Ⅰ. 서론
대기 중 온실가스 농도 증가에 따른 기후변화가 인간의 삶을 직⋅간접적으로 위협하면서 기후변화의 예측과 대응 문제가 이슈화되고 있다 (IPCC, 2021). 이에 따라 기후변화의 심각성을 과학적으로 판단하고 적절한 대응방안을 모색하여 그 피해를 최소화하기 위한 노력이 이루어지고 있다 (ME, 2020). 기후변화에 따른 영향은 분야별 주요 기상요소에 따라 다양한 유형으로 나타난다. 기후변화 영향 예측을 위한 기상요소별 미래기상자료 구축에 있어 분야별로 요구되는 기상요소 및 기상자료의 시공간 해상도 등 특성이 다르므로 심도있는 맞춤형 연구가 필요하다 (Hwang et al., 2021). 미래 시나리오 기반 기후모델링 산출물의 격자단위 강우량 자료를 적용하여 상세화 과정을 거쳐 유역단위 또는 지점단위 미래 기후변화 영향을 평가하는 경우 상세화 (downscaling) 과정을 통한 자료 해상도의 변환은 필수적이며 적용 방법에 따른 불확실성도 크다 (Hagemann et al., 2011; Das and Umamahesh, 2016; Zhang et al., 2022). 농업부문은 기후의 영향을 크게 받는 분야로 지속가능한 농업생산과 기반시설의 안전성 및 설계와 관련한 기상요소에 대한 기후변화의 고려와 미래기상자료 생산을 위한 합리적인 방법론 개발이 필요하다 (Kim et al., 2021).
농업분야에서 활용하는 주요 관측 기상자료는 기상청 종관 기상관측지점 (ASOS) 또는 농촌진흥청의 농업기상관측망의 일단위 자료이다. 또한 국가 정책 수립에 기후변화 시나리오를 적용하기 위해서는 기상청이 공식적으로 배포하는 국가 표준 RCP 시나리오 격자단위 자료가 널리 이용된다. 이는 기후변화에 대응한 안정적 물관리와 농업기상재해의 예측을 위한 국내 농업분야 연구에 다양하게 활용되고 있다.
Nam et al. (2014)은 RCP 4.5 및 8.5 표준 시나리오를 활용하여 남원과 수원 기상관측소의 위경도에 근접한 격자자료를 사용하여 남원과 수원 지역의 과거 기준기간 대비 미래기간의 기후 인자 및 유역 유입량, 용수공급 취약성 변화 분석을 통해 각 지역의 농업용 저수지에 대한 용수공급의 지속가능성을 전망하였고, Kim and yun (2015)은 RCP 8.5 표준 시나리오를 활용하여 전주 기상관측소의 위경도에 근접한 격자자료를 사용하여 농업가뭄지수를 계산하여 미래기간 전주 지역의 가뭄 발생양상을 전망하였으며, Lee and Noh (2015)는 RCP 8.5 표준 시나리오를 활용하여 금강 미호천 상류 지역의 기상 관측소 위경도에 근접한 강수량과 평균기온 격자자료를 추출하여 하천유량을 모의하여 농업용 저수지군의 운영이 미래 하천유량에 미치는 영향을 평가한 바 있다. 또한, Kim et al.(2019)은 농업용 저수지의 미래기간 가뭄을 평가하기 위해 한국농어촌공사에서 관리하는 농업용 저수지 중 실시간 계측이 가능한 저수지에 대하여 6개의 RCP 8.5 표준 시나리오를 활용하여 저수지 가뭄지수 산정과 저수율 예측 회귀식에 적용하여 저수율 예측한 바 있다. 이와 같이 연구 목적에 맞는 공간적 분포와 해상도 자료를 생산하기 위해 대부분의 선행 연구들은 종관기상관측 지점에 가장 근접한 격자자료를 대푯값으로 사용하여 최종적으로 종관기상관측망의 공간해상도를 가지는 기상자료를 활용하는 것이 일반적이다.
한편 농업 관련 물관리 정책에 있어 기후변화를 고려하기 위한 공간적 단위로서 농촌용수구역 단위 자료의 수요가 있다. 농어촌정비법 제15조 제1항에 따라 농업용수의 효율적인 개발⋅이용 및 보전 등을 위하여 ‘농어촌용수이용합리화계획’을 주기적으로 수립하고 있으며 농어촌용수의 체계적 개발과 합리적 이용 및 수질 관리⋅보전을 위해 농촌용수구역을 설정하여 운용하도록 하고 있다. 지금까지 농업용수 관리를 위한 계획 수립에 필요한 농촌용수구역 단위 기상정보를 생산하는 경우, 종관기상관측소 지점자료를 티센 (Thiessen)망을 이용한 면적가중치, 역거리가중법 (IDW)을 적용하여 농촌용수구역 면적단위 기상자료로 변환하는 방법이 일반적으로 적용되어왔다 (Park et al., 2007; Song et al., 2013). 하지만 이 경우 농촌용수구역과 같이 좁은 공간적 범위에서 산간지역이나 도서지역과 같이 특수한 지형을 가지고 있는 지역에 대해 한정된 격자형 미래기상자료를 가공할 경우 기상정보가 훼손되거나 왜곡될 수 있다 (Park and Choi, 2014).
최근, 농어촌용수 및 농업생산기반시설에 대한 기후변화 영향⋅취약성 평가를 위해 격자단위 미래기상자료를 활용한 용수구역별 대표기상자료의 생산이 요구되고 있다 (Kim et al., 2018). 농촌용수구역 단위 기상자료를 생산하고 활용하는 연구사례도 다양하다. Oh et al. (2020)는 전국의 511개 용수구역을 분류하고 지하수 관측자료를 활용하여 가뭄 대응형 지하수 개발 우선순위를 선정하였고, Kim et al. (2021)은 김천시를 대상으로 중권역 단위의 기후변화시나리오를 김천시 내의 8개 구역 면적비를 적용시켜 용수구역 단위의 기후변화 시나리오로 변환하여 미래의 기상학적 및 수문학적 가뭄을 전망하여 기준갈수량을 제시한 바 있다. 이와 같이 다양한 방법으로 기상자료를 가공하여 농촌용수구역 단위 상세화 기상자료를 구축하는 시도가 이루어지고 있는 가운데, 시기별 강우특성이 다르고 강우의 공간변동성이 큰 몬순기후대에 속해있는 우리나라의 경우에도 단순 보간 방법이나 면적평균 방법을 적용한 상세화가 주로 이루어지고 있다. 공간해상도 변환 방법에 따라 극한사상과 지역의 평균적 특성을 재현하는 데에 결과의 차이가 있을 수 있으며 이러한 특성에 관한 연구가 필요하다.
본 연구에서는 기상청에서 제공하는 국가 표준 RCP 시나리오 자료 중 다른 해상도를 가지는 격자단위 강수량 자료와 다양한 방법론을 적용하여 연구 대상 공간단위인 511개 농촌 용수구역 단위 대표기상자료를 생산하고자 한다. 과거기간의 기후모델 시나리오 자료에 대한 재현성을 분석하고 미래기간의 용수구역단위 기후특성변화를 분석하여 제시하였으며 다양한 공간해상도 변환⋅가공방법에 따른 기상요소별 자료 특성과 차이점을 고찰하고자 한다 (Fig. 1). 본 연구에서 제시한 다양한 적용 방법에 따른 차이점과 유의점에 대해서는 RCP 시나리오뿐만 아니라 다른 시나리오 기반의 격자단위 미래기상자료가 배포될 경우 동일하게 고려될 수 있다.
Fig. 1 Framework of the study
Ⅱ. 연구자료 및 방법
1. 관측 기상자료
기상청 종관기상관측소 (ASOS) 관측자료 중 강수량 (mm) 일단위 자료에 대해서 1981년부터 2020년까지 관측자료가 구축된 73개 지점을 선정하여 연구에 적용하였다. Table 1은 연구에서 적용한 종관기상관측소의 위치와 자료기간 등 정보를 정리한 표이다. 지점단위 관측 강수량을 이용하여 산출한 과거기간 기상지표를 바탕으로 기후변화 시나리오 자료의 재현성과 미래 변동성을 분석하였다.
Table 1 Description of ASOS stations used in the study
* Data from April 1, 2011 to April 12, 2011 are omitted as observatory in Juam-myeon, Suncheon-si.
** Period data from 1985.07 to 2010.07 are data from Masan station before the integration of Changwon City (Changwon, Masan, Jinhae).
*** Period data from December 7, 2001 to October 22, 2013 are data from Munsan station in Munsan-eup, Paju
2. 미래기상 시나리오 자료
가. RCP 시나리오 자료
IPCC (Intergovernmental Panel on Climate Change) 제5차 평가보고서 (5th Assessment Report, AR5)에서는 인간 활동이 대기에 미치는 복사량으로 온실가스 농도를 정하였으며, 최근의 온실가스 농도 변화 경향을 반영하고 최근 예측모델에 맞게 해상도 등을 업데이트한 RCP 시나리오를 제시하였다 (Moon et al., 2013). RCP 시나리오는 온실가스 농도에 따라 4개 (2.6, 4.5, 6.0, 8.5)로 구분되어 있으며 숫자는 2100년에 안정화되는 복사 강제력 (W/m2)을 나타낸다. 본 연구에서는 농촌용수구역을 대상으로 농어촌용수 기후변화 영향⋅취약성 평가가 이루어짐에 따라 가장 최근 2021년 평가에 적용된 RCP 시나리오를 사용하였으며, 2100년 이후 약 8.5 W/m2 수준을 초과하는 고농도 시나리오로 현재 추세대로 온실가스 배출됨을 가정하는 시나리오 RCP 8.5 시나리오를 적용하여 미래기간에 대한 용수구역단위 강우특성 변화를 전망하였다. 현재 AR6에서 인용하고 있는 CMIP6 (Coupled Model Intercomparison Project Phase 6)는 신기후체계 SSP (Shared Socioeconomic Pathways)시나리오를 적용한 기후 모델 산출물을 배포 중에 있다. 본 연구결과는 최신 SSP 시나리오 혹은 다른 격자단위 미래기상자료를 활용하여 농촌용수구역 단위 또는 관측지점 단위로 상세화할 시 유의점과 응용분야 적용방법론에 따른 차이점은 동일하게 고려될 수 있다.
나. 고해상도 미래기상 자료
현재 기상청 기후정보포털 (www.climate.go.kr)에서 국가표준시나리오로 제공하는 지역기후모델 산출물의 해상도는 한반도 (12.5 km), 남한상세 (1 km)로 두 가지의 해상도 종류로 기후변화 시나리오를 제공하고 있다. 이는 RCP 시나리오를 바탕으로 국립기상연구소에서 영국 Hadley 센터와의 협력을 통하여 HadGEM2-AO (Atmosphere-Ocean coupled model of Hadley Centre Global Environment Model version 2, 영국기상청 해들리센터의 대기-해양 결합모델)에 기후변화 강제력을 적용하여 약 135 km 해상도의 전지구 기후변화 시나리오 자료를 생산하고, 이 값을 HadGEM2-AO에 기초한 지역기후 모델인 HadGEM3_RA (Atmospheric Regional climate model of HadGEM3)을 적용하여 12.5 km 해상도의 한반도 기후변화 시나리오 자료를 생산하였다. 남한상세 기후변화 시나리오는 한반도 기후변화 시나리오 자료를 PRIDE 모델 (PRISM based Downscaling Estimation Model)을 적용하여 통계학적 상세화 과정을 통해 1 km 해상도의 기후변화 시나리오 자료를 생산⋅제공하고있다 (Park et al., 2013). 12.5 km 해상도의 한반도 기후변화 시나리오 자료는 한반도에 대하여 위도 32 °∼44 °, 경도 123 °∼133 °의 공간 범위 안에 한 격자가 0.125 °로 경도 방향 81개, 위도 방향 97개의 격자단위 자료로 구성되어 있다. 1 km 해상도의 남한 상세 기후변화 시나리오 자료는 남한 전체에 대하여 위도 33 °∼39 °, 경도 124.5 °∼132 °의 공간 범위 안에 한 격자가 0.01°로 경도 방향 751개, 위도 방향 601개의 격자로 이루어져 있다. Fig. 2는 용수구역 단위 지도와 1 km와 12.5 km 해상도 격자자료의 도서지역 자료 형태를 도식적으로 보이고 있다.
Fig. 2 Map of (a) Rural Water District and the illustrative distribution of gridded data with different spatial resolution of (b) 1 km and (c) 12.5 km
격자 형태의 자료 외에 행정구역별 기후변화 시나리오 자료도 제공되고 있는데, 이는 해상도 12.5 km의 한반도 기후변화 시나리오를 바탕으로한 17개 광역시도, 230개 시군구, 73개 지점으로 3가지 형태로 제공되며, 해상도 1 km 남한상세 기후변화 시나리오를 바탕으로 17개 광역시도, 229개 시군구, 73개 지점, 3503 읍면동으로 4가지 형태로 제공되고 있다. 본 연구에서는 제어적분 400년의 격자형태의 12.5 km (1979-2010년)와 1 km (2011-2100년)의 강수량 자료를 사용하여 다른 해상도의 격자단위 자료를 적용하여 연구 대상지역에 대해 대표 기상정보를 추출하였다.
3. 농촌용수구역
1999년 최초 농어촌정비법에 근거하여 수립된 ‘농어촌용수이용합리화계획’에서 전국 농촌지역을 행정구역과 수계를 고려하여 농촌용수구역 464개소가 설정되었다. 이후 2002년 ‘물관리정보 표준실무회의’에서 517개소로 재설정 되었으며, 현재의 농촌용수구역은 2014년 수립된 ‘농어촌용수이용합리화계획 2015-2024’에서 북한 접경지역 등 6개소를 제외하고 511개소로 재설정되어 효율적인 농업수자원 관리를 위한 단위로 활용되고 있다 (Fig. 2). 현재는 물관리일원화 정책과 관련하여 표준유역단위와 일관적 경제조정 등을 이유로 새로운 농어촌용수이용합리화계획 수립의 일환으로 지속적인 보완이 이루어지고 있다.
4. 추출방법별 농업용수구역 단위 미래기상자료
한반도 (12.5 km), 남한상세 (1 km) 기후.변화 시나리오 자료를 활용하여 용수구역 단위 대표기상자료를 생산하는 방법은 크게 1) ASOS 지점에 대한 격자자료를 추출하여 보간하거나 면적가중을 통해 용수구역에 대한 면적강우량을 산정하는 방법, 2) 용수구역 중심에 해당하는 격자자료를 단순히 추출하는 방법, 3) 각 용수구역에 해당하는 격자자료를 평균하는 방법으로 구분할 수 있다. 방법 1)의 경우 ASOS 관측자료를 이용하여 과거기간에 대한 시나리오의 재현성을 평가할 수 있다.
본 연구에서는 우리나라에 해당되는 1 km 해상도의 451,351개의 격자와 12.5 km 해상도의 7,857개의 격자를 활용하였다. Fig. 3은 1 km와 12.5 km 해상도의 용수구역별 격자 개수에 대하여 빈도를 나타낸 히스토그램이다. 1 km 해상도의 격자자료는 용수구역별 최소 5개, 최대 2,465개, 평균 214개의 격자를 포함하고 있으며, 12.5 km 해상도의 격자자료는 용수구역별 최대 16개, 평균 1.7개의 격자를 포함하고 해당 격자자료가 존재하지 않는 용수구역도 112개로 나타났다. 또한, 1 km 해상도의 경우 100개 이상 150개 미만의 격자자료를 포함한 용수구역이 98개로 가장 많았으며, 12.5 km 해상도의 경우 1개의 격자자료를 포함한 용수구역이 218개로 가장 많았다. A1∼A3 자료는 1 km 해상도 격자자료를 각각 ASOS 지점으로부터 가장 근접한 1개의 격자자료, 10개의 격자자료, 30개의 격자자료, A4 자료는 12.5 km 해상도의 ASOS 지점으로부터 가장 근접한 1개의 격자자료를 평균하여 추출하였다. 이는 과거기간 ASOS 관측자료의 기상 지표와 비교하여 재현성을 평가하였다. 더불어 B1∼B4 자료는 A1∼A4 자료를 활용하여 각 용수구역의 인근 3개 ASOS 지점에 대한 추출자료를 IDW 보간한 자료이다. 마지막으로 방법 2)와 3)을 적용하여 C1 자료는 1 km 해상도의 격자자료를 용수구역 면적에 해당하는 모든 격자들의 평균으로 추출하였으며, C2∼C5 자료는 12.5 km 해상도의 격자자료를 각각 용수구역 중심위치의 최인근 1개의 격자자료, 5개의 격자자료, 10개의 격자자료, 20개의 격자자료를 평균하여 추출하였다 (Table 2).
Fig. 3 Histogram of the number of (a) 1 km and (b) 12.5 km grids cover the rural water districts
Table 2 Description of the data generated by rural water districts and the post-processing methods to revise and interpolate the gridded data onto areal scale
5. 강우인자 평가지표
가공방법에 따른 미래기간의 용수구역단위 자료 특성을 평가하기 위해서 가공방법별 생산된 자료를 이용하여 산출한 강우지수를 비교⋅평가하였다. 가공된 다양한 기후변화 시나리오에 대한 평가를 위해서는 표준화된 평가체계가 필요하다(Hwang et al., 2021). 평가지표는 기본적인 일정기간 평균강우량을 비롯하여 기상정보에 대한 일관적인 분석 및 비교⋅평가를 용이하게 하기 위해 개발되어 널리 적용되는 ETCCDI (Expert Team (ET) on Climate Change Detection and Indices) 지수 중 본 연구 목적인 격자단위와 해상도 변환 과정에서 발생할 수 있는 강우자료의 특성을 고려하여 선정⋅적용하였다. 과거기간 재현성 기초평가를 위해 평균강우량, 일최대강우량, 강우일수 (≥1 mm)를 적용하고, 가공방법별 분석에서는 강우 일수 (≥0.1 mm, ≥1 mm, ≥10 mm), 평균강우량, 95percentile 이상 강우량 및 표준편차를 적용하였다. 더불어 미래기간 분석에는 강수와 관련된 ETCCDI 지수에서 연강우량 (PRCPTOT)과 평균강우량, 일최대강우량, 일정 강우량 이상 발생일수(R95p, R0.1mm, R10mm, R20mm)로 분석하였다. Table 3은 본 연구에서 사용된 평가항목을 정리한 표이다.
Table 3 List of precipitation index applied in study and description
Ⅲ. 결과 및 고찰
1. 국가 표준 시나리오 과거기간 재현성 평가 및 기초평가
과거기간 (∼2020년)의 ASOS 일단위 강수량 자료와 관측 지점의 최인근 격자에 대한 표준시나리오 자료를 비교⋅분석하여 과거재현성을 평가하였다. Fig. 4는 자료기간 평균강우량의 지역 분포와 산포도를 이용하여 지역별 분포에 대한 관측대비 재현성을 보여주고 있다. Fig. 5와 6은 Fig. 4와 같은 방법으로 일최대강우량, 1 mm 이상 강우일수의 지역별 분포를 나타낸 그림이다. 평균강우량의 경우 남해안 지역과 강원 영동지역의 높은 강우 패턴에 대한 재현성이 높게 나타난 반면, 일최대강우량의 경우 ASOS 관측값 대비 전국적으로 낮게 분포하는 경향이 있고 남해안 지역과 강원 영동지역의 높은 공간분포의 패턴은 재현하는 것으로 나타났다. 1 mm 이상 강우일수의 경우 전반적으로 관측값 대비 높은 경향을 보이며 이는 격자자료가 일반적으로 격자별 대표 강우량 자료를 면적평균 개념으로 산정되기 때문에 도출되는 결과로 사료된다. 전라, 경남 지역의 높은 강우일수 분포 패턴은 재현성이 높게 나타나는 반면 도서지역에 대한 오차가 비교적 크게 나타났다. 도서지역을 대상으로 격자자료를 적용하는 경우 한계가 나타났으며 유의할 점은 결과 4에서 다룬다.
Fig. 4 Comparison of distributions of Average of daily precipitation over the period (AvgPrcp) for ASOS observation (upper left) and data A1, A2, A3, and A4
Fig. 5 Comparison of distributions of Daily maximum precipitation (MaxPrcp) for ASOS observation (upper left) and data A1, A2, A3, and A4
Fig. 6 Comparison of distributions of Annual count of days when Precipitation ≥1 mm (R1mm) for ASOS observation (upper left) and data A1, A2, A3, and A4
2. 미래기상자료 가공방법별 추출 결과 평가
미래기간 가공방법별 기상자료 (Table 2)를 생산하여 가공 방법별 결과를 비교⋅분석하여 평가하였다. Fig. 7은 가공방법별 추출결과를 0.1 mm, 1 mm, 10 mm 기준의 강우일수에 대하여 자료의 분포를 나타낸 그림이며 Fig. 8은 Fig. 7과 같은 방법으로 평균강우량, 95percentile, 표준편차를 비교한 결과이다. 강우일수의 경우 강우일을 판단하는 최소강우량 기준에 따라 다르게 나타났으며 0.1 mm 기준의 경우 포함되는 격자의 수가 많아질수록 강우일수가 높게 나타나는 경향을 보였다. 1 mm, 10 mm 기준의 경우 0.1 mm 기준의 경우와 비교해 12.5 km 해상도의 격자자료가 1 km 해상도 격자자료 대비 낮게 나타났다. 격자의 해상도가 낮을수록 격자면적 내 평균 강우량을 대표하는 격자단위 자료의 특성에 따라 기준 강우량이 증가할수록 가공방법별 강우일수 차이가 감소하는 것으로 분석되었다. 반면 평균강우량, 95percentile, 표준편차에 대해서는 가공방법별 유의한 차이가 나타나지 않았다.
Fig. 7 Comparison of Annual count of days when Precipitation ≥ 0.1 mm (R0.1mm), Annual count of days when Precipitation ≥ 1 mm (R1mm), and Annual count of days when Precipitation ≥ 10 mm (R10mm) of the data developed using different post-processing methods
Fig. 8 Comparison of Average of daily Precipitation over the period (AvgPrcp), Annual total Precipitation when daily Precipitation > 95 percentile (R95p), and Standard deviation of daily Precipitation (StdPrcp) of the data developed using different post-processing methods
3. 농촌용수구역 단위 미래 기후변화 전망
가공방법별로 생산된 자료를 ASOS 관측값과 과거기간(∼2020) 시나리오 자료와 비교하기 위해 미래기간을 S1 (∼2040), S2 (∼2070), S3 (∼2100) 기간으로 나누어 미래 기후변화 전망을 분석하였다. Fig. 9는 각 생산자료별 미래기간별 평균강우량, 일최대강우량, 강우일수 (0.1 mm, 1 mm, 10 mm)를 비교한 결과이다. 평균강우량의 경우 과거기간 관측값 3.3 mm 대비 S1 기간은 3.4 mm (C5)∼3.8 mm (C1), S2 기간은 3.5 mm (C5)∼3.9 mm (C1), S3 기간은 3.8 mm (C5)∼4.2 mm (A3)의 범위를 보이며 금세기 말에는 평균강우량이 과거기간 대비 15%∼27% 증가하는 것으로 나타났다. 특히 용수구역내의 모든 격자를 평균한 C1 자료의 경우 ASOS 지점 단위로 생산한 자료 대비 강우량이 높게 산정되는 것으로 분석되었다. 이는 작은 범위의 격자가 아닌 용수구역내의 많은 격자를 평균하면서 나타나는 이유와 ASOS 관측지점은 내륙에 고루 분포 되어있지만 용수구역에 해당하는 많은 지점 중 강우량이 높은 남해안과 제주지역의 강우량이 포함되어 강우량이 높게 산정되는 것으로 나타났다. 일최대강우량의 경우 과거기간 관측값 134.5 mm 대비 S1 기간은 106.6 mm (B4)∼116.3 mm (C2), S2 기간은 98.7 mm (C5)∼107.9 mm (C2), S3 기간은 124.9 mm (A2)∼109.5 mm (C5)의 범위를 보이며 과거기간 관측값 대비 낮게 모의되는 것으로 나타났다. 자료별 특성으로는 격자의 개수가 많이 포함되는 자료일수록 일최대강우량이 낮게 나타나는 것으로 분석되었다. 강우일수의 경우 과거기간 관측값 대비 3가지 기준 강우량 모두 높게 모의 되었으며 미래기간의 자료 분포와 특성은 기준 강우량에 따라 다르게 나타났다. 0.1 mm 기준의 경우 자료 생산시 포함되는 격자의 개수가 많아질수록 강우일수가 높게 산정되었으며 1 mm, 10 mm 기준 강우량의 경우 12.5 km 해상도의 격자 활용 자료가 1 km 해상도 격자 활용 자료보다 낮게 산정되었다. 또한 기준 강우량이 높아질수록 자료별 강우일수 차이가 감소하는 것으로 나타나 격자 자료를 기반으로 강우일수에 대한 평가 시이 점을 유의해야 할 것이다.
Fig. 9 Comparison of (a) Average of daily Precipitation over the period (AvgPrcp), (b) Daily maximum precipitation (MaxPrcp), (c) Annual count of days when Precipitation ≥ 0.1 mm (R0.1mm), (d) Annual count of days when Precipitation ≥ 1 mm (R1mm) and (e) Annual count of days when Precipitation ≥ 10 mm (R10mm) over the study area for each scenario (ASOS_obs, A1∼C5) and future period
더불어 가공방법별로 생산된 자료를 미래기간에 대하여 정량적인 분석을 위해 ETCCDI 지수 중 강우와 관련된 PRCPTOT, R95P, R0.1mm, R10mm, R20mm에 대해 각 미래 기간에 대한 전망결과를 비교하였다. PRCPTOT의 기간별 산술평균 결과는 관측기간 평균 1333.5 mm 대비 S1 기간 최저 1254.5 mm (C5), 최대 1386.3 mm (A3)로 –6.0%∼4.1% 범위, S2 기간은 관측기간 평균 대비 최저 1273.4 mm (C5)∼최대 1401.2 mm (A3)로 –6.1%∼4.9% 범위로 증감이 유의하게 나타나지 않았으나 S3 기간에서는 최저 1393.4 mm, 최대 1533.9 mm (A3)로 4.3%∼14.8% 범위로 유의하게 증가하는 것으로 나타났다. 더불어 1 km 해상도 (A1, A2, A3, B1, B2, B3, C1) 자료의 평균강우량이 12.5 km 해상도 (A4, B4, C2, C3, C4, C5)자료에 비해 전반적으로 높게 나타나 공간해상도에 따른 차이를 보였다. 연강수량의 95percentile을 기간별 산술평균한 값인 R95p의 경우 전 기간에 대해 모든 자료방법별 유의한 차이는 나타나지 않은 것으로 분석되었다.
강우일수의 경우 기준 강우량에 따라 강우일수의 차이가 크게 나타난다. 0.1 mm 이상 강우일수는 기간별로 관측값 대비 먼 미래 (S3)로 갈수록 증가하는 것으로 나타나며, 자료 가공방법별 차이로는 평균강우량 산출에 적용하는 격자의 개수가 많아질수록 강우일수가 크게 산정되는 것으로 나타난다. 10 mm 이상 강우일수 또한 관측값 대비 먼 미래로 갈수록 증가하지만 S3 기간 기준 3일 (C2, C3, C4, C5)∼9일 (B3) 범위로 증가폭이 크지 않는 것으로 나타났다. 20 mm 이상 강우일수는 모든 기간에 대해서 관측값과 유사하게 결과가 나타났으며 기간별로 유의한 차이가 나타나지 않았다.
4. 격자자료 활용 용수구역 단위 미래기상자료 생산시 유의사항
격자단위 자료의 과거기간 재현성 평가에서 경계가 복잡하고 해안에 접한 도서지역의 경우 격자와 용수구역 경계 불일치와 지점 관측 밀도의 한계로 오차가 높게 나타날 수 있다. Fig. 10과 Fig. 11은 1 km 해상도 격자자료와 12.5 km 해상도 격자자료의 행정구역 및 용수구역에 대한 격자분포 및 주요 도서지역의 경계 불일치를 도식적으로 나타내고 있다. 울릉의 경우 용수구역 및 행정구역, 그리고 격자자료의 위치정보가 불일치하는 문제점이 있어 용수구역 해당 격자 추출 시 위치 보정이 선행되어야 한다. 또한 서해, 남해 도서지역에 작은 섬으로 구성된 5개 용수구역 (제추, 옹자, 영낙, 부위, 옥옥)의 경우 해당 격자자료가 존재하지 않아 각 용수구역 단위 기상 자료 추출시 인근 용수구역의 기상자료를 적용할 필요가 있다.
Fig. 10 Grid configuration of gridded data (1 km resolution) and the differences between boundaries of administrative district and the rural water district along the coastline
Fig. 11 Grid configuration of gridded data (12.5 km resolution) and the differences between boundaries of administrative district and the rural water district along the coastline
용수구역 단위 자료의 추출 방법에 따른 차이가 가장 높은 지역 또한 제주지역으로 분석되었다. 제주 지점의 경우 일평균강우량 격자자료의 오차는 0.4 mm 이내로 나타났으나 용수구역 내 1 km 격자자료 평균은 5.9 mm로 제주지점의 4.1 mm에 비해 1.8 mm 높게 산정되었다. Fig. 12는 과거기간에 대해서 제주지역 평균강우량 분포를 ASOS 관측값과 지점단위자료 (A1), 용수구역단위평균 (C1) 가공방법별 분포를 비교한 그림이다. ASOS 관측값과 지점단위 자료는 제주지역의 지역별 강우 패턴에 대한 재현성이 높게 나타났으나 용수구역 단위 평균자료는 ASOS 관측값과 지점단위자료 대비 높게 산정되는 것을 확인할 수 있다. 이는 용수구역 대표 지점자료가 아닌 용수구역 내 격자자료 평균을 적용할 경우 높은 강우량을 보이는 한라산 일대의 산악지역을 포함하므로 나타난 결과로 판단된다. 용수구역 단위 기상자료의 경우 용수구역 내 평균강우량을 산정하는 것이 합리적이나, 기존의 주요 관측 지점에 대한 격자자료를 추출하여 적용하는 결과와 큰 차이를 보이므로 유의해야 할 것이다.
Fig. 12 Comparison of distributions of precipitation using station based observation and reproducions using different methods A1, C1
Ⅳ. 요약 및 결론
본 연구에서는 농어촌용수 관리계획 수립에 필요한 용수구역단위 미래기상자료를 생산함에 있어 기상청에서 제공하는 국가표준 RCP 시나리오 자료 형태인 격자단위 강수량 자료의 과거 재현성 평가를 통해 적용성을 평가하고, 이 격자자료를 이용하여 다양한 방법으로 지역단위 해상도를 변환할 경우 나타나는 강우량 자료의 특성 차이에 대해 고찰하였다. 511개 농촌용수구역 단위 대표기상자료를 생산하여 과거기간에 대한 재현성 평가와 용수구역단위 미래기간의 기후특성변화를 분석한 결과 다양한 공간해상도 및 가공방법에 따른 차이점과 적용 시 유의점은 다음과 같다.
(1) 전반적으로 격자자료의 평균강우량, R95p는 ASOS 관측값 대비 재현성이 우수하나, 일최대강우량의 경우 전국적으로 낮게 분포하는 경향이 있다. 강우일수의 경우 관측값 대비 높은 경향을 보이며 이는 격자자료가 일반적으로 격자별 대표 강우량 자료를 면적평균 개념으로 산정되기 때문으로 적용 시 주의가 필요하다.
(2) 가공방법별 결과를 비교한 결과 강우일수의 경우 강우 일을 판단하는 최소강우량 기준에 따라 결과가 다르게 나타났으며 0.1 mm 기준의 경우 용수구역 대표자료 산출을 위해 산술평균에 포함하는 격자의 수가 많아질수록 강우일수가 높게 나타나는 경향을 보였다. 더불어 격자면적 내 평균 강우량을 대표하는 격자단위 자료의 특성에 따라 격자의 해상도가 낮을수록 강우일수가 높은 경향을 보이며 강우일을 판단하는 기준 강우량이 증가할수록 가공방법별 강우일수 차이가 감소하는 것으로 분석되었다.
(3) 표준시나리오 격자단위 자료를 활용하여 농촌용수구역 단위 기상자료를 생산할 시 울릉지역을 포함한 해안도서지역의 경우 행정구역과 농촌용수구역의 경계가 불일치하는 문제점과 서해, 남해 도서지역에 작은섬으로 구성된 5개 농촌용수구역 (제추, 옹자, 영낙, 부위, 옥옥)은 해당하는 격자자료가 존재하지 않는 문제 등이 있으므로, 공간분포와 대상지역의 해당 격자 추출시 주의를 요한다.
(4) 산간지역을 포함하는 용수구역의 경우는 종관기상관측소 기상자료를 적용할 경우 산악기상의 특성을 반영하지 못하는 한계가 있다. 예로 제주지역에 대한 지점자료와 용수구역 격자평균자료의 큰 차이가 나타나는데 이는 평지관측을 위한 주요 종관기상관측의 위치적 특성상 지점단위에서 고려하지 못하는 용수구역내의 일부 산악지역의 높은 강우량의 반영 여부에 따른 결과 차이가 발생한다.
본 연구결과는 격자단위 기후모델 산출물의 활용이 증가하고 국가표준 시나리오와 격자단위 미래기상자료가 배포되어 국내 적용사례가 증가하는 시점에 향후 농업분야 미래기상자료 구축 시 자료 가공방법을 적용하는데 고려할 점들을 정리하였다. 더불어 본 연구의 결론은 다양한 격자단위 자료를 적용한 공간적 상세화 과정에서 동일하게 적용될 수 있는 유의점과 적용방법에 대해 고찰하고 있으며, 특정지역의 평균 또는 대표 강우량 자료를 추출할 경우 강우특성의 합리적 분석을 위해 고려될 수 있을 것으로 판단된다.
감사의 글
본 연구는 2022년도 경상국립대학교 연구년제 연구교수 연구지원비에 의하여 수행되었음.
References
- Hagemann, S., C. Chen, J. O. Haerter, J. Heinke, D. Gerten, and C. Piani, 2011. Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models. Journal of Hydrometeorology 12(4): 556-578. doi:10.1175/2011JHM1336.1
- Hwang, S., I. Jung, S. Kim, and J. Cho, 2021. Application of bias-correction and stochastic analogue method (BCSA) to statistically downscale daily precipitation over South Korea. Journal of the Korean Society of Agricultural Engineers 63(6): 49-60. (in Korean). doi:10.5389/KSAE.2021.63.6.049.
- Intergovernmental Panel on Climate Change, 2021. Climate change 2021: The physical science basis. Contribution of Working Group Ito the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
- Das, J., and N. V. Umamahesh, 2016. Downscaling moonsoon rainfall over river godavari basin under different climate-change scenarios. Water Resour Manage 30(15):5575-5587. doi:10.1007/s11269-016-1549-6
- Kim, D. J., and J. I. Yun, 2015. An outlook of agricultural drought in Jeonju area under the RCP8.5 projected climate condition. Korean Journal of Agricultural and Forest Meteorology 17(4): 275-280. (in Korean). doi:10.5532/KJAFM.2015.17.4.275.
- Kim. J. U., J. W. Lee, and S. J. Kim, 2019. Evaluation of the future agricultural drought severity of South Korea by using reservoir drought index (RDI) and climate change scenarios. J. Korea Water Resour. Assoc. 52(6): 381-395. (in Korean). doi:10.3741/JKWRA.2019.52.6.381
- Kim, J., J. Kwak, S. Hwang, S. M. Jun, S. Lee, J. N. Lee, and M. S. Kang, 2021. Analysis of flood control capacity of agricultural reservoir based on SSP climate change scenario. Journal of the Korean Society of Agricultural Engineers 63(5): 49-62. (in Korean). doi:10.5389/KSAE.2021.63.5.049.
- Kim, J., B. Lee, J. Yoo, H. H. Kwon, and T. W. Kim, 2021. low-flow frequency analysis and drought outlook in water districts under climate change scenarios : A case study of Gimcheon-si, Korea. Journal of Wetlands Research 23(1):14-26. (in Korean). doi:10.17663/JWR.2021.23.1.14.
- Kim. S. J., S. J. Bae, J. Y. Choi, S. P. Kim, S. K. Eun, S. H. Yoo, T. I. Jang, N. Y. Goh, S. W. Hwang, S. J. Kim, T. S. Park, K. H. Jung, and S. H. Song, 2018. Analysis on the impact of climate change on the survey of rural water district and agricultural production infrastructure. Journal of the Korean Society of Agricultural Engineers 60(5): 1-15. (in Korean). doi:10.5389/KSAE.2018.60.5.001.
- Lee, J., and J. Noh, 2015. Evaluating future stream flow by operation of agricultural reservoir group considering the RCP8.5 climate change scenario. Journal of the Korean Society of Agricultural Engineers 57(5): 113-122. (in Korean). doi:10.5389/KSAE.2015.57.5.113.
- Ministry of Environment, 2020. Korean Climate Change Assessment Report 2020. (in Korean).
- Nam, W. H., E. M. Hong, T. Kim, and J. Y. Choi, 2014. Projection of future water supply sustainability in agricultural reservoirs under RCP climate change scenarios. Journal of the Korean Society of Agricultural Engineers 56(4): 59-68. (in Korean). doi:10.5389/KSAE.2014.56.4.059.
- Oh, Y. G., S. H. Lee, A. Kim, S. O. Hong, and S. H. Yoo, 2020. Classifying agricultural districts for prioritizing groundwater development area based on correlation and cluster analysis. Journal of the Korean Society of Rural Planning 26(2): 51-59. (in Korean). doi:10.7851/Ksrp.2020.26.2.051.
- Park, H. S., and G. W. Choi, 2014. Applicability evaluation of RCP climate change scenarios in the complex coastal regions. Korean Review of Crisis and Emergency Management 10(2): 215-230. (in Korean).
- Park, M. J., G. A. Park, and S. J. Kim, 2007. Analysis of hydrologic behavior of SLURP model including agricultural reservoir operation. Journal of The Korean Society of Civil Engineers 27(5B): 515-523. (in Korean).
- Song, S. H., S. H. Yoo, and S. J. Bae, 2013. Regional drought assessment considering climate change and relationship with agricultural water in Jeju Island. Journal of Environmental Science International 22(5): 625-638. (in Korean). doi:10.5322/JESI.2013.22.5.625.
- Zhang, Q., Y. P. Li, G. H. Huang, H. Wang, Y. F. Li, Y. R. Liu, and Z. Y. Shen, 2022. A novel statistical downscaling approach for analyzing daily precipitation and extremes under the impact of climate change: Application to an arid region. Journal of Hydrology 615(Part B). doi:10.1016/j.jhydrol.2022.128730.