Assessing nitrogen transport through soil layers in weighable lysimeter under climate change scenarios using HYDRUS­1D model

Min­ji Kim; Taeil Jang; Donghyun Kim; Junghun Ok; Chanwook Lee; Yejin Lee

doi:10.7745/KJSSF.2025.58.2.213

Preview

Original research article

Korean Journal of Soil Science and Fertilizer. 31 May 2025. 213-227
https://doi.org/10.7745/KJSSF.2025.58.2.213

Assessing nitrogen transport through soil layers in weighable lysimeter under climate change scenarios using HYDRUS1D model

Minji Kim¹

Taeil Jang²

Donghyun Kim³

Junghun Ok⁴

Chanwook Lee⁴

Yejin Lee⁴^*

¹Doctoral Student, Division of Soil and Fertilizer, National Institute of Agricultural Sciences RDA Wanju 55365, Korea

²Professor, Department of Rural Construction Engineering and Institute of Agricultural Science & Technology, Jeonbuk National University, Jeonju 54896, Korea

³Post-Doctor Researcher, Division of Soil and Fertilizer, National Institute of Agricultural Sciences, RDA, Wanju 55365, Korea

⁴Researcher, Division of Soil and Fertilizer, National Institute of Agricultural Sciences, RDA, Wanju 55365, Korea

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0/):

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

Field monitoring is often limited by factors such as time, labor, weather, crop types, and soil properties. To overcome these limitations, process-based modeling can complement field observations. This study evaluated soil moisture dynamics and nitrate-N leaching using data from weighable lysimeters and the one-dimensional HYDRUS-1D model, incorporating future climate scenarios (SSP2-4.5 and SSP5-8.5) to assess potential impacts under projected climate conditions. Model performance was evaluated using the Coefficient of determination (R²), Willmott’s index of agreement (d), and the Nash–Sutcliffe efficiency (NSE). HYDRUS-1D showed good agreement between observed and simulated soil water content and nitrate-N concentration. Soil moisture content in loam soils, R² ranged from 0.37 to 0.72, d from 0.18 to 0.40, and NSE from 0.13 to 0.59. In sandy loam, values were higher: R² from 0.52 to 0.77, d from 0.27 to 0.47, and NSE from 0.39 to 0.67. Nitrate-N concentrations were accurately predicted at all depths in loam and at 30 cm in sandy loam. Short-term simulations (2025 - 2054) under Shared Socioeconomic Pathway (SSP) 2-4.5 and Shared Socioeconomic Pathway (SSP) 5-8.5 scenarios showed that soil moisture at 10 and 30 cm depths increased significantly under SSP5-8.5 due to greater rainfall and evapotranspiration. Nitrate-N concentrations gradually declined compared to 2025. In loam, nitrogen leaching remained relatively low overall, with only a slight increase under SSP5-8.5 compared to SSP2-4.5, particularly during heavy rainfall. In sandy loam, however, nitrogen leaching was consistently higher under SSP5-8.5 and gradually over time. These findings underscore the importance of nitrogen management strategies that respond to climate variability. Integrating field monitoring with modeling offers an effective approach for predicting nitrogen dynamics and supporting sustainable fertilizer use under changing climate conditions.

https://cdn.apub.kr/journalsite/sites/ksssf/2025-058-02/N0230580206/images/ksssf_2025_582_213_F0.jpg

Modeling soil moisture content and NO₃-N leaching at 10, 30 and 55 cm of soil depths under climate change scenarios using HYDRUS-1D model.

Keywords

Fertilizer

Nutrient management

Soil moisture

Solute transport

MAIN

Introduction
Materials and Methods
중량식 라이시미터 개요
시험 포장 및 설계
자료 수집 및 분석
HYDRUS-1D model
모델 성능 평가
기후변화 시나리오 적용
Results and Discussion
물수지
질소수지
HYDRUS-1D 모델의 적용성 평가
기후변화 시나리오 영향 평가
질소 용탈 관리 방안
Conclusions

Introduction

노지 재배에서 가뭄, 홍수와 같은 이상기후는 농업 생산성을 저하시킬 뿐만 아니라 사회경제적 위기를 초래할 수 있다 (Kim et al., 2014). 2020년 한국기후변화 평가보고서 (ME, 2020)에 따르면, 최근 봄철 이상 고온과 강우 빈도 증가 추세가 나타나고 있으며 (Kim et al., 2021), 향후 강우량 또한 증가할 것으로 예측된다 (Craig, 2010; Roxy et al., 2017; Hess et al., 2020; Ingraffia et al., 2022). 한편, 지난 106년 동안 한반도의 강수량은 증가했지만, 강수일수에는 큰 변화가 없어 (Kim et al., 2021), 강우 강도가 증가하고 있으며, 이는 양분 용탈을 가속화시켜 질산염 이동이 더욱 심화될 수 있음을 의미한다 (Reichstein et al., 2003; NIMS, 2018; Nouri et al., 2022).

기후변화가 수문 과정에 미치는 영향은 다양한 모형을 통해 예측되고 있다. Kim et al. (2023)은 SWAT 모델을 활용해 Shared Socio-economic Pathway SSP2-4.5 (SSP2-4.5)와 Shared Socio-economic Pathway SSP5-8.5 (SSP5-8.5) 시나리오에 따른 미래 영산강 유역의 유량을 분석한 결과, 연평균 강수량과 온도가 시간이 지남에 따라 증가하는 경향을 보였다. Feyissa et al. (2024)은 동일한 SWAT 모델과 시나리오를 적용하여 2031 - 2060년 및 2071 - 2100년 두 기간 동안 CMIP6 기후 모델 출력이 유역 수문 과정에 미치는 영향을 평가하였고, 두 시나리오 모두 연간 및 계절별 유량 증가를 나타나 향후 유역 내 수자원에 영향을 줄 것으로 전망되었다.

농경지에서는 작물의 생육과 수확량 증대를 위해 화학 비료를 사용하는데, 이 중 질산태 질소 (Nitrate-N, NO₃-N)는 토양 흡착력이 낮고 물에 대한 용해도가 높아 지하로 쉽게 용탈되며, 이는 비점오염의 주요 원인으로 작용한다 (Owens et al., 1994; Chung et al., 2004; Gruber et al., 2008; Lee et al., 2018). 그러나 질산태 질소의 이동은 강우량, 농도, 토양 특성 등 다양한 요인의 영향을 받기 때문에 이를 정확히 파악하는 것이 중요하다. 그러나 현장 기반 모니터링은 많은 시간과 인력 자원이 소요되며, 기상 조건, 재배 작물, 토양 특성 등에 따라 결과의 신뢰성이 떨어질 수 있다. Heffer and Prud’homme (2016)는 2008년 경기 침체와 금융 위기로 비료 소비가 일시적으로 감소했으나, 이듬해 반등하여 2000년부터 2013년까지 지속적으로 증가했다고 보고하였다 (An et al., 2024). 특히 질소 비료의 세계 수요는 연평균 약 2.6% 증가할 것으로 예상되므로, 질소 손실을 최소화하고 작물 생산성을 안정적으로 유지하기 위해서는 보다 정밀한 질소 이동 예측과 효율적인 시비 전략의 수립이 필수적이다 (IFA, 2011; Lee and Kim, 2025).

이러한 한계점을 보완하기 위해 수치 모델을 활용하는 접근이 효과적이다. 모델링은 수분 및 질소 농도 변화를 예측하고 분석함으로써 현장 모니터링에 따른 시간과 비용을 줄이고, 다양한 조건에서 높은 데이터를 확보할 수 있게 한다. 다양한 수문 및 작물 모델들이 존재하며, APEX (Agricultural Policy/Environmental eXtender) 모델은 질소, 인, 농약으로 인한 지하수 이동 및 양분 이동 간의 수질 예측이 가능하고 (Williams et al., 2008, Koo et al., 2017), SWAT (Soil And Water Assessment Tool) 모델은 하위 유역 및 수문학적 반응 단위인 Hydrologic Response Unit (HRU)를 기반으로 전 세계적으로 다양한 유역 규모, 기후대, 환경 조건 및 관리 시스템에 적용된다 (Arnold et al., 2012, Krysanova and White, 2015). APSIM 모델은 작물 생산량을 예측하기 위한 모델이며 (Keating et al., 2003), Aqua Crop 모델은 식물 생리학, 토양 수분 및 염류 이동을 기반으로 일일 바이오매스 생산 및 작물 수확량을 시뮬레이션한다 (Steduto et al., 2009).

그 중 HYDRUS-1D 모델은 비포화 토양에서의 수분 및 용질 이동을 깊이에 따라 정밀하게 분석할 수 있는 장점이 있다. Chen et al. (2022)는 논에서 HYDRUS-1D를 활용하여 질산태 질소의 이동을 모의하고, 질소 적용률 관리를 통한 비점오염 저감 방안을 제시하였다. 또한, Iqbal et al. (2020)은 강우 조건에서 HYDRUS-1D 이용해 토양 수분 수지를 평가하여 모델의 효율성을 입증하였다.

본 연구는 비교란 중량식 라이시미터 기반의 현장 모니터링 데이터를 활용해 HYDRUS-1D 모델로 층위별 토양 수분 및 질산태 질소 용탈 특성을 분석하고, 기후변화 시나리오를 적용하여 미래 기간의 질소 용탈 양상을 평가함으로써, 이에 따른 질소 관리 방안을 제시하고자 한다.

Materials and Methods

중량식 라이시미터 개요

본 연구는 전라북도 완주군에 위치한 국립농업과학원 토양수분이동실험동의 중량식 라이시미터 (UGT, Germany)를 활용하여 수행하였다. 본 라이시미터는 표면적 1 m², 깊이 1.5 m의 스테인리스 재질의 원통형 구조로 설계되었다. 시험구는 무피복 처리된 양토와 사양토 단일 처리구로 구성하였으며, 고추 재배 시험은 3 반복으로 샘플링하여 수행하였다.

시험 포장 및 설계

고추 재배는 2019년부터 2021년까지 진행되었으며, 비료 시용량은 Table 1에 제시하였다. 정식 및 파종 전에는 돈분퇴비 4,400 kg ha^-1, 고토석회 1,000 kg ha^-1를 시용하였으며, 국립농업과학원 작물별 비료사용처방 기준 (NAS, 2006)에 따라 N-P₂O₅-K₂O 시비를 실시하였다. 기비 및 추비로는 각각 질소질 비료로 요소 (urea), 인산질 비료로 용성인비 (superphosphate), 가리질 비료로 염화칼리 (potassium chloride)가 사용되었다. 특히 2020년에는 잦은 강우로 인한 생육 저하가 우려되어 웃거름을 추가로 3회 시용하였다.

Table 1.

Fertilizer application rates for red pepper during the lysimeter experiments from 2019 to 2021.

Year	Basal (NP₂O₅K₂O, kg ha^-1)	Topdressing (NP₂O₅K₂O, kg ha^-1)	Total (NP₂O₅K₂O, kg ha^-1)
2019	103-112-91	87-0-58	190-112-149
2020	103-112-91	87-0-58; 3-0-0; 44-0-0¹	237-112-149
2021	103-112-91	87-0-58	190-112-149

¹Three additional topdressings were applied due to frequent rainfall-induced growth suppression.

자료 수집 및 분석

토양 및 분석법 (NIAST, 2000)에 준하여 분석이 진행되었다. 토양의 층위별 용적 밀도는 코어법 (Blake and Hartge, 1986)을 활용하였으며, 수분함량은 토양 수분 곡선 (Topp et al., 1993)을 통해 산출하였다. pH와 EC는 토양과 증류수 비율을 1:5로 혼합하여 측정하였고, 토양 유기물은 Turin 법을, 총질소 함량은 CN analyzer (Vario Max, Elementar, Germany)를 사용해 분석하였다. 유효인산은 Lancaster 법을 적용하였으며, 교환성 양이온은 1 M NH₄OAC (pH 7.0)으로 추출한 뒤 유도결합플라스마 분광 광도계 (ICP-OES, GBC, Integra XL Dual, Australia)로 분석하였다.

HYDRUS-1D model

물, 열, 용질, 기체의 1차원 수직 이동을 시뮬레이션하기 위해 HYDRUS-1D 모델 (ver 4.17 소프트웨어 패키지)을 활용하였다.

Van Genuchten 모델에서 토양의 수분 특성곡선을 설명하는 주요 매개변수는 θ_r(잔류 수분함량, residual water content), θ_s(포화 수분함량, saturated water content), α (토양 수분 유지 함수, soil water retention function), n (토양 수분 유지 함수, Soil water retention function), K_s(포화 수리전도도, saturated hydraulic conductivity), 그리고 I (전도도 함수에서의 곡률 인자, tortuosity parameter in the conductivity function)이다. θ_r은 더 이상 물이 이동하지 않을 때 토양 내 남아 있는 최소한의 수분량을 의미한다. θ_s은 토양이 완전히 포화되었을 때의 수분함량을 나타낸다. α는 흡인력과 수분함량 간의 관계를 결정하는 상수로, 토양의 공극 크기 분포에 따라 그 값이 달라진다. n은 토양 내 공극 크기 분포를 나타내는 지수이며, 값이 클수록 공극 크기의 분포가 더 균일함을 의미한다. K_s는 포화 상태에서 물이 토양을 통과하는 속도를 나타내며, 물 흐름을 설명하는 데 중요한 역할을 한다. I는 토양 내 공극 구조가 얼마나 복잡하게 얽혀 있는지를 나타내며, 일반적으로 기본값으로 0.5가 사용된다. 이러한 매개변수들은 비포화대 토양에서의 물 이동을 분석하고 예측하는 데 필수적인 요소로 작용한다.

Solute Transport Parameters는 토양 내에서 용질이 어떻게 이동하고 변형되며 반응하는지를 설명하는 매개변수로, 물과 함께 용질의 이동 및 속도를 나타낸다. D_L(dispersion coefficient, 분산계수)는 용질이 물과 함께 이동하면서 대류와 확산 등의 물리적 과정에 의해 퍼지는 정도를 설명하며, 종분산에 해당한다. D_W(molecular diffusion coefficient)는 물에서 외부 요인의 영향을 받지 않고 오직 농도 구배에 의해 확산하는 속도를 나타낸다. K_d(adsorption isotherm coefficient)는 용질이 물에 녹아 있는 상태에서 화학적 또는 생물학적 반응을 통해 제거되거나 분해되는 속도를 의미한다. μ_w’ (first-order rate constant for dissolved phase, representing the chain reaction)은 용질이 화학적 반응 사슬을 통해 여러 단계의 연속적인 반응을 거치며 변형되는 속도를 설명하는 파라미터로, 각 단계에서의 반응 속도를 나타낼 수 있다. μ_s’ (first-order rate constant for solid phase, representing the chain reaction)은 연쇄 반응을 나타내는 고체상의 1차 속도 상수이다. γ_w(zero-order rate constant for dissolved phase)는 용질의 농도와 관계없이 일정한 속도로 소모되는 반응을 설명하는 파라미터이며, γ_s(zero-order rate constant for solid phase)는 용질의 농도와 관계없이 고체상에서 발생하는 반응을 설명하는 파라미터이다. 이러한 매개변수들은 토양 내 용질 이동을 분석하고 예측하는 데 필수적인 역할을 한다.

본 연구에서는 암모니아태 질소 (NH₄⁺–N)가 대기 중으로 휘산되어 발생하는 손실이 없이 전량 질산화한다고 가정하였으며, 이러한 질산화 전환은 시비 직후의 강우에 의해 비료가 토양 내로 침투되면서, 토양 전 층 (0 - 55 cm)에서 일어난다고 설정하였습니다. 해당 가정은 HYDRUS-1D의 초기 조건 설정 시, 토양 입자 크기별 함량과 층위별 질산염 농도를 입력하였다 (Table 2). 또한, 질소 비료 외의 외부 질소 유입은 고려하지 않았습니다. 특히, 강수에 포함된 NO₃^-의 농도는 매우 미미하며, 전체 질소수지에 미치는 영향이 제한적이라고 판단하였다.

시뮬레이션에 필요한 기상자료 (강우량, 관개량, 최고온도, 최저온도, 일사량, 풍속, 상대습도), 토양 특성 (모래, 실트, 점토 함량 및 용적 밀도), 그리고 재배 관리 정보 (정식일, 비료 투입량 및 투입일, 관개일, 수확일) 등을 입력하여 모델을 설정하였다. 또한, HYDRUS-1D 내 작물 파라미터를 활용하여 질소 흡수를 표준 흡수량으로 단순화하였으며, 생육단계별 변화는 반영하지 않았습니다. 이후, HYDRUS-1D 모델을 통해 토양 내에서의 질산염 이동 및 용탈 특성을 평가하였다.

Table 2.

The soil layer data to initially enter into HYDRUS-1D.

Soil	Depth (cm)	Distribution of soil particle (%)			Depth (cm)	NO₃^--N concentrations (mg L^-1)
Soil	Depth (cm)	Sand	Silt	Clay	Depth (cm)	2019	2020	2021
Loam	0 - 13	51.0	41.0	8.0	10	1.12	0.17	0.34
	13 - 26	50.3	41.7	8.0	30	3.6	0.55	1.08
	26 - 61	45.3	42.7	12.0	55	6.70	1.03	2.01
Sand loam	0 - 13	54.0	37.0	9.0	10	2.07	1.63	0.06
	13 - 26	61.8	30.2	8.0	30	6.56	5.27	0.20
	26 - 41	47.2	40.8	12.0	30	6.56	5.27	0.20
	41 - 66	61.7	29.3	9.0	55	12.39	9.81	0.38

모델 성능 평가

모델 성능은 수문 모형 검증 지표인 coefficient of determination (R²), Index of agreement (d), Nash-Sutcliffe Efficiency (NSE) 를 통해 평가하였다.

(Eq. 1)

R^{2} = \frac{\sum_{i = 1}^{n} (O_{i} - \bar{O}) (P_{i} - \bar{P})}{\sqrt{\sum_{i = 1}^{n} {(O_{i} - \bar{O})}^{2} \times {(P_{i} - \bar{P})}^{2}}}

(Eq. 2)

d = 1 - \frac{\sum_{i = 1}^{n} {(O_{i} - P_{i})}^{2}}{\sum_{i = 1}^{n} {((P_{i} - \bar{O}) + (O_{i} - \bar{O}))}^{2}}

(Eq. 3)

N S E = 1 - \frac{\sum_{i = 1}^{N} {(O_{i} - P_{i})}^{2}}{\sum_{i = 1}^{N} {(O_{i} - \bar{O})}^{2}}

$P_{i}$ 는 예측값, $\bar{P}$ 는 예측값의 평균, $O_{i}$ 는 실측값, $\bar{O}$ 는 실측값의 평균이다. R², d, NSE는 1에 가까울수록 모델의 신뢰성이 높다는 것을 의미한다.

기후변화 시나리오 적용

2025년부터 2054년까지의 기후변화 예측을 위해 국립농업과학원 (National Institute of Agricultural Sciences)에서 제공하는 18개 전 지구 기후모형을 사용하였다. 해당 데이터는 1 km 격자 단위로 제공되었으며, 이를 167개의 시군구 행정구역 단위로 변환하여 분석에 활용되었다. 5개의 SSP 시나리오 중 기후변화 및 사회경제 발전이 중간 단계라고 가정하는 경우인 SSP2-4.5와 화석연료의 사용이 높고 도시 위주의 개발이 확대될 것으로 가정하는 경우인 SSP5-8.5를 사용하였다.

Results and Discussion

물수지

고추 재배 기간의 동안의 총 강우량은 2019년 689.5 mm, 2020년 1447.7 mm, 2021년 853.0 mm로, 특히 2020년에는 여름철 강우가 집중되었다. 이 해의 7 - 8월 강우량은 평년 대비 약 두 배 이상 높았으며, 각각 569.5 mm, 533.5 mm의 강우가 기록되었다 (Kim, 2025).

토성에 따라 유출량 특성이 달라졌으며, 사양토는 양토에 비해 유출량이 상대적으로 더 많았다. 2019년과 2021년에는 사양토에서 지하 유출량이 두드러졌지만, 2020년에는 양토의 유출량이 증가하는 양상을 보였다. 이는 양토에서 13 - 137 cm 깊이에 용적 밀도 1.42 - 1.45 Mg m^-3의 경반층이 물의 지하 이동을 제한하여 수분이 토양 내 축적되는 경향과 관련이 있다. 특히 강우가 많았던 2020년에는 경반층의 영향으로 인해 짧은 시간 동안 많은 양의 물이 지하로 유출되었다 (Kim, 2025).

질소수지

질소 비료 시용량은 2020년에 2019년과 2021년보다 47 kg ha^-1 더 많아, 질소 용탈량에도 영향을 미쳤다. 2020년에는 약 4.8배 더 높은 것으로 관찰되었다. 강우가 집중된 시기에는 토양에 따라 질소 유출 경향이 달랐다. 양토에서는 주로 지하 유출량이 증가한 반면, 사양토에서는 질소의 용탈량이 가장 크게 나타났다 (Kim et al., 2025).

HYDRUS-1D 모델의 적용성 평가

토양 수분 모델링에서의 모형 적용성을 평가하기 위해 2019 - 2020년의 실측 자료를 바탕으로 매개변수를 보정하였다 (Table 3). HYDRUS-1D의 Inverse solution 기능을 활용하여 토양 수분함량 및 질산태 질소 농도의 실측값을 입력하였으며, 모델은 반복 계산을 통해 관측값과 시뮬레이션 결과 간의 오차를 최소화하는 파라미터를 자동으로 추정하였다. 이를 통해 보다 실제 조건에 부합하는 모델 파라미터를 설정할 수 있었다. Table 5 및 Fig. 1에서와 같이, 양토와 사양토 모두에서 라이시미터 실측값과 모델 예측값 간 R²는 양토에서 0.37 - 0.72, 사양토에서 0.52 - 0.77이었다. d는 양토에서 0.18 - 0.40, 사양토에서 0.27 - 0.47, NSE는 양토에서 0.13 - 0.59, 사양토에서 0.39 - 0.67로 모두 양 (+)의 값을 나타내었다. 2021년 검증 결과에서는 55 cm 깊이에서 고추 생육 초기의 토양 수분 함량 예측값이 실측값과 잘 일치했으나, 8월과 같이 강우량이 많은 시기에는 모델 예측값이 실측값보다 낮아 과소평가되는 경향이 관찰되었다.

Table 3.

Representative tetrameters on water Flow Parameters used in the HYDRUS1D model.

Soil	Depth (cm)	θ_r¹	θ_s²	α³	n⁴	K_s⁵	I⁶
Loam	0 - 13	0.04	0.41	0.06	2.15	85.00	0.5
	13 - 26	-	1.60	0.41	7.93	97.97	0.5
	26 - 61	0.00	0.37	0.01	2.74	6.15	0.5
Sandy loam	0 - 13	0.04	0.4	0.13	2.00	6.24	0.5
	13 - 26	-	0.32	0.04	3.50	1784.00	0.5
	26 - 41	-	0.36	0.04	1.17	17.58	0.5
	41 - 66	0.04	0.41	0.02	1.45	132.00	0.5

¹θ_r, residual water content; ²θ_s, saturated water content; ³α, soil water retention function; ⁴n, soil water retention function; ⁵K_s, saturated hydraulic conductivity; ⁶I, tortuosity parameter in the conductivity function.

https://cdn.apub.kr/journalsite/sites/ksssf/2025-058-02/N0230580206/images/ksssf_2025_582_213_F1.jpg

Fig. 1.

Simulations of soil water content at 10, 30 and 55 cm soil depth in the weighable lysimeters (a, b, c: loam; d, e, f: sandy loam) using HYDRUS-1D model.

질소 농도 모델링에서의 모형의 적용성 평가를 위해 2019 - 2020년 자료를 기반으로 매개변수를 보정하였다 (Table 4). Table 6 및 Fig. 2에서와 같이, 양토의 경우, 2019 - 2020년 동안 질산태 질소에 대한 R², d, NSE가 10 cm, 30 cm, 55 cm 깊이 모두 양 (+)의 값을 보였다. 사양토의 경우, 30 cm 깊이에서 보정 결과가 양호했음을 R², d, NSE를 통해 확인할 수 있었다. 그러나 일부 보정 및 검증 과정에서 d의 값이 음 (-)의 값을 나타났다.

수문 이동 모델링에서 R²는 0.11에서 0.99의 범위를 보였으며, d는 0.42 - 0.97, NSE는 -2.45 - 0.98로 다양하게 나타났다. 수질 이동 모델링에서의 NO₃-N의 경우, R²는 0.01 - 0.93, d는 0.34 - 0.98, NSE는 0.51 - 0.68의 범위를 보였다.

Table 4.

Representative tetrameters on solute transport and reaction Parameters used in the HYDRUS1D model.

Soil	Depth (cm)	D_L¹	D_w²	K_d³	µ_w′⁴	µ_s′⁵	γ_w⁶	γ_s⁷
Loam	0 - 13	-	0.45	-	-	-	0.07	-
	13 - 26	0.69		-	0.24	-	0.93	-
	26 - 66	-		-	1	-	-	-
Sandy loam	0 - 13	8.09	0.03	0.02	0.52	0.29	0.60	0.08
	13 - 26	-		-	0.81	0.04	0.06	-
	26 - 41	-		0.73	0.02	0.05	0.22	0.05
	41 - 66	-		-	-	-	0.80	-

¹D_L, dispersion coefficient; ²D_W, molecular diffusion coefficient; ³K_d, adsorption isotherm coefficient; ⁴μ_w′, firstorder rate constant for dissolved phase, representing the chain reaction; ⁵μ_s′, firstorder rate constant for solid phase, representing the chain reaction; ⁶γ_w, zeroorder rate constant for dissolved phase; ⁷γ_s, zeroorder rate constant for solid phase.

Table 5.

Evaluating the applicability of soil moisture content in loam and sandy loam.

Soil depth		Soil moisture content
		Loam		Sandy loam
		Calibration	Validation	Calibration	Validation
10 cm	R²¹	0.72	0.68	0.77	0.77
	d²	0.29	0.27	0.34	0.15
	NSE³	0.50	0.50	0.51	0.25
30 cm	R²	0.60	0.57	0.67	0.67
	d	0.40	0.40	0.47	0.47
	NSE	0.59	0.44	0.67	0.40
55 cm	R²	0.37	0.27	0.52	0.51
	d	0.18	0.21	0.27	0.20
	NSE	0.13	0.05	0.39	0.07

¹R², Coefficient of Determination (Measures the proportion of variance explained by the model).

²d, Index of Agreement (Indicates the degree of model prediction accuracy).

³NSE, Nash-Sutcliffe Efficiency (Assesses the predictive skill of hydrological models).

Table 6.

Evaluating the applicability of NO₃N in loam and sandy loam.

		Nitrate Nitrogen
		Loam		Sandy Loam
		Calibration	Validation	Calibration	Validation
10 cm	R²¹	0.47		0.79
	d²	0.10		0.28
	NSE³	0.05		0.23
30 cm	R²	0.77	0.56	0.91	0.41
	d	0.44	0.23	0.44	0.35
	NSE	0.71	0.44	0.70	-0.23
55 cm	R²	0.56	0.53	0.97	0.70
	d	0.10	-1.08	0.32	0.17
	NSE	0.10	-2.03	0.40	0.02

¹R², Coefficient of Determination (Measures the proportion of variance explained by the model).

²d, Index of Agreement (Indicates the degree of model prediction accuracy).

³NSE, Nash-Sutcliffe Efficiency (Assesses the predictive skill of hydrological models).

https://cdn.apub.kr/journalsite/sites/ksssf/2025-058-02/N0230580206/images/ksssf_2025_582_213_F2.jpg

Fig. 2.

Simulations of NO₃-N concentraion at 10, 30 and 55 cm soil depth in the weighable lysimeters (a, b, c: loam soil; d, e, f: sandy loam soil) using HYDRUS-1D model.

기후변화 시나리오 영향 평가

가까운 미래 (2025 - 2054년) 분석한 결과, 연 강수량은 SSP 2-4.5 시나리오에서 6.7%, SSP5-8.5 시나리오에서 7.8% 증가한 것으로 나타났다. 연평균 기온은 SSP2-4.5에서 1.6°C, SSP5-8.5에서 2°C 상승했으며, 강수량보다 온도에서 두 시나리오 간 차이가 더 크게 나타났다.

토양 수분 함량 분석 결과, 양토의 경우 SSP2-4.5 시나리오에서 10 cm, 30 cm 깊이에서 각각 29.0%, 11.2% 증가했으나, 55 cm 깊이에서는 4.9% 감소가 확인되었다. SSP5-8.5 시나리오에서는 10 cm, 30 cm 깊이에서 각각 31.6%, 16.1% 증가한 반면, 55 cm에서는 4.3% 감소하였다. 이러한 감소는 55 cm 깊이가 강수와 증발산의 영향을 덜 받고, 경반층으로 인해 수분 침투가 제한된 결과로 해석된다 (Fig. 3). 반면, 사양토에서는 SSP2-4.5 시나리오에서 10 cm, 30 cm, 55 cm 깊이에서 각각 11.7%, 3.4%, 0.5% 증가했으며, SSP5-8.5 시나리오에서는 각각 15.0%, 8.7%, 1.0% 증가하였다. 전반적으로 SSP5-8.5 시나리오에서 양토와 사양토 모두 더 높은 토양 수분 함량을 보였다.

질소 이동 예측 결과, 사양토에서 질산태 질소의 용탈 농도 초기 (2025 - 2034)에는 SSP2-4.5 시나리오가 SSP5-8.5 시나리오보다 높게 나타났으나, 시간이 지나면서 농도 변화 폭이 감소해 SSP5-8.5에서 더 많은 질소 용탈이 발생하였다. 양토에서도 이와 유사한 경향이 확인되었다. Beusen et al. (2022)에 따르면 SSP 시나리오 중 SSP1을 제외한 대부분 시나리오에서 질소 유출이 증가할 것으로 예측되었으나, SSP5-8.5 시나리오의 2050년 총질소 유출량은 SSP2-4.5에 비해 14.7 - 41.7% 낮을 것으로 전망되었다. 이는 기후변화로 인해 토양 내 질산염 용탈은 증가할 수 있으나 전체적인 농지 면적 감소와 시비 효율 개선 등의 사회적 변화가 총질소 유출량을 줄이는 요인으로 작용할 수 있음을 보여준다. 이 차이는 2050년 이후 더욱 뚜렷해질 것으로 예상되며, 단기 시뮬레이션의 영향을 받은 결과로 해석된다. 그러나 장기적으로는 SSP5-8.5 시나리오에서 층위별 질소 용탈이 더 많아질 가능성이 높다고 평가된다.

https://cdn.apub.kr/journalsite/sites/ksssf/2025-058-02/N0230580206/images/ksssf_2025_582_213_F3.jpg

Fig. 3.

Simulations on soil moisture content and NO₃-N concentration at 10, 30 and 55 cm of soil depth under climate change scenarios SSP2-4.5 and SSP-8.5 using HYDRUS-1D model.

질소 용탈 관리 방안

현장 모니터링의 한계를 보완하고, 기후변화 조건에서 질소 용탈을 효과적으로 관찰 및 관리하는 위한 기반을 마련하였다. 기후변화에 따라 질소 시비량을 N0.5, N1.0 (=baseline), N1.5, N2.0으로 달리 적용하였을 때, 양토에서는 초기 질소 용탈이 적어 토양 내 질소 축적이 발생하였고, 이후 강우량 증가의 영향을 받아 질소 용탈이 이루어졌다. 사양토에서는 SSP2-4.5와 SSP5-8.5 시나리오 모두에서 2025 - 2034년 초기 10년 동안 질산태 질소의 용탈량이 매우 높게 나타났다. 그러나 SSP5-8.5 시나리오에서는 SSP2-4.5보다 오히려 낮은 용탈량을 보였으며, 이는 강우량과 강우 강도의 증가에도 불구하고, 침투성이 낮은 사양토의 특성으로 인해 지하로의 용탈보다는 표면 유출에 기인한 것으로 예측된다 (Fig. 4).

양토는 구조적으로 안정적이기 때문에 유출량과 용탈량이 적은 반면, 물리적 안정성이 낮은 사양토는 강우 강도와 결합되어 지표 유출량과 용탈량이 더 크게 나타났다. 강우가 집중될 경우 질소 비료는 지표수를 통해 유실될 수 있으며, 증발산량이 적고 토양 수분 함량이 높은 환경에서는 질소가 지하로 이동해 용탈량이 증가하는 경향이 있다. Zhou et al. (2017)과 Lu et al. (2021)은 다중 분할 질소 시비가 작물의 중ㆍ후기 생육 기간 동안 질소를 안정적으로 공급해 작물의 수확량을 13 - 15% 증가시킨다고 보고하였다. 반면, 질소를 한 번에 질소를 시비할 경우 강우로 질산염이 더 깊이 이동해 후기 생육기에 질소 부족으로 이어질 위험이 크다고 하였다. 이로 인해 작물 잎의 조기 노화가 발생해 수확량 감소로 연결될 수 있다 (Zhou et al., 2016a; Zhou et al., 2016b; Zhou et al., 2018; Lu et al., 2021). 따라서 비료는 생육단계에 맞춰 투입하거나 강우 예보를 고려하여 살포 시기를 조정해야 한다. 반대로, 증발산량이 많고 토양 수분 함량이 낮은 시기에는 비닐 피복을 통해 수분 증발을 억제함으로써 질소 비료의 효율성을 높여야 한다. 농경지에서 작물 피복은 토양 침식을 줄이고, 토양의 수분을 유지하며, 양분 유실을 방지하는 데 효과적이므로 이러한 관리 방법을 적극적으로 활용하여 (Zuazo and Pleguezuelo, 2009; Lee et al., 2024), 지속적으로 질소 용탈을 모니터링하고, 지역별로 최적의 비료 사용 전략을 세워야 한다.

https://cdn.apub.kr/journalsite/sites/ksssf/2025-058-02/N0230580206/images/ksssf_2025_582_213_F4.jpg

Fig. 4.

Nitrate-N leaching at depth of soils applied to nitrogen ferilization (0.5, 1, 1.5, 2 times) according to climate changes scenarios.

Conclusions

본 연구에서는 라이시미터를 이용한 고추 재배지의 현장 모니터링 결과를 기반으로 수문 모델을 보정 및 검증하고, 기후변화 시나리오와 영농 관리 조건을 반영하여 토양 수분 함량 및 질소 이동의 변화를 분석하였다. 그 결과, SSP5-8.5 시나리오에서 양토 및 사양토 모두 SSP2-4.5보다 더 높은 토양 수분 함량이 나타났으며, 특히 10 cm와 30 cm 깊이에서는 변동 폭이 크고 증가하는 경향이 뚜렷하였다. 반면, 55 cm 깊이에서는 강수와 증발산의 영향이 적어 수분함량이 감소하였다.

질산태 질소 농도는 초기에는 SSP2-4.5 시나리오에서 더 높았으나, 시간이 지남에 따라 두 시나리오 간의 차이는 줄어들었고, SSP5-8.5 시나리오에서 질소 용탈이 증가하는 경향이 관찰되었다. 이는 기후변화가 토양 내 질소 이동 및 용탈에 미치는 영향을 시사하며, 토양 수분과 질소 관리를 병행한 적절한 농업 대응이 필요함을 보여준다.

다만, 본 연구에 사용된 HYDRUS-1D 모델은 질소의 물리적 이동, 특히 질산태 질소의 용탈을 모사하는 데 효과적이지만, 암모니아화, 질산화, 탈질과 같은 질소의 생물학적 ‧ 화학적 변환 과정은 포함하고 있지 않다는 한계가 있다. 이에 따라 본 연구에서는 투입 질소를 일정 비율의 질산태로 가정하여 변환 과정을 간접적으로 반영하였다. 이 가정은 실제 농경지에서의 질산태 질소 용탈 경향을 파악하는 데 유용하였으나, 향후에는 질소 변환 과정을 통합한 모델 개발 또는 보완이 필요하다. 또한, 장기적인 현장 모니터링 데이터 확보를 통해 모델의 신뢰성을 높이고, 다양한 농업 환경에 적용 가능한 예측력을 강화할 필요가 있다.

Funding

This work was carried out with the support of the “Cooperative Research Program for Agriculture Science & Technology Development (Project No. PJ01722104)” of the Rural Development Administration of the Republic of Korea.

Conflict of Interest

The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.

Author Contribution

Kim MJ: Writing-original draft, Visualization, Jang TE: Conceptualization, Writing-review & editing, Kim DH: Visualization, Resources, Ok JH: Data curation, Lee CW: Data curation, Lee YJ: Supervision, Conceptualization, Writing-review & editing.

Data Availability

All data used in this study is found in the paper.

Acknowledgements

This study was supported by 2023 - 2024 collaborative research program between university and Rural Development Administration, Republic of Korea.

References

An JH, Lee CW, Ok JH, Kim MJ, Lee YJ. 2024. Gaseous and leaching loss of nitrogen during winter onion cultivation in monolithic weighable lysimeter with sandy loam texture. Korean J. Soil Sci. Fer. 57:261-271. https://doi.org/10.7745/KJSSF.2024.57.4.261

10.7745/KJSSF.2024.57.4.261

Arnold JG, Moriasi DN, Gassman PW, Abbaspour KC, White MJ, Srinivasan R, Santhi C, Harmel RD, van Griensven A, Van Liew MW, et al. 2012. SWAT: Model use, calibration, and validation. Trans ASABE. 55:1491-1508. https://doi.org/10.13031/2013.42256

10.13031/2013.42256

Beusen AHW, Doelman JC, Van Beek LPH, Van Puijenbroek PJTM, Mogollón JM, Van Grinsven HJM, Stehfest E, Van Vuuren DP, Bouwman AF. 2022. Exploring river nitrogen and phosphorus loading and export to global coastal waters in the Shared Socio-economic pathways. Glob Environ Change. 72:102426. https://doi.org/10.1016/j.gloenvcha.2021.102426

10.1016/j.gloenvcha.2021.102426

Blake GR, Hartge KH. 1986. Bulk density in Methods of Soil Analysis, part1. No. 9, ASA, Madison, Wisconsin, USA.

Chen K, Yu SE, Ma T, Ding J, He P, Li Y, Dai Y. Zeng G. 2022. Modeling the water and nitrogen management practices in paddy fields with HYDRUS-1D. Agric. 12:924. https://doi.org/10.3390/agriculture12070924

10.3390/agriculture12070924

Chung BY, Kim JS, Cho JY. 2004. Environmental Monitoring of Agro-Ecosystem Using Environmental Isotope Tracer Technology.

Craig RK. 2010. Stationarity is dead-long live transformation: five principles for climate change adaptation law. Harv. Envtl. L. Rev. 34:9.

Feyissa TA, Demissie TA, Saathoff F, Gebissa A. 2024. Hydrological responses projection to the potential impact of climate change under CMIP6 models scenarios in Omo River Basin, Ethiopia. Results Eng. 23:102708. https://doi.org/10.1016/j.rineng.2024.102708

10.1016/j.rineng.2024.102708

Gruber N, Galloway JN. 2008. An Earth-system perspective of the global nitrogen cycle. Nature. 451:293-296. https://doi.org/10.1038/nature06592

10.1038/nature0659218202647

Heffer P, Prud'homme M. 2016. Global nitrogen fertilizer demand and supply: Trend, current level and outlook. pp. 4-8. In Proceedings of the 2016 International Nitrogen Initiative Conference, Solutions to improve nitrogen use efficiency for the world, Melboume, Australia.

Hess LJ, Hinckley ELS, Robertson GP, Matson PA. 2020. Rainfall intensification increases nitrate leaching from tilled but not no-till cropping systems in the US Midwest. Agric. Ecosyst. Environ. 290:106747. https://doi.org/10.1016/j.agee.2019.106747

10.1016/j.agee.2019.106747

IFA. 2011. International Fertilizer industry Association. www.fertilizer.org.

Ingraffia R, Amato G, Iovino M, Rillig MC, Giambalvo D, and Frenda A. S 2022. Polyester microplastic fibers in soil increase nitrogen loss via leaching and decrease plant biomass production and N uptake. Environ Res Lett. 17:054012. https://doi.org/10.1088/1748-9326/ac652d

10.1088/1748-9326/ac652d

Iqbal M, Kamal MR, Che Man H, and Wayayok A. 2020. HYDRUS-1D simulation of soil water dynamics for sweet corn under tropical rainfed condition. Appl Sci. 10:1219. https://doi.org/10.3390/agriculture12070924

10.3390/agriculture12070924

Keating BA, Carberry PS, Hammer GL, Probert ME, Robertson MJ, Holzworth D, Huth N. I, Hargreaves JNG, Meinke H, Hochman Z, et al. 2003. An overview of APSIM, a model designed for farming systems simulation. Eur. J. Agron. 18:267-288. https://doi.org/10.1016/s1161-0301(02)00108-9

10.1016/S1161-0301(02)00108-9

Kim J, Kim M, Cho Y. 2021. Assessment of relationship between sediment-discharge based on rainfall characteristic using SWAT model. J. Soil Groundw. Environ. 26:118-129. https://doi.org/10.7857/JSGE.2021.26.6.118

Kim JH, Song YH, Chung ES. 2023. Uncertainty of future runoff projection according to SSP scenarios and hydrologic model parameters. J. Korea Water Resour. Assoc. 56:35-43. https://doi.org/10.3741/JKWRA.2023.56.1.35

Kim MJ. 2025. Evaluation of nitrogen leaching in a weighable lysimeter under climate change scenarios (Master's thesis). Graduate School, Jeonbuk National University, Jeonbuk Special Self-Governing Province, Korea.

Kim MK, Choi SK, Jung GB, Kim MH, Hong SC, So KH, Jeong JH. 2014. APEX (Agricultural Policy/ Environmental eXtender) model: An emerging tool for agricultural environmental analyses. Korean J. Soil Sci. Fert. 47:187-190. http://doi.org/10.7745/KJSSF.2014.47.3.187

10.7745/KJSSF.2014.47.3.187

Koo JY, Kim J, Choi SK, Kim MK, Jeong J, Lim KJ. 2017. Construction of database for application of APEX model in Korea and evaluation of applicability to highland field. J. Korean Soc. Agric. Eng. 59:89-100. https://doi.org/10.5389/KSAE.2017.59.6.089

Krysanova V, White M. 2015. Advances in water resources assessment with SWAT-an overview. Hydrol Sci J. 60:771-783. https://doi.org/10.1080/02626667.2015.1029482

10.1080/02626667.2015.1029482

Lee JM, Yeob SJ, Jun SM, Lee B, Yang Y, Choi SK. 2024. Evaluation of non-point pollution loads in corn-autumn Kimchi cabbage cultivation areas by fertilizer application levels using the APEX model. J. Korean Soc. Agric. Eng. 66:15-27. https://doi.org/10.5389/KSAE.2024.66.5.015

Lee Y, Kim SY. 2025. Co-application of urea and ammonium sulfate enhances cabbage productivity by increasing nitrogen use efficiency in a pot experiment. Korean J. Soil Sci. Fert. 58:81-94. https://doi.org/10.7745/KJSSF.2025.58.1.081

10.7745/KJSSF.2025.58.1.081

Lee YJ, Ok JH, Lee SB, Sung JK, Song YS, Lee DB. 2018. Nitrogen leaching and balance of soils grown with cabbage in weighing lysimeter. Korean J Environ Agric. 37:166-171. https://doi.org/10.5338/KJEA.2018.37.3.23

10.5338/KJEA.2018.37.3.23

Lu J, Hu T, Zhang B, Wang L, Yang S, Fan J, Yan S, Zhang F. 2021. Nitrogen fertilizer management effects on soil nitrate leaching, grain yield and economic benefit of summer maize in Northwest China. Agric Water Manag. 247:106739. https://doi.org/10.1016/j.agwat.2021.106739

10.1016/j.agwat.2021.106739

ME (Ministry of Environment). 2020. Korean climate change assessment report, Ministry of Environment.

NAS (National Institute of Agricultural Science). 2006. Fertilizer application recommendations for crops. RDA, Wanju, Korea.

NIAST (National Institute of Agricultural Science and Technology). 2000. Methods of soil and plant analysis. RDA, Suwon, Korea.

NIMS. 2018. 100 years of climate change on the Korean Peninsula. 31p

Nouri A, Lukas S, Singh S, Singh S, Machado S. 2022. When do cover crops reduce nitrate leaching? A global meta‐analysis. Global Change Biol. 28:4736-4749. https://doi.org/10.1111/gcb.16269

10.1111/gcb.1626935583665PMC9328130

Owens LB, Edwards WM, Van Keuren RW. 1994. Groundwater nitrate levels under fertilized grass and grass‐legume pastures. J. Environ. Qual. 23(4):752-758. https://doi.org/10.2134/jeq1994.00472425002300040020x

10.2134/jeq1994.00472425002300040020x

Reichstein M, Rey A, Freibauer A, Tenhunen J, Valentini R, Banza J, Casals P, Cheng Y, Grünzweig JM, Irvine J, et al. 2003. Modeling temporal and large‐scale spatial variability of soil respiration from soil water availability, temperature and vegetation productivity indices. Global Biogeochem. Cycles 17. https://doi.org/10.1029/2003gb002035

10.1029/2003GB002035

Roxy MK, Ghosh S, Pathak A, Athulya R, Mujumdar M, Murtugudde R, Treeay P, Rajeevan M. 2017. A threefold rise in widespread extreme rain events over central India. Nat. Commun. 8:1-11. https://doi.org/10.1038/s41467-017-00744-9

10.1038/s41467-017-00744-928974680PMC5626780

Steduto P, Hsiao TC, Raes D, Fereres E. 2009. AquaCrop-The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. J. Agron. 101:426-437. https://doi.org/10.2134/agronj2008.0139s

10.2134/agronj2008.0139s

Topp GC, Galganov YT, Ball BC, Carter MR. 1993. Soil water desorption curves. Soil sampling and methods of analysis. Lewis publishers, Ontario, Canada. p. 569-579.

Williams JR, Izaurralde RC, Steglich EM. 2008. Agricultural policy/environmental extender model. Theoretical Documentation, Version, 604:2008-2017. https://doi.org/10.13031/2013.30078

10.13031/2013.30078

Zhou B, Sun X, Ding Z, Ma W, Zhao M. 2017. Multisplit nitrogen application via drip irrigation improves maize grain yield and nitrogen use efficiency. Crop Sci. 57:1687-1703. https://doi.org/10.2135/cropsci2016.07.0623

10.2135/cropsci2016.07.0623

Zhou G, Zhang W, Ma L, Guo H, Min W, Li Q, Liao N, Hou Z. 2016a. Effects of saline water irrigation and N application rate on NH 3 volatilization and N use efficiency in a drip-irrigated cotton field. Water Air Soil Pollut. 227:1-17. https://doi.org/10.1007/s11270-016-2806-2

10.1007/s11270-016-2806-2

Zhou Z, Andersen MN, Plauborg F. 2016b. Radiation interception and radiation use efficiency of potato affected by different N fertigation and irrigation regimes. Eur. J. Agron. 81:129-137. https://doi.org/10.1016/j.eja.2016.09.007

10.1016/j.eja.2016.09.007

Zhou Z, Plauborg F, Liu F, Kristensen K, Andersen MN. 2018. Yield and crop growth of table potato affected by different split-N fertigation regimes in sandy soil. Eur. J. Agron. 92:41-50. https://doi.org/10.1016/j.eja.2017.10.001

10.1016/j.eja.2017.10.001

Zuazo VHD, Pleguezuelo CRR. 2009. Soil-erosion and runoff prevention by plant covers: a review. Sustain agric. 785-811. https://doi.org/10.1007/978-90-481-2666-8_48

10.1007/978-90-481-2666-8_48

Korean Journal of Soil Science and Fertilizer ISSN:0367-6315(Print) 2288-2162(Online) 한국토양비료학회 학회지