산업혁명 이후 인간의 인위적 활동에 의한 온실가스 배출의 증가는 전 지구 평균 기온을 상승시키는데 기여하였다. 지역적으로 기온의 상승폭은 빙하 녹음, 적설면적의 감소 등으로 고위도로 갈수록 높고, 해양보다 육지가 상승폭이 큰데, 최근에는 이러한 상승폭의 절대값과 더불어 이 상승폭이 과거 기후적으로 나타났던 변동성의 한계를 넘어서는지에 대한 중요성이 지적되고 있다(Mora et al., 2013) IPCC AR5(2013)에서는 열대지역을 언급하면서 이 지역의 인위적 영향에 의한 기온상승이 고위도보다 작으나, 자연적 변동폭이 작기 때문에 이 지역이 작은 기온 변화에도 생태계가 취약해질 수 있다고 언급한다(Mahlstein et al., 2012; Hawkins and Sutton, 2012). 이는 자연변동성이 기후예측성의 한계로만 사용되어 왔으나, 기후변화 적응 가이던스로서도 활용될 수 있음을 의미한다(Deser et al., 2012).

지구 온난화가 지역적인 생태계에 미치는 영향은 다를 수 있기 때문에, 인위적 영향에 따른 기온 변화가 언제 나타나는가는 지역규모에서의 기후변화 적응과 위기대응을 위해 필요하다. 이에 많은 연구자들이 자연변동성을 넘어서는 유의한 온난화 시그널이 나타나는 시기에 대한 많은 관심을 가져왔다. Mahlstein et al.(2012)는 저위도에서 이미 인위적 영향에 따른 기온 변동은 여름철에 나타난다고 언급하였다. 미래 전망에 대해서는 Lyu et al.(2014)은 지역 해수면 상승의 발생시점에 대해 연구하였고, King et al.(2013)은 극한기온, Zappa et al.(2015)은 대서양 제트기류의 인위적 영향에 의한 유의한 변화를 분석하였다.

아시아지역에서는 Sui et al.(2014)과 Lee et al.(2016)의 연구가 있었다. Sui et al.(2014)은 RCP4.5에 따라 중국에서는 인위적 영향에 의한 온난화가 지역별로 다른 시기에 나타남을 전망하였다. 우리나라에 대해서는 RCP 2종에 대한 지역기후모델을 이용한 연구가 있었는데, 최고, 최저기온의 변화시점을 2030년대 이후로 전망하였다(Lee et al., 2016). 본 연구에서는 기존 연구에서 사용했던 RCP 시나리오 종류를 확장하여 RCP 3종(2.6, 4.5, 8.5)에 대한 전망을 살펴보고자 하였다. 그리고 많은 모델자료를 사용하고자 CMIP5 전지구 모델 자료를 활용하여 우리나라에 대한 분석을 추진하였다.

미래 기온변화의 시점을 전망하고자 일평균, 최고, 최저기온의 월별 자료를 분석하였다. IPCC AR5(2013)와 Mahlstein et al.(2011)의 개념을 응용하여 CMIP5의 historical과 미래 전망, natural-only run 자료를 사용하였다. 사용된 과거 기후 및 RCP 2.6, 4.5, 8.5에 따른 미래 장기 적분 결과의 CMIP5 15개 모델은 Table 1과 같다. 자연변동성 계산은 자연강제력만을 사용한 natural-only 실험 자료를 사용하였다. 모든 모델은 HadGEM2-AO의 해상도로 통일하여 사용하였다.

각 모델별, 격자점별 여름, 겨울 평균 기온의 1900∼1929년동안 30년 대비 anomaly 시계열을 historical/RCP run과 natural-only run에 대해 계산하였다. 자연변동성의 크기를 위해 Mahlstein et al.(2011)에서는 historical run(1900∼1999)의 detrend time series를 사용하고, Hawskins and Sutton(2012)에서는 preindustrial run을 사용하였는데, 본 연구에서는 각 모델의 natural-only run의 30년 평균 anomaly의 1900∼2005년 기간에 대해 각 격자점별 표준편차(2σ)를 계산하였다. 이를 우리나라 육지에 대해 면적평균한 뒤 12개 모델 평균한 값을 기준값(2σ)으로 하였다.

Historical/RCP run의 시계열은 30년 이동평균하고, 이 이동평균 시계열이 2σ을 넘는 연도를 각 모델마다 계산하였다. 그리고 총 15개 모델의 80%가 넘는 연도를 인위적 영향에 의한 온난화 발생 시점(Time of Emergence, 이하 ToE)으로 정의하였다. Lyu et al.(2014)과 Sui et al.(2014)은 중간값을 사용하였으나, 본 연구에서는 가급적 많은 모델 결과를 포함시키기 위해 AR5의 방법대로 80%를 따랐다. IPCC AR5와 본 연구의 분석방법에서 차이가 있다면 사용한 모델 개수에서 차이가 있고, AR5에서는 Historical run의 20세기 초기 시계열로 자연변동성 진폭을 사용하였으나, 본 연구에서는 natural-only run을 사용하였다. 20세기 초반 과거 기후는 인위적 영향이 적은 시기이므로, 본 연구에서 자연강제력만 고려된 모델 자료와 유사한 결과를 나타낼 것으로 판단된다. ToE는 signal-to-noise 기준으로 결정하는데, 이 기준은 연구자에 따라 σ 또는 2σ를 선택적으로 다양하게 사용되었다. Hawskins and Sutton(2012)에 따르면 기후변화에 대한 적응전략을 고려한다면 ToE가 좀 더 미래일수록 나은 것으로 판단된다. 이에 이 기존문헌의 방법을 적용하여 σ보다는 2σ를 signal-to-noise 기준으로 사용하였다. 그리고 모델자료의 자연 변동폭과 관측 기온의 자연 변동폭을 분석하기 위하여 GISS surface air temperature(2°×2°), CRU TS3.2(0.5°×0.5°) 기온 자료를 1901∼2005년에 대해 사용하였다.

인위적 활동에 의한 온실가스 배출이 증가함에 따라 전지구적으로 기온의 변화가 나타났다. 그러나 이러한 변화가 과거 변동성의 한계를 넘어서는 기온변화폭과는 다를 수 있음이 지적되었다(Mora et al., 2013). 열대에서는 기온상승이 고위도보다 작지만, 이 작은 기온변화는 이전에 없었던 것이었기에 취약성 측면에서 기후변화대응이 필요함이 언급된다(Mahlstein et al., 2012). Mora et al.(2013)는 전지구 평균기온에서 RCP 85, 45에 대해 각각 21세기 중후반 인위적 영향이 나타날 것으로 전망하면서 열대지역은 더 앞당겨질 수도 있다고 하였다. 이에 아시아 지역에서도 관심이 높아지면서 Sui et al.(2014)과 Lee et al.(2016)의 연구가 진행되었는데, 이 기존 문헌을 바탕으로 우리나라에 대한 RCP 3종에 대한 미래 인위적 온난화의 발현 시기를 분석하였다.

여름 ToE는 2030년대, 겨울 ToE는 2040∼80년대로 분석되어 여름이 겨울보다 ToE 시점이 빨랐으며, 이는 기존논문과 일치한다. 최고, 최저기온의 분석결과, 일 평균기온(tas) ToE와 수 년 간의 차이가 있기는 하나, 모델 간 편차를 고려할 때 인위적 영향에 의한 온난화 발현 시점은 비슷한 시기로 판단된다. RCP 종류에 따른 ToE의 차이에서 완화정책의 영향을 미루어 볼 수 있는데, 이 영향은 겨울에 나타난다.

ToE 결정에 영향 미치는 부분은 자연변동성 진폭에 민감하다. 이는 분석대상이 되는 변수의 종류, 분석하고자 하는 수평면적과 분석자료 시간 평균규모에 따라 달라진다(Sui et al., 2014; Mora et al., 2013). 자연 변동폭이 크면 ToE 시점이 늦추어진다. 이는 Lee et al.(2016)의 RCM에 기반한 결과와도 일치한다. 본 연구에서 모델의 자연변동성은 관측의 자연변동성보다 작은데, 관측값을 기준으로 하면 CMIP5 모델의 여름 ToE는 동일하나, 겨울 ToE는 늦추어지는 경향이 있었다. 자연변동성에 대해서는 추가적인 이해가 필요하다. 그리고 ToE 선정기준도 결과의 차이를 가져온다. 연구자마다 자연 변동폭 기준을 달리 사용하는데, Sui et al.(2014), Lee et al.(2016)은 본 연구와 동일한 2σ의 자연 변동폭을 사용하나, 모델의 중간값(Sui et al., 2014)이나 사용모델의 80% 값을 사용하는 가에 따라 차이가 날 수 있다.

ToE 결과에서 나타난 모델 간 편차 역시 향후 분석이 필요하다. 본 연구에서 여름철 ToE는 11∼12년의 차이를 보이고, 겨울철은 11∼61년으로 커지는데, 겨울철 ToE의 모델 간 차이는 RCP8.5에서 작고, RCP2.6에서 가장 크다. 선행연구들에서 역시 모델 간 편차가 60년까지 커질 수 있었는데, 이 원인의 하나로 Lee et al.(2016)은 육지에서 ToE의 모델 간 편차가 해양보다 커질 수 있고 이는 각 모델의 지표면과 구름물리과정이 다르기 때문이라고, 설명한다. 분석 결과의 불확실성 측면에서 모델 간 편차에 대한 이해는 매우 중요하다. 이에 향후 각 모델별 특성에 대한 조사와 다양한 ToE 산정 방법에 대한 시도가 이어져야할 필요가 있다.