1. 서 론
2. 연구지역 및 자료
2.1 연구지역
2.2 연구자료
3. 연구 방법
3.1 Data processing
3.2 Temperature-Vegetation Dryness Index (TVDI)
3.3 Standardized Soil Moisture Index (SSMI)
4. 연구결과 및 토의
4.1 월별 LST 및 NDVI 공간 분포 특성
4.2 LST-NDVI 공간 분석을 통한 TVDI 산정
5. 결 론
1. 서 론
인공위성을 관측 방법에 따라 분류 할 때 크게 지구를 회전하며 전 지구를 관측하는 극궤도 위성과 일정 지역을 따라다니며 관측하는 정지궤도 위성 두 가지로 분류할 수 있다. 극궤도 위성은 지구 전 지역을 관측할 수 있다는 장점이 있으나, 필요한 지역의 자료를 얻는 데에 시간과 횟수가 제한된다는 단점이 있다. 반면 정지궤도 위성은 일정한 지역 내의 자료밖에 얻을 수 없지만 지속적으로 관측할 수 있으므로, 자료 수집 간격이 짧다는 장점이 있다. 각 위성들은 사용 목적에 따라 선택적으로 이용되는데, 전 지구적인 공간 분포나 장기간의 변화 양상을 관측하는 데에는 극궤도 위성이, 지속적 변화를 모니터링하거나 순간적으로 변화가 발생하는 데에는 정지궤도 위성이 유리하다. 최근 위성영상 활용의 범위는 매우 넓어지고 있으며, 특히 기후변화로 인한 태풍, 가뭄, 홍수 등과 같은 자연재해를 관측하거나 예측하는 연구가 활발히 이루어지고 있다(Kim and Yoon, 2014; Kim and Park, 2010).
수문 순환을 이해하는 것은 물 순환의 매커니즘을 파악함으로써, 자연재해를 예측 및 대비하고, 이수 및 치수계획을 수립하고자 하는 것이다. 이를테면 가뭄, 홍수와 같은 자연재해는 수문현상과 밀접한 연관이 있는 자연재해로, 한 번 발생하면 사회 경제적으로 막대한 영향을 끼칠 뿐만 아니라 대응하기가 매우 힘들다. 이러한 자연재해를 대비하기 위해서는 수문 순환을 이해하고 관측하는 것이 매우 중요하기 때문에, 이를 이해하기 위한 수문기상인자들을 광역적이고, 지속적이며, 정확하게 관측하고자 하는 노력이 지속되고 있다.
토양수분은 강우가 유출 및 침투하는 데 있어 직접적인 영향을 미치는 인자로, 표면에서의 증발이나 식물체를 통한 증산을 발생하게 함으로써, 대기와 지표면의 물 순환 매커니즘 및 열의 이동을 평가하는데 중요한 자료로 평가받고 있다. 하지만 토양의 상태, 성질, 성분 등 공간적인 불확정 요소가 많아 정량적인 평가가 매우 어렵다는 문제점이 있다. 기존의 지점 관측 방식은 해당 지역에서 비교적 정확한 수치를 정량적으로 얻을 수 있다는 장점이 있으나, 공간적인 대표성을 띄기가 어렵고, 관측 지점의 지속적인 유지 관리 및 데이터 수집에 있어 효율성이 좋지 않다. 따라서 공간적인 대표성과 경제성을 갖추고 있는 위성 영상을 활용하는 것이 효율적이며, 토양수분의 시공간적인 변동성을 지역적, 광역적, 그리고 전 세계적으로 이해하고자 하는 연구가 오랫동안 이루어지고 있다(Brocca et al., 2007; Crow et al., 2012). 주로 통계적인 방법과 지리 통계적 방법, 시간적 안정성, 회귀적 방법 등을 사용한 연구들이 진행되어 오고 있다(Vachaud et al., 1985; Western et al., 2004; Vanderlinden et al., 2012). 여전히 인공위성을 활용한 수문 인자 관측 연구에서는 지점 자료와의 상관성이 높으면서도 공간적인 대표성을 충분히 갖출 수 있도록 하는 것이 지속적인 과제로 남아있으며, 그 중에서도 공간 및 시간 해상도에 대한 문제가 매우 중요하게 여겨지고 있다.
주로 활용되는 토양수분 위성자료는 Advanced Micro-wave Scanning Radiometer-EOS (AMSR-E), Advanced SCATterometer (ASCAT) 등이 있으나, 일반적으로 낮은 공간 및 시간해상도를 갖고 있다. AMSR-E의 경우 25 km 의 공간해상도로 하루 2회 관측되며, ASCAT은 12.5 km 의 공간해상도로 Daily로 제공되고 있다. 하지만 한반도의 경우 지형적으로 산지가 많아 공간 특성의 변화가 매우 심한 지역이기 때문에, 10 km 이상의 공간해상도를 적용하기에는 많은 어려움이 있다. 따라서 본 연구에서는, 정지궤도 위성인 천리안 위성(Communication, Ocean, and Meteorological Satellite, COMS)을 사용하여 보다 나은 공간해상도를 지닌 자료로부터 토양수분의 상태를 추정하고자 한다. COMS에는 GOCI (Geostationary Ocean Color Imager)와, MI (Meteorlogical Imager)가 탑재되어 있으며, 두 센서로부터 얻어진 지표면온도(Land Surface Temperature, LST)와 정규식생지수(Normalized Difference Vegetation Index, NDVI)를 활용하여 토양수분과의 밀접한 관련이 있는 건조지수인 Temperature- Vegetation Dryness Index (TVDI)를 산출하고자 하였다. 또한 TVDI의 활용성을 검증하기 위해 이를 위성 영상인 ASCAT 토양수분 자료와 모델 자료인 GLDAS 와의 공간적 패턴을 비교 분석하였다. 이를 통해, 정지궤도 위성인 천리안 위성에서 산출되는 자료들을 활용한 건조지수를 생산하고, 토양수분 분포 추정에 있어서 그 가능성을 제시하고자 하였다.
2. 연구지역 및 자료
2.1 연구지역
본 연구는 동북아시아 32°N~40°N, 124°E~132°E에 위치한 대한민국을 연구지역으로 다루고 있다. 대한민국은 지리적으로는 중위도 온대성 기후대에 속하는 유라시아 대륙 동안의 한반도에 위치해 있고, 반도의 특성 상 바다와 육지의 열용량 차이에 의한 영향을 크게 받는다. 이로 인해 여름에는 대륙의 온도가 해양의 온도에 비해 높으므로 해양에서 고기압이 발생해 남동풍이 발생하는 반면, 겨울에는 해양의 온도가 더 높아 대륙에서 큰 고기압이 발생하게 되어 북서풍이 부는 계절풍의 영향이 뚜렷하고, 봄, 여름, 가을, 겨울 사계절이 뚜렷하게 나타난다(Ahn and Kim, 2010). 또한 삼면이 바다로 둘러싸여 있으므로, 해안지방에는 해륙풍의 영향이 뚜렷하게 나타나기도 한다. 연중 지역별 강수량은 중부지방이 1,200~1,500 mm, 남부지방이 1,000~1,800 mm 정도이며, 이 중 60% 정도는 장마기간이 포함되어 있는 여름에 집중되어 있어 수자원의 계절적 불균형이 심각하게 발생한다. Fig. 1은 연구지역인 대한민국의 위치 및 토지 피복을 나타낸 것으로, 국토 대부분의 지역이 산지로 이루어져 있어 평지로 이루어진 지역이 적고 지형적으로 매우 복잡하다. 또한 한반도의 동쪽에 남북으로 길게 발달한 태백산맥의 영향으로 동쪽은 높고 서쪽은 낮은 동고서저의 특성을 띄고 있고, 남쪽에는 넓게 발달한 소백산맥의 영향으로 남쪽은 높고 북쪽이 낮은 남고북저의 특성을 띄고 있다.
2.2 연구자료
본 연구에서는 한반도에서의 공간적인 토양수분 상태를 관측하기 위해 인공위성 자료를 활용하였다. 주로 사용된 위성은 COMS로, 2010년 6월 27일에 대한민국에서 발사된 통신해양기상위성으로 지구적도 상공 36,000 km 동경 128.2도에 발사되었다. COMS는 한국 최초의 정지 궤도 복합 위성으로 통신 서비스, 해양 관측 및 기상 관측 임무를 수행하고 있으며 COMS가 임무 수행을 시작함으로써, 한국의 수문학적 변수를 미국과 일본으로부터 얻는 것이 아니라 직접 관측 및 수집이 가능하게 되었다(Baek and Choi, 2012).
기상탑재체(Meteorological Imager, MI)와 해색탑재체(Geostationary Ocean Color Imager, GOCI)는 COMS에 탑재되어 2011년 4월부터 자료를 제공하고 있다. MI의 경우 기상 관측 임무를 주로 수행하고 있으며, 자료 산출 주기는 15분이고 공간해상도는 4 km 이다. MI는 가시광선 1채널과 적외선 4개 채널을 보유하고 있으며, 미국 GOES (Geostationary Operational Environmental Satellite) - 13호 및 일본의 MTSAT (Multifunctional Transport SATellite) - 2에 탑재된 기상센서와 동일한 성능을 갖고 있다(Jin et al., 2008). 국가기상위성센터는 독자적인 기상자료처리시스템인 CMDPS (COMS Meteorological Data Processing System)를 개발하여 관측 자료로부터 청천복사휘도, 강우 강도, 에어로졸 광학두께, 해수면 온도 등 16가지의 산출물을 제공하고 있으며, 본 연구에서는 지표면온도(Land Surface Temperature, LST)를 활용하였다. 해양 관측 임무를 수행하고 있는 GOCI는 130°E, 36°N를 중심으로 2,500 km × 2,500 km를 오전 9시부터 1시간 단위로 하루 8번 관측을 실시하며, 500 m의 공간해상도를 갖고 있다(Yang et al., 2009). GOCI는 8개의 band를 갖고 있으며 해양위성센터(Korea Ocean Satellite Center, KOSC)에서 GDPS (GOCI Data Processing System)을 통해 해수 수출광량, 정규 해수수출광량, 엽록소, 용존 유기물, 총 부유물질 등의 산출물을 배포하고 있으며, 본 연구에서는 지상 관측 자료인 정규 식생 지수(Normalized Difference Vegetation Index, NDVI)를 활용하였다.
NDVI와 LST와 같이, 육상에서 관측되는 수문인자는 지면 피복이나 지형에 따른 영향을 많이 받게 된다. 따라서 산지가 많고 지형이 복잡한 연구 지역의 특성을 고려하기 위해서, 한반도 영역에서의 지표면 피복 분류 자료로 Terra/Aqua 위성의 MODIS (MODerate resolution Imaging Spectroradiometer)를 활용한 MCD12Q1 자료를 통해 IGBP (International Geosphere-Biosphere Programme)지면 피복 정의에 따라 17가지로 지면 피복을 구분하였다.
본 연구에서 산정된 건조 지수와 토양수분 상태를 평가하기 위한 토양수분 공간 자료는 ASCAT에서 제공되는 지표면 토양수분(Surface Soil Moisture, SSM)자료를 사용하였다. ASCAT SSM은 C-band 레이더의 backscatter를 전 세계 규모로 매일 측정하는 센서로 용적 토양수분을 직접적으로 산출하지는 않지만 토양수분의 포화도로 표현되며, 지점 토양수분과의 상관성이 높다(Brocca et al., 2011). 한반도에서는 Cho et al. (2010)이 지점 토양수분과 ASCAT 의 SSM과 비교하여 정확도를 평가하였다. 본 연구에서 얻어지는 TVDI는 월별로 산정되므로, SSM 자료를 활용하여 월별 토양수분의 건조도를 평가하기 위해서 평균 월별 토양수분을 산정하였으며, 이를 정규화하여 구한 Standardized Soil Moisture Index (SSMI)와 공간 분포를 비교하였다.
3. 연구 방법
3.1 Data processing
천리안 위성을 통해 관측되는 LST와 NDVI는 각각 시간적, 공간적 해상도가 다르기 때문에, TVDI를 산정하기에 앞서 두 자료의 해상도를 맞추어 주는 과정이 필요하다(Lee et al., 2006). MI에서 제공되는 4 km 공간해상도는 지형이 복잡한 한반도에서 활용하기에 적절하지 않기 때문에 LST를 500 m 공간해상도까지 상세화하였다. LST의 공간해상도는 Meada (2014)에서 NDVI와 LST의 관계성을 이용하여 1 km에서 250 m 까지 상세화하여 고해상도 자료를 산출하는 방법을 제안한 바 있으며, 한반도에서도 이미 토지 피복별로 두 인자간의 관계성을 이용하여 MI를 통해 관측된 LST를 4 km에서 500 m까지 상세화하고 ASOS 지표면 온도와 검증한 연구가 이미 선행된 바 있다(Jeong et al., 2017). 본 연구에서는 선행연구와 동일한 방법으로 LST를 500 m 까지 상세화 하였으며, 이를 활용하여 월별 토양수분 상태를 평가하기 위해 월평균 LST를 산정하였다(Fig. 3).
NDVI 자료는 월별 자료로 합성하기 위해 Eidenshink and Faundeen (1994)에서 제안된 Maximum Value Composite (MVC)방법을 활용하였다. MVC 방법은 NDVI가 짧은 기간에 대해 변동성이 크지 않다는 가정 하에서 최댓값으로 나타난 NDVI 값들을 선정함으로써 구름 및 대기에 의한 오차를 보정하는 방법이다. COMS의 NDVI 자료는 시간 단위로 산출된다는 장점이 있지만, 구름에 의한 영향 등으로 인해 발생하는 결측치 혹은, 대기에 의한 오염으로 인해 오차가 발생 할 수 있다(Park et al., 2013). Park et al. (2014)에서는 한반도에서 이를 MVC 방법을 통해 보정함으로써, 일반적으로 사용되고 있는 MODIS의 8일, 16일 단위의 NDVI 자료와 비교하였을 때 신뢰성 있는 결과가 산정됨을 보였다.
3.2 Temperature-Vegetation Dryness Index (TVDI)
Moran et al. (1994)은 표면의 온도와 기온의 scatter plot이 사다리꼴 형태를 취한다고 가정하여 Water Deficit Index (WDI)를 제안하였다(Moran et al., 1994). 이후 Sandholt et al. (2002)은 Ts와 NDVI의 Scatter plot에서 Ts/NDVI 공간을 산정함으로써 WDI를 단순화 하였으며, TVDI 개념을 제안하였다. 기존의 WDI를 산정하기 위해서는 순복사량, 풍속, 대기 온도, 증기압과 같은 지점 기상자료 등이 요구되기 때문에 자료의 수집이 어렵다는 단점이 있다. 반면에 Sandholt et al. (2002)에서 제안된 TVDI는 위성 영상인 Ts와 NDVI자료를 활용하여 Ts/NDVI 공간이 삼각형 모양을 나타낸다는 가정만으로 산정할 수 있어 비교적 간단하고 편리하다. TVDI는 아래의 Eq. (1)과 같이 산정된다.
(1)
여기서, Ts,max 와 Ts,min 은 각각 Ts/NDVI 공간에서 최대, 최소의 Ts를 의미하며, Ts,max는 Ts/NDVI 공간에서의 Ts 최댓값을 가진 픽셀로부터 fitting 하여 아래 Eq. (2)의 선형 회기 식으로 구할 수 있다.
(2)
여기서, a는 가장 건조한 상태인 Dry Edge의 기울기를 나타내며, b는 Ts/NDVI 공간에서 Dry Edge의 절편이다. Dry Edge에 위치한 픽셀들의 TVDI 값은 가장 건조한 상태를 의미하며, 최대 TVDI 값인 1로 산정된다. 반면 Ts 최솟값으로부터 얻어지는 값은 가장 습윤한 상태를 의미하고 0으로 산정된다(Sun and Kafatos, 2007).
3.3 Standardized Soil Moisture Index (SSMI)
산정된 TVDI는 토양수분과의 밀접한 연관이 있는 것으로 알려져 있다(Leng et al., 2017; Liu et al., 2017). 따라서 본 연구에서는 산정된 TVDI를 활용하여 토양수분의 건조 상태를 평가하고 자 하였으며, 검증을 위해 ASCAT SSM 자료를 활용하였다. ASCAT SSM 자료는 Daily 단위로 전지구영역으로 제공되는 자료이지만, 토양수분량을 직접적으로 나타내는 자료가 아니며, 또한 극궤도 위성이므로 한반도에서 SSM 자료가 매일 나타나는 것이 아니라 결측되는 시기도 있기 때문에 그대로 다른 지수와 비교하기는 어렵다. 따라서, 본 연구에서는 월별로 산정된 TVDI와 토양수분 상태의 건조도를 비교하기 위해서, 결측치를 제외한 SSM 값을 평균하여 월별 SSM 자료를 산정하였다(Fig. 5). 산정된 월별 SSM 자료는 건조 상태를 관측할 수 있도록 각 픽셀별로 값의 정규화를 통해 SSMI를 산정하였다. ASCAT SSM의 값을 d라고 할 때, 각 픽셀의 SSMI는 아래 Eq. (3)과 같이 계산된다.
(3)
여기서, m과 
는 각각 (i, j)픽셀에서 나타나는 SSM 값들의 평균과 표준편차를 의미한다.
4. 연구결과 및 토의
4.1 월별 LST 및 NDVI 공간 분포 특성
MVC 방법을 이용하여 생장기에 대해 월 단위로 산정된 천리안 위성의 NDVI는 다음 Fig. 2와 같이 나타난다. 계절적으로는 생장기가 시작되는 4월에는 0.6 이하의 값에서부터 점차 높아지기 시작하여 식생의 활력이 최대에 가까운 7월에 최대를 나타내었다. 지역적으로는 산지가 많은 동쪽에서 산맥을 따라 더 높은 값을 나타내는 경향을 보였다. Fig. 1의 지면피복과 비교해 보았을 때 산지에서의 NDVI 값이 더 빨리 증가한 것을 볼 수 있다. 논경지에서는 못자리와 논에 물을 관개하는 시기인 5, 6월까지는 비교적 낮은 값을 보이다가 생장기가 최대에 달하는 7, 8월에는 산지와 비슷한 값인 0.7 이상까지 증가하였다. 또한 도심지가 있는 지역의 경우에는 여름이 되어도 픽셀 내에서 식생이 포함 되지 않은 지역의 영향으로 0.5 이상으로 증가하지 않는 것을 확인 할 수 있다. 지면피복 분류도와 비교해 보았을 때, NDVI는 Lunetta et al. (2006)의 연구결과와 같이 지면피복의 영향을 크게 받는다는 것을 알 수 있다.
Fig. 3은 GOCI를 활용하여 500 m 로 상세화된 LST를 나타낸 것이며 산림 지역에서 높게 나타났던 NDVI와는 반대로, 태백산맥과 소백산맥에서 다른 지역에 비해 확연히 낮게 나타나고 있음을 볼 수 있다. 특히 Figs. 2 and 3에서 나타나는바와 같이, 4월에는 이러한 지역적 차이가 크게 발생하지 않았으나, 5월과 6월에는 두 자료 모두에서 상관관계가 매우 크게 나타났다. 하지만 7월과 8월의 결과에서는 LST는 지역적인 차이가 매우 크게 유지된 반면, NDVI에서는 차이가 줄어드는 모습을 보였다. 이러한 결과를 확인함으로써 두 위성 자료의 공간적 비교에서 Sun and Kafatos (2007)의 결과와 같이 NDVI와 LST가 서로 음의 상관관계가 있으며, 이 상관관계가 계절에 따라 변화함을 파악 할 수 있다.
4.2 LST-NDVI 공간 분석을 통한 TVDI 산정
Fig. 4는 LST와 NDVI의 Scatter plot을 표현한 것으로, x축은 NDVI, y축은 LST로 각각 나타내었다. Fig. 4에서 계절에 따라 NDVI와 LST의 변동성에 의해 산포도의 형태와 위치가 변화하는 것을 볼 수 있으며, 앞서 설명된 것과 같이 전체적인 산포도의 형태는 사다리꼴이나 삼각형에 가까운 모양으로 표현되었음을 알 수 있다. 전반적인 경향으로는, 생장기가 진행되면서 NDVI 값이 상승함에 따라 픽셀들이 오른쪽으로 이동하는 모습을 보였고, 계절이 바뀌며 LST 값이 상승함에 따라 산포도가 위쪽으로 치우치는 것을 확인 할 수 있다.
봄철에는 LST의 폭이 크게 나타나지 않은 반면, NDVI 값은 넓게 분포해 있어 너비가 길고 높이가 낮은 사다리꼴의 형태로 표현되었다. 특히, 5월의 경우에는 LST 값들의 전체적인 분포가 매우 좁고 집중된 경향을 보이며 높이가 낮은 사다리꼴의 형태를 보이고 있다. 이러한 산포도의 형태는 TVDI를 산정할 때, TVDI 값의 범위를 결정하기 때문에 매우 중요하다. 최대온도를 Fitting 하는 과정에서 일반적인 패턴을 벗어나는 값이 적기 때문에 대부분의 픽셀들이 Dry Edge에 인접하게 표현된다. 따라서 픽셀에 해당하는 지점의 LST의 값이 높지 않더라도 TVDI 값은 크게 산정 될 수 있으며, 이는 전체 지역에서 최대 LST가 주위 기온 등 여러 가지 인자의 영향을 받고 있는 상황 내에서 더 이상 상승하기 어려운 값을 계속 유지하고 있다고 여겨지기 때문이다.
좁은 사다리꼴의 형태를 나타내는 4월과 5월의 LST-NDVI 공간 분포와는 달리, 2011년 6월부터 장마가 시작됨에 따라 LST의 분포가 매우 넓어지고 NDVI는 증가하게 되어 넓은 사다리꼴의 형태를 나타냈다. 이러한 현상은 강우가 발생하며 LST가 주위의 픽셀에 비해 급격히 감소하는 픽셀이 발생하는 반면, 강우가 적게 발생한 픽셀의 경우에는 고온의 값을 나타내는 것으로 설명할 수 있다. 5월의 경우와는 반대로, 넓은 사다리꼴의 형태는 비교적 높은 기온을 나타내는 계절이라고 하더라도 강우, 지면피복, 풍속 등의 영향에 의해 지표면에서 나타나는 온도 변화의 폭이 다양하다는 것으로, Dry Edge와 가까운 최고 온도에 도달한 건조한 지역이 적은 상태에 있는 것으로 해석할 수 있다(Moon and Choi, 2015).
7월에는 전체적인 LST의 증가로 인해 산포도의 위치가 보다 상승하고, NDVI 역시 식생의 활력이 증가하면서 1과 가까운 값을 나타내는 픽셀이 늘어나 산포도의 위치가 우측 상단으로 이동하는 경향을 보인다. 또한 NDVI와 LST간의 음의 상관관계가 뚜렷이 나타나면서 삼각형 형태로 나타났다. 6월의 결과와 비교해 보았을 때, NDVI 값이 낮은 픽셀에서 LST 값의 범위가 줄어들었으나, 픽셀들의 밀집도가 높은 부분을 비교해보면 여전히 LST의 범위가 넓게 표현되어 있음을 알 수 있다. 또한, 최저 온도를 나타내는 픽셀들과 전체적인 그래프의 밀집도가 높아지면서 Wet Edge와 가까이 위치한 픽셀의 수가 증가하였다. 이는 6월에 장마가 발생하면서 장기간의 강우, 바람 등에 의한 수문기상인자 영향의 중첩으로 인해 주위 지역에 비해 과도하게 낮은 온도가 발생한 지역의 범위가 줄어든 것으로 해석할 수 있다.
Figs. 2 and 3에 나타나 있는 NDVI 와 LST 지도에서, 산지가 많은 한반도의 지면피복 특성상 NDVI 값이 높은 지역이 넓게 분포되어 있으며, 지역적으로 다양한 변수에 의해 지표면에서의 온도가 다양하게 나타나게 된다. 또한 Fig. 4에 나타나 있듯이, NDVI의 변화 폭에 비해 LST가 큰 변동성을 나타내고 있으며, TVDI를 계산하기 위한 분포로는 사다리꼴의 형태로 NDVI-LST 공간을 설정할 수 있다.
Figs. 5 and 6의 (a), (b)는 LST-NDVI 공간에 의해 산정된 TVDI 값을 공간지도에 도시한 것이다. Fig. 5(a)에 나타난 2011년 4월의 TVDI 공간 분포를 통한 건조 지수 평가에서 경남, 경북 지역을 제외하고 전체적으로 습윤한 경향을 나타냈다. ASCAT SSM을 통해 계산된 SSMI가 Figs. 5, 6(c) and 6(d)에 나타나 있는데, Fig. 5(c)에서도 (a)와 마찬가지로 경남, 경북지역은 중간 정도인 녹색을 띄고, 다른 지역은 경우에는 습윤하게 나타나, 두 지수 간에 서로 밀접한 연관이 있음을 알 수 있다. 이후 5, 6, 7월에도 두 지수의 공간 분포는 매우 비슷하게 나타난다. 5월의 경우 두 지수 모두에서 전남, 전북 지역이 건조하게 표현되었고, 강원도의 경우 비교적 습윤하게 나타났다. 두 지수의 6월 결과에서는 지리산 인근과 순천지역이 주위에 비해 습윤하게 나타나고, 강원 지역이 주위보다 습윤하게 나타나는 공간적 패턴은 비슷하게 나타났으나 지수의 범위가 전체적으로 SSMI에서 건조하게 평가되었다. SSMI는 각 픽셀들이 나타내는 토양수분의 월별 편차를 통해 정규화한 것으로, 통계적인 의미를 지닌 상대적인 토양수분 양의 정도를 표현하고 있다. 즉, SSMI가 상대적으로 다른 습윤한 기간의 결과에 비해 토양수분이 건조하게 나타났음을 표현하는 반면 TVDI는 월별이 아닌 같은 기간 내의 LST와 NDVI의 상대적인 위치에 따라 값이 결정되므로 다른 기간의 결과에 따른 영향을 받지 않는다. 따라서 이러한 산정방식의 차이로 인해 전체적인 지수의 범위가 다르게 표현될 수 있는 것으로 해석할 수 있다. 7월 역시 마찬가지로 태백산맥을 따라 동부 지역에 습윤한 지역이 형성되고, 서울 인천 부근은 건조하게 나타났으며, 지리산과 가야산 인근이 습윤하게 나타나는 등 공간 분포가 매우 비슷하게 발생하여, Sandholt et al. (2002)와 마찬가지로 TVDI의 공간적 변화가 토양 수분의 변화를 반영할 수 있다는 결과와 동일하게 두 지수 간의 공간 상관성이 크다는 것을 보여주었다.
5. 결 론
천리안 위성에 탑재되어 있는 MI 센서와 GOCI 센서의 융합을 통해 산출한 고해상도의 COMS TVDI 자료를 활용하여 대한민국 전역에 대한 토양수분 상태를 모니터링 한 결과, ASCAT의 SSMI와 상당히 높은 공간적 일치성을 확인 할 수 있었다. 또한 공간적으로 고해상도의 결과를 산출 할 수 있으므로 산지가 많고 지형이 복잡한 한반도에서 활용하기에 훨씬 적합한 자료가 생산 가능함을 시사한다. 특히 토양수분을 직접 복원하는 것이 아니라, 위성자료인 NDVI와 LST만을 이용하여 산정된 TVDI로 ASCAT의 SSMI와 상당 부분 일치하는 자료를 간단한 과정을 거쳐 생산 할 수 있으므로, 추후 연구에서 15분마다 LST자료를 생산할 수 있는 MI센서와의 장점과 함께 본 연구방법을 적용한다면 준 실시간 모니터링과 같이 지점 자료의 활용이 여의치 않고, 데이터 프로세스가 짧게 이루어져야 하는 실무 분야에서도 활용하기에 유리할 것으로 판단된다. 이를 통해 광범위한 토양수분을 고해상도로 관측함으로써, 광범위한 변동성의 관측이 필수적인 자연재해 분야에서의 피해 저감 기술에 대한 연구의 활성화에 효율적으로 활용될 수 있다.
천리안 위성은 그간 활용되고 있던 외국의 Terra, Aqua, Landsat 등의 위성에 비해 다양한 수문 기상 인자들을 높은 시 ․ 공간 해상도로 관측할 수 있다는 장점에도 불구하고, 임무 수행 기간이 짧고 Calibration이나 검증이 활발히 이루어지지 못해 그 가치가 저평가 되고 있는 것으로 보인다. 하지만 본 연구의 결과로부터 알 수 있듯이, 다른 위성으로부터 산출된 자료와 비교해보아도 충분히 활용성 있는 자료를 생산 할 수 있으며 보다 간편하고 빠르게 자료를 생산 및 처리함으로써, 실제 한반도를 감시하는 데 있어서 유리하게 활용될 수 있다. 또한 높은 시간해상도를 가진 두 센서를 연구 목적에 따라 융합함으로써, 다양한 분야에서 필요조건을 충족시킬 수 있는 결과를 산출하기에 매우 유리하다. 추후 두 센서의 융합 및 목적에 따라 필요한 다양한 지수를 산출하는 연구를 통해 한반도에서 발생하는 수문 기상 현상을 보다 효율적으로 관측하고 이해함으로써, 기후변화, 재난관리, 피해저감 등 다양한 분야에서 기존에 이용되던 다른 자료보다 효율적인 결과를 산출 할 수 있을 것으로 판단된다.
