• 한국수자원학회논문집
• /
• 제55권2호
• /
• pp.111-120
• /
• 2022

물의 흐름을 제어하는 토양의 기능을 정량적으로 계산하기 위한 방법인 토양수분 메모리(soil moisture memory)는 토양에 도달한 강수가 저장되고 배출되기까지 평균적으로 체류하는 시간을 평가한다. 본 연구에서는 2019, 2020년 한반도 지역에서 강수와 토양수분 위성 기반 모델 산출물을 활용하여 표층(0~5 cm)토양에서의 토양수분 메모리를 산출하고 이를 활용하여 연구지역 내 토양수분 메모리의 시공간적인 분포를 지표면의 경사 및 토양의 특성과 함께 평가하였다. 토양수분 메모리를 특성분석을 위해 강수 사건에 따라 토양수분의 증가를 추적하여 저장 강수율(F_p(f))이라는 새로운 측정 지표를 활용하였다. 강수 발생 초기(3시간 후)에는 산맥을 기준으로 토양 내 저장 강수율이 우선적으로 감소하여 토양수분 메모리의 공간적인 편차가 컸으며 24시간 이후 전반적으로 편차가 감소하였다. 토양 내 저장 강수율은 경사가 증가할수록 감소하는 형태가 뚜렷하게 나타났으며 토양 입자 크기의 구성 비율에 따른 토양 내 수분의 배수 활동에 의한 영향을 확인할 수 있었다. 또한 수리전도도 증감에 기여하는 평균토양수분이 저장 강수율에 미치는 영향을 확인하였다. 본 연구 결과는 강수가 지면에 체류하는 시간에 대한 척도인 토양수분 메모리가 지표의 경사와 토양 특성과 갖는 관계를 규명하고 토양수분의 시공간적 변동성을 이해하는 데 기여할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.205-205
• /
• 2021

Surface soil moisture, which governs the partitioning of precipitation into infiltration and runoff, plays an important role in the hydrological cycle. The assimilation of satellite soil moisture retrievals into a land surface model or hydrological model has been shown to improve the predictive skill of hydrological variables. This study aims to improve streamflow prediction with Weather Research and Forecasting model-Hydrological modeling system (WRF-Hydro) by assimilating Soil Moisture Active and Passive (SMAP) data at 3 km and analyze its impacts on hydrological components. We applied Cumulative Distribution Function (CDF) technique to remove the bias of SMAP data and assimilate SMAP data (April to July 2015-2019) into WRF-Hydro by using an Ensemble Kalman Filter (EnKF) with a total 12 ensembles. Daily inflow and soil moisture estimates of major dams (Soyanggang, Chungju, Sumjin dam) of South Korea were evaluated. We investigated how hydrologic variables such as runoff, evaporation and soil moisture were better simulated with the data assimilation than without the data assimilation. The result shows that the correlation coefficient of topsoil moisture can be improved, however a change of dam inflow was not outstanding. It may attribute to the fact that soil moisture memory and the respective memory of runoff play on different time scales. These findings demonstrate that the assimilation of satellite soil moisture retrievals can improve the predictive skill of hydrological variables for a better understanding of the water cycle.

• 대기
• /
• 제32권4호
• /
• pp.395-409
• /
• 2022

A new soil moisture initialization scheme is applied to the Korea Meteorological Administration (KMA) Global Seasonal forecasting system version 6 (GloSea6). It is designed to ingest the microwave soil moisture retrievals from Soil Moisture Active Passive (SMAP) radiometer using the Local Ensemble Transform Kalman Filter (LETKF). In this technical note, we describe the procedure of the newly-adopted initialization scheme, the change of soil moisture states by assimilation, and the forecast skill differences for the surface temperature and precipitation by GloSea6 simulation from two preliminary experiments. Based on a 4-year analysis experiment, the soil moisture from the land-surface model of current operational GloSea6 is found to be drier generally comparing to SMAP observation. LETKF data assimilation shows a tendency toward being wet globally, especially in arid area such as deserts and Tibetan Plateau. Also, it increases soil moisture analysis increments in most soil levels of wetness in land than current operation. The other experiment of GloSea6 forecast with application of the new initialization system for the heat wave case in 2020 summer shows that the memory of soil moisture anomalies obtained by the new initialization system is persistent throughout the entire forecast period of three months. However, averaged forecast improvements are not substantial and mixed over Eurasia during the period of forecast: forecast skill for the precipitation improved slightly but for the surface air temperature rather degraded. Our preliminary results suggest that additional elaborate developments in the soil moisture initialization are still required to improve overall forecast skills.

• 지질공학
• /
• 제32권4호
• /
• pp.483-498
• /
• 2022

토양수분은 불포화대의 공극 내에 존재하는 물로 정의되며, 다양한 수문학적 과정과 밀접하게 연관되어 있다. 본 연구에서는 지하수에 대한 의존도가 높은 농촌지역인 연구지역을 덮고 있는 6가지의 토지이용에 따른 토양수분 함량 및 토양 투수성 비교를 통해 토양수분에 영향을 미치는 요인을 파악하여 향후 연구에 유용한 자료를 제공하는 것을 목적으로 한다. 시계열 자료를 이용하여 자기상관분석, 스펙트럼 밀도분석 및 교차상관분석을 수행하였다. 토양수분 함량은 약한 자기상관성 및 기억효과를 가지며, 강수량이 토양수분 함량에 상당한 영향을 미치는 것으로 사료된다. 토지이용 변화에 따라 포화 수리전도도는 크게 변화하지 않으며, 대신 불균질한 토양의 구조에 의하여 영향을 받는 것으로 보인다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.123-132
• /
• 2019

This study is to estimate the spatial soil moisture using Terra MODIS (Moderate Resolution Imaging Spectroradiometer) satellite data and machine learning technique. Using the 3 years (2015~2017) data of MODIS 16 days composite NDVI (Normalized Difference Vegetation Index) and daily Land Surface Temperature (LST), ground measured precipitation and sunshine hour of KMA (Korea Meteorological Administration), the RDA (Rural Development Administration) 10 cm~30 cm average TDR (Time Domain Reflectometry) measured soil moisture at 78 locations was tested. For daily analysis, the missing values of MODIS LST by clouds were interpolated by conditional merging method using KMA surface temperature observation data, and the 16 days NDVI was linearly interpolated to 1 day interval. By applying the RNN-LSTM (Recurrent Neural Network-Long Short Term Memory) artificial neural network model, 70% of the total period was trained and the rest 30% period was verified. The results showed that the coefficient of determination ($R^2$), Root Mean Square Error (RMSE), and Nash-Sutcliffe Efficiency were 0.78, 2.76%, and 0.75 respectively. In average, the clay soil moisture was estimated well comparing with the other soil types of silt, loam, and sand. This is because the clay has the intrinsic physical property for having narrow range of soil moisture variation between field capacity and wilting point.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.286-286
• /
• 2023

물의 전체 순환 구조에서 토양수분이 차지하는 정량적 비중은 상대적으로 작지만, 강우-유출 과정의 비선형에 영향을 미치는 지배적 요인 중 하나이고, 토양 침식과 산사태, 농업생산량, 기후 변화 대응 등 광범위한 주제와 연관되어 있어, 토양수분의 물리과정에 대한 이해 증진과 예측 기술의 지속적인 개선이 필요하다. 본 연구에서는 금오공과대학교 유역 내에서 토양수분과 기상 요소를 실시간 관측하고, 기계학습 기법을 이용하여 토양수분을 단기 예측하는 기술을 개발하고 평가한다. 구체적으로는, 토양 관측 장비인 TEROS를 사용하여 표층 지점의 10cm, 심층 지점의 40cm에서의 토양수분, 토양장력과 토양온도를, 기상 관측 장비인 ATMOS를 사용하여 태양복사, 강수량, 기온, 풍속, 대기압 등 다양한 기상 요소를, 실시간 클라우드 방식으로 1여 년간 수집한 데이터를 활용한다. 또한, 과거 및 실시간 데이터를 기반으로 LSTM(Long-Short Term Memory) 기법을 사용하여 토양수분 예측 모형을 구축하고, 선행 예측 시간에 따른 모의 정확도를 평가한다. 기상 요소의 누적 등 자료 분석 방법이 표층 및 심층 토양수분 예측에 미치는 영향, 그리고 예측 모형 개선 방향에 대해 토의한다. 실시간 현장 관측 자료 및 인공지능 기반 단기 토양수분 예측 모의 기술은 소규모 유역의 수문순환 분석 및 물리기반 모형의 개선 등 다양한 분야에서 활용할 수 있을 것으로 기대된다.