선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이에 본 연구는 북한 기상자료를 이용하여 기존 기상학적 가뭄지수들 중에서 북한지역에 적용할 수 있는 가뭄평가 지표를 선정하고 이를 바탕으로 북한 내 지역별 가뭄 심도의 평가를 실시하고, 가뭄 우심 지역에 대한 유형화를 실시하고 분석하였다. 궁극적으로 북한 가뭄 피해에 대한 제한적이고 수동적인 정보 습득 차원을 벗어나 정성적인 가뭄 정보가 아닌 정량적인 가뭄 정도를 파악할 수 있는 기준을 보여주고자 하였다.
- 본 연구는 자연재해에 취약한 북한에서 가뭄에 대비할 수 있는 기반 연구로써 북한지역의 기상학적 요인과 가뭄의 특성을 고려한 가뭄평가를 실시하고 군집분석을 통하여 가뭄지역을 유형화하여, 각 유형별 가뭄특성을 살펴보았다.
- 21개 기상측후소에서 산정된 기간별 강수량 및 가뭄지수에 대하여 빈도분석을 실시하여 가뭄발생의 위험 정도를 재현기간과 크기로 추정하면 지역별 평가 및 비교가 가능하다(장민원 등, 2003). 본 연구에서는 농업 수리 시설 설계에 사용되는 한발 기준 10년 빈도에 해당하는 값을 산정하였다. 이를 위하여 기간별 강수량 및 가뭄지수에 대해서 21개 측후소별로 시계열을 작성하였다.
- 본 연구에서는 북한 지역에서의 정성적인 가뭄 정보가 아닌 정량적인 가뭄 정도를 파악할 수 있는 기준을 제시하고, 이를 이용하여 가뭄평가를 실시하였다. 도출된 결과는 기상학적 인자만을 반영하였기 때문에 하천 유량, 관개 시설 또는 수자원 시설을 반영하지 못하는 한계가 있을 수 있다.
- 이에 본 연구는 북한 기상자료를 이용하여 기존 기상학적 가뭄지수들 중에서 북한지역에 적용할 수 있는 가뭄평가 지표를 선정하고 이를 바탕으로 북한 내 지역별 가뭄 심도의 평가를 실시하고, 가뭄 우심 지역에 대한 유형화를 실시하고 분석하였다. 궁극적으로 북한 가뭄 피해에 대한 제한적이고 수동적인 정보 습득 차원을 벗어나 정성적인 가뭄 정보가 아닌 정량적인 가뭄 정도를 파악할 수 있는 기준을 보여주고자 하였다.
제안 방법
- 공간적인 가뭄의 분포를 파악하기 위하여 11개 가뭄평가지표의 한발기준 10년 빈도 결과를 바탕으로 공간분포를 추정하여 가뭄지도를 각각 작성하였다. 각 가뭄지도를 이용하여 북한 170개 시군별 평균을 산정하였는데, 그 결과는 Fig.
- 기간별 강수량 및 가뭄지수로 작성된 가뭄지도를 바탕으로 군집분석 실시하고, 각 클러스터별 가뭄 특성을 살펴보았다. 그 결과 풍산과 신포를 중심으로한 Ⅴ 유형에 속한 14개 지역들이 가뭄에 가장 취약한 지역으로 나타났고, 원산과 정전을 중심으로 한 Ⅲ 유형에 속한 15개 지역이 내한 능력이 가장 높은 것으로 나타났다.
- 기상측후소 21개 지역에서 추출한 강수량과 평균 기온을 바탕으로 11개의 가뭄평가지표를 산정하였다. Fig.
- 우선 북한지역의 기상학적 가뭄을 평가하기 위하여 연강수량, 생육기간, 계절별 강수량, PDSI, SPI 3, 6, 12 및 과우일수 등 총 11개의 가뭄평가지표를 선정하였다. 기상측후소 21개 지역의 기상 자료를 바탕으로 선정된 가뭄평가지표에 대하여 각각을 산정하였다. 이를 바탕으로 연초과치 시계열을 작성하고, 최적확률분포형으로 선정된 GEV, Weibull 및 Gumbel 분포형을 이용하여 한발기준 10년 빈도 강수량 및 가뭄지수를 산정하였다.
- 따라서 170개 시 · 군 단위의 면적평균치를 산정하고 군집분석을 실시하였다.
- 기상학적 가뭄지수의 경우 강수량을 주요 인자로 사용하기 때문에 강수량에 의해 많은 영향을 받게 된다. 따라서 본 연구에서는 각 지역별 강수량 경향을 살펴보기 위하여 연강수량과 생육기간(4~10월) 강수량, 봄(3~5월), 여름(6~8월), 가을(9~11월) 및 겨울(12~2월) 강수량을 산정하여 기간별, 지역별에 따른 강수량의 분포를 살펴보고, 가뭄지수와 비교하였다.
- 따라서 대표적인 기상학적 가뭄지수로는 표준강수지수(SPI), 파머가뭄지수(PDSI), 과우일수, 무강우일수 등이 있다. 따라서 본 연구에서는 기상학적 가뭄을 분석하기 위하여 연강수량, 생육기간강수량, 계절별강수량, PDSI, SPI 3, 6, 12 및 과우일수 등 모두 11개의 평가지표를 설정하였다. 각 평가지표에 대하여 살펴보면 다음과 같다.
- 작성된 시계열 자료를 적정한 이론적 분포형에 맞춤으로써 그 현상의 특성을 구명하고, 앞으로의 발생양상을 예측할 수 있다. 따라서 작성된 시계열에 적합한 확률분포형을 찾기 위하여 Normal, Log Normal, Beta, Gamma, GEV, Weibull, Gumbel 등 7개 분포형에 대하여 K-S(Kolmogorov-Smirnov) 검정을 실시하여, 최적 확률분포형을 선정하였다. 가뭄 특성치를 분석하기 위한 빈도분석시 사용된 방법은 빈도계수법이며, 비 초과확률은 연 초과치 계열의 해석에 적합이 인정된 California 공식을 사용하였다(Lee 등, 1986).
- 본 연구에서는 기존 연구 결과를 바탕으로 하한 강우량을 5mm로, 상한 강우량을 70mm 설정하였다. 또한 과우일수를 산정하기 위하여 5, 6, 7, 8월의 일강우량 자료로부터 하루 동안의 강우량이 5mm이하이거나 또는 연속 2일 이상의 강우량이 5mm 이하일 경우 무강우로 취급하고 일 강우량을 누가하고, 누가 강우량이 70mm에 도달할 때까지 과우일수를 계산하였다(김현영, 1994).
- 또한 시군별 평균치를 이용하여 가뭄지역의 분류를 위한 군집분석을 실시하였는데 총 6개 유형으로 구분되었다. 각 유형별 특징을 살펴보면, Ⅰ 유형은 비교적 강수량은 부족하지만 SPI와 PDSI 가뭄지수의 심도가 비교적 낮은 특징을 나타내고 있으며, Ⅱ 유형은 가뭄지수의 우심 정도 비교적 낮으면서, 비교적 강수량이 풍부한 지역으로 가뭄 우심 정도가 비교적 낮은 유형으로 평가할 수 있다.
- SPI는 다양한 시간단위에 대해서 계산될 수 있는데, 이는 실제로 가뭄의 평가에 있어서 시간단위가 중요한 변수로 작용하기 때문에 다양한 시간단위에 대한 가뭄지수 또는 가뭄평가를 내리는 것이 유용하다. 본 연구에서는 3, 6 및 12개월 SPI를 산정하였다.
- 반대로 상한 과우량은 가뭄의 해갈 여부를 결정할 수 있을 정도의 강우량을 말한다. 본 연구에서는 기존 연구 결과를 바탕으로 하한 강우량을 5mm로, 상한 강우량을 70mm 설정하였다. 또한 과우일수를 산정하기 위하여 5, 6, 7, 8월의 일강우량 자료로부터 하루 동안의 강우량이 5mm이하이거나 또는 연속 2일 이상의 강우량이 5mm 이하일 경우 무강우로 취급하고 일 강우량을 누가하고, 누가 강우량이 70mm에 도달할 때까지 과우일수를 계산하였다(김현영, 1994).
- 본 연구에서는 북한의 지역별 기상학적 가뭄의 평가와 유형분류를 위하여 Fig. 1과 같이 5단계로 나누어 연구를 실시하였다.
- 우선 북한지역의 기상학적 가뭄을 평가하기 위하여 연강수량, 생육기간, 계절별 강수량, PDSI, SPI 3, 6, 12 및 과우일수 등 총 11개의 가뭄평가지표를 선정하였다. 기상측후소 21개 지역의 기상 자료를 바탕으로 선정된 가뭄평가지표에 대하여 각각을 산정하였다.
- 기상측후소 21개 지역의 기상 자료를 바탕으로 선정된 가뭄평가지표에 대하여 각각을 산정하였다. 이를 바탕으로 연초과치 시계열을 작성하고, 최적확률분포형으로 선정된 GEV, Weibull 및 Gumbel 분포형을 이용하여 한발기준 10년 빈도 강수량 및 가뭄지수를 산정하였다. 한발기준 10년 빈도 결과를 이용하여 가뭄지도를 작성하고, 시 · 군별 가뭄지수 및 강수량의 평균을 산정하여, 지역별 가뭄 평가를 실시하였다.
- 본 연구에서는 농업 수리 시설 설계에 사용되는 한발 기준 10년 빈도에 해당하는 값을 산정하였다. 이를 위하여 기간별 강수량 및 가뭄지수에 대해서 21개 측후소별로 시계열을 작성하였다. 시계열 작성 시 가뭄의 자료치 계열은 가뭄이 홍수량처럼 순간적인 극치가 중요한 것이 아니라 지속되는 기간 동안의 총 부족량이 주된 관심사이므로 극치 계열보다는 부분기간치 계열을 선정해야 한다(배승종 등, 1999).
- 작성된 10년 빈도 가뭄지도를 바탕으로 하여 11개 평가지표(PDSI, SPI 3, 6, 12, 과우일수, 연강수량, 생육기간강수량, 각 계절별 강수량)에 대하여 170개 시·군 단위의 면적평균치를 산정하고 이를 바탕으로 지역별 가뭄 평가를 실시하였다.
- 한발기준 10년 빈도 결과를 이용하여 가뭄지도를 작성하고, 시 · 군별 가뭄지수 및 강수량의 평균을 산정하여, 지역별 가뭄 평가를 실시하였다.
대상 데이터
- 선봉, 청진 등 13개 지역은 1973년부터, 삼지연, 풍진 등 14개 지역은 1981년부터 제공되고 있다. 하지만 중강, 김책, 장진, 희천, 신계, 평강 지역은 자료의 결측이 있기 때문에 본 연구에서는 위 지역(중강 등 6개 지역)을 제외한 21개 지역의 1976년(또는 1981년)부터 2005년까지 기상자료(강수량 및 평균기온)를 이용하였다.
- 현재 우리나라 기상청에서 제공하고 있는 북한지역의 기상 자료는 세계기상통신망을 통하여 구득된 자료로써 현재 북한 전역 27개 지점을 대상으로 제공하고 있다. Fig.
데이터처리
- 각 유형별 특징을 살펴보기 위하여 먼저 각 시 · 군별로 가뭄지수 또는 강수량의 평균에 대한 정규화(평균 0, 표준편차 1)를 실시하여 유형별 평균을 도출하였다.
- 산정된 11개 가뭄평가지표 결과에 대한 빈도분석을 실시하기 위하여 연초과치 계열의 시계열을 작성하고, 각 확률분포형에 대한 매개변수를 확률가중모멘트법에 의해 추정하였다. 각 확률분포형에 대하여 K-S 검정(5% 유의수준)을 실시하여 각 지수별 최적 확률분포형을 선정하였다. PDSI와 SPI의 최적확률분포형은 GEV 분포형으로 선정되었다.
- 또한 잠재유출량은 유효수분용량에서 잠재함양량을 뺀 값으로 계산되어진다. 과거 기상자료를 이용한 수분수지 분석을 통해 기후학적으로 적당한 강수량을 계산하고, 해당 월의 실제 강수량을 뺀 값으로 수분편차가 계산된다. 수분편차에 기후특성인자를 곱한 값으로 월별 수분이상지수가 계산되며, 전월의 가뭄지수와 수분이상지수로부터 월별 가뭄지수가 계산된다.
- 평가지표로 선정된 가뭄지수 및 기간별 강수량의 시·군별 평균을 이용하여 군집분석을 실시하였다.
이론/모형
- 각 확률분포형에 대하여 K-S 검정(5% 유의수준)을 실시하여 각 지수별 최적 확률분포형을 선정하였다. PDSI와 SPI의 최적확률분포형은 GEV 분포형으로 선정되었다. GEV는 가뭄이나 홍수 같은 사상의 빈도분석에 많이 사용되는 분포함수로써 본 연구에 있어서 적합할 것으로 판단된다.
- 따라서 작성된 시계열에 적합한 확률분포형을 찾기 위하여 Normal, Log Normal, Beta, Gamma, GEV, Weibull, Gumbel 등 7개 분포형에 대하여 K-S(Kolmogorov-Smirnov) 검정을 실시하여, 최적 확률분포형을 선정하였다. 가뭄 특성치를 분석하기 위한 빈도분석시 사용된 방법은 빈도계수법이며, 비 초과확률은 연 초과치 계열의 해석에 적합이 인정된 California 공식을 사용하였다(Lee 등, 1986).
- 따라서 본 연구에서는 빈도분석을 통하여 산정된 가뭄평가지표에 대하여 북한지역의 가뭄지도를 작성하였는데 기상학적 가뭄지수 및 강수량은 기상 측후소를 중심으로 한 점(point)으로 산정되기 때문에 공간 데이터로의 보간(interpolation)이 필요하다. 공간 분포 추정을 위한 방법으로 역거리가중법(inverse distance weighting)을 사용하였다. 작성된 10년 빈도 가뭄지도를 바탕으로 하여 11개 평가지표(PDSI, SPI 3, 6, 12, 과우일수, 연강수량, 생육기간강수량, 각 계절별 강수량)에 대하여 170개 시·군 단위의 면적평균치를 산정하고 이를 바탕으로 지역별 가뭄 평가를 실시하였다.
- 또한 강수량의 경우 Weibull 분포형으로 선정되었는데, 이 분포형은 수문량의 최소값 특히 갈수량의 빈도분석에 많이 사용되는 분포이다. 또한 과우일수의 경우 선행 연구(김현영, 1994)와 같이 Gumbel 분포형을 최적확률분포형으로 선정하였다.
- 군집분석의 기본원리는 분석하고 하는 개체들의 여러 특성들을 유사성(similarity) 거리로 환산하여 유사성 거리가 상대적으로 가까운 개체들을 동질적인 집단으로 군집화하는 것이며, 이를 위해서 설명변수의 선정, 유사성 거리의 측정 및 군집화 방법을 거치게 된다. 본 연구에서는 비계층적 군집화 방법인 K-평균 군집분석(K-mean cluster analysis)을 이용하였다. K-평균 군집방법은 군집의 수를 미리 정하고, 각 개체가 어느 군집에 속하는지를 분석하는 방법으로서 대량의 데이터의 군집분석에 유용하게 이용되는 방법이다(노형진, 2005).
- 산정된 11개 가뭄평가지표 결과에 대한 빈도분석을 실시하기 위하여 연초과치 계열의 시계열을 작성하고, 각 확률분포형에 대한 매개변수를 확률가중모멘트법에 의해 추정하였다. 각 확률분포형에 대하여 K-S 검정(5% 유의수준)을 실시하여 각 지수별 최적 확률분포형을 선정하였다.
성능/효과
- PDSI와 SPI의 최적확률분포형은 GEV 분포형으로 선정되었다. GEV는 가뭄이나 홍수 같은 사상의 빈도분석에 많이 사용되는 분포함수로써 본 연구에 있어서 적합할 것으로 판단된다. 또한 강수량의 경우 Weibull 분포형으로 선정되었는데, 이 분포형은 수문량의 최소값 특히 갈수량의 빈도분석에 많이 사용되는 분포이다.
- Ⅰ 유형의 경우 PDSI가 0.365, SPI가 0.706~0.889로써 가뭄 심도는 비교적 작지만, 과우일수는 1.049로 가뭄 심도가 비교적 큰 것으로 나타났다. 또한 모든 기간별 강수량(-0.
- Ⅱ 유형은 PDSI(0.502), SPI(-0.011~0.551) 및 과우일수(-0.732)의 심도는 비교적 낮은 것으로 나타났다. SPI의 경우 단기간에서 장기간으로 갈수록 심도가 낮아지는 경향을 보였다.
- 각 유형별 특징을 살펴보면, Ⅰ 유형은 비교적 강수량은 부족하지만 SPI와 PDSI 가뭄지수의 심도가 비교적 낮은 특징을 나타내고 있으며, Ⅱ 유형은 가뭄지수의 우심 정도 비교적 낮으면서, 비교적 강수량이 풍부한 지역으로 가뭄 우심 정도가 비교적 낮은 유형으로 평가할 수 있다. Ⅲ 유형은 전체 유형 중에서 풍부한 강수량을 바탕으로 가뭄 내한 능력이 높은 특징을 나타내었다. Ⅳ 유형의 경우, 북한지역 내에서 가뭄 심도가 중간 정도로 평가되는 유형으로 모든 요인이 평균에 가까운 값을 나타내었다.
- Ⅲ 유형의 특징을 살펴보면, PDSI (1.083)의 심도는 비교적 작고, SPI(-0.883~-0.277)와 과우일수(-0.749)의 심도가 약간 높은 지역으로 모든 강수량이 북한지역 내 평균보다 크게 상회하는데, 특히 가을강수량이 많은 것으로 나타났다. 이 유형은 6가지 유형 중에서 풍부한 강수량을 바탕으로 가뭄 내한 능력이 높은 지역으로 구분될 수 있다.
- 또한 시군별 평균치를 이용하여 가뭄지역의 분류를 위한 군집분석을 실시하였는데 총 6개 유형으로 구분되었다. 각 유형별 특징을 살펴보면, Ⅰ 유형은 비교적 강수량은 부족하지만 SPI와 PDSI 가뭄지수의 심도가 비교적 낮은 특징을 나타내고 있으며, Ⅱ 유형은 가뭄지수의 우심 정도 비교적 낮으면서, 비교적 강수량이 풍부한 지역으로 가뭄 우심 정도가 비교적 낮은 유형으로 평가할 수 있다. Ⅲ 유형은 전체 유형 중에서 풍부한 강수량을 바탕으로 가뭄 내한 능력이 높은 특징을 나타내었다.
- 개성 및 강원도의 경우, 전체 평균에 비하여 강수량이 많고, PDSI와 과우일수의 경우 전체 지역 중 가장 가뭄 심도가 낮은 것으로 나타났다. 또한 SPI 지수도 가뭄 심도가 비교적 낮았는데, 장기간 가뭄보다는 단기간 가뭄에 더 취약한 것으로 나타났다.
- 평가지표로 선정된 가뭄지수 및 기간별 강수량의 시·군별 평균을 이용하여 군집분석을 실시하였다. 군집분석 결과 6개 유형으로 나뉘었는데, 각 유형별 군집중심간 거리는 Table 5와 같고, 모든 평가지표가 유의확률 5%에서 군집간의 차이를 나타내었다. 그 결과 Ⅰ 유형은 38개 지역으로, Ⅱ 유형은 48개 지역으로, Ⅲ 유형으로 15개 지역으로, Ⅳ 유형은 33개 지역으로, Ⅴ 유형은 14개 지역으로, Ⅵ 유형은 22개 지역으로 구분되었는데, 각 유형에 해당하는 시 · 군을 Fig.
- 그 결과 Ⅰ 유형은 38개 지역으로, Ⅱ 유형은 48개 지역으로, Ⅲ 유형으로 15개 지역으로, Ⅳ 유형은 33개 지역으로, Ⅴ 유형은 14개 지역으로, Ⅵ 유형은 22개 지역으로 구분되었는데, 각 유형에 해당하는 시 · 군을 Fig. 4에 나타내었다.
- 기간별 강수량 및 가뭄지수로 작성된 가뭄지도를 바탕으로 군집분석 실시하고, 각 클러스터별 가뭄 특성을 살펴보았다. 그 결과 풍산과 신포를 중심으로한 Ⅴ 유형에 속한 14개 지역들이 가뭄에 가장 취약한 지역으로 나타났고, 원산과 정전을 중심으로 한 Ⅲ 유형에 속한 15개 지역이 내한 능력이 가장 높은 것으로 나타났다.
- 개성 및 강원도의 경우, 전체 평균에 비하여 강수량이 많고, PDSI와 과우일수의 경우 전체 지역 중 가장 가뭄 심도가 낮은 것으로 나타났다. 또한 SPI 지수도 가뭄 심도가 비교적 낮았는데, 장기간 가뭄보다는 단기간 가뭄에 더 취약한 것으로 나타났다. 황해도는 강수량이 전체 평균과 비슷한 양상을 보였지만, SPI와 PDSI에서는 전체 평균보다 가뭄 심도가 낮았다.
- 049로 가뭄 심도가 비교적 큰 것으로 나타났다. 또한 모든 기간별 강수량(-0.148~-1.170)이 북한지역 내 평균보다 작았는데 봄강수량은 특히 부족한 경향을 보였다. 이 유형은 계절별 강수량이 모두 부족하지만 SPI와 PDSI 가뭄지수의 심도는 비교적 낮은 특징을 나타내고 있다.
- SPI의 경우 단기간에서 장기간으로 갈수록 가뭄 심도가 악화되는 경향을 보였다. 또한 봄과 겨울강수량을 제외한 모든 강수량(-0.406~-0.116)이 북한지역 내 평균보다 낮지만, 상대적으로 봄 강수량(1.465)과 겨울강수량(0.982)은 다른 지역과 비교하여 풍부한 것으로 나타났다. 이 유형은 봄과 겨울강수량이 상대적으로 풍부한 지역으로, PDSI의 심도가 특히 낮고, 단기간보다 장기간 가뭄에 취약한 지역으로 구분할 수 있다.
- Ⅴ 유형은 모든 가뭄지수의 심도가 매우 높고, 강수량도 다른 유형과 비교하여 매우 적은 지역으로 가뭄에 가장 취약한 지역으로 구분할 수 있다. 마지막으로 Ⅵ 유형은 봄과 겨울강수량이 상대적으로 풍부한 지역으로, PDSI의 가뭄 심도가 특히 낮고, 단기간보다 장기간 가뭄에 취약한 특징을 나타내었다.
- 마지막으로 Ⅵ 유형의 요인별 평균을 살펴보면, PDSI(-0.846)의 가뭄 우심 정도가 비교적 높고, 과우일수(-0.996)의 심도는 비교적 낮은 지역이다. SPI의 경우 단기간에서 장기간으로 갈수록 가뭄 심도가 악화되는 경향을 보였다.
- 626(용연)의 분포를 각각 나타내었다. 마지막으로 과우일수는 신포지역에서 84일로 가장 큰 값을, 삼지연 지역에 54일로 가장 작은 값을 나타내었다.
- 각각의 최적확률분포형을 이용하여 한발기준 10년 빈도 기간별 강수량 및 가뭄지수별, 산정한 결과는 Table 3과 같다. 먼저 기간별 강우량의 결과를 살펴보면, 연강수량은 291.5(신포)~959.5mm(원산), 생육기간 강수량은 221.5(신포)~785.1mm(원산), 봄강수량은 30.2(청진)~113.0mm(삼지연), 여름강수량은 127.1(혜산)~396.4mm(원산), 가을강수량은 37.3(풍산)~168.7mm(장전), 겨울강수량은 3.6(수풍)~35.4mm(삼지연)의 범위를 나타내었다. 또한 가뭄지수의 경우, PDSI는 -6.
- 0mm로 북한의 대표적인 과우 및 다우 지역이다. 신포의 SPI 3 결과를 살펴보면 1994년 초반, 1998년 후반, 1999년 후반, 2002년 후반~2003년 초반을 제외한 모든 기간 동안 가뭄이 지속되는 것으로 나타났다. 즉 이는 평년에 비하여 강수량이 많이 부족함을 의미하는 것으로써, PDSI를 살펴보면 위 기간 동안 강수량이 많이 부족함을 확인할 수 있다.
- 양강도와 함경남도의 경향을 살펴보면, 함흥 이남 지역은 강원도 지역과 비슷한 경향을 나타낸 반면, 그 외 함경남도 및 양강도 지역은 전체 평균과 비교하여 강수량이 많이 부족하였는데, 이로 인해 대부분 가뭄지수 결과에 있어서도 북한 내에서 가장 큰 가뭄 심도를 나타내었다. 다만 봄과 겨울 강수량이 비교적 풍부한 삼지연 지역은 비교적 가뭄 심도가 낮은 것으로 나타났다.
- 하지만 신포와 비교하여 가뭄 심도가 낮았는데, 이는 신포보다 강수량이 상대적으로 많기 때문인 것으로 판단된다. 위 가뭄지수 결과를 보면 1998년, 1999년, 2003년을 제외한 모든 기간 동안에 가뭄이 지속되는 것을 알 수 있는데, 위 3개년 제외한 7개년 동안 연강수량의 평균을 살펴보면 신포는 422.4mm, 장전은 1070.7mm로, 평년대비 각각 66.4%, 75.3%로 매우 부족하였다. 특히 신포지역은 1997년에 140.
- Table 4는 시군별 평균을 시도별로 나타낸 것이다. 전체 지역의 가뭄지수 평균을 살펴보면, PDSI는 -3.88, SPI 3은-2.17, SPI 6은 -2.08, SPI 12는 -2.04로써 PDSI의 경우 『심한 가뭄(Severe Drought)』 단계에, SPI는 『극심한 가뭄(Extreme Drought)』 단계에 해당되었다.
- 신포의 SPI 3 결과를 살펴보면 1994년 초반, 1998년 후반, 1999년 후반, 2002년 후반~2003년 초반을 제외한 모든 기간 동안 가뭄이 지속되는 것으로 나타났다. 즉 이는 평년에 비하여 강수량이 많이 부족함을 의미하는 것으로써, PDSI를 살펴보면 위 기간 동안 강수량이 많이 부족함을 확인할 수 있다. 1994년 7월부터 가뭄이 시작되어 2002년 8월까지 지속되는 되는데, 1995년에 큰 가뭄을 나타내고, 그 후 조금씩 회복되다가 1997년과 1998년에 다시 큰 가뭄을 나타내었다.
- 자강도의 경우 PDSI와 과우일수를 제외한 모든 결과에서 평안남도와 비슷한 경향을 보였다. 평안북도는 평안남도와 비교하여 강수량도 더 풍부하고, 가뭄지수의 심도도 낮은 것으로 나타났는데, 인근지역과 비교하여 여름강수량이 더 많은 반면에 겨울강수량은 다소 부족한 것으로 나타났다. 한편 과우일수의경우 평양과 평안남도와 비교하여 평안북도와 자강도 지역에서 더 작은 값을 보였다.
후속연구
- 즉, 시간적인 가뭄의 발생과 공간적인 가뭄의 분포를 파악하는 것이 가뭄관리를 위한 가장 중요한 요소이다(류재희 등, 2002). 따라서 본 연구에서는 빈도분석을 통하여 산정된 가뭄평가지표에 대하여 북한지역의 가뭄지도를 작성하였는데 기상학적 가뭄지수 및 강수량은 기상 측후소를 중심으로 한 점(point)으로 산정되기 때문에 공간 데이터로의 보간(interpolation)이 필요하다. 공간 분포 추정을 위한 방법으로 역거리가중법(inverse distance weighting)을 사용하였다.
- 다행히 현재 우리나라 기상청에서는 북한 전 지역의 기상자료를 세계기상통신망 GTS(Global Telecommunication System)을 통하여 구득하여 배포하고 있다. 따라서 이를 이용하면 다양한 기상학적 가뭄지수를 산출, 비교할 수 있게 되어 보다 구체적이고 면밀한 북한 가뭄 정보를 생성할 수 있을 것으로 판단된다.
- 하지만 본 연구 결과는 지구 온난화와 이상기후로 인하여 가뭄과 홍수의 발생이 빈번해지고 그 피해도 커지는 상황에서 북한의 가뭄특성 파악과 이해를 위한 기초 자료로써 활용이 가능할 것이다. 또한 북한의 농업재해예측 및 대응 및 북한의 가뭄발생 빈도에 따른 농업생산기반조성 사업 등의 기초 자료로도 이용될 수 있을 것으로 판단된다.
- 시계열 작성 시 가뭄의 자료치 계열은 가뭄이 홍수량처럼 순간적인 극치가 중요한 것이 아니라 지속되는 기간 동안의 총 부족량이 주된 관심사이므로 극치 계열보다는 부분기간치 계열을 선정해야 한다(배승종 등, 1999). 작성된 시계열 자료를 적정한 이론적 분포형에 맞춤으로써 그 현상의 특성을 구명하고, 앞으로의 발생양상을 예측할 수 있다. 따라서 작성된 시계열에 적합한 확률분포형을 찾기 위하여 Normal, Log Normal, Beta, Gamma, GEV, Weibull, Gumbel 등 7개 분포형에 대하여 K-S(Kolmogorov-Smirnov) 검정을 실시하여, 최적 확률분포형을 선정하였다.
- 도출된 결과는 기상학적 인자만을 반영하였기 때문에 하천 유량, 관개 시설 또는 수자원 시설을 반영하지 못하는 한계가 있을 수 있다. 하지만 본 연구 결과는 지구 온난화와 이상기후로 인하여 가뭄과 홍수의 발생이 빈번해지고 그 피해도 커지는 상황에서 북한의 가뭄특성 파악과 이해를 위한 기초 자료로써 활용이 가능할 것이다. 또한 북한의 농업재해예측 및 대응 및 북한의 가뭄발생 빈도에 따른 농업생산기반조성 사업 등의 기초 자료로도 이용될 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.