고도를 고려한 공간강우분포와 1분 강우자료를 이용한 RUSLE의 강우침식인자(R) 산정 및 프로그램 개발 Spatial Rainfall Considering Elevation and Estimation of Rain Erosivity Factor R in Revised USLE Using 1 Minute Rainfall Data and Program Development원문보기
본 연구에서는 1분 상세강우자료를 이용하여 개정범용토양유실공식(RUSLE)의 강우침식도 R의 추정을 위해 2002년부터 2015년까지 14년간 전국 기상청 관측소의 강우 자료를 수집하여 지점별로 새롭게 계산한 연 강우침식도 및 경험식을 산정하였으며 남한전체($99,720km^2$)를 대상으로 연강우침식인자의 공간분포도를 작성하였다. 1분 강우자료로 계산된 강우침식도와 연평균 강우량의 상관관계로부터 도출된 경험식과의 결정계수($R^2$, determinationcoefficient)는 0.70~0.98로 높은 상관관계를 나타냈으며 이는, 기존의 국내에서 적용된 경험식과 비교하여 실측값과의 정확성이 높게 개선됨을 알 수 있다. 또한, 물리적인 지리요소가 고려된 공간 강우침식인자(R) 분포도를 산정하기 위해 고도가 고려된 공간보간기법(IDW)을 이용하여 연강우량 분포도를 산정하였다. 최종적으로 본 연구에서의 1분 강우자료부터의 R 산정 및 1시간 강우자료와의 회귀산정 과정의 방법 및 절차를 일반 사용자가 간단하게 사용 할 수 있도록 PythonGUI 프로그램을 이용하여 R 산정 프로그램을 개발하였다.
본 연구에서는 1분 상세강우자료를 이용하여 개정범용토양유실공식(RUSLE)의 강우침식도 R의 추정을 위해 2002년부터 2015년까지 14년간 전국 기상청 관측소의 강우 자료를 수집하여 지점별로 새롭게 계산한 연 강우침식도 및 경험식을 산정하였으며 남한전체($99,720km^2$)를 대상으로 연강우침식인자의 공간분포도를 작성하였다. 1분 강우자료로 계산된 강우침식도와 연평균 강우량의 상관관계로부터 도출된 경험식과의 결정계수($R^2$, determination coefficient)는 0.70~0.98로 높은 상관관계를 나타냈으며 이는, 기존의 국내에서 적용된 경험식과 비교하여 실측값과의 정확성이 높게 개선됨을 알 수 있다. 또한, 물리적인 지리요소가 고려된 공간 강우침식인자(R) 분포도를 산정하기 위해 고도가 고려된 공간보간기법(IDW)을 이용하여 연강우량 분포도를 산정하였다. 최종적으로 본 연구에서의 1분 강우자료부터의 R 산정 및 1시간 강우자료와의 회귀산정 과정의 방법 및 절차를 일반 사용자가 간단하게 사용 할 수 있도록 Python GUI 프로그램을 이용하여 R 산정 프로그램을 개발하였다.
Soil erosion processes are affected by weather factors, such as rainfall, temperature, wind, and humidity. Among these factors, rainfall directly influences soil erosion by breaking away soil particles. The kinetic energy of rainfall and water flow caused by rain entrains and transports soil particl...
Soil erosion processes are affected by weather factors, such as rainfall, temperature, wind, and humidity. Among these factors, rainfall directly influences soil erosion by breaking away soil particles. The kinetic energy of rainfall and water flow caused by rain entrains and transports soil particles downstream. Therefore, in order to estimate soil erosion, it is important to accurately determine the rainfall erosivity factor(R) in RUSLE(Revised Universal Soil Loss Equation). The objective of this study is to evaluate the average annual R using 14 years(2002~2015) of 1 minute rainfall data from 55 KMA(Korea Meteorological Administration) weather stations. The R results from 1 min rainfall were compared with previous R studies using 1 h rainfall data. The determination coefficients($R^2$) between R calculated using 1 min rainfall data and annual rainfall were 0.70-0.98. The estimation of 30 min rainfall intensity from 1 min rainfall data showed better $R^2$ results than results from 1 h rainfall data. For estimation of physical spatial rain erosivity(R), distribution of annual rainfall was estimated by IDW(Inverse Distance Weights) interpolation, taking elevation into consideration. Because of the computation burden, the R calculation process was programmed using the python GUI(Graphical User Interface) tool.
Soil erosion processes are affected by weather factors, such as rainfall, temperature, wind, and humidity. Among these factors, rainfall directly influences soil erosion by breaking away soil particles. The kinetic energy of rainfall and water flow caused by rain entrains and transports soil particles downstream. Therefore, in order to estimate soil erosion, it is important to accurately determine the rainfall erosivity factor(R) in RUSLE(Revised Universal Soil Loss Equation). The objective of this study is to evaluate the average annual R using 14 years(2002~2015) of 1 minute rainfall data from 55 KMA(Korea Meteorological Administration) weather stations. The R results from 1 min rainfall were compared with previous R studies using 1 h rainfall data. The determination coefficients($R^2$) between R calculated using 1 min rainfall data and annual rainfall were 0.70-0.98. The estimation of 30 min rainfall intensity from 1 min rainfall data showed better $R^2$ results than results from 1 h rainfall data. For estimation of physical spatial rain erosivity(R), distribution of annual rainfall was estimated by IDW(Inverse Distance Weights) interpolation, taking elevation into consideration. Because of the computation burden, the R calculation process was programmed using the python GUI(Graphical User Interface) tool.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서 개발한 프로그램은 본 연구결과를 모두 반영한 프로그램으로 1분 강우자료로 부터 지점별 R 추정 경험식과 지점별로 1시간 강우자료로부터 30분 최대강우강도 회귀식을 추가함으로써 1시간 강우자료를 이용하여 R값을 산정할 수 있도록 프로그램을 구현하였다. 결론적으로 1분 강우자료로부터 매년 최신 R값을 산정하며 1분 강우자료 구축이 어려운 경우 1시간 강우자료로부터 간단하게 R값을 산정할 수 있도록 본 프로그램을 개발하였으며 장기 토양침식을 추정할 때 최신의 R값의 이용 할 수 있도록 본 프로그램을 제공하고자 하였다. 또한, 고도를 고려한 R값의 산정은 기상 및 토양학적 관점에서의 기존 결과로부터 지리정보 학적 관점에서의 물리적인 결과를 추가함으로써 수문분야에서 융합 공간정보자료로 널리 사용될 것으로 기대된다.
본 연구에서는 1분 강우자료를 이용하여 2002년~2015년 동안에 강우침식인자를 추정하고 기존 연구결과와 비교 분석하여 적용성을 검증하고 지형요인이 고려된 공간 강우침식인자를 산정하기 위해 고도를 고려한 강우분포기법을 적용하여 결과를 분석하였다. 또한, 최종적으로 강우침식인자 산정 전체과정을 적용하고 검증할 수 있는 프로그램을 개발하고자 하였다.
본 연구에서는 python GUI tool(designer)를 이용해 기상청으로부터 수집한 데이터를 별다른 처리 없이 강우침식인자를 산정할 수 있도록 하는 자동 프로그램을 개발하였다(그림 7). 본 연구를 진행하면서 사용되었던 GIS 자료처리, 공간분석에 따른 회귀식 분석, 공간보간 기법 적용 등의 R값 산정을 위한 프로그램을 구현하고자 하였다.
본 연구에서는 python GUI tool(designer)를 이용해 기상청으로부터 수집한 데이터를 별다른 처리 없이 강우침식인자를 산정할 수 있도록 하는 자동 프로그램을 개발하였다(그림 7). 본 연구를 진행하면서 사용되었던 GIS 자료처리, 공간분석에 따른 회귀식 분석, 공간보간 기법 적용 등의 R값 산정을 위한 프로그램을 구현하고자 하였다.
따라서 기존연구에서는 지점 별로 얻기 쉬운 1시간 강우자료를 이용하여 30분 최대 강우강도를 추정하는 연구들을 진행해왔다. 본 연구에서는 강우침식인자를 산정하기 위한 프로그램 개발을 최종목적으로 1시간 강우자료를 취득할 경우 1시간 강우자료를 이용하여 1분 강우자료의 30분 최대강우강도를 가장 근접하게 추정할 수 있는 연구를 추가적으로 수행하였다.
따라서 기존 연구에서 산정된 경험식은 현재 강우조건에 적용하기에는 어려움이 있다. 본 연구에서는 연대별로 산정된 기존 경험식과 본 연구에서 2000년대 후반 강우조건으로 산정된 경험식 결과의 차이를 비교 하고 적용성을 평가하고자 하였다.
또한, 고도를 고려한 R값의 산정은 기상 및 토양학적 관점에서의 기존 결과로부터 지리정보 학적 관점에서의 물리적인 결과를 추가함으로써 수문분야에서 융합 공간정보자료로 널리 사용될 것으로 기대된다. 추가 연구내용으로 1시간 강우 및 1분 강우 자료에 대한 오차원인 분석과 다양한 강우사상 선정 방법을 적용하여 R 값을 비교 및 평가하여 본 프로그램의 활용성을 다양하게 검증하고자 한다.
제안 방법
(1983), Park et al.(2000)의 연구결과에 대한 회귀식과 선행 연구된 122개 자료로부터 도출한 회귀식을 비교 검토하였다. 표 2는 본 연구에서 사용한 강우침식인자 회귀식을 나타낸 것이다.
특히, 유역의 수문학적 동질성을 고려하여 우리나라를 7개 유역으로 구분한 Lee et al.(2011)의 연구결과와 비교하기 위해 국내 5대강권역별로 유역의 수문학적 동질성을 고려하여 강우침식도와 연평균강수량에 대한 회귀식과 R2(coefficient of determination)를 표 2와 같이 유역별로 유도 하였다. 그 결과 구축된 자료로부터 산정된 연도별 R값과 회귀식과의 상관성(R2)는 본 연구 에서 가장 높게 나타났다.
여기서, HDEM은 DEM(Digital Elevation Model) 상의 고도, HMean은 전국 평균고도를 나타낸다. DEM은 기본 지형입력자료 구축을 위하여 국토 지리정보원의 1:5,000 수치지도로부터 ArcGIS를 이용하여 격자크기 1㎞의 DEM (Digital Elevation Model)을 제작하였다(그림 1).
E에 30분 최대 강우강도(I30, cm·hr-1) 곱을 연간 합산하여 강우침식인자 (R, 100 of MTf·m·cm·ha-1·hr-1·yr-1)를 계산하였다.
강우침식인자 산정을 위하여 2002년부터 2015년까지(14년) 55개 주요 기상청 관측소의 1 분당 강우정보를 구축하고 이를 프로그램화하여 관측지점마다 R값을 산정하였다. 또한, 지점 별로 연강우량과의 선형 회귀분석을 이용해 높은 상관관계를 갖는 R 추정 회귀식을 산정하였으며 권역별로 구분하여 회귀식을 표준화하였다.
강우침식인자 산정을 위하여 2002년부터 2015년까지(14년간)의 55개 주요 기상청 관측소의 1분당 강우정보를 구축하고 이를 프로그램화하여 계산하였다. 그림 2는 연도별 강우량 변화와 연도별 산정된 강우침식인자 값의 변화를 도시한 것이다.
강우침식인자의 분포집중정도를 파악하기 위해 각각의 회귀식 결과를 정규분포 화하여 분석하였다(그림 3). 모든 R값의 분포가 각각의 권역별로 다른 산포도 및 경향을 나타냈다.
고도에 따른 강우침식인자를 평가하기 위해 전국 고도의 범위를 최저고도(0m 이상 ∼300m 미만), 저고도(300m 이상∼700m 미만), 중고도(700m 이상∼1,100m 미만), 최고도(1,100m 이상)로 구분하여 고도범위별 해당 하는 2002~2015년까지의 전국 평균 강우침식인자 값을 추출하였다.
고도에 따른 강우침식인자를 평가하기 위해 전국 고도의 범위를 최저고도(0m 이상∼300m 미만), 저고도(300m 이상∼700m 미만), 중고도(700m 이상∼1,100m 미만), 최고도 (1,100m 이상)로 구분하여 고도범위별 해당하는 2002~2015년까지의 전국 평균 강우침식인자 값을 추출하였다.
고도를 고려한 공간 강우침식인자 산정하기 위해 지점별로 산정된 회귀분석 계수를 Lee and Won(2013)의 기존연구에서 사용하여 검증된 IDW 보간기법을 ArcGIS tool을 이용하여 공간 강우침식인자 회귀식을 산정하였다. 공가 강우침식인자 산정 순서로 첫 번째로 지점별로 분석한 강우침식인자 회귀식의 매개변수를 IDW를 이용하여 공간적으로 분포시켜 매개변수 공간분포도를 작성하였다. 두 번째로 첫 번째 단계에서 산정된 매개변수 공간분포도와 고도를 적용한 공간강우분포도를 ArcGIS를 이용하여 산술적으로 계산하여 최종적으로 고도 적용전 및 적용 후 강우침식인자 분포도를 산정하였다.
기존 1분 강우자료를 취득한 동일한 연구기간 및 동일지점에 대해서 1시간 강우자료를 구축하고 지점별로 강우사상별 1시간 최대강우강도와 1분 자료를 합쳐서 만든 30분 최대강우강도와의 상관관계를 분석하였다. 그 결과 1시간 최대 강우강도로부터 30분 최대강우강도를 추정할 수 있는 평균 경험식을 전국 55개 주요 지점별로 구축하였으며 R2는 0.
공가 강우침식인자 산정 순서로 첫 번째로 지점별로 분석한 강우침식인자 회귀식의 매개변수를 IDW를 이용하여 공간적으로 분포시켜 매개변수 공간분포도를 작성하였다. 두 번째로 첫 번째 단계에서 산정된 매개변수 공간분포도와 고도를 적용한 공간강우분포도를 ArcGIS를 이용하여 산술적으로 계산하여 최종적으로 고도 적용전 및 적용 후 강우침식인자 분포도를 산정하였다.
둘째, 전국 DEM으로부터 GIS 프로그램을 이용하여 전국 평균 고도를 산정하고 평균고도와 식(1)을 이용하여 전국 Lapse rate 분포도를 작성하였다.
또한, 지점 별로 연강우량과의 선형 회귀분석을 이용해 높은 상관관계를 갖는 R 추정 회귀식을 산정하였으며 권역별로 구분하여 회귀식을 표준화하였다. 또한, 지형요인이 고려된 공간 강우침식인 자를 산정하기 위해 고도를 고려한 강우분포기 법을 적용하여 결과를 분석하였다. 그 결과 이전연구들과 비교하여 정확도(R2, NSE)가 향상됨을 보였고 연대별로 회귀식이 변하는 것을 알 수 있었다.
마지막으로 1번으로부터 산정된 전국 강우공간분포도에 2번에서 산정된 전국 Lapse rate 분포도를 곱하여 최종적으로 고도를 고려한 전국 연강우 공간분포도를 구축하였다.
본 연구에서 개발한 프로그램은 본 연구결과를 모두 반영한 프로그램으로 1분 강우자료로 부터 지점별 R 추정 경험식과 지점별로 1시간 강우자료로부터 30분 최대강우강도 회귀식을 추가함으로써 1시간 강우자료를 이용하여 R값을 산정할 수 있도록 프로그램을 구현하였다. 결론적으로 1분 강우자료로부터 매년 최신 R값을 산정하며 1분 강우자료 구축이 어려운 경우 1시간 강우자료로부터 간단하게 R값을 산정할 수 있도록 본 프로그램을 개발하였으며 장기 토양침식을 추정할 때 최신의 R값의 이용 할 수 있도록 본 프로그램을 제공하고자 하였다.
본 연구에서는 1분 강우자료를 이용하여 2002년~2015년 동안에 강우침식인자를 추정하고 기존 연구결과와 비교 분석하여 적용성을 검증하고 지형요인이 고려된 공간 강우침식인자를 산정하기 위해 고도를 고려한 강우분포기법을 적용하여 결과를 분석하였다. 또한, 최종적으로 강우침식인자 산정 전체과정을 적용하고 검증할 수 있는 프로그램을 개발하고자 하였다.
산정된 공간강우침식인자 회귀식과 고도 고려 후 연강우 분포도를 이용하여 최종 공간 강우침식인자를 산정하였다(그림 6). 감우침식인자 분포도는 높은 연도와 낮은 연도의 파악이 가능하며 지역별로 강우침식인자가 높게 나타 나는 지역을 분석할 수 있다.
다음단계는 입력된 강우자료로부터 연도별 강우사상을 선정한다. 선정된 강우사상으로부터 30분 강우강도를 선정하고 지점별 R값을 계산한다. 1분 강우자료의 경우 R을 계산공식에 따라 30분 최대강우강도가 계산되어지며 1시간 강우자료를 사용할 경우 본 연구에서 산정한 지점별 30분 강우자료 추정 회귀식을 이용하여 30분 최대강우강도를 계산한다.
(2000) 의 결과와 본 연구에서 산정된 경험식 결과를 비교하여 나타내었다. 세 가지 경험식으로부터 산정된 강우침식인자와 실측 강우침식인자의 차이를 비교하여 과대 및 과소평가되는지를 평가하였고 NSE(Nash and Sutcliffe Efficiency)를 계산하여 정확성 및 경험식의 효율을 비교하여 적용성을 평가하였다. 실측 강우침식인자로 가정한 Obs.
첫째, IDW는 ArcGIS 프로그램을 이용하여 일반적인 연강우 분포도를 산정하였다. 이때, 각각 관측지점의 강우량 값은 강우량 관측소 고도가 고려된 측정값으로서 고도가 평균고도와 같아질 때의 조건으로 가정하여 강우량을 추정하여 공간분포도를 산정하였다.
전국 장기간의 강우자료 구축은 매우 어렵고 구축에 필요한 시간 또한 오래 걸린다. 이를 해결하기 위해 1시간 강우자료로부터 30분 최대 강우강도 추정 방법을 평가하고 제안하였다. 강우침식인자의 공간분포 결과는 고도를 적용한 후의 연도별 강우침식인자의 최대 및 최소값은 100.
전국 96개 지점의 자료를 구축하였으나 자료의 오차가 크고 결측이 많아 그중 55개의 지점을 이용하였다. 자료처리를 위해 Python을 이용해 1분 누적강우를 1분단위로 변환하고 30분 간격으로 분리하였다.
첫째, IDW는 ArcGIS 프로그램을 이용하여 일반적인 연강우 분포도를 산정하였다. 이때, 각각 관측지점의 강우량 값은 강우량 관측소 고도가 고려된 측정값으로서 고도가 평균고도와 같아질 때의 조건으로 가정하여 강우량을 추정하여 공간분포도를 산정하였다.
대상 데이터
1분 강우자료는 기상청 기상자료개방포털(data.kma.go.kr)에 별도로 요청하여 1분 누적강우자료를 수집하였으며 1분 누적강우자료가 있는 지점이 많지 않고, 측정을 시작한지 얼마 되지 않은 곳이 많아 2002년부터 2015년까지의 데이터를 사용하였다. 전국 96개 지점의 자료를 구축하였으나 자료의 오차가 크고 결측이 많아 그중 55개의 지점을 이용하였다.
kr)에 별도로 요청하여 1분 누적강우자료를 수집하였으며 1분 누적강우자료가 있는 지점이 많지 않고, 측정을 시작한지 얼마 되지 않은 곳이 많아 2002년부터 2015년까지의 데이터를 사용하였다. 전국 96개 지점의 자료를 구축하였으나 자료의 오차가 크고 결측이 많아 그중 55개의 지점을 이용하였다. 자료처리를 위해 Python을 이용해 1분 누적강우를 1분단위로 변환하고 30분 간격으로 분리하였다.
데이터처리
강우침식인자를 계산한 후 연강우량과의 상관성을 분석하기 위해 연도별 강우침식인자와 연강우량 값을 이용하여 선형회귀분석을 실시하여 지점별 회귀식을 산정하였다. 선형회귀분석은 python의 scipy, numpy, matplot을 통해 계산하였으며 이때 96개 지점중 상관성이 적고 값의 편차가 큰 지점을 제외한 55개 지점을 선정하였다.
강우침식인자 산정을 위하여 2002년부터 2015년까지(14년) 55개 주요 기상청 관측소의 1 분당 강우정보를 구축하고 이를 프로그램화하여 관측지점마다 R값을 산정하였다. 또한, 지점 별로 연강우량과의 선형 회귀분석을 이용해 높은 상관관계를 갖는 R 추정 회귀식을 산정하였으며 권역별로 구분하여 회귀식을 표준화하였다. 또한, 지형요인이 고려된 공간 강우침식인 자를 산정하기 위해 고도를 고려한 강우분포기 법을 적용하여 결과를 분석하였다.
강우침식인자를 계산한 후 연강우량과의 상관성을 분석하기 위해 연도별 강우침식인자와 연강우량 값을 이용하여 선형회귀분석을 실시하여 지점별 회귀식을 산정하였다. 선형회귀분석은 python의 scipy, numpy, matplot을 통해 계산하였으며 이때 96개 지점중 상관성이 적고 값의 편차가 큰 지점을 제외한 55개 지점을 선정하였다.
이론/모형
(1983)에 의하여 기상청 산하 51개 관측소의 1960∼1980년대에 걸쳐 6∼21년의 강우자료 분석에 의한 R의 추정이 이루어졌다.
역거리가중법의 적용에서 가장 중요한 점은 관측지점에 대한 가중치를 계산하는 것이며 본 연구에서는 Jung et al.(2011)식을 사용하였다.
따라서 본 연구에서는 고도를 고려한 강우보간 기법의 적용을 위해 Jung et al.(2011)이 제안한 Lapse rate식을 다음 식(1)과 같이 적용하였다. 여기서, HDEM은 DEM(Digital Elevation Model) 상의 고도, HMean은 전국 평균고도를 나타낸다.
고도를 고려한 공간 강우침식인자 산정하기 위해 지점별로 산정된 회귀분석 계수를 Lee and Won(2013)의 기존연구에서 사용하여 검증된 IDW 보간기법을 ArcGIS tool을 이용하여 공간 강우침식인자 회귀식을 산정하였다. 공가 강우침식인자 산정 순서로 첫 번째로 지점별로 분석한 강우침식인자 회귀식의 매개변수를 IDW를 이용하여 공간적으로 분포시켜 매개변수 공간분포도를 작성하였다.
본 연구의 최종목적으로 지형요인이 고려된 전국 강우침식인자의 공간분포도를 산정하기 위해서는 공간보간기법을 이용한 전국 연강우 공간분포도가 요구된다. 이를 위해, 역거리가중법 (Inverse Distance Weights, IDW)을 사용하였다. 그러나 일반적인 IDW 공간기법의 사용은 미계측 지점의 강우 보간에 있어 지형(고도) 요인을 고려하지 않게 된다.
지형 및 지리적 요소를 적용한 전국 공간 강우량을 산정하기 위해 전국 지점별 강우자료로부터 IDW 보간기법을 적용하였다. 고도를 고려한 전국 연강우 자료 분포도 추정순서는 다음 아래와 같다.
성능/효과
상관성이 높은 주요 4개 지점의 경험식을 다음 그림 4와 같이 나타냈다. 1시간 최대강우강도 추정 경험식으로부터 산정된 30분 최대강우강도를 적용하여 전국 강우침식인자를 계산한 결과 다음 그림 5의 결과에서처럼 1분 강우자료를 이용한 결과보다 R2가 약 0.2 감소함을 나타냈다.
강우침식인자의 공간분포 결과는 고도를 적용한 후의 연도별 강우침식인자의 최대 및 최소값은 100.0∼3,216.6(107J·mm·ha-1·yr-1·hr-1)이고 연도별 전국 평균값은 181.9∼751.6(107J·mm·ha-1·yr-1·hr-1)이며 고도를 적용하기 전의 연도별 강우 침식인자의 최대 및 최소값은 200.0∼1,500(107J·mm·ha-1·yr-1·hr-1)이고 연도별 전국 평균값은 118.0∼647.4로 고도를 적용한 후의 강우침식인자가 평균 21.0% 증가율을 나타냈다.
고도를 적용하기 전을 기준으로 고도 적용한 후의 연강우량의 변화를 살펴보면, 전국적으로 평균 9.6%의 증감율을 보였다. 전반적으로 강우량이 상류로 갈수록 증가하고, 하류로 갈수록 감소하는 경향을 보이고 고도 적용전 공간분포와 비교하여 고도가 높을수록 증가하고 고도가 낮아질수록 감소하는 지형조건을 반영하는 경향을 보였다.
그 결과 1시간 최대 강우강도로부터 30분 최대강우강도를 추정할 수 있는 평균 경험식을 전국 55개 주요 지점별로 구축하였으며 R2는 0.85∼0.95의 높은 상관성을 나타냈다.
그 결과 각각의 범위에서 전국 평균 강우침식인자는 각각 371.9, 514.4, 739.3, 1,050.1(107J·mm· ha-1·yr-1·hr-1)로 나타났으며 각각의 최저고도로부터 저고도, 중고도, 최고도로 고도가 증가함으로써 강우침식인자는 각각 38.3, 43.7, 42.0% 증가하는 것을 보였다.
그 결과 각각의 범위에서 전국 평균 강우침식인자는 각각 371.9, 514.4, 739.3, 1,050.1(107J·mm·ha-1·yr-1·hr-1)로 나타났으며 각각의 최저고도로부터 저고도, 중고도, 최고도로 고도가 증가함으로써 강우침식인자는 각각 38.3, 43.7, 42.0% 증가 하는 것을 보였다.
(2011)의 연구결과와 비교하기 위해 국내 5대강권역별로 유역의 수문학적 동질성을 고려하여 강우침식도와 연평균강수량에 대한 회귀식과 R2(coefficient of determination)를 표 2와 같이 유역별로 유도 하였다. 그 결과 구축된 자료로부터 산정된 연도별 R값과 회귀식과의 상관성(R2)는 본 연구 에서 가장 높게 나타났다.
또한, 지형요인이 고려된 공간 강우침식인 자를 산정하기 위해 고도를 고려한 강우분포기 법을 적용하여 결과를 분석하였다. 그 결과 이전연구들과 비교하여 정확도(R2, NSE)가 향상됨을 보였고 연대별로 회귀식이 변하는 것을 알 수 있었다. 이는, 연대별로 강우강도 및 강우패턴의 변화가 강우침식인자의 영향을 미쳐 강우침식인자 회귀식이 달라지는 것으로 매년 최신의 경험식으로 강우침식인자의 전국 공간 분포가 필요로 하게 되면 전국 강우침식인자 공간분포를 산정할 때, 고도를 고려한 공간 강우침식인자가 요구된다.
5 MJ·mm·ha-1·yr-1· hr-1로 계산되었으며, 추풍령(135)<대전(133)<고산(185) 순으로 낮은 강우침식인자 값을 보였다. 따라서, 산정결과를 토대로 내륙지역의 강우침식인자 값보다 해안지역의 강우침식인자 값이 높게 추정됨을 알 수 있다.
본 연구결과의 R값이 기존 두 연구결과보다 평균 R값이 낮게 나타났고 8,000 MJ·mm·ha-1·yr-1·hr-1이상의 높은 R값을 나타내는 빈도수가 줄어들었다. 반면에 R값의 산포도가 커짐으로 R값이 높은 지역과 낮은 지역의 차이가 기존연구 결과보다 크게 나타남을 알 수 있다.
본 연구결과의 R값이 기존 두 연구결과보다 평균 R값이 낮게 나타났고 8,000 MJ·mm·ha-1·yr-1·hr-1이상의 높은 R값을 나타내는 빈도수가 줄어들었다.
본 연구에서 사용된 14년간 55개 지점의 연도별 평균 강우량을 분석한 결과 997.9∼1,896.6㎜·yr-1로 연도별 표준편차 255.1㎜·yr-1로 매우 큰 것을 알 수 있었다.
마지막 단계는 연강 우량과 R값의 상관분석을 위해 관측된 강우량과 R값을 이용해 전지역, 권역, 지점별로 선형 회귀식을 산정한다. 본 프로그램은 처리과 정산(30분 강우강도, 이벤트 선정, R값 선정) 중간에 산출된 데이터들을 확인하고 수정할 수 있어 계산상의 오차 및 입력자료로 인한 오차를 줄일 수 있다.
(1999)의 연구결과에 의하면, 연간 총강수량의 분포로부터 유추한 결과 산간지에서 고도 100m 상승에 따라 5% 정도씩 증가한다고 하였다. 이들 연구결과를 근거로 본 연구에서는 고도가 1,000m 상승 시 연평균강우량은 74% 증가율(Smith, 2008)을 적용하였는데, 이는 역으로 계산하면 고도 100m 상승에 따라 강우량이 5.7% 증가하는 것에 해당된다.
6%의 증감율을 보였다. 전반적으로 강우량이 상류로 갈수록 증가하고, 하류로 갈수록 감소하는 경향을 보이고 고도 적용전 공간분포와 비교하여 고도가 높을수록 증가하고 고도가 낮아질수록 감소하는 지형조건을 반영하는 경향을 보였다.
후속연구
결론적으로 1분 강우자료로부터 매년 최신 R값을 산정하며 1분 강우자료 구축이 어려운 경우 1시간 강우자료로부터 간단하게 R값을 산정할 수 있도록 본 프로그램을 개발하였으며 장기 토양침식을 추정할 때 최신의 R값의 이용 할 수 있도록 본 프로그램을 제공하고자 하였다. 또한, 고도를 고려한 R값의 산정은 기상 및 토양학적 관점에서의 기존 결과로부터 지리정보 학적 관점에서의 물리적인 결과를 추가함으로써 수문분야에서 융합 공간정보자료로 널리 사용될 것으로 기대된다. 추가 연구내용으로 1시간 강우 및 1분 강우 자료에 대한 오차원인 분석과 다양한 강우사상 선정 방법을 적용하여 R 값을 비교 및 평가하여 본 프로그램의 활용성을 다양하게 검증하고자 한다.
본 연구의 최종목적으로 지형요인이 고려된 전국 강우침식인자의 공간분포도를 산정하기 위해서는 공간보간기법을 이용한 전국 연강우 공간분포도가 요구된다. 이를 위해, 역거리가중법 (Inverse Distance Weights, IDW)을 사용하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
역거리가중법이 다른 보간 방법에 비해 가지는 장점은 무엇인가?
역거리가중법에 의한 공간내삽법은 관측점과의 거리역수에 가중치를 부여하는 방법으로 관측점과 인접한 점사이의 값은 유사성이 높은 반면 관측점과의 거리가 멀어질수록 유사성이 감소한다는 가정에 기초하며, 다른 보간 방법에 비해 알고리즘이 비교적 간단하다. 역거리가중법의 적용에서 가장 중요한 점은 관측지점에 대한 가중치를 계산하는 것이며 본 연구에서는 Jung et al.
기존 연구에서 산정된 경험식은 현재 강우조건에 적용하기에는 어려움이 있는데, 그 이유는 무엇인가?
강우침식인자를 산정하고 연강우량과 비교하여 경험식을 산정하는 연구는 국내에서도 활발히 진행되어 왔다. 그러나 총강우량, 강우강도, 지속시간 등의 조건들은 연대별로 조금씩 다르며 2000년대 후반으로 갈수록 기후변화로 인한 영향으로 극한강우사상의 증가와 극한가뭄의 발생으로 인한 강우패턴이 이전과는 큰 차이를 나타나게 된다. 따라서 기존 연구에서 산정된 경험식은 현재 강우조건에 적용하기에는 어려움이 있다.
강우침식인자란 어떻게 정의되는가?
USLE 또는 RUSLE는 강우침식인자(R), 토양(K), 사면길이(L), 경사도(S), 피복 및 관리 (C), 토양보존 인자(P) 총 6개의 인자의 상호간의 곱으로 구성된다. 이 중 유일하게 기상 특성을 반영하고 있는 인자인 강우침식인자(Rainfall erosivity factor, R)는 비가 내리는 시점부터 종료될 때까지의 강우에너지의 총합과 해당 기간의 30분 최대 강우강도의 곱으로 정의된다 (Renard et al, 1997; Wischmeier and Smith, 1978). 이때, 강우에너지는 강우 운동에너지와 강우강도, 시간의 곱으로 정의된다.
참고문헌 (21)
Cho, H.L. and J.C. Jeong. 2006. Application of spatial interpolation to rainfall data. The Journal of GIS Association of Korea 14(1):29-41 (조홍래, 정종철. 2006. 강우자료에 대한 공간보간 기법의 적용. 한국공간정보학회지 14(1): 29-41).
Goodale C.L., J.D. Aber, and S.V. Ollinger. 1998. Mapping monthly precipitation, temperature, and solar radiation for Ireland with polynomial regression and a digital elevation model. Climate Research 10(1):35-49.
Jung, H., H.J. Shin, J.Y. Park, I.K. Jung, and S.J. Kim. 2011. A study of spatial interpolation impact on large watershed rainfall considering elevation. Journal of the Korean Society of Agricultural Engineers 53(6):23-29 (정혁, 신형진, 박종윤, 정인균, 김성준. 2011. 고도를 고려한 공간보간기법이 대유역 강우량 산정시 미치는 영향 연구, 한국농공학회 논문집 53(6):23-29).
Jung, K.H., Y.K. Sonn, S.Y. Hong, S.O. Hur, and S.K. Ha. 2005. Assessment of national soil loss and potential erosion area using the digital detailed soil maps. Korean Journal Society of Soil Science and Fertilizer 38(2):59-65 (정강호, 손연규, 홍석영, 허승오, 하상건. 2005. 수치 정밀토양도를 이용한 전국 토양 유실량의 평가 및 침식 위험지역의 분석. 한국토양비료학회지 38(2):59-65).
Jung, P.K., M.H. Ko, J.N. Im, K.T. Um, and D.U. Choi. 1983. Rainfall Erosion factor for estimationg Soil Loss. Korean Journal Society of Soil Science and Fertilizer 16(2):112-118 (정필균, 고문환, 임정남, 윤기대, 최대웅. 1983. 토양유실량 여측을 위한 강우인자의 분석. 한국토양비료학회지 16(2):112-118).
Kim, J.H., K.T. Kim, and G.B. Yeon. 2003. Analysis of soil erosion hazard zone using GIS. Journal of the Korean Association of Geographic Information Studies 6(2):22-32 (김주훈, 김경탁, 연규방. 2003. GIS를 이용한 토양침식 위험지역 분석. 한국지리정보학회지 6(2):22-32).
Kim, S.B., H.J. Shin, J.W. Lee, Y.S. Yu, and S.J. Kim. 2011. Mapping technique for heavy snowfall distribution using Terra MODIS images and ground measured snowfall data. Journal of the Korean Association of Geographic Information Studies 14(4):33-43 (김샛별, 신형진, 이지완, 유영석, 김성준. 2011. Terra MODIS 영상과 지상 적설심 자료를 이용한 적설분포도 구축기법 연구. 한국지리정보학회지 14(4):33-43).
Lee, G.S., Y.R. Jang, and G.S. Cho. 2003. The analysis of optimum resolution with different scale of soil map for the calculation of soil loss. Journal of the Korean Association of Geographic Information Studies 6(3):1-10 (이근상, 장영률, 조기성. 2003. 토양침식량 산정에서 토양도 축적에 따른 적정 해상도 분석에 관한 연구. 한국지리정보학회지 6(2):1-10).
Lee, J.H. and I.K. Jeon. 1994. A rainfall forecasting model for the ungaged point of meteorological data. The Journal of the Korean Society of Civil Engineers 14(2):307-316 (이재형, 전일권. 1994. 기상 자료 미계측 지점의 강우 예보 모형. 대한토목학회 논문집 14(2):307-316).
Lee, J.H., J.W. Shin, and J.H. Heo. 2011. Evaluation of rainfall erosivity in Korea using different kinetic energy equations. Korean Journal Society of Soil Science and Fertilizer 44(3):337-343 (이준학, 신주영, 허준행. 2011. 강우 운동에너지식에 따른 한국의 강우침식인자 평가. 한국토양비료학회지 44(3): 337-343).
Lee, J.S. and J.Y. Won. 2013. Analysis of the characteristic of monthly rainfall erosivity in Korea with derivation of rainfall energy equation. Journal of Korean Society of Hazard Mitigation 13(3):177-184 (이종설, 원진영. 2013. 강우에너지식 유도를 통한 전국 월별 강우침식 인자 특성 분석. 한국방재학회 논문집 13(3):177-184).
Noe, J.K. and S.K. Kwon. 1984. A study of the estimation of rainfall kinetic energy based on rainfall characteristics. College of Agricultural Research Seoul National University 9(2):23-31 (노재경, 권숙국. 1984. 강우특성을 이용한 강우에너지 산정에 관한 연구. 서울대농학연구지 9(2):23-31).
Park, C.W., Y.K. Sonn, B.K. Hyun, K.C. Song, H.C. Chun, Y.H. Moon, and S.G. Yun. 2011. The re-determination of USLE rainfall erosion factor for estimation of soil loss at Korea. Korean Journal Society of Soil Science and Fertilizer 44(6):977-982 (박찬원, 손연규, 현병근, 송관철, 전현정, 문용희, 윤순강. 2011. 토양 유실량 예측을 위한 강우침식인자 재산정. 한국토양비료학회지 44(6):977-982).
Park, J.H., H.S. Woo, C.K. Pyun, and K.I. Kim. 2000. A study of distribution of rainfall erosivity in USLE/RUSLE for estimation of soil loss. Journal of Korea Water Resources Association 33(5):603-610. (박정환, 우효섭, 편종근, 김광일. 2000. 토양유실공식의 강우침식도 분포에 관한 연구. 한국수자원학회 논문집 33(5):603-610).
Renard. K.G., G.R. Foster, G.A. Weesies, D.K. McCool, and D.C. Yoder. 1997. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). USDA (United States Department of Agriculture), Agricultural research service, Agriculture handbook number 703. pp.24-26.
Shin, J.S., M.H. Ko, and J.N. Im. 1983. Rainfall erosion factor for analyzing soil loss. Korean Journal Society of Soil Science and Fertilizer 16(2):106-111 (신재성, 고문환, 임정남. 1983. 토양유실량 예측을 위한 강우인자의 추정. 한국토양비료학회지 16(2):106-111).
Smith, C.D. 2008. Cold region atmospheric and hydrologic Studies, chapter 10: the relationship between monthly precipitation and elevation in the Alberta foothills during the foothills orographic precipitation experiment. pp.167-185.
Wischmeier, W.H. 1959. A rainfall erosion index for a universal soil-loss equation. Proceeding of Soil Science Society of America 23(3):246-249.
Wischmeier. W.H. and Smith, D.D. 1978. Predicting rainfall erosion lossers: a guide to conservation planning. USDA (United States Department of Agriculture), Agricultural research service, Agriculture handbook number 537. pp.40-47.
Yun, J.I., D.S. Yi, J.Y. Choi, S.I. Cho, E.W. Park, and H. Hwang. 1999. Elevationcorrected spatial interpolation for nearreal time generation of meteorological surfaces from point observations. The Korean Society of Agricultural Information Science 1(1):28-33 (윤진일, 이동석, 최재연, 조성인, 박은우, 황헌. 1999. 고도보정 공간내삽에 의한 전국의 $1km^{2}$ 단위 기상실황 추정. 농업정보과학 1(1):28-33).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.