1. 서 론
2. 연구 지역 및 자료
2.1. 연구 지역 및 관측망
2.2 극한기후지수 계산을 위한 기초 자료
2.3 극한기후지수
3. 적용 결과 및 분석
3.1 연평균 기온 및 강수량 기반 기후변화 분석
3.2 극한기후지수별 결과 분석
4. 결 론
1. 서 론
전 지구적 기후변화는 평균 기온 상승뿐만 아니라 폭염, 한파, 홍수, 가뭄과 같은 극한사상의 빈도와 강도에도 영향을 미치고 있다(Byun et al., 2019; Byun and Hamlet, 2018; Myhre et al., 2019; Tang et al., 2025). 최근 Intergovernmental Panel on Climate Change (IPCC) 제6차 평가보고서(IPCC, 2023)는 기후변화가 극한사상의 발생을 가속화하고 있으며, 이러한 변화가 인류 사회와 생태계에 심각한 영향을 미칠 것이라고 지적하였다. 특히, 단기간에 발생하는 집중호우는 홍수와 산사태를 초래하고, 폭염과 한파는 건강과 농업 생산성에 직접적인 피해를 줄 수 있다. 기후변화로 인한 극한사상의 변화는 미래 사회의 재난 대응과 수자원 관리, 농업 계획, 도시 인프라 설계 등에 필수적인 기초 정보를 제공하며, 이에 대한 정량적 평가가 중요하다.
기후변화가 극한사상에 미치는 영향을 평가하기 위해 극한기후지수가 핵심 지표로서 다양한 연구에서 활용되어 왔다. 구체적으로, 다중모델 앙상블을 이용한 모의 능력 평가부터 장기 관측자료 분석에 이르기까지 다양한 방식을 통해 기후모델의 신뢰성과 한계를 진단하고, 지역별 극한사상의 변화 특성을 규명하는 데 기여하였다(Brown et al., 2010; Costa et al., 2020; Jeferson de Medeiros et al., 2022; Kim et al., 2020). 또한, 기후와 생태계 간의 연계성을 탐구하는 연구에도 적용됐다. 식생 변화와의 시공간적 상관성 분석이나 총 1차 생산(Gross Primary Production, GPP) 감소와 같은 영향 평가를 통해 극한기후가 생태계 기능에 미치는 영향을 정량적으로 규명하는 데 중요한 역할을 하였다(Islam et al., 2021; Zhang et al., 2025).
극한기후지수는 국내 연구에서도 폭넓게 적용되어 왔다. 장기 관측자료를 기반으로 한 극한사상 변화 특성 분석, 기후변화 시나리오와의 결합을 통한 미래 전망 등 다양한 분야에서 적용되어 기후변화 연구의 중요한 도구로 기능하였다(Cho et al., 2020; Kim et al., 2022). 특히, 우리나라의 복잡한 지형적 특성을 고려하여 격자형 기상자료를 바탕으로 우리나라 극한사상의 시공간적 패턴을 분석하려는 연구들도 지속적으로 수행되어 왔다(Ahmad and Choi, 2023; Im et al., 2011; Seo et al., 2025; Yun et al., 2012). 하지만, 이들 연구는 주로 전 지구 기후모델(Global Climate Model, GCM)이나 지역 기후모델(Regional Climate Model, RCM)을 활용한 모의 및 미래 기후 전망에 초점을 맞추고 있어, 모델의 내재적 편의로 인한 불확실성을 수반한다는 근본적인 한계가 있다. 이에 따라 모델 시뮬레이션 결과만으로는 과거 장기간에 걸쳐 실제 발생한 극한사상의 국지적 변동성을 관측 기반으로 정밀하게 규명하는 데에는 제약이 따른다. 반면, 실제 관측자료를 활용하여 우리나라의 과거 극한사상을 평가한 기존 연구들은 장기간 자료를 활용하기 위해 다소 제한된 개수의 지점 관측소 자료에 기반하여 점 단위로 분석하거나, 지점 자료를 평균하여 공간 분포를 추정하는 방식에 의존했다(Choi et al., 2023; Jeong et al., 2021; Kang et al., 2014). 이러한 접근은 지형적 변동성이 큰 우리나라의 특성을 충분히 반영하지 못하며, 특히 산지가 많은 지역에서는 공간 대표성이 제한되고 극한사상의 국지적 변동성을 과소평가할 가능성이 있다. 이로 인해 기존 연구들은 극한사상의 시공간적 특성을 충분히 반영하기 어렵고, 격자 단위의 세부적인 변화 양상을 정밀하게 분석하는 데 한계가 존재한다. 따라서, 기후변화에 따른 극한사상을 정밀하게 분석하기 위해서는 장기간 일 단위 관측자료를 기반으로 한 고해상도 격자형 기후자료를 활용하여 전국 규모에서 일관된 시·공간적 분석을 수행할 필요가 있다.
이에 본 연구에서는 최근 새롭게 개발된 장기간 (1973~ 2022) 일 단위 고해상도(1/16°, 6.25 km) 및 고품질의 격자형 기후자료(Jeong et al., 2025)에 기반하여 우리나라 전역의 극한사상을 평가하고자 한다. 구체적으로, 기온과 강수 관련 주요 극한기후지수를 활용하여 우리나라의 격자 단위 시공간적 극한사상 특성과 장기적 변화 양상을 정량적으로 규명한다. 본 연구를 통해 도출된 장기 관측 기반의 고해상도 격자형 극한사상 변화 결과는 향후 GCM 및 RCM 기반 기후모델의 모의 성능을 평가하고 편의를 보정하기 위한 신뢰도 높은 기준 자료로 활용될 수 있다. 더 나아가, 지형적 복잡성에 따른 극한사상의 국지적 변동성을 현실적으로 정량화함으로써, 기존 광역 단위의 접근을 넘어선 지역 맞춤형 재난 대응 전략, 수자원 관리 및 도시 인프라 설계 등 실효성 있는 기후변화 적응 정책 수립에 과학적 핵심 근거를 제공할 것으로 기대한다.
2. 연구 지역 및 자료
2.1. 연구 지역 및 관측망
우리나라는 북위 33°~39°, 동경 124°~132°에 위치하며, 복잡한 지형적 특성을 지닌다(Fig. 1). 특히, 태백산맥과 소백산맥이 주요 분수계를 형성하며 남북 방향으로 분포하고 있다. 연안에는 다수의 섬이 분포하고 있으며, 남쪽 끝에는 화산섬인 제주도가 자리한다. 이러한 지형적 특성이 공간적으로 다양한 기후 조건을 형성하는 주요 요인으로 작용하여, 우리나라는 지역별로 다른 기후 특성을 보인다. 또한, 우리나라는 중위도 온대 기후대에 속하여 뚜렷한 사계절을 보이는데, 봄과 가을은 맑고 건조하며, 여름은 덥고 습하고, 겨울은 춥고 건조한 기후를 나타내는 것이 특징적이다.
일반적으로 장기간의 고해상도 기후자료는 기후변화 추세 및 극한사상의 통계적 특성을 평가하는 데 필수적이다. 하지만, 우리나라는 고밀도 관측망이 비교적 최근에 구축되었기 때문에 과거 기간에 대해 신뢰할 수 있는 격자형 자료가 부족하다는 한계가 존재한다. 구체적으로, 2000년대 이전에는 전국에 약 60개의 종관기상관측소(Automated Synoptic Observing System, ASOS)만 운영되어 장기간의 시계열 자료를 확보하는 것은 가능하나 공간적으로 연속적인 고품질 격자형 기후자료를 산출하는 데에는 제약이 있다. 반면, 2000년대 이후 방재기상관측소(Automatic Weather System, AWS)가 약 500개 이상 설치되면서 고해상도 및 고품질 격자 자료 산출이 가능해졌으나, 운영 기간이 상대적으로 짧아 장기간 분석에는 한계가 있다. 이와 같은 관측망의 특성으로 인해 선행 연구들은 주로 ASOS 자료에 의존하여 분석을 수행할 수밖에 없었다. 본 연구에서는 이러한 한계를 개선하기 위해 새롭게 개발한 딥러닝 기반 프레임워크를 통해 산출된 격자 자료를 활용하며, 이에 대한 구체적인 내용은 2.2절에서 설명한다.
2.2 극한기후지수 계산을 위한 기초 자료
본 연구에서 극한기후지수를 계산하기 위해 활용한 기초 자료는 Jeong et al. (2025)가 딥러닝 기반 프레임워크를 활용하여 개발한 장기간(1973~2022) 일 단위 고해상도(1/16°, 6.25 km) 격자형 기후 자료이다(Fig. 2). 이 자료는 기상관측망 밀도의 시·공간적 차이로 인해 발생하는 자료 불균형 문제를 보완하고, 복잡한 공간적 변동성을 갖는 고해상도 기후자료의 특성을 안정적으로 재현하기 위해 구축되었다.
Fig. 2.
Annual mean (a) temperature and (b) precipitation from 1973 to 2022 derived from the observational meteorological dataset developed by Jeong et al. (2025)
본 프레임워크의 핵심 개념은 저밀도 관측망 기반 격자 자료와 지형 정보를 반영하여 산출된 고밀도 관측망 기반 격자 자료 간의 관계를 학습하여, 과거 저밀도 관측망 시기에도 고밀도 관측망 수준의 공간 정보를 재현하는 데 있다. 이를 위해 ASOS 관측소만을 활용하여 생성된 저밀도 격자 자료(1998~2022)와 Day of year (DOY)를 입력 자료로 사용하고, ASOS와 AWS를 모두 활용하여 생성된 고밀도 격자 자료(1998~2022)를 출력 자료로 학습하는 Long Short-Term Memory (LSTM) 모델을 구축하였다. 이때, DOY는 기온 및 강수의 계절적 변동성을 모델에 반영하기 위해 활용되었다.
두 자료 간의 관계가 학습된 모델에 고밀도 관측망이 존재하지 않았던 과거 기간(1973~1997)의 저밀도 격자 자료를 입력함으로써, 이 기간에 대한 고밀도 격자형 기후자료를 산출하였다. 본 자료를 기존의 저밀도 관측망 기반 격자 자료나 재분석 자료와 비교 분석한 결과, 공간적 연속성 및 극한값 재현 측면에서 기존 자료의 한계를 효과적으로 보완한 것으로 나타났다. 또한, 장기간 극한기후지수 분석에 활용하기에 충분한 신뢰성을 확보한 것으로 평가되었다. 자세한 모델 구축 과정과 검증 결과는 Jeong et al. (2025)에 제시되어 있다.
2.3 극한기후지수
기후변화는 전 지구적으로 온도와 강수의 변화를 가속하며, 과거에는 드물게 발생했던 이상기후 및 극한사상의 발생 빈도와 강도를 변화시키고 있다. 세계기상기구(World Meteorological Organization, WMO)는 기후변화 적응을 위한 의사결정 지원의 일환으로, 극한사상에 대한 정량적 평가의 중요성을 강조했다(WMO, 2009). 이에 따라 Expert Team on Climate Change Detection and Indices (ETCCDI), STAtistical and Regional dynamical Downscaling of EXtremes (STARDEX) 프로젝트 등은 국제적으로 표준화된 극한기후지수 체계를 마련하여, 기후변화 감시와 지역별 특성 분석에 활용할 수 있도록 하고 있다.
본 연구에서는 이러한 국제 기준과 우리나라 기상청에서 제시한 극한기후지수를 종합적으로 고려하여, 우리나라 극한기후의 발생 강도와 빈도 및 지속 기간을 대표할 수 있는 총 9개의 지수를 선정하였다. 기온 관련 지수는 연중 일 최고기온 (TXx), 연중 일 최저기온(TNn), 폭염일수(Heat Wave, HW), 한파일수(Cold Wave, CW)로 4개이며, 강수 지수는 지속기간 1일 최대 강수량(Rx1day), 지속기간 5일 최대 강수량 (Rx5day), 일 강수량 50 mm이상인 연중 일수(R50mm), 일 강수량 80 mm 이상인 연중 일수(R80mm), 최대무강수 지속기간(CDD)으로 5개이다. 각 지수에 대한 자세한 정의는 Table 1에 정리하였다. 선정한 9개의 지수를 활용하여 기후변화에 따른 우리나라의 극한사상 변화를 정량적으로 평가하고자 한다. 특히, 기온 지수는 최근 우리나라에서 관측된 온난화 추세를 반영하며, 장기적인 기온 상승의 공간적 불균형을 규명하는 데 유용하다. 강수 지수는 단기간 집중호우와 장기간 무강수 현상의 변동성을 정량화함으로써, 수문재해 발생 가능성과 기후변화에 따른 극한강수 특성의 변화를 평가하는 데 중요한 과학적 근거를 제공할 수 있다.
Table 1.
Climate extreme indices used in this study
3. 적용 결과 및 분석
본 연구에서는 기후변화에 따른 우리나라 극한사상의 변화를 시공간적으로 정량 분석하기 위해 9개의 극한기후지수를 활용하여 과거 25년(1973~1997)과 최근 25년(1998~2022)의 극한사상을 계산하고, 이를 통한 과거와 최근 기간의 극한사상 변화 양상을 분석한다.
3.1 연평균 기온 및 강수량 기반 기후변화 분석
극한기후지수 분석에 앞서 우리나라 기후변화의 전반적인 추세를 파악하기 위해 연평균 기온 변화를 분석하였다(Fig. 3). 과거(1973~1997) 대비 최근(1998~2022) 강원 태백산맥 지역은 과거 평균 4~6°C 수준에서 최근에는 8°C 이상으로 나타나 전반적인 상승 경향을 보였으며, 중부와 남부는 각각 12°C, 14°C 이상인 지역이 확대되었다. 제주는 해안 지역을 중심으로 16°C 이상인 지역이 확대되었다. Fig. 3(c)를 보면 전국적인 온난화 경향이 나타나며, 특히 경기·강원 남부 및 대구 인근에서 약 1°C 이상의 상승 폭이 확인되었다.
Fig. 3.
Spatial distribution of the annual mean temperature for (a) the historical period (1973~1997), (b) the recent period (1998~2022), (c) the difference between the two periods, (d) t-test results for mean differences (p < 0.05), (e) Mann-Kendall test results indicating the statistical significance of monotonic trends (p < 0.05), and (f) Sen’s slope representing the estimated magnitude of trends
통계적 검정 결과, 유의수준 5%에서 수행한 T-test (Fig. 3(d))에서 대부분 지역의 두 기간 간 평균 기온 차이가 통계적으로 유의하게 나타났다(p < 0.05). 또한, Mann-Kendall 검정(Fig. 3(e))과 Sen’s slope (Fig. 3(f)) 분석에서도 수도권을 비롯한 대부분 지역에서 양의 증가 추세가 확인되었다.
이와 같은 장기 관측자료 기반의 연평균 기온 상승은 고온 관련 극한사상의 심화 가능성을 시사한다. 이에 따라 TXx, TNn, HW, CW 지수를 활용하여 기온 관련 극한사상의 시공간적 변동 특성을 분석하였다.
과거와 최근 25년간의 연평균 강수량 분포(Figs. 4(a) and 4(b))는 전반적으로 유사한 공간적 패턴을 보이나, 규모 측면에서는 지역적 차이를 나타냈다. Fig. 4(c)에 따르면, 전국 대다수 지역에서 강수량이 증가한 가운데 특히 수도권과 경상북도에서는 약 100 mm 이상의 증가가 관찰되었다. 반면, 강원 동해안과 제주 서해안 일부 지역에서는 약 200~400 mm에 달하는 국지적인 강수량 감소가 나타나 강수 변화의 공간적 비균질성이 확인되었다.
Fig. 4.
Spatial distribution of the long-term mean of annual total precipitation. The panels are arranged as in Fig. 3. The color bars for panels (a), (b), and (c) use non-uniform intervals
전반적인 평균 강수량 증가에도 불구하고 강수 자료의 높은 연간 변동성으로 인해 두 기간 간 평균 차이의 통계적 유의성은 기온에 비해 상대적으로 낮게 나타났다(Fig. 4(d)). 또한, Mann-Kendall 검정 결과(Fig. 4(e))에서도 장기적인 추세가 통계적으로 유의하게 나타나는 지역은 제한적이었다. Sen’s slope 분석(Fig. 4(f))에서는 양의 기울기를 보이는 지역이 상대적으로 우세했으나, 그 기울기 크기가 크지 않은 지역이 다소 포함되어 있는 수준이었다. 이는 우리나라 연평균 강수량 변화가 전국적으로 일관된 추세라기 보다는 시공간적으로 높은 변동성을 동반한 복합적 변화 양상을 보이고 있음을 시사한다.
이러한 강수의 공간적 비균질성과 높은 변동성은 극한강수사상의 강도 및 발생 특성이 지역별로 다를 가능성을 의미한다. 따라서, 본 연구에서는 Rx1day, Rx5day, R50mm, R80mm, CDD 지수를 활용하여 강수 관련 극한사상의 시공간적 변동 특성을 분석하였다.
3.2 극한기후지수별 결과 분석
3.2.1 연중 극한기온 강도의 변화 특성
과거 대비 최근 기간에 약 35°C를 기록하는 지역의 범위가 크게 확대되었다(Figs. 5(a) and 5(b)). 특히, 수도권 대부분 지역에서 연중 일 최고기온(TXx)이 35°C를 초과하고, 경상도 지역은 약 37~38°C에 근접하였다. 태백산맥 일대, 경상남도, 제주 산간 지역은 최소 1.5°C 이상 상승하였다(Fig. 5(c)).
Fig. 5.
Spatial distribution of the annual maximum of daily maximum temperature (TXx). The panels are arranged as in Fig. 3
통계적 검정 결과(Figs. 5(d)~5(f)), 전국 대부분 지역에서 TXx 평균의 상승이 통계적으로 유의하게 나타났다. 또한, 동해안과 남부 내륙을 중심으로 증가 추세와 상대적으로 뚜렷한 상승률이 확인되어 극한고온 강도의 강화를 뒷받침한다.
이러한 변화는 대기 순환 특성 변화, 도시화, 지형적 요인 등 복합적 요인과 관련이 있을 가능성이 있다. 특히, 고도가 높은 지역의 TXx 상승은 적설량 감소로 인한 알베도 효과 (Albedo effect) 약화와 고지대의 열 축적 특성 강화에 따른 가속화된 온난화 현상과 관련이 있다(Palazzi et al., 2019; Pepin et al., 2019; You et al., 2020). TXx의 상승은 폭염 강도의 증가와 연계될 수 있으며, 이는 열 취약계층의 노출 위험 확대와 같은 사회적 영향과도 관련될 가능성이 있다.
연중 일 최저기온(TNn)의 경우 남부 지역에서는 상대적으로 뚜렷한 변화가 제한적으로 나타났다(Figs. 6(a)~6(c)). 반면, 경기 및 강원 남부 접경 지역을 중심으로 약 -18°C 내외에서 -16°C 내외로 상승하였으며, 일부 지역에서는 1.5~5°C의 상승 폭을 보이며 극한저온 강도가 완화되었다.
Fig. 6.
Spatial distribution of the annual minimum of daily minimum temperature (TNn). The panels are arranged as in Fig. 3
통계 검정 결과(Figs. 6(d)~6(f)), TNn 평균의 상승은 중부 지역을 중심으로 통계적으로 유의하게 나타났으며, 장기 추세 검정에서도 중북부 내륙 지역에 뚜렷한 양의 경향성이 집중되어 TNn의 지역적 완화를 정량적으로 보여준다.
이는 전 지구적 온난화와 더불어 도시화 및 토지 이용 변화에 따른 열환경 변화와 관련이 있을 가능성이 있다. TNn 상승은 한랭 피해 감소라는 긍정적 측면도 있으나, 야간 열 축적 증가와 열 스트레스 심화 가능성을 동반한다(Huang et al., 2021; Kim et al., 2023). 따라서 극한저온 변화는 단일 방향의 위험이라기보다 지역 특성과 사회 수준에 따라 상이한 영향을 초래할 수 있다.
종합적으로, TXx의 강화와 TNn의 완화는 온난화에 따른 극한기온 체계의 변화를 시사한다. 이는 고온 중심의 기후 위험 관리 필요성이 점차 증가하고 있음을 보여주며, 향후 지역별 열 환경 특성과 도시화 요인을 고려한 통합적 적응 전략 수립이 요구된다.
3.2.2 폭염 및 한파 발생 빈도의 변화 특성
과거 대비 최근 25년간 강원 태백산맥, 지리산 인근 등 고지대 (연평균 약 0일 유지)를 제외한 전국 대다수 지역에서 폭염일수(HW)가 증가하였다(Figs. 7(a)~7(c)). 특히, 경상도 지역에서는 증가 폭이 상대적으로 크게 나타나 과거 약 15일 수준에서 최근 약 25일 내외로 확대되었으며, 일부 지역에서는 30일을 초과하는 사례도 확인되었다.
통계적 검정 결과(Figs. 7(d)~7(f)), 최근 기간 HW 평균이 증가한 지역을 중심으로 그 평균의 상승이 통계적으로 유의하게 나타났다. 또한, 다수 지역에서 양의 경향성도 확인되었으며, 경상도 지역을 중심으로 다수 지역에서 HW의 증가율이 확인되어 폭염 발생 빈도가 증가하는 경향이 존재함을 시사한다.
HW의 증가는 단순한 기후학적 변화를 넘어 고령층의 열 관련 질환, 전력 피크 부하 심화 등 보건과 에너지 기반 시설에 직접적인 위협이 된다. 또한, 도시 내 불투수면 확대에 따른 야간 냉각 방해 요인과 결합하여 그 위험이 더욱 커질 수 있다(Siddiqui et al., 2021; Zwolska et al., 2024).
한파일수(CW)는 남부 해안 및 제주 지역(약 5일 미만 유지)을 제외한 전국 대부분 지역에서 전반적으로 감소하는 뚜렷한 경향을 보였다(Figs. 8(a)~8(c)). 특히, 경기 남부에서 강원 지역에 이르는 중부 지방을 중심으로 현저히 줄어들었으며, 일부 지역에서는 과거 대비 14일 이상 큰 폭으로 감소하였다.
통계 분석 결과(Figs. 8(d)~8(f)), 대부분 지역에서 CW 평균의 감소가 유의한 것으로 나타났으며, 중북부 내륙을 중심으로 음의 추세와 감소율이 집중되어 극한저온 현상의 발생 빈도 완화를 명확히 보여준다.
이러한 CW의 감소는 난방 에너지 수요를 줄이는 긍정적 효과도 있으나, 생태계의 계절 주기 교란, 병해충의 월동 생존율 증가, 감염성 질환 확산 위험 증가 등 농림·보건 분야에 새로운 사회환경적 부담을 야기할 수 있다(Kreyling et al., 2019; Ma et al., 2021).
종합적으로, 본 연구에서 도출된 극한기온 강도(TXx 및 TNn 상승)와 발생 빈도(HW 증가, CW 감소)의 변화는 우리나라의 기후 위험 체계가 온난화에 따라 고온 중심으로 변화하고 있음을 시사한다. 특히, TXx와 HW의 동반 상승은 극한고온의 강도와 지속기간이 동시에 강화될 가능성을 의미한다. 이에 따라 단일 최고기온 기준을 넘어 누적 열 노출을 반영한 폭염 대응 전략이 요구된다. 동시에, TNn 상승과 CW 완화가 초래할 수 있는 생태·농업 분야의 영향도 고려한 지역 맞춤형 적응 정책 수립이 필요하다.
3.2.3 극한강수 강도의 변화 특성
지속기간 1일 최대 강수량(Rx1day)은 과거 대비 전국 대부분 지역에서 증가하는 양상을 보였다(Figs. 9(a)~9(c)). 특히, 수도권 지역은 약 30~60 mm 이상, 제주 산간 지역은 최대 150 mm 이상 뚜렷하게 증가했다. 이러한 결과는 우리나라 전역에서 단기간 집중호우의 강도가 전반적으로 강화되고 있음을 시사한다. 반면, 제주 서해안 일부 지역은 오히려 감소하여 지역 간 강수 변화의 불균등성이 존재했다.
Fig. 9.
Spatial distribution of the maximum 1-day precipitation (Rx1day). The panels are arranged as in Fig. 3
통계적 검정 결과(Figs. 9(d)~9(f)), 대부분 지역에서 Rx1day 평균의 차이는 유의한 것으로 나타났다. 하지만, 단기 극한강수사상의 높은 시공간적 변동성으로 인해 뚜렷한 장기 증가 추세가 확인된 지역은 중북부 지역과 중부 내륙 일대로 다소 한정되었다. 또한, 대부분 지역에서 증감의 변화율이 명확하지 않았으나, 제주 산간 지역에서는 상대적으로 뚜렷한 증가율이 나타났다.
이러한 Rx1day의 강화는 도시화로 인한 불투수 면적 확대와 맞물려 도심지 배수 능력의 한계를 초과하고, 내수 침수 피해 위험의 확대로 직결될 수 있다(Fan et al., 2025; Guo et al., 2021).
지속기간 5일 최대 강수량(Rx5day) 역시 과거와 유사한 공간 분포를 유지하면서도 절대적인 강수 규모는 명확히 증가하였다(Figs. 10(a)~10(c)). 수도권과 일부 산지 지역에서는 100 mm 이상의 큰 증가 폭이 관찰되어 장기간 지속되는 강수 사건의 강도가 강해졌음을 보여주는 반면, 제주 서해안 등 일부 지역에서는 소폭 감소하였다.
Fig. 10.
Spatial distribution of the maximum consecutive 5-day precipitation (Rx5day). The panels are arranged as in Fig. 3
통계 분석 결과(Figs. 10(d)~10(f)), Rx1day와 마찬가지로 Rx5day의 유의미한 평균 증가는 광범위하게 나타났다. Rx5day의 불규칙성 및 비선형적 특성 때문에 증가 추세의 유의성이 나타난 지역은 Rx1day에 비해 상대적으로 적었다. 변화율의 경우 제주도 산간 지역과 더불어 중북부 지역에서 상대적으로 뚜렷한 증가율이 확인되었다.
이러한 Rx5day의 증가는 단기 누적 강수 특성이 심화되고 있음을 시사하며, 하천 수위 상승 및 토양수분 포화로 인해 대규모 홍수나 산사태와 같은 수문 재해의 잠재적 위험을 높일 가능성이 있다(Du et al., 2022; Handwerger et al., 2022).
종합적으로, Rx1day와 Rx5day의 동반 증가는 우리나라 극한강수 특성이 단기 집중호우 강도의 극대화와 장기 누적 강수의 심화라는 이중적 위험 구조로 변하고 있음을 시사한다. 이는 단순한 연평균 강수량의 증가와는 구별되는 변화로, 돌발적인 도시 침수와 광역적인 산사태 위험을 동시에 가중시킨다. 따라서, 변화된 극한강수 양상을 반영하여 기존 유역 단위의 배수 및 기반 시설 설계 기준을 상향 조정하고, 단기 및 장기 강수 사상을 통합적으로 고려한 지역 맞춤형 예·경보 시스템 고도화가 시급히 요구된다.
3.2.4 극한강수 발생 빈도의 변화 특성
일 강수량 50 mm이상인 연중 일수(R50mm)는 최근 25년간 과거 대비 뚜렷하게 증가하였다(Figs. 11(a)~11(c)). 경상북도와 충청도 일부를 제외한 대부분 지역은 과거 5일 미만에서 최근 5일 이상으로 늘어났고, 제주 동해안은 10일 이상 기록하는 구간이 확장됐다. 반면, 강원 동해안과 제주 서해안 일부는 소폭 감소하였다.
Fig. 11.
Spatial distribution of the annual count of days with precipitation ≥ 50mm (R50mm). The panels are arranged as in Fig. 3
통계적 검정 결과(Figs. 11(d)~11(f)), R50mm의 평균 발생 빈도가 전반적으로 증가하는 양상임에도 불구하고, R50mm의 국지성과 불규칙한 발생으로 인해 두 기간 간 통계적 유의성이 뚜렷하게 도출된 지역은 제한적이었다. 또한, 장기적인 증가 경향이 유의미하게 확인되는 지역 역시 일부에 국한되었다.
R50mm의 증가는 단기간 내 반복적인 집중호우 발생 가능성이 증가했음을 의미하며, 도시 지역의 침수 위험과 하천 유역의 유출 급증 등 수문학적 취약성을 가중시킬 수 있다(Hemmati et al., 2022; Labonté-Raymond et al., 2020).
일 강수량 80 mm 이상인 연중 일수(R80mm)는 경상북도 및 중부 일부 내륙을 제외한 대부분 지역에서 최근 기간에 과거 대비 최소 1일 이상 발생 빈도가 증가하였으며, 특히 수도권 및 제주 동해안 지역에서 상대적으로 뚜렷한 증가 폭을 보였다(Figs. 12(a)~12(c)).
통계적 검정 결과(Figs. 12(d)~12(f)), R80mm는 상대적으로 매우 드물게 발생하고 극단적인 간헐성을 띠기 때문에, 평균의 유의미한 차이나 연속적인 증가 추세가 나타난 격자가 더욱 적게 분포하였다. 이는 극한강수 빈도의 증가가 비선형적인 양상으로 강화되고 있음을 시사한다.
Fig. 12.
Spatial distribution of the annual count of days with precipitation ≥ 80 mm (R80mm). The panels are arranged as in Fig. 3
이와 같은 고강도 극한강수 빈도의 증가는 단기 수문 재해뿐만 아니라, 유출 및 침출수 급증에 따른 비점오염원 확산 등 상수원과 하천 수질을 악화시킬 가능성이 있어 복합적인 대응이 요구된다(Wang et al., 2024; Wang et al., 2025).
종합적으로 R50mm와 R80mm의 증가 추세는 단순한 강수량 변화를 넘어 우리나라 강수 체계가 단기간 내 반복적이고 극단적인 집중호우 중심으로 변화하고 있음을 시사한다. 이는 기존 도시 및 농촌 지역의 기반 시설 설계 한계를 초과하여 재난 대응 체계의 취약성을 노출시킬 가능성이 크다. 따라서 향후 수공 구조물의 확률강우량 및 배수시설 용량 설계 기준을 극한강수 빈도 변화에 맞추어 상향 재정립하고, 강우-유출에 민감한 도심지와 토양 침식 우려가 있는 산지나 농경지의 특성을 반영한 지역 맞춤형 복원력 중심의 수자원 관리 체계 구축이 필요하다.
3.2.5 연속 건조일수의 변화 특성
최대무강수 지속기간(CDD)은 상당히 뚜렷한 공간적 비대칭성을 나타냈다(Figs. 13(a)~13(c)). 수도권, 강원도, 충청도, 전라도 지역에서는 과거 대비 CDD가 길어져 30일 이상 지속되는 구역이 확대됐지만, 경상북도 동해안 등 남동부 지역과 소백산맥 일부 지역은 오히려 3~7일가량 단축되는 상반된 양상을 보였다.
Fig. 13.
Spatial distribution of the maximum number of consecutive days with daily precipitation < 1mm (CDD). The panels are arranged as in Fig. 3
통계 검정 결과(Figs. 13(d)~13(f)), 두 기간 간의 통계적 유의성이 확인된 지역은 강원도 태백산맥 지역과 충청남도 일부 지역으로 상당히 제한적이었다. 장기 단조 추세 분석에서도 이들 지역과 제주 일부 지역에서 증가 경향이 확인되었다. 또한, 해당 지역을 중심으로 양의 변화율이 공간적으로 우세했으나, 경상북도 남동해안 일부 지역에서는 이와 상반된 감소 양상을 보였다.
이러한 수도권과 주요 농경지 지역의 CDD 장기화는 건조 지속 기간의 증가를 시사하며, 이는 농업용수 부족, 식수원 관리 한계, 생태계 스트레스 등 심각한 사회·환경적 피해를 초래할 수 있다(Baatz et al., 2025; Khalili et al., 2024).
앞서 분석한 연평균 강수량을 비롯한 극한강도(Rx1day, Rx5day), 극한빈도(R50mm, R80mm), 그리고 CDD의 변화를 종합해 볼 때, 최근 25년간 우리나라의 강수 특성은 극한강수 사상의 극대화와 건조일수의 장기화가 동시에 진행되는 양극화 양상을 띠고 있다. 비가 내릴 때는 단기간에 치명적인 집중호우가 쏟아지는 반면, 비가 내리지 않는 기간 역시 길어지면서 홍수와 가뭄의 복합적 기후 위험이 가중되고 있다.
따라서, 기후변화에 대응하는 향후의 수자원 관리 정책은 단순한 평균 강수량 기준의 설계를 넘어 극단화된 변동성을 반영해야 한다. 집중호우로 인한 도심 침수 및 산사태를 방어하는 치수 대책과 CDD 장기화에 대비한 이수 전략이 지역별 공간적 편차를 반영하여 통합적이고 유연하게 설계되어야 할 것이다.
4. 결 론
본 연구에서는 1973~2022년 기간의 장기간 일 단위 고해상도 (1/16°, 6.25 km) 및 고품질의 격자형 기상 자료를 기반으로 극한기후지수를 활용하여 기후변화에 따른 우리나라의 극한사상 변화를 시공간적으로 분석하였다. 이를 위해 과거 25년 (1973~1997)과 최근 25년 (1998~2022)으로 기간을 나누어 기간별 극한사상의 양상과 두 기간의 차이를 산출하였다.
그 결과, 전국적으로 연평균 기온은 최소 1°C 이상 상승하는 뚜렷한 온난화 경향을 보였으며, 연평균 강수량은 전반적인 증가 추세 속에서도 일부 지역(강원 동해안 및 제주 서해안 등)에서 큰 폭으로 감소하는 공간적 비균질성을 나타냈다. 이를 바탕으로 극한기후지수를 분석한 결과, 극한고온사상의 강화(TXx 상승, HW 증가)와 극한저온사상의 완화(TNn 상승, CW 감소)가 광범위하게 발생하며 고온 중심으로의 구조 변화가 확인되었다. 반면, 집중호우(Rx1day, Rx5day, R50mm, R80mm)의 강도와 빈도가 모두 증가함과 동시에 남동부 지역을 제외한 대부분 지역에서 CDD 역시 장기화되었다. 이는 특정 시기에 극한강수의 발생이 빈번해지면서도 다른 시기에는 건조 현상이 심화되는 강수 패턴의 양극화 위험이 가중되고 있음을 의미한다.
본 연구의 통계적 검정 결과는 우리나라 기후 시스템의 변화 특성을 명확히 보여준다. 기온 지수들이 뚜렷한 증가 추세를 보인 것과 달리, 극한강수 및 건조 지수는 높은 비선형성과 간헐성으로 인해 장기 단조 추세의 통계적 유의성이 다소 제한적으로 도출되었다. 이는 강수 패턴이 점차 예측이 어려운 극단적 변동성을 증가시키는 방향으로 변화하고 있음을 의미한다.
본 연구에서 관측된 극한사상의 시공간적 변화 양상은 단순한 평균 변화 이상의 특성을 보여, 이는 향후 기후변화 평가에 있어 비정상성(non-stationarity)을 고려한 분석이 필요함을 시사한다. 전통적인 정상성 기반의 통계 분석과 빈도 추정이 미래 위험을 과소평가할 가능성을 내포하므로, 극한기후의 확률 분포가 시간 또는 기후 인자에 따라 동적으로 변화함을 고려한 새로운 접근이 요구된다. 따라서, 향후 연구에서는 본 연구에서 도출된 극한기후지수의 시공간적 추세를 기반으로 비정상성을 반영할 수 있는 확률적 모델(Brodeur et al., 2024; Byun and Hamlet, 2020; Kumar Masanta and Srinivas, 2022)을 적용하여 장기적인 기후 위험을 정량화할 필요가 있다. 이러한 접근은 기온 및 강수의 극한사상에 내재된 비정상적 특성을 반영함으로써, 기후변화에 따른 불확실성을 더욱 정밀하게 평가하고 수자원 관리, 농업, 인프라 설계 등 다양한 부문에서 지속 가능한 기후 적응 전략을 수립하는 데 기여할 수 있을 것이다.
