工學碩士學位論文

다중시기 정규식생지수(NDVI)를 이용한

가뭄지수의 한반도 적용성 분석

Applicability of Multi-temporal NDVI

based Drought Index

for Drought Monitoring of Korean Peninsula

2005年 2月

仁荷大學校 大學院

地理情報工學科

申 秀 賢

工學碩士學位論文

다중시기 정규식생지수(NDVI)를 이용한

가뭄지수의 한반도 적용성 분석

Applicability of Multi-temporal NDVI

based Drought Index

for Drought Monitoring of Korean Peninsula

2005年 2月

指導敎授 李 奎 成

이 論文을 工學碩士學位 論文으로 提出함.

仁荷大學校 大學院

地理情報工學科

申 秀 賢

本 論文을 申秀賢의 工學碩士學位 論文으로 認定함.

2005年 2月

主審 印

副審 印

委員 印

- i -

요지

지난 2001년은 기상 관측이래 90년 만의 최저 강수량을 기록한 해로, 한반

도 뿐 아니라, 전 세계적으로 지구온난화와 엘리뇨-남방 진동(El Niῇo Southern Oscillation: ENSO)현상 등의 다양한 원인으로 발생한 가뭄으로

인한 극심한 피해가 야기되고 있다. NOAA AVHRR의 NDVI는 20년 이상 누

적되어 식생의 시기별 패턴 파악 및 정량적 분석, 가뭄탐지까지도 가능하여

Kogan의 Vegetation Condition Index(VCI), Peters의Standard Vegetation

Index(SVI)와 같이 다중시기 NDVI를 이용한 가뭄지수를 개발하였으며, 거대

한 초원지대에 적용하여 효과적인 결과가 나타내 보이기도 하였다. 본 연구

에서는 선행연구의 연구지역과는 달리 주된 토지피복이 산림지역인 한반도

에서 다중시기 NDVI와 이에 기반을 둔 가뭄 지수들을 사용하여 가뭄 모니터

링을 시도하였다.

이를 위해, NDVI와 이에 기반을 둔 가뭄 지수들을 강수량 및 기상학적 가뭄

지수인 PDSI와 SPI의 상관관계를 분석하여 한반도에서의 효용성을 나타내

보이고자 하였다. 최근 10년 (1994~2003년) NOAA AVHRR NDVI 및 88개

기상관측소의 월 강수량 자료를 사용하여, NDVI의 시계열 및 연도별 패턴을

이해하고자 하였다. 기상관측소 중심으로 3x3 pixel로 NDVI와 SVI, VCI 영상

을 추출하여 강수량 및 기상자료를 기반으로 한 가뭄지수와의 상관관계 분석

하였다. 그 결과, 가뭄해와 가뭄의 영향이 없었던 해의 차이가 확연히 나타

나는 등 한반도에서도 가뭄 모니터링이 가능하였다. NDVI와 강수량 및 NDVI

를 이용한 가뭄지수와 기상학적 가뭄지수와의 상관관계 분석에서는 남한의

경우, 가뭄인 해에서 1~2개월 전 누적 강수량과의 상관계수가 약 0.5 정도

로 비교적 높게 나타나 기상학적 가뭄 지수보다는 가뭄의 영향이 나타나는

시기가 1~2개월 늦음을 알 수 있었다. 또한, NDVI는 시기와 공간적 요인을

많이 받으므로, 토지 피복도를 참조하여 토지피복에 따른 민감도를 조사하

였는데 산림, 농지, 도시 순으로 높은 상관관계를 나타냈다. 그러나, 북한의

- ii -

경우에는 강수량이 풍부한 해나 가뭄인 해 상관없이 그 상관관계가 거의 나

타나지 않아 북한에 대한 기온 및 강수량의 특징, 식생에 대한 분포 및 특성

과 같은 정보가 더욱 필요하다가 할 수 있다. 이와 같이 NDVI를 사용한 가뭄

지수로 한반도에서도 효과적인 모니터링이 가능하며, 현재의 강수량으로 한

두달 뒤 식생에 미치는 영향까지 파악 가능하므로 가뭄 대비에 관한 정책에

큰 도움이 될 수 있을 것으로 기대한다.

- iii -

ABSTRACT

The year 2001 showed the lowest precipitation in Korean Peninsular.

Severe damages caused by drought has been reported Korea as well as

around world. NOAA AVHRR-derived NDVI data have been accumulated for

more than 20 years and have been used to analyse temporal and spatial pattern of

vegetation phenology and drought monitoring. A few drought indices based on

multi-year NDVI, such as the SVI and the VCI, were developed and tested for large

geographic areas of agriculture crops and pasture. In this study, I attempted to

evaluate the multi-temporal NDVI and drought indices based on NDVI for drought

monitoring over Korean Peninsula and to compare them with other drought

indices(PDSI and SPI) developed by using only meteological data .

For this study, NOAA AVHRR 10-day maximum composite value NDVI

from 1994 to 2003 were used along with monthly precipitation data for the

growing season (March~October) over the study area. The study area was

divided into North and South Korea. Several drought indices(SVI, VCI) were

extracted from the 3×3 pixel area surrounding weather station. The result

showed that the SVI and the VCI had certain relationship with the drought

condition over the study area.

In correlation analysis between NDVI, SVI, VCI and precipitation over South Korea, I showed that correlation coefficient between NDVI and two months accumulated before the drought precipitation of was relatively high in drought. Comparative analysis among three land cover type shows high correlation in forest as compared to crop and urban area. As contrasted to South Korea, the correlation was rarely poor in North Korea.

- iv -

<제목차례>

제 1 장 서 론······························································································1

1.1 연구배경········································································································1

1.2 연구동향········································································································2

1.3 연구목적과 범위··························································································4

제 2 장 가뭄과 가뭄지수··········································································6

2.1 가뭄의 정의··································································································6

2.2 기상학적 가뭄지수······················································································8

2.2.1 Palmer가뭄심도지수(PDSI) ································································8

2.2.2 표준강수지수(SPI) ············································································10

2.2.3 기존가뭄지수들의 문제점································································11

2.3 식생지수를 이용한 가뭄지수··································································12

2.3.1 Vegetation Condition Index(VCI) ················································12

2.3.2 Standardized Vegetataion Index(SVI) ········································13

제 3 장 연구 방법····················································································14

3.1 연구대상지역······························································································14

3.2 사용한 자료································································································15

3.2.1 정규식생지수(NDVI) ··········································································15

3.2.2 월강수량······························································································18

3.2.3 토지피복도··························································································18

3.3 NDVI를 이용한 가뭄지수 영상 제작 ····················································19

3.3.1 NDVI 영상의 기하보정 ····································································19

3.3.2 월평균 NDVI 영상 제작 및 강수량 지도 제작····························20

3.3.3 NDVI와 강수량 상관분석을 위한 시기 선정································21

- v -

3.4 기상학적 가뭄지수 산정··········································································22

3.4.1 각 관측소별 PDSI 산정····································································22

3.4.2 각 관측소별 SPI 산정······································································26

3.5 NDVI를 사용한 가뭄지수의 적용성 분석··············································28

3.5.1 기상관측소 중심의 자료추출··························································28

3.5.2 토지피복별 NDVI의 자료추출··························································28

3.5.3 남북한 NDVI와 강수량 상관관계 분석··········································33

3.5.4 NDVI를 사용한 가뭄지수와 기상학적 가뭄지수와의 비교········34

제 4 장 결과 및 고찰··············································································35

4.1 NDVI와 강수량 분석 및 가뭄지수 영상 제작······································35

4.1.1 남북한 NDVI와 강수량의 시계열 분석··········································35

4.1.2 한반도 가뭄지수 영상 제작 결과··················································37

4.1.3 한반도 NDVI 월평균 시계열 분석··················································40

4.1.4 한반도 NDVI 연도별 분석································································44

4.2 NDVI를 사용한 가뭄지수의 적용성 분석··············································48

4.2.1 남한 NDVI와 강수량의 상관관계분석············································48

4.2.2 북한 NDVI와 강수량의 상관관계분석············································54

4.2.3 NDVI를 사용한 가뭄지수와 기상학적 가뭄지수의 비교············56

제 5 장 결 론····························································································63

참고문헌······································································································66

- vi -

<표차례>

표 1. NDVI를 이용한 가뭄지수 연구 사례 대상 지역 ·································· 4

표 2. PDSI에 따른 가뭄분류 ················································································ 9

표 3. SPI에 따른 가뭄분류 ················································································· 10

표 4. 사용된 자료 ································································································ 15

표 5. NOAA/AVHRR 센서 제원 ······································································· 16

표 6. 월별 북위별 일조시간 조정계수 ··························································· 23

표 7. 토지피복별로 추출된 2001년 6월 NDVI ············································ 30

표 8. 6월 NDVI와 상관관계 분석할 강수량 자료 시기 ······························ 35

표 9. 남북한 전 지역 및 추출된 지점의 월평균 NDVI ······························ 41

표 10. 남북한 10년 월평균 산림, 농지, 도시지역의 NDVI ·················· 43

표 11. 남북한 전 지역 및 추출된 지점의 연도별 NDVI ···························· 45

표 12. 남북한 10년 연도별 산림, 농지, 도시지역의 NDVI ·················· 47

표 13. 6월 NDVI와 상관관계 분석할 강수량 자료 시기 ··························· 49

표 14. 남한 6월 NDVI와 강수량의 상관분석결과 ······································· 49

표 15. 남한 2001년 토지피복별 6월 NDVI와 강수량의 상관분석 결과 52

표 16. 북한 6월 NDVI와 강수량 상관분석결과 ··········································· 55

표 17. 6월 VCI와 기상학적 두 가뭄지수와의 상관관계분석결과 ············ 57

표 18. 6월 SVI와 기상학적 두 가뭄지수와의 상관관계분석결과 ············ 57

표 19. 2001년 토지피복별 6월 VCI, SVI와 기상학적 두 가뭄지수와의 상

관관계분석결과 ····································································································· 59

- vii -

<그림차례>

그림 1. 연구 흐름 및 범위 ···················································································· 5

그림 2. 강수량 부족에 따른 가뭄 발생순서 ······················································· 7

그림 3. 사용된 NDVI 제작과정 ········································································ 17

그림 4. 연구대상지역인 한반도의 2001년 6월 하순 NDVI영상 ·············· 17

그림 5. 환경부 토지피복도 ··············································································· 18

그림 6. 88개의 한반도 기상관측소 위치 ······················································ 20

그림 7. 한반도의 10년 월평균 정규식생지수와 강수량의 패턴 ·················· 21

그림 8. 기상관측소 중심의 NDVI 및 토지피복도 자료 추출 ························· 29

그림 9. 남북한 최근 10년 월평균 NDVI와 강수량 ····································· 36

그림 10. 한반도 10년 평균 NDVI 영상 ························································· 36

그림 11. 1994~2003년 6월의 한반도 평균 NDVI 및 SVI, VCI ················ 38

그림 12. 한반도의 최소, 평균, 최대년도의 NDVI 및 SVI VCI 영상 ············ 39

그림 13. 남북한 전 지역 및 추출된 지점의 월평균 NDVI ························ 40

그림 14. 남북한 10년 월평균 산림, 농지, 도시 지역의 NDVI ················ 42

그림 15. 남북한 전지역 및 추출된 지점의 연도별 NDVI ·························· 44

그림 16. 남북한 10년 산림, 농지, 도시 지역의 연도별 NDVI ················ 46

그림 17. 남한 6월 NDVI와 강수량 상관분석 결과 ····································· 49

그림 18. 2000년, 2001년 6월 NDVI와 가장 상관계수가 높은 강수량과의

관계 ························································································································· 50

그림 19. 남한 주요 해의 2~6월 월 강수량 ················································· 51

그림 20. 2001년 토지피복별 6월 NDVI와 4~5월 강수량과의 관계 ······ 53

그림 21. 북한 6월 NDVI와 강수량 상관분석 결과 ····································· 55

그림 22. 북한 주요 해의 2~6월 월 강수량 ················································· 56

그림 23. 6월 VCI와 가장 상관계수가 높은 SPI와의 관계 ························ 58

그림 24. 6월 SVI와 가장 상관계수가 높은 SPI와의 관계 ························ 58

그림 25. 2001년 토지피복별 6월 VCI, SVI와 5월 SPI와의 관계 ··········· 60

- viii -

그림 26. 남한 2001년 6월의 SVI, VCI영상 ················································· 61

그림 27. 남한 2001년 4~6월 PDSI지도 ······················································· 62

그림 28. 남한 2001년 4~6월 SPI지도 ························································· 62

- ix -

약 자 원 단 어AVHRR Advanced Very High Radiometric ResolutionNDVI Normalized Difference Vegetation IndexNOAA National Oceanic and Atmospheric AdministrationPDSI Palmer Drought Severity Indexr Correlation Coefficient

SPI Standardized Precipitation IndexSVI Standardized Vegetation IndexTCI Temperature Condition IndexVCI Vegetation Condition Index

<약자표>

1

제 1 장 서 론

1.1 연구 배경

고대로부터 농경사회를 이루었던 한반도에서 가뭄은 단순한 강수량 부족현

상이 아니라, 생존에 필수적인 식생활에 위협적이고 경제적, 환경적으로 극

심한 피해를 야기하는 자연재해이다. 한반도는 다양한 자연적인 원인과 인

위적인 원인으로 인해 약 5 ~ 10년 주기로 전국적 또는 지역적인 가뭄이 발

생하여 크고 작은 피해를 입어 왔다. 가뭄은 주로 강수와 증발산의 불균형이

나 장마기간, 태풍, 태양 흑점수, 엘리뇨-남방 진동(El Niῇo Southern Oscillation: ENSO)현상 등과 같은 자연적인 원인으로 인해 가뭄이 발생하지

만, 각종 용수의 수요증가에 비해 부족한 수자원 시설물이나 물 공급시설의

편재 등 미흡한 물 관리 체계, 가뭄에 대한 대비 및 대처능력 미흡 등의 인위

적인 원인도 가뭄발생에 큰 영향을 미친다.

특히, 2001년은 3 ~ 5월 강수량의 경우 예년의 10 ~ 74% 수준에 머물러

대부분의 기상 관측소에서 지난 90년 동안 관측 이래 최저 강수량을 기록하

기도 하였다. 더욱이 북한은 땔감이나 건축 등에 사용하기 위한 무분별한 산

림벌채와 산지를 개간하여 만든 다락밭과 같은 환경파괴적인 농법 등으로 인

해 가뭄피해가 가중되고 있다. 또한, 90년대 중반부터 시작된 대홍수와 대가

뭄의 반복으로 인해 무너진 농업기반으로 식량 위기에 처해있다. 남한과 마

찬가지로, 지난2001년에 극심한 가뭄과 고온현상으로 인해 상반기 강수량

은 예년 66%에 불과했으며, 전체농경지의 약 2/3 이상이 피해를 입었다고

한다. 2004년 2월 유엔개발계획(United Nations Development Programme

: UNDP)의 “Reducing Disaster Risk : A Challenge for Development" 보고

서에 의하면 세계 208개 국가 및 지역을 대상으로 자연 재해에 대한 피해를

조사한 결과, 북한이 지난 90년대 극심한 가뭄과 기근으로 인해 가장 취약한

국가인 것으로 선정되었다. 이처럼 북한은 남한보다 가뭄의 피해가 더욱 심

각한 상태임을 알 수 있으며, 북한에서 가뭄에 대한 정보는 더욱 절실하나,

한반도에서의 가뭄에 대한 연구는 미약한 실정이다.

가뭄에 대한 연구는 시작과 끝이 명확하지 않고 서서히 진행되어 그 피해를

정량적으로 표현하기 힘든 가뭄의 특성 때문에 많은 어려움이 겪고 있다

2

(Peters et al., 2002). 또한 기존의 가뭄연구는 Palmer 가뭄 심도지수

(Palmer Drought Severity Index : PDSI), 표준강수지수(Standardized

Precipitation Index : SPI), 지표수 물 공급지수(Surface Water Supply

Index : SWSI) 등의 강수량과 같은 기상자료에 기반을 둔 가뭄지수를 사용하

고 있다. 그러나 이러한 기상학적 가뭄지수들은 점 관측 데이터 사용으로 인

한 공간적 분포 파악의 한계나, 대규모 대상지의 경우 시간적, 경제적 비용

이 높고, 농지나 식생지역에 미치는 영향 및 피해 탐지가 어려운 문제점을

가지고 있다. 이에 식생지수를 이용한 가뭄지수를 통한 가뭄 모니터링이 새

롭게 시도되고 있다.

1.2 연구 동향

정규식생지수(Normalized Difference Vegetation Index: NDVI)는 가시광

선(Visible: VIS)의 적색광과 근적외선(Near Infrared: NIR) 파장에서 식물

의 반사율 차이를 이용하여 만든 식생지수이다. 이러한 NDVI는 전세계를

대상으로 하여 식생량 및 건강상태 또는 농작물 생산량 추정 등에 효과적

으로 사용되어왔으며, 환경 변수나 현상에 대해서도 뛰어난 잠재력을 보

이고 있다(Kogan et al., 2003; Kogan, 1990; Eidenshink, 1992). 특히,

전세계의 기후변화 조사나 식생 해수면 온도분포 등의 목적을 가진 미 해

양 대기국의 NOAA(National Oceanic and Atmospheric Administration)

AVHRR(Advanced Very High Radiometric Resolution) 센서의 경우,

GAC(Global Area Coverage) 형태로 개발된 GVI(Global Vegetation

Index)는 응용범위가 넓어 실용적이므로 미국, 멕시코, 러시아 등에 보급

되어 시험 중에 있으며, 20년 이상의 데이터가 축적되고 있어 식생의 시

기별 패턴 파악 및 정량적 분석, 가뭄탐지까지 가능하게 되었다(Peters

et al., 2002; Kogan, 1998; Unganai and Kogan, 1998; Kogan et al.,

2003). 그러나, NDVI는 -1.0 ~ 1.0의 범위를 갖는 정규비로써, 동일한

위치와 동일한 시기에서의 식생조건의 적시평가에는 유용하나, 토지피복

과 같은 공간적 변이나 계절과 같은 시간적 변이는 고려되지 않기 때문

에, VCI(Vegetation Condition Index)나 SVI(Standardized Vegetation

Index)와 같은 NDVI를 기반으로 한 가뭄지수의 개발이 활발히 진행되고

있다(Peters et al., 2002).

식생지수를 이용한 가뭄 모니터링의 기존 연구를 살펴보면, 주로

3

AVHRR 센서 자료를 이용하여 제작된 NDVI를 바탕으로 이루어졌으며,

1km 이상으로 그 공간 해상도(spatial resolution)가 낮기 때문에 대규모

의 식생을 대상으로 한 지역에 적합하다(박은주, 2002). Kogan(1990)은

NDVI를 이용한 VCI(Vegetation Condition Index)을 미국 전 지역을 대상

으로 적용하여 콩, 옥수수의 수확량 감소지역과의 비교를 통해 그 효용

성을 입증하였다. 남아프리카 짐바브웨(Zimbabwe)의 옥수수밭과 카자흐

스탄(Kazakhstan), 인도 등을 대상으로 VCI와 함께 열적외선(Thermal)을

이용하여 만든 TCI(Temperature Condition Index)를 사용한

VT(Vegetation and Temperature Condition Index)로 보다 효과적인 모니

터링 결과를 나타내었다(Unganai and Kogan, 1998; Kogan et al.,

2003; Singh et al., 2003). Peters 등(2002)은 NDVI를 표준화한 가뭄지

수인 SVI(Standardized Vegetation Index)를 미 대평원(Greate Plains)에

적용하였으며, 그 결과 전통적인 가뭄지수나 기상자료와 결합 시 더욱 효

과적이라는 결과를 내기도 하였다. 국내의 식생지수를 이용한 가뭄 연구

로는 남한의 1997~2002년 3월~11월 NOAA AVHRR 자료를 사용하여

NDVI와 VCI 영상을 제작하여 가뭄 발생 위험도를 감시하고 연강수량과

비교하여 검증한 사례가 있었으나, 우리나라의 경우 가뭄은 봄 시기에 매

우 단시기적으로 나타나는 경우가 많으므로 연평균을 적용하기엔 다소 무

리가 있어 보인다(신사철・김철준, 2003; 김철준, 2003). 박은주(2003)는

충북 청원군을 대상으로 Landsat ETM+영상을 가지고 Tasseled cap 기

법을 적용하여 가뭄 민감도 분석을 하여 가뭄 모니터링이 효과적으로 나

타나 가뭄 대책과 정책결정에 도움이 될 가능성을 보이기도 하였다.

강수량, 기온과 같은 기상 데이터와 식생지수의 상관관계에 관한 연구

도 활발하다. 미 대평원(Great Plains)를 대상으로 하여 within-season,

cross-season, interannual 분석한 결과, NDVI는 4주 전부터의 누적 강

수량과의 NDVI와의 상관관계가 가장 높게 나오는 등 강수량과의 강한 상

관성을 보인데 반하여, 기온과는 거의 대부분 부정적으로 나타난 것으로

나타났다(Wang et al., 2003). 또한, 건조(arid) 혹은 반건조(semi-arid)

환경인 아프리카(Afirica) 보스와나(Botswana) 의 칼라하리(Kalahari)사막

에서 NDVI로 강수량을 추정하는 실험을 수행한 결과에서는 월 또는 연

단위의 강수량 추정에 NDVI가 효과적이며, 각기 다른 토양상태가 영향을

미치는 것으로 나타났다(Grist, Nicholson and Mpolokang, 1997). 스페

인(Spain) 남부지방인 안달루시아(Andalusia)와 이탈리아(Italy)의 시실리

4

표 1 NDVI를 이용한 가뭄지수 연구 사례 대상 지역

미 대평원 짐바브웨 카자흐스탄위치 북아메리카 중앙 남아프리카 중앙아시아면적 약 3,600,000㎢ 약 390,760 ㎢ 약 270,000 ㎢주요

토지피복옥수수밭 옥수수밭

초지(87%) &

농지(13%)

기후 스텝(steppe)기후 반건조기후스텝(steppe),

반건조기후연강수량 약 500mm 약 700mm 약 300~450mm사용한

가뭄지수SVI VCI VCI

출처 Peters et al.Unganai and

KoganKogan et al.

(Sicily)지방을 대상으로 한 NDVI, VCI, TCI와 기상학적 가뭄지수인 표준

강수지수(Standardized Precipitation Index: SPI)와의 상관관계를 분석하

여 높은 상관성을 보여 두 가뭄지수의 혼합사용은 식생에서의 수분 부족

스트레스 상태를 탐지하고 모니터링하는데 효과적이며, 원격탐사자료와의

사용은 공간적인 분포를 파악하기에 유용하다(Vogt, Viau and Beaudin,

1998).

이와 같은 선례 연구들을 살펴보면, 대규모의 농지 및 초지 지역에 적

용하여 나타낸 것으로, 연강수량이 약 300~700mm인 반건조(semi-arid)

기후나 스텝(steppe)기후에 속하는 것을 알 수 있으며, 대표적으로 다음

의 표 1과 같이 정리할 수 있다.

1.3 연구 목적과 범위

본 연구에서는 선례 연구 대상지역과는 달리, 주요 토지 피복이 산림이며,

약 1,200 ~ 1,300mm 연강수량의 온대기후인 한반도를 대상으로 다중시기

NOAA AVHRR NDVI를 사용하여 가뭄 모니터링을 시도해보고자 한다. 또한

산림 및 농지, 도시지역 등 토지피복에 따른 영향 분석으로 피복별 민감도를

비교하고, 가뭄의 절대적 요인인 강수량과 기상자료를 기반으로 한 가뭄 지

수인 Palmer가뭄심도지수(Palmer Drought Severity Index: PDSI), SPI와의

5

그림 2 연구흐름 및 범위

상관관계를 분석하여 NDVI를 이용한 가뭄지수의 활용성을 제시하는 것이 본

연구의 목적이다.

이를 위해서 총 232개의 1994 ~ 2003년 식물생장기(growing season:

3~10월)의 NOAA AVHRR 10일 최대값 합성 영상(10-day maximum value

composite image)을 강수량 자료와의 호환을 위해 우선적으로 기하보정 및

월평균 NDVI 영상 제작과 같은 전처리를 수행하였다. 각각 월 단위의 강수량

과 NDVI를 사용하여 제작한 VCI와 SVI 영상으로 부터 기상관측소 좌표를 기

준으로 3x3 화소면적을 토지피복별로 추출한 뒤, 강수량 및 Pamler가뭄심도

지수(PDSI), SPI와의 상관관계를 분석하여 각 가뭄지수의 비교 및 적용성 분

석으로 NDVI와 VCI 및 SVI와 같은 가뭄지수의 활용가능성을 제시하고자 하

였다.

그림 1은 전반적인 연구 진행 흐름도를 나타낸다.

6

제 2 장 가뭄 및 가뭄지수

2.1 가뭄의 정의

가뭄은 강수량 부족으로 인해 생기는 기상재해현상이지만, 시작과 끝이 명

확하지 않고 그 피해를 정량적으로 나타내기 어려운 특성 때문에 명확한 정

의는 힘들다. 또한 장마기간, 태양의 흑점수, 엘리뇨-라니냐현상 등 발생 원

인도 다양한 만큼 가뭄의 형태도 다양하다. 따라서 학문적 관점이나 적용에

따라 기상학적 가뭄(meteological drought), 식생적 가뭄(vegetative

drought), 수문학적 가뭄(hydrological drought) 등으로 주로 구분한다(류재

희, 2000; 김철준, 2003). 기상학적 가뭄은 강수량 또는 무강수 계속일수로

정의하고, 이와 관련된 대표적인 가뭄지수로는 가뭄의 심도를 수분 부족량

과 수분부족기간의 함수로 나타낸 Palmer 가뭄 심도지수 (Palmer Drought

Severity Index: PDSI)와 다양한 시간단위동안의 부족 강수량으로 설전된 표

준강수지수(Standardized Precipitation Index: SPI)가 있다. 또한, 식생적

가뭄은 식생의 생육에 직접 관련되는 토양수분으로 정의하는 가뭄으로,

Palmer(1968)에 의해 개발된 작물수분지수(Crop Moisture Index: CMI)로

가뭄관측에 적용하여 나타나기도 한다. 수문학적 가뭄은 하천, 저수지, 지하

수 등의 가용 수자원 양으로 정의하는데, 이러한 수문학적 가뭄에는 가뭄에

영향을 미치는 4가지 수문성분인 강수, 적설, 하천유량, 저수지유량으로 구

성된 지표수 물 공급 지수(Surface Water Supply Index: SWSI)가 대표적이

다. 이 밖에도 강수현상이나 물의 용도에 따라 사회경제적 가뭄, 대기가뭄,

기후학적 가뭄으로 구분하기도 한다.

높은 온도나 바람, 낮은 습도 등 여러 가지 원인으로 발생한 강수량 부족이

라는 기상학적 가뭄은 증발산량을 증가시키고 토양수분을 감소시켜 식물 성

장 저하라는 식생적 가뭄을 유발하게 되고, 하천유량저하 및 저수지수위 저

하 등의 수문학적 가뭄까지 일으켜 경제적, 환경적인 피해를 발생시킨다. 이

러한 각 관점에 따른 가뭄의 발생 순서와 흐름을 나타내보면 다음의 그림 2

와 같다.

7

그림 2 강수량 부족에 따른 가뭄 발생순서 (한국건설기술연구원, 2002)

8

2.2 기상학적 가뭄지수

기존의 가뭄지수들은 주로 강수량 등의 기상자료에 의존한 것으로 강수의

양, 기간, 강도 등에 중점을 둔 기상학적 가뭄지수가 주류를 이루었으며, 대

표적 기상학적 가뭄지수인 Palmer 가뭄심도지수(Palmer Drought Severity

Index: PDSI)와 표준강수지수(Standardized Precipitation Index: SPI) 외에

도 가장 간단한 측정 방법 중 하나인 정상 강수량 백분율(Percent of Normal

Precipitation: PNP), 장기간의 강수 자료를 가지고 발생분포를 10단계로 구

분하여 가뭄을 감시하는 십분위수(Deciles), 대륙 규모에 대한 강우 형태와

비정상적인 강우를 비교하기 위해 개발된 국가강우지수(National Rainfall

Index: RI)등이 있다(김치영, 2001).

2.2.1 Palmer 가뭄심도지수(PDSI)

Palmer 가뭄심도지수(Palmer Drought Severity Index: PDSI)는 가뭄을 장

기간의 이상습윤 부족상태 즉, 정상적인 기후에서 현저하게 벗어난 비정상

적인 습윤 부족 기간이라고 정의한 Palmer(1965)에 의해 개발된 가뭄지수이

다. 가뭄의 심도를 수분부족량과 수분부족기간의 함수로 나타내었으며, 시

공간적 일관성을 위해 기후학적으로 상이한 두 지역, 강수량이 매우 적고 건

조한 기후를 가진 Kansas와 습한 기후를 가진 Iowa를 대상으로 하여 지수

개발을 하였다(박은주, 2002). PDSI는 기상학적 가뭄지수이며 강수량과 기

온자료 뿐만 아니라, 지역적 유효토양수분량에 근거하여 증발산량, 함양량

(개발가능량), 유출량 및 손실량을 포함하여 물수지분석을 수행하나, 관개와

같은 인간적인 영향이나 하천유량, 호수나 저수지 수위 및 다른 수문학적 영

향들에 대한 고려는 없다(Palmer, 1965; Karl and Knight, 1985; 한국건설

기술연구원, 2002).

이러한 PDSI는 최초의 복합적인 가뭄지수로 미국에서 넓은 적용성을 유지

하고 있어 오랜 기간동안 여러 지역에서 사용될 만큼 보편화되어 있으며, 특

히 농업에서 토양습윤조건의 민감한 영향을 측정하는데 유용하다(한국건설

기술연구원, 2002). 그러나, 적설에 대한 고려가 없는 점이나 다른 장기간의

수문학적 영향을 고려하지 않는 점, 산악지역과 빈번한 극치사상이 발생하

9

표 2 PDSI에 따른 가뭄분류

가뭄지수의 범위 수분상태4.0 이상 Extremely wet3.0 ~ 4.0 Very wet2.0 ~ 3.0 Moderately wet1.0 ~ 2.0 Slightly wet0.5 ~ 1.0 Incipient wet spell-0.5 ~ 0.5 Near normal-1.0 ~ -0.5 Incipient drought-2.0 ~ -1.0 Mild drought-3.0 ~ -2.0 Moderate drought-4.0 ~ -3.0 Severe drought-4.0이하 Extreme drought

는 지역에서는 다소 적합성이 떨어지는 등의 한계점을 가지고 있다(Karl and

Knight, 1985).

PDSI에 의해 가뭄의 상태를 분류해보면 다음의 표 3과 같다.

10

표 3 SPI에 따른 가뭄분류

가뭄지수의 범위 수분상태2.00 이상 Extremely wet

1.50 ~ 1.99 Very wet1.00 ~ 1.49 Moderately wet-0.99 ~ 0.99 Near normal-1.00 ~ -1.49 Moderately dry-1.50 ~ -1.99 Severe dry-2.00 이하 Extremely dry

2.2.2 표준강수지수(SPI)

표준강수지수(Standardized Precipitation Index: SPI)는 Mckee 등(1993)

에 의해 개발된 가뭄지수로, 3,6,9,12개월 등과 같은 시간 단위별로 강수부

족량을 산정하여 용수공급원인 지하수량, 적설량, 저수지 저류량, 토양함유

수분, 하철 유출량 등에 각기 미치는 영향을 나타낸 것이다(류재희, 2000).

이러한 SPI는 시간 단위별 누가 강수 시계열의 작성, Guttman(1999)에 의해

적정 확률분포형 선정된 Pearson Type-Ⅲ 분포를 이용한 매개변수 추정, 누

가확률 산정 및 표준정규분포에 적용시킨 가뭄지수의 산정 등의 단계를 거쳐

산정하게 되며, 최종적으로 산정된 SPI의 결과로부터 얻은 가뭄심도를 아래

와 같이 분류하였다(Mckee et al., 1993).

이와 같이 확률특성을 가진 정규분포형태인 SPI는 미국의 많은 가뭄대비

계획에 사용되고 있으며, 전문가들은 SPI의 다용성을 높이 평가하는 편이다

(한국건설기술연구원,2002).

11

2.2.3 기상학적 가뭄지수의 문제점

이와 같은 기존의 국내 가뭄 연구들은 주로 PDSI를 사용하나, 지형이 고르

고 넓은 미국과는 달리 지형이 조 하고 복잡한 한반도에서는 한계를 나타

낸다. 강수량과 같은 기상자료 의존적인 PDSI, SPI와 같은 기존 기상학적 가

뭄지수를 이용한 가뭄연구들은 첫째, 점 관측 데이터이기 때문에 공간적 분

포 파악에 어려움이 있으며 둘째, 대규모의 대상지역일 경우 시간적, 경제적

비용이 높아 효율성이 떨어진다. 따라서, 농지 및 식생지역에 미치는 영향을

나타내는 식생적 가뭄 모니터링 및 피해 탐지에 한계를 나타내고 있다.

12

2.3 NDVI를 이용한 가뭄지수

2.3.1 Vegetation Condition Index(VCI)

Kogan(1990)에 의해 개발된 Vegetation Condition Index (VCI)는 주로

NOAA(National Oceanic and Atmospheric Administration)

AVHRR(Advanced Very High Radiometric Resolution) 영상을 사용하여 제

작되었으며, 미 대평원(Great Plains), 카자흐스탄, 인도 등의 대규모 초지

및 농지지역을 대상으로 적용하였다. 이러한 VCI는 동일시기의 최소 4년~

최대 12년간 정규식생지수(Normalized Difference Vegetation Index: NDVI)

를 가지고 최대값과 최소값을 이용하여 0 ~ 100의 범위로 정량화 시킨 지수

로, 아래의 공식에 의해 계산된다.

VCI i=100 ×NDVI i-NDVI minNDVI max-NDVI min

........................(1)

여기서, NDVI max = 각 화소(pixel)별 최대 NDVI값

NDVI min = 각 화소(pixel)별 최소 NDVI값

i = 각 화소(pixel)위치

Kogan(1990)은 VCI 이외에 NOAA AVHRR 열적외선 (Thermal) 의 밝기 온

도(brightness temperature)를 0 ~ 100까지의 범위로 정량화 시킨

TCI(Temperature Condition Index)를 개발하였으며, 계산 공식은 아래의 식

(2)과 같다.

TCI i=100 ×BT max -BT i

BT max-BT min

.......................(2)

여기서, BT max = 각 화소(pixel)별 최대 밝기 온도값

BT min = 각 화소(pixel)별 최소 밝기 온도값

i = 각 화소(pixel)위치

13

VCI와 TCI를 함께 사용한 VT(Vegetation & Temperature Condition Index)

적용하면 보다 가뭄탐지와 수확량 조건평가에 더욱 효과적이다(Unganai

and Kogan, 1998; Kogan, 1998).

2.3.2 Standardized Vegetation Index(SVI)

Peters et al.(2003)은 미 대평원을 중심으로 동일한 시기의 12년(1989 ~

2000)간 NOAA AVHRR NDVI를 표준정규분포에 적용시켜, 평균값으로부터

식생조건 편차를 통해 각각의 변량을 표준화 시키는 방법으로 표준화된 가뭄

지수를 개발하여 가뭄 모니터링의 유용성을 나타내었다. Standardized

Vegetation Index(SVI)의 계산 공식은 아래의 식(3)와 같다.

Z ijk=NDVI ijk- NDVI ij

σ ij............................(3)

여기서, Z ijk = k년 j주 화소 i의 z값

NDVI ijk = k년 j주 화소 i의 NDVI

NDVI ij = 몇 년 동안 j주 pixel i의 평균 NDVI

σ ij = 몇 년 동안 j주 pixel i의 NDVI의 표준편차

이러한 Z ijk는 평균이 0이고 표준편차가 1일 표준정규분포를 따르며, 이 값

에 확률 도함수를 적용하였다. 최종적으로 SVI는 0 ~1의 범위를 가지며,

값에 따라 very poor(0 ~ 0.05), poor (0.05 ~ 0.25), average (0.25

~0.75), good (0.75 ~ 0.95), very good (0.95 ~ 1)로 분류된다(Peters et

al., 2003).

14

제 3 장 연구방법

본 장에서는 연구 대상 지역인 한반도의 개략적인 설명과 NOAA(Natioanal

Oceanic and Atmospheric Administration) AVHRR(Advanced Very High

Radiometric Resolution) 정규식생지수(Normalized Difference Vegetation

Index: NDVI)와 강수량 자료 및 토지 피복도 등의 사용된 자료에 대한 소개

를 시작으로 앞 장에서 서술했던 가뭄지수 제작과 상관관계 분석 등의 연구

방법 및 과정에 대해 설명하고자 한다.

3.1 연구대상지역

연구대상지역은 북위 33 ~ 43°, 동경 124 ~132°로 동북아시아에 위치하

고 있는 약 220,000㎢의 면적의 한반도로 좁은 면적이지만, 동서에 비해 남

북으로 길게 뻗어있어 위도 차에 의한 기후 특색이 있으며, 동고서저지형의

영향으로 강수량 분포도 지역적 특성을 지녀 동서남북의 기후가 다양하다.

이와 같은 지리적 위치와 지형적 특성으로 인해 한반도는 온대와 냉대의 점

이적 성격을 가지며, 대륙과 해양의 영향을 함께 받아 여름에는 7~8월의 장

마기간과 더불어 고온다습하고 겨울에는 한랭건조하다 (두산세계대백과,

2001).

또한, 연강수량이 약 1,200 ~ 1,300mm로 비가 많이 내리는 편이나 그 중

50%이상이 7~8월에 오는 장마기간에 속하며, 남해안이 약

1,400~1,500mm, 중부지방 약 1,200mm, 북부지방 약 800 ~ 900mm로

북쪽으로 갈수록 줄어든다(두산세계대백과, 2001).

남북한으로 나눠진 한반도는 주된 피복이 산림으로 전 지역의 약 70%를

차지하고 있으며, 북한이 남한보다 산림이 차지하는 비율이 약 7~8% 더 높

다. 그 다음으로 많이 분포한 토지 피복은 농지로 전 지역의 약 20%이며, 초

지, 시가화/건조지역, 나지 등의 순으로 한반도를 구성하고 있다.

15

표 4 사용된 자료

NDVI 강수량 토지피복도

데이터

NOAA AVHRR

10일 최대값

합성 영상

(총 232영상)

88개 관측소의

월 강수량

(남한:63,북한:25)

7항목의 대분류

환경부 토지피복도

시기 1994~2003년 식물생장기(3~10월) 1996~1999년공간해상도 4.0km - 30m

3.2 사용한 자료

본 연구에서는 한반도 가뭄 모니터링을 위해 최근 10년 식물 생장기동안의

NOAA AVHRR NDVI 및 월 강수량 자료이며, 피복별 분류를 위해 토지피복

도도 사용되었다. 표 4는 사용된 자료의 특성을 나타낸 것이다.

3.2.1 정규식생지수(NDVI)

NDVI는 식생의 생장량 및 활성도, 농작물의 수확량 등에 가장 효과적으로

사용되어온 식생지수이다. 본 연구에서는 가뭄 모니터링을 위해 사용된

NDVI는 USGS(the United State Geological Survey)에서 제작한 것으로,

1994년부터 2003년까지 3 ~10월 동안의 NOAA AVHRR 10일 최대값 합성

영상(10-day maximum value composite image) 총 232장을 일본 농림수

산연구정보센터(Agriculture, Forestry and Fisheries Research Information

Center: AFFRIC)에서 제공받았다. NOAA AVHRR 센서는 NDVI 영상 제작

에 주로 사용되는 센서중의 하나로 하루에 두 차례 지구에 대한 정보를 획득

하므로, 공간해상도 1.1km를 가진 전 지구적 규모의 자료를 수집하고 저장

하기에 효과적이다. 자세한 센서의 제원과 특성을 살펴보면 다음의 표 5와

같다.

16

표 5 NOAA/AVHRR 센서 제원

제원

분광해상도

채널 1 0.580~0.680㎛채널 2 0.725~1.100㎛채널 3 3.550~3.930㎛채널 4 10.30~11.30㎛채널 5 11.50~12.50㎛

공간해상도 1.1 km방사해상도 10 bit시간해상도 12시간주사폭 2700km

AVHRR 원자료는 0 ~ 1023의 범위의 10bit DN(Digital Number) 값

으로 나타내며, 일반적으로 NDVI 영상을 제작하기 위해서는

NOAA/AVHRR 센서 가시광선의 채널(channel) 1과 근적외선 파장의 채널

2의 DN값을 gain과 offset을 사용하여 반사값(spectral reflectance)으로

변환하는 복사보정(radiometric correction)을 실시하여야 한다(Lee,

1994).

반사값(refectance) 형태의 영상이 기하보정(geometric correction)을

통해 좌표등록을 마친 후, 아래와 같은 공식에 의해 NDVI 영상이 제작되

며 -1 ~ 1의 범위를 갖는다.

NDVI=CH2-CH1CH2+CH1

...........................(4)

이렇게 정규화 된 NDVI는 각기 다른 태양각으로 인한 조도 영향과 구

름이나 대기, 눈 등의 영향을 상쇄할 수 있으며, 구름의 영향을 받은 지

역은 대체적으로 0 또는 0보다 낮은 음수값을 가지므로, 10일이나 2주

등 일정기간의 최대값으로 합성하여 제거하기도 한다(Lee, 1994). 이와

같은 과정을 통해 제작된 NDVI의 최종 Cloud-free영상을 사용하였으며,

이러한 NDVI 제작과정은 그림 3과 같이 표현할 수 있다.

17

그림 4 사용된 NDVI의 제작과정

그림 5 연구대상지역인 한반도의 2001년 6월 하순 NDVI영상

18

3.2.2 월강수량

본 연구에서 사용된 월강수량은 10년 이상의 자료가 축적되어야 하므

로, 최근 신설되거나 도서 지역의 관측소를 제외하였다. 남한 63개, 북한

25개 총 88개 기상관측소의 1994년부터 2003년까지 자료를 사용하였으

며, 북한보다 좁은 면적을 가지고 있는 남한은 2배 이상의 기상관측소가

조 하게 분포하고 있는 것을 알 수 있다.

3.2.3 토지피복도

NDVI 영상의 피복분류를 위해 사용된 환경부 토지 피복도는 1996~1999

년 시기의 Landsat TM 영상을 사용하여 분류한 것으로 30m의 공간해상도

를 가지며, 산림, 농지, 시가화/도시지역, 초지, 나지, 습지, 수역 총 7개의

항목으로 대분류된 영상이다.

그림 6 환경부 토지피복도

수역도시초지습지나지산림농지

19

3.3 NDVI를 사용한 가뭄지수 영상 제작

3.3.1 NDVI 영샹의 기하보정 (Geometric Correction)

일반적으로 위성영상자료의 기하학적 왜곡을 보정하거나, 특정 좌표계로

변환하기 위해 지상기준점(Ground Control Point: GCP)를 이용한 기하보정

을 실시한다. 본 연구에서 사용된 토지피복도와 기상관측소의 위치좌표계가

UTM(Universal Transverse Mercator)/WGS84(World Geodetic System

1984)를 가지고 있으며, 정규식생지수(Normalized Difference Vegetation

Index: NDVI) 영상도 이미 UTM 좌표체계를 가지고 있었으나, 일본 동경중심

이라 기상관측소의 위치나 토지 피복도와의 오차가 있기 때문에,

UTM/WGS84 좌표계를 가진 행정 구역도를 기준으로 하여 기하보정을 실시

하였다. 기하보정을 하기 위해서는 최소한 3점 이상의 지상기준점이 필요하

며, 영상에서의 위치가 수평적으로나 고도에 따라 수직적으로 골고루 분포

해야한다. 그러나, 본 연구에서 사용된 영상은 공간해상도가 매우 낮아 지표

물을 확인하기 어려우므로 수평적인 분포만 고려하였으며, 한반도의 경계에

서 GCP를 획득하였다. 보정식은 20개의 지상기준점(GCP)를 가지고 1차

다항 변환식을 사용하였으며, 그 결과 식(5)에 따른 제곱근오차(Root Mean

Square Error: RMSE) 계산 시, X방향 0.3039, Y방향 0.3698로 총 RMSE는

0.4787로 반 화소(pixel)이내이다.

RMSE = (x-x 0)2+(y-y 0)

2 ...........................(5)

여기서, x,y = 변환 뒤 갖게 되는 영상의 지상기준점(GCP) 좌표

x 0,y 0= 원 영상의 기상기준점(GCP) 좌표

20

3.3.2 월평균 NDVI 영상제작 및 강수량 지도 제작

NDVI를 비롯한 Vegetation Condition Index(VCI) 및 Standardized

Vegetation Index(SVI) 가뭄지수들은 10일 단위인 반면, 강수량 및 기존의

가뭄지수들은 월단위의 자료이기 때문에 두 종류의 자료 중 어느 한쪽을 다

른 형태로 맞춰야 분석이 가능하다. 이에 본 연구에서는 1-10일, 11-20일,

21-30일과 같이 10일 단위인 최근 10년(1994~2003년)의 NDVI를 월단위

에 맞춰 평균한 월평균 NDVI 영상을 제작하였다. 또한, 다음 그림 6과 같이

위치한 남한 63개소, 북한 25개소, 총 88 기상관측소의 UTM/WGS84 좌표

를 통해 기상관측소 지도를 제작하였다.

그림 7 88개의 한반도 기상관측소 위치

21

3.3.2 NDVI와 강수량 상관분석을 위한 시기 선정

NDVI와 강수량의 상관관계분석 및 NDVI를 사용한 가뭄지수와 강수량을

기반으로 한 가뭄지수와의 상관관계분석에 사용할 시기를 선정하기 위해서

연구대상지역인 한반도의 NDVI와 강수량의 시기별 패턴을 분석하였다. 최근

10년 (1994 ~ 2003년) 동안의 3월부터 10월까지 한반도 월평균 NDVI 및

월강수량을 평균하였으며, 그 결과는 그림 7과 같다. NDVI의 경우 3월에서

6월까지 꾸준한 증가세를 보이다가 여름 시기인 6월부터 9월까지는 약 0.5

정도의 수치를 유지하며, 10월에는 현격하게 값이 떨어지는 것을 볼 수 있으

나, 강수량의 경우엔 장마가 발생하는 시기인 7,8월을 중심으로 강수량이 집

중되어있는 것을 알 수 있다.

이러한 한반도의 특성상 봄 시기의 강수량이 무척 중요하여 빈번한 봄 가뭄

이 발생하는 것으로 보인다. 따라서 본 연구에서는 식생이 충분히 자란 시기

이며 장마직전이기 때문에 가뭄의 영향이 가장 잘 나타나리라 생각되는 6월

영상을 선정하여 두 가뭄지수인 Standardized Vegetation Index(SVI)와

Vegetation Condition Index(VCI) 영상을 제작하였다.

그림 8 한반도의 10년 월평균 정규식생지수와 강수량의 패

턴

NDVI와 강수량

0

0.1

0.20.3

0.4

0.5

0.6

3 4 5 6 7 8 9 10

월

NDVI

0.050.0100.0150.0200.0250.0300.0350.0

강수

량

NDVI

강수량

22

3.4 기상학적 가뭄지수 산정

본 연구에서 사용된 기상학적 가뭄지수는 한국건설기술연구원의 가뭄현황

정보(http://www.drought.re.kr)에서 제작한 것으로, 1994~2003년 남한지

역 53개 기상관측소의 월강수량과 월평균 기온자료를 사용하였다. 가뭄지수

의 산정방법은 2002년에 발행한 한국건설기술연구원의 “가뭄관리 종합대책

수립연구” 보고서를 참조하였다.

3.4.1 각 관측소별 Palmer가뭄심도지수(PDSI) 산정

Palmer가뭄심도지수(Palmer Drought Severity Index: PDSI)는 강수량, 기

온 및 유효토양수분량(Available Water content: AWC)를 입력 자료로 사용

하며, 수분수지모형을 이용하여 산정한 증발산량, 함양량, 유출량 및 손실량

뿐 아니라 잠재증발산량, 잠재함양량, 잠재유출량 및 잠재손실량이 필요하

다.

(1) 잠재 증발산량 산정

잠재 증발산량은 Thornthwaite 등의 월열지수법(monthly heat index

method)를 사용하여 산정하며, 다음의 식 (6)와 같다.

PE n=1.6 L d(10t nJ)a.................................(6)

여기서, PE n = 월잠재증발산량(cm/month)

t n = 월평균기온(℃)

L d = 위도에 따른 일조시간 조정계수

J= ∑12

n= 1( t n/5)

1.514 연 열지수(yearly heat index)

α= (6.75 ×10 -7)J 3-(7.71×10 -5)J 2+(1.79×10 -2)J+0.49

다음의 표 6은 한반도 중 남한의 위도별 일조시간 조정계수를 보여준다.

23

표 6 월별 북위별 일조시간 조정계수 L d

월

북위1월 2월 3월 4월 5월 6월 7월 8월 9월 10월 11월 12월

35.0 0.870 0.850 1.030 1.090 1.210 1.210 1.230 1.160 1.030 0.970 0.860 0.850

36.0 0.864 0.846 1.030 1.094 1.216 1.218 1.238 1.164 1.032 0.968 0.854 0.842

37.0 0.858 0.842 1.030 1.098 1.222 1.226 1.246 1.168 1.034 0.966 0.848 0.834

38.0 0.852 0.838 1.030 1.102 1.228 1.234 1.254 1.172 1.036 0.964 0.842 0.826

(한국건설기술연구원, 2002)

(2) 수분수지모형

수분수지모형은 토양층을 임의로 상부와 하부로 구분하여 사용하며, 잠재

증발산량이 강수량보다 클 경우 토양수분손실이 발생하게 된다.

L s= min [ (PE-P) or S s]..........................(7)

L u=(PE-P-L s)S uAWC

, L u≤S u .....................(8)

여기서, L s = 상부층의 수분손실

L u = 하부층의 수분손실

L =L s+L u

S s = 해당월이 시작될 때 상부층의 유효수분

S u = 해당월이 시작될 때 하부층의 유효수분

AWC = 상부와 하부층의 유효토양수분량의 합

(3) 기후적으로 필요한 강수량의 산정

수분수지분석으로 잠재함양량(잠재 개발가능량), 잠재손실량, 잠재유출량

의 세가지 변량을 산정한 뒤, 기후적으로 필요한 강수량을 산정하며, 다음의

24

식 (9), (10)과 같다.

PR = AWC-(S s+S u)............................(9)

PL=PL s+PL u................................(10)

여기서, PR = 잠재함양량

PL = 잠재손실량

PRO = 잠재유출량 = AWC- PR = AWC-(AWC-S) = S

PL s= min[PE orS s]

PL u= (PE-PL s)S uAWC

, PL u≤S u

잠재함양량, 잠재손실량 및 잠재유출량과 잠재증발산량은 각 12개월에 대

한 4개의 계수(α,β,γ,δ)를 구하는데 사용된다. α,β,γ,δ는 각각 증발산량, 함

양량(개발가능량), 유출량, 손실량 계수를 말하며, 다음 4개의 공식

(14)~(18)으로 산정한다. 증발산량계수(α)는 습한 기후에서는 ‘1’, 매우 건

조한 기후에서는 ‘0’에 가까우며, 함양량계수(β)는 일반적으로 강수량이 많

고 증발산이 적은 초봄에 가장 높으며, 한여름에는 가장 낮다. 유출량계수

(γ)는 여름에는 ‘0’에 가깝고 봄철에는 가장 크지만, 손실량계수(δ)는 겨울철

에는 0, 여름에는 0.2~0.6의 범위를 가진다.

α i= ET i/ PE i (i = 1,2,3.......12) .................(11)

β i= R i/ PR i (i = 1,2,3.......12) .................(12)

γ i= RO i/ PRO i (i = 1,2,3.......12) .................(13)

δ i= L i/ PL i(i = 1,2,3.......12) .................(14)

여기서, ET = 실제월증발산량, PE = 잠재증발산량

R = 평균 실제월함양량, PR = 잠재함양량

RO = 평균 실제월유출량, PRO = 잠재유출량

L = 평균 실제월수분손실량, PL = 잠재월수분손실량

25

위와 같은 4개의 계수는 해당월 대상지역의 정상적인 기후에서 증발량, 유

출량 및 토양수분저류량을 유지시키기 위해 필요한 강수량(Climatically

Appropriate For Existing Condition: CAFEC)을 산정하는데 필요하며, 다음

의 식 (15)로 계산할 수 있다.

P i= α iPE i+β iPR i+γ iPRO i+δ iPL i.......................(15)

여기서, P i = 기후학적으로 필요한 강수량

이와 같이 구한 P i과 실제 강수량간의 차이인 수분편차를 나타낼 수 있

다.

κ= (PE+ R

P+ L)..................................(16)

여기서, PE = 잠재증발산량의 월별 평균값

R = 함양량의 월별평균값

P = 강수량의 월별 평균값

L = 수분 손실량의 월별 평균값

식 (16)을 통해 계산된 초기 기후 특성인자(k)에 수분편차를 곱해 수분편차

지수를 산정한 뒤, 가뭄심도 X(i)를 구하는 공식을 다음과 같이 유도하였다.

X i= ∑i

t=1

Z t(2.691+0.309t)

.............................(17)

여기서, t = 건조기간(개월)

Z t = 건조기간에 따른 수분이상지수

26

3.4.2 각 관측소별 표준강수지수(SPI) 산정

표준강수지수(Standardized Precipitation Index: SPI)는 각 수문인자에 대

해 특정 지속기간별로 산정할 수 있으며, 크게 시간단위별 누가 강수 시계열

의 작성, 적정 확률분포형 선정 및 매개변수 추정, 누가확률 산정 및 표준강

수지수산정의 3단계로 구분할 수 있다.

(1) 시간단위별 누가 강수 시계열 작성

원자료인 월강수량을 1, 3, 6, 9, 12개월 등 시간단위에 따라 연속적으로

중첩하여 시계열을 작성한다. 예를 들어, 월강수량을 연도별, 월별로 나열한

뒤, 3개월 시간단위의 누가 강수의 경우, 각 월을 기준으로 하여 이전 3개의

변량을 더하게 되면 3개월에 해당하는 강수 시계열을 얻을 수 있다.

(2) 적정 확률분포형 선정 및 매개변수 추정

SPI를 산정하기 위한 누가강수 시계열의 적정확률분포형은 연최대치 홍수

량, 저류량, 연유출량 등 수문자료의 해석에 널리 사용되어온 Pearson

Type-Ⅲ분포로 선정하였다.

Pearson Type-Ⅲ 분포는 다음 식 (3)과 같이 표현되며, 3개의 매개변수를

가진다.

f(x)=1

αΓ(β)(x-x 0α

)β-1exp(-

x-x 0α

).....................(18)

여기서, a = 규모 매개변수(scale parameter),

β= 형상 매개변수(shape parameter),

x 0= 위치 매개변수(location parameter)

규모, 형상, 위치 매개변수는 이상자료의 영향을 최소화 할 수 있는 확률가

중모멘트법(method of probability weighted moment: PWM)를 사용하여

추정하였으며, K-S test로 적합도 검증도 수행하였다.

27

(3) 누가확률 및 SPI 산정

적정 확률 분포인 Pearson TypeⅢ의 매개변수를 이용하여 계산한 누가확

률 P와 표준 정규분포 공식에 적용시킨 누가확률 P'가 같게 되는 Z값이 최종

으로 산정된 SPI이다.

28

3.5 NDVI를 사용한 가뭄지수의 적용성 분석

3.5.1 기상관측소 중심의 자료 추출

NDVI를 사용한 가뭄지수의 적용성을 분석하기 위해 우선 강수량과의 상관

관계분석을 수행하였다. 강수량자료는 기상관측소에서 수집한 수치형태의

자료로 2차원 공간자료 형태인 영상과의 직접적인 비교는 어렵다. 각기 다른

형태의 두 자료를 분석하기 위해서는 점 관측 자료인 강수량을 kringing,

spline, Inverse Distance Weighting(IDW) 등의 알고리즘으로 보간하여 공간

자료로 만들거나, 기상관측소가 위치한 지점의 영상의 화소값을 사용하는

방법으로 나눌 수 있다. 그러나, 한반도의 좁고 조 한 지형적인 특징으로

볼 때, 기상 관측소의 강수량을 어떤 알고리즘으로 보간하더라도 정확한 강

수량을 나타내기는 힘들며, 보간하여 사용할 시에는 한반도 전역이 하나의

변수로 되며, 지역별 변이가 상쇄되기 때문에 상관관계를 분석하기에 적절

하지 못하다. 따라서, 정확도를 높이기 위해 기상 관측소의 강수량 자료를

중심으로 한 영상의 화소값(pixel value)을 사용하되, 위치 정확도와 값의 오

차발생을 우려하여 기상관측소가 위치한 화소를 중심으로 3X3 화소값(pixel

value)의 평균을 사용하였다. 그림 8과 같이 NDVI 영상에서 기상 관측소 중

심의 3X3 화소값(pixel value) 추출하였으며, 한 pixel의 공간해상도는 4km

이므로 추출된 자료의 면적은 12X12㎢이다.

3.5.2 토지피복별 NDVI의 자료 추출

NDVI는 토지피복에 영향을 많이 받으므로, 환경부 토지 피복도를 사용하여

한반도의 주요 피복인 산림 및 농지와 도시지역을 구분하여 피복별 민감도를

분석하였다. 환경부 토지피복도와 NDVI의 공간 해상도가 같다면 동일한 토

지피복에 해당하는 화소값을 사용하면 되지만, NDVI의 공간해상도는 4km,

토지 피복도는 30m로 그 차이가 매우 크다. 따라서, 그림 8과 같이 기상관

측소 중심으로 NDVI를 추출했던 방법으로 동일하게 토지 피복자료를 추출한

뒤, 각각의 화소를 토지 피복분포로 가중 평균하였다.

각 기상관측소 중심으로 추출한 자료는 그림 8과 같이 A부터 I까지 9개의

29

화소로 이루어져 있으며, 각 화소는 다양한 토지피복의 분포를 가지고 있기

때문에 한 피복의 영향을 받는다고 할 수 없다. 이에 각각의 토지피복비율만

큼 가중치를 두어 식(19),(20),(21)과 같이 토지피복별 평균 NDVI를 계산하

였다.

산림NDVI= A×f A+B×f B+..........+I×f I9-n

............(19)

농지NDVI= A×c A+B×c B+..........+I×c I9-n

............(20)

도시NDVI= A×uA+B×u B+..........+I×u I9-n

...........(21)

여기서, A.....I = A~I 화소값, n = 바다를 포함한 화소의 수

f A.....I = 각각 A~I 화소의 산림 비율

c A.....I = 각각 A~I 화소의 농지 비율

u A.....I = 각각 A~I 화소의 도시 비율

표 7은 위와 같은 공식으로 2001년 6월 NDVI에 적용하여 토지피복별 자료

를 추출한 것이다.

그림 9 기상관측소 중심의 NDVI와 토지피복도 추출

A B C

D E F

G H I

30

표 7 토지피복별로 추출된 2001년 6월 NDVI

산림 농지 도시 산림 농지 도시

속초

(90)0.23 0.21 0.20

포항

(138)0.21 0.27 0.21

철원

(95)0.31 0.25 0.28

군산

(140)0.14 0.13 0.12

대관령

(100)0.43 0.42 0.42

대구

(143)0.26 0.28 0.33

춘천

(101)0.36 0.29 0.28

전주

(146)0.32 0.25 0.22

강릉

(105)0.35 0.32 0.29

울산

(152)0.29 0.27 0.22

동해

(106)0.37 0.31 0.31

마산

(155)0.38 0.36 0.36

서울

(108)0.11 0.20 0.07

광주

(156)0.22 0.20 0.15

인천

(112)0.01 0.00 0.11

부산

(159)0.16 0.31 0.17

원주

(114)0.32 0.32 0.29

통영

(162)0.30 0.29 0.35

수원

(119)0.17 0.18 0.14

목포

(165)0.13 0.13 0.10

충주

(127)0.37 0.34 0.31

여수

(168)0.30 0.26 0.25

서산

(129)0.20 0.19 0.17

완도

(170)0.44 0.24 0.21

울진

(130)0.38 0.37 0.35

진주

(192)0.36 0.34 0.35

청주

(131)0.30 0.25 0.23

강화

(201)0.32 0.31 0.29

대전

(133)0.25 0.25 0.17

양평

(202)0.30 0.29 0.29

추풍령

(135)0.55 0.53 0.53

이천

(203)0.23 0.22 0.24

안동

(136)0.39 0.39 0.35

인제

(211)0.45 0.44 0.41

31

산림 농지 도시 산림 농지 도시

홍천

(212)0.35 0.33 0.29

문경

(273)0.43 0.35 0.35

태백

(216)0.50 0.50 0.51

영덕

(277)0.43 0.42 0.40

제천

(221)0.42 0.36 0.29

의성

(278)0.38 0.37 0.39

보은

(226)0.44 0.40 0.39

구미

(279)0.45 0.35 0.33

천안

(232)0.29 0.28 0.20

영천

(281)0.33 0.32 0.30

보령

(235)0.30 0.28 0.27

거창

(284)0.50 0.46 0.45

부여

(236)0.26 0.25 0.24

합천

(285)0.43 0.42 0.39

금산

(238)0.45 0.37 0.36

양

(288)0.33 0.30 0.26

부안

(243)0.17 0.18 0.16

산청

(289)0.43 0.40 0.40

임실

(244)0.37 0.35 0.30

거제

(294)0.47 0.46 0.44

정읍

(245)0.27 0.24 0.24

남해

(295)0.44 0.39 0.35

남원

(247)0.33 0.30 0.28

선봉

(47003)0.46 0.46 0.39

장수

(248)0.50 0.47 0.46

삼지연

(47005)0.48 - 0.47

순천

(256)0.43 0.37 0.36

청진

(47008)0.28 0.26 0.22

장흥

(260)0.44 0.39 0.35

중강

(47014)0.50 0.59 0.57

해남

(261)0.37 0.33 0.30

혜산

(47016)0.48 0.40 0.40

고흥

(262)0.42 0.38 0.37

강계

(47020)0.45 0.39 0.46

영주

(272)0.47 0.44 0.43

풍산

(47022)0.48 - -

32

산림 농지 도시 산림 농지 도시

김책

(47025)0.22 0.15 0.19

양덕

(47052)0.38 0.40 0.37

수풍

(47028)0.40 0.35 0.38

원산

(47055)0.28 0.25 -

장진

(47031)0.47 - 0.34

장전

(47061)0.34 0.34 0.30

신의주

(47035)0.11 0.11 0.11

사리원

(47065)0.10 0.09 0.08

구성

(47037)0.37 0.34 0.30

신계

(47067)0.26 0.19 0.19

희천

(47039)0.46 0.38 0.42

용연

(47068)0.40 0.31 0.30

함흥

(47041)0.12 0.13 0.11

해주

(47069)0.16 0.11 0.09

신포

(47046)0.12 0.07 0.04

개성

(47070)0.14 0.15 0.12

안주

(47050)0.18 0.15 0.18

평강

(47075)0.32 0.22 0.21

33

3.5.3 남북한 NDVI와 강수량 상관관계분석

먼저, 강수량자료와 NDVI와의 상관성을 분석하기 전에 강수량과 NDVI는

모두 지역 및 시기의 차이를 많이 받으므로, 두 자료 모두 평년 대비값을 사

용하여 지역적인 차이를 줄였다. NDVI와 강수량의 상관관계 분석 시에도 남

북한을 구분하였으며, 최근 10년(1994~2003년)을 연도별로 분석하였는데,

기상학적 가뭄과 식생적 가뭄에는 시기적 차이가 존재하므로, 6월 NDVI자료

를 기준으로 2-3개월 누적 강수량자료까지 사용하여 어느 시기의 강수량자

료가 가장 상관성이 높은 지에 알아보았다. 표 8은 상관관계분석에 사용된

강수량 자료시기를 나타낸 것이다.

표 8 6월 NDVI와 상관관계 분석할 강수량자료의 시기

현재 달

(P)

1개월 전 달

(P-1)

2개월 전 달

(P-2)

누적

기간

0 P P-1 P-21 P-1~P P-2~P-1 P-3~P-22 P-2~P P-3~P-2 P-4~P-2

(P:현재 6월강수량,

P-1: 1개월 전 달(5월)강수량,

P-3~P-2: 3개월 전달부터 2개월 전달까지의 누적 강수량)

6월 NDVI와 아홉 시기의 강수량자료를 상관계수(Correlation Coefficient)

적용공식인 식(19)에 적용하여 그 상관성을 나타냈다.

Corr(X,Y)=Cov(X,Y)σXσY

.............................(19)

또한, 극심한 가뭄이 발생하였던 2001년을 대상으로 토지 피복도를 사용

하여 산림, 농지, 도시지역의 피복별로 추출된 NDVI자료와 아홉 시기의 강

수량자료와의 동일한 상관성분석도 실시하여 피복별 민감도를 비교하였다.

34

3.5.4 NDVI를 사용한 가뭄지수와 기상학적 가뭄지수와의 비교

VCI, SVI 영상에서 기상관측소를 중심으로 3x3 화소(pixel)로 추출된 6월

평균자료와 한국건설기술연구원의 가뭄현황정보(http://www.drought.re.kr)

에서 제작한　 기상학적 두 가뭄지수인 Palmer 가뭄심도지수(Palmer

Drought Severity Index: PDSI), 표준강수지수(Standardized Precipitation

Index: SPI)와 비교해보았다. 두 종류의 가뭄지수 상관관계분석에는 NDVI와

강수량의 상관관계 분석방법과 동일하게 연도별로 6월 NDVI를 사용한 두 가

뭄지수 SVI, VCI를 기준으로 4~6월의 PDSI, SPI를 비교하였으며, SPI의 경

우 1개월, 3개월 지속기간을 달리하여 분석하였다. 또한, 극심한 가뭄이 발

생하였던 2001년을 대상으로 토지 피복도를 사용하여 산림, 농지, 도시지역

의 피복별 민감도 분석을 수행하였다.

35

제 4 장 결과 및 고찰

4.1 NDVI와 강수량 분석 및 가뭄지수 영상 제작

4.1.1 남북한 NDVI와 강수량의 시계열 분석

한반도의 남북한 구분은 인위적인 것이나, 50년 이상 계속된 분단은 사

회, 경제적인 것 뿐 아니라, 식생의 분포 및 건강상태에도 적지 않은 영향을

미쳤다. 이에 본 연구에서는 한반도를 남북한으로 구분하여 정규식생지수

(Normalized Difference Vegetation Index: NDVI)와 강수량의 시계열 분석

결과, 최근 10년 월평균 NDVI 및 강수량은 그림 9와 같이 나타날 수 있다.

월평균 NDVI는 지리학적으로 남한이 북한에 비해 남쪽에 위치하고 있어 식

생의 활동이 일찍 시작하고 늦게까지 지속될 뿐 아니라 더욱 활발한 생장활

동을 하기 때문에 평균적으로 약 0.01 정도 높으나, 식생의 활동이 가장 활

발한 시기인 여름에는 높은 북한의 산림면적으로 오히려 남한보다 북한의 수

치가 높다. 강수량의 경우, 남한의 연평균 강수량이 약 1,350mm인데 비해

북한은 약 770mm로 남한의 절반정도에 미치는 것을 알 수 있다. 또한, 기상

자료의 사용에 있어서도 남한은 63개소인데 비해 북한 25개소로 절반에도

이르지 못해, 한반도 전체지역으로 분석하는 것에는 무리가 있어 보인다. 이

와 같이 NDVI와 강수량의 분포에 차이가 있으므로 남북한으로 구분하여 피

복별 NDVI의 시기적 패턴에 대한 분석을 수행하였다.

36

그림 10 한반도 10년 평균 NDVI 영상

3월 4월 5월 6월

그림 9 남북한 최근 10년 월평균 NDVI와 강수량

남북한 최근 10년 월평균 NDVI와 강수량

0.0

0.1

0.2

0.3

0.4

0.5

0.6

3월 4월 5월 6월 7월 8월 9월 10월Month

ND

VI

0

50

100

150

200

250

300

350

Pre

cipi

tatio

n

남한NDVI북한NDVI남한강수량북한강수량

그림 10은 1994~2003년 동안의 10년 평균 월별 한반도 영상으로 식생활

동이 시작하는 3월부터 식생활동이 멈추는 10월까지 시기별로 나타내고 있

다. 3~5월의 영상을 보면 동일한 시기라 해도 북쪽에 비해 남쪽의 NDVI가

높은 것을 알 수 있으며, 동일한 위도라 할지라도 서쪽보다는 동쪽의 NDVI가

높게 보이는 것을 알 수 있다. 이는 기온과 동쪽에 분포한 산림지대의 영향

으로 NDVI는 지리적 위치와 피복에 따른 변이가 크다는 것을 알 수 있다.

37

7월 8월 9월 10월

-0.50 0.50 0.70 1.0

4.1.2 한반도 가뭄지수 영상 제작 결과

상관관계 분석할 시기선정을 위한 한반도 시계열 분석 결과, 식생의 활동

이 활발한 시기인 동시에 장마 직전인 6월을 선정하여 가뭄지수 공식을 적용

하였다. 그림 11은 1994~2003년의 6월 NDVI 한반도 영상과 Vegetation

Condition Index(VCI)와 Standardized Vegetation Index(SVI) 두 가뭄지수

공식을 적용한 영상의 연도별 평균값의 추이를 나타낸 것으로, 값의 변화가

그리 크지 않은 NDVI에 비해 VCI와 SVI의 경우 그 변동이 확연히 나타나기

때문에 가뭄과 비가뭄 시기를 뚜렷하게 나타낸다. 또한, 두 가뭄지수 중 VCI

보다 SVI의 폭이 더 큰 것을 알 수 있는데, 이것은 VCI는 단순히 0~100으로

값의 범위를 넓힌데 비해, SVI는 표준정규분포에 의해 값을 변화시켰기 때문

이다.

38

그림 11 1994~2003년 6월의 한반도 평균 정규식생지수 및 SVI, VCI

1994 1996 1998 2000 2002 2004-1.0

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

NDVI Average(NDVI) SVI Average(SVI) VCI Average(VCI)

Year

ND

VI/S

VI

0

20

40

60

80

100

VCI

이러한 NDVI와 두 가뭄지수 SVI, VCI의 변이 차이를 공간적인 분포파악을

위해 영상으로 나타내 보면, 다음의 그림 12와 같다. 위로부터 NDVI, SVI,

VCI 영상이며, 각 왼쪽 영상은 최소값을 나타낸 2001년 영상, 가운데 위치한

영상은 10년 평균영상, 오른쪽 영상은 최대값을 나타낸 2002년 영상을 보여

준다. SVI, VCI 영상뿐 아니라, NDVI 영상도 가뭄의 영향을 받은 식생 상태

에 따라 값의 변화로 그 차이를 나타내고 있지만, 이는 산림, 농지, 도시 등

과 같은 토지피복의 고려와 남북이나 소우, 다우지 같은 지역 위치 및 특징

을 고려하지 않았기 때문에 값이 낮다고 해서 가뭄의 영향이라 단정하기는

어렵다. 그렇기 때문에, 강수량이 풍부하여 식생이 잘 자란 해일지라도 대도

시와 같이 식생이 많지 않은 지역에서는 NDVI값이 낮게 나올 수 있으며, 산

림지대와 같이 다른 토지피복에 비해 식생의 양이 많은 곳에서는 가뭄시기

일지라도 정규식생지수가 높을 수 있어 토지피복에 따른 식생의 많고 적음

을 의미하는 것인지 가뭄의 영향인지 알 기 어렵다. 이와는 달리, SVI, VCI

영상은 10년 동안의 각 화소(pixel)마다 NDVI의 최대, 최소 및 평균을 고려

하여 제작되므로 토지피복, 지역적 위치 및 특징을 배제한 것이라 할 수 있

으며, 기상자료를 기반으로 한 가뭄지수에 비해 식생에 미친 가뭄 영향의 공

간적 분포 파악 및 분석이 가능하다.

39

그림 12 한반도의 최소(좌),평균(중앙),최대(우)연도의

NDVI 및 SVI VCI 영상

NDVI

SVI

VCI

40

그림 13 남북한 전 지역 및 추출된 지점의 월평균 NDVI

3 4 5 6 7 8 9 10

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

월

ND

VI

남 한 전지 역 북 한 전지 역 남 한 63지 점 북 한 25지 점

4.1.3 한반도 NDVI 월평균 시계열 분석

최근 10년(1994~2003년)동안의 정규식생지수(Normalized Difference

Vegetation Index: NDVI)를 남북한으로 구분하여 전체지역 평균값과 기상관

측소중심으로 3X3 화소(pixel)로 추출한 자료값을 비교한 결과는 그림 13과

같다. 남한과 북한 전 지역의 평균값을 보면 남북한의 지리적특성이 반영되

어 식생의 활동이 시작되거나 줄어드는 시기인 봄, 가을엔 NDVI가 남한이 북

한보다 높으며, 식생의 활동이 가장 활발한 여름엔 북한의 NDVI가 남한보다

높다. 보다 따뜻한 남쪽에 위치한 남한에서의 식생활동이 보다 일찍 시작하

고 늦게까지 지속되나, 남한보다 산림의 비율이 더 높기 때문에 여름엔 북한

의 NDVI가 더 높게 나타난다. 기상관측소를 중심으로 추출된 자료 패턴을 보

면, 전 지역 평균값과 크게 다르지 않으나, 남북한 모두 전 지역 평균값보다

다소 낮은 값을 나타내는 것을 알 수 있다. 이는 기상관측소가 사람이 주로

많이 사는 도시 즉, 식생의 비율이 낮은 지역에 주로 분포하기 때문이다.

41

표 9 남북한 전 지역 및 추출된 지점의 월평균 NDVI

남한 북한

전 지역 63개 지점 전 지역 25개 지점

3월 0.194 0.170 0.144 0.108 4월 0.238 0.220 0.168 0.124 5월 0.435 0.380 0.362 0.280 6월 0.442 0.380 0.482 0.379 7월 0.461 0.420 0.489 0.420 8월 0.469 0.440 0.518 0.472 9월 0.453 0.410 0.491 0.426 10월 0.379 0.340 0.289 0.250

그림 14는 각각 남북한 산림(a), 농지(b) 및 도시(c)지역의 10년 월평

균 NDVI를 나타내는 것이다. 먼저 남북한 산림지역의 NDVI를 살펴보면,

남북한의 지리적 특성으로 인해 봄인 3~5월과 가을인 10월에 남한이 북

한에 비해 약 0.1정도 높으나, 산림의 면적이 넓은 6월부터 상승한 북한

의 NDVI의 값으로 남북한이 비슷하다가 8월에는 남한보다 북한이 더 높

다. 그림 12 (b)의 남북한 농지지역 NDVI는 산림지역과 시기별 패턴은

비슷하나, 산림에 비해 5~6월 값이 현저히 낮은 것을 알 수 있는데, 이

는 농지는 주로 벼농사를 대상으로 하여 모내기 시기 등의 영향으로 식생

의 활동이 늦기 때문이며, 한여름인 8월 북한 NDVI가 남한보다 더 높은

것은 공간해상도가 4.0km로 꽤 넓은 지역을 포함하여 동일한 토지피복만

으로 구성되지 않아 북한의 산림면적이 더 많이 포함됐기 때문이라 생각

된다. 또한 도시지역의 남북한 월평균 NDVI를 살펴보면, 농지지역의

NDVI와 거의 패턴이 유사하다. 도시지역 값 범위는 남북한이 각각 약

0.125~0.325와 0.100~0.425로 이른 봄 시기에는 나지와 다름없는 농지

지역과 비슷하지만, 식생의 활동이 가장 활발한 시기인 여름에는 그 차이

가 확연히 나타난다. 북한의 경우, 남한에 비해 도시의 규모가 작은 편이

고, 도시화가 덜 진행되어 도시 주변에 논밭이 많기 때문에 보다 농지지

역과 큰 차이가 나지 않은 것으로 판단된다.

42

그림 14 남북한 10년 월평균 산림, 농지, 도시지역의

NDVI

3 4 5 6 7 8 9 100.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

ND

VI

월

남 한 북 한

3 4 5 6 7 8 9 100.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

ND

VI

월

남 한 북 한

3 4 5 6 7 8 9 100.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

ND

VI

월

남 한 북 한

(a)

(b)

(c)

43

표 10 남북한 10년 월평균 산림, 농지, 도시지역의 NDVI

산림 농지 도시남한 북한 남한 북한 남한 북한

3월 0.19 0.12 0.16 0.08 0.13 0.09 4월 0.24 0.14 0.21 0.09 0.17 0.09 5월 0.43 0.31 0.34 0.19 0.29 0.21 6월 0.44 0.43 0.36 0.26 0.28 0.28 7월 0.45 0.45 0.43 0.38 0.32 0.35 8월 0.46 0.49 0.45 0.47 0.33 0.43 9월 0.44 0.45 0.42 0.39 0.30 0.38 10월 0.37 0.27 0.33 0.22 0.26 0.23

44

그림 15 남북한 전 지역 및 추출된 지점의 연도별 NDVI

1994 1996 1998 2000 2002

0.25

0.30

0.35

0.40

0.45

0.50

0.55

ND

VI

연 도

남 한 전지 역 남 한 63지 점 북 한 전지 역 북 한 25지 점

4.1.4 한반도 NDVI 연도별 분석결과

동일한 시기인 6월 NDVI 값을 각 연도별로 나타낸 결과는 그림 15와 같다.

남북한의 NDVI 및 강수량 특성을 고려하여 남북한을 구분하였으며, 남북한

전 지역과 기상관측소를 중심으로 3X3으로 추출한 각각 63지점, 25지점으

로 나누어 살펴본 결과, 남북한 전 지역 평균과 기상관측소를 중심으로 추출

한 지점의 평균은 남북한 모두 동일한 패턴을 나타냈으나 전 지역의 평균이

관측소 중심으로 추출한 지점의 평균보다 높았다. 남한의 경우, 전 지역 평

균과 기상관측소 중심으로 추출한 지점의 평균이 약 0.05~0.06의 차이를

보이는 반면, 북한 전 지역 평균과 기상관측소 중심으로 추출한 지점의 평균

차이는 약 0.10~0.12로 거의 남한에 비해 두 배인 것을 알 수 있었다. 이는

남한과 북한의 기상관측소가 모두 사람이 많이 살고 있는 도시 등 비식생 중

심으로 분포하고 있기 때문에, 전 지역을 대상으로 했을 때보다 낮은 값을

보인다. 또한, 북한이 남한에 비해 큰 차이를 보이는 것은 북한의 기상관측

소가 남한보다 더 대도시나 비식생지역에 위치하고 있기 때문이라기보다 북

한의 기상관측소의 수가 남한에 비해 절반에도 못 미쳐 도시나 해안가에 있

는 기상관측소의 수가 비슷하다고 할지라도 그 영향을 크게 받기 때문이다.

45

표 11 남북한 전 지역 및 추출된 지점의 연도별 NDVI

남한 북한전지역 63개 지점 전지역 25개 지점

1994 0.42 0.36 0.43 0.32 1995 0.45 0.40 0.44 0.36 1996 0.31 0.26 0.44 0.33 1997 0.48 0.42 0.49 0.37 1998 0.47 0.43 0.51 0.41 1999 0.48 0.43 0.52 0.42 2000 0.48 0.42 0.53 0.40 2001 0.38 0.33 0.42 0.31 2002 0.51 0.45 0.54 0.43 2003 0.38 0.33 0.49 0.38

그림 16은 기상관측소 중심으로 추출한 자료를 산림(a), 농지(b), 도시(c)

로 구분하여 나타낸 것으로, 각 피복별 남북한 차이를 보여주고 있다. 피복

별로 구분해도 남북한의 NDVI의 연도별 패턴은 거의 비슷하게 나타내고 있

으나, 피복별로 NDVI 값의 범위에는 차이가 있다. 산림과 도시의 경우, 남한

과 북한의 NDVI 값의 범위는 거의 비슷한 것을 볼 수 있으나, 농지의 경우엔

남북한의 값의 차이가 약 0.04~0.13로 비교적 큰 것을 볼 수 있다. 이는 농

지의 최근 10년 (1994~2003년) 월평균 시계열 분석에서 알 수 있듯이, 남

북한의 지리적 차이로 인해 북한이 남한에 비해 모내기의 시기가 늦으며, 그

만큼 작물이 자라는 시기도 늦어져 NDVI의 차이가 다른 피복에 비해 농지에

서 크다. 또한, 연도별 변이 차이를 보면 북한의 식생 건강상태가 좋지 않은

점을 고려하여 남한보다 가뭄인 해와 그렇지 않은 해의 변이 차가 클 것이라

예상했으나, 그와는 다르게 모든 피복에서 북한보다 남한의 연도별 변이가

더 크게 나타났다. 이는 기상 관측소 중심으로 추출된 자료만을 사용하여 토

지피복별 구분을 하였기 때문에, 앞의 전 지역 평균값과의 비교에서 알 수

있듯이, 북한의 기상 관측소 중심으로 추출된 자료가 25개로 남한의 비해 수

가 많이 적어 식생이 적은 도시나 해변에 위치하여 NDVI의 변이가 크지 않은

곳의 영향을 많이 받기 때문이라 생각된다. 총 북한 기상관측소 25개 중 해

안에 위치하여 바다의 영향을 많이 받는 곳은 8곳으로 3분의 1에 해당할 만

큼 큰 영향을 준다.

46

그림 16 남북한 10년 산림(a), 농지(b), 도시(c)지역의

연도별 NDVI

1994 1996 1998 2000 20020.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

ND

VI

연 도

남 한 북 한

1994 1996 1998 2000 20020.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

ND

VI

연 도

남 한 북 한

1994 1996 1998 2000 20020.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

ND

VI

연 도

남 한 북 한

(a)

(b)

(c)

47

표 12 남북한 10년 연도별 산림, 농지, 도시지역의 NDVI

산림 농지 도시남한 북한 남한 북한 남한 북한

1994 0.41 0.37 0.34 0.22 0.25 0.23 1995 0.45 0.40 0.37 0.25 0.29 0.26 1996 0.31 0.39 0.24 0.21 0.19 0.23 1997 0.48 0.42 0.40 0.27 0.32 0.26 1998 0.48 0.46 0.41 0.32 0.34 0.33 1999 0.48 0.47 0.41 0.30 0.33 0.34 2000 0.48 0.46 0.40 0.27 0.31 0.30 2001 0.39 0.37 0.30 0.18 0.23 0.20 2002 0.50 0.49 0.42 0.30 0.33 0.32 2003 0.38 0.43 0.31 0.29 0.22 0.28

뿐만 아니라, 남북한의 지리적 위치 차에 의한 기온 및 강수량의 영향이나

수종 분포의 영향도 있으리라 생각된다. 북한은 남한에 비해 북쪽에 위치해

있기 때문에, 상대적으로 남한에 비해 강수량 뿐 아니라 기온도 낮아 식생에

서 증발하는 수분의 양이 적으며, 긴 추위와 가뭄에 견딜 수 있는 침엽수의

분포가 많기 때문이다.

48

4.2 NDVI를 사용한 가뭄지수의 적용성 분석

4.2.1 남한 NDVI와 강수량의 상관관계분석

1994~2003년 각 연도별로 63개의 추출된 6월 정규식생지수(Normalized

Difference Vegetation Index: NDVI)와 아홉시기 강수량과의 상관계수를 살

펴본 결과, 1994~2003년 10년 시기에서 모두 일관성있게 동일한 시기의 강

수량과 높은 상관성을 가지고 있지는 않으나, 6월의 NDVI는 6월 강수량이

1~2개월 전 시기에 비해 강한 상관성을 가지고 있지 않음을 알 수 있다. 이

는 강수량부족으로 인한 기상학적 가뭄과 그 영향으로 오는 식생적 가뭄과의

시기적 차이가 있다는 것을 나타내며, 매년 약간의 차이는 있지만 약 1~2개

월 정도라는 것을 나타낸다.

10년 중 강수량이 평년수준인 1994년과 봄 가뭄이 들었던 2000, 2001년

및 풍부한 강수량을 가진 1997, 2003년을 다음의 그림 17과 표 14에 나타

냈다. 1997년, 2002년, 2003년과 같이 상관계수가 음수를 나타내는 해가

있는 반면, 1996년, 2000년, 2001년과 같이 상관계수가 약 0.5정도로 나타

나는 해가 있을 만큼 각 해의 강수량 특징에 따라 변이가 크다. 그림 19의 월

강수량 그래프를 보면 알 수 있듯이, 장마기간의 지속이나 홍수 등 평균보다

지나치게 많은 강수량을 가진 해의 경우엔 NDVI와의 상관성이 떨어지지만,

강수량이 적어 가뭄이 든 해는 정규식생지수와의 상관성이 다른 해에 비해

높게 나타났다. 이는 강수량이 많은 시기에는 날씨가 흐려 구름의 영향을 많

이 받아 NDVI가 낮을 확률이 높으며, 과도한 강수량은 지나친 수분 공급으로

오히려 식생의 활동을 방해하기 때문이다. 또한, 약 0.5정도의 상관계수는

상관관계가 높다고 표현할 만큼의 수치는 못 되지만, 가뭄의 영향을 덜 받는

산림이 주요 토지 피복이라는 것을 고려한다면, 충분히 상관성이 있는 수치

라 할 수 있다.

표 13은 연구 방법에서도 언급했듯이, 6월 NDVI와 상관관계를 분석한 아

홉 시기의 강수량을 나타내는 것으로 현재 6월을 기준으로 1개월 전 달인 5

월, 2개월 전 달인 4월의 강수량과 0~2로 누적기간을 달리하였다. 따라서,

P는 현재 6월을 뜻하며, P-1, P-2는 각각 1개월 전 달인 5월과 2개월 전 달

인 4월, P-3~P-2: 3개월 전달부터 2개월 전달까지의 누적 강수량을 말한

다.

49

표 14 남한 6월 NDVI와 강수량의 상관분석결과

상관계수(r)1994 1997 2000 2001 2003

P-4~P-2 0.149 -0.024 0.290** 0.136 -0.053 P-3~P-2 0.185 -0.049 0.310** 0.112 -0.018

P-2 0.170 0.034 0.467*** 0.464** -0.030

P-3~P-1 0.149 -0.156 0.288 0.352* -0.253

P-2~P-1 0.146 -0.134 0.333 0.490*** -0.261

P-1 0.070 -0.126 0.040 0.423*** -0.257 P-2~P 0.103 -0.066 0.149 0.360* -0.142 P-1~P 0.052 -0.060 0.031* 0.341 -0.145 P -0.042 0.089 0.050 0.220 0.014

표 13 6월 NDVI와 상관관계 분석한 강수량자료의 시기

현재 달

(P)

1개월 전 달

(P-1)

2개월 전 달

(P-2)

누적

기간

0 P P-1 P-21 P-1~P P-2~P-1 P-3~P-22 P-2~P P-3~P-2 P-4~P-2

그림 17 남한 6월 NDVI와 강수량의 상관분석결과

-0.8

-0 .6

-0 .4

-0 .2

0

0 .2

0 .4

0 .6

P -4

~P-2

P-2 P-2

~P-1

P-

2~P

P

강수량시기

상관

계수

(r)

1994

1997

2000

2001

2003

(유의 수준 *** : <0.001, ** : <0.01, * : <0.05)

50

그림 18 2000년(a), 2001년(b) 6월 NDVI와 가장 상관

계수가 높은 강수량과의 관계

0.95 1.00 1.05 1.100.0

0.2

0.4

0.6

0.8r = 0.467

2000년 6월 NDVI

2000년 4월 강수량

0.80 0.85 0.90 0.95 1.00 1.05

0.1

0.2

0.3

0.4

0.5

0.6

0.7r=0.490

2001년 6월 NDVI

2001년 4~

5월 강수량

그림 18은 2000년과 2001년에서 가장 상관계수(r)값이 높게 나온 강수

량 시기의 관계를 나타내는 그래프로, 표 14에서와 같이 (a)는 2000년 6

월 NDVI와 4월 강수량과의 관계, (b)는 2001년 6월 NDVI와 4~5월 누적

강수량과의 관계를 보여준다.

(a)

(b)

51

그림 19 남한 주요해의 2~6월 월강수량

2 3 4 5 6

020406080

100120140160180200220240260

강수

량

월

1994년 1997년 2000년 2001년 2003년

토지피복에 따른 민감도를 보기 위해, 위 결과에서 가장 상관계수가 높

게 나타난 시기이자 가뭄이 가장 심했던 2001년 자료를 가지고 산림, 농

지 및 도시지역으로 구분한 뒤 동일한 상관관계 분석을 수행한 결과를 보

면, 산림, 농지, 도시 모두 동일하게 4~5월 누적 강수량에서 가장 높은

상관계수를 나타냈다. 농지에서 더 높은 상관계수가 나올 것이라는 예상

과는 달리 0.469, 0.468, 0.410으로 산림, 농지, 도시 순으로 상관계수

가 높았다. 이는 농업의 주요 작물이 벼로 관개시설이 비교적 잘 되어있

기 때문이라 다른 초지나 작물과는 달리 상대적으로 영향을 덜 받기 때문

에 ‘녹색댐’이라고 불릴 정도로 가뭄에 큰 영향을 받지 않는 산림과 동일

한 수치를 나타낸 것이라 할 수 있다. 산림과 도시 두 토지피복에 비해

상대적으로 식생이 많지 않은 도시의 경우 두 피복에 비해 약 0.05정도

낮은 수치를 보였다.

52

표 15 남한 2001년 토지피복별 6월 NDVI와 강수량의 상관분석결과

상관계수(r)산림 농지 도시

P-4~P-2 0.094 0.125 0.049 P-3~P-2 0.078 0.090 0.032 P-2 0.427*** 0.406*** 0.350**

P-3~P-1 0.328** 0.346** 0.283*

P-2~P-1 0.469*** 0.468*** 0.410***P-1 0.418*** 0.428 0.379**P-2~P 0.382** 0.307* 0.245 P-1~P 0.372** 0.291* 0.227 P 0.255* 0.173 0.127

(유의 수준 *** : <0.001, ** : <0.01, * : <0.05)

53

(a)

(b)

(c)

그림 20 2001년 6월 토지피복별 NDVI와 4~5월 강수량과의

관계 : 산림(a), 농지(b), 도시(c)

0.80 0.85 0.90 0.95 1.00 1.05

0.1

0.2

0.3

0.4

0.5

0.6

0.7r=0.469

0.80 0.85 0.90 0.95 1.00 1.05

0.1

0.2

0.3

0.4

0.5

0.6

0.7r=0.468

0.80 0.85 0.90 0.95 1.00 1.05

0.1

0.2

0.3

0.4

0.5

0.6

0.7r=0.410

2001년 6월 NDVI

2001년 6월 NDVI

2001년 6월 NDVI

2001년 4~

5월 강수량

2001년 4~5월 강수량

2001년 4~

5월 강수량

54

4.2.2 북한 NDVI와 강수량의 상관관계분석

남한 지역의 정규식생지수(Normalized Difference Vegetation Index:

NDVI)와 강수량의 상관관계분석과 동일한 방법으로, 북한지역 1994~2003

년 각 연도별 25개 추출된 NDVI를 기준으로 아홉 시기의 강수량과의 상

관관계 분석을 수행하였다. 다음의 그림 21과 표 16은 대홍수가 발생했

던 1995, 1996년과 평년수준의 1998년, 가뭄시기였던 2000, 2001년의 상

관관계분석결과를 나타낸 것으로, 대홍수가 발생했던 1995년과 1996년에

는 남한에서와 마찬가지로 과도한 강수량으로 인해 상관계수가 거의 대부

분 음수값으로 나타났으며, 평년수준인 대가뭄이 발생했던 2000년과

2001년의 상관계수도 약 0.250정도이거나 음수값이 나오는 등 남한과는

달리 가뭄시기에서도 강수량과의 상관관계가 거의 없거나 역의 관계로 나

타났으며 신뢰성도 없었다. 이는, 북한의 NDVI 분석에서도 언급했듯이,

북한은 남한과는 달리 기상관측소의 수가 3분의 1에 불과하며, 그 중 약

30%가 해안 및 변방 쪽으로 분포해 비식생 지역의 영향을 크게 받는 등

의 기상관측소의 위치 및 수에 따른 영향이 크기 때문이다. 또한, 그림

22의 월강수량 그래프에서도 나타나듯이 월별 강수량 변이가 워낙 커 가

뭄해와 홍수해 등 연도별로 차이가 뚜렷하게 나타나지 않으며, 기온 및

강수량, 식생의 특성이 남한과는 차이가 있어 NDVI와 강수량과의 상관관

계가 낮게 나온 것으로 보인다. 이에 북한에 대한 가뭄에 영향을 미치는

여러 가지 현상이나 기온, 강수량과 같은 기상자료에 대한 분석 및 식생

분포 및 특성에 관한 정보가 더욱 필요하다.

55

그림 21 북한 6월 NDVI와 강수량의 상관분석결과

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

P -4

~P-

2

P-3

~P-

2

P-2 P-3

~P -

1

P-2

~P-

1

P-1 P-2

~P

P-1

~P

P

강수량 시기

상관

계수

(r)

1995

19961998

20002001

표 16 북한 6월 NDVI와 강수량의 상관분석결과

상관계수(r)1995 1996 1998 2000 2001

P-4~P-2 -0.500 0.247 0.243 0.102 -0.164 P-3~P-2 -0.559 0.205 0.201 0.096 -0.263 P-2 -0.705*** 0.119 0.119 0.130 -0.253

P-3~P-1 -0.370 -0.035 0.170 0.188 -0.278 P-2~P-1 -0.328 -0.141 0.062 0.197 -0.267 P-1 -0.043 -0.165 0.090 0.167 -0.250 P-2~P -0.247 -0.056 -0.069 0.251 -0.316 P-1~P -0.096 -0.086 -0.099 0.208 -0.300 P -0.097 0.025 -0.198 0.079 -0.195

(유의 수준 *** : <0.0001, ** : <0.001, * : <0.005)

56

그림 22 북한 주요 해의 2~6월 월강수량

2 3 4 5 6

0

20

40

60

80

100

120

140강수

량

월

1995년 1996년 1998년 2000년 2001년

4.2.3 NDVI를 사용한 가뭄지수와 기상학적 가뭄지수의 비교

남한 지역 53개 기상관측소를 대상으로 한국건설기술연구원 수자원연구부

에서 만든 두 가뭄지수인 4~6월의 PDSI와 SPI를 NDVI와 강수량의 상관관

계 분석과 동일한 방법으로 6월 NDVI를 사용한 SVI와 VCI를 기준으로 하여

비교한 결과는 SVI와 기존의 두 가뭄지수와의 비교인 표 17과 VCI와 기존의

두 가뭄지수의 비교인 표 18을 보면 알 수 있다. 단순한 NDVI와 강수량과의

분석보다 효과적인 결과를 나타낼 것이라는 예상과는 달리, NDVI를 사용한

SVI, VCI 둘 다 강수량이 부족하여 가뭄이 나타난 시기인 2000년, 2001년

같은 해에서는 0.499로 상관성이 나타난 반면, 강수량이 많았던 해에는 음

수값이나 거의 0값이 나와, NDVI와 강수량의 상관관계 분석 결과와 유사한

결과가 나타났다. 또한 PDSI에 비해 SPI와의 상관관계가 높았는데, PDSI는

미국과 같이 넓고 고른 지형을 대상으로 하여 개발한 지수이기 때문에 미국

전역에서는 널리 쓰이고 있으나 한반도와 같이 좁고 조 한 지형에는 다소

부적합하기 때문이다(박은주, 2002). PDSI와 SPI도 기상학적 가뭄을 나타내

는 지수이므로 식생적 가뭄을 나타내는 SVI와 VCI와의 약 1~2개월 정도의

시기적 차이가 나 NDVI와 강수량과의 상관관계분석과 유사한 결과를 보였

다.

57

표 17 6월 VCI와 기상학적 두 가뭄지수와의 상관관계분석결과

상관계수(r)1994 1997 2000 2001 2003

P

D

S

I

4월 -0.063 0.073 0.221 0.085 -0.277*

5월 -0.294* -0.073 0.246 0.231 -0.367**

6월 -0.067 0.102 0.228 0.194 -0.377**

S

P

I

4월1개월 -0.230 -0.092 0.499*** 0.270 -0.214

3개월 -0.284* -0.013 0.432** 0.202 -0.123

5월1개월 -0.310 -0.170 0.126 0.499*** -0.471***

3개월 -0.326* -0.268 0.363** 0.441*** -0.505***

6월1개월 0.166 0.321* 0.128 0.246 -0.152 3개월 -0.077 -0.075 0.283* 0.404** -0.553***

표 18 6월 SVI와 기상학적 두 가뭄지수와의 상관관계분석결과

상관계수(r)

1994 1997 2000 2001 2003

P

D

S

I

4월 -0.127 0.114 0.247 0.123 -0.384**

5월 -0.279* -0.043 0.279* 0.272** -0.483***

6월 -0.087 0.052 0.216 0.180 -0.492***

S

P

I

4월1개월 -0.157 0.016 0.530*** 0.176 -0.213

3개월 -0.229 0.061 0.364** 0.123 -0.139

5월1개월 -0.257 -0.195 0.202 0.480*** -0.508***

3개월 -0.273* -0.217 0.410** 0.335* -0.510***

6월1개월 0.186 0.025 0.040 0.221 -0.127

3개월 -0.031 -0.056 0.198 0.357** -0.560***

(유의 수준 *** : <0.001, ** : <0.01, * : <0.05)

(유의 수준 *** : <0.001, ** : <0.01, * : <0.05)

58

(a) (b)

그림 23 6월 VCI와 가장 상관계수가 높았던 SPI와의 관계 : 2000년(a),

2001년(b)

0 20 40 60 80 100

-2.5

-2.0

-1.5

-1.0

-0.5

0.0r=0.499

0 20 40 60 80

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.499

2000년 6월 VCI 2001년 6월 VCI

2000년 4월 SPI

2001년 5월 SPI

(a) (b)

그림 24 6월 SVI와 가장 상관계수가 높은 SPI와의 관계 : 2000년(a),

2001년(b)

-2.0 -1.5 -1.0 -0.5 0.0 0.5

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.480

-1.0 -0.5 0.0 0.5 1.0 1.5

-2.5

-2.0

-1.5

-1.0

-0.5

0.0r=0.530

2000년 6월 SVI 2001년 6월 SVI

2000년 4월 SPI

2001년 5월 SPI

59

표 19 2001년 토지피복별 6월 VCI, SVI와 기존 가뭄지수의 상관분석결과

상관계수(r)VCI SVI

산림 농지 도시 산림 농지 도시

P

D

S

I

4월 0.066 0.087 0.117 0.109 0.101 0.127

5월 0.218 0.242 0.240 0.260 0.249 0.260

6월 0.168 0.172 0.167 0.191* 0.148 0.157

S

P

I

4월1개월 0.227 0.206 0.169 0.248 0.190 0.168 3개월 0.407** 0.391** 0.296* 0.386** 0.335** 0.282*

5월1개월 0.501*** 0.527*** 0.437** 0.480*** 0.479*** 0.443***3개월 0.460*** 0.391** 0.348** 0.345** 0.272* 0.262

6월1개월 0.297* 0.233 0.211 0.180 0.146 0.125 3개월 0.205 0.139 0.104 0.113 0.041 0.038

다음의 표 19는 2001년 6월 VCI와 SVI를 산림, 농지, 도시의 토지피복

에 따라 상관관계를 분석한 결과로, 0.443 ~ 0.527로 동일하게 5월 1개

월 SPI와의 상관계수가 가장 높게 나왔다. 토지피복별에 대한 민감도 차

이는 VCI가 농지, 산림, 도시 순으로 나타난데 비해, SVI는 산림, 농지,

도시 순으로 나타나 두 가뭄 지수 간에 다소 차이가 있음을 알 수 있었

다. 이는 VCI가 단순히 NDVI를 0~100까지로 단순히 스트레칭한 것에 비

해 SVI는 정규표준분포로 변환하여 값의 변화를 주는 가뭄지수 제작 방법

의 차이가 있기 때문이다.

(유의 수준 *** : <0.0001, ** : <0.001, * : <0.005)

60

0 20 40 60 80

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.501

-2.0 -1.5 -1.0 -0.5 0.0 0.5

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.480

(e) (f)

그림 25 2001년 토지피복별 6월 VCI, SVI와 5월 SPI와의 관계: (a),(b)

산림, (c),(d) 농지, (e),(f):도시지역

0 20 40 60 80

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.437

-2.0 -1.5 -1.0 -0.5 0.0 0.5

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.443

0 20 40 60 80

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.527

-2.0 -1.5 -1.0 -0.5 0.0 0.5

-2.5

-2.0

-1.5

-1.0

-0.5

0.0

0.5 r=0.479

VCI SVI

(a) (b)

(c) (d)2001년 6월 VCI 2001년 6월 SVI

2001년 5월 SPI

2001년 5월 SPI

2001년 6월 VCI 2001년 6월 SVI

2001년 5월 SPI

2001년 5월 SPI

2001년 6월 VCI 2001년 6월 SVI

2001년 5월 SPI

2001년 5월 SPI

61

very poor average very good 0 50 100

(a) (b)

그림 26은 NDVI를 사용한 가뭄지수와 강수량을 사용한 가뭄지수의 상

관관계분석에 사용된 남한지역 6월 SVI 및 VCI 영상으로, 남부지방에 비

해 중부지방의 가뭄상태로 나타나며, 강원도의 동해안쪽이나 서울 수도권

이 심한 상태로 동일하게 보여준다. 다만, VCI의 등급이 5등급인 SVI보다

세분류라 파악하기가 쉽다. 두 가뭄지수 영상과의 비교에 사용된 PDSI

영상과 SPI 영상은 한국건설기술연구원 수자원연구부에서 남한지역 53개

기상관측소 자료를 사용하여 각 지수를 산출한 뒤, Spline 보간법을 사용

하여 만든 가뭄지수 지도로, 다음의 그림 27, 28과 같다. 그림에서 알 수

있듯이, 세 시기의 PDSI지도는 SVI 및 VCI 영상과 거리가 있으며, 가뭄

상태를 잘 보여주지 못한다. 반면, SPI지도 중 특히 그림 17(b) 5월 지도

는 상관계수에서도 알 수 있듯이 두 가뭄지수 영상과 유사한 분포를 보이

고 있다.

그림 26 남한 2001년 6월의 SVI(a), VCI(b) 영상

62

매우 가뭄 정상상태 매우습윤

(a) (b) (c)

매우 가뭄 정상상태 매우습윤

(a) (b) (c)

그림 27 남한 2001년 4~6월 PDSI지도

: 4월(a), 5월(b), 6월(c) - 한국건설기술연구원제공

그림 28 남한 2001년 4~6월 SPI지도

: 4월(a), 5월(b), 6월(c) 지속기간 1개월 - 한국건설기술연구원 제공

63

제 5 장 결 론

본 연구에서는 다중시기 정규식생지수(Normalized Difference Vegetation

Index: NDVI)를 사용한 가뭄지수로 한반도 가뭄 모니터링을 시도하였으며,

NDVI와 강수량과의 상관관계, NDVI를 사용한 두 가뭄지수와 강수량 등의 기

상학적 가뭄지수인 Palmer 가뭄심도지수(Pamlmer Drought Severity Index:

PDSI), 표준강수지수(Standardized Precipitation Index: SPI)와의 상관관계

를 밝히고자 하였다. 이를 위해 1994~2003년 최근 10년 동안의 한반도

NOAA AVHRR NDVI 총 232 영상을 사용하여 시계열 분석을 하였고, 6월을

선정하여 Vegetation Condition Index(VCI) 및 Standardized Vegetation

Index(SVI) 가뭄지수 공식을 적용하여 가뭄지수 영상을 제작하였으며, 이를

남한 63개, 북한 25개 총 88개 기상관측소에서 제공한 월강수량 및 두 기상

학적 가뭄지수와의 상관계수를 구하여 한반도 NDVI를 이용한 가뭄지수 적용

성을 분석하였다.

먼저, 한반도는 남북으로 길게 뻗어있어 지리적 위치와 지형적 특성에 따

라 남북한의 NDVI와 강수량의 분포 및 패턴이 다르게 나타났으며 그에 따라

남북한의 NDVI와 강수량의 상관관계도 차이를 나타냈다. 남한의 NDVI와 강

수량의 상관관계를 살펴보면, 강수량이 부족하여 가뭄이 심하게 나타난 시

기인 2000년, 2001년의 경우 상관계수가 0.47, 0.49로 다른 해에 비해 비교

적 높게 나왔으며, 강수량이 평년수준이거나 장기간의 장마나 홍수 등으로

인해 강수량이 많은 해에는 음수값이나 거의 0값이 나와 상관성이 없는 것으

로 나타났다. 이는 NDVI가 강수량이 많은 시기에는 구름의 영향으로 낮은 값

인 경우이거나, 강수량이 많으면 많을수록 식생의 활동이 활발하기는 하나

지나친 강수량은 오히려 부정적인 영향을 끼치기 때문이다. 그러나 북한의

경우에는 홍수해였던 1995, 1996년뿐 아니라, 가뭄의 시기였던 2001년까

지 상관계수가 음수값이 나왔으며, 역시 가뭄해였던 2000년은 약 0.25정도

로 낮은 상관계수를 나타냈다. 북한의 기상관측소 수가 남한 3분의 2 수준이

며 그나마 약 30%가 해안 쪽에 속해있기 때문에 비식생지역에 의한 반사값

이 NDVI 값에 영향을 주었거나, 지리적 위치에서도 남한보다 북쪽에 자리

잡고 있어, 동일한 강수량이라 할지라도 기온이 낮아 식생에서 증발되는

수분이 적으며, 산림의 면적비율이 남한보다 높고 침엽수의 비율이 높기

64

때문에, 추위와 긴 가뭄에 활엽수보다 상대적으로 강한 것으로 보인다.

그러므로, 북한에 대한 기온 및 강수량 등의 기상자료의 특성, 식생 분포 및

특징에 대한 정보가 더욱 필요하다.

또한, 남한의 극심한 가뭄해였던 2001년을 대상으로 산림, 농지, 도시의

피복별 분석 결과를 보면, 식생의 비율이 다소 낮은 도시지역이 약 0.44로

가장 낮았고 농지와 산림이 각각 약 0.47, 0.48으로, 주요 작물이 벼인 농지

와 산림이 큰 차이가 없었다.

NDVI를 사용한 두 가뭄지수인 SVI, VCI와 한국건설기술연구원에서 제작한

강수량 기반의 가뭄지수인 Palemr 가뭄심도지수(PDSI), SPI의 비교를 보면,

강수량이 평년수준보다 낮아 가뭄시기였던 2000년, 2001년에 5월 1개월

SPI와 0.48 ~ 0.53로 약간 높은 상관성이 나온 점 등 NDVI와 강수량 분석

시와 거의 유사하였다. 반면, PDSI에서는 가뭄시기였던 2000년, 2001년에

서도 5월 지수 값이 0.23~0.28 정도로 SPI보다 상당히 낮은 것을 볼 수 있

으며, 이는 피복별 분석에서도 동일하게 나타났다. PDSI는 미국전역에서 유

용하게 사용되는 가뭄지수이나 넓고 고른 지형을 바탕으로 개발되었기 때문

에 좁고 조 한 지형인 한반도에는 다소 부적합하여 상관성이 낮았다고 생

각된다.

이러한 결과들을 종합할 때, 본 연구에서는 강수량과 기상학적 가뭄의 관

점에서 개발된 PDSI, SPI에서 나타는 가뭄의 시기보다 1~2개월 늦게 NDVI

와 이를 사용하여 만든 SVI, VCI 가뭄지수 영상에서 가뭄이 탐지된다는 것을

알 수 있었다. 이는 강수량 부족 및 높은 기온 등으로 오는 기상학적 가뭄과

그 영향으로 토양 수분이 감소하여 식생성장의 저하 및 생산량 감소 등으로

나타나는 식생적 가뭄에는 시기적 차이가 있기 때문이다. 그러나, 가장 상관

관계가 높았던 시기에서도 약 0.5의 상관계수를 나타내 NDVI와 NDVI를 기

반으로 한 가뭄지수들이 한반도에서는 선례연구대상지만큼 효과적이라 하기

는 힘들다.

그 이유로 한반도의 기후 및 지리적인 특성을 들 수 있다. 한반도가 연강수

량이 1,200~1,300mm의 다우지에 속하고 ‘녹색댐’이라고 불릴 만큼 가뭄

에 강한 산림과 비교적 다른 작물에 비해 관개시설이 잘되어있는 농지가 주

요 토지피복이기 때문에 가뭄의 영향이 확연하게 드러나는 건조기후의 초지

와는 상당한 거리가 있다. 또한, 사용된 자료의 시간적, 공간적 주기의 영향

을 생각해볼 수 있다. 한반도는 가뭄이 봄철 단기간동안 일어나기 때문에 월

단위의 강수량과 NDVI보다 짧은 주기의 자료를 사용이 더 적합할 수 있으며,

65

년, 월과 같은 인위적인 시간의 단위 보다는 강수량 패턴을 참조하여 단위를

정하는 것이 더욱 효과적일 것이다. 공간해상도가 4km인 NDVI 영상의 경우

너무 넓은 지역을 포함하기 때문에 비식생지역인 여러 가지 구성요소의 영

향을 받을 수 있다. 따라서 1.1km나 그 이하로 공간해상도가 보다 높은 자

료를 사용한다면 토지피복도 등 다른 자료와의 혼합 사용시 공간해상도의

차이에서 오는 문제를 다소 줄일 수 있다. 이 밖에도 강수량이나 기상학적

가뭄지수와의 상관관계분석에서 사용된 자료가 기상관측소 중심으로 추출하

였기 때문에 비식생지역이 많이 포함돼 NDVI를 사용한 가뭄지수의 적용성을

나타내기에 다소 어려움이 있으리라 생각된다.

이와 같이, 본 연구에서는 연강수량이 1,200~1,300mm의 다우지에 속하

며 주피복이 산림인 한반도에서 NDVI를 사용한 두 가뭄지수 SVI, VCI로 가

뭄 모니터링이 시도해보고 강수량 및 기상학적 가뭄지수와의 상관관계 분

석을 하였으나, 그리 효과적이지는 않았다. 그러나 새로운 가뭄 모니터링 방

법을 적용하여 그 문제점을 제시한 것으로 본 연구의 의의를 둘 수 있으며,

사용한 자료의 개선 및 다양한 연구방법으로 지속적인 가뭄 모니터링을 시

도해 나간다면 가뭄 대비정책에 큰 도움이 될 수 있을 것이라고 기대해 본

다.

66

참 고 문 헌

류재희, 2000, 가뭄평가를 위한 가뭄지수의 비교연구, 고려대학교 공학석사

학위논문

김치영, 2001, 가뭄지수에 의한 가뭄관리 의사결정 연구, 인하대학교 공학

석사학위 논문

박은주, 2002, Landsat ETM+ 영상을 활용한 가뭄 민감도 분석, 경희대학교

석사학위논문

박은주 ․ 황철수 ․ 성정창, 2002, 위성영상의 토양수분 정보와 공간적 요인을

고려한 가뭄 민감도 분석, 한국 GIS 학회지 10(3):481-492

신수현 ․ 국민정 ․ 이규성, 2004, 한반도 다중시기 NDVI를 이용한 가뭄지수

적용성 분석, GIS/RS 공동춘계학술대회논문집,203-208

김철준, 2003, 식생지수(NDVI)를 이용한 가뭄발생위험도 감시, 안동대학교

공학석사학위 논문

김원주, 2004, 자연환경 변수를 이용한 한반도 생태지역 및 생태구역도 개

발, 서울대학교 박사학위논문

신사철・김철준, 2003, 우리나라에서의 가뭄 발생 지역 판별을 위한 식생지

수(NDVI)의 적용성에 관한 연구, 한국수자원학회지, 36(5):839-849

한국건설기술연구원, 2002, 가뭄관리 종합대책 수립연구, 한국건설기술연

구원 보고서

67

Bhuiyan C., 2004, Various Drought Indices for Monitoring Drought

Condition in Aravalli Terrain of India, Proceedings of International

Society for Photogrammetry and Remote Sensing(ISPRS)

Eidenshink J.C., 1992, The 1990 Conterminous U.S. AVHRR Dataset,

Photogrammetric Engineering &Remote Sensing 58(6):809-813

Grist J., Nicholson S.E. and Mpolokang A., 1995, On the use of NDVI

for estimating rainfall fields in the Kalahari of Botswana, Journal of Arid

Environments 35:195-214

Jensen J.R.,2002, 환경원격탐사,시그마 프레스

Ji L. and Peters A.J., 2003, Assessing Vegetation response to drought

in the northern Great Plains using vegetation and drought indices,

Remote sensing of Environment 87:85-98

Kogan F.N., 1990, Remote Sensing of Drought, Proceedings of

International Geoscience and Remote Sensing Symposium:591-594

Kogan F.N., 1998, A typical pattern of vegetation conditions in southern

Africa during El Niῇo years detected from AVHRR data using

three-channel numerical index, International Journal of Remote Sensing

19(18):3689-3695

Kogan F., Gitelson A., Zakarin E., Spivak L., and Lebed L., 2003

AVHRR-Based Spectral Vegetation Index for Quantitative Assessment of

Vegetation State and Productivity: Calibration and Validation,

Photogrammetric Engineering &Remote Sensing 69(8):899-906

Lee K.S., 1994, Vegetation Cover Type Mapping Over The Korean

Peninsula Using Multitemporal AVHRR Data, the Journal of Korean

68

Forestry Society 83(4):441-449

Peters A.J., Walter-Shea E.A., Ji L., Viῇa A., Hayes M., and Svoboda

M.D., 2002, Drought Monitoring with NDVI-Based Standardized

Vegetation Index, Photogrammetric Engineering & Remote Sensing

68(1):71-75

Potter C.S. and Brooks V., 1998, Global analysis of empirical relations

between annual climate and seasonality of NDVI, International of

Remote Sensing 19(15):2921-2948

Singh R.P., Roy S. and Kogan F., 2003, Vegetation and temperature

condition indices from NOAA AVHRR data for drought monitoring over

India, International Journal of Remote Sensing 24(22):4393-4402

Shin S.H., Ryu J.M., Park Y.I., and Lee K.S., 2003, Potential of Drought

Monitoring Vegetation Index North-East Asia, Proceedings of Asian

Conference on Remote Sensing 2003 International Symposium on

Remote Sensing:730-732

Unganai L.S. and Kogan F.N., 1998, Drought Monitoring and Corn Yield

Estimation in Southern Africa from AVHRR Data, Remote Sensing of

Environment 63:219-232

Vogt J.V. Viau A.A. and Beaudin I., 1998, Drought Monitoring from

Space using Empirical Indices and Physical Indicators, Proceedings

International Symposium on 'Satellite-Based Observation: A Tool for the

Study of the Mediterranean Basin'

Wang J., Rich P.M. and Price K.P., 2003, Temporal response of NDVI

to precipitation and temperature in central Great Plains, US, International

Journal of Remote Sensing 24(11):2345-2364

69

일본 농림수산연구정보센터(AFFRIC: Agriculture, Forestry and Fisheries

Research Information Ceter) 홈페이지

http://rms1.agsearch.agropedia.affrc.go.jp/menu_en.html

기상청 홈페이지

http://www.kma.go.kr

한국건설기술연구원 수자원연구부 홈페이지

http://www.drought.re.kr

두산세계대백과 엔싸이버

http://www.encyber.com/index.html

70

<감 사 의 글>

벌써 2년이 지났습니다. 대학원 진학에 대해서 고민하고 다시 또 생각해

서 내린 결정에 후회 없을 만큼 연구하는 방법 및 자세 등 많은 것을 배

웠던 귀중한 기회이자 시간이었습니다. 그동안의 연구실 생활을 생각해보

니 매 순간 최선을 다하자는 생각으로 시작했지만 곧잘 초심을 잃었던 적

이 많았고 부족한 부분도 많이 보여 아쉬움이 남습니다. 모자란 부분들은

앞으로 살아가면서 메워나가도록 노력하겠습니다.

먼저, 엄격한 잣대로 따끔한 충고와 따뜻한 격려를 아낌없이 해주셨던

제 지도교수 이규성 교수님께 감사의 인사를 드리고 싶습니다. 교수님의

제자인 것이 제게는 자랑이자 행운이었습니다. 앞으로도 교수님을 본보기

로 삼아 닮아가도록 노력하며 살겠습니다. 바쁘신 와중에도 제 졸업논문

에 관심 가져주시고 조언과 지적을 해주셨던 김계현 교수님, 박수홍 교수

님과 다양한 학문 분야를 경험하게 도와주신 조동행 교수님, 김병국 교수

님, 임삼성 교수님, 조우석 교수님, 김태정 교수님께도 머리 숙여 감사를

드립니다.

연구실 생활 2년 동안 미운정 고운정 많이 든 우리 원격탐사연구실 식

구들에게 고맙다는 말을 전하고 싶습니다. 특히, 동고동락을 같이 해온

동기인 맘 여린 정미와 센터링의 귀재 윤일오빠에게 고맙고, 어리버리한

신입생때부터 논문 쓸 때나 일할 때나 사수이자 조언자인 선화언니, 연구

실 최고령자이자 인상깊은 사투리의 태근오빠, 다양한 방면으로 인맥이

넓은 마당발 기창오빠, 매 출장 때마다 운전하느라 수고 많았던 지훈오

빠, 좋은 친구였지만 많은 시간을 함께 하지 못해서 아쉬운 지은이, 친동

생처럼 날 잘 따라준 민정이, 다른 연구실의 관심집중인 인기많은 정림

이, 내가 본 최고의 독실한 크리스천 충식오빠, 연구실에서 놀라운 속도

의 적응력을 보여주고 있는 정일이 모두 고맙습니다. 그동안 논문이나 과

제로 인해 많은 조언과 도움을 주셨던 선배님들, 창희, 태훈, 윤형, 선

일, 정술, 윤석, 대희오빠와 지민언니, 농업과학기술원 홍석영 박사님께

깊은 감사를 드립니다. 수업에 관련된 자료나 다양한 분야의 경험으로 도

움을 주었던 여학우모임의 진영언니, 선미씨, 진희, 금희를 비롯한 매핑

식구들, GIS, GIP, GPS, 지형정보, 공간정보영상공학연구실 식구들에게도

71

감사의 인사를 드리고 싶습니다.

진학에 대해 많은 정보와 용기를 주고, 따뜻한 격려도 잊지 않았던 언

니들(자상하게 항상 챙겨주는 헌명언니, 신혼에 단꿈에 젖어있는 새색시

수연언니, 첨에는 어렵기만 했는데 볼수록 귀여운 면이 많은 주형언니)에

게 고맙다는 말을 전하고 싶습니다. 언제 만나도 즐겁고 행복한 친구들

상미, 유정, 현희, 지선, 진희, 은숙, 영민, 아롱, 재화야 모두 고맙다.

언제나 변함없이 저를 위해서 물심양면으로 지원을 해주시는 부모님과 대

학원 입학할 때 시집못가고 공부만할까봐 걱정 많으셨던 외할머니께 그동

안 못했던 감사하다는 인사를 드리고 싶고요, 언니 말을 전적으로 믿고

따르는 이쁜 동생 지현이, 이젠 제법 어른스러워진 울과 04학번 조카 준

호와 여자친구 졸업시키느라 기사노릇에서 영문 작성, 발표자료 수정까지

고생이 많았던 친구같은 애인 일진오빠에게도 고마움을 표현하고 싶습니

다.