Introduction
Materials and Methods
토양유효수분율 기반 밭가뭄 평가 모형
현장 실측 데이터 수집(수원, 예산, 나주, 대구, 밀양)
토양 시료 채취 및 분석
밭가뭄 평가 모형의 정확도 검증
Results and Discussion
현장 실측 데이터를 활용한 밭가뭄 평가 모형의 정확도 검증
밭가뭄 평가 모형의 오차 점검
Conclusions
Introduction
기후변화에 따라 극한 기상현상의 빈도가 증가함에 따라 가뭄과 같은 자연재해 발생의 빈도도 증가하고 있다 (Hermans and McLeman, 2021; Xu et al., 2024). 가뭄은 사회, 환경, 경제 전반에 영향을 미칠 뿐만 아니라 작물의 고사, 농작물 생산 감소 등 농업에도 막대한 영향을 미친다 (Nam et al., 2017; Mukherjee et al., 2018). 따라서 가뭄을 선제적으로 대비하기 위하여 체계적인 접근이 필요하지만, 홍수나 지진 등의 자연재해와 달리 가뭄은 진행속도가 느리고 시간적 및 공간적인 시작과 끝이 부정확하며 장시간에 걸쳐 피해가 발생되기 때문에, 전반적인 가뭄 진행 상황을 제대로 파악하지 못할 수 있어 가뭄 대책 수립이 어려운 편이다 (NDIC, 2016; Jehanzaib and Kim, 2020; Jeon et al., 2021).
가뭄은 일반적으로 기상학적 가뭄 (meteorological drought), 농업적 가뭄 (agricultural drought), 수문학적 가뭄 (hydrological drought), 사회경제적 가뭄 (socioeconomic drought)으로 구분할 수 있는데 (Heim et al., 2002; Xu et al., 2021; Oh et al., 2022), 이 중 농업가뭄에 선제적으로 대응하기 위해 농림축산식품부는 2015년 ‘농업 ‧ 농촌 부분 가뭄대응 종합대책’을 수립하였고, 행정안전부는 밭토양 유효수분율을 농업가뭄의 주요 지표로 선정하였다. 농업수리시설을 통해 용수를 공급받고 담수상태를 유지하는 논과 달리 밭은 대부분 자연 강우에 의존하여 가뭄에 대한 취약성이 높고 작물에 더 직접적인 영향을 미치기 때문에 적합한 모형을 통해 토양수분 상태를 예측하는 것이 필요하다 (Jeon et al., 2021; Hwang et al., 2022).
토양수분은 가뭄, 특히 농업 가뭄과 밀접한 관련이 있기 때문에 농업 가뭄을 평가하기 위해 국내외 다양한 연구에서 토양수분을 활용해오고 있다 (Li et al., 2018). 예를 들면, 토양 수분함량 현장 모니터링 (Robock et al., 2000, Zeri et al., 2021), 위성 영상 분석을 통한 토양 수분함량 추정 (Kim et al., 2015; Yuan et al., 2015), 토양 수분 모델을 이용한 시뮬레이션 (Sheffield and Wood, 2007; Zhang et al., 2014) 등 토양수분에 관한 다양한 연구들이 보고되어오고 있다. 하지만, 대부분의 연구가 작물생육단계나 상태를 고려하지 않고 가뭄을 평가한 연구로 작물 생육 중인 밭에서 토양수분을 활용하여 가뭄을 평가한 연구는 부족한 실정이며 (Ahmed et al., 2021; Zhang et al., 2021; Wei et al., 2023), 우리나라 밭 특성에 적합한 가뭄 모니터링 도구를 활용하여 밭가뭄 (upland drought)에 선제적으로 대응할 필요가 있다.
이에 따라 농촌진흥청 국립농업과학원은 토양유효수분율 (soil available water content, SAWC)을 기준으로 밭가뭄을 평가할 수 있는 모형을 개발하였고 (Hwang et al., 2022), 매년 지속적으로 발생하는 농업 가뭄에 신속하고 체계적으로 대응하기 위해 전국 167개 시군을 대상으로 주 1회 밭가뭄 현황 및 전망 정보를 제공해오고 있다. 하지만 기후변화에 따라 가뭄이 현재보다 더 빈번하고 강하게 발생할 것으로 예측되고 있어 (Singh et al., 2021; Kim et al., 2023; Ho et al., 2023), 가뭄을 선제적으로 대비하고 적절한 대응 계획을 세울 수 있도록 모형의 정확도에 대한 이론적인 검증이 필요하다. 따라서, 본 연구는 1) 실제 현장에서 수집된 토양 수분 데이터를 활용하여 밭가뭄 평가 모형의 정확도를 검증하고, 2) 토양유효수분율 기반 밭가뭄 평가 모형의 예측 정확도를 평가하기 위해 오차를 점검하여 모형의 정확도를 향상시킬 수 있는 방안을 제시하고자 하였다.
Materials and Methods
토양유효수분율 기반 밭가뭄 평가 모형
본 연구에서는 농촌진흥청 국립농업과학원에서 개발한 토양, 기상 및 작물 특성이 반영된 토양유효수분율 기반의 밭가뭄 평가 모형 (Hwang et al., 2022)을 이용하였다 (Fig. 1). 모형에 관해 간략하게 설명하면 밭가뭄 평가 모형에서 토양인자는 우리나라 지역별 토양특성을 반영하여 산정한 유효수분량 (available water content)을 활용한다. 기상인자 중 유효강우량은 기상자료개방포털 (https://data.kma.go.kr)에서 제공하는 종관기상관측 (automatic synoptic observing system, ASOS)과 방재기상관측 (automatic weather system, AWS) 강우량 자료를 농촌진흥청 국립농업과학원에서 개발한 유효강우량 (effective rainfall) 모형 (Jung et al., 2007; Hwang et al., 2022)으로 산정하고, ASOS 기상자료는 Penman-Monteith 공식 (Allen et al., 1998)으로 기준증발산량 (reference evapotranspiration)을 산정하여 활용한다. 작물인자는 농촌진흥청 국립농업과학원에서 산정 (Han et al., 2019)한 콩 (soybean)의 작물계수 (crop coefficient)를 활용하고 수분 스트레스 계수 (water stress coefficient)를 반영해 작물증발산량 (crop evapotranspiration)을 산정한다 (Hwang et al., 2022; Lee et al., 2024). 상기 인자들을 통합해 토양의 수분 중에서 작물이 이용 가능한 토양유효수분율 (soil available water content, SAWC)을 산정하고, 토양유효수분율에 따라 밭가뭄 단계는 5단계 (정상, 관심, 주의, 경계, 심각)로 구분하고 있다 (Fig. 1).
밭가뭄 대상 작물은 우리나라 밭작물 중 재배면적이 가장 많은 식량작물 (KOSIS, 2018; Gong et al., 2023)인 콩 (soybean)을 대표 하계작물로 선정하여 정보를 제공하고 있다. 이 정보는 모형으로 산정된 평가 기준일의 토양유효수분율 (SAWC estimated at given reference day, SAWCe)과 1주일 후의 토양유효수분율 예측값 (SAWC predicted for one week after, SAWCp)이다. 이 때, SAWCe는 기준일 전일까지 수집한 기상자료를 통해 토양유효수분율을 산정하고, SAWCp는 기준일을 포함한 1주일간의 기상자료를 평균하여 강우가 없는 무강우 조건하에 토양유효수분율을 산정한다.
현장 실측 데이터 수집(수원, 예산, 나주, 대구, 밀양)
밭가뭄 평가 모형과 현장 실측 데이터를 비교하기 위해 경기도 수원시에 위치한 국립식량과학원 중부작물부 (SW, 37°15´N 126°59´E), 충청남도 예산군에 위치한 충청남도농업기술원 (YS, 36°44´N 128°49´E), 전라남도 나주시에 위치한 전라남도농업기술원 (NJ, 35°1´N 126°49´E), 대구광역시에 위치한 경상북도농업기술원 (DG, 35°57´N 128°33´E), 경상남도 밀양시에 위치한 국립식량과학원 남부작물부 (MY, 35°29´N 128°44´E) 콩 포장에 복합기상관측센서 (ATMOS 41, METER group, Pullman, WA, USA)와 토양수분 센서 (TEROS 12, METER group, Pullman, WA, USA)를 설치하였다 (Fig. 2). 복합기상관측센서는 지상으로부터 2 m 높이에 설치하여 최고온도, 최저온도, 평균온도, 상대습도, 강우량 등을 수집하였고, FDR (frequency domain reflectometry) 방식인 토양수분 센서는 지표면으로부터 10 cm와 30 cm 깊이에 각각 설치하여 토양의 용적수분함량을 수집하였다. 클라우드 서비스 (cloud service)를 통해 데이터를 저장하고 실시간으로 확인할 수 있는 데이터 로거 (ZL6, METER group, Pullman, WA, USA)를 설치하여 기상과 토양수분 데이터를 콩 정식일 이후부터 수확일 전까지 (2023년 6 - 10월, 평균 111일) 1시간 간격으로 수집하였다 (Fig. 3).
Fig. 2.
Locations of the studied sites were indicated by blue circle symbols with picture of soybean fields in South Korea. The code names of experimental fields are provided in Table 1.
토양 시료 채취 및 분석
토양수분 센서를 설치한 콩 포장의 토양을 콩 정식 직후에 시료를 채취하여 용적밀도 (bulk density), 토성 (soil texture), 보수력 (water holding capacity)을 분석하였다. 용적밀도는 2인치 코어 (100 cm3)를 이용하여 표토 (0 - 20 cm)와 심토 (20 - 40 cm)에서 각각 3반복으로 채취하여 105°C에서 18시간 이상 건조한 후 건조 전 ‧ 후의 무게를 측정하여 산정하였다 (Blake and Hartge, 1986). 용적밀도는 표토 1.33 - 1.45 Mg m-3, 심토 1.34 - 1.63 Mg m-3으로 대부분의 토양에서 표토에 비해 심토의 용적밀도가 높은 것으로 나타났다 (Table 1). 토성 분석용 시료는 표토와 심토에서 각각 균일하게 채취하여 풍건한 후 2 mm 체를 통과한 시료를 공시토양으로 사용하였다. 입경분포는 비중계 (Hydrometer)법으로 분석하였으며, 토성은 미농무성 (USDA) 분류기준에 따라 분류한 (Gee and Bauder, 1986) 결과, 토성은 사양토, 양토, 미사질양토로 분포하였는데 SW와 YS 토양은 표토와 심토 모두 양토였으며, NJ 토양은 표토와 심토 모두 미사질양토였다. DG 토양은 표토는 사양토, 심토는 양토였으며 MY 토양은 표토와 심토 모두 사양토였다 (Table 1). 보수력은 토양별 수분보유곡선을 위한 토양수분함량을 측정하는 방법으로, 반코어 (50 cm3)를 이용하여 표토 (0 - 20 cm)와 심토 (20 - 40 cm)에서 각각 3반복으로 채취하여 Pressure plate extraction법 (Cassel and Nielsen, 1986)으로 포장용수량 (field capacity, -33 kPa)과 영구위조점 (wilting point, -1,500 kPa)에 해당하는 용적수분함량을 분석하였다 (Table 1).
Table 1.
Selected physical properties of the soils in experimental fields.
| Codes |
Depth (cm) |
Bulk density1 (Mg m-3) | Particle size distribution (%)1 | Soil texture | Volumetric water content (v v-1) | |||
| Sand | Silt | Clay |
Field capacity (-33 kPa) |
Wilting point (-1,500 kPa) | ||||
| Suwon (SW) | 10 | 1.41(0.06) | 47.4(0.3) | 33.7(0.3) | 18.9(0.5) | Loam | 27.8 | 14.0 |
| 30 | 1.63(0.05) | 51.4(0.2) | 31.7(0.4) | 16.9(0.2) | Loam | 29.4 | 21.0 | |
| Yesan (YS) | 10 | 1.38(0.06) | 34.9(0.9) | 39.3(0.5) | 25.8(0.4) | Loam | 25.4 | 14.6 |
| 30 | 1.54(0.04) | 37.8(0.5) | 37.2(1.0) | 25.0(0.5) | Loam | 30.4 | 24.5 | |
| Naju (NJ) | 10 | 1.45(0.07) | 11.1(1.1) | 62.7(0.8) | 26.2(0.5) | Silt loam | 30.2 | 14.4 |
| 30 | 1.34(0.04) | 11.2(0.5) | 62.1(0.4) | 26.7(0.2) | Silt loam | 31.2 | 15.0 | |
| Daegu (DG) | 10 | 1.33(0.02) | 62.0(1.1) | 26.2(0.7) | 11.8(0.4) | Sandy loam | 24.9 | 11.7 |
| 30 | 1.45(0.02) | 51.3(0.5) | 32.6(0.4) | 16.1(0.2) | Loam | 17.3 | 8.3 | |
| Miryang (MY) | 10 | 1.35(0.05) | 53.1(0.6) | 30.9(0.9) | 16.0(0.4) | Sandy loam | 25.2 | 7.8 |
| 30 | 1.47(0.04) | 55.2(0.3) | 29.5(0.2) | 15.3(0.1) | Sandy loam | 26.0 | 16.7 | |
밭가뭄 평가 모형의 정확도 검증
밭가뭄 평가 모형으로 1주일마다 산정된 SAWCp와 SAWCe를 비교하여 밭가뭄 평가 모형의 정확도를 검증하였는데, SAWCp는 평가 기준일 1주일 전에 예측된 1주일 후의 값이고, SAWCe는 평가기준일에 산정된 값으로 비교일자는 동일한 날이다. 이 때, SAWCp는 강우가 없는 조건하에 산정된 값이기 때문에 SAWCe와 비교할 때 실제 강우량이 발생하지 않았던 일자와 지역을 선별하여 비교하였다. 또한, 실제 현장에서 수집된 실측값과 얼마나 유사한지 비교하기 위해 현장에서 TEROS 12 센서로 수집한 용적수분함량을 밭가뭄 모형을 통해 토양유효수분율로 계산한 값 (SAWC measured in field, SAWCm)과 밭가뭄 평가 모형을 통해 산정된 값 (SAWCe)을 비교하였다.
모형의 정확도를 검증하기 위해 상관관계는 SPSS 25.0 (SPSS Inc., Chicago, Illinois, USA)으로 선형 회귀분석을 수행하였다. 각 회귀식의 결정계수 (r2)를 이용하여 밭가뭄 모형의 해석 능력을 비교하였으며, 평균제곱근오차 (RMSE, root mean squared error)와 SAWCe와 SAWCm 간의 백분율 차이 (% Change by model)를 계산하여 모형의 실제 측정값과의 유사도를 평가하였다. 모델 예측의 정확도를 평가하는 지표인 Nash-Sutcliffe Efficiency (NSE)를 이용하여 밭가뭄 평가 모형의 예측이 얼마나 정확한지 평가하였다.
여기서, Ei는 모형에서 산정된 기준일의 토양유효수분율, Mi는 현장에서 수집된 실측값, SAWCm은 현장에서 토양수분센서를 통해 수집된 토양유효수분율, SAWCe는 밭가뭄 평가 모형을 통해 산정된 토양유효수분율, Pi는 모형에서 산정된 토양유효수분율 예측값, 는 모형에서 산정된 기준일의 토양유효수분율 평균값이다.
Results and Discussion
현장 실측 데이터를 활용한 밭가뭄 평가 모형의 정확도 검증
국내 5개 지역의 콩 포장 (Fig. 2)의 데이터 수집기간의 기상현황은 Table 2와 같다. 대상기간 동안 합계일사량 (solar radiation)은 YS가 1,689.1 MJ m-2로 가장 많았고, 누적강수량 (precipitation)은 NJ가 1,336.0 mm로 가장 많았으며, 평균풍속, 평균온도, 평균상대습도는 지역별로 큰 차이가 없었다 (Table 2). 현장에서 수집한 수분 실측 자료를 토양유효수분율로 산정하여 밭가뭄 평가 모형으로 산정된 값과 비교한 결과, SW, YS, NJ, DG, MY 토양의 r2는 각각 0.70, 0.54, 0.60, 0.70, 0.78로 나타났다 (Fig. 4). 또한, 모형에 따른 토양유효수분율과 실제 수집된 토양유효수분율 값의 차이를 RMSE로 비교 분석하였을 때, SW, YS, NJ, DG, MY 토양의 RMSE는 각각 21.7, 27.4, 18.4, 12.9, 20.9로 나타났다 (Fig. 4). 본 연구의 결과, 5개 지역 중 MY 토양의 r2가 0.78로 가장 높았던 반면 (Fig. 4e), DG 토양의 RMSE가 12.9로 가장 낮았다 (Fig. 4d). 이는 밭가뭄 평가 모형의 전반적인 토양유효수분율 변동성에 대한 설명력과 모형의 예측 정확도가 토양별로 다를 수 있음을 의미한다. 즉, MY 토양은 모형이 현장의 토양유효수분율 변동성을 잘 설명하고 있는 반면 모형으로 산정된 토양유효수분율과 실제 측정된 값 간의 절대적인 오차는 존재하는 점을 의미한다. 반면, DG 토양은 모형에서 산정된 토양유효수분율이 실제 측정된 값에 가깝게 맞추고 있어 예측 오차가 적다는 것을 의미하지만, 전체적인 토양유효수분율 변동성은 잘 설명하지 못하는 것으로 나타났다. 이는 각 토양의 특성과 기상 현황 등이 모형의 성능에 영향을 미칠 수 있음을 의미하는데, MY 토양은 밭가뭄 평가 모형에서 토양유효수분율을 산정할 때 이용한 기상청의 기상현황과 현장에서 실제 수집한 기상현황이 유사하여 토양 수분의 변화를 잘 설명하는 것으로 확인되었다 (Fig. 4e). 반면, DG 토양은 일부 기간 (August 17 - 24)에 모형의 SAWCe와 실제 현장의 SAWCm 간에 토양수분 변동의 경향이 다르게 나타난 점과 같이 밭가뭄 평가 모형에서 토양유효수분율을 산정할 때 이용한 기상청의 기상현황과 현장에서 실제 수집한 기상현황 간의 오차 (특히 강수량, 해당기간 약 50 mm 오차)로 인해 r2가 낮아진 것으로 확인된다 (Fig. 4d).
Table 2.
Weather conditions during the data collection period of soybean cultivation in experimental fields. The solar radiation and precipitation are presented as total values and wind speed, temperature, and relative humidity are presented as mean values during experimental period.
| Codes1 | Period | Days |
Solar radiation (MJ m-2) |
Precipitation (mm) |
Wind speed (m s-1) |
Temperature (°C) |
Relative humidity (%) |
| SW | June 20 - Oct. 11 | 113 | 1641.6 | 697.4 | 1.2 | 24.4 | 80.5 |
| YS | June 21 - Oct. 10 | 111 | 1689.1 | 784.9 | 1.1 | 24.0 | 87.5 |
| NJ | June 28 - Oct. 17 | 111 | 1509.0 | 1336.0 | 1.0 | 24.3 | 89.7 |
| DG | June 29 - Oct. 18 | 111 | 1147.1 | 975.8 | 1.0 | 24.0 | 82.2 |
| MY | June 28 - Oct. 17 | 110 | 1654.0 | 1121.3 | 1.2 | 24.6 | 81.3 |
1The code names of experimental fields are provided in Table 1.
Fig. 4.
Comparison of soil available water content estimated at given reference date (SAWCe) of model for assessing upland drought and soil available water content measured (SAWCm) in five soybean field. The correlation was statistically significant at α = 0.05, and the code names are provided in Table 1.
한편, SAWCm와 SAWCe의 차이는 -6.3%에서 +46.4%로 나타났는데, DG 토양을 제외한 모든 토양에서 SAWCm에 비해 SAWCe가 높은 것으로 나타났다 (Fig. 5). 밭가뭄 평가 모형은 콩의 유효토심 60 cm를 기준으로 하여 개발되었으나, 실제 현장 조건에서 해당 깊이의 토양의 물리적 특성 조사와 토양수분함량 센서 설치가 다소 어려운 점이 있어 심층부 토양의 높은 수분함량이 고려되지 못하여 SAWCm에 비해 SAWCe가 다소 높게 측정된 것으로 판단된다 또한, SW, YS, MY 토양은 실제 현장에서 토양수분센서로 측정된 값과 모형의 토양유효수분율의 차이가 각각 22.1%, 46.4%, 35.7%로 높은 편에 해당하여 토양 수분이 감소할 때 상대적으로 큰 폭으로 감소하여 RMSE가 높았던 것으로도 나타났다 (Fig. 5). 이는 토성에 따른 토양수분 보유능 차이일 것으로 예상되었는데, MY 토양은 사양토 (sandy loam)였지만 SW와 YS 토양의 토성은 양토 (loam)로 토성의 영향뿐만 아니라 다른 요인들도 이러한 결과에 영향을 미쳤을 것으로 판단된다. 또한, 일반적으로 사양토가 입자가 크고 공극이 많아 물이 빠르게 배수되기 때문에 토양수분이 급격하게 감소하는 것으로 알려져 있지만 (Lee et al., 2022), 본 연구결과에서는 이러한 경향이 나타나지 않은 것으로 보아 토성뿐만 아니라 토양의 구조, 유기물함량, 공극 크기 등 다양한 요인들이 영향을 미쳤을 것으로 판단된다 (Yang et al., 2023). 특히, Ankenbauer and Loheide (2016)은 유기물함량 범위에 따라 유효수분함량이 최대 120% 증가한다고 보고하였으며, 그 외에도 토양 유기물함량에 따른 토양수분 보유능에 관한 다양한 연구 결과들이 보고되고 있기에 (Lal, 2020), 토양 유기물함량을 고려하여 밭가뭄을 평가하는 것이 중요할 것으로 판단된다. 또한, 토양 유기물함량 외에도 입단분포 (soil aggregate distribution) 및 공극 크기에 따른 수분보유능에 관한 선행연구 (Rivera and Bonilla, 2020; Sekaran et al., 2021)가 보고되고 있어, 후속 연구를 통해 현재 개발된 모형에서 보다 더 다양한 요인을 고려하여 밭가뭄을 평가한다면 밭가뭄 평가 모형의 정확도를 높일 수 있고, 밭가뭄을 대응하는데 유용하게 활용될 수 있을 것으로 기대된다.
Fig. 5.
Percentage differences between soil available water content estimated at given reference date (SAWCe) of model for assessing upland drought and soil available water content measured (SAWCm) in soybean field. The code names are provided in Table 1.
밭가뭄 평가 모형의 오차 점검
밭가뭄 평가 모형으로 1주일마다 산정된 SAWCp와 SAWCe을 선형 회귀분석으로 비교한 결과, SAWCp와 SAWCe 간의 결정계수 (r2) 값은 0.91로 높은 점 (P < 0.001)은 기준일로부터 1주일간 강우가 없는 경우 모형의 토양유효수분율 변화를 효과적으로 잘 설명한다는 점을 의미한다 (Fig. 6). 또한, 일반적으로 NSE는 -∞에서 1까지의 값을 가지며, 1에 가까울수록 모델의 예측 성능이 좋다는 것을 의미하는데 (Moriasi et al., 2007), 본 연구결과에서 SAWCp와 SAWCe 간의 NSE는 0.89로 높은 값을 나타냈다 (Fig. 6). 이는 밭가뭄 평가 모형의 예측값이 신뢰할 수 있는 값임을 의미한다.
한편, SAWCp와 SAWCe의 차이가 -18.5%에서 +29.2%로 모형의 정확도에 차이가 있었는데, 이는 증발산량과 수분 스트레스 계수에 의해 발생한 오차로 설명할 수 있다. SAWCp의 증발산량을 산정할 때 활용한 과거 1주일간의 증발산량보다 실제 기상 현황자료를 수집하여 산정된 SAWCe의 증발산량이 증감하는 차이 또는 증발산량 증감에 따라 변화하는 수분 스트레스 계수 차이로 인하여 발생하는 오차로 확인되었다. 즉, SAWCp에서 활용한 증발산량보다 실제 수집된 기상자료를 활용하여 산정한 증발산량이 증가할 경우 수분 스트레스 계수가 감소할 수 있어 SAWCp에 비해 SAWCe의 토양유효수분율이 감소하게 되어 음 (-)의 차이가 발생하였으며, 이와 반대의 경우는 SAWCp에 비해 SAWCe의 토양유효수분율이 증가하게 되어 양 (+)의 차이가 발생하였다. 이상의 결과를 종합하면, 토양유효수분율 기반의 밭가뭄 평가 모형의 정확도는 높은 편이지만, 모형으로 예측한 1주일 후의 토양유효수분율인 SAWCp와 1주일 후 모형으로 산정한 당일의 토양유효수분율 SAWCe 간의 차이를 좁히기 위해서는 보다 더 정밀한 방법으로 증발산량을 산정하고, 이를 통해 밭가뭄 평가의 정확도를 향상시키는 것이 필요하다.
Conclusions
기후변화로 인한 폭우, 폭염 등 극한 이상기상의 빈도가 증가함에 따라 가뭄도 빈번하고 강하게 발생할 것으로 예측되고 있다. 특히 밭에서의 물 공급은 자연 강우에 의존하므로 가뭄이 발생하면 작물의 생장과 생산량에 막대한 영향을 미칠 수 있다. 따라서 기상에 따른 토양수분 상태 평가를 통해 가뭄을 예측하는 것은 중요하다. 국립농업과학원은 토양유효수분율에 기반한 밭가뭄 평가 모형을 통해 주 1회 밭가뭄 예 ‧ 경보를 실시해 오고 있지만, 가뭄 정보의 신뢰성 확보를 위해서는 모형의 정확도와 예측력에 대한 검증이 필요하다. 콩을 재배하고 있는 5개의 포장에서 수집한 토양수분함량 (SAWCm)과 밭가뭄 평가 모형의 토양유효수분율 (SAWCe)을 비교한 결과 r2는 0.54 - 0.78, RMSE는 12.9 - 27.4의 범위로 나타났다. SAWCm와 SAWCe의 차이는 -6.3%에서 +46.4%의 범위를 보였는데, 이는 토성을 비롯하여 토양의 구조, 유기물 함량 등의 토양특성이 영향을 미친 것으로 판단되었다. 또한, 밭가뭄 평가 기준일의 토양유효수분율 (SAWCe)과 기준일로부터 1주일 전에 예측된 평가 기준일의 토양유효수분 예측값 (SAWCp)과의 오차를 비교하였다. 그 결과, r2 = 0.91, NSE = 0.89로 밭가뭄 평가 모형의 예측이 신뢰할 수 있는 값을 제공하는 것으로 나타났다. SAWCe와 SAWCp의 차이는 -18.5%에서 +29.2%의 범위를 보였는데 이는 증발산량과 수분 스트레스 계수의 차이로 평가되었다. 이러한 결과들을 종합하면, 밭가뭄 평가 모형은 비교적 신뢰할만한 결과를 보여주고 있으나 정확도를 개선하는 것이 필요하고, 이를 위해서는 기상청에서 제공하는 기상자료와 현장에서 수집한 기상자료 차이를 보정하는 등의 정밀한 방법을 증발산량 산정에 반영하고, 토양의 구조, 유기물함량 등 다양한 토양특성도 고려하는 것이 필요하다.
