📄 earth_science

Soil Erosion and Sediment Yield-Based Prioritization of Critical Sub- Watersheds to Develop Best Management Practices in the Hasdeo River Catchment

본 연구는 GIS 프레임워크 내에서 SWAT 및 RUSLE 모델을 통합하여 인도의 하스데오(Hasdeo) 강 유역 내 토양 침식과 퇴적물 생산량을 정량화함으로써, 광업의 영향을 받는 농경지의 지력 저하를 완화하기 위한 핵심 소유역의 우선순위를 선정하고 표적화된 최적 관리 기법(BMP) 개발을 가능하게 한다.

원저자: Anuradha Sahu, MK Nema, Susanta Das, VK Chandola

게시일 2026-08-27

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Anuradha Sahu, MK Nema, Susanta Das, VK Chandola

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

매년 지구는 비와 바람의 끊임없는 힘으로 인해 엄청난 양의 비옥한 표토를 잃고 있습니다. 토양 침식이라고 알려진 이 과정은 지형이 변화하는 자연스러운 과정의 일부이지만, 삼림 벌채, 농업, 광업과 같은 인간 활동은 이를 위험한 수준으로 가속화했습니다. 토양의 윗부분이 씻겨 내려가면 그것은 단순히 사라지는 것이 아니라, 하류로 이동하여 강을 막고 저수지를 채우며 공동체가 의존하는 수로를 질식시킵 most니다. 농부들에게 이는 작물을 키우는 바로 그 땅을 잃는 것을 의미합니다. 엔지니어와 계획가들에게 이는 퇴적물이 쌓이면서 중요한 댐의 저장 용량이 줄어드는 것을 지켜보는 것을 의미합니다. 과학자들의 과제는 단순히 얼마나 많은 토양이 손실되는지를 측정하는 것뿐만 아니라, 정확히 어디에서 토양이 오고 있는지, 그리고 그것이 물에 도달하기 전에 어떻게 막을 것인지를 알아내는 것입니다.

인도 중부의 하스데오(Hasdeo) 강 유역에서 한 연구팀이 이 수수께끼를 풀기 위해 나섰습니다. 이 지역은 구릉진 언덕, 숲, 농경지가 섞인 복잡한 지형이지만, 석탄 광업과 급격한 토지 이용 변화의 영향도 크게 받고 있습니다. 과학자들은 두 가지 뚜xt 다른 듯하면서도 연관된 문제를 분리할 방법이 필요했습니다. 즉, 언덕에서 실제로 토양이 깎여 나가는 현상과, 그 토양이 강 출구까지 성공적으로 이동하는 양을 구분하는 것입니다. 이를 위해 그들은 두 가지 서로 다른 컴퓨터 모델링 방식을 결합했습니다. 수정 범용 토양 손실 방정식(RUSLE)으로 알려진 한 모델은 상세한 지도 제작자처럼 작동하며, 강우량, 토양 유형, 경사도를 기반으로 지표면에서 토양이 떨어져 나갈 가능성이 얼마나 높은지를 계산합니다. 또 다른 모델인 토양 및 수자원 평가 도구(SWAT)는 강물 시뮬레이터처럼 기능하며, 그 느슨해진 토양이 배수 네트워크를 통해 어떻게 이동하고 결국 유역을 빠져나가는지를 추적합니다. 이 모델들을 함께 실행함으로써, 연구팀은 토양이 가장 취약한 특정 구역과 강으로 퇴적물이 가장 많이 유입되는 지점을 정확히 짚어낼 수 있었습니다.

연구진은 차티스 가르(Chhattisgarh) 주에 걸쳐 거의 10,000 평방킬로미터에 달하는 광대한 지역인 하스데오 강 유역에 집중했습니다. 그들은 컴퓨터 모델에 수십 년간의 기상 데이터, 토지 이용에 대한 위성 이미지, 상세한 토양 지도를 입력했습니다. 모델은 먼저 1993년부터 2017년 사이의 관측소에서 수집된 실제 퇴적물 측정값과 대조하여 테스트되었습니다. 시뮬레이션은 매우 정확했으며, 관찰된 퇴적물 흐름 패턴과 높은 통계적 신뢰도로 일치함을 입증했습니다. 이는 과학자들이 유역 전체에 대한 모델의 예측을 신뢰할 수 있는 확신을 주었습니다. 결과는 명확한 패턴을 보여주었습니다. 즉, 침식은 지형 전반에서 발생하지만 균일하게 일어나지는 않는다는 것입니다. 남쪽 유역은 가파른 경사, 퇴화된 식생, 집약적인 광업 활동이 결합하여 심각한 침식을 일으키는 핵심 구역으로 나타났습니다. 이 특정 소유역들에서는 토양이 헥타르당 연간 80톤이 넘는 속도로 씻겨 내려갔으며, 강으로 유입되는 퇴적물 또한 매우 높았습니다.

반면, 유역의 중앙 및 북동쪽 지역은 숲의 피복이 더 많이 유지되고 지형이 완만했기 때문에 퇴적물 이동 수준이 훨씬 낮았습니다. 연구는 폭우가 내리는 지역이라 할지라도 조밀한 식생의 존재가 실제로 씻겨 내려가는 토양의 양을 크게 줄일 수 있다는 점을 강조했습니다. 그러나 남쪽 소유역에서는 농업과 광업을 위해 숲의 보호막이 제거되어, 토양이 몬순의 강력한 힘에 그대로 노출되었습니다. 연구진은 큰 유역 내에서 23개의 소유역을 식별하고, 각 소유역이 얼마나 많은 토양을 잃고 있으며 강에 얼마나 많은 퇴적물을 전달하는지에 따라 순위를 매겼습니다. 그들은 상대적으로 적은 수의 소유역이 전체 퇴적물 부하의 불균형적으로 큰 몫을 차지하고 있다는 것을 발견했습니다. 특히 토양 침식이 헥타르당 연간 20톤을 초과하고 퇴적물 유출량이 헥타르당 연간 14톤을 넘어서는 지역들이 우선적인 개입 대상으로 지정되었습니다.

이러한 핵심 구역이 식별됨에 따라, 팀은 다음 단계인 문제 해결을 위한 계획 설계로 넘어갔습니다. 지역 전체에 단일한 해결책을 적용하는 대신, 그들은 각 지역의 특정 조건에 맞춘 맞춤형 권고안을 개발했습니다. 완만한 경사의 농경지와 개활지 숲에는 등고선 둑(contour bunds) 건설을 권장했습니다. 이는 기본적으로 지형의 곡선을 따라 설치하여 물의 흐름을 늦추고 토양을 가두는 작은 흙 언덕입니다. 여전히 농사가 이루어지고 있는 가파른 경사지에는 경사면의 긴 구간을 끊어주어 물이 토양을 실어 나를 만큼 충분한 속도를 얻지 못하도록 하는 계단식 경작(terracing)을 제안했습니다. 특히 광업의 영향을 받은 가장 훼손되고 가파른 지역의 경우, 자연이 한때 제공했던 보호막을 복구하기 위해 나무를 새로 심는 조림(afforestation)을 계획에 포함했습니다. 총합하여, 이 연구는 이러한 특정 보전 조치가 적용되어야 할 토지를 약 720,000 헥타르에 달하도록 지도화했습니다.

이 연구의 최종 결과물은 토지 관리자와 정책 입안자를 위한 실질적인 가이드입니다. 이는 토양 손실에 대한 일반적인 경고를 넘어, 행동을 위한 정밀하고 공간적으로 명시적인 로드맵을 제공합니다. 이 연구는 토양이 어디서 침식되는지와 그 토양이 실제로 어디로 가는지의 차이를 이해함으로써, 보전 노력을 가장 효과적인 곳에 집중할 수 있음을 보여줍니다. 연구진은 자신들의 모델이 강력한 과학적 토대를 제공하지만, 이러한 조치의 궁극적인 성공은 현장 검증과 장기적인 모니터링에 달려 있다고 언급했습니다. 또한 그들은 사용된 접근 방식이 광업과 토지 이용 변화로 압박을 받는 다른 강 유역에도 적용될 수 있다고 지적했습니다. 토양 손실의 과학과 강을 통한 운반의 현실을 연결함으로써, 이 연구는 하데오 강 유역을 추가적인 퇴화로부터 보호하고, 미래를 위해 토지가 생산성을 유지하며 수로가 깨끗하게 유지될 수 있도록 하는 명확한 경로를 제시합니다.

기술 요약: 하스데오(Hasdeo) 강 유역의 임계 소유역 우선순위 결정을 위한 토양 침식 및 퇴적물 생산량 기반 분석

문제 제기
토양 침식과 퇴적물 이동은 특히 광업 및 농업 확장과 같은 급격한 토지 이용 변화가 진행 중인 지역에서 농업 생산성, 저수지 저장 용량 및 유역 지속 가능성에 상당한 위협을 가한다. 중앙 인도 마하나디(Mahanadi) 강 유역의 하위 분지인 하스데오 강 유역에서는 이러한 압력이 지형 퇴화를 가속화하고 있다. 유역 과정을 평가하기 위해 수많은 경험적 및 프로세스 기반 모델이 존재하지만, 단일 모델 접근 방식은 퇴화에 대한 부분적인 이해만을 제공하는 경우가 많다. 개정 범용 토양 손실 공식(RUSLE)과 같은 경험적 모델은 공간적 토양 침식을 효과적으로 매핑하지만, 퇴적물의 이동 및 유역 출구로의 전달을 시뮬레이션하는 데는 한계가 있다. 반대로, 토양 및 물 평가 도구(SWAT)와 같은 프로세스 기반 수문 모델은 퇴적물 경로를 시뮬레이션하지만, 수문 반응 단위(HRU)로 경관 특성이 집계되기 때문에 침식 핫스팟을 정밀하게 식별하지 못할 수 있다. 결과적으로, 상세한 공간 침식 분석과 퇴적물 생산량 모델링을 결합하여 임계 소유역을 효과적으로 우선순위화하고 표적화된 보전 전략을 개발하기 위한 통합된 평가가 필요하다.

연구 방법론
본 연구는 GIS 내에서 SWAT와 RUSLE 모델을 결합한 통합 프레임워크를 사용하여 하스데오 강 유역(9,920 km²)을 대상으로 수행되었다.

연구 지역 및 데이터: 열대 몬순 기후, 기복이 심한 지형(고도 142–1114 m), 다양한 토지 이용(농업, 산림, 광업)의 특성을 가진 유역을 23개의 소유역으로 구분하였다. 입력 데이터로는 30m 해상도의 DEM, 토지 피복(LULC) 분류를 위한 Landsat 5 및 8 영상, FAO 토양 데이터, 그리고 1991년부터 2017일까지의 일일 수문 및 기상 기록이 사용되었다.
SWAT 모델 구성: SWAT 모델은 ArcSWAT 인터페이스를 사용하여 퇴적물 생산량을 시뮬레이션하도록 구성되었다. 유역은 경사, 토양, LULC를 기준으로 133개의 수문 반응 단위(HRU)로 나누어졌다. 퇴적물 생산량은 수정 범용 토양 손실 공식(MUSLE)을 사용하여 추정되었다. 모델은 1993~~2010년 기간 동안 보정되었으며, SWAT-CUP의 SUFI-2 알고리즘을 사용하여 Bamnidih의 중앙 수자원 위원회(CWC) 관측 퇴적물 데이터를 활용해 2011~~2017년 기간 동안 검증되었다.
RUSLE 모델 구성: RUSLE은 연평균 토양 침식( $A = R \times K \times LS \times C \times P$ )을 추정하기 위해 적용되었다. 각 요인은 다음과 같이 공간적으로 도출되었다: 강우 침식성( $R$ ) 요인은 격자형 강우 데이터로부터, 토양 침식성( $K$ ) 요인은 FAO 토양 특성으로부터, 지형( $LS$ ) 요인은 DEM 분석으로부터, 피복 관리( $C$ ) 요인은 위성 영상에서 유도된 NDVI로부터 도출되었으며, 보전 조치( $P$ ) 요인은 연구 지역 내 기계적 보전 관행의 부재로 인해 1로 설정되었다.
우선순위 결정 및 BMP 프레임워크: SWAT 유래 퇴적물 생산량과 RUSLE 유래 토양 침식을 결합하여 임계 소유역을 식별하였다. 토양 침식이 20 t ha⁻¹ yr⁻¹를 초과하거나 퇴적물 생산량이 14 t ha⁻¹ yr⁻¹를 초과하는 소유역을 고우선순위로 분류하였다. 이후 침식 심각도, 경사 및 LULC에 따라 최적 관리 관행(BMP)을 할당하기 위한 규칙 기반 프레임의 개발하였으며, 등성/등고선 둔턱 쌓기(graded/contour bunding), 테라스 형성, 조림, 개선된 농업 관리와 같은 구체적인 개입 방안을 권고하였다.

주요 결과

모델 성능: SWAT 모델은 강력한 성능을 보였으며, 결정 계수( $R^2$ )는 보정 단계에서 0.81, 검증 단계에서 0.78을 기록했고, 나쉬-서트클리프 효율(NSE)은 각각 0.74와 0.72, 킹-구프타 효율(KGE)은 0.83과 0.81을 달 나타냈다. 민감도 분석 결과, 퇴적물 재부유 매개변수(SPCON, SPEXP), 하도 침식성(CH_EROD), 그리고 보전 요인(USLE_P, CH_COV)이 퇴적물 생산량을 제어하는 주요 요인으로 확인되었다.
공간적 변동성:
- 퇴적물 생산량: SWAT 시뮬레이션 결과, 퇴적물 생산량은 1.24 ~ 46.86 t ha⁻¹ yr⁻¹ 범위로 나타났다. 가장 높은 생산량은 가파른 경사, 광업 활동 및 식생 훼손의 영향을 받는 남부 소유역(WS18, WS19, WS21, WS22, WS23)에 집중되었다.
- 토양 침식: RUSLE은 연간 평균 5 미만에서 80 t ha⁻¹ yr⁻¹ 이상의 토양 침식률을 추정하였다. 높은 침식률(>40 t ha⁻¹ yr⁻¹)은 남부 및 남중부 소유역에서 일관되게 관찰되었으며, 이는 높은 퇴적물 생산량 지역과 상관관계를 보였다.
우선순위 결정: 통합 분석 결과, 유역의 대부분이 보전을 위한 고우선순위 지역으로 식별되었으며, 오직 일부 중부 및 동부 소유역만이 저우선순위로 분류되었다.
BMP 할당: 규칙 기반 프레임워크는 유역 내 약 718,849.3 ha에 대해 보전 조치를 할당하였다. 가장 광범위한 개입은 등성/등고선 둔턱 쌓기(443,303.7 ha)였으며, 조림(135,538.7 ha), 집약적 농업 관리(75,804.8 ha), 테라스 형성(64,202.1 ha)이 그 뒤를 이었다.

의의 및 주장
저자들은 이 통합된 SWAT–RUSLE 접근 방식이 침식 근원 구역과 하류 출구로 퇴적물을 전달하는 구역을 차별화하는 강력한 과학적 기초를 제공한다고 주장한다. 프로세스 기반 퇴적물 모델링과 분산형 침식 분석을 연결함으로써, 본 연구는 광업의 영향을 받는 농업 지역의 유역 관제 우선순위를 결정하기 위한 실질적인 의사결정 지원 도구를 제공한다. 이 방법론은 유사한 지형적 훼손을 겪고 있는 분지에도 전이 가능하다. 본 연구는 통합 프레임워크가 핫스팟을 식별하고 보전 지침을 제공하는 데 신뢰할 수 있지만, RUSLE 직접 검증을 위한 공간적 현장 관측 데이터의 부족과 변화하는 기후 및 토지 이용 조건 하에서의 BMP 성능에 대한 장기적 시나리오 테스트의 부재라는 한계가 있다고 결론짓는다. 향후 연구 과제로 현장 검증 및 시나리오 기반 모델링을 제안하였다.

유사한 논문