2.1 강우침식능인자 지도의 생성

^{Wischmeier and Smith (1978)}은 강우사상에 대한 강우침식능인자 산정 방법을 제시하였는데, 강우사상의 구분은 강우 간격이 6 시간 이내일 경우에는 하나의 강우사상으로 간주하고 토양유실이 발생할 수 있는 강우량은 12.7 mm 이상으로 정의하였다^{(Renard et al., 1997; Wischmeier and Smith, 1978)}. 그리고, 강우량이 12.7 mm이하인 경우에도 15분 이내 강우량이 6.25 mm일 경우에는 토양유실을 발생시킬 수 있는 강우사상으로 정의하였다. 각 강우사상에 대한 산정 방법은 식 (1∼4)와 같다.

여기서, I는 강우강도(mm/hr)이며, e는 강우사상의 시간별 운동에너지(MJ/ha⋅mm)이며, P는 강우사상의 시간별 강우량(mm)이며, E는 강우사상별 운동에너지(MJ/ha)이며, I_30max는 30분 최대강우강도(mm/hr)이며, R은 강우침식능인자(MJ⋅mm/ha⋅hr)이다.

고시에서는 국내 165개 지점에 대한 강우침식능인자를 제시하고 있으며, 이 값을 이용하여 전국에 대한 강우침식능인자 정의가 가능하다. 그런데 현재 고시에서 제시하고 있는 방법은 1973년부터 1996년까지의 강우자료를 이용하여 생성한 강우침식능인자이므로^{(Jung et al., 2004)}, 현재 강우 조건을 반영할 수 있는지에 대한 검토가 필요하다^{(Kim et al., 2018)}. 따라서, 2020년부터 2024년까지 최근 5년에 대한 분단위 강우자료와, 식(1∼4)를 그대로 이용하는 Web ERosivity Model (WERM)^{(Risal et al., 2016)}을 이용하여 강우침식능인자를 정의하였다. KORSLE을 이용해서도 강우침식능인자를 정의하였는데, KORSLE에서는 식(5)나 식(6)와 같이 월강수량(P, mm)과 1에서 12까지의 값을 가지는 월(M)을 이용하는 47개의 산정식을 이용하도록 하고 있다^{(Yu et al., 2017)}.

즉, 본 연구에서 강우침식능인자는 고시에서 제시하고 있는 값을 이용하거나, 분단위 강우자료와 WERM을 이용하여 USLE를 그대로 재연하거나, 월강수량 자료와 KORSLE을 이용하는 세 가지 방법을 검토하였다.

이 세 가지 방법에 의해서 전국에 대한 4개의 강우침식능인자 지도를 생성하였는데, 첫 번째 강우침식능인자 지도는 WERM을 이용하여 기상청의 84개 지점의 분단위 강수량 자료를 이용하여 생성한 것이다. 이 지도는 USLE의 강우침식능인자 정의 방법을 그대로 재연한 것으로 본 연구에서는 참값으로 가정하였다. 두 번째 지도는 첫 번째와 동일한 방법이나, 월강수량을 이용하는 KORSLE에 의한 인자와 비교를 위해서 KORSLE과 일치하는 42개 지점의 분단위 강수량 자료만을 이용한 것이다(Table 1). 세 번째 지도는 식 (1∼4)와 최근 강수량 자료를 이용하지 않고, 고시에서 제시하고 있는 165개 지점에 대해 이미 산정된 값들을 이용하여 생성한 것이다. 네 번째 지도는 KORSLE에 의한 강우침식능인자를 검토하기 위한 것으로 47개 지점의 기상청 월 강수량 자료를 이용하여 생성한 것이다(Fig. 1).

Fig. 1. Rainfall gauge stations to create rainfall erosivity factor maps by four approaches.

2.2 토양침식성인자 지도의 생성

토양침식성인자는 강우침식능인자와 함께 USLE에서 단위를 가지는 인자이다. 지형인자, 지표피복인자, 보전관리인자는 USLE에서 단위가 없는 계수지만, 토양침식성인자는 강우침식능인자와 역수의 단위를 가지면서 두 인자를 곱하였을 때 단위면적당 연간 토양유실량의 단위로 표현될 수 있도록 결정되었다^{(Park et al., 2025; Wischmeier and Smith, 1978)}(식 7).

S₁: soil structure code

1 for very fine granular

2 for fine granular

3 for medium or coarse granular

4 for blocky, platy, or massive

P₁: permeability code

1 for rapid

2 for moderate to rapid

3 for moderate

4 for slow to moderate

5 for slow

6 for very slow

여기서, S₁은 토양구조지수이며, P₁은 투수등급지수이며, OM은 유기물함량(%)이다. 고시에서는 이 토양침식성인자를 토양통별로 제시하고 있으나, 갱신된 토양 속성 및 토양도를 이용하여 현재 조건이 반영되는지 검토할 필요가 있다. 토양구조지수와 투수등급지수는 ^{Park et al. (2025)}에서 제시한 방법에 근거하여^{(Renard et al., 1997; Wall et al., 2002)} 토성별로 정의하였으며(Table 2), 식(7)을 이용하여 토양통별 토양침식성인자를 정의하였다.

따라서 토양침식성인자 지도는 2개가 이용되었는데, 첫 번째 지도는 현재 고시에서 제시하고 있는 값을 이용하는 것으로 2012년 예비조사에 이용되었던 지도이다. 이 지도는 전국 383개 토양통에 대한 토양침식성인자를 가지고 있다. 두 번째 지도는 갱신된 토양 속성을 반영한 것으로 2025년 기준 토양통 분류 및 속성 정보를 이용하여 전국 405개 토양통에 대한 토양침식성인자를 가지고 있다.

2.3 지형인자, 지표피복인자, 보전관리인자 지도의 생성

지형인자는 경사와 관련된 조건을 반영하기 위한 것으로 경사면의 길이와 경사도를 이용하여 산정할 수 있다(식 8과 Table 3). 이 인자는 수치표고모형을 이용하여 지도로 생성할 수 있는데, 국립지리원의 1:5,000 수치지도를 이용하여 30m 해상도를 가지는 전국토에 대한 지형인자 지도를 생성하였다^{(Koo et al., 2016)}.

여기서, λ는 평면거리(m)이며, β는 경사각(°)이며, m은 경사상황변수로 Table 3에 의해 결정한다.

지표피복인자는 강우 타격에 대한 지표면의 보호 정도를 표현하기 위한 인자로 고시에서는 나지, 논, 밭, 초지, 산림, 과수원 등 6가지 항목으로 구분하고 있다(Table 4). 전국토를 대상으로 하여 지표피복인자 지도를 생성하기 위해서는 전국토의 약 10%를 차지하는 도시지역에 대한 인자 정의가 필요한데 고시에서는 이에 대해서는 제시하고 있지 않다. 이에 본 연구에서는 도시지역에 대해서는 ^{Jung et al. (1985)}에서 제시된 0.01로 정의하였다. 지표피복인자 지도는 본 연구 기간의 중간에 해당하는 2022년 영상자료를 이용하여 환경부에서 제시한 중분류 토지피복도(1:25,000)를 사용하였다.

보전관리인자는 영농활동이 토양유실에 미치는 영향을 고려하기 위한 것이다. 이 인자는 농경지에 해당하는 것이기 때문에 농경지가 가지는 조건에 따라서는 값의 차이를 가지며(Table 5), 농경지가 아닌 산림, 초지, 도시 지역에 대해서는 1.0을 적용하였다.

2.4 토양유실량 지도의 생성

자료의 시계열적 조건 및 인자 산정 과정에 대한 검토를 위해 5가지 방법에 의해 토양유실량을 산정하였다. 이 5가지 방법은 강우침식능인자와 토양침식성인자에서는 차이를 가지며, 지형인자, 지표피복인자, 보전관리인자는 모두 동일하다.

USLE_R84는 각 인자 산정의 모든 과정이 USLE가 개발될 때 제안된 과정을 그대로 재연한 것이다. 강우침식능인자는 기상청의 2020년부터 2024년동안 84개 지점에 대해서 WERM을 이용하여 정의되었다. 토양침식성인자는 현재 국토의 토양 속성을 반영하기 위해서 갱신된 토양통 및 토양도 자료를 이용하여 지도를 생성하였다. 이 방법은 USLE를 그대로 재연한 것이기 때문에 참값으로 가정하고 다른 방법들을 평가하였다.

USLE_R42는 KORSLE을 평가하기 위한 것으로 USLE_R84와 모든 과정이 동일하나, KORSLE에서 이용하는 월단위 강수량 자료를 수집한 47개 지점과 일치하며 분단위 강수량이 존재하는 42개 지점에 대해서만 강우침식능인자를 산정한 것이다. 즉, USLE_R42는 USLE_R84와 지점의 개수에서만 차이를 가진다.

PCTE는 고시에서 표로 제시하고 있는 강우침식능인자와 토양침식성인자를 이용한 것이다. 이 방법에서는 강수량 및 토양과 관련된 자료수집이 이루어지지 않았으며, 모두 이미 결정된 값을 이용한 것으로 편의성에서는 가장 우수한 방법이다.

PCTE_K405는 PCTE와 동일하나 토양의 속성이 토양유실량 산정에 미치는 영향을 보기 위한 것으로 자료의 갱신 필요성에 대해 검토하기 위한 방법이다. 강우침식능인자는 PCTE와 동일하게 고시에서 제시하고 있는 값을 이용하였으며, 토양침식성인자는 USLE_R84와 동일한 지도가 이용되었다.

KORSLE에서 강우침식능인자는 47개 기상청 지점에서 수집된 월강수량에 의해 생성된 지도가 이용되었으며, 토양침식성인자는 USLE_R84와 동일한 지도가 이용되었다(Table 6).

3.1 강우침식능인자 산정결과 및 비교

본 연구에서는 4종류의 강우침식능인자가 이용되었는데 모두 전국토에 대해서 30 m 해상도를 가지는 격자자료로 생성되었다. 공간적으로 분포된 강우침식능인자를 비교하기 위해서 10 km 해상도를 가지는 격자망을 생성하여 강우침식능인자를 비교하였다(Fig 2).

최근 5년에 대한 강수량 자료를 이용하여 강우침식능인자를 산정한 USLE_R84에서는 인자의 범위가 3,969MJ⋅mm∼15,990MJ⋅mm의 범위를 보였다. 고시에 제시된 값을 이용하는 PCTE에서는 2,684MJ⋅mm∼6,811MJ⋅mm의 범위를 보였는데 이는 USLE_R84에서 최솟값은 32.37% 작은 값이며, 최댓값은 57.40% 작은 값이다. 평균으로 비교할 때 PCTE는 USLE_R84보다 약 43.40% 작은 것으로 나타났다. KORSLE은 3,948MJ⋅mm∼11,399MJ⋅mm의 범위를 보였는데, 이는 USLE_R84의 최솟값보다 0.52% 작은 값이며, 최댓값은 28.71% 작은 값이다. 평균으로 비교할 때 KORSLE은 USLE_R84보다 11.77% 작은 것으로 나타났다(Table 7). 즉, 강우침식능인자 값의 범위는 PCTE보다는 KORSLE이 작은 차이를 보였다.

각 방법에 의한 강우침식능인자의 공간적 분포를 결정계수(Coefficient of determination; R²)에 의해서 비교하면, USLE_R84와 USLE_R42의 결정계수가 0.71인 것으로 나타났는데 이는 지점이 감소할 경우에 강우침식능인자의 공간적 분포 반영이 다소 어려울 수도 있는 것을 의미한다.

고시의 강우침식능인자는 최근 강수량 자료에 의한 인자와 값의 크기에서는 차이를 보였으나(Table 7), USLE_R84와 PCTE의 결정계수는 0.80이므로 전반적인 경향은 표현할 수 있는 것으로 보인다.

USLE_R84와 KORSLE의 결정계수는 0.57로 상관관계가 있다고 보기 어려운 것으로 보인다. 그런데 USLE_R42와 KORSLE의 결정계수는 0.89로 동일한 지점만을 고려하면 공간적 분포에 대한 상관관계는 높은 것으로 나타났다. 즉, 월단위 강우자료를 사용하더라도 분단위 강우자료의 강우침식능인자와 유사한 경향을 표현할 수 있는 것으로 보인다. 그러나 지점의 개수에서 차이를 보인 USLE_R84와는 낮은 상관관계를 보이면서 공간적 분포 특성을 표현하기에는 한계가 있는 것으로 보인다. 따라서 현재 KORSLE의 강우침식능인자 산정식은 현재 상황을 반영하기에는 충분한 것으로 보이나, 지점을 확대하여 공간적 분포 특성을 고려할 수 있도록 개선할 필요가 있는 것으로 판단된다.

USLE_R42와 KORSLE이 상관관계가 있는 것으로 보인 반면에, PCTE는 이 두 방법과 각각 0.56과 0.41로 모두 상관관계가 있다고 보기 어려웠다(Table 8). 이는 USLE_R84, USLE_R42, KORSLE의 비교에서 강수량 자료 지점의 개수가 상관관계에 영향을 준 것으로 미루어 볼 때에, 강우침식능인자 지도의 생성에는 자료의 시기나 산정 방법보다는 지점의 공간적 분포 특성의 영향이 큰 것으로 보인다.

결정계수를 통한 경향 분석뿐만 아니라, 각 방법에 의한 강우침식능인자의 평균제곱근오차(Root Mean Square Error; RMSE)를 분석하였다(Table 9). 가장 높은 상관관계(R²=0.89)를 보인 USLE_R42와 KORSLE에서 가장 낮은 값을 나타낸 것으로 보아 두 방법으로 산정되는 강우침식능인자의 높은 유사성을 가짐을 의미한다. 반면, USLE_R84와 PCTE의 방법에서 높은 상관관계(R²=0.80)를 보였음에도, RMSE의 값이 가장 큰 값을 나타내었다. 이는 두 방법의 공간적 분포의 경향은 유사하지만, PCTE의 강우침식능인자는 과거 자료를 이용하면서 현재에 비해 상대적으로 작게 산정되었기 때문인 것으로 보인다.

Fig. 2. Comparison of rainfall erosivity factor (MJ⋅mm/ha⋅hr) maps.

3.2 토양유실량 예측 결과 및 비교

토양유실량 예측지도는 5가지 방법에서 지형인자, 지표피복인자, 보전관리인자는 모두 동일하게 이용하였으며, 강우침식능인자와 토양침식성인자는 각 방법에 따라 다르게 적용하여 생성되었다. 모든 인자 지도가 30m 해상도를 가지는 격자자료이므로 토양유실량 예측 지도 역시 동일한 해상도로 생성되었는데, 강우침식능인자 지도 비교와 동일하게 10km 해상도를 가지는 격자망 단위로 결과를 비교하였다(Fig. 3).

USLE_R84는 최근 강수량 및 현재 토양 속성 자료를 이용하였으며, PCTE는 USLE의 방법을 이용하나 고시가 제정될 때의 자료가 이용되었다는 차이가 있는데, 토양유실량 예측 결과의 공간적 분포를 결정계수로 비교할 때 0.61로 상관관계가 있다고 보기 어려워 보인다. 즉, 고시에서 제시하고 있는 강우침식능인자와 토양침식성인자를 이용하여 예비조사를 수행하여 현장조사 대상지점을 선정하는 것에는 적절하지 않은 것으로 보인다. 그러나 PCTE와 유사하나 토양침식성인자를 현재 토양 속성을 갱신하여 적용한 PCTE_K405는 USLE_R84와 결정계수가 0.95로 상관관계가 매우 높게 나타났다. 이는 토양유실량 예측에 있어 토양침식성인자에 의한 영향이 크며, 현재 고시에서 제시하고 있는 토양침식성인자보다는 갱신된 토양 속성을 반영할 필요가 있다는 것을 의미한다.

강우침식능인자의 비교에서 KORSLE은 USLE_R84와 낮은 상관관계를 보였는데, 토양유실량 예측 결과에서는 결정계수가 0.93으로 높은 상관관계를 보였다. 이 결과로 미루어볼 때, 토양유실량 예측에 있어 강우침식능인자보다는 토양침식성인자의 영향이 더 큰 것으로 판단된다. KORSLE과 USLE_R42는 강우침식능인자를 제외한 4개의 인자 지도를 동일하게 이용하고 강우침식능인자 산정 방법 및 이용된 강수량 자료에서 차이가 있었는데, 결정계수가 0.99로 토양유실량 예측 비교 중에 상관관계가 가장 높게 나타났다. 즉, KORSLE이 동일한 지점에 대해서는 토양유실량 예측 결과가 USLE와 매우 유사한 경향을 보이는 것으로 판단된다. 그러나, KORSLE은 국내 47개 지점에 대해서만 강우침식능인자 산정이 가능한데, USLE_R84보다는 USLE_R42와 높은 상관관계를 보인 것으로 미루어볼 때, 강우의 공간적 분포를 잘 반영할 수 있도록 다른 지점들에 대한 산정식이 제시될 필요가 있는 것으로 보인다(Table 10).

토양유실량의 평균제곱근오차(RMSE)를 비교한 결과, 강우침식능인자의 비교와 마찬가지로 USLE_R42와 KORSLE에서 가장 높은 결정계수(R²=0.99)에서 가장 낮은 RMSE 값을 보였다(Table 11). 또한, PCTE와 USLE_R84, USLE_R42 각각의 방법을 비교하였을 때, 결정계수는 0.61과 0.54로 낮은 상관관계를 보였지만, 현재 토양 속성으로 갱신된 토양침식성인자를 적용한 PCTE_K405와 비교하였을 때는 0.95와 0.96으로 높은 상관관계를 보였다(Table 10). 그러나, RMSE는 PCTE와 PCTE_K405 방법에서 높은 값이 나타난 것으로 보아, 앞서 언급한 강우침식능인자의 상관관계와 마찬가지로 토양침식성인자의 경향성은 공간적 분포의 경향성은 반영되지만 예측된 토양유실량의 값의 차이로 인한 것으로 판단된다(Table 11). 하지만, 본 연구는 토양유실의 절대량 산정이 아닌 위험지역을 판별하기 위한 공간적 분포 분석으로 예비조사의 상대평가에 목적을 두고 있으므로, 토양유실의 경향성 분석 지표로는 활용할 수 있을 것으로 판단된다.

Fig. 3. Comparison of average annual soil loss (ton/ha) maps.