바로가기 메뉴
본문 바로가기
ENGLISH

글자크기


" 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.

전지구 한파 전망
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.

46년의 측정기간을 3개의 기간 분류
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
전국 최저기온 확률밀도 대도시 최저기온 확률밀도 중소도시 최저기온 확률밀도

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
전국 최저기온 변동량의 확률밀도 대도시 최저기온 변동량의 확률밀도 중소도시 최저기온 변동량의 확률밀도

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.






관련기관 바로가기 링크

기상청 홈페이지 새 창 열림
기상청 날씨누리 새 창 열림
기상청 날씨마루 새 창 열림
기상청 기상자료개방포털 새 창 열림
기상자원지도 홈페이지 새 창 열림
국립기상과학원 ARGO홈페이지 새 창 열림
/CA//OP/AD/issue01_7.jsp, 99