[국내논문]SEBAL 모형과 Terra MODIS 영상을 이용한 혼효림, 논 지역에서의 공간증발산량 산정 연구 Estimation of spatial evapotranspiration using Terra MODIS satellite image and SEBAL model in mixed forest and rice paddy area원문보기
본 연구는 Surface Energy BalanceAlgorithm for Land (SEBAL) 모형을 이용해 국내의 혼효림(설마천)과 논(청미천) 유역에 대해 일 증발산량을 산정하고 각 유역의 플럭스 타워 실측 증발산량과 비교하였다. SEBAL 모형의 입력 자료로 위성자료는 2개년(2012-2013)의 TerraMODIS product 중 Albedo, Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI)를 활용하였으며, 기상자료는 유역 인근에 위치한 기상청 기상관측소로부터 풍속, 일사량 자료를 제공받아 공간 내삽(Interpolation)하여 활용하였다. 모의결과 플럭스 타워의 연평균 증발산량은 설마천에서 302.8 mm, 청미천에서 482.0 mm, SEBAL 모의 증발산량은 각각 183.3 mm, 371.5 mm로 산정되었다. 전체 모의기간에 대한 SEBAL 모의 증발산량의 실측 증발산량과의 결정계수는 설마천 플럭스 타워에서 0.54, 청미천 플럭스 타워에서 0.79로 나타났다. 두지점에서 SEBAL 모의 증발산량이 과소 추정된 주된 이유로는 일별 hot pixel과 cold pixel로부터 산정한 현열 플럭스의 과대추정으로 인한 것으로 판단된다.
본 연구는 Surface Energy Balance Algorithm for Land (SEBAL) 모형을 이용해 국내의 혼효림(설마천)과 논(청미천) 유역에 대해 일 증발산량을 산정하고 각 유역의 플럭스 타워 실측 증발산량과 비교하였다. SEBAL 모형의 입력 자료로 위성자료는 2개년(2012-2013)의 Terra MODIS product 중 Albedo, Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI)를 활용하였으며, 기상자료는 유역 인근에 위치한 기상청 기상관측소로부터 풍속, 일사량 자료를 제공받아 공간 내삽(Interpolation)하여 활용하였다. 모의결과 플럭스 타워의 연평균 증발산량은 설마천에서 302.8 mm, 청미천에서 482.0 mm, SEBAL 모의 증발산량은 각각 183.3 mm, 371.5 mm로 산정되었다. 전체 모의기간에 대한 SEBAL 모의 증발산량의 실측 증발산량과의 결정계수는 설마천 플럭스 타워에서 0.54, 청미천 플럭스 타워에서 0.79로 나타났다. 두지점에서 SEBAL 모의 증발산량이 과소 추정된 주된 이유로는 일별 hot pixel과 cold pixel로부터 산정한 현열 플럭스의 과대추정으로 인한 것으로 판단된다.
This study is to estimate Surface Energy Balance Algorithm for Land (SEBAL) daily spatial evapotranspiration (ET) comparing with eddy covariance flux tower ET in Seolmacheon mixed forest (SMK) and Cheongmicheon rice paddy (CFK). The SEBAL input data of Albedo, Land Surface Temperature (LST), Normali...
This study is to estimate Surface Energy Balance Algorithm for Land (SEBAL) daily spatial evapotranspiration (ET) comparing with eddy covariance flux tower ET in Seolmacheon mixed forest (SMK) and Cheongmicheon rice paddy (CFK). The SEBAL input data of Albedo, Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI) from Terra MODIS products and the meteorological data of wind speed, and solar radiation were prepared for 2 years (2012-2013). For the annual average flux tower ET of 302.8 mm in SMK and 482.0 mm in CFK, the SEBAL ETs were 183.3 mm and 371.5 mm respectively. The determination coefficients ($R^2$) of SEBAL ET versus flux tower ET for total periods were 0.54 in SMK and 0.79 in CFK respectively. The main reason of SEBAL ET underestimation for both sites was from the determination of hot pixel and cold pixel of the day and affected to the overestimation of sensible heat flux.
This study is to estimate Surface Energy Balance Algorithm for Land (SEBAL) daily spatial evapotranspiration (ET) comparing with eddy covariance flux tower ET in Seolmacheon mixed forest (SMK) and Cheongmicheon rice paddy (CFK). The SEBAL input data of Albedo, Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI) from Terra MODIS products and the meteorological data of wind speed, and solar radiation were prepared for 2 years (2012-2013). For the annual average flux tower ET of 302.8 mm in SMK and 482.0 mm in CFK, the SEBAL ETs were 183.3 mm and 371.5 mm respectively. The determination coefficients ($R^2$) of SEBAL ET versus flux tower ET for total periods were 0.54 in SMK and 0.79 in CFK respectively. The main reason of SEBAL ET underestimation for both sites was from the determination of hot pixel and cold pixel of the day and affected to the overestimation of sensible heat flux.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 2015)에서 적용한 월별 보정계수를 활용하지 않고, 월별 입력 자료를 통해 모형의 효율성을 개선한 뒤 국내의 플럭스 타워를 설치한 다른 유역에 적용하였다. 모의기간은 선행 연구와 동일하게 2012년부터 2013년까지로 하였으며, 산정된 모의 증발산량은 플럭스 타워 실측 자료를 통해 평가하고 이를 통해 모형의 효용성을 논해보고자 한다.
본 연구는 선행논문에서 적용했던 SEBAL 모형의 개선을통해 우리나라의 혼효림, 논 지역에 증발산량을 산정하고 설치된 플럭스 타워 실측 증발산량을 이용해 모형의 효용성을검토해보고자 하였다. 연구에 이용한 SEBAL 모형은 Lee et al.
제안 방법
따라서 본 연구에서는 기준을 통해 Anchor pixel을 일관되게 선정할 수 있도록 자동화 기법을 도입하였다. Morse et al. (2000)에서 제시한 지표의 특성을 고려하기 위해 토지 이용도를 도입한 뒤, Cold pixel은 농업 지역(agricultural area) 중 NDVI의 상위 5%에 해당하는 pixel 중에서 지표 온도가 하위 15%이내에 속한 pixel을 선정하도록 하였다. Hot pixel은 나지나 시가지 중에서 NDVI 값이 하위 10%에 해당하고 지표 온도가 상위 15%에 속하는 지점을 선정하였다.
모형의 기상자료로는 기상 관측소로부터 제공받은 풍속, 풍속측정 높이, 일사량을 활용하였다. SEBAL 모형은 현열플럭스 산정에 지표면으로부터 2 m 높이에서 측정한풍속 자료를 이용하기 때문에 본 연구에서는 각 관측소의 풍속측정 높이를 이용해 2 m 높이의 풍속으로 환산하여 적용되도록 하였다. 또한 모형의 매개변수로 각 기상 관측소 지점의위, 경도를 이용해 지점별 태양의 시간각(hour angle), 일출각(sunrise angle), 일몰각(sunset angle)을 일별로 계산하였으며, 태양의 시간각은 Terra 위성의 통과시각인 오전 10:30에대해 계산하였다.
(2015)이 구축한 방법과 동일하게 MODIS 위성영상을 이용하여 증발산량을 산정할 수 있도록 일부 알고리즘을 수정하였으며 LST (MOD11_L2), NDVI (MOD13A3), Albedo (MCD43A3) 영상을 500m 해상도로 구축하여 활용하였다. albedo 및 NDVI 영상은 8일 혹은 16일 간격의 자료 활용 시영상 내에 존재하는 이상치가 모형 결과에 영향을 줄 수 있기때문에 보정된 월별 자료를 구축하여 활용하였으며, LST 영상은 구름이나 대기의 교란으로 인해 결측값이 발생하기 때문에 유역 인근의 기상관측소에서 제공하는 지면온도 자료를활용해 공간 내삽법 중 하나인 IDW를 적용하여 gap-filling을실시한 뒤 모의에 활용하였다.
SEBAL 표준 모형에서는 사용자가 임의로 Anchor pixel을 산정하는데, 이는 연구자의 숙련도에 따라 기준점의 적정성이 결정되며 다수의 위성 자료를 활용할 경우 전체적인 결과물의 신뢰도가 낮아질 수 있다. 따라서 본 연구에서는 기준을 통해 Anchor pixel을 일관되게 선정할 수 있도록 자동화 기법을 도입하였다. Morse et al.
특히 위성 자료인 Albedo 및 NDVI에 보정계수를 도입하여 모의 증발산량의 보정을 시도하였으나, 에너지 수지 방정식의 각 항목의 시계열 분포가 연속적이지 않고 산발적으로 분포가 되는 문제가 발생하였다. 따라서 본 연구에서는 선행연구(Lee et al., 2015)에서 적용한 월별 보정계수를 활용하지 않고, 월별 입력 자료를 통해 모형의 효율성을 개선한 뒤 국내의 플럭스 타워를 설치한 다른 유역에 적용하였다. 모의기간은 선행 연구와 동일하게 2012년부터 2013년까지로 하였으며, 산정된 모의 증발산량은 플럭스 타워 실측 자료를 통해 평가하고 이를 통해 모형의 효용성을 논해보고자 한다.
MODIS 영상은 원격탐사장비의 특성상 구름과 대기의 교란 등으로 인한 결측값이 발생한다. 따라서 본 연구에서는 이러한 결측값 보정을 위해 대상 유역 인근의 기상관측소 지점(문산, 동두천, 수원, 이천, 원주, 천안, 청주)에서 제공하는 지면온도 자료를 이용하여 Gap-Filling을 실시하였다. Gap-Filling은기상청에서 제공하는 지면온도 자료를 이용해 Alcamo et al(1997)이 제안한 Eq.
SEBAL 모형은 현열플럭스 산정에 지표면으로부터 2 m 높이에서 측정한풍속 자료를 이용하기 때문에 본 연구에서는 각 관측소의 풍속측정 높이를 이용해 2 m 높이의 풍속으로 환산하여 적용되도록 하였다. 또한 모형의 매개변수로 각 기상 관측소 지점의위, 경도를 이용해 지점별 태양의 시간각(hour angle), 일출각(sunrise angle), 일몰각(sunset angle)을 일별로 계산하였으며, 태양의 시간각은 Terra 위성의 통과시각인 오전 10:30에대해 계산하였다. 각 매개변수의 계산은 천문우주지식정보(http://astro.
, 2015). 본 연구에서는 Land Processes Dirtributed Active Archive Center (LP DAAC)에서 제공하는 1 km 공간해상도의 Land Surface Temperature/Emissivity (MOD11_L2)와 Normalized Difference Vegetation Index (MOD13A3), 500 m 공간 해상도의 Albedo (MCD43A3)를 구축하였다. 모든 영상은 2012년 1월부터 2013년 12월의 기간에 걸쳐 구축하였으며, MOD11_L2는 일별로, MCD43A3은 8일 간격으로 제공하는 영상으로 이를 월단위로 평균하여 월별 자료로 활용하였다.
본 연구에서는 SEBAL 모형의 검증을 위해 각 플럭스 타워위경도 지점의 pixel로부터 모의 증발산량을 추출하여 비교하였다. Fig.
구축한 위성영상의 공간해상도는 각각 500 m (MCD43A3)와 1000 m (MOD11_ L2, MOD13A3)로 모의를 위해 공간해상도의 일치가 요구된다. 본 연구에서는 대상 유역의 특성을 고려하고 선행 연구와의 비교를 위해 500 m의 공간해상도로 모의를 진행하였으며, 이를 위해 1000 m 해상도의 위성영상은 ESRI ArcGIS 프로그램으로 resampling하여 이용하였다. Fig.
두 지점에서 SEBAL모의 증발산량이 과소 추정된 주된 이유로는 일별 anchor pixels (hot pixel과 cold pixel)로부터 산정한 현열 플럭스의과대추정으로 인한 것으로 판단된다. 본 연구에서는 선행연구(Morse et al., 2000)에서 제시한 토양조건을 고려하기 위해토지 이용도를 이용하여 cold pixel은 관개지역(논)에서 hot pixel은 시가지와 나지에서 선정하도록 하였다. 그러나 선행연구와 달리 우리나라의 경우 논 지역은 5 ~ 9월 사이의 시기에서만 담수재배를 하고 그 외의시기에는 나지와 같아 anchor pixel의 선정에 개선이 필요하다.
kr/)를 참고하였으며, 계산된 매개변수 및 풍속, 일사량 자료는 IDW를 통해 내삽하여 적용하였다. 설마천 유역의 경우 기상관측소가 유역에서 일정 거리 이상 떨어져 있어 유역 인근에 위치한 적성 AWS (Automatic weather station)에서 관측하는 풍속 자료를 이용해 입력 자료의 검증을 실시하였다. 2013년의 풍속 자료를 바탕으로 결정계수를 산정한 결과 0.
본 연구는 선행논문에서 적용했던 SEBAL 모형의 개선을통해 우리나라의 혼효림, 논 지역에 증발산량을 산정하고 설치된 플럭스 타워 실측 증발산량을 이용해 모형의 효용성을검토해보고자 하였다. 연구에 이용한 SEBAL 모형은 Lee et al. (2015)이 구축한 방법과 동일하게 MODIS 위성영상을 이용하여 증발산량을 산정할 수 있도록 일부 알고리즘을 수정하였으며 LST (MOD11_L2), NDVI (MOD13A3), Albedo (MCD43A3) 영상을 500m 해상도로 구축하여 활용하였다. albedo 및 NDVI 영상은 8일 혹은 16일 간격의 자료 활용 시영상 내에 존재하는 이상치가 모형 결과에 영향을 줄 수 있기때문에 보정된 월별 자료를 구축하여 활용하였으며, LST 영상은 구름이나 대기의 교란으로 인해 결측값이 발생하기 때문에 유역 인근의 기상관측소에서 제공하는 지면온도 자료를활용해 공간 내삽법 중 하나인 IDW를 적용하여 gap-filling을실시한 뒤 모의에 활용하였다.
대상 데이터
SEBAL 모형의 지형 자료로는 NGIS (National Geographic Information System)의 1:5,000 수치지도로부터 MODIS 위성영상의 크기와 동일한 격자크기 500 m의 DEM (Digital Elevation Model)을 제작하여 사용하였다(Fig. 4a). 토지이용도는 환경부에서 제공하는 2007년 중분류 토지이용도를 이용하였으며, 우리나라 위도를 맵으로 만들어 이용하였다(Fig.
또한 모형의 매개변수로 각 기상 관측소 지점의위, 경도를 이용해 지점별 태양의 시간각(hour angle), 일출각(sunrise angle), 일몰각(sunset angle)을 일별로 계산하였으며, 태양의 시간각은 Terra 위성의 통과시각인 오전 10:30에대해 계산하였다. 각 매개변수의 계산은 천문우주지식정보(http://astro.kasi.re.kr/)를 참고하였으며, 계산된 매개변수 및 풍속, 일사량 자료는 IDW를 통해 내삽하여 적용하였다. 설마천 유역의 경우 기상관측소가 유역에서 일정 거리 이상 떨어져 있어 유역 인근에 위치한 적성 AWS (Automatic weather station)에서 관측하는 풍속 자료를 이용해 입력 자료의 검증을 실시하였다.
Terra 위성은 705 km 고도에서 일 2회한반도 상공을 지나며, 북쪽에서 남쪽 방향으로 오전 10시 30분경에 적도를 통과한다. 관측범위는 남북방향으로 5000km, 동서방향으로 2,300 km이다. MODIS의 공간해상도는밴드 1과 2는 250 m × 250 m, 밴드 3부터 7은 500 m×500 m및 밴드 8부터 36까지는 1 km×1 km등 세 가지 종류가 있다(Lee et al.
모든 영상은 2012년 1월부터 2013년 12월의 기간에 걸쳐 구축하였으며, MOD11_L2는 일별로, MCD43A3은 8일 간격으로 제공하는 영상으로 이를 월단위로 평균하여 월별 자료로 활용하였다. 또한 MOD13A3은 월별로 제공되는 영상으로MCD43A3과 동일하게 월 자료로 활용하였다. Albedo 및NDVI는 LST에 비해 시계열 변동성이 적고, 8일 혹은 16일간격의 영상을 활용할 경우 영상 내에 이상치가 포함되어 있어 모형결과에 영향을 줄 수 있기 때문이다.
본 연구에서는 Land Processes Dirtributed Active Archive Center (LP DAAC)에서 제공하는 1 km 공간해상도의 Land Surface Temperature/Emissivity (MOD11_L2)와 Normalized Difference Vegetation Index (MOD13A3), 500 m 공간 해상도의 Albedo (MCD43A3)를 구축하였다. 모든 영상은 2012년 1월부터 2013년 12월의 기간에 걸쳐 구축하였으며, MOD11_L2는 일별로, MCD43A3은 8일 간격으로 제공하는 영상으로 이를 월단위로 평균하여 월별 자료로 활용하였다. 또한 MOD13A3은 월별로 제공되는 영상으로MCD43A3과 동일하게 월 자료로 활용하였다.
4b, c). 모형의 기상자료로는 기상 관측소로부터 제공받은 풍속, 풍속측정 높이, 일사량을 활용하였다. SEBAL 모형은 현열플럭스 산정에 지표면으로부터 2 m 높이에서 측정한풍속 자료를 이용하기 때문에 본 연구에서는 각 관측소의 풍속측정 높이를 이용해 2 m 높이의 풍속으로 환산하여 적용되도록 하였다.
본 연구는 플럭스 타워가 설치된 설마천 유역과 청미천 유역을 대상유역으로 선정하였다(Fig. 2). 설마천 플럭스 타워(Seolmacheon mixed forest flux tower, SMK)는 경기도 파주시 적성면의 마지리와 설마리에 위치(북위 37°56′20″, 동경126°57′17″)하고 있으며, 해발고도는 293 m로 설마천 유역의 중류부에 위치한다(Fig.
본 연구에서는 미항공우주국(NASA)에서 제공하는 Terra MODIS 위성영상을 SEBAL 모형의 입력 자료로 사용하였다. Terra MODIS는 1999년 12월에 발사되어 전 지구를 하루혹은 이틀에 걸쳐 관측하며, 36개의 분광 밴드로 0.
본 연구의 대상 유역은 모두 유역 내에 기상관측소가 위치하고 있지 않기 때문에 유역 인근의 관측소로부터 자료를 제공받아 모형의 기상입력 자료로 활용하였다. 설마천 유역은 인근에 위치한 문산(파주), 동두천 관측소를, 청미천 유역의 경우 수원, 이천, 원주, 천안, 청주 관측소의 자료를 제공받았으며, 유역 내 위치한 각 플럭스 타워 지점에서 일별 실측 증발산량 자료를 제공받아 이용하였다.
본 연구의 대상 유역은 모두 유역 내에 기상관측소가 위치하고 있지 않기 때문에 유역 인근의 관측소로부터 자료를 제공받아 모형의 기상입력 자료로 활용하였다. 설마천 유역은 인근에 위치한 문산(파주), 동두천 관측소를, 청미천 유역의 경우 수원, 이천, 원주, 천안, 청주 관측소의 자료를 제공받았으며, 유역 내 위치한 각 플럭스 타워 지점에서 일별 실측 증발산량 자료를 제공받아 이용하였다. 각 기상관측소 및 플럭스 타워에 위치는 Fig.
설마천 플럭스 타워(Seolmacheon mixed forest flux tower, SMK)는 경기도 파주시 적성면의 마지리와 설마리에 위치(북위 37°56′20″, 동경126°57′17″)하고 있으며, 해발고도는 293 m로 설마천 유역의 중류부에 위치한다(Fig. 2a).
청미천 플럭스 타워(Cheongmicheon farmland flux tower, CFK)는 경기도 여주군 점동면 농업기술원의 종자관리소 논지(북위 37°09′35″, 동경 127°39′10″)에 위치하며, 지점의 해발고도는 141 m 이다(Fig. 2b).
이론/모형
Gap-Filling은기상청에서 제공하는 지면온도 자료를 이용해 Alcamo et al(1997)이 제안한 Eq. (5)를 적용해 편이보정(Bias Correction)한 뒤, 두 영상의 유효한 값을 각각 추출하여 통합하고 공간내삽법 중 하나인 역거리 가중법(Inverse Distance Weighted; IDW)을 적용해 공간분포화 하였다(Eq. (6)).
Table 1은 모의기간동안의 플럭스타워 실측 증발산량과SEBAL 모의 증발산량을 계절별로 비교하여 나타낸 것이다. 모의 결과에 따른 모형의 적합성과 상관성을 판단하기 위한목적함수로는 결정계수(R2), 평균제곱근오차(average root mean square error, RMSE), IOA (index of agreement) 및Nash and Sutcliffe (1970)가 제안한 모형효율성계수(Nash-Sutcliffe efficiency, NSE)를 사용하였다. 여기서 R2, IOA 및NSE는 값이 1에 가까울수록, RMSE는 0에 가까울수록 모의값과 실측값의 상관성이 높음을 의미한다(Moriasi et al.
4a). 토지이용도는 환경부에서 제공하는 2007년 중분류 토지이용도를 이용하였으며, 우리나라 위도를 맵으로 만들어 이용하였다(Fig. 4b, c). 모형의 기상자료로는 기상 관측소로부터 제공받은 풍속, 풍속측정 높이, 일사량을 활용하였다.
성능/효과
또한 지표의 가열로 인한 대기의 부양효과를 고려하기 위해 반복 순환 계산을 하여 오차를 최소화한 뒤 현열을 산정하는데, 본 연구에서는 일별로 약 7 ~ 9회 순환 계산을 통해 일정한 현열 값으로 수렴하는 것으로 나타났다.
2012년부터 2013년까지 증발산량을 산정한 결과 플럭스타워 실측 증발산량과 시계열 분포는 유사하게 모의되었으나, 전체적인 모의 증발산량은 과소 추정되는 모습을 보였다.이는 일별 anchor pixels (hot pixel과 cold pixel)로부터 산정한 현열 플럭스의 과대추정으로 인한 것으로 판단되며, 본 연구의 활용한 anchor pixel 선정 알고리즘을 국내 실정에 맞게 더욱 개선한다면 보다 신뢰성 있는 결과를 얻을 수 있을 것으로 판단된다.
(6)에서 z0는 추정치, i는 영향 범위내에 해당하는 샘플 위치, w는 점 사이 거리(d)에 반비례(1/d)하는 가중치이다. MOD11_L2 지면온도와 기상청 지면온도의 편의보정 전후의 결정계수는 각각 0.79, 0.99로편의 보정 후 결정계수(coefficient of determination, R2)가향상됨을 보였다.
를 제외한 다른 목적함수는 겨울의 모의 결과가 가장 좋은 것으로 나타났다. RMSE는 SMK와 CFK 모두 겨울철에 0에 가장 가깝게 계산되며 상관성이 가장 높은 것으로 계산되었고, IOA와 NSE 또한 겨울철에 1에 가깝게 나타나며 가장높은 상관성을 보였다. 이는 표본 집단의 1:1 비례관계에 따른일치 정도를 판별하는 R2와 달리 실측값의 평균을 기준으로계산하는 IOA와 NSE 및 제곱근 오차를 계산하는 RMSE는 함수 계산상의 특성으로 인해 0 ~ 10 mm 이하로 매우 작게모의되는 모의 값이 오히려 상관성을 더 좋게 나타내는 것으로 보인다(Moriasi et al.
SMK의 계절별 증발산량은 실측값과 모의값 모두 여름에가장 높고 봄과 가을에 근소한 차이를 보인 반면, CFK는 여름철에 가장 높고 봄에 두 번째로 높은 것으로 나타났다. 이는각 지점의 토지피복 특성에따라 혼효림 지역인 SMK는 봄/가을의 식생 변화가 크지 않기 때문에 각 계절의 증발산량도 큰차이를 보이지 않으나, CFK는 작물의 경작시기에 따라 봄부터 여름까지 증발산량이 최대화 되었다가 작물의 수확으로인한 식생의 급격한 변화로 인해 가을에는 증발산량이 감소하는 것으로 판단된다.
SMK의 계절별 증발산량은 실측값과 모의값 모두 여름에가장 높고 봄과 가을에 근소한 차이를 보인 반면, CFK는 여름철에 가장 높고 봄에 두 번째로 높은 것으로 나타났다. 이는각 지점의 토지피복 특성에따라 혼효림 지역인 SMK는 봄/가을의 식생 변화가 크지 않기 때문에 각 계절의 증발산량도 큰차이를 보이지 않으나, CFK는 작물의 경작시기에 따라 봄부터 여름까지 증발산량이 최대화 되었다가 작물의 수확으로인한 식생의 급격한 변화로 인해 가을에는 증발산량이 감소하는 것으로 판단된다.
또한 지점별 NDVI의 값의 차이에 따라 모의 증발산량이 변화함으로써 위성 자료인 NDVI 및 albedo를 통해 지상의 토지피복 특성을 고려하여 모의할 수 있음을 나타냈다. 각 지점에서 전체 모의 기간에 대한 R2는 CFK가 0.78, SMK에서 0.54로선행연구에 비해 개선된 상관성을 보였다. SEBAL 증발산량의 공간분포는 선행연구(Lee et al.
각 지점의 연별 R2는 CFK에서 2012년에 0.77, 2013년에0.80으로 2013년이 2012년보다 상관성이 더 좋게 나타났으며, SMK의 R2는 2012년에 0.53, 2013년에 0.54로 CFK에 비해 약한 상관성을 보였다. 계절별 R2는 SMK에서는 2012년봄에 0.
5는 SMK와 CFK에서 관측한 증발산량과 해당지점에서 SEBAL 모형을 이용해 모의한 증발산량을 추출해비교한 것이다. 각 플럭스 타워에서 2012년부터 2013년까지실측증발산량 최대값은 CFK가 5.2 mm/day, SMK가 3.7 mm/day로 CFK의 최대값이 약 1.7배 높은 모습을 보이며 전반적인 증발산량 분포는 CFK에서 높은 모습을 보이고 있다. 이는 CFK의 경우 5월부터 9월까지의 논의 경작시기 동안 담수재배를 하며 수면으로부터 일어나는 증발의 양이 전체적인 증발산량의 증가의 원인이 되는 것으로 보인다.
특히, 여름철 장마기간에 나타나는 전체적인 증발산량의 감소와 장마기간 뒤에 반등하는 경향성을 따라가는 모습을 보여 위성영상을 통한 증발산량의 산정이지면의 기상조건과 연관성을 가질 수 있음을 나타냈다. 각지점에서의 albedo와 NDVI를 추출해 비교해본 결과, SMK에서 2013년 여름에 NDVI의 저하에 따라 모의 증발산량이감소하는 모습을 보였고, 겨울에 albedo가 상승하고 NDVI가감소함에 따라 증발산량이 적게 모의되는 모습을 나타냈다.또한 지점별 NDVI의 값의 차이에 따라 모의 증발산량이 변화함으로써 위성 자료인 NDVI 및 albedo를 통해 지상의 토지피복 특성을 고려하여 모의할 수 있음을 나타냈다.
73으로 상관성이 가장 좋은 것으로 나타났다. 대상 지역 인근의 기상관측소 중 운량 자료를 제공하는 4개 관측소(원주,수원, 청주, 천안)로부터 계절별 운량 분석 결과, 여름철의 평균 운량은 2012년에 64.8%, 2013년에 63.6%로 가장 높았으며 봄, 가을에는 2012년에 각각 48.4%, 47.5%, 2013년에43.1%, 43.7%로 50% 이하로 나타났다. 높은 운량은 MODIS LST 일 자료의 유효값 획득을 저하시키는 큰 원인이 되며, 여름철 상관계수가 낮게 나타나는 원인으로 작용했을 것으로사료된다.
각지점에서의 albedo와 NDVI를 추출해 비교해본 결과, SMK에서 2013년 여름에 NDVI의 저하에 따라 모의 증발산량이감소하는 모습을 보였고, 겨울에 albedo가 상승하고 NDVI가감소함에 따라 증발산량이 적게 모의되는 모습을 나타냈다.또한 지점별 NDVI의 값의 차이에 따라 모의 증발산량이 변화함으로써 위성 자료인 NDVI 및 albedo를 통해 지상의 토지피복 특성을 고려하여 모의할 수 있음을 나타냈다. 각 지점에서 전체 모의 기간에 대한 R2는 CFK가 0.
7은 각 플럭스 타워의 실측 증발산량과 모의 증발산량의 상관성을 분석하여 나타낸 것이다. 모의 증발산량과 실측증발산량의 결정계수(R2)는 CFK가 0.78, SMK에서 0.54로CFK의 상관성이 더 높은 것으로 나타났다.
플럭스 타워 실측 증발산량 또한 겨울철은 거의 0에 가까운 모습을 보인다. 선행논문(Lee et al., 2015)의경우 albedo 및 NDVI에 월별 보정 계수를 적용해 각 인자들의 월별 분포가 일정하지 않고 산발적인 모습을 보인 반면 본 연구에서는 월별 보정 계수를 적용하지 않고 입력 자료의 개선 및 보정, 현열 플럭스 산정 알고리즘의 개선을 통해 결과의 신뢰성을 높이고자 하였으므로, NDVI 및 albedo의 월별 분포는 시계열 변동성이 일정하게 나타난다.
이는 지점별 토지 피복 특성에 따라 혼효림 지역인 SMK는 봄/가을의 식생 변화가 크지 않기 때문에 각 계절의 증발산량도 큰 차이를 보이지 않으나, CFK는 작물의 경작시기에 따라봄부터 여름까지 증발산량이 최대화 되었다가 작물의 수확으로 인한 식생의 급격한 변화로 인해 가을에는 증발산량이감소하는 것으로 판단된다. 특히, 여름철 장마기간에 나타나는 전체적인 증발산량의 감소와 장마기간 뒤에 반등하는 경향성을 따라가는 모습을 보여 위성영상을 통한 증발산량의 산정이지면의 기상조건과 연관성을 가질 수 있음을 나타냈다. 각지점에서의 albedo와 NDVI를 추출해 비교해본 결과, SMK에서 2013년 여름에 NDVI의 저하에 따라 모의 증발산량이감소하는 모습을 보였고, 겨울에 albedo가 상승하고 NDVI가감소함에 따라 증발산량이 적게 모의되는 모습을 나타냈다.
후속연구
, 2015). 따라서 본 연구의 활용한 anchor pixel 선정 알고리즘을 국내 실정에 맞게 더욱개선한다면 보다 신뢰성 있는 결과를 얻을 수 있을 것으로 판단된다.
2012년부터 2013년까지 증발산량을 산정한 결과 플럭스타워 실측 증발산량과 시계열 분포는 유사하게 모의되었으나, 전체적인 모의 증발산량은 과소 추정되는 모습을 보였다.이는 일별 anchor pixels (hot pixel과 cold pixel)로부터 산정한 현열 플럭스의 과대추정으로 인한 것으로 판단되며, 본 연구의 활용한 anchor pixel 선정 알고리즘을 국내 실정에 맞게 더욱 개선한다면 보다 신뢰성 있는 결과를 얻을 수 있을 것으로 판단된다. SMK의 계절별 증발산량은 실측값과 모의값 모두 여름에 가장 높고 봄과 가을에 근소한 차이를 보인 반면, CFK는 여름철에 가장 높고 봄에 두 번째로 높은 것으로 나타났다.
질의응답
핵심어
질문
논문에서 추출한 답변
증발산이 제공하는 정보는 무엇인가?
또한 증발산에 직접적인 관계가 있는 순복사량은 대기와 지표상태의 따른 단파, 장파 복사의 유출입 특성에 의해 결정된다.이처럼 증발산은 대기와 주변 환경의 다양한 특성에 영향을받기 때문에 지역의 에너지 수지를 알 수 있는 종합적인 지표이며 지역 환경을 이해하는 데에 기초가 된다(Sellers et al.,1996; Bonan, 2008; Im, 2013).
증발산에 관계가 있는 순복사량이 결정되는 요소는 무엇인가?
증발산은 기상(기온, 상대습도, 풍속, 기압 등) 상태와 지표환경(지표온도, 토양수분, 지표 반사도 등)에 영향을 받는다.또한 증발산에 직접적인 관계가 있는 순복사량은 대기와 지표상태의 따른 단파, 장파 복사의 유출입 특성에 의해 결정된다.이처럼 증발산은 대기와 주변 환경의 다양한 특성에 영향을받기 때문에 지역의 에너지 수지를 알 수 있는 종합적인 지표이며 지역 환경을 이해하는 데에 기초가 된다(Sellers et al.
물수지 방법과 에너지 수지 방법의 특징은 무엇인가?
정량적인 증발산량을 측정하기 위해 Bowen Ratio Energy Balance Systems (BREBS), Eddy Correlation Systems (ECS), Lysimeter 등 물수지 방법과 에너지 수지 방법을 이용한 다양한 방법들이 개발되어 제시되었다. 물수지 방법은 강우량과증발산량, 유출 및 침투 등 수문요소들의 이동에 따른 균형을이용하여 증발산을 산정하며, 년 단위의 장기간의 증발산 산정에 적합하다. 반면 에너지 수지 방법은 유입 및 유출되는 단파, 장파 복사량의 균형을 이용해 증발산을 산정하는 방법으로 단기간의 증발산 산정에도 적합하다(Sur et al., 2012).
참고문헌 (41)
Ahmad, M.D., Biggs, T., Turral, H., and Scott, C.A. (2006). "Application of SEBAL approach and MODIS time-series to map vegetation water use patterns in the data scarce Krishna river basin of India." Water Science & Technology, Vol. 53, No. 10, pp. 83-90.
Alcamo, J., Doll, P., Kaspar, F., and Siebert, S. (1997). Global change and global scenarios of water use and availability: An application of Water GAP 1.0. Report A9701. Kassel, Germany: University of Kassel, Center for Environmental Systems Research.
Allen, R., Tasumi, M., Trezza, R., Waters, R., and Bastiaanssen. W. (2002). Surface Energy Balance Algorithm for Land (SEBAL)-Advanced training and Users Manual. Idaho implementation, version 1.
Allen, R.G., Tasumi, M., and Trezza, R. (2007). "Satellite-based energy balance for Mapping Evapotranspiration with Internalized Calibration (METRIC)-Model." Journal of Irrigation Drainage Engineering. Vol. 133, No. 4, pp. 380-394.
Anderson, M.C., Norman, J.M., Diak, G.R., Kustas, W.P., and Mecikalski, J.R. (1997). "A twosource time-integrated model for estimating surface fluxes using thermal infrared remote sensing." Remote Sensing of Environment. Vol. 60, No. 2, pp. 195-216.
Bastiaanssen, W.G.M., Noordman, E.J.M., Pelgrum, H., Davids, G., Thoreson, B.P., and Allen, R.G. (2005). "SEBAL Model with Remotely Sensed Data to Improve Water-Resources Management under Actual Field Conditions." Journal of Irrigation and Drainage Engineering, Vol. 131, pp. 85-93.
Bastiaanssen, W.G.M., Menenti, M., Feddes, R.A., and Holtslag, A.A.M. (1998). "A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation." Journal of Hydrology, Vol. 212-213, pp. 198-212.
Bonan, G. (2008), Ecological Climatology: Concepts and Applications, Second Edition, Cambridge University Press, Cambridge USA.
Choi, M., Kustas, W.P., Anderson, M.C., Allen, R.G., Li, F., and Kjaersgaard, J.H. (2009). "An intercomparison of three remote sensingbased surface energy balance algorithms over a corn and soybean production region(IOWA, U.S.) during SMACEX", Agricultural and Forest Meteorology, Vol. 149, No. 12, pp. 2082-2097.
Di, L., Singh, V.P., and Li, Z.L. (2011). "How sensitive is SEBAL to changes in input variables, domain size and satellite sensor?", Journal of Geophysical Research: Atmospheres (1984-2012), Vol. 116, No. D21.
Di, L., Singh, V.P., and Scanlon, B.R. (2012). "Deriving theoretical boundaries to address scale dependencies of triangle models for evapotranspiration estimation." Journal of Geophysical Research. Vol. 117, No. D5, D05113.
Gowda, P.H., Howell, T.A., Chavez, J.L., Copeland, K.S., and Paul, G. (2008). "Comparing SEBAL ET with lysimeter data in the Semi-arid Texas High Plains." Proceedings of the World Environmental & Water Resources Congress 2008, pp. 12-16.
Ha, R., Shin, H.J., Lee, M.S., and Kim, S.J. (2010). "Estimation of Spatial Evapotranspiration Using satellite images and SEBAL Model." Journal of the Korean Society of Civil Engineers, Vol. 30, No. 3B, pp. 233-242.
Hong, S., Hendrickx, J., and Borchers, B. (2009). "Up-scaling of SEBAL derived evapotranspiration maps from Landsat (30m) to MODIS (250m) scale." Journal of hydrology, Vol. 370, No. 1, pp. 122-138.
Im, J.S. (2013). Applicability evaluation of SEBAL using multitemporal satellite images and observed evapotranspiration data : focused on Wangsuk river basin, Master of Philosophy, Department of Geography, Seoul National University.
Jeong, S.T., Jang, K.C., Kang, S.K., Kim, J., Kondo, H., Gamo, M., Asanuma, J., Saigusa, N., Wang, S., and Han, S. (2009). "Evaluation of MODIS-derived Evapotranspiration at the Flux Tower Sites in East Asia." Korean Journal of Agricultural and Forest Meteorology, Vol. 11, No. 4, pp. 174-184.
Jiang, L., and Islam, S., (2001). "Estimation of surface evaporation map over southern Great Plains using remote sensing data." Water Resources Research. Vol. 37, No. 2, pp. 329-340.
Kotoda, K. (1989). "Estimation of river basin evapotranspiration from consideration of topographies and land use conditions, Estimation of Areal Evapotranspiration", IAHS Publ. no. 177.
Korea Institute of Construction Technology, (2006). Operation and research on the hydrological characteristics of the experimental catchment. Korea Institute of Construction Technology 2006-062, pp. 182.
Kwon, H.J., Lee, J.H., Lee, Y.K., Lee, J.W., Jung, S.W., and Kim, J. (2009). "Seasonal Variations of Evapotranspiration Observed in a Mixed forest in the Seolmacheon Catchment", Korean Journal of Agricultural and Forest Meteorology, Vol. 11, No. 1, pp. 39-47.
Lee, H.C., Lee, B.Y., Kim, J., and Shim, J.S. (2004). "Tower-based Flux Measurement Using the Eddy Covariance Method at Ieodo Ocean Research Station." Ocean and Polar Research, Vol. 26, No. 2, pp. 145-154.
Lee, Y.G., Kim, S.H., Ahn, S.R., Choi, M.H., Lim, K.S., and Kim, S.J. (2015). "Estimation of Spatial Evapotranspiration Using Terra MODIS satellite image and SEBAL Model-For Yongdam Dam Watershed-" Journal of the Korean Association of Geographic Information Studies, Vol. 18, No. 1, pp 90-104.
Menenti, M., and Choudhury, B.J. (1993). "Parameterization of land surface evapotranspiration using a location dependent potential evapotranspiration and surface temperature range." In: H.J. Bolle et al. (editors), Exchange processes at the land surface for a range of space and time scale, IAHS Publ. No. 212, pp. 561-568.
MLTM. (2008). Streamflow ivestigation report in 2008, Ministry of Land, Transport and Maritime Affair.
Moran, M.S., Clarke, T.R., Inoue, Y., and Vidal, A. (1994). Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index. Remote Sensing of Environment. Vol. 49, No. 3, pp. 246-263.
Moriasi, D., Arnold, J., Van Liew, M., Bingner, R., Harmel R., and Veith. T. (2007). "Model evaluation guidelines for systematic quantification of accuracy in watershed simulations." Transactions of the ASABE, Vol. 50, No. 3, pp. 885-900.
Morse, A., Tasumi, M., Allen, R.G., and Kramber, W.J. (2000). Application of the SEBAL methodology for estimating consumptive use of water and streamflow depletion in the Bear River Basin of Idaho through remote sensing. Idaho Department of Water Resources-University of Idaho.
Nash, J.E., and Sutcliffe, J.E. (1970). "River flow forecasting though conceptual models: Part I, A discussion of principles." Journal of Hydrology, Vol. 10, No. 3, pp. 282-290.
Nishida, K., Nemani, R.R., Running, S.W., and Glassy, J.M. (2003). "An operational remote sensing algorithm of land surface evaporation." Journal of Geophysical Research: Atmospheres (1984-2012), Vol. 108, No. D9.
Norman, J.M., Kustas, W.P., and Humes, K.S. (1995). "Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature." Agricultural and Forest Meteorology, Vol. 77, No. 3-4, pp. 263-293.
Ruhoff, A.L, Paz, A.R., Collischonn, W., Aragao, L.E.O.C., Rocha, H.R., and Malhi, Y.S. (2012). "A MODIS-based energy balance to estimate evapotranspiration for clear-sky days in Brazilian tropical savannas." Remote Sensing, Vol. 4, No. 3, pp. 703-725.
Sellers, P.J., Randall, D.A., Collatz, G.J., Berry, J.A., Field, C.B., Dazlich, D.A., Zhang, C., Collelo, G.D., and Nounoua, L. (1996). "A revised land surface parameterization (SiB2) for atmospheric GCMS, Part 1: Model formulation." Journal of Climate, Vol. 9, pp. 676-705.
Singh, R.K, Irmak, A., Irmak, S., Martin, D. (2008). "Application of SEBAL model for mapping evapotranspiration and estimating surface energy fluxes in south-central Nebraska." Journal of irrigation and drainage engineering, Vol. 134, pp. 273-285.
Sur, C.Y., Han, S.J., Lee, J.H., and Choi, M.H. (2012). "Estimation of Satellite-based Spatial Evapotranspiration and Validation of Fluxtower Measurements by Eddy Covariance Method", Korean Journal of Remote Sensing, Vol. 28, No. 4, pp. 435-448.
Tang, R., Li, Z.-L., Chen, K.-S., Jia, Y., Li, C., and Sun, X. (2013). "Spatial-scale effect on the SEBAL model for evapotranspiration estimation using remote sensing data." Agricultural and Forest Meteorology, Vol. 174-175, pp. 28-42.
Tang, R., and Li, Z.-L. (2015). "Evaluation of two end-member-based models for regional land surface evapotranspiration estimation from MODIS data." Agricultural and Forest Meteorology. Vol. 202, pp. 69-82.
Tasumi, M,, Allen, R.G., and Trezza, R. (2008). "At-surface reflectance and albedo from satellite for operational calculation of land surface energy balance." Journal of Hydrologic Engineering, Vol. 13, No. 2, pp. 51-63.
Teixeira, A., Bastiaanssen, W.G.M., Ahmad, M.D., and Bos, M.G. (2009). "Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the low-middle Sao Francisco River basin, Brazil. Part A: calibration and validation." Agricultural and Forest Meteorology, Vol. 149, pp. 462-476.
Yoo, J.W. (2003). The Estimation of Evapotranspiration with SEBAL Model in the Geumgang Upper Basin, Korea. Master of Philosophy, Department of Geography, Seoul National University.
Zhang, R.H., Sun, X., Wang, W., Xu, J., Zhu, Z., and Tian, J. (2005). "An operational two-layer remote sensing model to estimate surface flux in regional scale: physical background." Ser. D Earth Sci. Vol. 48, pp. 225-244.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.