1. 서 론
2. 연구 지역 및 자료
2.1 연구 지역 및 지상 토양수분 관측자료
2.2 위성 기반 토양수분
3. 통계적 평가 방법
4. 결과 및 고찰
4.1 다중위성 기반 토양수분 추정값의 평가
4.2 위성 기반 토양수분의 계절적 평가
4.3 수문학적 상태(습윤/건조)에 따른 위성 토양수분 평가
5. 결 론
1. 서 론
토양수분은 공극 내 존재하는 수분량을 나타내며 지구의 수자원 분포에서 작은 비중을 차지하지만, 지표-대기 간 에너지 및 수문 순환을 이해하는 데 중요한 역할을 한다(Tong et al., 2025; Xing et al., 2025). 토양수분은 강수를 지표 유출과 침투로 구분하며, 가용 에너지를 현열과 잠열 플럭스로 구분하기도 한다(Dubois et al., 1995). 또한, 가뭄 모니터링(Jung et al., 2020; Mishra et al., 2017; Martínez-Fernández et al., 2016)과 기후 모니터링(Chen et al., 2017)에도 중요한 역할을 하며, 농업 분야에서도 작물 수확량 예측(Holzman et al., 2014; Madguri et al., 2022)과 식물 스트레스 파악(Lee et al., 2019)에 활용된다. 이러한 이유로, 시·공간적으로 연속되고, 정확한 토양수분 자료를 수득하는 것은 수문학과 수자원 관리, 그리고 농업 등 다양한 분야로의 확장에 중요한 과정으로 인식된다(Liu et al., 2022).
토양수분의 관측을 위한 수단은 유전율(dielectric constant) 장비를 활용한 현장 관측 방법, 지표면 또는 수문 모델링, 위성을 활용한 원격탐사 방법 등이 대표적이다(Lee et al., 2019). 먼저, 현장 관측 방법은 많은 시간과 노동력이 필요하며, 높은 품질의 자료 수득을 위한 네트워크 구축에는 경제적 제약이 뒤따른다(Babaeian et al., 2019). 수치 모델은 토양수분을 정기적으로 시뮬레이션할 수 있지만, 복잡한 계산의 불확실성과 낮은 공간해상도, 과도한 계산 시간 등이 한계점으로 알려져 있다(Lee et al., 2019). 반면, 원격탐사 방법론은 미계측 유역을 포함하여 공간적으로 연속된 토양수분 추정값을 제공한다.
토양수분 추정을 위한 원격탐사 방법론은 1970년대부터 시작되어 현재까지 활발히 연구되고 있다(Park and Park, 2024). 토양수분의 추정을 위해 Advanced Scatterometer (ASCAT), Advanced Microwave Scanning Radiometer (AMSR), Soil Moisture Ocean Salinity (SMOS), Soil Moisture Active Passive (SMAP), Feng-Yun 3C (FY-3C) 등 다양한 마이크로파 센서를 활용하고 있다. 마이크로파 대역은 가시광선 및 적외선에 비해 긴 파장을 바탕으로 하여 기상 조건과 관계없이 밤낮으로 지표면 상태를 관측할 수 있는 장점이 존재한다(Chen et al., 2017; Xie et al., 2024).
마이크로파 센서를 활용하여 산출한 토양수분 자료의 적용성 평가에 관한 연구는 다수 보고된 바 있다: Liu et al. (2022)는 AMSR2, SMAP, SMOS, 그리고 유럽우주국(European Space Agency, ESA)의 Climate Change Initiative (CCI) 프로젝트 토양수분 자료를 중국 북부 지역에서 평가하였다. 그 결과, 위성 산출물은 여름에 가장 우수하였으며, AMSR2와 CCI는 양의 Bias를, SMAP과 SMOS는 음의 Bias를 나타내었다. Wu et al. (2016)은 International soil moisture network의 598개 관측소에서 수득한 토양수분 자료와 AMSR2 토양수분 산출물을 비교 및 평가하였다. AMSR2는 일반적으로 실측 토양수분보다 과소 산정되었으며, 산림지역에서 특히 낮은 정확도를 나타내었다. Dente et al. (2012)는 중국과 네덜란드 지역에서 수득한 지점 관측자료와 SMOS 토양수분 산출물을 비교하였다. SMOS 토양수분 산출물은 계절적 변동성을 잘 모의하였으나, ascending/descending node에 따라 상이한 오차를 나타내었으며, 무선 주파수 간섭(Radio-frequency interference, RFI)과 겨울철 동토의 영향 등 다양한 오차 원인에 대해 분석하였다.
국내에서도 위성 기반 토양수분 자료에 관한 검증 사례는 존재하지만, 국외 사례와 비교하였을 땐 미비한 상황이다. Kim et al. (2016)은 2014년에 관측된 AMSR2 토양수분에 대하여 지점 관측자료와 비교·평가하였다. 전반적으로, 일평균 Bias와 RMSE가 각각 0.03 m3 m-3, 0.16 m3 m-3으로 나타났으며, ascending node에서 관측된 토양수분이 더 높은 정확도를 나타내었다. Kwon and Han (2019)은 2013년부터 2015년까지 관측된 ASCAT과 AMSR2 토양수분에 대한 검증을 수행하였다. 전반적으로 표층 토양수분 기준 ASCAT (correlation coefficient [R]: 0.39~0.76, RMSE: 0.12~0.25 m3 m-3)이 AMSR2 (R: 0.10~0.62, RMSE: 0.17~0.56 m3 m-3)에 비해 높은 통계적 성능을 나타내었다. 대부분의 선행 연구는 시계열적 경향성 또는 위성 간 특성 비교에 초점을 맞추고 있다. 이에, 본 연구에서는 토양수분 추정을 위해 대표적으로 활용되는 두 센서(ASCAT, SMAP)의 토양수분 산출물을 각각 지점 관측자료와 평가하고, 나아가 계절적 평가와 건조/습윤 기간에 따른 통계적 불확실성을 규명하였다. 구체적으로, 본 연구에서는 다음과 같은 세부 목표를 바탕으로 연구를 수행하였다: 1) ASCAT과 SMAP을 기반으로 산정된 토양수분을 지점 관측자료와 비교하여 적용성을 평가하고, 2) 계절적으로 상이하게 나타나는 성능을 평가하여 분석하였다. 또한, 3) 30년 평균 강수량을 기준으로 각각의 연도를 건조 또는 습윤으로 구분하여 각각의 산출물의 정확도를 평가하였다.
2. 연구 지역 및 자료
2.1 연구 지역 및 지상 토양수분 관측자료
대한민국은 동아시아에 위치한 반도국가로, 국토 면적의 약 70%가 산지로 나타나는 지형적 특성을 나타내고 있다. 지리적으로 중위도 온대성 기후대에 위치하여 사계절이 뚜렷하게 나타나고, 계절적으로 여름에 강수량이 집중되어 있다(MOLIT, 2023). 또한, 하천 연장이 짧고, 유출이 빠르게 일어나 용수 공급 및 효율적인 수자원 관리를 위해 수공구조물을 활용하고 있다. 연구 지역에서 나타난 연구 기간(2015~2024년) 동안의 평균 기온은 13.27°C로 나타났다. 본 연구에서는 기상청의 농업기상관측소에서 11개소 중 장기간의 결측이 없으며 제주도에 위치한 관측소를 제외한 7개소에서 FDR (Frequency Domain Reflectometry) 센서를 이용하여 관측한 10 cm 표층 토양수분(%) 자료를 수득하고, 0~1의 범위로 계산하여 활용하였다. Fig. 1은 연구에 활용한 관측소의 지리 정보와 토지 피복 유형, 고도, 그리고 토지 이용 현황을 나타내었다. 또한, 일부 관측소(대곡, 오창, 춘천, 보성) 인근의 공항 및 군공항 현황을 함께 나타내었다.
관측된 자료는 기상청 기상자료개방포털(https://data.kma.go.kr)을 통해 수득하였다. 해당 자료 중 관측 기기 고장으로 인한 오관측 및 결측치를 제거하기 위해 중앙값에서 3배 스케일링 된 중앙절대값편차를 초과하는 자료는 이상치로 정의하여 분석에서 제외하였다. 또한, 동결/융해로 인한 불확실성을 최소화하기 위해 겨울(12, 1, 2월)에 관측한 자료는 분석에서 제외하였다(Baik et al., 2019). 마지막으로, FDR 센서의 유효 범위(0~50 %) 바깥에 위치한 자료를 제거하여 신뢰성 있는 지점 관측자료만을 활용하였다(Fig. 2).
2.2 위성 기반 토양수분
2.2.1 Advanced Scatterometer (ASCAT)
ASCAT은 Meteorological Operational Platform 극궤도 위성 시리즈에 탑재된 능동형 마이크로파 센서이다. 본래 해상풍 관측을 통한 기후 및 해양 기상 예측을 주목적으로 개발되었으나, 이후 육상 환경에 적용 가능한 알고리즘이 발전하면서 토양수분 산출에도 폭넓게 활용되고 있다(Figa-Saldaña et al., 2002; Wagner et al., 2013).
ASCAT 토양수분은 기본적으로 TU Wien에서 개발한 변화 탐지(change detection) 알고리즘을 통해 산출된다. 이 알고리즘은 C-band 후방산란계수 관측값을 이용하여 건조 및 습윤 조건을 기준으로 표층 토양수분을 추정한다. ASCAT 토양수분 자료는 처리 수준에 따라 다양하게 제공되며, 본 연구에서는 이중 SM-DAS-2 자료를 사용하였다. SM-DAS-2는 ASCAT 표층 토양수분과 함께 기온, 습도 등의 기상 자료를 입력값으로 사용한다. 이 자료들을 Extended Kalman Filter 기법을 통해 European Centre for Medium-Range Weather Forecasts (ECMWF)의 지표면 모델인 Hydrology-Tiled ECMWF Scheme for Surface Exchanges over Land에 동화(assimilation)함으로써, 원시 ASCAT 자료보다 정확도가 향상된 토양수분 추정값을 제공한다. 해당 자료는 25 km의 공간해상도와 일 단위 시간해상도를 가지며, 연직으로는 0~7 cm, 7~28 cm, 28~100 cm, 100~289 cm의 네 개 층으로 구성된다. 본 연구에서는 2015년부터 가용한 모든 ASCAT 자료를 활용하였으며, 이에 따른 분석 기간은 2015년 8월부터 2024년 11월까지이다. 사용된 자료는 Satellite Application Facility on Support to Operational Hydrology and Water Management 홈페이지(https://hsaf.meteoam.it/Products/Detail?prod=H14)를 통해 수득하였다. 수득된 자료는 체적함수비로 제공되어 Global Land Data Assimilation System (GLDAS)에서 제공하는 공극률을 사용하여 토양수분 값을 계산하였다.
2.2.2 Soil Moisture Active Passive (SMAP)
SMAP은 미항공우주국(National Aeronautics and Space Administration, NASA)에서 운용하는 대표적인 마이크로파 위성으로 전 지구 토양수분 및 동결/해빙 상태를 관측하기 위해 2015년 1월에 발사되었다(Entekhabi et al., 2010). SMAP은 L-band (1.41 GHz) 복사계(radiometer)와 L-band (1.26 GHz) 레이더(radar) 탑재하여, 각각 수동(passive) 및 능동(active) 마이크로파 관측을 수행하도록 설계되었으나, 2015년 7월 고출력 증폭기 이상으로 현재는 복사계만을 활용하여 토양수분 관측을 지속하고 있다.
본 연구에 활용된 SMAP Level-4(L4) 토양수분 자료는 SMAP이 관측한 밝기 온도(Brightness Temperature)를 Ensemble Kalman Filter를 활용하여 NASA의 Catchment 수문모형에 동화하여 토양수분 추정값을 제공한다. SMAP L4 토양수분 자료는 9 km의 공간해상도와 3시간의 시간해상도를 가지며, 지표면 아래 두 개의 깊이(0~5 cm, 0~100 cm)에 대한 토양수분을 제공한다. 본 연구에서는 2015년부터 2024년까지 가용한 모든 자료를 활용하였으며, 이에 따른 분석 기간은 2015년 3월 31일부터 2024년 11월까지이다. 수득한 3시간 단위 토양수분 자료(m3 m-3)는 일평균하여 활용하였다. SMAP L4 자료는 National Snow and Ice Data Center 홈페이지(https://nsidc.org/data/spl4cmdl/versions/4)를 통해 수득할 수 있다.
3. 통계적 평가 방법
본 연구에서는 다중 위성(ASCAT, SMAP) 기반 표층 토양수분의 정확도를 정량적으로 평가하기 위해 R, Bias, RMSE를 적용하였다. 각 지표는 Eqs. (1), (2), (3)을 통해 산정하였다.
여기서 Mi와 Oi는 각각 위성 기반 추정값과 지점 관측값의 i번째 값이며, 과 는 해당 자료의 산술평균, n은 통계 산정에 사용된 총 표본수이다. R은 관측값과 추정값 사이의 선형적 결합 정도를 나타내며, 이 값이 1에 근접할수록 강한 선형 상관성을 의미한다. Bias는 시스템적 오차를 나타내어 값이 양수이면 위성 추정값의 과대 추정, 음수이면 과소추정을 시사한다. RMSE는 추정값이 관측값에서 벗어난 정도를 정량적으로 나타내며 값이 낮을수록 모델의 정확도가 높음을 의미한다.
4. 결과 및 고찰
4.1 다중위성 기반 토양수분 추정값의 평가
Table 1은 관측소별 ASCAT 및 SMAP 기반 토양수분 추정값에 대한 통계적 평가 결과를 요약한 것이다. 전반적으로 SMAP L4 토양수분이 ASCAT 토양수분에 비해 우수한 Bias와 RMSE를 나타내었다. SMAP L4 토양수분의 경우 Bias, RMSE는 각각 0.05~0.13 m3 m-3, 0.08~0.15 m3 m-3의 범위를 나타내었으며, ASCAT은 0.09~0.19 m3 m-3, 0.10~0.20 m3 m-3의 범위를 나타내었다. 이러한 현상은 SMAP과 ASCAT 위성 파장 대역의 차이와 시간 대표성의 차이에 기인한 것으로 분석된다. L-band를 활용하는 SMAP은 C-band를 활용하는 ASCAT에 비해 식생 투과성이 상대적으로 높고 표층 토양수분에 더욱 민감하다(El Hajj et al., 2019). 특히, ASCAT은 상대적으로 높은 주파수로 인해 식생이나 지표 거칠기에 더욱 민감하여 조밀한 식생으로 피복된 지역에서는 토양수분에 대한 민감도가 감소한다. 이와 더불어 SMAP은 3시간 단위로 자료를 제공하지만 ASCAT은 특정 시간대의 산란계 관측에 의존하므로, 관측 시각 전후의 지표 조건(이슬 형성, 표면 거칠기의 일변화, 단기 강우 직후의 과도 응답 등)에 대한 민감도가 상대적으로 크게 나타난다. 반면 SMAP L4는 3시간 간격 자료를 제공함으로써 시계열의 연속성을 유지한다. 이러한 시간 대표성의 차이는 단주기 변동이 두드러지는 시기에서 잔차 변동을 억제하여 RMSE를 유의하게 감소시키는 요인으로 작용할 수 있다.
Table 1.
Statistical summary of SMAP and ASCAT soil moisture at seven stations during study period
7개 지점의 평균 R을 비교하면 ASCAT (0.524)이 SMAP (0.480)에 비해 높게 나타나는 것을 확인할 수 있다. 각 지점별로는 철원, 안동, 화순 지점에서는 SMAP 토양수분의 R이 높게 산정되었으며, 대곡, 오창, 춘천, 보성 4개 지점에서는 ASCAT 토양수분이 높은 상관성을 나타내었다(Table 1). ASCAT이 높은 상관성을 나타낸 관측소는 공통적으로 공항 소재지로서, 타 지역에 비해 RFI에 취약한 것으로 판단된다. 일반적으로 SMAP L4 자료 생산 시 품질 플래그(quality flag)를 통해서 필터링한 후 자료 동화를 수행한다.
하지만, Soldo et al. (2019)에서는 RFI 플래그를 활용해도 잔여 RFI의 영향이 남아있음을 밝혔으며, 여전히 SMAP 기반 토양수분의 자료 품질이 저하될 수 있음을 나타내었다. 이 뿐만 아니라, RFI의 영향으로 분석에서 제외된 지역의 경우 모형의 의존도가 높아지기 때문에 모형에서 입력자료 및 파라미터 등의 불확실성으로 인한 오차가 발생할 수 있다.
지점별 상세한 분석을 수행하기 위해 ASCAT의 R이 더 높게 나타난 춘천신북 지점과 SMAP의 R이 높게 나타난 화순능주 지점을 선정하여 시계열 분석을 수행하였다(Fig. 3). 춘천 지점의 경우, 여름철 강우 발생으로 인한 지점 시계열의 급상승-급감소 구간에서 peak치를 비교적 정확하게 모의한 것으로 판단된다. 하지만, SMAP 토양수분은 상대적으로 상승-감소 구간에도 비교적 평활한 토양수분 변동성을 모의한 것으로 파악되었다. 반대로 화순 지점은 SMAP 토양수분이 계절적 변동성을 잘 모의하였으며, ASCAT의 경우 여름철 강우 발생 이후 일부 토양수분 추정값이 과대 산정되는 경향을 나타냈고, 특히 포화(saturation)에 다다르는 형태를 빈번하게 나타내었다. 이는 C-band synthetic aperture radar (SAR)를 활용하는 ASCAT이 작물 생장기에 식생의 수분함량이 후방산란을 증가시켜 토양수분 과대 산정을 유발하게 된다. 또한, 경지에서는 관개가 빈번하게 발생하기 때문에 변화 탐지를 기반으로 한 산정에서는 건조/습윤 기준선 추정에 불확실성을 추가하여 이에 대한 시계열적 경향성을 모의하지 못하는 것으로 판단된다.
4.2 위성 기반 토양수분의 계절적 평가
ASCAT과 SMAP 기반 토양수분 산출물의 면밀한 평가를 위해 겨울을 제외한 봄(3, 4, 5월), 여름(6, 7, 8월), 가을(9, 10, 11월)철 관측값에 대한 평가를 수행하였다. 두 산출물 모두 여름철에 R이 가장 높게 나타났으며, ASCAT과 SMAP의 여름철 R은 각각 0.57~0.80, 0.40~0.78로 나타났다(Fig. 4). 다른 계절에 비해 여름철에 R이 높게 나타난 이유는 여름철 장마, 대류성 강우의 빈번한 발생으로 인해 토양수분 변동폭이 커지고, 위성-지상 간 상승/하강 패턴의 공분산이 강화되었기 때문으로 해석된다(Lee Rodgers and Nicewander, 1988). 반면, Bias와 RMSE 또한 여름철에 가장 큰 값을 나타내었으며, 봄과 가을은 ASCAT 및 SMAP 토양수분 모두 유사한 값의 범위를 나타내었다(Fig. 4). 여름철에는 강수 발생으로 인해 식생 내 수분(vegetation water content)이 증가함에 따라 C-band 및 L-band의 산란/감쇠가 강화되어 식생 광학 깊이(vegetation optical depth)가 증가하게 되고, 이는 토양수분에 대한 민감도를 저하한다(Saleh et al., 2006; Bindlish and Barros, 2001). 또한, 식생의 차단(interception)으로 인해 위성 기반 토양수분은 습윤 상태를 보이지만 토양 표층은 이미 배수가 된 경우 과대 추정으로 연결되는 경향성을 보인다. 여름철에는 단기간에 수문기상인자가 급변하는 형태를 나타내지만, 자료 동화를 통해 산정되는 두 위성의 경우 모델 입력자료, 매개변수의 불확실성이 전파(propagate)되어 오차가 증가하는 현상을 나타내었다(Fan et al., 2020). 실제로 Reichle et al. (2017)에 의하면 Catchment 모형 구동에 있어서 여름철 지하수 충진량에 대한 불확실성이 토양수분뿐만 아니라 유출값에도 영향을 미친다고 보고하였다.
지점 및 위성별 세부 평가를 수행한 결과 ASCAT 위성은 여름철 R이 0.57(화순)에서 0.80(보성)의 범위로 나타났으며, 이는 화순 지점을 제외한 SMAP 토양수분보다 우수한 성능을 나타내었다. 여름철 Bias는 0.16~0.26 m3 m-3, RMSE는 0.17~0.24 m3 m-3의 범위를 나타내는 것을 확인할 수 있으며, 이는 전반적으로 봄철과 가을철에 비해 높게 나타났다(Fig. 4). 봄철 R은 안동 지점을 제외하면 0.27에서 0.86, 가을철에는 0.23에서 0.83의 범위를 나타내었다. 지점별 분석 수행 결과, 안동에서 봄철에는 음의 R을 나타냈으며, 전반적으로 안동, 화순, 대곡 지점에서의 Bias와 RMSE가 다른 지역에 비해 높은 것을 확인할 수 있다(Fig. 4). 이는 지점의 지리적 위치에 의해 발생한 것으로 판단된다. 안동 지점의 경우 Moderate Resolution Imaging Spectroradiometer (MODIS) 토지피복 자료에 따르면 수역으로 구분된다. 해당 지점에서는 봄철 농업용수 사용량의 증가로 하천 수위가 감소하며 지하수의 배수가 촉진되어 낮아진 지하수위(shallow water table)가 모관상승을 통해 토양수분을 증가시키는 것으로 판단된다(Soylu et al., 2012; Soylu and Bras, 2020). 결과적으로 토양의 표면은 봄철의 건조한 대기와의 상호작용으로 인해 더욱 건조해지며, 토양의 0.5~2 cm 깊이까지 투과하는 ASCAT은 건조해진 토양 표면을 관측함으로써 10 cm 깊이에서 측정된 지점 토양수분 자료와 비교되어 낮은 토양수분을 나타내게 된다(Albergel et al., 2012). 이로써 음의 R을 나타낸 것으로 판단된다. 화순과 대곡 지점은 경지로 분류된다. 관측소의 공통점은 반경 350 m 이내에 하천이 흐르고 있으며, 하천은 수공구조물의 영향을 받는다. ASCAT의 공간해상도를 고려하였을 때 해당 지점은 지표-수체 정보의 혼재가 발생할 수 있어 오차가 다른 지역에 비해 높게 나타난 것으로 판단된다. 특히, 봄철에는 갈수기 저수지 변동으로 인해 수면 면적이 빠르게 변동함으로써 수면 변화에 더 민감해저 불확실성이 높아진다. 이런 수면 정보의 혼재에 따라 C-band 후방산란계수는 수면 거칠기에 영향을 더 많이 받고, L-band에서는 낮은 유효 방출률(effective emissivity)이 밝기온도에 영향을 주어 불확실성을 나타내었다(Tong et al., 2022; Bergstedt et al., 2020).
SMAP 토양수분의 여름철 R (0.40~0.78)은 ASCAT (0.57 ~0.80)과 대체로 유사하거나 다소 낮았던 반면, 봄철과 가을철에는 전반적인 지점에서 R이 ASCAT에 비해 향상되었다(Fig. 4). Bias나 RMSE도 ASCAT에 비해 SMAP 토양수분 값이 낮은 값을 나타내었다. 지점별로 살펴보면, ASCAT과 유사하게 안동과 대곡 지점에서 상대적으로 높은 불확실성이 나타났다. 특히, SMAP 토양수분은 가을철의 상관계수가 대곡, 오창, 춘천 지점에서 0.4 이하로 나타났고, 특히 춘천 지점은 음의 상관관계가 나타났다. 춘천 지점은 봄철에도 R이 0에 근사한 값을 제공하여 상대적으로 춘천 지점에서의 시계열적 변동성을 모의하는데 한계점이 존재했다. Fig. 5는 춘천 지점에서 SMAP 토양수분의 봄/가을철에 대한 산점도를 나타내었다. 봄철에는 지점 기반 토양수분이 0.15~0.25 m3 m-3 부근의 좁은 범위에 밀집해있고, SMAP은 0.20~0.35 m3 m-3로 상대적으로 높은 값에 분산되어 있다. 가을철은 지상 토양수분이 0.05~0.20 m3 m-3을 나타내어도 SMAP은 0.18~0.25 m3 m-3 근처에 머무르는 경향을 보였다. 이는, 춘천 지점이 과수원(orchard)을 운영하고 있는 것에 기인한 것으로 판단된다. 과수원은 다른 계절과 달리 수확시기인 가을철에 지면에 낙엽과 열매가 산재되어 있다. 이는 토양 표면을 덮어 비교적 습윤한 환경으로 유도한다(Magliano et al., 2017). 또한, SMAP은 토양 표면의 0~5 cm를 투과하는 만큼(Lv et al., 2024), 10 cm 토심에서 측정된 지점 관측 토양수분 자료와 비교하면 건조한 토양수분을 산출한다. 따라서, 음의 R을 나타낸 것으로 판단된다. 또한, 과수원과 같이 관개가 빈번하고 캐노피가 조밀한 환경에서는 SMAP L4 토양수분의 성능이 저하될 소지가 있다. 실제로 Huang et al. (2025)에서는 미국 california central valley (관개 지역)에서 SMAP 토양수분 정확도를 평가하였다. 연구 결과 SMAP 자료의 경우 관개에 대한 고려가 이루어지지 않고 Level-1 밝기온도만을 활용하여 자료 동화를 수행하기 때문에, 관개 지역에서의 정확도가 저하되는 것을 확인하였다. 또한, 과수원은 논이나 밭에 비해 캐노피 구조가 복잡하고 volumetric water content가 상대적으로 높다. 이에 따라, L-band 기반 토양수분 값의 저하로 이어질 수 있다(Park et al., 2024).
4.3 수문학적 상태(습윤/건조)에 따른 위성 토양수분 평가
Fig. 6는 7개 지점(철원, 안동, 화순, 대곡, 오창, 춘천, 보성)에 대해 건조(dry)·습윤(wet) 연도로 구분한 일평균 토양수분의 평가 지표(R, Bias, RMSE)를 요약한다. 습윤/건조 상태의 구분 기준은 관측소별로 1991년부터 2020년까지 관측한 정상 연평균 강수량을 기준으로 해당 연평균 강수량이 높은 경우 습윤(wet), 낮은 경우를 건조(dry)로 분류하여 분석하였다(Table 2). 전반적으로 R은 ASCAT 및 SMAP 모두 습윤 기간에 더 높게 나타났다. 특히, SMAP의 경우 춘천에서는 건조 기간에 음의 상관관계가 나타났지만, 습윤 기간에는 양의 상관관계가 0.61까지 향상되었다. ASCAT도 대부분의 지점에서 소폭 향상되었다. Colliander et al. (2017)과 Wagner et al. (2013)에서도 이와 같은 결과를 확인할 수 있는데, 습윤 기간에 위성 기반 토양수분의 R이 더욱 높게 산정되었다. 특히, ASCAT은 강우 사상이 발생함에 따라 C-band backscatter가 민감하게 반응하게 되며 단기간의 변동성을 잘 포착하여 높은 R을 나타낸 것으로 분석하였다(Wagner et al., 2013).
Table 2.
Wet/Dry classification criteria
하지만, 일부 지점을 제외하고, 대체적으로 ASCAT 및 SMAP 모두 습윤 연도에 Bias와 RMSE가 증가하는 경향을 보였다(Fig. 6). 습윤 기간의 Bias는 0.07~0.21 m3 m-3, RMSE는 0.05 ~0.17 m3 m-3의 범위로 나타났으며, 건조한 기간에는 Bias가 0.04~0.15 m3 m-3, RMSE는 0.07~0.17 m3 m-3로 나타났다. 이러한 현상의 원인은, 습윤 기간에는 대체적으로 토양수분이 포화상태(saturation)에 도달하게 되어 L-band 밝기 온도 및 C-band 후방산란계수와의 비선형성(non-linearity)이 높아져 불확실성이 더욱 증가하는 것으로 판단된다. 이와 더불어, 토양수분이 높을수록 분산이 증가하며 공간적 대표성(spatial representativeness)이 더욱 커질 수 있다. 특히, 강우 직후나 습윤 기간에는 지표의 이질성(heterogeneity)이 상승하기 때문에 불확실성이 더욱 높아질 수 있다. 또한, SMAP보다 ASCAT의 RMSE 상승폭이 전반적으로 더 큰 것을 확인할 수 있는데, 이는 C-band 후방산란계수가 습윤 기간에는 식생에 존재하는 수분에 더 민감하게 반응하기 때문에 산란-복사 모델의 오차가 더 증가하게 되고, 이는 불확실성의 증가로 연계되는 것으로 판단된다.
5. 결 론
본 연구에서는 국내 7개 관측소를 대상으로 ASCAT (C-band)과 SMAP L4(L-band)의 표층 토양수분을 지상 관측자료와 비교하여 검증하고, 계절성과 수문 상태(건조/습윤)에 따라 성능 차이를 정량화하였다. 전반적으로 SMAP L4는 Bias와 RMSE가 ASCAT보다 일관되게 작게 나타나(RMSE: SMAP 0.08~0.15 m3 m-3, ASCAT 0.10~0.20 m3 m-3) 정량 오차 측면에서 우수했다. 이는 L-band의 높은 식생 투과성과 3시간 간격으로 제공되는 동화 산출물의 시간 대표성 개선 효과가 복합적으로 작용한 결과로 해석된다. 반면, R은 계절에 따라 상이한 결과를 도출했는데, 이는 여름철 장마·대류성 강우로 토양수분 변동폭이 증가하며 두 센서 모두 R이 높게 나타났고(ASCAT 0.57~0.80, SMAP 0.40~0.78), 지점 평균 R은 ASCAT이 다소 우세했다. 공항·군공항 인접 지점에서는 SMAP L-band의 잔존 RFI 가능성으로 R이 저하되는 양상이 관찰되었다.
지점 특성에 따른 상반된 강점도 드러났다. 춘천 지점의 경우 조밀한 캐노피와 인위적 관개로 인해 SMAP의 계절 변동성 모의가 제한적이었고, 하천·저수지 인접 지점(안동, 화순, 대곡 등)에서는 혼합 화소 영향으로 두 센서 모두 오차가 확대되었다. 반면 보성 등 일부 지점에서는 ASCAT이 강우 직후 급격한 상승·감소를 민감하게 포착하여 높은 R을 나타내었다. 습윤·건조 상태 비교에서는 대다수 지점에서 습윤기에 R이 증가했지만 Bias와 RMSE 또한 함께 증가하였다(습윤기 Bias 0.07~0.21 m3 m-3, RMSE 0.05~0.17 m3 m-3; 건기 Bias 0.04~0.15 m3 m-3, RMSE 0.07~0.17 m3 m-3). 포화 근접 시 방출·산란의 비선형성이 강화되고, 강우 직후 지표 이질성과 식생 수분함량 증가가 복사·산란 모델의 불확실성을 확대한 결과로 판단된다. 특히 ASCAT은 습윤기에 RMSE 상승폭이 상대적으로 크게 나타났다.
이러한 결과는 응용 측면에서 분명한 시사점을 제공한다. 홍수나 지표 유출 감시처럼 강우 급응답의 포착이 핵심인 단기 응용에는 ASCAT의 시간적 민감도가 유리하며, 토양수분 절대량의 안정적 추정이나 수문모형 동화처럼 정량 오차 최소화가 중요한 용도에서는 SMAP L4가 적합하다. 다만 식생이 조밀하거나 관개가 발생하는 지역에서는 SMAP의 성능 저하 가능성에 유의해야 하고, 수체 인접 혼합 화소에서는 두 센서 모두 마스킹·가중 등 보정 전략이 요구된다. 후속 연구로는 식생 수분, 강우 직후 시간차이, 수체 근접 여부를 반영한 계절·입지 맞춤형 동적 품질관리와, 계절·수문상태·토지피복을 구분한 검정 및 보정 시스템 구축이 요구된다. 더불어 ASCAT-SMAP 자료의 융합과 지형·식생·토양 보조자료를 활용한 다운스케일링, 관개 일정·양을 반영한 동화 체계 개선, 취약 입지에 대한 지상 검증망 확충이 필요할 것으로 판단된다.
