RCP 8.5 기후변화 시나리오의 이슬점온도 변화에 따른 미래 PMPs의 전망
Future PMPs Projection under Future Dew Point Temperature Variation of RCP 8.5 Climate Change Scenario
Article information
Abstract
미래 기후변화 시나리오에 따르면 미래의 기온과 습도는 현재에 비해 점진적으로 증가될 것으로 전망되고 있으므로, 이러한 기후변화의 영향을 반영하여 가능최대강수량(PMPs)을 추정하는 것이 필요하다. 본 연구에서는 AR5 RCP 8.5 시나리오의 이슬점 변동에 따른 가능최대강수량이 추정된다. PMPs 계산을 위해 수문기상학적 방법이 이용되며, PMPs 추정을 위해 기존에 사용되어오던 지형영향비를 대신하여 최근 개발된 산악전이비가 가능최대강수량의 산정에 적용된다. 미래 PMPs 산출결과, 현재보다 증가하는 것으로 나타났으며, 지속시간 24-시간 영향면적 25 km2의 PMPs를 기준으로 살펴보면 증가율은 2045년까지 평균적으로 연간 약 1.3 mm 정도 증가하는 것으로 나타난다.
Trans Abstract
Since future air temperature and humidity are expected to increase gradually, it is necessary to estimate the probable maximum precipitations(PMPs) reflecting the impact of climate change. In this study, futrue PMPs are estimated in consideration of AR5 RCP 8.5 dew point temperature change scenario. The hydro-meteorologic method is used to calculate PMPs. In addition, the orographic transposition factor, which has been recently developed, is applied in place of the conventional terrain impact factor which has been used in previous PMPs estimation procedure. As a result, future PMPs have been shown to increase. PMPs with 24-hour duration and 25 km2 effective area are projected to be increased in the average rate of about 1.3 mm/yr by 2045.
1. 서론
21세기 들어 더욱 더 빈번하게 발생하고 있는 거대 재난들은 우리나라뿐만 아니라 전 세계적으로 심각한 문제로 대두되어지고 있다. 특히 슈퍼태풍 및 빈번해지는 집중호우에 의한 홍수의 피해는 막대한 인명피해 및 경제적 손실을 야기한다. 최근 풍수해로 인한 피해 규모는 매년 증가하고 있으며, 특히 강원지방기상청(2002)에 따르면 2002년 우리나라를 강타한 태풍 루사의 경우 우리나라에 약 5조의 경제적 피해 및 300명 이상의 사상자를 낸 바 있다. 이에 따라 그동안 대규모수공구조물 설계 시에만 국한되어 적용되어 왔던 가능최대강수량(Probable Maximum Precipitations, PMPs)의 개념이 최근에는 거대재난 사상의 추정을 위해서도 이용되고 있는 추세에 있다(Ohara et al., 2011).
PMPs를 산정하기 위한 방법은 크게 수문기상학적 방법과 통계학적 방법, 최대우량 포락곡선방법으로 구분할 수 있다(Lee, 2010). 그 중 수문기상학적 방법은 PMPs 산정방법 중 가장 대표적으로 사용되는 방법이며, 우리나라뿐만 아니라 전세계적으로도 PMPs 추정을 위한 공식적인 방법으로 사용되고 있다. 기후변화에 따른 PMPs 추정과 관련된 국내 사례를 살펴보면, PMP 자체에 대한 연구는 일부 진행되었으나(Lee and Joung, 1971; Lee, 1999; Yoo et al., 2004) 기후변화와 PMP를 동시에 살펴본 연구는 매우 부족한 실정이다. 수분최대화비의 산정에 가장 주요한 인자인 가강수량의 변화를 토대로 현재 및 미래의 가능최대강수량을 비교한 Park et al.(2013)의 연구가 진행되었으며, 최근의 경우 RCP 시나리오에 따른 통계학적 PMP 변화를 살펴본 Sim et al. (2015)의 연구, AR5 RCP 8.5 강우 시나리오에 따른 수문기상학적 PMPs의 변동을 살펴본 Lee et al. (2016)의 연구 등을 살펴볼 수 있다. 국외의 경우 우리나라에 비해 훨씬 다양하고 폭넓게 기후변화에 따른 PMPs에 관한 연구가 진행되고 있다. Kunkel et al.(2013)은 PMPs의 산정에 영향을 미치는 인자들에 대하여 분석한 후, 기후모델을 이용하여 이러한 인자들이 미래의 PMPs에 미치는 영향을 분석한 바 있다. Lagos and Vargas (2014)는 GCM(General Circulation Model)과 RCM(Regional Climate Model)의 결과를 바탕으로 수문기상학적 방법과 통계학적 방법을 이용하여 미래의 PMPs를 전망한 바 있으며, Stratz and Hossain (2014) 또한 지역 대기모형인 RAMS를 이용하여 얻은 미래 이슬점의 변화를 통해 미래의 PMPs를 추정하기도 하였다. 또한 Alain et al. (2014)의 경우Canadian RCM의 가강수량 변화를 통해 변화하는 PMPs를 추정하였다. 이와 같이 GCM 또는 RCM 모형의 결과를 이용하여 미래 PMPs를 분석할 뿐만 아니라, 물리기반의 수치 대기 모형(예를 들어, MM5)을 이용하여 기왕 최대호우사상을 직접 최대화 및 전이시켜 PMPs 산출을 시도하는 연구도 진행되고 있음을 살펴볼 수 있다(Ohara et al., 2011; Ishida et al., 2014).
본 연구에서는 미래의 이슬점의 변동에 따른 PMPs의 변화를 살펴보고자 한다. PMPs는 수문기상학적 방법을 이용하여 산출되어지며, 이 때 기존의 방법 중 지형영향비에 대한 최근의 연구경향을 반영하여 지형영향비 대신 산악전이비를 도입하여 PMPs를 산정하고자 한다. 미래 PMPs 추정을 위한 미래기후정보는 기상청에서 제공하는 12.5-km 해상도의 RCP 8.5시나리오 자료로부터 획득된다. 참고로 RCP 8.5는 제공되는 미래 기후변화 시나리오들 중 가장 큰 기온 상승이 예측되는 기후변화 시나리오이다.
2. 연구방법
2.1 PMPs 산정방법
2.1.1 PMPs 산정방법의 구조
PMPs 산정의 기본개념은 관측된 최대강수량과 최대 수분과의 관계를 이용하여 관측강수량을 최대화하고 이를 다른 지역으로 전이하는 것을 근간으로 한다. PMPs를 추정하는 절차는 크게 수분최대화, 호우전이, 포락의 세단계로 나누어지며, 이를 좀 더 세분화하여 수식으로 나타내면 아래와 같다.
여기서 AP는 조절된 강우량, RIP는 수분최대화비, RHT는 수평전이비, RVT는 수직전이비, OTF는 산악전이비, OP는 관측강우량이다. 즉, 관측된 강우량은 이상적인 조건하에서 공급 가능한 수분상태를 가정하여 최대화되며(수분최대화), 최대화된 강우량은 원하는 전이지역의 공급 가능한 수분조건을 반영하여 조절되며(수평 및 수직전이비), 산악의 영향은 별도로 고려하여 조정된다. 마지막으로 다양한 강우사상들에 대하여 조정된 강우량을 얻은 후, 지속시간별 영향면적별로 포락하게 되면 PMPs를 얻을 수 있다(MOLIT and K-water, 2008).
2.1.2 호우 분석 및 DADs 작성
PMPs 추정에 이용되는 첫 번째 기본 자료는 호우별로 시간강우량 자료를 해석한 DADs 자료이다. 이를 위해 관측기간 동안의 지점별 일 강우자료 및 시간 강우자료를 수집한다. 이러한 자료 중에서 일 강수량 130 mm 이상의 호우를 PMPs 분석대상 호우로 삼는다. 선택된 분석 호우의 지점별 시간 자료를 이용하여 다양한 크기의 영향면적에 다양한 지속기간을 가진 최대강우량을 산정함으로써, 호우별 DAD 곡선군을 얻을 수 있다.
2.1.3 수분최대화 및 호우조절비
호우효율은 대기의 가강수량(precipitable water)과 깊은 관계를 가지고 있으나, 가강수량을 직접 측정하기에는 많은 문제점을 가지고 있다. 이러한 문제를 해결하기 위해 가강수량과 이슬점의 상관관계를 이용하여 효율을 평가하며, 이러한 호우효율에 대한 기본 개념으로 도출된 수분최대화비는 PMPs를 추정하는데 주요 골간을 이루고 있다. 참고로 가강수량(precipitable water)은 어떤 지점의 단위면적당 연직 공기기둥 내의 수증가가 응결하여 모두 강수로 내린다고 가정했을 때의 양을 의미한다.
수분최대화비는 12시간 지속 1,000 hpa 최대 이슬점(100년 빈도 이슬점 적용)에 의한 가강수량과 호우를 대표하는 기간의 12시간 지속 1,000 hpa 지속 이슬점에 의한 가강수량의 비로 산정된다. Miller et al. (1984)에 의하면 수분최대화의 상한계는 1.7이 가장 합리적인 상한계라고 제시하였고, 이보다 큰 경우는 기상학적 판단 및 자료에 대한 판단이 필요하다고 하였다. 그러나 본 연구에서는 기후변화에 따라 변화하는 PMPs의 값을 살펴보기 위해서는 수분최대화비의 상한선계 1.7로 고정되어 있을 경우 기후변화에 따른 수분최대화비의 변화를 확인 할 수 없다고 판단하여, Alain et al. (2014)의 연구를 참고하여 수분최대화비의 상한계를 2.0으로 변경 후 연구를 진행하였다.
호우전이라 함은 호우를 호우가 발생한 지역에서 호우가 발생할 수 있는 지역으로 옮기는 것을 의미한다. 관측호우를 전이함에 따라 수정되는 비를 전이비라 하며, 수평전이비, 수직전이비, 산악전이비로 분리하여 호우전이비를 산정하였다. Miller et al. (1984)은 “수분최대화를 제외한 기타 비를 상한계 없이 사용하는 것은 호우구조상 불리하다”라고 주장한 바 있으며, 수평 및 수직전이비의 상한계로 1.2를 적용하였으며, 본 연구에서도 PMPs의 수평전이비 및 수직전이비의 상한계를 1.2로 설정하였다.
2.1.4 산악전이비
호우전이는 호우지대와 전이지대의 지형학적, 기상학적 동질성을 가정하고 있으나, 지형학적, 기상학적 동질성을 만족하는 객관적인 판단이 불가능하기 때문에, Miller et al.(1984)은 호우지대와 전이지대의 재현기간 100년 지속기간 24시간 확률강우량 차이에 기반한 지형영향비를 호우의 전이에 적용한 바 있으며, 우리나라에서도 이를 채용하여 현업에서 적용하여 왔다.
그러나 기존의 지형영향비는 산정방법의 모호성에 기인한 주관적인 요소가 많아 객관적인 지형영향비의 산출이 어렵기 때문에, 최근 미국에서는 지형영향비를 산악전이비로 대체하여 PMPs를 산정하고 있는 것으로 조사되었다(Tomlinson et al., 2013; Bill et al., 2014). 산악전이비(Orographic Transposition Factor; 이하 OTF)는 기존의 지형영향비에 비해 강우에 대한 영향을 감소시키며, 보다 근본적으로 지형에 대한 효과적인 비교를 제시할 수 있는 방법이다. 이러한 OTF를 산정하는 법은 다음과 같다. 예를 들어 부산의 호우를 서울에 전이시키고자 한다면 먼저 부산과 서울의 24시간 지속시간 연 최대치 시계열 및 빈도별 확률강우량을 구한다. 이후 호우지점인 부산의 빈도별 확률강우량을 횡축으로, 전이지점인 서울의 확률강우량을 종축으로 하여 선형 회귀분석을 실시한다(Fig. 1). 선형 회귀분석을 통해 Fig. 1의 회귀공식(예를 들어, Fig. 1의 경우 y =0.9239x+80.334)이 구해지면 x에 호우지점의 지속시간 24시간의 기왕 최대 연 최대치 강우량 Pi를 대입하여 Po를 산정한다. 강우에 대해 조정된 Po를 Pi로 나누어 주게 되면(식(2) 참조) 부산의 호우를 서울로 전이하고자 할 때의 OTF를 구할 수 있다.
Regression Estimation for OTF.
기존의 지형영향비의 경우 상한계로 1.1이 추천되었으나(Miller et al., 1984), OTF의 경우 두 지역 사이의 지형적 요인이 충분히 차이가 난다는 것에 기인해 산악지형 영향비가 기존의 상한계 및 하한계의 정의를 초과함에 따라(Tomlinson et al., 2013; Bill et al., 2014) PMPs 추정 시 OTF의 하한계 및 상한계로 각각 0.5와 1.5가 추천되고 있다. 이에 본 연구에서는 OTF의 하한계 및 상한계를 0.5와 1.5로 설정하였다.
2.2 기상자료
2.2.1 관측자료
본 연구에서는 우리나라 기상청에서 40년 이상의 자료를 보유하고 있는 강우관측소 62개 지점을 이용하였다(Fig. 2).
Location of Selected Weather Station.
사용된 관측자료의 기간은 기상청 AR5 RCP 시나리오의 현재기간 모의자료 기간과 같은 1981년부터 2005년까지이며, 일 강우 및 시간강우자료, 3시간(일부 지점의 경우 6시간) 지속 이슬점 자료가 사용되었다. PMPs 산출의 기준이 되는 공간적 해상도는 5 km×5 km로 격자화하여 격자별로 PMPs를 산출하였으며, 지점 관측자료는 역거리 가중방법을 이용하여 공간적인 자료를 확장하여 적용하였다.
2.2.2 AR5 RCP 자료
우리나라 기상청 기후변화정보센터(https://www.climate.go.kr)에서 제공하는 AR5 RCP 자료는 세 가지의 공간해상도와 200년, 400년 제어적분으로 구분된다: 1) 영국 기상청 해들리센터의 기후변화 예측 모델인 HadGEM2-AO를 도입하여 생산한 135-km 공간해상도의 전지구 자료, 2) 영국 해들리 센터 지역기후모델인 HadGEM3-RA를 사용한 12.5-km 공간해상도의 한반도지역 자료, 3) 1-km 공간해상도의 남한상세자료. 기상청에서는 미래 이슬점 자료를 별도로 제공하지 않으므로 이에 본 연구에서는 기상청에서 제공하는 AR5 RCP 8.5일 평균기온 자료와 일 상대습도 자료를 이용하여 이슬점 자료를 산출하였다. 사용된 자료의 자세한 정보는 Table 1과 같다.
Scale and Resolution of Climate Change Scenarios
2.3 미래자료생성
2.3.1 편의보정
수문기상학적 방법을 이용하여 PMPs를 산정하기 위해서는 이슬점 자료가 필요하다. 그러나 현재 기상청에서 미래 이슬점 시나리오 자료는 제공하고 있지 않다. 이에 기상청에서 제공하는 미래 평균기온 자료와 상대습도 자료를 이용하여 일 이슬점 자료를 생성하였다. 이슬점을 산정하는 식은 아래와 같다.
여기서 td는 이슬점 온도이며 t는 평균기온, RH는 상대습도이다. 그러나 이와 같이 구축된 현재기간 모의자료의 이슬점 자료 값과 과거 관측된 이슬점 자료의 값에는 차이가 존재하게 된다. 이에 본 연구에서는 이를 보정하기 위한 편의보정을 실시하였다. 편의보정 방법은 Hawkins et al. (2012)이 제안한 방법을 적용하였으며, 지점별 월별로 각각 수행되었다. 이를 간단하게 나타내면 Fig. 3과 같다. Fig. 3에서 Dh는 관측된 월별 일 이슬점 Dp는 RCM으로 모의된 현재기후로부터 도출된 별 이슬점, Df는 RCM으로 모의된 미래기후로부터 도출된 월별 일 이슬점, Dfc는 편의보정 된 미래 월별 일 이슬점이다. 예를 들어 1981~2005년 기간을 대상으로 RCM에서 모의된 서울기상관측소에 상응하는 격자의 1월 일 이슬점 자료 Dp와 1981~2005년에 서울기상관측소에서 관측된 1월 일 이슬점 자료 Dh 사이에 아래와 같은 관계를 가정한다.
Concept of Bias Correction.
여기서 < >는 평균 연산자이며, Dpc는 편의보정 된 현재기간 1월 일 이슬점, σh는 관측된 1월 일 이슬점 표준편차, σp는 현재기간 모의자료의 1월 일 이슬점 표준편차이다. 위 식을 이용하여 현재기간 모의자료의 편의보정 된 일 이슬점을 얻을 수 있다.
식 (5)로부터 편의보정 된 현재기간 모의자료의 월별 일 이슬점은 관측자료의 평균과 표준편차가 같아지게 됨을 알 수 있다. 식 (5)의 관계가 미래에도 그대로 적용된다고 가정하면 편의보정 된 미래 일 이슬점 시계열은 아래와 같이 얻을 수 있다.
따라서 미래 특정 해 특정 월(y년 m월)의 평균 및 분산은 아래와 같이 구할 수 있다.
여기서 <Df>과 V[Df]y,m은 각각 y년 m월 미래모의 일 이슬점 시계열의 평균 및 분산이다. 이와 같이 구해진 미래 모의 일 이슬점 시계열의 평균 및 분산을 바탕으로 아래 식을 이용하여 미래 y년(예를 들어 2045년) 기후상태의 25년간 일 이슬점 시계열
즉, 미래 특정 해(예를 들어 2045년)별로 그 당시의 기후상태에 대한 25년 자료가 각각 생성되게 된다. 이와 같은 방법으로 다시 2022-2046년의 편의보정 된 월별 일 이슬점 값을 통하여 2046년의 기후상태가 반영된 이슬점 자료를 산출할 수 있다. 2045년 기후상태에 대한 25년간 일 이슬점 시계열, 2046년 기후상태에 대한 25년간 일 이슬점 시계열,…, 2100년 기후상태에 대한 25년간 일 이슬점 시계열을 작성하게 되면 2045-2100년의 기후상태에 대한 25개년 이슬점 일 자료를 얻을 수 있게 된다.
2.3.2 이슬점 변화가 반영된 미래 12시간 지속 100년 빈도 이슬점 생성
생산된 미래 년별 월별 일 이슬점 자료를 이용하여 100년 빈도 이슬점이 지점별 기간별로 추정된다. 그러나 PMPs 산정을 위해서는 12 시간 지속 100년 빈도 이슬점이 필요하기 때문에, 이에 대한 보완이 필요하다. 이에 본 연구에서는 관측자료를 이용하여 일 고정시간 100년 빈도 이슬점과 12-시간 지속 100년 빈도 이슬점 사이의 비를 계산하였으며, 이를 미래 일 고정시간 100년 빈도 이슬점에 적용하여 미래 12시간 지속 100년 빈도 이슬점을 생산하였다.
아래 그림은 지점별 기간별 1981-2005년 자료를 이용한 100년 빈도 이슬점과 2045년, 2070년, 2100년의 100년 빈도 이슬점과의 변화 정도를 나타낸 것이다. 대부분의 지점에서 7월 중순 이후부터 9월 중순까지 현재에 비해 이슬점 온도가 증가하는 양상임을 확인할 수 있으며, 2100년으로 갈수록 대부분의 지점 및 기간에서 이슬점 온도가 현재에 비해 증가하는 양상을 확인할 수 있다.
이와 같이 추정된 100년 빈도 이슬점을 이용하여 수분최대화비 및 호우전이비를 재산정한 결과를 이용하여 미래 PMPs를 산출, 결과를 분석하였다.
3. 결과
3.1 과거자료를 이용한 PMPs 결과
본 절에서는 1981년-2005년 자료를 이용하여 PMPs를 산정한 결과를 나타내었다. 이 때, 수분최대화비의 상한계는 미래 이슬점 변동에 따른 변화와의 비교를 위하여 2.0을 적용하였다. 분석된 PMPs 중에서 일부 지속시간별 영향면적별 결과를 Fig. 5에 도시하였다. 전반적으로 연안지역의 PMPs가 내륙지방보다 크게 나타나는 모습을 확인 할 수 있다. 특히 강릉 지역이 다른 지역들보다 큰 PMPs를 나타나고 있는데, 이는 2002년 태풍 루사의 영향인 것으로 분석되었다.
PMPs Maps Obtained Observed Data.
Future 100-yr dew point temperature variation.
Table 2와 3은 1981년-2005년의 자료를 이용하여 구한 PMPs의 지속시간별 영향면적별 전체 격자의 평균 및 표준편차를 보여주고 있다. 지속시간 24시간 영향면적 25 km2의 경우 평균적으로 약 762 mm 정도의 PMPs가 산출되며, 공간적인 표준편차는 78 mm 정도(평균의 약 10%)가 됨을 살펴볼 수 있다.
Grid-Averaged Historical PMPs (mm)
Standard Deviations in Historical PMPs (mm)
3.2 미래 이슬점변동에 따른 PMPs 결과
본 절에서는 미래 100년 빈도 이슬점을 이용하여 최대 12시간 지속 1000 hpa 이슬점에 의한 가강수량을 변화시켜 수분최대화비 및 수직전이비, 수평전이비를 변동시킨 후 PMPs를 재산출한 결과를 나타냈다. 본 연구에서는 2045년, 2070년, 2100년을 기준으로 이슬점 변동에 따른 PMPs 결과를 확인해보았다.
먼저 2045년을 기준으로 PMPs를 산정한 결과를 Table 4와 5에 나타내었다. Table 4와 5는 미래 이슬점변동에 따른 기준년도(즉, 2045년)의 지속기간별 영향면적별 PMPs를 산정한 후, Table 2와 3과 같이 공간적인 현황 표를 작성, 이를 과거자료로부터 산출된 결과와 비교하여 백분율로 나타낸 결과이다. 즉, 기준년도 2045년의 지속시간 24시간 영향면적 25 km2의 경우 평균적으로 6% 정도 증가한 810 mm 정도의 PMPs가 계산되고 있음을 의미한다. 이는 현재 대비 평균적으로 해마다 1.3 mm 증가하는 추세임을 의미한다.
Future PMPs Change Rate in 2045 (%)
Future PMPs Standard Deviation Change Rate in 2045 (%)
지속시간 12시간 이상에서는 모든 영향면적에서 PMPs가 증가할 것으로 예측되고 있음을 살펴볼 수 있다. 표준편차 또한 지속시간 6시간 이상에서는 모든 영향면적에서 증가하는 것으로 나타남에 따라 지역별 PMPs의 차이가 지금보다 더 커질 가능성이 있음을 알 수 있다. 다만, 지속시간 6시간 이하의 PMP의 경우에는 현재와 비교하여 작거나 거의 같게 PMPs가 산출되고 있음을 살펴볼 수 있다.
기준년도를 2070년으로 한 경우의 PMPs 전망결과는 Table 6과 7에 나타내었다. Table 6을 보게 되면 지속시간 1시간을 제외하고 모든 면적 및 지속시간에서 현재 대비 PMPs가 증가하고 있는 양상을 확인 할 수 있다. 지속시간 6-12 시간의 경우 현재대비 평균 5-8% PMPs가 증가하고 있는 양상을 보이고 있으며, 지속시간 18-72 시간의 경우 현재대비 약 11-15% 증가하고 있음을 확인할 수 있다. 참고로 영향면적 25 km2 지속시간 24시간의 경우 약 13%가 증가하는 것으로 나타나고 있다. 이는 매년 약 1.5 mm의 PMPs 가 증가하는 것으로 볼 수 있다. 또한 표준편차의 경우 지속시간 1시간을 제외하고는 모든 지점 및 지속시간에서 현재에 비해 증가하는 양상을 보이는 것을 알 수 있다. 이는 미래로 갈수록 지역적 PMPs의 편차가 심해진다는 것을 의미한다.
Future PMPs Change Rate in 2070 (%)
Future PMPs Standard Deviation Change Rate in 2070 (%)
기준년도 2100년의 PMPs 전망결과를 Table 8과 9에 나타내었다. Table 8을 보게 되면 기준 지속시간 18시간 이후 대부분의 지속시간 및 면적에서 20-25%의 증가율을 보이고 있는 것을 확인 할 수 있다. 특히 면적이 넓어질수록 PMPs의 증가율이 더욱 커지는 경향성을 확인할 수 있다. Table 9를 살펴보면 지속시간 12시간 이후의 표준편차가 30-50 % 정도로 2045년에 비해 크게 증가하는 것을 확인 할 수 있다.
Future PMPs Change Rate in 2100 (%)
Future PMPs Standard Deviation Change Rate in 2100 (%)
또한 미래로 갈수록 공간적 변동성은 더욱 커지며, 지역 간 PMPs의 차이가 더욱 두드러지고 있음을 살펴볼 수 있다. 그러나 먼 미래로 갈수록 미래기후정보의 불확실성 또한 커지므로 2100년의 결과의 신뢰성은 크다고 볼 수 없을 것으로 판단된다.
4. 결론
본 연구에서는 과거자료를 이용하여 1981-2005년의 PMPs 산정 및 기상청 RCP 8.5 일 평균기온 및 상대습도 자료를 이용하여 미래 이슬점변동에 따른 PMPs의 변화를 분석하였다. 이 때, 기존의 PMPs 산정절차 중 지형영향비 부분은 최근의 경향을 반영하여 산악전이비로 대체하여 적용하였으며 수분최대화비의 경우 기후변화의 영향을 확인하기 위해 수분최대화비의 상한계를 변경하여 연구에 적용하였다.
먼저 과거자료를 이용한 PMPs 산정 결과를 살펴보면 대부분의 지속시간과 영향면적에서 내륙보다는 연안에서의 PMPs가 상대적으로 높게 나타나고 있는 것을 확인 할 수 있다. 미래 이슬점자료를 이용한 PMPs를 전망한 결과, 2045년의 경우 지속시간 12시간 이후의 경우 현재보다 PMPs가 증가하는 것으로 나타났으며, 공간적인 편차도 약간 상승하는 것으로 나타났다. 또한 지속시간 24시간 영향면적 25 km2 기준으로 PMPs가 평균적으로 연간 1.5 mm 정도 증가하는 추세임을 살
펴볼 수 있었다. 2070년의 경우 2045년의 경향이 이어져 지속시간 18시간 이상의 경우 10-15% 정도 PMPs가 증가하는 양상임을 확인 할 수 있다. 2100년의 경우 지속시간 18시간 이후의 면적에서 약 20-25% 증가하는 양상을 보이고 있음을 알 수 있다. 또한 지속시간 12시간 이후의 표준편차가 30-50%의 증가율로 크게 증가하며, 이는 미래로 갈수록 공간적인 변동성이 더욱 커짐을 확인할 수 있다.
분석된 결과는 미래의 기후변화에 따라 변화하는 PMPs의 거동을 살펴볼 수 있을 것으로 판단되며, 향후 다양한 기후변화 기후시나리오에 따른 PMPs의 변화 연구에 초석을 제공할 수 있을 것으로 기대된다. 또한 이러한 연구 결과는 Alain et al. (2014)의 연구결과에서 모델에서 제공하는 가강수량 값을 직접 이용하여 현재대비 PMPs의 변화율을 도출한 연구와도 비교해 볼 만한 가치가 있다. 다만 본 연구에서 적용한 미래 이슬점자료(즉, 기온과 습도) 외에도 강수량 등과 같이 다른 기후요소가 PMPs 산정에 영향을 미치고 있기 때문에, 이에 대한 분석이 추후 요구된다. Lee et al. (2016)의 연구에서 사용한 RCP 강우 시나리오를 이용하여 PMPs를 산정하는 방법을 같이 고려하여 연구결과를 도출해 낸다면 더욱 신뢰성 있는 결과를 얻을 수 있을 것으로 판단된다. 따라서 향후 연구에서는 다양한 기후변화 시나리오의 적용뿐만 아니라 이슬점 이외의 요소를 고려한 PMPs의 변화를 알아보는 것이 중요할 것으로 생각된다.
감사의 글
본 연구는 국민안전처 자연재해저감기술개발사업단(자연피해예측및저감연구개발사업)의 지원으로 수행한 ‘기후변화 적응을 위한 연안도시지역별 복합원인의 홍수 취약성 평가기술개발 및 대응 방안 연구’[MPSS-자연-2015-77]과제의 성과입니다.