Press release

2021. 01. 27 (수) 부터 보도해 주시기 바랍니다.

인공위성 기반 가뭄 통합 모니터링 기술 개발

UNIST 임정호 교수팀, 복잡한 가뭄 유형 대변하는 가뭄 통합 지수 계산법 개발
사용자 관심 가뭄 유형별 타깃 모니터링도 가능 ..Remote Sens. Environ 논문 게재

가뭄의 복잡한 특성을 하나의 통합 지표로 나타낼 수 있는 위성 기반 가뭄 모니터링 기법이 개발됐다. 이렇게 계산된 통합 지수는 정확도가 높고 시·공간적 제약이 적어 새로운 가뭄 모니터링 기법으로 주목을 받고 있다.

가뭄은 호우 같은 재해와 달리 하나의 지표로 정의하기 어려운 재해이다. 가뭄을 지속기간, 피해규모 등에 따라 몇 가지 유형으로 나누고, 가뭄에 영향을 주는 강수량 같은 인자(변수)들을 조합해 ‘가뭄지수’ 형태로 관리하는 이유다. 기존 가뭄지수들은 특정 유형의 가뭄만을 대표하는 성향이 커 실제 가뭄 피해 상황을 종합적으로 파악하기 위해서는 여러 가뭄 유형의 특성이 동시에 반영된 새로운 지수 개발이 필요하다.

*가뭄의 대표적 유형: 기상학적 가뭄, 농업적 가뭄, 수문학적 가뭄, 사회경제적 가뭄 등으로 분류

 

[연구그림] 기존 관측소 기반 가뭄지수 및 VPA를 통해 계산된 가뭄지수의 공간 분포 비교

UNIST 도시환경공학과 임정호 교수 연구팀은 특정 유형의 가뭄만을 대표하는 각 가뭄지수를 통합해 정확도 높은 새 가뭄지수를 생산하는 기법(VPA; Vector Projection Analysis)을 개발했다. 다양한 가뭄 지수에 영향을 미치는 위성 관측 변수들을 재조합하는 방식이다. 여러 가뭄지수를 동시에 잘 설명하는 위성 관측 변수일수록 새로운 지수에 더 많이 반영되도록 설계돼 정확도가 높다. 또 사용자 설정 정보를 기반으로 자료 조합을 유연하게 바꿔 특정 유형 가뭄(장기, 단기 등)에 대한 모니터링도 동시에 가능하다.

연구진이 개발한 통합 가뭄지수(VPID)와 미국 지역 관측소 측정값(강수량 등) 기반의 3가지 가뭄지수 간 가뭄의 시·공간적 분포 정확도를 비교한 결과 통합 가뭄 모니터링 지수의 가뭄 분포 정확도가 더 높았다. 지수 간 정확도 비교를 위해서 미국 USDM이 제공하는 가뭄 분포도를 표준(reference)으로 사용했다.

*VPID: Vector Projection Index of Drought

 

또 해당 가뭄지수 모니터링 기법을 동아시아에도 적용한 결과 동아시아의 대표적 가뭄 피해 사례도 잘 설명했다.

[연구그림] 입력 변수(인공위성 관측 값)가 3개일 때의 VPA 개념도

공동 제1저자인 손보경 UNIST 도시환경경공학과 석·박사통합 과정 연구원은 “개발된 기술은 기존 관측소 기반 가뭄지수인 종속변수와 위성 기반 가뭄 인자인 독립변수간 상관성을 이용해 새로운 지수를 생산하는 방식”이라며, “가뭄뿐만 아니라 여러 종속 변수의 특성을 하나의 지표(지수)로 표현 할 필요가 있는 다양한 분야에 쓰일 수 있을 것”이라고 설명했다.

임정호 교수는 “사용자가 보고자하는 가뭄 정보별로 본 기술을 유연하게 적용할 수 있다”며 “오랜 시간동안 고정된 가뭄지수를 사용함으로써 야기되는 기존 모니터링 방식의 문제를 효과적으로 해결할 수 있을 것”이라고 기대했다.

이번 연구는 원격탐사분야 최고 학술지인 리모트 센싱 오브 인바이론먼트 (Remote Sensing of Environment) 1월호에 출판됐다. 연구 수행은 기상청과 한국기상산업기술원, 한국연구재단, 과학기술정보통신부, 행정안전부의 지원으로 이뤄졌다.

논문명: A new drought monitoring approach: Vector Projection Analysis

자료문의

대외협력팀: 김학찬 팀장, 양윤정 팀원 (052) 217 1228

도시환경공학과: 임정호 교수팀 (052) 217 2824

 

[붙임] 연구결과 개요

1. 연구배경

가뭄은 다른 자연 재난에 비해 그 정의와 특성이 매우 복잡한 재난 중 하나이다. 기존 가뭄 모니터링 연구 및 지수들은 주로 가뭄의 한 특성을 대변하는 데 초점을 두고 있다. 기존 위성 기반 가뭄 모니터링 방식은 관측소 기반의 가뭄지수 하나를 종속 변수로 설정하여 각 위성 기반 입력 변수의 최적 가중치를 경험적으로 찾아 선형 조합 형태로 계산하거나 다중 회귀분석을 하는 등의 통계 모델을 구축해왔다. 또는 여러 인공지능 기법을 이용해 새 가뭄지수를 제안해오고 있다.

이러한 기존 방식은 앞서 언급했듯 가뭄의 복잡한 특성을 대변하는 데 시공간적 한계점이 크게 존재하고, 방식에 따라 구축된 모델을 해석하는 데 어려움이 존재한다. 그렇기에 실제 가뭄 현상을 대변하고 이해하기 위해서는 여러 유형의 가뭄을 하나의 통합적인 지표로 나타낼 수 있으면서도 비교적 간단한 접근 방식을 갖는 새로운 접근이 필요하다.

 

2. 연구내용  

본 연구에서는 입력 변수(위성 기반 가뭄 인자 자료)와 종속 변수(관측소 기반 가뭄지수) 사이의 상관성 자체를 선형 조합식의 가중치로 활용하여 새로운 지수를 계산하는 새 가뭄 모니터링 방안 VPA를 제안하였다. 상관성 자체를 가중치로 사용한다는 점에서 입력 변수로부터 설명될 수 있는 다중 종속 변수의 특징을 통합적으로 나타낼 수 있다는 것이 본 기술 VPA의 특징이다.

본 연구에서는 통합적 가뭄 모니터링을 위해 세 개의 관측소 기반 가뭄지수(SPI1, SPEI6, scPDSI)3)를 종속 변수로 설정하여 통합적 가뭄지수를 제시하였다. 미국의 USDM과 가뭄의 월별 공간 분포를 비교 및 분석하였을 때, 각 종속 변수를 개별로 사용하여 가뭄 모니터링을 했을 때 보다 다중 종속 변수를 고려한 통합적 가뭄지수를 사용하여 모니터링을 했을 때 가뭄의 공간 분포를 더 잘 모의하는 결과를 보였다.

또 다른 특징으로 VPA는 사용자의 관심 정보에 따라 입력 변수와 종속 변수를 설정할 수 있다는 점이다. 이에 대한 성능을 확인하기 위해 본 연구에서는 단기 가뭄(1~3개월 시간 규모, 기상학적·농업적 가뭄), 통합적 가뭄(1~12개월 시간 규모, 기상학적·농업적·수문학적 가뭄), 장기 가뭄(6~12개월 시간 규모, 농업적·수문학적 가뭄)을 각 목표로 설정하여 미국의 USDM1) 및 동아시아의 EM-DAT2) 가뭄 기록과 비교검증 하였다. 각 목표에 따라 설정된 입력 및 종속 변수 정보에 따라 계산된 가뭄지수는 목표 가뭄 유형에 대해 시공간적 분포를 비교적 잘 나타내었다.

 

3. 기대효과

사용자가 보고 싶은 가뭄 유형에 따라 자료의 조합을 바꿔가며 본 기술을 적용할 수 있다. 상관계수 자체를 입력 변수의 가중치로 활용하여, 비교적 간단한 방식으로 다중 종속 변수의 특징을 하나의 지표로 나타낼 수 있다. 가뭄의 단편적인 특징이 아닌 복합적인 특징을 모니터링에 반영함으로써 실제 가뭄 스트레스를 이해하고 진단할 수 있는 모니터링 성능 향상에 기여할 수 있다. 해당 기술은 가뭄 분야뿐만 아니라 여러 관심 정보의 특성을 하나의 지표로 나타내고 싶은 다른 분야에도 적용 가능할 것으로 기대된다.

 

[붙임] 용어설명

1. USDM (United States Drought Monitor)

USDM은 미국의 NDMC (Natioanl Drought Mitigation Center), USDA (the U.S. Department of Agriculture) 및 NOAA(the National Oceanic and Atmospheric Administration)가 협력하여 제공하는 미국의 주(week) 단위의 가뭄 모니터링 정보이다. D0(abnormally dry)에서부터 D4(Exceptional Drought)까지 5등급의 건조 및 가뭄 정보를 벡터 자료로 제공한다.

2. EM-DAT

EM-DAT는 자연 및 기술 재난에 관한 글로벌 데이터베이스로 CRED (the Centre for Research on the Epidemiology of Disasters)에 의해 유지된다. EM-DAT는 각 재난의 지리학적, 시간적, 인명 및 경제 피해 정도 정보를 각 국가 수준으로 제공한다. 

3. 관측소 기반 가뭄지수(SPI1, SPEI6, scPDSI)

관측소 기반 가뭄지수의 종류로 SPI1, SPEI6, scPDSI를 사용하였다. SPI1은 1개월 규모의 SPI 자료로 주로 기상학적 가뭄을 설명하는 데 사용되고 SPEI6의 경우 보통 6개월 규모의 기상학적 및 농업적 가뭄 지표로 사용된다. scPDSI의 경우 기존 가뭄지수인 PDSI를 보완한 지수로, 경우에 따라 기상학적 혹은 농업적 가뭄의 지표로 사용된다.

 

[붙임] 그림설명

 

그림 1. 미국 가뭄 시기(2011-2012) 내 기존 관측소 기반 가뭄지수 및 VPA를 통해 계산된 가뭄지수의 공간 분포 비교:

각 관측소 기관 가뭄지수(종속 변수)를 개별로 사용해 가뭄 모니터링을 했을 때(각 SPI1, SPEI6, scPDSI의 경우)보다 다중 종속 변수를 고려한 통합적 가뭄지수(VPIDinte)를 사용하여 모니터링을 했을 때 USDM과의 가뭄 공간 분포를 더 잘 모의했다. 지도에서 색이 붉을수록 심한 가뭄을 나타내며, VPID (VPA를 통해 계산된 가뭄지수; Vector Projection Index of Drought) 내에서 푸른색은 습윤한 상태를 나타냄. 사용자의 관심 유형에 따른 VPA의 성능을 확인하기 위해 VPIDinte (통합적 가뭄 지수), VPIDshort(단기 가뭄), VPIDlong(장기 가뭄)을 계산하였음. SPI1, SPEI6, scPDSI의 경우 VPIDinte의 종속변수로 사용된 지수임.

 

그림 2. 입력 변수(인공위성 관측 값)3개일 때의 VPA 개념도: X1, X2, 및 X3는 각 입력 변수의 축을 나타냄. 상관성 벡터(correlation vector)는 입력 변수 Xi와 종속 변수 Yj 사이의 상관성 cXi,Yj를 요소로 갖는 벡터임. (a) 타겟 지수가 하나일 때 및 (b) 타겟 지수가 두 개 일 때, VPID 방향 벡터 (VPID direction)의 결정. (c) VPID의 계산.