DOI QR코드

DOI QR Code

Spatial and Temporal Variations in the Water Use Efficiency and its Drought Signal on the Korean Peninsula using MODIS-derived Products

MODIS 영상을 활용한 한반도의 시공간적 물 이용효율 변동 및 가뭄과의 연관성 분석

  • Kim, Jeongbin (Department of Civil and Environmental Engineering, Yonsei University) ;
  • Ho, Hyunjoo (Department of Civil and Environmental Engineering, Yonsei University) ;
  • Um, Myoung-Jin (Department of Civil and Environmental Engineering, Yonsei University) ;
  • Kim, Yeonjoo (Department of Civil and Environmental Engineering, Yonsei University)
  • 김정빈 (연세대학교 건설환경공학과) ;
  • 호현주 (연세대학교 건설환경공학과) ;
  • 엄명진 (연세대학교 건설환경공학과) ;
  • 김연주 (연세대학교 건설환경공학과)
  • Received : 2018.03.07
  • Accepted : 2018.05.30
  • Published : 2018.06.30

Abstract

Water use efficiency (WUE) is the amount of carbon uptake per unit of water use, which is a key measure of the functions of terrestrial ecosystems, as it is related to both the hydrologic and carbon cycles. Furthermore, it can vary with many factors, such as climate conditions and land cover characteristics, in different regions. In this study, we aim to understand the spatial and temporal variations in WUE on the Korean Peninsula as well as the associated response to drought. The Moderate Resolution Imaging Spectroradiometer (MODIS)-derived gross primary productivity (GPP) and evapotranspiration (ET) datasets and climate data were used to derive a drought index. Based on the monthly WUE, we found that WUE decreased during the monsoon summer in all regions and for all vegetation types. Furthermore, the annual WUE was negatively correlated with the drought index, with increasing correlation coefficients from the northern region to the southern region of the Korean Peninsula.

최근 대두되고 있는 기후변화는 물과 탄소의 순환으로 이뤄진 생태계 간의 상호작용으로 인해 발생한다. 이를 분석하기 위해 물 이용효율(Water Use Efficiency, WUE)이 사용되는데, 이는 광합성 시 사용되는 수분 대비 흡수되는 탄소의 비율이다. 물 이용효율은 주변 환경의 기상 및 지표 조건에 영향을 받으며, 생태계의 변화를 반영하는 지표다. 본 연구에서는 한반도의 시공간적 물 이용효율을 분석하며, 나아가 가뭄과의 연관성을 가뭄 지수를 통해 보고자 한다. 물 이용효율과 가뭄 지수를 측정하기 위해서 Moderate Resolution Imaging Spectroradiometer(MODIS) 영상으로부터 Gross Primary Production(GPP, 총일차생산량)과 Evapotranspiration(ET, 증발산량) 자료를 산정하였다. 이를 통해 계산한 물 이용효율은 한반도의 전 지역과 모든 식생 종류에 대해 여름 우기철에 감소하는 것으로 밝혀졌다. 나아가 연간 물 이용효율은 가뭄 지수와 음의 상관관계를 보이며 한반도의 남쪽 지역으로 갈수록 그 상관계수가 증가하였다.

Keywords

1. 서론

IPCC 제 5차 평가보고서(IPCC, 2014)에 따르면, 21세기 말까지 지구의 평균 온도가 1.9-4.3°C 증가하고, 강수 특성 역시 상당히 변할 것으로 예측된다. 이런 기후 변화는 자연 및 사회 시스템에 광범위하게 영향을 미칠 수 있다. 특히 이로 인한 육상 생태계의 영향은 식생 성장 및 분포의 변화 뿐 아니라 이로 인한 탄소 및 물 수지의 변화, 이들의 상관관계의 변화 등으로 확대될 수 있다(Scanlon and Albertson, 2004; Niu et al., 2008; Yu et al., 2008, Niu et al., 2011). 또한, 이러한 전 지구적 탄소 및 물 순환 변화는 되먹임(feedback) 작용을 통해 기후에 다시 영향을 미칠 수 있다.

특히, 탄소 및 물 순환의 상관관계를 정량화 하기 위해 물 이용효율(Water Use Efficiency, WUE)이 활용되고 있다(Baldocchi, 1994; Baldocchi andWilson, 2001; Bacon, 2004; Hu et al., 2008; Kuglitsch et al., 2008; Beer et al., 2009). 물 이용효율은 식물이 광합성 시 소실하는 수분에 대해 흡수된 탄소비를 의미한다. 탄소와 물로 구성된 육상 생태계의 변화를 반영하며, 시공간적 식생의 분포 및 기후, 가뭄 주기 등 다양한 요소에 의해 영향을 받는다(Holdridge, 1947; Woodward, 1987; Hogg, 1994; Liu et al., 2015). 또한 작물의 물 이용 효율은 농업 용수 관개 용수 필요량에 영향을 미친다(Sharma et al., 2015).

물 이용효율은 육상 생태계의 기후변화에 대한 반응을 평가하는데 중요한 지표이며 식생의 종류에 따라 지역적 혹은 전지구적 규모로 물 이용효율에 대한 다양한 연구들이 선행되었다(Liang et al., 1995; Law et al., 2002; Davi et al., 2006; Gerten et al., 2008; Luo et al., 2008; Wang et al., 2008). 특히, 생태계 수준의 물 이용효율 분석을 위해 공분산 플럭스 측정(covariance flux measurements), 프로세스 기반 생태계 모델, 원격탐사 등 다양한 기법이 활용되고 있다. Keenan et al.(2013)은 과거 20년간 대기 중 이산화탄소 농도 증가에 따른 산림 물 이용효율의 증가를 보여주었다. 이는 이산화탄소 시비 효과로 인한 결과로서 기존 이론 및 생태계 모델에 의해 예상된 물 이용효율 증가량과 비교할 때 상대적으로 큰 양으로서, 물 이용효율에 영향을 미치는 산림과 기후 간의 관계에 대한 추가 연구의 필요성을 제시하였다.

기후의 물 이용효율 영향 중에서도, 특히 가뭄의 영향이 주요하게 논의되어왔다. 건조한 환경에서 식물의 기공 전도도가 적응함에 따라 물 이용효율이 증가하지만(Law et al., 2002; Camposet al.,2013), 극심한 가뭄일 경우, 물 이용효율이 감소하는 현상이 관측되기도 하였다(Reichstein et al., 2002; Reichstein et al., 2007). Lu and Zhuang(2010)은 Moderate Resolution Imaging Spectroradiometer(MODIS)와 플럭스 타워 자료 결과를 바탕으로 미국에서의 물 이용효율과 가뭄에 대한 두가지 관계성을 제시하였다. 가뭄의 강도가 보통일 때 물 이용효율이 증가하고, 극심할 때 감소하는 것이다. 나아가 Liu et al.(2015)은 지역 및 가뭄에 따른 물 이용효율의 변화에 대해 연구를 진행하였다. 연간 물 이용효율이 중국의 북서부와 몽골 내륙에서는 증가했지만, 중국 중심지역에서는 감소하였다.

전 지구적 기후변화에 따라 한반도도 강수량 및 패턴의 변화, 온도 변화, 가뭄 빈도 및 심도의 변화 등을 겪고 있고(An et al., 2011), 이는 생태계 물 이용효율 변화에 영향을 미쳤을 것으로 예상된다. 하지만, 남한에서 2007-2008년 여름을 대상으로 물 이용효율 지도가 작성된 연구(Sur and Choi, 2013) 외에는 시공간 및 식생 분포 등에 따른 한반도 물 이용효율 변화에 대한 구체적인 연구가 진행된 사례는 매우 제한적이다. 이에 본 연구는 한반도에서 시간과 공간에 따른 물 이용효율의 변화 및 가뭄과의 관계를 살펴보고자 한다. 특히, MODIS 위성 관측 기반으로 산정된 Gross Primary Production(GPP, 총일차생산량)과 Evapotranspiration(ET, 증발산량) 자료를 활용하여 물 이용효율을 한반도 전체에 대해 산정하여 분석하였으며, 그 외 격자기반 기상 자료들을 활용하여 물 이용효율과 가뭄 등의 기후와의 상관 관계를 확인하였다.

2. 연구 자료 및 방법

본 연구는 동아시아에 위치한 한반도를 대상으로 진행되었으며, 위도 32-43°N, 경도 124-132°E에 걸쳐 있다(Fig. 1). 한반도는 상대적으로 온도가 낮은 대륙성 기후의 북부와 높은 온도와 습한 기후를 보이는 남부로 이뤄져 있다. 연 평균 기온은 13.1°C이고, 연 평균 강수량은 약 1290 mm이다(KMA, 2015).

OGCSBN_2018_v34n3_553_f0001.png 이미지

Fig. 1. Study area (Korean Peninsula).

1) MODIS 기반 물 이용효율

(1) MODIS 자료

MODIS는 36개의 분광대를 이용해서 대기, 지표, 해양의 다양한 자료들을 탐지할 수 있는 센서로, NASA Earth Observing System(EOS)의 일부인 Terra와 Aqua 인공위성에 탑재되어 있다. 본 연구에서는MODIS 기반 GPP, ET 그리고 토지 피복 자료를 사용한다. Table 1은 각 자료의 측정 기간과 시공간에 따른 해상도를 제공한다.

Table 1. Description of the MODIS dataset/strong>

OGCSBN_2018_v34n3_553_t0001.png 이미지

GPP는 식물의 광합성에 의해 대기로부터 획득하는 유기물의 생산량으로, 생태계의 탄소 순환을 측정하는데 중요한 변수다. 최대 빛 이용효율, 최저기온, 수증기압포차(vapor pressure deficit), 광합성유효방사율, 그리고 단파 복사 등 여러 변수를 이용해서 계산할 수 있으며(Heinsch et al., 2003), Monteith(1972)의 방사효율 이론을 발전시킨Running et al.(2004)과Zhao et al.(2005) 등의 연구 결과에 근거한다. 본 연구에서 사용된 MODIS 17 GPP 자료는 University of Montana의 Numerical Terradynamic Simulation Group(NTSG)에서 2000-2014년까지 월별로 제공되었으며(http://www.ntsg.umt.edu), 1 km의 공간해상도를 갖는다.

ET는 식물에서 증발 및 증산작용에 의해 유실되는 수분량을 합친 값이다. Remote Sensing PenmanMonteith(RSPM) 방법에 의해 산정되었으며(Cleugh et al., 2007; Mu et al., 2011b), 마찬가지로 NTSG에서 MODIS 16 ET 자료를 2000-2014년 사이 관측치로, 1 km의 공간해상도로 제공한다.

토지 피복은 기후에 중요한 역할을 하며, 지표와 대기의 에너지 교환에 영향을 미친다. 위성에서 관측된 토지 피복 자료는 광범위하고 자료의 기간이 길기 때문에 가뭄 특성 연구에 널리 사용되고 있다. MODIS 12는 분류 체계가 다른 다섯 가지의 토지 피복 자료를 제공하는데, 한반도에 존재하는 토지 피복 및 불확실성으로 인한 오차를 최소화하기 위해 University ofMarylandDepartment of Geography(UMD) 토지 피복 지도를 사용하였다. UMD 체계는 토지 피복을 13개 종류로 분류하지만, 본 연구에서는 유형의 간소화를 위해 생물군계에 따라 7가지 유형으로 재분류 하였다 : 산림, 관목, 삼림, 초지, 농지, 도시지역, 나대지. 이 중 한반도 토지 피복 유형은 산림(67.89%), 농지(25.61%), 초지(2.58%) 순서이다(Fig. 2). 따라서 본 연구에서는 주요한 세 토지 피복 유형에 초점을 두었고, 이 유형에 따른 물 이용효율을 분석하였다.

OGCSBN_2018_v34n3_553_f0002.png 이미지

Fig. 2. Proportion of each land cover type: (a) forest; (b) cropland; (c) grassland in Korea using MODIS land cover data.

공간해상도가 낮은 기상 자료(기온 : 0.25°, 강수 : 0.25°)와 비교하기 위해 1 km 공간해상도의 MODIS 토지 피복, ET 및 GPP를 0.25°로 최근접 이웃 방법으로 업스케일을 하였다. ET와GPP의 경우 2001년부터 2012년까지의 연 자료를 활용하고 토지 피복의 경우 2012년 자료를 활용여 분석하였다. 0.25°로 업스케일된 토지 피복 자료의 경우, 연간 변동성이 상대적으로 적어 업스케일된 토지 피복 별 ET및 GPP 산정에 영향이 적음을 확인하였다.

(2) 물 이용효율

생태계를 구성하는 식물들은 광합성을 통해 대기 중에 있는 탄소를 동화시킨다. 이 과정에서 잎의 기공이 열려 수분이 손실된다. 이때 손실되는 단위 수분량에 대해 흡수되는 탄소의 비를 물 이용효율이라고 하며, 육상 생태계의 물 순환을 이해하는데 중요한 지표이다. 하지만 이를 측정하는 데에 어려움이 있기 때문에, 다양한 식생 유형에 따른 전지구적 물 이용효율 및 계절 변동성을 분석한 연구는 거의 없다.

물 이용효율은 잎 수준의 물 이용효율과 생태계 수준의 물 이용효율로 나눌 수 있다. 식물 생리학자들은 일반적으로 잎 수준에서 물 이용효율을 고려하며, 주로 토양과 토양의 생물량, 증산 또는 증발산 간의 관계에 관심을 가진다. 하지만 본 연구에서 사용된 정의는 순 생태계 생산량 혹은 총 생태계 생산량 대비 증발산량의 비율과 비슷하다. 왜냐하면 잎 수준의 물 이용효율과 생태계 수준의 물 이용효율은 측정 및 추정 과정에서의 차이로 인해 비교하는 것이 유효하지 않기 때문이다(Tang et al., 2014).

물 이용효율은 GPP를 ET로 나누어 산정되었다(Baldocchi, 1994). 이 핵심 변수는 육상 생태계의 탄소 증가와 물 손실 사이의 교환되는 양을 측정할 수 있다. 생물학적 과정(광합성 및 증산)과 물리적 과정(증발)이 강하게 연결되어 있고, 지구 상의 탄소와 물 수지에 관여하고 있기 때문에 특정한 환경적 교란이 발생 시에 탄소와 물 순환에 동시에 영향을 미치게 된다. 따라서 물 이용효율의 변화와 관련된 생태계의 영향을 추적하고 분석하는 것이 매우 중요하다.

본 연구에서는 2000-2014년까지의 물 이용효율을 인공위성에서 측정한 자료를 사용하여 산정하고 분석하였다. 이를 위해 MODIS 17 GPP 및 MODIS 16 ET가 사용되었다(Mu et al., 2007; Mu et al., 2011b). Fig. 3은 산림에서의 계절 평균 GPP와 ET의 공간 분포를 나타내고 있다. GPP와 ET 모두 여름에 최고치를 갖음을 확인할 수 있다. 또한 대도시가 위치한 도시 피복지역의 경우, 식생의 낮거나 거의 관측되지 않아서 GPP 및 ET가 결측되거나 거의 0에 가깝게 측정되었다(Running and Zhao, 2015).

OGCSBN_2018_v34n3_553_f0003.png 이미지

Fig. 3. Spatial distributions of mean seasonal (a) GPP (g C month-1 m-2) and (b) ET (mm month-1 m-2) for the forest land cover type over the period of 2000-201.

2) 기상 자료 및 가뭄 지수

(1) 강수 및 기온 자료

월 강수량과 기온 자료를 이용해 Standardizd Precipit - ation Evapotranspiration Index(SPEI) 가뭄 지수를 산정할 수 있다(Vicente-Serrano et al., 2010). 본 연구에서는 Global Historical Climate Network(GHCN2)와 Global Surface Summary of theDay(GSOD)에서 얻은 다량의 지점 자료에 기반하여, CPC MORPHing(CMORPH, Joyce et al., 2004)와University ofDelaware(UDELV4.01, Willmott and Matsuura, 2001)에서 각각 제공하는 강수와 기온 자료를 사용했다. CMORPH 강수 자료의 경우, 60°S와 60°N 영역의 1998-2016년 사이 관측된 값으로, 저궤도위성의 마이크로웨이브 채널에서 관측했으며, 0.25°의 높은 해상도를 제공한다. UDEL 기온 자료는 1901-2014년 사이 0.5° 해상도로 제공한다. 기온 자료는 0.25°의 해상도로 이중선형보간하여 다운스케일하여 사용하였다.

(2) 표준화된 강수 증발산 지수(SPEI)

가뭄은 일반적으로 PalmerDrought Severity Index(PDSI, Palmer, 1965), Standardized Precipitation Index(SPI, McKee et al., 1993), 그리고 Drought Severity Index(DSI, Mu et al., 2013)와 같은 지수로 정량화할 수 있다. 본 연구에서는 강수 뿐 아니라, 잠재 증발산량(potential evapotranspiration, PET)까지 고려하여 소요되는 물에 대해 증가한 온도의 영향을 포착하고자 한다. 따라서 강수와 잠재 증발산량의 차이를 로그–로지스틱 분포에 근사하여 지수화한 Standardized Precipitation Evapotranspiration Index(SPEI, Vicente-Serrano et al., 2010)를 사용하였으며, SPEI에 따른 가뭄의 분류는 Table 2에 정리되어 있다. 한반도의 가뭄 분석을 위해 본 연구에서는 6개월 간격으로 SPEI(SPEI-6)를 산정하였다.

Table 2. Ranges of drought conditions according to the SPEI(Ye et al., 2015)

OGCSBN_2018_v34n3_553_t0002.png 이미지

3. 결과 및 토의

1) 물 이용효율의 계절적 변동

Fig. 4에는 2000-2014년도까지 한반도의 계절별 평균 이용효율의 공간 분포를 각 토지 피복에 따라 나타냈다. 대부분의 지역에서 여름철 물 이용효율이 봄과 가을철보다 낮았다. 이는 타 계절에 비해 여름철 증발산의 증가 비율이 GPP의 증가 비율보다 커졌기 때문이다. 또한 저위도의 봄철과 가을철 물 이용효율을 비교했을 때, 봄에 더 높았다. 이는 봄에 식물이 성장을 위해 탄소를 생산하는데 물이 보다 효율적으로 사용됨 의미한다. Hu et al.(2008)은 봄철의 물 이용효율이 가을보다 높은 이유는 수증기압 포차와 기공전도도에 의해 결정되는 증산 이용효율이 낮아지기 때문이라고 제시하였다. 또한 산림의 물 이용효율이 다른 토지 피복보다 높게 나타났으며, 초지의 경우 산발적으로 농지보다 높은 지역이 있지만, 평균적으로는 농지가 초지보다 높게 나타났다.

OGCSBN_2018_v34n3_553_f0004.png 이미지

Fig. 4. Spatial distribution of mean seasonal WUE (g C/kg H2O) for the (a) forest, (b) cropland and (c) grassland land cover type over the period of 2000-2014.

Lu andZhuang(2010)은 2004년부터 2005년까지 MODIS GPP와 AmeriFlux 기반 ET를 사용하여 미국 본토에서의 물 이용효율 패턴을 분석하였다. 그 결과 여름철의 물 이용효율이 가을철보다 낮게 산정됨을 확인하였다. 또한 Sur and Choi(2013)는 2007년부터 2008년까지 MODIS와 플럭스 타워 자료를 사용하여 남한에서의 물 이용효율의 패턴을 연구하였으며, 유사한 계절 패턴을 발견하였다.

2) 물 이용효율의 공간 분포

Fig. 5는 41-43°N, 39-41°N, 37-39°N, 그리고 33-37°N으로 나눠진 네 영역의 위도 별 월 평균 물 이용효율을 나타냈다. Table 3에는 각 영역의 평균 물 이용효율 및 추세선 기울기와 절편을 정리하였다. 그림과 표에서 확인할 수 있듯이, 위도가 북쪽에서 남쪽으로 갈수록 최대 물 이용효율이 증가하는 패턴을 보인다. Liu et al.(2015)은 중국 전역에 기후, 토양 및 식생의 종류에 따라 물 이용효율이 넓게 변하는 것을 보여주었으며, 아열대 및 열대 지역에서 물 이용효율이 항상 0보다 크다는 결론을 나타내었다. 본 연구 결과 또한 위도 33-37°N에서 물 이용효율이 0을 상회하는 결과를 보였다. 이를 통해 한반도 남부 지역의 기후가 아열대로 바뀌었다는 것을 확인할 수 있었다.

OGCSBN_2018_v34n3_553_f0005.png 이미지

Fig. 5. Latitudinal distribution of mean monthly WUE (g C/kg H2O) for the forest land cover type over the period of 2000-2014.

Table 3. Mean, slope and intercept of WUE in each cluster

OGCSBN_2018_v34n3_553_t0003.png 이미지

3) 식생에 따른 물 이용효율

식생 마다 탄소를 흡수하고 물을 소비하는 양이 다르다. 즉, 물 이용효율이 다르다. Fig. 6은 2000-2014년 서로 다른 식생으로 이뤄진 피복 유형에 따른 연간 물 이용효율을 나타냈다. 물 이용효율은 평균적으로 초지에서 농지, 산림으로 갈수록 증가했고, 그 평균값은 각각 0.77 g C/g H2O, 1.47 g C/kg H2O, 1.34 g C/kg H2O다. Lu and Zhuang(2010)이 미국에서 측정한 물 이용효율은, 초지, 농지, 관목수림 그리고 산림으로 갈수록 증가하였다. Liu et al.(2015)은 중국에서 다양한 식생 유형에 대해 물 이용효율을 산정하였다. 연평균 물 이용효율이 낙엽활엽수림에서 1.24 g C / kg H2O로 가장 높았고, 농지와 낙엽침엽수림이 그 뒤를 따랐다. 나아가 상록수림, 혼합림, 관목수림이 상대적으로 낮아 중간에 속했으며, 초지에서 0.39 g C/kg H2O로 가장 낮았다.

OGCSBN_2018_v34n3_553_f0006.png 이미지

Fig. 6. Trends in annual WUE (g C/kg H2O) for each land cover type across Korea during the period of 2000-2014.

서로 다른 식생에 대한 물 이용효율의 연간 추세는 다음과 같다. 산림, 농지, 초지에서 각각 4.50×10-3 g C/kg H2O/year, 7.70×10-3 g C/kg H2O/year, 7.50×10-3 g C/kg H2O/year 만큼 모든 종류의 식생에서 증가했다. 15년치 표본에 대한 t 검정을 실시하여, p값이 모두 0.001 미만으로 통계적으로 유의미한 증가 추세임을 확인하였다.

이런 경향은 타 연구와 비교했을 때 지역마다 그 추세가 다름을 알 수 있다. Tian et al. (2011)은 일본, 몽골, 인도, 인도네시아를 포함하는 아시아 전역에 대해 1948년부터 2000년까지 물 이용효율을 산정한 결과, 매년 우기에 물 이용효율이 2.30×10-2 g C/kg H2O 정도 감소한다는 것을 발견했다. 그러나 Liu et al.(2015)은 물 이용효율이 중국의 북동쪽에서는 0.50×10-2 g C/kg H2O/year의 추세로 증가하고, 남부 지역에서는 0.20×10-1 g C/kg H2O/year의 추세로 감소한다는 것을 MODIS 자료 및 생태계 모형의 모의 결과로 확인하였다.

4) 가뭄에 대한 물 이용효율의 반응

기후변화 시에 기온상승으로 물 이용효율이 증가할 것이라는 가설들이 있으나, 관측된 근거는 미흡하였다. 기후변화로 발생하는 문제 중 하나인 가뭄에 대해 한반도의 물 이용효율을 변동을 알아보고자, 본 연구에서는 2.2절에 설명된 바와 같이 한반도에서 SPEI-6를 산정하였다. 한반도의 주요한 토지 피복 유형인 산림, 농지 그리고 초지에서의 물 이용효율과 SPEI-6을 비교한 결과, 세 토지 피복 모두 같은 경향성을 띄었다. Fig. 7에 가뭄에 가장 민감한 토지 피복인 농지의 연 평균 물 이용효율과 가뭄 지수를 위도에 따라 도시하였다. 대체적으로 SPEI가 음수일 때, 물 이용효율이 높아지는 경향을 보였고, SPI가 양수일 때, 물 이용효율이 낮아졌다. 물 이용효율의 증감 패턴을 비교하기 위해 SPEI-6와 월간 물 이용효율의 아노말리의 상관 계수를 위도 별로 나타내었다(Fig. 8). 이를 통해 두 변수 간의 음의 상관 관계는 저위도로 갈수록 증가하는 것을 확인할 수 있었다.

OGCSBN_2018_v34n3_553_f0007.png 이미지

Fig. 7. Latitudinal distributions of mean monthly SPEI-6 and annual WUE for cropland over the period of 2001-2014.

OGCSBN_2018_v34n3_553_f0008.png 이미지

Fig. 8. Variations in the correlation coefficients between mean monthly SPEI-6 and WUE anomalies over the period of 2001-2014.

본 연구 결과와 마찬가지로 많은 연구에서 물 이용효율이 가뭄 중에 감소한다고 제시하였다(Reichstein et al., 2002; Reichstein et al., 2007). Lu and Zhuang(2010)과 Liu et al.(2015)은 가뭄의 지역과 심도에 따라 물 이용효율의 반응이 달라진다고 시사하였다. 이러한 다양한 물 이용효율의 반응을 감안할 때, 가뭄을 예방하고 대비하는데 있어 관심 지역의 식생의 특성을 이해하는 것이 더욱 중요해 보인다.

4. 결론

물 이용효율은 생태계의 물 순환과 탄소 균형의 영향을 추정하는데 사용되기 때문에 이의 시간 및 공간에 따른 변화를 이해하는 것이 매우 중요하다. 본 연구에서는 한반도를 2000-2014년 사이 관측한 MODIS 위성영상을 통해 제공된 GPP와 ET 자료로 물 이용효율의 특징 및 가뭄과의 연관성을 분석하였다.

본 연구를 통해 얻은 결론은 다음과 같다. 한반도의 물 이용효율은 계절 별로 특징이 두드러진다. 특히 여름철에 감소하는 경향을 보인다. 나아가 식생의 종류에 대한 물 이용효율의 반응이 기존 연구들과 유사했다. 한반도 물 이용효율의 연평균 값이 산림, 농지, 초지의 순서의 크기를 가지며, 셋 모두 15년 동안 증가하는 추세를 보였. 마지막으로, 가뭄과 물 이용효율 간의 연관성을 분석하기 위해 SPEI 가뭄 지수를 활용하였다. 일반적으로 물 이용효율과 SPEI는 음의 상관 관계를 보였고, 저위도로 갈수록 그 상관 관계가 증가하였다.

본 연구에서 물 이용효율의 특성을 분석하기 위해 MODIS를 통해 제공된 GPP 및 ET 자료를 활용하였다. 동일한 분석을 위해 MODIS 자료를 기상자료의 공간 해상도로 업스케일하는 과정에서의 오차 발생은 불가피하다. 따라서 공간 해상도가 더 높은 기상자료를 사용하면 오차 및 불확실성이 더 감소할 것으로 보인다. 본 연구의 결과는 다중 자료 기반 연구 등을 통해 그 결과를 확증할 수 있을 것이다. 최근, 에디 공분산 기반 자료를 기반으로 하는 전 지구 모형, 즉 Breathing Earth System Simuator(BESS, Ryu et al., 2011; Jiang and Ryu, 2016)를 이용한 GPP 및 ET 자료가 생산되었고, 추후 이를 활용한 연구를 진행하고자 한다. 나아가 물 이용효율에 영향을 미치는 식생에 대한 이해와 함께 한반도의 물 이용효율 결과를 이용한다면, 가뭄을 비롯한 환경 및 기후문제를 예측하고 대비하는데 활용할 수 있을 것이다. 즉, 작물의 물 이용효율 변화를 반영하여 관개 시 필요한 농업용수의 양을 산정하는 등의 효율적인 수자원 관리에 기여할 수 있을 것이다.

사사

이 논문은 2015학년도 연세대학교 미래선도연구사업 지원과(2017-22-0012), 기상청 기상·지진See-At기술개발연구(KMIPA 2015-6180)의 지원으로 수행되었습니다.

References

  1. An, S.I., K.J. Ha, K.H. Seo, S.W. Yeh, S.K. Min, and C.H. Ho, 2011. A review of recent climate trends and causes over the Korean peninsula, Climate Change Research, 2(4): 237-251.
  2. Baldocchi, D., 1994. A comparative study of mass and energy exchange rates over a closed C3 (wheat) and an open C4 (corn) crop: II. CO2 exchange and water use efficiency, Agricultural and Forest Meteorology, 67(3-4): 291-321. https://doi.org/10.1016/0168-1923(94)90008-6
  3. Baldocchi, D.D. and K.B. Wilson, 2001. Modeling CO2 and water vapor exchange of a temperate broadleaved forest across hourly to decadal time scales, Ecological Modelling, 142(1-2): 155-184. https://doi.org/10.1016/S0304-3800(01)00287-3
  4. Bacon, M.A., 2004. Water use efficiency in plant biology, Wiley-Blackwell, Oxford, U.K.
  5. Beer, C., P. Ciais, M. Reichstein, D. Baldocchi, B. Law, D. Papale, J. Soussana, C. Ammann, N. Buchmann, D. Frank, D. Gianelle, I.A. Janssens, A. Knohl, B. Kostner, E. Moors, O. Roupsard, H. Verbeeck, T. Vesala, C.A. Williams, and G. Wohlfahrt, 2009. Temporal and among-site variability of inherent water use efficiency at the ecosystem level, Global Biogeochemistry Cycles, 23(2).
  6. Cleugh, H.A., R. Leuning, Q. Mu, and Running, S.W., 2007. Regional evaporation estimates from flux tower and MODIS satellite data, Remote Sensing of Environment, 106(3): 285-304. https://doi.org/10.1016/j.rse.2006.07.007
  7. Davi, H., E. Dufrene, C. Francois, G. Le Maire, D. Loustau, A. Bosc, S. Rambal, A. Granier, and E. Moors, 2006. Sensitivity of water and carbon fluxes to climate changes from 1960 to 2100 in European forest ecosystems, Agriculture and Forest Meteorology, 141(1): 35-56. https://doi.org/10.1016/j.agrformet.2006.09.003
  8. Dong, G., J. Guo, J. Chen, G. Sun, S. Gao, L. Hu, and L. Wang, 2011. Effects of spring drought on carbon sequestration, evapotranspiration and water use efficiency in the Songnen meadow steppe in Northeast China, Ecohydrology, 4(2): 211-224. https://doi.org/10.1002/eco.200
  9. Gerten, D., Y. Luo, G. Le Maire, W. Parton, C. Keough, E. Weng, C. Beier, P. Cias, W. Cramer, J. Dukes, P. Hanson, A. Knapp, S. Linder, D. Nepstad, L. Rustad, and A. Sowerby, 2008. Modelled effects of precipitation on ecosystem carbon and water dynamics in different climatic zones, Global Change Biology, 14(10): 2365-2379. https://doi.org/10.1111/j.1365-2486.2008.01651.x
  10. Heinsch, F.A., M. Reeves, P. Votava, S. Kang, C. Milesi, J. Glassy, W.M. Jolly, R. Loehman, C.F. Bowker, J.S. Kimball, R. Nemani, and S.W. Running, 2003. User's guide GPP and NPP (MOD17A2/A3) products NASA MODIS land algorithm, University of Montana, Missoula, Montana, U.S.
  11. Holdridge, L.R., 1947. Determination of world plant formations from simple climatic data, Science, 105(2727): 367-368. https://doi.org/10.1126/science.105.2727.367
  12. Hogg, E.H., 1994. Climate and the southern limit of the western Canadian boreal forest, Canadian Journal of Forest Research, 24(9): 1835-1845. https://doi.org/10.1139/x94-237
  13. Hosking, J.R.M., 1990. L-moments: Analysis and Estimation of Distributions using Linear Combinations of Order Statistics, Journal of the Royal Statistical Society: Series B, 52(1): 105-124. https://doi.org/10.1111/j.2517-6161.1990.tb01775.x
  14. Hu, Z., G. Yu, Y. Fu, X. Sun, Y. Li, P. Shi, Y. Wang, and Z. Zheng, 2008. Effects of vegetation control on ecosystem water use efficiency within and among four grassland ecosystems in China, Global Change Biology, 14(7): 1609-1619. https://doi.org/10.1111/j.1365-2486.2008.01582.x
  15. Intergovernmental Panel on Climate Change, 2014. Climate Change 2014: Synthesis Report, Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Intergovernmental Panel on Climate Change, Geneva, Switzerland.
  16. Jiang, C. and C. Ryu, 2016. Multi-scale evaluation of global gross primary productivity and evapotranspiration products derived from Breathing Earth System Simulator (BESS), Remote Sensing of Environment, 186: 528-547. https://doi.org/10.1016/j.rse.2016.08.030
  17. Joyce, R.J., J.E. Janowiak, P.A. Arkin, and P. Xie, 2004. CMORPH: A Method that Produces Global Precipitation Estimates from Passive Microwave and Infrared Data at High Spatial and Temporal Resolution, Journal of Hydrometeorology, 5(3): 487-503. https://doi.org/10.1175/1525-7541(2004)005<0487:CAMTPG>2.0.CO;2
  18. Keenan, T.F., D.Y. Hollinger, G. Bohrer, D. Dragoni, J.W. Munger, H.P. Schmid, and A.D. Richardson, 2013. Increase in forest water-use efficiency as atmospheric carbon dioxide concentrations rise, Nature, 499: 324-327. https://doi.org/10.1038/nature12291
  19. Korea Meteorological Administration, 2015. Annual Climatological Report 2014, Korea Meteorological Administration, Seoul, Korea.
  20. Kuglitsch, F.G., M. Reichstein, C. Beer, A. Carrara, R. Ceulemans, A. Granier, I.A. Janssens, B. Koestner, A. Lindroth, D. Loustau, G. Matteucci, L. Montagnani, E.J. Moors, D. Papale, K. Pilegaard, S. Rambal, C. Rebmann, E.D. Schulze, G. Seufert, H. Verbeeck, T. Vesala, M. Aubinet, C. Bernhofer, T. Foken, T. Grünwald, B. Heinesch, W. Kutsch, T. Laurila, B. Longdoz, F. Miglietta, M.J. Sanz, and R. Valentini, 2008. Characterisation of ecosystem water-use efficiency of European forests from eddy covariance measurements, Biogeosciences Discuss, 5: 4481-4519. https://doi.org/10.5194/bgd-5-4481-2008
  21. Law, B., E. Falge, L. Gu, D. Baldocchi, P. Bakwin, P. Berbigier, K. Davis, A. Dolman, M. Falk, J. Fuentes, A. Goldstein, A. Granier, A. Grelle, D. Hollinger, I. Janssens, P. Jarvis, N. Jensen, G. Katul, Y. Mahli, G. Metteucci, T. Meyers, R. Monson, W. Munger, W. Oechel, R. Olson, K. Pilegaard, K. Paw, H. Thorgeirsson, R. Valentini, S. Verma, T. Vesala, K. Wilson, and S. Wofsy, 2002. Environmental controls over carbon dioxide and water vapor exchange of terrestrial vegetation, Agriculture and Forest Meteorology, 113(1-4): 97-120. https://doi.org/10.1016/S0168-1923(02)00104-1
  22. Liang, N. and K. Maruyama, 1995. Interactive effects of CO2 enrichment and drought stress on gas exchange and water-use efficiency in Alnus Firma, Environmental and Experimental Botany, 35(3): 353-361. https://doi.org/10.1016/0098-8472(95)00009-8
  23. Liu, Y., J. Xiao, W. Ju, Y. Zhou, S. Wang, and X. Wu, 2015. Water use efficiency of China's terrestrial ecosystems and responses to drought, Science Report, 5: 13799. https://doi.org/10.1038/srep13799
  24. Lu, X.L. and Q.L. Zhuang, 2010. Evaluating evapotranspiration and water-use efficiency of terrestrial ecosystems in the conterminous United States using MODIS and AmeriFlux data, Remote Sensing of Environment, 114: 1924-1939. https://doi.org/10.1016/j.rse.2010.04.001
  25. Luo, Y., D. Gerten, G. Le Maire, W. Parton, E. Weng, X. Zhou, C. Keough, C. Beier, P. Cias, W. Cramer, J. Dukes, B. Emmett, P. Hanson, A. Knapp, S. Linder, D. Nepstad, and L. Rustad, 2008. Modeled interactive effects of precipitation, temperature, and CO2 on ecosystem carbon and water dynamics in different climatic zones, Global Change Biology, 14(9): 1986-1999. https://doi.org/10.1111/j.1365-2486.2008.01629.x
  26. McKee, T.B., N.J. Doesken, and J. Kleist, 1993. The Relationship of Drought Frequency and Duration to Time Scales, Proc. of 8th Conference on Applied Climatology, Anaheim, CA, Jan. 17-22, pp. 179-184.
  27. Monteith, J.L., 1972. Solar radiation and productivity in tropical ecosystems, Journal of Applied Ecology, 9(3): 747-766. https://doi.org/10.2307/2401901
  28. Mu, Q., F.A. Heinsch, M. Zhao, and S.W. Running, 2007. Development of a global evapotranspiration algorithm based on MODIS and global meteorology data, Remote Sensing of Environment, 111: 519-536. https://doi.org/10.1016/j.rse.2007.04.015
  29. Mu, Q., F.A. Heinsch, M. Zhao, and S.W. Running, 2011b. Improvements to a MODIS global terrestrial evapotranspiration algorithm, Remote Sensing of Environment, 115: 1781-1800. https://doi.org/10.1016/j.rse.2011.02.019
  30. Mu, Q., M. Zhao, J.S. Kimball, N.G. McDowell, and S.W. Running, 2013. A Remotely Sensed Global Terrestrial Drought Severity Index, Bulletin of the American Meteorological Society, 94(1): 83-98. https://doi.org/10.1175/BAMS-D-11-00213.1
  31. Niu, S., M. Wu, Y. Han, J. Xia, L. Li, and S. Wan, 2008. Water-mediated responses of ecosystem carbon fluxes to climatic change in a temperate steppe, New Phytologist, 177(1): 209-219. https://doi.org/10.1111/j.1469-8137.2007.02237.x
  32. Niu, S., X. Xing, Z. Zhang, J. Xia, X. Zhou, B. Song, L. Li, and S. Wan, 2011. Water-use efficiency in response to climate change: from leaf to ecosystem in a temperate steppe, Global Change Biology, 17(2): 1073-1082. https://doi.org/10.1111/j.1365-2486.2010.02280.x
  33. Palmer, W., 1965. Meteorological drought, U.S. Department of Commerce Weather Bureau, Washington DC, U.S.
  34. Ponce-Campos, G.E., M.S. Moran, A. Huete, Y. Zhang, C. Bresloff, T.E. Huxman, D. Eamus, D.D. Bosch, A.R. Buda, S.A. Gunter, T.H. Scalley, S.G. Kitchen, M.P. McClaran, W.H. McNab, D.S. Montoya, J.A. Morgan, D.P.C. Peters, E.J. Sadler, M.S. Seyfried, and P.J. Starks, 2013. Ecosystem resilience despite largescale altered hydroclimatic conditions, Nature, 494: 349-352. https://doi.org/10.1038/nature11836
  35. Reichstein, M., J.D. Tenhunen, O. Roupsard, J.M. Ourcival, S. Rambal, F. Miglietta, A. Peressotti, M. Pecchiari, G. Tirone, and R. Valentini, 2002. Severe drought effects on ecosystem CO2 and H2O fluxes at three Mediterranean evergreen sites: revision of current hypotheses?, Global Change of Biology, 8(10): 999-1017. https://doi.org/10.1046/j.1365-2486.2002.00530.x
  36. Reichstein, M., P. Ciais, D. Papale, R. Valentini, S. Running, N. Viovy, W. Cramer, A. Granier, J. Ogee, V. Allard, M. Aubinet, C. Bernhofer, N. Buchmann, A. Barrara, T. Grunwald, M. Heimann, B. Heinesch, A. Knohl, W. Kutsch, D. Loustau, G. Manca, G. Matteucci, F. Miglietta, J.M. Ourcival, K. Pilegaard, J. Pumpanen, S. Rambal, S. Schaphoff, G. Seufert, J.F. Soussana, M.J. Sanz, T. Vesala, and M. Zhao, 2007. Reduction of ecosystem productivity and respiration during the European summer 2003 climate anomaly: a joint flux tower, remote sensing and modelling analysis, Global Change Biology, 13(3): 634-651. https://doi.org/10.1111/j.1365-2486.2006.01224.x
  37. Running, S.W., R.R. Nemani, F.A. Heinsch, M. Zhao, M. Reeves, and H. Hashimoto, 2004. A continuous satellite-derived measure of global terrestrial primary production, Bioscience, 54(6): 547-560. https://doi.org/10.1641/0006-3568(2004)054[0547:ACSMOG]2.0.CO;2
  38. Running, S.W. and M. Zhao, 2015. User's guide daily GPP and annual NPP (MOD17A2/A3) products NASA Earth observing system MODIS land algorithm, Version 3.0 for collection 6, University of Montana, Missoula, Montana, U.S.
  39. Ryu, Y., D.D. Baldocchi, H. Kobayashi, C. Van Ingen, J. Li, T.A. Black, J. Beringer, E.V. Gorsel, A. Knohl, B.E. Law, and O. Roupsard, 2011. Integration of MODIS land and atmosphere products with a coupled-process model to estimate gross primary productivity and evapotranspiration from 1 km to global scales, Global Biogeochemistry Cycles, 25(4): 1-24.
  40. Scanlon, T.M. and J.D. Albertson, 2004. Canopy scale measurements of CO2 and water vapor exchange along a precipitation gradient in southern Africa, Global Change Biology, 10(3): 329-341. https://doi.org/10.1046/j.1365-2486.2003.00700.x
  41. Sharma, B., D. Molden, and S. Cook, 2015. Water use efficiency in agriculture: Measurement, current situation and trends, In: Drechsel, P., Heffer, P., Magen, H., Mikkelsen, R., Wichelns, D. (Eds.), Managing water and fertilizer for sustainable agricultural intensification, Paris, France, pp. 39-64.
  42. Sur, C.Y. and M. Choi, 2013. Evaluating ecohydrological impacts of vegetation activities on climatological perspectives using MODIS gross primary productivity and evapotranspiration products at Korean regional flux network site, Remote Sensing, 5(5): 2534-2553. https://doi.org/10.3390/rs5052534
  43. Tang, X., H. Li, A.R. Desai, Z. Nagy, J. Luo, T.E. Kolb, A. Olioso, X. Xu, L. Yao, W. Kutsch, K. Pilegaard, B. Kostner, and C. Ammann, 2014. How is water-use efficiency of terrestrial ecosystems distributed and changing on Earth?, Scientific Reports, 4: 7483.
  44. Tian, H.Q., C. Lu, G. Chen, X. Xu, M. Liu, W. Ren, B. Tao, G. Sun, S. Pan, and J. Liu, 2011. Climate and land use controls over terrestrial water use efficiency in monsoon Asia, Ecohydrology, 4(2): 322-340. https://doi.org/10.1002/eco.216
  45. Thornthwaite, C., 1948. An Approach toward a Rational Classification of Climate, Geographical Review, 38(1): 55-94. https://doi.org/10.2307/210739
  46. Vicente-Serrano, S.M., S. Begueria, and J.I. Lopez-Moreno, 2010. A Multiscalar Drought Index Sensitive to Global Warming: The Standardized Precipitation Evapotranspiration Index, Journal of Climate, 23: 1696-1718. https://doi.org/10.1175/2009JCLI2909.1
  47. Wang, J., G. Yu, Q. Fang, D. Jiang, H. Qi, and Q. Wang, 2008. Responses of water use efficiency of 9 plant species to light and CO2 and their modeling, Acta Ecologica Sinica, 28(2): 525-533. https://doi.org/10.1016/S1872-2032(08)60027-X
  48. Willmott, C.J. and K. Matsuura, 2001. Terrestrial air temperature and precipitation: Monthly and annual time series (1950-1999) (version 1.02), Center for Climate Research, University of Delaware, Newark, New Jersey, U.S.
  49. Woodward, F.I., 1987. Climate and Plant Distribution, Cambridge University Press, Cambridge, U.K.
  50. Ye, X.C., Y.L. Li, X.H. Li, C.Y. Xu, and Q. Zhang, 2015. Investigation of the variability and implications of meteorological dry/wet conditions in the Poyang lake catchment, China, during the period 1960-2010, Advances in Meteorology, 2015: 928534.
  51. Yu, G.R., X. Song, Q.F. Wang, Y. Liu, D. Guan, J. Yan, X. Sun, L. Zhang, and X. Wen, 2008. Water-use efficiency of forest ecosystems in eastern China and its relations to climatic variables, New Phytologist, 177(4): 927-937. https://doi.org/10.1111/j.1469-8137.2007.02316.x
  52. Zhao, M., F.A. Heinsch, R.R. Nemani, and S.W. Running, 2005. Improvements of the MODIS terrestrial gross and net primary production global data set, Remote Sensing of Environment, 95(2): 164-176. https://doi.org/10.1016/j.rse.2004.12.011

Cited by

  1. Priority Analysis of Remote Sensing and Geospatial Information Techniques to Water-Related Disaster Damage Reduction for Inter-Korean Cooperation vol.2020, pp.None, 2018, https://doi.org/10.1155/2020/8878888