The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 34 , No. 1

[ Technical Note ]
Atmosphere - Vol. 34, No. 1, pp. 69-81
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 29 Feb 2024
Received 04 Nov 2023 Revised 01 Dec 2023 Accepted 13 Dec 2023
DOI: https://doi.org/10.14191/Atmos.2024.34.1.069

보성 농업지역에서의 장기간 플럭스 특성 분석
이영태* ; 황성은 ; 김병택 ; 김기훈
국립기상과학원 관측연구부

Long Term Flux Variation Analysis on the Boseong Paddy Field
Young-Tae Lee* ; Sung-Eun Hwang ; Byeong-Taek Kim ; Ki-Hun Kim
Observation Research Department, National Institute of Meteorological Science, Jeju, Korea
Correspondence to : *Young-Tae Lee, Observation Research Department, National Institute of Meteorological Science, 33 Seohobuk-ro, Seogwipo-si, Jeju 63568, Korea. Phone: +82-64-780-6607, Fax: +82-64-738-0996 E-mail: y0ungtae@korea.kr

Funding Information ▼

Abstract

In this paper, Annual flux variations in the Boseong Tall Tower (BTT) from 2016 to 2020 were analyzed using data from three levels (2.5 m, 60 m, and 300 m). BTT was installed in Boseong-gun, Jeollanam-do in February 2014 and continued to conduct energy exchange observations such as CO2, sensible heat, and latent heat using the eddy covariance method until March 2023. The BTT was located in a very flat and uniform paddy field, and flux observations were conducted at four levels: 2.5 m, 60 m, 140 m, and 300 m above ground. Surface energy balance was confirmed from observed data of net radiation flux, soil heat flux, sensible heat flux, and latent heat flux. Additionally, 2.5 m height surface fluxes, which are most influenced by agricultural land, were compared with data from Local Data Assimilation and Prediction System (LDAPS) of the Korea Meteorological Administration to evaluate the accuracy of LDAPS flux data. The correlation coefficient between LDAPS flux data and observed values was 0.95 or higher. Excluding summer latent heat flux data, there was a general tendency for LDAPS data to be higher than observed values. The footprint areas estimated below 60 m height mainly covered agricultural land, and flux observations at 2.5 m and 60 m heights showed typical agricultural characteristics. In contrast, the footprint estimated at 300 m height did not show agricultural characteristics, indicating that observations at this height encompassed a wide range, including mountains, sea, and roads. The analysis results of long-term flux observations can contribute to understanding the energy and carbon dioxide fluxes in agricultural fields. Furthermore, these results can be utilized as essential data for validating and improving numerical models related to such fluxes.


Keywords: Boseong tall tower, Flux observation, Eddy covariance, Flux footprints

1. 서 론

지구로 입사되는 태양복사 에너지로 인해 지면과 대기 사이에는 에너지 흡수, 반사, 상 변화 등의 상호작용이 끊임없이 일어난다. 이에 의해 생기는 현열(Sensible Heat Flux, H), 잠열(Latent Heat Flux, LE), 운동량 에너지와 탄소 순환 등의 특성을 알기 위해서는 에너지 수지 분석이 필요하다. 이는 하부 경계층 플럭스 특성을 이해하는데 큰 도움이 되며 난류 및 지면 에너지 수지 특성의 분석을 가능케 한다(Santanello et al., 2009; Seo and Dirmeyer, 2022). 지표 에너지 균형의 주요 구성 요소는 순복사(Net Radiation, Rn), 물과 토양에 저장되는 열(Soil Heat Flux), 현열 플럭스, 잠열 플럭스이며, 지역 기후 조건을 포함하는 표면 에너지 균형과 난류 교환의 특성은 다양한 지역에서 더 많은 측정이 필요하다(Oswald and Rouse, 2004; Lenters et al., 2005; Rouse et al., 2005; Pastorello et al., 2020). 그리고 광합성과 식물의 생산성과 같은 생태계에서 발생하는 많은 중요한 과정은 물과 에너지의 교환과 관련이 있다. 증발과 현열 플럭스는 기후의 다양한 측면에 중요한 영향을 미친다(Wever et al., 2002).

플럭스를 관측하는 미기상학적 방법 중 에디 공분산법이 있으며, 그 방법은 지면과 대기 사이의 난류 플럭스를 직접 측정하는 방법이다(Wofsy et al., 1993). 에디 공분산법은 기본적으로 지표면이 수평적으로 균일하고 편평하며 어떠한 흡원과 발원이 존재하지 않는 이상적인 조건을 갖는 것으로 가정한다. 에디 공분산법으로 측정한 대규모 온실 가스 및 에너지 지표-대기 플럭스 데이터는 모델 및 원격 감시 제품에 널리 사용된다(Seo et al., 2023).

경작지에서 식생에 의한 열저장과 토양에 의한 열저장이 순복사량의 15%를 차지한다(Meyers and Hollinger, 2004). 현열 플럭스와 잠열 플럭스는 풍속에 따라 증가하는 모습을 보이며, 잠열 플럭스보다 헌열 플럭스가 풍속과 뚜렷한 상관관계를 보인다(Yun et al., 2015). 플럭스 발자국 범위는 대기 난류 상태, 표면 거칠기, 측정 높이, 지표면 특성, 풍향, 기타 요인에 따라 다르게 나타난다(Kljun et al., 2004; Chu et al., 2021; Park et al., 2021). 그러므로 플럭스 자료는플럭스 발자국을 함께 고려해야 한다. 농경지에서의 관측되는 이산화탄소 플럭스 변화로 주변 식생의 계절적 특징을 파악할 수 있다. 이러한 선행연구에서 주변 환경이 관측되는 플럭스 관측자료에 많은 영향을 미친다는 것을 알 수 있다.

국지예보모델(Local Data Assimilation and Prediction System, LDAPS)은 3시간 간격으로 전지구예보모델로부터 경계장을 제공받아 1.5 km 수평 공간해상도로 1일 8회(0000, 0300, 0600, 0900, 1200, 1500, 1800, 2100 UTC) 예측자료를 산출하는 수치예보시스템이다. 수치모델 활용도 증가로 인해 모델 개선과 검증의 중요성이 높아지며 그에 대한 연구도 활발하게 진행되고 있다. LDAPS의 지면 에너지 순환 관련된 모델의 관측지점에 대한 검증 결과 우수한 성능을 보인 선행연구가 있다(Weedon et al., 2015; Park et al., 2018). 플럭스 관측자료에 대한 검증 연구(Kim et al., 2019)에서는 플럭스 관측자료와 LDAPS 산출물을 비교 검증하여 LDAPS가 잠열을 과소 모의하는 것과 복잡한 지형의 지역일수록 모델과 예측 성능이 떨어진다고 보고하였다. 근래에는 기계학습을 이용하여 모델의 정확도를 개선하고자 하는 연구도 활발히 진행 중이다(Kim et al., 2020; Seo and Cha, 2023).

보성 종합기상탑은 국내 최고 높이의 기상탑이며 주변 환경이 균일한 간척지로 이루어진 농경지역으로 하부 경계층 및 미기상학 실험 등 다양한 연구 활동을 하기 좋은 지역이다. 본 연구에서는 보성 종합기상탑 주변의 지표에너지 평형을 조사하고 그에 따른 특징과 월별 일변화를 분석하였다. 그리고 농경지의 영향을 가장 많이 받는 지상 2.5 m 높이에서 관측한 현열, 잠열, 순복사를 LDAPS 산출물과 비교함으로써 국지예보모델 플럭스 산출물의 정확도를 평가하였다. 종합기상탑에는 지상 2.5 m부터 최고 300 m까지 다양한 높이에 플럭스 관측장비가 설치되어 있기에 측정 높이에 따른 플럭스 발자국 범위를 추정할 수 있다. 이에 플럭스 관측 높이가 이산화탄소 플럭스 관측에 어떠한 영향을 미치는지 알아보았다. 본 연구에서는 플럭스 발자국은 선행연구(Kljun et al., 2004)에 소개된 “simple footprint parameterization” 모델을 이용해 평평한 균질영역 조건으로 계산되었다.


2. 관 측
2.1 관측지

기상청은 전라남도 보성군에 표준 기상관측소(34.76oN, 127.21oE)를 설립(2012년)하여 운영하고 있다. 표준 기상관측소는 주변이 산으로 싸여 있고 매립지에 형성된 면적이 1700 ha인 논경지 가운데 위치하며 남동쪽으로 1.5 km 거리에 남해안이 있다(Fig. 1). Figure 2는 보성 종합기상탑 플럭스 관측자료를 이용한 선행연구(Park et al., 2021)에서 발췌한 종합기상탑 주변지형으로, 종합기상탑 기준으로 2, 4, 8 km 반경 영역에 포함되는 지역을 보여준다. 60 m 높이의 플럭스 발자국은 사이트에서 반경 2 km로 비교적 균일한 논이 포함된다. 300 m 높이의 플럭스 발자국은 여름에는 8~9 km, 겨울에는 6~8 km 범위의 반경을 가지는데 여기엔 산과 바다가 포함된다. 해당 관측지는 벼농사를 기본으로 2모작 농사가 이루어지고 있다. 벼농사는 대략 물대기, 모내기, 양육기, 추수기, 휴지기순이며 2모작 두 번째 작물은 대략 씨뿌리기, 양육, 추수, 휴지기 순으로 이루어진다. 각 작물의 농사가 어느 시기에 진행되는지 파악하기 위해 야외에 설치된 트레일 카메라에서 매일 2회 촬영된 사진이 사용되었다. Figure 3은 토지 이용에 따른 지표면 상태를 보여주는 사진이다. 3월부터 5월초까지 보리 또는 라이그라스 등의 농사가 이루어지며 해당 작물 추수 이후 짧은 휴지기를 가지며 5월말에 벼농사를 위해 물을 대고 6~10월까지는 모내기 이후 양육기를 가진다. 그 외의 기간인 11월부터 2월까지는 휴지기를 가지게된다.


Fig. 1. 
Boseong Standard Weather Observatory (BSWO) and Boseong Tall Tower (left figure). Flux tower with instrument on the ground (right figure; 2.5 m height measurement position).


Fig. 2. 
Distribution of the land cover area (18 km × 18 km), small, medium and large dotted circles indicate the 2, 4 and 8 km radius from tower, respectively. by Park et al. (2021).


Fig. 3. 
Photos of land conditions at BSWO by vegetation period. Barley (B), Rice (C, D, E), Rest (A, F). Shooting date A: 02 Jan, B: 08 May, C: 22 May, D: 16 Jun, E: 11 Sep, F: 20 Oct.

2.2 미기상학 관측

지표와 대기간의 에너지 순환은 대기 중의 수분과열 플럭스 관측으로 정량화 할 수 있다(Baldocchi et al., 1988). 플럭스는 한 방향에서의 수직인 단위면적을 통해 단위 시간당 지나가는 물리량으로 정의된다. 에디공분산 난류 구조 분석을 통해 지표-대기간의 에너지와 물질의 순환을 정량화하는 방법이며, 이를 통해 순생태계 교환량, 증발산량 등을 추정할 수 있다. 보성 표준 기상관측소에서는 가장 직접적으로 플럭스를 관측할 수 있는 에디공분산 방법을 채택하여 2014년 2월부터 2023년 3월까지 플럭스를 장기간 연속적으로 관측하였다. 플럭스 관측자료는 종합기상탑 3개층(60, 140, 300 m)과 종합기상탑에서 남동쪽으로 300 m 떨어진 지상 2.5 m 높이에서 수집되었다. 관측요소는 20 Hz 원시자료로 저장되는 3차원 풍속, 온도, 수증기 농도, 이산화탄소 농도, 압력과 30분 평균자료로 저장되는 복사플럭스(상·하향, 장·단파), 토양 온도, 토양 수분, 토양 열 플럭스 등이고 산출요소로는 현열 플럭스, 잠열 플럭스, 수증기 및 이산환탄소 플럭스, 증발산량, 순복사 플럭스, 지중열 플럭스, 플럭스 발자국 등을 얻을 수 있다. 보성 표준 기상관측소 및 지상관측장비 현황 및 상세 정보는 Fig. 1Table 1에 표시하였다. 여기서 적외선 가스분석기는 각 가스농도에 정비례하는 전류 신호를 생산하는데 이 신호가 시간이 지나면서 특히, 기온변화가 큰 경우에 신호의 강도가 조금씩 달라지는 특징이 있다. 그래서 주기적으로 가스분석기를 보정해서 사용하는 것이 매우 중요하기에 보성 표준 기상관측소의 플럭스 관측 장비는 3~4개월에 1회 이상의 현장 점검 및 기체분석 보정을 수행하였다. 지중열 플럭스 관측장비는 지상관측 장비 주변 두 지점에서 지중 20 cm 깊이에 설치되어 있다. 보성 표준 기상관측소의 내부는 잔디이며 외부는 대부분 논이다. 에디공분산 방법을 이용하여 난류플럭스를 제대로 계산하기 위해서는 30분 간격의 평균 관측값, 정상상태 조건과 잘 발달한 난류 조건이 만족되어야 한다. 이러한 조건을 만족하는 관측값을 얻기 위해 보성 표준 기상관측소 종합기상탑의 난류플럭스 원시자료는 3차원 초음파 풍향풍속계(CSAT3), 가스분석기(EC150, EC155) 등의 장비로부터 20 Hz의 자료가 사용되었다. 복사플럭스 자료는 지상 2.5 m, 종합기상탑의 60 m, 300 m 높이에서 각각 관측되었다.

Table 1. 
Equipments for Flux observation.
Height Turbulent Flux Radiation Flux
Gas Analyzer 3D Sonic Anemometer Net Radiometer
300 m EC155 (closed-path) CSAT3A CNR4
60 m
2.5 m EC150 (open-path)
Sensor Manufacturer, Observation elements Description
CNR4
Kipp&Zonen (Netherland)
Net Radiometer
KDN, KUP, LDN, LUP
- spectral range
° 305~2800 nm (short wave)
° 4500~42000 nm (long wave)
- sensitivity: 5~20 μV W-1 m-2
- temperature dependence of sensitivity: < 4%
- response time: < 18 seconds
- non-linearity: < 1%
CSTA3A
Campbell Scientific (USA)
3-dimension sonic anemometer
WD, u, v, w, Ts
- measurement rate: 1~60 Hz
- measurement resolution:
° u, v: 1 mm s-1 rms
°w: 0.5 mm s-1 rms
EC150
Campbell Scientific (USA)
Open-Path Infra-Red Gas Analyzer
CO2, H2O
- measurement rate: 100 Hz
- CO2 performance
° zero drift with temperature: ±0.55 mg m-3 oC-1
° gain drift with temperature: ±0.1% of reading oC-1
° precision RMS: 0.2 mg m-3
- H2O performance
° zero drift with temperature: ±0.037 mg m-3 oC-1
° gain drift with temperature: ±0.3% of reading oC-1
° precision RMS: 0.004 mg m-3
Campbell Scientific (USA)
Closed-Path Infra-Red Gas Analyzer
CO2, H2O
- measurement rate: 100 Hz
- CO2 performance
° zero drift with temperature: ±0.3 μmol mol-1 oC-1
° gain drift with temperature: ±0.1% of reading oC-1
° precision RMS: 0.15 μmol mol-1 oC-1
- H2O performance
° zero drift with temperature: ±0.05 μmol mol-1 oC-1
° gain drift with temperature: ±0.3% of reading oC-1
° precision RMS: 0.006 μmol mol-1 oC-1
CR3000
Campbell Scientific (USA)
Data Logger
- maximum scan rate: 100 Hz
- analog inputs: 28 single ended
- continuous analog outputs: 2
- input voltage range: ±5 Vdc
- analog resolution: 0.33 μV
CS616-L
Campbell Scientific (USA)
Soil Moisture Probe
- accuracy: ±2%
- precision: < 0.02
- installation depth: 20 cm underground
HFP01-L
Campbell Scientific (USA)
Soil Heat Flux Plate
- sensitivity: 50 μV W-1 m-2
- measurement range: ±2000 Wm-2
- accuracy: ±15%
- installation depth: 20 cm underground
TCVA-L
Campbell Scientific (USA)
Soil Thermocouple Probe
Tsoil
- typical output: 60 μV oC-1
- accuracy: depends on datalogger
- installation depth: 20 cm underground

2.3 자료처리

지표 복사평형은 다음 식(1)을 따른다.

Rn=KDN-KUP+LDN-LUP   unit: W  m-2(1) 

여기서, 각 항은 순복사(Rn), 상·하향(XDN, XUP), 장·단파(L, K)를 의미한다. 이 순복사는 난류에 의한 현열 및 잠열 플럭스와 전도에 의한 지중열 플럭스에 의해서 대기 및 토양으로 에너지가 전달된다. 지표 에너지 평형 식(2)로 표현할 수 있다.

Rn-G=H+LE  unit: W  m-2(2) 

여기서, H와 LE는 에디공분산 방법으로 측정되며 식(3), (4)와 같이 표현된다.

H=ρCpw'Ts'¯   unit: W  m-2(3) 
LE=λMH2OVw'H2O'¯ unit: W m-2(4) 

여기서, H는 현열 플럭스, LE는 잠열 플럭스, ρ는 공기밀도, Cp는 공기의 비열, w'Ts'¯는 연직 풍속과 초음파 온도의 공분산, λ는 증발잠열, MH2O는 수증기의 분자량, V는 몰 부피, w'H2O'¯는 연직 풍속과 가스분석장비로 측정한 절대 습도간의 공분산이다. 이산화탄소 플럭스는 식(5)으로 표현된다.

FCO2=ρw'CO2'¯ unit μmol  m-2  s-1(5) 

여기서, FCO2는 이산화탄소 플럭스, w'CO2'¯ 연직 풍속과 이산화탄소 몰 분율간의 공분산이다. 난류 플럭스는 EddyPro 상용 프로그램으로 계산되었다. EddyPro는 다양한 자료 처리 방법을 제공하는 무료 프로그램으로 사용자가 원하는 사양을 선택할 수 있어 사용하기가 용이하다. 본 응용 프로그램은 20 Hz로 관측된 3차원 풍속, 기온, 이산화탄소 및 수증기농도, 기압으로부터 플럭스는 물론 품질 관리 및 보정에 필요한 난류 스펙트럼, 각종 통계량 등을 사용자가 정한 선택사양에 따라 계산한다. EddyPro를 이용하여 종합기상탑 플럭스 관측자료의 품질관리를 수행함으로써 높은 수준의 신뢰성을 가진 자료를 얻을 수 있다. 보성 표준 기상관측소에서 관측되는 플럭스 관측자료는 이 프로그램으로 품질 관리가 되었다. 이렇게 품질 관리된 30분 간격의 플럭스 관측자료 다수의 선행연구에서 활용되었다. 해풍에 관한 연구로는 관측지의 해풍은 700 m 높이까지 영향을 주며 40 m에 강한 서풍이 나타난다고 보고되었다(Lim and Lee, 2019; Hwang et al., 2020). WRF-PAFOG, JULES 등의 수치모델 개선을 위한 목적으로도 사용되었으며(Kim et al., 2019; Kim et al., 2020), 국지예측모델(LDAPS)의 대기경계층 유형 분류 검증에도 사용되었다(Hwang et al., 2021). 무인 항공기와 같은 원격 감지 데이터의 검증 또는 보정에도 활용되었다(Chong et al., 2019; Kim and Kwon, 2019). 또한, 플럭스 관측자료와 GIS 기술을 활용하여 이산화탄소 발원 추정 연구에도 활용되었다(Park et al., 2021).

2.4 관측자료 수집율

본 연구에서 분석에 사용된 관측자료의 기간은 2016년 1월부터 2020년 12월까지 총 5년간의 자료이다. Figure 4에 하루 이상 연속으로 결측이 발생한 날을 각 관측요소에 대해 월별 결측률로 표시하였다. 이 표를 통해 연도별, 높이별, 요소별 월 결측률을 알 수 있다. 5년(1,827일) 동안 지상 2.5 m, 60 m, 300 m 높이 자료의 결측률은 각각 21%, 10%, 3% 정도이다. 결측은 가스보정 또는 장비점검, 관측장비 장애, 자료수집기 장애, 통신 장애, 기타 등등 다양한 요인으로 발생한다. 지상 2.5 m와 60 m 자료에서의 주된 결측 요인은 자료수집기 장애(각각 40%, 55%)가 가장 많았고, 가스분석기 장애(각각 25%, 39%)가 그 뒤를 이었다. 결측률이 가장 낮은 300 m 자료에서는 자료수집기 장애(42%)가 가장 많았고, 가스분석기 가스보정에 의한 결측(30%)이 그 뒤를 이었다.


Fig. 4. 
Missing rate of observed flux data for 5 years. There are four different flux data (heat, latent heat, net radiation, CO2) and 3 different height (2.5 m, 60 m, 300 m). Darker shades indicate higher levels of missing data.


3. 관측자료 분석 결과
3.1 연직 복사 플럭스 및 난류 플럭스

2016년 1월부터 2020년 12월까지 관측된 복사 플럭스의 4성분(KDN, KUP, LDN, LUP)을 5년 기간 동안 월별 일변화를 평균하여 각 관측 고도별로 Fig. 5Table 2에 나타냈다. 월 결측일이 40%를 초과하는 경우는 제외되었다. 가장 높은 단파 복사에너지(KDN)는 300 m 높이에서 5월 12시 30분에 133.7 W m-2의 값으로 나타났다. 월별 최대 순복사량이 높게 나타나는 관측높이는 300 m, 2.5 m, 60 m 순으로 나타났으며 최대 현열 및 잠열 플럭스가 나타나는 순서는 2.5 m, 60 m, 300 m 순으로 고도가 높아질수록 낮아지는 경향을 보인다. 보성 농경지의 평균적인 알베도는 대략 0.18로 나타났다.


Fig. 5. 
Diurnal mean radiation flux on the boseong paddy field for 5 years (2016~2020). Three different heights (300 m, 60 m, 2.5 m). each lines indicate sensible heat flux (circle), latent heat flux (dashed line), net radiation (solid line).indicates shortwave and longwave radiation components.

Table 2. 
The highest value (time) in the 5-year average diurnal radiation data.
Height Maximum radiation (W m-2)
KDN KUP LDN LUP
300 m 728.5
(May 1230 LST)
133.7
(APR 1300 LST)
428.4
(AUG 1430 LST)
476.9
(AUG 1230 LST)
60 m 719.6
(May 1200 LST)
121.9
(May 1230 LST)
443.7
(AUG 1330 LST)
491.1
(AUG 1330 LST)
2.5 m 719.5
(May 1200 LST)
125.8
(MAR 1300 LST)
441.5
(AUG 1430 LST)
497.1
(AUG 1300 LST)

관측된 현열 플럭스와 잠열 플럭스를 Fig. 6에 5년 평균 월별 일변화 그래프로 순복사 플럭스와 함께 나타내었다. 녹색으로 표시된 현열 플럭스는 계절별 특성으로 여름철에 가장 낮게 나타났으나, 청색의 잠열 플럭스는 여름철에 가장 높게 나타났다. 이러한 결과는 잠열 플럭스에 대한 현열 플럭스의 비로 표현되는 보웬비를 통해 확인할 수 있으며 Fig. 7에 나타내었다. 보웬비를 통해 증발량을 추정할 수 있으며 잠열 플럭스가 현열 플럭스보다 높으면 보웬비가 1보다 낮게 나타난다. 겨울철(1, 2, 11, 12월) 이외에는 보웬비가 1 이하의 값을 가지며 특히 습도가 높은 여름인 6~8월에 관측지역 주변에 증발산이 많이 나타나 잠열이 우세하면서 다른 계절이 비해 보웬비가 낮게 나타났다. 잠열 플럭스는 모내기와 벼의 생장시기인 여름에 잠열 플럭스의 비중이 80% 이상으로 이러한 경향을 보이는 이유는 주변 환경인 농토에서 모내기로 인해 물의 증발작용과 농작물의 증산작용에 크게 기인한 것으로 보인다.


Fig. 6. 
Diurnal mean sensible heat flux, latent heat flux and net radiation flux on the boseong paddy field for 5 years (2016~2020). Three different heights (300 m, 60 m, 2.5 m). each lines indicate sensible heat flux (circle), latent heat flux (dashed line), net radiation (solid line).


Fig. 7. 
Bowen ratio [Sensible heat flux/Latent heat flux]. Three different heights (300 m, 60 m, 2.5 m). Line indicates 1.

이 시기에 현열 플럭스가 낮게 나오는 이유는 주변환경의 물을 증발시키는 곳에 에너지를 사용하면서 현열이 낮게 측정되는 것으로 추정된다. 지상 2.5 m 높이에서 보웬비의 최대값을 월별로 비교하면 7월에 가장 낮게 나타났으며 그 값은 대략 0.16이다. 월별 보웬비 일변화에서 최대값이 나타나는 시간은 월별로 다르게 나타났다. 최대 보웬비가 1 이상인 겨울철(1, 2, 11, 12월)에는 1130 LST 정도에, 최대 보웬비가 0.6이하인 여름철(6, 7, 8월) 에는 0830~0900 LST에 최대 보웬비가 나타났다. 겨울철에는 잠열 플럭스의 영향이 적어 복사강도가 큰 정오쯤에 높은 보웬비를 보이는 반면에 여름철에는 높은 습도와 식생의 증산 작용으로 인해 잠열 플럭스의 영향이 현열 플럭스에 비해 강세를 보이면서 전체적으로 보웬비는 낮아지고 이른 오전에 상대적으로 높은 보웬비가 나타났다.

지상 2.5 m에서 관측된 복사 플럭스, 현열 플럭스 잠열 플럭스, 지중열 플럭스 관계로 대략적으로 지표에너지 균형을 알아볼 수 있다. 지표 에너지균형 폐쇄에 관한 선행연구에서 FluxNet 여러 관측지의 선형 회귀선 기울기는 0.53~0.99이며, 결정계수(r2)는 0.64~0.96의 범위를 가진다(Wilson et al., 2002). 보성 표준 기상관측소 플럭스 관측자료로 계산된 지표 에너지균형 폐쇄에 대한 선형회귀선은 0.71의 기울기를 가지며 결정계수(r2)는 0.84로 계산되었다(Fig. 8). 이는 FluxNet 자료 중 대한민국 철원 벼농사 관측지 자료(KR-CRK, 자료 기간: 2015~2018)로부터 얻어진 결정계수(r2 = 0.79)보다 높은 값이다.


Fig. 8. 
Surface energy balance from eddy covariance measurement between the turbulent fluxes (H + LE) and available fluxes (Rn - G). Data is from observations at the BSWO site from 2016 to 2020. The regression was = 19.72 + 0.71x, with r2 = 0.84, the dotted line represents the 1:1 relation.

보성 농경지 플럭스 관측자료를 현업 수치모델(LDAPS) 산출값과 비교한 결과는 Fig. 9에 나타내었다. (A)는 5년간의 계절별 일변화이며 상관계수는 대략 순복사 플럭스(0.99), 잠열 플럭스(0.97), 현열 플럭스(0.95) 순으로 모두 높게 나타났다. 나머지 그림은 각각 순복사(B), 현열 플럭스(C), 잠열 플럭스(D)의 관측값에 대한 LDAPS 모의 결과를 나타낸 것이다. LDAPS 산출 값은 편차(bias), 평균제곱근오차(RMSE), 평균절대오차(MAE) 그리고 결정계수(r2)를 이용하여 정확도를 평가하였다. 순복사의 경우 결정계수는 1.0으로 아주 높은 값으로 모델이 관측값을 잘 설명하고 있으며, bias, RMSE, MAE의 값은 각각 7.4 W m-2, 64.2 W m-2, 39.3 W m-2로 계산되었다. LDAPS는 현열 플럭스 및 잠열 플럭스를 모두 과대 모의하였다. 현열 플럭스와 잠열 플럭스의 결과에서 bias (14.7, 5.5 W m-2)는 현열 플럭스에서 높게 나타났으나 RMSE(60.3, 80.7 W m-2) 및 MAE (30.8, 38.6 W m-2)는 잠열 플럭스에서 큰 값을 보이며 변동성이 높은 것을 알 수 있다. 이는 LDAPS가 관측값에 비해 전반적으로 과대 모의되는 경향이 있으나 잠열 플럭스의 경우 여름철(6~8월)에 과소 모의되면서 나타나는 것으로 보인다. 여름철에는 벼농사를 위한 관측지의 관개로 인해 지표에 물이 많아지고 증발산 작용으로 인해 잠열 플럭스가 높아지는데 LDAPS 모델에서는 이러한 농경지의 특징을 현실적으로 반영하지 못하는 것으로 보인다. 또한 현열 플럭스와 잠열 플럭스의 결정계수 각각 0.92, 0.88로 현열 플럭스에서 더 높은 값이 보이는 선행연구와 유사한 결과를 나타내었다(Kim et al., 2019).


Fig. 9. 
Comparison results between LDAPS and Observation. (A) Seasonal flux variation, (B) Scatter plot for net radiation, (C) sensible heat flux, (D) latent heat flux. the dotted line represents the 1:1 relation.

3.2 플럭스 발자국과 주변 식생에 따른 이산화탄소 플럭스 특성

이산화탄소 플럭스 월별 평균 일변화를 Fig. 10에 나타내었다. 2.5 m와 60 m는 플럭스 발자국은 300 m에 비해 상대적으로 순수한 균질 작물 논 지역을 덮는다. 보리-벼 이모작 재배와 일사량 및 작물 생육의 변화가 결합되어 두개의 깊은 패턴을 보인다. 4월과 8월에 각각 보리와 벼 재배 기간 동안 강한 이산화탄소 흡수로 인해 두 개의 음의 정점이 나타났다. 5월 말에 벼농사를 짓기 위해 기존 식물을 제거 및 관개를 하고 6월 초에 모내기를 하기 때문에 그 동안엔 식물 생장이 충분히 이루어지지 않아 6월에 이산화탄소 흡수량이 낮게 나타났다. 2.5 m 높이의 이산화탄소 플럭스는 낮 동안 균질한 논에서 이산화탄소 흡수에 의해 가장 큰 변화를 나타나는데 보리 및 벼 농사기간과 일치하는 기간에 이산화탄소 흡수가 두드러지게 나타났다. 이산화탄소의 인위적 배출이 플럭스 관측자료에 영향을 미치기 때문에 주간 이산화탄소 흡수량 크기는 고도가 증가함에 따라 감소한다. 고도가 증가함에 이산화탄소 플럭스 최대값은 60 m 높이에서 2.5 m 높이에 비해 40~70% 정도 감소된 값이 관측되었고 300 m 높이에서는 넓은 플럭스 발자국 범위로 인해 인위적인 이산화탄소 배출과 혼합되어 식생과 무관한 값이 관측되었다. 가장 큰 변화가 나타나는 2.5 m 높이의 결과를 보면, 태양 복사로 인해 0900~1800 LST 동안 이산화탄소 플럭스는 음의 값을 가진다. 그 이후의 시간엔 모두 양의 플럭스 값을 유지한다. 벼의 이산화탄소 흡수량이 평균적으로 보리보다 약 30% 정도 많았다. 전반적으로 야간 기온이 높은 여름철에 이산화탄소 플럭스가 높게 나타났다.


Fig. 10. 
Diurnal mean CO2 flux on the boseong paddy field for 5 years (2016~2020). Three different heights (300 m, 60 m, 2.5 m). Red line indicates zero. left box indicates the barley growing period, right box indicates the rice growing period.


4. 결 론

본 연구에서는 보성 농경지내에 2016년부터 2020년까지 5년간 장기간 관측된 2.5 m, 60 m, 300 m 높이의 플럭스 관측 자료를 분석하였다. 1일 이상 지속적인 결측이 발생한 비율은 높이별로 각각 21% (2.5 m), 10% (60 m), 3% (300 m)로 나타났다. 주된 결측 이유는 자료수집기 장애가 가장 많았고 그 뒤로 가스분석기 장애, 가스분석기 가스보정 순으로 나타났다. 최근에는 다양한 외부 기상자료 및 최신 기계학습 기술을 이용해서 이러한 결측을 보정하는 노력이 많이 이루어지고 있으나, 관측자료의 활용성을 높이기 위해서는 우선적으로 결측을 최소화하여 안정적이고 일관성있는 관측이 이루어지도록 노력해야 할 것이다.

최대 순복사 플럭스는 300 m에서 가장 높게 나타났으며 현열 및 잠열 플럭스는 2.5 m, 60 m, 300 m 순으로 고도가 높아질수록 플럭스 발자국 범위가 넓어질수록 낮게 나타났다. 여름철에 현열 플럭스는 낮게 잠열 플럭스는 높게 관측되면서 주간 보웬비가 가장 낮게 나타났다. 여름철에 잠열 플럭스가 강세를 보인 이유는 주변 농토에서 관개로 인한 물의 증발작용과 농작물이 증산작용에 크게 기인한 것이다. 주변 환경의 물의 증발시키는 곳에 에너지를 사용하게 되면서 현열 플럭스는 상대적으로 낮은 값을 가지게 되었다. LDAPS 산출물은 관측값과 높은 상관성을 보였다. LDAPS는 현열 및 잠열 플럭스를 대체적으로 관측값에 비해 과대 모의하는 경향이 있었다. 잠열 플럭스의 전체적인 편향은 현열 플럭스보다 낮게 나타났으나 편차는 더 크게 나타났다.

각 고도에서 추정된 플럭스 발자국은 반경 2 km (60 m), 반경 8~9 km (300 m, 여름철), 반경 6~8 km (300 m, 겨울철)로 나타났다. 2.5 m, 60 m 높이 플럭스 발자국은 비교적 균일한 작물인 논을 포함한다. 그러나 300 m 높이 플럭스 발자국에 논, 산, 바다, 도로 등이 포함되어 있다.

지상 2.5 m 높이에서 보리 및 벼 농사기간과 일치하는 기간에 이산화탄소 흡수가 두드러지게 나타나는 것을 확인하였다. 60 m 높이에서 관측된 월별 이산화탄소 플럭스의 정점은 2.5 m에 비해 40~70% 정도 감소된 값이 관측되었고 300 m 높이에서는 인위적인 이산화탄소 배출과 혼합되어 식생과 무관한 값이 관측되었다. 벼의 이산화탄소 흡수량이 평균적으로 보리보다 30% 정도 높았다.

본 연구에서 다룬 장기 플럭스 관측자료는 농경지의 에너지 및 이산화탄소 흐름을 파악할 수 있고, 수치 모델의 검증 및 개선에 필요한 기초자료로서 활용될 수 있다.


Acknowledgments

본 연구는 기상청 국립기상과학원 「국가 기상관측장비 및 관측자료 표준화(KMA2018-00221)」 사업의 지원으로 수행되었습니다.


REFERENCES
1. Chong, J.-H., S.-H. Lee, S.-S. Shin, S.-E. Hwang, Y.-T. Lee, J.-Y. Kim, and S.-B. Kim, 2019: Research on the meteorological technology development using drones in the fourth industrial revolution. J. Korea Contents Assoc., 19, 12-21.
2. Chu, H., and Coauthors, 2021: Representativeness of Eddy-Covariance flux footprints for areas surrounding AmeriFlux sites. Agric. Forest Meteor., 301, 108350.
3. Hwang, S.-E., Y.-T. Lee, S.-S. Shin, and K.-H. Kim, 2020: Study on the local weather characteristics using observation data at the boseong tall tower. J. Korean Earth Sci. Soc., 41, 459-468.
4. Hwang, S.-E., B.-T. Kim, Y.-T. Lee, S.-S. Shin, and K.-H. Kim, 2021: A comparative study of the atmospheric boundary layer type in the local data assimilation and prediction system using the data of boseong standard weather observatory. J. Korean Earth Sci. Soc., 42, 504-513.
5. Kim, H., J.-W. Hong, Y.-J. Lim, J. Hong, S.-S. Shin, and Y.-J. Kim, 2019: Evaluation of JULES land surface model based on in-situ data of NIMS flux sites. Atmosphere, 29, 355-365.
6. Kim, M.-S., and B.-H. Kwon, 2019: Estimation of sensible heat flux and atmospheric boundary layer height using an unmanned aerial vehicle. Atmosphere, 10, 363.
7. Kim, S., Y. Jeong, S. Cho, Y. Youn, N. Kim, and Y. Lee, 2020: A comparison between the reference evapotranspiration products for croplands in Korea: case study of 2016~2019. Korean J. Remote Sens., 36, 1465-1483.
8. Kim, W., S.-S. Yum, J. Hong, and J.-I. Song, 2020: Improvement of fog simulation by the nudging of meteorological tower data in the WRF and PAFOG coupled model. Atmosphere, 11, 311.
9. Kljun, N., P. Calanca, M. W. Rotach, and H. P. Schmid, 2004: A simple parameterisation for flux footprint predictions. Bound.-Layer Meteor., 112, 503-523.
10. Lenters, J.-D., T. K. Kratz, and C. J. Bowser, 2005: Effects of climate variability on lake evaporation: Results from a long-term energy budget study of Sparkling Lake, northern Wisconsin (USA). J. Hydrol., 308, 168-195.
11. Lim, H.-J., and Y.-H. Lee, 2019: Characteristics of sea breezes at coastal area in Boseong. Atmosphere, 29, 41-51.
12. Meyers, T. P., and S. E. Hollinger, 2004: An assessment of storage terms in the surface energy balance of maize and soybean. Agric. Forest Meteor., 125, 105-115.
13. Oswald, C. J., and W. R. Rouse, 2004: Thermal characteristics and energy balance of various-size Canadian Shield lakes in the Mackenzie River Basin. J. Hydrometeor., 5, 129-144.
14. Park, C., Y.-T. Lee, and S.-H. Lee, 2021: Characteristics of atmospheric CO2 fluxes and the estimation of their potential sources around Boseong Standard Weather Observatory (BSWO). Atmos. Environ., 252, 118340.
15. Park, J., H.-S. Kim, S.-J. Lee, and T. Ha, 2018: Numerical evaluation of JULES surface tiling scheme with high-resolution atmospheric forcing and land cover data. SOLA, 14, 19-24.
16. Pastorello, G., and Coauthors, 2020: The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data. Scientific data, 7, 225.
17. Rouse, W. R., C. J. Oswald, J. Binyamin, C. Spence, W. M. Schertzer, P. D. Blanken, N. Bussières, and C. R. Duguay, 2005: The role of northern lakes in a regional energy balance. J. Hydrometeor., 6, 291-305.
18. Santanello, J. A., C. D. Peters-Lidard, S. V. Kumar, C. Alonge, and W.-K. Tao, 2009: A modeling and observational framework for diagnosing local land-atmosphere coupling on diurnal time scales. J. Hydrometeor., 10, 577-599.
19. Seo, E., and P. A. Dirmeyer, 2022: Understanding the diurnal cycle of land-atmosphere interactions from flux site observations. Hydrol. Earth Syst. Sci., 26, 5411-5429.
20. Seo, E., P. A. Dirmeyer, M. Barlage, H. Wei, and M. Ek, 2023: Evaluation of land-atmosphere coupling processes and climatological bias in the UFS global coupled model. J. Hydrometeor., 25, 161-175.
21. Seo, Y., and J. Cha, 2023: Precipitation probability prediction through NWP bias correction for South Korea using random forest. Int. J. Advanced Sci., Eng. Inf. Technol., 13, 935-942.
22. Weedon, G. P., C. Prudhomme, S. Crooks, R. J. Ellis, S. S. Folwell, and M. J. Best, 2015: Evaluating the performance of hydrological models via cross-spectral analysis: case study of the Thames Basin, United Kingdom. J. Hydrometeor., 16, 214-231.
23. Wever, L. A., L. B. Flanagan, and P. J. Carlson, 2002: Seasonal and interannual variation in evapotranspiration, energy balance and surface conductance in a northern temperate grassland. Agric. Forest Meteor., 112, 31-49.
24. Wilson, K., and Coauthors, 2002: Energy balance closure at FLUXNET sites. Agric. Forest Meteor., 113, 223-243.
25. Wofsy, S. C., M. L. Goulden, J. W. Munger, S.-M. Fan, P. S. Bakwin, B. C. Daube, S. L. Bassow, and F. A. Bazzaz, 1993: Net exchange of CO2 in a mid-latitude forest. Science, 260, 1314-1317.
26. Yun, J.-H., H. Oh, and K.-J. Ha, 2015: Observation and analysis of turbulent fluxes observed at ieodo ocean research station in autumn 2014. Atmosphere, 25, 707-718.