1. 서 론
2019년 세계 평균기온이 산업화 이전 대비 1.1 ℃ 상승하였으며, 이로 인한 극한 기상현상들로 인해 20년 동안 재해발생률이 1.7배 증가하였다(UNDRR, 2020). 전 세계적으로 풍수해, 가뭄, 폭염 등 극한사상이 크게 증가하고 있어, 기후변화는 21세기 가장 큰 도전 과제 중 하나로 여겨진다(Kim and Jehanzaib, 2020). 2018년 폭염, 2019년 태풍 하기비스, 2020년 태풍 마이삭, 하이선 등 다수의 집중호우로 인해 국내를 포함한 동남아시아 국가에 큰 피해가 발생하고 있으며, 특히 국내 단위인구 당 재산피해는 주변국들과 비교하여 상당히 많이 발생하는 상황이다(Kim et al., 2021).
기후변화로 인한 대표적 자연재해 중 하나인 가뭄은 다른 대표적인 자연재해인 홍수와 비교하여 시간에 따라 천천히 진행되고, 사람과 환경에 즉각적으로 영향을 미치지 않아 자연재해의 시작과 끝을 결정하는 것이 어렵다(Vicente-Serrano et al., 2015). 또한 1970년 이후 전 세계적으로 강수량의 증가 없이 증발산량이 증가하여 가뭄 위험이 크게 증가 했으며, 우리나라 겨울 및 봄철 강수량은 연간 강수량의 약 20~30% 정도에 불과하고 겨울철 강수는 대부분 강설로 발생하여 장기간 무강우로 인한 계절성 가뭄 발생 우려가 매우 크다(Zhang et al., 2019). 현재 지역에 따라 2~3년마다 크고 작은 가뭄이 발생하고 7년 주기의 극한 가뭄이 발생하는 추이를 보이며(KICT and K-Water, 2002), 마른장마 등 장기간 가뭄이 지속되고 있어 가뭄으로 인한 피해가 속출하고 있는 실정이다(Kim et al., 2016).
이에 여러 연구자들은 가뭄에 대응하고 관리하기 위해 가뭄지수를 활용하여 가뭄의 심도를 정량화하고 심도와 지속기간을 분석하고 있다. 특히, 표준강수증발산지수(Standardized Precipitation-Evapotranspiration Index, SPEI)는 강수량만을 이용하여 가뭄심도를 산정하는 표준강수지수(Standardized Precipitation Index, SPI)와 달리 강수와 기온 변동성을 모두 반영할 수 있어 많은 연구자들이 활용하고 있다(Vicente-Serrano et al., 2010).
본 연구는 부산 지역의 미래 가뭄특성 전망을 목적으로 한다. 이를 위해 2030년을 목표연도로 설정하고 기후변화 시나리오로부터 추출된 기후변화 경향성이 반영된 SPEI를 산정하여 기후변화에 따른 부산 지역 가뭄특성의 변화를 살펴보고자 한다.
2. 연구방법
2.1 연구 대상지역
본 연구에서는 부산 지역의 수문학적 가뭄 평가를 위해 부산광역시 시역을 포함하는 표준유역을 대상으로 표준유역별 SPEI를 산정하였다. 연구 대상지역은 Fig. 1과 같이 양산천 하류, 구포수위표 등 총 13개 표준유역으로 구성되며, 총 면적은 1,246.62 km2이다. 이 중 60.5% (754.48 km2)가 부산광역시 시역에 해당한다. 각 표준유역의 명칭 및 면적은 Table 1과 같다. 부산 지역은 산지와 급경사 지형, 해안가 및 하천변 저지대를 포함하는 지리적 특성으로 인해 극한 기상현상에 취약한 특징을 가진다.
Table 1
Names and Areas of Watersheds in This Study
2.2 표준강수증발산지수(SPEI)
SPEI는 기존 SPI를 보완하고자 개발된 지수로, 강수량과 증발산량의 차가 유출 및 수분 저장량의 합과 같다는 물수지 개념을 기반으로 강수와 잠재증발산량(Potential Evapotranspiration, PET)의 차이로 계산된다. Fig. 2는 SPEI의 산정 순서를 나타낸 것이다. 지속기간에 따른 누적 강수량, 누적 잠재증발산량의 시계열을 계산한 다음, 월별 L-moment 값을 산정한다. 이를 이용하여 Log-logistic 확률분포함수의 매개변수 값을 산정하고, 누적분포함수를 이용하여 SPEI를 산정한다. 산정된 SPEI 값에 따른 가뭄심도의 기준은 Table 2와 같으며, SPEI가 ‘-1’보다 작은 경우를 ‘가뭄’으로 정의한다. 표준유역별 SPEI 산정을 위해 Table 3의 종관관측소에서 관측된 53년간(1966~2018년) 일 단위 기상자료를 활용하였다.
Table 2
Moisture Status according to SPEI
Information Portal (http://www.climate.go.kr/home/CCS/contents/help/help_dsstInfo.html)
Table 3
Weather Stations used by Watershed
Source: Korea Meteorological Administration (https://hydro.kma.go.kr/hydro/hydroObseMeta.do)
SPEI는 물 공급량인 강수량과 기온변동이 반영된 수요량인 증발산량이 고려된 수문학적 물수지방정식 Eq. (1)에 기반하여 산정된다(Kim et al., 2013).
여기서, WB는 물수지, P는 강수량, PET는 잠재증발산량이다. 표준유역별 잠재증발산량을 산정하기 위해 Penman-Monteith 방법을 적용하였으며 1966년부터 2018년까지의 표준유역별 최고기온, 최저기온, 풍속, 이슬점온도 관측값을 이용하였다.
본 연구에서는 1, 6, 12개월의 지속기간을 가지는 가뭄지수 산정을 위해 Eq. (2)를 이용하여 물수지를 산정하였다.
여기서, k는 합성을 위한 시간 규모(time scale) 혹은 지속기간, n은 계산에 이용된 월(month), WBk는 지속기간 k에서 집계된 물수지(WB)이다.
2.3 기후변화 시나리오의 경향성 반영
2.3.1 미래 기후변화 시나리오
대표농도경로(Representative Concentration Pathways, RCP) 시나리오는 IPCC 5차 평가보고서에서 사용된 복사강제력 시나리오로 RCP 2.6, RCP 4.5, RCP 6.0, RCP 8.5 4개의 시나리오로 구성되어 있다. RCP 2.6은 온실가스 감축이 최대한 실현되어 지구 스스로 회복 가능한 경우, RCP 4.5는 온실가스 감축이 상당히 실현된 경우, RCP 6.0은 온실가스 감축이 어느 정도 실현된 경우, 그리고 RCP 8.5는 온실가스가 현재 추세로 배출되는 경우의 시나리오이다(Park et al., 2015).
2.3.2 이슬점보정
SPEI 산정을 위해서는 잠재증발산량이 산정되어야 하며, 이를 위해 이슬점온도가 필요하다. 하지만 현재 기상청에서는 이슬점온도에 대한 기후변화 시나리오를 제공하지 않아 본 연구에서는 Lee and Kim (2016)이 제시한 편의보정 방법을 이용하였다. 이슬점온도는 Eqs. (3) 및 (4)를 통해 산정할 수 있다.
여기서, RH는 상대습도, td는 이슬점 온도, t는 평균기온이다. 하지만 구축된 현재기간의 이슬점과 과거 관측된 이슬점에 차이가 있어, 이를 보정하기 위해 Hawkins et al. (2013)이 제안한 편의보정 방법을 적용하였다. Fig. 3에서, Dh는 관측된 월별 일 이슬점, Dp는 지역기후모델(Regional Climate Model, RCM)로 모의된 현재 기후로부터 도출된 월별 이슬점, Df는 RCM으로 모의된 미래기후로부터 도출된 월별 일 이슬점, Dfc는 편의보정 된 미래 월별 일 이슬점이다.
RCM에서 모의된 기상관측소에 상응하는 격자의 특정일의 이슬점 자료 Dp와 동일 기간, 동일 관측소의 이슬점 자료 Dh사이에는 Eq. (5)와 같은 관계가 성립한다.
여기서, <>는 평균 연산자, Dpc는 편의보정 된 현재 특정일의 이슬점, σh는 관측된 월별 일 이슬점의 표준편차, σp는 현재기간 모의자료의 월별 일 이슬점의 표준편차이다. Eq. (5)에 의해 관측기간 동안 편의보정된 모의자료의 일 이슬점 값을 얻을 수 있다. 이를 통해 편의보정 된 모의자료의 월별 일 이슬점은 관측자료의 평균과 표준편차가 같아지게 된다. 이 가정을 바탕으로Dpc에 대해 정리된 식은 Eq. (6)과 같다.
여기서, ⟨Df ⟩와V[Df]y,m은 각각 미래 일 이슬점 시계열의 평균과 분산이다. 시계열의 평균과 분산을 바탕으로 미래의 일 이슬점 시계열Dfhy,m은 Eq. (9)와 같다.
2.4 가뭄발생 경향성 분석(Mann-Kendall)
Mann-Kendall 검정은 세계기상기구(World Meteorological Organization, WMO)가 기상자료의 경향성 분석을 수행할 때 권장하는 검정 방법으로 수문 시계열 분석에서 많이 사용된다. 이 검정 방법은 데이터의 정규성을 요구하지 않는 비모수적 검정 방법으로 표본크기, 분산, 왜도와 같은 표본자료 특성에 민감하지 않아 간단하면서 결측치나 감지 한계를 벗어난 자료에 대해서도 적용이 가능하다(Kim and Yim, 2006).
시계열 자료 Xt (t=1,2,…n)에 대하여 시점 t’(t=0,1,…, n-1)와 시점 t (t=1,2,…n)의 Xt값을 비교하여 경향성 존재 유무 및 경향성 방향을 Eq. (10)에 의해 산정한다.
표본 수 n 이 10보다 클 때, S 와 Var(S)를 이용하여 표준정규분포를 따르는 검정통계량 Z를 Eq. (13)에 따라 정의한다.
Mann-Kendall 검정은 검정통계량 Z를 이용해 시계열 자료에 경향성이 있는지를 검정하며, 검정통계량의 부호로 경향의 방향성을 판단한다. 본 연구에서는 Mann-Kendall 검정을 표준유역의 가뭄발생 빈도에 대해 적용하여 계절별 가뭄발생 빈도의 경향성을 분석하였다.
3. 가뭄 발생 특성 분석
부산 지역의 가뭄을 전망하기 위해, 미래 기후 시나리오(RCP 4.5 및 RCP 8.5)를 기반으로 가뭄 평가를 위한 SPEI를 산정하였다. 이를 통해 얻어진 가뭄심도를 기준으로 가뭄 발생 특성을 분석하였다.
일반적으로 1개월 가뭄은 기상학적 가뭄, 6개월 가뭄은 농업적 가뭄, 12개월 가뭄은 수문학적 가뭄을 의미한다. 이에 본 연구에서는 1개월, 6개월, 12개월 강수량과 증발산량을 이용해 각각 SPEI1, SPEI6, SPEI12를 산정하였다. 1개월 가뭄은 각 월별 강수량과 증발산량을 사용하고, 6개월 가뭄은 강수량과 증발산량의 차이가 6개월 동안 누적되므로, 계절을 고려하여 5월과 11월의 데이터를, 12개월 가뭄은 1년 중 저수지 저수량이 가장 낮은 5월의 값을 사용하였다(Kim, 2013). 이러한 방법으로 산정된 가뭄 지수를 바탕으로 시나리오별, 가뭄 심도별, 지역별 가뭄 발생 현황을 분석하였으며, Mann-Kendall 검정을 통해 가뭄의 계절별 경향성을 분석하였다.
3.1 기후변화 시나리오에 따른 가뭄 발생 특성
현재(Present) 및 기후변화 시나리오(RCP 4.5, RCP 8.5)에 대하여 산정된 SPEI의 연평균 가뭄 발생빈도의 분포는 Fig. 4와 같다. 박스의 상단과 하단은 각각 75% (상위 사분위수), 25% (하위 사분위수)를 나타내며, 중간선은 중앙값을 의미한다. 박스의 상⋅하단에서 데이터의 10%와 90%까지의 범위는 오차막대로 표시하였으며, 이를 벗어나는 이상치는 점으로 표시하였다.
Fig. 4를 보면, 현재와 RCP 4.5에 비해 RCP 8.5 시나리오에서 가뭄 발생빈도가 가장 높게 나타나는 것을 알 수 있다. 또한 지속기간 1개월 가뭄을 제외한 다른 지속기간에서는 상위 사분위수와 하위 사분위수 간의 차이가 감소하여, 변동성이 줄어드는 경향을 보였다. 아울러 지속기간이 짧을수록 가뭄 발생빈도가 높았으며, 특히 1개월 단기가뭄의 발생빈도는 다른 지속기간을 가지는 단기가뭄 발생빈도의 오차수준을 넘어 빈번하게 발생하는 것으로 나타났다.
3.2 심도별 가뭄 발생 특성
현재 및 기후변화 시나리오별로 산정된 가뭄지수에 Table 2의 기준을 적용하여 가뭄심도를 구분한 후, 가뭄심도별, 시나리오별, 지속기간별 연평균 가뭄 발생 개월 수를 Fig. 5에 나타내었으며, 중간값의 변화를 Table 4에 정리하였다. Fig. 5를 보면, 기후변화의 영향이 심화됨(현재 < RCP 4.5 < RCP 8.5)에 따라 1개월 및 12개월 가뭄 개월 수가 점차 증가하며, 지속기간이 짧은 1개월 가뭄에서 그 증가 추세가 더 크게 나타나는 것을 알 수 있다. 6개월 가뭄의 경우 기후변화에 따른 가뭄 개월 수의 증가 추세가 확인되지는 않았다.
Table 4
Median Value of Annual Average Number of Drought Months for Each Duration and Depth of Drought by Scenario
Table 4를 보면, 1개월 가뭄의 경우, 기후변화의 영향이 심화됨에 따라 보통가뭄(Moderate drought)은 1.528개월에서 0.679개월로 크게 감소(-55.6%)하는 반면, 극심한 가뭄(Extreme drought)은 0.075개월에서 1.245개월로 크게 증가(1,560%)하여 기후변화에 따른 1개월 가뭄의 증가를 야기하는 것을 알 수 있다. 6개월 및 12개월 가뭄의 경우, 1개월 가뭄의 경우와 다르게 보통가뭄과 극심한 가뭄은 다소 감소하지만, 심한가뭄(Severe drought)이 증가하며, 이에 따라 12개월 가뭄 개월 수가 1.981개월에서 2.113개월로 약 6.7%증가하는 것을 확인할 수 있다. 기후변화에 따른 1개월 및 12개월 가뭄의 증가(특히 1개월 극심한 가뭄의 큰 증가), 지역 내 가뭄의 점진적 확산은 연중 일정한 수량의 확보가 필요한 도시하천에서의 물이용, 하천유지유량 확보 등 쾌적한 도시하천 환경 유지에 어려움을 야기할 수 있을 것으로 판단된다.
3.3 가뭄 발생의 공간적 특성
시나리오별, 지속기간별 연평균 가뭄 개월 수의 공간적 분포는 Fig. 6과 같다. Fig. 6을 보면, 전체 시나리오에서 1개월 가뭄의 발생빈도가 가장 높게 나타나며, 공간적으로는 부산 외곽 지역이 중앙부보다 높은 가뭄 개월 수를 보이는 것을 알 수 있다. 또한 모든 지속기간에서 기후변화의 영향이 심화됨에 따라 가뭄의 빈도가 점차 증가하는 경향을 보였다. 1개월 가뭄의 경우, 기후변화 시나리오 적용 이전 13개 표준유역 전체의 연평균 가뭄 개월 수가 2.5개월 이하였으나 RCP 8.5 시나리오를 적용하는 경우, 여덟 개 유역의 가뭄 개월 수가 2.5 이상으로 나타났다. 6개월 가뭄의 경우에도 RCP 8.5 시나리오 적용에 따라 2~2.25개월의 가뭄이 발생하는 유역이 8개에서 9개로 증가하였으며, 이 중 조만강유역의 가뭄 개월 수는 2.25개월 이상으로 증가하였다. 마찬가지로 12개월 가뭄의 경우, RCP 8.5 시나리오 적용에 따라 2개월 이상 가뭄이 발생하는 유역이 6개에서 9개로 증가하였으며, 이중 효암천유역의 가뭄 개월 수는 2.39개월로 증가하였다. 특히 가뭄 개월 수의 공간적 분포를 통해 가뭄 개월 수가 상대적으로 낮게 나타났던 부산 중심지역의 가뭄 개월 수가 기후변화의 영향이 심화됨에 따라 점차 증가하는 양상을 확인할 수 있다.
Fig. 7은 앞서 기후변화 시나리오 적용에 따른 가뭄 발생의 증가가 상대적으로 큰 것으로 나타난 1개월 가뭄 개월 수의 공간적 분포를 계절별로 나타낸 것이며, Table 5는 이에 대한 통계치를 보여준다. Fig. 7과 Table 5를 보면, 기후변화에 따른 가뭄개월 수 변화 특성이 계절에 따라 다르게 나타나는 것을 알 수 있다. 봄(3~5월)과 가을(9~11월)의 경우, 기후변화의 영향이 심화됨에 따라 가뭄 개월 수가 크게 증가(각각 0.58, 0.61개월에서 0.90, 1.23개월로 증가)하며, 여름(6~8월)과 겨울(12~2월)은 그 반대의 경향(각각 0.57, 0.60개월에서 0.08, 0.29개월로 감소)을 보이는 것으로 나타났다. 또한 Table 5를 보면, 겨울을 제외한 모든 계절에서 기후변화의 영향이 심화됨에 따라 가뭄 개월 수의 변동계수가 작아지는 것을 확인할 수 있다. 강수가 여름에 집중되는 우리나라 및 부산 지역의 강수특성을 고려할 때, 여름 가뭄의 감소와 봄, 가을 가뭄의 증가, 변동계수의 감소는 기후변화에 따른 강수의 시간적 집중 심화 및 해당 현상의 지속(변동성 감소)으로 해석될 수 있으며, 이에 따라 도시하천 환경 관리가 더욱 어려워질 것으로 예상된다.
Table 5
Seasonal Statistics of Average Number of Drought Months (1-month)
4. 결 론
본 연구는 미래 기후 시나리오(RCP 4.5 및 RCP 8.5)를 기반한 가뭄 평가를 위해 2021년부터 2030년까지의 기후변화 경향성을 과거(1966~2018년) 기상자료에 반영하여 SPEI를 산정하였다. 산정된 가뭄 지수를 바탕으로 시나리오별, 심도별, 지역별 가뭄 발생 특성을 분석하였으며, 그 결과는 다음과 같다.
1) 기후변화 시나리오에 따라 연평균 가뭄 발생 특성을 분석한 결과, 가뭄 지속기간이 짧을수록 발생 빈도가 높게 나타났으며, 특히 1개월 단기가뭄은 다른 지속기간의 가뭄에 비해 유의미하게 높은 빈도로 발생하였다. 또한, 지속기간이 증가함에 따라 상하위 사분위수 격차가 감소하여 변동성이 줄어드는 경향을 확인하였다.
2) 가뭄의 심도에 따라 가뭄 발생 빈도를 분석한 결과, 기후변화로 인한 가뭄의 양상 변화가 나타났다. 1개월 단기가뭄에서는 극심한 가뭄이 1,560%로 급격히 증가하였으며, 12개월 장기가뭄은 전체적으로 약 6.7% 증가하였다. 이런 기후변화에 따른 장⋅단기가뭄의 증가는 도시의 안정적인 물공급에 어려움을 초래할 수 있다.
3) 가뭄 발생의 공간적 분포를 분석한 결과, 1개월 가뭄이 가장 빈번하게 발생했으며, 부산 외곽 지역에서 중앙부보다 높은 가뭄 개월 수를 보였다. RCP 8.5 시나리오에서는 1개월 가뭄이 2.5개월 이상 발생하는 유역이 증가했고, 6개월 및 12개월 가뭄 또한 가뭄 개월 수가 증가하는 유역이 늘어났다. 특히 가뭄 개월 수가 상대적으로 낮았던 부산 중심지역도 기후변화가 심해짐에 따라 점차 증가하는 양상을 나타냈다.
4) 계절별 가뭄 발생 경향을 확인하기 위해 1개월 단기 가뭄에 대해 계절별 분포를 분석하였다. 봄과 가을에는 가뭄 개월 수가 각각 0.58, 0.61개월에서 0.90, 1.23개월로 크게 증가한 반면, 여름과 겨울에는 각각 0.57, 0.60개월에서 0.08, 0.29개월로 감소하는 경향을 보였다. 또한, 겨울을 제외한 모든 계절에서 기후변화의 영향이 증가함에 따라 가뭄 개월 수의 변동계수가 감소하였다. 이는 기후변화에 따라 강수의 시간적 집중이 심화되고 변동성이 줄어드는 현상으로 도시하천 관리의 어려움 및 홍수와 가뭄의 증가⋅심화가 예상된다.
미래 기후 시나리오를 반영하여 가뭄지수를 산정함으로써 기후 시나리오별, 심도별, 가뭄 유의지역별 등 발생 특성을 분석하였다. 이러한 분석은 향후 가뭄의 발생 경향과 가뭄의 시기 및 지역별 분포를 예측하는 데 활용되어 수자원 관리 및 재난 대비뿐만 아니라 장기적 기후변화를 예측하는 데 필요한 기초 데이터로서 활용될 수 있다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
