Development and application of the soil organic carbon model considering physical hydrological processes

Minho Yeon; Giha Lee; Dong Kook Woo

doi:10.3741/JKWRA.2025.58.7.553

Preview

Research Article

Journal of Korea Water Resources Association. 31 July 2025. 553-567
https://doi.org/10.3741/JKWRA.2025.58.7.553

Development and application of the soil organic carbon model considering physical hydrological processes

물리적 수문과정을 고려한 토양 탄소 분석 모형의 개발 및 적용

Minho Yeon^a

Giha Lee^b

Dong Kook Woo^c^*

연 민호^a

이 기하^b

우 동국^c^*

^aPost-doctoral Researcher, Climate Crisis Institute, Kyungpook National University, Sangju, Korea

^bProfessor, School of Advanced Science and Technology Convergence, Kyungpook National University, Sangju, Korea

^cAssistant Professor, Department of Civil Engineering, Keimyung University, Daegu, Korea

^a경북대학교 기후위기재난대응연구소 박사후연구원

^b경북대학교 미래과학기술융합학부 교수

^c계명대학교 토목공학과 조교수

^{*Corresponding Author}

License (open-access, https://creativecommons.org/licenses/by/4.0):

©It is identical to the Creative Commons Attribution Non-commercial License (https://creativecommons.org/licenses/by/4.0)

ABSTRACT

Human activities have significantly increased greenhouse gas emissions, accelerating global warming and intensifying the climate crisis. In this context, soil serves as a vital carbon sink; however, its functionality is diminishing due to indiscriminate development. Particularly, soil erosion leads to the loss of topsoil, which is rich in soil organic carbon, thus altering carbon dynamics within watersheds. In this study, we developed a model for estimating soil organic carbon by integrating a biogeochemical soil carbon model with a physically-based soil erosion model that accounts for the physical processes of soil erosion. This model was evaluated for its applicability in domestic watersheds, demonstrating excellent performance in runoff and sedimentation simulations with NSE, RSR, PBIAS, and PR values of 0.73, 0.27, -14.6, 1.14 and 0.69, 0.32, 2.6, 1.11, respectively. The soil respiration simulation exhibited good performance across most periods, and the results for soil carbon dioxide flux by land use type were consistent with observations from previous research. Consequently, this model can serve as an effective analytical tool for developing soil management policies, such as managing soil erosion risk areas and conducting preliminary investigations to establish carbon sinks.

Keywords

Soil organic carbon

Soil erosion

Soil respiration

Soil carbon model

Physical hydrological processes

인간 활동에 의한 온실가스 배출로 인해 지구온난화가 급증하면서 지구는 기후 위기에 직면해 있다. 이로 인해 토양의 탄소저장고 역할이 강조되고 있으나, 무분별한 개발 등 여러 요인에 의해 제 기능을 상실하고 있다. 특히, 토양 침식은 토양의 최상층에 밀집된 토양 유기 탄소의 손실을 초래하여 유역 내 토양 유기 탄소를 변화시킨다. 따라서 물리적 수문과정에 따른 토양 침식을 고려함으로써 보다 정확한 토양 유기 탄소 추정이 필요하다. 토양 유기 탄소 추정을 위해 다양한 모형이 개발되어 활용되고 있으나, 대다수 모형은 토양 침식을 고려하지 않거나 토양 침식의 물리적 메커니즘을 제대로 반영하지 않아 모형의 결과가 과대 또는 과소추정될 수 있다. 이에 본 연구에서는 생지화학적 토양 탄소 모형과 토양 침식의 물리적 과정을 고려하는 물리적 기반의 토양침식모형을 결합한 토양 탄소 분석 모형을 개발하고, 이를 국내 유역에 적용하여 해당 모형의 적용성을 평가하였다. 모형의 매개변수 보정 이후 검증 결과, 유출량은 NSE, RSR, PBIAS, PR에서 각각 0.73, 0.27, -14.6, 1.14의 결과를 도출하였으며, 유사유출량의 결과도 각각 0.69, 0.32, 2.6, 1.11로 우수한 성능을 나타내었다. 토양 호흡 모의 결과에서는 일부 시기를 제외한 모든 구간에서 우수한 성능을 보였으며, 토지이용별 토양 이산화탄소 플럭스의 결과에서도 선행 연구가 제시한 관측 결과와 일치하는 것으로 나타났다. 따라서 해당 모형은 토양 침식 위험지역 관리와 탄소흡수원 설치 예비 조사와 같은 토양관리정책 수립 시 분석 도구로 활용될 수 있다.

키워드

토양 유기 탄소

토양 침식

토양 호흡

토양 탄소 분석 모형

물리적 수문과정

MAIN

1. 서 론
2. 대상 유역
3. 연구 방법
3.1 토양 탄소 분석 모형
3.2 입력자료 구축
3.3 모형의 검·보정
4. 연구 결과 및 토의
4.1 Event 1(Typhoon Khanun)
4.2 Event 2(Typhoon Bolaven)
4.3 Event 3(Heavy rainfall in 2005)
5. 요약 및 결론

1. 서 론

1800년대 산업혁명을 기점으로 인간의 무분별한 화석연료 사용과 개발로 인해, 이산화탄소, 아산화질소 등 온실가스가 폭발적으로 증가함에 따라 지구는 기후 위기에 직면해 있다(Lashof and Ahuja, 1990). 기후변화에 관한 정부 간 협의체(Intergovernmental Panel on Climate Change, IPCC)에서는 인간 활동에 의한 온실가스 배출이 지구온난화를 유발했음을 입증하였으며, 실제로 2011~2020년 지표면 온도는 1850~1900년과 비교해 약 1.1℃ 증가하였다(IPCC, 2023). 우리나라의 경우 지구온난화의 수준을 1.5℃로 제한하지 못하면 극한 강수의 양과 빈도가 뚜렷하게 증가할 수 있으며, 2.0℃ 수준에 도달하면 호우의 최대 총량은 현재 대비 14.2%가 증가할 것으로 예상된다(NIMS, 2024). 따라서 선진국을 중심으로 한 탄소중립 선언을 통해 탄소 격리 및 탄소흡수원 증대, 온실가스 배출규제와 같은 다양한 계획이 수립되어 이행되고 있다.

토양은 여러 편의 및 기능을 제공하며, 특히 탄소저장고로써 중요한 역할을 맡고 있다. 토양에 서식하는 식물의 광합성 작용으로 대기 중 이산화탄소를 흡수하고, 흡수된 이산화탄소는 식물을 구성하는 유기물의 형태로 저장된다. 이후 동·식물의 사체는 토양 내 서식하는 미생물의 분해 작용으로 이산화탄소가 되어 대기 중으로 다시 방출되는 순환의 과정을 거친다. 토양 내 탄소 저장량은 2,500 Gt으로 알려져 있고, 이 중 토양 유기 탄소 저장량(Soil Organic Carbon Stock, SOCS)은 약 62%를 차지한다(Lal, 2004). 2015 파리 기후변화 협약에서는 SOCS의 중요성을 강조한 바 있으며, 대기 중 이산화탄소 배출량 증가를 상쇄하려면 지구의 SOCS를 매년 0.4%씩 증가해야 함을 시사한 바 있다(Minasny et al., 2017). 하지만 탄소의 균형은 화석연료 사용, 무분별한 벌채 및 개간 등에 의해 교란되고 있으므로(Batjes, 1996), 토양 유기 탄소를 체계적이고 효율적으로 관리함으로써 토양이 탄소흡수원 또는 저장고의 역할을 유지하게 해야 한다.

한편, 토양은 토양 침식(soil erosion)에 의해서도 제 기능을 상실하고 있다(Lal, 2001). 우리나라의 경우 국토의 절반 이상이 급경사를 갖는 산악지형으로 이루어져 있고(Tak and Kim, 2013), 여름철(6~9월)에 강수량이 집중되어 있다. 이러한 지형·기후적 특성으로 인해 경제협력개발기구(Organization for Economic Cooperation and Development, OECD)는 우리나라를 OECD 가입국 중 8번째로 토양 침식의 위험성이 높은 국가로 지정한 바 있다(OECD, 2008). 토양 침식은 수질 악화, 하천 통수능(discharge capacity) 저하 등 다양한 형태로 유역에 직·간접적인 악영향을 미치지만, 특히 유기물이 가장 밀집된 토양의 최상층(표토)의 손실을 유발하여 토양 유기 탄소 변화에 큰 영향을 미칠 수 있다. 유기물이 응집된 토사는 침식 에너지에 의해 분리되어 이동하며, 유기 탄소가 포함된 유기물은 입자가 매우 작아 약한 침식 능력에도 쉽게 거동할 수 있으므로 해당 유역에서의 SOCS는 쉽게 변화할 수 있다(Tiessen and Stewart, 1983). 따라서 토양의 침식과 퇴적의 과정을 고려함으로써 정확한 토양 유기 탄소 변화 모의가 필요하다.

토양 침식과 퇴적에 따른 토양 호흡과 토양 유기 탄소 변화를 추정하기 위한 가장 이상적인 방법은 실제 현장 조사를 통해 대상 지역의 침식 및 퇴적량을 정량화하고 시료 채취를 통해 실제 토양 내 유기 탄소량을 직접 구하는 것이다. 그러나 이러한 방법은 인력·비용면에서 현실적으로 제한되므로, 이를 추정하기 위한 다양한 모형이 개발되어 활용되고 있다.

토양 탄소 분석 모형은 일반적으로 산림, 농경지, 습지 등을 대상으로 개발되었으며, 산림생태계 서비스 평가 및 시비 또는 작물 피복에 따른 토양 유기 탄소 변화량 분석 등을 주목적으로 활용되고 있다(Lee et al., 2015; Shirato, 2020). 또한, 대다수 모형은 필지 단위에서 국가 규모에 이르기까지 다양한 공간 규모를 대상으로 적용되고 있으나, 대다수 연구는 대상 지역 전체를 농경지로 가정하거나 이외의 지역을 고려하지 않는 등 단일 토지이용 형태로 모의하고 있다(Chen et al., 2018; Sleutel et al., 2006; Tang et al., 2006). 상기 모형들을 다양한 지형, 수문, 토지이용을 갖는 유역에 적용할 경우, 정확한 토양 유기 탄소량 및 토양 호흡량 추정이 어려울 뿐만 아니라, 국외에서 개발되어 국외에서 산정된 인자를 그대로 사용하는 경우가 많으므로 국내 유역에 적용할 시 결과의 불확실성을 내포할 수 있다. 더욱이, 대부분 모형은 토양 침식의 물리적 과정(침식-이송-퇴적)을 고려하지 않거나, 타 침식모형에서 생성된 모의 결과를 입력자료로 활용하여 침식과정을 단순화하여 모의한다. 그러므로 물리적 수문과정을 제대로 고려하지 못하면 침식과 퇴적의 모의 결과 외에도, 토양 탄소 및 토양 호흡 결과에 과대 혹은 과소 추정의 결과로 이어질 수 있으므로 이를 고려한 모형의 개발이 필수적이다(Lu et al., 2024; Tiessen and Stewart, 1983).

이에 본 연구에서는 토양의 침식과 퇴적에 따른 토양 유기 탄소 변화를 추정하기 위하여 생지화학적 모형(biogeochemical model)인 토양 탄소 모형과 강우와 지표 흐름의 물리적 과정을 고려하는 물리적 기반의 침식모형(physically based soil erosion model)을 결합한 통합 수문 모형을 개발하고, 유출량, 유사유출량, 토양 호흡량, 토양 유기 탄소 변화를 추정함으로써 국내 유역에 대한 해당 모형의 적용성을 평가하고자 한다.

2. 대상 유역

우리나라의 경우 수위 및 유량 자료의 획득은 다른 수문 자료와 비교해 관측소의 밀도가 높고 분 단위에서 일 단위까지 다양한 시간적 규모로 자료를 제공하기 때문에 취득이 쉬운 편이나, 유사유출량, 토양 호흡과 같은 자료는 부족한 실정이다. 특히, 토양 호흡(이산화탄소 플럭스) 관측 자료의 경우 측정지역이 국한되어 있고, 자료의 접근성도 제한적이다. 본 연구의 대상 지역에는 국립산림과학원이 관리하는 ‘광릉시험림’이 위치하여 해당 자료의 획득이 가능하다. 따라서 유출량, 유사유출량, 토양 호흡 자료의 획득이 모두 가능한 유역을 우선순위로 선정하고자 하였으며, 전술한 조건에 부합하는 왕숙천 유역을 본 연구의 대상 지역으로 선정하였다(Fig. 1(a)).

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-07/N0200580703/images/kwra_58_07_03_F1.jpg

Fig. 1.

Spatial data utilized in this study

왕숙천 유역은 한강의 제1지류로 행정구역상 경기도 남양주시, 구리시, 포천시를 포함하며, 경기도 포천시 수원산(EL. 710 m)에서 발원하여 흐르다가 진건천이 합류해 한강 본류의 우안으로 합류한다. 유역의 면적은 201.7 km² 이며, 유역 동쪽의 주금산(EL. 813 m)과 서쪽의 수락산(EL. 637 m), 불암산(EL. 509 m) 등에 의해 분수령을 형성하고 있다. 유역의 토지이용 현황은 산림(64.8%)이 가장 많은 면적을 차지하고 있으며, 농경지(11%), 도시화 지역(10.8%), 초지(9.1%), 나지(1%) 순으로 나타났다.

유역의 기상 현황은 유역 내 광릉관측소를 기준으로 1997년부터 2023년의 평균기온은 10.3℃로 같은 시기 전국 평균기온인 12.7℃보다 2.4℃가량 낮았으며, 강수량은 평균 1,383 mm로 전국 평균 강수량은 1,374 mm와 비슷하였다. 가장 많은 강수량을 기록한 해는 2011년으로 2,329 mm를 기록하였으며, 동년 전국 평균 강수량인 1,658 mm보다 약 671 mm 많이 내렸다. 한편, 가장 적은 강수량을 기록한 해는 2019년으로 871 mm가 내렸으며, 동년 전국 평균 강수량(1,184 mm)보다 307 mm 더 적게 내렸다.

3. 연구 방법

3.1 토양 탄소 분석 모형

본 연구에서 활용된 토양 탄소 분석 모형은 생지화학적 모형인 토양 탄소 모형과 물리 기반 토양침식모형을 결합한 통합 수문 모형으로, 강우 및 지표류에 의한 토양 침식과 퇴적의 물리적 과정을 고려함으로써 침식과 퇴적에 따른 토양 유기 탄소 변화량, 토양 이산화탄소 플럭스(토양 호흡), 유출량, 유사유출량을 모의할 수 있다(Yeon, 2024). 해당 모형의 전체적인 흐름도는 Yeon (2024)에 상세히 도식되어 있다.

3.1.1 토양 유기 탄소 분석 모듈

토양 유기 탄소 분석 모형은 실험과 현재 토양 상태에 근거해 산정되는 경험적 모형과 탄소와 질소 등의 순환과정을 고려한 과정기반 모형으로 구분하거나(Heo et al., 2022), 모의하고자 하는 탄소저장고의 수에 따라 단일 또는 다중저장고 분석 모형으로 구분한다(Lee et al., 2010). 본 연구에서 사용된 토양 유기 탄소 분석 모형은 탄소와 질소순환을 모의하는 과정기반 모형이며, 3개의 탄소저장고로 구분하는 다중저장고 모형이다(D’Odorico et al., 2003; Porporato et al., 2003; Woo, 2024). 3개의 탄소저장고는 각각 빠른 저장고(fast pool), 느린 저장고(slow pool), 미생물 저장고(microbial pool)로 구성되며, 각 탄소저장고 간의 탄소 교환과 낙엽과 같은 지표 잔여물과 같은 유기물의 유입, 대기로의 이산화탄소 방출을 통해 탄소가 순환하는 구조를 갖는다. 보다 상세한 설명 및 모식도는 Yeon (2024)에 기술되어 있다.

빠른 저장고는 낙엽과 같은 식물 잔여물이 토양 내 서식하는 미생물의 대사작용에 의해 분해되어 생성되며, 토양 호흡을 통해 토양에서 대기로 이산화탄소를 방출하고 느린 저장고에 속한 부식질(humus)을 생성한다. 느린 저장고는 기존 토양이 갖는 부식질 외에도 빠른 저장고로부터 전환된 복잡하지 않은 유기물이나 분해 저항력이 작은 물질이 미생물에 의해 천천히 지속해서 분해되는 저장고로 정의된다. 이때, 느린 저장고에서도 토양 호흡 작용을 통해 이산화탄소가 배출된다. 미생물 저장고는 토양 내 미생물 자체가 갖는 탄소량으로 정의하며, 미생물이 수명을 다해 사체(유기물)로 전환되어 다시 빠른 저장고로 유입되는 구조를 갖는다(Yeon, 2024).

토양 유기 탄소 분석 모듈의 시간에 따른 유기 탄소 변화량은 Eqs. (1) and (2)와 같이 계산된다(Woo, 2024).

(1)

\frac{d C_{i}}{d t} = g_{i} - e c_{i}

(2)

g_{i} = [g_{f}, g_{s}, g_{m}]

여기서, $t$ 는 시간, $i$ 는 각 탄소저장고, $C_{i}$ 는 각 탄소저장고의 토양 유기 탄소량 (kg C/m³), $g_{i}$ 는 탄소순환에 따른 탄소저장고의 토양 유기 탄소량(kg C/m³), $e c_{i}$ 는 침식 및 퇴적에 따른 토양 유기 탄소 변화량(kg C/m³), $g_{f}$ , $g_{s}$ , $g_{m}$ 은 각각 빠른, 느린, 미생물 탄소 변화량이다.

탄소순환에 따른 토양 유기 탄소 변화량은 Eqs. (3), (4), (5)와 같이 계산된다(Woo, 2024).

(3)

g_{f} = A D D + B D - D E C_{f}

(4)

g_{s} = r_{h} D E C_{f} - D E C_{s}

(5)

g_{m} = (1 - r_{h} - r_{r}) D E C_{f} + (1 - r_{r}) D E C_{s} - B D

여기서, $A D D$ 는 유기 탄소 유입량 (kg C/m³), $B D$ 는 미생물 고사량 (kg C/m³), $D E C_{f}$ 는 빠른 저장고의 분해량 (kg C/m³), $D E C_{s}$ 는 느린 저장고의 분해량 (kg C/m³), $r_{h}$ 는 부식질의 균등 계수(isohumic coefficient)로 0.15~0.35의 범위를 갖는다(Brady and Weil, 2008; Russell, 1973). $r_{r}$ 은 분해된 유기 탄소의 비율로 0≤ $r_{r}$ ≤1- $r_{h}$ 의 범위를 가지며, 보통 0.6~0.8을 사용한다(Brady and Weil, 2008).

생물체 고사량(death of biomass)과 빠른 저장고와 느린 저장고의 분해량은 Eqs. (6), (7), (8)과 같이 표현된다(Woo, 2024).

(6)

B D = k_{m} \times C_{m}

(7)

D E C_{f} = (k_{f} ϕ f_{θ} f_{t} C_{m}) C_{f}

(8)

D E C_{s} = (k_{s} ϕ f_{θ} f_{t} C_{m}) C_{s}

여기서, $k_{m}$ 은 생물체의 고사율로 경험적인 상수로 정의하며, $C_{f}$ , $C_{s}$ , $C_{m}$ 은 각각 빠른, 느린, 미생물 저장고가 차지하는 토양 유기 탄소량 (kg C/m³), $k_{f}$ 와 $k_{s}$ 는 각각 빠른 저장고와 느린 저장고의 평균 분해율로 경험적인 상수이며, $f_{t}$ 는 토양 온도에 의한 영향 인자(무차원), $f_{θ}$ 는 토양 수분에 의한 영향 인자(무차원)로 본 연구에서는 선행연구에서 제안한 수분함량 한계 조건인 0.6으로 가정하였다(Porporato et al., 2003). 𝜙는 미생물 생장과 관련된 질소의 한계 조건 관련 인자로 본 연구에서는 질소에 의한 영향을 고려하지 않아 1로 가정하였다. 경험적인 상수 $k_{f}$ , $k_{s}$ , $k_{m}$ 는 Eqs. (6), (7), (8)을 Eqs. (3), (4), (5)에 대입하고 정상상태(steady state)를 가정하여 산정하였다.

토양 온도에 의한 영향 인자( $f_{t}$ )는 Eq. (10)에 의해 대기 온도를 통해 계산된 토양 온도를 Eq. (9)에 대입하여 산정하며(Zheng et al., 1993), 본 연구에서는 토양 온도의 임계치를 35℃로 설정하여 모의하였다.

(9)

f_{t} = 1 . 9^{\frac{T_{s} - 35}{10}}

(10)

T_{s} = T_{s - 1} + (T_{a} - T_{s - 1}) \times 0.25 \times e x p (- k_{e} \times L A I)

여기서, $T_{s}$ 는 토양 온도 (℃), $T_{s - 1}$ 는 이전 시간의 토양 온도 (℃), $T_{a}$ 는 대기 온도 (℃), $L A I$ 는 엽면적지수, $k_{e}$ 는 흡광 계수(extinction coefficient)로 선행연구에 의해 다양한 형태의 수종에서는 보통 0.5의 값을 사용하도록 제안된 바 있으므로(Jarvis and Leverenz, 1983), 본 연구에서는 해당 값을 적용하여 연구를 수행하였다.

3.1.2 토양 침식 분석 모듈

토양 침식과 퇴적에 따른 토양 유기 탄소 변화를 추정하기 위하여 물리적 기반의 토양침식모형인 Surface Soil Erosion Model (SSEM)의 토양 침식 산정 모듈을 활용하였다(Lee et al., 2013). 해당 모듈에서는 물에 의한 토양 침식(water erosion)의 주요 매개변수인 강우와 지표류의 물리적 과정을 고려하여 토양 침식을 모의한다(Lee et al., 2010; 2013). 토양침식량은 크게 강우에 의한 토양 분리량(detachment by raindrop, DR)과 지표류에 의한 토양 분리량(detachment by overland flow, DF)로 구분하며, 다음과 같은 물리적 과정에 의해 해석된다. 강우 사상 초기에 강우 입자는 강우 입자가 갖는 강우 운동에너지(rainfall kinetic energy, KE)에 의해 지표면을 직접 타격함으로써 지표로부터 토양입자가 이탈된다. 지속된 강우로 지표류가 발생하면, 지표류가 갖는 유사 이송 능력(sediment transport capacity, TC)에 의해 강우로부터 분리된 토양입자와 느슨해진 지표의 토양입자가 지표류를 타고 낮은 경사 또는 하류로 이송하는 과정을 거친다(Morris and Fan, 1998). 침식과 퇴적은 상류로부터 유입되는 유사량이 해당 격자가 갖는 유사 이송 능력보다 크면 해당 격자에 그 차이만큼 퇴적되며, 반대로 유사 이송 능력이 해당 격자에 유입된 유사량보다 크면 침식되어 유입된 유사량과 함께 흐름 방향에 따라 이동한다(Sayama, 2003; Yeon, 2024).

해당 모듈에서 침식과 퇴적에 따른 토양 유기 탄소량 산정은 연속방정식에 의해 계산되며, Eqs. (11), (12), (13), (14), (15)에 의해 계산된다(Lee et al., 2013; Yeon, 2024).

(11)

\frac{\partial (h_{s} e c_{i})}{\partial t} + \frac{\partial (q_{s} e c_{i})}{\partial x} = D R_{c_{i}} + D F_{c_{i}}

(12)

e c_{i} = [e c_{f}, e c_{s}, e c_{m}]

(13)

e c_{i} = \frac{D R_{c_{i}} + D F_{c_{i}}}{z}

(14)

D R_{c_{i}} = β \times D R

(15)

D F_{c_{i}} = β \times D F

여기서, $h_{s}$ 는 지표 수심 (m), $q_{s}$ 는 지표류의 단위 폭당 유량 (m²/s), $x$ 는 거리 (m), $D R_{c_{i}}$ 는 강우에 의한 분리량에 대한 토양 유기 탄소량 (kg C/m²), $D F_{c_{i}}$ 는 지표류에 의한 분리량에 대한 토양 유기 탄소량 (kg C/m²), $z$ 는 토양층의 깊이 (m), 𝛽는 부하율(enrichment ratio)이다. 유사가 이송할 때, 토양 유기 탄소는 유사와 함께 거동하며 침식이 일어난 토양의 유기 탄소와 침식이 일어나지 않은 토양의 유기탄소비를 부하율이라 한다. 부하율에 관한 연구는 토양특성, 경사, 강우강도와 같은 다양한 조건에 수행된 바 있으나(Mahmoodabadi et al., 2021; Maïga-Yaleu et al., 2013; Schiettecatte et al., 2008), 대다수 연구는 실험적 규모에서 측정된 부하율로 유역 전반을 대표할 수 없기에 현재까지도 학제 간 의견이 분분한 실정이다. 이에 본 연구에서는 부하율을 1로 가정하여 토양 유기 탄소의 거동을 모의하였다.

강우에 의한 토양 분리량( $D R$ )은 지표류의 수심이 증가함에 따라 지수함수 형태에 의해 감소하게 되며, Eqs. (16) and (17)과 같이 계산된다(Lee et al., 2013; Morgan et al., 1998).

(16)

D R = k \times K E \times e x p (- c h_{s})

(17)

K E = 0.013 I^{1.8547}

여기서, $k$ 는 토양분리력 (kg/J), $K E$ 는 강우 사상이 갖는 강우 운동에너지 (J/m²), $I$ 는 강우강도 (mm/hr), $c$ 는 토성(soil texture)에 의해 얻어지는 상수로 넓은 범위의 조건에서 보통 2의 값을 갖는다(Torri et al., 1987).

지표류에 의한 토양 분리량( $D F$ )은 유사 이송 능력이 주요 매개변수로 작용하며, 유사 이송은 지표류가 갖는 이송 능력이 충분할 때 발생한다(Lee et al., 2010). 지표 흐름에 의한 토양 분리량은 Eq. (18)에 의해 계산된다.

(18)

D F = α_{f} (T C - C) h_{s}

여기서, $T C$ 는 유사 이송 능력 (kg/m³), $C$ 는 유사농도 (kg/m³), $α_{f}$ 는 흐름이 갖는 토양 분리계수로써 토지이용에 따라 서로 다른 토양 분리계수를 갖는다. 본 연구에서는 선행연구가 제안한 값을 활용하였으며, 해당 계수는 Yeon et al. (2021)에 상세히 기술되어 있다.

유사 이송 능력은 유사의 형태, 산정하고자 하는 대상(하천, 수로, 유역 등)에 따라 다양한 형태로 개발되었으며, 다양한 침식모형에서 활용되고 있다(Prosser and Rustomji, 2000). 본 연구에서 개발된 모형의 공간 범위는 유역 규모로 Yang (1972) 공식, Kilinc and Richardson (1973) 공식 등이 해당 규모 및 물리적 기반 분포형 모형에 주로 활용되고 있다. 본 연구에서는 Kilinc and Richardson (1973) 공식을 활용하였으며, 해당 식은 Eq. (19)와 같다.

(19)

T C_{K R} = 25.5 \times q_{s_{0}}^{a} \times S_{f}^{b} \times \frac{K}{0.15}

여기서, $q_{s_{0}}$ 는 지표류의 단위 폭당 유량 (m²/s), $S_{f}$ 는 경사도, $K$ 는 침식성 인자로 0과 1 사이의 범위를 가지며, $a$ , $b$ 는 경험적인 상수로 각각 1.4~2.4, 1.2~1.9의 범위를 갖는다(Julien and Simons, 1985).

토양침식량 산정에 관한 흐름 해석은 Eq. (11)에 따라 상류에서 하류 방향으로 격자별 흐름을 추적하며, 수치해석은 MacCormack (2003)이 제안한 유한차분법으로 계산된다.

3.1.3 강우 유출 해석 모듈

유출량 산정 모듈은 물리적 기반 토양침식모형의 강우-유출 해석 알고리즘을 활용하였으며(Lee et al., 2013), 해당 과정은 다음과 같다. 먼저, 강우가 발생하면 강우는 토양층에 침투하여 지표하흐름을 발생시키며, 이때 지표하흐름은 비포화흐름(unsaturated flow)과 포화흐름(saturated flow)으로 구분되어 토양층 깊이와 투수계수에 의해 지표하흐름을 모의한다(Tachikawa et al., 2004). 비포화흐름은 강우 사상 초기에 지표 아래 토양입자 사이의 미세공극(micropore)에 물이 채워지는 것이며, 포화 흐름은 계속된 강우로 미세공극과 대공극(macropore)이 모두 채워진 상태로 흐르게 된다(Miyazaki, 2006). 강우가 지속되어 더는 토양이 물을 수용할 수 없는 포화 상태에 도달하면 지표 흐름이 발생하는 과정을 거친다.

지표하흐름과 지표흐름에 의한 유출량은 Eq. (20)과 같은 개념적인 수위-유량 관계식에 의해 계산되며(Tachikawa et al., 2004), 3개의 식은 각각 비포화흐름, 포화흐름, 지표흐름을 나타낸다. 지표흐름 및 지표하흐름 해석은 1차원 운동파 방정식에 의해 계산되며, Eq. (21)의 지배방정식을 통해 흐름을 해석한다(Lee et al., 2013; Tachikawa et al., 2004).

(20)

q = \{\begin{cases} v_{m} d_{m} {(h / d_{m})}^{γ} & 0 \leq h \leq d_{m} \dots \dots 1 \\ v_{m} d_{m} + v_{a} (h - d_{m}) & d_{m} \leq h \leq d_{a} \dots \dots 2 \\ v_{m} d_{m} + v_{a} (h - d_{m}) + α {(h - d_{a})}^{m} & 0 \leq h \dots \dots 3 \end{cases}

(21)

\frac{\partial h}{\partial t} + \frac{\partial q}{\partial x} = I (x, t)

여기서, $q$ 는 단위 폭당 유량 (m²/s)이며, $h$ 는 수심 (m), $d_{m}$ 은 비포화층의 두께 (m), $d_{a}$ 는 포화층의 두께 (m), 𝛾는 투수율 ( $γ = k_{a} / k_{m}$ ), $k_{a}$ 는 포화 투수계수 (m/s), $k_{u}$ 는 비포화 투수계수 (m/s), $v_{m} = k_{u} \times i$ , $v_{a} = k_{a} \times i$ , $α = \sqrt{s} / n$ , $s$ 는 사면경사, $n$ 은 조도계수, $m$ =5/3이다. 유출량 해석 시 조도계수는 토지이용 상태에 따라 많은 영향을 받으며, 토지이용 상태에 따른 조도계수는 Vieux (2001)가 제안한 조도계수를 활용하였다.

강우 유출 해석 모듈에서 지표 및 지표하흐름은 운동파 방정식의 근사해를 계산하기 위해 사각형 단면으로 가정하며, 흐름의 유선(streamline)과 동수 경사는 격자가 갖는 경사와 평행하다고 가정하여 해석한다(Lee et al., 2010). 연속방정식에서의 강우는 격자 수심에 직접 더해지며, 운동파 방정식의 수치해석은 Lax and Wendroff (2005)가 제안한 유한차분법에 의해 계산된다.

3.2 입력자료 구축

3.2.1 지형 및 공간자료

개발된 토양 탄소 분석 모형의 입력자료 중 지형자료는 크게 Digital Elevation Model (DEM)으로부터 생성되는 자료와 토지이용도이며, DEM은 국토지리정보원에서 제공하는 90 m 크기의 래스터 자료를 활용하여 250 m의 공간해상도로 재구축하여 본 연구에 활용하였다. 원시 DEM 자료는 흐름 해석 시 왜곡이 발생할 수 있으므로 GIS 공간 분석 프로그램인 ArcGIS Pro의 Fill 기법을 활용하여 공간 왜곡을 보정하였으며, 보정된 DEM으로부터 모형의 입력자료인 흐름 방향도(flow direction)와 흐름 누적도(flow accumulation)를 차례대로 생성하였다.

토지이용도는 환경부의 환경공간정보서비스에서 제공하는 공간자료를 활용하였다. 해당 서비스에서 제공하는 대분류 토지 피복 지도는 농경 지역을 논과 밭 등을 합친 단일 농경 지역으로 분류하고 있어, 본 모형에서는 농경 지역을 논과 밭으로 구분하여 모의하게 되므로 입력자료의 형태가 맞지 않는다. 따라서 모형의 입력자료에 맞는 자료로 재구축하기 위하여 1:25,000 축척의 중분류 토지 피복 지도를 활용하여 ArcGIS Pro의 Dissolve 기법을 활용하여 논과 밭으로 재분류하여 입력자료로 활용하였다. 해당 유역의 공간자료는 Fig. 1(b) and 1(c)와 같다.

3.2.2 기상

본 연구에 활용되는 기상자료는 강수와 기온자료이다. 강수 자료의 최소 시간 단위는 1시간이며, 해당 모형은 격자 기반의 분포형 모형으로 개발되어 모의하고자 하는 유역 내 모든 격자에 강수량이 입력되어야 한다. 따라서, 대상 지역의 강우 공간분포도가 필요하며, 개발된 수문 모형은 티센 기법, 역거리 가중법과 같은 내삽 기법을 활용한 강우 분포 자료 등 다양한 형태의 강우 공간분포자료를 활용할 수 있다. 본 연구에서는 왕숙천 유역에 인접한 5개 강우관측소의 강수 자료를 수집하고 해당 시기에 대상 유역에 영향을 준 태풍이나 집중호우 사상을 구분한 뒤, 티센 기법을 활용하여 이를 공간적으로 분포시켰다. 1개의 사상은 모형의 유출량 및 유사량 매개변수 보정에 활용하였다. 보정된 최적 매개변수를 적용한 모형에 1개의 사상을 모의함으로써 개발된 모형에 대한 유출량과 유사량을 검증하였으며, 나머지 1개의 사상은 토양 이산화탄소 플럭스 모의 및 검증에 활용하였다. 기온자료는 유역 내 위치한 광릉관측소의 시간 단위 기온자료를 활용하였으며, 모형의 안정화 및 초기조건의 영향을 줄이기 위하여 준비기간을 모의 시간 전에 약 1달의 시간을 주고 모의를 진행하였다. 모의에 활용된 관측소의 위치와 해당 사상의 기상 정보는 Fig. 1(d)와 Table 1에 나타내었다.

Table 1.

The meteorological information of selected events

	Event 1 (Typhoon Khanun)	Event 2 (Typhoon Bolaven)	Event 3 (Heavy rainfall in 2005)
Period	2012/07/18/02:00 ~ 2012/07/22/06:00	2012/08/24/13:00 ~ 2012/08/26/21:00	2005/07/30/01:00 ~ 2005/08/08/24:00
Duration time (hrs)	101	57	239
Total rainfall (mm)	61.3	29.3	160.7
Peak rainfall (mm/hr)	16.3	11.5	25.8
Average temperature (℃)	24.5	24.5	25.8
Peak temperature (℃)	32.1	32.2	36.7

3.2.3 수문

본 연구의 대상 지역인 왕숙천 유역의 유출구인 진관교 수위관측소의 수위-유량 관계곡선식은 풍부하지만, 유사량 자료는 매우 한정적이다. 따라서 본 연구에서는 관측 수문자료의 획득을 위해 ‘한국수문조사연보’와 2012년 경기도에서 발간한 ‘왕숙천 등 3개하천 하천기본계획’ 보고서를 활용하였다. 진관교 관측소의 유량 자료는 국가 수자원 관리 종합 정보시스템(WAMIS)에서 제공하는 수위자료를 2012년 한국수문조사연보의 수위-유량 관계곡선식에 대입하여 유량을 산정하였다. 유사량 자료의 경우 전술한 하천기본계획 보고서에만 유량-유사량 관계곡선식을 제공한다. 따라서 해당 관계곡선식을 이용하여 유사량 자료를 획득하였으며, 관측 수문자료의 정보는 Table 2에 나타내었다.

Table 2.

Estimated hydrological data

No.	Total discharge (m³/s)	Peak discharge (m³/s)	Total sediment (kg/m²)	Peak sediment (kg/m²/hr)
1	2,913	131	15.85	1.49
2	1,265	63	3.93	0.4

3.2.4 토양 유기 탄소 저장량

토양 유기 탄소 저장량은 일반적으로 지역 단위에서부터 국가, 대륙 규모로 실시하는 토양 조사로부터 얻은 토양 자료를 활용하여 다양한 방법으로 산정하게 된다(Benites et al., 2007; Do et al., 2024). SOCS 산정에 있어 용적밀도는 주요 인자 중 하나이나, 일부 토양 자료에서 누락 및 결측되어 있다(Kaur et al., 2002). 따라서 용적밀도가 결측된 일부 토양의 경우 주변 토양 자료를 그대로 사용하거나, 용적밀도 값을 가정하여 SOCS를 산정하기도 한다. 우리나라도 일부 토양통(soil series)에서 용적밀도가 결측되어 있어, 일부 지역의 SOCS 산정이 제한된다. Do et al. (2024)는 국내 토양통을 중심으로 토양특성 전환 공식(Pedo-Transfer Function, PTF)을 활용하여 용적밀도를 추정하고, 추정된 용적밀도를 이용하여 국내 SOCS를 산정한 바 있다. PTF는 토양 입도분포, 유기물 함량과 같은 토양 물성을 활용하여 결측된 인자값을 추정하는 대표적인 방법이다. 본 연구에서는 Do et al. (2024)가 제시한 SOCS 분포 자료를 래스터 파일로 재구축하여 활용하였다(Fig. 1(e)).

3.2.5 유기 탄소 유입량 및 엽면적지수

개발된 모형은 유역기반 모형으로 단일 토지이용 형태가 아닌 다양한 토지이용 형태가 존재하므로, 토지이용별 토양 유기 탄소 유입량 자료가 입력자료로 활용된다. 유기 탄소 유입량은 토양 유기 탄소 증가에 영향을 주는 인자로 Eq. (3)의 $A D D$ 항으로써, 낙엽낙지량(litterfall), 뿌리, 식물 고사체 등으로 구성된다. 토양으로 유입된 유기물은 토양 내 서식하는 생물에 의해 분해되어 저장고 간의 상호작용을 통해 각 저장고에 저장된다. 국외의 경우 다양한 토지이용 형태, 수종 간 낙지량 차이 분석 등 다양하고 광범위하게 연구가 수행되고 있으나, 국내의 경우 주로 산림에 국한된 연구가 수행되고 있다. 그러므로, 본 연구에서는 국내·외 문헌 연구를 통해 토지이용에 따른 유기 탄소 유입량을 정량화하여 본 모형의 입력자료로 활용하였다(Table 3). 한편, 수역, 나지, 시가지의 경우 유기 탄소 유입량이 다른 토지이용 상태와 비교해 상대적으로 적을 것으로 가정하여 본 연구에서는 해당 토지이용 상태에 유기 탄소 유입량을 고려하지 않았다.

Table 3.

ADD and LAI used in this study (ADD unit: g/m³/hr)

Month Land use		1	2	3	4	5	6	7	8	9	10	11	12	Reference
Wetland	ADD	0	0	2.85	2.18	2.83	2.53	4.39	5.12	2.48	3.27	0	0	Choi et al. (2013)
Wetland	LAI	0	0	0	2.03	2.83	2.25	3.49	3.71	0	0	0	0	Herbst et al. (2011)
Grassland	ADD	0.06	0.10	0.14	0.16	0.18	0.10	0.30	0.29	0.11	0.31	0	0	Pathak et al. (2018)
Grassland	LAI	1.01	1.3	1.4	0.8	1.2	0.51	0.41	0.1	0.5	0.4	1.2	0.3	Akkermans et al. (2012)
Forest	ADD	0	0	0.16	0.01	0.15	0.08	0.31	0.35	0.68	0.68	0.86	0	Kwon et al. (2016)
Forest	LAI	0	0	0	0	0	3.8	5.97	5.72	5.61	3.74	0	0	Koo et al. (2007), Kwon et al. (2016)
Paddy field	ADD	0.36	0.36	0.36	0.36	0.36	2.31	2.31	2.31	0.77	1.13	0.36	0.36	Hwang et al. (2017)
Paddy field	LAI	0	0	0	0	0	0.51	4.3	5.52	3.65	3.01	0	0	Hur et al. (2020)
Cropland	ADD	0.85	0.43	0.38	2.57	0.69	0.98	1.54	3.13	1.72	1.44	1.77	1.13	Pereira et al. (2023)
Cropland	LAI	0	0	0	0	0	0.49	2.77	5.5	4.06	2.7	0	0	Hur et al. (2020)

엽면적지수(Leaf Area Index, LAI)는 토양 유기 탄소 변화에 영향을 주는 주요 변수 중 하나로, 특히 산림생태계에서 광합성, 호흡, 증발산 등에 영향을 줄 뿐만 아니라 강우와 태양열 차단 등에도 영향을 미친다(Kwon et al., 2016; Moon et al., 2018). LAI는 지표 면적에 대한 임관층(canopy layer)과 총 엽면적(잎의 앞·뒷면을 합한 면적)의 절반으로 정의한다. LAI를 추정하는 방법으로는 나무에서 잎을 채취하거나 낙엽량을 수거하여 측정하는 직접 방법과 센서나 위성 자료를 활용한 간접 방법이 있다(Moon et al., 2018). 본 연구에서는 유기 탄소 유입량과 같은 방법으로 국내를 비롯한 국외 선행연구를 참조하여 토지이용별 LAI를 월별로 정량화하여 모형의 입력자료로 활용하였다(Table 3).

3.3 모형의 검·보정

수문모형은 개발 목적에 따라 다양하게 개발되어 사용되고 있으며, 모든 모형의 원론적인 목적은 높은 정확도의 모의 결과를 도출해내는 것이다. 이를 위하여 관측된 수문 자료와 모형의 모의결과의 비교 및 분석을 통해 수문모형을 검증하고, 신뢰도를 평가한다(Lee et al., 2022).

모형의 매개변수는 물리적 매개변수(physical parameter)와 과정 매개변수(process parameter)로 구분되며(Sorooshian and Gupta, 1995), 물리적 매개변수는 DEM과 같은 모형의 입력자료로부터 표고, 경사, 유로 연장, 조도계수 등을 직접 구할 수 있으며, 과정 매개변수는 지수, 상수 등 양적인 개념으로, 모형의 모의 결과와 관측 수문자료와의 보정을 통해 얻어진다. 분포형 수문모형의 경우 유역을 수천 개 이상의 격자로 구분함에 따라, 공간이 갖는 이질성을 완벽히 재현할 수 없으므로, 토양특성과 지표 조건을 표현하는 매개변수도 함께 고려하여 보정하기도 한다(Sorooshian and Gupta, 1995).

매개변수의 보정방법에는 시행착오법과 같은 수동 보정 방법과 최적화기법에 의한 자동 보정 방법이 있다. 본 연구에 활용된 수문 모형에는 자동 보정 알고리즘인 MIDACO-SOLVER가 탑재되어 있으며, 해당 알고리즘은 단일 혹은 다중 변수의 최적화가 가능하다(Schlueter et al., 2013). 본 연구에서는 Nash- Sutcliff model Efficiency coefficient (NSE)를 목적함수로 하여 모형의 매개변수를 보정하였으며, 매개변수의 물리적 범위는 모두 선행연구가 제시한 범위를 사용하였다(Julien and Simons, 1985; Kim, 2019; Lee et al., 2013). 모형의 매개변수와 범위, 보정된 매개변수의 값을 Table 4에 나타내었다.

Table 4.

Initial range and optimal model parameters

Parameter		Description	Range of value	Optimal Value
Runoff	$k_{a}$	Hydraulic conductivity (m/s)	0.001 - 0.1	0.059
	$d_{m}$	Unsaturated depth ratio	0 - 1	0.159
	$d_{s}$	Saturated depth ratio	0 - 1	0.1
	𝛽	Permeability (%)	0 - 100	8.313
Sediment	$k$	Soil detachability (kg/J)	0.0001 - 1	0.0056
	$a$	Coefficient related to runoff	1.4 - 2.4	1.5695
	$b$	Coefficient related to slope	1.2 - 1.9	1.5433
	K	Soil erodibility	0 - 1	0.8546

한편, 모형의 검증 시 평가지수를 활용한 객관적 정량화를 통해 모형의 신뢰도를 판단해야 한다. 모형 신뢰도 검증을 위해 단일 평가지수를 활용할 시, 결과의 신뢰성이 저하될 수 있으므로 다양한 모형 평가지수를 활용한다(Lee et al., 2022). 따라서 본 연구에서는 목적함수인 NSE 이외에도 수문모의 시 평가지수로 많이 활용되고 있는 Root mean square error Standard deviation Ratio (RSR), Percent BIAS (PBIAS), Peak Ratio (PR)를 활용하여 모형을 검증하였다(Eq. (22), (23), (24), (25)).

(22)

N S E = 1 - \frac{\sum_{t = 1}^{N} {(O_{t} - P_{t})}^{2}}{\sum_{t = 1}^{N} {(O_{t} - \bar{O})}^{2}}

(23)

R S R = \frac{\sqrt{\sum_{t = 1}^{N} {(O_{t} - P_{t})}^{2}}}{\sqrt{\sum_{t = 1}^{N} {(O_{t} - \bar{O})}^{2}}}

(24)

P B I A S = \frac{\sum_{t = 1}^{N} (O_{t} - P_{t}) * 100}{\sum_{t = 1}^{N} O_{t}}

(25)

P R = (\frac{P_{\max}}{O_{\max}})

여기서, $N$ 은 자료의 개수, $O_{t}$ 는 $t$ 시간에서의 관측값, $P_{t}$ 는 $t$ 시간에서의 모의값, $\bar{O}$ 는 관측값의 평균값, $O_{\max}$ 는 관측값의 최댓값, $P_{\max}$ 는 모의값의 최댓값이다.

한편, Moriasi et al. (2007)은 일 단위 이상 유출량 분석 시 평가지수의 성능 평가 등급을 제시한 바 있으며, Lee et al. (2022)는 시간 단위 유출량을 모의하고 Moriasi et al. (2007)이 제안한 성능 평가 등급을 사용한 결과, 해당 성능 평가가 시간 단위 유출량에 대한 신뢰도 검증 시 사용될 수 있음을 확인하였다. 본 연구에서는 선행연구가 제안한 모형 성능 평가 등급을 활용하였으며, 각 평가지수에 대한 등급은 Table 5와 같다.

Table 5.

General performance ratings for recommended statistics

Performance rating	Performance index
	NSE	RSR	PBIAS (%)
	NSE	RSR	Discharge	Sediment
Very good	0.75 < NSE ≦ 1.00	0.00 ≦ RSR ≦ 0.50	PBIAS < ±10	PBIAS < ±15
Good	0.65 < NSE ≦ 0.75	0.50 < RSR ≦ 0.60	±10 ≦ PBIAS < ±15	±15 ≦ PBIAS < ±30
Satisfactory	0.50 < NSE ≦ 0.65	0.60 < RSR ≦ 0.70	±15 ≦ PBIAS < ±25	±30 ≦ PBIAS < ±55
Unsatisfactory	NSE ≦ 0.50	0.70 < RSR	±25 ≦ PBIAS	±55 ≦ PBIAS

토양 유기 탄소는 장기간에 걸쳐 서서히 변화하는 특성으로 인해 단기 강우 사상에 대해 토양 유기 탄소의 변화를 모의하려면 토양 호흡 특성을 분석해야 한다. 국내 토양 호흡 측정은 국외와 달리 일부 지역에만 측정되고 있으며, 자료의 접근 또한 어려워 모의 결과의 검증이 제한적이다. 본 연구의 대상 유역에는 광릉시험림이 위치하여 엽면적지수 추정, 토양 호흡 측정 등 다양한 연구가 진행되고 있다. Lee (2011)은 광릉 시험림 내에 자동화 체임버 장치를 설치하고 2005년 여름철(7월 30일~8월 8일)에 10일간 1시간 단위로 토양 호흡을 측정함으로써, 여러 인자와의 관계를 분석한 바 있다. 본 연구에서는 해당 자료를 활용하여 모형을 검증하였다. 또한, 토지이용별 토양 이산화탄소 플럭스는 기존 선행연구가 제시한 연구 결과와 비교하였다. 본 연구에서 활용된 선행연구는 국내·외 다양한 토지 피복 및 토지이용 조건에서 토양 호흡 및 온실가스 배출, 농업 생산성 등을 측정하고 이를 분석한 연구이다(Bae and Ryu, 2017; Hwang et al., 2017; Lee, 2011; Wang et al., 2017).

4. 연구 결과 및 토의

4.1 Event 1(Typhoon Khanun)

Event 1의 결과는 모형 보정의 결과로써 전체적으로 우수한 재현성의 결과를 보였다(Table 6). 유출량 분석 결과, 모의 첨두유량(138.4 m³/s)과 관측 첨두유량(131.1 m³/s)의 비인 PR은 1.06으로 거의 유사한 첨두치를 나타내었으며, 모의 첨두시간은 지체 시간 없이 관측 첨두시간과 같게 나타났다. 해당 강우 사상의 관측 유량의 총합은 2,913.3 m³/s, 모의 유량의 총합은 2,919 m³/s로 약 6.4 m³/s의 차이가 발생하였다. 모형의 평가지수인 NSE, RSR, PBIAS는 각각 0.98, 0.02, -0.22로 분석되었으며, 선행연구가 제안한 등급에 따르면 모두 매우 우수한 등급을 보여주고 있다.

Table 6.

Result of performance index (Event 1)

	Peak time	NSE	RSR	PBIAS (%)	PR
Discharge	07-19 09:00	0.98	0.02	-0.221	1.06
Discharge	07-19 09:00	very good	very good	very good	1.06
Sediment	07-19 09:00	0.81	0.19	17.1	1.05
Sediment	07-19 09:00	very good	very good	good	1.05

유사유출량 분석 결과, 모의 첨두유사량(1.65 kg/m²/hr)과 관측 첨두유사량(1.49 kg/m²/hr)의 차이는 0.16 kg/m²/hr으로 PR은 1.05로 분석되었다. 첨두시간 또한 유량과 마찬가지로 같은 시간에 첨두치에 도달하며, 관측 유사량의 총합은 15.85 kg/m², 모의 유사량 총합은 16.73 kg/m²으로 약 0.88 kg/m²의 차이가 발생하였다. 모형 평가지수 NSE, RSR, PBIAS는 각각 0.81, 0.19, 17.1로 나타났으며, 선행연구가 제시한 등급은 각각 ‘very good’, ‘very good’, ‘good’로 좋은 성능을 나타내었다.

토지이용별 단위 침식 깊이는 밭과 나지에서 침식이 가장 많이 발생하였으며, 수역의 경우 퇴적이 발생하는 것으로 나타났다(Table 7). 토지이용별 침식량은 밭과 산림에서 가장 많은 침식이 발생하는 것으로 분석되었다. 토양 침식은 토지이용 상태에 따라 발생 형태, 발생 기작 등이 상이하다. 특히, 논에서의 강우 유출 및 토양 침식은 해당 시기에 담수 상태에 있거나 논의 제방 높이, 작물의 생장 상태 등에 따라 발생 기작이 다르게 나타날 수 있다. 본 연구에서는 유역 전반에 대한 모의로 인해 토지이용 상태에 대해 이를 상세하게 반영하지 않았으나, 향후 장기 모의 시 토지이용 상태 및 계절별 경향성 차이가 뚜렷할 것으로 예상되므로 해당 인자를 상세하게 반영해야 할 것으로 판단된다. 또한, 해당 모형은 토지이용 상태에 따른 토양 분리계수를 활용하여 토양 침식량을 모의하게 구성되어 있어, 토지이용 외에 다양한 인자를 반영하기 어렵다. 따라서 토양특성과 같은 토양 침식에 영향을 줄 수 있는 인자를 고려한 심도 있는 연구가 향후 필요할 것으로 판단된다.

Table 7.

Result of net erosion unit depth and volume in each land use (Event 1)

Land use	Percentage of land use (%)	Net erosion unit depth (cm)	Rank	Net erosion volum (m³)	Rank
Total	100	0.3	-	7,312	-
Water area	0.7	-0.0004	8	-62	8
Built-up area	10.8	0.005	7	125	7
Bare land	3.0	0.104	2	312	4
Wetland	1.0	0.007	6	125	6
Grassland	9.1	0.008	5	1,500	3
Forest	64.4	0.074	3	2,063	2
Paddy field	0.7	0.015	4	187	5
Cropland	10.3	0.152	1	3,062	1

※ + : erosion / - : deposition

4.2 Event 2(Typhoon Bolaven)

Event 2의 결과는 Event 1에서 보정된 최적 매개변수를 해당 강우 사상에 적용하여 모형을 검증한 결과이다(Table 8). 유출량 해석 결과, 유량과 유사량 모두 우수한 재현성의 결과를 보였다. 모의 첨두유량은 71.8 m³/s, 관측 첨두유량은 63 m³/s로, PR의 값은 1.14로 유사한 첨두치를 나타내었으며, 모의 첨두시간은 지체 시간 없이 관측 첨두시간과 같게 나타났다. Event 2의 관측 유량 총합은 1,265 m³/s, 모의 유량 총합은 1,450 m³/s로 약 185 m³/s 차이가 나타났다. 모형의 평가지수인 NSE, RSR, PBIAS는 각각 0.73, 0.27, -14.6으로 나타났으며, 선행연구가 제시한 평가등급은 각각 ‘good’, ‘very good’, ‘good’로 우수한 성능을 보였다.

Table 8.

Result of performance index (Event 2)

	Peak time	NSE	RSR	PBIAS (%)	PR
Discharge	08-25 06:00	0.73	0.27	-14.6	1.14
Discharge	08-25 06:00	good	very good	good	1.14
Sediment	08-25 06:00	0.685	0.32	2.6	1.11
Sediment	08-25 06:00	good	very good	very good	1.11

유사유출량 해석 결과, 모의 첨두유사량(0.5 kg/m²/hr)과 관측 첨두유사량(0.4 kg/m²/hr)의 비는 1.11로 유사한 첨두치를 나타내었다. 첨두시간 또한 유량과 마찬가지로 지체 시간 없이 같은 시간에 도달하는 것으로 나타났다. Event 2의 관측 유사량의 총합은 3.93 kg/m², 모의 유사량의 총합은 4.68 kg/m²으로 약 0.75 kg/m²의 차이가 발생하였다. 모형의 평가지수 NSE, RSR, PBIAS는 각각 0.69, 0.32, 2.6으로 나타났으며, 각각 ‘good’, ‘very good’, ‘very good’로 모든 평가지수에서 우수한 성능을 나타내었다.

토지이용별 단위 침식 깊이는 Event 1의 결과와 같이 밭과 나지에서 침식이 가장 많이 발생하였으며, 퇴적은 수역과 습지에서 발생하였다(Table 9). 토지이용별 침식량 또한 Event 1의 결과와 같이 밭과 산림에서 가장 많은 침식이 발생하는 것으로 분석되었다.

Table 9.

Result of net erosion unit depth and volume in each land use (Event 2)

Land use	Percentage of land use (%)	Net erosion unit depth (cm)	Rank	Net erosion volum (m³)	Rank
Total	100	0.09	-	1,875	-
Water area	0.7	-0.007	8	-127	8
Built-up area	10.8	0.002	6	63	6
Bare land	3.0	0.039	2	67	4
Wetland	1.0	-0.006	7	-126	7
Grassland	9.1	0.004	4	65	5
Forest	64.4	0.007	3	751	2
Paddy field	0.7	0.003	5	124	3
Cropland	10.3	0.054	1	1,064	1

※ + : erosion / - : deposition

4.3 Event 3(Heavy rainfall in 2005)

4.3.1 토양 이산화탄소 플럭스

Event 3은 토양 호흡의 추정 및 검증을 위한 사상이다. 토양 호흡 모의 결과, 전체적으로 모형의 토양 이산화탄소 플럭스의 재현성은 우수한 것으로 나타났다. 강우 사상 초기에 모의 토양 호흡량은 관측값의 범위에 도달하지 못하였으나, 시간이 지나면서 안정화되어 7월 30일, 8월 3일을 제외한 모의 결과에서 관측값 범위에 포함되었다(Fig. 2).

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-07/N0200580703/images/kwra_58_07_03_F2.jpg

Fig. 2.

Soil CO₂ flux graph in Gwangneung

토지이용별 평균 토양 이산화탄소 플럭스를 분석하고 모의 결과의 평균과 표준 편차의 결과를 Fig. 3에 나타내었다. 유기 탄소 유입량을 고려하지 않은 수역, 나지, 도시화 지역을 제외한 5개의 토지이용상태에 대해 토양 이산화탄소 플럭스를 추정하였으며, 기존 선행연구에서 제시한 토양 이산화탄소 플럭스 자료와 비교하였다. 선행연구와 모의 결과와의 비교 결과, 밭을 제외한 모든 지역에서 관측범위를 만족하였으며, 밭의 경우 311.7 mg CO₂/m²/h의 관측값과 316.4 mg CO₂/ m²/h의 차이는 약 4.7 mg CO₂/m²/h로 오차가 크지 않은 것으로 나타났다. 해당 오차는 관측 자료로 활용한 선행연구 중 밭만 국외에서 측정한 자료를 활용하여 그 값을 비교한 결과로 인한 오차로 판단된다. 국내에서는 탄소 유입량, 엽면적지수 등의 자료는 토양 호흡 자료와 마찬가지로 매우 한정적이다. 국외의 인자값을 활용할 경우, 지형, 지질, 기후 등의 조건이 국내와 다르므로 모의 결과의 불확실성을 가져올 수 있다. 따라서 다양한 조건(토지 피복, 작물 종류 등)에 따른 다양한 연구가 요구된다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-07/N0200580703/images/kwra_58_07_03_F3.jpg

Fig. 3.

Soil CO₂ flux results in each land use type

4.3.2 토양 유기 탄소 저장량

토양 유기 탄소 저장량의 변화를 침식을 고려했을 경우와 고려하지 않았을 경우로 구분하여 Fig. 4와 Table 10에 나타내었다. Table 10의 평균은 모든 격자 내 탄소 평균을 의미하며, 최대는 유역 내 최대 토양 탄소를 저장하고 있는 지역, 총 토양 유기 탄소량은 유역 내 모든 토양 유기 탄소량의 합이다. 평균 토양 유기 탄소 저장량은 침식을 고려하지 않았을 경우와 고려했을 경우 모두 감소하는 것으로 나타났다. 그러나, 유역 내 최대 토양 탄소 저장량은 침식을 고려하지 않았을 경우 변화가 없었으며, 침식을 고려할 경우 감소하는 것으로 나타났다. 총 토양 유기 탄소 저장량은 모두 감소하나, 침식을 고려할 경우가 고려하지 않았을 때보다 더 감소하였다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-07/N0200580703/images/kwra_58_07_03_F4.jpg

Fig. 4.

Change of SOCS considering erosion

Table 10.

Result of SOCS in Event 3

Soil organic carbon stock	Initial (kg C/m₂)	No erosion (kg C/m²)	Erosion (kg C/m²)
Mean	4.336	4.295 (▽0.041)	4.290 (▽0.046)
Maximum	8.57	8.57 (0)	8.558 (▽0.012)
Total	4,199	4,159 (▽40)	4,154 (▽44)

Table 11은 토양 유기 탄소의 유입을 고려한 5개의 토지이용 형태에 대한 토양 유기 탄소 저장량의 변화를 나타낸 결과이다. 초기 유기 탄소 저장량은 산림이 가장 많은 탄소를 차지하는 것으로 나타났으며, 5개의 토지이용 형태 모두 시간이 지남에 따라 탄소량이 감소하는 것으로 분석되었다. 침식을 고려하지 않았을 경우와 침식을 고려하였을 경우를 비교해보면 습지, 산림, 밭은 침식을 고려하였을 경우 유기 탄소 저장량이 더욱 감소하였다.

Table 11.

Result of total SOCS in each land use (Event 3)

Land use	Initial (kg C/m²)	No erosion (kg C/m²)	Erosion (kg C/m²)
Wetland	38	37 (▽1)	36 (▽2)
Grassland	350	347 (▽3)	347 (▽3)
Forest	2,840	2815 (▽25)	2813 (▽27)
Paddy field	34	33 (▽1)	33 (▽1)
Cropland	397	389 (▽8)	388 (▽9)

단기 사상에서 토양 침식을 고려하였을 경우와 그렇지 않은 경우에 대한 탄소 변화의 차이는 작게 나타났다. 그러나, 시간에 따라 유역 전반에서 수평적·수직적 탄소 플럭스 교환은 지속해서 발생한다. 특히 수평적 탄소 플럭스는 토양 침식에 의한 유사 이송에 따라 교환되므로, 토양 침식의 물리적 과정을 적절하게 고려함으로써 토양 유기 탄소 변화를 모의해야 한다.

또한, 토양 유기 탄소의 변화를 살펴보면 침식을 고려하였을 때가 침식을 고려하지 않았을 때보다 변화의 폭이 더 크게 나타났다. 침식으로 인해 토양 유기 탄소가 노출되면, 침식이 갖는 에너지에 의해 유기 탄소가 쉽게 이송되거나 대기 중으로 방출될 수 있다. 반면에 퇴적지역은 퇴적된 토양으로 인해 토양의 통기성이 감소하여 토양 유기 탄소의 안정화를 높이게 되지만, 토양 유기 탄소 총량의 증가로 토양 호흡량이 늘어날 수 있다. 따라서 침식이 활발한 지역은 침식으로 인한 토양 교란을 방지함으로써 토양 유기 탄소의 손실을 줄이고, 퇴적이 활발한 지역은 식생 식재 등 토양 호흡에 의한 탄소 배출을 줄이는 방안을 마련하는 것이 기후 위기 완화에 도움이 될 수 있다.

다만, 해당 연구의 결과는 단기 사상을 중심으로 모의한 결과이므로 낙엽 낙지가 많아지는 가을과 같은 유기물의 유입이 많아지는 시기를 고려하면 토양 유기 탄소량은 증가하거나 상쇄될 수 있다. 따라서 모형의 장기 모의를 통해 계절적·공간적 변동성을 파악하고 더 나아가 기후변화에 따른 미래 전망 예측 등 다양한 연구가 필요할 것으로 판단된다.

5. 요약 및 결론

본 연구에서는 생지화학적 탄소 모형과 물리적 기반의 침식모형을 결합한 유역기반 토양 탄소 분석 모형을 개발하였다. 해당 모형은 침식과 퇴적의 물리적 과정을 고려함으로써 유출량, 유사유출량, 토양 호흡량, 토양 유기 탄소 변화 등을 동시에 모의할 수 있는 모형이다. 개발된 모형의 보정 및 검증을 수행하기 위하여 관측 수문 자료(유량, 유사량)와 토양 이산화탄소 플럭스 자료 확보가 가능한 왕숙천 유역을 대상으로 연구를 수행하였으며, 강우 사상 동안 발생하는 유출량, 유사유출량, 토양 호흡량, 토양 유기 탄소 변화를 모의하고 이를 검증하였다. 수행된 연구 결과의 요약 및 결론은 다음과 같다.

모형의 매개변수 보정 이후의 유출량 및 유사유출량 모의 결과는 유출량에서 NSE, RSR, PBIAS, PR은 각각 0.98, 0.02, -0.22, 1.06의 결과를 나타내었으며, 유사유출량에서 각각 0.81, 0.19, 17.1, 1.05로 매우 우수한 재현성의 결과를 보여주었다. 또한, 최적 매개변수를 적용하여 Event 2의 강우 사상에 해당 모형을 검증한 결과, 유출량에서 NSE, RSR, PBIAS, PR은 각각 0.73, 0.27, -14.6, 1.14로 높은 성능을 나타내었고 유사유출량도 각각 0.69, 0.32, 2.6, 1.11로 정확도 높은 결과를 도출하였다.

Event 3에 대한 토양 호흡 모의 결과, 전체적으로 토양 이산화탄소 플럭스의 재현성은 일부 시기를 제외한 거의 모든 구간에서 우수한 재현성을 도출하였다. 토지이용 별 평균 토양 이산화탄소 플럭스는 밭을 제외한 지역에서 기존 선행연구가 제시한 토양 이산화탄소 플럭스 자료의 범위 내에 포함되어 우수한 결과를 도출하였으나, 밭의 관측값과 모의값의 차이는 약 4.7 mg CO₂/m²/h로 오차가 크지 않은 것으로 나타났다. 그러므로 본 연구에서 개발된 모형을 국내 유역에 적용할 시 신뢰도 높은 모의 결과를 제시할 수 있을 것으로 판단되나, 모형의 정확도 향상 및 범용성을 확보하기 위해서는 토양 탄소 플럭스와 같은 관측망 확대가 선행되어야 할 것이다. 본 연구의 결과는 토양 침식 위험지역 관리 및 탄소 흡수원 설치 예비 조사 등을 위한 기초자료 제공 및 분석 도구로 활용될 수 있을 것으로 판단된다.

Acknowledgements

본 결과물은 환경부의 재원으로 한국환경산업기술원의 “기후위기대응 홍수방어능력 기술개발사업”의 지원을 받아 연구되었습니다.(2022003460002)

Conflicts of Interest

The authors declare no conflict of interest.

References

Akkermans, T., Lauwaet, D., Demuzere, M., Vogel, G., Nouvellon, Y., Ardö, J., Caquet, B., De Grandcourt, A., Merbold, L., and Kutsch, W. (2012). “Validation and comparison of two soil‐vegetation‐atmosphere transfer models for tropical Africa.” Journal of Geophysical Research: Biogeosciences, Vol. 117, G02013.

10.1029/2011JG001802

Bae, J., and Ryu, Y. (2017). “Spatial and temporal variations in soil respiration among different land cover types under wet and dry years in an urban park.” Landscape and Urban Planning, Vol. 167, pp. 378-385.

10.1016/j.landurbplan.2017.07.020

Batjes, N.H. (1996). “Total carbon and nitrogen in the soils of the world.” European Journal of Soil Science, Vol. 47, No. 2, pp. 151-163.

10.1111/j.1365-2389.1996.tb01386.x

Benites, V.M., Machado, P.L., Fidalgo, E.C., Coelho, M.R., and Madari, B.E. (2007). “Pedotransfer functions for estimating soil bulk density from existing soil survey reports in Brazil.” Geoderma, Vol. 139, No. 1-2, pp. 90-97.

10.1016/j.geoderma.2007.01.005

Brady, N.C., and Weil, R.R. (2008). The nature and properties of soils. Vol. 13. Prentice Hall, Upper Saddle River, NJ, U.S., pp. 662-710.

Chen, Z., Wang, J., Deng, N., Lv, C., Wang, Q., Yu, H., and Li, W. (2018). “Modeling the effects of farming management practices on soil organic carbon stock at a county-regional scale.” Catena, Vol. 160, pp. 76-89.

10.1016/j.catena.2017.09.006

Choi, K., Kim, H.J., Kim, D.S., and Cho, K.H. (2013). “Primary production and litter decomposition of macrophytes in the Sihwa constructed wetlands.” Journal of Wetlands Research, Vol. 15, No. 3, pp. 347-356.

10.17663/JWR.2013.15.3.347

D’odorico, P., Laio, F., Porporato, A., and Rodriguez-Iturbe, I. (2003). “Hydrologic controls on soil carbon and nitrogen cycles. II. A case study.” Advances in Water Resources, Vol. 26, No. 1, pp. 59-70.

10.1016/S0309-1708(02)00095-7

Do, M.T., Van, L.N., Le, X., Nguyen, G.V., Yeon, M., and Lee, G. (2024). “National variability in soil organic carbon stock predictions: Impact of bulk density pedotransfer functions.” International Soil and Water Conservation Research, Vol. 12, No. 4, pp. 868-884.

10.1016/j.iswcr.2024.04.002

Heo, M., Song, C., Kim, J., and Kim, W. (2022). “Applicability of biogeochemical models to forest ecosystems in South Korea.” Journal of Climate Change Research, Vol. 13, No. 4, pp. 409- 428.

10.15531/KSCCR.2022.13.4.409

Herbst, M., Friborg, T., Ringgaard, R., and Soegaard, H. (2011). “Catchment‐wide atmospheric greenhouse gas exchange as influenced by land use diversity.” Vadose Zone Journal, Vol. 10, No. 1, pp. 67-77.

10.2136/vzj2010.0058

Hur, J., Shim, K., Lee, B., Kim, Y., and Jo, S. (2020). “Estimation and comparison of carbon uptake in rice paddy, dry cropland and grove in South Korea using eddy covariance flux data.” Korean Journal of Environmental Agriculture, Vol. 39, No. 4, pp. 334-342.

10.5338/KJEA.2020.39.4.40

Hwang, H.Y., Kim, G.W., Kim, S.Y., Haque, M.M., Khan, M.I., and Kim, P.J. (2017). “Effect of cover cropping on the net global warming potential of rice paddy soil.” Geoderma, Vol. 292, pp. 49-58.

10.1016/j.geoderma.2017.01.001

Intergovernmental Panel on Climate Change (IPCC) (2023). Climate change 2023: Synthesis report, summary for policymakers. Contribution of working groups I, II and III to the Sixth assessment report of the intergovernmental panel on climate change [Core Writing Team, H. Lee and J. Romero (eds.)]. Geneva, Switzerland.

Jarvis, P.G., and Leverenz, J.W. (1983). Productivity of temperate, deciduous and evergreen forests. In physiological plant ecology IV: Ecosystem processes: Mineral cycling, productivity and man’s influence. Springer, Berlin, Heidelberg, pp. 233-280.

10.1007/978-3-642-68156-1_9

Julien, P.Y., and Simons, D.B. (1985). “Sediment transport capacity of overland flow.” Transactions of the ASAE, Vol. 28, No. 3, pp. 755-0762.

10.13031/2013.32333

Kaur, R., Kumar, S., and Gurung, H.P. (2002). “A pedo-transfer function (PTF) for estimating soil bulk density from basic soil data and its comparison with existing PTFs.” Soil Research, Vol. 40, No. 5, pp. 847-858.

10.1071/SR01023

Kilinc, M., and Richardson, E.V. (1973). Mechanics of soil erosion from overland flow generated by simulated rainfall. Ph. D. Dissertation, Colorado State University, Ft. Collins, CO, U.S.

Kim, S.W. (2019). Estimation of topsoil erosion considering physical characteristics of rainfall intensity and overland flow. Ph.D. Dissertation, Chungnam National University.

Koo, C., Ka, K., Park, W., Park, H., Ryu, S., Park, Y., and Kim, T. (2007). “Changes of leaf area index, physiological activities and soil water in Tricholoma matsutake producing pine forest ecosystem.” Journal of Korean Society of Forest Science, Vol. 96, No. 4, pp. 438-447.

Kwon, B., Jeon, J., Kim, H.S., and Yi, M.J. (2016). “Estimation of specific leaf area index using direct method by leaf litter in Gwangneung, Mt. Taewha and Mt. Gariwang.” Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 1, pp. 1-15.

10.5532/KJAFM.2016.18.1.1

Lal, R. (2001). “Soil degradation by erosion.” Land Degradation & Development, Vol. 12, No. 6, pp. 519-539.

10.1002/ldr.472

Lal, R. (2004). “Soil carbon sequestration impacts on global climate change and food security.” Science, Vol. 304, No. 5677, pp. 1623-1627.

10.1126/science.1097396

Lashof, D.A., and Ahuja, D.R. (1990). “Relative contributions of greenhouse gas emissions to global warming.” Nature, Vol. 344, No. 6266, pp. 529-531.

10.1038/344529a0

Lax, P., and Wendroff, B. (2005). Systems of conservation laws. Selected Papers Volume I. Springer, New York, NY, U.S., pp. 263-283.

Lee, G., Yu, W., Jung, K., and APIP (2013). “Catchment-scale soil erosion and sediment yield simulation using a spatially distributed erosion model.” Environmental Earth Sciences, Vol. 70, pp. 33-47.

10.1007/s12665-012-2101-5

Lee, G.H., Yeon, M.H., Kim, Y.H., and Jung, S.H. (2022). “Analysis of the effect of objective functions on hydrologic model calibration and simulation.” Journal of Korean Society of Disaster and Security, Vol. 15, No. 1, pp. 1-12.

Lee, G.H., Yu, W.S., Jang, C.L., and Jung, K.S. (2010). “Analysis on spatiotemporal variability of erosion and deposition using a distributed hydrologic model.” Journal of Korea Water Resources Association, Vol. 43, No. 11, pp. 995-1009.

10.3741/JKWRA.2010.43.11.995

Lee, J. (2011). “Monitoring soil respiration using an automatic operating chamber in a Gwangneung temperate deciduous forest.” Journal of Ecology and Environment, Vol. 34, No. 4, pp. 411- 423.

10.5141/JEFB.2011.043

Lee, K., Yoon, K., Choi, D., Jung, J., Choi, W., and Lim, S. (2015). “Evaluation of soil organic carbon of upland soil according to fertilization and agricultural management using DNDC model.” Journal of Environmental Impact Assessment, Vol. 24, No. 1, pp. 1-15.

10.14249/eia.2015.24.1.1

Lu, H., Wang, X., Zhang, H., Xie, X., Nakhavali, M., Quine, T.A., Xu, W., Xia, J., He, B., Hao, Z., Geng, X., and Yhan, W. (2024). “Soil organic carbon lateral movement processes integrated into a terrestrial ecosystem model.” Journal of Advances in Modeling Earth Systems, Vol. 16, No. 1, e2023MS003916.

10.1029/2023MS003916

MacCormack, R.W. (2003). “The effect of viscosity in hypervelocity impact cratering.” Journal of Spacecraft and Rockets, Vol. 40, No. 5, pp. 757-763.

10.2514/2.6901

Mahmoodabadi, M., Zamani, S., and Yazdanpanah, N. (2021). “Enrichment of soil organic carbon in the eroded sediments due to the simultaneous occurrence of rain and wind.” Geoderma, Vol. 386, 114926.

10.1016/j.geoderma.2020.114926

Maïga-Yaleu, S., Guiguemde, I., Yacouba, H., Karambiri, H., Ribolzi, O., Bary, A., Ouedraogo, R., and Chaplot, V. (2013). “Soil crusting impact on soil organic carbon losses by water erosion.” Catena, Vol. 107, pp. 26-34.

10.1016/j.catena.2013.03.006

Minasny, B., Malone, B.P., McBratney, A.B., Angers, D.A., Arrouays, D., Chambers, A., Chaplot, V., Chen, Z., Cheng, K., and Das, B.S. (2017). “Soil carbon 4 per mille.” Geoderma, Vol. 292, pp. 59-86.

10.1016/j.geoderma.2017.01.002

Miyazaki, T., (2006). Water flow in soils. Books in soils, plants, and the environment. Taylor & Francis, Boca Raton, FL, U.S., pp. 418.

Moon, H., Choi, T., Kang, D., and Cha, J. (2018). “Study on the estimation of leaf area index (LAI) of using UAV vegetation index and tree height data.” Journal of the Korean Association of Geographic Information Studies, Vol. 21, No. 4, pp. 158-174.

Morgan, R., Quinton, J. N., Smith, R.E., Govers, G., Poesen, J., Auerswald, K., Chisci, G., Torri, D., and Styczen, M.E. (1998). “The European Soil Erosion Model (EUROSEM): A dynamic approach for predicting sediment transport from fields and small catchments.” Earth Surface Processes and Landforms: The Journal of the British Geomorphological Group, Vol. 23, No. 6, pp. 527-544.

10.1002/(SICI)1096-9837(199806)23:6<527::AID-ESP868>3.0.CO;2-5

Moriasi, D.N., Arnold, J.G., Van Liew, M.W., Bingner, R.L., Harmel, R.D., and Veith, T.L. (2007). “Model evaluation guidelines for systematic quantification of accuracy in watershed simulations.” Transactions of the ASABE, Vol. 50, No. 3, pp. 885-900.

10.13031/2013.23153

Morris, G.L., and Fan, J. (1998). Reservoir sedimentation handbook: Design and management of dams, reservoirs, and watersheds for sustainable use. McGraw Hill Professional, New York, NY, U.S., p. 848.

National Institute of Meteorological Sciences (NIMS) (2024). Forecast of climate change impact information by level of warming in Korea.

Organization for Economic Cooperation and Development (OECD) (2008). Environmental performance of agriculture in OECD countries since 1990. Paris, France.

Pathak, K., Nath, A.J., Das, A.K., and Bhar, M. (2018). “Litter dynamics in Imperata cylindrica grassland under culturally managed system in North East India.” Journal of Tropical Agriculture, Vol. 56, No. 2, pp. 99-106.

Pereira, D.G.C., Portugal, A.F., Giustolin, T.A., Maia, V.M., Megda, M.X.V., and Kondo, M.K. (2023). “Litter decomposition and nutrient release in different land use systems in the Brazilian semi-arid region.” Catena, Vol. 231, 107345.

10.1016/j.catena.2023.107345

Porporato, A., D’odorico, P., Laio, F., and Rodriguez-Iturbe, I. (2003). “Hydrologic controls on soil carbon and nitrogen cycles. I. Modeling scheme.” Advances in Water Resources, Vol. 26, No. 1, pp. 45-58.

10.1016/S0309-1708(02)00094-5

Prosser, I.P., and Rustomji, P. (2000). “Sediment transport capacity relations for overland flow.” Progress in Physical Geography, Vol. 24, No. 2, pp. 179-193.

10.1177/030913330002400202

Russell, E.W. (1973). Soil conditions and plant growth. Longman, London, UK, p. 849.

Sayama, T. (2003). Evaluation of reliability and complexity of rainfall-sediment-runoff models. Master Thesis, Kyoto University, Kyoto, Japan.

Schiettecatte, W., Gabriels, D., Cornelis, W.M., and Hofman, G. (2008). “Enrichment of organic carbon in sediment transport by interrill and rill erosion processes.” Soil Science Society of America Journal, Vol. 72, No. 1, pp. 50-55.

10.2136/sssaj2007.0201

Schlueter, M., Erb, S.O., Gerdts, M., Kemble, S., and Rückmann, J. (2013). “MIDACO on MINLP space applications.” Advances in Space Research, Vol. 51,No. 7, pp. 1116-1131.

10.1016/j.asr.2012.11.006

Shirato, Y. (2020). “Use of models to evaluate carbon sequestration in agricultural soils.” Soil Science and Plant Nutrition, Vol. 66, No. 1, pp. 21-27.

10.1080/00380768.2019.1702477

Sleutel, S., De Neve, S., Beheydt, D., Li, C., and Hofman, G. (2006). “Regional simulation of long‐term organic carbon stock changes in cropland soils using the DNDC model: 1. Large‐scale model validation against a spatially explicit data set.” Soil use and Management, Vol. 22, No. 4, pp. 342-351.

10.1111/j.1475-2743.2006.00045.x

Sorooshian, S., and Gupta, V.K. (1995). Model calibration. Computer models of watershed hydrology. Water Resources Publication, Highlands Ranch, CO, U.S.

Tachikawa, Y., Nagatani, G., and Takara, K. (2004). “Development of stage-discharge relationship equation incorporationg saturated- unsaturated flow mechanism.” Proceedings of Hydraulic Engineering, Vol. 48, pp. 7-12.

10.2208/prohe.48.7

Tak, H., and Kim, S.H. (2013). “A study on distributions and spatial properties of geomorphological mountain area.” Journal of the Korean Geographical Society, Vol. 48, No. 1, pp. 1-18.

Tang, H., Qiu, J., Van Ranst, E., and Li, C. (2006). “Estimations of soil organic carbon storage in cropland of China based on DNDC model.” Geoderma, Vol. 134, No. 1-2, pp. 200-206.

10.1016/j.geoderma.2005.10.005

Tiessen, H., and Stewart, J. (1983). “Particle‐size fractions and their use in studies of soil organic matter: II. Cultivation effects on organic matter composition in size fractions.” Soil Science Society of America Journal, Vol. 47, No. 3, pp. 509-514.

10.2136/sssaj1983.03615995004700030023x

Torri, D., Sfalanga, M., and Del Sette, M. (1987). “Splash detachment: Runoff depth and soil cohesion.” Catena, Vol. 14, pp. 149-155.

10.1016/S0341-8162(87)80013-9

Vieux B.E. (2001). Distributed hydrologic modeling using GIS, Vol. 38. Kluwer Academic Publishers, Dordrecht, Netherlands.

10.1007/978-94-015-9710-4

Wang, X., Zhou, M., Li, T., Ke, Y., and Zhu, B. (2017). “Land use change effects on ecosystem carbon budget in the Sichuan Basin of Southwest China: Conversion of cropland to forest ecosystem.” Science of the Total Environment, Vol. 609, pp. 556-562.

10.1016/j.scitotenv.2017.07.167

Woo, D.K. (2024). “Enhanced crop yields as a potential mitigator of soil organic carbon losses under elevated temperature in erosional and depositional landscape.” Science of The Total Environment, Vol. 951, 175400.

10.1016/j.scitotenv.2024.175400

Yang, C.T. (1972). “Unit stream power and sediment transport.” Journal of the Hydraulics Division, Vol. 98, No. 10, pp. 1805- 1826.

10.1061/JYCEAJ.0003439

Yeon, M., Kim, S., Shin, H., An, H., Lee, D., Jung, S., and Lee, G. (2021). “Analysis of net erosion using a physics-based erosion model for the doam dam basin in Korea.” Water, Vol. 13, No. 19, 2663.

10.3390/w13192663

Yeon, M.H. (2024). Development of a soil organic carbon model considering physical hydrological processes. Ph. D. Dissertation, Kyungpook National University.

Zheng, D., Hunt Jr, E.R., and Running, S.W. (1993). “A daily soil temperature model based on air temperature and precipitation for continental applications.” Climate Research, Vol. 2, No. 3, pp. 183-191.

10.3354/cr002183

Journal of Korea Water Resources Association ISSN:2799-8746(Print) 2799-8754(Online) 한국수자원학회 논문집

Preview

Development and application of the soil organic carbon model considering physical hydrological processes

ABSTRACT

MAIN

Fig. 1.

Spatial data utilized in this study

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

Table 1.

The meteorological information of selected events

Table 2.

Estimated hydrological data

Table 3.

ADD and LAI used in this study (ADD unit: g/m3/hr)

Table 4.

Initial range and optimal model parameters

(22)

(23)

(24)

(25)

Table 5.

General performance ratings for recommended statistics

Table 6.

Result of performance index (Event 1)

Table 7.

Result of net erosion unit depth and volume in each land use (Event 1)

Table 8.

Result of performance index (Event 2)

Table 9.

Result of net erosion unit depth and volume in each land use (Event 2)

Fig. 2.

Soil CO2 flux graph in Gwangneung

Fig. 3.

Soil CO2 flux results in each land use type

Fig. 4.

Change of SOCS considering erosion

Table 10.

Result of SOCS in Event 3

Table 11.

Result of total SOCS in each land use (Event 3)

Acknowledgements

Conflicts of Interest

References

ADD and LAI used in this study (ADD unit: g/m³/hr)

Soil CO₂ flux graph in Gwangneung

Soil CO₂ flux results in each land use type