• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.408-408
• /
• 2011

수자원관리와 수문모형에 있어 강수, 증발산, 침투, 침루 등의 물 순환과정에 대한 실질적인 이해와 분석연구의 중요도가 높아지고 있는 실정이며, 그중에서도 토양수분은 강수의 침투, 유출 등의 지표면과 대기사이의 질량 및 에너지이동에 관여하는 중요한 요소로서 수자원 및 수문현상에 직접적인 영향을 미친다. 이를 위해 강수, 증발산, 토양수분과 같은 수문변수에 대한 다양한 관측이 실시되어야 하지만 국내에서는 지속적이고 안정적으로 지상관측을 할 수 없는 실정이며 관련 기반기술도 매우 취약하다. 따라서 이를 극복하기 위해서는 위성영상자료를 이용함으로써 한반도 전체에 대한 광역적인 토양수분자료의 획득을 용이하게 한다. 본 연구의 연구유역은 수자원 연구를 위해서 지정된 용담댐 시험유역으로 하였으며, 토양수분 관측지점의 지상관측 수문자료인 각 지점별 강수량, 지면온도, 인공위성자료인 MODIS 정규식생지수 등의 가용자료를 수집하고 신경망모형을 활용한 토양수분자료 생산 모형을 개발하여, 개선된 시공간 분해능과 공간정보 대표성을 가진 광역 토양수분자료를 생산하고 적용타당성을 분석하였다. 산정된 토양수분모형의 적용가능성을 파악하고자 용담댐 유역의 각 지점별 토양수분 관측데이터와 추정데이터를 비교한 결과 추천, 부귀, 상정 지점의 경우 평균 약 0.9257의 상관계수와 약 1.2917의 평균제곱근오차를 보였고, 검증지점인 천천2의 경우 약 0.8982의 상관계수와 약 5.1361의 평균제곱근오차의 결과를 보여주었으며 토양수분 추정모형의 적용가능성이 높음을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.31-31
• /
• 2015

토양수분은 일반적으로 시료를 채취하거나 현장에 설치된 다양한 센서를 통해 추정하지만 이는 시간과 비용이 많이 소모되기 ?문에 유역내의 공간적인 토양수분 분포를 추정하는데 상당한 어려움이 따른다. 토양수분뿐만 아니라 공간적인 대기현상, 토양수분, 식생현황 등을 관측하는데 대중적으로 사용되는 것이 위성 관측이며, 기본적으로는 위성에 탑재된 센서가 각 주파수대역에 따라 영상을 생성하면 이를 특정 알고리듬을 적용하여 원하는 값을 도출하게 된다. 토양수분 산정에 사용되는 대표적인 위성영상으로는 SMOS (Soil Moisture and Ocean Salinity), ARMS-E(Advanced Microwave Scanning Radiometer - Earth Observing System), ARMS2 (ARMS ver.2) 영상 등이 있으며, 이러한 위성은 해상도가 약 10 km ~ 40 km로 상당이 낮기 때문에 우리나라와 같이 면적이 좁고 지형이 복잡하며 다양한 토지피복이 밀집되어있는 곳에서는 기존 수문 연구에 응용할 수 있는 토양수분 공간지도 산정을 위해 상세화(Downscaling)과정이 필요하다고 판단된다. 따라서 본 연구에서는 ARMS2 토양수분 영상을 MODIS 영상의 식생지수(NDVI, Normalized Difference Vegetation Index), 알베도 및 온도를 활용하여 공간적으로 상세화된 토양 수분 지도를 작성하였고, 유역 내에서 실제 측정되고 있는 토양수분 관측값을 활용하여 상세화기법의 적용성을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.114-114
• /
• 2021

본 연구에서는 Sentinel-1 SAR 센서 기반 이미지자료와 딥러닝기법을 이용하여 고해상도 토양수분을 산정하였다. 입력자료는 지표특성(모래함량, 점토함량, 경사도), 인공위성 기반의 강우와 LANDSAT 기반의 이미지자료(NDVI, LST, 공간분포 토양수분)를 사용하였다. 강우자료의 경우 GPM(Global Precipitation Measurement) 일강우 자료를 사용하였으며, 관측일 기준으로 5일전까지의 강우자료와 5일평균강우를 구분하여 사용하였다. LANDSAT 기반의 토양수분 이미지자료와 지점관측 토양수분을 이용하여 검·보정 이후 딥러닝 모형의 입력자료로 사용하였다. 입력자료는 30m × 30m 해상도로 Resample 하여 딥러닝 모형의 학습을 진행하였으며, 학습에 사용된 모형을 이용하여 Sentinel-1 기반의 고해상도(10m × 10m) 토양수분이미지를 산정하였다. 검증지점은 거창군 거창읍, 계룡시 두마면, 장수군 장수읍 및 무주군 무주읍 토양수분 관측지점을 선정하였다. 거창군 거창읍의 산정결과, LANDSAT 기반의 토양수분 이미지와 DNN 기반의 토양수분 이미지가 매우 유사하게 나타났으며, 모의값(DNN 기반 토양수분)이 실측값(LANDSAT 기반의 토양수분)을 잘 반영한 것(R: 0.875 ; RMSE: 0.013)으로 나타났다. 또한 학습모형을 토지피복이 유사한 지역에 적용하여 토양수분을 산정한 결과 검증지점 계룡시(R: 0.897 ; RMSE: 0.014), 장수군(R: 0.770 ; RMSE: 0.024) 및 무주군(R: 0.909 ; RMSE: 0.012)의 모의값이 실측값과 매우 유사한 것으로 나타났다. 이를 바탕으로 Seninel-1 SAR센서 이미지자료와 딥러닝기법을 연계한 고해상도 토양수분자료가 농업, 수문, 환경 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.

• Korean Journal of Soil Science and Fertilizer
• /
• v.28 no.2
• /
• pp.165-175
• /
• 1995

To determine the effect of soil moisture stress on growth of barley and grain quality, a pot experiment was carried out for two barley varieties(Olbori and Chogangbori) by using large plastic pot(52cm in diameter and 55cm in depth) filled with sandy loam soil under rain-controlled open green house. By means of measuring soil water potential with micro tensiometer and gypsum block installed at 10cm in soil depth, soil moisture was controlled by sub-irrigation at several irigation points such as -0.05bar, -0.2bar, -0.5bar, -1.0bar, -5.0bar and -10.0bar in soil water potential. The lower soil water potential was controlled, the shorter length of stem and internode became, and the more narrow stem diameter was. Leaf area was significantly decreased when soil water potential was controlled lower than -0.5bar, although chlorophyll content of flag and first leaves was not changed so much. Weight of grain and ear was significantly decreased when soil water potential was lower than -5.0bar and the highest grain yield was obtaind in a plot where soil water potential was controlled at -0.2bar. However, the most efficient water use of Olbori and Chogangbori was obtained at -0.5bar and -1.0bar in water potentials, respectively. Crude protain content, maximum viscosity, consistency and ${\beta}$-glucan content of barley flour increased as soil water potential significantly decreased, especially below -5.0bar, but gelatination temperature decreased as soil water potential decreased.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.103-104
• /
• 2017

본 연구에서는 다중회귀분석모형(MLRM)과 MODIS (MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상 관측지점에서 관측한 실측 LST와 MODIS LST의 R2는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 R2는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 68개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중회귀분석 모형은 각각의 입력자료를 독립인자로서 조합하여 12개의 시나리오를 만들었다. 시공간적 경향을 고려하기 위하여 계절별, 토양 토성(soil texture)를 구분하여 회귀분석을 실시하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.80 (철원), 0.90 (춘천), 0.80 (수원), 0.63 (서산), 0.77 (청주), 0.82 (전주), 0.52 (순천), 0.63 (진주), 0.99 (보성)로 높은 상관성을 보였다. 본 연구에서는 토양수분을 예측하기 위한 인자 중 가장 민간함 LST를 보정하지 않는 토양수분 예측 방법은 상당한 오차를 포함하게 되어 실측 토양수분 결과와 크게 차이가 나타남을 보여주었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.299-299
• /
• 2023

토양수분(soil moisture)은 수문인자의 하나로서 토양 내에 함유된 물의 양을 의미하며, 그 총량은 미미하지만 대기와 지표면 사이에서 일어나는 복잡한 물순환과 에너지 교환을 이해하는데 있어 필수적이다. 현재 국내에서는 「수자원의 조사·계획 및 관리에 관한 법률」(이하 수자원법)에 근거해 토양수분량 관측이 이루어지고 있으며, 수자원 분야의 한국수자원조사기술원 외에도 농업, 임업 분야에서도 다양한 기관에서 지상관측소를 구축해 토양수분량을 측정하고 있다. 국내 지상관측소에서는 주로 지점규모(point scale)로 토양수분량을 관측하는 장비가 사용되고 있으며, 유전율식 장비인 TDR(Time Domain Reflectometry), FDR(Frequency Domain Reflectometry)이나 토양수분장력을 측정하는 장력계(Tensiometer)가 널리 쓰이고 있다. 수자원분야에서는 토양 내 수분의 양을 직관적으로 확인할 수 있는 유전율식 장비가 대중적으로 사용되고 있으며, 최근에는 우주선(Cosmic-Ray)으로부터 발생하는 고속중성자(Fast Neutron)를 통해 중규모 면단위(field scale) 토양수분량을 관측하는 장비인 CRNP(Cosmic-Ray Neutron Probe)에 대한 연구도 활발히 진행되고 있다. 이러한 장비는 주로 야외에 설치해 운영하고 있기 때문에 장비 훼손이나 전원공급의 어려움으로 결측이나 오측이 발생할 수 있다. 토양수분량 시계열자료의 결측이나 오측이 일반적인 감쇄기에 발생했다면 선형보간법으로도 간단히 보간할 수 있지만, 강우에 의한 상승기에 발생했다면 해당 강우사상에서의 토양수분량의 상한치를 알기 어려워 결측보간에 어려움이 있다. 본 연구에서는 토양수분량 시계열자료의 강우기간 결측을 보간하는 방법으로 누적분포함수 역변환 샘플링방법을 선택하였다. 연구에는 음성군(차곡리) 토양수분량 관측소 2021년 자료가 사용되었으며, 관측소 56개 지점 중 임의의 지점에 결측구간을 생성한 뒤 해당 지점과의 상관계수가 높은 지점의 누적분포함수를 이용해 역변환 샘플링 방식으로 임의 지점의 결측을 보간하고 그 결과를 기존값과 비교해 보간 방법의 정확도를 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.223-223
• /
• 2016

수문 순환과 물 수지에 관한 연구는 강수량, 지표유출량, 지하수, 토양수분 및 증발산량 등에 대한 관측이 이루어질 때 실제로 규명될 수 있다. 특히 국내 지형의 대부분을 차지하고 있는 산림 사면에서 토양수분량 측정은 물순환을 이해하는데 중요한 것으로 판단된다. 본 연구는 국토교통부의 기초수문자료 구축사업의 일환으로 수행되고 있으며, 수문자료의 다양화 목적을 가지고 TDR(Time Domain Reflectometry, TDR) 장비를 이용하여 2시간 간격으로 2015년 3월부터 12월까지 측정을 수행하였다. 관측지점은 경기도 파주시 적성면 설마리의 설마천 유역 내에 위치한 감악산내 범륜사 주변 사면과, 충청북도 음성군의 청미천 유역내의 수레의산 산지 사면에서 수행하였다. 관측소에서 측정된 토양수분량 자료는 토양수분량의 시공간적 분포 특성을 파악하기 위해 토양수분량의 통계분석(평균, 표준편차, 변동계수)를 수행하였다. 설마천유역의 설마천 관측소에서는 2015년 강수량이 적어 2014년의 토양수분량 평균값보다 낮게 측정되었다(평균 12.96%, 표준편차 2.2%). 청미천유역의 청미천 관측소에서도 설마천관측소와 마찬가지로 과거보다 적은 강수량이 발생하였지만, 설마천 관측소와는 다르게 안정적인 토양수분 평균값을 유지하는 것은 설마천 관측소 보다 토양층이 발달하고 토성의 점토 함량이 상대적으로 높기 때문으로 보인다. 청미천 관측소의 토양수분량은 평균 24.3%, 표준 편차 1.7%로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1472-1475
• /
• 2009

SPI(Standard Precipitation Index)가 기상학적 가뭄을 표현하는 지수인 반면, PDSI(Palmer Drought Severity Index)는 가뭄에 가장 큰 영향을 미치는 수문기상학적 요소인 강수량, 기온뿐만 아니라 유효토양수분량과 일조시간 등의 자료에 근거한 물수지 분석에 의해 산정된다. 특히 PDSI 지수는 토양습윤조건의 민감한 영향을 측정하는데 매우 유용하다는 것을 장점으로 가지고 있다. PDSI에서 토양수분과 관련된 요소들을 다룰 때, 토양수분저장량은 토양을 상부와 하부의 2개 층으로 나누어 상부 층은 1inch(25.4mm)의 수분을 저장할 수 있고 하부층은 토양의 성질에 따라 유효용량이 결정되는 것으로 하부층의 수분은 상부 층의 수분이 모두 제거 될 때까지 손실되지 않으며 하부 층 손실량은 초기수분함유량과 산정된 잠재증발량(PE) 및 토양유효용량(AWC)에 따라 결정되는 것으로 가정한다. 하지만 산정방법에서 토양의 유효용량에 따른 물수지 방정식을 통해 각 잠재량들을 구하는 과정은 기후학적으로 필요한 값을 결정하는 매우 중요한 과정임에도 불구하고 기존의 PDSI 지수 산정 시, 모든 지역에서 상하부토양심도를 지역적 분포를 고려하지 않고 10inch(25.4cm)로 일정하게 사용함으로써 유효 토양수분함량에 대한 신뢰도를 저하시키는 결과를 가져오는 경향이 있었다. 이에 본 연구에서는 GIS 정밀토양도를 사용하여 토양심도의 지역적 분포에 근거한 토양수분함량을 산정한 후 물수지 분석을 실시하고 그에 따른 PDSI 지수를 산정하여 그 영향을 분석하고 기존의 PDSI 지수값과 비교 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.234-234
• /
• 2017

국내 지형의 대부분을 차지하고 있는 산지 사면에서 토양수분량 측정은 물순환을 이해하는데 중요하다. 본 연구는 국토교통부의 기초수문자료 구축사업의 일환으로 수행되었으며, TDR(Time Domain Reflectometry, TDR)방식의 장비를 이용하여 2시간 간격으로 토양이 동결되어 있는 기간을 제외한 2016년 3월 중순부터 12월초까지 측정을 수행하였다. 관측지점은 설마천 유역 내에 위치한 경기도 파주시 적성면의 감악산 범륜사 주변 산지 사면과, 청미천 유역 내에 위치한 충청북도 음성군 수레의산 산지 사면에 위치하고 있다. 각각의 관측소에서 측정된 토양수분량 자료는 분포 특성을 파악하기 위해 토양수분량의 통계분석(평균, 표준편차)을 수행하였다. 2016년 토양수분량 관측소 운영기간 동안에는 2014년, 2015년보다 많은 강우량이 발생하였다. 또한 강우 패턴이 과거와는 다르게 가을철 많은 강우량이 발생하였다. 설마천 유역에 위치한 설마천 토양수분량 관측소의 경우 2016년 평균토양수분량이 13.7%, 표준편차 6.3%로 2015년(평균 12.9%)보다 큰 특성을 보였다. 청미천 유역에 위치한 청미천 토양수분량 관측소에서도 2016년 평균토양수분량이 24.5%, 표준편차 5.0%로 2015년 (24.3%)보다 증가하였다. 설마천 관측소보다 청미천 관측소의 토양수분량 특성이 크게 나타나는데 이는 청미천 관측소가 설마천 관측소에 비해 유효토심이 깊고 토성의 점토 함량이 상대적으로 높기 때문으로 판단된다.

• Journal of the Korean Geographical Society
• /
• v.46 no.3
• /
• pp.319-330
• /
• 2011

In this study, a soil moisture estimation model was proposed using the ground observation data of soil moisture, precipitation, surface temperature, MODIS NDVI and artificial neural networks. The model was calibrated and verified on the Yongdam dam watershed which has reliable ground soil moisture networks. The test statistics of calibration sites, Jucheon, Bugui, Sangjeon, showed that the correlation coefficients between observations and estimations are about 0.9353 and RMSE is about 1.4957%. Also that of the verification site, Cheoncheon2, showed that the correlation coefficient is about 0.8215 and RMSE is about 4.2077%. The soil moisture estimation model was applied to estimate the spatial distribution of soil moisture in the Yongdam dam watershed and results showed improved spatial soil moisture distribution since the model used satellite information of NDVI and artificial neural networks which can represent the nonlinear relationships between data well. The model should be useful to estimate wide range soil moisture information.