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
- 본 연구에서는 LARS-WG 모형을 활용하여 일별 기상자료를 모의하기 위하여 대상지역의 기준년도 (1971 ∼ 2000) 동안의 강수량, 최저기온 및 최고기온을 구축하였다.
- 따라서, 본 연구에서는 LARS-WG 모형에 적용하기 위한 기후 시나리오를 산정하기 위하여 각각 기상관측소가 포함된 격자의 기후변화 예측자료를 그 지역의 기후변화 예측자료로 가정하여 기준년도 (1971 ∼ 2000)에 대한 미래 (2011 ∼ 2100)의 월평균 기온 편차 자료(℃) 및 강수 편차자료 (%)를 추출하였으며, 이 자료를 30년씩 3개의 분석기간 (2025s, 2055s, 2085s)으로 나누고 기간별 평균값 및 편차를 구하여 대상 지역의 기후시나리오를 산정하였다 (Fig. 4).
- 기후시나리오를 적용하여 미래 일 기상자료를 모의하기 전 LARS-WG 모형의 지역 기후모의 적합성을 분석하기 위하여 9개 지역의 과거 실측 기상자료와 과거 기상자료를 바탕으로 LARS-WG 모형을 통하여 모의된 기상자료를 비교하여 모의 결과의 타당성을 확인하고자 하였다. 관측 자료를 모집단으로 가정하고 모의된 기상자료와 모집단의 평균과 분산에 대한 적합성을 평가하였으며, P-value (probabilities)는 모의된 기상자료와 실측 기상자료의 유의수준을 판단하는 값으로 0.
가설 설정
- 본 연구에서는 이앙일을 5월 말일, 관개기간은 6월 초순 ∼ 9월 초순으로 가정하였다 (Yoo et al., 2007).
- 88 ℃임을 의미한다. 강우일수, 무강우일수, 일사량 시나리오의 경우 신뢰할 만한 시나리오자료를 제공하고 있지 않아 과거의 추세와 같이 미래에도 변화한다고 가정하였다.
제안 방법
- 따라서 본 연구에서는 우리나라 9개 지역을 연구 대상 지역으로 선정하고, 기준기간 30년 (1971 ∼ 2000)동안의 기상자료 (강수량, 최저기온 및 최고기온)와 국립기상연구소에서 제공하는 A2 시나리오에 따른 기후변화 예측 결과를 바탕으로 LARS-WG 일 기상 생성모형을 이용하여 미래 90년간 (2025s; 2011 ∼ 2040, 2055s; 2041 ∼ 2070, 2085s; 2071 ∼ 2100) 의 일별 기상자료를 모의하였다.
- 따라서 본 연구에서는 우리나라 9개 지역을 연구 대상 지역으로 선정하고, 기준기간 30년 (1971 ∼ 2000)동안의 기상자료 (강수량, 최저기온 및 최고기온)와 국립기상연구소에서 제공하는 A2 시나리오에 따른 기후변화 예측 결과를 바탕으로 LARS-WG 일 기상 생성모형을 이용하여 미래 90년간 (2025s; 2011 ∼ 2040, 2055s; 2041 ∼ 2070, 2085s; 2071 ∼ 2100) 의 일별 기상자료를 모의하였다. 또한, 이 모의 결과를 바탕으로 미래 기후변화 추이를 살펴보고, 이에 따른 관개 기간 동안의 논벼의 작물증발산량을 산정하였다. 그리고 이를 바탕으로 논벼의 10년 빈도 작물증발산량을 산정하여 기후변화에 따른 변화를 살펴보았다.
- 또한, 이 모의 결과를 바탕으로 미래 기후변화 추이를 살펴보고, 이에 따른 관개 기간 동안의 논벼의 작물증발산량을 산정하였다. 그리고 이를 바탕으로 논벼의 10년 빈도 작물증발산량을 산정하여 기후변화에 따른 변화를 살펴보았다.
- 본 연구에서는 과거 및 모의된 미래 일 기상자료를 활용하여 기준작물증발산량 (reference evapotranspiration, ET0) 및 작물 증발산량 (crop evapotranspiration, ETc)을 산정하였다. 기준작물증발산량을 산정하기 위하여 평균기온과 주간시간 백분율을 이용한 FAO Blaney-Criddle 식을 사용하였다.
- 논벼의 10년 빈도 작물 증발산량을 산정하기 위해선, 논벼의 일별 작물 증발산량의 합을 시계열로 작성하여 2변수 Gamma 분포형 (GAM2), 3변수 Gamma 분포형 (GAM3), GEV 분포형 (GEV), Gumbel 분포형 (GUM), Normal 분포형 (NOR), 2변수 Log-normal 분포형 (LN2), 3변수 Log-normal 분포형 (LN3) 등의 분포에 대하여 매개변수를 추정하였다. 그리고 Kolmogorov-Smirnov (K-S) 검정, χ2 (Chi-Square) 검정, 확률도시 상관계수 검정 (PPCC, Probability Plot Correlation Coefficient) 3가지 방법으로 적합도 검정을 하여 최적확률분포형을 구한 후, 빈도계수법을 이용하여 산정하였다 (Yoo et al.
- 본 연구에서는 9개 지역의 기준년도 (1971 ∼2000) 일 기상자료 및 기후변화 시나리오를 고려하여 모의된 미래 90년 3개 분석기간 (2025s; 2011 ∼ 2040, 2055s; 2041∼ 2070, 2085s; 2071 ∼ 2100)의 일 기상자료를 활용하여 기준작물증발산량 및 관개기간 동안의 작물 증발산량을 산정하였으며, 빈도분석을 통하여 논벼의 10년 빈도 작물증발산량을 산정하였다.
- 기후변화에 따라 추정된 기준작물증발산량을 활용하여 논벼의 관개기간 (6월 초순 ∼ 9월 초순)동안의 작물 증발산량을 산정하였다 (Table 7).
- 본 연구에서는 기후변화에 따른 작물증발산량의 변화를 추정하기 위하여 9개 지역의 기준년도 기상자료와 A2 기후시나리오를 바탕으로 국립기상연구소에서 제공하는 기후변화 예측자료를 토대로 LARS-WG 모형에 적용하여 미래 일 기상자료를 모의하고 FAO Blaney-Criddle 공식을 활용하여 기준증발산량 및 관개기간 (6월 초순 ∼ 9월 초순)동안의 작물 증발산량 및 10년 빈도 작물 증발산량을 산정하여 기후변화에 따른 변화를 평가하였다.
대상 데이터
- 본 연구에서는 전지구 기후모델 (GCM, General Circulation Model) ECHO-G로 생산된 IPCC SRES A2 시나리오 결과를 국립기상연구소에서 지역기후모델인 (RCM, Regional Climate Model) NCAR/PSU MM5에 적용하여 27 km 해상도로 제작한 기후변화 예측자료를 활용하였다. 국립기상연구소의 기후변화 예측자료는 한반도 격자별 과거 30년 (1971 ∼ 2000)의 월별 평균값에 대한 2001 ∼ 2100년까지의 기온 (℃) 및 강수 (%)의 편차자료로 구성되어있다 (NIMR, 2008).
- 본 연구의 대상지역은 한반도의 중부지방과 남부지방에 분포하는 주요 도시로서 논벼의 증발산량 및 소비수량 산정 연구가 이루어졌던 춘천, 서울, 수원, 청주, 대전, 대구, 전주, 광주 및 진주 등 9개 지역이며 Fig. 1과 같다 (Chung, 1987).
- 과거자료로부터 모의된 기상자료와 월별 기후시나리오를 적용하여 2025s, 2055s, 2085s의 일별 기상자료를 추계하였다. 9개 지역에 대한 시기별 연평균 최저기온 및 최고기온과 강수량에 대하여 분석한 결과는 Table 5와 같다.
데이터처리
- 그리고 Kolmogorov-Smirnov (K-S) 검정, χ2 (Chi-Square) 검정, 확률도시 상관계수 검정 (PPCC, Probability Plot Correlation Coefficient) 3가지 방법으로 적합도 검정을 하여 최적확률분포형을 구한 후, 빈도계수법을 이용하여 산정하였다 (Yoo et al., 2007).
이론/모형
- 일 기상자료를 생성하기 위한 여러 가지 모형이 있으나 대표적인 추계학적 모형에는 WGEN (A Model for Generation Daily Weather Variables)과 LARS-WG (Long Ashton Research Station - Weather Generator)가 있다. LARS-WG 모형이 WGEN에 비해 적용성이 높은 것으로 알려져 있으며 (Sermenov et al., 1998), 기후모형에서 모의하지 못하는 지역적인 기후 특성을 보다 현실성 있게 반영하여 수자원 영향 평가에 좋은 것으로 알려져 있어 (Bae et al., 2007) 본 연구에서는 일별 강수량, 최저기온 및 최대기온을 모의하기 위해 LARS-WG 모형을 활용하였다.
- )을 산정하였다. 기준작물증발산량을 산정하기 위하여 평균기온과 주간시간 백분율을 이용한 FAO Blaney-Criddle 식을 사용하였다. Blaney- Criddle 식은 온도의 함수로써 나타내며 FAO 추천식은 Eq.
- 본 연구에서는 9개 지역의 기준년도 (1971 ∼2000) 일 기상자료 및 기후변화 시나리오를 고려하여 모의된 미래 90년 3개 분석기간 (2025s; 2011 ∼ 2040, 2055s; 2041∼ 2070, 2085s; 2071 ∼ 2100)의 일 기상자료를 활용하여 기준작물증발산량 및 관개기간 동안의 작물 증발산량을 산정하였으며, 빈도분석을 통하여 논벼의 10년 빈도 작물증발산량을 산정하였다. 또한, 국립기상연구소에서 제공하는 A2 기후변화 예측자료는 각각의 셀에서의 월평균 기온 편차자료 (℃) 및 강수량 편차자료 (%)만을 제공하여 미래 기온 및 강수량 데이터를 확보 및 지역적 특성을 반영하는 데 한계가 있어 지역적 기후 특성을 현실성 있게 반영한 미래 기상자료를 모의하기 위하여 추계학적모형인 LARS-WG를 활용하였다.
- 모의된 일별 기상자료와 FAO Blaney-Criddle 공식을 이용하여 기준년도 및 2025s, 2055s, 2085s의 기준작물증발산량을 산정하였다. 전체적으로 9개 지역의 기준작물증발산량 증가율은 기준년도에 비해 2025s에는 4.
성능/효과
- 특히 지구온난화에 따른 기온상승, 강수량의 규모, 빈도 및 패턴의 변화는 수문순환과 유출량 변화등 수자원의 변화에 직접적인 영향을 줄 것으로 판단된다. 기후변화에 따른 기온상승은 증발산량 증가의 원인이 되며, 강수량이 증가한다 할지라도 집중호우와 증발산량의 증가로 인하여 토양수분 및 유출량의 잦은 변화가 예상되어 전체 물 사용량의 47%를 차지하는 농업용수에도 큰 영향을 미칠 것으로 판단된다. 즉, 홍수, 농업가뭄 등의 재해 증가로 인하여 관개기의 농업용수의 안정적 공급과 관리의 어려움이 예상되어 결과적으로 농업용수의 안정성을 위협받을 수도 있다.
- 그리고 진주, 전주는 많은 강수가 발생하는 반면, 대구, 춘천, 충주는 강수 발생량이 상대적으로 적었다. 9개 지역 기상인자들의 월별 패턴을 분석해 보면 가장 많은 강수가 발생하는 8월에 최저기온 및 최고기온도 가장 높았으며, 월평균 최저 강수량은 12월에 25.2 mm, 최저 평균온도는 1월에 최저기온 -6.1 ℃, 최고기온 3.6 ℃으로 나타났다. 그리고 기준년도 동안의 연도별 패턴을 분석해 보면, 광주의 경우 강수량은 감소하고 기온은 상승하는 경향을 나타내었으나, 광주를 제외한 8개 지역의 경우 춘천과 같이 강수와 기온 모두 증가하는 경향을 보였다 (Fig.
- 6 ℃으로 나타났다. 그리고 기준년도 동안의 연도별 패턴을 분석해 보면, 광주의 경우 강수량은 감소하고 기온은 상승하는 경향을 나타내었으나, 광주를 제외한 8개 지역의 경우 춘천과 같이 강수와 기온 모두 증가하는 경향을 보였다 (Fig. 2). 기준년도 동안 연평균 강수량은 최소 1225.
- 여름 (6 ∼ 9월)에 기준작물증발산량이 가장 많이 발생하며, 기후변화에 따라 2085s에는 약 18.0% 증가할 것으로 분석되었다.
- 1 ℃ 증가하는 것으로 나타났다. 광주를 제외한 8개 지역의 경우 2025s에는 기준년도보다 작게는 0.0 ℃에서 춘천, 수원 지역의 경우 최저기온은 1.7 ℃, 최고기온은 1.8 ℃ 증가할 것으로 추정되었으며, 평균적으로 2085s에는 최저기온은 4.7 ℃, 최고기온은 4.8 ℃증가할 것으로 예상되었다. 강수량의 경우, 기준년도에 비하여 평균적으로 2025s에는 115 mm, 2055s에는 194 mm 그리고 2085s에는 343 mm 증가할 것으로 나타났다.
- 6은 기후시나리오에 따른 9개 지역 월 평균 강수량, 최저기온 및 최고기온을 나타낸 것이다. 최저기온과 최고기온은 기후변화에 따라 지속적으로 증가하는 것으로 나타났다. 강수량은 7월의 경우 2055s에는 감소하는 경향을 보이지만 2085s 에는 급속히 증가할 것으로 예상되며, 8월에는 기후변화에 따라 지속적으로 증가할 것으로 추정된다.
- 모의된 일별 기상자료와 FAO Blaney-Criddle 공식을 이용하여 기준년도 및 2025s, 2055s, 2085s의 기준작물증발산량을 산정하였다. 전체적으로 9개 지역의 기준작물증발산량 증가율은 기준년도에 비해 2025s에는 4.5%, 2055s에는 10.4%, 2085s에는 16.4%로 기후변화에 따라 지속적으로 증가할 것으로 예상되며, 특히 2025s 보다 2055s, 2085s 시기의 기준작물증발산량 증가 폭이 더 클 것으로 예상되었다.
- 지역별로 기준작물증발산량을 분석해보면, 기후변화에 따라 2085s에 대구지역에서 월별 최대 증발산량이 발생할 것으로 추정되며, 겨울 (12 ∼ 2월)에는 춘천지역, 봄 (3 ∼ 5월), 가을 (9 ∼ 11월)에는 광주지역, 여름 (6 ∼ 8월)에는 광주 및 전주지역에서 최소 기준작물증발산량이 발생할 것으로 예상된다. 또한, 여름과 겨울의 기준작물증발산량의 차이를 분석해본 결과 춘천지역이 2085s에 410.1 mm로 차이가 가장 컸으며, 진주지역이 370.5 mm로 차이가 가장 작을 것으로 예상된다. 이는 춘천지역의 경우 기후변화에 따라 겨울 기온상승이 타 지역에 비해 적어 기준작물증발산량이 9개 지역 중 가장 적은 반면 진주지역의 경우 전반적인 기준작물증발산량의 편차가 가장 적고 겨울의 기준작물증발산량은 대구와 거의 비슷할 정도로 높고, 여름 기준작물증발산량은 평균보다 낮아 전반적으로 다른 지역에 비해 월별 기온차가 크지 않기 때문인 것으로 판단된다.
- 3% 증가하여 9개 지역 중 증가 비율은 가장 높다. 최대 10년 빈도 증발산량은 대구지역에서 발생하며, 2085s에는 기준년도에 비해 11.3% 증가할 것으로 예상된다. 증발산량 증가비율이 가장 낮은 지역은 전주지역으로 2085s에 약 9.
- 3% 증가할 것으로 예상된다. 증발산량 증가비율이 가장 낮은 지역은 전주지역으로 2085s에 약 9.2% 증가할 것으로 예상되며, 전주와 광주지역은 2025s 증가율이 0.2%, 0.4%로 거의 증가하지 않지만, 2055s, 2085s 시기에 급격하게 증가함을 알 수 있다. 남부지역과 중부지역의 10년 빈도 작물 증발산량을 비교해 보면, 남부지역에서 중부지역보다 2025s에는 39.
- 4%로 거의 증가하지 않지만, 2055s, 2085s 시기에 급격하게 증가함을 알 수 있다. 남부지역과 중부지역의 10년 빈도 작물 증발산량을 비교해 보면, 남부지역에서 중부지역보다 2025s에는 39.6 mm, 2055s에는 41.6 mm 그리고 2085s에는 44.1 mm 더 많이 발생하지만, 증가율에 있어서는 중부지역이 시기별로 각각 1.8%, 6.3%, 10.9% 증가하여 남부지역 증가율 1.4%, 5.8%, 10.5% 보다 높을 것으로 예상되었다. 기준기간동안의 9개 지역 평균 10년 빈도 작물 증발산량을 살펴보면 기준년도 동안 평균 524.
- 5% 보다 높을 것으로 예상되었다. 기준기간동안의 9개 지역 평균 10년 빈도 작물 증발산량을 살펴보면 기준년도 동안 평균 524.1 mm 이며, 2025s에는 관개기간 동안의 평균 최저기온이 0.93℃, 최고기온이 0.94℃ 증가함에 따라 1.6% 증가하여 532.3 mm, 2055s에는 관개기간 동안의 평균 최저기온이 2.83℃, 최고기온이 2.89℃ 증가함에 따라 6.0% 증가하여 555.5 mm 그리고 2085s에는 관개기간 동안의 평균 최저기온이 4.85℃, 최고기온이 4.90℃ 증가함에 따라 10.7% 증가하여 580.1 mm 발생할 것으로 판단된다.
- 광주지역은 기준년도에 비하여 2025s 의 기온은 감소하는 경향을 보였지만 2055s, 2085s에는 기온이 지속적으로 증가할 것으로 예상되었다. 광주를 제외한 8개 지역의 기온은 지속적으로 증가할 것으로 예상되며 강수량은 9개 지역에서 지속적으로 증가하여 2085s에는 기준년도에 비해 연평균 342.0 mm 증가할 것으로 예상된다. 또한, 월별 강수 패턴을 분석해 보면 11월∼ 2월, 5월은 과거에 비하여 강수의 증감 변화가 거의 없지만, 8월 강수량은 지속적으로 증가할 것으로 판단된다.
- 2) 9개 지역의 기준증발산량을 분석한 결과 기후변화로 기온이 증가함에 따라 기준작물증발산량은 지속적으로 증가할 것으로 예상되었으며, 기준년도에 비해 2085s에 최대 기준작물증발산량이 발생하는 여름에는 18.0%, 최저 기준작물증발산량이 발생하는 겨울에는 32.2% 증가할 것으로 추정된다. 대구 지역에서 기준증발산량이 가장 큰 값을 나타내었고, 겨울에는 춘천, 봄과 가을에는 광주, 여름에는 광주 및 전주지역에서 작은 값을 보였다.
- 2% 증가할 것으로 추정된다. 대구 지역에서 기준증발산량이 가장 큰 값을 나타내었고, 겨울에는 춘천, 봄과 가을에는 광주, 여름에는 광주 및 전주지역에서 작은 값을 보였다.
- 3) 논벼의 10년 빈도 작물 증발산량을 살펴보면, 과거 532.3 mm,에서 2085s에는 580.1 mm로 약 10.7% 증가할 것으로 예상된다. 최대값은 대구지역에서 발생했으며, 2085s에는 11.
- 7% 증가할 것으로 예상된다. 최대값은 대구지역에서 발생했으며, 2085s에는 11.3% 증가할 것으로 예상되었고, 최소값은 춘천지역에서 발생하였으며 2085s에는 12.3% 증가하여 증가 비율은 가장 높을 것으로 예상되었다. 남부지역과 중부지역을 비교한 결과 남부 지역이 중부지역보다 2085s에 44.
- 3% 증가하여 증가 비율은 가장 높을 것으로 예상되었다. 남부지역과 중부지역을 비교한 결과 남부 지역이 중부지역보다 2085s에 44.1 mm 더 많이 발생할 것으로 추정되었지만, 증가율에 있어서는 중부지역이 10.9%로 남부지역보다 높을 것으로 예상되었다.
- 본 연구에서는 기후변화에 따라 기온 및 강수량 특히, 여름철 강수량 그리고 기준증발산량 및 논벼의 10년 빈도 작물 증발산량도 증가할 것으로 평가되었으며, 시기적으로는 겨울철 기준증발산량이 여름철보다 빠르게 증가하고 지역적으로는 중부지역의 작물 증발산량이 남부지역보다 더 빠르게 증가할 것으로 예상되었다. 본 연구를 바탕으로 기후변화에 따른 농업용수 수요량의 변화, 토양수분 및 유출량의 변화에 관한 연구 뿐 아니라 미래 기후변화에 따른 농업 재해 예측, 가뭄지수 산정 및 가뭄 발생 빈도 예측 연구의 기초자료로서 활용될 수 있을 것으로 판단된다.
- 본 연구에서는 LARS-WG 모형을 활용하여 일별 기상자료를 모의하기 위하여 대상지역의 기준년도 (1971 ∼ 2000) 동안의 강수량, 최저기온 및 최고기온을 구축하였다. 과거 기상자료의 분석 결과 전반적으로 춘천, 수원, 서울의 기온은 낮은 반면 대구, 광주의 기온은 높았다. 그리고 진주, 전주는 많은 강수가 발생하는 반면, 대구, 춘천, 충주는 강수 발생량이 상대적으로 적었다.
후속연구
- (2007)은 LARS-WG (Long Ashton Research Station - Weather Generator)를 이용하여 유역별 시나리오를 생산하고 관측치와 비교하였으며, 이 시나리오에 따른 국내 유출량의 변화를 추정하였다. 이 연구에 따르면 한강유역의 유출량은 기후변화에 따라 증가하지만 다른 유역은 향후 감소할 것으로 예측되었다. Lee at el.
- Table 4는 월평균 강수량, 최저기온 및 최고기온에 대한 ttest 결과를 범위별 관측소의 수로 나타낸 것으로, 8월의 경우 1개 지역의 최고기온을 제외한 그 외의 데이터에 대해서는 모의치가 실측치와 유의한 것으로 판단되어 기후시나리오를 활용한 미래 일 기상자료생성의 기초 자료로서 활용할 수 있을 것으로 판단되었다.
- , 2006)가 있으며, 기온상승만으로도 장래 증발산량의 변화는 크게 발생할 수 있는 가능성을 볼 수 있다. 또한, 단위용수량 산정 및 농업용수계획에 있어 기본이 되는 논벼의 10년 빈도 작물 증발산량의 증가는 소비수량 및 계획용수량의 증가를 의미하여 본 연구는 여러 한계점을 고려하더라도 기후변화에 따른 농업용수 수요량 산정, 개발 및 관리계획에 활용될 수 있을 것으로 판단된다.
- 본 연구에서는 기후변화에 따라 기온 및 강수량 특히, 여름철 강수량 그리고 기준증발산량 및 논벼의 10년 빈도 작물 증발산량도 증가할 것으로 평가되었으며, 시기적으로는 겨울철 기준증발산량이 여름철보다 빠르게 증가하고 지역적으로는 중부지역의 작물 증발산량이 남부지역보다 더 빠르게 증가할 것으로 예상되었다. 본 연구를 바탕으로 기후변화에 따른 농업용수 수요량의 변화, 토양수분 및 유출량의 변화에 관한 연구 뿐 아니라 미래 기후변화에 따른 농업 재해 예측, 가뭄지수 산정 및 가뭄 발생 빈도 예측 연구의 기초자료로서 활용될 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.