• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.196-196
• /
• 2023

가뭄은 발생 시점과 종점을 정확히 파악하기 어려우며, 피해 면적이 광범위하기 때문에 수자원시스템 전반을 비롯한 사회, 경제적 측면에서 심각한 영향을 줄 수 있다. 우리나라의 가뭄 발생경향은 2000년 이후로 급증하고 있으며, 2022년 전라남도 지역의 경우, 평년 대비 강수량이 60%에 그쳐 50년 관측 사상에서 가장 낮은 수준으로 나타나면서 극심한 가뭄이 발생하여 현재까지도 지속되고 있다. 미래에도 기후변화로 인한 가뭄의 강도와 빈도가 증가될 것으로 예측됨에 따라 가뭄을 예방하기 위한 미래 가뭄 상황의 예측에 대한 필요성이 대두되고 있다. 따라서 다양한 기후모델 및 미래 기후변화 시나리오를 활용해 미래 가뭄에 대한 전망을 분석하고 적응 전략을 수립해야 한다. 본 연구에서는 CMIP6 (Coupled Model Intercomparison Project 6)에서 제공하는 18개의 전 지구적 기후모델별로 산출한 SSP (Shared Socioeconomic Pathways) 시나리오를 기반으로 기상학적 가뭄지수인 표준강수지수 (Standardized Precipitation Index, SPI), 유효가뭄지수(Effectvie Drought Index, EDI)와 강수량 및 기온의 변화에 따른 증발산량을 고려하여 가뭄을 판단하는 표준강수증발지수 (Standardized Precipitation Evaportranspiration Index, SPEI), 증발수요 가뭄지수 (Evaporative Demand Drought Index, EDDI)를 적용하여 미래 가뭄지수별 가뭄 예측 및 변동성을 분석하였다.

• Journal of Korea Water Resources Association
• /
• v.54 no.8
• /
• pp.617-628
• /
• 2021

Drought is a major natural disaster that causes serious social and economic losses. Local drought forecasts can provide important information for drought preparedness. In this study, we propose a new machine learning model that predicts drought by using historical drought indices and meteorological data from 10 sites from 1981 to 2020 in the southeastern part of the Korean Peninsula, Busan-Ulsan-Gyeongnam. Using Bayesian optimization techniques, a hyper-parameter-tuned Random Forest, XGBoost, and Light GBM model were constructed to predict the evaporative demand drought index on a 6-month time scale after 1-month. The model performance was compared by constructing a single site model and a regional model, respectively. In addition, the possibility of improving the model performance was examined by constructing a fine-tuned model using data from a individual site based on the regional model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.329-329
• /
• 2023

가뭄은 수개월에서 수년에 걸쳐 평년보다 낮은 강수량을 특징으로 하는 극심한 기후 현상으로 크게 기상학적 가뭄과 식생 가뭄 또는 농업 가뭄, 수문학적 가뭄, 사회경제적 가뭄으로 구분할 수 있다. 본 연구에 사용된 기상학적 가뭄지수는 표준강수지수 (Standardized Precipitation Index), 증발수요가뭄지수 (Evaporative Demand Drought Index), 표준강수증발산지수 (Standardized Precipitation Evapotranspiration Index), Copula 기반 결합가뭄지수 (Copula-based Joint Drought Index)이다. 식생지수는 0부터 1까지 0.05 간격으로 가중치를 적용하여 21개의 식생건강지수(Vegetation Health Index)를 사용하였다. VHI는 널리 사용되고 있는 원격탐사자료 기반의 가뭄지수이며, 이는 식생상태지수 (Vegetation Condition Index)와 열상태지수 (Thermal condition index)의 선형 결합으로 이루어진다. 기상학적 가뭄지수와 식생지수 사이의 상호의존도 및 민감도를 분석하기 위해 상관성 분석을 수행하였으며, 이를 토지피복 유형 (시가화 건조지역, 농업지역, 초지, 산림지역)에 따른 분석도 수행하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.38-38
• /
• 2020

SPI지수는 강수량이 감소하기 시작하면 필요한 물수요에 비해서 상대적으로 물부족을 유발하게 되고, 가뭄발생의 발단이 된다는 것에 착안하여 개발된 지수이다. 하지만 다른 가뭄지수와 마찬가지로 강수량 또는 유출량 시계열을 상대적인 표준정규분포로 산정하였기 때문에 인근 지역에 비해 상대적으로 강수량이 많은 지역도 실제로 발생하지 않은 가뭄이 발생한다고 분석이 된다. 이러한 현상을 완화시키기 위해 수정된 가뭄분석 기법이 요구된다. 이에 Jeung et. al(2019)은 이런 현상을 완화시키기 위해 SPI지수 계산과정에서 해당지점의 시계열을 대상으로 계산되는 Gamma 분포를 전국으로 확장 시켜 산정 후 표준정규분포에 적용하여 가뭄지수를 산정하였다. 또한 과거 제한급수가 발생했던 지역을 대상으로 극한가뭄과 가뭄지속기간을 이용하여 M-SPI지수의 효용성을 확인한 결과, 제한급수 실시년도와 SPI, M-SPI 결과와의 비교결과 과거 가뭄을 정확하게 모사하는 것을 확인하였다. 하지만 M-SPI는 전국을 하나의 지역으로 가정하여 산정하였고, 증발산량과, 고도 등 지형의 특성을 고려하지 않았기 때문에 일부의 가뭄사상을 재현하지 못하였다. 이에 본 연구에서는 기상학적 인자와, 지형학적 인자를 고려하여 지역화를 하고, 각 지역별로 대표 확률분포를 산정하여 가뭄지수를 산정하고자 한다. 또한 한국 기상청에서 제공하고 있는 국가 표준기후변화 시나리오를 수집하여 M-SPI에 적용하여 미래 극한 가뭄빈도의 변화를 전망하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.410-410
• /
• 2018

Evaporative Demand Drought Index (EDDI)는 미국해양대기관리처 (National Oceanic and Atmospheric Administration, NOAA)에서 2016년에 개발한 가뭄지표로, 기존의 가뭄지표가 주로 강수량과 기온에 초점을 두고 가뭄을 판단하는 반면 토양의 수분 스트레스의 신호를 바탕으로 증발산수요의 상대적인 변화를 계산하여 가뭄지표에 대한 조기 경보를 제공한다. EDDI는 강수량을 이용한 기존의 가뭄지수와 달리 증발/산 요구량 (evaporative demand)에 초점을 맞춰 보다 짧은 시간의 척도와 공간 분포 및 시계열 결과의 도출로 잠재적 가뭄 예보에 활용할 수 있어 가뭄의 조기 경보 및 가뭄 모니터링 도구로 사용할 수 있다. 현재 NOAA에서는 EDDI Map Archive(https://www.esrl.noaa.gov/psd/eddi/)를 활용하여 1980년부터 현재까지 1-week부터 12-months 시간척도의 미국 전역의 EDDI 지도를 제공하고 있으며, 짧은 기간의 급속하게 발생하는(rapid-onset) Flash drought의 조기경보지표로 활용되고 있다. 본 연구에서는 최근 3년간 우리나라에 발생한 극심한 가뭄 사상을 대상으로 EDDI의 적용함으로서 시공간적 가뭄 특성을 파악하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.54 no.8
• /
• pp.577-587
• /
• 2021

Drought is generally considered to be a natural disaster caused by accumulated water shortages over a long period of time, taking months or years and slowly occurring. However, climate change has led to rapid changes in weather and environmental factors that directly affect agriculture, and extreme weather conditions have led to an increase in the frequency of rapidly developing droughts within weeks to months. This phenomenon is defined as 'Flash Drought', which is caused by an increase in surface temperature over a relatively short period of time and abnormally low and rapidly decreasing soil moisture. The detection and analysis of flash drought is essential because it has a significant impact on agriculture and natural ecosystems, and its impacts are associated with agricultural drought impacts. In South Korea, there is no clear definition of flash drought, so the purpose of this study is to identify and analyze its characteristics. In this study, flash drought detection condition was presented based on the satellite-derived drought index Evaporative Stress Index (ESI) from 2014 to 2018. ESI is used as an early warning indicator for rapidly-occurring flash drought a short period of time due to its similar relationship with reduced soil moisture content, lack of precipitation, increased evaporative demand due to low humidity, high temperature, and strong winds. The flash droughts were analyzed using hydrometeorological characteristics by comparing Standardized Precipitation Index (SPI), soil moisture, maximum temperature, relative humidity, wind speed, and precipitation. The correlation was analyzed based on the 8 weeks prior to the occurrence of the flash drought, and in most cases, a high correlation of 0.8(-0.8) or higher(lower) was expressed for ESI and SPI, soil moisture, and maximum temperature.