제한적인 기상자료 조건에서의 잠재증발산량 추정을 위한 FAO56 Penman-Monteith 방법의 적용성 분석 : 안동댐 유역을 사례로

1. 서 론

우리나라는 강우의 특성이 계절적으로 편중되어 있고, 기후변화로 인한 홍수 및 가뭄으로 수자원의 안정적인 공급이 어려운 실정이다(Hong, 2011; Ryu and Kim, 2011). 그러나 물은 농작물의 생산, 산업활동 등 인간의 삶에 필수적이며, 따라서 수자원의 수요와 공급에 관한 시기와 양을 이해하고 추정하는 것은 수자원 관리에 있어 매우 중요하다. 현재 수문학적 변화를 모의하고, 수문기상 관측정보를 활용한 연구가 확대되고 있는 실정이며, 안동댐 유역에서는 수문기상 관측정보를 활용한 기후권역 구분 및 기상인자의 시공간분포 추정의 연구 등이 이루어진 바 있다 (Lim et al., 2015; Kim et al., 2016).

증발산량은 수표면이나 토양면에서 수증기의 형태로, 대기 중으로 방출되는 증발량과 식물의 엽면을 통해 지중의 물이 대기 중으로 방출되는 증산량의 합으로, 전반적인 수문순환에서 전체 물수지의 많은 부분을 차지하므로 증발산의 측정은 유역 수자원 관리에 있어 매우 중요한 요소이다(Im, 2013). 또한, 전 지구적인 수문순환에서 증발산을 통해 대기로 환원되는 강수량은 약 60%에 이른다(Chin, 2000). 증발산량은 기상학과 수문학에 사용되는 중요한 농업기상 매개 변수이며, 수문순환과 강우-유출모형의 검증과 개발, 기후예측 및 기상예측모형 등의 기본자료가 되며, 관개에 있어 결정적인 요소 중 하나이다(Rosenberg et al., 1983; Allen et al., 1998; Mavi and Tupper, 2004; Sentelhas et al., 2010). 또한, 증발산량은 농작물 생산에서 생육단계나 기상 조건에 따라 변화가 심하므로, 증발산량을 정확히 산정한다면 수자원의 관리 및 계획을 수립하는데 용이하다(Cho, 1987).

증발산량의 관측 방법은 실제 증발산량을 측정기기로 관측하는 방법과, 구조화된 알고리즘을 이용하여 산출하는 방법이 있다. 그러나 증발산량의 측정은 표본점을 기준으로 한 관측이므로 조밀한 관측망이 구성되지 않는다면 증발산량의 공간적 분포와 변이를 추정하는데 많은 어려움이 따른다. 또한, 증발산량은 기상, 식생, 토지 피복 등 다양한 요인들에 의해 영향을 받기 때문에, 이를 실측하는 것은 현실적으로 어렵다(Yun et al., 2004). 따라서 증발산량과 밀접한 관련이 있는 기상 또는 식생변수를 이용한 간접적인 추정이 더욱 현실적이며, 잠재증발산량으로 실증발산량을 예측하고자 하는 연구 또한 다른 나라에서 많이 이루어졌다(Ritchie and Burnett, 1968; Jensen et al., 1970; Ritchie, 1972; Hanks, 1974; Allen, 1986; Allen and Pruitt, 1986; Jensen et al., 1990). 잠재증발산량은 일정지역의 기후조건하에서 표준잔디가 수분의 제한을 받지 않는 상태에서의 증발산 가능량을 말한다(Ryu et al., 2000).

국제연합식량농업기구(Food and Agriculture Organization of the United Nations; FAO)는 작물 계수(crop coefficients) (Kc)에 기반하여 잠재증발산량을 추정하는 방법을 개발하였다(Doorenbos and Pruitt, 1997). Allen et al.(1998)은 Penman-Monteith 방법을 기반으로 FAO56 Penman-Monteith(FAO56 PM) 방법을 개발하였고, 이 공식으로 일단위 이하의 잠재증발산량 산정 시 비교적 정확한 결과를 가지는 것을 확인하였다. 또한, 이후에 이어지는 연구논문들에서도 FAO56 PM 방법의 우수성이 증명되었으며, 세계관개배수위원회(ICID), 세계기상기구(WMO)에서 추천하였다(Chiew et al., 1995; Allen et al., 1998; Garcia et al., 2004; López-Urrea et al., 2006; Cai et al., 2007). 그러나 우리나라에서는 FAO56 PM 방법에 따른 잠재증발산량 연구가 부족한 실정이다.

Allen et al.(1998)은 증발산량에 미치는 주된 기상요소는 복사(radiation), 대기온도(air temperature), 습도(humidity)와 풍속(wind speed)이라고 분석하였다. 잠재증발산량은 토양의 수분이 완전히 포화된 상태에서의 증발산량이며, 토양의 수분이포화된 상태이기 때문에 증발산량은 지표의 성질 및 조건과 무관하며, 오직 기상요소에만 영향을 받게 된다. 따라서 잠재증발산량을 추정하는 FAO56 PM 식으로 일별 잠재증발산량을 계산하기 위해서는 위의 네 가지 기상자료를 필요로 한다. 그러나 잠재증발산량이 수자원 관리에 중요함에도 불구하고, 기상자료가 부족하거나 결측된 지역에서 연구가 진행될 경우는 상당하다.

기상자료가 부족한 조건에서도 연구가 진행될 수 있기 위해, Allen et al.(1998)은 기상자료의 추정 방법을 제안하였으며, 불가리아, 캐나다, 튀니지 등에서 수행한 연구로부터 이 방법은 적합하다고 결론지었다(Popova et al., 2006; Jabloun and Sahli, 2008; Sentelhas et al., 2010). 또한, 관측자료의 신뢰성이 낮거나 자료가 없는 경우, FAO56 PM 방법과 Hamon 방법이 잠재증발산량 산정방법으로 적합하다는 연구를 진행한 바 있다(Jung et al., 2006). 또한, Allen et al.(1998)은 기온자료만 있는 경우에는 Hargreaves 식으로 잠재증발산량을 구하는 것을 제안하였으며, 이 방법은 주 단위 또는 그 이상의 예측에 정확도가 높았다(Hargreaves and Samani, 1982; Allen et al., 1998; Hargreaves and Allen, 2003).

본 연구에서는 기상자료가 부족한 조건에서도 통계적으로 유의미한 범위 내에서 잠재증발산량을 추정가능한지를 알아보기 위해 Allen et al.(1998)이 제안한 FAO56 PM 방법으로 기상자료가 구축되어 있지 않은 경우와 필요한 기상자료가 모두 구축된 경우의 잠재증발산량을 산정하였다. 본 논문에서는 자료가 구축되어 있지 않은 경우를 자료가 제한적이라고 표현하고, 필요한 자료가 모두 구축될 수 있는 경우를 완전한 자료가 구축된 경우라고 표현하였다. 또한, 기상자료가 제한적일 때 이 방법의 정확성 및 유효성을 평가하고, 기상자료 중 최고기온과 최저기온만 존재하는 경우에 Hargreaves 식으로 추정한 잠재증발산량과 FAO56 PM 방법으로 추정한 잠재증발산량을 비교 및 평가하여 어떤 방법이 더 유효한지에 대한 분석을 진행하였다.

2. 재료 및 방법

2.1 활용 변수 및 자료

제한적인 기상자료 조건에서 FAO56 PM 방법을 이용해 잠재증발산량을 산정하기 위해 낙동강 상류 안동댐 유역의 10개 기상관측소의 기상자료를 활용하였다. 본 연구의 대상지는 약 1,628 km²에 해당하는 면적이며, 안동댐 상류 유역 중 87.7%는 산림으로 이루어져 있다(Ji et al., 2012). 기상관측소 중 3개소는 기상청이 설치하였으며, 그 중 2개소는 종관기상관측소(Automated Synoptic Observing System; ASOS), 1개소는 농업기상관측소(Automated Agricultural Observing System; AAOS)로 이루어져 있다. 나머지 7개소는 국립기상과학원이 설치한 수문기상 관측망으로, 그 중 5개소는 자동기상관측장비(Automatic Weather System; AWS), 2개소는 플럭스(Flux) 타워로 이루어져 있다(Table 1, Fig. 1). 이들 기상관측소에서는 대기온도, 상대습도(relative humidity), 태양복사에너지(solar radiation), 풍속 자료를 ASOS와 AWS는 시간별로, AAOS와 플럭스 타워는 분별로 제공하고 있으며, 본 연구에서는 2013년에서 2014년까지 총 2개년 일별 기상자료를 이용하였다.

Table 1

Geographical coordinates and characteristics of the weather observing systems

Fig. 1.

Geographical locations of the 10 weather observing systems.

3. 결과 및 고찰

3.1 완전한 기상자료로 산정한 잠재증발산량

본 연구에서는 완전한 기상자료를 가지고 잠재증발산량을 FAO56 PM 방법으로 산정하였다(Fig. 2). 추정한 결과, 2013년부터 2014년까지의 평균 잠재증발산량은 2.4741 mm day^—1이었으며, 2013년도의 평균 잠재증발산량은 2.4273 mm day^—1, 2014년도의 평균 잠재증발산량은 2.5211 mm day^—1이었다. 또한, 각 관측소별로 추정된 잠재증발산량 값을 역거리가중법(Inverse distance weighted method; IDW)을 사용하여 안동댐 유역에 보간하였다(Fig. 3). 보간한 결과에서는 수역보다 산림지역에서 보다 많은 평균 증발산량이 많았으며, 증발산량의 범위는 2.1346 mm day^—1부터 2.9105 mm day^—1이었고, 평균은 2.5062 mm day^—1였다. 다만, 안동댐으로 인해 수몰된 부근에 기상관측소가 설치되어 있지 않았으므로 수역의 실제 증발산량을 보간으로 추정하는 것에 한계가 있다고 판단된다.

Fig. 2.

Evapotranspiration computed from complete meteorological dataset (ETo-ref).

Fig. 3.

Evapotranspiration with complete meteorological dataset interpolated by IDW method (ETo-ref).

3.2 일사 자료가 없을 때 산정한 잠재증발산량

본 연구에서는 FAO56 PM 방법으로 잠재증발산량을 산정하기 위해 식 (4)의 태양복사에너지 자료 추정방법으로 산정된 일사 자료를 활용하였다. 추정한 결과, 2013년부터 2014년까지의 평균 잠재증발산량은 2.6567 mm day^—1이었으며, 2013년도의 평균 잠재증발산량은 2.5939 mm day^—1, 2014년도의 평균 잠재증발산량은 2.7196 mm day^—1이었다. 또한, 산정된 잠재증발산량(ET_o-R_s)과 완전한 기상자료가 있을 때 추정한 잠재증발산량(ET_o-ref)을 비교하였다(Fig. 4). 이후, 역거리가중법을 사용하여 추정된 잠재증발산량을 안동댐 유역에 보간하였다(Fig. 5). 보간한 결과에서는 안동댐 하류와 농지에서 증발산량이 많았으며, 증발산량의 범위는 2.3311 mm day^—1부터 2.8871 mm day^—1이었고, 평균은 2.6550 mm day^—1였다. 완전한 기상자료가 있었을 때 보간법으로 추정한 Fig. 3과 비교하였을 때, 안동댐 하류에서 더 많은 증발산량이 추정되었고, 연구대상지의 평균 증발산량 또한 더 많이 추정되었다.

Fig. 4.

Comparison between ETo estimates by the FAO56 PM using estimated solar radiation obtained from Tmax and Tmin (ETo-Rs) and those calculated with a complete meteorological dataset (ETo-ref) at (a) 136; (b) 276; (c) 972; (d) A1; (e) A2; (f) A3; (g) A4; (h) A5; (i) A6; (j) A7.

Fig. 5.

Evapotranspiration with estimated solar radiation interpolated by IDW method (ETo-Rs).

Table 2는 산정된 두 잠재증발산량의 RMSE, MBE, MAE, R²의 값이다. Jabloun and Sahli(2008)는 기준잠재증발산량과 기상자료가 제한된 경우에 잠재증발산량을 산정했을 때, 두 값의 RMSE 차이가 0.45 mm day^—1 이하인 경우는 값이 적당하다고 언급하였다. ET_o-R_s과 ET_o-ref의 RMSE는 136번 기상관측소를 제외하고 모두 0.45를 넘는 높은 값이다. MBE의 경우는 —0.2027 mm day^—1에서 0.3336 mm day^—1 사이였으며, MAE는 0.2624 mm day^—1에서 0.4861 mm day^—1 사이였고, R²는 0.9에 가까운 값이 많았다. 추정 값의 평균은 1개의 지점(972) 이외에는 모두 과대 추정되는 경향을 보이고, RMSE, MBE, MAE의 값도 비교적 높게 나타났으나, R² 값을 기반으로 보면 추정 결과가 적절하다고 판단된다. R² 값이 통계적으로 유의하므로 Allen et al.(1998)이 제안한 식 (4)의 태양복사에너지 자료 추정 방법은 일사 자료가 제한적일 때 약간의 오차를 고려하며, 사용할 수 있는 방법이라고 사료된다.

Table 2

Comparison between ETo computed from complete meteorological dataset (ETo-ref) and when Rs is estimated from air temperature at the different locations

3.3 습도 자료가 없을 때 산정한 잠재증발산량

본 연구에서는 FAO56 PM 방법으로 잠재증발산량을 산정하기 위해 일최저기온을 활용하는 식 (8)의 실제습도 자료 추정방법으로 산정된 습도 자료를 활용하였다. 추정한 결과, 2013년부터 2014년까지의 평균 잠재증발산량은 2.3701 mm day^—1이었으며, 2013년도의 평균 잠재증발산량은 2.3384 mm day^—1, 2014년도의 평균 잠재증발산량은 2.4019 mm day^—1이었다. 또한, 산정된 잠재증발산량(ET_o-e_a)과 완전한 기상자료가 있을 때 추정한 잠재증발산량(ET_o-ref)을 비교하였다(Fig. 6). 이후, 역거리가중법을 사용하여 추정된 잠재증발산량을 안동댐 유역에 보간하였다(Fig. 7). 보간한 결과에서는 수역보다 산림지역에서 보다 많은 평균 증발산량이 많았으며, 증발산량의 범위는 2.1547 mm day^—1부터 2.7844 mm day^—1이었고, 평균은 2.3976 mm day^—1이었다. 완전한 기상자료가 있었을 때 보간법으로 추정한 Fig. 3과 일사 자료가 없을 때 보간법으로 추정한 Fig. 5와 비교하였을 때, 연구대상지의 평균 증발산량은 과소추정되었다.

Fig. 6.

Comparison between ETo estimates by the FAO56 PM using estimated humidity obtained from Tmin (ETo-ea) and those calculated with a complete meteorological dataset (ETo-ref) at (a) 136; (b) 276; (c) 972; (d) A1; (e) A2; (f) A3; (g) A4; (h) A5; (i) A6; (j) A7.

Fig. 7.

Evapotranspiration with estimated humidity interpolated by IDW method (ETo-ea).

Table 3은 산정된 두 잠재증발산량의 RMSE, MBE, MAE, R²의 값이다. 결정계수가 모든 지점에서 0.96을 넘는 등의 결과를 통해 ET_o-e_a과 ET_o-ref의 값 간에 높은 상관관계가 있음을 알 수 있었다. RMSE 값은 모든 지점에서 0.39 mm day^—1 이하이고, MBE의 경우는 —0.2722 mm day^—1에서 0.0202 mm day^—1 사이였으며, MAE는 0.0730 mm day^—1에서 0.2797 mm day^—1 사이로 모두 낮은 값으로, 2개의 지점 이외에는 과소추정하는 경향을 보였다. RMSE, MBE, MAE의 값이 낮고, 높게 나타나는 R² 값을 통해 T_dew를 T_min으로 구하는 식 (8)의 습도 자료 추정 방법이 적절함을 보여준다. 즉, ET_o-e_a와 ET_o-ref 간에는 높은 상관관계를 보이고 있으며, 두 방법의 잠재증발산량 추정값이 매우 비슷한 것 또한 알 수 있다. 따라서 습도 자료가 없을 때에 식 (8)을 이용하여 실제습도 자료를 추정하는 것이 유의미하다고 판단된다.

Table 3

Comparison between ETo compared from complete meteorological dataset (ETo-ref) and when ea is estimated by considering Tmin = Tdew at the different locations

3.4 풍속 자료가 없을 때 산정한 잠재증발산량

본 연구에서는 FAO56 PM 방법으로 잠재증발산량을 산정하기 위해 기본 값(default value)인 세계 평균 풍속 자료를 활용하여 잠재증발산량을 산정하였다(ET_o-u₂). 추정한 결과, 2013년부터 2014년까지의 평균 잠재증발산량은 2.7788 mm day^—1이었으며, 2013년도의 평균 잠재증발산량은 2.7199 mm day^—1, 2014년도의 평균 잠재증발산량은 2.8378 mm day^—1이었다. 이후, 이 잠재증발산량과 완전한 기상자료가 있을 때 추정한 잠재증발산량(ET_o-ref)을 비교하였다(Fig. 8). 또한, 역거리가중법을 사용하여 추정된 잠재증발산량을 안동댐 유역에 보간하였다(Fig. 9). 보간한 결과에서는 수역보다 산림지역에서 보다 많은 평균 증발산량이 많았으며, 증발산량의 범위는 2.4626 mm day^—1부터 3.1525 mm day^—1이었고, 평균은 2.7949 mm day^—1이었다. 완전한 기상자료가 있었을 때 보간법으로 추정한 Fig. 3과 일사 자료가 없을 때 보간법으로 추정한 Fig. 5, 그리고 습도 자료가 없을 때 보간법으로 추정한 Fig. 7과 비교하였을 때, 연구대상지의 평균 증발산량은 과대추정되었다.

Fig. 8.

Comparison between ETo estimates by the FAO56 PM using default value of wind speed (ETo-u2) and those calculated with a complete meteorological dataset (ETo-ref) at (a) 136; (b) 276; (c) 972; (d) A1; (e) A2; (f) A3; (g) A4; (h) A5; (i) A6; (j) A7.

Fig. 9.

Evapotranspiration with estimated wind speed interpolated by IDW method (ETo-u2).

Table 4는 산정된 두 잠재증발산량의 RMSE, MBE, MAE, R²의 값이다. 결정계수가 모든 지점에서 0.92를 넘는 등의 결과를 통해 ET_o-u₂와 ET_o-ref의 값 간에 상대적으로 높은 상관관계가 있다고 볼 수 있다. RMSE도 0.2526 mm day^—1에서 0.5358 mm day^—1 사이였으며, 두 지점을 제외하고는 값이 0.45 mm day^—1를 넘지 않았다. 그러나 MBE는 0.1778 mm day^—1에서 0.3949 mm day^—1, MAE 값도 0.2915 mm day^—1에서 0.4328 mm day^—1로 상대적으로 높은 값을 나타났다. 즉, 풍속을 디폴트 값으로 활용하여 잠재증발산량을 추정하면 모든 지점에서 조금은 과대 추정됨을 알 수 있었으나, 풍속 자료가 없는 경우에 대체될만한 방법이 될 것이라고 사료된다.

Table 4

Comparison between ETo compared from complete meteorological dataset (ETo-ref) and using default value for wind speed at the different locations

3.5 최고기온과 최저기온만으로 산정한 잠재증발산량

본 연구에서는 최고기온과 최저기온만으로 잠재증발산량을 산정하는 Hargreaves 공식으로 잠재증발산량을 추정(ET_o- HG)하고, 완전한 기상자료가 있을 때 추정한 잠재증발산량(ET_o-ref)과 비교하였다(Fig. 10). Hargreaves 공식으로 추정한 결과, 2013년부터 2014년까지의 평균 잠재증발산량은 3.0459 mm day^—1이었으며, 2013년도의 평균 잠재증발산량은 2.9842 mm day^—1, 2014년도의 평균 잠재증발산량은 3.1077 mm day^—1이었다.

또한, 관측된 최고기온과 최저기온을 활용하고, 부족한 나머지 인자인 태양복사에너지, 습도, 풍속에 대하여서는 Allen et al.(1998)이 제시한 방법인 식 (4), 식 (8), 그리고 풍속의 디폴트 값을 활용하여 FAO56 PM 방법으로 잠재증발산량을 추정하였다(ET_o-T). 추정한 결과, 2013년부터 2014년까지의 평균 잠재증발산량은 2.8418 mm day^—1이었으며, 2013년도의 평균 잠재증발산량은 2.7817 mm day^—1, 2014년도의 평균 잠재증발산량은 2.9021 mm day^—1이었다. 이후, 이 잠재증발산량과 완전한 기상자료가 있을 때 추정한 잠재증발산량(ET_o-ref)과 비교하였다(Fig. 11). 이후, Hargreaves 공식과 FAO56 PM 방법으로 추정된 잠재증발산량은 역거리가중법으로 안동댐 유역에 보간되었다(Fig. 12). Hargreaves 공식으로 잠재증발산량을 보간하여 추정한 결과가 기온 자료만 있을 때 FAO56 PM 방법으로 잠재증발산량을 보간하여 추정한 결과보다 더 큰 값을 나타내었다. Hargreaves 공식으로 추정하여 보간한 증발산량의 범위는 2.9026 mm day^—1부터 3.1142 mm day^—1이었고, 평균은 3.0253 mm day^—1이었다. 기온 자료만 있을 때 FAO56 방법으로 추정하여 보간한 증발산량의 범위는 2.7246 mm day^—1부터 2.9211 mm day^—1이었으며, 평균은 2.8213 mm day^—1이었다. 또한, 두 결과 모두 완전한 기상자료가 있었을 때 보간법으로 추정한 Fig. 3과 일사 자료가 없을 때 보간법으로 추정한 Fig. 5, 습도 자료가 없을 때 보간법으로 추정한 Fig. 7, 그리고 풍속 자료가 없을 때 보간법으로 추정한 Fig. 9보다 안동댐 하류에서 큰 증발산량 결과를 보였으며, 평균 증발산량 또한 가장 크게 과대 추정되었다.

Fig. 10.

Comparison between ETo estimates by the FAO56 PM using Hargreaves equation (ETo-HG) and those calculated with a complete meteorological dataset (ETo-ref) at (a) 136; (b) 276; (c) 972; (d) A1; (e) A2; (f) A3; (g) A4; (h) A5; (i) A6; (j) A7.

Fig. 11.

Comparison between ETo estimates using FAO56 PM with observed maximum and minimum air temperature (ETo-T) and those calculated with a complete meteorological dataset (ETo-ref) at (a) 136; (b) 276; (c) 972; (d) A1; (e) A2; (f) A3; (g) A4; (h) A5; (i) A6; (j) A7.

Fig. 12.

(a) Evapotranspiration estimated with Hargreaves method interpolated by IDW method (ETo-HG); (b) Evapotranspiration estimated with FAO56 PM with observed maximum and minimum air temperature interpolated by IDW method (ETo-T).

Table 5는 ET_o-HG와 ET_o-ref의 RMSE, MBE, MAE, R²의 값으로, RMSE는 0.7208 mm day^—1에서 1.3441 mm day^—1, MBE는 0.2309 mm day^—1에서 1.0275 mm day^—1, MAE는 0.5640 mm day^—1에서 1.0454 mm day^—1으로 높은 값을 나타내며, R² 값도 본 연구의 기상관측소 지점 평균이 0.8285로 낮은 값이었다. 또한, 잠재증발산량을 추정했을 때에 모든 지점에서 과대 추정된 결과를 보였다.

Table 5

Comparison between ETo compared from complete meteorological dataset (ETo-ref) and using the Hargreaves equation (ETo-HG) at the different locations

Table 6은 ET_o-T와 ET_o-ref의 RMSE, MBE, MAE, R²의 값이다. RMSE는 0.5635 mm day^—1에서 1.1128 mm day^—1, MBE는 —0.1030 mm day^—1에서 0.8350 mm day^—1, MAE는 0.4184 mm day^—1에서 0.8594 mm day^—1으로 높은 값을 나타내었다. R² 값도 평균이 0.8375로 상대적으로 낮았다. 또한, 잠재증발산량을 추정했을 때에 두 지점 이외에는 과대 추정하는 양상을 보였다.

Table 6

Comparison between ETo compared from complete meteorological dataset (ETo-ref) and using FAO56 PM with observed maximum and minimum air temperature (ETo-T) at the different locations

두 방법을 비교해 보았을 때, ET_o-T와 ET_o-ref를 비교하였을 때의 평균 R²가 ET_o-HG와 ET_o-ref를 비교하였을 때의 평균 R²보다 높았고, RMSE, MBE, MAE 평균 또한 낮았다. 따라서 본 연구를 통해 안동댐 유역에서 최고기온과 최저기온만으로 일별 잠재증발산량을 산정하는 경우에 Hargreaves 공식보다는 FAO56 PM 방법으로 인자들을 추정하여 잠재증발산량을 산정하는 것이 낫다는 결론을 내릴 수 있었다. Hargreaves 공식을 사용하기 위해서는 과거 관측자료를 이용한 매개변수의 지역화가 필요하다고 사료된다.

4. 결 론

본 연구에서 2013년도와 2014년도의 안동댐 유역의 기상자료를 이용하여 FAO56 Penman-Monteith 방법으로 10개의 지점에 대하여 잠재증발산량을 산정하였다. 또한, 잠재증발산량 산정에 필요한 인자가 모두 있을 때의 산정과 기상자료가 제한되었을 때의 산정, 그리고 Hargreaves 공식을 사용할 때의 산정을 공간적, 통계적으로 비교하였다. 기상자료가 제한되었을 때에는 Allen et al.(1998)이 제안한 방법으로 기상 인자를 추정하였으며, 본 연구를 통하여 기상자료가 부족할 때에도 이 방법으로 잠재증발산량을 산정할 수 있었다. 일사 자료를 추정하여 잠재증발산량을 산정한 결과는 완전한 기상 자료가 있을 때보다 과대추정하는 경향을 보였지만, 통계적으로 유의미하였기 때문에 약간의 오차를 고려하여 사용할 수 있을 것으로 사료된다. 습도 자료를 추정하여 잠재증발산량을 산정한 결과는 완전한 기상 자료가 있을 때 산정한 결과와 높은 상관관계를 보였으며, 추정값도 정확하였기 때문에 이슬점온도를 일최저온도로 대체할 수 있다고 결론지어진다. 풍속 자료가 부족한 경우에는 전 세계의 평균 풍속을 디폴트 값으로 활용할 수 있으며, 그 결과 또한 용인될만 하였다.

기온 자료로만 잠재증발산량을 추정하는 Hargreaves 공식은 비교적 간단하지만, FAO56 PM 방법과 비교했을 때 정확도가 떨어졌으며, 과대추정하는 양상을 보였다. 또한, 최고기온과 최저기온 관측값만으로 FAO56 PM 방법을 사용하였을 때에도 정확도가 떨어졌으나, Hargreaves 공식보다는 적합할 것으로 판단되었다. Hargreaves 공식은 추후 지역 특성을 고려한 매개변수가 필요할 것으로 사료된다.

각 지점별로 다른 통계 결과는 고도와 큰 상관성이 없었으며, 972와 A7 기상관측소는 위치와 고도가 거의 일치함에도 불구하고 경향은 비슷하지만, 상이한 기온, 습도, 태양복사에너지, 풍속 자료를 생산하였다. 각 지점의 불일치하는 값과 통계 값은 물의 존재, 운량, 그리고 산림 규모의 차이에 따르기도 하므로 지점별로 다른 결과는 추후에 추가적인 연구가 필요할 것으로 판단된다.

본 연구를 통해 기상자료를 추정하여 잠재증발산량을 산정하는 FAO56 PM 방법은 비교적 높은 정확성을 가지는 산정 결과를 보이는 것을 확인할 수 있었다. 따라서 기상자료가 제한적이어서 잠재증발산량 산정이 어려움이 있는 경우에는 FAO56 PM 방법을 활용할 수 있을 것으로 사료된다.

Acknowledgments

본 연구는 국립기상과학원 “수문기상모델 개선을 위한 요소기술 개발(Ⅳ)”의 지원과 환경부 “기후변화대응 환경기술개발사업(과제번호: 2014001310008)”의 지원으로 수행되었습니다.

References

• Allen, RG., (1986), A penman for all seasons, Journal of Irrigation and Drainage Engineering, 112(4), p348-368. [https://doi.org/10.1061/(asce)0733-9437(1986)112:4(348)]
• Allen, RG., (1996), Assessing integrity of weather data for reference evapotranspiration estimation, Journal of Irrigation and Drainage Engineering, 122(2), p97-106. [https://doi.org/10.1061/(asce)0733-9437(1996)122:2(97)]
• Allen, RG., (1997), Self-calibrating method for estimating solar radiation from air temperature, Journal of Hydrologic engineering, 2(2), p56-67. [https://doi.org/10.1061/(asce)1084-0699(1997)2:2(56)]
• Allen, RG, Pruitt, WO., (1986), Rational use of the FAO Blaney-Criddle formula, Journal of Irrigation and Drainage Engineering, 112(2), p139-155. [https://doi.org/10.1061/(asce)0733-9437(1986)112:2(139)]
• Allen, RG, Pereira, LS, Raes, D, Smith, M., (1998), Crop evapotranspiration-guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56, FAO, Rome, 300(9), pD05109.
• Cai, J, Liu, Y, Lei, T, Pereira, LS., (2007), Estimating reference evapotranspiration with the FAO Penman-Monteith equation using daily weather forecast messages, Agricultural and Forest Meteorology, 145(1), p22-35. [https://doi.org/10.1016/j.agrformet.2007.04.012]
• Chiew, FHS, Kamaladasa, NN, Malano, HM, McMahon, TA., (1995), Penman-monteith, FAO-24 reference crop evapotranspiration and class-A pan data in Australia, Agricultural Water Management, 28(1), p9-21. [https://doi.org/10.1016/0378-3774(95)01172-f]
• Chin, DA, Mazumdar, A, Roy, PK., (2000), Water-resources engineering (Vol. 12), Englewood Cliffs, Prentice Hall.
• Cho, KS., (1987), Validity period analysis for evapotranspiration estimation formula: Focusing on water crops (in Korean), Master dissertation, Seoul National University, Korea.
• Doorenbos, J, Pruitt, WO, Aboukhaled, A., (1997), Crop water requirements, Technical Report Food and Agriculture Organization.
• Droogers, P, Allen, RG., (2002), Estimating reference evapotranspiration under inaccurate data conditions, Irrigation and Drainage Systems, 16(1), p33-45.
• Garcia, M, Raes, D, Allen, R, Herbas, C., (2004), Dynamics of reference evapotranspiration in the Bolivian highlands (Altiplano), Agricultural and Forest Meteorology, 125(1), p67-82. [https://doi.org/10.1016/j.agrformet.2004.03.005]
• Hanks, RJ., (1974), Model for predicting plant yield as influenced by water use, Agronomy Journal, 66(5), p660-665. [https://doi.org/10.2134/agronj1974.00021962006600050017x]
• Hargreaves, GH., (1994), Defining and using reference evapotranspiration, Journal of Irrigation and Drainage Engineering, 120(6), p1132-1139. [https://doi.org/10.1061/(asce)0733-9437(1994)120:6(1132)]
• Hargreaves, GH, Allen, RG., (2003), History and evaluation of Hargreaves evapotranspiration equation, Journal of Irrigation and Drainage Engineering, 129(1), p53-63. [https://doi.org/10.1061/(asce)0733-9437(2003)129:1(53)]
• Hargreaves, GH, Samani, ZA., (1982), Estimating potential evapotranspiration, Journal of the Irrigation and Drainage Division, 108(3), p225-230.
• Hargreaves, GL, Hargreaves, GH, Riley, JP., (1985), Irrigation water requirements for Senegal river basin, Journal of Irrigation and Drainage Engineering, 111(3), p265-275. [https://doi.org/10.1061/(asce)0733-9437(1985)111:3(265)]
• Hong, S., (2011), Future active water resources securing technology (in Korean), Water for Future. Journal of Korea Water Resources Association, 44(8), p14-18.
• Im, JS., (2013), Applicability evaluation of SEBAL using multitemporal satellite images and observed evapotranspiration data: Focused on Wangsuk river basin (in Korean), Master dissertation, Seoul National University, Korea.
• Jabloun, MD, Sahli, A., (2008), Evaluation of FAO-56 methodology for estimating reference evapotranspiration using limited climatic data: Application to Tunisia, Agricultural Water Management, 95(6), p707-715.
• Jensen, ME, Burman, RD, Allen, RG., (1990), Evapotranspiration and irrigation water requirements, ASCE.
• Jensen, ME, Robb, DC, Franzoy, CE., (1970), Scheduling irrigations using climate-crop-soil data, Proceedings of the American Society of Civil Engineers, Journal of the Irrigation and Drainage Division, 96(IRI), p25-38.
• Ji, U, Hwang, MH, Lim, KS, Kang, SU., (2012), Analysis of watershed characteristics and land use of four major rivers using GIS (in Korean), Water for Future. Magazine of Korea Water Resources Association, 45(10), p26-33.
• Jung, IW, Koo, BY, Bae, DH., (2006), A study on evaporation estimation of Tank model (in Korean), Proceedings of the Korea Water Resources Association Conference, Korea Water Resources Association.
• Kim, SJ, Lim, CH, Lim, YJ, Moon, JY, Song, CH, Lee, WK., (2016), Analyzing climate zones using hydro-meteorological observation data in Andong Dam watershed, South Korea (in Korean), Journal of Climate Change Research, 7(3), p269-282.
• Lim, CH, Moon, JY, Lim, YJ, Kim, SJ, Lee, WK., (2015), Estimating spatio-temporal distribution of climate factors in Andong Dam basin, Journal of Korean Society for Geospatial Information System, 23(4), p57-65. [https://doi.org/10.7319/kogsis.2015.23.4.057]
• Lee, KH, Park, JH., (2008), Calibration of the Hargreaves Equation for the reference evapotranspiration estimation on a nation-wide scale (in Korean), Journal of the Korean Society of Civil Engineers, 28(6B), p675-681.
• López-Urrea, R, de Santa Olalla, FM, Fabeiro, C, Moratalla, A., (2006), Testing evapotranspiration equations using lysimeter observations in a semiarid climate, Agricultural Water Management, 85(1), p15-26.
• Martınez-Cob, A, Tejero-Juste, M., (2004), A wind-based qualitative calibration of the Hargreaves ET_o estimation equation in semiarid regions, Agricultural Water Management, 64(3), p251-264.
• Mavi, HS, Tupper, GJ., (2004), Agrometeorology: Principles and applications of climate studies in agriculture, CRC Press.
• Popova, Z, Kercheva, M, Pereira, LS., (2006), Validation of the FAO methodology for computing ET_o with limited data, Application to South Bulgaria. Irrigation and Drainage, 55(2), p201-215.
• Ritchie, JT., (1972), Model for predicting evaporation from a row crop with incomplete cover, Water Resources Research, 8(5), p1204-1213. [https://doi.org/10.1029/wr008i005p01204]
• Ritchie, JT, Burnett, E., (1968), A precision weighing lysimeter for row crop water use studies, Agronomy Journal, 60(5), p545-549. [https://doi.org/10.2134/agronj1968.00021962006000050030x]
• Rosenberg, NJ, Blad, BL, Verma, SB., (1983), Microclimate: The biological environment, John Wiley & Sons, p495.
• Ryu, MH, Kim, SM., (2011), Socal vaule of multiregional water system-using conjoint valuation method (in Korean), Proceedings of the Korea Water Resources Association Conference, Korea Water Resources Association.
• Ryu, SH, Kim, KH, Kim, MK, Park, MU, Yang, JY, Yu, IS, Yoon, SY, Lee, WJ, Im, JN, Jung, YT, Jung, YS., (2000), Soil Dictionary (in Korean), Seoul National University Press.
• Sentelhas, PC, Gillespie, TJ, Santos, EA., (2010), Evaluation of FAO Penman-Monteith and alternative methods for estimating reference evapotranspiration with missing data in Southern Ontario, Canada, Agricultural Water Management, 97(5), p635-644. [https://doi.org/10.1016/j.agwat.2009.12.001]
• Yun, JI, Nam, JC, Hong, SY, Kim, J, Kim, KS, Chung, U, Chae, NY, Choi, TJ., (2004), Using spatial data and land surface modeling to monitor evapotranspiration across geographic areas in South Korea (in Korean), Korean Journal of Agricultural and Forest Meteorology, 6(3), p149-163.