Characteristics of Greenup and Senescence for Evapotranspiration in Gyeongan Watershed Using Landsat Imagery

水 工 學

第31卷 第1B 號·2011年 1月 pp. 29 ~ 36

Landsat 인공위성 이미지를 이용한 경안천 유역 증발산의 생장기와 휴면기 분포 특성 분석

Characteristics of Greenup and Senescence for Evapotranspiration in Gyeongan Watershed Using Landsat Imagery

최민하*·황교택**·김태웅***

Choi, Minha

^·

^·

···

Abstract

Evapotranspiration (ET) from the various surfaces needs to be understood because it is a crucial hydrological factor to grasp interaction between the land surface and the atmosphere. A traditional way of estimating it, which is calculating it empirically using lysimeter and pan evaporation observations, has a limitation that the measurements represent only point values. How- ever, these measurements cannot describe ET because it is easily affected by outer circumstances. Thus, remote sensing tech- nology was applied to estimate spatial distribution of ET. In this study, we estimated major components of energy balance method (i.e. net radiation flux, soil heat flux, sensible heat flux, and latent heat flux) and ET as a map using Mapping Evapo- Transpiration with Internalized Calibration (METRIC) satellite-based image processing model. This model was run using Landsat imagery of Gyeongan watershed in Korea on Feb 1, 2003 and Sep 13, 2006. Basic statistical analyses were also con- ducted. The estimated mean daily ETs had respectively 22% and 11% of errors with pan evaporation data acquired from the Suwon Weather Station. This result represented similar distribution compared with previous studies and confirmed that the METRIC algorithm had high reliability in the watershed. In addition, ET distribution of each land use type was separately examined. As a result, it was identified that vegetation density had dominant impacts on distribution of ET. Seasonally, ET in a growing season represented significantly higher than in a dormant season due to more active transpiration. The ET maps will be useful to analyze how ET behaves along with the circumstantial conditions; land cover classification, vegetation density, ele- vation, topography.

Keywords :

···

요 지

다양한 형태의 지표면에서 일어나는 증발산은 지표면과 대기 사이의 상호작용을 이해하기 위해 꼭 필요한 수문학적 인자 이다. 일반적으로 증발산은 증발접시, 침루계 등을 이용하여 경험적으로 측정하는 방법을 쓰고 있지만 한 지점에만 국한되어 적용되는 단점이 있어 외부환경에 대한 변동성이 큰 증발산의 공간적인 분포를 정확하게 알기 어렵다. 따라서 이러한 점들 을 보완하고 해결하기 위해 원격탐사를 이용하여 증발산의 공간적인 분포를 산정하였다. 본 연구에서는 에너지 수지 방법을 기반으로 한 원격 이미지 처리 모형인 Mapping EvapoTranspiration with Internalized Calibration(METRIC) 모형을 이용 하여 2003년 2월 1일, 2006년 9월 13일 Landsat 위성 관측 이미지를 경안천 유역에 적용, 에너지 수지식의 각 항을 이루 는 순복사 에너지, 토양열 플럭스, 현열 플럭스, 잠열 플럭스 및 증발산을 통합적으로 처리하여 지도로 나타냈다. 모형 결과 의 검증을 위한 기본 통계분석을 실시하였고 수원 기상청의 증발접시 증발량과 비교하여 각각 22%, 11%의 오차를 보여 모형이 유역 내에서 높은 신뢰성을 보인다는 것을 확인하였다. 또한 토지 피복 현황에 따른 증발산의 공간적 분포 경향을 분석하였고, 그 결과 식생의 밀도가 전반적인 증발산량 분포에 큰 영향을 준다는 것을 확인하였다. 계절적으로는 식생의 활 동이 활발하게 일어나는 생장기의 증발산이 휴면기에 일어나는 증발산보다 더 큰 값을 보였다. 작성된 증발산 지도는 향후 유역 내 토지 피복, 식생 분포, 고도, 지형 등 외부 인자들의 변화에 따라 증발산이 어떠한 거동을 보이는지를 파악할 때 유용하게 이용될 것이다.

핵심용어 : 증발산, 에너지 수지, Landsat, METRIC, 원격탐사

···

*정회원·교신저자·한양대학교공과대학건설환경공학과조교수

(E-mail : [email protected])

**한양대학교공과대학건설환경공학과석사과정

(E-mail : [email protected])

***정회원·한양대학교공학대학건설환경공학과조교수

(E-mail : [email protected])

1. 서 론

증발산은 토양으로부터 발생하는 증발과 식생으로부터 일 어나는 증산 과정을 통해 많은 양의 물을 대기로 운반하는 과정으로 , 수문학은 물론 기상학 , 기후학 , 생태학 , 농학 등 관련 학문의 연구에 큰 영향을 준다 . 또한 이를 정량화함으 로써 수자원 관리 , 관개 사업 계획 , 수문학적 물수지 분석 등 관련 실무 사업에 효율적이고 정확한 정보를 제공해 줄 수 있다 (Allen et al ., 2007a). 국내외에서는 증발산을 보다 정확하게 관측하기 위한 시도가 활발하게 이루어지고 있으 며 , 일반적으로 증발접시 (evaporation pan), 침루계 (lysimeter)

등의 측정 장비를 이용하여 실측하거나 Eddy covariance technique, Bowen ratio method 등을 이용하여 경험적으로 산정하고 있다 . 그러나 이러한 지상 관측 방법은 날씨 및 주변 환경의 영향에 민감하게 반응하기 때문에 공간적인 분 포 현황을 산정하거나 해석하기 어렵다 . 따라서 공간적인 정 확도가 확보된 증발산 값을 주기적으로 얻기 힘든 단점이 있으며 , 인공위성에 탑재된 열적외선 센서를 이용 , 원격탐사 기술을 적용한다면 이러한 단점을 보완할 수 있다 (Kustas ^et

al ., 2007; Jiang and Islam, 2001).

최근 인공위성 관측 데이터를 에너지 수지 방법에 적용 ,

다양한 형태의 에너지 플럭스 분포를 지도화하려는 연구가 활발하게 진행되고 있으며 , 결과물이 해당 지역의 지형 및 토지 피복 상태 등 지형학적인 특성을 고려한 값을 나타낼 수 있도록 모형을 개선하고자 하는 연구 또한 이루어지고 있다 (Kustas and Norman, 1999; Jiang and Islam, 2001;

Allen ^{et al} ., 2007a; Choi ^{et al.} , 2009). ^{원격탐사 기반}

에너지 수지 모형은 반영하는 관련 외부 보조자료의 종류와 에너지 플럭스 교환 산정 및 주요 매개변수 등 알고리즘의 구조에 따라 다른 결과를 나타낸다 . 본 연구에서는 Landsat 5 Thematic Mapper(TM) ^및 Landsat 7 Enhanced Thematic Mapper Plus(ETM

) 위성 관측 이미지를 이용 , Mapping EvapoTranspiration with Internalized Calibration(METRIC)

원격 이미지 처리 모형을 적용하여 일증발산의 공간적인 분 포를 나타내었다 .

2007 년에 발표된 METRIC 모형은 최근에 만들어진 증발

산 산정 모형 중 하나로 아직 연구 지역에 대한 적용 및 다른 증발산 산정 모형과의 비교 연구가 활발하게 이루어지 지는 않고 있다 . Allen et al. (2007b) 은 Landsat 5 TM 과

Landsat 7 ETM

위성 이미지를 이용하여 미국 Idaho 주 남부 , California 주 남부 , New Mexico 주에 대해 METRIC

모형을 적용 , 미국 서부 지역에 대한 모형의 적용성을 확인 하였다 . ^{특히 식물의 생장기간동안} Idaho ^주 Bear River ^유

역의 초지와 Idaho 주 Kimberly 근처 사탕무 재배 지역에

대해 침루계 관측 데이터와 비교하여 METRIC 증발산의 오

차가 각각 4%, 1% 에 불과하였고 각 격자의 표준편차가 각

각 13~20% 의 범위를 보이는 등 높은 적용성을 보였다 .

Choi et al .(2009) 에서는 각기 다른 증발산 모형인 METRIC

모형과 Two-Source Energy Balance(TSEB), Trapezoid Interpolation Model(TIM) 모형을 미국 Iowa 주 Ames 에 위치한 Walnut Creek watershed 에 대해 적용하였다 . 그 결 과 , 순복사 에너지 플럭스와 토양열 플럭스는 플럭스 타워

관측값과 비교하여 세 모형 모두 20~30 W m

의 근소한 Root Mean Square Error(RMSE) 값을 가졌으나 현열 플럭스와 잠열 플럭스 분포는 비교적 넓게 산개하였으며 , METRIC

모형과 TSEB 모형은 평균 38 W m

의 양호한 RMSE

값을 보인 반면 TIM 모형은 평균 100 W m

으로 관측치 와 다소 차이를 보였다 . 또한 모형 비교 연구를 통해 식생

분포가 조밀한 지역에 대한 METRIC 모형 적용에 있어서

최소 증발산값을 적절하게 조정한 hot pixel 지점에서의

reference ET fraction(ETrF) 을 산정하는 과정이 중요하다는 것을 밝혔다 .

적극적인 연구활동이 이루어지고 있는 국외 연구 추세에

비해 국내에서 Landsat 위성 관측 이미지를 이용한 증발산

연구는 활발하게 이루어지고 있지는 않다 . 현재 METRIC

모형에 대한 국내 적용 연구는 이루어지고 있지 않고 있으 나 알고리즘의 기반이 되는 모형인 Surface Energy Balance Algorithm for Land(SEBAL) 모형에 대한 연구는 발표되었 다 . 유진웅 (2003) 은 각각 1995 년 1 월 11 일 , 4 월 1 일 , 5 월

3 일 , 10 월 10 일 , 10 월 27 일에 관측한 Landsat 5 TM 관측

이미지에 SEBAL ^{모형을 금강 상류의 보청천 유역에 적용}

하여 동일한 시기의 위성 영상과 기상 자료를 이용한 선행 연구결과인 채효석 (1998) 의 Morton 법 기반 증발산과 비교

하여 토지 피복 종류별로 대부분 13% 이하의 낮은 오차를

보이는 등 모형의 국내 적용성을 확인하였다 . 또한 하림 등

(2010) 은 2001~2004 년 사이에 취득된 Landsat 5 TM 및

Landsat 7 ETM

이미지 ( 총 15 개체 ) 및 같은 기간의

Moderate Resolution Imaging Spectroradiometer(MODIS) 위 성 이미지 데이터를 이용하여 한강의 지류 중 하나인 경안

천 유역을 대상으로 SEBAL 모형을 적용하였다 . Landsat

TM/ETM

와 MODIS 이미지를 이용한 증발산을 Food and Agriculture Organization(FAO) Penman-Monteith 에 의해

산정된 증발산과 비교하여 각각 연평균 -5.7%, 11.5% ^{의 낮}

은 오차를 얻었다 . 하지만 산정된 공간증발산 지도에 대해 실측치와의 면밀한 공간분석이 미흡한 것으로 판단되는데 이 는 에너지 수지식에서 산정되는 현열플럭스를 Monin-

Obukhov ^{이론에 맞게 완전히 수렴시키지 못한데서 원인을}

찾을 수 있을 것이다 . 또 하나의 원인으로는 SEBAL 모형

에서 경계조건 선정시에 wet pixel 에서 현열플럭스 =0 으로

가정함으로서 실제의 토양수분영향에 대한 사항을 무시하기

때문인 것으로 판단된다 . 이와는 상반되게 METRIC 모형에

서는 이의 단점을 보완하였으며 , 특히 인공위성이 취득된 시 점의 실제 기상데이터를 사용함으로서 모형의 실용성을 향 상시켰다 .

본 연구에서는 2003 년 2 월 1 일과 2006 년 9 월 13 일에 각 각 스캔한 Landsat 7 ETM

및 Landsat 5 TM 위성 이미

지를 경안천 유역에 적용하여 METRIC 모형으로 증발산 지

도를 제작함으로써 계절에 따른 증발산 분포의 특성에 대해 알아보고자 하였다 . 또한 기본적인 통계 분석을 이용하여 공 간적으로 산정된 에너지 수지 인자의 분포를 파악함으로써 유역 내 각 에너지 수지 인자의 공간적인 변동성을 알아보 고자 하였다 . ^{특히 유역 평균 증발산에 대해 각 토지 피복}

별 평균 증발산을 구함으로써 토지 피복에 따라 나타나는

증발산 거동을 이해할 수 있었다 . 연구에 적용된 METRIC

모형에서 이용하는 위성 이미지인 Landsat 위성 데이터 이

미지는 30 m×30 m 의 고해상도 위성 이미지로 수백 km 에

달하는 지역을 정확하고 높은 품질로 스캔하였기 때문에 유 역 규모의 연구에 적합하다 (Allen et al ., 2007a).

2. 연구 지역 및 적용 위성 이미지

경안천은 우리나라의 평균적인 기후 특성을 나타내는 대표 적인 중규모 하천이다 . 현재 수도권의 상수도원으로 쓰이고 있는 이 하천은 한강의 지류 중 하나로 경기도 용인시와 광

주시를 거쳐 팔당호로 흐른다 . 하천 유역은 Fig. 1 과 같이

북위 37

09' 40''~37

29' 27'', 동경 127

08' 06''~127

26' 50" 에 걸쳐 형성되어 있으며 유역의 약 60% 가 산지 , 약 20% 가 경작지로 이용되고 있다 . 유역의 넓이는 561 km

, 평균 고 도는 154 m, 평균 경사는 28.8% 이며 (Fig. 2), 이 유역의 연 평균 기온은 10.9°C, 연 평균 강우량은 1200.5 mm 이다

( 박종윤 외 , 2008).

본 연구에서는 2003 년 2 월 1 일과 2006 년 9 월 13 일에 각

각 연구 지역을 스캔한 인공위성 이미지인 Landsat 7

ETM

및 Landat 5 TM 위성 이미지를 United States Geological Survey(USGS) website(http://www.usgs.gov/) 에 서 구입하여 활용하였다 . 1998 년에 발사된 Landsat 7

ETM

관측 센서가 더욱 향상된 질의 관측 이미지를 제공하

지만 2003 년 5 월에 센서에 손상을 입어 Scan Line Corrector(SLC) 가 정상적으로 작동하지 않는다 . 따라서 2003

년 6 월부터 관측되는 이미지는 모두 SLC-off 모드가 적용되 며 , ^{이로 인해 관측 이미지에 뒤틀리고 왜곡된 부분이 생기}

고 있다 (Markham et al ., 2004). 따라서 SLC 가 정상 작동 하는 2003 년 2 월 1 일에 대한 위성 이미지는 Landsat 7 ETM

이미지를 , SLC 가 작동하지 않는 2006 년 9 월 13 일에 는 Landsat 5 TM ^{이미지를 연구에 적용하였다} .

연구지역 주변의 기상 관측소는 유역으로부터 약 10 km

떨어진 수원 기상대가 유일하다 . 따라서 풍속 , 증기압 등 모 형의 입력자료로써 활용한 기상 데이터와 검증에 이용한 증 발접시 증발량은 이 관측소의 데이터를 활용하였다 . ^{위성 이}

미지를 촬영한 날인 2003 년 2 월 1 일과 2006 년 9 월 16 일에 대한 기상 관측치를 Table 1 에 나타내었으며 , 연구에 적용한 증발접시 관측치는 각각 1.8 mm( 소형 증발접시 ), 4.4 mm ( 대형 증발접시 ) 이다 ( 기상청 홈페이지 ). 2003 년 2 월 1 일 관측

Fig. 1 Geographic Location and a Land Use Map of Gyeongan Watershed (In the land use map, 1=water, 2=urban, 3=bare soil, 4=wetland, 5=grass, 6=forest, 7=rice paddy, 8=cropland)

Fig. 2 Digital Elevation Model (DEM) of Gyeongan Watershed

(m)

당시에는 대형 증발접시가 설치되어 있지 않아 소형 증발접 시 관측치를 사용하였다 . 관측치에는 각각 0.72( 소형 증발접

시 ), 0.75( 대형 증발접시 ) 의 증발접시계수가 적용되어 해당

일에 대해 1.3 mm, 3.3 mm 를 연구 지역의 평균 증발산

값으로써 사용하였다 ( 최원호 외 , 2010; Allen et al ., 1998).

3. METRIC 모형

METRIC 모형은 SEBAL 모형을 개선하여 미국 내 적용

성을 높이기 위한 목적으로 개발되었다 (Allen et al. , 2007a;

Bastiaanssen et al ., 1998). Landsat TM 이미지는 단파장 과 열 정보를 제공하며 , 이를 이용하여 에너지 수지 방법을 적용 , 에너지 수지식의 잔여 에너지 플럭스로써 증발산을 산 정한다 . 이 모형은 기본적으로 지표와 대기 사이의 물리적 관계를 기반으로 하고 있어 모형의 정확도가 항상 높은 수 준으로 보장되고 , 여기에 경험상수 , 경험적으로 유도된 인자 사이의 관계 등을 이용하여 모형 내부에서 자동으로 보정하 게 설계되었기 때문에 높은 신뢰도를 유지할 수 있도록 하 였다 (Allen ^{et al} ., 2007b). ^{또한 에너지 수지 방법을 이용}

하여 증발산을 산정하므로 식생의 종과 분포 정보를 알고 있어야 할 필요가 없으며 잠재 증발산 대신 실제 증발산을 모형에서 산정한다 (Allen et al ., 2007a).

지표면에서 에너지 수지 방법을 적용할 때 , 증발산에 의해 소비된 에너지는 에너지 수지식을 이용하여 구할 수 있다 .

(1)

여기서 LE는 증발산으로 인해 소비된 잠열 에너지 플럭스 (W m

), R

은 순복사 에너지 플럭스 (W m

), G는 토양으로 전 도되는 에너지 플럭스 (W m

), H는 대류현상을 통해 공기중으 로 전달되는 현열 에너지 플럭스 (W m

) 이다 . 기본적으로 R

은 위성에서 측정한 광대역 반사율과 지표면 온도 ( ^T

), ^G는

R

, 지표면 온도 , 식생지수 , H는 지표면 온도 범위 , surface roughness, 부력 보정된 풍속을 각각 이용하여 산정한다 .

H는 다음 공기동역학 식을 통해 구할 수 있다 .

(2)

ρ는 공기의 밀도 , C

는 정압 조건에서의 공기의 비열 , r

는 지표면 근처 높이에서의 공기동역학적 저항 ( 일반적으로

0.1~2 m 범위 ), dT는 지표면 근처 높이에서의 온도차이다 .

H를 산정하는 과정은 METRIC 모형이 SEBAL 모형과 비

교하여 보이는 큰 차이 중 하나이며 , METRIC 모형에서는

blending height( 일반적으로 지표면으로부터 100~200 m 높

이 ) 으로부터 추정된 풍속을 이용하고 Monin-Obhukov

stability function 을 기반으로 하여 반복적인 stability correction

과정을 거쳐 r

를 구하게 된다 (Allen et al. , 1996). 지표면 온도는 대기 감쇠와 대기 오염에 의한 불확실성과 센서의 복사 보정 때문에 정확하게 구하기 어려우므로 Eq. (3) 와 같이 T

에 대한 선형 함수로써 단순화하여 계산한다

(Bastiaanssen, 1995; Bastiaanssen et al ., 2004).

(3) Eq. (3) 에서 매개변수 a와 b는 H가 0 값을 가지는 지점

에 대해 dT를 0 ^{으로 설정함으로써 구하거나 LE 값이} 0 ^에

가장 가까운 건조한 지점인 hot pixel 에 대해 Eq. (2) 를 dT 항 중심으로 이항하여 계산함으로써 구한다 .

모형에서 dT의 lower calibration point 를 찾기 위해 이용

하는 Eq. (4) 는 식생이 조밀하게 분포된 지점에 대해 적용

된다 .

(4)

여기서 ET

은 alfalfa 작물에 대한 기준 증발산이다 . METRIC

모형에서는 alfalfa 를 기준으로 한 표준 ASCE Penman- Monteith 식을 적용하며 (Allen et al ., 2005), 이는 잔디 기 준 증발산 ( ET

) 보다 일반적으로 20~30% 높다 . 상수 k는 해 당되는 지점이 같은 조건에서 온도가 낮지 않은 다른 지역 의 증발산보다 5% 정도 높기 때문에 이를 보정하기 위해 쓰이며 , 따라서 통상적으로 1.05 의 값을 사용한다 (Allen et al ., 2002). METRIC 모형의 구동을 위해 두 개의 Landsat

이미지와 주요한 지형자료인 Digital Elevation Model(DEM) 을

ARCINFO 을 이용하여 Triangulated Irrigular Network(TIN) 을 생성하고 Lattice 변환과정을 하여 30 m 격자로서 자료를 구축하였다 . ^{또한 기준증발산을 산정하기 위해 수원관측지점}

에서의 기온 , 풍속 , 상대습도 등과 같은 기상자료를 이용하였 다 (Table 1).

4. 결과 및 토의

2003 년 2 월 1 일과 2006 년 9 월 13 일에 대한 Landsat 7 ETM

, Landsat 5 TM 위성 관측 이미지에 METRIC 증발 산 산정 모형을 적용한 결과물을 지도의 형태로 나타내었고

(Fig. 3), 산출된 에너지 수지 인자를 이용하여 일증발산을

산정 , 이를 Fig. 4 에 도시하였다 . 전반적으로 태양복사에너지 가 높은 값으로 집중되어 분포하는 여름철의 각 에너지 플 럭스가 겨울철의 에너지 플럭스보다 높은 값을 보인다는 것 을 확인할 수 있으며 , 연구 지역에 입사하는 태양복사에너지 의 양이 클수록 각 에너지 플럭스의 분포 범위와 값이 높아 진다는 것을 알 수 있다 .

Table 2 ^와 Table 3 ^은 METRIC ^{증발산 산정 과정에 적용}

된 각 에너지 수지 인자 및 증발산의 공간적인 분포를 수치 를 통해 파악하기 위한 기본 통계 결과이다 . 일증발산을 계 산하는 과정에서 결과값이 음수로 산정되는 격자가 발견되 었으며 , 이는 에너지수지식에서 산정되는 현열 플럭스 계산 시 필요한 aerodynamic resistance 의 정확한 실측치의 부재

H

ρ

=

dT a bT= + _S

dT

⁽

⁾

ρ

=

Table 1. Meteorological Input Data at the Suwon Weather Station

Feb 01, 2003 Sep 13, 2006 Daily Temperature (^oC) -3.5 22.0

Relative Humidity (%) 60.6 49.0

Solar Radiation (MJ m⁻²) 13.10 22.01

Daily Wind Speed (m s⁻¹) 0.5 1.9

Large Pan Evaporation - 5.4

Small Pan Evaporation 1.8 4.4

Fig. 3 METRIC Sensible Heat Flux Map on Feb 01, 2003 (left) and Sep 13, 2006 (right)

Fig. 4 METRIC ET [mm d

] Map on Feb 01, 2003 (left) and Sep 13, 2006 (right) Table 2. Basic Statistical Results of METRIC Products on Feb

01, 2003

Value Max.

Value Mean STDEV CV RN (W m⁻²) 28.75 409.63 337.55 37.56 0.111

G (W m⁻²) -18.59 25.94 2.00 3.44 1.720 H (Wm ⁻²) 27.31 425.23 213.14 43.52 0.204 LE (W m⁻²) -186.34 353.56 122.41 53.74 0.439 Daily ET (mm d⁻¹) -2.42 4.53 1.59 0.69 0.434 (STDEV : Standard Variation, CV : Coefficient of Variation)

Table 3. Basic Statistical Results of METRIC Products on Sep 13, 2006

Min.

Value Max.

Value Mean STDEV CV RN (W m⁻²) 232.41 831.64 743.30 28.14 0.038

G (W m⁻²) 12.08 132.81 67.83 13.03 0.192 H (W m⁻²) 29.95 706.14 404.10 72.10 0.178 LE (W m⁻²) -155.49 638.67 271.37 75.54 0.278 Daily ET (mm d⁻¹) -2.11 8.43 3.65 1.01 0.277

와 도시화가 진행된 지역에서 현열플럭스가 다소 과다산정 된 것에 따른 것으로 판단된다 .

Fig. 3 과 Fig. 4 의 전반적인 분포는 대립형상을 보여주고 있으므로 에너지 수지식에 의해 합리적으로 산정된 것으로 파악된다 . 전반적으로 Fig. 4 우측 지도의 증발산 분포가

Fig. 4 좌측 지도의 분포보다 높은 값을 가진다는 것을 확

인할 수 있다 . 두 결과 분포에서 확인할 수 있는 점은 겨울 철의 증발산 분포는 대체적으로 고른 분포를 보이는 반면 여름철의 증발산 분포는 토지 이용 현황에 따라 두드러진

차이를 보인다는 것이다 . Fig. 4 우측 지도에서 좌측 상단

지역과 유역을 따라 분포하는 지역은 urban 지역으로 다른

지역보다 낮은 증발산 값을 보이고 있으며 , 각 토지 피복별 에너지 수지항 평균값이 나타나 있는 Table 4 와 Table 5 를 통해서도 그 경향을 확인할 수 있다 . 이를 겨울철 증발산 분포와 비교할 때 , 여름철에만 보이는 증발산 분포의 공간적 경향을 확인함으로써 도시화된 지역에서 보이는 수문학적 변 화를 단적으로 확인할 수 있다 . 도시화가 진행되면서 포장지 역이 늘어나 식생은 줄어들고 불투수면이 넓어지게 되며 , 그

결과 증발산은 감소하고 유출은 증가하게 된다 (Grimmond

and Oke, 1991).

수원 기상청에서 측정한 증발접시 증발량 (1.3 mm d

, 3.3 mm d

) 과 METRIC 유역 평균 일증발산 (1.59 mm d

, 3.65 mm d

) 을 비교해본 결과 각각 22%, 11% 의 오차를 보여 상당히 근소한 값이 나왔다는 것을 확인할 수 있었다

(Table 2, Table 3). 관측치 측정 지점인 수원 기상대와의

거리가 약 10 km 떨어져 있다는 것을 감안하면 만족할 만

한 결과를 보여준다 . ^미국 Idaho ^주 Bear River ^{유역의 초}

지와 미국 Idaho 주 Kimberly 근처 사탕무 재배 지역 침

루계 측정치에 대해 각각 4%, 1% 의 오차를 보였던 Allen

et al. (2007b) 와 미국 Iowa 주 Ames 에 위치한 Walnut Creek watershed 콩 및 옥수수 재배지 잠열 플럭스 관측치 와 18% 정도의 편차를 보였던 Choi et al. (2009) 와 비교하 였을 때 준수한 결과를 얻어냈다고 볼 수 있다 . 특히 , 선행 연구 결과와의 비교를 통해 작물의 종류에 영향을 받지 않

고 일정 수준 이상의 정확도를 확보할 수 있는 METRIC

모형의 높은 적용성을 확인할 수 있다 .

변동계수 (Coefficient of Variation, CV) 는 표준편차를 평 균으로 나눠준 값으로써 일정한 평균값에 대해 각 격자값이 어느 정도의 변동성을 가지고 있는지 가늠할 수 있도록 하 는 지표이다 . Table 2 와 Table 3 으로부터 잠열 플럭스 및 증발산의 변동계수가 다소 높게 나왔으며 , 이는 대기 및 식 생 , 토지 피복 상태 등 외부 환경 조건에 민감하게 반응하 는 증발산의 특성에 기인한 것으로 볼 수 있다 (Choi et al ., 2009). 또한 Table 2 에서 G 값의 변동계수가 매우 높게 나 온 것을 확인할 수 있으나 이것은 평균 (2.00 W m

) 에 비 해 G 값이 가지는 범위 (-18.59 W m

~25.94 W m

) 가 매우 넓기 때문에 나오는 것으로 고려 대상에서 제외할 수 있다 .

토지 피복 현황에 따른 증발산의 공간적 분포를 알아보기 위해 각각의 토지 피복 상태에 대해 기본 통계분석을 실시 하였다 (Table 4, Table 5). 분석 결과 , 토지 피복 상태가

water 인 경우 METRIC 증발산은 각각 1.45 mm d

, 6.78

mm d

를 기록하여 수면 증발 관측치인 증발접시 관측치

1.8 mm d

, 4.4 mm d

와 비교하여 -19%, 54% 의 편차

를 보였다 . 54% ^{의 다소 큰 오차를 보이게 된 것은 연구에}

이용된 날의 기상 상태에 따른 것이다 . Fig. 3 에서 중앙 및

우측 상단에 경안천으로부터 합류하여 흐르는 한강의 증발

산이 매우 높게 나왔으며 , 이는 METRIC 현열 플럭스 반복

계산 과정에서 높은 값으로 발산이 되었기 때문에 나타난 결과이다 . TM 센서는 다중분광 센서로써 구름 , 눈 , 얼음 등 을 명확하게 감지하며 , 이에 의해 지표 관측이 방해를 받아 결과물이 원활하게 산정되지 못하게 된다 (Jensen, 1996). 따

라서 METRIC ^{모형을 올바르게 적용하기 위해서는 구름이}

나 안개 , 눈 등이 없는 선명한 위성 이미지를 이용하는 것 이 중요하고 , hot pixel 및 cold pixel 을 적절하게 정해서 오차를 최대한 줄이는 등의 노력이 수반되어야 한다 (Allen

et al. , 2007a).

토지 피복 현황에 따른 증발산 분포는 2003 년 2 월 1 일에 대해 1.4~2.0 mm d

의 평균값과 1 mm d

내외의 표준 편차를 가져 전반적으로 다소 유사한 분포를 보였으며 , 이는 식생의 활동이 활발하지 않은 겨울의 계절 특성에 기인한 결과로 볼 수 있다 . 특히 1.49 mm d

를 가진 forest 지역 의 증발산은 다른 토지 피복 지역보다 낮은 값을 가졌으며 ,

이는 겨울철에는 증산이 활발하게 일어나지 않고 canopy 의 영향 때문에 많은 복사 에너지를 받지 못한 결과로 볼 수 있다 . 2006 년 9 월 13 일에 대한 증발산 분포는 토지 피복 종류에 따라 0.5~0.8 mm d

의 작은 표준편차를 나타냈으 나 2~7 mm d

^{로 큰 변동폭을 가지는 평균값을 보여 식물}

의 생장기인 여름철에 보이는 증발산의 분포 경향을 파악할

수 있었다 . 식생이 거의 분포되어 있지 않은 urban 지역에

Table 4. Mean Energy Budget Factors of Each Land Cover Classification on Feb 01, 2003

Land use R^N (W m⁻²) G (W m⁻²) H (W m⁻²) LE (W m⁻²)

1 (water) 233.94 -1.09 123.12 111.9

2 (urban) 341.44 4.21 209.1 128.13

3 (bare soil) 314.76 3.92 176.34 134.49

4 (wetland) 309.19 1.72 169.85 137.61

5 (grass) 319.89 3.25 177.61 139.03

6 (forest) 351.48 0.85 236.75 113.89

7 (rice paddy) 312.4 4.07 175.6 132.73 8 (cropland) 321.55 3.28 170.72 147.55

Table 5. Mean Energy Budget Factors of Each Land Cover

Classification on Sep 13, 2006

Land use R^N (W m⁻²) G (W m⁻²) H (W m⁻²) LE (W m⁻²)

1 (water) 812.13 66.55 239.92 505.66

2 (urban) 731.57 89.87 439.87 201.82

3 (bare soil) 713.19 84.61 344.9 283.68 4 (wetland) 748.34 70.61 330.26 347.47

5 (grass) 728.43 72.06 329.17 327.2

6 (forest) 754.72 61.11 447.54 245.4

7 (rice paddy) 718.31 74.63 317.16 326.53 8 (cropland) 729.05 73.19 317.84 338.02

서는 2.72 mm d

로 가장 낮은 평균 증발산을 보였으며

water 지역에서는 6.78 mm d

로 가장 높은 평균값을 가졌 다 . 특히 urban 지역의 증발산은 2003 년 2 월 1 일과 2006 년

9 월 13 일에 각각 1.67 mm d

, 2.72 mm d

로 다른 토 지 피복 지역에 비해 시간적으로 작은 차이를 보여 증산 작 용이 전체 증발산에 주는 영향을 단적으로 확인할 수 있었 다 . 이 결과를 통해 식생의 종류 및 공간적 분포 형태가 전 반적인 증발산량 분포에 큰 영향을 주며 , 계절적으로는 식생 의 활동이 활발하게 일어나는 생장기의 증발산이 휴면기에 일 어나는 증발산보다 더 큰 값을 보인다는 것을 알 수 있다 .

본 연구에서는 2003 년 2 월 1 일과 2006 년 9 월 13 일에 각 각 관측된 Landsat 7 ETM

, Landsat 5 TM 위성 이미지 를 이용하여 에너지 수지를 이용한 진보된 형태의 증발산

산정 모형인 METRIC 모형에 적용 , 한강의 지류인 경안천

에 대한 공간 증발산을 산정하여 이를 지도의 형태로 나타 내었다 . ^{높은 공간해상도} (30 m×30 m) ^{를 가지고 있는 증발}

산 지도를 만듦으로써 경안천 유역의 증발산 분포를 자세하 게 확인하였고 , 이를 관측값과 비교하여 기본적인 통계분석 을 실시하였다 . 모형을 통해 산정된 평균 일증발산은 증발접

시 증발량에 비해 22%, 11% 의 작은 오차를 보였고 , 이를

앞서 발표된 연구 결과와 비교함으로써 METRIC 모형의 높 은 적용성을 확인할 수 있었다 .

토지 피복 현황에 따른 증발산의 공간적 분포와 그에 대한 분석을 통해 각 토지 이용 형태에 따른 증발산 분포에 대해 검토하였다 . 분석 결과 , 토지 피복 상태가 water 일 때

METRIC 증발산이 증발접시 증발량과 비교하여 -19%, 54% 의 편차를 나타냈으며 , 큰 편차의 원인을 분석함으로써 모형의 올 바른 적용을 위한 구름 , ^{눈 등이 없는 선명한 위성 이미지 이}

용 , hot pixel, cold pixel 등 기준 격자의 적절한 선정 등이 필요하다는 것을 확인하였다 . 한편 , 식생의 활동이 왕성한 여 름철 증발산 분포는 휴면기인 겨울철 분포와 다른 모습을 보 였다 . ^특히 urban ^지역과 bare soil ^{지역의 낮은 증발산 분포를}

통해 식생에 의한 증산 활동의 영향을 이해할 수 있었다 .

향후 동일한 연구 지역에 대해 다른 시간에 스캔한 위성 이 미지를 이용하여 증발산 지도를 제작한다면 증발산의 시간적 분포 경향 및 시간 변동성 , 계절에 따른 증발산의 거동을 파악 할 수 있을 것이다 . 또한 다른 증발산 산정 모형과의 비교 연 구를 통해 우리나라 주요 수문 유역에 대한 모형의 적용성을 높여 더욱 향상된 질의 결과물을 얻을 수 있을 것이다 .

감사의 글

이 논문은 2010 년도 정부 ( 교육과학기술부 ) 의 재원으로 한 국연구재단의 기초연구사업 지원을 받아 수행된 것임 (2010- 0009742).

참고문헌

기상청 홈페이지

박종윤

^이미선

^이용준

^김성준

^{모형을 이용한 미}

래 토지이용변화가 수문

수질에 미치는 영향 분석

^대한토

목학회논문집

대한토목학회

제

권

제

호

유진웅

SEBAL 모형을 이용한 증발산량의 추정

석사학위 논문

^{서울대학교}

채효석

Landsat TM 자료를 이용한 광역 증발산량 추정

박사학위논문

전북대학교

최원호

최민하

오현제

박주양

를 이용한 기상관측소 기준증발산 추정

대한토목학회논문집

^{대한토목학회}

^제

^권

^제

^호

219-231.

하림

신형진

이미선

김성준

위성영상과

모형을 이용한 공간증발산량 산정 연구

^{대한토목학회논문집}

^대한토

목학회

^제

^권

^제

^호

Allen, R.G., Morse, A., Tasumi, M., Trezza, R., Bastiaanssen, W., Wright, J.L., and Kramber, W. (2002) Evapotranspiration from a satellite-based surface energy balance for the snake plain aquifer in idaho. Proceedings of the United States Committee on Irrigation, Drainage and Flood Control(USCID) Confer- ence, USCID, Denver, C.O.

Allen, R.G., Pereira, L.S., Raes, D., and Smith, M. (1998) Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56, Food and Agriculture Organization of the United Nations(UN FAO), Rome.

Allen, R.G., Pruitt, W.O., Businger, J.A., Fritschen, L.J., Jensen, M.E., and Quinn, F.H. (1996) Evaporation and transpiration.

Hydrology Handbook, Edited by Wootton et al., American Society of Civil Engineers, New York, NY, pp. 125-252.

Allen, R.G., Tasumi, M., Morse, A., Trezza, R., Wright, J.L., Bas- tiaanssen, W., Kramber, W., Lorite, I., and Robison, C.W.

(2007b) Satellite-Based Energy Balance for Mapping Evapo- transpiration with Internalized Calibration(METRIC)-Applica- tions. Journal of Irrigation and Drainage Engineering, ASCE, Vol. 133, No. 4, pp. 395-406.

Allen, R.G., Tasumi, M., and Trezza, R. (2007a) Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Cal- ibration(METRIC)-Model. Journal of Irrigation and Drainage Engineering, ASCE, Vol. 133, No. 4, pp. 380-394.

Allen, R.G., Walter, I.A., Elliott, R.L., Howell, T.A., Itenfisu, D., Jensen, M.E., and Snyder, R.L. (2005) The ASCE standardized reference evapotranspiration equation. American Society of Civil Engineers, Reston, V.A.

Bastiaanssen, W.G..M. (1995) Regionalization of surface flux densi- ties and moisture indicators in composite terrain: A remote sensing approach under clear skies in Mediterranean climates. Ph.D. dissertation, CIP Data Koninklijke Bibliotheek, Den Haag, the Netherlands.

Bastiaanssen, W.G.M., Meneti, M., Feddes, R.A., and Holtslag, A.A.M. (1998) A remote sensing surface energy balance algo- rithm for land(SEBAL): 1. Formulation. Journal of Hydrology, Vol. 212-213, pp. 198-212.

Bastiaanssen, W.G.M., Noordman, E.J.M., Pelgrum, H., Davids, G., and Allen, R.G. (2005) SEBAL for spatially distributed ET under actual management and growing conditions, ASCE Jour- nal of Irrigation and Drainage Engineering, Vol. 131, No. 1, pp. 85-93.

Choi, M., Kustas, W.P., Anderson, M.C., Allen, R.G., Li, F., and Kjaersgaard, J.H. (2009) An intercomparison of three remote sensing-based surface energy balance algorithms over a corn and soybean production region(Iowa, U.S.) during SMACEX.

Agricultural and Forest Meteorology, Vol. 149, pp. 2082-2097.

Grimmond, C.S.B. and Oke, T.R. (1991) An Evapotranspiration- interception model for urban areas. Water Resources Research, Vol. 27, pp. 1739-1755.

Jensen, J.R. (1996) Introductory Digital Image Processing: A Remote Sensing Perspective. Prentice Hall, Upper Saddle River, NJ.

Jiang, L. and Islam, S. (2001) Estimation of surface evaporation map over Southern Great Plains using remote sensing data.

Water Resources Research, Vol. 37, No. 2, pp. 329-340.

Kustas, W.P., Anderson, M.C., Norman, J.M., and Li, F. (2007) Utility of radiometric-aerodynamic temperature relations for heat flux estimation. Boundary-Layer Meteorology, Vol. 122, pp. 167-187.

Kustas, W.P. and Norman, J.M. (1999) Evaluation of soil and vege-

tation heat flux predictions using a simple two-source model with radiometric temperatures for partial canopy cover. Agri- cultural and Forest Meteorology, Vol. 94, pp. 13-29.

Markham, B.L., Storey, J.C., Williams, D.L., and Irons, J.R. (2004) Landsat Sensor Performance: History and Current Status. IEEE Transactions on Geoscience and Remote Sensing, Vol. 42, No.

12, pp. 2691-2694.

United States Geological Survey (USGS) website. http://www.usgs.gov/

(

접수일

심사일

심사완료일