The Estimation of Water Balance at Regional Upland According to RCP8.5 Scenario from 2011 to 2020

The Estimation of Water Balance at Regional Upland According to RCP8.5 Scenario from 2011 to 2020

Kook-sik Shin, Hyun-Sook Cho, Ki-Young Seong, Tae-Seon Park, Hang-Won Kang, and Myung-Chul Seo*

Rural Development Administration, National Institute of Crop Science, Crop Environment Research Division, Suwon, Gyeonggi, 441-857, Republic of Korea

(Received: January 17 2014, Accepted: February 6 2014)

In order to evaluate water balance at upland according to RCP8.5 climate change scenario distributed by Korean Meteorological Administration (KMA), we simulated soil moisture using estimation model, called AFKAE0.5 for 66 sites from 2011 to 2020, and established the water balance maps. The amount of annual average precipitation by RCP8.5 scenario was highest in 2016 as recorded 2,062 mm and lowest in 2011 with 1,134 mm. As result of analysis for monthly precipitation and runoff, the amounts of precipitation and runoff have been especially intensive in July in 2014, 2016, 2019, and 2020. Overall, the area of Kyeongbuk and Gyeonggi was estimated more dried status of soil compared with precipitation. Except 2015 and 2020, soil water balance was recorded as negative value in other years which was calculated by subtracting output from input. The status of soil moisture was the most dry in 2020 among those in other years.

Key words: Climate change, Scenario RCP8.5, Soil moisture estimation model, Water balance, Annual precipitation evapotranspiration

The estimation of average water balance at upland with 66 regional sites according to RCP8.5 scenario by AFKAE0.5.

Years

Input (A) Output (B)

Water balance (A-B) Annual

precipitation

Upward

movement Runoff Infiltration AET

^†

--- (mm) ---

2011 1,134 215 87 178 1,091 -7

2012 1,514 188 184 422 1,099 -3

2013 1,550 181 239 391 1,120 -19

2014 1,860 141 307 628 1,069 -3

2015 1,682 166 236 559 1,049 4

2016 2,062 177 591 602 1,072 -26

2017 1,740 151 227 528 1,142 -6

2018 1,640 176 346 494 987 -11

2019 1,481 199 262 356 1,065 -3

2020 1,850 168 404 555 1,057 2

†

Actual Evapotranspiration.

1)

*Corresponding author : Phone: +82312906778, Fax: +82312906773, E-mail: [email protected]

§

Acknowledgement: This work was carried out with the support of “Cooperative Research Program for Agriculture Science & Technology

Development (Project No. PJ009332)” Rural Development Administration, Republic of Korea.

Introduction

현재, 기후변화 연구자들의 연구에 따르면 지구의 평년 기온은 지속적으로 상승할 것으로 예측 되고 있어, 이에 따 른 온실가스, 식량공급, 식수원, 발병원 등 여러 문제들을 야기할 것으로 전망되고 있다. 특히 IPCC (International panel on climate change)의 기후변화 4차 평가보고서에서 지구 기후온난화는 명백하며, 지난 100년 (1906∼2005)간 지구 평균기온은 0.74°C 상승, 해수면은 17 cm 상승, 북반 구 적설면적은 매 10년마다 2.7% 감소한 것으로 보고하고 있다. 21세기에 이후에는 더욱 기온 상승폭이 커져, 2100년 까지 평균 1.1∼6.4°C 상승할 것으로 전망되고 있으며 지난 100년의 변화폭 보다 3배 이상 가속화될 것으로 예측하고 있다. 특히, 21세기에는 20세기에 나타난 바와 같이 폭염, 집중호우 등 이상기상 현상의 빈도가 증가하고 태풍의 세기 가 강해질 가능성이 높은 것으로 전망되고 있다 (IPCC, 2007).

국립기상연구소 (2011)의 신 기후변화 시나리오에 따르 면, 현재 추세대로 온실가스를 계속배출하는 RCP8.5시나리 오의 경우 2100년경에 한반도 평균 기온은 6.0°C 상승하고, 강수량은 20.4%의 증가가 있을것으로 예측하고 있다. 반면, 어느정도 이산화탄소 저감노력이 실현되는 가정하의 RCP4.5 시나리오 상에서는 3.4°C 기온상승과 17.3%의 강수량 증가 가 있을 것으로 예측하고 있다.

지구온난화는 기후자원에 의존도가 높은 작물생산에 큰 영향을 미치며, 이산화탄소 농도 증가는 광합성을 촉진한다 는 측면에서 작물의 생장에 긍정적이나, 이산화탄소 증가에 따른 기온상승은 생육기간의 단축과 호흡량의 증가를 유발 하여 생산량을 감소시키고, 품질을 저하시키는 등 부정적 요인으로도 작용할 수 있다. 특히 우리나라는 산이 많고 지 형이 복잡하여 이상기상에 의한 재해발생이 국지적이며 재 해종류도 한발, 호우, 냉해, 폭염, 태풍 등으로 다양하여 작 물재배적인 측면에서 대응하기 쉽지 않다.

이런 위험성에 대응하기 위하여 기후변화가 식량생산에 미치는 영향으로 대기순환 모델로 예측한 이산화탄소 농도 증가에 따른 농업기후 자원에 미치는 영향이 보고된바 있 고, 작물생장모의 모형을 이용하여 지구온난화에 따른 벼 생장 및 쌀 수량에 미치는 영향이 보고되기도 하였다 (Lee et al., 1991). 또한, 통계적 기법을 도입하여 커널 회귀분석 을 통해 기후변화에 따른 작물수량에 미치는 영향이 보고되 기도 하였다 (Kim et al., 2009). 기후변화가 작물생산에 미 치는 영향분석 외에도 해외에서는 이론적 모형을 이용한 토 양수분특성과 물 수지를 평가한바 있으며, 기상의 개별요소 인 일사량, 기온, 강수량, 습도, 풍속 등이 미치는 영향을 계량적으로 제시하기도 하였다 (Vining, 1989). 또 가뭄을 평 가하기 위한 지표로 PDSI (Palmer Drought Severity Index), SPI (Standardized Precipitation) 등 다양한 가뭄지수를 전

세계적으로 이용하고 있으며 국내에서도 이를 이용해 국내 에서 발생하는 가뭄을 평가하는 연구를 수행하기도 하였다 (Kim and Lee, 2011; Moon and Lee, 2013; Ryu et al., 2001)

이렇듯 기후변화에 따른 기상변동이 심해짐에 따라 농업 분야에 미치는 영향이 매우 커져가는 양상을 보이고 있으며 이를 대처하기 위한 농경지 토양의 물관리가 매우 중요 해 지고 있다. 그러나 농가의 영농형태가 다양해짐에 따라 적 정 관개가 필수적임에도 농가의 경영비 상승의 이유로 기본 적 시비와 방제 등에 후순위로 머물러 왔다. 따라서 농가에 서 손쉽게 이용할 수 있는 물관리 프로그램이 요구되게 되 었고 이에 따라 2008년도에 토양수분함량을 간단하게 추정 할 수 있는 모델이 구축되기도 하였다. 이러한 토양수분 추 정모델이 구동되기 위하여 평균기온, 최고기온, 최저기온, 강수량, 상대습도, 평균풍속, 일조시간 등이 기본적으로 입 력되고 일사량 자료를 추가 입력할 수 있는 체계로 구성되 어 있고, 토양이 건조해져가는 과정을 추정하는데 매우 유 용 하게 쓰일 수 있다. 그 이후 이러한 토양수분 추정모델을 개량하여 Seo et al. (2012)은 토성 또는 토양통에 따른 토 양수분함량과 토양수분 포텐셜을 변환시키는 모델이 내장 되어 있고, 실 증발산량을 측정하기 위한 주요 작물의 시기 별 작물 계수를 반영하여 토양 수분함량의 변화를 일 단위로 평 가할 수 있는 시스템인 AFKAE0.5를 발표 하였다. AFKAE0.5의 경우 동일 포장내의 다양성보다는 실질적으로 농가에서 사 용할 수 있는 실용적인 측면을 강조하기 위해 2가지 가설을 적용하여 토양수분 이동을 정의하여 시뮬레이션을 단순화 시킨 점이 특징적이며, 또한 정의하기 어려운 토양내 수분이 동의 방향성을 정의하여 토양 내 수분을 단순화 시켜 토양수 분을 일별로 산출한 수분 시뮬레이션 산출 방법에 해당한다.

따라서 본 연구에서는 토양수분 추정모델 (AFKAE0.5)를 이용하여 최근에 발표된 한반도 및 남한상세 RCP8.5 시나 리오 자료를 시뮬레이션 하여 2011년부터 2020년 까지 국내 농경지 토양의 지역별 물수지 변동을 예측하여 향후 기후변 화에 대응하여 작물의 적정 물관리 대책을 위한 기초 자료 로써 제공하는데 목적을 두었다.

Materials and methods

RCP8.5 기상자료 수집 및 분석

본 연구에 사용된 자 료는 2011년부터 2099년까지 해상도가 1 km × 1 km인 남 한 상세 RCP8.5 기후변화 신시나리오를 기상청 기후변화정 보센터에서 ESR ASCII GRID 파일 형식으로 2012년 4월에 제공 받아 파일을 압축해제 하여 일평균기온 (Tavg), 일별 최고기온 (Tmax), 일별최저기온 (Tmin), 일별강수량 (Prcp) 의 기상항목을 일별자료로 정리하였다. 기상자료는 제주도 및 일부 도서지역을 제외한 기상관측소 66지점에 대해 좌표

Table 1. Summary of precipitation at 66 weather stations in 2011∼2020 years extracted from RCP8.5 climate south Korean scenario.

Years Average of annual prcp

^†

Deviation of annual prcp Max of annual prcp (region) Min of annual prcp (region) --- (mm) ---

2011 1,134 959 1,683 (Kangneung) 724 (Daegu)

2012 1,514 1,354 2,378 (Namhae) 1,025 (Daegu)

2013 1,550 1,546 2,599 (Namhae) 1,053 (Andog)

2014 1,860 982 2,378 (Namhae) 1,397 (Daegu)

2015 1,682 1,347 2,599 (Namhae) 1,252 (Daegu)

2016 2,062 1,017 2,504 (Bonghwa) 1,487 (Daegu)

2017 1,740 1,112 2,408 (Namhae) 1,296 (Andong)

2018 1,640 1,280 2,394 (Namhae) 1,115 (Andong)

2019 1,481 1,587 2,641 (Namhae) 1,054 (Yeongcheon)

2020 1,850 1,150 2,607 (Geoje) 1,457 (Inje)

†

Precipitation.

를 설정하여 이를 기반으로 한반도 상세 시나리오 자료에서 중첩되는 기상자료를 추출 및 재분류 작업을 수행하였다.

원본 래스터 형식의 기상데이터에서 66개 지점의 X, Y좌표 에 대한 자료값을 추출하기 위해 지리정보처리 프로그램인 ArcGIS9.2를 이용하여 기상 요인별 1년 단위의 일별자료를 추출하여 분류하였다. 토양수분 추정모델 (AFKAE0.5)의 입 력 자료로 활용하기위해 ArcGIS9.2로 추출한 자료중 일별 평균기온, 최고기온, 최저기온, 강수량을 분류하여 정리하 였다. 토양수분 추정모델에 입력되는 기상자료로 평균기온, 최고기온, 최저기온, 강수량 외에도 평균습도, 평균풍속 및 일조시간 또는 일사량 자료가 필요하여 기상청에서 제공하 는 12 km 해상도에서 추출된 RCP8.5 시나리오의 전국 시군 별 평균습도, 일사량 등의 응용기상자료를 제공 받아 이를 토양수분 추정모델 기상 입력 자료로 활용하였다.

토양수분 추정모델 (AFKAE0.5) 시뮬레이션

기상 청 66개 관측지점에 대한 토양수분 시뮬레이션을 구동하기 위해 AFKAE0.5 (2012)를 사용하였다. AFKAE0.5는 작물이 재배되고 있는 포장에서도 이질성이 크므로 토양 수지를 세 부적으로 표현하기 어려운 측면으로, 농가에서 사용할 수 있는 보다 실용적인 측면을 강조하고자 토양수분 이동을 정 의하여 시뮬레이션을 단순화 시킨 점이 특징적이다. 표토와 심토를 합쳐 30 cm의 깊이 토양을 수분이동 및 저장대상으 로 설정하고 동일 포장에서는 균질한 토성을 가지고 있는 것으로 가설을 설정하였다. 또한 토양수분의 이동은 토양수 분함량에 따라 방향성과 속도가 결정할 수 있도록 단순화 하였는데 토양 30 cm이하의 토양 내에서의 토양수분 이동 은 무시하고 토양수분의 함량이 일정 영역에 이르면 수분의 지하로의 투수, 지하에서 토양역역으로 수분상승, 또는 이 동하지 않는 영역으로 구분한 것이 특징이다 (Seo et al.,

2012).

토양수분 시뮬레이션은 2011년부터 2020년까지 1년 단위 로 10개년을 대상으로 진행하였다. 입력변수로 기상요인들 은 기상청에서 제공한 자료를 편집하여 입력하였으며 재배 작물은 옥수수를 재배하는 것으로 설정하여 재배 시기는 4 월 하순부터 7월말까지 설정하였고, 별도의 관개는 하지 않 는 것으로 설정하였다. 밭 토양특성 입력변수로 모래, 미사, 점토가 각각 53.6, 27.8, 18.6%로 구성되어 있는 것으로 보 고된 사양토 계열의 지곡통을 입력하였으며, 토양수분 추정 모델의 시뮬레이션은 66개 지역 10년 자료로 총 660번을 구 동하였으며, 이를 통해 얻어진 결과를 이용하여 밭토양 농 경지 토양수분변동과 물수지변동을 예측 평가 하였다.

토양수분 추정 시뮬레이션 분석 및 분포도 작성

토 양수분 시뮬레이션을 도출한 결과를 토대로 10개년의 강수 량, 유거수량, 증발산량, 토양 내 수분함량을 ArcGIS 9.2버 전을 이용하여 기상관측 66개 지점을 기준으로 각각 좌표에 속성자료를 입력한 후 남한 전자지도를 기반으로 공간변이 분석 (Kriging analysis)을 실시하여 분포도를 작성하였다.

Results and Discussion

연평균 강수량 시뮬레이션

RCP8.5 한반도 상세 신시 나리오에서 추출한 66개 관측지점의 강수량분석을 2011년 부터 2020년 10개년에 걸쳐 연도별 평균 연 강수량과 최대·

최소 연 강수량에 대한 시뮬레이션 분석은 Table 1과 같았 다. 10년간 연도별 평균 강수량 가운데 2016년도가 가장 높 은 2,062 mm를 기록하였고 2011년도에 가장 낮은 1,134 mm의 결과를 보여 약 2배가량 차이가 나는 결과를 보였다.

시뮬레이션 분석된 10개년 결과를 전체적으로 보았을 때 강

Table 2. Summary of precipitation at 66 weather stations from April to October in 2011∼2020 years extracted from RCP8.5 climate south Korean scenario

Years Average of annual prcp

^†

/ 4-10 month

Deviation of annual prcp / 4-10 month

Max of annual prcp / 4-10 month (region)

Min of annual prcp / 4-10 month (region) --- (mm) --- Past 30 years 1,072

2011 920 748 1,340

(Geoje)

591 (Miryang)

2012 1,239 1,149 1,950

(Namhae)

801 (Pohang)

2013 1,370 1,378 2,330

(Namhae)

951 (Andong)

2014 1,595 868 2,061

(Cheorwon)

1,193 (Yeongdeok)

2015 1,332 1,442 2,330

(Namhae)

888 (Mokpo)

2016 1,843 1,002 2,328

(Bongwha)

1,326 (Daegu)

2017 1,525 1,171 2,009

(Jinju)

1,171 (Andong)

2018 1,471 1,075 2,095

(Namhae)

1,020 (Daegu)

2019 1,277 1,330 2,239

(Namhae)

909 (Mokpo)

2020 1,585 959 2,193

(Geoje)

1,234 (Inje)

†

Precipitation.

수량은 서서히 증가하는 추세를 보였다. 최대 연강수량은 2019년 경남 남해지방이 2,641 mm로 가장 높은 것으로 분 석되었고, 2011년 경북 대구 지방이 724 mm를 나타내 가장 낮은 값을 보였다. 10개년의 전반적인 강수량 상황을 보면 주로 평균 연 강수량이 가장 많았던 2016년과 가장 낮은 2011년도를 제외하면 경남 남해지방이 가장 강수량이 높을 것으로 예측되었다. 10개년의 평균 연 강수량의 추이는 2013과 2019년도에 각각 1,550 mm, 1,481 mm였고 지역적 으로 연 강수량 편차가 각각 1,546 mm, 1,587 mm을 보여 강수량이 상대적으로 높지 않음에도 불구하고 지역적으로 큰 편차를 보여 특히 가뭄피해를 주의해야 할 것으로 예측 되었다.

Table 2는 국내에서 주로 작물의 생육기간이라고 판단되 는 4월부터 10월까지의 강수량 시뮬레이션 결과를 보여주 고 있다. 2016년도에 1,843 mm로 가장 높은 값을 보였고, 2011년이 역시 920 mm로 가장 낮은 값을 보여 평균 연 강 수량과 크게 다르지 않음을 알 수 있었고 이는 겨울철의 강 수량이 연 강수량에 차지하는 비중이 크지 않으며 과거 기 후 양상이 미래에도 비슷한 양상을 나타내고 있는 것으로 판단되었다. 4∼10월중 최대 강수량도 최대 연 강수량과 비

슷하게 주로 경남 남해지방이 높은 값을 보였고, 최저 강수 량은 평균 연 강수량에서 대구지방이 주로 낮은 강수량을 보인 반면 4∼10월중 강수량은 밀양 (591 mm), 포항 (801 mm), 안동 (951 mm, 1,171 mm), 영덕 (1,193 mm), 목포 (888 mm), 대구 (1,320 mm, 1,026 mm), 인제 (1,234 mm) 등 여 러 지방에서 낮은 강수량을 보일 것으로 전망되었다. 10개 년의 작기 중 강수량 편차는 평균 연 강수량 편차가 2013년 과 2019년이 가장 높았던 것과는 다른 양상을 보여 4∼10월 1,332 mm의 강수량을 나타낸 2015년의 지역 간 강수량 편 차가 1,442 mm로 가장 크게 나타났다. 특히, 2011년의 밀양 지역을 제외하면 목포지방의 경우 2015년과 2019년에 강수 량이 낮아 더욱 주의를 해야 할 것으로 예측되었다.

연도별 월별 물 변동량 분석

RCP8.5 시나리오에 따 른 10년간 토양수분 추정 시뮬레이션결과 월별 평균 강수량 은 Fig. 1, 월별 평균 유거수량은 Fig. 2와 같다. 앞서 언급 한 바와 같이 평균 연 강수량이 가장 높았던 2016년의 경우 월별 평균 강수량 또한 2,060 mm로 가장 높았으며 특히, 전체 평균 연 강수량의 약 40%에 해당하는 835 mm가 7월 에 집중되는 현상을 보여주었다. 7월의 집중강우가 계속됨

Fig. 1. Monthly average precipitation of 2011∼2020 years.

Fig. 2. Monthly average runoff of 2011∼2020 years.

Fig. 3. Monthly cumulative evapotranspiration of 2011∼

2020 years.

Fig. 4. Monthly average soil water contents of 2011∼2020 years.

에 따라 미처 토양 내에 침투하지 못하고 유실되는 양 또한 485 mm로 7월에 집중됨을 볼 수가 있다. 그리고 평균 연 강수량이 가장 낮았던 2011년의 경우 겨울철에 해당하는 12 월, 1월, 2월을 제외하고는 강수량의 편차가 크지 않아 전체 적으로 집중강우 현상이 덜하여 강수량이 낮았으며, 집중강 우가 적은 관계로 유거량도 줄어 전반적으로 강수량과 유거 수량이 모두 낮은 결과를 보였다. 강수량이 가장 많은 2016 년 외에도 2014, 2019, 2020년도에 7월에 집중강우 현상이 두드러진 것으로 나타났으며 (Fig. 1), 2014년은 7월 집중강 우가 464 mm로 높았으나 유거수량은 131 mm로 2016, 2019, 2020년도에 비해 상대적으로 낮은 추이를 보였다 (Fig. 2). 10개년의 전체적인 강수량과 유거량을 볼 때 2010 년대 초반에 비해 후반으로 갈수록 여름철 집중강우 현상이 두드러짐을 볼 수 있으며, 집중강우에 따라 유거량 또한 늘 어나 해가 거듭될수록 여름철 (6, 7, 8월)에 강우가 집중되 어 강우와 관련된 재해가 빈번하게 발생할 것으로 예측 되 었다. 이는 현재까지 여러 학자들과 기상센터 등에서 제시 한 기온이 상승함에 따라 강수량이 늘어난다는 이론과 일치

하며, 10개년 이후 데이터 시뮬레이션 결과를 측정하면 더 욱 두드러질 것으로 판단되었다.

토양 내 수분함량을 좌우하는 요인에는 온도, 강수량, 투 수량, 유거량, 증발산량, 토성 등을 들 수 있으며, 이 중 증 발산량은 매우 중요한 지표 중의 하나이다. 실제로 토양수 분시뮬레이션 입력 변수중 온도, 강수량, 유거수량 등을 입 력하는 것 외에도 일사량을 추가할 수 있으면 정확한 결과 를 나타낼 수 있다고 언급한 바 있다 (Seo et al., 2010). 일 조량에 따라 증발산량이 달라지기 때문에 본 연구에서는 토 양수분 시뮬레이션 분석 시 증발산량을 산정하여 월별 평균 증발산량을 Fig. 3에 나타내었다. 월별 평균 증발산량 결과 를 보면 강수량 및 유거수량과는 달리 큰 편차를 보이지 않 았다. 실제로 강수량이 매우 높았던 2016년의 경우 평균 증 발산량은 1,071 mm였고 평균 연 강수량이 가장 낮았던 2011년도의 1,089 mm보다도 낮은 값을 보였다. 월별 평균 증발산량이 가장 높은 연도는 2017년도로 1,141 mm였고 가 장 적은 해는 987 mm로 2018년 이었다. 월 평균 증발산량 을 보면 대부분의 연도에서 7월이 가장 높음을 볼 수 있는

Table 3. The estimation of average water balance at upland with 66 regional sites according to RCP8.5 scenario by AFKAE0.5.

Years

Input (A) Output (B)

Water balance (A-B) Annual

precipitation

Upward

movement Runoff Infiltration AET

^†

--- (mm) ---

2011 1,134 215 87 178 1,091 -7

2012 1,514 188 184 422 1,099 -3

2013 1,550 181 239 391 1,120 -19

2014 1,860 141 307 628 1,069 -3

2015 1,682 166 236 559 1,049 4

2016 2,062 177 591 602 1,072 -26

2017 1,740 151 227 528 1,142 -6

2018 1,640 176 346 494 987 -11

2019 1,481 199 262 356 1,065 -3

2020 1,850 168 404 555 1,057 2

†

Actual Evapotranspiration.

데 이는, 7월달이 일조시간이 상대적으로 많고 작물의 활발 한 증산작용에서 기인한 것으로 판단되었다.

Fig. 4는 토양수분 추정 시뮬레이션을 통한 66개 지역의 월별 평균 수분함량을 보여주고 있다. AFKAE0.5 모델에서 물수지는 일별로 강수량, 증발산량, 유거수량, 지하 침투량, 수분 상승량, 관개수량 등을 고려하여 해당일의 토양수분함 량을 추정하는데 본 연구의 시뮬레이션 조건에서는 농경지 밭작물의 관개수량은 고려하지 않았다. 월별 평균 토양수분 함량을 보면 연도별로 4, 6. 10월에 토양수분함량이 낮아지 는 현상을 보였으며, 2011년을 제외하면 7, 8월에 토양수분 함량이 높아짐을 볼 수 있다. 본 연구에서는 하계작물인 옥 수수를 적용하여 수분시뮬레이션을 한 결과이기 이므로 옥 수수 외에도 봄에 파종하는 하계 밭작물에 대해서는 작물계 수가 어느 정도 차이가 있을 수 있으나 전반적인 양상은 크 게 차이가 없을 것으로 생각된다. 4∼6월은 작물의 파종과 초기생육 기간이기 때문에 봄 가뭄이 심할 경우 작물의 생 육이 불량해지거나 초기 고사 가능성이 있기 때문에 토양 내 수분함량이 매우 중요한 시기이다. 10년간의 봄철 (4, 5, 6월) 평균 토양수분함량을 보면 2020년이 28.3%로 가장 낮 았고 2014년이 35.3%로 가장 높은 결과를 보였다. 이는 강 수량이 매우 적은 해였던 2011년이 29.9% 임에도 불구하고 더욱 낮은 수분함량을 보인 결과로 강우 사상의 빈도 및 분 포가 강우량과 일치하지 않은 것으로 판단되었다.

한편 ,평균 연 강수량이 높았던 2016년에는 봄, 여름철에 는 수분함량이 높았으나 10, 11, 12월에 각각 27.2, 27.3, 26.5%로 낮은 수분함량을 나타내 전체 평균 수분함량은 2014, 2015, 2017, 2018, 2020년도 보다 낮은 수준을 보였 다. 이것은 2016년은 7, 8월 집중적인 강우시 강우량이 다 른 해보다 많았으나 이후 가을철의 매우 낮은 강우량에서

기인한 것으로 판단되었다. 따라서 여름철의 집중강우는 모 델 시뮬레이션에서 많은 유거수량으로 나타나게 되며, 이 양이 많은 경우 토양의 유실, 습해, 침수해 등의 작물 피해 가 발생할 수 있다. 모델에서는 토성에 따라 결정된 토양의 포화수분함량을 초과할 경우 유거수를 발생시키기 때문에 토양내의 수분 보유함량에는 큰 영향을 미치지 않는 것으로 판단되어 진다. 따라서 국내의 토양 여건상 토양수분 보유 능력을 향상시키는 여러 영농관리 방법이 요구되고 있으며, 농경지 토양에서의 물관리 방법의 중요성이 더욱 크게 좌우 할 것이라고 생각되었다.

연도별 물 수지 분석

토양수분 추정모델을 구동하여 연도별 물 수지 변동량을 예측한 결과는 Table 3과 같다. 농 경지의 물수지를 결정하는 투입인자로 관개량은 설정을 하 지 않았기 때문에 강수량과 수분 상승량을 선정하였고, 배 출인자로 유거수량, 투수량, 증발산량을 선정하여 물 수지 를 평가하였다. 그 결과 2015년과 2020년도를 제외하고는 모두 음의 값의 결과를 보였다. 이것은 수분시뮬레이션 당 시 토양에 기본적으로 존재하는 토양 수분은 고려하지 않은 결과로 실제로 토양내 존재하는 수분함량까지 고려하면 음 의 값이 나올 수가 없다. 토양 물수지에 영향을 크게 미치는 인자를 보면 강수량, 유거수량, 투수량이 큰 영향을 미치는 것으로 조사되었고 수분 상승량과 증발산량은 최대·최소 편 차가 각각 74 mm, 155 mm로 낮아 상대적으로 영향이 적은 것으로 분석 되었다. 여기서 수분 상승량은 본 연구에 사용 한 AFKAE0.5에서는 수분 함량의 범위를 작물의 근권 이라 고 할 수 있는 30 cm로 제한하고 있으므로 지하수위가 30 cm내로 이동하는 것을 고려한 수치이다. 그 결과로 2016년 의 경우를 보면 강수량이 가장 많은 해 이나, 실제 물수지는

2011 2012 2013 2014

2015 2016 2017 2018

2019 2020

Fig. 5. The distribution map of precipitation with a year based on 66 weather stations during 2011∼2020 years estimated by simulating AFKAE0.5 according to RCP8.5 climate scenario.

–26 mm로 가장 낮은 결과를 보였다. 투입량 대비 배출량이 더 많아 물 수지 측면에서 나쁜 결과를 보이고 있으며, 이는 강수량은 높으나 연 평균 유거수량이 기타 9개 년도에 비해 591 mm로 압도적으로 많았기 때문이었다. 또한 2016년 외 에 2013년에도 –19 mm로 대책이 요구되고 있다. 그러나 투 입량 대비 산출량 결과 0의 값에서 매우 큰 편차를 보이지 는 않는 것으로 보았을 때 물수지 측면에서의 2011년부터 2020년의 결과는 심각할 정도의 수준은 아니라고 판단되었 다. 그러나 이것은 남한 지역 66개 지점을 합산한 결과일 뿐이며, 기상의 지역편중이 심한 국내여건에서는 지역적으 로 세밀한 분석을 통하여 대책을 마련하는 것이 바람직 할 것으로 생각되었다.

지역별 수분 시뮬레이션 공간분석

RCP8.5시나리오 를 바탕으로 66관측지점, 10개년에 대한 기후변화 시나리오 에 따라 토양수분 예측모델을 시뮬레이션 하여 강수량, 유 거수량, 증발산량 및 토양수분함량을 각각 산출하여 분석한 결과를 바탕으로 전국적으로 분포양상을 보기위해 공간변 이분석 (Kriging analysis)을 실시한 결과를 Fig. 5, 6, 7, 8 에 각각 나타내었다. 먼저 강수량의 공간변이분석 결과를 보면 대구, 영천, 의성을 포함하는 경북 지역이 다른 지역에 비해 매년 강수량이 상대적으로 적을 것으로 나타났으며, 2013, 2015, 2017년도는 경북지역 뿐만 아니라 인천, 강화 를 중심으로 강수량이 적을 것으로 예측되었다. 특히 2019 년과 2020년은 전국 전반적으로 강수량의 분포가 낮게 나

2011 2012 2013 2014

2015 2016 2017 2018

2019 2020

Fig. 6. The distribution map of runoff with a year based on 66 weather stations during 2011∼2020 years estimated by simulating AFKAE0.5 according to RCP8.5 climate scenario.

타났으며, 2020년은 상대적으로 강수량이 많았던 다른 해 와 다르게 강원북부 지방도 강수량 분포가 매우 적은 것으 로 분석 되었다. 2020년의 경우 Seo et al. (2013)이 예측하 였던 한반도 한발지수분석에서 예측되었던 것과 같이 경기 서부와 경북지역의 한발위험성이 본 연구의 강수량분포 경 향과도 일치하는 결과를 보여 주고 있다. 한편 앞서 언급하 였던 강수량이 매우 풍부하고 7월에 집중강우를 보여주었 던 2016년의 경우 경북 동남부 지역을 제외하고 매우 풍부 한 강수량 분포를 나타내는 것으로 분석되었다 (Fig. 5). 그 러나 2016년의 경우는 강수량이 풍부하긴 하지만 7월의 집 중강우 현상에 따라 경기 북동부일대와 강원서부 일대는 유 거수량 또한 매우 많은 것으로 나타나고 있다 (Fig. 6). 그

리고 2019년의 경우는 경기북부 및 강원북부 지방이 강수량 이 적은 데에도 불구하고 유거수량은 높은 분포를 보였으 며, 2013년의 경우도 호남 서부 일대의 많지 않은 강수량에 도 유거수량은 매우 높을 것으로 예측되었다. 그 외에도 2020년도의 경기 지역이 강수량에 비해 유거수량이 매우 높을 것으로 예상되었으며, 반면에 2015년과 2017년의 경우 는 강수량분포에 비해 유거수량이 지역 전체적으로 낮은 공 간분포를 보여 주고 있다. 강수량과 유거수량의 지역공간변 이 분석결과 2013, 2019, 2020년도는 강수량과 유거수량만 을 두고 판단할 때 이 시기의 물 수급 및 관리 대책 방안을 세워야 할 것으로 전망 되었다.

본 연구의 증발산량은 FAO Penman-Monteith (Cai, 2007)

2011 2012 2013 2014

2015 2016 2017 2018

2019 2020

Fig. 7. The distribution map of real evapotranspiration with a year based on 66 weather stations during 2011∼2020 years estimated by simulating AFKAE0.5 according to RCP8.5 climate scenario.

방법을 이용하여 산출 한 것으로 최대, 최저 기온, 일사량, 풍속, 습도 등 여러 가지 기상자료가 변수로 사용되며 그 밖 에 위도, 고도와 같은 위치자료, 작물계수 등을 반영하여 분 석한 결과이다. 시뮬레이션 증발산량의 공간변이 분석 결과 를 보면 대체로 위도에 따른 증발산량의 차이가 우선적으로 나타나고 있어 남해안 지역이 우리나라에서 증발산량이 가 장 많은 지역으로 평가되었다. 반면 중북부 지역의 경우는 위도의 영향보다는 지형적인 요인이나 온도의 요인이 많이 반영되어 강원 북동부 지역과 영동지역이 가장 적은 양상을 나타내었다. 10개년 동안 연도별로 비슷한 양상을 보이나, 2011년과 2013년은 서울, 경기 지역의 증발산량이 위도가 낮은 충정도 지역보다 많은 것으로 나타나고 있다.

일반적으로 토양내의 수분함량은 포화가 오랫동안 지속 되면 벼 등 일부 작물을 제외하고는 습해를 입을 수 있으며, 지나치게 건조하게 되면 가뭄에 의해 심할 경우 고사를 하 기도 한다. 시뮬레이션 결과는 토양수분함량이 일별로 나타 나게 되는데 이를 연간 평균한 연 평균 토양수분함량을 지 역별로 산출하여 이를 바탕으로 공간변이 분석을 하여 분포 도를 Fig. 8에 나타내었다. 연도별 평균 토양수분 함량을 지 역별로 살펴보면 전제적으로 강원도 북동부 해안가를 중심 으로 2017년을 제외하고 높은 수분함량을 나타내었으며, 강 수량 시뮬레이션에서 강수량 분포가 적었던 경북지역이 평 균 토양수분 함량 또한 전체적으로 낮은 결과를 보였다. 한 편, 강수량이 가장 많은 경향을 나타내었던 남해 지역은 상

2011 2012 2013 2014

2015 2016 2017 2018

2019 2020

Fig. 8. The distribution map of soil water contents with a year based on 66 weather stations during 2011∼2020 years estimated by simulating AFKAE0.5 according to RCP8.5 climate scenario.

대적으로 평균 토양수분 함량이 다른 지역에 비해 크게 높 지 않았는데, 이는 증발산량이 많고 강우 사상이 시기적으 로 편중되어 있기 때문인 것으로 추정되었다. 토한 경기 서 부지역이나 서해안 지역의 경우 평균 연 강수량에 비해 전 체적으로 2017년을 제외하고 평균 토양수분 함량이 낮은 분 포를 나타내었는데 미래에는 강우량이 적은 경북지역 이외 에도 경기 서부지역 태안반도를 중심으로 서산 등 서해지역 등에서 가뭄의 위험 가능성이 높을 것으로 전망되었다.

공시된 10개년 수분 시뮬레이션결과 강수량 분포 및 토양 수분함량이 전반적으로 낮게 나타난 경북지역과 인천을 중 심으로 한 경기서부 지역이 가뭄의 우려가 있는 것으로 평 가되었으며, 이중 특히 2016년도는 강수량은 매우 높으나

유거수량 또한 기타 년도 보다 압도적으로 높아, 물 수지 측 면에서 악영향을 미치는 것으로 평가 되었다. 그리고 2017 년의 경우 공간분석 결과 토양수분함량이 9개년이 전반적 으로 비슷한 양상을 보이는데 반해 대조되는 결과를 보여 향후 기후변동에 참고자료로 활용하여 적응 대책을 세워야 할 것으로 평가되었다. 그리고 10년간의 토양수분변동 자료 분석을 실시한 결과는 아직 해가 거듭될수록 큰 기후변동 양상을 규명하기는 어려우나 그 진행 패턴으로 비추어 볼 때 2020년 이후에도 계속 지속될 것으로 판단되었다. 따라 서 기후변화에 따른 농업분야의 여러 예측 모델 또는 작물 의 생산량 변동에 대한 연구가 실시되고 있으나, 단순한 기 온과 강수량 변화에 따른 작물의 적응성 외에도 본 연구와

같은 작물의 최적 생육을 고려한 수분수지 분석, 일조시간 에 따른 토양의 증발산 같은 작물 재배 요인에 관한 연구가 더욱 진행되어야 향후 다가올 기후변동에 대해 농경지 물 관리 방법이나, 작부체계, 영농관리 등을 체계적이고 정밀 하게 대응할 수 있을 것이라 판단된다.

References

Cai, J., Y. Liu, T. Lei, and L.S. Pereira. 2007. Estimating reference evapotranspiration with the FAO Penman–Monteith equation using daily weather forecast messages. Agricultural and Forest Meteorology Vol. 145:22-35.

Climate Change Information Center (CCIC), http://www.climate.

go.kr/index.html, Korea Meteorological Administration.

IPCC. 2007. Climate Change 2007: Synthesis Report. Contribution of Working Group I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.

Kim, C.G., S.M. Lee, H.K. Jeong, J.K. Jang, and C.K. Lee. 2009.

Impacts and Countermeasures of Climate Change in Korean Agriculture. Korea Rural Economic Institute Report 593.

Kim, G.S. and J.W. Lee. 2011. Evaluation of drought Indices using the drought records. Journal of Korea Water Resources Association vol. 44(8):639-652.

Lee, B.W., J.C. Shin, and J.H. Bong. 1991. Impact of Climate Change Induced by the Increasing Atmospheric CO2 Concentration

on Agroclimatic Resources, Net Primary Productivity and Rice Yield Potential in Korea. Korean J. Crop Sci. 36(2):

112-126.

Moon, J.W. and D.R. Lee. 2012. A Study on the Parameter Stabilization of Palmer Drought Severity Index. Journal of the Korean Society of Hazard Mitigation. Vol. 12(5):91-99.

National Institute of Meteorological Research. 2011. The climate change scenarios report for responding to the IPCC 5 assessment report (in korea).

Ryu, J.H., D.R. Lee, J.H. An, and O.N. Yoon, 2001. A comparative study on the drought indices for drought evaluation. Journal of Korea Water Resources Association.

Vol. 35(4):397-410.

Seo, M.C., S.O. Hur, Y.K. Sonn, H.S. Cho, W.T. Jeon, M.K.

Kim, and M.T. Kim. 2012. The Development of Estimation Model (AFKAE0.5) for Water Balance and Soil Water Content Using Daily Weather Data. Korean society of soil sci. and fert.

Vol. 45(6):1203-1210.

Seo, M.C., S.O. Hur, Y.K. Sonn, M.K. Kim, J.Y. Ko, and J.S.

Lee. 2010. The Estimation on Soil Moisture Contents by Using Soil Moisture Contents Prediction Program(AFKAEN).

Korean society of soil sci. and fert. Symposium:188-189.

Vining, K.C. 1989. Effects of Weather on Agricultural Crop and Livestock: An Overview. International Journal of Environmental Studies 36:27-39.