• 한국수자원학회논문집
• /
• 제53권9호
• /
• pp.701-715
• /
• 2020

본 연구에서는 FAO-56 Penman-Monteith (FAO PM)를 비롯하여 Hamon, Hansen, Hargreaves-Samani, Jensen-Haise, Makkink, Priestley-Taylor, Thornthwaite 등 총 8가지 기준증발산량 산정방법을 이용하여 전국 기상청 ASOS 지점을 대상으로 각 방법에 따른 기준증발산량을 산정하여 비교하였다. 또한 가장 신뢰성이 높은 것으로 알려진 FAO PM값을 기준으로 나머지 7가지 방법에 의한 월별 편차를 분석하여 지점별 월별 보정계수를 도출하고, 보정에 따른 개선효과를 평가하였다. 먼저 각 방법의 기본계수를 적용하여 기준증발산량을 산정한 결과, 방법에 따라 큰 편차를 나타내었으며 Hansen 방법이 상대적으로 FAO PM과 유사한 것으로 나타났다. 반면, Hamon과 Jensen-Haise 방법은 여름철을 중심으로 타 방법대비 매우 큰 값을 보였으며, FAO PM과의 편차도 크게 나타났다. 지역별로는 동해안 일부지역을 제외하고 대부분의 지역에서 FAO PM과 비교하여 기준증발산량을 과다하게 산정하는 것으로 분석되었다. FAO PM 결과와의 편차를 기반으로 지점별 월별 최적화된 보정계수를 도출하고 기준증발산량을 다시 비교한 결과, 지점에 따라 보정 전에 -46 mm~+88 mm의 범위를 보였던 월 평균값은 보정 후 -11 mm~+1 mm로 나타났으며, 연 평균값도 -393 mm~+354 mm (보정 전)에서 -33 mm~+9 mm (보정 후)로 보정을 통하여 편차가 크게 감소되었다. 또한, 기온자료만을 이용하는 Hamon, Hargreave-Samani, Thornthwaite 방법들도 보정을 통하여 FAO PM과 큰 차이없는 결과를 도출하였다. 특히 기온기반의 방법들은 기후변화 시나리오 중 상대적으로 불확실성이 낮은 기온자료만을 이용하여 미래의 장기간의 기준증발산량을 전망하거나, 월 또는 계절예측 기온정보를 이용하여 수개월간의 기준증발산량을 예측하는 경우에 유용하게 활용될 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제51권3호
• /
• pp.273-280
• /
• 2018

수문순환에서 증발산의 정확한 산정은 수문분석 및 이해에 있어서 매우 중요하다. 특히, 증발산을 산정하는 방법은 다양하며, 각각 방법 마다 장단점을 가지고 있다. 그렇기 때문에, 각 다른 방법으로 산전된 결과를 융합하여 최적의 증발산을 산출해야할 필요가 있다. 본 연구에서는 대표적으로 인공위성 기반의 증발산 모델인 revised RS-PM과 MS-PT 방법에서 산출된 증발산과 모델 자료인 Global Land Data Assimilation System (GLDAS)와 Global Land Evaporation Amsterdam Model (GLEAM)자료들을 융합함으로써 최적의 증발산을 산출하고자 하였다. 연구 지역인 청미천과 설마천에서의 플럭스 타워에서 융합된 증발산에 대해서 검증을 실시하였다. 통계학적인 결과(상관계수, 일치도, MAE, RMSE)를 확인하였을 때, 기존의 인공위성과 모델에서 산출되는 증발산 결과에 비해 향상되는 결괄르 나타내었다. 전반적으로 결과를 확인하였을 때, 융합된 자료가 보다 향상된 결과를 보일 수 있을 것이라는 것을 나타내었으며, 추후에는 더 많은 모델을 사용하여 융합함으로써 보다 정확한 결과를 산출 할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1141-1180
• /
• 2022

최근 수문 및 수자원 분야에서 위성영상의 활용성이 높아짐에 따라 관련 전용 위성 개발연구와 연계하여 위성을 활용한 증발산량과 토양수분량 산정 연구의 필요성이 강조되고 있다. 본 연구에서는 이러한 위성을 기반으로 증발산량 및 토양수분량의 국내 연구현황과 그 산정 방법론을 조사하여 현재까지의 연구동향을 파악하고자 하였다. 국내 연구현황을 세부 방법론 별로 살펴본 결과 일반적으로 증발산량의 경우는 Surface Energy Balance Algorithm for Land (SEBAL), Mapping Evapotranspiration with Internalized Calibration (METRIC)과 같은 에너지수지 기반 모형과 Penman-Monteith (PM) 및 Priestley-Taylor (PT) 산출식을 기반으로 산정되었으며, 토양수분량의 경우 능동형(AMSR-E, AMSR2, MIRAS, SMAP) 및 수동형(ASCAT, SAR)와 같은 마이크로파 센서를 통한 산정이 주를 이루었다. 통계적 측면에서는 증발산량 및 토양수분량 공통적으로 회귀식 및 인공지능을 이용한 산출사례를 찾을 수 있었다. 또한 위성기반 자료들을 이용한 Evaporative Stress Index (ESI), Temperature-Vegetation Dryness Index (TVDI), Soil Moisture Deficit Index (SMDI) 등의 다양한 지표를 산정하여 가뭄 특성파악에 적용한 연구 사례도 다수 있었으며, 지표모형(Land Surface Model, LSM)을 기반으로 하여 위성 다중센서에서 얻을 수 있는 주요 자료들을 활용해 증발산량과 토양수분량의 수문순환인자를 산출하기도 하였다. 본 논문에서는 이렇게 기존 연구사례 조사 및 내용파악 과정을 통해 위성을 활용한 주요 세부 방법론을 비교·검토 제시함으로써 관련 연구분야 기준 참고자료로의 활용 및 향후 위성기반 관련 수문순환 자료 산출 고도화 연구의 초석을 다지고자 한다.

• 한국기후변화학회지
• /
• 제8권2호
• /
• pp.125-143
• /
• 2017

This study is conducted to estimate potential evapotranspiration of 10 weather observing systems in Andong Dam watershed with FAO56 Penman-Monteith (FAO56 PM) methodology using the meteorological data from 2013 to 2014. Also, assuming that there is no solar radiation data, humidity data or wind speed data, the potential evapotranspiration was estimated by FAO56 PM and the results were evaluated to discuss whether the methodology is applicable when meteorological dataset is not available. Then, the potential evapotranspiration was estimated with Hargreaves method and compared with the potential evapotranspiration estimated by FAO56 PM only with the temperature dataset. As to compare the potential evapotranspiration estimated from the complete meteorological dataset and that estimated from limited dataset, statistical analysis was performed using the Root Mean Square Error (RMSE), the Mean Bias Error (MBE), the Mean Absolute Error (MAE) and the coefficient of determination ($R^2$). Also the Inverse Distance Weighted (IDW) method was performed to conduct spatial analysis. From the result, even when the meteorological data is limited, FAO56 PM showed relatively high accuracy in calculating potential evapotranspiration by estimating the meteorological data.

• 한국수자원학회논문집
• /
• 제53권11호
• /
• pp.929-938
• /
• 2020

본 연구에서는 청미천 유역에서의 플럭스타워에서 산출되는 증발산량의 결측값을 보완하기 위해 인공신경망(Artificial Neural Network, ANN)을 사용하였다. 비교 평가를 위해, Mean Diurnal Variation(MDV), Food and Agriculture Organization Penman-Monteith(FAO-PM) 방법들을 이용하여 증발산량을 산정하였고, ANN 방법을 이용한 결과와 비교하였다. 비교 평가 방법으로 시계열 방법 및 통계 분석(결정계수, IOA, RMSE, MAE)이 사용되었다. 각 gap-filling 모델의 검증을 위해 2015년의 30분 단위 데이터를 이용하였으며, 121개의 결측값 중 MDV, FAO-PM, ANN 방법 순으로 각각 70, 53, 54개의 결측값을 보완하여 모든 데이터가 관측되지 않은 36개의 데이터를 제외하면 각각 82.4%, 62.4%, 63.5%의 성능을 보였다. 결정계수(MDV, FAO-PM, ANN 방법 순으로 각각 0.673, 0.784, 0.841)와 IOA(MDV, FAO-PM, ANN 방법 순으로 각각 0.899, 0.890, 0.951)를 분석한 결과, 3가지 방법 모두 양질의 상관성을 보여 활용성이 충분하다고 판단되며, 이 중 ANN 모델이 가장 높은 적합도와 양질의 성능을 나타내었다. 본 연구를 기반으로 기계학습방법을 이용한 플럭스 타워 자료의 gap-filing 연구에 보다 적절하게 활용될 수 있을 것이다.

• 한국토양비료학회지
• /
• 제39권5호
• /
• pp.274-279
• /
• 2006

FAO에서는 세계의 증발산량을 동일한 방식으로 산정하기 위해 다양한 형태의 모형들을 소개하고 각국이 적용하도록 권고해왔으며 최근에는 Penman-Monteith(PM) 모형을 증발산 산정에 이용하도록 하고 있다. 따라서, 본 연구에서는 다양한 기상요소와 작물 생장을 고려해 시간별 또는 일별로 증발산량의 정량화가 가능한 FAO PM 모형의 증발산량 계산에 이용되고 있는 다양한 기상요소들을 평가하고자 하였다. 측정 장비를 통해 얻어진 순복사량과 지중열류량, 수증기압, 풍속, 기온 등의 기상요소를 PM 모형계산식 (2)부터 (9)까지의 과정에 적용해 보았다. 초지에서 측정한 알베도의 평균값은 0.20이고 최대는 0.23, 최소는 0.12를 나타내 평균값은 FAO PM에서 잔디의 반사율인 0.23보다 다소 낮은 값을 보였다. 측정 알베도에 의한 순복사량과 잔디의 알베도(0.23)를 이용한 순 복사량을 비교해보면 결정계수는 0.97과 0.95, 표준오차는 0.74와 0.80이었으나 예측 값은 실제 값에 직선의 상관을 이루며 회귀식의 유의성이 인정되었다. 지중열류량의 FAO PM에서의 영향정도를 판단하기 위해 지중 5cm 깊이에서 측정한 지중열류($G_{5cm}$)와 지표면 보정식에 의해 보정된 지중열류량($G_{0cm}$)을 지중열류량이 0일 때의 (G=0) RET 값과 비교하연 G=0일 때의 RET는 $G_{5cm}$에서의 RET보다 3-5 mm 범위에서 약간 크게 예측하고, $G_{0cm}$에서의 RET 보다는 5mm 이상에서 약간 작게 예측하나 두 경우 모두 거의 일치하는 경향이었다. 측정된 순복사와 $G_{0cm}$에 의한 RET를 지중열류량을 모두 0으로 했을 때 측정 순복사에 의해 얻어진 RET(I), 측정된 에 의해 예측된 순복사로 계산한 RET(II), ${\alpha}=0.23$을 대입하여 구한 순복사로 계산한 RET(III)와 비교했을 때 I, II, III의 결정계수와 표준오차 및 p값은 측정 순복사량과 $G_{0cm}$에 의한 RET를 비교적 잘 설명하고 있으나, II와 III처럼 알베도 값과 일사량 및 식 (3)~(9)를 이용해 얻어진 순복사량을 이용해 RET를 계산할 때는 Table1에 나타나 있는 회귀식을 이용해 이를 보정해주어야 RET 계산의 오차를 줄일 수 있을 것이다. 이상의 결과를 종합하면 FAO PM 모형에 이용되는 기상요소들을 측정할 수 없을 때는 지표면 복사율을 나타내는 지중열류 값은 0으로 산정하고 순복사량 예측 값과 잔디의 지표면 반사율 또는 알려진 작물의 반사율을 이용해 RET를 계산하는 것이 가능할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.358-358
• /
• 2012

최근 기후변화의 영향에 따라 강수량과 증발산량이 변하는 경향을 보이고 있으며, 그에 따라 유출량도 변하고 있다. 따라서 기후변화가 수자원에 미치는 영향도 커지고 있으며, 댐 유역의 유출량 산정은 홍수나 용수의 확보측면에서 중요시 되고 있다. 탱크모형은 일본의 Sugawara가 1961년 처음 개발한 모형으로 유역을 오리피스 유출공을 가진 저류형 수조의 조합으로 가정하여 유량을 산정하는 유출모형으로 매개변수가 많고, 이들을 시행착오로 결정해야 하기 때문에 숙련된 경험이 요구되는 단점이 있으나 계산법이 명확하고 수문현상을 잘 재현한다는 장점이 있다. 탱크에는 강수량, 유출량, 그리고 증발량과 같은 입력 자료가 필요하며, 정확한 실제 증발산량 값을 알기는 어렵기 때문에 물수지를 이용해 증발산량을 계산하여 사용하고 있지만 유출량 미계측 지역에서는 사용이 어렵다. 그러므로 태양복사에너지, 온도, 바람, 기압, 습도와 같은 기상학적 인자에 따라서 잠재증발량을 산정하여 탱크 모형의 입력 자료로 사용한다면, 유출량자료가 없는 유역에서도 탱크모형을 사용하여 유출량을 산정할 수 있을 것으로 사료된다. 본 연구에서는 섬진강댐유역과 합천댐유역의 유출량 산정을 위해 잠재 증발산량 산정식(Penman, FAO P-M, Makkink, Preistley-Taylor, Hargreaves)을 적용하여 Tank 모형 매개변수들의 민감도분석을 수행하였다. 섬진강댐은 전북 임실군 강진면 옥정리와 정읍시 산내면 종성리 사이에 있으며, 유역면적은 $763km^2$, 댐 높이는 64m, 제방길이 344.2m 댐으로 매개변수 민감도 분석 적용기간은 1975년~1992년이다. 합천댐은 경상남도 합천군 대병면 회양리에 있는 댐으로 높이 96m, 길이 472m, 유역면적 $925km^2$의 다목적 댐이며, 매개변수 민감도 분석 적용기간은 1989년~1999년이다.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.261-274
• /
• 2006

본 연구에서는 소양강 유역을 대상으로 중장기 확률론적 댐 유입량 예측을 위해 30년 동안의 일단위 장기유출 해석을 수행하였다. 유출모형의 입력자료를 구축하기 위해 Anderson의 융설모형으로 적설에 대한 융설량을 계산하였고, Penman의 혼합기법으로 잠재증발량을 산정하였다. 또한, 기존 TOPMODEL의 적용 유역면적의 제약성을 극복하기 위해 대상유역을 적정 소유역으로 구분하고 운동파 하도홍수 추적기법을 통해 대유역 유출량을 계산할 수 있는 준분포형 TOPMODEL을 활용하였으며, 강수, 융설 및 잠재증발량을 유출모형에 입력하여 장기유출 해석을 수행하였다. 융설량 및 잠재증발량 계산결과는 관측자료의 부재로 그 정량적 평가는 수행할 수 없었지만 최대 적설깊이와 소형접시 증발량 자료와 같은 간접적 자료와의 시간적 변동성은 매우 잘 일치하였다. 이렇게 구축된 입력자료를 바탕으로 저수(1979년), 중수(1999년), 고수(1990년) 유출사상에 대한 모형의 최적 매개변수를 산정하고 준분포형 TOPMODEL의 일단위 장기유출 모의능력을 검토한 결과 계산유량과 관측유량 사이의 유출용적 상대오차가 5.64%, 상관계수가 0.91로 계산되어 비교적 정확한 유출결과를 제시하였고, 융설고려 유무에 따라 3, 4월의 유출용적 상대오차가 17% 및 4%로 감소함으로써 장기유출 계산시 모형의 정확도 향상을 위해 융설모형의 적용이 매우 필요한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.414-414
• /
• 2022

본 연구는 2022년도 "제주특별자치도 수자원 부존현황 조사 및 분석 사업"의 연구비 지원에 의해수행되었습니다.최근 IPCC 제6차 평가보고서(AR6)에 새롭게 적용된 미래 기후변화 시나리오인 SSP (Shared Socioeconomic Pathways)에 따른 제주도 지역의 미래 기후변화를 강수량, 기온, 기준증발산 등을 중심으로 분석하였다. 미래의 기후변화 자료로서 19개의 GCM 모형으로부터 도출된 4개의 SSP 시나리오(SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5)를 활용하였다. 제주도 지역의 3개 기상청 ASOS 지점(제주, 성산, 서귀포)을 대상으로 상세화된 기후변화 자료를 이용하여 지점별 및 지역별 미래 전망을 분석하였다. 기준증발산량은 기온자료만을 이용하는 Thornthwaite 방법을 활용하여 산정하였으며, FAO-56 Penman-Monteith 기준증발산량과의 차이를 최소화하기 위하여 시공간적 보정계수를 적용하였다. 과거기간(1985~2014년)을 기준으로, 미래기간(2021~2095년)을 3개 구간(2021~2045년, 2046~2070년, 2071~2095년)으로 나누어 분석하였다. 제주도 전체에 대한 평균적인 전망은 대부분의 SSP 시나리오에서 강수량, 기온, 기준증발산량 모두 미래 후반기로 갈수록 점차 증가하는 경향을 보였으며, SSP1-2.6 시나리오에서만 기온과 기준증발산량이 미래 전반기(2021~2045년)에는 크게 증가하다가 중반기(2046~2070년)와 후반기(2071~2095년)에는 비교적 일정한 것으로 전망되었다. 과거기간과 비교하여 미래 후반기 SSP5-8.5 시나리오에서 가장 크게 증가하는 것으로 전망되었으며, 강수량은 17%, 기온은 38%, 기준증발산량은 58%까지 증가하는 것으로 분석되었다. 지점별로는 제주 지점이 다른 2개 지점(성산, 서귀포)에서보다 더 많이 증가할 것으로 전망되었다. 제주 지점의 경우 SSP5-8.5 시나리오에서 연 강수량은 19%, 평균기온은 42%, 기준증발산량은 70%까지 증가하는 것으로 나타났다. 증가되는 크기는 강수량은 서귀포, 성산, 제주 지점 순으로 전망되었으며, 기온과 기준증발산량은 반대로 제주, 성산, 서귀포 순으로 증가량이 클 것으로 전망되었다. 그러나 GCM 모형에 따라 전망결과가 다양하게 나타나기 때문에 이에 대한 불확실성을 고려한 미래 대응이 필요하다.

• 한국농공학회논문집
• /
• 제53권3호
• /
• pp.65-73
• /
• 2011

기후변화는 에너지 수지와 물 수지의 변화를 초래하여 육상 생물권에 영향을 미칠 것이다. 기온과 강수량의 변화와 대기중의 탄산가스 농도 변화는 작물의 생육환경을 크게 변화시킬 것이다. 본 연구에서는 FAO AquaCrop 모형을 이용하여 기온과 강수량의 변화와 대기중 탄산가스 농도의 변화가 짐바브웨의 옥수수 수확량에 미치는 영향을 분석하였다. 미래 기후 값은 HadCM3 모형 예측 값을 change factor 기법으로 상세화 하였다. 배출 시나리오는 A2와 B2를 선정하였으며 시간대는 2020s, 2050s 및 2080s의 30년 기간을 선정하였다. 기준작물 증발산량은 Penman-Monteith 식으로 산정하였다. 관개용수 공급이 충분한 것으로 가정하고 전통적인 보충관개를 실시하였을 때 기준년도 (1970s)에 비해 옥수수 증발산량은 최대 26 %, 옥수수 잠재 수확량은 최대 93 %까지 증가할 것으로 예측되었으며 물의 생산성은 최대 53 %까지 증가할 것으로 예측되었다.