Evaluation of GPM IMERG Applicability Using SPI based Satellite Precipitation

SPI를 활용한 GPM IMERG 자료의 적용성 평가

Evaluation of GPM IMERG Applicability Using SPI based Satellite Precipitation

장상민

･ 이진영

･ 윤선권

･ 이태화

･ 박경원

Jang, Sangmin ･ Rhee, Jinyoung ･ Yoon, Sunkwon ･ Lee, Taehwa ･ Park, Kyungwon

Abstract

In this study, the GPM (Global Precipitation Mission) IMERG (Integrated Multi-satellitE retrievals for GPM) rainfall data was verified and evaluated using ground AWS (Automated Weather Station) and radar in order to investigate the availability of GPM IMERG rainfall data. The SPI (Standardized Precipitation Index) was calculated based on the GPM IMERG data and also compared with the results obtained from the ground observation data for the Hoengseong Dam and Yongdam Dam areas. For the radar data, 1.5 km CAPPI rainfall data with a resolution of 10 km and 30 minutes was generated by applying the Z-R relationship (Z=200R

^1.6

Therefore, it can be used as a predictive factor through the time series prediction model. We confirmed the hydrological utilization and the possibility of real time drought monitoring using SPI based on GPM IMERG rainfall, even though results presented in this study were limited to some rainfall cases.

Keywords:Satellite Precipitation; SPI; GPM IMERG; TRMM; PERSIANN

* Climate Application Department, APEC Climate Center

** School of Agricultural Civil & Bio-Industrial Engineering, Kyungpook National University

† Corresponding author

Tel.: +82-51-745-3982 Fax: +82-51-745-3999 E-mail: [email protected]

Received: March 3, 2017 Revised: March 28, 2017 Accepted: March 28, 2017

Ⅰ. 서 론

최근 들어 급격히 변화화고 있는 지구적 기후변화와 기상 이상 현상의 영향으로 홍수, 태풍, 산사태, 폭설, 가뭄, 산불 등 대규모 자연재해가 과거에 비해 빈번히 발생하고 있으며, 그 피해규모가 점차 대형화･광역화되고 있는 추세이다 (NDMI, 2014). 특히, 가뭄의 경우, 홍수 등의 다른 수문학적 재해에 비 해 상대적으로 장기간에 걸쳐 피해를 유발하여 그 피해가 심 각한 것으로 나타나고 있으며, 국내에서도 2014년에 이어 2015년에는 절반 수준에 미치지 못하는 강우가 발생하여 강 원･영서를 비롯한 경기북부 지방을 중심으로 43년 만에 극심 한 가뭄이 초래되어 사회적으로 미치는 영향이 계속 심화되 고 있는 실정이다 (Son et al., 2015; Baek et al., 2016).

가뭄은 홍수와 달리 진행 속도가 느리고, 시작과 종료를 정

의하기 힘들기 때문에 피해를 정량화하기 힘들다는 특징이 있다 (Shin et al., 2015). 지금까지의 가뭄에 관련된 연구는 가 뭄을 정량화하여 지수로 나타내는 가뭄지수 연구를 통하여 가뭄을 정의하기 위한 기준을 제시하거나 기존에 만들어진 기준을 바탕으로 가뭄의 진행 정도를 파악한 연구들이 주를 이루고 있다 (Kwon, 2006; Kwon et al., 2007; Park et al., 2011).

최근에도 이러한 경향은 계속되고 있지만 이와 더불어 인 공위성 영상을 활용한 원격탐사 기법을 활용한 연구도 활발 하게 이루어지고 있다 (Jeong and Shin, 2006; Ghulam et al., 2007; Gu et al., 2007; Wang and Qu, 2007; Karnieli et al., 2010; Shin et al., 2015). 인공위성 자료를 이용할 경우 광범 위한 지역을 대상으로 하여 가뭄에 대한 평가를 할 수 있고 시 공간적으로 균일한 자료를 쉽게 획득하여 장기간에 걸친 가 뭄의 관측이 가능하다는 장점이 있다. 그러나 인공위성 기반 자료는 지상 실측자료에 비해 시･공간해상도가 낮고, 관측 당 시의 대기 상태, 관측기기, 시･공간적 대표성 문제 등으로 인 한 많은 불확실성을 포함하고 있다.

이러한 불확실성을 보완하기 위한 목적으로 미국 항공우주 국 (National Aeronautics and Space Administration: NASA) 는 GPM (Global Precipitation Measurement) 위성을 핵심위

Table 1 GPM IMERG Constellation Satellites

Sensor Satellite Management agency

SSMI DMSP DoD

SSMIS DMSP DoD

AMSR2 GCOM-W JAXA

MADRAS Megha-Tropiques CNES/IRO SAPHIR Megha-Tropiques CNES/IRO

MHS NOAA NOAA

AMSU-A NOAA NOAA

MHS MetOp EUMETSAT

AMSU-A MetOp EUMETSAT

ATMS NPP NASA

ATMS JPSS NOAA

Fig. 1 GPM (Global Precipitation Mission)

성으로 한 다중 위성자료를 이용하여 전지구적으로 30분 간격, 10 km 해상도의 GPM IMERG (Integrated Multi-satellitE Retrievals for GPM)를 생산 및 제공하고 있으며, TMPA-3B42 (TRMM and Multi-satellite Precipitation Analysis)와 지상 관측자료 등과의 비교를 통해 3시간 강우량, 일 강우량, 월 강 우량에 대한 수문기상인자 추정 정확도 평가 연구가 수행된 바 있다 (Huffman et al., 2014; Liu, 2016; Sharifi et al., 2016;

Kim et al., 2017). 또한 수문학 및 기상학적인 활용성을 평가 하기 위한 다양한 시도가 이루어지고 있으나 (Case, 2016), 국 내에서는 GPM IMERG 자료의 정확도 평가 연구만 부분적 으로 수행되고 있으며, 관련 활용 연구는 미흡한 실정이다. 따 라서 본 연구에서는 GPM IMERG 강우 자료를 지상관측 및 레이더로 추정된 강우자료와 비교 검토하여 정확도를 분석하 고 이를 바탕으로 한반도를 대상으로 가뭄지수를 산출하여 GPM IMERG 자료의 활용성을 검토 하였다. 가뭄의 평가에 사 용되는 위성자료는 식생지수를 의미하는 NDVI (Normalized Difference Vegetation Index)가 많이 사용되었으나 본 연구 에서는 GPM IMERG 강우자료를 이용하여 가뭄의 평가에 일반적으로 사용되고 강수량만을 입력자료로 활용하는 SPI (Standardized Precipitation Index)를 산출하여, 그 적용성을 평가하였다.

Ⅱ. 자료 및 방법

1. 연구 자료

GPM IMERG (the Integrated Multi-satellitE Retreievals for GPM) 위성자료는 Level 3자료로 GPM 단일 위성으로 만 든 Level 3 격자 강수량과 구별되며, 이 자료는 GPM 코어위

성 듀얼레이다 (DPR), GPM 마이크로파이미저 (GMI)과 마 이크로파 센서를 탑재하고 강수량을 산출할 수 있는 모든 마 이크로파 협력위성 및 적외 (IR)채널을 탑재한 정지궤도 위성 들의 강수량 값을 블렌딩하여 산출한 30분간 10 km의 해상도 자료이다. 마이크로파 협력위성들은 미국, 유럽, 인도, 프랑 스, 일본 등 다양한 나라와 기관에서 운영하는 위성들로 이루 어지며, 이들 기관에서 운영하는 센서와 위성에 대한 자세한 설명은 Fig. 1과 Table 1과 같다.

GPM IMERG 자료를 산출하는 방법은 TRMM위성에서 각 각의 기관마다 Level 3을 만들어서 제공했던 NASA TRMM 3B42, NOAA CPC (Climate Prediction Center) CORMPH (NOAA CPC Morphing Technique), UC Irvine대학의 PERSIANN (Precipiation Estimation from Remotely Sensed Infromation using Artificial Neural Networks) 자료들이 있었 으나, 이번 GPM IMERG 자료는 각 기관의 역할을 분담하여 최종 격자화된 자료를 산출한다. NOAA CPC에서 CMORPH 칼만필터를 이용하여 마이크로파와 적외센서를 결합한 자료 를 제공하며, UC Irvine대학에서는 적외채널을 이용하여 산 출한 강우강도 값을 제공한다. NASA GSFC에서 최종적으로 모든 강수량 자료를 결합하여 수집 제공하게 된다. 자료는 Table 2와 같이 관측 후 Latency 6시간 후 자료 (Early run product), 18시간 후의 자료 (Late run product)와 최종적으로 지상관측자료와 보정한 4개월 후 자료 (Final run product)를 생산하여 제공한다. 2014년부터 자료를 제공하고 있다.

나. PERSIANN_CDR 자료

PERSIANN-CDR 자료는 강수관측 목적으로 만들어진 TRMM 위성 이전에 연속적인 기후자료로 강수량 자료를 사 용하기 위하여 UCI (University of California, Irvine)의 CHRS

Table 2 GPM IMERG Product

Resolution Regions-Dates Latency Format

0.1°-30 minute Gridded, 60N-60S March 2015 to present

6 hours

(NRT/early run) HDF5

0.1°-30 minute Gridded, 60N-60S March 2015 to present

18 hours

(NRT/late run) HDF5

0.1°-30 minute Gridded, 60N-60S March 2014 to present

4 months

(final run) HDF5/NETCDF

0.1°- Monthly Gridded, 60N-60S March 2014 to present

4 months

(final run) HDF5

Fig. 2 Flowchart of the PERSIANN-CDR algorithm

(The Center for Hydrometeorology and Remote Sensing)센 터에서 자료를 생성하여 제공한다. 현재 이 자료는 북위 60도 에서 남위 60도까지 1983년 1월부터 2015년 12월 31일까지 자료를 제공하고 있으며, 기후자료를 이용하고자 하는 연구 자에게 25 km × 25 km 3시간 간격의 해상도 높은 강우 자료 를 제공한다. 1983년부터 TRMM 3B42 자료가 제공하기전 1997년까지 자료를 수집･가공하여 자료를 이용하였다. 자 료는 정지궤도 적외센서 기반 이미지를 신경회로망 (Neural Network)방법을 통해 25 km × 25 km 시간당 강수량을 산출 하고 월자료로 변환후 기후자료로 일관성을 유지하기 위하여 기후분야에 활용되는 GPCP자료로 보간하여 통해 최종 3시 간 25 km × 25 km 자료를 제공한다 (Fig. 2).

다. TRMM 3B42 자료

TRMM (Tropical Rainfall Measuring Mission)는 열대와 아열대 강수량을 모니터링하여 기후변화에 이용하고자 미국

NASA와 일본 JAXA가 합작으로 1997년 11월 27일에 쏘아 올린 위성이다. 많은 자료 중에서 격자화된 TRMM 3B42자 료는 TRMM 핵심 코어 위성과 GMS, GOES-E, GOES-W, Meteosat-7, Meteosat-5, NOAA 위성의 결합된 적외채널 기 반 강수량과 수동 마이크로파 위성과의 보정을 통하여 최종 25 km × 25 km 3시간 간격의 강우자료를 제공하였다. 자료는 1998년부터 TRMM 위성이 수명이 끝난 2014년까지 자료를 수집하여 PERSIANN-CDR, TRMM 3B42, GPM IMERG 자료를 일관성 있게 재처리하였다.

라. 기상레이더 자료

기상레이더는 위험기상을 감시, 예보하는데 매우 중요한 역할을 하고 있다. 기상청에서 제공되는 자료 중 부산과 경남 지역을 관측할 수 있는 기상레이더는 구덕산과 면봉산 레이 더이며, 이 중 구덕산 기상레이더가 대상지역의 중심부에 위 치하고 있으며, 전 영역을 커버하여 강우시스템의 이동 추적

Fig. 3 Relative location of PSN radar and AWS stations

Fig. 4 Observed rainfall and accumulated rainfall at (a) Gijang, (b) Geumjeong-Gu, (c) Dongnae and (d) Buk-Gu AWS Stations in August 25, 2014

및 강우량 추정에 용이하므로 구덕산 강우레이더 자료를 사 용하였다. 구덕산 기상레이더는 S-band 단일편파레이더로 서, 2712 MHz로 수평 편파를 연속적으로 송수신하며, 약 250 m 간격으로 240 km의 반경을 관측한다. 안테나는 parabolic dish를 사용하며, 지름은 8.5 m이고 빔 폭은 약 1°이다. Fig. 3 은 구덕산 레이더의 위치와 관측 반경을 나타낸다. 구덕산 레 이더의 주사모드는 매 10분마다 13개 고도각 (0.05°, 0.44°, 0.83°, 1.23°, 1.62°, 2.02°, 3.03°, 4.27°, 5.75°, 7.52°, 9.84°, 12.53°, 15.83°)에 대해 수평관측(Plan Position Indicator;

PPI)을 실시하여 볼륨관측 자료를 생산한다. 레이더 관측자료 는 지형에코, 파랑에코, 이상전파에코, 점 및 선 에코, 속도 접 힘 에러 등 비강수에코를 포함할 수 있으므로, 국립기상레이 더센터의 ORPG QC (Open Radar Product Generator Quality Control)가 적용된 자료를 GPM IMERG 강우자료 검증에 활 용하였다.

마. 대상 호우 사례

2014년 8월 25일에 발생한 기록적인 폭우로 인하여 부산 과 경남 지역에서 많은 피해가 발생하였다. 본 연구에서는 당 시 강우사례를 대상으로 구덕산 레이더로부터 50 km 이내에 위치하고 있는 AWS (Automatic Weather System) 관측 자료 를 수집하여 분석하였으며, 분단의 관측자료를 10분 및 30분 단위로 합산한 우량주상도를 구덕산 레이더 자료로 추정한 강우강도와 GPM IMERG 강우자료와 비교･분석 하였다.

Fig. 4는 가장 많은 강수가 기록된 부산 기장, 부산 금정구, 부 산 동래, 부산 북구 등 4개 지점에 대한 지점별 관측 우량주상 도와 누가 강수량이다. 8월 25일 06시부터 16시까지의 10시 간 누적 강수량을 분석한 결과 기장 지점은 약 180 mm, 금정 구 지점은 약 245 mm, 동래 지점은 약 200 mm, 북구 지점은 약 220 mm로 관측되었으며, 10분 최대 강수량은 각각 29.0 mm/10 min, 23.0 mm/10 min, 17.0 mm/10 min, 19.0 mm/10 min으로 분석되었다.

Table 3 Precpitation data used in this study (dd = decimal degree)

Product Period Spatial Resolution

PERSIANN_CDR 1983.1.1. ~ 1997.12.31. 0.25 dd

TRMM 3B42 1998.1.1. ~ 2014.3.11. 0.25 dd

GPM IMERG DAILY (FINAL RUN) 2014.3.12. ~ 2015.12.31. 0.1 dd

GPM IMERG DAILY (LATE RUN) 2016.1.1. ~ 2016.7.31. 0.1 dd

2. 연구 방법

가. GPM IMERG Latency

GPM IMERG 자료는 활용범위에 따라서 latency 6시간 후 자료를 제공하는 Early run 데이터와 18시간 후에 제공하는 Late run 데이터, 그리고 최종적으로 지상관측자료와 보정한 Final run 자료를 4개월 후에 제공한다. Early, Late run 데이 터는 2015년 3월부터 현재까지 자료를 제공하고 있으며, Final run 자료는 2014년 3월부터 현재까지 자료를 제공하고 있다.

Early run과 Late run 자료, Early run 과 Final run, Late run과 Final run의 각각의 자료에 대해 월별 (4, 5, 6월)로 상관계수 를 산출하고 이를 비교 검증하였다.

나. 레이더 강우 추정

레이더에 의해 관측된 자료는 레이더를 원점으로 하는 3차 원 극좌표 상에 있지만, GPM IMERG는 30분･10 km의 시･

공간해상도로 등간격의 강우자료를 제공하므로, 강우자료 검증을 위해서는 레이더 자료를 극좌표계에서 직교 자표계로 의 변환이 필요하다. 반사도 자료를 직교 격자점으로 내삽할 때, 격자점을 중심으로 수평 및 연직 유효 반경 영역의 타원구 내의 자료를 거리에 따라 가중하는 평균하는 방법을 이용하 였으며 (Ray et al., 1981), 거리별 가중치는 Cressman 가중함 수 (Cressman, 1959)를 적용하였다. 또한 지구곡률 및 빔의 굴절의 의한 영향을 보정하여 1.5 km 고도에서의 반사도 CAPPI (Constant Altitude Plan Position Indicator)자료를 생 성하였다. 극좌표 상의 내삽된 평균 반사도(

^



 

  





_ 

  ^ 

  





_

여기서 N은 평균하는 부피 내의 총 자료 수이고, 

_



_{  }



_ ^ 

_ ^



_ ^ 

_ ^

(2)

여기서 

_



_

또한 ZR관계식 (Z=aR

^b

^1.6

다. GPM IMERG 자료 기반 SPI 산출

McKee et al. (1993)에 의하면 가뭄은 강수량의 부족에 의 하여 발생된다는 점에 착안하여 SPI를 개발하였다. SPI는 특 정한 시간 단위별 (1, 3, 6, 9, 12개월 등)로 강수부족량을 산정 하여 각각의 용수공급원이 가뭄에 미치는 영향을 산정한다. 특정 시간단위로 산정된 SPI는 각 시간단위별로 관심분야에 따라 다양하게 적용할 수 있다. SPI 강수량만을 입력자료로 사용하므로, 선형적으로 강수부족에 비례하며, 산정된 SPI는 확률분포형이 도입되었기 때문에 현재의 가뭄뿐만 아니라 가 뭄의 종료에 필요한 강수의 확률을 결정할 수 있다.

SPI 산정을 위해 매개변수 기반 강우확률분포를 도출하기 위해서는 적어도 30년 이상의 강우 자료가 있어야 한다. 따라 서 GPM IMERG 자료 가용 범위 이전의 기간에 대해서는 PERSIANN_CDR과 TRMM 3B42의 자료를 이용하였다 (Table 3). 시의적절한 가뭄 평가를 위해 매일 가뭄감시가 가 능하도록 일별 자료를 이용하였는데, 기존에 많이 활용되는 1, 3, 6, 9, 12개월 SPI와 유사한 시간 스케일을 가지도록 강우 자료를 30, 90, 180, 270일로 누적하여 사용하였다. L-모멘트 법을 이용하여 강우 자료를 2-매개변수 감마분포에 맞추었으 며 이어 SPI를 산정하였다 (Fig. 5).

Ⅲ. 분석 결과

1. 지상관측 자료 비교 결과

지상관측자료와 보정된 Final run 자료의 비교 검증 기준 값으로 활용 가능한지 알아보기 위하여 지상관측자료 AWS 와 레이더 값과의 비교 검증을 실시하였다. Fig. 6 (a)~(d)는

Fig. 5 A conceptual diagram for the SPI calculation based on gridded precipitation data

Fig. 6 Comparison of GPM IMERG (a-d) and Radar rain rate distribution (e-h)

2014년 8월 25일 13시 00분부터 15시 00분까지의 GPM Final run 자료 강우강도를 나타낸 것이며, Fig. 6 (e)~(h)는 레 이더로 강우강도를 추정한 결과를 나타낸 것이다. GPM Final run 강우강도 분포에서는 점차적으로 부산 및 경남 지역에 걸 쳐 넓은 영역에 약 80~100 mm/h 로 강우강도가 발달하는 것 으로 나타났으나, 레이더는 최고 35 mm/h 이하의 강우강도 분포가 나타나고, 강우강도의 발달을 확인하기는 어렵다. 전 반적으로 레이더 강우강도 분포보다 상대적으로 높게 추정하 는 경향이 나타났다 (Fig. 7).

또한 Fig. 7은 기장, 금정구, 동래, 북구 지점에 대해 AWS, GPM Final run 강우자료, Z-R 관계식으로 추정된 레이더 강 우강도의 시계열 분포를 나타낸 결과이다. 레이더 추정 강우 는 모든 지점에서 대해 관측된 강우강도가 10 mm/h 이하의 약한 강수일 때, 강우강도 크기와 분포는 유사하게 추정했으 나, 10 mm/h 이상의 강우가 내릴 때에는 70 % 이상 과소 추정 하였다. 이에 반해 GPM Final run 강우는 AWS 자료와 검증 결과 8월 25일 12시부터 14시에 대해서는 일부 과대추정하 는 경향이 나타나긴 했으나, 전반적으로 AWS값과 비교결과

Fig. 7 Time series of rain rate from AWS (Gray bar), GPM-IMERG (Blue dot), Radar (Red dot)

Table 4 The results form comparison of Early run, Late run mode and Final run mode

Month R

Early/Late mode

4 0.83

5 0.79

6 0.76

Early/Final mode

4 0.52

5 0.33

6 0.48

Late/Final mode

4 0.58

5 0.55

6 0.60

정확도가 높았으며, Early run, Late run 자료와 비교시 기준 값으로 이용이 가능하다 (Fig. 7).

2. GPM IMERG Latency 비교 결과

GPM IMERG자료는 NASA에서 GPM 핵심코어 위성과 강수 산출 가능한 협력 위성을 결합하여 30분, 10 km의 해상 도를 강수자료 만들어서 제공하고 있다. GPM IMERG 자료 를 이용 실시간 가뭄 모니터링 활용을 위하여 시간에 따른 위 성강우 자료 활용이 가능한지 알아보기 위하여 한반도 지역 에 대한 각각 자료의 Latency에 대한 검증을 실시하였다. GPM Late run 자료는 지상관측자료와의 보정을 통해서 다른 자료 와는 상대적으로 정확도가 높지만 전지구 관측 후 4개월 후 에 자료를 얻을 수가 있기 때문에 실시간 모니터링 자료로 이용하기 어렵다. 정확도 높은 Final run자료를 참으로 두고 실시간 가뭄감시 활용이 가능한 Latency 6시간 Early run과 Latency 18시간, Late run 자료를 Final run자료와 4월, 5월, 6 월에 대해 비교 검증하였다 (Fig. 8). 그림에서 알 수 있듯이 Early run과 Late run 비교 결과는 Late run 자료가 더 정확도 가 높은 것을 알 수 있다 (Table 4). Early run 자료는 관측 후 최대한 자료를 빨리 얻기 위하여 생략된 알고리즘 때문인 것 으로 판단된다. 시간에 따른 가뭄변화에서 6시간과 18시간의

차이는 그리 크지 않기 때문에 본 연구에서는 정확도가 더 높 은 Late run 자료가 더 유용하다. 준 실시간 가뭄 모니터링을 Final run 자료가 가장 정확하나 준 실시간 가뭄 모니터링에 서는 4개월 후에 자료를 사용할 수 있기 때문에 준 실시간 감 시에서는 이용하기 힘들다는 결론을 얻었다.

3. SPI 산출 비교 결과

GPM IMERG 기반 SPI가 지역적인 가뭄 해갈을 잘 감지하

Fig. 8 Comparison of Early run, Late run mode and Final run mode

는지 평가하기 위해 강우 발생과 주요 기사를 참고하여 평년 의 강우가 많고 적은 두 시기를 살펴보았다.

평년의 강우가 적은 11월의 경우 2015년 11월 초 남부 지 역에 극심한 가뭄이 지속되고 있었는데, 11월 7일 전국이 흐 리고 많은 비가 내렸다 (매일경제신문 2015년 11월 7일자 기 사). 30, 90, 180, 270, 360일 SPI 전국 값을 2015년 11월 6일 과 11월 10일에 대해 비교하였는데 해당 시기의 가뭄이 오랫 동안 지속된 장기 가뭄으로 시간 스케일이 긴 180, 270, 360 일 SPI의 경우 남부지방의 가뭄이 그다지 해소되지 않았음을 알 수 있다. 그러나 시간 스케일이 짧은 30일, 90일 SPI에서는 각각 남한 동부와 남부 지역의 가뭄 상태가 호전되었음을 알 수 있었다 (Fig. 9).

주로 장마철로 평년의 강우량이 많은 7월의 경우도 살펴보 았는데, 2016년 7월 남부 지방을 중심으로 단기 가뭄 지속되 고 있었다. 2016년 7월 4일 경북 지역에 밤새 많은 장마비가 발생하였는데 (연합뉴스 2016년 7월 4일자 기사), SPI는 시

기에 상대적인 것으로 평년에 비가 많은 시기인 만큼 해당 기 간의 비로는 남부지역의 단기 가뭄이 잘 해소되지 않았음을 알 수 있다 (Fig. 9). 그러나 청송, 영덕 지역 등 일부 지역의 가 뭄이 약간 호전되었음을 관찰할 수 있다 (Fig. 9).

위성자료로부터 계산된 SPI (3개월) 지수를 검증하기 위하 여, 횡성댐 유역과 용담댐 유역을 시범유역으로 설정하였으며, 격자화된 강수량 자료를 위성으로부터 추출하였다. 위성 강수 자료는 유역 평균하여 월단위 시계열 자료로 구축한 후 SPI 지수를 계산하였으며, 지상관측 자료의 경우 국가수자원관 리 종합정보 홈페이지 (WAMIS, http://www.wamis.go.kr/)에 서 제공하는 횡성댐과 용담댐 유역의 월강수량 자료를 사용 하였다. 2008년부터 2016년까지 9년 동안의 관측과 위성, 두 시계열 자료의 상관관계와 R

²

²

²

SPI-30day SPI-90day SPI-180day SPI-270day SPI-360day

2015.11.6

2015.11.10

2016.7.3

2016.7.7

Fig. 9 Drought monitoring based SPI for Korea regions

2008 2010 2012 2014 2016 2018

Time (Year)

-4 -2 0 2 4

S P I(3 -M o n th )

Observed Satellite

-3 -2 -1 0 1 2 3

Observed SPI(3-Month)

-3 -2 -1 0 1 2 3

S a te llit e SP I( 3 -M o n th )

Y = 0.823 * X - 0.1156 CC=0.830 R

=0.689

(a) Hoengseong Dam

2008 2010 2012 2014 2016 2018

Time (Year)

-4 -2 0 2 4

S P I(3 -M o n th )

Observed Satellite

-3 -2 -1 0 1 2 3

Observed SPI(3-Month)

-3 -2 -1 0 1 2 3

S a te llit e SP I( 3 -M o n th )

Y = 0.936 * X - 0.0297 CC=0.914 R

=0.835

(b) Yongdam Dam

Fig. 10 SPI time series calculated using 9-yr satellite rainfall and AWS and the correlation (a) Heongseong Dam and (b) Yongdam Dam

댐과 용담댐 시범유역의 위성자료 기반 가뭄 진단･평가의 적 용 가능성을 시사하였으며, 향후 미계측 유역 적용을 위한 위 성 강수 추정의 정확도 향상 노력이 필요할 것이다.

Ⅳ. 결 론

본 연구에서는 GPM IMERG 강우 자료를 지상관측 및 레 이더로 추정된 강우자료와 비교하여 정확도를 분석하고 한반 도를 대상으로 표준가뭄지수를 산정하여 적용성을 평가하였 다. 본 연구의 주요 결과를 정리하면 다음과 같다.

1. GPM IMERG Final run자료와 지상 AWS 및 레이더 강우 자료와의 비교･검증 결과, Final run 강우강도가 레이더 강우강도보다 상대적으로 높게 추정하였다. 지상관측자 료와의 비교 시, Final run자료가 비교적 높은 정확도를 가 지므로 Final run자료는 Early run, Late run 자료와의 비 교 시 지상관측자료 대신으로 충분히 활용 가능할 것으로 판단하였다. Latency가 각각 6시간과 18시간인 Early run 과 Late run자료에 대한 Final run 자료와의 검증결과, Late run자료가 Early run자료보다 더 높은 정확도를 나타내었 으며, 준 실시간 가뭄 감시에 있어서는 Latency 6시간과 18시간의 활용성 차이가 크지 않으므로, Late run 자료를 이용하는 것이 유용하다고 판단된다.

2. 평년의 강우가 적은 2015년 11월의 경우 (남부지역에 극 심한 가뭄 지속), 강우일 전후에 대한 SPI 비교 결과, 해당 시기의 가뭄이 오랫동안 지속된 장기 가뭄으로 시간 스케 일이 긴 180, 270, 360일 SPI의 경우 남부지방의 가뭄이 그다지 해소되지 않았으나 시간 스케일이 짧은 30일, 90일 SPI에서는 각각 남한 동부와 남부 지역의 가뭄 상태가 호 전되는 것을 확인하였다. 평년의 강우량이 많은 2016년 7 월의 경우 (남부지방에 단기 가뭄 지속), 강우일 전후에 대 한 SPI 비교 결과, 평년에 비가 많은 시기인 만큼 해당 기간 의 비로는 남부지역의 단기 가뭄이 잘 해소되지 않음을 확 인하였다.

3. 2008년부터 2016년까지 9년간의 횡성댐과 용담댐에 대 한 위성기반 SPI (3-Month) 지수와 지상관측자료로 부터 산출된 SPI 지수를 비교한 결과, 두 자료의 상관관계는 각 각 0.83, 0.91로 비교적 높게 나타났으며, 위성을 통하여 관측한 강수량자료를 바탕으로 가뭄모니터링 및 예측･평 가가 가능할 것으로 판단된다. 또한 향후 위성으로부터 관측된 강수량 자료의 알고리즘 개선을 통한 강수량 추정 정확도를 향상 시키고, 기계학습 및 다양한 시계열 예측 모형과 연계한 가뭄 예측을 실시한다면 미계측 유역의 보

다 정확한 가뭄판단 인자로서 활용이 가능할 것이다.

본 연구를 통하여 제시된 결과는 일부 강우 사례를 이용하 여 GPM IMERG 자료에 대한 정확도 검증이 제한적으로만 실시되었으나, GPM IMERG 강우 자료의 수문학적 활용성 과 위성기반으로 산출된 SPI를 이용한 실시간 가뭄 감시 가능 성을 확인한 것에 큰 의미가 있다. 향후 보다 많은 강우사례를 확보하고, 자료의 특성을 고려한 정량적 및 정성적인 검증 방 법 개선에 대한 노력이 필요하다. 본 연구의 결과는 위성기반 가뭄 모니터링은 지점 기반의 가뭄 감시 시스템을 그리드 기 반의 고해상도 가뭄 감시 시스템으로의 발전이 가능하도록 기여할 수 있으며, 북한과 같은 미계측지역과 아시아-태평양 개발도상국 등 지상관측기기의 한계로 관측이 어려운 지역에 대한 가뭄재해 피해 저감에 많은 도움이 될 것으로 기대된다.

사 사

본 연구는 국토교통부 물관리연구사업의 연구비지원(16 AWMP-B079625-03)에 의해 수행되었으며 이에 감사드립 니다.

REFERENCES

1. Baek, S. G., H. W. Jang, J. S. Kim, J. W. Lee, 2016. Agricultural drought monitoring using the satellite-based vegetation index.

Journal of Korea Water Resource Association 49(4): 305-314.

2. Case, J. L., 2016. From drought to flooding in less than a week over South Carolina. Results in Physics 6: 1183-1184.

3. Cressman, G. W., 1959. An operational objective analysis system.

Monthly Weather Review 87: 367-374.

4. Ghulam, A., Q. Qin, T. Teyip, and Z. Li, 2007, Modified per- pendicular drought index (MPDI): a real-time drought monitoring method, ISPRS Journal of Photogrammetry & Remote Sensing 62(2): 150-164.

5. Gu, Y., J. F. Brown, J. P. Verdin, and B. Wardlow, 2007, A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States, Geophysical Research Letters, 34: L06407.

6. Huffman, G. J., D. T. Bolvin, D. Braithwaite, K. Hsu, R. Joyce, and P. Xie, 2014. NASA Global Precipitation Measurement (GPM) Integrated Multi-satellitE Retrievals for GPM (IMERG) Algorithm Theoretical Basis Document (ATBD) v4.4.

7. Jeong, S. and S. C. Shin, 2006, The applicastion of satellite

imagery in droughts analysis of large area. Journal of the Korean

Society for Geo-spatial Information Science 14(2):55-62 (in Korean).

8. Karnieli, A., N. Agam, R. T. Pinker, M. Anderson, M. L. Imhoff, G. G. Gutman, N. Panov, and A. Goldberg, 2010, Use of NDVI and land surface temperature for drought assessment: merits and limitations, Journal of Climate 23(3): 618-633.

9. Kim, K. Y., J. M. Park, J. G. Baik, and M. H. Choi, 2017.

Evaluation of topographical and seasonal feature using GPM IMERG and TRMM 3B42 over Far-East Asia. Atmospheric Research 187:95-105.

10. Kwon, H. J. 2006. Development of semidistributed hydrological drought assessment method based on SWSI (Surface Water Supply Index). Ph.D. Thesis, Konkuk University.

11. Kwon, H. J., H. J. Lim, and S. J. Kim. 2007. Drought assessment of agricultural district using modified SWSI. Journal of the Korean Association of Geographic Information Studies 10(1):

22-34 (in Korean).

12. Liu, Z. 2016. Comparison of Integrated Multisatellite Retrievals for GPM (IMERG) and TRMM Multisatellite Precipitation Analysis (TMPA) Monthly Precipitation Products: Initial Results.

Journal of Hydrometeorology 17:777-790.

13. Marshall, J. S. and W. M. K. Palmer, 1948. The distribution of raindrops with size. Journal of Meteorology 5(4):165-166.

14. 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.

15. NDMI (National Disaster Management research Institute), 2014. Application Plan Research of National Satellite Images for Disaster Management, pp. 1-207 (in Korean).

16. Park, M. J., H. J. Shin, Y. D. Choi, J. Y. Park, and S. J. Kim, 2011. Development of a hydrological drought index considering water availability. Journal of the Korean Society of Agricultural Engineers 53(6): 165-170 (in Korean).

17. Ray, P. S., B. C. Johnson, K. W. Johnson, J. S. Bradberry, J. J.

Stephens, K. K. Wagner, R. B. Wilhelmson, and J. B. Klemp, 1981. The morphology of several tornadic storms on 20 May 1977. Journal of Atmospheric Science 38:1643-1663.

18. Sharifi, E. R. Steinacker, and B. Saghafian, 2016. Assessment of GPM-IMERG and Other Precipitation Products against Gauge Data under Different Topographic and Climatic Conditions in Iran: Preliminary Results, Remote Sensing 8(2): 135.

19. Shin, H. J., M. J. Park, E. H. Hwang, H. S. Chae, and S. J. Park, 2015. A Study of Spring Drought Using Terra MODIS Satellite Image. Journal of the Korean Association of Geographic Information Studies 18(4): 145-157 (in Korean).

20. Son, K. H., D. H. Bae, and H. S. Cheong, 2015. Construction &

Evaluation of GloSea5-Based Hydrological Drought Outlook System. Atmosphere 25(2): 271-281 (in Korean).

21. Wang, L. and J. J. Qu, 2007, NMDI: A normalized multi-band drought index for monitoring soil and vegetation moisture with satellite remote sensing, Geophysical Research Letters, 34:

L20405.