Modified Traditional Calibration Method of CRNP for Improving Soil Moisture Estimation

산악지형에서의 CRNP를 이용한 토양 수분 측정 개선을 위한 새로운 중성자 강도 교정 방법 검증 및 평가

Abstract

Mesoscale soil moisture measurement from the promising Cosmic-Ray Neutron Probe (CRNP) is expected to bridge the gap between large scale microwave remote sensing and point-based in-situ soil moisture observations. Traditional calibration based on $N_0$ method is used to convert neutron intensity measured at the CRNP to field scale soil moisture. However, the static calibration parameter $N_0$ used in traditional technique is insufficient to quantify long term soil moisture variation and easily influenced by different time-variant factors, contributing to the high uncertainties in CRNP soil moisture product. Consequently, in this study, we proposed a modified traditional calibration method, so-called Dynamic-$N_0$ method, which take into account the temporal variation of $N_0$ to improve the CRNP based soil moisture estimation. In particular, a nonlinear regression method has been developed to directly estimate the time series of $N_0$ data from the corrected neutron intensity. The $N_0$ time series were then reapplied to generate the soil moisture. We evaluated the performance of Dynamic-$N_0$ method for soil moisture estimation compared with the traditional one by using a weighted in-situ soil moisture product. The results indicated that Dynamic-$N_0$ method outperformed the traditional calibration technique, where correlation coefficient increased from 0.70 to 0.72 and RMSE and bias reduced from 0.036 to 0.026 and -0.006 to $-0.001m^3m^{-3}$. Superior performance of the Dynamic-$N_0$ calibration method revealed that the temporal variability of $N_0$ was caused by hydrogen pools surrounding the CRNP. Although several uncertainty sources contributed to the variation of $N_0$ were not fully identified, this proposed calibration method gave a new insight to improve field scale soil moisture estimation from the CRNP.

면 단위의 고해상도 토양 수분 측정이 가능한 Cosmic-Ray Neutron Probe(CRNP)를 이용한 토양수분 관측 데이터는 위성기반의 큰 공간해상도를 지닌 토양 수분 자료와 지점 관측 토양 수분 자료를 연결하는 통로의 역할을 수행할 것으로 기대된다. 이러한 CRNP 센서를 이용하여 토양 수분을 산출하기 위해서는 측정된 중성자 강도의 교정이 필요한데 기존의 교정 방법은 관측 기간의 단일 교정 중성자 강도($N_0$)를 이용하여 장기간의 토양 수분 관측에 어려움이 있다. 또한 기존 방법을 이용한 $N_0$는 시간에 따라 변동하는 인자들에 의해 영향을 고려하지 못하며 이로 인해 CRNP 센서를 이용한 토양 수분 관측 값에 불확실성을 초래한다. 이를 극복하기 위해 새로운 교정 방법(Dynamic-$N_0$ 교정 방법)을 제시한다. Dynamic-$N_0$ 교정 방법은 시간에 따른 $N_0$의 변동을 고려함으로써 토양 수분 관측 값을 개선하는 방법으로 비선형 회귀 모델을 이용하여 $N_0$의 시계열 자료를 구하여 토양 수분 산출에 이용한다. 본 연구에서는 Dynamic-$N_0$ 교정 방법을 이용하여 산출된 토양 수분을 지점 기반 토양 수분 및 기존의 교정방법을 이용한 토양 수분 산출 값과 비교하였으며 결과적으로 상관계수를 0.7에서 0.72로 개선하였다. RMSE와 Bias는 각각 $0.036m^3m^{-3}$에서 $-0.026m^3m^{-3}$으로, $-0.006m^3m^{-3}$에서 $-0.001m^3m^{-3}$으로 개선되었다. Dynamic-$N_0$ 교정 방법의 기존의 방법 대비 탁월한 성능은 CRNP 센서 주변의 수소 공급원에 의하여 $N_0$의 변동이 발생했음을 시사한다. 그러나 몇몇 중성자 강도에 영향을 미치는 수소 공급원들에 대한 고려가 구체적으로 이뤄지지 않았는데 이는 향후 연구를 통해 Cosmic-Ray를 이용한 토양 수분 관측이 보다 개선될 수 있음을 보여준다.

1. 서론

효율적 수자원 관리에 대한 관심과 필요성이 증가함에 따라 수문 기상 인자들을 보다 정확하게 관측하고, 이를 바탕으로 수문 순환에 대한 이해도를 높이는 것이 중요하게 여겨지고 있다(Oki et al., 2006). 수문 현상은 태양으로부터 지구로 유입되는 에너지에 의한 물의 상태변화와 다양한 조건의 변화에 따라 발생하게 되는데, 이는 전 지구에서 지속적으로 일어난다(Loaiciga et al., 1996). 그러므로 효율적 수자원 관리를 위한 목적으로 물 순환을 이해하고자 한다면, 광범위한 지역의 다양한 인자를 지속적으로 관측하는 것이 필수적이다(Pan et al., 2008). 원격탐사 기술의 발달은 지구상에 다양한 형태로 존재하고 있는 물의 양을 다양한 범위에서 관측 가능하게 함으로써, 수문 순환에 대한 연구에 크게 기여하고 있다(Schmugge et al., 2002). 대표적인 수문 기상 인자인 강우량의 경우 레이더와 인공위성을 활용한 관측 이전에도 직접 관측 등의 오랜 역사가 있으나, 토양 수분과 증발산 등의 몇몇 수문 기상 인자들은 원격 탐사기술의 발달로 본격적인 관측이 이루어졌으므로 관측이 이루어진 역사가 비교적 짧다. 이들은 직접 관측이 어렵고 관측소 구축에 많은 시간과 비용이 소요되므로 Synthetic Aperture Radar (SAR), Active/Passive Microwave 등 인공위성과 센서를 활용하여 원격탐사 기술을 활용하는 것이 효율적이다(Pan et al., 2008).

토양 수분은 수문 순환 과정에서의 유입과 유출이 모두 발생하고 이러한 과정을 직접적으로 주고받는 요소이므로, 양적으로는 지표수 중에서도 매우 적은 부분을 차지하고 있지만 각종 물질 및 에너지 교환에서의 역할은 상당한 것으로 평가받고 있다(Houser et al., 1998; McColl et al., 2017; Zreda et al., 2012). 이러한 이유로 Essential Climate Variable (ECV)로 분류되기도 하며, 뭄, 홍수, 산사태, 기상과 기후변화 등 수문 기상 모델을 활용한 다양한 연구에서 매우 중요한 입력자료로 사용된다. 또한, 토양 수분은 자체로도 토양 내 존재하는 수분량이라는 의미를 내포하고 있으므로 농업 분야 등에서도 토양 수분의 거동을 분석하여 유용하게 활용할 수 있다(Engman, 1991). 따라서 국내외에서는 토양 수분을 보다 정확하게 측정하기 위한 여러 연구가 수행되어 왔으며 다양한 방법이 시도되어 왔다. 토양 수분을 직접 측정하는 대표적인 방법으로는 건토중량법과 유전율식 센서를 활용하는 방법이 있다. 건토중량법의 경우 토양 시료의 채취를 통해 토양 내에 존재하는 수분의 무게를 측정하는 방법으로, 가장 직관적이다. 하지만, 채취한 시료가 다른 환경에 노출되어야 한다는 점과 연속적인 측정이 어렵다는 한계가 있다. 유전율식 토양 수분 측정은 주로 Frequency Domain Reflectometry (FDR) 센서와 Time Domain Reflectometry (TDR) 센서를 이용한다. 이 방식은 토양의 교란이 적고 지점의 토양 수분함량을 연속적으로 측정하며 빠르고 신뢰성 있는 측정결과를 제공하므로 토양 수분 준 실시간 모니터링에 적합하다(Skierucha et al., 2010). 하지만 지점 관측 토양 수분 데이터는 관측 지점의 함량만을 나타낼 수 있다는 점에서 공간적 대표성이 결핍되어 있기 때문에 활용하기에 한계가 있다(Western and Blöschl, 1999).

지점에서의 직접 관측 한계를 극복하기 위한 원격탐사를 활용한 다양한 방법이 있으며 이 중 항공기나 인공위성 등의 비행체에 광학 센서를 장착하여 관측하는 방식이 주로 이용된다. 광학센서를 사용하는 인공위성 기반 원격탐사 방법은 공간적 대표성을 갖는 자료를 관측할 수 있다는 장점이 있는 반면 대기 상태, 식생 및 지면 거칠기와 같은 여러 요인에 의해 영향을 받기 때문에, 자료의 신뢰성을 보완하기 위한 기준이 필요하다(Mohanty et al., 2001). 이를 위해 지점에서 관측된 토양수분을 활용하기도 하는데, 두 자료의 공간 해상도의 격차가 너무 크다는 한계가 있다. 일례로, 일반적으로 사용되는 토양 수분 자료는 Advanced SCATterometer (ASCAT), Advanced Microwave Scanning Radiometer for EOS (AMSR-E) 등이 있는데, 이들의 공간 해상도는 각각 12.5 km와 25 km로 지점 관측 값을 기준 자료로 활용하기에 어려움이 있다.

인공위성 기반 원격탐사 자료와 지점 자료 간의 공간해상도 격차를 줄이기 위해, 최근에는 우주로부터 날아온 Cosmic-Ray를 이용한 토양 수분 산정 방식이 제안되었다(Zreda et al., 2008; Andreasen et al., 2017). CosmicRay를 이용해 산출된 토양 수분 자료는 반경 약 300 m의 공간을 대표하는 값으로, 인공위성 기반 자료와 지점 관측 자료 사이의 범위를 대표할 수 있어 인공위성기반 자료의 기준으로 사용하기에 적합하다. 또한 지면 깊이 12 cm에서 70 cm까지 측정 가능하기 때문에 측정깊이가 얕은 인공위성 기반 자료에 비해 관측 깊이가 탁월하다는 장점을 지닌다(Desilets et al., 2010). 그간Cosmic-Ray 를 이용한 토양 수분 관측에 관한 연구는 지표면 근처의 중성자 강도와 토양 수분의 관계에 집중되어 왔다(Zreda et al., 2008; Franz et al., 2012; Andreasen et al., 2017). 최근에는 중성자 강도가 토양 수분뿐 아니라 다른 수소 공급원들로부터 영향을 받기 때문에 기존에 제안되었던 교정 방법의 한계가 지적되었고(Heidbüchel et al., 2016; Baroni et al., 2018), Franz et al.(2013)에서는 이러한 수소 공급원의 종류를 크게 세 가지로 분류하고 있으며, 토양 광물, 식생, 토양 유기물, 생물량, 수증기, 눈,격자수, 수체 등이 이에 포함된다. 따라서, 보다 정확한 토양 수분의 측정을 위해서는 이러한 수소 공급원들을 고려한 교정 방법이 필요하며(Franz et al., 2013) 특히 Cosmic-Ray Neutron Probe (CRNP)를 대부분의 지역이 산지에 속하는 한반도에서 활용하기 위해서는 기존 함수의 보정이 필요하다.

본 연구에서는 경기도 파주시 감악산 설마천 지역의 CRNP와 14개 FDR 지점 데이터 및 Flux-tower 데이터를 활용하여 개선된 중성자 교정 방법을 제시하고자 하며 이를 기존의 방법으로 산출된 토양 수분 함량과 기상청에서 제공하는 시간 단위 강우 데이터와 상호 비교하였다. 본 연구를 통해 제시된 토양 수분 산출 방법은 한반도 지형 특성에 적합한 CRNP 토양 수분 자료 생산의 초석이 될 것이고 결과적으로 전 세계 산지 지형에 적용 가능한 CRNP 중성자 강도 교정 방법 개발에 기여할 수 있을 것으로 보인다.

2. 연구지역 및 자료

1) 연구지역

본 연구는 파주 감악산 설마천 지역을 대상으로 수행되었으며 설마천 지역은 임진강의 제1지류로 임진강 상류에 위치해 있다. 지역의 위치는 동경 126° 52′ 44″ ~ 126° 58′ 40″, 북위 37° 55′ 00″ ~ 37° 58′ 05″이고 면적의 경우 18.56 km2이며 유로연장은 10.77 km이다(Kim et al., 2019). 설마천 지역은 매우 급경사를 지닌 산지로, 지역의 대부분 지역이 미국 농무부(United States Department of Agriculture, USDA)의 토성 분류를 따라서 보았을 때 Loamy Sand로 구성되어 있다. 또한 지면에 암석이 굉장히 많이 분포되어 있으며 짙은 식생으로 인해 지면을 유기물이 두껍게 덮고 있다. 지표면에 다량 분포된 암석으로 인해 Flux-tower 아래로 산사태가 일어났던 사면이 존재하며 소규모 지면 붕괴로 인한 센서의 소실을 방지하기 위하여 연구를 위한 CRNP 및 FDR 지점 센서를 설치함에 있어 경사가 심한 지역은 배제하였다. 이 지역에는 한국수자원조사기술원에서 운영하고 있는 Flux- tower가 위치해 있으며 이Flux-tower에 본 연구에서 활용한 CRNP 센서가 설치되어 있다(Fig. 1(a)).

Fig. 1. (a) CRNP sensor on Flux-tower (b) Data logger of FDR sensor at study area.

CRNP 센서가 설치된 지역 앞으로 작은 하천이 흐르고 있고 이 하천은 강우가 발생한 시기에 급격히 불어나며 평소에는 개울의 형태를 보인다. 이러한 지역 특성을 바탕으로 본 연구 지역이 CRNP 센서를 이용한 짙은 식생을 지닌 산악지형에서의 토양 수분 산출 연구에 적합하다고 판단하였으며 이를 위해 Cosmic-Ray의 일반적인 관측 반경인 300 m내에(Desilets and Zreda, 2013)2018년 7월부터 설치된 센서 중 14개 FDR 토양 수분 지점 관측 센서를 활용하였다(Fig. 1(b)).

Fig. 2에서는 CRNP 센서와 FDR 센서의 위치를 보여준다. 본 연구에서는 Desilets and Zreda(2013)의 연구와는 달리 관측 지역을 반경 150 m로 설정했는데, 그 이유는 CRNP 센서와 FDR 센서 사이의 고도 차이 때문이다. CRNP 센서는 직선거리 300 m 반경 내의 고속 중성자 강도를 관측하기 때문에, CRNP 센서와 FDR 센서 사이의 실제 거리를 고려해 반경을 축소 설정하였다. Fig. 2의 FDR 센서들 중 FDR 7-1,2,3 과 8-1,2,3 의 경우 150 m의 원 보다 조금 바깥에 위치한 것이 보이는데 이는 해당 지역의 지형적 특성으로 인해 설치 위치를 변경하였다. 해당 지역의 매우 가파른 경사와 지반의 과도한암석으로 인해 설치 과정에서 불가피하게 위치를 수정하였다. 또한, Flux-tower 설치 지점은 세 사면으로 둘러쌓여 있기 때문에, 사면을 고려하여 FDR 센서의 위치를 설정하였다. 먼저 북쪽에 설치된 FDR 5-1,2, FDR 2와 FDR 6 이 해당 사면을 대표하기 위해 설치되었다. 동쪽에 설치된 FDR 7-1,2,3 이 해당 사면을 대표하기 위해 설정되었으며, 남쪽 사면에 설치된 FDR 1, FDR 3, FDR 4, FDR 9 그리고 FDR 8-1,2,3 이 해당 사면을 대표하기 위해 설치되었다. 위의 과정을 통하여 감악산 산악 지대에 토양 수분 산출을 위한 지점 및 원격 탐사 관측 지역을 구축하였고, 최초 구축으로부터 1년간 축적된 각 자료를 이용하여 본 연구 목적인 CRNP 중성자 강도 교정 방법을 고안하였다.

Fig. 2. Location of the CRNP and in-situ soil moisture stations at study area.

2) 연구 자료

(1) Frequency Domain Reflectometry

본 연구에서는 CRNP 센서 관측 반경 300 m 내의 14개 FDR 센서를 이용하였으며 이 중 9개 센서는 2018년 7월부터 2019년 8월까지의 데이터를 사용하였고 5개 센서는 2019년 5월부터 2019년 8월까지의 데이터를 사용하였다. 토양 수분 센서로는 미국의 Decagon Devices에서 개발한 5TM FDR 센서이고, Decagon Devices에서 제공하는 매뉴얼에 따르면 5TM 센서는 70 MHz의 주파수를 지닌 신호가 출력되는 오실레이터를 이용하여 주변부 토양의 유전율을 측정하여 토양 수분을 관측하며 실제 토양 수분 대비 ±3% 의 정확도로 토양 수분 함량 관측이 가능하다. 또한 FDR 센서는 타 유전율식 센서인 TDR 센서에 비해 경제성이 뛰어나고 현장에서의 계속적인 토양 수분 관측이 용이하기 때문에(Skierucha et al.,2010; Mittelbach et al., 2012; Brocca et al., 2010; Heathmanet al., 2012; Nguyen et al., 2019) 여러 연구에서 원격탐사자료를 보완 및 검증하기 위한 자료로써 활발히 사용되어왔다. FDR 센서는 지면에서부터 10 cm 간격으로 설치되었으며, 지점마다 4개의 센서가 있다. 또한 FDR 센서는 CRNP 센서 관측반경 안의 지형 특성을 고려하여 암석이 적은 지역을 위주로 CRNP 센서로부터 수평거리 150 m 내외에 분포되어 있다(Fig. 2).

Table 1. Location Information of FDR and CRNP

(2) Cosmic-Ray Neutron Probe

Cosmic-Ray 입자는 11년 태양활동주기(Zreda et al., 2012)에 따라 지구로 들어오며, 지구 자기장에 의해 영향을 받는다. 지구 자기장은 적도에서 최댓값을 가지며 극지방으로 갈수록 감소하는데, 이때 지구 자기장에 의해 차단되는 Cosmic-Ray 입자의 에너지 양을 차단 강성률(cutoff rigidity)로 나타낸다.

대기에 진입한 Cosmic-Ray 입자는 대류권과 성층권의 경계면 근처에서 대기 중의 원자핵과 충돌하게 되며,이로 인해 보다 낮은 에너지 수준을 가지게 된다. 나눠진 중성자는 계속해서 원자핵과의 충돌을 반복하며 지면과 가까워진다. 이 중성자는 일정 수준 이하의 에너지를 가지면 되면 더 이상 충돌하지 않고 안정된 원자핵에 흡수되는데, 이 원자핵은 불안정한 상태가 되어 고속 중성자를 방출시키며, 이 현상을 증발이라 한다.

고속 중성자는 지면으로 들어가 여러 원자들과 충돌하게 되며, 이때 토양 수분에 포함된 수소 원자와 충돌하게 된다. 수소 원자와 충돌한 고속 중성자는 급격하게 에너지가 감소되어 낮은 에너지 중성자가 되며, 이 현상을 조정이라 한다. 낮은 에너지 중성자는 다시 천 열수성(epithermal) 중성자와 열수성(thermal) 중성자로나누어지게 되며, 지표면 위로 다시 분산된다. 수소 원자와의 충돌이 적어 여전히 높은 에너지 수준을 유지한 중성자들도 마찬가지로 지표면 위로 분산된다.

CRNP 센서는 대기 중의 고속 중성자 강도를 측정하며, 측정된 강도를 토대로 토양 수분을 산출할 수 있는데, 그 이유는 고속 중성자 강도가 유효 깊이 내에 분포하는 토양 수분과 반비례 관계를 갖기 때문이다. Zreda et al.(2012)의 연구에서는 다음 근거를 들어 고속중성자 강도와 토양 수분의 관계를 설명한다. 첫 번째 요인은 수소 원자의 질량수이다. 고속 중성자는 큰 질량수를 가지는 원자와 충돌할수록 많은 에너지를 보존한다. 반면 수소 원자는 토양에존재하는 다른 원자들에 비해 작은 질량수(1)를 가지고 있어 적은 횟수의 충돌만으로도 현저히 많은 에너지를 빼앗기게 되어 낮은 에너지 수준을 가지게 된다. 또한, 질량수가 작을수록 단위 중량 당 많은 수의 원자가 존재하기 때문에, 질량수가 큰 원자들에 비해 상대적으로 풍부한 양의 수소 원자가 존재한다. 두 번째 요인은 단면적이다. 수소 원자는 다른 원자들에 비해 현저히 큰 단면적을 가지기 때문에 Cosmic-Ray 중성자와 높은 확률로 충돌한다. 따라서,토양 수분이 많을수록 고속 중성자와 수소 원자 간의 충돌이 잦아지며 보다 많은 양의 고속 중성자들이 조정되게 된다. 즉, CRNP 센서에 관측되는 고속 중성자 강도가 상대적으로 감소하게 된다.

CRNP 센서는 미국의 Hydroinnova LLC에서 개발한CR200X로 중성자를 관측하기 위한 헬륨 기체가 CRNP센서를 채우고 있으며, 데이터 저장 및 수집을 위한 로거는 Campbell Scientific에서 제작한 제품을 장착하였다. CRNP 센서는 1시간 간격으로 반경 300 m 안의 고속 중성자 강도를 측정한다(Kim et al., 2016). CRNP 센서를 이용한 토양 수분 관측 연구는 세계적으로 활발히 이루어지고 있으며 그 가능성 및 자료의 신뢰성이 Zreda et al. (2012)과 Hawdon et al.(2014)를 통해 증명되었다. 하지만 Kim et al.(2016)에서는 짧은 연구기간, 불안정한 토양 수분 데이터와 토질의 특성을 고려하지 못한 토양 수분 산출 시 중성자 강도의 최적화가 필요하다고 언급하고 있으며, 다른 수소 공급원들이 토양 수분 산출 결과의 불확실성을 높일 수 있음을 제시한다(Bogena et al., 2013). 본 연구에서는 CRNP 센서가 설치된 2018년 7월부터 2019년 8월까지의 측정된 고속 중성자 강도를 사용하였으며 3.3절에서 제시하는 Dynamic-N0 교정 방법을 이용하여 산출한 토양 수분이 기존 교정 방법에 비해 얼마나 정확한 지 확인하기 위하여 각 방법으로 도출한 중성자수의 비교 분석 및 각 교정 방법의 토양 수분 산출 정확도 평가를 실시하였다.

(3) Flux-tower

설마천에 설치된 Flux-Tower는 한국수자원조사기술원에 의해 관리되고 있으며 Flux-tower의 위치는 CRNP센서와 같다. 본 연구에서는 CRNP 센서의 설치 고도 및 설치 지역의 습도와 기압에 따른 중성자 강도 관측 오차를 줄이기 위하여 Flux-Tower에서 측정되는 대기압과 습도 자료를 사용하여 오류가 발생할 확률이 높은 데이터를 사전에 제외하였다. 데이터의 판별은 Zreda et al.(2008)의 연구를 참고하여, 1시간 동안 측정된 고속 중성자 강도를 사용했으며, 중성자 강도가 직전 강도보다20% 이상 차이 날 경우 제외하였다. 또한, CRNP 센서 내부의 상대습도가 80% 이상일 경우 제외하였다. 설마천의 Flux-Tower는 에너지 유동과 수문기상학적 인자들을 측정하며, 타워의 높이는 19.2 m이고 순복사계, 초음파 풍속계, 습도계와 온도계가 장착되어 있다.

3. 연구방법

1) 지점 기반의 가중 평균 토양 수분 산정

설마천 지역의 14개 FDR 센서로부터 획득한 토양 수분 함량 자료는 본 연구에서 CRNP 센서로 측정된 토양수분 자료의 보정 및 검증을 위하여 사용되었다. CRNP 센서의 관측 정확도는 유효 깊이에 따라 달라지기 때문에, Franz et al.(2012)과 Schrön et al.(2017)에서 제안한 수직 가중치 방법을 사용하여 유효 깊이를 고려하였다 (Eq. 1).

\(W_d (r, \theta , p, H_{veg}) = e ^{-2d/d}\)       (1)

Eq. 1에서 W_d는 수직 가중치를 뜻하며, r은 CRNP 센서로부터 FDR 센서까지의 거리이다. θ는 지점 기반 토양 수분 함량, p는 기압, d는 지면으로부터의 깊이이고 H_veg는 식생의 높이이다. 지점마다 4개의 FDR 센서가 있으므로, 각 지점마다 4개의 토양 수분 데이터가 생성되는데, W_d를 통해 지점마다 하나의 토양 수분 데이터를 산정한다. 여기서 유효침투 깊이 D는 86% 의 중성자가 토양을 침투하는 깊이 D₈₆을 변수들의 영향에 따라 조정된 거리 r^*와 θ, ρ_bulk에 의해 아래와 같이 표현된다 (Eq2).

\(D = D_{86}(r^*),\theta, \rho_{bulk}\)        (2)

ρ_bulk는 토양 용적 밀도로써 건조 토양의 무게를 그 부피로 나눈 값을 의미한다. 토양 용적밀도는 자연 상태의 토양을 파괴하지 않고 시료를 채취하여 토양의 건토 중량을 측정하고 그 중량을 공극을 포함한 토양의 전체 용적으로 나누어서 계산할 수 있다(Jin et al., 2008). 본 연구에서는 Kim et al.(2019)에서 제시된 FDR 설치 지점의 평균 용적밀도를 사용하였다. Schrön et al.(2017)에서 제시한 Eq. 3의 수평 가중치 함수를 적용해 FDR 지점들과 CRNP 센서의 수평거리에 따른 과소산정을 고려하였다. W_r은 수평 가중치로, 건조하거나 습한 상태에 대한 평균 함수이고, CRNP로부터의 거리에 따라 지수함수의 형태로 줄어든다. 본 연구에서는 r을 대신하여 압력을 고려한 r^*가 함수에 적용된다. 중성자의 유효 침투 깊이 (D)에 따라 달라지는 F_i 값은 Schrön et al.(2017)에서 적용된 식을 본 연구에서 사용하였다.

\(\begin{array}{lc}\mathrm{Wr}(\mathrm{h}, \theta, \mathrm{P}, \mathrm{Hveg})=\\ \left\{\begin{array}{l} \left(F_{1} e^{-F_{2} r^{*}}+F_{3} e^{-F_{4} r^{*}}\right)\left(1-e^{-F_{0}^{*}}\right),(0 m < r \leq 1 m) \\ F_{1} e^{-F_{2} r^{*}}+F_{3} e^{-F_{4} *^{*}},(1 m < r \leq 50 m) \\ F_{5} e^{-F_{6} *^{*}}+F_{7} e^{-F_{8}^{*}},(50 m < r < 600 m) \end{array}\right.\end{array}\)        (3)

즉, Eq. 1을 통해 지점마다 수직 가중치(W_d)가 생성되며, 이 가중치가 적용된 토양 수분은 Eq. 3을 통해 수평거리에 따른 가중치(W_r)를 계산한다. 각 지점마다 수평 가중치(W_r)가 적용된 토양 수분 값을 평균내어 최종적으로 모든 지점의 수직, 수평 가중치가 고려된 CRN를 기준으로 보정된 지점 기반 가중 평균 토양 수분 자료를 얻을 수 있다(Schrön et al2017).

2) 중성자 강도 보정

CRNP 센서로 측정된 중성자 강도는 수소 원자뿐 아니라 다른 환경적 요인들에 따라 달라진다(Zreda et al., 2012). 따라서 보다 정확한 고속 중성자 강도 측정을 위해서는 기압, 대기 중 수증기량, 그리고 Incoming cosmic radiation을 고려한 중성자 강도 보정이 필요하다. 본 연구는 Hawdon et al.(2014)에서 사용한 보정식을 사용하고 있다. 기압 보정인자(f_p)에 관한 식은 다음과 같다(Eq4).

\(f_p = [\beta (p-p_{ref})]\)        (4)

Eq. 4에는 대기압 보정 계수(β), 기압(P)과 연구기간 동안 측정된 기압의 평균값(P_ref)이 사용된다. 대기 중 수증기량 보정 인자(f_wv)에 관한 식은 다음과 같다(Eq. 5).

\(f_{wv} = 1+ 0.0054 (P_{v0}- p^{ref}_{v0})\)        (5)

Eq. 5에서는 지면 근처의 절대습도 차이 값이 사용된다. 이때 P_v0는 절대습도이며 p_v0^ref는 기준시간에서의 절대습도이다. Incoming cosmic radiation에 관한 보정을 위해서는 지구로 들어오는 중성자 강도를 고려해야 한다. 2.2.2절에서 언급했듯이, 지구 자기장은 적도에서 최댓값을 가지며 극지방으로 갈수록 감소하기 때문에 위도에 따하 자기장을 관통하기 위한 에너지량이 달라진다. 따라서 연구지역의 위도를 고려하여 보정된 차단 강성률(R_{c_scaled})이 필요하다. 보정 식은 다음과 같다(Eq. 6).

\(R_{cscaled} = -0.075 (R_c - R_{cJung}) +1\)        (6)

여기서,차단강성률의보정을위해Hawdon et al.(2014)에서 스케일링한 차단 강성률(Rc = 10.5 GV)을 사용하였고,R_cJung은스위스에 위치한 융프라우요크(Jungfraujoch) 중성자 모니터 관측소의 차단 강성률로 4.49 GV의 값을 갖는다. 지구로 들어오는 중성자 강도 또한 지구 자기장의 영향으로 인해 보정이 필요하며, 보정 전의 중성자 강도 인자(f_i)는 다음과 같다(Eq. 7).

\(f_i = {I_m\over I_{ref}}\)        (7)

Eq. 7에서는 중성자 모니터 강도(I_m)와 전체 기간 동안 측정된 모니터 강도의 평균(I_ref)이 기준으로 사용된다. 보정된 차단 강성률(R_{c_scaled})과 중성자 강도 인자(f_i)를 통해 Incoming cosmic radiation 보정 인자(f_{i_scaled})는 다음과 같이 나타낼 수 있다(Eq. 8).

\(f_{iscaled} = (f_i-1) R_{cscaled} +1\)        (8)

본 연구에서는 위의 식들을 이용하여 중성자 강도 보정을 수행하였다(Eq. 9).

\(N_{corr} = N_{raw} ({f_p * f_{wv}\over f_{iscaled}})\)        (9)

Eq. 9에서 N_raw는 CRNP 센서에 의해 측정된 중성자 강도를 의미하며, 최종적으로 위에서 제시한 식들을 통해 보정된 중성자 강도(N_corr)를 얻을 수 있다.

3) CRNP 토양 수분 산정 및 중성자 강도 교정

토양 수분과 고속 중성자 강도의 관계를 이용한 토양 수분의 산정에는 다음과 같은 식이 사용된다(Hawdon et al., 2014)(Eq. 10).

\(\theta (N) = ({a_0\over ({N_{corr}\over N_0}-a_1)}) \times \rho _{bulk}\)        (10)

여기서, a₀, a₁, a₂는 고정상수이며, ρ_bulk는 Eq. 2의 토양용적밀도이다. 기존 교정 방법은 Eq. 9를 통해 도출한 N_corr와 Eq. 3을 통해 도출한 지점 기반 가중 평균 토양수분을 Eq. 10에 대입하여 N₀를 산정하며, 이를 단일 N₀라 한다. N₀는 지점마다 다른 값을 가지기 때문에, 실제 토양 수분과 가장 가까운 값을 갖게 하는 N₀를 단일 N₀로 산정한다. 단일 N₀가 산정되면, N_corr만으로 θ(N)을 도출할 수 있게 된다. N₀를 통해 산정된 토양 수분은 국내의 산지가 아닌 지형에서 어느 정도 유의미한 결과를 이끌어 냈으나(Kim et al., 2014; Jeong et al., 2018), 최적화가 필요한 것으로 보인다. 특히 산지는 평지에 비해 다양한 수소 공급원이 존재하며, 지점 간 고도차이 역시 상대적으로 크기 때문에, 토양 수분 산출의 불확실성이 더욱 커지게 된다. Baroni et al.(2018)에서는 이러한 점에 대해 자세히 설명하고 있으며, 지점마다 N₀를 따로 구하여 이러한 불확실성을 해소하고자 했다.

본 연구에서는 Dynamic-N₀ 교정 방법을 통해 산출한 θ(N)과 기존 교정 방법을 통해 산출한 θ(N)를 비교 분석하였다. 먼저 기존 교정 방법에서는 Eq. 10에 지점 기반가중 평균 토양 수분 값을 θ(N)에 대입하고 N_corr를 대입하여 지점 기반 가중 평균 토양 수분과 가장 가까운 값을 산정하는 N₀를 계산한다. 이후 이 N₀를 연구기간 전체를 대표하는 단일 N₀로 Eq. 10에 고정하여 θ(N)를 산출하였다. 반면 Dynamic-N₀ 교정 방법에서는, 보정 기간 중 토양 수분 측정이 어려운 동절기와 CRNP 센서 설치 초기인 7월 한 달을 제외한 연구 기간에 대해 시간 별 N₀와 N_corr를 산정하였다. 여기서 시간 별 N₀란 한 시간 단위로 산정한 N₀를 말한다. 그 후 시간 별 N₀와 N_corr에 대한 비선형 회귀 모델(Logarithm non-linear regression model)을 만들어 시간 별 N₀를 재산정하는 식을 Eq. 10에 고정해 θ(N)를 산출하였다. 아래 Eq. 11은 Dynamic-N₀ 교정방법에서 회귀모델이 고정된 Eq. 10을 나타낸다.

\(\theta(N) = ({a_0\over ({N_{corr}\over b_1 \ln (N_{corr} +b_2)}-a_1)}-a_2)\times \rho _ {bulk}\)         (11)

4. 연구결과 및 토의

1) 중성자 강도와 지점 토양 수분의 시계열 분석

Fig. 3(a)는 3.2절의 Eq. 10 을 통해 얻은 N_corr과 3.1절의 Eq. 3을 통해 얻은 지점 기반 가중 평균 토양 수분의 시간 별 변동을 보여준다. 겨울 시기에 측정된 토양 수분은 동결된 토양으로 인해 의미를 가지지 못하므로 제외하였다. Fig. 3(a)를 통해 고속 중성자 강도와 토양 수분의 반비례 관계를 확인할 수 있다. N_corr는 1053 cph에서 1534 cph 사이의 값으로 평균은 1300 cph이며 표준편차는 81 cph이다. CRNP 센서를 이용해 산출된 토양 수분은 0.112 m³m-3부터 0.310 m³m^-3의 값을 가지며, 대체로 건조한 경향을 보인다. 토양 수분의 평균은 0.211 m³m^-3이고 표준편차는 0.037 m³m^-3이다. Fig. 3(b)에는 N_corr와 θ의 관계성이 나타나있는데, Fig. 3(a)와 마찬가지로 고속중성자 강도와 토양 수분 간의 명확한 반비례 관계를 확인할 수 있으며, 2.2.2절에서 제시한 관계성이 산악지형에서도 나타나고 있음을 확인할 수 있다. Fig. 3(a)를 보면,토양 수분 변동 폭에 비해 고속 중성자 강도의 변동 폭이 크게 나타나는 것을 확인할 수 있는데, 이는 다른 수소 공급원들로 인해 고속 중성자 강도가 영향 받고 있음을 알 수 있다(Desilets et al., 2010; Baroni et al., 2018). 따라서, 이러한 수소 공급원들을 고려한 중성자 강도 교정이 필요함을 알 수 있다.

Fig. 3. (a) Time series of N_corr and θ, (b) Scatter plot indicating the relationship between soil moisture and N_corr with data trend-line (dash line) and the traditional calibration curve (red line).

2) 기존 교정 방법 분석

Fig. 3(b)는 토양 수분과 중성자 강도 사이의 강한 관계성과 기존 교정 방법에 의해 구해지는 교정 곡선(붉은 선)을 나타내고 있다. 3.3절의 기존 교정 방법을 통해산출되는 단일 N₀는 FDR 센서를 통해 가중 평균 낸 지점 토양 수분(θ)과 CRNP 센서를 통해 산정한 토양 수분(θ(N)) 사이의 최소 RMSE를 갖는 값으로 산정한다. 산정된 단일 N₀는 연구 기간 전체를 대표하는 값이며 본연구에서는 2103 cph이고, 전체 기간에 대한 토양 수분산출을 위해 Eq. 10에 고정된다. Fig. 3(b)를 통해 실제 토양 수분(점선)과 기존 교정 곡선(붉은 선) 사이의 차이를 확인할 수 있다. 중성자 강도가 비교적 낮게(1000 ~ 1200 counts)측정되는 구간과 높게(1550 ~ 1650 counts) 측정되는 구간에서 곡선의 차이가 점점 증가하는데, 이는 그 만큼 토양 수분 산출 결과가 불확실하다는 것을 의미한다. Fig. 3(a)는 N_corr과 θ의 시간에 따른 관계성을 표현한 그래프이다2019년 5월부터 7월까지의 기간을 보면, 토양 수분이 대체적으로 건조한(0.2 m³m^-3이하) 상태이며, 이 때 중성자 강도와의 뚜렷한 반비례 관계를 확인할 수 있다. 반면, 2018년 11월부터 12월까지의 기간을 보면 토양 수분이 대체적으로 습윤한(0.25 m³m^-3이상) 경향을 확인할 수 있는데, 토양 수분의 변동폭은 미미한 것에 비해 중성자 강도의 변동폭은 극심한 것을 확인할 수 있다. 이는 토양이 대체적으로 건조할 경우 토양 수분 산출에 보다 안정적이며, 그 이유는 다른 수소공급원들에 의한 영향이 비교적 약하기 때문이다. 이러한 현상의 원인은 습윤한 시기에 존재하는 다른 수소 공급원들이 중성자 강도에 적지 않은 불확실성을 발생시키며, 이러한 불확실성이 토양 수분 측정의 정확도를 감소시키기 때문이다. 이처럼 기존 교정 방법은 다른 수소 공급원들에 의해 크게 영향 받으며, 몇몇 연구에서는 이에 따른 기존 교정 방법의 한계를 지적하고 있다.Heidbüchel et al.(2016)의 연구에서는 단일 N₀의 교정이토양 수분 변동성을 관측하는 것에 적절하지 않음을 언급하였고, Baroniet al.(2018)의 연구 또한 N₀의 변동성을 불확실성을 유발하는 원인 중 하나로 지적하였다. 기존 교정 방법의 분석을 통해 N₀의 변동성을 조절하기 위한 다른 방법의 필요성이 요구되며, 본 연구에서는 DynamicN₀ 교정 방법을 통해 산지에서의 토양 수분 산출을 시도하였다.

3) Dynamic-N₀ 교정 방법 분석

Baroni et al.(2018)에서는 다른 수소 공급원들에 의해 N₀가 큰 변동성을 띠게 되며, 이러한 변동성을 조정하기 위해 Dynamic-N₀ 교정 방법을 이용해 기존 교정 방법의 한계를 극복하고자 하였다. 본 연구에서는 Dynamic-N₀ 교정 방법을 통해 설마천 지역의 지형적인 특성을 고려하여 토양 수분을 산출하고자 하였다. Fig. 4는 3.3절에서 언급한 비선형 회귀모델(Logarithm Non-linear regression model)을 제시했으며, Fig. 5는 회귀 모델을 통해 재산정한 N₀를 Eq. 10을 이용해 산정한 시간 별 N₀과 비교 분석한 그래프이다. 아래 Eq. 12에서는 본 연구에서 구해진 N₀를 산정하는 회귀식이 Eq. 10에 고정된 식을 나타낸다.

\(\theta(N) = ({a_0\over ({N_{corr}\over 857 \ln (N_{corr} +b_2)}-4015)}-a_2)\times \rho _ {bulk}\)         (12)

Fig. 4. Scatter plot between hourly N₀ and N_corr data.

Fig. 5. Time series of N₀ estimated using the regression model (Fig. 4) (gray line) against the reference N₀ calculated using the calibration function (black line).

분석 결과를 통해 본 연구에서 제시하는 Dynamic-N₀ 교정 방법이 N₀의 안정성을 어느 정도 향상시키는지 확인할 수 있으며, Dynamic-N₀ 교정 방법을 통해 재 산정한 N₀가 습윤 및 건조한 정도에도 기존 교정 방법에 비해 안정적으로 반응하는 것을 강우 그래프를 통해 확인 할 수 있다. 이는 N_corr과 마찬가지로 N₀ 또한 수소 공급원에 의해 영향을 받는다는 사실을 내포하고 있으며, 토양 수분 산출에 있어 다른 수소 공급원들에 의한 영향을 추가적으로 고려해야 한다는 사실을 암시한다. Fig. 5에는 기존 교정 방법을 통해 도출한 N₀과 회귀 모델을 통해 도출한 N₀의 변동성이 나타나있다. 변동계수(CV, Coefficient of Variation)는 데이터가 변동하는 정도를 나타내는 지표로 그 값을 통해 상대적인 변동을 확인할 수 있다. 회귀 모델을 통해 도출한 N0의 변동 계수는 0.025로 나타났고, 기존 교정 방법을 통해 도출한 N₀의 변동계수는 0.041로 나타났다. 이는 회귀 모델을 통해 도출한 N₀가 기존 교정 방법을 통해 도출한 N₀에 비해 상대적으로 적은 변동을 보이며, 즉 Dynamic-N₀ 교정 방법이 기존 교정 방법보다 더 안정된 N₀를 도출하고 있음을 나타낸다. Franz et al.(2013)에서는 N₀의 변동성이 다른 수소 공급원들의 영향으로부터 기인되고 있음이 밝혀졌으며, 따라서 N₀의 안정성 개선이 곧 다른 수소 공급원들의 영향을 고려하고 있음을 시사한다. 즉, 회귀 모델을 통해 도출한 N₀는 기존 교정 방법을 통해 도출한 N₀ 보다 다른 수소 공급원들의 영향을 적게 받고 있음을 알 수 있으며, 이를 통해 보다 안정적인 토양 수분 산출이 가능함을 보여준다.

4) 각 교정 방법의 통계적 비교/분석

본 연구에서는 가중 평균을 수행한 지점 토양 수분데이터를 두 개의 CRNP 센서 교정 방법을 평가하기 위한 기준으로 이용하였다. 두 방법을 이용하여 산출된 토양 수분의 시계열 변동과 가중 평균 지점 토양 수분의 시계열 변동이 Fig. 6에 나타나 있으며, 이에 대한 통계적 비교/분석 결과가 Table 2에 나타나 있다. 각 산출 토양 수분은 Eq. 10에 N0를 각각 대입하여 산출하였으며 대입한 N0는 기존 교정 방법의 경우 회귀 모델 이전의 Eq. 10에 지점 가중 평균 토양 수분과 N_corr를 대입하여 구한 N₀이고 Dynamic-N₀ 교정 방법은 회귀 모델에 N_corr을 대입하여 산정한 N₀이다. 보편적으로 두 방법 모두에서 토양 수분은 강우량에 민감하게 반응하고 있는 것을 관찰할 수 있으며 작은 강우에도 가중 평균 토양 수분에 비하여 크게 반응하는 것을 알 수 있다. 두 가지 방법을 통해 구해진 토양 수분 시계열 자료는 모두 비슷한 패턴을 보이나 Dynamic-N₀ 교정 방법으로 산출한 토양수분이 지점 토양수분 자료와 더 높은 상관계수 값을 가지는 것을 통해 Dynamic-N₀ 교정 방법을 이용한 토양수분 자료가 보다 실제 토양수분과 더 큰 상관성을 가지고 있음을 알 수 있다. Traditional-N₀는 기존 교정 방법을 의미한다(Table 2).

Table 2. Validation of each calibration method used soil moisture estimation

Fig. 6. Time series of θ(N) from Eq. 10 estimated using traditional-N0 method (gray line) and Dynamic-N₀ method (red line) against the θ (black line).

그러나 제안된 Dynamic-N₀ 교정 방법을 이용한 토양수분 함량 자료의 CV는 0.142, 기존 교정 방법의 경우는 0.238로 나타났고 이를 통해 Dynamic-N₀ 교정 방법을 이용하여 산출된 토양 수분의 변동이 작은 것을 알 수 있다. RMSE와 Bias의 경우에는 기존의 방법을 이용하였을 때 0.036 m³m^-3, -0.006 m³m^-3이었고 Dynamic-N₀ 교정 방법을이용하였을 때 0.026 m³m^-3, -0.001 m³m^-3로 개선된 분석 결과를 보였다. 그 결과 본 연구에서는 제안한 DynamicN₀ 교정 방법을 이용하여 산지에서 토양 수분 산출을 수행한 결과가 R, RMSE 그리고 Bias에서 모두 기존의 방법에 비해 개선되었음을 확인할 수 있었다. 적은 변동성과 감소한 Bias값은 Dynamic-N₀ 교정 방법의 회귀모델을 이용한 효과라 할 수 있다. 이는 Dynamic-N₀ 교정방법을 통해 다른 수소 공급원들이 중성자 강도에 미치는 영향을 감소시켜 불확실성을 줄인 결과라 할수있으며, 이는 Baroni et al.(2018)에서 나타난 토양 수분 산출개선 결과와 부합한다. 다만 Baroni et al.(2018)에서 대상으로 삼은 연구 지역은 설마천 지역에 비하여 다른 수소 공급원들의 종류 및 영향에서 차이가 있다. 산지는 농지보다 대체로 식생이 두터우며, 따라서 토양 수분 보존 능력이 비교적 강하다. 또한, Franz et al.(2013)의 연구에서는 농지를 덮고 있는 식생의 뿌리 부분이 무시할 수있을 만큼 작다고 가정하여 연구를 진행한 것에 반해, 산지를 덮고 있는 식생의 뿌리부분은 그 생물량을 유추하기가 힘들어 무시할 만큼 작다고 가정하기에는 무리가 있다. 이로 인해 본 연구에서 제시한 Dynamic-N₀ 교정 방법의 효과가 Baroni et al.(2018)에서 나타난 효과와는 정도의 차이가 있지만, 기존 교정 방법에 비해 개선된 결과를 보였다는 점에서 유의미하다고 할 수 있다. 향후 산악지역의 특성을 고려한 N₀의 패턴 분석을 통해 불확실성을 발생시키는 인자에 대한 심층적인 연구가 추가적으로 수행되어야 할 것이다. 또한 Dynamic-N₀ 교정 방법에서 도출한 N₀는 N_corr과의 관계를 통해 구해진 값으로 기존 교정 방법으로 도출한 N₀과 같이 다른 수소 공급원들에 의한 영향을 받는다. 이는 통계적인 방법을 통해 중성자 강도의 변동성을 줄이더라도, Cosmic-ray의 물리적 특성을 고려하여 추가적인 보정이 요구됨을 의미한다. 그러나 본 연구에서 제시한 방법은 비교적 간단한 방법으로 토양 수분 산출 결과의 정확도를 향상시킬 수 있음을 보여줌으로써, 추후 인공지능 등 다양한 기법들이 토양 수분 품질 향상에 활용될 수 있는 가능성을 보여준 데 의의가 있다. 이후에는 보다 다양한 변수 및 물리적인 관계를 포함한 모형을 구축하고 이를 이용한 산지에서의 CRNP 센서를 이용한 수분 측정에 관한 연구가 시도 및 검증되어야 할 것이다.

5. 결론

본 연구에서는 국내외에서 신뢰성을 지닌 면 단위의 고해상도 토양 수분을 생산할 수 있는 CRNP 센서의 기존 교정 방법의 한계를 극복하기 위해 진행되었다. Franz et al.(2013)의 연구에서는 N₀의 변동성이 기존 교정 방법의 대표적인 한계 중 하나로 보았고, 본 연구에서는 Dynamic-N₀ 교정 방법을 통해 N0의 변동성을 감소시키고자 하였다. 먼저 1년간의 N_corr과 θ 사이의 뚜렷한 반비례 관계를 규명하였으며 이를 바탕으로 DynamicN₀ 교정 방법을 통한 N₀과N_corr 사이의 관계성을 이용해 비선형 회귀 모델을 도출하였다. 회귀 모델을 이용하여 N₀를 한 시간 단위로 재 산정하였고, 재 산정한 N₀의 연속성을 이용하여 연구 기간 전체의 토양 수분을 도출하였다. 회귀 모델을 통해 도출한 N₀를 기존 교정 방법을 통해 도출한 N₀와 비교분석 하였으며, 최종 도출한 토양 수분 또한 기존 교정 방법으로 도출한 토양 수분 결과와 비교 분석하였다. 이때 토양 수분의 신빙성을 더욱 높이기 위해 강우 자료와의 분석을 덧붙였다.

우선 회귀 모델을 통해 도출한 N₀의 경우 기존 교정방법으로 도출한 N₀에 비해 상대적으로 적은 변동성을 보였으며, 이를 통해 산악 지형에서 다른 수소 공급원들에 의해 발생하던 큰 변동성이 다소 완화되었음을 확인할 수 있었고, 변동성의 감소가 토양 수분 산출 결과에도 반영되었음을 확인할 수 있었다. 또한, Dynamic-N₀ 교정 방법을 통해 산출된 토양 수분은 Desiletset al.(2010)에서 제시한 기존 교정 방법에 비해 통계적으로 개선된 결과를 나타내었다. 연구 결과를 통해 산악지역의 수소공급원이 N_corr 뿐만 아니라 교정 중성자 강도에도 영향을 미치고 있음을 확인하였으며, 이로 인해 발생하는 추가적인 불확실성의 고려가 Dynamic-N₀ 교정 방법을 통해 가능함을 확인할 수 있었다.

하지만 Baroni et al.(2018)에서 대상으로 삼은 연구 지역의 토양 수분 관측 결과 개선 정도에 비해 설마천에서의 개선 정도는 상대적으로 미미하게 나타났는데, 이에 대한 원인은 크게 2가지로 판단된다. 첫 번째로는 연구 지역의 지표면을 덮고 있는 유기물이다. 토양 유기물은 연구 지역을 모든 계절에 걸쳐서 덮고 있고 이는 이에 대한 직접적인 실험이 이루어지지 않고는 토양에 비해 수분 함량이 빠르게 변화하는 유기물에 의한 수소공급원을 고려할 수 없기 때문이다. 따라서 토양 유기물로 인해 Dynamic-N₀ 교정 방법을 사용하였음에도 여전히 불확실성이 나타나는 것으로 보인다. 두 번째로는 여러 변수에 대한 추가적인 분석이 미비함으로 인해 발생하는 불확실성이다. 연구 지역의 급격한 사면, 식생, 평지에 비해 상대적으로 높은 고도, 강우에 의해 크게 좌우되는 하천 등의 영향이 중성자 강도의 측정에 불확실성을 야기하는 것으로 추정되며, 이에 대한 추가적인 연구가 필요할 것으로 보인다. 또한 본 연구에서 제시하는 Dynamic-N₀ 교정 방법만으로는 토양 수분 이외의 어떤 수소 공급원이 N₀에 지배적인 영향을 끼치는지 파악할 수 없으며, 이러한 한계 극복을 위해 다른 수소 공급원들 및 여러 환경적 특징을 고려한 모델이 필요할 것으로 보인다.

본 연구는 국내 산악지형에서의 기존 교정 방법의 개선에 관한 최초 연구이며 현재 초기 연구 단계로써 보완해야 할 부분들이 존재한다. 본 연구 이후에는 연구지역에서 불확실성을 발생시키는 다양한 인자들에 대해 초점을 맞추어 연구를 진행해야 할 것이며 이를 위해서는 연구 지역인 설마천의 대표적인 수소 공급원에 관한 데이터가 필요하다. 추가로 산악지형에서 불확실성에 기여하는 요인을 자료화 하고 회귀 모델 이외의 다양한 모델을 활용한 Dynamic-N₀ 교정 방법을 적용하면 충분히 개선된 토양 수분 자료를 생산할 수 있을 것이다. CRNP 센서를 이용한 토양 수분 산정은 서론에서 언급한 것과 같이 높은 신뢰도를 지닌 면 단위 토양 수분 자료 산출에 매우 효과적이며, 본 연구에서 확인한 것과 같이 관측에 대한 주변 환경의 영향을 보정할 수 있다면 토양 수분을 더 정확히 예측할 수 있을 것으로 보인다. 특히, 한반도는 산지가 많아 지형적인 특성에 의한 토양 수분 변동이 크기 때문에, 고해상도 면 단위 토양 수분 자료의 활용성이 평지에 비해 더 높다고 할 수 있다. 이를 위해 본 연구는 CRNP 센서를 이용한 새로운 Dynamic-N₀ 교정 방법을 제시하였으며, 본 연구 결과를 기반으로 산지에서의 토양 수분 자료 정확도 개선방향을 제안하였다.