite-derived rainfall products are becoming more accurate as space and time resolution become increasingly higher, and provide an alternative means of estimating ground-based rainfall. In this study, we verified the availability of rainfall products by comparing widely used satellite images such as Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Global Precipitation Climatology Centre (GPCC), and Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR) with ground stations in East Asia. Also, the satellite-based rainfall products were used to calculate the Standardized Precipitation Index (SPI). The temporal resolution is based on monthly images and compared with the past 30 years data from 1989 to 2018. The comparison between rainfall data based on each satellite image products and the data from weather station-based weather data was shown by the coefficient of determination and showed more than 0.9. Each satellite-based rainfall data was used for each grid and applied to East Asia and South Korea. As a result of SPI analysis, the RMSE values of CHIRPS were 0.57, 0.53 and 0.47, and the MAE values of 0.46, 0.43 and 0.37 were better than other satellite products. This satellite-derived rainfall estimates offers important advantages in terms of spatial coverage, timeliness and cost efficiency compared to analysis for drought assessment with ground stations.
Keywords: Satellite image; precipitation; meteorological drought; Standardized Precipitation Index (SPI); East Asia; CHIRPS
Ⅰ. 서 론
가뭄은 홍수 재해와 더불어 전 세계적으로 발생하는 기상 재해 중 하나이며, 매년 피해 규모가 증가하고 있는 추세이다 (Trenberth et al., 2004). 특히 가뭄은 다른 재해와 달리 진행
속도가 느리고, 명확한 시작과 끝을 알 수 없으며, 진행 방향 을 예측하기 힘들기 때문에 가뭄을 정량적으로 평가하는 것 은 어렵다 (Hayes et al., 2004; Kim et al., 2015; Jiao et al., 2016; Yun et al., 2018). 이를 위해 전 세계적으로 다양한 가뭄 지수 (drought index)들을 개발하여 가뭄을 정량적으로 분석하 고 있다. 가뭄은 발생특성 및 발생시점에 따라 다양하게 정의 하며, 그 중 발생시점이 가장 빠른 가뭄을 기상학적 가뭄이라 고 정의한다 (Wilhite et al., 2007; Hayes et al., 2011; Nam et al., 2015). 기상학적 가뭄은 단기간의 강수부족으로 발생 하는 가뭄을 나타내며, 분석에 사용되는 가뭄지수들은 대부 분 강수자료를 토대로 산정된다. 기상학적 가뭄을 분석하기 위한 대표적인 가뭄지수들은 강수량 및 토양수분량을 활용 하는 팔머가뭄지수 (Palmer Drought Severity Index, PDSI), 강수자료의 확률분포로부터 지수를 산출하는 표준강수지수 (Standardized Precipitation Index, SPI), 강수 및 기온의 변동성 이 포함된 표준강수증발산지수 (Standardized Precipitation Evapotranspiration Index, SPEI) 등이 있다 (Nam et al., 2017;
Lee et al., 2019). 국내의 경우, Kwak et al. (2013)은 SPI에 따른 가뭄기간과 심도를 정의하고, 코플라 (copula) 이론을 이
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, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea
c Researcher Associate, Department of Bioproducts and Biosystems Engineering, University of Minnesota, St. Paul, MN, USA
d Assistant Professor, School of Natural Resources and Environmental Science, Kangwon National University, Chuncheon, Republic of Korea
e Visiting Research Scholar, Earth System Science Interdisciplinary Center, University of Maryland, College Park, MD, USA
† Corresponding author
Tel.: +82-31-670-5137, Fax: +82-31-670-5139 E-mail: [email protected]
Received: November 04, 2019 Revised: December 19, 2019 Accepted: December 19, 2019
용하여 두 가뭄변수의 결합확률분포를 유도하였다. Park (2017)은 3개월 SPI 및 12개월 SPI를 활용해 남한 지역의 발생 한 가뭄을 진단하고, 표준강수지수의 단점을 보완하기 위한 가뭄지수인 PDSI를 이용하여 가뭄 발생 시기 및 가뭄심도, 유효 주기를 분석하는 연구를 수행하였다.
본 연구에서 사용한 SPI는 강수량의 특성을 이용하여 가뭄지 수를 산정하는 방법으로 세계기상기구 (World Meteorological Organization, WMO)에 의해 기상학적 가뭄 모니터링을 위한 대표적인 가뭄지수로 선정되었다 (WMO, 2014). SPI 산정 시 필요한 강수자료는 주로 지상에서는 기상관측소나 레이더를 통해 수집되며, 강우계를 활용한 직접관측이 가장 정확한 것 으로 알려져있다 (Arkin and Xie, 1994; Qin et al., 2014). 하지 만 이러한 지상의 기상관측소를 활용한 강수량 자료는 관측 이 누락되거나 관측지점이 없는 미계측 지역이 존재하는 한 계를 가지고 있다 (Nam et al., 2018; Mun et al., 2019). 이에 국내외에서 주기적이고 동일한 정확도의 자료 획득이 가능한 인공위성 기반의 강수자료를 활용하고 있다. Shukla et al.
(2014)는 동아프리카 지역에 CHIRPS (Climate Hazards Group InfraRed Precipitation with Stations)를 사용하여 농작물 재배 철의 토양수분예측을 평가하였으며, Jang et al. (2017)은 GPM IMERG (Integrated Multi-satellitE Retrievals for GPM) 강수자료를 지상관측 및 레이더로 추정된 강수자료와 비교 하여 한반도를 대상으로 SPI 적용성을 평가하였다. 또한 Lee and Lee (2018)은 위성강수자료가 남한 및 동아시아 지역을 대상으로 정확도를 검증하였으며, GPM (Global Precipitation Measurement) 강수자료와 CHORPH (Climate Prediction Center Morphing Method) 등의 강수자료를 비교하였다.
Alijanian et al. (2019)는 MSWEP (Multi-Source Weighted-
Ensemble Precipitation)등 다양한 위성영상 강수자료를 활용 하여 가뭄지수를 산정하고 이란의 시공간 가뭄 평가를 실시 하였다. 이러한 국내외에서 강수위성영상을 활용한 다양한 연구가 진행되고 있지만, 위성영상 기반의 가뭄지수 산정 시 연구대상지역이 협소하고, 분석기간이 짧은 등 한계점을 나 타내었다.
따라서, 본 연구에서는 CHIRPS, PERSIANN-CDR (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Climate Data Record), GPCC (Global Precipitation Climatology Centre) 위성영상 기반 강수자료를 활용하였으며, 기존 단일 위성영상의 검증이 아닌 각각 다른 공간해상도의 위성기반 영상을 비교 검증하고자 한다. 또한 남한지역을 대 상으로 남한의 지상 기상관측소 강수자료와의 비교를 통해 위성영상 기반 SPI의 적용 가능성을 검증하고, 동아시아 지역 을 대상으로 SPI를 산정하고자 한다.
Ⅱ. 재료 및 방법 1. 연구 자료 구축 가. 연구대상지역
본 연구에서는 CHIRPS, PERSIANN-CDR, GPCC의 위성 영상기반 강수자료를 활용한 SPI와 지상 기상관측소 자료를 활용한 SPI의 비교 분석을 통해 가뭄 분석 및 검증을 수행하 였다. 연구대상지역 동아시아 지역은 대표적으로 남한 (South Korea), 북한 (North Korea), 중국 (China), 일본 (Japan), 몽골 (Mongolia)을 포함하고 위도 20°-50°N 경도 70°-145°E에 위치 하며, 남한의 경우 위도 33°-43°N 경도 124°-132°E에 위치하
Fig. 1 Spatial distribution of the ASOS weather stations from KMA in South Korea
고 있다. 분석 기간은 1989년부터 2018년까지 분석하였으며, 남한지역을 대상으로 과거 가뭄보고서 및 기록을 바탕으로 가뭄이 발생한 1994년, 2014년, 2017년 등을 중심으로 기상 학적 가뭄을 검증하였다. 남한 지역의 기상관측소 강수자료 는 결측기간이 있는 지역을 제외하였으며, Fig. 1과 같이 도 서지역을 제외한 1981년부터 2018년까지 기상청 (Korea Meteorological Administration, KMA)에서 운영 중인 종관기 상관측장비 (Automated Surface Observing System, ASOS) 56 개 기상관측소 월별 강수자료를 수집하여 사용하였다.
나. 위성영상기반 강수자료
CHIRPS v2.0 위성영상자료는 미국국제개발기구 (United States Agency for International Development, USAID), 미국항 공우주국 (National Aeronautics and Space Administration, NASA) 및 국립해양대기관리국 (National Oceanic and Atmospheric Administration, NOAA)의 지원을 받아 미국지질조사국 (United States Geological Survey, USGS)에서 기술을 개발하였다. 격 자를 생성하기 위해 다양한 보간 방법을 사용하였는데 그 중 CHIRPS는 강수기후학 (The Climate Hazards Center’s Precipitation Climatology, CHPClim), 정지 궤도 (Geostationary, GEO) 위성의 적외선 센서, TRMM (Tropical Rainfall Measuring Mission) 및 지상관측자료를 병합하여 생성한다. CHPClim과 적외선 센서를 통해 격자 및 기초 기반을 정립하고 TRMM 자료와 기상관측소자료를 활용하여 보정함으로써 CHIRPS 자료를 생성한다. 초기 연구에서는 지형별 강수 모델과 보간 된 관측소 강수량을 결합하는데 중점을 두었으며, 최근에는 전지구단위 격자 기반 고해상도 5 km × 5 km (0.05°) 격자형 강수량 자료를 구축하였다 (Funk and Michaelsen, 2004). 1981 년부터 현재까지 전 지구 (50°N-50°S) 강수 자료를 고해상도
(0.05°)로 제공하고 있으며, CHIRPS의 해상도는 다른 위성영 상 기반 강수자료 보다 높기 때문에, 유역단위의 강수량 추세 분석 및 모니터링에 유리하다는 장점을 갖고 있다 (Funk et al., 2014).
PERSIANN-CDR 자료는 기후변화 및 이상 기후로 인한 일 강수량과 극한 강수 관련된 재해의 변화와 추세를 연구하기 위하여 개발되었다. UCI (University of California, Irvine)의 기 상 및 원격감지센터 CHRS (The Center for Hydrometeorology and Remote Sensing)에서 자료를 제공하고 있으며, 현재 1983 년부터 북위 60도에서 남위 60도까지 일강수량 추정치를 24 km × 24 km (0.25°) 격자 크기로 제공하고 있다. PERSIANN- CDR은 GridSatellite-B1 적외선센서를 사용하여 시간당 강수량 을 산출하고, 기후분야에서 활용되는 GPCP (Global Precipitation Climatology Project) 자료를 보간하여 생성한다 (Novella and Thiaw, 2013; Diem et al., 2014).
GPCC v6 자료는 독일국립기상청 (Deutscher Wetterdienst, DWD) 산하 GPCC (Global Precipitation Climatology Centre) 에서 개발되었다 (Schneider et al., 2016). 9,000개의 관측소 기반 품질 관리 월별 데이터를 기반으로 제공하며, DWD는 지점 자료에서 그리드 면적 평균을 계산하기 위해 불규칙하 게 분포된 관측소 자료를 보간 하였다. 격자점까지의 거리, 관측소의 방향 분포 및 격자점 환경에서의 데이터 구배 (gradient)를 고려한 후 면적 평균 강수량을 격자의 산술 평균 으로 계산하였다. GPCC v6은 1982년부터 자료를 제공하며, 1.0°, 2.5°의 공간해상도를 갖는다. 본 연구에서는 94 km × 94 km (1.0°)의 공간해상도 자료를 사용하였다.
Table 1은 전 세계적으로 활용되고 있는 위성영상 기반 의 강수자료를 비교한 결과이며, 본 연구에서는 공간해 상도가 높고 30년 이상의 자료를 구축하고 있는 CHIRPS,
Product Spatial resolution Temporal resolution Temporal coverage Provider
CHIRPS v2.0 0.05° (≒5 km) Daily 1981-present CHG1)
PERSIANN-CDR 0.25° (≒24 km) Daily 1983-present UCI2)
GPCC v6 1.0° (≒94 km) Monthly 1982-present DWD3)
GPCP v2.2 2.5° (≒230 km) Monthly 1987-present WCRP4) (GEWEX)5)
RFE 2.0 0.1° (≒10 km) Hourly 2001-present NOAA6) (CPC)7)
CHORPH 0.25° (≒24 km) 3 Hourly 2003-present NOAA (CPC)
1) CHG: Climate Hazards Group’s
2) UCI (University of California, Irvine
3) DWD: Deutscher Wetterdienst (National Meteorological Service of Germany)
4) WCRP: World Climate Research Program
5) GEWEX: Global Water and Energy Experiment
6) NOAA: National Oceanic and Atmospheric Administration
7) CPC: Climate Prediction Center
Table 1 Summary of the global satellite-assisted precipitation products
PERSIANN-CDR, GPCC 강수위성영상의 비교를 통해 동 아시아와 남한지역의 강수량 및 기상학적 가뭄을 분석하 였다.
2. 연구 방법
가. 격자별 강수자료 추출 및 기상학적 가뭄지수 산정 가뭄은 강수량의 부족 및 연속 무강우일수에 의해 발생하 는 가뭄을 기상학적 가뭄으로 정의한다. 본 연구에서는 다양 한 기상학적 가뭄지수 중 강수량과 기상자료의 특성을 이용 하여 산정하는 가뭄지수인 SPI를 활용하였다. SPI는 강수의 부족이 지하수, 토양수분에 영향을 미친다는데 착안하여 Mckee et al. (1993)에 의해 개발되었다. SPI를 산정하기 위해 서는 특정 시간에 대한 누가강수시계열을 구성하고 누가된 월수로 나누어 이동 평균 강수 계열을 나타낸다. 그 후 적정 확률분포형을 계산하고 개개 변량의 누가확률을 산정한 후 표준 정규 분포에 적용시켜 SPI를 나타낸다. 보통 시간단위 는 3, 6, 9, 12개월 등으로 설정하고, 시간단위별로 강수 부족 량을 산정하여 용수공급원이 가뭄에 미치는 영향을 판단한 다 (Edwards and Mckee, 1997). 산정된 SPI는 확률분포형이 도입되었기 때문에 선형으로 강수부족에 비례하여 가뭄을 판단할 수 있다. SPI는 값 자체에 발생빈도 개념을 포함하며, 한계값이 없고 (Ryoo and Yoo, 2004), 다른 가뭄 지수들과 달리 강수 자료만을 사용하여 비교적 제약이 적다 (Hayes et al., 1999).
본 연구에서는 CHIRPS, PERSIANN-CDR, GPCC의 격자 별 강수량을 추출하였으며, 추출한 강수량은 남한지역의 56 개소 관측소 자료와 동일 지점상에 위치한 격자의 강수량의 비교를 통해 월별, 연도별로 나타내었다. 30년 이상의 강수 자료를 활용하여 매개변수 기반의 강우확률분포를 도출하 였으며, 동아시아지역과 남한지역을 구분하여 SPI를 산정하 였다. 대표적으로 기상학적 가뭄을 나타낼 수 있는 시간척도 6개월을 선정하여 가뭄을 분석하였으며, Table 2와 같이 미 국국립가뭄경감센터 (National Drought Mitigation Center, NDMC)에서 사용하고 있는 SPI 5단계 가뭄 분류를 활용하 였다.
Category Description SPI value
D0 Abnormally Dry -0.5 to -0.7
D1 Moderate Drought -0.8 to -1.2
D2 Severe Drought -1.3 to -1.5
D3 Extreme Drought -1.6 to -1.9
D4 Exceptional Drought -2.0 or less Table 2 Classification of SPI drought severity (Svoboda et al., 2002)
나. 통계적 분석을 활용한 강수위성자료의 검증
강수위성영상의 적용성과 성능 검증 및 비교를 위하여 평 균제곱근오차 (Root Mean Squared Error, RMSE), 결정계수 (Coefficient of Determination, R²), 평균절대오차 (Mean Absolute Error, MAE) 방법을 사용하였으며, 각 방법은 아래의 식 (1), (2), (3)로 나타내었다. RMSE와 MAE의 경우 값이 낮을수록 정확도는 높아지며, 결정계수는 값이 1에 가까울수록 정밀도 가 높아진다. 식에서 는 추정변수 즉, 위성영상 기반의 강수 자료를 의미하며, 는 기상관측소에서 관측된 변수를 나타 낸다. 은 관측된 자료의 합계를 의미한다. 본 연구에서는 RMSE와 MAE 분석을 사용하여 위성영상기반의 강수자료기 반으로 산정한 SPI와 지상 기상관측소의 SPI를 비교하고 검 증하였다.
(1)
(2)
×
×
(3)
Ⅲ. 적용 및 결과
1. 위성영상기반 강수량 자료 비교 분석
남한지역 기상관측소와 위성영상기반 강수자료를 Fig. 2와 Fig. 3과 같이 1989년부터 2018년 계절별, 연별 단위로 비교하 여 나타내었다. 기상관측소 월 강수자료는 일강수를 기준으 로 누적하였으며, 위성영상기반의 강수자료는 월별 영상을 활용하였다. 2002년, 2006년, 2013년의 여름철 강수량은 평년 에 비해 높게 나타났으며, 2006년 7월 관측소의 강수량은 676.6 mm를 나타냈다. CHIRPS와 GPCC는 각각 594.5 mm, 660.4 mm의 강수량을 나타냈지만, PERSIANN-CDR의 강수 량은 559.8 mm로 관측소 강수량보다 낮은 값을 나타냈다.
Fig. 2와 같이 위성영상과 기상관측소기반의 강수자료는 비교 적 유사한 경향을 나타낸다. 하지만 1995년, 2002년, 2006년 에는 PERSIANN-CDR 위성기반 강수량은 기존 기상관측소 의 값에 비해 다소 낮거나 높은 값을 보였으며, CHIRPS, GPCC의 강수량은 기상관측소와 오차범위 ±10%에 가까운
값을 나타냈다. Fig. 3은 Box Plot을 통해 계절별 강수량을 비 교한 것으로써, 봄철의 경우 관측소의 강수량은 평균 63.7 mm 로 각 위성자료와 3%의 오차 내의 값을 나타내었지만, 겨울철 의 경우 PERSIANN-CDR 강수량은 다소 높은 값을 나타내었 다. 가을철의 경우 특이 값을 많이 나타내지만, 각 위성자료와 관측소 자료는 유사한 경향을 나타내었다. 여름철의 경우 CHIRPS는 관측소에 비해 다소 높은 추정치를 나타냈고, GPCC 자료는 다소 낮은 추정치는 나타내었다.
Fig. 4는 결정계수를 통해 GPCC, PERSIANN-CDR, CHIRPS 의 각 위성영상과 지상 기상관측소 강수량자료를 비교하였으 며, 선형회귀식에서 PERSIANN-CDR과 GPCC는 약 5%의 과 대 추정 값을 나타내었다. 또한 각 위성영상과 관측소 비교
결과 Table 3과 같이 GPCC 0.98, PERSIANN-CDR 0.97, CHIRPS 0.96의 결정계수 값을 나타냈다. 다소 과대 추정 값 이 있지만, 강수량 자료를 비교한 결과, 기준선과 추세선이 유사한 경향을 보였으며, 위성영상기반 강수량자료는 0.9 이 상의 잔차의 크기가 작고 예측되는 값의 정밀도가 높은 결과 를 보였다.
2. 동아시아지역 SPI 적용 및 분석
위성영상기반 강수자료를 활용하여 6개월 SPI를 산정하였 다. 위성영상의 각 격자별 강수량을 추출하여 SPI을 계산하였 으며, 산정한 6개월 SPI는 Fig. 5의 동아시아지역에 적용하여
Fig. 2 Comparison of satellite products and weather station precipitation
Fig. 3 Comparison of the seasonal precipitation using box plot
기상학적 가뭄을 분석하였다. 동아시아의 가뭄 피해 사례를 조사하여 위성영상기반의 SPI를 비교하였으며, 동아시아의 대표적인 중국, 일본 및 북한의 피해지역을 조사하였다. 중국 의 최근 10년 동안 가뭄 피해를 살펴보면, 1994년 산동지역 및 중국 남서지역의 가뭄과 2009년 여름 중국 북, 남부지역에 가뭄이 발생했으며, 700만 명이 식수 부족 사태를 겪었다. 또 한 2012년 6월 원난성 지역에 60년만의 최악이 가뭄이 발생했 다. 일본의 경우 1993년부터 1994년 우리나라의 특별재난지 역 선포에 상응하는 가뭄 피해가 발생했으며, 2007년 8월 극 심한 가뭄으로 인해 사망자가 발생하는 피해를 입었다 (KMA, 2012; ME, 2016). 북한의 경우 최근 2014년 4월부터 6월 극심 한 가뭄이 발생하였다.
위성영상기반의 6개월 SPI를 산정하여 동아시아 가뭄 피해 가 있었던 1994년, 2009년, 2014년에 적용하였다. 1994년 9월, 6개월 SPI는 중국의 산동지역 및 남서지역의 극심한 가뭄을 나타냈으며, 일본의 극심한 가뭄을 D4 단계의 가뭄으로 나타 내었다. 2009년 6월 CHIRPS와 GPCC기반의 6개월 SPI는 중국 의 북부지역의 가뭄을 D3와 D4 가뭄단계로 나타내었지만, PERSIANN-CDR의 경우 다소 낮은 가뭄단계를 나타내었다. 또 한 2014년 8월 북한의 가뭄은 각각의 위성영상기반의 6개월 SPI 가 D3와 D4 가뭄단계를 나타내었다. PERSIANN-CDR 기반의 6개월 SPI의 경우 다른 위성영상과 비교하였을 때 낮은 가뭄단 계를 나타내었다.
Fig. 4 Monthly precipitation scatter plots and decision coefficients for rainfall and weather stations data based on GPCC, PERSIANN-CDR, and CHIRPS
Fig. 5 Time series of SPI (6-month) maps in drought years (1994, 2009, and 2014) using CHIRPS, PERSIANN-CDR, and GPCC in East Asia
Classification CHIRPS v2.0 PERSIANN-CDR GPCC v6
R² 0.9639 0.9716 0.977
Table 3 R² values between satellite-based and station-based precipitation
3. 남한지역에 대한 SPI 검증
남한지역의 가뭄 발생 기록을 바탕으로 위성영상기반 강수 자료를 활용한 6개월 SPI를 공간 지도로 나타내었으며, 기상 관측소 SPI 자료와 비교를 통해 위성영상기반 SPI의 성능을 검증하였다. 남한지역의 가뭄 발생 기록은 1994년부터 2018 년까지 조사하였으며, 가뭄 피해지역 시작 및 종료 시기 등을 분석하였다. Table 4는 실제 가뭄 피해지역, 기간 및 위성영상 기반 강수량을 활용한 가뭄 지역을 나타내었다. 분석한 가뭄 관련 기록에 따르면 1994년 호남지역에 가뭄이 발생했으며, 1996년부터 1997년 3월까지 가뭄이 발생했다. 특히 2001년 4월부터 2002년 4월까지 1년 동안 전국적으로 극심한 가뭄이 발생했다. 2010년 이후 매년 가뭄이 발생하였으며, 최근 2017 년에는 전국적인 가뭄이 나타났다.
가뭄 발생 기록을 바탕으로 1994년, 2001년, 2014년, 2017 년의 가뭄을 위성영상 기반 SPI를 활용하여 Fig. 6와 같이 나 타내었다. 가뭄 발생 기록의 피해 지역과 위성영상 기반의 6 개월 SPI를 비교하였을 때, 각 위성영상 SPI는 피해 지역을 D3와 D4의 가뭄 단계로 나타내었다. 1994년 7월 전라도 지역 의 극심한 가뭄을 CHIRPS는 D4 가뭄단계를 나타내었다.
PERSIANN-CDR 경우 D3 이하의 가뭄단계를 나타내었으며, GPCC는 경우 D3와 D4의 가뭄단계를 나타내었다. 2017년 6월의 전국적인 가뭄의 경우 CHIRPS와 GPCC은 D3와 D4 의 극심한 가뭄을 나타내었지만, PERSIANN-CDR의 경우 D3의 다소 낮은 가뭄단계를 나타냄을 알 수 있었다. 이처럼 PERSIANN-CDR SPI는 CHIRPS와 GPCC 기반의 SPI에 비해 다소 낮은 가뭄단계를 보이며, SPI가 과소 추정된다고 판단 된다.
각 위성영상 기반의 SPI와 기존 기상관측소의 SPI를 비교
하여 RMSE와 MAE를 분석하였으며, Table 5에 결과를 도시 하였다. Fig. 6의 가뭄발생 연도를 분석한 결과 2001년 5월 CHIRPS 기반의 SPI가 가장 높은 정확도 (RMSE=0.53, MAE=
0.43)를 나타냈으며, PERSIANN-CDR의 경우 가장 낮은 정확 도 (RMSE=0.57, MAE=0.47)를 나타냈다. 2014년 8월 CHIRPS 와 GPCC 기반 6개월 SPI의 경우 유사한 경향 (RMSE=0.47, MAE=0.37)을 나타냈으며, PRESIANN-CDR은 두 위성에 비 해 다소 낮은 정확도 (RMSE=0.63, MAE=0.54)를 나타냈다.
이처럼 위성영상기반의 SPI를 검증하기 위하여 기상관측소 기반의 SPI와 비교한 결과 PERSIANN-CDR 기반의 6개월 SPI는 다른 위성영상에 비해 낮은 정확도를 나타지만, CHIRPS와 GPCC 기반의 6개월 SPI는 유사한 성능을 보였으 며, PERSIANN-CDR 위성영상보다 높은 정확성을 나타내었 다. 하지만 CHIRPS는 0.05°의 고해상도 영상으로서 1.0°의 GPCC와 유사한 정확도를 나타내지만 격자크기를 비교한다 면 CHIRPS 위성영상 자료가 가뭄 판단 정도 및 활용성이 높 다고 판단된다.
Data set JULY 1994 MAY 2001
RMSE MAE RMSE MAE
CHIRPS 0.57 0.46 0.53 0.43
PERSIANN-CDR 0.64 0.50 0.57 0.47
GPCC 0.48 0.36 0.56 0.47
Data set AUGUST 2014 JUNE 2017
RMSE MAE RMSE MAE
CHIRPS 0.47 0.37 0.51 0.43
PERSIANN-CDR 0.63 0.54 0.68 0.55
GPCC 0.47 0.35 0.50 0.38
Table 5 Performance verification of rainfall satellite products using Root Mean Squared Error (RMSE) and Mean Absolute Error (MAE) analysis
Start End
Actual drought damage area Satellite-based drought damage area
Year Month Year Month
1994 JUNE 1994 JULY Jeolla-do Jeolla-do
1996 AUG 1997 MAR Gyeongsangbuk-do Gyeongsang-do
2000 FEB 2000 JUNE Jeolla-do Jeolla-do
2001 APR 2002 APR Entire region Entire region
2008 SEP 2009 FEB Entire region Gyeonggi, Gyeongsang-do
2013 JULY 2013 AUG Gyeongsangnam-do Gyeongsang-do
2014 JULY 2014 JULY Gangwon, Gyeonggi,
Chungcheongbuk-do Gyeonggi, Gangwon
2015 JUNE 2015 OCT Entire region Entire region
2016 AUG 2016 AUG Entire region Entire region
2017 JAN 2017 DEC Entire region Entire region
Table 4 Drought damage events in South Korea (1994-2017) (MOLIT, 1995; MOLIT, 2002; ME, 2018; MOIS, 2018)
Ⅳ. 요약 및 결론
본 연구에서는 위성영상기반의 강수자료를 활용하여 동 아시아 및 남한지역의 가뭄을 판단하고 적용성을 검토하였 다. 강수위성영상 CHIRPS v2.0, PERSIANN-CDR, GPCC v6 를 활용하였으며, 기상학적 가뭄지수인 SPI을 산정하여 가뭄 을 판단하였다. 1989년부터 2018년까지 각 위성영상기반의 강수자료와 기상관측소 자료를 월 단위로 비교하여 나타낸 결과 CHIRPS와 GPCC의 강수자료를 ±10% 이내의 오차를 보였지만, PERSIANN-CDR의 경우 기상관측소 강수량에 비 해 다소 높거나 낮은 차이를 보였다. 또한 결정계수를 통해 정밀도를 나타낸 결과 각 강수 모델은 결정계수 0.9 이상의 잔차의 크기가 작고 높은 정밀도를 보였다. 이를 활용하여 대표적인 기상학적 가뭄지수인 6개월 SPI를 산정하였으며, 동아시아지역에 적용하였다. 적용 결과 CHIRPS와 GPCC 위 성영상기반의 6개월 SPI는 동아시아 가뭄 피해 지역과 유사 한 경향을 나타내며, 극심한 가뭄을 D3 (극심한 가뭄) 또는 D4 (이례적인 가뭄)의 가뭄단계로 나타내었다. 하지만 PERSIANN-CDR의 경우 다른 위성영상에 비해 다소 낮은 가뭄 단계를 보였다.
남한지역의 가뭄 기록을 바탕으로 1994년, 2001년, 2014 년, 2017년의 가뭄지수를 산정하고 검증하였다. 위성영상기 반의 6개월 SPI는 가뭄 피해지역을 D3, D4 가뭄단계로 나 타내었으며, 실제 가뭄 피해지역을 유사하게 반영하였다.
하지만 PERSIANN-CDR SPI의 경우 CHIRPS와 GPCC SPI 에 비해 다소 낮은 가뭄 단계인 D3 이하의 값을 나타내었다.
이를 검증하기 위하여 RMSE, MAE 분석을 실시한 결과 PERSIANN-CDR의 경우 RMSE 값은 0.6 이상, MAE 0.5 이상 의 다소 낮은 정확성을 나타내었으며, CHIRPS와 GPCC는 RMSE 0.5 이하, MAE 0.4 이하의 높은 정확성을 나타내었다.
PERSIANN-CDR 위성영상기반 6개월 SPI를 동아시아 및 남한지역에 적용하였을 때, 결과적으로 다소 낮은 정확성 및 성능을 보여주었으며, GPCC의 경우 PERSIANN-CDR보다 격자의 크기는 크지만 높은 성능을 보였다. CHIRPS 위성영상 의 경우 분석 결과 GPCC와 유사한 정확도를 보여주었지만, 고해상도의 격자 크기를 고려한다면 가장 활용이 용이할 것 으로 판단된다.
본 연구에서 활용한 5 km, 24 km, 94 km의 위성영상 기반 의 강수량 자료는 기상청의 지상 관측소의 분포보다 큰 범위 Fig. 6 Time series of SPI (6-month) maps in drought years (1994, 2001, 2014, and 2017) using CHIRPS,
PERSIANN-CDR, and GPCC in South Korea
를 갖는다. 즉 94 km의 경우 낮은 해상도로 남한에 적합하지 않을 수 있지만, 기상관측소의 자료가 명확히 존재하는 남한 을 통해 검증 가능 할 것이라 판단된다. 본 연구의 결과를 바 탕으로 아시아의 지역적 특성을 고려한 최적의 위성영상자료 를 판단할 수 있으며, 향후 기상학적 가뭄에 대한 효율적인 대책 및 정책 수립에도 기여할 수 있으리라 사료된다. 또한 고해상도 CHIRPS 강수위성영상을 활용한 다양한 가뭄 판단 방법을 모색하고, 기상학적 가뭄지수 산정의 신뢰성을 높여 가뭄예보 및 모니터링 등 실용적인 가뭄대응 수단으로서의 활용이 가능할 것이라 판단된다.
감사의 글
본 연구는 행정안전부 극한재난대응기반기술개발사업의 연구비 지원(2019-MOIS31-010)에 의해 수행되었습니다. 이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단 의 지원을 받아 수행된 연구임(No. 2017R1C1B5015897). 또 한 본 결과물은 농림축산식품부의 재원으로 농림식품기술기 획평가원의 첨단생산기술사업의 지원을 받아 연구되었음 (116117-03-3-SB020).
REFERENCES
1. Alijanian, M., G. R. Rakhshandehroo, A. Mishra, and M.
Dehghani, 2019. Evaluation of remotely sensed precipitation estimates using PERSIANN-CDR and MSWEP for spatio-temporal drought assessment over Iran. Journal of Hydrology 579: 124189. doi:10.1016/j.jhydrol.2019.124189.
2. Arkin, P. A., and P. Xie, 1994. The global precipitation climatology project: First algorithm intercomparison project. The Bulletin of the American Meteorological Society 75(3): 401-419. doi:10.1175/1520-0477(1994)075<
0401:TGPCPF>2.0.CO;2.
3. Diem, J. E., J. Hartter, S. J. Ryan, and M. W. Palace, 2014.
Validation of satellite rainfall products for western Uganda.
Journal of Hydrometeorogy 15(5): 2030-2038. doi:10.1175/
JHM-D-13-0193.1.
4. Edwards, D. C., and T. B. McKee, 1997. Characteristics of 20th century drought in the United States at multiple time scales. Department of Atmospheric Science, Atmospheric Science Paper No. 634, Climatology Report No. 97-2, Colorado State University.
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(10): 1366-1378. doi:10.1175/JAM2138.1.
6. Funk, C. C., P. J. Peterson, M. F. Landsfeld, D. H. Pedreros, J. P. Verdin, J. D. Rowland, B. E. Romero, G. J. Husak, J. C. Michaelsen, and A. P. Verdin, 2014. A quasi-global precipitation time series for drought monitoring. U.S.
Geological Survey Data Series 832. doi:10.3133/ds832.
7. 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:10.1175/1520-04 77(1999)080<0429:MTDUTS>2.0.CO;2.
8. 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).
9. Hayes, M., M. Svoboda, N. Wall, and M. Widhalm, 2011.
The lincoln declaration on drought indices: Universal meteorological drought index recommended. Bulletin of the American Meteorological Society 92: 485-488. doi:10.11 75/2010BAMS3103.1.
10. Jang, S., J. Rhee, S. Yoon, T. Lee, and K. Park, 2017.
Evaluation of GPM IMERG applicability using SPI based satellite precipitation. Journal of the Korean Society of Agriculture Engineers 59(3): 29-39 (in Korean). doi:10.53 89/KSAE.2017.59.3.029.
11. Jiao, W., L. Zhang, Q. Chang, D. Fu, Y. Cen, and Q. Tong, 2016. Evaluating an enhanced vegetation condition index (VCI) based on VIUPD for drought monitoring in the continental United States. Remote Sensing 8: 224. doi:10.
3390/rs8030224.
12. Kim, H., J. Park, J. Yoo, and T. W. Kim, 2015. Assessment of drought hazard, vulnerability, and risk: A case study for administrative districts in South Korea. Journal of Hydro-environmental Research 9(1): 28-35. doi:10.1016/
j.jher.2013.07.003.
13. Korea Meteorological Administration (KMA), 2012.
Development of hydro-meteorological early warning system for response to climate change. Korea Meteorological Administration, Seoul, Korea (in Korean).
14. Kwak, J. W., S. D. Lee, Y. S. Kim, and H. S. Kim, 2013.
Return period estimation of droughts using drought variables from standardized precipitation index. Journal of Korea Water Resources Association 46(8): 795-805 (in
Korean). doi:10.3741/JKWRA.2013.46.8.795.
15. Lee, H. J., W. H. Nam, D. H. Yoon, E. M. Hong, D. E.
Kim, M. D. Svoboda, T. Tadesse, and B. D. Wardlow, 2019. Satellite-based evaporative stress index (ESI) as an indicator of agriculture drought in North Korea. Journal of the Korean Society of Agriculture Engineers 61(3): 1-14 (in Korean). doi:10.5389/KSAE.2019.61.3.001.
16. Lee, J., and E. H. Lee, 2018. Evaluation of daily precipitation estimate from Integrated MultisatellitE Retrievals for GPM (IMERG) data over South Korea and East Asia. Atmosphere, Korean Meteorological Society 28(3): 273-289 (in Korean).
doi:10.14191/Atmos.2018.28.3.273.
17. 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.
18. Mun, Y. S., W. H. Nam, M. G. Jeon, T. Kim, E. M. Hong, M. J. Hayes, and T. Tadesse, 2019. Application of meteorological drought index using Climate Hazards Group InfraRed Precipitation wigh Station (CHIRPS) based on global satellite-assisted precipitation products in Korea.
Journal of the Korean Society of Agriculture Engineers 61(2): 1-11 (in Korean). doi:10.5389/KSAE.2019.61.2.001.
19. 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.
20. Nam, W. H., E. M. Hong, J. Y. Choi, T. 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 Agriculture Engineers 59(4): 65-74 (in Korean). doi:10.5389/KSAE.2017.59.4.065.
21. 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.
22. Novella, N. S., and W. M. Thiaw, 2013. African rainfall climatology version 2 for famine early warning systems.
Journal of Applied Meteorology and Climatology 52(3):
588-606. doi:10.1175/JAMC-D-11-0238.1.
23. Ministry of Environment (ME), 2016. Drought response assessment and limited watering guidelines (in Korean).
24. Ministry of Environment (ME), 2018. 2013-2018 long-term drought analysis and evaluation report (in Korean).
25. Ministry of the Interior and Safety (MOIS), 2018. Guideline for designating regular drought disaster areas (in Korean).
26. Ministry of Land, Infrastructure and Transport (MOLIT), 1995. 1995 drought record survey report (in Korean).
27. Ministry of Land, Infrastructure and Transport (MOLIT), 2002. 2001 drought record survey report (in Korean).
28. 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.
29. Qin, Y., Z. Chen, Y. Shen, S. Zhang, and R. Shi, 2014.
Evaluation of satellite rainfall estimates over the Chinese mainland. Remote Sensing 6: 11649-11672. doi:10.3390/
rs61111649.
30. Ryoo, S., and C. Yoo, 2004. A modified standardized precipitation index (MSPI) and its application. Journal of Korea Water Resources Association 37(7): 553-567 (in Korean). doi:10.3741/JKWRA.2004.37.7.553.
31. Schneider, U., M. Ziese, A. Meyer-Christffer, P. Finger, E. Rustemeier, and A. Becker, 2016. The new portfolio of global precipitation data products of the global precipitation climatology centre suitable to assess and quantify the global water cycle and resources. Proceeding of the International Association of Hydrological Sciences 374: 29-34. doi:10.5194/piahs-374-29-2016.
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-18-39 07-2014.
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. Trenberth, K. E., J. T. Overpeck, and S. Solomon, 2004.
Exploring drought and its implications for the future.
Transactions American Geophysical Union 85(3): 27.
doi:10.1029/2004EO030004.
35. Wilhite, D. A., M. D. Svoboda, and M. J. Hayes, 2007.
Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness. Water Resources Management 21: 763-774. doi:10.1007/s11269- 006-9076-5.
36. World Meteorological Organization (WMO), 2014. WMO statement on the status of the global climate in 2013.
World Meteorological Organization.
37. Yun, Y. S., N. Kim, S. J. Lee, S. Park, E. Sohn, J. D. Jang, and Y. W. Lee, 2018. Inter-comparisons of satellite-based drought indices on the cropland in Korea, 2001-2017.
Journal of Climate Research 13(4): 275-296 (in Korean).
doi:10.14383/cri.2018.13.4.275.
