1. 서 론

최근 기후변화의 영향으로 강수의 변동성과 극한 기상현상이 증가하면서 유역 단위 수문순환의 불확실성이 점차 확대되고 있다. 특히 집중호우와 가뭄의 빈도 및 강도가 증가함에 따라 수자원의 시공간적 불균형이 심화되고 있으며, 이는 홍수 대응, 가뭄 관리 및 수자원 계획 수립에 있어 중요한 과제로 대두되고 있다. 이러한 수문순환 과정에서 증발산(evapotranspiration, ET)은 강수와 유출을 연결하는 핵심 요소로서 유역 물수지 분석과 수자원 관리 의사결정에 필수적인 변수이다. 그러나 증발산은 기온, 복사, 풍속, 토양수분 및 식생 상태 등 다양한 요인의 영향을 받는 복합적인 과정으로, 직접 관측이 어렵고 관측자료 또한 점 단위로 제한되는 한계를 가진다.

이러한 한계는 관측망이 부족하거나 접근이 제한된 미계측 지역에서 더욱 두드러진다. 특히 북한 지역은 대표적인 미계측·비접근 유역으로 장기간의 수문·기상 관측자료 확보가 제한적이며 관측망 또한 충분히 구축되어 있지 않다. 또한 북한 지역의 특수성으로 인해 현장 기반 자료 수집과 검증이 어려워 수자원 현황 파악 및 재난 대응을 위한 정량적 분석에 큰 불확실성이 존재한다. 따라서 이러한 자료 공백을 보완하기 위해 위성자료 및 재분석 자료를 활용한 간접적 수문 분석 기법의 필요성이 지속적으로 제기되고 있다.

GLDAS (Global Land Data Assimilation System)는 위성 및 지상 관측자료와 육지표면모형을 결합하여 토양수분, 지표온도, 증발산 등 다양한 수문·에너지 변수를 산출하는 대표적인 전 지구 재분석 시스템이다(Rodell et al., 2004). GLDAS는 기상 입력자료를 기반으로 지표면의 에너지 및 수분 수지를 모의하여 증발산을 산정하며 광역 공간에 대해 일관된 시공간 자료를 제공할 수 있다는 장점을 가진다. 이러한 특성으로 인해 GLDAS는 관측자료가 부족한 지역에서 수문 변수의 시공간적 변동성을 분석하는 데 효과적인 자료로 활용되고 있다.

국외 연구에서는 GLDAS를 포함한 다양한 전 지구 증발산 자료를 비교·평가한 결과 위성 기반, 재분석 자료 및 지표면모형 기반 자료 간 대규모 공간 분포와 평균적인 수문기상 패턴이 서로 유사하게 나타나는 것으로 보고되었으며, 이는 전 지구 규모의 수문순환 특성을 이해하는 데 있어 이러한 자료들이 유용하게 활용될 수 있음을 시사한다(Mueller et al., 2011). 또한 Syed et al. (2008)은 GRACE 기반 지표 수자원 저장량 변화와 GLDAS 자료를 비교한 결과, 두 자료가 전반적으로 유사한 변동성을 나타내며 대규모 수문순환 특성을 적절히 반영하는 것으로 보고하였다. Zaitchik et al. (2010)은 전 지구 하천 유출자료를 이용하여 GLDAS 자료를 평가한 결과 대규모 수문 변동성과 유출 특성이 비교적 잘 재현되는 것으로 나타났음을 제시하였다.

한편, Liu et al. (2016)은 전 세계 35개 유역을 대상으로 다양한 증발산 자료를 평가한 결과 대부분의 자료가 연평균 값은 비교적 잘 재현하는 것으로 나타났음을 보고하였으며, 광역 수문 특성 분석에 활용 가능성이 있음을 시사하였다. 다만, 변동성 및 극값 재현에서는 자료 간 차이가 존재하며 일부 지역에서는 과소 또는 과대 추정 경향이 나타나는 것으로 분석되었다.

유역 단위 연구에서도 GLDAS 자료의 활용성이 확인되고 있다. Qi et al. (2015)은 중국 동북부 Biliu 유역을 대상으로 GLDAS/Noah 자료를 평가한 결과 기온 및 습도와 같은 기상요소와 수문·에너지 플럭스의 계절적 변동성이 비교적 잘 재현되는 것으로 나타나 GLDAS 자료가 유역 규모 수문기상 분석에 유용하게 활용될 수 있음을 제시하였다. 또한 Lv et al. (2019)은 중국 황하 유역을 대상으로 GLDAS 기반 증발산을 재구성한 결과 다양한 통계지표에서 성능이 향상되었으며 연평균 규모에서 유역 물수지 기반 증발산과 유사한 값을 나타내어 유역 규모 수문 분석에 활용 가능성을 제시하였다.

최근에는 GLDAS 자료의 공간적·시간적 연속성을 기반으로 가뭄, 토양수분 및 지하수 변화 분석 등 다양한 수문학적 응용이 확대되고 있으며 특히 관측 자료가 부족한 미계측 유역에서의 활용성이 더욱 강조되고 있다.

국내 연구에서도 GLDAS 기반 자료를 활용한 증발산 분석 및 수문모형 적용 연구가 지속적으로 수행되고 있다. Lee et al. (2020)은 에디공분산 관측 자료와의 비교를 통해 GLDAS 증발산이 유역 규모에서의 시공간적 변동성을 효과적으로 반영함을 확인하였다. 또한 Jeon et al. (2021)은 위성 기반 증발산 자료(MOD16)와 GLDAS 증발산 자료 간 계절적 시계열 패턴이 유사하게 나타나며 상관계수 0.75 수준의 비교적 높은 일치성을 보이는 것을 제시하였다.

한편, Seo and Lee (2017)는 다중 위성자료 기반 유출량과 GLDAS 결과를 비교한 결과 두 자료 간 높은 상관성과 유사한 계절 변동성을 확인하여 미계측 지역에서의 수문 분석에 활용 가능함을 제시하였다. 또한 Kang et al. (2023)은 GLDAS 기반 증발 스트레스 지수를 활용하여 한반도 가뭄의 시공간적 특성을 분석하는 등 GLDAS 자료의 수문학적 활용성이 점차 확대되고 있다.

그러나 기존 연구는 주로 GLDAS 자료의 정확도 평가 또는 다른 위성·모델 자료와의 비교에 초점을 두고 있으며 관측 기반 증발 지표와의 물리적 관계를 정량적으로 해석하고 이를 미계측 지역에 적용한 연구는 상대적으로 부족하다. 특히 증발접시(Class A pan)와 같은 전통적인 관측 자료는 잠재 증발량을 반영하는 지표로 널리 활용되어 왔음에도 불구하고 GLDAS 기반 실제 증발산과의 관계를 체계적으로 분석하고 그 물리적 의미를 해석한 연구는 제한적이다.

이에 본 연구에서는 GLDAS 기반 증발산량과 지상 대형증발접시 관측자료 간의 관계를 정량적으로 분석하고, 두 자료 간에 나타나는 차이의 수문기상학적 원인을 물리적으로 해석하고자 한다. 또한 이러한 관계를 기반으로 GLDAS 증발산 자료의 적용 가능성과 한계를 평가하고, 관측자료가 부족한 북한과 같은 미계측 지역에서의 활용 가능성을 검토하는 것을 목적으로 한다. 이를 위해 계절별 통계 특성 및 공간 분포 특성을 분석하고, GLDAS 자료의 편향 특성과 시공간적 변동 재현성을 평가하였다. 최종적으로 GLDAS 기반 증발산 자료의 활용성을 확장하고, 북한 지역의 수문 특성 이해와 수자원 관리, 가뭄 및 홍수 대응 등 수문 의사결정을 지원하기 위한 기초자료를 제공하고자 한다.

2. 연구자료 및 방법

2.1 연구자료

2.1.1 GLDAS 증발산 자료

육지 표면의 수문·에너지 상태는 기후 시스템과 대기-지표 상호작용을 조절하는 핵심 요소로서 기상예측, 기후변화 분석, 수자원 관리 및 재난 대응에 중요한 역할을 한다. 특히 토양수분, 증발산, 적설 및 지표온도와 같은 변수는 시간적 지속성과 공간적 이질성을 동시에 가지며, 대기 순환과 물순환 과정에 직접적인 영향을 미친다.

GLDAS는 위성 및 지상 관측자료와 육지표면모델(Land Surface Model, LSM)을 결합하여 전 지구 육지의 수문·에너지 플럭스를 산출하기 위해 NASA와 NOAA가 공동 개발한 시스템이다. 이 시스템은 관측 기반 기상자료를 강제력으로 사용하고 자료동화 기법을 적용하여 모델의 불확실성을 최소화하는 것을 목표로 한다. 최근에는 위성관측 기술, 재분석 자료, 고해상도 모델링, 인공지능 기반 자료처리 기법의 발전에 따라 GLDAS의 활용성과 정확도가 더욱 향상되고 있다(Zhang et al., 2016).

GLDAS는 위성 기반 강수 자료(Tropical Rainfall Measuring Mission, TRMM; Global Precipitation Measurement, GPM), 복사 관측자료(Clouds and the Earth's Radiant Energy System, CERES), 그리고 재분석 자료(Global Data Assimilation System, GDAS; ECMWF Reanalysis 5th Generation, ERA5)로부터 제공되는 대기 변수를 입력자료로 활용하여 육지표면의 수문·에너지 플럭스를 모의하고 이를 기반으로 증발산을 산정한다.

GLDAS에서 증발산(ET)은 지표면 에너지 수지와 수문 과정을 동시에 고려하여 계산되며 토양 증발, 식생 증산 및 차단 증발의 합으로 구성된다(Allen et al., 1998). 이러한 구성 요소는 각각 토양수분 상태, 식생 특성 및 강수 조건에 의해 영향을 받으며 최종 증발산량은 다음과 같은 형태로 표현될 수 있다.

여기서 Esoil은 토양증발, Ecanopy는 식생 차단 증발, Tplant는 식물 증산을 의미한다. 이러한 분해는 지표면에서 발생하는 수분 플럭스를 물리적으로 구분하여 계산하기 위한 것이다.

Table 1은 GLDAS의 주요 입력자료와 산출변수를 정리한 것이다. GLDAS는 강수, 복사, 기온, 풍속, 습도 등의 수문기상 인자를 입력으로 하여 Noah 토지면모형을 통해 에너지 및 수분 수지를 계산하며 이를 기반으로 증발산량을 산정한다. 따라서 GLDAS의 증발산량은 다양한 기상요소가 통합적으로 반영된 물리기반 실제증발산에 해당한다. 또한 토양수분, 유출량 등 다양한 수문변수도 함께 제공되어 추가적인 수문해석에 활용 가능하다.

본 연구에서는 공간해상도 약 0.25°(~25 km) 및 시간해상도 3시간 간격의 GLDAS 자료를 활용하였다. 분석 기간은 2000년 1월 1일부터 2025년 11월 30일로 설정하였다. 수집된 3시간 간격 증발산 자료는 시간 적분을 통해 일 단위 증발산량으로 환산하였다. 최종적으로 변환된 일단위 증발산량 자료를 기반으로 시공간적 변동 특성을 분석하였다. 또한 GLDAS는 격자 내 식생 이질성을 반영하기 위해 1 km 해상도의 식생자료를 기반으로 타일링 기법을 적용하며, 본 연구에서는 약 0.25°(약 25 km) 공간해상도의 GLDAS 산출자료를 별도의 다운스케일링 없이 그대로 사용하였다. 따라서 분석자료는 25 km 격자 평균값이지만 내부적으로는 식생 이질성이 반영된 결과이다.

2.1.2 KMA 대형증발접시 관측자료(Class A pan)

GLDAS 자료의 정확도 평가를 위해 기상청(Korea Meteorological Administration, KMA)에서 제공하는 관측소 자료를 활용하였다. 남한의 43개 관측소에서 측정된 대형 증발접시(Class A pan) 기반 증발량 자료를 수집하였으며 분석 기간 동안의 일 단위 자료를 사용하였다(Fig. 1). 해당 지상 관측자료는 GLDAS 기반 증발산 자료와의 정량적 비교·검증에 활용되었으며 이를 통해 GLDAS 자료의 신뢰성과 적용 가능성을 평가하였다.

Fig. 1.

Study area and locations of Korea Meteorological Administration (KMA) ASOS stations

2.2 연구방법

2.2.1 자료 전처리 및 매칭

GLDAS와 증발접시 자료는 서로 다른 시간 범위와 관측 특성을 가지므로 두 자료 간의 직접 비교를 위해 다음과 같은 전처리 과정을 수행하였다.

① 시간 매칭

두 자료에서 동일한 날짜에 존재하는 데이터만을 추출하여 공통 시계열을 구축하였다.

② 0값 처리

증발접시 자료에서의 0값은 강수 직후, 결빙, 관측 오류 등 다양한 비물리적 요인에 의해 발생할 수 있으며 실제 증발산 과정과의 비교에서 왜곡을 유발할 가능성이 있다. 또한 GLDAS 증발산은 연속적인 수문·에너지 과정을 기반으로 산정되므로 0값이 포함될 경우 회귀분석에서 비선형 편향이 발생할 수 있다. 따라서 본 연구에서는 두 자료 간의 물리적 관계를 보다 명확히 분석하기 위해 0값을 제외하고 유효자료만을 사용하였다.

③ 공간 매칭(Spatial matching)

GLDAS는 격자자료(0.25°)이며, 증발접시 자료는 점 관측자료이므로 각 관측소 위치에 해당하는 GLDAS 격자값을 추출하여 비교하였다. 이 과정에서 격자 평균값과 점 관측 간의 대표성 차이(scale mismatch)가 존재할 수 있으며 이는 분석 결과 해석 시 고려되어야 한다.

2.2.2 분석방법

① 이상치 제거

이상치는 GLDAS와 대형 증발접시 간의 차이값(GLDAS-Pan)을 기준으로 Tukey (1977)가 제안한 사분위 범위(interquartile range, IQR) 방법을 이용하여 제거하였다. 전체 분석 기간을 대상으로 잔차의 제1사분위수(Q1)와 제3사분위수(Q3)를 산정하고, 사분위 범위(IQR=Q3−Q1)를 계산하였다. 이후 Q1−3×IQR보다 작거나 Q3+3×IQR보다 큰 값을 이상치로 간주하여 분석에서 제외하였다.

② 상관성 및 회귀분석

GLDAS 증발산량과 증발접시 증발량 간의 관계를 분석하기 위해 산점도 및 선형 회귀분석을 수행하였다. 또한 두 변수 간의 선형 상관성을 평가하기 위해 Pearson 상관계수(r)를 산정하였다.

③ 통계지표 평가

두 자료 간의 차이를 정량적으로 평가하기 위해 다음과 같은 통계지표를 산정하였고 이 지표를 이용해 GLDAS의 과소·과대 추정 경향 및 오차 특성을 평가하였다.

•Ratio

여기서, GLDAS¯는 해당 기간 또는 계절에 대한 평균 GLDAS 증발산량(mm/day), Epan¯는 동일 기간의 평균 증발접시 증발량(mm/day)이다. Ratio는 GLDAS 증발산량과 증발접시 증발량 간의 상대적 비율 관계를 의미하며, 1에 가까울수록 두 자료 간의 일치도가 높은 것을 의미한다. Ratio가 1보다 작을 경우 GLDAS가 증발접시 대비 과소추정하는 경향을, 1보다 클 경우 과대추정하는 경향을 의미한다.

•Bias

여기서, GLDASi는 i번째 시점의 GLDAS 증발산량(mm/day), Epan,i는 i번째 시점의 증발접시 증발량(mm/day)을 의미한다.

•Root Mean Square Error (RMSE)

여기서, n은 전체 자료 개수, i는 관측 시점별 자료, GLDASi, Epan,i는 각각 i번째 시점의 GLDAS 및 증발접시 값이다.

•Mean Absolute Error (MAE)

여기서, 각 변수는 RMSE식에서 정의한 것과 동일하다.

2.2.3 계절별 분석

증발산의 계절적 변동 특성을 분석하기 위해 자료를 봄(3-5월), 여름(6-8월), 가을(9-11월), 겨울(12-2월)로 구분하였다. 각 계절별로 통계지표 및 분포 특성을 분석하였으며 boxplot을 활용하여 계절별 변동성과 분포 범위를 비교하였다.

2.2.4 공간분포 분석

GLDAS 자료를 이용하여 한반도 및 북한 지역의 평균 증발산 분포를 산정하고, 공간적 패턴을 분석하였다. 이를 통해 위도, 고도 및 기후 조건에 따른 증발산의 공간적 변화를 평가하였다.

전체적인 연구흐름도는 Fig. 2와 같다.

Fig. 2.

Methodological framework for validation and application of GLDAS evapotranspiration

3. 연구 결과

3.1 GLDAS 증발산량의 정확도 평가

3.1.1 상관성 분석

GLDAS 증발산량과 기상청 대형 증발접시 증발량 간의 상관관계를 분석한 결과 Table 2와 같이 전체 관측소 평균 상관계수는 0.750으로 나타났다. 이는 GLDAS 자료가 증발산의 시간적 변동성을 전반적으로 잘 재현하고 있음을 의미한다. 관측소별 상관계수는 -0.080에서 0.800까지 넓은 범위를 보였으며 일부 관측소에서는 낮은 상관성 또는 음의 상관관계가 나타났다. 이러한 차이는 GLDAS가 격자 기반 자료(약 0.25°)인 반면 증발접시는 점 관측자료라는 점에서 발생하는 공간 대표성 차이(scale mismatch)에 기인한 것으로 해석된다.

또한 도시 지역(예: 서울)에서 낮은 상관성이 나타난 이유는 GLDAS가 자연 지표면을 기반으로 증발산을 모의하는 반면 실제 관측은 도시화, 인공 구조물 및 국지적 열환경의 영향을 받기 때문으로 판단된다.

GLDAS 증발산량과 증발접시 증발량 간의 관계를 분석한 결과 두 변수는 전반적으로 선형적인 분포를 보였다. Fig. 3에서 GLDAS 증발산량은 증발접시 증발량 대비 평균적으로 약 0.680 수준으로 나타났으며 일정한 비율 범위 내에서 분포하는 경향이 확인되었다. 여기서 약 0.680의 비례 관계는 절편을 0으로 고정한 선형회귀식의 기울기를 의미하며, GLDAS 증발산량이 증발접시 증발량 대비 전반적으로 낮은 값을 나타내는 경향을 반영한다.

Fig. 3.

Relationship between GLDAS evapotranspiration and Pan evaporation

Fig. 3에서 GLDAS 값은 증발접시 값에 대해 전반적으로 낮은 범위에 분포하는 것으로 나타났으며 두 자료 간에는 일정한 편차가 존재하였다. Bias 분석 결과, GLDAS 증발산량은 전반적으로 증발접시 증발량보다 낮은 값을 나타냈으며, 이는 실제증발산과 잠재증발량 간의 물리적 차이를 고려할 때 타당한 결과로 판단된다. 이러한 결과는 GLDAS 증발산량이 증발접시 증발량에 비해 상대적으로 낮은 값을 가지는 경향이 있음을 의미하며 이는 두 자료의 물리적 정의 차이에 기인한 것으로 해석된다. 증발접시 증발량은 자유 수면에서의 잠재 증발량을 반영하는 반면 GLDAS 증발산량은 토양수분, 식생 및 에너지 수지 조건을 반영한 실제 증발산에 해당한다.

또한 Fig. 3의 산점도 분포는 일정한 비율 범위 내에서 비교적 안정적인 선형 관계를 유지하고 있으며 이는 GLDAS 자료가 절대값에서는 차이를 보이지만 증발산의 상대적 변동 특성은 잘 재현하고 있음을 시사한다. 일부 높은 값 구간에서는 자료의 분산이 증가하는 경향이 나타났으며 이는 강수, 토양수분 상태 및 국지적 기상 조건 변화에 따른 영향이 반영된 결과로 판단된다.

따라서 Fig. 3의 분석 결과는 GLDAS 자료가 증발접시 자료 대비 일정한 차이를 보이면서 증발산의 시계열 변동성과 상대적 규모를 합리적으로 반영하고 있음을 보여준다.

3.1.2 계절별 특성 분석

증발산은 기온, 일사량, 습도 및 토양수분 등 기상 조건에 크게 영향을 받는 수문 요소로 계절에 따라 뚜렷한 변동 특성을 나타낸다. 특히 한반도는 여름철 강수와 고온이 집중되는 몬순 기후의 영향을 받기 때문에 증발산이 계절적으로 크게 변화한다. 따라서 GLDAS 증발산량이 이러한 계절적 변동 특성을 얼마나 잘 재현하는지를 평가하기 위해 계절별 분석을 수행하였다.

Fig. 4에서 나타난 바와 같이, GLDAS 증발산량과 대형 증발접시 증발량은 계절에 따라 뚜렷한 분포 차이를 보였다. 봄과 겨울철에는 GLDAS가 전반적으로 낮은 값을 나타내며 분포의 중앙값 역시 증발접시보다 작게 나타나 과소추정 경향이 확인되었다. 반면 여름철에는 GLDAS 값이 다른 계절에 비해 상대적으로 높은 일치도를 보였으며, 가을철이 그 다음으로 높은 일치도를 보였다. 또한 이상치 제거 이후에도 계절별 분포 특성은 유지되었으며 GLDAS가 계절적 변동 패턴을 합리적으로 반영하고 있음을 확인할 수 있었다.

Fig. 4.

Seasonal distributions

Table 3에 제시된 계절별 수문통계 분석 결과, GLDAS 증발산량은 계절에 따라 서로 다른 편향 특성을 보였다. 봄과 겨울에는 Ratio가 각각 0.56과 0.40으로 나타나 GLDAS가 증발접시 대비 과소추정하는 경향이 확인되었다. 여름철에는 Ratio가 0.86으로 나타나 다른 계절에 비해 상대적으로 높은 일치도를 보였으며, Mean Bias 또한 -0.19로 가장 작게 나타났다. 가을철의 경우 Ratio는 0.74, Mean Bias는 -0.51로 나타나 중간 수준의 편향 특성을 보였다. 오차 지표(RMSE, MAE)는 봄철에서 가장 크게 나타나 계절 내 변동성이 상대적으로 큰 것으로 분석되었으며, 가을철에서는 가장 낮은 값을 보여 비교적 안정적인 재현성을 나타냈다. 이러한 결과는 GLDAS가 계절별 에너지 조건(기온 및 복사)과 수분 공급 조건(강수 및 토양수분)의 영향을 반영하면서 전반적인 증발산의 계절 변동 특성을 합리적으로 재현하고 있음을 시사한다. 따라서 GLDAS 자료는 절대값에서는 일정한 편향을 보일 수 있으나, 물리적 과정에 기반한 증발산의 시공간적 변동 특성은 비교적 잘 반영하는 것으로 평가된다.

3.2 GLDAS를 이용한 북한 증발산량 분포 특성

지역별 평균 증발산량은 Table 4와 같이 일부 지역에서 상대적으로 높은 값을 보였으나 그 차이는 약 10~15% 수준으로 제한적이었다. 반면 계절 간 변동폭은 상대적으로 크게 나타나 북한 지역의 증발산 특성은 공간적 분포와 함께 계절적 변동성이 동시에 영향을 미치는 것으로 해석된다.

GLDAS 자료를 이용한 북한 지역의 증발산 특성을 분석한 결과, 월별 평균 증발산량은 Fig. 5에서 확인할 수 있듯이 5월 이후 증가하여 7-8월에 최대값을 나타낸 후, 이후 점진적으로 감소하는 패턴을 보였다. 특히 6월부터 9월까지 높은 값이 집중되는 경향이 나타났으며 11월 이후 급격히 감소하여 겨울철에는 낮은 수준을 유지하였다.

Fig. 5.

Monthly distribution of daily average evapotranspiration

계절별 평균 증발산량은 봄 1.22 mm/day, 여름 3.50 mm/day, 가을 1.30 mm/day, 겨울 0.38 mm/day로 나타났다. 여름철에는 연중 가장 높은 증발산량이 나타난 반면, 겨울철에는 가장 낮은 값을 보여 뚜렷한 계절 변동 특성이 확인되었다. Fig. 6의 boxplot 분석 결과, 여름철은 평균값과 중앙값이 모두 가장 높게 나타났으며 분포 범위 또한 가장 넓어 계절 내 변동성이 크게 나타났다. 반면 겨울철은 낮은 값 범위에 자료가 집중되는 경향을 보였으며, 사분위 범위(IQR)가 가장 좁게 나타나 계절 내 변동성이 상대적으로 작은 것으로 분석되었다. 봄과 가을은 여름과 겨울의 중간 수준 분포를 보였으며, 두 계절의 분포 범위와 중앙값은 전반적으로 유사한 경향을 나타냈다.

Fig. 6.

Seasonal distribution of GLDAS ET in North Korea

Fig. 7은 한반도 내 증발산의 공간적 경사 및 변동 특성을 보여준다. 전반적으로 남부 및 저지대에서 높은 증발산량이 나타난 반면, 북부 및 산악지역으로 갈수록 감소하는 경향이 확인되었다. 이러한 공간적 차이는 기온 및 복사에 따른 에너지 조건, 강수와 토양수분에 의한 수분 공급 조건, 그리고 고도 및 지형 특성이 복합적으로 작용한 결과로 해석된다. 특히 기온과 복사는 증발산의 잠재력을 결정하는 주요 에너지 인자로 작용하며, 강수와 토양수분은 실제 증발산량을 제한하는 주요 수문 조건으로 작용한다.

Fig. 7.

Spatial distribution of mean GLDAS evapotranspiration over the Korean peninsula

한편 북한 지역의 증발산 분포는 남한에 비해 상대적으로 평활한 공간 패턴을 보이는 것으로 나타났다. 이는 GLDAS의 공간해상도(약 0.25°)에 따른 격자 평균화 효과(grid-averaging effect)와 입력자료의 공간적 제약으로 인해 도시지역, 해안선 및 국지 지형과 같은 세부적인 공간 변동 특성이 충분히 반영되지 못한 결과로 판단된다. 또한 입력 기상자료의 공간적 한계로 인해 개별 수문기상 인자의 지역적 변동성이 완화되어 표현되었을 가능성이 있다.

3.3 고찰

본 연구에서는 GLDAS 기반 증발산량과 대형 증발접시 관측자료 간의 정량적 관계를 분석하고 이를 바탕으로 북한 지역의 증발산 특성을 평가하였다. 분석 결과, GLDAS 증발산량과 증발접시 증발량 사이에는 일정한 선형 관계가 나타났으며, 평균 상관계수는 약 0.750로 분석되었다. 이는 GLDAS 자료가 절대값에서는 일정한 편향을 보일 수 있으나 증발산의 시계열 변동 특성은 비교적 잘 재현하고 있음을 의미한다.

이러한 결과는 GLDAS를 포함한 재분석 및 지표면 모형 기반 증발산 자료의 일반적인 특성과도 유사한 경향을 보인다. 기존 연구에서는 이러한 자료들이 연평균 규모의 수문 특성은 비교적 잘 재현하는 반면, 변동성이 큰 조건이나 극값 재현에는 한계를 가지는 것으로 보고된 바 있다. 본 연구에서도 일부 계절 및 관측소에서 편차가 나타났으며, 이는 GLDAS 자료의 공간해상도와 입력자료 특성에 따른 구조적 한계와 관련된 결과로 해석될 수 있다.

특히 GLDAS 증발산량은 토양수분, 식생 및 에너지 수지를 반영한 실제증발산을 산정하는 반면, 증발접시 자료는 자유 수면에서의 잠재 증발량을 반영한다는 점에서 두 자료 간 차이가 발생하는 것으로 판단된다. 본 연구에서 확인된 GLDAS와 증발접시 간의 비율 관계는 이러한 물리적 차이를 반영한 결과로 볼 수 있으며, GLDAS 자료가 절대값에서는 차이를 보이더라도 상대적인 증발산 변동 특성은 비교적 일관되게 유지됨을 확인하였다.

북한 지역 분석의 경우 관측자료의 부재로 인해 직접적인 검증을 하기에는 구조적 한계를 가진다. 특히 GLDAS 기반 증발산은 입력자료와 모델 구조에 의존하는 재분석 자료이므로 자료가 부족한 지역에서는 불확실성이 상대적으로 증가할 수 있다. 그럼에도 불구하고 북한 지역에서도 여름철 최대, 겨울철 최소의 계절 변동 특성과 남부 및 저지대에서 상대적으로 높은 값을 보이는 공간적 경향이 나타났으며, 이는 기온, 일사량 및 지형 조건에 따른 일반적인 증발산 특성과 유사한 경향으로 해석된다.

또한 북한 지역의 증발산 분포는 남한에 비해 상대적으로 평활한 공간 패턴을 보였는데, 이는 GLDAS의 공간해상도(약 0.25°)에 따른 격자 평균화 효과(grid-averaging effect)와 입력자료의 공간적 제약에 의해 국지적인 공간 변동 특성이 충분히 반영되지 못한 결과로 판단된다. 이러한 평활화 경향은 북한과 같은 자료 부족 지역에서 더욱 두드러질 가능성이 있다.

다만 GLDAS 자료는 공간해상도에 따른 대표성 차이와 입력 기상자료 및 모형 구조의 한계로 인해 특정 시기 및 지역에서 오차가 발생할 수 있다. 특히 변동성이 큰 조건에서는 이러한 한계가 더욱 뚜렷하게 나타날 수 있으므로, 정량적 해석 시에는 이러한 특성을 고려할 필요가 있다. 본 연구는 남한 지역에서 확인된 GLDAS와 증발접시 간의 물리적 관계를 기반으로 북한 지역에서의 적용 가능성을 평가하였다는 점에서 의미가 있다. 분석 결과, GLDAS 자료는 절대값에서는 일정한 편향을 보였으나 시공간적 변동 특성은 비교적 일관되게 재현하는 것으로 나타났다. 따라서 GLDAS 기반 증발산 자료는 미계측 지역에서의 수문·기상 특성 분석을 위한 유용한 대안 자료로 활용 가능할 것으로 판단된다.

4. 결 론

본 연구에서는 GLDAS 기반 증발산량과 기상청 대형 증발접시 관측자료 간의 관계를 정량적으로 분석하고, 이를 바탕으로 북한 지역의 증발산 특성을 평가하였다. 분석 결과, GLDAS 증발산량과 증발접시 증발량 사이에는 일정한 선형 관계가 나타났으며 평균 상관계수는 약 0.75로 분석되었다. 이는 GLDAS 자료가 증발산의 시계열 변화와 계절적 변동 특성을 비교적 잘 재현하고 있음을 의미한다.

계절별 분석 결과, GLDAS 증발산량은 여름철에 가장 높은 값을, 겨울철에 가장 낮은 값을 나타내어 뚜렷한 계절 변동 특성을 보였다. 또한 북한 지역에서도 유사한 계절성과 공간 분포 경향이 확인되었으며, 남부 및 저지대에서 높은 값을 보이고 북부 및 산악지역으로 갈수록 감소하는 공간적 경향이 나타났다.

특히 북한 지역은 관측자료 확보가 제한적인 대표적인 미계측 지역에 해당하며, 이러한 조건에서 GLDAS와 같은 재분석 자료는 공간적으로 연속적인 수문 정보를 제공할 수 있다는 점에서 중요한 활용 가능성을 가진다. 본 연구 결과는 GLDAS 기반 증발산 자료가 일정한 시공간적 변동 특성을 유지하며, 관측자료가 부족한 지역에서도 증발산 특성을 정량적으로 분석하는 데 활용 가능함을 시사한다.

다만 GLDAS 자료는 공간해상도 및 입력자료의 제약에 따라 특정 시기 및 지역에서 편향과 불확실성이 발생할 수 있으므로 해석 시 이에 대한 고려가 필요하다. 따라서 GLDAS 기반 증발산 자료는 편향 특성을 고려하여 활용할 경우 미계측 지역의 수문·기상 특성 분석을 위한 유용한 대안 자료로 활용 가능할 것으로 판단된다.

향후 연구에서는 다중 위성자료, 수문수지 분석 및 추가적인 간접 검증 기법을 병행하여 결과의 신뢰성을 향상시킬 필요가 있다. 또한 다양한 재분석 자료와의 비교 분석을 통해 북한 지역 증발산 특성에 대한 정량적 이해를 더욱 확장할 필요가 있다.