1. 서 론
2. 연구지역 및 증발산량 주요인자 조사
2.1 연구지역
2.2 증발산량 주요인자 조사
3. 데이터 구축 및 분석
3.1 데이터 구축(대표인자 선정)
3.2 데이터 구축(격자 구축)
3.3 위성자료 데이터 구축
3.4 토지피복(Land cover) 데이터 구축 및 분석
3.5 데이터 분석
4. 결 과
4.1 증발산량 주요인자 분석 결과
4.2 증발산량(위성자료) 분석
4.3 접근성 분석 및 대표격자 산정
5. 결 론
1. 서 론
지구상에 존재하는 물의 총량 중 이용 가능한 물은 대략 0.0072%로 알려져 있으며(Gleick, 1993), 인간이 삶을 영위하기 위해서는 물 관리는 필연적이라고 할 수 있다.
증발산량은 수자원 물 순환에서 총 물 손실의 2/3을 차지하고(Shukla and Mintz, 1982), 다양한 요인(순복사량, 대기온도, 바람, 공기 습도, 강우량, 토양수분량, 식생 등)에 의해 크게 영향을 받는다. 증발산량 조사 방법으로는 에디공분산(eddy covariance) 측정 방법, 라이시미터(lysimeter) 측정 방법 등의 직접측정방법과 Food and Agriculture Organization에서 제시한 Penman-Monteith 증발산 산정식(FAO-PM식), Priestley-Taylor 공식을 통해 기상자료를 바탕으로 증발산량을 산정하는 간접측정방법이 대표적이다(Kim et al., 2019; Baik et al., 2016).
국내외에서 증발산량 측정에 주로 사용되는 에디공분산 측정방법에서 관측기기의 측정영역의 반경은 주변환경에 따라 많은 차이를 보이고 Kljun et al. (2015)은 Flux Footprint를 관측하는 Flux Footprint Prediction (FFP) model 과 다른 model들을 비교, 분석하였으며 Park et al. (2017)는 Flux Footprint Prediction (FFP) model을 통해 4개의 플럭스관측소에서 약 200 m 반경의 측정영역을 가지는 것을 파악하였다. George (2013)은 특정 관측높이, canopy 높이에서 약 500 m 반경의 측정영역을 가진다고 하였다. 그러나 유역면적에 비하면 그 면적이 작아 점(Point) 측정으로 간주할 수밖에 없다. 한정된 위치에서 관측된 증발산량이 전체 유역을 대표한다고 보기 어렵다. Lee and Ryu (2002)은 용담댐 유역에서의 면적강우량 산정에 대한 관측망 설계에 최적 관측소 수를 9개소라고 하였으며 이를 증발산량 관측에 적용하기에는 강수량 관측과는 다르게 많은 예산이 소요되어 현실적으로 불가능하다. 이러한 문제로 증발산량은 원격탐사를 이용한 공간지도를 산출하는 방식을 많이 사용한다. 관련 연구로 원격탐사를 활용한 증발산량 공간 지도를 산출하고 지상 관측소와 교차검증(보정)을 통한 평가를 수행하고 있다(Kim et al., 2021).
한편, 우리나라는 2005년 ｢수문조사 선진화 5개년 계획｣을 수립하여 ｢제 2차 수문조사 기본계획｣(2021)에 따르면 현재 약 23개소에서 증발산량을 관측하고 있으며 매년 관측 개소수가 증가하는 추세이다. 그러나 전국 23개소에서 측정된 증발산량 자료를 댐 운영 등 특정 목적을 가진 유역에서 사용하기에는 대부분 지상 관측위치와 거리가 멀어 상관성이 떨어질 수밖에 없다. 최근 원격탐사를 활용하여 공간지도를 산출하기도 하지만 이 역시 정확하게 계측된 지상관측소로부터의 검·보정이 없다면 실무적으로 사용하기는 곤란하다. 증발산량 지상 관측망에 대하여 국가수자원관리 종합정보시스템(WAMIS)의 토지이용(토지피복도) 자료를 활용하여 관측망을 구축하였으나(Lee et al., 2011), 증발산량에 영향을 주는 인자는 유역의 특성에 따라 증발의 주요 제어인자가 다르다(Huang et al., 2021). 따라서 관측망 구축에 있어 유역별 대표 측정 위치에 대한 연구가 필요하다.
전술하였듯이 국내외에서 주로 많이 사용되는 에디공분산 방법에 의한 증발산량 측정은 계측 반경이 일반적으로 약 0.5 km에 불과하여 넓은 유역 면적을 생각한다면 대표 측정위치를 선정하는 것은 매우 중요하다. 그러나 증발산량 측정 위치에 대한 기준은 사실상 전무하며 본 연구에서는 춘천댐 유역에서 물 순환에 중요한 인자인 증발산량 측정 위치 결정 방안에 대해 증발산량에 영향을 미치는 인자를 분석하여 결정하고자 하였다. 이를 위해서 먼저 증발산량에 영향을 미치는 인자를 분석하였으며 이를 1 km 격자를 구성하여 종합적으로 분석하였다. 한편 원격탐사에 의한 증발산량 자료를 지상관측과 연계할 때 그 활용성이 커지고 더욱 정확한 증발산량 자료를 취득할 수 있어 인공위성 원격탐사 자료를 같이 고려하여 측정 위치를 선정하고자 하였다. 마지막으로 우리나라는 대부분이 산지지형임을 고려하여 유지관리를 위한 관측소 접근성을 고려하였다.
2. 연구지역 및 증발산량 주요인자 조사
2.1 연구지역
연구지역은 수자원단위지도 기준의 단위유역인 지촌천, 춘천댐, 춘천댐상류, 화천천, 화천댐하류를 포함하고 있으며 중권역 단위의 연구지역 선정보다 증발산량 조사 목표에 따른 유역을 산정하고자 한다. 본 연구는 춘천댐 유역에서의 증발산량 조사에 따른 유역을 산정하였으며 연구지역은 Fig. 1과 같다. 유역특성 및 댐의 제원은 다음과 같다. 유역면적은 774.96 km2이며 춘천댐의 위치로는 좌안은 강원도 춘천시 신북읍 용산리에 있으며 우안은 강원도 춘천시 서면 오월리에 위치한다. 댐의 형식은 Concrete Gravity Dam이며 준공 일자는 1965.12.30.이다.
2.2 증발산량 주요인자 조사
증발산량은 물 수지계산, 에너지 수지계산, 기상자료를 이용한 경험식 방법 등을 사용하여 계산한다. 또한 잠재/기준증발산량을 산정하고 계수를 곱하여 실제증발산량을 추정하는 방법도 사용한다. 잠재/기준증발산량 산정은 Thornthwaite 방법, Blaney-Criddle 방법, 수정 Jensen-Haise 방법, Penman 방법, Penman-Monteith 방법 등이 있다. 이중 가장 물리적인 개념에 바탕을 둔 Penman-Monteith 방법은 대기온도, 순태양복사에너지, 포화증기압, 실제증기압, 유효토양깊이 등의 인자로 구성되어 있으며 세계식량기구(FAO)에서 표준으로 사용하고 있다(Richard et al., 1998).
증발산량에 영향을 미치는 인자로 WMO (1966)에서 제시한 인자는 증기압, 기압, 온도, 증발 표면의 크기, 토양수분량, 열 공급, 열 저장, 물의 움직임과 파동, 염분함량, 분순물과 식물, 지하수면의 깊이, 토양의 성질과 구성, 식물 요소(기공, 뿌리 영역의 깊이, 식물의 종류)가 대표적이라고 할 수 있다.
3. 데이터 구축 및 분석
3.1 데이터 구축(대표인자 선정)
본 연구에서 사용하는 데이터는 2.2절에 서술한 여러 가지 증발산량 중 대표인자를 선정하여 사용하고자 한다. 조사한 모든 인자를 고려하면 더욱 대표성 높은 위치 선정이 가능하겠지만 분석의 효율성과 공간 단위의 자료 확보가 가능한 인자가 한정적이기 때문에 공간 단위의 자료존재여부, 자료 수집의 용이성(기간, 자료 배포 기관 및 홈페이지의 존재유무)을 고려하여 평균 경사, 평균 표고, 토성, 정규식생지수, 엽면적지수, 지표면 온도 다섯가지 인자를 선정하였다.
3.1.1 지형(평균 경사, 평균 표고)
증발산량에는 영향을 미치는 다양한 인자들이 존재하며 그 중 기상학적 인자들에는 지형이나 표고에 따른 변화 및 분류체계가 존재한다. 특히 풍속, 풍향의 경우 지형학적 특성에 따라 많은 변화가 발생한다. Jackson (1967)의 연구에 의하면 경사에 따라 증발산량에 영향을 미치며 지형 및 표고는 유역 분석에 있어 필수적인 요소로 본 연구에서 증발산량과 밀접한 관련이 있는 인자로 판단된다. 지형학적 인자들을 산정하기 위해 국토교통부 국토지리정보원이 구축 및 배포하고 있는 2014년에 제작된 90 m의 격자 해상도를 가지는 수치 표고 모형(Digital Elevation Model, DEM)을 활용하였다.
3.1.2 토성(Soil texture)
토성은 토양수분량에 직접적인 영향을 미치는 인자로 증발은 포화된 토양에서 발생하며 Mustapha and Jing (2006)은 증발산량을 추정치를 산정할 때 토성을 인자로 사용하였으며 WMO에서도 증발산량에 영향을 미치는 주요인자로 선정한 바 있다. 따라서 이번 연구에서 토성을 고려하여 증발산량 측정 위치 선정하고자 하였다. 그러나 연구 대상 전체면적을 포괄하는 직접 측량 자료가 존재하지 않으므로 ISRIC-World Soil Information의 세계 토양 정보 서비스(WoSIS)를 토대로 기계학습방법을 사용하여 전 세계 토양 속성의 공간 분포를 제시한 SoilGrids의 점토, 모래, 실트 함유량 자료를 수집하여 분석을 시행하였다.
3.1.3 식생지수(정규식생지수, 엽면적지수)
정규식생지수(Normalized Difference Vegetation Index, NDVI)는 식생을 대표하는 지표 중 하나이며 위성자료로 자료의 수집 및 활용이 용이하다. 또한 토지피복별 증발산량과 회귀분석된 상관식을 이용하여 공간증발산량을 추정하는 방법론(Shin et al., 2010), 정규 식생지수와 기온자료를 활용한 광역 증발산량의 추적(Shin and An, 2004) 등 증발산량 추정 및 추적에 활용되는 중요한 지표이다. 본 연구에서는 MODIS (Moderate Resolution Imaging Spectroradiometer) 미항공우주국 Terra EOS (Earth Observation System) 위성이 주 센서로 정규 식생지수를 생성하고 있으며 Earth Resources Observation and Science (EROS) Center에서 제공하는 eMODIS NDVI V6(MOD13Q1)를 수집하였다. 기간은 2010.1.1.~2020.12.31.이며 250 m의 해상도를 가지는 16일 자료이다.
엽면적지수(Leaf Area Index, LAI) 역시 식생 정보를 대표하는 지표 중 하나로 단위 지표 면적당 수목에 대해 투영되는 전체 잎의 면적 비율로 정의된다. Wiegand et al. (1979)은 엽면적지수를 통해 증발산 및 광합성 모델의 구현에 대해 Laurent (1998)는 엽면적지수를 활용한 수문학적 모델을 제시하였으며 Yan et al. (2012)은 엽면적지수를 활용해 전 지구적 증발산량을 추정하였다. 본연구에서는 LP DAAC에서 제공하는 MODIS MYD15A2H V6을 수집하였다. 기간은 2010.1.1.~ 2020.12.31.이며 자료는 500M 해상도의 8일 합성 자료를 수집하였다.
3.1.4 지표면 온도(Land Surface Temperature, LST)
증산은 잎의 내부와 바깥 공기 사이의 증기압 차이에 의해 영향을 받으며, 증기압은 온도의 영향을 받는다. 지표면 온도자료는 증발산량을 추정하는 모형 중 Bastiaanssen et al. (1988)이 제안한 Surface Energy Balance Algorithm for Land (SEBAL) 모형에서 입력자료로 정규 식생지수(NDVI) 수치 표고 모형(DEM) 등과 같이 사용된다. Zhang et al. (2018)는 지표면 온도를 기반으로 증발산량 추정하는 모델의 정확도를 향상시켰으며, Kerry et al. (2021)는 증발산량 및 가뭄 모니터링 모델에서 지표면 온도가 가장 영향력이 있음을 나타냈다. 따라서 이번 연구에 주요인자로 선정하였으며 정규 식생지수와 마찬가지로 Earth Resources Observation and Science (EROS) Center에서 제공하는 eMODIS Globla LST V6(MOD11C3)를 수집하였다. 기간은 2010.1.1.~2020.12.31.이며, 6 km의 해상도를 가진다. 이번 연구에서 사용되는 격자 크기가 1 km인 것을 고려하면 더욱 정밀한 해상도의 지표면 온도 자료가 필요하지만 분석결과 6 km 해상도 자료로도 대표 위치 선정에 사용 가능한 것으로 판단되어 그대로 사용하였다.
3.2 데이터 구축(격자 구축)
3.1절에 서술한 5가지 인자에 대해 Figs. 2~4와 같이 연구 대상지역 내 격자를 구축하여 해당 데이터의 평균을 격자별 산정하였다. 이때 관측기기의 측정영역의 개념인 취주거리 즉 Flux Footprint의 고려가 필요하다. 에디공분산 측정결과를 통해 관측지점의 Flux Footprint를 산정가능하나 이는 측정장비의 높이, 관측지의 면적, 군락 높이, 주변 풍속 등의 결과를 통해 산정되어 취주거리를 고려하기에는 어려움이 있다. George (2013)는 측정 높이가 1.5 m, Canopy 높이가 0.6 m의 경우 취주거리 500 m에서 Flux data가 가장 안정적인 상태라고 하였으며 이는 반경 500 m의 원을 의미하며 본 연구에서는 관측소의 측정높이, Canopy 높이를 가정하여 1 km의 해상도를 가지는 격자를 사용하였다.
3.3 위성자료 데이터 구축
증발산량 위성자료는 Terra MODIS 위성에서 관측된 자료로 500 m 픽셀 해상도를 가진 8일 증발산량 합성 데이터인 MOD16A2GF를 사용하였다. 기간은 앞서 수집한 NDVI, LST, LAI와 같이 2010.1.1.~2020.12.31. 기간의 자료를 수집하였다.
3.4 토지피복(Land cover) 데이터 구축 및 분석
위 서술한 증발산량 주요인자 외에도 연구지역에 대해 환경공간정보서비스에서 제공하는 토지피복지도로 데이터를 구축 및 분석하였다. 그러나 접경구역으로 인해 전체 연구지역내 자료가 존재하지 않아 제공되는 연구지역 내에 대해 분석하였다. 총 연구지역 면적 774.96 km2 중 지도가 존재하는 면적은 477.41 km2로 약 61.60%이며 중분류 기준 활엽수림이 60.67%로 가장 많이 분포하고 있다. 그 외 분포현황은 Table 1, Fig. 5와 같다.
Table 1.
Result of land cover data
3.5 데이터 분석
3.5.1 방법론
데이터 분석의 순서는 Fig. 6과 같다. 먼저 춘천댐 유역은 1 km 격자로 나눌 때 690개로 나누어진다. 전체 690개 평균값이 유역 대푯값으로 볼 수 있으며 이 평균값과 각 격자의 편차가 30% 이하면 양호, 편차가 30%~70%이면 보통, 편차가 70% 이상이면 미흡으로 구분하였다. 이런 방식으로 주요인자 5개를 각각 구성하고 이를 중첩하여 증발산량 측정 최적 위치를 결정하고자 하였다(Fig. 7).
4. 결 과
4.1 증발산량 주요인자 분석 결과
증발산량에 영향을 미치는 주요인자를 통한 분석에서 앞서 선정한 다섯 가지 인자에서 총 여덟 가지 자료를 구축하였다. 이는 지형을 평균경사와 평균표고로 구분하고, 토성을 점토, 모래 그리고 실트로 구분하였기 때문이며 Fig. 8과 같이 나타났다.
Fig. 8(a)에 유역의 평균경사와 평균표고를 분석하였다. 분석결과 유역 평균경사의 편차가 30% 이하인 격자는 447개로 나타나 유역 내 격자 대부분 유역 평균경사와 유사한 경향을 보였다. 유역 평균표고는 유역경계 부근의 산지와 낮은 지형인 하천 인근을 제외하고는 평균표고와 변동성이 적은 격자, 즉 편차가 30% 이하인 격자가 541개로 파악되었다. Fig. 8(b)는 토성에 대한 분석이며 점토, 모래, 실트 모든 지도의 분포가 거의 일치하였다 이는 전 세계를 대상으로 공간분포를 통해 모델링된 자료를 사용하였기 때문에 연구지역 내의 격자 편차가 크게 나타나지 않은 것도 일부 있겠지만 춘천댐 유역이 전반적으로 균질한 토성을 보이는 것으로 판단된다.
Figs. 8(c) and 8(d)는 식생지수에 해당하는 정규식생지수와 엽면적지수에 대한 결과이다. 정규식생지수는 전반적으로 균일한 것으로 나타났다. 일부 차이가 크게 나타난 지형은 도시 및 인구밀집지역인 것으로 판단된다. Kim (2008)는 지형에 따른 정규식생지수 분포를 분석한 결과 경사방향보다 표고 및 경사에 따라 편차가 높게 나타났으며 계곡부에서 능선부보다 높은 값을 나타낸다고 하였다. 본 연구에서는 분류기준을 크게 잡아 이런 지형에 따른 변화가 나타나지 않았으나 토지이용에 따른 분류가 나타난 것으로 판단된다. 엽면적지수 역시 정규식생지수와 마찬가지로 편차가 크지 않은 결과를 보였다.
Fig. 8(e)는 지표면 온도를 분석한 결과이며 전체적으로 산 정상과 인구밀집지역에서 다소 큰 편차를 보였다. Jee and Choi (2014)는 수도권 지표특성을 위성자료를 활용하여 분석하였다. 결과로 산림지역, 산악지역, 도시지역 등의 지역이 뚜렷이 구별된다고 하였다, 특히 도로와 건물이 밀접한 부분, 산의 정상부에서 차이가 나타난다고 하였으며 본 연구와 같은 결과를 나타내었다. Table 2는 지도에서 산정된 양호, 보통, 미흡 각각의 격자의 개수를 인자별로 정리하였다. 종합적으로 살펴보면 유역경사와 지표면 온도를 제외하고 지질적 인자인 토성과 식생지수인 정규식생지수와 엽면적지수는 위치에 따라 큰 변동없이 안정적인 것으로 조사되었다.
Table 2.
Result of major factors in evapotranspiration
4.2 증발산량(위성자료) 분석
증발산량 위성자료로 연구 지역에서 연 증발산량을 산정하고 도시화하였으며 지도는 Fig. 9과 같다. Fig. 9에서 연도별 격자 분포의 차이가 있으며 Figs. 5 and 10(b) 토지피복지도와 위성지도를 통해 춘전댐 지역은 활엽수림이 지배적이다. 대부분 유역면적이 산림으로 이루어져 있으며 산림은 나지와 도심지에 비하여 높은 평균 증발산량을 가지고 있다. 시간적 변화(년도)에 있어서는 인구밀집지역, 하천부근 등에서 변동성이 크게 나타난 것으로 판단된다. Dunn and Mackay (1995)에 연구결과에 의하면 유역내에서 증발산량은 시·공간적인 변화에 따라 다른 값의 분포를 보였다. 본 연구에서는 연증발산량에 대한 분석을 진행하여 연단위 시간적 변화에 따른 분포양상을 확인하였으며 앞서 언급한 듯이 토지이용에 따른 변화양상을 파악하였다. Table 3는 연도별 산정된 양호, 보통, 미흡 각각의 격자의 개수이다. 주요인자 분석과 마찬가지로 양호격자가 대다수로 나타나며 분석 방법 역시 Fig. 4와 같이 분석하였다.
Table 3.
Result of satellite data analysis
4.3 접근성 분석 및 대표격자 산정
증발산량 관측소는 유지관리가 그 자료의 질적인 부분을 결정할 정도로 중요하다. 따라서 도로와 멀어 접근이 어렵거나 장비운반이 원활하지 않은 경우를 고려해야 한다. 도로나 임도는 새로 만들어지거나 없어지는 경우가 발생하므로 현장 검토가 필수적이다. 그러나 유역 전체에 대한 현장을 검토할 수 없으므로 본 연구에서는 Fig. 10(a)는 국토지리정보원의 피복지도에서 대분류 중 교통으로 분류된 지역을 추출하였다. 하지만 Fig. 10(a) 피복지도의 경우 연구대상 지역이 접경지역으로 일부 구간에 대한 자료가 미흡하다. 따라서 Fig. 10(b) Google earth 위성지도를 추가적으로 활용하여 설치지점에 대한 접근성 고려하였다.
앞서 분석된 증발산량 주요인자 분석 결과 다섯 가지를 중첩하여 Fig. 11(a)을 도출하였다. 그리고 최근 10년 동안 증발산량 공간맵핑 자료를 기반으로 Fig. 11(b)의 결과를 도출하였다. Figs. 11(a) and 11(b)를 살펴보면 결과적으로 Fig. 11(a)에서 나타난 적합의 격자는 Fig. 11(b)에 적합 격자에 모두 포함된다. 즉, 공간맵핑 증발산량 산정결과가 증발산량 주요인자 결과를 포함하여 두 자료의 인과관계가 높은 것으로 사료되며, 이는 주요인자 선정이 어느 정도 타당한 것을 반증한다고 할 수 있다. 이 두 결과를 중첩하고 접근성을 고려하여 최종적으로 Fig. 11(c)의 결과를 도출하였다. 그 결과 최종적으로 춘천댐 유역의 증발산량 계측에 적정한 위치는 54개(격자)로 분석되었다.
5. 결 론
본 연구에서는 증발산량 관측소 대표지점 선정을 위해 증발산량 주요인자, 공간맵핑 증발산량 등의 자료를 1 km 해상도를 가지는 격자로 구성하였다. 격자 크기는 국내·외에서 정확도가 높다고 알려진 에디공분산에 의한 증발산량 관측에 사용하는 장비의 제원 및 관측 조건을 반영하여 설정하였다. 대표성을 지니는 격자를 판별 및 선정하기 위해서 증발산량에 영향을 미치는 인자를 조사 및 선정하고 선정된 다섯 가지 인자와 증발산량 위성자료를 활용하여 연구지역을 분석하였고 도로와 임도를 분석하여 접근성에 대한 부분도 고려하였다. 증발산량 관측소 대표지점에 대한 주요 결과는 다음과 같다.
1) 증발산량에 영향을 미치는 주요 인자들에 대하여 격자별 편차의 절댓값을 활용하여 양호, 보통, 미흡으로 분류하였으며 유역평균 값과 각 격자 간의 편차가 작은 경우 전체유역에 대해 대표성을 가진다고 판단하였다. 이때 분류기준은 편차가 30%이내인 경우 양호, 30%~70% 경우 보통, 그 이상인 경우 미흡 등 등간격으로 구분하였다. 등간격(30%)에 대한 기준은 다소 주관적일 수 있지만 현장의 설치 가능성 여부, 중첩 후 급격하게 줄어드는 양호 격자에 대한 충분한 확보 등을 고려하여 결정하였다.
2) 증발산량 자료는 위성 공간맵핑 자료를 이용하였으며 연 증발산량으로 분석을 진행하였다. 주요인자와 같은 방법으로 진행하였으며, 2010년부터~2020년까지 11년 자료를 산정하였다. 연도별로 산정된 양호, 보통, 미흡 격자의 비율은 수풀이 우거진 지역은 안정적으로 나타났으며 인구밀집지역, 하천 부근 등 상대적으로 수풀이 없는 지역에서 다소 변동성이 크게 나타났다. 따라서 최종적으로 주요인자의 결과와 중첩시킨 결과는 2010년~2020년 평균 연 증발산량으로 산정한 결과로 하였다. 두 지도를 중첩한 결과 증발산량 결과에 주요인자 분석 결과가 모두 포함되었으며 이는 연구 지역에 대하여 선정한 주요인자가 어느 정도 타당한 것으로 판단된다.
3) 관측소 선정지점, 즉 분석을 통해 산정된 양호 격자들에 대한 접근성을 국토지리정보원의 피복지도와 위성지도를 통해 고려하였을 때, 최종 양호 격자의 수는 54개로 나타났다. 그러나 군사지역으로 자료가 없는 구간에 대한 검토가 미흡하고, 도로 및 임도가 변화되었을 가능성이 있으므로 현장조사가 필요하고 및 지도 제작일을 고려해야 한다.
최종적으로 본 연구에서는 690개의 격자 중에서 54개의 양호 격자를 선정하였다. 수문조사에 대한 관측망 및 관측소 설치에 관련된 수많은 선행 연구가 수행되었으며 관련 보고서 및 설치지침들이 존재한다. 하지만 증발산량 관측 위치에 대한 연구는 부족한 실정이며 특히 설치목적 및 조사방법에 따라 설치지점에 대한 고려가 필요하다. 본 연구에서는 특정 연구지역(춘천댐)에서 증발산량 대표위치 선정과정 및 결과를 도출하였다. 그러나 유역마다 증발산량 특성을 대표하는 주요인자들이 다를 수 있으며 주요인자들이 미치는 영향력이 다르므로 주요인자 선정 및 활용에 대한 고려가 필요하며 또한 다양한 인자들의 시계열적 변동을 고려할 필요가 있다.
본 연구에서는 연평균자료의 주요인자 분석결과와 원격탐사자료(실제증발산량)을 고려하여 증발산량 대표위치를 산정하였다. 그러나 증발산량에 영향을 미치는 다양한 인자 중 일부 인자들을 선정하여 분석한 점, 분석한 인자는 시계열적 변동이 일, 계절 등 다양한 시간적 변화양상을 보이는 것에 비해 연평균자료를 활용한 점, 어떠한 증발산량 자료(잠재증발산량, 실제증발산량)를 사용할 것인지, 추가적인 원격탐사자료의 활용 등에 대해 향후 증발산량 및 주요인자에 대한 시계열 자료의 통계분석 및 의사결정 방법을 통해 증발산량 대표위치 선정기법의 개선 및 개발이 필요할 것으로 판단된다.
