1. 서 론
최근 가속되는 기후변화는 이상강우, 극한강우를 발생시키고 물재해의 예측을 어렵게 만든다. 기후변화로 인해 가속화되는 수문학적 과정은 가뭄이 더 잦게, 강하게 발생하는 데에 기여한다(Mukherjee et al., 2018). 가뭄에 대한 영향 예측 결과, 기후변화가 중위도 대부분 국가에 가뭄 위험과 심각성을 증가시킬 것이며, 불확실성 또한 높아 예측 및 대응이 어려울 것으로 판단된다(Jinbao et al., 2014). 국내 연평균 강수량의 편차가 증가함에 따라 주기적으로 극심한 가뭄이 발생하고 이에 따른 사회 전반의 피해가 증가하였으며, 비정상적인 가뭄으로 인한 기후변화 스트레스가 한반도 내 여러 분야에 장⋅단기적 영향을 미치고 있다(Choi et al., 2023; Kim et al., 2024).
엘니뇨, 라니냐 등의 전지구적 기상현상은 세계 각지에서 발생하는 이상기상 현상의 주요 원인이며, 국내 기상도 영향을 받고 있다(Bak and Min, 1999). 엘니뇨-남방진동(ENSO, El Niño Southern Oscillation)은 기후 영향 요인 중 하나로 동북아시아를 비롯한 전지구 기후에 영향을 미치며, Yuan and Yang (2012)는 엘니뇨의 발생 및 감소 동안 동아시아 강수 패턴 및 대류현상에 영향을 미쳐 비정상적인 강수량 변화에 영향이 있다고 분석하였다. 우리나라의 가뭄 또한 ENSO 지수와 통계적으로 유의적인 연관관계가 있음을 확인한 바 있다(Lee, 1999; Korea Institute of Civil Engineering and Building Technology, 1998). 엘니뇨-남방진동과 인도양 쌍극자 모드(IOD, Indian Ocean Dipole)는 전지구적 규모의 기후시스템에 영향을 주는 현상으로, 특정 지역에 평년과 다른 강수량 및 기온의 경향이 나타나는 데에 기여한다. 우리나라 기온, 강수량에 대한 엘니뇨 현상과 인도양 쌍극자 모드 현상의 영향을 분석한 결과, 엘니뇨가 발생하는 해의 국내 기상은 여름의 냉하다우, 겨울의 온난다우 경향이 뚜렷한 것을 확인하였다(Cha, 2007).
기상요소는 자연환경, 인간 활동, 자연재해 등 복합적인 변화로 구성되어 통계적으로는 관계되어 있을 수 있으나 이를 찾기 위해서는 복잡한 분석이 필요하게 된다. 또한, 기후변화 심화로 인해 이상기후는 과거의 발생 양상과 달리 더욱 빈번하게 발생하고 있어 예측의 한계와 신뢰도 및 정확도의 하락을 가져오기에 데이터 기반의 기후 분석은 이제 필수적이다(Korea Environment Institute, 2020). 가뭄 예측 모델링을 수행하는 방법적인 측면에서는 단순 통계기법, ARIMA, 딥러닝을 포함한 기계학습 등이 있으며, 각 가뭄 인자의 비선형적인 관계를 반영하는 딥러닝 기법이 예측 연구에 이용되고 있다(Park et al., 2021). Lee et al. (2013)은 인공신경망 모형과 가뭄지수를 이용하여 4개 기상관측소(서울, 대전, 대구, 광주)에 대해 가뭄 예측을 시도하였다.
기후변화 가속화로 인한 기후재난 예측의 중요성이 높아지고, 정확성 높은 예측이 필요한 현재 상황을 고려하여 국내 가뭄지수의 예측을 위해 상관성 있는 지수를 도출하고자 하였다. 기존의 가뭄 예측은 가뭄 발생에 영향을 미치는 주요인자를 선정하여 해당 인자의 변화에 따른 가뭄지수를 도출하는 형태이며, 기계학습 기반의 분석을 통해 이루어졌다. 기계학습 분석을 통한 예측은 비선형적 관계를 파악하는 데에는 도움이 되나, 초기 투자 비용과 시간이 많이 소요된다. 또한 정확도 높은 예측을 위해서는 대규모 데이터가 필요하나 불완전한 데이터, 편향된 데이터를 이용하는 경우 오히려 모델의 정확성이 떨어지게 된다. 본 연구에서는 사용되는 인자를 단순화하고, 가뭄지수와 해양기후변수 간 상관관계와 선행 개월 수를 분석하여 가뭄 예측에 대한 활용 가능성을 검토하였다.
선행연구에서 다루어진 엘니뇨-남방진동과 인도양 쌍극자 모드 현상의 우리나라 기상현상의 영향의 연관성 분석은 각 현상이 발생한 해의 기온, 강수량의 경향성을 확인하였으며, 특히 여름과 겨울의 강수량 증가를 확인하였다. 그러나 해당 분석에서, 연구대상이었던 IOD 발생해가 6년에 그쳐 관련 분석을 위한 샘플 수가 제한적이었다는 한계가 있으며 남한 전체를 대상으로 수행하여 한반도 내 지역 편차가 고려되지 않았다. 이에 본 연구에서는 엘니뇨-남방진동, 인도양 쌍극자 모드 현상과 우리나라 지역별 가뭄지수의 상관성을 분석하여 한반도 내 가뭄에 대한 두 현상의 영향을 파악하고, 특히 지연 상관성과 지역별 상관성의 차이를 검토하고자 하였다. 해당 분석을 통해 엘니뇨-남방진동과 인도양 쌍극자 모드 현상 관련 지수가 한반도 가뭄지수에 영향을 미치는 것을 확인하고, 지역별 가뭄지수에의 영향의 차이점을 분석하고자 하였다.
또한 국내 기상현상과 ENSO, IOD를 연관짓는 연구가 최근보다는 1990년대에서 2010년대 초반에 다수 수행되어 당시의 강우량, 기온 등이 분석에 사용된 점을 고려할 때, 그 당시에 비해 기후변화의 영향이 더욱 커져 잦아지고 심해진 가뭄을 반영하는 현재의 자료를 이용한 분석이라는 것에 의의가 있을 것으로 예상된다.
2. 이론적 배경
2.1 가뭄지수 및 해양기후지수
2.1.1 가뭄지수
표준강수지수(SPI, Standardized Precipitation Index)는 Mckee et al. (1993)가 개발한 가뭄지수로 강수량만을 이용하여 가뭄 심도를 산정한다. 강수량의 감소는 토양수분, 지하수량의 부족으로 이어져 생활에 가뭄피해를 입히므로, 수요에 대한 강수량을 판단하여 물 부족 상태, 즉 가뭄을 표현한다. SPI는 사용자의 요구에 따라 다양한 시간축척(1~24개월)에 따른 강수량의 부족 또는 과잉을 나타내 단기 및 장기 가뭄 모두 표현이 가능하다는 장점이 있다(Kim and Joo, 2023). SPI는 세계기상기구(WMO)에 의해 기상학적 가뭄 감시를 위한 대표적 가뭄지수로 권고될 정도로 가뭄에 대한 대표성을 인정받았으며, 이로 미루어 본 연구에서 국내 가뭄의 예측을 위한 SPI의 사용이 적절하다고 간주할 수 있다.
2.1.2 해양기후지수
해양기후예측센터에서 설명하는 해양기후변수는 해수면, 해양열파, 엘니뇨/라니냐, 해상기온 등이 있으며, 이중 엘니뇨/라니냐(남방진동)과 인도양 쌍극자 모드는 해양 및 대기의 상호작용으로 발생하는 현상으로, 전지구적 영향을 미친다. 각 현상은 무작위적으로, 일정하지 않은 간격으로 발생하며, 수천미터 떨어진 국가에도 기온과 강수량 변화에 기여해 가뭄, 홍수, 태풍 등으로 인한 피해를 키운다.
미국해양대기청(NOAA, National Oceanic and Atmospheric Administration) 소속 환경정보센터(NCEI, National Centers for Environmental Information)의 설명에 따르면 남방진동지수(SOI, Southern Oscillation Index)는 전지구적으로 산출되는 엘니뇨/라니냐 관련 지수로, 호주 다윈 지역과 타히티에서 측정된 해수면 기압(SLP, Sea Level Pressure)의 차로 계산된다. 해양 니뇨 지수(ONI, NOAA Oceanic Niño Index)는 동중부 열대 태평양의 평균 해수면 온도를 추적하고, 예년과 비교한 기온 변동폭을 나타낸다. 다변량 남방진동지수(MEI, Multivariate ENSO Index)는 해수면 기압, 바람 성분, 해수면 온도, 표면 기온 등의 여러 매개변수를 사용하여 ENSO 현상의 강도를 나타낸다.
엘니뇨와 라니냐 현상이 적도 태평양의 변화에 따라 발생하기 때문에, 태평양 동⋅서부 지점의 관측을 통해 ENSO 현상을 모니터링하고, 관련 지수를 도출한다. 인도양 쌍극자 모드의 경우 열대 인도양의 해수면 온도 차를 특성으로 하여, 서부와 동부 인도양의 위치에서 모니터링된다. ENSO 및 IOD 지수 산출을 위한 관측지점은 전지구적으로 분포하며, 그 위치는 Fig. 1에 나타난 것과 같다. ENSO 단계를 모니터링하는 5개의 NINO 지역(NINO1~4)의 위치는 남위 10°, 북위 5° 내에서 동경 160°, 서경 170° 사이에 분포한다. IOD 모니터링을 위한 인도양 동⋅서부 지점은 각각 동경 50~70° (인도양 서쪽), 동경 90~110° (인도양 동쪽)에 위치한다. 각 지점에서 관측된 해수면 온도 및 기압은 해양기후지수에 산정에 반영되며, 본 연구에서 다루는 전지구적 현상을 설명하는 지표가 된다.
엘니뇨-남방진동과 한반도 기후관련성에 대해서는 여러 논문에서 다뤄진 바 있으며, 기후의 경년 변동에 대한 분석이 주를 이룬다. Park et al. (2018)의 연구에 따르면 ENSO와 한반도 겨울 강수량은 엘니뇨/라니냐의 영향을 받으며, 엘니뇨 해에는 평년보다 많은 강수량을 설명할 수 있고 지역적 편차는 적다. Chu et al. (2007)은 SOI와 계절별 기상자료를 비교한 결과 ENSO Episode에 따라 강수량과 기온 상승/하강에 관계가 있음을 확인하였다. 다만 지역적 변동이 큰 강수 정보의 특성상, 전반적인 결과와 상이한 결과를 보이는 지역도 나타나 한반도 전체가 아닌 지역으로 범위를 좁힌 심층 분석이 필요하다고 판단할 수 있다.
인도양 쌍극자 모드는 인도양 열대 수역의 동, 서쪽에서의 뚜렷한 해수면 온도 편차에 의해 발생하는 인도양 동북쪽과 중앙부와 서쪽의 수온 변화를 나타낸다(Yoon, 2018). 인도양 쌍극자 모드는 인도양 서쪽, 동쪽에서의 해수면 변동으로 해류와 대기의 흐름에 영향을 미치고 이는 주변 지역의 강우, 기온 경향 변화로 이어진다. 인도양 쌍극자 모드 지수(DMI, Dipole Mode Index)는 열대 서인도양, 열대 동인도양 지역에 해당하는 해수면 온도의 차로 나타낸다. 지수가 나타내는 위치에 따라 표준 DMI (DMI_S), 서인도양 DMI (DMI_W), 동인도양 DMI (DMI_E)의 3가지 지수로 표현되며 양수의 DMI는 양의 IOD 상태를, 음수의 DMI는 음의 IOD 상태를 나타내고, 양의 IOD 상태인 경우 동아시아 지역에 평소보다 기온이 높고 건조한 경향을 나타내므로 국내 가뭄과 다소 관계성을 보일 것으로 예측할 수 있다.
2.2 상관성 분석
피어슨 상관분석은 두 지표 사이의 선형적 관계를 파악하기 위한 분석으로, 분석을 통해 통계적 유의성을 확인하는 p-value와 상관성의 강도를 나타내는 r-value (상관계수)을 얻을 수 있다. p-value는 특정 기준(criteria) 준수 여부에 따라 상관관계의 유의성이 결정되며, 일반적으로 0.05 이하인 경우 유의하다고 판단한다. 상관계수는 분석대상인 두 변수 사이의 선형 상관관계를 계량화한 수치로, -1에서 1 사이의 값을 갖는다. 상관계수의 기준은 절댓값을 기준으로 하여 0.3 (약한 상관관계), 0.5 (뚜렷한 상관관계), 0.7 (강한 상관관계), 1.0 (아주 강한 상관관계)로 구분할 수 있다.
3. 연구방법
우리나라 기후변화의 주요 근원지가 인도양 등 주변 해역임을 고려할 때, 주변 해역의 변화가 국내 기상요소에 미치는 영향을 이해하는 과정이 필요하다(KIOST, 2019). 그러나 분석에 있어 현상의 발생 여부를 대상으로 하는 경우, 대상 기간 내 발생 횟수에 따라 결과의 유의미성이 영향을 받게 된다. 또한 서로 다른 현상이 동해년도에 발생하는 경우 중복으로 인해 나타나는 효과를 분리하는 것이 불가능하므로 가뭄과 단일 현상 사이 관계성을 파악하는 것이 어렵게 된다. 이러한 문제를 미연에 방지하기 위해 본 연구에서는 현상의 발생 여부가 아닌 그와 관련된 지수를 활용하고자 하였다. SOI, MEI, ONI 등의 지수는 이미 60년 넘게 측정되고 있으며 연구에서 사용하는 SPI의 단위와 동일한 월 단위 자료를 획득할 수 있어 분석이 용이하다는 장점이 있다. 따라서 ENSO, IOD 지수를 이용하여 국내 가뭄 심도 판단 지표인 SPI와의 통계적 유의성을 파악하기 위한 피어슨 상관분석을 실시하였다.
본 연구에 이용된 자료는 크게 해양기후변수(엘니뇨-남방진동과 인도양 쌍극자 모드 현상 관련 지수)와 가뭄 관련 지수로 구분할 수 있다. 해양기후변수의 경우 국내 가뭄 예측을 위한 선행 개월을 파악하기 위해 현재 및 과거(3년)의 데이터를 이용하였다. 가뭄 관련 지수는 강수량에 대한 영향을 확인할 수 있도록 SPI를 채택하였으며 SPI3, SPI6을 대상으로 상관성이 높게 나타나는 지수와 선행 개월 수를 파악하고자 하였다. 각 기간별 SPI는 남한 내 ASOS 관측소별 데이터를 이용하였며, 주요 도시 12개 지점을 대상으로 하였다.
분석에 사용된 변수는 각 지점의 SPI3, SPI6이며, 가뭄과 가장 직접적인 연결성을 갖는 강수 특성을 고려하여 건기(2월), 우기(7월)의 두 시점을 중점 대상으로 분석하였다. 해양기후변수는 총 6가지의 지수를 대상으로 하였으며, ENSO 관련 지수, IOD 관련 지수가 각각 3개씩(SOI, ONI, MEI와 DMI_E, DMI_W, DMI_S) 사용되었다. 가뭄에 대한 지수의 선행성을 파악하기 위해 각 지수는 동시간(선행 개월 수 0) 또는 지연 시점(선행 개월 수 1~36)의 데이터를 이용하여 상관성 분석을 수행하였다.
본 연구에서 수행된 피어슨 상관분석에 대해, 두 변수 사이의 상관성을 도출해내기 위해서는 해당 분석이 유의미해야 하며, 약한 상관관계 이상의 상관성이 도출되어야 한다. Table 1의 Criteria 1, 2는 해당 조건을 p-value와 r-value로 표현한 것으로, 분석 결과가 이를 모두 만족할 경우 해당 해양기후변수와 국내 SPI는 관련이 있다고 판단할 수 있다. 또한 두 지수 사이 강한 상관성이 나타나는 경우 이를 통해 일정 기간 선행하는 해양기후변수를 통한 국내 가뭄의 예측이 유의미할 수 있다고 결론을 내릴 수 있다.
Table 1
Decision Criteria for Correlation Analysis
4. 상관성 분석 결과
4.1 지역별 상관분석
우선적으로 상관성 분석결과의 개략적인 도시를 통해 유의미한 상관성의 분포 경향을 파악하고, ENSO와 IOD 현상에 대해 대표 인자를 선정하고자 하였다. MAFRA (2024)에 따르면 기후변화의 영향으로 2050년대 가뭄 위험도 1등급 지역이 50.6% 증가할 것으로 예상하는 경향 중, 대구⋅경북 지역에서는 가뭄위험 지역 면적이 감소하는 것과 달리 충청권(세종⋅대전⋅충남, 충북)과 수도권(인천⋅경기) 지역에서 크게 증가할 것으로 나타났다. APCC (APEC Climate Center, 2023)의 가뭄 미래 전망 분석 결과 또한 극심한 가뭄이 남부보다는 중⋅북부 지역에서 발생할 것으로 예상한 바, 중부 및 북부 지역을 대상으로 지역별 상관분석 결과를 비교하고자 하였다. 수도권과 충청권에 대해 대표지점을 선정하기 위해, 기후변화로 인한 가뭄 위험도가 크게 증가할 것으로 예상된 수도권 및 충청권 지역 중 인구수가 많아 가뭄 피해 인구수가 많을 것으로 예상되는 서울과 청주를 대상으로 상관분석 결과를 검토하였으며 이를 월별로 도식한 결과는 아래 표와 같다(Table 2).
Table 2
Monthly R-value Above 0.3 for Each Indicies (SPI6)
Table 2는 서울과 청주에 대해 지수별로 각 월에 유의미한 상관관계를 보이는 상관계수를 나타낸 것으로, SPI6에 대해 상관계수의 절댓값이 0.3 이상인 값 중 최댓값을 나타낸 것이다. 분석 결과, 5월 이후의 데이터에서 일부 지수만이 상관관계를 보였으며, 이와 달리 1-4월은 대부분 지수에서 상관관계를 확인할 수 있었다. ENSO 지수는 DMI_E, DMI_S, DMI_W 순으로 많은 달에서 상관관계를 보였으나, 상관성의 크기는 DMI_W에서 가장 크게 나타났다. IOD 지수의 경우 SOI, MEI, ONI 순으로 나타났으며 상관성의 크기는 ONI에서 가장 작게 나타났다. ENSO와 IOD 지수에 대해, 국내 기상 전반에 영향을 미치는 것으로 판단할 수 있는 DMI_E, SOI를 각 현상의 대표지수로써 이후 분석을 진행하였다.
강우패턴과 호우사상에 큰 차이를 보이는 국내 기상현상의 경향을 고려할 때, 경우 가뭄의 특성(심도, 지속기간 등)에 차이를 보일 것으로 예상되어, 앞서 제시된 12개 관측소의 지역별 상관분석 결과를 비교⋅분석하였다. 분석대상 시점은 건기에 해당하는 2월로 설정하였으며, 지역별로 가장 강한 상관성을 보이는 시점과 그 크기를 비교하였다. Table 3은 DMI_E와 SPI6에 대한 피어슨 상관분석 결과로, 최대 상관계수와 그에 해당하는 결정계수, 선행개월 수를 제시한 것이다. IOD 지수와 SPI 지수 간 상관분석 결과 춘천, 서울, 영주를 제외한 지역 전체에서 앞선 Table 1에서 제시된 조건을 모두 만족하였다. 상관성의 크기는 합천, 전주, 서산 순으로 크고, 합천의 경우 상관계수의 절댓값이 0.5 이상으로 뚜렷한 상관관계를 보인다고 판단될 수 있다. 대상 12개 지점의 SPI6에 대해 IOD 지수는 11~33개월의 선행을 보였으며, 특히 27-28개월과 33-34개월 선행에 대해 높은 상관성을 보였다.
Table 3
Results of Correlation Analysis between IOD and SPI (DMI_E, February, SPI6)
Table 4는 Table 3과 동일하게 12개 관측소에 대한 2월의 SOI와 SPI6에 대한 피어슨 상관분석 결과로, DMI_E와 동일 조건에서 최대 상관계수와 그에 해당하는 결정계수, 선행개월 수를 제시한 것이다. ENSO 지수와 SPI 지수 간 상관분석 결과 Table 1에서 제시된 조건을 만족하는 지점은 10곳이며, 합천, 전주, 포항 순으로 상관성이 크게 나타났다. DMI_E와 비교하여 대부분의 지점에서 상관계수가 더 높게 나타났으며, 8~35개월 선행에서 상관성을 보였다. 합천의 경우 DMI_E, SOI 분석 모두 0.5 이상의 상관계수가 확인되어 해양기후변수와 뚜렷한 연관이 있음을 판단할 수 있다.
Table 4
Results of Correlation Analysis between ENSO and SPI (SOI, February, SPI6)
피어슨 상관계수 분석결과 ENSO 관련 지수인 SOI와 IOD 관련 지수인 DMI_E는 국내 가뭄지수 중 SPI6과 유의적인 관계가 있음을 확인할 수 있으며, 특히 합천 지역의 상관성이 높다고 판단할 수 있다. 다만 두 지수 모두 일부 지역에서는 유의미한 상관성을 찾을 수 없었다.
이상의 결과는 해양기후변수와 국내 가뭄지수 사이 통계적인 연관성이 있음을 보여주며, 특히 27-28개월, 33-35개월 선행하는 지수에 대한 SPI의 지연상관성을 확인한다. 다만, 뚜렷한 상관관계(상관계수 0.5 이상)가 특정 시점, 특정 지점에 국한되어 상관성이 일부에만 국한된다고 판단할 수 있다. 합천의 경우와 같이 특히 강한 상관관계를 보임을 확인할 수 있으며, 통계적으로 유의한 지점에 한하여, 단일 지점에 대한 가뭄의 예측이 수행 가능할 것으로 판단된다.
4.2 상관성 기반 그룹화
상관계수의 절댓값이 가장 높은 선행개월 수(유효 선행개월 수)가 지역별로 다르게 나타남을 고려할 때, 해양기후변수와 국내 SPI의 상관성은 한반도 전 지역에 대해 지역별로 차이를 보일 것으로 예상할 수 있다. 분석 검토 결과 3-5개 지역에서 공통적인 선행이 전제됨에 따라 그룹화를 전제로 추가 분석을 진행하였다. 지역별 편차를 파악, 표현하기 위해 4.1의 분석 결과를 검토하여 지도상에 도식 후 유사성을 확인하고자 하였다.
그룹화를 위해 지점별로 영향의 크기와 유효 선행 개월을 지도상에 화살표로 나타낸 결과는 Fig 2와 같다. 그림에 나타난 영향의 크기는 해당 조건의 상위 3개 상관계수의 평균값으로, 화살표의 길이로 나타나 길이가 길수록 강한 상관관계를 의미한다. 각 지점별 화살표의 방향은 상관계수에 대한 선행성을 나타낸 것으로 0~24개월의 선행을 시계방향으로 표현하였다. 4.1과 동일하게 DMI_E, SOI에 대해 분석을 진행하였으며 계절별(2월, 7월), 표준강수지수 기간(3개월, 6개월)에 따른 변화를 검토하기 위해 총 8개 조건에 대해 분석하였다. Figs. 2(a)~(d)는 2월, Figs. 2(e)~(h)는 7월의 데이터를 나타냈으며 동일 월에 대해 서로 다른 가뭄지수와 해양기후변수에 대해 비교, 검토하였다.
Fig. 2를 상, 하단으로 구분하는 경우 1년 중 시점(건기와 우기)에 따른 특성을, 좌, 우측으로 구분하는 경우 SPI 산정 기간에 따른 특성을 도출할 수 있다. 2월의 데이터는 (a) DMI_E와 SPI3, (b) DMI_E와 SPI6, (c) SOI와 SPI3, (d) SOI와 SPI6의 상관성에 대해 분석하였으며, (c), (d), (b), (a) 순으로 상관성의 크기가 크게 나타났다. 또한 (a), (c)에서 포항과 합천 사이의 유사성을 확인하였다. 7월에 대해서도 동일한 조건을 대상으로 분석하였으며, (e) DMI_E와 SPI3, (f) DMI_E와 SPI6, (g) SOI와 SPI3, (h) SOI와 SPI6의 상관성에 대해 분석하였다. 이 중 (e)에서 지리적으로 인접한 지점 간 화살표의 길이와 방향에서 유사성을 보임을 확인하였으며 수도권과 남부지방, 충청권과 동해안 인근 지역에서의 유사성을 확인하였다.
이를 바탕으로 지리적 위치에 따라 3개의 지점을 포함하는 4개의 그룹을 형성하였으며, 편의상 북부권(Northern Region), 중부권(Central Region), 남부권(Southern Region), 동부권(Eastern Region)으로 표현하였다. 분석 결과, 12개 지점을 위도 및 지형을 기준으로 4개의 그룹으로 구분한 그룹에서 유사성을 확인할 수 있었다. Fig. 2에 나타난 바와 같이 그룹 내 3개 지역의 화살표의 길이와 방향에 유사성을 찾을 수 있으며 특히 DMI_E와 SPI3의 상관성을 나타낸 Figs. 2(a)와 (e)에서 뚜렷하게 나타났다. DMI_E의 경우 대체로 0-12개월 선행에 대한 상관성이 나타났고, 지역별로 다소 차이가 있으나 SOI의 지연은 13~24개월로 IOD 지수보다 긴 지연을 보였다. 지역별 상관성의 크기는 북부권에서 대체로 작게 나타났으며, 2월의 경우 남부권, 7월의 경우 중부권에서 가장 높게 나타났다. 지역별 선행성은 남부지역에서 가장 높은 일치성을 보였으며, 여러 조건에서 다른 지역에 비해 긴 선행 기간을 나타냈다.
분석 결과 유의미한 상관성을 보이는 선행 개월과 상관성의 크기에 차이가 있는 것으로 보이며, 지역적 분포가 엘니뇨-남방진동, 인도양 쌍극자 모드와 국내 가뭄 간 상관성에 영향을 미치는 것으로 판단할 수 있다. 그룹화된 지역 간 위도 및 지형의 공통점⋅차이점을 고려할 때, 엘니뇨-남방진동 지수, 인도양 쌍극자 모드 현상 지수의 영향이 각 지역에 균등하게 도달하지 않는 것으로 판단될 수 있다. 12개 지점에 대한 상관성 분석 결과에서 전주와 광주, 강릉과 울진 등이 동일 선행개월에서 유의미한 결과를 보인 점, 해양기후변수의 측정지점이 적도 부근으로 해수면 온도 등의 변화가 위도에 따라 영향의 크기에 차이를 보일 것으로 예상되는 점을 고려할 때 위도와 위치가 비슷한 지역 사이에 유사성이 있을 것으로 간주할 수 있다.
5. 결 론
본 연구의 목적은 엘니뇨-남방진동, 인도양 쌍극자 모드 현상 지수와 우리나라 지역별 가뭄지수의 상관성 분석에 있으며, 이를 위해 3개의 ENSO 지수(ONI, MEI, SOI), 3개의 IOD 지수(DMI_E, DMI_S, DMI_W)와 한반도 표준강수지수(SPI3, SPI6)에 대해 피어슨 상관분석을 실시하였다. ENSO 및 IOD 지수의 지연상관성을 고려하여 국내 관측소별 SPI에 대하여 3년간의 ENSO, IOD 지수와의 피어슨 상관계수를 도출하였다. 통계적으로 유의미한 값에 대한 판단 기준에 따라 도출된 상관분석결과의 특징 및 시간적, 공간적 관점의 주요 이슈는 다음과 같다.
(1) ENSO 및 IOD 지수와 국내 관측소의 SPI6은 일부 상관성이 있으며, 지수 간 상관에 대해 1~3년의 지연이 존재함을 확인하였다.
(2) 주요 도시 12개 지점 대상 분석 결과 국내 SPI와 ENSO 지수(SOI)는 8~35개월 선행 시 상관계수 절댓값의 범위가 0.306~0.609로 두 지수간 상관성을 확인할 수 있었다. IOD 지수(DMI_E)의 경우 11~34개월 선행 시 유의성을 보였으며 ENSO보다 유사한 지연 시점에 국내 가뭄지수에 영향을 미친다고 판단할 수 있다.
(3) 계절별(월별) 상관성 분석 결과 본 연구에서 제시된 유의성 기준을 만족하는 상관계수 값은 1~5월에 집중되는 것을 확인하였으며, ENSO 및 IOD 지수의 영향이 상반기에 더욱 유의미하다고 볼 수 있다.
(4) 인접하거나 위도가 비슷한 지역에서 유사한 상관성이 나타나며, 그룹별로 상관성의 크기 및 지연시간이 유사하게 나타난다.
(5) 동해안에 위치한 강릉, 울진, 포항은 앞서 분류한 기준에서는 유사성을 찾을 수 없었으나, 세 지점의 값이 상호 유사성을 보였다. 이는 위도가 아닌 기준으로도 상관성에 유사성을 보이는 그룹이 구분됨을 뜻하며, 해당 지역의 경우 바다와 인접한 특성과 산맥으로 가로막힌 지형적 특성으로 인한 기상의 차이 때문으로 예상할 수 있다.
본 연구를 통해 ENSO 및 IOD 지수와 국내 표준강수지수 사이 상관계수 도출을 통해 국내 가뭄에 전지구적 현상이 영향을 미치는 것을 확인할 수 있었다. 하지만 이를 통해 설명이 가능한 SPI의 변화는 일부에 국한되어, 가뭄지수의 변화를 정확히 예측하기에는 한계가 있다.
또한 지수 간 상관성의 계절적, 지역적 특성에 대해 특정 계절 또는 지역이 강한 상관관계를 보이는 원인이나, 전지구적 현상이 가뭄지수에 영향을 미치는 메커니즘을 설명하지 못하고 부분적인 상관성만을 확인할 수 있다는 한계가 있다. 본 연구의 상관성 분석 결과를 바탕으로 지수 간 상관성의 기원을 분석하거나, 동위도의 해외 지역으로 대상지역을 확대하는 등 심층적인 추가 연구가 제시될 수 있다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
