서 론

이상기상(태풍, 대설, 강우 등)에 따른 자연 재난의 반복과 지속화로 비닐온실의 누적 피해 면적(2012년－2021년)은 강풍･태풍이 10,768 ha, 대설은 486 ha, 강우에 의한 피해는 7,150 ha로 조사된 바 있으며(MOIS, 2023), 2012년 태풍 볼라벤에 의한 피해 금액은 약 1,839억 원, 2001년 대설에 의한 피해 금액은 약 3,400억 원으로 각각 추산되었다. 기상재해로 인한 피해를 방지하기 위하여 내재해형 시설 규격 ‘[농림축산식품부 고시 제2022-104호] 원예특작시설 내재해형 규격 설계도･시방서’, ‘[국토교통부 고시 제2016-317호] 건축구조기준 및 해설’, ‘[농림축산식품부 제1999-유통34호] 온실구조 설계기준 및 해설’ 등이 운영되고 있으나, 기상재해에 취약한 농가보급지도형 비닐하우스가 총 면적의 약 55%를 차지하고 있고 내재해형 시설의 면적은 약 45%에 그치고 있는 실정이다(MAFRA, 2021).

건축구조기준은 설계풍속의 산출을 위한 기본풍속으로 지상 10 m 높이에서 10분 간 최대평균풍속을 적용하고 있으나, 구조물의 파괴는 최대순간풍속의 영향을 크게 받으므로(Hong, 2010), 온실 내재해형 시설 규격은 풍하중 산정을 위해 기본풍속으로 최대순간풍속을 적용하고 있으며, 보정식 V_max = 1.1V_mean + C(여기서, C는 0－15)를 이용하여 최대평균풍속을 최대순간풍속으로 변환하여 사용하고 있다(KRC, 1995). 2010년까지의 기상관측자료를 바탕으로 대상 지역의 지형적 특성을 내륙 및 해안으로 구분해 최대평균풍속을 최대순간풍속으로 회귀분석이 수행되었다(MAFRA and NACF, 2011). 기상청(KMA)의 1981-2010년의 한국기후도에서는 기온, 강수량, 적설, 기압, 습도, 증기압, 증발량, 일조, 운량, 서리, 얼음, 바람 등의 기상 데이터가 제공되고 있다. 특히, 연평균풍속(1.0－7.0 m/s), 연최심신적설(1.0－46.6 cm), 연최심적설(1.9－261.1 cm) 등이 분석된 바 있으나 2020년까지의 최신 기상관측자료를 반영한 데이터의 구축 및 기후도의 제작은 미미한 실정이다. 이에, 기후변화에 따른 기상재해에 선제적이며 체계적인 대비 및 대응 체계 구축을 위해 기상이변의 빈도 및 강도 증가 등 변동성 및 지속성을 반영하도록 대한민국 내 모든 시･군 지역별 원예특작시설 내재해형 고시 풍속 기준의 최신화가 요구된다.

종관기상관측은 종관규모(일기도에 표현되어있는 보통의 고기압이나 저기압의 공간적 크기 및 수명)의 일일 기상을 파악하기 위하여 모든 관측소에서 정해진 동일 시각에 실시하는 지상관측으로, 종관기상관측장비(ASOS)를 이용하여 자동으로 관측된다. 자료 형태는 분, 시간, 일, 월, 연, 제공기간은 1904년－(지점별, 요소별 상이), 제공지점은 102개, 제공 요소는 기온, 강수, 바람, 습도, 일사, 일조, 눈, 구름, 시정, 지면 상태, 지면･초상 온도, 일기 현상, 증발량, 현상 번호 등이며, 특히, 바람은 최대평균풍속 및 최대순간풍속 데이터가 제공되고 있다. 특히 대한민국에 위치한 30년 이상의 관측기록을 보유한 종관기상관측소 당 관할 면적은 1589.7 km²/개소이며, 이는 0.63개소/1,000 km²에 불과하다(Kim et al., 2013). 이에, 기상 데이터를 측정･보유하고 있는 기지점들의 값을 기준으로 공간보간을 통해 종관기상관측 지점 사이 지역, 즉, 미지점의 기상 데이터가 예측되어야 한다. 하루(00－24시) 중 임의의 10분간 풍속의 산술평균 중 가장 큰 값을 나타내는 최대풍속, 하루 중 바람이 순간적으로 가장 세게 불었던 때의 풍속인 최대순간풍속의 종관기상관측 지점 중에서 2010년까지 최소 20년 이상의 데이터를 보유하고 있는 지점의 값을 기준으로 공간통계를 이용한 예측 및 분석이 수행된 바 있다(MAFRA and NACF, 2011).

지리정보시스템(GIS) 관련 선행연구에서는 위성영상과 GIS 기법을 이용하여 3가지 대표 시설물에 대하여 적설 설계기준 취약지역 추출기법이 제시된 바 있고(Ahn et al., 2015a), ArcGIS 프로그램을 이용하여 국내 건축구조기준을 바탕으로 내풍설계에 이용될 수 있는 지표면조도와 풍속지형계수가 산정된 바 있으며(Lee, 2014), GIS를 이용하여 강풍과 폭설로 인한 전라도 내 시설재배 취약 정도는 서해안 지역이 내륙 지역 대비 상대적으로 취약한 것으로 분석된 바 있다(Kim et al., 2017). 또한, GIS를 이용한 지역별 기후재해 취약성 특성 분석을 위해 총 6개(폭우, 폭염, 폭설, 강풍, 가뭄, 해수면)의 재해 인자로 구분하여, 재해 피해 현황 분석, 취약성 분석대상 재해 유형 산정, 대상 재해별/지표별 관련 DB 구축, 도시 기후변화 재해 취약성 분석, 도시 종합 재해 취약성 분석, 도시계획 수립 방향 제시 등의 절차로 연구가 수행된 바 있고(Cho, 2018), 기상재해 지역의 GIS를 이용하여 지형분석, 지점별 방재기상관측장비(AWS) 설치, 데이터베이스 구축 등을 통해 태풍과 국지적 집중호우로부터 야기되는 재해 피해 상황이 조사, 분석된 바 있으며(Song, 2008), PRISM(Parameter-elevation Regressions on Independent Slopes Model)을 기반으로 하여 한반도의 다양한 GIS 정보와 지상관측 기온자료를 이용하여 고해상도 격자형(5 km × 5 km) 지리기후자료의 산출 수준이 분석된 바 있다(Hong et al., 2007). 풍속기상자원지도는 풍력기상자원에 대한 정보가 지리 공간상에 투영되었으며, 미국 대기과학연구소(NCAR)에서 개발된 WRF 모델을 기반으로 개발되었다. 풍력기상자원지도를 통해 제공하는 자료는 국립기상과학원에서 과거 12년(1998－2009)간의 평균을 산출한 자료이며, 해상도는 1 km이다(Weather Climate data, 2018). 한국기후도에서 사용되는 등치선도는 크리깅(Kriging)기법과 아크맵(ArcMAP)을 이용하여, 크리깅 내삽, 육지부 추출, 색상변경, 등치선 추가 등의 과정 등이 선택적으로 포함되어 작성되고 있다(The National Atlas of Korea, 2012). 현재 최신 종관기상관측 및 방재기상관측 기상 데이터를 이용한 설계풍속이 반영될 수 있는 공간보간 선행연구는 미미한 실정이다.

이에, 본 연구에서는 전국 종관기상관측소의 풍속실측데이터 중 연속 20년 관측자료(KMA and NCDC, 2021)가 있는 71개 지역(기지점)을 기준으로, 관측자료가 없는 여타 지역(미지점)의 최대순간풍속을 공간보간법을 이용하여 기후도 생성 및 단위 지역(격자)의 속성값의 예측을 수행하였다. 여타 종관기상관측소 외 지역, 즉, 미지점 중에서 방재기상관측소의 풍속실측데이터를 보유한 지역 중 원예특작시설 내재해형 설계하중 연구(MAFRA and NACF, 2011)에서 설계풍속이 인접 시･군과 급격한 차이를 나타내는 시･군(17개 지역)을 선정하여 실측 및 예측 데이터 간 비교, 분석과 검증이 수행되었다.

재료 및 방법

공간보간을 통한 풍속 예측

공간통계학에 기반한 공간보간법은 지리적 공간상에서 발생하는 현상이 인접할수록 유사한 특성을 나타내며, 이는 지리학 제 1법칙에 의해 공간적 자기상관성으로 규정된 바 있다(KRIHS, 2015). 공간보간법은 크게 3가지; 비-지구통계학적, 지구통계학적, 결합된 방법들로 구분되며 Table 1과 같이 정리될 수 있다(Li and Andrew, 2014). 그중에서도 지구통계학적 방법에 속하는 크리깅은 알려진 데이터들의 선형 조합으로 원하는 지점에서 거리의 상관성 또는 방향성이 파악 가능한 경우에 속성값을 예측하는 방법으로, 속성값 추정 시 실측지점과의 거리와 이웃한 값 간의 가중평균연산을 이용한 상관 강도, 즉, 공간상관성을 반영한다(Ahn et al., 2015b). 분산도 모델링을 이용하여 불편성, 효율성, 일치성을 모두 만족하는 불편추정량과 최소의 오차분산을 갖는 조건을 만족하도록 산정된 가중치를 바탕으로 관측지점의 자료를 선형적으로 합성하여 공간자료를 추정, 보간하는 기법(Kang et al., 2014)이다. 이 중에서 본 연구에 적용된 방법, 즉, 가장 일반적인 방법인 범용 크리깅(Ordinary Kriging)은 지역 평균에서 데이터의 고정 평균(경향)이 없음을 전제하고(Kim et al., 2010), 이미 알고 있는 데이터들의 선형 조합으로 원하는 지점에서의 속성값을 추정할 때 실측값과의 거리, 이웃한 값 사이의 상관 강도 등이 반영된다(Ahn et al., 2015b). 현재, 대한민국의 지역에 따라 분포하는 기후 요소별 등치선의 형태로 표현되는 기후도는 공간보간법 중 공간통계학의 범주에 포함되는 크리깅 공간보간법에 의해 작성되고 있다. 이 중 공간통계학적 분석을 위해 널리 이용되고 있는 ArcGIS-ArcMap에서 크리깅 방법은 2가지(Ordinary, Universal), 반-분산도 모델은 5가지(Spherical, Circular, Exponential, Gaussian, Linear)로 선택･적용될 수 있다. 공간통계학적 추정은 크리깅의 분산도를 이용한 공간상관성 모델링, 즉, 미지점에서 변수를 추정하기 위한 가중치로 정의하기 위해 분산도 모델이 적용된다(Erxleben et al., 2002).

공간 내 두 지점 사이 무작위의 물성치들의 정량적 평가를 위해서는 분리거리(h)와, 임의의 거리 간격(△h)에서 확인된 두 지점의 물성치(Z) 간 변위량을 나타내는 분산(VAR) 및 표준편차(E) 분석이 요구되며, 식 (1)과 같이 표현된다.

특히, 임의의 거리간격(△h) 만큼 이격된 모든 두 지점 물성치 간 편차 제곱을 대푯값으로 하는 분산도(γ¯(∆h))는 Journel and Huijbregts(1976)에 의해 제안된 식 (2)를 통해 산출된다.

크리깅의 중요한 통계분석기법인 분산도를 통해 자룟값의 공간적 연속성이 분석 및 검증되며, 분산도는 거리에 관한 함수로 표현되므로 가중치의 부여를 위해서는 가장 중요한 인자인 자료지점 간의 분리거리(h)가 고려된다. 분리 거리를 h로 하는 두 지점 간의 분산도 2γ(h)는 거리에 따른 자룟값의 공분산이며, 식 (3)과 같이 표현된다.

자료지점의 쌍이 n개 존재할 경우 반-분산도는 식 (4)를 통해 산출된다(Journel and Huijbregts, 1978).

분산도 γ(h)는 두 자룟값 간 차이에 대한 기댓값으로 나타나며, 대상 영역에서 자료분포가 연속성을 나타낼 때 분산도의 크기는 두 자료지점의 거리에 비례하여 나타난다. 즉, 분리 거리와 동일개념인 상관 거리(range; a)가 점점 증가하면 더 이상 자료 간의 상관관계가 없거나 일정한 경향을 상실하는 문제점이 발생하며, 두 지점 간의 거리가 증가함에 따라 특정 거리 이상에서 분산도의 값이 일정하게 수렴하는 지점의 값을 의미하는 문턱값(sill)으로 정의된다(Choi et al., 2016). 특히, 분산도 모델의 매개 변수중 조각 효과(nugget effect)는 두 지점 사이의 거리가 0으로 수렴할 때 0이 되기 직전의 분산도 값(Fig. 1)으로 정의된다(Kang et al., 2014).

Fig. 1.

Generalized variogram model (Choi et al., 2016).

실험적 분산도는 자료 간의 공간적 상관관계를 표현하고 있지만 일정거리 이상에서는 공간적 상관관계를 충분히 표현할 수 없으므로 상관관계가 표현되는 일정 거리의 결정은 중요하다. 이론적 분산도는 주어진 표본공간에서 채집된 자룟값 간의 거리와 분산도를 이용하여 도식화한 실험적 분산도를 최적화하는 수학적 모델을 통해 표현이 가능하다. 반-분산도는 ‘zero’ 분리 거리에서는 이론적으로는 0의 값을 나타내지만, 조각 효과에 의한 실질적인 값은 ‘0’이 아닌 ‘0’에 수렴하는 값을 나타낸다. 문턱값은 상관 거리 내에서 반-분산도에 의해 결정된 값에 상응한다. 가장 일반적으로 사용되는 매개 변수의 반-분산도 중 ‘Spherical model’, ‘Circular model’, ‘Exponential model’, ‘Gaussian model’은 Table 2를 통해 정리되었다(Bessafi et al., 2020).

시뮬레이션을 위해, ArcGIS 프로그램이 이용되었으며, 대한민국의 공간보간의 기준 좌표계는 ‘Korea 2000 Korea Central Belt’이고, 투사도는 ‘transverse Mercator’, 가상 횡좌표는 200000.0, 가상 동좌표는 500000.0, 중앙 경선은 127.0, 축척 계수는 1.0, 기준 위도는 38.0, 선형 단위는 ‘meter; 1.0’로 설정되었고, 지리좌표계는 GCS Korea 2000’으로 변환되었다.

예측 및 실측 비교

최신 기상청 자료에 따르면, 종관기상관측소 및 방재기상관측소의 각 유형별 관측조밀도는 ASOS가 설치된 유인 기상관서는 약 67 km이며, AWS를 포함하면 약 13 km의 조밀도를 가진다. 풍속실측데이터 중 연속 20년 관측자료가 있는 전국 종관기상관측소의 위치 71개 지역(기지점)의 위치는 Fig. 2, Table 3을 통해 내륙지역과 해안지역으로 구분되었으며, 관측자료가 없는 여타 지역(미지점)의 풍속은 크리깅 공간보간법을 이용하여 기후도 생성 및 단위 지역(격자)의 속성값 예측이 수행되었다.

Fig. 2.

Locations of ASOS station in South Korea.

풍속실측데이터 중 연속 20년 관측자료가 있는 71개 지역(기지점)을 여타 종관기상관측소(Fig. 3(a)) 외 지역, 즉, 미지점 중에서 방재기상관측소(Fig. 3(b))의 풍속실측데이터를 보유한 지역 중 원예특작시설 내재해형 고시 풍속의 재설정이 우선적으로 필요한 17개 지역, 즉, 선행된 원예특작시설 내재해형 설계하중 연구(MAFRA and NACF, 2011)에서 설계풍속이 인접 시･군과 급격한 차이를 나타내는 시･군을 선정하여, 실측 및 예측 데이터 간 비교･분석･검증이 수행되었다.

Fig. 3.

ASOS (a) and AWS (b) station in South Korea.

3. 오차 통계를 통한 평가 및 검증

다수의 문헌에서 각각의 모델 성능이 평가되고 있으며, 한 종류의 오차 통계는 모델 간 비교를 위한 유의미한 절차를 제공할 수 없으므로, 본 연구에서는 다양한 유형의 통계 처리를 통해 예측값 및 측정값의 비교 연구가 수행되었다(Willmott et al., 2012). 종관기상관측소 기지점(71개소)의 풍속실측데이터에 의해 도출된 공간보간 데이터(예측값)는 미지점(17개소) 중에서 방재기상관측소의 풍속실측데이터 대비 신뢰성이 평가되었다. 이를 위한 평가 방법으로, 평균절대오차(MAE; mean absolute error) 식 (5), 상대제곱근오차(RMSE; root mean square error) 식 (6), 결정계수(R-squared; Coefficient of determination) 식 (7)(Kim et al., 2007)이 각각 적용되었다.

MAE(mean absolute error, m/s)

RMSE(root mean square error, m/s)

R-squared (coefficient of determination, -)

연구결과 및 고찰

검증이 필요한 미지점 중에서 방재기상관측소의 풍속실측데이터를 보유한 지역 중 원예특작시설 내재해형 고시 풍속의 재설정이 우선적으로 필요한 17개 지역은 선행된 연구(MAFRA and NACF, 2011)에서 분석된 자료에서 경기도, 강원도, 충청도, 전라도, 경상도 내 지역들이 모두 포함될 수 있도록 선정되었다(Table 4).

총 17개의 방재기상관측소 최신 20년(2001년－2020년) 최대순간풍속 실측값은 동일 기간의 종관기상관측소 실측값을 이용하여 공간보간 예측값과 비교 및 분석되었다. 공간통계 분석을 통한 대한민국 전지역의 최대순간풍속 예측을 위해 크리깅 방법은 ‘Ordinary’ 반-분산도 모델은 ‘Spherical’, ‘Circular’, ‘Exponential’, ‘Gaussian’(Blanchet and Lehning, 2010; Gong et al., 2014)으로 적용되었다.

최신(2001－2020) 종관기상관측데이터를 보유한 71개 지역의 최대순간풍속의 신뢰성이 평가되었다. 평균절대오차(MAE)는 Gaussian이 0.064 m/s로 가장 낮게, Exponential이 0.094로 가장 높게 산출되었다. 상대제곱근오차(RMSE)는 Gaussian이 4.511 m/s로 가장 낮게, Exponential이 5.444 m/s로 가장 높게 계산되었다. 결정계수(R-squared)는 Exponential이 0.187로 가장 낮게, Spherical이 0.280으로 가장 높게 나타났으며, 상관계수(R) 변환 시 각각 0.432 및 0.529로 나타났다(Table 5). 이를 통해, 크리깅을 이용한 공간보간을 통해 예측된 최대순간풍속은 실측값과 중위 정상관을 보이는 것으로 나타났다.

이와 유사한 선행된 연구 결과에서 Colorado Rocky Mountains의 ‘St Louis Creek’, ‘Fool Creek’, ‘Walton Creek’ 지역들의 적설심에 대한 실측 및 Ordinary Kriging을 통한 예측 결과의 결정계수는 각각 0.096, 0.181, 0.190으로 분석된 바 있다(Erxleben et al., 2002). Texas의 ‘Edwards Aquifer’, ‘East Texas’ 지역들의 지하수 비소 농도의 Ordinary Kriging을 통한 예측 결과의 결정계수는 각각 0.143, 0.203으로 나타난 바 있다(Gong et al., 2014). 이를 통해, 본 연구에서 분석된 R-squared 수치가 상대적으로 신뢰도 있는 값을 가지고 있는 것을 확인할 수 있다.

Table 5에서 분석된 4가지 모델 중 상관계수(R)가 가장 높은 Spherical model을 살펴보면, 중부지방에서는 강원도 고성, 속초 양양, 인제, 양구, 화천, 철원 지역 등을 중심으로 강한 최대순간풍속(74.66 m/s 이하) 분포를 보이고 있으며, 그 밖의 남부 지역은 내륙보다 해안이 상대적으로 높은 최대순간풍속 분포를 나타내는 것으로 나타났다. 제주도, 울릉도 역시 높은 최대순간풍속 분포(48.99 m/s 이상)에 속하는 것을 알 수 있다(Fig. 4). 기상청에 의해 1992년 이후 최대순간풍속의 관측값 63.70 m/s를 기준으로, Spherical model에 의해 예측된 최댓값은 관측값보다 10.96 m/s 높은 74.66 m/s를 나타내었으며, 가장 낮은 RMSE의 값을 나타내는 Gaussian model에서는 최댓값이 관측값보다 11.02 m/s 낮은 52.68 m/s로 분석되고 있다. 이 중 Gaussian model의 최대순간풍속은 실제 관측값보다 낮은 예측값을 나타내고 있으므로 이를 이용한 농업시설 설계는 풍하중의 과소 반영으로 인해 피해 발생 가능성이 증가할 것으로 판단된다.

Fig. 4.

Distribution of the maximum instantaneous wind speed (m/s) based on kriging.

결론

본 연구에서는 전국 종관기상관측소의 풍속실측데이터 중 연속 20년 관측자료(KMA andNCDC, 2021)가 있는 71개 지역(기지점)을 기준으로, 관측자료가 없는 여타 지역(미지점)의 최대순간풍속을 공간보간법을 이용하여 기후도 생성 및 단위 지역(격자)의 속성값의 예측을 수행하고, 여타 종관기상관측소 외 지역, 즉, 미지점 중에서 방재기상관측소의 풍속실측데이터를 보유한 지역 중 원예특작시설 내재해형 고시 풍속의 재설정이 우선적으로 필요한 17개 지역을 선정하여, 실측 및 예측 데이터 간 비교, 분석, 검증이 수행되었다.

최신(2001－2020) 종관기상관측데이터를 보유한 71개 지역의 최대순간풍속의 신뢰성이 평가되었다. Kriging 방법 중 Spherical model의 상관계수(R)가 가장 높게 분석되었으며, 결정계수(R-squared)는 최대 0.280, 상관계수(R)는 중위 정상관 범위인 최대 0.529로 나타났다. 지형별 특성을 고려한 균질화 과정이 생략된 종관기상관측소 데이터를 이용한 크리깅 공간보간예측값은 내재해형 시설 규격 온실의 풍하중 산정을 위한 최대순간풍속으로 적용하기에 적정 수준의 상관성을 가지는 것으로 나타났다. 특히, Gaussian 모델은 가장 낮은 RMSE 값을 나타내고 있으나 예측된 최대순간풍속이 실제 관측값 대비 약 20.9% 낮게 나타나고 있으므로 이는 농업시설 과소 설계로 인한 피해 요인으로 작용할 수 있다. 이에, Spherical model을 이용하여, 태풍으로 인한 온실의 피해를 최소화할 수 있는 지역별 풍속의 적용을 통한 온실의 최적화 설계가 가능할 것으로 판단된다. 더불어, 신뢰성을 보다 향상시키기 위해서는 종관기상관측소 및 방재기상관측소의 지표면조도, 해발고도, 풍속계 높이 등 지형별 특성 등을 종합적으로 고려한 균질화 과정을 거친 실측데이터를 이용한 공간보간 연구가 추가적으로 수행되어야 할 것으로 판단되며, 지역별 최대순간풍속으로 구체화된 예측 데이터의 추가적 분석이 수행되어야 할 것으로 사료된다.