본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

국문초록 14

제1장 서론 16

1. 연구 필요성 및 목적 16

2. 연구의 동향 18

3. 연구의 내용 및 범위 19

제2장 기본이론 및 방법 23

1. 지점 증발산량 측정 23

가. 에디공분산 측정 이론 23

나. KoFlux 표준화 프로그램 30

다. 자료보충(Gap-filling) 방법 35

2. 공간증발산량 산정 46

가. MODIS 46

나. GLEAM 56

다. GLDAS 57

3. 검증방법 57

제3장 검증유역 및 수문관측소 현황 59

1. 검증유역 59

2. 수문관측소 현황 60

가. 강수량 관측소 62

나. 수위 관측소 63

다. 증발산량 관측소 64

라. 토양수분량 관측소 66

제4장 에디공분산 기반 증발산량 산정 체계 구축 68

1. 자료수집 및 분석 68

가. 에디플럭스 자료 68

나. 수문자료 71

2. 에디공분산 플럭스의 자료처리 80

가. 자료처리 80

나. 일증발산량 계열 생성 및 분석 82

3. 대체증발산량 계열 생성 및 분석 88

1) FAO-PM 88

2) 평균 일변동(MDV, Mean Diurnal Variation) 94

3) Kalman Filter 방법 98

4. 자료보충(Gap-Filling) 102

1) FAO-PM 방법 102

2) 평균 일변동(MDV, Mean Diuranal Variation) 107

3) Kalman Filter 방법 111

5. 일증발산량 특성 분석 115

가. 보충방법별 특성 분석 115

나. 통계량 분석 119

6. 물수지 분석 120

가. 물수지 방정식 120

나. 저류 변화량 산정 121

다. 물수지 분석 125

제5장 인공위성 기반 공간증발산량 산정 체계 구축 127

1. 공간증발산량 127

2. MODIS 기반 증발산량 127

가. MODIS Product 127

나. MODIS 기반 생산 체계 131

3. GLDAS 기반 증발산량 142

가. GLDAS 증발산량 142

나. GLDAS 기반 생산 체계 구축 144

4. GLEAM 기반 증발산량 147

가. GLEAM 증발산량 147

나. GLEAM 기반 생산 체계 구축 148

5. 위성기반 공간증발산량 평가 152

가. 위성기반 공간증발산량 평가 152

나. 통계분석 158

제6장 결론 160

참고문헌 164

abstract 173

표목차

Table 2.1. Rldc estimation model under sky conditions[이미지참조] 49

Table 3.1. Thiessen factor of Seolmacheon Basin 63

Table 3.2. Eddy Covariance System 66

Table 3.3. Information of TDR sensors 67

Table 4.1. Monthly Areal Rainfall(2013yr, 2014yr) 72

Table 4.2. Characteristics of Yearly Runoff(2013yr, 2014yr) 72

Table 4.3. Characteristics of soil moisture content by soil depth(2013yr) 73

Table 4.4. Characteristics of soil moisture variation(2013yr) 75

Table 4.5. Characteristics of soil moisture content by soil depth(2014yr) 77

Table 4.6. Characteristics of soil moisture variation(2014yr) 78

Table 4.7. Output of data processing of KoFlux program 81

Table 4.8. Unit information required for estimating evapotranspiration 83

Table 4.9. Unit conversion process 84

Table 4.10. Characteristics of evapotranspiration after data processing 85

Table 4.11. Characteristics of evapotranspiration based on FAO-PM 91

Table 4.12. Characteristics of evapotranspiration based on MDV 95

Table 4.13. Characteristics of evapotranspiration based on Kalman-Filter 99

Table 4.14. Characteristics of evapotranspiration based on FAO-PM 103

Table 4.15. Characteristics of evapotranspiration based on MDV 107

Table 4.16. Characteristics of evapotranspiration based on Kalman-Filter 111

Table 4.17. Yearly Evapotranspiration Characteristics by Computation Methods(2013) 116

Table 4.18. Yearly Evapotranspiration Characteristics by Computation Methods(2014) 116

Table 4.19. Statistics analysis result by Gap-Filling method 119

Table 4.20. Characteristics of yearly average soil moisture(2013~2014) 123

Table 4.21. Yearly variation characteristics of soil moisture(2013~2014) 124

Table 4.22. Analysis output of water budget characteristics(2013) 126

Table 4.23. Analysis output of water budget characteristics(2014) 126

Table 5.1. Type of MODIS product 130

Table 5.2. MODIS input variables for estimating ET 134

Table 5.3. Basic characteristics of the GLDAS data. 143

Table 5.4. Geophysical parameters generated from the GLDAS project. 143

Table 5.5. Characteristics of satellited-based evapotranspiration 154

Table 5.6. Statistics analysis result of evapotranspiration by satellite based(2013yr) 159

Table 5.7. Statistics analysis result of evapotranspiration by satellite based(2014yr) 159

그림목차

Fig 1.1. Process and method of this study 22

Fig 2.1. Turbulent flow and air movement 25

Fig 2.2. Controlled volume in homogeneous regions with conservation equations 26

Fig 2.3. Variation characteristics of water vapor concentraion 28

Fig 2.4. Evapotranspiration with a positive value 29

Fig 2.5. Evapotranspiration with a negative value 30

Fig 2.6. Schematic of KoFlux Standardization Program 30

Fig 2.7. Example of the PFR(Planar fit rotation) 32

Fig 2.8. Virtual flux dut to volume expansion 33

Fig 2.9. Comparative analysis of raw data and revised data 35

Fig 2.10. Comparative analysis of FAO-PM data and revised data 38

Fig 2.11. MDV(Method of the mean diurnal variation) 40

Fig 2.12. Comparative analysis of MDV data and revised data 41

Fig 2.13. Concept of Kalman Filter Algorithm 42

Fig 2.14. Input data of Kalman Filter 44

Fig 2.15. Comparative analysis of Kalman-Filter data and revised data 45

Fig 2.16. Proposed Sinusoidal Model with Overpass Time 56

Fig 3.1. Location of study area(Seolmacheon basin) 60

Fig 3.2. Hydrological survey stations in the Seolmacheon basin 61

Fig 3.3. Hydrological rainfall stations in the Seolmacheon 62

Fig 3.4. Thiessen network of Seolmacheon basin 63

Fig 3.5. Water level station in the Seolmacheon 64

Fig 3.6. Seolmacheon Flux Tower 65

Fig 3.7. Distribution of TDR sensors 67

Fig 4.1. Characteristics of the microclimate and Eddy Covariance data(2014) 68

Fig 4.2. Wind characteristics in Seolmacheon basin(2014yr) 71

Fig 4.3. Characteristics of Yearly Runoff(2013yr, 2014yr) 73

Fig 4.4. Characteristics of soil moisture content by soil depth(2013yr) 74

Fig 4.5. Characteristics of soil moisture time series by soil depth(2013yr) 74

Fig 4.6. Characteristics of cumulative variation by soil depth 10cm 75

Fig 4.7. Characteristics of cumulative variation by soil depth 30cm 76

Fig 4.8. Characteristics of cumulative variation by soil depth 60cm 76

Fig 4.9. Characteristics of soil moisture time series by soil depth(2014yr) 77

Fig 4.10. Characteristics of soil moisture time series by soil depth(2014yr) 78

Fig 4.11. Characteristics of cumulative variation by soil depth 10cm 79

Fig 4.12. Characteristics of cumulative variation by soil depth 30cm 79

Fig 4.13. Characteristics of cumulative variation by soil depth 60cm 80

Fig 4.14. Comparative analysis of raw data and processed data 81

Fig 4.15. Characteristics fo before and after data processing 82

Fig 4.16. Observation concept of latent heat flux 83

Fig 4.17. Daily evapotranspiration production process 84

Fig 4.18. Characteristics of daily evapotranspiration after processing(2013yr) 86

Fig 4.19. Characteristics of cumulative evapotranspiration after data processing(2013yr) 86

Fig 4.20. Characteristics of daily evapotranspiration after data processing(2014yr) 87

Fig 4.21. Characteristics of cumulative evapotranspiration after data processing(2014yr) 87

Fig 4.22. Characteristics of the ideal reference crop 89

Fig 4.23. Daily evapotranspiration characteristics estimated from FAO-PM equation(2013yr) 92

Fig 4.24. Cumulative daily evapotranspiration characteristics estimated from FAO-PM equation(2013yr) 92

Fig 4.25. Cumulative daily evapotranspiration characteristics estimated from FAO-PM equation(2013yr) 93

Fig 4.26. Cumulative daily evapotranspiration characteristics estimated from FAO-PM equation(2014yr) 93

Fig 4.27. Daily evapotranspiration characteristics estimated from MDV(2013yr) 96

Fig 4.28. Cumulative daily evapotranspiration characteristics estimated from MDV(2013yr) 96

Fig 4.29. Daily evapotranspiration characteristics estimated from MDV(2014yr) 97

Fig 4.30. Cumulative daily evapotranspiration characteristics estimated from MDV(2014yr) 97

Fig 4.31. Daily evapotranspiration characteristics estimated from MDV(2013yr) 100

Fig 4.32. Cumulative daily evapotranspiration characteristics estimated from Kalman-Filter(2013yr) 100

Fig 4.33. Daily evapotranspiration characteristics estimated from Kalman-Filter(2014yr) 101

Fig 4.34. Cumulative daily evapotranspiration characteristics estimated from Kalman-Filter(2014yr) 101

Fig 4.35. Gap-filling process 102

Fig 4.36. Daily evapotranspiration characteristics supplemented by FAO-PM method(2013yr) 104

Fig 4.37. Monthly evapotranspiration characteristics supplemented by FAO-PM method(2013yr) 104

Fig 4.38. Cumulative daily evapotranspiration characteristics supplemented by FAO-PM method(2013yr) 105

Fig 4.39. Daily evapotranspiration characteristics supplemented by FAO-PM method(2014yr) 105

Fig 4.40. Monthly evapotranspiration characteristics supplemented by FAO-PM method(2014yr) 106

Fig 4.41. Cumulative daily evapotranspiration characteristics supplemented by FAO-PM method(2014yr) 106

Fig 4.42. Daily evapotranspiration characteristics supplemented by MDV method(2013yr) 108

Fig 4.43. Monthly evapotranspiration characteristics supplemented by MDV method(2013yr) 108

Fig 4.44. Cumulative daily evapotranspiration characteristics supplemented by MDV method(2013yr) 109

Fig 4.45. Daily evapotranspiration characteristics supplemented by MDV method(2014yr) 109

Fig 4.46. Monthly evapotranspiration characteristics supplemented by method(2014yr) 110

Fig 4.47. Cumulative daily evapotranspiration characteristics supplemented by MDV method(2014yr) 110

Fig 4.48. Daily evapotranspiration characteristics supplemented by Kalman-Filter method(2013yr) 112

Fig 4.49. Monthly evapotranspiration characteristics supplemented by Kalman-Filter method(2013yr) 112

Fig 4.50. Cumulative daily evapotranspiration characteristics supplemented by Kalman-Filter method(2013yr) 113

Fig 4.51. Daily evapotranspiration characteristics supplemented by Kalman-Filter method(2014yr) 113

Fig 4.52. Monthly evapotranspiration characteristics supplemented by Kalman-Filter method(2014yr) 114

Fig 4.53. Cumulative daily evapotranspiration characteristics supplemented by Kalman-Filter method(2014yr) 114

Fig 4.54. Characteristics of daily evapotranspiration by gap-filling method(2013yr) 117

Fig 4.55. Characteristics of Gap-filled daily evapotranspiration(2013yr) 117

Fig 4.56. Characteristics of daily evapotranspiration by gap-filling method(2014yr) 118

Fig 4.57. Characteristics of Gap-filled daily evapotranspiration(2014yr) 118

Fig 4.58. Basic concept of water budget 121

Fig 4.59. Computation of average soil moisture depth 122

Fig 4.60. Computation of average soil moisture content 122

Fig 4.61. Average soil moisture rate by soil depth(2013) 123

Fig 4.62. Average soil moisture rate by soil depth(2014) 124

Fig 5.1. Flowchart of MODIS 16 Global ET Model 128

Fig 5.2. Estimation procedure of MODIS-based evapotranspiration 131

Fig 5.3. Estimation procedure of MODIS-based daily evapotranspiration 133

Fig 5.4. Schematic diagram for estimating net radiation (Ta: air temperature, Td: dew-point temperature, Oz:... 135

Fig 5.5. Example of estimating incoming short wave radiation energy 136

Fig 5.6. Example of estimating incoming long wave radiation energy 137

Fig 5.7. Example of estimating outflow long wave radiation energy 138

Fig 5.8. Example of net radiation energy 138

Fig 5.9. Estimation of instantaneous evapotranspiration 139

Fig 5.10. Monthly evapotranspiration map(2013yr) 140

Fig 5.11. Estimation of Evapotranspiration on GLDAS 144

Fig 5.12. Monthly evapotranspiration map(2013yr) 145

Fig 5.13. Schematic of the four modules of GLEAM. 148

Fig 5.14. Estimation of Evapotranspiration on GLEAM 149

Fig 5.15. Monthly evapotranspiration map(2013yr) 150

Fig 5.16. Characteristics of satellited-based daily evapotranspiration(2013yr) 155

Fig 5.17. Characteristics of satellited-based daily evapotranspiration(2014yr) 155

Fig 5.18. Characteristics of satellited-based monthly evapotranspiration(2013yr) 156

Fig 5.19. Characteristics of satellited-based monthly evapotranspiration(2014yr) 156

Fig 5.20. Characteristics of satellited-based yearly evapotranspiration(2013yr) 157

Fig 5.21. Characteristics of satellited-based yearly evapotranspiration(2014yr) 157

초록보기

 실측기반 지점 증발산량의 정량화를 통한 인공위성 기반 공간증발산량의 적정성 평가에 목적을 두고 한강수계에 위치한 설마천 유역을 검증유역으로 선정하여 연구를 진행하였다. 실측기반 증발산량을 정량화하기 위해 에디공분산 플럭스 자료를 KoFlux 표준화 프로그램으로 좌표변환, 밀도보정, 이상치를 제거하는 등의 전처리를 수행하였다. 이후 제거된 자료를 보충하기 위해 FAO Penman-Monteith, MDV, Kalman-Filter 방법으로 대체 증발산량을 산정하였다. 대체 증발산량 산정 방법 중 Kalman-Filter로 정량화한 경우가 에디공분산 자료와 유사한 특성을 나타내었다. 에디공분산 자료를 기반으로 산정된 Bias는 2013년의 경우 FAO-PM 0.325, MDV 0.257, Kalman-Filter 0.216, 2014년의 경우 FAO-PM 0.298, MDV 0.145, Kalman-Filter 0.233의 특성을 보였다. RMSE는 2013년의 경우 FAO-PM 0.614, MDV 0.520, Kalman-Filter 0.395, 2014년의 경우 FAO-PM 0.982, MDV 0.704, Kalman-Filter 0.498의 특성을 보였다. 이의 분석 결과를 토대로 하여 볼 때 설마천 유역에서는 Kalman-Filter 방법이 가장 높은 적용성을 보였다. 이에 따라 본 연구에서는 Kalman-Filter로 보충된 증발산량 계열을 위성기반 공간증발산량의 검증자료로 선정하였다.

본 연구에서는 공간증발산량을 MODIS, GLDAS, GLEAM의 3가지 방식으로 산정하였다. MODIS 증발산량은 Revised RS-PM Algorithm을 ENVI에서 구동하여 직접 생산하였다. Revised RS-PM Algorithm 적용에 필요한 순복사량, NDVI, EVI 등의 입력자료는 MODIS Product를 토대로 산정하였으며, 일증발산량은 순간증발산량을 Sinusoidal 이론에 적용하여 산정하였다. 산정된 일증발산량을 토대로 월증발산량과 연증발산량을 생산하여 에디공분산 기반의 자료와 비교 분석을 수행하였다. GLDAS 증발산량은 시간해상도 3시간, 공간해상도 0.25°를 갖는 GLDAS Noah의 자료로부터 추출하였다. 대상 기간이 2013년, 2014년인 관계로 자료의 양이 많아 Matlab 기반에서 자료를 처리한 후 증발산량을 산정하였다. 이후 ArcGIS를 활용하여 증발산량 지도를 작성하였다. GLEAM 증발산량은 전 지구적으로 시간해상도 1일, 공간해상도 25km로 제공되고 있어 우리나라에 해당하는 영역을 추출하여 정량화하였다. GLEAM 증발산량 또한 GLDAS와 마찬가지로 자료의 양이 많아 Matlab에서 자료를 전 처리한 후 ArcGIS에서 증발산량 지도를 작성하였다.

에디공분산 기반의 증발산량과 위성기반 증발산량의 규모를 분석한 결과, GLDAS 증발산량이 2개년에 걸쳐 유사한 값으로 산정되었다. Revised RS-PM의 연증발산량은 2013년 628.2mm, 2014년 291.6mm, GLEAM의 연증발산량은 2013년 655.1mm, 2014년 632.6mm로 산정되었으나 GLDAS는 2013년 441.2mm, 2014년 428.3mm의 규모를 유지하였다. 에디공분산의 연증발산량의 규모를 감안하여 볼 때 GLDAS에서 추출된 연증발산량이 가장 유사한 특성을 나타내었다. 또한 일증발산량의 규모와 시간적 변동 특성도 GLDAS 증발산량이 가장 적합한 특성을 나타내었다. 이에 따라 본 연구에서는 우리나라에서 공간증발산량을 산정할 경우 GLDAS 기반을 이용하도록 권장하였다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차