2013-2015의 가뭄 사례에서 나타났듯이 한반도 가뭄이 장기화 될 시 그 피해가 극심함에도 불구하고 한반도 가뭄의 물리적 기작에 대한 연구는 주로 계절 시간 규모에 집중해 왔다. 본 연구에서는 장기 가뭄으로 발전 할 수 있는 한반도 중기 가뭄 (10월의 Standardized Precipitation Index 6, SPI6_Oct < -0.5)과 풍수(SPI6_Oct> 0.5)의 대기 및 해양 특성을 분석함으로써 가뭄을 일으키는 기작을 이해하고 가뭄을 예측할 수 있는 잠재 선행 예측 인자를 제시하였다. 또한 이러한 예측 인자들을 이용하여 역학기반 가뭄 예측 회귀모델을 개발하는 한편 APCC에서 기 개발된 기계학습 기반 가뭄예측 모델에 이러한 예측 인자를 이용했을 때 가뭄 예측력의 향상 여부를 평가하였다.

풍수 상황은 열대 태평양에 라니냐가 급격히 발달하는 여름에 발생했는데 아열대/중위도 지역의 고기압이 서태평양까지 미치며 우리나라에 고온 다습한 남풍을 유도하기 때문이었다. 가뭄은 열대 태평양의 변동성이 비교적 적은 상황에서 일본동해상에 위치한 저기압의 영향으로 남풍이 억제되어 강수가 감소하기 때문인 것 으로 보인다. 지위고도 편차에서는 통계적으로 유의미한 수준에서 북대서양, 유라시아, 동아시아로 이어지는 순압 구조의 파동 패턴이 가뭄해와 풍수해에 선형적인 역의 관계를 보였다.

SPI6_Oct와 1월-3월 평균 해수면 온도(SST)와의 상관관계 결과를 바탕으로 SST 기반의 다섯 가지의 잠재 예측인자를 선정하였다. 그 중 노르웨이 해와 바렌츠 해의 SST 차이(NA_dipole)는 가뭄지수와 높은 상관성(1995~2014 기간동안 r=0.68)을 보였는데 앞서 언급한 북대서양-유라시아-동아시아 지위고도장 파동패턴과도 깊은 연관성을 보였다. 한편 NA_dipole 지수와 일본 동남쪽 바다의 SST 를 예측 인자로 사용한 회귀 예측 모델은 SPI6_Oct의 연간 변화를 비교적 잘 예측하며 특히 2015년의 극심한 가뭄을 잘 예측하는 것으로 나타났다. 본 연구는 decadal change를 고려하여 1990년대 중반 이후, 최근 20년(1995년-2014년) 의 결과에 집중하였는데 이전 20년(1975-1994)의 결과와 상당히 차이를 보였다.

기계학습 모델의 경우 짧은 선행시간의 경우(1개월~2개월)와는 달리 긴 선행시간의 경우(3개월~6개월) 잠재 예측인자를 포함했을 시 예측 성능이 우수하게 나타났다. 이는 잠재 예측인자 중 입력 변수의 상대적 중요도가 높게 나타난 NA_dipole이 예측 성능의 향상에 기여했기 때문으로, 기상학적 특성 분석을 통한 잠재 예측인자의 고려가 기계학습 기반 가뭄예측력을 향상시킬 수 있음을 보여준다.

1. INTRODUCTION

2. DATA AND METHODOLOGY

2.1 가뭄지수 산출

2.2 가뭄해와 풍수해의 정의

2.3 가뭄 특성 및 기작 분석

2.4 기계학습 기반 가뭄 모델링

2.4.1 자료

2.4.2 가뭄예측 모델링 방법론

3. RESULTS AND DISCUSSION

3.1 가뭄 특성 및 기작 분석

3.1.1 Composite 분석

3.1.2 ENSO와의 연관성

3.1.3 상관관계 분석

3.1.4 SST 기반 잠재 예측인자

3.1.5 회귀 예측모델 개발

3.2 기계학습 기반 가뭄 모델링

3.2.1 기후예측 모델 성능 비교

3.2.2 기계학습 모델 매개변수 최적화 및 우수 모델 선정

3.2.3 최종 평가

4. CONCLUDING REMARKS

REFERENCES