Journal of The Korean Society of Agricultural Engineers (한국농공학회논문집)

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

DOI QR Code

Comparative Analysis of the 2022 Southern Agricultural Drought Using Evapotranspiration-Based ESI and EDDI

증발산 기반 ESI와 EDDI를 활용한 2022년 남부지역의 농업 가뭄 분석

  • Park, Gwang-Su (School of Social Safety and 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) ;
  • Lee, Hee-Jin (Department of Convergence Systems Engineering, Hankyong National University) ;
  • Sur, Chanyang (National Agricultural Water Research Center, Hankyong National University) ;
  • Ha, Tae-Hyun (Water Management Supporting Department, Water Resources Management Office, Korea Rural Community Corporation (KRC)) ;
  • Jo, Young-Jun (Water Management Supporting Department, Water Resources Management Office, Korea Rural Community Corporation(KRC))
  • Received : 2024.02.26
  • Accepted : 2024.04.23
  • Published : 2024.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

Global warming-induced drought inflicts significant socio-economic and environmental damage. In Korea, the persistent drought in the southern region since 2022 has severely affected water supplies, agriculture, forests, and ecosystems due to uneven precipitation distribution. To effectively prepare for and mitigate such impacts, it is imperative to develop proactive measures supported by early monitoring systems. In this study, we analyzed the spatiotemporal changes of multiple evapotranspiration-based drought indices, focusing on the flash drought event in the southern region in 2022. The indices included the Evaporative Demand Drought Index (EDDI), Standardized Precipitation Evapotranspiration Index (SPEI) considering precipitation and temperature, and the Evaporative Stress Index (ESI) based on satellite images. The Standardized Precipitation Index (SPI) and SPEI indices utilized temperature and precipitation data from meteorological observation stations, while the ESI index was based on satellite image data provided by the MODIS sensor on the Terra satellite. Additionally, we utilized the Evaporative Demand Drought Index (EDDI) provided by the North Oceanic and Atmospheric Administration (NOAA) as a supplementary index to ESI, enabling us to perform more effective drought monitoring. We compared the degree and extent of drought in the southern region through four drought indices, and analyzed the causes and effects of drought from various perspectives. Findings indicate that the ESI is more sensitive in detecting the timing and scope of drought, aligning closely with observed drought trends.

Keywords

Ⅰ. 서론

최근 지구 온난화와 기후변화로 인해 발생하는 기상이변의 발생 빈도 및 강도가 급증하고 있으며, 이러한 악영향으로 인해 사회적, 경제적, 환경적, 피해를 초래하는 가뭄의 규모도 대형화 되어 가는 추세이다 (Yoon et al., 2018a). 국내 가뭄은 2000년 이전 20년 중 6개년, 2000년 이후 20년 중 12개년에 전국 또는 지역적으로 매년 발생하고 있다 (Yoon et al., 2020). 이상기후보고서 (KMA, 2022)에 따르면 2022년 우리나라의 경우, 전국 평균기온은 13.8℃로 평년 대비 1.7℃ 높고 11월 평균 최고기온이 16.5℃로 역대 최고를 기록하며 늦가을에 이례적인 이상고온현상이 발생하기도 하였다. 1월부터 2월에는 최근 3개월간 평균 강수량 12 mm를 기록하여 전년 동월대비 25% 미만의 강수량 부족과 건조주의보 현상이 발생하였으며, 3월에는 충청남도 보령댐의 저수율이 32%를 기록하면서 가뭄 경계 단계에 진입하기도 하였다. 또한, 6월부터 7월에는 이른 열대야 현상과 잦은 폭염으로 6개월 누적 강수량이 절반 밖에 못 미치는 수준으로 인해 전국적으로 기상 가뭄이 해갈되기에는 다소 부족한 것으로 확인되었다. 남부 지역인 전라남도 (281.3일), 경상남도 (249.5일), 경상북도 (215.6일), 전라북도 (162.8일)에서 장기간 기상 가뭄이 발생하여 중부지방(81.7일)과는 약 3배 수준에 달하는 수치로, 1974년 이후 가장 많은 남부 지역에 대한 기상 가뭄일수를 기록하였다. 가뭄은 특성상 홍수, 폭설, 태풍 등 단기간에 집중적으로 영향을 미치는 경우와 달리 영향면적이 넓고 장기간에 걸쳐 느린 속도로 진행하며, 진행 방향을 예측하기 어렵다. 이에 따라, 전 세계적으로 가뭄 모니터링 기술을 통해 가뭄의 심도 및 공간적인 분포를 초기에 감지하여 가뭄 피해를 최소화하는 연구가 진행되어 왔다 (Yoon et al., 2018b; Sur and Nam, 2023a).

일반적으로 가뭄을 해석하기 위하여 가뭄 심도, 빈도, 피해 면적과 기간을 분석할 수 있는 가뭄지수를 이용하며, 국내의 경우 가뭄 관련 유관기관에서 가뭄지수들을 활용한 가뭄 모니터링과 가뭄 현황을 실시간 제공하고 있다. 대표적으로 기상청, 한국농어촌공사, 한국수자원공사, 농촌진흥청 등에서 표준강수지수 (Standardized Precipitation Index, SPI), 표준강수증발산지수 (Standardized Precipitation Evaportranspiration Index, SPEI), 파머가뭄심도지수 (Palmer Drought Severity Index, PDSI), 토양수분지수 (Soil Moisture Index, SMI) 등 다양한 가뭄지수들이 활용되고 있다 (Lee et al., 2019; Jeon et al., 2021). 또한, 이러한 가뭄지수들은 지상계측 데이터 기반의 지점자료들을 통해 산정되었으며, 내삽기법을 통해 공간 분포지도 형태로 제공된다. 하지만 지점자료 특성상 미계측 지역에 대한 정확한 정보를 수집할 수 없고, 조악한 해상도를 갖고 있는 한계점이 있다. 따라서, 이를 보완하고 미계측 지역의 가뭄 분석을 위해서 고해상도 위성영상의 활용성이 대두되고 있다 (Sur et al., 2014; Nam et al., 2015b; 2018; Mun et al., 2020; Lee et al., 2023).

위성영상은 촬영범위가 광범위하고 동시에 주기적이고 동일한 해상도의 자료수집이 가능하며 지속적으로 실시간 가뭄 변화를 관찰하기에 용이하다 (Nam et al., 2016; Cho et al., 2023; Sur and Nam, 2023b). Anderson et al. (2007)은 위성영상을 활용하여 잠재 증발산과 실제 증발산의 비를 이용한 가뭄지수인 Evaporative Steress Index (ESI)를 개발하였고, 유용성을 검증하였다. 국내의 경우 2013년 우리나라 남부 지역 가뭄을 대상으로 SPI, PDSI, Modified Surface Water Supply Index (MSWSI)와 ESI를 비교하여 위성기반 가뭄지수의 적합성을 검증하였다 (Sur et al., 2014; Park, 2017). 특히, ESI는 원격 기술로 감지된 열적외선 (Thermal InfraRed, TIR) 영상을 통하여 관측되는 Land-Surface Temperature (LST)로 초기 가뭄 스트레스가 전달되는 메커니즘을 적용하여 가뭄 조기경보에 활용될 수 있으며 (Otkin et al., 2013; Getahun and Li, 2024), 다른 위성영상 기반 가뭄지수들보다 가뭄 탐지에 빠르고 민감한 반응이 확인되어, 최근에는 돌발가뭄 (Flash drought) 탐지 및 분석에 활용되고 있다 (Anderson et al., 2007; Lee et al., 2020a).

Evaporative Demand Drought Index (EDDI)는 미국해양대기청 (National Oceanic and Atmospheric Administration, NOAA)에서 운용하는 위성과 기상관측소의 원시 데이터로부터 NLDAS-2 (North American Land Data Assimilation System)를 통해 산정하며, 5일 주기로 격자형 단위 (12.5 km) 해상도와 1-week부터 12-month 시간단위로 생성된다 (Jang et al., 2007; Anderson et al., 2011; Jeong et al., 2017). 대기 중 증발산량 수요변화의 개념을 활용한 EDDI는 토양과 식물이 건조해지는 현상을 감지하고 토지 피복에 민감하지 않아 모든 지역에서 사용하기 유용하며, 다양한 시간 척도에서 가뭄의 감지가 가능하다 (Jeon et al., 2019). 이러한 특성으로 인해 초기에 가뭄 징후를 감지함에 유용하며, 식생과 토양 수분에 의존하는 ESI보다 넓은 범위의 가뭄 조기 경보가 가능하여 돌발 가뭄 모니터링 분야에 보조지표로써 ESI와 같이 활용되고 있다.

2022년에 발생한 극심한 기상학적 가뭄은 2000년 이후, 남부 지역 중심으로 역대 최장기간 발생하였으며, 본 연구에서는 국내 유관기관의 지점별 가뭄 모니터링 결과와 2022년 발생한 가뭄사상 간의 비교를 위하여 위성영상 기반 증발산량을 활용한 ESI와 보조 지표인 EDDI를 활용하였다. 또한, 지점 자료 기반의 기상학적 가뭄지수인 SPI, SPEI와 위성영상 기반의 ESI를 통한 가뭄의 시공간적 전이를 분석하였다. 특히, ESI를 활용하여 가뭄을 판별하는 과정에서 기존보다 개선된 결과를 위해 EDDI의 지역별 그래프를 통해 실제 가뭄사상과 동시에 비교함으로써 적용성을 검증하고자 한다.

Ⅱ. 연구 재료 및 방법

1. 연구 대상지역

본 연구에서는 2022년 남부 지역 중심으로 발생한 시공간적 가뭄 심도 및 가뭄 경향을 판단하고자 Fig. 1과 같이 종관 기상관측 (Automated Synoptic Observing System, ASOS)의 지점자료를 활용하였다. 자료의 특성상, 비교적 소규모 단위보다는 전국을 8개의 도별 행정구역으로 선정하였다. 연구에서 활용한 59개 지점자료를 49년간 (1973∼2022년)의 일강수량 및 일평균기온 자료를 일단위로 수집하고 시간 척도 단위를 7일로 설정하여 활용하였다. 지상관측소 기반 가뭄지수인 SPI와 SPEI를 산정하였으며, Empirical Bayesian Kriging (EBK)를 통한 보간 기법을 사용하여 지점자료의 공간적 한계점을 보완하였다. SPI, SPEI를 활용하여 가뭄 단계를 분류하기 위해 Table 1과 같은 백분위 (Percentile)의 USDM 가뭄 분류표 기준을 적용하였으며, 습윤 상태를 의미하는 지수가 –0.5 이상은 하얀색으로 나타내었다. 또한, 기상청 수문기상가뭄정보시스템에서 가뭄 모니터링의 기준으로 사용하고 있는 6개월 시간 단위의 SPI (이하 SPI 6)와 SPEI (이하 SPEI 6)를 사용하였다 (Nam et al., 2017).

NGHHCI_2024_v66n3_25_3_f0001.png 이미지

Fig. 1 Location of 59 meteorological stations (Automated Synoptic Observing System) (Jeon et al., 2021)

Table 1 Drought severity classification of SPI, SPEI, ESI, and EDDI

NGHHCI_2024_v66n3_25_4_t0001.png 이미지

Terra 위성의 Moderate resolution Imaging Spectroradiometer (MODIS) 센서로 취득된 자료를 기반으로 산정된 가뭄지수인 ESI는 National Aeronautics and Space Administration (NASA)와 US Geological Survery (USGS)가 공동으로 운영하는 Land Processes Distributed Active Archive Center (LP DAAC)에서 기초자료를 제공하고 있다. 위성영상 기반 증발산량을 활용한 ESI는 미계측 지역에 대한 가뭄의 변화를 초기에 감지할 수 있으며, 단기간에 급속하게 발생하는 Flash drought를 식별하는 능력에서 우수한 성능을 확인하였다 (Anderson et al., 2013; Lee et al., 2020b). 이러한 증발산량과 작물 수분 상태를 기반한 가뭄지수에는 EDDI, Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Leaf Area Index (LAI) 등이 있다. 특히, EDDI는 공통인자인 증발산량과 수분스트레스를 활용한 ESI와 밀접한 관련이 있으며, 가뭄 모니터링 및 조기 경보 연구에 보조 지표로써 유용하게 활용되고 있다 (Anderson et al., 2016; Kim et al., 2021; Pendergrass et al., 2020; Parker et al., 2021).

2. 연구 방법

본 연구에서는 Fig. 2와 같이 공간 해상도 500 m와 8일 단위의 MOD16A2를 통해 실제증발산량과 잠재증발산량 추출 및 우리나라 좌표계에 맞게 정사보정, Z-score 표준화, 4주 합성 데이터 등과 같은 자료가공을 통해 ESI 산정하였으며 공간 분포지도로 나타내었다. SPI와 SPEI와 같은 Percentile 기준을 적용하여 가뭄을 판단하지만, EDDI의 경우는 지수가 높은 양수 일수록 극심한 가뭄을 나타낸다. 가뭄 경향을 판단하기 위해 실제 가뭄이 발생한 지역, 기간, 심도 등을 고려하여 자료를 수집하였으며, 도별로 가뭄 발생 보도 자료를 시기별로 구축하였다. 59개의 지점소를 기준으로 자료의 부재가 없고 산출된 지수의 값이 균일하고 이상치가 적은 청주, 양평, 인제, 천안, 정읍, 고흥, 구미, 산청 관측소를 대표하여 산정하였다. 남부 지역의 극심한 가뭄사상을 대상으로 가뭄지수별 위성영상 및 지점자료를 취득하여 시계열 자료를 구축하였으며, 공간분포지도를 활용하여 가뭄의 시공간적 특성과 경향을 파악하고자 한다.

NGHHCI_2024_v66n3_25_4_f0001.png 이미지

Fig 2 Flow chart of the process drought analysis using evapotranspiration-based ESI and EDDI

3. 연구 재료

가. 표준강수지수 (SPI)

가뭄 발생의 근간인 강수량과 물수요량에 대한 관계를 연구한 Mckee et al. (1993)에 의해 개발된 SPI는 세계기상기구(World Meteorology Organization, WMO)에서 권장하는 가뭄 지수이며, 미국 국립가뭄경감센터 (National Drought Mitigation Center, NDMC)에서 가뭄을 판단하는 기본적인 지수이다 (Lee et al., 2019). SPI는 일강수량 자료를 시간단위인 3, 6, 9, 12개월로 설정하여 강수 부족량을 산정하였으며, 각각의 용수공급원이 가뭄에 미치는 영향을 판단하는 지수이다(Kim and Moon, 2014). 본 연구에서는 우리나라의 계절별 가뭄 특성을 잘 반영한 6개월 시간 척도 SPI를 활용하였다 (Sur et al., 2014). 산정 공식은 식 (1)과 식 (2)의 Gamma 분포의 확률밀도 함수와 누적분포함수를 기반으로 산정하였다.

\(\begin{align}f(x)=\frac{1}{\alpha \Gamma(\beta)}\left(-\frac{x}{\alpha}\right)^{\beta-1} \exp \left(-\frac{x}{\alpha}\right)\end{align}\)       (1)

\(\begin{align}F(x)=\int_{0}^{x} f(x) d x=\int_{0}^{x} \frac{1}{\alpha \Gamma(\beta)}\left(-\frac{x}{\alpha}\right)^{\beta-1} \exp \left(-\frac{x}{\alpha}\right)\end{align}\)       (2)

나. 표준강수증발산지수 (SPEI)

SPEI는 기존의 표준강수지수 (SPI)를 개량한 가뭄지수이며, 강수 이외의 기온과 관련된 변수를 반영함으로써 기온변동으로 인한 강수 및 증발산 등의 물수지 변화를 고려할 수 있다는 이점을 가지고 있다. 또한, SPI와 같이 시간척도별로 단기가뭄 및 장기가뭄을 동시에 판단이 가능한 고유의 이점을 반영한 가뭄지수이다 (Nam et al., 2015a). 이와 같은 특징때문에 전세계적으로 가뭄 심도의 정량적 평가를 위한 가뭄 모니터링 연구에 주요 가뭄 판단인자로 활용하고 있다 (Nam et al., 2017).

잠재증발산량 (Potential Evapotranspiration, PET)은 식 (3)과 같이 Thornthwaite 산정식 (Thornthwaite, 1948)을 사용한다.

\(\begin{align}P E T=16 K\left(\frac{10 T}{I}\right)^{m}\end{align}\)       (3)

PET는 잠재증발산량 (mm), T는 평균기온 (℃), I는 열지수, K는 위도와 주의 함수로 산정하는 계수, m은 주 단위이다. 식 (4)와 같이 강수량과 잠재증발산량의 차로 산정되는 Di는 각각 다른 시간척도에 따라 합성되며, 식 (5)로부터 합성된 Di의 누적 값의 시계열 자료로부터 적정확률분포로 선정된 Log-logistic 분포를 이용하여 매개변수를 추정한 후, 표준정규분포로 변환하여 가뭄지수를 산정한다 (Stagge et al., 2015).

Di = Pi - PETi       (4)

\(\begin{align}D_{n}^{k}=\sum_{i=0}^{k-1} P_{n-i}-P E T_{n-i}\end{align}\)       (5)

여기서, k는 합성의 시간 규모, n은 계산에 이용된 주 단위이다.

다. 증발스트레스지수 (ESI)

ESI는 다양한 수문기상인자 (태양복사량, 대기압, 대기온도, 식생활 등)의 상호작용으로 발생하는 실제증발산량(Evapotranspiration, ET)과 잠재증발산량 (PET)을 이용하여 표준화된 아노말리를 지수화한 지표이며 (Anderson et al., 2016), 지표면과 대기 사이에서의 수분공급을 지수화하여 표현한다. 기존의 MODIS를 활용한 가뭄 분석 연구에서는 ESI를 산정하는 과정에서 5 km의 공간해상도 영상이 활용되었다. 본 연구에서는 우리나라의 재배 면적을 고려하여, 500 m의 공간해상도를 가진 MOD16A2 영상에서 취득한 실제증발산량 및 잠재증발산량을 활용하여 ESI를 산정하였다. 이와 같이 산정된 ESI는 앞서 Yoon et al. (2020)과 Lee et al. (2021)에서 실제 가뭄사상을 대상으로 국내 가뭄을 판단하기에 적합한 가뭄지수임을 검증하였다. ESI의 산정식은 식 (6)과 같다.

\(\begin{align}ESI=\frac{ET}{PET}\end{align}\)       (6)

여기서, ET는 위성영상에서 취득한 실제증발산량을 나타내며, MCD12Q1 영상의 토지피복도, NASA Global Modeling and Assimilation Office (GMAO)가 제공하는 6시간 단위의 평균 및 최소 온도, 광합성 유효 방사량, 습도 등의 기상인자, MOD15A2H 영상에서 취득한 잎 면적 지수 (LAI) 등 복합적인 인자들이 활용되어 취득된다 (Running et al., 2019, Yoon et al., 2020). PET는 Monteith (1965) 공식을 활용한 잠재증발산량이며, 산정식은 식 (7)과 같이 계산된다.

\(\begin{align}P E T=\frac{s A^{\prime}+\rho C_{p} \frac{V P D}{r_{a}}}{s+\gamma\left(1+\frac{r_{s}}{r_{a}}\right)}\end{align}\)       (7)

여기서, s는 포화증기압과 온도 곡선의 기울기, A는 이용 가능한 복사열, VPD는 공기압의 부족량, rs는 표면저항, 그 외 인자들은 상수 값으로 적용한다.

라. 증발수요가뭄지수 (EDDI)

EDDI는 NOAA에서 2016년에 개발한 가뭄 지표로, 토양의 수분 스트레스에 근거하여 대기 중 증발산수요 (E0)에 의한 상대적인 변동성을 활용한 가뭄 판단 지표이다 (Hobbins et al., 2016). EDDI는 온도, 습도, 풍속, 일사량을 이용하여 산정하며, 토지 피복형에 민감하지 않아 모든 지역에서 사용하기 적합한 특성을 가지고 있다. EDDI를 활용한 가뭄 분석에서 가장 중요한 개념은 E0와 실제증발산량 (ET)의 관계이며, 지표면과 대기 사이의 에너지 및 수분의 한계에 도달하면 E0과 ET는 반비례하는 개념를 응용하여 가뭄을 판단한다 (Won et al., 2018).

EDDI의 산정식에서 E0는 토양에 존재하는 충분한 수분이 식물에 의해 증발산되는 수분의 양으로 추정하며, FAO-56 PM 공식을 활용하여 식 (8)과 같이 산정한다.

\(\begin{align}P(E_0)=\frac{i-0.33}{n+0.33}\end{align}\)       (8)

\(\begin{align}E D D I=W-\frac{C_{0}+C_{1} W+C_{2} W^{2}}{1+d_{1} W+d_{2} w^{2}+d_{3} W^{3}}\end{align}\)       (9)

식 (8)에서 P(E0)는 지속기간에 대한 E0이며, i는 지정된 지속기간 내 과거 시계열 E0의 순위, n은 수집자료로 활용한 연도의 수이다. 식 (9)는 P(E0)의 값을 기준으로 역함수 공식(Vicente-Serrano et al., 2010)에 근거하여 계산된다. EDDI의 개념과 지수 특성상 가뭄 모니터링 및 조기경보지표로 많이 활용되고 있으며, 다양한 시간척도에서 가뭄을 감지할 수 있다. 특히, ET와 E0의 관계가 반비례하여 E0의 상승을 유발시키면서 지수가 높아질수록 가뭄을 나타내며, 강수량이 높아도 가뭄이 발생하는 현상이 나타나기도 한다. 본 연구에서는 NLDAS-2를 통해 산정된 글로벌 EDDI를 정사보정하고 선정된 지점을 기준으로 1-month 단위의 시간척도를 적용하여 값을 산정하였다.

Ⅲ. 적용 및 결과

1. 2022년 발생한 가뭄의 시공간적 경향 분석

본 연구에서는 가뭄의 전체적인 시공간적 분포 및 가뭄 경향의 시각화를 위해 8일 주기로 일정 취득이 가능한 자료와 광범위한 관측이 가능한 위성영상 기반 ESI를 활용하여 4주 합성 공간분포지도로 나타내어 분석하였다.

2022년 이상기후 보고서에 따르면 1월과 2월은 전반적으로 비 또는 눈의 양이 적어 건조한 경향이 나타났으며 1973년 이후 가장 적은 강수량 (6.1 mm)을 기록하였다. 5월 기준 최근 6개월 누적 강수량 (234.6 mm)은 평년의 절반 수준으로 전라남도, 경상남도 중심으로 지속적인 기상가뭄 및 극심한 강수 부족 상황이 발생하였다. 6월 말부터 7월 초까지 전국 평균기온이 26.4℃로 이른 열대야와 폭염이 발생하였으며, 8월에는 중부지방을 중심으로 평년 강수량 (282.6 mm)의 2배가 넘는 집중호우가 발생하였다. 특히, 서울과 경기도 지역에서는 시간당 100 mm가 넘는 폭우로 최다강수량 극값을 기록하기도 하였다. 반면, 남부 지역에서는 평년보다 적은 강수량의 장마로 인해 가뭄이 해소되지 않았으며, 이러한 강수량 부족과 이상고온현상 등으로 가뭄이 지속되었다. 실제 주어댐, 평림댐, 수어댐 등 주요 저수지 28곳의 저수율 부족이 나타났으며, 남부 지역에서 발생한 기상가뭄은 227.3일로 중부지방에서 발생한 발생일수보다 약 3배 정도로 확인되면서 1973년 이후로 역대 최장기간의 기상가뭄과 가장 큰 강수량 편차가 발생하였다.

ESI의 공간분포 변화 양상을 나타낸 결과는 Fig. 3과 같이 나타났으며, 표현된 붉은색이 짙어질수록 ESI 지수가 낮아지고 극심한 가뭄을 의미한다. 반면, 0 이상인 경우 초록색으로 나타내며, 가뭄이 아닌 것을 의미한다. 1월부터 3월 초순까지 전국적으로 극심한 가뭄이 나타나다가 3월 중순부터 중부지방을 중심으로 일부 지역의 가뭄 심도가 얕아지는 경향이 나타났다. 5월부터 충청남도 지방을 제외한 모든 지역에서 가뭄이 해소되는 경향이 나타났으며, 6월부터 8월 초순까지 정상적인 습윤상태가 나타났다. 하지만, 8월 말부터 남부 지역 중심으로 가뭄 심도가 짙어지면서 10월부터 12월 초순까지 극심한 가뭄이 지속되었다. ESI의 공간분포 경향은 1월부터 3월까지 발생한 심각한 가뭄과 중부지방과 상반되는 남부 지역의 지속적인 가뭄을 나타냈으며, 이는 실제 가뭄사상의 시기 및 발생지역과 유사한 것으로 확인되었다.

NGHHCI_2024_v66n3_25_7_f0001.png 이미지

Fig. 3 Spatial drought maps of evapotranspiration-based drought index using ESI in 2022 (drought year)

2. 2022년 발생한 가뭄의 가뭄지수별 비교

연구 대상 지역을 시도 단위로 나누어 지상 지점자료 기반의 가뭄지수인 SPI, SPEI와 위성영상 기반 가뭄지수인 ESI 값을 그래프와 공간분포지도를 통해 시기별 가뭄 경향을 비교분석하여 ESI 적용성을 확인하였다. 또한, ESI 위성영상 자료 취득주기가 8일 단위인 것을 고려하여 SPI, SPEI 값을 주단위로 산정하였으며, 공간분포지도의 경우 전체적인 세 가뭄지수의 가뭄 발생 시기와 가뭄 심도를 파악하기 위해 월별 평균값을 활용하였다.

세 가뭄지수들을 비교한 결과는 Fig. 4와 같다. ESI의 경우 1월부터 3월까지 전국적으로 극심한 가뭄이 나타났다. 반면, SPI는 1월부터 3월까지 전라남도, 경상남도, 강원도 등 일부 지역을 제외한 모든 지역에서 습윤 상태가 나타났으며, SPEI도 유사한 경향이 나타났다. SPI와 SPEI는 4월과 5월에 남부 지역을 중심으로 가뭄 정도가 심해지면서 경기도와 일부 강원 북부지방을 제외한 모든 지역에서 가뭄이 발생하였으며 특히, 경상북도에서는 극심한 가뭄이 확인되었다. 반면, ESI는 4월에 가뭄 심도가 얕아지면서 상반된 모습이 나타났으며, 5월에는 충청도 서부 지역에만 국지적으로 가뭄이 발생하였다. 6월과 7월부터 중부지방 중심으로 발생한 우기로 인해 SPI와 SPEI의 경우 가뭄이 해소되었지만, 남부 지역은 가뭄이 지속되는 현상이 나타나 지역적인 강수량 편차가 크다는 것을 확인하였다. ESI의 경우 1월부터 3월까지 실제 발생한 극심한 가뭄을 반영하였지만, SPI와 SPEI의 가뭄 경향이 명확하게 나타나지 않았다.

NGHHCI_2024_v66n3_25_8_f0001.png 이미지

Fig. 4 The monthly time-series drought maps of each drought indices using SPI, SPEI, and ESI in 2022 (drought year)

SPI, SPEI, ESI, EDDI 값을 도별 대표지점을 선정하여 8일 주기를 적용하여 Fig 5와 같이 시계열 그래프로 나타내었다. 도별 대표지점의 선정 기준에는 도심이 아닌 지역, 식생이 균일하게 분포된 지역, 행정구역이 겹치지 않는 지역, 산출한 지수들의 값이 가장 잘 반영된 지역 등을 고려하였다. SPI와 SPEI의 경우 대표지점 자료를 활용하였으며, ESI와 EDDI의 경우 대표지점에 해당하는 격자 단위 값을 별도로 추출하여 그래프로 나타내었다. 선정한 대표지점은 다른 지점들에 비해 ESI와 EDDI 값이 균일하게 나타났으며, 자료의 부재가 없어 가뭄 경향을 비교함에 매우 적합하다고 판단하였다. ESI의 경우, 전반적으로 1월부터 4월까지의 지수가 –1에서 –2사이를 나타났으며, 구미와 산청은 1월과 2월 사이 최저점이 –3을 나타내기도 하였다. 4월 말부터 전반적으로 급증하는 경향이 보이면서 구미, 인제, 산청은 3과 4사이를 나타내 습윤 상태인 것을 확인하였으며, 7월을 기점으로 급감하는 경향이 나타났다. 7월부터 12월까지 양평과 천안을 제외한 모든 지점에서는 지속적으로 감소하다가 8월과 9월 사이 모든 지점들이 0 이하 음수 값을 나타내었다.

NGHHCI_2024_v66n3_25_9_f0001.png 이미지

Fig. 5 Regional time-series of each drought indices using SPI, SPEI, ESI and EDDI in 2022 (drought year)

EDDI의 경우, 1.12 이상부터는 가뭄을 의미하며 양수일수록 극심한 가뭄을 나타낸다. 6월에 대부분의 지역에서 0이하로 떨어져 정상을 보였으며, 4월과 5월 사이에 최저점을 기록하였다. 인제의 경우, 1월부터 4까지 ESI와 정반대의 경향을 나타났으며, 모든 지역에서 ESI와 비슷한 시기에 유사한 변화를 확인하였다. 하지만 정읍의 경우, 1월, 8월, 10월에 매우 상반된 모습이 나타났다. 구미, 산청, 인제의 경우는 4월과 5월에 그래프의 추세가 상반되는 모습이 확인되었다.

SPI와 SPEI의 경우, 전체적으로 그래프가 유사한 경향을 나타내었으며, 남부 지역에 위치한 구미, 산청, 정읍, 고흥 지점은 0과 –2 사이 범위에만 나타났으며, 중부지방과 북부지방에 위치한 양평, 청주, 인제 등은 7월과 8월 사이에는 0이상으로 증가하는 경향이 나타났다. SPI와 SPEI의 경우, 변동 폭이 미세하여 가뭄에 대한 반응이 둔감한 사실을 확인하였으며, ESI와 EDDI의 경우 그래프 변동 폭이 크게 차이나 가뭄에 민감하게 반응하는 것으로 판단된다.

Ⅳ. 결론

본 연구에서는 2022년 남부 지역 중심으로 발생한 가뭄사상을 대상으로 가뭄 경향성을 확인하였으며, 실제 가뭄사상에 대한 비교 자료를 수집하였다. 균질하고 주기적인 자료 수집과 미계측 지역에 대한 자료의 부재를 극복하기 위해 위성 영상 기반 가뭄지수 ESI를 적용하였다. 또한, 기상학적 가뭄 지수인 SPI와 SPEI는 6개월 시간단위의 강수량과 기온 자료를 통하여 SPI, SPEI를 산정하였으며, 보간 기법을 활용하였다. 공간해상도 500 m의 MOD16A2 영상 자료를 활용한 ESI와 NOAA의 NLDAS-2를 통해 산정된 EDDI는 SPI, SPEI와의 비교를 통해 가뭄 판단의 적용성을 평가하였다. 또한, 네 가지 가뭄지수들의 공간분포지도와 보도 자료의 비교를 통해 가뭄 상황과 가뭄에 대한 지수별 반응을 평가하였다.

ESI 공간분포지도를 통해 1월부터 3월까지 전국적으로 발생한 심각한 봄 가뭄을 확인 하였으며, 3월 하순부터 가뭄 심도가 옅어지면서 봄비로 인한 가뭄이 해소되는 양상을 나타냈다. SPI와 SPEI의 경우 유사한 가뭄 경향이 나타났으며, 6월과 8월 사이에 내린 장마로 인해 남부 지역을 제외한 모든 지역에서 습윤 상태를 나타냈다. 하지만, ESI는 전국적으로 가뭄이 해소되면서 9월부터 남부 지역 중심으로 가뭄이 다시 전이 되는 양상이 확인되었다. ESI 경우, 장마시기에 평균값이 최고점을 나타냈으며, SPI와 SPEI의 경우 중부지방을 제외한 모든 지역에서 변화 폭이 작고 전체적인 경향이 0값 이하로 나타났다. ESI는 3월 하순에 약간의 봄비가 일부 지역에 내렸지만 가뭄을 해소하기에는 다소 부족한 양상과는 달리 상이한 결과를 나타냈다. 또한, 장마 시기의 급격한 변화를 통해 가뭄에 대한 즉각적인 반응 및 과추정하는 경향을 확인하였다. SPEI의 경우, 특정 시기를 제외하고 상대적으로 SPI보다 가뭄에 대해서 민감한 반응을 확인하였으며, SPI와 SPEI의 경우 남부 지역의 지속적인 가뭄 경향을 나타냈다.

EDDI는 일부 지역을 제외하고 비슷한 시기에 ESI와 동일한 경향이 확인되었다. 짧은 기간 내에 급격한 변동이 일어나는 현상은 ESI가 가뭄에 민감하게 반응하고 과추정하는 특징과 유사하다. 청주, 양평, 인제, 천안과 같은 중부 지방과 강원도 지방에 해당되는 지점들은 4월부터 6월까지의 시기를 제외한 모든 시기에서 1.12 이하로 정상 단계를 나타냈다. 하지만, 남부 지역에 해당하는 정읍, 고흥, 구미, 산청에서는 대부분 시기에서 1.12 이상으로 지속적인 가뭄을 확인하였다.

본 연구 결과, 1월부터 3월까지 남부 지역의 실제 가뭄사상을 나타낸 ESI는 기존 지점 기반 지수들보다 상대적으로 가뭄 발생 시기를 신속하게 판단이 가능하며 넓은 면적에 대한 가뭄 감지가 용이하다고 판단된다. 하지만 6월과 8월에 수도권 중심으로 발생한 집중 호우의 영향을 잘 반영한 결과와 달리 남부 지역의 실제 가뭄은 잘 감지하지 못하는 결과가 확인되었다. 이러한 공간적 변화는 식생에 의해 민감하게 반응하는 ESI의 특성상, 우리나라의 식생 분포 정도에 따라 시⋅공간적으로 다소 과추정하는 경향을 확인하였다. EDDI의 경우, 비슷한 시기에 발생한 급격한 변화와 과추정하는 특징은 ESI가 가뭄 감지하는 부분에서 유사하지만, 특정 기간을 제외한 모든 시기에 값이 1.12 이하의 정상 범위로 확인된 점을 통해 상대적으로 ESI보다 가뭄 반응이 둔감한 것으로 사료된다. SPI, SPEI, ESI, EDDI는 남부 지역의 지속적인 가뭄 경향을 나타내면서 실제 가뭄과 유사한 결과를 나타내었으며, 특히, EDDI의 경우 상대적으로 ESI보다 덜 민감하게 반응하지만, 전체적으로 안정적인 감지를 통해 과추정 현상을 보완함으로써 두 지수의 상호 보완적인 관계와 보조 지표에 대한 적용성을 확인하였다.

감사의 글

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임 (No. NRF-2021R1A2C1093245). 본 연구는 농림축산식품부의 재원으로 한국농어촌공사의 2023년 용역연구사업의 지원을 받아 연구되었음.

References

  1. Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. A. Otkin, and W. P. Kustas, 2007. A climatological study of evapotranspiration and moisture stress across the continental U.S. based on thermal remote sensing: I. model formulation. Journal of Geophysical Research 112: D10117. doi: 10.1029/2006JD007506.
  2. Anderson, M. C., C. R. Hain, B. Wardlow, A. Pimstein, J. R. Mecikalski, and W. P. Kustas, 2011. Evaluation of drought indices based on thermal remote sensing of evapotranspiration over the continental United States. Journal of Climate 24: 2025-2044. doi: 10.1175/2010JCLI3812.1.
  3. Anderson, M. C., C. R. Hain, J. A. Otkin, X. Zhan, K. C. Mo, M. D. Svoboda, B. Wardlow, and A. Pimstein, 2013. An intercomparison of drought indicators based on thermal remote sensing and NLDAS-2 simulations with U.S. drought monitor classifications. Journal of Hydrometeorology 14: 1035-1056. doi: 10.1175/JHM-D-12-0140.1.
  4. Anderson, M. C., C. A. Zolin, P. C. Sentelhas, C. R. Hain, K. Semmens, M. T. Yilmaz, F. Gao, J. A. Otkin, and R. Tetrault, 2016. The evaporative stress index as an indicator of agricultural drought in Brazil: An assessment based on crop yield impacts. Remote Sensing of Environment 174: 82-99. doi: 10.1016/j.rse.2015.11.034.
  5. Cho, J. H., H. Kim, W. H. Nam, and K. H. Kim, 2023. A satellite imagery-based survey of reclaimed land in South Pyongan province, North Korea. Journal of the Korean Society of Agricultural Engineers 65(6): 79-91. doi: 10.5389/KSAE.2023.65.6.079. (in Korean).
  6. Getahun, Y. S., and M. H. Li, 2024. Flash drought evaluation using evaporative stress and evaporative demand drought indices: A case study from Awash River Basin (ARB), Ethiopia. Theoretical and Applied Climatology 155(1): 85-104. doi: 10.1007/s00704-023-04587-x.
  7. Hobbins, M. T., A. Wood, D. J. McEvoy, J. L. Huntington, C. Morton, and M. C. Anderson, 2016. The evaporative demand drought index. Part I: Linking drought evolution to variations in evaporative demand. Journal of Hydrometeorology 17(6): 1745-1764. doi: 10.1175/JHM-D-15-0121.1.
  8. Jang, M. W., S. H. Yoo, and J. Y. Choi, 2007. Analysis of spring drought using NOAA/AVHRR NDVI for North Korea. Journal of the Korean Society of Agricultural Engineers 49(6): 23-36. doi: 10.5389/KSAE.2007.49.6.021. (in Korean).
  9. Jeon, M. G., W. H. Nam, E. M. Hong, S. Hwang, J. Ok, H. Cho, K. H. Han, K. H. Jung, Y. S. Zhang, and S. Y. Hong, 2019. Comparison of reference evapotranspiration estimation methods with limited data in South Korea. Korean Journal of Agricultural Science 46(1): 137-149. doi: 10.7744/kjoas.20190004.
  10. Jeon, M. G., W. H. Nam, H. J. Lee, E. M. Hong, S. Hwang, and S. O. Hur, 2021. Drought risk assessment for upland crops using satellite-derived evapotranspiration and soil available water capacity. Journal of the Korean Society of Hazard Mitigation 21(1): 25-33. doi: 10.9798/KOSHAM.2021.21.1.25. (in Korean).
  11. Jeong, J. H., D. E. Kim, and M. H. Choi, 2017. A study on the utilization of geostationary ocean color imager on communication, ocean and meteorological satellite for drought monitoring. Journal of the Korean Society of Hazard Mitigation 17(3): 69-77. doi: 10.9798/KOSHAM.2017.17.3.69. (in Korean).
  12. Kim, H. J., K. W. Kim, and H. H. Kwon, 2021. Development of a surrogate model based on temperature for estimation of evapotranspiration and its use for drought index applicability assessment. Journal of Korea Water Resources Association 54(11): 969-983. doi: 10.3741/JKWRA.2021.54.11.969. (in Korean).
  13. Kim, M. S., and Y. I. Moon, 2014. A study on target standardized precipitation index in Korea. Journal of the Korean Society of Civil Engineers 34(4): 1117-1123. doi: 10.12652/Ksce.2014.34.4.1117. (in Korean).
  14. Korea Meteorological Administration (KMA), 2022. Abnormal climate report. Seoul, Korea. (in Korean).
  15. Lee, H. J., W. H. Nam, D. H. Yoon, E. M. Hong, D. E. Kim, M. D. Svoboda, T. Tadesse, and B. D. Wardlow, 2019. Evaluation of agricultural drought in North Korea using the Evaporative Stress Index (ESI) based on satellite images. Journal of the Korean Society of Agricultural Engineers 61(3): 1-14. doi: 10.5389/KSAE.2019.61.3.001. (in Korean).
  16. Lee, H. J., W. H. Nam, D. H. Yoon, E. M. Hong, T. G. Kim, J. H. Park, and D. E. Kim, 2020a. Proposal of domestic drought severity classification criteria for the Evaporative Stress Index (ESI). Journal of the Korean Society of Agricultural Engineers 62(2): 63-73. doi: 10.5389/KSAE.2020.62.2.063. (in Korean).
  17. Lee, H. J., W. H. Nam, D. H. Yoon, M. W. Jang, E. M. Hong, T. G. Kim, and D. E. Kim, 2020b. Estimation of water storage in small agricultural reservoir using Sentinel-2 satellite imagery. Journal of the Korean Society of Agricultural Engineers 62(6): 1-9. doi: 10.5389/KSAE.2020.62.6.001. (in Korean).
  18. 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).
  19. Lee, H. J., W. H. Nam, C. Sur, J. A. Otkin, Y. Zhong, and M. D. Svoboda, 2023. Flash drought onset and development mechanisms using Flash Drought Intensity Index (FDII) based on satellite-based soil moisture. Journal of the Korean Society of Agricultural Engineers 65(3): 57-67. doi: 10.5389/KSAE.2023.65.3.057. (in Korean).
  20. McKee, T. B., N. J. Doesken, and J. Kleist, 1993. The relationship of drought frequency and duration to time scale. In Proceedings of the 8th Conference of Applied Climatology, 17-22 January, Anaheim, CA. Boston, MA: American Meteorological Society, 179-184.
  21. Monteith, J. L., 1965. Evaporation and environment. Symposium of the Society of Experimental Biology 19: 205-224.
  22. Mun, Y. S., W. H. Nam, T. G. Kim, E. M. Hong, and C. Y. Sur, 2020. Evaluation and comparison of meteorological drought index using multi-satellite based precipitation products in East Asia. Journal of the Korean Society of Agricultural Engineers 62(1): 85-95. doi: 10.5389/KSAE.2020.62.1.083. (in Korean).
  23. Nam, W. H., M. J. Hayes, M. D. Svoboda, T. Tadesse, and D. A. Wilhite, 2015a. 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.
  24. Nam, W. H., T. Tadesse, B. D. Wardlow, M. W. Jang, and S. Y. Hong, 2015b. Satellite-based hybrid drought assessment using vegetation drought response index in South Korea (VegDRI-SKorea). Journal of the Korean Society of Agricultural Engineers 57(4): 1-9. doi: 10.5989/KSAE.2015.57.4.001. (in Korean).
  25. Nam, W. H., E. M. Hong, and G. A. Baigorria, 2016. How climate change has affected the spatio-temporal patterns of precipitation and temperature at various time scales in North Korea. International Journal of Climatology 36: 722-734. doi: 10.1002/joc.4378.
  26. 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 Engineers 59(4): 65-74. doi: 10.5989/KSAE.2017.59.4.065. (in Korean).
  27. Nam, W. H., T. Tadesse, B. D. Wardlow, M. J. Hayes, M. D. Svoboda, E. M. Hong, Y. A. Pachepsky, and M. W. Jang, 2018. Developing the vegetation drought response index for South Korea (VegDRI-SKorea) to assess the vegetation condition during drought events. International Journal of Remote Sensing 39(5): 1548-1574. doi: 10.1080/01431161.2017.1407047.
  28. Otkin, J. A., M. C. Anderson, C. R. Hain, I. E. Mladenova, J. B. Basara, and M. D. 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.
  29. Park, C. E., 2017. Spatial and temporal aspects of drought in South Korea based on standardized precipitation index (SPI) and palmer drought severity index (PDSI). Journal of Agricultural, Life and Environmental Sciences 29(3): 202-214. doi: 10.12972/jales.20170019. (in Korean).
  30. Parker, T., A. Gallant, M. Hobbins, and D. Hoffmann, 2021. Flash drought in Australia and its relationship to evaporative demand. Environmental Research Letters 16(6): 064033. doi: 10.1088/1748-9326/abfe2c.
  31. Pendergrass, A. G., G. A. Meehl, R. Pulwarty, M. Hobbins, A. Hoell, A. AghaKouchack, C. J. W. Bonfils, A. J. E. Gallant, M. Hoerling, D. Hoffmann, L. Kaatz, F. Lehner, D. Llewellyn, P. Mote, R. B. Neale, J. T. Overpeck, A. Sheffield, K. Stahl, M. Svoboda, M. C. Wheeler, A. W. Wood, and C. A. Woodhouse, 2020. Flash droughts present a new challenge for subseasonal-to-seasonal prediction. Nature Climate Change 10(3): 191-199. doi: 10.1038/s41558-020-0709-0.
  32. Running, S. W., Q. Mu, M. Zhao, and A. Moreno, 2019. User's guide MODIS global terrestrial evapotranspiration (ET) product (MOD16A2/A3 and year-end gap-filled MOD16A2GF/A3GF) NASA earth observing system MODIS land algorithm (For collection 6). Washington, DC: NASA.
  33. Stagge, J. H., L. M. Tallakse, L. Gudmundsson, A. F. Van Loon, and K. Stahl, 2015. Candidate distributions for climatological drought indices (SPI and SPEI). International Journal of Climatology 35: 4027-4040. doi: 10.1002/joc.4267.
  34. Sur, C. Y., K. J. Kim, W. J. Choi, J. H. Sim, and M. H. Choi, 2014. Drought assessments using satellite-based drought index in Korea; Southern region case in 2013. Journal of Korean Society of Hazard Mitigation 14(3): 127-131. doi: 10.9798/KOSHAM.2014.14.3.127. (in Korean).
  35. Sur, C. Y., and W. H. Nam, 2023a. Assessment of soil moisture-vegetation-carbon flux relationship for agricultural drought using optical multispectral sensor. Journal of Korea Water Resources Association 56(11): 721-728. doi: 10.3741/JKWRA.2023.56.11.721. (in Korean).
  36. Sur, C. Y., and W. H. Nam, 2023b. Application of VIIRS land products for agricultural drought monitoring. Journal of Korea Water Resources Association 56(11): 729-735. doi: 10.3741/JKWRA.2023.56.11.729. (in Korean).
  37. Thornthwaite, C. W., 1948. An approach toward rational classification of climate. Geographical Review 38(1): 55-94. doi: 10.2307/210739.
  38. Vicente-Serrano, S. M., S. Begueria, and J. I. Lopez-Moreno, 2010. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index. Journal of Climate 23(7): 1696-1718. doi: 10.1175/2009JCLI2909.1.
  39. Won, J. E., S. H. Jang, K. M. Kim, and S. D. Kim, 2018. Applicability of the evaporative demand drought index. Journal of Korean Society of Hazard Mitigation 18(6): 431-442. doi: 10.9798/KOSHAM.2018.18.6.431. (in Korean).
  40. Yoon, D. H., W. H. Nam, H. J. Lee, E. M. Hong, T. G. Kim, A. K. Shin, and M. D. Svoboda, 2018a. Application of evaporative stress index (ESI) for satellite-based agricultural drought monitoring in South Korea. Journal of the Korean Society of Agricultural Engineers 60(6): 121-131. doi: 10.5389/KSAE.2018.60.6.121. (in Korean).
  41. Yoon, D. H., W. H. Nam, H. J. Lee, E. M. Hong, T. G. Kim, D. E. Kim, A. K. Shin, and M. D. Svoboda, 2018b. Evaluation of the applicability of the Evaporative Stress Index (ESI) for agricultural drought monitoring based on satellite images. Journal of the Korean Society of Agricultural Engineers 60(6): 121-131. doi: 10.5389/KSAE.2018.60.6.121. (in Korean).
  42. Yoon, D. H., W. H. Nam, H. J. Lee, E. M. Hong, and T. G. Kim, 2020. Drought risk assessment using ESI based on MODIS satellite images and ROC analysis. Journal of the Korean Society of Agricultural Engineers 62(3): 51-61. doi: 10.5389/KSAE.2020.62.3.051. (in Korean).