1. 서 론
2. 자료 및 방법론
2.1 대상지역 및 기상 자료
2.2 극한 강우의 온도 스케일링
2.3 극한 사상 추출을 위한 회귀분석
2.4 쾨펜-가이거(Köppen-Geiger) 기후 구분
3. 결 과
3.1 강우 사상 유형별 강수 스케일링 지수 산정
3.2 강수 스케일링 지수 공간적 분포
3.3 쾨펜 기후대별 강수 스케일링 지수 공간적 균질성 검토
3.4 기온 임계점의 공간적 분포
4. 결 론
1. 서 론
기후변화로 인한 전 지구적 기온 상승은 대기 중 수증기 보유 능력을 증가시키며, 이는 국지적이고 집중적인 극한 강수 현상의 빈도와 강도를 심화시키고 있다(Liu et al., 2026; Myhre et al., 2019; Li et al., 2024; Thackeray et al., 2022) 미래 극한 강수량의 변화 경향을 정량적으로 예측하는 것은 기후변화 적응 대책 수립의 핵심적인 요소이나, 전지구기후모형(GCM) 및 지역기후모형(RCM)이 제공하는 직접적인 강수 예측치는 대기 역학 과정의 복잡성으로 인해 일정 수준의 불확실성을 포함하고 있다. 이러한 기후 모형의 강수 예측 한계를 보완하기 위해, 여러 연구에서는 상대적으로 불확실성이 낮고 모형 간 신뢰성이 높은 기온 변수의 미래 예측치를 활용하는 기온 기반 강수 스케일링(Temperature-Precipitation Scaling) 연구가 활발히 진행되고 있다(Chen et al., 2024; Lenderink and van Meijgaard, 2008; Ban et al., 2015).
대기 열역학의 기본 법칙인 Clausius-Claperyron (C-C) 관계에 따르면 대기 온도가 1℃ 상승함에 따라 대기가 보유할 수 있는 포화수증기량은 약 7%씩 증가하는 것으로 알려져 있다(Clapeyron, 1834; Clausius, 1850; Trenberth, 1999). 그러나 지난 20년 동안 여러 연구에서는 극한 강우 강도가 열역학적 Clausius-Clapeyron 기준선(약 7%/℃)을 초과하는 속도로 증가할 수 있다고 제시한 바 있다(Da Silva and Haerter, 2025).
극한 강수의 변화에 대한 예측은 큰 불확실성이 존재함에 따라(Fowler et al., 2021a, 2021b; Kim et al., 2020; Westra et al., 2014), 많은 연구에서 관측 자료에 기반하여 극한 강수-온도 민감도를 추정하는 실측 스케일링 지수(Apparent Scaling rate)을 산정해왔다. 실측 스케일링 지수는 전 세계적으로 지역별로 차이가 있는 나타났으며(Liu, et al., 2026; Barbero et al., 2017a; Fujibe, 2013; Prein et al., 2016; Wang et al., 2019; Yin et al., 2018), 겉보기 스케일링과 기후 스케일링 결과 간의 상당한 불일치도 보고되었다(Bao et al., 2017; Sun et al., 2020; Zhang et al., 2017). 중위도 몬순 기후대에 위치하여 여름철 대류성 강수와 장마전선의 영향을 복합적으로 받는 한반도의 경우, 국외의 스케일링 특성과 상이한 양상을 보일 수 있다. 미국이나 유럽과 달리 한국은 삼면이 바다고 좁은 국토에 복잡한 지형이 있어 수분 공급 역량의 차이가 크다. 같은 1℃ 상승이라도 지속적으로 수증기가 공급되는 해안지역과 지형적 영향을 많이 받는 내륙 산악 지역은 극한 강수가 증폭되는 양상이 다르기 때문에 기존 해외 연구 결과 수치를 일률적으로 적용하기에는 무리가 있다. 따라서 미래 기후변화 시나리오 기반의 강수량 전망을 방재 실무에 적용하기에 앞서, 한반도의 고유한 기후 특성에 부합하는 기온 및 수분 공급에 따른 강수 스케일링의 관계를 선제적으로 검토해 볼 필요가 있다.
본 연구에서는 기상청 관할 전국 58개 종관기상관측소(ASOS)의 장기 관측 자료를 바탕으로 강우 지속시간 및 사상별 실측 스케일링(Apparent Scaling rate) 지수를 정량적으로 산정하고 기온 변화에 따른 극한 강수의 공간적 분포와 임계 온도를 파악하고자 하였다.
전체적인 연구 철차는 Fig. 1과 같다. 먼저 전국 58개 지점의 강수량, 기온, 상대습도, 이슬점온도 등 관측 자료를 구축하고 강우지속시간별로 강우 사상 분류 후, 90, 95, 99 백분위수 강우(, , ) 기준에 따른 실측 스케일링 지수를 산정하였다. 이어 퀴펜 기후대 구분을 적용하여 지점별 스케일링 지수의 공간적 동질성 및 편차를 검증하였으며, 수증기 공급 한계점인 기온임계점을 산출하였다.
2. 자료 및 방법론
2.1 대상지역 및 기상 자료
기상청에서는 관측자료의 안정적인 생산 및 높은 신뢰성 확보를 목적으로 현대적인 관측장비인 종관기상관측소(Automated Synoptic Observation System, ASOS)를 구축하여 60지점에 대해 여러 기상 요소의 자료를 제공하고 있다. 본 연구에서는 데이터 신뢰성을 보장하기 위해 지점별로 공통적으로 자료를 구성할 수 있는 1980-2025년(46개년)까지 58개 지점의시 단위의 강수량, 기온, 상대습도 자료를 수집하였다. 이슬점온도는 직접 제공하지 않으나 기온과 상대습도를 이용하여 산출이 가능하므로 Magnus 근사식(Jeong and Kim, 2025)을 사용하여 도출된 값으로 사용하였다.
2.1.1 강우 사상 선정
대기 열역학의 기본 법칙인 Clausius-Claperyron (C-C) 관계에 따르면 공기의 수분 보유 능력은 1℃당 7%의 변화를 나타낸다. 그러나 선행 연구에 따르면, 7% 이상의 증가율을 의미하는 “Super CC”현상이 다수 보고 된 바 있다(Martinkova and Kysely, 2020; Da Silva and Haerter, 2025). 이러한 초과 증가율은 기온 상승으로 인해 강우 강도가 강화된 것이 아니라 상대적으로 취약한 강수 패턴에서 강도가 강한 강수 패턴으로 중심축이 이동하면서 발생한 통계적 착시일 수 있다는 지적이 제기되었다(Allan et al., 2010; Berg and Haerter, 2013). 즉, 짧은 시간 내에 강하게 쏟아지는 대류성 강우와 오랜 시간 지속되는 층운형 강우의 특성이 혼재될 경우, 강우 지속기간에 따른 강우강도의 왜곡이 발생할 가능성이 크다는 것이다. 따라서 본 연구에서는 강우 사상의 특성을 정밀하게 반영하기 위하여 일(daily) 강수량 대신 시간(hourly) 강수량 자료를 활용하였으며 독립적인 이벤트 기반으로 강수 사상을 선정하였다. 지속기간별 스케일링 변화를 명확히 구분하고자 강우 사상의 지속기간을 Table 1과 같은 세 가지 조건으로 58개 지점의 강우 사상을 분류하였다.
Table 1.
Classification of precipitation events based on duration
| Event Type | Rainfall duration |
| Short event | |
| Medium(Convective) event | |
| Long(Stratiform) event |
2.1.2 극한 강우와 기온 매칭
극한 강우는 특정 지역 내 총 강수량의 특정 백분위수(일반적으로 95번째 또는 99번째 백분위수)를 사용하여 정의한다(Ali and Mishra, 2017; Hosseini-Moghari et al., 2021; Zhang et al., 2019). 극한 강우와 기온에 따른 스케일링 분석을 위한 기온 데이터는 Visser et al. (2020)의 선행 연구를 근거로, 강수 사건이 시작되기 전 24시간 동안의 평균 기온을 사용하였다. 이는 강우 발생 전의 기온을 사용함으로써 대기가 식어버리는 냉각 효과(Ali and Mishra, 2017; Barbero et al., 2017b)가 온도 측정값에 미치는 왜곡을 피하고, 강수가 발생하기 전의 대기 상태를 더 정확히 위함이다. 선정된 강우 사상은 해당 기온 구간(binning)으로 분류하였다.
2.2 극한 강우의 온도 스케일링
강우와 구름은 공기 중에 수증기가 포화되어 작은 물방울이 형성되어 결국 뭉쳐 빗방울이 된다. 열역학에서는 온도가 변할 때, 물질의 상평형 경계에서 포화수증기압이 어떻게 변하는지 설명하는 Clausius-Claperyron 방정식이 있다. 이 이론에 따르면 대기 중의 포화수증기압()는 기온()에 대해 다음과 같은 관계를 가진다(Allen and Ingram, 2002; Zhang and Villarini, 2017). 일반적인 대기 온도 범위에 대해 적분하면 다음과 같은 지수함수 형태를 가진다.
여기서, : 포화 수증기압, : 절대온도, : 기화잠열, : 수증기 기체 상수를 의미한다. 기온()이 상승하면 포화 수증기압()이 지수함수적으로 증가함을 나타낸다. 기온이 올라가서 포화수증기압 자체가 커지면 극한 강우의 잠재적 총량 역시 증가율을 따라 커지게 되므로 Eq. (3)의 관계를 가진다.
기온()이 1℃ 오를 때마다 강우량()가 일정한 비율(𝛼%)로 증가한다는 것으로 지수함수 형태를 따릅니다. 즉, 기후변화 인해 지구가 더워지면 대기는 더 많은 수분을 함유하게 되고, 이는 특정 강우 현상 시 더 강한 폭우가 쏟아질 가능성이 높아짐을 의미한다.
2.3 극한 사상 추출을 위한 회귀분석
기온별 극한 강수 강도의 변화 특성을 파악하기 위해, 강우 사상을 기온별로 구간화(Binning)한 후, 각 구간 내에서 분위수를 계산하여 회귀(Quantile Regression) 분석을 수행한다(Ali and Mishra, 2017; Jones et al., 2010; Li et al., 2023). 각 기온 내의 시간당 강수량 값을 순위화하여 로그-선형(Log-linear) 모델을 기반으로 한 회귀식은 다음과 같다.
여기서, 로그 직선의 기울기인 slope(𝛽)는 온도 변화에 따른 로그 강우강도의 변화율을 의미하며 온도 변화에 따른 강우강도의 상대적인 변화율인 스케일링 지수(Scaling rate, 𝛼)는 Eq. (5)를 이용하여 도출할 수 있다. 위 식을 통해 도출된 𝛼는 온도가 1℃ 상승할 때, 발생하는 강우 강도의 백분율 변화율을 의미한다. 기존 연구의 분류 기준에 따라 스케일이 지수 유형을 Table 2와 같이 정의하였다(Martinkova and Kysely, 2020). 기온 상승에 따른 강수 강도 증가율이 이론적 기준선 7%/℃에 근접한 경우를 CC 스케일링(CC scaling), 7%/℃를 초과하는 경우를 Super-CC 스케일링으로 정의하였다.
Table 2.
Classification of precipitation–temperature scaling rates
2.4 쾨펜-가이거(Köppen-Geiger) 기후 구분
퀴펜의 기후 구분은 식생의 생장 환경을 기준으로 기온과 강수량, 강수의 계절성을 활용하여 전 세계의 기후를 구분한다(Fig. 2). 적도에서부터 고위도로 가면서 열대(A), 건조(B), 온대(C), 냉대(D), 한대(E)의 5가지 기후로 1차 분류하고 5가지 기본 기후를 바탕으로 강수량과 온도를 기준으로 연중 습윤(f), 겨울 건조(w), 계절풍(m), 여름 건조(s), 더운 여름(a), 신선한 여름(b), 건조 초원(S), 사막(W), 툰드라(T), 빙원(F) 등의 기호를 붙여 세부 기후형을 구분한다(Yujin et al., 2025). 한국은 쾨펜의 기후 구분에 따라 중부 지방은 냉대 기후(D), 남부 지방은 온대 기후(C)에 속한다.
3. 결 과
3.1 강우 사상 유형별 강수 스케일링 지수 산정
각 지점별 강우 사상과 기온을 매칭하여 1℃ 간격으로 구간화한 후, 각 기온 구간별 강우량 중 상위 90, 95, 99 백분위수 강우(, , )를 산정하고 해당 구간의 데이터 개수를 계산하였다. 안정적인 분위수 추정을 위해 각 기온 구간당 최소 30개 이상의 데이터가 있는 구간만을 이용하여 기온 변화에 따른 강수량의 변화율을 지수형태로 회귀 분석하여 지점별 스케일링 지수를 산정하였다. Fig. 3는 서울 지점(Stn.108)의 강우 유형 및 강우강도 분위수별(, , )에 따른 강수 스케일링 지수를 도시한 것이다. 기온이 너무 높아지면 대기 중에 수증기가 충분하더라고 강우를 유도하는 메커니즘이나 지속기간 감소, 상대습도 저하로 인해 오히려 강우량이 떨어지게 되는 'Hook' 현상이다(Visser et al., 2021). 모든 백분위수 조건에서 갈고리처럼 꺾이는 'Hook' 현상이 발생하였다. 이 지점을 빨간색 별표로 표시하였으며, 강우가 최고점에 도달 후 감소하는 기온인 기온 임계점(Temperature Threshold)까지 구간(파란색 음영)을 사용하여 지수 형태의 회귀 분석을 수행하였다. 빨간색 점선은 회귀분석을 통해 산정한 기울기로 스케일링 지수를 의미한다. 기울기가 가파를수록(스케일링 지수가 클수록) 기온 상승에 대응하는 강우강도 변화 민감도가 크다는 것을 의미한다.
단시간 강수 사상(1h)의 경우(Fig. 3(a)), 모든 백분위수 조건에서 이론적 기준선(CC scaling, 약 7%/℃)을 크게 상회하는 Super-CC scaling 경향이 뚜렷하게 관측되었다. 특히 백분위수가 높아질수록 큰 강우강도가 형성되면서, 스케일링 지수가 급격히 증가하는 양상을 보였다. 90백분위수 강우에서는 13.94%/℃였으나, 95백분위수 강우에서는 14.59%/℃, 99백분위수 강우에서는 26.67%/℃에 달하는 급격한 증가가 나타났다. 그러나 극한 강우가 정점에 도달하는 임계점(빨간색 별표)은 90, 95백분위수에서는 26℃였던 반면, 99백분위수에서는 약 24℃로 오히려 낮아지는 경향을 보였다.
중시간 대류성 강우(Fig. 3(b))에서는 모든 백분위수에서 이론적 기준선(CC scaling,약 7%/℃)을 초과하여 나타났으며 10.42~11.64%/℃ 범위를 나타내었다. 그러나 단기간 강수 사상과 달리 백분위수가 높아질수록 오히려 스케일링 지수가 감소하였으나 극한 강우강도가 감소하는 임계점은 대략 24℃ 부근에서 형성되었다.
장시간 층류형 강우(Fig. 3(C))에서는 상대적으로 낮은 온도에서부터 형성되어 지속시간이 짧은 두 유형과 비교하여 비교적 완만한 증가하는 경향을 보였다. 6.10~6.80%/℃범위로 이론적 기준선(CC scaling,약 7%/℃)에 가까운 결과를 나타내었다. 또한 임계점 역시 약 26℃부근으로 상대적으로 높게 형성되었다. 대체로 지속시간이 긴 강우 기준, 이론적 물리법칙에 부합되는 반면, 단기간 및 대류성 강우에서는 이론적 기준선(CC scaling,약 7%/℃)을 초과하는 경향이 나타났다.
앞서 산정한 전국 58개 지점의 강우 사상별 스케일링 지수의 통계 결과는 Fig. 4와 Table 3와 같다. 서울 지점의 결과와 마찬가지로 58개 지점의 강우 사상별 평균 스케일링 지수는 범위의 차이는 있으나 극한 수준이 높을수록 평균적인 스케일링 지수가 커지고 있으며, 최대값 평균 또한 증가하였다.
Table 3.
P-T scaling rate statistics across rainfall event types (58 locations)
단시간 강수 사상의 경우(Fig. 4 (a)), 분위수 상관없이 이론적 기준선(CC scaling,약 7%/℃)을 초과하고 있으며 스케일링 지수의 표준편차가 크고 산포도가 넓게 분포하여 기온 외에 요인에 의해 지점별 편차가 크게 발생함을 알 수 있다. 중시간 대류성 강우(Fig. 4(b))에서는 10.02~10.71 %/℃범위로 산정되었으며 분포적 측면에서 보면 상대적으로 조밀한 범위를 보이고 있다. 장시간 층운형 강우(Fig. 4(C))에서는 58개 지점의 분위수별 평균 스케일링 지수가 각각, 5.75, 5.93, 6.25%/℃으로 이론적 기준선(CC scaling,약 7%/℃)에 근접한 수준으로 나타났다. 특히 전 분위수 구간에서 표준편차가 낮게 산정되어 지점별 편차없이 일정한 경향을 보이고 있음을 알 수 있다. 전체적으로 지속시간이 짧은 강수 사상()의 경우, Super CC scaling에 해당하는 스케일링 지수가 산정되었으며, 지점별 편차가 상당히 크게 나타났다. 이는 극한 강수의 기온 의존성을 파악하는 데 있어 강우 지속시간(duration)에 따른 사상 분류가 매우 중요할 수 있음을 의미한다. 도심지 수문 구조물의 경우, 장시간 지속되는 강수보다는 단시간 집중호우에 의한 침수 피해에 더 취약하므로 시간 강우량 기반의 스케일링 지수를 보다 세밀하게 검토할 필요가 있다.
한편, 대기의 실제 수증기 보유 능력을 직접적으로 반영하는 이슬점온도를 기준으로 스케일링 지수를 산정하여 상기 온도 기준 결과와 비교하였다. 이슬점온도는 대기 중 수증기 포화 상태를 의미하므로 극한 강수 유발 시 실제 대기 수분 가용성을 파악하는데 유용한 자료이다(Lenderink et al., 2011; 2018).
Fig. 5는 서울 지점 중시간 대류성 강우의 결과를 도시한 것으로, 파란색 음영구간은 온도 기준 임계점까지 구간이며, 녹색 음영 구간은 이슬점온도 기준 강우가 최고점에 도달 후 감소하는 구간을 나타낸 것이다. 빨간색 점선은 온도 기준 회귀분석을 통해 산정한 스케일링 지수, 주황색 점선은 이슬점온도 기준으로 산정한 스케일링 지수이다. 이슬점온도는 물리적으로 기온보다 항상 낮기 때문에 스케일링 유효구간이 상대적으로 낮은 온도 범위에서 형성되며, 회귀 기울기 또한 비교적 완만한 형태로 나타난다. 이슬점온도 기준으로 재산정한 스케일링 지수는 6.13~6.86%/℃ 범위로 이론적 기준선(CC scaling,약 7%/℃)에 가깝게 수렴하는 특성을 나타냈다. 이는 온도 상승 시 나타나는 극한 강우의 증가가 단순히 수증기량의 증가에 의한 효과뿐만 아니라 다른 현상이 복합적으로 작용하고 있음을 알 수 있다. 전국 58개 지점의 이슬점 온도 기준 평균 스케일링 지수 산정 결과(Table 4), 단시간 상수 사상에서는 90, 95, 99백분위수에서 각각 11.04%/℃, 10.96%/℃, 11.67%/℃로 산정되어 온도 기준(10.69~11.36%/℃)과 유사한 범위로 산정되었으나, 여전히 Super CC scaling 현상이 나타났다. 중시간 대류성 강우의 경우, 이슬점온도 기준 평균 스케일링 지수는 8.75~9.14%/℃ 범위로 온도 기준(10.02~10.71%/℃)에 비해 다소 낮게 산정되었으나 편차가 커지는 양상이 나타났다. 장시간 강수 사상에서 이슬점온도 기준 평균 스케일링 지수는 4.84~5.48%/℃로 온도 기준보다 다소 낮은 수준에서 안정적인 경향을 보였다.
Table 4.
P-DT scaling rate statistics across rainfall event types (58 locations)
3.2 강수 스케일링 지수 공간적 분포
앞서 산정한 관측 지점별 스케일링 지수를 바탕으로, 한반도 전역의 공간적 연속성과 지역적 분포의 경향성을 살펴보기 위해 크리깅(Kriging) 공간 보간 기법을 적용하였다. 강수 사상 유형 및 극한 백분위수 조건에 따른 공간 분포 패턴은 Fig. 6과 같다. 단시간 강우 사상의 분포를 살펴보면(Fig. 6(a)), 분위수가 높아질수록 스케일링 지수가 편차가 극대화되고 공간적으로 수도권 집중 현상이 나타났다. 90백분위수 및 95백분위수 강우 조건에서 전반적으로 수도권을 중심으로 높은 스케일링 지수가 분포하는 양상을 보였다. 그리고 99백분위수 조건에서는 남부 내륙의 일부 지역(산청(Stn.289), 합천(Stn.285) 등)에서도 스케일링 지수가 국지적으로 급격히 상승하는 결과가 나타났다. 남부 지역의 스케일링 지수의 커짐은 작년 7월 산청, 합천 일대에서 발생했던 기록적인 집중호우 사례가 반영되어 전체 스케일링 비율을 상향시킨 것으로 판단된다. 짧은 지속시간의 99백분위수 강우와 같은 스케일링 분석은 장기적인 기후 추세뿐만 아니라 최근 발생한 개별 극한 국지성 극한 강수 사상에도 민감하게 반응하고 있으며, 특정 지점에서의 단일 호우 사상의 의해 지역적 편차가 크게 왜곡될 수 있다는 점을 알 수 있다.
중시간 대류성 강우의 분포에서는(Fig. 6(b)), 단시간 사상과는 다른 양상을 보였다. 백분위수가 커짐에 따라 내륙지역(충청도 및 중부 일대)를 중심으로 높은 스케일링 지수가 형성되었다. 99백분위수 강우 조건에서는 내륙 중심부의 스케링링 지수가 2CC scaling에 해당하는 약 14~16%/℃ 범위를 기록하며 동해안 지역에 비해 현저히 높게 산정되었다. 여름철 내륙 지역의 급격한 기온 상승으로 인해 대기가 불안정하고 지형적 요인이 복합적으로 작용하여 대류성 강우가 발생하기 좋은 환경으로 인한 결과로 보인다. 실제로 기온에 따른 강우 스케일링은 C-C 관계에 의해 설명되는 열역학적 메커니즘뿐만 아니라 대기 역학, 수분 가용성, 강수 효율성 및 기타 상호 작용하는 요인들에 의해 영향을 받는다(Liu et al., 2026). 또한 중부와 충청 내륙 지역에 집중되는 현상은 최근 한반도 기후 변화 흐름을 다룬 브리핑(Lee, 2026)과 일치하는 내용으로 최근 북태평양 고기압의 확장으로 한반도 남쪽의 따뜻한 공기와 만나는 몬순(Monsoon) 형성 매커니즘이 중부 및 충청 지역을 중심으로 활성화되고 있으며, 이로 인해 국지성 집중호우가 집중되고 있다고 언급한 바 있다(https://www.dongascience.com/en/news/77800). 여기서 서태평양과 남중국해에서 남서풍을 타고 한반도로 흘러들어오는 수증기 통로인 ‘대기 강(Atmospheric river)’ 현상이 최근 더 강한 영향을 미치는 것으로 언급하였다. 최근 기후 분석 보도에서 언급한 기상학적 변화가 실제 스케일링 지수 공간 분포상으로도 반영되어 나타났다.
장시간 층운형 강수의 분포(Fig. 6(c))는 앞선 중시간 대류성 강우의 분포와 대조적인 공간 패턴이 나타났다. 중시간 대류성 강수 사상이 내륙 지역에서 높은 스케일링 지수가 형성되고 해안으로 갈수록 낮아졌던 반면, 장시간 층운형 강수 사상은 해안 지역에서 높은 스케일링 지수가 형성되고 내륙지역으로 갈수록 지수가 점차 감소하는 경향이 나타났다. 이러한 분포는 강수 사상의 발생 매커니즘 차이에 따른 것으로 판단된다. 여름철 기온 상승에 의한 대기 불안정이 주로 내륙 중심의 대류성 강수를 발달시키는 반면, 장시간 지속되는 층운형 강수는 대기로부터 공급되는 수증기량에 큰 영향을 받기 때문에 기온 상승 시 수증기 공급이 풍부한 해양과 인접한 해안 지역일수록 스케일링 지수가 크게 산정된 것으로 판단된다.
마찬가지로 대기의 실제 수증기 보유 상태를 파악하기 위해 이슬점온도를 기준으로 스케일링 지수를 산정하여 상기 온도 기준 분포와 비교하였다. 이슬점온도 분포를 살펴보면 단시간 사상에서는 수도권 및 중부지방을 중심으로 높은 스케일링 지수가 분포하는 광역적 경향은 유지되었으며 장시간 강수 사상에서는 남해안 쪽의 편차가 있긴 하지만 전국적으로 평탄화된 분포를 보였다. 반면 가장 대조적인 양상은 중시간 강수사상에 나타났다.
온도 기준 공간분포(Fig. 7(b))에서는 충청도 및 중부 내륙 지역을 중심으로 14~16%/℃에 달하는 증가 양상을 보였으나, 이슬점온도 기준 공간분포(Fig. 7(b))에서는 내륙 집중 현상이 완화되고 서해안, 남해안 부근의 스케일링 지수가 높게 산정되었다. 이와 같이 온도 변수에 따라 공간적으로 상이한 강수 반응 특성이 나타난 것은 두 온도 변수가 반영하는 수문 기상학적 메커니즘이 다르기 때문이라고 할 수 있다.
극한 강우가 발달하기 위해서는 대기 중 충분한 수증기량과 이를 급격히 상승시켜 비구름으로 발달시키는 대기 불안정과 같은 조건이 동시에 충족되어야 한다(Gimeno-Sotelo and Gimeno, 2023). 즉, 수증기량이 풍부하더라도 상승기류가 약하면 극한 집중호우로 연결되기 어렵고, 반대로 대기 불안정만 강하더라도 수증기 공급이 뒷받침되지 않으면 강우량 한계가 발생한다. 이러한 관점에서 이슬점온도 기반의 스케일링 지수는 해안가를 통해 유입되는 실질적 수증기 공급을 집중적으로 반영하는 반면, 온도 기반의 스케일링 지수는 지표 가열에 따른 대류 불안정을 반영한 내륙 중심의 실질 폭우 민감 구역을 나타낸다.
기존 수문학적 연구에서는 대기 중에 실제 수증기량과 직접 연계되는 이슬점온도를 활용한 분석이 열역학적 스케일링 분석의 정확도 측면에서 우수한 것으로 평가되어 왔다. 그러나 미래 기후변화에 따른 극한 사상의 변화를 사회기반시설 설계기준에 반영해야 하는 실무적 관점(IPCC, 2013;Wright et al., 2019)에서는 온도 기반의 분석 역시 필수적인 역할을 한다. 전 지구 기후 모엘(GCM) 기반의 미래 전망자료에서 온도는 상대습도나 이슬점온도에 비해 모의 불확실성이 낮고 가용성이 가장 높은 핵심변수이기 때문이다. 또한 온도 기반 지표는 방재 인프라가 집중된 내륙 및 도심 지역의 급격한 대류성 집중호우 민감도를 직접 반영할 수 있다는 장점이 있다. 따라서 관측 현장의 적용성이나 미래 전망자료의 활용성 그리고 집중호우 발생의 매커니즘을 고려할 때, 미래 기후변화 시나리오를 연계한 인프라 설계나 방재 투자 우선 순위를 결정하는 실무적 가이드라인 수립 시에는 온도 기반의 스케일링 지수의 공간적 특성 또한 종합적 연계하여 고려할 필요가 있다.
3.3 쾨펜 기후대별 강수 스케일링 지수 공간적 균질성 검토
앞서 살펴본 공간 분석 결과 단시간 및 대류성 강수 사상의 스케일링 지수가 지점별로 상당한 공간적 변동성과 지역적 편차가 크다는 점을 확인하였다. 쾨펜 기후대는 기온, 강수량 및 계절성을 기반으로 지역 기후 특성을 정량화한 지표이다. 지점별 변동성과 편차는 각 지점이 위치한 지역의 기후적인 특성과 관련이 있다고 보고 이를 살펴보기 위해 관측 지점을 쾨펜 기후대(Köppen climate zones)별로 그룹화하고 기본적인 통계와 공간 지표를 산출하여 공간적 균질성(homogeneity)을 확인하고자 하였다. Fig. 8은 쾨펜-가이거 기후 분류에 따라 한반도를 분류한 결과이다. 한반도 대부분(57.2%)은 겨울이 건조하고 여름이 더운 Dwa 범주에 속한다. 그리고 해안 지역은 여름이 덥고 건기가 없는 온대 기후(Cfa)이다(Pradhan et al, 2024). 그 외에 한랭 겨울 건조 여름 고온 기후인 Cwa, 한랭 습윤 여름 고온 기후인 Dfa, 한랭 습윤 여름 온화 기후인 Dfb로 구분되었다. 기후대 영역과 관측소 위치에 따라 분류한 결과는 Table 5와 같다.
Table 5.
Classification of rainfall stations in Korea according to the Köppen climate zone
기후대별 관측소 수는 Dwa가 28개로 가장 많았고, Cfa가 17개소, Cwa가 11개소였으며, Dfa, Dfb 기후대는 각각 1개소씩 포함되었다. Table 6는 기후대별 스케일링 지수의 평균을 나타낸 것으로, 기후대별 평균 스케일링 지수의 편차가 뚜렷하게 나타났다. 단시간 강수 사상에서는 한반도 내륙의 넓은 영역을 차지하며 가장 많은 관측소가 포함된 Dwa 기후대에서 스케일링 평균이 12.66%/℃, 12.84%/℃, 12.78%℃로 다른 기후대에 비해 가장 높은 수준을 기록하였으며, 대류성 강수 역시 Dwa 기후대에서 10.99~11.32%/℃로 높은 평균값을 나타냈다. 또한 온대 기후에 속하는 Cwa와 Cfa은 큰 차이를 보이지 않고 유사한 범위를 형성하였다. 한편, Dfa, Dfb는 단일 관측소만 포함되어 기후대 전체 특성을 대표하기에는 무리가 있을 것으로 판단되나 참고 목적으로 수리를 수록하였다.
Table 6.
Average scaling rate by climate zone (58 locations)
지점 자료 자체의 통계적 유의성을 검증하기 위해 공간 일원배치 분산분석(Spatial ANOVA)을 수행하였다(Table 7). Table 7에서 <0.05로 통계적으로 유의성을 만족하는 항목은 붉은색 음영으로 표시하였다. 단 관측소 수가 제한적인 기후대(Dfa, Dfb)는 제외하였다.
Table 7.
Scaling rate spatial ANOVA results by climate zone (Significance level: 0.05)
단시간 강우를 제외한 대류성 강우 95, 99분위수에서는 p-value가 0.163, 0.271로 유의수준(>0.05)을 초과하였다. 이는 쾨펜 기후대 간 스케일링 지수의 평균 차이가 통계적으로 유의하지 않음을 나타낸다. 추가적으로 퀴펜 기후대별 공간 분포와 스케일링 지수 분포간 공간적 유사성을 정량적으로 분석하기 위해 관측소 기반의 공간 격자(총 4,021개 유효 격자)를 대상으로 패턴상관계수(Pattern correlation coefficient, PCC)를 산정하였다(Table 8). 패턴상관계수는 양의 방향(+)으로 값이 클수록 스케일링 지수가 높은 지역의 경계선과 퀘펜 기후대의 지리적 경계선이 공간적으로 매우 정밀함을 의미한다. Table 8에서 기후대 경계와 스케일링 지수 분포 간의 공간적 부합성이 확인되는 항목을 붉은색 음영으로 표시하였다.
Table 8.
Results of Patten Correlation Coefficient (PCC) by climate zone
단시간 강우의 경우, 높은 분위수, Cwa와 Cfa에서 미약한 양의 상관관계가 나타났으나 Dwa 기후대에서 -0.482~-0.272 범위의 음의 상관성을 보여 기후대 경계와 스케일이 지수 간 공간적 일치성이 크지 않는 것으로 나타났다. 경기 북부 일대에 스케일링 지수가 높게 형성되어 전체적으로 퀴펜 기후대 구분과는 상반된 분포임을 알 수 있다. 동해안 인근의 속초 관측소 주변에 위치하는 Dfa는 모든 사상에서 상관계수가 0.000으로 산정되었으며, Dfb 기후대 역시 상관성이 미미하게 나타났다. 관측소 수 자체가 적어 일반화된 경향으로 해석하기 어려움이 있음을 알 수 있다. 중시간 대류성 강우에서는 Cwa와 Dwa 기후대에서 +0.239~+0.354 범위의 양의 상관성이 나타났다. Dwa 기후대의 공간 분포 특성이 내륙의 높은 스케일링 지수 분포 양상과 어느 정도 일치하는 것으로 판단되며 반면 남해안의 Cfa와 Dfb 기후대에서는 음의 상관계수로 반대 양상임을 알 수 있다. 장시간 강우에서는 대류성과 달리 Cfa 기후대에서 +0.143~+0.272의 양의 상관성이 나타났으며, Dfb 기후대에서 미약한 양의 상관관계가 나타났다. 남해안과 동해안의 다습한 기후대 영역에 스케일링 지수가 높게 형성되면서 다습한 기후대 영역과 공간 패턴이 부합함을 알 수 있다. 지점 기반의 분산분석(Spatial ANOVA)에서는 스케일링 지수와 기후대 간의 유의미한 관계를 확인하기 어려웠으나 PCC 산정 결과 강우 사상별로 기후대 간의 공간적 상관관계를 일부 확인할 수 있었다. 그러나 그 값이 크지 않아 전통적인 쾨펜 기후대 구분이 거시적인 추세를 단순화하여 파악하는데는 유용할지 몰라도 관측소 단위의 국지적 대류성 사상이나 극한 강수의 스케일링 지수 민감도를 공간적으로 그룹화(Zoning)하는 데는 한계가 있음을 확인하였다.
3.4 기온 임계점의 공간적 분포
앞선 분석을 통해 지역별, 기후별 스케일링 지수의 편차가 크게 나타나고 있음을 확인하였다. 그러나 기온 상승에 따른 강우량의 선형적 증가는 대기 수분 한계로 무한정 지속될 수 없으므로 스케일링 효율이 둔화하거나 감소하기 시작하는 기온 임계점의 공간 분포를 살펴보았다(Table 9). 임계 온도는 해당 온도에서 기온 상승에 비례하여 강우 강도가 증가하는 스케일링 효과가 한계에 도달하는 한계점이라고 볼 수 있다.
Table 9.
Peak temperature statistics by event type (58 locations)
분석 결과, 스케일링 지수의 지점 편차와는 대조적으로 단시간, 대류성, 층운형 전 사상과 모든 분위수에서 평균 임계 온도가 25.16~26.24℃ 범위, 표준편차 또한 1.47~2.09℃ 범위로 비교적 좁은 범위 내에 집중되어 있다. 다음은 이슬점온도 기준 산정된 임계 온도의 결과이다(Table 10). 전 사상과 모든 분위수에서 평균적으로 22~23℃ 범위를 나타내었다. 이슬점온도 임계점은 한반도 대기가 보유할 수 있는 실제 수증기량이 포화 상태 및 수분 공급 한계에 도달하는 시점으로 해석할 수 있다. 기온에 비례하여 강우가 커지는 증가세가 둔화하기 시작하는 임계 온도는 상대적으로 전국적인 편차가 작고 일정 범위 내로 수렴하는 경향을 나타냈다. 이러한 일관성은 온도가 상승하더라도 대기 중 수증기 공급의 한계로 일정 온도 이상에서는 강수 강도의 증가 폭이 자연스럽게 감소되는 현상이 전국적으로 비슷하게 나타남을 알 수 있다. 또한 이러한 특성은 미래 기후변화 시나리오를 적용하여 수자원 시설물의 설계 기준을 결정할 때, 유용한 정보로 활용할 수 있을 것으로 판단된다. 미래 기후 변화 시나리오 상에서는 온실가스 배출에 따른 온실효과로 미래 기온의 지속적인 상승이 불가피한 조건임을 고려할 때, 기온 상승 전망치에 맞춰 스케일링 비율을 적용할 경우, 미래 극치 강우량이 과대 추정되어 수자원 구조물의 설계기준이 과대하게 높아질 수 있다. 이러한 관점에서 임계온도는 기온 상승에 따른 설계기준의 과대 산정을 방지하고 적정 설계 강수량을 정량적으로 판단할 수 있는 유용한 기준이 될 수 있다. 임계온도 이하 구간에서는 지역별 스케일링 민감도를 반영하여 미래 강수량 증가를 고려하되, 임계온도를 초과하는 구건에서는 상한을 두거나 일정 수준으로 제한하는 방식을 검토함으로서 미래 기후변화에 대비한 합리적인 기준을 제시하는데 도움이 될 수 있을 것으로 판단된다.
Table 10.
Peak dew point temperatures statistics by event type (58 locations)
4. 결 론
본 연구에서는 기상청 장기 관측자료(ASOS)를 기반으로 지역별, 지속시간별 한반도 고유한 기후 특성에 부합하는 실측 강수 스케일링 지수를 산정하고 강우 강도의 온도 의존성 및 이에 따른 민감도를 다각도로 검토하고자 하였다. 국내 기상 관측 자료를 바탕으로 단시간(Short), 중시간 대류성(Convective), 장시간 층운형(Stratiform)으로 분류 후 Clausius-Clapeyron (CC) 관계식에 기반한 분위수 회귀분석(Quantile Regression)을 수행하였다. 전국 58개 지점의 스케일링 지수와 공간적 분포 특성을 분석하였다.
단시간 강수 사상에서는 기온과 이슬점 온도 기준 스케일링 지수 평균은 각각 10.69~11.36%/℃, 10.96~11.67%/℃로 나타나 CC 이론선을 크게 상회하는 Super CC scaling (> 7%/℃) 반응을 보였다. 중시간 사상에서도 기온과 이슬점 온도 기준 각각 10.02~10.71%/℃, 8.75~9.14%/℃로 높은 평균 증가율을 보였다. 반면 장시간 사상에서는 5.75~6.25%/℃, 4.84~5.48%/℃로 Sub CC scaling 수준을 형성하였다. 이러한 결과는 기온이 상승할수록 짧은 시간에 매우 강한 비를 쏟아붇는 호우의 발달 강도가 상대적으로 더 만감하게 증가할 수 있음을 나타낸다. 이는 특히 도심지 수문 구조물의 경우, 장시간 누적 강우보다 단시간 집중호우에 의한 침수 피해에 더 취약하므로 향후 방재 기준 및 수문 구조물 설계시 시간 강우량 기반의 스케일링 지수와 시간 단위 특성을 보다 세밀하게 검토할 필요가 있을 것으로 판단된다.
또한 지점별 스케일링 지수의 공간적 변동성을 설명하기 위해 쾨펜 기후대별 그룹화 분석을 수행한 결과, 거시적 기후 구분은 한반도의 전반적인 기후 윤곽을 파악하는 데는 유용하나 국지적 대류성 호우가 갖는 높은 지점별 편차와 공간적 민감도를 구획화하는 데는 한계가 있음을 확인하였다. 한편 기온 상승에 따른 강수 강도 증가세가 수렴하는 수분 공급의 물리적 한계점인 임계 온도를 산출한 결과, 지점별 스케일링 지수의 큰 편차와 달리 온도 기준 전국 평균 임계온도는 약 25~26℃ 범위, 이슬점온도 기준으로는 22~23℃ 범위로 수렴하여 표준편차 역시 작아 높은 공간적으로 높은 균질성을 보였다.
본 연구에서 도출한 실측 스케일링 지수와 기온 임계점은 향후 신뢰도 높은 기온 및 전망자료와 결합할 때, 미래 극한 강수의 실제 변화 양상을 보다 정확히 예측하고 추정하는데 기여할 수 있을 것이다. 또한 이러한 관측 기반의 분석 결과를 장기적인 ‘기후 스케일링(Climate scaling)’ 관점으로 확장함으로써 미래 기후변화 시나리오 하에서 과설계를 방지하고 합리적인 방재 설계 가이드라인을 수립하는 정량적 근거로 활용할 수 있을 것이다.
