Developing Strategies for Building a Platform to Support Climate Change Responses Applying Data Science
Data Science 기반 기후변화 대응 지원 플랫폼 구축을 위한 전략 마련 연구
이 명 진 외
연구책임자 이명진 (한국환경정책·평가연구원 연구위원) 참여연구원 진대용 (한국환경정책·평가연구원 부연구위원) 신지영 (한국환경정책·평가연구원 연구위원) 홍한움 (한국환경정책·평가연구원 부연구위원) 김근한 (한국환경정책·평가연구원 전문연구원) 홍현정 (한국환경정책·평가연구원 전문연구원) 한국진 (한국환경정책·평가연구원 선임전문원) 조윤랑 (한국환경정책·평가연구원 연구원) 김도연 (한국환경정책·평가연구원 연구원) 강선아 (한국환경정책·평가연구원 연구원) 외부연구진 강병진 (MAYSUN 부장)
✥
연구자문위원 (가나다순)김기동 (국립생태원 생태정보연구실 실장) 김충기 (한국환경정책·평가연구원 연구위원) 이현준 (환경부 신기후체제대응팀 사무관) 예상준 (한국한의학연구원 지능화추진팀 팀장) 심창섭 (한국환경정책·평가연구원 연구위원) 홍제우 (한국환경정책·평가연구원 부연구위원) 홍효진 (한국정보화진흥원 국토환경팀 수석)
ⓒ 2020 한국환경정책·평가연구원 발행인 윤 제 용
발행처 한국환경정책·평가연구원
(30147) 세종특별자치시 시청대로 370 세종국책연구단지 과학·인프라동
전화 044-415-7777 팩스 044-415-7799 http://www.kei.re.kr
인 쇄 2020년 12월 26일 발 행 2020년 12월 31일
등 록 제 2015-000009호 (1998년 1월 30일) ISBN 979-11-5980-450-2 93530 인쇄처 (사)아름다운사람들복지회 02-6948-9650
이 보고서를 인용 및 활용 시 아래와 같이 출처를 표시해 주십시오.
이명진 외(2020), ｢Data Science 기반 기후변화 대응 지원 플랫폼 구축을 위한 전략 마련 연구｣, 한국환경정책·평가연구원.
값 16,000원
제4차 산업기술인 ICT기술의 발전과 데이터 축적으로 국내외 여러 분야에서의 성과가 가시 화 되고 있으며 이로 인해 데이터 기반 정책 연구의 중요성이 부각되고 있습니다. 따라서 데이 터 중심으로 기후변화 연구 수행 전환을 위한 기반 연구가 필요하며 우선적으로 유관 기관들에 서 보유중인 기후변화 관련 데이터들의 현황 조사가 필요합니다. 또한 정부에서는 연구과정에 서 생산되는 연구데이터 공유 및 관리의 중요성을 인식하고 이에 대한 의무를 강화하고 있어 이런 흐름에 맞추어 한국환경정책·평가연구원(이하 KEI)에서도 연구데이터 관리체계의 구축 및 공유 생태계를 구현하려는 노력이 필요한 상황입니다.
따라서 본 연구에서는 KEI를 포함하여 국내에 산재되어 있는 기후환경 데이터들을 조사 및 정리하여 데이터 연계 활용을 위한 기반을 구축하고, 데이터 생산, 수집 및 활용 등 연구 데이터 관리의 전 과정을 체계화하기 위해 추진된 기본연구입니다. KEI 및 주요 기관별 기후 데이터 보유 현황을 분석하여 기후변화 연구 중심의 Data Science 적용 방안을 제시하였고, KEI 연구데이터를 Data Science 기반의 체계로 전환 방안 및 시범 플랫폼을 제안하였습니다.
본 연구 결과를 기반으로 환경분야 ‘한국판 뉴딜’의 실천적 모델 구축 과정에 활용될 수 있고, KEI가 연구하는 환경정책 전반을 ‘Data Science’로 전환을 촉진하는 계기가 되기를 기대합니다.
끝으로 본 연구를 수행한 KEI 이명진 연구위원, 진대용 부연구위원, 신지영 연구위원, 홍한 움 부연구위원, 김근한 전문연구원, 홍현정 전문연구원, 한국진 선임전문원, 조윤랑 연구원, 김도연 연구원, 강선아 연구원을 비롯하여 MAYSUN 강병진 부장에게 감사의 뜻을 표합니다.
바쁘신 와중에도 자문위원으로 참여해 주신 환경부 이현준 사무관, 한국정보화진흥원 홍효진 수석, 국립생태원 김기동 실장, 한국한의학연구원 예상준 팀장께 깊은 감사를 드립니다. 또한 우리 원의 김충기 연구위원, 심창섭 연구위원, 홍제우 부연구위원의 자문에도 감사를 표합니다.
2020년 12월 한국환경정책·평가연구원 원 장
윤 제 용
소 간 연결이 자연스럽지 않거나 문장이 생략된 곳이 많으니 이 점 양지하여 봐 주시기 바랍니다.
요 약
Ⅰ. 서론
❏ 연구 배경 및 목적
ㅇ 최근 해외에서는 국가적 차원에서 정보통신기술(ICT) 융합을 통한 Data Science로의 전환을 시행하고 있음
- Data Science는 데이터를 통해 실제 현상을 이해하고, 데이터 속에 담긴 패턴 및 신호를 찾는 것 등을 아우르는 것
ㅇ 기후변화 관련 연구는 온실가스 ‘감축’을 통하여 기후변화 발생을 저감시키는 연구와 기존 배출된 온실가스에 의한 환경변화에 적응하는 ‘적응’으로 나누어짐
- 기후변화의 원인이 단일하지 않고 복합적 원인에 의하여 발생하기 때문에 온실가스 감축과 적응의 세부 분야는 다양하게 구분되어 있음
ㅇ 본 연구는 Data Science와 기후변화 ‘대응’ 연구를 KEI 중심으로 진행하는 방안을 마련하고자 함
❏ 연구 범위
ㅇ 대내외적 변화에 효율적으로 대응하며, 향후 지속적으로 증가할 기후환경 데이터의 체계적 관리, 확산을 위한 Open Science 기반 ‘KEI 데이터 플랫폼’ 중 기후변화 부문 구축에 대한 기본 연구
ㅇ 2019년 KEI에서 수행된 데이터 기반 환경정책 추진을 위한 중장기로드맵 수립 TF(Task Force)의 결과 중 ‘KEI 데이터 플랫폼’ 구축을 위한 실천적 방안으로 수행하기 위한 실천적 연구
❏ 연구 방법
ㅇ 본 연구는 국내에 산재되어 있는 기후환경 데이터를 KEI가 보유한 데이터와 연계를 강화하고, 지속적인 활용을 강화하기 위한 연구임. 이에 KEI 기후환경 데이터와 공공기 관 기후환경 데이터 연계 활용 방안을 검토하고 KEI 기후환경 데이터 현황, 생산 및 활용 등 전 과정을 체계화하는 방안을 검토함
ㅇ KEI 기후환경 데이터 관리체계 구축을 위한 KEI 기후환경 데이터 적용 가이드라인 을 구성하고 기후변화 관련 현재 KEI, 공공기관 보유 데이터 및 향후 생산되는 데이터의 생성·활용·공유 등에 대한 효율적 방안을 수립하였음
Ⅱ. 유관기관 기후환경 데이터 현황 조사
1. 기후변화 감시예측 부문
❏ 기상청, 국립기상과학원 등에서 제공하는 기후변화 영향 및 전망·예측 데이터는 다양한 부문과 융합분석·활용이 가능함
ㅇ 기상청은 농업, 방재, 보건, 산림, 생태 등 부문별 맞춤형 데이터를 제공, 국립기상과학원 및 APEC기후센터에서는 기상자원지도, 이상기후감시 등 관련 데이터를 생산·제공 중
2. 농·축산업 부문
❏ 기후변화로 인한 농축산 부문의 피해 저감 및 대응을 위해 농촌진흥청 소속·산하기관과 지자체 등에서 농축산 맞춤형 데이터를 생산·제공함
ㅇ 과수·작물별 미래 재배적지 데이터, 농업기상정보 및 가축별 미래 더위지수 분포도 등을 제공하여 기후변화로 인한 피해 예측과 대응에 활용 가능토록 함
3. 재난·재해 부문
❏ 기후변화로 인한 재난·재해로부터 안전 확보 및 즉각적 대응을 위해 행정안전부, 국립재 난안전연구원, 환경부 등에서 부문별 피해 데이터 및 위험·취약지도를 제공함
ㅇ 재해정보지도, 침수가뭄급경사지, 가뭄취약지도, 산불위험·취약지도 등을 통해 기후변 화 영향으로 인한 피해 예방·경감과 재난재해 대응관련 정책수립 시 활용 가능함
4. 건강·보건 부문
❏ 기후변화는 폭염 및 대기오염 문제를 심화시켜 인간의 건강을 위협하며, 이를 대응·지원 하기 위한 데이터를 기상청, 환경부, 국민건강보험공단 등 다양한 기관에서 생산·제공함 ㅇ 각종 생활 및 보건지수, 통합대기환경지수, 대기오염농도전망·예보데이터, 질병위험도,
폭염예보·대응데이터 등을 통해 일상생활과 건강관리 및 기후변화 대응을 위한 자료를 제공 중
Ⅲ. 원내 기후환경 데이터 현황 및 고도화
1. 원내 기후환경 데이터 현황
❏ 기후변화의 효과적 대응을 위해서는 데이터 기반의 환경정책 전환과 기후환경 분야의 산재된 데이터를 체계적·종합적으로 수집·관리할 수 있는 통합관리방안 마련이 필요함 ㅇ ｢저탄소 녹색성장 기본법｣ 제48조 및 동법 시행령 제38조에 따라 기후변화로 인한 영향을
파악하고 적응대책 마련을 위해 5개년 국가단위 적응 추진 방향설정 및 분야별 과제를 이행 중임
ㅇ 국가기후변화적응센터(KACCC)에서는 기후변화 취약성 평가 지원 도구 시스템(VESTAP) 과 취약성 통합평가 모형 개발연구단(MOTIVE) 등을 운영하여 다양한 기후환경 데이터 를 보유 중
2. 원내 기후환경 데이터 고도화 방안
❏ 본 연구는 원외 기후환경 관련 공공데이터 및 원내 보유 데이터를 중심으로 기후환경 데이터 인벤토리를 시범 구축하였음
ㅇ KEI는 연구자 중심의 연구수행 및 부서 내/부서 간 연구교류 부재, 데이터 플랫폼과
같은 데이터 허브 역할 부재로 인하여 기후환경 데이터가 중복 생산되거나 산재되어 있음
ㅇ 원내외 기후환경 데이터는 총 1,155개 세부 데이터로 구성되어 있으며, 건강, 농축산, 산림/
생태계, 물, 국토/연안 순으로 다양한 데이터를 활용 가능한 것으로 나타남
ㅇ 사용자 맞춤형 세부지표 구축 시 필요한 정보를 제공하고자 제공기관별 기후환경 데이터 현황을 조사하였으며, 총 42개 기관의 168개 자료가 향후 기후변화 적응대책 수립 및 관련 연구에서 활용 가능한 것으로 조사됨
❏ 기후변화 적응대책 수립을 위한 평가항목 및 지표개발의 참고자료와 KEI 데이터 플랫폼 구축 전략 수립에 기여 달성
ㅇ 본 연구를 통해 기후환경 분야 연구자에게 부문별 데이터 현황 정보를 제공하고, 향후 KEI 플랫폼 구축 시 데이터 분류체계 및 정보제공 방식의 효율화 등 구축과정에서 보완 도구로 활용 가능할 것으로 보임
ㅇ 또한 기후변화 취약성 평가 시스템별, 부문별 기후환경 데이터 보유 현황 제시를 통하여 상호보완적인 연구가 수행될 것으로 기대함
Ⅳ. 연구데이터 관리 개요 및 현황
1. 연구데이터 관리 및 활용을 위한 필수요소 파악 및 검토
❏ 연구데이터 관리 및 활용을 위해 연구데이터 관리 계획(DMP: Data Management Plan), 기관용 연구데이터 리포지터리(IDR: Institutional Data Repository) 시스템 및 평가 체계 등 관련 제도 구축 필요
ㅇ 연구데이터 관리 계획(DMP: Data Management Plan): 연구 시작 전 또는 연구 과제 완료 후 데이터가 처리되는 방법을 설명하는 공식 문서로 연구데이터 공유 및 활용 등에 있어서 핵심적인 정책 수단(현재 KEI는 데이터 관리 관련 규정 및 정책 없음)
ㅇ 연구데이터 리포지터리(IDR: Institutional Data Repository): 연구데이터 다운로드, 업로 드, 검색, 공유 및 관리 등을 보다 효율적으로 할 수 있게 해주는 시스템(공간)을 의미
- KISTI에서 개발한 표준 연구데이터 리포지터리 활용방안 검토
ㅇ 해외 주요기관에서는 이미 DMP 및 IDR 활용 정착단계이며 국내는 과학기술계 중심으로 DMP 의무화를 통한 Open Science 연구 강화 추세임
- 빅데이터 구축 및 활용 관련된 논의는 있지만 연구데이터 관리 체계 등에 대한 논의는 많지 않은 상황임
2. 연구데이터 관리 주요기관 현황 및 사례 분석: 인터뷰 및 서면자문을 통해 연구기 관 데이터 관리 현황 파악
❏ 국내에서는 한국지질자원연구원(KIGAM), 한국한의학연구원(KIOM), 국립생태원 등에 서 DMP와 IDR을 중심 연구데이터 관리체계 구축 및 활용 중임
ㅇ KEI를 포함한 경제인문사회연구원은 DMP, IDR, 데이터 관리규정 등 연구데이터 관리 체계 구축 사례가 미비한 실정임
ㅇ 주요 연구기관 심층 인터뷰 및 서면자문 결과 DMP, IDR, 데이터 관리규정은 필수 요소이며, 연구데이터 관리 기본 체계 구축에만 1년 이상 소요 및 점진적 개선이 요구되 며, 10년 이상의 장기적인 관점으로 접근이 필요하고 무엇보다 연구진의 협조 및 기관장 의 의지를 강조함
Ⅴ. KEI 기후환경 데이터 관리 체계 구축
1. KEI 연구데이터 관리체계 구축 과정
❏ 원내외 연구데이터 관리체계 현황 파악 및 의견수렴을 통해 KEI 데이터 관리 체계 구축 에 필요한 중요 요소를 도출
ㅇ 현황 파악을 위해 국내외 선행연구 조사 및 전문가 인터뷰를 수행하였으며, KEI 연구자 의견을 반영하기 위해 원내 TF와 설문조사를 실시함
ㅇ 정책연구기관의 성격을 고려한 KEI의 데이터 관리 체계 구축에 필수적인 요소 도출:
1) IDR 시스템 구축, 2) 데이터 관리 계획(DMP) 도입 3) 데이터 관련 제도 구축
자료: 저자 작성.
<그림 1> KEI 연구데이터 관리체계 구축 흐름도
❏ KEI 연구데이터 관리체계 개선을 위한 TF 및 설문조사 수행을 통한 단계별 실행 절차 마련
ㅇ TF 결과를 통해 연구데이터 관리체계를 위한 단계별 실행 절차 계획 마련
- 과제 제안서 작성 시 책임자는 DMP 제출, 연구 종료 시 데이터 정보가 포함된 DMP와 연구데이터를 KEI-IDR 시스템에 업로드
- ’20년 일반과제 적용 후 ’21년 기본, 기초과제 등 확장 적용 예정
ㅇ 원내 설문조사 결과를 통한 보유 데이터 관리, 공유 현황 및 애로사항 등 파악 - KEI에서 생산된 연구데이터 생산, 관리 및 공유 현황과 요구사항을 파악하여 연구
데이터 관리체계 구축 및 운영 가이드라인 마련
2. KEI 연구데이터 관리체계 초안 구축
❏ KEI 연구데이터 정의 및 분류체계, 데이터 관리 계획(DMP) 및 연구데이터 업로드 템플 릿 구성 방향, KEI-IDR 시스템 및 KEI 연구데이터 관리 규정 등의 초안 구축
❏ 연구데이터 정의, 데이터 관리 계획(DMP) 및 연구데이터 리포지터리(IDR) 시스템 구축 이 선행되어야 하며, 단계별 연구데이터 관리 및 활용 체계 초안 구축
ㅇ 연구데이터 수집: 제안서에 DMP 작성 양식 포함 및 연구 종료 후 데이터 업로드를 체계화함으로써 목표 달성
ㅇ 연구데이터 관리 및 내부 활용 단계: 연구로부터 생산 및 수집된 데이터의 체계적인 관리를 통해 데이터 유실을 방지하고, 환경 정책에 활용되는 데이터 축적 가능 ㅇ 데이터 활용 및 공유 단계: 원내 데이터 기반 연구 활성화 도모 및 중복 데이터 수집
최소화 등을 통해 연구 효율성 증가 도모
자료: 저자 작성.
<그림 2> KEI 연구데이터 관리 체계 구현(안)
Ⅵ. KEI 데이터 플랫폼 구성
1. KEI형 환경 데이터 허브 구축
❏ 국내외 데이터 허브 사례 검토
ㅇ 블룸버그는 터미널 방식의 플랫폼을 통해 다양한 개별 콘텐츠가 보유한 정보의 연계성을 강조하여 검색 데이터 및 정보를 제공하고 톰슨로이터는 인공지능 기법을 활용하여 이슈에 해당하는 데이터의 상관관계를 정리하여 제공하고 있음. ICPSR은 이슈별 데이 터 검색, 공유 및 데이터 활용 학습 등을 제공하고 있음
ㅇ 국내외 데이터 허브 사례 분석 결과, 이슈별 단일 데이터만을 제공하지 않고, 발생한 이슈와 관련된 주제, 분야의 유사 데이터를 연계하여 함께 제공함. 또한 데이터 현황 및 이슈 관련 사항을 정리하여 가독성이 높은 표출형식으로 정리하여 제공하고 있음
❏ KEI형 환경 데이터 허브 초안 구축
ㅇ KEI 데이터 허브 구축의 목표는 데이터 활용 제고 개선을 바탕으로 KEI에서 생성 및 활용되는 데이터의 확산을 주도하는 것임. 이에 원내외 관련 데이터 현황을 파악하고 활용 확대를 위한 제도적 차원의 접근이 필요함
- KEI형 DMP 및 KEI 데이터 저장소 구축과 데이터 활용의 전 과정 환류에 대한 검토가 필요하며 이를 바탕으로 참여형 환경정책 데이터 체계가 구축되어야 함
ㅇ 최종적인 KEI 데이터 허브 및 플랫폼의 역할은 LOD 형태의 연계성을 기반으로 구현되어야 하며, 유관기관과 협의체 및 운영위원회를 구성하고 AI 분석 알고리즘을 적용하는 방안을 도입해야 함
2. KEI형 연구데이터 리포지터리 시스템 구축
❏ KEI 기관 여건을 고려하여 2차 연도(’20~’21)에 걸쳐 KEI형 연구데이터 리포지터리 시스템 설계 및 구축
ㅇ 국내 환경 분야 연구데이터 리포지터리 구축 사례는 미흡한 실정임. 이에 해외 선진사례 및 한국과학기술정보연구원의 표준 IDR 도입사례를 검토하여 KEI형 IDR을 설계 및 구축 중임
- DataONE, USGS 등 해외의 대규모 연구데이터 리포지터리와 DMP 사례를 검토함 - 한국한의학연구원, 한국지질자원연구원, 국립산림과학원, 한국연구재단 및 한국과학 기술원 등 선행 도입기관들도 표준 IDR을 기반으로 기관 여건을 고려하여 연구데이터 리포지터리 시스템을 구축하였음
ㅇ 표준 IDR을 분석하고 KEI 요구사항을 검토하여 KEI형 IDR 시스템 설계 및 1차 연도 KEI형 IDR 시스템을 구축함
- 표준 IDR은 연구데이터 수집 시스템, 연구데이터 관리 시스템, 연구데이터 서비스 등 크게 3부분으로 구성되며, 개인 저장소와 데이터 저장소, 저장소 모듈 관리시스템 등 연구데이터 리포지터리 플랫폼을 기반으로 동작함
- 1차 연도에 표준 IDR의 주요기능을 반영하여 KEI 연구데이터의 성과공유를 중심으로 KEI형 IDR 시스템을 구축하고, 2차 연도에 연구데이터와 DMP 연계, 연구정보 등 인트라넷 시스템 연계, 이용자의 요구사항과 최신 IDR 시스템 개선사항을 반영하여 KEI형 IDR 시스템 고도화를 추진하고자 함
❏ KEI 연구데이터 관리 프로세스와 KEI형 IDR 등 체계적인 연구데이터 관리체계를 활용 하여 수요자 측면의 양질의 연구데이터를 제공하고 환경 분야 데이터 플랫폼 구축 전략 수립에 기여함
ㅇ 본 연구 결과를 통해 연구정보와 연구데이터 간의 상호 연계가 가능하고 연구 계획부터 종료 시까지 연구데이터의 일관된 추적이 가능하기 때문에 연구자들은 신뢰도 높은 연구 성과를 편리하게 공유하고 수요자는 양질의 연구데이터 활용이 수월해짐 ㅇ 체계적인 연구데이터 관리체계를 기반으로 지속적으로 고품질의 연구데이터 성과를
확산하고, 연구데이터 수요 기업과 정책기관에 신뢰성 있는 데이터를 제공할 수 있는 환경 분야 데이터 플랫폼 구축 전략 수립에 기여함
Ⅶ. 결론 및 정책 제언
❏ 정책 제언
ㅇ KEI 중심의 기후변화 연구의 Data Sciences 지원 및 기초 데이터 제공을 효율적으로 수행할 수 있는 기반 마련 및 관련 정책(제3차 국가 기후변화 적응 대책 및 제3차 광역 및 지자체 기후변화 적응 세부시행계획 등)에 직접적 활용 가능
ㅇ KEI 연구데이터 플랫폼 구축을 통한 환경정책 수립을 Data Science로 전환하는 기반 마련하였으며, 특히 KEI DMP 관련 TF 및 설문조사 결과를 반영한 내부 제도 개선, 개선된 사항을 반영한 시범 플랫폼 구축 등 기획과 이행을 모두 수행하였음 ㅇ 경제인문사회 분야 Data Sciences 적극적 수용을 통한 환경분야 ‘한국판 뉴딜’의 실천
적 역할 수행할 수 있는 기반을 조성하였으며, 경제인문사회 연구회에서는 처음으로 Data Sciences를 연구원 차원에서 수행하는 첫 번째 사례이고, 데이터의 파급 효과가 큰 기후환경 데이터를 적용하는 방안을 마련하였음
ㅇ 기존 기후변화 관련 환경정책의 접근방식을 수요자 맞춤-사전 예방형으로 전환할 수 있는 기초 역할 수행하는 KEI 내 기반을 조성하였음. 다양한 환경매체와 같이 환경정책 은 다양성과 대국민에 직접적인 영향을 미친다는 파급효과를 고려하여 현실적인 환경정 책과 ICT, 지능정보기술을 융합하는 방안을 제시함
❏ 연구의 한계점 및 향후 과제
ㅇ 본 연구는 2차 연도 연구 중 1차 연도 연구를 수행하였음. 2차 연도 연구에서는 1차 연도에 시범 구축한 KEI 연구데이터 리포지터리를 확대 할 예정이며, 1차 연도 연구는 “시범”적으 로 구축한 사항임
ㅇ 또한 향후 기후환경 데이터뿐만 아니라, 환경매체 및 환경영향평가 등 환경 전반으로 확대하 는 것은 각 매체별 Data 유무, 활용 가용성 등을 고려하여야 하며, 환경매체 전반으로 의무적 확대에 대한 조심스런 접근이 필요할 것으로 사료됨
주제어 : 데이터사이언스, 기후변화, 데이터플랫폼, DMP, IDR
요 약 ···ⅰ
제1장 서론 ···1
1. 연구 배경 및 목적 ···1
2. 연구 범위 ···3
3. 연구 방법 ···5
제2장 유관기관 기후환경 데이터 현황 조사 ···7
1. 기후변화 감시예측 부문 ···7
2. 농·축산업 부문 ···37
3. 재난·재해 부문 ···59
4. 건강·보건 부문 ···78
제3장 원내 기후환경 데이터 현황 및 고도화 ···105
1. 원내 기후환경 데이터 현황 ···105
2. 원내 기후환경 데이터 고도화 방안 ···145
제4장 연구데이터 관리 개요 및 현황 ···165
1. 연구데이터 개요 ···165
2. 연구데이터 관리의 필요성 ···167
3. 연구데이터 관리 계획 및 규정 검토 ···177
4. 주요 기관 연구데이터 관리 현황 인터뷰 ···178
5. 소결 ···187
2. KEI 연구데이터 관리 체계 개선을 위한 TF 결과 ···191
3. KEI 연구데이터 관리체계 구축을 위한 설문조사 결과 ···199
4. KEI형 데이터 관리 체계 초안 구축 ···215
5. KEI 연구데이터 관리·활용 체계 구축 방향 ···226
6. 소결 ···227
제6장 KEI 데이터 플랫폼 구성 ···228
1. KEI형 환경 데이터 허브 구축 ···228
2. KEI형 연구데이터 리포지터리 시스템 구축 ···241
제7장 결론 및 정책 제언 ···265
1. 연구 요약 ···265
2. 연구성과 활용 및 정책 제언 ···269
참고문헌 ···275
부 록 ···289
Ⅰ. 부문별 원내외 기후환경 데이터 현황 ···291
Ⅱ. 연구데이터 관리 사전 인터뷰 ···359
Ⅲ. 설문지 ···365
Executive Summary ···375
<표 2-1> 기상청의 부문별 미래 기후변화 시나리오 응용 데이터 항목 및 특징 ···8
<표 2-2> 표준강수지수의 범위 및 가뭄단계 ···12
<표 2-3> 열지수 범위 및 위험단계 구분 ···15
<표 2-4> 극한기후지수 항목 및 정의 ···21
<표 2-5> 국립기상과학원의 풍력·태양광 자원지도 항목 및 특징 ···23
<표 2-6> APEC 기후센터에서 작성·제공하는 이상기후 현황 데이터 ···30
<표 2-7> APEC 기후센터의 기후지수 정의 및 산출 방법 ···33
<표 2-8> 과수 및 작물의 미래 재배 적지 산출을 위한 기후조건 ···39
<표 2-9> 농업재해 발생 위험 분포도 항목 및 기준 ···44
<표 2-10> 농작물 병해충 예측 지도 작성 시 사용한 입력 자료와 산출방법 ···47
<표 2-11> 가축사육 미래 더위지수 분포도 데이터 항목 및 특징 ···50
<표 2-12> 전자기후도의 세부 종류 및 작성 항목 ···54
<표 2-13> 재해정보지도 및 침수가뭄급경사지 데이터 항목 ···60
<표 2-14> 국가가뭄지수 데이터의 정의 및 특징 ···65
<표 2-15> 산사태 예측 권역별 토양함수지수 범위 ···75
<표 2-16> 생활 기상지수 데이터 항목 및 특징 ···79
<표 2-17> 체감온도 단계별 지수 범위 및 대응요령 ···80
<표 2-18> 보건 기상지수 데이터 항목 및 특징 ···84
<표 2-19> 폭염 영향 예보 데이터 항목 및 특징 ···89
<표 2-20> 실시간 대기오염도 공개 홈페이지에서 제공 중인 대기오염도 측정망 현황 ···92
<표 2-21> 통합대기환경지수 산출 시의 측정값 단계별 기준 ···93
<표 2-22> 대기오염경보 단계별 농도기준 ···97
<표 2-23> 국민건강위험도 알람 서비스 데이터의 세부 항목 및 특징 ···100
<표 2-24> 질병별 위험도 예측 구간 범위 및 산출식 ···101
<표 2-25> (주)케이웨더의 열사병위험지수 단계 및 기준, 대응요령 ···104
<표 3-3> 건강 부문: 태풍에 의한 건강 취약성 평가를 위한 지표 구축 현황 ···120
<표 3-4> 농축산 부문: 벼 생산성의 취약성 평가를 위한 지표 구축 현황 ···121
<표 3-5> VESTAP 부문별 세부지표 구축 현황 ···122
<표 3-6> 제공기관별 활용 자료 목록(VESTAP) ···123
<표 3-7> 기관 구분별 원시자료 활용 현황(VESTAP) ···124
<표 3-8> MOTIVE 데이터 구축 변수 체계 ···128
<표 3-9> MOTIVE 취약성 평가 항목(총 41개) ···129
<표 3-10> MOTIVE 기후자료 현황(기후변화 시나리오) ···131
<표 3-11> MOTIVE 부문별 세부지표 구축 현황 ···133
<표 3-12> 제공기관별 활용 자료 목록(MOTIVE) ···133
<표 3-13> 기관 구분별 원시자료 활용 현황(MOTIVE) ···134
<표 3-14> 원시자료 및 활용사례 유형 Meta DB 구축의 범위 ···138
<표 3-15> 산업계 이상강우 피해 현황도 구축 범위(2010~2011년) ···138
<표 3-16> 침수발생 3일 누적 강우량도 구축 범위(2010~2011년) ···139
<표 3-17> 미래 침수피해 동일조건 강우량도 구축 범위 ···139
<표 3-18> KEI 기후환경정책연구 주요 활용·구축·제공 데이터 현황 ···143
<표 3-19> VESTAP에서 추가적으로 활용 가능한 데이터 목록 현황(예시) ···162
<표 4-1> 한국지질자원 연구원: 인터뷰 내용 요약 ···179
<표 4-2> 한국한의학연구원: 인터뷰 내용 요약 ···182
<표 5-1> TF 구성원 정보(기준일: ’20.6.30) ···192
<표 5-2> KEI 연구데이터 관리 체계 가이드라인(안) ···193
<표 5-3> 환경분야의 연구데이터 카테고리 및 분류코드(안) ···194
<표 5-4> 연구데이터 관리 체계 실행 절차(안) ···195
<표 5-5> TF 구성원의 주요 의견 요약 ···197
<표 5-6> 설문조사 방법 ···199
<표 5-7> 설문조사 항목 ···202
<표 5-10> DMP 공개 템플릿 목록 ···219
<표 5-11> KEI형 데이터관리계획 템플릿 (제안서 양식) ···220
<표 5-12> KEI형 데이터관리계획 템플릿 (업로드 양식) ···221
<표 5-13> KEI 연구데이터 관리 규정(안) ···222
<표 6-1> 국내외 데이터 허브 사례 ···229
<표 6-2> KEI형 데이터 리포지터리 시스템 구축단계 ···243
<표 6-3> KEI형 IDR의 소프트웨어 구성 ···246
<표 6-4> KEI 데이터 플랫폼의 시스템 사양 ···264
<그림 1-1> 연구 범위 및 흐름도 ···6
<그림 2-1> 농업부문 미래 기후변화 응용 데이터 산출을 위한 기준증발산량 산정 식 ···9
<그림 2-2> 농업부문 미래 기후변화 시나리오 응용 데이터 사례 ···10
<그림 2-3> 기상청의 표준강수지수 산출과정 ···12
<그림 2-4> 방재부문 미래 기후변화 시나리오 응용 데이터 사례 ···13
<그림 2-5> 열지수 산출 수식 ···14
<그림 2-6> 열지수 산출표 ···14
<그림 2-7> 건강부문 미래 기후변화 시나리오 응용 데이터 사례 ···16
<그림 2-8> 최저기온지수 산출식 ···16
<그림 2-9> 산림부문 미래 기후변화 시나리오 응용 데이터 사례 ···18
<그림 2-10> 기후변화심각도지수 산출식 ···19
<그림 2-11> 동물생태부문 미래 기후변화 시나리오 응용 데이터 사례 ···20
<그림 2-12> 극한기후지수의 주요 데이터 사례 ···22
<그림 2-13> 풍력 및 태양광 자원지도 제작과정 ···25
<그림 2-14> 풍력 및 태양광 자원 분포 데이터 사례 ···26
<그림 2-15> 미래 풍력자원지도 작성 절차 ···26
<그림 2-16> 미래 풍력자원지도 데이터 사례 ···27
<그림 2-17> 미래 풍력자원지도를 활용한 강원도 지역의 풍력발전소 적지선정 사례 ···28
<그림 2-18> APEC 기후센터의 다중모델 앙상블 참여기관 ···29
<그림 2-19> 2020년 6~8월 평균 기온 분포 예측(좌), 강수 평년(1991~2010년) 대비 확률(우) ···30
<그림 2-20> 이상기후 현황 데이터 사례 ···31
<그림 2-21> 여름철 계절내 진동 예측 데이터 사례 ···32
<그림 2-22> 전 지구 가뭄지수 현황 데이터 사례 ···33
<그림 2-23> APEC 기후센터의 기후 데이터 제공 도구 ···36
<그림 2-26> 생물계절지도(사과) 데이터 사례 ···41
<그림 2-27> 사과 및 포도의 과거 30년 빈도 동해위험도 데이터 사례 ···42
<그림 2-28> 집중호우 및 고온해로 인한 농업재해 위험도 분포 데이터 사례 ···45
<그림 2-29> 미래 병해충 위험도 예측 등급 산정 절차 및 기준 ···46
<그림 2-30> 고추탄저병의 위험도 등급 예측 분포 비교(2020년대 및 2090년대) ···46
<그림 2-31> 가축 더위지수 분포도 데이터 사례 ···51
<그림 2-32> 1970년대부터 2100년까지의 연도별 젖소의 일 최고 더위지수 추이 분석 사례 ··52
<그림 2-33> 젖소 일 최고 더위지수(최곳값)의 주요 연도별 및 월별 분포 변화 추이 분석 사례 ···53
<그림 2-34> 전자기후도 중 기본기후도 데이터 사례 ···54
<그림 2-35> 전자기후도 중 2차기후도 데이터 사례 ···55
<그림 2-36> 전자기후도 중 분석기후도 데이터 사례 ···56
<그림 2-37> 고해상도 지면 대기모델링 데이터 ···57
<그림 2-38> 제주특별자치도 농업기술원의 제주감귤 맞춤 데이터 사례 ···58
<그림 2-39> 강원도 농업기술원의 재배안전지역 분포도 데이터 사례 ···58
<그림 2-40> 재해정보지도(좌) 및 침수가뭄급경사지 데이터(우) ···60
<그림 2-41> 침수가뭄급경사지 데이터의 세부항목별 지도 사례 ···61
<그림 2-42> 지진해일대응시스템(좌) 및 침수예상도(우) ···62
<그림 2-43> 재난부문 생활안전지도 사례(열 분포도와 재난배상책임보험 시설 중첩) ···63
<그림 2-44> 2060년까지의 폭염사망자 발생 전망 및 전국 시군구별 폭염위험현황도 데이터 사례 ···64
<그림 2-45> 국가가뭄지수 분포도 사례 ···67
<그림 2-46> 가뭄취약지도의 부문별 분석과정 및 생산되는 주제도 사례 ···69
<그림 2-47> 부문별 가뭄 예·경보 지도 사례 ···70
<그림 2-48> 홍수범람위험구역 현황 및 홍수범람위험도 데이터 사례 ···71
<그림 2-49> 산불위험·취약지도 데이터 작성 절차 및 방법 ···72
<그림 2-52> 산사태 예측 데이터 작성 절차 및 방법 ···75
<그림 2-53> 산사태위험지도 구축 방법 및 전국 산사태 위험등급 분포 ···76
<그림 2-54> 삼성 방재기상정보시스템의 100년 빈도강우 증감률 분포도 사례 ···78
<그림 2-55> 대상 유형별 체감온도 산출식 ···80
<그림 2-56> 체감온도지수 분포도 및 대응 요령 데이터 사례 ···81
<그림 2-57> 기상자료개방포털을 통한 생활환경지수 데이터 다운로드 사례 ···83
<그림 2-58> 식중독지수 산출식 ···85
<그림 2-59> 천식·폐질환가능지수(상), 뇌졸중가능지수(중), 감기가능지수(하)의 산출식 ···86
<그림 2-60> 참나무 꽃가루농도위험지수의 인공지능 기반 산출 개념도 ···87
<그림 2-61> 소나무와 잡초류의 꽃가루농도위험지수 산출식 ···88
<그림 2-62> 날씨누리 및 기상자료개방포털을 통한 보건기상지수 데이터 제공·다운로드 사례 ·· 88
<그림 2-63> 폭염 영향 예보 통보문 데이터 사례 ···91
<그림 2-64> 통합대기환경지수 산출식 ···93
<그림 2-65> 실시간대기오염도 공개 홈페이지의 통합대기환경지수 데이터 사례 ···94
<그림 2-66> 실시간 대기오염도 공간분포 및 통합지도 데이터 사례 ···95
<그림 2-67> 대기오염 농도 전망 데이터 사례 ···96
<그림 2-68> 대기오염농도 경보 데이터 다운로드 사례 ···98
<그림 2-69> 공공데이터 포털에서 제공하는 지자체별 대기오염농도 데이터 사례 ···99
<그림 2-70> 국민건강위험도 알람 서비스 데이터 작성 과정 ···100
<그림 2-71> 국민건강위험도 분포 서비스의 메인 화면 ···102
<그림 2-72> 국민건강위험도 분포도 작성 시 사용한 지상기상관측 및 진료동향 정보 ···103
<그림 2-73> (주)케이웨더의 열사병위험지수 데이터 서비스 사례 ···104
<그림 3-1> 제2차 기초지자체 기후변화적응대책 세부시행계획 수립절차도 ···111
<그림 3-2> 기후변화의 노출 및 영향과 취약성 및 적응정책 관계 ···112
<그림 3-3> 기후변화 취약성 개념도 ···113
<그림 3-4> 기후변화취약성 평가 지원 도구 시스템(VESTAP) 소개 ···114
<그림 3-7> MOTIVE 홈페이지의 연구단 소개 화면 ···126
<그림 3-8> MOTIVE의 부문별 연구 추진 체계 ···127
<그림 3-9> MOTIVE 비기후자료 메타데이터 제공 화면 ···132
<그림 3-10> MOTIVE 제공기관별 원시자료 활용 현황 ···135
<그림 3-11> 기후변화 피해 유형별 메타 시스템(ACE)의 미래 침수피해 동일조건 강우량도 ·· 137
<그림 3-12> CRAS시스템 리스크 원인과 피해분류의 구조 ···140
<그림 3-13> EVIS 기후변화 관련 환경가치 검색 결과 제공 화면 ···141
<그림 3-14> 한국형 상·하향식 온실가스 통합 감축 시스템 구성 ···142
<그림 3-15> 원내 기후 연구 분야 및 관련 데이터 활용 현황(예시) ···146
<그림 3-16> 부문별/시스템별 기후환경 데이터 구축 현황 ···148
<그림 3-17> 부문별 기후환경 데이터 현황 ···149
<그림 3-18> 건강 부문 활용 데이터 현황 ···150
<그림 3-19> 농축산 부문 활용 데이터 현황 ···151
<그림 3-20> 산림/생태계 부문 활용 데이터 현황 ···152
<그림 3-21> 물 부문 활용 데이터 현황 ···153
<그림 3-22> 국토/연안 부문 활용 데이터 현황 ···154
<그림 3-23> 통합 부문 활용 데이터 현황 ···154
<그림 3-24> 해양/수산 및 산업/에너지 부문 활용 데이터 현황 ···155
<그림 3-25> 제공기관별 기후환경 관련 원시자료 현황(중앙행정기관) ···157
<그림 3-26> 제공기관별 기후환경 관련 원시자료 현황(중앙부처 소속기관) ···158
<그림 3-27> 제공기관별 기후환경 관련 원시자료 현황(준정부기관) ···159
<그림 3-28> 제공기관별 기후환경 관련 원시자료 현황(공기업/공공기관) ···159
<그림 3-29> 제공기관별 기후환경 관련 원시자료 현황(지자체/기타기관) ···160
<그림 3-30> MOTIVE의 제공기관별 데이터 활용 현황 ···161
<그림 4-1> 출연(연) 연구기관별 인터뷰 결과 ···168
<그림 4-2> KISTI 연구데이터 관리 가이드라인 ···169
<그림 4-5> KISTI DMP 작성 도구 ···173
<그림 4-6> IDR 시스템의 구성 ···175
<그림 4-7> 한국지질자원연구원 GDR 시스템 ···176
<그림 4-8> IDR 시스템에서 DMP 작성 및 연구데이터 등록·활용 ···177
<그림 5-1> KEI 연구데이터 관리 체계 구축 흐름도 ···188
<그림 5-2> 응답자 소속 부서 ···200
<그림 5-3> 응답자 직위 ···200
<그림 5-4> 응답자 연구 분야 ···201
<그림 5-5> 응답자 관련 분야 경력 ···201
<그림 5-6> 보유 데이터 현황: 데이터 출처 및 종류 ···203
<그림 5-7> 보유 데이터 현황: 데이터 분야 ···203
<그림 5-8> 보유 데이터 현황: 데이터 형태 ···204
<그림 5-9> 보유 데이터 현황: 데이터 전체 용량 ···204
<그림 5-10> 데이터 관리 현황: 관리 인식 및 데이터 손실 유무 ···205
<그림 5-11> 데이터 관리 현황: 데이터 관리 형태 ···205
<그림 5-12> 데이터 관리 현황: 관리 주체의 필요성 ···206
<그림 5-13> 데이터 관리 현황: 데이터 관리의 애로사항 ···206
<그림 5-14> 데이터 공유 현황: 데이터 공유 경험 및 공유 형태 ···207
<그림 5-15> 데이터 공유 현황: 데이터 공유의 애로사항 ···207
<그림 5-16> 데이터 관리 제도 및 체계: 연구데이터의 “소유자” ···209
<그림 5-17> 데이터 관리 제도 및 체계: 데이터 제출 의무화 ···210
<그림 5-18> 데이터 관리 제도 및 체계: 데이터 제출 방식 ···211
<그림 5-19> 데이터 관리 제도 및 체계: 데이터 제출 의무화 반대 이유 ···211
<그림 5-20> 데이터 관리 제도 및 체계: 가장 필요한 사항 ···212
<그림 5-21> 데이터 관리 제도 및 체계: 규정 ···212
<그림 5-22> 데이터 관리 제도 및 체계: 데이터 관리·공유·활용할 의향 ···213
<그림 6-1> ICPSR DB 소개 ···231
<그림 6-2> ICPSR DB 소장자료 ···232
<그림 6-3> ICPSR DB 서비스 ···233
<그림 6-4> KSDC DB 소개 ···234
<그림 6-5> KSDC DB 소장자료 ···235
<그림 6-6> KSDC DB 서비스 ···237
<그림 6-7> KEI형 환경 데이터 허브 구축(안) ···239
<그림 6-8> KEI형 LOD 서비스(안) ···240
<그림 6-9> 표준 연구데이터 리포지터리 목표 시스템 구성도 ···242
<그림 6-10> KEI형 IDR 시스템의 구조 ···245
<그림 6-11> KEI형 IDR 시스템의 구조 ···246
<그림 6-12> 메인 화면 상단: 메뉴바 ···247
<그림 6-13> 메인 화면 중단: 검색 및 바로가기 ···248
<그림 6-14> 메인 화면 하단: 연구데이터 목록 ···248
<그림 6-15> DMP 템플릿 등록 화면 ···249
<그림 6-16> DMP 등록 화면 ···250
<그림 6-17> 연구데이터 제출 목록 화면 ···252
<그림 6-18> 연구데이터 제출 신청 화면 ···252
<그림 6-19> 연구데이터 제출 등록 화면 ···253
<그림 6-20> 연구데이터 제출 확인 화면 ···254
<그림 6-21> 관리자 화면 ···255
<그림 6-22> DMP 템플릿 관리 화면 ···256
<그림 6-23> 컬렉션 관리 화면 ···257
<그림 6-24> 사용자 관리 화면 ···258
<그림 6-25> 권한관리 화면 ···259
<그림 6-26> 코드 관리 화면 ···260
<그림 6-29> 파일 데이터 등록 화면 ···263
ACE Portal-System disaster type of Climate change ADSS APCC Data Service System
AII Simple Aridity Intensity Index AIMS APCC Integrated Modeling Solution APCC APEC Climate Center
APEC Asia Pacific Economic Cooperation API Application Programming Interface AT Apparent Temperature
BSISO Boreal Summer Intra Seasonal Oscillation CAI Comprehensive Air-quality Index
CCSI Climate Change Severity Index CLIK CLimate Information Tool Kit
CLIPs Climate Information Processing system CPI Climate Productivity Index
CRAS Climate Change Risk Assessment System DI Discomfort Index
DMP Data Management Plan DNA big Data, Network, AI DOI Digital Object Identifier
EAT Effective Accumulated Temperature
EIWW Environment Index for Wintering Waterfowls EVIS Environmental Valuation Information System GCM General Circulation Model
GDD Growing Degree Days
GIS Geographic Information System GTC Green Technology Center HHSI Humid Heat Stroke Index HI Heat Index
ICPSR Inter-university Consortium for Political and Social Research ICT Information and Communications Technologies
IDR Institutional Data Repository IDW Inverse Distance Weighting IGSN International Geo Sample Number
IPCC Intergovernmental Panel on Climate Change KACCC Korea Adaptation Center for Climate Change KEI Korea Environment Institute
KMDR Korean Medicine Data Repository KSDC Korea Science Data Center LOD Linked Open Data
MOTIVE Model Of InTegrated Impact and Vulnerability Evaluation of Climate Change
NASA National Aeronautics & Space Administration NCAR National Center for Atmospheric Research NERC National Environment Research Council NET Net Effective Temperature
NIH National Institutes of Health NRC National Research Council Oi Ombrothermic index OLR Overall Loudness Rating
PEI Precipitation Effectiveness Index RCP Representative Concentration Pathways RDP Research Data Platform
SDA Survey Documentation & Analysis SPI Standard Precipitation Index SSVD Social Science Variables Database
STFC Science and Technology Facilities Council TDRS Tsunami Disaster Response System THI Temperature Humidity Index
VESTAP Vulnerability Assessment Tool to build Climate Change Adaptation Plan WHO World Health Organization
WMO World Meteorological Organization WRF Weather Research and Forecasting
제1장 서 론
1. 연구 배경 및 목적
Data Science의 사전적 의미는 “데이터로부터 필요한 정보를 추출하는 학문”이다. 이를 보다 쉽게 표현하면, 기존의 전문가 경험 중심의 정성적 분석을 데이터 기반으로 하여 정량적 이고, 과학적인 분석으로 전환하는 것이라 할 수 있다. Data Science를 구현하는 방안 중 가장 많이 논의되는 방안은 Data Mining을 적용하는 것이며, 광의적 개념에서는 정형 데이 터,1) 비정형 데이터,2) 및 반정형3) 형태를 포함하는 다양한 데이터로, 의미론적 지식을 추출하 는 과학적 방법론, 분석 단계, 알고리즘 및 H/W, S/W의 시스템 전반을 의미한다. 국지적 개념에서는 통계학, 데이터 분석, 기계학습과 연관된 방법론을 통합하는 개념으로 정의되기도 한다. 결국 Data Science은 데이터를 통해 실제 현상을 이해하고, 데이터 속에 담긴 패턴 및 신호를 찾는 것 등을 아우르는 것이다. 또한 Data Science 관점에서 보았을 때 ’16년 다보스 포럼 이후 국가적 차원에서 Data Science와 ICT의 융합이 중심이 되었으며, ‘디지털 전환’의 시행 사례로 영국(Government Transformation Strategy 2017 to 2020), 캐나다 (Blueprint 2020) 및 뉴질랜드(Government ICT Strategy 2015) 등이 대표적이다.
전술된 Data Science 개념을 바탕으로 본 연구는 기후변화 대응 분야에 적용하기 위한 시범 연구라 할 수 있다. 기후변화 연구에 Data Science를 적용하기 위해서는 우선적으로 기후변화 관련 연구를 데이터 관점에서 정리할 필요가 있다. 기후변화 관련 연구의 큰 축은
1) 문서, 회계 따위의 일정한 형식을 갖춘 데이터.
2) 형태와 구조가 복잡하여 정형화되지 않은 데이터.
3) 관계형 데이터베이스 등 데이터 테이블과 연결된 정형 구조의 데이터 모델을 준수하지 않는 정형 데이터의 한 형태.
2가지로 구분할 수 있다. 우선 온실가스 ‘감축’을 통하여 기후변화 발생을 저감시키는 연구와 기존 배출된 온실가스에 의한 환경변화에 적응하는 ‘적응’으로 나누어진다. 기후변화 중 온실 가스 감축에 해당하는 분야는 수송, 전력, 정유, 자원순환, 농업 등으로 세분화 되며, 기후변화 적응은 부문별(농업, 물, 해양, 산림, 생태계, 해양수산, 건강 등)로 구분된다. 온실가스 감축 및 기후변화 적응과 같이 기후변화 연구의 세부 분야가 다양하게 구분되는 것은 기후변화의 원인이 단일적이지 않고, 복합적 원인에 의하여 발생하기 때문이다. 결국 기후변화에 의한 영향 및 피해도 다양하게 발현된다. 이는 기후변화 발생원인 및 피해의 다양성으로 정리 할 수 있으며, 이를 나타내는 데이터는 다양하게 생성된다.
또한 본 연구는 Data Science와 기후변화 대응 연구를 KEI 중심으로 진행하는 방안을 고민해보고자 한다. 기후변화는 다양한 관점으로 다양한 기관에서 연구를 수행하고 있다. 예를 들어, 온실가스 감축 및 기후변화 적응 등 기후변화와 관련된 전 분야의 기반이 되는 기후변화 시나리오 연구는 기상청을 주관으로 하여 서울대학교, 연세대학교, 공주대학교 및 부산대학교 등에서 각각의 기후변화 시나리오를 생성하고 있다. 또한 국내의 기후변화 관련 시스템은 서울 특별시 ‘대기환경정보’, 기상청 ‘기후정보포털’, 국가농림기사센터 ‘농림기상서비스’, 한국환경 공단 ‘에어코리아’, 한국정보화진흥원 ‘공공데이터포털’ 및 녹색기후센터 등이 있으며, 관련 데이터를 생성 및 제공하고 있다. 이는 해외의 경우에도 유사하게 나타나며, 미국 Data.gov를 통한 EPA(Environmental Protection Agency) 보유 기후변화 데이터 공유 체계 마련과 월 드뱅크 기후변화 시나리오 중 GCM(General Circulation Model)의 구글맵 연동 제공 및 네덜란드의 기후변화 영향 및 취약성 분석 결과를 제공하는 ‘적응포털’ 등이 운영되고 있다.
특히 한국환경정책·평가연구원(이하 KEI)는 2010년부터 국가기후변화적응센터를 운영, 온 실가스 감축(한국형 상·하향식 온실가스 통합 감축 시스템 개발) 및 기후변화 적응(부문별 기후 변화 영향 및 취약성 통합 평가 모형 개발) 관련 대규모 연구개발 사업을 수행하기 때문에 다양한 환경 매체별 기후환경 데이터를 보유 중이다. 또한 KEI 자체의 기후변화 시나리오 역학적 상세화, 기후변화 취약성 평가 지원도구, 민간기업 기후변화 리스크 평가, 부문별 기후 변화 영향 및 취약성 통합 평가 모형 개발 및 한국형 상·하향식 온실가스 통합 감축 시스템 개발 등에서 다양한 기후환경 데이터를 생산·관리 중이다.
KEI의 기후환경 데이터는 현재 다양하게 생산되어 관리되고 있으나 향후 데이터의 생산은
지속적으로 증가할 것으로 보인다. 현재 KEI 기후환경 데이터 관리는 연구과제 중심으로 진행 되기 때문에 누적된 다양한 데이터의 활용이 단일 연구과제에 국한되어 활용되고 있어 유사 및 연관 과제에서 활용되는 사례가 부족한 현실이다. 또한 향후 지속적인 기후변화 연구 수행 을 통해 생성되는 데이터의 효율적 활용을 위해 DMP(Data Management Plan)를 수립하는 방안을 연구하고자 한다. 이를 통하여 KEI 내외부 기후환경 데이터를 활용하는 현실적 방안을 수립하고자 한다.
전술된 연구 배경을 정리하면 다음과 같다. 첫째, Data Science를 기후변화에 적용하고자 한다. 2010년 이후 변화의 중심이 되는 4차 산업혁명의 근간에 해당하는 Data Science를 바탕으로 기후변화에 접근하고자 한다. 이를 통해 기존의 정성적 분석을 데이터 기반의 정량적 이고 과학적인 분석으로 전환하는 기본 연구를 수행하고자 한다. 둘째, 기후환경 데이터를 분석하고자 한다. 이를 위하여 KEI가 기존에 수행한 다양한 연구과제와 현재 운영 중인 시스템 에 포함된 데이터 현황을 분석하여, 유사 연구 및 연구 확대를 위한 방안을 조사하고자 한다.
셋째, 지속적인 기후환경 데이터 생성 및 관련 연구의 활용 확대를 위한 KEI 기후환경 DMP를 기획하고자 한다. 이를 통하여 향후 ICT, DNA(big Data, Network, AI) 등의 비약적 발전이 기존 기후변화 관련 환경정책의 접근 방식을 수요자 맞춤-사전예방형으로 전환할 수 있는 기 초 연구를 진행하고자 한다.
2. 연구 범위
국내외적으로 기후변화를 Data Science 기반으로 전환하는 연구는 다양하게 수행되고 있 다. 기후변화의 영향 및 피해는 다양한 환경매체에서 발현되고 있으며, 이를 정량적으로 측정 하고 분석하기 위한 데이터 등이 방대하게 존재한다. 결국 기후변화는 복잡성, 불확실성이라는 특성에 따라 다양한 종류의 대규모 원천 데이터가 생성되고 있으며, 이를 연계하여 활용하기 위한 방안 또한 다양하게 존재한다. 국외에서는 기후변화와 관련된 데이터를 활용한 Open Science 기반의 플랫폼을 구축하여 운영 중에 있으며, 대표적인 국외 시스템으로는 미국 태평 양재해센터(PCD: Pacific Disaster Center)의 재난의사결정지원 시스템 ‘DisasterAWARE’
과 세계은행그룹(World Bank Group)의 ‘Climate Change Knowledge Portal’ 등이 있다.
이러한 대내외적 변화에 효율적으로 대응하고, 향후 지속적으로 증가할 것으로 예상되는 기후환경 데이터의 체계적 관리와 확산을 위해서 Open Science 기반 ‘KEI 데이터 플랫폼’
중 시범적으로 기후변화 부문 구축에 대한 기본 연구를 수행하고자 한다.
또한 2019년 KEI에서 수행된 ‘데이터 기반 환경정책 추진을 위한 중장기 로드맵 수립 TF(Task Force)’ 결과의 실천적 방안으로 ‘KEI 데이터 플랫폼’ 구축을 위한 연구를 진행하고 자 한다. 전술된 연구의 필요성 및 목적과 같이 KEI는 국가기후변화적응센터(KACCC) 운영과 온실가스 감축 및 기후변화 적응 연구 등을 통해 기후변화와 관련된 대용량 기후환경 전문 데이터를 시계열로 누적하여 생산하고, 이를 활용하는 기후변화 연구를 주관하고 있다. 이러한 KEI 기후변화 연구 현황과 연계 가능한 원외 기후환경 전문 데이터 활용에 Data Science를 접목하여 기후변화 부문 ‘KEI 데이터 플랫폼’ 구축에 대한 선행 및 기본 연구를 수행하고자 한다.
전술된 현황과 목적을 달성하기 위한 연구범위는 다음 <그림 1-1>과 같이 크게 5가지로 구분할 수 있다. 첫째, KEI 보유 기후환경 데이터 현황 정밀 분석이다. KEI가 기존에 수행한 다양한 기후변화 관련 정책수립 연구 등에 활용된 데이터 현황을 정밀 분석하고, 이를 Open Science 기반 ‘KEI 데이터 플랫폼’의 아키텍처 구성에 활용 가능하도록 정리하고자 한다.
둘째, 원외 기후환경 관련 데이터 현황 조사 및 활용 항목 결정이다. 기후변화 연구의 수요는 지속적으로 증가할 것이므로, 이를 반영한 KEI 수요 발굴과 적합 데이터를 수집하는 과정을 병행하고자 한다. 원외 유관기관과 연계·활용체계 및 협업 네트워크 구성을 위해 기후변화 관련 기관을 통한 전문가 수요 조사를 실시하고, 이를 바탕으로 조사된 원내외 추가 기후환경 데이터에 대한 원천 데이터 현황분석 및 연계활용을 위한 방안을 마련하고자 한다.
셋째, 기후변화 연구데이터 관리 체계를 마련한다. 본 연구의 목적은 Open Science 기반
‘KEI 데이터 플랫폼’ 중 기후변화 부문 구축을 위한 기본 연구이다. 이를 위해 우선적으로 KEI에서 지속적으로 생성·활용되는 기후변화 연구와 관련된 데이터, 즉 기후환경 데이터의 관리 체계를 개선하고자 한다. 보다 구체적으로 기후환경 데이터 활용 확대를 위한 DMP(Data Management Planning) 적용과 KEI 데이터 플랫폼 구현을 위한 DMP 도입 관련 원내 제도 의 개선방안을 마련하고자 한다.
넷째, KEI 기후변화 연구데이터 관리 체계 구축을 위한 방안을 마련한다. 기후환경 데이터
에 국한하였으나 데이터 기반의 연구로 전환하는 것은 다양한 이해상충, 문화적 저항 등이 존재할 수 있어 이를 해결하기 위한 제도 및 시스템 구축 방안을 마련하고자 한다. 본 연구를 통하여 최종적으로 제도 도입과 시스템의 적용 방안을 마련하고자 한다.
다섯째, 기후환경 부문을 중심으로 KEI 데이터 플랫폼 구성 방안을 마련하고자 한다. 조사 된 기후환경 데이터를 원내외에서 공동 활용이 가능하도록 ‘KEI 데이터 플랫폼 구축’ 방안을 마련하고, 이를 종합 정리한 데이터 인벤토리 작성 및 연계 방안 마련 등 공동 활용 플랫폼의 설정안을 수립하고자 한다. 세부적으로 다양한 이기종 데이터를 활용하여 제공하는 국외의 데이터 허브 및 플랫폼을 검토하고, 이를 KEI에 적용하는 방안을 모색하고자 한다.
3. 연구 방법
본 연구는 국내에 산재되어 있는 기후환경 데이터와 KEI 보유 데이터 연계를 강화하고, 지속적인 활용을 강화하기 위한 연구이다. 본 연구에서 정의되는 기후변화 대응은 온실가스 감축과 기후변화 적응을 아우르기 때문에 기후변화 시나리오, 농업, 보건, 산림 및 재난 등 내용적 범위가 매우 크다고 할 수 있으며, 본 연구에서 다루는 데이터의 범위 또한 괘를 같이하 여 크다고 할 수 있다.
이에 본 연구의 방법으로 데이터 범위를 정의하는 것이 선행되었다. 본 연구에서 다루는 기후환경 데이터 범위는 첫째, 공공기관(기상청, 통계청, 농촌진흥청 등)의 공신력 있는 데이터 를 선행하여 검토하였다. 각각의 공공기관은 기관 고유 목적에 부합하는 기후변화 관련 연구를 수행하고 있으며, 연구 결과의 최종 산출물로 해당 데이터를 홈페이지 또는 Open API 등을 통하여 개방하고 있다.
둘째, KEI에서 운영 중인 기후변화 시스템 및 구축 데이터를 검토하였다. KEI는 전술된 기후변화 적응 및 온실가스 감축 연구 과제 수행과 국가기후변화적응센터를 통한 기후변화 취약성 평가 지원 시스템을 운영하고 있다. 이 과정에서 생산·활용되는 기후환경 데이터의 현황을 분석하였다.
셋째, KEI 기후환경 데이터 현황 및 생산·활용 등 전 과정을 체계화하는 방안을 검토하였다.
전술된 3가지 내용은 현 시점의 직접적인 기후환경 데이터와 관련된 사항이라면, 네 번째 연구
내용 이후는 향후 기후환경 데이터를 체계적으로 관리하고 활용·확산하기 위한 체계와 제도 및 시스템 관련 연구 내용이다.
다섯째, KEI에서 생산·활용되는 기후환경 데이터의 실질적 관리체계 및 시스템 구현을 정리 하고, KEI 기후환경 데이터 적용 가이드라인 등을 구성하였다.
여섯째, 전술된 내용을 포함하는 기후환경 분야의 공공기관 데이터와 KEI 보유 데이터, 향 후 기후환경 데이터의 생성 및 활용 등 전체적으로 효율적인 활용 방안을 수립하였다. 보다 구체적으로 기후환경 데이터 중심의 KEI 데이터 플랫폼의 내용적 방안을 제시하였다.
자료: 저자 작성.
<그림 1-1> 연구 범위 및 흐름도
제2장 유관기관 기후환경 데이터 현황 조사
1. 기후변화 감시예측 부문
가. 기상청 데이터
1) 미래 기후변화 시나리오 응용 데이터 총괄
기상청은 기후정보포털(http://www.climate.go.kr/)에서 RCP 기후변화 시나리오를 기반 으로 농업, 방재, 보건, 수자원, 산림, 동물생태 등 부문별 기후변화의 영향과 취약성 평가에 응용할 수 있는 미래 전망 데이터를 제공하고 있다. 동 데이터는 제어적분4) 400년을 기준으로 산출된 RCP 기후변화 시나리오 4종(RCP2.6, 4.5, 6.0, 8.5)을 기반으로 작성되었기 때문에 사용자의 목적에 따라 적절한 시나리오를 선택하여 활용할 수 있다. 제공되는 데이터는 기상청 에서 부문별로 선정한 대표적인 항목으로, 2021년부터 2100년까지의 데이터를 제공한다. 시 간해상도는 연월 단위, 공간해상도는 지점 및 시도·시군구 단위로 활용할 수 있으며, 아래
<표 2-1>은 기상청에서 제공하는 미래 기후변화 시나리오 응용 데이터의 항목과 기간, 시공간 해상도를 나타낸 것이다.
4) 제어실험(pre-industrial control): 전지구 기후모델을 준평형상태로 안정화 시키고 인위적 강제력이 배제된 모델의 내부 변동을 이해하기 위한 실험. 제어실험을 통해 대기모델이 준평형상태로 안정화 되는 시기를 200년(혹 은 400년)으로 가정한 것을 200년(혹은 400년) 제어적분이라 하고, 기상청은 이 제어실험에서 산출된 대기와 해양의 최종상태의 값을 1860년의 온실가스 농도(초기상태)로 정하여 2100년까지의 시나리오 자료를 생산함(기 상청 기후정보포털, “시나리오 산출과정 Q&A”, 검색일: 2020.5.4).
부문
항목 농업 방재 보건 산림 동물생태
시나
리오 RCP 4종(2.6, 4.5, 6.0, 8.5), 제어적분 400년
제공 항목
생육온도일수, 유효적산온도, 식물기간, 작물기간, 무상기간, Chill Units
기후생산력지수, 기준증발산량 엽면수분 지속시간,
온습도지수 난방도일, 냉방도일
표준강수 지수, 독립호우 사상특성
열지수, 불쾌지수 체감온도, 체감추위지수, 열체감지수, NET, 열사병발생위험지수,
온열지수
최저기온 지수, 유효강우
지수, 건조지수
물새류월동 환경지수, 기후변화 심각도지수, 강우열량지수,
여름철강우 열량지수
기간 및
포맷 2021∼2100년, ASCII
해 상 도
시간 10년 연, 월, 기간 월 연 10년
공간 시도, 시군구 73개 지점 시도, 시군구
자료: 기상청 기후정보포털, “기후변화 시나리오 이용방법 및 정보제공 현황”, 검색일: 2020.5.4. 극한기후지수는 뒤에 서 별도로 설명.
<표 2-1> 기상청의 부문별 미래 기후변화 시나리오 응용 데이터 항목 및 특징
2) 부문별 응용 데이터 세부내역
상기한 미래 기후변화 시나리오 응용 데이터의 부문별(농업, 방재, 보건, 산림, 동물생태) 세부 내용을 살펴보면 다음과 같다. 농업 부문의 생육온도일수(GDD: Growing Degree Days)는 작물별 기본온도와 일평균온도의 차를 생육 기간 동안 합한 값으로, 작물의 재배 적지 및 품종 선택을 위한 지표로 주로 활용된다. 산출 방법은 GDD = ∑{(Tmax + Tmin) / 2 – Tb}이며, Tb는 생육영점온도로 5℃, 10℃, 15℃ 기준이다. 유효적산온도(EAT: Effective Accumulated Temperature)는 일정한 발육 단계까지 도달하기 위해 필요한 총 온열량을 의미한다. 산출방법은 EAT = ∑(Ta – Tb)이며, Ta는 일평균기온, Tb는 생육온도일수 산출 시 적용한 값과 같다.
식물기간은 봄철 월동작물의 생육 시작 조건과 가을철 과수 등의 영년생 작물의 재배관리
지표로 일 평균기온이 5℃ 이상인 일수를 계산한 것이고, 작물 기간은 벼의 재배 가능 기간과 재배지대 구분 지표로 일 평균기온이 15℃ 이상인 일수이다. 무상기간은 서리가 내리지 않는 기간으로 노지 농작물의 재배 적부 결정에 주로 활용되며, 산출 방법은 Ts(지표 온도) ≤ 0℃
이고 Td(이슬점 온도) ≥ Ts(지표 온도)인 기간이다. Chill Units은 작물의 저온 요구량 척도 중 하나로 과수 개화기, 재배 적지 판정, 과수 등의 휴면상태에 대한 정보 추정에 주로 활용되 고 있다.5) 기후 생산력 지수는 기온과 일조시간 등의 기후요소를 이용하여 생산성을 나타낸 지수이다. 산출 방법은 CPI = DS[0.187-0.0034(Ta-22.7)2]로, Ds는 출수 후 40일간 평균 일조시간, Ta는 출수 후 40일간 평균기온이다. 출수기는 7월 20일, 7월 30일, 8월 10일, 8월 20일, 8월 30일, 9월 10일로 설정되어 있다.
기준 증발산량은 작물과 지표의 저항·반사율이 특정된 조건 하에서의 증발산량으로, 작물의 수분사용량 및 관개 요구량 산정 시 주로 활용된다. 산출 단위는 mm/day이고, 계산 방법은 아래 <그림 2-1>의 수식과 같다. 엽면수분 지속시간은 식물체 표면이나 잎에 맺힌 결로가 지속되는 시간으로, CART 및 SLD, Wind 등의 Model을 이용하여 산출된다.6)
주: ET0는 reference evapotranspiration (mm day-1), Rn은 net radiation at the crop surface (MJ m-2 day-1), G는 soil heat flux density (MJ m-2 day-1), T는 mean daily air temperature at 2 m height (℃), U2는 wind speed at 2 m height (m s-1), es는 saturation vapour pressure (kPa), ea는 actual vapour pressure (kPa), es - ea는 saturation vapour pressure deficit (kPa), ∆는 slope vapour pressu re curve (kPa ℃-1), γ는 psychrometric constant (kPa ℃-1).
자료: 기상청 기후정보포털, “기준증발산량”, 검색일: 2020.5.11.
<그림 2-1> 농업부문 미래 기후변화 응용 데이터 산출을 위한 기준증발산량 산정 식
온습도지수는 가축의 온도 및 습도 환경에 따른 스트레스 지수로, 일평균 기온(T)과 상대습 도(%, RH)를 자료를 이용하여 THI = 1.8×T+32-0.55(1-RH/100)×(1.8×T-26)를 산출할 수 있다. 난방도일은 18℃ 이하인 날에 대해 18℃ 기온에서 그날의 일평균 기온과의 차를
5) Cesaraccio et al.(2004), pp.1–13.
6) Kim et al.(2002), pp.179-185.
누적한 값으로 난방이 필요한 일수이며, 냉방도일은 24℃ 이상이 되는 날의 온도와 24℃와의 차를 누적한 값으로 냉방이 필요한 일수이다.
다음 <그림 2-2>는 RCP8.5를 기준으로 2091~2100년(151~160일)의 전국 생육온도일수 (15℃)와 유효적산온도(15℃)를 나타낸 것이며, 시군구별로 작성된 자료는 경기도를 기준으로 기준증발산량, 엽면수분 지속시간, 온습도지수, 냉방도일 분포이다. 해당 지도를 통해 각 항목 및 지역별로 값의 차이가 나타나는 것을 한눈에 쉽게 알 수 있으며, 지역 특성을 고려한 농업 부문의 중장기 기후변화 정책 수립 등에 활용할 수 있다.
전 국 시 도 별
생육온도일수(15℃) 유효적산온도(15℃)
경 기 도 시 군 구 별
기준증발산량 엽면수분 지속시간
<그림 2-2> 농업부문 미래 기후변화 시나리오 응용 데이터 사례
온습도지수 냉방도일 자료: 기상청 기후정보포털, “농업 응용정보 조회”, 검색일: 2020.5.11.
<그림 2-2>의 계속
방재 부문의 주요 응용 항목은 표준강수지수와 독립호우사상특성을 들 수 있다. 표준강수지 수(SPI: Standard Precipitation Index)란 Mckee, Doesken, and Kleist(1993)가 개발한 가뭄지수로 WMO는 기상학적 가뭄 감시를 위한 대표적인 가뭄지수로 권고하고 있다.7) 미래 의 용수공급상황 예측 등의 불확실성을 배제한 상태에서 순수하게 강수의 변동만으로 가뭄을 예측하는 것으로, 가뭄이 해소되기 위해 필요한 강수량을 결정할 수 있어 가뭄 피해에 대비하 기 위한 대책 수립 등에 광범위하게 사용된다. 동 데이터의 분석 및 산출방법은 다음 <그림 2-3>과 같이 시간척도의 결정(3, 6, 9, 12개월 등), 시간척도에 따른 일자별 이동누적시계열 구성, 일자별로 구성된 시계열에 적합한 확률분포 추정, 각 이동누적시계열로 추정된 확률분포 를 이용한 누적 확률값 변환, 표준정규분포 값 산출 단계로 진행된다. 이렇게 생성된 값은 가뭄지수로 <표 2-2>와 같이 그 범위에 따라 수분의 상태를 기준으로 극한가뭄, 심한 가뭄, 보통 가뭄, 약한 가뭄, 정상, 습함으로 나타낼 수 있다.
7) 기상청 날씨누리, “표준강수지수”, 검색일: 2020.5.6.
자료: 기상청 날씨누리, “표준강수지수”, 검색일: 2020.5.6.
<그림 2-3> 기상청의 표준강수지수 산출과정
가뭄 정상 습함
-2.00 이하 (극한가뭄)
-0.99 ~ 0.99 (정상상태)
2.00 이상(극한습윤) -1.50 ~ -1.99 (심한가뭄) 1.50 ~ 1.99(심한습윤) -1.00 ~ -1.49 (보통가뭄) 1.00 ~ 1.49(보통습윤) 자료: 기상청 기후정보포털, “기후변화 시나리오 이용방법 및 정보제공 현황”, 검색일: 2020.5.4.
<표 2-2> 표준강수지수의 범위 및 가뭄단계
독립호우사상특성이란 독립적인 단일호우사상(Independent Rainfall Event)이 발생하였 을 때 호우가 시작된 시점에서 종료된 시점까지의 지속기간과 해당기간 동안에 총강우량 (mm), 각 사상들 사이의 무강우 지속기간특성 등을 정량화하여 나타내는 방법이다. 특히 기후 변화 적응대책 및 재난재해 관리 측면에서 저류시설의 용량 등을 설계할 경우에 주로 활용되고
