1. 서 론
2. 지하수위 관측 현황 및 자료 선별
2.1 지하수위 관측 현황
2.2 분석대상 자료 검토
3. SGI를 이용한 지하수가뭄 모니터링 기법
3.1 지하수위 자료의 정규화를 통한 SGI 산정 기법
3.2 SGI 산정 결과
3.3 관측소별 SGI를 이용한 시군별 SGI 산정
4. SGI를 이용한 가뭄모니터링 방안
5. 결 론
1. 서 론
2016년 3월부터 시범운영을 시작한 국가 가뭄 예․경보를 위해 관계부처들이 분야별 가뭄정보를 분석하고, 가뭄TF (task force) 회의를 거쳐 가뭄 예․경보를 매월 10일 발표하고 있다. K-water의 가뭄정보분석센터에서는 생․공용수 분야의 가뭄판단 및 전망에 대한 분석을 수행하고 있으며, 생․공용수 분야는 가뭄의 종류 중 수문학적 가뭄에 해당한다. 수문학적인 관점에서 가뭄은 강수량의 부족으로 인한 유역의 토양수분 감소로 하천유량 및 저수량 등 가용 수자원이 부족한 상태를 말한다. 따라서, 수문학적 가뭄은 하천유량, 저수량, 지하수위 등 가용수자원의 양으로 정의하며, 물 공급 가능 여부가 가뭄 판단의 기준이 될 것이다.
가뭄정보분석센터에서는 생활 및 공업용수 가뭄 예․경보를 위해 수원의 종류에 따라 댐, 하천, 저수지 및 기타로 구분하여 가뭄판단 기준을 수립하였다. 다목적댐 및 용수댐의 경우 용수공급조정기준의 대응단계에 상응하는 공급가능 저수량을 기준으로 가뭄단계를 판단한다. 하천의 경우 홍수통제소의 갈수예보 기준 유량으로 국가하천에 대한 가뭄판단을 수행하고, 수위-유량관계곡선의 신뢰도가 낮은 지방하천의 경우 유황분석을 통해 가뭄판단 기준수위를 설정하여 이용하고 있다. 문제는 지하수, 계곡수 등 계측이 이루어지지 않는 수원으로부터 용수를 수급하고 있는 미급수지역이다. 이러한 지역은 수원의 계측 값을 기반으로 한 가뭄판단 기준을 수립하기가 현실적으로 어려운 문제가 있다. 따라서 가뭄 예․경보 시범운영 초기에는 강수량 기반의 가뭄판단 지수인 표준강수지수(Standardized Precipitation Index, SPI) 중 수문학적 가뭄 판단에 적합하다고 알려진 SPI6를 이용하여 간접적으로 가뭄을 판단하였다. 그러나, 표준강수지수는 기상관측소(전국 59개소)에서 관측된 강수량 정보로 산정되므로 기상관측소(관측소간 거리 16∼73 km)와 거리가 먼 미급수지역의 표준강수지수는 정확도가 떨어지며, 수원에 대한 정보 없이 기상조건에 대한 가뭄상황을 표출하여, 실제 체감상황과의 차이가 존재한다. 과거에도 지형조건 및 물 공급 특성에 맞는 가뭄상황 판단기준 도입의 필요성이 제기된 바 있다(Kwon and Kim, 2007). 또한 지하수와 지표수를 단일 수자원으로서 홍수 및 가뭄 시 상호 보충되거나 연계 평가되어야 할 필요성에 대해서는 여러 연구들에서 언급된 바 있다(Kim et al., 2010; Lee et al., 2010; Choi et al., 2011). 더불어 지하수와 지표수 상호간의 관계를 연계 해석하기 위해 다양한 연구들이 이루어져 왔다(Kim et al., 2006; Chung et al., 2011; Jeon and Kim, 2011). Kim and Lee (2012)는 가뭄 시 지표수는 고갈되어 더 이상의 유량 측정이 어려우나 지하수위는 지속적인 하강 특성을 보이고 측정 가능하기 때문에 가뭄의 특성을 보다 잘 반영해주는 인자가 될 수 있음을 언급한 바 있다. 전체 미급수시설(마을상수도, 소규모급수시설) 1만 6천여 개 중 약 85%에 해당하는 1만3천여 개의 시설이 지하수를 수원으로 하고 있다. 따라서 수원의 정보를 기반으로 한 생․공용수 가뭄상황 판단 및 예․경보 체계에 부합하기 위해서는 지하수 정보를 기반으로 한 미급수지역의 체감 가뭄상황을 가뭄 판단에 반영할 필요가 있다.
2. 지하수위 관측 현황 및 자료 선별
2.1 지하수위 관측 현황
지하수를 수원으로 하는 지방상수도 취수시설의 경우 취수를 위한 펌프시설 이외에 지하수위 관측시설이 전무한 실정이며, 이로 인해 대상 지하수 취수시설의 수위관측 자료를 직접 사용하여 가뭄모니터링에 활용할 수 없는 것이 현실이다. 따라서 전국에 산재한 지하수 공급․사용지역의 지하수위 변동 현황을 모니터링하기 위해 해당 지역의 국가 지하수관측망을 활용하고자 한다. 국가 지하수관측망은 지하수 수위 및 수질 변동을 지속적으로 감시․관측하기 위해 국토교통부에서 설치한 지하수 관측시설이다. 국내의 지하수 관측망은 국가지하수관측망, 보조관측망, 농촌관측망 및 수질관측망이 있으나(Table 1), 장기간의 관측기간과 품질관리를 통한 신뢰성이 확보되고, DB (database)를 통해 실시간 자료 확보가 가능한 지하수위 관측 자료는 국가 지하수관측망 자료가 유일한 실정이다.
Table 1. Groundwater monitoring networks in Korea
* MOLIT : Ministry of Land, Infrastructure and Transport
**MAFRA : Ministry of Agriculture, Food and Rural Affairs
***ME : Ministry of Environment
국가 지하수관측망(Fig. 1)에서 관측되는 기초자료는 1시간 간격으로 자동 측정되는 수위, 수온, 전기전도도와 상․하반기 각 1회씩 총 2회 측정하는 수질현황 자료이다. 관측된 연간 기초자료는 매해 말일 기준으로 이듬해에 지하수 관측연보로 발간하고 있다. Table 2는 지하수관측연보 2016에서 집계한 수계별 설치/운영 중인 관측소 수를 나타내고 있다(MOLIT and K-water, 2016).
Table 2. Summary of national groundwater monitoring network
| Watershed | Total | Han | Nak-dong | Geum | Sum-jin | Young-san | Jeju |
| Number of Installed | 402 | 125 | 112 | 89 | 38 | 34 | 4 |
| Number of operating | 386 | 121 | 106 | 88 | 35 | 32 | 4 |
2.2 분석대상 자료 검토
SGI를 이용한 지하수 가뭄 모니터링 기법은 장기간 관측 자료 기반의 지하수위 분포와 현재의 지하수위를 비교하는 개념으로, 분석을 위한 관측 자료는 장기간의 자료를 이용하는 것이 통계분석의 신뢰도를 높일 수 있다. 본 분석을 위해 전체 지하수 관측소 중 10년 이상의 관측 자료를 보유한 288개 관측소를 우선 선별하였다. 지하수 관측정의 경우 대수층 특성에 따라 충적대수층과 암반대수층에 설치된 충적관측정과 암반관측정으로 구분되며, 선택된 288개 관측소 중 암반층과 충적층을 동시에 관측하는 관측소는 138개소이다. 강수의 부족 및 증발산량의 증가로 토양수분 및 하천유출량 등이 감소하는 가뭄의 진행과정과 지하수위를 연계하여 해석할 경우, 주변 토양수분의 상태 등 가뭄의 정도에 따른 지하수위 변화는 수리특성상 암반층보다 충적층에서 더 상관성 높게 나타나는 것이 일반적이다. 따라서 암반층과 충적층 관측공을 동시에 보유한 관측소의 경우 충적층 자료를 우선 사용하였다.
1차 선별된 288개 관측소의 지하수위 관측 자료는 K-water 국가지하수정보센터의 데이터베이스(NGWIS)를 이용해 수집하였다. 추후 월단위로 제공되는 기상전망과 연계하여 분석이 필요하기 때문에, 지하수위도 월평균 자료로 수집하였다. 1차 선별된 288개 관측소의 관측 시계열 도시를 통해 2차로 사용할 관측소를 선정하였다. 우선 관측 자료의 변동유형을 파악하기 위해 관측 자료의 월평균 값을 이용하여 시계열도를 작성하고, 변동유형을 분석하였다. 지하수위의 변동유형은 계절형, 계단형, 경사형, 양수교란형 등으로 구분되며, 두 가지 이상의 변동유형이 복합적으로 나타나는 경우가 많다.
Fig. 2는 2차 선별을 통해 최종적으로 선정된 자료와 제외된 자료의 예를 도시하였다. (a)충주가금 관측소와 (b)광양봉강 관측소는 계절적 주기성을 보이는 정상적인 시계열 자료로서 최종 선정된 자료이다. (c)는 성주벽진 관측소로 계절형과 경사형이 혼합된 변동유형을 보인다. 관측개시 시점(1998.5)부터 수위가 지속적으로 하강하는 경향성으로 인해 제외된 경우이다. (d)는 청송현서 관측소로 계단형 변동유형을 보인다. 2005년 말 큰 폭의 수위하강 후에도 지속적인 하강추세를 보이다 2010년 급격한 수위상승 이후 안정된 추세를 나타내고 있다. 지하수위의 자연적, 물리적 변동 폭으로 보기에는 그 편차가 너무 크기 때문에 이용 자료에서 제외한 경우이다. 이처럼 계절적 유형을 따르지 않고 계단형, 경사형, 양수에 의해 교란된 변동특성 등을 보이는 성주벽진, 청송현서 등 32개 관측소는 자료에서 제외하고, 최종적으로 256개 관측소를 선정하였다. 이 중 충적관측공은 132개이고, 암반관측공은 124개이다.
3. SGI를 이용한 지하수가뭄 모니터링 기법
본 연구에서는 지하수 관측공별 가뭄판단 기준을 SGI 지수를 통해 일반화 하여 모니터링 할 수 있는 기법을 정립하고자 하였다. SGI는 Bloomfield and Marchant (2013)에 의해 제시된 지하수 가뭄지수로 평년 대비 지하수위의 높고 낮은 정도를 나타내는 표준화지수이다. 이러한 방법은 우선 계절적 주기성을 반영한 평년대비 지하수위 상태를 판단할 수 있다는 이점이 있다. 또한 관측공별 지하수위 상태를 판단함에 있어서 관측소별로 모두 다른 지하수위 표고와 변동범위로 인해, 가뭄판단 기준을 관측소별로 모두 다르게 설정해야 하는 문제를 정규화를 통해 동일 기준으로 관리할 수 있게 해준다. 부수적으로 SPI와 SGI를 이용하여 기상학적 가뭄과 지하수 가뭄을 동일한 축척에서 비교할 수 있다는 장점이 있다. Fig. 3은 지역별 지하수가뭄 모니터링을 위해 국가지하수관측망 수위관측 자료를 이용하여 관측소별 SGI를 산정하고, 시군별로 면적 평균한 SGI를 산정하는 과정을 도시하였다.
3.1 지하수위 자료의 정규화를 통한 SGI 산정 기법
가뭄과 관련하여 가장 많이 사용되는 정규화 지수로는 표준강수지수인 SPI (standardized precipitation index)가 있으며, McKee et al. (1993)에 의해 처음 제시되었다. 대부분의 연구에서 주기를 갖는 수문자료의 특성을 제거하고 자료의 상대 비교가 가능하도록 평균이 0, 분산이 1이 되도록 자료를 표준화시켜 분석하는 기법을 사용한다. 원 자료가 정규분포를 따를 경우는 평균값을 이용한 정규화를 Eq. (1)을 이용하여 간단하게 산정할 수 있다.
| $$\widetilde d=\frac{d_i-E(d)}{\sigma_d}$$ | (1a) |
| $$\mathrm{여기서},\;E_d=\frac1N\sum_{i-1}^Nd_i$$ | (1b) |
| $$\sigma_d=\sqrt{\left(\frac1N\sum_{i=1}^N\left(d_i-E\left(d\right)\right)^2\right)}$$ | (1c) |
하지만, 강수량이나 지하수위 등 수문자료의 경우 관측소별 또는 자료 기간별로 평균, 분산 등이 다양한 값을 갖게 되며, 자료의 분포 또한 제각기 다른 분포를 띄게 된다. 이럴 경우 Quantile 정규화를 이용하는 것이 효과적이다. Quantile이란 분위수로서 일반적으로 이야기 하는 k번째 q-quantile은 자료의 분포를 확률적으로 균등하게 q개로 나누었을 때 k번째에 해당하는 자료 값을 의미한다. 좀 더 단순하게 표현하면, 자료를 오름차순으로 정렬했을 때 특정 분위(k/q 즉 %)에 해당하는 자료 값이 얼마인지를 찾는 것이다. 관측소별로 또한 월별로 각기 다른 수위분포를 갖는 지하수위 관측 자료를 표준정규분포를 이용하여 정규화하기 위해서는 다음과 같은 절차를 거치게 된다. 우선 각 자료(관측소별, 월별)의 최적 확률분포를 구한 후 이를 누적확률분포함수로 변환한다. 누적확률분포에서는 특정 월의 수위 값이 자료의 몇 퍼센트에 해당하는 값인지 분위를 구할 수 있다. 구해진 분위 값을 표준정규분포의 Quantile Function(누적확률밀도함수의 역함수)에 대입하면 표준정규분포로 정규화 된 지수 즉 SGI를 구할 수 있다. 이러한 변환 과정은 특정분포의 확률 값을 표준정규분포로 투영(projection)하는 개념으로 이해할 수 있다(Bolstad et al., 2003).
Fig. 4는 지하수위 자료로부터 SGI를 산정하는 과정을 개념화 하여 나타낸 것이다. (a)는 특정 관측소의 4월에 해당하는 지하수위 관측 자료를 이용한 히스토그램(histogram)과 Gamma 분포로 추정된 확률밀도함수(probability density function, pdf)를 예시한 것이다. (a)에서 추정된 확률밀도함수는 (b)와 같이 누적분포함수(cumulative distribution function, cdf)로 나타낼 수 있다. 누적분포함수를 이용하면, 가로축에 해당하는 특정 지하수위가 세로축에 해당하는 누적확률 즉 자료의 몇 퍼센트에 해당하는지를 찾을 수 있다. 이렇게 찾은 퍼센트 값을 (c)의 표준정규분포 누적분포함수에 투영하여 해당 퍼센트에 해당하는 Quantile 값(CDF-1)을 찾으면 정규화된 지수인 SGI를 구할 수 있다.
월별 지하수위 분포는 관측소별로 다양한 자료 범위와 분포를 보이고 있다. 확률구간 범위에 따른 자료밀도가 완만하지 않은 경우가 많으며, 분포의 형태도 워낙 다양하게 나타나기 때문에, 관측소별로 월별 확률분포를 일반화된 분포식과 모수추정 과정을 거쳐 적합 시키기에는 무리가 있다. 따라서 본 연구에서는 관측소별 월별 지하수위 거동의 확률분포를 비모수 추정법인 핵밀도함수법(kernel density estimation, KDE)을 이용하여 추정하였다. 비모수 밀도추정의 가장 간단한 형태는 히스토그램이다. 즉, 관측된 데이터들로부터 히스토그램을 구한 후 구해진 히스토그램을 정규화하여 확률밀도함수로 사용하는 것이다. 히스토그램 방법은 확률구간 경계에서 불연속성이 나타난다는 점과 구간 값의 크기 및 시작 위치에 따라 히스토그램이 달라진다는 점 등의 문제점을 갖는다. KDE는 비모수 확률밀도 추정법 중 하나로서 핵밀도함수를 이용하여 히스토그램의 문제점을 개선한 방법이다. 관측된 데이터를 x1, x2, …, xn 이라 할 때 랜덤변수 X에 대한 확률밀도함수를 KDE를 이용하여 구하는 식은 아래와 같이 정의된다(Silverman, 1986).
| $${\widehat f}_h(X)=\frac1n\sum_{i=1}^nK_h\left(X-x_i\right)=\frac1{nh}\sum_{i=1}^nK\left(\frac{X-x_i}h\right)$$ | (2) |
위 식에서 h는 핵밀도함수의 대역폭(bandwidth)으로서 커널의 완만한 정도를 조절하는 매개변수이다.
KDE를 이용하여 확률밀도를 추정할 경우, 원 자료의 확률분포를 특정 분포 함수에 억지로 적합시키지 않고 원 자료의 히스토그램을 충실하게 재현하는 확률밀도를 추정할 수 있다는 장점이 있다. 본 연구에서는 핵밀도함수를 Normal로 적용하였고, 밴드의 개수를 100개로 설정하여 직관적으로 쉽게 알 수 있는 분위수(percentile)로 설정하였으며, Kernel Smoothing 을 위한 대역폭은 0.8로 설정하였다.
3.2 SGI 산정 결과
앞 절에서 설명한 과정을 통해 256개 관측소에 대한 관측소별/월별 지하수위, 해당 월 지하수위의 분위수 및 각 월별 SGI를 산정하였으며, 그 결과는 Table 3과 같다. 예시된 목포용당 관측소는 1996년 1월부터 관측 자료가 존재한다. 표에서 첫 번째 열은 관측연월이며, 두 번째 열은 해당 월의 평균 지하수위이다. 세 번째 열은 월별로 분석된 Kernel density를 이용하여 해당 월평균 지하수위의 분위수를 구한 것이며, 마지막 열이 표준정규분포의 Quantile Function을 이용해 분위수를 정규화 한 SGI 산정 결과이다.
Table 3. Examples of calculated CDF and SGI derived with monthly groundwater level
Fig. 5는 목포용당 관측소의 월별 지하수위분포를 Kernel Density로 추정한 결과를 그린 것이다. 그림의 가로축은 지하수위를 나타내며, 세로축은 발생확률을 의미한다.
Fig. 6은 전체 분석과정을 거쳐 산정된 관측소별 월별 SGI 중 목포용당 관측소의 결과를 지하수위와 함께 비교 도시한 것이다.
256개 관측소별로 산정된 월별 SGI 중 2016년 12월의 전국 SGI 상황을 Fig. 7에 도시하였다. (a)는 IDW (inverse distance weighting)를 이용하여 보간한 공간분포도이며, (b)는 Kriging을 이용한 분포도를 각각 비교 도시하였다.
3.3 관측소별 SGI를 이용한 시군별 SGI 산정
서론에서 언급한 바와 같이 본 연구의 목적은 지하수 공급․사용지역의 수원으로서의 지하수위 현황을 분석하고 가뭄 예․경보를 위한 기초자료를 생성하는데 있다. 하지만 지하수를 수원으로 하는 소규모 급수시설은 전국에 걸쳐 1만 3천여 개에 달하며, 수위계측 등 기초자료가 전무한 상태이다. 따라서 소규모 급수시설별로 개별적인 가뭄상황 분석을 수행하는 것은 불가능하며, 일정 공간범위에 대한 평균적인 지하수위 상황을 근거로 지하수 가뭄상황을 간접적으로나마 판단하는 것이 현실적일 것이다. 현재 국가 가뭄 예․경보에서는 기상, 농업 및 생․공용수 분야의 가뭄현황 분석정보를 167개 시․군 단위로 구분하여 제공하고 있다. 본 연구에서는 분석 목적에 부합하도록 가뭄 예․경보의 공간범위와 동일하게 167개 시․군 경계로 공간을 구분하고 Thiessen Network (Fig. 8(a))를 이용하여 면적가중 평균된 시군별 SGI를 도출하여 예․경보에 바로 활용할 수 있도록 하였다(Fig. 8(b)).
4. SGI를 이용한 가뭄모니터링 방안
기상학적 가뭄의 경우 SPI를 이용한 가뭄 정도의 구분 기준을 McKee et al. (1993)이 제시한 바 있다. 제시된 기준은 SPI ≤ −2일 경우 극심한 가뭄, −1.5 ≥ SPI > −2이면 심한가뭄, −1.0 ≥ SPI > −1.5은 보통가뭄, 0 ≥ SPI > −1은 약한가뭄, 그리고 SPI > 0이면 가뭄이 아닌 것으로 판단하였다(Table 4).
Table 4. Arbitrarily defined drought intensity with range of SPI
| SPI Value | 0 to -0.99 | -1 to -1.49 | -1.5 to -1.99 | SPI ≤-2 |
| Drought Category | Mild drought | Moderate drought | Severe drought | Extreme drought |
지하수 가뭄 모니터링과 관련하여 미국 USGS (U.S. Geological Survey)에서는 지하수 관측 자료를 통합 관리·분석·제공하고 있으며, 州정부에서는 제공 받은 지하수위 데이터를 기준으로 지하수 가뭄상황을 판단하고 있다. USGS의 지하수위 분류 기준은 백분위수(percentile) 방법을 적용하여 가장 최근의 지하수위 상태에 따라 과부족 여부를 Table 5와 같이 분류하고 색으로 구분하여 관측소별로 표시한 지도를 제공한다(USGS, 2018).
Table 5. Groundwater level classes of USGS
| Explanation - Percentile classes | |||||||
 |  |  |  |  |  |  |  |
| Low | < 10 | 10-24 | 25-75 | 76-90 | > 90 | High | Not Ranked |
| Much Below Normal | Below Normal | Normal | Above Normal | Much Above Normal | |||
미국의 국가가뭄경감센터(National Drought Mitigation Centre, NDMC)에서는 기상, 토양수분 등 6개의 주요 지표와 저수지 및 호수 수위 등 여러 부가지표를 활용하여 종합적인 가뭄정보 분석을 통해 가뭄의 단계를 Table 6과 같이 구분하고 있다(NDMC, 2018). 캐나다의 경우는 가뭄 대응 단계를 Level 1~Level 4로 설정하고 있으며, 단계를 나누는 기준은 적설량, 강수량, 하천유량 등 핵심지표들의 상태를 종합적으로 고려하여 판단하고 있다. 예를 들어 7일평균 하천유량의 경우 백분위수 25% 이상이면 정상상태, 11~25% 사이는 건조상태, 6~10%는 매우건조, 6% 미만은 극심한 건조로 구분하고 있다(Econnics, 2010).
Table 6. Drought severity classification of NDMC
| Category and description | D0 Abnormally dry | D1 Moderate drought | D2 Severe drought | D3 Extreme drought | D4 Exceptional drought |
| Objective drought indicator blends (percentile) | 21~30 | 11~20 | 6~10 | 3~5 | 0~2 |
예시된 사례들을 보면 백분위수 또는 정규화 된 지수를 이용해 통계적 기법으로 가뭄 등급을 분류하고 있으며, 보통 백분위수를 이용할 경우 1/4분위에 해당하는 25%이하부터 주의를 기울이는 단계로 설정하고, 10%, 5% 등의 경계 값을 기준으로 단계를 구분하고 있다. 또한 정규화 된 지수를 이용할 경우 –1, –1.5 및 –2 등을 기준으로 가뭄단계를 구분 적용하고 있다. 본 연구에서는 현행 가뭄 예․경보에서 채택하고 있는 주의, 심함, 매우심함 단계에 대한 경계를 백분위수 25%, 10%, 5% 미만인 경우로 설정하고, 이에 상응하는 SGI 값을 설정하였다. 설정한 기준은 가뭄 예․경보 분석에 시범 적용을 통해 검증 및 보완하고자 한다. Fig. 9와 Table 7은 설정한 백분위수 구간 값에 대응하는 SGI 범위를 보여준다.
Table 7. SGI range corresponding to G.W.L. percentile classes
| Drought status | Occurrence probability (P) | SGI range |
| Normal | P ≥ 25% | SGI ≥ -0.674 |
| Caution | 25% > P ≥ 10% | -0.674 > SGI ≥ -1.282 |
| Severe | 10% > P ≥ 5% | -1.282 > SGI ≥ -1.645 |
| Very Severe | 5% > P | -1.645 > SGI |
앞서 설정한 가뭄단계 기준으로 분류한 시군별 지하수 가뭄현황도의 예를 Fig. 10에 도시하였다.
5. 결 론
본 연구에서는 국가 가뭄 예․경보 분석에 활용할 생․공용수 분야 가뭄정보 분석 자료의 하나로서 지하수위 관측 자료를 이용한 미급수지역 가뭄 모니터링 기법을 개발하였다. 기존의 SPI6를 이용한 간접적인 가뭄상황 판단을 대신하여 미급수지역의 주 수원인 지하수의 수위현황을 가뭄 판단에 활용할 수 있는 기법을 개발하고자 하였으며, 소규모 급수시설의 지하수위 관측 자료가 전무한 현실을 반영하여 국가지하수관측망 자료를 이용해 지역별 지하수 가뭄 정도를 판단할 수 있도록 하였다. 가뭄 모니터링 과정에서 기상학적 인자인 SPI 대신 지하수위 관측자료를 이용한 가뭄 판단 기법으로의 개선은 가뭄 예․경보에서 생․공용수 가뭄 판단이 댐, 하천 등 수원의 현황을 토대로 작성되고 있는 것과 동일한 개념으로 미급수지역의 주 수원인 지하수 상황을 가뭄판단의 기초자료로 이용하게 되었다는 의미를 갖는다. 본 연구를 통해 지하수관측소별/월별 수위 관측 자료의 분포를 비모수 커널밀도 추정법을 통해 산정하였으며, 과거 수위 분포를 이용해 현재수위의 백분위수(percentile)를 산정하였다. 또한 각각의 분포를 정규화 하여 월별 수위 값의 정규화 지수인 표준지하수지수(SGI)를 산정하고, 관측소별 SGI를 공간보간 하여 시군별 SGI를 산정하였다. 산정된 SGI를 이용해 가뭄정도를 판단하기 위한 범위 값을 설정하여 가뭄 정도를 분류하였으며 지역별 지하수위 가뭄현황을 평균적으로 판단할 수 있는 지도를 작성하여 가뭄정보 분석에 활용할 수 있도록 하였다.
