본 연구의 목적은 월강우량을 이용하여 강우침식인자를 추정하는 기존의 방법인, Fournier 지수, modified Fournier 지수, IAS (Institute of Agricultural Sciences) 지수 등의 적용성을 확인하고 더 합리적인 월강우량 기반의 강우침식인자 추정모델을 제시하기 위한 것이다. 본 연구에서는 월강우량 기반의 수정 IAS 지수를 새롭게 제안하였다. 이것은 연중가장 비가 많이 내린 두 달의 강우량의 합으로써 강우침식인자를 추정하는 기존의 IAS 지수의 개념을 확장한 것이다. 본 연구에서는 25년 이상의 21개 지점에 대한 월강우량 및 연 강우침식인자를 토대로 각 추정방법에 대한 상관분석 및 회귀분석을 실시하였다. 그 결과 수정IAS 지수가 기존의 연강수량 및 월강우량을 이용한 추정방법 보다 우리나라 중서부 및 남서부 지역의 강우침식인자의 변동을 잘 나타내는 합리적인 지표임을 알 수 있었다.
본 연구의 목적은 월강우량을 이용하여 강우침식인자를 추정하는 기존의 방법인, Fournier 지수, modified Fournier 지수, IAS (Institute of Agricultural Sciences) 지수 등의 적용성을 확인하고 더 합리적인 월강우량 기반의 강우침식인자 추정모델을 제시하기 위한 것이다. 본 연구에서는 월강우량 기반의 수정 IAS 지수를 새롭게 제안하였다. 이것은 연중가장 비가 많이 내린 두 달의 강우량의 합으로써 강우침식인자를 추정하는 기존의 IAS 지수의 개념을 확장한 것이다. 본 연구에서는 25년 이상의 21개 지점에 대한 월강우량 및 연 강우침식인자를 토대로 각 추정방법에 대한 상관분석 및 회귀분석을 실시하였다. 그 결과 수정IAS 지수가 기존의 연강수량 및 월강우량을 이용한 추정방법 보다 우리나라 중서부 및 남서부 지역의 강우침식인자의 변동을 잘 나타내는 합리적인 지표임을 알 수 있었다.
The purpose of this study is to evaluate the existing method of calculating rainfall-runoff erosivity using monthly precipitation, such as Fournier's index, modified Fournier's index, IAS (Institute of Agricultural Sciences) index, etc., and to present more reasonable regression model based on month...
The purpose of this study is to evaluate the existing method of calculating rainfall-runoff erosivity using monthly precipitation, such as Fournier's index, modified Fournier's index, IAS (Institute of Agricultural Sciences) index, etc., and to present more reasonable regression model based on monthly rainfall data in Korea. This study introduced a new simplified method of calculating rainfall-runoff erosivity based on monthly precipitation, called by modified IAS index. It was expanded form IAS index which is the simple calculation method by summing up the rainfall amount of two months with maximum amount. Monthly precipitation and annual rainfall-runoff erosivity at 21 weather stations for over 25 years were used to analyze correlation relationship and regression model. The result shows that modified IAS index is the more reasonable parameter for estimating rainfall-runoff erosivity of the middle-western and south-western regions in Korea.
The purpose of this study is to evaluate the existing method of calculating rainfall-runoff erosivity using monthly precipitation, such as Fournier's index, modified Fournier's index, IAS (Institute of Agricultural Sciences) index, etc., and to present more reasonable regression model based on monthly rainfall data in Korea. This study introduced a new simplified method of calculating rainfall-runoff erosivity based on monthly precipitation, called by modified IAS index. It was expanded form IAS index which is the simple calculation method by summing up the rainfall amount of two months with maximum amount. Monthly precipitation and annual rainfall-runoff erosivity at 21 weather stations for over 25 years were used to analyze correlation relationship and regression model. The result shows that modified IAS index is the more reasonable parameter for estimating rainfall-runoff erosivity of the middle-western and south-western regions in Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 목적은 인천 및 속초지점에 대해서 연구했던 이준학 등(2010)의 연구결과를 확장하여 월강우량을 이용한 국내외 강우침식인자 추정방법의 적용성을 평가하고, 기존의 방법보다 더 합리적인 강우침식인자 추정 방법을 도출하는데 있다.
정필균 등(1983)은 우리나라 월 강우량과 월 강우침식인자의 분포에 대해서 언급하면서, 강우침식인자의 월별 분포가 지역에 따라 차이가 있으나 전반적으로 연중 7～8월(2개월)에 약 70% 이상 집중되는 지역과, 6～8월(3개월) 기간 중에 약 70～80%가 분포되는 지역, 그리고 4월에서 9월에 걸쳐 분산되어 분포되는 지역(주로 남해안 지역)으로 구분할 수 있다고 하였다. 본 연구에서는 이러한 신제성 등(1983)과 정필균 등(1983)의 연구결과를 토대로 월강우량을 이용한 강우 침식인자 추정모델의 개발을 시도하였다.
본 연구에서는 MMR 자료를 5분 단위로 합산하여, 27～29년 기간 동안의 21개 지점에 대한 강우침식인자를 먼저 계산한 뒤, 월강우량 자료를 이용하여 FI, MFI, IAS 지수, 수정 IAS 지수를 각각 계산하고, 이들 값에 대한 상관분석(correlation analysis)을 실시한 뒤 그 유의성을 검정하였다. 또한 분석 대상에 연강수량을 포함시켜 각 지점별로 강우침식인자의 변동성을 가장 잘 나타낼 수 있는 지표가 어떤 것인지를 살펴보았다. 그리고 상관계수의 유의성을 검정한 결과를 바탕으로 수정 IAS 지수의 적용 가능지점에 대한 지점별 회귀식을 유도하였다.
강우침식인자를 계산하기 위해서는 자기우량기록지나 분단위의 연속된 강우자료가 필요하며, 호우사상의 분류 및 강우에너지 계산, 30분 최대 강우강도 추출 등 복잡한 계산절차 때문에 시간과 노력이 많이 소요된다. 본 연구는 이러한 절차를 거치지 않고 월강우량을 이용하여 강우침식인자를 추정할 수 있는 국내외 모델에 대해서 검토하였으며 기존의 IAS 지수(신제성 등, 1983)를 확장한 수정 IAS 지수를 이용한 추정방법을 새롭게 제안하였다. 수정 IAS 지수는 연중 강우량이 가장 많이 내린 2～5달의 강우량의 합을 의미하는 값이다.
본 연구에서 제안한 수정 IAS 지수는 IAS 지수를 확장한 것으로서 좀 더 많은 지점에 대해서 보다 안정적으로 강우침식인자를 간편하게 추정할 수 있는 방법으로서 활용될 수 있을 것으로 사료된다. 본 연구에서는 21개 지점에 대해서 분석을 하였으나 향후 좀 더많은 지점에 대한 강우침식인자를 분석하여 전국의 j값 분포 특성에 대한 연구를 수행하도록 하겠다.
가설 설정
35 mm 이상 내린 호우사상(Wischmeier and Smith, 1978)을 대상으로 하고 있기 때문에, 대체적으로 유효강우량이 연간 총강우량의 약 71%에 해당된다는 선행연구 결과(고문환과 신제성, 1979)를 토대로 본다면 연중 약 29%의 강우량은 강우침식인자 계산에 영향을 미치지 않는다고 볼 수 있다. 따라서 강우침식인자 계산에 영향을 미치지 않는 강우량을 포함한 연강수량보다는, 토양침식을 직접 야기시키는 유효 호우사상이 포함된 월강우량을 직접적으로 강우침식인자와 대비시키는 것이 강우침식인자 추정에 보다 합리적일 것이라는 가설을 세울 수 있다. 정필균 등(1983)은 우리나라 월 강우량과 월 강우침식인자의 분포에 대해서 언급하면서, 강우침식인자의 월별 분포가 지역에 따라 차이가 있으나 전반적으로 연중 7～8월(2개월)에 약 70% 이상 집중되는 지역과, 6～8월(3개월) 기간 중에 약 70～80%가 분포되는 지역, 그리고 4월에서 9월에 걸쳐 분산되어 분포되는 지역(주로 남해안 지역)으로 구분할 수 있다고 하였다.
제안 방법
본 연구에서는 지역에 따른 월 강우침식인자의 상이한 분포에 착안하여 IAS 지수(신제성 등, 1983)를 확장한 수정 IAS 지수의 개념을 정립하였다. 수정 IAS 지수는 연중 강우량이 가장 많은 두 달간의 강우량의 합을 의미하는 IAS 지수의 개념을 확장하여 지역별로 연중 강우량이 가장 많은 2～5달간의 강우량의 합을 나타내는 것으로서 식의 형태는 아래와 같다.
본 연구에서는 선행연구와의 비교를 위하여 USLE에서 추천하고 있는 Wischmier and Smith (1978)의 강우 운동에너지식을 적용하여 실제 강우침식인자 값을 계산하였다. 본 연구에서는 MMR 자료를 5분 단위로 합산하여, 27～29년 기간 동안의 21개 지점에 대한 강우침식인자를 먼저 계산한 뒤, 월강우량 자료를 이용하여 FI, MFI, IAS 지수, 수정 IAS 지수를 각각 계산하고, 이들 값에 대한 상관분석(correlation analysis)을 실시한 뒤 그 유의성을 검정하였다. 또한 분석 대상에 연강수량을 포함시켜 각 지점별로 강우침식인자의 변동성을 가장 잘 나타낼 수 있는 지표가 어떤 것인지를 살펴보았다.
이러한 결과를 바탕으로 유의수준 α = 0.01를 만족하는 상관계수를 가진 16개 지점에 대해서 수정 IAS 지수를 이용한 회귀식을 유도하였으며, 그 결과를 Table 4에 나타내었다.
또한 분석 대상에 연강수량을 포함시켜 각 지점별로 강우침식인자의 변동성을 가장 잘 나타낼 수 있는 지표가 어떤 것인지를 살펴보았다. 그리고 상관계수의 유의성을 검정한 결과를 바탕으로 수정 IAS 지수의 적용 가능지점에 대한 지점별 회귀식을 유도하였다. 마지막으로 회귀식에 대한 검정을 위하여 9개 지점의 2000～2009년(10개년) 기간 동안의 실제 강우침식인자 값과 연강수량을 이용한 추정식(Lo et al.
대상 데이터
본 연구를 위하여 기상청으로부터 21개 지점에 대한 1971～1999년 기간의 분단위 강우자료(Minutely data using the Magnetic Recording, MMR) 및 월강우량을 획득하여 활용하였다. MMR 자료는 기상청에서 스캔한 자기 우량기록지(pluviograph)를 디지털로 판독하여 데이터베이스(database)로 구축해놓은 강우자료로서 관측개시년도부터 1999년까지 구축되어 있다.
본 연구를 위하여 기상청으로부터 21개 지점에 대한 1971～1999년 기간의 분단위 강우자료(Minutely data using the Magnetic Recording, MMR) 및 월강우량을 획득하여 활용하였다. MMR 자료는 기상청에서 스캔한 자기 우량기록지(pluviograph)를 디지털로 판독하여 데이터베이스(database)로 구축해놓은 강우자료로서 관측개시년도부터 1999년까지 구축되어 있다. 본 연구에서는 선행연구와의 비교를 위하여 USLE에서 추천하고 있는 Wischmier and Smith (1978)의 강우 운동에너지식을 적용하여 실제 강우침식인자 값을 계산하였다.
Table 1은 연구에 사용한 대상지점 및 자료기간을 나타낸 것이다. 본 연구에 사용한 자료는 총 21개 지점 691개년 자료이다.
9개 지점의 실제 연강우침식인자 계산은 기상청으로부터 획득한 5분 단위 강우자료를 사용하였으며, 분석에 사용한 자료는 90개(9개 지점× 10개년) 자료이다.
데이터처리
그리고 상관계수의 유의성을 검정한 결과를 바탕으로 수정 IAS 지수의 적용 가능지점에 대한 지점별 회귀식을 유도하였다. 마지막으로 회귀식에 대한 검정을 위하여 9개 지점의 2000～2009년(10개년) 기간 동안의 실제 강우침식인자 값과 연강수량을 이용한 추정식(Lo et al., 1985), 정필균 등(1983)의 회귀식, IAS 지수를 이용한 추정값, 수정 IAS 지수로 추정한 강우침식인자와의 평균 오차비율(%)과 RMSE(Root Mean Square Errors) 평균을 비교하여 그 유용성을 확인하였다. Table 1은 연구에 사용한 대상지점 및 자료기간을 나타낸 것이다.
본 연구에서 유도한 회귀식을 검정하기 위하여 서울, 광주, 대전, 부산 등 9개 지점에 대한 2000～2009년 기간동안의 강우침식인자값을 산정하였으며, 본 연구에서 제시한 회귀식을 이용한 추정값과 연강수량을 이용한 추정식(Lo et al., 1985), 정필균 등(1983)의 회귀식, IAS 지수를 이용한 추정값과의 오차 비율(Percentage Error PE) 및 MAPE(Mean Absolute Percentage Error), RMSE(Root Mean Square Error) 평균값을 각각 비교해 보았다. 9개 지점의 실제 연강우침식인자 계산은 기상청으로부터 획득한 5분 단위 강우자료를 사용하였으며, 분석에 사용한 자료는 90개(9개 지점× 10개년) 자료이다.
이론/모형
MMR 자료는 기상청에서 스캔한 자기 우량기록지(pluviograph)를 디지털로 판독하여 데이터베이스(database)로 구축해놓은 강우자료로서 관측개시년도부터 1999년까지 구축되어 있다. 본 연구에서는 선행연구와의 비교를 위하여 USLE에서 추천하고 있는 Wischmier and Smith (1978)의 강우 운동에너지식을 적용하여 실제 강우침식인자 값을 계산하였다. 본 연구에서는 MMR 자료를 5분 단위로 합산하여, 27～29년 기간 동안의 21개 지점에 대한 강우침식인자를 먼저 계산한 뒤, 월강우량 자료를 이용하여 FI, MFI, IAS 지수, 수정 IAS 지수를 각각 계산하고, 이들 값에 대한 상관분석(correlation analysis)을 실시한 뒤 그 유의성을 검정하였다.
따라서 본 연구에서는 수정 IAS 지수의 지역별 상수 j 값을 시행착오법에 의해서 산정하였다. j를 2에서 5까지 적용하여 각각 해당되는 수정 IAS 지수를 계산한 후, 본 연구에서 계산한 실제 강우침식인자와 가장 상관계수가 높게 나타나는 j값을 해당 지점의 값으로 정한 것이다.
성능/효과
수정 IAS 지수를 산출하기 위한 j값의 의미는 토양침식을 발생시키는 유효 월강우량이 연중 몇 개월에 집중되는 지를 간접적으로 나타내는 지표라고 볼 수 있다. 본 연구에서 지역별 수문학적 동질성과 j값의 유의미한 연관성을 찾기 위한 시도를 해보았으나, j값은 강우침식인자를 추정하기 위하여 월강우량을 분류한 것 이상의 의미를 찾기는 어려운 것으로 나타났다. 예를 들어, Figs.
878로 나타났다. 이 중 서울, 여수, 부산, 광주 등 10개 지점은 비교적 높은 양의 상관관계(r=0.7 이상)를 나타낸 반면, 강릉 지점은 상대적으로 낮은 상관관계(r=0.4 이하)를 보이는 것으로 나타났다. FI의 경우, 상관계수가 0.
연강우침식인자와 수정 IAS 지수간의 상관계수의 유의성을 검정해본 결과, 21개 지점 중 16개 지점(서울, 군산, 여수, 대전, 광주, 춘천, 서산, 청주, 진주, 포항, 부산, 강화, 목포, 속초, 인천, 완도)은 유의수준 α = 0.01에서 유의한 것으로 나타났고, 기타 5개 지점은 유의수준 α = 0.1에서 유의한 것으로 나타났다.
4 이하)를 보이는 것으로 나타났다. FI의 경우, 상관계수가 0.235～0.825로 나타났으며, 특히 목포, 광주 등 5개 지점은 비교적 높은 상관관계(r=0.7 이상)를 갖는 것으로 나타났으나, 대구, 추풍령 등 4개 지점은 비교적 낮은 상관관계(r=0.4 이하)를 가지는 것으로 나타났다. MFI의 경우는, 지점별 상관계수가 0.
4 이하)를 가지는 것으로 나타났다. MFI의 경우는, 지점별 상관계수가 0.499～0.884로 나타났으며, 특히 광주, 서울, 서산, 군산 등 14개 지점에서 비교적 높은 양의 상관관계(r=0.7 이상)를 가지고 있는 것으로 나타났다. 특히 강릉과 목포 등 일부 지점에서는 수정 IAS 지수보다 MFI의 상관관계가 더 높게 나타난 경우도 있었다.
7 이상)를 가지는 것으로 나타났다. 수정 IAS 지수는 지점별 상관계수가 0.535～0.935로서 비교한 대상 중에 가장 높게 나타났으며, 서울, 군산, 광주, 여수 등 16개 지점에서 비교적 높은 양의 상관관계(r=0.7 이상)를 가지는 것으로 나타났다. 특히 21개 지점 중 연강우침식인자와 연강수량 간의 상관관계보다 연강우침식인자와 FI의 상관관계가 더 높은 지점은 5개소로 나타났으며, MFI가 연강수량보다 높은 상관계수를 갖는 지점은 13개소, IAS 지수가 더 높은 상관계수를 갖는 지점은 15개소로 나타났다.
7 이상)를 가지는 것으로 나타났다. 특히 21개 지점 중 연강우침식인자와 연강수량 간의 상관관계보다 연강우침식인자와 FI의 상관관계가 더 높은 지점은 5개소로 나타났으며, MFI가 연강수량보다 높은 상관계수를 갖는 지점은 13개소, IAS 지수가 더 높은 상관계수를 갖는 지점은 15개소로 나타났다. 본 연구에서 제안한 수정 IAS 지수는 21개 지점에서 연강수량보다 동등하거나 더 높은 상관계수를 갖는 것으로 나타났다.
특히 21개 지점 중 연강우침식인자와 연강수량 간의 상관관계보다 연강우침식인자와 FI의 상관관계가 더 높은 지점은 5개소로 나타났으며, MFI가 연강수량보다 높은 상관계수를 갖는 지점은 13개소, IAS 지수가 더 높은 상관계수를 갖는 지점은 15개소로 나타났다. 본 연구에서 제안한 수정 IAS 지수는 21개 지점에서 연강수량보다 동등하거나 더 높은 상관계수를 갖는 것으로 나타났다. 연강우침식인자와 수정 IAS 지수간의 상관계수의 유의성을 검정해본 결과, 21개 지점 중 16개 지점(서울, 군산, 여수, 대전, 광주, 춘천, 서산, 청주, 진주, 포항, 부산, 강화, 목포, 속초, 인천, 완도)은 유의수준 α = 0.
이를 토대로 보았을 때, 본 연구에서 제안한 수정 IAS 지수가 강릉 및 목포 지점을 제외한 대부분의 지점에서 연강수량, FI, MFI, IAS 지수보다 강우침식인자의 변동성을 전반적으로 잘 반영하고 있음을 알 수 있었다.
873으로 나타났다. 16개 지점 중 서울, 군산, 여수 등 12개 지점의 경우, 수정 IAS 지수가 연강우침식인자를 약 62.1～87.3% 설명할 수 있는 것으로 나타났으며, 목포, 인천, 속초, 완도 4개 지점의 경우는 50.0～58.8%의 설명력을 보였다.
회귀식 검정결과, 지점별로 약간의 차이가 있지만 본 연구에서 제안한 수정 IAS 지수를 이용한 회귀식이 전반적으로 강우침식인자를 좀 더 안정되게 추정할 수 있는 것으로 나타났다. 강우침식인자를 가장 간편하게 추정하는 방법인 IAS 지수(신제성 등, 1983)는 강화, 인천, 군산, 대전 지점에서, 잘 맞는 것으로 나타났으며, 속초 지점의 경우는 정필균 등(1983)의 회귀식이 보다 유용한 것으로 나타났다.
강우침식인자를 가장 간편하게 추정하는 방법인 IAS 지수(신제성 등, 1983)는 강화, 인천, 군산, 대전 지점에서, 잘 맞는 것으로 나타났으며, 속초 지점의 경우는 정필균 등(1983)의 회귀식이 보다 유용한 것으로 나타났다. 기존의 연강수량을 이용한 추정방법(Lo et al., 1985)과 정필균 등(1983)의 회귀식을 이용한 추정방법은 속초 지점을 제외하고는 평균 약 30% 이상으로 오차가 많이 발생하는 것으로 나타났다. 수정 IAS 지수는 다른 방법에 비하여 특히 서울, 광주, 부산, 청주 지점의 강우침식인자 추정에 효과적인 것으로 나타났으며 오차범위는 지점별로 상이하지만 평균 약 12.
, 1985)과 정필균 등(1983)의 회귀식을 이용한 추정방법은 속초 지점을 제외하고는 평균 약 30% 이상으로 오차가 많이 발생하는 것으로 나타났다. 수정 IAS 지수는 다른 방법에 비하여 특히 서울, 광주, 부산, 청주 지점의 강우침식인자 추정에 효과적인 것으로 나타났으며 오차범위는 지점별로 상이하지만 평균 약 12.4%로 나타났다.
첫째, 21개 지점의 27～29개년 자료를 토대로 실제 연강우침식인자와 연강수량, FI, MFI, IAS 지수 및 수정 IAS 지수 간의 상관분석을 실시한 결과, 수정 IAS 지수가 강릉 및 목포지점을 제외한 19개 지점에서 다른 매개변수보다 비교적 높은 양의 상관관계를 보이는 것으로 나타났다. 특히 본 연구에서 제안한 수정 IAS 지수는 21개 지점에서 연강수량보다 동등하거나 더 높은 상관계수를 갖는 것으로 나타났으며, 이를 토대로 보았을 때, 수정 IAS 지수가 전반적으로 중서부 및 남서부 지역에 대한 연강우침식인자의 변동성을 보다 잘 나타낼 수 있는 지표임을 알수 있었다.
둘째, 본 연구에서는 21개 지점 중 유의수준 α = 0.01를 만족하는 16개 지점에 대해서 수정 IAS 지수를 이용한 회귀식을 유도하였으며, 2000～2009년 기간(10개년) 동안의 9개 지점에 대한 실제 연강우침식인자를 계산하여 회귀식을 검정해 본 결과, 기존의 연강수량을 이용한 추정식(Lo et al., 1985), 정필균 등(1983)의 회귀식, IAS 지수를 이용한 추정값보다 전반적으로 강우침식인자를 비교적 안정적으로 추정할 수 있는 것으로 나타났다.
첫째, 21개 지점의 27～29개년 자료를 토대로 실제 연강우침식인자와 연강수량, FI, MFI, IAS 지수 및 수정 IAS 지수 간의 상관분석을 실시한 결과, 수정 IAS 지수가 강릉 및 목포지점을 제외한 19개 지점에서 다른 매개변수보다 비교적 높은 양의 상관관계를 보이는 것으로 나타났다. 특히 본 연구에서 제안한 수정 IAS 지수는 21개 지점에서 연강수량보다 동등하거나 더 높은 상관계수를 갖는 것으로 나타났으며, 이를 토대로 보았을 때, 수정 IAS 지수가 전반적으로 중서부 및 남서부 지역에 대한 연강우침식인자의 변동성을 보다 잘 나타낼 수 있는 지표임을 알수 있었다.
셋째, 신제성 등(1983)이 제안한 IAS 지수는 연중 강우량이 가장 많이 내린 두 달간의 강우량의 합으로 연 강우침식인자를 추정하는 방법인데, 가장 간편하면서도, 강화, 인천, 대전, 군산 지점에 유용하게 사용할 수 있음을 알 수 있었다. 신제성 등(1983)은 IAS 지수의 적용성을 검토하면서, IAS 지수가 중서부 지역에서는 잘 맞지만 동해안 및 남해안 지역에는 잘 맞지 않는다고 하였는데, 본 연구에서도 이와 비슷한 결과를 얻었다.
이것은 중서부 지역과 동해안 및 남해안 지역의 강우분포가 다르기 때문인 것으로 추정된다. 본 연구에서 목포, 강릉 지점의 경우 MFI가 수정 IAS 지수보다 연강우침식인자의 변동성을 보다 잘 나타내는 것으로 나타났는데, 동해안 및 남해안 일부 지역의 경우는 MFI의 적용성을 검토해볼 수 있을 것으로 판단된다. 본 연구에서 제안한 수정 IAS 지수는 IAS 지수를 확장한 것으로서 좀 더 많은 지점에 대해서 보다 안정적으로 강우침식인자를 간편하게 추정할 수 있는 방법으로서 활용될 수 있을 것으로 사료된다.
후속연구
본 연구에서 목포, 강릉 지점의 경우 MFI가 수정 IAS 지수보다 연강우침식인자의 변동성을 보다 잘 나타내는 것으로 나타났는데, 동해안 및 남해안 일부 지역의 경우는 MFI의 적용성을 검토해볼 수 있을 것으로 판단된다. 본 연구에서 제안한 수정 IAS 지수는 IAS 지수를 확장한 것으로서 좀 더 많은 지점에 대해서 보다 안정적으로 강우침식인자를 간편하게 추정할 수 있는 방법으로서 활용될 수 있을 것으로 사료된다. 본 연구에서는 21개 지점에 대해서 분석을 하였으나 향후 좀 더많은 지점에 대한 강우침식인자를 분석하여 전국의 j값 분포 특성에 대한 연구를 수행하도록 하겠다.
질의응답
핵심어
질문
논문에서 추출한 답변
강우침식인자란?
강우침식인자(rainfall-runoff erosivity)는 세계적으로 널리 사용되고 있는 USLE(Universal Soil Loss Equation) 또는 RUSLE (Revised Universal Soil Loss Equation)의 6가지 인자 중에 하나로서, 강우로 인해 발생되는 토양침식의 정도를 정량적으로 나타낼 수 있는 기후인자(climatic factor)를 의미한다(Wischmeier and Smith, 1978; Renard et al., 1997).
일반적으로 강우침식인자를 계산하기 위해 구분 해야 하는 것은?
, 1997). 일반적으로 강우침식인자를 계산하기 위해서는 자기우량기록지(pluviograph) 또는 연속된 분단위 강우자료를 이용하여 먼저 유효 호우사상에 대한 구분을 해야 한다. 유효 호우사상은 토양침식을 유발하는 호우사상을 의미하며, 비가 내리기 시작한 후부터 종료될 때까지총 누적강우량이 12.
강우량과 강우침식인자가 상관관계가 없을때도 있는 이유는?
강우량과 강우침식인자는 상관관계가 높은 것으로 알려져 있지만, USLE 호우사상의 분류기준에 포함되지 않는 호우에 대한 강우량은 강우침식인자 계산에 영향을 미치지 않는다. 강우침식인자는 모든 호우사상을 대상으로 하는 것이 아니라, 토양침식이 시작되는 것으로 알려진, 매 12.7 mm 이상 내리거나 15분간 6.35 mm 이상 내린 호우사상(Wischmeier and Smith, 1978)을 대상으로 하고 있기 때문에, 대체적으로 유효강우량이 연간 총강우량의 약 71%에 해당된다는 선행연구 결과(고문환과 신제성, 1979)를 토대로 본다면 연중 약 29%의 강우량은 강우침식인자 계산에 영향을 미치지 않는다고 볼 수 있다. 따라서 강우침식인자 계산에 영향을 미치지 않는 강우량을 포함한 연강수량보다는, 토양침식을 직접 야기시키는 유효 호우사상이 포함된 월강우량을 직접적으로 강우침식인자와 대비시키는 것이 강우침식인자 추정에 보다 합리적일 것이라는 가설을 세울 수 있다.
참고문헌 (26)
고문환, 신제성 (1979). 강우특성 분석. 시험연구보고서(토비편), pp. 265-270.
박성우(1976). "토양손실에 미치는 각 지방별 강우에너지 분석." 한국토양비료학회지, 제9권, 제1호, pp. 47-54
박정환, 우효섭, 편종근, 김광일(2000). "토양유실공식의 강우침식도 분포에 관한 연구." 한국수자원학회 논문집, 한국수자원학회, 제33권, 제5호, pp. 603-610.
신계종(1999). 지형공간정보체계를 이용한 유역의 토양유실분석. 박사학위논문, 강원대학교, p. 22.
신유(2010). 분단위 강우자료를 이용한 범용토양유실공식(USLE)의 강우침식인자R 산정, 석사학위논문, 전주대학교, pp. 50-78.
신제성, 고문환, 임정남(1983). "토양유실예측을 위한 강우인자의 추정." 한국토양비료학회지, 제16권, 제2호, pp. 106-111.
Andrade, O., Kappas, M., and Erasmi, S. (2010). "Assessment of erosion hazard in Torres Municipality of Lara State (Venenzuela) based on GIS." Interciencia, Vol. 35, No. 5, pp. 348-356.
Arnoldus, H.M.J. (1980). "An approximation of the rainfall factor in the universal soil loss equation." Assessment of Erosion, Edited by De Boodt, M., and Gabriels, D., John Wiley and Sons, Chichester, pp. 127-132.
Diodato, N. (2004). "Estimating RUSLE's rainfall factor in the part of Italy with a Mediterranean rainfall regime." Hydrology & Earth System Science, Vol. 8, No. 1, pp. 103-107.
Fournier, F. (1960). Climat et Erosion. Presses Universitaires de France, Paris
Hu, Q., Gantzer, C.J., Jung, P., and Lee, B. (2000). "Rainfall erosivity in the Republic of Korea." Journal of Soil and Water Conservation, Vol. 55, No. 2, pp. 115-120.
Lastoria, B., Miserocchi, F., Lanciani, A., and Monacelli, G. (2008). "An Estimated Erosion Map for the Aterno-Pescara River Basin." European Water, 21/22, pp. 29-39.
Lo, A., EI-Swaify, S.A., Dangler, E.W., and Shinshiro, L. (1985). "Effectiveness of EI30 as an erosivity index in Hawaii." Soil Erosion and Conservation, Edited by EI-Swaify, S.A., Moldenhauer, W.C., and Lo, A., Soil Conservation Society of America., Ankeny, Iowa, pp. 384-392.
Loureiro, N.S., and Coutinho, M.A. (2001). "A new procedure to estimate the RUSLE EI30 index based on monthly rainfall data and applied the Algarve region, Portugal." Journal of Hydrology, Vol. 250, pp. 12-18.
Munka, C., Cruz, G., and Caffera, R.M. (2007). "Long term variation in rainfall erosivity in Uruguay: A prelimary Fournier approach." Geo Journal, Vol. 70, pp. 257-262.
Petkovsek, G., and Mikos, M. (2004). "Estimating the R factor from daily rainfall data in the sub-Mediterranean climate of southwest Slovenia." Hydrological Sciences Journal, Vol. 49, No. 5, pp. 869-877.
Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., and Yoder, D.C. (1997). Predicting Soil Erosion by Water: A guide to conservation planning with RUSLE. USDA Agriculture Handbook, No. 703, Washington, D.C.
Renard, K.G., and Freimund, J.R. (1994). "Using monthly precipitation data to estimate the R-factor in the revised USLE." Journal of Hydrology, Vol. 157, pp. 287-306.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.