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 연구는 새로운 기후변화 시나리오인 RCP 시나리오의 스토리라인을 기반으로 미래 토지피복변화를 예측하고, 이것이 유역 내 유출량에 미치는 영향을 분석하는데 그 목적을 둔다. 이를 위해, 국립기상연구소에서 제공하는 RCP 4.
- 본 연구는 새로운 기후변화 시나리오인 RCP 시나리오하의 미래 기후 및 토지피복 변화가 유역 내 유출량에 미치는 영향을 분석하기 위해 수행되었다. 먼저, 국립기상연구소에서 제공하는 RCP 4.
- , 2011). 본 연구는 이러한 시나리오별 스토리라인에 일관된 미래 토지피복변화를 예측하기 위한 목적도 지니며, 이를 위해 사회경제적, 정책적 요인을 잘 반영할 수 있는 LR을 이용한 도시성장모형을 적용하여 미래 토지피복변화를 예측하였다(Park, 2013).
가설 설정
- 도시성장 확률지도는 환경부에서 제공하는 토지이용규제 항목인 환경생태적평가지도와 법제적평가지도의 적용유무에 따라 LR을 수행하여 작성되었다. 이때 수역의 면적은 미래에 그대로 유지되고, 과거 도시지역은 미래에 비도시지역으로 전환될 수 없다고 가정되었다. 본 연구에서 LR의 기본적인 모형인 식 (1)에 의해 도시성장 발생 확률이 산정되었다.
제안 방법
- Figure 2. Mean monthly precipitation measured at Yeongcheon weather station (2000-2009) in Gumho River Basin and projected using RCP 4.5 and 8.5 scenarios. The shaded areas indicated monthly ranges of the variables from 2000-2009
- 시나리오 1은 미래 기후변화만 고려, 시나리오 2는 미래 토지피복변화만을 고려한 경우로 설정되었다. 각 시나리오별로 RCP 4.5 및 8.5에 따른 2020년부터 2059년까지 유역 내 유출량이 모의되었고, 이들은 2030년대(2030～2039)와 2050년대로 구분되어 과거 10년(2000년대; 2000～2009) 동안의 유출량과 비교, 분석되었다.
- 5 스토리라인 기반의 미래 토지피복도를 제작하였다. 다음으로 기후변화만 고려한 경우, 토지피복변화만 고려한 경우로 시나리오를 설정하고, SWAT (Soil and Water Assessment Tool) 모형을 이용하여 각 시나리오별로 대상 유역 내 유출량을 정량적으로 예측하고, 이를 비교분석하였다.
- 도시성장 관련인자는 물리적, 접근성, 사회경제적, 정책적 요인으로 구분되었고, 관련 인자들은 ArcGIS 9.3, ERDAS Imagin 9.2를 이용하여 10m×10m의 공간해상도를 가지는 래스터 형식으로 구축되었다.
- 본 연구는 새로운 기후변화 시나리오인 RCP 시나리오하의 미래 기후 및 토지피복 변화가 유역 내 유출량에 미치는 영향을 분석하기 위해 수행되었다. 먼저, 국립기상연구소에서 제공하는 RCP 4.5 및 8.5하의 기후 자료가 기후변화 시나리오로 사용되었고, 토지피복변화 시나리오는 RCP 4.5 및 8.5 시나리오의 스토리라인과 LR을 이용하여 개발된 모델에 의해 생성되었다. 이 모델에 의해 작성된 확률지도는 ROC에 의해 검증되었고, RCP 4.
- 본 연구에서 도시성장모형은 유역 내 미래 도시수요량 추정을 위한 비공간적 분석과 도시성장 확률지도를 이용한 미래 도시 면적의 공간적 배분에 관련한 공간적 분석으로 구분된다. 도시수요량은 국내 인구와 GDP 진행경로에 의해 결정되었고(Van Vuuren et al.
- 본 연구에서 모형 검․보정은 Fig. 1a와 같이 대상 유역을 2개로 나누고, 금호 유량관측소 상류 유역에 대한 검․보정을 우선 수행하여 이에 따른 모의 결과를 inlet 으로 설정하여 하류 유역의 유출 검․보정을 수행하였다. 또한, 모형은 2006-2008년 동안 금호 및 동촌 유량 관측소의 일별 유출량 자료에 의해 검정되었고, 2009년의 유출량 자료에 의해 보정되었다.
- 본 연구는 새로운 기후변화 시나리오인 RCP 시나리오의 스토리라인을 기반으로 미래 토지피복변화를 예측하고, 이것이 유역 내 유출량에 미치는 영향을 분석하는데 그 목적을 둔다. 이를 위해, 국립기상연구소에서 제공하는 RCP 4.5 및 8.5 기후변화 시나리오를 이용하였고, 로지스틱 회귀모형(Logistic Regression, LR)을 이용한 RCP 4.5 및 8.5 스토리라인 기반의 미래 토지피복도를 제작하였다. 다음으로 기후변화만 고려한 경우, 토지피복변화만 고려한 경우로 시나리오를 설정하고, SWAT (Soil and Water Assessment Tool) 모형을 이용하여 각 시나리오별로 대상 유역 내 유출량을 정량적으로 예측하고, 이를 비교분석하였다.
대상 데이터
- 토지피복(Land Use and Land Cover, LULC) 지도는 유역의 수문학적 특성 평가에 필수 정보이며, 본 연구에서 국가수자원관리종합정보시스템(WAter Management Information System, WAMIS)에서 1975년부터 5년 간격으로 제공하고 있는 토지피복도가 이용되었고, 이것은 총 7개 토지이용항목으로 대분류되어있다. SWAT 모형 검․보정을 위해 2000년 토지피복도가, 미래 토지피복도 제작을 위해 1975년 및 2000년 토지피복도가 이용되었다(Fig. 1).
- 이를 위해, 금호강 유역에 소재한 영천 및 대구 기상관측소에서 획득된 2000년부터 2009년까지의 기상 자료를 기상청에서 제공받아 모형 입력 자료로 사용하였다. 또한 앞서 언급한 것과 같이, 12.5km 해상도의 한반도 기후 전망자료가 미래 기상자료로 이용되었다. Fig.
- 본 연구를 위한 대상 유역은 Fig. 1과 같이 금호강의 동촌 유량관측소를 유역 출구로 하는 상류유역이다. 금호강은 낙동강 중류부에 위치하며, 이 유역의 면적은 약 1,538.
- 그러나 이러한 자료는 풍속 및 태양복사량을 포함하지 않기 때문에, 이들은 금호강 유역 내 최근 30년(1981-2010년) 동안의 기후자료를 기반으로 SWAT 모형 내 생성모델에서 별도로 생성되었다. 본 연구에서 모형의 검․보정을 위해 금오 및 동촌 수위관측 지점에서 제공하는 일별 유출량 자료가 이용되었다.
- 유출량 모의를 위해 유역 내 지형, 토양, 토지피복, 그리고 수문 및 기상 자료가 필요하다. 본 연구에서 사용된 지형 자료는 고도, 경사, 경사향, 흐름 방향을 포함하며, 이들은 환경부에 의해 제공된 10m 격자간격의 DEM을 이용하여 생성되었다. SWAT은 토양층을 중심으로 물수지를 파악하는 모형이므로, 토양통 자료의 구축은 매우 중요하다(Kim et al.
- SWAT 모형에서 일별 수문해석을 위해 요구되는 기상 자료는 일별 강수량, 최대 및 최소 온도, 태양복사량, 풍속, 그리고 상대습도이다. 이를 위해, 금호강 유역에 소재한 영천 및 대구 기상관측소에서 획득된 2000년부터 2009년까지의 기상 자료를 기상청에서 제공받아 모형 입력 자료로 사용하였다. 또한 앞서 언급한 것과 같이, 12.
이론/모형
- LR에 의해 작성된 확률지도는 Pontius와 Schneider(2001)에 의해 제안된 ROC(Relative Operating Characteristic) 곡선에 의해 검증되었다. ROC 곡선의 AUC(Area Under Curve)는 예측 정확도를 평가하는데 사용되며, 일반적으로 AUC 값이 0.
- 기후변화만 고려한 경우, 토지피복변화만 고려한 경우로 시나리오를 설정하고, 설정된 두 가지 시나리오에 따른 대상 유역 내 유출량 모의는 SWAT 모형에 의해이루어졌다. 시나리오별 모의에 앞서 유역 내 유량관측소 자료를 이용한 검․보정을 수행한 결과, 결정계수(R2)는 0.
- 본 연구에서 모형의 검․보정을 위해 SWAT-CUP(calibration uncertainty program) 모형이 사용되었고, 이것은 스위스 연방 연구소에 의해 개발되었다. 이것은 SWAT 모형의 모의 및 검․보정 수행 시 발생하게 되는 예측 불확실성에 대한 분석을 담당한다.
- 본 연구에서 수문 해석을 위해 ArcGIS 기반의 ArcSWAT(ver.10.1.6) 모형이 사용되었다. 이것은 미국 농무성 농업연구소에서 개발된 일 단위의 모의가 가능한 준 분포형 장기 강우-유출 모형으로써(Arnold et al.
- 본 연구에서는 4가지 알고리즘 중 SUFI2(Sequential Uncertainty FItting ver.2) 알고리즘을 이용하여 금호강 유역 내 유출량을 검·보정하였다.
성능/효과
- 5a). 그 결과, RCP 4.5 및 8.5하에 연간 유출량이 2030년대까지 감소하다가 2050년대에는 증가하는 추세를 나타내었고, 미래 기후변화가 유역 내 유출량에 미치는 영향은 계절별 차이를 매우 명확하게 나타냈다. 봄과 겨울의 유출량은 과거에 비해 증가하는 추세를 보였고, 2030년대에 비해 2050년대 증가 추세가 크게 나타났다.
- 1 mm/day 이내(dry condition)인 경우의 유출량으로 구분하고, 각각의 경우에서 계절 및 연간 유출량 변화를 나타낸 것이다. 그 결과, 도시성장이 상대적으로 큰 2050년대로 갈수록 증가 및 감소 패턴이 두드러지게 나타났다. wet condition인 경우 모든 계절에서 유출량은 증가하며, 특히 2050년대 봄에는 RCP 4.
- 그 결과, 상류 및 하류지역의 유량관측소 자료를 이용한 경우에서 결정계수(R2)과 효율계수(ENS)는 검정 기간(2006-2008)에 각각 0.80, 0.74과 0.83, 0.80으로 나타났고, 보정 기간(2009)에 각각 0.79, 0.75과 0.78, 0.72로 나타났다. 본 연구에서 ENS가 0.
- 국내의 경우, 여름철 장마 및 태풍으로 인한 유역 내 강수량의 계절적 편중 특성 때문에 미래 기후변화에 따른 유역 내 수자원의 계절적 변동을 전망하는 것은 매우 중요하다. 따라서 과거 2000년 토지피복은 그대로 유지된 상태에서 미래 기후만 변화한다고 가정된 시나리오 1에 의해 모의된 2030년대 및 2050년대 유역 내 계절 및 연간 유출량은 과거 10년 동안의 유출량과 비교되었다(Fig. 5a). 그 결과, RCP 4.
- 8 °C이다. 또한 Fig. 1c 및 1d와 같이 과거에 유역 내 도시 면적이 매우 증가한 반면, 농지의 면적은 크게 감소하였고, 특히 하류 부분의 도시성장이 매우 급격하게 진행되어 기후 및 토지피복변화가 유역 내 유출량에 비교적 큰 영향을 미친다.
- 2000년 토지피복도와 대비해서 대상 유역의 하류에 분포한 농지가 서서히 도시로 확장되다가 2050년에 상류에 분포한 농지까지 도시가 확장되는 것으로 예측되었다. 또한, RCP 4.5에 비하여 RCP 8.5에서 도시 성장이 더욱 빨리 진행될 것으로 나타났다. Table 2는 2000년 토지피복도에서 각 분류별 면적에 대한 RCP 4.
- 89)를 나타냈다. 미래 토지피복도를 작성한 결과, 환경 보전에 중점을 두는 RCP 4.5에 비해 개발에 중점을 두는 RCP 8.5에서 도시성장이 크게 발생하는 것으로 예측되었고, 대부분의 도시성장은 농지, 산림, 나지가 도시로 확장되는 패턴으로 예측되었다. 그러나, 이러한 미래 도시성장은 최근 사회경제적 이슈가 반영되지 않은 장래인구추이와 실질 GDP 장기예측 자료에 의해 예측되었기 때문에, 향후 이를 적극적으로 반영한 도시성장량 산정이 필요할 것으로 판단된다.
- 5하의 미래 강수량 변화에 민감하기 때문이다. 반면 시나리오 2에 따른 모의 결과는 시나리오 1에 비해 상대적으로 유역 내 유출량 변화에 미소한 영향을 주지만, 강수 유무에 따라 증가 및 감소 패턴이 뚜렷이 나타났다. 따라서 수자원 정책 결정에 있어서 미래 토지피복변화에 따른 홍수 및 가뭄의 패턴에 적합한 수자원 정책이 반드시 필요할 뿐만 아니라, 지속적인 수자원관리를 위해 미래 기후 및 토지피복 변화에 따른 영향 분석이 반드시 필요할 것으로 판단된다.
- 봄과 겨울의 유출량은 과거에 비해 증가하는 추세를 보였고, 2030년대에 비해 2050년대 증가 추세가 크게 나타났다. 반면 여름과 가을의 유출량은 2050년대 RCP 8.5하의 유출량을 제외한 나머지에서 감소하는 추세를 보였고, 2030년대에 비해 2050년대 감소 추세가 작게 나타났다. 봄과 겨울의 유출량은 RCP 4.
- 9 정도이면 예측 정확도가 높은 것으로 간주한다(Yilmaz, 2009). 본 연구에서 RCP 4.5와 8.5에 의해 작성된 확률지도의 AUC는 각각 0.914와 0.897로 나타났다.
- 5하의 유출량을 제외한 나머지에서 감소하는 추세를 보였고, 2030년대에 비해 2050년대 감소 추세가 작게 나타났다. 봄과 겨울의 유출량은 RCP 4.5 하에 각각 46% 및 30% 이상, RCP 8.5하에 32% 및 17% 이상 증가하는 것으로 예측되었다. 여름의 유출량은 RCP 4.
- 5하에 연간 유출량이 2030년대까지 감소하다가 2050년대에는 증가하는 추세를 나타내었고, 미래 기후변화가 유역 내 유출량에 미치는 영향은 계절별 차이를 매우 명확하게 나타냈다. 봄과 겨울의 유출량은 과거에 비해 증가하는 추세를 보였고, 2030년대에 비해 2050년대 증가 추세가 크게 나타났다. 반면 여름과 가을의 유출량은 2050년대 RCP 8.
- 그러나 토지피복변화가 유역 내 유출량의 계절적 변화에 영향을 미치는 것은 명백하다. 봄과 여름에 유출량은 약 1～3% 증가하고, 가을과 겨울에는 약 2～7% 감소하는 것으로 예측되었다. 특히, 강수가 비교적 많은 여름에 크게 증가하고, 상대적으로 강수가 작은 겨울에 크게 감소하는 추세를 보였다.
- 각각의 시나리오에 따른 모의 결과는 유역 내 유출량의 계절적 변화를 뚜렷이 나타내었다. 시나리오 1에 따른 모의 결과, 기후변화는 봄과 겨울에 유출량을 증가, 여름과 가을에 유출량을 감소시키는 것으로 나타났다. 이것은 모의된 유출량이 RCP 4.
- 5b 와 같다. 시나리오 1에 의해 모의된 결과에 비해 상대적으로 유출량의 변화가 작을 뿐만 아니라 연간 유출량의 변화는 0.1% 이내로 매우 작게 나타났다. 그러나 토지피복변화가 유역 내 유출량의 계절적 변화에 영향을 미치는 것은 명백하다.
- 기후변화만 고려한 경우, 토지피복변화만 고려한 경우로 시나리오를 설정하고, 설정된 두 가지 시나리오에 따른 대상 유역 내 유출량 모의는 SWAT 모형에 의해이루어졌다. 시나리오별 모의에 앞서 유역 내 유량관측소 자료를 이용한 검․보정을 수행한 결과, 결정계수(R2)는 0.75 이상, 효율계수(ENS)는 0.72 이상으로 나타나 모의된 유출량이 대상 유역의 유출량을 비교적 잘 묘사한 것으로 판단된다. 각각의 시나리오에 따른 모의 결과는 유역 내 유출량의 계절적 변화를 뚜렷이 나타내었다.
- 5하에 32% 및 17% 이상 증가하는 것으로 예측되었다. 여름의 유출량은 RCP 4.5하에 20%, RCP 8.5하에 12% 이상 감소하며, 가을의 유출량도 여름과 같이 전반적으로 감소하는 추세를 나타냈다. 이상과 같이, 유출량이 봄과 겨울에 증가하고, 여름과 가을에 감소하는 것은 Fig.
- 이 모델에 의해 작성된 확률지도는 ROC에 의해 검증되었고, RCP 4.5와 8.5 모든 경우에서 매우 양호한 결과(AUC value>0.89)를 나타냈다.
- 봄과 여름에 유출량은 약 1～3% 증가하고, 가을과 겨울에는 약 2～7% 감소하는 것으로 예측되었다. 특히, 강수가 비교적 많은 여름에 크게 증가하고, 상대적으로 강수가 작은 겨울에 크게 감소하는 추세를 보였다. 겨울에 유출이 크게 감소하는 현상은 약간의 강설을 제외하고 강수 빈도가 거의 없는 유역 내 겨울의 계절적 특성 때문인 것으로 판단된다.
후속연구
- 5에서 도시성장이 크게 발생하는 것으로 예측되었고, 대부분의 도시성장은 농지, 산림, 나지가 도시로 확장되는 패턴으로 예측되었다. 그러나, 이러한 미래 도시성장은 최근 사회경제적 이슈가 반영되지 않은 장래인구추이와 실질 GDP 장기예측 자료에 의해 예측되었기 때문에, 향후 이를 적극적으로 반영한 도시성장량 산정이 필요할 것으로 판단된다.
- 반면 시나리오 2에 따른 모의 결과는 시나리오 1에 비해 상대적으로 유역 내 유출량 변화에 미소한 영향을 주지만, 강수 유무에 따라 증가 및 감소 패턴이 뚜렷이 나타났다. 따라서 수자원 정책 결정에 있어서 미래 토지피복변화에 따른 홍수 및 가뭄의 패턴에 적합한 수자원 정책이 반드시 필요할 뿐만 아니라, 지속적인 수자원관리를 위해 미래 기후 및 토지피복 변화에 따른 영향 분석이 반드시 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.