Ecology and Resilient Infrastructure. September 2018. 134-144
https://doi.org/10.17820/eri.2018.5.3.134


ABSTRACT


MAIN

  • 1. 서 론

  • 2. 연구방법

  •   2.1 연구 대상지역 및 자료

  •   2.2 기상학적 가뭄 지수 산정

  • 3. 연구결과

  •   3.1 연 강수량

  •   3.2 연평균 기온

  •   3.3 증발산량

  •   3.4 SPEI

  • 4. 결 론

1. 서 론

가뭄이란 필요한 물 보다 물 공급량이 부족한 시기로 표현할 수 있으며, 보통 강수량의 부족에서부터 시작하는 경우가 많다. 또한, 가뭄은 토양 수분량의 변화 및 유역 개발 등에 의해 물의 공급이 수요를 따라가지 못할 경우에 발생하기도 하며 수자원, 환경 및 사회 등에 크고 복잡한 영향을 미칠 수 있다. 따라서, 가뭄은 다양한 개념 및 기준에 의하여 복잡하게 정의 가능하나, 보통 기상, 수문 및 농업 (생태) 가뭄으로 분류 가능하다 (Um et al. 2018). 다만, 본 연구에서는 다양한 가뭄의 개념들 중에서 가뭄의 시발점이라 할 수 있는 기상학적 가뭄에 대한 연구에 중점을 두기로 한다.

기상학적 가뭄은 특정 기간 동안의 강수량, 무강수 일수, 강우 분포 등을 바탕으로 하여 보편적인 강수 평균 등과의 상세한 비교 및 검토를 통하여 물의 부족한 정도 및 지속기간 등을 고려하여 가뭄의 정도 및 기간 등을 추정한다. 산정 지역에 따라서 기상 상태가 다양하고 복잡하므로 기상학적 가뭄을 고려할 경우에는 반드시 해당 지역의 기상자료를 바탕으로 하여 정의되어야 한다. 미국 National Oceanic and Atmospheric Administration (NOAA)에 의하면 가뭄이란 일정 지역의 동식물 생육에 저해를 야기할 정도로 강수 부족이 장기간 지속되는 기간으로 정의하고 있다 (National institute for disaster prevention 1998). 이러한 기상학적 가뭄을 정량화하기 위한 다양한 통계적 기법들이 제시되었으며, 그 중에서 일반적으로 적용되는 기법으로는 Palmer drought severity index (PDSI) (Palmer 1965), Standardized precipitation index (SPI) (McKee et al. 1993)및 Standardized precipitation evapotranspiration index (SPEI) (Vicente-Serrano et al. 2010) 등이 있다. PDSI는 산정 시 필요한 입력자료들이 다른 방법들에 비하여 다양하여 지역에 따라서 자료 취득에 어려움이 있으며, SPI는 강수 만을 고려하여 가뭄 지수를 산정하여 계산방법은 간편하나 복잡한 기상학적 가뭄을 표현하기에는 강수만으로는 부족한 경우가 있으므로 적용 시 주의가 필요하다 (Mavromatis 2007, Kempesetal 2008). Vicente-Serrano et al. (2010)은 SPI의 단점을 보완하여 강수 이외에 다양한 의미를 가지고 있는 증발산량을 가뭄 지수 산정에 적용한 SPEI를 제안하였다. SPEI는 SPI와 달리 강수와 증발산량의 차이를 이용하여 산정된 물수지를 이용하므로 보다 합리적으로 기상학적 가뭄을 나타낼 수 있다 (Kim et al. 2012). Um et al. (2018)은 동아시아 지역을 대상으로 Climate Research Unit (CRU) 및 Community Land Model (CLM) 자료를 활용하여 3가지 가뭄 지수를 비교 검토하였다.

본 연구에서는 관측 자료 및 모의 자료를 활용하여 동아시아 지역을 대상으로 기 발생된 기상학적 가뭄에 대한 분석을 수행하였다. 세부적으로는 Um et al. (2018)의 연구에 모의 자료인 CLM-Variable infiltration capacity (CLM-VIC)를 추가하고 기상학적 가뭄 지수인 SPEI를 통하여 기왕 가뭄 현상들에 대하여 보다 심도 있는 검토를 수행하였다.

2. 연구방법

2.1 연구 대상지역 및 자료

본 연구에서는 동아시아 지역을 대상으로 기상학적 가뭄을 분석하였다. 가뭄은 국지적으로 발생하는 호우와 달리 넓은 지역에 영향을 미치는 자연재해이다. 따라서 국지적 분석 보다는 광역 분석을 통하여 동아시아 지역의 가뭄 특성을 조사하였다. 대상기간으로는 1951년부터 2010년까지 60년을 설정하였으며, 대상 자료로는 관측 자료인 CRU와 모의 자료들인 CLM 및 CLM-VIC를 적용하였다.

관측 자료인 CRU (Harris et al. 2014)는 East Anglia 대학에서 제공하는 기후 자료로, 남극대륙을 제외한 전 지구 대륙을 고해상도 (0.5° × 0.5°) 월평균으로 제공하며, 기간은 1901년부터 이용 가능하며 많은 장기간 과거 연구에서 활용되는 자료이다. 본 연구에서는 CRU TS v. 3.23를 활용하여 동아시아 지역의 강수 및 기온의 현황을 파악하였다.

모의 자료들은 CLM 및 CLM-VIC의 모의를 통하여 생성된 자료이다. CLM은 National Center for Atmospheric Research (NCAR)의 탄소 순환, 식생 역학 및 하도 추적을 포함한 지면 모형 (Land Surface Model, LSM) (Bonan 1996)을 확장하기 위해서 생물 지구 화학 및 기존 NCAR의 연구에 집중하여 커뮤니티 (Community)에서 개발된 지면 모형 (Land model)들의 융합에서 시작되었다. 초창기 버전에 많은 다양한 변수들을 고려하게 되었으며, 본 연구에 적용된 CLM4에서는 기존 보다 고해상도의 입력 자료를 활용하게 되었다. 예를 들어 CLM4의 기본 기상 조건 자료들 (Qian et al. 2006)은 CRU-National Centers for Environmental Prediction Reanalysis (CRU-NCEP, 1901 - 2010년)의 자료를 적용하였다. CLM과 CLM-VIC의 차이는 유출량을 산정하는 방법이 CLM은 기본 유출 모형으로 TOPography based hydrological MODEL (TOPMODEL) (Beven 1997)을 활용하며 CLM-VIC는 VIC (Liang et al. 1994)를 적용하는데 있다. 이러한 차이는 표면과 지하에서의 유출량 산정 과정에서 서로 다른 매개변수를 추정함으로써 각각의 모형에 모의에 다른 결과를 가져올 수 있다. TOPMODEL은 지하수층에서의 역학 관계는 연속적인 정상 상태, 한 유역에서 지하수위가 차는 속도는 일정, 지하수층에서의 동수 경사는 표면 경사와 동일 및 하류로의 투수량계수의 분포는 지하수의 부족분이나 지하 수위의 지수 함수로 가정한다. 이러한 가정 사항들로 TOPMODEL은 지표의 포화도가 표면의 유출을 바로 만드는 습한 기후나 산간 지역에 잘 맞는다. VIC는 지표면 유출이 평균 토양 수분 및 얕은 토층의 공간적 이질성의 함수이며, 지하 유출은 깊은 토층의 토양 수분의 비선형적 함수로 나타난다. 따라서 TOPMODEL 보다 VIC 모델은 다양한 기후대에서 적용 가능하다. 본 연구에서는 모의 기간을 1951년부터 2010년까지로 설정하였다. 모의 기간에 대하여 CLM4 및 CLM4VIC의 기본 입력 자료는 CRU-NCEP 자료를 활용하였다. NCEP 자료는 6시간 간격으로 2.5의 공간해상도를 가진다.

2.2 기상학적 가뭄 지수 산정

기상학적 가뭄은 다양한 방법들 (PDSI, SPI, SPEI 등) 로 정의 될 수 있다. 본 연구에서는 강수 및 잠재 증발산량을 활용한 SPEI 방법을 선택하여 기상학적 가뭄을 산정하였다. 강수 자료는 입력자료를 활용하였으며, 잠재 증발산량은 CRU 는 기온 자료를 활용하여 산정하였으며, CLM 및 CLM-VIC 는 모형에서 자체적으로 모의하였다. SPEI는 일반적으로 Eq. 1의 월별 물수지 (D) 및 Eq. 2의 Log-logistic 분포를 활용하여 최종적으로 Eq. 3을 산정된다.

D=PR-PET    (Eq. 1)

여기서 D는 월별 물수지, PR은 월별 강수량 그리고 PET는 월별 잠재 증발산량이다.

FX=1+αx-μβ-1    (Eq. 2)

여기서 F(x)는 누가밀도함수, α, βµ는 Log-logistic 분포의 척도, 형상 및 위치 매개변수이다.

SPEI=W-2.515517+0.802853W+0.010328W21+1.432788W+0.189269W2+0.001308W3    (Eq. 3)

여기서 WP의 함수이고, P1-F(X)이다.

본 연구에서는 각각의 자료들로 산정된 SPEI를 Table 1을 적용하여 가뭄의 정도를 시공간적으로 구분하였다.

Table 1. Classification of dry status (Um et al. 2018)

CategoryDescriptionDrought index
D1Incipient and mild dry≤ -0.0
D2Moderate dry≤ -1.0
D3Severe dry≤ -1.5
D4Extremely dry≤ -2.0

3. 연구결과

3.1 연 강수량

본 연구에서는 동아시아 지역을 대상으로 관측 자료 (CRU) 및 모의 자료 (CLM 및 CLM-VIC)의 연 강수량을 Fig. 1에 경위도 5° 간격 별로 도시하였고 그 결과를 비교 및 검토하였다. CLM 및 CLM-VIC는 동일한 CRU-NCEP 자료를 적용하였기 때문에 그 결과가 동일하게 산정되었다.

CRU 자료는 위도 0° - 5° 지역에서 연평균 강수량이 2889.24 mm 로 최대 강수량을 나타내었다. 연평균 자료 또한 위도가 증가함에 따라서 감소하다가 위도 40° - 45°에서 334.35 mm로 최솟값을 나타내고 다시 증가하였다. CRU-NCEP 자료는 위도 간격 5°로 연평균을 산정하였을 경우 위도 0° - 5°에서 2802.76 mm를 기록하였다고 점진적으로 감소하여 위도 60° - 65°에서 379.64 mm를 나타내었다. 연평균 강수량의 표준편차는 CRU 자료는 106.53 (위도 55° - 60°) - 832.74 (위도 10° - 15°) mm 및 CRU-NCEP 자료가 93.58 (위도 55° - 60°) - 804.27 (위도 10° - 15°) mm로 산정되었다.

다만, 강수량의 경우 CRU-NCEP 자료와 CRU 자료가 위도 0° - 20° 및 경도 100° - 120° 구간에 다소 상이한 패턴을 보여주었으나 그 차이가 기후 모형에 미치는 영향은 미미할 것으로 간주되었다. 그 이유로는 본 연구에서 사용된 기후 모형인 CLM 및 CLM-VIC에서 적용된 강수량은 관측 기반으로 만들어진 CRU 자료를 기반으로 재생성된 자료이기 때문이다.

http://static.apub.kr/journalsite/sites/kseie/2018-005-03/N0190050304/images/kseie_05_03_04_F1.jpg
Fig. 1.

Annual average precipitation (mm/year) at the 5° resolution in the East Asia for 1951 - 2010.

3.2 연평균 기온

연 평균 기온에 대해서 연 강수량과 동일하게 동아시아 지역을 대상으로 관측 자료 (CRU) 및 모의 자료 (CLM 및 CLM-VIC)를 Fig. 2에 경위도 5° 간격 별로 도시하였고 그 결과를 비교 및 검토하였다. 또한, CLM 및 CLM-VIC는 동일한 CRU-NCEP 자료를 적용하였기 때문에 그 결과가 동일하게 산정되었다.

http://static.apub.kr/journalsite/sites/kseie/2018-005-03/N0190050304/images/kseie_05_03_04_F2.jpg
Fig. 2.

Annual average temperature (°C/year) at the 5° resolution in the East Asia for 1951 - 2010.

CRU 자료는 위도 10° - 15° 지역에서 연평균 기온이 26.47°C로 최대를 나타내었다. 연평균기온의 경우 각 자료 별로 나타난 최대 5° 간격 위도 지역을 기점으로 위도가 증감함에 따라서 점차적으로 낮아지는 것으로 나타났으며, 위도 50° 이상의 지역의 경우에는 연평균기온이 영하를 나타내는 것으로 계산되었다. CRU-NCEP 자료에 대하여 위도 간격 5°로 연평균기온을 산정하였을 경우 위도 0° - 5°에서 25.57 °C를 기록하였다고 증가하여 위도 10° - 15°에서 최댓값인 26.85 °C를 기록하고 그 후로 점진적으로 감소하여 위도 60° - 65°에서 -12.11 °C를 나타내었다. 연평균기온의 표준편차는 CRU 자료는 1.39 (위도 0° - 5°) - 9.65 (위도 10° - 15°) °C 및 CRU-NCEP 자료가 1.42 (위도 5° - 10°) - 9.67 (위도 30° - 35°) °C를 나타내었다.

기온의 분석결과는 CRU 및 CRU-NCEP의 자료가 통계 및 시공간적 분포가 매우 유사한 것으로 판단되었다. 따라서 본 연구의 기상학적 가뭄 지표인 SPEI 산정 시 유사한 영향을 미칠 것으로 간주된다.

3.3 증발산량

증발산은 지표면에서 발생하는 증발과 식물에서 발생하는 증산 작용을 합쳐서 정의되는 변수로서 지표에서 대기로 전환되는 물 순환을 뜻한다. 지표면에서 발생하는 증발은 지표면에 존재하는 물 (호수, 강, 토양 수분 등)이 열 에너지 등에 의하여 변화하여 대기로 방출되는 물 순환과정이다. 지면에 떨어지는 강수량의 대략 70% 정도가 증발산 과정을 거쳐 다시 대기로 순환된다. 따라서 식생으로 뒤덮인 지표면에서 일어나는 증발산과 호수, 강 등의 물 표면에서 일어나는 증발은 물수지 (water balance budget) 연구에 매우 중요하며, 액체인 물이 기화하여 대기로 증발할 때 발생하는 지표의 에너지 손실은 전 지구 대기 시스템의 에너지 순환에 중요한 요소이다. 이러한 증발산량은 최근에 들어 위성 자료인 Moderate Resolution Imaging Spectroradiometer (MODIS)를 활용하여 시공간적으로 추정되고 있다. MODIS 자료는 2000년부터 제공하고 있고, 본 모의 실험이 1951년부터 2010년까지 수행 되었으므로 비교 및 검토 구간을 2000년부터 2010년으로 설정하여 연 평균 자료에 대하여 공간 분포를 분석하여 Fig. 3에 도시하였다.

http://static.apub.kr/journalsite/sites/kseie/2018-005-03/N0190050304/images/kseie_05_03_04_F3.jpg
Fig. 3.

Annual average evapotranspiration (mm/year) at the 5° resolution in the East Asia for 2000 - 2010.

MODIS의 연 평균 증발산량을 살펴보면 위도 0° - 5° 구간에서 1385.91 mm로 최댓값을 나타내고 위도가 증감함에 따라서 점진적으로 감소하다가 위도 40° - 45° 구간에서 최솟값 284.59 mm를 기록하였으며 고위도 지역인 위도 45° - 65° 구간에서 289.23 - 403.52 mm의 증발산량을 나타냈다. 연 증발산량의 표준편차는 위도 0° - 5°에서 145.36 mm에서 위도 25° - 30°에서 320 - 36 mm로 최댓값을 나타내었고 점진적으로 감소하여 위도 60° - 65°에서 37.41 mm를 기록하였다. CLM 및 CLM-VIC의 연 평균 증발산의 경우에도 MODIS자료와 동일 패턴을 나타내었다. 따라서 전반적인 공간 분석 결과 CLM 및 CLM-VIC에서 산정된 증발산량이 다소 지엽적으로 다른 통계치를 보이는 경우는 있으나 전반적으로는 대상연구지역인 동아시아에서 관측 자료인 MODIS의 증발산량과 유사한 시공간 분포로 잘 모의된 것으로 판단된다.

3.4 SPEI

본 연구에서는 기존 관측 자료인 CRU 와 모의 자료인 CLM 및 CLM-VIC 자료의 월 강수량 및 월 기온의 자료를 이용하여 연구대상지역인 동아시아에 대하여 가뭄 지수의 하나인 SPEI를 산정하였으며, 대표적인 가뭄이 발생하였던 1991, 1997, 2005 및 2009년에 대하여 Fig.4에 도시하였다. 가뭄 지수의 범위는 -3.5부터 3.5까지로 한정하여 도시하였고, -3.5 (빨간색)에 근접할수록 가뭄 상태가 심각한 것으로 간주하였다. 가뭄 상태는 가뭄 지수의 범위에 따라서 Table 1 같이 구분하였다. 본 연구의 각 가뭄 지수는 시간 척도 기준으로 12개월에 대하여 산정되었으며, 산정된 지수 값들 중 1월부터 12월까지의 자료를 적용한 지수를 각 연도별 대푯값으로 간주하였다. SPEI의 연도별 결과 분석은 일반적인 가뭄 상태인 D2 이상의 경우에 대하여 수행하였다. 해당 연도별 (1991년, 1997년, 2005년 및 2009년 순)에 대하여 면적 비율을 계산한 결과 CRU를 이용한 경우 D2 상태는 33.32, 33.83, 32.86 및 30.43%, D3 상태는 16.50, 18.75, 12.85 및 13.26% 그리고 D4 상태는 4.79, 6.56, 2.60 및 1.36%를 나타내었다. CLM (CLM- VIC)의 경우에는 각 해당 년 (1991년, 1997년, 2005년 및 2009년)에 D2 상태는 23.75 (21.59), 13.87 (11.85), 20.83 (18.48) 및 14.03 (11.53)%, D3 상태는 11.42 (9.12), 5.76 (4.95), 6.30 (5.15) 및 3.99 (2.34)% 그리고 D4 상태는 2.24 (1.80), 2.38 (1.85), 1.06 (0.49) 및 0.38 (0.32)%로 산정되었다. CLM 및 CLM-VIC의 SPEI를 통하여 정의된 가뭄 상태 별 공간 비율은 CRU 보다 좁은 면적에 대해서 가뭄 상태를 나타내었으며, 가뭄 상태가 심해질수록 (D2에서 D4) 가뭄 상태 비율이 점점 더 상대적으로 줄어드는 것을 확인 할 수 있었다. 이는 CRU 의 SPEI 산정 시와 달리 CLM 및 CLM-VIC가 모의실험을 통하여 산정된 증발산량을 직접적으로 이용하여 SPEI를 산정한 영향을 받은 것으로 추정된다. 하지만, 전반적인 공간 분포 등을 살펴보면 모두 공통적인 부분들이 많은 것으로 파악되어 향후 합리적인 기후 모형 실험 자료를 활용한 미래 가뭄 특성 예측이 가능할 것으로 판단된다.

http://static.apub.kr/journalsite/sites/kseie/2018-005-03/N0190050304/images/kseie_05_03_04_F4.jpg
Fig. 4.

Spatial distribution of SPEI based on CRU and simulations (CLM and CLM-VIC) in (a) 1991, (b) 1997, (c) 2005 and (d) 2009.

본 연구에서는 가뭄 상태가 D2일 경우에 대하여 가뭄 빈도의 공간 분포를 Fig. 5에 도시하였으며, Fig. 6에는 대상 자료 및 가뭄 지수들에 따른 가뭄 상태 별 빈도를 도시하였다. 빈도 분석은 위경도 5°간격으로 수행되었으며 기준 가뭄상태보다 심한 가뭄으로 판단되었을 경우에 대하여 매년 대푯값들을 가지고 계산하였다. 대상기간이 1951년부터 2010년으로서 각 경우 최댓값은 60이 가능하며, 각 위경도 5°간격의 구간에 대한 평균으로 도시하였다. 본격적인 가뭄이라 간주할 수 있는 D2이상의 가뭄 상태에 대하여 평균 발생 횟수를 산정한 결과를 검토해 보면 CRU의 경우 D2 상태일 경우 10.39회, D3 상태일 경우 3.97회이며 D4 상태일 경우 0.83회, CLM4의 경우 D2 상태일 경우 9.46회, D3 상태일 경우 3.57회이며 D4 상태일 경우 0.76회 및 CLM-VIC의 경우 D2 상태일 경우 9.39회, D3 상태일 경우 3.51회이며 D4 상태일 경우 0.77회를 기록하였다. 이러한 결과들을 종합적으로 비교하였을 경우 관측 자료를 기반으로 한 CRU의 통계상 D2의 빈도가 좀 더 높게 나타났지만, 모형 기반의 CLM 및 CLM-VIC의 D2 빈도와 큰 차이를 보이지 않았으며 다른 D3 및 D4의 발생빈도는 상당히 유사하게 분석되었다. 또한, Fig. 6에서는 CLM 및 CLM-VIC의 가뭄 빈도 패턴이 상당히 유사한 패턴을 보여주었으나, D1에서 D4로 가뭄의 정도가 심해짐에 따라서는 CRU와의 유사성이 점진적으로 감소하는 것으로 나타났다.

http://static.apub.kr/journalsite/sites/kseie/2018-005-03/N0190050304/images/kseie_05_03_04_F5.jpg
Fig. 5.

Frequency in D2 category droughts based on CRU and simulations (CLM and CLM-VIC) for 1951 - 2010.

http://static.apub.kr/journalsite/sites/kseie/2018-005-03/N0190050304/images/kseie_05_03_04_F6.jpg
Fig. 6.

Comparison of drought frequency between CRU and simulations (CLM and CLM-VIC) for 1951 - 2010.

4. 결 론

본 연구에서는 동아시아 지역을 대상으로 기존의 가뭄 현상들에 대한 분석을 수행하였다. 다양한 가뭄의 개념들 중에서 기상학적 가뭄을 대상으로 한정하였으며, 가뭄 지수는 SPEI 방법을 통하여 산정하였다. 대상 자료로는 관측 자료인 CRU와 모의 자료인 CLM 및 CLM-VIC를 적용하였다. SPEI 산정 시 필요한 증발산량 자료는 CRU의 경우에는 기온 자료를 통하여 산정되었으며, 두 모의 자료들 (CLM 및 CLM-VIC)은 각각의 모형을 기반으로 하여 추정되었다. 대상 기간으로는 1951년부터 2010년까지로 정하였다. 그 분석 결과들은 다음과 같다.

1) 연평균 강수량은 위도 0° - 5° 지역에서 CRU 자료는 2889.24 mm 및 CRU-NCEP 자료 (CLM 및 CLM-VIC)는 2802.76 mm로 최대 강수량을 나타내었다. 연평균 강수량의 표준편차는 CRU 자료는 106.53 (위도 55° - 60°) - 832.74 (위도 10° - 15°) mm 및 CRU-NCEP 자료가 93.58 (위도 55° - 60°) - 804.27 (위도 10° - 15°) mm로 산정되었다. 다만, 강수량의 경우 CRU-NCEP 자료와 CRU 자료가 위도 0° - 20° 및 경도 100° - 120° 구간에 다소 상이한 패턴을 보여주었으나 그 차이가 기후 모형에 미치는 영향은 미미할 것으로 간주되었다.

2) 연평균 기온은 위도 간격 5° 분석 결과 CRU 자료는 26.47°C, CRU-NCEP 자료는 25.57 °C를 최대값으로 산정되었다. 연평균기온의 표준편차는 CRU 자료는 1.39 (위도 0° - 5°) - 9.65 (위도 10° - 15°) °C 및 CRU-NCEP 자료가 1.42 (위도 5° - 10°) - 9.67 (위도 30° - 35°) °C를 나타내었다. 또한, 기온의 분석결과는 CRU 및 CRU-NCEP의 자료가 통계 및 시공간적 분포가 매우 유사한 것으로 판단되었다.

3) 증발산량 분석결과는 위성 자료인 MODIS를 활용하여 타당성을 검토하였다. MODIS의 연 평균 증발산량을 살펴보면 위도 0° - 5° 구간에서 1385.91 mm로 최댓값을 나타내고 위도가 증감함에 따라서 점진적으로 감소하다가 위도 40° - 45° 구간에서 최솟값 284.59 mm를 기록하였다. 연 증발산량의 표준편차는 위도 0° - 5°에서 145.36 mm에서 위도 25° - 30°에서 320 - 36 mm로 최댓값을 나타내었다. CLM 및 CLM-VIC의 연 평균 증발산의 경우에도 MODIS자료와 동일 패턴을 나타내었다.

4) 기왕 가뭄 현상들에 대한 분석 결과를 검토하면 전반적으로 CRU와 CLM 및 CLM-VIC의 SPEI 공간 분포 등을 살펴보면 모두 공통적인 부분들이 많은 것으로 파악되어 향후 합리적인 기후 모형 실험 자료를 활용한 미래 가뭄 특성 예측이 가능할 것으로 판단된다.

5) 가뭄 빈도에 대하여 분석 결과를 보면 CRU의 경우 D2 상태일 경우 10.39회, D3 상태일 경우 3.97회이며 D4 상태일 경우 0.83회, CLM4의 경우 D2 상태일 경우 9.46회, D3 상태일 경우 3.57회이며 D4 상태일 경우 0.76회 및 CLM-VIC의 경우 D2 상태일 경우 9.39회, D3 상태일 경우 3.51회이며 D4 상태일 경우 0.77회로 산정되었다. 관측 자료를 기반으로 한 CRU의 통계상 D2의 빈도가 좀 더 높게 나타났지만, 모형 기반의 CLM 및 CLM-VIC의 D2 빈도와 큰 차이를 보이지 않았으며 다른 D3 및 D4의 발생빈도는 상당히 유사하게 분석되었다.

따라서 본 연구에서는 동아시아 지역을 대상으로 기후 모형인 CLM 및 CLM-VIC의 기상학적 가뭄의 재현율을 분석한 결과 두 모형 모두 합리적으로 기상학적 가뭄을 모의한 것으로 판단된다. 또한, 향후 이러한 결과를 활용하여 두 기후 모형에 기후변화 시나리오 자료를 적용하여 발생 가능한 미래 동아시아 가뭄 예측에 적용 가능할 것으로 판단된다.

Acknowledgements

본 연구는 국토교통부/국토교통과학기술진흥원 (18 AWMP-B083066-05) 및 환경부 기후변화대응 환경기술개발사업 (2018001310001)의 지원을 받아 수행되었습니다. 부분적으로, 2015학년도 연세대학교 미래선도 연구사업 (2017-22-0012)의 지원을 받아 수행되었습니다.

References

1 

Beven, K.J. 1997. TOPMODEL: a critique. Hydrological Process., 11(3): 1069-1085.

10.1002/(SICI)1099-1085(199707)11:9<1069::AID-HYP545>3.0.CO;2-O
2 

Bonan, G.B. 1996. The NCAR Land Surface Model (LSM version 1.0) coupled to the NCAR Community Climate Model. NCAR Tech. Note NCAR/TN-4291STR, 171 pp.

3 

Harris, I., Jones, P.D., Osborn, T.J. and Lister, D.H. 2014. Updated high-resolution grids of monthly climatic observations - the CRU TS3.10 Dataset. International Journal of Climatology., 25: 623-642, doi:10.1002/ joc.3711.

4 

Kempesetal, C.P., Myers, O.B., Breshears, D.D. and Ebersole, J. J. 2008. Comparing response of Pinus edulis tree-ring growth to five alternate moisture indices using historic meteorological data. Journal of Arid Environments, 72(4): 350-357.

10.1016/j.jaridenv.2007.07.009
5 

Kim, B.S., Sung, J.H., Kang, H.-S. and Cho, C.H. 2012. Assessment of Drought Severity over South Korea using Standardized Precipitation Evapo-transpiration Index (SPEI). Journal of Korea Water Resources Association, 45(9): 887-900 (in Korean).

10.3741/JKWRA.2012.45.9.887
6 

Liang, X., Lettenmaier, D.P., Wood, J.W. and Burges, S.J. 1994. A Simple hydrologically Based Model of Land Surface Water and Energy Fluxes for GSMs. Journal of Geophysical Research, 99(D7), 14: 415-14, 428.

7 

Mavromatis, T. 2007. Drought index evaluation for assessing future wheat production in Greece. International Journal of Climatology, 27(7): 911-924.

10.1002/joc.1444
8 

McKee, T.B., Doesken, N.J. and Kleist, J. 1993. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology. 179-183.

9 

National institute for disaster prevention 1998. Analysis and investigation of causes of the drought damage. NIDP-1998-04, pp. 95 (in Korean).

10 

Palmer, W.C. 1965. Meteorological Drought; Citeseer: Harrisburg, PA, USA, Volume 30.

5215263
11 

Qian, T., Dai, A., Trenberth, K.E. and Oleson, K.W. 2006. Simulation of global land surface conditions from 1948-2004. Part I: Forcing data and evaluation. Journal of Hydrometeorology, 7: 953-975.

10.1175/JHM540.1
12 

Um, M.-J., Kim, M., Kim, Y. and Park, D. 2018. Drought assessment with the community land model for 1951-2010 in East Asia. Sustainability, 10, 2100, doi:10.3390/ su10062100.

10.3390/ su10062100.
13 

Vicente-Serrano, S.M., Beguería, S. and López-Moreno, J.I. 2010. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index. Journal of Climate, 23: 1696-1718.

10.1175/2009JCLI2909.1
페이지 상단으로 이동하기