1. 서 론

지구온난화와 기후변동의 심화는 강수·강설 패턴의 변동성을 더욱 복잡하게 만들었다. 적설량은 단순한 강수 변수와 달리 기온, 습도, 대기 순환 패턴 등 다양한 요인의 복합적 작용 하에 결정된다. 특히 겨울철 눈은 수자원 관리, 교통 안전, 재해 예방 등 여러 사회적·생태적 측면에서 민감한 변수이기 때문에, 기후 요인과의 상관 관계를 심층적으로 이해하는 것은 매우 중요하다.

기후요동 변수 중 ENSO (El Niño-Southern Oscillation)와 AO (Arctic Oscillation)는 중·장기적 기후 변동성을 대표하는 요인으로서, 전 지구적 및 지역 기후 현상과 강한 연관성을 보여주었다. 예컨대, ENSO는 동아시아 및 한반도의 겨울 강수 및 온도 패턴에 영향을 미친다는 연구가 다수 보고되어 있으며(Lee and Julien, 2016), AO 역시 북극진동의 양·음 위상 변화가 한반도 및 동아시아의 대기 흐름과 기온에 영향을 준다는 결과들도 존재한다(Kim et al., 2021). 특히 한국에서는 ENSO와 AO의 복합적 상호작용이 겨울철 기온 및 기후 패턴 조절에 중요한 역할을 할 수 있다는 연구가 제시되기도 했다(Woo et al., 2020). 최근에는 ENSO와 AO가 상호작용하며 중위도 지역의 기후 변동성을 함께 조절할 수 있다는 결과도 보고되고 있다(Wang et al., 2023).

한편, 한국 내 적설량과 ENSO/AO 간의 상관 관계를 다룬 연구는 상대적으로 제한적이다. 기존 연구들은 주로 강수량 또는 온도 자료를 중심으로 ENSO와 같은 외부 기후 인자의 영향성을 탐구해 왔고(He et al., 2013), 한국의 강수 패턴과 ENSO 상관성 분석도 존재하지만(Son et al., 2014), 적설 자료를 활용해 기후 요인과의 시·주기적 동조성을 탐색한 연구는 거의 찾아보기 어렵다. 더구나 선행 연구들은 주로 단일 지점 또는 지역 수준 분석에 머무르는 경우가 많았고, 시간-주파수 영역에서의 동조성 분석을 적용한 사례는 매우 드물다.

최근 기후 및 수문 분야에서는 Wavelet Transform과 Wavelet Coherence (WTC) 분석이 유용한 도구로 부상하고 있다. 이러한 방법은 시계열 자료의 비정상성(non-stationarity)을 허용하면서 시간-주파수 영역에서 두 변수 간 동조성을 정량적으로 파악할 수 있게 해준다. 실제로 강수-ENSO 관계, 온도-ENSO/NAO 관계 등을 WTC로 분석한 사례들이 보고된 바 있고(Díaz et al., 2022; Mu et al., 2022), 기후 요인 간 상관 구조의 비정상성 변동까지 분석한 연구도 존재한다(Yoon et al., 2021). 웨이블릿 기반 분석이 지중온도(Choi et al., 2023), 겨울철 기온 변동성(Yun and Kang, 2024) 등 다양한 기후 및 수문 분야로 확장되고 있어, 본 연구의 접근법과도 높은 연관성을 지닌다. 이러한 연구들은 기존 상관 분석이 포착하기 어려운 주기 변화, 시간 구간별 강도 변화 등을 드러낼 수 있다는 장점이 있다.

그럼에도 불구하고, 대부분의 기존 연구는 기후 요인과 강수 또는 온도 간의 관계에 집중하였고, 적설량을 대상으로 한 시공간적 동조성 분석은 매우 미흡하다. 또한, 선행 연구들은 지역 수준 또는 특정 관측소 중심인 경우가 많았고, 전국 규모의 적설 자료를 활용한 체계적 분석은 부족하다.

본 연구에서는 2005년부터 2024년까지 전국 ASOS 관측소의 적설량 자료를 기반으로, ENSO (Niño 3.4 지수) 및 AO 지수와의 동조성 구조를 Wavelet Coherence 분석을 통해 정밀히 분석하고자 한다. 본 연구의 차별성과 기여는 다음과 같다. 첫째, 전국 단위의 적설 데이터를 활용하여 기후 요인-적설 관계의 공간적 일반성을 확보할 수 있다. 둘째, 시간-주파수 영역에서 ENSO와 AO 각각이 적설량에 미치는 영향을 동시 비교함으로써 두 요인의 상호작용 효과를 밝힐 수 있다. 셋째, 적설량과 기후 요인 간 동조성의 주기 변화, 동기화 강도 변화, 특정 시점 집중 구간 등을 규명함으로써 기후변동성에 대한 새로운 시각을 제공할 수 있다. 마지막으로, 이러한 분석 결과는 극한 강설 예측력 제고, 기후 리스크 관리, 수문/기상 모델 보정 등의 응용적 활용 가능성을 지닌다.

2. 데이터 수집 및 분석 방법

본 연구는 대한민국 전역의 적설량 변동성과 주요 기후 인자인 엘니뇨-남방진동(ENSO) 및 북극진동(AO) 간의 시공간적 동조성을 정량적으로 분석하기 위해, 2005년 1월부터 2024년 12월까지의 장기 시계열 기상 자료를 활용하였다. 적설 데이터는 기상청에서 운영하는 ASOS (Automated Synoptic Observing System) 관측소에서 관측된 자료로, 전국 약 90여 개 지점에서 수집된 일별 신적설량과 누적 적설량을 포함한다. 수집된 자료에는 일부 날짜에 두 적설 변수 모두 결측된 사례가 존재하였으며, 분석의 신뢰성을 높이기 위해 신적설량과 누적 적설량이 모두 결측인 표본은 제거하였다. 이후 각 관측소의 일별 자료를 시간순으로 나열하여 통합 데이터셋을 구성하였다. 이러한 방식은 극한 적설 사건이나 지역적 특성을 반영하기 위한 정보 손실을 최소화하면서, 분석의 신뢰성을 확보하기 위한 목적이다. Fig. 1은 2005년부터 2024년까지의 월평균 신적설량과 적설심 변화를 나타내며, 자료 전반에 걸친 계절적 주기성과 연차별 변동성을 확인할 수 있다. 특히 일부 연도에서는 극한 적설 사건이 뚜렷하게 나타나 ENSO 및 AO 지수와의 동조성 분석에서 중요한 배경 요인으로 작용할 수 있다.

Fig. 1.

Monthly average new snowfall and total snow depth across Korea from 2005 to 2024, based on ASOS station observations. Blue line indicates mean new snowfall (cm), while the orange line represents mean total snow depth (cm)

기후 인자 중 ENSO는 미국 해양대기청(NOAA)에서 제공하는 Niño 3.4 해역의 해수면 온도 이상(SST anomaly) 지수를 기반으로 하였고, AO는 NOAA Climate Prediction Center에서 제공하는 월별 AO index를 사용하였다. 이 두 지수는 모두 2005년부터 2024년까지의 월 단위 시계열로 정렬되어, 적설 자료와 분석 기간을 일치시켰다. 분석 전에는 평균 제거 및 정규화를 통해 시계열 간 단위 차이를 보정하였다. 두 지수의 기본 통계량은 Table 1과 같으며, 전체 분석 대상 기간 동안의 평균값, 분산성, 최소·최대값 등을 포함한다. 특히 AO Index는 ENSO보다 상대적으로 표준편차가 크고 음의 최소값 분포가 더 넓게 나타나, 변동성이 큰 대기요동 특성을 반영한다.

ENSO 지수의 시계열 변동성을 보다 정량적으로 파악하기 위해, 본 연구에서는 Niño 3.4 월별 지수를 기준으로 하였으며, 일반적인 NOAA 분류 기준(-0.5°C 이하: La Niña)을 적용하여 2024년의 음(-)의 이상값 지속 구간을 La Niña로 정의하였다. Table 2는 해당 기준에 따라 식별된 ENSO 이벤트의 시기, 지속 기간, 평균 및 극값 지수를 요약한 것이다. 이러한 이벤트는 이후 웨이블릿 분석에서 coherence가 높게 나타나는 시점과 밀접하게 대응함을 확인할 수 있다.

AO 지수의 극단적 위상 변화가 적설량에 미치는 단기적 영향을 평가하기 위해, 본 연구에서는 AO Index가 ±1.5 이상인 시점을 강한 양(positive) 또는 음(negative) 위상 이벤트로 정의하였다. Table 3은 이러한 기준에 따라 식별된 주요 AO 이벤트의 시기, 지속 기간, 지수 평균 및 극값을 요약한 것이다. 이는 이후 coherence 분석과의 시기적 대응성을 비교하는 데 활용되었다.

자료 분석에는 연속 웨이블릿 변환(Continuous Wavelet Transform, CWT) 및 웨이블릿 일치성 분석(WTC) 기법을 활용하였다. CWT는 시계열의 시간-주파수 정보를 동시에 분석할 수 있도록 하며, 비정상성을 갖는 기후 시계열에 적합한 도구로 평가받고 있다(Torrence and Compo, 1998). WTC는 두 시계열 간의 시간별·주기별 동조성(coherence)을 정량화할 수 있는 분석 도구로, ENSO 및 AO와 적설량 사이의 국소적 상관 구조를 탐색하는 데 유용하게 사용된다(Grinsted et al., 2004). Wavelet coherence는 아래 식과 같이 정의된다.

여기서 Wx(s,t)와 Wy(s,t)는 두 시계열의 연속 웨이블릿 변환(CWT), Wxy는 cross-wavelet 변환, S(⋅)는 시간-주파수 영역에서의 국소 스무딩(smoothing) 연산자이다.

Wavelet coherence는 전체 시계열의 평균적 선형 관계만을 반영하는 전통적 상관계수와 달리, 특정 시점·특정 주기에서 두 변수의 동기화 정도를 국지적으로 평가한다는 점에서 개념적으로 구별된다. 따라서 WTC는 비정상성을 가진 기후 시계열에서 주기별 결합 구조를 탐지하는 데 더 적합한 도구로 널리 활용되고 있다.

본 연구에서는 Morlet 웨이블릿 함수를 사용하였으며, coherence 분석에는 95% 유의수준에서의 AR(1) 기반 신뢰구간을 설정하였다. 해당 방식은 기후 시계열 분석에서 신뢰성 있는 유의성 검정 방법으로 널리 사용된다(Díaz et al., 2022; Mu et al., 2022).

ENSO-적설 및 AO-적설 간의 WTC 분석 결과는 시간-주파수 평면 상에서 시각화되었으며, 특정 시점과 주기에서 coherence 값이 통계적으로 유의한 수준에 도달하는지를 판단하였다. 또한 두 지표 각각에 대해 전체 기간 동안의 평균 coherence 값을 산출한 전역 일치도(Global Coherence) 분석을 통해, 주요 주기 대역(예: 20~60개월)에서의 동조 경향을 정량적으로 비교하였다. 분석 결과, ENSO와 적설량은 약 48개월 주기에서 평균 coherence 0.837을, AO는 약 28.4개월 주기에서 coherence 0.688을 기록하였으며, 모두 95% 유의수준을 상회하는 결과를 나타냈다.

추가적으로, 각 coherence 결과에 대한 위상각(phase angle) 분석도 수행하여 ENSO 및 AO가 적설량에 선행 혹은 지연 영향을 주는 구조를 해석하였다. 위상 분석은 두 지수 간의 시간 차를 시계열의 방향성으로 나타낼 수 있으며, 이를 통해 각 기후 지수가 적설에 미치는 영향의 동적 구조를 해석할 수 있다(Yoon et al., 2021).

이러한 절차는 전국 단위 평균 시계열을 대상으로 수행되었으며, 일부 분석에서는 특정 관측소 또는 지역별 하위 집단에 대한 반복 분석을 통해 공간적 반응 차이를 점검하였다. 전체적으로 볼 때, 본 연구는 전국 규모의 장기 적설 자료와 대기 요동 지수 간의 시공간적 동조 구조를 파악함으로써, 기존 연구가 제한적으로 접근하던 적설-기후 요인 간 상관 구조를 정량적으로 평가하고자 하였다.

3. 분석 결과

3.1 ENSO와 적설량 간의 웨이블릿 일치성

ENSO (Niño 3.4 지수)와 적설량 간의 WTC 분석 결과, 약 48개월(47.9개월) 주기에서 가장 높은 동조성이 나타났다. 이 구간에서의 평균 coherence 값은 0.837로 95% AR(1) 기반 유의수준을 초과하였으며, 이는 ENSO가 한국의 적설량에 유의미한 장주기적 영향을 미친다는 점을 의미한다. 높은 coherence는 El Niño 및 La Niña가 뚜렷하게 나타났던 시기, 특히 2009-2011년, 2015-2017년, 2020년대 초반에 집중되었으며, 이는 ENSO 이벤트가 강하게 나타날 때 적설량도 이에 연동되는 경향을 보인다는 기존 연구 결과와 일치한다(Díaz et al., 2022).

전역 일치도(Global Coherence) 분석에서도 ENSO는 40- 60개월 사이의 주기 구간에서 일관된 고-coherence 값을 나타냈으며, 이는 ENSO의 파장 특성이 장주기에 집중되어 있음을 의미한다. 위상각(phase angle) 분석에서는 ENSO가 적설량보다 선행하는 방향성이 주로 관측되었고, 이로부터 ENSO가 적설량에 일정한 시간차를 두고 영향을 미치는 선행지표로서의 역할이 가능하다는 점이 도출되었다. 이러한 분석 결과는 Fig. 2에 도시된 WTC 시계열-주파수 분포도에서 확인할 수 있으며, El Niño와 La Niña가 뚜렷하게 발생했던 시기에 장주기 영역에서 높은 coherence 띠가 나타남을 보여준다. 또한, Fig. 3은 ENSO와 적설량 간의 Global Coherence 곡선을 제시한 것으로, 약 48개월 부근에서 coherence가 최대치(≈0.837)에 도달하여 ENSO가 장주기적 적설 변동의 주요한 기후 요인임을 시각적으로 확인할 수 있다.

Fig. 2.

Wavelet coherence between nationwide snowfall (ASOS) and ENSO (Niño 3.4) for 2005–2024. Yellow denotes high coherence; dotted grids indicate reference periods. Stippled regions mark areas exceeding the 95% AR(1) significance threshold

Fig. 3.

Global wavelet coherence (ENSO–snowfall) with the 95% AR(1) threshold. A prominent peak occurs near 48 months (coherence ≈ 0.837), exceeding the significance level

3.2 AO와 적설량 간의 웨이블릿 일치성

AO 지수와 적설량 간의 WTC 분석 결과, 약 28.4개월 주기에서 coherence 값이 최대(0.688)에 도달하였다. 이 역시 95% 유의수준(0.650)을 상회하는 유의미한 coherence로 해석된다. AO는 ENSO에 비해 주기적으로 짧고 coherence의 시계열적 분산이 큰 특징을 보였다. 특히 2010년, 2017년, 그리고 2021년 이후의 몇몇 기간에 coherence가 집중되었는데, 이는 AO 위상이 급격히 변화하거나 극값에 도달한 시점과 일치하는 경향을 보였다(Kim et al., 2021).

AO-적설 간 coherence는 ENSO와 달리 시간적으로 불연속적이며, 일부 시기에는 coherence가 급격히 증가했다가 감소하는 비정형적 구조를 보였다. 이는 AO가 상대적으로 단기적이고 지역적인 영향을 미치는 대기 내 변동성의 특성을 반영한 것으로 보인다. 위상 분석에서도 AO는 적설량과의 관계에서 뚜렷한 선행 또는 후행 패턴을 보이지 않고 시기에 따라 상이한 위상 구조를 보였다. 이 결과는 AO가 장기 예측보다는 단기 기상 상황의 변동성 설명에 더 적합한 지표임을 의미한다(Woo et al., 2020). 이와 같은 특징은 Fig. 4의 AO-적설 WTC 결과에서 나타나듯, 특정 시기(2010년, 2017년, 2021년 이후)와 약 20-40개월 주기대에서 국지적으로 coherence가 집중되는 양상으로 표현된다. 아울러, Fig. 5의 Global Coherence 결과에서도 확인되듯이, AO는 약 28.4개월 부근에서 coherence 값이 0.688로 최대에 도달하며, 이는 ENSO에 비해 짧은 주기 영역에서 단속적이고 변동성이 큰 영향을 미친다는 점을 뒷받침한다.

Fig. 4.

Wavelet coherence between nationwide snowfall (ASOS) and the Arctic Oscillation (AO). Episodic enhancements appear around ~20–40-month bands during 2010, 2017, and post-2021 intervals

Fig. 5.

Global wavelet coherence (AO–snowfall) with the 95% AR(1) threshold. The maximum coherence (~0.688) occurs near 28.4 months, marginally above the significance line

Global Coherence 결과(Figs. 3 and 5)에서 coherence 곡선과 95% significance level 사이에 간격이 다소 크게 나타나는 구간이 존재한다. 이는 전역 일치도(global coherence)가 시간-주파수 공간의 모든 local coherence 값을 평균하여 계산되는 특성 때문이며, 특정 시점에서 coherence가 강하게 나타나더라도 전체 기간의 평균에는 상대적으로 약한 영향을 미칠 수 있음을 의미한다. 다시 말해, 통계적 유의성은 전역 평균 기반으로 산정되므로 국지적(local) 고-coherence 패턴이 전역(global) 측정값에 완전히 반영되지 않는 구조적 한계가 존재한다. 이러한 차이는 wavelet 기반 전역 통계의 일반적인 특징으로, 전역 coherence는 신호의 장기적 경향성을 파악하는 데 유용하지만, 개별 시점의 극단적 coherence를 과소평가할 가능성이 있다. 본 연구에서는 이러한 한계를 고려하여 Figs. 2, 3, 4, 5의 local coherence 패턴과 전역 coherence 결과를 상호 보완적으로 해석하였다.

3.3 ENSO와 AO의 영향력 비교

ENSO와 AO의 분석 결과를 종합하면, 두 기후 지수는 한국 적설량에 서로 다른 시·주기적 특성을 가진 영향을 미치는 것으로 나타난다. 우선 ENSO-적설 WTC에서는 24-60개월 수준의 장주기 대역에서 통계적으로 유의한 고‧coherence 영역이 비교적 넓게 분포하며, 전역 일치도(global coherence)도 약 48개월 주기에서 최대값(≈0.84)에 도달하였다. 이는 ENSO 신호가 수년 규모의 저주파 변동성에서 전국 적설량과 구조적이고 일관된 결합 관계를 형성하고 있음을 시사한다. 반면 AO-적설 WTC는 2-16개월 범위의 단‧중기 주기에서 국지적으로 높은 coherence가 나타나지만, 장주기(20개월 이상)에서는 coherence가 약하거나 불규칙하게 분포하고, 전역 일치도 역시 약 28개월 부근의 최대값(≈0.69)이 ENSO보다 낮게 나타났다. 이 결과는 AO가 특정 시기·지역에 국한된 비구조적 단기 요동의 성격이 강함을 보여준다.

위상각(phase angle) 기반 리드타임 분석은 이러한 주기별 차이를 시간 지연 구조 관점에서 더욱 분명하게 뒷받침한다. Table 4에 요약한 바와 같이, ENSO는 8-16개월과 16-32개월 주기대에서 각각 약 5.4개월과 7.3개월 정도 적설에 선행하며, 두 구간 모두 유의 셀 개수가 충분히 확보되어 통계적으로 안정적인 선행 구조를 보인다. 반면 2-4개월 주기에서는 평균 리드타임이 거의 0에 가까워 사실상 동시 변동에 가깝고, 4-8개월 주기대에서는 통계적으로 신뢰할 만한 유의 셀이 존재하지 않아 뚜렷한 선행 구조를 논하기 어렵다. AO의 경우(Table 5), 2-4개월과 4-8개월 주기에서 평균 리드타임이 ±1개월 이내에 머물러 ENSO보다 훨씬 짧은 시간 스케일에서 거의 동시성에 가까운 응답을 보이며, 8-16개월 주기에서도 약 0.6개월 정도만 적설에 선행하는 것으로 나타났다. 16-32개월 주기에서는 적설이 AO보다 약 4개월 앞서는 음의 리드타임이 추정되었으나, 유의 셀 개수(N = 3)가 매우 적어 해석에 주의가 필요하다.

이러한 결과를 종합하면, ENSO는 수년 규모의 장·중기 변동성에서 한국 겨울철 적설량에 대해 수개월 이상 선행하는 예측 신호를 제공하는 반면, AO는 주로 2-16개월 범위의 단·중기 주기에서 단기간의 동시·근접 선행 응답을 나타내는 요인으로 정리할 수 있다. 따라서 ENSO는 계절~수년 규모의 적설량 변동을 전망하는 중·장기 선행 인자로 활용할 잠재력이 큰 반면, AO는 한파·폭설과 같은 특정 시점의 극한 사건을 해석하거나, 단기 예측 성능을 보완하는 보조 지표로 활용하는 것이 더 적절하다고 판단된다.

3.4 ENSO 및 AO 이벤트와의 시기적 Coherence 비교 분석

본 절에서는 ENSO 및 AO의 주요 이벤트가 한국 전역 적설량과의 웨이블릿 일치성(WTC) 분석 결과와 시간적으로 어느 정도 정렬되는지를 정량적으로 평가하였다. 이를 위해 ENSO는 Niño 3.4 지수를 기반으로 ±0.5 이상 또는 이하인 시기를 El Niño와 La Niña 이벤트로 정의하고(Table 2), AO는 ±1.5 이상의 양·음 위상 극값 시점을 강한 AO 이벤트로 분류하여(Table 3), 해당 기간 동안의 coherence 값을 분석하였다.

ENSO 이벤트 구간을 기준으로 coherence 값을 추출한 결과(Table 6), 다수의 El Niño 및 La Niña 시기에서 coherence 값이 통계적으로 유의한 수준(0.65 이상)을 상회하였다. 특히 2009-2010 El Niño와 2015-2016 El Niño 기간에는 최대 coherence 값이 각각 0.94와 0.92에 달했으며, 평균 coherence도 0.7 이상으로 높은 수준을 보였다. 이는 강한 ENSO 이벤트가 한국 적설량에 실질적인 영향을 미친다는 것을 나타낸다. 전반적으로 ENSO 이벤트는 약 48개월 주기 대역에서 coherence가 집중되며, 장주기 파동에 따른 구조적인 영향력을 나타낸다.

반면 AO 이벤트에 대한 분석 결과(Table 7)는 상이한 특성을 보였다. AO는 단기간의 급격한 위상 변화를 특징으로 하며, 대부분 1~2개월의 짧은 이벤트로 나타났다. 그럼에도 불구하고 일부 강한 AO 이벤트는 높은 coherence 값을 보였다. 예컨대, 2005년 12월의 강한 음의 AO (-1.90)는 coherence 최대값 0.93, 2007년 12월의 강한 양의 AO (+1.86)는 0.92를 기록하였다. 이는 AO가 특정 시점에서 적설량에 강한 영향을 줄 수 있다는 점을 시사하지만, coherence 값의 분산이 크고 일관성이 낮아 ENSO에 비해 영향이 불규칙적이며 예측 가능성이 떨어진다는 한계를 가진다.

이러한 분석 결과는 ENSO와 AO가 각각 적설 변동에 미치는 영향의 시간적 특성과 강도를 보다 명확히 보여준다. ENSO는 장주기의 해양 기반 기후 요동으로서 비교적 안정적인 예측 변수로 활용될 수 있는 반면, AO는 단기적이면서도 극한 기상 현상에 영향을 줄 수 있는 보조적 신호로 해석된다.

3.5 대표 관측소 별 ENSO·AO-적설 일치성의 공간적 차이

전국 평균 시계열을 이용한 분석 결과만으로는 지역별 응답 특성을 충분히 설명하기 어렵기 때문에, 추가적으로 산지(태백, 대관령), 중부 내륙(원주, 청주), 서해안(서산, 군산) 6개 대표 관측소를 선정하여 ENSO-적설 및 AO-적설 간 웨이블릿 일치성을 재분석하였다(Figs. 6 and 7). 각 관측소는 지형과 대기 순환 특성이 상이한 권역을 대표하도록 선택하였으며, 분석 방법과 유의성 검정 절차는 전국 평균 분석과 동일하게 적용하였다.

Fig. 6.

Wavelet coherence between ENSO (Niño 3.4 index) and station‐based snowfall at six representative sites in Korea: (a) Daegwallyeong, (b) Wonju, (c) Seosan, (d) Cheongju, (e) Gunsan, and (f) Taebaek. Color shading denotes the magnitude of coherence (warm colors indicate higher coherence), the curved pale region marks the cone of influence, and thick black contours (where present) indicate areas exceeding the 95% significance level based on an AR(1) red-noise background

Fig. 7.

Wavelet coherence between the Arctic Oscillation (AO) index and monthly snowfall at six ASOS stations in Korea: (a) Daegwallyeong, (b) Wonju, (c) Seosan, (d) Cheongju, (e) Gunsan, and (f) Taebaek. Colors indicate the magnitude of the squared wavelet coherence (from low in blue to high in red). Thick black contours enclose regions exceeding the 95% significance level against a red-noise [AR(1)] background, and the pale shading denotes the cone of influence where edge effects are negligible

관측소별 ENSO-적설 WTC 결과(Fig. 6)를 보면, 장주기(대략 24-60개월) 대역에서의 일치성 패턴은 전반적으로 전국 평균 결과와 유사하지만, 일치성의 강도와 지속 시간에서는 뚜렷한 공간적 차이가 나타난다. 청주와 원주에서는 약 40-50개월 주기에서 장기간에 걸친 높은 coherence 띠가 형성되어, 중부 내륙 지역에서 ENSO의 장기적 영향이 상대적으로 강하게 나타나는 양상을 보인다. 산지 관측소인 태백과 대관령에서도 3-5년 주기 영역에서 유의한 coherence가 관측되지만, 내륙에 비해 시기별로 더 단속적이고 불연속적인 형태를 보인다. 반면 군산과 서산 등 서해안 관측소에서는 ENSO-적설 coherence가 전반적으로 약하며, 장주기 대역에서도 강한 일치성이 지속되는 구간이 상대적으로 짧게 나타난다. 이는 ENSO 신호가 해안 지역에서는 서해상 수증기 공급이나 국지적 대기 순환 등 다른 지역적 요인에 의해 부분적으로 영향을 받을 수 있을 것으로 판단된다.

AO-적설 WTC 결과(Fig. 7)는 ENSO와 뚜렷이 대비되는 공간적 패턴을 보인다. 모든 관측소에서 AO는 주로 2-12개월 수준의 단·중기 주기 대역에서 국지적으로 높은 coherence를 보이며, 장주기 대역(20개월 이상)에서는 coherence가 약하거나 불규칙하게 나타난다. 산지 관측소인 태백과 대관령은 4-8개월 주기 범위에서 몇 차례 뚜렷한 고-coherence 영역이 나타나는데, 이는 강한 AO 위상 변화가 있었던 시기와 대체로 대응한다. 서산과 군산 등 서해안 관측소에서는 6-10개월 주기의 띠 모양 coherence가 반복적으로 형성되며, 특히 특정 시기(예: 2010년 전후, 2017년 전후)에 집중되는 경향을 보인다. 이는 서해안 지역이 AO에 의한 단기적인 대기 순환 변화에 상대적으로 민감하게 반응할 수 있음을 보여주는 결과로 해석된다. 중부 내륙 관측소(원주, 청주)의 경우 AO-적설 coherence가 산지·해안에 비해 다소 약하게 나타나며, 특정 기간에만 국소적인 고-coherence 패턴이 관측된다.

이러한 대표 관측소 분석을 종합하면, ENSO는 내륙 및 산지에서 3-5년 주기의 장기 변동성에 일관된 영향을 미치는 반면, AO는 산지와 서해안에서 수개월 규모의 단기 변동성을 증폭시키는 요인으로 작용하는 경향이 확인된다. 다시 말해, 전국 평균 분석에서 도출된 결과와 일치하게 ENSO는 구조적인 장주기 배경장을 제공하고, AO는 특정 시·공간에서 발생하는 극한 적설 사건이나 단기 이상 현상을 조절하는 역할을 담당한다고 볼 수 있다. 이러한 지역별 차이는 향후 장기 적설 전망에서는 ENSO 신호에, 단기·계절 예보 및 국지적 위험도 평가에서는 AO 신호에 각각 더 큰 가중치를 두는 것이 합리적이라고 판단된다.

4. 결 론

본 연구는 2005년부터 2024년까지의 한국 전역 ASOS 관측소 적설량 자료를 기반으로 ENSO (Niño 3.4 지수) 및 AO (Arctic Oscillation) 지수와의 시공간적 동조성을 연속 웨이블릿 일치성 분석(WTC)을 통해 정량적으로 규명하였다. 적설량과 ENSO 및 AO 지수 간의 시간-주파수 영역 상의 상관 구조를 분석한 결과, 두 주요 기후 요동 인자가 한국의 적설 패턴에 서로 다른 방식으로 영향을 미치고 있음을 확인하였다.

ENSO는 약 48개월 주기에서 coherence 값이 최대(0.837)에 도달하며, 전체적으로 고정적이고 장주기적인 영향을 나타냈다. 특히 El Niño 및 La Niña 이벤트가 강하게 나타났던 시점에서 적설량과의 동조성이 뚜렷하게 증가하였으며, 위상 분석 결과 ENSO가 선행지표로 작용하는 경향이 확인되었다. 이는 ENSO가 중장기 기후 예측 및 계절 예보에 있어 유효한 지표로 기능할 수 있을 것으로 판단된다.

반면 AO는 약 28.4개월 주기에서 coherence 최대치(0.688)를 기록하였으나, coherence의 시간적 변동성이 크고 불규칙적인 양상을 보였다. AO 이벤트는 대부분 단기적(1~2개월)으로 발생하며, 강한 양·음 위상 시기에 coherence가 일시적으로 크게 증가하는 특성이 나타났다. 이는 AO가 단기적인 극한 강설 사건이나 지역적 기상 이상 현상의 분석에 보다 효과적인 보조 지표로 활용될 수 있다.

ENSO 및 AO 이벤트 기간을 기준으로 적설량과의 coherence 변화를 분석한 결과, ENSO 이벤트의 coherence는 대체로 높은 수준에서 유지되며 구조적 일관성을 보인 반면, AO는 coherence의 분산이 크고 국지적 특성이 강했다. 이러한 차이는 ENSO가 해양 기반의 장주기 기후 요동임에 반해, AO는 대기 기반의 고변동성 요인이라는 본질적 차이에서 기인한다.

ENSO-AO 상호작용에 대해서도 추가 검토를 수행하였으나, 두 지수 간의 구조적 상관성이 미약하고 cross-wavelet coherence에서도 일관된 결합 패턴이 나타나지 않았다. 따라서 본 연구는 각각의 독립적 영향에 초점을 두었으며, 복합 텔레커넥션 기반의 확장 연구는 향후 과제로 제안한다.

본 연구는 전국 규모의 적설량 시계열과 주요 기후 요인을 동시 분석함으로써, ENSO 및 AO가 한국 겨울철 적설에 미치는 시공간적 영향을 통합적으로 해석할 수 있는 틀을 제시하였다. 이는 향후 극한 적설 사건에 대한 조기 경보 체계 고도화, 기후 예측 모델 개선, 기후변화 대응 정책 수립 등에 실질적 기여를 할 수 있을 것으로 기대된다.