Assessment of the Meteorological Characteristics and Statistical Drought Frequency for the Extreme 2017 Spring Drought Event Across South Korea

2017년 극심한 봄 가뭄의 기상학적 특성 및 통계학적 가뭄빈도해석

Assessment of the Meteorological Characteristics and Statistical Drought Frequency for the Extreme 2017 Spring Drought Event Across South Korea

방나경

⋅남원호

⋅홍은미

⋅Michael J. Hayes

⋅Mark D. Svoboda

Bang, Na-Kyoung⋅Nam, Won-Ho⋅Hong, Eun-Mi⋅Michael J. Hayes⋅Mark D. Svoboda

Abstract

The extreme 2017 spring drought affected a large portion of central and western South Korea, and was one of the most climatologically driest spring seasons over the 1961-2016 period of record. This drought was characterized by exceptionally low precipitation, with total precipitation from January to June being 50% lower than the mean normal precipitation (1981-2010) over most of western South Korea. In this study, for the quantitative drought impact analysis, the widely-used Standardized Precipitation Index (SPI) and the statistical drought frequency are compared with observed meteorological characteristics and anomalies. According to the drought frequency analysis of monthly cumulative precipitation during January and May in 2017, Gyeonggi-do, Chungcheong-do, and Jeollanam-do areas showed more than drought frequency over 100 years. Gyeongsangnam-do area showed more than drought frequency over 200 years based on annual precipitation in 2017. The South Korean government (Ministry of Agriculture, Food and Rural Affairs (MAFRA) and Korea Rural Community Corporation (KRC)) have been operating a government-level drought monitoring system since 2016. Results from this study can be used to improve the drought monitoring applications of future drought events, as well as drought planning and preparedness in South Korea.

Keywords: Meteorological drought; standardized precipitation index (SPI); anomaly; drought frequency

Ⅰ. 서 론

기후변화로 인한 전 세계적인 온난화 현상으로 인하여 극 심한 가뭄의 발생빈도가 높아지고 있으며, 1994-1995년, 2000-2001년 전국적으로 발생했던 가뭄 상황과 달리 2010년 이후의 가뭄은 지역별로 편중되어 내리는 강수 때문에 국소 적으로 발생하고 있다. 2017년 1월부터 5월까지 누적 강수량 은 전국 평균 181.50 ㎜로 평년 (1981-2010년) 322.5 ㎜ 대비 절반 수준 (48 %)으로 나타났으며, 1973년 이후 두 번째로 적은 강수량을 기록했다. 또한 2017년 6월에 발표한 기상청 (Korea Meteorological Administration, KMA) 보도 자료에 의

하면 전국 평균 6개월 누적 강수량 (185.4 ㎜)도 평년 (274.9

㎜)에 비해 적었으며, 강수일수는 평년치인 8.7 일 보다 3.4 일 적어 1973년 이후 네 번째로 적은 값을 기록하였다. 2016년 겨울부터 이어진 강수량의 부족으로 2017년 경기 남부 및 충 남 서부, 전남 지역에 발생했던 극심한 기상학적 봄 가뭄은 농업적 가뭄으로 이어졌으며, 특히 경기도 남부 지역은 2017 년 6월 도내 평균 저수율이 24 %로 떨어져 논물마름 및 밭시 듦 지역이 확대되었다. 우리나라는 여름철 장마와 가을철 태 풍의 영향으로 50 % 이상의 강우가 홍수기(6∼9월)에 집중되 어, 홍수기 동안 확보한 수자원을 다음 홍수기 전까지 활용하 고 있다. 이 때문에 홍수기 직전인 봄철의 경우 전년도에 확보 한 수자원을 이용해야 하므로 이 시기의 가뭄은 기상의 영향 을 많이 받는 실정이다 (Kim, 2017; Yu et al., 2018). 가뭄 판단 은 일반적으로 대상과 평가방법에 따라 다양한 가뭄지수를 활용하며, 연 혹은 월단위의 장기 분석을 통해 가뭄 발생의 특성을 분석하고 지역 혹은 시기별 가뭄크기를 비교하는 연 구들이 수행되었다. 그 중 기상학적 가뭄지표는 강수의 부족 만으로 가뭄을 직관적으로 판단할 수 있어 가장 빈번하게 활 용되고 있다 (Hayes et al., 1999; Svoboda et al., 2002).

가뭄을 평가하는 방법은 다양하며 단일의 가뭄지표가 지역 및 관련 분야의 가뭄 평가에 이상적이지 않다는 지적이 제시 되고 있다 (Hayes et al., 2004; Nam et al., 2015a). Lee et al.

* Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea

** School of Natural Resources and Environmental Science, Kangwon National University, Chuncheon, Republic of Korea

*** School of Natural Resources, University of Nebraska-Lincoln, Lincoln, NE, USA

**** National Drought Mitigation Center, School of Natural Resources, University of Nebraska-Lincoln, Lincoln, NE, USA

†

Tel.: +82-31-670-5137 Fax: +82-31-670-5139 E-mail: [email protected]

Received: May 30, 2018

Revised: June 8, 2018

Accepted: June 12, 2018

(2015a)은 기상학적 가뭄지수 SPI, SPEI와 수문학적 가뭄지수 SDI의 상관정도를 분석해 극한가뭄을 해석하는데 단일 지수 를 이용한 가뭄의 해석의 한계를 지적하였다. 기상학적, 수문 학적 가뭄지수를 활용한 가뭄 정량화와 관련된 연구로는 과 거 가뭄에 대한 재현정도, 가뭄단계의 일치성 및 상관관계를 분석하여 표준강수지수 (Standardized Precipitation Index, SPI), 파머가뭄심도지수 (Palmer Drought Severity Index, PDSI), 표준강수증발산지수 (Standardized Precipitation Evapotranspiration Index, SPEI), 지표수공급지수 (Surface Water Supply Index, SWSI) 등의 활용을 판단하였다. 가뭄 사 상별로 지수별 정확도 차이를 보이는 것으로 나타났지만 가 뭄의 공간분포 및 지속기간을 비교 분석한 결과에서 SPI, SPEI, PDSI는 가뭄 모니터링을 위한 지표로 활용될 수 있음을 제시하였다 (Bae et al., 2013; Svoboda et al., 2015; Nam et al., 2015b; 2017).

가뭄 빈도 해석에 대한 연구로는 연 또는 월단위의 강수량 자료를 활용하여 강우지속기간별, 재현기간별 가뭄우량을 산 정하고, 지속기간별 확률가뭄우량도를 작성하는 연구가 수행 되었다 (Yoon and Park, 1997; Yoon et al., 1999; Kang and Yoon, 2002; Jose et al., 2005). 또한 가뭄사상의 지속기간과 심도 등을 활용하여 가뭄의 재현기간 및 가뭄의 경향성, 주기 성을 분석하는 연구 (Yeon et al., 2007; Oh et al., 2011; Lee et al., 2012), 기온 및 강수량의 극치사상의 발생빈도에 대한 연구 (Lee et al., 2010; Cho et al., 2011) 등이 수행되었다. Kim and Lee (2012)은 전국 기상관측소 55개 지점에 대하여 Gumbel 확률분포를 사용하여 각 지점의 누적평균 극치강수 량에 대하여 확률강우량을 산정해 선형회귀분석 (Linear regression)과 추세검정 및 비정상성 검정을 통해 빈도해석을 실시하였고, 비정상성 선형가정에 따른 모형적용은 비교적 단기간의 목표연도에 대한 추정에 사용 가능하다고 판단하였 다. Kwak et al. (2013)은 SPI 지수를 산정하고 연속이론을 적 용하여 가뭄을 정의한 후 지속기간과 심도를 코풀라 함수를 적용하여 결합확률 분포로 나타내어 동일한 재현기간을 가지 는 가뭄에 대해서 특정 지역의 가뭄심도에 따라 가뭄에 대한 취약성을 판단하였다. Lee and Son (2016)은 강우의 부족분을 통한 빈도개념을 도입하여 통계학적 빈도와 시계열 모델을 통해 자료를 모의하여 발생된 가뭄의 빈도를 계산하는 방법 을 비교하였다.

본 연구에서는 월강수량 및 연강수량의 시계열자료를 활 용하여 강수 이상치인 아노말리 (Anomaly), SPI, 통계학적 가뭄 빈도 (Drought frequency) 해석을 통해 2017년 봄철의 극심한 기상학적 가뭄 특성 및 극치기상의 빈도를 분석하고 자 하였다.

Ⅱ. 연구 방법

1. 연구 대상지역 및 분석 자료

본 연구에서는 기상청에서 운영 중인 기상관측소를 통해 관측된 강수 자료를 바탕으로 분석을 실시하였다. 강수자료 를 사용하여 가뭄분석을 실시할 경우 지속기간이 매우 중요 하므로 관측소별로 관측기간이 상이한 점을 고려하였으며, 공간적인 변동성을 고려하기 위해서 기상청 자료들 중 과거 30년 이상의 관측 자료를 보유한 76개 지점을 선별하였다.

2017년에 발생한 봄 가뭄의 정량적 평가를 수행하기 위하여, 평년 (1981-2010년) 평균의 일강수량 자료를 분석에 이용하였 으며, 기상관측소의 위치는 Fig. 1에 도시하였다.

Fig. 1 Spatial distribution of the weather stations in South Korea

2. 표준화된 아노말리 (Standardized Anomaly)

2014). 아노말리 (편차 또는 편이)는 장기간의 평균값으로부 터 변화하는 차이 값을 나타내므로 데이터 간의 관련성이 있 는 경우 지역적, 계절적 경향을 나타내는데 유용하다 (Choi and Kim, 2016). 표준화된 아노말리 는 식 (1)과 같이 원시 데이터 에서 표본 평균

^



_{ }

_



 

 



′

(1)

3. 표준강수지수 (Standardized Precipitation Index, SPI)

SPI는 강수량이 감소하기 시작하면 물 수요에 비해 물 공급 부족을 유발하여 가뭄발생의 원인이 된다는 것을 착안하여 개발되었으며 (McKee, 1993), 강수량 자료만을 입력자료로 활용한다. SPI 산정은 시간단위별 누가강수시계열을 구성하 고, 각 월을 기준으로 하여 시간단위에 해당하는 누가강수시 계열을 산정하여 지속시간별 시계열을 산정한다. 누적강수시 계열의 적정확률분포형을 산정한 후, 이를 개개 변량의 누가 확률을 산정하여 표준정규분포에 적용함으로써 SPI 지수를 산정할 수 있다. Edwards et al. (1997)와 Hayes et al. (1999)는 기후학적 강수의 시계열 분포의 적합한 적정확률분포형으로 Gamma 분포를 이용하였다. SPI는 여러 시간 규모의 강수량 을 정량화할 수 있으며 이러한 시간 척도에 따라 가뭄 영향의 정도를 반영한다. 1개월 시간 척도의 SPI 경우 농업 생산에 중요한 토양 수분 상태의 급격한 변화를 파악하기에 유용하 며, 24개월 시간 척도의 SPI는 지하수, 유출 및 저류량 등 장기 적인 강수 이변을 반영하여 잠재적인 가뭄의 영향을 파악하 는데 유용하다 (Hayes et al., 1999). 강수의 계절성이 뚜렷한 지역의 경우에는 건기에 강우량이 0으로 표시되는 무강우 사

상이 발생하기 때문에 긴 지속기간의 SPI를 산정하여 강수량 분포의 왜곡을 최소화 해야한다고 제시하였다 (Lee et al., 2015b). 본 연구에서는 SPI를 이용하여 과거 2014-2017년까지 의 가뭄 변동성을 분석하고, 2017년의 가뭄빈도분석 결과와 비교하였다. 가뭄 발생 특성을 확인할 수 있도록 단기, 중기, 장기에 걸쳐 시간척도를 3, 6, 9, 12 개월로 산정하였다. SPI 가뭄지수는 가뭄분류의 기준으로 Table 1과 같이 5단계의 가 뭄 심도 (Drought severity)로 구분하였다.

4. 지역가뭄빈도

빈도해석은 어떠한 수문사상의 확률분포함수를 통해 발생 특성을 추정하여 재현기간을 산정하는 과정으로, 현재의 가 뭄상황을 분석하여 가뭄의 규모와 정도를 나타내기 위해서는 가뭄의 빈도를 특성화하여 나타낼 필요가 있다 (Yu et al., 2016). 확률에 따른 분석은 표본자료로부터 통계학적 계산을 통해 확률밀도함수를 표시함으로써 장래에 발생할 사상을 추 정하게 된다. 대부분의 경우 점 자료의 관측기간은 비교적 짧 기 때문에 추출오차 (Sampling error)도 크다. 이러한 단점을 보완하여 해당 지역 전반에 걸쳐 적용할 수 있는 통계학적 모형을 분석하는 것이 지역빈도해석 (Regional frequency analysis)이며, 재현기간이 커짐에 따라 지역빈도분석에 의한 오차가 상대적으로 적게 나타나 우리나라의 경우 지역별 지 속기간에 따른 빈도별 적정 강우량 추정은 지역빈도분석이 더 적절하다 (Ryoo and Lee, 2003).

본 연구에서는 지역가뭄빈도 분석을 위해 전국 76개 기상 관측소에서 관측된 기상자료 중 강수량을 바탕으로 빈도해석 을 실시하였으며, 각 관측소의 계측 시작년도와 계측 기간이 다른 점을 고려하였다. 빈도에 사용한 자료는 일별 강수량으 로 각 측후소별로 분포 모수를 산정하여 해당 분포를 이용하 여 각 연도별, 영농기 이전 겨울철 및 봄철 (1-3월, 3-5월), 영 농기 전 기간 (1-5월), 월별 빈도를 구하였다. 적정확률분포 선정방법에는 Kolmogorov-Smirnov 검정을 사용하였으며, 정 규분포 (Normal), 2변수 대수정규분포 (Log-Normal), 3변수 대수정규분포, 2변수 감마분포 (Gamma), 3변수 감마분포, Log Pearson Type-III 분포, Type-I 극치분포 (Extermal), Type-

Category Description Percentiles SPI value

D0 Abnormally Dry 21-30% -0.5 to -0.7

D1 Moderate Drought 11-20% -0.8 to -1.2

D2 Severe Drought 6-10% -1.3 to -1.5

D3 Extreme Drought 3-5% -1.6 to -1.9

D4 Exceptional Drought 0-2% -2.0 or less

Table 1 Drought severity classification of SPI (Svoboda et al., 2002)

Ⅲ 극치분포를 분석하여 Log Pearson Type-Ⅲ 분포를 최종 적정확률분포로 선정하였다. 빈도분석 결과에 따라 한발빈도 2년부터 500년 빈도에 해당하는 값을 산정하고 추세식을 산 정하여, 각 항목별로 강수량에 해당하는 빈도값을 도출하였 다. 76개 기상관측소별 강수량 빈도 분석 결과에 따라 연도별 로 지역가뭄빈도를 산정하였다. 미지점의 수치를 보간하기 위하여 실측점 사이의 값을 거리에 따라 가중치를 두어 소규 모의 지역에서 뚜렷한 차이를 볼 수 있는 역거리가중법 (Inverse Distance Weighting, IDW)을 이용하였다 (Kim et al., 2008).

Ⅲ. 적용 및 결과

1. 강수량 아노말리 분석

기상학적 가뭄을 결정하는 영향인자인 강수량을 바탕으로 가뭄을 살펴보기 위하여 76개의 기상관측소를 통해 1954년부 터 2017년까지 63년간 관측된 강수자료를 바탕으로 누적강수 량과 평년강수량을 분석하였다. 누적강수량만으로 가뭄을 평 가하면 1997년 (998.6 mm), 1982년 (993.2 mm), 1988년 (889.7 mm), 1994년 (934.5 mm)에 이어 2017년에 982.1 mm로 낮게 나타났으며, 평년강수량 (1,336.1 mm)의 73 % 수준으로 나타 났다.

강수자료를 바탕으로 1981년부터 2017년까지 일정기간 강 수량의 평균값으로부터 변화하는 차이 값인 아노말리 분포 특성을 Fig. 2에 나타내었다. 기상관측소별로 관측기간이 상 이하여 연평균강수량은 해당 연도에 관측값이 존재하는 관측 소들의 연누적강수량 평균으로 나타내었다. 평년평균은 1981 년부터 2010년까지 연평균 값의 평균으로 나타내었다. 아노 말리는 연간누적강수량 평균과 평년평균 강수량의 차이를 편 차로 나눈 값이며, 그 결과 연강수량 아노말리 값이 최근 5년 간 (2013-2017년) 지속적으로 음의 값이 나타났으며 그 중 2017년에는 아노말리 값이 -1.4 로 가장 낮게 나타나 가뭄이 심각하였을 것으로 판단된다.

2017년의 지점별 누적 연강수량의 경우 섬 지역을 제외하 고 경상남도 밀양 (558.1 mm)과 산청 (770.8 mm)이 평년강수 량의 45-49 % 수준으로 가장 낮게 나타났다. 반면 2017년에 농업가뭄이 심하게 들었던 경기 남부지역과 충청도의 경우 평년강수량과 유사하게 나타났다.

지역별로 강수량 현황을 살펴보기 위하여 Fig. 3에는 측후 소마다 평년강수량과 누적강수량, 평년강수량 대비 2017년 누적 강수량의 비율을 나타내었다. 2017년 전국 누적강수량 평균은 982.1 mm로 평년강수량 (1341.1 mm)의 73 %로 나타

났다. 섬지역을 제외하고 측후소 중 평년강수량이 가장 높게 나타난 지역은 성산 (1870.3 mm)이었고, 의성 (1031.6 mm)이 가장 낮게 나타났다. 2017년 누적강수량에서는 성산 (1917.5 mm)이 가장 높게 나타났고, 밀양 (558.1 mm)이 가장 낮게 나타났다. 평년 대비 2017년 강수 비율을 살펴보면 수원이 평 년과 가장 유사하게 나타났고 밀양이 45.3 %로 가장 낮게 나 타났다. 시기별로 살펴보면 1월에서 3월 누적강수량에 대해 서는 인제 (75.9 mm)의 평년강수량이 가장 낮았고, 태백은 29.6 mm에 그쳤다. 평년 대비 비율도 태백이 22.9 %로 가장 낮았다. 3월에서 5월 누적강수량에 대해서는 의성이 185.6 mm로 가장 낮았고, 2017년에는 천안이 63.7 mm로 전국에서 가장 낮은 값을 기록했다. 그러나 진도의 2017년 강수량이 평 년강수량의 25 %를 차지해 평년 대비 가장 낮은 값을 나타냈 다. 1월에서 5월 누적강수량에 대해서는 의성의 평년강수량 이 228.5 mm로 가장 낮았고 2017년에는 이천이 100.2 mm로 가장 낮았다. 평년대비 비율에서는 진도가 30.4 %로 가장 낮 았다.

2017년을 살펴보면 밀양 (558.1 mm), 대구 (663.7 mm), 울 산 (671.4 mm) 순서로 주로 경상도 지역의 누적강수량이 낮게 나타났다. 평년 대비 비율을 살펴보면 밀양 (45.4 %), 산청 (49.5 %), 진주 (50.0 %) 순서로 밀양이 평년에 비해 2017년 누적강수량이 가장 낮은 것으로 나타났다. 1월에서 3월 누적 강수량은 태백이 평년 129.1 mm로 가장 낮았으며 2017년에 는 29.6 mm를 기록해 평년 대비 22.9 %에 그쳐 가장 낮은 수치를 나타냈다. 진도는 3월에서 5월, 1월에서 5월 누적강수 량에서 평년, 2017년, 비율 모두 가장 낮은 값을 기록했다.

연간 총 누적강수량으로는 경상도 지역이 비가 적게 왔으나, 시기별로 살펴보면 1월에서 5월까지 주로 경기도, 충청도 지 역이 비가 적게 온 것을 알 수 있었고 평년 대비 2017년 강수 비율은 경기 남부와 전라도, 일부 강원도 지역이 20 % 수준에 그치는 것을 확인 할 수 있었다.

연간 아노말리 비교에 따라 극심한 가뭄이 들었던 최근 3 년간 한반도의 아노말리 경향을 지역별로 살펴보기 위하여 Fig. 4에 나타내었다. 2015년과 2016년에는 경기, 충청도 지역 이 시기별로는 아노말리 값이 0 에서 -1.5 사이 값이 나타나는 것으로 보아 보통에서 심함 정도의 가뭄이 나타났고, 연간 아 노말리로 보았을 때는 -2.0 이하의 극심한 가뭄이 든 것을 확 인 할 수 있었다. 2017년에는 전라, 경상도 지역이 타지역에 비해 -1.5 이하의 아노말리 값이 나타났고 특히 시기별로 살펴 보면 경기남부와 충청, 전라 일부 지역에서 3월에서 5월, 1월 에서 5월 누적강수량에 대한 -2.0 이하의 아노말리 값이 나타 나 극심한 가뭄이 들었던 것으로 판단된다.

Fig. 2 Distribution of annual precipitation anomaly for total 76 meteorological stations

Fig. 3 Summary of total precipitation by meteorological station

2. 표준강수지수를 이용한 가뭄 분석

남한 전역의 가뭄을 평가하기 위하여 가뭄단계에 따른 비 율을 Fig. 5와 같이 나타내었다. 최근 4년간 (2014-2017년)의 3, 6, 9, 12, 24, 36 개월 SPI 분석 결과, D0부터 D4까지 각 단계별에 해당하는 측후소의 개수를 백분율로 나타내었다. 12 개월 SPI에 따른 가뭄사상의 경우 2014년 3월부터 7월까지 평균적으로 전체 지역 중 65 % 지역에서 D1 단계가 발생하였 으며, D2 단계의 경우 34 %, D3 단계의 경우 15 %, D4 단계의 경우 9 % 지역에서 가뭄이 발생한 것으로 나타났다. 2015년 에는 6월과 11월 사이에 D4 단계의 가뭄이 최대 30 % 지역에 서 발생한 것으로 나타났으며, 2016년에는 8월에서 10월 사이 D1 단계의 가뭄이 65 %, D2 단계의 경우 31 %, D3 단계의 경우 13 %, D4 단계의 경우 9 %로 나타났다. 2017년의 경우 특히 4월부터 6월까지 D1 단계의 가뭄이 최대 89 %로 가장

높게 나타났으며, D2 단계의 경우 83 %, D3 단계의 경우 57

%, D4 단계의 경우 45 %로 전년도에 비해 극심한 가뭄 단계 가 발생한 지역이 많은 것으로 나타났다.

SPI 가뭄지수를 통한 2017년 가뭄사상을 지역별로 살펴보 기 위하여, 앞서 산정한 76개의 측후소를 통해 얻어진 기상자 료를 바탕으로 3, 6, 9, 12 개월 시간척도의 SPI 시계열 결과를 월별로 Fig. 6에 도시하였다. 분석 결과 3개월 SPI 결과에서 영농기 전 시기인 3월에서 5월의 극심한 가뭄을 잘 나타내는 것을 확인할 수 있다. 강수부족으로 3월부터 5월 사이의 기상 학적 가뭄이 발생하는 것을 확인 할 수 있으며, 지체시간은 짧으나 농번기 대비를 위한 농업용수의 확보를 결정하는데 적절한 시기인 것으로 판단된다. 6개월 SPI의 경우 2017년 6월에 D1 에서부터 D4 까지 전국 대부분 지역에서 가뭄이 발생한 것으로 나타났고, 특히 경기 남부지역과, 충청도, 전

Fig. 4 Rainfall anomaly based on IDW-method in 2015-2017

Fig. 5 Percentage of stations in categories of drought as determined by the weekly SPI

Fig. 6 Monthly SPI map by time scale (3-month, 6-month, 9-month, and 12-month) in 2017

남, 경남 등 극심한 가뭄 단계인 D4가 발생한 것으로 나타났 다. 2017년 이상 기후 보고서 (KMA, 2018)에 의하면 2017년 5∼7월 발생한 가뭄으로 충남, 전북, 전남, 경남 등 4개 도에 걸쳐 3천 농가에 12,849 ha 가량의 농작물 피해가 발생하였으 며, 남부지방은 장마철에도 가뭄이 지속되어 전남지역 340 농 가에 597 ha의 농작물 피해가 추가적으로 발생하였다. 6개월 SPI의 결과는 극심한 가뭄발생 지역과 시기 등이 유사한 것으 로 분석되었다.

3. 통계학적 가뭄빈도해석 결과

본 연구는 가뭄빈도를 통해 가뭄의 지속 기간, 규모 및 심 각성을 정량화하여 파악하고자 하였다. 영농시기인 봄철의 가뭄 수준을 비교하기 위하여 최근 3년간 한반도의 지역가뭄 빈도를 지역별로 Fig. 7과 같이 나타내었다.

연간 누적강수량으로 실시한 빈도분석 결과에 따르면 2015 년에는 봉화가 한발빈도 202.2년, 2016년에는 보령이 28.6년,

2017년에는 밀양이 290.9년으로 가장 가뭄이 심각한 것으로 나타났다. 76개 관측 지역 중 한발빈도 100년 이상이 나타난 해는 2015년과 2017년으로 각각 3 %와 4 %로 나타났다 (Table 2). 2016년은 90 % 이상의 지역이 5년 빈도 이하인 것 으로 나타나 가뭄이 다른 해에 비해 심각하지 않은 것을 나타 났다. 한발빈도 10년 이상으로 나타나는 지역의 비율을 살펴 보면 2015년에 총 40개 지역 (53 %), 2017년에는 39개 지역 (52 %)으로 나타나 연간 누적강수량에 따른 가뭄의 정도는 유사한 것으로 나타났다. 그러나 월별 누적강수량에 따른 가 뭄빈도를 살펴보면 지역별로 시기별로 가뭄 정도가 상이한 것을 나타났다. 2015년에 1월에서 3월 누적강수량을 이용한 빈도분석에 의하면 50년 이상 한발빈도는 나타나지 않았고 10년 이하의 한발빈도로 나타나는 지역이 96 %로 나타났다.

3월에서 5월은 95 %, 1월에서 5월은 92 %로 감소하였고, 반면 30년 이상의 한발빈도가 나타나는 지역은 4 %에서 8 % 까지 증가하였다.

Fig. 7 Regional frequency analysis based on IDW-method in 2015-2017

Term Design frequency

of drought

Number of station, proportion (%)

2015 2016 2017

Yearly

over 100 years 2 (3) - 3 (4)

50 years 9 (1) - 4 (5)

30 years 10 (13) - 8 (11)

10 years 19 (25) 7 (9) 24 (32)

5 years 9 (12) 8 (11) 10 (13)

below 5 years 26 (35) 60 (80) 26 (35)

January to March

over 100 years - - -

50 years - - 1 (1)

30 years 3 (4) - 7 (9)

10 years 14 (19) 3 (4) 32 (43)

5 years 9 (12) 4 (5) 17 (23)

below 5 years 49 (65) 68 (91) 18 (24)

Table 2 Summary of regional frequency analysis

1월에서 3월까지 누적강수량에 따른 가뭄빈도분석 결과, 2017년에는 50년 이상 한발빈도가 나타난 지역은 해남 (68 년)으로 나타났고, 30년 이상 한발빈도가 나타난 지역은 전체 중 약 10 %에 해당하는 것을 나타났다. 3월에서 5월까지도 해남 (188.6년)을 포함하여 50년 이상의 한발빈도가 나타난 지역이 20 % 가까이 나타났다. 1월에서 5월까지 누적된 강수 량에 따르면 50년 빈도 이상의 지역이 전체의 27 %로 나타났 고 특히 100년 빈도 이상으로 나타나는 지역이 다른 해에 비 해 더 많이 나타났다. 한발빈도 30년 이상으로 나타난 지역의 비율은 강수누적 시기가 5월로 감에 따라서 11 %에서 39 %, 43 %로 증가하는 것으로 나타났다. 월별 누적강수량에 따른 빈도분석에 따르면, 영농준비시기인 봄철 3월에서 5월에 경 기 남부지역과 충청북도, 강원도 서부지역 등 중북부 지역에 서 100년 이상의 한발빈도를 나타내어 앞서 분석한 기상학적 가뭄분석 결과와 유사하게 나타나는 것을 알 수 있었다.

Ⅳ. 결론

본 연구에서는 강수 부족에 의해 가뭄을 직관적으로 판단 할 수 있는 기상학적 가뭄지표들을 이용하여 가뭄의 시공간 적 분포 특성을 정량적으로 평가하고자 1954년부터 2017년까 지 기상청 산하 76개의 기상관측소 기상자료를 수집하여 강 수 아노말리(Anomaly), 표준강수지수 (Standardized Precipitation Index, SPI)를 산정하고 지표에 따라 지역별 재현기간에 따른 지역가뭄빈도를 분석하였다. 지역별 가뭄빈도를 지도로 나타 내어 시공간적인 증감율에 대한 결과를 분석하여 과거 한반 도에서 발생했던 가뭄사상의 비교를 통해 2017년 남한지역에 발생한 봄철 가뭄을 평가하였다.

2017년 봄철 남한 전역의 누적강수량은 평년 (1981-2010 년) 강수량의 50 % 정도 수준에 불과했으며, 진도의 경우 평 년 대비 25 % 정도 수준의 강수량을 기록했다. 지역별로 살펴 보면 연간 총 누적강수량으로는 경상도가 가장 낮게 나타났 고 3월에서 5월까지 누적강수량으로는 주로 경기, 충청도에 비가 적게 왔으며 경기 남부와 전라도, 일부 강원도 지역이 평년 대비 강수비율이 20 % 수준에 그치는 것을 확인 할 수 있었다. 전라, 경상도 지역이 타지역에 비해 -1.5 이하의 아노 말리 값이 나타났고 경기 남부와 충청, 전라도 일부 지역에서 3월에서 5월, 1월에서 5월 누적강수량에 대한 -2.0 이하의 아 노말리 값이 나타나 극심한 가뭄이 들었던 것으로 판단된다.

SPI 분석을 실시한 결과 2017년 4월부터 6월까지 D1 단계 의 가뭄이 최대 89 %로 가장 높게 나타났으며, D2 단계의 경우 83 %, D3 단계의 경우 57 %, D4 단계의 경우 45 %로 전년도에 비해 극심한 가뭄 단계가 발생한 지역이 많은 것으 로 나타났다. SPI 시간척도 3개월과 6개월에서 영농기 전 시 기인 3월에서 5월에 극심한 가뭄이 든 것을 볼 수 있었으며 경기 남부지역과, 충청, 전남, 경남 등 극심한 가뭄 단계인 D4 의 비율이 높은 것을 확인하였다. 2017년 연간 누적강수량에 따른 빈도분석에 따르면 경상도 지역이 200년 이상의 한발빈 도가 나타났고 월별로 살펴보았을 때, 3월에서 5월에 경기 남 부지역과 충청북도, 강원도 서부지역 등에서 100년 이상의 한 발빈도를 나타내어 기상학적 가뭄분석 결과 극심한 가뭄이 든 지역과 유사하게 나타나는 것을 알 수 있었다.

모든 지역과 계절에 동일한 가뭄 지표를 적용하는 것은 시 기적, 지역적으로 가뭄 상황의 절대적인 비교를 불가능하게 하고 가뭄의 취약 상태를 나타내는데 어려움이 있다. 아노말 리와 SPI, 지역가뭄빈도는 여러 기상학적 상황을 고려한 가뭄 지수로 이들이 갖는 장단점을 상호 보완하여 사용함으로써

Term Design frequency

of drought

Number of station, proportion (%)

2015 2016 2017

March to May

over 100 years 1 (1) - 6 (8)

50 years 2 (3) - 9 (12)

30 years 1 (1) - 14 (19)

10 years 8 (11) 1 (1) 31 (41)

5 years 8 (11) 1 (1) 9 (12)

below 5 years 55 (73) 73 (97) 6 (8)

January to May

over 100 years - - 9 (12)

50 years 3 (4) - 11 (15)

30 years 3 (4) - 12 (16)

10 years 8 (11) 1 (1) 31 (41)

5 years 10 (13) 3 (4) 7 (9)

below 5 years 51 (68) 71 (95) 5 (7)

향후 가뭄에 대비한 예⋅경보 및 대응책 마련의 기준을 산정 하는데 유용한 자료로 활용될 수 있을 것으로 사료된다.

감사의 글

본 연구는 농촌진흥청의 공동연구사업의 지원을 받아 연구 되었음 (PJ012569022018). 또한 이 논문은 2017년도 정부(교 육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초 연구사업임 (No. NRF-2017R1C1B5015897).

REFERENCES

1. Bae, D. H., K. H. Son, and H. A. Kim, 2013. Derivation

& evaluation of drought threshold level considering hydro-meteorological data on South Korea. Journal of

Korea Water Resources Association 46(3): 287-299 (in

2. Cho, S. J., H. D. Jun, M. J. Park, and S. D. Kim, 2011.

Record breaking occurrence frequency of air temperature and precipitation. Journal of Korean Society of Hazard

Mitigation 11(5): 345-352 (in Korean).

3. Choi, W., and Y. A. Kim, 2016. Relationship between the East-Asian cold anomalies in winter of 2010/11 and blocking. Atmosphere. Korean Meteorological Society 26(1):

193-201 (in Korean). doi:10.14191/Atmos.2016.26.1.193.

4. Edwards, D. C., and T. B. McKee, 1997. Characteristics of 20^th century drought in the United States at multiple time scales. Climatology Report 97-2, Department of Atmospheric Science, Colorado State University, Fort Collins, Colorado.

5. Ford, T. W., 2014. Precipitation anomalies in Eastern-Central Iowa from 1640-present. Journal of Hydrology 519(A):

918-924. doi:10.1016/j.jhydrol.2014.08.021.

6. Hayes, M. J., M. D. Svoboda, D. A. Wilhite, and O. V.

Vanyarkho, 1999. Monitoring the 1996 drought using the standardized precipitation index. Bulletin of the American

Meteorological Society 80: 429-438. doi:10.1175/1520-

7. Hayes, M. J., O. V. Wilhelmi, and C. L. Knutson, 2004.

Reducing drought risk: Bridging theory and practice.

Natural Hazards Review 5(2): 106-113. doi:10.1061/

(ASCE)1527-6988(2004)5:2(106).

8. Jose, D. S., C. Fu, A. Cancelliere, D. Dustin, D. Bode, A.

Pineda, and E. Vincent, 2005. Characterizing the severity

and risk of drought in the Poudre River, Colorado. Journal

of Water Resources Planning and Management 131(5):

383-393. doi:10.1061/(ASCE)0733-9496(2005)131:5(383).

9. Kang, I. J., and Y. N. Yoon, 2002. Drought evaluation by a drought frequency formula. Journal of Korean Society

of Hazard Mitigation 2(3): 89-99 (in Korean).

10. Kim, D. J., 2017. Decoupling of the spatiotemporal pattern of agricultural drought from that of meteorological drought in Korea. Korean Journal of Agricultural and Forest

Meteorology 19(3): 140-152 (in Korean). doi:10.5532/

KJAFM.2017.19.3.140.

11. Kim, G. S., H. G. Park, C. H. Park, 2008. Analysis of drought index of the gum Ho River basin using satellite and ground station data. Journal of Korean Society of Civil

Engineers 2009(10): 3451-3454 (in Korean).

12. Kim, G. S., and G. C. Lee, 2012. Application of a non-stationary frequency analysis method for estimating probable precipitation in Korea. Journal of the Korean

Society of Agricultural Engineer 54(5): 141-153 (in Korean).

doi:10.5389/KSAE.2012.54.5.141.

13. Korea Meteorological Administration (KMA), 2018. 2017 Abnormal climate report. Korea Meteorological Administration, Seoul, Korea.

14. Kwak, J. W., S. D. Lee, Y. S. Kim, and H. S. Kim, 2013.

Return period estimation of droughts using drought variables from standardized precipitation index. Journal of

Korea Water Resources Association 46(8): 795-805 (in

15. Lee, B. R., J. H. Sung, and E. S. Chung, 2015a. Comparison of meteorological drought and hydrological drought index.

Journal of Korean Water Resources Association 48(1):

69-78 (in Korean). doi:10.3741/JKWRA.2015.48.1.69.

16. Lee, J. H., J. W. Seo, and C. J. Kim, 2012. Analysis on trends, periodicities and frequencies of Korean drought using drought indices. Journal of Korea Water Resources

Association 45(1): 75-89 (in Korean). doi:10.3741/JKWRA.

2012.45.1.75.

17. Lee, J. H., H. W. Jang, J. S. Kim, and T. W. Kim, 2015b.

Quantitative characterization of historical drought events in Korea -Focusing on drought frequency analysis in the five major basins-. Journal of Korea Water Resources

Association 48(12): 1011-1021 (in Korean). doi:10.3741/

JKWRA.2015.48.12.1011.

18. Lee, J. J., H. H. Kwon, and K. N. Hwang, 2010. Concept of seasonality analysis of hydrologic extreme variables and

design rainfall estimation using nonstationary frequency analysis. Journal of the Korean Water Resources Association 43(8): 733-745 (in Korean). doi:10.3741/JKWRA.2010.

43.8.733.

19. Lee, T. S., and C. Y. Son, 2016. Analyzing the drought event in 2015 through statistical drought frequency analysis.

Journal of Korean Water Resources Association 49(3):

177-186 (in Korean). doi:10.3741/JKWRA.2016.49.3.177.

20. McKee, T. B., N. J. Doeskin, and J. Kleist, 1993. The

relationship of drought frequency and duration to time scales. Preprints, 8

21. Nam, W. H., M. J. Hayes, D. A. Wilhite, and M. D.

Svoboda, 2015a. Projection of temporal trends on drought characteristics using the Standardized Precipitation Evapotranspiration Index (SPEI) in South Korea. Journal

of the Korean Society of Agricultural Engineer 57(1):

37-45 (in Korean). doi:10.5389/KSAE.2015.57.1.037.

22. Nam, W. H., M. J. Hayes, M. D. Svoboda, T. Tadesse, and D. A. Wilhite, 2015b. Drought hazard assessment in the context of climate change for South Korea. Agricultural

Water Management 160: 106-117. doi:10.1016/j.agwat.2015.

06.029.

23. Nam, W. H., E. M. Hong, J. Y. Choi, T. G. Kim, M. J.

Hayes, and M. D. Svoboda, 2017. Assessment of the extreme 2014-2015 drought events in North Korea using weekly Standardized Precipitation Evapotranspiration Index (SPEI). Journal of the Korean Society of Agricultural

Engineer 59(4): 65-74 (in Korean). doi:10.5389/KSAE.

2017.59.4.065.

24. Oh, T. S., Y. I. Moon, S. S. Kim, and G. S. Park, 2011.

Frequency analysis of meteorologic drought indices using boundary kernel density function. Journal of the Korean

Society of Civil Engineers 31(2B): 87-98 (in Korean).

25. Ryoo, K. S., and S. H. Lee, 2003. Comparative analysis of regional and at-site analysis for the design rainfall by Log-Pearson Type III and GEV Distribution. Journal of

the Korean Society of Agricultural Engineer 2003(0):

443-446.

26. Svoboda, M., D. LeComte, M. Hayes, R. Heim, K.

Gleason, J. Angel, B. Rippey, R. Tinker, M. Palecki, D.

Stooksbury, D. Miskus, and S. Stephens, 2002. The drought monitor. Bulletin of the American Meteorological Society 83(8): 1181-1190. doi:10.1175/1520-0477-83.8.1181.

27. Svoboda, M. D., B. A. Fuchs, C. C. Poulsen, and J. R.

Norhwehr, 2015. The drought risk atlas: Enhancing decision support for drought risk management in the United States. Journal of Hydrology 526: 274-286. doi:10.1016/

j.jhydrol.2015.01.006.

28. Wilks, D. S., 1995. Statistical methods in the atmospheric

science. Academic Press edited by Dmowska, R., and J.

R. Holton, San Diego, California.

29. Yeon, J. M., S. H. Byun, J. K. Lee, and T. W. Kim, 2007.

Evaluation of droughts in Seoul using two-dimensional drought frequency analysis. Journal of Korea Water

Resources Association 40(4): 335-343 (in Korean).

30. Yoon, Y. N., and M. J. Park, 1997. Regional drought frequency analysis of monthly rainfall data by the method of L-moments. Journal of Korea Water Resources Association 30(1): 55-62 (in Korean).

31. Yoon, Y. N., C. Yoo, J. S. Lee, and J. H. Ahn, 1999. On the change of flood and drought occurrence frequency due to global warming: 1. Change of daily rainfall depth distribution due to different monthly/yearly rainfall depth.

Journal of Korea Water Resources Association 32(6):

617-625 (in Korean).

32. Yu, J. S., J. Y. Yoo, J. H. Lee, and T. W. Kim, 2016.

Estimation of drought risk through the bivariate drought frequency analysis using copula functions. Journal of

Korea Water Resources Association 49(3): 217-225 (in

33. Yu, M., Y. Cho, T. W. Kim, and H. S. Chae, 2018.

Analysis of drought propagation using hydrometeorological data: From meterological drought to agricultural drought.

Journal of Korea Water Resources Association 51(3):

195-205 (in Korean). doi:10.3741/JKWRA.2018.51.3.195.