SoilWaterNow: Soil water nowcasting for mapping plant available water (PAW) across paddocks for improved on-farm decision-making

기술 요약: SoilWaterNow (SWEB 모델)

문제 정의
호주의 곡물 재배 지역에서 효과적인 농업 의사결정을 위해서는 뿌리 영역 토양 수분(RZSM)과 작물 증발산량(ET)에 대한 정확하고 공간적으로 명시적인 지식이 필요합니다. 강우가 주요 수분 유입원이지만, 작물의 성과는 뿌리가 접근 가능한 저장 수분과 증산 및 증발을 통한 수분 손실 사이의 균형에 의해 결정됩니다. 기존의 모니터링 방식은 규모의 불일치 문제를 겪고 있습니다. 지점 기반 측정은 공간적으로 희소하여 업스케일링이 어렵고, 지역 위성 또는 모델 기반 제품은 토양 질감, 깊이, 지형에 의해 발생하는 필지 내 변동성을 포착할 만큼 해상도가 높지 않은 경우가 많습니다. 또한, 원격 탐사는 높은 해상도로 실제 증발산량(ET)을 추정할 수 있지만, ET만으로는 토양 프로파일에 남아 있는 잔여 수량을 정량화할 수 없습니다. 단기적인 대기 스트레스와 장기적인 토양 수분 제한을 구분하는 것은 물리적으로 일관된 RZSM의 펠릿(paddock) 규모 표현 없이는 여전히 어려운 과제입니다.

방법론
이러한 격차를 해소하기 위해 저자들은 지표 에너지 과정과 지하 토양 수분 역학을 명시적으로 연결하는 프로세스 기반 프레임워크인 시드니 토양 수분-에너지 균형(Sydney Soil Water-Energy Balance, SWEB) 모델을 개발했습니다. 이 모델은 30m 공간 해상도로 작동하며 세 가지 주요 데이터 스트림인 위성 관측, 격자형 기상 데이터, 토양 물리적 특성을 통합합니다.

모델은 두 개의 긴밀하게 결합된 구성 요소로 이루어져 있습니다:

1. 지표 에너지 균형(SEB) 구성 요소: 이 모듈은 단순화된 지표 에너지 균형(SSEBop) 접근 방식을 사용하여 실제 증발산량($ET_a$)을 추정합니다. 이는 Landsat 8/9에서 유도된 지표면 온도(LST, 30m로 재샘플링됨)를 SILO 데이터베이스의 기상 입력값(복사 에너지, 온도, 증기압, 기준 증발산량)과 결합하여 활용합니다. 모델은 기준 증발산량($ETo$)을 작물 계수($K_c$)를 사용하여 스케일링하며, $K_c$는 기초 증산 성분($K_{cb}$)과 증발 성분($K_e$)으로 분할됩니다. 이를 통해 $ET_a$가 대기 요구량과 토양 수분 가용성 모두에 의해 제약되는 실제 작물 수분 이용량을 반영하도록 합니다.
2. 토양 수분 균형(SWB) 구성 요소: 이 모듈은 표면에서 최대 뿌리 깊이까지의 토양 프로파일 내 일일 수분 저장 및 이동을 시뮬레이션합니다. 모델은 다음 수분 균형 방정식을 기반으로 매일 RZSM을 업데이트합니다:
   $$RZSM_{t+1} = RZSM_t + I_t - ET_{a,t} \cdot f_{evap} - D_t$$
   여기서 $I_t$는 강우 침투량, $f_{evap}$는 전체 ET 대비 토양 증발 비율, $D_t$는 배수량입니다. 모델은 호주 토양 및 경관 격자(SLGA) 또는 농장 디지털 토양 지도에서 제공하는 토양 질감 데이터(예: 모래 및 점토 함량)로부터 수리학적 매개변수를 도출하기 위해 토양 매개변수 함수(PTF)를 사용합니다.

보정 및 운영
SWEB는 관측된 지표 토양 수분(깊이 50mm)과 시뮬레이션된 값 사이의 평균 제곱근 오차(RMSE)를 최소화하기 위해 차분 진화 최적화 알고리즘을 사용하여 공간적으로 보정됩니다. 세 가지 핵심 매개변수인 증발 분율($f_{evap}$), 침투 계수($C_{infil}$), 확산 계수 스케일링 인자($k_{diff}$)가 최적화됩니다. 현재 모델은 SMAP 미션의 지표 토양 수분(SSM) 회수 데이터를 기준으로 보정되지만, 농장용 프로브 데이터를 수용할 수 있도록 설계되었습니다. 운영 측면에서 이 프레임워크는 National Computational Infrastructure (NCI) Gadi 슈퍼컴퓨터에 배포되며, 대륙 규모의 병렬 모델링을 가능하게 하는 Python 기반의 ProcessPoolExecutor 아키텍처를 활용합니다.

검증 결과
모델은 USYD Muttama 네트워크, MSMMN, L'lara Landscape Rehydration 네트워크, VicAg, WA DPI, CosmOz, ViridisAg WA를 포함하여 호주 전역의 독립적인 토양 수분 모니터링 사이트 네트워크를 통해 검증되었습니다. 이 네트워크들은 다양한 기후대, 토양 유형 및 관리 맥락을 포괄합니다.

국가 규모의 검증 결과는 견고한 성능을 보여줍니다:

• 정확도: RMSE 값은 대부분의 대륙에서 일반적으로 0.05에서 0.08 사이이며, 서부 지역(0.05–0.07)에서 낮은 오차를, 동남부 지역(0.09–0.11)에서 약간 높은 오차를 보이는 뚜렷한 경도 구배를 나타냅니다.
• 상관관계: 관측된 RZSM과 시뮬레이션된 RZSM 사이의 상관계수는 대부분의 지역에서 0.70에서 0.85 사이로 강력하며, 동남부 호주에서 가장 높은 상관관계를 보였습니다.
• 일관성: 성능 지표는 모델이 다양한 호주의 조건에서도 일관된 정확도를 유지함을 입증하며, 이는 펠릿 규모의 변동성을 해결하는 능력을 검증합니다.

의의 및 주장
본 논문은 SWEB가 위성 및 기상 데이터를 농장 경영에 유효한 해상도(30m)의 실행 가능한 토양 수분 정보로 변환하는 확장 가능하고 물리적으로 일관된 프레임워크를 제공한다고 주장합니다. ET와 RZSM을 공동으로 추정함으로써 모델은 다음과 같은 직접적인 경로를 제공합니다:

1. 수확량 예측: 중간 시즌 RZSM 현재 상태(nowcast)는 물 사용 효율 방정식인 French 및 Schultz(F&S) 식에 통합되어 수분 제한적 잠재 수확량을 추정할 수 있습니다.
2. 양분 관리: 이러한 수확량 추정치는 질소 비료 추가 살포 권장 사항 및 양분 처방 지도와 같은 중간 시즌 관리 결정에 정보를 제공할 수 있습니다.
3. 리스크 기반 의사결정: 이 시스템은 필지 내 수분 역학에 대한 이해를 높여 작물 스트레스의 공간적 동인을 파악하고, 수분이 제한된 환경에서 보다 대응적인 관리를 가능하게 함으로써 필지 단위의 수분 역학 모니터링을 지원합니다.

저자들은 SWEB가 작물 생산성에 미치는 공간적 수분 제약을 이해하고 관리하는 능력을 개선함으로써 GRDC의 우선순위에 부합하는 도구로서, 가변적인 계절 조건 하에서 보다 효율적인 농장 관리를 지원한다고 위치를 설정하고 있습니다.