The main objective of this study was to assess reference evapotranspiration based on multiple GCMs (General Circulation Models) and estimation methods. In this study, 10 GCMs based on the RCP (Representative Concentration Pathway) 4.5 scenario were used to estimate reference evapotranspiration. 54 A...
The main objective of this study was to assess reference evapotranspiration based on multiple GCMs (General Circulation Models) and estimation methods. In this study, 10 GCMs based on the RCP (Representative Concentration Pathway) 4.5 scenario were used to estimate reference evapotranspiration. 54 ASOS (Automated Synoptic Observing System) data were constructed by statistical downscaling techniques. The meteorological variables of precipitation, maximum temperature and minimum temperature, relative humidity, wind speed, and solar radiation were produced using GCMs. For the past and future periods, we estimated reference evapotranspiration by GCMs and analyzed the statistical characteristics and analyzed its uncertainty. Five methods (BC: Blaney-Criddle, HS: Hargreaves-Samani, MK: Makkink, MS: Matt-Shuttleworth, and PM: Penman-Monteith) were selected to analyze the uncertainty by reference evapotranspiration estimation methods. We compared the uncertainty of reference evapotranspiration method by the variable expansion and analyzed which variables greatly influence reference evapotranspiration estimation. The posterior probabilities of five methods were estimated as BC: 0.1792, HS: 0.1775, MK: 0.2361, MS: 0.2054, and PM: 0.2018. The posterior probability indicated how well reference evapotranspiration estimated with 10 GCMs for five methods reflected the estimated reference evapotranspiration using the observed data. Through this study, we analyzed the overall characteristics of reference evapotranspiration according to GCMs and reference evapotranspiration estimation methods The results of this study might be used as a basic data for preparing the standard method of reference evapotranspiration to derive the water management method under climate change.
The main objective of this study was to assess reference evapotranspiration based on multiple GCMs (General Circulation Models) and estimation methods. In this study, 10 GCMs based on the RCP (Representative Concentration Pathway) 4.5 scenario were used to estimate reference evapotranspiration. 54 ASOS (Automated Synoptic Observing System) data were constructed by statistical downscaling techniques. The meteorological variables of precipitation, maximum temperature and minimum temperature, relative humidity, wind speed, and solar radiation were produced using GCMs. For the past and future periods, we estimated reference evapotranspiration by GCMs and analyzed the statistical characteristics and analyzed its uncertainty. Five methods (BC: Blaney-Criddle, HS: Hargreaves-Samani, MK: Makkink, MS: Matt-Shuttleworth, and PM: Penman-Monteith) were selected to analyze the uncertainty by reference evapotranspiration estimation methods. We compared the uncertainty of reference evapotranspiration method by the variable expansion and analyzed which variables greatly influence reference evapotranspiration estimation. The posterior probabilities of five methods were estimated as BC: 0.1792, HS: 0.1775, MK: 0.2361, MS: 0.2054, and PM: 0.2018. The posterior probability indicated how well reference evapotranspiration estimated with 10 GCMs for five methods reflected the estimated reference evapotranspiration using the observed data. Through this study, we analyzed the overall characteristics of reference evapotranspiration according to GCMs and reference evapotranspiration estimation methods The results of this study might be used as a basic data for preparing the standard method of reference evapotranspiration to derive the water management method under climate change.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 5개의 기준증발산량 추정 방법을 모두 고려하기 위해 6개의 기상 인자 (강수량, 최고기온, 최저 기온, 풍속, 상대습도, 일사량)를 모두 제공하는 총 10개의 GCMs을 선정하여 기상 자료를 구축하였다. 각 GCMs을 장기간의 신뢰성 있는 기상 자료가 구축되어있는 우리나라 54개 종관기상관측소 (ASOS)를 대상으로 상세화하고 편의보정을 수행하여 생성한 일단위 강수량 (PRCP), 최고기온 (TMAX), 최저기온 (TMIN), 풍속 (WSPD), 상대습도 (RHUM), 일사량 (RSDS)을 사용하였다.
본 연구의 목적은 기후변화 상세 시나리오 기반의 CMIP5 GCMs과 증발산량 추정 방법에 따른 기준증발산량을 평가하는 데 있다.
제안 방법
기준증발산량 추정은 10개 GCMs과 5개의 방법에 대해 각각 기준증발산량을 추정하고 분석하였다. 10개 GCMs에 대해 ASOS 별 기준증발산량을 추정한 뒤 전체 ASOS에 대한 평균값을 산정하여 우리나라의 미래 기준증발산량을 분석하였다. 이후 10개 GCMs 평균값을 다중모델 앙상블로 사용하여 5개의 방법별로 분석하여 기상변수확장에 따른 기준증발산량의 특성을 분석하였다.
Figure 8은 과거 기간 (1976-2005)의 관측 자료와 10개 GCMs의 기준증발산량을 추정한 결과를 5개의 방법별로 나타내고 있다. 10개 GCMs의 기준증발산량을 각각 추정한 뒤 평균값을 산정하여 분석하였다. 5개의 방법 (Blaney-Criddle, Hargreaves-Samani, Makkink, MattShuttleworth, Penman-Monteith 순서)별로 과거 기간의 관측 자료와 10개 GCMs 결과로 추정한 연평균 기준증발산량은 관측 자료로 추정한 값이 BC: 1438.
5개의 방법에 따른 불확실성을 분석하기 위해 과거 기간 (1976-2005)의 관측 자료와 10개 GCMs 결과로 추정한 기준증발산량에 BMA 기법을 적용하여 5개의 방법의 사후 확률을 산정하였다. 5개의 방법의 사후 확률은 BC: 0.
Figure 9는 5개의 방법에 따른 불확실성을 분석하기 위해 과거 기간 (1976-2005)의 관측 자료와 10개 GCMs 결과로 추정한 기준증발산량에 BMA 기법을 적용하여 5개의 방법의 사후 확률을 산정한 결과를 보여주고 있다. 5개의 방법의 사전 확률은 모두 0.20으로 동등하게 설정 하였고 우도함수를 이용하여 관측 자료와 10개 GCMs 결과로 추정한 기준증발산량을 비교하여 사후 확률을 산정하였고 이를 각 방법의 가중치로 적용하였다. 사후 확률은 5개의 방법에 대해 10개 GCMs 결과로 추정한 기준증발산량이 관측 자료를 이용하여 추정한 기준증발산량을 얼마나 잘 반영하는지를 나타낸다.
BMA 기법을 이용하여 5개의 방법별 불확실성을 평가하고 5개의 방법을 모두 고려하는 기준증발산량을 산정하였다. Table 4는 RCP4.
이후 10개 GCMs 평균값을 다중모델 앙상블로 사용하여 5개의 방법별로 분석하여 기상변수확장에 따른 기준증발산량의 특성을 분석하였다. Bayesian Model Averaging 기법을 이용하여 5개의 방법에 대한 사후 확률을 산정하여 기상변수 확장에 따른 기준증발산량의 불확실성을 분석하였다. 최종적으로 사후 확률을 각 방법별 가중치로 적용하여 10개 GCMs 평균값을 가중 평균한 값을 도출하였다.
본 연구에서는 5개의 기준증발산량 추정 방법을 모두 고려하기 위해 6개의 기상 인자 (강수량, 최고기온, 최저 기온, 풍속, 상대습도, 일사량)를 모두 제공하는 총 10개의 GCMs을 선정하여 기상 자료를 구축하였다. 각 GCMs을 장기간의 신뢰성 있는 기상 자료가 구축되어있는 우리나라 54개 종관기상관측소 (ASOS)를 대상으로 상세화하고 편의보정을 수행하여 생성한 일단위 강수량 (PRCP), 최고기온 (TMAX), 최저기온 (TMIN), 풍속 (WSPD), 상대습도 (RHUM), 일사량 (RSDS)을 사용하였다. 본 연구에서 사용한 10개 CMIP5 GCMs은 1976년∼ 2099년까지 상세화된 기상 자료를 제공한다.
본 연구는 기준증발산량 추정을 위한 기상 자료 구축과 기준증발산량 추정으로 구분하여 수행하였다. 기상 자료 구축은 CMIP5 GCMs을 ASOS (Automated Synoptic Observing System)지점을 대상으로 상세화와 편의보정을 수행하여 일단위 기상 자료를 생성하였다. 기준증발산량 추정은 10개 GCMs과 5개의 방법에 대해 각각 기준증발산량을 추정하고 분석하였다.
기상 자료 구축은 CMIP5 GCMs을 ASOS (Automated Synoptic Observing System)지점을 대상으로 상세화와 편의보정을 수행하여 일단위 기상 자료를 생성하였다. 기준증발산량 추정은 10개 GCMs과 5개의 방법에 대해 각각 기준증발산량을 추정하고 분석하였다. 10개 GCMs에 대해 ASOS 별 기준증발산량을 추정한 뒤 전체 ASOS에 대한 평균값을 산정하여 우리나라의 미래 기준증발산량을 분석하였다.
최고, 최저기온 사용 / Makkink: 최고, 최저기온, 일사량 사용 / Matt-Shuttleworth: 최고, 최저기온, 상대습도, 일사량, 풍속 사용 / Penman-Monteith: 최고, 최저기온, 상대 습도, 일사량, 풍속 사용)을 선정하였다. 변수 확장을 통해 기준증발산량 추정 방법에 따른 불확실성을 비교하여 어느 변수가 기준증발산량 추정에 큰 영향을 미치는지 분석하였다.
본 연구는 기준증발산량 추정을 위한 기상 자료 구축과 기준증발산량 추정으로 구분하여 수행하였다. 기상 자료 구축은 CMIP5 GCMs을 ASOS (Automated Synoptic Observing System)지점을 대상으로 상세화와 편의보정을 수행하여 일단위 기상 자료를 생성하였다.
본 연구를 통해 10개 GCMs과 5개의 기준증발산량 추정 방법에 따른 기준증발산량의 변동성을 분석하여 전체적인 특성을 파악하였다. 본 연구의 결과는 향후 기후변화를 고려한 물관리 방법을 도출하기 위한 기준증발산량 표준 산정 기법을 마련하는 데 기초자료로 활용할 수 있다.
, 2005). 본 연구에서는 5개의 기준증발산량 추정 방법을 Mk, 과거 기간 (1976-2005)의 관측 자료로 추정한 기준증발산량을 yT로 대입하여 각 방법에 대한 불확실성을 분석하였다.
본 연구에서는 다중모델 앙상블 GCMs의 결과를 이용하여 GCMs별 기준증발산량의 특성을 분석하고, 기준증발산량 추정 방법에 따른 특성을 분석하여 기준증발산량을 평가하였다. 다중모델 앙상블 GCMs은 강수량, 최고 기온, 최저기온, 상대습도, 풍속, 일사량을 모두 생산하는 10개 GCMs을 선정하였다.
5개의 방법을 선정한 이유는 변수를 확장함에 따라 기준증발산량의 불확실성이 어떻게 변하는지 분석할 수 있기 때문이었다. 사후 확률을 이용하여 이러한 변수 확장을 통한 기준증발산량의 불확실성을 평가하고 5개의 방법을 모두 고려하는 데 가중치로 적용하였다.
사후 확률이 작을수록 기준증발산량을 추정하는데 사용하는 변수의 불확실성이 크다는 것을 의미한다. 사후 확률을 활용하여 변수 확장을 통한 기준증발산량의 불확실성을 평가하고 이를 방법별 가중치로 적용하여 5개의 방법을 모두 고려하는 기준증발산량을 산정하였다. 식 (5)는 BMA 기법의 기본 식을 보여주고 있다 (Raftery et al.
(2016)은 기상청에서 제공하는 고해상도 국가표준 기후변화 시나리오를 사용하여 4개의 산정 방법에 따른 5,050개 읍면동 지역의 기준증발산량 (Reference evapotranspiration, ETo)을 산정하였다. 산정결과를 데이터베이스로 구축하여 자료 활용성을 제고하였다. Hong et al.
(2015)은 합리적인 농업수자원 기후변화 영향 평가를 위해 제5차 결합기후모델비교사업 (Coupled Model Intercomparison Project Phase 5, CMIP5)에서 제공하는 25개 GCM과 기상청에서 제공하는 지역기후모델인 HadGEM3-RA의 산출물에 대한 경향성을 분석하였다. 연강수량과 기준작물증발산량을 산정하여 GCM과 HadGEM3-RA의 차이를 비교하였다. Kim et al.
10개 GCMs에 대해 ASOS 별 기준증발산량을 추정한 뒤 전체 ASOS에 대한 평균값을 산정하여 우리나라의 미래 기준증발산량을 분석하였다. 이후 10개 GCMs 평균값을 다중모델 앙상블로 사용하여 5개의 방법별로 분석하여 기상변수확장에 따른 기준증발산량의 특성을 분석하였다. Bayesian Model Averaging 기법을 이용하여 5개의 방법에 대한 사후 확률을 산정하여 기상변수 확장에 따른 기준증발산량의 불확실성을 분석하였다.
최고, 최저기온 사용 / Makkink: 최고, 최저기온, 일사량 사용 / Matt-Shuttleworth: 최고, 최저기온, 상대습도, 일사량, 풍속 사용 / Penman-Monteith: 최고, 최저기온, 상대 습도, 일사량, 풍속 사용)을 선정하였다. 변수 확장을 통해 기준증발산량 추정 방법에 따른 불확실성을 비교하여 어느 변수가 기준증발산량 추정에 큰 영향을 미치는지 분석하였다.
다중모델 앙상블 GCMs은 강수량, 최고 기온, 최저기온, 상대습도, 풍속, 일사량을 모두 생산하는 10개 GCMs을 선정하였다. 통계적 기법을 사용하여 54개의 종관기상관측소 (ASOS)에 대해 상세화와 편의보정을 수행하여 과거 및 미래 기간에 대해 기준증발산량을 추정하였다. 기준증발산량 추정 방법은 총 5개의 방법
대상 데이터
본 연구에서는 다중모델 앙상블 GCMs의 결과를 이용하여 GCMs별 기준증발산량의 특성을 분석하고, 기준증발산량 추정 방법에 따른 특성을 분석하여 기준증발산량을 평가하였다. 다중모델 앙상블 GCMs은 강수량, 최고 기온, 최저기온, 상대습도, 풍속, 일사량을 모두 생산하는 10개 GCMs을 선정하였다. 통계적 기법을 사용하여 54개의 종관기상관측소 (ASOS)에 대해 상세화와 편의보정을 수행하여 과거 및 미래 기간에 대해 기준증발산량을 추정하였다.
본 연구에서 사용한 10개 CMIP5 GCMs은 1976년∼ 2099년까지 상세화된 기상 자료를 제공한다.
데이터처리
5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040) 기준증발산량을 5개의 방법으로 추정한 결과와 BMA 기법을 이용하여 가중 평균한 값으로 보여주고 있다. BMA 기법을 사용하여 산정한 사후 확률을 가중치로 적용하여 5개의 방법으로 추정한 기준증발산량의 가중평균값을 산정하였다. 가중평균값은 전체적으로 Penman-Monteith 방법으로 추정한 기준증발산량과 비슷한 경향을 나타내며, 9월 이후에는 Hargreaves-Samani 방법, 10월 이후에는 Makkink 방법과 비슷한 경향을 나타냈다.
Bayesian Model Averaging 기법을 이용하여 5개의 방법에 대한 사후 확률을 산정하여 기상변수 확장에 따른 기준증발산량의 불확실성을 분석하였다. 최종적으로 사후 확률을 각 방법별 가중치로 적용하여 10개 GCMs 평균값을 가중 평균한 값을 도출하였다. Figure 1은 기준증발산량 추정에 대한 전체적인 순서를 보여주고 있다.
이론/모형
5개의 기준증발산량 추정 방법에 따른 불확실성은 BMA (Bayesian Model Averaging)기법을 사용하여 분석하였다 (Hoeting et al. 1999). BMA 기법은 모형의 베이즈 이론 (Bayes’theorem)을 이용하는 방법으로 사후 확률을 산정하여 모형의 불확실성을 분석하는 통계적인 방법이다.
, 2005). 과거 기간의 증발산량은 다양한 기상 인자가 구축된 경우에는 일반적으로 FAO에서 표준으로 권장하는 Penman-Monteith 방법을 사용하여 추정한다 (FAO, 1998; Allen et al., 1998; Hur et al., 2006; Kim et al., 2017). 미래 기간의 증발산량은 기후변화 시나리오에서 제공하는 기상 인자에 종류에 따라 적합한 방법을 사용하여 추정한다 (Lee and Park, 2008; Oh and Lee, 2004).
기준증발산량은 5개의 방법 (BC: Blaney-Criddle, HS: Hargreaves-Samani, MK: Makkink, MS: Matt-Shuttleworth, PM: Penman-Monteith)을 선정하여 추정하였다. 5개의 방법을 선정한 근거는 GCMs에 구축된 기상자료를 고려하여 변수를 확장함에 따라 기준증발산량이 어떻게 변하는지 분석할 수 있기 때문이다.
BMA 기법을 사용하여 산정한 사후 확률을 가중치로 적용하여 5개의 방법으로 추정한 기준증발산량의 가중평균값을 산정하였다. 또한 농업 등의 분야에서 활용성을 높이기 위해 Penman-Monteith 방법으로 추정한 기준증발산량을 따로 구분하여 제시하였다.
5 시나리오를 사용하여 10개 GCMs과 BMA 기법을 이용하여 5개의 방법을 모두 고려한 54개 ASOS의 미래 기간 (2011-2040) 기준증발산량을 정리하여 보여주고 있다. 또한 농업 등의 분야에서 활용성을 높이기 위해 작물 계수가 구축되어 있고 (Yoo et al., 2006), FAO에서 표준으로 권장하는 Penman-Monteith 방법으로 기준증발산량을 추정한 결과를 따로 구분하여 제시하였다. Table 5는 RCP4.
본 연구에서 사용한 10개 CMIP5 GCMs은 1976년∼ 2099년까지 상세화된 기상 자료를 제공한다. 통계적 상세화 방법은 BCSD (sbias-correction/spatial disaggregation) 방법과 기후시나리오 내 장기추세를 반영하기 위한 QDM (quantile delta mapping)방법을 결합한 SDQDM 방법과 기후변화 시나리오 자료를 경험적 분포를 이용하여 관측점 단위로 상세화하는 SQM (Simple Quantile Mapping)방법을 사용하였다 (Eum and Cannon, 2017; Cho et al., 2016). Table 1은 본 연구에서 사용한 GCMs에 대해 설명하고 있다.
성능/효과
3개의 방법이 모두 일사량을 고려하므로 GCMs에 따라 월별 일사량의 특성이 다르게 나타남에 따라 기준증발산량 추정에 영향을 미치는 것으로 사료된다. Figure 3은 RCP4.
10개 GCMs의 기준증발산량을 각각 추정한 뒤 평균값을 산정하여 분석하였다. 5개의 방법 (Blaney-Criddle, Hargreaves-Samani, Makkink, MattShuttleworth, Penman-Monteith 순서)별로 과거 기간의 관측 자료와 10개 GCMs 결과로 추정한 연평균 기준증발산량은 관측 자료로 추정한 값이 BC: 1438.1 mm, HS: 1128.6 mm, MK: 944.1 mm, MS: 795.0 mm, PM: 992.3 mm, 10개 GCMs 결과로 추정한 값이 BC: 1435.0 mm, HS: 1068.1 mm, MK: 948.3 mm, MS: 791.6 mm, PM: 995.0 mm로 나타났다. Hargreaves-Samani 방법만 관측 자료로 추정한 기준증발산량이 10개 GCMs 결과로 추정한 기준증발산량 보다 조금 크게 나타났고, 나머지 4개의 방법은 유사하게 나타났다.
5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040) 기준증발산량을 추정한 결과를 5개의 방법별 Box plot으로 나타내고 있다. 5개의 방법별로 살펴보면 겨울철의 기준증발산량 변동성은 비슷하게 산정되는 것으로 보이며, 전체적으로 4월의 기준증발산량 변동성이 크게 나타나는 경향을 나타냈다. Makkink, Matt-Shuttleworth, Penman-Monteith 방법은 7월과 8월의 기준증발산량 변동성이 크게 나타내는 경향을 나타냈다.
5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040) 기준증발산량을 추정한 결과를 5개의 방법별로 나타내고 있다. 5개의 방법별로 살펴보면 전체적으로 Blaney-Criddle 방법을 이용한 기준증발산량이 가장 크게 추정되었고, Matt-Shuttleworth 방법이 가장 작게 추정되었다. Hargreaves-Samani 방법은 5월과 7월에 기준증발산량이 가장 크게 추정되었고, Makkink 방법도 IPSL-CM5A-LR, MIROC-ESM 등을 제외하면 5월에 기준 증발산량이 가장 크게 추정되었다.
BMA 기법을 이용하여 산정한 사후 확률 값을 기준으로 평가하면 최고, 최저기온만을 사용하는 방법보다 다른 기상 변수를 고려하는 방법을 사용하는 것이 전체적인 불확실성을 감소시킬 수 있다고 볼 수 있다. 5개의 방법으로 한정해서 살펴보면 최고, 최저기온에 일사량만을 추가한 Makkink 방법의 불확실성이 제일 작은 것으로 분석되었다. BMA 기법을 사용하여 산정한 사후 확률을 가중치로 적용하여 5개의 방법으로 추정한 기준증발산량의 가중평균값을 산정하였다.
5개의 방법의 사후 확률은 BC: 0.1792, HS: 0.1775, MK: 0.2361, MS: 0.2054, PM: 0.2018로 산정되었다. Hargreaves-Samani 방법의 사후 확률이 가장 작게 산정되었는데 이는 기온에 따른 불확실성이 커서 우도함수의 값이 작게 산정되어 결과적으로 사후 확률이 작게 산정된 것으로 사료된다.
5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040)의 기준증발산량을 BlaneyCriddle 방법으로 산정한 결과를 4개의 대권역 (한강 유역, 금강 유역, 낙동강 유역, 영산강 유역)으로 구분하여 Box plot으로 보여주고 있다. Blaney-Criddle 방법으로 산정한 결과를 살펴보면 전체적으로 7월의 기준증발산량이 가장 크게 나타났다. 4개의 대권역별 기준증발산량의 경향성은 비슷한 것으로 분석되었다.
GCMs별로 살펴보면 HadGEM2-CC 결과를 이용하여 추정한 기준증발산량은 4월과 5월에 가장 크게, IPSL-CM5A-LR 결과를 이용하여 추정한 기준증발산량은 7월에 가장 크게 나타났다. 이는 GCMs에 따라 월별 기상 인자의 특성이 다르게 나타남에 따라 기준증발산량 추정에 영향을 미치는 것으로 사료된다.
Matt-Shuttleworth와 Penman-Monteith 방법은 전반적으로 7월과 8월에 기준증발산량이 가장 크게 추정되는 경향을 나타냈다. GCMs별로 살펴보면, HadGEM2-CC가 4월과 5월의 기준증발산량을 가장 크게 추정하고, IPSL-CM5A-LR가 7월의 기준증발산량을 가장 크게 추정하는 경향을 나타냈다.
0 mm로 나타났다. Hargreaves-Samani 방법만 관측 자료로 추정한 기준증발산량이 10개 GCMs 결과로 추정한 기준증발산량 보다 조금 크게 나타났고, 나머지 4개의 방법은 유사하게 나타났다. 이는 Hargreaves-Samani 방법으로 관측 자료를 사용한 기준증발산량이 5월에 크게 추정되었기 때문이라 사료된다.
5개의 방법별로 살펴보면 전체적으로 Blaney-Criddle 방법을 이용한 기준증발산량이 가장 크게 추정되었고, Matt-Shuttleworth 방법이 가장 작게 추정되었다. Hargreaves-Samani 방법은 5월과 7월에 기준증발산량이 가장 크게 추정되었고, Makkink 방법도 IPSL-CM5A-LR, MIROC-ESM 등을 제외하면 5월에 기준 증발산량이 가장 크게 추정되었다. Matt-Shuttleworth와 Penman-Monteith 방법은 전반적으로 7월과 8월에 기준증발산량이 가장 크게 추정되는 경향을 나타냈다.
5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040)의 기준증발산량을 PenmanMonteith 방법으로 산정한 결과를 4개의 대권역 (한강 유역, 금강 유역, 낙동강 유역, 영산강 유역)으로 구분하여 Box plot으로 보여주고 있다. Penman-Monteith 방법으로 산정한 결과를 살펴보면, 전체적으로 5, 6, 7, 8월의 기준증발산량이 크게 산정된 결과를 나타내고 있다. 한강, 금강 유역은 8월의 기준증발산량 변동성이 가장 크게 나타났고, 영산강 유역은 6, 7, 8월의 기준증발산량 변동성이 전체적으로 크게 나타났다.
RCP4.5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040) 기준증발산량을 추정한 결과를 5개의 방법 별로 살펴보면 전체적으로 Blaney-Criddle 방법이 기준증발산량이 가장 크게, Matt-Shuttleworth 방법이 가장 작게 추정되었다. 월별로 살펴보면 Hargreaves-Samani 방법은 기준증발산량이 5월과 7월에 가장 크게 추정되었고, Makkink 방법도 IPSL-CM5A-LR, MIROC-ESM 등을 제외 하면 기준증발산량이 5월에 가장 크게 추정되었다.
금강 유역은 7월의 기준증발산량이 가장 크게 나타났고, 4월의 기준증발산량 변동성이 크게 나타났다. 낙동강 유역도 7월의 기준증발산량이 가장 크게 나타났고, 영산강 유역은 5, 6, 7월의 기준증발산량이 전체적으로 크게 나타났다. 다른 유역에 비해 한강 유역의 4, 5, 6월 기준증발산량의 변동성이 큰 것으로 분석되어 농업 분야의 관개계획을 수립 시에 이러한 점을 고려해야 할 것으로 사료된다.
이러한 점을 고려해서 계절별 물관리의 중요도가 다를 경우 적합한 기준증발산량 추정 방법을 선택할 수 있는 근거로 사용할 수 있다. 또한 5개의 방법 모두 전반적으로 4월의 기준증발산량 변동성이 크게 나타나는 경향을 나타나는 경향을 보였고, 겨울철의 기준증발산량 변동성은 비슷하게 추정되는 것으로 사료된다. Makkink, Matt-Shuttleworth, Penman-Monteith 방법으로 추정한 기준 증발산량은 7월과 8월에 크게 나타났으며, 이는 월별 일사량의 특성이 다르게 나타남에 따라 기준증발산량 추정에 영향을 미치는 것으로 사료된다.
이는 GCMs에 따라 월별 기상 인자의 특성이 다르게 나타남에 따라 기준증발산량 추정에 영향을 미치는 것으로 사료된다. 본 연구에서는 GCMs 다중모델 앙상블을 고려하여 10개 GCMs의 평균값을 사용하였지만, GCMs별 특성을 고려하여 계절별 물 관리의 중요도가 다를 경우 적절한 GCM을 선정할 수 있는 근거로 사용할 수 있다.
5 시나리오를 사용하여 10개 GCMs의 미래 기간 (2011-2040) 기준증발산량을 추정한 결과를 5개의 방법 별로 살펴보면 전체적으로 Blaney-Criddle 방법이 기준증발산량이 가장 크게, Matt-Shuttleworth 방법이 가장 작게 추정되었다. 월별로 살펴보면 Hargreaves-Samani 방법은 기준증발산량이 5월과 7월에 가장 크게 추정되었고, Makkink 방법도 IPSL-CM5A-LR, MIROC-ESM 등을 제외 하면 기준증발산량이 5월에 가장 크게 추정되었다. Matt-Shuttleworth와 Penman-Monteith 방법은 기준증발산량이 전반적으로 7월과 8월에 가장 크게 추정되었다.
또한 한강, 금강 유역은 8월의 기준증발산량 변동성이 큰 것으로 분석되었다. 유역별로 비교를 하면 영산강 유역의 기준증발산량이 가장 크게, 낙동강 유역의 기준증발산량이 가장 작게 산정되었다. Makkink방법은 전체적으로 봄철의 기준증발산량이 크고, 여름철의 기준증발산량 변동성이 큰 경향을 보이고 있다.
후속연구
5 시나리오를 사용하여 10개 GCMs과 Penman-Monteith 방법을 이용하여 추정한 54개 ASOS의 미래 기간 (2011-2040) 기준증발산량을 정리하여 보여주고 있다. 54개 ASOS의 기준증발산량은 기후 변화에 따른 우리나라의 기준증발산량을 추정하는 데 참고자료로 활용할 수 있을 것이라 사료된다.
5 km, 1 day)자료를 기반으로 Penman-Monteith 방법을 사용하여 우리나라 시군별 증발 산량과 Hargreaves 공식을 사용하여 우리나라 중권역별 증발산량을 제공하고 있다 (Climate information portal, 2017). 기후변화로 인한 수자원 관리의 중요성과 선행연구를 통해 파악한 증발산량 추정 결과를 감안하면 기후 모형에 내재한 불확실성과 추정 방법에 따른 불확실성을 추가적으로 고려하여 증발산량을 분석할 필요가 있다.
낙동강 유역도 7월의 기준증발산량이 가장 크게 나타났고, 영산강 유역은 5, 6, 7월의 기준증발산량이 전체적으로 크게 나타났다. 다른 유역에 비해 한강 유역의 4, 5, 6월 기준증발산량의 변동성이 큰 것으로 분석되어 농업 분야의 관개계획을 수립 시에 이러한 점을 고려해야 할 것으로 사료된다.
이러한 결과를 우리나라 유역단위 수문모델링의 입력 자료로 활용하여 장기유출량 산정을 통한 수자원장기종합계획 수립에 반영할 수 있다. 또한 SPEI (Standardized Precipitation Evapotranspiration Index)와 같이 기준증발산량을 사용하는 가뭄지수를 산정하는 데 있어 활용할 수 있을 것으로 사료된다.
본 연구를 통해 10개 GCMs과 5개의 기준증발산량 추정 방법에 따른 기준증발산량의 변동성을 분석하여 전체적인 특성을 파악하였다. 본 연구의 결과는 향후 기후변화를 고려한 물관리 방법을 도출하기 위한 기준증발산량 표준 산정 기법을 마련하는 데 기초자료로 활용할 수 있다. 5개의 방법을 모두 고려하여 기준증발산량을 산정하거나 유역에 따라 적절한 방법을 선정하는 데 활용할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
하천유출량은 어떻게 산정하는가?
하천유출량은 수자원 총량에서 손실량을 제외하여 산정하며, 손실량 중 증발산량은 하천유출량에 중요한 영향을 미치는 인자로 구분된다 (MOLIT, 2016). 또한 증발산량은 유역의 가뭄 전망에 직접적인 영향을 미치므로 기후변화에 따른 수자원 영향 평가를 수행하기 위해서는 신뢰성 있는 증발산량 추정이 필요하다 (Kim et al.
증발산량은 어떤 방법을 통해 추정할 수 있는가?
, 2013). 증발산량은 기상 인자로부터 상관관계를 통해 추정하는 방법, 기온을 기반으로 추정하는 방법, 기온과 일사량을 기반으로 추정하는 방법, 다양한 기상 인자를 조합하여 추정하는 방법 중 자료 구축 현황에 맞추어 적절한 방법으로 추정할 수 있다 (Oudin et al., 2005).
본 연구에서 사용한 6개의 기상 인자는 우리나라 54개 종관기상관측소 (ASOS)를 대상으로 상세화하고 편의보정을 수행하여 생성한 어떤 자료인가?
본 연구에서는 5개의 기준증발산량 추정 방법을 모두 고려하기 위해 6개의 기상 인자 (강수량, 최고기온, 최저 기온, 풍속, 상대습도, 일사량)를 모두 제공하는 총 10개의 GCMs을 선정하여 기상 자료를 구축하였다. 각 GCMs을 장기간의 신뢰성 있는 기상 자료가 구축되어있는 우리나라 54개 종관기상관측소 (ASOS)를 대상으로 상세화하고 편의보정을 수행하여 생성한 일단위 강수량 (PRCP), 최고기온 (TMAX), 최저기온 (TMIN), 풍속 (WSPD), 상대습도 (RHUM), 일사량 (RSDS)을 사용하였다. 본 연구에서 사용한 10개 CMIP5 GCMs은 1976년∼ 2099년까지 상세화된 기상 자료를 제공한다.
참고문헌 (31)
Allen, R.G., Pereira, L.S., Raes, D., and Smith, M., 1998, Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage. paper 56, FAO, Rome.
Allen, R.G., Walter, I.A., Elliott, R., Howell, T., Itenfisu, D., and Jensen, M., 2005, The ASCE standardized reference evapotranspiration equation, ASCE-EWRI Task Committee Report.
Bae, D.H., Jung, I.W., Lee, B.J., and Lee, M.H., 2011, Future Korean Water Resources Projection Considering Uncertainty of GCMs and Hydrological Models, Journal of Korea Water Resources Association 44(5): 389-406.
Cho, J., Ko, G., Kim, K., and Oh, C., 2016, Climate Change Impacts on Agricultural Drought with Consideration of Uncertainty in CMIP5 Scenarios, Irrigation and Drainage 65(S2): 7-15.
Choi, S.-K., Kim, M.-K., Jeong, J., Choi, D., and Hur, S.-O., 2017, Estimation of Crop Yield and Evapotranspiration in Paddy Rice with Climate Change Using APEX-Paddy Model, Journal of the Korean Society of Agricultural Engineers 59(4): 27-42.
Climate information portal, 2017, http://www.climate.go.kr/index.html, Accessed 25 Sep. 2017.
De Bruin, H.A.R. and Lablans, W.N. 1998, Reference crop evapotranspiration determined with a modified Makkink equation, Hydrological Processes 12, 1053-1062.
Eum, H.-I. and Cannon, A.J., 2017, Intercomparison of projected changes in climate extremes for South Korea: application of trend preserving statistical downscaling methods to the CMIP5 ensemble, International Journal of Climatology 37: 3381-3397.
Hong, E.M., Choi, J.Y., Lee, S.H., Yoo, S.H., and Kang, M.S., 2009, Estimation of Paddy Rice Evapotranspiration Considering Climate Change Using LARS-WG, Journal of the Korean Society of Agricultural Engineers 51(3): 25-35.
Hur, S.-O., Jung, K.-H., Ha, S.-K., and Kim, J.-G., 2006, Evaluation of Meteorological Elements Used for Reference Evapotranspiration Calculation of FAO Penman-Monteith Mode, Korean Journal of Soil Science and Fertilizer 39(5): 274-279l.
IPCC, 2014, Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L.White (eds.)], Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1132 pp.
Kim, B.S., Sung, J.H., Lee, B.H., and Kim, D.J., 2013, Evaluation on the Impact of Extreme Droughts in South Korea using the SPEI and RCP8.5 Climate Change Scenario, Journal of the Korean Society of Hazard Mitigation 13(2):97-109.
Kim, S.J., Kim, M.-I., Lim, C.-H., Lee, W.-K., and Kim, B.-J., 2017, Applicability Analysis of FAO56 Penman-Monteith Methodology for Estimating Potential Evapotranspiration in Andong Dam Watershed Using Limited Meteorological Data, Journal of Climate Change Research 8(2): 125-143.
Kim, T., Suh, K., Nam, W.-H., Lee, J., Hwang, S., Yoo, S.-H., and Hong, S.-O., 2016, Design and Implementation of Reference Evapotranspiration Database for Future Climate Scenarios, Journal of Korean Society of Rural Planning 22(4): 71-80.
Kingston, D.G., Todd, M.C., Taylor, R.G., Thompson, J.R., and Arnell, N.W., 2009, Uncertainty in the estimation of potential evapotranspiration under climate change, GEOPHYSICAL RESEARCH LETTERS 36 L20403.
Lee, K.-H. and Park, J.-H., 2008, Calibration of the Hargreaves Equation for the Reference Evapotranspiration Estimation on a Nation-Wide Scale, Journal of the Korean Society of Civil Engineers 28(6B): 675-681.
McMahon, T., Peel, M., Lowe, L., Srikanthan, R., and McVicar, T., 2012, Estimating actual, potential, reference crop and pan evaporation using standard meteorological data: a pragmatic synthesis, Hydrology and Earth System Sciences Discussions 9: 11829-11910.
Ministry of Land, Infrastructure and Transport (MOLIT), 2016, Long-Term Comprehensive Water Plan (2001-2020), 11-1613000-001716-13, Ministry of Land, Infrastructure and Transport, Sejong, Republic of Korea.
Mishra, V., Kumar, R., Shah, H.L., Samaniego, L., Eisner, S., and Yang, T., 2017, Multimodel assessment of sensitivity and uncertainty of evapotranspiration and a proxy for available water resources under climate change, Climatic Change 141: 451-465.
Oh, N.S. and Lee, K.-H., 2004, Calculation of Evapotranspiration Based on Daily Temperature, Journal of Korea Water Resources Association 37(6): 479-485.
Oudin, L., Hervieu, F., Michel, C., Perrin, C., Andreassian, V., Anctil, F., and Loumagne, C., 2005, Which potential evapotranspiration input for a lumped rainfall-runoff model? Part 2-Towards a simple and efficient potential evapotranspiration model for rainfall-runoff modelling, Journal of Hydrology 303: 290-306.
Priestly, C.H.B. and Taylor, R.J., 1972, On the assessment of surface heat flux and evaporation using large-scale parameters, Monthly Weather Review 100(2): 81-92.
Prudhomme, C. and Williamson, J., 2013, Derivation of RCM-driven potential evapotranspiration for hydrological climate change impact analysis in Great Britain: a comparison of methods and associated uncertainty in future projections, Hydrology and Earth System Sciences 17: 1365-1377.
Raftery, A.E., Gneiting, T., Balabdaoui, F., and Polakowski, M., 2005, Using Bayesian Model Averaging to Calibrate Forecast Ensembles, Monthly Weather Review 133: 1155-1174.
Shuttleworth, W. and Wallace, J., 2009, Calculating the water requirements of irrigated crops in Australia using the Matt-Shuttleworth approach, Transactions of the ASABE, 52, 1895-1906.
Valiantzas, J.D., 2013, Simplified forms for the standardized FAO-56 Penman-Monteith reference evapotranspicration using limited weather data, Journal of Hydrology 505: 13-23.
Yoo, S.-H., Choi, J.-Y., and Jang, M.-W., 2006, Estimation of Paddy Rice Crop Coefficients for FAO Penman-Monteith and Modified Penman Method, Journal of the Korean Society of Agricultural Engineers 48(1): 13-23.
Yoo, S.-H., Kim, T., Lee, S.-H., and Choi, J.-Y., 2015, Trend Analysis of Projected Climate Data based on CMIP5 GCMs for Climate Change Impact Assessment on Agricultural Water Resources, Journal of the Korean Society of Agricultural Engineers 57(5): 69-80.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.