극한 기온의 변화를 정량화하기 위해 ETCCDI (Expert Team of Climate Change Detection and Indices) 극한 기후 지수를 사용하였다(Zhang et al., 2011). ETCCDI 극한 기후 지수는 관측 자료(Donat et al., 2013) 및 모델 자료(Sillmann et al., 2013; Kim et al., 2020)를 이용한 분석에서 극한 기후의 특징을 잘 나타낸 바 있다. 본 연구에서는 극한 기온 강도 지수 2종(TNn, TXx)과 극한 기온 빈도 지수 2종(TN10p, TX90p)을 이용하였으며, 지수의 상세 내용은 Table 2에 기술되어 있다.

극한 분포 정리는 관측치 중 가장 큰 값의 분포가 관측치의 원래 분포와 상관없이 일정한 분포에 수렴한다는 정리이다. 이때, 수렴되는 분포를 일반화 극단 분포(Generalized Extreme Value Distribution; GEVD)라고 하며, 분포의 우측(극단값)에 긴 꼬리를 가지기 때문에 극한 기온의 특성을 잘 나타낼 수 있다(Coles, 2001). 앞서 소개된 극한 기후 지수인 TXx는 일 최고 기온의 연 최고값을 뜻하므로 해당 분포를 따른다고 예상할 수 있다. 따라서, 본 연구에서는 격자별 TXx 시계열을 GEVD에 적합(fitting)시킨 후, 해당 분포를 통해 극한 기온의 변화를 정량화하려고 한다. GEVD의 확률밀도함수(probability distribution function)는 1+kx-ξβ>0이고 k≠0일 때 최대값 변수 x에 대하여 다음과 같이 표현된다.

이때, ξ는 위치(location) 모수, β는 척도(scale) 모수, k는 모양(shape) 모수를 나타낸다. 본 연구에서는 최대우도추정법(maximum likelihood estimation)을 이용하여 각 격자 및 앙상블에 대한 모수들을 추정하였다(Martins and Stedinger, 2000). 이와 함께, 해당 분포의 누적분포함수(cumulative distribution function) 및 백분위수(quantile) 함수를 이용하여 재현 수준(return level; z_p)을 산출할 수 있으며, 이는 k≠0의 조건일 때 확률 p에 대하여 다음과 같다.

한편, Y_n = -X_n라고 하고, Mn~=minX1,⋯,Xn, M_n = max{Y₁,⋯, T_n}이면, Mn~=-Mn이므로, 최대값에 대한 모수 추정치를 (ξ,β,k)라고 하면, 최소값에 대한 모수 추정치는 (-ξ,β,k)이다. 따라서 본 연구에서는 일 최저 기온의 연 최저값을 뜻하는 TNn에 대하여 모수를 추정하여 극한 저온 분포의 변화도 살펴보았다.

한편, CMIP6 하에서의 Historical 실험 적분 기간은 2014년까지이나, CMIP5 하에서의 적분 기간은 2005년까지이다. 따라서 본 연구에서는 모든 RCM 모의자료를 이용하기 위해 아노말리 계산의 기준 기간을 1985년부터 2005년까지로 설정하였으며, 이를 현재 기간으로 명명하였다. 이와 함께, 현재 기간의 한반도 ASOS 관측 자료와 Historical 실험 모의 자료와의 비교를 통하여 각 RCM 앙상블의 편차를 보정하였다. 이때 편차 보정을 위하여 RCM의 모의 자료를 각 ASOS 지점의 위치에 맞게 선형 내삽 작업을 실시하였으며, 사용된 편차 보정 기법은 Variance Scaling 기법이다(Chen et al., 2011). 해당 기법은 자료의 평균만 보정해주는 Linear Scaling 기법에 비해 자료의 분산까지 보정해준다는 장점이 있으며, 보정 기법의 자세한 사항은 Teutschbein and Seibert(2012) 및 Kim et al.(2021)에 기술되어 있다.

본 절에서는 앞서 전망한 평균 기온의 변화와 더불어 극한 기온의 변화를 전망하였다. 이를 위하여 극한 기온 강도 지수 2종의 변화를 살펴보았다. Fig. 3는 각 제한 목표하에서의 극한 기온 강도 지수의 아노말리 전망 및 제한 목표 간의 전망 차이를 나타내고 있다.

Fig. 3. 
Same as Fig. 2 except for extreme climate indices of TNn and TXx

전지구 2.0℃ 온난화 환경에 대해서 살펴보면, 현재 기간에 비하여 극한 저온 강도 지수는 2.61℃ 증가하고, 극한 고온 강도 지수는 2.38℃ 증가할 것으로 전망되었다(Fig. 3b,e). 해당 전망치는 평균 기온(2.13℃) 보다 더 크며, 이는 동일한 온실가스 강제력에 대하여 평균 기온에 비해 극한 기온이 더 크게 반응할 것임을 시사한다. 한편, 평균 기온에 대해서 전망되었던 편차가 극한 기온에 대해서도 나타날 것으로 확인되었다. 즉, 극한 저온 강도 지수에 대하여, 북한 지역(3.04℃)이 남한 지역(2.41℃)에 비해 더 크게 증가하는 지역 편차가 전망되었다. 이러한 지역 편차는 극한 고온 강도 지수에 대해서는 비교적 약하게 나타날 것으로 확인되었다. 이와 함께, 극한 저온 강도 지수(2.61℃)가 극한 고온 강도 지수(2.38℃)에 비해 더 크게 상승하는 기온의 종류에 따른 편차가 전망되었다.

다음으로, 전지구 1.5℃ 온난화 환경하에서의 한반도 극한 기온 강도 지수의 변화 전망을 살펴보았다(Fig. 3a,d). 1.5℃ 온난화 환경에서 극한 저온 강도 지수는 1.91℃ 상승하고, 극한 고온 강도 지수는 1.58℃ 상승할 것으로 확인되었다. 이와 함께, 1.5℃ 온난화 환경에 대해서도 지역 및 기온의 종류에 따른 반응의 편차가 2.0℃ 온난화 환경과 유사하게 나타날 것으로 전망되었다.

한편, 0.5℃ 추가 온난화에 의하여, 한반도의 극한 저온 강도 지수는 0.70℃ 추가 증가하고, 극한 고온 강도 지수는 0.80℃ 추가 증가할 것으로 전망되었다(Fig. 3c,f). 전지구 추가 온난화로 인하여 극한 저온 강도 지수에 대해서는 북한 지역이 남한 지역에 비해 더 크게 추가 상승할 것으로 전망되었지만, 극한 고온 강도 지수에 대해서는 남한 지역이 북한 지역에 비해 더 크게 추가 상승할 것으로 확인되었다.

마지막으로, 평균 기온 및 극한 기온 전망에 대한 불확실성 분석을 수행하였다. 이를 위하여 일 평균 기온(tas) 및 극한 기온 강도 지수 2종(TNn, TXx)에 대한 RCM 앙상블별 전망의 표준 편차를 산포도(scatter plot)을 이용하여 제시하였다(Fig. 4).

Fig. 4. 
Scatter plots for anomalies of a mean temperature (tas) and extreme climate indices (TNn and TXx). The anomalies are arranged as ensembles of GCMs, RCMs, target temperatures and additional warming. The GCMs are indicated as labels, UK (UKESM), HG (HadGEM2-AO), MP (MPI-ESM-LR) and GF (GFDL-ESM2M). The RCMs are indicated as colors, red (HadGEM3-RA), blue (CCLM), black (WRF), orange (GRIMs), green (RegCM) and pink (SNU-MM5). The additional warming is indicated as “diff”. Inter-ensemble variability is calculated using standard deviation of ensemble and it is indicated as “Std.” on upper-left side of the corresponding section

평균 기온의 경우, 2.0℃ 온난화 환경의 표준편차는 0.26℃이었으나, 1.5℃ 온난화 환경의 표준편차는 0.36℃로 확인되었다. 이는 2.0℃ 온난화 환경에 비해 1.5℃ 온난화 환경의 불확실성이 다소 크게 나타날 것임을 시사한다. 제한 목표에 따른 불확실성의 차이는 극한 저온 강도 지수에 대해서도 동일한 양상으로 나타날 것으로 전망되었으며, 극한 고온 강도 지수의 경우에는 온난화 환경에 따른 전망의 불확실성은 제한 목표 간에 비슷할 것으로 확인되었다. 마지막으로, 추가 온난화에 대해서는 앙상블의 표준편차가 비교적 작게 나타날 것으로 전망되었다. 즉, 평균 기온에 대해서는 해당 표준편차가 0.12℃로 확인되었으며, 이러한 결과는 극한 기온에 대해서도 동일한 양상으로 나타날 것으로 확인되었다.

한편, GCM, RCM 및 시나리오에 대하여 전망의 경향성을 분석하였다(Table S2). 첫 번째로, GCM에 대해서는 MPI-ESM-LR 모델이 타 GCM에 GCM에 비하여 평균 기온의 상승을 작게 전망하고, MPI-ESM-LR 및 GFDL-ESM2M 모델은 극한 저온 강도 지수의 상승을 작게 전망할 것으로 확인되었다. 또한, HadGEM2-AO 모델에 대해서는 타 GCM에 비해 극한 고온 강도 지수의 상승이 클 것으로 확인되었다. 두 번째로, RCM에 대해서는 타 RCM에 비하여 HadGEM3-RA 모델이 평균 기온의 상승을 크게 전망하였고, SNU-MM5 모델은 극한 저온 강도 지수를, GRIMs 모델은 극한 고온 강도 지수의 상승을 크게 전망할 것으로 확인되었다. 마지막으로 시나리오에 대해서는, 저농도 온실가스 시나리오에 비하여 고농도 온실가스 시나리오가 평균 및 극한 저온 강도 지수를 더 크게 전망할 것으로 확인되었다.

3.3.1 절에서는 극한 기온의 강도 지수인 TNn과 TXx를 이용하여 한반도 극한 기온의 강도 변화를 전망하였다. 이번 절에서는 극한 기온 빈도 지수인 TN10p와 TX90p를 이용하여 한반도의 극한 저온 및 고온 빈도의 변화를 전망하였다(Fig. 5).

Fig. 5. 
Same as Fig. 2 except for extreme climate indices of TN10p and TX90p

현재 기간에 연중 36.5일이었던 극한 기온 빈도 지수와 비교하여, 전지구 2.0℃ 온난화 환경하의 한반도 극한 저온 빈도 지수는 17.7일 감소할 것으로 전망되었다(Fig. 5b). 이는 2.0℃ 온난화 환경에서 현재 기간에 비해 극한 저온 빈도 지수가 48.5% 감소할 것임을 시사한다. 이때, 극한 저온 빈도 지수는 타 지역에 비해 한반도 내륙에서는 비교적 적게 증가하고, 해안 지역에서는 많이 증가할 것으로 전망되었다. 이는 앞서 나타난 극한 저온 강도 지수의 지역 편차와는 다른 양상을 보일 것임을 의미한다. 이와 함께, 2.0℃ 온난화 환경에서 극한 고온 빈도 지수는 30.9일 증가할 것으로 전망되었다(Fig. 5e). 이는 한반도의 극한 고온 빈도 지수가 현재 기간에 비하여 84.7% 증가할 것임을 의미한다. 또한 극한 고온 빈도 지수는 타 지역에 비해 한반도의 서부 일부 지역에서 비교적 많이 상승할 것으로 확인되었다.

한편, 1.5℃ 온난화 환경에서 한반도의 극한 저온 빈도 지수는 14.0일 감소하고 극한 고온 빈도 지수는 20.1일 증가할 것으로 전망되었다(Fig. 5a,d). 이는 1.5℃ 온난화 환경에서 현재 기간에 비해 극한 저온 빈도 지수가 38.4% 감소하고, 극한 고온 빈도 지수는 55.1% 증가할 것임을 시사한다. 마지막으로, 0.5℃ 추가 온난화로 인하여 한반도의 극한 저온 빈도 지수는 3.6일(9.9%) 추가 감소하고 극한 고온 빈도 지수는 10.8일(29.6%) 추가 증가할 것으로 확인되었다(Fig. 5c,f). 이때, 추가 온난화로 인하여 극한 저온 빈도는 한반도 해안 지역에서, 극한 고온 빈도는 한반도 서부 지역에서 타 지역에 비해 많이 상승할 것으로 전망되었다.

앞선 절(3.2.1 및 3.2.2)에서는 극한 기후 지수를 이용하여, 전지구 2.0℃ 온난화 환경에서의 한반도 극한 기온의 강도가 강해지고 빈도가 잦아질 것임을 확인하였다. 이와 함께, 0.5℃ 추가 온난화로 인하여 극한 기온의 강도 및 빈도가 모두 추가 상승할 것으로 전망되었다. 본 절에서는 다중 앙상블 모의자료를 방법론에서 소개한 GEVD에 적합 시켜 한반도 극한 기온의 분포 및 재현 수준 등의 전망을 수행하였다(Fig. 6, Table 3).

Fig. 6. 
Probability distribution functions for extreme climate indices under present condition (black), global warming target of 2.0℃ (red) and 1.5℃ (blue). A location parameter (Loc.) and 20-year return value (Rv20) of TNn (Txx) is located on upper-left (right) side. The return value is also indicated as dotted vertical line

현재 기간의 극한 저온 강도 지수(TNn)를 GEVD에 적합시켜 산출된 극한 저온 분포의 확률밀도함수를 살펴보았다(Fig. 6a, Table 3a). 극한 저온 분포의 경우, 모양 모수(k)는 0.17, 위치 모수(ξ)는 -14.4℃, 규모 모수(β)는 1.77℃로 확인되었다. 극한 저온 분포의 경우 극한 고온 분포와는 반대의 모양이므로, 왼쪽에 극단 값의 꼬리를 갖는 분포를 가지게 된다. 이러한 현재 기간에서의 극한 저온 분포는 전지구 2.0℃ 온난화 환경에서 크게 변화할 것으로 전망되었다. 즉, 2.0℃ 온난화 환경에서 극한 저온 분포의 모양 모수는 0.25, 위치 모수는 -11.8℃, 규모 모수는 1.79℃로 변화할 것으로 확인되었다. 이때, 현재 기간에 비하여 모양 모수가 0.08 증가하게 되어 (동일 위치 및 규모 모수를 가정했을 때) 극한 저온의 발생 기회가 증가하였지만, 분포의 전반적인 위치를 나타내는 위치 모수가 2.6℃ 증가하여 극한 저온의 발생 기회가 크게 적어질 것임을 확인할 수 있다. 이에 따라, 20년 재현 수준은 현재 기간에 -21.2℃였으나, 2.0℃ 온난화 환경에서는 -19.7℃로 상승할 것으로 전망되었다. 이는 곧, 현재 기간에 20년에 한 번 꼴로 발생하는 극한 저온 사건이 2.0℃ 온난화 환경하에서는 28.9년에 한 번 꼴로 발생하는 사건으로 바뀌게 될 것임을 의미한다. 한편, 1.5℃ 온난화 환경에서는 극한 저온 분포의 모양 모수는 0.27, 위치 모수는 -12.5℃, 규모 모수는 1.80℃로 변화할 것으로 전망되었다. 즉, 현재 기간과 비교하여, 모양 모수가 증가하였지만, 위치 모수도 증가하여 극한 저온의 발생 기회가 감소할 것으로 전망되었다. 이로 인하여 1.5℃ 온난화 환경하에서의 20년 재현 수준은 -20.7℃로 변화하였으며, 이는 20년 빈도의 극한 저온 사건이 22.6년 빈도 사건으로 변화할 것임을 시사한다. 마지막으로, 0.5℃ 추가 온난화에 의하여 극한 저온 분포의 위치 모수는 0.7℃ 추가 증가하고, 20년 재현 수준은 1.0℃ 추가 증가할 것으로 전망되었다. 이는 곧 추가 온난화로 인하여, 20년 빈도의 극한 저온 사건에 대해 6.3년의 추가 빈도 변화가 생길 것임을 의미한다.

다음으로, 극한 고온 강도 지수(TXx)를 GEVD에 적합시켜 산출된 극한 고온 분포의 확률밀도함수를 살펴보았다(Fig. 6b, Table 3b). 현재 기간 하에서의 극한 고온 분포의 모양 모수는 0.15, 위치 모수는 34.1℃, 규모 모수는 1.59℃로 확인되었다. 해당 분포는 극한 고온 분포이므로 양의 극단값에 대하여 긴 꼬리를 가지는 모양을 나타내게 된다. 이러한 한반도의 극한 고온 분포도 전지구 2.0℃ 온난화 환경에서 크게 변화할 것으로 전망되었다. 즉, 2.0℃ 온난화 환경하에서 최고 기온 분포의 모양 모수는 0.17, 위치 모수는 36.5℃, 규모 모수는 1.82℃로 변화할 것으로 확인되었다. 현재 기간과 비교하여 위치 모수가 2.4℃ 증가하고 규모 모수가 0.23℃ 증가함으로써 분포가 현재 기간에 비해 우측으로 크게 이동하고, 분포 오른쪽의 극한 고온 빈도도 크게 증가할 것으로 확인되었다. 즉, 현재 기간 하에서의 20년 재현 수준은 40.0℃였으나, 2.0℃ 온난화 환경하에서는 43.5℃로 전망되었다. 이는 현재 기간에 20년에 한 번 꼴로 발생하는 극한 고온 사건이 2.0℃ 온난화 환경하에서는 5.9년에 한 번 꼴로 발생하는 사건으로 변화할 것임을 의미한다. 다음으로, 1.5℃ 온난화 환경하에서는 극한 고온 분포의 모양 모수는 0.20, 위치 모수는 35.7℃, 규모 모수는 1.87℃로 변화할 것으로 확인되었다. 이에 따라, 1.5℃ 온난화 환경에서도 현재 기간에 비해 분포가 오른쪽으로 이동하며, 20년 재현 수준이 43.3℃로 변화할 것으로 전망되었다. 이는 곧, 20년 빈도의 극한 고온 사건이 7.2년의 빈도를 가지는 사건으로 변화할 것임을 의미한다. 한편, 0.5℃ 추가 온난화로 인하여 극한 고온 분포의 위치 모수는 0.8℃ 추가 증가하고, 20년 재현 수준은 0.2℃ 추가 증가할 것으로 전망되었다. 이는 추가 온난화로 인하여, 20년 빈도의 극한 고온 사건에 대하여 1.3년의 추가 빈도 변화가 생길 것임을 의미한다. 이때, 추가 온난화로 인하여 전망된 극한 저온 및 극한 고온 분포의 위치 및 모양 모수의 변화는 서로 비슷했음에도 불구하고 20년 재현 수준의 변화는 극한 저온(1.0℃)에 비해 고온(0.2℃)에 대해서 작게 나타날 것으로 확인되었다. 이는 추가 온난화에 의한 극한 고온 빈도 분포의 규모 모수의 감소(-0.05℃)가 극한 저온 빈도 분포(-0.01℃)에 비해 크게 나타날 것으로 전망되는 것에 기인한다.

마지막으로, 극한 기온 분포의 한반도 86개 격자별 변화를 전망하였다. 이를 위하여, 현재 기간에 20년 빈도로 나타난 극한 기온 사건이 미래 온난화 환경하에서는 몇 년 빈도로 나타날 것인지를 공간장으로 나타내었다(Fig. 7).

Fig. 7. 
Geographcial distributions for return period for extreme climate indices of TNn and TXx under warming target of 1.5℃ and 2.0℃. The return period is calculated using 20-year return value during present period. Difference of return period induced by additional warming is also suggested. The unit is year

가장 먼저, 극한 저온 사건의 재현 빈도 변화는 지역 편차가 클 것으로 전망되었다. 즉, 2.0℃ 온난화 환경에서 극한 저온 사건은 북한 및 남부 일부 지역에서 40년 빈도로 나타날 것으로 확인되었다(Fig. 7b). 이에 반해, 일부 내륙 지역에서는 극한 저온 사건의 빈도 변화가 2.0℃ 온난화 환경임에도 불구하고 빈도 변화가 적게 나타날 것으로 전망되었다. 다음으로, 극한 고온 사건의 재현 빈도 변화를 살펴보았으며, 이에 대해서는 지역 편차가 작을 것으로 확인되었다(Fig. 7e). 즉, 경상 지역을 제외한 한반도 전역에서는 극한 고온 사건이 5년 내외로 나타나고, 경상 지역에서는 10년 내외로 나타날 것으로 전망되었다.

한편, 1.5℃ 온난화 환경에서는 2.0℃ 온난화 환경과 비교하여 극한 저온 및 고온 사건 모두 재현 빈도의 변화가 적을 것으로 확인되었다(Fig. 7a,d). 하지만 1.5℃ 온난화 환경임에도 불구하고 전라 해안 및 북한 동부 지역에서 극한 저온 사건의 빈도가 40년 내외로 나타날 것으로 예상되었다. 마지막으로, 0.5℃ 추가 온난화로 인하여 발생된 빈도 변화는 극한 저온 사건에 대해서는 많이 나타나나, 극한 고온 사건에 대해서는 비교적 적게 나타날 것으로 전망되었다(Fig. 7c,f). 즉, 극한 저온 사건에 대하여 2.0℃ 온난화 환경에서 빈도 변화가 많았던 지역을 중심에서 추가 온난화로 인한 빈도 변화가 20년 내외로 많이 나타나나, 극한 고온 사건에 대해서는 한반도 전역에서 2년 내외의 비교적 적은 빈도 변화가 나타날 것으로 전망되었다.