55?

1. 서론

최근 기후변화에 따른 영향평가, 취약성평가, 적응대책이 중요해지면서 수자원, 농업분야를 포함한

1km 해상도의 관측 격자자료 생산 기술

김맹기*·한명수*·장동호**·백승균***·이우섭****·김연희*·김성*

*공주대학교 대기과학과·**공주대학교 지리학과·***공주대학교 지역개발 연구소·****APEC Climate Center

(2011년 11월 7일 접수, 2012년 1월 13일 수정, 2012년 1월 20일 수락)

Production Technique of Observation Grid Data of 1km ResolutionMaeng-Ki Kim* · Myeong-Soo Han* · Dong-Ho Jang** · Seung-Gyun Baek***

· Woo-Seop Lee**** · Yeon-Hee Kim* · Sung Kim*

*Dept of Atmospheric Science . Kongju National University **Department of Geography, Kongju National University

***Institute of Regional Development, Kongju National University****APEC Climate Center

(Received 7 November 2011, Revised 13 January 2012, Accepted 20 January 2012)

요약 : 이 연구에서는 약 12km 해상도의 관측값을 이용하여 1km 해상도의 격자자료를 추정할 수 있는

MK(Modified Korean)-PRISM(Parameter-elevation Regressions an Independent Slopes Model)을 개발하

였다. 이 방법은 추정하고자 하는 격자점과 영향반경 안에 있는 여러 관측지점사이에 고도, 사면방향, 해양도

해양효과를 해안선과의 거리, 해발고도를 고려하여 지수화 한 수치, 거리의 유사성을 기초하여 가중치를 부여

하는 방식으로 모든 격자점의 값을 독립적으로 결정하는 방법이다. 이 연구에서는 이 방법을 이용하여 2000

년부터 2010년까지의 일별 기온(일최고, 일평균, 일최저)과 강수량 격자 자료를 생산하였으며, 앞으로 이 자

료는 기후변화의 영향, 적응, 취약성 평가에 유용하게 활용될 수 있을 것으로 기대된다.

주요어 : PRISM, 사면방향 효과, 고해상도, 통계적 규모축소

Abstract : In this study we developed MK(Modified Korean)-PRISM(Parameter-elevation Regressions an Independent Slopes Model) which can estimate grid data of 1km horizontal resolution using observation data with horizontal resolution of about 12 km in Korea. This model is an independent model for each target grid which can estimate target grid value by weighting each station differently based on the similarity in altitude, topographic facet, and coastal proximity between observation and target grid. Using this method, we produced grid data of daily maximum, daily mean, daily minimum temperature, and daily precipitation for 11 years from 2000 to 2010, and it is expected to use this data for climate change assesment, adaption and vulnerability the future.

Key Words : PRISM, topographic effect, high resolution, statistical downscaling

기후연구 제7권 제1호 2012(55~68)

* Correspondence: Maeng-Ki Kim, Department of Atmospheric Science, Kongju National University, Gongju, Chungnam 314-701 Korea, Phone: +82-41-850-8531, Fax: +82-41-856-8527, E-mail: mkkim@kongju.ac.kr

56 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

다양한 분야에서 고해상도 자료의 수요가 급증하고 있다. 현재 전구 기후모델(Global climate model,

GCM)은 고해상도로 산출하기에는 아직 많은 제약이 있으며, 지역기후모델(regional climate model,

RCM)에 기반하여 고해상도 자료가 생산된다. 하지만 1km 급에 해당하는 고해상도 자료의 생산은

RCM에 의한 역학적 상세화 (Dynamic downscaling) 과정에 의해서 생산하는 데에는 현실적으로 많은

제약이 있다. 따라서 통계적 상세화 (Statistical downscaling) 과정에 의한 산출방법의 개발이 필요하다.

현재 한국은 종관기상관측시스템(Automated Synoptic Observing System, ASOS)과 자동기상관측시

스템(Automatic Weather System, AWS)을 모두 고려할 경우 약 12km의 해상도의 관측망을 갖고 있다.

이정도의 관측망은 다른 나라에 비해 상당히 고해상도 관측망으로 볼 수 있으나 수요자는 여전히 보

다 더 고해상도의 자료를 요구한다. 이러한 수요에 부응할 수 있는 가장 좋은 방법은 자료 동화를 통

하여 고해상도의 재분석 격자자료를 생산하는 것이 좋을 것이다. 그러나 1km 해상도의 자료를 자료

동화과정을 통하여 현실적으로 얼마나 정확도를 갖고 제공 가능한지 즉, 학술적으로 어느 정도 신뢰

도를 갖는지는 잘 알려져 있지 않지만 현재 한국 실정으로는 시기상조인 것으로 보인다. 따라서 대안

적인 방법이 필요하다. 미국 오리건 주립대학교에서는 이미 오래 전부터 격자형의 기후자료의 필요

성을 인식하고 개발해 왔으며, 북미 지역에서 기후요소의 시·공간 변동에 가장 많은 영향을 주는 요

소는 고도임을 인식하고 거리, 산악의 경사방향, 고도, 해양도 등의 지리정보를 인자로 고려하여 상

세기후를 생산하는 PRISM(Parameter-elevation Regressions an Independent Slopes Model) 기법을 완

성 및 적용하였다(Daly et al., 1994; 2002; 2003; 2008). 즉, 이 방법은 관측소 규모의 불균질한 정보

로부터 지리정보의 영향을 고려하여 고해상도의 균질한 격자형의 자료를 산출하는 방법이며, 그동

안 미국, 중국, 몽골 등 많은 지역에 대한 연구 결과를 제시한 바 있다(Kittel et al., 1997; Daly et al.,

2000; 2001; Matthew et al., 2004). 최근 한국에서도 공주대를 중심으로 PRISM의 아이디어를 기반

으로 K-PRISM을 개발하였으며, 월평균 시간규모에서 기온(홍기옥 외, 2007) 및 강수량(신성철 외,

2008)을 5km 해상도로 추정한 바 있다. 최근 기후변화 영향평가, 적응 및 취약성 평가 분야에서는

1km 해상도에 대한 수요가 급증하고 있으나 국내에서 현재까지 1km 해상도의 자료를 생산한 사례가

없으며, 기존의 K-PRISM은 1km 해상도의 일자료를 생산하는데는 한계가 있다. 일부 학자들의 경우

1km 해상도의 자료에 대한 신뢰도 문제를 제기하고 있으나 미국의 경우 수백m 해상도의 격자자료를

추정하려는 연구가 진행되고 있다(Daly et al., 2008). 한국의 관측 자료의 해상도가 미국보다 훨씬 더

좋은 점을 감안하면 더 좋은 격자자료의 생산이 가능하다.

최근 기상청에서는 적응 대책 수립을 위한 기후변화 시나리오 생산의 일환으로 기후변화에 관한 정

부간 협의체(Intergovernmental Panel on Climate Change, IPCC) 5차 평가보고서(Fifth Assessment Re-

port, AR5)에 적합한 주요 대표경로농도(Representative concentration pathways, RCP)에 대하여 전구

및 지역기후모델을 이용하여 기후변화 시나리오를 생산하고 있다 (국립기상연구소, 2011). 현재 기상청

에서 제공하는 지역기후모델의 해상도는 12.5km 이며, 이 정도의 해상도는 다른 선진국과 비교해도 매

우 높은 해상도이다. 하지만 한국의 기후변화 적응 분야에서 요구하는 1km 정도의 해상도보다는 저해

571km 해상도의 관측 격자자료 생산 기술

상도이다. 또한 RCM은 계통오차를 갖고 있기 때

문에 이를 보정할 필요가 있다. 모델의 계통오차를

보정하기 위해서는 고해상도의 관측격자 자료가 필

요하다. 따라서 RCM의 계통오차를 보정하여 1km

해상도의 기후변화 시나리오를 생산하기 위해서는

무엇보다도 먼저 관측 자료를 1km 해상도의 격자

자료로 만들어야만 한다. MK-PRISM은 일일 시간

규모에서 불균질하게 분포하는 관측소 자료를 이용

하여 1km 해상도의 격자자료를 생산할 수 있는 기

술이며, 이 연구를 통해서 개발하였다. 이 연구에

서는 MK-PRISM에 대해서 소개하고, 이를 이용하

여 1km 해상도의 자료를 생산하는데 수반되는 여

러 가지 문제의 해결방안을 제시하였으며, 생산된

최근 11년간의 관측격자 자료를 검증하였다.

2. 자료 및 연구 방법

이 연구에서는 2000년 1월 1일에서 2010년 12월 31일까지 11년 동안의 일강수량 및 기온 자료를 사

용하였으며, 관측지점의 수는 ASOS 75개소와 AWS 462개소를 합하여 총 537개 지점의 관측 자료가

사용되었다 (그림 1). 서울은 충분히 많은 관측지점을 보유하고 있지만 해발 고도가 높은 일부 산악

그림 1. DEM 고도(칼라)와 지상관측소(점) 분포도.

빨강색은 종관기상관측시스탬(ASOS)을, 파랑색은

자동관측시스템(AWS)을 나타낸다.

그림 2. 고도의 디지털 지도 그림 3. 사면방향의 디지털 지도 그림 4. 해양도의 디지털 지도

58 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

지역을 제외하고 대부분의 지역에서 골고루 분포하고 있다. 사실 2000년 이전에도 AWS 자료가 있지

만 지점수가 적거나 자료의 질이 이 연구에서 원하는 수준의 자료를 생산하기에는 적당하지 않아서

여러 가지 검토 결과를 토대로 2000년 이후의 자료를 사용하는 것으로 결정하였다. PRISM을 사용하

기 위해서는 각 관측소와 각 격자점의 DEM(Digital Elevation Model) 고도, 위경도, 사면방향(aspect),

해양도를 필요로 한다. 1km 해상도의 고도, 사면방향, 해양도는 산맥과 분지 등을 분명하게 판별할

정도로 선명하며 산악의 경사방향도 매우 명확하게 잘 나타난다(그림 2~4).

K-PRISM은 Daly et al.(2002)의 PRISM의 알고리즘에 기반하여 월평균 시간규모에서 한반도의 기

온(홍기옥 외, 2007) 및 강수량(신성철 외, 2003)을 5km 해상도에서 추정한 방법이다. 반면, 이 연구

에서 개발한 MK-PRISM은 기본적으로 K-PRISM에 기반하여 일일 시간규모에서 1km 해상도의 기온

및 강수량을 추정하기 위하여 개발한 방법이다.

MK-PRISM에 포함된 기술들은 다음과 같다.

1) 1km 급 지리정보 생산 방법

(1) 한반도 마스킹 자료 (육지/해양)

위성영상 및 수치지도를 이용하여 한반도 마스킹자료를 1km×1km 해상도로 작성하였다. 남한지

역은 1:250,000 수치지형도로부터 해안선 및 도서지역 레이어를 추출하였고 북한지역은 30m 해상도

의 Landsat TM 위성영상의 적외선 파장대인 채널 4로부터 해안선을 추출하였다. 두 자료를 서로 통

합하여 polygon 형태의 ESRI’s shape 포맷의 한반도 해안선 자료을 작성하였고 이를 ESRI’s GRID 포

맷으로 변환하여 한반도 마스킹 격자자료를 산출하였다. 산출된 한반도 마스킹 자료는 742×1,258

화소로 구성되고, 좌표범위는 동경 123°18 4́1˝~132°46´31 ,̋ 북위 31°39´3˝~43°23 4́3˝이다. 좌표계는

경위도 투영법과 WGS84 타원체를 적용하였다.

(2) 고도자료

디지털고도자료(Digital Elevation Model, DEM)는 NASA에서 제공하는 30m 해상도의 ASTER

Global Digital Elevation Map (GDEM)을 1×1km 해상도로 재배열하여 GRID 포맷으로 작성하였다.

(3) 사면방향 자료

사면방향 자료는 DEM 자료를 이용하여 N(북) 방향부터 NE, E, SE, S, SW, W, NW 방향까지 8방

위와 평지의 총 9가지로 구분하여 작성하였다. 사면방향은 화소의 동서를 잇는 벡터와 남북을 연결하

는 벡터로 사면을 먼저 결정하고, 이 평면의 주향을 구하여 계산한다. 사면의 경사도와 방향은 다음 식

과 같이 Gibson et al.(1997) 방법으로 산출하였다.

591km 해상도의 관측 격자자료 생산 기술

tanθ=[(δZ/δX)2+(δZ/δY)2]1/2 (1)

tanA= (-δZ/δY)

(δZ/δX) (-π<A<π) (2)

여기서 θ는 경사도, Z는 고도, X, Y는 좌표축이다.

(4) 해양도 자료

해양도 자료는 해양으로부터의 거리와 DEM 자료를 이용하여 수치 지도화 하였다. 먼저, 해양으로

부터의 거리는 해안선에서의 최단거리를 중심으로 고도를 고려하여 각각 10km, 20km, 20km 이상의

범위로 지수화 하였다. 이를 위하여 해안선 shape 파일을 이용하여 GIS의 buffering 기법을 적용하여

GRID 파일을 작성하였다. 이와 함께 고도자료를 동시에 사용하였는데, 이는 태백산맥과 같이 바다와

내륙 사이에 높은 지형이 있을 경우 해양도의 영향이 다르기 때문이다. 즉, DEM에서 200m 해발고도

를 기준으로 산지의 영향을 받는 지역과 받지 않은 지역으로 구분하여 GRID 파일을 작성하였다. 최종

적으로 최단거리 GRID와 고도구분 GRID를 중첩 분석하여 표 1과 같이 총 6단계로 세분하였다.

2) 관측 격자 자료 생산 방법

추정하고자 하는 대상격자(target grid)가 결정되면 다음과 같은 절차를 거쳐 대상격자의 강수량 값을

추정한다. MK-PRISM은 기본적으로 대상 격자 중심에서 영향반경(30km)안에 5개 이상의 관측소가

들어올 경우에만 적용하여 강수량을 산출하고 있다. 본 연구에서 사용하는 30km의 영향반경과 최소

관측소의 수는 선행연구(홍기옥 외, 2007; 신성철 외, 2008)에 기초하고 있으며 국지기후 특성이 잘 나

타나게 조정되어 사용된 값이다. 잘 알려진 바와 같이 영향 반경의 크기가 추정 값에 영향을 줄 수 있

지만 단순히 거리가중치 하나만을 사용하는 것이 아니고, 고도, 사면방향, 해양도 등을 고려하기 때문

에 영향 반경의 영향은 민감하지 않은 것으로 보인다.

표 1. 해안으로부터의 거리와 고도에 따른 해양도 구분

구분 해안선으로부터 거리(d) 디지털 고도(h)

1 d≦10km h＜200m

2 d≦10km h≦200m

3 10km＜d＜20km h＜200m

4 10km＜d＜20km h≧200m

5 d≧20km h＜200m

6 d≧20km h≧200m

60 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

(1) 가중치 결정

대상 격자가 결정되면 그 격자를 중심으로 주어진 영향반경 안에 들어오는 관측소를 결정한다. 각

관측소의 지리정보와 대상격자의 지리정보를 이용하여 식 3과 같이 각 관측소의 가중치를 결정한다.

W=[FdW(d)2+FzW(z)2]1/2W(f )W(p) (3)

전체 가중치 W는 거리 가중치(W(d)), 고도 가중치(W(z)), 사면방향에 대한 가중치(W(f )), 해양도

가중치(W(p))를 고려하여 나타낸다. 각각의 가중치에 대한 식은 신성철 외(2008)을 참고하기 바란다.

또한 FZ와 Fd는 선행 연구에서 제시한 값을 사용하였으며, 각각 0.8과 0.2이다.

(2) 가중 회귀계수 결정

대상격자의 강수량을 추정하기 위하여 고도를 독립변수로 강수량을 종속변수로 하여 다음 식과 같

이 가중회귀계수β1과 β0를 결정한다.

x⁻ = ∑Wixi

∑Wi, y⁻ =

∑Wixi

∑Wi (4)

β∧

1 = ∑Wi(xi-x⁻ )(yi-y⁻ )

∑Wi(xi-x⁻ )2 (5)

β∧

0 = y⁻ -β1x⁻ (6)

DEM 고도(x)와 관측소의 기후변수(y)의 관계를 설명하는 가중회귀직선의 회귀계수 β0과 β1은 가중

최소제곱법으로부터 구한 식 (4)~(6)로 의해서 결정된다. 이러한 회귀계수는 대상격자와 지리 정보 특

성이 유사한 관측소가 가중치를 크게 갖기 때문에 최종적으로 결정되는 기울기는 가중치가 큰 관측소

의 영향을 더 받는 방향으로 결정되게 된다.

(3) 대상 격자점에서의 강수량 산출

고도에 대한 의존도에 해당하는 기울기가 결정되면 대상격자의 고도에 해당하는 강수량을 다음과 같

이 결정한다.

Y∧

0 = β∧

0+β∧

1X (7)

위의 과정은 한 개의 대상 격자에 대한 강수량 추정 방법을 설명한 것이다. 다른 대상 격자의 강수

량은 기본적으로 위의 과정 (1)~(3)을 독립적으로 적용하여 얻어진다.

611km 해상도의 관측 격자자료 생산 기술

위 과정에 대한 이해를 돕기 위하여 2009년 8

월 27일에 제주도의 한 지점(관측소 번호 727번)

을 대상으로 그 과정을 설명하였다. 그림 5는 제주

도에 위치한 대상 격자점(33.39N, 126.39E)을 대

상으로 가중치와 가중회귀계수가 어떻게 결정되

는지를 보여주는 한 예를 나타낸 것이다. 대상 격

자점의 고도는 422m이며, 대상 격자 주변에 있는

관측소의 수는 13개이다. 그림에서는 13개 관측소

를 원으로 표시하였다. 원의 크기는 각 관측소의

가중치를 나타낸 것이며, 원의 크기가 클수록 가

중치가 크다는 것을 의미한다. 13개 관측소에 동

일한 가중치를 주었을 경우에 나타나는 고도에 따

른 강수량의 회귀직선(파선)은 고도, 거리, 사면방

향, 해양도의 가중치를 고려하여 결정된 회귀식선

(실선)에 비해서 회귀직선의 기울기가 더 급하다.

그림 5. 고도별 강수량 관측 강수량(●)과 MK-

PRISM에 의해 추정한 강수량(X). 사례일은 2009년

8월 27일이며, 관측소 지점번호는 727번이다. 점선

은 모든 관측소에 동일한 가중치를 준 회귀선을 나타

내며, 실선은 서로 다른 가중치를 준 회귀선을 나타

낸다. 사각형 기호(■)는 대상관측소의 관측값을 나

타내며, 원의 크기는 가중치의 크기를 나타낸다. 가

중치는 표 2 참조

표 2. 2009년 8월 27일 제주지역에 있는 관측소(727)의 일강수량을 추정하기 위해 사용한 가중치 정보. 추정치는 MK-

PRISM에 의해 추정한 관측소 727의 강수량을 나타낸다.

지점

번호위도 경도 고도(m)

관측강수량

(mm/day)

가중치 추정치

(mm/day)거리Wd 고도Wz 사면Wf 해양도Wp 전체W

184 33.52 126.53 20.0 124.0 0.003 0.002 1.00 0.33 0.03 -

185 33.30 126.16 70.9 5.0 0.002 0.003 1.00 0.33 0.02 -

189 33.25 126.57 50.4 32.5 0.002 0.003 0.33 0.33 0.01 -

328 33.25 126.41 63.0 5.0 0.004 0.003 0.33 0.33 0.01 -

329 33.44 126.57 379.0 94.0 0.003 0.010 1.00 0.50 0.09 -

330 33.29 126.46 405.0 30.0 0.006 0.010 0.33 0.50 0.04 -

752 33.28 126.30 139.0 15.5 0.005 0.004 0.50 0.33 0.02 -

753 33.39 126.50 972.0 79.0 0.011 0.002 1.00 1.00 0.32 -

779 33.41 126.27 22.0 37.5 0.007 0.003 1.00 0.33 0.07 -

782 33.38 126.62 763.0 109.5 0.002 0.003 0.33 1.00 0.03 -

793 33.21 126.25 12.0 6.0 0.002 0.002 0.50 0.33 0.01 -

855 33.16 126.28 13.0 7.0 0.001 0.002 0.33 0.33 0.01 -

870 33.38 126.55 1490.0 106.0 0.005 0.000 1.00 1.00 0.14 -

871 33.37 126.52 1673.0 55.5 0.007 0.000 1.00 1.00 0.21 -

727 33.39 126.39 422.0 58.0 63.5

62 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

이것은 고도에 대한 강수량의 의존도가 더 크게 나타난다는 것을 의미한다. 대상 격자의 고도에 해

당하는 422m에서의 강수량을 추정한 결과 전자는 50.0mm를 후자는 63.5mm를 추정하고 있다. 실

제 관측값(58.0mm)과 비교해 보면, 후자의 방법이 더 정확하게 관측값을 추정한다. 전자의 기울기는

3.8mm/100m이며, 후자는 1.4mm/100m이다. 후자의 방법에서 강수량의 고도 의존도가 감소한 이유

는 표 2에서 알 수 있듯이 관측지점 번호 871번의 가중치가 크게 기여했기 때문이다. 즉 872번 관측

소는 고도가 높음에도 불구하고, 고도가 낮은 다른 관측소(예를 들면 관측지점 782번)에 비해 강수량

이 크지 않다. 그렇지만 872번 관측소는 782번 관측소에 비해 거리와 사면방향이 대상 격자점과 유사

하기 때문에 가중치가 높게 주어졌다. 따라서 실선의 기울기는 파선의 기울기보다 더 작아지면서 추

정치가 관측 값에 더 가까이 가도록 만들었다. 한편 가장 큰 가중치를 보여주는 관측지점 753번이 가

장 큰 가중치를 갖는 이유는 이 관측소가 대상 격자와 비록 고도는 다소 차이를 보이지만 거리, 사면

방향, 해양도가 유사하기 때문이다.

3) 일강수량 추정에서 고려해야 할 사항들

MK-PRISM은 기본적으로 대상 격자를 기준으로 주어진 영향 반경안에 최소 5개의 관측소를 갖고

있을 때 적용하도록 하고 있다. 물론 관측소의 수가 적어도 MK-PRISM을 적용하는 데는 문제가 되지

않지만 너무 관측소가 적을 경우에는 고도에 따른 강수량의 의존도를 평가하는데 있어서 치명적인 오

류를 범할 수 있기 때문에 이러한 최소 기준을 정한 것이다. 강수량의 경우에는 관측소가 영향 반경안

에 있다 하더라도 무강수 인 경우는 가중치를 계산하는데 사용하지 않는다. 그 이유는 무강수의 경우

는 강수량의 고도 의존도를 평가하는데 사용하기가 부적절하기 때문이다. 따라서 이러한 경우에는 영

향 반경을 증가시켜 대상격자에 가장 가까운 5개의 유 강수 관측소를 이용하여 MK-PRISM을 적용한

다.

월강수량을 추정하는데 발생하지 않았던 문제 중에서 일강수량을 추정하는데 있어서 발생한 문제점

으로는 비가 어느 지역 범위까지 온 것으로 판단해야 하는 가이다. 대개 월 강수량은 한국 전체에 걸

쳐 강수량 분포를 갖고 있다. 따라서 무강수를 보이는 관측소가 적다. 따라서 강수지역의 범위를 고민

하지 않아도 된다. 하지만 일강수량의 경우는 제한 지역에서 발생하기 때문에 강수와 무 강수의 경계를

결정하기가 매우 어렵다. 극단적인 예로써 거리에 반비례하도록 가중치를 주어 관측소 자료로부터 격자

점 강수량을 추정할 경우(Barnes, 1964) 무 강수를 보인 지역까지도 얼마간의 강수량이 있는 것으로 추

정하게 된다. 만약 1년 동안 이러한 방식으로 일강수량을 추정할 경우 연 강수량이 상당히 증가하는 결

과를 초래한다. 예를 들면, 1년에 120일 비가 온다고 가정할 경우, 비가 온 날 일강수량을 추정할 때 무

강수 지역인데도 불구하고 평균 약 1mm의 강수가 내린 것으로 추정하게 되면, 연간 120mm의 강수량

이 증가하게 된다. 따라서 무 강수와 강수지역의 경계를 결정하는 일이 중요한 것으로 나타났다. 이를

직간접적으로 알 수 있는 방법은 레이더 자료 또는 인공위성 자료를 참고하는 방법이 있으나 이러한 방

631km 해상도의 관측 격자자료 생산 기술

법은 후속연구로 계획되어 있으며, 현 연구에서는 우선 다음과 같은 간단한 방법을 사용하였다. 격자

점의 강수 유무는 가장 가까운 관측소의 강수 유무를 따른다고 가정하였다. 따라서 이론적으로 강수

와 무강수의 경계는 강수가 관측된 관측소와 강수가 관측되지 않는 관측소의 중간지점이 된다. 관측소

의 강수량 관측값 이외의 정보가 없다면 이 방법이 최선의 객관적인 방법이라고 볼 수 있다. 일단 격자

점에서 강수가 있는 것으로 판명되면 위에서 제시한 관측격자 자료 생산 방법에 따라서 강수량을 추정

하게 된다. 그림 6은 2009년 8월 1일의 강수량 관측값과 추정값의 분포를 보여준다. 일차적으로 MK-

PRISM을 적용시켜 얻은 강수량 분포(b)는 관측과 상당히 유사한 분포를 보인다. 반면 영향 반경내에

관측소의 수가 적어서 MK-PRISM을 적용시킬 수 없는 지역(충청 일부 지역)에서는 강수량을 추정하

기 않기 때문에 무 강수를 보인다. 이를 보완하기 위하여 이러한 지역에 대해서만 Barnes (1964) 방법을

그림 6. 2009년 8월 1일의 강수량(mm/day)의 공간분포. (a) 관측강수량, (b) PRISM, (c) Barnes’s 방법을 추가한 PRISM,

(d) MK-PRISM

64 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

사용하게 되면 강수량을 추정할 수는 있으나 강수량의 분포 모양이 영향 반경으로 인해 원모양으로 분

포하게 되는데(c), 이러한 분포는 매우 비 현실적인 분포이다. 따라서 이 연구에서는 유강수와 무강수의

경계 지역을 설정하는 방법을 적용하고, 영향반경을 증가시켜 5개의 관측소를 확보한 후 MK-PRISM을

적용시켰다. 그림 6에서 (d)는 MK-PRISM의 결과를 보여주는데 (b)와 (c)에서 드러난 문제점이 개선되

어 관측 분포와 유사한 분포를 보여준다.

일강수량 추정에서 고려해야 할 다른 사항으로 고도에 대한 의존도 (기울기)의 상한과 하한을 결정

하는 문제이다. 이론적으로는 대상 격자점 주변에 관측소가 고도에 따라 고르게 충분히 많아질수록

기울기의 상·하한을 결정할 필요성이 줄어들게 된다. 그러나 두 가지 이유 때문에 상한과 하한을 결

정할 필요가 있다. 첫째는 대상 격자를 기준으로 주어진 영향 반경내에 충분한 관측소가 존재한다 하

다라도 관측소가 비슷한 고도에 몰려 있을 경우에는 강수량의 고도에 대한 의존도가 잘못 결정될 가

능성이 증가하게 된다. 예를 들면, 관측소들은 낮은 고도에 대부분 위치하고 있고, 대상 격자의 고도

가 주변 관측소의 고도보다 충분히 큰 경우에는 기울기의 작은 차이가 추정 강수량을 너무 과대 추정

하거나 과소 추정하게 만들 가능성이 있다. 물론 이것을 막을 수 있는 가장 좋은 방법은 대상 격자와

관측소들 사이의 중간 고도에서 새로운 AWS 관측을 하여 보정하는 것이 가장 바람직 할 것이다. 또

다른 이유로는 고도에 따른 기울기가 음의 값을 갖는 경우이다. 월 시간 규모 이상에서는 이러한 경

우가 발생하지 않겠지만 일강수량 자료에서는 발생할 가능성이 있다. 즉, 대기내의 물리·역학적 영

향이 지형적인 영향에 반하는 방향으로 작용할 경우에 가능성이 있다. 따라서 이 연구에서는 하한은

0으로 지정하였으나 상한은 좀 더 복잡한 방식으로 결정하였다. 현 연구에서 사용하는 11년의 자료를

이용하였기 때문에 모든 격자별로 주어진 일별로 11개의 표본(매해 하루씩)이 존재하게 된다. 비가

오지 않는 날이 있으므로 11일 중에서 5일 이상이 비가 온 경우에는 PRISM을 적용하여 기울기를 계

산하고, 이를 이용하여 기울기의 평균과 표준편차를 계산한 후 기울기의 상한은 평균기울기에 표준

편차를 더한 값으로 지정하였다.

이 연구에서 개발한 MK-PRISM은 제 2절에서 설명한 모든 과정이 포함된 방법을 지칭하며, 기존

의 PRISM이나 K-PRISM과 구별하기 위해서 붙여진 명칭임을 밝힌다. 그림 7은 주어진 대상 격자에

대해서 앞서 설명한 내용에 기반하여 강수량을 추정하는 과정을 순서로도 나타낸 것이다.

3. 1km 해상도 관측 격자 자료의 생산 및 검증

제 2절에서 설명한 방법에 기초하여 2000년 1월 1일부터 2010년 12월 31일까지 1km 해상도의 관

측격자 자료를 생산하였다. 자료를 생산한 변수는 일최고기온(MAX), 일평균기온(MEAN), 일최저

기온(MIN) 그리고 일강수량(PRCP)이며, 이를 편의상 MK-PRISM으로 추정한 해상도 1km 라는 의

미로 PR1K-V1로 명명하기로 한다. 여기서 V1은 버전 1을 의미한다. 최근 11년간에 대한 기후평균

651km 해상도의 관측 격자자료 생산 기술

을 계산해 본 결과 PR1K의 일평균기온은 관측 일평균에 비해 1.0℃ 낮은 것으로 나타났으며, 강수

량의 경우는 연간 약 172.2mm/year가 증가한 것으로 나타났다. 이것은 PR1K가 관측소에 비해 고도

가 상대적으로 높은 격자가 많기 때문에 지형효과에 의해 기온은 낮아지고, 강수는 증가한 것으로 해

석된다. 이 연구에서는 MK-PRISM의 검증방법은 두 가지로 제시하고자 한다. 첫 번째 방법은 MK-

PRISM 방법 자체를 검증하는 것이며, 다른 하나는 PR-PRISM에 의해 생산된 자료를 검증하는 자료

검증이다. 첫 번째 방법은 주어진 관측값이 결측이라고 가정하고, 이를 MK-PRISM을 이용하여 추정

한 후 이를 관측값과 비교하는 방식으로 이루어졌다(Jack_knife 검증). 이러한 과정을 11년간의 모든

관측소에 대해 적용하여 검증하였다(표 3). MAX, MEAN, MIN, PRCP에 대한 Bias는 월에 따라 다

르며 각각 0.06~0.09℃, 0.08~0.12℃, 0.08~0.12℃, 0.01~3.70mm/day로 나타났으며, RMSE는 각

각 1.24~1.91℃, 1.13~1.99℃, 1.37~2.36℃, 14.34~102.40mm/day 로 나타났다.

MK-PRISM을 사용하여 실제로 격자점의 자료를 생산할 때에는 가장 가까운 관측소가 중요한 역

할을 할 가능성이 많으며, 실제로 격자점 값을 추정할 때에는 영향 반경내의 모든 관측 자료를 사

그림 7. 일강수량을 추정하는 MK-PRISM 순서도

66 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

표 4 . MK-PRISM에 의해 산출한 월 자료에 대한 검증결과. MAX, MEAN, MIN, PRCP는 각각 일최고기온, 일평균기온, 일

최저기온, 강수량을 나타낸다.

Max MEAN MIN PRCP

Bias(℃) RMSE(℃) Bias(℃) RMSE(℃) Bias(℃) RMSE(℃) Bias(mm) RMSE(mm)

Jan 0.06 0.67 -0.02 0.54 -0.06 0.53 0.50 7.22

Feb 0.05 0.68 0.01 0.56 -0.06 0.52 0.42 7.50

Mar 0.06 0.69 0.04 0.57 -0.01 0.49 0.87 17.73

Apr 0.08 0.68 0.05 0.54 0.04 0.46 0.83 14.71

Mar 0.14 1.77 0.06 0.53 0.07 1.00 1.33 22.73

Jun 0.09 0.67 0.07 0.54 0.05 0.46 0.70 25.60

Jul 0.12 1.22 0.08 0.56 0.09 1.05 1.28 45.76

Aug 0.09 0.69 0.07 0.56 0.05 0.49 1.89 47.79

Sep 0.08 0.67 0.06 0.54 0.04 0.48 1.60 29.16

Oct 0.07 0.65 0.05 0.49 0.03 0.48 0.40 11.15

Nov 0.06 0.65 0.05 0.51 0.01 0.49 0.36 8.26

Dec 0.07 0.68 0.01 0.54 -0.05 0.53 0.45 7.39

AVE. 0.08 0.81 0.04 0.54 0.02 0.58 0.89 20.42

표 3. MK-PRISM 방법에 대한 월 자료 검증 결과. MAX, MEAN, MIN, PRCP는 각각 일최고기온, 일평균기온, 일최저기온,

강수량을 나타낸다.

Max MEAN MIN PRCP

Bias(℃) RMSE(℃) Bias(℃) RMSE(℃) Bias(℃) RMSE(℃) Bias(mm) RMSE(mm)

Jan 0.09 1.91 0.12 1.99 0.14 2.34 0.05 14.34

Feb 0.08 1.67 0.10 1.85 0.13 2.24 0.69 15.99

Mar 0.09 1.49 0.09 1.56 0.13 1.95 0.48 20.91

Apr 0.06 1.24 0.10 1.19 0.13 1.70 1.85 44.65

Mar 0.07 1.29 0.09 1.13 0.11 1.55 1.54 44.56

Jun 0.06 1.32 0.08 1.14 0.10 1.49 1.99 54.84

Jul 0.07 1.35 0.08 1.21 0.08 1.37 3.70 94.83

Aug 0.08 1.48 0.09 1.43 0.10 1.65 3.25 102.40

Sep 0.09 1.47 0.11 1.53 0.13 1.83 0.01 56.94

Oct 0.07 1.60 0.10 1.85 0.12 2.11 0.67 21.79

Nov 0.07 1.61 0.10 1.89 0.14 2.36 0.29 17.19

Dec 0.08 1.79 0.12 1.98 0.14 2.27 0.39 14.40

AVE. 0.07 1.52 0.10 1.56 0.12 1.90 1.24 41.90

671km 해상도의 관측 격자자료 생산 기술

용하여 추정한다. 따라서 두 번째 검증 방법인 격자점 값을 검증한 결과는 매우 중요하다. 즉, 검증

에서 한 가지 주의해야 할 사항은 실제 추정에서는 검증할 때 결측으로 고려했던 관측소의 값을 포

함한 모든 관측값을 활용하기 때문에 검증에서 보여준 결과보다 실제 추정치는 더 정확하다는 점

을 정확히 이해할 필요가 있다. 따라서 두 번째 검증 방법은 1km 해상도로 생산된 격자 자료와 관

측소의 값을 비교·검증하는 방법이다. 격자점 검증에서는 MAX, MEAN, MIN, PRCP에 대한 Bias

가 각각 0.05~0.12℃, -0.02~0.08℃, -0.06~0.09℃, 0.36~1.89mm로 나타났으며, RMSE는 각각

0.65~1.77℃, 0.49~0.57℃, 0.46~1.00℃, 7.22~47.79mm/day로 나타났다 (표 4). 따라서 생산된 자

료의 산출수준은 Jack_knife 검증과 격자점 검증의 사이라고 볼 수 있다.

현 연구에서 개발한 MK-PRISM에 의해 산출된 PR1K-V1은 버전 1인 최초의 자료이기 때문에 향후

많은 개선의 여지를 남겨두고 있다. 따라서 이 논문은 MK-PRISM 방법에 대한 이해에 중점을 두기

를 바라며, 자료의 정확도는 향후 지속적으로 개선될 여지가 많으며, 지속적으로 개선중임을 밝힌다.

4. 결론

본 연구에서는 약 12km 해상도의 관측 자료를 사용하여 1km 해상도의 관측 격자 자료를 생산할

수 있는 MK-PRISM을 개발하였다. 이 방법은 미국 오리건 주립대학에서 개발한 PRISM과 국내에 적

용하여 얻은 K-PRISM을 기반으로 1km 해상도의 고도, 거리, 사면방향, 해양도 지리정보를 이용하

여 일별 격자값을 추정할 수 있도록 수정된 모델이다. 이 연구에서는 개발된 MK-PRISM을 사용하여

2000년 1월 1일부터 2010년 12월 31일까지의 고해상도의 격자형(1km 해상도) 자료를 생산하였으며,

추정오차를 제시하였다. 생산된 자료는 2012년 초에 기상청 웹을 통해 공개될 예정이며, 기후변화

의 영향, 적응, 취약성 평가에 활용할 수 있을 것으로 판단된다. 현 추정 방법은 레이더 자료를 포함

한 보다 많은 자료의 활용을 통하여 지속적으로 개선하기 위하여 연구개발이 진행 중 이다. 또한 이

연구에서 생산한 PR1K-V1 자료는 지역기후모델의 적분자료와 더불어 1km 해상도의 기후변화 시나

리오 자료를 생산하는데 활용될 예정이다. 특히 최근에는 IPCC(Intergovernmental Panel on Climate

Change) AR5(Fifth Assessment Report)에 적합한 RCP 시나리오에 기반하여 전구 및 지역기후모델링

이 상당부분 완성도 높게 진행되면서 이러한 자료를 최대한 활용하여 1km 분해능의 기후변화 시나

리오를 생산할 예정이다.

사사

본 연구는 기상청 기후과학연구관리단(RACS 2010-2015)의 지원으로 수행되었습니다.

68 김맹기·한명수·장동호·백승균·이우섭·김연희·김성

참고문헌

국립기상연구소, 2011, 기후변화 시나리오 보고서 2011, 117pp.

신성철·김맹기·서명석·나득균·장동호·김찬수·이우섭·김연희, 2008, GIS와 PRISM을 이용한 고해상도 격

자형 강수량자료 추정, 대기, 18(1), 71-81.

홍기옥·서명석·나득균·장동호·김찬수·김맹기, 2007, GIS와 PRISM을 이용한 고해상도 격자형 기온자료

추정, 대기, 17(3), 255-268.

Barnes, S. L., 1964, A technique for maximizing details in numerical weather map analysis. Journal of Applied

Meteorology, 3, 396-409.

Daly, C., Gibson, W. P., Taylor, G. H., Johnson G. L., and Pasteris, P. P., 2002, A knowledge-based approach to

the statistical mapping of climate, Climate Research, 22, 99-113.

Daly, C., Halbleib, M., Smith, J. I., Gibson, W. P., Doggett, M. K., Taylor, G. H., Curtis, J., and Pasteris, P. P.,

2008, Physiographically sensitive mapping of climatological temperature and precipitation across the

conterminous United States, International Journal of Climatology, 28, 2031-2064.

Daly, C., Hannaway, D., and Taylor, G., 2000, Development of new climate and plant adaptation maps for

China, p. J62-J65. In Proc. 12th AMS Conf. on Appl. Clim., Asheville, NC. 8-11 May 2000, Am.

Meteorol. Soc., Boston, MA.

Daly, C., Helmer, E. H., and Maya, Q., 2003, Mapping the Climate of Puerto Rico, Vieques and Culebra,

International Journal of Climatology, 23, 1359-1381.

Daly, C., Neilson, R. P., and Phillips, D. L., 1994, A statistical-Topographic Model for Mapping Climatological

Precipitation over Mountainous Terrain, Journal of Applied Meteorology and Climatology, 33, 140-158.

Daly, C., Taylor, G. H., Gibson, W. P., Parzybok, T. W., Johnson, G. L., and Pasteris, P. P., 2001, High-quality

spatial climate data sets for the United States and beyond, Trans. American Society of Agricultural and

Biological Engineers, 43, 1957-1962.

Gibson, W. P., Daly, C., and Taylor, G. H., 1997, Derivation of facet grids for use with the PRISM model, In:

Proc., 10th AMS Conference on Applied Climatology, American Meteorological Society, Reno, Nevada,

Oct. 20-24, 2 pp.iety, Reno, Nevada, Oct. 20-24, 2pp.

Kittel, T. G. F., Royle, J. A., Daly, C., Rosenbloom, N. A., Gibson, W. P., Fisher, H. H., Schimel, D. S., Berliner,

L. M., and VEMAP participants, 1997, A Gridded Historical (1895-1993) Bioclimate Dataset for the

Conterminous United States, Proceedings of the 10th Conference on Applied Climatology, American

Meteorological Society, Boston, Massachusetts, 219-222.

Matthew, D., Daly, C., Smith, J., Gibson, W., Taylor, G., Johnson, G., and Pasteris, P., 2004, High resolution

1971-2000 mean monthly temperature maps for the western United States. Proc., 14th AMS Conf. on

Applied Climatology, American Meteorological Society, Seattle, WA, January 13-16.