[논문]지상관측 기상자료를 적용한 KLDAS(Korea Land Data Assimilation System)의 토양수분·증발산량 산출

박광하; 계창우; 이경태; 유완식; 황의호; 강도혁

doi:10.7780/kjrs.2021.37.6.1.10

지상관측 기상자료를 적용한 KLDAS(Korea Land Data Assimilation System)의 토양수분·증발산량 산출
Calculation of Soil Moisture and Evapotranspiration of KLDAS applying Ground-Observed Meteorological Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.6 pt.1, 2021년, pp.1611 - 1623

박광하 (K-water연구원 유역물관리연구소) , 계창우 ((주)에스이랩 연구소) , 이경태 , 유완식 (K-water연구원 유역물관리연구소) , 황의호 (K-water연구원 유역물관리연구소) , 강도혁

초록
AI-Helper

본 연구에서는 K-LIS(Korea-Land surface Information System)의 KLDAS(Korea Land Data Assimilation System)를 사용하여 LSM의 초기 경계조건 최적화를 위해 스핀업(Spin-up)을 진행하였고다. 스핀업은 2018년을 대상으로 8회 반복 수행하였다. 또한, 국내 기상청(KMA, Korea Meteorological Administration), 농촌진흥청(RDA, Rural Development Administration), 한국농어촌공사(KRC, Korea Rural Community Corporation), 한국수력원자력(KHNP, Korea Hydro & Nuclear Power Co., Ltd.), 한국수자원공사(K-water, Korea Water Resources Corporation), 환경부(ME, Ministry of Environment) 등에서 관측하고 있는 기상자료를 사용하여 저해상도(K-Low, Korea Low spatial resolution; 0.125°) 및 고해상도(K-High, Korea High spatial resolution; 0.01°)의 기상자료를 생성하여 KLDAS에 적용하였다. 그리고, K-Low 및 K-High의 정확도 향상 정도를 확인하기 위해 선행 연구에서 사용된 MERRA-2 (Modern-Era Retrospective analysis for Research and Applications, version 2)와 ASOS-S(ASOS-Spatial)가 적용된 토양수분 및 증발산량을 같이 평가하였다. 그 결과, 초기 경계조건의 최적화는 토양수분의 경우 2회(58개 지점), 3회(6개 지점), 6회(3개 지점)의 스핀업이 필요하고, 증발산량의 경우 1회(2개 지점), 2회(2개 지점)의 스핀업이 필요하다. MERRA-2, ASOS-S, K-Low, K-High을 적용한 토양수분의 경우 R²의 평균은 각각 0.615, 0.601, 0.594, 0.664이고, 증발산량의 경우 R²의 평균은 각각 0.531, 0.495, 0.656, 0.677로 K-High의 정확도가 가장 높은 것으로 평가되었다. 본 연구 결과를 통해 다수의 지상 관측자료를 확보하고 고해상도의 격자형 기상자료를 생성하면 KLDAS의 정확도를 높일 수 있다. 다만, 지점 자료를 격자로 변환할 때 각 지점의 기상현상이 충분히 고려되지 않으면 정확도는 오히려 낮아진다. 향후 IDW의 매개변수 설정 또는 다른 보간기법을 사용하여 격자형 기상자료를 생성하여 적용하면 보다 높은 품질의 자료를 산출할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

Thisstudy demonstratessoil moisture and evapotranspiration performance using Korea Land Data Assimilation System (KLDAS) under Korea Land Information System (KLIS). Spin-up was repeated 8 times in 2018. In addition, low-resolution and high-resolution meteorological data were generated using meteorological data observed by Korea Meteorological Administration (KMA), Rural Development Administration (RDA), Korea Rural Community Corporation (KRC), Korea Hydro & Nuclear Power Co.,Ltd. (KHNP), Korea Water Resources Corporation (K-water), and Ministry of Environment (ME), and applied to KLDAS. And, to confirm the degree of accuracy improvement of Korea Low spatial resolution (hereafter, K-Low; 0.125°) and Korea High spatial resolution (hereafter, K-High; 0.01°), soil moisture and evapotranspiration to which Modern-Era Retrospective analysis for Research and Applications, version 2 (MERRA-2) and ASOS-Spatial (ASOS-S) used in the previous study were applied were evaluated together. As a result, optimization of the initial boundary condition requires 2 time (58 point), 3 time (6 point), and 6 time (3 point) spin-up for soil moisture. In the case of evapotranspiration, 1 time (58 point) and 2 time (58 point) spin-ups are required. In the case of soil moisture to which MERRA-2, ASOS-S, K-Low, and K-High were applied, the mean of R2 were 0.615, 0.601, 0.594, and 0.664, respectively, and in the case of evapotranspiration, the mean of R2 were 0.531, 0.495, 0.656, and 0.677, respectively, indicating the accuracy of K-High was rated as the highest. The accuracy of KLDAS can be improved by securing a large number of ground observation data through the results of this study and generating high-resolution grid-type meteorological data. However, if the meteorological condition at each point is not sufficiently taken into account when converting the point data into a grid, the accuracy is rather lowered. For a further study, it is expected that higher quality data can be produced by generating and applying grid-type meteorological data using the parameter setting of IDW or other interpolation techniques.

주제어

표/그림 (12)

그림 Fig. 1. Meteorological station of K-water, KHNP, KMA, KRC, ME and RDA.
표 Table 1. Units of Korea meteorological data and KLDAS
표 Table 2. Topographic Data and Meteorological Forcing Data Used in This Study
그림 Fig. 2. Observation point of soil moisture and evapot-ranspiration.
그림 Fig. 3. Spin-up of soil moisture.
그림 Fig. 3. Continued
그림 Fig. 4. Spin-up of evapotranspiration.
표 Table 3. Validation of soil moisture using R2 and RMSE
표 Table 3. Continued
그림 Fig. 5. Part of the time series and scatter plot of soil moisture (M: MERRA-2, A: ASOS-S, KL: K-Low, KH: K-High).
그림 Fig. 6. Part of the time series and scatter plot of evapotranspiration (M: MERRA-2, A: ASOS-S, KL: K-Low, KH: K-High).
표 Table 4. Validation of evapotranspiration using R2 and RMSE

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 KLDAS의 Noah-MP LSM을 사용하였고, LSM의 초기 경계조건 최적화를 위해 8년 동안의 스핀업 후 2018년도의 토양수분 및 증발산량을 산출하였다. 또한, 토양수분 및 증발산량의 정확도 향상을 위해 국내 기상청(KMA, Korea Meteorological Administration), 농촌진흥청(RDA, Rural Development Administration), 한국농어촌공사(KRC, KoreaRuralCommunityCorporation), 한국수력원자력(KHNP, Korea Hydro & Nuclear Power Co.

가설 설정

본 연구에서 KLDAS를 통해 토양수분 및 증발산량을 산출하기 전 LSM의 경계조건 최적화를 위해 스핀업을 진행하였다. 스핀업은 2018년의 K-Low 자료를 사용하여 8회 반복 수행하였고, 스핀업 후 LSM 재시작으로 산출된 9번째 자료를 최적화 되었다고 가정하였다. 스핀업이 몇 회 진행되어야 최적화되는지 평가하기 위해 토양수분 및 증발산량 관측지점에 해당하는 산출물을 활용하였고, 각각의 반복된 스핀업 산출물과 LSM 재시 작 산출물의 매달 1일 자료를 추출하였다.

제안 방법

또한, KMA, RDA, KRC, KHNP, K-water, ME 등의 기관에서 관측되고 있는 기상자료를 사용하여 0.125°의 저해상도 K-Low 격자 자료와 0.01° 의 고해상도 K-High 격자 자료를 생성하여 KLDAS에 적용하여 토양수분 및 증발산량을 산출하고 정확도를 평가하였다
본 연구에서 KLDAS를 통해 토양수분 및 증발산량을 산출하기 전 LSM의 경계조건 최적화를 위해 스핀업을 진행하였다. 스핀업은 2018년의 K-Low 자료를 사용하여 8회 반복 수행하였고, 스핀업 후 LSM 재시작으로 산출된 9번째 자료를 최적화 되었다고 가정하였다.
본 연구에서는 IDW의 매개변수를 고정하여 K-Low 및 K-High 자료를 생성하였다. 이로 인해 일부 지점에서는 지점 관측 자료를 충분히 반영하지 못한 격자가 발생하게 되었다.
본 연구에서는 KLDAS의 Noah-MP 초기 경계조건 최적화를 위해 Spin-up을 진행하였고 어느 정도 기간이 소요되는지 토양수분 및 증발산량을 대상으로 안정화되는 기간을 확인하였다. 또한, KMA, RDA, KRC, KHNP, K-water, ME 등의 기관에서 관측되고 있는 기상자료를 사용하여 0.
스핀업은 2018년의 K-Low 자료를 사용하여 8회 반복 수행하였고, 스핀업 후 LSM 재시작으로 산출된 9번째 자료를 최적화 되었다고 가정하였다. 스핀업이 몇 회 진행되어야 최적화되는지 평가하기 위해 토양수분 및 증발산량 관측지점에 해당하는 산출물을 활용하였고, 각각의 반복된 스핀업 산출물과 LSM 재시 작 산출물의 매달 1일 자료를 추출하였다. LSM 재시작 에서 사용되는 초기 경계조건은 스핀업 마지막 날짜의 경계조건을 사용하므로 매달 1일 자료를 비교하는 것은 의미는 없으나 초기 경계조건에 따른 스핀업 기간 내 변동성을 확인하기 위해 매달 1일 자료를 확인하였다.
1°의 K-High 격자 자료를 적용하여 산출된 토양수분, 증발산량과 관측된 자료를 비교하여 정확도를 평가하였다. 추가로 선행 연구인 KLDAS에 MERRA-2 및 ASOS-S를 적용하여 산출된 토양수분, 증발산량도 비교하여 본 연구의 정확도 개선 여부를 확인하였다. Table 3은 MERRA-2, ASOS-S, K-Low, K-High와 토양수분 관측값에 대한 R2와 RMSE 평가 결과이며, Table 4는 증발산량에 대한 평가 결과이다.

대상 데이터

온도, 기압, 습도, 풍속, 강우량 등 다양한 기상 조건 을 관측하기 위해서 여러 기관에서 지상관측소를 운영하고 있다. 본 연구를 위해 수집한 기상자료들은 KMA 614개소, RDA 212개소, KRC 1개소, KHNP 15개소, Kwater 181개소, ME 427개소로 총 1,450개소 지점이다 (Fig. 1).

데이터처리

KLDAS에 0.125°의 K-Low와 0.1°의 K-High 격자 자료를 적용하여 산출된 토양수분, 증발산량과 관측된 자료를 비교하여 정확도를 평가하였다

이론/모형

625°)를 가진 MERRA-2는 광활한 지역에 적합하므로, 산악 지형이 대부분인 지리적 특징을 가진 국내에 적용하기에는 정확도가 낮은 자료가 산출된다. 이를 보완하기 위해 국내 지점 관측 자료를 사용하였으며, KLDAS에 적용하기 위해 보편화된 IDW 보간기법을 사용하였다. K-Low와 K-High를 비교해보면 대부분의 지점에서 K-High가 정확도가 높지만, 일부 지점에서는 K-Low의 정확도가 높게 나타났다.

성능/효과

본 연구의 결과에 따르면 LSM의 초기 경계조건 최적화는 토양수분의 경우 스핀업 6회, 증발산량의 경우 스핀업 2회면 충분히 안정화되어 LSM의 초기 경계조건으로 인한 오차를 제거할 수 있다. 또한, 다수의 지상 관측자료를 확보하고 고해상도의 격자형 기상자료를 생성하면 KLDAS의 정확도를 높일 수 있다. 다만, 지점 자료를 격자화할 때, 지점 자료의 기상현상이 충분히 고려되지 않으면 오히려 정확도가 낮아지므로 기상현상을 충분히 고려할 수 있는 격자형 자료를 생성하는 것이 중요하다.
본 연구의 결과에 따르면 LSM의 초기 경계조건 최적화는 토양수분의 경우 스핀업 6회, 증발산량의 경우 스핀업 2회면 충분히 안정화되어 LSM의 초기 경계조건으로 인한 오차를 제거할 수 있다. 또한, 다수의 지상 관측자료를 확보하고 고해상도의 격자형 기상자료를 생성하면 KLDAS의 정확도를 높일 수 있다.
첫째, 토양수분 관측지점 67개소와 증발산량 관측지점 4개소를 기준으로 LSM 초기 경계조건이 최적화되 기 위해서 토양수분 58개 지점에서는 스핀업이 2회 필요하고, 6개 지점에서는 3회, 3개 지점에서는 6회가 필요하다. 증발산량의 경우 2개 지점은 스핀업이 1회 필요하고, 나머지 2개 지점에서는 스핀업이 2회 필요하다.

후속연구

다만, 지점 자료를 격자화할 때, 지점 자료의 기상현상이 충분히 고려되지 않으면 오히려 정확도가 낮아지므로 기상현상을 충분히 고려할 수 있는 격자형 자료를 생성하는 것이 중요하다. 본 연구에서는 IDW 보간기법을 사용하여 격자형 기상자료를 생성하였지만, 향후 IDW의 다양한 매개변수 설정 또는 크리깅(Kriging) 등 다른 보간기법을 사용하여 격자형 기상자료를 생성하여 적용하면 보다 높은 품질의 자료를 산출할 수 있을 것으로 판단된다.
이로 인해 일부 지점에서는 지점 관측 자료를 충분히 반영하지 못한 격자가 발생하게 되었다. 이를 해결하기 위해서 IDW의 매개변수를 다양하게 설정하여 반영한다면 보다 높은 정확도를 가진 토양수분 및 증발산량을 산출할 수 있을 것으로 판단된다. 또한, 2차원적인 거리만 고려되는 IDW은 산악 지형의 고도 차이를 반영하지 못하므로 크리깅(Kriging) 기법 등과 같은 3차원적인 거리를 고려할 수 있는 격자화 기법을 사용할 필요가 있다.

참고문헌 (14)

Cai, X., Z.L. Yang, C.H. David, G.Y. Niu, and M. Rodell, 2014. Hydrological evaluation of the Noah-MP land surface model for the Mississippi River Basin, Journal of Geophysical Research: Atmospheres, 119(1): 23-38.

상세보기
Gelaro, R., W. McCarty, M.J. Suarez, R. Todling, A. Molod, L. Takacs,C. Randles, A. Darmenov, M.G. Bosilovich, R. Reichle, K. Wargan, L. Coy, R. Cullather, C. Draper, S. Akella, V. Buchard, A. Conaty, A. da Silva, W. Gu, G.K. Kim, R. Koster, R. Lucchesi, D. Merkova, J.E. Nielsen, G. Partyka, S. Pawson, W. Putman, M. Rienecker, S.D. Schubert, M. Sienkiewicz, and B. Zhao, 2017. The modern-era retrospective analysis for research and applications, version 2 (MERRA-2), Journal of Climate, 30(14): 5419-5454.

상세보기
Jun, S., J.H. Park, K.O. Boo, and H.S. Kang, 2020. Analyzing off-line Noah land surface model spinup behavior for initialization of global numerical weather prediction model, Journal of Korea Water Resources Association, 53(3): 181-191 (in Korean with English abstract).
Jung, H.C., D.H. Kang, E. Kim, A. Getirana, Y.S. Yoon, S.V. Kumar, C.D. Peters-lidard, and E.H. Hwang, 2020. Towards a soil moisture drought monitoring system for South Korea, Journal of Hydrology, 589: 125176.

상세보기
Kang, D.H., E.H. Hwang, H.C. Jung, E.J. Kim, C.D. Peters-Lidard, S.V. Kumar, A. Getirana, H.S. Badr, Y. Yoon, and H. Chae, 2018. Mid-term report of K-LIS: Korea Land Data Assimilation and Asia Land Data Assimilation projects, Proc. of AGU Fall Meeting 2018, Washington, D.C., USA, Dec. 10-14, Vol. 2018, pp. H54E-08.
Koster, R.D., M.J. Suarez, A. Ducharne, M. Stieglitz, and P. Kumar, 2000. A catchment-based approach to modeling land surface processes in a general circulation model: 1. Model structure, Journal of Geophysical Research:Atmospheres, 105(D20): 24809-24822.

상세보기
Kumar, S.V., C.D. Peters-Lidard, Y. Tian, P.R. Houser, J. Geiger, S. Olden, L. Lighty, J.L. Eastman, B. Doty, P. Dirmeyer, J. Adams, K. Mitchell, E.F. Wood, and J.Sheffield, 2006. Land Information System - An interoperable framework for high resolution land surface modeling, Environ, Modeling and Software, 21: 1402-1415.

상세보기
Lee, J.H., 2017. Assimilation of satellite based soil moisture data into a land surface model, Hongik University, Mapo-gu, Seoul, KOR.
Lim, Y.J., J. Hong, and T.Y. Lee, 2012. Spin-up behavior of soil moisture content over East Asia in a land surface model, Meteorology and Atmospheric Physics, 118(3): 151-161.

상세보기
Park, G.H., W.S. Yu, E.H. Hwang, and K.S. Jung, 2020. Calculation of soil moisture and evaporation on the Korean Peninsula using NASA LIS (Land Information System), Journal of the Korean Association of Geographic Information Studies, 23(4): 83-100 (in Korean with English abstract).

원문보기 상세보기
Park, G.H., K.T. Lee, C.W. Kye, W.S. Yu, E.H. Hwang, and D.H. Kang, 2021. Calculation of Soil Moisture and Evapotranspiration for KLDAS (Korea Land Data Assimilation System) using Hydrometeorological Data Set, Journal of the Korean Association of Geographic Information Studies, 24(4): 65-81 (in Korean with English abstract).
Peters-Lidard, C.D., P.R. Houser, Y. Tian, S.V. Kumar, J. Geiger, S. Olden, L. Lighty, B. Doty, P. Dirmeyer, J. Adams, K. Mitchell, E.F. Wood, and J. Sheffield, 2007. High-performance Earth system modeling with NASA/GSFC's Land Information System, Innovations in Systems and Software Engineering, 3(3): 157-165.

상세보기
Rodell, M., P.R. Houser, A.A. Berg, and J.S. Famiglietti, 2005. Evaluation of 10 methods for initializing a land surface model, Journal of Hydrometeorology, 6(2): 146-155.

상세보기
Shepard, D., 1968. A two-dimensional interpolation function for irregularly-spaced data, New York, US, Proc. of the 1968 23rd ACM National Conference, New York, NY, Aug. 27-29, pp.517-524.

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