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.

Fig. 1

A Map of Study Area

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.

Fig. 2

Procedure of SPEI Calculation

Table 2

Moisture Status according to SPEI

Table 3

Weather Stations used by Watershed

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), WB^k는 지속기간 k에서 집계된 물수지(WB)이다.

2.3 기후변화 시나리오의 경향성 반영

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.

(3)t−td≅(14.55+0.114t)x+[(2.5+0.007t)x]3+(15.9+0.117)x14

(4)x=1−RH100

여기서, RH는 상대습도, t_d는 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, D_h는 관측된 월별 일 이슬점, D_p는 지역기후모델(Regional Climate Model, RCM)로 모의된 현재 기후로부터 도출된 월별 이슬점, D_f는 RCM으로 모의된 미래기후로부터 도출된 월별 일 이슬점, D_fc는 편의보정 된 미래 월별 일 이슬점이다.

Fig. 3

Concept of Bias Correction

RCM에서 모의된 기상관측소에 상응하는 격자의 특정일의 이슬점 자료 D_p와 동일 기간, 동일 관측소의 이슬점 자료 D_h사이에는 Eq. (5)와 같은 관계가 성립한다.

(5) Dpc−〈Dh〉σh = Dp−〈Dp〉σp 

여기서, <>는 평균 연산자, D_pc는 편의보정 된 현재 특정일의 이슬점, σ_h는 관측된 월별 일 이슬점의 표준편차, σ_p는 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 바탕으로D_pc에 대해 정리된 식은 Eq. (6)과 같다.

(6)Dpc=〈Dh〉+σh×( Dp−〈Dp〉σp )

따라서 편의보정 된 미래 일 이슬점 시계열의 특정 해, 특정 월(y년 m월)의 평균과 분산은 Eqs. (7), (8)과 같음을 알 수 있다.

(7)〈Dfc〉y,m=〈Dh〉m+ σh,mσp,m (〈Df〉y,m−〈Dp〉m)

(8)V[Dfc]y,m= σh,m2σp,m2 V[Df]y,m

여기서, ⟨D_f ⟩와V[D_f]_y,m은 각각 미래 일 이슬점 시계열의 평균과 분산이다. 시계열의 평균과 분산을 바탕으로 미래의 일 이슬점 시계열D^fh_y,m은 Eq. (9)와 같다.

(9)Dy,mfh=〈Dfc〉y,m+V[Df]y,m(Dh−〈Dh〉mσh,m)

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. 4

Distribution of Annual Average Number of Drought Months by Duration

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.

Fig. 5

Distribution of Annual Average Number of Drought Months by Severity

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. 6

Annual Average Number of Drought Months by Watershed

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.

Fig. 7

Spatial Distribution of Average Number of Drought Months (1-month) by Season

Table 5

Seasonal Statistics of Average Number of Drought Months (1-month)