2.1 연구 지역

전라남도는 2015년 6월부터 10월까지 강우량이 평년 대비 50 % 이하가 되어 극심한 가뭄이 발생하였으며, 2022년 또한 연 강수량이 평년의 60 %에 그쳐 가뭄이 발생하였다^{(JNGEC, 2022)}. 또한 대표농도경로(Representative Concentration Pathway, RCP) 시나리오에 따른 강수량을 전망한 결과, 전라남도의 연평균 강수량은 모든 시나리오에서 관측자료(1981~2010년)와 비교하여 크게 증가하는 것으로 나타났다. 특히, RCP 4.5 시나리오에서는 전라남도의 연평균 강수량(1981~2010년)인 1,476.0 mm에 비해 33.01 mm/년, RCP 8.5 시나리오에서는 44.30 mm/년의 증가 경향을 보일 것으로 예상된다. RCP 4.5 시나리오에서 2041년부터 2070년까지는 전라남도의 연평균 강수량(1981~2010년) 대비 24.4 %가 상승하고, 2071년부터 2100년까지는 37.8 %가 상승할 것으로 전망된다. 그리고 RCP 8.5 시나리오에서 2041년부터 2070년까지는 전라남도의 연평균 강수량(1981~2010년) 대비 34.8 %가 상승하고, 2071년부터 2100년까지는 39.3 %가 상승할 것으로 예상된다^{(JNGEC, 2022)}. 또한 기상청에서 공통사회경제경로(Shared Socioeconomic Pathways, SSP) 시나리오에 따른 강수량을 전망한 결과, 전라북도의 연평균 강수량은 모든 시나리오에서 관측자료(2000~2019년) 보다 증가할 것으로 나타났다. SSP2-4.5 시나리오에서 2041년부터 2070년까지 전라북도의 연평균 강수량(2000~2019년)인 1,294.7 mm에 비해 3.7 %가 상승하고, 2071년부터 2100년까지 11.1 %가 상승할 것으로 전망된다. 그리고 SSP5-8.5 시나리오에서 2041년부터 2070년까지 전라북도의 연평균 강수량(2000~2019년) 대비 2.4 %가 상승하고, 2071년부터 2100년까지 12.7 %가 상승할 것으로 예상된다^{(KMA, 2023b)}.

본 연구는 전라도에 위치한 13개 종관기상관측장비(Automated Synoptic Observation System, ASOS) 기상관측소(Fig. 1)의 월 강우량에 대해 경향성을 분석하였다.

Fig. 1. Location of ASOS Weather Stations with Station Code Numbers In Jeolla

2.2 연구 자료

본 연구에서는 기후변화에 따른 강수량의 경향성을 분석하기 위해 과거 관측과 미래 기후변화 시나리오의 월 강수량 자료를 사용하였다. 과거 자료의 경우, 기상청에서 제공하는 1973년부터 2022까지의 ASOS 기상관측소 지점별 월 강수량 자료를 활용하였다. 미래 기후변화 자료의 경우, 그동안 Coupled Model Intercomparison Project 5(CMIP5)에서 제공하는 RCP 시나리오 기반의 모의 자료가 주로 사용되어 왔으나^{(Kim et al., 2021)}, 본 연구에서는 기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change, IPCC)의 6차 평가보고서에서 제공하는 SSP 시나리오 바탕으로 HadGEM3-RA(국립기상과학원), WRF(부산대), CCLM(포항공대), GRIMs(공주대), RegCM4(울산과학기술원) 모델을 사용하여 개발된 5ENSMN 앙상블 모델을 기반으로 모의된 기후변화 시나리오를 사용하였다^{(KMA, 2023a)}. 본 연구에서 사용한 미래 기후변화 시나리오 자료는 2023년부터 2100년까지의 남한상세 행정구역별로 SSP5-8.5 시나리오에 따라 모의된 월 강수량 자료이다. 우리나라의 기온과 강수량의 증가폭이 CMIP5 RCP 시나리오보다 SSP 시나리오가 크며^{(IPCC, 2021)}, 가뭄 예측의 신뢰 수준은 RCP 시나리오보다 SSP 시나리오에서 더 높은 것으로 분석되고 있다^{(Song et al., 2022)}.

3.1 IPTA

본 연구에서는 IPTA에 의한 경향성 분석 결과와 Mann-Kendall 검정 및 Sen’s slope 추정을 통한 경향성 분석 결과를 비교 분석하였다. IPTA는 ^{Sen et al.(2019)}에 의해 개발되었으며, 간략한 설명은 다음과 같다. n년의 월 강수량 시계열 자료는 Eq. (1)과 같은 행렬로 표현될 수 있다.

여기서, pi,j는 i번째 연도의 j번째 월의 강수량을 나타낸다.

Eq. (1)의 월 강수량 행렬은 상반기($i=1,\: 2,\: \cdots ,\: \dfrac{n}{2}$)와 하반기 ($i=\dfrac{n}{2}+1,\: \dfrac{n}{2}+2,\: \cdots ,\: n$)로 구분된다. 상반기 및 하반기 강우량의 평균을 계산하여 각각을 x축과 y축에 배치하고 직선으로 연결하면 Fig. 2와 같은 폐합 그래프가 나타난다^{(Sen et al., 2019)}.

Fig. 2. A Hypothetical IPTA Template for Monthly Records

Fig. 2의 그래프에서 1:1(45°)선을 그릴 수 있으며, 폐합 그래프의 점이 1:1선 위에 위치하면 경향성이 없고, 좌측 상위 부분(또는 우측 하위 부분)에 도시되면 시계열의 증가(또는 감소) 경향을 나타낸다. IPTA의 경향성 분석에서 유의성은 두 좌표(x1, x2) 간의 상대 오차율($\alpha$)을 계산하여 $\alpha <\pm 5%$인 경우에는 유의미한 경향성이 없는 것으로 판단할 수 있지만^{(Akcay et al., 2022)}, 본 연구의 경우, 좌표의 값이 작은 경우에는 1:1선상에 있는데도 경향성이 있는 것으로 나타나는 오류가 발생하였다. 따라서, 본 연구에서는 폐합 그래프의 점과 1:1선 사이의 거리를 사용하여 경향성의 유무를 판단하였으며, 점 $P\left(x_{1},\: y_{1}\right)$와 $ax+by=0$으로 표현되는 직선 사이의 길이는 Eq. (2)와 같이 계산된다.

경향성의 유무는 대상 지점의 모든 시계열(156개)에 대한 d 값의 제1사분위수(25번째 백분위수)인 d25p를 기준으로 하여 판단하였다. 즉, 만약 d ≤ d25p인 경우, 경향성이 없는 것으로 판단하였다.

또한, 점을 연결하는 직선의 길이와 기울기는 경향성 길이(Trend Length, TL)와 경향성 기울기(Trend Slope, TS)를 의미하며, Eq. (3)과 (4)와 같이 표현된다.

여기서, $x_{1}$, $x_{2}$, $y_{1}$, $y_{2}$는 연속된 두 점의 좌표를 의미한다^{(San et al., 2021)}.

3.2 Mann-Kendall 검정 및 Sen’s slope 추정

Mann-Kendall 검정과 Sen’s slope 추정은 비모수적 통계 방법으로, Mann-Kendall 검정 통계량 S는 Eq. (5)와 같다.

여기서, n은 자료의 개수이고 $x_{j}$와 $x_{k}$는 각각 시계열 j 및 k에서의 자료의 값이며(j > k), $sgn\left(x_{j}-x_{k}\right)$은 Eq. (6)과 같은 부호 함수이다.

통계량 S의 분산은 Eq. (7)과 같다.

여기서, m은 동일한 자료의 값이 있는 시계열 그룹의 개수이고, $t_{i}$는 i번째 그룹의 자료의 수를 의미한다.

표준정규변량 Z는 Eq. (8)과 같다.

계산된 표준정규변량 Z를 유의수준(90 %, 95 %, 99 %)에 따른 표준 통계치와 비교하여 경향성의 유무를 결정한다^{(San et al., 2021)}.

Sen’s slope 추정은 n쌍의 자료에서 경향성의 기울기를 추정하는 비모수적 통계 방법이며, 통계량은 Eq. (9)을 통해 계산된다.

여기서, $X_{j}$와 $X_{i}$는 각각 시계열 j 및 i에서의 자료의 값이다 (j > i). $Q_{i}$의 중앙값이 Sen’s slope의 추정량이며, Eq. (10)과 같다.

중앙값 $Q_{med}$가 양의 값이면 증가 경향을 나타내고 음의 값이면 감소 경향을 나타낸다. Sen’s slope는 $P\le 0.05$일 때 통계적으로 유의하며, $P>0.05$일 때 통계적으로 유의미한 경향성이 없다고 판단한다^{(Yun et al., 2015)}.

4.1 Mann-Kendall 검정 및 Sen’s slope 추정

본 연구에서 사용하는 월 강수량 자료에 대한 Mann-Kendall 검정과 Sen’s slope 추정 결과는 Fig. 3과 같다. Mann-Kendall 검정과 Sen’s slope 추정은 동일한 유의수준을 가지며, 통계적으로 0.05의 유의미한 값을 가지는 경향성은 해남 관측소에 나타났으며, 4월에 감소 경향을 보였다. 또한 0.1의 유의미한 값을 가지는 경향성은 전주, 임실, 여수, 고흥, 장흥, 해남, 완도 관측소에서 나타났으며, 전주 관측소는 8월에 증가 경향을, 임실 관측소는 1월에 감소 경향을 보였다. 여수, 장흥, 해남, 완도 관측소는 3월에 증가 경향을, 고흥 관측소는 4월에 감소 경향을 나타내었다.

Fig. 3. Mann-Kendall Test and Sen’s Slope Estimator for 1973~2022 Monthly Precipitation: (a) Statistics of Mann-Kendall Test and Sen’s Slope Estimator, (b) P-values of Mann-Kendall Test and Sen’s Slope Estimator

4.2 과거 기간의 월강수량의 IPTA 결과

과거 관측 월 강수량 자료를 사용하여 경향성 분석을 수행하기 위해 1973년부터 1997년까지를 상반기, 1998년부터 2022년까지를 하반기로 구분하여, IPTA 방법을 적용하였다. IPTA 방법을 사용하여 13개의 기상관측소 지점을 대상으로 월 강수량 자료의 경향성 분석을 수행한 결과는 Fig. 4와 같다. 본 연구 대상지역에 대해 산정된 d25p는 2.69 mm이다.

Fig. 4. IPTA Results for 1973~2022 Monthly Precipitation: (a) Gunsan, (b) Jeonju, (c) Mokpo, (d) Yeosu, (e) Wando, (f) Suncheon, (g) Buan, (h) Imsil, (i) Jeongeup, (j) Namwon, (k) Jangheung, (l) Haenam, (m) Goheung

Fig. 2와 비교하여, 본 연구의 대상 지역의 IPTA 그래프는 다중다각형을 형성하고 있으므로 월별 강수량의 변동성이 크다는 것을 알 수 있다. 특히, 대부분의 지역에서 갈수기에서의 증가 및 감소 경향을 판단하기가 어렵다. 예를 들어, 군산의 IPTA 그래프를 월별로 자세히 살펴보면, d25p(2.69 mm) 이하의 거리를 가지는 점은 경향이 없는 것으로 판단되므로 1월, 2월, 3월, 5월, 12월은 무경향을 의미한다. 6월과 11월은 감소 경향이 약하게 나타나는 반면, 4월과 7월부터 10월까지는 뚜렷한 증가 경향을 보였다. 목포의 경우, 1월과 11월은 경향을 확인할 수 없었으며, 2월과 6월에 약한 감소 경향을 나타내고, 3월, 4월, 5월, 7월부터 10월까지, 그리고 12월은 증가 경향임을 확인하였다. 또한 모든 지점에서 6월에서 7월 사이에 감소 경향에서 증가 경향으로 급격히 변환되고, 군산, 여수, 완도, 순천, 남원, 장흥, 고흥 지점에서 10월과 11월 사이에 증가 경향에서 감소 경향으로 변환되는 것을 알 수 있다.

IPTA 방법을 통해 경향성 길이와 경향성 기울기를 구할 수 있으며, Fig. 4에 나타낸 관측소의 경향성 길이와 경향성 기울기는 상자그림(box plot)을 통해 Fig. 5에 나타내었다. 전라도에 위치한 대부분의 관측소에서 5월부터 7월까지와 8월부터 10월까지의 경향성 길이가 다른 기간보다 길기 때문에, 해당 기간 동안 평균 강수량 변화가 다른 기간보다 큰 것을 알 수 있다. 군산의 경우, 6월에서 7월까지의 경향성 길이가 최대이므로 이때의 월 강수량 변화가 다른 기간보다 큰 것을 의미한다. 반면, 비교적 경향성 길이가 짧은 10월부터 3월까지와 4월부터 5월까지의 월 강수량은 변동이 적다는 것을 알 수 있다. 목포의 경우, 비교적 경향성 길이가 긴 5월부터 7월까지와 9월부터 10월까지의 월 강수량 변화가 다른 기간보다 크고, 경향성 길이가 짧은 10월부터 2월까지와 4월부터 5월까지의 월 강수량 변화가 다른 기간보다 적다는 것을 확인하였다.

Fig. 5. Distribution of Trend Length (TL) and Trend Slope (TS) for 1973~2022 Monthly Precipitation: (a) Trend Length (mm), (b) Trend Slope

Table 1. Comparison of Mann-Kendall Test and IPTA for 1973~2022 Monthly Precipitation

Fig. 6. Linear Regression for Monthly Precipitation in the Gunsan Station: (a) June, (b) July, (c) August, (d) September

Mann-Kendall 검정 및 Sen’s slope 추정과 IPTA 방법을 비교한 결과, Table 1과 2와 같이 세 방법 간에 유의한 차이가 나타났다. Fig. 6는 군산 관측소에서 측정한 월 강수량 자료 중 6월부터 9월까지의 선형회귀 결과를 대표적으로 나타내고 있다. 군산의 6월 강수량은 감소, 7월부터 9월까지의 월 강수량은 증가하는 경향에 대해 Mann-Kendall 검정 및 Sen’s slope 추정은 유의미한 경향성을 감지하지 못하였으나, IPTA는 선형회귀 결과와 일치하는 경향성을 파악하였다. 모든 관측소의 월 강수량 자료에 대해 Mann-Kendall 검정 및 Sen’s slope 추정은 모두 유의수준 0.1에서 156개월 중 8개월의 경향성을 파악한 반면, IPTA는 같은 기간의 강수량 자료에 대해 156개월 중 117개월의 경향성을 파악하였다.

본 연구에서는 Mann-Kendall 검정 및 Sen’s slope 추정과 IPTA 방법 모두 전라남도에 위치한 대부분의 관측소에서 3월에 증가하는 경향을 보였으나, IPTA가 월 강수량 자료에 대해 더 민감하게 경향성을 분석하였다. 또한 Mann-Kendall 검정 및 Sen’s slope 추정과 달리 IPTA는 경향성 길이를 통해 월간 강수량 변화가 크고 작음을 파악할 수 있었다.

4.3 미래 기간의 월강수량의 IPTA 결과

IPTA 방법이 수문 기상자료의 월별 경향성 분석에 유용하다고 판단하여 미래의 월 강수량 자료의 경향성 분석을 수행하였다. SSP5-8.5 시나리오 강수량 자료의 2023년부터 2061년까지를 상반기로, 2062년부터 2100년까지를 하반기로 구분하여 IPTA 방법을 적용하였다. 미래의 월 강수량 자료에 대한 경향성 분석을 수행한 결과를 Fig. 7에 나타내고, 전체 지점에 대한 경향성 길이 및 기울기를 상자그림을 통해 Fig. 8에 나타내었다.

Fig. 7. IPTA Results for 2023~2100 Mean Monthly Precipitation: (a) Gunsan, (b) Jeonju, (c) Mokpo, (d) Yeosu, (e) Wando, (f) Suncheon, (g) Buan, (h) Imsil, (i) Jeongeup, (j) Namwon, (k) Jangheung, (l) Haenam, (m) Goheung

Fig. 7에서 나타난 바와 같이, 전라북도에 위치한 전주, 임실, 남원 지점은 단일다각형을 형성하고, 그 외의 지점은 다중다각형을 형성하였다. 이를 통해 전주, 임실, 남원 지점을 제외한 지역의 미래 월별 강수량이 체계적으로 변하지 않고 변동성이 크다는 것을 알 수 있다. 관측 자료의 경향성과 비교한 결과, 미래의 월 강수량 자료는 전체적으로 증가 경향을 나타내었다. 미래 자료에 대해 산정된 d25p는 3.93 mm이다. 군산의 경우, 10월과 12월은 무경향을 나타내며 8월에 감소 경향이 약하게 보이고 1월부터 7월까지와 9월, 11월에 증가 경향임을 명확히 보여준다. 목포의 경우, 8월과 12월의 경향성은 없으며, 10월에 약한 감소 경향을 보이고 1월부터 7월까지와 9월과 11월에 증가 경향을 보였다. 또한 군산, 전주, 부안, 정읍, 장흥 지점에서 7월과 8월 사이에 증가 경향에서 감소 경향으로 급격히 변환되고, 8월과 9월 사이에 감소 경향에서 증가 경향으로 변환된다는 것을 알 수 있다.

Fig. 8에 나타난 바와 같이, 전라도에 위치한 기상관측소 지점 모두 6월부터 7월까지와 8월부터 10월까지의 경향성 길이가 다른 기간보다 긴 것을 보아 해당 기간 동안의 평균 강수량 변화가 다른 기간보다 크다는 것을 확인하였다. 군산의 경우, 비교적 경향성 길이가 짧은 10월부터 3월까지와 5월부터 6월까지, 7월부터 8월까지의 월 강수량은 변동이 적으며, 목포는 10월부터 3월까지와 4월부터 6월까지의 월 강수량 변화가 적다는 것을 확인하였다.

Fig. 8. Distribution of Trend Length (TL) and Trend Slope (TS) for 2023~2100 Monthly Precipitation: (a) Trend Length (mm), (b) Trend Slope