[논문]우리나라 농지의 기준증발산 격자자료 비교평가: 2016-2019년의 사례연구

김서연; 정예민; 조수빈; 윤유정; 김나리; 이양원

doi:10.7780/kjrs.2020.36.6.1.14

우리나라 농지의 기준증발산 격자자료 비교평가: 2016-2019년의 사례연구
A Comparison between the Reference Evapotranspiration Products for Croplands in Korea: Case Study of 2016-2019 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.6 pt.1, 2020년, pp.1465 - 1483

김서연 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 정예민 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 조수빈 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 윤유정 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 김나리 (부경대학교 지오메틱연구소) , 이양원 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공)

초록
AI-Helper

증발산은 토양으로부터 발생하는 증발과 식물의 잎에서 발생하는 증산을 통칭하는 것으로, 물 수지, 가뭄, 작물생장, 기후변화 등의 모니터링에 있어 중요한 요소이다. 실제증발산은 식생 지표면의 물 소비량 또는 물 필요량이며 기준증발산에 작물계수를 곱하여 구하므로, 농지의 실제증발산을 구하기 위해서는 기준증발산의 계산이 정확히 이루어져야 한다. 격자형 기준증발산을 합리적으로 산출하기 위하여 그동안 많은 노력들이 있었고 복수의 산출물이 제공되고 있다. 이에 본 연구에서는 FAO56-PM, LDAPS, PKNU-NMSC, MODIS 기준증발산 산출물을 비교평가 함으로써, 우리나라처럼 복합적이고 이질적인 지표면에서 국지적 규모의 수문 및 농업 분야에 활용하기 위하여 어떤 기준증발산 산출 방법이 적합한지 살펴보고자 한다. 2016~2019년 3~11월의 1일 단위 자료와 8일 합성 자료를 기상청 현장관측치와 비교하여 지점별, 연도별, 월별로 분석하고 시계열변화를 검토한 결과, 기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어졌음을 확인하였다. 또한 본연구에서는 FAO56-PM, LDAPS, MODIS 산출물에 내재한 정확도 특성을 제시하였으며, 이는 기준증발산 자료 사용에 있어 중요한 정보가 될 것으로 기대한다.

Abstract ▼ AI-Helper

Evapotranspiration is a concept that includes the evaporation from soil and the transpiration from the plant leaf. It is an essential factor for monitoring water balance, drought, crop growth, and climate change. Actual evapotranspiration (AET) corresponds to the consumption of water from the land surface and the necessary amount of water for the land surface. Because the AET is derived from multiplying the crop coefficient by the reference evapotranspiration (ET0), an accurate calculation of the ET0 is required for the AET. To date, many efforts have been made for gridded ET0 to provide multiple products now. This study presents a comparison between the ET0 products such as FAO56-PM, LDAPS, PKNU-NMSC, and MODIS to find out which one is more suitable for the local-scale hydrological and agricultural applications in Korea, where the heterogeneity of the land surface is critical. In the experiment for the period between 2016 and 2019, the daily and 8-day products were compared with the in-situ observations by KMA. The analyses according to the station, year, month, and time-series showed that the PKNU-NMSC product with a successful optimization for Korea was superior to the others, yielding stable accuracy irrespective of space and time. Also, this paper showed the intrinsic characteristics of the FAO56-PM, LDAPS, and MODIS ET0 products that could be informative for other researchers.

주제어

표/그림 (24)

그림 Fig. 1. Measurement locations for the reference evapotranspiration (ET₀) by the Korea Meteorological Administration (KMA) (Kim et al., 2020).
표 Table 1. Spatial and temporal resolutions of the data used for the comparison of reference evapotranspiration (ET₀)
그림 Fig. 2. Scatterplots of the FAO56-PM ET₀ vs. KMA in situ data(a), LDAPS ET₀ vs. KMA in situ data(b) and PKNU-NMSC ET₀ vs. KMA in situ data(c) for daily data in the 2016-2019 period.
표 Table 2. Accuracy comparison of the daily ET₀ data, 2016-2019
표 Table 3. Accuracy statistics of the daily ET₀ data for the nine stations in Korea
그림 Fig. 3. Observed and estimated daily ET₀ (FAO56-PM) by station.
그림 Fig. 4. Observed and estimated daily ET₀ (LDAPS) by station.
그림 Fig. 5. Observed and estimated daily ET₀ (PKNU-NMSC) by station.
표 Table 4. Accuracy statistics of the daily ET₀ data according to year
그림 Fig. 6. Observed and estimated daily ET₀ (FAO56-PM) by year.
그림 Fig. 7. Observed and estimated daily ET₀ (LDAPS) by year.
그림 Fig. 8. Observed and estimated daily ET₀ (PKNU-NMSC) by year.
표 Table 5. Accuracy statistics of the daily ET₀ data according to month
그림 Fig. 9. Observed and estimated daily ET₀ (FAO56-PM) by month.
표 Table 5. Continued
그림 Fig. 10. Observed and estimated daily ET₀ (LDAPS) by month.
그림 Fig. 11. Observed and estimated daily ET₀ (PKNU-NMSC) by month.
그림 Fig. 12. Time series of daily ET₀ data by station in 2019.
표 Table 6. Accuracy comparison of the 8-day composite ET₀ data, 2016-2019
그림 Fig. 13. Scatterplots of the FAO56-PM ET₀ vs. KMA in situ data (a), LDAPS ET₀ vs. KMA in situ data (b), PKNU-NMSC ET₀ vs. KMA in situ data (c) and MODIS ET₀ vs. KMA in situ data (d) for 8-day composite in the 2016-2019 period.
표 Table 7. Accuracy statistics of the 8-day composite ET₀ data for the nine stations in Korea
표 Table 8. Accuracy statistics of the 8-day composite ET₀ data according to year
표 Table 9. Accuracy statistics of the 8-day composite ET₀ data according to month
그림 Fig 14. Time series of 8-day composite ET₀ data by station in 2019.

AI 본문요약
AI-Helper

문제 정의

이렇듯 다양한 격자형 증발산 자료가 존재하지만, 우리나라처럼 복합적이고 이질적인 지표면에서 국지적 규모의 수문 및 농업 분야에 활용하기 위해서 어떤 증발산 자료가 적합한지 살펴보는 비교연구는 거의 찾아보기 힘들다. 이에 본 연구에서는 우리나라의 복잡지형에 적합한 공간해상도(500 m~1.5 km)와 수문 및 농업 분야에 적용가능한 시간해상도(1일~8일)를 기준으로 하여 MODIS, LDAPS, PKNU-NMSC 기준증발산 산출물을 비교평가하고자 한다. 또한 최근의 수치예보 모델은 FAO56-PM 방정식에 필요한 기상변수를 모두 격자형으로 제공하기 때문에, 우리나라 농지에 직접 FAO56-PM 방정식을 적용하여 도출한 기준증발산 격자형 자료도 비교대상에 포함하였다.

제안 방법

2016~2019년 3~11월에 대하여 MODIS, LDAPS, FAO56-PM, PKNU-NMSC의 4가지 기준증발산 자료를 비교 분석하였다. 이때 1일 단위 비교에는 LDAPS, FAO56-PM, PKNU-NMSC가 사용되었고, 8일 단위 분석에는 LDAPS, FAO56-PM, PKNU-NMSC 및 MODIS가 사용되었다.
5 km 격자에 3시간마다 기상예보를 제공한다. LDAPS의 지표면 물리과정 및 에너지수지 모의에는 JULES(Joint UK Land Environment Simulator)가 사용되었으며, 본 연구에서는 FAO56-PM 방정식으로 기준증발산을 산출을 위해서 2016년부터 2019년까지 매일 3시간 간격으로 순복사, 지열플럭스, 기온, 풍속, 상대습도 변수를 추출하였다. 또한 LDAPS는 잠열플럭 스 변수를 제공하는데, 이는 FAO56-PM가 아닌 JULES에 의해 계산된 것으로서, 지표면온도를 이용한 단위 변환을 통해 기준증발산량으로 대체할 수 있기 때문에 하나의 독립된 산출물로 간주하여 비교대상으로 선정하였다.
지점 단위 관측의 공간적 한계를 극복하고 격자형 기준증발산을 합리적으로 산출하기 위해서 그동안 많은 노력들이 있었고, 현재 복수의 산출물이 제공되고 있다. 그러나 우리나라처럼 지표면의 비균질성이 뚜렷한 경우에는 기준증발산 자료의 지역최적화가 매우 중요하기 때문에, 본연구에서는 우리나라 농지에 대하여 FAO56-PM, LDAPS, MODIS, PKNU-NMSC의 기준증발산 자료를 비교평가 하였다. 기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어진 것으로 보인다.
본 연구에서는 Terra MODIS 500 m 해상도의 8일 합성 기준증발산 산출물(MOD16A2GF)을 사용하였는데, 이 자료는 연말에 1년간의 데이터를 취합한 뒤 시공간통계를 이용하여 갭필링시킨 산출물이다. 또한, 우리나라에서 농지를 추출하기 위하여 500 m 해상도의 토지피복분류 산출물 MCD12Q1를 사용하였으며, IGBP(International Geosphere Biosphere Program) 코드12(croplands)와 14(cropland / natural vegetation mosaic)의 픽셀을 추출하여 농지로 설정하였다.
본연구에서는 FAO56-PM 방정식에 격자형 일기상 자료(순복사, 지열플럭스, 기온, 풍속, 포화수증기압, 실제 수증기압)를 투입하여 1일 단위 기준증발산 격자자료를 산출하였다.
본연구에서는 LDAPS 지표면온도를 이용하여 잠열플럭스를 기준증발산으로 변환하여 사용하였다.

대상 데이터

MODIS는 미국항공우주국(NASA)이 Terra와 Aqua 에 탑재한 지구환경감시용 위성센서이다. 본 연구에서는 Terra MODIS 500 m 해상도의 8일 합성 기준증발산 산출물(MOD16A2GF)을 사용하였는데, 이 자료는 연말에 1년간의 데이터를 취합한 뒤 시공간통계를 이용하여 갭필링시킨 산출물이다. 또한, 우리나라에서 농지를 추출하기 위하여 500 m 해상도의 토지피복분류 산출물 MCD12Q1를 사용하였으며, IGBP(International Geosphere Biosphere Program) 코드12(croplands)와 14(cropland / natural vegetation mosaic)의 픽셀을 추출하여 농지로 설정하였다.
또한 최근의 수치예보 모델은 FAO56-PM 방정식에 필요한 기상변수를 모두 격자형으로 제공하기 때문에, 우리나라 농지에 직접 FAO56-PM 방정식을 적용하여 도출한 기준증발산 격자형 자료도 비교대상에 포함하였다. 실험기간은 2016년~2019년의 3월~11월이며, 기상청에서 제공하는 9개 지점의 현장관측 기준증발산 자료를 참값으로 참조하여 정확도 통계량을 구하였다. 이를 통하여 우리나라 농지의 기준증발산 격자자료를 사용하고자 하는 이후의 타 연구들을 위하여, 자료의 정확도에 관한 객관적인 정보제공에 기여할 수 있을 것이다.

데이터처리

이때 1일 단위 비교에는 LDAPS, FAO56-PM, PKNU-NMSC가 사용되었고, 8일 단위 분석에는 LDAPS, FAO56-PM, PKNU-NMSC 및 MODIS가 사용되었다. 기상청 현장관측치는 1시간 단위를 자료를 1일 평균 및 8일 평균으로 계산하여 참값으로 설정하였으며, 이를 참조하여 분석한 정확도 통계량은 MBE(mean bias error), MAE(mean absolute error), RMSE (root mean square error), NRMSE(normalized root mean square error), CC(correlation coefficient) 등으로 집계하였다.

성능/효과

그러나 우리나라처럼 지표면의 비균질성이 뚜렷한 경우에는 기준증발산 자료의 지역최적화가 매우 중요하기 때문에, 본연구에서는 우리나라 농지에 대하여 FAO56-PM, LDAPS, MODIS, PKNU-NMSC의 기준증발산 자료를 비교평가 하였다. 기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어진 것으로 보인다. 또한 FAO56-PM을 우리나라 격자에 적용하거나 LDAPS 및 MODIS 산출물을 우리나라 농지에 활용할 때 필요한, 그 자료들에 내재한 정확도 특성을 제시하였으며, 이는 기준증발산 자료를 사용하는 연구에 있어 중요한 정보가 될 것으로 기대한다.
지점 관측에 있어 가장 표준적으로 FAO56-PM 방정식의 경우, 과거에는 입력 파라미터가 모두 격자형으로 갖추어지지 않아 공간연속면 자료의 산출에 별로 활용되지 않았으나, 최근 들어 순복사, 지열플럭스, 기온, 풍속, 습도 등의 변수가 격자자료로 제공되어 FAO56-PM 방정식의 공간연속면 확장이 가능해졌다. 본연구에서 LDAPS 기상자료를 이용하여 FAO56-PM 방정식을 공간연속면에 적용한 결과, 전체 적인 패턴은 현장관측치와 비슷하지만 상당한 과소추정의 경향이 있는 것으로 확인되었다. FAO56-PM 방정식은 시간과 장소에 상관없이 적용되므로, 이는 LDAPS 순복사, 지열플럭스, 기온, 풍속, 습도 중에서 FAO56- PM 방정식과 잘 어울리지 않는 변수가 있기 때문으로 사료된다.

후속연구

FAO56-PM 방정식은 시간과 장소에 상관없이 적용되므로, 이는 LDAPS 순복사, 지열플럭스, 기온, 풍속, 습도 중에서 FAO56- PM 방정식과 잘 어울리지 않는 변수가 있기 때문으로 사료된다. LDAPS는 지표면의 에너지수지보다는 기상예보의 목적이 강하기 때문에, 기온, 풍속, 습도는 상당히 잘 모의되었을 것으로 추측되나, 순복사와 지열플럭스는 현장관측자료와의 비교를 통해 그 변수 자체의 정확도에 대해 보다 더 검토가 필요할 것으로 보인다. 또한 LDAPS의 잠열 플럭스로부터터 변환한 기준증발산도 과소추정의 경향이 상당히 나타났는데, 영국 기상청의 지표면모델 적용 시에 우리나라에 대한 지역최적화가 충분하지 않았을 가능성 때문으로 추정된다.
기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어진 것으로 보인다. 또한 FAO56-PM을 우리나라 격자에 적용하거나 LDAPS 및 MODIS 산출물을 우리나라 농지에 활용할 때 필요한, 그 자료들에 내재한 정확도 특성을 제시하였으며, 이는 기준증발산 자료를 사용하는 연구에 있어 중요한 정보가 될 것으로 기대한다.
실험기간은 2016년~2019년의 3월~11월이며, 기상청에서 제공하는 9개 지점의 현장관측 기준증발산 자료를 참값으로 참조하여 정확도 통계량을 구하였다. 이를 통하여 우리나라 농지의 기준증발산 격자자료를 사용하고자 하는 이후의 타 연구들을 위하여, 자료의 정확도에 관한 객관적인 정보제공에 기여할 수 있을 것이다.
이와는 달리, PKNUNMSC는 기계학습을 통해 우리나라 농지에 대한 지역 최적화가 상당히 잘 수행된 것으로 보인다. 향후 타연 구에서 우리나라 농지의 기준증발산 자료를 사용할 때에는 각 산출물에 대한 이같은 특성을 미리 파악하는 것이 필요할 것이므로, 본연구에서 비교평가를 통해 특성 분석을 수행한 것이다.

참고문헌 (12)

Allen, R. G., L. S. Pereira, D. Raes, and M. Smith, 1998. Crop evapotranspiration-Guidelines for computing crop water requirements, FAO Irrigation and Drainage Paper 56, FAO, Rome, ITA.
Allen, R. G., M. Tasumi, and R. Trezza, 2007. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)-Model, Journal of Irrigation and Drainage Engineering, 133(4): 380-394.

상세보기
Baik, J. and M. Choi, 2015. Evaluation of geostationary satellite (COMS) based Priestley-Taylor evapotranspiration, Agricultural Water Management, 159: 77-91.

상세보기
Kendy, E., P. Gerard-Marchant, M. T. Walter, Y. Zhang, C. Liu, and T. S. Steenhuis, 2003. A soil-water-balance approach to quantify groundwater recharge from irrigated cropland in the North China Plain, Hydrological Processes, 17(10): 2011-2031.

상세보기
Khan, M. S., U. W. Liaqat, J. Baik, and M. Choi, 2018. Stand-alone uncertainty characterization of GLEAM, GLDAS and MOD16 evapotranspiration products using an extended triple collocation approach, Agricultural and Forest Meteorology, 252: 256-268.

상세보기
Kim, N., K. Kim, S. Lee, J. Cho, and Y. Lee, 2020. Retrieval of daily reference evapotranspiration for croplands in South Korea using machine learning with satellite images and numerical weather prediction data, Remote Sensing, 12(21): 3642.

상세보기
Lee S., K. Kim, Y. Kim, J. Kim, S. Park, Y. Yun, N. Kim, and Y. Lee, 2018. Deep learning-based estimation and mapping of evapotranspiration in cropland using local weather prediction model and satellite data, Journal of the Korean Cartographic Association, 18(3): 105-116 (in Korean with English abstract).

상세보기
Merlin, O., J. Chirouze, A. Olioso, L. Jarlan, G. Chehbouni, and G. Boulet, 2014. An image-based foursource surface energy balance model to estimate crop evapotranspiration from solar reflectance/thermal emission data (SEB-4S), Agricultural and Forest Meteorology, 184: 188-203.

상세보기
Steduto P., T. C. Hsiao, E. Fereres, and D. Raes, 2012. Crop yield response to water, FAO Irrigation and Drainage Paper 66, FAO, Rome, ITA.
Sumner, D. M., 2001. Evapotranspiration from a Cypress and Pine Forest Subjected to Natural Fires, Volusia County, Florida, 1998-99. https://pubs.er.usgs.gov/publication/wri014245, Accessed on Dec. 22, 2020.
Thornthwaite, C. W., 1948. An approach toward a rational classification of climate, Geographical Review, 38(1): 55-94.

상세보기
Zhuang, Q. and B. Wu, 2015. Estimating evapotranspiration from an improved two-source energy balance model using ASTER satellite imagery, Water, 7(12): 6673-6688.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증