[논문]고해상도 소기후모형을 이용한 국내 167개 시·군별 이상기상 발생빈도 자료

조세라; 심교문; 박주현; 김용석; 허지나

doi:10.5532/kjafm.2020.22.3.164

초록
AI-Helper

기상조건은 농업에 영향을 미치는 주요 환경요인이며, 특히 이상기상의 발생은 작물의 성장 및 작황에 큰 영향을 미친다. 그러므로 이상기상으로 인한 농업적 피해를 줄이기 위해 관측을 바탕으로 한 이상기상의 발생 빈도 분석 및 통계자료가 필요하다. 본 연구에서는 30m 및 270m 해상도의 고해상도 소기후 모형을 통해 상세화된 3종의 주요 기상변수(기온, 강수, 일사량)를 이용해, 남한의 167개 시·군의 1981년부터 2019년 동안 발생한 이상기상 발생에 대한 통계자료를 소개하였다. 소기후 모형을 통해 추정된 167개 시·군 이상기상 현상 발생 특징은 기상청의 종관 기상 관측자료와 비교해 보았을 때 전국적인 분포 및 변화 경향을 잘 반영하는 것으로 나타났다. 또한, 기상청 종관 기상 관측 시스템에서 관측하지 못하는 지역의 기상까지 반영한 고해상도의 자료를 활용하였으므로 해당 시·군의 이상기상을 더욱 현실적으로 나타내었다. 본 연구에서 소개하는 시·군별 이상기상 통계자료는 농업 부문의 기상재해 취약성 평가 및 피해 저감을 위한 정책 기초자료로 활용될 수 있을 것으로 생각된다.

Abstract ▼ AI-Helper

The weather conditions, such as temperature, precipitation, and sunshine duration, play one of the key roles in Agriculture. In particular, extreme weather events have crucial impacts on growth and yields of crops. This study estimates statistics of extreme weather events in 167 Si-gun over South Ko...

The weather conditions, such as temperature, precipitation, and sunshine duration, play one of the key roles in Agriculture. In particular, extreme weather events have crucial impacts on growth and yields of crops. This study estimates statistics of extreme weather events in 167 Si-gun over South Korea derived from high-resolution(30 and 270m) topo-climatology model for key three meteorological variables(temperature, precipitation and sunshine duration). It is shown that the characteristic of each extreme weather frequency in the topo-climatology model is in good agreement with observation from Korean Meteorological Administration's Automatic Surface Observing System. Moreover, it is possible to analyze the statistics of extreme weather more realistically because this data can cover the weather at not-observed regions. Hence, this data is expected to be used as baseline data for assessing vulnerability to extreme weather and politic decisions for damage reduction in agricultural sector.

주제어

표/그림 (5)

표 Table 1. Definitions of extreme weather events of temperature, precipitation and sunshine duration
그림 Fig. 1. Box plot of extreme event frequency over S. Korea (MDL : 167 Si-gun / ASOS : 61 stations) during 1981-2019(39 years). The box shows the range from 25 to 75 percentile values and the upper and lower whiskers indicate 10 and 90 percentile value. The dot and the line in the middle of the box denote the average and median value, respectively. The positive and negative extreme events are distinguished with (+) and (-) marks at the end of variable names in X axis.
그림 Fig. 2. Spatial distribution of positive(+) and negative(-) extreme event’s trends(events/year) with respect to sunshine duration(a, b), temperature(c, d), and precipitation(e, f) during 1981-2019 over 61 ASOS stations.
그림 Fig. 3. Spatial distribution of positive(+) and negative(-) extreme event’s trends(events/year) with respect to sunshine duration(a, b), temperature(c, d), and precipitation(e, f) during 1981-2019 over 167 Si-gun of S. Korea.
그림 Fig. 4. The example of excel files about extreme event frequency statistics over 167 Si-gun of S. Korea.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서, 본 연구에서는 소기후 모형으로부터 추정된 고해상도의 일별 기후자료를 활용한 남한의 167개 시⋅군별 이상기상 발생 통계 자료를 분석 및 소개하고자 한다.
소기후 모형을 통해 추정된 167개 시⋅군 이상기상 현상 발생 특징은 기상청의 종관 기상 관측 자료와 비교해 보았을 때 전국적인 분포 및 변화 경향을 잘 반영하는 것으로 나타났다. 또한, 기상청 종관기상 관측 시스템에서 관측하지 못하는 지역의 기상까지 반영한 고해상도의 자료를 활용하였으므로 해당 시⋅군의 이상기상을 더욱 현실적으로 나타내었다. 본 연구에서 소개하는 시⋅군별 이상기상 통계자료는 농업 부문의 기상재해 취약성 평가 및 피해 저감을 위한 정책 기초자료로 활용될 수 있을 것으로 생각된다.
본 연구에서는 30m 및 270m 해상도의 고해상도 소기후 모형을 통해 상세화 된 3종의 주요 기상변수(기온, 강수, 일사량)를 이용해, 남한의 167개 시⋅군의 1981년부터 2019년 동안 발생한 이상기상 발생에 대한 통계자료를 소개하였다.

제안 방법

기온과 일조시간의 이상기상은 표준편차 법을 이용하여 25년에 한번(상⋅하위 4%) 발생할 수 있는 강도의 이상기상을, 강수의 경우 퍼센타일 법을 이용하여 상⋅하위 5퍼센타일 범위를 벗어나는 강수를 이상기상으로 정의하였다.
본 연구에서는 이렇게 상세화 된 30m 및 270m 해상도의 기상자료를 활용하여 해당 시⋅군 영역 내의 격자들을 평균하여 총 167개 시⋅군에 대한 39년의 일별 기상 값을 생산하였다.
본 자료는 각 변수(기온, 일조시간, 강수량) 별로 파일이 구성되어 있으며, 다양한 분야의 사용자가 쉽게 사용할 수 있도록 엑셀파일로 제공된다(Fig. 4). 먼저, 표준편차 법을 사용한 기온과 일조시간의 경우, 첫 탭에는 평년 기간 평균과 표준편차에 의해 표준 정규화 된 기온과 일조시간이 지역과 연도, 날짜순으로 정렬되어 있다.
본 자료는 작물의 생육과 생산성에 아주 밀접한 관련이 있는 기온, 강수량, 일조시간 3가지 기상요소를 활용하여 총 6가지 이상기상[고온(Hot day), 저온(Cold day), 다우(Wet day), 과우(Dry day), 다조(Bright day), 과조(Dim day)]의 발생 횟수를 167개 시⋅군별로 정리하였다.
소기후 모형으로부터 추정한 시⋅군별 이상기상 발생 빈도(Topo-climatology model, MDL)의 정확성을 평가하기 위해 기상청의 61개 종관기상 관측자료(ASOS)와의 이상기상 빈도 발생 평균 분포 및 추세를 비교해 보았다.
이상기상 판별 전, 자료의 균일성 및 연속성을 위해 소기후 모형을 통해 생산된 시⋅군별 39년 일 기상 값에 대해 각 변수별로 10일 이동평균을 취하여 이상기상 판별에 사용하였다.

대상 데이터

본 연구에서 소개하는 이상기상 발생 빈도 자료는 앞서 2장에서 설명한 방법으로 구분된 이상기상의 연도별 발생횟수(회/년)를 167개 시⋅군에 대하여 추정한 자료이다.
(2020)에 자세히 설명되어 있다. 본 자료는 농촌진흥청의 농업 분야 기후변화 실태 보고서의 기초자료로 사용되며(RDA, 2018), 소기후 모형의 성능 개선을 위해 현장 관측 및 실증을 통해 모형의 보완 및 품질관리가 이루어지고 있다.
시⋅군별 이상기상을 추정하기 위해 사용한 기상자료는 1981-2019년까지 일별 기상청의 94개 종관 기상관측에 기상 상세화 기술(소기후 모형)을 적용한 30m 및 270m 수평 해상도의 격자형 기후자료이다.
해당자료는 구글 크롬(Google Chrome)에서 최적화 된 https://agecoclim.agmet.kr 사이트에서 확인하고 다운 받을 수 있다.

성능/효과

전국적 발생 빈도의 공간분포는 ASOS와 MDL이 매우 유사하였다(그림으로 나타내지 않음). 변수별로 살펴보았을 때 MDL과 ASOS의 차이가 가장 큰 변수는 다우와 과우였고, 이는 지역적 편차가 큰 강수의 특성상 영역 평균이 적용된 MDL 결과와 지점 자료인 ASOS 사이의 차이로 인해 나타난 것으로 보인다.
소기후 모형을 통해 추정된 167개 시⋅군 이상기상 현상 발생 특징은 기상청의 종관 기상 관측 자료와 비교해 보았을 때 전국적인 분포 및 변화 경향을 잘 반영하는 것으로 나타났다.
2d)으로 지구온난화의 영향으로 인한 평균적인 기온의 증가의 영향이 이상기상의 변화에도 반영된 것으로 해석된다. 일조시간(Fig. 2a and Fig. 2b)과 강수(Fig. 2e and Fig. 2f)는 양의 이상기상과 음의 이상기상 모두 증가하는 경향이 나타나 한쪽 방향으로의 증가가 아닌 기상현상 자체의 변동성이 커지는 것을 확인할 수 있다. 이러한 변화 경향은 167개 시⋅군별 자료에서도 동일하게 나타났으며 공간적 분포도 유사하게 나타나 본 연구에서 제시한 자료가 신뢰성 있게 이상기상의 발생 빈도를 추정하고 있음을 알 수 있다(Fig.

후속연구

기상조건은 농업에 영향을 미치는 주요 환경요인이며, 특히 이상기상의 발생은 작물의 성장 및 작황에 큰 영향을 미친다. 그러므로 이상기상으로 인한 농업적 피해를 줄이기 위해 관측을 바탕으로 한 이상기상의 발생 빈도 분석 및 통계자료가 필요하다. 본 연구에서는 30m 및 270m 해상도의 고해상도 소기후 모형을 통해 상세화 된 3종의 주요 기상변수(기온, 강수, 일사량)를 이용해, 남한의 167개 시⋅군의 1981년부터 2019년 동안 발생한 이상기상 발생에 대한 통계자료를 소개하였다.
또한, 기상청 종관기상 관측 시스템에서 관측하지 못하는 지역의 기상까지 반영한 고해상도의 자료를 활용하였으므로 해당 시⋅군의 이상기상을 더욱 현실적으로 나타내었다. 본 연구에서 소개하는 시⋅군별 이상기상 통계자료는 농업 부문의 기상재해 취약성 평가 및 피해 저감을 위한 정책 기초자료로 활용될 수 있을 것으로 생각된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기상조건은 어떤 요인이며, 특히 이상기상의 발생은 어떤 영향을 미치는가?	기상조건은 농업에 영향을 미치는 주요 환경요인이며, 특히 이상기상의 발생은 작물의 성장 및 작황에 큰 영향을 미친다. 그러므로 이상기상으로 인한 농업적 피해를 줄이기 위해 관측을 바탕으로 한 이상기상의 발생 빈도 분석 및 통계자료가 필요하다.
	ASOS의 한계를 극복하기 위한 방안은?	주요 행정 지역 단위인 167개 시⋅군을 기준으로 살펴보면 각 시⋅군당 1개 이하의 관측 지점을 가지므로 기상청의 종관기상관측(ASOS) 자료만을 이용하여 이상기상을 분석하는 것에는 한계가 있다. 이러한 한계를 극복하기 위해 지형 및 기후학적 특성을 고려한 소기후 모형이 관측되지 않는 지역의 기상을 고해상도로 재현하는 데 활용되고 있다(Kim et al., 2019).
	한 지역의 기후는 특정 지역에 어떤 영향을 끼치는가?	한 지역의 기후(기온, 강수 등)는 농업생태계에 영향을 주는 주요한 요인 중 하나로, 특정 지역에서 재배 작물을 선택하고 작부체계를 구축하며, 재배기술을 최적화시키는 등의 농업활동 전반에 영향을 미친다(Shim et al., 2013; Yun, 1999).

참고문헌 (12)

Ahn, J. B., S. Jo, M. S. Suh, D. H. Cha, D. K. Lee, S. Y. Hong, S. K. Min, S. C. Park, H. S. Kang, K. M. Shim, 2016: Changes of precipitation extremes over South Korea projected by the 5 RCMs under RCP scenarios. Asia-Pacific Journal of Atmospheric Sciences 52(2), 223-236.

상세보기
Hur, J. N., J. H. Park, K. M. Shim, Y. S. Kim and S. R. Jo, 2020: A high-resolution agro-climatic dataset for assessment of climate change over South Korea. Korean Journal of Agricultural and Forest Meteorology 22(3), 128-134. (in Korean with English abstract)
Im, E. S., J. B. Ahn and S. R. Jo 2015: Regional climate projection over South Korea simulated by the HadGEM2-AO and WRF model chain under RCP emission scenarios. Climate Research 63(3), 249-266.

상세보기
Jo, S. R., J. B. Ahn, D. H. Cha, S. K. Min, M. S. Suh, Y. H. Byun and J. U. Kim, 2019: The Koppen-Trewartha Climate-Type Changes Over the CORDEX-East Asia Phase 2 Domain Under 2 and $3^{\circ}C$ Global Warming. Geophysical Research Letters 46(23), 14030-14041.
Kim, S. O., J. H. Kim, D. J. Kim, and J. I. Yun, 2012: Wind effect on the distribution of daily minimum temperature across a cold pooling catchment. Korean Journal of Agricultural and Forest Meteorology 14(4), 277-282. (in Korean with English abstract)
Kim, D. J., and J. I. Yun, 2013: Improving usage of the Korea Meteorological Administration's Digital Forecasts in agriculture: 2. Refining the distribution of precipitation amount. Korean Journal of Agricultural and Forest Meteorology 11(2), 72-78. (in Korean with English abstract)
Kim, S. O., and J. I. Yun, 2016: Downscaling of sunshine duration for a complex terrain based on the shaded relief image and the sky condition. Korean Journal of Agricultural and Forest Meteorology 18(4), 233-241. (in Korean with English abstract)
Kim, D. J., S. O. Kim, J. H. Kim and E. J. Yun, 2019: Establishment of Geospatial Schemes Based on Topo-Climatology for Farm-Specific Agrometeorological Information. Korean Journal of Agricultural and Forest Meteorology 21(3), 146-157. (in Korean with English abstract)
KMA (Korean Meteorological Administration), 2018: Evaluation of Contribution of Meteorological Observation Data to Weather Forecasts, 240pp.
RDA (Rural Development Administration), 2018: Survey on climate change in agricultural sector, 434pp. (in Korean)
Shim, K. M., Y. S. Kim, M. P. Jung, S. C. Kim, S. H. Min and K. H. So, 2013: Agro-Climatic zonal characteristics of the frequency of abnormal air temperature occurrence in South Korea. Journal of Climate Change Research 4(2), 189-199. (in Korean with English abstract)
Yun, J. I., 1999: Agricultural Meteorology. Arche Publishing House, 15-21. (in Korean)

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

고해상도 소기후모형을 이용한 국내 167개 시·군별 이상기상 발생빈도 자료
Extreme Weather Frequency Data over 167 Si-gun of S. Korea with High-resolution Topo-climatology Model 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (5)

표/그림 (5)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

고해상도 소기후모형을 이용한 국내 167개 시·군별 이상기상 발생빈도 자료 Extreme Weather Frequency Data over 167 Si-gun of S. Korea with High-resolution Topo-climatology Model 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (5) 모든 표/그림 보기

표/그림 (5) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

심교문 (93) 박주현 (11) 김용석 (41)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

고해상도 소기후모형을 이용한 국내 167개 시·군별 이상기상 발생빈도 자료
Extreme Weather Frequency Data over 167 Si-gun of S. Korea with High-resolution Topo-climatology Model 원문보기

초록
AI-Helper

표/그림 (5)

표/그림 (5)

AI 본문요약
AI-Helper