1. 서 론
전 세계적인 기후변화로 인하여 극한 기후사상이 일상적으로 발생하고 있다(Kim et al., 2020; Joo et al., 2023). 그 중 기온의 상승과 증발산량의 증가 및 시공간적 변동성이 큰 방향으로의 강우 패턴 변화는 가뭄의 빈도와 강도의 증가에 큰 영향을 미칠 것으로 전망되고 있다(IPCC, 2021). 가뭄의 증가는 주요한 전 지구적 환경 문제중 하나인 건조한 지역의 사막화를 가속시키는 것으로 보고되고 있다. 21세기에는 전 세계적으로 10억 명 이상의 사람들이 가뭄과 사막화의 영향을 받고 있는 것으로 알려져있다(UNCCD, 2004). 10년 주기 태평양 진동(Interdecadal Pacific Oscillation, IPO)과 더불어 온실가스의 지속적인 배출은 1990년대 중앙아시아 전역에서 1990년대 극심한 가뭄을 야기하였으며, 이후 건조 추세가 강화하고 있는 것으로 분석되고 있다(Jie and Zhou, 2023).
중국은 세계에서 가장 많이 사막화된 나라 중 하나로, 4억명이 거주하고 있는 약 330만 km2가 사막화될 여지가 있는 것으로 조사되고 있다(Chen et al., 1996; Zha and Gao, 1997). 20세기 이후 중국에서는 건조, 반건조, 아열대 습윤반건조 토지 등 광범위한 지역에서의 토지의 퇴화를 의미하는 황막화가 조사되고 있다. 2009년 말 기준으로 중국 내 황막화 토지의 총 면적은 262.37만 km2로 전국 국토의 27%에 달하는 것으로 나타났다(Oh, 2012). 위치로는 베이징, 텐진, 허베이, 산시, 내몽고, 랴오닝, 지린, 산둥, 허난, 하이난, 쓰촨, 윈난, 시장, 산시, 깐쑤, 칭하이, 닝사, 신장 등 광범위한 지역에 펼쳐져 있었다. 특히, 건조, 반건조 지역뿐 아니라, 아열대 습윤 건조 지역의 황막화 면적도 49.35만 km2로 전체 황막화 면적의 18.8%에 달하는 것으로 나타났다.
중국 대륙은 동아시아 기후시스템에서 큰 역할을 하고 있으며, 특히, 중국의 사막화는 황사뿐만 아니라 한반도의 기후에도 큰 영향을 미친다. 따라서 우리나라에서도 중국의 사막화는 간과해서는 안 될 중요한 문제이며 사막화에 대한 신속하고 구체적인 연구의 필요성이 더욱 중요해졌다. 최근 중국의 사막화 현황 및 대책과 관련된 연구가 다양하게 수행되고 있지만(Lee, 2012), 중국 전역의 강우량 변화와 가뭄 변화를 평가한 연구는 부족한 실정이다.
이에 본 연구에서는 중국 전역에서 20세기 후반인 1970년부터 2016년까지의 강우량 변화를 가뭄지수를 사용하여 분석하였다. 객관적인 강우량 변화 분석을 위하여 강우량 등 기후자료만을 사용하는 3가지 가뭄지수(SPI, SPEI, GEVI)를 사용하였다. 이를 바탕으로 중국의 장기적인 기후변화 및 가뭄과 사막화를 전망하고자 하였다.
2. 연구방법
2.1 가뭄지수 산정방법
기후학적으로 필요한 강수량과 실제 강수량을 비교하여 가뭄을 판단하는 Palmer Drought Severity Index (Palmer, 1965), 관측기간 동안의 강수량 대비 해당 기간의 강수량 부족 여부로 가뭄을 판단하는 Standard Precipitation Index, SPI (McKee et al., 1993), Generalized Extreme Value Index, GEVI (Wang et al., 2012)와 강수량과 증발산의 영향을 고려한 Standardized Precipitation Evapotranspiration Index, SPEI (Vicente-Serrano et al., 2010) 등이 제시되었다. 이러한 다양한 지수들은 각각의 목적에 따라 개발되어 각 지수별 장단점을 갖고 있어 적용 지역의 수문⋅기상학적 특성과 여건을 고려하여 가뭄평가에 활용되어야 한다(Kim et al., 2012).
SPI는 가뭄을 모니터링하고 정의하기 위해 McKee et al. (1993)에 의해 개발되었다. SPI는 특정한 시간에 대한 강수량의 평균치와 강수량의 차를 표준편차로 나눈 것이며, 여기서 평균치와 표준편차는 과거의 강수량 자료로부터 결정된다. SPI는 사용자의 요구에 따라 다양한 시간축척(1개월, 3개월, 6개월 등)에 대해 계산될 수 있는 장점이 있으며, 짧은 기간의 시간축척은 농업적 관심에 사용될 수 있으며, 비교적 장기간의 시간축척은 수자원 공급 관리에 사용될 수 있다.
지역별 강우 특성이 다른 것으로 나타나고 있으며, 지역에 따라 강우시계열이 다른 분포형을 따르는 것으로 나타나고 있다. 월강수 시계열이 Gamma 분포를 따르는 것으로 가정한 SPI를 개선하려는 연구들이 수행되었다. Guttman (1999)은 미국의 1,035개 지점에서 Gamma, Pearson Type III (P-III), GEV, Kappa, Wakeby 분포 등 5가지 분포형을 사용하여 가뭄을 평가하였다. 그 결과 60년 이상 관측된 강수량 자료를 사용할 경우 산정된 가뭄지수 값은 차이가 적은 것을 발견하였다. Lana and Burgueño (2000)는 스페인에서, Angelidis et al. (2012)은 포르투갈에서 동일한 연구를 수행하였으며, 분포형에 따른 가뭄지수 값의 차이는 크지 않은 것으로 나타났다. 그러나 Wang et al. (2012)은 중국의 강우는 GEV 분포형에 적합하며, 이를 활용한 새로운 가뭄지수 GEVI를 제안하였다. GEVI는 중국의 강우특성을 잘 반영하는 것으로 알려져 있으며, GEVI는 중국의 다양한 연구에서 활발하게 활용되고 있다.
Vicente-Serrano et al. (2010)은 인간의 영향을 배제하고 자연현상만으로 가뭄을 평가한다면, 강수량과 더불어 증발산량이 가뭄에 영향을 직접적으로 주는 인자로 판단하였다. 이에 강수량과 더불어 증발산량을 고려할 수 있는 가뭄지수인 SPEI를 제안하였다. SPEI는 강수량과 기온 인자를 사용하여 가뭄을 평가할 수 있다. 국내에서는 Kim et al. (2012)이 SPEI를 활용하여 국내 가뭄을 평가한 바 있다.
본 연구에서는 사막화의 영향 중 기후 변화에 의한 영향을 평가하기 위하여 강우량 및 증발산량 만을 사용하여 가뭄을 평가하는 SPI, GEVI, SPEI를 사용하였다. Table 1은 SPI, GEVI, SPEI에 따른 가뭄분류를 나타낸 것이다. McKee et al. (1993)은 가뭄을 Moderately drought, Severely drought, Extremely drought 3단계로 나누었으나, 본 연구에서는 GEVI, SPEI와 비교를 위하여 Slight drought를 추가하여 4단계로 구분하였다. Slight drought와 Moderately drought의 범위는 GEVI, SPEI와 동일한 누가확률을 갖는 Z 값으로 결정하였다.
Table 1
Drought Classification Criteria by Drought Index
| Division | SPI | GEVI | SPEI | |
|---|---|---|---|---|
| McKee et al. (1993) | This study | |||
| SLD | -1.49~-1.0 | -0.99~-0.50 | -0.15~0.36 | -0.99~-0.50 |
| MD | -1.49~-1.00 | -0.99~-0.16 | -1.49~-1.00 | |
| SD | -1.99~-1.50 | -1.32~-1.00 | -1.99~-1.50 | |
| ED | Less than -2.0 | Less than -1.33 | Less than -2.0 | |
2.2 연구 대상지역
베이징, 광저우, 상하이, 선양, 우루무치, 충칭, 우한, 위린 등 중국 전역 8개 도시를 대상으로 가뭄을 평가하였다. 분석 대상으로는 연강우량을 기준으로 습윤지역(광저우, 상하이, 충칭, 우한), 반건조지역(베이징, 위린), 건조지역(우루무치)을 포함하였으며, 해안지역(상하이), 내륙지역(우루무치, 위린, 충칭), 위도에 따라 북부, 중부, 남부지역 등 중국 전역에서의 사막화를 평가하고자 하였다. Fig. 1은 대상지역의 위치를 나타내며, Table 2는 각 도시의 분석에 사용된 강우관측기간 및 해당 기간동안의 연평균 강수량과 연평균 온도를 정리한 것이다.
Table 2
Rainfall Monitoring Record by 8 Gauge Stations
2.3 가뭄지수별 상관관계 분석 방법
SPI, GEVI, SPEI 가뭄지수간 상관관계를 알아보기 위해 각 가뭄지수별 피어슨 상관계수(Pearson’s correlation coefficient)를 산정하였다. 피어슨 상관계수는 두 변수가 연속형 변수이고 모두 정규성을 따른다는 가정이 필요한 모수적 상관계수로 두 변수간 선형의 관련 정도를 나타낸다.
본 연구에서는 각 지수의 실제 값 보다는 지수가 나타내는 가뭄의 정도를 비교하고자 하였다. 즉, 가뭄지수별로 가뭄의 심도를 나타내는 척도이기 때문에, 각 지수의 값을 ‘Normal = 0’, ‘Slight drought = 1’, ‘Moderately drought = 2’, ‘Severely drought = 3’, ‘Extremely drought = 4’의 순위로 범주화 하였다. 범주화 된 값들은 비모수적 상관계수인 스피어만 상관계수(Spearman’s corelation coefficient)를 사용하여 상관성을 나타내었다.
3. 가뭄지수 산정결과
3.1 SPI 산정결과
본 연구에서는 8개 도시의 월별 강수량 데이터를 이용하여 SPI를 계산하고 그 결과를 검토하였다(Fig. 2, Table 3). 분석기간을 3개월, 6개월, 9개월, 12개월로 나누어 각 분석기간별로 SPI를 산정하였다. 가장 극심한 가뭄인 Extremely drought는 모든 분석기간 단위, 모든 지역에서 0.54~6.16% 범위로 분석되었다. 가장 완만한 가뭄인 Slight drought는 분석기간 단위 및 지역에 따라 8.88~20.65%까지 다양한 범위로 나타났다. 가뭄의 심도가 깊을수록(Extremely drought) 기간별, 지역별 변동은 적고, 가뭄의 심도가 낮을수록(Slight drought), 기간 및 지역에 따른 편차가 큰 것으로 나타났다. 즉, 극심한 가뭄은 중국 8개 지역에서 비슷하게 발생할 것으로 판단된다.
Table 3
The Ratio of Drought Period to the Total Duration by SPI (%)
3.2 GEVI 산정결과
SPI와 동일한 방법으로 8개 도시에서 GEVI를 산정하고 결과를 검토하였다(Fig. 3, Table 4). GEVI역시 분석기간 단위에 상관없이 전반적으로 유사한 경향을 나타내었다. 가장 극심한 가뭄인 Extremely drought의 경우 분석기간 단위 및 지역에 따라 0~0.18% 범위로 분석되어 SPI와는 다른 가뭄심도를 보였다. 가장 완만한 가뭄인 Slight drought 가뭄은 분석 기간 단위 및 지역에 따라 9.96~27.36%까지 가뭄 심도의 차이가 큰 것으로 분석되었다. SPI와 마찬가지로 가뭄의 심도가 낮을수록(Slight drought), 기간 및 지역에 따른 가뭄의 심도가 크나 기간 및 지역에 따른 편차는 GEVI가 SPI보다 더 작은 것으로 분석되었다.
Table 4
The Ratio of Drought Period to the Total Duration by GEVI (%)
3.3 SPEI 산정결과
앞의 SPI 및 GEVI와 동일한 방법으로 8개 도시의 SPEI를 4개 지속기간별로 산정하고 결과를 분석하였다(Fig. 4, Table 5). SPEI 역시 분석기간 단위에 상관없이 전반적으로 유사한 경향을 보였다. SPEI 지수 기반으로 8개 지점별 전체 관찰 기간에 대한 가뭄 심도별 가뭄 기간의 비율을 분석하였다(Table 5). 가장 극심한 가뭄인 Extremely drought의 경우 분석기간 단위 및 지역에 따라 0~2.36% 범위로 나타났다. 가장 완만한 가뭄인 Slight drought 가뭄기간은 분석 기간 단위 및 지역에 따라 9.78~19.57%로 분석되었다.
Table 5
The Ratio of Drought Period to the Total Duration by SPEI (%)
4. SPI, GEVI, SPEI 상관성 분석
4.1 가뭄지수 상관성 분석(Pearson’s correlation coefficient)
세 가지 가뭄지수간 상관성을 알아보기 위해 동일한 기간으로 산정된 가뭄지수값 간 피어슨 상관계수를 산정하였다. Table 6은 SPI, GEVI, SPEI의 피어슨 상관계수 산정결과로 SPI와 SPEI의 피어슨 상관계수는 0.89 이상으로 상관성이 매우 높은 것으로 분석되었으며, GVEI는 0.3~0.7의 상관성을 보여 다소 상관성이 낮은 것으로 분석되었다. 이는 Figs. 2~4의 가뭄지수의 경향성을 고려하면 예측할 수 있는 결과이다. 3개월 단기가뭄보다는 12개월 장기가뭄으로 갈수록 가뭄지수간의 상관성이 높은 것으로 분석되었다.
Table 6
Pearson’s Correlation Coefficient by Drought Index
4.2 가뭄등급 상관성 분석(Spearman corelation coefficient)
Table 7은 SPI, GEVI, SPEI의 스피어만 상관계수 산정 결과로 피어슨 상관계수와 마찬가지로 SPI와 SPEI 사이에는 상관성이 매우 높은 것으로 분석되었으나 베이징 지역에서는 3, 6개월 단기가뭄에서는 스피어만 상관계수가 0.660 및 0.797로 상관성이 다소 낮은 것으로 분석되었다. GVEI는 피어슨 상관계수와 마찬가지로 다소 상관성이 낮았으나 12개월 가뭄의 경우 SPEI와 GVEI 모두 매우 높은 상관성을 나타내었다. 즉, 사막화를 유발하는 장기가뭄의 경우 가뭄지수과 상관없이 유사한 결과를 주는 것으로 판단할 수 있다.
Table 7
Spearman’s Corelation Coefficient by Drought Index
5. 기간별 가뭄 심도 비교
가뭄지수 간 상관성 분석 결과 가뭄지수별로 가뭄의 심도가 다르게 산정되었으나, 12개월간의 강우량으로 평가하는 장기가뭄 지수는 가뭄지수와 상관없이 유사한 경향을 나타냈다. 이에 본 연구에서는 강우량의 변화에 따른 중국의 사막화를 평가하기 위하여 SPI-12를 이용하여 8개 도시에 대해서 10년 단위별로 가뭄일수를 분석하였다. Table 8은 중국 내 8개 도시에서의 SPI-12로 평가한 SD 이상의 가뭄기간 비율을 10년단위로 나타낸 것이다. 1970년대와 1990년대에는 중국 전역에서 가뭄이 극심했던 것으로 나타났다. 그 이외의 기간은 지역별로 가뭄이 극심했던 기간이 다르게 나타났으며, 강우량이 감소나 강우지수의 우하향 경향성도 나타나지 않았다.
Table 8
The Ratio of Drought Period to the Total Duration for SPI-12
6. 결 론
본 연구에서는 우리나라 기후에 많은 영향을 미치는 중국의 사막화 및 가뭄 상황을 분석하고자 하였다. 이를 위해 중국 내 8개 도시에서 3가지 가뭄지수(SPI, GEVI, SPEI)를 산정하고, 시기별 가뭄지수의 변화량을 검토하였다. 3가지 가뭄 지수 중 SPI, SPEI는 가뭄발생일이 비슷한 것으로 분석되었으나 GEVI는 앞선 2가지 지수와는 다소 다른 값을 주었다. 다만, 장기간의 가뭄에 대한 평가는 3가지 지수모두 유사한 값을 제공하였다. 즉, 단기간의 가뭄을 평가하거나, 심도가 얕은 가뭄을 평가할 때는 가뭄지수의 결정이 매우 중요할 수 있다. 반대로, 장기간의 극심한 가뭄의 경우 가뭄지수와 상관없이 유사한 결과를 주는 것으로 나타났다.
가뭄지수를 기준으로 판단하였을 때, 기간별, 지역별 가뭄의 편차가 크게 나타났다. 중국내 8개 도시에서는 더 가뭄이 심해지거나, 강우량이 감소하는 등의 변화가 나타나지 않는 것으로 분석되었다. 1970년대부터 10년씩 나누어 극심한 가뭄이 발생한 기간을 비교한 결과, 지속적인 강우량의 감소나 가뭄일수의 증가 등의 경향성은 나타나지 않았다. 이는 2000년대 이후 중국내 사막화 면적이 증가하고 있지 않다는 선행연구의 결과를 뒷받침할 수 있다. 다만, 사막화는 강우량 뿐만 아니라, 강우량의 시공간적 변화, 기온에 따른 증발산량 변화, 토지이용의 변화 등이 복합적으로 고려할 필요가 있다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
