I. 서론
측정망을 이용해 취득한 공간정보는 현실적으로 모든 지역을 측정하기 어렵기 때문에 공간보간을 통해 현상의 공간적인 분포패턴을 나타낸다. 예를 들면 기후, 토양, 수질, 지질, 환경 등 분야에서 알고자 하는 것은 전 지역의 공간적인 분포값이지만 실제는 소수의 몇 지점에 대한 관측값만이 존재한다. 따라서 점 관측으로부터 면 상의 모든 점의 값을 예측하는 것은 공간보간 또는 표면모델링 등 다양한 용어로 불리며 널리 이용되고 있다. 이러한 공간보간 방법은 수치지도의 표고점 또는 LiDAR 데이터를 이용한 수치표고모델의 생성이나 위성영상의 재배열(resmapling) 등 원자료 가공에 이용되기도 하지만 여러 응용 분야에도 이용된다. 공간보간 중 본 연구에서 주요하게 다루는 크리깅에 의한 보간은 기후관측값으로부터 등치선 형태의 기후지도 제작(정재준･최영은, 2011), 지가 추정(김길중 등, 2013), 입지모델링(이민정･김영호, 2014) 등 공간정보를 다루는 다양한 분야에 적용되고 있으며, 예측값의 오차를 평가할 수 있는 보간 방법으로 많은 연구가 진행되고 있다.
기후 분야에서는 ‘0’으로 끝나는 최근 30년간의 누년평균값을 기후평년값으로 정의한다. 기후평년값은 현재 기상에 대한 비교와 기후변화 예측에 활용하기 위해 산출하며, 이상기후 평가, 기후변화 대응정책 수립, 방재 및 건설기준 설정 등 다양한 분야에서 기초자료로 활용되고 있다. 우리나라 기상청은 세계기상기구(WMO: World Meteorological Organization)의 권고에 따라 매 10년 주기로 새로운 기후평년값을 산출하여 제공하고 있다.
우리나라의 기후평년값은 1961-1990년과 1971-2000년 자료는 67지점, 1981-2010년 자료는 72지점에 대하여 제공되었으며 관측지점은 모두 종관기상관측(ASOS: Automated Synoptic Observing System) 지점이었다. 한편, 기상청 관측지점은 지속적으로 확대되고 있으며, 2021년 현재 종관기상관측 102지점, 방재 기상 관측을 위한 자동기상관측(AWS: Automatic Weather System) 510지점 등에서 기후요소를 관측하고 있다. 이에 따라 1991-2010년 기후평년값은 종관기상관측과 자동기상관측 지점 중 관측 기간이 10년 이상인 219지점에 대하여 제공하고 있다. 기상청은 1991-2020년 기후 평년값 자료를 발표하였으나, 공신력 있는 기후지도는 아직 제공되고 있지 않다. 전술한 바와 같이 1981-2010년 기후평년값은 72지점이나 1991-2020년 기후평년값은 219지점으로 증가하였기 때문에 공간보간 방법 역시 변화가 되어야 할 것이다.
따라서 본 연구에서는 1991-2020년 기상청 기후평년값 중 연평균기온과 연 강수량을 대상으로 하여 기후지도를 제작하고자 한다. 이를 위해 먼저 연평균기온과 연 강수량에 대하여 기상청에서 사용한 공간보간 방법을 시대에 따라 살펴보았으며 여기에는 PRISM(Parameter-elevation Regressions an Independent Slopes Model)을 적용한 사례까지 포함하였다. 다음으로는 기존 72개의 지점에서 219지점으로 관측점의 수가 3배 이상 늘어나는 점을 고려하여, 관측지점의 증가에 따른 기후요소의 변화를 살펴보았다. 다음으로는 연평균기온과 연 강수량에 대해 공간보간을 실시하였다. 이 과정에서는 거리반비례 공간보간과 크리깅 공간보간 두 가지 방법을 사용하되 각 보간 방법마다 변수를 달리하여 보간을 실시하였다. 그리고 보간 방법의 정확도를 평가하여 최적 공간보간 방법을 제시하고자 하였다.
II. 기상청 제작 기후지도
2000년대까지 기상청 제작 한국기후도는 1962년, 1991년, 2001년 3회에 걸쳐 제작되었다. 1931-1960년 기후 평년값을 이용하여 1962년 한국기후도를 제작하였고, 1961-1990년 기후 평년값을 이용하여 1991년 한국기후도를 제작하였으며(기상청, 1991), 1971-2000년 기후 평년값을 이용하여 2001년 한국기후도를 제작하였다(기상청, 2001). 2001년 이전 제작된 한국기후도에서는 수작업으로 기온, 강수, 현상일수 등을 등치선도를 제작하였다(그림 1). 1981-2010년 기후 평년값을 이용한 2011년 한국기후도는 4가지 기후요소(연평균기온, 일최고기온의 연평균, 일최저기온의 연평균, 연 강수량)에 대해서는 크리깅 보간으로 격자 데이터를 생성하고 생성된 격자 데이터를 이용하여 등치선도 형태로 제작하였고(그림 2), 나머지 기후요소에 대해서는 행정구역 단위로 기후요소 값을 산출하기 위해 관측지점을 이용하여 제작한 티센폴리곤과 행정구역 경계를 중첩하여 계산한 후 단계구분도로 제작하였다(기상청, 2011; 정재준 등 2013).
이런 공식적인 기후지도 이외에도 기상청에서는 공간보간 방법을 이용한 기후지도를 제작하고 있다. 기상청 홈페이지를 통해서도 30년 기후평년값을 연평균기온, 연 강수량 등의 분포도를 격자자료로 나타내고 있는데 어떤 공간보간 방법을 사용했는지에 대해서는 언급이 없으며 보조자료로 이미지 파일로만 제공하고 있다(그림 3). 이에 의하면 기후지도는 전체적으로 완만한 형태를 띤 등치선 형태로 나타나며, 그림 3의 상세도에 원형 점선으로 표현한 부분처럼 주변 기후값과의 차이가 심한 지점이 나타나 크리깅 기법을 사용했을 것으로 유추된다.
그림 3.
기상청의 홈페이지의 30년 기후평년값 분포도(출처: https://data.kma.go.kr/climate/average30Years/selectAverage30YearsList.do?pgmNo=113)
기상청 제작 기후요소 자료 중 유일하게 데이터 형태로 제공되는 것은 PRISM 모델에 의한 2000년 이후 연평균기온, 일최고기온의 연평균, 일최저기온의 연평균, 연 강수량에 대한 격자자료이다. PRISM 모델은 75개의 종관기상관측지점(ASOS)과 462개의 자동기상관측지점(AWS)을 포함한 총 537개 지점의 자료를 이용하여 거리, 고도, 지향면, 해양도 등을 고려한 1km 해상도(0.001도 간격)의 격자 자료이다. 그림 4는 PRISM 모델 중 2000-2019년의 기후평년값을 다운로드 받아 나타낸 것인데 고도의 분포에 따라 기온과 강수가 상당한 연관성을 가진 것으로 나타난다. 이 모델을 개발한 연구에서는 10년 기후값의 경우 평균 기온은 보간 결과가 관측값보다 0.85℃ 낮고, 연 강수량은 보간 결과가 관측값보다 66mm 많았으며, 관측소의 분포와 고도에 따라 추정 오차가 크게 날 수 있다는 점을 명시하고 있다(김맹기 등, 2013). PRISM 모델은 상세한 기후 격자 자료를 생성하는 기법으로 많은 활용도가 높아 많은 연구가 진행되고는 있으나(양호진 등, 2019; 박종철･김만규, 2016), PRISM 모델에 의한 자료는 비교적 가까운 거리에서도 기후값의 변화가 매우 커서 기후현상을 등치선으로 나타내기에는 부적합한 형태이다.
III. 1991-2020년 기후평년값 데이터
1981-2010년 기후평년값은 72개 지점의 값이 제공되는 데 반해, 1991-2020년 기후평년값은 219개 지점의 값이 제공된다(그림 5). 이전보다 3배 정도 늘어난 관측지점에 의해 전국 대부분 지방자치단체의 기후값이 제공되고 있다. 219개 지점 중 130개 지점은 관측지점의 위치가 1번 이상 변경되었는데(1회 변경 – 104개 지점, 2회 변경 - 23개 지점, 3회 변경 – 3개 지점), 관측지점 변경에 따른 관측값이 차이가 존재하지만, 평년값은 지점 변경 전후의 값을 모두 평균하여 산출되었다.
기존 72개 지점과 비교해 약 3배 정도 늘어난 관측지점의 영향으로 과거보다 정교한 공간보간 결과를 산출할 수 있을 것으로 예상되지만, 기존 72개 지점으로 공간보간을 실행하였을 때와 많은 차이가 발생할 것으로 생각된다. 그림 6은 서울 근처의 1991-2020년 연평균기온을 나타낸 것이다. 그림 6의 왼쪽 그림은 종관관측소의 위치를 나타내는데 서울 근처에는 6개의 종관관측지점이 있으며 서울의 연평균기온이 12.8℃이고 주변 6지점의 연평균기온은 모두 서울보다 낮다. 하지만 그림 6의 오른쪽 그림에서 자동기상관측에 의한 연평균기온을 보면 서울의 상당수 지점과 안양, 성남 등은 연평균기온이 13℃를 넘고 있다. 그림 7은 제주도의 연평균기온과 연 강수량을 나타낸 것인데 제주도에 있는 4곳의 종관관측지점 이외에 성판악 관측지점이 추가될 경우 연평균기온과 연 강수량은 전혀 다른 양상을 띠게 된다. 즉, 가까운 거리에서도 기후값이 급격하게 변하는 경우가 발생하게 된다.
표 1은 1991-2020년 기후평년값을 제공하는 219개 지점의 분포를 나타낸 것이다. 219개 지점 전체에 대해서는 관측지점 간 평균 거리는 15.6km이고, 백령도, 울릉도, 흑산도, 추자도, 거문도, 제주도 등 도서 지역을 제외한 육지 기준 관측지점 간 평균 거리는 13.5km이다. 또 1981-2010년 기후평년값을 제공하는 72개 지점에 전체에 대한 평균 거리는 34km이고, 육지 기준 평균 거리는 29.8km이다. 따라서 관측지점 간 거리는 약 1/2로 감소하였고 이로 인해 공간보간 방법 역시 새롭게 개발되어야 한다. 다시 말해, 1991-2020년 기후평년값을 이용하여 제작하는 기후지도는 과거보다 늘어난 관측지점의 기후 값을 공간보간의 입력값으로 이용하게 되므로 보다 현실적인 기후지도를 제작하는 것이 가능하게 될 것이다. 하지만 이 과정에서는 기후값이 가까운 거리에서도 급격하게 변하는 경우가 많이 발생하므로 이에 맞는 공간보간 방법이 강구되어야 할 것이다.
IV. 공간보간 방법의 적용
공간보간 방법은 여러 가지 방식으로 구분된다. 보간 함수가 적용되는 범위에 따라 global 보간과 local 보간으로 구분되기도 하고, 관측지점의 관측값과 보간을 적용한 후 관측지점의 예측값이 일치하는지에 따라 exact 보간과 approximate 보간으로 구분되기도 하며, 예측값의 오차 계산 여부에 따라 stochastic 보간과 deterministic 보간으로 구분되기도 한다(조홍래･정종철, 2006). 기후값 기준의 공간보간을 실행하는 본 연구에서 적용되는 공간보간 방법은 예측지점마다 다른 보간 함수를 사용하는 local 보간법을 사용하되, 관측지점의 예측값이 관측값과 동일한 exact 보간법을 사용해야 한다. 따라서 기후지도 제작을 위한 보간법은 local 보간법이면서 exact 보간법을 사용하되 예측값의 오차 계산 여부에 따라 방법이 나뉜다고 볼 수 있다.
이 중 오차를 계산할 수 없는 deterministic 보간법으로는 거리반비례 방법, natural neighbor 방법, 티센폴리곤 방법이 있는데 대부분 예측지점 주변의 값만을 직접적으로 사용하는 방법이며, 본 연구에서는 이 중 거리반비례 방법을 사용하였다. 이와는 다르게 예측값의 오차를 계산할 수 있는 stochastic 보간법으로는 크리깅 보간법을 적용하였다. 크리깅은 미지점의 값을 계산할 때 미지점과 기지점의 관계뿐만 아니라 기지점과 기지점의 관계까지 계산에 포함되는 방법으로 기상 관련 연구에서도 많이 이용되고 있다(홍기옥 등, 2007; 박노욱･장동호, 2008; 구자용 등, 2012; 조아영 등, 2018; 정예민 등, 2021). 각 보간법마다 보간에 이용되는 지점 수는 두 가지로 나누었다. 첫 번째는 1991-2020년 기후평년값 219개 지점을 모두 사용하여 보간하는 것이다. 두 번째는 1991-2020년 기후평년값을 사용하되 1981-2010년 기후평년값을 제공했던 72개 지점만을 이용하여 보간하였다. 그 이유는 1991-2020년 기후지도를 1981-2010년 기후지도와 비교하여 보간 방법의 적절성을 평가하기 위해서이다. 기후값의 보간을 위한 소프트웨어는 ArcGIS 소프트웨어를 사용하였다.
1. 거리반비례 보간법
거리반비례 보간법은 쉽게 적용할 수는 있으나, 보간에 사용되는 거리함수의 지수의 범위에 따라 그 보간 결과가 상이하여 적정한 지수를 찾기 어렵고, 동심원 형태의 보간 결과(bull’s eye effects)가 도출되는 단점이 있다. 그림 8은 연평균기온 보간 결과이고, 그림 9는 연 강수량 보간 결과이다. 미지점의 예측값 계산에 많은 지점이 이용되도록 보간 반경을 240km로 지정하였는데, 표 1에서 알 수 있듯이 육지 영역의 최대 거리를 480km라 간주했을 때 이의 1/2에 해당하는 240km 내에 포함되는 모든 지점을 보간에 이용하였다.
연평균기온과 연 강수량 모두 거리함수의 지수가 1.0에서 1.5, 2.0으로 증가할수록 거리에 따른 예측값이 구분이 명확했지만, 이는 보간 반경은 240km라는 넓은 범위로 설정하였기 때문이다. 전술한 바와 같이 그림 8과 그림 9에서는 관측지점 주위로 동심원 형태의 보간 결과가 도출되었으며, 72개 지점을 사용한 경우보다 219개 지점을 사용한 경우에 동심원 형태가 보다 파편화되어 분포함을 알 수 있다. 또한, 72개 지점을 사용한 경우보다 219개 지점을 사용한 경우에서 지역적으로 기후값이 다른 경우가 잘 나타났는데, 이것은 전술한 바와 같이 보간에 사용된 데이터 자체가 72개 지점을 이용한 경우보다 219개 지점을 이용한 경우에서 기후값의 변화가 심하기 때문이다.
2. 크리깅 보간법
크리깅 보간에서는 먼저 기지점 간 거리에 따른 반분산(semivariance) 측정하여 이를 대표할 수 있는 베리오그램(variogram)을 결정한다. 그 후 결정된 베리오그램에 의해 미지점과 기지점뿐만 아니라 기지점과 기지점 사이의 반분산을 이용하여 행렬식을 형성한 후 이를 이용하여 미지점의 예측값 및 미지점의 예측값에 대한 표준편차를 계산하는 방법이다. 여기에서 가장 중요한 것은 베리오그램을 형성하는 것이고 베리오그램 형성에는 spherical, circular, Gaussian, exponential, linear 등의 함수가 사용되는데 본 연구에서는 가장 널리 사용되는 spherical 함수를 사용하였다.
베리오그램 형성에 필수적인 요소는 lag, nugget, lag, sill이며, 이에 따라 크리깅의 결과는 상당히 많은 차이를 가져온다. lag는 베리오그램 함수식을 최소제곱법에 의해 curve fitting 하는 단위로 통상 기후값과 같이 기지점 간 거리가 불규칙한 경우에는 관측지점 사이의 평균 거리를 사용한다. 따라서, 표 1에 의해 219지점을 사용한 보간에서는 15km, 72지점을 사용한 보간에서는 30km를 사용하였다. nugget은 베리오그램 함수의 반분산 축으로의 절편으로 관측값에 오차가 있다고 판단될 경우 최소제곱법에 의해 계산된 nugget을 사용하기도 하지만 관측값에 오차가 없다고 판단될 경우에 0으로 설정한다. 본 연구에 사용되는 기후평년값은 장기간에 걸친 공신력 있는 데이터로서 관측값에 오차가 있다고 볼 수 없다. 따라서 보간 계산된 기지점의 기후값이 원래 기지점의 기후값과 일치되도록(exact 보간) nugget 값은 0으로 설정하였다. range는 관측값들의 거리에 따라 반분산의 변화가 발생하지 않는 거리로 최소제곱법에 의해 계산될 수도 있고, 반분산도를 이용해 사용자가 판단할 수도 있다. sill은 거리 증가에 따라 반분산이 증가하지 않는다고 판단되는 range에서의 반분산도이며, partial sill은 sill과 nugget의 차이인데, 본 연구와 같이 nugget이 0인 경우 partial sill은 sill과 같은 값을 가지게 된다.
본 연구에서는 연평균기온과 연 강수량에 대해 각각 12회의 보간을 실시하였다(표 2). 여기에서 range는 소프트웨어에 의해 자동으로 계산된 경우와 더불어 5회를 더 실시하였다. 통상 베리오그램 형성을 위한 탐색 거리를 관측점의 최대 거리의 1/2 범위로 지정하므로, 표 1을 참조하여 육지부의 최대 거리인 약 480km의 1/2인 240km를 탐색 거리로 하였다. 그리고 탐색 거리의 1/2인 120km, 2/3인 160km, 3/4인 180km를 range로 설정하였고, 그 범위를 벗어난 200km와 240km에 대해서도 추가적으로 보간을 실시하였다. 베리오그램이 결정된 후에는 range 내에 포함된 모든 관측값을 이용하여 보간을 실시하였으며, 표 2에는 그 사례로 청주 관측지점 주변에서 보간을 하는 경우를 사례로 들어 보간에 사용되는 이웃의 수를 표시하였다. range가 240km인 경우 청주를 기준으로는 240km Range 내에 206점이 관측값이 존재하지만, ArcGIS 소프트웨어는 크리깅 보간에 이용되는 관측값의 최대 개수가 200점이기 때문에 200점으로 표시하였다. 표 3은 각 보간 방법별 연평균기온과 연 강수량 예측값에 대한 표준편차를 요약한 것이다. 이하에서는 각 보간 방법별로 제작된 연평균기온 지도와 연 강수량 지도를 비교하고, 보간에 따른 오차를 분석하였다.
표 2.
크리깅 보간에 사용된 옵션값
표 3.
크리깅 보간에 의한 지도의 오차분포
1) 연평균기온의 보간과 오차
연평균기온은 총 12회에 걸쳐 보간을 실시하였으며, 그중 6회에 걸친 보간 결과를 그림 10에 표시하였고, 보간에 의한 기온의 표준편차를 그림 11에 표시하였다. 그림 10에서 먼저 72지점을 사용하여 보간한 결과를 살펴보면 전체적인 추세가 그림 2나 그림 3에 나타난 1981-2010년 연평균기온 추세와 다르지 않아 크리깅을 사용한 보간이 적절하게 수행되었음을 알 수 있다. 또한, 거리반비례 방법을 사용한 보간에 비해서도 동심원 형태의 보간 형태가 확연히 줄었음을 알 수 있다.
방법별 차이를 살펴보면, 72지점을 사용한 보간 방법의 경우보다 219지점을 사용한 보간 방법이 지역의 연평균기온을 훨씬 세밀하게 나타냄을 알 수 있다. 특히, 서울 부근, 강원도 북부, 제주도 등에서 72지점을 사용한 경우와 확연히 결과가 달랐다. 그림 11의 표준편차를 살펴보면 관측지점 근처에서 오차가 작고, 관측지점 간 거리가 멀어질수록 오차가 크다. range가 180km 이하에서는 72지점을 사용하는 것보다 219점을 사용하는 것이 연평균기온의 표준편차가 훨씬 적은 것을 알 수 있다. 따라서, 보다 많은 관측값을 이용하는 것이 보간에 유리하다는 것을 직관적으로 알 수 있다. 하지만 그림 11에서 알 수 있듯이 219점을 사용한 경우 range가 180km에서는 충북 일부 지역에서 오차가 증가하였으며, range가 240km인 경우 충남, 전북, 경북 등지에 오차가 증가하였다. 이를 통해 단순히 range를 증가시키는 것이 보간에 좋은 것이 아니라는 점을 알 수 있다.
보간 방법별 정량적 오차를 나타낸 표 3을 살펴보면, 219지점을 보간에 사용한 경우에 대한 연평균기온의 표준편차 분포를 보면, range가 가장 작은 방법1의 경우에 표준편차가 가장 컸다. 방법2-6(range가 120km에서 240km)에서는 연평균기온의 표준편차는 전체적으로 감소하다가 다시 증가하였다. 따라서 보간을 위한 적절한 range는 방법 3(range 160km)과 방법 5(range 200km) 사이가 될 것으로 판단된다. 72지점을 사용한 경우에서는 range가 증가할수록 기온의 표준편차가 감소하여 되도록 넓은 범위의 range를 사용하는 것이 타당할 것으로 생각된다.
2) 연 강수량의 보간과 오차
연 강수량 역시 총 12회에 걸쳐 보간을 실시하였으며 그중 6회에 걸친 보간 결과를 그림 12에 표시하였고, 보간에 의한 강수량의 표준편차를 그림 13에 표시하였다. 그림 12에서 먼저 72지점을 사용하여 보간한 결과를 살펴보면 전체적인 추세가 그림 2이나 그림 3에 나타난 1981-2010년 연 강수량 추세와 다르지 않아, 연 강수량에서도 크리깅을 사용한 보간이 적절하게 수행되었음을 알 수 있다. 또한, 거리반비례 방법을 사용한 보간에 비해서도 동심원 형태의 보간 형태가 확연히 줄었음을 알 수 있다.
방법별 차이를 살펴보면, 72지점을 사용한 보간 방법의 경우보다 219점을 사용한 보간 방법이 지역의 연 강수량을 훨씬 세밀하게 나타냄을 알 수 있다. 특히, 서해안의 상대적 소우지, 경북의 소우지 등이 세밀하게 표현되며, 서울 부근, 제주도 등지에서도 72지점을 사용한 경우와 확연히 결과가 달랐다. 하지만, 연평균기온의 경우와는 달리 219점을 사용한 보간 방법 중 최소제곱법을 사용한 경우 range가 너무 짧게 계산되어 강원도와 경북 해안 지역은 보간 자체가 수행되지 않았다. 또한, range가 240km인 경우에도 연 강수량 분포가 인위적인 형태를 띠고 있다. 그림 13의 표준편차를 살펴보면 이를 명확히 알 수 있다. 연평균기온과 마찬가지로 range가 180km에서는 충북 일부에서, 240km에서는 충남, 전북, 경북 등지에 오차가 증가하였다.
보간 방법별 정량적 오차를 나타낸 표 3을 살펴보면, 219지점을 보간에 사용한 경우는 분포 역시 연평균기온에 대한 표준편차와 비슷한 양상이었다. 따라서 이 경우에도 보간을 위한 적절한 range는 방법 3(range 160km)과 방법 5(range 200km) 사이가 될 것으로 판단된다. 72지점을 보간에 사용한 경우에서도 연평균기온의 표준편차와 비슷한 양상으로 range가 증가할수록 기온의 표준편차가 감소하여 되도록 넓은 범위의 range를 사용하는 것이 타당할 것으로 생각된다. 하지만 연평균기온과는 다르게 72지점을 사용한 경우 최소제곱법을 사용한 경우에서도 비교적 적절한 range가 계산되는 것으로 판단된다.
V. 결론
점 관측자료를 이용한 공간보간은 미지점에 대한 예측값을 생성하는 방법으로 공간정보 분야에서 널리 사용되는 분석 방법이다. 기상청은 1981-2010년 기후평년값을 72개 지점에 대해서 제공하고 있으며 공간보간을 통해 기후평년값 분포도를 제작한 바 있다. 하지만, 기상청에서 1991-2020년 기후평년값을 제공하는 지점은 219개로 3배 정도 증가하게 되었으므로 이에 따라 이에 적합한 공간보간 방법을 적용할 필요가 있다. 이에 따라 본 연구에서는 1991-2020년 기후평년값 자료를 이용하여 연평균기온과 연 강수량을 보간하여 분포도와 이에 따른 표준편차를 분석하였으며 이를 통해 다음과 같은 결론을 도출하였다.
첫째, 1991-2020년 기후평년값이 제공되는 219개 지점의 관측값을 이용하여 보다 세밀한 기후분포도를 제작할 수 있었다. 219개 지점을 이용하여 기후분포도를 제작한 결과 서울 부근, 태백산지 부근, 서해안지역, 제주도 등지에서 기존 72개 지점을 이용해 제작한 기후지도와 많은 차이가 나타났다.
둘째, 크리깅 보간 방법은 기후평년값 보간에 사용되는 적절한 방법이었다. 거리반비례 보간에 비해 크리깅 보간은 등질적인 범위를 보다 완만하게 나타냄을 알 수 있었다. 또한, 1991-2020년 기후평년값 중 1981-2010년 기후평년값이 있는 72지점에 대한 보간을 실시하고, 이 결과를 1981-2010년 기후평년값 분포도와 비교한 결과 양자는 비슷한 양상을 나타냈다. 따라서 본 연구에서 사용되는 크리깅 보간 방법이 적절한 보간 방법임을 알 수 있었다.
셋째, 기후지도 제작을 위한 크리깅 보간에서 중요한 요소인 range를 결정할 수 있었다. 219지점을 사용한 경우에는 연평균기온과 연 강수량 모두 160-200km 범위에 range가 존재함을 알 수 있었다. range가 이보다 적거나 클 경우에는 기후요소의 예측값에 대한 표준편차가 오히려 증가하였다. 반면, 72지점을 사용한 경우에는 range 범위가 커질수록 오차가 줄어들었다. 크리깅 보간 방법은 관측지점의 공간적인 분포 및 관측값의 범위에 따라 보간에 사용되는 요소가 결정되어야 하는데, 본 연구를 통해서도 이를 확인할 수 있었다. 종합적으로 291지점의 1991-2020년 기후평년값을 사용한 크리깅 보간에서는 range를 160-200km 사이에서 결정해야 할 것이다.
기후지도 제작을 위해서는 여러 가지 보간 방법을 사용할 수 있지만, 보간 결과의 오차를 평가할 수 있는 방법은 크리깅이 유일한 방법이다. 본 연구는 기후지도 제작을 위해 오차평가를 통해 오차를 최소화하는 최적 보간 방법을 제시했다는 것에 의미가 있다. 하지만 공신력 있는 기후지도 제작을 위해서는 본 연구에서 적용한 방법론을 보다 세밀화하여 반복적인 실험을 통해 오차를 평가하여 공간보간에 사용되는 입력 요소를 결정할 필요가 있으므로 향후 추가 연구가 필요하다.
