Vulnerability Assessment on Spring Drought in the Field of Agriculture

전체 글

(1)한국기후변화학회지) ～. 397. Climate Change Research( Vol. 4, No. 4, 2013, pp. 397 407. 농업지대 봄 가뭄에 대한 취약성 평가 Vulnerability Assessment on Spring Drought in the Field of Agriculture 이용호*ㆍ오영주**,†ㆍ나채선*ㆍ김명현***ㆍ강기경***ㆍ윤성탁**** Lee, Yong-Ho*, Oh, Young-Ju**,†, Na, Chae-Sun*, Kim, Myung-Hyun***, Kang, Kee-Kyung*** and Yoon, Seong-Tak**** *고려대학교 야생자원식물종자은행, **(주)한반도생물다양성연구소, ***농촌진흥청 국립농업과학원, ****단국대학교 식량생명공학과 *Seed Bank of Wild Resource Plants, Korea University, Seoul, Korea **Korea Biodiversity Reserarch Center Co., Ltd, Pocheon, Korea ***National Academy of Agricultural Science, RDA, Suwon, Korea ****Crop Science and Biotechnology, Dankook University, Cheonan, Korea. 요 지 계절 간 특성이 뚜렷한 차이를 보이는 우리나라는 봄철 기후는 대륙성 고기압의 영향을 받아 강 수량이 적고 건조한 특성을 보인다. 최근 온실가스의 증가로 인한 기후 변화로 인하여 기후의 변동 성이 커지고 예측이 어려워지고 있고, 봄철 농업부문의 가뭄이 심해지고 있다. 1990년 이후로 남부 지역을 중심으로 겨울부터 봄철까지 만성적인 가뭄 횟수가 증가하고 있다. 이러한 봄철에 발생하는 가뭄은 봄에 파종하는 작물들의 생육에 심각한 피해를 주고, 수량을 상당히 감소시키는 요인이다. 미래의 안정적인 농업생산을 위해서는 봄 가뭄과 농업생산과의 관계에 대한 취약성을 평가하고, 그 에 대한 대책을 수립하는 것이 필요하다. 본 연구에서는 CCGIS를 이용하여 우리나라의 봄 가뭄에 대한 취약성 평가를 하고, SRES 시나리오와 RCP 8.5에 의한 봄 가뭄에 대한 취약성 평가를 수행 하였다. 그 결과, 모든 시나리오에서 봄 가뭄에 대한 취약성은 2000년대부터 2050년대까지 낮아졌 다. 이는 기후 변화에 의하여 봄의 용수 공급 상황이 개선될 것임을 보여준다. 하지만 그 낮아지는 추세와 정도는 시나리오에 따라 차이가 나타났다. 시나리오 중 RCP 8.5는 다른 SRES 시나리오 그 룹에 비하여 취약성의 감소 정도가 낮았다. 시간에 따른 취약성의 공간적인 분포의 변화도 시나리 오 간에 차이가 발견되었다. SRES 시나리오 그룹은 2050년대에 충청남도와 충청북도가 취약성이 가장 높은 반면, RCP 8.5는 경기도, 경상북도, 강원도에서 높은 것으로 나타났다. 이러한 차이는 시 나리오 간의 온실 가스의 수준보다는 시나리오 종류가 봄 가뭄의 예측에 더 큰 영향을 주는 것으로. †Corresponding author : E-mail: [email protected] 접수일자: 2013. 10. 15 / 수정일자: 2013. 11. 14 / 채택일자: 2013. 11. 15.

(2) 이용호․오영주․나채선․김명현․강기경․윤성탁. 398. 향후 취약성 평가에 있어서 시나리오 선발의 중요성을 보여준다.. 키워드 : 취약성, 봄 가뭄, SRES 시나리오, RCP 시나리오. ABSTRACT Seasons in Korea have very distinguishable features. Due to continental high pressure, spring in Korea is dry and has low precipitation. Due to climate change derived from the increase of greenhouse gases, climate variability had increased and it became harder to predict. This caused the spring drought harsher than usual. Since 1990s, numbers of chronic drought from winter to spring increased in southern regions of Korea. Such drought in the spring damages the growth and development of the crops sown in the spring and decreases its quantity. For stable agricultural production in the future, it is necessary to assess vulnerability of the relationship between spring drought and agricultural production as well as to establish appropriate measures accordingly. This research used CCGIS program to perform vulnerability assessment on spring drought based on climate change scenario SRES A1B, A1FI, A1T, A2, B1, B2 and RCP 8.5 in 232 regions in Korea. As a result, Every scenario showed that vulnerability of spring drought decreased from 2000s to 2050s. Ratio of decrease was 37% under SRES scenario but, 3% under RCP 8.5 scenario. Also, for 2050 prediction, every scenario predicted the highest vulnerability in Chungcheongnam-do. However, RCP8.5 predicted higher vulnerability in Gyeonggi-do than SRES scenario. The reason for overall decrease in vulnerability of agriculture for future spring drought is because the increase of precipitation was predicted. The assessment of vulnerability by different regions showed that choosing suitable scenario is very important factor. Key words : Vulnerability, Spring Drought, SRES Scenario, RCP 8.5 Scenario. 1. 서론. 정도 증가하게 되는데, 그 결과 물 순환 양상이. 기후변화는 극단적인 기후 현상의 빈도와 강도 는 증가시키고, 단기적인 환경 변화뿐만 아니라 장기간에 걸친 이산화탄소의 변화, 온도 상승, 강 수량의 변화, 해수면 상승 등을 유발할 것으로. 변화하며, 특히 강수 특성(양, 빈도, 강도)에 변화 를 가져와 단기간에 많은 강우가 발생하는 현상 이 일어날 수 있는데, 주로 온대지역들에서 발생 하였다(Easterling et al., 2000). 그리고 온도의 상. 알려져 있다(Kim et al., 2012). IPCC(Intergovern-. 승은 총 강수량이 같더라도 호우나 집중호우를. mental Panel on Climate Change)에서는 2000년. 더 많이 유도하는 것으로 나타났다(Karl and Tren-. 에 SRES(Special Report on Emissions Scena-. berth, 2003). 이와 같은 변화에 대해 온실가스. rios), 2010년에 RCP(Representative Concentra-. 에어로졸의 변화 등의 인위적인 원인에 따른 기. tion Pathways) 기후변화 시나리오를 개발하여,. 후변화를 조사하기 위하여 기후변화 모델을 이용. 향후 100년간 지구의 평균온도가 상승할 것으로. 하여 계산한 미래기후(기온, 강수, 습도, 바람 등). 예측하고 있다(IPCC, 2007). 또한 대기가 수증기. 예측정보를 활용하여 기후변화 시나리오를 수립. 를 포함할 수 있는 용량은 1. 하여 평가하고 있다. 이를 통하여 미래에 기후변. ℃ 증가 당 약 7%.

(3) 농업지대 봄 가뭄에 대한 취약성 평가. 399. 화로 인한 영향을 평가하고, 피해를 최소화하는. 있다(Brooks et al., 2005). 국내에서는 CCGIS. 데 활용할 수 있는 선제정보를 얻을 수 있다.. (Climate Change adaptation toolkit based on Geo-. SRES 시나리오는 미래의 사회구조를 중심으로. graphic Information System)를 이용하여 행정구. 선정되었으며, A1, A2, B1, B2로 구분된다. A1. 역별 취약성 지수를 효율적으로 산출할 수 있는. 시나리오는 세계 경제의 매우 급속한 성장, 금세. 방법론이 제시된 바 있다(국립환경과학원, 2012).. 기 중반에 최고에 도달할 지구촌 인구, 새롭고. 이 후 다양한 부문에 대한 취약성 평가들이 보고. 좀 더 효율적인 기술의 급속한 도입을 가정하며. 되고 있다(공우석 등, 2012; 김영규 등, 2012; 오. 설명하는 기술변화 방향에 따라 다음 3개 군, 화. 영주 등, 2012; 한우석 등, 2012; Kim et al.. 석 집약적 (A1FI), 비화석 에너지 자원(A1T), 모. 2013).. 든 자원 간의 균형(A1B)으로 나뉜다. A2 시나리. 우리나라는 봄철에 대륙고기압과 이동성 고기. 오는 다원화사회로 인구증가율이 높고 경제발달. 압의 영향을 주로 받아 강수량이 적고 건조한 특. 은 느리고 기술변화도 느린 가상의 사회를 가정. 성이 있다. 이러한 특성은 종종 봄철에 파종하는. 한다. B1 시나리오는 지구 인구는 A1과 같지만,. 밭작물에 장애요인으로 작용하여 농업생산에 영. 경제구조는 서비스 및 정보 경제 쪽으로 좀 더. 향을 많이 미치고 있다. 이러한 문제의 해소를. 급속히 변하는 지속발전형 사회를 가정한다. B2. 위하여 우리나라는 적극적으로 저수지, 지하수. 시나리오는 인구와 경제 성장이 A1과 B1의 중간. 등 다른 물 공급원들을 개발이 진행되고 있었다. 인 세계를 기술하며, 경제적, 사회적, 환경적 지. (이종화 등, 2003). 농업적 측면에서 봄 가뭄 해. 속가능성에 대한 지역적 해법을 강조하는 시나리. 소를 위한 물 공급원의 수준을 조정하기 위해서. 오이다. RCP 시나리오는 기후변화 대응정책과. 는 기후변화에 의한 농업지대에 봄 가뭄에 대한. 연계하여 선정되었으며, RCP 2.6, 4.5, 6.0, 8.5로. 취약성 정도를 파악하고, 지역별로 어떤 차이를. 구분된다. RCP 2.6은 인간 활동에 의한 영향을. 보이는 지에 대한 연구가 요구되고 있다.. 지구 스스로가 회복 가능한 경우를 가정하며,. 본 연구는 봄 가뭄에 대한 취약성 평가에 필요. RCP 4.5는 온실가스 저감 정책이 상당히 실현되. 한 기후노출, 민감도, 적응능력 인자들을 선발하. 는 경우를, RCP 6.0은 온실가스 저감 정책이 어. 고 그 가중치를 도출하였다. 이 후 산출된 취약. 느 정도 실현되는 경우, RCP 8.5는 온실가스 저. 성에 대한 각 시나리오들의 미래 예측들의 비교. 감 정책이 효과가 없이 현재 추세로 온실가스가. 를 통하여 미래의 봄 가뭄에 대한 취약성 변동과. 배출되는 경우를 가정한다. 온실가스의 농도로. 취약성 평가에 미치는 시나리오들의 차이를 조사. ∼. 비교해 보면 RCP 8.5는 SRES A2 A1FI와 비슷 한 수준으로 보고 있다(기상청, 2011; IPCC 2000). IPCC에서는 기후변화에 대응하기 위하여 적응에. 하여 지방자치단체나 정책 입안자에게 미래 예측 정보와 방법론을 제공하고자 한다.. 대한 논의를 하고 있고, 기후변화에 기인한 취약. 2. 재료 및 방법. 성을 평가하여 악영향을 최소화하기 위한 적응조. 우리나라의 봄 가뭄에 대한 취약성 평가를 위. 치의 중요성을 권고하기 시작하였다(IPCC, 2001).. 하여 환경부 국립환경과학원에서 개발한 CCGIS. 기후변화에 대한 적응대책을 수립하기 위해 국가. (Climate change adaptation program based on. 및 지역 수준의 민감도와 적응능력을 지수화하여. GIS)를 이용하여 취약성지수(Vulnerability index). 기후 변화에 대한 취약성 정도를 평가할 필요가. 를 도출하였다. CCGIS는 우리나라 232개 시군구.

(4) 이용호․오영주․나채선․김명현․강기경․윤성탁. 400. 의 IPCC SRES의 6개 온실가스 배출시나리오 A2,. 기후변화 및 변이에 따른 영향에 지방정부 자체. A1B, A1T, A1F , B1, B2와 RCP 8.5 시나리오. 해결 능력 정도를 나타내는 재정자립도를 선정하. 의 2000년대(1996 2005년), 2020년대(2016 2025. 였다.. Ⅰ ∼. 년), 2050년대(2046. ∼. ∼2055년)의 미래 기후 시나. 각각의 변수는 UNDP(2005)에서 제안하는 방. ∼. 리오자료와 사회경제정보가 구축되어 있다. 시나. 법에 따라 표준화 과정을 거쳐서 0 1 사이의 값. 리오별 기후 예측자료는 국립환경과학원 기후 대. 으로 치환시킨 후 취약성 지수의 산출에 이용되. 기환경 통합시스템 중 전구기후모델인 CCSM3. 었다. 기후변화에 의한 취약성 지수의 산출은 기. (Community Climate System Model Version 3). 후노출과 민감도로 구성된 기후영향과 이에 대응. 결과를 다운 스케일링하고, 이 자료를 지역기후모. 할 수 있는 적응능력의 차로 정의하였다(UNDP,. 델인 RCM(Regional Climate Model)의 입력자료. 2005). 대용변수와 가중치에 대한 델파이 조사를. 로 사용하여 최종 생산된 자료로 구축되어 있다.. 통하여 도출된 가중치를 식에 반영하여 취약성. 봄 가뭄에 대한 취약성 평가를 위해서 문헌자료. 지수를 산출하였다(Table 1).. 와 델파이 조사를 통하여 기후노출, 민감도, 적응 능력에 대한 대응변수와 가중치를 선정하였다 (Brooks et al., 2005; Kim et al., 2012; Kim et. ∼. al., 2013). 기후 노출 대응변수는 3 5월의 강수. ∼. 량, 3 5월의 증발산량, 지면유출, 지하유출로 선. Vulnerability = α × climate exposure + β × sensitivity. — γ × adaptation ability. (weights : α, β, γ ) 산출된 취약성지수는 값이 크면 클수록 기후변. 발하였다. 3. ∼5월의 강수량은 —0.55의 가중치를. 화에 더 취약함을 나타내는 것으로 본 평가에서. 부여함으로써 취약성과 부의 상관관계가 있도록. 는 SRES A1B, A1T, A1F , B1, B2와 RCP 8.5. 하였다. 민감도는 농업 가뭄취약지역인 경작지의. 총 7개의 기후변화 시나리오를 적용하였으며, 2000s,. 비율로 선정하였다. 적응능력에 대한 변수로는. 2020s, 2050s에 도출되어 나오는 취약성지수와. 봄철에 사용할 수 있는 저장수의 공급원인 지하. 각 인자들을 지도화하고, 전체 추세와 공간적인. 수 가용량과 단위면적당 저수지 저수용량 그리고. 시나리오 간의 차이를 비교하였다. 그를 위하여. Ⅰ. Table 1. Weights of variables for vulnerability assessment based on drought from March to May in Korea Variables. Climate exposure. Sensitivity. Weight. Lists of variables. Weight. Precipitation from Mar. to May(mm). —0.55. Evapotranspiration from Mar. to May(mm). 0.15. Surface outflow(mm/day). 0.15. Underground outflow(mm/day). 0.15. Percentage of arable land (%). 1. 0.6. 0.2. Financial independence (%) Adaptation ability. 0.2. 3. 0.2 3. Amount of underground water(10 m /yr). 0.4. Storage capacity per unit area of reservoir(103m3). 0.4.

(5) 농업지대 봄 가뭄에 대한 취약성 평가. 401. 전국 전체 평균은 특별시, 광역시, 도 수준의 데 이터를 이용하여 계산하였으며, 각 시나리오 별 시간에 따른 지역들의 취약성 순위 변동은 전국 의 전체적인 변화를 파악하기 위하여 특별시와 광역시를 제외한 도 수준에서 비교를 수행하였 다. 그리고 순위들의 유사성을 판단하기 위하여 상관분석을 수행하였다. 상관분석은 SAS 9.2의 Proc corr로 Pearson correlation coefficient를 산 출하였다.. 3. 연구결과 3.1 봄 가뭄의 시나리오에 따른 취약성의 시 간적 변동. Fig. 1. Variation of vulnerability based on drought from March to May in Korea with 7 different climate scenario. 타났다. SRES의 6가지 시나리오는 각각 매우 상. 봄 가뭄에 대한 취약성지수의 전국 시,도의 평. 이한 온실가스 증가량을 지니고 있으나, 기후 노. 균을 이용하여 2000년대 2050년대까지의 추세. 출의 추세 정도는 RCP 8.5와의 차이에 비하여. 를 각 시나리오 별로 비교하였다. 그 결과, 모든. 상대적으로 큰 차이가 나타나지 않았다. 이는 봄. 시나리오에서 2000년대부터 2050년대까지 취약. 가뭄에 대한 취약성 평가에서 온실가스 증가량. 성이 감소하는 것으로 분석되었다. SRES의 모든. 보다는 시나리오의 종류가 더 중요한 요인임을. 시나리오는 2000년대에서 2020년대까지 큰 폭으. 보여준다.. ∼. 로 이루어지며, 2020년대부터 2050년대까지는 SR-. 가뭄을 단순히 강수량으로 정의하기에는 어려. ES A1B, B1, A1FI에서는 감소 추세가 완화되었. 움이 있다. 본 연구에서는 강수량과 강우유출, 대. 고, SRES A2, B2, A1T에서는 오히려 약한 상승. 안 용수공급처의 통합적인 방법을 제시하였다.. 을 나타냈다. 취약성에 대한 감소량은 SRES 시. 추가적으로 실제 가뭄피해와 비교하는 작업을 통. 나리오 그룹은 2000년대 대비하여 29 44%의 감. 하여 인자들이나 가중치에 대한 개선작업이 필요. 소가 나타났다. SRES 시나리오중 가장 많은 취. 할 것으로 판단되었다.. ∼. 약성 감소를 보인 시나리오는 SRES A1FI였으며, 가장 낮은 감소가 나타난 시나리오는 SRES A1T 였다. 반면에 RCP 8.5는 2020년대에 5%, 2050년 대에 3%의 감소만이 나타났다(Fig. 1). 이러한 감. ∼. 3.2 봄 가뭄의 시나리오에 따른 취약성의 공 간적 차이. 소의 원인은 가중치가 가장 큰 3 5월의 강수량. RCP 8.5시나리오의 2000년대의 취약성 지수. 의 증가가 가장 큰 영향을 준 것으로 파악된다.. 와 각 인자들을 지도화하여 Fig. 2에 나타내었다.. 결론적으로 향후 기후 변화에 의하여 봄의 용수. 기후노출지수는 강원도 서쪽지방과 경기도, 대구. 공급 상황이 개선될 것임을 보여준다.. 를 중심으로 한 경상북도 일대가 높은 지역으로. 봄 가뭄에 대한 취약성 평가에서 SRES 시나. 나타났다. 민감도지수는 전라남도, 전라북도, 충. 리오에 비하여 최근에 더 많은 인자를 고려하여. 청남도, 경기도의 서해안 일대가 높은 것으로 나. 개발된 RCP 시나리오에서 감소 정도가 낮게 나. 타났으며, 강원도는 가장 낮은 지역으로 나타났.

(6) 402. 이용호․오영주․나채선․김명현․강기경․윤성탁. Fig. 2. Results of vulnerability assessment based on drought from March to May in Korea under RCP 8.5 climate change scenario at 2000s (1996∼2005)..

(7) 농업지대 봄 가뭄에 대한 취약성 평가. 403. 다. 이는 산지가 많은 강원도의 특성이 반영된. 에 의한 것이다. 종합해 보면 RCP 8.5 시나리오. 것이다. 적응능력지수는 경상북도와 강원도, 제주. 가 SRES 시나리오에 비하여 경기도의 기후노출. 도가 높은 지역으로 나타났다. 적응능력지수는. 을 높게 평가하고 있다고 판단되었다.. 충청남도 서산시나 전라남도 고흥군처럼 주변지. 취약성의 공간적 분포의 유사성을 파악하기 위. 역에 비하여 현격하게 높은 것으로 나타난 지역. 하여 지역들의 순위를 이용하여 상관분석을 수행. 도 있었는데, 이는 단위면적당 용수공급용 저수. 하였다. 이 후 상관계수가 높을수록 시나리오 간. 지 저수용량의 영향이었다. 취약성지수는 강원도. 의 공간적인 분포의 유사성이 높은 것으로 간주. 동쪽지역과 남해안지역이 낮게 나타난 가운데,. 하였다. 그 결과, RCP 8.5는 모든 다른 시나리오. 충청북도와 경기도, 전라북도의 서해안 지역이. 와 0.71 이하로 유사성이 가장 낮은 것으로 나타. 높게 나타났다. 이는 민감도의 분포양상과 흡사. 났다. SRES의 모든 시나리오는 0.95 이상으로 높. 한 것으로, 민감도가 취약성의 공간적 분포에 강. 은 상관계수가 나타났다. 시나리오 간의 가장 낮. 한 영향을 주었음을 보여주었다.. 은 유사성를 보인 것은 SRES A1FI와 RCP 8.5였. 시나리오별 취약성의 공간적 차이를 조사하기. 으며, 가장 높은 유사성를 보인 시나리오는 SRES. 위하여 우리나라 시, 도의 취약성의 순위를 조사. A1T와 SRES A2였다(Table 3). 탄소량으로 평가. 하였다(Table 2). 그 결과, SRES와 RCP의 모든. 하였을 때 SRES A1FI, SRES A2, RCP 8.5는. 시나리오 모든 시간에서 모두 충청북도가 1위로. 2100년대에 약 900 ppm으로 가장 흡사하다. 하. 나타났다. 그리고 제주도는 SRES B1 시나리오를. 지만 SRES A1T는 약 500 ppm이다. 이에 비추. 제외한 모든 시나리오의 시간대에서 9위로 가장. 어 보았을 때 취약성의 공간적 분포 또한 탄소. 낮게 나타났다. B1 시나리오는 경상남도가 9위,. 배출량의 차이에 의한 영향보다는 기후 시나리오. 제주도가 8위였다. 7개 시나리오 모두에서 충청. 의 종류에 따른 영향이 더 큰 것으로 파악되었. 북도, 충청남도, 전라북도가 4위 이상으로 높게. 다.. 나타나는 것은 동일하였으나, 경기도의 순위는 SRES 시나리오 그룹과 RCP 8.5 시나리오 간에. 4. 결론 및 토의. 변동의 차이가 있었다. SRES 시나리오 그룹은. 본 연구는 봄 가뭄에 대한 취약성 평가와 시나. 경기도가 시간의 변동에도 4, 5위 정도로 유지되. 리오간의 비교, 취약성 평가 인자들에 대한 분석. 었으나, RCP 8.5는 2000년대와 2050년대에 3위. 을 통하여 우리나라 봄 가뭄 취약성의 특성을 이. 였다가 2050년대에 2위로 높아진다. 지도화된 결. 해하고, 시나리오가 미치는 영향을 조사하며, 각. 과에서도 RCP 8.5가 SRES에 비하여 경기도 서. 인자들의 영향을 평가하였다.. 해안이 더 취약성가 높은 것으로 평가되었다. 하. 우리나라의 봄 가뭄에 대한 취약성은 2000년. 지만 전라남도 남해안 지역의 낮은 취약성는 모. 대부터 2050년대까지 모든 시나리오에서 감소하. 든 시나리오에서 동일하게 나타났다. 강원도 내. 는 것으로 나타났다. 하지만 SRES 시나리오 그. 륙의 취약성은 시나리오에 따라서 다양하게 나타. 룹은 평균 37±2%의 감소가 나타난 반면, RCP. 났다(Fig. 3). 본 취약성 평가는 특성상 사회, 경. 8.5는 단 4%의 감소만이 나타났다. 그리고 2000. 제인자인 민감도와 적응능력은 시나리오와 상관. 년대부터 2050년대까지의 봄 가뭄에 따한 취약성. 없이 시간의 변화에도 고정되어 있고, 공간적인. 의 공간적인 변동 또한 시나리오에 따라 다르게. 변동양상은 기후노출의 변동에 기인한다. 그러므. 나타났다. 2050년대에 SRES 시나리오 그룹과. 로 시나리오간의 변동성 차이는 기후노출의 변동. RCP 8.5 시나리오 모두에서 충청남도가 가장 취.

(8) 이용호․오영주․나채선․김명현․강기경․윤성탁. 404. Table 2. Vulnerability index rank of region in Korea under 7 different climate change scenarios based on drought from March to May Region(vulnerability) Ra Time nk. SRES A1B. A1FI. RCP. A1T. A2. B1. B2. 8.5. 1. CN (0.45). CN (0.42). 2. JB (0.43). JB (0.42). 3. CB (0.43). GG (0.40). 2000s 4 (1996 5 ∼ 2005) 6. JN (0.42). CB (0.40). GG (0.42). GB (0.37). GB (0.38). JN (0.36). 7. GN (0.37). GW (0.34). 8. GW (0.37). GN (0.33). 9. JJ (0.36). JJ (0.29). 1. CN (0.38). CN (0.32). CN (0.35). CN (0.36). CN (0.35). CN (0.36). CN (0.39). 2. CB (0.34). CB (0.28). CB (0.31). CB (0.32). CB (0.29). CB (0.31). JB (0.38). 3. JB (0.31). JB (0.28). JB (0.30). JB (0.29). GG (0.27). JB (0.28). GG (0.37). 2020s 4 (2016 5 ∼ 2025) 6. GG (0.29). GB (0.25). GG (0.28). GG (0.26). JB (0.26). GB (0.25). CB (0.37). GB (0.28). JN (0.24). GB (0.26). GB (0.26). GB (0.23). GG (0.23). GB (0.36). JN (0.24). GG (0.23). JN (0.24). GW (0.24). JN (0.21). JN (0.22). GW (0.34). 7. GW (0.24). GN (0.22). GW (0.23). JN (0.23). GW (0.21). GN (0.20). JN (0.33). 8. GN (0.23). GW (0.18). GN (0.22). GN (0.21). JJ (0.18). GW (0.19). GN (0.31). 9. JJ (0.21). JJ (0.18). JJ (0.17). JJ (0.21). GN (0.18). JJ (0.14). JJ (0.28). 1. CN (0.39). CN (0.31). CN (0.37). CN (0.38). CN (0.36). CN (0.33). CN (0.41). 2. CB (0.34). CB (0.26). JB (0.33). CB (0.33). CB (0.31). CB (0.30). GG (0.40). 3. JB (0.32). JB (0.26). CB (0.33). JB (0.30). JB (0.27). JB (0.27). CB (0.38). 2050s 4 (2046 5 ∼ 2055) 6. GG (0.30). GB (0.23). GB (0.30). GG (0.29). GG (0.25). GB (0.25). JB (0.38). GB (0.28). GG (0.22). GG (0.28). GB (0.28). GB (0.24). GG (0.24). GB (0.36). GW (0.25). JN (0.20). JN (0.27). JN (0.24). JN (0.21). JN (0.23). GW (0.35). 7. JN (0.21). GN (0.19). GN (0.25). GW (0.24). GW (0.21). GN (0.22). JN (0.33). 8. GN (0.19). GW (0.18). GW (0.24). GN (0.23). JJ (0.18). GW (0.19). GN (0.32). 9. JJ (0.13). JJ (0.18). JJ (0.19). JJ (0.12). GN (0.18). JJ (0.15). JJ (0.25). GG; Gyeonggi-do, GW; Gangwon-do, CB; Chungcheongbuk-do, CN; Chungcheongnam-do, JB; Jeollabuk-do, JN; Jeollanam-do, GB; Gyeongsangbuk-do, GN; Gyeongsangnam-do, JJ; Jeju-do.

(9) 농업지대 봄 가뭄에 대한 취약성 평가. 405. Fig. 3. Map of vulnerability based on drought from March to May in Korea under 7 different climate change scenarios at 2050s (2046 2055).. ∼.

(10) 이용호․오영주․나채선․김명현․강기경․윤성탁. 406. Table 3. Pearson correlation matrix of rank of vulnerability based on drought from March to May in Korea under 7 different climate change scenarios SRES A1B. SRES A1FI. SRES A1T. SRES A2. SRES B1. SRES A1FI. 0.9536. SRES A1T. 0.9683. 0.9579. SRES A2. 0.9854. 0.9512. 0.9902. SRES B1. 0.9738. 0.9573. 0.9676. 0.9792. SRES B2. 0.9628. 0.9847. 0.9823. 0.9762. 0.9676. RCP 8.5. 0.7143. 0.5739. 0.6539. 0.6868. 0.6331. SRES B2. 0.6184. 약성이 높은 지역으로 나타났으나, RCP 8.5는 경. 면적 등 다양한 변수들이 조사, 추가되어야 한다.. 기도가 SRES 시나리오 그룹에 비하여 더 높은. 또한 각 변수들은 실제 포장에서 가뭄피해와의. 순위로 나타났다. 시나리오 별 공간적 분포 간의. 상관관계를 면밀히 비교 평가하여 그 강도에 따. 유사성을 파악하기 위한 취약성 순위의 상관분석. 라서 가중치를 주는 방식으로 취약성 평가가 이. 결과, SRES 시나리오는 그룹내에서는 높은 상관. 루어져야 한다. 보다 과학적이고 체계적인 변수. 이 나타났지만, RCP 8.5와는 낮은 상관이 발견되. 선발과 가중치 도출 방식이 실제 취약성을 평가,. 어 SRES 시나리오 그룹은 공간적인 변동이 흡사. 대책 수립에 필요할 것으로 사료되었다.. 하나, RCP 8.5는 상이함을 발견하였다. 따라서 기후변화 시나리오가 예측하고 있는 우리나라 봄 가뭄에 대한 취약성의 감소는 향후 봄의 용수 공 급의 문제가 감소할 것임을 보여주며, 그 감소 정도의 차이와 취역지역의 예측은 시나리오에 따 라 다른 것으로 나타났다. 하지만 그 시나리오의 차이는 온실가스의 배출 정도의 차이보다는 시나. 사사 본 연구는 농촌진흥청의 지원(과제번호: PJ0083172013)에 의해 수행되었음.. 참고문헌. 리오의 종류 특히 초기에 개발된 SRES 시나리오. 공우석, 이슬기, 박희나, 유정아, 2012, 기후변화. 그룹과 최근 개발된 RCP 8.5가 다르게 나타났다.. 에 따른 지자체의 생태계 취약성 평가, 한국. 이는 취약성 평가에 있어서 기후변화 시나리오의. 기후변화학회지, 3권 1호, 51-69.. 선정이 매우 중요한 요인임을 보여주는 결과이 다. 본 연구는 기후변화로 인한 봄 가뭄에 대한 취 약성 변동을 예측 평가하고, 지방자치단체나 정 책 입안자가 그에 대한 체계적인 대책 마련을 위. 국립환경과학원, 2012, 지자체 기후변화 적응세부 시행계획 수립 지원을 위한 기후변화 부문별 취약성 지도, 인천. 기상청, 2011, 기후변화 시나리오 이해 및 활용사 례집, 기상청, 서울.. 해서 수행되었으나, 향후 봄 가뭄으로 인한 농업. 김영규, 유정아, 정은성, 2012, 기후변화에 따른. 피해 예측에 적용시키기 위해서는 봄 철 동안의. 우리나라 물 관리의 취약성 평가, 한국기후변. 무강우일수, 포장의 토양조건, 가뭄 피해 포장의. 화학회지, 3권 1호, 1-12..

(11) 농업지대 봄 가뭄에 대한 취약성 평가 오영주, 김명현, 나영은, 홍선희, 백원기, 윤성탁,. 407. dge, UK.. 2012, 기후변화 적응 농경지 토양유실 취약성. IPCC, 2007, Climate Change 2007: Impacts, Adap-. 평가, 한국토양비료학회지, 45권 5호, 711-716.. tation, and Vulnerability, IPCC Contribution. 이종화, 정현숙, 박정규, 2003, 한반도 봄 가뭄 특. of Working Group. Ⅱ to the Fourth Assess-. 성 및 원인 분석, 한국기상학회지, 13권 1호,. ment Report of the Intergovernmental Panel. 370- 373.. on Climate Change, pp. 719-737, Cambridge. 한우석, 심우배, 이병재, 유재환, 2012, 기후변화. University Press, Cambridge, UK.. 에 따른 홍수에 대한 지자체 기반시설 취약성. Karl, T. R., and K. E. Trenberth, 2003, Modern. 평가 방법 제시, 한국기후변화학회지, 3권 1. global climate change, Science, 302, 1719-. 호, 25-37.. 1723.. Brooks, N., W. N. Adger, and P. M. Kelly, 2005,. Kim, C. H., C. K. Song, Y. D. Hong, J. A. Yu,. The determinants of vulnerability and adap-. S. H. Ryu, and G. Y. Yim., 2012, Develop-. tive capacity at the national level and the im-. ment and application of CCGIS for the es-. plications for adaptation, Global Environmen-. timation of vulnerability index over Korea, Cli-. tal Change, 15, 151-163.. mate Change Research, 3, 13-24.(in Korean).. Easterling, D. R., 2000, Climate extremes: Obser-. Kim, M. H., H. S. Bang, Y. E. Na, M. R. Kim,. vations, modeling and impacts, Science, 289,. Y. J. Oh, K. K. Kang, and K. J. Cho, 2013,. 2068-2074.. Vulnerability assessment of rice production by. IPCC, 2000, Intergovernmental Panel on Climate. main disease and pest of rice plant to cli-. Change, Special Report: Emissions Scenarios,. mate change, J. Korean Evn. Res. Tech., 16,. Cambridge University Press, Cambridge, UK.. 147-157.(in Korean).. IPCC, 2001, Climate Change 2001: The Scienti-. UNDP, 2005, Adaptation Policy Frameworks for. fic Basis. Contribution of Working Group I. Climate Change: Developing Strategies, Poli-. to the Third Assessment Report of the Inter-. cies, and Measures, pp. 29-205, Cambridge Uni-. governmental Panel on Climate Change, pp.. versity Press. USA.. 75-451, Cambridge University Press, Cambri-.

(12)