Development of ArcGIS-based Model to Estimate Monthly Potential Soil Loss

월단위 토양유실가능성 추정을 위한 ArcGIS 기반의 모형 개발

Development of ArcGIS-based Model to Estimate Monthly Potential Soil Loss

유나영

･ 이동준

･ 한정호

･ 임경재

･ 김종건

･ 김기형

･ 김소연

･ 김은석

･ 박윤식

Yu, Na Young ･ Lee, Dong June ･ Han, Jeong Ho ･ Lim, Kyoung Jae ･ Kim, Jonggun ･ Kim, Ki Hyoung ･ Kim, Soyeon ･

Kim, Eun Seok ･ Park, Youn Shik

Abstract

Soil erosion has been issued in many countries since it causes negative impacts on ecosystem at the receiving water bodies. Therefore best management practices to resolve the problem in a watershed have been developed and implemented. As a prior process, there is a need to define soil erosion level and to identify the area of concern regarding soil erosion so that the practices are effective as they are designed. Universal Soil Loss Equation (USLE) were developed to estimate potential soil erosion and many Geographic Information System (GIS) models employ USLE to estimate soil erosion. Sediment Assessment Tool for Effective Erosion Control (SATEEC) is one of the models, the model provided several opportunities to consider various watershed peculiarities such as breaking of slope length, monthly variation of rainfall, crop growth at agricultural fields, etc. SATEEC is useful to estimate soil erosion, however the model can be implemented with ArcView software that is no longer used or hard to use currently. Therefore SATEEC based on ArcView was rebuild for the ArcGIS software with all modules provided at the previous version. The rebuilt SATEEC, ArcSATEEC, was programmed in ArcPy and works as ArcGIS Toolset and allows considering monthly variations of rainfall and crop growth at any watershed in South-Korea.

ArcSATEEC was applied in Daecheong-dam watershed in this study, monthly soil erosion was estimated with monthly rainfall and crop growth variation. Annual soil erosion was computed by summing monthly soil erosion and was compared to the conventional approach to estimate annual soil erosion. The annual soil erosion estimated by the conventional approach and by summing monthly approach did not display much differences, however, ArcSATEEC was capable to provide monthly variation of soil erosion.

Keywords: GIS; soil erosion; USLE

*

Department of Rural Construction Engineering, Kongju National University

**

Department of Regional Infrastructures Engineering, Kangwon National University

† Corresponding author

Tel.: +82-41-330-1267 Fax: +82-41-330-1269 E-mail: [email protected]

Received: September 28, 2016 Revised: October 11, 2016 Accepted: October 12, 2016

Ⅰ. 서 론

토양유실은 강우 발생 시 강우 타격에 의해 토양 표면의 토 양입자가 유실되는 것으로 자연적으로 발생할 수 있는 현상 이다. 하지만 도시화 등과 같은 토지 이용의 형태가 바뀌는 인 위적인 원인이나, 강우 패턴의 변화 등과 같은 자연적인 원인 으로 토양유실이 심각한 문제가 되어 왔다. 특히, 인구 증가나 산업 기술의 발달로 자원 수요가 증가하고, 농경지에서의 과 도한 시비 및 관개활동, 산불 등과 같은 이유로 지나친 토양유 실이 발생하고 있다 (Cho and Jung, 2005).

범용토양유실공식 (Universal Soil Loss Equation; USLE)

(Wischmeier and Smith, 1978)은 토양유실량의 예측을 위해 우 리나라뿐만 아니라 여러 나라에서 사용되고 있다 (Chandramohan et al., 2015; Devatha et al., 2015; Kang et al., 2009; Kang et al., 2010; Kim et al., 2007; Lee et al., 2014; Park et al., 2014).

범용토양유실공식은 장기간 동안의 연평균 토양유실량을 산 정할 수 있는 경험적인 모형이며, 토양유실량 예측을 위하여 강우침식능인자 (Rainfall erosivity factor; R factor), 토양침 식성인자 (Soil erodibility factor; K factor), 경사장･경사도 인자 (Slope and slope steepness factor; LS factor), 지표피복 인자 (Crop and cover management factor; C factor), 경작방 법인자 (Conservation practice factor; P factor)의 5개 인자를 필요로 한다 (Renard et al., 1997; Wischmeier and Smith, 1965, 1978) (식 (1)).

   × ×  ×  × 

여기서, A는 단위 면적에서 침식되어 유실되는 토양유실 가능성 추정치 (ton/ha/yr)이며, R은 강우침식능인자이며 (MJ･mm/ha･yr･hr), K는 토양침식성인자 (Mg･hr/MJ･mm) 이며, LS는 경사장･경사도인자 (무차원)이며, C는 지표피복

인자 (피복상태 등의 경작종류와 형태에 따른 식생피복인자, 무차원)이며, P는 경작방법인자 (무차원)이다.

강우침식능인자 (USLE R Factor)는 토양유실량 예측 대 상 지역에서 강우량 및 강우강도와 관계를 가지는 침식성 인 자이며, 토양침식성인자 (USLE K Factor)는 발생한 토양유 실량과 강우에 의한 타격 및 지표유출수에 의한 토양유실 가 능성을 표현하는 강우침식능인자에 의해 계산이 된다. 사면 길이 22.13 m, 표면경사 9 %를 기준으로 하여, 경사장 및 경 사도에 의한 토양유실 가능성을 고려할 수 있는 인자가 경사 장･경사도인자 (USLE LS Factor)이며, 지표피복인자 (USLE C Factor)는 농경지에서의 작물의 종류나 토지이용현황과 같 은 지표피복상태를 고려하기 위한 인자이다. 경작방법인자 (USLE P Factor)는 농경지에서 고랑의 방향이 토양유실량에 주는 영향을 반영하기 위한 인자이다. 범용토양유실공식은 유역에서 발생하는 연간 토양유실량을 산정하기 위하여 제시 된 경험적으로, 유역의 강우 특성, 토양특성, 지형특성, 토지 이용특성, 경작방법 특성에 관련된 변수를 이용하여 그 유역 의 토양유실량을 추정할 수 있다. 이 공식은 토양유실을 산정 하거나 예측하기 위한 여러 모형에 이용이 되고 있다.

High Impact Targeting (HIT; http://www.iwr.msu.edu/hit2/

home.htm)은 웹기반의 모형으로 미국 미시간 주립 대학교에서 개정범용토양유실공식 (Revised Universal Soil Loss Equation.

RUSLE)과 Sediment Delivery Model (SEDMOD; Fraser, 1999)를 기반으로 하여, 그레이트 레이크 (Great Lakes) 유역 에 대한 연간 토양유실량과 부유사 부하량 산정을 위해 개발 되었다. 초기에는 토양유실량 산정이 주된 목적이었으나, 최 근에는 최적관리기법에 의한 토양유실저감량을 함께 고려할 수 있도록 개선되었다.

Water Erosion Prediction Project (WEPP; Flanagan and Livingston, 1995)는 범용토양유실공식을 기반으로 하고 있 으나, 분단위 강우자료나 단일 강우사상에 대한 유출 및 토양 유실량 모의가 가능한 모형이다. 초기에는 텍스트 형식의 파 일을 입력자료로 하여 텍스트 형식의 결과를 출력하는 포트란 기반의 모형이었으나, C++ 언어에 의한 모형으로 개선된 후, GIS 기반의 모형인 GeoWEPP (Renschler, 2002)가 개발되었 다. 그리고 웹 기반의 WEPP 모형인 WEPP Watershed Online GIS 2011 (Frankenberger et al., 2011; http://milford.nserl.

purdue.edu/wepp/)이 개발되어 현재 2013 버전까지 업데이 트 되어왔다.

이 모형들과 유사하고 데스크탑의 GIS 소프트웨어를 기반 으로 하는 Sediment Assessment Tool for Effective Erosion Control (SATEEC; Lim et al., 2003)이 개발되어 이용되어 왔다. 이 SATEEC 모형은 수치표고모형, 토지이용도, 토양도

와 같은 GIS 기반의 자료를 범용토양유실공식의 인자들로 변 환에서 토양유실량 산정에까지 사용자에게 편의를 제공하고 있다. 그러나, 이 SATEEC 모형은 장기간에 걸친 토양유실량 을 예측하기 때문에 우리나라의 여름에 집중되는 강우 특성 을 반영하는 데에 한계가 있다. 더욱이 현재 사용이 제한되는 GIS 기반의 소프트웨어인 ArcGIS 10에 의해 구동되는 것이 아니라 ArcView 기반으로 되어 있기 때문에 모형의 사용이 제한이 된다. 따라서, 본 연구의 목적은 SATEEC 모형이 현 재 사용되고 있는 ArcGIS 기반의 소프트웨어에 의해 구동될 수 있도록 재개발하는 것이며, 또한 한국의 계절특성을 반영 한 토양유실량 예측이 가능하도록 개선하는 것이다.

II. 연구방법

1. SATEEC 모형의 개요

SATEEC 모형은 범용토양유실공식에 의해서 토양유실량 을 추정할 수 있도록 개발된 GIS 기반의 모형이다. 이 모형은 수치표고모형 (Digital elevation model, DEM)을 이용하여 경사장･경사도인자와 경작방법인자를 산정하며, 토지이용 도를 이용하여 지표피복인자를 산정하고, 토양도를 이용하 여 토양침식성인자를 산정한다. 그리고 사용자에 의해 정의 된 강우침식능인자를 이용하여 토양유실량을 추정을 하는데, 여기에 유달률 (Sediment delivery ratio)을 이용하여 유역의 유출구에 도달하는 유사량 산정까지 가능하다. SATEEC 모 형에서의 유달률은 면적에 의한 3가지 유달률 (Vanoni et al., 1975; USDA, 1972; Boyce, 1975) (식 (2)~(4))과 유역의 경 사에 의한 유달률 (Williams & Berndt, 1977) (식 (5))을 제공 한다. 그러나 Park et al. (2007)에 의하면, 동일한 면적이거나 동일한 경사일 경우 다른 유역의 조건과는 관계없이 유달률 이 동일하게 산정되는 데에는 문제가 있기 때문에, 유역의 형 상을 동시에 반영하여 유달률을 산정할 필요가 있다고 지적 한 바 있다. 이에 면적, 경사, Curve Number (CN)을 함께 고 려하는 유달률 산정 모듈 (식 (6))이 추가된 바 있다 (Park et al., 2010).

   × 

   × 

   × 

   × 

  × 

× 

× 

여기서, SDR은 유달률이며, A는 유역면적 (km²), S는 유 역의 평균경사 (%), CN은 Curve number, 그리고 a, b, c, d는 적용유역에 대한 계수 및 지수이다.

범용토양유실공식은 연평균 토양유실량 추정을 위한 것으 로, 계절적인 특성을 반영할 수 없으며, 또한 연별로 다를 수 있는 강우 특성도 반영할 수 없다 (Diodato and Bellocchi, 2007; Yu et al., 2001). 즉, 여름철에 집중되는 한국의 강우특 성을 반영하거나, 해마다 다른 강우량을 반영한 토양유실량 산정이 가능하지 않다. 이를 보완하기 위해서, SATEEC 모형 은 월별 혹은 연별 강우량의 합에 의해 강우침식능인자 (Jung et al., 1983)를 산정하여 (식 (7), (8)) 이에 의한 토양유실량을 산정할 수 있도록 개선된 바 있다 (Park et al., 2010).

    × 

     × 

여기서, X는 월별 강우량의 합 (mm)이며, Y는 연별 강우 량의 합 (mm)이다.

강우침식능인자와 함께 시기별로 변화할 수 있는 조건이 작 물의 생장조건인데, 이는 작물의 생장에 따라서 지표를 피복 하는 면적이 변하고 이로 인해 빗방울에 의한 지표의 피복 조 건이 바뀌기 때문이다. 작물의 생장에 따라 변화하는 지표피 복상태를 반영하기 위해 Park et al. (2010)은 Soil and Water Assessment Tool (SWAT; Arnold et al., 1998)을 이용하여 10일 단위 지표피복인자를 구축한 바 있다. SWAT 모형은 재 배되는 작물에 대한 지표피복인자의 최소값과 지표층에서의 잔유물의 변화를 반영하여 지표피복인자를 산정한다. 이 지 표피복인자 최소값 (CUSLE,mn)은 모형에 저장된 데이터베이 스 값이며, 지표로부터 10 mm 깊이의 지표층에서의 잔유물 (rsd_surf)은 작물의 생장에 따른 생물량 (biomass)과 지표층에 서의 유기물 함량의 변화량에 의해 결정이 된다 (식 (9)). 작물 의 생장에 따른 생물량과 지표층에서의 유기물 함량은 기상 자료에 의해 일단위로 결정이 되며 이는 일단위의 지표층에 서의 잔유물 및 지표피복인자에 영향을 준다. 즉, SWAT 모형 은 대상 유역의 기상자료에 따라 일단위로 변화하는 지표피 복인자의 산정이 가능하며, 10일 간격의 평균값으로 10일 단 위 지표피복인자 데이터베이스가 구축되었다 (Park et al., 2010).



 expln ln



× exp  × 

ln



값으로 지표피복인자의 최소값이며, rsdsurf는 지표층에서의 잔유물 (kg/ha)이다.

경사장･경사도인자는 대상 지역의 지형을 반영하기 위한 인자이며 GIS 기반의 소프트웨어에서는 수치표고모형에 의 해 산정될 수 있다. 수치표고모형은 격자로 구성되어 각 격자 가 해당 위치에 대한 고저 정보만을 가질 뿐, 이 격자가 도로나 농경지의 경계와 같은 정보까지는 포함하지 않을 수도 있다.

그런데 경사와 동일하지 않은 방향인 도로나 농경지의 경계 는 경사장의 단절을 의미하며, 이러한 부분이 경사장･경사도 인자 산정에 반영될 필요가 있다. 이에 토양유실을 예측하기 위한 대상 지역 내 위치하는 도로 등과 같이 경사장의 단절을 반영하여 경사장･경사도인자를 산정할 수 있는 모듈의 개발 을 통해 SATEEC 모형이 개발된 바 있다 (Kang et al., 2009).

이와 같이 SATEEC 모형은 토양유실가능성을 추정하고, 임의지점에서의 유사량을 예측하는 데에 있어 이용될 수 있 으나, ArcView를 기반으로 하기 때문에 현재 사용되기에 다 소 한계점이 있다.

2. 월단위 토양유실가능성 추정

한국의 경우, 월별 강우량이나 작물의 생장조건이 다르기 때문에 이에 대한 반영이 토양유실량 예측에 필요한 것으로 생각된다 (Park et al., 2010). 따라서 범용토양유실공식에서 강우와 작물의 생장과 관련된 인자인 강우침식능인자와 지표 피복인자 산정 및 적용에 월별 변동성이 반영될 필요가 있다.

강우침식능인자는 단순 강우량을 이용하는 것이 아닌 강 우가 지표에 낙하될 때 발생하는 운동 에너지로 환산하여 산 정하게 된다. 운동에너지 산정에 관해 Wischmeier and Smith (1978)은 강우사상에 대한 강우인자 산정 방법을 다음과 같 이 제시하였다. 강우사상 구분은 강우 간격 6시간 이내일 경 우 1회의 강우사상으로 정의하며, 표토침식이 발생하는 한계 강우량은 강우사상 12.7 mm 이상이다. 그러나 한계 강우량 12.7 mm 이하일 지라도 15분 이내 강우량이 6.25 mm 이상인 경우에는 한계강우량과 상관없이 표토침식이 발생되는 강우 사상으로 정의한다. 그리고 각 강우사상에 대해서 강우침식 능인자는 식 (10)~(13)에 의해 계산된다.

  ≤  →    log



  ≻  →   

   ^{ ∙ }

   ∙ 

Fig. 1 Inputs to estimate monthly soil erosion

Table 1 Regressions to compute monthly R factors

Region Regression model

Daejeon

Jeonju

Boeun

Buyeo

Guemsan

Imsil

Jangsu

여기서, I는 강우강도 (mm/hr), e는 강우사상의 시간단위 별 운동에너지 (Kinetic energy, MJ/ha･mm), P는 강수사상 의 시간단위별 강우량 (mm), E는 강우사상별 운동에너지 (MJ/ha), I_30max는 지속시간 30분 최대강우강도 (mm/hr) 그리 고 R은 강우침식능인자 (MJ･mm/ha･hr) 이다.

Risal et al. (2016)은 기상청의 75개 지점에 대해 월별 강우 침식능인자를 월별 강우량의 합과 지역에 따라 다른 지수와 계수를 가지는 회귀식에 의하여 산정할 수 있도록 제안한 바 있다. 이를 위해 최근 약 15년간의 10분단위 강우 자료가 이용 되었으며, 또한 75개 지점에 대해서 식 (10)~(13)에 의해 산정 된 월별 강우침식능인자와 회귀식에 의해 산정된 강우침식능 인자가 서로 높은 상관관계를 보였기 때문에 월별 강우침식 능인자 산정에 활용될 수 있을 것으로 판단된다.

작물에 의한 지표피복조건은 작물의 종류뿐만 아니라 작 물의 생장상태에 따라 달라질 수 있다. 즉, 한국 내에서도 기 후에 따라 작물의 생장상태는 달라질 수 있기 때문에 작물의 종류뿐만 아니라 지역적으로 다를 수 있는 작물의 생장상태 를 고려할 필요가 있다. 이에, Kongju National University (2016)는 한강, 금강, 낙동강, 영산강 유역에 대해 작물 재배 일정을 조사하고, SWAT 모형을 이용하여 여러 작물에 대한 월별 지표피복인자를 구축한 바 있다. 구축된 월별 지표피복 인자는 작물의 생장상태에 따라 다른 값을 보이고 있으며, 또 한 동일한 작물이라고 하더라도 지역에 따라 다른 값을 보이 고 있다. 구축된 월별 지표피복인자는 최근 15년에 대한 기상 자료와 SWAT을 이용하였기 때문에 최근 기후에 의한 작물 생장 조건을 반영할 수 있을 것으로 생각된다.

3. 대청댐 입력자료 구축

본 연구에서 개발된 ArcSATEEC 모형의 시범 적용을 위 해서, 충청북도에 위치하고 있는 대청호 유역을 선정하였다.

이 유역은 금강 유역에서의 수자원의 다목적 개발을 위해 준 공된 호수로 금강 하구로부터 150 km 상류지점인 대전광역 시와 충청북도 청원군 사이에 위치해 있다. 유역면적은 4,190 km²이며, 산림이 71.1 %, 농경지가 19.6 %를 차지하고 있다. 유 역에 대해서 30 m의 격자를 가지는 공간자료를 구축하였는데, 수치표고모형은 국립지리원에서 제공하는 수치지도 (1:5,000) 를 이용하였고, 토양도는 농촌진흥청 농업과학기술원에서 제공하는 개략토양도 (1:50,000)를 이용하였으며, 토지이용 도는 환경부 환경공간정보서비스에서 제공하는 2005년 대분 류 토지피복도 (1:25,000)를 이용하였다 (Fig. 1).

월별 강우침식능인자를 산정하기 위해 기상청에서 제공하

Fig. 2 Location of rainfall gauge stations

Fig. 3 Interfaces of ArcSATEEC

점, 전주 지점, 보은 지점, 부여 지점, 금산 지점, 임실 지점, 장 수 지점의 7개 지점에 대해 수집되었다 (Fig. 2). 각 지점에 대 해서 수집된 일별 강우자료는 Risal et al. (2016)에 의해 제안

된 월별 강우침식능인자 산정식을 이용하여 월별 인자로 계 산하였다 (Table 1).

IV. 결 과

1. ArcGIS 10을 기반으로 하는 ArcSATEEC의 개발

기존 SATEEC 모형은 연평균 연간 토양유실량을 추정하 는 데에 사용이 가능하였으나, ArcSATEEC은 우리나라의 계절성을 반영하여 토양유실량을 추정할 수 있도록 강우침식 능인자와 지표피복인자를 월별로 산정할 수 있도록 개선하였

Fig. 4 Schematic flow of ArcSATEEC

Table 2 Definition of P factor by slope

Landuse

P factor

Paddy land

0.2

Upland

Slope Value

0-2% 0.60

2-7% 0.50

7-12% 0.6

12-18% 0.80

18-24% 0.90

24-30% 0.95

>30% 1.00

다 (Fig. 4). ArcSATEEC 모형은 사용자의 GIS 자료를 범용 토양유실공식의 각 인자 자료로 변환하는데, 월별 강우침식 능인자 지도 생성을 위해서는 Point Feature 형식의 자료를 필 요로 한다. 이 자료는 대상 유역 안에 혹은 인근에 위치한 강우 자료의 측정 위치를 나타내기 위한 것이며, 각 지점에 대해서 월별 강우침식능인자 값들을 가지고 있어야 한다. 토양침식 성인자는 토양도에 의해 구축될 수 있도록 하였는데, 기존 SATEEC 모형은 사용자에 의해서 래스터 형식의 자료로 각 격자가 인자값을 가지도록 구축한 뒤 사용이 가능했었던 반 면에, ArcSATEEC에서는 래스터 형식의 토양도 자료를 그 대로 사용하면서 각 토양 속성에 대한 인자값을 텍스트파일 로 저장하면, 모형 내에서 인자값이 정의될 수 있도록 하였다.

경사장･경사도인자와 경작방법인자는 수치표고모형에 의해 서 정의될 수 있다. 경사장･경사도인자는 Moore and Burch (1986)에 의해 제안된 방법에 의해 산정될 수 있는데, 수치표 고모형을 이용하여 경사도 및 유로 (flow path) 지도를 만들면

인자값에 대한 정의가 가능하다.

     

×    sin 

여기서, A는 인자값을 정의하기 위한 지점까지의 면적 (m²) 이며, Θ는 경사각 (°)이다.

경작방법인자는 경사도에 따라 정의가 가능한데, Table 2 에서 보이는 바와 같이 Wischmeier and Smith (1978)에 의해 정의된 값을 사용할 수 있다. 지표피복인자는 토지이용도에 따라 정의될 수 있는데, ArcSATEEC에서는 월별 토지피복 상태의 변화를 반영할 수 있도록 하였다. 토지이용종류 및 지 역별/작물별에 따른 월별 지표피복인자 데이터베이스를 텍 스트 파일 형식으로 구축하였으며, 사용자의 토지이용도와 월단위 데이터베이스에 의해서 월별 지표피복인자 지도가 구 축될 수 있도록 하였다.

2. 대청댐에서의 월별 토양유실량

본 연구에서는 우리나라의 계절성을 반영한 토양유실량을 추정하기 위해서, 계절에 따라 변동이 있을 것으로 생각되는 강우침식능인자와 지표피복인자에 대해 월별로 추정하여 월 별토양유실량을 예측하였다. 또한 환경부에서 제정한 ‘표토 의 침식현황에 관한 고시’ (Ministry of Environment, 2012) 에 명시된 방법에 따라 연평균 토양유실량을 추정하였다.

강우침식능인자와 지표피복인자는 계절에 따라 다를 수 있기 때문에, 이를 반영하기 위해서 본 연구에서는 월별 인자 에 의해 월별 토양유실량을 추정하였다. 강우침식능인자는 대상 유역 내에 혹은 인근에 위치하는 강우 자료를 이용하여

Table 3 Minimum and Maximum of monthly USLE R and C factors

Month R (MJ･mm/ha･hr) C (-)

January 28.844 64.335 0.000 0.453 February 55.399 100.100 0.000 0.467 March 109.075 163.146 0.000 0.510 April 227.495 283.494 0.000 0.560

May 260.377 380.278 0.000 0.527

June 588.403 790.477 0.000 0.291 July 1638.68 2280.37 0.000 0.211 August 1482.97 2253.62 0.000 0.204 September 628.075 868.772 0.000 0.239 October 118.041 179.862 0.000 0.280 November 116.610 197.130 0.000 0.326 December 73.977 123.423 0.000 0.375

(a) R factor map for January (b) R factor map for July (c) R factor map by yearly approach Fig. 5 Comparison of monthly and yearly R maps

표 1의 회귀식에 의해 월별 인자를 산정한 후, ArcSATEEC 모형에 의해 래스터 형식의 월별 지도로 생성되었다. 본 연구 에서는 월별 강우침식능인자를 산정하였기 때문에, 1월부터 12월까지의 12개의 지도가 생성이 되었다 (Table 3). 1월에 대해서는 지점에 따라 28.84~64.33 MJ･mm/ha･hr의 범위를 보였으며 (Fig. 5 (a)), 7월에 대해서는 지점에 따라 1,638.68~

2,280.37 MJ･mm/ha･hr의 범위를 보였는데 (Fig. 5 (b)), 1월 에는 부여 (Buyeo)와 전주 (Jeonju) 지점에서 비교적 큰 강우 를 보이면서, 유역의 북쪽 지역에서 큰 값을 보였다. 그리고 7 월에는 임실 (Imsil)과 장수 (Jangsu) 지점에서 비교적 큰 강 우를 보이면서 유역의 남쪽 지역에서 큰 값을 보였다. 그리고

‘표토의 침식현황에 관한 고시’에 의한 강우침식능인자는 3,212.34~4,414.06 MJ･mm/ha･hr의 범위를 보였는데 (Fig.

5 (c)), 서쪽 지역에서 큰 값을 보였다. 월별 토양유실량이 계 산이 된 후에 그 합과 연간 토양유실량과의 비교가 가능하기 때문에, 월별 강우침식능인자와 연간 강우침식능인자에 대 한 값의 크기 비교에 큰 의미를 두기는 힘들다. 그러나, 월별 로 강우침식능 인자를 산정할 경우 월별로 강우침식능인자가 큰 지점이 다르게 나타났으며, 또한 연간 강우침식능인자의 분포와도 다르게 나타났다. 즉, 본 결과는 침식을 일으키는 인 자인 강우의 시기적인 공간적인 분포가 다르며, 이에 우선적 으로 관리가 필요한 지역이 달라질 수 있음을 보여준다.

지표피복인자 역시 월별로 총 12개의 지도가 생성되었는 데, 작물의 생장상태가 고려되면서 월별로 차이를 보였다 (Table 3). 월별 및 연간 지표피복인자를 정의할 때, 저수지나 하천과 같은 수역에 대한 지표피복인자는 0으로 정의하였기 때문에, 지표피복인자에 대한 최소값은 0으로 모두 동일하였 다. 작물이 파종되기 직전인 4월에 대한 월별 지표피복인자의 최대값은 0.560이었으나 (Fig. 6 (a)), 작물이 수확되기 전이 면서 지표의 피복이 상대적으로 잘 이루어진 8월에 대해서는 최대값이 0.204로 (Fig. 6 (b)), ‘표토의 침식현황에 관한 고 시’에 제시된 농경지에 대한 값인 0.3 (Fig. 6 (c)) 보다 작은 값 을 가지는 지도가 생성이 되었다. 토양유실량을 산정하는 과 정에는 여러 다른 인자들에 의한 영향이 적지 않지만, 지표피 복인자는 작물에 의한 지표피복 상태가 잘 이루어진 여름이 봄에 대해서 50 % 미만의 값이 적용되었다. 대상 유역에서의 농경지는 북쪽, 서쪽, 남쪽 지역에 분포가 되어 있으며 (Fig.

(a) C factor map for April (b) C factor map for August (c) C factor map by yearly approach Fig. 6 Comparison of monthly and yearly C maps

Fig. 7 K (Mg･hr/MJ･cm) map to estimate yearly and monthly soil

loss Fig. 8 LS map generated by ArcSATEEC using DEM

1), 이 지역들은 강우인자의 분포가 다르게 나타난 지역들이 다 (Fig. 5).

토양침식성인자, 경사장･경사도인자, 경작방법인자는 월 별로 변하지 않는 인자로 판단되며, 따라서 월별 토양유실량 추정과 연간 토양유실량 추정에서 모두 동일하게 적용이 되 었다. 토양침식성인자는 개략토양도에 의해 정의되었으며 (Fig. 7), 경사장･경사도인자는 ArcSATEEC에 의해서 수치 표고모형과 식 (14)를 이용하여 지도가 생성되었다 (Fig. 8).

그리고 경작방법인자는 ArcSATEEC에 의해서 수치표고모

형과 경사도에 따른 값으로 (Table 2) 정의되었다 (Fig. 9).

‘표토의 침식현황에 관한 고시’에 의한 연간 토양유실량은 33.4 Mg/ha으로 추정되었으며, 월별 토양유실량은 0.3 Mg/ha (2월)에서 10.3 Mg/ha (7월)의 범위를 보였다 (Table 4). 월별 토양유실량의 합으로 계산된 연간 토양유실량은 35.3 Mg/ha 로 ‘표토의 침식현황에 관한 고시’에 의한 값과 단위 면적 (ha) 에 대한 비교에서는 큰 차이를 보이지는 않았다. 그러나, 유역 전체에서 발생되는 양을 비교할 때, 약 80만 톤의 차이가 발생 하였기 때문에, 적지 않은 차이가 있는 것으로 생각된다.

월별 토양유실량 추정에서 볼 때, 1월, 2월, 3월, 10월, 11

Fig. 9 P map generated by ArcSATEEC using DEM

Table 4 Estimated monthly soil loss (Mg/ha)

Month Soil loss

(Mg/ha) Month Soil loss

(Mg/ha)

January 0.3 July 10.3

February 0.4 August 9.8

March 0.8 September 4.1

April 1.6 October 0.9

May 2.0 November 0.8

June 3.8 December 0.6

월, 12월에서는 1.0 Mg/ha 미만의 값을 보인 반면 7월과 8월 에 약 10.0 Mg/ha를 보였다. 즉, 연간 약 30 Mg/ha 이상의 토 양이 유실이 된다고 하더라도, 7월과 8월에 50 % 이상의 토양 이 유실이 되는 것으로 나타났다.

V. 결 론

본 연구에서는 ArcGIS 소프트웨어를 기반으로 하도록 ArcSATEEC를 개발하였는데 (http://npsLab.kongju.ac.kr), ArcPy에 의한 프로그래밍이 이루어지고 툴박스 형식으로 작 동되기 때문에, ArcGIS 소프트웨어 사용자에게 있어 활용도 가 높을 것으로 판단된다. 더욱이 기존에는 연간 토양유실량 추정에 주목적을 두었으나, 우리나라와 같이 계절에 따라 달 라질 수 있는 토양유실에 대한 인자를 월별로 추정하여 적용 할 수 있도록 하였다. 다시 말해, 본 연구를 통해 개발된 ArcSATEEC 모형은 1) ArcGIS 소프트웨어를 기반으로 작

동하도록 개발되었으며, 2) 월별 강우침식능인자 및 지표피 복인자 데이터베이스가 전국에 대해 구축되어 있으며, 3) 모 형에 의해서 월별 토양유실량 예측이 가능하다.

본 연구에서 개발된 ArcSATEEC 모형을 이용하여 임의 대상 지역에 적용하고 연간 토양유실량 추정과 비교하였는 데, 월별 토양유실량 예측은 연간 토양유실량 예측과 시기적 으로 다소 차이를 보였다. 다시 말해, 유역에서의 토양유실 대 책을 수립할 때 월별 토양유실에 근거하여야 유역에서 발생 되는 토양유실을 제어할 수 있을 것으로 생각된다.

ArcSATEEC 모형은 범용토양유실공식에 의해 토양유실 량을 추정하는데, 현재 이용 가능한 인자 및 인자 산정 방법은 국내에서 측정된 것이 아니라 해외 문헌을 인용하거나 간접적 으로 산정되었기 때문에 국내에서도 장기적인 모니터링을 통 해 인자를 산정하여 적용할 필요는 있다. 또한 ArcSATEEC 모형은 범용토양유실공식에 의해 토양유실을 산정하기 때문 에 입력 자료의 구축이 용이하다는 장점이 있으나, 유실된 토 양의 하천에서의 거동을 모의하지는 않는다. 따라서 현재 ArcSATEEC 모형은 임의지점에 대한 유사량 등을 추정하는 것 보다는 비교적 큰 유역에서 토양유실에 대한 대책이 필요 한 지점을 선정하는 목적으로 사용하는 것이 타당할 것으로 생각된다.

사 사

이 논문은 2015년 공주대학교 학술연구지원사업의 의하 여 연구되었음.

REFERENCES

1. Arnold, J. G. and R. Srinivasan, 1994. Integration of a BASIN- scale water quality model with GIS. Journal of the American Water Resources Association 30(3): 453-462.

2. Boyce, R. C., 1975. Sediment Routing with Sediment Delivery Ratios, In Present and Prospective Technology for Predicting Sediment Yields and Sources, 61-65.

3. Chandramohan, T., B. Venkatesh, and A. N. Balchand, 2015.

Evaluation of three soil erosion models for small watersheds.

Aquatic Procedia 4: 1277-1234.

4. Cho, H. and J. Jung, 2005. Estimating soil loss in alpine farmland with RUSLE and SEDD. The Journal of Geographic Information System Association of Korea 13(1): 79-90.

5. Devatha, C. P., V. Deshpande, and M. S. Renukaprasad, 2015.

Estimation of soil loss using USLE model for Kulhan Watershed,

Chattisgarh- a case study. Aquatic Procedia 4: 1429-1436.

6. Diodato, N. and G. Bellocchi, 2007. Estimating monthly (R)USLE climate input in a Mediterranean region using limited data.

Journal of Hydrology 345(3-4): 224-236.

7. Flanagan, D. C. and S. J. Livingston, 1995. WEPP User Summary.

NSERL Report 11. West Lafayette, Indiana: USDA-ARS National Soil Erosion Research Laboratory.

8. Frankenberger, J. R., S. Dun, D. C. Flanagan, J. Q. Wu, and W.

J. Elliot, 2011. Development of a GIS interface for WEPP model application to Great Lakes forested watersheds. In Proceedings of the International Symposium on Erosion and Landscape Evolution (ISELE), 139. Anchorage, AK, Mich: American Society of Agricultural and Biological Engineers (ASABE).

9. Fraser, R. H., 1999. SEDMOD: A GIS-based Delivery Model for Diffuse Source Pollutants. Yale University.

10. Jung, P. K., K. T. Um, and D. U. Choi, 1983. Rainfall erosion factor for estimating soil loss. Journal of Korean Society of Soil Science and Fertilizer 16: 112-118 (in Korean).

11. Kang, H., K. S. Kim, Y. S. Park, N. Kim, Y. S. Ok, J. Kim, Y.

H. Choi, and K. J. Lim, 2009. Development and Application of SATEEC L Module for Slope Length Adjustment Based on Topography Change. Korean Journal of Environmental Agriculture 28(2): 113-124 (in Korean).

12. Kang, H., Y. S. Park, N. W. Kim, T. S. Ok, W. S. Jang, J. C. Ryu, K. S. Kim, and K. J. Lim, 2010. Development and application of integrated system with SATEEC, nLS and USPED for gully erosion evaluation. Journal of Korean Society on Water Quality 26(4): 637-647 (in Korean).

13. Kim, M. S., J. K. Kim, and D. Y. Yang, 2007. Application and comparison of GeoWEPP model and USLE model to natural small catchment –a case study in Danwol-dong, Icheon-si. The Korean Society of Economic and Environmental Geology 40(1):

103-113 (in Korean).

14. Kongju National University, 2016. Development of Topsoil Erosion Model for Korea. Yesan-gun: Republic of Korea.

15. Lee, D. J., J. M. Lee, D. H. Kum, Y. S. Park, Y. Jung, Y. Shin, G.

C. Jeong, B. C. Lee, and K. J. Lim, 2014. Analysis of effects on soil erosion reduction of various best management practices at watershed scale. Journal of Korean Society on Water Environment 30(6): 638-646 (in Korean).

16. Lim, K. J., J. D. Choi, K. S. Kim, M. Sagong, and B. A. Engel, 2003. Development of Sediment Assessment Tool for Effective Erosion Control (SATEEC) in Small Scale Watershed. Journal of Korean Society of Agricultural Engineers 45(5): 85-96 (in Korean).

17. Ministry of Environment, 2012. A bulletin on the survey of the

erosion of topsoil. Sejong-si: Ministry of Environment.

18. Moore, I. D. and G. J. Burch, 1986. Physical Basis of the Length-Slope Factor in the Universal Soil Loss Equation, Soil Science Society of America Journal 50: 1294-1298.

19. Park, Y. S., J. Kim, N. Kim, K. S. Kim, J. Choi, and K. J. Lim, 2007. Analysis of Sediment Yields at Watershed Scale using Area/Slope-Based Sediment Delivery Ratio in SATEEC. Journal of Korean Society on Water Quality 23(5): 650-658 (in Korean).

20. Park, Y. S., J. Kim, N. Kim, S. Kim, J. Jeon, B. A. Engel, W. S.

Jang, and K. J. Lim, 2010. Development of New R, C. and SDR Modules for the SATEEC GIS System. Computers & Geosciences 36(6): 726-734.

21. Park, Y. S., B. A. Engel., and J. Harbor, 2014. A web-based model to estimate the impact of best management practices, Water 6, 455-471.

22. Renard, K. G., G. R. Foster, G. A. Weesies, D. K. McCool, and D. C. Yoder, 1997. Prediction soil erosion and water: A guide to conservation planning with the revised USLE Vol. 703, Washington, DC: US Government Printing Office.

23. Renschler, C. S., D. C. Flanagan, B. A. Engel, and J. R.

Frankenberger. 2002. GeoWEPP: The geospatial interface to the Water Erosion Prediction Project. In ASAE Annual Meeting, 1. St. Joseph, Mich.: ASAE.

24. Risal, A., R. Bhattarai, D. Kum, Y. S. Park, J. E. Yang, and K.

J. Lim, 2016. Application of Web ERosivity Module (WERM) for estimation of annual and monthly R factor in Korea.

CATENA 147: 225-237.

25. USDA, 1972. Sediment Source, Yields, and Delivery Ratios In Section 3 Sedimentation, U.S. Department of Agriculture.

26. Vanoni, V. A., 1975. Sedimentation Engineering, Manual and Report ASCE 54: 745. New York, Mich: ASCE.

27. Williams, J. R., and H. D. Berndt, 1977. Sediment Yield Prediction Based on Watershed Hydrology. Transactions of the ASAE 20(6): 1100-1104.

28. Wischmeier, W. H. and D. D. Smith, 1965. Predicting rainfall erosion losses from cropland east of the Rocky Mountains: A guide for selection of practices for soil and water conservation Handbook No.282. Agricultural Researach Service U. S.

Department of Agriculture.

29. Wischmeier, W. H. and D. D. Smith, 1978. Predicting rainfall erosion losses: A guide to conservation planning Handbook No.537. U. S. Department of Agriculture.

30. Yu, B., G. M. Hashim, and Z. Eusof, 2001. Estimating the

r-factor with limited rainfall data: a case study from peninsular

Malaysia. Journal of Soil and Water Conservation 56: 101-105.