• 1. 겨울철 한파
• 2. 한파와 건강
• 3. 한파와 기후

• 1-1. 종관 원인과 진단
• 1-2. 북극해빙과 한파
• 1-3. 북극진동과 한파
• 1-4. 엘리뇨와 한파
• 1-5. 유라시아 적설과 한파

" 우리나라의 최근 46년간 일 최저기온 변동 추이 "

1. 서론

IPCC 제5차 평가 보고서에 따르면 전 지구적으로 기온이 상승하고, 이에 따라 추운 날의 발생빈도는 Fig. 1에 나타난 것과 같이 점차 감소하고 있다. Fig.1은 IPCC 제5차 평가보고서 Working Group I의 물리적 과학적 근거에 게재된 추운 날 발생 빈도의 전망을 나타낸 것이다. 이 그림의 세로축에 표시된 백분율은 1961년부터 1990년까지 기간의 일 최고기온 확률분포에서 하위 10 %에 해당하는 온도를 TX10p라고 하였을 때, 각 연도별로 일 최고기온이 TX10p 이하인 날의 빈도를 그 해의 전체 날짜(365 또는 366일)에 대한 백분율로 표시한 것이다. Fig.1을 살펴보면 2005년을 기준으로 과거 기간 동안의 연도별 추운 날의 비율은 감소하고 있으며, 온실기체의 대표 농도 시나리오별 미래 전망에서도 추운 날의 비율이 감소하고 있다.

이 고찰에서는 Fig.1이 가리키는 전지구의 추운 날의 전망에 대하여, 국지적인 우리나라의 과거 추운 날의 경향은 어떤 특성을 가지고 있었는지 조사하였다. 이를 위하여 기상청의 지상관측 자료 중에서 일 최저기온과 최저기온의 일 변동 특성을 살펴보았다. 이때 사람들의 일상생활이 기온 그 자체와 함께 기온의 변동율의 영향을 크게 받는 점을 고려하였다.

Fig 1. Global projections of the occurrence of cold days(TX10p).
(From IPCC WG1AR5-Chapter11)

2. 자료와 방법

이 고찰에 사용된 자료는 기상청의 지상관측 기간이 30년 이상인 관측 지점 중 Table 1에 나타난 47개 지점의 일 최저기온이다. 분석된 자료의 기간은 1973년 1월 1일 부터 2018년 12월 31일까지 46년간이다. Table 1에서 굵은 표시를 한 지점은 인구가 300만 명 이상인 대도시를 가리킨다. 여기서 LAT와 LON은 각 지점의 위도와 경도를 십진수 단위로 각각 나타낸 것이다.

Table 1. Surface observation stations for daily minimum temperature.

최저 기온자료

STN_ID	STN_NAME	LAT	LON	STN_ID	STN_NAME	LAT	LON
90	Sokcho	38.250	128.564	201	Ganghwa	37.707	126.446
101	Chuncheon	37.902	127.735	211	Inje	38.059	128.167
105	Gangneung	37.751	128.890	212	Hongcheon	37.683	127.880
108	Seoul	37.571	126.965	221	Jecheon	37.159	128.194
112	Incheon	37.477	126.624	226	Boeun	36.487	127.734
114	Wonju	37.337	127.946	232	Cheonan	36.779	127.121
119	Suwon	37.272	126.985	235	Boryeong	36.327	126.557
129	Seosan	36.776	126.493	236	Buyeo	36.272	126.920
130	Uljin	36.991	129.412	238	Geumsan	36.102	127.481
131	Cheongju	36.639	127.440	243	Buan	35.729	126.716
135	Chupungnyeong	36.220	127.994	245	Jeongeup	35.563	126.866
138	Pohang	36.032	129.380	260	Jangheung	34.688	126.919
143	Daegu	35.828	128.652	261	Haenam	34.553	126.569
146	Jeonju	35.821	127.154	262	Goheung	34.618	127.275
152	Ulsan	35.582	129.334	272	Yeongju	36.871	128.516
156	Gwangju	35.172	126.891	273	Mungyeong	36.627	128.148
159	Busan	35.104	129.032	277	Yeongdeok	36.533	129.409
165	Mokpo	34.816	126.381	278	Uiseong	36.356	128.688
168	Yeosu	34.739	127.740	279	Gumi	36.130	128.320
170	Wando	34.395	126.701	281	Yeongcheon	35.977	128.951
184	Jeju	33.514	126.529	284	Geochang	35.671	127.911
189	Seogwipo	33.246	126.565	285	Hapcheon	35.565	128.169
				288	Miryang	35.491	128.744
				289	Sancheong	35.412	127.879
				295	Namhae	34.816	127.926

과거 46년간 우리나라에서 최저기온과 최저기온의 일 변동량이 어떻게 변화하였는지 고찰하기 위하여 Fig.2에 나타낸 것과 같이 3개의 기간으로 분류하였다. 그 기간 들은 1973년 1월 1일부터 1987년 12월 31일까지 15년간의 초기 15년, 2004년 1월 1일부터 2018년 12월 31일까지 15년간의 최근 15년, 1973년 1월 1일부터 2018년 12월 31일까지 46년간의 전체 기간 등이다.

위의 기간별 비교에서 나타난 변화가 자연적인 경향인지 도시화의 영향인지 살펴보기 위하여 Table 1에서 굵게 표시된 대도시와 지점번호 200번 대인 중소도시의 최저기온과 그것의 일 변동량을 살펴보았다.

Fig 2. Analysis periods for minimum temperature trends

위에서 분류된 각 대상들에 대한 최저기온과 그것의 일 변동량 비교를 위하여 확률분포 함수를 산출하였다. 확률밀도 함수 양쪽의 극한구역인 1%, 5%, 95%, 99% 등에 해당되는 온도를 비교함으로 최저기온과 그 일변동 특성을 분석하였다.

이때 확률분포 함수는 미국의 국립기상연구소인 NCAR에서 개발한 그래픽 소프트웨어인 NCL의 pdfx 함수를 사용하여 산출하였으며, 빈도계산 구간의 크기는 0.5℃로 고정하였다. 일 최저기온과 그것의 일 변동량에 대한 각 백분위 수에 해당하는 기온은 NCL의 stat_dispersion 함수를 사용하여 산출하였다.

3. 결과

일 최저기온과 그것의 일 변동량에 대한 확률 밀도함수를 Fig. 3과 Fig. 4에 각각 나타내었다. Fig.3과 Fig.4에서 청색은 전체 기간에 대한 확률밀도 함수이고, 적색과 녹색은 각각 초기 15년과 최근 15년의 확률밀도 함수를 각각 나타낸다. Fig. 3에서 일 최저기온의 확률밀도 함수는 두 개의 극대값을 보이고 있다. Seo et. al.(2014)⁵⁾는 이 두 개의 극대값은 계절 요인이 반영된 결과로 해석하였다. 즉, 20℃ 근처의 극대값에는 여름의 최저기온 빈도가 반영되었으며, 0℃ 근처의 극대값에는 겨울의 최저기온 빈도가 반영된 것으로 분석하였다
* 5) Seo et. al.(2014): November 2014, APJAS, Volume 50, Supplement 1, 609-624.

도시 규모에 따른 최저기온 확률밀도 함수의 차이를 살펴보면, 20℃의 최저기온 발생 확률이 대도시에서 2.0% 정도이고, 중소 도시는 1.7% 정도로서 대도시가 중소도시 보다 크게 나타났다. 반면에 대도시는 0℃의 최저기온 발생 확률이 1.7% 정도이고, 중소도시는 영하 2.0℃에서 1.9% 정도로서 대도시 보다 낮은 온도에서 높은 확률로 나타났다. 이 결과는 대도시의 열섬효과에서 비롯된 것으로 분석된다.

초기 15년과 최근 15년 사이의 최저기온 확률밀도 함수를 살펴보면, Fig.3에서 최저기온의 확률밀도 함수는 대도시와 중소도시 모두 최근 15년의 확률밀도 함수가 초기 15년의 확률밀도 함수 보다 고온에 분포하였다. 이것은 Fig.1에서 볼 수 있는 전 지구적인 기온 상승이 반영된 것으로 분석된다.

(a) national wide　　　　　　　　　　　　　　　　　(b) big cities　　　　　　　　　　　　　　　　　　(c) small city stations


Fig 3.Probability distribution functions of daily minimum temperature over three periods in Fig.2
for (a) national wide, (b) big cities, and (c) small city stations.

위의 경향은 Table 2에 기술된 백분위수의 분포에도 나타났다. Table 2의 모든 백분위수의 경우에 최저기온이 상승하고 있다. 그렇지만, 그 상승 정도는 온도에 따라 그리고 도시 규모에 따라 차이가 나타났다. 즉, 저온 극한 부분인 1%와 5% 백분위 온도의 상승이 고온 극한 부분인 95%와 99% 백분위 온도 상승보다 크게 나타났으며, 대도시의 백분위 온도 상승이 중소도시 보다 크게 나타났다. 대도시와 중소도시의 백분위 온도 상승의 차이는 도시화의 효과로 분석된다.

Table 2. Dispersions of minimum temperature

도시규모별 최저기온 분포표

%ile	National			Big City				Small City
	ALL	first-15	last-15	ALL	first-15	last-15	diff.	ALL	first-15	last-15	diff.
1%	-13.6	-14.9	-13.3	-10.3	-11.4	-10.0	+1.4	-14.5	-15.6	-14.2	+1.4
5%	-8.3	-9.2	-8.0	-6.0	-7.2	-5.8	+1.4	-9.2	-10.0	-9.0	+1.0
95%	23.2	22.9	23.7	24.0	23.6	24.5	+0.9	22.6	22.4	23.2	+0.8
99%	25.3	24.8	25.8	25.9	25.3	26.4	+1.1	24.6	24.3	25.0	+0.7

Fig.4의 일 최저기온 변동량의 확률밀도 함수에서 최저기온의 하강(음)과 상승 구역(양)의 확률밀도가 대칭적으로 나타나고 있었다. 이 그림에서 최근 15년간의 일 최저기온 변동량이 0℃일 확률이 초기 15년 기간 보다 증가했음을 볼 수 있다. 그 증가량은 대도시 지역이 중소도시 보다 크게 나타났다. 반면에 Table 3에서 보인 바와 같이 최저기온의 극한적인 변동확률은 초기 15년보다 최근 15년이 감소하였으며, 대도시가 중소도시 보다 감소폭이 더 컸다.

(a) national wide　　　　　　　　　　　　　　　　　(b) big cities　　　　　　　　　　　　　　　　　　(c) small city stations


Fig 4.Probability distribution functions of daily minimum temperature variation over three periods in Fig.2
for (a) national wide, (b) big cities, and (c) small city stations.


Table 3. Dispersions of minimum temperature variation

최저기온의 변동 분포표

%ile	National			Big City				Small City
	ALL	first-15	last-15	ALL	first-15	last-15	diff.	ALL	first-15	last-15	diff.
1%	-6.5	-6.6	-6.5	-6.2	-6.2	-6.3	-0.1	-6.7	-6.8	-6.7	+0.1
5%	-4.2	-4.3	-4.2	-3.7	-3.8	-3.7	+0.1	-4.5	-4.5	-4.4	+0.1
95%	4.8	4.9	4.7	4.1	4.3	4.0	-0.3	5.1	5.2	5.0	-0.2
99%	7.7	7.6	7.6	6.5	6.6	6.4	-0.2	8.1	8.1	8.1	0.0

4. 결론

초기 15년과 최근 15년간의 일 최저기온과 그것의 일변동에 대한 확률분포함수를 분석한 결과, 우리나라의 일 최저기온은 과거 46년간 상승하였으나, 일 최저기온의 변동폭은 감소하였음을 알 수 있었다. 극한구역에서 최저기온 상승의 정도는 대도시 지역이 중소도시 지역보다 더 크게 나타났으며, 일 최저기온 변동량 감소 정도 역시 대도시가 중소도시 보다 크게 나타났다. 대도시와 중소도시 사이의 차이는 열섬 효과와 도시화의 효과에서 비롯된 것으로 분석되었다.