http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유역 내 토양수분의 시공간적 변동 특성을 반영한 시단위 유출량 예측 기술 개발 및 평가
이서로 ( Seoro Lee ),신승훈 ( Seunghun Sin ),이관재 ( Gwanjae Lee ),임경재 ( Kyoung Jae Lim ),김종건 ( Jonggun Kim ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-
최근 들어 국지성 호우로 인한 유출과 오염물질 발생 및 이동 특성은 강우량보다는 강우강도에 의해 급격하게 변화하는 양상을 보이고 있기에 정확한 시단위 유출량 예측을 통한 유역 관리 대책 수립이 중요한 실정이다. 이에 따라 국내·외 많은 연구에서는 시단위 강수에 따른 유역에서의 유출 및 비점오염원 거동 특성 분석을 위해 SWAT 모델을 널리 활용하고 있다. 그러나 SWAT 모델에서는 간단한 저류추적법에 의해 토양층에서의 토양수분이 일단위로 모의되기 때문에 시강우량에 따른 토층별 토양수분의 거동을 해석하는데 어려움이 있다. 또한 동일한 토양 속성을 가지는 수문반응단위에 대해서 토양수분 관련 매개변수가 일괄적으로 적용되기 때문에 실제 유역 내 토양수분의 공간적 분포를 반영한 유출량 예측에 한계가 있다. 실제 토층 내 토양수분의 거동 특성은 시간 강우, 지표온도, 공극 및 다짐 상태 등에 따라 달라지기 때문에 정확한 시단위 유출 예측을 위해서는 유역 내 토양수분의 시공간적 변동 특성이 반영될 필요가 있다. 이에 본 연구는 SWAT 모델과 리차드 방정식 기반으로 시단위 토양수분의 물리적 프로세스 모의가 가능한 Noah LSM 모델을 연계하여 지표하 흐름 프로세스를 개선하였다. 또한 Sentinel-1 원격탐사자료를 통해 추출 된 유역 내 토양수분에 대한 공간적 분포 자료를 토양의 물리적 속성 DB를 구축하는데 활용하였으며, 두 모델의 다이나믹한 연계 과정에서 사용자의 선택에 따라 호출될 수 있도록 모델을 개선하였다. 경기도 이천시에 위치한 석원천 유역을 대상으로 연계 모델의 적용성을 평가한 결과, 기존 SWAT 모델(R<sup>2</sup> 0.58, NSE 0.41)보다 유출량 예측 성능(R<sup>2</sup> 0.65, NSE 0.56)이 향상된 결과를 보였다. 비록 본 연구에서는 유출량 및 토양수분에 대한 검보정을 수행하지 않았으나, 향후 실측 자료 확보를 통해 추가 검증이 이루어진다면, 본 연구에서 개발 된 모델은 국내 유역에서의 정확한 토양수분 거동을 바탕으로 한 첨두 유출량 및 수질 예측에 활용될 수 있을 것이라 판단된다.
다양한 지표모형을 활용한 토양수분 예측 성능 평가 연구
장예근 ( Jang Ye-geun ),신승훈 ( Sin Seoung-hun ),이태화 ( Lee Tae-hwa ),장원석 ( Jang Won-seok ),신용철 ( Shin Yong-chul ),장근창 ( Jang Keun-chang ),천정화 ( Chun Jung-hwa ),김종건 ( Kim Jong-gun ) 한국농공학회 2022 한국농공학회논문집 Vol.64 No.1
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.