Calculation of Soil Moisture and Evapotranspiration of KLDAS applying Ground-Observed Meteorological Data

지상관측 기상자료를 적용한 KLDAS(Korea Land Data Assimilation System)의 토양수분·증발산량 산출

Abstract

Thisstudy demonstratessoil moisture and evapotranspiration performance using Korea Land Data Assimilation System (KLDAS) under Korea Land Information System (KLIS). Spin-up was repeated 8 times in 2018. In addition, low-resolution and high-resolution meteorological data were generated using meteorological data observed by Korea Meteorological Administration (KMA), Rural Development Administration (RDA), Korea Rural Community Corporation (KRC), Korea Hydro & Nuclear Power Co.,Ltd. (KHNP), Korea Water Resources Corporation (K-water), and Ministry of Environment (ME), and applied to KLDAS. And, to confirm the degree of accuracy improvement of Korea Low spatial resolution (hereafter, K-Low; 0.125°) and Korea High spatial resolution (hereafter, K-High; 0.01°), soil moisture and evapotranspiration to which Modern-Era Retrospective analysis for Research and Applications, version 2 (MERRA-2) and ASOS-Spatial (ASOS-S) used in the previous study were applied were evaluated together. As a result, optimization of the initial boundary condition requires 2 time (58 point), 3 time (6 point), and 6 time (3 point) spin-up for soil moisture. In the case of evapotranspiration, 1 time (58 point) and 2 time (58 point) spin-ups are required. In the case of soil moisture to which MERRA-2, ASOS-S, K-Low, and K-High were applied, the mean of R² were 0.615, 0.601, 0.594, and 0.664, respectively, and in the case of evapotranspiration, the mean of R² were 0.531, 0.495, 0.656, and 0.677, respectively, indicating the accuracy of K-High was rated as the highest. The accuracy of KLDAS can be improved by securing a large number of ground observation data through the results of this study and generating high-resolution grid-type meteorological data. However, if the meteorological condition at each point is not sufficiently taken into account when converting the point data into a grid, the accuracy is rather lowered. For a further study, it is expected that higher quality data can be produced by generating and applying grid-type meteorological data using the parameter setting of IDW or other interpolation techniques.

본 연구에서는 K-LIS(Korea-Land surface Information System)의 KLDAS(Korea Land Data Assimilation System)를 사용하여 LSM의 초기 경계조건 최적화를 위해 스핀업(Spin-up)을 진행하였고다. 스핀업은 2018년을 대상으로 8회 반복 수행하였다. 또한, 국내 기상청(KMA, Korea Meteorological Administration), 농촌진흥청(RDA, Rural Development Administration), 한국농어촌공사(KRC, Korea Rural Community Corporation), 한국수력원자력(KHNP, Korea Hydro & Nuclear Power Co., Ltd.), 한국수자원공사(K-water, Korea Water Resources Corporation), 환경부(ME, Ministry of Environment) 등에서 관측하고 있는 기상자료를 사용하여 저해상도(K-Low, Korea Low spatial resolution; 0.125°) 및 고해상도(K-High, Korea High spatial resolution; 0.01°)의 기상자료를 생성하여 KLDAS에 적용하였다. 그리고, K-Low 및 K-High의 정확도 향상 정도를 확인하기 위해 선행 연구에서 사용된 MERRA-2 (Modern-Era Retrospective analysis for Research and Applications, version 2)와 ASOS-S(ASOS-Spatial)가 적용된 토양수분 및 증발산량을 같이 평가하였다. 그 결과, 초기 경계조건의 최적화는 토양수분의 경우 2회(58개 지점), 3회(6개 지점), 6회(3개 지점)의 스핀업이 필요하고, 증발산량의 경우 1회(2개 지점), 2회(2개 지점)의 스핀업이 필요하다. MERRA-2, ASOS-S, K-Low, K-High을 적용한 토양수분의 경우 R²의 평균은 각각 0.615, 0.601, 0.594, 0.664이고, 증발산량의 경우 R²의 평균은 각각 0.531, 0.495, 0.656, 0.677로 K-High의 정확도가 가장 높은 것으로 평가되었다. 본 연구 결과를 통해 다수의 지상 관측자료를 확보하고 고해상도의 격자형 기상자료를 생성하면 KLDAS의 정확도를 높일 수 있다. 다만, 지점 자료를 격자로 변환할 때 각 지점의 기상현상이 충분히 고려되지 않으면 정확도는 오히려 낮아진다. 향후 IDW의 매개변수 설정 또는 다른 보간기법을 사용하여 격자형 기상자료를 생성하여 적용하면 보다 높은 품질의 자료를 산출할 수 있을 것으로 판단된다.

1. 서론

KLDAS(Korea Land Data Assimilation System)는 K-water(Korea Water Resources Corporation)와 NASA GSFC(Goddard Space Flight Center)의 공동연구를 통해 개발된 K-LIS(Korea-Land surface Information System) 중 일부이다. K-LIS는 NASA LIS(Land Information System; Kumar et al., 2006; Peters-Lidard et al., 2007)를 기반으로 구축되었으며, 한반도를 대상으로 한 KLDAS, 동아시아를 대상으로 한 ALDAS(Asia Land Data Assimilation System)로 구성되어 각각 0.01°, 0.1°의 공간해상도를 가진 1일 간격의 수문인자를 산출한다(Kang et al., 2018).

K-LIS에 적용된 지표면 모델(LSM, Land Surface Model)은 Noah-MP(Noah-MultiParameterization; Cai et al., 2014), Catchment(Koster et al., 2000)이며, 기상 입력자료는 MERRA-2 (Modern-Era Retrospective analysis for Research and Applications, version 2; Gelaro et al., 2017)가 적용되었다.

LSM은 토양, 식생, 적설 등에 대한 지배방정식을 통해 지표면의 에너지 및 물 플럭스를 계산하고, 계산된 결과를 다시 지표면의 경계조건으로 입력된다. LSM에 서 수문 현상에 대한 거동을 정확히 계산하기 위해 초기 경계조건이 설정되며, 설정된 초기 경계조건은 계속 변동되어 적용된다. 이러한 초기 경계조건의 최적화를 위한 과정을 스핀업(Spin-up)이라고 부르며, 각각의 수문 인자별로 최적화되는 기간이 다르게 적용된다(Rodell et al., 2005; Lee, 2017; Jun et al., 2020). Lim et al. (2012)의 연구 결과에 따르면 토양수분 및 증발산량에 대한 초기 경계 조건이 최적화 되기 위해서는 건조한 지역은 2~3년, 습한 지역은 3개월 정도 소요된다고 하였다.

MERRA-2는 NASA GMAO (Global Modeling and Assimilation Office)에서 위성 관측자료 및 지상 관측자료를 활용하여 개발된 대기 재분석 데이터 세트이며, 전 지구 범위의 자료를 0.5°×0.625°의 공간해상도로 제공한다. MERRA-2를 적용한 KLDAS의 토양수분 및 증발 산량 산출물과 지상에서 관측된 토양수분 및 증발산량을 비교하면 산출물의 정확도는 높지 않다. KLDAS의 정확도를 높이기 위해 Jung et al. (2020)은 국내 정밀 토 양도(Soil texture)와 기상청의 ASOS (Automated Synoptic Observing System) 및 GTS(Global Telecommunication System) 강수량을 적용하여 산출된 토양수분을 가뭄 모니터링을 위해 사용하였고, Park et al. (2020)은 ASOS, GTS(북한, 중국, 러시아) 자료 중 기온, 기압, 습도, 풍향, 풍속, 강우량을 MERRA-2의 공간해상도인 0.5°×0.625°로 적용하여 토양수분 및 증발산량을 산출하였다. 또한, Park et al. (2021)은 ASOS를 사용하여 0.125°의 공간해상도 자료인 ASOS-S (ASOS-Spatial)를 생성하여 토양수분 및 증발산량을 산출하였다.

본 연구에서는 KLDAS의 Noah-MP LSM을 사용하였고, LSM의 초기 경계조건 최적화를 위해 8년 동안의 스핀업 후 2018년도의 토양수분 및 증발산량을 산출하였다. 또한, 토양수분 및 증발산량의 정확도 향상을 위해 국내 기상청(KMA, Korea Meteorological Administration), 농촌진흥청(RDA, Rural Development Administration), 한국농어촌공사(KRC, KoreaRuralCommunityCorporation), 한국수력원자력(KHNP, Korea Hydro & Nuclear Power Co., Ltd.),한국수자원공사(K-water,KoreaWaterResources Corporation), 환경부(ME, Ministry of Environment) 등 에서 관측하고 있는 기상자료를 사용하여 저해상도(0.125°) 및 고해상도(0.01°)의 기상자료를 구축하여 적 용하였다.

2. 연구범위 및 방법

1) 대상지역 및 자료구축

온도, 기압, 습도, 풍속, 강우량 등 다양한 기상 조건 을 관측하기 위해서 여러 기관에서 지상관측소를 운영하고 있다. 본 연구를 위해 수집한 기상자료들은 KMA 614개소, RDA 212개소, KRC 1개소, KHNP 15개소, Kwater 181개소, ME 427개소로 총 1,450개소 지점이다 (Fig. 1). 수집한 기상자료들의 종류는 기온, 기압, 습도, 풍향, 풍속, 강우량이며, KMA에서는 위 6종류 모두 제공하지만, RDA는 기온, 습도, 풍향, 풍속, 강우량만 제공 되며, KRC, KHNP, K-water, ME는 강우량만 제공된다. 풍향과 강우량의 경우 각 기관마다 기록되는 방식이 다르며, 풍향의 경우 360°로 관측하여 기록 되는게 보편화 되어 있지만, RDA에서는 16방위 풍향으로 기록되어 360° 풍속으로 변환하여 적용하였고, 정온은 예외 처리 하였다. 강우량의 경우 기본적으로 1시간 누적 강우로 기록되지만, KMA의 ASOS는 11월부터 3월까지는 3시간 누적강우로 기록되고, RDA는 1시간마다 기록되지만 0시에 강우량이 초기화되는 1일 누적 강우로 기록되어 1시간 누적 강우로 변환하여 적용하였다. 또한, 전체 자료를 확인하여 평균적인 분포 형태를 벗어나거나 주변 관측값보다 비정상적으로 나타나는 값들을 제거하 였다.

Fig. 1. Meteorological station of K-water, KHNP, KMA, KRC, ME and RDA.

국내에서 관측되고 있는 기상자료들의 단위는 기온 (°C), 기압(hPa), 습도(상대습도; %), 풍향(Deg), 풍속 (m/s), 강우량(mm/hr)이며, KLDAS에서 기상자료들의 단위는 기온(K), 기압(Pa), 습도(비습, kg/kg), 풍속(U, V 방향 성분; m/s), 강우량(kg/m2s)으로 입력받으므로 국내 기상자료들의 단위를 변환해야 한다. 여기서, 기온, 기압, 강우량의 경우는 일정량의 스케일 팩터만으로 단위 변환이 가능하지만, 습도 및 풍속은 별도의 방정식 을 통해 변환되어야 한다(Table 1).

Table 1. Units of Korea meteorological data and KLDAS

식 (1)–(3)은 상대습도를 비습으로 변환하기 위한 방정식이며, 계산을 위해 온도, 기압, 상대습도가 필요하다. RDA에서는 기압을 제공하지 않아 KMA에서 제공된 기압을 참조하여 계산하였다. 식 (4)–(5)는 풍향 및 풍속을 U, V 방향 성분의 풍속으로 변환하는 방정식이며, 삼각함수를 사용하였다. 풍향을 측정할 때는 정북 방향을 기준으로 0°로 기록되며, 수평방향의 바람 성분 분해를 위해 sin 함수가 사용되었고, 수직방향 바람 성분 분해 를 위해 cos 함수를 사용하였다.

\(e_{s}=6.112 \exp \left(\frac{17.67 T}{T+243.5}\right)\)       (1)

\(e=e_{s} \frac{R H}{100}\)       (2)

\(S H=\frac{0.622 e}{p-0.378 e}\)       (3)

\(U=\sin \left(\frac{D \pi}{180}\right) S\)       (4)

\(V=\cos \left(\frac{D \pi}{180}\right) S\)       (5)

여기서, e_s는 포화 증기압(hPa), e는 증기압(hPa), p는 기압(hPa), T는 온도(°C), RH는 상대습도(%), SH는 비습 (kg/kg), D는 풍향(deg.), S는 풍속(m/s), U는 수평 방향 성분 풍속(m/s), V는 수직 방향 성분 풍속(m/s)이다.

지점 자료를 격자형 자료로 변환하기 위해 IDW (Inverse Distance Weighted; Shepard, 1968) 보간기법을 사용하였으며, 0.125°의 공간해상도를 가진 저해상도 기상자료(K-Low, Korea Low spatial resolution)와 0.01°의 공간해상도를 가진 고해상도 기상자료(K-High, Korea High spatial resolution)로 격자화 하였다. IDW 보간기법 을 사용하여 격자화할 때, 보간될 지점에서 참조될 값까지의 거리를 제한하는 매개변수를 설정하였다. 제한된 매개변수로 인해 보간이 안 되는 공간을 계산하기 위해 K-Low는 MERRA-2와 관측된 기상자료를 활용하여 0.8°, 0.5°, 0.177°의 매개변수를 설정하여 0.125°로 격자화 하였고, K-High는 K-Low 자료를 사용하여 0.125°, 0.05°의 매개변수를 설정하여 0.01°로 격자화 하였다.

격자화된 기상자료를 KLDAS에 적용하여 산출된 토양수분 및 증발산량 평가를 위해 관측 자료를 수집하였다. KLDAS의 Noah-MP LSM 입력 자료는 Table 2와 같다. 국내 토양수분 및 증발산량 관측소는 K-water, 한강 홍수통제소(HRFCO, Han River Flood Control Office), 금 강홍수통제소(GRFCO,GeumRiver FloodControlOffice), 농촌진흥청(RDA, Rural Development Administration) 등 다양한 기관에서 관측하고 있다. 토양수분 관측지점은 K-water 6개소, HRFCO 2개소, RDA 212개소이고, 증발 산량 관측지점은 K-water 2개소, HRFCO 3개소, GRFCO 2개소이며, 한국수문조사연보와 RDA의 농업기상정보 서비스(RDA Agricultural Weather Information Service)를 이용하여 관측자료 수집하였다. 토양수분은 TDR(Time Domain Reflectrometry) 센서를 통해 10 cm 깊이에서 관측된 자료이며, 증발산량은 플럭스타워에서 관측된 자료를 에디공분산 방법으로 계산된 실제 증발산량 자료이다. 장비 이상 또는 기상상태로 인해 관측되지 않은 일자는 각 기관에서 제공된 모의 값을 사용하였다. 검증을 위해 2018년도를 대상으로 KLDAS의 수문인자를 산출하였다. 2018년은 계절별 기온 변동이 크고 장마 기간이 유난히 짧으며, 평년과는 다른 계절에 강우량이 많아 LSM 모의 시 계절별 변동이 뚜렷하게 나타났다. 검증을 위한 관측지점은 해당 기간의 관측 자료가 70% 이상이며, 비정상적인 변동을 보이는 지점을 제외하면 토양수분 관측소는 67개소, 증발산량 관측소는 4개소이다(Fig. 2)

Table 2. Topographic Data and Meteorological Forcing Data Used in This Study

Fig. 2. Observation point of soil moisture and evapotranspiration.

2) 정확도 평가 방법

결정계수(R², Coefficient of Determination), 평균 제곱근 오차(RMSE, Root Mean Square Error)를 이용하였다. R²는 자료의 적합도 정도를 확인하는 척도이며, 0에서 1 사이의 값을 가지고 있고 적합도가 높을수록 1에 가까워진다(식 (6)). RMSE는 산출된 자료와 관측 값 사이에 발생되는 오차 값을 나타낸다(식 (7)).

\(\mathrm{R}^{2}=\left(\frac{\sum_{i=1}^{N}\left(O_{i}-\bar{O}\right)\left(P_{i}-\bar{P}\right)}{\sqrt{\sum_{i=1}^{N}\left(O_{i}-\bar{O}\right)^{2}} \sqrt{\sum_{i=1}^{N}\left(P_{i}-\bar{P}\right)^{2}}}\right)^{2}\)       (6)

\(\operatorname{RMSE}=\sqrt{\frac{\sum_{i=1}^{N}\left(O_{i}-P_{i}\right)^{2}}{N}}\)       (7)

여기서, O_i 는 i번째 관측값, \(\bar O\)는 관측값의 평균값, P_i 는 산출된 자료의 i번째 값, \(\bar P\)는 산출된 자료의 평균값, N은 자료의 개수이다.

3. 결과 및 고찰

1) 스핀업(Spin-up)

본 연구에서 KLDAS를 통해 토양수분 및 증발산량을 산출하기 전 LSM의 경계조건 최적화를 위해 스핀업을 진행하였다. 스핀업은 2018년의 K-Low 자료를 사용하여 8회 반복 수행하였고, 스핀업 후 LSM 재시작으로 산출된 9번째 자료를 최적화 되었다고 가정하였다. 스핀업이 몇 회 진행되어야 최적화되는지 평가하기 위해 토양수분 및 증발산량 관측지점에 해당하는 산출물을 활용하였고, 각각의 반복된 스핀업 산출물과 LSM 재시 작 산출물의 매달 1일 자료를 추출하였다. LSM 재시작 에서 사용되는 초기 경계조건은 스핀업 마지막 날짜의 경계조건을 사용하므로 매달 1일 자료를 비교하는 것은 의미는 없으나 초기 경계조건에 따른 스핀업 기간 내 변동성을 확인하기 위해 매달 1일 자료를 확인하였다.

토양수분의 경우 3개의 관측지점은 스핀업을 6회 반복(Fig. 3(a))해야 오차가 0으로 수렴하였고, 6개의 관측 지점은 3회(Fig. 3(b)), 나머지 58개 관측지점은 2회 반복 (Fig. 3(c))하여야 오차가 0으로 수렴하였다.

Fig. 3. Spin-up of soil moisture.

증발산량의 경우 청미천과 인제는 1년치 자료를 2회 반복해야 정도 소요되었고, 설마천과 이인은 1회 반복해야 오차가 0으로 수렴하였다(Fig. 4).

Fig. 4. Spin-up of evapotranspiration.

KLDAS의 Noah-MP LSM의 토양수분 초기 경계조건을 20%로 설정하여 스핀업을 진행한 결과 동일한 연도의 기간을 반복적으로 모의하여도 6회 이내에는 토양 수분 및 증발산량에 대한 초기 경계조건이 최적화되는 것을 확인할 수 있다.

2) 저해상도(K-Low) 및 고해상도(K-High) 기상자료 적용

KLDAS에 0.125°의 K-Low와 0.1°의 K-High 격자 자료를 적용하여 산출된 토양수분, 증발산량과 관측된 자료를 비교하여 정확도를 평가하였다. 추가로 선행 연구인 KLDAS에 MERRA-2 및 ASOS-S를 적용하여 산출된 토양수분, 증발산량도 비교하여 본 연구의 정확도 개선 여부를 확인하였다. Table 3은 MERRA-2, ASOS-S, K-Low, K-High와 토양수분 관측값에 대한 R2와 RMSE 평가 결과이며, Table 4는 증발산량에 대한 평가 결과이다.

Table 3. Validation of soil moisture using R² and RMSE

Table 4. Validation of evapotranspiration using R² and RMSE

MERRA-2, ASOS-S, K-Low, K-High의 토양수분 평가 결과 R² 평균은 각각 0.615, 0.601, 0.594, 0.664로 나타났고 RMSE 평균을 확인해보면 각각 3.541%, 3.627%, 3.652%, 3.250%만큼의 오차가 발생되었다. 0.125°의 K-Low 토양수분과 MERRA-2, ASOS-S를 각각 비교하여 보면, MERRA-2보다 R²가 높아진 지점은 28개소이고, 낮아진 지점은 39개소며, 평균 0.021만큼 낮아졌다. ASOS-S보다 R2가 높아진 지점은 34개소이고, 낮아진 지점은 33개소이며, 평균 0.007만큼 낮아졌다. 0.01°의 K-High토양수분과 MERRA-2, ASOS-S, K-Low를 각각 비교하여 보면, MERRA-2보다 R2가 높아진 지점은 50 개소이고, 낮아진 지점은 17개소며, 평균 0.049만큼 높아졌다. ASOS-S보다 R²가 높아진 지점은 53개소이고, 낮아진 지점은 14개소이며, 평균 0.063만큼 높아졌다. 또한, K-Low보다 R2가 높아진 지점은 55개소이고, 낮아진 지점은 12개소이며, 평균 0.071만큼 높아졌다. 각 기상 자료 간 정확도 차이가 크게 발생한 지점을 살펴보면, 평창군 운교리(Fig. 5(a)), 인제군 인제읍(Fig. 5(b)), 설마천(Fig. 5(c)) 등의 지점이 R² 0.4 이상의 차이가 발생하였다. 평창군 운교리와 인제군 인제읍의 경우 6월에서 K-Low 토양수분이 높아지는 경향을 보이고 있다. 설마천의 경 우 4월에서 K-High 토양수분이 다른 산출물에 비해 과 소 산정되었다. K-Low와 K-High 자료를 생성할 때 전체 지역에 대한 IDW 매개변수를 동일하게 설정하여 적용하고, 참조 거리를 제한하는 매개변수를 설정한 결과, 일부 지점에서는 관측된 기상자료를 포함하지 못하고 낮은 공간해상도로 보간된 격자 자료로 LSM 계산이 수행되어 정확도가 낮아진 것으로 판단된다.

 

Fig. 5. Part of the time series and scatter plot of soil moisture (M: MERRA-2, A: ASOS-S, KL: K-Low, KH: K-High).

증발산량 평가 결과 MERRA-2, ASOS-S, K-Low, KHigh의 R² 평균은 각각 0.531, 0.495, 0.656, 0.677로 나타났고, RMSE 평균을 확인해보면 각각 0.722 mm/d, 0.808 mm/d, 0.662 mm/d, 0.639 mm/d만큼의 오차가 발생되었다. 0.125°의 K-Low 증발산량과 MERRA-2, ASOS-S 를 각각 비교하여 보면, MERRA-2보다 R²가 높아진 지점은 3개소이고, 낮아진 지점은 1개소며, 평균 0.124만큼 높아졌다. 모든 지점이 ASOS-S보다 정확도가 향상되었으며, R² 는 평균 0.160만큼 높아졌다. 0.01°의 K-High 증반산량은 MERRA-2,ASOS-S보다 모든 지점의 정확도가 향상되었고, 각각 R² 0.146, 0.182만큼 높아졌다. K-Low 보다 3개 지점의 증발산량 정확도가 높아졌고 청미천의 경우에는 정확도가 낮아졌으나, R² 평균 0.022만큼 높아졌다. 인제(Fig. 6) 지점의 경우 K-High와 ASOS-S의 R² 가 0.411차이가 발생하였는데 ASOS 기상자료를 사용하여 격자화된 자료가 인근 기상자료를 충분히 반영하지 못하여 나타난 결과로 판단된다.

Fig. 6. Part of the time series and scatter plot of evapotranspiration (M: MERRA-2, A: ASOS-S, KL: K-Low, KH: K-High).

토양수분과 증발산량은 기온과 강우량에 밀접한 관계를 가지고 있으며, 기온이 높아질수록 증발산량은 많아지고 토양수분은 줄어들게 된다. 또한, 강우로 인해 토양수분은 급격히 증가하고, 증발산량도 많아지게 된다. 2018년은 계절별 기온 변동이 크고 장마 기간이 유난히 짧았다. 평년보다 높은 기온을 기록한 3월~4월, 6월~8월과 평년보다 강우량이 많았던 3월~5월, 10월~11월의 토양수분, 증발산량 관측 자료를 살펴보면 기온과 강우량으로 인한 토양수분과 증발산량의 변동이 뚜렷하게 나타났다. MERRA-2, ASOS-S, K-Low, K-High 토양수분 의 경우 변동량은 지점 관측 자료보다 적게 나타났으나, 경향성은 비슷하게 산출되었다. 증발산량의 경우 지점 관측 자료보다 전체적으로 높게 산출되었고 5월, 7월, 8월, 10월은 높은 강우량으로 인해 유난히 관측 자료보다 증발산량이 많아졌다. 사용된 기상자료마다 산출된 토양수분과 증발산량의 변동 특성이 뚜렷하게 나타난다. 낮은 공간해상도(0.5°×0.625°)를 가진 MERRA-2는 광활한 지역에 적합하므로, 산악 지형이 대부분인 지리적 특징을 가진 국내에 적용하기에는 정확도가 낮은 자료가 산출된다. 이를 보완하기 위해 국내 지점 관측 자료를 사용하였으며, KLDAS에 적용하기 위해 보편화된 IDW 보간기법을 사용하였다. K-Low와 K-High를 비교해보면 대부분의 지점에서 K-High가 정확도가 높지만, 일부 지점에서는 K-Low의 정확도가 높게 나타났다. 이러한 결과가 나타나는 현상은 IDW 보간기법을 사용하 여 격자화할 때 보간될 지점의 범위안에 지점 관측자 료가 포함되지 않아 낮은 해상도의 자료로 계산되어 발생된 것으로 판단된다. 그 이유는 K-High 자료를 격자화할 때 설마천 토양수분 관측지점과 증발샨랑 관측지 점인 이인, 인제, 설마천, 청미천 등의 지점에서 설정된 IDW 반경 내 관측지점이 존재하지 않거나 먼 거리의 관측지점 자료를 사용하여 격자화 되었기 때문이다.

본 연구에서는 IDW의 매개변수를 고정하여 K-Low 및 K-High 자료를 생성하였다. 이로 인해 일부 지점에서는 지점 관측 자료를 충분히 반영하지 못한 격자가 발생하게 되었다. 이를 해결하기 위해서 IDW의 매개변수를 다양하게 설정하여 반영한다면 보다 높은 정확도를 가진 토양수분 및 증발산량을 산출할 수 있을 것으로 판단된다. 또한, 2차원적인 거리만 고려되는 IDW은 산악 지형의 고도 차이를 반영하지 못하므로 크리깅(Kriging) 기법 등과 같은 3차원적인 거리를 고려할 수 있는 격자화 기법을 사용할 필요가 있다.

4. 결론

본 연구에서는 KLDAS의 Noah-MP 초기 경계조건 최적화를 위해 Spin-up을 진행하였고 어느 정도 기간이 소요되는지 토양수분 및 증발산량을 대상으로 안정화되는 기간을 확인하였다. 또한, KMA, RDA, KRC, KHNP, K-water, ME 등의 기관에서 관측되고 있는 기상자료를 사용하여 0.125°의 저해상도 K-Low 격자 자료와 0.01° 의 고해상도 K-High 격자 자료를 생성하여 KLDAS에 적용하여 토양수분 및 증발산량을 산출하고 정확도를 평가하였다. 본 연구를 통해 도출된 주요 결론은 다음과 같다.

첫째, 토양수분 관측지점 67개소와 증발산량 관측지점 4개소를 기준으로 LSM 초기 경계조건이 최적화되 기 위해서 토양수분 58개 지점에서는 스핀업이 2회 필요하고, 6개 지점에서는 3회, 3개 지점에서는 6회가 필요하다. 증발산량의 경우 2개 지점은 스핀업이 1회 필요하고, 나머지 2개 지점에서는 스핀업이 2회 필요하다.

둘째, MERRA-2, ASOS-S, K-Low, K-High 기상자료를 적용하여 산출된 토양수분 및 증발산량은 K-High 기상자료를 적용한 결과가 다른 기상자료보다 정확도가 높게 나타났다. MERRA-2, ASOS-S, K-Low, K-High의 토양수분 R²는 각각 0.615, 0.601, 0.594, 0.664로 나타났고, 증발산량의 R²는 각각 0.531, 0.495, 0.656, 0.677로 나타 났다.

본 연구의 결과에 따르면 LSM의 초기 경계조건 최적화는 토양수분의 경우 스핀업 6회, 증발산량의 경우 스핀업 2회면 충분히 안정화되어 LSM의 초기 경계조건으로 인한 오차를 제거할 수 있다. 또한, 다수의 지상 관측자료를 확보하고 고해상도의 격자형 기상자료를 생성하면 KLDAS의 정확도를 높일 수 있다. 다만, 지점 자료를 격자화할 때, 지점 자료의 기상현상이 충분히 고려되지 않으면 오히려 정확도가 낮아지므로 기상현상을 충분히 고려할 수 있는 격자형 자료를 생성하는 것이 중요하다. 본 연구에서는 IDW 보간기법을 사용하여 격자형 기상자료를 생성하였지만, 향후 IDW의 다양한 매개변수 설정 또는 크리깅(Kriging) 등 다른 보간기법을 사용하여 격자형 기상자료를 생성하여 적용하면 보다 높은 품질의 자료를 산출할 수 있을 것으로 판단된다.