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
- GCMs는 약 100～500 km의 저해상도의 미래기후 정보를 제공함으로 상대적으로 유역단위의 소규모지역에 대한 기후정보로는 적절치 않다. 따라서 본 연구를 위하여 GCMs의 미래기후자료에 대해 downscaling을 실시하여 본 연구에 적합한 자료를 생성하였다. downscaling에는 크게 동역학적 downscaling과 통계학적 downscaling을 들 수 있는데 동역학적 downscaling의 여러 가지 단점을 고려하여 본 연구에서는 과거기후특성을 잘 반영하여 재현성이 우수하고 계산부하가 적은 통계학적 downscaling을 사용하고 구체적인 방법은 아래와 같다.
가설 설정
- 상대습도, 풍속, 일사량 등의 기타 기후자료의 경우에는 강수기준 정렬 순위에 부합하는 과거 관측자료가 미래의 특정 해, 특정 월에도 같은 값을 갖는 것으로 가정하여 미래 지점별 일 기후자료를 생성한다.
- 0% 증가하는 것으로 전망하고 있으며, 동아시아 지역의 기후 변화 전망을 계절별로 보면, 겨울과 봄의 기온 상승이 여름에 비하여 약간 높으며, 동아시아의 북서지역에서 기온이 가장 높게 상승하고, 강우량은 유라시아 대륙 연안에서 변화가 클 것으로 전망하고 있다. 장기 기후변화 시나 리오인 A2 시나리오는 온실가스 배출량이 급격히 증가하는 경우로서 발전지향적인 경제사회를 가정하였으며, 이에 반해 B1 시나리오는 온실가스 배출량의 증가세가 비교적 완만한 경우로서 기후변화협약이 잘 지켜지는 환경 보전지향적인 사회를 가정한 경우이며 A1B는 A1 시나리오 그룹 중 하나로써 미래 세계를 매우 빠른 경제성장, 세기 중간에 최대 인구에 도달한 후 감소, 새롭고 더 효율적인 기술의 빠른 도입으로 묘사된 것 중 모든 에너지원의균형 상태를 이루고 있는 경우이다.
제안 방법
- (2) 시나리오를 계절별로 강우와 기온을 분석하였다. 강우증가율은 CSMK 모형 중 A2, A1B 시나리오는 여름에, B1 시나리오는 겨울에 가장 큰 증가율을 보였고 CT47 모형 중 A2 시나리오는 봄에, A1B 시나리오는 봄에, B1 시나리오는 겨울에 가장 큰 증가율을 보였다.
- (3) 미래기후변화 시나리오를 SWAT 모형으로 모의 하여 낙본E, 낙본I, 낙본N 지점에서 전기간 (201 1～2100년)과 중기간으로 시나리오별, 계절별, 지점별의 유량과 유량변동성을 현재와 비교 · 분석하였다.
- SWAT 모형은 대규모의 복잡한 유역에 대해 장기간에 걸친 다양한 토양도와 토지이용도 그리고 토지이용에 따른 유역의 수문, 토사, 영양물질 등의거동을 예측하기 위해 개발되었다. Arcview GIS 소프트웨어와 연계되어 수치고도자료 및 하천망 자료를 통하여 전체 유역을 소유역으로 분할하고, 토양도와 토지 이용도를 중첩하여 만든 수문반응단위(HRU, Hydrologic Response Unit)별로 수문량 및 오염물질 배출량 등을 계산한다.
- CT47과 CSMK 모형의 장기 기후변화 시나리오인 A2, A1B, B1에 대하여 전기간 (90 yr)과 중기간으로 30년씩 2011～2040년, 2041～2070년, 2071～2100년으로 나누고, 계절별로 봄은 3～5월, 여름은 6～8월, 가을은 9～11월, 겨울은 12～2월로 나누어 기온과 강우의 증가율을 비교·분석하였다.
- Downscaling의 기후변수는 GCMs의 미래기후변수 중강우량과 평균기온을 고려하였으며, 대부분의 GCMs의 경우 일자료를 제공하지 않고 제공하더라도 신뢰성이 떨어지므로 월자료를 이용하였다. GCMs의 격자자료에서 우리나라에 해당하는 부분을 추출하여 공간평균자료를생성하고 아울러 과거 1971～2000년의 30년간의 전국 24 개 지점 (속초, 춘천, 강릉, 서울, 인천, 울릉도, 수원, 청주, 대전, 추풍령, 안동, 포항, 군산, 대구, 전주, 울산, 광주, 부산, 통영, 목포, 여수, 제주, 서귀포)의 공간평균 자료를 수집하였다.
- GIS 기반의 SWAT 모형 구축을 위하여 국립지리원의 1:50,000 지형도를 이용하여 DEM을 생성하고, 토양도는 농촌 진흥청의 유역내 37개의 토양도에 대한 수문학적 토양그룹 (A, B, C, D)의 분류와 토양층의 개수 및 토양층별깊이를 농업과학기술원의 자료를 사용하여 구축하였으며 환경부에서 제공하고 있는 토지피복 분류도를 이용하였 다. Usersoil.
- GIS 기반의 SWAT 모형 구축을 위하여 국립지리원의 1:50,000 지형도를 이용하여 DEM을 생성하고, 토양도는 농촌 진흥청의 유역내 37개의 토양도에 대한 수문학적 토양그룹 (A, B, C, D)의 분류와 토양층의 개수 및 토양층별깊이를 농업과학기술원의 자료를 사용하여 구축하였으며 환경부에서 제공하고 있는 토지피복 분류도를 이용하였 다. Usersoil.dbf 자료를 구축할 때 화학적 변수와 물리적 변수 중 HRU의 물의 순환에 주된 영향을 주는 물리적 변수를 고려하여 토양의 최대 깊이를 나타내는 SOL_ZMX 와 토양 표면으로부터 층 하부까지의 깊이를 나타내는 SOL_Z, 토양의 수분밀도를 나타내는 SOL_BD 등 50 여러가지 변수를 조사, 분석하여 토지이용도를 구축하고, 적용하였다.
- 따라서 본 연구를 위하여 GCMs의 미래기후자료에 대해 downscaling을 실시하여 본 연구에 적합한 자료를 생성하였다. downscaling에는 크게 동역학적 downscaling과 통계학적 downscaling을 들 수 있는데 동역학적 downscaling의 여러 가지 단점을 고려하여 본 연구에서는 과거기후특성을 잘 반영하여 재현성이 우수하고 계산부하가 적은 통계학적 downscaling을 사용하고 구체적인 방법은 아래와 같다.
- 5°) 모형의 3가지 시나리오 A2, B1, A1B를 미래기후변화 시나리오(2011～2100)로 작성하였으며, 이렇게 작성된 미래기후변화 시나리오의 기온, 강우의 변화를 분석하였으며 미래기후변화 시나리오와 현재(1971～2004년)의 유량과 유량변동성을 비교하였다. 그리고 낙동강의 주요지점의 현재유량과 계절별, 중기간별로 미래기후변화 시나리오를 비교하여 낙동강유역의 수환경 및 환경 유량에 끼치는 기후변화의 영향을 분석하였다. SWAT 모형을 활용한 기후변화 모델링 연구 사례를 살펴보면 일본(MIROC3.
- 그리고 댐상류 유역별 모의를 위해 실측 일유입량 자료 및 일 방류량 자료를 수집하고 결측 자료를 보완하여 모의에 적용하였으며, 댐별 제원은 한국수자원 공사에서 제공하고 있는 실제 댐 제원을 입력하였다. Fig.
- 0, 즉 CSMK) 모형과 캐나다(CCCma: CGCM3-T47, 즉 CT47) 모형의 3가지 시나리오 A2, B1, A1B를 강우와 강우증가율, 온도와 온도증가율에 대하여 각각의 시나리오별로 비교, 분석하였다. 다음으로 낙동강 유역의 SWAT 모형을 구축하여 각각의 시나리오를 모의 하여 미래기후변화 (2011～2100년)에 따른 하천유량을 중기간으로 나누어 계절별 소유역별 시나리오별로 비교 분석하였으며 결과는 다음과 같다.
- 다음으로 편의 보정된 GCMs의 공간평균 자료를 SWAT 구동을 위하여 낙동강의 지점별 미래자료로 산출한다. 낙동강 19개 기상관측소 (부산, 대구, 거창, 거제, 구미, 합천, 진주, 문경, 남해, 포항, 산청, 통영, 의성, 울진, 울릉, 울산, 영천, 영덕, 영주)의 30년 (1980～2009년) 자료의 공간평균 월 기상자료에 예측된 anomaly를 적용하여 미래 월 공간평균 기상자료 (2011～2100년)을 산출한다.
- 본 연구는 미래기후변화에 따른 하천의 영향을 분석하기 위하여 분석 모형으로 SWAT를 선정하고 대상유역은 낙동강 유역으로 하여 미래기후변화시나리오를 적용하여 하천유량 변동성을 분석하였다. 먼저 미래기후변화시나리오 중 전지구기후모형 (GCM: Global Climate Model) 에서 비교적 한반도의 기후 특성을 잘 재현하고 있는 호주 (CSIRO: Mk3.0, 즉 CSMK) 모형과 캐나다(CCCma: CGCM3-T47, 즉 CT47) 모형의 3가지 시나리오 A2, B1, A1B를 강우와 강우증가율, 온도와 온도증가율에 대하여 각각의 시나리오별로 비교, 분석하였다. 다음으로 낙동강 유역의 SWAT 모형을 구축하여 각각의 시나리오를 모의 하여 미래기후변화 (2011～2100년)에 따른 하천유량을 중기간으로 나누어 계절별 소유역별 시나리오별로 비교 분석하였으며 결과는 다음과 같다.
- 본 연구는 미래기후변화에 따른 하천의 영향을 분석하기 위하여 분석 모형으로 SWAT를 선정하고 대상유역은 낙동강 유역으로 하여 미래기후변화시나리오를 적용하여 하천유량 변동성을 분석하였다. 먼저 미래기후변화시나리오 중 전지구기후모형 (GCM: Global Climate Model) 에서 비교적 한반도의 기후 특성을 잘 재현하고 있는 호주 (CSIRO: Mk3.
- 본 연구에서는 적용 강우관측망의 선정, 강우관측소 지점의 일강우량 자료 수집, 지점 범용크리깅기법을 이용한 지점별 일강우량 자료의 검·보정 및 유역평균강우량의 산정의 순서로 강우분석을 수행하였다.
- 이는 GCMs에서 제공되는 1971～2000년의 평균기온과 강수량 자료를 동 기간의 24개 지점에서 관측된 공간평균자료와 일치시키기 위한 편의보정으로 월 단위로 수행하였다. 사용된 기법은 GCMs별 모의 결과의 누가확률밀도함수를 관측된 공간평균자료의 누가확률밀도함수에 Quantile mapping 하였다. 이 때 누가확률밀도함수는 Eq.
- 이에 본 연구는 전지구기후모형(GCM: Global Climate Model) 중 비교적 한반도의 기후 특성을 잘 재현하고 있는 호주(CSIRO: Mk3.0, 즉 CSMK, 해상도: 대기 1.9° ×1.9°, 해양 0.8°×1.9°)와 캐나다(CCCma: CGCM3-T47, 즉 CT47, 해상도: 대기 2.8°×2.8°, 해양 0.5-1.5° ×1.5°) 모형의 3가지 시나리오 A2, B1, A1B를 미래기후변화 시나리오(2011～2100)로 작성하였으며, 이렇게 작성된 미래기후변화 시나리오의 기온, 강우의 변화를 분석하였으며 미래기후변화 시나리오와 현재(1971～2004년)의 유량과 유량변동성을 비교하였다.
- SWAT 모형을 이용한 유출 모의 결과를 실측자료와 검정 오차분석을 수행하였다. 전체 모의 기간은 1995～2004년 (10년)으로, 1995～1996년은 모형의 안정화 기간, 1997～2002년은 모형 보정 (calibration) 기간, 2003～2004년은모형 검정 (validation) 기간으로 설정하였다. 구축된 모형 타당성 평가를 위해 상대첨두오차 (Relative PeakError), 상대총량오차 (Relative Volume Error), 절대평균편차 (Absolute Mean Bias), 제곱근평균자승오차 (Root Mean Square Error), 상관계수 (Correlation Coefficient)로 검정오차분석을 실시하여 모형의 적합성을 검정하였다.
- 76으로 비교적 양호한 결과를 보였다. 지표면 유출과 관련된 매개변수로는 OV_N, CH_N (1), SURLAG, CH_K (1)이며, 그 적용범위는 각각 0.01～0.1, 0.01～0.03, 1～4, 0.0～0.5이며, 지표면 유출에 대한 보정은 토양 수분함유량 (SOL_AWC) 및 토양에서의 증발량 관련 계수 (ESCO)를 조정하여 수행하였다. 지표면 유출에 대한 보정을 수행한 후 기저유출에 대한 보정을 위하여 GW_REVAP, REVAPMN 및 GWQMN 등 지하수 유출과 관련된 계수의 조정 과정을 수행하였으며, 지하수 관련 주요 매개변수는 GW_DELAY, GWQMN, ALPHA_BF, REVAPMN, GW_REVAP, RCHARG_DP 이며, 적용범위는 각각 10～50, 10～50, 0.
- 5이며, 지표면 유출에 대한 보정은 토양 수분함유량 (SOL_AWC) 및 토양에서의 증발량 관련 계수 (ESCO)를 조정하여 수행하였다. 지표면 유출에 대한 보정을 수행한 후 기저유출에 대한 보정을 위하여 GW_REVAP, REVAPMN 및 GWQMN 등 지하수 유출과 관련된 계수의 조정 과정을 수행하였으며, 지하수 관련 주요 매개변수는 GW_DELAY, GWQMN, ALPHA_BF, REVAPMN, GW_REVAP, RCHARG_DP 이며, 적용범위는 각각 10～50, 10～50, 0.4～0.7, 1～10, 0.1～0.2, 0.0～0.2이다. Table 4에 검정오차분석 결과 중 안동댐 유역의 결과를 나타내었다.
- 91로 상당히 양호한 결과를 보이고 있음을 알 수 있는데, 이는 수문 관측자료 중 비교적 신뢰도 및 그 정도가 높은 댐 유입량 자료를 이용한 모형의 보정이 수행되었기 때문으로 판단된다. 하도 지점에 대한 모형의 보정은 기준 보정 지점을 진동 지점으로 하여 유출 및 유량에 대한 보정, 첨두유량 및 감쇠곡선의 형태에 대한 보정, 관측자료를 이용한 상류에서 하류방향으로의 보정을 통해 수행하였다. 진동지점에서 0.
대상 데이터
- Downscaling의 기후변수는 GCMs의 미래기후변수 중강우량과 평균기온을 고려하였으며, 대부분의 GCMs의 경우 일자료를 제공하지 않고 제공하더라도 신뢰성이 떨어지므로 월자료를 이용하였다. GCMs의 격자자료에서 우리나라에 해당하는 부분을 추출하여 공간평균자료를생성하고 아울러 과거 1971～2000년의 30년간의 전국 24 개 지점 (속초, 춘천, 강릉, 서울, 인천, 울릉도, 수원, 청주, 대전, 추풍령, 안동, 포항, 군산, 대구, 전주, 울산, 광주, 부산, 통영, 목포, 여수, 제주, 서귀포)의 공간평균 자료를 수집하였다.
- SWAT 모형 내 증발산 계산을 위한 기상자료에는 태양복사, 기온, 풍속, 상대습도 자료 등이 요구되며, Table 3은 본 연구에서 적용한 합천 등 총 21개 지점의 기상자료 입력 지점이다.
- 다음으로 편의 보정된 GCMs의 공간평균 자료를 SWAT 구동을 위하여 낙동강의 지점별 미래자료로 산출한다. 낙동강 19개 기상관측소 (부산, 대구, 거창, 거제, 구미, 합천, 진주, 문경, 남해, 포항, 산청, 통영, 의성, 울진, 울릉, 울산, 영천, 영덕, 영주)의 30년 (1980～2009년) 자료의 공간평균 월 기상자료에 예측된 anomaly를 적용하여 미래 월 공간평균 기상자료 (2011～2100년)을 산출한다. 미래 공간평균 30년 (2011～2040년) 자료를 내림차순으로 정렬하고, 과거 관측 공간평균자료도 내림차순으로 정리한다.
- 는 하천으로의 회귀수량이다. 본 연구에서 적용된 물수지 자료는 낙동강 오염총량관리 기본계획 수립 시 고려되 물수지 요소를 이용하였다.
- 본 연구에서는 CSMK와 CT47의 GCMs과 각 GCMs 의 A2, A1B, B1의 시나리오의 자료를 사용하였다. 선정된 CSMK와 CT47은 17개의 GCMs 모의자료를 우리나라 24개 지점의 30년간의 기온과 강수량 자료와 비교분석하여 강수량과 기온에 대하여 GCMs의 현재기후의 재현성을 편차, 계절성, 변동성의 항목으로 평가하고 추가적으로 우리나라 육지의 표현능력을 분석한 최대규(2010)의 연구결과에서 우리나라의 지형을 적절히 표현하고 통계학적 평가에서도 우수한 순위를 보이고 있는 GCMs이다.
- 본 연구의 대상 유역인 낙동강유역은 유역면적 23,790 ㎢ 으로 남한면적의 25.9%를 차지하고 있으며, 유로연장은 510.36 km이다.
- 낙동강 유역 전체에 대하여 지형통계학적 (Geostatistics) 기법의 한 종류로서 공간강우의 분석을 통계적으로 유의하게 수행할 수 있으며, 유역평균강우량 산정 오차가 전통적인 기법들 보다는 가장 작게 나타나는 것으로 널리 사용되고 있는 격자범용크리깅(block universial krigging) 기법을 적용하여 유역평균강우량을 산정하였다. 선정된 강우관측망 지점은 30년 이상의 강우자료를 보유하고 낙동강 유역에 또는 근접한 곳에 위치한 상북 등 총 56개 지점이며 (Table 2), 모형 구축 시는 일유량 모의를 위해 유역평균 일강우량을 적용하였다.
데이터처리
- SWAT 모형을 이용한 유출 모의 결과를 실측자료와 검정 오차분석을 수행하였다. 전체 모의 기간은 1995～2004년 (10년)으로, 1995～1996년은 모형의 안정화 기간, 1997～2002년은 모형 보정 (calibration) 기간, 2003～2004년은모형 검정 (validation) 기간으로 설정하였다.
- 전체 모의 기간은 1995～2004년 (10년)으로, 1995～1996년은 모형의 안정화 기간, 1997～2002년은 모형 보정 (calibration) 기간, 2003～2004년은모형 검정 (validation) 기간으로 설정하였다. 구축된 모형 타당성 평가를 위해 상대첨두오차 (Relative PeakError), 상대총량오차 (Relative Volume Error), 절대평균편차 (Absolute Mean Bias), 제곱근평균자승오차 (Root Mean Square Error), 상관계수 (Correlation Coefficient)로 검정오차분석을 실시하여 모형의 적합성을 검정하였다. 안동댐, 임하댐, 합천댐의 경우 년 유량, 월 유량 자료는 상관 관계가 0.
이론/모형
- 이 때 누가확률밀도함수는 Eq. (2)의 Kernel smoothing method를 이용하였다. 즉,
- 본 연구에서는 적용 강우관측망의 선정, 강우관측소 지점의 일강우량 자료 수집, 지점 범용크리깅기법을 이용한 지점별 일강우량 자료의 검·보정 및 유역평균강우량의 산정의 순서로 강우분석을 수행하였다. 낙동강 유역 전체에 대하여 지형통계학적 (Geostatistics) 기법의 한 종류로서 공간강우의 분석을 통계적으로 유의하게 수행할 수 있으며, 유역평균강우량 산정 오차가 전통적인 기법들 보다는 가장 작게 나타나는 것으로 널리 사용되고 있는 격자범용크리깅(block universial krigging) 기법을 적용하여 유역평균강우량을 산정하였다. 선정된 강우관측망 지점은 30년 이상의 강우자료를 보유하고 낙동강 유역에 또는 근접한 곳에 위치한 상북 등 총 56개 지점이며 (Table 2), 모형 구축 시는 일유량 모의를 위해 유역평균 일강우량을 적용하였다.
- 한강, 낙동강, 금강, 영산강 유역 등과 같은 대유역에서의 기후변화에 따른 하천 유량 변동을 비롯한 수환경 자원 부존량의 평가를 수행하기 위해서는 장기간의 물순환 분석을 수행할 수 있는 유역모형이 요구된다. 따라서 유역기반의 장기모의가 가능한 SWAT 모형을 본 연구의 유역기반 모형으로 선정하였다.
성능/효과
- (1) CSMK 모형과 CT47 모형을 A2, A1B, B1 시나리오에 대하여 강우증가율과 기온증가율을 분석한 결과 CSMK 모형의 강우증가율을 제외한 모든 부분에서 A2 시나리오가 가장 높게 나타났다. 이는 CO 2 의 농도가 극대화되어 있는 A2 시나리오의 경우 기온의 증가율이 상대적으로 크며, 강우의 증가율 또한 다른 시나리오에 비하여 이산화탄소의 농도가 증가함에 따라 증가함을 알 수 있다.
- 7%로 가장 낮은 증가율을 보였다. CT47 모형 중 A2 시나리오는 봄에 24.3%로 가장 높은 증가율을 보였고, 가을에 0.8%로 가장 낮은 증가율을 보였으며, A1B 시나리오는 봄에 22.1%로 가장 높은 증가율을 보였고, 가을에 3.7%로 가장 낮은 증가율을 보였다. 그리고 B1 시나리오는 겨울에는 15.
- 5%로 가장 낮은 증가율을 보였다. CT47 모형의 경우 A2 시나리오는 겨울에 141.4%로 가장 높은 증가율을 보였고, 여름에 117.2%로 가장 낮은 증가율을 보였으며, A1B 시나리오는 겨울에 116.1%로 가장 높은 증가율을 보였고, 여름에 72.8%로 가장 낮은 증가율을 보였다. 그리고 B1 시나리오의 겨울에 74.
- 이렇게 현재의 유량에 비하여 두 가지 모형의 모든 시나리오 에서 현재 유량이 현재보다 크게 나타나고 유량변동성이 더 커짐을 알 수 있다. 강수 증가율에 따른 유량변동성의 관계를 살펴보면 CT47 모형 A2 시나리오가 강수증가율 14.0%일 때 낙본 E는 54%, 낙본 I는 34%, 낙본 N은 34% 증가하였으며, A1B 시나리오가 강수증가율 13.6%일 때낙본 E, 낙본 I, 낙본 N 세 지점 모두 34% 증가하였고, B1 시나리오가 강수증가율 10.92%일 때 낙본 E는 29%, 낙본 I는 19%, 낙본 N은 28% 증가하였다. 그리고 CSMK 모형 A2 시나리오가 강수증가율 -1.
- 전체 시나리오에서 유량이 현재보다 크게 나타나고, 변동성이 더 커짐을 알 수 있으며 이는, 미래에는 집중호우나 가뭄의 영향이 더 커질 것으로 예측할 수 있다. 강수 증가율에 따른 유량변동성의 관계를 살펴보면 CT47 모형의 경우는 강우량 증가율에 2～4배의 차이를 보여 기존 연구에 부합하는 결과를 보였으나, CSMK 모형의 경우는 강우량 증가율이 음의 값을 가지는 A2와 B1 시나리오에서도 유량 변동성이 미세하지만 증가경향을 보였고, A1B 시나리오에서도 10배의 차이를 보여 기존 연구에 부합하지 않는 결과를 보였다. 이는 CSMK 모형 미소한 강우 증가율에 기온 증가율의 영향을 받아 유량 변동성에 영향을 미쳤을 것으로 사료된다.
- 강우증가율에 대한 시나리오별 계절분석에서 CSMK 모형 중 A2 시나리오는 여름에 9.7%로 가장 높은 증가율을 보였고, 가을에 -13.8%로 가장 낮은 증가율을 보였으며, A1B 시나리오는 여름에 11.03%로 가장 높은 증가율을 보였고, 가을에 -6.8%로 가장 낮은 증가율을 보였다. 그리고 B1 시나리오는 겨울에 5.
- (2) 시나리오를 계절별로 강우와 기온을 분석하였다. 강우증가율은 CSMK 모형 중 A2, A1B 시나리오는 여름에, B1 시나리오는 겨울에 가장 큰 증가율을 보였고 CT47 모형 중 A2 시나리오는 봄에, A1B 시나리오는 봄에, B1 시나리오는 겨울에 가장 큰 증가율을 보였다. 기온증가율은 CSMK 모형 중 A2 시나리오는 봄에, A1B 시나리오는 겨울에, B1 시나리오의 경우 봄에 가장 큰 증가율을 보였고, CT47 모형의 경우 전체 시나리오가 겨울에 가장 큰 증가율을 보였다.
- 이는 CSMK 모형 미소한 강우 증가율에 기온 증가율의 영향을 받아 유량 변동성에 영향을 미쳤을 것으로 사료된다. 그러나 CSMK 모형의 미소한 기온 증가의 영향을 제외하고는 강우가 커지면 대부분의 모형에서 유출량이 증가를 보였고, 강우가 감소하면 대부 분의 모형에서 유출량이 감소하였으므로 여러 가지 변수들 중 강우의 증감에 따른 영향이 유출량에 가장 큰 영향을 준다는 것을 알 수 있었다.
- CT47 모형중 A2 시나리오는 봄에 119 cms로 132% 증가하여 가장 큰 유량을 보였고, 겨울에 32 cms로 7% 증가하여 가장 낮은 유량을 보였다. 그리고 A1B 시나리오는 가을에 272 cms로 79% 증가하여 가장 큰 유량을 보였고, 여름에 299 cms로 2% 하락하여 가장 낮은 유량을 보였다. 또한 B1 시나리오는 봄에 94 cms로 82% 증가하여 가장 큰 유량을 보였고, 여름에 294 cms로 3% 하락하여 가장 낮은 유량을 보였다.
- CSMK 모형 중 A2 시나리오는 가을에 258 cms로 70% 증가하여 가장 큰 유량을 보였고, 겨울에 32 cms로 7% 증가하여 가장 낮은 유량을 보였다. 그리고 A1B 시나리오는 가을에 282 cms로 85% 증가하여 가장큰 유량을 보였고, 여름에 291 cms로 4% 하락하여 가장 낮은 유량을 보였다. 또한 B1 시나리오는 가을에 235 cms로 55% 증가하여 가장 큰 유량을 보였고, 여름에 219 cms 로 28% 하락하여 가장 낮은 유량을 보였다.
- CT47 모형 중 A2 시나리오는 봄에 264 cms로 120% 증가하여 가장 큰 유량을 보였고, 가을에 647 cms로 23% 증가하여 가장 낮은 유량을 보였다. 그리고 A1B 시나리오는 봄에 179 cms로 49% 증가하여 가장 큰 유량을 보였고, 가을에 596 cms로 14% 증가하여 가장 낮은 유량을 보였다. 또한 B1 시나리오는 봄에 187 cms로 56% 증가하여 가장 큰 유량을 보였고, 가을에 388 cms로 26% 하락하여 가장 낮은 유량을 보였다.
- 중기간 분석에서 CSMK 모형의 A2 시나리오는 봄에 2011～2040년이 78 cms로 52% 증가하여 가장 큰 유량을 보였고, 여름, 가을, 겨울에 2041～2070년이 각각 350, 271, 36 cms로 15, 78, 21% 증가하여 가장 큰 유량을 보였다. 그리고 A1B 시나리오는 봄에 2071～2100년이 62 cms로 21% 증가하여 가장 큰 유량을 보였고, 여름, 가을에 2011～2040년이 각각 306, 305 cms로 1, 100% 증가하여 가장 큰 유량을 보였으며, 겨울에 2071～2100년이 39 cms로 31% 증가하여 가장 큰 유량을 보였다. 또한 B1 시나리오는 봄에 2041～2070년이 62 cms로 21% 증가하여 가장 큰 유량을 보였고, 가을, 겨울에 2071～2100년이 각각 257, 37 cms로 69, 25% 증가하여 가장 큰 유량을 보였으며, 여름에는 2071～2100년이 224 cms로 26% 하락하여 가장 큰 유량을 보였다.
- CSMK 모형 중 A2 시나리오는 여름에 903 cms로 61% 증가하여 가장 큰 유량을 보였고, 봄에 130 cms로 11% 하락하여 가장 낮은 유량을 보였다. 그리고 A1B 시나리오는 여름에 927 cms로 65% 증가하여 가장 큰 유량을 보였고, 가을에 522 cms로 15% 하락하여 가장 낮은 유량을 보였다. 또한 B1 시나리오는 여름에 772 cms로 37% 증가하여 가장 큰 유량을 보였고, 가을에 427 cms로 30% 하락하여 가장 낮은 유량을 보였다.
- CT47 모형 중 A2 시나리오는 여름에 1038 cms로 85% 증가하여 가장 큰 유량을 보였고, 가을에 764 cms로 25% 증가하여 가장 낮은 유량을 보였다. 그리고 A1B 시나리오는 여름에 964 cms로 72% 증가하여 가장 큰 유량을 보였고, 가을에 507 cms로 17% 하락하여 가장 낮은 유량을 보였다. 또한 B1 시나리오는 여름에 894 cms로 59% 증가하여 가장 큰 유량을 보였고, 가을에 40 cms로 12% 하락하여 가장 낮은 유량을 보였다.
- 8%로 가장 낮은 증가율을 보였다. 그리고 B1 시나리오는 겨울에 5.4%로 가장 높은 증가율을 보였고, 가을에 -9.7%로 가장 낮은 증가율을 보였다. CT47 모형 중 A2 시나리오는 봄에 24.
- 7%로 가장 낮은 증가율을 보였다. 그리고 B1 시나리오는 겨울에는 15.7%로 가장 높은 증가율을 보였고, 가을에 6.7%로 가장 낮은 증가율을 보였다. 두 가지 모형 모두 여름과 겨울의 강우증가율이 크게 보이고 가을의 강우증가율이 가장 낮게 나타났으며 강우증가율에 대한 시나리오별 계절분석의 결과는 Fig.
- 92%일 때 낙본 E는 29%, 낙본 I는 19%, 낙본 N은 28% 증가하였다. 그리고 CSMK 모형 A2 시나리오가 강수증가율 -1.2%일 때 낙본 E는 9%, 낙본 I는 28%, 낙본 N은 27% 증가하였으며, A1B 시나리오가 강수증가율 2.1%일 때 낙본 E는 23%, 낙본 I는 21%, 낙본 N은 21% 증가하였고, B1 시나리오가 강수증가율 -0.9%일 때 낙본 E는 1%, 낙본 I는 3%, 낙본 N은 3% 증가하였다. 이러한 결과를 봤을 때 CT47 모형의 경우는 강우량 증가율에 2～4배의 차이를 보여 기존 연구에 부합하는 결과를 보였으나, CSMK 모형의 경우는 강우량 증가 율이 미세하지만 음의 값을 가지는 A2와 B1 시나리오에 서도 유량 변동성이 증가경향을 보였고, A1B 시나리오에 서도 10배의 차이를 보여 기존 연구에 부합하지 않는 결과를 보였다.
- 낙본I 지점에서는 CT47모형 A2 시나리오가 396 cms로 34% 증가하여 가장 큰 유량을 보였고, CSMK 모형 B1 시나리오가 303 cms로 3% 증가하여 가장 작은 유량을 보였다. 그리고 낙본N 지점에 서는 CT47 모형 A2 시나리오가 468 cms로 34% 증가하여 가장 큰 유량을 보였고, CSMK 모형 B1 시나리오가 359 cms로 3% 증가하여 가장 작은 유량을 보였다. 이렇게 현재의 유량에 비하여 두 가지 모형의 모든 시나리오 에서 현재 유량이 현재보다 크게 나타나고 유량변동성이 더 커짐을 알 수 있다.
- 80의 상관관계를 보이고 있다. 그리고 실측 자료를 이용한 유황분석 결과와 SWAT 모형 화를 통해 도출된 일 유량 자료의 유황분석 결과를 이용한 검정오차 분석 결과 댐 지점의 경우 안동댐의 경우 상관관계가 0.59～0.91, 임하댐의 경우 0.76～0.82, 합천댐의 경우 0.68～0.91로 상당히 양호한 결과를 보이고 있음을 알 수 있는데, 이는 수문 관측자료 중 비교적 신뢰도 및 그 정도가 높은 댐 유입량 자료를 이용한 모형의 보정이 수행되었기 때문으로 판단된다. 하도 지점에 대한 모형의 보정은 기준 보정 지점을 진동 지점으로 하여 유출 및 유량에 대한 보정, 첨두유량 및 감쇠곡선의 형태에 대한 보정, 관측자료를 이용한 상류에서 하류방향으로의 보정을 통해 수행하였다.
- 기온의 증가율은 두 가지 모형 CT47과 CSMK 모두 A2 시나리오가 각각 132.46%과 89.8%로 가장 높게 나타났으며, 기온의 증가율은 CT47와 CSMK 두 모형 모두 A2 > A1B > B1의 순서를 보였고, 강우의 증가율은 CT47 모형의 경우 A2 > A1B > B1의 순서를 보였 으나, CSMK 모형의 경우는 A1B > B1 > A2의 순서를 보였다.
- 기온증가율에 대한 시나리오별 계절분석에서 CSMK 모형 중 A2 시나리오는 봄에 119.6%로 가장 높은 증가율을 보였고, 가을에 70.3%로 가장 낮은 증가율을 보였으며, A1B 시나리오는 겨울에 90.9%로 가장 높은 증가율을 보였고, 가을에 32.4%로 가장 낮은 증가율을 보였다. 그리고 B1 시나리오의 경우 봄에 34.
- 강우증가율은 CSMK 모형 중 A2, A1B 시나리오는 여름에, B1 시나리오는 겨울에 가장 큰 증가율을 보였고 CT47 모형 중 A2 시나리오는 봄에, A1B 시나리오는 봄에, B1 시나리오는 겨울에 가장 큰 증가율을 보였다. 기온증가율은 CSMK 모형 중 A2 시나리오는 봄에, A1B 시나리오는 겨울에, B1 시나리오의 경우 봄에 가장 큰 증가율을 보였고, CT47 모형의 경우 전체 시나리오가 겨울에 가장 큰 증가율을 보였다.
- 0℃ 상승하는 것으로 전망하고 있다. 동아시아 평균 강우량은 A2 시나리오에서 각각 0.6%, 2.4%, 5.4% 증가하고, B1 시나리오에서 각각 1.4%, 2.6%, 4.0% 증가하는 것으로 전망하고 있으며, 동아시아 지역의 기후 변화 전망을 계절별로 보면, 겨울과 봄의 기온 상승이 여름에 비하여 약간 높으며, 동아시아의 북서지역에서 기온이 가장 높게 상승하고, 강우량은 유라시아 대륙 연안에서 변화가 클 것으로 전망하고 있다. 장기 기후변화 시나 리오인 A2 시나리오는 온실가스 배출량이 급격히 증가하는 경우로서 발전지향적인 경제사회를 가정하였으며, 이에 반해 B1 시나리오는 온실가스 배출량의 증가세가 비교적 완만한 경우로서 기후변화협약이 잘 지켜지는 환경 보전지향적인 사회를 가정한 경우이며 A1B는 A1 시나리오 그룹 중 하나로써 미래 세계를 매우 빠른 경제성장, 세기 중간에 최대 인구에 도달한 후 감소, 새롭고 더 효율적인 기술의 빠른 도입으로 묘사된 것 중 모든 에너지원의균형 상태를 이루고 있는 경우이다.
- 그리고 A1B 시나리오의 봄, 겨울에 2041～2070년이 각각 241, 101 cms로 65, 40% 증가하여 가장 큰 유량을 보였고, 여름, 겨울에 2071～2100년이 각각 733, 800 cms로 30, 31% 증가하여 가장 큰 유량을 보였다. 또한 B1 시나 리오의 봄, 여름에 2041～2070년이 각각 193, 623 cms로 32, 11% 증가하여 가장 큰 유량을 보였고, 가을에 2011～ 2040년이 564 cms로 8% 하락하여 가장 큰 유량을 보였으며, 겨울에 2071～2100년이 100 cms로 39% 증가하여 가장 큰 유량을 보였다.
- 본 연구에서는 CSMK와 CT47의 GCMs과 각 GCMs 의 A2, A1B, B1의 시나리오의 자료를 사용하였다. 선정된 CSMK와 CT47은 17개의 GCMs 모의자료를 우리나라 24개 지점의 30년간의 기온과 강수량 자료와 비교분석하여 강수량과 기온에 대하여 GCMs의 현재기후의 재현성을 편차, 계절성, 변동성의 항목으로 평가하고 추가적으로 우리나라 육지의 표현능력을 분석한 최대규(2010)의 연구결과에서 우리나라의 지형을 적절히 표현하고 통계학적 평가에서도 우수한 순위를 보이고 있는 GCMs이다.
- 9%일 때 낙본 E는 1%, 낙본 I는 3%, 낙본 N은 3% 증가하였다. 이러한 결과를 봤을 때 CT47 모형의 경우는 강우량 증가율에 2～4배의 차이를 보여 기존 연구에 부합하는 결과를 보였으나, CSMK 모형의 경우는 강우량 증가 율이 미세하지만 음의 값을 가지는 A2와 B1 시나리오에 서도 유량 변동성이 증가경향을 보였고, A1B 시나리오에 서도 10배의 차이를 보여 기존 연구에 부합하지 않는 결과를 보였다. 이는 CSMK 모형 미소한 강우 증가율에 기온 증가율의 영향을 받아 유량 변동성에 영향을 미쳤을 것으로 사료된다.
- 현재 온실 가스의 증가로 인한 기후변화가 수환경 자원의 영향에 직접적으로 영향을 미치는 수량 등의 시공간적 변화에 대처하기 위한 현실적인 대응방안이 시급히 요구되고 있다. 이에 독일 Max-Planck 연구소의 ECHAM4/HOPE 기후변화모형을 이용한 IPCC (2008)의 장기 (1860～2100년) A2 (B1) 시나리오 모의실험 결과 CO 2 농도가 820 ppmv (610 ppmv) 인 2100년에 지구기온은 현재보다 평균 4.6℃ (3.0℃) 정도 증가하고, 동아시아 지역은 지구평균보다 높은 6.5℃ (4.5℃)가 증가할 것으로 예측하였다. 2100년에 지구의 평균 강우량은 약 4.
- 전기간으로 시나리오별 지점에 대한 유량과 유량변동 성을 비교 · 분석한 결과, 낙본E 지점에서는 CT47 모형 A2 시나리오가 206 cms로 54% 증가하여 가장 큰 유량을 보였으며, CSMK 모형 B1 시나리오가 136 cms로 1% 증가하여 가장 작은 유량을 보였다.
- 전체 시나리오별 각각 계절의 강우증가율을 비교하였을 때 봄은 CT47 모형 중 A2 시나리오의 2041～2070년이 130 cms로 153% 증가하여 가장 큰 유량을 보였고, 여름은 CT47 모형 중 A2 시나리오의 2071～2100년이 413 cms 로 36% 증가하여 가장 큰 유량을 보였으며, 가을은 CSMK 모형 중 A1B 시나리오의 2011～2040년이 305 cms로 100% 증가하여 가장 큰 유량을 보였다. 그리고 겨울에 CT47 모형 중 A1B 시나리오의 2041～2070년이 43 cms로 45% 증가하여 가장 큰 유량을 보였다.
- 전체 시나리오별 각각 계절의 유량변동성을 비교하였을 때 봄, 여름은 CT47 모형 중 A2 시나리오의 2041～ 2070년이 각각 296, 692 cms로 147, 46% 증가하여 가장 큰 유량을 보였고, 가을은 CSMK 모형 중 A1B 시나리오의 2011～2040년이 654 cms로 25% 증가하여 가장 큰 유량을 보였다. 그리고 겨울에 CT47 중 A2 시나리오의 2071～2100년이 94 cms로 52% 증가하여 가장 큰 유량을 보였다.
- 전체 시나리오별 각각 계절의 유량변동성을 비교하였을 때 봄, 여름은 CT47 모형 중 A2 시나리오의 2041～2070년이 각각 242, 824 cms로 66, 47% 증가하여 가장 큰 유량을 보였고, 가을은 CT47 모형 중 A1B 시나리오의 2011～ 2040년이 798 cms로 30% 증가하여 가장 큰 유량을 보였다. 그리고 겨울에 CT47 중 A2 시나리오의 2071～2100년이 109 cms로 51% 증가하여 가장 큰 유량을 보였다.
- (3) 미래기후변화 시나리오를 SWAT 모형으로 모의 하여 낙본E, 낙본I, 낙본N 지점에서 전기간 (201 1～2100년)과 중기간으로 시나리오별, 계절별, 지점별의 유량과 유량변동성을 현재와 비교 · 분석하였다. 전체 시나리오에서 유량이 현재보다 크게 나타나고, 변동성이 더 커짐을 알 수 있으며 이는, 미래에는 집중호우나 가뭄의 영향이 더 커질 것으로 예측할 수 있다. 강수 증가율에 따른 유량변동성의 관계를 살펴보면 CT47 모형의 경우는 강우량 증가율에 2～4배의 차이를 보여 기존 연구에 부합하는 결과를 보였으나, CSMK 모형의 경우는 강우량 증가율이 음의 값을 가지는 A2와 B1 시나리오에서도 유량 변동성이 미세하지만 증가경향을 보였고, A1B 시나리오에서도 10배의 차이를 보여 기존 연구에 부합하지 않는 결과를 보였다.
- 중기간 분석에서 CSMK 모형 중 A2 시나리오의 봄에 2041～2070년이 117 cms로 3% 하락하여 가장 큰 유량을 보였고, 여름에 2041～2070년이 602 cms로 27% 증가하여 가장 큰 유량을 보였으며, 가을에 2011～2040년이 552 cms 로 5% 증가하여 가장 큰 유량을 보였다. 그리고 겨울에 2041～2070년이 76 cms로 23% 증가하여 가장 큰 유량을 보였다.
- 중기간 분석에서 CSMK 모형 중 A2 시나리오의 봄에 2041～2070년이 140 cms로 4% 하락하여 가장 큰 유량을 보였고, 여름에 2071～2100년이 681 cms로 21% 증가하여 가장 큰 유량을 보였으며, 가을, 겨울에 2041～2070년이각각 706, 89 cms로 15, 24% 증가하여 가장 큰 유량을 보였다. 그리고 A1B 시나리오의 봄에 2071～2100년이 180 cms로 23% 증가하여 가장 큰 유량을 보였고, 여름, 가을, 겨울에 2011～2040년이 각각 761, 764, 95 cms로 35, 25, 32% 증가하여 가장 큰 유량을 보였다.
- 중기간 분석에서 CSMK 모형의 A2 시나리오는 봄에 2011～2040년이 78 cms로 52% 증가하여 가장 큰 유량을 보였고, 여름, 가을, 겨울에 2041～2070년이 각각 350, 271, 36 cms로 15, 78, 21% 증가하여 가장 큰 유량을 보였다. 그리고 A1B 시나리오는 봄에 2071～2100년이 62 cms로 21% 증가하여 가장 큰 유량을 보였고, 여름, 가을에 2011～2040년이 각각 306, 305 cms로 1, 100% 증가하여 가장 큰 유량을 보였으며, 겨울에 2071～2100년이 39 cms로 31% 증가하여 가장 큰 유량을 보였다.
후속연구
- 본 연구의 결과를 토대로 향후 기후변화에 따른 낙동강 유역의 유출량 증대로 인한 수공 구조물의 치수능력 증대 방안과 해당유역 기후변화에 따른 물환경 적응방안 연구에 활용할 수 있을 것이다. 그리고 물환경 자원의 환경 변화에 적극적으로 적응하기 위한 국가 표준 기후변화 시나리오 구축, 기후변화 적응을 위한 환경유량 산정이 필요하며, 이를 위해서는 무엇보다도 신뢰성 있는 국지적 기후변화 예측 시스템의 구축과 이를 바탕으로 한 수문영향 분석에 대한 지속적인 연구가 필요하다.
- 본 연구의 결과를 토대로 향후 기후변화에 따른 낙동강 유역의 유출량 증대로 인한 수공 구조물의 치수능력 증대 방안과 해당유역 기후변화에 따른 물환경 적응방안 연구에 활용할 수 있을 것이다. 그리고 물환경 자원의 환경 변화에 적극적으로 적응하기 위한 국가 표준 기후변화 시나리오 구축, 기후변화 적응을 위한 환경유량 산정이 필요하며, 이를 위해서는 무엇보다도 신뢰성 있는 국지적 기후변화 예측 시스템의 구축과 이를 바탕으로 한 수문영향 분석에 대한 지속적인 연구가 필요하다.
- 현재 전 세계적으로 연구된 다양한 기후실험이나 과거기상자료의 분석결과로부터 미래의 기후가 현재에 비해 많이 달라질 것으로 예측하고 있으며(IPCC, 2008), 이러한 기후변화는 단순히 자연 현상에만 영향을 미치는 요소가 아니라 장기적인 관점에서 살펴보면 수문에 대한 영향으로 인하여 인간의 경제, 사회 그리고 환경에 까지 영향을 끼친다. 이에 기술적인 방법을 이용하여 물과 관련하여 발생되는 재난을 경감시키고 원상태로 자연을 복원할 수 있는 방법을 개발하는 것이 필요하다. 이에 국내외에서 기후변화와 관련된 연구가 최근 활발히 진행되고 있으며 수문분야에서 기후변화에 대한 영향을 파악하기 위하여 연구된 외국의 연구 경향을 살펴보면 단일 혹은 여러 전 지구 기후모형(Global Climate Models, GCMs)으로부터의 미래기후정보를 바탕으로 이를 직접적으로 사용하거나 적절한 기법을 통하여 규모상세화한 결과를 강우-유출모형에 적용하여 유역의 유출반응을 살펴보는 방향을 취하는 것이 일반적이다 (Gosain et al.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.