Ⅰ. 서 론
토양 상층부의 표토가 이탈되는 현상을 토양유실로 정의한다. 토양유실은 물과 바람 등의 자연적 원인뿐만 아니라 경작, 토지 개간, 건축, 토양 채석과 같은 인위적 개입으로 가속화되고 있다 (Poesen, 2018). 농경지, 경사지 등이 주요 토양유실 우심지역으로 꼽히며 농경지의 토양유실은 수분과 양분의 주요 공급원인 표토 손실을 유발하여 작물 생산량을 감소시키며 농지가 황폐해지는 원인으로 작용한다 (Kim et al., 2009; Hyun et al., 2007; Lal, 2010). 또한, 토양유실로 인해 주변 하천으로 유입되는 유사는 부영양화를 유발해 수질을 오염시키고 유사 퇴적으로 인한 배수 관개 비용을 증가시키고, 도로 및 교량 등을 파손하기도 한다 (Lal, 2010). 한국은 국토의 63.5%가 산림 지역으로 경사가 가파르며 여름철 (6-9월)의 장마 및 태풍이 집중되는 기상 패턴으로 인해 강우에 의한 여름철 토양유실에 매우 취약한 것으로 보고되고 있다 (NGII, 2020; Lee and Won, 2013).
지구온난화는 화석연료 사용으로 인한 온실가스 배출로 평균 기온 및 해수 온도가 급격하게 상승하는 현상으로 강우 패턴에도 영향을 미치는 것으로 알려져 있다 (Crowley, 2000). 한반도 전역에서 집중호우는 지속적으로 증가하였으며, 강우량과 여름철 호우 빈도가 증가하였고 강수일수는 감소하여 강우사상별 강우강도가 증가하였다 (An et al., 2011; Kim et al., 2021). 이는 극한 강우사상 발생 빈도가 증가하고 있음을 의미하며 극한 강수량의 증가는 토양유실이 가속화되는 원인으로 지목되었다 (Eekhout et al., 2018). SSP 기후변화 시나리오에 따르면 한반도의 극한 강수량은 20-50% 가량 증가할 것으로 예측되는 등 기상이변은 향후에도 지속 및 심화될 것으로 전망되고 있다 (Kim et al., 2023). 기후변화로 인한 토양유실의 위험성은 높아지고 있으며 적절한 예방 대책을 마련하기 위하여 수문사상의 변화가 토양유실에 미치는 영향에 대하여 기초연구를 수행할 필요가 있다.
토양유실량을 모의하기 위한 모델로 Universal Soil Loss Equation (USLE), Revised USLE (RUSLE), Water Erosion Prediction Project (WEPP), Soil & Water Assessment Tool (SWAT) 등이 개발되어 있다. 이중 USLE는 Wischmeier and Smith (1978)에 의해 제안되었으며 실측데이터를 기반으로 개발한 경험적 토양유실량 추정 공식으로 매개변수가 간단하고 계산에 필요한 데이터를 확보하기 용이하며 다른 연구와의 비교가 가능하여 토양유실량을 평가하는 많은 연구에서 채택되었다 (Alewell et al., 2019; Lee, 2018). (R)USLE의 매개변수 중 강우침식인자 (Rainfall erosivity factor; R factor)는 강우가 토양유실에 미치는 영향을 계산하는 인자로 기후를 반영하기 때문에 다른 인자에 비하여 변동성이 큰 것으로 알려져 있으며 (KEITI, 2018), 강우패턴 변화가 토양유실에 미치는 영향을 분석할 수 있는 매개변수이다.
국내에서 강우침식인자의 시공간적 변동을 분석하는 연구는 지속적으로 수행되었다. Kang et al. (2003)과 Lee and Won (2013)은 24주기 혹은 한 달 주기로 강우침식인자를 산정하여 시기별 특성을 분석하였다. Park et al. (2011)은 1981-2010년의 강우자료로 강우침식인자를 산정하여 강우침식인자가 점차 증가했음을 밝혔고, Kang et al. (2021)은 이를 2011-2020년의 강우침식인자와 비교하여 기후변화의 영향을 평가하였다. Lee (2018)은 5분 단위 강우자료를 활용하여 강우침식인자를 산정하였고 선행 연구에서 계산한 강우침식인자와의 연속성을 평가하고 차이를 분석하여 토양침식의 잠재적 위험이 증가하였음을 밝혔다. 국외에서는 Liu et al. (2020), Wang et al. (2022)에 의하여 장기간의 강우자료를 활용한 강우침식인자의 시공간적 변동 특성을 분석한 연구들이 진행되었다.
강우침식인자 산정 및 시공간적 변동 특성과 관련한 선행 연구를 조사한 결과 다음과 같은 한계점을 발견하였다. 첫째, 자료 구축의 한계로 인하여 분 단위 강우자료를 활용하지 않고 1시간 단위 강우자료를 활용하여 강우침식인자를 산정한 경우가 대부분이었다 (Lee, 2018). 둘째, 1분 단위 강우자료를 사용한 연구가 점차 증가하고 있지만 USLE 공식이 제안하는 20년 이상의 강우자료를 활용해 강우침식인자를 산정하는 연구는 여전히 부족한 실정이다 (Jung et al., 2016; Kim et al., 2018). 셋째, 1시간 단위 강우자료로 강우침식인자를 산정할 경우 강우침식인자가 과소 추정되었다 (Lee and Heo, 2014; Yue et al., 2020). 따라서, 강우침식인자의 시공간적 변동성을 분석할 때 20년 이상의 1시간 단위, 1분 단위 강우자료를 활용하여 강우침식인자를 산정함으로써 시간해상도가 강우침식인자 산정에 미치는 영향을 평가할 필요가 있었다.
본 연구의 목적은 전국 60개 지점의 1973-2023년의 1시간 단위 강우자료를 활용하여 강우침식인자를 산정해 강우침식인자의 시공간적 변동성을 평가하고, 최근 24개년도의 1분 단위 강우자료로부터 산정한 72개 지점의 강우침식인자와 1시간 단위 강우침식인자를 비교하여 강우자료의 시간해상도에 따른 강우침식인자의 변동성을 분석하는 데에 있다.
Ⅱ. 재료 및 방법
1. 연구흐름도
Fig. 1에 본 연구의 흐름도를 작성하였다. 강우침식인자의 기후변화 영향평가를 위하여 60개 지점의 1973-2023년의 1시간 단위 강우자료를 수집하여 강우침식인자를 산정하였다. 또한 시간해상도에 따른 강우침식인자의 차이를 분석하기 위하여 기상청에서 제공하는 72개 지점의 2000-2023년의 1분 누적 강우량과 1시간 단위 강우자료를 수집하여 강우침식인자를 산정하였다. 강우침식인자의 증감 경향성 분석을 위하여 Mann-Kendall test와 Sen’s slope를 수행하였으며, 지역적 분포를 분석하였다. 강우침식인자의 시간해상도에 따른 차이를 분석하기 위하여 1시간 단위 강우자료로 산정한 E, I30과 동절기 강우침식인자 추정법에 의한 강우침식인자 산정 결과를 1분 단위 강우자료로 산정한 결과와 비교하였다.
2. 강우자료 수집
본 연구에서는 기상청의 종관기상관측 (Automated Surface Observing System; ASOS) 자료를 이용하여 강우침식인자를 산정하였으며 Table 1과 Fig. 2에 강우자료 수집 기간과 ASOS 기상관측소의 위치를 정리하였다. 기후변화에 의한 강우침식인자의 변동성을 평가하기 위하여 1973년부터 2023년까지의 1시간 단위 강우자료를 제공하는 60개 지점에서 51개년도의 강우자료를 수집하였다. 또한 강우자료의 시간해상도에 따른 강우침식인자 차이를 분석하기 위하여 1분 단위 강우자료를 확보하고 있는 72개 지점에서 2000년부터 2023년까지 24개년의 1분 단위 일 누적 강우자료를 1분당 강우량 자료로 변환하여 데이터 분석에 활용하였다. 1973-2023년의 1시간 단위 강우자료를 수집하지 않은 12개 지점의 경우 2000-2023년의 1시간 단위 강우자료를 수집하여 추가로 분석을 수행하였다.
Table 1
Status of rainfall data collection by Automated Surface Observing System (ASOS) station
3. USLE 및 강우침식인자
가. USLE
최초의 USLE 공식은 농경지의 토양유실량을 예측하기 위한 모델로 개발되었다. 이는 적용이 간편한 대신 토양유실을 유발하는 조건을 제한적으로 고려하였기 때문에 적용 범위를 확대하기 위한 연구가 수행되었으며 (Alewell et al., 2019), Renard (1997)에 의해 개정 범용토양유실공식 (Revised Universal Soil Loss Equation; RUSLE)으로 발전되었다. RUSLE는 계곡 지역 토양유실량 모의를 수행할 수 있도록 세부 인자가 추가되었으며 토양유실량에 영향을 미치는 개별 요소를 추가로 고려하였다 (Renard, 1997). 또한 2005년 미국 농무부에서 개발한 RUSLE2는 소프트웨어로 개발되어 프로세스 기반 부분별 토양유실량을 모의할 수 있도록 개선되었다 (Foster, 2005). USLE 공식의 개선에 따라 세부 인자 계산 방법은 업데이트 되어왔지만, 토양유실량을 산정하는 인자는 일정하게 유지되었으며, USLE에 의한 토양유실량 산정 공식은 식 (1)과 같다 (Wischmeier and Smith, 1978; Foster et al., 1981).
여기서, A (t/ha/yr)는 연간 토양침식량, R (MJ⋅mm/ha/hr/yr)는 강우침식인자, K (t⋅hr/MJ/mm)는 토양수식인자, LS는 지형인자, C는 작물인자, P는 토지 피복 인자이며 LS, C, P는 무차원의 값을 갖는다.
나. 강우침식인자 (R factor)
강우침식인자 계산식도 USLE 공식 개선에 따라 수정되어 왔다. Wischmeier and Smith (1978)는 USLE의 강우운동에너지를 로그 형태로 계산하였으나 RUSLE는 Brown and Foster (1987)의 연구를 바탕으로 한 지수 기반 강우운동에너지식을 제시하였다 (Renard, 1997). RUSLE 기반 강우운동에너지 식은 USLE 식에 비하여 강우운동에너지를 약 9-10% 낮게 산정하는 특징을 보였으며 (McGregor et al., 1995; Lee et al., 2011) RUSLE2는 RUSLE가 강우운동에너지식을 과소산정하는 특징을 수정한 강우에너지식을 채택하였다 (Nearing et al., 2017). 본 연구에서는 기존 국내 연구에서 강우침식인자 산정에 활용한 바 있는 Wischmeier and Smith (1978)이 제안한 USLE 식을 SI 단위계로 변환한 Foster et al. (1981)의 식으로 강우침식인자를 계산하였다 (Jung et al., 1983; Park et al., 2000;, Park et al., 2011; Risal et al., 2016).
강우침식인자는 유효강우사상의 강우사상별 강우 에너지와 30분 최대 강우강도 곱 (E⋅I30)의 합으로 정의된다. 개별 강우사상은 6시간 이상 무강우가 지속되었을 때를 기준으로 분리하였고, 강우사상별 총 강우량이 12.7 mm 이상이거나 15분간 최대 강우량이 6.35 mm 이상일 경우를 유효강우사상으로 분류하였다. 다만 1시간 단위 강우자료로 강우침식인자를 산정할 경우 15분 최대 강우량이 6.35 mm 이상인 강우사상을 분리하는 것이 불가능하기 때문에 이를 유효강우사상에서 제외하였다. 강우침식인자 산정식은 (2)와 같다.
여기서, R (MJ⋅mm/ha/hr/yr)는 연간 강우침식인자, n은 연도별 유효강우사상 횟수, E (MJ/ha)는 강우사상별 강우에너지, I30 (mm/hr)는 강우사상별 30분 최대 강우강도를 의미한다. 또한 강우에너지는 (3)으로 계산하였다.
여기서, E (MJ/ha)는 강우에너지, e (MJ⋅mm/ha)는 강우운동에너지, I는 강우사상별 강우강도 (mm/hr), t는 강우지속시간 (hr) 이다. 강우운동에너지 e는 (4)와 같이 계산하였다.
여기서, e (MJ⋅mm/ha)는 강우운동에너지, I는 강우사상별 강우강도 (mm/hr)로, 시간당 강우량이 76 mm 이상일 경우 강우운동에너지는 0.283 MJ⋅mm/ha의 상숫값을 갖는다.
다. 1시간 단위 강우자료를 활용한 강우침식인자 산정
1시간 단위 강우자료로 강우침식인자를 산정할 때 I30을 추정하지 않고 I60으로 강우침식인자를 산정하면 I30을 추정하는 환산계수를 적용하는 경우에 비하여 강우침식인자가 35-39% 낮게 산정된다 (Lee and Heo, 2014). Kang et al. (2003)과 NDMRI (2009)는 1시간 단위 강우자료를 사용하여 강우침식인자를 산정할 때 이용 가능한 26개, 53개 지점의 환산계수를 제시하였으나 강우자료의 수집 기간과 수집 지점의 차이로 인하여 이를 이용할 수 없었다. Park et al. (2000)은 60분, 120분, 180분의 최대 강우강도를 이용하여 Talbot, Sherman, Japanese형 강우강도-지속시간의 경험 공식을 검토하였을 때 Sherman형 공식으로 산정한 30분 최대 강우강도가 다른 경험공식에 비하여 높은 정확성을 보인다고 평가하였다. 이에 본 연구에서는 선행 연구의 방법론을 따라 60개 지점의 1시간 단위 강우자료로부터 개별 강우사상의 60분, 120분, 180분의 최대 강우강도를 추출하고 식 (5)의 Sherman 형 회귀식에 대입하여 I30을 추정하였다.
이때, I (mm/hr)는 최대 강우강도, t (minute)는 분을 의미한다. c와 n은 최소제곱법으로 도출된 상수이며, t에 30을 대입하여 I30 (mm/hr)를 추정하였다.
기상청은 1시간 단위 강우자료에서 1981년부터 2023년의 동절기 (1, 2, 3, 11, 12월) 강수량을 3시간 단위로 제공하였다. 따라서 해당 기간에는 식 (5)을 이용한 I30 추정이 불가능하였으며, 강우에너지 산정을 위한 강우지속시간 추정에도 한계가 있었다. Lee and Won (2013)은 월별 강우침식인자를 산정하였는데, 동절기의 강우침식인자는 전체 강우침식인자에서 차지하는 비율이 약 9%인 것으로 나타났다. 따라서 동절기 강우침식인자 추정으로 인한 오차가 전기간 강우침식인자 산정에 미치는 영향이 미미할 것으로 판단하여 1981-2023년의 동절기에는 유효강우사상으로부터 강우사상별 강우량과 180분 최대 강우강도 (I180)를 추출하여 강우사상별 E⋅I30를 회귀식으로 추정하였다.
Hwang et al. (2016)은 강우사상별 I30과 E⋅I30의 관계를 멱함수 꼴의 회귀식으로 제시하였으며 결정계수는 0.92-0.94로 나타났다. 이에 본 연구에서는 멱함수 꼴의 회귀식으로 강우사상별 강우침식인자를 산정하였다. 지점별 4-10월 I180과 E⋅I30의 관계와 강우량과 E⋅I30의 관계를 멱함수 꼴의 회귀식으로 나타내고 결정계수를 비교한 결과는 Table 2와 같았다. I180의 상관계수가 강우량의 상관계수보다 높기 때문에 동절기의 강우사상별 강우침식인자를 식 (6)과 같이 I180을 이용하여 추정하였다.
Table 2
Comparison of regression equation parameter for estimation for winter season rainfall erosivity factor (R factor)
| Parameter | Average R2 | Standard deviation of R2 |
| I180 | 0.8958 | 0.0104 |
| Precipitation | 0.7346 | 0.0393 |
이때, E (MJ/ha)는 강우사상별 강우에너지, I30 (mm/hr)는 강우사상별 30분 최대 강우강도, a, b는 상수, I180 (mm/hr)는 180분 최대 강우강도를 뜻한다.
또한, 1973-1980년의 1시간 단위 동절기 강우량 자료는 측정 주기가 일정하지 않고, 결측된 기간이 길어 일 단위 해상도의 강우량 자료만 수집이 가능하였다. 일 단위 강우량으로는 E⋅I30을 산정할 수 없으므로 1981-2023년의 지점별 동절기 강우량과 강우침식인자의 관계를 회귀식으로 구하여 동절기의 강우침식인자를 추정하였다. 이때 강우량과 강우침식인자의 회귀식을 멱함수 형태로 추정할 경우 다항식으로 추정할 때보다 높은 결정계수를 보이기 때문에 식 (7)의 형태로 1973-1980년의 동절기 강우침식인자를 추정하였다 (Renard and Freimund, 1994).
이때, R (MJ⋅mm/ha/hr)는 동절기의 강우침식인자, a, b는 상수, P (mm)은 동절기 강우량을 의미한다.
4. 강우침식인자의 시공간적 특성 분석
가. Mann-Kendall Test
시계열 자료의 증감 경향성을 판단할 수 있는 비모수적 통계법인 Mann-Kendall Test를 (Uranchimeg et al., 2015) 강우침식인자의 시계열 경향성을 분석하기 위한 방법으로 채택하였다. Mann-Kendall Test는 분석 대상의 검정 통계치 S를 다음과 같이 정의한다 (Mann, 1945; Kendall, 1975).
n은 시계열 자료의 개수이며 i=1, 2, …, n-1, j=i+1, i+2 …, n 는 시계열 순서, Xi, Xj 는 순서에 따른 시계열자료이다. sgn (Xj-Xi)는 다음과 같이 계산한다.
S의 분산은 다음과 같이 정의한다.
m은 분석 범위에서 같은 값을 가진 자료의 개수를, ft는 t번째 값의 자료 개수를 의미하며, 강우침식인자의 경우 자료의 특성상 같은 값을 갖는 경우가 존재하지 않았기 때문에 이를 고려하지 않았다. 표준정규분포를 따르는 검정통계량 Z는 다음과 같이 정의한다.
Z값의 부호는 경향성의 증가 혹은 감소를 의미하며, 유의수준 p는 식 (12), 식 (13)와 같이 계산하였다. p<0.05일 경우 강한 경향성이 있음으로, p<0.1일 경우 약한 경향성이 있음으로 판단하였다 (Wang et al., 2022).
Ⅲ. 결과 및 고찰
1. 강우자료의 일반적 특성
강우침식인자 산정에 이용한 51개년도의 1시간 단위 강우자료 특성과 연간 강우량 중 하절기와 동절기별 강우량이 차지하는 비율을 행정구역별로 Table 3에 정리하였다. 연평균 강우량의 경우 전 지역 평균 1,342.3 mm로, 전라남도 1,407.5 mm, 경상남도 1,483.7 mm, 제주도 1,781.6 mm 등 남해안 지역의 강우량이 평균보다 높게 나타났다. 중부 내륙 지역의 경우 충청북도 1,249.0 mm, 충청남도 1,272.8 mm, 전라북도 1,298.0 mm 등으로 평균에 비하여 강우량이 낮게 나타났다. 표준편차는 267.1-406.1 mm 사이에 분포하였으며 연평균 강우량에 비례하였고, 지역별 최대 강우량과 최저 강우량도 연평균 강우량에 대체로 비례하였다.
Table 3
Spatial characteristics of precipitation
우기인 하절기와 갈수기인 동절기 강우량이 차지하는 비율로 지역별 강우 특성을 파악하였다. 한국 평균 하절기 (6-9월) 강우량이 전체 강우량의 64.9%, 장마와 태풍이 주로 발생하는 7-8월의 강우량이 전체 강우량의 41.3%를 차지하여 여름철에 강우가 집중 분포하였다. 반면 동절기 (11-3월)의 강우량은 전체 강우량의 15.5%를 차지하여 낮은 강우량을 보였다. 경기 지역의 하절기 강우량 (6-9월)은 전체 강우량의 70.5%로 다른 지역에 비해 높았고 동절기 (11-3월)의 강우량이 12.3%로 다른 지역에 비해 낮았다. 제주 지역의 경우 동절기 강우량이 21.9%, 하절기 강우량이 55.7%로 다른 지역과 다른 강우 특성을 보였다.
Fig. 3은 20세기 후반 (1973-2000)과 21세기 초반 (2001-2023)의 연평균 강우량과 그 변동량을 IDW 기법으로 보간하여 작성한 등강우도이다. 두 기간 사이 강우량은 전지점 평균 61.2 mm 가량 증가한 것으로 나타났고, 통영 (152), 성산 (188), 서귀포 (189), 거제 (294), 남해 (295) 등 제주도와 경상남도 남해안 인근의 강우량은 120 mm 이상 증가하였다. 또한 평균 강우량이 가장 낮은 경상북도 지역의 경우 문경 (273)과 구미 (279)의 강우량은 120 mm 이상 증가하였고 다른 지역 역시 90-110 mm 가량 증가한 것으로 나타났다. 반면 서해안과 인근 내륙 지역은 두 기간 사이 강우량의 변화가 크지 않았다. 다섯 개 지점에서는 강우량이 감소하였는데, 대관령 (100)과 강화 (201) 지점은 207.3 mm, 67.7 mm 만큼 감소하여 큰 차이를 보였고, 이천 (203), 보령 (235), 밀양 (238) 의 경우 12.7-38.6 mm 내외로 소폭 감소하였다.
강우량 변동의 시계열적 추세를 검정하기 위하여 Mann-Kendall test를 수행하고 그 결과를 Table 4에 정리하였다. 연평균 강우량의 경우 13개 지역에서 증가하는 경향이 나타났고, 6개 지역에서는 약한 증가 경향성을 보였다. 강우량이 감소한 경우는 없는 것으로 나타났다. 또한, 7-8월 강우량은 12개 구역에서 증가하였으며, 14개 구역에서는 약한 증가 경향성을 보였다. 하절기 강우량의 경우 8개 지역에서 증가 추세를, 10개 지역에서 약한 경향성을 보였다. 동절기의 경우 11개 지역에 증가 추세가 나타났으며 8개 지역에서 약한 증가 경향성을 보였다. 10-5월의 경우, 다른 기간에 비해 증감 경향성이 뚜렷하게 나타나지 않았으나 대관령 (100)에서 강우량이 감소하는 경향이 나타났고, 20세기 후반에 비하여 21세기 초반의 강우량이 200 mm 이상 감소한 것과 연관이 있는 것으로 판단된다. 이와 같은 강우량 증가 추세는 기후변화가 강우 패턴에 미친 영향을 반영하는 것으로 보인다.
2. 강우침식인자의 시공간적 특성 평가
강우침식인자의 시계열적 추세를 분석하기 위하여 연도별 E⋅I30의 Mann-Kendall Test를 수행하고 그 결과를 Fig. 4에 나타내었다. 전체 60개 지점 중 20개 지점에서 시계열적 증가 추세가 나타났으며, 11개 지점에서 약한 증가 추세가 나타났다. 29개 지점은 추세가 관측되지 않았으며 감소 추세가 나타난 지점은 없었다. 연간 E⋅I30의 증가 추세는 지역별로 다르게 나타났다. 강화를 제외한 서해안 북부 지역, 강원도 북부와 동해안 지역, 남해안 동쪽 지역과 제주도 지역에서 연간 E⋅I30이 증가하였다. 내륙 지역은 대부분 시계열적 추세를 보이지 않았으나 북부 소백산맥 인근의 충주 (127), 추풍령 (135), 제천 (221), 보은 (243), 문경 (273) 지역의 경우 유의미한 연간 E⋅I30의 시계열적 증가 추세가 나타났다. 서해안 남부 지역과 전라남도 남해안 지역은 시간적 증가 추세가 거의 없었으며 전라남도 북부 지역에서 약한 시간적 추세가 나타났다. 강우침식인자 증가 추세를 보이는 지점은 강우량 증가 추세를 보이는 지점보다 많았는데, 이는 강우침식인자가 강우량 뿐만 아니라 강우강도의 증가에도 영향을 받기 때문에 기후변화에 의한 강우사상별 강우강도의 증가가 영향을 미친 것으로 분석된다.
Fig. 5는 지점별 P value와 Sen’s slope의 관계를 나타낸 그래프이다. p가 0.05 미만인 경우 Sen’s slope는 24.15-103.86 사이에 분포하였고 p가 0.05 이상 0.1 미만인 경우 17.9-41.31 사이에 분포하였다. p가 0.1 이상인 경우 강화 (201)와 의성(278)에서는 Sen’s slope의 값이 음수로 나타났으며, 이외의 지점에서는 기울기 값이 0.06-32.15로 나타났다. 강우침식인자의 증가 경향성이 뚜렷할수록 Sen’s slope의 기울기가 증가하는 경향을 보였으며 부산 (159), 통영 (162), 성산 (188), 서귀포 (189), 거제 (294), 남해 (295) 등 남해안의 경우 다른 지점에 비하여 강우침식인자가 크고, Sen’s slope의 기울기도 높게 나타나 토양유실의 위험성이 크게 증가한 것으로 나타났다.
강우침식인자의 전국 단위 분포를 분석하기 위하여 20세기 후반 (1973-2000)과 21세기 초반 (2001-2023)의 강우침식인자와 그 차이를 IDW 기법으로 보간하여 등강우침식도를 작성한 결과를 Fig. 6에 나타내었다. 전 지점 평균 강우침식인자는 20세기 후반 4,744 MJ⋅mm/ha/hr/yr에서 21세기 초반 5,195 MJ⋅mm/ha/hr/yr로 약 17.84% 증가하였다. 연간 E⋅I30의 시계열적 증가 추세가 존재하는 지역에서는 강우침식인자가 1000 MJ⋅mm/ha/hr/yr 이상 증가하였으며, 시계열적 추세가 없는 지역에서는 Sen’s slope가 음수로 나타난 강화 (201)를 제외한 대부분의 지역에서 ±500 MJ⋅mm/ha/hr/yr 이내의 낮은 변동성을 보였다. 이와 같은 증가 추세는 기후변화의 영향에 따른 것으로 분석되며, 향후에도 토양유실량 산정 시 전국단위 강우침식인자의 주기적 재산정이 필요할 것으로 분석된다.
3. 시간해상도에 따른 강우침식인자 차이 분석
강우침식인자 산정에 시간해상도가 미친 영향을 분석하였다. Fig. 7은 최근 24개년 자료를 이용해 72개 지점의 1분 단위 강우자료로 산정한 강우침식인자와 동기간의 1시간 단위 강우자료로 산정한 강우침식인자의 차이를 지도에 나타내어 비교한 결과이다. 강우침식인자의 분포 형상은 시간해상도와 관계 없이 비슷하게 나타났지만, 1분 단위 강우자료로 산정한 강우침식인자는 1시간 단위 강우자료로 산정한 강우침식인자에 비하여 평균 272 MJ⋅mm/ha/hr/yr 더 크게 산정되었다.
Fig. 7
Comparison of R factor iso-erodent maps based on temporal resolution (a) 1-minute rainfall based R factor (b) 1-hour rainfall based R factor (c) differences
시간해상도에 따른 강우침식인자의 차이를 분석하기 위하여 3시간 단위 강우자료로 추정한 동절기 강우침식인자가 실제 강우침식인자 산정 과정에 미친 영향을 평가하였다. 동절기 강우침식인자가 전체 강우침식인자에서 차지하는 비율은 제주도와 남해안 일부 지역을 제외한 대부분의 지역에서 5% 미만인 것으로 나타났으며 동절기 강우량이 높은 남해안 일부 지역과 제주도에서 약 5.11-10.80%를 차지하였다.
Fig. 8은 시간 단위 강우자료로 추정한 동절기 강우침식인자와 1분 단위 강우자료로 산정한 동절기 강우침식인자를 비교한 결과이다. 3시간 단위 강우자료로부터 추정한 강우침식인자는 1분 단위 강우자료로 산정한 동절기 강우침식인자에 비하여 평균 14.73% 낮게 산정되었으며, R2는 0.8907로 강한 상관관계를 보여 강우침식인자 추정 결과에 신뢰성이 있다고 판단하였다. 또한, 3시간 단위 강우자료로 추정한 동절기 강우침식인자를 1분 단위 강우자료로 산정한 결과로 대체하였을 경우 강우침식인자가 평균 32 MJ⋅mm/ha/hr/yr 증가하였다. 이는 동절기의 강우침식인자 추정 방식이 1분 단위 강우자료를 활용한 강우침식인자에 비하여 1시간 단위 강우자료로 산정한 강우침식인자가 과소 산정된 원인으로 작용하였음을 뜻한다.
Fig. 8
Evaluation of winter season and annual R factor by temporal resolution (a) results of winter season R factor by temporal resolution (b) comparison of Rainfall erosivity factor R factor calculated from 1-hour rainfall data and R factor derived from 1-minute rainfall data in winter season
강우침식인자가 과소산정된 추가 원인을 분석하기 위하여 72개 지점의 4-10월 유효강우사상별 E, I30, 그리고 E⋅I30을 비교한 결과를 Fig. 9에 나타내었다 1분 단위 강우자료로 산정한 강우사상별 E와 1시간 단위 강우자료로 산정한 E를 비교한 결과, 회귀식의 기울기 1.031, 결정계수 0.9605로 높은 일치율을 보였으며 1분 단위 강우자료로 E를 산정할 경우보다 1시간 단위 강우자료로 강우운동에너지를 산정할 때 강우운동에너지가 높게 산정되었다. 이는 시간해상도에 따라 유효강우사상의 길이가 다르게 계산되었기 때문이다. 1시간 단위 강우자료로 유효강우사상을 분리할 경우 1분 단위 강우자료로 강우자료를 분리할 때와 강우 시점이 기록된 시각이 달라 1분 단위 강우자료로 산정한 결과에 비하여 강우지속시간이 길게 산정되었다. 또한 무강우사상이 6시간 이상 지속되는 시점이 1분 단위 강우자료로 계산하였을 때와 다르게 계산되어 두 개 이상의 유효강우사상이 단일한 유효강우사상으로 계산된 경우 강우운동에너지의 차이가 크게 나타났다.
Fig. 9
Comparison of rainfall kinetic energy (E) (a), maximum 30-minute rainfall intensity (I30) (b), E⋅I30 (c) derived from 1-minute and 1-hour rainfall data
1분 단위 강우자료로 산정한 I30와 1시간 단위 강우자료로부터 추정한 I30을 비교한 결과, 결정계수가 0.8486, 회귀식의 기울기가 0.8889로, E에 비하여 차이가 큰 것으로 나타났다. 1시간 단위 강우자료로 추정한 I30이 1분 단위 강우자료로 산정한 I30에 비하여 낮게 추정되었으며 이는 지점별 최대 강우강도를 환산하는 회귀식이 모든 개별 강우사상의 실제 강우분포에 따른 최대 강우강도를 추정하지 못한 한계에 의한 것이다. 이는 1시간 단위 강우자료로 추정한 개별 강우사상의 E⋅I30이 1분 단위 강우자료로 추정한 결과에 비하여 낮게 산정된 주요 원인이다. 따라서 1시간 단위 강우자료로 강우침식인자 산정 시 I30 추정 결과를 1분 단위 강우자료로 산정한 결과와 비교하여 평균 차이를 줄일 수 있는 보완법이 필요하다.
Table 5에 지점별 1시간 단위 강우자료로 추정한 I30과 1분 단위 강우자료로 산정한 I30의 환산계수와 1시간단위 강우자료로 산정한 I60-I30 환산계수를 53개 지점의 I60-I30 환산계수를 제시한 NDMRI (2009)의 결과와 함께 나타내었다. 시간해상도에 따른 I30 환산계수는 평균 1.2093, 표준편차 0.0156으로 지점별로 큰 차이를 보이지 않았다. 하지만 시간해상도에 따른 강우침식인자는 1분 단위 강우자료로 산정할 경우 약 5.55% 크게 산정되기 때문에 환산계수 적용 방식에는 추가적인 연구가 필요하다. 또한 I60-I30 환산계수는 본 연구에서 평균 1.3816, 선행연구에서 평균 1.3991로 나타났으며 강우자료 수집 기간 차이에 의한 증감율은 약 1% 내외로 큰 변동을 보이지 않았다.
Table 5
Conversion factor of I30 bytime resolution and conversion factor of I60–I30 in 1-hour rainfall data
| Station | 1-hour I30 - 1-minute I30 conversion factor | I60 – I30 conversion factor | Station | 1-hour I30 - 1-minute I30 conversion factor | I60 - I30 conversion factor | ||
| This research | NDMRI (2009) | This research | NDMRI (2009) | ||||
| Sokcho | 1.2377 | 1.3215 | 1.3089 | Seongsan | 1.197 | 1.4018 | - |
| Cheorwon | 1.1975 | 1.3981 | - | Seogwipo | 1.2180 | 1.4079 | - |
| Dongducheon | 1.2008 | 1.3908 | - | Jinju | 1.1978 | 1.3659 | 1.3633 |
| Paju | 1.2012 | 1.4053 | - | Ganghwa | 1.1961 | 1.4046 | 1.3874 |
| Daegwallyeong | 1.2080 | 1.325 | - | Yangpyeong | 1.2224 | 1.3910 | 1.3910 |
| Chuncheon | 1.2131 | 1.374 | 1.3675 | Icheon | 1.2254 | 1.3681 | 1.4759 |
| Gangneung | 1.1867 | 1.3324 | 1.2785 | Inje | 1.2136 | 1.3821 | 1.3796 |
| Donghae | 1.2019 | 1.3207 | - | Hongcheon | 1.2216 | 1.3953 | 1.3957 |
| Seoul | 1.2487 | 1.4066 | 1.3692 | Taebaek | 1.1967 | 1.3419 | - |
| Incheon | 1.2001 | 1.3996 | 1.3903 | Jecheon | 1.2357 | 1.3778 | 1.5202 |
| Wonju | 1.2210 | 1.3977 | - | Boeun | 1.2294 | 1.4135 | 1.4333 |
| Suwon | 1.2114 | 1.3971 | 1.3730 | Cheonan | 1.2208 | 1.4065 | 1.4548 |
| Yeongwol | 1.1917 | 1.3808 | - | Boryeong | 1.1981 | 1.4071 | 1.3644 |
| Chungju | 1.1950 | 1.4157 | 1.3454 | Buyeo | 1.2187 | 1.3898 | 1.4291 |
| Seosan | 1.2097 | 1.4055 | 1.3670 | Geumsan | 1.1986 | 1.3925 | 1.4363 |
| Uljin | 1.1902 | 1.3284 | - | Buan | 1.1990 | 1.4064 | 1.4281 |
| Cheongju | 1.2217 | 1.4030 | 1.4043 | Imsil | 1.2075 | 1.3998 | 1.4129 |
| Daejeon | 1.1749 | 1.3987 | 1.4180 | Jeongeup | 1.1901 | 1.4171 | 1.5284 |
| Chupungnyeong | 1.2093 | 1.3728 | 1.4295 | Namwon | 1.1966 | 1.4101 | 1.3917 |
| Andong | 1.1947 | 1.3792 | - | Jangsu | 1.2243 | 1.3842 | - |
| Sangju | 1.2044 | 1.3649 | - | Jangheung | 1.1897 | 1.4077 | 1.3943 |
| Pohang | 1.2283 | 1.3282 | 1.3647 | Haenam | 1.2112 | 1.3961 | 1.4118 |
| Gunsan | 1.2456 | 1.3791 | 1.3964 | Goheung | 1.2306 | 1.3760 | 1.3421 |
| Daegu | 1.2326 | 1.3661 | 1.3746 | Nonghwa | 1.2173 | 1.3717 | - |
| Jeonju | 1.2056 | 1.4215 | 1.4096 | Yeongju | 1.1929 | 1.3516 | 1.3846 |
| Ulsan | 1.2070 | 1.3603 | 1.3474 | Mungyeong | 1.2087 | 1.3721 | 1.4375 |
| Changwon | 1.2144 | 1.3739 | - | Yeongdeok | 1.2330 | 1.3256 | 1.3495 |
| Gwangju | 1.2248 | 1.4236 | 1.5278 | Uiseong | 1.2144 | 1.3857 | 1.5014 |
| Busan | 1.1744 | 1.3600 | 1.3203 | Gumi | 1.2055 | 1.3919 | 1.4683 |
| Tongyeong | 1.2213 | 1.3662 | 1.3840 | Yeongcheon | 1.1971 | 1.3772 | 1.4216 |
| Mokpo | 1.1955 | 1.4001 | 1.4144 | Geochang | 1.1845 | 1.3794 | 1.3279 |
| Yeosu | 1.1975 | 1.3821 | 1.3758 | Hapcheon | 1.2119 | 1.3729 | 1.3919 |
| Wando | 1.2215 | 1.3698 | - | Miryang | 1.2231 | 1.3727 | 1.3848 |
| Suncheon | 1.2136 | 1.3926 | 1.4117 | Sancheong | 1.2029 | 1.3505 | 1.3806 |
| Jeju | 1.1882 | 1.4024 | - | Geoje | 1.2132 | 1.3592 | 1.4459 |
| Gosan | 1.2055 | 1.4144 | - | Namhae | 1.2269 | 1.3622 | 1.3385 |
위와 같이 1시간 단위 강우자료로 강우침식인자 산정시 I30의 추정법에 한계가 있으므로 충분한 관측자료가 확보된 1분 단위 강우자료로 강우침식인자를 산정할 필요가 있다. 이에 본 연구에서 1분 단위 강우자료로 산정한 72개 지점의 강우침식인자를 Table 6에 제시하였다.
Table 6
R factor calculated from 1-minute rainfall data
Ⅳ. 요약 및 결론
강우침식인자는 USLE 공식으로 토양유실량 산정 시 기후 요소를 반영할 수 있는 인자로써 기후변화에 의한 토양유실량 변동을 예측할 수 있는 인자이다. 강우침식인자 재산정과 기후변화에 대한 영향을 고찰하는 연구는 이전에도 수행되었으나 강우자료의 해상도 및 강우자료 수집 기간의 영향을 충분히 고려하지 못한 한계가 있었다. 이에 본 연구에서는 1시간 단위 강우자료를 활용하여 60개 지점의 51개년도 강우침식인자를 산정하고 기후변화의 영향을 평가하였으며, 1분 단위 강우자료를 활용하여 72개 지점의 22-24개년 강우침식인자를 산정하고 시간해상도에 따른 강우침식인자의 차이를 분석하였다.
1) 강우침식인자의 시계열적 추세를 분석한 결과, 60개 지점 중 20개 지점에서 증가 추세가, 11개 지점에서 약한 증가 추세가 나타났다. 서해안 북부 지역, 강원도 북부와 동해안 지역, 남해안 동쪽 지역과 제주도 지역에서 강우침식인자의 증가 추세가 나타났으며, 강우침식인자가 크게 산정되는 남해안과 제주도 지역에서 높은 강우침식인자 증가율을 보여 기후변화에 의한 토양유실 위험성이 크게 증가한 것으로 나타났다. 또한 대부분의 내륙지역은 시계열적 추세가 없는 것으로 나타났으나 소백산맥 북부 지역의 경우 강우침식인자의 시계열적 증가 추세가 뚜렷하게 나타났다. 강우량 증가 추세가 나타난 지점은 13개 지점, 약한 증가 추세가 나타난 지점이 9개였으며 강우침식인자의 증가 추세는 강우량 뿐만 아니라 강우강도가 증가한 것에 영향을 받은 것으로 분석된다. 따라서 강우침식인자의 증가 추세는 향후 기후변화를 고려한 강우침식인자의 주기적 재산정의 필요성을 시사한다.
2) 시간해상도가 강우침식인자 산정에 미치는 영향을 분석한 결과, 1분 단위 강우자료로 산정한 강우침식인자가 1시간 단위 강우자료로 산정한 강우침식인자보다 평균 5.55% 더 크게 나타났다. 이는 1시간 단위 강우자료로 강우침식인자를 산정하면 E는 1분 단위 강우자료로 산정할 때에 비하여 크게 계산되지만, 동절기 강우침식인자와 I30이 1분 단위 강우자료로 산정한 것에 비하여 낮게 추정되기 때문으로 분석되었다. 특히 시간해상도에 따른 I30의 환산계수가 평균 1.2093으로 계산되었으며, I30 추정 방식의 한계로 인하여 환산계수 적용 방법에 대한 추가적인 연구가 수행되어야 한다. 전국적으로 1분 단위 강우자료 측정이 20년 이상 진행되었기 때문에 향후 강우침식인자 산정 시에는 1시간 단위 강우자료보다 1분 단위 강우자료를 활용해야 하며, 1분 단위 강우자료로 산정한 72개 지점의 강우침식인자를 새롭게 제시하였다.
본 연구에서는 USLE 공식의 강우침식인자를 전국적으로 산정하였으며 시간 해상도와 과거 기후변화의 영향을 평가하였다. 향후 연구에서는 USLE의 다른 인자를 고려하여 전국 토양유실량을 모의할 필요가 있으며 토양유실 실측 자료와 비교하는 연구를 수행할 필요가 있다.
