J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 17(6); 2017 > Article
기후변화를 고려한 핵발전소 지역의 PMP 추정

Abstract

기후변화의 영향으로 최근 자연재해에 대한 사회적인 관심이 증가되고 있다. 특히 핵발전소와 같은 국가 중요 시설물이 자연재해로 피해를 입을 경우에는 경제적 환경적 사회적인 파장이 매우 심각할 것이다. 이에 본 연구에서는 핵발전소 지역을 대상으로 기후변화를 고려한 가능최대강수량(Probable Maximum Precipitation, PMP)을 추정하고 현재의 값과 비교하였다. 미래기후정보는 기상청에서 제공하는 12.5-km 해상도의 지역기후모형으로부터 생산된 RCP 2.6, RCP 4.5, RCP 6.0, RCP 8.5 미래 기후변화 시나리오 자료를 이용하였으며, 미래 PMP 추정을 위한 핵심 기상변수들 중 하나인 미래 극한 이슬점은 scale-invariance 기법을 이용하여 산정하였다. 영향면적 25 ㎢ 지속시간 24-시간 기준으로 미래 PMP는 시나리오별 핵발전소 지역별 편차가 있으나, 대략적으로 2040년경에는 현재대비 약 12% 증가, 2070년경에는 약 18% 증가할 것으로 전망되었다.

요지

Due to climate change, social interest in natural disasters is increasing. Especially when the important facilities such as nuclear power plants are damaged by natural disasters, the economic, environmental and social waves will be very serious. In this study, future probable maximum precipitation(PMP) was estimated for the nuclear power plant area under climate change scenarios and compared with the corresponding values estimated by the present design standard. Future climate information was derived from the RCP 2.6, RCP 4.5, RCP 6.0, and RCP 8.5 future climate change scenarios data from the Korea Meteorological Agency’s 12.5-km spatial resolution regional climate model. Future extreme dew-point temperatures which are one of key climate variables in calculating future PMPs were estimates by using scale-invariance technique. The future PMPs at nuclear power plant areas with influence-area 25 ㎢ and duration 24-hour were projected to increase by about 12 % in 2040 and about 18 % in 2070, though there is regional variation in each scenario.

1. 서론

21세기 들어 급격한 지구 온난화가 진행됨에 따라 기후는 급속도로 변화하고 있는 추세이다. 세계적으로 역대급 폭우가 빈번해지고 있으며, 슈퍼태풍의 빈도 및 강도 또한 증가하고 있다(Tsuboki et al., 2014). 미국 텍사스를 강타한 허리케인 ‘하비’에 대해서 미국 언론들은 1000년에 1번 일어날만한 기상이변으로 표현하고 있으며, 필리핀에 최악의 피해를 준 태풍 ‘하이옌’도 일반적인 도시 시설물의 설계기준을 훨씬 초과하는 강우량을 기록하는 등 극단적인 극한강우사상으로 인한 인명 및 재산 피해가 점점 증가하고 있는 실정이다.
우리나라 또한 이러한 대형 자연재해의 발생 가능성이 점점 커지고 있다는 우려가 제기되고 있다. 기후변화로 인하여 우리나라를 내습하는 태풍의 강도가 점점 커지고 있으며, 슈퍼태풍의 상륙 가능성도 증가하고 있다. 2012년에는 이례적으로 태풍 ‘볼라벤’, ‘덴빈’, ‘산바’가 연속으로 내습하기도 하였으며, 최근 발생한 태풍 ‘차바’의 경우 역대 10월에 국내에 내습한 태풍 중 가장 강한 태풍으로 기록되었다. 이렇듯 변화된 기후로 인해 통상적 대비태세를 뛰어넘는 거대 자연재해의 발생에 대한 대비책은 이전과는 다른 차원에서 준비되어야 할 것이다. 즉, 기존의 우리나라 시설물의 설계기준 및 평가방법, 대비책 마련 등은 일반적인 재현기간으로 보면 10 ~ 200년 정도의 극한강우사상의 발생을 가정하고 주로 방어대책위주로 수립되어졌으나, 거대 자연재해의 경우에는 이러한 일반적인 접근방법과는 전혀 다른 접근방법이 필요하다는 것을 의미한다. 우리나라뿐만 아니라 전 세계적으로 대규모 수공구조물의 설계 및 평가에 가능최대강수량(Probable Maximum Precipitation, PMP)이라는 개념을 이용하고 있다. PMP 개념은 최근에는 거대재난사상의 추정을 위한 용도로도 이용되고 있다(Lee et al., 2016). 이에 거대재난사상의 대비를 위해 기후변화를 고려한 PMP 개념을 대규모 수공구조물 및 국가 중요 시설물의 위험도 평가에 적용하고 이에 대한 대비책 마련에 활용할 필요가 있다.
2016년 경주에서 발생한 규모 5.8의 지진, 태풍 ‘차바’로 인한 울산지역 침수 및 홍수 피해 등으로 인해, 우리나라에 건설된 핵발전소들의 안전성에 대한 우려가 증가하였다. 핵발전소와 같은 국가 중요 시설물의 경우 자연재해에 의하여 피해를 입을 시, 경제적⋅환경적⋅사회적 파장이 매우 심각하기 때문이다. 원자로 시설 등의 설계기준에 의하면 핵발전소 시설의 위치 및 설계기준의 경우 지진에 대비하기 위한 내진설계에 초점이 맞추어져 있다. 그러나 전술한 바와 같이, 슈퍼태풍과 같은 강력한 수문사상의 발생에 대한 설계기준은 이루어져 있지 않은 실정이다. 그러므로 이러한 시설에 대해 기후변화를 고려한 PMP 연구 결과를 이용하여 위험도 평가 및 설계기준을 재검토 해 볼 필요성이 제기된다.
이에 본 연구에서는 핵발전소 지역을 대상으로 기후변화를 고려한 PMP를 추정하여 현재의 기준과 비교하였다. PMP 추정은 수문기상학적인 방법을 이용하였으며, 우리나라 기상청에서 제공하는 12.5 km 기준 RCM 제공 자료로부터 이슬점을 산출, 현재 대비 가 강수량의 변화를 산출하는 방식으로 기후변화를 고려하고자 하였다. 최종적으로 RCP 시나리오별, 시기별로 현재 대비 PMP 변화율을 계산해낼 수 있었으며, 지역별 PMP 변화율의 비교 및 RCP 시나리오별 시기별 분석을 실시하였다.

2. 연구방법

2.1 연구대상지역

현재 우리나라에서 운영되고 있는 핵발전소는 총 24기이다. 이 중 울산 인근 지역에 설치된 핵발전소는 월성, 새울, 고리 총 3개소이며, 울진 인근 지역에 설치된 핵발전소는 한울 1개소, 광주 인근 지역에 설치된 핵발전소는 한빛의 총 1개소이다. 핵발전소의 위치 및 운영현황은 Fig. 1과 같다.
Fig. 1
Location and Operation Status of Nuclear Power Plant in South Korea
KOSHAM_17_06_549_fig_1.gif
이에 본 연구에서는 핵발전소의 영향을 받을 수 있는 지역에서의 PMP를 살펴보기 위하여 울산, 울진, 광주 지역을 연구대상지역으로 선정하였다.

2.2 미래 이슬점 전망을 이용한 PMP 산출절차

수문기상학적인 방법을 이용하여 PMP를 산정하는 방법의 절차는 WMO(2009)에서 제시된 방법을 적용하였다. PMP 산정 기본개념은 관측된 최대강수량과 최대수분과의 관계를 이용하여 관측강수량을 최대화하고 이를 다른 지역으로 전이하는 것을 근간으로 한다. PMP를 추정하는 절차는 크게 수분최대화, 호우전이, 포락(Envelopment)의 세단계로 나누어진다.
첫 번째 절차는 과거 관측된 최대호우들을 선정하고(본 연구에서는 162개 호우 선정), 호우별 DAD(Ranfall Depth – Area – Duration) 곡선을 작성하는 것이다. 두 번째 절차는 이상적인 조건하에서 공급 가능한 수분상태로 관측된 최대호우를 최대화시키는 것이다(수분최대화비). 이를 통하여 최대화된 강우량은 전이지역의 공급 가능한 수분조건을 반영하여 조절되며(수평 및 수직전이비), 산악의 영향은 별도로 고려하여 추가 조정된다(산악전이비). 마지막으로 다양한 강우사상들에 대하여 조정된 강우량을 얻은 후, 지속시간별 영향면적별로 포락하게 되면 PMP를 얻을 수 있다. 각각의 전이비 산정 및 절차에 대한 자세한 방법론은 WMO(2009)Tomlinson et al. (2013) 등을 참조할 수 있다.
이러한 절차를 바탕으로 미래 이슬점 변동에 따른 PMP 산출 절차를 정리하면 다음과 같다.
  • (1) 수문기상학적인 방법을 이용한 PMP 절차 중 수분최대화비, 수직전이비, 수평전이비 값을 지역기후모형(Regional Climate Model, RCM)의 현재기간 모의자료를 이용하여 산출된 100년 빈도 이슬점을 이용하여 결정한 후, 이를 이용하여 현재기후상태에서의 PMP를 5-km 해상도로 산출

  • (2) RCM의 미래 RCP 시나리오로부터 산출된 100년 빈도 이슬점을 이용하여 수분최대화비, 수직전이비, 수평전이비를 산출 후, RCP 시나리오별 미래 PMP 전망

  • (3) 현재기후상태에서의 PMP와 시나리오별 미래시기별 미래 PMP를 비교하여, 현재 대비 PMP 변화율 확인

산출절차에 대한 보다 자세한 사항은 Lee et al. (2016)을 참조할 수 있다.

2.3 미래 일 이슬점 생산

본 연구에서 이용되는 현재기후상태의 기후자료는 우리나라 기상청에서 제공되고 있는 현재기간 RCM 모의자료의 제공기간(1979-2005년) 중에서 초기 2년을 제외한 자료를 이용하였다. 초기 2년을 제외한 이유는 모형의 warming-up 기간을 제외하기 위함이다. 미래기후는 2006-2100년 자료가 사용되었다(Table 1 참조). 참고로 우리나라 기상청에서 제공되는 자료는 모두 일-단위의 자료이며, 일 년을 360일로 설정한 자료를 제공하고 있다. 보다 자세한 사항은 기후정보포털(http://www.climate.go.kr)을 참조할 수 있다.
Table 1
KMA Future Climate Information
GCM HadGEM2
RCM HadGEM3-RA
Scenario RCP 2.6/4.5/6.0/8.5
Spatial Resolution 12.5 km
Spatial scale Longitude 123°-133° Latitude: 32°-44°
Variable Average temperature, Relative humidity, Precipitation, and so on
Temporal resolution Day (360–day)
Temporal scale Present Future
1981∼2005 2006∼2100
수문기상학적 방법을 이용하여 PMP를 추정하기 위해서는 수분최대화비, 수직전이비, 수평전이비 등을 계산한 필요가 있는데, 이들은 모두 12-시간 지속 100년 빈도 이슬점을 이용하여 산출된다. 우리나라 기상청에서 제공하는 RCP 자료들은 이슬점 자료를 별도로 제공하지 않고 있으므로, 획득 가능한 미래 일 평균기온과 일 상대습도를 이용하여 미래 일 이슬점을 산출하였다. 주어진 일 평균기온과 일 상대습도를 이용하여 일 이슬점을 산출하는 방법은 아래와 같다(Brandt, 2006).
(1)
tdt(14.55+0.114t)(1RH/100)[(2.5+0.007t)(1RH/100)]3(15.9+0.117t)(1RH/100)14
여기서 td는 일 이슬점(°C)이며t는 일 평균기온(°C), RH는 일 상대습도(%)이다. 이 때 사용되는 이슬점 자료의 기간은 5~10월로 총 6개월 자료가 이용되었는데, 이는 PMP 추정에 이용되는 극한강우사상들은 모두 5~10월에 발생하기 때문이다.
그러나 이와 같이 산출된 일 이슬점 자료는 지역기후모형로부터 도출된 자료이기 때문에, 기후모형의 여러 가지 한계로 인하여 과거 관측 자료와 과거기후 모의자료 사이에 편이(bias)가 존재할 수밖에 없으며, 이러한 편이를 보정하기 위하여 편이보정이라는 절차가 수행되어 기후모형으로부터 도출된 현재 및 미래의 기후자료를 보정하는 것이 일반적이다. 본 연구에서는 Kernel density distribution mapping (KDDM) 방법을 이용한 편이보정을 수행하여 모형자료와 관측자료 사이의 편이를 보정하고자 하였다. KDDM 방법은 RCM 모의결과의 누가확률밀도함수를 같은 기간 관측 자료의 누가확률밀도에 Quantile mapping하는 방식이다(Kim et al., 2011). 편이보정은 지점별로 시행되었으며, 5월부터 10월까지의 일 이슬점 자료를 월별로 상반기와 하반기로 나누어 총 12개 시기별로 각각 진행되었다. 1981~2005년(25년) 동안의 과거 관측자료와 과거기후모의자료를 대상으로 KDDM 방법으로 편이보정을 위한 함수관계를 구축하였으며, 이로부터 도출된 함수 관계를 이용하여 미래 일 이슬점 모의자료에 대한 편이를 보정하였다.

2.4 미래 12-시간 지속 100년 빈도 이슬점 생산

앞서 산출한 미래 이슬점 자료는 일-단위 자료로써, PMP 추정에 필요한 12-시간 지속 100년 빈도 이슬점을 얻기 위해서는 시간-단위 자료에 해당하는 정보를 추출할 필요가 있다. 이를 위하여 본 연구에서는 scale-invariance 기법을 이용하여 일-단위 이슬점자료로부터 12-시간 지속 100년 빈도 이슬점을 생산하고자 하였다. Scale-invariance 기법은 어떤 자료의 측정단위가 변해도 분포형은 변하지 않는다는 것을 가정한 다운스케일 기법으로, 일 자료를 시간 자료로 상세화하기 위해 사용된다. 과거 관측된 일-단위자료와 시간-단위 자료를 이용하여 함수관계를 구축한 후 이러한 관계가 미래에도 그대로 적용된다고 가정하여 미래 일-단위 예측자료로부터 미래 시간-단위 예측자료를 생산하는 것으로 요약된다.
Scale-Invariance 기법을 사용하기 위하여 각 기상 관측소 별로 관측 이슬점 자료의 스케일 특성을 검토하였다. 우선, 앞서 언급한 5~10월 시기별로 관측 연 최대 이슬점 시계열의 지속시간별 모멘트를 모멘트 차수(1, 2, 3, …, m차)에 대해 산정하여 전대수지상에 도시한 후에 차수별로 선형회귀선의 기울기를 산정하였다. 산정된 기울기를 모멘트 차수에 대해 다시 선형회귀를 실시하여 분석된 관계를 통해 스케일 특성을 검토하였다. 산정된 기울기와 모멘트 차수의 관계가 선형인 경우는 단일 scale, 비선형인 경우는 다중 scale 특성을 가지게 된다.
미래 극한 이슬점에 관한 공식을 유도하기 위해, Bulando and Rosso(1996)에서 제시된 scale 특성 관련 유도과정을 일부 수정하여, 다음과 같이 12-시간 지속 100년 빈도 극한 이슬점 산정 공식을 유도하였다(Choi et al., 2016).
(2)
h(λd)T=E[h24](1+V·KT)(λd)nT
여기서 hd)T는 지속시간 λd-시간의 재현기간 T년 극한 이슬점, E[h24]는 지속시간 24-시간 연 최대 이슬점 시계열의 평균이다. 또한 nT는 특정 재현기간(T)의 scale 지수이며, KT는 특정 재현기간(T)의 빈도계수(Frequency factor)이다 V는 연 최대 이슬점 시계열의 대표 변동계수(coefficient of variation)로서 아래와 같이 산정하였다.
(3)
V=1Mi=1MVi2
여기서, M지속시간의 총 개수이며, Vi는 각 지속시간 별 변동계수이다.
관측 자료로부터 산출된 지속시간 24-시간 연 최대 이슬점 시계열의 평균(E[h24]), 대표 변동계수(V)와 지속시간별 100년 빈도 이슬점(hd)T)을 Eq. (2)에 대입하고, 지속시간에 따른 회귀분석을 수행함으로써, 5~10월 시기별로 재현기간 100년에 해당하는 스케일 지수 (nT)와 빈도계수(KT)를 산출하는 것이 가능하다. 이를 바탕으로 2006~2100년 미래기간 동안의 5~10월 시기별 12-시간 지속 100년 빈도 이슬점을 생산하기 위하여 시기별로 미래 일 이슬점 연 최대치 시계열을 산출 후 회귀분석을 통하여, 미래의 추세를 생산하는 절차(즉, E[h24]의 미래추세)가 수행되며, 이러한 결과를 Eq. (2)에 대입하면 미래 극한 이슬점의 생산이 가능해진다.

3. 핵발전소 지역의 미래 PMP 생산 및 분석

3.1 미래 일 이슬점의 편이보정

Fig. 2는 본 연구에서 분석되는 지점들 중 울산 지점에서의 편의를 보정한 결과로서 미래 특정년도의 RCP 8.5 시나리오에 따른 예측결과를 더불어서 도시하였다. Fig. 2에서 횡축은 5~10월까지의 시기를 지정하는 것으로 5월부터 10월까지 월별로 상반기와 하반기로 12개로 나눈 시기를 순서대로 나타낸 것이다. ‘obs’는 관측 자료의 시기별 25년 일 이슬점 평균값이며, ‘corr-present’는 보정된 현재기후 모의자료의 시기별 25년 일 이슬점 평균값, ‘2040’, ‘2070’, ‘2100’은 각각 보정된 미래기후 모의자료의 시기별 해당년도 일 이슬점 평균값을 의미한다. Fig. 2에서 확인할 수 있듯이 ‘obs’와 ‘corr-present’가 잘 일치하고 있는 것으로 보아 편이보정이 적절하게 수행되었음을 확인할 수 있으며, 미래로 갈수록 일 이슬점이 상승하는 것으로 전망되고 있음을 살펴볼 수 있다.
Fig. 2
Dew-point Bias Correction Results and Future Projection
KOSHAM_17_06_549_fig_2.gif

3.2 미래 극한 이슬점의 생산

Fig. 3은 8월 상반기에 대한 울진 지점의 스케일 특성 분석 결과를 나타낸 것이다. Fig. 3(a)에서는 각 차수의 모멘트에 대하여 지속시간별 관측 연 최대 이슬점 시계열을 전대수지상에 도시하고 모멘트 차수별로 각각 선형회귀선을 도시하 였으며. Fig. 3(b)는 각각의 모멘트 차수별 선형회귀선으로부터 산정된 기울기를 모멘트 차수별로 도시하여 다시 선형회귀를 실시한 결과이다. 분석된 모든 지점에서 결정계수가 0.99 이상이 도출됨에 따라서 우리나라 이슬점 자료는 강한 단일 스케일 특성을 가지고 있음을 살펴볼 수 있었으며, 이에 scale-invariance 기법을 이용하여 12-시간 지속 100년 빈도 이슬점의 산정이 타당함을 살펴볼 수 있었다.
Fig. 3
Examination of Scaling Properties
KOSHAM_17_06_549_fig_3.gif
Fig. 4는 8월 하반기의 광주 지점에 대한 현재기간 모의자료 이슬점과 RCP 8.5 시나리오로부터 생산된 연 최대치 시계열을 도시한 결과이다. Fig. 4에서 △와 함께 표기된 선은 현재기간 모의자료로 산출된 연 최대치 시계열이며, ○와 함께 표기된 선은 미래 연 최대치 시계열, 실선만으로 나타낸 선은 연 최대치 시계열을 이용한 추세선, 점선만으로 나타낸 선은 추세선의 95% 불확실성 상한계 및 하한계를 나타낸다. 본 결과를 바탕으로 최종적으로 RCP 시나리오에 따른 12시간 지속 100년 빈도 이슬점을 미래 연도별, 시기별로 생산하였다.
Fig. 4
Annual Maximum Dew-point Temperature Time Series and its Trend
KOSHAM_17_06_549_fig_4.gif
Fig. 5는 울산 지점을 대상으로 scale-invariance 기법을 이용하여 12-시간 지속 100년 빈도 이슬점을 생산한 결과로써 시기별 관측 자료를 이용하여 직접 계산한 12-시간 지속 100년 빈도 이슬점(‘Obs’)과 RCM의 현재기후 모의결과로부터 도출된 일 이슬점을 이용하여 scale-invariance 기법에 의하여 생산된 12-시간 지속 100년 빈도 이슬점(‘Cont’)을 도시하였다. ‘2040’, ‘2070’, ‘2100’은 각각 RCP 4.5 시나리오에 대한 2040년, 2070년, 2100년 기준 미래 12-시간 지속 100년 빈도 이슬점 전망결과이다. 관측 자료로부터 도출된 결과와 현재기후 모의자료로부터 scale-invariance 기법을 적용하여 도출된 결과가 상당부분 일치함에 따라 scale-invariance 기법을 이용하여 미래 극한 이슬점을 생산하는 것이 타당한 것을 알 수 있으며, RCP 4.5 시나리오의 울산 지점의 경우 이와 같이 산출된 미래의 극한 이슬점은 현재보다는 상승되어 있음을 살펴볼 수 있다.
Fig. 5
Future Extreme Dew-point Temperature Projection
KOSHAM_17_06_549_fig_5.gif
12-시간 지속 100년 빈도 이슬점을 이용하여 미래 특정년도에 대한 호우별 수분최대화비, 수직전이비, 수평전이비가 산출되었다. 미래 PMP 추정 시에 호우사상은 과거 발생되어진 호우사상을 이용하였으며, 산악전이비의 경우도 관측 자료를 이용하여 산출된 결과를 그대로 이용하였다. 이후 DAD 전이 및 포락 절차를 걸쳐 현재기후상태에서의 PMP와 미래기후 상태에서의 PMP를 각각 산출하였다.

3.3 핵발전소 지역 미래 PMP 추정

원전지역의 미래 PMP 전망에 앞서 비교를 위하여 현재기후 모의자료를 기반으로 한 PMP를 먼저 산정하였다. Fig. 6은 핵발전소 지역에 해당하는 울산, 울진, 광주 지역에 대해 영향면적 25 ㎢ 및 지속시간 48시간에 대한 PMP를 산정한 결과이다.
Fig. 6
Present PMP (Area: 25 ㎢, Duration: 48-hour)
KOSHAM_17_06_549_fig_6.gif
Fig. 6의 결과를 살펴보면 울산 지역의 경우 울산 지역의 남부가 북부에 비해 상대적으로 높은 PMP 값이 추정되고 있으며, 약 100 mm 정도의 가까이 차이나고 있음을 확인 할 수 있다. 울산 남부지역은 고리 핵발전소 및 새울 핵발전소가 위치해 있는 지역으로써, 월성 핵발전소에 비해 상대적으로 높은 PMP에 대한 대비가 필요할 것으로 판단된다. 이에 비하여 울진 지역 PMP의 경우 지역 내에서는 큰 차이를 보이지 않고 있으며, 광주 지역의 경우도 마찬가지로 지역별로 PMP 값의 차이가 크게 나타나고 있지는 않은 것으로 분석되었다.
핵발전소 지역의 미래 PMP 변화율을 살펴보고자 미래 시나리오별 기준년도를 2040년, 2070년, 2100년으로 설정하여 현재 대비 미래 PMP의 평균변화율을 산정하였다. Tables 2, 3, 4는 각각 울진지역, 울산지역, 광주지역의 시나리오별 시기별 지속시간별 현재대비 미래 PMP 평균 변화율을 나타낸 것이다. 이 때 영향면적은 비교를 위하여 900 ㎢를 적용하여 변화율을 산출하였다.
Table 2
Future PMP Change Rate (%) at Ulsan
Duration (hr) 1 2 4 6 8 12 18 24 48 72
RCP 2.6 2040 9.17 10.12 13.94 15.68 15.24 11.68 9.32 9.35 11.95 10.32
2070 10.31 11.12 16.43 17.79 17.42 14.63 12.78 12.77 14.81 13.26
2100 10.45 11.2 15.91 17.28 16.96 13.99 12.08 12.14 14.18 12.61
RCP 4.5 2040 11.18 11.58 15.00 15.87 15.64 13.62 12.35 12.38 13.69 12.50
2070 14.29 13.64 15.98 15.35 15.79 17.52 18.69 18.68 17.89 18.54
2100 14.82 14.07 15.47 14.22 15.21 18.47 20.76 20.66 19.32 20.48
RCP 6.0 2040 7.83 9.26 12.73 15.13 14.84 10.04 6.91 6.98 10.64 8.97
2070 12.55 12.57 15.87 16.23 15.99 14.98 14.39 14.26 14.87 14.10
2100 15.76 14.7 16.61 15.38 17.57 22.97 26.37 25.98 24.46 23.24
RCP 8.5 2040 11.90 12.04 13.74 14.22 13.95 12.71 11.9 11.68 12.49 11.58
2070 16.26 15.57 21.86 20.58 21.71 25.5 28.16 28.07 26.57 27.46
2100 21.73 19.1 29.67 33.12 37.91 46.04 51.15 50.39 48.38 49.91
Table 3
Future PMP Change Rate (%) at Uljin
Duration (hr) 1 2 4 6 8 12 18 24 48 72
RCP 2.6 2040 11.70 12.17 14.39 10.58 8.93 8.11 7.94 7.80 7.89 7.87
2070 12.73 14.70 16.54 13.42 12.36 12.14 12.15 12.01 12.09 12.07
2100 13.62 15.53 15.57 13.48 12.94 13.00 13.07 12.96 13.02 13.01
RCP 4.5 2040 11.12 12.72 12.90 11.40 10.98 11.00 11.04 10.97 11.00 11.00
2070 13.05 15.72 16.45 17.20 17.41 17.43 17.43 17.46 17.44 17.44
2100 15.13 18.74 19.29 19.78 19.97 20.05 20.08 20.09 20.08 20.08
RCP 6.0 2040 12.79 13.13 13.89 9.68 7.31 5.50 4.96 4.89 4.99 4.95
2070 14.11 16.44 15.2 13.55 13.07 13.01 13.03 12.96 13.00 12.99
2100 16.17 18.87 24.63 25.97 25.71 24.92 24.67 24.78 24.72 24.67
RCP 8.5 2040 13.19 13.83 12.31 10.48 9.94 9.86 9.88 9.80 9.84 9.83
2070 13.90 16.56 24.69 26.25 26.57 26.63 26.66 26.68 26.66 26.66
2100 23.33 24.84 45.18 47.48 47.77 47.87 47.98 47.94 47.93 47.91
Table 4
Future PMP Change Rate (%) at Gwangju
Duration (hr) 1 2 4 6 8 12 18 24 48 72
RCP 2.6 2040 10.99 11.73 17.38 19.23 17.68 12.66 9.50 9.11 11.43 11.07
2070 12.53 12.79 18.35 19.5 18.08 14.65 12.62 12.41 13.5 13.10
2100 11.71 11.96 13.4 13.71 12.99 11.49 10.61 10.52 10.84 10.55
RCP 4.5 2040 13.75 13.6 18.25 18.54 17.76 16.33 15.58 15.52 15.74 15.43
2070 14.54 14.29 19.98 19.79 20.33 21.54 22.06 21.95 21.88 21.70
2100 14.33 14.36 20.91 19.76 19.71 20.43 20.82 20.69 20.65 20.61
RCP 6.0 2040 8.74 10.13 15.55 18.16 16.79 10.48 6.50 6.02 9.38 9.08
2070 13.28 13.31 18.75 19.42 18.32 16.01 14.67 14.52 15.04 14.58
2100 14.05 15.09 24.99 20.96 21.48 24.61 25.98 25.49 25.56 24.95
RCP 8.5 2040 12.9 13.05 18.61 19.55 18.26 15.31 13.61 13.44 14.22 13.81
2070 14.46 15.33 25.22 22.79 24.39 28.52 30.19 29.68 29.73 29.5
2100 20.38 22.29 37.32 42.7 47.03 52.03 54.09 53.64 53.48 53.34
각 시나리오별 지속시간별 PMP의 변화율을 전체적으로 살펴보았을 때, 대부분의 시나리오에서 지속시간이 길어질수록 PMP 증가율이 증가하는 것을 살펴 볼 수 있다. 이는 미래의 경우 강우 지속시간이 길어질수록 PMP가 더욱 많이 증가하는 것을 의미하며, 강우가 지속될수록 현재보다 더욱 큰 피해를 받을 확률이 높다는 것을 의미한다.
시나리오별 변화율을 분석해 본 결과 RCP 4종 시나리오 중 2040년을 기준으로 가장 변화율이 작은 시나리오는 RCP 6.0이다. RCP 6.0의 경우 세 지역 모두 2100년을 기준으로 약 14%에서 26%까지 증가율을 보이고 있다. 울산, 울진, 광주 지역 모두 RCP 2.6의 경우 2040년, 2070년, 2100년에서의 변화율이 비슷한 수치를 보이고 있다. 또한 울산 및 광주 지역의 경우 2070년에서 대부분 최대 PMP 결과를 보이다가 그 이후에는 PMP값이 감소하는 추세를 보이고 있음을 확인 할 수 있다. RCP 8.5의 경우 2100년을 기준으로 현재 대비 PMP 변화율이 평균적으로 40%를 넘어가는 것을 볼 수 있으며, 특히 지속시간이 길어질수록 더 높은 증가율을 보이는 것으로 전망되었다. 그러나 2100년의 결과의 경우에는 기후모형 자체의 불확실성이 매우 크기 때문에 신뢰할 수 있는 결과라고 말하기는 곤란할 것으로 판단된다. 결론적으로 볼 때, 최소치를 기준으로 살펴보더라도 2070년을 기준으로 보면 현재 대비 최소 10% 이상의 PMP 증가를 전망해볼 수 있을 것이다.
지역별로 PMP 변화율의 차이를 살펴본 결과, RCP 시나리오별로 약간의 차이는 있으나, 세 지역 중 광주지역이 현재대비 PMP 변화율이 크게 나타났으며, 울산 지역이 상대적으로 변화율이 작게 변화하는 것으로 나타났다. 그러나 울산 지역의 경우 현재기간에서의 PMP 결과가 세 지역 중 가장 큰 값을 가지고 있으므로, 실제 미래에서 가지는 PMP는 세 지역 모두 비슷한 값을 가질 것으로 전망된다.

4. 결론

본 연구에서는 기상청에서 제공하는 미래 기후변화 시나리오를 이용하여 현재기간의 PMP 및 미래 PMP를 추정하고, 이러한 결과를 이용하여 핵발전소 지역의 미래 PMP의 변화양상에 대하여 분석하였다. 이를 위하여 기상청 RCP 시나리오별 일 이슬점 자료의 편이보정을 수행한 후, scale-invariance 기법을 이용하여 보정된 미래 일 이슬점 자료로부터 PMP 추정 시 각종 전이비 계산에 필요한 24-시간 지속 100년 빈도 이슬점을 산정하여 이 후 연구에 적용하였다.
현재기간 모의자료를 이용하여 핵발전소 지역의 PMP를 추정한 결과, 울진 지역과 광주 지역의 경우 평균 PMP 값이 비슷하게 나타나고 있으며, 울산 지역의 경우 PMP가 상대적으로 크게 나타나고 있었다. 울산 지역의 남부가 북부에 비해 상대적으로 높은 PMP 값이 추정되고 있으며, 약 100 mm 정도의 가까이 차이나고 있음을 확인할 수 있다.
현재기간 모의자료를 이용한 PMP 산정 결과를 토대로 RCP 시나리오를 이용한 미래 PMP를 비교한 결과, 시나리오별로 상이한 전망결과를 나타내고 있었나, 모든 RCP 시나리오에서 핵발전소 지역의 PMP는 현재의 PMP와 비교하였을 때 증가하는 전망을 보이고 있었다. 기후변화의 영향이 가장 적은 시나리오인 RCP 2.6의 경우를 살펴보더라도 2070년 기준으로 최소 10 % 이상의 PMP 증가가 전망되고 있음을 살펴볼 수 있었다.
핵발전소 지역의 경우, 거대 호우나 슈퍼 태풍 등으로 침수피해를 입게 되면 막대한 사회적 경제적 환경적인 피해를 야기할 수 있으므로 이들 지역에 대하여 침수피해를 비롯한 각종 자연재해에 대한 정밀한 재평가가 필요할 것으로 판단된다. 이러한 재평가 시에는 본 연구에서와 같이 미래 기후변화에 대한 영향평가 또한 반드시 동반되어져야 할 것이다. 다만, 본 연구의 결과는 HADGEM3-RA라는 하나의 RCM으로부터 도출된 결과이므로, 추후 다양한 GCM 및 RCM에 따른 PMP의 영향평가가 이루어져야 할 것이다.

감사의 글

본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었음(과제번호 17AWMP-B083066-04).

References

Brandt, R.R (2006). A Modified Definition of the North American Monsoon System for Southern Arizona. The North American Monsoon System in Southern Arizona, p 27-49.

Burlando, P, and Rosso, R (1996) Scaling and Multiscaling Models of Depth-duration-frequency Curves for Storm Precipitation. Journal of Hydrology, Vol. 187, pp. 45-64. 10.1016/S0022-1694(96)03086-7.
crossref
Choi, J, Lee, O, and Kim, S (2016) Analysis of the Effect of Climate Change on IDF Curves using Scale- invariance Technique: Focus on RCP 8.5. Journal of Korea Water Resource Association, Vol. 49, No. 12, pp. 995-1006. 10.3741/JKWRA.2016.49.12.995.
crossref pdf
Kim, E, Choi, H, Park, M.J, Cho, S.J, and Kim, S (2011) The Effect of Climate Change on Korean Drought Occurrences using a Stochastic Soil Water Balance Model. Scientific Research and Essays, Vol. 6, No. 13, pp. 2771-2783.

Lee, O, Jo, D.J, and Kim, S (2017) Future PMP Estimation of Chungjudam Watershed Under KMA Climate Change Scenarios. J. Korean Soc. Hazard Mitig, Vol. 17, No. 1, pp. 365-373. 10.9798/KOSHAM.2017.17.1.365.
crossref
Lee, O, Park, Y, Kim, E.S, and Kim, S (2016) Projection of Korean Probable Maximum Precipitation under Future Climate Change Scenarios. Advances in Meteorology, Vol. 2016, Article ID 4572498. 10.1155/2016/3818236.
crossref pdf
Nuclear Safety and Security Commission (2012) Ordinance of Technical equirements Applying to the Nuclear Installations.

Tomlinson, E, Kappel, B, Muhlestein, G, Hulstrand, D, and Parzybok, T (2013) Probable Maximum Precipitation Study for Arizona. Applied Weather Associates. U.S, pp. 78-92.

Tsuboki, K, Yoshioka, M.K, Shinoda, T, Kato, M, Kanada, S, and Kitoh, A (2015) Future Increase of Supertyphoon Intensity Associated with Climate Change. Geophysical Research Letters, Vol. 42, No. 2, pp. 646-652. 10.1002/2014GL061793.
crossref
World Meteorological Organization (2009) Manual on Estimation of Probable Maximum Precipitation (PMP) WMO, pp. 1045.



ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
307 Main 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 © 2019 by The Korean Society of Hazard Mitigation. All rights reserved.

Developed in M2community

Close layer
prev next