J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 16(2); 2016 > Article
미래기후예측모형에 따른 가뭄전망 결과 비교

Abstract

This study compared the characteristics of drought occurrence projections of five regional climate models. For this purpose, RCP 8.5 scenario daily precipitation data from Climate Change Information Center are used. Standard precipitation index calculable only with daily precipitation was used to project the drought occurrence characteristics. As a result, we found that the similarity of RegCM4 and SNURCM was the most similar case, however, the case of WRF had drought occurrence characteristics different from the other four models. On the other hand, spatial distribution results showed that regional climate models have large difference in extremely drought events, each other.

요지

수자원 활용 계획을 위하여 기후변화에 따른 가뭄의 예측은 매우 중요한 문제이다. 현재까지 RCP 기반의 5개의 지역기후모형(HadGEM3-RA, RegCMv4, SNUMM5v3, GRIMs, WRFv34)이 제시되어 있으며, 각 모형들은 한반도에서의 미래 기후를 다르게 예측하고 있는 것으로 알려지고 있다. 본 연구에서는 5개 지역기후모형을 사용하여 한반도에서의 미래 가뭄을 표준가뭄지수(SPI)를 사용하여 예측하고, 각 모형의 결과를 상호 비교하였다. 가뭄 발생시점, 발생횟수, 가뭄 등급을 비교한 결과 5개 모형 중 WRF 모형에 의한 가뭄 예측이 가장 상이한 결과를 주는 것으로 나타났다. 가뭄의 공간분포는 5개 모형 모두 비슷하게 예측하였으나, SPI –2 이하의 극한 가뭄 예측은 모형별로 50%이상 차이가 발생하였다. 본 연구 결과는 미래 가뭄 예측을 통한 정책수립 등에 활용될 수 있을 것으로 기대된다.

1. 서론

전지구 기후모형(Global Climate Models, 이하 GCMs)은 수백 킬로미터에 달하는 기후 예측치를 비교적 정확하게 전망하는 것으로 평가되고 있으나, 공간해상도의 제약으로 인해지역규모 기후변화 전망에는 한계를 갖는다(Latif et al., 1988; Fu et al., 2005; Kim et al., 2015). Giorgi and Francisco (2000a; 2000b)에 의하면, GCMs으로 전망된 강수량의 편의는 지역에 따라 -40~+80%에 이르며, 심한 경우에는 100%를 초과하는 것으로 보고된 바 있다.
GCMs의 공간해상도 문제의 해결방안으로 다양한 상세화 과정이 있으며, 대표적인 방안으로는 지역기후모형(Regional Climate Models, 이하 RCM 또는 RCMs)이 있다(Giorgi and Means, 1999). RCM은 특정지역 및 국지규모를 대상으로 활용이 가능한 대표적인 역학적 상세화 방안으로, 물리적으로 기후경계조건을 고려하기 때문에 공간적으로 상세하고 예측도 높은 미래 기후정보의 생산이 가능하다(Kim et al., 2015).실제로도 RCM은 월별 및 계절 평균 기후변화, 연내 변동성예측, 그리고 극단적인 기후 변동들의 재생산 성능을 높이 평가받고 있다(Lee et al., 2008). 다만, RCM이 전지구 규모 기후시스템을 중규모(mesoscale)이하로 재생산하는 만큼 다양한 불확실성 검토와 RCMs 자료간의 상호 비교연구가 필요하다(Vidale et al., 2003). 지금까지의 연구사례를 살펴보면, RCM의 예측성과 불확실성 연구(Vidale et al., 2003), RCMs기후자료의 상호비교 연구(Frei et al., 2006; Woth et al., 2006; Deque et al., 2007; Graham et al., 2007; Jacob et al., 2007), 그리고 RCM의 오차특성 및 편의보정 연구(Themeßl et al., 2011)가 다양한 지역을 대상으로 수행되었다.
선행연구들에서는 각 RCM 모형별 특성을 분석하였을 뿐 각 모형의 역학적 상세화방안의 차이로 인한 2차 생산 정보, 가뭄 예측 결과의 차이를 분석하지 않았다. 본 연구에서는 다른 지역기후모형의 사용이 가뭄전망에 미치는 영향을 검토하기 위해 RCM별 가뭄전망 특성을 상호 비교하였다. 이를 위해, 기상청 기후변화정보센터(climate change information center, CCIC)에서 제공하는 대표농도경로(Representative Concentration Pathway, 이하 RCP) 시나리오 기반의 5개 RCM(HadGEM3-RA, RegCMv4, SNUMM5v3, GRIMs, WRFv34)의 남한상세 기후변화 앙상블 일 강수자료를 이용하였다. 강수량만으로 산정이 가능한 표준강수지수(Standard Precipitation Index, 이하 SPI)를 가뭄지수로 선정하였다. 현재 추세로 온실가스의 저감없이 온실가스가 배출되는 경우인 8.5 시나리오에 따른 가뭄전망 결과를 검토하였다. 전국 기상청 관측 지점 66개소를 대상으로 2022년∼2090년 기간의 남한상세 앙상블 시나리오 자료를 분석에 사용하였다. 아울러, 본 연구는 지역기후모형별로 고려된 기후경계조건과 물리적인 상세화 과정의 차이를 비교하기 보다는 다양한 지역기후모형 기반의 가뭄전망 결과가 갖는 특성을 정량적 측면과 공간적인 측면에서 상호 비교하는데 초점을 두었다.

2. 배경이론과 적용자료

2.1 표준가뭄지수와 지역기후모형

본 연구에서는 다양한 가뭄지수 중 강수량만으로 산정이 가능한 SPI를 가뭄지수로 선정하였다. 미래 가뭄지수 산정에 다양한 전망자료가 입력자료로 사용될 경우에 미래 가뭄발생특성결과에 불확실성을 가중시키는 요인으로 작용될 수 있기 때문이다(Kim et al. 2016). 일반적으로 SPI를 산정하기 위해서는 먼저 분석하고자 하는 시간단위(예를 들어 1, 3, 6, 9, 12, 24개월 등)에 따라 누가 강수 시계열을 이동 누가방법으로 새로운 시계열을 작성한다. 작성된 시계열을 이용하여 해당 시계열과 적합한 확률분포형을 결정하며, 해당 확률분포형을 이용하여 각 변량에 대한 누가 확률을 산정한다. 최종적으로 표준정규분포에서 동일한 누가확률을 갖는 Z값을 결정하면 이 값이 SPI가 된다(Moon, 2010). 참고로 SPI에 따른 가뭄 분류를 Table 1에 나타내었으며, 건조 상태를 가뭄으로 간주하여 각각 보통가뭄(moderately drought), 심한가뭄(severely drought), 그리고 극한가뭄(extremely drought)으로 표기하였다.
Table 1
Drought classification according to the SPI
SPI Index Range Moisture condition Drought classification
Mor than +2.00 Extremely wet -
+1.50 ~ +1.99 Very wet -
+1.00 ~ +1.49 Moderately wet -
-0.99 ~ +0.99 Near Normal -
-1.49 ~ -1.00 Moderately dry Moderately drought
-1.99 ~ -1.50 Severely dry Severely drought
Less than -2.00 Extremely dry Extremely drought
본 연구에서는 5개 지역기후모형으로부터 재생산된 일 강수량 자료를 이용하여 SPI를 산정하고 가뭄등급을 분류하였다. 사용된 지역기후모형들은 HadGEM3-RA(atmospheric regional climate model of HadGEM3), GRIMs(Global/Regional Intergrated Model System), RegCM4, SNURCM(Seoul NAtional University Regional Climate Model), 그리고 WRF(Weather Research and Forecasting)이다. 지역기후모형에 따른 가뭄전망 특성에의 영향분석에 초점을 두고자 현재 추세로 온실가스의 저감없이 온실가스가 배출되는 경우인 RCP 8.5 시나리오만을 이용하였다. 본 연구에서 사용한RCP 시나리오 자료는 기상청에서 생산하여 제공하는 일강수량 자료로, 영국 기상청 해들리 센터의 전기구 대기-해양-수문-에어로솔 결합모델인 HadGEM2-AO(coupled atmosphere ocean model of Hadley centre global environmental model version 2)를 기반으로 한 지역 기후모델인 HadGEM3-RA(atmospheric regional climate model of HedGEM3)를 사용하여 생산된 자료를 기본으로 한다(Joo et al. 2015). RCP자료와 지역기후모형들의 제원은 Joo et al. (2015)Kim et al. (2015)에 상세하게 기술되어있다.

2.2 적용 방법 및 자료

SPI 산정을 위해, 월별 최적 확률분포를 결정하는 대신에 비모수적 통계기법 중 하나인 커널밀도추정(Kernel Density Estimate, KDE) 법을 이용하여 월별 확률밀도 함수를 추정하였다. 비모수적 통계기법은 사전적인 가정으로부터 발생할 수 있는 모형설정의 오류를 피할 수 있어, RCP 시나리오 자료와 같이 불확실성이 큰 자료를 이용할 경우에는 비모수적 통계기법이 모수적 통계기법보다 더 적합하다(Park et al., 2015).본 연구는 다양한 지역기후모형들의 가뭄전망 특성을 상호 비교한 연구로써 다양한 SPI 분석 시간단위를 사용하기 보다는 6개월 분석 시간단위 (SPI-6 months)만을 사용하여 지역기후모형별 가뭄전망 특성을 분석하였다.
전국 기상청 관측 지점 66개소를 대상으로 연구를 수행하였으며, 이 중 4개 대표지점(서울, 대전, 부산, 제주 지점)을 별로도 선정하여 개별 분석을 수행하였다. 66개 관측 지점의 위치는 Fig. 1에 표기하였다. 분석기간은 23개년씩 총 3개 구간(a. 2022-2044년, b. 2045-2067년, c. 2068-2090년)으로 구분하였다.
Fig. 1
Location of 66 gauge stations used.
KOSHAM_16_02_463_fig_1.gif
RCP 시나리오별 SPI의 본격적인 분석에 앞서 입력자료인 일 강수자료에 대한 비교군(관측 일 강수량 자료)과 실험군(RCP 일 강수량 자료)에 대한 비교분석이 필요하다. 이에 대한 내용은 Joo et al. (2015)Kim et al. (2016)에서 상세하게 기술되어 있다. 간략하게 결론을 정리하면, 분석에 사용된 RCP 시나리오 일 강수자료는 월별, 계절별, 그리고 공간적 측면에서 미래 가뭄전망에 충분히 가용될 수 있을 것으로 판단되었다.

3. 지역기후모형별 가뭄전망 특성 상호비교

3.1 모형별 가뭄 발생 특성 비교

지역기후모형 GRIMs (이하 RCM1), HadGEM3-RA (이하RCM2), RegCM4 (이하 RCM3), SNURCM (이하 RCM4), WRF (이하 RCM5) 자료로부터 산정된 SPI의 시계열과 Box-Whisker 그래프를 Fig. 2에 작성하였다. 결과를 살펴보면, Box-Whisker 그래프를 통해 대상 자료구간이 미래에 가까워질수록 양의 SPI로 전망되는 경향을 보였다. 반면에 2022-2044년 구간의 경우는 다른 두 구간과 비교하여 음의 SPI로 전망되는 경향이 크다. 이 같은 결과는 모든 RCM과 지점에서 동일하게 나타났다. 아울러, RCM별 SPI의 25-75% 백분위 범위가 상이하여 RCM간의 차이를 일부 확인할 수 있었다. Fig. 2에서 RCM별 SPI 시계열의 거동특성은 대체적으로 유사하게 나타났다. 이는 기본적으로 동일한 GCM 자료를 입력자료로 사용하기 때문인 것으로 판단된다. 다만, 각 지점별 확대된 시계열 그래프에 따르면 지역기후모형별 SPI의 차이가 편의형태로 일부 관찰되었다.
Fig. 2
SPI time series and its Box-Whisker plots: RCM1, 2, 3, 4, and 5 indicate GRIMs, HadGEM3-RA, RegCMv4, SNUMM5v3, and WRFv34, separately.
KOSHAM_16_02_463_fig_2.gif
RCM별 SPI의 상호 관계를 검토하기 위해 산포도와 선형회귀선을 이용하였다. 대표적으로 서울지점에 대한 결과를 Fig. 3에 도식화하였다. 그림 (a)의 결과를 살펴보면, 전반적으로 RCM간의 산포도가 선형적인 비례관계에서 변동성이 존재하는 양상을 보였다. 각 결과별 선형 회귀선의 기울기는0.64-0.78이며, 결정계수(R-squared)는 0.48-0.61로 나타나 RCM간의 SPI는 편의와 같은 평균적인 차이가 일부 존재하는 것으로 판단된다. 추가로 그림 (b)의 결과를 통해 자료구간별편의 정도를 선형 회귀선으로 검토하였다. 그 결과 SPI 회귀선의 기울기가 자료구간에 따라 상이하였으며, 특히, 자료구간 중에서 2068-2090년 구간의 편의가 가장 큰 것으로 나타났다. 이 같은 결과는 서울지점뿐만 아니라 다른 65개 지점에서도 동일하게 나타났다.
Fig. 3
Scatter plots for one RCM versus the other RCMs (Seoul).
KOSHAM_16_02_463_fig_3.gif
계절별 가뭄전망 특성을 검토하기 위해 가뭄발생이 상대적으로 잦은 봄(3, 4, 5월), 가을(9, 10, 11월), 그리고 겨울(1, 2, 12월)의 보통건조(moderate dry)이상의 상태를 1회 가뭄발생으로 정의하여 그 횟수를 Box-Whisker 그래프로 작성하였다(Fig. 4 참고). 결과를 살펴보면, 2022-2044년 자료구간이 계절에 상관없이 다른 자료구간보다 가뭄발생 횟수가 높게 전망되었다. RCM별 결과를 비교하면, 각 RCM의 가뭄발생 횟수는 계절에 상관없이 일정한 경향성을 갖는 것으로 나타났다. 예를 들어, 2022-2044년 자료구간에서 RCM1(GRIMs)의 가뭄발생 횟수(백분율 25-75% 기준)는 모든 계절에서 가장 낮게 나타났으며, RCM4(SNURCM)와 RCM5(WRF)는 다른 모형에 비해 상대적으로 높게 전망되었다. 이 같은 결과는 다른 두 자료구간에서도 동일하게 나타났다. 이 같은 결과는 RCM별 서로 다른 경계조건과 물리적 프로세싱이 동일한 GCM 입력자료에 일정하게 반영된 결과로 볼 수 있다. 같은 맥락에서 지역기후모형별 일 강수 특성의 상호 비교결과는 Kim et al. (2015)를 통해 확인할 수 있다.
Fig. 4
Seasonal SPI Box-Whisker plots.
KOSHAM_16_02_463_fig_4.gif
가뭄 발생시점 일치여부, 발생횟수 일치여부, 그리고 등급 일치여부를 산정하여 지역기후모형간의 유사성을 상호 비교하여 Fig. 5에 나타내었다. 그림에서 Timing은 가뭄 발생시점 일치횟수를 최대 횟수(49.6회)의 상대비율 (%)로, Class는 가뭄등급 일치횟수를 최대 횟수(25.7회)의 상대비율 (%)로, 그리고 Number는 총 가뭄발생 횟수를 두 RCM모형의 상대비율(%)로 나타낸 것이다(그림에서 파란글씨는 두 모형간의 일치횟수를 의미한다). 또한 모든 결과는 66개 지점에 대한 평균값이다. 결과를 살펴보면, 가장 높은 유사성을 나타낸 RCM 조합은 RCM3(RegCM4)과 4로 나타났다. 이 두 모형의 가뭄 발생시점 일치횟수는 49.6회, 가뭄등급 일치횟수는 25.7회, 그리고 총 가뭄발생횟수의 비율은 102.0%로 가뭄발생 전망결과 특성이 가장 유사하다. 반면에, RCM5(WRF)은 다른 RCM들과의 가뭄발생 특성이 가장 상이한 모형으로 확인되었다. 가뭄발생 횟수는 다른 모형간의 결과와 별다른 차이는 없으나, 가뭄 발생시점 일치횟수(28.7-32.5회)와 가뭄등급 일치횟수(13.6-15.7회)의 상대비율이 60%미만이다. 다른 모형간의 가뭄 발생시점 일치횟수(37.3-49.6회)와 가뭄등급 일치횟수(19.0-25.7회)는 80% 전·후로 나타났다.
Fig. 5
Comparison results of quantitative drought occurrence characteristics between RCMs using radar plot.
KOSHAM_16_02_463_fig_5.gif

3.2 공간적 특성

66개 지점의 정량적 가뭄발생 특성을 크리깅 방법(kriging method)으로 공간 분포시켜 RCM별 가뭄발생 특성을 상호 비교하였다. 먼저, Fig. 6에 1개월과 3개월 지속기간 가뭄발생횟수를 RCM별로 작성하였다. 가뭄등급(일반, 심한, 극한)에 상관없이 모든 가뭄발생은 1회로 간주하였다. 결과를 살펴보면, 1개월 지속기간 가뭄발생 결과를 통해 몇 가지 가뭄발생특성이 확인되었다(Fig. 6(a) 참고). 첫 번째는 3개 기간 중에서 2022-2044년의 가뭄발생 횟수가 다른 두 기간보다 확연하게 많다는 점이다. 2022-2044년은 RCM에 따라 최대 85회까지 가뭄발생이 전망되었으며, 지역적으로는 전라남도를 기점으로 가뭄이 확산되는 경향을 보였다. 반면에 강원도는 가뭄이 상대적으로 적게 발생될 것으로 전망되었다.
Fig. 6
Number of drought occurrence depending on its duration.
KOSHAM_16_02_463_fig_6.gif
두 번째는 RCM별 공간분포의 차이이다. RCM별 결과에서 서-남해안 부근의 전라남도에서 공통적으로 50회 이상의 가뭄이 동일하게 전망되었다. 하지만, RCM별 전망된 가뭄발생 정도는 확연한 차이를 보였다. 대표적인 예로 2022-2044년 자료구간의 RCM별 결과를 들 수 있다. RCM1(GRIMs)은 서-남해안 부근에서 최대 55회의 가뭄발생이 전망된 반면에 RCM5(WRF)는 서-남해안을 시작으로 내륙전반에 걸쳐 55회 이상의 가뭄발생을 전망하였다. 이러한 RCM별 공간적 차이는 자료구간에 상관없이 존재하는 것으로 나타났으며, RCM별 결과는 일정한 경향성 없이 자료구간별로 다른 양상을 나타냈다. 가령, 앞서 언급한 2022-2044년 자료구간의 RCM1(GRIMs)과 RCM5(WRF)의 가뭄발생 횟수의 차이는 상당하였으나, 2045-2067년 자료구간에서는 이 두 모형의 결과가 공간적 분포와 발생횟수 측면에서 매우 유사한 경향을 보였다.
Fig. 6(b)은 가뭄이 3개월 동안 지속되는 경우를 1회 가뭄발생으로 간주한 결과이다. 결과를 살펴보면, 자료구간 2022-2044년에서는 RCM3(RegCM4)과 RCM4(SNURCM)가 상대적으로 넓은 지역에서 높은 발생횟수를 보인 반면에 RCM1(GRIMs)과 RCM5(WRF)는 4회 미만의 가뭄발생이 지배적이다. 다른 두 자료구간에서도 각 모형별로 각기 다른 양상을 보였으며, Fig. 6(a)의 결과와 같이 RCM별 가뭄발생 전망결과는 일정한 경향성 없이 자료구간에 따라 다른 특성을 나타냈다.
계절별 가뭄발생 전망특성을 검토하기 위해, 봄철과 가을철로 구분하여 1개월 지속 가뭄발생 횟수를 상호 비교하여 Fig. 7에 정리하였다. 먼저, 봄철 결과를 살펴보면, 봄철 결과는 2022-2044년, 2068-2090년, 그리고 2045-2067년 자료구간 순으로 가뭄발생 횟수가 높게 전망되었다. 2022-2044년의 경우, RCM간의 가뭄발생 횟수에는 차이가 있으나 공간분포 경향은 매우 유사하게 나타났다. 특히, 남해안을 중심으로 높은 발생횟수가 전망되었다. 강원도는 상대적으로 낮은 가뭄발생경향이 공통적으로 나타났다. 2045-2067년의 경우, 대부분의 RCM이 강원도 지역을 중심으로 가뭄발생 가능성을 높게 전망한 반면에 충청도와 전라도는 적게 전망하였다. RCM별로는 RCM5(WRF), RCM1(GRIMs), RCM4(SNURCM), RCM2(HadGEM3-RA), 그리고 RCM3(RegCM4) 순으로 가뭄발생횟수가 높게 전망되었다. 2068-2090년의 경우, 전반적으로 수도권과 강원도를 중심으로 가뭄발생이 높게 전망되었으며, 남해안지역으로 갈수록 상반되는 경향을 보였다. RCM별 결과에서 가장 확연한 차이는 2022-2044년에서 높은 가뭄발생을 전망한 RCM5(WRF)가 2068-2090년에서는 가장 낮은 가뭄발생 전망특성을 보인다는 점이다. 즉, 지역기후모형의 상세화는 가뭄발생의 공간분포 특성뿐만 아니라 정량적인 특성에도 영향을 미치는 것이다. 물론 이러한 영향은 지역기후모형별로 다르다. 한편, RCM5(WRF)를 제외한 다른 RCM들의 가뭄발생 규모는 비교적 유사하나 공간분포 경향은 지역에 따라 다소 상이한 것을 Fig. 7을 통해 확인할 수 있다.
Fig. 7
Number of drought occurrence depending on the season.
KOSHAM_16_02_463_fig_7.gif
자료구간별 가을철 결과를 살펴보면, 2022-2044년의 경우, 모든 RCM이 공통적으로 수도권 지역의 가뭄발생 가능성을 높게 전망하였다. 남부지역은 RCM에 따라 가뭄발생 횟수의 규모가 다르게 전망되었다. 2045-2067년의 경우, 강원도와 경상도를 중심으로 높은 가뭄발생을 전망하였다. RCM1(GRIMs)은 가장 높은 가뭄발생 횟수를 전망하였을 뿐만 아니라 그 분포가 공간적으로도 넓게 형성되었다. 반면에 RCM2(HadGEM3-RA)는 비교적 낮은 가뭄발생 횟수를 전 지역에 걸쳐 전망하여 다른 모형들과는 상반된 가뭄발생 특성을 전망하였다. 2068-2090년의 경우, 모든 RCM 결과가 10회 미만의 가뭄발생 횟수를 전망함과 동시에 그 공간적 변동성 또한 비교적 크지 않다. 추가로 가을철 결과는 미래로 갈수록 가뭄발생 횟수가 감소하는 경향을 나타냈다.
극한가뭄 사례에 대한 지역기후모형별 공간분포 경향을 상호 비교하기 위해, 최장 가뭄발생기간을 산정하여 Fig. 8에 작성하였다. RCP1의 경우, 강원도에서 최장 가뭄발생기간이 전망되었으며, 그 범위는 7-23개월이다. RCP2, RCP3, RCP4는 6-12개월 범위로 지역적으로 변동성이 비교적 적은 편에 속한다. RCP5는 10-31개월 범위로 최장 가뭄기간이 발생하는 것으로 나타났으며, 수도권, 동해안 일부지역, 그리고 제주도를 제외한 대부분의 지역에서 15개월 이상의 최장 가뭄기간이 전망되었다. 결과적으로 최장 가뭄발생기간을 갖는 극한가뭄의 전망특성은 RCM별로 상이한 점을 보였으며, 그 중에서도 RCM5(WRF) 결과는 다른 모형결과에 비해 매우 다른 경향을 나타냈다.
Fig. 8
Longest drought duration of five regional climate models.
KOSHAM_16_02_463_fig_8.gif
다음으로 가뭄분류에 따른 발생횟수의 공간분포 결과를 Fig. 9에 나타내었다. 참고로 Fig. 9는 자료구간의 구분이 없는 전체기간에 대한 결과이다. 이 그래프에서 가장 두드러진 결과는 가뭄정도가 심각할수록 RCM간의 공간분포 경향 차이가 극명하게 다르다는 점이다. 먼저, 보통가뭄은 RCM별 공간분포 경향 차이가 상대적으로 크지 않다. 심한가뭄의 경우는 RCM2(HadGEM3-RA)가 다른 RCM결과에 비해 가뭄발생횟수의 공간적 변동성과 그 규모가 매우 단조로운 경향을 보인 반면에 RCM3(RegCM4), RCM4(SNURCM), 그리고 RCM5(WRF)는 비교적 상반되는 결과를 전망하였다. 극한가뭄은 세 가지 가뭄분류 결과에서 RCM간의 가뭄발생 횟수와 그 공간분포 차이가 가장 극명한 결과를 보였다. RCM2(HadGEM3-RA)는 다른 가뭄분류 결과와 마찬가지로 6회 미만의 단조로운 공간분포 경향을 보였다. RCM1(GRIMs)은 경상도를 중심으로 6-14회의 극한가뭄을, 그리고 RCM3(RegCM4)은 한반도 전반에 걸쳐 4-8회의 극한가뭄을 전망하였다. RCM4(SNURCM)는 RCMs 가운데에서 극한가뭄 발생규모가 8-14회로 가장 크다. RCM에 따라 가뭄발생 횟수는 최대 50% 이상 차이나는 것으로 나타났다.
Fig. 9
Number of drought occurrence depending on the drought classification.
KOSHAM_16_02_463_fig_9.gif

4. 결론

본 연구에서는 지역기후모형별 가뭄전망 특성을 상호 비교하였다. 이를 위해 기상청 기후변화정보센터에서 제공하는 대표농도경로 시나리오 기반의 5개 RCM(HadGEM3-RA, RegCM4, SNURCM, GRIMs, WRF)의 남한상세 기후변화앙상블 일 강수자료를 이용하였다. 강수량만으로 산정이 가능한 표준강수지수를 가뭄지수로 선정하였다. 현재 추세로 온실가스의 저감 없이 온실가스가 배출되는 경우인 8.5 시나리오자료를 이용하여 가뭄전망 결과를 검토하였다. 아울러, 전국기상청 관측 지점 66개소를 대상으로 2022년~2090년 기간의 남한상세 앙상블 시나리오 자료를 분석에 사용하였다. 결과 및 결론을 정리하면 다음과 같다.
먼저, RCM간 SPI 결과의 시계열과 산포도를 통해 RCM간의 SPI에는 편의와 같은 평균적인 차이가 확인되었다. 각 결과별 선형 회귀선의 기울기는 0.64-0.78이며, 결정계수(R-squared)는 0.48-0.61로 일정부분 두 RCM간의 SPI 관계가 회귀선으로 설명될 수 있어, 상호간의 편의가 존재하는 것으로 판단된다. 가뭄 발생시점 일치여부, 발생횟수 일치여부, 그리고 등급 일치여부를 이용하여 지역기후모형간의 유사성을 상호 비교한 결과, RegCM4 (RCM3)과 SNURCM (RCM4)의 가뭄 발생시점 일치횟수는 49.6회, 가뭄등급 일치횟수는 25.7회, 그리고 총 가뭄발생횟수의 비율은 102.0%로 가뭄발생 전망결과가 가장 유사하였다. 반면에, WRF (RCM5)는 다른 RCM들과의 가뭄발생 특성이 가장 상이한 모형으로 확인되었다. 아울러, 모든 RCM 결과에서 2022-2044년의 가뭄발생가능성이 그 이후보다 높게 전망되었다.
RCM별 가뭄발생 특성의 공간분포 결과를 살펴보면, 가뭄의 지속기간과 계절별 결과에서는 RCM간의 공간분포 경향이 대체적으로 유사하게 나타났다. 하지만, 최장 가뭄발생기간과 가뭄분류의 결과에서는 RCM별 공간분포 경향이 명확한 차이를 나타냈다. 특히, 가뭄분류별 결과에서 보통가뭄과 심한가뭄은 상대적으로 공간적 가뭄발생 차이가 RCM에 따라 크지 않았던 반면에 극한가뭄 결과는 RCM에 따라 50%이상의 가뭄발생 횟수차이를 보였다. 결국, 다양한 지역기후모형의 활용에 따른 가뭄발생 전망특성의 차이는 극한가뭄사례에서 가장 명확하게 확인할 수 있었다.
본 연구에서 수행한 내용은 지역기후모형별 물리적인 경계조건과 프로세싱을 연구에 반영하기 보다는 다양한 지역기후모형을 활용한 가뭄전망 결과에서 실질적으로 발생할 수 있는 차이를 상호 비교한 것이다. 따라서 가뭄전망 분석과정에서 지역기후모형별 물리적인 특성을 연구결과에 반영하지 못한 한계는 있으나, 지금까지의 결과를 통해 지역기후모형별가뭄 전망에 앞서 각 지역기후모형의 가뭄전망 특성을 판별할 수 있는 기초자료로 활용될 수 있을 것으로 판단된다.

감사의 글

본 연구는 국민안전처 자연재해저감기술개발사업단(자연피해예측및저감연구개발사업)의 지원으로 수행한 ‘기후변화 적응을 위한 연안도시지역별 복합원인의 홍수 취약성평가기술개발 및 대응 방안 연구’[MPSS-자연-2015-77] 과제의 성과입니다.

References

1. Deque, M, Rowell, D, Luthi, D, Giorgi, F, Christensen, J, Rockel, B, Jacob, D, Kjellstrom Castro, M, and Hurk, B (2007) An intercomparison of regional climate simulations for Europe: assessing uncertainties in model projections. Climate Change, Vol. 81, pp. 53-70. 10.1007/s10584-006-9228-x.
crossref
2. Frei, C, Scholl, R, Fukutome, S, and Schmidli, J (2006) Future change of precipitation extremes in Europe: intercomparison of scenarios from regional climate models. Journal of Geophysical Research, Vol. 111, pp. 1-22. 10.1029/2005jd005965.
crossref pmid pmc
3. Fu, C, Wang, S, Xiong, Z, Gutowski, W, Lee, D-K, McGregor, J, Sato, Y, Kato, H, Kim, J, and Suh, M (2005) Regional climate model intercomparison project for ASIA. Bull. American Meteorological Society, Vol. 86, pp. 257-266. 10.1175/BAMS-86-2-257.
crossref
4. Giorgi, F, and R, Francisco (2000a) Uncertainties in regional climate change predictions. A regional analysis of ensemble simulations with the HadCM2 GCM. Climate Dynamics, Vol. 16, pp. 169-182. 10.1007/PL00013733.
crossref
5. Giorgi, F, and R, Francisco (2000b) Evaluating uncertainties in the prediction of regional climate change. Geophysical Research. Letters, Vol. 27, pp. 1295-1298. 10.1029/1999GL011016.
crossref
6. Giorgi, F, and Mearns, L.O (1999) Introduction to special session: Regional climate modeling revisited. Journal of Geophysical Research: Atmospheres, Vol. 104, pp. 6335-6352. 10.1029/98JD02072.
crossref
7. Graham, L, Andreasson, J, and Carlsson, B (2007) Assessing climate change impacts on hydrology from an ensemble of regional climate models, model scales and linking methods-a case study on the Lule River basin. Climate Change, Vol. 81, pp. 293-307. 10.1007/s10584-006-9215-2.
crossref
8. Jacob, D, Barring, L, Christensen, O, Christensen, J, Castro, M, Deque, M, Giorgi, F, Hagemann, S, Hirschi, M, Jones, R, Kjellstrom, E, Lenderink, G, Rockel, B, Sanchez, E, Schar, C, Seneviratne, S, Somot, S, Ulden, A, and Hurk, B (2007) An inter-compartion of regional climate models for Europe: model performance in present-day climate. Climate Change, Vol. 81, pp. 31-52. 10.1007/s10584-006-9213-4.
crossref
9. Kim, J, Park, M, and Joo, J (2015) Comparison of characteristics and spatial distribution tendency of daily precipitation based on the regional climate models for the Korean Peninsula. Journal of Korean Society Hazard Mitigation, Vol. 15, No. No. 4, pp. 1-12. 10.9798/KOSHAM.2015.15.4.1.
crossref
10. Kim, J, Kim, S, and Joo, J (2016) Analysis of drought characteristics depending on RCP scenarios at South Korea. Journal of Korea Water Resources Association, Vol. 49, No. No. 4, pp. 293-303. 10.3741/JKWRA.2016.49.4.293.
crossref
11. Latif, M, Anderson, D, Barnett, T, Care, M, Kleemanm, R, Leetmaa, A, Obrien, J, Rosati, A, and Schneider, E (1998) A review of the predictability and prediction of ENSO. Journal of Geophysical Research: Atmospheres, Vol. 103, pp. 14,375-14,393. 10.1029/97jc03413.
crossref
12. Lee, Y.H, Cha, D.H, and Lee, D.K (2008) Impact of horizontal resolution of regional climate model on precipitation simulation over the Korean Peninsula. Korean Meteorological Society: Atmosphere, Vol. 18, No. No. 4, pp. 387-395.
crossref
13. Maraun, D, Wetterhall, F, Ireson, A, Chandler, R, Kendon, E, Widmann, M, Brienen, S, Rust, H, Sauter, T, Themeßl, M, Venema, V, Chun, K, Goodess, C, Jones, R, Onof, C, Vrac, M, and Thiele-Eich, I (2010) Precipitation downscaling under climate change: Recent developments to bridge the gap between dynamical models and the end user. Review of Geophysics, Vol. 48, No. No. 3, pp. 1-34. 10.1029/2009RG000314.
crossref
14. Moon, J.W (2010). Development of drought index based on hydrologic characteristics and water supply system in Korea. Master thesis, Korea University.
crossref
15. Park, M, Sim, H-J, Park, Y, and Kim, S (2015) Drought severitydurationfrequency analysis based on KMA 1-km resolution RCP scenario. Journal of the Korean Society of Hazard Mitigation, Vol. 15, No. No. 3, pp. 347-355. 10.9798/KOSHAM.2015.15.3.347.
crossref
16. Themeßl, M.J, A, Gobiet, and A, Leuprecht (2010) Empirical statistical downscaling and error correction of daily precipitation from regional climate models. International Journal of Climatology, doi:10.1002/in press.
crossref
17. Vidale, P, Luthi, D, Frei, C, Seneviratne, S, and Schar, C (2003) Predictability and uncertainty in a regional climate model. Journal of Geophysical Research, Vol. 108, No. No. D18, pp. 1-23. 10.1029/2002jd002810.
crossref
18. Woth, K, Weisse, R, and Storch, H (2006) Climate change and North Sea storm surge extremes: an ensemble study of storm surge expected in a changed climate projected by four different regional climate models. Ocean Dynamics, Vol. 56, pp. 3-15. 10.1029/2002jd002810.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next