02 다중 지표수문해석 모형을 이용한 토양수분 예측 및 가뭄 평가
김 종 건
강원대학교 농업생명과학연구원 / 연구원kimjg23@gmail.com
1. 서 언
불투수층에서의 지표 하 유출 흐름은 물 수지 분석에 있어 중요한 수문 과정이며, 지표에서의 물과 에너지 흐름에 유효한 영향을 미친다. 지표 하 유출 즉 토양 수분은 강우 발생 시 지표 유출과 침투량을 결정할 뿐만 아니라 증발산량과 지하수로의 유입되는 물의 양을 결정하는 데 중요한 역할을 한다(그림 1). 또한 토양 수분은 유역 내 유출과 밀접한 연관이 있 으며 그로 인한 비점오염원의 발생에도 유효한 영향을 미친다.
효율적인 물 관리를 위해서는 토양 내 수분의 거동에 대한 선행적인 이 해가 요구된다. 또한 토양 수분의 정도는 유역 내 홍수 및 가뭄과 밀접한
그림 1. 물 순환 시스템과 토양수분의 역할
그림 2. 최근 미국 텍사스 주에서의 가뭄 모니터링 분석
그림 3. International Soil Moisture Network (ISMN)에 포함된 전 세계 토양수분 측정소
연관이 있어 유역 내 물 관리에 있어 중요한 수문 컴포넌트이다. 미국 텍사스 주에서는 과거 기상 자료(강수량과 온도) 분석을 통해 지난 2011년 극 심한 가뭄이 발생한 것을 알 수 있었으며, 과거 10년 치의 토양수분 자료를 분석한 결과 전반적 으로 토양수분의 정도가 낮아지는 경향을 보였고 이를 통해 최근 가뭄의 피해가 잦아지는 현상을 알 수 있었다. 그림 2에서 나타난 바와 같이 2011 년 실제 텍사스 전체 주에서 극심한 가뭄이 발생
했음을 가뭄 모니터링을 통해 확인할 수 있다. 토 양 수분의 중요성은 전 세계적으로 인지되고 있 으며 International Soil Moisture Network를 설립하여 전 세계 토양 수분 측정소를 구축하고 그 자료를 관리하고 있다(그림 3). 반면, 우리나 라에서는 토양 수분의 중요성은 인지되고 있으나 상대적으로 그 자료와 네트워크 구축이 미비한 실정이다.
National Climatic Data Center (NCDC)에
서는 모니터링 및 다양한 모델링 기법을 통해 가 뭄 평가 및 예측 정보를 제공하고 있다. 이에 토 양수분은 가뭄 평가 시 중요한 요소가 될 수 있으 며 가뭄 예측 시 가장 영향력 있는 수문 컴포넌트 이다. 토양 수분은 point-scale (현장 조사)에서 remote sensing-scale (위성영상자료)까지 다 양한 스케일에서 다양한 방법으로 측정되고 있 다. 현장 조사를 통한 토양 수분 자료 구축은 위 성영상자료에 비해 정확하며 깊은 토양층에 대한 정보를 획득할 수 있는 장점이 있으나, 상대적으 로 넓은 지역에 대한 자료 획득에서는 비용이나 시간적인 측면에서 비효율적이다. 반면, 위성영 상자료는 글로벌 혹은 지역 스케일과 같은 넓은 지역에 대한 정보를 제공할 수 있으나 측정 자료 에 대한 검증이 필요하며 지표 하 5 cm에 대한 토 양수분만 측정 가능하여 깊은 토양층에 대한 정 보 획득에는 한계가 있다.
이러한 모니터링 자료의 한계점을 보완하기 위 해 다양한 지표수문해석 모형들이 개발되어왔으 며 이를 이용한 물 순환 시스템 내 다양한 수문 컴 포넌트에 대한 분석이 가능하다. 또한 모델링을 통해 토양 수분의 거동 예측이 가능하며 이에 대 한 다양한 연구들이 진행되어오고 있다. 그러나 이러한 다양한 지표 수문 모형들에 대한 수행 능 력 및 적용성 평가가 우선시 되어야 한다. 기존의 지표수문해석 모형들은 각기 다른 모형 구조와 매개변수로 구성되어 특정 지역에 대한 모의 결 과 산출에 있어 불확실성이 있다. 즉, 기존 하나 의 모형을 통한 수문 분석 및 유역 관리에는 한계 가 있다. 이러한 단점을 보완하기 위해서는 다양 한 지표수문해석 모형들의 장점 및 단점 분석을 통해 각 모형의 강점만을 도출하여 활용할 수 있 는 다중모형 분석 방법이 필요하다. 다중모형을 이용한 수문 분석은 토양 수분뿐만 아니라 지표
유출 및 증발산량 예측에서도 모의 정확성을 향 상시킬 수 있을 것이다. 또한 향후 기후변화에 따 른 가뭄 평가 시 다양한 지표 모형들의 적용을 통 한 정확한 수문 분석이 요구된다.
2. 지표 수문 모형을 활용한 국내외 연구 현황 및 한계점
국외에서는 다양한 지표수문해석 모형을 물과 에너지 수지 분석에 활용하여 왔다(Ek et al., 2011). 이러한 다양한 내부 수문분석 구조를 가 지고 있는 모형들은 특정 수문과정 분석에 있어 각기 다른 장점과 단점을 나타내고 있다(Hsu et al., 2009). 그로인해 동일한 조건에서 모의 결 과가 상이하게 나타나는 경향을 볼 수 있다. 이러 한 단점을 보완하기 위해 Bayesian Model Averaging (BMA) 기법이 개발되어 모형의 구조적인 불확실 성을 줄였다(Hoetting et al., 1999; Raftery et al., 2005). 또한 기존 연구에서는 다양한 수 문 모형으로부터 모의된 결과를 평균하기 위해 전체 모의기간에서 각 모형 당 하나의 가중치만 을 적용하여 다중 모형 분석을 실시하였다(Ajami et al., 2007). 그러나 모형 당 하나의 가중치만 으로는 전 모의 기간 및 토양 수분의 전 범위를 정 확하게 모의하기에는 한계가 있다(Kim et al., 2015). 그리하여 지표의 수분정도에 따른 임계값 을 설정하여 다중 가중치를 적용하여 모형의 결 과를 평균화하는 기법이 필요하다.
국내에서는 전지구 수문해석도구로 지표수문 해석 모형을 활용하여 국내 가뭄해석에 적용하여 그 가능성 평가에 대한 연구가 진행되어왔다(손 경환 등, 2011). 또한 지표수문해석 모형을 이용 하여 지표면 조건의 변화를 매개변수의 통계적인 특성을 변화를 고려하여 토양수분 예측의 반응을
그림 4. 토양 수분 모의를 위한 다양한 지표수문해석 모형의 구조적 특성
연구한 바 있다(유철상, 1998). 국내에서도 토양 수분 예측에 관한 다양한 연구가 진행되어 왔지 만 다른 수문 컴포넌트에 비해 미비한 실정이며 다중 모형을 활용한 정확한 토양수분 예측에 관 한 연구가 필요한 실정이다.
3. 다양한 지표 수문 모형의 구조의 이해
토양 수분, 지표 유출, 증발산량, 지하수 함량 등의 수문 분석을 위해 다양한 수문 모형들이 개 발되고 국내외에서 널리 활용되고 있다. 토양 수 분 모의를 위한 대표적인 지표수문해석 모형으로 는 Noah Land Surface Model (Noah LSM), Soil-Water-Atmosphere-Plant (SWAP), Community Land Model (CLM), Variable Infiltration Capacity, and Mosaic Land Surface Model (Mosaic LSM) 등이 있다. 이러한 지표 모형들은 GLDAS (Global Land Data Assimilation Systems) / NLDAS (North American Land Data Assimilation System)과 같은 자료 동화 시스템에서 물 / 에너 지 수지 평가 및 가뭄 평가에 활용되고 있다. 그 림 4에서 보이는 지표수문해석 모형들은 현재 국 내외에서 토양 수분 분석을 위해 널리 활용되고 있는 모형들이다. 그러나 이러한 지표수문해석
모형들은 서로 다른 모형의 구조와 매개변수들로 구성되어 있어 동일한 수문 컴포넌트 모의에 있 어서 서로 다른 예측 결과를 산출하는 불확실성 을 가지고 있다. 그로인해 각 모형들은 특정 수문 과정 혹은 지표의 수분 정도에 따라 토양 수분 예 측의 장점과 단점을 보이고 있다. 따라서 우선적 으로 다양한 지표수문해석 모형들에 대해 구조적 인 특성을 이해하고 각 모형의 강점들을 도출하 여 정확한 토양 수분에 예측이 필요하다.
4. 각 지표수문해석 모형의 구조적 특성에 따른 매개변수 불확실성 분석
토양 수분 모의를 위한 지표 모형의 매개변수 는 각 모형의 구조적인 특성으로 인해 서로 다른 매개변수가 적용되거나 서로 다른 변수의 범위를 가지고 있다. 그림 5에서 보이는 바와 같이 현재 널리 활용되고 있는 3개의 지표수문해석 모형은 모두 Richards’ equation을 기반으로 토양 수분 을 모의하지만 서로 다른 구조적 특성으로 인해 서로 다른 매개변수 및 변수의 범위를 가지고 있 으며 이는 상이한 모형 모의 결과를 초래한다. 그 리하여 유전자 알고리즘 혹은 DREAM 알고리즘 을 이용한 개별적인 모형의 매개변수 최적화 과
그림 5. 지표수문 모형의 구조적 특성에 따른 여러 매개변수의 분석을 통한 불확실성 검토
그림 6. 베이지안 통계 기법을 기반으로 한 다중 지표모형 모의 분석
정이 요구되며 이를 바탕으로 매개변수의 불확실 성이 분석이 필요하다. 각 모형의 최적화된 매개 변수 산정을 통해 일별 토양 수분 모의가 가능하 며 실측 자료와의 비교 분석 후 지표의 수분 정도 에 따른 각 지표수문해석 모형의 구조적 장점 및 단점 분석을 통해 하나의 모형 적용을 통한 불확 실성이 개선될 수 있을 것이다.
5. 다중 지표 모형을 활용한 토양 수분 거동 예측
각 지표수문해석 모형의 구조적 특성 파악 후 다중 모형 모의 방법으로 베이지안 통계 기법이
활용되고 있다. 베이지안 통계 기법은 다양한 모 형 모의 결과의 사전 분포를 바탕으로 각 모형의 가중치를 산정하여 효과적인 토양 수분 모의 결 과를 도출할 수 있다(그림 6). 식 (1)은 각 지표수 문해석 모형의 예측치가 주어졌을 때 베이지안 예 측 값(다중 모형 기반의 토양 수분 예측치)에 대한 사후 분포를 나타내며, 사후 평균값과 분산은 식 (2)와 (3)에 의해 산정되어 진다. 최적의 다중 모형 모의 예측치를 산출하기 위한 각 지표수문해석 모 형의 가중치(wi)와 분산(σ2)은 식 (4)에 산정된다.
⋯ (1)
그림 7. 베이지안 통계 기법을 기반으로 한 다중 모형 모의 분석
(2)
(3)
log
(4)
다양한 지표수문해석 모형은 지표의 수분 정도 에 따라 모형 수행능력이 상이하게 나타날 수 있 다. 지표의 수분 정도를 구분하기 위한 적정 임계 값의 산정이 필요하고 이는 적용 지역의 기후 특 성에 따라 달라질 수 있다. 따라서 해당 연구지역 에 대한 지표의 수분 정도에 대한 임계값을 산정 하여 이를 통한 효과적인 일별 토양 수분 모의 값
을 도출이 필요하다. 이렇게 도출된 해당 연구지 역에 대한 적정 임계값, 가중치, 분산 값을 바탕 으로 기존의 가뭄 분석 및 평가 방법을 개선할 수 있을 것이다.
그림 7은 Kim et al. (2015)의 연구에서 다중 지표모형을 활용하여 각 모형에 대한 매개변수와 모형의 구조적 불확실성을 평가하기 위한 모의 분석 방법을 보여준다. 하나의 수문 모형을 이용 한 모의 결과 분석이 아닌, 다양한 모형들의 강점 을 적용할 수 있는 다중 지표 모형 분석은 보다 정 확한 수문 분석이 가능할 것이며 이를 바탕으로 보다 신뢰할 수 있는 가뭄 예측이 가능할 것이다.
다중 지표 모형을 통해 예측된 토양수분 자료는 기존 개발된 SMDI (Soil Moisture Drought Index) 와 같은 가뭄 평가 기법에 적용될 수 있으 며 보다 효율적인 가뭄 예측 시스템 개발에 기초 자료가 될 수 있을 것이다.
그림 8. 다양한 스케일에 대한 토양수분 모니터링
6. 결 언
국외 사례를 보면 현재 미국에서는 다양한 기 후 모형을 통해 전국 단위로 실시간 가뭄 평가가 이루어지고 있으며 가뭄 예측을 통해 사후 관리 가 아닌 선제적 대응체계 구축을 통해 가뭄과 같 은 기후변화에 따른 이상 기후에 대비하고 있다.
또한 미국을 비롯한 선진국에서는 인공위성영상 자료를 활용한 토양 수분 모니터링 및 다양한 수 문 해석에 대한 연구가 활발히 진행되어 오고 있 다(그림 8). 반면 국내에서는 관련 연구가 미비한 실정이며 토양 수분 측정 및 활용에 대한 연구가 활발히 진행되고 있지 않아 관련 교육 자료 및 수 문 해석 자료가 미비하다. 그리하여 국내에서도 토양 수분이 물 순환 시스템에서 수문 해석에 미 치는 영향에 대한 다양한 연구가 필요하며, 다양 한 지표수문해석 모형에 대한 분석으로 보다 폭
넓은 수문해석 방법 도출을 통해 보다 실용적인 수문관리 및 가뭄 예측 방법의 개선이 필요할 것 이다.
참고문헌
1. Ek, M., Y. Xia, E. F. Wood, J. Sheffield, B.
Cosgrove, and K. Mo, 2011, The North American Land Data Assimilation System: Application to Drought over CONUS, AGU, Fall Meet., Abstract GC31A-1015.
2. Hsu, K. L., H. Moradkhani, and S. Sorooshian, 2009, A sequential Bayesian approach for hydrologic model selection and prediction, Water Resour.
Res., 45, W00B12, doi:10.1029/2008WR006824.
3. Hoetting, J. A., D. Madigan, A. E. Raftery, and C.
T. Volinsky, 1999, Bayesian modeling averaging:
A tutorial, Stat. Sci., 14(4), 382-417.
4. Raftery, A. E., T. Gneiting, F. Balabdaoui, and M.
Polakowski, 2005, Using Bayesian model averaging to calibrate forecast ensembles, Mon. Weather Rev., 133:1155–1174.
5. Ajami, N. K., Q. Y. Duan, and S. Sorooshian, 2007, An integrated hydrologic Bayesian multimodel combination framework: Confronting input, parameter, and model structural uncertainty in hydrologic prediction, Water Resour. Res., 43, W01403, doi:10.1029/2005WR004745.
6. Kim, J, B. P. Mohanty, Y. Shin, 2015 Effective Soil Moisture Estimate and its Uncertainty using Multi-Model Simulation based on Bayesian Model Averaging, J. Geophys. Res. Atmos., 120, doi:10.
1002/2014JD022905.
7. 손경환, 배덕효, 정준석, 2011, 지표수문해석모형 을 활용한 국내 가뭄해석 적용성 평가, 한국수자원 학회, 44(8):667-681.
8. 유철상, 1998, 지표면 조건의 변화에 따른 토양수 분의 변화 평가, 한국수자원학회, 31(6):798-806.
