[논문]고해상도의 RCM 자료를 이용한 기후변화가 강우빈도 분석에 미치는 영향

김병식; 김보경; 권현한; 윤석영

고해상도의 RCM 자료를 이용한 기후변화가 강우빈도 분석에 미치는 영향
Climate Change effect on Rainfall Frequency analysis using high resolution RCM Data 원문보기

김병식 (한국건설기술연구원 수자원연구실) , 김보경 (한국건설기술연구원 수자원연구실) , 권현한 (한국건설기술연구원 수자원연구실) , 윤석영 (한국건설기술연구원 정책연구실 정책실)

2007년 세계경제포럼(WEF)은 우리가 직면한 최우선 해결과제로 기후변화를 언급하였다. 최저 기온 상승과 가뭄 영향 지역 확대, 폭염일수와 지역적 홍수 위험 증가 등 각종 이상기상이 야기하는 피해 확대에 대한 예상과 우려 때문이다(IPCC, 2007). 세계적으로 고온극한과 호우빈도 증가, 태풍 세기가 강화될 것으로 전망되고 있으며(IPCC, 2007), 국내의 경우 겨울철 한파 감소와 대설 피해 증가, 여름철 집중호우의 강도 심화, 가을철 초대형 태풍 발생으로 인한 피해 가능성이 예측 되고 있다(기상연구소, 2007). 현재, 이러한 현상들을 가시화하고 대처방안을 마련하기 위한 일환으로 기후변화 시나리오(GCM)가 작성되어 연구에 이용되고 있다. 그러나 GCM의 경우, 공간적 해상도가 낮아 지형학적 특성 등을 충분히 반영하지 못하는 단점이 있어 최근에는 공간 해상도가 GCM보다 높은 RCM(Regional Climate Model, 지역기후모델)자료를 적용한 연구도 진행되고 있다. 본 논문에서는 SRES A2 온난화가스시나리오 기반의 기상청 RegCM3 RCM($27km{\times}27km$)로 부터 일(daily)단위 자료를 각각 모의하여 비교하고, BLRPM을 이용하여 일(daily)단위 자료를 시(hourly)단위로 분해(disaggregation)하였다. 그리고 이들을 이용하여 지속기간별 확률강우량을 산정하여 미래 기후변화가 극한 강우에 미치는 영향을 평가하였다.

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

문제 정의

본 논문에서는 전 세계적으로 경험하고 있는 기후변화를 인정하고 미래의 기후변화가 극한 강우에 어떠한 영향을 미치는지를 평가하기 위하여 SRES A2 온난화가스 시나리오 기반의 RegCM3 RCM 자료를 이용하여 미래의 극한강우의 특성 분석과 지속기간별 확률강우량 분석을 실시하였다. 미래 기후변화 상태에서의 계절별 강수량을 현재와 비교한 결과 여름철과 겨울철에 대체적으로 증가하는 경향을 보였으며, Seasonal 자료(6월～9월)를 분석하여 현재와 비교하였을 때, Seasonal 강수량의 변화는 크게 두드러지지 않는 것으로 나타났으나 강수일수 감소가 뚜렷한 것을 확인할 수 있었다.
본 연구에서는 미래 기후변화가 극한 강우에 어떠한 영향을 미치는지 평가하기 위하여 IPCC SRES A2 온난화가스시나리오를 이용하여 고해상도(27km×27km)로 작성된 기상청 RegCM3 RCM 자료로부터 서울, 대구, 광주 지점 관측소별 일(daily)단위 기후변화 시나리오를 모의하였다.

제안 방법

또한 기후변화가 고려된 단기(short term)강우 사상을 모의하기 위하여 Rodriguez-Iturbe 등(1987)이 제시한 구형펄스(MBLRP)모형과 분해기법(adjustment method) (Koutsoyannis, 1994)을 이용하여 일 강우자료를 시간 (hourly) 단위의 강우를 모의하였다(김병식 등, 2008). 그리고 이들 시간 단위 강우를 이용하여 지속기간별 확률강우량을 산정하여 미래의 기후변화가 극한강우의 강우강도와 설계빈도 곡선에 미치는 영향을 평가하였다. 그림 1은 본 논문의 분석과정을 나타낸 것이다.
보정된 일(daily)단위 자료를 시(hourly)단위 자료로 변환하기 위하여, Rodriguez-Iturbe 등(1987, 1988)이 제안 및 수정한 구형펄스(Modified Bartlett Lewis Rectangular Pulse, MBLRP)모형을 적용하였다. 서울, 대구, 광주 지점의 7월 관측 자료로부터 추정된 매개변수로부터 RegCM3 RCM 기후변화 시나리오(2021년～2050년)상황에서의 일(daily)단위 강우를 시(hourly)단위 강우로 분해한 후 이들 결과를 이용하여 2030s 기간의 지속기간별 확률강우량 곡선을 작성하였다(그림 6).
한편, 모의된 RCM 자료의 불확실성을 검토하여 모형 보정과 검정결과 시 불확실성 검토 범위 내 적정하게 위치하는 것을 확인하였다. 이후, 수정구형펄스(Modified Bartlett Lewis Rectangular Pulse, MBLRP)모형을 이용하여 서울, 대구, 광주 지점에서의 미래 일(daily)단위의 자료를 시(hourly)단위 자료로 분해하여 지속기간별 빈도별 강우량 곡선을 작성하였다. 그 결과 지역 별로 차이는 있으나 대체적으로 현재보다 2030년대의 강우강도가 증가함을 확인할 수 있었다.

대상 데이터

본 연구에서는 기존 기후변화 관련 연구에서 사용되어 온 GCM(General Circulation Model)보다 더 세밀한 간격으로 구성되어 높은 해상도를 가진 RCM(Regional Climate Model)자료를 사용하였다(그림 2).

이론/모형

본 연구에서는 미래 기후변화가 극한 강우에 어떠한 영향을 미치는지 평가하기 위하여 IPCC SRES A2 온난화가스시나리오를 이용하여 고해상도(27km×27km)로 작성된 기상청 RegCM3 RCM 자료로부터 서울, 대구, 광주 지점 관측소별 일(daily)단위 기후변화 시나리오를 모의하였다. 그리고 Quantile Mapping 방법(Wood 등, 2002; Hamlet 등, 2003)을 이용하여 각 지점별 관측기간 46년(1961년～2006년)자료에 대하여 편이 보정(bias correction)을 실시하였다(권현한 등, 2008). 또한 기후변화가 고려된 단기(short term)강우 사상을 모의하기 위하여 Rodriguez-Iturbe 등(1987)이 제시한 구형펄스(MBLRP)모형과 분해기법(adjustment method) (Koutsoyannis, 1994)을 이용하여 일 강우자료를 시간 (hourly) 단위의 강우를 모의하였다(김병식 등, 2008).
그리고 Quantile Mapping 방법(Wood 등, 2002; Hamlet 등, 2003)을 이용하여 각 지점별 관측기간 46년(1961년～2006년)자료에 대하여 편이 보정(bias correction)을 실시하였다(권현한 등, 2008). 또한 기후변화가 고려된 단기(short term)강우 사상을 모의하기 위하여 Rodriguez-Iturbe 등(1987)이 제시한 구형펄스(MBLRP)모형과 분해기법(adjustment method) (Koutsoyannis, 1994)을 이용하여 일 강우자료를 시간 (hourly) 단위의 강우를 모의하였다(김병식 등, 2008). 그리고 이들 시간 단위 강우를 이용하여 지속기간별 확률강우량을 산정하여 미래의 기후변화가 극한강우의 강우강도와 설계빈도 곡선에 미치는 영향을 평가하였다.
보정된 일(daily)단위 자료를 시(hourly)단위 자료로 변환하기 위하여, Rodriguez-Iturbe 등(1987, 1988)이 제안 및 수정한 구형펄스(Modified Bartlett Lewis Rectangular Pulse, MBLRP)모형을 적용하였다. 서울, 대구, 광주 지점의 7월 관측 자료로부터 추정된 매개변수로부터 RegCM3 RCM 기후변화 시나리오(2021년～2050년)상황에서의 일(daily)단위 강우를 시(hourly)단위 강우로 분해한 후 이들 결과를 이용하여 2030s 기간의 지속기간별 확률강우량 곡선을 작성하였다(그림 6).
앞서 그림 1에 나타낸 것과 같이 C-WGEN을 적용하여 2001년부터 2060년까지 작성된 서울, 대구, 광주 지점(그림 3)의 관측소별 일(daily)단위의 강우 시계열에 대하여 Panofsy와 Brire(1963)이 제안한 Quantile Mapping 방법을 적용하였다. 모의된 GCM 자료를 보다 정확하게 보정하는데 목적을 두며(Wiley, 2004), 먼저 GCM 자료와 과거 자료의 누가확률분포를 산정한 후 동일한 확률 분포형을 가질 수 있도록 전이함수를 만들어 미래 GCM자료에도 동일하게 적용하는 방법이다(김병식 등; 권현한 등, 2008).

성능/효과

이후, 수정구형펄스(Modified Bartlett Lewis Rectangular Pulse, MBLRP)모형을 이용하여 서울, 대구, 광주 지점에서의 미래 일(daily)단위의 자료를 시(hourly)단위 자료로 분해하여 지속기간별 빈도별 강우량 곡선을 작성하였다. 그 결과 지역 별로 차이는 있으나 대체적으로 현재보다 2030년대의 강우강도가 증가함을 확인할 수 있었다.
그림 5는 서울 지점에 대하여 RegCM3 RCM 자료로부터 Quantile Mapping 방법을 적용한 후 모의 결과에 대한 불확실성을 검토한 결과를 나타낸 것으로, 모형 보정과 검정결과 시 불확실성 검토 범위 내 적정하게 위치하는 것을 확인할 수 있었다.
본 논문에서는 전 세계적으로 경험하고 있는 기후변화를 인정하고 미래의 기후변화가 극한 강우에 어떠한 영향을 미치는지를 평가하기 위하여 SRES A2 온난화가스 시나리오 기반의 RegCM3 RCM 자료를 이용하여 미래의 극한강우의 특성 분석과 지속기간별 확률강우량 분석을 실시하였다. 미래 기후변화 상태에서의 계절별 강수량을 현재와 비교한 결과 여름철과 겨울철에 대체적으로 증가하는 경향을 보였으며, Seasonal 자료(6월～9월)를 분석하여 현재와 비교하였을 때, Seasonal 강수량의 변화는 크게 두드러지지 않는 것으로 나타났으나 강수일수 감소가 뚜렷한 것을 확인할 수 있었다. 한편, 모의된 RCM 자료의 불확실성을 검토하여 모형 보정과 검정결과 시 불확실성 검토 범위 내 적정하게 위치하는 것을 확인하였다.
미래 기후변화 상태에서의 계절별 강수량을 현재와 비교한 결과 여름철과 겨울철에 대체적으로 증가하는 경향을 보였으며, Seasonal 자료(6월～9월)를 분석하여 현재와 비교하였을 때, Seasonal 강수량의 변화는 크게 두드러지지 않는 것으로 나타났으나 강수일수 감소가 뚜렷한 것을 확인할 수 있었다. 한편, 모의된 RCM 자료의 불확실성을 검토하여 모형 보정과 검정결과 시 불확실성 검토 범위 내 적정하게 위치하는 것을 확인하였다. 이후, 수정구형펄스(Modified Bartlett Lewis Rectangular Pulse, MBLRP)모형을 이용하여 서울, 대구, 광주 지점에서의 미래 일(daily)단위의 자료를 시(hourly)단위 자료로 분해하여 지속기간별 빈도별 강우량 곡선을 작성하였다.

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

고해상도의 RCM 자료를 이용한 기후변화가 강우빈도 분석에 미치는 영향
Climate Change effect on Rainfall Frequency analysis using high resolution RCM Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

고해상도의 RCM 자료를 이용한 기후변화가 강우빈도 분석에 미치는 영향 Climate Change effect on Rainfall Frequency analysis using high resolution RCM Data 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

고해상도의 RCM 자료를 이용한 기후변화가 강우빈도 분석에 미치는 영향
Climate Change effect on Rainfall Frequency analysis using high resolution RCM Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper