1. 서론

19개의 생물기후 변수(Bioclimatic Variables, Bioclim)는 생물의 분포를 결정하는데 중요하다고 알려져 있다(Arau′jo et al. 2005). 이러한 이유로 생물기후 변수는 종의 분포를 예측하는 종분포모델(Species Distribution Model) 및 생태 모델링에 주로 활용된다(Attorre et al. 2007, Koo et al. 2015). 생물기후 변수는 월별 기온과 강수량 값을 통해 계산된다. 기후변화 시나리오에 따라 전 지구 기후변화 모델(Global Circulation Model; Global Climate Model, GCM)을 통해 예측된 미래 월별 기온과 강수량으로 미래 생물기후 변수를 예측할 수 있다. IPCC 제6차평가보고서(AR6)에서는 온실가스 감축 정도 및 기후변화 적응대책 수행 여부 등에 따른 미래 사회경제가 어떻게 달라질 것을 고려한 새로운 온실가스 경로인 SSP (Shared Socioeconomic Pathways, 공통사회경제경로)를 사용할 것을 권고하고 있다(O`Neill et al. 2016). 따라서 본 연구에서는 SSP 시나리오 중 SSP5-8.5(고속성장 경로)에 따른 2100년(2081년에서 2100년 평균)의 생물기후 변수를 생성하였다.

2. 연구데이터

2100년 생물기후 변수를 생성하기 위해 WorldClim (www.worldclim.org)에서 제공하는 CCM 중에서 SSP5-8.5 시나리오의 2081년에서 2100년까지의 월평균 강수량, 월 최대기온, 월 최소기온 모두를 제공하는 7개를 선정하여 활용하였다(Table 1). 2100년과 비교하기 위한 자료 또한 WorldClim에서 제공하는 현재(1970년에서 2000년 평균) 생물기후 변수를 활용하였다. SSP5-8.5 시나리오 자료의 해상도는 2.5분(약 5 km)이고 현재 생물기후 변수의 해상도는 30초(약 1 km)이다.

3. 연구방법

5 km의 해상도는 생물의 분포를 결정하기에 너무 큰 격자이기 때문에 7개의 GCM자료 12개월의 월평균 강수량, 월 최대기온, 월 최소기온을 각각 1 km로 다운스케일링(downscaling) 하였다. 다운스케일 방법은 U.S. Geological Survey에서 개발한 기울기 역 거리 제곱방법(gradient-inverse-distance-squared approach)으로 고도자료(DEM, Digital Elevation Model)를 참조하여 공간적으로 해상도를 높이는 방법을 활용했다(Flint et al. 2012). 다운 스케일링한 7개 GCM 자료의 월평균 강수량, 월 최대기온, 월 최소기온을 각각 평균하여 R 프로그램의 dismo 패키지를 활용하여 최종적인 19개 생물기후 변수를 생성하였다(Table 2).

4. 결과

7개 GCM을 평균한 2100년의 월 최대기온, 최소기온 및 강수량을 활용하여 19개 생물기후 변수를 생성하였다(Fig. 1, 3, 4). 2100년 남한의 연평균기온(Bio01)의 범위는 12.05~21.48℃로 현재(4.45~16.04℃)와 비교해 볼 때 모든 지역이 상승하였다(Fig. 2). 2100년에는 현재 남한지역 전체평균 11.27℃ 보다 약 6℃ 높은 17.34℃값이 나타났다. 월평균 일교차(Bio02)와 Isothermality (Bio03, 월평균 일교차와 기온연간범위의 비율)경우는 현재와 비교해도 큰 차이가 나타나지 않았다. 2100년 연간 강수량(Bio12)은 현재(1292.49 ㎜)와 비교해 1527.51 ㎜로 상승하였다. 가장 습한 달의 강수량(Bio13)은 현재(평균 285.5 ㎜)와 비교해 2100년(342.1 ㎜)에 상승하였지만, 가장 건조한 달의 강수량(Bio14)은 큰 차이를 보이지 않았다(Fig. 2). 19개 변수간의 상관성을 분석해 본 결과(Table 3), 변수들간의 상관성이 높은 변수들이 존재하여, 향후 종분포모델과 같은 생태 모델링에 활용하기 위해서는 다중공선성(multicollinearity)을 고려해야 할 것으로 보인다.

5. 결론 및 토의

본 연구에서는 SSP5-8.5 시나리오에 따라 예측된 7개의 GCM자료를 활용하여 2100년 생물기후 변수를 1 ㎞ 해상도로 생성하였다. 불확실성을 최소화하기 위하여 7개 GCM 자료를 평균하였다. 생성된 생물기후 변수는 기후 변화에 따른 생물의 분포를 예측하거나 생태모델링에서 활용될 수 있다. 변수들간의 상관성이 높은 변수들이 존재하기 때문에 모델 또는 범위에 따라서 선별적으로 변수를 선택하여 사용해야 할 것으로 보인다. 생물의 분포는 작은 지역에서도 다르게 나타날 수 있기 때문에 향후 1 ㎞ 보다 높은 해상도의 자료가 필요할 것으로 보인다.

Acknowledgements

본 연구는 환경부 국립생태원 EcoBank 3단계 1차년도 구축(NIE-전략연구-2021-01) 연구 사업의 지원으로 수행되었음.

Fig. 1.

Bio01 variable of current and 2100

Fig. 2.

Comparison of current and future (2100 SSP5-8.5) 6 bioclimatic variables (Bio01, Bio02, Bio03, Bio12, Bio13 and Bio14)

Fig. 3.

2100 SSP5-8.5 bioclimatic variables (Bio02~10)

Fig. 4.

2100 SSP5-8.5 bioclimatic variables (Bio11~19)

참고문헌

• Araújo MB, et al (2005) Reducing uncertainty in projections of extinction risk from climate change. Glob Ecol Biogeogr 14(6):529–538ArticlePDF
• Attorre F, et al (2007) Comparison of interpolation methods for mapping climatic and bioclimatic variables at regional scale. Int J Climatol 27(13):1825–1843Article
• Flint LE, Flint AL (2012) Downscaling future climate scenarios to fine scales for hydrologic and ecological modeling and analysis. Ecol Process 1(1):1–15ArticlePDF
• Koo KA, et al (2015) Potential effects of climate change on the distribution of cold-tolerant evergreen broadleaved woody plants in the korean peninsula. PloS One 10(8):e0134043ArticlePubMedPMC
• O’Neill BC, et al (2016) The Scenario Model Intercomparison Project (ScenarioMIP) for CMIP6. Geosci. Model Dev 9(9):3461–3482Article

Appendix

Figure & Data

References

Citations

Citations to this article as recorded by  

• Analysis of Spatial Suitable Habitats of Four Subspecies of Hippophae rhamnoides in China Based on the MaxEnt Model
  Mengyao He, Fanyan Ma, Junjie Ding, Panxin Niu, Cunkai Luo, Mei Wang, Ping Jiang
  Plants.2025; 14(11): 1682.     CrossRef
• Constructing the Spatial Data to Forecast Potential Habitat for Amphibians and Reptiles under Climate Change
  Man-Seok Shin, Sung-Ryong Kang, Bo-Ra Kim
  GEO DATA.2024; 6(4): 208.     CrossRef