본 연구에서는 우리나라의 극한고온, 극한저온, 극한강수의 발생 빈도 및 규모를 지역별로 분석하고 이에 대한 기후지역을 구분하였다. 열대일수는 해안보다 내륙에서 많았고, 서리일수는 고도와 위도의 특성이 잘 나타났다. 호우 일수는 남해안과 제주도에서 많았고, 경상북도 일대에서 적게 나타났다. 이후 주성분 분석과 군집분석을 통해 연구기간의 전 후반기 시기별 변화와 최근 30년 평균(1981~2010년)에 대한 극한기후지수에 대한 기후지역을 구분하였다. 열대일수의 경우 남북 방향으로 구분된 특징을 보였으며, 서리일수는 동해안 및 서해안, 제주도가 하나의 지역으로 구분되었고 호우일수는 경기도 및 강원도 이남 지역에서 동서 방향으로 구분된 특징을 보였다. 본 연구를 통하여 다양한 분야에서 기후변화 적응 및 완화에 대한 대응체계 마련에 도움이 될 것으로 기대된다.
본 연구에서는 우리나라의 극한고온, 극한저온, 극한강수의 발생 빈도 및 규모를 지역별로 분석하고 이에 대한 기후지역을 구분하였다. 열대일수는 해안보다 내륙에서 많았고, 서리일수는 고도와 위도의 특성이 잘 나타났다. 호우 일수는 남해안과 제주도에서 많았고, 경상북도 일대에서 적게 나타났다. 이후 주성분 분석과 군집분석을 통해 연구기간의 전 후반기 시기별 변화와 최근 30년 평균(1981~2010년)에 대한 극한기후지수에 대한 기후지역을 구분하였다. 열대일수의 경우 남북 방향으로 구분된 특징을 보였으며, 서리일수는 동해안 및 서해안, 제주도가 하나의 지역으로 구분되었고 호우일수는 경기도 및 강원도 이남 지역에서 동서 방향으로 구분된 특징을 보였다. 본 연구를 통하여 다양한 분야에서 기후변화 적응 및 완화에 대한 대응체계 마련에 도움이 될 것으로 기대된다.
This study aims to classify climate zones for extreme climate indices over the Republic of Korea. First, frequencies and magitudes of extreme high temperature, spatial distributions for extreme low temperature, and extreme precipitation are analysed. Frequencies of summer days in inland region show ...
This study aims to classify climate zones for extreme climate indices over the Republic of Korea. First, frequencies and magitudes of extreme high temperature, spatial distributions for extreme low temperature, and extreme precipitation are analysed. Frequencies of summer days in inland region show more than coastal region. In frequencies of frost days, the characteristics of altitude and longitude are appeared. Heavy precipitation days show many frequencies in the southern coastal region and Jeju island, but little in Gyeongsangbuk-do region. The classification of climate zone for extreme climate indices by principal component analysis and cluster analysis is conducted for the first half, second half of study period, and climatology period for 1981-2010. Summer days are classified according to latitude. In case of frost days, the eastern and the southern coastal region and Jeju island are classified as same region. Heavy precipitation days are classified according to longitude in south region of Gyeonggi-do and Gangwon-do. This study will help to prepare adaptation and mitigation system for climate change in wide range of fields.
This study aims to classify climate zones for extreme climate indices over the Republic of Korea. First, frequencies and magitudes of extreme high temperature, spatial distributions for extreme low temperature, and extreme precipitation are analysed. Frequencies of summer days in inland region show more than coastal region. In frequencies of frost days, the characteristics of altitude and longitude are appeared. Heavy precipitation days show many frequencies in the southern coastal region and Jeju island, but little in Gyeongsangbuk-do region. The classification of climate zone for extreme climate indices by principal component analysis and cluster analysis is conducted for the first half, second half of study period, and climatology period for 1981-2010. Summer days are classified according to latitude. In case of frost days, the eastern and the southern coastal region and Jeju island are classified as same region. Heavy precipitation days are classified according to longitude in south region of Gyeonggi-do and Gangwon-do. This study will help to prepare adaptation and mitigation system for climate change in wide range of fields.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
박창용・최영은(2011, 2012)은 기후자료에 내재되어 있는 오류 의심자료를 검출하고 검출된 오류 의심자료의 오류 여부를 판단하는 품질검정과 동질성 검증 및 보정을 알고리즘을 개발하여 보다 정확한 기온 자료를 재생산하였다. 본 연구에서는 이렇게 재생산된 일최고기온 및 일최저기온 자료를 기온의 극한기후지수 군집분석을 위한 기초자료로 이용하였다. 본 연구에서는 일강수량 자료에 대해서도 품질검정과 동질성 검증 및 보정을 수행하기 위하여 F검정에 기초한 RHtest software를 이용하였다(Wang et al.
, 2002; 기상청, 2012). 이들 지수는 여러 극한 지수 중 발생 빈도가 비교적 많기 때문에 본 연구의 기후지역구분에 적합하다고 판단하여 선정하였다.
이러한 극한기후지수의 지역구분은 다양한 분야에서 기후변화 적응 및 완화에 대한 대응체계 마련에 도움이 될 것으로 판단되어 본 연구에서는 Fernández-Montes and Rodrigo(2011)의 연구를 기초로 우리나라를 대상으로 극한기온지수와 극한강수지수의 기후지역구분을 수행하고자 한다.
제안 방법
주성분 분석에서는 각 주성분이 보유하는 변이의 크기를 기준으로 그 중요도의 순서를 판단할 수 있는데, 그들 중 일부 몇 개의 주성분이 원래 자료에 내재하는 전체 변이 중 가능한 많은 부분을 보유하도록 변환시킴으로서 정보의 손실을 최소화하는 차원의 축약을 기할 수 있는 장점이 있다(김광섭, 2007). 앞에서 각 지점별로 산출된 극한기후지수의 연값을 입력변수로 하여 주성분 분석을 수행하였다. 이후 3절에서 극한기후지수의 군집 변화를 살펴보기 위하여 연구기간인 1973년에서 2010년을 전반기와 후반기로 나누어 분석하였고, 기후평년기간에 대해 살펴보고자 1981년에서 2010년 기간을 대상으로 하여 분석하였다.
먼저 기상관측지점 별 일최고기온 및 일최저기온과 일강수량에 대한 동질성 검정 및 보정을 수행한 후 산출된 일자료를 이용하여 극한기후지수를 계산하였다. 계산된 극한기후지수에 대하여 주성분 분석을 적용하여 모드별 기여도와 주성분 점수를 산출한다. 이후 산출된 주성분 점수를 이용하여 극한기후지수에 대하여 군집 분석을 적용하여 극한기후지수별 기후지역구분을 수행하였다.
이때 크리깅(kriging) 내삽 방법을 적용하여 공간분포를 지도화하였다. 극한기후지수에 대한 기후지역구분은 주성분 분석과 군집분석을 이용하였다. 주성분 분석은 다변량의 데이터로부터 본질이 되는 소수의 변량을 합성하여 그것으로 데이터를 분석하는 것이다(노형진, 2007).
비동질한 시계열로 판정된 나머지 지점의 튀는 해(break year)를 관측지점 이전, 관측 방법의 변화, 기기 변경 등을 기록한 각 기상관측지점별 메타데이터(metadata)와 비교한 결과 일치되는 지점들이 나타나지 않았다. 따라서 RHtest를 이용하여 일강수량의 동질성 검증과 보정은 어렵다고 판단하여 기상관측지점별 원자료를 가지고 극한강수지수를 산출하고 기후지역구분을 수행하였다.
먼저 1973년에서 2010년까지 38년간 극한기후지수의 공간분포를 분석하였다. 이때 크리깅(kriging) 내삽 방법을 적용하여 공간분포를 지도화하였다.
이를 위하여 몇 개의 주성분이 원래 자료에 내재하는 전체 변이 중 가능한 많은 부분을 보유하도록 변환시킴으로서 정보의 손실을 최소화하는 차원의 축약을 기할 수 있는 장점을 갖고 있는 주성분 분석을 적용하였다. 먼저 극한고온, 극한저온, 극한강수의 발생 빈도 및 규모를 지역별로 분석하였다. 열대일수는 전반적으로 해안의 지점보다 내 륙에서 많았고, 서리일수의 경우 고도와 위도의 특성이 잘 나타났다.
본 연구의 흐름도는 <그림 2>와 같다. 먼저 기상관측지점 별 일최고기온 및 일최저기온과 일강수량에 대한 동질성 검정 및 보정을 수행한 후 산출된 일자료를 이용하여 극한기후지수를 계산하였다. 계산된 극한기후지수에 대하여 주성분 분석을 적용하여 모드별 기여도와 주성분 점수를 산출한다.
본 연구는 이전연구에서 수행되었던 고품질 기후자료를 이용하여 산출된 극한기후지수를 통계적인 기법을 적용하여 기후지역구분을 수행하였다. 이를 위하여 몇 개의 주성분이 원래 자료에 내재하는 전체 변이 중 가능한 많은 부분을 보유하도록 변환시킴으로서 정보의 손실을 최소화하는 차원의 축약을 기할 수 있는 장점을 갖고 있는 주성분 분석을 적용하였다.
1981~2010년의 경우 1모드는 남북 방향뿐만 아니라 경상북도와 그 이외의 지역의 특징을, 2모드는 남해안 및 동해안과 그 이외의 지역, 3모드는 남북 방향의 특징을 나타내었다. 서리일수의 경우 1 모드만으로 변동성의 대부분을 설명하므로 1모드의 주성분 점수를 기간별로 살펴보았다(그림 7). 1973~1991년, 1992~2010년, 1981~2010년 모두 주성분 점수의 분포는 전반적으로 유사한 양상을 보였는데 제주도를 포함한 해안 지역과 그 이외 지역의 특징으로 구분하여 살펴볼 수 있다.
각 지점별로 산출된 극한기후지수의 연값을 입력변수로 하여 주성분 분석을 수행하였다. 열대일수는 모든 기간에서 1모드의 기여도가 크게 높았으며, 1992~2010년과 1981~2000년의 기간에서 3모드까지 선택하여야 누적 기여도가 80%를 넘으므로 3모드까지의 주성분 점수(principal component score)를 군집분석에 활용하였다(그림 4)
위에서 산출된 일최고기온과 일최저기온, 일강 수량을 이용하여 극한기후지수를 산출하였다. 연구에서 선정한 극한기후지수는 WMO 기후위원회 (Commission for Climatology, CCL)와 세계기후연구계획(World Climate Research Programme, WCRP) 산하 기후변동성과 예측(Climate Variability and Predictability, CLIVAR) 프로그램의 기후변화 탐지에 관한 공동실무단(Joint Working Group on Climate Change Detection)에서 권고한 10개 지수 중 제시한 더위와 추위를 나타내는 열대일수와 서리일수를, 호우일수는 2012년 발간된 한국기후도에서 연중 일강수량이 50mm 이상인 날의 수를 선정하였다(Frich et al.
먼저 1973년에서 2010년까지 38년간 극한기후지수의 공간분포를 분석하였다. 이때 크리깅(kriging) 내삽 방법을 적용하여 공간분포를 지도화하였다. 극한기후지수에 대한 기후지역구분은 주성분 분석과 군집분석을 이용하였다.
이렇게 누적기여율이 80%를 넘는 모드까지 각 모드별 주성분 점수를 산출하여 모드별 공간 분포를 기간별로 열대일수, 서리일수에 대하여 살펴보았다. 주성분 분석에 의한 주성분 점수의 공간 분포에서는 값이 0을 기준으로 부호가 바뀌면 변수의 변화 경향이 달라지는 특징이 있다.
본 연구는 이전연구에서 수행되었던 고품질 기후자료를 이용하여 산출된 극한기후지수를 통계적인 기법을 적용하여 기후지역구분을 수행하였다. 이를 위하여 몇 개의 주성분이 원래 자료에 내재하는 전체 변이 중 가능한 많은 부분을 보유하도록 변환시킴으로서 정보의 손실을 최소화하는 차원의 축약을 기할 수 있는 장점을 갖고 있는 주성분 분석을 적용하였다. 먼저 극한고온, 극한저온, 극한강수의 발생 빈도 및 규모를 지역별로 분석하였다.
앞에서 각 지점별로 산출된 극한기후지수의 연값을 입력변수로 하여 주성분 분석을 수행하였다. 이후 3절에서 극한기후지수의 군집 변화를 살펴보기 위하여 연구기간인 1973년에서 2010년을 전반기와 후반기로 나누어 분석하였고, 기후평년기간에 대해 살펴보고자 1981년에서 2010년 기간을 대상으로 하여 분석하였다. 주성분 분석을 통해 산출된 각 모드가 전체의 변동성에서 설명하는 비율(주성분의 분산/자료 전체의 흩어짐 양)을 백분율로 환산하여 기여도를 산출하고 누적된 기여도가 80% 이상 나타나는 모드까지를 선택하여 이후의 군집분석에 활용하였다(박창용 외, 2009).
계산된 극한기후지수에 대하여 주성분 분석을 적용하여 모드별 기여도와 주성분 점수를 산출한다. 이후 산출된 주성분 점수를 이용하여 극한기후지수에 대하여 군집 분석을 적용하여 극한기후지수별 기후지역구분을 수행하였다. 박창용・최영은(2011, 2012)은 기후자료에 내재되어 있는 오류 의심자료를 검출하고 검출된 오류 의심자료의 오류 여부를 판단하는 품질검정과 동질성 검증 및 보정을 알고리즘을 개발하여 보다 정확한 기온 자료를 재생산하였다.
호우일수는 남해안과 제주도에서 많았고, 경상북도 일대에서 적게 나타났다. 이후 주성분 분석과 군집분석을 통해 연구기간의 전・후반기 시기별 변화와 최근 30년 평균(1981~2010년)에 대한 극한기후지수에 대한 기후지역을 구분하였다. 열대일수의 경우 전반기(1973~1991년)에는 전반적으로 동서 방향으로 구분된 특징에서 후반기(1992~2010년)에는 남북 방향의 특징으로 변화하였다.
이후 3절에서 극한기후지수의 군집 변화를 살펴보기 위하여 연구기간인 1973년에서 2010년을 전반기와 후반기로 나누어 분석하였고, 기후평년기간에 대해 살펴보고자 1981년에서 2010년 기간을 대상으로 하여 분석하였다. 주성분 분석을 통해 산출된 각 모드가 전체의 변동성에서 설명하는 비율(주성분의 분산/자료 전체의 흩어짐 양)을 백분율로 환산하여 기여도를 산출하고 누적된 기여도가 80% 이상 나타나는 모드까지를 선택하여 이후의 군집분석에 활용하였다(박창용 외, 2009).
<그림 5>는 주성분 분석에 의한 호우일수의 각 모드별 기여도를 기간별로 나타낸 것이다. 호우일수는 1모드의 기여율이 크게 높지 않았고 1981~2000년의 기간에서 12모드까지가 누적 기여율이 80%를 넘으므로 호우일수는 주성분 분석에서 12모드까지의 주성분 점수를 군집분석에 활용하였다.
대상 데이터
5개 군집은 1973~1991년의 전반기의 경우 4개 군집에서 2지역이 5개 군집에서는 두 지역으로 구분되었고, 1992~2010년의 후반기에는 동해안과 남해안의 1지역이 완도, 여수, 통영, 부산이 다시 구분된 특징을 보였다. 1981~2010년에 대한 서리일수는 4개 군집의 결과가 군집의 연속성이 잘 나타나고 구분된 지역의 특징이 잘 나타나는 것으로 판단되어 이를 서리일수의 평년값에 대한 적합한 기후지역구분 결과로 선정하였다(그림 11).
본 연구에서는 1973~2011년의 관측자료를 보유하고 있는 우리나라 60개 기상관측지점(그림 1) 의 일최고기온, 일최저기온, 일강수량을 이용하였다. 울릉도의 경우 1973~2011년의 자료를 보유하고 있는 관측지점이지만 육지에서 거리가 멀고 면적이 작아 연구에서 제외하였다.
연구기간인 1973년에서 2010년까지 과거 38년 간 열대일수, 서리일수, 호우일수의 연평균 공간분포를 에 나타내었다.
위에서 산출된 일최고기온과 일최저기온, 일강 수량을 이용하여 극한기후지수를 산출하였다. 연구에서 선정한 극한기후지수는 WMO 기후위원회 (Commission for Climatology, CCL)와 세계기후연구계획(World Climate Research Programme, WCRP) 산하 기후변동성과 예측(Climate Variability and Predictability, CLIVAR) 프로그램의 기후변화 탐지에 관한 공동실무단(Joint Working Group on Climate Change Detection)에서 권고한 10개 지수 중 제시한 더위와 추위를 나타내는 열대일수와 서리일수를, 호우일수는 2012년 발간된 한국기후도에서 연중 일강수량이 50mm 이상인 날의 수를 선정하였다(Frich et al., 2002; 기상청, 2012). 이들 지수는 여러 극한 지수 중 발생 빈도가 비교적 많기 때문에 본 연구의 기후지역구분에 적합하다고 판단하여 선정하였다.
데이터처리
주성분 분석에서는 각 주성분이 보유하는 변이의 크기를 기준으로 그 중요도의 순서를 판단할 수 있는데, 그들 중 일부 몇 개의 주성분이 원래 자료에 내재하는 전체 변이 중 가능한 많은 부분을 보유하도록 변환시킴으로서 정보의 손실을 최소화하는 차원의 축약을 기할 수 있는 장점이 있다(김광섭, 2007). 앞에서 각 지점별로 산출된 극한기후지수의 연값을 입력변수로 하여 주성분 분석을 수행하였다. 이후 3절에서 극한기후지수의 군집 변화를 살펴보기 위하여 연구기간인 1973년에서 2010년을 전반기와 후반기로 나누어 분석하였고, 기후평년기간에 대해 살펴보고자 1981년에서 2010년 기간을 대상으로 하여 분석하였다.
이론/모형
군집분석에서는 한국의 지형 특성을 잘 반영하는 방법인 Ward 법을 적용하여 기후지역구분을 수행하였다(이승호 외, 2005; 허인혜, 2006). 군집 분석은 분석하고자 하는 대상의 특성들을 유사성 거리로 바꾸어 가까운 대상끼리 군집을 이루게 하는 것이 주요 원리인데 유사성 거리를 측정하는 여러 가지 방법 중 Ward 법에서 주로 사용하는 제곱 유클리드 거리를 적용하였다. 구분된 군집은 연속적으로 분포하는 형태가 바람직하다(박창용 외, 2008).
군집분석에서는 한국의 지형 특성을 잘 반영하는 방법인 Ward 법을 적용하여 기후지역구분을 수행하였다(이승호 외, 2005; 허인혜, 2006). 군집 분석은 분석하고자 하는 대상의 특성들을 유사성 거리로 바꾸어 가까운 대상끼리 군집을 이루게 하는 것이 주요 원리인데 유사성 거리를 측정하는 여러 가지 방법 중 Ward 법에서 주로 사용하는 제곱 유클리드 거리를 적용하였다.
본 연구에서는 이렇게 재생산된 일최고기온 및 일최저기온 자료를 기온의 극한기후지수 군집분석을 위한 기초자료로 이용하였다. 본 연구에서는 일강수량 자료에 대해서도 품질검정과 동질성 검증 및 보정을 수행하기 위하여 F검정에 기초한 RHtest software를 이용하였다(Wang et al., 2010). 현재 일강수량에 대하여 동질성 검증 및 보정을 제시하는 방법은 RHtest가 유일하다.
성능/효과
<그림 10>은 추위와 관련된 극한기후지수인 서리일수의 기후지역구분 결과를 나타낸 것이다. 3개 군집의 경우, 1973~1991년의 전반기, 1992~2010년의 후반기, 최근 30년 평균(1981~2010년) 모두 서로 크게 차이가 없이 유사한 분포를 보였으며 4개 군집과 5개 군집도 유사한 분포를 보여 더위와 관련된 극한기후지수인 열대일수와는 다른 양상을 나타내었다.
5개 군집을 살펴보면 전반기는 4개 군집에서 양평, 원주, 대전, 금산, 부여, 부안, 전주, 경남 내륙에 위치한 관측지점이 같은 지역으로 다시 구분되었고, 후반기와 평년값은 대구, 영천과 경상남도 내륙 북부의 지점, 광주 및 순천 등이 같은 지역으로 구분되었다. 5개 군집에서 전반기와 후반기를 비교해보면, 전반기에는 다르게 구분되었던 동해안이 후반기에 같은 지역으로 구분된 특징을 보였고, 후반기에 경상남도 북부 내륙과 대구, 영천 등이 같은 지역으로 구분된 특징을 보였다. 최근에 경상남도 북부 내륙에 위치한 합천, 밀양 등은 여름철 가장 높은 기온을 보이는 곳이기도 하다.
1992~2010년 후반기에 3개 군집에서 같은 지역으로 구분된 해안 지역이 4개 군집의 경우 제주도와 남해, 진주, 포항, 해남, 완도 등이 같은 지역으로 다시 구분된 특징을 보였고, 최근 30년 평균(1981~2010년)의 경우 강원 영서와 전라북도 일부 내륙 관측지점이 다시 구분된 특징을 나타냈다. 5개 군집을 살펴보면 전반기는 4개 군집에서 양평, 원주, 대전, 금산, 부여, 부안, 전주, 경남 내륙에 위치한 관측지점이 같은 지역으로 다시 구분되었고, 후반기와 평년값은 대구, 영천과 경상남도 내륙 북부의 지점, 광주 및 순천 등이 같은 지역으로 구분되었다. 5개 군집에서 전반기와 후반기를 비교해보면, 전반기에는 다르게 구분되었던 동해안이 후반기에 같은 지역으로 구분된 특징을 보였고, 후반기에 경상남도 북부 내륙과 대구, 영천 등이 같은 지역으로 구분된 특징을 보였다.
이를 통해 볼 때, 5개 군집의 경우가 군집의 연속성 및 지역성이 잘 나타나 있어서 호우일수의 기후지역구분에 적합한 군집 결과로 판단된다(그림 13). 5개 군집의 전반기와 후반기의 호우일수의 기후지역을 서로 비교해보면 전반기에는 제주도가 개별적으로 구분되었던 것이 후반기에는 서귀포와 성산에서 강원 영동 및 전라남도 남해안과 같은 지역으로 구분되었고, 경상북도 동해안이 다시 구분된 특징을 보였다. 선정된 호우일수의 평년값에 대한 적합한 기후지역구분 결과는 그림 x에 제시하였다.
6%가 영하로 떨어지는 날로 나타났다. 연평균서리일수가 가장 적은 제주도의 세 관측지점이 속한 4지역의 연평균서리일수는 13.2일로 연중 3.6%가 영하로 떨어졌으며 2지역과 4지역의 연평균서리일수의 차이는 116.7일로 열대일수의 경우보다 최대발생 지역과 최저발생 지역 간의 차이가 컸다.
먼저 극한고온, 극한저온, 극한강수의 발생 빈도 및 규모를 지역별로 분석하였다. 열대일수는 전반적으로 해안의 지점보다 내 륙에서 많았고, 서리일수의 경우 고도와 위도의 특성이 잘 나타났다. 호우일수는 남해안과 제주도에서 많았고, 경상북도 일대에서 적게 나타났다.
북부지역에서는 원주, 양평, 홍천, 충주 등에서 40일 이상의 분포를 보였다. 전반적으로 해안에 위치한 관측지점보다 내륙에 위치한 관측지점에서 열대일수가 많은 특징을 보였다.
서리일수는 전반기와 후반기, 최근 30년 평균(1981~2010년) 모두 서로 크게 차이가 없이 유사한 분포를 나타내었고 동해안 및 서해안, 제주도가 하나의 지역으로 구분된 특징을 보였다. 호우일수는 기온과는 달리 비교적 구분 지역의 연속성과 지역성이 잘 나타났으며 경기도 및 강원도 이남 지역에서 동서 방향으로 구분된 특징을 보였다.
연중 일강수량이 50mm 이상인 날의 수인 호우일수는 남해안과 제주 지역에서 많았고 경상북도 일대에서 적게 나타났다(그림 3c). 호우일수의 공간 분포는 여름철 평균 강수량과 아주 유사한 분포를 보이는데, 특히 남해, 거제 등에서 많은 특징을 보였다.
후속연구
극한기후는 재해발생의 주요 원인으로서 전 세계의 사회, 경제, 산업적 측면에서 치명적인 영향을 미치고 있다. 그 동안 수행되어 왔던 기후평균값을 이용한 기후구분이 아닌, 재해에 직접적인 영향을 미치는 극한기후사상의 기후지역구분을 수행한 본 연구를 통하여 우리나라 미래 기후를 예측하고 대비하는데 유용한 기초자료로 사용될 수 있을 것으로 기대한다. 또한 본 연구는 방재 기관에서 효율적인 재해 대응과 재난 및 안전관리 분야의 정책과 기술개발에 도움이 될 뿐만 아니라 다양한 분야에서 기후변화 적응 및 완화에 대한 대응체계 마련에 도움이 예상된다.
그 동안 수행되어 왔던 기후평균값을 이용한 기후구분이 아닌, 재해에 직접적인 영향을 미치는 극한기후사상의 기후지역구분을 수행한 본 연구를 통하여 우리나라 미래 기후를 예측하고 대비하는데 유용한 기초자료로 사용될 수 있을 것으로 기대한다. 또한 본 연구는 방재 기관에서 효율적인 재해 대응과 재난 및 안전관리 분야의 정책과 기술개발에 도움이 될 뿐만 아니라 다양한 분야에서 기후변화 적응 및 완화에 대한 대응체계 마련에 도움이 예상된다. 추후에는 공간해상도가 향상된 지역기후예측모델(Regional Climate Model, RCM)을 이용하여 전망된 우리나라의 미래 극한기후사상의 기후지역구분을 수행하여 극한기후사상의 지역별 변화에 대하여 과거의 결과와 비교하여 분석하는 후속 연구가 이어져야 할 것으로 생각한다.
또한 본 연구는 방재 기관에서 효율적인 재해 대응과 재난 및 안전관리 분야의 정책과 기술개발에 도움이 될 뿐만 아니라 다양한 분야에서 기후변화 적응 및 완화에 대한 대응체계 마련에 도움이 예상된다. 추후에는 공간해상도가 향상된 지역기후예측모델(Regional Climate Model, RCM)을 이용하여 전망된 우리나라의 미래 극한기후사상의 기후지역구분을 수행하여 극한기후사상의 지역별 변화에 대하여 과거의 결과와 비교하여 분석하는 후속 연구가 이어져야 할 것으로 생각한다.
질의응답
핵심어
질문
논문에서 추출한 답변
미래 전망 모델 시나리오 자료를 이용한 21세기 기후전망에서, 온도변화에 대해 분석한 내용은?
미래 전망 모델 시나리오 자료를 이용한 21세기 기후전망에서는 이 산화탄소의 농도를 2000년 수준으로 유지한다 하더라도 온난화 경향은 계속될 것으로 결론지어졌다. 또한 지난 수십 년 간 열대야, 열파, 폭우 및 폭설 등 극한기후사상(extreme climate events)의 강도 및 발생 빈도가 증가하였고 전지구적으로 낮과 밤이 추운 날의 발생 빈도는 감소하고, 더운 낮과 밤의 수의 증가 가능성이 매우 높다고 제시하였다. 특히 최근에는 인구가 밀집되어 있는 북반구 중위도에서 온난화 경향이 가장 크게 나타났으며 극한기후사상은 지구온난화와 관련되어 있다고 하였다. 이는 통계적 관점에서 기상 요소가 정 규 분포를 보인다고 가정했을 때, 지구온난화가 기상 요소의 평균 및 분산을 변화시킴에 따라 정규 분포의 양 극값인 극한기후사상의 빈도와 강도가 강화되기 때문이다.
미래 전망 모델 시나리오 자료를 이용한 21세기 기후전망의 결론은 무엇인가?
이러한 온 난화에 따라 극한기후현상의 규모와 강도는 증가할 것으로 전망되며 이러한 현상은 인간의 영향이 지배적인 원인이라고 IPCC 5차 평가보고서는 밝 히고 있다(IPCC, 2012; 2013). 미래 전망 모델 시나리오 자료를 이용한 21세기 기후전망에서는 이 산화탄소의 농도를 2000년 수준으로 유지한다 하더라도 온난화 경향은 계속될 것으로 결론지어졌다. 또한 지난 수십 년 간 열대야, 열파, 폭우 및 폭설 등 극한기후사상(extreme climate events)의 강도 및 발생 빈도가 증가하였고 전지구적으로 낮과 밤이 추운 날의 발생 빈도는 감소하고, 더운 낮과 밤의 수의 증가 가능성이 매우 높다고 제시하였다.
극한기후사상의 위험성은?
이로 인한 우리나라 극한기후사상의 빈도와 강도도 증가하고 있는 경향을 보이고 있다. 극한기후사상은 자연재해 발생의 주요한 원인이자 인간의 보건 및 생태계에 강력한 영향력을 미친다(Easterling, 2000; IPCC, 2012). 동아시아 지역 은 인구가 밀집하여 있고, 다양한 경제 및 산업 활동이 이루어지는 곳이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.