[논문]농경지 토양수분 추정 기술 개발을 위한 테스트 베드 데이터 세트

강민석; 조성식; 김종호; 손승원; 최성원; 박주한

doi:10.5532/kjafm.2020.22.3.107

[국내논문] 농경지 토양수분 추정 기술 개발을 위한 테스트 베드 데이터 세트
A Dataset from a Test-bed to Develop Soil Moisture Estimation Technology for Upland Fields 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.22 no.3, 2020년, pp.107 - 116

강민석 (국가농림기상센터) , 조성식 (국가농림기상센터) , 김종호 (국가농림기상센터) , 손승원 (국가농림기상센터) , 최성원 (국가농림기상센터) , 박주한 (국가농림기상센터)

초록
AI-Helper

본 데이터 논문에서는 관측기반 농경지 토양수분 추정 기술 개발을 위해 서산과 태안에 2019년 5월에 구축한 테스트 베드에서 2019년 한해동안 얻어진 자료들을 공유하고자 한다. 본 데이터는 기상청에서 운영 중인 자동농업기상관측망 중에 하나인 서산 관측소 주변 밭과 인근 태안의 밭에 구축한 테스트 베드에서 얻어진 다양한 생태수문기상학적인 변수들(토양수분, 증발산, 강수, 복사, 기온, 습도, 식생지수 등)을 포함한다. 해당 데이터의 주목할 만한 사항은 (1) 토양수분관측을 Frequency Domain Reflectometry 및 Time Domain Reflectometry 센서를 이용한 지점관측 뿐만 아니라 COSMIC-ray 중성자 센서로 넓은 공간대표성을 지닌 면적관측을 동시에 수행하여 토양수분의 공간 스케일링 기술 개발 및 평가에 활용될 수 있다는 점, (2) Smart Surface Sensing System을 이용해 작물생육을 함께 감시함으로써 어떻게 토양수분과 작물생육이 상호작용하는지에 대한 이해를 증진시키는데 활용될 수 있다는 점, (3) 에디 공분산 시스템을 이용해 증발산을 함께 실측함으로써 지면 물수지 전반에 대한 평가가 가능하다는 점이다.

Abstract ▼ AI-Helper

In this data paper, we share the dataset obtained during 2019 from the test-bed to develop soil moisture estimation technology for upland fields, which was built in Seosan and Taean, South Korea on May 3. T his dataset includes various eco-hydro-meteorological variables such as soil moisture, evapotranspiration, precipitation, radiation, temperature, humidity, and vegetation indices from the test-bed nearby the Automated Agricultural Observing System (AAOS) in Seosan operated by the Korea Meteorological Administration. T here are three remarkable points of the dataset: (1) It can be utilized to develop and evaluate spatial scaling technology of soil moisture because the areal measurement with wide spatial representativeness using a COSMIC-ray neutron sensor as well as the point measurement using frequency/time domain reflectometry (FDR/TDR) sensors were conducted simultaneously, (2) it can be used to enhance understanding of how soil moisture and crop growth interact with each other because crop growth was also monitored using the Smart Surface Sensing System (4S), and (3) it is possible to evaluate the surface water balance by measuring evapotranspiration using an eddy covariance system.

Keyword

표/그림 (7)

그림 Fig. 1. Location of the test-bed.
그림 Fig. 2. Deployment of the soil moisture observing system, smart surface sensing system (4S), eddy covariance flux tower, and COSMIC-ray neutron sensor at the measurement point No. 4.
표 Table 1. Information about location (latitude and longitude) and cultivation activity (crop, mulching, and cultivation period) for each measurement point of the test-bed
표 Table 2. Information about the soil moisture observing system, smart surface sensing system (4S), eddy covariance flux tower, and COSMIC-ray neutron sensor
표 Table 3. Variables codes list
그림 Fig. 3. Daily data availability for each variable.
그림 Fig. 4. Example of the time series data for the test-bed from August 27 to September 5. P-ET represents the accumulative amount of the difference between precipitation and evapotranspiration.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 데이터 논문에서는 이러한 관측기반 농경지 토양수분 추정 기술 개발을 위해 서산과 태안에 2019년 5월 3일에 구축한 테스트 베드에서 2019년 한 해 동안 얻어진 자료들을 공유하고자 한다. 본 데이터는 기상청에서 운영 중인 자동농업기상관측망(Automated Agricultural Observing System, AAOS) 중에 하나인 서산 관측소 주변 밭과 인근 태안의 밭에 구축한 테스트 베드에서 얻어진 다양한 생태수문기상학적인 변수들(토양수분, 증발산, 강수, 복사, 기온, 습도, 식생지수등)을 포함한다.
RGB 이미지는 삼원색끼리 합하거나 빼서 색상의 강도(픽셀 값)를 표현하기 때문에 가산모델(addictive model)이라고 하고, 이미지의 각 픽셀은 이들 세 가지색을 3차원 축에 놓고 각 축에 나타난 디지털 숫자(DN) 값의 크기에 따라 색을 정의하는 것이다. 따라서, 이미지 분석은 이미지가 가지고 있는 픽셀 값들을 읽고 RGB DN의 주파수 분포를 채널별로 특성화 하는 것이다. 본 연구에서는 식생의 생물계절을 관측하기 위해 매일 촬영된 이미지의 사전 설정한 관심구역 내 각 픽셀의 RGB 색 채널 각각에 대한 DN(R_DN, G_DN, B_DN) 으로 아래 식을 이용해 녹색 좌표(green chromatic coordinate, G_CC)를 계산한 뒤, 이미지 별로 계산된 G_CC의 평균 및 표준편차, 백분위수와 중앙값을 가지고 대푯값을 얻었다(Richardson et al.

가설 설정

4. Example of the time series data for the test-bed from August 27 to September 5. P-ET represents the accumulative amount of the difference between precipitation and evapotranspiration.

제안 방법

2 m)의 이랑과 고랑의 토양수분을 관측하며, 분당 1회씩 관측된 자료가 별도의 처리과정 없이 데이터로거에 저장된다. 이렇게 집록된 자료는 30분 평균값으로 재계산한 뒤, 국제 토양수분 관측망(ISMN)의 QC 절차 (Dorigo et al., 2013)를 기반으로 개발된 토양수분 관측자료 품질관리 프로그램을 이용하여 물리적 범위, 강수 및 지온과의 일관성, 스파이크, 비연속성, 불변성 등을 점검하고, 기준에 미달하는 자료들을 제거했다. 테스트 베드에 설치하기 전에 인위적으로 특정 함수율 (여기서는 약 5%, 10%, 25%)을 갖는 토양샘플을 만들어 건토중량법으로 측정한 값과 센서에서 측정된 값을 비교하여 그 차이가 센서의 정확도 범위(±3.
, 2019). 해당 센서에는 산광기(diffuser)가 포함되어 있어 태양광의 입사각이나 반사각과 같은 기하학적 조건의 영향을 최소화하고 있지만, 위성 천정각(View zenith angle)에 따른 불확실성을 최소화하기 위해 집록된 자료를 1시간 평균값으로 재계산한 뒤, 11시부터 13시의 값을 사용하였다. 현장에 설치된 4S의 상향 및 하향 LED 다중 분광계는 태양 천정을 향해 교차 보정이 이루어 졌으며, 그 후에 4S를 상향 및 하향의 두 방향으로 재설치 후에 복사 조도를 측정했다.
해당 센서에는 산광기(diffuser)가 포함되어 있어 태양광의 입사각이나 반사각과 같은 기하학적 조건의 영향을 최소화하고 있지만, 위성 천정각(View zenith angle)에 따른 불확실성을 최소화하기 위해 집록된 자료를 1시간 평균값으로 재계산한 뒤, 11시부터 13시의 값을 사용하였다. 현장에 설치된 4S의 상향 및 하향 LED 다중 분광계는 태양 천정을 향해 교차 보정이 이루어 졌으며, 그 후에 4S를 상향 및 하향의 두 방향으로 재설치 후에 복사 조도를 측정했다. 4S의 LED 다중 분광계의 분광반사율은 각 파장구간별 입사된 광량에 대한 반사된 광량의 비율로 정의할 수 있다.
태안에 구축된 테스트 베드(관측지점 1번부터 5번이 포함된 밭 전반)를 대표할 수 있는(면적관측, 반경: ∼300m) 토양수분을 측정하기 위해서 COSMIC-ray neutron sensor (CRNS, CRS-1000, Hydroinnova LCC., Albuquerque, NM, USA)를 사용하였다.
생물계절 모니터링은 Raspberry Pi에 초소형 카메라(Camera module v2.1, Raspberry Pi)를 부착하여 오전 4시부터 오후 8시까지 1시간 간격으로 하루에 17장의 이미지를 모든 삼원색(red, green, blue; RGB)의 정보를 유지한 JPEG 형태로 수집하고 이를 분석하였다. RGB 이미지는 삼원색끼리 합하거나 빼서 색상의 강도(픽셀 값)를 표현하기 때문에 가산모델(addictive model)이라고 하고, 이미지의 각 픽셀은 이들 세 가지색을 3차원 축에 놓고 각 축에 나타난 디지털 숫자(DN) 값의 크기에 따라 색을 정의하는 것이다.
따라서, 이미지 분석은 이미지가 가지고 있는 픽셀 값들을 읽고 RGB DN의 주파수 분포를 채널별로 특성화 하는 것이다. 본 연구에서는 식생의 생물계절을 관측하기 위해 매일 촬영된 이미지의 사전 설정한 관심구역 내 각 픽셀의 RGB 색 채널 각각에 대한 DN(R_DN, G_DN, B_DN) 으로 아래 식을 이용해 녹색 좌표(green chromatic coordinate, G_CC)를 계산한 뒤, 이미지 별로 계산된 G_CC의 평균 및 표준편차, 백분위수와 중앙값을 가지고 대푯값을 얻었다(Richardson et al., 2013).
, Lincoln, NE, USA)로 구성되었다. 에디 공분산 시스템의 샘플링 속도는 10Hz, 플럭스 평균시간은 30분이며, 10Hz 관측 및 30분 평균 자료는 자료 집록기(Model CR3000, Campbell Scientific Inc., Logan, UT, USA)에 저장하였다. 저장된 자료는 표준화된 KoFlux 자료처리 방법 (Hong et al.
, 2018)에 따라 좌표회전, 공기밀도보정, 튀는 자료 제거 등을 수행하였다. 그 외 저속반응 변수들은 각 센서들의 반응 속도에 따라 매초당(복사, 온습도, 토양열 플럭스) 또는 매분당(토양온습도) 측정하고 30분 평균하여 같은 자료 집록기에 저장하였다.
, Albuquerque, NM, USA)를 사용하였다. CRNS는 토양과 대기, 기타 물질들 내에 존재하는 우주선(COSMICray)에서 발생되는 고속 중성자를 측정한다. 고속 중성자 밀도는 지표면 근처에 존재하는 물의 양에 반비례한다.
고속 중성자 밀도는 지표면 근처에 존재하는 물의 양에 반비례한다. 본 연구에서는 테스트 배드의 플럭스 타워에 지상으로부터 1m 높이에 원통형 CRNS 측정기를 설치해 시간당 중성자 개수(N_raw)와 보정 및 검증을 위한 지점의 기압, 온도와 습도, 토양 수분 함량을 측정하였다.
6에서 계산된 토양수분 추정 값을 보정하였다. 추가로 해당 장비에서 추정한 토양수분의 경우 신호 대 잡음비(signal-to-noise ratio) 상대적으로 낮아 12시간 이동평균 하였다.

대상 데이터

테스트 베드는 충청남도 서산시 수석동에 위치한 기상청 자동농업기상관측소(36°46’36”N, 126°29’40”E) 주변 서산시와 태안군 일대의 밭에 구축되었다(Fig. 1).
본 데이터 논문에서는 이러한 관측기반 농경지 토양수분 추정 기술 개발을 위해 서산과 태안에 2019년 5월 3일에 구축한 테스트 베드에서 2019년 한 해 동안 얻어진 자료들을 공유하고자 한다. 본 데이터는 기상청에서 운영 중인 자동농업기상관측망(Automated Agricultural Observing System, AAOS) 중에 하나인 서산 관측소 주변 밭과 인근 태안의 밭에 구축한 테스트 베드에서 얻어진 다양한 생태수문기상학적인 변수들(토양수분, 증발산, 강수, 복사, 기온, 습도, 식생지수등)을 포함한다. 해당 데이터의 주목할 만한 사항은 (1) 토양수분관측을 FDR/TDR 센서를 이용한 지점관측 뿐만 아니라 COSMIC-ray 중성자 센서로 넓은 공간대표성을 지닌 면적관측을 동시에 수행하여 토양수분의 공간 스케일링 기술 개발 및 평가에 활용될 수 있다는 점, (2) Smart Surface Sensing System (4S, Kim et al.
테스트 베드에 설치하기 전에 인위적으로 특정 함수율 (여기서는 약 5%, 10%, 25%)을 갖는 토양샘플을 만들어 건토중량법으로 측정한 값과 센서에서 측정된 값을 비교하여 그 차이가 센서의 정확도 범위(±3.3%) 이내인 것들만 사용하였다.
중성자 세기(ƒsol)는 융프라우요크(Jungfraujoch) 중성자 모니터 자료에 기반한 ƒsol 보정 계수를 CRNS rover mapping project (http://rovermap.net/util/solar.php)에서 다운받아 사용하였다.
관측된 자료는 다음의 구글드라이브 URL (이미지: https://drive.google.com/file/d/1ONJvuIQIhr99Jvhva V5fjipkI_tii9Gs/view?usp=sharing, 이미지 외 나머지: https://drive.google.com/file/d/12l7t27LzxBigtlQ321 ZTbGqBdKpuSnfh/view?usp=sharing)을 통해서 받을 수 있다. 자료는 zip 형식으로 압축되어 있으며 다음의 파일들을 포함하고 있다.

이론/모형

4S의 LED 다중 분광계의 분광반사율은 각 파장구간별 입사된 광량에 대한 반사된 광량의 비율로 정의할 수 있다. 본 센서에서 측정된 상향 및 하향 복사 조도를 이용하여 분광반사율을 구하고 이를 이용해 정규식생지수(NDVI, normalized difference vegetation index)를 계산하였다(Tucker, 1979). ρNIR과 ρRED는 각각 근적외선과 적색 파장의 분광반사율이다.
, Logan, UT, USA)에 저장하였다. 저장된 자료는 표준화된 KoFlux 자료처리 방법 (Hong et al., 2009; Kang et al., 2018)에 따라 좌표회전, 공기밀도보정, 튀는 자료 제거 등을 수행하였다. 그 외 저속반응 변수들은 각 센서들의 반응 속도에 따라 매초당(복사, 온습도, 토양열 플럭스) 또는 매분당(토양온습도) 측정하고 30분 평균하여 같은 자료 집록기에 저장하였다.
3에서 확인할 수 있다(지점별 4S LED 다중 분광계 자료 수득률은 해당 자료로 계산한 NDVI 와 동일하므로 생략함). 변수 명을 정하는 규칙은 향후 국내외 데이터베이스와의 호환성을 위해서 European Fluxes Database Cluster의 지침(http://www.europefluxdata.eu/home/guidelines/how-to-submit-data/vari ables-codes)을 따랐다. 예를 들면, ‘SWC_1_1_1’ 은 1번 지점(테스트 베드의 1번부터 10번까지 지점), 0.

후속연구

본 데이터는 기상청에서 운영 중인 자동농업기상관측망(Automated Agricultural Observing System, AAOS) 중에 하나인 서산 관측소 주변 밭과 인근 태안의 밭에 구축한 테스트 베드에서 얻어진 다양한 생태수문기상학적인 변수들(토양수분, 증발산, 강수, 복사, 기온, 습도, 식생지수등)을 포함한다. 해당 데이터의 주목할 만한 사항은 (1) 토양수분관측을 FDR/TDR 센서를 이용한 지점관측 뿐만 아니라 COSMIC-ray 중성자 센서로 넓은 공간대표성을 지닌 면적관측을 동시에 수행하여 토양수분의 공간 스케일링 기술 개발 및 평가에 활용될 수 있다는 점, (2) Smart Surface Sensing System (4S, Kim et al., 2019)을 이용해 작물생육을 함께 감시함으로써 어떻게 토양수분과 작물생육이 상호작용하는지에 대한 이해를 증진시키는데 활용될 수 있다는 점, (3) 에디 공분산 시스템을 이용해 증발산을 함께 실측함으로써 지면 물수지 전반에 대한 평가가 가능하다는 점이다.
각 지점별 위경도 정보와 경작활동에 대한 정보는 Table 1에 정리되어 있다. 테스트 베드 모든 지점의 토성은 양토이며(흙토람, http://soil.rda.go.kr), 각 지점에 대한 구체적인 토양특성정보(예, 용적밀도, 유기 물함량 등)는 향후 분석이 완료되는 대로 데이터 세트에 포함하여 제공할 예정이다.
자료는 zip 형식으로 압축되어 있으며 다음의 파일들을 포함하고 있다. 현재 2019년 12월 31일까지 자료를 공유하지만 향후 관측지가 유지된다면 매해 최근 자료까지 업데이트 할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	토양수분 관측방법에는 무엇이 있는가?	토양수분 관측방법으로는 건토중량법, TDR (Time Domain Reflectometry) 및 FDR (Frequency Domain Reflectometry) 센서, COSMIC-ray 중성자 센서 등이 있다(Kim et al., 2015).
	토양수분이란 무엇인가?	토양수분은 주요 농림기상 관측요소들 중에 하나이다. 토양수분이란 토양입자나 공극 사이에 양적으로 내포되어 중력에 역행하여 스며들어 있는 물을 말하며, 이것은 토양의 건습정도를 나타내고 주로 % (또는 m3 m－3 , 모두 fraction을 나타냄) 단위로 표시된다. 0% 이면 물이 하나도 없는 것이고 100% 이면 전부 물임을 나타내지만, 그 상한 값은 50% 내외의 해당 토양의 공극률에 상당한다.
	TDR 및 FDR 센서 토양수분 관측방법의 단점은 무엇인가?	do) 등 다양한 기관에서 운영 중이다. 두 방법의 단점은 관측 값이 대표하는 영역인 풋프린트가 좁다는 점이며, 해당 지역을 대표할만한 값을 얻기 위해서는 샘플링 수를 많이 늘려야 한다. 그 대안이 비교적 넓은 지역(반경 수백 미터)의 공간대표 성을 갖는 COSMIC-ray 중성자 센서로, 우주선이 토양의 수분에 의해 감속되는 정도를 측정하는 지상원격 탐사 방법이다(Kim et al.

참고문헌 (12)

Desilets, D., 2017: Calibrating a non-invasive cosmic ray soil moisture probe for snow water equivalent. Hydroinnova Technical Document 17-01.
Desilets, D., M. Zreda, and T. P. A. Ferre, 2010: Nature's neutron probe: Land surface hydrology at an elusive scale with cosmic rays. Water Resources Research 46, DOI: 10.1029/2009WR008726.
Dorigo, W. A., A. Xaver, M. Vreugdenhil, A. Gruber, A. Hegyiova, A. D. Sanchis-Dufau, D. Zamojski, C. Cordes, W. Wagner, and M. Drusch, 2013: Global automated quality control of in situ soil moisture data from the International Soil Moisture Network. Vadose Zone Journal 12(3), vzj20120097.

상세보기
Hong, J., H. Kwon, J. Lim, Y. Byun, J. Lee, and J. Kim, 2009: Standardization of KoFlux eddy covariance data processing. Korean Journal of Agricultural Forest Meteorology 11, 19-26. (in Korean with English abstract)
Kang, M., J. Kim, S.-H. Lee, J. Kim, J.-H. Chun, and S. Cho, 2018: Changes and Improvements of the Standardized Eddy Covariance Data Processing in KoFlux. Korean Journal of Agricultural and Forest Meteorology 20, 5-17. (in Korean with English abstract)
Kim, H., W. Sunwoo, S. Kim, and M. Choi, 2016: Construction and estimation of soil moisture site with FDR and COSMIC-ray (SM-FC) sensors for calibration/validation of satellite-based and COSMIC-ray soil moisture products in Sungkyunkwan university, South Korea. Journal of Korea Water Resources Association 49(2), 133-144. (in Korean with English abstract)
Kim, J., Y. Ryu, C. Jiang, and Y. Hwang, 2019: Continuous observation of vegetation canopy dynamics using an integrated low-cost, near-surface remote sensing system. Agricultural and Forest Meteorology 264, 164-177.

상세보기
Kim, S., J. Park, K. Kim, and M. Choi, 2015: Current status and prospect of soil moisture data from ground observation in Korea. Water for future 48(12), 16-21. (in Korean)
Rosolem, R., W. J. Shuttleworth, M. Zreda, T. E. Franz, X. Zeng, and S. A. Kurc, 2013: The effect of atmospheric water vapor on neutron count in the Cosmic-Ray soil moisture observing system. Journal of Hydrometeorology 14(5), 1659-1671.

상세보기
Richardson, A. D., S. Klosterman, and M. Toomey, 2013: Near-surface sensor-derived phenology. In Phenology: an integrative environmental science. Springer, Dordrecht, 413-430.
Tucker, C. J., 1979: Red and Photographic Infrared Linear Combinations for Monitoring Vegetation. Remote Sensing of Environment 8(2), 127-150.

상세보기
Yun, J. I., 1999: Agricultural Meteorology. Arche Publishing House, 333pp.

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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