Journal of The Korean Society of Agricultural Engineers (한국농공학회논문집)

The Korean Society of Agricultural Engineers (한국농공학회)
권호 표지
DOI QR코드

DOI QR Code

Flash Drought Onset and Development Mechanisms Using Flash Drought Intensity Index (FDII) Based on Satellite-Based Soil Moisture

위성영상 토양수분 기반 FDII를 활용한 돌발가뭄의 메커니즘 분석

  • Lee, Hee-Jin (Department of Convergence Systems Engineering, Hankyong National University) ;
  • Nam, Won-Ho (School of Social Safety and Systems Engineering, Institute of Agricultural Environmental Science, National Agricultural Water Research Center, Hankyong National University) ;
  • Sur, Chanyang (National Agricultural Water Research Center, Hankyong National University) ;
  • Jason A. Otkin (Cooperative Institute for Meteorological Satellite Studies, Space Science and Engineering Center, University of Wisconsin-Madison) ;
  • Yafang Zhong (Cooperative Institute for Meteorological Satellite Studies, Space Science and Engineering Center, University of Wisconsin-Madison) ;
  • Mark D. Svoboda (National Drought Mitigation Center, School of Natural Resources, University of Nebraska-Lincoln)
  • Received : 2023.03.07
  • Accepted : 2023.04.24
  • Published : 2023.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

A flash drought is a rapid-onset drought that develops over a short period of time as weather and environmental factors change rapidly, unlike general droughts, due to meteorological abnormalities. Abnormally high evapotranspiration rates and rapid declines in soil moisture increase vegetation stress. In addition, crop yields may decrease due to flash droughts during crop growth and may damage agricultural and economic ecosystems. In this study, Flash Drought Intensity Index (FDII) based on soil moisture data from Gravity Recovery Climate Experiment (GRACE) was used to analyze flash drought. FDII, which is calculated using soil moisture percentile, is expressed by multiplying two factors: the rate of intensification and the drought severity. FDII was developed for domestic flash drought events from 2014 to 2018. The flash drought that occurred in 2018, Chungcheongbuk-do showed the highest FDII. FDII was higher in heat wave flash drought than in precipitation deficit flash drought. The results of this study show that FDII is reliable flash drought analysis tool and can be applied to quantitatively analyze the characteristics of flash drought in South Korea.

Keywords

Ⅰ. 서론

전 세계적으로 기후변화로 인한 이상기후의 영향으로 작물 생장 및 물관리와 관련된 수문사상이 변하고 있으며 (van der Linden et al., 2019), 가뭄, 홍수, 태풍, 산불 등과 같은 자연재해의 변화를 야기하여 발생빈도를 증가시키고 있다 (Wilhite et al., 2000; Nam et al., 2015). 가뭄은 20세기에 관측된 가장 심각한 자연재해이며, 앞으로 미래 기후변화에 따른 기온 및 강수량의 증가를 통해 피해 및 규모가 급증할 것으로 예상된다 (Trenberth et al., 2004; Smith and Katz, 2013; Nam et al., 2014).

돌발가뭄 (Flash Drought)은 기후변화에 따른 기상이상으로 인하여 일반적인 가뭄과 다르게 기상 및 환경요인의 변화가 급격하게 나타나면서 단기간 급속하게 발생하는 (rapid-onset) 가뭄으로 정의한다 (Svoboda et al., 2002; Otkin et al., 2014). 지난 64년 동안 전 세계의 74% 지역에서 돌발가뭄이 발생하고 있으며, 이는 기후변화로 인한 증발산 및 강수부족과 관련이 있다 (Yuan et al., 2023). 보통의 가뭄은 진행 속도가 늦기 때문에 장기간에 걸쳐 서서히 발생하는 것이 특징이지만, 돌발가뭄의 경우 비정상적으로 높은 증발산 비율, 급격한 토양수분의 감소 등으로 인해 몇 주 또는 몇 달 이내 빠르게 발전하는 가뭄으로 예측 및 감지하는 것이 어렵다 (Otkin et al., 2018). 돌발가뭄이 발생하는 동안 높은 온도, 강한 바람 및 낮은 상대습도 등을 동반하며 (Otkin et al., 2013), 토양수분의 급격한 감소를 유발하면서 식물의 수분스트레스가 증가하게 된다. 또한, 증발 수요가 커지는 작물 생장시기에 돌발가뭄이 발생하면 농작물 수확량이 감소하고 농업 및 경제 생태계에 광범위한 피해를 줄 수 있다 (Otkin et al., 2019).

일반적으로 가뭄 해석을 위하여 활용되는 가뭄지수는 가뭄의 발생빈도, 심도, 피해면적 및 지속기간 등을 고려하여 산정되며 (Nam et al., 2012), 국외에서는 토양수분 또는 증발산량을 활용한 가뭄지수를 통해 돌발가뭄의 발생 시기를 감지 및 모니터링하고 있다. Yao et al. (2018)은 증발 수요에 따른 가뭄 판단지표인 Evaporative Demand Drought Index (EDDI)를 활용하여 돌발가뭄의 발생 및 해갈 능력을 평가하였으며, 증발산의 비율을 활용한 위성영상 기반 가뭄지수 Evaporative Stress Index (ESI) 개념을 통해 돌발가뭄 분석 연구도 수행되었다 (Otkin et al., 2014; Nguyen et al., 2019; Christian et al., 2019). O and Park (2023)은 유럽에서의 돌발가뭄의 생태학적 영향에 대한 평가를 위하여 Gross Primary Production (GPP)와 Leaf Area Index (LAI)를 활용하였으며, 식생에 대한 영향을 분석하여 돌발가뭄의 지역적 특성을 강조하였다. 국내에서는 Lee et al. (2021; 2022)이 ESI, EDDI를 활용하여 국내 돌발가뭄 감지 및 모니터링 연구를 수행하여 돌발가뭄 발생시기별 특성에 대하여 분석한 바 있다.

돌발가뭄의 발생 시기에 대한 감지 능력을 중점적으로 수행한 기존 연구와는 달리, Otkin et al. (2021)은 돌발가뭄의 특성을 평가할 때 가뭄이 급격하게 심화되는 속도와 가뭄 심각도를 고려하기 위하여 Flash Drought Intensity Index (FDII)를 개발하였다. FDII는 가뭄이 심화되는 속도에만 초점을 맞춘 기존 방법보다 유용한 돌발가뭄 분석 지표로 활용할 수 있다. FDII 산정을 위하여 활용하는 가뭄의 심화속도는 돌발가뭄 발생 시기를 감지하며, 가뭄 심각도를 고려하여 돌발가뭄에 대한 강도를 정량화하고 서로 다른 시기 및 지역에서 발생하는 돌발가뭄을 평가할 수 있다. 또한, 돌발가뭄과 같은 극단적인 기후현상에 대하여 농업 및 자연생태계에 미치는 영향을 파악하기 위하여 활용할 수 있다.

본 연구에서는 국내 돌발가뭄으로 감지된 시기 및 지역에 대하여 FDII 적용을 통해 시기별 돌발가뭄의 특성과 지역별 돌발가뭄 강도를 비교하였다. 또한, 폭염 또는 강수부족 중심의 돌발가뭄 발생 시 FDII의 강도 변화를 비교하여 돌발가뭄의 메커니즘을 분석하고자 한다.

Ⅱ. 연구 방법

1. 연구대상 시기 및 지역

본 연구에서는 Lee et al. (2022)에서 제시한 국내 돌발가뭄 발생 시기를 참고하여 해당 시기에 대한 돌발가뭄 강도를 정량화하였다. Fig. 1과 같이 도서지역을 제외한 국내 도 단위를 중심으로 2014년부터 2018년까지 5년간 총 7회의 돌발가뭄이 발생하였다. 경기도 (Gyeonggi-do, GG), 경상북도 (Gyeongsangbuk-do, GB), 전라남도 (Jeollanam-do, JN), 전라북도 (Jeollabuk-do, JB), 충청남도 (Chungchengnam-do, CN)에서 각 1회 및 충청북도 (Chungcheongbuk-do, CB)에서 2회 발생하였으며, 도 단위의 FDII를 산정하였다.

NGHHCI_2023_v65n3_57_f0001.png 이미지

Fig. 1 Regions in South Korea where flash droughts occurred from 2014 to 2018

2. Flash Drought Intensity Index (FDII)

FDII는 돌발가뭄의 강도를 정량화하기 위한 가뭄지수이며, 가뭄의 심화속도와 평균 심각도를 활용하여 산정한다 (Otkin et al., 2021). 두 가지 요소를 가진 특징으로 “FD-two”로 명칭하며, 일반적으로 가뭄 및 비가뭄에 대한 정도를 나타내는 아노말리 (anomaly) 대신 백분위수 (percentile)를 활용한다. 또한, 5일 단위의 시간 개념을 나타내는 ‘pentad’를 활용하여 기본적으로 4 pentads (20일) 기간의 토양수분 15 percentile 감소에 해당하는 최소 심화율을 활용한다. 이러한 기준은 기존 돌발가뭄 관련 연구에서 활용되는 기준을 전제조건으로 하여 유사하게 적용하였다 (Liu et al., 2020).

가뭄의 심화속도를 의미하는 FD_INT는 최소, 최대 심화속도를 활용하여 산정하며, 최소 심화속도인 2 pentads 기간의 7.5 percentile 감소부터 최대 심화속도인 10 pentads 기간의 37.5 percentile 감소까지 다양하다. FD_INT는 식 (1)과 같이 산정한다.

\(\begin{aligned}F D \_I N T=\left(\frac{\triangle P E R \_B A S E}{\triangle T_{-} B A S E}\right)^{-1} \times\left(\frac{\triangle P E R \_O B S}{\Delta T_{-} O B S}\right)_{\max }\end{aligned}\)       (1)

여기서, ∆PER_BASE는 4 pentads (=∆T_BASE) 기간 토양수분 15 percentile 만큼 감소하는 최소 심화율을 의미하며, 즉 ∆T_BASE 기간의 15 percentile 만큼 감소하는 percentile을 뜻한다. ∆PER_OBS는 ∆T_BASE 기간의 첫 토양수분 percentile에서 돌발가뭄 발생에 대한 임계값인 20 percentile을 뺀 값이며, ∆T_OBS는 임계값에 도달할 때까지의 pentad 수를 나타낸다.

가뭄의 심각도를 나타내는 DRO_SEV는 돌발가뭄 발생으로 간주하는 임계값이 지난 후 최대 18 pentads, 약 90일 동안의 가뭄의 평균 심각도를 산정한다. DRO_SEV를 산정하는 방법은 식 (2)와 같다.

\(\begin{aligned}D R O \_S E V=\frac{1}{n p} \sum_{n=1}^{n p}\left(D R O \_B A S E-D R O \_O B S(n)\right)\end{aligned}\)       (2)

여기서, np는 20 percentile을 초과하여 토양수분이 회복되는 시기까지의 pentad 수를 뜻하며, DRO_BASE는 돌발가뭄 발생에 대한 임계값인 20 percentile로 상수이다. DRO_OBS(n)은 임계값이 지나 20 percentile로 감소한 이후 np까지 각 pentad n일 때의 percentile을 의미한다. 이 때, DRO_OBS(n)의 토양수분 percentile은 임계값인 20 percentile을 초과할 수 없으며, 최대 18 pentads까지 산정한다.

FDII는 식 (3)과 같이 FD_INT와 DRO_SEV의 곱으로 산정되며, 토양수분의 감소율 및 지속적인 토양수분 부족으로 돌발가뭄의 발생을 도출한다.

FDII = FD_INT × DRO_SEV       (3)

3. FDII 산정을 위한 토양수분 자료

FDII는 토양수분 percentile을 활용하여 산정하는 가뭄지수이며, 적절한 percentile을 표출하기 위하여 가능한 많은 데이터를 활용하는 것이 유리하다. 우리나라의 경우 전국을 대상으로 토양수분 자료를 관측 및 산정한 기간이 길지 않으며, 지점자료 기반 지상관측자료로 해상도 측면에서 한계가 있다. 또한, 기존 토양수분 관측자료에 대한 공유 및 통합과정이 부족하여 대부분 원활한 보정이 이루어지지 않는 상황이다 (Kim et al., 2015).

본 연구에서는 GRACE (Gravity Recoverty and Climate Experiment) 위성영상 기반 토양수분 자료를 통해 격자단위 토양수분 값을 추출하여 FDII 산정을 위한 토양수분 percentile을 도출하였다. GRACE는 지구의 중력장 변화를 측정하여 토양수분을 추정하며, 이러한 변화는 토양수분, 지하수, 지표수, 캐노피 차단 및 습식 바이오매스 등의 합계인 Terrestrial Water Storage (TWS)를 반영한다 (Li et al., 2019). 미국 항공우주국 NASA (National Aeronautics and Space Administration)에서는 주 단위 0.25° 공간해상도의 토양수분 자료를 제공하고 있으며, 본 연구에서는 2003년부터 2018년까지 취득 가능한 모든 영상 기반 격자단위의 근역층 토양수분 값을 추출하여 약 294만 개의 격자를 통해 토양수분 percentile을 산정하였다. 또한, 2014년부터 2018년 사이의 발생한 돌발가뭄을 분석하기 위하여 기존 pentad 기준의 시간 단위가 아닌 GRACE 위성영상 자료 제공 주기인 주 (week) 단위 FDII를 산정하였으며, 토양수분 percentile이 감소하는 FD_INT 시작 시기를 T1으로 나타내었다. 산정한 토양수분 percentile은 United States Drought Monitor (USDM)에서 제시하는 percentile 기반 5단계의 가뭄 단계를 활용하여 국내 전역에 대한 공간분포 양상을 표현하는 것에 활용하였다. Table 1과 같이 가뭄 단계를 구분하며, Z-score 표준화를 통해 D0부터 D4까지 USDM 기준 5단계에 임계값을 산정하였다.

Table 1 The drought categories of soil moisture based on GRACE using USDM

NGHHCI_2023_v65n3_57_t0001.png 이미지

Ⅲ. 적용 및 결과

1. 토양수분 백분위 기반 공간분포

과거 2014년부터 2018년까지 5년간 발생한 돌발가뭄은 일반적인 가뭄과 유사한 2016년을 제외하고 2015년의 경우, 강수부족 중심, 2018년은 폭염의 특징을 나타낸다. 실제로 2014년의 가뭄 상황이 2015년으로 전달되어 평년 대비 42.3%의 적은 강수량을 기록하였으며, 9월 말 전국 농업용 저수지 저수율은 65.4%로 평년에 비하여 13.6% 낮은 수치를 나타내었다 (Lee et al., 2016). 또한, 2018년의 경우 전년도 겨울부터 시작된 가뭄의 영향으로 6월부터 8월까지 여름철 폭염이 발생하였으며, 1973년 이래 1994년과 2018년이 가장 큰 폭염일수를 나타내었다 (Yoo et al., 2021).

해당 시기별 표준강수지수 (Standardized Precipitation Index, SPI), 토양수분 (Soil Moisture, SM), 최고기온 (Temperature Maximum, TM), 상대습도 (Relative Humidity, RH), 강수 (Precipitation, PR) 등 수문기상학적 요소에 대한 상관성을 Table 2와 같이 나타내었다. 2015년 발생한 돌발가뭄은 다른 시기와 비교하여 강수 지표에 대한 상관성이 높게 나타났으며, 상대적으로 강수부족 중심의 돌발가뭄이 발생한 것으로 판단하였다. 2018년의 경우 다른 시기와 비교하여 상대습도, 강수 지표에 대한 상관성이 낮게 나타났으며, 2018년의 발생한 돌발가뭄은 토양수분 및 최고기온에 대한 요소가 큰 영향을 미치면서 폭염 중심의 돌발가뭄이 발생한 것으로 판단된다. 또한, 대부분의 돌발가뭄 발생 시기에서 SPI, 토양수분, 최고기온에 대한 상관성은 높게 나타났다.

Table 2 Correlation coefficient by hydrometeorological factor for the period of flash drought (Lee et al., 2022)

NGHHCI_2023_v65n3_57_t0002.png 이미지

1) SPI : Standardized Precipitation Index 2) SM : Soil Moisture

3) TM : Temperature Maximum 4) RH : Relative Humidity

5) PR : Precipitation

해당 시기에 대하여 GRACE 위성영상 기반 토양수분 자료를 활용하여 공간분포 양상을 분석하였다. USDM 기준 가뭄 단계를 활용하여 Fig. 2와 같이 GRACE 위성영상 기반 토양수분 percentile의 월별 공간분포 양상을 표현하였다. 해당 시기 돌발가뭄 발생 지역은 검은색 원으로 나타내었다.

NGHHCI_2023_v65n3_57_f0002.png 이미지

Fig. 2 Spatial distribution of soil moisture for flash drought events in South Korea

2015년의 경우 전국적으로 낮은 토양수분 분포를 보여주고 있으며, 3월에는 경기도 및 강원도 지역에 대한 가뭄 단계가 극심하게 나타났다. 4, 5월에는 경기 북부 및 강원도 지역에 대하여 가뭄 단계가 나타났으며, 돌발가뭄으로 감지된 6월에 전국적으로 가뭄 단계가 나타났다. 이후 7, 8월에는 남부 지방을 제외한 지역에서 낮은 토양수분 분포를 표현하였다.

2016년은 6월 강원도 지역에 대한 가뭄 단계가 나타났으며, 돌발가뭄 발생 이전인 8월에 경기도, 충청북도, 경상북도 지역에 대한 가뭄 단계를 표현하였다. 하지만 돌발가뭄으로 감지된 9월에는 경기도 및 충청도 지역에 대한 약한 가뭄 단계가 나타났으며, 돌발가뭄 발생 지역으로 감지된 경상북도 및 전라남도 지역에 대한 가뭄 단계는 확인하기 어려웠다.

2018년 토양수분 공간분포는 8월을 제외한 대부분의 시기에서 정상 단계를 표현하였다. 돌발가뭄 발생 시기로 감지된 8월에는 경기도, 강원도, 충청북도, 전라북도, 경상남도에 대한 가뭄 단계가 나타났으며, 충청남도 및 경상북도 지역에도 일부 낮은 토양수분 분포를 표출하였다. 다른 시기와 비교하여 돌발가뭄 발생 이전 정상 단계를 보였으며, 단기간에 가뭄 발생 및 해갈이 진행되었다.

토양수분 percentile의 월별 공간분포 양상은 선행연구에서 제시한 돌발가뭄 발생 시기 및 지역과 근소한 차이를 보였다. 특히, 2016년의 경우 돌발가뭄 발생 지역으로 제시된 경상북도와 전라남도는 대부분 정상 단계를 표현하였다. 기존 연구에서는 돌발가뭄 감지를 위하여 증발산 기반의 가뭄지표를 활용하였으며, 본 연구와 다른 인자를 적용하기 때문에 차이가 나타난 것으로 판단된다.

Table 3은 Fig. 2의 월별 공간분포 양상에서 돌발가뭄 발생 직전 시기와 발생 시기의 가뭄 단계별 격자 개수를 비교한 것이다. 2016년을 제외한 대부분의 지역에서 20 percentile 이하 수준의 가뭄 단계인 D1을 중심으로 돌발가뭄 발생 시기에 극심한 가뭄 단계의 격자 개수가 증가하였다. 특히, 2018년의 경우 돌발가뭄 발생 이전 7월 가뭄 단계는 전 지역에서 정상이었으나, 돌발가뭄 발생 시기인 8월에 대하여 극심한 가뭄 단계에 대한 격자 개수가 증가하였다.

Table 3 Grid changes for drought categories before and after flash droughts

NGHHCI_2023_v65n3_57_t0003.png 이미지

2. 돌발가뭄 발생시기 FDII 적용

가. 2015년 돌발가뭄 사상

2015년 6월 경기도 (GG), 충청북도 (CB) 지역에서 발생한 돌발가뭄은 Fig. 3과 같이 4월 중순부터 급격한 토양수분 감소가 이루어졌으며, 5월 중순을 기점으로 토양수분이 돌발가뭄 발생의 임계값인 20 percentile 이하로 감소된 상태를 유지하였다. 7월 중순 이후 토양수분이 증가하는 시기도 있었지만, 다시 20 percentile 이하로 감소하였다.

NGHHCI_2023_v65n3_57_f0003.png 이미지

Fig. 3 Soil moisture percentile changes for flash droughts in 2015

가뭄 심화속도 FD_INT, 평균 심각도 DRO_SEV, FDII는 Table 4와 같다. 4월 20일부터 5월 중순 토양수분의 감소율을 통해 산정할 수 있으며, 경기도의 경우 3주, 충청북도의 경우 4주 동안 토양수분 percentile이 감소하여 이후 20 percentile 이하를 유지하였다. 이를 통해 경기도에서 발생한 돌발가뭄의 심화속도 FD_INT는 4.9, 충청북도는 6.8의 값이 나타났다. 경기도 지역의 돌발가뭄 발생 임계값 도달이 더 빠르게 나타났지만, 충청북도 지역에서 토양수분이 감소하기 시작하는 시기의 percentile이 약 70 percentile로 높은 위치에서부터 감소하였기 때문에 가뭄 심화속도가 더 크게 나타난 것으로 판단된다. DRO_SEV는 경기도 충청북도 지역에서 모두 7월에 일시적으로 토양수분 20 percentile을 초과한 것 이외로 대부분의 시기에서 토양수분 20 percentile보다 낮은 값이 나타났다. 따라서 최대 18 pentads, 즉 90일 기간에 대한 평균 심각도를 산정하였으며, 토양수분 20 percentile을 초과하는 시기에 대해서는 0 값으로 산정하였다. 경기도에서 발생한 평균 심각도 DRO_SEV가 10.8, 충청북도 지역은 11.7로 산정되었으며, 7월 중순 이후 충청북도 지역의 토양수분 percentile이 경기도보다 낮은 값을 보이면서 더 높은 심각도가 나타난 것으로 판단된다. 2015년 경기도, 충청북도 지역에서 발생한 돌발가뭄에 대하여 FDII는 경기도 53.5, 충청북도 79.0으로 충청북도 지역에서 발생한 돌발가뭄의 강도가 더 크다는 것을 확인하였다.

Table 4 FDII for flash drought events in 2015

NGHHCI_2023_v65n3_57_t0004.png 이미지

나. 2016년 돌발가뭄 사상

2016년 9월 경상북도 (GB), 전라남도 (JN)에서 발생한 돌발가뭄에 대한 토양수분 percentile 변화는 Fig. 4와 같다. 7월 초순 경상북도와 전라남도 지역에서 모두 토양수분 percentile이 감소하기 시작하며, 7월 말 이후에는 감소율이 심화되면서 8월 중순 경상북도 지역에서는 토양수분 20 percentile 이하로 감소하였다. 이후 경상북도 지역은 단기간으로 토양수분 20 percentile 이하를 나타내었으며, 8월 말부터는 정상적인 수치까지 상승하였다. 전라남도에서 발생한 돌발가뭄은 돌발가뭄 발생 임계값에 도달하지 못하였으며, 이후 변화에서도 가뭄 심각도에 대한 부분을 판단하는 것에 한계가 있었다.

NGHHCI_2023_v65n3_57_f0004.png 이미지

Fig. 4 Soil moisture percentile changes for flash droughts in 2016

가뭄 심화속도 FD_INT, 평균 심각도 DRO_SEV, FDII는 Table 5와 같다. 7월 4일을 기준으로 8월 15일까지 7주 동안 토양수분 percentile이 감소하였다. 경상북도에서 발생한 돌발가뭄의 심화속도 FD_INT는 4.9로 나타났으며, 토양수분 percentile이 임계값까지 도달하는 시간이 길지만 높은 토양수분 percentile에서부터 감소하였기 때문에 2015년 경기도에서 발생한 돌발가뭄 심화속도와 유사하다고 판단하였다. DRO_SEV는 경상북도 지역 2.5가 나타났으며, 2015년 돌발가뭄이 발생한 지역과 비교하여 매우 낮은 값이 산정되었다. 이는 돌발가뭄 발생 임계값에 도달한 이후 토양수분 20 percentile 이하인 시기가 짧고, 토양수분이 회복되는 시기가 빠르기 때문에 가뭄 심각도는 낮게 나타났다. 경상북도 지역의 FDII는 12.3으로 나타났으며, 2015년과 비교하여 낮은 수치를 보이면서 2016년 경상북도에서 발생한 돌발가뭄의 강도가 더 작다는 것을 확인하였다.

Table 5 FDII for flash drought events in 2016

NGHHCI_2023_v65n3_57_t0005.png 이미지

다. 2018년 돌발가뭄 사상

2018년 돌발가뭄은 충청북도 (CB), 충청남도 (CN), 전라북도 (JB) 세 곳에서 8월 하순 발생하였으며, 토양수분에 대한 변화는 Fig. 5와 같다. 7월에 들어서면서 8∼90 percentile 위치에서 급격하게 토양수분이 감소하기 시작하였으며, 충청북도의 경우 7월 말, 충청남도 및 전라북도의 경우 8월 초 돌발가뭄 발생 임계값에 도달하면서 토양수분 percentile이 지속적으로 감소하였다. 약 2∼3주 동안 0 percentile 가까이 토양수분이 극심하게 낮아졌으며, 8월 20일 이후부터는 세 지역 모두 토양수분이 빠르게 상승하면서 회복된 것을 확인하였다.

NGHHCI_2023_v65n3_57_f0005.png 이미지

Fig. 5 Soil moisture percentile changes for flash droughts in 2018

2018년 발생한 돌발가뭄에 대하여 Table 6과 같이 FDII를 산정하였다. 충청북도 지역에서 발생한 돌발가뭄은 다른 지역과 비교하여 낮은 토양수분 percentile에서 감소하였지만, 급격하게 감소하면서 4주 만에 돌발가뭄 발생 임계값에 도달하였다. 이를 통해 FD_INT 값은 충청북도 9.9, 충청남도 8.3, 전라북도 7.6으로 충청북도 지역이 가장 높게 나타났다. 평균 심각도 DRO_SEV는 세 지역 모두 약 2∼3주 기간에 대한 가뭄 심각도가 계산되며, 충청북도 17.4, 충청남도 15.3, 전라북도 9.3으로 나타났다. 이를 통해 FDII는 각각 171.9, 126.5, 70.2로 충청북도, 충청남도, 전라북도 순으로 높게 나타났다. 충청북도의 경우 단기간 돌발가뭄 발생 임계값 도달 및 돌발가뭄 발생 이후 급격한 토양수분 percentile 감소 경향을 보이면서 세 지역 중 충청북도 지역의 돌발가뭄 강도가 더 크다는 것을 확인하였다.

Table 6 FDII for flash drought events in 2018

NGHHCI_2023_v65n3_57_t0006.png 이미지

3. 시기별 FDII 비교를 통한 돌발가뭄 해석

2015, 2016, 2018년에 발생한 돌발가뭄에 대한 비교를 위하여 Fig. 6과 같이 토양수분 percentile 변동성을 표현하였다. 지역별 동일시기에 대한 토양수분 percentile의 평균값을 도식화하였으며, 2016년의 경우 돌발가뭄 발생 임계값에 도달하지 못한 전라남도 지역은 제외하였다. 또한, Fig. 6에서 제시하는 각 연도별 토양수분 percentile의 변화를 Table 7과 같이 정리하였다.

NGHHCI_2023_v65n3_57_f0006.png 이미지

Fig. 6 Comparison of percentile changes in soil moisture by period of flash drought

Table 7 The changes in soil moisture percentile due to the occurrence of flash drought

NGHHCI_2023_v65n3_57_t0007.png 이미지

* Yellow color : The onset of flash drought

* Blue color : Mitigating flash drought

2015, 2018년의 경우 T1 이후 토양수분 percentile이 감소하기 시작하면서 T5에 돌발가뭄 발생 임계값에 도달하였으며, 이후 토양수분 percentile이 극심하게 감소하는 경향을 나타내었다. 하지만 2018년의 FDII가 높게 나타나면서 2015년보다 돌발가뭄의 강도가 더 큰 것으로 나타났으며, 이는 2018년에 높은 토양수분 percentile 위치에서 급격하게 토양수분이 감소하면서 같은 기간 더 큰 감소율을 나타내었기 때문에 2015년보다 2018년의 FD_INT가 크게 나타난 것으로 판단하였다. 또한, DRO_SEV는 유사한 변동성을 보였지만, 2015년의 경우 저조한 토양수분 percentile이 지속되면서 단기간 급격하게 토양수분이 감소한 2018년에 비해 낮게 나타났다.

2016년의 경우 2018년과 마찬가지로 높은 토양수분 percentile 위치에서 토양수분이 감소하였으며, 돌발가뭄 발생 임계값에 도달하는 시기 (T8)는 상대적으로 길게 나타났다. 이를 통해 다른 시기에 비해 FD_INT가 낮게 나타났으며, 이후 토양수분 percentile의 감소 및 지속되는 시기가 짧고 토양수분이 회복되는 시기가 빠르기 때문에 DRO_SEV도 낮은 값을 도출하였다.

Ⅳ. 결론

본 연구에서는 기존 돌발가뭄 분석 방법을 통해 감지된 국내 돌발가뭄 발생 시기 및 지역에 대하여 가뭄의 강도를 정량화하여 비교 및 분석하였다. 돌발가뭄의 강도를 비교하기 위하여 GRACE 위성영상의 토양수분 자료를 활용하였으며, 백분위수를 적용하여 FDII를 산정하였다. FDII는 토양수분 percentile의 변화를 통해 가뭄 심화속도인 FD_INT, 가뭄 평균 심각도 DRO_SEV의 곱으로 산정하며, 2014년부터 2018년까지 돌발가뭄이 발생한 지역에 적용하였다.

2015년에 발생한 돌발가뭄은 강수부족, 2016년에 발생한 돌발가뭄은 일반적인 가뭄, 2018년에 발생한 돌발가뭄은 폭염 중심의 특성이 있는 것으로 판단하였다. 해당 시기에 FDII를 적용한 결과, 2018년에 돌발가뭄이 발생한 충청북도, 충청남도, 전라북도에 대하여 높은 FDII 값이 나타났다. 일반적인 가뭄과 유사한 상관성을 나타낸 2016년의 경우 가장 낮은 FDII 값을 나타내었으며, 돌발가뭄으로 감지된 전라남도 지역은 FDII 기준 돌발가뭄 발생 임계값에 도달하지 못하였다. 강수부족 중심의 돌발가뭄이 발생한 2015년은 2018년보다 가뭄의 심화속도가 더 느리고 가뭄 심각도도 낮았으며, 전반적으로 FDII 값이 더 낮게 나타났다. 하지만 돌발가뭄 발생 임계값 도달 이후 최대 90일까지 지속적으로 낮은 토양수분 percentile을 보이면서 가뭄 발생기간이 긴 것으로 판단하였다.

2015, 2018년의 경우 가뭄 심화속도보다 가뭄 평균 심각도가 더 큰 값으로 나타난 반면, 2016년 경상북도 지역은 가뭄 심화속도가 더 크게 나타났다. 토양수분 percentile이 임계값에 도달한 이후 단기간에 회복되었기 때문에 가뭄 평균 심각도가 낮게 난 것으로 판단되며, 2018년의 경우 마찬가지로 단기간에 토양수분이 회복되지만 짧은 시기에 토양수분이 극심하게 감소하면서 높은 DRO_SEV 값을 나타내었다. 또한, 돌발가뭄 발생 시기 전후 전국적으로 정상 단계를 표출하였으며, 돌발가뭄 발생이 감지된 8월에 대해서만 가뭄 단계를 표출하면서 가뭄의 발생 및 해갈에 민감하게 나타났다. 이를 통해 강수부족 중심의 돌발가뭄이 발생한 2015년 및 일반적인 가뭄과 유사한 2016년과 비교하여 폭염 중심의 돌발가뭄이 발생한 2018년은 가뭄 임계값으로 심화되는 속도가 빠르고 회복되는 시기가 빠르지만, 가뭄 평균 심각도도 크게 나타나면서 지속적인 가뭄을 나타낸 2015년만큼 큰 가뭄 피해를 나타내는 것으로 판단된다.

최근 기후변화로 인한 자연적인 영향으로부터 가뭄의 형태가 변화하고 있으며, 돌발가뭄과 같은 단기가뭄은 감지 및 모니터링의 한계가 있다. FDII는 이러한 변화를 감지할 수 있는 위성영상 기반 토양수분 자료를 통해 산정하며, 돌발가뭄의 발생 유무 및 정량적인 강도를 표현하여 한계를 극복할 수 있다. 본 연구를 통해 가뭄의 정량적인 판단으로 돌발가뭄에 대한 특성을 분석하고 결과를 도출하였으며, 향후 대상지역의 세분화 및 장기적인 관점에서의 FDII 적용으로 신뢰성 높은 국내 돌발가뭄 분석 기술로 활용할 수 있을 것으로 기대된다.

감사의 글

본 연구는 정부 (과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. NRF-2021R1A2C1093245)을 받아 수행되었습니다.

References

  1. Christian, J. I., J. B. Basara, J. A. Otkin, E. D. Hunt, R. A. Wakefield, P. X. Flanagan, and X. Xiao, 2019. A methodology for flash drought identification: application of flash drought frequency across the United States. Journal of Hydrometeorology 20(5): 833-846. doi:10.1175/JHM-D18-0198.1. 
  2. Kim, S. K., J. M. Park, K. Y. Kim, and M. H. Choi, 2015. Current status and prospect of ground observation soil moisture data in korea. Water for Future 48(12): 16-21. (in Korean). 
  3. Lee, H. J., W. H. Nam, D. H. Yoon, M. D. Svoboda, and B. D. Wardlow, 2021. Detection of flash drought using evaporative stress index in South Korea. Journal of Korea Water Resources Association 54(8): 577-587. doi:10.3741/JKWRA.2021.54.8.577. (in Korean). 
  4. Lee, H. J., W. H. Nam, D. H. Yoon, M. D. Svoboda, and B. D. Wardlow, 2022. Flash drought mechanism and characteristics in South Korea. Journal of the Korean Society of Hazard Mitigation 22(3): 25-35. doi:10.9798/KOSHAM.2022.22.3.25. (in Korean). 
  5. Lee, J. W., S. S Jang, S. R. Ahn, K. W. Park, and S. J. Kim, 2016. Evaluation of the relationship between meteorological, agricultural and in-situ big data droughts. Journal of the Korean Association of Geographic Information Studies 19(1): 64-79. doi:10.11108/kagis.2016.19.1.064. (in Korean). 
  6. Li, B., M. Rodell, S, Kumar, H. K. Beaudoing, A. Getirana, B. F. Zaitchik, L. G. Goncalves, C. Cossetin, S. Bhanja, A. Mukherjee, S. Tian, N. Tangdamrongsub, D. Long, J. Nanteza, J. L, F. Policelli, I. B. Goni, D. Daira, M. Bila, G. Lannoy, D. Mocko, S. C. Steele-Dunne, H. Save, and S. Bettadpur, 2019. Global GRACE data assimilation for groundwater and drought monitoring: Advances and Challenges. Water Resources Research 55(9): 7564-7586. doi:10.1029/2018WR024618. 
  7. Liu, Y., Y. Zhu, L. Zhang, L. Ren, F . Yuan, X. Yang, and S. Jiang, 2020. Flash droughts characterization over China: From a perspective of the rapid intensification rate. Science of the Total Environment 704: 1-14. doi:10.1016/j.scitotenv.2019.135373. 
  8. Nam, W. H., J. Y. Choi, S. H. Yoo, and B. A. Engel, 2012. A real-time online drought broadcast system for monitoring soil moisture index. KSCE Journal of Civil Engineering 16(3): 357-365. doi:10.1007/s12205-012-1357-3. 
  9. Nam, W. H., M. J. Hayes, D. A. Wilhite, T. Tadesse, M. D. Svoboda, and C. Knutson, 2014. Drought management and policy based on risk assessment in the context of climate change. Magazine of the Korean Society of Agricultural Engineers 56(2): 2-15. (in Korean). 
  10. Nam, W. H., M. J. Hayes, M. D. Svoboda, T. Tadesse, and D. A. Wilhite, 2015. 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. 
  11. Nguyen, H., M. C. Wheeler, J. A. Otkin, T. Cowan, A. F rost, and R. Stone, 2019. Using the evaporative stress index to monitor flash drought in Australia. Environmental Research Letters 14(6): 1-9. doi:10.1088/1748-9326/ab2103. 
  12. Otkin, J. A., M. C. Anderson, C. Hain, I. E. Mladenova, J. B. Basara, and M. Svoboda, 2013. Examining rapid onset drought development using thermal infrared-based evaporative stress index. Journal of Hydrometeorology 14:1057-1074. doi:10.1175/JHM-D-12-0144.1. 
  13. Otkin, J. A., M. C. Anderson, C. Hain, and M. Svoboda, 2014. Examining the relationship between drought development and rapid changes in the evaporative stress index. Journal of Hydrometeorology 15: 938-956. doi:10.1175/JHM-D-13-0110.1. 
  14. Otkin, J. A., M. Svoboda, E. D. Hunt, T. W. Ford, M. C. Anderson, C. Hain, and J. B. Basara, 2018. Flash droughts: A review and assessment of the challenges imposed by rapid-onset droughts in the United States. Bulletin of the American Meteorological Society 99(5):911-919. doi:10.1175/BAMS-D-17-0149.1. 
  15. Otkin, J. A., Y. Zhong, E. D. Hunt, J. Basara, M. D. Svoboda, M. C. Anderson, and C. R. Hain, 2019. Assessing the evolution of soil moisture and vegetation conditions during a flash drought-flash recovery sequence over the South-Central United States. Journal of Hydrometeorology 20(3): 549-562. doi:10.1175/JHM-D18-0171.1. 
  16. Otkin, J. A., Y. Zhong, E. D. Hunt, J. I. Christian, J. B. Basara, H. Nguyen, M. C. Wheeler, T. W. Ford, A. Hoell, M. D. Svoboda, and M. C. Anderson, 2021. Development of a flash drought intensity index. Atmosphere 12(6):741-756. doi:10.3390/atmos12060741. 
  17. O, S., and S. G. Park, 2023. Flash drought drives rapid vegetation stress in arid regions in Europe. Environmental Research Letters 18(1): 1-9. doi:10.1088/1748-9326/acae3a. 
  18. Smith, A. D., and R. W. Katz, 2013. US billion-dollar weather and climate disasters: Data sources, trends, accuracy and biases. Natural Hazards 67: 387-410. doi:10.1007/s11069-013-0566-5. 
  19. 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. 
  20. Trenberth, K. E., J. Overpeck, and S. Solomon, 2004. Exploring drought and its implications for the future. EOS, Transactions, American Geophysical Union 85(3): 27. doi:10.1029/2004EO030004. 
  21. Van der Linden, E. C., R. J. Haarsma, and G. van der Schrier, 2019. Impact of climate model resolution on soil moisture projections in central-western Europe. Hydrology and Earth System Sciences 23: 191-206. doi:10.5194/hess23-191-2019. 
  22. Wilhite, D. A., M. J. Hayes, C. Knutson, and K. H. Smith, 2000. Planning for drought: Moving from crisis to risk management. Journal of the American Water Resources Association 36(4): 697-710.  https://doi.org/10.1111/j.1752-1688.2000.tb04299.x
  23. Yao, N., Y. Li, T. Lei, and L. Peng, 2018. Drought evolution, severity and trends in mainland China over 1961-2013. Science of the Total Environment 616-617:73-89. doi:10.1016/j.scitotenv.2017.10.327. 
  24. Yoo, J., J. G. Kim, J. H, and T. W. Kim, 2021. Impact assessment between heatwave and drought based on PLS-SEM. KSCE Journal of Civil and Environment Engineering Research 41(2): 113-121. doi:10.12652/Ksce.2021.41.2.0113. (in Korean). 
  25. Yuan, X., Y. Wang, P. Ji, P. Wu, J. Sheffield, and J. A. Otkin, 2023. A global transition to flash droughts under climate change. Science 380(6641): 187-191. doi:10.1126/science.abn630.