1. 서 론
2. 연구 지역 및 자료
2.1 연구 지역
2.2 분야별 가뭄지수
3. 연구 방법
3.1 시간적 전이 확률 및 전이 특성
3.2 시·공간적 복합 전이 확률 및 가뭄 위험지역 식별
4. 연구 결과
4.1 분야별 가뭄의 전이 특성
4.2 가뭄의 시·공간적 복합 전이 확률
4.3 가뭄 위험지역 식별
5. 결 론
1. 서 론
가뭄이 장기간 지속되면 폭염 및 산불과 같은 다른 자연재해에 연쇄적 영향을 준다. 따라서 가뭄은 환경, 수자원, 사회 및 경제 등 다양한 분야에 막대한 피해를 초래하는 복합재난이다(Jiang et al., 2022; Ma et al., 2022; Areia et al., 2024; Rau et al., 2025).
전 세계적으로 심화하는 기후변화 및 인간 활동으로 인해 가뭄 및 홍수를 포함한 수문기상학적 극한 현상들의 발생빈도가 증가하는 추세이다(Liu et al., 2021; Yang et al., 2024). 또한, 우리나라는 지역에 따라 강우량이 크게 다르기 때문에, 국지적인 가뭄이 빈번히 발생한다(Yoo et al., 2020). 가뭄은 일반적으로 기상, 농업, 수문 및 사회경제적 가뭄으로 구분되며, 이들 가뭄 사이에는 강한 연관성이 존재한다(Guo et al., 2020; Jiang et al., 2022; Ma et al., 2022; Kim et al., 2024; Yang et al., 2024, 2025).
일반적으로 가뭄은 기상학적 가뭄(Meteorological drought, M.D.)에서 비롯된다(Jiang et al., 2022; Zhou et al., 2024). 기상학적 가뭄은 장기간의 강수 부족으로 인해 야기되며, 토양수분의 감소 및 하천 유출량 감소를 유발하여 농업적 가뭄(Agricultural drought, A.D.) 및 수문학적 가뭄(Hydrological drought, H.D.) 발생의 트리거로 작용한다(Yang et al., 2024, 2025; Zhou et al., 2024). 또한, 극심한 농업적 가뭄 및 수문학적 가뭄은 인간활동 및 농업·공업 생산을 위한 수자원의 공급까지 영향을 미쳐, 사회수문학적 가뭄의 발생을 초래할 수 있다. 이처럼 가뭄은 상호 연계성을 가지고 발달하기 때문에, 개별적 가뭄지수만으로 복잡한 가뭄 상태 및 광범위한 영향을 정량화하기에는 한계가 존재한다(Hao and Singh, 2015). 따라서, 효과적인 가뭄관리를 위해서는 다양한 가뭄 특성을 반영한 가뭄 평가가 필요하다. 특히, 기상학적 가뭄에서부터 농업적 및 수문학적 가뭄으로 발달하는 전이(propagation) 과정은 가뭄사상의 지속기간을 연장함으로써 피해 규모를 증가시키는 요인이 된다. 따라서, 가뭄의 시·공간적 전이 과정의 이해는 가뭄의 규모 파악 및 피해 저감에 필수적인 요소이다(Liu et al., 2021; Kim et al., 2024).
가뭄 전이는 물순환의 다양한 구성 요소를 포함하는 복잡한 과정으로, 시간적 전이 및 공간적 전이로 구분된다(Brunner and Chartier-Rescan, 2024; Wang et al., 2024). 시간적 전이는 기상학적 가뭄이 시간이 지남에 따라 농업적 가뭄 및 수문학적 가뭄으로 발달하는 현상이다(Son et al., 2025). 선행 연구들은 주로 통계적 기법을 기반으로 분야별 가뭄 간의 상관성, 지체시간 및 영향 요소에 초점을 맞추어 시간적 전이에 대한 분석을 수행했으며, 가뭄 변수들의 다변량 의존 구조 모델링이 편리한 Copula 함수가 주로 사용되었다(Zhou et al., 2021; Yang et al., 2024). Sattar et al. (2019)는 베이지안 네트워크 모델을 이용하여 기상학적 가뭄의 강도에 따른 수문학적 가뭄의 발생 확률 및 지체시간을 산정하여 시간적 전이 현상의 확률론적 관계를 파악했다. Kim et al. (2024)는 기상 및 수문학적 가뭄 사이의 시간적 전이 현상에 대해 감쇠, 지체 및 연장과 같은 전이 특성을 파악하고, 이를 활용하여 전이 및 비전이 사상에 대한 피해 양상을 분석하였다. Guo et al. (2020)은 수문학적 가뭄으로의 전이를 초래하는 기상학적 가뭄 특성 인자의 임계값을 추정했으며, 기상학적 가뭄의 지속기간 및 심도에 따른 수문학적 가뭄으로의 전이율을 산정하였다. 이러한 시간적 전이 현상에 관한 연구는 가뭄의 발달 과정을 이해하고, 수자원 관리 및 가뭄 조기경보에 활용될 수 있다(Guo et al., 2020; Yang et al., 2025).
이러한 선행 연구들은 대부분 지속기간 및 심도와 같은 시간적 요소에 초점을 맞춘 것이며, 가뭄의 위치 변동성 및 공간적 확장과 같은 공간적 요소는 고려하지 않았다. 최근에는 가뭄 전이에 관한 연구가 확대됨에 따라 공간적 전이에 관한 관심도 증가하고 있다. 구체적으로, 공간적 전이는 가뭄 현상이 공간적으로 확산하는 과정을 의미하며, 가뭄의 범위 확대 및 중심 이동으로 인해 발생한다(Kang et al., 2024; Brunner and Chartier-Rescan, 2024; Son et al., 2025). Kang et al. (2024)는 주(week) 단위 가뭄지수를 활용하여 초단기, 기상, 농업 및 수문학적 가뭄에 대한 시간적 및 공간적 전이를 구분하고, 각 전이 현상에 대한 개별적 전이 확률을 산정했다. Konapala et al. (2022)는 기상학적 가뭄의 발생 시점 차이를 기반으로 공간적 전이를 식별했으며, 공간적 전이를 유발하는 근원지를 탐지 및 영향 평가를 수행하였다. 하지만, 시·공간적 요소를 동시에 고려한 가뭄 전이에 대한 분석은 가뭄 모니터링 및 예측에 필수적이다(Lloyd-Hughes, 2012).
따라서, 본 연구에서는 가뭄의 시간적 및 공간적 전이에 대한 구분 기준을 명확히 제시하고, 분야별 가뭄 간 전이 현상 및 공간적 확장 현상을 동시에 고려하여 시·공간적 복합 전이 확률을 산정하였다. 또한, 시·공간적 복합 전이 확률을 가중치로 활용하여 가뭄 심도에 적용한 후, 공간군집분석을 통해 가뭄 위험지역을 식별하였다.
2. 연구 지역 및 자료
2.1 연구 지역
우리나라는 중앙정부와 지방정부의 가뭄관련 정책 및 계획 수립, 효율적인 가뭄 관리 등을 위해 2020년부터 관계부처 합동으로 국가가뭄통계집을 발간하고 있다. 국가가뭄통계집에서 제공하는 분야별 가뭄의 모니터링, 피해와 같은 정보는 시·군 단위로 제공된다. 따라서 본 연구는 우리나라의 시·군 행정구역을 대상으로 수행하였다(Fig. 1).
우리나라 행정구역은 167개 시·군으로 구성되어 있으며, 각 행정구역 단위의 기상학적 가뭄, 농업적 가뭄 및 수문학적 가뭄에 대한 가뭄지수를 활용하여 분야별 가뭄 상태 및 전이 현상을 판단하였다. 분야별 가뭄지수는 Jeong et al. (2025)에서 제안한 것으로 단일 변수의 실측자료를 기반으로 산정된 표준화 가뭄지수이다.
2.2 분야별 가뭄지수
본 연구에서 활용한 실측자료 기반 가뭄지수는 표준강수지수(Standardized Precipitation Index, SPI), 표준저수율지수(Standardized Reservoir Storage Index, SRSI), 하천수가뭄지수(Streamflow Drought Index, SDI)이다. 일반적으로 가뭄 모니터링은 월(month) 단위로 수행되고 있으나, 자료 기간이 충분하지 않은 월단위 가뭄지수를 바탕으로 전이 현상을 판단할 경우, 가뭄 사상의 발생빈도가 현저히 줄어들어 전이 현상에 대한 명확한 분석이 어렵다. 또한, 전이 현상은 기상학적 가뭄의 영향이 누적되어 농업적 및 수문학적 가뭄으로 발달하는 과정임을 고려할 때, 일단위의 가뭄지수 기반의 분석은 강수의 단기 변동성을 과도하게 반영하여 왜곡된 결과를 초래할 수 있다(Li et al., 2020). 따라서, 본 연구에서는 가뭄지수를 주(week) 단위로 산정하고 가뭄 전이 현상에 대한 분석을 수행하였다. 본 연구에서는 월요일에 시작하여 일요일에 종료되는 7일을 하나의 주(week)로 정의하고, 매년 첫 번째 목요일이 속한 주를 첫 번째 주라 정의하였다. 날짜 표기는 연도-주차-요일(YYYY-Www-D) 형식이며, 2020-W01-1은 2020년 첫 번째 주의 월요일을 의미한다.
SPI는 가장 대표적인 기상학적 가뭄지수로 강수량만을 단일 입력변수로 사용하기 때문에 지수 산정이 용이하여 가뭄 평가 및 모니터링에 널리 사용되고 있다(Son et al., 2025). 본 연구에서는 단기 기상 상태를 가장 적절하게 반영하는 3개월 SPI를 사용하였다(Prajapati et al., 2021; Wu et al, 2023). 기상청 Automated Synoptic Observing System의 60개 관측소의 강수량을 수집하여 티센망법을 이용하여 167개 시군의 면적강우량을 구축한 후 SPI를 산정하였다.
농업적 가뭄지수는 Jeong et al. (2025)에서 산정된 SRSI (A)를 사용하였다. SRSI(A)는 개별 저수지의 가뭄지수를 산정한 후, 총저수량 대비 시군별 저수량을 가중치로 반영하여 도출된 농업용 가뭄지수이다. 국내 토양수분 자료는 주로 지표면 인근에서 관측되어 강수의 단기적 변동에 민감하게 반응하므로, 농업적 가뭄지수 산정에 직접 활용하기에는 한계가 있다. 따라서 국내에서는 논 면적 감소 및 농업용 저수지 확충에 따라 수리안전답의 비율이 80% 이상으로 증가한 것을 고려하면 농업적 가뭄 판단에 저수지 저수율만을 입력변수로써 활용하는 방법론은 타당하다(Yu et al., 2018). 전체 167개 시군 중 농업용 저수지가 존재하지 않는 25개 시군을 제외하여 142개 시군에 대한 SRSI(A)를 산정하였다(Fig. 1(b), Jeong et al., 2025).
수문학적 가뭄지수는 SRSI(H)와 SDI를 사용하였다. Jeong et al. (2025)는 국가가뭄정보포털(https://www.drought.go.kr/main.do)에서 제공되는 시군별 생활용수 공급 제1수원을 고려하여, 댐 및 저수지를 제1수원으로 가지는 130개의 시군에 대해서는 저수량을 사용하여 SRSI(H)를 산정하였으며, 하천유량을 제1수원으로 가지는 21개의 시군에 대해서는 하천유량을 사용하여 SDI를 산정하였다. 자료 기간이 짧거나 자료 수집이 용이하지 않은 16개의 시군은 분석에서 제외하였다(Fig. 1(c)).
본 연구에서 사용한 SPI의 시간척도는 3개월이고, SRSI (A), SRSI(H), SDI의 시간 척도는 1개월이다. 단기 변동을 고려하기 위해 계산 주기는 1주일로 설정하였다.
3. 연구 방법
3.1 시간적 전이 확률 및 전이 특성
가뭄의 시간적 전이는 기상학적 가뭄이 충분히 회복되지 않은 상태에서 농업적 가뭄 및 수문학적 가뭄으로 발달하는 현상이므로, 기상학적 가뭄의 발생이 반드시 선행되어야 한다. 하지만, 기상학적 가뭄 이후 발생하는 농업적 가뭄 및 수문학적 가뭄의 전이 순서는 일정하지 않다(Han et al., 2023). 따라서, 본 연구에서는 기상학적 가뭄에서 농업적 및 수문학적 가뭄으로의 전이만을 분석 대상으로 설정했으며, 농업적 가뭄과 수문학적 가뭄 간의 관계는 고려하지 않았다. 선행한 기상학적 가뭄과 농업적 및 수문학적 가뭄의 시간적 중복이 발생하는 경우는 명확히 전이 현상이라 판단할 수 있다. 하지만, 기상학적 가뭄의 종료 시점 이후, 농업적 및 수문학적 가뭄이 발생할 때는 전이 현상의 판단 기준이 필요하다. 이때의 전이 판단 기준은 Kim et al. (2024)에서 사용한 풀링(pooling) 기법을 적용하였다.
풀링 기법은 일반적으로 동일한 분야 두 개의 가뭄사상 사이의 독립 및 종속 여부를 파악하여 하나의 가뭄으로 판단하는 기법이다. 본 연구에서는 이 개념을 분야별 가뭄의 시간적 전이 판단에 활용했으며, 풀링 기준은 IC (Inter-event time and volume Criterion) 방법을 적용하였다. IC 방법의 풀링 조건은 두 가뭄사상이 인접한 경우, 가뭄사상 사이 습윤기간의 간격이 사전에 정의된 임계값 보다 작고, 습윤기간 심도와 선행 가뭄 심도의 비율이 사전에 정의된 임계값 보다 작은 경우이다. 본 연구에서는 는 주 단위 가뭄에서 많이 사용되는 2주로 결정했으며(Kim et al., 2024), 는 행정구역별 민감도 분석을 통해 결정하였다. 이러한 풀링 전이를 포함한 전이 여부 판단은 단일 행정구역 내에서 수행되며, 시간적 전이 현상의 조건별 판단 기준은 Fig. 2와 같다.
가뭄의 시간적 전이는 가뭄 예측에 기여할 수 있으므로, 기상학적 가뭄에서 타 분야 가뭄으로의 전이 현상에 관한 확률론적 연구가 증가하는 추세이다(Jiang et al., 2022). Copula 함수는 다변량 변수에 대해 주변분포를 효과적으로 결합하여 이들의 결합분포를 추정하게 한다. 따라서, 분야별 가뭄간의 의존 관계를 정량화하는 데 효과적이며, 가뭄 전이에 대한 확률론적 평가에 널리 사용된다.
본 연구에서는 현재 시점의 기상학적 가뭄의 특성(지속기간, 심도)에 따른, 농업적 및 수문학적 가뭄의 발생 확률을 시간적 전이 확률이라 정의하며, Copula 함수를 활용하여 기상학적 가뭄과 농업적 및 수문학적 가뭄 간의 확률론적 관계를 추정하였다. 따라서, 기상학적 가뭄은 발생한 상태이면서 농업적 및 수문학적 가뭄은 아직 발생하지 않은 상태일 경우가 시간적 전이 확률의 산정을 위한 전제 조건이다(Eq. (1)). 이러한 전제 조건으로 2주일 이상의 시간 간격을 두고 전이 확률을 추정할 경우, 두 가뭄사상 사이의 시간 공백에 농업 및 수문학적 가뭄의 발생 여부를 추가로 고려해야 한다. 이로 인해 분석 절차가 복잡해지고, 추정한 전이 확률의 불확실성이 확대된다. 또한, 시간 간격이 길어질수록 현재 기상학적 가뭄 상태 이후에 발생하는 강수·기온 등 외부 요인의 영향이 개입할 가능성이 높아지고, 추정된 전이 확률의 신뢰도는 낮아진다. 따라서 본 연구에서는 불확실성을 최소화하고 현재 기상학적 가뭄 특성(지속기간과 심도)에 따른 전이 발생 확률을 추정하기 위해 전이 시간 간격을 1주로 설정하였다.
여기서, 은 주 단위의 기준 시점, 은 다음 시점을 의미한다.
가뭄의 시간적 전이 특성의 산정 과정은 다음과 같다. 기상학적 가뭄지수(SPI), 농업적 가뭄지수(SRSI(A)) 및 수문학적 가뭄지수(SRSI(H), SDI)를 사용하여 시간적 전이 사상을 판단하고(Fig. 2), 전이 발생 시점까지의 기상학적 가뭄 특성(지속기간, 심도)에 대한 적절한 확률분포 및 모수를 추정하였다(Fig. 3의 중간 부분). 이러한 특성별 주변분포에 Copula 함수를 적용하여 결합확률분포를 산정했으며, 최적 주변분포 및 결합확률분포는 AIC (Akaike Information Criterion)를 기반으로 선정했다.
또한, 가뭄의 시간적 전이는 감쇠(attenuation), 지체(lag), 연장(lengthening)의 특성을 가진다(Fig. 4). 감쇠는 선행한 기상학적 가뭄이 저수시설에서 감쇠되어, 농업적 가뭄 및 수문학적 가뭄으로 발달하면서 약화되는 현상을 의미한다. 이는 분야별 가뭄지수간 음값의 최대 편차로 평가하였다. 지체는 기상학적 가뭄과 농업적 가뭄 및 수문학적 가뭄 사이에 존재하는 지체시간을 의미하며, 분야별 가뭄의 발생 시점 차이로 평가하였다. 연장은 시간적 전이가 발생함에 따라 가뭄의 지속기간이 길어지는 현상을 의미하며, 분야별 가뭄의 종료 시점 차이로 평가하였다. 이러한 전이 특성은 Fig. 2의 기준을 활용하여 판단된 시간적 전이 사상들에 대해 산정하였다.
전이율은 발생한 기상학적 가뭄사상 중, 농업적 가뭄 및 수문학적 가뭄으로 시간적 전이가 발생한 비율을 의미한다(Eqs. (2) and (3)).
여기서 , 는 각각 농업적 가뭄 및 수문학적 가뭄으로의 전이율(%)을 의미하며, 은 기상학적 가뭄사상의 개수, 는 기상학적 가뭄에서 농업적 가뭄으로의 시간적 전이 사상의 개수, 그리고 는 기상학적 가뭄에서 수문학적 가뭄으로의 시간적 전이 사상의 개수이다.
3.2 시·공간적 복합 전이 확률 및 가뭄 위험지역 식별
본 연구에서는 단일 행정구역 내에서 기상학적 가뭄으로부터 시간적 전이 현상이 발생할 때, 농업적 및 수문학적 가뭄의 범위가 인접한 행정구역들까지 공간적으로 확장되는 현상을 동시에 고려했으며, 이를 가뭄의 시·공간적 복합 전이라 정의했다. 가뭄의 시·공간적 복합 전이 현상의 개념은 Fig. 3(위 부분)에 제시되어 있다.
가뭄 평가에서 대표적으로 활용되는 지표 중 하나인 가뭄의 누적 심도는 가뭄 지속기간의 분야별 가뭄지수를 누적함으로써 가뭄의 강도와 지속기간을 모두 반영한 값이다. 본 연구에서는 가뭄의 현재 심도에 대해 가뭄의 시·공간적 복합 전이 확률을 가중치로 활용하고, 인접한 행정구역간 공간적 유사성을 고려하는 가뭄 위험 평가 기법을 제시하였다. 가뭄의 누적 심도 및 시·공간적 복합 전이 확률은 행정구역별로 산정되며, 각 행정구역의 면적은 고려하지 않았다. 167개 행정구역에 대해 수문학적 가뭄지수 산정할 때 적용한 시군별 제1수원을 기준으로 행정구역의 군집을 구분했으며, 행정구역의 군집 및 군집별 제1수원은 Table 1과 Fig. 5와 같다.
Table 1.
Primary water source for each cluster
공간적 자기상관성은 공간데이터에서 특정지역과 이차원상의 인접지역들이 가지는 상관성을 의미한다(Griffith, 2009). 공간적 자기상관성을 추정하는 다양한 통계 지표 중, 본 연구는 공간 연관성 지표(Local Indicator of Spatial Association, LISA)인 Getis-ord Gi*를 활용했다(Eq. (4)). LISA는 특정지역과 인접지역들간 관계를 추정하여 공간적으로 높은 값 또는 낮은 값의 군집 패턴을 탐지하는 통계적인 방법이다(Bone et al., 2013).
여기서, 은 분석 지역의 개수, 는 지역 의 공간자료, , 는 각각 공간자료의 평균 및 표준편차를 나타내며, 는 공간 가중치 행렬의 성분을 의미한다.
공간 가중치 행렬은 인접 지역 여부에 대한 판단 기준을 의미하며, 인접 지역 여부를 선 또는 꼭짓점 공유를 기준으로 판단하는 Queen 가중치를 사용하였다(Son et al., 2025). 지역별 Gi* 통계량에 대해 유의미한 양(+)의 값이 클수록 군집 정도가 높은 지역을 의미하는 핫스팟으로 판단하며, 유의미한 음(-)의 값이 클수록 군집 정도가 낮은 지역을 의미하는 콜드스팟으로 판단한다(Chae et al., 2014). 본 연구에서는 행정구역별 시·공간적 복합 전이 확률을 가중치로 활용한 누적 가뭄 심도에 대해 Getis-ord Gi*를 적용하여 핫스팟을 판단했으며, 이러한 핫스팟 지역을 가뭄 위험지역이라 정의했다.
4. 연구 결과
4.1 분야별 가뭄의 전이 특성
본 연구에서는 기상학적 가뭄에서부터 농업적 가뭄 및 수문학적 가뭄으로 발달하는 시간적 전이 현상을 판단했으며, 해당 전이 특성 결과에 대해 167개 시군 단위에 대해 산정 및 비교를 수행하였다. Fig. 6은 행정구역별 평균 전이 특성을 시각화한 지도이다.
기상학적 가뭄에서 농업적 가뭄으로의 시간적 전이에 대한 감쇠는 전국적으로 균일하게 나타났지만, 기상학적 가뭄에서 수문학적 가뭄으로의 시간적 전이에 대한 감쇠는 전라남도와 경상남도가 적은 값을 가지거나 감쇠가 관찰되지 않았다(Fig. 6(a)). 이는 기상학적 가뭄이 수문학적 가뭄으로 시간적 전이가 발생하면서, 가뭄이 약화되지 않고 강도가 심화된다는 것을 의미한다. 농업적 및 수문학적 가뭄으로의 시간적 전이에 대한 지체는 모두 남부지역에서 상대적으로 높은 값을 가지며, 특히 수문학적 가뭄은 전라남도에서 높은 값을 가진다(Fig. 6(b)). 이러한 전라남도의 높은 지체 값에 대해 상대적으로 낮은 감쇠 값까지 고려하면, 전라남도는 기상학적 가뭄 발생 이후 저수시설에 의한 감쇠가 상대적으로 약하거나 발생하지 않아, 기상학적 가뭄이 장기적으로 지속되어야 수문학적 가뭄으로 발달 및 심화된다는 것을 의미한다. 이러한 해석은 전라남도 지역을 대상으로 장기간의 기상학적 가뭄이 심각한 규모의 수문학적 가뭄으로 발달할 수 있음을 제시한 선행 연구(Jeong et al., 2024)의 결과와 부합한다. 이는 본 연구에서 도출된 전라남도의 전이 특성에 대한 해석을 뒷받침한다.
시간적 전이 특성 중 연장의 경우, 연구지역 내 74.9%의 행정구역이 농업적 가뭄에 대한 연장에 비해 수문학적 가뭄에 대한 연장이 더 높게 나타났다(Fig. 6(c)). 또한, 기상학적 가뭄에서 수문학적 가뭄으로의 전이 현상에 대한 연장이 농업적 가뭄에 대한 연장에 비해 60.8%의 높은 값을 가진다. 이는 기상학적 가뭄에서 농업적 가뭄으로의 전이에 비해, 기상학적 가뭄에서 수문학적 가뭄으로의 시간적 전이 현상이 더 장기간에 걸쳐 지속되며 가뭄의 장기화가 뚜렷하게 나타난다는 것을 보여준다. Hu et al. (2026)은 기상학적 가뭄에서 수문학적 가뭄으로의 전이가 농업적 가뭄으로의 전이에 비해 장기간에 걸쳐 진행된다는 결과를 제시했으며, 이는 본 연구에서 도출된 결과와 같은 방향성을 가진다.
Fig. 6(d)은 기상학적 가뭄 발생 이후, 기상학적 가뭄에서 농업적 가뭄으로 전이 현상이 발생하는 비율이 수문학적 가뭄에 비해 높게 나타났음을 보여준다. Li et al. (2025)에 의하면, 기상학적 가뭄에서 농업적 가뭄으로 전이되는 비율이 수문학적 가뭄에 비해 상대적으로 큰 값을 가지며, 이러한 경향이 온대 및 아열대 기후 특성을 갖는 지역에서 두드러진다. 이는 유사한 기후 특성을 가지는 우리나라에서도 농업적 가뭄으로의 전이 비율이 높게 나타난 본 연구의 결과와 일관성을 가진다.
종합적으로, 기상학적 가뭄 발생 이후 농업적 가뭄으로의 시간적 전이는 단기간 내에 빈번하게 발생하며, 이러한 경향은 전국적으로 고르게 나타난다. 그러나 농업적 가뭄에 비해, 수문학적 가뭄으로의 시간적 전이는 가뭄의 장기화 경향을 동반한다.
4.2 가뭄의 시·공간적 복합 전이 확률
본 연구에서 가뭄의 시·공간적 복합 전이 현상은 Table 1의 군집 내에서 판단되며, 시·공간적 복합 전이 확률은 군집별 Copula 함수 기반으로 행정구역별 기상학적 가뭄 상태에 대해 주 단위로 산정된다. 이러한 기준으로 판단된 시·공간적 복합 전이 현상의 지체시간에 대한 누적 비율은 Fig. 7과 같다. 지체시간은 기상학적 가뭄 발생 시점과 농업적 및 수문학적 가뭄의 발생 시점 차이를 의미하며, Fig. 4의 지체와 동일한 개념이다.
전체 시·공간적 복합 가뭄 전이 현상 중 4주 이내의 지체시간을 가지는 비율은 49.1%로 나타났으며, 분석 범위를 8주까지 확대하면 그 비율은 75.9%로 증가한다. 이는 기상학적 가뭄 발생 이후 단기간에 시·공간적 복합 전이 현상이 빈번하게 발생하였다는 것을 의미한다. 또한, 수문학적 가뭄이 기상학적 가뭄에 대해 주 단위로 민감하게 반응하는 경향을 고려할 때(Mao et al., 2023), 주 단위 가뭄지수의 활용은 이러한 단기적인 전이 현상을 민감하게 탐지할 수 있음을 시사한다.
군집별 가뭄의 시·공간적 복합 전이 확률에 대한 Copula 함수가 서로 다르므로, 동일한 특성을 보유한 기상학적 가뭄에 대한 시공간적 전이 확률의 차이가 나타난다. 각 군집에서 서로 다른 가뭄 특성(지속기간, 심도)에 대해 최적 적합한 Copula 함수를 적용했기 때문에, 동일한 가뭄 특성의 순서쌍이라 하더라도 산정되는 결합확률이 달라진다. Fig. 8은 각 군집에서 발생한 기상학적 가뭄 발생 이후, 지체시간이 4주 및 8주인 시점의 시·공간적 복합 전이 확률을 비교한 것이다. 기상학적 가뭄 발생 이후 동일한 지체시간을 가짐에도, 시·공간적 복합 전이 확률은 군집에 따라 차이가 나타나며, 각 군집의 확률 수준은 전반적으로 유사한 경향을 나타낸다. 대표적으로 높은 분포를 가진 군집은 C5(대청댐), C10(용담댐), C27(낙동강)이며, 낮은 분포를 가진 군집은 C15(장흥댐), C16(영천댐)이다.
가뭄의 시·공간적 복합 전이 확률은 Copula 함수에 기반하여 정의되며, 특정 확률값에 대해 다수의 지속기간 및 심도 쌍이 존재한다. 따라서 다변량 관계의 시각화를 위해서는 등고선도가 효과적이다. 가뭄의 시·공간적 복합 전이 확률이 상대적으로 높은 군집(Fig. 9(a))과 낮은 값을 가지는 군집(Fig. 9(b))은 기상학적 가뭄의 발생 직후에는 큰 차이가 없지만, 기상학적 가뭄이 장기간 지속될수록 차이가 확대되는 경향이 나타났다.
4.3 가뭄 위험지역 식별
Son et al. (2023)은 지역별 가뭄의 누적 심도를 기반으로, Getis-ord Gi*를 활용하여 인접지역간 공간자기상관성을 고려한 가뭄 핫스팟 결과를 제시한 바 있다. 본 연구에서는 기상학적 가뭄의 현재 심도에 대해 가뭄의 시·공간적 복합 전이 확률을 가중치로 부여하고, 인접지역간 공간자기상관성을 고려한 가뭄 위험지역을 식별하였다. 이러한 가뭄 위험지역은 현재의 기상학적 가뭄 상태에서 시·공간적 복합 가뭄 전이가 발생할 가능성이 높은 고위험 군집을 의미한다. 따라서 가뭄 위험지역은 전체 연구 기간의 누적 정보로 고정되는 단일 지역들이 아닌, 주 단위로 갱신되는 지역 정보로 제공된다.
연구 기간 내 가뭄 위험지역으로 식별된 빈도가 높은 행정구역은 경기도, 강원도 및 경상남도에 주로 집중되어 있다. 가장 높은 빈도를 가진 행정구역은 오봉저수지를 제1수원으로 가지는 강릉으로, 타 행정구역들의 평균 빈도보다 3.8배 높게 나타났다(Fig. 10(a)). 평균 가뭄 위험지역 선정 빈도가 높은 군집은 C8(광동댐), C10(용담댐), C11(섬진강댐), C20(남강댐), C22(오봉저수지), C26(한강)이다(Fig. 10(b)). 이러한 지역들은 기상학적 가뭄의 심도가 크고, 농업적 및 수문학적 가뭄으로의 전이 발생 위험 또한 높게 나타났던 지역이다.
가뭄 위험지역과 실제 가뭄 사례를 비교하기 위해, 실제 가뭄 예·경보 발령 기록과 비교 분석을 수행하였다. Fig. 11(a)는 특정 시점의 가뭄 위험지역을 예시적으로 시각화한 지도이며, 월 단위 가뭄 예·경보 기록과 비교하기 위해 해당 기준 시점에 포함되는 3주간의 가뭄 위험지역을 중첩하여 시각화하였다. 동일 시점의 기상학적 가뭄 예·경보 발령 기록을 비교한 결과, 경상도 지역에 대해 유사한 공간 분포 패턴이 나타났다(Fig. 11(b)). 그러나 가뭄 위험지역 중 충청도 및 전라남도 일부 지역에서는 동일 시점의 기상학적 가뭄 예·경보 발령 기록이 확인되지 않았으나, 이후 1개월 이내에 수문학적 가뭄의 예·경보 발령 기록이 확인되었다(Fig. 11(b)). 이는 가뭄 위험지역은 현재의 기상학적 가뭄 상태만을 반영하는 것이 아닌, 가까운 미래에 발생할 가능성이 높은 수문학적 가뭄까지 반영하기 때문이다. 종합적으로, 가뭄 위험지역은 기상학적 가뭄의 현재 상태를 기반으로, 농업적 가뭄 및 수문학적 가뭄으로의 전이 위험까지 동시에 고려하여 사전에 위험 군집을 판단할 수 있다.
5. 결 론
본 연구에서는 기상학적 가뭄에서 시작되는 시·공간적 복합 전이 현상에 대한 명확한 기준을 제시하고, 전이 현상에 대한 특성을 분석하였다. 그리고 가뭄의 시·공간적 복합 전이 현상에 대한 확률론적 평가를 수행했으며, 이를 활용하여 가뭄 위험지역을 평가하였다. 분석 결과, 기상학적 가뭄은 농업적 가뭄으로 더 단기간에 전이가 발생하며, 수문학적 가뭄으로의 전이는 가뭄의 장기화를 초래하는 극심한 재해로 발달할 가능성이 높은 것으로 나타났다.
가뭄의 시·공간적 복합 전이에 대한 확률론적 평가를 통해, 기상학적 가뭄 발생 이후 8주 이내에 전체 시·공간적 복합 전이 현상의 75.9%가 발생한 것으로 나타났다. 또한, 가뭄이 장기화할수록 군집간 시·공간적 복합 전이 확률 분포의 차이가 확대되는 경향이 나타났다. 이를 활용하여 본 연구에서 제시한 가뭄 위험지역은 단일 행정구역의 특성만이 아닌 인접한 지역 간 상관성을 반영하여 전이가 발생할 위험이 큰 고위험 군집을 식별하였다. 이러한 가뭄 위험지역에 대한 주 단위 모니터링을 통해 가뭄 발생 및 전이 과정을 세부적으로 식별할 수 있다.
이러한 가뭄 위험지역의 식별은 수자원 관리자들이 효과적인 가뭄 관리 계획을 수립하는 데 중요한 정보를 제공한다. 특히, 농업적 및 수문학적 가뭄이 아직 발생하지 않은 상태에서도 발생 위험지역을 조기에 파악할 수 있어, 가뭄에 대한 선제적 대응 및 피해 최소화에 기여할 수 있을 것이다. 다만, 본 연구에서 사용한 분야별 가뭄지수는 상대적으로 강수 관측소의 공간 해상도가 제한적이고 지역 간 저수시설의 차이로 인해 일부 시·군의 특성을 충분히 반영하지 못한다. 종합적인 주 단위 가뭄 위험지역 모니터링 정보를 확보하고, 지역별 가뭄에 대한 사전 대응 및 가뭄 예·경보 발령 기준의 통계적 근거로 활용할 수 있는 방안을 제시하였다는 점에서 의의가 있다.
