Effects of Clime Change on Spatio-Temporal Behavior of Drought Using SAD Analysis

한 국 방 재 학 회 논 문 집 제10권 6호 2010년 12월

pp. 89 ~ 97

하천방재

SAD 해석을 이용한 기후변화가 가뭄의 시공간적 거동에 미치는 영향분석

Effects of Clime Change on Spatio-Temporal Behavior of Drought Using SAD Analysis 최치현*·최대규**·김응석***·김상단****

Choi, Chi Hyun · Choi, Daegyu · Kim, Eungseock · Kim, Sangdan

···

Abstract

In this study, the impact of climate change on the spatio-temporal behavior of extreme drought events is investigated by com- paring drought severity-area-duration curves under present and future climate conditions. In our climate-change impact experi- ments, the future climate is based on two GCMs(CGCM3.1-T63 and CSIRO-MK3.0). As a result, in the case of CGCM3.1-T63 future drought events are similar to the present, but in the case of CSIRO-MK3.0 future drought risk is likely to increase. Such results indicate that a climate change vulnerability assessment for present water resources supply system is urgent.

Key words

: Climate change, Drought, Standardized precipitation index

요 지

본 연구에서는 현재 및 미래기후에서의 가뭄심도-영향면적-지속기간 곡선의 비교를 통하여 극한 가뭄사상의 시공간적 거동에 대한 기후변화의 영향을 살펴보았다. 미래기후는 CGCM3.1-T63과 CSIRO-MK3.0으로부터 획득되었다. 분석 결과 CGCM3.1- T63의 경우에는 미래가뭄이 현재와 비슷할 것으로 예측되었으나, CSIRO-MK3.0의 경우에는 연강수량 총량의 변화가 거의 없 음에도 불구하고 미래가뭄이 현재보다 더 극심해질 것으로 예측되었다. 이에 따라 현재의 수자원 공급 시스템에 대한 기후변화 취약성 평가가 시급함을 제시하고 있다.

핵심용어 : 기후변화, 가뭄, 표준강수지수

···

1. 서 론

최근에관심이집중되고있는미래기후변화를 예측하는모

형인

GCMs

^{의 결과들에 따르면 기온과 강수패턴에 있어서}

많은 변화가 있을 것으로 예측되고 있으며

(Houghton

등

,

2001),

우리나라가포함된 동아시아지역은최근 온난화가가

장 두드러진 지역 중에 하나라고 알려져 있다

(Lal

^등

,

2001).

^{기후 학자들은지구 기온의증가와 더불어전 지구적}

인수문 순환은극한현상이더 빈번하고강하게발생할것이 라고 예측하고 있으며

(Hisdal

등

, 2001),

이 중 가뭄은 누적 된 기후현상으로부터 발생하는 극한 기후재해 중 하나이다

(Oliver, 2005).

가뭄과홍수는 사회

,

경제적으로많은 피해를일으키는 자 연재해이다

.

특히 가뭄재해는미국의해양대기청

(NOAA)

에서

20

세기 최대의자연재해

10

개를 선정하였는데세계각지에서

발생한

4

개의 가뭄이 상위

5

위 안에 기록되어 있다

.

시간적 으로 한시적이며 공간적으로 국부적인 특성을 지닌 홍수에 대비하는 연구는상대적으로많은 진보가있었다

.

하지만 시 간적으로장기적이며 공간적으로광역적인가뭄에대한 연구 는 세계적으로막대한 피해에도불구하고

,

이에대한 연구는 상대적으로부족한 실정이다

.

이는가뭄의 정의자체가 시공 간에 따라변해야하는속성으로 인하여학문적진전이어려 웠기 때문이기도 하다

(Wilhite, 2000).

^{그 결과 선진 외국의}

경우 가뭄 현상을 모니터링하고 예측하는데 많은 노력들을 기울이고 있는추세이다

(Svoboda

등

, 2002).

일반적으로 가뭄을 해석하는 방법으로는 가뭄지수를 이용 하게 되며 이러한 가뭄지수에는

PDSI(Palmer Drought Severity Index), SWSI(Surface Water Supply Index), SPI (Standard Precipitation Index)

등 여러 가지가 개발되어 왔 다

.

이 중 강수의 양적 특성만을 이용하여 가뭄지수를 산정

****부경대학교환경공학과석사과정(E-mail : hihyuns01@naver.com)

****부경대학교환경공학과박사과정

****정회원·선문대학교토목공학과부교수

****정회원·부경대학교환경공학과부교수 (교신저자)

하는

SPI

^{는 다른지수들과 비교할때인위적인 용수공급능력}

을 고려하지못한다는단점을가지고 있지만

,

오히려인위적 인 요소를 배제한 상태에서 강수의영향만이 고려된 가뭄지 수가 산정되기때문에 미래 기후변화에따른 가뭄의 거동을 파악하는 목적에는 보다 유용하게 적용될 수 있다

.

^{이는 미}

래의용수공급상황의예측에따른 불확실성을배제한상태에 서순수하게 강수의변동만을대상으로현재 대비미래가뭄 양상의비교가우선적으로 필요하기때문이다

.

이에 본연구에서는 표준강수지수

(SPI)

^{를 이용하여김보경}

등

(2006)

에 의해 제안된 가뭄심도

-

가뭄면적

-

가뭄지속기간

(Severity-Area-Duration; SAD)

곡선을 작성하여 지속기간 및 면적에따른 미래가뭄의 거동을 평가하고자한다

.

이 때

,

미래강수량 정보는캐나다에서 개발한

CGCM3.1-T63

^{과 호}

주에서 개발한

CSIRO-MK3.0

전구기후모형에

A1B

온실가

스배출시나리오를 적용하여산출된 결과를이용하였다

. 2. 연구방법

2.1 GCMs(Global Climate Models)

본연구에서 두 가지

GCMs

을 적용하였다

.

첫 번째

GCM

은

CCCma

^{에서 제공하는}

CGCM3.1

^이다

. CGCM3.1

^은

T47

과

T63

의 해상도에서실행이된다

. T47

은지표면의경우 경 위도

3.75

^o

×3.75

^o의 수평적 해상도와 수직적으로는

31

개 층 으로구성되어 있으며해양의 경우경위도

1.85

^o

×1.85

^o의 수 평적 해상도와 수직적으로는

29

^{개 층으로 구성되어 있으며}

, T63

은 지표면의경우경위도

2.81

^o

×2.81

^o의수평적해상도와 수직적으로는

31

개 층으로 구성되어있으며 해양의 경우 경 위도

1.4

^o

×0.94

^{o의 수평적해상도로구성되어있다}

.

^본연구에

는 고해상도

GCM

^인

T63

^{이 적용된다}

.

^{두 번째}

GCM

^{은 호}

주

CSIRO

에서 개발한

CSIRO-MK3.0

이다

. CSIRO-MK3.0

또한

CGCM3.1-T63

과 같은 정도의해상도에서실행이 되며

지표면의경우수직적으로

18

^{개 층으로구성되어있다}

.

^해양

의경우 경위도

1.875×0.84

의 수평적해상도와수직적으로는

31

개 층으로구성되어 있다

.

또한

,

본 연구에서는

IPCC

에서 제공하는

SRES A1B

온 실가스 배출시나리오를 대상으로 하였으며

,

시간적으로는

2011-2040

년

, 2041-2070

년

, 2070-2100

년으로 구분된 미래에

대하여

1980-2009

년의 현 상태의

GCMs

모의 결과와 비교

하였다

.

2.2

^{통계학적규모내림기법}

미래기후자료는보통

GCMs

로부터의결과를 분석함으로써

획득된다

.

하지만

GCMs

의 해상도가너무 크기때문에 이를

수문모형에 직접적으로 적용할 수는 없다

.

^{큰 해상도의}

GCMs

의 결과들은 통계학적 또는 동역학적 규모내림기법을 이용하여유역 규모의기후변수들로전환될수 있으며

,

최근 까지도 이에 관한 활발한 연구가 진행되어다양한 수문모형 에적용되고 있다

.

^{하지만동역학적규모내림기법의 경우 방}

대한양의 수치계산이필요하며

,

아직까지는매우제한된 정 보만이 이용 가능한 실정이며

,

그 결과 기후변화에따른 영

향을 살펴보는많은연구들이통계학적규모내림기법을적용 하고 있다

.

본 연구에서는미래강수량과평균기온을모의하기위하여

우리나라 기상청

24

개 지점

(Fig. 1)

의 월 강수량에근거하여

간단한 통계학적 규모내림기법인 시공간적 변화인자기법

(Spatio-Temporal Changing Factor Method, STCFM)

을 이

용하였다

. GCMs

에서 월단위로제공되는 변수 중

pr

를 월강

수량으로 가정하였으며

,

먼저

GCMs

에서 제공되는

1971- 2000

^{년의 평균기온과 강수량 자료를 동 기간}

24

^{개 지점 공}

간평균자료와 일치시키기위한 편의보정을시도하였다

.

참고 로

pr

은

“precipitation flux”

를 의미한다

.

편의보정은 월별로 수행되었으며

, GCM

별 모의결과의누가확률밀도함수를 관측 된 공간평균자료의 누가확률밀도함수에

Quantile mapping

^하

는 방법을 취하였다

.

예를 들어 설명하면

, CT63

에서 모의된

1971-2000

년

1

월 강수량과

1971-2000

년

24

개 지점 공간평 균

1

월 관측강수량의확률밀도함수를서로

mapping

시키는 과정을 취하였음을 의미한다

.

^즉

, 1

^{월 관측 자료 x}o에 대한 누가확률밀도함수를 Fo

(

xo

)

라 하고

1

월 현재모의 자료 xg에 대한 누가확률밀도함수를 Fg

(

xg

)

라 할 때

, 1

월 현재 모의 자 료 xg에 대한 편의보정된 값 xg

'

은 Fo-1

(

Fg

(

xg

))

로 구해질 수 있다

.

^{여기서 F}o-1은 Fo의 역함수를의미한다

.

^{이 때}

,

^누가확

률밀도함수는

Kernel smoothing

기법을이용하여 결정하였다

.

참고로 본 연구에서는

MATLAB

의

ksdensity

함수를 이용하 여 수행하였는데

, ksdensity

함수는 정규분포를 추정하기 위

해 가장 최적인 주파수 대역폭을

sample

^{자료로부터 자동적}

으로 제공하는장점이 있다

.

보다 상세한사항은

MathWorks

사의관련웹페이지

(http://www.mathworks.com/access/helpdesk/

help/toolbox/stats/ksdensity.html)

^{및 그에 따른 참고문헌을}

참조할 수있다

.

^{미래 자료또한 위와같은 방법으로산출되}

었는데

,

예를 들어설명하면

CT63

에서모의된 미래어떤 해

의

1

월 강수량 Xg에 대응하는 현재 모의 자료로부터 구한 누가확률밀도함수에서의누가확률 값 Fg

(

^Xg

)

^{를 구한후}

,

^이를

Fig. 1. Observation location (24 sites)

관측된 자료로부터 구한 누가확률밀도함수의 역함수에 적용 하여 보정된 미래 어떤 해의

1

^{월 강수량 X}g

'=

^Fo-1

(

^Fg

(

^Xg

))

^을

구하게 된다

. Fig. 2

는 편의보정과정을 거친

A1B

온실가스

배출시나리오에 따른

CT63

과

CSMK

의 연강수량 시계열 예 측결과를나타내고있다

. 2071-2100

년의 경우

, CT63

은 현재 대비 연강수량이

14%

^{정도의 증가를}

, CSMK

^는

1%

^{정도 감}

소할 것으로 예측되고 있음을 살펴볼 수 있다

. Fig. 2

에서

obs

는

24

개 지점 공간평균 관측 자료이며

, present

와

future

는

GCMs

로부터 편의보정과정을 거쳐 획득된 현재 및 미래

강수량모의자료를각각 의미한다

.

위와 같은 산출한 미래 월 강수량자료

(2011-2100

년

)

는 과 거

30

년 평균월 강수량자료에대한 백분율로나타낼 수 있 으며

,

이러한 백분율 자료는 지점별 미래 일 강수량을 산출 하는데사용된다

.

^{절차는다음과 같다}

.

1)

지점별 과거 관측

30

년 자료의 공간평균 월 기상자료

(

이 경우에는전국

60

개 기상관측소

1990-2009

년 자료 적용

)

에 예측된 백분율을 적용하여 미래 공간평균 월 기상자료

(2011-2040

^년

)

^{를 산출}

,

2)

미래 공간평균

30

년 자료를 내림차순으로정렬하고

,

과 거관측 공간평균자료도 내림차순으로정리

,

3)

상기정렬된 미래공간평균 자료의순위에 해당하는과

거 관측 공간평균자료의 공간분포 분율

(=

^{지점 월 강수량자}

료

/

공간평균 월 강수량자료

)

을미래 공간평균자료에 적용 하여미래 지점별일 기상자료생성

,

4) 2041-2070

^년

, 2071-2100

^{년 자료도 같은 방법으로 과거}

관측 자료의 공간분포를반영하여 미래 지점별 일 강수량자 료생성

상기 규모내림절차를 보다 간략하게 도식화하여 나타내면

Fig. 3

^{과 같다}

.

2.3

^{표준강수지수}

(Standardized Precipitation Index, SPI)

표준강수지수는 월강우량만을 고려하여 해당 지점의 수문 학적건조 상태를상대적으로간단하게정량화하여 보여주는 가뭄지수이다

(

유철상등

, 2006). SPI

의 산정절차는다음과같 다

.

먼저최소

30

년이상의월 강수량시계열을특정지속시

간 단위

(

예를 들어

3

개월 또는

12

개월

)

에 대하여이동 평균 시계열을 구성한다

.

이를 월별로 분석하여 월별 최적 확률 분포형을결정한다

. 1

^월부터

12

^{월까지월별로 산정된확률밀}

도함수를 이용하여 앞서 추정된 이동 평균 강수시계열에 대 응하는 누가확률을 산정한다

.

이누가확률 값을표준정규누 가확률 함수에역으로 적용시켜표준강수지수를 산정한다

.

SPI

^{값은 양수와음수의 값을가지며}

(Table 1),

^{양수를가질}

경우습윤상태를나타내고음수를 가질경우건조상태를나 타낸다

.

그리고

0

값에서가까울수록정상

(normal)

상태이며멀 어진정도가클수록습윤또는건조상태가강한것을의미한

Fig. 2. Annual precipitation under climate change (mm)

Fig. 3. STCFM's downscaling procedure

Table 1. Classification of moisture by SPI

SPI Moisture

more than 2.00 Extremely wet

1.50~1.99 Severe wet

1.00~1.49 Wet

-0.99~0.99 Normal

-1.49~1.00 Dry

-1.99~1.50 Severe dry

less than -2.00 Extremely dry

다

.

^따라서

SPI

^{는 유역의습윤및건조상태를확률적으로표}

현한것이라볼 수 있으며

,

강수량이시기별평균 대비얼마 나많이 내렸는지또는 얼마나적게내렸는지에따라 유역의 습윤및건조정도를표현하는상대적인 지수라할 수있다

.

2.4 EOF(Empirical Orthogonal Function)

자연현상의공간적 변동성은 주로 점 형태로 구성된 관측 망으로부터얻어진공간자료를통하여 파악될수 있다

.

강우 량 또한 이러한 점 구조로 된 관측망의 네트워크를 통하여 공간적인 패턴을 분석해 볼 수 있는데

,

이와 같은 자연현상 의 공간적인 변동성의 주된 특징은 경험적 직교함수

(Empirical Orthogonal Funtion; EOF)

라 불리는 기법에 의 해 압축적으로 설명될 수 있다

.

^이러한

EOF

^{해석은 학문분}

야에 따라 주성분 분석

(Principal Component Analysis;

PCA)

또는

Karhunen-Loeve Basis Function

이라 불리며 넓 은 의미에서 다변량 통계기법 중의 하나로 분류될 수 있다

(Yoo

^등

, 2004).

EOF

해석은 기상학

,

지리학

,

영상처리

,

전자신호 등 여러

분야에서사용되어 왔는데

,

최근에는수문학에서도점진적으

로 적용 빈도가 증가되고 있는 방법이다

. Tomozeju

등

(2000)

^{은강우량의 시계열자료를 이용하여여름철강우량의}

시·공간분석을수행한 바 있으며

, Hisdal

등

(2003)

은 강우량 과유량자료를이용하여덴마크의 가뭄특성을추출하였다

.

또 한

,

이에 관한 국내 연구로는 가뭄의 시공간적 특성을 연구

하기 위해

SPI

^{가뭄지수의}

EOF

^{분석을 이용한 김보경 등}

(2006),

유철상 등

(2006),

장연규 등

(2006),

경민수 등

(2007)

의연구들을 들수 있다

.

EOF

^{는 일반적으로자료의 선형변환을통해 비상관분포된}

자료들을구성하며이로부터원자료변동성의대부분을설명 할 수 있으면서도더 작은 수의 변수들을얻는 통계적 기법 이다

.

그러나본연구에서는차원축약보다는계산절차의간소

화 및공간적인 상관성의보존에 주된 목적을두고

EOF

^해

석이수행되었다

.

본 연구의경우 월별로도출되는공간정보 를

60

개의

EOF

로 분리하지 않고 직접

Kriging

을 실시할 경

우매 월별로

Kriging

분석을수행해야하는문제가 발생하게

된다

.

즉

, 30

년을 분석할 경우

30×12

회의

Kriging

분석이 수행되어야할 것이다

.

또한

Kriging

방법 자체가가지고 있 는불확실성으로 인하여이로부터도출된격자자료의일부는 비현실적인공간특성을 가진자료가도출되는경우도존재하 게 된다

.

^그러나

30

^{년을 분석할 경우에 월별로 도출되는}

360

^{개월의 공간정보를}

60

^개의

EOF

^{로 분리할 경우에는}

60

^회

의

Kriging

분석만이 필요하게 되며

,

각각의

EOF

는 고유의 공간적인특성뿐만아니라상대적인가중치가부여됨에따라 서 보다 현실적인 공간특성을 가진 자료가 도출될 수 있는

장점이있다

. EOF

의추정은 원자료행렬에대하여비정적치

분해혹은 고유치분해

(Single Value Decomposition; SVD)

를 수행하여 얻을 수 있으며 이를 식으로 표현하면 식

(1)

과 같 다

.

(1)

여기서 행렬 U의 각 열을 A의

EOF

^{라 하며 각각의}

EOF

^는

서로 독립적인성분이다

.

행렬 S의대각요소들은고유값으로 이는

EOF

가 설명하는 원자료의 분산 값으로 모든

EOF

의 고유값을 더하면 원자료의 분산이 된다

.

행렬 V의 각 열은 시계열의계수로 행렬 U의 열에대응하는

EOF

^{의시간적 전}

개를 나타낸다

.

행렬 A는관측소의개수

(60

개

)

와

SPI

시계열 의 시간적 길이

(360

개월

)

로 구성되어

60×360

의 크기를 지니

며 비정적치 분해를수행한 행렬 U는

60×60

의 크기로 표현

된다

.

^{행렬 S는}

60×360

^{의 크기로 대각 요소는 각}

EOF

^의

비정적치로 원자료의 분산값을 표현하며 각

EOF

의 시계열

자료인행렬 V는

360×360

의크기로구성된다

.

2.5

^{공간분포를적용한}

SPI

가뭄심도

-

가뭄면적

-

가뭄지속기간 곡선을작성하기위해서는

지점별

SPI

시계열로부터도출한

EOFs

를 공간적으로확장할

필요가 있다

.

공간적인 현상을 설명할 수 있는 수문변수는 인근 지점의 상황이 공간적 의존성 혹은 상관성을 포함하기 때문에 공간적으로 완전히 무작위적인특성을 가질 수 없게

된다

(

윤용남 등

, 2002).

수문변수의 공간적인 변동성은 주로

공간상관함수

(spatial correlation function)

및 반분산

(semiva- riogram)

^{등의방법에의해정량화된다}

.

^{산출된각각의}

EOFs

를 공간적으로 확장을위하여본 연구에서는

Kriging

기법을 적용하였는데

, Kriging

기법은 반분산 함수에의하여 각각의 기지점에 가중치를부여하게된다

.

최종적으로가중치가부여 된 기지점을 이용하여 미지점을 유추하게 된다

.

^이러한

Kriging

기법은내삽 외에도최적화된측정망을구성하는 연

구 등에 폭넓게활용되고있다

(

경민수등

, 2006).

Kriging

^{기법을 이용하여}

60

^개

EOFs

^{를 우리나라 육지를}

대상으로 해상도

10 km×10 km

^{기준으로 내삽하여각각셀로}

나누고각 셀을하나의지점으로 간주하였다

.

이는식

(1)

에서

60×60

의 크기를 지닌 행렬 U 를

630×60

의 새로운 행렬 U'

로 확장함을 의미한다

.

^{따라서 공간적으로확장된}

SPI

^행렬

A' 는다음과 같이표현된다

.

(2) 2.6

^가뭄심도

-

^영향면적

-

^{지속기간의곡선 작성}

가뭄은 공간적으로 국지적이며 시간적으로 순간적인 홍수 와는 달리가뭄의심도뿐만아니라가뭄이지속되는기간 및 가뭄에 영향을 받는 지역에 대한 이해가 매우 중요하다

.

^홍

수사상의 경우 다양한 크기의 유역면적에 여러 지속시간을 고려하고호우사상의 발생에따라예상되는지속시간별 최대 강우를작성한최대평균우량깊이

-

영향면적

-

지속시간 관계곡선 에서 착안하여

,

^{가뭄사상에대해서 최대평균우량깊이를 가뭄}

심도로 대체함으로써 가뭄심도

-

영향면적

-

지속기간 곡선을 작 성할 수 있다

.

먼저 각 격자별로 구성된

SPI

시계열 S

(

x

,

y

,

t

)

을 이용하여 지속기간별 이동평균 시계열 Sd

(

^x

,

^y

,

^t

)

^{을 아래 식}

(3)

^{과 같이}

작성하게 된다

. A U S V =

× × ^T

A

′

= U

′×

S V

× ^T

(3)

여기서

,

d 는지속기간이다

.

시계열 Sd

(

^x

,

^y

,

^t

)

^{을 각각의 지속기간에 대하여 영향면적별}

로 공간적인 이동평균 자료 시계열 Sa,d

(

x

,

y

,

t

)

을 아래 식

(4)

과같이 계산한다

.

(4)

여기서

,

a²는영향면적이다

.

지속기간별영향면적별공간 이동평균자료 Sa,d

(

x

,

y

,

t

)

로부

터 최소

SPI

^{값을 찾아내면 그 값이 해당 지속기간에 대한}

해당영향면적을대표하는 가뭄심도 s

(

a

,

d

)

로정의하게된다

. for all

x

,

y

,

t

(5)

이를각각의지속시간별영향면적별로도시하게되면최종적 인

SAD

곡선이작성된다

.

3. 결과 및 고찰

3.1

표준강수지수산정

본 연구에서는기상청에서 제공하고 있는 전국

60

개 지점

(Fig. 4

^및

Table 2)

^{에 대해}

1980

^년부터

2009

^년까지

30

^년간

자료를 이용하여농업가뭄을 대변하는 것으로 알려진

3

개월

지속시간

SPI(

이후

SPI3)

와 수문학적 가뭄을 대변하는 것으

로 알려진

12

개월 지속시간

SPI(

이후

SPI12)

를 각각 산정하

였다

.

^또한

, GCMs

^{결과의 통계학적 규모내림기법을 통하여}

산출된 현재 및 미래 지점별 월 강수량을 대상으로 미래

SPI

시계열도각각 산정하였다

. Fig. 5

에 산출된 관측 및 현

재

,

미래

SPI

시계열중 광주지점과대구지점의결과를도시

하였다

.

일반적으로 이동평균시 적용되는 지속시간 단위가 길어질 수록 진동주기가 길어지며 건조한 정도가 지속되는기간 또 한 길어지게 됨을 살펴볼 수 있다

.

즉

,

수문학적 가뭄을 대

변하는

SPI12

^{의 경우가농업가뭄을대변하는}

SPI3

^{에 비하여}

가뭄 단계로 접어들 확률이 떨어지는 반면에 가뭄이 발생하 게 되면 보다 장기간에 걸쳐 지속되는 특성을 가진다

.

또한

Fig. 5

로부터 관측자료 및 현재모의자료로부터 도출된

SPI

값은 평균이나 분산이 서로 비슷하게 모의되고 있음을 살펴 볼 수 있다

.

이는지점별로 규모내림된현재모의자료가 관측 된

SPI

를 평균과분산의 측면에서는비교적 잘 재현하고 있

S

_d(

x y t

, , )

1

d --- S

_d(

x y

, ,τ) τ

d

t d–

∫

t

=

S

_{a d,} (

x y t

, , )

1 a

²

--- S

_d(ζ ξ, ,

t

) ζ

d d

ξ

y a–

∫

y x a–

∫

x

=

s a d

( , )

= min

[

S

_{a d,} (

x y t

, , )]

Fig. 4. Observation location (60 sites)

Table 2. Observation network

No Observation No Observation No Observation No Observation

1 Sokcho 16 Daegu 31 Inje 46 Chungju

2 Daegwallyeong 17 Jeonju 32 Hongcheon 47 Yeongju

3 Chuncheon 18 Ulsan 33 Jecheon 48 Munkeong

4 Gangneung 19 Gwangju 34 Boeun 49 Munkeong

5 Seoul 20 Busan 35 Cheonan 50 Uiseong

6 Incheon 21 Tongyeong 36 Boryeong 51 Gumi

7 Ulleungdo 22 Mokpo 37 Buyeo 52 Yeongcheon

8 Suwon 23 Yeosu 38 Buan 53 Geochang

9 Seosan 24 Wando 39 Imsil 54 Hapcheon

10 Uljin 25 Jeju 40 Jeongeup 55 Miryang

11 Cheongju 26 Seogwipo 41 Namwon 56 Sancheong

12 Daejeon 27 Jinju 42 Suncheon 57 Geoje

13 Chupungnyeong 28 Ganghwa 43 Jangheung 58 Namhae

14 Pohang 29 Yangpyeong 44 Haenam 59 Wonju

15 Gunsan 30 Icheon 45 Goheung 60 Geumsan

음을나타낸다고볼 수 있을 것이다

.

^{그러나 미래모의자료를}

살펴볼 경우에는평균적인 변화는 명확하게 파악할 수 없는 반면에

,

분산이 현재보다커지고 있음을 알 수 있다

.

이러한 변화는 미래의경우 강수량의진폭이 현재보다는 증가할 것 임을나타내는것으로습윤기간에는지금보다더 습윤해지고 건조기간에는지금보다더 건조하게되어

,

가뭄사상이더 자 주발생할 개연성이있는 것으로분석될수 있을 것이다

.

3.2

가뭄심도

-

영향면적

-

지속기간곡선의작성

상기 산출된 지점별

SPI

시계열은

EOF-Kriging

과정을

거쳐

10 km×10 km

해상도의 공간분포자료로 확장되었으며

,

이와같이확장된

SPI

시계열을대상으로가뭄심도

-

영향면적

-

^{지속시간곡선을 작성하였다}

.

^{이 때}

,

^{영향면적은}

400, 1600, 3600, 6400, 10000, 14400, 19600, 25600 km

²을 각각 적 용하여 공간적인 이동평균자료 시계열 Sa,d

(

x

,

y

,

t

)

을 계산하 였으며

,

이들로부터 최소

SPI

값을 찾아내어 지속기간별 영 향면적별가뭄심도 s

(

^a

,

^d

)

^{를 결정하였다}

.

먼저

GCMs-

규모내림과정으로부터획득한자료의신뢰정도

를 파악하기 위하여 관측자료로부터 산출된

SAD

^곡선과

GCMs

의 현재기후조건으로부터 산출된

SAD

곡선을 비교하 였으며

,

이를

Fig. 6

에 도시하였다

. Fig. 6(a)

에서

‘observed’

는 과거 관측 자료로부터 도출된

SAD

곡선 중 지속기간

3

개월 곡선이며

, ‘CT63’

^은

CT63

^{을 이용하여현재 기후조건의}

모의결과로부터 도출된

SAD

곡선 중 지속기간

3

개월 곡선

이다

. ‘CSMK’

는

CSMK

로부터의 결과를 의미하며

, Fig.

6(b)

도 같은 방법으로 작성되었다

. Fig. 6

으로부터

GCMs-

규 모내림과정으로부터 획득한자료가어느 정도신뢰성을갖고 있음을 간접적으로살펴볼수 있을것이다

.

Fig. 7

은

SPI3

를 대상으로

CT63

과

CSMK

로부터 모의된 강수량자료를 대상으로

1971-2000

년

(

현재

), 2011-2040

년

, 2041-2070

^년

, 2071-2100

^{년의 시기별로 작성된}

SAD

^곡선을

나타내고 있다

. CT63

의 경우에는미래가뭄의시공간적 패턴

이 현재와 크게 다르지 않을 것으로 예측되고 있으나

, CSMK

의 경우에는 미래에 보다 심각한 가뭄이 국지적으로 또한 광역적으로 발생할 가능성이 있는 것으로 예측되고 있 다

.

특히 농업용수 공급에 중요한 지표가 될 수 있는

3

개월

Fig. 5. SPI time series

Fig. 6. Verification of GCMs information

평균 강수량의 경우

(

즉

, SPI3)

심각한 강수량 부족이

3

개월 에서

6

^{개월 이상 지속될 경우 현재의 농업용 저수지 또는}

하천에서의소규모저류용구조물이 제기능을할 수 없음을 상기하여볼때

, CSMK

의결과는 이에대한대비가 시급함을 보여준다하겠다

.

Fig. 8

^은

SPI12

^{를 대상으로}

CT63

^과

CSMK

^{로부터 모의된}

강수량자료를 대상으로

1971-2000

년

(

현재

), 2011-2040

년

, 2041-2070

년

, 2071-2100

년의 시기별로 작성된

SAD

곡선을

나타내고있다

. SPI3

와 비슷하게

CT63

의 경우에는미래가뭄

의시공간적 패턴이현재와크게다르지않을 것으로예측되

고 있으나

, CSMK

의 경우에는 미래에 보다 심각한 가뭄이

국지적으로 또한 광역적으로 발생할 가능성이 있는 것으로 예측되고있다

.

국가전체 수자원공급에중요한 지표인

12

개

월 평균 강수량의 경우

(

^즉

, SPI12) CSMK

^{에서 도출된 결과}

와같은극심한강수량부족이

3

개월에서

6

개월이상 지속될 경우 현재의 수자원 공급 시스템이 제 기능을 할 수 있을 것인지 또는 어느 정도의 피해가 예상되는 지

,

그리고 그에 대한대비를위해서는어느정도로용수공급능력을 증대시켜 야 하는 지에 대한 추가적인 연구가 앞으로 이루어져야 할

것으로 판단된다

.

지금까지

GCMs

^{을 달리하여작성된}

SAD

^{곡선을 비교해보}

았다

.

먼저

CGCM3.1-T63

을 적용하였을 경우 지속기간별로

영향면적별로 미래의가뭄심도가현재와 같거나약간약화됨 을 나타내었으며

, CSIRO-MK3.0

을 적용하였을 경우에는 미 래의 가뭄심도가 현재보다 심화됨을 예측하였다

.

^{이는 어떤}

미래정보를 적용하느냐에 따라 가뭄의 약화 또는 심화 즉

,

부호의 변화가 일어날 수 있음을 의미한다

.

또한

, CT63

의

경우 금세기말까지

14%

의연강수량증가가예측되었기 때문 에 어느정도 가뭄의약화는예측가능한범위에들어온다고

생각할 수 있으나

, CSMK

의 경우에는 약

1%

의 연강수량

감소가

SAD

곡선 상에서는매우 심각한 수준까지가뭄심도

가 심화되는결과를 보여주고있다

.

하지만 이러한결과로부 터 연강수량의변화에따른 가뭄민감도가클것이라고판단 하는 것은 매우 경계해야할 것이다

.

이러한 결과는 오히려 자연재해의해석에있어서총량적인변화보다는 극한사상에 대한 해석 또는 변동성에 대한 해석이 보다 더 중요하다는 것을 나타내고있는 것이라할 수 있다

.

Fig. 7. SAD curves for SPI3

4. 결 론

본 연구에서는

CGCM3.1-T63, CSIRO-MK3.0

^의

A1B

^온

실가스배출시나리오에따른미래 강수량예측자료를이용하 여격자별 표준강수지수를 산정한후

,

이를 기준으로가뭄심 도

-

영향면적

-

지속기간 곡선을 작성하여 지속기간 및 면적에 따른 미래 극한 가뭄의 상태를 살펴보고자 하였다

.

^적용된

SPI

는 농업가뭄을 대변하는

3

개월 지속시간과수문학적가뭄 을대변하는

12

개월지속시간에대하여분석을실시하였으며

,

각각의 지점별

SPI

시계열은

EOF

및

Kriging

기법을 이용 하여 공간적으로 확장되었다

.

^{미래기후정보로부터의 획득된}

현재 및 미래의

SAD

곡선을 비교함으로써 극한 가뭄에 대

한기후변화의영향을 살펴본결과는 다음과같다

.

1) CT63

으로부터 도출된미래예측결과는 미래의가뭄상황

이 현재와 크게다르지않을 것으로분석되었다

.

2) CSMK

로부터도출된 미래예측결과는연 강수량의변화

가 거의없음에도불구하고현재보다는미래에가뭄심도 가 보다 심각해질가능성이있는 것으로분석되었다

.

특히

, CSMK

^{의 결과는현재의농업용저수지 또는하천에}

서의 소규모 저류용 구조물을통한 농업용수 공급능력에 대

한 점검이 필요함을알려주고있으며

,

이와 더불어서기후변 화에 대한우리나라수자원공급시스템의취약성평가가시 급함을 시사하고있다

.

그러나 본 연구에서 도출된 결과는 많은 불확실성이 포함 되어 있음을언급하여야할 것이다

.

이는

GCM

자체가 갖는

불확실성

,

낮은해상도를지닌

GCMs

의 결과를규모내림하는

과정

,

^{미래기후 시나리오 적용에 따른 여러 가지 불가피한}

가정 등이 포함되기 때문이다

.

또한 본 연구에서 적용한 표 준강수지수를 이용한 분석에는유역 물 순환에서 또 하나의 중요한 성분인 증발산과 토양수분이 전혀 고려되지않은 점 과 실제적인수자원 공급을 고려한 수문학적인 가뭄을 평가 하는 면에서는미흡한 단점을가지고있다

.

마지막으로 가뭄은절대적인양적 개념이아니라시공간적 으로 상대적이고개념이며

,

지점별순간별 사상이아니기 때 문에 영향면적 및 지속기간을 고려한 극한 사상으로 정의하 는 것이 보다 바람직할 것이다

.

이러한 관점에서 본 연구에 서 적용한가뭄심도

-

영향면적

-

지속기간 곡선을통한 가뭄해석 의 접근은 극한 가뭄사상의영향평가를 위해 적절하게 적용 될 수 있을것으로 기대된다

.

Fig. 8. SAD curves for SPI12

감사의 글

본연구에서 미래기후자료산출부분은

“

기후변화감시·예 측 및 국가정책지원강화사업

”

의 일환으로

2010

년 기후과학 연구관리단의지원을받아 수행된연구

(RACS 2010-4006)

^이

며

,

미래가뭄분석은 한국수자원공사

'2008

년

1

차

(

상반기

)

물 산업핵심분야연구개발비지원사업

(

기후변화에따른수자원영 향평가및 관리방안수립

)'

의 지원을받아 수행되었습니다

.

참고문헌

경민수

,

김상단

,

김보경

,

김형수

(2007)

군집분석을통한 수문학 적가뭄의가뭄심도

-

가뭄면적

-

가뭄지속기간곡선의작성

,

^대한

토목학회 논문집

,

제

27

권

,

제

3B

호

, pp. 267-276.

경민수

,

김상단

,

김형수

,

박석근

(2006)

통계적기법을이용한경 안천유역의수질측정망구성

,

대한토목학회논문집

,

제

26

권

,

제

3B

호

, pp. 291-300.

김보경

,

김상단

,

이재수

,

김형수

(2006)

가뭄의시공간적분포특 성연구

:

가뭄심도

-

가뭄면적

-

가뭄지속기간곡선의작성

,

대한 토목학회 논문집

,

제

26

권

,

제

1B

호

, pp. 69-78.

유철상

,

김대하

,

김상단

(2006). EOF

해석및다변량시계열모형 을 이용한농업가뭄대비능력의평가

,

^{한국수자원학회논문집}

,

제

39

권

,

제

7

호

, pp. 617-626.

윤용남

,

김중훈

,

유철상

,

김상단

(2002)

공간분포된강우를 사용 한 유출매개변수추정및 강우오차가유출계산에미치는영 향분석

,

한국수자원학회논문집

,

제

35

권

,

제

1

호

, pp. 1-12.

장연규

,

김상단

,

최계운

(2006) SPI

가뭄지수의

EOF

분석을 이 용한가뭄의시공간적인특성연구

,

한국수자원학회논문집

,

제

39

권

,

제

8

호

, pp. 691-702.

Hisdal, H., Tallaksen, L.M. (2003) Estimation of regional meteoro- logical and hydrological drought characteristics: a case study for

denmark. Jounal of Hydrology, Vol. 281, No. 3, pp. 230-247.

Hisdal, H., Stahl, K., Tallaksen, L.M. and Demuth, S. (2001) Have streamflow droughts in Europe become more severe or fre- quent. Int. J. Climatol., Vol. 21, No. 3 pp. 317-333.

Houghton J.T., Ding, Y., Griggs, D.J., Noguer, M., van der Linden, P.J. and Xiaosu, D. (2001) Climate change 2001: the scientific basis. Contribution of Working Group I to the Third Assess- ment Report of the Intergovernmental Panel on Climate Change (IPCC). Cambridge University Press, Cambridge, pp. 944.

Lal, M. and H. Harasawa. (2001) Future Climate Change Scenarios for Asia as Inferredfrom Selected Coupled Atmosphere-ocean Global Climate Models. J. Meteor. Soc. Japan, Vol. 79, No. 1, pp. 219-227.

Oliver, J.E. (2005) Encyclopedia of world climatology. Encyclope- dia of Earth Sciences Series , Springer, Berlin Heidelberg New York, pp. 855.

Svoboda, M.D., LeComte, D., Hayes, M.J., Heim, R., Gleason, K., Angel, J., Rippey, B., Tinker, R., Palecki, M., Stooksbury, D., Miskus, D. and Stevens D. (2002) The drought monitor. Bull.

Am. Meteor. Soc ., 83, pp. 1181-1190.

Tomozeju, R., Busuioc, A., Marletto, V., Zinoni, F. and Cacciamini C. (2000) Detection of Changes in the Summer Precipitation Time Series of the Region Emilia-Romagna, Italy. Theor. Appl.

Climatil ., Vol. 67, pp. 193-200.

Wilhite, D.A. (2000) Drought as a natural hazard: concepts and def- initions. In: Wilhite D.A. (ed) Drought: a global assessment , Routledge, pp. 3-18.

Yoo, C. and Kim, S. (2004) EOF Analysis of surface soil moisture field variability, Advance in water Resources , Vol. 27, pp. 831- 842.

◎논문접수일

: 10

년

07

월

29

일

◎심사의뢰일

: 10

년

07

월

30

일

◎심사완료일

: 10

년

10

월

26

일