점점 사라지는 봄, 정말 짧아지고 있는걸까?

어쩌다 이런 주제를?

봄여----름가을겨----울 이라고하는 요즘인데, 기후 변화로 봤을 때도 정말 봄이 짧아지고 있는건지?! 에 대한 궁금증 해소를 위해 날씨 데이터를 한 번 파보기로 했습니다. 데이터는 공공데이터포털 API를 이용했습니다. 아주 많은 항목들을 포함하고있지만 기후에 대한 지식이 얕은 관계로 기온을 위주로만 확인해보기로했기에 Response Element 중에서 아래 항목들만 사용했습니다. 기간은 1994년부터 2025년 4월 21일까지 '서울' 데이터를 가져와서 썼습니다. 대부분 2024까지 끊어서 봐야했습니다.(아직 올해는 여름이 오지않았기때문에)

항목명(국문)	항목명(영문)	항목크기	항목구분	샘플데이터	항목설명
시간	tm	10	필수	2010-01-01	일시
지점 번호	stnId	3	필수	108	종관기상관측 지점 번호
최대 풍속	maxWs	6	옵션	3.4	최대 풍속
최대 풍속 풍향	maxWsWd	6	옵션	7	최대 풍속 풍향
최저 기온	minTa	6	옵션	-12.7	최저 기온
최고 기온	maxTa	6	옵션	-3.6	최고 기온
최대 순간풍속	maxInsWs	6	옵션	7.5	최대 순간풍속
최대 풍속 시각	maxWsHrmt	4	옵션	2350	최대 풍속 시각
평균 풍속	avgWs	6	옵션	1.9	평균 풍속
일강수량	sumRn	6	옵션	0	일강수량
평균 기온	avgTa	6	옵션	-7.6	평균 기온
최저 기온 시각	minTaHrmt	6	옵션	-12.7	최저 기온
최대 기온 시각	maxTaHrmt	4	옵션	1501	최대 기온 시각
최대 풍향	maxWd	6	옵션	70	최대 풍향

 

봄의 시작은 언제일까?

시작하자마자 맞딱드린 난관 봄...이라는 거 무슨 기준으로 이야기하지?! 

• 봄은 일평균기온이 10∼15℃, 일최저기온이 5℃ 이상인 기간(서울에서는 대체로 4월 12일∼5월 6일)이며, 늦봄은 일평균기온이 15∼20℃이고 일최저기온이 10℃ 이상이 되는 때(대체로 서울에서 5월 7일∼5월 28일)이다. (출처: 한국문화대백과사전)
• 한국의 경우 기상학적으로는 9일간 일평균기온의 이동 평균이 5도 이상으로 9일 동안 올라간 후 떨어지지 않으면 그 5도 이상 올라간 첫 날부터 봄에 해당한다. 예를 들자면 3월 5일의 이동 평균은 3월 5일로부터 4일 전인 3월 1일부터 4일 후인 3월 9일까지의 평균을 뜻한다.(출처: 나무위키)
• 우리나라에서 가장 고전적인 방법은 이병설 전 서울대 지리교육과 교수가 제안한 것으로, 봄 시작일을 일 최저기온이 0도 이상이고 일 평균기온이 5도 이상인 날(출처: 뉴스)
• 일평균기온이 5℃ 이상 올라간 후 다시 내려가지 않는 첫날(출처: 기상청)( => * 단기적인 변동을 제거하고 장기적인 추세를 파악하기 위해, 분석 기간(최소 10년 이상)의 일평균기온을 날짜별로 평균하고 다시 9일 이동평균하여 사용)

묘하게 비슷하면서도 은근하게 차이나는 기준들을 획득할 수 있었다. 일단 기상청 기준을 최우선으로 두고 첨부 내용이 살짝 이해가 가지않아서(매 년도의 봄 시작일을 기준으로 한다고할 때 최소10년이상이라는 표현이 왜 들어가는지..? 기준을 잡기위한 데이터 분석에 대한 이야기인가 싶기도😥). 기상청 기준을 메인으로 잡기는 했으나 5도 이상 올라간 후 다시 내려가지 않는 첫날 => 며칠 동안? 30일 뒤에라도 내려가면 봄 날씨가 아니게되는지..? 하는 등의 의문과 함께 최종적으로는 나무위키에서 정의한 9일 동안의 이동평균을 활용하기로 했습니다. 이유는 시뮬도 몇번 돌려봤을 때, 해당 수식(?) 정의를 기준으로 할 때 기상청에서 말하는 기준에 가장 근접하게 부합했기 때문입니다!

 

봄의 시작일 기준: 9일간 일평균 기온의 이동평균이 5도 이상인 날의 첫 날

마찬가지로 봄 기간을 잡기 위해 여름의 시작일 또한 필요한데, 기상청 기준을 가져와서 9일간 일평균 기온의 이동평균이 20도 이상인 날의 첫 날로 잡아서 진행했습니다.

 

봄 어떻게 변해왔나요?

봄 시작일

year	spring date	year	spring date	year	spring date
1994	1994-03-28	2004	2004-02-16	2015	2015-03-14
1995	1995-03-05	2005	2005-03-18	2016	2016-03-15
1996	1996-03-23	2006	2006-03-17	2017	2017-03-12
1997	1997-03-05	2007	2007-02-21	2018	2018-03-06
1998	1998-02-16	2008	2008-03-07	2019	2019-02-24
1999	1999-02-28	2009	2009-03-13	2020	2020-03-04
2000	2000-03-13	2010	2010-02-22	2021	2021-02-28
2001	2001-03-15	2011	2011-03-28	2022	2022-03-06
2002	2002-03-06	2012	2012-03-24	2023	2023-03-02
2003	2003-03-11	2013	2013-03-06	2024	2024-03-09
		2014	2014-03-13	2025	2025-03-01

 

봄 기간 변화 추이

year	days	year	days	year	days
1994	65 days	2004	102 days	2014	67 days
1995	93 days	2005	70 days	2015	71 days
1996	63 days	2006	73 days	2016	63 days
1997	92 days	2007	93 days	2017	69 days
1998	91 days	2008	94 days	2018	82 days
1999	93 days	2009	71 days	2019	78 days
2000	73 days	2010	100 days	2020	88 days
2001	65 days	2011	58 days	2021	95 days
2002	85 days	2012	57 days	2022	75 days
2003	73 days	2013	78 days	2023	73 days
				2024	73 days

 

의외로 봄 기간의 간격은 두드러지게 짧아진 것 처럼은 보이지 않는다..! 다만, 2010년을 기점으로 튀는 해를 제외하고는 전반적으로 기간이 짧아진 것이 눈에 보인다. 하지만 체감하는 것에 비해 길다고 느껴지는데 어떻게 된 일일까에 대한 깊생..

요즘 상황으로 봤을 때, 일교차가 커진 것(낮 기온은 높고, 아침 기온은 많이 낮은 상태)과 날씨가 급변하는 현상(ex.어제 너무 더워서 이제 여름인가? 했는데 다음날 바로 겨울 날씨 같은 요즘)으로인해 기상청에서 정의한 봄의 시작일 기준으로 한 봄 기간과 체감으로 느끼는 봄 날씨에 간극의 차이가 아닐까 하는 게 개인적인 추측입니다. 

 

1994년 1/1 ~ 2025년 4/21 기온 변화

가져온 데이터 1994년~2025년 4/21까지 서울 기온 변화를 그래프로 그려는 봤는데 역시 예상대로 눈으로 무언가를 판별할 수 있는 형태가 아닌 것을 재확인할 수 있었습니다.🙃 다만 미세하지만 최고-최저점의 편차가 커지는 것같아 보입니다. 

 

1994년 ~ 2024년 년도별 표준편차

 

전반적으로 2010년을 기점으로 표춘편차 값이 미세하지만 높아지고 있는 흐름을 확인할 수 있습니다. 이는 기온의 편차치가 극단적으로 춥거나 극단적으로 더운 날들이 더 많아지고있다고 의심해볼 수 있을 것 같습니다. 위에서 언급했듯이 이러한 현상이 체감하는 봄의 길이가 짧게 느껴지는 데에 일조를 하고있지 않은가 생각해봅니다. 

 

봄 기간 동안 기온의 기초통계량

좀 더 확실히 살펴보기 위해, 일 평균 기온, 일 최저 기온, 일 최고 기온의 기초 통계량도 한 번 살펴보겠습니다.

최저기온, 일평균기온, 최고기온 연도별 중앙값 변화

• 최저 기온 연도별 통계량

year	mean	min	25%	50%	75%	max	std
1994	11.1894	1.3000	8.7250	11.2500	13.9000	18.9000	3.9616
1995	7.7585	-3.6000	3.9500	8.2500	11.7250	16.4000	4.9916
1996	8.0187	-0.9000	4.1750	7.8000	12.3500	16.4000	4.8402
1997	8.6677	-1.4000	5.2000	9.0000	12.4000	17.3000	4.5926
1998	7.4913	-3.2000	2.2250	6.6500	12.0750	18.3000	5.6219
1999	7.5298	-6.2000	2.3000	9.3500	12.3500	18.2000	5.7291
2000	7.9284	-0.5000	4.6500	7.9000	10.8750	17.9000	4.1741
2001	8.5591	-0.5000	5.0250	9.4000	12.2750	17.1000	4.7859
2002	8.8791	-2.9000	5.4000	9.4000	12.9750	17.3000	4.6002
2003	8.9203	0.5000	5.8250	8.9000	11.4750	16.2000	4.1397
2004	6.9136	-5.6000	2.5500	7.5000	12.1000	17.7000	5.9040
2005	8.9789	-1.7000	6.1500	9.1000	12.5500	19.2000	4.5410
2006	8.9919	-0.3000	4.7750	8.9500	13.1000	18.1000	5.0094
2007	6.8223	-7.6000	3.0500	6.6500	11.1000	18.3000	5.4729
2008	9.8505	0.1000	6.1000	9.7000	14.0500	17.6000	4.5652
2009	8.5472	-3.3000	5.3750	9.2000	13.0000	16.4000	5.2823
2010	6.4545	-4.0000	1.6000	5.4000	12.1000	18.2000	5.7675
2011	9.0288	1.7000	6.0500	8.5000	11.7500	18.8000	3.8825
2012	9.3897	-0.2000	5.8250	10.0000	13.7500	19.0000	5.1783
2013	6.2722	-4.0000	2.1000	5.3000	9.9000	17.7000	5.2975
2014	9.1353	-1.5000	6.9750	9.9500	12.0250	15.9000	3.9859
2015	8.7569	-1.2000	5.8750	9.1500	12.3500	17.1000	4.5613
2016	8.5250	-1.0000	6.3750	9.1000	10.8250	16.5000	3.7804
2017	8.7471	0.4000	4.8250	9.2000	12.3000	16.8000	4.3454
2018	8.5916	-1.1000	5.2500	8.9000	11.8000	21.8000	4.9410
2019	5.8139	-1.7000	1.9500	5.6000	9.5000	15.8000	4.5084
2020	7.7326	-2.8000	4.3000	7.2000	12.4000	18.0000	5.3127
2021	8.9865	-1.2000	5.3250	8.5500	12.4250	20.8000	4.8336
2022	8.5789	-3.0000	4.9000	9.1000	12.4250	17.0000	4.9284
2023	7.5149	-1.9000	4.6250	7.7500	11.0000	15.6000	4.2596
2024	9.3959	-2.1000	5.4250	10.8500	12.6500	16.9000	4.7950

 

• 최고 기온 연도별 통계량

year	mean	min	25%	50%	75%	max	std
1994	21.8394	9.5000	19.6500	22.5000	25.1500	28.9000	4.5356
1995	17.2074	4.3000	12.3000	17.4500	22.3500	29.0000	6.0396
1996	17.8781	6.4000	14.0750	17.5000	22.1500	29.5000	5.8088
1997	17.9312	6.2000	14.1000	18.8000	21.3000	27.9000	4.8770
1998	17.0674	2.5000	12.6750	16.6000	21.6000	28.1000	6.0955
1999	17.7936	4.1000	13.4250	17.4500	23.4750	28.2000	6.3962
2000	17.7649	8.3000	14.2000	17.9500	20.6250	30.5000	4.8469
2001	18.6045	7.5000	14.3000	19.5500	22.3750	28.2000	5.6681
2002	18.5535	4.6000	13.6000	18.7500	23.7500	27.7000	5.8278
2003	18.4459	8.5000	13.4000	19.0500	22.9750	29.1000	5.5679
2004	15.9641	-0.8000	11.9000	16.3000	21.6000	27.6000	6.5651
2005	18.3732	7.0000	14.5500	18.5000	22.8000	29.8000	5.3211
2006	18.0365	4.9000	14.1000	18.5500	22.2000	28.3000	5.4434
2007	15.5426	-1.6000	11.7000	14.7000	20.5250	26.1000	6.0071
2008	19.1537	6.0000	14.8500	19.5000	23.4500	28.5000	5.5134
2009	17.9708	4.3000	12.9500	18.8000	22.5000	29.2000	6.1946
2010	14.8802	0.5000	9.6000	14.3000	19.9000	28.6000	6.6157
2011	18.1000	8.4000	15.1500	17.7000	21.4500	28.2000	4.4415
2012	19.2431	6.9000	14.3500	20.1000	24.8000	29.4000	6.3439
2013	16.2127	6.9000	11.7000	15.0000	20.2500	30.2000	5.8755
2014	19.6676	8.3000	16.5250	20.1000	23.4000	28.3000	4.8038
2015	19.6653	8.0000	16.1750	20.0000	23.7000	28.5000	4.8664
2016	19.9766	12.4000	17.4750	19.9500	23.0250	29.6000	4.3732
2017	19.5243	10.9000	15.2750	19.8500	22.7500	30.2000	5.0081
2018	18.5988	5.3000	14.4500	20.0000	23.0500	29.6000	5.5855
2019	16.4291	7.9000	12.4000	15.7000	20.0000	28.9000	5.6144
2020	18.0236	4.6000	14.3000	17.4000	21.8000	30.0000	5.5569
2021	18.8448	6.9000	14.9750	18.7000	22.3250	30.8000	5.0034
2022	18.9039	6.1000	15.0500	18.8000	24.2000	28.7000	5.6503
2023	18.7176	6.6000	15.3250	18.5000	22.4250	28.4000	4.9043
2024	19.8270	7.1000	15.6250	20.7000	24.0750	29.4000	5.5424

• 일 평균 기온 연도별 통계량

year	mean	min	25%	50%	75%	max	std
1994	16.0773	6.4000	14.2750	17.1500	19.3750	22.5000	3.9636
1995	12.3319	0.1000	7.4250	12.5000	17.3750	22.1000	5.3744
1996	12.6328	3.3000	8.4500	14.0500	16.8000	22.5000	5.1802
1997	13.0000	2.4000	9.5000	14.0000	16.4000	21.0000	4.4870
1998	11.9576	-0.6000	7.1750	11.5500	16.7250	22.7000	5.7223
1999	12.6149	-0.8000	8.0750	13.1000	17.4750	21.9000	5.8212
2000	12.5959	4.7000	9.5250	12.5000	15.5000	23.9000	4.2536
2001	13.1212	2.9000	9.3250	13.8000	17.0000	20.8000	5.0282
2002	13.4977	1.2000	9.3250	14.0000	18.3000	21.9000	5.0447
2003	13.4500	5.6000	9.7250	13.8000	17.5000	22.4000	4.7627
2004	11.1078	-3.4000	6.8000	11.5000	16.4500	21.8000	6.1232
2005	13.3577	3.0000	10.2500	13.5000	17.2500	23.5000	4.7866
2006	13.2095	2.9000	9.7000	12.7500	17.6500	22.5000	4.9917
2007	10.8170	-5.0000	7.3750	10.4000	15.2750	20.7000	5.5752
2008	14.1853	4.4000	10.2500	14.8000	18.4000	23.0000	4.8586
2009	12.9861	0.2000	8.7000	14.1000	17.0750	22.4000	5.4790
2010	10.4564	-1.4000	5.8000	9.3000	16.1000	22.1000	5.9458
2011	13.1322	4.8000	10.3000	12.2000	16.4500	22.7000	4.0391
2012	13.8517	3.3000	9.5750	15.1500	18.4750	23.1000	5.6439
2013	10.7848	1.2000	6.4500	9.3000	14.3500	22.1000	5.4569
2014	13.8926	3.4000	11.3000	14.6000	16.3250	20.5000	4.0818
2015	13.8375	4.3000	10.5000	14.1000	17.4500	21.2000	4.4389
2016	13.7422	5.2000	11.1750	13.8000	16.3250	21.1000	3.8657
2017	13.5829	5.8000	9.2000	14.2500	16.7500	21.5000	4.5445
2018	13.2072	2.1000	8.6000	14.2000	17.1500	23.2000	5.1815
2019	10.6873	3.3000	6.8500	9.6000	14.4000	21.6000	4.8595
2020	12.5584	1.4000	9.3000	12.4000	16.5000	22.6000	5.1059
2021	13.5917	2.3000	10.2000	13.8500	17.7250	24.1000	4.6955
2022	13.3618	1.4000	9.6750	13.2500	17.8250	21.9000	5.0122
2023	12.8824	2.2000	9.4250	13.0500	16.5750	21.4000	4.3158
2024	14.2081	2.0000	10.6000	15.1500	17.8750	21.7000	4.8417

각각의 기초통계량만으로는 유의미한 변화가 보이지 않습니다. 한 가지 놀라웠던 건 나름 봄 기간 동안의 데이터만 가지고봤을 때, 최고 기온이 낮게는 26 ~ 30도까지 있다는 사실입니다. 그냥 여름이라고 느낄 날씨들이 끼어있다는 것...일별 일교차(최고기온 - 최저기온) 값의 연도별 평균을 살펴보기로 합니다.

년도별 일교차 평균 중앙값 추이

일교차의 연도별 평균과 중앙값의 변화를 선 그래프로 그려봤는데요. 2010년을 기점으로 일교차의 평균, 중앙값 모두 확연하게 높아진 것을 확인할 수 있습니다. 과거 14,15년 전에 비해 최근 기온차이가 더 극심해졌다고 볼 수 있을 것 같습니다. 또한 그만큼 너무 춥거나 혹은 너무 덥거나 하는 날씨를 체험하면서 흔히들 생각하는 '봄 날씨' 혹은 '좋은 날씨' 를 느껴볼 기회가 더 줄었다고 볼 수 있을 것 같습니다. 

year	mean	std	min	25%	50%	75%	max
1994	10.6500	3.5349	3.2000	8.0250	10.6000	13.4000	18.6000
1995	9.4489	3.1872	2.4000	7.6500	9.3500	11.8750	17.4000
1996	9.8594	2.8100	2.3000	8.3750	10.1000	11.7000	15.3000
1997	9.2634	3.2671	1.7000	7.5000	9.9000	11.5000	15.2000
1998	9.5761	2.6683	2.6000	7.7750	9.6000	11.6250	16.3000
1999	10.2638	3.2414	1.6000	8.5250	10.8000	12.2000	15.9000
2000	9.8365	2.7936	2.2000	8.0000	10.0000	11.8750	14.3000
2001	10.0455	2.7729	3.8000	8.3250	10.3500	11.6750	16.0000
2002	9.6744	3.1180	1.4000	7.5000	9.8000	12.2500	15.4000
2003	9.5257	2.8992	1.8000	7.7500	10.1500	11.3750	14.0000
2004	9.0505	3.1069	2.6000	6.7500	8.7000	11.1500	17.3000
2005	9.3944	2.6112	3.9000	7.9000	9.5000	11.2000	15.1000
2006	9.0446	2.8213	3.7000	7.4000	9.4000	11.0750	14.4000
2007	8.7202	2.4694	2.9000	6.8500	8.6500	10.4750	13.8000
2008	9.3032	2.9431	3.0000	7.4500	9.5000	11.6000	14.9000
2009	9.4236	3.2681	2.5000	7.2500	9.5000	11.9250	16.5000
2010	8.4257	3.0138	1.8000	5.9000	8.7000	10.9000	14.6000
2011	9.0712	2.9402	2.2000	7.2500	9.9000	11.2500	13.9000
2012	9.8534	2.7832	2.1000	8.2250	10.2000	12.0250	14.8000
2013	9.9405	2.7184	3.7000	8.0500	9.9000	11.3500	17.6000
2014	10.5324	2.8197	2.8000	8.3000	11.0500	12.7250	15.4000
2015	10.9083	3.5522	2.1000	9.0250	11.4000	13.4000	18.5000
2016	11.4516	2.8838	4.5000	10.0750	11.3500	12.8000	17.5000
2017	10.7771	2.9178	3.0000	8.7750	11.3500	12.8750	15.7000
2018	10.0072	3.3126	2.3000	7.4500	10.3000	12.6000	17.6000
2019	10.6152	3.0040	3.7000	8.7500	10.2000	12.9000	17.5000
2020	10.2910	2.8962	3.8000	8.3000	10.8000	12.5000	16.5000
2021	9.8583	3.3737	2.5000	7.3000	10.0000	12.1250	17.9000
2022	10.3250	3.1848	1.9000	8.2500	11.1000	12.8750	15.2000
2023	11.2027	3.2995	2.3000	9.4250	11.4000	13.6750	17.2000
2024	10.4311	3.3468	2.3000	8.3000	10.9000	12.6000	16.9000

 

일교차의 전체 기초통계량입니다. 그래프 추이보다 값으로 봤을 때, 1,2도 내외 차이입니다. 일교차가 가장 낮게는 1.6도 가장 크게는 18.6도까지 벌어지는 것을 확인할 수 있습니다. 

 

통계 검정

임의로 가장 최근 5년(2020년~2024년)과 20년 전(2000년~2004년)을 가지고 두 기간 사이에 평균 기온 차이가 있는지를 통계 검정방식으로 확인해보고자 합니다. 일단 두 집단의 평균 차이가 있는지를 보기위한 t-test를 해보려하는데 가장 중요한 정규성가정과 등분산성 가정을 먼저 확인해보고자 합니다.

1) 정규성 검정: shapiro-wilk 테스트를 진행

shapiro_statistics, shapiro_p_value=stats.shapiro(before['avgTa'])
print(f'statistics={shapiro_statistics}, p-value={round(shapiro_p_value,4)}')
# statistics=0.9543117428868358, p-value=0.0

shapiro_statistics, shapiro_p_value=stats.shapiro(after['avgTa'])
print(f'statistics={shapiro_statistics}, p-value={round(shapiro_p_value,4)}')
# statistics=0.9612132587610455, p-value=0.0

 

 

귀무가설: 정규분포를 따른다 vs 대립가설: 정규분포를 따르지 않는다. 가설에 대해 두 그룹 모두 유의수준 5%에서 귀무가설을 기각하기 때문에 정규분포를 따른다고 볼 수 없습니다. 정규성 가정이 불가한 관계로 Mann-Whitney test로 넘어갑니다.(사실상 데이터 수가 30이 넘어가기때문에 중심극한 정리에 의해 정규성 가정을하고 t-test를 진행할 수도 있지만 계산도 가능하고 계산값으로 정규분포 가정이 불가한만큼 Mann-Whitney test 로 진행해봅니다.)

 

2) Mann-WhitneyU test(맨앤휘트니U테스트, 윌콕슨 순위합 검정): 기온이 더 높아졌는지를 보기위한 단측검정을 진행합니다. 

manwhitneyu_statistics, manwhitneyu_p_val =stats.mannwhitneyu(before['avgTa'], after['avgTa'], alternative='less')
print(f'statistics={manwhitneyu_statistics}, p-value={round(manwhitneyu_p_val,4)}')
# statistics=1575334.5, p-value=0.0017

귀무가설: 2020년~2024년 일평균 기온의 평균과 2000년~2004년 일평균 기온의 평균에는 차이가 없다

vs

대립가설: 2020년~2024년 일평균 기온의 평균보다 2000년~2004년 일평균 기온의 평균이 더 낮다

 

위 가설에 대해, 유의수준 5%에서 귀무가설을 기각. 2000년~2004년의 일평균 기온과 2020년~2024년의 일평균 기온에는 차이가 있으며, 2020년~2024년 일평균 기온이 더 높아졌다는 결론을 얻을 수 있습니다. 

 

*t-test(참고)

# H0: 두 집단 분산이 같다 vs H1: 두 집단 분산이 다르다
var_test_stat_df_before_after, var_test_p_val_df_after_p_val = stats.bartlett(before['avgTa'], after['avgTa'])
print(f'statistics={var_test_stat_df_before_after}, p-value={round(var_test_p_val_df_after_p_val,4)}')
# statistics=2.091486724210115, p-value=0.1481

t_val, p_val = stats.ttest_ind(before['avgTa'], after['avgTa'], equal_var=True, alternative='less')
print(f'statistics={t_val}, p-value={round(p_val,4)}')
# statistics=-2.700186446046159, p-value=0.0035

t-test로 진행했을 때도, 단측 검정 귀무가설 기각하는 것 보실 수 있습니다.

그래서 결론이?(5줄 요약)

그래서 마무리 결론은..

봄 시작일과 여름 시작일을 구분하여 봄 기간이 짧아졌는지를 봤을 때, 눈에 띄게 일 수가 줄어든 건 없었다. 다만, 일교차가 예전에비해 커지고있으며, 매 해 년도의 온도 최고점과 최저점의 차이가 커지고 있는 것을 확인했으며 그만큼 너무 춥거나 너무 덥거나하는 날씨 경험이 더 늘어났다고 볼 수 있다. 해당 정보를 통해, '좋은 날씨'/'봄 날씨'에 대한 체감이 줄어들어서 봄이 짧아졌다고 느끼는 걸 수 있다는 추측을 해볼 수 있다. 추가로 mann-whitney 통계 검정을 진행해봄으로써, 최근 5년간 평균기온이 20년전 5년 간의 평균기온보다 높아졌다는 결론을 얻을 수 있었다...!

입니다.

 

Comment

도메인 지식 이슈로 얼레벌레 엉망진창 무언가가 나와버렸네요. 좀 더 기후 관련한 정보를 찾아보고 진행해볼 수 있었더라면 하는 아쉬움이 있습니다.(하지만 작업 늦게 시작한만큼 할 수 없었죠..?) 그래도 나름 이것저것 해봤는데 진행하다보니 쳐내고하면서 남은게 요것...

다음에(언젠가) 디벨롭된 Clean ver.으로 들고올 수 있기를 희망해봅니다..🙇🏻‍♀️

 

(추가) 글빼미 피드백

 

이 글은 기후변화와 봄의 변화를 데이터 분석을 통해 탐구한 흥미로운 연구입니다. 작성자의 노력과 열정이 돋보이는 글입니다. 구체적인 피드백을 드리겠습니다:
장점
- 데이터 기반의 과학적 접근으로 봄의 변화를 체계적으로 분석했습니다.
- 다양한 통계적 방법(이동평균, Mann-Whitney 검정 등)을 활용해 깊이 있는 분석을 수행했습니다.
- 개인적 관찰과 데이터 분석을 결합하여 흥미로운 통찰을 제공했습니다.
개선할 점
- 서론 부분에서 연구 목적과 기대 효과를 더 명확히 제시하면 좋겠습니다.
- 전문용어에 대한 추가 설명을 통해 독자의 이해를 돕는 것이 필요해 보입니다.
- 결론 부분에서 더 명확한 시사점과 향후 연구 방향을 제시하면 더욱 풍성해질 것입니다.

특히 일교차 변화와 기온 편차에 대한 통찰은 매우 흥미롭습니다. 앞으로도 지속적인 데이터 분석을 통해 기후 변화에 대한 깊은 이해를 추구하시길 응원합니다!