1. 서 론

산업혁명 이후 전지구 폭염의 발생 빈도와 강도가 증가하고 있다^{(Perkins-Kirkpatrick and Lewis, 2020; Grant et al., 2025)}. 폭염은 인간 활동에 의한 기후 변화로 인해 발생 가능성이 점차 증가하였으며, 강도 또한 더욱 높아졌다^{(Bercos-Hickey et al., 2022; Philip et al., 2022)}. 2023년 여름, 일본은 관측 이래 가장 더운 여름을 기록하였다. 전국의 약 70 % 기상 관측소에서 40℃를 초과하는 고온이 관측되었으며, 16개 관측소에서는 최고 기온 기록이 경신되었다. 중국은 2023년 여름 동안 14차례의 고온 현상을 겪었으며, 약 70 %의 국가 기상 관측소에서 40℃를 초과하는 기온이 기록되었다^{(WMO, 2024)}. 같은 해, 8월, 전라북도 새만금에서 열린 세계 스카우트 잼버리 대회는 폭염으로 인해 1,486명이 병원 치료를 받는 등 큰 혼란을 겪었다. 이러한 현상은 대기 순환과 해수면 온도의 변화에 기인하는데, 특히 동아시아 폭염은 북극-시베리아 평원의 온난화와 관련된 대기 순환 패턴의 변화, 해수면 온도의 상승 등과 밀접한 관련이 있다^{(Kim et al., 2022a)}.

현재의 폭염에 대한 현황 분석뿐만 아니라 미래 폭염의 특성을 전망하는 것 또한 중요해지고 있다. 미래 폭염 전망은 통상적으로 Coupled Model Intercomparison Project Phase 6 (CMIP6), Coordinated Regional Climate Downscaling Experiment (CORDEX) 등 기후모델의 산출물을 통계학적 또는 동적 상세화하여 고해상도 자료로 변환, Expert Team for Climate Change Detection and Index (ETCCDI) 등 극한 지수를 산정하는 과정을 거치게 된다^{(WMO, 2009)}. 많은 연구에서 폭염의 빈도, 강도, 지속시간 등이 증가할 것으로 예상하고 있으며, 특히 도시지역의 열섬 효과와 가뭄과 폭염이 결합한 복합재해가 발생하는 경우도 증가하고 있다^{(Ghanbari et al., 2023; Gao et al., 2024)}. 이에 적합한 분석 방법론이 제시되어야 하며, 통상 계절성, 토양습도–대기 상호작용 등 피드백 요소도 중요하게 다뤄진다. 최근 연구에서는 Single Model Initial-condition Large Ensembles (SMILEs)을 기반으로 한 폭염 재현기간, 확률적 발생, 조기경보 기법이 제시되고 있다.

최근에는 전통적인 기후모형 기반 분석의 한계를 극복하기 위한 대안으로 SMILE의 활용이 주목받고 있다^{(Deser et al., 2020; Mankin et al., 2020; Maher et al., 2021; Bevacqua et al., 2023)}. SMILE은 단일 기후모델을 기반으로 초기 조건만을 다르게 하여 생성된 대규모 앙상블 시뮬레이션으로, 기후 시스템의 내부 변동성과 외부 강제력에 대한 반응을 분리하고 이해하는 데 유용하다. ^{Yu and Sun(2025)}는 CanESM5 SMILE을 이용해 동아시아 여름철 폭염의 빈도 및 지속시간 증가를 분석하였으며, 도시열섬과 토양수분 피드백의 기여도를 정량화하였다. ^{Lüthi et al.(2023)}은 EC-Earth SMILE을 활용하여 중국 북부와 한반도 지역에서 발생한 극한 폭염의 동시성과 공간 확산 패턴을 다변량 통계기법으로 평가하였다. ^{Li et al.(2023)}은 MPI-GE를 기반으로 기후변화 시나리오에 따른 폭염의 재현기간 변화를 분석하고, 내부변동성과 외적 강제력의 상대적 영향을 구분하였다. 세 연구 모두 SMILE을 통해 극한 폭염 사상의 희귀성, 공간적 일관성, 복합성 평가에 있어 기존 다중모델 앙상블 기반 분석 대비 향상된 정밀도를 보였다.

그러나 국내에서는 방대한 샘플을 확보할 수 있는 큰 장점을 가진 SMILE의 활용이 상대적으로 제한적이다. 여러 기후모델을 활용한 다중모델 앙상블과 달리 SMILEs는 단일모델 내에서의 내부 변동성을 정량화하는 데 유리하여 재해 연구에 적합함에도 여전히 조명받지 못하고 있다. 비교적 최근 SMILE을 수문기후학적 연구에 적용한 사례들이 나타나고 있는데, ^{Bok et al.(2024)}은 기상청의 통합 앙상블 모델을 기반으로 Ensemble Model Output Statistics 기법과 최소 연속 순위 확률 점수를 적용하여 중기 수치예보 가이던스를 개선하였다. ^{Kim et al.(2022b)}은 2018년 히로시마 극한 호우 사례의 확률론적 위험도를 평가하고자 대규모 기후 앙상블 모의결과 기반의 d4PDF 자료를 이용하였다. 3,000개의 연최대 강우량을 이용하여 통계적 모형 및 가정 없이 비모수적으로 10년부터 1,000년의 재현기간 지속시간 24시간의 확률강우량을 신뢰도 있게 산정하였다. ^{Kim and Son(2022)}는 d4PDF를 이용하여 산정된 확률강우량과 관측 자료 및 빈도해석을 통해서 산정된 확률강우량을 비교함으로써 빈도해석 과정의 적용에 따라 발생하는 불확실성을 분석하였다.

이에 본 연구에서는 국내에서는 시도된 바 없는 SMILE 기반의 폭염 전망을 수행하고자 한다. SMILE은 본래 기후의 내재적 변동성을 충분히 고려하기 위하여 생산되었으나 그 부가적인 가치로 방대한 양의 극치사상 샘플 수를 확보할 수 있게 한다. 즉, 미래 시점의 폭염을 구현할 수 있는 시나리오가 모델에서 생성하는 멤버 수만큼 있게 되며, 이를 통계학적으로 분석하여 결과의 신뢰도를 확보한다. 선행 활용 사례가 있고, 극동아시아 지역에 특화된 d4PDF를 활용하여 현재 시점, 산업혁명 이후 2K 및 4K 기온 상승 시점의 폭염을 전망하고자 한다. 이때 각 멤버별로 폭염 분석을 수행하고, 최종적으로는 내재적 기후변동성의 평균적 거동을 고려하여 미래 전망에 대한 신뢰도를 확보한다. 폭염의 특성치로는 발생 빈도, 지속시간, 강도를 고려할 예정이다. 추가적으로 모델링 도메인에 포함되는 남한, 북한, 일본, 동중국의 폭염 특성을 비교 분석하고자 한다.

2. d4PDF SMILE 기후모의자료

SMILE은 동일한 외적 강제력과 모형 물리 구조 하에 구축된 단일 기후모형에서, 초기 조건만을 미세하게 달리하여 30~50개의 시뮬레이션(ensemble members)을 수행함으로써 내부 기후 변동성(internal climate variability)을 포착하도록 설계된 모델이다^{(Maher et al., 2021)}. SMILE은 특정 복사 강제력 시나리오와 모형에 대해 발생 가능한 미래 기후 결과의 불확실성을 정량화할 뿐 아니라, 모형 평가 및 상호 비교를 위한 강력한 분석 도구로 자리매김하고 있다. 특히 외적 강제력에 의한 반응(forced response)과 내부 변동성에서 유래한 자연적 변화를 명확히 구분하는 데 효과적이라는 장점이 있다^{(Deser, 2020)}. 더욱 중요한 활용 가치는 폭염, 홍수, 가뭄 및 이들의 복합 결합과 같은 극한사상의 식별과 신뢰도 높은 표본 확보에 있으며, 이들은 발생 확률은 낮으나 사회적·경제적으로 중대한 영향을 미칠 수 있다^{(Suarez-Gutierrez et al., 2018; Haugen et al., 2018; Na and Najafi, 2024; Fereshtehpour et al., 2025)}. 따라서 SMILE의 다중 멤버를 통합적으로 활용하는 방식은, 전통적인 단일 혹은 소수 멤버 기반 모의에 비해 복합재해를 보다 효과적으로 샘플링할 수 있는 이점을 제공한다.

d4PDF는 일본의 기상연구소인 Meteorological Research Institute (MRI)에서 구축한 다중 앙상블 고해상도 기후 모의 자료이다. CMIP5에 선정된 총 6개의 General Circulation Model (GCM) 자료를 기반으로 모의를 수행하며, 각 GCM들은 RCP 8.5 시나리오를 기반으로 해수면 온도(Sea Surface Temperature; SST), 해빙농도(Sea Ice Concentration; SIC), 해빙두께(Sea Ice Thickness; SIT)를 모의한다. 이후 하나의 GCM에 이러한 정보들을 초기 조건으로 설정하고, 섭동(perturbation)을 주어 재모의를 수행한다. 이렇게 모의된 자료는 전 지구 단위로 자료를 제공하거나, 동적 상세화를 거쳐 지역 단위의 형태로 제공한다. 지역 단위에 대한 도메인은 동아시아 일대(러시아, 중국, 남한, 북한, 일본, 대만, 몽골)이며, 최종 출력된 자료의 해상도는 0.2°⨯0.2°이다(Fig. 1).

Fig. 1. Simulation Domain of the d4PDF Experiment Across East Asia

d4PDF는 각 기간별로 여러 개의 멤버를 제공하는데, 기본적으로 과거 기간과 미래 기간으로 구분된다. 과거 기간은 1950~2011년이며, 총 50개의 멤버를 제공한다. 즉, 하나의 모델(d4PDF)에서 초기 조건에 미세한 기후 섭동을 추가하여 기후 시스템의 내재적 변동성을 대변하는 N개의 멤버를 생산하는 것이다. 미래 기간은 전지구 기온상승 정도에 따라 1.5K, 2K, 4K 시나리오로 구분된다. 1.5K 상승 시나리오는 2080~2111년 기간에 대한 9개의 멤버, 2K 상승 시나리오는 2030~2091년 기간에 대한 9개 멤버, 4K 상승 시나리오는 2050~2111년 기간에 대한 15개의 멤버를 가용할 수 있다. 본 연구에서는 기온 상승 시나리오의 모든 기간 데이터를 활용하지 않고 선별적으로 추출하였으며, 멤버의 개수도 각 기간별로 통일시켜 일관된 분석 결과를 도출하고자 한다. d4PDF 자료에 대한 상세한 정보는 Table 1와 같다.

3. 방법론

본 연구에서는 SMILE 기반 미래 폭염 전망을 수행하기 위하여 d4PDF에서 제공하는 과거(Historical Base Period, HBP), 2K, 4K 기온 상승 기간의 일 최고기온 자료를 사용하였다. 참고로 일 최고기온은 주로 낮 동안의 폭염을 추출할 수 있는 지표로 활용된다^{(Chen and Li, 2017; Chen et al., 2019; Morsy and El Afandi, 2021; Pascoa et al., 2024)}. d4PDF에서 제공하는 시나리오 모의치 중 1.5K 시나리오는 가까운 미래 기간의 자료는 제공하지 않기 때문에 본 연구의 분석에서는 제외하였다. 각 시나리오별 기간은 동일하게 35년씩 설정하였다. 즉 HBP 기간은 1976-2010년, 2K 상승 미래기간은 2031-2065년, 4K 상승 미래기간은 2066-2100년이다.

아울러 HPB, 2K, 4K 기간별로 무작위로 9개의 멤버를 선정하였는데, 이는 각 시나리오별 멤버 수를 동일하게 제한하여 분석 결과를 동등한 조건 하에서 비교하기 위함이다. HBP 기간의 경우, d4PDF는 end-user에게 50개의 앙상블 멤버 생산자료를 제공한다. 그러나 2K, 4K 기간의 경우, 그 수는 9개, 15개로 줄어든다. HBP 기간에 대해서 50개 멤버를 모두 사용한다면 과거 폭염 특성 분석 결과에 대한 신뢰도를 높일 수 있겠으나, 미래 기간의 경우 서로 다른 앙상블 멤버로부터 폭염 특성을 얻게 되므로 결과에 대한 일관성을 확보할 수 없다. 즉, 시기별 폭염의 변화에 대한 객관적인 비교 평가가 어렵게 된다. 이에, 본 연구에서는 각 기간별 폭염 분석에 활용하는 앙상블 멤버 수를 최소값(9개)로 통일하였다.

미래 폭염 전망은 크게 (1) 폭염 사상 정의를 위한 임계치 산정, (2) 임계치를 적용한 기간별 폭염사상 추출, (3) 폭염 특성치 산출 및 기간별 비교로 이루어진다. 이 절차는 지역별로 상이한 기후 및 지형적 특성을 반영하기 위하여 d4PDF 모의 도메인 내 모든 육지 격자별로 진행된다. Percentage Over Threshold (POT) 개념에 기반한 프레임워크는 ^{Kodra and Ganguly(2014)}, ^{Shukla and Attada(2023)} 등 폭염 전망 사례에 적용된 바 있다. 극한 기후의 경우, 임계치 설정 기간과 임계치 값에 따라 재해의 특성이 달라질 수 있기 때문에 자료의 기간을 고려하여 타당한 임계치를 산정해야 한다. 임계치는 통상적으로 일 기온의 상위 백분위로 선정하는데, 과도하게 높은 임계치는 사상의 샘플수를 제한하여 통계적 분석 결과의 신뢰도를 떨어뜨린다. 반면 임계치가 너무 낮으면 “극한사상(extreme events)”의 개념을 반영하지 못하는 한계가 있다. 따라서 임계치에 대한 민감도 분석 절차가 동반되는 것이 좋으나 본 연구에서는 최적의 임계치 설정이 주된 연구 목표가 아니므로 선행 연구인 ^{Sauter et al.(2023)}을 참고하였다.

Fig. 2. Methodological Diagram for Extracting and Characterizing Heatwave Events Used in this Study

먼저, 격자별로 동아시아의 여름철을 포괄하는 5-8월의 일 최고기온 자료를 수집한다. 다음으로 해당 기간의 일 최고기온 중 상위 90 %에 해당하는 값을 임계치로 설정한다. 추가적으로 폭염의 심각성을 판단할 때 강도도 물론 중요하나, 지속성 또한 의미 있기 때문에 임계치를 초과하는 상태를 3일 연속 유지되는 경우에 한하여 폭염 사상을 정의하였다(Fig. 2). 폭염 사상에 대한 정의는 여러 선행 연구를 참조하여 설계하였으며^{(Vogel et al., 2020; Adeyeri et al., 2025; Zhou et al., 2025)}, HBP 기간(1976-2010년)의 d4PDF 각 멤버별로 도입한 이후 평균하여 모든 멤버에 동일한 임계치를 적용한다. HBP 기간에 대해 설정된 임계치는 HBP 기간 뿐만 아니라 2K, 4K 기온 상승 기간의 모든 멤버에 대해 적용된다. 모든 기간의 자료를 활용하여 임계치를 결정하는 방법도 있으나, HBP 기간의 자료만을 활용하면 비정상성을 충분히 고려할 수 있기 때문에 현재 기후 대비 미래의 폭염 변화를 살펴볼 수 있다는 장점이 있다. 아울러 멤버별 임계치를 통일함으로써 기후의 내재적 변동성을 고려할 수 있게 되었다. 만일 전지구 기온상승과 폭염의 발생이 비례한다면, 미래 기간의 폭염사상은 더욱 빈번하게, 강하게 발생하는 것으로 전망할 가능성이 높다. 또한, 기후 시스템의 내부 변동성은 각 멤버별 폭염 전망 결과의 신뢰구간을 제시하는 것으로 확인이 가능하다.

각 기간별로 임계치를 적용하여 폭염사상을 추출하였으면, 특성치를 산정한다. 본 연구에서는 사상 단위의 특성치 2가지와 기간별 특성치 하나를 이용하여 과거와 미래의 폭염을 비교하였다(Table 2). 먼저, 사상 단위 특성치로는 지속시간(일)과 강도(℃)를 고려하였다. 이 두 값은 가장 대표적인 폭염의 특성치로써 각각 시간적, 양적 정도를 정량화한다. 즉, 지속시간은 해당 폭염 사상이 지속된 일수를, 폭염 강도는 해당 폭염 사상의 일최고기온 평균치를 의미한다. 두 특성치가 모두 클수록 폭염의 영향이 심해진다고 볼 수 있다. 기간별 특성치는 빈도이다. 빈도는 주어진 기간 동안 크고 작은 폭염사상이 발생한 횟수를 의미한다. 빈도가 커질수록 해당 지역은 폭염에 더욱 빈번하게 노출되는 것이다. 이러한 특성치를 각 멤버별로 산정한 후, 각 기간(HBP, +2K, +4K periods)의 멤버에 적용한 결과를 평균하여 분석에 활용하였다.

각 기간별 폭염 특성치를 비교하기 위하여 본 연구에서는 변화율 개념을 도입하였다. 정량적으로 변화의 정도를 보여주는 수치로써, 기준이 되는 기간의 특성치 대비 비교 대상 기간의 특성치와의 변화량을 비율로 나타낸 것이다. 본 연구에서는 기준이 되는 기간을 HBP로 설정, 비교 대상 기간은 2K, 4K 기간이 된다. 구체적으로, 변화율(Change Ratio, CR)은 Eq. (1)와 같이 HBP와 미래기간 특성치 간의 상대적 차이를 HBP 기간의 값으로 정규화하여 산정된다.

여기서 $H_{fut}$는 미래 기간의 폭염 특성치, $H_{hbp}$는 HBP 기간의 특성치를 의미한다.

4. 결 과

Table 3는 본 연구에서 활용한 d4PDF의 앙상블 멤버 수, 극동아시아 및 남북한, 일본, 중국 내에 포함되는 격자 수, 각 기간별 발생한 총 폭염 사상 수를 정리한 것이다. 본 연구에서는 9개의 앙상블 멤버를 사용하였으며, 영역이 넓은 중국의 격자 수가 4,730개로 가장 많았으며, 남한의 격자 수는 331개로 작았다. 현재 기간(HBP)에서 전지구의 기온이 상승하는 미래로 갈수록 모든 나라의 폭염 사상 개수가 증가하며, 그 중 상당 부분은 중국 지역에서 발생하는 것으로 전망되었다.

극동아시아 전지역의 폭염 빈도는 전지구 기온이 상승할수록 일관되게 증가하는 것으로 나타났다. Fig. 3의 (a)-(c)은 세 기간의 각 격자별 폭염 사상 발생 빈도를 히스토그램과 Kernel function으로 보여주고 있다. HBP 기간 35년 동안에는 대부분의 지역에서 주로 12-15회의 폭염이 발생하였고, 2K 상승 기간에서는 20-45회, 4K 상승 기간에서는 30-90회 정도 발생할 것으로 전망되었다. 평균 빈도값을 비교해보면, HBP 기준 2K 상승 기간에 대해서는 약 118 %, 4K 상승 기간에는 약 3배까지 증가하는 것으로 확인되었다. 빈도가 지속적으로 커진다는 점은 전지구 기온상승이 극동아시아 지역의 폭염 발생에 유의한 영향을 미쳤으며, 해당 재해에 더욱 취약해질 수 있음을 의미한다. 또한, HBP로부터 2K, 4K 기간으로 갈수록 Kernel의 형태가 bimodal로 나타나는데, 이는 지역적인 편차가 더욱 뚜렷하게 나타나는 것으로 볼 수 있다.

Fig. 3. Changes in the Frequency of Heatwave Events (Number of Events Per 35 Years) under Global Temperature Rise. (a) HBP, (b) +2K Period, (c) +4K Period, (d) Spatial Mean Values and Variations for Each Warming Period

이에 폭염 특성치의 변화에 대한 공간적 불균질성(spatial heterogeneity)을 각 격자별 특성치에 대한 표준편차로 정량화하였다(Figs. 3-5(d)의 막대그래프 상단 범위). 여기서 공간적 불균질성이란, 모의 도메인 내 격자별 변수간 차이를 의미한다. 즉, 수치가 커질수록 폭염 변화량의 지역적 차이가 크다는 것을 의미한다. Fig. 3(d)에서는 ±1.22회 수준에 불과한 현재기간(HBP)의 표준편차가 4K 기온 상승 기간에서는 ±15.75회 정도로 매우 커졌다. 이는 폭염이 더욱 빈번하게 발생하긴 하나(막대의 높이는 증가하므로) 그 증가율이 상대적으로 큰 지역과 작은 지역이 동시에 나타날 수 있음을 의미한다.

다음으로 폭염사상의 지속시간 또한 전지구 기온 상승에 의해 지속적으로 증가하는 것으로 전망되었다(Fig. 4). HBP 기간의 경우, d4PDF 도메인 전체에서 평균 지속시간은 10일을 넘지 못하는 것으로 나타났다. 일부 0으로 나타난 구간은 수체(강, 바다)에 해당되며, 육지에 해당되는 부분은 모두 폭염이 오래 지속되지 못하는 것으로 나타났다. 2K 상승 기간에 대해서는 한반도를 비록한 중국 남부, 일본 남부 지역에서 폭염 평균 지속시간이 10일 초과하는 것으로 나타났다. 특히, 대만의 경우도 평균 지속시간이 과거기간에 비해 확연하게 상승한 것으로 보여졌다. 4K 상승 기간에서는 도메인에 나타난 대부분의 지역에서 폭염 평균 지속시간이 10일을 초과하는 것으로 나타났다. 특히, 중국 남쪽에서는 폭염 평균 지속시간이 20일 이상인 경우가 지배적인 것으로 확인되었다. 일본의 경우 전지역에서 이러한 변화가 확인되었으며, 한반도에서도 남해, 서해에서 이와 같은 변화를 확인 가능하다. 따라서, 폭염 지속시간은 중국 남부, 한반도 서해, 남해, 일본 전역에서 크게 상승할 것으로 확인되었다.

또한, 기온이 상승할수록 폭염 지속시간의 지역별 편차가 커지는 것으로 확인되었다. 예컨대 Fig. 4(d)에서 ±0.45일 수준에 불과한 현재기간(HBP)의 폭염 지속시간에 대한 공간적 불균질성이 2K 기온 상승 기간에는 ±1.84일로, 4K 기온 상승 기간에서는 ±5.93일 정도로 커졌다. 전지구 기온 상승에 따라 폭염의 지속성이 강해지나(막대의 높이는 증가하므로) 그 경향성이 상대적으로 더욱 강화되는 지역과 정도가 낮은 지역이 동시에 나타날 수 있음을 의미한다. 즉, d4PDF의 폭염 지속시간에 대한 전망은 미래로 갈수록 주요 위험 발생지역(hotspot) 선정에 대한 불확실성이 커질 것임을 보여준다.

Fig. 4. Changes in Heatwave Duration (Days) under Global Temperature Rise. (a) HBP, (b) +2K Period, (c) +4K Period, (d) Spatial Mean Values and Variations for Each Warming Period

폭염의 강도는 지속시간과 마찬가지로 증가하는 추세를 보여 미래로 갈수록 폭염의 위험성이 커질 것이라는 결론을 내릴 수 있다(Fig. 5). HBP 기간에는 중국 내륙 전역에 걸쳐 평균 기온이 높은 것으로 나타났다. 그러나, 한반도, 일본, 러시아 등의 지역에서는 상대적으로 기온이 낮은 것으로 나타났다. 특히, 도메인에서 북동쪽에 해당되는 지역은 기온이 타 지역에 비해 낮은 것을 확인할 수 있다. 2K 기온상승의 경우, 평균 기온이 전반적으로 상승하며 평균 40도 이상의 기온이 HBP 기간이 비해 공간적으로 확장되는 것으로 나타났다. 이는 중국 중남부에서 두드러지게 나타났다. 한반도, 일본의 경우도 약간의 평균 기온 상승을 확인할 수 있다. 4K 상승 기간에는 평균 기온 상승의 변화를 가장 명확하게 확인할 수 있는 결과를 보여준다. HBP 기간에 비해 도메인에서 평균 기온이 높은 경우(붉은색)가 차지하는 공간이 확연하게 증가하였다. 특히, 중국 내륙에서는 이러한 변화가 더욱 확장되어 중국 남부지역까지 확장하는 것으로 나타났다. 이에 비해 한반도, 일본은 기온 상승은 상대적으로 미미한 것으로 나타났으나, 과거기간에 비해 평균 기온이 상승한 것은 명확하게 확인할 수 있다. 즉, 폭염 강도는 중국 내륙에서 가장 상승 폭이 큰 것으로 나타났다.

전지구 기온 상승에 의한 지역별 폭염 특성 변화의 차이를 보다 면밀하게 비교하기 위하여 남한, 북한, 일본, 중국의 국경을 기준으로 격자를 구분하여 빈도, 지속시간, 강도의 변화를 분석하였다(Fig. 6). 그 결과, 빈도와 지속시간의 변화 경향은 비교적 일관되게 나타났다. HBP 기간의 빈도와 지속시간은 각각 약 12회, 4.5일 정도로 모든 지역에서 유사하였다. 빈도의 지역별 증가 추세는 남한-일본-북한-중국 순으로 높았고, 지속시간의 지역별 증가 추세는 남한-일본-중국-북한 순으로 높았다. 즉, 우리나라의 폭염은 다른 국가에 비해 더욱 빈번하게, 오래 지속되는 것으로 전망되었다. 반면, 중국과 북한의 경우는 증가하긴 하나 상대적으로 더딘 것으로 확인되었다.

Fig. 5. Changes in Heatwave Intensity (℃) under Global Temperature Rise. (a) HBP, (b) +2K Period, (c) +4K Period, (d) Spatial Mean Values and Variations for Each Warming Period

폭염 강도 자체는 중국의 기온이 높은 것으로 나타났고, 이는 저위도 지역을 포함하고 있기 때문인 것으로 판단된다. 남한, 북한, 일본의 순서로 작아짐. 우리나라는 빈도와 지속시간이 가장 큰 폭으로 증가할뿐만 아니라 강도 또한 평균 이상의 수준을 보여 폭염에 노출될 위험이 높은 지역에 해당한다. 중국의 경우, 강도는 가장 높지만, 빈도와 지속시간은 대체로 작은 경향을 보였다. 즉, 종합적으로 미래 폭염의 심도는 남한-일본-중국-북한 순으로 증가하는 것으로 판단된다.

폭염 특성치의 변화를 정량적으로 확인하기 위하여 모든 지역과 기간에 대해 CR을 산정하였다(Table 4). 모든 폭염 특성치는 2K, 4K 기간으로 전지구 기온이 상승하면서 일관되게 증가하는 것으로 확인되었다. 다만, 폭염 강도는 상대적으로 증가폭이 작고, 지속시간과 빈도는 변화율은 서로 유사하나 빈도가 다소 큰 것으로 나타났다. 특히 이러한 특성치들은 전지구 기온이 4K 증가하는 경우, 300-400 % 정도 증가하기도 하였다. 기존에 아시아 지역을 대상으로 폭염을 전망한 ^{Mishra et al.(2017)} 등의 연구에서는 폭염 빈도가 최대 30배 가까이 증가할 것으로 예상한 점을 고려하면 d4PDF SMILE은 다소 보수적인 전망 결과를 제시한다. 그러나 현재 시점을 기준으로 미래의 폭염 사상을 추출한 점, 9개의 멤버로부터 결과를 얻은 점, 기후의 내재적 변동성을 충분히 고려한 점 등을 미루어보아 어느 정도 신뢰할 수 있는 결과로 보여진다.

Fig. 6. Nation-specific Changes in Heatwave Characteristics under Global Temperature Rise. (a) Frequency, (b) Duration (Days), (c) Intensity (℃)

5. 결 론

본 연구에서는 극동아시아 지역의 기후전망에 특화된 d4PDF를 활용하여 모델 도메인에 포함되는 남한, 북한, 일본, 동중국의 현재 시점, 2K 및 4K 기온 상승 시점의 폭염 특성을 예측하였다. 미래 변화 전망을 수행하기 위하여 d4PDF에서 제공하는 과거(Historical Base Period, HBP), 2K, 4K 기온 상승 시나리오의 일최고기온 자료를 사용하였다. 대상 지역이 극동아시아이기 때문에 여름철을 포괄하는 5-8월의 일최고기온 중 상위 90 %에 해당하는 임계치와 그 이상의 기온이 3일 이상 지속되는 기준으로 적용하여 과거 및 미래 폭염 사상을 추출하였으며, 각 기간별 빈도, 지속시간, 강도를 산정하였다. 분석을 통해 아래의 주요 결과를 확인하였다.

ii) 극동아시아 전지역의 폭염 빈도, 지속시간, 강도는 전지구 기온이 상승할수록 일관되게 증가한다.

ii) 전지구 기온이 상승함에 따라 폭염의 위험도 증가 정도의 지역적 편차는 점차 커지며, 발생 빈도와 지속시간에서 뚜렷하다.

iii) 극동아시아의 4개국 중 우리나라의 폭염은 다른 국가에 비해 더욱 빈번하게, 오래 지속되는 것으로 전망되었다.

iv) 모든 국가에서 폭염의 빈도와 지속시간의 증가 양상은 유사하였다.

iv) 극동아시아의 폭염 빈도와 지속시간은 전지구 기온이 4K 증가하는 경우, 적게는 2.5배에서 많게는 4.5배 정도 증가한다.

본 연구는 국내에 적용 사례가 거의 없는 d4PDF SMILE을 이용하여 미래 폭염을 전망하였다는 점에서 참신하나 몇 가지 한계점 또한 존재한다. 먼저, d4PDF의 신뢰도 평가가 동반되어야 한다. ^{Yoshikane and Yoshimura(2023)}에 따르면 d4PDF의 주된 기반 모델인 MRI-AGCM3.2의 기후 재현성은 충분하다. 그러나 파생된 SMILE 모의치는 관측치와의 비교를 통해 편의 및 불확실성을 확인할 필요가 있으며, 이는 향후 추가적인 연구에서 고려해볼 수 있다. 구체적인 연구 목적에 따라 지역적 편향과 일부 물리적 과정의 한계는 여전히 존재하기 때문이다. 또한, 본 연구에서는 고정값을 이용하였으나 폭염 사상 추출시 다양한 임계치와 최소 지속기간을 적용하여 결과에 대한 민감도를 검토할 필요도 있다. 또한, 폭염은 가뭄, 산불 등 타재해와의 결합력이 뛰어난 것으로 알려져 있어 향후에는 SMILE을 활용한 복합재해 전망을 시도하고자 한다.

본 연구에서는 미래 기간별 분석 결과에 대한 비교의 일관성을 유지하기 위하여 d4PDF로부터 생산된 9개의 앙상블 멤버를 이용하여 폭염을 전망하였으나 샘플 수가 충분한지에 대한 의문이 있을 수 있다. 대안으로 bootstrap과 같은 멤버 재생산 기법을 적용하여 미래 변화율의 범위, 신뢰도 및 불확실성을 세밀하게 확인할 수 있다. 그러나 이 분석 과정은 상당한 주의를 요한다. 멤버 재생산기법이 SMILE 자료가 본래 가지고 있는 기후시스템의 multi-decadal 내부 변동성을 침해할 수 있기 때문이다^{(Francois et al., 2024; Chan et al., 2025)}. 특히, SMILE 발명자 그룹은 기후시스템의 내재적 거동을 반영하는 것이 SMILE의 존재의 이유이며, 모의치에 대한 후처리 과정(post-processing)은 이를 부정할 수 있다고 강조한다. 이에 충분한 개수의 앙상블 멤버(50개 이상)를 제공하는 SMILE 모의자료를 활용하는 방안이 합의점이 될 것으로 보인다.