1. 서 론
2. 연구방법
2.1 산불 지역 개황
2.2 소유역 현장 조사
2.3 GIS 기반 공간정보 수집
2.4 토양침식 모형
3. 결 과
3.1 주요 매개변수 추출
3.2 침식률 산정
4. 비교 고찰
4.1 침식민감도 비교
4.2 침식률 비교 고찰
5. 결 론
1. 서 론
최근 우리나라는 기후변화에 따른 평균기온과 건기 일수의 증가, 가뭄의 장기화, 강풍 등으로 인해 대규모 산불이 빈번하게 발생하고 있다. 대규모 산불이 발생하면, 산림지의 지표면을 덮고 있는 식생층과 낙엽잔여물이 화재에 의해 소실되고, 지표토양의 물리화학적 성질도 변화한다. 화재로 노출된 표토는 빗방울의 직접적인 타격을 허용하여 토양입자의 박리 및 튀김 현상을 활성화 시킨다. 고열로 인한 토양의 반발수성이 강화됨에 따라 침투율은 감소하고, 지표유출량은 증가한다. 침투능을 초과하는 고강도의 강우 사상이 지속되면, 지표면 흐름이 집중되어 세류 및 구곡 침식이 증가한다.
농경지의 토양침식을 평가하기 위해 표준사면에서 실측한 침식자료를 바탕으로 경험적인 모형인 USLE (Universal Soil Loss Equation)가 개발되었다(Wischmeier and Smith, 1965; 1978). Renard et al. (1997)는 매개변수의 지속적인 개발과 보완을 통해 산림과 개발지에도 적용이 가능한 개선된 모형인 RUSLE (Revised Universal Soil Loss Equation)를 제시하였다. 원격탐사 기술이 발전함에 따라 GIS를 활용한 RUSLE의 적용 범위가 지속적으로 확대되었다. RUSLE의 접근 방식을 따르는 SEMMA (Soil Erosion Model for Mountain Areas)는 강우, 토양, 지형, 식생 등의 주요 매개변수들의 국지적인 이질성을 극복하기 위해 우리나라 산지를 대상으로 개발된 실증모형이다(Park et al., 2012). 국내 산불지역 경사면에 대한 모형의 적용성을 평가한 결과 SEMMA는 RUSLE와 WEPP (Flanagan and Nearing, 1995)에 비해 더 높은 결정계수와 모의효율을 보인 바 있다(Park and Shin, 2011). RUSLE와 WEPP를 국내 산불지역에 적용하려면 주요 매개변수에 대한 검보정이 필요하다. 식생의 복잡한 구조와 분포를 고려하는 SEMMA의 식생구조지수는 대규모 지역을 대상으로 산정하기가 용이하지 않다. 따라서 Shin et al. (2013b)은 유역 규모의 식생지수를 산정하기 위해 위성영상으로부터 추출한 정규식생지수인 NDVI (Normalized Difference Vegetation Index)와 DEM (Digital Elevation Model)을 활용한 모형인 SEMMA-Ic를 제시하였다. 고해상도의 위성영상 취득이 용이해짐에 따라 대규모 산불지역의 식생지수 산정에 관한 연구가 보편화되었고(Lee et al., 2004; Chen et al., 2011; Leon et al., 2012; Argentiero et al., 2021), 산불지역의 침식위험을 평가하기 위해 NDVI을 활용한 GIS 환경의 토양침식 모형적용이 전 세계적으로 확대되고 있는 추세이다(Mallinis et al., 2009; Phinzi and Ngetar, 2019). 국내에서도 2019년 강릉 산불지역을 대상으로 GIS 기반의 SEMMA-Ic를 이용하여 토양침식의 위험도를 평가하였으며, 기존의 실측치와 비교해 합리적인 침식률을 모의한다는 것을 확인하였다(Shin et al., 2022). 2022년도 국내에서 두 번째 최대 규모의 울진 산불지역의 유역들에 대한 토양침식의 위험도를 평가하고자 GIS 기반의 RUSLE와 SEMMA를 동시에 적용한 바 있다. 대규모 화재 산악지역에 대한 SEMMA의 모의는 침식의 공간적 이질성을 적절하게 표현하고, 합리적인 침식률을 예측하였다(Shin et al., 2024).
영동지역에 2019년과 2022년에 이어서 2023년에도 양강지풍의 영향으로 대규모 산불이 강릉에서 발생하였다. 산지와 도시가 인접한 WUI (Wildland-Urban Interface) 산불로 산림 피해뿐만 아니라 물·인적 피해가 컸다. 산림 피해가 도시와 근접하기 때문에 산불 이후 집중호우에 의해 토사재해가 발생하면, 그로 인한 피해 규모는 더욱 상승할 것이다. 그러나 이러한 대규모 WUI 화재지역에 대한 토양침식 위험을 정량적으로 산정하기 위해 모형의 적용성을 평가한 연구 사례는 많지 않다. 본 연구는 2023년 강릉 WUI 산불지역에서 빠른 식생회복을 보이는 소유역을 대상으로 현장에서 조사한 매개변수를 활용하여, GIS 기반의 RUSLE와 SEMMA에 의한 침식률을 모의하고, 토양침식 모형들의 적용성을 평가하고자 한다.
2. 연구방법
2.1 산불 지역 개황
건기가 장기화된 상태에서 2023년 4월 11일에 순간풍속 30 m/s의 강풍으로 인해 강원도 강릉 지역에 산불이 발생하였다. 강풍에 의해 쓰러진 소나무가 전선을 단락시켜 착화하면서 산불이 발화하였다(Figs. 1(a) and 1(b)). 강원도 강릉시 난곡동에서 시작한 화재는 저동 일대까지 번져 동해로 빠져나갔다(37°47'-49'N and 128°52'-54'E). 화재로 인한 산림의 피해면적은 120.7 ha이고, 사망자 1명, 중상 1명, 그리고 204여채 건물이 피해를 입었다. Fig. 1(c)는 그러한 강릉 경포호 북서부 일대 DEM에 산불피해를 표시한 분포도이다. 화재로 인한 피해지의 최대고도는 75 m이였고, 평균 및 최대 경사도는 각각 6.5°와 33.8°이었다.
2.2 소유역 현장 조사
2.2.1 소유역 특성
화재는 주거 지역의 인근 산지에서 발생했기 때문에 집중호우가 발생하면, 그로 인한 홍수 및 토사재해의 연속적인 피해가 야기될 수 있다. 따라서 주택과 펜션의 소실이 컸던 구역의 인근 산지(강릉시 저동산 23번지)에 사면경사가 비교적 급하고, 호우시에 단명적 흐름(ephemeral stream)이 형성되는 구곡(gully)을 포함하는 소규모 유역(37°48' 12" N, 128°53' 36" E)을 시험대상지로 선정하였다(Fig. 2(a)). 산불강도는 고도 30 m 지점의 남동쪽 능선부에 지표화를 제외하고, 대부분 수간화와 수관화 피해였다.
2.2.2 토양 조사
소유역경계 남서쪽 능선부의 화재강도가 컸던 수관화지역의 토양을 보면, 낙엽층의 연소로 노출된 표토(topsoil)에 대공극(macropore)이 많이 분포하며(Fig. 2(b)), 다량의 유기물을 포함하여 어두운 황갈색을 띠었다(Fig. 2(c)). 유역의 토심을 파악하기 위해 1 m 철심으로 15개 지점을 측정하여 산술평균한 결과 0.70 m이었다. 유역 중앙부에 구곡과 사면 능선부에 5개 지점의 토양을 샘플하여 유기물함량과 건조밀도를 측정하고, 체분석을 통해 토성을 파악하였다(Table 1). 자갈함량은 12.0%로 비교적 많지 않았다. 토성은 미국자연자원보전국(Natural Resources Conservation Service, NRCS)의 기준분류에 따라 양질사토(loamy sand)에 해당하며, 평균입경은 0.62 mm이었다.
Table 1.
Subfactors and texture of soil on small watershed
2.2.3 지형 특성
소유역의 면적은 0.59 ha이며, 북저남고의 지형으로 대부분의 사면이 북쪽을 향하며, 구곡의 흐름방향은 정북쪽이다. 유역 내 구곡의 규모를 파악하기 위해 줄자를 이용한 간이측량을 시행했고, 정밀측정을 위해 LiDAR 3D 스캐너를 활용하였다(Fig. 3). 간이측량에 따른 구곡의 폭은 8.5 m이고, 곡두부인 와지(hollow)의 폭은 2.6 m이며, 수로의 측벽 높이는 3 m이었다. 구곡의 길이는 25.5 m이고, 평균경사는 6.3°로 완경사이었다. LiDAR 3D 스캐너 측정에 따른 수로 측벽의 정밀경사도를 살펴보면, 좌측은 31.9°±5.6°이고, 우측은 34.2°±2.8°로 우측의 경사가 더 가팔랐다. 구곡의 선단부에 있는 해드컷(headcut)의 경사는 31.3°이었다. 유역의 능선부와 일반 사면에 비해 구곡부의 지형은 전반적으로 복잡하고, 경사가 급하였다.
2.2.4 식생 조사
산불 이후 1개월이 경과한 5월 30일에 식생 조사를 수행하였다. 소유역의 임상도에 따른 수종은 소나무이고, 경급은 중경목과 대경목에 해당되며, 영급은 6-7의 범위이었다. 소유역 상부사면과 능선부에서 대부분 소나무 화재목이 자리 잡고 있었고, 하부사면 일부분에 참나무류와 같은 활엽수가 분포하였다. 식생조사는 교목층, 아교목층, 관목층, 초본층 및 낙엽층으로 구분하여 각층의 높이(m)와 식피율(%)을 기록하였고, 출현한 종들을 동정하였다. 관목층의 주요 출현종은 국수나무, 아까시나무, 오갈피나무, 조록싸리, 줄딸기 등 이었다. 국수나무, 오갈피나무, 조록싸리가 빠른 재생을 보였고, 아까시나무는 맹아로 재생하였다. 초본층에서 뱀고사리와 같은 고사리류, 세잎양지꽃, 양지꽃 등의 다년생 초본식물과 닭의장풀, 돌콩, 며느리배꼽 등의 일년생 초본식물이 출현하였다(Fig. 4). 식피율은 상부사면과 하부사면에서 다르게 나타났다. 상부사면과 능선부는 10-30%의 식피율을 나타냈으나, 하부사면 구곡부는 고사리류와 같은 초본식물의 빠른 재생으로 최대 60%의 식피율을 보였다. 산불 이후 2개월이 경과한 6월 27일에 하부사면에서 초본층의 식피율은 최대 80%로 크게 증가한 반면, 상부사면에서는 큰 변화가 관찰되지 않았다(Fig. 5). 교목층의 식피율은 상부사면에서 30-40%로 하부사면보다 더 높았고, 아교목층, 관목층, 낙엽층에서는 상부사면과 하부사면에서 비슷한 값을 나타냈다(Table 2).
Table 2.
Heights and coverages of vegetation layers on upper and lower slopes in May 30, 2023
2.3 GIS 기반 공간정보 수집
2.3.1 지형 공간정보
지형 공간정보를 수집하기 위해 1:5000 수치지도를 활용하여 10 m 격자의 DEM을 구축하였다(Fig. 6(a)). 소유역 경계를 포함한 격자를 선택함에 따라 소유역이 총 66개의 셀로 구성되어 총면적이 0.66 ha로 실제보다 11% 증가하였다. Fig. 6(b)의 고도 분포를 살펴보면, 유역의 고도는 10-30 m 범위이며, 남쪽이 고도가 높고, 북쪽으로 갈수록 고도가 낮아진다. 경사향을 나타낸 Fig. 6(c)에서 보면 알 수 있듯이 82%에 해당하는 대부분의 격자가 북쪽을 향했다. 따라서 호우 시 지표유출의 집중흐름은 소유역 중앙의 구곡부인 정북쪽 방향으로 발생한다. 사면경사의 분포를 나타내는 Fig. 6(d)에서 최대경사는 22.2°로 남동쪽 중부사면에 위치하며, 소유역의 평균경사는 10.0±7.4°이었다. 앞서 LiDAR 3D 스캐너로 측정한 구곡 측벽의 실제 경사는 30° 이상의 급경사이었다. 그러나 구곡의 실규모가 10 m 크기보다 작기 때문에 격자의 평균값을 취하는 셀은 이러한 급경사를 구현하지 못했다. 10 m 격자 DEM으로 추출한 사면경사는 RUSLE와 SEMMA의 지형인자인 사면경사인자와 사면길이인자 산정에 활용된다.
2.3.2 식생 공간정보
산불 전후의 식생변화를 파악하기 위해 Sentinel-2의 위성영상을 활용한다. 대상 지역에 구름이 없는 날들을 고려하여, 산불 전인 2023년 4월 9일 영상, 화재 익일인 4월 12일 영상, 그리고 화재 후 2개월이 경과한 6월 16일의 영상을 취득하였다. 정규식생지수인 NDVI는 식물의 잎이 토양보다 근적외선을 더 많이 반사하는 성질을 이용하여 식생의 활력도를 평가하는 지수이며(Rouse et al., 1974), 전자기 스펙트럼의 적색(Red)과 근적외선 적색(Near-Infrared Red) 영역을 사용하여 다음 Eq. (1)로 계산한다.
산불 이전 4월 9일의 NDVI를 보면, 소유역 남쪽 경계 능선부와 중부사면은 상록수인 소나무가 우점하고 있어서, 0.400 이상의 높은 NDVI를 보이는 반면, 동절기 동안 잎이 없는 참나무가 우점하는 북쪽 구곡부는 0.25 이하의 낮은 수치를 보인다(Fig. 7(a)). 산불 직후인 4월 12일의 NDVI는 산불 이전에 비해 확연히 감소하였고, 소유역 대부분이 0.25 이하로 최소 0.092까지 감소하였다(Fig. 7(b)). 산불에도 불구하고 소유역 남동부에 위치하는 높은 고도의 능선부는 상대적으로 높은 NDVI를 보였다. 이것은 지표화로 인해 소나무 줄기까지 타고, 솔잎은 남아 있었기 때문이다. 화재 후 2개월이 경과한 6월에는 Fig. 7(c)와 같이 활력도가 감소하였다. 실제 현장에서도 솔잎이 고사한 것이 확인되었다. 활엽수는 지표화, 수간화, 수관화 산불에도 맹아 재생이 가능하지만, 소나무와 같은 침엽수는 지표화에도 거의 고사한다. 소유역 북쪽에 위치하는 구곡부는 초본층의 빠른 회복으로 NDVI가 최대 0.554에 이르렀다. 이는 5월 30일의 식생피복조사에서 구곡부 초본층의 식피율이 최대 60%를 보인 것과 같은 맥락이다. 또한 Table 2와 같이 상부사면에 교목층은 30-40%의 식피율을 차지하지만, 화재목은 거의 고사했고, 식생의 재생도 느리기 때문에 NDVI는 대부분 0.2 이하의 낮은 값을 보였다(Fig. 7(c)).
2.4 토양침식 모형
2.4.1 RUSLE
미국 전 지역의 유출 및 토양침식 연구자료를 통합하여 10,000개 이상의 실측 자료를 바탕으로 경작지의 토양침식위험을 평가하기 위한 표준화된 모형인 USLE (Universal Soil Loss Equation)가 개발되었다(Wischmeier and Smith, 1965). Renard et al. (1997)은 기존 시험지역뿐만 아니라 목장이나 산림지역 등과 같이 적용범위를 확대하기 위해 강우인자의 수정, 계절적인 변화를 고려한 토양인자 개발, 사면 길이 및 경사 인자 수정 및 지표관리인자에 대한 세부인자의 접근을 통해 RUSLE (Revised Universal Soil Erosion)를 제시하였다. RUSLE은 세류간(interrill)과 세류(rill) 침식을 위해 설계된 모형으로 구곡이나 제방침식을 예측하는데 한계를 갖는다. RUSLE는 USLE의 기본식인 Eq. (2)를 따른다.
여기서 A는 단위면적당 평균 토양침식량(t·ha/storm), R은 강우의 침식능인자(MJ·mm/ha·hr·storm), K는 토양의 침식성인자(t/ha/R), LS은 사면의 길이경사인자, C는 피복인자, P는 토양관리인자이다.
GIS 기반의 RUSLE는 강우 및 토양 정보와 DEM 및 위성영상 자료 등의 주요 매개변수의 입력값을 필요로 하며, 넓고 다양한 지표조건의 환경에 토양손실을 정량화하는데 사용한다. 산지를 대상으로 적용범위을 확대하기 위해, 산지 토양에 많이 분포하는 자갈함량을 고려한 토양의 침식성인자가 Poesen et al. (1994)에 의해 제시되었다. 넓은 산지의 피복인자 산정을 위해 Van der Knijff et al. (1999)은 NDVI을 활용한 지수함수를 제시했다. 농경지를 기반으로 개발한 RUSLE는 토지이용도, 지표식생 등급, 경작관리 등에 따라 개선된 토양관리인자인 P를 제시해왔다(Panagos et al., 2015; Tian et al., 2021).
2.4.2 SEMMA
국내 산불이나 벌목지와 같은 산지의 지표교란지역을 대상으로 수집한 1,000개 이상의 현장자료를 바탕으로 경험적인 토양침식모형인 SEMMA를 개발하였다(Park et al., 2012). SEMMA의 강우인자와 지형인자는 RUSLE의 강우침식능인자 및 사면길이경사인자와 거의 유사하며, 토양인자와 식생인자는 산지특성을 반영한 다른 유형의 인자를 사용한다(Park et al. 2012). 이 모형은 주요 매개변수에 대한 다중회귀식의 형태로 강우량와 식생피복의 범위에 따라 세분화한 총 8개의 함수들로 이루어져 있으며, 기본식은 Eq. (3)과 같다.
여기서 qs는 단위면적당 토양침식량 (g/m2), RI는 강우인자(J·h/m), Ivcdr는 식생구조지수, So는 토양인자, To는 지형인자, α는 상수이며, a, b, c, d는 지수들이다. 대규모 산지유역의 토양침식을 평가하기 위해 식생구조지수 대신 위성영상의 NDVI를 활용한 식생피복지수 Ic를 사용한 SEMMA-Ic를 제시했다(Shin et al., 2013b). 극한호우가 발생하여 강우량 Ra가 24시간 동안 380 mm 이상인 경우라면, 다음 Table 3에 제시한 두 개의 식을 사용한다. 이러한 다중회귀식들은 식생피복지수 조건이 0.7보다 크거나 작은 경우로 구분된다.
3. 결 과
3.1 주요 매개변수 추출
3.1.1 강우인자
RUSLE와 SEMMA에서 사용되는 강우의 침식능인자는 강우운동에너지와 강우강도의 지수함수 관계식으로 계산한다. RUSLE은 Brown and Foster (1987)가 제시한 지수함수를 사용했고, SEMMA는 Van Dijk et al. (2002)의 제시한 지수함수를 채택했다. 이러한 지수함수식들로 계산한 강우운동에너지에 30분 최대강우강도를 곱하여, 침식능인자를 산정한다. 강릉에서 수집한 기상청 KMA (Korea Meteorological Administration)의 1971-2020년 강우자료를 이용하여 RFAHD (Regional Frequency Analysis for Hydrological Data)의 소프트웨어로 극한강우 조건의 확률강우량을 산정하였다. 최근 침사지 및 저류지 설계 시에 50년 빈도 이상의 확률강우를 고려함에 따라 RUSLE와 SEMMA에서는 50년과 80년 빈도를 고려한 확률 강우량(Ra), 강우강도(I), 강우운동에너지(E or RE), 침식능인자(R or RI)를 Table 4와 같이 제시하였다.
Table 4.
Erosivity factors for probability rainfall of 50-year and 80-year frequency in Gangneung
3.1.2 토양인자
모래와 실트의 함량이 증가할수록 토양의 침식성은 증가하고, 접착력과 화학적 결합력이 높은 점토의 함량이 증가할수록 토양의 침식성은 감소한다(Yariv, 1976; Savat, 1982). 따라서 모래, 실트 그리고 점토 크기의 입자들 비율은 토양의 침식성을 결정하는 중요한 인자이다.
RUSLE의 침식성인자(erodibility factor) K는 토성뿐만 아니라 유기물, 토양 구조, 투수성을 고려한다. K는 계절의 영향과 암석의 함량에 따라 토양의 밀도와 투수계수가 변화하기 때문에 이를 반영하여 보정하는 것이 가능하다. 소유역의 양질사토에 대한 계절의 영향은 고려하지 않으며, 현장에서의 암석의 함량과 대공극의 분포를 고려하여 토양의 투수성과 침식성 산정에 반영하였다. 유기물은 토양 분리를 줄이고 침투를 증가시키기 때문에 토양의 침식성을 감소시킨다. 토양 침식성에 대한 노모그래프(Wischmeier et al., 1971)는 식 Eq. (4)와 같이 4개의 토양 프로파일 매개변수로 구성된다.
여기서 K는 토양 침식성(t/ha/R), OM은 유기물의 함량(%), M은 입자 크기 분율의 비율, S는 구조지수(1-4), P는 투수성지수(1-6)이다. M은 다음과 같이 주어진 1차 입자 크기 분율의 함수입니다. 토양 표면을 암석이 덮고 있으면, 토양 침식을 감소시키기 때문에 침식성 또한 감소한다. Poesen et al. (1994)는 이러한 영향을 고려하여 보정계수를 다음 식 Eq. (5)와 같이 제시하였다.
여기서 St는 침식성 보정계수이고, Rc는 입경이 2 mm보다 큰 거친 자갈의 비율이다. 최종적인 침식성인자 KSt는 보정계수의 곱에 의해 재산정된다.
소유역의 토성은 양질사토(lomy sand)로 극세사(very fine sand)와 실트의 함량이 사양토(sandy loam)에 비해 많지는 않다. 극세사와 실트 함량이 높을수록 침식에 대한 민감성이 증가한다(Fullen et al., 1996). 유기물함량은 8.85%로 비교적 높은 편이며, 토양의 투수성은 Fig. 2(b)와 같이 대공극이 많이 분포하기 때문에 비교적 크다. 따라서 토양의 침식성은 비교적 낮게 산정되었으며, 12%의 자갈함량을 고려한 결과 최종적으로 0.028의 결과를 얻었다(Table 5).
Table 5.
Soil erodibility factors calculated of RUSLE and SEMMA
| Models | Erodibility factors | Calculated values |
| RUSLE | M | 1,642 |
| K (t/ha/R) | 0.029 | |
| St | 0.961 | |
| KSt (t/ha/R) | 0.028 | |
| SEMMA | IS | 7.33 |
| So | 0.073 |
산지는 거친 자갈을 많이 포함하고 있어서 농경지보다 침식에 대한 저항이 강하다. 또한 농경지와 같은 경작활동이 없으며, 산림식생의 뿌리와 동물들의 서식공간으로 인해 토양에 대공극이 많이 형성되어 투수성 크다. 산림식생의 뿌리는 하층토(subsoil)까지 이르며, 표토로부터 하층토까지 거리를 토심으로 본다. 침투수는 하층토에서 공극이 큰 기층(substratum)으로 이동하면서 지표하흐름이 발생한다. 산지사면을 대상으로 개발된 SEMMA의 토양인자는 토성과 유기물함량뿐만 아니라, 토심과 자갈함량을 고려한다(Eq. (6)).
여기서 So는 토양인자이고, Dm는 토성으로부터 산정한 평균입경(mm), Is는 자갈함량을 고려한 토양비율지수, OM은 유기물함량비이고, Sd는 토심(mm)이다. 토양비율지수는 자갈함량에 대한 2 mm 이하 토양의 중량비로 침식에 민감한 토양비율이 클수록 침식성이 증가함을 의미한다. 그러나 응집력인 큰 점토가 많으면, 침식에 불리하기 때문에 침식에 유리한 실트와 모래의 함량과 비례한 평균입경을 세부인자로 고려한다. SEMMA의 토양비율지수와 토양인자를 산정한 결과를 Table 5에 침식성인자와 함께 나타내었다.
3.1.3 지형인자
사면의 길이경사인자인 LS는 토양침식에 대한 세류와 세류사이 사면의 지형 효과를 반영하는 무차원 값이다. 여기서 L은 사면길이인자(slope length factor)이고, S는 사면경사인자(slope steepness factor)이다. 사면길이란 지표유출이 시작되는 지점으로부터 흐름이 집중되거나 운반된 토사가 퇴적되는 지점까지의 거리로 정의한다. 사면경사인자인 S는 McCool et al. (1987, 1993)이 제시한 경사각의 사인 함수로 산정한다.
여기서 𝜃는 사면의 경사각(°)이며 사면길이 4.5 m 이상의 경사지에 적용한다.
McCool et al. (1989, 1993)에 의해 제시된 사면길이인자는 표준 침식플롯의 사면길이 22.13 m를 기준으로 한 다음 Eq. (9)를 따른다.
여기서 𝜆는 투영사면길이(m)로서 사면을 따른 길이의 수평방향성분이다. 지수 m은 세류사이의 세류간침식에 대한 세류침식의 비로 𝛽와 관계되며, 침식에 보통 정도의 민감성을 갖는 토양에 대한 𝛽는 Eq. (10)과 같다(McCool et al., 1989).
SEMMA의 지형인자 To는 표준 침식플롯의 사면길이가 10 m인 것을 제외하고, RUSLE의 사면길이경사인자 계산식들과 거의 동일하다.
소유역의 10 m 격자의 경사도를 나타낸 Fig. 6(d)을 활용하여, 사면경사인자와 사면길이인자의 공간분포도를 Figs. 8(a) and 8(b)처럼 구축하였다. 사면경사인자의 범위는 0.03-5.84로 최고 급경사에서 최대값을 보였다. 사면길이인자의 범위는 0.66-1.0으로 최고 급경사에서 최소값을 보였다.
3.1.4 식생인자
RUSLE의 피복인자와 SEMMA의 식생지수는 위성영상에서 추출한 NDVI로부터 산정 가능하다. RUSLE의 피복인자 C는 Van der Knijff et al. (1999)이 제시한 NDVI와의 지수함수식을 이용하여 계산한다.
여기서 𝛼와 𝛽는 NDVI-C 지수함수의 곡선 형태를 결정하는 계수로 합리적인 결과를 얻기 위해 각각 2와 1을 사용할 것을 권장한다. 집중호우가 자주 발생하는 하절기인 6월 16일의 위성영상(Fig. 4(c))에 대한 피복인자 C의 산정 결과는 Fig. 9(a)와 같다. 소유역에 대한 피복인자는 0.08-0.84의 범위를 보이며, NDVI가 최대인 구곡부 아래에서 0.08의 최소값을 보였고, 남동부 중부사면에서 0.84의 최대값을 보였다.
최근에 Tian et al. (2021)이 제시한 토지이용에 따른 토양관리인자인 P를 보면, 산림지에 대해 0.28를 제시했다. 그러나 이 지역은 산불로 인해 식생이 피해를 입었고, 표토가 노출된 상태이기 때문에 이 값을 그대로 사용할 수는 없다. 사면에 여전히 화재목의 줄기와 뿌리가 존재하기 때문에 이를 고려하여 등고선 경작에 대한 Panagos et al. (2015)의 토양관리인자를 사용하였다.
SEMMA의 식생지수 Ic는 지표면을 덮고 있는 식생피복도를 지수화한 것으로 NDVI와 선형함수 관계를 갖는다. 명암대비 스트레칭법(contrast stretching method)을 이용하여, Sentinel-2의 영상에 대한 NDVI와 Ic의 관계식 Eq. (12)를 얻었다.
모형에서 제안하는 Ic의 최소 및 최대 값은 각각 0.04과 1.0이며, 본 소규모 유역은 0.17-0.67의 범위를 보였다(Fig. 9(b)). 남동부 중사면에서 0.17의 최소값을 보였고, 최대값은 정북향 구곡부 하류에서 0.67로 나타났다. 유역 하부사면의 구곡부에 5월 30일의 식피율 실측조사(Table 2)에서 최대 60%를 보였고, Fig. 5의 6월 27일의 사진을 보면, 이때는 식피율이 70-80%에 이르는 것을 알 수 있다. 이들 중간 시기인 6월 16일에 식생지수 Ic가 최대 0.67(67%)인 것은 합리적인 결과이다.
3.2 침식률 산정
경작지의 침식위험을 평가하기 위해 표준화된 경험적인 모형인 RUSLE (Renard et al., 1997)와 우리나라 산지사면에서 발생하는 토양침식을 평가하기 위해 개발한 SEMMA (Park et al., 2012)를 이용하여 WUI 산불지역에 대한 토양 침식률을 평가하였다. 침식률의 단위는 24시간(1일) 동안의 단일호우에 대한 단위면적당 침식량으로 t/ha/day 또는 t/ha/storm이다. RUSLE에 의해 50년과 80년 빈도의 확률강우에 대한 침식률을 모의한 결과는 Fig. 10과 같다. 소나무 화재목이 많이 분포하고, 경사가 급한 중부사면에서 침식률이 크며, 초본 식생회복이 빠른 구곡아래 와지(hollow)에서는 상대적으로 낮은 침식률을 보였다. 50년과 80년 빈도의 확률강우에 대한 침식률은 각각 0.07-75.4 t/ha/storm과 0.09-94.9 t/ha/storm의 범위를 보였다. SEMMA에 의해 모의된 침식률은 Fig. 11에 제시하였다. 이것은 50년과 80년 빈도 별로 각각 0.24-67.1 t/ha/storm과 0.30-83.6 t/ha/storm의 범위를 보였다. RUSLE의 모의 결과가 SEMMA의 그것보다 큼을 알 수 있다. 특히 50 t/ha/storm 이상의 고도침식 구간(주황색-붉은색)이 RUSLE는 18-26개의 셀(180 m2-260 m2)에 이르지만, SEMMA는 단지 4-7개의 셀(40 m2-70 m2)에 그쳤다. 고도침식이 발생하는 면적을 RUSLE가 SEMMA보다 4배 정도 크게 추정함을 알 수 있다. Table 6은 RUSLE와 SEMMA에 의해 추정된 침식률의 통계치를 비교한 것이다. 최대침식률은 RUSLE가 SEMMA보다 1.12-1.14배 과다 예측하였다. 소유역 전체의 평균침식률은 RUSLE가 SEMMA보다 1.19-1.48배 크게 나타났고, 표준편차(S.D.)의 차이는 1.52-1.54배로 더욱 컸다. 총토양침식량은 RUSLE가 SEMMA보다 1.46-1.48배 크게 추정하였다.
Table 6.
Comparison of statistical values by erosion rates estimated by RUSLE and SEMMA
4. 비교 고찰
4.1 침식민감도 비교
토양침식 모형 매개변수들의 중요도는 입력치의 최대·최소 범위에 따른 출력치의 반응 범위에 의해 결정된다. Park and Shin (2011)은 RUSLE와 SEMMA 모형에서 사용하는 주요 입력 매개변수에 대해 토양침식 민감도(Sa)를 분석한 바 있다(Table 7). 강우인자의 강우량과 지형인자의 사면경사는 두 모형 모두 높은 민감도를 보였고, 토양의 침식성인자는 SEMMA의 토양비율 지수만이 높은 민감도를 보였다. 피복인자의 경우 RUSLE는 잔뿌리를 갖는 나지면적에 대해 높은 민감도를 보인 반면, SEMMA는 잔뿌리량과 식생피복도에 대해 높은 민감도를 보였다. 이번 연구에서 활용한 정규식생지수인 NDVI에 대한 민감도 분석을 추가적으로 수행한 결과 RUSLE와 SEMMA 모두 토양침식에 대해 높은 민감도를 보였다.
Table 7.
Sensitivity analysis(Sa) of main input parameters of RUSLE and SEMMA (Park and Shin, 2011)
| RUSLE | SEMMA | ||
| Parameters | Sa | Parameters | Sa |
| Rainfall index | 1.00 | Rainfall index | 0.99 |
| Amount of rainfall | 1.00 | Amount of rainfall | 0.95 |
| Rainfall intensity | 1.00 | Rainfall intensity | 0.87 |
| Rainfall duration | -0.29 | Rainfall duration | -0.18 |
| Erodibility factor | 1.00 | Soil index | 0.67 |
| Percentage organic matter | -0.34 | Organic matter | -0.52 |
| Percentage clay | -0.01 | Mean size of soil particles | 0.54 |
| Percentage silt | 0.22 | Depth of the soil layer | -0.54 |
| Percentage very fine sand | 0.07 | Index of soil ratio | 1.54 |
| Length and slope factor | 1.00 | Topography index | -1.10 |
| Slope angle | 0.98 | Slope angle | -1.08 |
| Slope length | 0.79 | Slope length | -0.86 |
| Cover factor | 1.00 | Vegetation index | -1.03 |
| Bare & fine root mass | 1.00 | Weight of fine roots | -1.00 |
| Canopy coverage | -0.68 | Vegetation coverage | -1.03 |
| NDVI* | -1.09 | NDVI* | -1.30 |
본 연구에서 RUSLE와 SEMMA의 강우침식능인자(50년 빈도)와 토양침식성인자(양질사토)는 동일한 조건임으로, 경사와 식생지수에 대한 토양침식의 관계를 세부적으로 분석하였다. 토양침식 민감도가 높은 사면경사와 NDVI의 증가에 따른 침식률의 변화를 Fig. 12와 같이 도시하였다. 경사조건 10°인 경우와 NDVI가 0.08-0.13인 범위를 제외하고, RUSLE는 SEMMA보다 침식률을 전반적으로 과다 예측하였다. 경사가 증가함에 따라 RUSLE의 침식률은 크게 증가하지만, SEMMA는 민감한 반응을 보이지 않는다. 산지사면(Hillslope)의 실측자료를 기반으로 개발한 SEMMA 모형은 산림 수문학적 특성을 반영한다. 가파른 경사면에서는 지표유출(surface runoff)이 감소하고, 지표하흐름(subsurface flow)이 증가함에 따라 침식과 경사 관계의 지수가 음의 값을 보인다(Odemerho, 1986; Park et al., 2012). 또한 산지의 급경사에서는 굵고 거친 자갈 입자의 분포가 증가하여, 침투능이 커지고, 토양 입자의 한계전단응력이 증가한다(Poesen, 1981). 따라서 산지사면에서의 토양침식은 농경지사면보다 경사인자에 덜 민감하다. 두 모형의 모의 침식률은 식생지수가 증가함에 따라 반비례적으로 감소하였다. 특히 SEMMA는 NDVI가 0.25(Ic=0.35) 이하에서 침식률의 증가 폭이 상당히 커졌다. 연구사례들을 살펴보면, 특정 식생피복 조건이 토양침식을 악화시키거나 저감시킨다는 것을 제시한 바 있다. 토양침식의 적절한 보호를 위해서 식생은 지표면의 최소 70% 이상을 피복해야 한다(Elwell and Stocking, 1976). Johansen et al. (2001)은 나지의 비율이 60-70% 이상일 때 토양유실이 급격히 증가한다는 연구결과를 제시한 바 있다. 낙엽피복의 영향에 대한 세류간 침식 연구에서도 낙엽피복의 증가에 따라 유출계수는 선형적으로 천천히 감소하지만, 토양침식 민감도는 지수함수적으로 급격히 감소함을 제시하였다(Shin et al., 2018). 또한 낙엽피복이 20-40% 범위인 경우 침식민감도가 30% 감소하지만, 40-70% 범위에서 침식민감도가 70%까지 감소함을 제시하였다. SEMMA 모형은 이러한 산지의 특정 식생피복 조건에서 침식민감도의 변화를 적절하게 모의한 것으로 판단된다.
4.2 침식률 비교 고찰
유엔의 FAO (Food and Agriculture Organization)는 토양유실에 따른 침식 정도를 Table 8과 같이 4단계로 분류한다 (FAO, 1980). 토양유실의 단위는 1년 동안 발생한 침식량을 기준으로 하여, 본 연구의 침식률 단위와 차이가 있다. 소수의 극한 강우 사상으로 인해 발생하는 토양침식이 다수의 일반적인 강수 사상으로 발생하는 것보다 훨씬 높은 비율을 차지한다(Gonzalez-Hidalgo et al., 2012). 산지 유역 모니터링 연구에 따르면, 단일 극한 강우 사건으로 인한 침식량이 5년 동안 측정한 전체 침식량의 93%를 차지했다(Shin et al., 2013a). 즉 지속시간 24 h의 50년 빈도 또는 80년 빈도 규모의 단일 극한 강우 사상이 일으키는 침식량은 1년 동안 발생한 침식량에 대다수를 차지한다고 볼 수 있다. 따라서 FAO의 기준에 준하여 모의한 침식률을 비교 분석하는 것이 가능하다.
Table 8.
Degree of erosion (FAO, 1980)
| Soil loss (t/ha/yr) | Degree of erosion |
| < 10 | Low erosion |
| 10-50 | Moderate erosion |
| 50-200 | High erosion |
| >200 | Very high erosion |
본 소규모 유역에서 최대 침식률의 범위는 고도침식(high erosion)에 해당한다. 2019년 강릉 옥계 산불지역(Shin et al., 2022)과 2022년 울진 산불 유역에서 모의한 침식률(Shin et al., 2024)이 200 t/ha 이상인 초고도침식(very high erosion)을 보인 것과 대조적인 결과이다. 두 지역이 유사한 강우 설계빈도를 고려하였음에도 불구하고, 이러한 차이를 보이는 것은 사면경사, 식생회복의 차이, 토양의 침식성 등이 다르기 때문이다. 특히 2022년 울진 화재 유역의 경우 25° 이상의 급경사지(25°-35°)가 전체 유역 면적의 48.8%를 차지하고, 유역의 평균경사는 23.3°로 경사지(15°-25°)에 속하였다. 반면 본 연구의 소유역은 최대 경사가 22.2°에 그치며, 평균경사는 10.0°로 준경사지(8°-15°)에 해당한다. 울진 화재 유역에 대해 RUSLE로 침식률을 평가한 결과 40° 이상의 초급경사면에서 최대 500 t/ha 이상의 침식률을 나타냈다. 이것은 강릉 화재 유역 22.2° 경사면에서 최대 94.9 t/ha의 침식률을 보이는 것과는 상당한 차이이다. 앞서 LiDAR 3D 스캐너에 의한 강릉 소유역 지형의 정밀 측량에 따르면, 구곡의 해드컷과 측벽의 실제 경사는 30° 이상의 급경사였기 때문에, 모의 결과보다 더 큰 침식률이 발생할 수도 있다. 그러나 준경사지의 WUI 산불지역은 급경사 산불지역에 비해 전반적으로 낮은 침식률을 보였다.
우리나라 2000년 산불지역에서 관측한 자료에 따르면, 극한호우 사상에 의해 사질토(sandy soil)의 플롯에서 발생한 침식률은 86-180 t/ha 범위였으며, 소유역의 토사유출량은 71.2 t/ha이었다(Shin et al., 2013a). 산불지역은 경사가 급하지만, 토양의 입단화로 뭉쳐있으며, 거친 돌이 많이 분포한다. 화재로 인해 지표 식생과 낙엽 유기물층이 소실되었어도, 여전히 화재목의 가지, 줄기, 뿌리 등이 남아 있어서 실제 세류간 침식이 지배적이며, 세류침식이 발달하기가 용이하지 않다. Morgan et al. (2004)은 현장에서 토양침식을 토양침식 유형에 따라 침식률을 7단계로 구분하였다. 연속적인 세류의 발달 여부와 지표 식생피복률 30%를 기준으로 하여 침식률 10 t/ha를 경계로 보통(moderate)과 고도(high)로 분류한다. 그리고 피복조건 10% 이상에서 연속적인 세류의 발달과 나지에서의 구곡 채널 발달의 경계 침식률을 100 t/ha로 구분한다. 산지사면에서 강우 유출에 의한 침식률이 200 t/ha를 초과하기는 일반적으로 어렵다(Shin et al., 2019). 또한 산불지역은 농경지나 개발지처럼 표토의 물리적 교란이 크지 않기 때문에 이들 지역보다 상대적으로 침식률이 낮다. 그러나 도시 인근의 WUI 산불 지역에 집중호우에 의해 후속의 홍수 및 토사재해가 발생하면, 물·인적인 피해 규모가 훨씬 커질 수 있다. 침식률을 과다 예측하는 RUSLE를 적용하는 것이 적극적인 방재 대응 방안을 수립하는데, 유용할지도 모른다. WUI 산불 지역의 토양침식과 토사유출 프로세스는 우리나라 산지를 대상으로 개발한 SEMMA의 모의 과정이 더 적합할 수 있다. 본 연구 결과는 화재 이후 응급대처의 시행을 위한 목표 관리 및 의사 결정의 기초자료로 활용될 수 있으나, 이들 모형의 모의 효율과 정확도를 높이기 위해 모형 개선에 대한 추가적인 연구가 필요하다.
5. 결 론
본 연구는 대규모 WUI 산불지역에 대한 토양침식 위험도를 평가하기에 앞서 GIS 기반의 RUSLE와 SEMMA 모형의 적용성을 평가하고자 하였다. 화재 이후 식생회복이 지형 공간적으로 상이한 소규모 유역을 선정하여, 현장조사를 통해 식생회복의 변화와 토양 및 지형 매개변수 자료들을 구축하였다. GIS 기반 모형 적용을 위해 DEM과 산불 전후의 위성영상을 취득하여, 지형인자와 NDVI 지형정보를 구축하였다. 소유역을 대상으로 산정한 주요 매개변수의 특성과 RUSLE와 SEMMA의 모의 침식률에 대한 비교분석을 통해 얻어진 결과는 다음과 같다.
(1) 소유역에 대한 10 m 격자 DEM에서 최대경사는 22.2°이고, 평균경사는 10.0±7.4°로 준경사지(8-15°)에 해당되며, 현장 LiDAR 3D 스캐너로 실측한 구곡부 급경사(>30°)를 구현하지는 못했다.
(2) 토성은 양질사토로 유기물함량은 높고, 대공극이 많이 분포하며, 토심은 깊어서 침식에 민감하지 않은 낮은 침식성 인자값을 보였다.
(3) 소유역 구곡부에서 빠른 식생회복으로 정규식생지수 NDVI는 0.55의 최대치를 보였으며, 현장에서 실측한 식피율과 비교해 합리적인 범위이었다.
(4) 사면경사인자의 범위는 0.03-5.84로 최고 급경사에서 최대값을 보였고, 사면길이인자의 범위는 0.66-1.0으로 최고 급경사에서 최소값을 보였다.
(5) 소유역에 대한 피복인자 C는 구곡부에서 0.08의 최소값을 보였고, 남동부 중부사면에서 0.84의 최대값을 보였으며, 식생피복지수 Ic는 남동부 중부사면에서 0.17의 최소값을 보였고, 최대값은 구곡부에서 0.67를 보였다.
(6) 50년과 80년 빈도의 확률강우에 대한 침식률을 모의한 결과 RUSLE은 각각 0.07-75.4 t/ha/storm과 0.09-94.9 t/ha/storm의 범위였고, SEMMA는 각각 0.24-67.1 t/ha/ storm과 0.30-83.6 t/ha/storm의 범위를 보였다.
(7) 두 모형의 침식률 모의 결과 소유역 최대침식률은 RUSLE가 SEMMA보다 1.12-1.14배 과다 예측하였고, 평균침식률은 RUSLE가 SEMMA보다 1.19-1.48배 크게 산정하였다.
(8) 소나무 화재목이 많이 분포하고, 경사가 급한 중부사면에서 침식률이 크며, 초본층의 회복이 빠른 구곡아래 와지(hollow)에서는 상대적으로 낮은 침식률을 보였다.
(9) SEMMA는 화재 산지의 NDVI가 0.25(Ic=0.35) 이하에서 급격히 증가하는 침식민감도를 보여, 특정 식생피복 조건에서 침식률을 적절하게 모의하는 것으로 확인되었다.
(10) 집중호우에 의한 후속적 토사재해로 물·인적 피해가 증가할 것으로 예상되는 WUI 산불지역에 대한 적절한 침식률을 모의하기 위해 모형들에 대한 개선이 필요하다.
