Assessment of the Contribution of Weather, Vegetation, Land Use Change for Agricultural Reservoir and Stream Watershed using the SLURP model (I) - Preparation of Input Data for the Model -

水 工 學

第30卷 第2B 號·2010年 3月 pp. 107 ~ 120

SLURP 모형을 이용한 기후, 식생, 토지이용변화가 농업용 저수지유역과 하천유역에 미치는 기여도 평가(I)

− 모형의 입력자료 구축 −

Assessment of the Contribution of Weather, Vegetation, Land Use Change for Agricultural Reservoir and Stream Watershed using the SLURP model (I)

−

Preparation of Input Data for the Model

박근애*·이용준**·신형진***·김성준****

Park, Geun-Ae

^·

^·

^·

···

Abstract

The effect of potential future climate change on the inflow of agricultural reservoir and its impact to downstream streamflow by reservoir operation for paddy irrigation water was assessed using the SLURP (semi-distributed land use-based runoff pro- cess), a physically based hydrological model. The fundamental input data (elevation, meteorological data, land use, soil, veg- etation) was collected to calibrate and validate of the SLURP model for a 366.5 km² watershed including two agricultural reservoirs (Geumgwang and Gosam) located in Anseongcheon watershed. Then, the CCCma CGCM2 data by SRES (special report on emissions scenarios) A2 and B2 scenarios of the IPCC (intergovernmental panel on climate change) was used to assess the future potential climate change. The future weather data for the year, m ms, m5ms and 2amms was downscaled by Change Factor method through bias-correction using 3m years (1977-2006) weather data of 3 meteorological stations of the watershed. In addition, the future land uses were predicted by modified CA (cellular automata)-Markov technique using the time series land use data fromFactosat images. Also the future vegetation cover information was predicted and considered by the linear regression between monthly NDVI (normalized difference vegetation index) from NOAA AVHRR images and monthly mean temperature using eight years (1998-2006) data.

Keywords :

···

요 지

본 연구에서는 기후변화를 평가하기 위해 장기수문유출모형인

^{모형이 선택되었으며}

^{모형의 적용성을 평가하기 위}

하여

고도

기상

토지이용

토양

식생과 같은 기본 입력 자료를 구축하였고 공도 수위관측소 상류유역을 대상으로 유역 내 에 포함되어 있는 농업용 저수지인 고삼과 금광저수지를 고려하기 위하여 저수위

저수량

내용적 곡선 자료를 수집하였다

한편

미래 기후변화를 분석하기 위해 미래 기상

^토지이용

^{식생자료를 구축하였다}

^{미래 기상자료는}

^{에서 제시하고 있는}

특별보고서에 의한

중

시나리오 결과자료를 수집한 후

편이보정

및

다운스케일 기법을 적용하여 각 기상관측소별 기상자료를 재구축하였으며

미래 토지이용자료는 과거

토지이용자료를 이용하여 개선된

기법에 의해 전망하였다

또한 미래 식생자료는

을 이용하여 구

축한 과거의 월

^{와 평균온도와의 선형 회귀식을 이용하여 기후변화 시나리오별 월}

^{를 구축하였다}

핵심용어 :

농업용저수지

기후변화

개선된

기법

미래 토지이용도

···

1. 서 론

1904 년부터 1990 년까지 우리나라의 연평균기온이 약 1

C

상승하였으며 , 이러한 현상을 지구온난화 또는 도시화에 따

른 열섬현상으로 확실하게 구분할 수는 없지만 기온의 상승 은 틀림없는 사실로 받아들여야 한다 . 앞으로 이산화탄소가 배로 늘어나면 우리나라의 연평균기온은 2.0~2.5

C 올라갈 것이며 , 10 년마다 0.15~0.45

C 씩 올라갈 것으로 예측한 바

*정회원·건국대학교사회환경시스템공학과박사후과정

(E-mail : [email protected])

**정회원·건국대학교사회환경시스템공학과석사

(E-mail : [email protected])

***정회원·건국대학교사회환경시스템공학과박사과정

(E-mail : [email protected])

****정회원·교신저자·건국대학교환경시스템학부사회환경시스템공학과교수

(E-mail : [email protected])

있다 ( 한국과학기술연구원 , 1995). 이러한 기후변화는 수자원 측면에서 기온 증가에 따른 증발산량의 증가 , 강수량의 강도 및 빈도 변화 , 유출량의 시공간적 변동을 초래하여 수자원의 효율적 관리 및 안정적인 공급에 어려움을 증대시킬 것으로 전망되고 있으며 (IPCC, 2001a), 특히 우리나라에는 홍수조절 및 관개용수로 이용되는 인공수리시설인 많은 농업용저수지 가 있어 기후변화에 따른 농업용 저수지의 저수위 , 저수량의 변화로 농업수자원 측면에서의 변화가 유발될 것이며 , 이에 기후변화에 따른 수자원 요소의 변화를 보다 정확하게 전망 하기 위해서는 인위적 구조물인 농업용 저수지를 반영할 필 요가 있고 , 이는 농업용 저수지의 효율적인 운영과 관리가 가능해질 것으로 판단된다 .

국외에서는 기후변화에 대한 수자원의 영향평가가 활발히

진행되고 있으며 , 1990 년대의 이후 GCM 을 수문모형과 연

계하여 기후변화로 인한 수자원변화연구를 수행한 사례가 많 이 있으며 Khul 과 Miller(1992) 는 GCM 을 이용하여 전 세 계 16 개 대하천에 대해 현재 유출량 모의하여 실제 GCM

을 사용한 직접유출의 모의한계를 분석하였으며 , Chiew 와

McMachon(1993) ^은 5 ^개의 GCM ^{을 이용하여 오스트레일리아} 28 개 유역에 대해 2030 년과 2070 년에 대한 유출과 토양함 수비를 모의하였고 , Lins(1994) 는 11 개 미국 내 하천유출을

분석한 결과 , 1940 년 이후 개발이 이루어지지 않은 거의 모

든 하천에서 지구온난화로 인한 유출이 증가하는 결과를 도 출하였다 . 또한 , Kite 등 (1994) 과 Kite 와 Haberlant(1999) 는 캐나다의 Columbia 유역과 Machenzie 유역의 SLURP 모형

과 CCCma CGCM2 자료를 사용하여 하천유량의 변화를 분

석하였다 . Kwadijk ^와 Rotmans(1995) ^는 GCM ^과 RHINFLOW

를 연계하여 독일의 Rhine 강 유역을 대상으로 기후변화에

따른 유출량을 평가하였으며 , Sefton 과 Boorman(1997) 은

2CO

배증상황에서 GCM 모의 결과를 IHACRES 모형에 적 용하여 영국의 39 ^{개 유역에 대해 유출을 분석한 결과 영국}

의 중부와 동부지역이 유출감소로 인한 가뭄피해가 증가할 것으로 모의 되었다 . Gellens 와 Rouline(1998) 은 7 개의

GCM 과 IRMB(Integrated Runoff Model) 을 이용하여 벨기 에의 8 ^{개 유역을 대상으로 기후변화에 따른 유출량 평가를}

실시하였으며 , Bergstrom 등 (2001) 은 2 개의 GCM(UKMO

HadCM2, ECHAM4/OPYC3) 을 이용하여 수자원관련 시나

리오를 생성하였고 , Drogue 등 (2004) 이 KNMI 와 UKHI GCMs 을 이용하여 기후변화가 유역 유출량과 수자원에 끼칠 잠재적인 영향을 평가하였다 . 또한 Zhang 등 (2007) 은

HadCM3 와 CGCM2 GCMs 을 이용하여 중국의 Luohe 강 유역을 대상으로 미래 기후변화에 따른 유출량을 분석하였다 .

국내의 경우 , 기후변화에 따른 수자원 영향에 대한 연구는 한국과학기술연구원 (1995) 에서 6 개 댐 유역에 대해 물수지 산출모형을 개발하고 이 모형에 근거해 유출량을 추정한 결 과 강수량 증가에 비해 약 2.4 배의 유출량 증가가 예측된다 고 보고하고 있다 . 오성남 등 (1998) 은 전지구모델인 GCM

결과 값을 이용하여 기후변화가 동북아시아 지역의 지표 물 수지에 미치는 영향을 현재의 상태와 비교하여 지표의 수문 변화를 정량적으로 파악하였으며 , ^{안재현 등} (2001) ^{은 물수지}

모형을 이용하여 CO

배증에 따른 대청댐 유역의 유출의 영향을 평가하였으며 , IRSHAM96 을 사용하여 지구온난화에

따른 수문기상인자인 기온의 변화를 한반도에 걸쳐 분석하 였다 . 김병식 등 (2004) 은 YONU GCM 을 이용하여 CO

배증상태의 모의결과를 이용하여 용담댐 유역의 유출에 미

치는 영향을 SLURP 모형을 사용하여 모의하였고 , 임혁진

등 (2006) 은 IPCC 에서 제시하는 CCCma CGCM2 의 모의 결과 값과 미래 토지피복변화를 CA-Markov 기법을 이용

SLURP 모형에 적용하여 소양강댐의 수문영향을 분석하였으

며 , 안소라 등 (2008) 은 IPCC SRES A2, B2 기후변화 시 나리오에 대한 CCCma CGCM2 모의결과 값을 Stochastic Spatio-Temporal Random Cascade Model(SST-RCM) 기법 을 이용하여 downscaling 한 뒤 SLURP 모형에 적용하여 경안수위관측소 상류유역의 수문영향을 분석한 바 있다 .

한편 , 농업용 저수지를 고려하여 수자원의 변화 분석을 시 도한 연구는 다소 존재하나 , 기후변화와 함께 수자원을 평가 한 연구는 국내외적으로 많이 부족한 실정이다 . 국외에서는

Brekke 등 (2004) 이 캘리포니아주의 산 조아퀸 강유역을 대

상으로 HadCM2 와 PCM 을 이용하여 기후변화에 따른 저수

지의 유입량 , 저수량 , 방류량 , 배수량의 영향에 대한 평가를 실시하였으며 , Zhu ^등 (2005) ^{은 캘리포니아주를 대상으로} 72

년 동안의 12 개 기후변화시나리오를 이용하여 공간적으로 분 배된 131 개의 월별 유출량 , 지하수량 , 저수지 증발량을 추정 하여 그 변화를 비교 분석하였다 . 국내에서는 김영오 (1998)

가 미국의 Skagit 시스템을 적용하여 기후변화에 따른 저수

지 운영률을 추정하여 그 효율성을 비교 분석하였다 .

따라서 , 본 연구 (I) 에서는 국내 실정에 적합한 기후변화에 따른 영향평가를 위한 장기수문유출모형을 선정하여 , 농업용 저수지를 고려한 모형의 검·보정을 위해 과거의 기상자료 ,

농업용 저수지 자료와 GIS/RS 입력자료들을 제시하였다 . 이

자료들을 이용하여 기후변화에 따른 농업수자원과 대상유역 의 수자원의 변화를 평가하고 , 그 결과의 불확실성을 최소한 으로 줄이기 위하여 미래의 기후 , ^식생 , ^{토지이용자료를 구}

축하는 기법을 제안하고자 한다 .

본 연구에서는 기후변화에 따른 대상유역의 수문 영향을

평가하기 위해 장기 강수 - 유출 모형인 SLURP 모형을 선정하

였다 . SLURP 모형은 SSARR 모형과 같은 복잡한 모형의 대

안으로서 중규모 유역에 사용하기 위해 1975 년에 처음 개발되

었으며 , 그 이후 12 차례에 걸쳐 개선되어 왔다 (Kite 등 , 1998).

초기에는 SLURP(Simple LUmped Reservoir Parametric) 으로 개발되었으나 , SLURP(Semi-distributed Land Use-based Runoff Processes) 의 준분포형 모형으로 변환되었으며 ( 김병식 ,

2004), 준분포형 모형의 형태를 띠고 있지만 분포형 모형에

사용 가능한 개념적 모형이다 . 이는 집중형 모형과 같이 모 의에 필요한 물리적 현상을 단순하게 통합하며 분포형 모형 을 사용하였을 때 오는 자료의 손실과 초과에 대한 유역특 성을 모의할 수 있는 물리적 해석 모형이다 . 또한 이 모형 은 기후변화 시나리오와 연계하여 유역에 적용하기 위하여

RS, GIS 자료를 최대한 활용할 수 있게 설계되었으며 , 저수

지의 저수량과 방류량에 대한 입력자료가 적용되어 현재 관

개계획 수립 , 기후변화 및 토지이용 변화에 따른 수자원 영

향 평가 등 세계적으로 다양한 유역에 적용되고 있는 모형 이다 ( 박민지 등 , 2007). 적용 유역면적이 0.01 km

~250 km

의 소규모 유역 (Sabourin 과 Associates, 1996), 7,500 km

~ 35,000 km

의 중규모 유역 (Kite, 1993) 그리고 1,800,000 km

의 대규모 유역 (Kite 등 , 1994) 에 적용된 사례가 있는 만큼 그 적용성이 높은 것으로 알려져 있다 ( 김병식 등 , 2003).

SLURP 모형은 전체유역을 ASAs(Aggregated Simulation

Areas) 라는 소유역 개념으로 분할하고 이를 토지피복상태에

따라 더욱더 세분화하여 일단위 강우 ~ 유출을 수문해석하며 ,

입력자료는 지형자료 (ASAs 평균고도값 , 수로연장 , 토지피복 상태 등 ), 시계열자료 ( 기온 , 강수 등 ), 물리적 매개변수 ( 조도 계수 , 차단계수 ) 등을 이용한다 . 또한 SLURP 모형은 Fig.

1 과 같은 4 단 탱크 ( 수관저류 , 강설초기 저류 , 지표면저류 , 지 표하저류 ) 의 연직방향 물수지 구조로 구성되어 있다 .

본 연구에서 적용한 유역은 안성천의 공도 수위관측소를 유역출구로 하는 상류유역으로 , 이 유역의 면적은 약 366.5 km

, 주 하천의 유로연장은 26.8 km, 유역 평균폭은 14.0 km, 유역 평균표고는 EL. 113.6 m, 유역 평균경사는 10.6%

이다 . 행정구역상으로는 안성시 , 천안시와 용인시가 각각

90.2%, 1.0%, 8.7% 를 차지하는 이 유역은 지난 20 여 년간 공단 , 택지 , 골프장 조성 등의 도시지역과 산림지역 , 농경지 등 유역내 토지이용의 변화가 꾸준히 진전된 지역이다 . 유역 내 농업용저수지로는 고삼저수지와 금광저수지를 포함하고 있으며 대상유역을 Fig. 2 에 나타내었다 ( 박민지 등 , 2007).

4. 모형의 검·보정을 위한 기본 입력자료 구축

본 연구에서는 물리적인 기반의 분포모형인 SLURP 모형 의 적용성을 평가하기 위해서 검·보정기간 1998 년 -2006 년 의 9 개년에 대해 Table 1 과 같이 고도자료 , 토양도 , 토지이 용 , 식생자료 , 수문 / 기상자료와 농업용 저수지를 고려하기 위 한 저수지의 정보를 수집 및 구축하였다 .

4.1 수문기상자료

본 연구에서 사용된 기상자료는 기상청에서 제공하는 수원 ,

이천 , 천안 기상관측소의 일별 강수 , 최저 / 평균 / 최고온도 , 상 대습도 , 일조시간 , 풍속 등의 7 개의 기상인자에 대한 30 년

(1977-2006) 자료를 수집하였다 . 유역을 지배하는 3 개의 기 상관측소의 위치와 Thiessen 망을 Fig. 3 에 나타내었으며 ,

수원 , 이천 , 천안 기상관측소의 지배면적은 각각 23.9 km

, 180.8 km

, 161.8 km

이었다 . 또한 공도수위관측소의 9 개년

(1998 년 -2006 년 ) 동안의 유출량 자료를 이용하여 모형의 보

Fig. 1 Structure of vertical water valance for the SLURP model

Fig. 2 Study watershed

정 (1998 년 -2003 년 : 6 개년 ) 과 검정 (2004 년 -2006 년 : 3 개년 ) 에 사용하였으며 Fig. 4 에 검·보정기간 동안의 관측 유출량 자 료를 도시하였다 . Table 2 에는 강우관측지점과 수위관측지점 의 좌표와 해발 고도를 정리하였다 .

4.2 농업용 저수지유역 자료

박민지 등 (2007) 은 대상유역 내의 저수지를 고려 및 미고

려시를 비교하였으며 그 결과 하천유출량이 약 3.5% ^{의 차이}

를 보이는 것으로 분석되었다 . 이에 따라 본 연구에서는

SLURP 모형에서 농업용 저수지를 고려하여 모형을 구동하

였으며 이를 위해서는 해당 기간 중의 방류량 자료 , 일별 저수면적 및 저수량 자료가 필요하다 . 일별 저수면적과 저수 량자료는 모형 내에서 저수위를 독립변수로 하는 회귀식을 이용하여 산정하도록 요구하는데 , 이는 대상 저수지 내용적 곡선을 이용하여 식 (1) 의 매개변수들을 결정함으로서 저수

Table 1. Input dataset for the SLURP model

Data type Source Scale Period Data Description / Properties

Weather Korea Meteorological

Administration Daily 1977-2006 Precipitation, mean, max., min., temperature, wind speed,relative humidity and sunshine hour Streamflow Han River Flood Control Office Daily 1998-2006 Observed streamflow

Reservoir water

level Anseong Office of Korea Rural

Corporation Daily 1998-2006 Area-level and volume-level relationship, reservoir areaand reservoir release Topography Korea National Geography Institute 1/5,000 - Elevation

Land use Water Management Information

System 30 m 1985, 1990,

1995, 2000 Land cover classifications such as water, forest, urban,grassland, bare ground, paddy and upland crop

Landsat TM satellite image 2004

Soil Korea Rural Development

Administration 1/25,000 - Soil classifications and physical properties such as bulk density, texture, porosity, wilting point, field capacity and saturated hydraulic conductivity

Vegetation

information NOAA AVHRR satellite image 1.1 km 1998-2006 NDVI (normalized difference vegetation index) and LAI(leaf area index)

Fig. 3 Thiessen network

Table 2. Information for weather station and water level station

Type Station

code Station

name Station location Start date for

observation Station elevation (m)

Latitude Longitude TM(X) TM(Y)

Weather station 119 Suwon 37-16-10 126-59-14 198615.8 418918.2 1st Jan. of 1964 33.6 203 Icheon 37-15-41 127-29-11 242881.6 418130.1 1st July of 1971 77.8 232 Cheonan 36-46-36 127-07-17 210565.9 364252.1 1st Jan. of 1972 22.2 Water level station 1101625 Gongdo 35-58-15 127-11-05 216196.1 385802.6 1st Sept. of 1996 14.4

Fig. 4 Streamflow in Gongdo water level station

위로부터 저수면적과 저수량을 산정할 수 있다 ( 박민지 등 , 2007).

(1)

유역 내에 금광과 고삼저수지의 제원은 Table 3 ^{과 같으며} ,

Fig. 5 의 저수지 내용적 곡선을 이용하여 저수위에 따른 저

수면적과 저수량 산정 회귀식의 매개변수들을 Table 4 와 같 이 결정하였다 . 고삼과 금광저수지의 9 개년 (1998-2006) 동안

일별 저수위 자료 (Fig. 6) ^{를 한국농어촌공사 안성지사에서 수}

집하여 , 모형에서 요구되는 일별 저수면적 및 저수량은 저수 지별로 결정된 회귀식을 이용하여 적용하였다 ( 박민지 등 , 2007).

4.3 Agreeburn DEM과 소유역 분할

DEM(Digital Elevation Model) 은 일반적으로 지형의 표 고를 나타내는데 가장 많이 이용되며 수문모형에서 입력자 료로 사용되어 지형 및 지표면의 특성을 분석함으로써 지형

적 매개변수를 결정하는 방법으로 이용된다 . 본 연구에서는

1:5,000 NGIS(National Geographic Information System) 수치 지도로부터 지형관련 레이어를 추출하고 ARC/INFO 를 이용하 여 격자간격 30 m 의 DEM 을 생성하였다 . 이에 대상유역 내의 고삼저수지와 금광저수지를 고려하기 위하여 Agreeburning 을 실시하여 30 m 의 DEM 을 재구축하였다 (Fig. 7). SLURP 모형 에서의 하천흐름은 유역의 토지피복별상태에 따라 분할된

ASAs 소유역에 대해 각 지점 유역출구점까지의 하천의 고

도변화 - 평균거리를 이용하여 유역을 추적하게 된다 . 대상유 역은 지형적 특성에 따라 하천분기점을 기준으로 유역이 분

할되며 이것은 다시 ASAs 소유역내에서 같은 토지피복상태

를 갖는 지역으로 세분화된다 . SLURP 모형에서는 작성된

DEM 으로부터 지형분석프로그램인 TOPAZ 를 통하여 배수구

역을 정의하고 하천망을 생성한다 . TOPAZ 를 이용하여 수리

지형분할 및 하천망 생성을 위해 사용되는 중요한 매개변수

인 임계수역 (CSA) 과 최소하천연장 (MSCL) 에 따라 분할된

소유역은 아래 Fig. 8 과 같다 . 본 연구에서는 유량 관측 자 료와 유량의 모의 값의 비교 검정을 위하여 공도 관측소를 중심으로 CSA(700 ha), MSCL(2500 m) ^{을 사용하여} 19 ^개의

소유역으로 분할하였다 (Fig. 8).

4.4 토지이용도

연구대상지역의 토지이용 변화를 파악하기 위하여 , Landsat MSS, TM 과 ETM 영상을 대상으로 구축된 WAMIS(water management information system) 의 4 개년 토지피복도 gem85 년 , eme0 년 , eme5 년 , 2000 년 ) 를 수집하였고 , 최근의 토지피복도 를 구축하기위해 2004 ^년 6 ^월 6 ^일의 Landsat TM ^영상을

구입하였다 . 이 영상을 Spher md Bwasel, Datum Tokyo (Korea), Pr jection Korea-TM 으로 투영하여 기하보정이 되 어있는 영상의 교량 , 댐 , 항만 , 방조제와 같이 위치변동이 없는 지점을 지상기준점 (GCP; Gr und Contr l Point) ^으로

⁽

⁾

Volume a level b=

(

)

Table 3. Dimension of Gosam and Geumgwang agricultural reservoirs ( 박민지 등 , 2007)

Classification Gosam reservoir Geumgwang reservoir

Embankment type Fill dam Fill dam

Embankment length 209 m 225 m

Embankment height 16.6 m 20.97 m

Available reservoir storage 15,217

×

×

×

×

Drought frequency 10 years 7 years

Fig. 5 The reservoir storage and area on the water level ( 박민지 등 , 2007)

Table 4. Reservoir parameters for preparing daily water surface area and storage amount ( 박민지 등 , 2007)

Reservoir name Classification a b c Water level (m)

Maximum Minimum

Gosam VolumeArea 0.000012 0.001144 3535 4.34163.4202 51.0 42.8

Geumgwang VolumeArea 0.013922 0.010400 5050 1.66262.4772 66.4 56.0

선정하고 다른 영상자료의 동일 지점에 지상기준점을 지정

Poin 두 영상의 동일 지점에 같은 좌표체계를 갖도록 Image

to image 자료의 동기하보정 처리하였다 . 이때 좌표변환은

다항식 자정식을 사용하였고 , 재배열은 근접된 2×2 격자의 화소 값들을 거리가중 평균하는 공일차 내삽법을 사용하였다 .

본 연구에서는 밴드별 분류항목의 DN(digital number) 값

의 분포를 고려하여 항목별 DN 값의 편차를 보이는 band 를

조합하여 최대우도 (maximum likelihood) 감독분류법으로 토 지피복을 실시하였다 . 토지피복을 위한 분류 항목은 Landsat

MSS, TM ^과 ETM ^{의 공간해상도와} WAMIS ^{에서 수집한 토}

지피복도의 분류항목을 고려하여 총 7 개 (1. 수역 , 2. 산림 , 3. 도 시 , 4. 초지 , 5. 나지 , 6. 논 , 7. 밭 ) 의 항목을 선정하였다 . Fig. 9

는 3 개년 (1995 년 , 2000 년 , 2004 년 ) 에 대한 연구대상 유역의 토지피복 분류결과를 도시한 것이며 , Table 5 ^에 5 ^{개 년도에}

대한 토지이용 항목별 면적변화를 나타내었다 . 주요 토지이 용의 변화를 보면 , 도시와 나지 지역이 1985 년 2.7%, 1.0%

에서 점진적으로 증가하여 2004 년에 6.8%, 6.3% 로 각각

4.1%, 5.3% 증가함으로써 개발지역의 공간적인 변화를 파악

Fig. 6 The water level of reservoirs (1998-2006) ( ^{박민지 등} , 2007)

Fig. 7 DEM (digital elevation model) Fig. 8 ASAs (Aggregated Simulation Areas) for study watershed

할 수 있었다 . 이에 반해 산림과 논은 1985 년에 52.1%, 33.1% 에서 2004 년에는 47.4%, 22.7% 로 각각 4.7%, 10.4% 가 감소하였다 .

5 개년의 토지이용도는 개선된 CA-Markov 기법을 이용하 여 미래의 토지이용도를 전망할 때 이용되며 , 이 중 2000 년 , 2004 년 토지이용도는 각각 SLURP 모형의 보정 (1998-2003)

과 검정 (2004-2006) 을 시도할 때 입력자료로써 이용된다 .

4.5 토양특성자료

일반적으로 대부분의 준 분포형 수문모형들이 토양층의 특

성을 반영하기 위해서 SCS CN 값을 입력 값으로 사용하는

것과는 달리 SLURP 모형은 모형 내에서 토양변환함수

(Pedo-transfer funtion) 를 이용하여 직접 토양특성인 토양수 분함유량 (Field Capacity), 시들음점 (Wilting Point), 공극률

(Porosity) 등을 계산하도록 되어있다 ( 김병식 등 , 2004). 본 연구에서는 공도 수위관측소 상류유역의 1:25,000 정밀토양 도를 이용하여 유역 내 총 56 개의 토양통에 대한 사토 , 사 양토 , 미사질양토 , 미사질식양토 , 양토 , 양질사토의 6 가지 토 양종류로부터 SLURP 모형의 검·보정 시 이용되는 2000 년 , 2004 년 토지이용별 토양수분함유량 , 시들음점 , 공극률과 같 은 토양의 물리적 매개변수를 추출하였으며 (Table 6), Fig. 10

은 공도 수위관측소 상류유역의 정밀토양도를 나타낸 것이다 .

4.6 식생지수(NDVI)

1960 년대이래 원격탐사 자료로부터 식물의 생물리학적 특 성을 나타내는 다양한 인자들을 밝혀내고자 노력해 왔으며 ,

이러한 노력의 대부분은 식생지수의 개발로 이어져왔다 . 식

생지수는 단위가 없는 복사 값으로서 녹색식물의 상대적 분 포량과 활동성 , 엽록소함량 , 엽량 및 광합성 습수 복사량 등 과 관련된 자료로 사용된다 . 현재까지 약 20 여 종류의 식생 지수가 사용되고 있으며 대부분의 식생지수는 정보량 측면 에서 기능적으로 거의 같지만 몇몇 식생지수들은 나름대로 독특한 생물리학적 정보를 제공한다 . 최초의 식생지수는

Birth 와 McVey(1968) 에 의해 발표된 적색과 근적외선 영역 에서의 반사 값을 나눈 단순 식생지수로 알려져 있다 . 그 후 현재 NDVI( 식 (2)) 로 알려진 정규화 식생지수가 개발되 었으며 식생분석을 위하여 널리 이용되고 있다 (Justice et al ., 1985; Tucker et al ., 1985a, 1985b; Townshend 와 Justice, 1986; Prince 와 Astle, 1986; Benedetti et al ., 1994).

(2)

여기서 , NIR 은 근적외밴드의 분광반사도이며 , Red 는 적밴드

의 분광반사도이다 .

=

Fig. 9 Land use (1995, 2000 and 2004)

Table 5. Summary of each land use for 5 years (1985, 1990, 1995, 2000 and 2004)

Year Land use

Water Forest Urban Grassland Bare ground Paddy Upland crop Total

([%])Area

1985 4.3

[1.2] 191.0

[52.1] 10.0

[2.7] 7.0

[1.9] 3.7

[1.0] 121.3

[33.1] 29.2

[8.0] 366.5

[100.0]

1990 3.8

[1.0] 176.1

[48.0] 14.4

[3.9] 21.7

[5.9] 7.1

[1.9] 109.3

[29.8] 34.1

[9.3] 366.5 [100.0]

1995 3.9

[1.1] 184.6

[50.4] 19.6

[5.3] 21.4

[5.8] 5.9

[1.6] 86.2

[23.5] 44.9

[12.3] 366.5 [100.0]

2000 4.2

[1.1] 184.5

[50.3] 20.2

[5.5] 18.3

[5.0] 12.5

[3.4] 86.6

[23.6] 40.2

[11.0] 366.5

[100.0]

2004 3.4

[0.9] 173.9

[47.4] 24.9

[6.8] 27.4

[7.5] 23.0

[6.3] 83.1

[22.7] 30.8

[8.4] 366.5

[100.0]

Table 6. Physical parameters of soil

Item 2000

년

년

Field

capacityWilting

point Porosity Field

capacityWilting point Porosity Forest 0.233 0.114 0.426 0.233 0.115 0.426 Urban 0.273 0.109 0.428 0.265 0.106 0.425 Grassland 0.236 0.108 0.423 0.244 0.110 0.424 Bare ground 0.246 0.112 0.427 0.249 0.108 0.424 Paddy 0.259 0.108 0.428 0.263 0.108 0.429 Upland crop 0.241 0.108 0.424 0.242 0.107 0.424

정규화 식생지수 (NDVI) 는 -1 에서 1 사이의 값을 가지며 , 1

에 가까울수록 식생 활력도가 높음을 의미한다 . 1998 년부터

2006 년까지 9 개년에 걸친 적설 및 융설의 영향이 없는 3 월

부터 11 월까지의 NOAA/AVHRR 위성영상으로부터 월별

NDVI 를 생성하였다 (Fig. 11). 그 결과를 살펴보면 , 최소

0.05 에서 최대 0.60 까지 분포하며 , 3 월에서 11 월 중 식생의 활력이 높은 6, 7, 8 ^{월에 대부분 높은} NDVI ^{값을 나타내}

었다 . 또한 9 개년 중 가뭄해인 2001 년 ( 권형중 , 2006) 의

NDVI 값이 다른 해에 비해 상대적으로 낮은 것을 알 수

있으며 , 이는 본 연구에서 구축한 NDVI 가 식생의 활력 정

도를 상당히 정확하게 나타내고 있는 것으로 판단된다 .

5.1 기후변화 시나리오

기후변화로 인한 영향을 예측하고 평가하기 위해서는 장래 기후조건에 관한 합리적 예측과 각 영향 평가 항목에 대한 모형의 설계 및 통합적인 영향평가과정이 요구된다 ( 한국환경 정책평가연구원 , 2004). 미래 기후를 예측하기 위해서는 향 후 온실가스 배출 상황을 가정한 시나리오를 선정하는 것이 필요하며 , 이 온실가스 농도를 GCMs(General Circulation Models) 의 경계자료로 입력하게 된다 . GCMs 은 1970 년대 중반을 전후하여 개발되기 시작하였으며 , 대기의 3 차원 운동

을 유체역학적 , 열역학적으로 모의하는 순환모형으로 대기 ,

해양 , 해빙 , 지표면뿐만 아니라 에어로졸 , 탄소순환 , 대기 화 학과정 등 거의 대부분의 기후 시스템 요소를 포함하는 총 체적 모형이다 ( 안소라 등 , 2008).

현재 IPCC 의 정보분배센터 (Data Distribution Center) 에서 는 기후변화에 의한 일관된 영향연구를 위해 IS92a 및

SRES 시나리오에 의한 다수의 GCMs 결과들을 제공하고

있다 . 최근에는 IPCC 의 SRES 에 기초한 시나리오 산출이 주를 이루는데 , 모든 사회 , 경제 , 기술 , 환경적 부분을 완벽 하게 배출시나리오에 고려하는 것은 불가능하기 때문에 상 당한 불확실성이 포함될 수밖에 없다 . 따라서 이에 반응하는 미래 기후변화는 매우 불확실하지만 , 현재로는 기후가 어떻 게 변화될지를 보여줄 수 있는 유일한 선택이 시나리오다 ( 배 덕효 등 , 2007).

본 연구에서는 SRES 특별보고서에서 제안된 A2( 다원화 사회 ), B2( 지역 공존형 사회 ) 시나리오의 CCCma CGCM2

모의 결과 값을 사용하여 유역 수문에 미치는 영향을 분석 하였다 . CCCma(Canadian Center for Climate Modelling and Analysis) CGCM2 ^는 2001 ^년 IPCC SRES 3 ^차보고서

에서 제시된 GCM 으로 캐나다에서 개발되었으며 , 셀 (pixel)

수는 97(X)×48(Y) 이며 많은 GCMs 중 유일하게 일 기상자 료로 제공되고 있다 .

5.2 편이보정(bias-correction)과 다운스케일 기법을 이용 한 미래 기상자료

본 연구에서 이용하는 GCM 인 CCCma CGCM2 A2,

B2 ^{시나리오는 많은} GCMs ^{중 유일하게 일 기상자료로 제}

공되고 있으며 공간해상도가 약 417 km×342 km 로 1 개의 셀 안에 우리나라 전부가 포함될 정도로 공간해상도가 낮다 .

따라서 기후변화에 따른 유역수문평가를 위해서는 분석 대 상유역을 위주로 다운스케일 기법을 적용할 필요가 있다 . ^또

한 다른 나라에서 개발한 GCM 이므로 대상유역에 적합한 값의 추출여부를 검토하기 위하여 연구대상유역을 중심으로 과거 30 년 (1977 년 -2006 년 ) 기간의 GCM 자료와 관측자료의

값을 추출하여 비교해본 결과 , ^과거 30 ^년의 CCCma

CGCM2 의 강수량과 온도가 관측자료에 비해 일률적으로 과

소 추정되는 것을 확인할 수 있었다 (Fig. 12a, Fig. 13a).

따라서 , 본 연구에서는 Alcamo et al. (1997) 이 사용했던 기법인 편이보정 (bias-correction) 법을 이용하여 가장 중요한 입력 기상자료인 온도와 강수량을 각각 식 (3) 과 식 (4) 를 이

Fig. 10 Soil map

Fig. 11 Monthly NDVI for land use (1998-2006)

용하여 보정하였다 . 그 결과는 Fig. 12b 와 Fig. 13b 에 나타 내었다 .

(3)

여기서 , 는 보정된 미래의 온도이며 , T

는 전망

된 미래의 GCM 온도 , 는 과거 30 년 동안의 관측

연평균 온도 , 는 과거 30 년 동안의 모의된 GCM

연평균 온도를 의미한다 .

(4)

여기서 , ^{는 보정된 미래의 강수량이며} , ^P

는 전

망된 미래의 GCM 강수량 , 는 과거 30 년 동안의

관측 연평균 강수량 , 는 과거 30 년 동안의 모의된

GCM 연평균 강수량을 의미한다 .

CCCma CGCM2 의 온도는 관측자료에 비해 약 0.7

C 정

도 과소 추정되어 미래 GCM 온도 값에 더해 주어 보정하

였으며 강수량은 관측자료에 비해 약 69% 과소 추정되어

미래 GCMs ^{강수량 값에 이 비율만큼 보정하였다} .

편이보정을 실시한 온도와 강수량에 대해 연구 대상유역을 중심으로 Diaz-Nieto 와 Wilby(2005) 가 사용했던 기법인

CF(change factor) 다운스케일 기법을 사용하여 적합한 자료 로 재 추출하였다 . CF 다운스케일 기법은 Fig. 14 와 같은 과정을 거치는데 , 기상관측소별 30 년 (1977-2006) 간의 관측 기상자료를 관측소별로 월평균 자료로 추출하고 GCM 미래 기상자료 또한 2020 년 (2010 년 -2039 년 ), 2050 년 (2040 년 -2069

년 ), 2080 ^년 (2070 ^년 -2099 ^년 ) ^{의 월평균 자료를 추출하게 된다} .

이 월평균 과거자료와 미래자료간의 차이 값을 비율로 분석

하여 기준년도 (2005 년 ) 의 기상자료에 대해 이 비율을 각각

적용하여 미래 기상자료를 재구축하였다 . 이 때 선정한 기준 년도는 검·보정 기간 (1998 년 -2006 년 ) 중 우리나라의 일반

′

(

)

T

′

T_{meas his,} TGCM his,

P

′

× (

⁄

)

P

′

P_{meas his,} P_{GCM his,}

Fig. 12 The result of bias-correction for temperature

Fig. 13 The result of bias-correction for precipitation

Fig. 14 The process of CF downscaling technique

적인 강수량 추세와 가장 유사하고 또한 평수년의 해인

2005 년을 선정하였다 . 재구축된 온도와 강수량은 Fig. 15 와

Fig. 16 에 나타내었다 .

CF 다운스케일 기법에 의해 추출된 2020 년 , 2050 년 , 2080

년의 온도와 강수량은 모두 월별로 증가하는 경우와 감소하는 경우가 비슷한 경향으로 발생하였으며 , 이를 자세히 살펴보기 위해 본 연구에서는 2005 년을 기준으로 하여 2020 년 , 2050 년 , 2080 년의 온도와 강수량의 변화를 계절별 (Fig. 17) 및 연별로 분석하였다 . A2, B2 ^{시나리오의} 2020 ^년 , 2050 ^년 , 2080 ^{년 전}

체에서 온도의 결과 봄에 최소 -27.8%(-3.2

C) 에서 -5.5%

(-0.6

C) 의 변화율로 감소하였고 여름에는 +7.3%(1.8

C) 에서

+17.7%(4.3

C) 로 , 가을에는 +27.6%(3.8

C) 에서 +42.4%(5.9

C)

로 , 겨울에는 +73.3%(2.2

C) 에서 +148.6%(4.5

C) 의 비율로

뚜렷하게 증가하는 경향을 보였으며 , ^{강수량은 봄과 겨울에 각}

각 +34.7%(53.2 mm) 에서 +63.6%(97.3 mm) 의 변화율과

+86.7%(31.6 mm) 에서 +121.5%(44.2 mm) 의 변화율로 뚜렷하

게 증가하는 추세를 보였고 여름과 가을에는 -26.7%

(-195.1 mm) 에서 -7.7%(-56.1 mm) 의 변화율과 -26.8%(-106.0 mm) 에서 -3.5%(-13.7 mm) 의 변화율로 뚜렷하게 감소하는 경 향을 나타내었다 . 이를 연별로 살펴보면 , 온도는 +10.1%

(1.2

C) 에서 +30.0% (3.5

C) 의 변화율로 증가하였으며 강수량 은 -0.3%(-3.8 mm) ^에서 -9.2%(-121.3 mm) ^{의 변화율로 감소하}

는 것으로 나타났다 .

5.3 개선된 CA-Markov 기법을 이용한 미래 토지이용자료 본 연구에서는 미래의 토지이용의 변화를 전망하기 위해

Fig. 15 The result of CF downscaling technique for temperature

Fig. 16 The result of CF downscaling technique for precipitation

Fig. 17 The future predicted seasonal temperature and precipitation

이용준 (2008) 이 기존의 CA-Markov 기법을 개선한 기법을 사용하였다 . 기존의 CA-Markov 연쇄기법은 Markov Chain

모델과 CA(cellular automata) ^{의 이론적 체계가 결합한 기법}

이며 , 이 분석 과정은 과거시기와 현재의 토지이용을 이용하 여 미래의 토지이용상태를 전망 한다 . 하지만 우리나라는

1970 년 -1985 년에는 급격한 도시화로 토지이용의 변화가 크

게 일어난 반면 1985 년 - 현재까지 이어져 오면서 토지이용의

변화 흐름이 수렴하는 경향으로 변화하고 있다 . 따라서 미래 토지이용을 전망하기 위해서는 과거와 현재 두 시기의 토지 이용만을 고려하기 보다는 여러 시계열의 토지이용을 고려하 려 미래 토지이용을 전망해야 할 것으로 판단된다 ( 이용준 , 2008).

개선된 CA-Markov 기법을 본 연구대상지역에 적용하기 위

해 앞에서 수집된 1985 년 , 1990 년 , 1995 년 , 2000 년의 시계 열 토지이용도를 이용하여 최근 2004 년도의 토지 이용을 전 망하였으며 이를 실제 분류한 2004 년 토지이용도와 비교함 으로써 개선된 CA-Markov 기법을 검정하였다 (Table 7). 전

망된 2004 년도의 토지이용도와 분류한 2004 년도의 토지이용

도의 토지이용 항목별 비교를 살펴보면 , 도시지역이 3.0% 더 크게 전망이 되었고 , 논지역이 3.7% 더 적게 전망이 되었다 .

그 외는 유사하게 전망된 것을 확인할 수 있다 . 개선된

CA-Markov 기법을 이용하여 5 년 단위로 모의하여 2020 년 ,

2050 년 , 2080 년의 토지이용을 전망하였고 이를 기후변화에

따른 수문 분석에 적용하였다 . Fig. 18 은 전망된 토지이용도 를 나타낸 것이다 . 미래의 시계열 토지이용 경향을 분석한

결과 2004 ^{년을 기준으로 산림의 경우 지속적으로 감소하여}

2080 년에는 167.6 km²(45.7%) 으로 전망되었고 , 논의 경우에

는 63.9 km²(17.4%) 로 감소하고 , 도시의 경우 2004 년에 비 해 2080 년에는 48.1 km²(13.1%) 로 증가하는 것으로 전망되 었다 . 초지 또한 골프장의 개발 등으로 인하여 증가하는 경 향을 나타내었다 (Table 7, Fig. 19).

Fig. 18 The future predicted land use

Table 7. Summary of the future predicted land use for 2004, 2020, 2050 and 2080 year

Year Land use

Water Forest Urban Grassland Bare ground Paddy Upland crop Total

([%])Area

[Classified]2004 3.4

[0.9] 173.9

[47.4] 24.9

[6.8] 27.4

[7.5] 23.0

[6.3] 83.1

[22.7] 30.8

[8.4] 366.5

[100.0]

[Predicted]2004 4.0

[1.0] 169.6

[46.3] 36.0

[9.8] 29.2

[8.0] 23.1

[6.3] 69.6

[19.0] 35.0

[9.6] 366.5

[100.0]

2020 5.8

[1.6] 170.2

[46.4] 42.7

[11.7] 17.7

[4.8] 21.3

[5.8] 67.0

[18.3] 41.8

[11.4] 366.5 [100.0]

2050 5.9

[1.6] 171.0

[46.7] 46.9

[12.8] 16.3

[4.4] 22.9

[6.3] 67.5

[18.4] 36.0

[9.8] 366.5 [100.0]

2080 6.0

[1.6] 167.6

[45.7] 48.1

[13.1] 23.2

[6.3] 23.7

[6.5] 63.9

[17.4] 34.0

[9.3] 366.5 [100.0]

Fig. 19 The result of future predicted land use Table 8. The derived linear regression of each land use class

between monthly mean temperature and NOAA NDVI

Land use Linear Regression R²

Forest NDVI = 0.0230 · Temp - 0.0018 0.52 Urban NDVI = 0.0153 · Temp + 0.0801 0.65 Grassland NDVI = 0.0159 · Temp + 0.1088 0.68 Bare ground NDVI = 0.0158 · Temp + 0.1036 0.67 Paddy NDVI = 0.0156 · Temp + 0.0925 0.66 Upland crop NDVI = 0.0157 · Temp + 0.1099 0.67

5.4 선형회귀식을 이용한 미래 식생자료

식생피복상태를 나타내는 지표인 정규식생지수 (NDVI) ^는

기온과 일사량의 기상조건에 강한 상관관계가 있는 것으로 연구되었다 ( 신사철 등 , 2006). 본 연구에서는 토지이용별

NDVI 와 월평균 기온과의 변동양상에 중점을 두어 기온 - NDVI 의 선형회귀식을 구축하여 미래 기후변화 시나리오에 대한 각 토지이용별 미래 NDVI 를 추정함으로써 SLURP

입력자료로 사용하고자 하였다 .

1998 년부터 2006 년까지 9 개년에 걸친 토지이용별 월

NDVI 와 월평균 기온과의 선형회귀식을 추정하여 상관성을 검토한 결과 토지이용별 선형회귀식의 결정계수가 0.52-0.68

의 범위를 보였다 (Table 8).

추정된 토지이용별 선형회귀식을 이용하여 CCCma

CGCM2 의 A2, B2 시나리오별 평균기온을 적용함으로써 미

래 기후변화에 따른 2020 년 , 2050 년 , 2080 년의 토지이용별 월 NDVI 를 생성하였고 , 그 결과를 Fig. 20 에 나타내었다 .

기준년도인 2005 ^{년의 평균} NDVI ^{에 대해 전망된} 2020 ^년 , 2050 년 , 2080 년의 평균 NDVI 를 살펴본 결과 , 토지이용 중

산림의 NDVI 가 가장 큰 증가를 나타내는 것을 알 수 있으

며 , 2080 년에 A2, B2 시나리오에서 NDVI 가 각각 0.13, 0.10 이 증가하는 것으로 전망되었다 .

6. 요약 및 결론

본 연구에서는 안성천 유역내 공도수위관측소 지점의 상류 유역을 대상으로 기후변화에 따른 영향평가를 실시하기 위

해 SLURP 모형을 선정하였으며 , 농업용 저수지를 고려하여

모형의 적용성을 평가하기 위하여 과거의 기상자료 , 농업용

저수지 자료와 GIS/RS ^{입력자료들을 수집 및 구축하였다} .

이 과거의 자료들을 이용하여 미래의 기후 , 식생 , 토지이용 자료를 구축하는 기법을 제시하였다 . 본 연구의 결과를 정리 하면 다음과 같다 .

1. SLURP ^{모형의 검·보정을 실시하기 위하여} 1998 ^년 -2006

년 ( 검·보정기간 ) 동안의 수문 / 기상자료를 기본적으로 수 집하였고 , 대상유역내의 농업용 저수지인 고삼과 금광저수 지를 고려해주기 위하여 저수지관련 입력자료 ( 저수위 , 저 수량 , 저수면적 , 관계식에서의 매개변수 등 ) 들과 GIS/RS

자료인 토지이용도 (1995 년 , 2000 년 , 2004 년 ), 토양도 , 식

생자료 (NDVI) 를 수집 및 구축하였다 . 과거의 자료들을 이

용하여 기후변화에 따른 영향 평가를 실시하기 위한 미래의

2020 년 , 2050 년 , 2080 년의 기후 , 토지이용 , 식생자료를 구 축하였다 .

2. 기상자료는 편이보정을 적용하기 위해 3 개의 기상관측소 별로 검·보정기간 외 1977 년에서 1997 년의 자료를 추가 적으로 수집하였고 , 미래 기상자료는 CCCma CGCM2

A2, B2 시나리오 자료를 이용하였다 . 과거의 자료와 미래

의 자료로 편이보정과 CF 다운스케일기법에 의해 미래의 기상자료를 재구축한 결과 , 온도는 봄에는 최대 3.2

C 까지 감소하고 여름 , 가을 , 겨울에는 각각 최대 4.3

C, 5.9

C, 4.5

C 까지 증가하는 것으로 연평균온도가 최대 3.5

C 로 증가하는 것으로 전망되었으며 , 강수량은 봄과 겨울에 각 각 최대 97.3 mm, 44.2 mm 증가하였고 , 여름과 가을에 각각 최대 195.1 mm, 106.0 mm 감소하였으며 연평균강 수량이 최대 121.3 mm 감소하는 것으로 전망되었다 . 3. ^{토지이용도의} 1995 ^년과 2000 ^{년도 자료는} WAMIS( ^국가수

자원관리종합정보시스템 ) 에서 수집하였고 , 2004 년의 자료

는 Landsat TM 영상을 구입하여 감독분류방법에 의해 직

접 구축하였으며 3 개년도의 토지이용 면적결과를 살펴보 면 , 도심지가 1.5% 증가하였고 산림이 50.4% 증가하는 경향을 나타내었다 . 이 자료들로 개선된 CA-Markov 기법 을 이용하여 2020 년 , 2050 년 , 2080 년 미래의 토지이용도 를 전망해보았으며 , 그 결과 2004 년을 기준으로 2080 년에 도심지는 6.3% ^{증가하였고} , ^산림은 1.7% ^{감소하는 것으}

로 분석되었다 .

4. 식생자료는 NOAA AVHRR 을 이용하여 1998 년에서

2006 년의 토지이용별 월 NDVI 를 구축하였고 , 월평균온도 와의 상관관계를 분석하여 토지이용별 관계식을 추출하였 다 . 이 식을 이용하여 미래 2020 년 , 2050 년 , 2080 년의 토지이용별 월 NDVI 자료를 추출하였고 그 결과 , 모든 토지이용별 NDVI 가 증가하였는데 , 특히 산림의 NDVI 가 가장 크게 증가함으로써 미래 산림의 식생 활력도가 상당 히 높아질 것으로 전망되었다 .

감사의 글

이 논문은 2008 년도 정부 ( 과학기술부 ) 의 재원으로 한국과

Fig. 20 The future predicted monthly NDVIs of each land use for A2 and B2 scenarios

학재단의 지원을 받아 수행되었으며 (No. R01-2006-000- 10343-0), 2009 년도 정부 ( 교육과학기술부 ) 의 재원으로 학술 연구재단의 지원을 받아 수행된 기초연구사업 (No. 2009- 0080745) 에 의해 수행되었습니다 .

참고문헌

권형중

SWSI 기반의 준분포형 수문학적 가뭄평가기법 개발

박사학위논문

건국대학교

김병식

^김형수

^서병하

^김남원

^{기후변화가 용담댐 유역의}

유출에 미치는 영향

^{한국수자원학회논문집}

한국수자원학회

제

권 제

호

김병식

서병하

김형수

김남원

모형을 이용한 하천유출량 모의

대한토목학회논문집

대한토목학회

제

권 제

^호

김영오

기후 변화를 고려한 수자원 관리 기법

^{한국수자원}

학회논문집

한국수자원학회

제

권 제

호

박민지

박근애

김성준

농업용 저수지 운영을 고려한

SLURP

^{모형의 수문학적 거동 분석}

^{대한토목학회논문집}

^대

한토목학회

제

권 제

호

배덕효

정일원

권원태

수자원에 대한 기후변화 영향평가

를 위한 고해상도 시나리오 생산

유역별 기후시나리오

구축

^{한국수자원학회논문집}

^{한국수자원학회}

^제

^{권 제}

^호

신사철

정 수

김경탁

김주훈

박정술

를 이용한 가뭄지역 검출 및 부족수분량 산정

한국지리정보학회지

한 국지리정보학회

^제

^{권 제}

^호

안재현

유철상

윤용남

결과를 이용한 지구온난화 에 따른 대청댐 유역의 수문환경 변화 분석

^{한국수자원학회}

논문집

한국수자원학회

제

권 제

호

안소라

^이용준

^박근애

^김성준

^{미래토지이용 및 기후변화}

에 따른 하천유역의 유출특성 분석

^{대한토목학회논문집}

대 한토목학회

제

권 제

호

오성남

하경자

김기영

김정우

배증 이산화탄소 기후에 따른 동북아시아 지역의 수문 영향

^{한국기후학회지}

^한국기

후학회

제

권 제

호

이용준

SWAT 모형을 이용한 미래 기후 및 토지이용변화 에 따른 비점원 오염 거동 분석

석사학위논문

건국대학교 임혁진

^권형중

^배덕효

^김성준

^{기법을 이용}

한 기후변화에 따른 소양강댐 유역의 수문분석

^{한국수자원학}

회논문집

한국수자원학회

제

권 제

호

한국과학기술연구원

기후변화가 한반도에 미치는 영향에 관 한 심포지움: 기후변화가 한반도에 미치는 영향과 지구환경 관련 대책 연구

^{과학기술처}

한국환경정책평가연구원

기후변화영향평가모형 개발-물관리 부문을 중심으로.

Alcamo, J., Döll, P., Kaspar, F., and Siebert, S. (1997) Global change and global scenarios ofwater use and availability: an application of WaterGAP 1.0. Report A9701. Center for Envi- ronmental Systems Research, University of Kassel, Germany.

Benedetti, R., Rossini, P., and Taddei, R. (1994) Vegetation classifi- cation in the middle Mediterranean area by satellite data. Inter- national Journal of Remote Sensing, Vol. 15, No. 3, pp. 583- Bergstrom, S., Carlsson, B., Gardelin, M., Lindstrom, G., Petters-596.

son, A., and Rummukainen, M. (2001) Climate change impacts on runoff in Sweden - assessments by global climate models, dynamical downscaling and hydrological modelling. Climate Research, Vol. 16, pp. 101-112.

Birth, G.S. and McVey, G. (1968) Measuring the color of growing turf with a reflectance spectroradiometer. Agronomy Journal, Vol. 60, pp. 640-643.

Brekke, L.D., Miller, N.L., Bashford, K.E., Quinn, N.W.T., and

Dracup, J.A. (2004) Climate change impacts uncertainty for water resources in the San Joaquin River Basin, California.

American Water Resources Association, Vol. 40, No. 1, pp.

149-164.

Chiew, F.H.S. and McMahon, T.A. (1993) Detection of trend or change in annual flow of australian rivers. International Jour- nal of Climatology, Vol. 13, pp. 643-653.

Diaz-Nieto, J. and Wilby, R.L. (2005) A comparison of statistical downscaling and climate change factor methods: Impacts on low flows in the River Thames, UK. Clim. Change, Vol. 69, pp. 245-268.

Drogue, G., Pfister, L., Leviandier, T., Idrissi, A.E., Iffly, J.F., Mat- gen, P., Humbert, J., and Hoffmann, L. (2004) Simulating the spatio-temporal variability of streamflow response to climate change scenarios in a mesoscale basin. Journal of Hydrology, Vol. 293, pp. 255-269.

Gellens, D. and Rouline, E. (1998) Streamflow responses of Bel- gian catchments to IPCC climate change scenarios. Journal of Hydrology, Vol. 210, pp. 242-258.

IPCC (2001a) Climate Change 2001: The Scientific Basis. Contri- bution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, U.K.

Justice, C.O., Townsend, J.R., Holben, B.N., and Tucker, C.J.

(1985) Analysis of the phenology of global vegetation using meteorological satellite data. International Journal of Remote Sensing, Vol. 6, No. 8, pp. 1319-1334.

Khul, S.C. and Miller, J.R. (1992) Seasonal runoff calculated from a global atmospheric circulation model. Wat. Resour. Res., Vol.

28, pp. 2029-2039.

Kite, G.W. (1993) Application of a land class hydrological model to climate change. Water Resource Research, Vol. 29, No. 7, pp.

2377-2384.

Kite, G.W. and Haberlant, U. (1999) Atmospheric model data for macroscale hydrology. Journal of Hydrology, Vol. 217, pp.

303-313.

Kite, G.W., Dalton, A., and Dion, K. (1994) Simulation of stream- flow in a macro-scale watershed using GCM data. Water Resources Research, Vol. 30, No. 5, pp. 1546-1559.

Kite, G.W., Danard, M., and Li, B. (1998) Simulating long series of streamflow using datafrom an atmospheric model. Hydrologic Science Journal, Vol. 43, No. 3, pp. 391-408.

Kwadijk, J. and Rotmans, J. (1995) The impact of climate change on the discharge of the river. Rhine: a scenario study. Climate Change, Vol. 30, pp. 397-426.

Lins, H.F. (1994) Increasing U.S. Streamflow Linked to Green- house Forcing. EOS, Vol. 75, No. 25, June 21.

Prince, S.D. and Astle, W.L. (1986) Satellite remote sensing of rangelands in Botswana. I. Landsat MSS and herbaceous vege- tation. International Journal of Remote Sensing, Vol. 7, pp.1533-1553.

Sabourin, J.F. and Associates (1996) Implementation of a distrib- uted hydrologic model: using SLURP on the Carp watershed.

CCRS, Ottawa, Vol. 43.

Sefton, C.E.M. and Boorman, D.B. (1997) A regional investigation of climate change impacts on UK streamflows. Journal of Hydrology, Vol. 195, pp. 26-44.

Townshend J.R.G. and Justice C.O. (1986) Analysis of the dynam- ics of African vegetation using the normalized difference vege- tation index. International Journal of Remote Sensing, Vol. 7, pp. 1435-1445.

Tucker, C.J., Vanpraet, C.L., Sharman, J., and Van Ittersum, G.

(1985a) Satellite remote sensing of total herbaceous biomass production in the Senegalese Sahel: 1980-84. Remote Sensing Environ., Vol. 17, pp. 233-249.

Tucker, C.J., Townshend, J.R.G., and Goff, T.E. (1985b) African land cover classification using satellite data. Science, Vol. 227, pp. 369-375.

Zhang, X., Srinivasan, R., and Hao, F. (2007) Predicting hydro- logic response to climate change in the Luohe River Basin using the SWAT model. ASABE, Vol. 50, No. 3, pp. 901-910.

Zhu, T., Jenkins, M.W., and Lund, J.R. (2005) Estimated impacts of climate warming on California water availability under twelve future climate scenarios. American Water Resources Associa- tion, Vol. 41, No. 5, pp. 1027-1038.

(

접수일

심사일

심사완료일