1)
†To whom correspondence should be addressed.
School of Civil, Environmental and Architectural Engineering, Korea University. Seoul, Korea
E-mail: [email protected]
VIC 모형을 이용하여 모의된 한반도 토양수분 자료의 분석 및 검증
조은샘･송성욱･유철상
†고려대학교 건축사회환경공학부
Analysis and Validation of Soil Moisture Data over the Korean Peninsula Simulated by the VIC Model
Eunsaem Cho･Sung-uk Song･Chulsang Yoo†
School of Civil, Environmental and Architectural Engineering, Korea University, Seoul, Korea (Received : 16 January 2017, Revised: 26 January 2017, Accepted: 26 January 2017)
요 약
본 연구에서는 지표수문해석모형을 이용하여 과거 30년에 대한 남한과 북한의 토양수분을 모의하고 그 거동 차이를 분석하였다. 아울러 VIC 모형의 모의결과를 평가하기 위해 Soil Moisture CCI에서 제공하는 위성관측 토양수분 자료 를 분석하였다. 모의결과와 관측자료 사이의 비교에는 CSEOF 분석을 적용하여 단순한 토양수분 값의 비교가 아닌 VIC 모형의 성능을 간접적으로 평가하는 방법을 이용하였다. 본 연구의 결과를 정리하면 다음과 같다. 첫 째, 토양수 분의 경년변동은 남한과 북한 모두 전체적으로 유사한 경향을 보였으나, 남한의 토양수분이 북한의 토양수분보다 작게 는 1%에서 크게는 7%까지 높은 것으로 확인되었다. 둘 째, 월 단위 토양수분의 경우, 봄철에 해당하는 4 – 6월의 토 양수분 상태는 남한과 북한에서 유사하게 나타났다. 반면, 장마철 이후 토양수분은 남한의 경우 최대 40%까지 증가하 지만, 북한에서는 최대 32% 정도에 머무르는 것으로 확인되었다. 셋 째, 전체적으로 모의된 토양수분이 인공위성에서 관측된 토양수분보다 약 4% 정도 작지만, 과거 30년 동안 나타난 증가 정도는 위성관측 토양수분과 유사한 것으로 확 인되었다. 마지막으로, 위성관측 토양수분과 VIC 모형으로 유도된 토양수분 자료에 대한 CSEOF를 비교해본 결과, 4 월부터 6월까지의 토양수분은 공간적으로 서로 상당히 다른 패턴을 보이는 것으로 나타났다. 그러나 7월과 10월의 경 우에는 약한 유사성을 보이고 있으며, 8월과 9월은 상당히 유사한 패턴을 가지고 있음을 확인하였다.
핵심용어 : 토양수분, 지표수문해석모형, CSEOF 분석
Abstract
In this study, land surface model was used to simulate the soil moisture of South and North Korea for the past 30 years, and the difference in their variation was analyzed. In addition, satellite observed soil moisture data provided by Soil Moisture CCI was analyzed to evaluate the simulation results of VIC model. For the comparison between the simulated and observed data, the CSEOF analysis was applied to indirectly assess the performance of the VIC model rather than simply comparing soil moisture values. The results of this study are summarized as follows. First, the annual variability of soil moisture showed a similar tendency in both South and North Korea, but it was found that the soil moisture in South Korea was as high as 1%, up to 7%, higher than the soil moisture in North Korea. Secondly, the soil moisture in spring between April to June is similar in South and North Korea, whereas the soil moisture after the rainy season is up to 40% in South Korea, but remains at maximum 32% in North Korea. Third, the overall simulated soil moisture is about 4% smaller than the satellite observed soil moisture, but the degree of increase over the past 30 years is similar to that of satellite observed soil moisture. Finally, a comparison of the CSEOF from the satellite observed soil moisture and the VIC model derived soil moisture showed that the soil moisture from April to June shows a much different pattern from each other. However, in July and October, there was a slight similarity, and it was confirmed that August and September has quite similar patterns.
Key words : Soil Moisture, Land Surface Model, CSEOF analysis
1. 서 론
토양수분은 토양 속에 포함된 물을 뜻하며, 강우, 유출 등 과 함께 중요한 물 순환과정 중 하나이다(Wagner et al., 1999; Choi and Jacobs, 2008). 토양수분은 식물의 성장과 관련된 농업분야, 강우-유출해석 등의 수자원 분야 그리고 대기와 지표면 사이의 상호작용을 연구하는 기상분야 등 다양한 학문분야에서 중요한 요소로 고려되고 있다(유철상, 1997). 특히 수문기상학적으로는 침투나 침루를 통하여 강 우와 지하수를 연결하는 동시에 유출특성에 직접적인 영향 을 미치고 증발산을 통하여 에너지 순환을 연결하는 핵심 고리 역할을 한다(김광섭과 이을래, 2004). 즉, 토양수분은 수문학적 모델링, 홍수나 가뭄 모니터링 등에 있어서 없어 서는 안 될 중요한 변수이다.
최근 들어 북한은 이전보다 빈번해진 홍수, 가뭄으로 인 해 식량생산에 큰 차질을 빗고 있는 것으로 알려져 있다.
특히, 2014년부터 2015년까지 18개월 가까이 지속된 가뭄 은 약 1,800만 명의 주민의 건강을 위협하고, 농작물 생산량 을 21.47% 가량 감소시켰다고 보고되고 있다(UN, 2016).
그러나 이러한 문제가 남한에 동시에 발생하고 있는 것은 아니다. 한반도의 크기는 남북한의 기후조건을 달리할 만큼 크지 않음에도 불구하고, 거시적으로 볼 때 동일한 가뭄사 상에 대해 북한에서의 피해가 가중되어 나타난다는 차이가 있다(명수정 외, 2008).
이러한 차이의 원인이 무엇인지는 명확하지 않다. 지구온 난화로 인한 기후변화도 중요한 원인이 될 수 있으나, 북한 에 대해서는 1980년대 이후 시도했던 경제정책의 실패를 원인으로 꼽는 경우가 많다(Michell, 1998; 박경석 외, 2009). 즉, 경제정책의 실패로 석유, 석탄 등의 화석연료 부족을 불렀고, 이는 목재의 수요를 증가시켜 결국 산림의 황폐화로 이어졌다는 분석이다(이유진, 2007). 이규성 등 (1999)이 수행한 북한지역 산림면적 변화특성에 대한 연구 에서도 북한의 산림면적이 1990년대 이르러 급격하게 감소 한 것으로 보고하고 있다. 산림의 황폐화는 수문순환 특성 을 변화시켜 홍수 및 가뭄의 위험 및 피해규모를 더욱 가중 시키고 있을 것으로 추정된다(이승호, 2004; 명수정 외, 2008).
그러나 이러한 판단은 아직 정량적인 분석 결과에 근거한 것은 아니다. 한반도가 남북한으로 분리된 이후 약 50여년 간 남북한의 체계적인 교류활동은 거의 없어 북한의 수문 순환을 정량적으로 판단할 기회가 많지 않았기 때문이다.
이는 기본적으로 북한의 수문관측자료가 남한에서 가용하 지 않았기 때문이다. 관련하여 찾아볼 수 있는 몇몇 연구들 도 대부분 WMO 등을 통해 가용한 제한된 자료를 이용한 것이거나, 또는 남한의 자료를 전이하여 수행한 연구들이다 (손경환 등, 2012; 이광만, 2012; 곽창재 등, 2015). 이러 한 상황은 여전히 변하지 않았으나, 대신 대륙 또는 전구규 모로 수문순환을 수행할 수 있는 모형이 개발되고 있다는 점, 아울러 이러한 모형의 입력자료로 쓰이고 있는 식생,
토지이용, 토양 등 전구규모의 DB가 가용해지고 있다는 점 등이 다른 점이다. 이러한 모형이나 자료는 해상도가 커서 유역단위 해석의 경우에 비해 정교하지 못하다는 단점이 있기는 하나 전반적인 경향을 파악하는 데는 유효하게 사 용될 수 있다. 본 연구의 대상인 토양수분은 특히 이러한 분석에 적합하다고 판단할 수 있다.
본 연구에서는 먼저 지표수문해석모형의 하나인 VIC (Variable Infiltration Capacity) 모형(Liang et al. 1994)을 이용하여 모의한 토양수분 자료를 통해 과거 30년 (1983~2013년) 동안 남한과 북한의 토양수분 거동 차이를 분석하고자 한다. VIC 모형은 대륙 또는 전지구 단위의 토 양수분을 모의하는 데에도 많이 활용되고 있는 모형이다.
국외 연구 사례를 살펴보면, Hamlet et al. (2007)은 VIC 모형을 이용하여 미국 서부지역의 1916년부터 2003년까지 에 해당하는 토양수분을 모의하고, 토양수분의 시공간적 변 동성을 평가한 바 있다. Sheffield and Wood (2008)은 VIC 모형을 이용하여 전지구 토양수분을 모의하고, 가뭄이 어떤 양상으로 진행되었는지 해석하였다. Wang et al.
(2011)은 VIC 모형을 이용하여 중국 전역에 대한 토양수 분을 모의하고, 중국에서 발생한 가뭄심도의 공간분포를 분 석하였다. Ford and Quiring (2013)은 VIC 모형을 이용하 여 Oklahoma의 토양수분을 모의하고, 엽면적지수(leaf area index)가 토양수분 모의에 미치는 영향을 평가한 바 있다. 국내의 경우에는 손경환 등(2011)이 VIC 모형을 이 용하여 남한 전역에 대한 토양수분을 모의하고, 이를 이용 하여 산정된 가뭄지수의 적용성을 평가한 사례가 있다.
본 연구에서는 추가로 인공위성에서 원격탐사된 토양수 분 자료를 비교 목적으로 함께 분석하고자 한다. 원격탐사 자료로는 Soil Moisture CCI(Climate Change Initiative)에 서 제공하는 위성관측 토양수분을 이용할 것이다. 특히, 모 의결과와 관측자료 사이의 상관성을 파악하기 위해 CSEOF(Cyclostationary Empirical Orthogonal Function) 분석을 적용하여 주요 성분(principle component)을 추출 한 후 이를 비교하고자 한다. 주요 성분에 대한 비교·평가 는 두 성분사이의 상관관계를 나타내는 pattern correlation 과 두 성분 사이의 차이를 나타내는 NRMSE(Normalized Root Mean Square Error)를 이용할 것이며, 이를 통해 VIC 모형의 모의 성능이 간접적으로 평가될 수 있을 것이다.
2. 분석 방법
2.1 토양수분 모의 2.1.1 VIC 모형의 개요
본 연구에서는 한반도에 적용 가능한 지표수문해석모형 중 하나인 VIC 모형을 이용하여 모의된 토양수분 자료를 이용하였다. VIC 모형은 1994년 미국 University of Washington의 Dennis Lettenmaier 박사 연구팀에 의해 개 발된 모형으로 중규모 이상의 유역에 대한 적용성이 검증
된 지표수문해석모형이다. VIC 모형은 대기, 식생, 토양의 상호작용을 고려하여 물과 에너지의 유동을 모의하며, 크게 물수지, 하도추적, 에너지수지 모듈로 구성되어 있다. 본 연 구에서는 유출, 증발산, 토양수분을 모의하기 위해 세 가지 모듈 중 물수지 모듈을 이용하였다. VIC 모형의 물수지 모 듈은 일반 수문모형과 마찬가지로 기상, 토양, 식생 자료를 이용하여 여러 가지 수문순환을 모의한다. Fig. 1은 VIC 모 형의 물수지 모듈의 구조를 간단한 모식도로 나타낸 것이다.
Fig. 1을 보면 VIC 모형은 크게 차단층(canopy)과 3개의 토층(soil layer)으로 구분되는 것을 확인할 수 있다. 먼저, 차단층에서는 상록침엽수, 낙엽활엽수, 초지 등 11가지로 분류된 피복종류별 면적비를 고려하여 각 피복특성이 반영 된 차단 및 증발()이 모의된다. 토층은 깊이에 따라 최상 부토층(top thin layer), 상부토층(upper layer), 하부토층 (lower layer)으로 나뉜다. 이 중 최상부토층은 침투()에 직접적인 영향을 받는 지역이며, 토양수분의 변화에 가장 민감하다. 또한, 최상부토층에서는 중력에 의해 상부토층으 로의 침루()가 발생하며, 식생 상태에 따라 증산() 및 증발()도 진행된다. 강우에 의한 지표유출()은 최상 부토층과 상부토층에서 모의된다. 이와 동시에 상부토층에 서는 하부토층으로의 침루()가 진행되고, 증산()도 진행된다. 마지막으로, 하부토층에서는 기저유출()이 모 의되며, 여기에서도 증산()이 진행된다(Liang et al, 1996).
Fig. 1. Structure of Water Budget Module in VIC Model
2.1.2 VIC 모형의 매개변수 및 입력자료 결정 본 연구에서는 전지구 토양도와 유효토심도의 정보를 이 용하여 VIC 모형의 격자별 토양 매개변수를 결정하였다.
토양도와 유효토심도는 FAO(http://www.fao.org/soils-portal/) 에서 제공하는 1995년 토양도와 1995년 유효토심도를 이 용하였다. 토양도를 통해 결정할 수 있는 매개변수는 공극 률(), 포화투수계수(), 침루계수(exp), 토양부피밀도
(), 임계토양수분(), 위조토양수분(), 비선형기 저유속비(), 최대비선형기저유속( max)이며, 이들은 기 저유출의 거동과 양을 조절한다. 또한 유효토심도로를 이용 하여 침투형상계수()와 토양깊이()를 결정할 수 있다.
VIC 모형의 식생 매개변수를 결정하기 위해 이용한 자료 는 NASA(http://data.giss.nasa.gov/landuse/)에서 제공하는 1983년 토지피복도 자료, UMD(glcf.umd.edu/data/landcover/) 에서 제공하는 1995년 토지피복도 자료, ESACCI(www.
esa-landcover-cci.org/)에서 제공하는 2005년 토지피복도 자료이다. 토지피복도를 이용하여 결정한 매개변수로는 식 생구조저항(), 공기역학저항(), 엽면적지수(; Leaf Area Index), 알베도(), 등이다. 먼저 , 은 수증기, 이산화탄소 등의 기체 확산과정에서 식생의 엽면 및 줄기가 받는 저항에 관련된 매개변수로 기체 농도차를 기체의 확산속도로 나눈 값으로 나타난다. 이들 매개변수는 식생에서의 증산작용을 고려하기 위하여 입력되는 매개변 수들이다. 는 태양광 반사도를 나타내는 매개변수이 다. 은 증산작용의 발생 조건에 해당하는 최소 단파 복사 유입량(minimum incoming shortwave radiation)에 해당하며, 작물이나 풀이 나무에 비해 높은 값을 가진다.
마지막으로, VIC 모형의 입력자료에 해당하는 기상자료 (일 강수량, 일 최대 기온, 일 최저 기온, 평균 풍속)로 WMO (World Meteorological Organization)의 GTS(Global Telecommunication System)에 소속되어 있는 기상관측소 의 자료를 이용하였다. 현재 남한에는 45개, 북한에는 27개 의 기상관측소가 WMO의 GTS에 소속되어 기상 자료를 제공하고 있다. 본 연구에서는 여기에 해당하는 기상관측소의
Fig. 2. Location of GTS Meteorological Stations and Areas Separated by Thiessen Method
일 강수량, 일 최대 기온, 일 최저 기온, 평균 풍속 등을 수 집하였으며, 수집한 관측 자료의 기간은 1983년부터 2013 년이다. 관측 자료의 결측값은 결측 기간 전후의 값을 산술 평균하여 입력하였으며, 격자 내 관측소가 위치하지 않은 격자의 경우 Thiessen 법을 이용하여 산정한 평균값을 입 력하였다. Fig. 2는 GTS 기상관측소의 위치와 Thiessen 법 을 적용하여 구분된 지역을 보여준다.
2.2 자료의 준비
VIC 모형으로 생성한 토양수분 모의결과의 해상도는 입력 강우자료와 동일한 0.5° × 0.5°이며, 모의 기간은 1983~2013 년이다. 1983~2013년의 모의 기간은 1983년, 1995년, 2005년에 제작된 토지피복도가 각각 10년 내외의 수문순 환 모의에 이용될 수 있도록 결정된 것이다. 이때 모의된 토양수분은 일 단위 토양수분이나 본 연구에서는 월 단위 로 누가하여 월 단위 토양수분을 구성하였다. 아울러 모의 결과의 분석에는 초기 2년을 제외한 1985~2013년 모의결 과만이 이용되었다. 초기 2년은 모의 초기에 비포화된 토양 층이 안정되기까지 필요한 기간으로, 해당 기간 동안의 토 양수분이 매우 불확실하게 나타나 분석에서 제외하였다.
VIC 모형의 매개변수는 남한에 위치한 충주댐 유역과 소 양강댐 유역의 관측 유출량을 통해 검증하였다. 매개변수의 적합성을 평가하기 위해 2001 ~ 2002년 관측 유출량과 VIC 모형의 모의 유출량을 비교하였다. 그 결과, VIC 모형 의 모의결과는 관측 자료의 경향을 잘 나타내고 있음을 확인 할 수 있었다. 이에 따라 본 연구에서는 VIC 모형의 매개변 수가 남한과 북한의 수문순환을 모의하는데 적합하다고 판단 하고, 동일한 매개변수를 토양수분 모의에 이용하였다.
Fig. 3. Grid Size of Soil Moisture Simulation and Satellite Soil Moisture
VIC 모형의 토양수분 모의결과를 평가하기 위해 사용된 자료는 Soil Moisture CCI(http://www.esa-soilmoisture- cci.org/)에서 제공하는 위성관측 토양수분이다. 위성관측 토양수분의 해상도는 0.25° × 0.25°이나 토양수분 모의결 과와 비교하기 위해 0.5° × 0.5° 격자 단위로 합성하여 이 용하였다. Fig. 3은 본 연구에서 이용한 자료의 격자 크기 를 보여준다. 아울러 위성관측 토양수분 또한 월 단위 자료 를 이용하였고, 토양수분 모의결과와 동일한 기간의 자료를 이용하였다.
위성관측 토양수분에는 결측값이 포함되어 있는데, 본 연 구에서 이를 보완한 방법은 다음과 같다. 먼저 결측값 외 격자의 평균 토양수분을 계산하였다. 그 후 전체 자료를 이 용하여 결측값 외 격자의 평균 토양수분을 계산하고, 두 평 균 토양수분의 비율을 계산하였다. 마지막으로, 결측값에 해당하는 격자의 평균 토양수분을 전체 자료를 이용하여 계산하고, 앞서 구한 평균 토양수분 비율을 곱하여 결측값 을 추정하였다.
2.3 모의결과의 평가 2.3.1 CSEOF 분석
CSEOF 분석은 기후 및 수문 자료가 가지는 순환적 정상 성을 고려하여 원자료의 주된 공간적 변동성을 설명하는 성 분을 추출하는 데 이용된다. EOF 분석과 다르게 CSEOF 분 석에서는 추출되는 주요 성분이 시간에 따라 변하는 함수로 주어지며, 이는 원자료에 푸리에 급수의 개념을 적용하여 구 해진다. 시공간적 주기성을 가지는 원자료를 는 CSEOF 분석에서 다음과 같은 식으로 표현된다(Kim and North, 1997; Kim, 1997; Lim et al., 2002; Seo and Kim, 2003).
(1)Eq. (1)에서 는 번째 CSEOF의 시간 와 공간
에 따른 변화를 나타내며 는 번째 CSEOF의 주 성분 시계열을 나타낸다. CSEOF는 원자료의 주된 변동 특 성을 나타내며, 개의 CSEOF들은 서로 독립인 특성을 가 진다. 또한 EOF와 다르게 CSEOF는 주기 를 가지고 반 복되는 특성을 가지고 있다. 이 특성을 식으로 표현하면 다 음과 같다.
(2) CSEOF를 나타내는 은 원자료의 시공간적인 공 분산 함수 ′ ′ 와 관련된 다음 식을 풀어 유도할 수 있다(Kim et al., 2015).
′ ′ ′ ′ ′′ (3) 위 식에서 와 는 각각 공간과 시간의 도메인이다. 그리고 은 번째 CSEOF에 대응하는 고유값이다. 고유값 을 이용하면 각 CSEOF에 의해 설명되는 전체 분산의 비율 을 계산할 수 있다. 총 CSEOF의 개수를 이라 할 때 번째 CSEOF에 의해 설명되는 전체 분산은
이다.
CSEOF 분석에서는 자료의 순환적인 특성을 고려하여 자 료를 분석하기 때문에 순환적인 특성이 나타나는 변수가 자료에 정확하게 지정되어 있어야 한다. 토양수분에 대한 CSEOF 분석은 자료의 공간적 순환성을 고려한 경우와 계 절적 순환성을 고려한 경우로 나뉜다. 공간적 순환성을 고 려한 CSEOF 분석에서는 경도에 따라 반복되는 자료의 특 성을 분석할 수 있으며, 이는 전지구 격자형 자료에 적합한 분석 방법이다. 계절적 순환성을 고려한 CSEOF 분석에서 는 시간에 따라 반복되는 자료의 특성을 분석한다. 본 연구 에서는 한반도에 해당하는 토양수분만을 분석하였으며 계 절적 특성이 뚜렷한 월 토양수분을 이용하였기 때문에 계 절적 순환성을 고려한 CSEOF 분석을 수행하였다.
2.3.2 Pattern correlation과 NRMSE
본 연구에서는 pattern correlation을 이용하여 토양수분 모의결과와 관측 자료에 대한 CSEOF의 상관성을 분석하 였다. Pattern correlation은 행렬 또는 벡터로 주어진 자료 의 상관관계를 의미한다. Pattern correlation 결과인
은 다음 식과 같이 두 자료에 대한 상관계수의 절대값으로 계산된다(Kim and North, 1993).
(4)위 식에서 은 토양수분 모의결과와 관측 자료의 총 개 수, 는 관측 자료, 는 관측 자료의 평균, 는 토양수분 모의결과, 는 토양수분 모의결과의 평 균, 는 관측 자료의 표준편차, 은 토양수분 모의 결과의 표준편차이다. 위 식으로 계산되는 pattern correlation의 값은 0부터 1까지의 범위를 가진다. 만약 pattern correlation의 값이 1이면 두 자료는 완전한 선형관계 를 가지는 것으로 해석할 수 있으며, 반대로 값이 0이면 두 자료에는 선형관계가 나타나지 않는 것으로 해석할 수 있다.
본 연구에서는 또한 토양수분 모의결과와 관측 자료의 산술 적 차이를 분석하기 위해 NRMSE를 산정하였다. NRMSE는 토양수분 모의결과와 관측 자료의 오차를 관측 자료의 평 균으로 나눈 무차원 지수이며, 다음 식을 통해 계산할 수 있다.
(5)
NRMSE는 모의결과와 관측 자료의 산술적 차이를 나타 내므로 값이 작을수록 토양수분 모의결과가 관측 자료와 유사하다고 평가할 수 있다.
3. 분석 결과
3.1 자료의 기본 특성 3.1.1 토양수분의 경년변동
Fig. 4는 VIC 모형을 이용하여 일 단위로 모의한 토양수 분 자료를 년 단위로 평균하여 나타낸 것이다. 년 단위 토 양수분은 매년 4월에서 10월까지의 일 토양수분을 평균하 여 계산하였다. 왜냐하면 이 기간 외에는 낮은 기온으로 인 하여 분석에 필요한 토양수분 값이 나타나지 않기 때문이 다. 아울러 이 그림에는 한반도 전체는 물론 남한과 북한을 따로 제시하여 구분될 수 있도록 하였다. 남한과 북한 모두 전체적으로 유사한 경향을 보여주기는 하지만, 기본적으로 다음과 같은 특성의 차이를 살펴볼 수 있다. 먼저, 남한의 토양수분이 북한의 토양수분보다 크게 나타난다. 남한은 북 한에 비해 연도별로 작게는 1~2%에서 크게는 7~8%까지 의 높은 토양수분 상태를 보여주고 있는 것으로 나타난다.
이러한 차이는 기본적으로 남한과 북한의 기온과 식생의 차이에서 찾을 수 있을 것으로 보인다. 즉, 북한의 기온이 전체적으로 남한에 비해 낮게 유지되기는 하나 여름철의 기온은 상대적으로 차이가 적다. 이에 반해, 북한은 식생이 상대적으로 많이 파괴된 상태여서 침투의 여력이 상대적으 로 작고 증발로 인한 수분의 손실이 상당할 것으로 판단된 다. 남한의 경우에는 식생이 잘 보존된 상태여서 전체적으 로 침투의 여력이 크고 또한 증발로 인한 수분의 손실이 상 대적으로 적은 것으로 판단된다.
두 번째는 남한에서의 토양수분 변동 정도가 북한에 비해 월등히 크게 나타난다는 점이다. 즉, 남한의 토양수분은 최 저 30% 이하에서 최고 40%에 가까운 값을 보여주고 있다.
이는 토양수분의 변동 정도가 최소 28%에서 최고 32% 정 도로 작게 나타나는 북한과 크게 대비된다. 즉, 남한 토양 수분의 변동 정도는 북한의 2.5배에 달하는 큰 값을 보인다.
이는 남한지역의 식생이 상당히 발달된 상태여서 기온 및 강수조건에 따른 증산량이 토양수분의 정도에 크게 영향을 미치기 때문인 것으로 판단된다.
마지막으로 토양수분의 전반적인 상승 추세도 주목할 만 하다. 그 증가 정도가 미미하기는 하지만 최근 30년간 약 2% 정도의 상승을 보여주고 있다. 이는 남한과 북한에서 모두 나타나는 특성이다. 이러한 토양수분 증가의 원인은 무엇보다도 여름철 강수량의 증가가 큰 원인인 것으로 판 단된다. 즉, 기온의 증가에도(이에 따른 증발산량의 증가에 도) 불구하고 강수량의 증가 폭이 더 커서 결국 토양수분의 증가 경향을 만들고 있는 것으로 판단된다.
이상과 같은 결과는 인공위성에서 관측한 토양수분 자료 와도 비교하여 평가할 수 있다(Fig. 5). 인공위성 자료가 토양
Fig. 4. Annual Variation of Soil Moisture Data Simulated by the VIC Model
Fig. 5. Annual Variation of Soil Moisture Data Observed by Satellite 상층 약 5 cm 정도의 토양층에 있는 수분을 측정하므로 모 의된 자료와 일치하는 토양수분을 제공하지는 않는다(참고 로 위에서 제공한 모의 토양수분은 토양층 전체에 대한 토 양수분 값을 나타낸 것이다). 따라서 그 절대값 자체보다는 시간축에서의 변동경향에 주목하는 것이 보다 합리적일 것 이다. 전체적으로 보면, 비록 모의된 토양수분이 인공위성 으로 관측된 토양수분보다 약 4% 정도 작게 나타나지만, 남한의 토양수분이 북한의 토양수분보다 크게 나타난다는 점은 동일하다. 그러나, 좀 더 세부적으로 살펴보면, 남한과 북한의 토양수분 차이가 모의된 토양수분에 비해서는 매우 작게 나타난다. 남한의 토양수분 변동도 모의 결과보다 월 등히 작게 나타나는 특성도 있다. 그러나 과거 30년 동안 나타난 증가 정도는 모의자료와 유사한 수준인 것으로 나 타난다.
3.1.2 토양수분의 월간변동
Fig. 6은 VIC 모형으로 모의한 토양수분 자료를 월 단 위로 비교한 것이다. 월 단위 토양수분 또한 기온이 낮은 기간을 제외한 4월부터 10월까지의 결과만을 비교하였다.
Fig. 6에서 살펴볼 수 있는 것처럼 남한과 북한의 년 단위 토양수분의 차이는 주로 우기에 해당하는 여름철의 토양수 분 차이에서 기인한다는 것을 판단할 수 있다. 즉, 봄철에 해당하는 4~6월의 토양수분 상태는 남한과 북한에서 유사
하게 나타나는데 반해, 장마철 이후 토양수분의 차이가 급 격히 벌이지는 것을 확인할 수 있다. 남한의 경우, 봄철의 토양수분은 30%를 약간 하회하는 수준에서 머무르고 있으 나, 여름철에는 최대 40%까지 증가함을 확인할 수 있다.
북한에서도 봄철의 토양수분은 30% 수준을 보이고 있는데 반해 여름철에는 최대 32% 정도에 머물러 남한과의 차이 를 보인다. 토양수분의 첨두치가 남한에서는 9월에 북한에 서는 8월에 나타난다는 점도 기후적 특성 차이로 이해할 수 있다. 이러한 결과는 북한은 남한에 비해 농업적으로 불 리한 상태라는 것을 의미하기도 한다.
이러한 경향은 인공위성으로 관측한 토양수분 자료에서 도 유사하게 나타난다(Fig. 7). 월 단위 위성관측 토양수분 또한 연 단위 자료와 같은 이유로 그 절대값 자체보다는 시 간축에서의 변동경향에 주목하여 결과를 해석하였다. 앞의 토양수분 연간변동에서도 살펴본 바와 같이(Figs. 4 and 5), 비록 남한과 북한의 차이가 작게 나타나긴 하지만 전체적인 경 향은 유사하다고 판단할 수 있다. 결과적으로 보면 토양수분의
Fig. 6. Monthly Variation of Soil Moisture Simulated by the VIC Model
Fig. 7. Monthly Variation of Soil Moisture Observed by Satellite
연간 변동은 주로 여름철 토양수분에 의해 좌우되는 것으로 나타나며, 이는 물론 여름철 강수량과 직접적으로 관련이 있 다. 인공위성으로 관측된 토양수분의 경우 남한의 봄철 토양 수분 수준이 북한보다는 크게 나타나기는 하나(모의결과와는 반대 경향), 남한의 전형적인 봄 가뭄 특성을 반영하고 있는 결과로 이해할 수 있다. 즉, 기온의 상승에 따라 증발량, 증 산량이 증가하기는 하나 강수량이 한정되어 토양수분이 매우 낮아지는 것으로 이해할 수 있다.
3.2 CSEOF 분석
본 연구에서는 위성관측 토양수분 및 VIC 모형으로 유도된 토양수분 자료에 대해 CSEOF 분석을 실시하고 그 결과로
CSEOF 및 각 CSEOF가 설명하는 원자료의 분산비(원자료 가 갖는 변동성의 설명 비율)를 계산할 수 있었다. 분석에 이용한 CSEOF는 CSEOF가 설명하는 원자료의 분산비를 고 려하여 첫 번째부터 열 번째까지의 CSEOF로 결정하였다.
참고로 Fig. 8은 인공위성으로 관측한 토양수분 자료를 가지 고 구한 CSEOF 중 그 차이가 가장 뚜렷하게 나타나는 8월의 CSEOF를 나타낸 것이다. CSEOF 분석의 특성 상 이들은 모 두 서로 독립이며 서로 직교하는 성분으로 구성되어 있다.
제시된 열 개의 CSEOF 중 첫 번째 CSEOF는 특이하게 모두 양의 값으로 이루어져 있다. 이는 첫 번째 CSEOF가 토양수분의 평균적 공간 특성을 반영하고 있기 때문이다.
두 번째부터 열 번째까지의 CSEOF를 살펴보면, 세 번째
(a) (b) (c) (d)
(e) (f) (g) (h)
(i) (j)
Fig. 8. Ten CSEOFs of the Satellite Observed Data (August) for (a) 1st CSEOF (b) 2nd CSEOF (c) 3rd CSEOF (d) 4th CSEOF (e) 5th CSEOF (f) 6th CSEOF (g) 7th CSEOF (h) 8th CSEOF (i) 9th CSEOF (j) 10th CSEOF
CSEOF와 열 번째 CSEOF는 양의 값이 주를 이루고 있고, 여덟 번째 CSEOF와 아홉 번째 CSEOF는 음의 값이 주를 이루고 있는 것을 확인할 수 있다. 이는 세 번째 CSEOF와 열 번째 CSEOF의 영향이 커질수록 한반도 전체의 토양수 분이 증가하며, 여덟 번째 CSEOF와 아홉 번째 CSEOF의 영향이 커질수록 한반도 전체가 건조해지는 것을 의미한다.
이 외 CSEOF는 양의 값과 음이 값이 국부적으로 분포되어 있으며, 이는 토양수분의 다양한 공간적 변동을 보여주고 있는 것으로 보인다. 그 중 특히 다섯 번째 CSEOF와 여섯
번째 CSEOF는 남한과 북한의 토양수분 상태가 확연히 구 분될 수 있음을 시사하는 것으로 이해할 수 있다. 즉, 이 둘 CSEOF의 상대적 비중에 따라 남한과 북한의 토양수분 특 성이 다르게 나타날 수 있다.
Table 1은 VIC 모형을 이용한 토양수분 모의결과와 위성 관측 토양수분에 대해 유도한 열 개의 CSEOF들이 설명하 는 원자료의 분산비율을 정리한 것이다. 이 표에서 알 수 있듯이, 첫 번째 CSEOF가 설명하는 원자료의 분산은 최소 98% 이상으로, 다른 CSEOF에 비해 월등히 높은 비율을
Table 1. Ratio of Variance Explained by CSEOFs Derived (%)
CSEOF Observed Simulated
Ratio Cumulative Ratio Ratio Cumulative Ratio
1 99.326 99.326 98.337 98.337
2 0.170 99.495 0.656 98.993
3 0.141 99.637 0.443 99.436
4 0.131 99.768 0.246 99.682
5 0.117 99.885 0.143 99.825
6 0.065 99.950 0.106 99.931
7 0.024 99.974 0.046 99.976
8 0.010 99.984 0.009 99.985
9 0.009 99.993 0.007 99.993
10 0.005 99.998 0.004 99.997
(a)
(b)
(c)
(d)
(e)
(f)
(g)
Fig. 9. First CSEOFs of Soil Moisture Simulated by the VIC Model for (a) April (b) May (c) June (d) July (e) August (f) September (g) October
보이고 있다. 다른 CSEOF의 경우는 모두 1% 미만을 설명 하고 있다. 앞에서 설명한 것처럼, 첫 번째 CSEOF는 토양 수분의 평균적 공간 특성을 나타내고 있으며, 결국 나머지 CSEOF는 여기에 상대적으로 미미한 변동을 추가하고 있 음을 확인할 수 있다. 이에 따라 본 연구에서는 열 가지 CSEOF 중 원자료의 분산을 가장 많이 설명하는 첫 번째 CSEOF를 토양수분 모의결과를 평가하는데 이용하였다.
Fig. 9는 VIC 모형을 이용하여 모의한 토양수분 자료에 대해 최종적으로 얻은 월별 CSEOF 중 첫 번째 CSEOF를 나타낸 것이다. 첫 번째 CSEOF는 원자료의 분산을 98%
이상 설명하는 것으로 파악되었다(Table 1). 이들 첫 번째 CSEOF에서는 무엇보다도 토양수분의 월간 변화를 쉽게 확 인할 수 있었다. 먼저, 4월부터 6월까지는 일부 해안지역을 제외하고는 대부분 상대적으로 작은 양의 값을 가지고 있다.
반면, 8월부터 10월까지는 큰 양의 값이 주류를 이루게 된 다. 7월에는 큰 값과 작은 값이 고루 분포되어 있는 중간적 특성을 보인다. 전체적으로 토양수분이 7~9월에 크게 상승 하는 결과를 적절히 반영하고 있다고 판단할 수 있다.
3.3 VIC 모형의 토양수분 모의 성능 평가
본 연구에서는 VIC 모형의 토양수분 모의결과에 대한 CSEOF와 위성관측 토양수분에 대한 CSEOF의 비교를 통 하여 VIC 모형의 모의 성능을 평가하였다. 이를 위해 CSEOF 사이의 pattern correlation과 NRMSE를 계산하였다. 먼저, Fig. 10은 각 토양수분의 CSEOF가 가지는 pattern correlation 값을 보여준다. 사실, 두 번째 CSEOF 부터는 pattern correlation이 토양수분의 모의 성능을 평가하는데 큰 영향 이 주지는 않는다. 그러나 그림에는 전체 CSEOF에 대한 결과를 참고자료로 함께 수록하였다.
Fig. 10을 보면 기간에 따라 pattern correlation이 0.1 이 하에서 0.5 이상까지 다양하게 산정되는 것을 확인할 수 있 다. Fig. 10의 결과 중 첫 번째 CSEOF에 대한 결과를 더 자세히 살펴보면, 4월에서 7월까지의 CSEOF는 0.3 미만의 pattern correlation을 가지고, 8월에서 10월까지의 CSEOF는 0.3 이상의 pattern correlation을 가지고 있는 것을 알 수 있 다. 특히 8월과 9월에 대한 CSEOF는 0.5 이상의 pattern correlation을 가지고 있는 것으로 나타나 다른 기간 보다 해당 기간의 모의 성능이 뛰어나다는 것을 확인할 수 있다.
반면, 5월과 6월에 대한 CSEOF는 0.1 미만의 pattern correlation을 가지고 있어, 토양수분 모의결과가 위성관측 토양수분의 특성을 적절히 반영하지 못하고 있는 것으로 나타나고 있다.
Pattern correlation을 분석하여 얻은 결과는 대체로 NRMSE를 이용한 분석에서도 일관성을 갖는다. Fig. 11은 각 토양수분의 CSEOF가 가지는 NRMSE 값을 보여준다.
NRMSE 또한 두 번째 CSEOF 부터는 토양수분 모의 성능 을 평가하는데 큰 영향이 주지는 않는다. 이 그림을 살펴보 면, NRMSE가 월별로 0.100 이하에서 0.900 이상까지 다 양하게 나타나고 있음을 확인할 수 있다. 첫 번째 CSEOF에
Fig. 10. Pattern Correlations between Two Soil Moisture Data Simulated and Observed
Fig. 11. NRMSEs between Two Soil Moisture Data Simulated and Observed
대한 결과를 예로 들면, 4월에서 10월까지의 CSEOF 모두 0.300이하의 NRMSE를 가지고 있는 것을 알 수 있다. 이 중 7월의 CSEOF가 가장 작은 값을 가지고 있는 것으로 확 인되었으며(0.127), 4월의 경우가 가장 큰 NRMSE를 가지 는 것으로 확인되었다(0.300).
VIC 모형의 토양수분 모의 성능은 pattern correlation이 클수록, NRMSE는 작을수록 뛰어난 것으로 판단할 수 있 다. 분석 결과, 4월부터 6월까지의 CSEOF는 pattern correlation이 0.200 미만임과 동시에 NRMSE도 상대적으 로 큰 값을 가지는 것으로 확인되었다. 이는 이에 해당하는 기간의 토양수분 모의결과가 위성관측 토양수분과 상당히 다른 패턴을 보이고 있음을 의미한다. 다음으로 7월과 10 월에 해당하는 CSEOF는 상대적으로 작은 NRMSE를 가 지고 있으나, pattern correlation이 0.400 보다 작은 것으 로 나타났다. Pattern correlation이 0.400 보다 작음은 선 형적 관계로 보면 겨우 40% 미만의 설명력을 가지고 있는 것으로 이해할 수 있다. 이 역시 해당 모의결과를 그대로 이용하는데 한계가 있음을 보여준다. 마지막으로, 8월과 9 월에 대한 CSEOF는 0.500 이상의 pattern correlation을
가지고 있음이 확인되며 NRMSE 또한 상대적으로 크지 않은 것으로 나타났다. 이는 4월에서 10월까지의 토양수분 모의결과 중 해당 기간의 토양수분이 가장 위성관측 토양 수분과 유사한 것임을 알려준다.
그러나, 이상과 같은 평가 결과는 VIC 모형을 이용한 토 양수분 모의결과와 위성 관측된 토양수분의 비교결과일 뿐 이다. 전체적으로 볼 때 계산된 pattern correlation은 아주 큰 값을 보여주고 있지는 못하다(반대로 NRMSE 값이 아 주 작게 나타나지도 않는다). 만일 위성 관측된 자료가 참 값에 가깝다고 가정할 수 있다면, 이 결과는 토양수분 모의 결과를 이용하는데 한계가 있음을 보여주는 것이 될 수도 있다. 그러나 위성 관측된 자료가 완벽한 것이 아니며, 아 울러 토양층 전체를 대표하는 것도 아니므로 이 정도의 pattern correlation은 VIC 모형의 이용 가능성을 제시하는 것으로 받아들일 수 있을 것이다.
4. 결 론
본 연구에서는 지표수문해석모형의 하나인 VIC 모형을 이용하여 과거 30년(1983~2013년) 동안에 대한 남한과 북 한의 토양수분을 모의하고 그 거동 차이를 분석하였다. 본 연구에서는 또한 Soil Moisture CCI에서 제공하는 위성관 측 토양수분 자료를 분석하여 그 결과를 VIC 모형의 모의 결과와 비교하였다. 특히, 모의결과와 관측자료 사이의 비 교에는 CSEOF 분석을 적용하여 단순한 토양수분 값의 비 교가 아닌 VIC 모형의 성능이 간접적으로 평가될 수 있도 록 하였다. 그 결과를 정리하면 다음과 같다.
첫 째, 토양수분의 경년변동은 남한과 북한 모두 전체적 으로 유사한 경향을 보여주었다. 그러나 남한의 토양수분이 북한의 토양수분보다 작게는 1~2%에서 크게는 7~8%까지 의 높은 것으로 나타났다. 추가로, 토양수분의 전반적인 상 승 추세도 주목할 만하다. 그 증가 정도가 미미하기는 하지 만 최근 30년간 약 2% 정도의 상승을 보여주고 있다. 이는 남한과 북한에서 모두 나타나는 특성으로, 무엇보다도 여름 철 강수량의 증가가 큰 원인인 것으로 판단된다.
둘 째, 남한과 북한의 년 단위 토양수분의 차이는 주로 우기에 해당하는 여름철의 토양수분 차이에서 기인한다는 것을 확인하였다. 즉, 봄철에 해당하는 4~6월의 토양수분 상태는 남한과 북한에서 유사하게(약 30% 정도) 나타나는 데 반해, 장마철 이후 토양수분은 남한의 경우 최대 40%까 지 증가하지만, 북한에서는 최대 32% 정도에 머무르는 것 으로 확인되었다.
셋 째, 이상과 같은 결과는 인공위성에서 관측한 토양수 분 자료에서도 유사한 것으로 나타났다. 전체적으로 모의된 토양수분이 인공위성에서 관측된 토양수분보다 약 4% 정 도 작고, 또한 남한과 북한의 토양수분 차이가 모의된 토양 수분에 비해서는 상대적으로 작게 나타났지만, 과거 30년 동안 나타난 증가 정도는 모의자료와 유사한 수준인 것으 로 확인되었다. 마지막으로, 위성으로 관측된 토양수분 및
VIC 모형으로 유도된 토양수분 자료에 대해 유도한 CSEOF 의 비교 결과, 4월부터 6월까지의 토양수분은 공간적으로 서로 상당히 다른 패턴을 보이는 것으로 나타났다. 그러나 7월과 10월의 경우에는 약한 유사성을 보이고 있으며, 마 지막으로 8월과 9월에는 상당히 유사한 패턴임을 확인하였 다. 이러한 결과는 위성 관측된 자료가 완벽한 것이 아니 며, 아울러 토양층 전체를 대표하는 것도 아니므로 점을 고 려할 때, VIC 모형의 이용 가능성을 제시하는 것으로 받아 들일 수 있을 것이다.
사 사
본 연구는 국토교통부 물관리사업의 연구비지원(14AWMP- B082564-01)에 의해 수행되었습니다.
References
Choi, M, and Jacobs, JM(2008). Temporal Variability Corrections for Advanced Microwave Scanning Radiometer E (AMSR-E) Surface Soil Moisture: Case Study in Little River region, Georgia, US. Sensors, 8(4), pp.
2617-2627.
Ford, TW, and Quiring, SM(2013). Influence of MODIS-derived Dynamic Vegetation on VIC-simulated Soil Moisture in Oklahoma. J. of Hydrometeorology, 14(6), pp. 1910-1921.
Hamlet, AF, Mote, PW, Clark, MP, and Lettenmaier, DP(2007).
Twentieth-century Trends in Runoff, Evapotranspiration, and Soil Moisture in the Western United States. J. of Climate, 20(8), pp. 1468-1486.
Kim, G and Lee ER(2004). Development a Downscaling Method of Remotely-Sensed Soil Moisture Data Using Neural Networks and Ancillary Data. J. of Korea Water Reseources Association, 37(1), pp. 21-29.
Kim, KY and North, GR(1993) EOF Analysis of Surface Temperature Field in a Stochastic Climate Model, J. of Climate, AMS, 6(9), pp. 681-1690.
Kim, KY and North, GR(1997) EOFs of Harmonizable Cyclostationary Processes. J. of Atmospheric Sciences, AMS, 54(19), pp. 2416-2427.
Kim, KY(1997) Statistical Interpolation using Cyclostationary EOFs. J. of Climate, AMS, 10(11), pp. 2931-2942.
Kim, KY, Hamlington, B, and Na, H(2015) Theoretical Foundation of Cyclostationary EOF Analysis for Geophysical and Climatic Variables: Concepts and Examples. Earth Science Reviews, 150, pp. 201-218.
Kwak, CJ, Choi, WJ, and Cho, JW(2015). An Assessment of Flooding Risk Using Flash Flood Index in North Korea;
Focus on Imjin Basin. J. of Korea Water Resources Association, 48(12), pp. 1037-1049.
Lee, GM(2012). Water Resources in North Korea and Suggestions for Mutual Cooperation. J. of the Korean Society of Civil Engineers, 60(3), pp. 17-24.
Lee, KS, Joung, MR, and Yoon, JS(1999). Content and Characteristics of Forest Cover Changes in North Korea.
J. of Korean Forestry Society, 88(3), pp. 352-363.
Lee, SH(2004). Situation of Degraded Forest Land in DPRK and Strategies for Forestry Cooperation between South and North Korea. J. of Agriculture and Life Sciences, 38(3), pp.
101-113.
Lee, YJ(2007). North and South Korea Climate Change Cooperation Policy. Gyeonggi Research Institute, 9(4), pp.
73-93.
Liang, X, Lettenmaier, Dennis P, Wood, Eric F, and Burges, SJ(1994). A simple hydrologically based model of land surface water and energy fluxes for general circulation models. J. of Geophysical Research: Atmospheres, 99(D7), pp. 14415-14428.
Lim, YK, Kim, KY, and Lee, HS(2002) Temporal and Spatial Evolution of the Asian Summer Monsoon in the Seasonal Cycle of Synoptic Fields. J. of Climate, AMS, 15(24), pp.
3630-3644.
Michell, AR(1998). The Current North Korean Economy.
Economic Integration of the Korean Peninsula.
Washington: Institute for International Economics.
Myeong, SJ, Hong, HJ, Choi, HI, and Jung, JC(2008).
Estimation of North Korea's Vulnerability to Natural Disasters and Research on Inter-Korean Cooperation.
Korea Environment Institute, pp. 1-203.
Park, KS, Lee, SY, and Park, SY(2009). A Study on the North Korea's Change of Forest Policy since the Economic Crisis in 1990's. The Korean J. of Unification Affairs, 21(1), pp.
459-492.
Seo, KH and Kim, KY(2003) Propagation and Initiation Mechanisms of the Madden-Julian Oscillation. J. of Geophysical Research, JGR, 108(D13).
Sheffield, J and Wood, EF(2008). Global Trends and Variability in Soil Moisture and Drought Characteristics, 1950-2000, from Observation-Driven Simulations of the Terrestrial Hydrologic Cycle. J. of Climate, 21(3), pp. 432-458.
Son, KH, Bae, DH, and Chung, JS(2011). Drought Analysis and Assessment by Using Land Surface Model on South Korea.
J. of Korea Water Resources Association, 44(8), 667-681.
Son, KH, Lee, MH, and Bae, DH(2012). Runoff Analysis and Assessment Using Land Surface Model on East Asia. J. of Korea Water Resources Association, 45(2), pp. 165-178.
UN(2016), WMO Provisional Statement on the Status of the Global Climate in 2016.
Wagner, W, Lemoine, G, and Rott, H(1999). A Method for Estimating Soil Moisture from ERS Scatterometer and Soil Data. Remote sensing of environment, 70(2), pp. 191-207.
Wang, A, Lettenmaier, DP, and Sheffield, J(2011). Soil Moisture Drought in China, 1950-2006. J. of Climate, 24(13), pp.
3257-3271.
Yoo, C(1997). Application of Remote Sensing to Soil Moisture Research. Water for future, 30(1), pp. 64-68.
