풍속에 따른 증발산량(수분흡수량)은 노랑조팝, 송악, 수호초 모두 같은 경향을 나타내었다. 세 식물 모두 4m·s -1의 강풍에서 가장 높은 수분흡수양상을 보였으며 풍속이 낮아질수록 수분흡수량도 함께 감소하는 경향을 보였다. 풍속처리없이 플라스틱 하우스 내의 기본 환경에 노출되어 있던 대조구는 바람에 노출되어 있던 처리구에 비해 수분흡수량이 가장 작은 것을 확인하였다. 하지만 풍속에 따른 식물의 생육을 조사한 결과 송악, 수호초 그리고 노랑조팝 모두 2m·s -1와 1m·s -1의 풍속을 처리했을 때 식물의 초장과 엽수의 증가에 가장 효과적이었다. 식물체의 수분흡수 양상을 수분흡수 기간 중의 평균기온 및 상대습도와의 관계를 비교해보면 평균기온 18.7°C 로 가장 낮은 기온과 평균상대습도 62%로 가장 낮았던 5월 20 일부터 26일까지의 모든 식물들의 수분흡수량이 낮은 경향을 나타내었다. 본 연구의 결과는 도심의 열섬화 현상을 경감시키기 위한 기초자료로 활용 가능할 것이며 바람이 많이 부는 도서지역의 녹지공간조성시에 풍속에 따른 식물생육과 활착 안정화에 효과적인 수종검토에 도움이 되고 공간이 협소한 도심지역 녹화에 효과적인 저면관수형 벽면녹화 수종선택에 큰 도움을 줄 수 있을 것으로 기대된다.

최근 이상 기후 및 노동력 문제를 해결하기 위하여 재배 환경의 정밀 제어가 가능한 식물공장형육묘시스템을 이용한 균일한 묘소질의 접수 및 대목 생산과 접목 로봇의 작업성 향상을 연계시키는 규격묘 생산 자동화시스템 구축의 필요성이 증가하고 있다. 본 연구에서는 식물공장형육묘시스템에서 저면 관수 시 오이와 토마토 접수 및 대목의 관수 시기 및 관수량 등 관수 계획 수립을 위해 광량에 따른 증발산량과 묘소질을 조사하였다. 저면 관수 시 연속 중량 측정이 가능하도록 행잉형 로드셀을 설치하고 육안으로 초기 위조가 시작되는 시점을 확 인하여 관수 개시 시점을 배지수분함량 50% 이상으로 설정하였다. 오이 접수 및 대목의 관수 시기는 파종 후 7일 및 6일이었고, 토마토 접수 및 대목의 관수 시기는 강광(300 μmol·m-2·s-1) 처리구 기준으로, 파종 후 5, 8, 11, 13일이었다. 오이와 토마토 모두 광량 증가에 따라서 증발산 속도가 증가하였으며, 토마토에서 광량에 따른 증발산 속도 차이가 크게 나타났다. 오이와 토마토 묘의 생육은 광량이 증가할수록 촉진되었는데, 광량 증가는 하배축장의 신장을 억제시키고 경경을 증가시켰 다. 오이 및 토마토 묘개체군의 누적 증발산량은 광량이 증가할수록 증가하였고, 개체당일(24h) 증발산량과 광량은 1차 선형 형태로 높은 정의 상관관계를 보였다. 묘개체군의 연속 중량 측정을 통한 오이와 토마토 접수 및 대목의 증발산량 추정은 식물공장형육묘시스템의 정밀 관수 제어를 위한 관수 시기 및 관수량 결정을 위한 지표로 사용할 수 있을 것이다.

ETc 손실을 보상하는데 필요한 물의 양을 작물 용수 요구량(Crop water requirement, CWR)로 정의되며, ETc 평가는 작물 필요 요구량을 정확하게 정량화하는 데 필요하며, 물 균형 계산에서 중요한 역할을 한다. 토마토와 파프 리카의 실제 관수 요구량(Actual crop water, ACW)이 적절한 CWR인지 평가하였다. 토마토와 파프리카 재배에 적정한 AWC 예측 및 추정을 위하여 온실 내부 환경데이터를 Penman-Monteith을 이용하여 기준 작물 증발산(ET)을 계산한 후, 기준 증발산은 작물 상수(Kc;토마토-1.15, 파프리카-1.05)계수로 조정하였다. 토마토와 파프리카의 CWR과 ACW를 계산하여 비교 평가한 결과 ACW가 CWR을 대체할 수 있지만 파프리카의 ACW는 필요 이상으로 높게 나타났다. 또한, 토마토의 ACW는 1일 100 ~ 1,200 ml이고, 파프리카의 ACW는 1일 100 ~ 500 ml가 적절한 것으로 나타났다. 그러나, 스마트 온실에서 ETc의 정밀도를 높이려면, ETc가 CWR로 변환되고 ACW와 비교하기 위해서 클래스 A팬 설정이 필요하다. 향후 실시간으로 CWR을 측정하기 위한 시뮬레이션 프로그램 연구가 필요하다.

증발산은 순복사 에너지를 사용하여 잠열의 형태로 수증기를 대기 중으로 수송함으로써 지구에너지 순환에 있어 중요한 요소 중의 하나이며, 증발산량은 지표유출의 두 배 정도로서 지구 물 수지에서 차지하는 비중이 매우 크다. 증발산의 지상관측은 지점에 국한되기 때문에 공간연속면 상에서의 증발산량 산출을 위하여 격자형 기상자료와 위성자료를 이용한 모델링이 오랫동안 이루어져왔다. PM(Penman-Monteith) 방정식에 기초한 METRIC(Mapping Evapotranspiration with Internalized Calibration) 모델이나 PT(Priestley-Taylor) 방정식을 이용한 MS-PT(Modified Satellite-based Priestley-Taylor) 모델 등이 주로 사용되어 왔으나, 또 하나의 대안으로서 본 연구에서는 최근 부각되고 있는 딥러닝 기법인 DNN(deep neural network)을 이용한 증발산 모델링을 수행하였다. 은닉층 구조, 손실함수, 옵티마이저, 활성화함수, L1/L2 정규화, 드롭아웃 비율 등의 최적화 과정을 거쳐서 수립한 DNN 모델은 RMSE = 0.326mm/day, 상관계수 = 0.975의 매우 양호한 정확도를 나타내었다. 이는 DNN 최적화와 함께, 국지예보모델과 위성자료로부터 증발산 기작에 관여하는 인자들을 선택하여 입력자료로 적절히 사용하였기 때문이기도 하다. 향후과제로서 훈련자료의 종류와 양을 증가시켜서 DNN 모델을 보다 정교화하는 것은 반드시 필요하다고 사료된다.

본 연구는 저토심 옥상녹화에 적용 가능한 초본류 및 지피식물을 중심으로 식물의 광합성작용을 통한 CO2 흡수량과 증발산량을 정량화하여 도시미기후 관점에서의 옥상녹화식물의 환경성능을 평가하고자 하였다. 이를 위해 옥상녹화용 초본류 7종을 대상으로 적외선 CO2 가스 분석기에 의한 CO2 교환 속도 분석을 통해 각 식물의 CO2 흡수량과 증발산량을 측정하였다. 실험기간은 생장이 활발해지기 시작하는 5월부터 11월까지 매월 2반복 측정하였고, 주변 환경에 예민한 초본류의 특성상, 환경변수가 고정된 실내에서 광도의 변화를 주어 실시하였다. CO2 흡수량과 증발산량을 산출한 결과 단위엽면적당 CO2 흡수량은 초본류 중 구절초가 21.47×10-6g/cm2/s, 매발톱꽃이 12.74 g×10-6g/cm2/s로 높은 흡수율을 보였고, 켄터키블루그래스도 16.20×10-6g/cm2/s로 비교적 높았다. 단위엽면적당 증발산량은 켄터키블루그래스가8.75×10-5g/cm2/s로 가장 많았고, 다음은 매발톱꽃 8.66×10-5g/cm2/s, 구절초 8.58×10-5g/cm2/s 순으로 나타났다.

잠열과 관련된 지표면 증발산량은 지표 온도를 결정하는 중요한 요인이며, 이를 정확히 산정하는 것은 중규모 순환장 예보의 정확도와 밀접하게 관련된다. 본 연구에서는 고해상도인 LANDSAT 5 TM 자료를 이용하여 대구광역시의 상대 증발산 효율을 추정하였다. 증발산 효율 추정은 복사 온도/식생 지수의 관계식을 이용하였다. 식생 지수는 대구광역시의 실제 토지 이용도와 일치하였다. 도시 지역내의 공원 지역의 경우 낮은 복사 온도를 나타내었다. 이것은 두류공원과 같은 도심내 공원 지역의 고증발산에 기인한 것이다. 그러나 전체적인 도심지는 저증발산이 두드러졌다. 그리고 지표면 구성특징에 의하여 도심지 내 공단 지역과 주거 지역은 상대적인 증발산 분포에서 차이가 나타났다.

시설재배시의 관수자동화 및 필요수량 산출에 대한 기초자료를 구축하는 것을 목적으로 우리나라에서 많이 재배되고 있는 시설재배작물인 상추와 오이를 대상으로 시설환경, 재배방식 및 생육단계별 증발산량을 실측 조사한 결과를 요약하면 다음과 같다. 상추의 생육은 NFT 재배구가 토양재배에 비하여 2배 이상 빨랐다. 오이의 생육은 펄라이트재배가 가장 좋았고 암면재배는 펄라이트재배 보다 약간 떨어졌으며 토양재배는 상당히 떨어지는 것으로 나타났다. 상추의 소비수량은 토양재배 2.62l/주, NFT 1.71l/주로 조사되었다. 오이의 소비수량은 토양재배 45.22l/주, 암면재배 27.45l/ 주, 펄라이트재배 29.06l/주로 조사되어 토양 재배쪽이 양액재배에 비하여 많은 물을 소비하는 것으로 나타났다. 상추의 평균 증발산비는 토양재배 0.96, NFT 1.37로 나타났으며, 토양재배에서는 생육단계별로 큰 차이가 없었으나 양액재배에서는 생육단계에 따라 크게 증가하는 것으로 나타났다. 오이의 평균증발산비는 토양재배 1.42, 암면재배 1.87, 펄라이트재배 2.02로 나타났으며, 생육단계에 따른 증발산비의 증가는 양액재배가 토양재배에 비하여 현저하게 큰 것으로 나타났다. 증발산량과 시설내부의 평균기온 사이에는 상관관계가 없는 것으로 나타났으나 증발산량과 증발계증발량, 일사량 및 최저습도 사이에는 고도로 유의한 상관관계를 보이는 것으로 나타났다.

본(本) 연구(硏究)는 대구지방(大邱地方)에 있어서 벼의 증발산량(蒸發散量) 대(對)한 산정기준(算定基準)을 정(定)하기 위(爲)하여 실험(實驗)에 의(依)해 증발산량(蒸發散量)을 측정(測定)하고, 측정(測定)된 실측치(實測値)와 이제까지 발표(發表)된 여러 가지의 증발산량(蒸發散量) 산정공식(算定公式)(Blaney & Criddle 공식(公式) 외(外) 8가지 공식(公式))에 의(依)한 계산치(計算値)를 비교(比較)하여, 대구지방(大邱地方)의 벼 생육(生育)에 가장 적합(適合)한 작물계수(作物係數)를 산출(算出)함에 있다. 시험기간(試驗期間)은 1982년(年)에서 1984연(年)까지 였으며, 실험(實驗)은 경북대학교내(慶北大學校內) 실습농장(實習農場)에서 실시(實施)하였고, 시험(試驗)을 위(爲)한 공시품종(供試品種)으로는 '진주(眞珠)'를 사용(使用)하였다. 실험(實驗) 결과(結果)를 요약(要約)하면 다음과 같다. 벼의 증발산량(蒸發散量)은 이앙후(移秧後) 증가(增加)하기 시작(始作)하여 수잉기(穗孕期) 말기(末期)에서 출수개화기(出穗開花期)에 이르는 8월(月) 상(上) 중순(中旬)에서 최대치(最大値)을 나타냈으며, 그 후(後), 점차(漸次) 감소(減少)하였다. 전(全) 생육기간(生育期間)의 평균(平均) 1일(日) 증발산량(蒸發散量)은 6.33mm였다. 또한, 증발산량(蒸發散量)은 기상요소중(氣象要素中) 일사량(日射量), 일조시간(日照時間), 상대습도(相對濕度)와 높은 상관성(相關性)을 지니고 있었다. 각각(各各)의 상관계수(相關係數)는 0.884, 0.838, -0.805이었고, 증발계(蒸發計) 증발량(蒸發量)과는 상관계수(相關係數) 0.942로서 고도(高度)의 유의성(有意性)을 지니고 있었다. 대구지방(大邱地方)의 벼 생육(生育)에 적합(適合)한 작물계수(作物係數)는 Blaney & Criddle 공식(公式)에 의(依)한 K와 Kc로, 그 범위(範圍)는 각각(各各) 0.76~1.45, 0.82~1.27 이었고 최대치(最大値)는 공(共)히 8월(月) 상순(上旬)에 나타났다. 증산량(蒸散量)과 건물중(乾物重)은 상관계수(相關係數) 0.998로서 고도(高度)의 상관성(相關性)을 보였으며, 평균(平均) 증산비(蒸散比)는 269.03이었다. 본(本) 연구(硏究)에서 얻은 작물계수(作物係數)와 증발산량(蒸發散量) 및 증산비(蒸散比)는 대구(大邱) 및 인근지역(隣近地域)의 용수원(用水源) 계획시(計劃時) 증발산량(蒸發散量)을 산정(算定)하는데 유용(有用)하게 사용(使用)될 것으로 기대(期待)된다.

실제증발산 자료를 융합하기 위한 Modified Kling-Gupta efficiency Fusion (KGF)방법을 제시하였고, 인공위성 및 재분석 증발산 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MODIS Global Evapotranspiration Project (MOD16)를 활용하여 Simple Taylor skill’s Score (STS)와 비교하였다. 한반도와 중국의 세가지 land cover type(i.e., cropland, grassland, forest)을 가진 flux tower에서 비교 검증을 실시하였다. 실제증발산의 융합 방법인 STS와 KGF로 계산된 가중치의 결과를 확인하면, cropland와 grassland에서 재분석 자료(GLDAS, GLEAM)가 높은 가중치 영향을 나타내지만, forest에서 융합 방법에 따라 가중치 영향이 다르게 나타났다. 전반적으로 실제증발산 융합 방법 적용 결과의 비교에서는 cropland에서는 융합에 사용된 자료에 비하여 높은 개선이 이뤄지지 않았지만, grassland와 forest 에서는 개선이 이뤄졌다. 두 방법 중 KGF의 결과가 STS의 결과에 비하여 약간 개선되는 결과를 나타내었다

본 연구에서는 인공위성 및 재분석 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MOD16의 실제증발산량 산출물을 활용하여 한국수자원조사기술원(Korea Institute of Hydrological Survey, KIHS)에서 관리하고 있는 청미천(cheongmicheon farmland site, CFK)과 설마천(seolmacheon site, SMK) flux tower에서 검증하였고, Triple collocation (TC) 방 법을 활용하여 자료간의 불확실성 및 상관성분석을 수행하였다. 플럭스타워와의 검증 결과에서는 전반적으로 GLEAM>GLDAS>MOD16순으로 좋은 결과를 나타내었으며, 세가지 산출물의 조합(S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16)을 통한 TC 결과에서는 청미천(설마천)에서 GLEAM>GLDAS>MOD16>flux tower (GLDAS>GLEAM>MOD16>flux tower)순으로 좋은 결과를 나타내었다. TC 분석 결과에서 Flux tower의 error variance와 correlation coefficient가 상대적으로 좋은 결과를 나타내지 못하였으므로, 한반도 지역에서 인공위성과 재분석 자료(GLDAS vs. GLEAM vs. MOD16)만을 활용하여 TC를 적용하였다. 그 결과, GLDAS 와 GLEAM이 한반도 영역에서 낮은 error variance 와 높은 correlation coefficient를 나타낸 반면, MOD16의 경우, 농지에서 낮은 correlation coefficient과 높은 error variance를 나타내었다.

수문순환에서 증발산의 정확한 산정은 수문분석 및 이해에 있어서 매우 중요하다. 특히, 증발산을 산정하는 방법은 다양하며, 각각 방법 마다 장단점을 가지고 있다. 그렇기 때문에, 각 다른 방법으로 산전된 결과를 융합하여 최적의 증발산을 산출해야할 필요가 있다. 본 연구에서는 대표적으로 인공위성 기반의 증발산 모델인 revised RS-PM과 MS-PT 방법에서 산출된 증발산과 모델 자료인 Global Land Data Assimilation System (GLDAS)와 Global Land Evaporation Amsterdam Model (GLEAM)자료들을 융합함으로써 최적의 증발산을 산출하고자 하였다. 연구 지역인 청미천과 설마천에서의 플럭스 타워에서 융합된 증발산에 대해서 검증을 실시하였다. 통계학적인 결과(상관계수, 일치도, MAE, RMSE)를 확인하였을 때, 기존의 인공위성과 모델에서 산출되는 증발산 결과에 비해 향상되는 결괄르 나타내었다. 전반적으로 결과를 확인하였을 때, 융합된 자료가 보다 향상된 결과를 보일 수 있을 것이라는 것을 나타내었으며, 추후에는 더 많은 모델을 사용하여 융합함으로써 보다 정확한 결과를 산출 할 수 있을 것으로 기대된다.

The specification of surface vegetation is essential for simulating actual evapotranspiration of water resources. The availability of land cover maps based on remotely collected data makes the specification of surface vegetation easier. The spatial resolution of hydrologic models rarely matches the spatial scales of the vegetation data needed, and remotely collected vegetation data often are upscaled up to conform to the hydrologic model scale. In this study, the effects of the grid scale of of surface vegetation on the results of actual evapotranspiration were examined. The results show that the coarser resolution causes larger error in relative terms and that a more realistic description of area-averaged vegetation nature and characteristics needs to be considered when calculating actual evapotranspiration.

본 연구에서는 SC-PDSI를 이용하여 잠재증발산량 산정 방법이 가뭄지수 산정 결과에 미치는 영향을 평가하였다. 잠재증발산량 산정 방법으로 월열지수법, Penman-Monteith 방법, Hargreaves 공식 등 세 가지 방법을 이용하였으며, 기상청 56개 지점을 대상으로 세 가지 잠재증발산량 산정 방법에 따른 SC-PDSI를 산정하고 그 결과를 비교하였다. 분석 결과, Penman-Monteith 방법에 의한 결과와 Hargreaves 공식에 의한 결과는 월별로 큰 차이 없이 유사한 가뭄지수 산정 결과를 나타내고 있음을 확인하였으며, 월열지수법에 의한 결과는 상대적으로 큰 차이를 보이고 있음을 알 수 있었다. 월별로는 봄철과 겨울철 기간에 대해 산정된 가뭄지수와 가뭄상황 판단 결과가 차이를 보이고 있음을 확인하였다. 결론적으로 우리 나라에서 PDSI를 산정하고자 할 경우에는 Penman-Monteith 방법이나 Hargreaves 공식을 이용하는 것이 바람직할 것으로 판단된다.

The main objective of this study was to assess reference evapotranspiration based on multiple GCMs (General Circulation Models) and estimation methods. In this study, 10 GCMs based on the RCP (Representative Concentration Pathway) 4.5 scenario were used to estimate reference evapotranspiration. 54 ASOS (Automated Synoptic Observing System) data were constructed by statistical downscaling techniques. The meteorological variables of precipitation, maximum temperature and minimum temperature, relative humidity, wind speed, and solar radiation were produced using GCMs. For the past and future periods, we estimated reference evapotranspiration by GCMs and analyzed the statistical characteristics and analyzed its uncertainty. Five methods (BC: Blaney-Criddle, HS: Hargreaves-Samani, MK: Makkink, MS: Matt-Shuttleworth, and PM: Penman-Monteith) were selected to analyze the uncertainty by reference evapotranspiration estimation methods. We compared the uncertainty of reference evapotranspiration method by the variable expansion and analyzed which variables greatly influence reference evapotranspiration estimation. The posterior probabilities of five methods were estimated as BC: 0.1792, HS: 0.1775, MK: 0.2361, MS: 0.2054, and PM: 0.2018. The posterior probability indicated how well reference evapotranspiration estimated with 10 GCMs for five methods reflected the estimated reference evapotranspiration using the observed data. Through this study, we analyzed the overall characteristics of reference evapotranspiration according to GCMs and reference evapotranspiration estimation methods The results of this study might be used as a basic data for preparing the standard method of reference evapotranspiration to derive the water management method under climate change.

Drought is a reoccurring worldwide natural hazard that affects not only food production but also economics, health, and infrastructure. Drought monitoring is usually performed with precipitation-based indices without consideration of the actual state and amount of the land surface properties. A drought index based on the actual evapotranspiration can overcome these shortcomings. The severity of a drought can be quantified by making a spatial map. The procedure for estimating actual evapotranspiration is costly and complicated, and requires land surface information. The possibility of utilizing drone-driven remotely sensed data for actual evapotranspiration estimation was analyzed in this study. A drone collected data was used to calculate the normalized difference vegetation index (NDVI) and soil-adjusted vegetation index (SAVI). The spatial resolution was 10 m with a grid of 404 x 395. The collected data were applied and parameterized to an actual evapotranspiration estimation. The result shows that drone-based data is useful for estimating actual evapotranspiration and the corresponding drought indices.

Meanwhile, reference evapotranspiration(ET0) is important information for agricultural management including irrigation planning and drought assessment, the database of reference evapotranspiration for future periods was rarely constructed especially at districts unit over the country. The Coupled Model Intercomparison Project Phase 5 (CMIP5) provides several meteorological data such as precipitation, average temperature, humidity, wind speed, and radiation for long-term future period at daily time-scale. This study aimed to build a database for reference evapotranspiration using the climate forecasts at high resolution (the outputs of HadGEM3-RA provided by Korea Meteorological Administration (KMA)). To estimate reference evapotranspiration, we implemented four different models such as FAO Modified Penman, FAO Penman-Monteith, FAO Blaney-Criddle, and Thornthwaite. The suggested database system has an open architecture so that user could add other models into the database. The database contains 5,050 regions’ data for each four models and four Representative Concentration Pathways (RCP) climate change scenarios. The developed database system provides selecting features by which the database users could extract specific region and period data.

본 연구에서는 유역 물수지 방법을 기반으로 제주도 지역에 적합한 용수량 산정방법을 제안하고, 이를 기반으로 4개 하천유역에 대해 지역 및 고도에 따른 증발산량, 용수량 특성을 평가하였다. SWAT-K 유역모형을 적용하여 1992∼2013년 기간에 대해 잠재증발산량과 실제증발산량을 산정하고, 이로부터 유역의 순물소모량을 추정하였다. 고도증가에 따라 잠재 증발산량은 선형으로 감소하는 반면, 실제증발산량은 강수량에 의한 토양내 가용수분의 증가로 인해 약 400 m 고도까지는 증가하다가 이후 고도에서는 식생, 가용수분의 감소, 저온현상 등으로 인해 감소하는 것으로 나타났다. 고도에 따른 순물소모 량은 강정천유역을 제외한 3개 유역에서 고도증가에 따라 순물소모량이 선형적으로 감소하는 것으로 나타났으며, 고도 200 m 이하 작물경작지에서의 순물소모량은 연간 559∼680 m로 분석되었다. 추정된 용수량을 실제 관정 이용량과 비교한 결과, 여름철(6∼8월) 양수량은 급수관행으로 인해 크게 증가하는데 비해, 작물경작에 따른 순물소모량은 오히려 감소하는 것으로 나타났다. 이에 대해서는 향후 더 많은 관정 이용량과 추가적인 대상지역을 반영하여 분석이 필요할 것으로 판단된

본 연구에서는 MODIS 위성 기반 증발산량의 적정성을 평가하기 위해 Revised RS-PM 알고리즘으로 일증발산량 지도를 작성하여 에디 공분산 기반의 증발산량과 비교․분석하였다. 또한, 작성된 MODIS 기반의 일증발산량 지도의 공간적인 특성을 평가하기 위해 전적비교 지점을 기준으로 물 수지 성분을 산정하여 이의 특성을 분석하였다. 에디 공분산 기반의 증발산량은 플럭스 타워에서 관측된 잠열 플럭스를 KoFlux 프로그램으로 좌표변환, 밀도보정을 수행하여 이상치를 제거한 후 정량화하였다. 이상치 특성으로 발생된 빈 구간(no value)의 자료는 FAO-PM, MDV, Kalman Filter의 3가지 방법으로 보충(Gap-filling)하였다. 면적강우량과 유출량 은 KICT (2013)로부터 자료를 제공받아 정량화하였으며, 유역 평균증발산량은 Revised RS-PM 알고리즘으로 작성된 일증발산량 지도로부터 산정하였다. 유역의 저류변화량은 토양수분 변화량이 유역을 대표한다는 가정 하에 관측된 토심별 자료에 유효토심을 고려하여 산정하였다. MODIS 위성과 에디 공분산 기반의 증발산량을 비교·분석한 결과, MODIS 위성 기반에서 330.6 mm 정도 증발산량이 크게 산정되었으며, Bias와 RMSE는 평균 -0.91, 2.90의 특성을 나타내었다. 전적비교 지점을 기준으로 물 수지를 분석한 결과, 177.43 mm 정도의 편차로 인해 물 수지가 폐합되지 못하였다. 에디 공분산 기반의 증발산량과 물 수지 분석 결과를 토대로 적정성을 평가해 볼 때, MODIS 위성 기반의 증발산량은 설마천 유역의 실제 증발산량을 대표하지 못하였다.

본 연구에서는 잠재증발산량과 실제증발산량간의 보완관계 기반의 증발산량 산정 모형인 Brutsaert and Stricker (1979)의 AA 모형과 Morton (1983)의 CRAE 모형을 제주도내 두 개의 상시하천 유역에 처음으로 적용하고 이 지역에 적합한 모형의 매개변수를 제안하였다. AA 모형과 CRAE 모형의 매개변수 검정과 모형의 검증을 위한 대표유역으로 각각 북제주에 위치한 한천 유역과 남제주에 위치한 강정천 유역을 선정하였다. 한천 유역에 대해 AA 모형의 경험상수 α와 이류에너지항 M, CRAE 모형의 경험상수 B1과 b2를 바꾸어가면서 실제증발 산량을 산정하고 이를 유역수문모델링 결과와의 비교를 통해 매개변수 검정을 수행하였다. 그 결과 AA 모형은 α=1.00, M=30.0Wm-2, CRAE 모형은 b1=33.0Wm-2, b2=1.02이 최적의 값으로 산정되었다. 동일한 매개변수를 사용하여 AA 모형과 CRAE 모형의 검증 대상유역인 강정천 유역에 적용한 결과, 두 모형 모두 식생의 성장기 및 비성장기에 유역수문모델링 결과와 유사한 것으로 분석되었다.