최근 우리나라에서 빈번하게 발생되는 가뭄으로 인하여 많은 피해가 발생하고 있으며, 이에 대한 사전대응의 필요성이 커지고 있다. 가뭄에 대한 효과적인 사전대응을 위해서는 신뢰성 있는 가뭄 예측 정보가 필수적이다. 본 연구에서는 수문학적 가뭄에 대한 확률론적 예측을 수행하기 위하여 가뭄의 전이현상을 베이지안 네트워크 모형에 반영하였다. 가뭄의 전이현상을 고려한 베이지안 네트워크 기반의 가뭄 예측 모형(PBNDF)은 과거, 현재, 미래에 대한 다중 모형 앙상블 예측결과와 가뭄전이 관계를 결합하여 새로운 수문학적 가뭄 예측 결과를 생산하도록 구축되었다. 본 연구에서 PBNDF 모형은 파머수문학적 가뭄지수를 활용하여 낙동강 유역의 10개 지점을 대상으로 가뭄을 확률적으로 예측하는데 적용되었다. PBNDF 모형의 ROC 분석 결과 ROC 점수가 0.5 이상의 유의한 결과를 나타내 실제 예측 모형으로 활용가능하다는 것을 확인할 수 있었다. 또한, 기존에 개발된 모형(지속성 예측, 베이지안 네트워크 예측 모형)과 평균제곱오차의 제곱근(RMSE), 기술 점수(SS)를 활용하여 비교를 수행하였으며, 그 결과 PBNDF 모형의 RMSE는 상대적으로 낮은 값을 가지며, SS는 약 0.1~0.15 정도 높은 것으로 나타나 예측성능이 향상되었다는 것을 확인할 수 있었다.

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공 간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용 하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관 측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.

본 연구에서는 표준강수지수(SPI)를 이용하여 우리나라의 과거 가뭄사상을 규모적 관점에서 정량적 평가를 실시하였다. 이를 위하여, 5대강 권역에 대한 가뭄사상의 지속기간, 규모, 평균심도를 연속이론을 바탕으로 산정하였다. 또한 과거 가뭄사상의 재현기간을 추정하고 가뭄 평균심도-지속기간-빈도 곡선을 작성하기 위하여 가뭄빈도분석을 실시하였다. 분석결과, 우리나라에 발생했던 심한 가뭄의 재현기간은 대부분 30∼50년으로 분석되었으며, 가뭄규모로 평가할 때 가장 가뭄이 심했던 해는 1988년과 1994년으로 나타났다. 특히, 1994년과 1995년에서는 2년 연속 가뭄이 발생하여 가장 극심했던 장기가뭄으로 분석되었다. 또한 2014년의 가뭄은 한강 권역을 중심으로 발생하였으며 가뭄의 규모와 평균심도 면에서 볼 때 우리나라 역사상 가장 극심했던 가뭄으로 평가되었다.

장기간의 가뭄에 의한 피해를 최소화하기 위해서는 유역에 적합한 가뭄관리 대책의 수립과 함께 미래에 발생하게 될 가뭄을 미리 예측할 수 있는 기술이 구축되어야 한다. 또한 미래의 가뭄에 대한 합리적 대응 방안을 수립하기 위해서는 가뭄의 지속기간(duration)과 심도(severity)의 정량적인 예측이 선행되어야 한다. 본 연구에서는 수문 시계열의 예측에 가장 많이 이용되고 있는 대표적인 통계학적 기법인 인공신경망 모형(Artificial Neural Network Model)과 가뭄지수를 이용하여 남한지역의 서울, 대전, 대구, 광주 등의 4개 기상관측소를 선정하여 가뭄예측을 시도하였다. 가뭄 예측을 위하여 남한지역 내 선정한 기상관측소의 관측된 과거 강수량 자료를 이용하여 산정된 SPI (Standardized Precipitation Index)를 입력변수로 하여 다층 퍼셉트론(Multi Layer Perceptron) 인공신경망 모델에 적용하였으며, 매개변수 보정을 위한 학습기간으로 1976∼2000년과 2001∼2010년을 예측을 위한 검증기간으로 선정하여, 학습 및 예측을 시도하였다. 학습된 최적의 예측모형을 이용하여 서로 다른 선행예보시간(1∼6개월)을 갖고 SPI (3), SPI (6), SPI (12)별로 가뭄을 예측하였으며, 가뭄예측 결과, SPI (3)의 경우에는 1개월 선행예보에서만 좋은 결과를 나타내었으며, SPI (6)의 경우 1-3개월 후의 가뭄을 예측하는 경우에 비교적 관측자료와 잘 일치하는 결과를 나타내었다. SPI (12)의 경우에는 약 5개월 후까지의 가뭄예측에 양호한 결과를 나타내었다.

한반도를 포함한 동아시아 지역은 여름철에 수문기상학적 극치사상에 취약한 지역이다. 따라서 본 연구에서는 대표적인 동아시아 지역의 대기순환 패턴인 Pacific-Japan (PJ) 패턴을 중심으로 북서태평양 지역의 태풍 활동 특성을 분석하였다. 특히, 한반도에 영향을 미치는 태풍을 중심으로 낙동강 유역의 태풍에 의해 유발된 여름철(June-September) 강수의 지역적 특성 변화를 진단하였다. 분석 결과, 양(+)의 PJ 기간에 발생하는 대기순환패턴의 변화는 태풍의 활동에 보다 유리한 작용을 하는 것으로 나타났다. 한반도에 영향을 미치는 태풍에 대한 진로 분석 결과, 양(+) PJ 기간동안 태풍이 주로 남서쪽으로 향하는 경향이 있으며, 음(-)의 PJ 기간에는 북동쪽으로 향하는 경향이 있는 것으로 나타났다. 태풍 진로의 전향점(recurving location)은 양(+)의 PJ 기간에는 보다 북서쪽에 위치하며, 음(-)의 PJ 기간에는 보다 북동쪽에 치우쳐 있음이 분석되었다. 따라서, 음(-)의 PJ기간 보다 양(+)의 PJ 기간에 태풍의 활동이 활발하며, 낙동강유역에서 태풍에 의한 강수가 통계적으로 유의한 증가패턴이 뚜렷하게 발생하고 있는 것으로 확인되었다.

본 연구에서는 서로 다른 ENSO (El Niño Southern Oscillation) 형태에 따른 한강유역의 연최대홍수량과 저유량의 정량적 변화 및 발생시점의 변화를 분석하였다. 경향성 분석결과, 연최대유출의 경우 한강 전체 유역면적의 48.3%가 통계적으로 유의한 증가패턴을 보였으며, 연최대 유출의 발생시기는 한강 서부유역에서 늦어지고, 동부유역에서는 빨라지는 경향이 있음을 확인하였다. 또한 7일 저유량의 경우, 24개 중권역중 6개 유역(전체 면적의 26.0%)에서 통계적으로 유의한 감소경향을 보였으며, 저유량의 발생시기는 한강중상류 유역에서 빨라지는 경향이 있음을 확인하였다. CT(Cold tongue)/WP(Warm-pool) El Niño 시기에 연최대유출의 발생시점의 차이는 크지 않으나, CT El Niño 시기에는 전체유역의 89.0%에서 연최대유출량이 평년보다 작게 나타났다. 또한, 7일 저유량의 발생시점은 WP El Niño 시기에 평균적으로 약 17일 정도 빠르며, CT El Niño (WP El Niño)시기에는 전체 유역의 72.7% (20.0%)에서 통계적으로 유의한 증가(감소)패턴을 보이는 것으로 분석되었다. 본 연구는 서로 다른 형태의 CT/WP El Niño가 한강 유역 수자원의 양과 발생시점의 변화에 민감하게 영향을 미치고 있음을 확인하였으며, 향후 다양한 형태의 ENSO에 따른 수문변량의 변화에 대한 진단연구를 통하여 장기적인 수자원관리 및 예측을 위한 기초 자료로 활용이 가능하리라 사료된다.