DOI QR코드

DOI QR Code

A Study on Domestic Applicability for the Korean Cosmic-Ray Soil Moisture Observing System

한국형 코즈믹 레이 토양수분 관측 시스템을 위한 국내 적용성 연구

  • Jaehwan Jeong (Center for Built Environment, Sungkyunkwan University) ;
  • Seongkeun Cho (Department of Water Resources, Sungkyunkwan University) ;
  • Seulchan Lee (Department of Water Resources, Sungkyunkwan University) ;
  • Kiyoung Kim (Survey Planning Department, Water Resource Survey Division, Korea Institute of Hydrological Survey) ;
  • Yongjun Lee (Survey Planning Department, Water Resource Survey Division, Korea Institute of Hydrological Survey) ;
  • Chung Dae Lee (Survey Planning Department, Water Resource Survey Division, Korea Institute of Hydrological Survey) ;
  • Sinjae Lee (Water Resource Survey Division, Korea Institute of Hydrological Survey) ;
  • Minha Choi (School of Civil, Architectural Engineering and Landscape Architecture, Sungkyunkwan University)
  • 정재환 (성균관대학교 건설환경연구소) ;
  • 조성근 (성균관대학교 수자원전문대학원) ;
  • 이슬찬 (성균관대학교 수자원전문대학원) ;
  • 김기영 (한국수자원조사기술원 수자원조사본부 조사기획실) ;
  • 이용준 (한국수자원조사기술원 수자원조사본부 조사기획실) ;
  • 이충대 (한국수자원조사기술원 수자원조사본부 조사기획실) ;
  • 이신재 (한국수자원조사기술원 수자원조사본부) ;
  • 최민하 (성균관대학교 건설환경공학부)
  • Received : 2023.03.31
  • Accepted : 2023.04.12
  • Published : 2023.04.30

Abstract

In terms of understanding the water cycle and efficient water resource management, the importance of soil moisture has been highlighted. However, in Korea, the lack of qualified in-situ soil moisture data results in very limited utility. Even if satellite-based data are applied, the absence of ground reference data makes objective evaluation and correction difficult. The cosmic-ray neutron probe (CRNP) can play a key role in producing data for satellite data calibration. The installation of CRNP is non-invasive, minimizing damage to the soil and vegetation environment, and has the advantage of having a spatial representative for the intermediate scale. These characteristics are advantageous to establish an observation network in Korea which has lots of mountainous areas with dense vegetation. Therefore, this study was conducted to evaluate the applicability of the CRNP soil moisture observatory in Korea as part of the establishment of a Korean cOsmic-ray Soil Moisture Observing System (KOSMOS). The CRNP observation station was installed with the Gunup-ri observation station, considering the ease of securing power and installation sites and the efficient use of other hydro-meteorological factors. In order to evaluate the CRNP soil moisture data, 12 additional in-situ soil moisture sensors were installed, and spatial representativeness was evaluated through a temporal stability analysis. The neutrons generated by CRNP were found to be about 1,087 counts per hour on average, which was lower than that of the Solmacheon observation station, indicating that the Hongcheon observation station has a more humid environment. Soil moisture was estimated through neutron correction and early-stage calibration of the observed neutron data. The CRNP soil moisture data showed a high correlation with r=0.82 and high accuracy with root mean square error=0.02 m3/m3 in validation with in-situ data, even in a short calibration period. It is expected that higher quality soil moisture data production with greater accuracy will be possible after recalibration with the accumulation of annual data reflecting seasonal patterns. These results, together with previous studies that verified the excellence of CRNP soil moisture data, suggest that high-quality soil moisture data can be produced when constructing KOSMOS.

수문순환의 이해와 효율적 수자원 관리의 측면에서 토양수분의 중요성이 조명되고 있으나, 국내에는 양질의 지점 토양수분 자료의 부재로 그 활용도가 매우 낮은 실정이다. 때문에 인공위성 기반의 토양수분을 적용할 때에도, 기준자료가 되는 지상 관측자료가 없어 객관적인 평가 및 교정이 어려운 실정이다. 코즈믹 레이 중성자 탐지센서(cosmic-ray neutron probe, CRNP)를 활용한 토양수분 관측소는 위성 자료의 검보정을 위한 기준 자료 생산에서 핵심적인 역할을 수행할 수 있다. CRNP는 비침습식으로 설치가 가능하여 토양층 교란과 식생 환경의 피해를 최소화할 수 있고, 공간 대표성을 가진 중간 규모의 관측 범위를 가지고 있다는 장점이 있다. 이러한 특징은 지형이 복잡하고 식생이 우거진 지형이 많은 우리나라에서의 활용이 용이하다는 장점으로 이어진다. 따라서 본 연구는 한국형 코즈믹 레이 토양수분 관측 시스템(Korean cOsmic-ray Soil Moisture Observing System, KOSMOS) 구축의 일환으로, CRNP를 활용한 토양수분 관측소의 국내 적용성을 평가하고자 수행되었다. CRNP 관측소는 전력 및 설치 부지 확보의 용이성과 추후 타 수문기상 인자와의 효율적 활용을 고려하여, 한강홍수통제소의 홍천군 군업리 관측소에 병행 설치되었다. CRNP 토양수분 자료의 평가를 위해 12개소의 지점 토양수분 센서를 추가로 설치하였으며, 시간 안정성 분석을 통해 공간적 대표성을 평가하였다. CRNP에서 생성되는 중성자는 평균 1,087 counts per hour 정도로 설마천 관측소에 비해 낮게 나타나 홍천 관측소의 환경이 더 습윤한 환경임을 알 수 있었다. 관측된 중성자 자료의 중성자 보정과 초기교정을 통해 토양수분을 산정하였으며, 산정된 토양수분 자료는 짧은 교정 기간에도 지점 자료와의 검증에서 r=0.82로 높은 상관성을 보여주었고, root mean square error=0.02 m3/m3의 높은 정확도를 보여주었다. 추후 계절성을 반영할 수 있도록 연간 자료가 축적된 후 재교정을 수행하면 보다 높은 정확도를 보여줄 것으로 판단된다. 이러한 결과는 CRNP 토양수분 자료의 우수성을 검증한 선행연구들과 더불어, KOSMOS 구축 시 양질의 토양수분 자료를 생산할 수 있음을 시사한다.

Keywords

1. 서론

최근 기후변화와 극한 기상현상의 증가, 인구의 증가 등에 따라 물 안보의 중요성이 강조되고 있다(Park and Oh, 2022). 이에 따라 물 순환을 해석하여 지표수 등 수자원을 조사 및 분석, 확보하기 위한 다양한 기술에 대한 연구가 전 세계적으로 활발히 수행되어 왔다(Van Loon and Van Lanen, 2013; Hessels et al., 2022; McColl et al., 2017). 물 순환의 주요 요소 중 하나인 토양수분은 대기와 지표 사이의 수문, 에너지 순환을 조절하는 인자로, 기후, 기상 예측을 위한 핵심 인자로 인식되어 왔다(Vereecken et al., 2008; Hagemann and Stacke, 2015). 토양수분은 농업, 임업과 같은 산업에 직접적인 영향을 미치기도 하며, 다양한 산업에서 활용되는 수자원의 거동과 밀접하게 연관되어 있어, 이를 이해하기 위한 활발한 연구가 수행되고 있다(Western et al., 2004; Srivastava, 2017). 또한 토양수분 관측 자료는 홍수, 범람, 산불, 산사태 등의 지표면에서 발생하는 각종 수재해의 발생 메커니즘 분석과 모니터링에서도 유용하게 활용될 수 있다(Wanders et al., 2014; Posner and Georgakakos, 2015; Thomas Ambadan et al., 2020). 최근 국내 또한 토양수분을 활용하기 위해, 양질의 토양수분 자료를 생산하기 위한 다양한 연구가 수행되고 있다(Kim et al., 2016; Lee et al., 2017; Baik et al., 2019; Kim et al., 2021; Jeong et al., 2022).

현재 지점 단위에서의 토양수분량 관측은 직접관측 방법인 건토중량법, frequency domain reflectometry (FDR) 등을 활용하는 유전율식 방법이 대표적으로 활용되고 있으며, 면 단위의 관측 방법으로는 위성 탑재 센서, 코즈믹 레이 중성자 탐지 센서(cosmic-ray neutron probe, CRNP) 등이 활용되고 있다(Babaeian et al., 2019). 각 토양 수분 관측 방법은 다양한 시공간해상도와 장단점을 가지고 있다(Albergel et al., 2008; Pellarin et al., 2013; Montzka et al., 2017). 지점 토양수분 관측 방법은 가장 높은 신뢰도를 가지며, 유전율식 센서를 활용할 경우 분 단위의 자료를 획득할 수 있다. 하지만, 지점 자료인 만큼 공간대표성이 떨어지므로 활용도가 낮다는 단점이 있다. 반면, 위성 탑재 센서 기반의 토양수분 관측 기법은 광범위한 지역의 대표 토양수분량을 관측할 수 있지만, 지형과 기상 등 다양한 변수의 영향을 받으므로 자료의 신뢰도가 비교적 낮고, 일반적으로 추가적인 보정 및 교정 프로세스를 요구한다(Crow et al., 2012; Peng et al., 2017). 최근에는 위성 탑재 센서 기반 토양수분 관측 자료의 단점으로 작용했던 공간해상도가 10–25 km급에서 1 km까지 개선되기도 하였다(Bauer-Marschallinger et al., 2018; Liu et al., 2022). 하지만, 여전히 산지와 숲 등 복잡한 지형에서 활용하기 어려운 측면이 있으며, 어느 정도의 복잡성까지 자료가 신뢰도를 보장하는지에 대한 범위를 특정하기 어렵다. 따라서, 지형적 특성, 토지 이용, 토지 피복 등 다양한 환경적 조건에 따라 이를 검증하고 교정하기 위한 지점 관측소가 요구되는 실정이다. 최근 우리나라에서도 마이크로웨이브(microwave)와 합성개구 레이더 기반의 위성 자료를 활용한 토양수분 관측 방식을 도입하고자 하는 연구가 수행되고 있으나, 국내 환경에 적절히 적용하기 위해서는 지상 관측소 운영을 통한 기준자료의 확보가 선결되어야 한다. 하지만 국토의 과반을 차지하는 산지에서의 토양수분 모니터링은 센서의 설치를 위한 접근성, 관측소의 운영과 관리 측면의 용이성과 경제성 측면에서 많은 현실적 어려움에 직면할 수밖에 없다.

CRNP는 면 단위 토양수분 관측 장비로, 관측 지점을 기준으로 반경 300 m 내외에서 유효 깊이 30 cm 내외의 공간 토양수분 관측이 가능하며, 복잡한 지형 및 식생 환경에서도 높은 정확도의 토양수분 자료를 생산할 수 있음이 검증되었다(Zhu et al., 2017; Nguyen et al., 2019; Jeong et al., 2021). 특히, 비침습식의 편리하고 환경 영향이 적은 설치 방식의 이점을 앞세워 미국의 COsmic-ray Soil Moisture Observing System (COSMOS), 영국의 COSMOS-UK, 호주의 CosmOz와 같은 지상 토양수분 관측망을 구축하는 데 핵심적인 역할을 수행하고 있다(Shuttleworth et al., 2010; Fry et al., 2015; Hawdon et al., 2014). 산지가 많은 국내 환경에서도 CRNP는 매우 유리한 장비라고 판단되며, 본 연구에서는 한국형 코즈믹 레이 토양수분 관측 시스템(Korean cOsmic-ray Soil Moisture Observing System, KOSMOS) 구축을 위한 CRNP 관측소의 활용성을 평가하고자 수행되었다. 본 연구는 관측 체계 설계, 중성자 보정, 초기 교정을 통한 CRNP 토양 수분의 검증과 평가를 포함한다. 또한, 설마천 관측소에 이어 두 번째 국내 적용 사례를 추가한다는 의미가 있으며, 추후 국내 토양수분 관측망 KOSMOS의 구축을 위한 기초 자료로 활용될 것으로 기대된다.

2. 연구자료 및 방법

2.1. 연구지역

본 연구가 이루어진 시험 관측소는 홍천강 본류로부터 7.7 km 떨어진 공작산 중턱에 위치하고 있으며 홍천강 권역으로 홍천강 제1지류인 군업천 표준유역에 속한다. 해당하는 유역은 동경 127°57′39″–128° 07′31″, 북위 37°41′31″–37° 46′30″에 포함되며 면적은 약 82.16 km2, 평균 표고 382.84 m, 평균경사 42.28 m, 유로연장 21.04 km로 해당 관측소는 군업천 상류부에 위치하고 있다.

군업천 유역은 하천수리학적으로 전형적인 급경사 산지 사행하천으로 분류되며 관측소 인근 토양의 모재는 잔적층으로 반각괴상의 암쇄토로 구성되어 있으며 사양토(sandy loam) 재질의 토양이 우세하고 있다. 또한 토양 심도는 0.5–1.0 m로 깊지 않고 15–30%의 평균 경사로 배수 특성이 활발하며 침식이 일부 발생하고 있는 지역이다. 해당지역의 임상은 주로 수고가 20 m가 넘는 낙엽송이 있고 서쪽 사면으로는 침엽수와 활엽수의 혼효림이 존재하며 수관의 밀도가 높아 적은 양의 강우는 대부분 수관이나 임상에서 차단되어 토양에 도달하지 못하는 특성이 있다.

인근 홍천 기상관측소를 기준으로 1973년부터 2021년까지 연평균 10.6°C로 최고기온과 최저기온이 약 50°C 이상이 차이가 나는 지역이다. 연평균 강수량은 약 1,312 mm로 주로 여름철 장마에 의해 강우가 집중되어 있어 시험 관측소 사면의 침식이 관측되고 있으며, 2022년 1,700 mm가 넘는 강우로 인해 일부 사면에서 산사태가 발생하여 복구 작업이 이루어졌다.

본 시험 관측소에는 측정 자료의 전력 및 부지를 확보하기 위해 한강홍수통제소의 홍천군(군업리) 관측소와 병행하여 설치하였으며 플럭스 타워(flux tower)의 기상 자료를 공유하여 자료의 다양화를 모색하였다(Table 1). 추가적으로 CRNP 토양수분의 정확한 검증과 평가를 위해 지점 토양수분 센서를 설치하였으며, 각 센서에 대한 설계 및 구축 과정은 3.1절에서 다루기로 한다.

Table 1. Information about eddy covariance flux tower, cosmic-ray, and in-situ sensor

OGCSBN_2023_v39n2_233_t0001.png 이미지

OGCSBN_2023_v39n2_233_f0001.png 이미지

Fig. 1. Study area of the present study. The locations of the cosmic-ray neutron probes observatory and spatial distribution of in-situ soil moisture sensors are shown.

2.2. 시간 안정성 분석

중성자 강도 보정과 관측결과 검증을 위해 운영한 유전율식 지점관측소는 설치 위치에 따라 다양한 지형적 특성과 토양 특성을 지닌다. 이에 따라 각 지점에서 관측되는 토양수분 특성이 상이하게 나타났으며, 이중연구지역 전체의 토양수분량을 대표할 지점을 선정하기 위해 시간 안정성 분석(temporal stability analysis, TSA)을 사용하였다. TSA는 Vachaud et al. (1985)에서 제안한 분석방법으로써 Brocca et al. (2010)에서는 이를 활용해 특정 시간대 t에 각 지점의 토양수분량과 관측지역의 전체 토양수분량(\(\begin{aligned}\bar{\theta}_{t}\end{aligned}\)) 간의 상대적인 차이(δi)를 비교해 대표 지점을 선정하였다(식 1, 2).

\(\begin{aligned}\bar{\theta}_{t}=\frac{1}{n_{t}} \sum_{t=1}^{n_{t}} \theta_{i, t}\end{aligned}\)       (1)

\(\begin{aligned}\delta_{i, t}=\theta_{i, t}-\bar{\theta}_{t}\end{aligned}\)       (2)

위 식에서 nt는 시간의 샘플 개수를 의미하며, θi,t는 지점 i의 특정 시간대 t에서 토양수분을 의미한다. 상대적 차이의 비교에는 상대오차의 평균(mean of relative difference, MRD; \(\begin{aligned}\bar{\delta}_{i}\end{aligned}\))과 상대적 차이의 표준편차(standard deviation of the relative difference, SDRD; σ(δi))를 이용하며, 이는 아래의 식(3)과 (4)를 통해 계산된다.

\(\begin{aligned}\operatorname{MRD}\left(\bar{\delta}_{i}\right)=\frac{1}{n_{t}} \sum_{t=1}^{n_{n}^{n}} \frac{\theta_{i, t}-\bar{\theta}_{t}}{\bar{\theta}_{t}}\end{aligned}\)       (3)

\(\begin{aligned}\operatorname{SDRD}\left(\sigma\left(\delta_{i}\right)\right)=\sqrt{\frac{1}{n_{t}-1} \sum_{t=1}^{n_{t}}\left(\frac{\theta_{i, t}-\bar{\theta}_{t}}{\bar{\theta}_{t}}-\bar{\delta}_{i}\right)^{2}}\end{aligned}\)       (4)

MRD는 관측지역에 전체에 대한 지점 i의 습윤하거나 건조한 정도를 나타내며, MRD가 음수이면 해당 지점이 관측지역 전체의 토양수분량에 비해 습윤함을 의미하고 양수이면 건조함을 의미한다. SDRD는 지점의 변동성을 나타내며, 값이 낮을수록 지점의 변동성이 낮음을 의미한다.

2.3. 중성자 보정 및 CRNP 토양수분 산정

CRNP는 대기 중의 코즈믹 레이 중성자를 감지하는 센서이므로, 정확한 토양수분 자료를 얻기 위해서는 토양수분 이외의 요소에 의한 중성자 영향을 보정하는 과정이 필요하다. 중성자의 감쇠에 가장 큰 영향을 주는 것은 수소 원자이며, 다양한 요인에 따라 정도의 차이가 발생한다(Desilets and Zreda, 2003). 대기압이 높아지면 대기의 밀도가 증가하며, 이로 인해 중성자 감쇠의 정도가 증가하게 된다. 따라서 대기압이 높을수록 중성자가 적게 감지되는데 이러한 효과를 보정해주기 위해서 다음 식(5)를 활용할 수 있다(Zreda et al., 2012).

\(\begin{aligned}f_{p}=\exp \left(\frac{P-P_{r e f}}{L}\right)\end{aligned}\)       (5)

기압을 보정하기 위한 보정계수 fp의 계산에서, L은 질량 감쇠 길이(mass attenuation length)이며, 센서가 측정한 해당 시간에서의 기압(P)과 연구 기간 동안 측정된 기압의 평균값(Pref)이 사용된다.

대기 중의 수증기 역시 토양수분과 같은 물로 이루어져 있으므로, CRNP에서 관측되는 중성자를 지속적으로 감소시킨다. 대기 중의 수증기 농도가 증가할수록 대기에서 중성자의 에너지 손실이 증가하게 되므로, 더 적은 중성자가 CRNP에서 감지되며 이를 보정하기 위해 식(6)을 활용한다(Rosolem et al., 2013).

fwv = 1 + 0.0054(ρ – ρref)       (6)

식(6)에서 ρ는 센서가 측정한 해당 시간에서의 습도이며, ρref는 연구기간 평균 습도를 활용할 수 있다. 위의 과정을 통해 얻은 보정 계수를 활용하여 CRNP에서 관측되는 중성자를 보정할 수 있으며, Desilets et al. (2010)에서 제시한 식(7)을 바탕으로 토양수분을 계산할 수 있다.

\(\begin{aligned}S M_{C R N P}=\rho_{b d}\left(\frac{0.0808}{\left(N_{\text {corr }} / N_{0}\right)-0.372}-0.115\right)\end{aligned}\)       (7)

여기서, ρbd는 토양용적밀도(soil bulk density), Ncorr은 보정된 중성자 강도, N0는 지점별 로 최적화된 교정 상수이다(Jakobi et al., 2018).

3. 연구결과 및 토의

3.1. CRNP 관측소 및 지점 관측망 구축

본 연구의 대상 지역은 산지이므로 복잡한 지표, 대기, 식생 환경을 보유하고 있을 뿐만 아니라, 인근 관측소에서 관측되는 수문 인자를 적용하기에 한계가 있을 수 있다. 따라서 보다 정확한 토양수분을 얻기 위해 CRNP 관측소의 설계에 automatic weather station (AWS)를 함께 설치하는 것이 유리하다고 판단하였다. CRNP에서는 중성자 강도를 매시간 관측할 수 있으며, AWS에서 이에 직접적인 영향을 미치는 대기온도(air temperature), 대기압(air pressure), 상대습도(relative humidity)를 매시간 정각마다 관측한다. 이러한 CRNP 관측소 설계를 통해 준실시간으로 중성자 자료를 보정할 수 있게 하였으며, 보다 높은 정확도를 가진 공간 토양수분 자료를 생산하는데 유리하다.

2022년 8월 23일 구축한 CRNP 토양수분 관측소에서 12월까지 관측된 자료가 Fig. 2에 나타나 있다. 홍천 CRNP에서 관측된 중성자는 940–1,252 counts per hour(cph) 범위에서 관측되었는데, 이는 Jeong et al. (2018)에서 구축한 설마천 CRNP 관측소가 동 기간 1,250–1,600 cph 범위에서 관측되는 데 비해 매우 낮은 수치이다. 즉 설마천 CRNP 관측소의 환경에 비해 홍천 CRNP 관측소의 환경이 중성자 감쇠 수준이 높으며, 토양, 식생, 유기물 등에 포함된 수소원자의 분포가 많고 습윤하다는 것을 알 수 있다. 상대습도 역시 15–100%까지 넓은 분포를 나타내고 있지만 평균 상대습도는 76.1%로 습윤한 환경임을 알 수 있다. 또한 약 400 m 이상 고도에 위치한 지점이므로 기압은 950–978 hPa의 범위에서 관측되었다.

OGCSBN_2023_v39n2_233_f0002.png 이미지

Fig. 2. Temporal variations of neutron counts, air pressure, relative humidity, and air temperature measured from cosmic-ray neutron probe and automatic weather station.

홍천 CRNP 관측소는 CRNP를 활용한 관측망 설계의 시범 단계로, 추후 CRNP 관측소의 확대 설치를 위해서는 생산자료의 보다 정확한 검증과 평가가 요구된다. 이를 위해 FDR 센서를 활용한 소규모 토양수분 관측망을 설계함으로써, CRNP 교정에 활용되는 지점 자료를 확보하고, 간접적으로 공간 토양수분량을 추정하여 검증에 활용하고자 하였다. 설계 지점은 총 12개소이며, 표층 토양수분량에 따라 유효 깊이에 영향을 받는 중성자 강도의 특성을 고려하여 수평 설치방식을 채택하여 10, 20, 30 cm 깊이로 설치하였다. 평균해수면 고도에 위치한 평지에서 CRNP의 일반적인 측정 반경은 300 m이나, 센서가 위치한 고도와 지형의 복잡성에 의해 측정 반경은 줄어들게 된다. 본 연구지역의 고도 및 복잡한 지형에 의한 영향으로 CRNP 관측반경이 감소하더라도 각 지점 센서가 항상 관측범위 내에 위치할 수 있도록 CRNP로부터 150 m 내외로 지점 센서 관측망의 반경을 결정하였다. 또한 각 지점은 연구 지역의 다양한 특성을 반영할 수 있도록, CRNP와 FDR 간의 거리 및 방향이 다양하게 분포할 수 있도록 설계하였다(Fig. 1). 각 센서의 설치 지점은 Real Time Kinematic을 활용하여 고도 및 Bessel 타원체 중부원점 기반 transverse mercator 좌표계의 위경도를 측정하였다(Table 2). 지점 관측망에 활용된 FDR에서 관측되는 지점 토양수분은 ZENTRA Cloud 서비스를 통해 준 실시간으로 수집 및 모니터링이 가능하다.

Table 2. Locational information of 12 in-situ soil moisture sensors

OGCSBN_2023_v39n2_233_t0002.png 이미지

3.2. 시간 안정성 분석

CRNP 토양수분을 검증하기 위해 상기 3.1절에서 설계한 12개의 지점을 활용할 수 있다. 하지만 12개의 지점 토양수분은 각기 다른 범위에서, 다른 값으로 관측되므로 대표성이 있는 값을 사용하여야 한다. 12개의 지점이 연구지역 내에서 충분히 다양하게 분포되었다면, 평균 토양수분 값을 CRNP 검증을 위한 자료로 활용할 수 있다. 따라서 우선 12개의 지점 중 연구지역을 가장 잘 대표할 수 있는 지점을 선정한 후, 나머지 11개의 지점과 비교함으로써 공간적인 대표성을 가지는지 확인할 수 있다.

우선 연구지역 내 평균 토양수분을 가장 잘 대표할 수 있는 지점을 선정하기 위해 TSA를 수행하였다. Fig. 3은 각 지점 토양수분과 평균 토양수분의 MRD (square)와 SDRD (error bar)를 나타낸 것으로, 각 지점 토양수분이 연구지역 내 건조한 환경을 대표하는지, 습윤한 환경을 대표하는지 파악이 가능하다. 평균 토양수분 대비 8개 지점은 건조한 것으로, 4개 지점은 습한 것으로 나타났으며, W1 지점은 –33.5%의 MRD로 가장 건조하고 E1 지점은 39.0%의 MRD로 가장 습한 것을 확인하였다. S1, S3, E2, E1 지점은 타 지점 대비 높은 SDRD (8–10%)를 나타내어 시간 안정성이 낮았으며, N1, E3, S2, N2 지점은 SDRD 4% 내외로 높은 시간 안정성을 갖는 것으로 나타났다(Martínez-Fernández and Ceballos, 2005). 본 연구에서는 S2 지점이 –0.9%의 MRD와 4.2%의 SDRD를 나타내어, 0에 가장 가까운 MRD를 가져야 한다는 조건(Grayson and Western, 1998)과 5% 이하의 SDRD를 가져야 한다는 조건(Van Pelt and Wierenga, 2001)을 모두 만족시키는 평균 토양수분을 가장 잘 대표하는 지점으로 선정되었다.

OGCSBN_2023_v39n2_233_f0003.png 이미지

Fig. 3. Relative difference results from the temporal stability analysis of each station.

S2 지점의 대표성에 대한 신뢰도를 평가하기 위해 S2 지점을 제외한 11개 지점 평균 토양수분과 S2 지점 토양 수분을 비교한 결과를 Fig. 4에 나타내었다. 11개 지점 평균 토양수분은 약 0.21–0.39 m3/m3 내 분포하였으며, S2 지점은 약 0.19–0.39 m3/m3로 조금 더 낮은 최소값을 가지는 것을 확인하였다. 약 0.22 m3/m3 이하의 건조한 환경에서의 과소산정과 11월 무강우 기간에서의 과대 산정이 일부 발생하였으나, 상관계수 r은 0.96, 평균제곱근오차(root mean square error, RMSE)는 0.01 m3/m3로 전반적으로 양호한 상관성을 갖는 것으로 나타났다. 이러한 결과는 S2 지점이 연구지역 내 토양수분량의 공간적 변동성을 잘 나타낸다는 의미이다. 이를 통해 연구지역 내 설계된 지점 FDR의 분포가 공간적인 대표성을 잘 보여줄 수 있음을 알 수 있으며, 설계된 지점 토양 수분 자료를 통해 CRNP 공간 토양수분 자료를 평가하기 위한 근거가 된다.

OGCSBN_2023_v39n2_233_f0004.png 이미지

Fig. 4. Comparison of soil moisture between S2 and the others. (a) Time series of soil moisture from September to December. (b) Scatter plot between them.

3.3. CRNP 토양수분 초기교정 및 검증

Fig. 5는 절대습도, 기압, 그리고 각각의 보정계수를 나타낸다. 절대습도에 대한 보정계수인 fwv는 약 0.96–1.05 사이 분포하였으며, 기압에 대한 보정계수인 fp는 약 0.90–1.07 사이 분포하여, 본 연구지역 내 중성자 강도는 기압에 의한 영향을 더 크게 받는다는 것을 확인하였다. 짧은 연구기간에 의해 특별한 변동 패턴은 확인되지 않았다. 두 보정계수를 적용한 결과, 중성자 강도 자료의 변동성이 크게 감소하였다(Fig. 6). 보정 후의 중성자 강도는 서서히 증가하다가 강수가 발생하는 경우 크게 감소하는 것을 확인할 수 있는데, 이는 강수 이후 증가되었을 토양수분량 등이 중성자의 감소에 영향을 미치고 있음을 나타내는 결과라고 할 수 있다.

OGCSBN_2023_v39n2_233_f0005.png 이미지

Fig. 5. Time series of absolute humidity, air pressure, and respective correction factors.

OGCSBN_2023_v39n2_233_f0006.png 이미지

Fig. 6. Time series of raw neutron count and corrected neutron count.

Fig. 7은 보정 전, 후 중성자 강도와 토양수분의 상관 관계와 식(7)의 교정 파라미터인 N0가 최대, 최소일 때의 피팅 라인(fitting line)을 나타낸다. N0는 토양수분을 포함, CRNP가 설치된 환경이 가장 건조할 때의 중성자-토양수분 관계를 나타내는 파라미터로서, 본 연구 지역에서는 토양수분 약 0.016 m3/m3의 조건에서 산정되는 것으로 나타났다. 보정 전 N0는 최대 1,959 cph, 최소 1,682 cph이었으며, 보정 후 N0는 최대 1,850 cph, 최소 1,707 cph으로 보정 후 N0가 산정될 수 있는 범위가 크게 줄어드는 것을 확인할 수 있다. 중성자-토양수분의 관계는 식(7)과 같은 단일식으로 표현되어야 하므로, 산출되는 토양수분의 오차를 줄이기 위해 본 연구에서는 검증 자료인 가중 평균 토양수분과 CRNP로부터 산출되는 토양수분 사이의 RMSE를 최소화하는 N0를 교정계수로서 사용하였으며, 8~11월 자료를 사용했을 때, N0는 1,780 cph로 초기 교정되었다. 그러나 이는 센서 안정화 기간을 고려하지 않고 3개월 남짓의 짧은 기간 동안 수행된 초기 교정 결과로, Jeong et al. (2021)에서 제시한 것과 같이 하나의 Seasonal cycle (약 200일 이상)의 자료가 축적된 이후 재교정을 수행할 필요가 있다.

OGCSBN_2023_v39n2_233_f0007.png 이미지

Fig. 7. Relationship between neutron count and soil moisture. (a) Calibration curves and interval before correction. (b) Calibration curves and interval after correction.

Fig. 8은 식(7)에 N0=1,780을 적용하여 산출한 CRNP 토양수분과 지점 평균 토양수분을 나타낸다. 2022년 9월, 10월 토양수분이 감소하는 시기에 노이즈가 관측되었으나, 8월 30일, 9월 5일, 10월 3일 등 강우가 발생함에 따른 토양수분의 증가 및 무강우 시기 지수함수 형태의 감소 패턴을 성공적으로 모의하였다. 모의된 CRNP 토양 수분과 지점 평균 토양수분은 전반적으로 높은 상관성(R=0.82)과 낮은 오차(RMSE=0.02 m3/m3)를 보였으며, 회귀식의 기울기 또한 1에 가까운 값을 갖는 것으로 나타났다. 특히, 0.3 m3/m3 이상의 높은 토양수분을 정확하게 관측할 수 있었다는 점에서 초기 교정이 성공적으로 이루어졌다고 판단할 수 있다.

OGCSBN_2023_v39n2_233_f0008.png 이미지

Fig. 8. Result of CRNP calibration. (a) Time series of averaged in-situ soil moisture and soil moisture estimated from CRNP. (b) Scatter plot between them.

4. 결론

본 연구는 설마천 CRNP 관측소에 이어 국내 산지에서 CRNP를 활용한 토양수분 관측소구축에 관한 두 번째 시도이다. 앞서 언급된 바와 같이, CRNP는 해외의 토양수분 관측망을 구축하기 위해 활용되고 있으며, 국내에서도 토양수분 관측망을 구축하기 위한 유망한 기술로 거론되고 있다. 이에 본 연구는 KOSMOS의 구축에 앞서 CRNP를 활용한 산지에서의 토양수분 관측소 구축과 그 활용성을 평가하고자 수행되었으며, 2022년 8월 말 홍천 지역에 CRNP 관측소 구축을 완료하였다. 산지에서의 수문 기상 인자의 복잡성을 고려하여 CRNP와 AWS를 함께 설치함으로써, 보다 정확한 토양수분을 산정하도록 설계하였다. 아울러, 구축된 CRNP 관측소에서 생산되는 토양수분을 효과적이고 체계적으로 평가하기 위해 지점 토양수분 관측망을 구축하였다.

지점 관측망에서는 12개소의 지점 관측 센서에서의 토양수분을 획득할 수 있으며, 시간 안정성 분석을 통해 연구 지역의 토양수분 변동을 잘 나타내는 지점으로 S2를 선정하였다. 이는 지점 관측망을 구성하고 있는 지점 센서들이 일부 지역의 토양수분 변동에 편중되지 않고 고르게 설계되었음을 의미하므로, CRNP 토양수분 자료를 평가할 수 있는 기준 자료로 활용할 수 있음을 보여주었다.

관측소 구축 이후 센서가 안정화되는 기간과, 토양수분의 동결이 발생할 수 있는 시기인 동절기를 고려하면 교정을 위한 기간이 3개월 이내로 매우 단기간의 초기단계교정을 수행하였다. 그럼에도 불구하고, 홍천 CRNP 관측소의 토양수분 자료는 지점 평균 토양수분과 비교했을 때 r=0.82의 높은 상관계수를 보여주었으며, RMSE=0.02 m3/m3 미만의 높은 정확도를 보여주었다. 연간 수문 인자의 계절성이 강하게 나타나는 우리나라의 특성 상, 연간 자료의 수집 이후 재교정을 수행한다면 보다 정밀한 토양수분 생산이 가능할 것으로 판단된다.

이러한 결과를 바탕으로, CRNP 기반의 토양수분 관측소가 국내 산지에서 신뢰도 높은 양질의 토양수분 자료를 생산할 수 있음을 알 수 있었으며, CRNP 관측소의 확대를 통해 KOSMOS를 구축한다면 매우 정밀한 토양수분 관측망을 구축할 수 있을 것으로 기대된다. KOSMOS에서 생산하는 양질의 토양수분 자료는 국가 물 관리를 위한 기초 수문조사 자료로 활용될 수 있으며, 산지에서 산사태와 산불 등의 재난 모니터링을 위한 자료로 활용될 수 있다. 또한 인공위성과 같은 원격 탐사 자료의 교정을 위한 기준 자료나, 수치예보모델 등 수문기상 분야의 다양한 모델에서 초기 입력 자료로도 활용될 수 있는 잠재력이 있다. 다양한 연구에서 언급되고 있는 토양수분의 중요성이나 잠재력에 비해, 국내 토양수분 자료의 활용도는 매우 낮은 실정이다. 하지만, CRNP를 활용한 KOSMOS는 국내 토양수분 자료의 관측 및 품질관리 기준을 새로이 확립하고, 다양한 분야의 연구자에게 안정적으로 높은 정확도의 토양수분 자료를 제공할 수 있는 방안이 될 것이다.

사사

이 논문은 2021년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업이며(NRF-2021R1A6A3A01087645), 2022년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구입니다(NRF-2022R1A2C2010266). 또한 본 연구를 수행하기 위한 장비 및 관측소의 구축과 운영에 아낌없는 지원을 해주신 한국수자원조사기술원에 감사드립니다.

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

References

  1. Albergel, C., Rudiger, C., Pellarin, T., Calvet, J.-C., Fritz, N., Froissard, F., Suquia, D., Petitpa, A., Piguet, B., and Martin, E., 2008. From near-surface to root-zone soil moisture using an exponential filter: an assessment of the method based on in-situ observations and model simulations. Hydrology and Earth System Sciences, 12(6), 1323-1337. https://doi.org/10.5194/hess-12-1323-2008
  2. Babaeian, E., Sadeghi, M., Jones, S. B., Montzka, C., Vereecken, H., and Tuller, M., 2019. Ground, proximal, and satellite remote sensing of soil moisture. Reviews of Geophysics, 57(2), 530-616. https://doi.org/10.1029/2018RG000618
  3. Baik, J., Cho, S., Lee, S., and Choi, M., 2019. Analysis on adequacy of the satellite soil moisture data (AMSR2, ASCAT, and ESACCI) in Korean peninsula: With classification of freezing and melting periods. Korean Journal of Remote Sensing, 35(5-1), 625-636. https://doi.org/10.7780/kjrs.2019.35.5.1.1
  4. Bauer-Marschallinger, B., Freeman, V., Cao, S., Paulik, C., Schaufler, S., Stachl, T., Modanesi, S., Massari, C., Ciabatta, L., and Brocca, L., 2018. Toward global soil moisture monitoring with Sentinel-1: Harnessing assets and overcoming obstacles. IEEE Transactions on Geoscience and Remote Sensing, 57(1), 520-539. https://doi.org/10.1109/TGRS.2018.2858004
  5. Brocca, L., Melone, F., Moramarco, T., and Morbidelli, R., 2010. Spatial-temporal variability of soil moisture and its estimation across scales. Water Resources Research, 46(2). https://doi.org/10.1029/2009WR008016
  6. Crow, W. T., Berg, A. A., Cosh, M. H., Loew, A., Mohanty, B. P., Panciera, R., de Rosnay, P., Ryu, D., and Walker, J. P., 2012. Upscaling sparse ground-based soil moisture observations for the validation of coarse-resolution satellite soil moisture products. Reviews of Geophysics, 50(2). https://doi.org/10.1029/2011RG000372
  7. Desilets, D. and Zreda, M., 2003. Spatial and temporal distribution of secondary cosmic-ray nucleon intensities and applications to in situ cosmogenic dating. Earth and Planetary Science Letters, 206(1-2), 21-42. https://doi.org/10.1016/S0012-821X(02)01088-9
  8. Desilets, D., Zreda, M., and Ferre, T. P., 2010. Nature's neutron probe: Land surface hydrology at an elusive scale with cosmic rays. Water Resources Research, 46(11). https://doi.org/10.1029/2009WR008726
  9. Franz, T. E., Wang, T., Avery, W., Finkenbiner, C., and Brocca, L., 2015. Combined analysis of soil moisture measurements from roving and fixed cosmic ray neutron probes for multiscale real-time monitoring. Geophysical Research Letters, 42(9), 3389-3396. https://doi.org/10.1002/2015GL063963
  10. Fry, M. J., Evans, J., Ward, H., Blake, J., Ball, L., and Doughty, L., 2014. The provision of data from the COSMOS-UK soil moisture monitoring network. In Proceedings of the 11th International Conference on Hydroinformatics HIC 2014, New York City, NY, USA, Aug. 17-21. https://academicworks.cuny.edu/cc_conf_hic/56
  11. Grayson, R. B. and Western, A. W., 1998. Towards areal estimation of soil water content from point measurements: time and space stability of mean response. Journal of Hydrology, 207(1-2), 68-82. https://doi.org/10.1016/S0022-1694(98)00096-1
  12. Hagemann, S. and Stacke, T., 2015. Impact of the soil hydrology scheme on simulated soil moisture memory. Climate Dynamics, 44, 1731-1750. https://doi.org/10.1007/s00382-014-2221-6
  13. Hawdon, A., McJannet, D., and Wallace, J., 2014. Calibration and correction procedures for cosmic-ray neutron soil moisture probes located across Australia. Water Resources Research, 50(6), 5029-5043. https://doi.org/10.1002/2013WR015138
  14. Hessels, T., Davids, J. C., and Bastiaanssen, W., 2022. Scalable Water Balances from Earth Observations (SWEO): results from 50 years of remote sensing in hydrology. Water International, 47(6), 866-886. https://doi.org/10.1080/02508060.2022.2117896
  15. Jakobi, J., Huisman, J., Vereecken, H., Diekkruger, B., and Bogena, H., 2018. Cosmic ray neutron sensing for simultaneous soil water content and biomass quantification in drought conditions. Water Resources Research, 54(10), 7383-7402. https://doi.org/10.1029/2018WR022692
  16. Jeong, J., Cho, S., Baik, J., and Choi, M., 2018. A study on the establishment of a Korean soil moisture network (2): Measurement of intermediate-scale soil moisture using a cosmic-ray sensor. Journal of the Korean Society of Hazard Mitigation, 18(7), 83-91. https://doi.org/10.9798/KOSHAM.2018.18.7.83
  17. Jeong, J., Cho, S., Jeon, H., Lee, S., and Choi, M., 2022. Assessment of stand-alone utilization of Sentinel-1 SAR for high resolution soil moisture retrieval using machine learning. Korean Journal of Remote Sensing, 38(5-1), 571-585. https://doi.org/10.7780/kjrs.2022.38.5.1.11
  18. Jeong, J., Lee, S., and Choi, M., 2021. Correction efficiency and error characteristics for cosmic-ray soil moisture on mountainous terrain. Journal of Hydrology, 601, 126657. https://doi.org/10.1016/j.jhydrol.2021.126657
  19. Kim, H., Kim, S., Jeong, J., Shin, I., Shin, J., and Choi, M., 2016. Revising passive satellite-based soil moisture retrievals over East Asia using SMOS (MIRAS) and GCOM-W1 (AMSR2) satellite and GLDAS dataset. Journal of Wetlands Research, 18(2), 132-147. https://doi.org/10.17663/JWR.2016.18.2.132
  20. Lee, S.-J., Hong, S., Cho, J., and Lee, Y.-W., 2017. Experimental retrieval of soil moisture for cropland in South Korea using Sentinel-1 SAR data. Korean Journal of Remote Sensing, 33(6-1), 947-960. https://doi.org/10.7780/kjrs.2017.33.6.1.4
  21. Liu, P.-W., Bindlish, R., O'Neill, P., Fang, B., Lakshmi, V., Yang, Z., Cosh, M. H., Bongiovanni, T., Collins, C. H., and Starks, P. J., 2022. Thermal hydraulic disaggregation of SMAP soil moisture over the continental United States. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 4072-4093. https://doi.org/10.1109/JSTARS.2022.3165644
  22. Martinez-Fernandez, J. and Ceballos, A., 2005. Mean soil moisture estimation using temporal stability analysis. Journal of Hydrology, 312(1-4), 28-38. https://doi.org/10.1016/j.jhydrol.2005.02.007
  23. McColl, K. A., Alemohammad, S. H., Akbar, R., Konings, A. G., Yueh, S., and Entekhabi, D., 2017. The global distribution and dynamics of surface soil moisture. Nature Geoscience, 10(2), 100-104. https://doi.org/10.1038/ngeo2868
  24. Montzka, C., Bogena, H. R., Zreda, M., Monerris, A., Morrison, R., Muddu, S., and Vereecken, H., 2017. Validation of spaceborne and modelled surface soil moisture products with cosmic-ray neutron probes. Remote Sensing, 9(2), 103. https://doi.org/10.3390/rs9020103
  25. Nguyen, H. H., Jeong, J., and Choi, M., 2019. Extension of cosmic-ray neutron probe measurement depth for improving field scale root-zone soil moisture estimation by coupling with representative in-situ sensors. Journal of Hydrology, 571, 679-696. https://doi.org/10.1016/j.jhydrol.2019.02.018
  26. Park, Y. and Oh, J., 2022. Nature-based solutions for climate-adaptive water management: Conceptual approaches and challenges. Journal of Korean Society on Water Environment, 38(4), 177-189. https://doi.org/10.15681/KSWE.2022.38.4.177
  27. Pellarin, T., Louvet, S., Gruhier, C., Quantin, G., and Legout, C., 2013. A simple and effective method for correcting soil moisture and precipitation estimates using AMSR-E measurements. Remote Sensing of Environment, 136, 28-36. https://doi.org/10.1016/j.rse.2013.04.011
  28. Peng, J., Loew, A., Merlin, O., and Verhoest, N. E., 2017. A review of spatial downscaling of satellite remotely sensed soil moisture. Reviews of Geophysics, 55(2), 341-366. https://doi.org/10.1002/2016RG000543
  29. Posner, A. J. and Georgakakos, K. P., 2015. Soil moisture and precipitation thresholds for real-time landslide prediction in El Salvador. Landslides, 12(6), 1179-1196. https://doi.org/10.1007/s10346-015-0618-x
  30. Rosolem, R., Shuttleworth, W., Zreda, M., Franz, T. E., Zeng, X., and Kurc, S., 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. https://doi.org/10.1175/JHM-D-12-0120.1
  31. Shuttleworth, W. J., Zreda, M., Zeng, X., Zweck, C., and Ferre, T. P., 2010. The COsmic-ray Soil Moisture Observing System (COSMOS): a non-invasive, intermediate scale soil moisture measurement network. In Proceedings of the 2010 3rd British Hydrological Society International Conference "Managing Consequences of Changing Global Environment", Newcastle, England, July 19-23, pp. 204-214.
  32. Srivastava, P. K., 2017. Satellite soil moisture: Review of theory and applications in water resources. Water Resources Management, 31(10), 3161-3176. https://doi.org/10.1007/s11269-017-1722-6
  33. Thomas Ambadan, J., Oja, M., Gedalof, Z. E., and Berg, A. A., 2020. Satellite-observed soil moisture as an indicator of wildfire risk. Remote Sensing, 12(10), 1543. https://doi.org/10.3390/rs12101543
  34. Vachaud, G., Passerat de Silans, A., Balabanis, P., and Vauclin, M., 1985. Temporal stability of spatially measured soil water probability density function. Soil Science Society of America Journal, 49(4), 822-828. https://doi.org/10.2136/sssaj1985.03615995004900040006x
  35. Van Loon, A. F. and Van Lanen, H. A., 2013. Making the distinction between water scarcity and drought using an observation-modeling framework. Water Resources Research, 49(3), 1483-1502. https://doi.org/10.1002/wrcr.20147
  36. Van Pelt, R. S. and Wierenga, P. J., 2001. Temporal stability of spatially measured soil matric potential probability density function. Soil Science Society of America Journal, 65(3), 668-677. https://doi.org/10.2136/sssaj2001.653668x
  37. Vereecken, H., Huisman, J., Bogena, H., Vanderborght, J., Vrugt, J., and Hopmans, J., 2008. On the value of soil moisture measurements in vadose zone hydrology: A review. Water Resources Research, 44(4). https://doi.org/10.1029/2008WR006829
  38. Wanders, N., Karssenberg, D., de Roo, A., de Jong, S. M., and Bierkens, M. F. P., 2014. The suitability of remotely sensed soil moisture for improving operational flood forecasting. Hydrology and Earth System Sciences, 18(6), 2343-2357. https://doi.org/10.5194/hess-18-2343-2014
  39. Western, A. W., Zhou, S.-L., Grayson, R. B., McMahon, T. A., Bloschl, G., and Wilson, D. J., 2004. Spatial correlation of soil moisture in small catchments and its relationship to dominant spatial hydrological processes. Journal of Hydrology, 286(1-4), 113-134. https://doi.org/10.1016/j.jhydrol.2003.09.014
  40. Zhu, X., Jia, X., Huang, L., Zhu, J., and Zhang, Y., 2017. Application of temporal stability analysis in depth-scaling estimated soil water content by cosmic-ray neutron probe on the northern Tibetan Plateau. Journal of Hydrology, 546, 299-308. https://doi.org/10.1016/j.jhydrol.2017.01.019
  41. Zreda, M., Shuttleworth, W., Zeng, X., Zweck, C., Desilets, D., Franz, T., and Rosolem, R., 2012. COSMOS: The cosmic-ray soil moisture observing system. Hydrology and Earth System Sciences, 16(11), 4079-4099. https://doi.org/10.5194/hess-16-4079-2012