1. 서론

한반도의 겨울철(12~2월) 기온은 동아시아 겨울 몬순의 영향을 받으며, 대륙에 위치하는 한랭한 시베리아 고기압과 해양에 위치하는 온난한 알류산 저기압의 서고동저형 기압 배치를 이룬다(안중배･김해정, 2010; 임소민 등, 2012; 정영근･이동규, 1993; Huang et al., 2007; Lau and Li, 1984). 기본적으로 겨울철 기온은 대륙성 고기압의 영향으로 한랭하나, 시베리아 고기압의 장출로 계절 내의 기온 변동 폭이 큰 편이며 한반도의 겨울철 기온 변동에 대해서는 다양한 연구가 존재한다.

겨울 몬순에 의한 기온 변동은 주로 북반구 대기 순환에 기인하며, 이는 북극진동(Arctic Oscillation), 시베리아 고기압의 변동으로 설명할 수 있다. 북극진동은 유라시아 전역에 걸쳐 지표면 기온에 영향을 주는 자연 변동성이다(Rigor et al., 2000; Thompson and Wallace, 1998). 북극진동의 지수는 양(+)과 음(-)의 두 위상으로 표현할 수 있다. 양의 북극진동 시기는 극소용돌이가 잘 유지되어 비교적 온난하나, 음의 북극진동이 나타날 경우 제트기류가 사행하며 시베리아 고기압의 변동성이 증가하고 강도를 변화시켜 한반도에 한파를 유발하는 원인이 된다(Gong et al., 2001; Jeong and Ho, 2005; Park et al., 2010). 다른 대표적인 자연 변동성으로는 엘니뇨-남방진동(El Niño-Southern Oscillation, ENSO)이 있다. ENSO는 2년에서 7년 주기의 전지구 해양-대기 순환이다(IPCC, 2018). ENSO는 중립상태(netural)를 중심으로 두 위상을 가지며, 온난한 ENSO (warm phase ENSO)와 한랭한 ENSO(cold phase ENSO)로 구분된다. 이는 각각 엘니뇨와 라니냐를 의미하고 둘은 서로 반대의 변동을 의미한다. 즉, ENSO는 엘니뇨와 라니냐의 두 극으로 나타나는 자연 변동성이다. 엘니뇨는 온난한 ENSO로, 열대 동태평양의 해수면 온도 편차가 높게 나타남과 동시에 동서 대기 순환(워커 순환)이 약해지는 시기이다(Bjerknes, 1969). 약화된 워커 순환은 동서 해수면 온도의 경도를 약화시키고, 엘니뇨 환경을 강화시키는 피드백을 구축하게 된다. ENSO는 원격상관의 형태로 전지구 기후 시스템에 영향을 주기 때문에 한반도 기온 변동에도 유의한 영향을 준다. 실제로 엘니뇨 시기에 한반도 기온은 평년보다 높게 나타나고 통계적으로 유의하지만, 온난한 겨울철이 항상 엘니뇨 시기와 겹치는 것은 아니다(강인식, 1998; 기상청, 2017). 이처럼 북극진동과 마찬가지로 ENSO는 겨울철 기온 변동의 전부를 설명하는 것이 아니라 변동의 일부 원인임을 알 수 있다. 한편, 1980년대부터 한반도의 겨울철 기온은 상승하는 경향이 있으며(Jung et al., 2002; 임소민 등, 2012; 문자연 등, 2014), 2010년대에는 일부 하강하는 경향이 있다(유영은 등, 2015; 이혜영 등, 2018). 하지만 지구온난화로 표현되는 전지구적인 기온 상승은 외부 강제력으로 작용하여 기후시스템을 변화시키기 때문에(IPCC, 2018), 결과적으로 이는 한반도 겨울철 기온 변동에 유효한 영향을 줄 수 있다.

또한 한반도의 겨울철 기온을 설명하기 위해서는 역학적 원인 분석 외에도 주기성을 분석하는 것이 중요하다. 경험적으로 시베리아 고기압의 장출에 따라 나타나는 한랭일과 온난일의 변동을 우리나라와 만주에서는‘삼한사온’이라고 하였다(山内安太, 1915). 이러한 경험적인 겨울철 기온 변동의 주기는 약 1주일이며, 주기성에 대한 많은 관심과 분석의 필요에 따라 한반도 기상 관측 이래 다양한 주기 분석이 이루어졌다(강인식, 1998; 이병설, 1971, 1985; 정영근, 1988; 최지영 등, 2019; Kim and Roh, 2010). 연구 시기에 따라 겨울철의 기간과 자료, 분석 방법이 상이하나 전반적으로 겨울철 기온의 변동 주기는 7일에 근접하여 나타나며, 그 외의 단주기와 장주기 또한 나타난다. 또한 2014년 이후에는 유의한 주기의 검출이 감소함과 동시에 삼한사온의 7일 부근 주기가 나타나지 않는 등 겨울철 기온 주기성의 변화가 나타나고 있다(최지영 등, 2019). 이러한 주기성의 변화는 자연 변동성의 장주기 패턴이나 외부 강제력인 지구온난화에 의해 나타날 수 있으나, 그 원인은 명확하지 않다. 즉 한반도 겨울철 기온 변동의 주기성은 자연변동성과 지구온난화의 두 관점에서 조사할 필요가 있다.

따라서 본 연구에서는 한반도 겨울철 기온 변동의 주기성을 분석하기 위해 웨이블릿 변환을 활용하여 최근 기후 평년 기간(1991~2020년)에 대한 기온 변동의 주기를 분석하고, 어떠한 주기가 ENSO와 지구온난화가 조합되는 환경 조건에서 우세한지 조사한다. 이를 통해 현재 기후 환경을 잘 반영하는 한반도 겨울철 기온 변동의 주기성을 진단한다. 웨이블릿 변환은 기존 연구에서 주기 분석에 사용된 파워 스펙트럼 분석과 같은 푸리에 변환이 가지는 시간 해상도 문제를 보완하고, 시계열 데이터에서 나타나는 특정한 주기성을 파악함과 동시에 현상의 강도를 나타낼 수 있는 분석 방법이다(Torrence and Compo, 1998). 푸리에 변환의 경우 시계열의 세부적인 특징을 관찰할 수 없고 시계열의 불연속성이나 단절 등이 나타나는 비정상 시계열에 사용하기 부적합한 반면, 웨이블릿 변환은 웨이블릿 모함수의 신호를 조절하는 방식을 통해 신호의 자세한 정보 뿐 아니라 변화하는 정도를 잘 파악할 수 있다(이현욱･유철상, 2019). 마지막으로 ENSO와 지구온난화가 조합되는 환경은 Yun et al.(2023)에서 사용된 8가지 환경 변동성 모드를 바탕으로 구성된다.

2. 자료 및 분석방법

1) 자료

본 연구에서는 한반도 겨울철 기온의 변동성을 분석하기 위해 NCEP/NCAR(National Centers for Environmental Prediction/National Center for Atmospheric Research) 재분석 일자료의 지상 기온 자료를, 결과의 원인 추론을 위한 300hPa 동서바람장(u-wind)를 사용하였다. 이는 광역적인 자료를 바탕으로, 한반도를 중심으로 한 여러 지역에 공통적으로 작용해온 종관 규모 파동의 배경을 분석하기 위함이다. 이 두 자료의 공간해상도는 2.5°×2.5°이며 한반도를 중심으로 하는 32.5°~45°N, 122.5°~132.5°E를 연구 대상 지역으로 선정하였다(그림 1). 연구 대상 지역 내의 값은 면적 평균하여 시계열을 구성한다. 기후환경은 전지구 환경을 조건으로 하며, 이는 엘니뇨-남방진동(El Niño-Southern Oscillation, ENSO)을 표현하는 남방진동지수(Southern Oscillation Index, SOI)와 전지구 온난정도를 표현하는 전지구 평균 해수면온도(Globl mean sea-surface temperature, GMSST)를 통해 지표화한다. SOI는 양(+)의 값이 라니냐를, 음(-)의 값이 엘니뇨를 의미하지만, 본 연구에서는 음의 남방진동지수(NSOI)를 사용하여 양의 값이 엘니뇨를 표현하고, 음의 값이 라니냐를 표현하도록 하였다. SOI는 National Oceanic and Atmospheric Administration(NOAA)/Climate Prediction Center(CPC; www.cpc.ncep.noaa.gov/data/indices/soi)에서 구득하였으며, GMSST는 National Oceanic and Atmospheric Administration(NOAA)의 Extended Reconstructed SST(ERSST) Version 5를 활용하였다(Huang et al., 2017).

그림 1.

한반도를 중심으로 하는 연구 대상 지역. NCEP/NCAR 재분석자료의 공간해상도는 2.5°×2.5°로, 한반도를 중심으로 하는 32.5°~45°N, 122.5°~132.5°E를 연구 대상 지역으로 선정하였다.

연구의 대상 기간은 최근 기후 평년 기간인 1991~2020년의 겨울철(12~2월, DJF)을 대상으로 하되 첫 DJF에는 전년인 1990년의 12월을 포함시켰다. 이는 2020년의 DJF에 평년 밖인 2021년의 1~2월을 포함시키는 것 보다 평년 기간의 기후특성을 분석하는데 더욱 적합한 것으로 사료된다. 또한 분석 자료를 구성함에 있어 DJF는 윤년에 따라 일 수가 상이한 점을 고려해, Julian day 1을 기준으로 하고 고정된 90일에 대해 분석을 수행하였다. 그러므로 Julian day 1이 있는 해의 이전 년도 12월 값이 당해 년도에 귀속된다. 예를 들어, 2000년의 DJF는 다음과 같이 90일 기간으로 산정하였다. 2000년의 Julian day 1을 2000년 1월 1일로 두면 전년(1999년) 12월 1일의 Julian day는 -31로 볼 수 있다. DJF를 90일로 고정하면 12월 1일부터 2월 28일로 그 날짜가 고정된다. 이로써 윤년에 존재하는 2월 29일은 제외되었다.

2) 웨이블릿 변환

웨이블릿 변환(Wavelet transform)은 시계열 자료에서 나타나는 여러 성분의 특징을 파악하는 방법으로, 다양한 연구 분야에서 활용되며 기후 연구에서도 주기 분석에 사용된다(이현욱･유철상, 2019; Baliunas et al., 1997; Torrence and Compo, 1998). 웨이블릿 변환은 웨이블릿 모함수(mother wavelet)를 이동시키며 주파수를 분해한다. 이 때 사용되는 모함수는 다양한 종류가 있으나, 본 연구에서 사용한 Morlet 웨이블릿 모함수는 아래와 같다.

여기서 η는 무차원 시간 매개변수(nondimensional time parameter)이며, ω₀는 무차원 주파수(nondimensional frequency)로 6을 기본값으로 한다(Torrence and Compo, 1998). Morlet 웨이블릿 모함수의 형태는 그림 2(a)와 같다.

Morlet 웨이블릿 모함수는 Mexican hat 등 다른 모함수와 비교하였을 때, 스펙트럼 공간의 정의에서 유리함을 가진다(Anctil and Coulibaly, 2004). 또한 주파수의 고저를 모두 감지하는 능력이 우수하며, 단기 변동과 장기 변동을 모두 분석하는 데 유리하여 기후 연구 분야에서 주로 사용된다(이현욱 등, 2019; Anctil and Coulibaly, 2004; Higuchi et al., 1999; Hu et al., 1998; Lucero and Rodriquez, 1999; Torrence and Compo, 1998; ). 이러한 웨이블릿 모함수를 바탕으로 그 신호를 늘리고 줄이는 스케일링 과정(scaling)과 시간축을 따라 모함수를 이동시키는 전이 과정(translating)을 통해 신호의 주파수를 특성에 따라 분류할 수 있다(그림 2(b)).

그림 2.

(a) Morlet 웨이블릿 모함수의 형태, (b) 웨이블릿 분석의 기본 과정 모식도. (a)의 초록색 선은 모함수의 실수부를, 회색 선은 허수부를 의미한다. (a)는 임의의 값으로 산출한 모함수의 형태를 표현하였으며, (b)는 모함수를 이동시키는 과정(전이, translating)과 모함수의 신호 크기를 조정하는 과정(스케일링, scaling)을 표현하였다.

특히 본 연구에서는 연속 웨이블릿 변환(Continuous wavelet transform, CWT)을 사용한다. 시계열 xn에 대한 CWT는 웨이블릿 모함수 ψ0(η)를 조정한 값과 시계열의 합성곱으로 아래와 같이 정의된다.

여기서 *은 복소켤레를 의미하며, 결과적으로 s를 변화시키는 스케일링 과정과 시간 인덱스 n을 따라 모함수를 이동시키는 전이 과정을 통해 웨이블릿 변환을 수행할 수 있다. 변환된 결과는 크게 3가지로 나타나는데, 실수부 ℜWn(s), 허수부 ℑWn(s), 진폭 |Wn(s)|이다. 여기서 진폭의 제곱을 웨이블릿 파워(Wavelet power)로 정의한다. 이는 시계열 데이터의 특정 시간과 주파수에서 나타나는 강도를 의미하며, 시계열 데이터의 지역적인 변동성을 분석하는 데 사용될 수 있다. 본 연구에서는 웨이블릿 파워를 정규화하여 값의 상대적인 크기를 쉽게 비교할 수 있도록 웨이블릿 파워 레벨(Wavelet power level)을 사용한다.

결과적으로 웨이블릿 변환을 통해 시계열을 시간-주파수 공간으로 분해함으로써, 주요한 변동성과 그것의 시간 변화를 확인할 수 있다. 예를 들어, ENSO 시계열에 웨이블릿 분석을 시행하면 ENSO의 강도는 웨이블릿 파워 스펙트럼으로 나타나 해수면 온도 변화의 크기를 나타낼 수 있다. ENSO 패턴의 주기성은 규모와 빈도로써 나타난다. 즉, ENSO 이벤트가 언제 발생하고(시간), 어느 주파수에서 발생하며(규모), 그 강도[이하, 파워(power)]가 어느 정도인지 확인할 수 있다(Torrence and Compo, 1998).

본 연구에서는 한반도 겨울철 기온 변동의 주기를 3일에서 16일에 걸쳐 분석한다. 각 주기에 나타나는 웨이블릿 파워가 평균적으로 어느 수준인지 파악하고, 이를 자연 변동성과 지구 온난 정도에 걸쳐 분석한다. 또한 8가지 환경 변동성과 각각의 주기가 어느 정도의 상관성을 가지는지 분석함으로써 보다 현실적인 환경 조건에서 나타나는 우세 주기를 파악한다.

3) 8가지 환경 변동성 모드

본 연구에서는 한반도 겨울철 기온 변동의 주기성을 분석하고, 어떠한 주기가 ENSO와 지구온난화가 조합되는 환경 조건에서 우세한지 조사한다. 이러한 환경 조건은 Yun et al.(2023)에서 사용된 8가지 환경 변동성 모드(Eight modes of environmental variability)를 통해 구성된다(그림 3). ENSO와 지구 온난 정도는 연속 변동 공간에서 직교하는 변수이며 이 변수들을 연속 변동성 공간의 방향 성분으로 간주하고, 두개의 기후 변동성(NSOI 및 GMSST)을 조합하여 두개의 주성분(PC1 및 PC2)을 구성할 수 있다. 주성분 분석과 같은 방식으로 표현되는 연속 변동 구조는 ENSO와 지구 온난 정도가 어떻게 연관되어 있는지 보여주는 장점이 있다. PC1은 NSOI와 GMSST의 동위상(in-phase) 관계이고, PC2는 둘의 역위상(out-of-phase) 관계이다. 변동성 공간에서 3개의 원은 바깥쪽으로 표준편차 0.5, 1.0, 1.5를 나타내며, 가운데는 평균인 ‘Netural(N)’로 표현된다. 결과적으로 N을 중심으로 하는 환경 조건을 표현하는 8가지 모드를 구성할 수 있는데, 한랭한 환경의 엘니뇨(Colder El Niño, CE), 엘니뇨(El Niño, E), 온난한 환경의 엘니뇨(Warmer El Niño, WE), 한랭한 환경(Cold, C), 온난한 환경(Warm, W), 한랭한 환경의 라니냐(Colder La Niña, CL), 라니냐(La Niña, L), 온난한 환경의 라니냐(Warmer La Niña, WL)로 표현된다.

그림 3.

8가지 환경 변동성 모드. 연속 변동 공간에서 직교하는 ENSO와 지구 온난 정도의 두 변수를 조합하여 두 개의 주성분을 얻고, 이를 바탕으로 8가지의 환경 변동성 모드를 구성한다(Yun et al., 2023의 Fig. 1을 바탕으로 재구성).

값의 부호로 위상이 결정되는 NSOI와 달리, 온도를 나타내는 GMSST의 경우 한랭기와 온난기를 수치로 파악할 수 없다. 그러므로 본 연구에서는 GMSST를 표준화하여 평균 0을 기준으로 한랭기(-)와 온난기(+)를 구분하였다. NSOI 또한 비교를 위해 표준화된 값을 사용한다.

3. 결과

1) ENSO에 대한 주기별 강도 차이

ENSO는 원격상관의 형태로 전지구 기후시스템에 영향을 주며 한반도 겨울철 기온과도 통계적으로 상관되어 있다. 그림 4는 ENSO에 따른 주기 별 평균 파워를 나타낸 것이다. 전체 기간에 대한 반응을 살펴보면, 3일의 단주기에서는 반응이 거의 나타나지 않으나 주기가 길어질수록 높은 파워가 나타난다. 특히 전체 기간의 평균 파워가 높은 주기는 7~8일의 주기로, 지역민이 기존에 경험적으로 인식하던 1주일 주기와 유사한 결과를 보여줌과 동시에 10~13일의 주기도 비슷한 수준을 보여주고 있다. ENSO의 위상에 따른 반응은 전체 기간에 대한 반응과 다른 양상을 보이는데, 라니냐 시기와 엘니뇨 시기 각각에 우세한 주기가 상이하게 나타난다. 특히 7~9일 주기에서 라니냐 시기의 파워는 전체 평균보다 높게 나타나며, 엘니뇨 시기는 이 주기에서 평균보다도 낮은 반응을 보이고 있다. 반대로 엘니뇨 시기는 11~13일 주기에서 강세를 보이며 동일 주기의 라니냐 시기와 큰 차이를 보인다. 즉, 기온 변동의 주기가 평년보다 길게 나타나는 것이다. 라니냐 시기에는 7~9일 주기가 강세를 보임에 따라 오히려 평년에 비해 1주일 주기의 기온 변동이 강화되는 형태가 나타난다.

그림 4.

ENSO에 따른 한반도 겨울철 기온 변동의 주기 별 평균 파워. 회색은 전체 기간에 대한 평균 파워를 나타내며, 적색은 엘니뇨에 해당하는 시기의 평균 파워를, 남색은 라니냐에 해당하는 시기의 평균 파워를 나타낸다.

2) 지구 온난 정도에 대한 주기별 강도 차이

그림 5에서 나타나는 지구 온난 정도에 대한 반응은 온난한 환경이 다른 현상에서 라니냐와 유사한(La Nina-like) 양상을 보이는 것과 달리, 한반도 겨울철 기온의 주기성에서는 엘니뇨 시기와 동일한 주기에서 유사한 양상을 보인다. 또한 상대적으로 한랭한 시기에는 8~9일 주기의 강세가 어느정도 나타났으나, 최근 온난해지는 기후에 나타나는 한반도 겨울철 기온의 주기는 과거에 비해 길어지는 것으로 해석할 수 있다. 특징 할만한 것은 상대적으로 한랭한 환경에서 15~16일의 장주기 패턴이 우세하다는 것이다.

그림 5.

지구 온난 정도에 따른 한반도 겨울철 기온 변동의 주기 별 평균 파워. 전체적으로 평년과 유사한 형태를 보이고 있으나, 온난한 환경(적색)에서의 반응은 엘니뇨 시기와 동일한 주기에서 유사하게 나타난다. 상대적으로 한랭한 시기(남색)에는 8~9일 주기의 강세가 나타남에 비해 최근 온난해지는 기후에 나타나는 주기는 과거에 비해 길어지고 있다(11~13일 주기).

3) 8가지 환경 조건과 주기별 상관성

앞서 ENSO와 지구 온난 정도에 따른 한반도 겨울철 기온 변동은 7일에 근접한 주기가 평년보다 강화되거나, 그보다 장주기 패턴이 강화되는 양상을 보이고 있다. 하지만 현실적인 환경은 이 두 조건이 결합되어 나타나는 것이며, 앞서 제안된 8가지 환경 변동성 모드를 구성하여 표현할 수 있다.

그림 6는 이러한 환경과 주기 별 웨이블릿 파워의 상관관계를 분석한 것이다. 최근 기후 환경을 바탕으로 한 다른 연구와 유사하게 전반적으로 유의한 주기가 검출되지 않으나(최지영 등, 2019), CE와 5일(r = +0.43; [0.08, 0.68], 95% 신뢰구간)과 6일(r = +0.44; [0.1, 0.69], 95% 신뢰구간) 주기, 그리고 WL의 5일(r = -0.43; [-0.68, -0.08], 95% 신뢰구간)과 6일(r = -0.44; [-0.69, -0.1], 95% 신뢰구간) 주기 는 95% 신뢰수준으로 유의한 상관을 가진다. CE 모드에서 나타나는 양의 상관은, 한랭한 엘니뇨 환경에서 5~6일 주기의 기온 변동이 강하게 나타나는 것으로 해석할 수 있다. 이는 기존의 1주일 주기 유사한 형태의 기온변동이 잘 나타남과 동시에 상대적으로 주기가 짧아지는 것을 의미한다. 즉 한반도 겨울철 기온이 비교적 과거 환경과 유사하게 7일에 근접한 주기로 변동하며 평년에 가까운 기온 변동을 보이게 된다. 반대로 WL모드의 음의 상관은 온난한 라니냐 환경에서는 5~6일 주기의 기온변동이 약화됨을 의미한다. 7일 주기가 약해짐과 동시에 다른 주기성이 검출되지 않았기 때문에 기온 변동의 주기성 자체가 약화되는 것으로 해석할 수 있다. 이 결과는 겨울철 기온 자체의 변화나 장주기 변동의 강화 등 다양하게 해석될 여지가 있다.

그림 6.

8가지 환경 변동성 모드와 주기 별 웨이블릿 파워의 상관관계. 전반적으로 유의한 주기가 검출되지 않으나, CE모드와 WL모드의 5~6일 주기에서 유의한 상관관계가 나타난다. 그림의 유색 표시는 95% 신뢰수준에서 유의한 주기 구간을 표현한 것이다.

4. 요약 및 토의

1) 요약

본 연구는 한반도 겨울철 기온 변동의 주기성을 분석하기 위해 웨이블릿 변환을 활용하였다. 최근 기후가 반영된 기온 변동의 주기를 분석함으로써 어떠한 주기가 ENSO와 지구온난화의 조합으로 표현되는 보다 현실적인 환경 조건에서 우세한지 조사하였다. 이를 통해 현재 기후 환경을 잘 반영하는 한반도 겨울철 기온 변동의 주기성을 진단하였다. ENSO에 따른 겨울철 기온 변동의 주기는 엘니뇨와 라니냐 두 시기에 따라 상이하게 나타났다. 경험적인 1주일 주기의 기온 변동이 잘 나타나는 시기는 라니냐 시기였으며, 7~9일 주기에서 상대적으로 높은 파워가 나타났다. 반대로 엘니뇨 시기는 평년보다도 낮은 반응을 보이며, 11~13일의 장주기에서 강세를 보인다. 즉, 기온 변동의 주기가 평년보다 길게 나타나는 것이다. 지구 온난 정도를 통해 표현한 지구온난화에 따른 기온 변동의 주기는 ENSO에 대한 반응과 달리 전체적으로 평년과 유사한 형태를 보이나, 최근 온난해지는 기후에 나타나는 한반도 겨울철 기온의 주기는 과거에 비해 길어지는 것으로 나타났다. 마지막으로 이 두 환경 조건이 조합된 보다 현실적인 환경에서의 분석은 한랭한 환경의 엘니뇨(Colder El Nino, CE), 엘니뇨(El Nino, E), 온난한 환경의 엘니뇨(Warmer El Nino, WE), 한랭한 환경(Cold, C), 온난한 환경(Warm, W), 한랭한 환경의 라니냐(Colder La Nina, CL), 라니냐(La Nina, L), 온난한 환경의 라니냐(Warmer La Nina, WL)의 8가지 환경 변동성 모드에 따른 반응으로 조사되었다. 전반적으로 다른 연구와 유사하게 유의한 주기가 검출되지 않았으나, CE와 WL 모드의 5~6일 주기에서 유의한 상관이 나타났다. CE 모드에서 나타난 양의 상관은 7일에 근접한 주기성이 잘 나타남과 동시에 상대적으로 주기가 짧아지는 것을 의미하며, WL 모드의 음의 상관은 7일 주기성의 감소와 기온 변동 자체의 주기성 약화로 해석할 수 있다.

결과적으로 지역민이 경험적으로 인식하던 7일 주기 기온 변동은 현재의 환경에서 뚜렷하게 드러나지 않아 그 실체가 모호해지고 있다. 특히 온난한 라니냐 환경에서는 겨울철 기온 변동 주기를 경험하기 어려운 것으로 나타난다. 이러한 연구 결과는 향후 지역 특성이 반영된 국지 분석의 배경으로써 가치가 있을 것이다.

2) 토의

본 연구의 결과로 진단한 최근 기후 환경에서의 7일 주기성의 감소와 겨울철 기온 변동의 주기성 약화는 다양한 원인에 의해 발생할 수 있다. 이에 대한 물리적인 배경은 향후 연구에서 더욱 심도있게 조사해야할 여지가 있다. 이러한 연구는 기존의 AO 연구와 호환될 필요가 있으며, 저위도 해양 환경을 포함하는 보다 큰 규모의 변동성을 다루어야할 것이다. 이런 이유에서 고위도와 저위도의 기후변동을 동시에 보여주는 결과적인 지표인 제트기류를 통해 중위도 종관 파동의 특성의 배경을 일부 이해할 수 있다. 따라서 본 연구의 토의에서는 제트기류의 사행과 그로 인한 대륙 기단의 영향을 파악하고자 한반도 고층(300hPa)에 나타나는 제트기류의 강도 변화를 확인해보았다(그림 7). 현업 예보 환경에서 겨울철 제트기류의 평균적인 고도는 대류권계면의 하강을 고려하여 300hPa로 활용되며, 본 연구에서도 300hPa을 제트기류의 고도로 설정하였다. 북극에서부터 중위도까지 제트기류의 사행 정도를 파악하기 위해 한반도를 포함하는 영역을 설정하였다(그림 7(a)). 그림 7(b)는 해당 영역에서 나타나는 기후적인 제트기류 강도에 대해 과거(1991~2000년)와 최근(2011~2020년)의 강도는 어떠한지 비교한 것으로, 과거에 비해 최근에 한반도 부근의 제트기류가 강화되고 고위도의 강도는 약화된 것으로 나타난다. 이는 제트기류가 과거에 비해 더 남하하며 제트기류의 사행이 커진 것으로 해석할 수 있다. 즉, 음의 북극진동 시기와 같이 제트기류의 사행이 커지며 북극의 한기가 잘 가두어지지 못하고 시베리아 고기압의 변동성이 증가하여 기온 변동성이 커지는 것이다(Jeong and Ho, 2005; Park et al., 2010). 그러므로 기온 변동성의 증가와 주기성의 약화는 연구의 결과에서 나타나는 7일 주기의 기온 변동이 약화되는 원인의 일부로 이해할 수 있다. 하지만 한반도 겨울철 기온이 하강하는 것은 단주기 변동이 강화되는 결과로 나타날 수도 있으나, 본 연구에서 확인되지는 않았다. 후속 연구에서는 보다 과거의 자료를 포함하여 기온 변동 주기성의 변화를 추적하거나, 주기성 검출의 폭을 좁혀 웨이블릿 파워의 평균값이 아닌 전체 기간에 대해 수행하는 방식으로 이러한 한계를 극복할 수 있을 것이다. 또한 NCEP 재분석자료의 공간해상도 문제를 해결하고 지역 관측 자료를 사용함으로써 보다 정밀한 분석이 가능할 것으로 보인다.

그림 7.

1991년~2020년의 제트기류 강도 변화. (a) 한반도로 사행하는 제트기류의 위도 변화를 확인하기 위한 분석 범위, (b) 관측된 제트기류의 평균 강도에 대한 과거와 최근의 강도 변화. 남색 실선은 과거 10년을, 적색 실선은 최근 10년을 의미한다. 초록색 점선은 최근과 과거 강도의 편차를 나타낸다.