Evaluation of Phosphorus Runoff Reduction in Sloped Upland with Furrow Vegetative Cover Using the APEX Model

Yerin Yang; Soon-Kun Choi; Byeong-Mo Lee; Sang-Min Jun; Jong-Mun Lee; So-Jin Yeob

doi:10.5389/KSAE.2025.67.2.069

Preview

Journal of Korean Society of Agricultural Engineers. 2025. 69–81
https://doi.org/10.5389/KSAE.2025.67.2.069

Evaluation of Phosphorus Runoff Reduction in Sloped Upland with Furrow Vegetative Cover Using the APEX Model

APEX 모델을 이용한 경사밭 고랑식생피복에 따른 인 유출 저감 평가

Yerin Yang^a

Soon-Kun Choi^b^†

Byeong-Mo Lee^c

Sang-Min Jun^d

Jong-Mun Lee^e

So-Jin Yeob^f

양 예린^a

최 순군^b^†

이 병모^c

전 상민^d

이 종문^e

엽 소진^f

^aResearch associate, Climate Change Division, National Institute of Agricultural Sciences

^bResearcher, Climate Change Division, National Institute of Agricultural Sciences

^cSenior researcher, Climate Change Division, National Institute of Agricultural Sciences

^dResearcher, Climate Change Division, National Institute of Agricultural Sciences

^ePost doctoral researcher, Climate Change Division, National Institute of Agricultural Sciences

^fResearcher, Climate Change Division, National Institute of Agricultural Sciences

^† Corresponding author Tel.: +82-63-238-2504, Fax: +82-63-238-3823 E-mail: soonkun@korea.kr

ABSTRACT

Best Management Practices (BMPs) are proactive strategies to mitigate agricultural non-point source (NPS) pollution. Among non-structural BMPs, furrow vegetative cover reduces runoff velocity and prevents soil loss by introducing cover crops in furrows. However, field monitoring of NPS pollution reduction is often constrained by environmental factors, time limitations, and high costs. Therefore, this study aimed to evaluate the effectiveness of furrow vegetative cover in reducing phosphorus runoff in sloped upland areas using the APEX model. The study was conducted in a sloped upland field at the National Institute of Agricultural Sciences in Wanju-gun, Jeollabuk-do, South Korea. Model calibration was performed by comparing simulated values with observed monitoring data. The control treatment involved conventional fertilization management and crop cultivation, while the experimental treatment applied furrow vegetative cover in addition to the control conditions. Model validation demonstrated a strong agreement between simulated and observed runoff and phosphorus loads, with R² = 0.96, NSE = 0.95, and PBIAS = 12.5% for runoff, and R² = 0.72, NSE = 0.65, and PBIAS = 23.5% for total phosphorus (T-P). Under historical climate conditions (1991–2020), the analysis revealed that furrow vegetative cover reduced runoff by up to 20.3% and T-P by up to 50.4%. The results of this study indicate that furrow vegetative cover is significantly effective in mitigating agricultural NPS pollution. Future research should focus on scenario-based modeling to assess the long-term impacts of BMPs under climate change conditions and explore the applicability of other BMPs.

Keywords

Non-point source

best management practices (BMPs)

Cover crop

Runoff

Total phosphorus

MAIN

Ⅰ. 서 론

하천 및 호소 수질오염의 원인은 크게 오염물질의 배출 위치와 경로가 분명한 점오염원과 분명하지 않은 비점오염원 (NPS, Non-Point Source)으로 구분할 수 있다. 비점오염원은 산림, 농경지, 도로 등 넓은 면적으로부터 강우에 의해 오염물질이 배출되기 때문에 오염물질 배출 위치 및 경로가 분명하지 않아 관리가 매우 어렵다 (Choi and Jang, 2014). 특히 농경지에서 작물 재배를 위해 과도하게 투입하는 비료와 퇴비는 인근 수계로 유출되어 비점오염원으로 작용하기 때문에 농업이 비점오염 부하에 차지하는 비중이 높은 편이다 (Ministry of Environment, 2020). 최근 기후변화에 따른 강우 특성 변화로 인해 비점오염원의 유출이 증대될 것으로 예측되어 이에 대한 관리의 필요성이 더욱 중요시되고 있다 (Kim et al., 2013).

최적관리기법 (BMP, Best Management Practices)은 농업 비점오염의 선제적인 저감 방법 중 하나로, 구조적 방법과 비구조적 방법 두 가지로 구분된다. 구조적 방법으로는 침사지, 실트 펜스, 초생대 등 저감 시설물을 설치하는 방법이 있으며, 비구조적 방법으로는 볏짚, 작물 잔사 등을 이용한 지표 피복과 무경운, 양분 관리 등 영농 관리가 있다 (Yeob et al., 2023). 지표 피복은 작물의 잎이나 줄기 또는 기타 유기물 등으로 토양을 덮어 강우 사상이 발생하였을 때 빗방울의 타격 에너지를 완화하고 유출수의 유속을 감소시킴으로써 토양 유실을 방지하여 탁수 또는 비점오염 발생을 억제한다 (Shin et al., 2011). 식물을 이용한 피복의 경우 식물의 뿌리가 토양 유실을 방지하고 캐노피와 함께 강우의 유속을 감소시켜 토양 입자 및 양분 유출을 감소시킨다 (Zuazo and Pleguezuelo, 2008).

식생 피복에 따른 비점오염 저감에 관한 연구로 Snapp et al. (2005)은 콩, 배추, 옥수수, 감자 등을 재배할 때 알팔파를 피복 작물로 함께 재배하였을 때 토양 내 유기물 증가, 토양 물리성 개선, 토양 유실 경감, 잡초 억제 등에 효과적이었다고 보고하였다. 국내에서는 Bak and Lee (2021)가 옥수수 재배 시 알팔파를 피복 작물로 함께 재배할 경우 피복 작물을 재배하지 않았을 경우와 비교하여 토양 유실량을 최대 98%까지 줄일 수 있으며, 특히 작물 휴한기에 높은 효과를 볼 수 있다고 보고하였다. Yeob et al. (2022)는 경사 밭에서 옥수수-배추 윤작 시 피복 작물로 알팔파를 고랑에 파종하였을 경우 작물 재배기간 동안 부유물질 유출이 30.1%~80.5%, 총질소 유출이 11.4%~37.2%, 총인 유출이 1.2%~19.8% 감소하였다 보고하였다.

그러나 대부분의 연구는 시험 포장을 조성하여 모니터링을 통해 유출 부하량을 평가한 연구로, 시간, 환경적인 영향, 경제적인 비용 등의 다양한 변수로 인한 한계를 가지고 있다. 이러한 모니터링의 한계를 보완하기 위해 다수의 연구자는 모델링을 활용하여 수질, 비점오염원 등을 평가하고 있다. Jung et al. (2011)은 예당 저수지 유역을 대상으로 SWAT 모델 및 SWAT-APEX 모델의 적용성을 검토한 바 있다. Lee et al. (2011)은 SWAT 모델을 이용해 초생대에 따른 비점오염 저감 효과를 평가하였으며, 초생대의 폭에 따른 인 유출 저감에 대해 보고하였다. 국내에서 사용되고 있는 모델 중 APEX (Agricultural Policy/Environmental eXtender) 모델은 필지/소규모 유역 모델로서 다양한 지형과 영농 활동에 대한 모의가 가능하여 필지 단위의 비점오염 저감 기술 평가 모델로 적합하다 (So et al., 2018; Kim et al., 2014; Williams et al., 2023). Koo et al. (2017)은 강원도 시험포를 대상으로 밭에서의 APEX 모델 적용 가능성을 확인하였다. Kamruzzaman et al. (2020)은 익산 논 시험포를 대상으로 APEX-Paddy 모델의 적용성을 평가하였으며 합리적인 수준의 성능을 보였다고 보고하였다. Choi et al. (2020)의 연구에서는 APEX-Paddy 모델을 이용해 논에서의 질소 부하량의 기후변화 영향을 평가하였다. 이처럼 국내 농경지에서 활용을 위한 모델의 적용성 검토와 비점오염 평가 연구가 활발하게 이루어지고 있으나, 비점오염 저감 기술 적용 효과를 평가한 연구는 아직 부족한 실정이다.

따라서 본 연구에서는 APEX 모델을 활용하여 최적관리기법 중 하나인 고랑식생피복 적용에 따른 경사 밭에서의 인 저감 효과를 평가하고자 하였다. 모델 보⋅검정과 고랑식생피복에 따른 모의 값 검정의 경우 시험 포장의 모니터링 기간 수집한 관측자료를 활용하였다. 고랑식생피복에 따른 인 저감 효과에 대한 평가는 과거 30년 기후자료를 이용해 대조구와 고랑식생피복 처리구의 인 부하량을 비교하였다.

Ⅱ. 재료 및 방법

1. 연구대상 지역 및 관측자료 수집

시험 포장은 국립농업과학원 내 경사지라이시미터 (35°49´28´´N, 127°02´50´´E)에 구성하였다 (Fig. 1). 시험구는 시비 관리와 작물 재배를 적용한 대조구 (CT)와 대조구와 동일한 조건에서 고랑에 피복 작물을 파종한 고랑식생피복 (Furrow Vegetative Cover, FVC)으로 구성하였다. 모든 시험구의 경사장은 24 m, 경사도는 13%이다. 시험 포장의 기상 자료는 국립농업과학원 내에 위치한 농업기상관측소 내 무인 기상관측 시스템 (Automatic Weather System, AWS) (Fig. 2)으로 수집된 농업기상 정보서비스 자료를 이용하였다 (RDA, 2024b).

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC5102.png

Fig. 1

Location of study site and image of (a) AWS, (b) Control (CT) and (c) Furrow Vegetative Cover (FVC)

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC5161.png

Fig. 2

Management schedule at the study site

시험구 토양의 표토 토성은 사양토 (Sandy loam)이며, 전체적인 토양은 지곡통 (Jigog series)에 가깝다. 지곡통의 표토 (0~16 cm) 토성은 모래 61.5%, 미사 28.1%, 점토 10.4%로, 암갈색의 자갈이 있는 사양토이다. 미국 Soil Taxonomy 분류에 의하면 coarse loamy, mixed, mesic family of Typic Dystrudepts에 속하며, FAO/WRB 분류에 의하면 Haplic Cambisols (Alumic Dystric)에 속한다 (RDA, 2024a).

APEX 모델 보⋅검정을 위해 2018년~2023년 6년간의 강우 이벤트별 유출량을 측정하고 수질을 분석하였다. 2018년부터 2020년까지는 옥수수와 가을배추 2모작 재배, 2021년부터 2023년까지는 옥수수를 단작 재배하였다. 옥수수 및 가을배추의 품종은 실험 기간 모두 대학찰 (Zea mays L. cv. Deahakchal)과 천고마비 (Brassica rapa subsp. pekinensis (Lour.) Hanelt cv. Cheongomabi)로 동일하다. 피복 작물은 알팔파 (Medicago sativa L. cv. Alfalfa)이며 2022년과 2023년에 파종하였다. Fig. 1은 시험 포장과 AWS의 위치 및 전경이며, 전체 농경지 관리 일정과 시험 포장에 사용된 비료의 양은 Fig. 2, Table 1과 같다. 시험 포장 초기인 2018년~2019년은 시험 토양의 양분 개선을 위해 다른 시험 연도에 비해 많은 양의 퇴비와 비료를 사용하였다.

Table 1

Amounts of fertilizer and application dates at the study site

Year	Date	Operation	Amount (kg/ha)
2018	17 Apr	Application of manure	18000 = N-P-K (%); 2.28-1.78-2.42
	25 Apr	Application of base fertilizer	N; 200.1, P; 142.8, K; 124.5
	18 May	Topdressing fertilizer application	N; 200.1
	10 Aug	Application of manure	18000 = N-P-K (%); 2.28-1.78-2.42
	16 Aug	Application of base fertilizer	N; 110.4, P; 30.1, K; 54.8
	4 Oct	Topdressing fertilizer application (1st)	N; 69.9, K; 43.8
	18 Oct	Topdressing fertilizer application (2nd)	N; 69.9
	14 Nov	Application of manure	36000 = N-P-K (%); 2.28-1.78-2.42
2019	24 Apr	Application of base fertilizer	N; 92.0, P; 13.6, K; 54.8
	18 May	Topdressing fertilizer application	N; 92.0
	16 Aug	Application of manure	18000 = N-P-K (%); 2.28-1.78-2.42
	20 Aug	Application of base fertilizer	N; 110.4, P; 34.0, K; 54.8
	17 Set	Topdressing fertilizer application (1st)	N; 69.9, K; 29.9
	2 Oct	Topdressing fertilizer application (2nd)	N; 69.9, K; 29.9
	17 Oct	Topdressing fertilizer application (3rd)	N; 69.9, K; 29.9
2020	14 May	Application of base fertilizer	N; 87.4
	5 Jun	Topdressing fertilizer application (1st)	N; 87.4
	22 Jun	Topdressing fertilizer application (2nd)	N; 87.4
	6 Jul	Topdressing fertilizer application (3rd)	N; 87.4
	4 Set	Topdressing fertilizer application (1st)	N; 87.4
	23 Set	Topdressing fertilizer application (2nd)	N; 87.4
	6 Oct	Topdressing fertilizer application (3rd)	N; 87.4
	28 Oct	Topdressing fertilizer application (4th)	N; 87.4
2021	10 May	Application of base fertilizer	N; 78.2, P; 13.1, K; 52.3
2021	9 Jun	Topdressing fertilizer application	N; 78.2
2022	18 Apr	Application of manure	3000 = N-P-K (%); 2.10-0.80-0.90
	2 May	Application of base fertilizer	N; 78.2, P; 13.1, K; 52.3
	27 May	Topdressing fertilizer application (1st)	N; 40.0
	15 Jun	Topdressing fertilizer application (2nd)	N; 40.0
2023	10 Mar	Application of manure	3125 = N-P-K (%); 1.69-0.42-2.96
	28 Mar	Application of base fertilizer	P; 13.1, K; 37.9
	4 Apr	Application of base fertilizer	N; 36.3
	9 May	Topdressing fertilizer application (1st)	N; 40.0
	26 May	Topdressing fertilizer application (2nd)	N; 40.0

유출수 샘플 수집을 위해 강우 이벤트별 유출수 분취기 (공개특허 10-2013-0050011)를 각 시험구에 설치하였다. Fig. 3는 시험 포장 유출수 수집 시스템의 모식도이다. 유출수 분취기는 유출수의 흐름 동력을 이용해 샘플링 디스크를 회전시킴으로써 유출수의 일부를 채수하는 기구로서 유출수 수량, 수질에 관한 준전수 조사가 가능하게 한다 (Choi et al., 2020). 유출량의 경우 강우 이벤트 종료 후 채수통의 물양과 분취 비율을 고려하여 계산하였다. 수질 시료는 강우 이벤트 종료 후 수집된 유출수를 진탕해 상등액을 무균 채수병에 담아 분석실에서 T-P (총인, Total Phosphorus)를 수질오염 공정 시험 기준에 준하여 분석하였다. 인 부하량의 경우 유출량과 분석값을 곱하여 산정하였으며, 계산식은 다음과 같다.

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC5191.png

Fig. 3

Schematic diagram of runoff collection system in study site

(1)

L = R \times C \times \frac{A}{10, 000}

여기서, 은 비점오염 부하량 (kg/ha), 은 유출량 (mm), 는 오염물 농도 (mg/L), 는 농경지 면적 (m²)이다.

모니터링은 농경지 관리 기간에 발생한 모든 강우 이벤트에 대해 이루어졌다. 모니터링 전 기간은 2018년 5월 7일~10월 26일, 2019년 4월 29일~10월 7일, 2020년 2월 25일~9월 12일, 2021년 5월 16일~9월 29일, 2022년 6월 7일~9월 6일, 2023년 4월 5일~9월 21일이다.

2. APEX 모델

본 연구에서는 고랑 식생에 따른 인 저감 효과 평가를 위해 APEX (version 1501, released November 2023) 모델을 사용하였다. APEX 모델은 USDA (United States Department of Agriculture) 와 Texas A&M AgriLife Research에서 개발한 모델로서, EPIC 모델의 기능을 농장 전체 또는 소규모 유역으로 확장하기 위해 개발되었다 (Williams et al., 2023). APEX 모델은 EPIC 모델의 기능 이외에 복잡한 지형 및 수로 시스템에서 유역 출구까지 여러 영역에 걸쳐 존재하는 물, 퇴적물, 양분 및 농약을 추적하는 기능을 포함한다. 이러한 추적 메커니즘을 통해 유출, 양분 이동, 침전물 퇴적 및 분해, 지하수의 흐름 간의 상호 작용을 평가해 각 영역 및 유역 출구에서 질소, 인 및 농약의 농도 등의 수질 예측이 가능하다 (Williams et al., 2023). 또한 토성, 방목 및 경운, 농약, 비료 및 퇴비 사용, 관개, 날씨 등을 조절하거나 윤작, 작물 경합, 식생 여과대, 등고선 경작, 초생 수로 등 다양한 조건에서의 영농 활동을 모의할 수 있다 (Williams et al., 2023). 이러한 영농 활동과 입력자료를 바탕으로 APEX 모델의 구동 결과는 필지/소유역별 수확량 (ton/ha), 작물 바이오매스 (ton/ha), 유출량 (mm), 수용성 N, P 부하량 (ka/ha), 퇴적물을 통해 이동한 N, P양 (kg/ha), 가축분뇨 양 (ton/ha) 등을 포함한다 (Williams et al., 2023).

APEX 모델은 연작 또는 윤작을 통한 단일 작물 생장 모의 이외에도 최대 10개의 작물의 복합 작황에 대한 모의가 가능하다 (Williams et al., 2023). 복합 작황 적용에 따른 작물 경합 요소는 ALMANAC (Agricultural Land Management Alternatives with Numerical Assessment Criteria, Kiniry et al., 1992)에서 개발되었다. ALMANAC 모델은 USDA-ARS (United States Department of Agriculture–Agricultural Research Service)에서 개발한 모델로, 다양한 작물 매개변수를 가진 작물 종에 대한 작물 성장과 경쟁을 모의하는 것이 가능하다. 이 과정에서 잎에 의한 빛 차단, 바이오매스 축적, 건물 생성, 수분 및 양분 흡수, 양분 스트레스 등의 성장 제약이 포함되며, 곡물 수확량은 수확 지수 (HI)를 기준으로 모의한다 (Williams et al., 2023; Baez-Gonzalez et al., 2016).

모델 구동과 관련하여 선택할 수 있는 설정에는 잠재 증발산량 추정 식, 선행 토양수분 조건에 따른 CN값 보정 방법, 토양 유실량 예측 공식 등이 포함된다. 잠재 증발산량 추정 식으로는 Hargreaves 공식 (Hargreaves and Samani, 1985)을 사용하였으며, 선행 토양수분 조건에 따른 CN값 보정 방법은 APEX 모델의 초기설정값 (NVCN=0)을 사용하였다. 토양 유실량 예측 공식으로는 USLE (Wischmeier and Smith, 1978), Onstad-Foster에 의해 수정된 USLE (Onstad and Foster, 1975), RUSLE (Renard et al., 1997), MUSLE (Williams, 1975) 등 7개의 방정식이 제공된다. 본 연구에서는 토양 유실량 예측 공식으로 RUSLE를 사용하였다.

APEX 모델에서 유출수에서의 용존태 인 유실에 대한 개념은 Leonard와 Wauchope (Knisel, 1980)가 제안한 농약을 용액과 침전물 단계로 구분하는 개념을 기반으로 한다. P는 대부분 퇴적물과 관련이 있기 때문에 용존태 인 유출에 대한 함수는 다음과 같다.

(2)

Y S P = 0.01 \times C S P \times Q / K D

여기서, YSP는 유출수 Q (mm)에 포함된 용존태 인 (kg/ha)이다. CSP는 토양층 1의 불안정한 인 농도 (g/t)이며, KD는 유실토에 존재하는 인의 농도를 용존태 인 농도로 나눈 값 (m³/t)이다 (Williams et al., 2023).

유실토에 의한 인의 유출 함수는 다음과 같다.

(3)

Y P = 0.001 \times Y \times C P \times E R

여기서, YP는 유출수 중 유실토에 존재하는 인 (kg/ha)이고, Y는 토양 유실량 예측 공식으로 산정한 토양 유실량 (t/ha), CP는 표토층의 인 농도 (g/t), ER은 농축 비율이다. 농축 비율은 유실 토양의 인 농도를 토양의 인 농도로 나눈 값이다 (Williams et al., 2023).

3. APEX 모델 보⋅검정

APEX 모델의 매개변수 민감도 분석을 위해 APEX 모델 자동 보정 프로그램인 APEX-CUTE (Agricultural Policy Environmental eXtender - auto-Calibration and UncerTainty Estimator)을 사용하였다. APEX-CUTE는 Sobol 방법과 FAST 방법을 이용한 민감도 분석 (SA, Sensitivity Analysis)이 가능하며, 본 연구에서는 Sobol 방법을 이용하여 매개변수별 민감도를 확인하고 보정 매개변수를 선정하였다. Sobol 방법은 입력된 매개변수 간의 상호 작용이 모델 출력 분산에 미치는 기여도를 결정해 민감도를 분석한다 (Zhang et al., 2015).

모델 보⋅검정은 민감도 분석을 통해 선정된 매개변수를 대상으로 APEX 모델이 추천하는 매개변수 별 보정 범위 내에서 수동으로 보정하였다. 대조구의 2018년~2021년 4년간의 관측자료를 보정자료로 사용하였고, 2022년~2023년 2년간의 관측자료를 검정자료로 사용하였다. 고랑식생피복에 따른 모델 검정의 경우 대조구를 기준으로 보정된 모델에 고랑식생피복 일정을 추가하여 산출된 모의 값과 2022년~2023년 고랑식생피복 처리구의 모니터링 데이터를 비교하였다. 하지만, 고랑식생피복은 고랑 영역에 한정하여 알팔파를 파종하는 방법으로 이를 모델에서 구현하기에는 기능적 한계가 있다. 따라서 본 연구에서는 알팔파의 작물 개체군에 대한 LAI (Leaf Area Index) 발달 곡선 변수 (Plant popolation for crops & grass, PPLP)를 조정함으로써 실제 알팔파가 고랑을 피복하는 면적과 유사한 수준으로 알팔파의 LAI를 설정하였다. 또한 시험 포장에서 사용된 알팔파의 생육 조건에 맞추어 APEX 모델의 알팔파 작물 개체군의 매개변수를 조정하였다. 피복 작물인 알팔파는 2022년 5월 27일에, 2023년 4월 5일에 3 kg/10 a로 시험 포장의 고랑에 파종하였으며, 입력자료 역시 동일한 날짜에 알팔파를 파종하도록 작성하였다.

모델의 보⋅검정을 위한 목적함수로써 결정계수 (Coefficient of determination, R²), Nash-Sutcliff model efficiency (NSE) (Nash and Sutcliff, 1970), percentage bias (PBIAS) (Gupta et al., 1999)를 사용하였다. R²는 관측값과 모의 값의 선형관계를 평가하는 지표로서 0~1 범위의 값을 가지며, 관측값과 모의 값이 선형관계일수록 1에 가까운 값을 나타낸다.

(4)

R^{2} = {[\frac{\sum_{i = 1}^{n} (O_{i} - O) (S_{i} - S)}{\sqrt{\sum_{i = 1}^{n} {(O_{i} - \bar{O})}^{2}} \sqrt{\sum_{i = 1}^{n} {(S_{i} - \bar{S})}^{2}}}]}^{2}

여기서, 와 는 각각 관측시간 에 대한 관측값과 모의 값이다. 와 는 관측값과 모의 값의 산술평균값이며, 은 전체 관측 수이다 (Moriasi et al., 2007).

NSE는 모의 값이 관측값과 얼마나 유사한가를 평가하는 지표로서 -∞~1 범위의 값을 가진다. 값이 1에 가까울수록 모의 값이 관측값을 잘 반영하는 것으로 평가할 수 있으며, 만약 0 이하의 값을 나타낸다면 모의 값을 이용하는 것보다 관측값의 평균을 이용하는 것이 더 좋음을 의미한다 (Moriasi et al., 2007).

(5)

N S E = 1 - [\frac{\sum_{i = 1}^{n} {(O_{i} - S_{i})}^{2}}{\sum_{i = 1}^{n} {(O_{i} - \bar{O})}^{2}}]

PBIAS는 관측값에 대한 모의 값의 과대 또는 과소 경향을 평가하는 지표이다. PBIAS의 최적값은 0.0이며 절댓값이 낮을수록 모델의 모의 정확도가 높음을 의미한다. 양의 값은 모델이 과소 추정을, 음수 값은 모델이 과대 추정하는 것을 나타낸다 (Moriasi et al., 2007; Gupta et al., 1999).

(6)

P B I A S = [\frac{\sum_{i = 1}^{n} (O_{i} - S_{i})}{\sum_{i = 1}^{n} O_{i}}] \times 100 %

4. 고랑식생피복에 따른 인 저감 효과 평가

본 연구에서는 최적관리기법 중 하나인 고랑식생피복에 따른 인 유출 저감 효과 평가를 위해 과거 기상 자료를 이용해 연간 유출량과 인 부하량을 모의하였다. 기상 자료의 경우 과거 30년 (1991~2020)의 기상관측 데이터를 APEX 모델의 입력자료 형식으로 변환하여 적용하였다. 대조구와 고랑식생피복 처리구의 재배관리자료의 경우 농가 비료 사용 실태조사 연구 보고서 (Kim et al., 2021)를 참고하여 작성하였으며, 재배 작물과 피복 작물은 옥수수와 알팔파로 동일하다. 알팔파의 파종량은 3 kg/10 a이다. 고랑식생피복에 따른 비점오염 저감 효과는 대조구를 기준으로 유출량과 인 부하량을 비교하여 평가하였으며, 영농 기간에 발생한 강우 이벤트별 부하량을 합산하여 연간 강우 유출수 및 T-P 부하량과 저감 비율을 비교하였다. 평가 결과에 대한 통계적 유의성 검정은 윌콕슨 부호 순위 검정 (Wilcoxon Signed-Rank Test) (Wilcoxon, 1945)을 이용해 5% 유의수준에서 검정하였으며, 통계 프로그램으로는 R (version 4.4.1)을 사용하였다.

Ⅲ. 결과 및 고찰

1. APEX 모델 보⋅검정 결과

APEX-CUTE 민감도 분석 결과 모델의 매개변수 중 12개가 유출량과 T-P에 민감한 매개변수인 것으로 나타났으며 (Table 2), 해당 매개변수를 제외한 다른 변수의 경우 민감도 수치가 매우 낮아 보정을 위한 주요 매개변수로 간주하기 어렵다고 판단하였다. 유출량 조정에 대해서는 PARM 92가 가장 민감하게 반응하였으며, T-P 조정에 대해서는 PARM 69가 가장 민감하게 반응하였다. APM은 SIT 파일에 있는 매개변수로 그 외는 PARM1501.DAT 파일에서 조정할 수 있다.

Table 2

Performance evaluation criteria for recommanded statistical performance measures for hydrological model (Moriasi et al., 2015)

Division	Output response	Performance evaluation criteria
Division	Output response	Very good	Good	Satisfactory	Not satisfactory
R²	discharge	R²>0.85	0.75<R²≤0.85	0.60<R²≤0.75	R²≤0.60
R²	P	R²>0.80	0.65<R²≤0.80	0.40<R²≤0.65	R²≤0.40
NSE	discharge	NSE>0.80	0.70<NSE≤0.80	0.50<NSE≤0.70	NSE≤0.50
NSE	P	NSE>0.65	0.50<NSE≤0.65	0.35<NSE≤0.50	NSE≤0.35
PBIAS (%)	discharge	PBIAS<±5	±5≤PBIAS<±10	±10≤PBIAS<±15	PBIAS≥±15
PBIAS (%)	P	PBIAS<±15	±15≤PBIAS<±20	±20≤PBIAS<±30	PBIAS≥±30

선정된 매개변수 12개를 중심으로 APEX 모델이 추천하는 범위 내에서 수동으로 보정하였으며, 보정 결과는 Table 3과 같다. 강우 이벤트에 따른 유출량 보정 결과 보정 기간에서 R² 0.92, NSE 0.89, PBIAS는 -3.5%로 나타났으며, 검정 기간에서는 R² 0.94, NSE 0.93, PBIAS 14.2%로 나타났다. R²와 NSE 경우 모두 매우 좋음 (very good) 수준을 보였으며, PBIAS의 경우 보정 기간에는 매우 좋음 (very good), 검정 기간에서는 만족 (satisfactory) 수준으로 평가되었다.

Table 3

Key parameters used for APEX model calibration and validation and sensitivity rank according to the Sobol method in APEX-CUTE

Impact	Parameters	Description	Range	Default value	Calibrated value	Total-order Index	Rank
Runoff	PARM 92	Runoff Volume Adjustment for Direct Link (NVCN=0)	0.1-2.0	1	0.23	4.33×10^-1	1
	PARM 20	Runoff curve number initial abstraction	0.05-0.4	0.2	0.1	4.29×10^-1	2
	APM	Peak runoff rate - rainfall energy adjustment factor	0-1	1	0.55	1.27×10^-1	3
	PARM 34	Hargreaves PET equation exponent	0.5-0.6	0.5	0.6	2.19×10^-2	4
	PARM 49	Maximum rainfall interception by plant canopy	0.0-15.0	7	11	1.45×10^-2	5
	PARM 12	Soil evaporation coefficient	1.5-2.5	2.5	1.5	4.15×10^-3	6
T-P	PARM 69	Coefficient adjusts microbial activity function in the top soil layer	0.1-1.0	0.5	1	1.33×10^-1	1
	PARM 68	Manure erosion exponent	0.1-1.0	0.5	0.2	1.03×10^-1	2
	PARM 62	Manure erosion equation coefficient	0.1-0.5	0.25	0.2	4.62×10^-2	3
	PARM 29	Biological mixing efficiency	0.0001-0.01	0.001	0.01	1.31×10^-2	4
	PARM 46	RUSLE C-factor coefficient in exponential residue function in residue factor	0.5-1.5	0.75	1.4	4.04×10^-5	5
	PARM 59	P upward movement by evaporation coefficient	1-20	10	8	1.60×10^-5	6

T-P의 경우 보정 기간에서 R² 0.74, NSE는 0.70, PBIAS는 2.0%로 나타났으며, 검정 기간에서는 R² 0.82, NSE 0.71, PBIAS는 12.6%로 나타났다 (Fig. 4). R²는 보정 기간의 경우 좋음 (good), 검정 기간의 경우 매우 좋음 (very good) 수준으로 평가되었다. NSE는 모두 매우 좋음 (very good) 수준으로 나타났으며, PBIAS는 보정 기간에서는 매우 좋음 (very good), 검정 기간에서는 좋음 (good) 수준으로 평가되었다. Fig. 5는 유출량과 T-P에 대한 모델 모의 값과 관측값을 비교한 그래프로, 전체적으로 모의 값이 관측값을 잘 반영하는 것으로 판단되었다.

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC51F9.png

Fig. 4

APEX model calibration and validation results for runoff and T-P under Control conditions:

(a) calibration for runoff, (b) calibration for T-P, (c) validation for runoff, (d) validation for T-P

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC5229.png

Fig. 5

Comparison of Observed (Obs.) and Simulated (Sim.) values of runoff and T-P under Control conditions during the study period (2018-2023)

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC5269.png

Fig. 6

Comparison of Observed (Obs.) and Simulated (Sim.) values of runoff and T-P with furrow vegetative cover application in 2022-2023

고랑식생피복에 따른 모델 보정 결과, 조정된 매개변수 값은 Table 4와 같으며 APEX 모델의 추천하는 조정 범위가 있는 경우 이를 고려하여 값을 조정하였다. 2022년~2023년 강우 이벤트에 따른 유출량 검정 결과 R² 0.96, NSE는 0.95, PBIAS는 12.5%로 나타났으며 R²과 NSE는 모두 매우 좋음 (very good) 수준, PBIAS는 좋음 (good) 수준으로 확인되었다. 2022년 관측자료에 따르면 고랑식생피복 처리구 연간 유출량은 324.4 mm로, 대조구에 비해 27.3% 감소하였다. APEX 모델 모의 값은 고랑식생피복 처리구 294.3 mm로 대조구에 비해 처리구의 유출량이 28.9% 감소한 것으로 나타났다. 2023년의 경우 고랑식생피복 처리구 연간 유출량은 935.6 mm로 대조구에 비해 11.8% 감소하였으며, 모델 모의 값은 고랑식생피복 처리구 808.3 mm, 대조구에 비해 처리구의 유출량이 8.1% 감소한 것으로 나타났다 (Table 4).

Table 4

Key parameters used for Furrow vegetative cover in APEX model

Location	Parameter	Range	Default value	Selected value
PARM1501.DAT	PARM28	0.1 – 20	10	20
CROPCOM.DAT	Biomass-Energy Ratio (WA)	-	20	25
	Minimum temperature for plant growth (TBS)	-	1	5
	Frcation of growing season when leaf area declines (DLAI)	-	0.90	0.85
	First point on optimal leaf area development curve (DLAP1)	-	15.01	10.25
	Second point on optimal leaf area development curve (DLAP2)	-	50.95	70.95
	Leaf area index decline rate parameter (RLAD)	-	0.5	1.5
	Plant population for crops&grass - 1^st point on curve (PPLP1)	-	22.50	20.20
	Plant population for crops&grass - 2^nd point on curve (PPLP2)	-	40.71	42.50
Subarea file (.sub)	Fraction of the subarea controlled by buffers (BCOF)	0 - 1	0	0.125
Subarea file (.sub)	Buffer flow length (BFFL)	-	0	23

T-P 검정 결과, R² 0.72 NSE는 0.65, PBIAS는 23.5%로 나타났으며 R²와는 만족 (satisfactory), NSE는 좋음 (good), PBIAS는 만족 (satisfactory) 수준으로 확인되었다. 2022년 관측자료에 따르면 고랑식생피복 처리구의 연간 인 부하량은 8.1 kg/ha로, 대조구에 비해 43.2% 감소하였다. APEX 모델 모의 값은 고랑식생피복 처리구 6.3 kg/ha로 대조구에 비해 처리구의 인 부하량이 47.6% 감소한 것으로 나타났다. 2023년 고랑식생피복 처리구의 연간 인 부하량은 16.7 kg/ha로 대조구에 비해 42.4% 감소하였으며, 모델 모의 값은 고랑식생피복 처리구 12.8 kg/ha, 대조구에 비해 처리구의 인 부하량이 50.9% 감소한 것으로 나타났다 (Table 5). Fig. 7은 2022년~2023년 2년간의 시험 포장 고랑식생피복 처리구의 관측값과 APEX 모델의 모의 값을 비교한 결과로, 전체적으로 모의 값이 관측값을 잘 반영하는 것을 확인할 수 있다.

Table 5

Annual Runoff and T-P comparison for Control (CT) and Furrow Vegetative Cover (FVC) in 2022-2023

Year	Division	Observed value			Simulated value
Year	Division	CT	FVC	Ruduction rate (%)	CT	FVC	Ruduction rate (%)
2022	Runoff (mm)	446.3	324.4	27.3	414.2	294.3	28.9
2022	T-P (kg/ha)	14.3	8.1	43.2	11.9	6.3	47.6
2023	Runoff (mm)	1060.9	935.6	11.8	879.5	808.3	8.1
2023	T-P (kg/ha)	29.0	16.7	42.4	26.0	12.8	50.9

https://cdn.apub.kr/journalsite/sites/jksae/2025-067-02/N0740670207/images/PIC5299.png

Fig. 7

Simulated annual runoff, T-P loads of Control (CT) and Furrow vegetative cover (FVC) for 30 years (1991-2020)

2023년의 경우 연간 유출량에 대한 관찰값과 모의 값이 인 부하량과 비교해 상대적으로 차이를 보이는데, 이는 APEX 모델의 경우 일일 기상 데이터를 이용해 모의하기 때문에 시간별 강우 강도에 대한 반영이 정확하지 못하다는 한계가 있기 때문이다 (Van Liew et al., 2017). 모델의 한계점으로 인해 해당 부분에서 차이가 발생하였으나, 저감 효율의 경우 관측값과 모의 값 모두 유사한 수준으로 나타났으며 모델 검정 결과 R^2,NSE, PBIAS의 값이 모두 만족 수준 이상으로 확인되었다. 따라서, 보정된 모델이 경사 밭에서의 고랑식생피복에 따른 비점오염 평가에 적합한 수준인 것으로 판단되었다.

2. 고랑식생피복에 따른 인 저감 평가 결과

과거 30년 (1991~2020) 기후 조건에서 고랑식생피복에 따른 유출량 및 인 저감 효과를 평가한 결과, 유출량과 인 부하량 모두 대조구와 비교해 확연히 감소한 것을 확인할 수 있었다 (Table 6, Fig. 7). 유출량의 경우, 대조구는 연평균 672.6 mm, 고랑식생피복 처리구는 591.2 mm로 평균 12.1% 감소하였으며 최소 8.5%, 최대 20.3%까지 감소하는 것으로 분석되었다. 인 부하량의 경우, 대조구는 연평균 14.9 kg/ha, 고랑식생피복 처리구는 8.8 kg/ha로 평균 40.8% 감소하였으며 최소 32.0%, 최대 50.4%까지 감소되는 것으로 분석되었다.

Table 6

Runoff and T-P load average values of Control (CT) and Furrow Vegetative Cover (FVC) for 30 years (1991-2020)

Division	CT	FVC
Runoff (mm)	672.6	591.2
T-P (kg/ha)	14.9	8.8

과거 기후 조건에서 고랑식생피복에 따른 유출량 및 인 부하량을 모의한 결과, 모의 기간인 30년간 유출량은 총 2443.2 mm 감소하였으며, T-P는 182.8 kg/ha 감소하였으며 유출량은 2015년, 인은 2010년에 가장 높은 저감 효율을 보였다. 또한 인 부하량 저감 비율이 유출량과 비교하여 높게 나타났는데, 이는 고랑에 파종한 피복 작물의 뿌리로 인해 토양 입자 및 유기물의 유출을 효과적으로 차단함으로써 높은 저감 효과를 보인 것이라 판단된다. 대조구와 고랑식생피복 처리구의 모델 모의 값에 대한 통계적 유의성 검정 결과, 모두 5% 이하로 유의한 것으로 나타났다.

Ⅳ. 요약 및 결론

본 연구는 국립농업과학원 내 경사지라이시미터를 대상으로 APEX 모델을 이용하여 고랑식생피복 적용에 따른 비점오염 부하량 저감 평가를 목표로 수행되었다. 대조구 조건에서 모델 보정 결과, 보정 기간에서 유출량의 경우 R²0.92, NSE 0.89, PBIAS -3.5%, T-P의 경우 R²0.74. NSE 0.70, PBIAS 2.0%로 나타났다. 검정 기간에서는 유출량의 경우 R²0.94, NSE 0.93, PBIAS 14.2%, T-P의 경우 R²0.82, NSE 0.71, PBIAS 12.6%로 나타났으며, 모두 평가 기준에 대해 만족 수준 이상으로 확인되었다. 고랑식생피복에 따른 검정 결과, 실제 유출량을 비교하였을 때 다소 차이가 있었으나 이는 모델의 강우 모의 과정에서 구조적 한계로 인한 한계점을 가지는 것으로 나타났다. 그러나, 유출량과 T-P에 대한 모델 검정 결과 평가 기준에 대해 모두 만족 수준 이상으로 나타났으며 비점오염 저감 비율에 대해서 잘 반영하는 것으로 확인되었기 때문에 경사 밭에서의 비점오염 저감 모의에 적합한 수준으로 판단되었다. 보정된 모델을 바탕으로 과거 30년 기후 조건에서 고랑식생피복 적용에 따른 비점오염 저감을 모의한 결과, 유출량 및 인 부하량이 12.1%, 40.8% 감소함을 확인할 수 있었으며, 이는 고랑식생피복이 비점오염 저감 기술로써 확연한 효과를 보임을 시사한다. 다만, 본 연구는 작물 수확량에 대한 정량적 평가가 이루어지지 않았다는 점에서 한계점을 가진다. 그러나, 본 연구 결과는 APEX 모델을 이용하여 국내 농업 시스템에서 최적관리기법 적용을 평가한 결과로써 국내 비점오염 관리 전략 개발에 있어 기초 자료로 활용될 것으로 기대된다. 향후 연구에서는 시나리오를 이용하여 기후변화에 따른 장기적인 효과 평가가 필요할 것으로 사료된다. 이와 더불어, 다양한 비점오염 저감 기술을 평가함으로써 보다 효율적인 관리 전략을 제시할 수 있을 것으로 판단된다.

사 사

본 연구는 농촌진흥청 국립농업과학원 농업과학기술 연구개발사업 (과제번호: RS-2024-00396736)의 지원으로 수행되었습니다.

REFERENCES

A. D. Baez-Gonzalez, J. R. Kiniry and J. Williams, User’s ManualALMANACMEX: Agricultural land management alternatives with numerical assessment criteria model (ALMANAC) with Mexican interface. Version 1.0.18, Special Publication No. 44, Mexico. INIFAP. (2016)

G. Y. Bak and J. T. Lee, Journal of Environmental Science International, Effects of alfalfa cultivation on soil erosion and maize production in highland agriculture, 30(2); 145-152 (2021)10.5322/jesi.2021.30.2.145

K. S. Choi and J. R. Jang, Journal of Korea Water Resources Association, Selection of appropriate plant species of VFS (vegetative filter strip) for reducing NPS pollution of uplands, 47(10); 973-983 (2014)10.3741/jkwra.2014.47.10.973

S. K. Choi, J. Jeong, S. J. Yeob, M. Kim, J. H. Kim and M. K. Kim, Journal of Korean Society of Agricultural Engineers, Evaluating changes and uncertainty of nitrogen load from rice paddy according to the climate change scenario multi-model ensemble, 62(5); 47-62, (in Korean) (2020)10.5389/KSAE.2020.62.5.047

H. V. Gupta, S. Sorooshian and P. O. Yapo, Journal of Hydrologic Engineering, Status of automatic calibration for hydrologic models: Comparison with multilevel expert calibration, 4(2); 135-143 (1999)10.1061/(asce)1084-0699(1999)4:2(135)

G. H. Hargreaves and Z. A. Samani, Transactions of the ASAE, Reference crop evapotranspiration from temperature, 28(3); 96-99 (1985)10.13031/2013.26773

C. G. Jung, J. Y. Park, J. W. Lee, H. Jung and S. J. Kim, Journal of the Korean Society of Agricultural Engineers, The applicability of SWAT-APEX model for agricultural nonpoint source pollution assessment, 53(5); 35-42 (2011)10.5389/ksae.2011.53.5.035

M. Kamruzzaman, J. Cho, S. K. Choi, J. H. Song, I. Song and S. Hwang, Journal of the Korean Society of Agricultural Engineers, Evaluating the performance of APEX-PADDY model using the monitoring data of paddy fields in South Korea, 62(1); 1-16, (in Korean) (2020)10.5389/KSAE.2020.62.1.001

J. W. Kim, J. Y. Yoo, B. M. Seo, C. G. Yoon, M. J. Yoon, M. R. Kim, M. N. Jung and Y. H. Kim, Survey on water quality for agricultural use and fertilizer usage in Chungbuk; 303-304, Cheongju, Chungbuk. Chungcheongbuk-do Agricultural Research and Extension Services. (2021)

M. K. Kim, S. I. Kwon, G. B. Jung, S. C. Hong, M. J. Choi, S. G. Yun and K. H. So, Korean Journal of Environmental Agriculture, Small-scale pond effects on reducing pollutants load from a paddy field, 32(4); 355-358, (in Korean) (2013)10.5338/KJEA.2013.32.4.355

M. K. Kim, S. K. Choi, G. B. Jung, M. H. Kim, S. C. Hong, K. H. So and J. H. Jeong, Korean Journal of Soil Science and Fertilizer, APEX (Agricultural Policy/Environmental eXtender) model: An emerging tool for agricultural environmental analyses, 47(3); 187-190 (2014)10.7745/kjssf.2014.47.3.187

J. R. Kiniry, J. R. Williams, P. W. Gassman and P. Debaeke, Transactions of the ASAE, A general, process-oriented model for two competing plant species, 35(3); 801-810 (1992)10.13031/2013.28222

W. G. Knisel, U.S. Dept. Agric. Conserv. Res. Rept, CREAMS: A field scale model for chemicals, runoff, and erosion from agricultural management systems (1980)

J. Y. Koo, J. Kim, S. K. Choi, M. K. Kim, J. Jeong and K. J. Lim, Journal of the Korean Society of Agricultural Engineers, Construction of database for application of APEX model in Korea and evaluation of applicability to highland field, 59(6); 89-100 (2017)10.5389/KSAE.2017.59.6.089

J. Lee, J. S. Eom, B. Kim, W. S. Jang, J. C. Ryu, H. Kang, K. S. Kim and K. J. Lim, Journal of the Korean Society of Agricultural Engineers, Water quality prediction at Mandae watershed using SWAT and water quality improvement with vegetated filter strip, 53(1); 37-45 (2011)10.5389/ksae.2011.53.1.037

Ministry of Environment, Ministry of Environment, The 3rd comprehensive plan for non-point source pollution management in rainfall runoff (2021-2025), Sejong, South Korea. (2020)

D. N. Moriasi, J. G. Arnold, M. W. Van Liew, R. L. Bingner, R. D. Harmel and T. L. Veith, Transactions of the ASABE, Model evaluation guidelines for systematic quantification of accuracy in watershed simulations, 50(3); 885-900 (2007)10.13031/2013.23153

D. N. Moriasi, M. W. Gitau, N. Pai and P. Daggupati, Transactions of the ASABE, Hydrologic and water quality models: Performance measures and evaluation criteria, 58(6); 1763-1785 (2015)10.13031/trans.58.10715

J. E. Nash and J. V. Sutcliffe, Journal of Hydrology, River flow forecasting through conceptual models part 1: A discussion of principles, 10(3); 282-290 (1970)10.1016/0022-1694(70)90255-6

C. A. Onstad and G. R. Foster, Transactions of the ASAE, Erosion modeling on a watershed, 18(2); 288-292 (1975)10.13031/2013.36781

K. G. Renard, G. R. Foster, G. A. Weesies, D. K. McCool and D. C. Yoder, Predicting soil erosion by water: A guide to conservation planning with the revised universal soil loss equation (RUSLE), Agriculture Handbook. (1997)

Rural Development Administration, Soil information system, Available at: http://soil.rda.go.kr Accessed 3 Mar. 2024 (2024a)

Rural Development Administration, Weather information system, Available at: http://weather.rda.go.kr Accessed 2 July. 2024 (2024b)

M. H. Shin, C. H. Won, W. J. Park, Y. H. Choi, J. R. Jang, K. J. Lim and J. D. Choi, Journal of the Korean Society of Agricultural Engineers, Analysis of the reduction effect on NPS pollution loads by surface cover application, 53(4); 29-37 (2011)10.5389/ksae.2011.53.4.029

S. S. Snapp, S. M. Swinton, R. Labarta, D. Mutch, J. R. Black, R. Leep, J. Nyiraneza and K. O’Neil, Agronomy Journal, Evaluating cover crops for benefits, costs, and performance within cropping system niches, 97(1); 322-332 (2005)10.2134/agronj2005.0322

H. C. So, T. I. Jang, D. H. Kim, D. M. Seol and K. S. Yoon, Journal of the Korean Society of Agricultural Engineers, Surface cover effect for reducing nitrogen load in organic farming fields using APEX model, 60(5); 55-67 (2018)10.5389/KSAE.2018.60.5.55

M. W. Van Liew, C. S. Wortmann, D. N. Moriasi, K. W. King, D. C. Flanagan, T. L. Veith, G. W. McCarty, D. D. Bosch and M. D. Tomer, Transactions of the ASABE, Evaluating the APEX model for simulating streamflow and water quality on ten agricultural watersheds in the U.S., 60(1); 123-146 (2017)10.13031/trans.11903

F. Wilcoxon, Biometrics Bulletin, Individual comparisons by ranking methods, 1(6); 80-83 (1945)10.2307/3001968

J. R. Williams, ARS-S-40Sediment yield prediction with universal equation using runoff energy factor, U.S. Department of Agriculture. (1975)

J. R. Williams, R. C. Izaurralde, C. Williams and E. M. Steglich, Agricultural policy/environmental eXtender model theoretical documentation, version 1501, Temple, Texas. Texas A&M Blackland Research and Extension Center. (2023)

W. H. Wischmeier and D. D. Smith, Predicting rainfall erosion losses: A guide to conservation planning, Agriculture Handbook No. 537. U.S. Department of Agriculture. (1978)

X.-Y. Zhang, M. N. Trame, L. J. Lesko and S. Schmidt, CPT Pharmacometrics Systems Pharmacology, Sobol sensitivity analysis: A tool to guide the development and evaluation of systems pharmacology models, 4(2); 69-79 (2015)10.1002/psp4.627548289PMC5006244

S. J. Yeob, M. K. Kim, M. H. Kim, J. Park and S. K. Choi, Journal of the Korean Society of Agricultural Engineers, Evaluation of furrow mulching methods for controlling non-point source pollution load from a sloped upland, 64(3); 33-43 (2022)10.5389/KSAE.2022.64.3.033

S. J. Yeob, M. K. Kim, N. H. Kim and S. K. Choi, Journal of the Korean Society of Agricultural Engineers, Reduction efficiency analysis of furrow vegetation and PAM (polyacrylamide) mulching for non-point source pollution load from sloped upland during farming season, 65(4); 1-10 (2023)10.5389/KSAE.2023.65.4.001

V. H. D. Zuazo and C. R. R. Pleguezuelo, Agronomy for Sustainable Development, Soil-erosion and runoff prevention by plant covers: A review, 28(1); 65-86 (2008)10.1051/agro:2007062

Journal of Korean Society of Agricultural Engineers ISSN:1738-3692(Print) 2093-7709(Online) 한국농공학회논문집

Preview

Evaluation of Phosphorus Runoff Reduction in Sloped Upland with Furrow Vegetative Cover Using the APEX Model

ABSTRACT

MAIN

Fig. 1

Fig. 2

Table 1

Fig. 3

(1)

(2)

(3)

(4)

(5)

(6)

Table 2

Table 3

Fig. 4

Fig. 5

Fig. 6

Table 4

Table 5

Fig. 7

Table 6

REFERENCES