Research Article

Journal of Korea Water Resources Association. 30 November 2023. 737-749
https://doi.org/10.3741/JKWRA.2023.56.11.737

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 연구방법

  •   2.1 제주도 물수지 현황 및 유역모델링 구축

  •   2.2 미래 기후변화 시나리오 적용방법

  • 3. 연구결과

  •   3.1 연 수문변화 전망

  •   3.2 월별 수문변화 전망

  •   3.3 미래기간별 물수지 전망

  •   3.4 극한기후변화 시나리오 기반 미래 전망

  • 4. 요약 및 결론

1. 서 론

최근 발표된 IPCC (Intergovernmental Panel on Climate Change) 제6차 평가보고서의 SSP (Shared Socioeconomic Pathways, 공통사회경제경로) 시나리오에 따르면, 현재(1995~2014년) 대비 미래의 전지구 평균기온은 전반기에 1.2~1.3°C, 중반기에 1.7~2.4°C, 후반기에 1.9~5.2°C 상승하고, 강수량 또한 최대 2~10% 꾸준히 증가할 것으로 전망되고 있다(NIMS, 2020a). 우리나라가 속한 동아시아 및 한반도 지역에 대한 미래 기후전망 또한 강수량과 기온이 지속적으로 증가할 것으로 나타나고 있으며, 특히 강수량은 전지구 평균대비 증가폭이 클 것으로 전망하고 있다(NIMS, 2020b).

이와 같은 강수량과 기온의 변화는 유역 수문순환 과정에 영향을 주게 되는데(Ahn et al., 2009; Lee et al., 2010; Shin et al., 2016), 특히 섬이라는 독립된 수자원체계를 가진 제주도의 경우에는 다른 내륙지역보다 기후변화에 더욱 취약하다고 할 수 있다(Kim and Yun, 2020). 장기간의 관측자료에 의하면 우리나라 내륙지역의 1912~2017년 기간에 대한 연평균기온과 연강수량 변화는 각각 +0.18°C/10년, +16.3 mm/10년이고(NIMS, 2018), 제주도의 1961~2018년 연평균기온 변화는 +0.29°C/10년, 연강수량은 +49.46 mm/10년으로(Jeju KMA, 2019), 분석기간의 차이가 있으나 대체로 우리나라 내륙지역에 비해 제주도의 기후 변동성이 상대적으로 높게 나타났다.

미래의 기후변화와 연계한 제주도 지역의 기온과 강수량 또한 점차 증가할 것으로 전망되고 있다. 다만, 강수량 및 기온과 연계한 증발산량, 유출량, 함양량 등 수문변화에 대한 전망은 문헌에 따라 상이하게 나타난다. 수문총량에 기여하는 강수량의 증가로 인해 증발산량, 유출량, 함양량 등에 긍정적인 영향을 줄 것으로 전망하는 연구들도 있으나(Kang et al., 2014; Kim et al., 2018), 강수량의 증가에 따른 직접유출량의 증가와 기온의 증가에 따른 증발산량의 증가로 함양량에 부정적인 영향을 줄 것으로 보는 연구들이 대체로 더 많다(Koh et al., 2014; Park et al., 2014; Lee et al., 2016; Shin et al., 2016; Song et al., 2019). 그러나 연구자에 따라 분석에 활용한 기후모형 및 시나리오의 미래 기후자료가 다르고 분석방법이 상이하기 때문에 정확한 미래 전망을 특정하기는 쉽지 않다.

통상 기후변화에 의한 수자원 영향에 대한 분석은 기후변화 시나리오를 입력자료로 활용한 수문모델링 결과를 통해 제시하게 된다. 이런 분석과정에서 나타나는 여러 불확실성 요인들의 영향으로 상이한 전망결과가 나타날 수 있다. 예를 들어, 기후변화 시나리오를 산출하는 기후모형에 따른 불확실성, 저해상도 기후모형 결과를 고해상도 자료로 상세화하는 과정에서의 불확실성, 상세화된 미래 기후자료를 적용하게 되는 수문모델링 과정에서의 불확실성 등이 있다. 선행연구들에 의하면 기후모형에 따른 불확실성이 가장 큰 영향을 주는 것으로 알려져 있다(Wilby and Harris, 2006; Kay et al., 2009; Lee, 2014; Kim et al., 2018, 2020). 따라서, 적용된 기후모형에 따라 매우 다른 결과를 도출할 수 있으므로 가능한 다양한 기후모형 결과로부터 분석된 앙상블 결과를 활용하는 것이 추천되고 있다(Kim and Yun, 2016; Cho et al., 2018; Kim et al., 2020). 또한, 제주도는 한라산과 화산암 지역이라는 지질학적 특성으로 인해 내륙과는 전혀 다른 강우-유출 특성을 갖고 있다. 따라서 이런 지역적 수문학적 환경을 잘 반영할 수 있고, 기후모형 및 시나리오 자료의 선정과정의 불확실성과 함께 미래자료를 이용한 수문전망 과정에의 불확실성을 최소화할 수 있는 수문분석 방법론이 필요하다.

기존 제주도에 주로 적용되었던 수문분석 방법은 물수지법으로서, 제주도 수자원종합개발계획수립 보고서(KOWACO, 1993)를 비롯하여 제주도 수문지질 및 지하수자원 종합조사(III)(Jeju Province and KOWACO, 2003), 제주특별자치도 수자원관리종합계획(2013-2022)(JSSGP, 2013), 제주특별자치도 수자원관리종합계획(보완)(2018-2022)(JSSGP, 2018), 제주특별자치도 통합물관리 기본계획(2023-2032)(JSSGP, 2022) 등 제주도 물관리를 위한 기초조사 및 종합계획 수립에 적용되어 왔다. 물수지법은 강우량, 유출량, 증발산량에 대한 개별 산정을 통해 수문총량으로부터 함양량을 산출하는 방법으로 개략적인 물수지 파악이 가능하고 계산이 용이하다는 장점이 있다. 하지만 지역별 고도별 기후특성을 반영하기 어렵고 각 수문성분에 대한 시공간적 변화를 고려하기 어려운 단점이 있다. 보다 정교한 수문해석이 가능한 유역모델링 기법의 경우 모형 개발환경과 전혀 다른 제주도의 지형적·지질학적 특성과 간헐적 강우-유출 특성 등을 고려하기 어려운 문제로 인해, 제주도 일부 지역에 대해 SWAT (Soil and Water Assessment Tool)(Arnold et al., 1993) 모형을 적용한 연구들(Jung and Yang, 2008; Han and Yang, 2009; Lee et al., 2015) 외에는 사례가 많지 않다. SWAT 또한 미국 농무성에서 개발한 모형으로서 제주도에 적용했을 경우 간헐적 하천특성을 전혀 반영하지 못하는 문제가 있다. 그러나 Chung et al. (2011)Kim et al. (2013)에 의해 개발된 한계유출 및 간헐하천 유출 모의 알고리즘이 적용된 SWAT-K의 경우에는 제주도 하천유역의 강우-유출 특성을 잘 재현하는 것으로 나타났으며, 최근 수행된 제주특별자치도 통합물관리 기본계획(2023-2032)(JSSGP, 2022)에서는 SWAT-K에 의해 산정된 결과가 기본값으로 반영되어 있다.

본 연구에서는 미래 기후변화 시나리오와 유역모델링을 연계하여 제주도 지역의 미래 기후변화에 따른 수문학적 영향을 분석하고자 한다. 기후모형에 따른 불확실성을 고려하여 CMIP6(Coupled Model Intercomparison Project 6)에서 제시된 기후모형 중 18개 GCM (General Circulation Model)에서 산출되는 SSP 시나리오를 미래 기후자료로 활용하였다. 또한 제주도 지역의 수문·지질·기상 특성 등을 반영할 수 있는 제주형 SWAT-K 모형을 적용하여 기후변화 시나리오에 따른 미래 수문 변화를 모의하였다.

2. 연구방법

2.1 제주도 물수지 현황 및 유역모델링 구축

제주도의 경우 대부분 하천의 경사가 급하고, 일정 규모 이상의 강수량에 대해서만 지표유출이 발생하는 등 국내 타 내륙지역과는 전혀 다른 유출 특성을 갖고 있어 관측자료에 기반한 정교한 수문모델링 보다는 물수지법 기반의 수문분석방법이 주로 활용되어 왔다.

제주도 수자원의 근간이 되는 지하수 함양량은 현실적으로 관측이 어렵기 때문에 물수지 방법, 기저유출분리법, 지하수위 변동법, 동위원소 추적자법, 수치모델링 방법 등 다양한 간접적인 계산방법이 시도되어 왔다(Kim et al., 2019b). 제주도 지역에 대해 많이 활용되어 온 물수지 방법의 경우 Kim et al. (2018)에서 기술한 바와 같이 아래와 같은 수문학적 방법에 기초하고 있다.

(1)
GW=P-R-ET±S

여기서, GW : 지하수 함양량(mm), P : 강수량(mm), R: 유출량 (mm), ET: 증발산량, S: 지하수 유출입량(mm)이다. 이때 지하수 유출입량(S)은 연 단위 이상의 장기간의 물수지 분석에서 통상 “0”으로 가정한다(Jeju Province and KOWACO, 2003).

Eq. (1)에 의해 지하수 함양량은 강수량, 유출량, 증발산량으로부터 추정할 수 있다. 유출량의 경우 제주도 하천의 지형 및 지질학적 특성 등으로 인해 정교한 관측이 어렵고 관측지점 및 자료 또한 제한적이기 때문에 제주도 전역에 대한 양질의 자료 확보가 어렵다(Kim and Kim, 2016). 증발산량 또한 관측보다는 이론식 및 경험식들을 통해 간접적으로 추정하기 때문에 물수지 분석 및 함양량 추정 과정에서 많은 불확실성을 내포하고 있다.

Table 1은 제주도 수자원종합개발계획수립 보고서(KOWACO, 1993), 제주도 수문지질 및 지하수자원 종합조사(III) (Jeju Province and KOWACO, 2003), 제주특별자치도 수자원관리종합계획(2013-2022)(JSSGP, 2013), 제주특별자치도 수자원관리종합계획(보완)(2018-2022)(JSSGP, 2018), 제주특별자치도 통합물관리 기본계획(2023-2032)(JSSGP, 2022) 등의 보고서와 Kim et al. (2018)의 논문에서 제시된 제주도 전역에 대한 물수지 결과를 정리한 것이다. Kim et al. (2018)JSSGP (2022)에서는 SWAT-K 모형을 적용하여 제주도 전체를 대상으로 소유역별 강우-유출-증발산-함양량에 대한 통합 모델링 분석을 수행한 반면, 다른 문헌들에서는 개별 물수지 인자들을 독립적으로 산정하고 Eq. (1)을 이용하여 함양량을 추정하고 있다.

Table 1.

Water balance results for Jeju Island across different literatures

Literature Precipitation (mm/yr) Ratio to precipitation (%) Period
ET Runoff Recharge
JSSGP (2022) 2,213 32.3 24.2 43.5 2001-2020
JSSGP (2018) 2,162 34.9 24.5 40.6 1998-2017
Kim et al. (2018) 2,046 34.1 21.8 44.1 1992-2013
JSSGP (2013) 2,061 33.4 22.1 44.5 1992-2011
Jeju Province and KOWACO (2003) 1,975 33.2 20.7 46.1 1993-2002
KOWACO (1993) 1,872 37 19 44 -

강수량 대비 각 요소들의 비율을 보면, 유출량은 19~24.5%, 증발산량은 32.3~37%, 함양량은 40.6~46.1%로서, 문헌별 분석기간의 차이와 분석방법의 차이에도 불구하고 20년 이상의 장기간에 대한 물수지 비율은 큰 차이가 없음을 알 수 있다.

Fig. 1은 기존 문헌들에서 분석한 물수지 결과에 대해 연도별로 각 성분별 값을 비교한 것이다. 동일 연도에 대해 문헌에 따라 강수량은 13~300 mm, 증발산량은 3~112 mm, 함양량은 41~401 mm, 유출량은 10~377 mm로 차이를 보이고 있다. 이는 각 문헌들에서 적용한 물수지 분석은 Eq. (1)의 방법론을 따르고 있으나, 활용된 기상자료와 유출량, 증발산량 등을 산정하는 방법이 상이하기 때문에 나타난 차이로 판단된다.

강수량의 경우 제주도 해안지역에 위치한 4개 ASOS 지점(제주, 서귀포, 성산, 고산) 외에 중산간 지역에 산재한 AWS 지점이나 제주도 재난본부 관측지점들의 활용 범위와, 수문분석을 위해 소유역 또는 표준유역 단위로 면적평균값을 산정하는 과정에서 차이가 나타났다고 판단된다. 증발산량 산정과정에서도 적용된 지점 자료 및 산정식에 따라 많은 차이를 보이게 되는데, KOWACO (1993)Jeju Province and KOWACO (2003)에서는 4개 ASOS 지점 자료만을 활용하였으며, JSSGP (2013)JSSGP (2018)에서는 14개 AWS 지점을 추가한 18개 지점 자료를 이용하여 기준증발산량을 산정한 바 있다. 비교적 최근에 수행된 JSSGP (2022)에서는 가용한 46개 관측지점 자료를 대상으로 결측기간을 고려한 가변티센망을 활용하여 소유역별 기상자료를 재생산하였다. Kim et al. (2018)에서는 PRISM 기법으로 생산된 격자별 기상자료를 기반으로 소유역별 기상자료를 생산하여 활용한 바 있다. 기준증발산량 산정을 위해 KOWACO (1993)에서는 Penman 식을 적용한 반면, 나머지 문헌에서는 FAO56 Penman-Monteith (FAO P-M) 식을 활용하고 있다. 다만, JSSGP (2013)JSSGP (2018)에서는 AWS 지점의 일부 미계측 기상인자를 감안하여 FAO P-M의 대안식을 이용하여 기준증발산량을 산정한 바 있다. Fig. 1에서 JSSGP (2018)JSSGP (2022)에서 2010년 이후 증발산량이 급격하게 감소하는 경향이 나타나고 있는데, 주된 원인으로는 2011년부터 고지대에 위치한 3개 관측소(성판악, 윗세오름, 진달래밭)의 낮은 상대습도 자료가 증발산량 산정에 추가됨에 따라 제주도 전체의 증발산량이 낮게 산정된 것으로 확인되었다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F1.jpg
Fig. 1.

Comparison of annual water balance component values according to literatures

유출량은 기본적으로 NRCS CN 방법을 이용하고 있으나, Kim et al. (2018)JSSGP (2022)에서는 SWAT-K 모형을 이용하여 강우-유출-증발산-함양과정에 대한 통합 모델링 분석을 통해 산정하고 있다. Kim et al. (2018)에서 언급된 바와 같이 Jeju Province and KOWACO (2003)KOWACO (1993)에서는 제한된 지역 또는 지점에 대해 유출율을 산정한 후, 이를 기반으로 지역별 유출량을 추정한 바 있다.

이와 같이 적용된 수문분석 방법에 따라 상이한 결과를 도출하게 되는데, 본 연구에서는 제주도의 지역별 고도별 기상특성, 토지이용 및 지질 특성 등을 충분히 고려하기 위해 기존 연구들에서 적용한 방법 중 유역모델링 기법(SWAT-K)을 활용하였던 Kim et al. (2018)의 방법론을 적용하였다. SWAT-K는 미국 농무성에서 개발된 SWAT 모형을 기반으로, 우리나라의 지형·지질·수문학적 조건 등을 반영하여 국내 유역에 대한 적용성을 개선한 모형이다(KICT, 2007).

SWAT-K에서의 증발산량, 유출량, 함양량 등 각 수문성분에 대한 산정과정은 SWAT과 동일하다. 다만, Kim et al. (2018)JSSGP (2022)에서도 활용된 바와 같이, 특정규모 이상의 강우시에만 지표유출이 발생하는 제주도 하천유역의 강우-유출 특성을 고려하기 위하여 한계유출 모의기법(Chung et al., 2011)과 간헐하천 모의기법(Kim et al., 2013)을 적용하였다. 한계유출 모의기법은 한계강수량과 한계토양수분량 이내일 경우 강수량을 모두 침투시켜 지표면 유출을 억제하고 중간유출과 지하수 유출도 발생하지 않도록 개선한 것이며(Chung et al., 2011), 간헐하천 모의기법은 중간유출 및 기저유출을 억제하고 연직하향 침루가 지배적으로 발생하게 하여 깊은 대수층으로 함양이 되도록 개선한 것이다(Kim et al., 2013). 모형 구축과정에서의 소유역 구분 및 매개변수 보정 등은 기존 Kim et al. (2018)에서 적용된 조건들을 활용하였다.

Table 1Fig. 1에 나타난 것처럼 Kim et al. (2018)의 결과가 기존 타 문헌들에서 분석한 물수지 비율이나 연도별 물수지 값과 비교했을 때 그 경향을 잘 따르고 있음을 알 수 있다.

2.2 미래 기후변화 시나리오 적용방법

2022년 발간된 IPCC 6차 평가보고서에는 신기후체제 대응 시나리오로 SSP를 제시하고 있다. 이 시나리오는 2100년 기준 복사강제력 강도와 함께 기후변화 적응과 온실가스 감축 여부에 따른 인구, 경제, 토지이용 및 에너지 사용 등 미래 사회경제 발전상을 반영하여 5개 시나리오(SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5)로 구분하고 있다. IPCC 5차 평가보고서에서 제시되었던 RCP (Representative Concentration Pathways) 시나리오는 대기에 영향을 미치는 이산화탄소 농도에 따라 4가지(RCP 2.6, RCP 4.5, RCP 6.0, RCP 8.5)로 구분되었으며, SSP는 RCP 시나리오를 배경으로 사회, 경제 전반에 대한 영향을 추가로 반영한 것이다.

단일 기후모형의 전망자료를 사용하는 경우 모형의 선택에 따라 발생할 수 있는 미래 전망의 불확실성을 고려하기 위해 본 연구에서는 50개 이상의 CMIP6 기후모형 중에서 SWAT- K 모형 적용에 필요한 6종의 기상인자(강수량, 최고기온, 최저기온, 상대습도, 평균풍속, 일사량)에 대해 2100년까지의 미래자료를 제공하는 18개 모형 결과를 활용하였다(Table 2). 기상청에서 제공하는 KACE-1-0-G는 HadGEM2-AO를 기반으로 국립기상과학원에서 개발한 모형이며, UKESM1-0-LL은 영국 기상청과 컨소시움 형태로 공동 활용 중인 영국기상청의 모형이다. 각 모형에서 제공하는 SSP 시나리오 중 SSP2-4.5(기후변화 완화 정책 및 사회·경제 발전 정도가 중간 수준일 것으로 가정)와 SSP5-8.5(산업기술의 빠른 발전에 중점을 두어 화석연료 사용이 높고 도시 위주의 무분별한 개발이 확대될 것으로 가정)를 중심으로 미래 기후변화에 따른 수문학적 변화를 분석하였다.

Table 2.

GCM models used in this study (Lim Kam Sian et al., 2021)

Model name Institute (Country) Horizontal resolution
(latitude × longitude)
ACCESS-CM2 Commonwealth Scientific and Industrial Research Organization (Australia) 1.25° × 1.875°
ACCESS-ESM1-5
CanESM5 Canadian Centre for Climate Modelling and Analysis (Canada) 2.8° × 2.8°
CNRM-CM6-1 Centre National de Recherches Météorologiques- Centre Européen de Recherche et de Formation
Avancée en Calcul Scientifique (France)
1.4° × 1.4°
CNRM-ESM2-1
EC-Earth3 EC-EARTH consortium (Europe) 0.7° × 0.7°
GFDL-ESM4 NOAA Geophysical Fluid Dynamics Laboratory (USA) 1° × 1.25°
INM-CM4-8 Institute for Numerical Mathematics, Russian Academy of Science (Russia) 1.5° × 2°
INM-CM5-0
IPSL-CM6A-LR L'Institue Pierre-Simon Laplace (France) 1.26° × 2.5°
KACE-1-0-G National Institute of Meteorological Sciences, Korea Meteorological Administration (Korea) 1.25° × 1.875°
MIROC6 Japan Agency for Marine-Earth Science and Technology, Atmosphere and Ocean Research
Institute, The University of Tokyo, National Institute for Environmental Studies, and RIKEN
Center for Computational Science (Japan)
1.4° × 1.4°
MIROC-ES2L 2.8° × 2.8°
MPI-ESM1-2-HR Max Planck Institute for Meteorology (Germany) 0.9375° × 0.9375°
MPI-ESM1-2-LR 1.875° × 1.875°
MRI-ESM2-0 Meteorological Research Institute (Japan) 1.125° × 1.125°
NorESM2-LM Norwegian Climate Centre (Norway) 1.875° × 2.5°
UKESM1-0-LL Met Office Hadley Centre (UK) 1.25° × 1.875°

Table 2에 제시된 바와 같이 일반적으로 GCM 기후모형에서 생산되는 산출물은 수십에서 수백 km 이상의 공간해상도를 갖고 있기 때문에 제주도를 비롯한 국내 유역 규모에 적용하기 위해서는 고해상도 규모로의 상세화(Kim et al., 2019a; Cho et al., 2020) 및 과거의 관측자료를 기반으로 한 편의보정이 필요하다. 농촌진흥청(Rural Development Administration) (RDA, 2021)에서는 한반도 전역에 대해 기상 관측망 자료 대신 유럽중기예보센터(European Centre for Medium-Range Weather Forecast, ECMWF)에서 제공하는 ERA5 (ECMWF Reanalysis v5) 재분석자료(25 km 해상도)를 기반으로 수정 IGISRM (Improved GIS-based Regressive Model) 기법을 이용하여 편의보정된 1 km 해상도 자료(1980~2020년)를 관측자료로 활용하고 있다. 그리고, 이 관측자료를 기반으로 각 GCM별 생산되는 저해상도 격자형 자료를 Simple Quantile Mapping (SQM) 기법을 이용하여 편의보정 및 상세화를 수행하여 1 km 격자형 자료를 도출하였다. 본 연구에서는 RDA (2021)에서 생산한 각 GCM에 대한 상세화 자료 중 제주도 전역에 대한 1 km 격자형 자료(1981~2100년)를 기반으로, SWAT-K 모형의 소유역 단위로 면적평균하여 과거 및 미래기간에 대한 기상자료로 활용하였다.

CMIP6의 GCM 모형에서 산출되는 자료는 2014년까지 과거 재현기간으로 설계되어 있으며, 2015년 이후 기간에 대해 SSP 시나리오별 전망자료가 제공되고 있다. 본 연구에서는 30년 단위의 기간에 대해 과거 및 미래기간의 변동성을 분석하기 위해 과거 재현기간 중 1981~2010년을 과거기간으로 설정하고, 2011~2014년 자료를 미래기간에 포함시켜 미래구간별(2011~2040년, 2041~2070년, 2071~2100년) 변화와 비교하였다. SWAT-K 모형에 의해 각 소유역별로 산출되는 수문성분별 값들을 면적평균하여 제주도 전체를 대상으로 기후변화 시나리오에 따른 각 수문성분별 변화 및 물수지 변화 등 미래 전망결과를 분석하였다.

3. 연구결과

3.1 연 수문변화 전망

Fig. 2는 SSP 시나리오에 따른 편의보정된 GCM 상세화 자료를 기반으로 SWAT-K 유역모델링으로부터 산출된 1981~ 2100년에 대한 연도별 강수량, 증발산량, 유출량, 함양량 값으로서 소유역별 결과를 제주도 전체를 대상으로 면적평균하여 비교한 것이다. 각 색상별 실선은 18개 GCM 모형 적용결과의 평균을 의미하며 음영은 GCM 모형에 따른 편차를 나타낸다. 과거대비 미래로 갈수록 강수량을 비롯한 모든 수문성분들의 값이 증가하는 경향으로 나타나고 있으며, SSP2-4.5 보다는 SSP5-8.5 시나리오에서 증가가 더욱 뚜렷한 것으로 나타난다. 또한 미래로 갈수록 SSP5-8.5 시나리오에서 GCM 모형에 따른 편차 또한 상대적으로 크게 나타나고 있다. 수문성분별 동일연도에 대한 GCM별 편차를 보면, 강수량은 최대 3,881 mm, 증발산량 337 mm, 유출량 1,787 mm, 함양량 2,060 mm까지도 나타나고 있다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F2.jpg
Fig. 2.

Annual values of hydrological components according to scenarios

Fig. 3은 각 시나리오별 미래기간(2011~2100년)에 대한 GCM 모형에 따른 제주도 전체 연 강수량의 범위를 비교한 것이다. 푸른색 점은 미래기간 전체에 대한 GCM 모형별 평균값을 나타내며, 평균값의 크기에 따라 순서대로 정리한 것이다. SSP2-4.5와 SSP5-8.5 시나리오 모두 CanESM5 모형에서 산출된 강수량이 평균적으로 가장 많은 반면, ACCESS-ESM1-5 모형의 강수량이 상대적으로 가장 적은 값을 보이고 있다. 증발산량, 유출량, 함양량 등도 일부 순서에 차이는 있으나 강수량의 크기에 따른 경향과 비슷한 것으로 나타났다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F3.jpg
Fig. 3.

Annual precipitation ranges by GCM for each SSP scenario during the future period (2011~2100)

Fig. 4는 미래기간(2011~2100년)에 대한 GCM 모형별 각 수문성분에 대한 연평균값을 비교한 것으로, 푸른색과 붉은색 점들은 각각 SSP2-4.5 시나리오와 SSP5-8.5 시나리오에 대한 결과를 나타내며, 푸른색 점선은 각 수문성분에 대한 과거기간(1981~2010년)의 평균값을 의미한다. Fig. 3에서와 같이 GCM 모형에 따라 편차가 크게 나타나고 있음을 알 수 있으며, 대체로 과거기간 평균값과 비교하여 높은 값을 나타내는 GCM들이 많은 것으로 나타나고 있다. 특히 증발산량의 경우에는 거의 모든 GCM에 대해 미래기간의 값들이 과거기간보다 높은 것으로 나타났다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F4.jpg
Fig. 4.

Annual average values of hydrological components by period for each GCM model

이와 같이 기후모형에 따른 편차가 매우 크기 때문에 특정 모형이나 일부 제한된 모형만을 이용하여 미래 영향을 분석할 경우 편중된 결과가 나타날 수 있음에 유의할 필요가 있다. Kim et al. (2020)을 비롯한 이전의 여러 연구들(Wilby and Harris, 2006; Kay et al., 2009; Lee, 2014; Kim et al., 2018)에서도 언급한 바와 같이 기후변화에 의한 수문전망 분석과정에서의 여러 불확실성 중 GCM 모형에 의한 영향이 가장 큰 것으로 알려져 있기 때문에, Kim and Yun (2016)과 같이 다중모델앙상블(Multi-model ensemble, MME)을 기반으로 기후변화 영향을 설명하고 있다.

3.2 월별 수문변화 전망

Fig. 5는 개별 GCM 모형 자료를 이용하여 산출된 과거기간(1981~2010년)과 미래기간(2011~2100년)에 대해 제주도 전체를 대상으로 강수량, 증발산량, 유출량, 함양량의 월별 값을 나타낸 것이다. Hist는 과거기간(1981~2010년)을 의미하며, ssp245와 ssp585는 미래기간(2011~2100년)에 대한 SSP2-4.5 시나리오와 SSP5-8.5 시나리오의 결과이다. 박스플롯의 상한과 하한은 GCM에 따른 결과의 범위를 의미하며, 각 박스플롯의 중심부 점은 해당월과 해당기간에 대한 모든 GCM 결과의 평균값을 나타낸다.

강수량을 비롯하여 증발산량, 유출량, 함양량 모두 과거기간에 대한 GCM에 따른 편차는 매우 적은 것으로 나타나고 있는 반면, 미래기간인 SSP 시나리오에 대해서는 GCM에 따라 차이가 크게 나타나고 있다. 대체로 각 수문성분별 값이 상대적으로 많은 6~9월에서 그 변동폭이 더욱 크게 나타났다. 수문성분별 GCM에 따른 월 최대 편차는 강수량 346 mm, 증발산량 31 mm, 유출량 118 mm, 함양량 217 mm까지 차이를 보였다. Fig. 5는 해당기간 전체의 각 월별 평균값에 대한 분포이기 때문에, 특정연도의 각 소유역별 값의 차이는 더욱 크게 나타날 수 있다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F5.jpg
Fig. 5.

Monthly hydrological component values ranges according to scenarios

Fig. 6은 과거기간 대비 미래기간에 대한 각 수문성분의 변동성을 월별로 나타낸 것으로, GCM에 따른 편차를 박스플롯으로 표출하였다. 각 박스플롯 중앙부 점은 18개 GCM 적용결과의 평균값을 의미한다. SSP2-4.5와 SSP5-8.5 시나리오 모두 GCM에 따른 각 월별 변동률에 대한 편차가 크게 나타나고 있으며, 일부 GCM에 대해서는 100% 이상의 변동률이 분석되기도 하였다. 대체로 SSP5-8.5 시나리오에서의 증가율이 클 것으로 나타났으며, 9~11월 증발산량의 감소와 5~7월 함양량의 감소를 제외하고 대부분의 월에서 미래기간의 수문성분 값이 증가할 것으로 전망되고 있다. Kim et al. (2018)에 의해 수행된 RCP 시나리오에 따른 영향에서도 대체로 과거대비 증가하는 것으로 전망되고 있으며, 특히 8월과 9월을 중심으로 강수량, 유출량, 함양량의 증가가 크게 전망되었고 증발산량은 8~10월에 감소하는 것으로 나타났다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F6.jpg
Fig. 6.

Monthly change rates of hydrological components according to scenarios

Fig. 6에 제시된 18개 GCM에 대한 평균값을 기준으로, SSP2-4.5 시나리오에서는 강수량은 8월에 14.9%, 증발산량은 4월에 23.3%, 유출량은 10월에 47.5%, 함양량은 10월에 21.4%로 최대 증가율을 보였으며, SSP5-8.5 시나리오에서는 강수량은 9월에 24.5%, 증발산량은 4월에 34.1%, 유출량은 10월에 58.1%, 함양량은 9월에 33.8%까지 증가할 것으로 전망되었다.

3.3 미래기간별 물수지 전망

Fig. 7Table 3은 미래를 전반기(Near, 2011~2040년), 중반기(Mid, 2041~2070년), 후반기(Far, 2071~2100년) 등 3개 구간으로 구분하고, 과거기간과 미래 각 기간에 대한 수문성분별 연평균 값을 비교한 것이다. 강수량, 증발산량, 함양량, 유출량 모두 과거기간 대비 미래기간에 증가하는 것으로 전망되고 있으며, SSP5-8.5 시나리오에서 더욱 크게 증가하는 것으로 나타났다. 미래 후반기로 갈수록 증가폭이 더욱 크며, 강수량의 경우 최대 381 mm, 증발산량은 131 mm, 유출량 114 mm, 함양량 136 mm까지 증가될 것으로 전망되었다. 과거기간 평균값 대비 증감률로는 강수량 +21.4%, 증발산량 +19.2%, 유출량 +40.9%이며, 특히 제주도 수자원의 원천이 되는 지하수 함양량은 SSP5-8.5 시나리오 하에서 최대 16.6%까지 증가될 것으로 분석되었다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F7.jpg
Fig. 7.

Average annual values of hydrological components by period according to scenarios

Table 3.

Average annual values of water balance components by period

Period and scenario Annual values of water balance components (mm/yr)
Precipitation ET Runoff Recharge
Historical (1981~2010) 1,778 679 280 819
All future
(2011~2100)
SSP2-4.5 1,940 744 324 872
SSP5-8.5 1,998 761 343 894
Near future
(2011~2040)
SSP2-4.5 1,837 709 295 833
SSP5-8.5 1,861 711 304 846
Mid future
(2041~2070)
SSP2-4.5 1,932 747 319 866
SSP5-8.5 1,975 761 332 882
Far future
(2071~2100)
SSP2-4.5 2,051 776 358 917
SSP5-8.5 2,158 810 394 954

Fig. 8은 과거기간과 미래 각 기간에 대해 강수량 대비 수문성분 비율을 비교한 것이다. 강수량에 대한 비율로만 보면, SSP2-4.5와 SSP5-8.5 시나리오 모두 과거기간 대비 미래 후반기로 갈수록 지하수 함양률은 점차 감소하고, 상대적으로 유출률은 증가하는 것으로 나타난다. 그러나, 앞서 제시한 Fig. 7Table 3과 같이 미래 강수량이 큰 폭으로 증가함에 따라 증발산량, 함양량, 유출량 모두 증가하는 것으로 전망되고 있어 이수 측면에서의 수자원 가용량은 증가할 것으로 예상된다. 기존 RCP 시나리오를 이용하여 제주도 지역의 미래 기후변화 영향을 분석하였던 Kim et al. (2018)의 연구에서도 미래에 강수량과 함양량이 점차 증가하고, 미래 후반기로 갈수록 함양률은 점차 감소할 것으로 전망한 바 있다. Kim et al. (2018)에서 분석한 결과에 의하면, 2070~2099년에 대한 지하수 함양률은 RCP4.5에서 44.0%, RCP8.5에서 43.2%로 본 연구 결과와 유사하다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F8.jpg
Fig. 8.

Comparison of water balance ratio by period

3.4 극한기후변화 시나리오 기반 미래 전망

본 절에서는 앞의 Fig. 3에 제시된 바와 같이 여러 GCM 모형에 의한 기후변화 시나리오 중에서 가장 강수량이 많을 것으로 전망한 CanESM5 모형과, 반대로 가장 적을 것으로 전망한 ACCESS-ESM1-5 모형에 의한 기후자료를 기반으로, 물수지 결과를 중심으로 미래 전망을 비교해 보았다.

Table 4는 2개 GCM 모형(ACCESS-ESM1-5, CanESM5)의 시나리오별 미래기간에 대한 연평균 수문성분 값을 나타낸 것이다. 2개 GCM에 의한 차이는 SSP5-8.5 기준으로 강수량 801 mm, 증발산량 84 mm, 유출량 232 mm, 함양량 485 mm로서, 유출량은 거의 2배 정도의 차이를 보였다. Table 3의 18개 GCM에 대한 과거기간 평균값과 비교했을 때, 강수량은 -2.9~+43.1%, 증발산량 +10.2~+23.9%, 유출량 -2.1~+84.3%, 함양량 -14.2~+45.1%의 변화를 나타낸다. 18개 GCM 중 강수량이 가장 적을 것으로 전망된 ACCESS-ESM1-5의 경우에도 증발산량은 과거기간 대비 증가하는 것으로 나타났으며, 강수량이 가장 많을 것으로 전망된 CanESM5의 경우 강수량에 의해 유출량의 높은 증가율이 예상되었다.

Table 4.

Comparison of annual water balance components based on extreme climate change scenarios

GCM Scenario Annual values of water balance components (mm/yr)
Precipitation ET Runoff Recharge
ACCESS-
ESM1-5
SSP2-4.5 1,727 748 274 705
SSP5-8.5 1,744 757 284 703
CanESM5 SSP2-4.5 2,289 803 426 1,060
SSP5-8.5 2,545 841 516 1,188

Fig. 9Table 4의 결과를 기반으로 각 GCM 모형별 SSP 시나리오별 미래기간에 대한 물수지 비율을 비교한 것으로, CanESM5 모형의 경우 함양률과 유출률이 상대적으로 높게 나타났으며, ACCESS-ESM1-5 모형에서는 증발산량의 비율이 높은 것으로 나타났다. 강수량의 증가가 유출량과 함양량에 더 크게 기여하고 있음을 알 수 있다. Fig. 8의 모든 GCM에 대한 평균 물수지와 비교했을 때에도 상대적으로 높은 강수량을 나타내는 CanESM5 기후자료 적용시 함양률과 유출률이 더 높게 나타난다. 즉, 제주도 지역을 대상으로 한 기후변화 시나리오 기준으로 판단할 때, 기온의 증가로 인해 대체로 미래 증발산량이 증가할 것으로 예상되며, 또한 대부분의 시나리오에서 강수량도 크게 증가할 것으로 전망됨에 따라 증발산량 증가폭 이상으로 유출량과 지하수 함양량의 증가가 예상된다고 볼 수 있다.

https://static.apub.kr/journalsite/sites/kwra/2023-056-11/N0200561105/images/kwra_56_11_05_F9.jpg
Fig. 9.

Comparison of water balance ratio based on extreme climate change scenarios

4. 요약 및 결론

본 연구에서는 기후모형에 따른 미래 전망의 불확실성을 고려하여 18개 GCM 모형에서 산출되는 SSP 시나리오별 기후자료를 활용하였으며, 이를 유역모델링과 연계하여 제주도 지역의 미래 수문학적 변화를 전망하였다. 제주도의 지역별 기상, 토지이용 및 지질 특성 등을 반영한 강우-유출 모델링을 위해 기존 Kim et al. (2018)의 연구에서 적용되었던 SWAT -K 구축 환경을 활용하였다. 각 GCM 모형별 생산되는 저해상도 격자형 자료는 SQM 기법을 이용하여 편의보정된 상세화 자료(1 km 격자형 자료)를 이용하였으며, SWAT-K 모형의 소유역 단위로 면적평균하여 과거 및 미래기간에 대한 기상자료로 활용하였다. 기상자료의 기간 중 1981~2010년을 과거기간으로 구분하고, 2개 SSP 시나리오(SSP2-4.5, SSP5- 8.5)에 대한 미래기간(2011~2100년)을 3개 구간(2011~2040년, 2041~2070년, 2071~2100년)으로 구분하여 과거기간을 기준으로 한 미래구간별 변화를 비교하였다. 또한, 18개 GCM 모형 중 미래기간에 대해 최다/최저 강수량을 나타내는 2개 모형(CanESM5, ACCESS-ESM1-5)의 상세화된 기후자료를 활용하여 극한기후변화 시나리오에 따른 미래 물수지 전망 결과를 비교하였다.

연 수문변화 전망에서는 과거기간 대비 미래기간의 강수량, 증발산량, 유출량, 함양량이 모두 증가하며, 상대적으로 SSP5-8.5 시나리오에서 증가가 더욱 뚜렷하게 나타났다. 미래 후반기로 갈수록 SSP5-8.5 시나리오 하에서 GCM 모형에 따른 차이가 크게 나타났는데, 동일연도에 대한 GCM별 최대 편차는 강수량 3,881 mm, 증발산량 337 mm, 유출량 1,787 mm, 함양량 2,060 mm로 분석되었다.

월별로는 각 수문성분별 값이 상대적으로 많은 6~9월에서 GCM 모형에 따른 차이가 크게 나타났다. 수문성분별 GCM에 따른 월 최대 편차는 강수량 346 mm, 증발산량 31 mm, 유출량 118 mm, 함양량 217 mm로 나타났다. 과거기간 대비 월별 변화는 SSP5-8.5 시나리오에서의 증가율이 클 것으로 나타났으며, 9~11월 증발산량의 감소와 5~7월 함양량의 감소를 제외하고 대부분의 월에서 미래기간의 수문성분 값이 증가할 것으로 전망되었다. SSP2-4.5 시나리오에서는 강수량은 8월에 14.9%, 증발산량은 4월에 23.3%, 유출량은 10월에 47.5%, 함양량은 10월에 21.4%로 최대 증가율을 보였으며, SSP5-8.5 시나리오에서는 강수량은 9월에 24.5%, 증발산량은 4월에 34.1%, 유출량은 10월에 58.1%, 함양량은 9월에 33.8%까지 증가할 것으로 전망되었다.

18개 GCM 모형 중에서 미래기간에 대한 최다 강수량을 전망한 CanESM5와 최저 강수량을 전망한 ACCESS-ESM1-5 모형의 기후자료를 극한기후변화 시나리오로 가정하고 이에 대한 연평균 수문성분 변화를 비교한 결과, 2개 GCM에 의한 차이는 SSP5-8.5 시나리오 기준으로 연평균 강수량 801 mm, 증발산량 84 mm, 유출량 232 mm, 함양량 485 mm로 나타났다. 18개 GCM에 대한 과거기간 평균값과 비교했을 때, 강수량은 -2.9~+43.1%, 증발산량 +10.2~+23.9%, 유출량 -2.1~ +84.3%, 함양량 -14.2~+45.1%의 편차를 보였다. 강수량 대비 물수지 비율은 강수량이 최대로 나타난 CanESM5 적용시 유출률과 함양률이 상대적으로 높게 나타난 반면, 강수량이 최저로 전망된 ACCESS-ESM1-5의 경우에는 증발산 비율이 높게 나타났다.

이상과 같이 제주도 지역에 대한 신기후체제 대응(SSP 시나리오)에 따른 미래 수문변화를 전망한 결과, GCM 모형에 따라 큰 편차를 나타내긴 하였으나, 대체로 강수량, 증발산량, 유출량, 함양량 등이 증가하는 것으로 나타났다. 특히 미래 기온의 증가에 따라 대부분의 GCM 모형에서 증발산량이 증가하는 것으로 전망되었으며, 강수량의 증가로 인해 유출량과 함양량 또한 크게 증가할 것으로 전망되었다. 그러나 한편으로는 지속적인 인구증가 및 시설재배 증가로 인한 지하수 이용량의 증가, 해수면의 상승에 따른 해안지역 지하수 이용 과정에서의 해수침투 우려, 도시화로 인한 불투수층 증가와 불규칙한 돌발홍수로 인한 침수 피해 등 기후변화로 인한 재해 발생 가능성 또한 증대되고 있다. 즉 기후변화 시나리오 기준으로 제주도 전체적인 측면에서의 가용수자원은 증가한다고 전망되나, 지역별 월별 증발산량의 증가 및 유출량의 증가, 돌발적 강우-유출 발생 등에 따른 가뭄이나 홍수 위험에 대해서는 보다 상세한 분석이 필요할 것으로 생각된다.

Acknowledgements

본 연구는 한국건설기술연구원 주요사업 “신기준수위 기반 해안지역 지하수 관리 솔루션 개발” 과제의 연구비 지원에 의해 수행되었습니다.

Conflicts of Interest

The authors declare no conflict of interest.

References

1
Ahn, S.R., Park, M.J., Park, G.A, and Kim, S.J. (2009). "Assessing future climate change impact on hydrologic components of Gyeongancheon watershed." Journal of Korea Water Resources Association, Vol. 42, No. 1, pp. 33-50. 10.3741/JKWRA.2009.42.1.33
2
Arnold, J.G., Allen, P.M., and Bernhardt, G. (1993). "A comprehensive surface-groundwater flow model." Journal of Hydrology, Vol. 142, pp. 47-69. 10.1016/0022-1694(93)90004-S
3
Cho, J., Jung, I., Cho, W., Lee, E.-J., Kang, D., and Lee, J. (2018). "Suggestion of user-centered climate service framework and development of user interface platform for climate change adaptation." Journal of Climate Change Research, Vol. 9, No. 1, pp. 1-12. 10.15531/ksccr.2018.9.1.01
4
Cho, J.-P., Kim, J.-U., Choi, S.-K., Hwang, S.-W., and Jung, H.-C. (2020). "Variability analysis of climate extreme index using downscaled multi-models and grid-based CMIP5 climate change scenario data." Journal of Climate Change Research, Vol. 11, No. 2, pp. 123-132. 10.15531/KSCCR.2020.11.2.123
5
Chung, I.M., Lee, J., Kim, J.T., Na, H., and Kim, N.W. (2011). "Development of threshold runoff simulation method for runoff analysis of Jeju Island." Journal of the Environmental Sciences, Vol. 20, No. 10, pp. 1347-1355. 10.5322/JES.2011.20.10.1347
6
Han, W.-K. and Yang, S.-K. (2009). "A runoff simulation using SWAT model depending on changes to land use in Jeju Island." Journal of the Environmental Sciences, Vol.. 18, No. 9, pp. 1057-1063. 10.5322/JES.2009.18.9.1057
7
Jeju Province and Korea Water Resources Corporation (KOWACO) (2003). Comprehensive investigation of hydrology and groundwater resources in Jeju Island (III).
8
Jeju Regional Office of Meteorology (Jeju KMA) (2019). Analysis of climate change characteristics in Jeju Island.
9
Jeju Special Self-Governing Province (JSSGP) (2013). The water management comprehensive plan for Jeju Special Self-Governing Province (2013-2022).
10
Jeju Special Self-Governing Province (JSSGP) (2018). The water management comprehensive plan for Jeju Special Self-Governing Province (Supplement) (2018-2022).
11
Jeju Special Self-Governing Province (JSSGP) (2022). Jeju Special Self-Governing Province integrated water management master plan (2023-2032).
12
Jung, W.-Y., and Yang, S.-K. (2008). "Application of SWAT model on rivers in Jeju Island." Journal of the Environmental Sciences, Vol. 17, No. 9, pp. 1039-1052. 10.5322/JES.2008.17.9.1039
13
Kang, J.-Y., Jung, H.-C., and Kim, B.-S. (2014). An evaluation of vulnerability of Jeju Island following the RCP 8.5 climate change scenario. Basic Research 2014-14, Jeju Development Institute.
14
Kay, A.L., Davies, H.N., Bell, V.A., and Jones, R.G. (2009). "Comparison of uncertainty sources for climate change impacts: Flood frequency in England." Climatic Change, Vol. 92, No. 1-2, pp. 41-63. 10.1007/s10584-008-9471-4
15
Kim, C.G., and Kim, N.W. (2016). "Evaluation and complementation of observed flow in the Hancheon watershed in Jeju Island using a physically-based watershed model." Journal of Korea Water Resources Association, Vol. 49, No. 11, pp. 951-959. 10.3741/JKWRA.2016.49.11.951
16
Kim, C.-G., Cho, J., and Kim, H. (2020). "Assessment of climate change impacts on water resources in the Gyeongan-cheon watershed using multiple GCMs." Journal of the Korean Society of Civil Engineers, Vol. 40, No. 1, pp. 119-126.
17
Kim, C.G., Cho, J., and Kim, N.W. (2018). "Assessing hydrologic impact of climate change in Jeju Isalnd using multiple GCMs and watershed modeling." Journal of Korea Water Resources Association, Vol. 51, No. 1, pp. 11-18. 10.3741/JKWRA.2018.51.1.11
18
Kim, D.-H., Jang, T., Hwang, S., and Cho, J. (2019a). "Assessing hydrologic impacts of climate change in the Mankyung watershed with different GCM spatial downscaling methods." Journal of the Korean Society of Agricultural Engineers, Vol. 61, No. 6, pp. 81-92.
19
Kim, G.-B., Hwang, C.-I., Shin, H.-J., and Choi, M.-R. (2019b). "Application of groundwater recharge rate estimation method based on artificial neural networks in unmeasured areas." Journal of the Geological Society of Korea, Vol. 55, No. 6, pp. 693-701. 10.14770/jgsk.2019.55.6.693
20
Kim, J.-H., and Yun, J.I. (2016). "The use and abuse of climate scenarios in agriculture." Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 3, pp. 170-178. 10.5532/KJAFM.2016.18.3.170
21
Kim, J.H., and Yun, S.-J. (2020). "Limiting factors in establishing and implementing climate change adaptation plans of Jeju province." The Korean Journal of Local Government Studies, Vol. 24, No. 3, pp. 225-251. 10.20484/klog.24.3.11
22
Kim, N.W., Chung, I.M., and Na, H. (2013). "A method of simulating ephemeral stream runoff characteristics in cheonmi-cheon watershed, Jeju Island." Journal of Environmental Science International, Vol. 22, No. 5, pp. 523-531. 10.5322/JESI.2013.22.5.523
23
Koh, G.W., Park, W.B., and Moon, S.H. (2014). "The direction of managing the water resources of Jeju Island in response to climate change." Jeju Development Research, Vol. 12, pp. 27-55.
24
Korea Institute of Construction Technology (KICT) (2007). Development of analysing system for sustainable water hydrological components. Sustainable Water Resources Research Program of 21st Century Frontier R&D Program, Ministry of Science and Technology.
25
Korea Water Resources Corporation (KOWACO) (1993). Establishment of comprehensive development plan for water resources in Jeju Province.
26
Lee. J.-H., Yang, S.-K., and Kim, M.-C. (2015). "Runoff analysis of climate change scenario in Gangjung basin." Journal of Environmental Science International, Vol. 24, No. 12, pp. 1649-1656. 10.5322/JESI.2015.24.12.1649
27
Lee, J.H., Yang, S.K., Yang, W.S., and Lee, G.B. (2016). "Runoff analysis of climate change scenario in Gangjung basin." In Proceedings of the Korea Water Resources Association Conference, pp. 539-543.
28
Lee, J.K. (2014). Scenario selection and uncertainty quantification for climate change impact assessments in water resource. Ph.D. Dissertation, Seoul National University.
29
Lee, M.J., Lee, J.H., Jeon, S.W., and Houng, H.J. (2010). "Review of policy direction and coupled model development between groundwater recharge quantity and climate change." Journal of Environmental Policy, Vol. 9, No. 2, 157-184. 10.17330/joep.9.2.201006.157
30
Lim Kam Sian, K.T.C., Wang, J., Ayugi, B.O, Nooni, J.K, and Ongoma, V. (2021). "Multi-decadal variability and future changes in precipitation over Southern Africa." Atmosphere, Vol. 12, 742. doi: 10.3390/atmos12060742. 10.3390/atmos12060742
31
National Institute of Meteorological Sciences (NIMS) (2018). Climate change over 100 years in the Korean Peninsula.
32
National Institute of Meteorological Sciences (NIMS) (2020a). Global climate change outlook report in response to the IPCC sixth assessment report (Revised edition).
33
National Institute of Meteorological Sciences (NIMS) (2020b). Korean Peninsula outlook report 2020: Climate projections according to SSP1-2.6/SSP5-8.5.
34
Park, J.-C., Choi, K.-J., and Song, S.-H. (2014). "Prediction of regional drought considering aspect and elevation in Jeju Island under future climate change." Journal of Environmental Science International, Vol. 23, No. 4, pp. 649-660. 10.5322/JESI.2014.4.649
35
Rural Development Administration (RDA) (2021). Technical guide for the production of downscaled SSP climate change scenario data for agricultural applications. National Institute of Agricultural Sciences.
36
Shin, E., Koh, E.-H., Ha, K., Lee, E., and Lee, K.-K. (2016). "Impact of climate change on the groundwater recharge and groudwater level variations in Pyoseon watershed of Jeju Island, Korea." Journal of Soil and Groundwater Environment, Vol. 21, No. 6, pp. 22-35. 10.7857/JSGE.2016.21.6.022
37
Song, S.-H., Lee, G.-S., Myoung, W.-H., An, J.-G., Baek, J.-H., and Jung, C.-Y. (2019). "Estimation of regional future agricultural available groundwater supply in Jeju Island using water balance method." Journal of Soil and Groundwater Environment, Vol. 24, No. 2, pp. 23-37.
38
Wilby, R.L., and Harris, I. (2006). "A framework for assessing uncertainties in climate change impacts: Low-flow scenarios for the River Thames, UK." Water Resources Research, Vol. 42, No. 2, W02419, doi: 10.1029/2005WR004065. 10.1029/2005WR004065
페이지 상단으로 이동하기