[논문]다양한 지표모형을 활용한 토양수분 예측 성능 평가 연구

장예근; 신승훈; 이태화; 장원석; 신용철; 장근창; 천정화; 김종건

doi:10.5389/ksae.2022.64.1.079

다양한 지표모형을 활용한 토양수분 예측 성능 평가 연구
A Study on Soil Moisture Estimates Performance Using Various Land Surface Models 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.64 no.1, 2022년, pp.79 - 89

장예근 (Department of Regional Infrastructure Engineering, Kangwon National University) , 신승훈 (Department of Regional Infrastructure Engineering, Kangwon National University) , 이태화 (Major in Agricultural Civil Engineering, School of Agricultural Civil & Bio-Industrial Engineering, Kyoungpook National University) , 장원석 (Division of Public Infrastructure Assessment, Environmental Assessment Group, Korea Environment Institute) , 신용철 (Major in Agricultural Civil Engineering, School of Agricultural Civil & Bio-Industrial Engineering, Kyoungpook National University) , 장근창 (Division of Forest ICT Research Center, National Institute of Forest Science) , 천정화 (Division of Forest ICT Research Center, National Institute of Forest Science) , 김종건 (Department of Regional Infrastructure Engineering, Kangwon National University)

Abstract ▼ AI-Helper

Soil moisture is significantly related to crop growth and plays an important role in irrigation management. To predict soil moisture, various process-based model has been developed and used in the world. Various models (Land surface model) may have different performance depending on the model parameters and structures that causes the different model output for the same modeling condition. In this study, the three land surface models (Noah Land Surface Model, Soil Water Atmosphere Plant, Community Land Model) were used to compare the model performance (soil moisture prediction) and develop the multi-model simulation. At first, the genetic algorithm was used to estimate the optimal soil parameters for each model, and the parameters were used to predict soil moisture in the study area. Then, we used the multi-model approach based on Bayesian model averaging (BMA). The results derived from this approach showed a better match to the measurements than the results from the original single land surface model. In addition, identifying the strengths and weaknesses of the single model and utilizing multi-model methods can help to increase the accuracy of soil moisture prediction.

주제어

표/그림 (13)

그림 Fig. 1 Location of study area
표 Table 1 Model parameters and its ranges for each land surface model
그림 Fig. 2 Parameter searching using GA for Pyeongchang
그림 Fig. 3 Parameter searching using GA for Geochang
그림 Fig. 4 Comparison of soil moisture measurement and simulation using the 3 models for Pyeongchang
그림 Fig. 5 Comparison of soil moisture measurement and simulation using the 3 models for Geochang
그림 Fig. 6 Comparison of soil moisture dynamics between measurement and simulation using the 3 models for Pyeongchang
그림 Fig. 7 Comparison of soil moisture dynamics between measurement and simulation using the 3 models for Geochang
표 Table 2 Performance criteria of the three land surface models for Pyeongchang
표 Table 3 Performance criteria of the three land surface models for Geochang
그림 Fig. 8 Comparison of single model and multi-model simulation for Pyeongchang
그림 Fig. 9 Comparison of single model and multi-model simulation (Group 1) for Geochang
그림 Fig. 10 Comparison of single model and multi-model simulation (Group 3) for Geochang

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구의 목적은 다양한 지표모형의 매개변수 및 구조적 특성을 분석하고 국내 토양수분 측정 지점을 대상으로 기존 지표모형의 국내 적용 가능성을 분석하는데 있다. 또한 국내 시기적 변동 특성을 고려하기 위해 BMA 기법 적용시 시기적 변동 기간을 그룹핑하여 다중모형의 토양수분 예측 가능성을 평가하는데 있다.
따라서 본 연구의 목적은 다양한 지표모형의 매개변수 및 구조적 특성을 분석하고 국내 토양수분 측정 지점을 대상으로 기존 지표모형의 국내 적용 가능성을 분석하는데 있다. 또한 국내 시기적 변동 특성을 고려하기 위해 BMA 기법 적용시 시기적 변동 기간을 그룹핑하여 다중모형의 토양수분 예측 가능성을 평가하는데 있다.
이러한 불확실성을 보완하지 않고는 다양한 수문학적 모형의 성능을 향상시키는 데는 한계가 있을 수 있다. 본 연구에서는 지표 토양 수분을 예측할 때 서로 다른 수문학적 모형으로 인한 매개변수 및 구조적 불확실성을 개선하는 데 중점을 두었다. 토양 수분을 모의하기 위해 3 가지 서로 다른 지표 모형 (Noah LSM, SWAP, CLM)을 검토하고 적용하였다.

제안 방법

본 연구 결과 3개 다른 모형에서 동일한 의미의 매개변수라 하더라도 동일한 모의 조건에서 그 변동이 발생한 것을 알 수 있으며, 이를 통해 단일 모형 성능이 자체 모형 매개변수에 영향을 받았음을 알 수 있다. 3 가지 모형을 사용하여 추정된 토양 최적의 매개 변수를 기반으로 하여 대상지점별 지표 토양 수분을 모의하였다. 대부분 각 모형의 모의 결과는 측정값과 잘 일치하는 것으로 나타났다.
본 연구에서는 토양수분 예측 성능 평가를 위한 지표모형을 선정하였으며, 기존 문헌을 바탕으로 각 모형에 대한 토양 수분 역학모의 관련 민감한 매개변수를 분석하였다. 본 연구 대상지인 평창군과 거창군 지점을 대상으로 각 지표모형의 입력자료를 구축하였으며, 매개변수 불확실성 분석을 위해 GAs 기법을 적용하였다.

대상 데이터

실측된 토양수분 자료는 지표모형의 매개변수 분석 및 모형 검증에 활용되었다. 모형에 요구되는 기상자료 (강수량, 온도, 습도, 풍속 등)로는 강원도 평창군 평창 관측소, 경상남도 거창군 북상 관측소 자료를 활용하였다. 평창군과 거창군의 연구 대상지점의 토양속성은 두 곳 모두 사양토로 이루어져 있으며, 해발고도 1,060 m와 673 m에 위치하고 있다.
본 연구에서는 토양수분 예측 성능 평가를 위한 지표모형을 선정하였으며, 기존 문헌을 바탕으로 각 모형에 대한 토양 수분 역학모의 관련 민감한 매개변수를 분석하였다. 본 연구 대상지인 평창군과 거창군 지점을 대상으로 각 지표모형의 입력자료를 구축하였으며, 매개변수 불확실성 분석을 위해 GAs 기법을 적용하였다. GAs 기법을 통해 각 모형의 5개의 매개변수에 대한 최적화를 수행하였다.
본 연구에서는 다양한 지표모형의 국내 산림지역 토양수분 추정을 위한 적용성 검토를 위해 장기 토양수분 측정이 이루어지고 있는 강원도 평창군 선자령 인근지점과 경상남도 거창군 기백산/수망령 인근 지점을 연구대상지로 선정하였다(Fig. 1).
GAs 기법을 통해 산정된 모형별 최적의 매개변수를 적용하여 대상 지점별 토양수분을 예측하였다. 본 연구에서는 평창지점에 대해서는 실측자료의 활용기간이 짧아 전체 기간을 모형 보정기간 (2020년 8월 4일부터 8월 28일까지)으로 분석하였으며, 거창지점에 대해서는 보정기간 (2020년 9월 1일부터 9월 30일까지)과 검정기간 (2020년 7월1일부터 8월 31일까지)에 대해 실측자료와 비교분석하였다. Fig.
각 모형에 대한 가중치를 산정하고 이를 기반으로 한 다중모형의 성능은 효과적인 지표 토양 수분 역학을 추정하고 모형 매개변수 및 구조적 불확실성을 보완할 수 있을 것이다. 이러한 접근 방식을 검증하기 위해 토양수분 시계열 자료가 구축된 강원도 평창군 지점과 경상남도 거창군 지점을 선정하였다. 2개의 연구대상지점에서 각 단일 모형 (Noah LSM, SWAP, CLM)에 대한 GAs 기반 최적의 매개변수 조합을 도출하였다.

데이터처리

이러한 접근 방식을 검증하기 위해 토양수분 시계열 자료가 구축된 강원도 평창군 지점과 경상남도 거창군 지점을 선정하였다. 2개의 연구대상지점에서 각 단일 모형 (Noah LSM, SWAP, CLM)에 대한 GAs 기반 최적의 매개변수 조합을 도출하였다. 본 연구 결과 3개 다른 모형에서 동일한 의미의 매개변수라 하더라도 동일한 모의 조건에서 그 변동이 발생한 것을 알 수 있으며, 이를 통해 단일 모형 성능이 자체 모형 매개변수에 영향을 받았음을 알 수 있다.

이론/모형

본 연구 대상지인 평창군과 거창군 지점을 대상으로 각 지표모형의 입력자료를 구축하였으며, 매개변수 불확실성 분석을 위해 GAs 기법을 적용하였다. GAs 기법을 통해 각 모형의 5개의 매개변수에 대한 최적화를 수행하였다. Fig.
GAs 기법을 통해 산정된 모형별 최적의 매개변수를 적용하여 대상 지점별 토양수분을 예측하였다. 본 연구에서는 평창지점에 대해서는 실측자료의 활용기간이 짧아 전체 기간을 모형 보정기간 (2020년 8월 4일부터 8월 28일까지)으로 분석하였으며, 거창지점에 대해서는 보정기간 (2020년 9월 1일부터 9월 30일까지)과 검정기간 (2020년 7월1일부터 8월 31일까지)에 대해 실측자료와 비교분석하였다.
이러한 BMA 기법을 통한 다양한 지표모형의 국내 활용가능성을 평가하였다. 또한 효율적인 국내 적용을 위해 계절적 특성을 반영하였으며, 이를 위해 모의기간을 계절별로 구분지어 BMA 기법을 적용하였다.
선정된 각 모형에 대해 최적화된 모형 매개변수를 탐색하기 위해 유전자 알고리즘 (GAs)을 적용하였다. 또한, 각 지표모형의 구조적 불확실성 영향을 보완하기 위해 지표 습윤 정도에 따라 베이지안 모형 평균 (BMA) 기법을 적용하였다. 각 모형에 대한 가중치를 산정하고 이를 기반으로 한 다중모형의 성능은 효과적인 지표 토양 수분 역학을 추정하고 모형 매개변수 및 구조적 불확실성을 보완할 수 있을 것이다.
토양 수분을 모의하기 위해 3 가지 서로 다른 지표 모형 (Noah LSM, SWAP, CLM)을 검토하고 적용하였다. 선정된 각 모형에 대해 최적화된 모형 매개변수를 탐색하기 위해 유전자 알고리즘 (GAs)을 적용하였다. 또한, 각 지표모형의 구조적 불확실성 영향을 보완하기 위해 지표 습윤 정도에 따라 베이지안 모형 평균 (BMA) 기법을 적용하였다.
본 연구에서는 지표 토양 수분을 예측할 때 서로 다른 수문학적 모형으로 인한 매개변수 및 구조적 불확실성을 개선하는 데 중점을 두었다. 토양 수분을 모의하기 위해 3 가지 서로 다른 지표 모형 (Noah LSM, SWAP, CLM)을 검토하고 적용하였다. 선정된 각 모형에 대해 최적화된 모형 매개변수를 탐색하기 위해 유전자 알고리즘 (GAs)을 적용하였다.

성능/효과

따라서 본 연구 대상지점에 대해 다중모형 개발을 위해 각 모형 별 BMA 기반 가중치를 할당하였다. 그 결과는 단일모형의 성능에 비해 습윤정도가 반영된 다중모형의 성능이 우월하게 나타났다. 단, 장기적인 예측을 위해 시기적인 변동을 명확하게 판단하기 위해서는 장기 모니터링 결과를 통한 모델링 검증이 필요하며, 또한 보다 다양한 토양 특성에 대한 토양수분 변동예측을 위한 추가연구가 필요할 것이라 판단된다.
하지만 여전히 모형간의 모의성능에 차이가 발생하고 있는 것으로 보아 모형 내부 구조적 차이로 인한 불확실성이 나타나고 있음을 알 수 있다. 또한 3 가지 지표 모형의 성능은 모형 구조에 따라 지표 습윤 (습윤, 중간, 건조) 조건에서 다른 성능을 보여주었다. 일반적으로 SWAP 모형은 습한 조건에서 다른 모형보다 더 나은 성능을 보였고 CLM 모형은 건조한 조건에서 더 잘 예측하는 것으로 나타났다.
2개의 연구대상지점에서 각 단일 모형 (Noah LSM, SWAP, CLM)에 대한 GAs 기반 최적의 매개변수 조합을 도출하였다. 본 연구 결과 3개 다른 모형에서 동일한 의미의 매개변수라 하더라도 동일한 모의 조건에서 그 변동이 발생한 것을 알 수 있으며, 이를 통해 단일 모형 성능이 자체 모형 매개변수에 영향을 받았음을 알 수 있다. 3 가지 모형을 사용하여 추정된 토양 최적의 매개 변수를 기반으로 하여 대상지점별 지표 토양 수분을 모의하였다.
또한 3 가지 지표 모형의 성능은 모형 구조에 따라 지표 습윤 (습윤, 중간, 건조) 조건에서 다른 성능을 보여주었다. 일반적으로 SWAP 모형은 습한 조건에서 다른 모형보다 더 나은 성능을 보였고 CLM 모형은 건조한 조건에서 더 잘 예측하는 것으로 나타났다. 따라서 본 연구 대상지점에 대해 다중모형 개발을 위해 각 모형 별 BMA 기반 가중치를 할당하였다.
전반적으로, GAs 기법에 의해 유도된 최적화된 매개변수를 기반으로 3개 모형을 사용하여 예측된 지표 토양 수분 역학은 두 개의 연구 대상지점에서 실측치와 잘 일치하는 것으로 나타났다. 하지만, 위에서 언급한 바와 같이 동일한 조건에서도 모형의 매개변수와 모형의 구조적 차이로 인한 불확실성이 존재하고 이에 따라 상이한 결과를 도출할 수 있음을 알 수 있다.

후속연구

또한, 각 지표모형의 구조적 불확실성 영향을 보완하기 위해 지표 습윤 정도에 따라 베이지안 모형 평균 (BMA) 기법을 적용하였다. 각 모형에 대한 가중치를 산정하고 이를 기반으로 한 다중모형의 성능은 효과적인 지표 토양 수분 역학을 추정하고 모형 매개변수 및 구조적 불확실성을 보완할 수 있을 것이다. 이러한 접근 방식을 검증하기 위해 토양수분 시계열 자료가 구축된 강원도 평창군 지점과 경상남도 거창군 지점을 선정하였다.
그 결과는 단일모형의 성능에 비해 습윤정도가 반영된 다중모형의 성능이 우월하게 나타났다. 단, 장기적인 예측을 위해 시기적인 변동을 명확하게 판단하기 위해서는 장기 모니터링 결과를 통한 모델링 검증이 필요하며, 또한 보다 다양한 토양 특성에 대한 토양수분 변동예측을 위한 추가연구가 필요할 것이라 판단된다. 따라서 다중모형을 활용하여 특정 습윤 조건이나 기후 조건에서 각 모형의 한계는 다른 모형의 강점으로 상호보완될 수 있음을 시사한다.
따라서 다중모형을 활용하여 특정 습윤 조건이나 기후 조건에서 각 모형의 한계는 다른 모형의 강점으로 상호보완될 수 있음을 시사한다. 이러한 결과를 바탕으로 본 연구에서 제안하는 다중모형 방법론은 효과적인 지표 토양 수분을 예측하고 다양한 모형의 매개변수 및 구조적 불확실성을 더 잘 보완할 수 있을 것이라 판단된다.
다양한 수문학적 모형에 의해 추정된 토양 수분 역학은 자체 모형 매개변수 및 내부 구조적 영향을 받는다. 이러한 불확실성을 보완하지 않고는 다양한 수문학적 모형의 성능을 향상시키는 데는 한계가 있을 수 있다. 본 연구에서는 지표 토양 수분을 예측할 때 서로 다른 수문학적 모형으로 인한 매개변수 및 구조적 불확실성을 개선하는 데 중점을 두었다.

참고문헌 (19)

Brocca, L., F. Melone, and T. Moramarco, 2008. On the estimation of antecedent wetness conditions in rainfall-runoff modelling. Hydrol. Process. 22: 629-642. doi:10.1002/hyp.6629.

상세보기
Clapp, R. B. and G. M. Hornberger, 1978. Empirical equations for some soil hydraulic properties. Water Resour. Res. 14(4): 601-604. doi:10.1029/WR014i004p00601.

상세보기
Duan, Q., N. K. Ajami, X. Gao, and S. Sorooshian, 2007. Multi-model ensemble hydrologic prediction using Bayesian model averaging. Adv. Water Resour. 30: 1371-1386.

상세보기
Ek, M., K. E. Mitchell, Y. Lin, E. Rogers, P. Grunmann, V. Koren, G. Gayno, and J. D. Tarpley, 2003. Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta Model. J. Geophys. Res. 108(D22): 8851. doi:10.1029/2002JD003296.

상세보기
Hoetting, J. A., D. Madigan, A. E. Raftery, and C. T. Volinsky, 1999. Bayesian modeling averaging: A tutorial. Stat. Sci. 14(4): 382-417.

상세보기
Holland, J. H., 1975. Adaptation in natural and artificial systems, 183pp. Univ. of Michigan Press, Ann Arbor, MI.
Ines, A. V. M. and B. P. Mohanty, 2008. Near-surface soil moisture assimilation for quantifying effective soil hydraulic properties using genetic algorithm: I. Conceptual modeling. Water Resour. Res. 44: W06422. doi:10.1029/2007WR005990.

상세보기
Kim, J., B. P. Mohanty, and Y. Shin, 2015. Effective soil moisture estimate and its uncertainty using multimodel simulation based on Bayesian Model Averaging. J. Geophys. Res. Atmos. 120(16): 8023-8042. doi:10.1002/2014JD022905.

상세보기
Koster, R. and M. Suarez, 1996. Energy and water balance calculations in the Mosaic LSM, NASA Tech. Memo. 9, 104606.
Kroes, J. G., J. G. Van Dam, J. Huygen, and R. W. Vervoort, 1998. User's Guide of SWAP version 2.0, Tech. Doc. 48, DLO Winand Staring Cent., Wageningen Agric. Univ., Wageningen, Netherlands.
Leung, L. R., M. Huang, Y. Qian, and X. Liang, 2011. Climate-soil-vegetation control on groundwater table dynamics and its feedbacks in a climate model. J. Clim. 36: 57-81.
Liang, X., D. P. Lettenmaier, E. F. Wood, and S. J. Burges, 1994. A simple hydrologically based model of land surface water, energy fluxes for general circulation models. J. Geophys. Res. 99 (D7): 14415-14428. doi:10.1029/94JD00483.

상세보기
Oleson., K. W., D. M. Lawrence, G. B. Bonan, M. G. Flanner, E. Kluzek, P. J. Lawrence, S. Levis, S. C. Swenson, and P. E. Thornton, 2010. Technical Description of version 4.0 of the Community Land Model (CLM), NCAR Tech. Notes (NCAR/TN-478+STR), 257pp.
Philip, J. R. and D. de Vries, 1957. Moisture movement in porous materials under temperature gradients. Trans. Am. Geophys. Union 38: 222-232.

상세보기
Sahoo, A. K., P. A. Dirmeyer, P. R. Houser, and M. Kafatos, 2008. A study of land surface processes using land surface models over the Little River Experimental Watershed, Georgia. J. Geophys. Res. 113: D20121, doi:10.1029/2007JD009671.

상세보기
Shin Y., B. P. Mohanty, and A. V. M. Ines, 2012. Soil hydraulic properties in one-dimensional layered soil profile using layer-specific soil moisture assimilation scheme. Water Resour. Res. 48: W06529. doi:10.1029/2010WR009581.

상세보기
Van Dam, J. C., J. Huygen, J. G. Wesseling, R. A. Feddes, P. Kabat, P. E. V. Van Waslum, P. Groenendjik, and C. A. van Diepen, 1997. Theory of SWAP version 2.0: Simulation of water flow and plant growth in the soilwater-atmosphere-plant environment, Tech. Doc. 45, DLO Winand Staring Cent., Wageningen Agric. Univ., Wageningen, Netherlands.
Ying, M., S. Feng, Z. Huo, and X. Song, 2011. Application of the SWAP model to simulate the field water cycle under deficit irrigation in Beijing, China. Math. Comput. Model. 54: 1044-1052.

상세보기
Zhang, X., R. Srinivasan, K. Zhao, and M. V. Liew, 2008. Evaluation of global optimization algorithms for parameter calibration of a computationally intensive hydrologic model. Hydrolo. Process. 23(3): 430-441. doi:10.1002/hyp.7152.

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