합성 열대폭풍 모델을 이용한 무역항 주변의 태풍특성 분석 및 DB구축

Analysis of Typhoon Characteristics and Database Construction around Trade Ports Using a Synthetic Tropical Cyclone Model

Article information

J Coast Disaster Prev. 2024;11(4):151-166

Publication date (electronic) : 2024 December 31

doi : https://doi.org/10.20481/kscdp.2024.11.4.151

Heui-Jung Seo ^,, Seon-Jung Park , Seung-Min Park , Gyeong-Sik Seo

서희정^,, 박선중, 박승민, 서경식

㈜코엔솔루션 기술연구소

COEN Solution Co. Ltd., Seoul, Republic of Korea

Corresponding author: 서희정, hibako@naver.com

Received 2024 November 7; Accepted 2024 November 17.

Abstract

This study aims to analyze the characteristics of typhoons passing through trade ports in Korea using the synthetic tropical cyclone generation technique, the STORM model. Developed by the Institute for Environmental Studies at Vrije Universiteit Amsterdam, the STORM model generates synthetic typhoons based on historical typhoon data, monthly mean sea level pressure, and sea surface temperatures. This study utilized typhoon data from 1980 to 2022 to analyze historical typhoons affecting Korea’s trade ports and applied the STORM model to generate and evaluate various synthetic typhoon scenarios.

The generated synthetic typhoons were compared with the RSMC Best Track Data (BTD) to assess the model’s applicability and accuracy. The analysis showed generally consistent trends in typhoon paths, genesis locations, and central pressures, although there was some tendency to overestimate central pressures and wind speeds in specific latitude ranges. Analysis of typhoon parameters for 31 trade ports indicated that approximately 2% of the synthetic typhoons passed through these ports, with increased maximum wind speeds and a 3.4-5.9% decrease in central pressures compared to historical data, suggesting an intensification of typhoon strength. The study results have been compiled into a database to support port infrastructure design around Korea’s trade ports.

Keywords: Typhoon; Synthetic Tropical cyclone model; Typhoon parameters; Trade port

1. 서 론

최근 기후변화로 인해 자연재해의 빈도와 강도가 증가하고 있다. 한국 기상청의 “한국 기후변화 평가보고서(2020)”에 따르면, 한반도 주변에서 발생하는 태풍의 빈도와 강도가 점차 증가하고 있으며, 이는 강한 바람, 집중호우, 높은 파도, 해수면 상승을 동반하는 폭풍해일을 발생시켜 해안 지역에 심각한 피해를 초래할 수 있다. 이러한 피해에 효과적으로 대응하기 위해서는 태풍의 특성과 그에 따른 영향을 예측하는 것이 중요하며, 이를 위해 신뢰성 있는 장기간의 태풍 자료가 필요하다. 우리나라에 영향을 미치는 북서태평양 태풍 정보는 1951년 이후로 제공되고 있으나, 상세한 태풍 정보는 위성 관측이 발달한 1980년대 이후부터 제공되기 시작하여 관측 기간이 짧고 발생한 태풍 수가 적어 다양한 태풍 특성을 예측하는 데에 한계가 존재한다. 특히 무역항 개발 시 태풍으로 인한 바람과 폭풍해일고를 예측할 경우, 역사태풍에 대한 검토를 기반으로 설계가 이루어지기 때문에 향후 발생할 수 있는 대규모 태풍의 영향을 반영하기 어려운 실정이다.

이러한 한계를 극복하기 위해 최근에는 합성태풍을 활용한 연구가 활발히 진행되고 있다. 합성태풍은 기존의 역사태풍 자료를 기반으로 긴 시간 규모의 다수의 가상 태풍을 생성하여 잠재적인 태풍 경로와 강도를 예측할 수 있는 수치적⋅통계적 접근 방식을 제공한다. 이러한 접근을 통해 과거 자료의 제약을 보완하고, 재난 관리 및 항만 인프라 설계 등에 필요한 예측 데이터를 제공하는 중요한 도구로 자리잡고 있다.

예를 들어, Kim and Seo(2019)는 서남해안의 빈도 해일고 산정을 위해 Geoscience Australia에서 개발한 합성태풍 생성 모델인 TCRM(Tropical Cyclone Risk Model)을 활용하여 다수의 태풍정보를 생성하였으며, Eum et al.(2020)은 인공지능과 합성태풍을 결합하여 폭풍해일고를 예측하는 연구를 수행하였다. 이 연구에서는 TCRM을 이용하여 5,670개의 합성태풍을 생성하고 이를 인공지능 모델의 학습자료로 활용하여 폭풍해일고를 예측하였다. 또한 Bloemendaal et al,.(2020)은 STORM 모델을 활용하여 과거 및 미래 기후 조건에서 합성태풍을 생성하고 세계 주요 해역의 풍속 변화를 평가하였다. 이처럼 합성태풍 모델을 활용한 연구는 기존의 한정된 발생 태풍 수로 인해 제한적으로 검토되던 태풍 연구를 데이터 증강을 통해 확장하고, 태풍 예측의 정확도를 높이며 재난 대응 및 인프라 설계에 필요한 정보를 제공하는 데 기여하고 있다.

본 연구는 무역항 주변을 통과하는 태풍의 특성을 분석하고자 합성태풍 생성 기법을 활용한 STORM 모델을 적용하였다. STORM 모델은 역사태풍 자료를 기반으로 가상 태풍을 생성하여 다양한 환경 조건에서의 태풍 경로와 강도를 예측하는 데 효과적이다. 연구에서는 STORM 모델의 적용성을 검토하고 무역항 주변을 통과하는 다수의 합성태풍을 분석함으로써 무역항에 대한 태풍의 영향 특성을 보다 정확히 파악하고자 하였다.

2. 역사태풍 분석

2.1 Best Track Data 분석

역사태풍은 태풍 예보 상황에서 자료 동화(data assimilation)에 적용되지 않은 자료들을 확보하여 보다 정밀하게 재분석한 태풍 정보인 최적 경로 정보(Best Track Data, 이하 BTD)를 활용하여 분석하였다. BTD는 미국 공군과 해군의 합동태풍경보센터(JTWC: Joint Typhoon Warning Center)와 일본 도쿄에 위치한 지역특별기상센터(RSMC: Regional Specialized Meteorological Center)에서 제공되며, JTWC는 1945년부터, RSMC는 1951년부터 자료를 제공하고 있다. JTWC는 1분 평균 풍속, NE, SE, SW, NW 4분면에 대한 태풍 반경 정보와 풍속 34, 50, 64 kt에 대한 각 풍속별 4분면 반경 정보를 제공한다. 반면, RSMC에서는 10분 평균 풍속과 풍속별 장⋅단축 반경 정보를 제공하고 있다. 특히 JTWC는 비대칭 태풍에 대한 정보를 제공하여 보다 현실적인 태풍 정보를 제공하고 있으나, 이러한 비대칭 태풍 정보는 2011년 이후 자료에 국한된다(Eum et al., 2020).

본 연구에서는 무역항 주변을 통과하는 태풍의 특성을 파악하기 위해 RSMC BTD의 1951년부터 2022년까지의 1,881개 태풍 자료를 수집하고 분석하였다.

2.1.1 전체 태풍특성

우리나라에 영향을 미치는 북서태평양 발생 태풍에 대한 예보는 일본 기상청에서 담당하고 있으며, 1951년부터 발생한 역사태풍의 파라미터 정보를 포함한 BTD를 일본 기상청의 홈페이지(https://www.jma.go.jp/jma/jma-eng/jma-center/rsmc-hp- pub-eg/besttrack.html)를 통해 제공하고 있다. 다만 최대 풍속 정보는 1977년부터 제공되고 있다.

1951년부터 2022년까지 북서태평양에서 발생한 태풍은 총 1,881개로 나타났으며, 위도 약 5°~30°, 경도 100°~180° 해역에서 생성되었다(Fig. 1). 태풍의 생성 위치, 최저 중심기압이 나타나는 위치, 최대풍속 발생 위도를 1950년대부터 10년 단위로 분석한 결과(Table 1 및 Figs. 2~4 참고), 1950년대와 비교하여 2010년 이후 태풍은 평균적으로 1.5° 더 고위도에서 생성되고 있으며, 최저 중심기압이 나타나는 위도 또한 1.0° 상승하였다. 최대풍속 발생 위도는 1980년대와 2010년 이후 평균적으로 0.8° 상승하였다. 이러한 태풍 분석 결과를 통해 최근 발생하는 북서태평양 지역의 태풍은 과거에 비해 점차 고위도에서 생성되고 있으며, 태풍의 강도 역시 고위도 부근에서 더 강화되고 있음을 확인할 수 있다.

Fig. 1

Tracks and distributions of genesis typhoons in the Northwest Pacific by central pressure and maximum wind speed

Table 1

Mean latitude of extreme event occurrences by period for typhoons generated in the Northwest Pacific (unit: °N)

Fig. 2

Locations of typhoon genesis in the Northwest Pacific (1951-2022)

Fig. 3

Locations of minimum central pressure occurrence in the Northwest Pacific (1951-2022)

Fig. 4

Locations of maximum wind speed occurrence in the Northwest Pacific (1977-2022)

2.1.2 한반도 영향 태풍특성

한반도에 영향을 미친 태풍은 태풍의 중심이 북위 28° 이상, 동경 132° 이하에 위치하는 경우로 정의된 기상청 비상구역 정보를 활용하였다. 1951년부터 2022년까지 기상청 비상구역을 통과한 태풍은 총 380개에 달하며, 각 태풍의 이동 경로, 중심기압 및 최대풍속의 분포는 Fig. 5에 나타나 있다.

Fig. 5

Typhoon tracks and distribution of central pressure/maximum wind speed affecting the Korean Peninsula

한반도에 직접적인 영향을 미친 태풍의 특성을 파악하기 위해 기상청 비상구역을 통과한 태풍 중 한반도에 상륙하거나 근접해 통과한 태풍(경남 거창을 기준으로 반경 350km 이내 통과한 태풍)을 재분류하여, 태풍의 이동 경로, 중심기압 및 최대풍속을 분석하였다. 최대풍속 정보는 1977년 후반부터 제공되고 있으므로, 최대풍속 정보가 제공되지 않는 기간 동안의 태풍 파라미터를 산출하기 위해 Knaff(2007)가 제안한 경험식을 적용하여 1951년 이후 최대풍속이 제공되지 않는 태풍의 최대풍속을 산정하였다.

(1)Vmax=4.4(1010−p0)0.76

여기서, p₀는 태풍의 중심기압을 의미한다.

한반도에 직접적인 영향을 미친 태풍은 비상구역을 통과한 379개 중 189개로 분류되었으며, 한반도 통과 시 평균 중심기압은 983.5hPa, 평균 최대풍속은 19.4m/s로 나타났다(Table 2 참조). 영향 태풍 중 최저 중심기압은 태풍 MAEMI (0314)로, 한반도 영향권을 통과할 때 중심기압이 935.0hPa였으며, 최대풍속은 태풍 SARAH(5917)로, 한반도 영향 시 57.1m/s에 달하였다. 태풍 MAEMI(0314)는 2003년 한반도 남해안을 통과하며 마산과 부산 일대에 큰 인명 및 재산 피해를 일으킨 태풍으로 잘 알려져 있다. 태풍 SARAH(5917)는 1959년 9월 12일에 발생해 열대저기압 등급 중 가장 높은 “카테고리 5급”으로 발달한 태풍이다. 한반도에 직접적인 영향을 미친 태풍의 중심기압 및 최대풍속 분포는 Fig. 6에 도시되어 있으며, 중심기압은 매년 평균 0.1187hPa 감소하고, 최대풍속은 연평균 0.0525m/s 증가하는 경향을 보였다.

Table 2

Analysis of characteristics of typhoons affecting the Korean Peninsula

Fig. 6

Distribution of central pressure and maximum wind speed of typhoons directly affecting the Korean Peninsula (189 cases) by period

2.1.3 무역항 통과 태풍분석

무역항 통과 태풍을 분석하기 위해 우리나라 31개의 무역항을 대상으로 하여 이름과 위도와 경도를 Table 3에 나타내었으며, 위치를 Fig. 7에 도시하였다. 인공위성 관측을 통해 비교적 정확한 자료를 제공하는 1980년이후부터 2022년까지 자료를 기준으로 항별 반경 150km 이내 통과하는 태풍을 통과 태풍으로 선정하였으며, 선정된 태풍의 최저중심기압을 기준으로 상위태풍을 선별하였다. 또한 최저중심기압과 최대 풍속간의 상관관계를 분석하여 상관관계식을 제시하였다(Table 4). 일반적으로 최대풍속과 중심기압간의 관계식은 같이 Atkinson&Holliday(1977)이 제안한 식(2)와 Knaff (2007)가 제안한 식(1)과 같이 지수함수의 형태를 보이지만, 무역항을 통과하는 태풍 수가 많지 않고, 사용상의 편의성을 고려하여 1차식의 형태로 표현하여 제시하였다.

Table 3

Name and location of trade ports

Fig. 7

The location map of trade ports

Table 4

Characteristics of typhoons passing through trade ports

(2)Vmax=6.7(1010−p0)0.644

분석결과, 서해안에 위치한 무역항(목포항 기준 북측)을 통과하는 태풍의 수는 약 29~39개로 최저중심기압은 962~ 968hPa, 최대풍속은 31.7~37.7m/s의 분포로 나타났다. 남해안에 위치한 무역항(목포항~울산항)의 경우 통과태풍의 수는 약 51~61개로 최저중심기압은 938~947hPa, 최대풍속은 41.2~44.6m/s이며, 동해안(울산항 기준 북측)의 경우 통과태풍의 수는 약 31~49개로 최저중심기압은 947~996hPa, 최대풍속은 35.2~42.9m/s의 분포이다. 아울러 제주도의 경우 통과 태풍수가 65~67개, 최저기압은 933~934hPa, 최대풍속은 46.7~47.2m/s로 태풍의 영향이 가장 큰 것으로 분석되었다.

3. 합성태풍 모델을 이용한 가상태풍 생성

3.1 합성태풍(가상태풍)

태풍은 강풍, 폭우, 해일 등 다양한 자연재해를 동반하여 인명과 재산에 심각한 피해를 줄 수 있다. 이러한 피해를 예방하고자, 태풍의 영향을 받는 지역에서는 재난 관리, 인프라 설계, 해양 안전 연구 등이 수행되고 있다. 하지만 태풍 관측 기간이 약 70여 년으로 상대적으로 짧고, 보다 상세한 태풍 정보는 위성 기상정보가 발달한 1980년대 이후부터 제공되었기 때문에 현재 이용 가능한 태풍 자료만으로는 각종 재난 관리 대응에 한계가 존재한다. 이러한 한계를 극복하기 위해 합성태풍이 활용되며, 이는 실제 태풍 자료를 기반으로 모델을 통해 생성된 가상의 태풍을 의미한다. 합성태풍은 수치 모델링 기법이나 통계적 방법을 사용하여 수천에서 수만 개의 가상 태풍을 생성함으로써, 매우 긴 시간 규모를 대표할 수 있고 자료의 부재로 인한 태풍 예측의 한계를 극복하는 데 유용하다.

합성태풍의 생성 및 예측 방법은 크게 네 가지로 구분된다(Fig. 8 참조). Indirect Method는 대기 상태나 해수면 온도와 같은 기상 조건을 기반으로 태풍 가능성을 간접적으로 추정하는 방법이다. Simple Track Model(STM)은 역사태풍 경로와 초기 속도를 통해 태풍의 이동을 예측하는 단순 경로 예측 모델이다. Empirical Track Model(ETM)은 역사태풍 경로에 대한 통계적 분석을 통해 특정 지역에서 태풍이 발생할 확률과 이동 경로를 추정하는 방식이다. 마지막으로, Full Track Model(FTM)은 다양한 물리적 환경 요소를 종합적으로 고려하여 태풍의 발달과 이동을 모의하는 고해상도 예측 모델이다.

Fig. 8

Stages of the synthetic typhoon generation methodology

본 연구는 무역항 주변을 통과하는 태풍의 특성을 파악하는 것을 목적으로 하며, 이를 위해 Empirical Track Model (ETM) 기반의 합성태풍 생성 기법을 활용한 STORM 모델을 선정하였다. 이후, 모델의 적용성을 검토한 후 검토된 모델을 통해 다수의 태풍을 생성하고, 이를 바탕으로 태풍 특성을 분석하였다.

3.2 STORM 모델 적용

본 연구에서 합성태풍을 생성하기 위해 활용한 STORM 모델은 네덜란드 암스테르담 자유대학교(Vrije Universiteit Amsterdam) 환경연구소(Institute for Environmental Studies)의 Nadia Bloemendaal에 의해 개발된 합성태풍 생성 모델이다. 이 모델은 역사태풍 자료와 월 평균 해면기압, 월 평균 해면온도를 기반으로 열대저기압이 발생하는 전 지구 해역에 대해 다수의 가상 태풍을 생성할 수 있다. STORM 모델은 오픈소스로 제공되며, 최근 다양한 분야에서 활용되고 있는 파이썬 언어로 작성되어 있으며, 깃허브(https://github.com/NBloemendaal/STORM)를 통해 배포된다.

이 모델은 크게 3가지 단계로 구성되며, 각각 입력자료, STORM 구성요소, 합성태풍 생성 단계로 구분된다. 이러한 과정은 Fig. 9에 제시되어 있다.

Fig. 9

Flowchart of STORM model（Bloemendaal et al., 2020): the extracted IBTrACS tropical cyclone (TC) characteristics (stage 1; in blue), the STORM components (stage 2; in red), and the creation of the synthetic tropical cyclones (stage 3; in green)

3.2.1 입력자료(1단계)

STORM 모델은 Fig. 9의 Stage 1에서 10가지 항목을 입력자료로 사용하며, 이는 Table 5에 제시되어 있다. 모델의 입력자료는 태풍 조건과 환경 조건으로 구분되며, 태풍 조건은 8개 항목, 환경 조건은 2개 항목으로 구성된다. 태풍 조건 입력자료는 NOAA에서 제공하는 IBTrACS(International Best Track Archive for Climate Stewardship)를 사용한다. IBTrACS는 전 세계에서 발생한 모든 열대저기압 정보를 수록하고 있으며, STORM 모델은 이를 활용하여 남대서양을 제외한 동태평양, 북대서양, 북인도양, 남인도양, 남태평양, 서태평양의 5개 해역에서 발생하는 열대저기압을 모의할 수 있다(Table 6 참조).

Table 5

Input data for STORM model

Table 6

Definition of ocean domains in the STORM model

환경 조건 입력자료로는 월 평균 해면기압(Monthly Mean Sea Level Pressure, MSLP)과 월 평균 해면온도(Monthly Sea Surface Temperature, SST)가 사용되며, 이들은 European Centre for Medium-Range Weather Forecasting (ECMWF)의 제5세대 기후 재분석 데이터 세트인 ERA-5에서 제공하는 MSLP 및 SST 필드를 기반으로 한다. 본 연구에서는 IBTrACS의 v4.0 (ibtracs.since1980.list.v04r00)을 사용하여 태풍 정보를 적용하였으며, 위성 관측을 기반으로 한 정확한 태풍 정보를 입력하기 위해 1980년부터 2022년까지 43년간의 태풍 데이터를 활용하였다.

3.2.2 STORM 구성(stage 2)

두 번째 단계에서는 IBTrACS에서 추출한 열대저기압의 이동 경로와 특성, 그리고 ERA-5의 환경 조건을 모델의 합성 추출 알고리즘의 입력 자료로 사용한다. 합성태풍을 산정하기 위해 STORM 모델은 세 가지 단계로 구성되어 있다.

첫 번째 단계에서는 연간 태풍 발생 수를 포아송 분포를 기반으로 산정하며, 역사태풍 발생 월에 따라 가중치를 적용하여 무작위로 월별 태풍 발생 수를 결정한다. 두 번째 단계에서는 역사태풍의 월별 발생 위치에 기반한 가중치를 적용하여 각 태풍의 발생 위치를 결정하고, 경도와 위도의 연속적인 변화를 추가하여 합성 경로를 형성한다. 세 번째 단계에서는 각 태풍의 경로에 따라 최소 압력, 최대 풍속 및 최대 풍 반경과 같은 태풍의 특성을 결정한다.

3.2.3 합성태풍 생성(stage 3)

세 번째 단계에서는 합성태풍을 생성하는 단계로, 태풍 모의를 수행할 해역과 모의 기간을 설정하여 실행함으로써 합성태풍 결과를 얻는다. 생성된 합성태풍의 결과는 3시간 간격으로 출력되며, 출력 항목은 태풍 발생 연도, 발생 월, 태풍 번호, 시간 순번, 해역 번호, 위도, 경도, 기압, 풍속, 최대 풍 반경, 태풍 분류, 육지 상륙 여부, 육지로부터의 거리 등 총 13개로 구성된다.

3.3 적용성 평가

3.3.1 전체 발생 태풍 평가

STORM 모델로부터 생성된 북태평양 발생 태풍의 재현성과 적용성을 평가하기 위해, 모델을 이용하여 10,000년 동안의 태풍을 모의하여(총 230,380개의 합성태풍 생성) 태풍특성을 분석하고 이를 RSMC BTD와 비교하였다(Table 7, Figs. 10~11). Table 7에 나타난 바와 같이, 위도에 따른 역사태풍과 합성태풍의 중심기압을 비교해 보면, 역사태풍의 최저 중심기압은 870hPa, 합성태풍은 845hPa로 차이를 보이지만, 평균치는 역사태풍이 963hPa, 합성태풍이 957hPa로 비교적 유사하게 나타났다. 그러나 Fig. 11(a)에서 볼 수 있듯이 북위 25~40도 구간에서는 역사태풍 자료에 비해 중심기압이 약 15hPa 정도 낮은 태풍군이 나타났다. 이는 불충분한 관측 자료가 이론적 확률분포함수에 적용되면서 나타난 결과로 추정된다. 그러나 전체적으로 태풍 중심기압의 평균은 합성태풍과 역사태풍 간의 차이가 6hPa로 상대적으로 크지 않으며, 표준편차 또한 역사태풍의 경우 29.2hPa, 합성태풍은 28.3hPa로 비교적 유사하게 재현되는 것으로 나타났다.

Table 7

Comparison of RSMC BTD and synthetic typhoons by STORM model

Fig. 10

Comparison of typhoon genesis locations(latitude) between RSMC BTD and STORM lodel

Fig. 11

Comparison of low central pressure locations(latitude) between RSMC BTD and STORM model

Fig. 10(a)는 역사태풍과 합성태풍의 태풍 발생 위치 분포를 나타낸 그래프이며, Fig. 10(b)는 태풍 발생 위도에 따른 태풍 발생 빈도율을 누적하여 나타낸 그래프이다. 태풍 발생 위치의 평균치를 비교해보면, 역사태풍의 경우 북위 13.8°에서 발생하였으며, 합성태풍은 북위 15.7°에서 발생하여 합성태풍이 약 1.9° 더 높은 위도에서 생성되는 것으로 나타났다. 이러한 태풍 발생 위도의 차이는 태풍의 이동 경로 변화, 강도 차이 또는 태풍의 크기와 구조의 변화를 나타낼 수 있으나, 두 결과 간의 차이가 2° 미만이므로 태풍 특성에서 큰 차이는 발생하지 않을 것으로 판단된다.

Fig. 11(a)는 역사태풍과 합성태풍 각각의 최저기압이 발생한 위치 분포를 나타내며, Fig. 11(b)는 최저기압이 발생한 위도에 따른 태풍 발생 빈도율을 누적하여 나타낸 그래프이다. 최저기압은 태풍의 강도를 나타내는 주요 파라미터로, 그림에서 확인할 수 있듯이 역사태풍과 합성태풍의 그래프가 비교적 일치하여 최저기압이 발생한 태풍의 위치와 기압 분포가 유사한 경향성을 보이는 것을 확인할 수 있다. 최저기압이 발생한 위치(위도)의 평균치는 역사태풍의 경우 북위 20.7°, STORM 모델의 경우 북위 20.6°로, 0.1°의 미미한 차이를 보인다.

3.3.2 한반도 영향 태풍 평가

Fig. 12는 한반도에 영향을 미치는 태풍을 대상으로 역사태풍과 합성태풍의 이동 경로를 비교한 결과를 나타낸다. 역사태풍의 이동 경로를 살펴보면, 태풍은 주로 류쿠열도를 지나며, 일부는 일본 서측 연안을 통과하거나 일부는 서남해안을 통과하여 한반도에 영향을 미친다. STORM 모델을 통해 모의된 합성태풍의 이동 경로 역시 이와 동일한 경향을 나타내어, 합성태풍이 실제 태풍의 이동 경로와 유사함을 확인할 수 있다.

Fig. 12

Tracks of typhoons affecting the Korean Peninsula

Fig. 13에서는 역사태풍과 STORM 모델로 모의된 합성태풍의 발생 위치를 비교하여 나타냈다. Fig. 13(a)에서는 태풍 발생 위치를 비교하였고, Fig. 13(b)에서는 위도별 발생률을 누적하여 나타냈다. 그래프를 통해 태풍 발생 분포와 발생 위치별 집중도가 비교적 유사하게 나타남을 확인할 수 있었다. 역사태풍의 태풍 발생 위치 평균치는 북위 15.2°로 나타났으며, 합성태풍은 북위 16.3°에서 발생하여 역사태풍에 비해 약 1.1° 고위도에서 발생하는 것으로 나타났다.

Fig. 13

Comparison of typhoon genesis locations(latitude) between RSMC BTD and STORM model(Korean Peninsula-affected typhoons)

Fig. 14는 개별 태풍의 최저기압 발생 위치를 비교한 것이다. Fig. 14(a)는 최저기압별 발생 위치의 분포를 나타내고, Fig. 14(b)는 최저기압이 나타난 위치를 위도별로 누적한 그래프이다. Fig. 14(a)에서 확인할 수 있듯이 기압-발생 위치의 분포는 유사하지만, 합성태풍은 북위 25°~40° 구간에서 역사태풍 보다 약 20hPa가량 낮은 태풍군이 나타나 태풍 강도가 상대적으로 크게 모의 되었음을 알 수 있다. 또한 최저기압 발생 위치가 역사태풍에 비해 약 0.8° 고위도에 분포하여, 전반적으로 합성태풍이 역사태풍에 비해 고위도에서 강도가 높은 경향을 보였다.

Fig. 14

Comparison of Minimum central pressure locations(latitude) between RSMC BTD and STORM model(Korean Peninsula-affected typhoons)

Fig. 15는 개별 태풍의 최대풍속 발생 위치를 비교한 것이다. Fig. 15(a)는 최대풍속별 발생 위치의 분포를 나타내고, Fig. 15(b)는 최대풍속이 나타난 위치를 위도별로 누적한 그래프이다. Fig. 14의 최저 중심기압 분포에서 나타난 바와 같이, 최대풍속-발생 위치의 경향도 비교적 유사하지만, 합성태풍은 북위 25°40° 구간에서 역사태풍보다 10~20m/s 가량 풍속이 크게 나타났다. 최대풍속 발생 위치도 역사태풍에 비해 약 5° 이상 고위도에서 나타나 영향이 크게 모의되었다. STORM 모델은 풍속 산정 시 Harper(2002)와 Atkinson and Holliday(1977)의 경험적인 바람과 기압 간의 관계를 기반으로 최대 풍속을 산정하므로, 이러한 차이는 앞서 언급된 중심기압의 차이에 의해 파생된 결과로 판단된다.

Fig. 15

Comparison of low central pressure locations(latitude) between RSMC BTD and STORM model(Korean Peninsula-affected typhoons)

3.3.3 적용성 검토결과

역사태풍과 STORM 모델로 생성된 합성태풍을 기반으로 태풍의 이동 경로, 발생 위치, 중심기압 등의 속성을 비교하였다. 전반적으로 태풍의 위치별 기압 특성과 발생 위치의 경향성은 유사하게 재현되었으나, 북위 20°~40°에 해당하는 일부 구간에서 역사태풍에 비해 낮은 중심기압과 강한 풍속이 나타나 실측치에 비해 과대평가 되는 경향이 나타났다. 이는 확률분포 함수 적용 시 일부 극단값이 나타나거나 표본 크기가 작거나 불균형한 이유로 장기간 모의 과정에서 추정의 불확실성이 발생한 것으로 추정된다. 자연현상에서 발생하는 태풍의 이동 경로에 대한 무작위성을 이론적 확률분포 함수로 완벽하게 재현하기에는 제한사항이 존재하지만, 서남해안으로 유입된 합성태풍의 이동 경로는 역사태풍의 경로와 비교적 유사하게 나타났다. 또한, 중심기압의 평균과 표준편차가 유사하게 재현되었기 때문에, 합성태풍의 파라미터를 생성하기 위한 모델로서의 적용성을 충분히 확보할 수 있는 것으로 판단된다.

4. 합성태풍 모델을 이용한 무역항의 통과 태풍분석 및 DB구축

4.1 무역항 통과태풍 비교

앞서 생성된 합성태풍을 토대로 1000년간의 데이터(22,695개의 태풍사상)를 추출하여 31개 무역항을 통과하는 태풍의 특성을 분석하여 역사태풍과 비교를 통해 태풍의 이동경로, 최저중심기압 및 최대풍속의 변화정도를 검토하였다.

Fig. 16은 31개 무역항 중 인천, 제주, 부산의 대표 3개 항의 상위 10개 태풍에 대한 태풍이동 경로와 중심기압을 비교하여 나타내었다. 필리핀의 동측에서 서향으로 이동하여 대만해역 부근에서 류쿠열도를 따라 편서풍의 영향으로 북동향하는 일반적인 태풍경로와 비교적 유사하게 재현되었으며, 서해안을 따라 북향하는 서해안 내습 태풍과 남해안을 지나 북서향 하는 동해안 내습 태풍의 해역별 경로의 특징이 비교적 유사하게 재현됨을 확인할 수 있다.

Fig. 16

Central Pressure and Tracks of the Top 10 Typhoons Passing through Trade Ports; Left: RSMC BTD, Right: STORM

Table 8에는 31개 무역항의 태풍의 통과수, 중심기압(최저, 상위 10% 평균), 최대풍속(최대, 상위 10% 평균) 및 중심기압과 풍속과의 상관식을 나타내었다. 1000년간 총 22,695개의 합성태풍 중 397~585개의 태풍이 무역항 반경 150km를 통과하였으며, 전체 태풍의 1.7~2.6%의 비율로 위치별로는 남해안, 동해안, 서해안의 무역항 순으로 나타났다. 최저중심기압은 897~922hPa 분포이며 상위 10%의 평균은 931~ 942hPa이며, 최대풍속은 53~60m/s로 상위 10% 평균은 44.9~ 49.1m/s로 나타났다.

Table 8

Characteristics of typhoons passing through trade ports in 1,000-year synthetic typhoon simulations

Table 9에는 역사태풍과 Table 8에서 분석된 STORM 모델의 합성태풍 결과를 비교하여 제시하였다. 최저중심기압의 경우 역사태풍에 비해 약 32~56hpa 낮아져 3.4~5.9% 낮아졌으며, 동해안에 위치한 항(호산항~속초항)이 비교적 기압 하강폭이 큰 것으로 나타났다. 풍속의 경우 12.4~22.9m/s 분포로 증가하였으며, 증가율은 약 27.1~70.3%로 최저 중심기압과 동일하게 동해안에 위치한 항의 증가율이 크게 나타났다.

Table 9

Comparison of characteristics between RSMC BTD and synthetic typhoons passing through trade ports

4.2 DB 구축

태풍 관련한 연구정보의 공유와 설계시 활용할 수 있도록 금회 연구를 통해 검토된 31개 무역항별 RSMC 역사태풍과 STORM 모델의 합성태풍의 경로와 태풍 파라미터 정보 및 삽도를 정리하여 서버(https://gofile.me/76LTk/Q7GYQstpy)에 DB를 구축하였다. 구성된 DB의 트리구조는 Fig. 17에 제시하였다.

Fig. 17

DB folder tree

5. 결 론

기후변화로 인해 해양 외력의 강도가 증가함에 따라 재현빈도의 증가 및 극치값을 도출하려는 연구가 점차 활발해지고 있다. 태풍의 경우, 1951년 이래로 지난 70여 년간의 자료가 축적되어 있으나 연간 발생하는 태풍이 약 25개로 통계 분석을 위한 표본 수가 한정적이다. 특히 한반도에 영향을 미치는 태풍은 연평균 약 3개에 불과하여 더욱 평가가 어려운 실정이다. 본 연구에서는 이를 극복하기 위해 RSMC의 역사태풍 자료를 분석하여 특성을 파악하고, 이를 합성태풍 모델인 STORM 모델에 적용하여 다수의 태풍 사례를 생성하였다. 생성된 결과는 역사태풍과의 비교를 통해 모델의 적용 가능성을 검토하였다. 또한, 연구 결과를 바탕으로 전국 31개 무역항을 통과하는 태풍을 선별하고 이에 대한 태풍 특성을 분석하였다.

1951년부터 최근까지 발생한 태풍을 10년 단위로 분석한 결과, 최근 태풍은 이전에 비해 약 1.5° 더 고위도에서 발생하며, 최저 중심기압이 나타나는 위도는 약 1.0°, 최대 풍속이 발생하는 위도는 약 0.8° 정도 증가하여 고위도에서 태풍 강도가 증가하는 경향을 확인할 수 있었다. 또한, 한반도에 영향을 미치는 태풍의 강도 또한 최근 들어 증가하는 경향을 보였다.

STORM 모델의 적용성을 검토한 결과, 북위 20°~40° 구간에서 역사태풍에 비해 낮은 중심기압과 강한 풍속이 나타나 실측치에 비해 다소 크게 재현되었으나, 이는 통계적 분석에 따른 증가치로 해석된다. 태풍의 경로, 발생 위치 및 최저 중심기압이 나타나는 위치는 전반적으로 유사하게 재현됨을 확인할 수 있었다.

무역항을 통과하는 합성태풍의 특성 분석 결과, 전체 태풍의 약 2% 내외가 무역항을 통과하며, 역사태풍과 비교했을 때 최저 중심기압은 32~56hPa 하강하여 3.4~5.9%의 하강률을 보였고, 최대 풍속은 12.4~22.9m/s가 증가하여 27.1~ 70.3%의 증가를 나타냈다. 항별로는 동해안에 위치한 무역항의 태풍 강도 증가 경향이 크게 나타났다.

또한, 본 연구에서 분석된 결과는 연구의 확장 및 항만 설계 시 참고자료로 활용될 수 있도록 공개 DB 서버를 구축하여 결과를 공유하였다. 본 연구 결과를 바탕으로, 세계 각국에서 제공하는 기후변화 모델에 예측된 평균 해면기압과 표층 수온 분포를 적용하여 미래 기후로 인한 태풍 강도의 변화와 관련된 후속 연구를 지속할 예정이다.

감사의 글

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구이다(RS-2022-00144325, 극한/복합 자연재해 시뮬레이션 기술 개발).

References

Atkinson G. D, Holliday C. R. 1977;Tropical cyclone minimum sea level pressure/maximum sustained wind relationship for the Western North Pacifc. Mon. Wea. Rev 105:421–427. (in English).

Bloemendaal N, Haigh I. D, Moel H, Muis S, Haarsma R. J, Aerts J. C. J. H. 2020;Generation of a global synthetic tropical cyclone hazard dataset using STORM. Scientific Data 7:40.

Eum H. S, Park J. J, Jeong K. Y, Park T. M. 2020;Prediction of storm surge height using synthesized typhoons and artificial intelligence. Journal of the Korean Society of Marine Environment &Safety 26(7):892–903. (in Korean).

Harper B. A, Kepert J. D, Ginger J. D. 2008;Guidelines for converting between various wind averaging periods in tropical cyclone conditions. World Meteorological Organization (in English).

Kim H. J, Seo S. W. 2019;Estimation of frequency of storm surge heights on the west and South coasts of Korea using synthesized typhoons. Journal of Korean Society of Coastal and Ocean Engineers 31(5):241–252. (in Korean).

Knaff J. A, Zehr R. M. 2007;Reexamination of tropical cyclone wind-pressure relationships. Weather and Forecasting 22(1):71–88. (in English).

Korea Meteorological Administration. 2020;Korean Climate Change Assessment Report 2020 (in Korean).

Article information Continued

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Category	1950s (a)	1960s	1970s	1980s	1990s	2000s	2010s (b)	Difference (b-a)
Genesis Location	13.1	13.5	13.5	13.8	14	14.1	14.3	(+)1.2
Minimum Central Pressure	20.2	21.2	20	20	20.8	21.1	21.2	(+)1
Maximum Wind Speed	-	-	-	19.6	20	20.5	20.4	(+)0.8

Category	Central Pressure (hPa)	Maximum Wind Speed (m/s)
Average	983.5	24.5
Minimum	935.0 (Typhoon MAEMI, No. 0314)	0.5
Maximum	1012.3	57.1 57.1 (Typhoon SARAH, No. 5917)

No	Name	Latitude(°N)	Longitude(°E)	No	Name	Latitude(°N)	Longitude(°E)
1	Seoul	37.529	126.935	17	Jangseungpo	34.865	128.727
2	Gyeongin	37.561	126.598	18	Okpo	34.887	128.714
3	Incheon	37.466	126.614	19	Gohyeon	34.911	128.605
4	Pyeongtaek	36.962	126.841	20	Masan	35.191	128.582
5	Daesan	37.016	126.415	21	Jinhae	35.136	128.683
6	Taean	36.910	126.231	22	Busan	35.110	129.059
7	Boryeong	36.401	126.483	23	Ulsan	35.519	129.373
8	Janghang	36.008	126.662	24	Pohang	36.019	129.409
9	Gunsan	35.981	126.588	25	Hosan	37.176	129.342
10	Mokpo	34.774	126.362	26	Samcheok	37.436	129.189
11	Wando	34.321	126.755	27	Donghae	37.495	129.147
12	Yeosu	34.751	127.758	28	Okgye	37.620	129.058
13	Gwangyang	34.877	127.659	29	Sokcho	38.209	128.600
14	Hadong	34.939	127.814	30	Jeju	33.528	126.546
15	Samcheonpo	34.915	128.086	31	Seogwipo	33.237	126.565
16	Tongyeong	34.837	128.426

No	Port	Typhoons Passing Through Trade Ports	Min. Central Pressure (hPa)	Max. Wind Speed (m/s)	Relationship Between Central Pressure and Wind Speed	r²
1	Seoul	30	968	31.7	Y=-0.5647x+579.9	0.73
2	Gyeongin	29	965	36	Y=-0.7036x+715.7	0.81
3	Incheon	30	965	36	Y=-0.6214x+635.5	0.80
4	Pyeongtaek	29	965	36	Y=-0.6461x+659.9	0.86
5	Daesan	36	962	36.9	Y=-0.5296x+545.6	0.88
6	Taean	36	962	37.7	Y=-0.5288x+544.8	0.89
7	Boryeong	39	962	37.7	Y=-0.4975x+514.1	0.85
8	Janghang	38	963	36	Y=-0.5091x+526.0	0.89
9	Gunsan	38	963	36	Y=-0.5092x+526.1	0.89
10	Mokpo	53	945	41.2	y=-0.4900x+506.9	0.85
11	Wando	61	938	44.6	y=-0.4702x+487.8	0.88
12	Yeosu	56	942	43.7	y=-0.4595x+477.6	0.87
13	Gwangyang	58	945	43.7	Y=-0.4619x+479.8	0.87
14	Hadong	59	943	43.7	Y=-0.4593x+477.3	0.87
15	Samcheonpo	56	943	43.7	Y=-0.4359x+454.7	0.88
16	Tongyeong	56	943	43.7	Y=-0.4427x+461.3	0.88
17	Jangseungpo	56	943	43.7	Y=-0.4428x+461.5	0.88
18	Okpo	56	943	43.7	Y=-0.4425x+461.3	0.88
19	Gohyeon	57	943	43.7	Y=-0.4454x+464.0	0.88
20	Masan	57	945	43.7	Y=-0.4535x+471.8	0.89
21	Jinhae	57	945	43.7	Y=-0.4520x+470.3	0.89
22	Busan	54	945	43.7	Y=-0.4557x+474.1	0.90
23	Ulsan	51	947	42.9	Y=-0.4878x+505.2	0.91
24	Pohang	49	947	42.9	Y=-0.5193x+535.2	0.85
25	Hosan	38	957	37.7	Y=-0.5068x+523.4	0.93
26	Samcheok	36	958	36.9	Y=-0.5180x+533.9	0.90
27	Donghae	37	958	36.9	Y=-0.5332x+548.6	0.87
28	Okgye	36	958	36.9	Y=-0.4655x+482.8	0.86
29	Sokcho	31	962	35.1	Y=-0.5094x+524.3	0.69
30	Jeju	65	934	46.7	Y=-0.4342x+453.2	0.90
31	Seogwipo	67	933	47.2	Y=-0.4295x+448.7	0.90

Category	Input datasets	Data source
Typhoon Conditions	Typhoons per year	NOAA’s IBTrACS (International Best Track Archive for Climate Stewardship)
	Genesis month
	Genesis location (latitude/longitude)
	Typhoon track (hourly typhoon latitude/longitude)
	maximum wind speed
	Change in pressure
	Minimum pressure
	Radius to maximum winds
Environmental Conditions	Monthly mean sea level pressure (MSLP)	ECMWF ERA-5, European Centre for Medium-Range Weather Forecasting’s Fifth Generation Reanalysis Dataset
Environmental Conditions	Monthly sea surface temperature (SST)

Region	Symbol	Domain	Cyclogenesis Period
Eastern Pacific	EP	5°N to 60°N, 180°E to 130°W	June to November
North Atlantic	NA	5°N to 60°N Western Atlantic to Eastern Pacific	June to November
North Indian	NI	5°N to 40°N, 30°E to 100°E	April to June September to November
South Indian	SI	5°S to 40°S, 30°E to 135°E	November to April
South Pacific	SP	5°S to 60°S, 135°E to 240°E	November to April
Western Pacific	WP	5°N to 60°N, 100°E to 180°E	May to November

Category		RSMC BTD Typhoons	Synthetic Typhoons(STORM Model)
Eastern Pacific		1951-2022 (72 years)	Simulated over 10,000 years
Number of Typhoons (Korean Peninsula-affected typhoons)		1,881 (455)	230,379 (37,024)
Central Pressure (hPa)	Minimum	870	845
	Average	963	957
	Standard Deviation	29.2	28.3

No	Port	Typhoons	Typhoons Passing Through Trade Ports		Central Pressure (hPa)		Wind Speed (m/s)		Relationship Between Central Pressure and Wind Speed	r²
No	Port	Typhoons	Number	Ratio (%)	Minimum	Top 10%	Maximum	Top 10%	Relationship Between Central Pressure and Wind Speed	r²
1	Seoul	22,695	407	1.8%	922	941	54	45.6	Y=-0.4539x+473.70	0.93
2	Gyeongin		397	1.7%	922	941	53	45.7	Y=-0.4481x+467.43	0.92
3	Incheon		405	1.8%	922	941	54	45.9	Y=-0.4519x+471.14	0.93
4	Pyeongtaek		438	1.9%	919	938	54	47.1	Y=-0.4418x+461.51	0.93
5	Daesan		405	1.8%	919	938	54	47.0	Y=-0.4413x+460.96	0.93
6	Taean		408	1.8%	919	938	54	47.2	Y=-0.4402x+459.99	0.93
7	Boryeong		442	1.9%	919	938	54	47.3	Y=-0.4391x+458.94	0.93
8	Janghang		469	2.1%	916	936	54	47.5	Y=-0.4440x+463.71	0.93
9	Gunsan		464	2.0%	916	936	54	47.6	Y=-0.4437x+463.34	0.93
10	Mokpo		525	2.3%	908	934	56	48.1	Y=-0.4422x+461.76	0.93
11	Wando		553	2.4%	906	933	57	48.5	Y=-0.4364x+456.18	0.94
12	Yeosu		568	2.5%	900	932	59	49.0	Y=-0.4352x+455.70	0.94
13	Gwangyang		563	2.5%	900	932	59	49.1	Y=-0.4351x+455.00	0.94
14	Hadong		562	2.5%	900	932	59	48.8	Y=-0.4359x+455.74	0.94
15	Samcheonpo		574	2.5%	900	932	59	48.8	Y=-0.4342x+454.15	0.94
16	Tongyeong		572	2.5%	900	932	59	48.8	Y=-0.4350x+454.84	0.95
17	Jangseungpo		569	2.5%	900	932	59	48.7	Y=-0.4369x+456.66	0.95
18	Okpo		572	2.5%	900	932	59	48.8	Y=-0.4373x+457.04	0.95
19	Gohyeon		570	2.5%	900	932	59	49.0	Y=-0.4344x+454.28	0.95
20	Masan		562	2.5%	900	932	59	48.8	Y=-0.4350x+454.92	0.95
21	Jinhae		560	2.5%	900	932	59	48.8	Y=-0.4365x+456.30	0.95
22	Busan		551	2.4%	900	932	59	48.9	Y=-0.4372x+456.98	0.95
23	Ulsan		521	2.3%	900	933	59	48.1	Y=-0.4373x+457.07	0.95
24	Pohang		502	2.2%	901	934	59	47.9	Y=-0.4379x+457.59	0.95
25	Hosan		469	2.1%	901	937	59	46.7	Y=-0.4526x+471.81	0.94
26	Samcheok		447	2.0%	906	938	58	46.1	Y=-0.4580x+476.95	0.94
27	Donghae		447	2.0%	906	939	58	45.9	Y=-0.4576x+476.53	0.94
28	Okgye		440	1.9%	906	939	58	45.7	Y=-0.4628x+481.57	0.94
29	Sokcho		401	1.8%	906	942	58	44.9	Y=-0.4724x+490.84	0.94
30	Jeju		569	2.5%	897	931	60	48.8	Y=-0.4336x+453.36	0.94
31	Seogwipo		585	2.6%	897	932	60	48.6	Y=-0.4317x+451.48	0.94

No	Port	Typhoons	Minimum central pressure (hPa)				Maximum wind speed (m/s)
No	Port	Typhoons	RSMC BTD	STORM	Difference	Rate(%)	RSMC BTD	STORM	Difference	Rate(%)
1	Seoul	22,695	968	922	▼46	(▼4.8)	31.7	54.0	▲22.3	(▲70.3)
2	Gyeongin		965	922	▼43	(▼4.5)	36.0	53.0	▲17.0	(▲47.2)
3	Incheon		965	922	▼43	(▼4.5)	36.0	54.0	▲18.0	(▲50.0)
4	Pyeongtaek		965	919	▼46	(▼4.8)	36.0	54.0	▲18.0	(▲50.0)
5	Daesan		962	919	▼43	(▼4.5)	36.9	54.0	▲17.1	(▲46.3)
6	Taean		962	919	▼43	(▼4.5)	37.7	54.0	▲16.3	(▲43.2)
7	Boryeong		962	919	▼43	(▼4.5)	37.7	54.0	▲16.3	(▲43.2)
8	Janghang		963	916	▼47	(▼4.9)	36.0	54.0	▲18.0	(▲50.0)
9	Gunsan		963	916	▼47	(▼4.9)	36.0	54.0	▲18.0	(▲50.0)
10	Mokpo		945	908	▼37	(▼3.9)	41.2	56.0	▲14.8	(▲35.9)
11	Wando		938	906	▼32	(▼3.4)	44.6	57.0	▲12.4	(▲27.8)
12	Yeosu		942	900	▼42	(▼4.5)	43.7	59.0	▲15.3	(▲35.0)
13	Gwangyang		945	900	▼45	(▼4.8)	43.7	59.0	▲15.3	(▲35.0)
14	Hadong		943	900	▼43	(▼4.6)	43.7	59.0	▲15.3	(▲35.0)
15	Samcheonpo		943	900	▼43	(▼4.6)	43.7	59.0	▲15.3	(▲35.0)
16	Tongyeong		943	900	▼43	(▼4.6)	43.7	59.0	▲15.3	(▲35.0)
17	Jangseungpo		943	900	▼43	(▼4.6)	43.7	59.0	▲15.3	(▲35.0)
18	Okpo		943	900	▼43	(▼4.6)	43.7	59.0	▲15.3	(▲35.0)
19	Gohyeon		943	900	▼43	(▼4.6)	43.7	59.0	▲15.3	(▲35.0)
20	Masan		945	900	▼45	(▼4.8)	43.7	59.0	▲15.3	(▲35.0)
21	Jinhae		945	900	▼45	(▼4.8)	43.7	59.0	▲15.3	(▲35.0)
22	Busan		945	900	▼45	(▼4.8)	43.7	59.0	▲15.3	(▲35.0)
23	Ulsan		947	900	▼47	(▼5.0)	42.9	59.0	▲16.1	(▲37.5)
24	Pohang		947	901	▼46	(▼4.9)	42.9	59.0	▲16.1	(▲37.5)
25	Hosan		957	901	▼56	(▼5.9)	37.7	59.0	▲21.3	(▲56.5)
26	Samcheok		958	906	▼52	(▼5.4)	36.9	58.0	▲21.1	(▲57.2)
27	Donghae		958	906	▼52	(▼5.4)	36.9	58.0	▲21.1	(▲57.2)
28	Okgye		958	906	▼52	(▼5.4)	36.9	58.0	▲21.1	(▲57.2)
29	Sokcho		962	906	▼56	(▼5.8)	35.1	58.0	▲22.9	(▲65.2)
30	Jeju		934	897	▼37	(▼4.0)	46.7	60.0	▲13.3	(▲28.5)
31	Seogwipo		933	897	▼36	(▼3.9)	47.2	60.0	▲12.8	(▲27.1)