원격탐사자료를 이용한 시?공간적으로 분포되어 있는 토양수분산정 및 가뭄평가

Soil Moisture Estimation and Drought Assessment at the Spatio-Temporal Scales using Remotely Sensed Data

  • ABSTRACT

    Based on the soil moisture data assimilation suggested in the first paper (I), we estimated root zone soil moisture and evaluated drought severity using remotely sensed (RS) data. We tested the impacts of various spatial resolutions on soil moisture variations, and the model outputs showed that resolutions of more than 2–3 km resulted in over-/under-estimation of soil moisture values. Thus, we derived the 2 km resolution-scaled soil moisture dynamics and assessed the drought severity at the study sites (Chungmi-cheon sites 1 and 2) based on the estimated soil/root parameters and weather forcings. The drought indices at the sites were affected mainly by precipitation during the spring season, while both the precipitation and land surface characteristics influence the spatial distribution of drought during the rainy season. Also, the drought severity showed a periodic cycle, but additional research on drought cycles should be conducted using long-term historical data. Our proposed approach enabled estimation of daily root zone soil moisture dynamics and evaluation of drought severity at various spatial scales using MODIS data. Thus, this approach will facilitate efficient management of water resources.

  • KEYWORD

    Drought , MODIS , Remotely sensed data , Root zone soil moisture , Soil and root parameters

  • 1. Introduction1

    가뭄은 기후변화로 인하여 발생하는 자연재해 중 하나이며 농업, 자연 생태계, 식량 안보에 큰 영향을 미치기 때문에 경제적 손실을 야기시킨다. 우리나라의 경우 국토의 65% 이상이 산림으로 구성되어 있으며 산림의 식물뿌리는 토양입자와 함께 토양의 지지작용을 하는 동시에 토양수를 저장 할 수 있기 때문에 산림의 토양수분은 산사태뿐만 아니라 장기간의 가뭄이 지속될 경우 수분부족(water stress)으로 인한 산불발생에도 큰 영향을 미친다(Bartsch et al., 2009). 또한 토양수분은 농작물의 뿌리에 수분을 공급하기 때문에 특히 밭농업에 있어서 매우 중요하다. 일반적으로 평야지역에서 재배되는 논의 경우 수리답률(수리시설이 설치되어 관개용수가 안정적으로 확보된 논)이 80.6% 정도로 가뭄발생시 대처방안(관개시설)이 밭에 비해 잘 구축되어 있다. 그러나 밭농업의 경우 산림유역내의 개간지 혹은 관개용수의 이용성을 고려하여 하천 주변의 토지에서 경작되고 있다. 강원도 홍천군은 대표적인 고랭지 밭 지역으로 다양한 작물(무, 감자, 배추, 등)을 재배하고 있으며, 무강우 기간이 지속될 경우 대부분 하천에서 필요한 관개용수를 공급하고 있다. 따라서 기후변화로 인해 발생하는 가뭄피해는 쌀 농업에 비해 밭작물(채소, 과일, 등)이 더욱 취약한 실정이다. 가뭄발생시 이용 가능한 주요 관개용수원인 하천의 유량은 제한되어 있기 때문에 가뭄의 정도에 따라 이용 가능한 수자원을 효율적으로 이용하는 것이 필요하다.

    가뭄평가를 위한 다양한 가뭄지수(Palmer Drought Severity Index-PDSI [Palmer, 1965; 1968], Standardized Precipitation Index-SPI [McKee et al., 1993], Soil Moisture Deficit Index-SMDI [Narasimhan and Srinivasan, 2005], 등)들이 사용되고 있다. 이중 가장 많이 사용되고 있는 가뭄지수는 PDSI와 SPI이다. PDSI는 장기간 기상의 비정상적인 건조/습윤상태에 따른 가뭄상태를 평가하며, SPI 역시 강수량에 따른 기상학적 가뭄을 평가하는데 많이 사용되고 있다. 농업 가뭄은 기상특성뿐만 아니라 지표특성(토양, 작물, 지형, 등)에서도 영향을 받기 때문에 기상자료에 근거하여 가뭄지수를 산정하는 PSDI와 SPI 가뭄지수를 이용하여 실제 농작물에 영향을 미치는 농업가뭄을 평가하데 적합하지 않다. 따라서, 기상특성과 지표특성(토양 및 작물)을 함께 고려할 수 있는 토양수분을 이용하여 가뭄을 평가할 수 있는 SMDI 지수가 농업가뭄에 더욱 적합할 것으로 판단된다.

    최근 advanced microwave scanning radiometer-earth observing system-AMSR-E (Njoku, 2003), soil moisture ocean salinity-SMOS (Kerr et al., 2001) 등과 같은 원격탐사된 토양수분 관측자료가 효율적인 수자원관리를 위하여 많이 사용되고 있다. 원격탐사기법은 1~2일 간격으로 전 지구적으로 지표면의 토양수분을 관측할 수 있으나, 공간적인 해상도 약 25~40 km 정도로 제공되고 있어서 우리나라와 같이 산림이 우세한 산악지형에 적용할 경우 많은 불확실성이 증가하게 된다(Engman, 1991; Entekhabi et al., 1999; Ines et al., 2013; Shin and Mohanty, 2013). 비록 다양한 상세화 알고리즘(Crow, 2000; Ines et al., 2013; Shin and Mohanty, 2013)이 개발되었으나, 여전히 필지 단위에서 발생하는 농업활동에 적용하기 위해서는 공간적인 해상도 문제가 해결되어야 한다.

    우리나라의 경우 상당수의 밭작물(가뭄발생시 관개용수를 위한 비용과 농작물의 판매단가 단가를 고려하여 이윤이 발생할 수 있는 작물)을 재배하는 농경지가 관개용수의 접근성을 고려하여 산림지역의 저지대 하천 인근에 위치하고 있다. 따라서 인공위성 기반의 토양수분 자료를 산악지형인 우리나라에 적용하는 것은 많은 불확실성(소규모 농경지, 경사도 및 지표피복정도, 등)을 고려해야 하며 현실적으로 많은 제약이 따른다. 특히 10 km 격자단위의 경우 픽셀 내부가 약 40~80% 이상이 산림지역이기 때문에 평야지역을 제외한 10 km 이상의 해상도를 지닌 격자단위의 토양수분의 경우 농업가뭄을 제대로 반영하지 못한다. 따라서 이러한 지형적 특성을 고려하여 가뭄을 평가할 수 있는 가뭄평가 기법의 개발이 필요하다.

    본 연구에서는 우리나라의 복잡한 지형특성을 고려하기 위하여 MODIS 이미지 자료와 수문모형 기반의 자료동화 기법을 연계하여 시·공간적으로 분포되어 있는 토양수분 산정 및 농업 산림 가뭄을 평가하였으며, 이를 위해 1) 우리나라 지형특성을 고려한 공간 해상도 결정, 2) 토양수분자료동화기법(Shin and Mohanty, 2015) 기반의 토양의 수리학적 매개변수/작물(뿌리) 변수 추출 및 3) 산정된 수리학적 매개변수/작물(뿌리) 변수와 기상자료를 이용한 장기간의 일별 토양수분 및 가뭄을 평가하였다.

    2. Materials and Methods

    본 연구에서는 첫 번째 논문에서 산정된 원격탐사 자료기반의 시·공간적으로 분포되어 있는 토양수분 자료를 이용하여 장기간의 가뭄을 평가하였다. 토양수분자료동화기법(Shin and Mohanty, 2015)을 이용하여 MODerate resolution Imaging Spectroradiometer (MODIS) 기반의 토양수분 이미지 자료로부터 토양 및 작물 매개변수를 추출하였으며, 추출된 매개변수들과 장기간의 기상관측 자료를 연계하여 일별 토양수분 및 주별 가뭄을 평가하였다.

       2.1. 토양수분 기반의 가뭄평가지수

    토양수분가뭄평가지수(Soil Moisture Deficit Index-SMDI, Narasimhan and Srinivasan, 2005)는 일별 토양수분을 이용하여 주별 가뭄을 평가한다. SMDI 지수는 -4에서 +4의 범위를 가지며 - 값이 클수록 극심한 가뭄을 나타낸다.

    image
    image

    여기서 SDl,m : 토양수분 부족량(%), SWl,m : 주별 평균 토양수분(cm3 cm-3), MSWm : 장기간의 주별 중간값(cm3 cm-3), maxSWm : 장기간의 주별 최대값(cm3 cm-3), minSWm : 장기간의 주별 최소값(cm3 cm-3), l: 모의기간(1973-2014), 및 m = 1-52 주(일년).

       2.2. 원격탐사자료 기반의 토양수분산정

    첫 번째 논문에서는 Scott et al. (2003)이 제안한 회귀식을 MODIS 이미지 자료에 적용하여 500 m × 500 m 해상도의 토양수분을 도출하였다. 산림과 농업지역이 혼합되어 잇는 지역의 지표특성을 나타낼 수 있는 해상도를 결정하기 위하여 30 m × 30 m 고해상도의 LANDSAT 이미지 자료를 이용하여 토양수분을 산정하였다. Table 1은 LANDSAT 및 MODIS 자료의 제원을 나타낸다.

       2.3. 연구유역 및 실험방법

    연구유역은 첫 번째 논문에서 선택한 청미천 유역을 대상으로 하였다. 경사지와 평야지역에서 다양한 해상도에 따른 토양수분변동특성을 분석하기 위하여 경사지에서 토양수분이 측정된 지점을 청미천 지점1 그리고 인근에 평야지역을 청미천 지점2로 선정하였다. 각 지점의 면적은 20 km × 20 km로 하였다. 우리나라의 경우 논은 평야지역에서 재배되는 반면에 밭작물은 산림지역과 혼합되어 재배되는 경우가 많다. LSM 모형 혹은 원격탐사 기반의 토양수분 이미지의 경우 해상도가 10~40 km 정도이며 산림과 밭작물이 혼합되어 있는 경우 밭작물과 산림지역을 구분하는데 있어서 제약이 따른다. 따라서 우리나라의 지형특성을 고려하여 산림과 밭작물을 구분할 수 있는 해상도가 먼저 결정되어야 한다. 본 연구에서는 30 m × 30 m 해상도의 LANDSAT 이미지 자료를 이용하여 공간적으로 분포되어 있는 토양수분을 산정하였다. 이후 Resampling을 통하여 고해상도(finer-scale)를 저해상도(coarse-scale)로 변환하였다. 해상도에 따른 토양수분의 변화특성을 분석하여 우리나라의 지표특성을 고려할 수 있는 공간해상도를 결정하였다. LANDSAT 이미지 자료는 30 m × 30 m의 상대적으로 고해상도 자료를 제공하지만 약 한달에 1~2회 정도 지표면을 측정하기 때문에 연속적인 시계열 특성을 나타내는데 있어서 큰 제약이 따른다. 따라서, LANDSAT 이미지 자료를 이용하여 공간적인 해상도가 결정되면 상대적으로 연속적인 시계열 자료를 제공할 수 있는 MODIS 이미지 자료를 이용하여 시·공간적으로 분포되어 있는 토양수분을 도출하였다.

    3. Results and Discussion

       3.1. 공간적으로 분포된 토양의 수리학적 및 작물 매개변수

    Fig. 2는 청미천 유역의 산악지형(청미천 지점1, Fig. 2(a))과 평야지역(청미천 지점2, Fig. 2(b))의 공간적으로 분포되어 있는 토양수분 분포를 나타낸다. 청미천 지점1에서는 전체 유역의 좌측 상단, 중간 및 하단 부분에서 지형특성에 따라 토양수분이 높게 나타났으며, 청미천 지점2에서는 전체적으로 건조한 수분특성을 보였다. Fig. 3Fig. 2의 LANDSAT (30 m × 30 m) 자료의 해상도를 Resample하여 30~9,600 m 해상도로 변환했을 때에 토양수분이 0.2 cm3 cm-3 이하인 격