Evaluating Changes and Uncertainty of Nitrogen Load from Rice Paddy according to the Climate Change Scenario Multi-Model Ensemble

Soon-Kun  Choi; Jaehak  Jeong; So-Jin  Yeob; Minwook  Kim; Jin Ho  Kim; Min-Kyeong  Kim

doi:10.5389/KSAE.2020.62.5.047

Preview

Journal of Korean Society of Agricultural Engineers. 2020. 47–62
https://doi.org/10.5389/KSAE.2020.62.5.047

Evaluating Changes and Uncertainty of Nitrogen Load from Rice Paddy according to the Climate Change Scenario Multi-Model Ensemble

기후변화시나리오 다중모형 앙상블에 따른 논 질소 유출 부하량 변동 및 불확실성 평가

Soon-Kun Choi^a

Jaehak Jeong^b

So-Jin Yeob^c

Minwook Kim^d

Jin Ho Kim^e

Min-Kyeong Kim^f^†

최 순군^a

정 재학^b

엽 소진^c

김 민욱^d

김 진호^e

김 민경^f^†

^aResearcher, Climate Change and Agroecology Division, National Institute of Agricultural Sciences

^bProfessor, AgriLife Research, Texas A&M University

^cResearcher, Climate Change and Agroecology Division, National Institute of Agricultural Sciences

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

^eResearcher, Climate Change and Agroecology Division, National Institute of Agricultural Sciences

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

^a국가 농업 과학 연구소 기후 변화 와 농업 생태 연구소 연구원

^b텍사스 A&M 대학교 애그리라이프 리서치 교수

^c국가 농업 과학 연구소 기후 변화 와 농업 생태 사

^d국가 농업 과학 연구소 기후 변화 와 농업 생태 연구소

^e국가 농업 과학 연구소 기후 변화 와 농업 생태 연구소 연구원

^f미국 국립 농업 과학 연구소 기후 변화 와 농업 생태 사

^† Corresponding author Tel.: +82 63-238-2525, Fax: +82 63-238-3823 E-mail: kimmk72@korea.kr

ABSTRACT

Rice paddy accounts for approximately 52.5% of all farmlands in South Korea, and it is closely related to the water environment. Climate change is expected to affect not only agricultural productivity also the water and the nutrient circulation. Therefore this study was aimed to evaluate changes of nitrogen load from rice paddy considering climate change scenario uncertainty. APEX-Paddy model which reflect rice paddy environment by modifying APEX (Agricultural Policy and Environmental eXtender) model was used. Using the AIMS (APCC Integrated Modeling Solution) offered by the APEC Climate Center, bias correction was conducted for 9 GCMs using non-parametric quantile mapping. Bias corrected climate change scenarios were applied to the APEX-Paddy model. The changes and uncertainty in runoff and nitrogen load were evaluated using multi-model ensemble. Paddy runoff showed a change of 23.1% for RCP4.5 scenario and 45.5% for RCP8.5 scenario compared the 2085s (2071 to 2100) against the base period (1976 to 2005). The nitrogen load was found to be increased as 43.9% for RCP4.5 scenario and 76.0% for RCP8.5 scenario. The uncertainty analysis showed that the annual standard deviation of nitrogen loads increased in the future, and the maximum entropy indicated an increasing tendency. And Duncan’s analysis showed significant differences among GCMs as the future progressed. The result of this study seems to be used as a basis for mid- and long-term policies for water resources and water system environment considering climate change.

Keywords

Climate change

uncertainty

nitrogen load

rice paddy

APEX-Paddy model

MAIN

Ⅰ. 서 론

농경지의 양분은 지표 유출수, 지하 침투수에 용해되어 유출되거나 침식 토양에 흡착되어 토양과 함께 유출된다. 질산태 질소 (NO₃-N)는 토양에 대한 흡착력이 약하나 물에 대한 용해도가 높아 지하 침투수나 지표 유출수를 따라 이동하며 토양에 잘 흡착되는 농약이나 무기인, 유기질소는 토양 침식과 함께 수계로 유출된다 (Chung et al., 2004). 농경지에 과도하게 투입된 양분은 강우에 의해 유출되어 하류 하천 및 호소 부영양화의 원인이 되어 수생태계 측면에서는 비점오염원이 된다 (Shin and Kwun, 1990; Lee et al., 2013).

농경지로부터 배출되는 비점오염원은 생활하수와 같은 점오염원에 비해 저농도이나 넓은 면적에서 많은 양이 배출되기 때문에 유역의 오염 부하량에서 큰 비중을 차지하고 있으며 배출 후 처리가 어려워 비점오염원 유출 특성 평가와 선제적 저감 기술 개발이 필요한 실정이다 (Chung et al., 2004; Kim et al., 2016). 특히 제2차 비점오염원관리 종합대책 보고서 (Relevant Ministerial Consortium, 2012)에서 기후변화에 따른 연평균 강수량의 증가와 강우강도의 증가로 인해 비점오염의 비중이 증가할 것으로 전망함에 따라 비점오염원 관리의 중요성이 더욱 증가되고 있다. Hwang et al. (2003)은 발안저수지 유역을 대상으로 기후변화 시나리오를 적용하여 총질소 (T-N, Total nitrogen)와 총인 (T-P, Total Phosphorous) 부하량 변화를 평가한 결과 연 강수량 변화가 큰 시나리오에서 T-N, T-P는 각각 14.4%, 27.7%가 증가하였고 연 강수량 변화가 가장 작은 시나리오에서는 3.0% 7.2%가 증가하는 것으로 나타났으며 Li et al. (2011)은 농경지가 유역의 28%를 차지하고 우리나라와 같은 몬순 기후를 보이는 중국 pearl river 유역을 대상으로 기온이 3^oC 변화하는 것만으로도 무기질소 유출이 40.17%, 무기인 유출이 5.86% 증가할 것이라고 예측하였다.

우리나라에서 논은 전 농지의 52.5%를 차지하고 있고, 관개와 낙수라는 특수한 물관리가 이루어지기 때문에 비점오염원 관리에 있어 중요하다 (Yoon et al., 2002; KOSIS, 2020). 필지단위 논에서의 양분유출량 (Kunimatsu et al., 1994; Yoon et al., 2003), 광역단위 논에서 양분유출 특성 (Takeda, 1991; Yoon et al., 2002; Kim et al., 2005)에 관한 연구가 수행되었으나 논의 경우 유출 특성이 단위 논, 광역 논 구분 그리고 비영농기와 영농기의 구분에 따라 달라지고 (Kim et al., 2000), 강우강도와 지속시간의 자연적인 요인 외에도 비료시비방법 등의 인위적인 영농활동에 따라 결과가 달라지기 때문에 모니터링을 이용한 비점오염 평가와 관리기술의 효과분석에는 실질적인 어려움이 많다 (Yoon et al., 2002; Jeon et al., 2005).

모델을 활용한 비점오염원 평가는 모니터링의 한계를 보완할 수 있다. 특히 기후변화 영향평가 연구의 경우 다양하게 예측되는 기후환경을 조성하기에 어려움이 있기 때문에 모델을 활용한 평가가 수행되고 있다. 논벼 재배 환경을 고려한 모델 연구로서 Seo et al. (2002)은 논의 유출특성을 고려하여 CREAMS (Chemicals, Runoff, and Erosion from Agricultural Management Systems)-Paddy을 개발하였으며 Song et al. (2012)은 CREAMS-Paddy 모형을 실측자료를 바탕으로 보⋅검정하고 논 물관리 및 시비관리에 따른 양분유출 저감효과를 평가하였다. Jeon et al. (2007)은 HSPF (Hydrological Simulation Program-Fortran)-Paddy 모형을 개발함으로써 유역 내에서 논이 수계에 미치는 영향을 평가할 수 있도록 하였으며 Kim et al. (2014)는 HSPF-Paddy 모형을 적용하여 보청천 유역의 물 수지를 평가하였다. Tsuchiya et al. (2018)은 SWAT (Soil and Water Association Tool) 모형의 pothole 모듈 응용 방식 (Sakaguchi et al., 2014)의 문제점을 지적하고 새로운 논 물수지 모듈을 구현한 SWAT-Paddy 모형을 개발하였다. Choi et al. (2017)은 APEX (Agricultural Policy/Environmental eXtender) 모형에 써레질, 이앙, 물관리 특성을 반영하여 APEX-Paddy 모형을 개발하고 유출량 및 유출수 수질 실측자료를 바탕으로 모형을 보⋅검정함으로써 활용 가능성을 평가하였으며 Choi et al. (2018)은 기후변화시나리오 다중 GCM (General Circulation Model)을 APEX-Paddy 모형에 적용하여 논벼 증발산량의 변화를 평가하였다. Kamruzzaman et al. (2020)은 APEX-Paddy 모형을 활용하여 기후변화 시나리오에 따른 논 물수지 변화를 평가하였다.

GCM은 실제 기후시스템을 단순화시킨 모형으로서 불확실성을 내포하게 된다 (Im et al., 2010). GCM 기술이 지속적으로 발전하면서 자연적인 기후현상을 보다 현실성 있게 모의하게 되었지만 미래 기후 예측 결과는 여전히 많은 불확실성을 내포하고 있다 (Chung et al., 2015). 어떠한 GCM을 선정하는가에 따라 모형은 증발산량, 필요수량, 유출량 등의 예측에 상반된 결과를 도출하기도 한다 (Cho et al., 2015). 이러한 예측 불확실성을 극복하기 위해 불확실성의 크기를 평가하기 위한 방법 연구 (Gay and Estrada, 2010; Lee et al., 2016)와 여러 가지 GCM을 활용하는 다중모형앙상블 (MME, Multi-Model Ensemble)을 적용하여 GCM의 불확실성을 평가하고 불확실성을 고려한 기후변화 영향 평가 연구가 수행되고 있다 (Bae et al., 2011; Lee and Kim, 2012; Yoo et al., 2015).

그러나 지금까지 논에 관한 기후변화 연구는 주로 단일 기후시나리오를 활용한 연구이거나 논벼 생산성 및 필요수량, 수문순환 등에 관한 연구에 집중되어있어 논 양분유출 부하량 변동 예측과 불확실성 평가에 관한 연구는 아직 부족한 실정이다. 따라서 본 연구에서는 기후변화시나리오 MME를 이용하여 논 질소 유출 부하량의 변화를 분석하고 추정의 불확실성을 평가하고자 하였다.

Ⅱ. 재료 및 방법

1. 기후변화 시나리오

본 연구에서는 기후변화 시나리오로서 IPCC AR5 (5th Assessment Report)의 RCP (Representative Concentration Pathway) 시나리오를 사용하였다. 전지구 해양⋅대기 순환 모델 (GCM, General Circulation Model) 자료는 CMIP5 (Coupled Model Intercomparison Project 5)를 통해 제공되며 이 중 9종의 GCM이 RCP 4.5, 8.5 시나리오를 대상으로 우리나라의 최고⋅최저기온, 일사량, 강수량, 상대습도, 평균풍속 자료를 2100년 까지 모두 보유하고 있다. HadGEM2-ES GCM의 경우는 모든 기후요소에 대한 자료를 제공하고 있으나 2092년까지의 자료만을 보유하고 있어 분석에서 제외하였다. 본 연구에 사용된 GCM 목록은 Table 1과 같다.

Table 1

List of GCMs used in this study

GCM name	Modeling system / Country	Institute	Resolution (pixels) (Lon.×Lat.)
bcc-csm1-1	Beijing Climate Center climate system model based on NCAR CCSM2.0.1, China	CMA	128 × 128
CanESM2	Canadian Centre for Climate Modelling and Analysis, Canada	CCCMA	128 × 64
GFDL-ESM2G	GFDL Earth System Model with Generalized Ocean Layer Dynamics (GOLD) component (ESM2G), USA	GFDL	144 × 90
GFDL-ESM2M	GFDL Earth System Model with Modular Ocean Model 4 (MOM4) component (ESM2M), USA	GFDL	144 × 90
HadGEM2-CC	Hadley Centre Global Environment Model, version 2-Earth System; Met Office, United Kingdom	MOHC	192 × 145
inmcm4	Institute of Numerical Mathematics (INM) Coupled Model, Russia	INM	180 × 120
IPSL-CM5A-LR	L’Institut Pierre-Simon Laplace (IPSL) Coupled Model, coupled with NEMO, low resolution; France	IPSL	96 × 96
MIROC-ESM	Atmosphere and Ocean Research Institute, National Institute for Environmental Studies, and Japan Agency for Marine-Earth Science and Technology, Japan	MIROC	128 × 64
MIROC-ESM-CHEM	Atmosphere and Ocean Research Institute, National Institute for Environmental Studies, and Japan Agency for Marine-Earth Science and Technology, Japan	MIROC	128 × 64

본 연구에서는 APEC기후센터의 통계적상세화 기후 플랫폼 (AIMS, APCC Integrated Modeling Solution)에서 제공하는 SQM (Simple Quantile Mapping) (Cho et al., 2018)을 이용하여 2011~2100년의 미래기간에 대한 상세화 기후자료를 생산하였다. RCP 시나리오의 재현기간이 1850~2005년인 것을 감안하여 1976~2005년 (30년) 기간의 기상청 종관기상관측소 자료를 미래기후 상세화를 위한 과거 관측 자료로 이용하였다.

2. 논 질소 유출 부하량 평가 모델

본 연구에서는 논 질소 유출 부하량 평가 모델로서 APEX-Paddy 모델을 사용하였다. APEX-Paddy 모델은 논 재배환경을 반영하기 위하여 기존 APEX (Williams et al., 2006) 모델에 담수조건의 알고리즘을 추가한 모델로서 농촌진흥청과 Taxas A&M이 공동연구를 통해 개발한 모델이다. APEX-Paddy 모델은 비료의 종류 및 투입량, 논 물관리 방법 등 농업활동의 변화에 따른 생산량, 물순환 및 양분순환 변화를 모의할 수 있다.

APEX-Paddy 모델에서 논 유출 기작은 낙수기와 비영농기 등의 비담수 조건에서는 기존의 CN (Curve Number)법에 의한 유출 알고리즘을, 담수 조건에서는 논 물수지에 의한 유출 알고리즘을 따른다 (Fig. 1) (Choi et al., 2017). 일 단위 논 물수지에 관련된 인자는 Fig. 2와 같으며 다음 순서로 산정된다.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PIC9F3A.png

Fig. 1

Algorithm of the APEX-Paddy model (Choi et al., 2017)

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PIC9F79.png

Fig. 2

Paddy water budget in APEX-Paddy model

(1)

{P D}_{t} = {P D}_{t - 1} + {R F}_{t}

(2)

P D'_{t} = {P D}_{t} + {I R}_{t} - {E T}_{t} - P_{t}, {if P D}_{t} \leq T D {I R}_{t} = T D - {P D}_{t}

(3)

P D'_{t} = {P D}_{t} - O_{t} - {E T}_{t} - P_{t}, {if P D}_{t} > H O_{t} = {P D}_{t} - H

여기서, 는 모의시간 단위 (day), 는 논의 담수심 (mm), 은 관개, 유출, 증발산, 침투 발생 이후의 최종 논 담수심 (mm), 는 강수량 (mm), 은 관개량 (mm), 는 목표 담수심 (mm), 는 증발산량, 는 침투량, 는 유출량 (mm), 는 유출구 물꼬높이 (mm)이다.

APEX-Paddy 모형은 물꼬 설치 후 강우 및 관개에 의해 표토층 위에 물 층 (water layer)을 생성하며, 물 층의 질소의 동태를 모의한다. 써레질을 할 경우 토양층과 물 층의 질소 배분이 이루어지며 강우에 의한 질소공급과 담수 중 추비에 의한 질소공급은 직접 물 층에 영향을 준다. 물 층의 질소는 침투를 통해 토양층으로 이동하거나 강우-유출 및 탈질, 휘산에 따라 손실된다.

본 연구에서는 Choi et al. (2017)의 선행 연구에서 이천, 김제 시험포장을 대상으로 유출량 및 질소 유출 부하량을 보⋅검정한 APEX-Paddy 모델 매개변수를 동일하게 적용하여 기후변화 시나리오에 따른 질소 유출 부하량 변동 평가 및 불확실성 평가를 수행하였다.

3. 연구대상지역 및 논벼 재배 특성

수원은 종관기상관측소가 1976~2005년 기간에 대한 최고⋅최저기온 (^oC), 일사량 (MJ/m²), 강수량 (mm), 상대습도 (%), 평균풍속 (m/s) 자료를 보유하고 있으며, 다른 관측소와 비교하여 양질의 일 단위 일사량 자료를 확보하고 있다. 또한, NICS (2009)의 작황시험보고서는 국립식량과학원의 6개 시험재배지와 8개 도 농업기술원의 11개 시험재배지에 대하여 파종, 이앙, 출수기에 대한 정보와 수량구성요소 및 수량 정보를 제공하고 있으며 수원의 중부작물부 시험재배지가 해당 보고서의 대상지역에 포함된다. 따라서 본 연구의 공간적 범위를 경기도 수원으로 선정하였다 (Fig. 3).

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PIC9F7A.png

Fig. 3

Location of meteorological stations and range of study area

대상지역의 논 재배 일정과 시비량, 물관리 방법은 Table 2와 같다. 설정된 논벼 재배 특성 자료는 APEX-Paddy 모델의 재배관리 입력 자료로 활용되었다. 일정은 시험포장을 대상으로 작성한 작황시험보고서 (NICS, 2009)와 국립식량과학원의 자문, 국립농업과학원의 연구보고서-작물별 시비처방기준 (NAS, 2010), 농촌진흥청 연구보고서–고품질 쌀 생산기술 (RDA, 2007)을 참고하여 작성하였다. 작황시험보고서에는 출수기에 대한 정보만 제공되므로 Park et al. (2009)의 연구를 참고로 하여 수기로부터 1200^oC가 되는 시기를 수확 적기로 판단하였다 (Fig. 4). Park et al. (2009)은 출수기로부터 적산온도 900^oC가 되는 시기를 등숙기, 1100^oC가 되는 시기를 완숙기로 규정하였다.

Table 2

Typical paddy management schedule of study area (Suwon)

Date (Month/Day)	Management	Amount (kg/ha)
May 17	Tillage operation, 100 mm depth
May 18	Set outlet weir height as 60 mm
May 18	Irrigation for 60 mm ponding
May 28	Fertilizer N, P and K application	45-45-40
May 28	Puddle operation
May 31	Set outlet weir height as 25 mm
May 31	Irrigation for 20 mm ponding
Jun. 1	Transplanting
Jun. 8	Set outlet weir height as 60 mm
Jun. 8	Irrigation for 55 mm ponding
Jun. 16	Fertilizer N application	18
Jul. 11	Stop Irrigation
Jul. 16	Remove outlet weir
Jul. 21	Fertilizer N and K application	27-17
Jul. 26	Set outlet weir height as 80 mm
Jul. 26	Irrigation for 60 mm ponding
Sep. 19	Stop Irrigation
Sep. 24	Remove outlet weir
Oct. 10	Harvest
Oct. 11	Rice stark application

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PIC9FBA.png

Fig. 4

Growth period of paddy rice. The full ripe period is when the growing degree day reaches 1100 degree from the heading date.

고품질 쌀 생산을 위한 추천 시비량은 질소-인-칼륨, 9-4.5-5.7 kg/10a 이며 (NICS, 2009) 기비는 전체 시비량의 50%, 분얼비는 20%, 이삭비는 30%를 시비하며, 분얼비는 벼의 활발한 분얼을 촉진하기 위하여 이앙 15일 후에 표층시비하고 이삭비는 출수 25일 전에 시비하는 것이 가장 효율이 좋다 (NAS, 2010). 따라서 5월 28일, 6월 16일, 7월 21일을 각각 기비, 분얼비, 이삭비 시비일로 설정하였다 (Table 2).

중간낙수는 일반적으로 출수 30~40일 전 7~10일(점질토의 경우) 실시하는 것을 권장하고 있으며 수확을 위해 낙수는 출수 후 30~40일 경에 실시하는 것을 권장하고 있다 (RDA, 2007). 따라서 중간낙수기는 7월 16일~7월 25일로, 낙수일은 9월 24일로 설정하였다. 관개수위의 경우 중간낙수 전에는 어린 모가 뜨는 것을 방지하기 위해 얕은 물대기를, 중간낙수 이후에는 깊은 물대기를 추천하고 있으며 (RDA, 2007) 일반적으로는 60 mm 전후로 논 물관리를 하는 것으로 평가된 바 있다 (Kang et al., 2006). 따라서 논 물관리 수위를 Table 2와 같이 설정하였다.

4. 논 질소 부하량 변동 및 불확실성 평가 방법

논 질소 유출 부하량은 강수량, 기온, 일사량 등에 따라 연도별 편차가 매우 크므로 연 단위 변화량으로 평가하기보다는 30년 평년의 변동 경향으로 평가하는 것이 타당하다. 본 연구에서는 기후변화 영향평가에 과거 기간 (1976~2005), 근 미래 (2025s, 2011~2040), 미래 (2055s, 2041~2070), 먼 미래 (2085s, 2071~2100) 기간의 기후자료를 APEX-Paddy 모델에 적용하였으며 30년 단위 결과를 이용하여 논 질소 유출 부하량의 기후변화 영향을 평가하였다. 또한, 논 질소 유출 부하량은 유출량×농도로 산정되므로 유출량에 대한 평가도 함께 수행하였다. 논 유출량 및 질소 유출 부하량의 변동을 평가하기 위하여 DMR (Duncan’s Multiple Range test)를 이용하여 기간 별 차이를 5% 유의수준에서 검정하였다.

단일 GCM에 의한 평가를 수행할 경우 기후변화 영향이 과대 또는 과소 추정될 우려가 있으므로 불확실성 평가가 수반되어야 한다. 본 연구에서는 다중모형 앙상블 (MME, Multi Model Ensemble)에 의한 불확실성 범위를 개별 GCM에 대하여 box and whisker 그래프로 도식화하여 비교하였으며 분석기간별로 DMR을 이용하여 GCM간 차이를 5% 유의수준에서 검정하였다.

또한, 불확실성의 크기를 정량화하기 위하여 maximum entropy (Jaynes, 1957)이론을 적용하였다. Maximum entropy는 불확실성을 최대로 가진 상태의 entropy를 의미하며 최댓값 a와 최솟값 b가 주어진 경우 maximum entropy distribution은 uniform distribution이고, [a, b]구간 내에서 모든 사건의 발생확률이 동일할 때 이를 entropy 로 나타내면 다음과 같다 (Gay and Estrada, 2010; Lee et al., 2016).

(4)

H (X) = - \int_{a}^{b} f_{X} {(x) \ln f}_{X} (x) d x = - \int_{a}^{b} \frac{1}{b - a} \ln \frac{1}{b - a} = - \ln (b - a)

Ⅲ. 결과 및 고찰

1. 논 유출량 및 질소 유출 부하량 변동평가 결과

논 유출량에 관하여 다중모형 앙상블을 적용한 결과 기후재현자료에 의한 유출량 모의 결과와 기상관측자료에 의한 유출량 모의 결과가 상당히 일치하는 것으로 나타났다 (Fig. 5, 6). 과거기준기간 (1976~2005)에 대한 DMR 결과 기온, 강수량과 함께 유출량은 기후 관측자료와 기후 재현자료를 모델에 적용한 결과가 모두 유의한 차이를 보이지 않는 것으로 나타났다 (Table 3, 4).

Table 3

Changes in the MME mean value of paddy runoff and nitrogen load due to impacts of climate change

Scenario	Period	Annual runoff (mm)				Annual nitrogen yield (kg/ha)
Scenario	Period	MME mean value	Incre-ment (%)	MME St.Dev.	mean Max. entropy	MME mean value	Incre-ment (%)	MME St.Dev.	mean Max. entropy
Observed		763.3^a	-	195.6	-	14.3^a	-	8.1	-
Historical		721.2^a	-	284.5	6.73	13.9^a	-	7.4	2.92
RCP4.5	2025s	817.7^b	13.4	303.2	6.74	17.0^a	21.8	8.3	3.15
	2055s	857.8^b	18.9	315.7	6.87	18.1^b	29.8	8.0	3.13
	2085s	888.0^b	23.1	348.7	6.92	20.1^bc	43.9	8.3	3.23
RCP8.5	2025s	831.2^b	15.3	339.9	6.89	15.3^a	9.7	7.4	2.93
	2055s	896.0^b	24.2	356.8	6.93	19.6^b	40.4	8.1	3.11
	2085s	1049.0^c	45.5	395.3	7.02	24.5^c	76.0	9.6	3.28

Table 4

Average value and Duncan’s multiple range test result for annual runoff and nitrogen load by GCM by period

Period	GCM	Annual mean temperature		Annual precipitation		Annual runoff		Annual nitrogen load
Period	GCM	RCP4.5	RCP8.5	RCP4.5	RCP8.5	RCP4.5	RCP8.5	RCP4.5	RCP8.5
Observed	-	12.1^a		1269^a		736^a		14.3^ab
Historical	bcc-csm-1-1	12.1^a		1268^a		750^a		12.2^b
	CanESM2	12.1^a		1272^a		760^a		14.7^ab
	GFDL-ESM2G	12.1^a		1277^a		779^a		16.8^a
	GFDL-ESM2M	12.1^a		1275^a		770^a		13.4^ab
	HadGEM2-CC	12.1^a		1261^a		761^a		12.6^b
	Inmcm4	12.1^a		1272^a		774^a		14.7^ab
	IPSL-CM5A-LR	12.1^a		1268^a		761^a		13.4^ab
	MIROC-ESM	12.1^a		1265^a		758^a		14.2^ab
	MIROC-ESM-CHEM	12.1^a		1262^a		757^a		13.6^ab
2025s	bcc-csm-1-1	13.3^b	13.5^cd	1507^a	1408^a	925^a	849^a	17.6^ab	13.9^a
	CanESM2	13.2^b	13.7^bc	1500^a	1472^a	922^a	921^a	18.0^ab	15.6^a
	GFDL-ESM2G	12.9^c	12.9^ef	1373^ab	1446^a	862^a	946^a	17.9^ab	17.6^a
	GFDL-ESM2M	13.2^bc	13.2^de	1359^ab	1343^a	879^a	858^a	13.8^b	15.5^a
	HadGEM2-CC	13.8^a	14.1^ab	1236^b	1441^a	764^a	885^a	16.5^ab	16.8^a
	Inmcm4	12.4^d	12.7^f	1363^ab	1416^a	870^a	913^a	14.4^b	14.6^a
	IPSL-CM5A-LR	13.8^a	13.8^bc	1337^ab	1349^a	852^a	849^a	19.2^a	14.1^a
	MIROC-ESM	13.9^a	14.2^a	1328^ab	1266^a	825^a	784^a	17.3^ab	15.6^a
	MIROC-ESM-CHEM	13.9^a	14.1^ab	1400^ab	1398^a	845^a	864^a	18.1^ab	13.9^a
2055s	bcc-csm-1-1	14.4^d	15.1^c	1398^bc	1505^bc	844^bc	961^bcd	14.6^bc	17.8^cde
	CanESM2	14.4^cd	15.4^c	1745^a	1765^a	1090^a	1141^a	18.4^ab	21.2^abc
	GFDL-ESM2G	13.4^f	14.1^d	1428^bc	1291^cd	898^bc	801^de	17.2^abc	15.8^de
	GFDL-ESM2M	13.9^e	14.3^d	1324^bc	1337^cd	844^bc	864^cde	19.0^a	16.6^de
	HadGEM2-CC	14.7^c	16.1^b	1425^bc	1423^bcd	906^bc	910^bcde	19.6^a	22.4^ab
	Inmcm4	12.9^g	13.5^e	1435^bc	1583^ab	890^bc	1013^abc	13.8^c	14.7^e
	IPSL-CM5A-LR	15.1^b	16.0^b	1450^bc	1596^ab	895^bc	1062^ab	19.2^a	23.9^a
	MIROC-ESM	15.7^a	16.8^a	1300^c	1203^d	804^c	726^e	20.6^a	24.7^a
	MIROC-ESM-CHEM	15.4^b	16.7^a	1524^ab	1525^abc	971^ab	988^abcd	20.6^a	19.2^bcd
2085s	bcc-csm-1-1	14.8^d	17.0^c	1470^ab	1614^bcd	942^a	1016^cd	19.5^abc	20.0^bc
	CanESM2	15.1^c	17.4^c	1625^a	1943^a	1000^a	1266^a	22.0^ab	26.7^a
	GFDL-ESM2G	13.7^e	15.8^d	1504^ab	1754^ab	956^a	1200^abc	18.5^abc	24.2^ab
	GFDL-ESM2M	13.9^e	15.5^d	1371^b	1515^cd	873^a	1035^bcd	18.0^bc	24.9^ab
	HadGEM2-CC	15.7^b	18.2^b	1395^ab	1600^bcd	869^a	1062^abcd	22.8^a	28.2^a
	Inmcm4	13.3^f	14.4^e	1549^ab	1635^bcd	984^a	1068^abcd	17.1^c	18.5^c
	IPSL-CM5A-LR	15.7^b	18.5^b	1395^ab	1837^ab	910^a	1246^ab	22.6^ab	25.2^ab
	MIROC-ESM	16.2^a	19.2^a	1462^ab	1413^d	931^a	923^d	21.5^abc	28.0^a
	MIROC-ESM-CHEM	16.0^b	19.0^a	1494^ab	1667^bc	937^a	1092^abcd	18.6^abc	25.2^ab

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PIC9FDB.png

Fig. 5

Result of estimating paddy runoff according to the RCP4.5 scenario by GCMs considering uncertainty

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PIC9FFB.png

Fig. 6

Result of estimating paddy runoff according to the RCP8.5 scenario by GCMs considering uncertainty

논 유출량은 RCP4.5, 8.5 시나리오에서 증가하는 경향을 보였으며 RCP8.5 시나리오가 RCP4.5 시나리오에 비하여 증가폭이 큰 것으로 나타났다 (Table 3). GCM별 증가 경향의 경우도 과거 기준값 (MME 중위값, B.L.)에 비하여 모두 증가하는 경향이 나타났다 (Fig. 5, 6). 기후변화 시나리오 별 분석기간 별 MME 평균값을 이용하여 논 유출량 변화를 비교하면 RCP4.5 시나리오에 대하여 논 유출량은 과거기준기간 721.2 mm 대비 2025년대 817.7 mm, 2055년대 857.8 mm, 2085년대 888.0 mm로 각각 13.4%, 18.9%, 23.1%가 증가하는 것으로 나타났다. RCP8.5 시나리오의 경우 2025년대 831.2 mm, 2055년대 896.0 mm, 2085년대 1049.0 mm로 각각 15.3%, 24.2%, 45.5%가 증가하는 것으로 예측되었다 (Fig. 5, 6, Table 3). 또한 기간 간 유출량 차이의 유의성을 검토한 결과 RCP4.5 시나리오의 경우 과거기준기간은 a 그룹으로, 2025, 2055, 2085년대는 b 그룹으로 분류되어 과거기준기간과 유의한 차이를 보였으며 RCP8.5 시나리오의 경우 과거기준기간은 a 그룹으로, 2025, 2055년대는 b 그룹으로, 2085년대는 c 그룹으로 분류되어 유의한 차이를 보였으며 3개의 그룹으로 분류된 것으로 보아 유의성이 RCP4.5 시나리오보다 큰 것으로 판단된다. 유출량 증가의 원인은 RCP4.5 시나리오와 RCP8.5 시나리오 모두 미래로 갈수록 연 강수량이 증가하였기 때문인 것으로 판단된다 (Table 4).

논 질소 유출 부하량에 관하여 다중모형 앙상블을 적용한 결과 기후재현자료에 의한 모의 결과와 기상관측자료에 의한 모의 결과가 대체로 일치하는 것으로 나타났다 (Fig. 7, 8, Table 3, 4). 기후 관측자료를 적용한 결과 ab 그룹으로 분류되었으며, bcc-csm-1-1과 HadGEM2-CC는 a 그룹으로, GFDL- ESM2G는 b 그룹으로 분류되었고 나머지 GCM 시나리오 적용 결과는 ab그룹으로 분류되었다 (Table 4). 기후 관측자료와 기후재현자료가 유의한 차이를 보이지 않는 것으로 보아 질소 유출 부하량 추정에 불확실성이 있는 것으로 판단된다. 특히 모델에서 질소 유출 부하량은 비료 투입 시기와 강우-유출 발생 시기에 따른 편차가 크기 때문인 것으로 보인다 (Choi et al., 2017).

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA01B.png

Fig. 7

Result of estimating paddy nitrogen yield according to the RCP4.5 scenario by GCMs considering uncertainty

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA06B.png

Fig. 8

Result of estimating paddy nitrogen yield according to the RCP8.5 scenario by GCMs considering uncertainty

논의 질소 유출 부하량은 RCP4.5, 8.5 시나리오 모두 증가하는 경향을 보였으며 RCP8.5 시나리오가 RCP4.5시나리오에 비하여 증가폭이 큰 것으로 나타났다 (Table 3). GCM별 증가 경향의 경우도 과거기준값 (MME 중위값, B.L.)에 비하여 모두 증가하는 경향이 나타났다 (Fig. 7, 8). 기후변화 시나리오 별 분석기간 별 MME 평균값을 이용하여 논 질소 유출 부하량 변화를 비교하면 RCP4.5 시나리오에 대하여 부하량이 과거기준기간 13.9 kg/ha 대비 2025s 17.0 kg/ha, 2055s 18.1 kg/ha, 2085s 20.1 kg/ha로 각각 21.8%, 29.8%, 43.9%가 증가하는 것으로 나타났다. RCP8.5 시나리오의 경우 2025s 15.3 kg/ha, 2055s 19.6 kg/ha, 2085s 24.5 kg/ha로 각각 9.7%, 40.4%, 76.0%가 증가하는 것으로 예측되었다 (Fig. 7, 8, Table 3). 또한 기간 간 질소 유출 부하량 차이의 유의성을 검토한 결과 RCP4.5 시나리오의 경우 과거기준기간과 2025년대는 a 그룹, 2055년대는 b 그룹, 2085년대는 bc 그룹으로 분류되어 유의한 차이를 보였으며 RCP8.5 시나리오의 경우 과거기준기간과 2025년대는 a 그룹으로, 2055년대는 b 그룹으로, 2085년대는 c 그룹으로 분류되어 유의한 차이를 보였으며 3개의 그룹으로 명확히 분류된 것으로 보아 유의성이 RCP4.5 시나리오보다 큰 것으로 판단된다.

2. 논 유출량 및 질소 유출 부하량 예측 불확실성 평가 결과

GCM간 유출량 추정의 불확실성은 2085s (2071~2100)기간으로 갈수록 커지는 것으로 나타났다. 예를 들어 RCP8.5 시나리오에서 bcc-csm-1-1과 MIROC-ESM은 논 유출량의 증가폭이 크지 않은 것으로 예측하고 있으나 GFDL-ESM2, IPSL-CM5A-LR은 논 유출량이 큰 폭으로 증가할 것이라고 예측하였다 (Fig. 6). Maximum entropy를 이용하여 유출량 추정의 불확실성을 정량화 한 결과 과거기준기간의 maximum entropy 평균 6.73과 비교하여 RCP4.5 시나리오의 경우 6.74, 6.87, 6.92로, RCP8.5 시나리오의 경우 6.89, 6.93, 7.02로 증가하는 경향을 보여 미래로 갈수록 불확실성이 증가하는 것으로 나타났다 (Table 3). 표준편차의 경우도 과거기준기간 284.5와 비교하여 RCP4.5 시나리오의 경우 303.2, 315.7, 348.7로, RCP8.5 시나리오의 경우 339.9, 356.8, 395.3로 증가하는 경향을 보였다. 또한 기간별 DMR 결과 과거기준기간의 유출량은 모두 a 그룹으로 분류되었으나 2055년대에는 RCP4.5 시나리오의 경우 a~d 그룹으로, RCP8.5 시나리오의 경우 a~e 그룹으로 분류되어 GCM간 유출량 추정의 차이가 증가하는 것을 확인하였다 (Table 4). 한편 2085년대에는 RCP4.5 시나리오의 경우 모두 a 그룹으로, RCP8.5 시나리오의 경우 a~d 그룹으로 분류되어 불확실성이 줄어든 것으로 보이나 이는 연간 유출량 편차가 커짐에 따라 표준편차가 증가하였기 때문인 것으로 판단된다 (Table 3).

GCM간 질소 유출 부하량 추정의 불확실성은 2085s (2071~2100)기간으로 갈수록 커지는 것으로 나타났다. 예를 들어 RCP4.5, 8.4 시나리오에서 Inmcm4는 논 유출량의 증가폭이 크지 않을 것으로 예상하였으나 HadGEM2-CC, IPSL- CM5A-LR, MIROC-ESM 등은 논 질소 유출 부하량이 큰 폭으로 증가할 것이라고 예측하였다 (Fig. 8). Maximum entropy를 이용하여 유출량 추정의 불확실성을 정량화 한 결과 과거기준기간의 maximum entropy 평균 2.92와 비교하여 RCP4.5 시나리오의 경우 3.15, 3.13, 3.23으로, RCP8.5 시나리오의 경우 2.93, 3.11, 3.28로 증가하는 경향을 보여 미래로 갈수록 불확실성이 증가하는 것으로 나타났다 (Table 3). 표준편차의 경우도 과거기준기간 7.4와 비교하여 RCP4.5 시나리오의 경우 8.3, 8.0, 8.3으로, RCP8.5 시나리오의 경우 7.4, 8.1, 9.6으로 증가하는 경향을 보였다. 또한 기간별 DMR 결과 과거기준기간의 유출량은 a~b 그룹으로 분류되었으나 2055년대에는 RCP4.5 시나리오의 경우 a~c 그룹으로, RCP8.5 시나리오의 경우 a~e 그룹으로 분류되어 GCM간 질소 유출 부하량 추정의 차이가 증가하는 것을 확인하였다 (Table 4). 한편 2085년대에는 RCP8.5 시나리오의 경우 a~c 그룹으로 분류되어 불확실성이 줄어든 것으로 보이나 이는 연간 질소 유출 부하량차이가 커짐에 따라 표준편차가 증가하였기 때문인 것으로 판단된다 (Table 3).

3. 고찰

월간 유출량과 질소 유출 부하량 변동을 시각화함으로써 부하량의 증가 원인을 확인하였다. Fig. 9를 살펴보면 유출량은 시나리오 별 기간 별로 월간 증가 추이에 변동이 있는 것으로 보이나 전반적으로 증가하는 경향을 보였다. 논 질소 유출 부하량은 질소비료가 투입되는 5월과 유출량이 많은 7월에 큰 것으로 나타났다 (Fig. 10). 8월의 경우 유출량에 비하여 부하량이 크지 않았는데 이는 7월 이후 질소의 유출, 휘산, 탈질 등에 따라 논물의 질소 농도가 많이 낮아졌기 때문인 것으로 판단된다. 특히, 생육 후기인 9월의 부하량이 크게 증가하는 경향을 보인다.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA0AA.png

Fig. 9

Monthly changes of paddy runoff according to climate change scenario. Grey range - Max. & Min. value. Blue range – 99% confidence interval. Purple range - 90% confidence interval.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA0EA.png

Fig. 10

Monthly changes of paddy nitrogen load according to climate change scenario. Grey range - Max. & Min. value. Blue range – 99% confidence interval. Purple range - 90% confidence interval.

이는 기온상승으로 인해 생육기간이 단축되었고, 생육기간 단축 및 고온스트레스로 인하여 생장이 둔화되어 (Choi et al., 2018) 작물이 토양 및 논물의 질소를 충분히 소진하지 못했기 때문으로 판단된다. 기온 이 상승하면 식물이 생육종료에 도달하는데 필요한 온도인 잠재 열 단위 (PHU, Potential Heat Unit)를 빠르게 채우게 된다 (Choi et al., 2017). 따라서 논벼는 빠른 기간 내에 성숙에 도달하며 PHU의 80%를 채운 이후부터 광합성을 하는 엽면적지수 (Green LAI, Leaf Area Index)가 감소하고 PHU를 모두 채우면 작물은 Biomass 축적을 멈추고 토양 양분을 흡수하지 않는다 (Fig. 11-14). 따라서 벼 수확을 위한 낙수 시 논물 중에 잔류하는 다량의 질소가 유출 되는 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA119.png

Fig. 11

LAI development of rice under RCP4.5 scenario

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA17A.png

Fig. 14

Biomass development of rice under RCP8.5 scenario

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA13A.png

Fig. 12

LAI development of rice under RCP8.5 scenario

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-05/N0740620505/images/PICA15A.png

Fig. 13

Biomass development of rice under RCP4.5 scenario

Vlek and Craswell (1979)은 벼를 대상으로 중질소 (¹⁵N)로 표지된 암모니아태 질소 (NH₃-N)를 이용하여 질소대사를 평가한 결과 17.4~54.2% 만이 식물체에 이용되고, 나머지는 지표유출, 탈질, 휘산에 의해 손실된 것으로 보고하였다. Stenger et al. (1995)은 작물의 경제성 향상과 환경보전적인 측면에서 질소비료의 이용효율을 증대시켜야 한다고 강조하였다. 기후변화에 따른 논벼 생육과 비료 투입 시기의 디커플링은 논벼의 질소이용 효율을 감소시킬 것으로 판단되며, 이를 극복하기 위하여 기후 적응형 품종의 개발 및 선택, 이앙시기 및 비료 투입시기 등 영농일정의 조정이 필요할 것으로 판단된다.

Ⅳ. 요약 및 결론

본 연구는 논 질소 유출 부하량의 기후변화 영향을 평가하기 위하여 APEX-Paddy 모델을 사용하였다. 기후변화 시나리오의 불확실성을 고려하기 위하여 CIMIP5의 GCM 9종에 대한 통계적 상세화를 수행하였다. 상세화를 통해 생성된 기후정보를 APEX-Paddy 모델에 적용하여 RCP4.5, 8.5 시나리오에 대한 논 질소 유출 부하량의 변화와 불확실성을 평가하였다.

논의 질소 유출 부하량은 RCP4.5, 8.5 시나리오 모두 증가하는 경향을 보였으며 RCP8.5 시나리오가 RCP4.5시나리오에 비하여 증가폭이 큰 것으로 나타났다. 기후변화 시나리오 별 분석기간 별 MME 평균값을 이용하여 논 질소 유출 부하량 변화를 비교하면 RCP4.5 시나리오에 대하여 부하량이 과거기준기간 13.9 kg/ha 대비, 2085s 20.1 kg/ha로 43.9%가 증가하는 것으로 나타났으며 RCP8.5 시나리오의 경우 2085s 24.5 kg/ha로 76.0%가 증가하는 것으로 예측되었다. DMR을 이용하여 질소 유출 부하량 증가의 유의성을 검정한 결과 유의한 차이를 보이는 것으로 나타났다.

질소 유출 부하량 추정의 불확실성은 미래로 갈수록 커지는 것으로 나타났다. Maximum entropy와 표준편차를 이용하여 불확실성을 정량화 한 결과 과거기준기간의 maximum entropy 평균 2.92와 비교하여 RCP4.5 시나리오의 경우 3.15, 3.13, 3.23으로, RCP8.5 시나리오의 경우 2.93, 3.11, 3.28로 증가하는 경향을 보여 미래로 갈수록 불확실성이 증가하는 것으로 나타났으며 표준편차의 경우도 과거기준기간 7.4와 비교하여 RCP4.5 시나리오의 경우 8.3, 8.0, 8.3으로, RCP8.5 시나리오의 경우 7.4, 8.1, 9.6으로 증가하는 경향을 보였다.

월간 유출량 및 질소 유출 부하량 변화를 검토한 결과 논벼 생육의 변화가 질소 유출에 영향을 주는 것으로 보인다. 본 연구에서는 재배 일정을 고정한 채 기후변화 영향을 평가하였는데 기온 상승에 따라 생육기간이 단축되어 7월 21일에 시비되는 질소를 작물이 충분히 이용하지 못한 것으로 나타나 작물생육과 재배 일정간의 디커플링이 발생한 것으로 판단된다. 기후변화에 대응하여 벼 품종 선택, 이앙일 및 물⋅시비 관리일정 조정 등 기후변화 적응기술이 적용될 것으로 예상되므로 향후 기후변화 적응기술을 고려한 연구가 이루어져야 할 것이다.

감사의 글

본 연구는 농촌진흥청 공동연구사업 (과제번호: PJ01493201)의 지원에 의해 이루어진 결과로 이에 감사드립니다.

REFERENCES

D. H. Bae, I. W. Jung, B. J. Lee and M. H. Lee, Journal of Korea Water Resources Association, Future Korean water resources projection considering uncertainty of GCMs and hydrological models., 44(5); 389-406, (in Korean). (2011)10.3741/jkwra.2011.44.5.389

J. I. Cho, W. Jung, S. Cho and S. Hwang, Journal of Climate Change Research, User- centered climate change scenarios technique development and application of Korean peninsula., 9(1); 13-29, (in Korean). (2018)10.15531/ksccr.2018.9.1.13

J. Cho, S. Hwang, G. Go, K. Y. Kim and J. Kim, Journal of the Korean Society of Agricultural Engineers, Assessing the climate change impacts on agricultural reservoirs using the SWAT model and CMIP5 GCMs., 57(5); 1-12, (in Korean). (2015)10.5389/ksae.2015.57.5.001

S. K. Choi, J. Jeong and M. K. Kim, Water, Simulating the effects of agricultural management on water quality dynamics in rice paddies for sustainable rice production- model development and validation., 9(11); 869 (2017)10.3390/w9110869

S. K. Choi, J. Jeong, J. Cho, S. O. Hur, D. H. Choi and M. K. Kim, Journal of Climate Change Research, Assesing the climate change impacts on paddy rice evapotranspiration considering uncertainty., 9(2); 143-156, (in Korean). (2018)10.15531/ksccr.2018.9.2.143

B. Y. Chung, J. S. Kim, J. Y. Cho, B. Y. Chung, J. S. Kim and J. Y. Cho, Korea Atomic Energy Research Institute, Environmental monitoring of agro-ecosystem using environmental isotope tracer technology (No.KAERI/ AR-712/2004)., (in Korean). (2004)

Chung U., Cho J. and Lee E. J., Korean Journal of Agricultural and Forest Meteorology, Evaluation of agro-climatic index using multi-model ensemble downscaled climate prediction of CMIP5., 17(2); 108-125, (in Korean). (2015)10.5532/kjafm.2015.17.2.108

Gay C., Estrada F., C. Gay and F. Estrada, Climate Change, Objective probabilities about future climate are a matter of opinion., 99; 27-46 (2010)10.1007/s10584-009-9681-4

H. S. Hwang, J. H. Jeon, J. H. Ham and C. G. Yoon, Korean Journal of Ecology and Environment, Analysis of nutrients balance during paddy rice cultivation., 36(1); 66-73, (in Korean). (2003)

E. S. Im, I. W. Jung, H. Chang, D. H. Bae and W. T. Kwon, Climatic Change, Hydroclimatological response to dynamically downscaled climate change simulations for Korean basins., 100(3-4); 485-508 (2010)10.1007/s10584-009-9691-2

E. T. Jaynes, Physical Review, Information theory and statistical mechanics., 106(4); 620-630 (1957)10.1103/physrev.106.620

J. H. Jeon, C. G. Yoon, A. S. Donigian Jr and K. W. Jung, Agricultural Water Management, Development of the HSPF-Paddy model to estimate watershed pollutant loads in paddy farming regions., 90; 75-86 (2007)10.1016/j.agwat.2007.02.006

J. H. Jeon, C. G. Yoon, J. K. Choi and K. S. Yoon, Korean Journal of Limnology, The comparison of water budget and nutrient loading from paddy field according to the irrigation methods., 38(1); 118-127, (in Korean). (2005)

M. Kamruzzaman, S. Hwang, S. K. Choi, J. Cho, I. Song, J. H. Song, H. Jeong, T. Jang and S. H. Yoo, Water , Evaluating the Impact of Climate Change on Paddy Water Balance Using APEX-Paddy Model., 12(3); 852 (2020)10.3390/w12030852

M. S. Kang, S. W. Park, J. J. Lee and K. H. Yoo, Agricultural Water Management, Applying SWAT for TMDL programs to a small watershed containing rice paddy fields., 79(1); 72-92 (2006)10.1016/j.agwat.2005.02.015

J. S. Kim, J. J. Lee and S. Y. Oh, Korean National Committee on Irrigation and Drainage, Characteristics of Concentrations of Nutrients in Paddy Plots with Different Fertilizer Application Rates., 7(1); 47-56, (in Korean)

K. Kim, M. S. Kang, I. Song, J. H. Song, J. Park, S. M. Jun, J. R. Jang and J. S. Kim, Journal of the Korean Society of Agricultural Engineers, Effects of controlled drainage and slow-release fertilizer on nutrient pollutant loads from paddy fields., 58(1); 1-10, (in Korean) (2016)10.5389/ksae.2016.58.1.001

M. K. Kim, K. A. Roh, N. J. Lee, M. C. Seo and M. H. Koh, Korean Journal of Soil Science and Fertilizer, Nutrient load balance in large-scale paddy fields during rice cultivation., 38(3); 164-171, (in Korean) (2005)

Y. J. Kim, D. H. Kim and J. H. Jeon, Water, Characteristics of water budget components in paddy rice field under the asian monsoon climate: Application of hspf-paddy model., 6(7); 2041-2055 (2014)10.3390/w6072041

KOSIS, , www.kosis.go.kr/ 2020.6.4. access. (2020)

T. Kunimatsu, L. Rong, M. Sudo and I. Takeda, Transactions of The Japanese Society of Irrigation, Drainage and Rural Engineering, Runoff loadings of materials causing water pollution from a paddy field during a non-planting period., 170; 45-54 (1994)

J. K. Lee and Y. O. Kim, Atmosphere, Selecting climate change scenarios reflecting uncertainties., 22(2); 149-161, (in Korean). (2012)10.14191/atmos.2012.22.2.149

J. K. Lee, Y. O. Kim and Y. Kim, International Journal of Climatology, A new uncertainty analysis in the climate change impact assessment., 37; 3837-3846 (2016)10.1002/joc.4957

K. D. Lee, S. Y. Hong, Y. H. Kim, S. I. Na and K. B. Lee, Korean Journal of Soil Science and Fertilizer, Characteristics of TN and TP in runoff from reclaimed paddy field of fine sandy loam., 46(6); 417-425 (2013)10.7745/kjssf.2013.46.6.417

Y. Li, B. M. Chen, Z. G. Wang and S. L. Peng, Hydrological Sciences Journal, Effects of temperature change on water discharge, and sediment and nutrient loading in the lower Pearl River basin based on SWAT modelling., 56(1); 68-83 (2011)10.1080/02626667.2010.538396

NAS, Standards for fertilization by crops. National Institute of Agricultural Sciences, (in Korean). (2010)

NICS, 2008 Crop test report., (in Korean)., National Institute of Crop Sciences. (2009)

H. K. Park, W. Y. Choi, K. Y. Kim, B. I. Ku, Y. D. Kim, C. K. Kim and J. K. Ko, Korean Journal International Agriculture, Forecasting optimum heading date and yield of rice depending on water condition., 20(4); 320-330, (in Korean). (2009)

RDA, High-quality rice production technology., (in Korean)., Rural Development Administration. (2007)

Relevant Ministerial Consortium, The second measures of non-point source pollution management (’12~’20)., (in Korean)., Ministry of Land, Infrastructure and Transport. (2012)

A. Sakaguchi, S. Eguchi, T. Kato, M. Kasuya, K. Ono, A. Miyata and N. Tase, Agricultural Water Management, Development and evaluation of a paddy module for improving hydrological simulation in SWAT., 137; 116-12210.1016/j.agwat.2014.01.009

C. S. Seo, S. W. Park, S. J. Im, K. S. Yoon, S. M. Kim and M. S. Kang, Journal of the Korean Society of Agricultural Engineers, Development of CREAMS-PADDY model for simulating pollutants from irrigated paddies., 44(3); 146-156, (in Korean). (2002)

D. S. Shin and S. K. Kwun, Korean Journal Environment Agriculture, The concentration and input/output of nitrogen and phosphorus in paddy fields., 9(2); 133-141, (in Korean).

J. H. Song, M. S. Kang, I. H. Song and J. R. Jang, Korean Journal Environment Agriculture , Comparing farming methods in pollutant runoff loads from paddy fields using the CREAMS-PADDY model., 31(4); 318-327, (in Korean). (2012)10.5338/kjea.2012.31.4.318

R. Stenger, E. Priesack and F. Beese, Plant and Soil, Rates of net nitrogen mineralization in disturbed and undisturbed soils., 171(2); 323-332 (1995)10.1007/bf00010288

I. Takeda, Japan Society Irrigation Drainage Reclamation Engineering, Contaminant balance of a paddy field area and its loading in the water system-studies on pollution loadings from a paddy field area., 153; 63-72 (1991)

R. Tsuchiya, T. Kato, J. Jeong and J. Arnold, Sustainability, Development of SWAT-Paddy for simulating lowland paddy fields., 10(9); 3246 (2018)10.3390/su10093246

P. L. G. Vlek and E. T. Craswell, Soil Science Society of America Journal, Effect of nitrogen source and management on ammonia volatilization losses from flooded rice‐soil systems., 43(2); 352-358 (1979)10.2136/sssaj1979.03615995004300020023x

J. R. Williams, J. G. Arnold and R. Srinivasan, Texas A&M Blackland Research Center Temple., The APEX model. (2006)

S. H. Yoo, T. Kim, S. H. Lee and J. Y. Choi, Journal of the Korean Society of Agricultural Engineers , Trend analysis of projected climate data based on CMIP5 GCMs for climate change impact assessment on agricultural water resources., 57(5); 69-80, (in Korean). (2015)10.5389/ksae.2015.57.5.069

C. G. Yoon, B. H. Kim, J. H. Jeon and H. S. Hwang, Journal of the Korean Society of Agricultural Engineers, Characteristics of pollutant loading from paddy field area with groundwater irrigation., 44(5); 116-226, (in Korea). (2002)

C. G. Yoon, J. H. Ham and J. H. Jeon, Paddy and Water Environment, Mass balance analysis in Korean paddy rice culture., 1(2); 99-106 (2003)10.1007/s10333-003-0018-z

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

Preview

Evaluating Changes and Uncertainty of Nitrogen Load from Rice Paddy according to the Climate Change Scenario Multi-Model Ensemble

ABSTRACT

MAIN

Table 1

Fig. 1

Fig. 2

(1)

(2)

(3)

Fig. 3

Table 2

Fig. 4

(4)

Table 3

Table 4

Fig. 5

Fig. 6

Fig. 7

Fig. 8

Fig. 9

Fig. 10

Fig. 11

Fig. 14

Fig. 12

Fig. 13

감사의 글

REFERENCES