Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1226-9999(Print)
ISSN : 2287-7851(Online)
Korean Journal of Environmental Biology Vol.35 No.1 pp.13-20
DOI : https://doi.org/10.11626/KJEB.2017.35.1.013

Evaluating the Applicability of the DNDC Model for Estimation of CO2 Emissions from the Paddy Field in Korea

Wonjae Hwang, Yong-Seong Kim, Hyungi Min, Jeong-Gyu Kim, Kijong Cho, Seunghun Hyun*
Department of Environmental Science and Ecological Engineering, Graduate School, Korea University, Seoul, Republic of Korea
Corresponding author : Seunghun Hyun, 02-3290-3068, 02-3290-3040, soilhyun@korea.ac.kr
February 13, 2017 March 7, 2017 March 9, 2017

Abstract

Greenhouse gas emission from agricultural land is recognized as an important factor influencing climatic change. In this study, the national CO2 emission was estimated for paddy soils, using soil GHG emission model (DNDC) with 1 km2 scale. To evaluate the applicability of the model in Korea, verification was carried out based on field measurement data using a closed chamber. The total national CO2 emission in 2015 was estimated at 5,314 kt CO2-eq, with the emission per unit area ranging from 2.2~10.0 t CO2-eq ha-1. Geographically, the emission of Jeju province was particularly high, and the emission from the southern region was generally high. The result of the model verification analysis with the field data collected in this study (n=16) indicates that the relation between the field measurement and the model prediction was statistically similar (RMSE=22.2, ME=0.28, and r2=0.53). More field measurements under various climate conditions, and subsequent model verification with extended data sets, are further required.


전국 논 토양 이산화탄소 배출량 추정을 위한 DNDC 모형의 국내 적용성 평가

황 원재, 김 용 성, 민 현기, 김 정규, 조 기종, 현 승훈*
고려대학교 환경생태공학과

초록


    Ministry of Environment
    2014001310008

    서 론

    기후변화에 관한 정부간협의체 (IPCC, Intergovernmental Panel on Climate Change) 5차 평가 보고서에 의하면 2011 년 지구 대기의 이산화탄소 농도는 391 ppm으로 산업화 이 전인 1750년에 비해 약 40% 증가하였으며, 지구의 연평균 기온은 133년간 (1880~2012) 약 0.85℃ 상승한 것으로 나타 났다 (IPCC 2013). 기후변화에 영향을 미치는 주요 온실가스 는 이산화탄소 (CO2), 메탄 (CH4), 아산화질소 (N2O) 등이 있 으며, 이는 주로 산업, 운송, 농업 등 인간의 생산 활동과 연 관된 과정에서 배출된다. 미국의 경우 농업 활동 과정에서 토양에서 배출되는 온실가스는 전체 배출량의 약 10%로 추 정하고 있다 (U.S. Department of State 2010).

    한국의 농업은 면적 및 규모가 작고, 농경지가 산발적으 로 여러 지역에 분포하는 특성이 있다. 12.5 km2 수준 (scale) 으로 모형을 구동할 경우 산발적인 농경지의 특성을 고려한 온실가스 배출량 산정이 어렵기 때문에 높은 불확실성을 가 진다. 이러한 이유로 국가적 수준의 정밀한 온실가스 배출량 을 추정하기 위해서는, 고 해상도 기상자료와 토양자료를 바 탕으로 해상도가 높은 (1 km2 수준) 모형 구동이 필요하다.

    이미 해외에서는 DNDC (Denitrification and Decomposition), DAYCENT (The daily Century), COUP (Coupled heat and mass transfer), EXPERT-N 모형 등 많은 토양 온실가스 배출 모형이 연구 및 개발되어 온실가스 배출량 산정에 활 용되고 있다 (Li et al. 1992; Engel and Priesack 1993; Parton et al. 1996; Jansson and Moon 2001). 하지만 현재까지 국내 에서 자체 개발된 토양 온실가스 배출 모형은 없으며, 해외 에서 개발된 모형을 적용하여 현장에서 배출량 산정에 이용 한 사례도 많지 않다.

    선행 연구결과에 의하면, 토양 온실가스 배출 모형의 국내 적용 가능성을 평가하기 위해서 우선적으로 모형의 구조 파 악 및 입·출력 자료 분석을 진행한 결과, DNDC 모형이 국 내 적용에 가장 적절할 것으로 평가되고 있다 (Hwang et al. 2015). DNDC 모형의 국내 적용성을 평가하기 위해서는 국 내 농경지 토양을 대상으로 측정한 온실가스 자료를 바탕으 로 모형의 검증이 이루어져야 한다. 이미 독일, 미국, 영국, 중국 등에서는 다양한 환경에서 장기간 현장 측정한 자료를 바탕으로 모형의 검증을 수행한 바 있지만 (Li et al. 2004; Li et al. 2010), 국내에는 김제의 논 토양에서 CH4를 측정한 후 모형과 비교하여 검증한 사례 (Chun et al. 2016)가 유일하다.

    따라서 본 연구에서는 전국의 논 토양을 대상으로 DNDC 모형을 이용해 연간 발생되는 CO2 배출량을 1 km2 수준으로 추정하였다. 또한 DNDC 모형의 국내 적용성 평가를 위해 2015~2016년 논 토양에서 실제 측정한 CO2 배출량을 토대 로 DNDC 모형의 검증을 실시하였다.

    재료 및 방 법

    1.DNDC 모형의 구조

    우리나라 전국의 논 토양에서 배출되는 CO2의 양을 추 정하기 위해 DNDC 모형을 사용하였다. DNDC 모형은 농 업 생태계에서 일 (day) 단위로써 탄소와 질소의 순환을 바 탕으로 구성된 생지화학적 모형이다 (Li et al. 1992). 이 모 형은 논 토양에서 CO2, CH4, N2O 등의 주요 온실가스 배 출량을 예측할 수 있으며, 기본적으로 토양 유기물의 분해 와 작물의 뿌리 호흡으로 인한 CO2 배출량, 토양의 산화환 원 상태에 따른 CH4 배출량 및 질산화 (nitrification)와 탈 질화 (denitrification) 반응을 통한 N2O 배출량을 모의한다. DNDC 모형은 크게 두 가지 요소로 구성되어 있다. 토양 기 상, 작물의 생장 및 분해에 대한 하위모형 (sub-model)으로 이루어진 첫 번째 구성 요소는 생태학적 인자 (ecological driver; 기상, 토양, 식생, 인간 활동)에 의해서 결정되고, 토 양의 산화환원 상태, 토양 온도, 수분, pH 등이 모의되어 토 양 내 탄소와 질소의 양을 예측한다. 두 번째 구성요소는 첫 번째 구성 요소에서 예측한 탄소와 질소가 생지화학적 반 응인 질산화 (nitrification), 탈질화 (denitrification) 및 혐기소 화 (anaerobic fermentation) 반응을 모의하고 이러한 반응들 을 통하여 NO, N2O, N2, NH3, CO2 및 CH4 배출량을 예측한 다 (Fig. 1). 본 연구에서는 2012년 개발된 DNDC 9.5 버전 (http://www.dndc.sr.unh.edu/)을 이용하여 CO2 배출량 추정 에 사용하였다.

    2.연구대상지 및 입력자료 구축

    논 토양 CO2 배출량 추정을 위한 연구대상지는 동경 124°54′~131°06′, 북위 33°09′~38°45′으로 대한민국 전역 이며, 그 중 지목이 논인 경우만을 추출하여 사용했다. 농경 지의 구분은 2007년 환경부 중분류 토지피복도를 따르며, 1 km2의 정방형 격자 (grid)를 기본단위로 총 63,808개의 격자 를 대상으로 모형을 구동했다. 구동 후 1 km2 격자 내의 논 분포 비율을 토대로 실제 논 면적을 계산했으며, 총 면적은 약 12,600 km2이었다.

    DNDC 모형 구동에 사용되는 입력자료는 총 11가지로, 기 후자료 (최대/최소 온도, 강수량), 재배관리자료 (경운, 비료 사용량, 재배기간, 담수기간), 토양자료 (토양 유기탄소 함량, pH, 점토함량, 용적밀도)로 나누었다 (Table 1). 연구에 사용 된 기상자료는 최고기온 (℃), 최저기온 (℃), 강수량 (cm)이 며 2011년부터 2015년까지 전국 기상 관측소에서 관측된 기 상자료를 일별로 확보하여 사용했다. 기상자료의 보간은 대 표적 공간내삽기법인 Kriging을 이용하였으며, 공간해상도 는 1 km2로 설정하였다.

    재배관리자료는 농촌진흥청 (http://www.nongsaro.go.kr/) 에서 제공하는 영농관리방법을 토대로 최적의 조건에서 벼 가 재배될 수 있도록 평균적인 값을 적용했다. 벼의 재배 기 간은 4월 30일에서 10월 21일이며, 경운은 4월 9일 10 cm 깊이로 모의하였다. 무기질 질소비료 (요소)는 4월 8일과 7 월 28일 각각 50, 20 kg ha-1 시비하였으며, 4월 14일에서 7 월 17일 사이에는 지속담수 (continuous flooding), 7월 27일 에서 9월 26일 사이에는 절수관개 (marginal flooding) 상태 로 담수를 모의했다.

    전국 격자별 토양자료는 토양화학성 (유기탄소, pH)과 토 양물리성 (점토함량, 용적밀도)을 구축했다. 토양화학성 자료 는 국립농업과학원의 토양검정자료 (약 365,000지점; 농촌진 흥청)를 확보한 후 재가공 과정을 거쳐 1 km2 공간해상도 자 료를 확보했다. 토양물리성 자료는 농촌진흥청에서 제공하 는 1/25,000 수치정밀토양을 이용하였으며, 국내 377개 토양 통 분류기준으로 대표토양의 토성을 구분하여 1 km2 공간해 상도로 변환 후 모형의 입력자료로 사용했다.

    3.모형 유효성 검증

    1)조사 지점 및 기초자료 수집

    DNDC 모형의 검증을 위해 경기도 남양주시 와부읍 도곡 리에 위치한 고려대학교 덕소농장 내 논 토양 (37°35′01″N, 127°14′16″E)을 대상으로 CO2 배출량을 측정하였다. 측정 기간은 2015년 2월 6일부터 2016년 10월 12일까지 총 16 회 측정을 실시했으며, 측정 기간 중 기상 환경은 연평균 기 온이 7.7~18.9℃이었으며, 연 평균 누적 강수량은 847 mm 이었다. 기상자료는 2015~2016년까지 덕소농장 인근 기 상 관측소에서 관측된 기상자료를 일별로 확보하여 사용했 다. DNDC 모형 구동을 위한 구체적 입력자료는 Table 2와 같다. 벼의 재배기간은 5월 1일에서 10월 20일이며, 4월 19 일 20 cm 깊이로 경운이 진행됐다. 4월 19일과 9월 20일 ha 당 각각 50, 20 kg의 요소비료를 투입하였으며, 4월 15일~7 월 20일과 7월 25일~8월 10일 기간 동안 절수관개로 담수 를 유지했다. 모형 구동에 필요한 토양자료는 벼 재배 전 표 토를 직접 채취하여 농업과학기술원 토양 및 식물체 분석법 (NIAST 2000)에 의거하여 분석하였다.

    2)토양 CO2 배출량 측정방법

    논 토양에서 대기로 배출되는 CO2를 정량하기 위해 사용 된 방법은 폐쇄형 챔버 (closed chamber)를 이용한 CO2 포집 법이다. 폐쇄형 챔버는 토양과 챔버 내 공기 사이의 농도구 배에 의해 토양에서 배출되는 가스를 포집하기위해 사용하 는 방법으로, 챔버 내부에서 CO2 농도가 평형상태에 도달하 기까지의 시간에 따른 농도 변화를 이용하여 flux를 산정하 는 방법이다 (Clayton et al. 1994). 측정시 사용한 폐쇄형 챔 버는 직경 30 cm, 높이 20 cm (부피 25.1 L)인 원통형으로 불 투명한 아크릴로 제작했다. 또한 챔버 하부에 5 cm 여유공간 을 두었으며, 토양에 직접 삽입하여 포집된 가스가 외부로 새어 나가지 않도록 설계했다.

    CO2 배출량 측정을 위해 1~3000 ppm의 CO2 기체 정량 범위를 갖는 센서 (Soha-Tech Korea)가 포함된 측정장비를 제작했으며, 챔버와 측정장비 사이에 튜브를 연결하고 센 서 통과 후 다시 챔버로 튜브를 연결했다. 챔버와 측정장비 사이에 공기의 일정한 유속을 유지하기 위해 DC 펌프와 공 기 유량계 (1 L min-1)를 설치하여 지속적으로 공기가 순환하 는 시스템을 만들었다. CO2 측정 장비는 CO2 표준기체 (N2 balance, 11.0 Mpa)를 이용해 검량선을 작성했다. 표준기체 의 농도는 500, 1000, 2000 ppmV이었으며, 검량선의 결정계 수 (r2)는 0.999 이상이었다.

    CO2의 포집과 측정은 오전 (8:00~10:00)과 오후 (4:00~ 6:00)에 각각 측정한 후 평균값을 사용했다. 센서를 이용한 시간 변화에 따른 챔버 내 CO2의 농도변화를 초당 1회씩 총 30분간 측정하고 식 (1)을 이용하여 배출량 (flux)을 계산했다 (Drewer et al. 2016).

    Flux = ρ ​   [ V A ] [ Δ C Δ t ] [ 273 ( T + 273 ) ]
    식 (1)

    • F:  flux (mg m-2 hr-1)

    • ρ:  density of gas (mg m-3)

    • V:  volume of the chamber (m3)

    • A:  the bottom area of the chamber (m2)

    • ΔC Δt :  the averagechanging rate of concentration with time (ppmV hr-1)

    • T:  average temperature in the chamber (℃)

    3)유효성 평가 방법

    DNDC 모형의 국내 적용가능성을 평가하기 위해 모형에 서 추정된 값과 실제 측정값을 비교하여 유효성 검증을 실 시했다. 유효성 검증을 위해 사용한 통계 방법은 root mean square error (RMSE), modeling efficiency (ME), pearson correlation coefficient (r)이다 (Moriasi et al. 2007; Tonitto et al. 2007; Reidsma et al. 2009).

    RMSE는 평균 제곱근 오차로 관측값과 모형의 추정값 차 이를 규명할 때 흔히 사용하는 분석기법이다. 아래의 식 (2) 을 바탕으로 관측값과 모형의 추정값의 RMSE 값을 산출하 였다. RMSE가 0에 가까울수록 관측값과 추정값의 신뢰도가 높다.

    R M S E = i = 1 n ( S i O i ) 2 n
    (2)

    ME는 오차의 제곱 합과 관측값과 평균 관측값 차이의 제 곱합을 비교하는 분석기법으로 식 (3)과 같다. ME값은 -∞ 에서 1 사이의 값을 가지는데 1에 가까울수록 관측값과 추 정값의 신뢰도가 높다.

    M E = i = 1 n ( O i O ¯ ) 2 i = 1 n ( S i O i ) 2 i = 1 n ( O i O ¯ ) 2
    식 (3)

    R은 두 값의 상관관계를 결정할 때 가장 대표적으로 사용 되는 분석기법으로 식 (4)를 이용하여 r를 구한 후 결정계수 (r2)를 계산한다.

    r = i = 1 n ( O i O ¯ ) ( S i S ¯ ) i = 1 n ( O i O ¯ ) 2 i = 1 ( S i S ¯ ) 2
    식 (4)

    여기서 Oi는 관측값, Si는 추정값, O는 평균 관측값, S는 평 균 추정값이다.

    결과 및 고 찰

    1.모형 검증결과

    2015~2016년 고려대학교 덕소부속농장 논 토양에서 측 정한 CO2 배출량 (관측값)과, DNDC 모형에서 예측한 배출 량 (추정값)을 비교했다 (Fig. 2). 벼 재배포장에서 측정한 총 16회 CO2 배출량 평균값은 32.1 kg CO2-eq ha-1 day-1이었으 며, 범위는 1.1~95.4 kg CO2-eq ha-1 day-1로 다양한 농업 생 태계에서 배출량을 측정한 범위인 27.8~125.84 kg CO2-eq ha-1 day-1와 유사한 수치였다 (Mu et al. 2013). DNDC 모형 으로부터 추정된 평균 배출량 및 범위는 29.1, 1.4~181.7 kg CO2-eq ha-1 day-1로 관측값과 유사했으나, 최대 배출량은 약 2배 높았다. 모형의 최대 배출량이 높은 이유는 측정 주 기에 의한 오차로, 실제 배출량이 가장 높은 시기의 현장 측 정이 이루어지지 못했기 때문인 것으로 판단된다.

    CO2의 배출량에 가장 큰 영향을 미치는 환경 변수는 토양 의 온도이다 (Huang et al. 2016). 온도가 증가하면 토양 유기 물의 분해를 촉진시켜 CO2의 배출량이 증가한다고 알려져 있다 (Davidson and Janssens 2006). 본 연구에서 추정한 일별 CO2 배출량의 차이는 최고/최저 온도와 상당한 연관성이 있 는 것으로 나타났는데, 특히 온도가 높아지는 여름철에 CO2 의 배출량이 수십 배 이상 높아지는 것을 알 수 있었다. 또한 벼의 재배 전 (4월)과 재배 직후 (5월)의 평균 배출량은 17.7 kg CO2-eq ha-1 day-1에서 44.5 kg CO2-eq ha-1 day-1로 약 2.5 배 증가하며, 특히 5월에서 7월 사이는 평균 96.5 kg CO2-eq ha-1 day-1의 CO2가 지속적으로 배출되었다. 이러한 이유는 농업 활동에 의한 토양 미생물 활성 및 개체군 증가 (Rai and Srivastava 1981)로 토양 유기물의 분해 촉진 및 미생물의 호 흡 증가에 의한 영향 (Raich and Tufekciogul 2000)일 것으로 판단된다. Schimel (2000)Cai et al. (2007)의 보고에 의하면, 무기태 질소를 논 토양에 시비하면 메탄산화미생물과 메탄환 원미생물 활성도에 영향을 준다고 하였다. 즉, 논 토양에 시비 된 질소는 NO2, NO 및 N2O로 환원되고, 환원된 질소 형태가 CO2의 환원 형태인 CH4 발생을 감소시킨다. 또한, 벼 생육이 발달함에 따라 뿌리로부터 배출되는 CO2가 증가하므로, 벼 생육 초기 (4월에서 5월)보다 벼의 지상부와 지하부가 왕성하 게 발달하는 시기인 5월에서 7월에 더 많은 CO2가 발생한다 (Ku et al. 2016).

    DNDC 모형의 유효성을 평가하기 위해 연구포장에서 실 측한 16회 현장 관측값과 모형 추정값을 통계적 방법으로 비교했다 (Fig. 3). 관측값과 추정값의 RMSE, ME, r2은 22.2, 0.28, 0.53으로 모형 적용가능성이 높았다. 다양한 농업환 경에서 CO2 배출량을 측정하고 DNDC 모형과 비교한 연구 (Berntsen et al. 2006; Abdalla et al. 2011)에서 각 값 (RMSE, ME, r2)들의 범위를 비교하면, 0.16~249 (RMSE), 0.03~0.72 (ME), 0.06~0.85 (r2)로 본 연구에서 나타난 결과는 모두 조 사 범위 내에 있었다. 논 토양 CO2 배출량 예측을 위해 고려 대학교 덕소부속농장에서 현장관측값을 이용한 DNDC 모 형의 검증 결과, 관측값과 추정값이 통계적으로 유사한 것을 확인했다. 본 연구에서 선정한 현장측정 지점은 경기 동북부 에 위치하고 있어 국내 논 토양의 배출 특성을 대표할 수 없 다. 하지만 국내에서 최초로 논 토양에서 CO2 배출량을 실 측하고 그 측정결과를 토대로 모형의 검증이 수행되었다는 점에서 의미가 있다. 향후 지속적인 모니터링을 통해 다양한 기상조건에서 현장 측정자료를 구축하고 이를 기반으로 모 형의 검증이 지속적으로 수행될 필요가 있다.

    2.전국 논 토양 CO2 배출량 예측 결과

    1 km2 수준의 모형 구동을 통해 단위면적당 전국 논 토양에 서 배출되는 행정구역별 연간 CO2 배출량을 계산했다 (Table 3). 전국 논 토양에서 배출되는 연간 CO2 총 배출량은 5,314 kt CO2-eq 이었다. 이는 온실가스종합정보센터에서 발표한 2013년 국내 논 토양 CH4 총 배출량인 6.9 Mt CO2-eq보다 낮은 수치였으나 (GIR 2015), 본 연구에서 예측한 CO2 총 배 출량은 CH4 총 배출량의 약 77% 상응하는 수치였다. CH4는 농업생태계의 주된 온실가스 배출원으로 (Anand 2013), 현 재까지의 논을 대상으로 한 온실가스 추정 연구는 주로 CH4 에 초점을 맞추어 연구되고 있다 (Fumoto et al. 2010; Katayanagi et al. 2016; Kim et al. 2016). 하지만 본 연구결과에 따르면, CO2 배출량은 논 토양에서 무시하지 못할 양인 것을 알 수 있었다. 행정구역별 총 CO2 배출량은 전라도가 1617.6 kt CO2-eq로 가장 많았고, 경상도, 충청도 순으로 나타났다. 전라도, 경상도, 충청도 세 구역에서 배출되는 CO2 배출량은 총 4169.6 kt CO2-eq으로 전국 배출량의 약 78%를 차지했다. 반면에 부산, 제주, 서울 등 주요 도시는 적은 논 면적을 가 지고 있어 총 배출량에 큰 영향을 미치지 않았다.

    지역별 CO2 배출량 차이를 확인하기 위해 1 km2 수준의 모든 격자를 대상으로 CO2 배출량을 공간적으로 표현하였 다 (Fig. 4). 전국토의 평균 CO2 배출량은 4.3 t CO2-eq ha-1 year-1이었으며, 63,808개 단위격자에서 모의된 CO2 배출 량 추정값의 범위는 2.2~10.0 t CO2-eq ha-1 year-1로 나타났 다. Pathak et al. (2005)은 인도의 행정구역 단위로 논 토양의 CO2 배출량을 DNDC 모형을 통해 예측했는데, 범위는 2.2~ 8.8 t CO2-eq ha-1 year-1로 본 연구의 결과 범위와 유사했다. 격자별 CO2 배출량을 공간적으로 표현한 결과, 중부 내륙지 역과 남해안 지역에서 산발적으로 배출량이 높았다. 전국적 으로는 중 북부지역 보다는 중남부 지역의 배출량이 높은 것 을 확일할 수 있었으며, 이는 온도가 상대적으로 높은 남부지 역이 북부지역보다 유기물분해가 더 촉진되는 것으로 추측 된다. 한편, 행정구역별 평균 배출량은 제주도, 부산, 전라도 순으로 높게 나타났다. 제주도의 논 토양 면적은 3 km2에 불 과했지만, 평균 배출량이 7.4 t CO2-eq ha-1 year-1로 전국 평 균에 비해 1.7배 높게 나타났다. 제주도는 평균 유기탄소 함 량이 39.8 g kg-1로 전국 평균 토양 유기탄소 함량인 14.2 g kg-1에 비해 2배 이상 높았다. 높은 토양 유기탄소 함량은 토 양 미생물의 에너지원인 탄소원이 풍부하여 미생물에 의한 호흡량을 증가시켜 CO2 배출량이 증가한다고 알려져 있다 (Gershenson et al. 2009). 따라서, 제주도 논 토양에서 단위면 적당 CO2 배출량이 전국 평균에 비해 높은 것으로 나타났다.

    적 요

    본 연구는 대한민국 전역을 대상으로 국외에서 개발된 토 양 온실가스 배출 모형인 DNDC 모형을 적용하여 논 토양 에서 배출되는 CO2를 추정하였다. 모형의 국내 적용성 평가 를 위해서 2015년부터 2016년 경기도 지역 논 토양을 대상 으로 폐쇄형 챔버를 이용해 CO2 배출량을 실측하고, 모형으 로부터 산출된 추정값과 비교했다. DNDC 모형 검증결과 추 정값과 관측값의 RMSE, ME, r2이 각각 22.2, 0.28, 0.53으로 통계적으로 신뢰할 수 있었다. 전국 CO2 배출량 예측 결과, 연간 총 배출량은 5,314 kt CO2-eq이며 이는 전국 CH4 총 배 출량의 77% 수준이었다. 행정구역별로는 전라도가 가장 많 은 배출량을 보였으며, 논의 면적이 많을수록 총 배출량이 높았다. 국토의 단위면적당 CO2 배출량은 2.2~10.0 t CO2- eq ha-1 year-1 범위에 있었으며, 평균값은 4.3 t CO2-eq ha-1 year-1이었다. 지역적으로는 한반도 중부지역 보다 남부지역 에서 단위면적당 배출량이 더 높게 나타났다. 본 연구를 통 해서, DNDC 모형은 국내 논 토양에서 배출되는 CO2 발생량 을 유의하게 모의한 것으로 나타났다. 보다 더 정교한 온실 가스 예측을 위해서는 기후특성, 토양특성, 작물경작특성 및 작물생육 특성을 고려하여 예측하는 것이 중요하며, DNDC 모형의 신뢰도를 높이려면 국내 농업생태계의 환경 및 생물 인자를 모의할 수 있는 세부모형을 개발하는 것이 필요하다.

    사 사

    This study was funded by the Korea Ministry of Environment (MOE) as “Climate Change Correspondence Program (2014001310008)”.

    Figure

    KJEB-35-13_F1.gif

    The main framework of DNDC model (modified from Giltrap et al. 2010).

    KJEB-35-13_F2.gif

    Daily maximum (long dash), minimum (dotted) air temperature, and precipitation (solid) during the experimental period (2015~2016) (a), Comparisons of DNDC model simulated (●) and field observed (○) CO2 emission from Duckso field (b). T and F are the point of tillage and point of fertilizer, respectively.

    KJEB-35-13_F3.gif

    Comparison between observed and simulated CO2 emission (kg CO2-eq ha-1 day-1) from paddy soil in Duckso field. The linear regression line is shown as a solid line. Dash line is an imaginary 1:1 line. Data points of observed CO2 emission are the mean of triplicates, with the standard deviations indicated by error bars.

    KJEB-35-13_F4.gif

    Spatial distribution of national CO2 emission (t CO2-eq ha-1 year-1) from paddy soil, in the year 2015.

    Table

    Input data for the DNDC model

    Major input data for operating DNDC model validation from Duckso field

    Estimation of average CO2 emission (t CO2-eq ha-1 year-1) and total CO2 emission (kt CO2-eq year-1), as per the administrative areas of South Korea, in 2015

    Reference

    1. Abdalla M. , Kumar S. , Jones M. , Burke J. , Williams M. (2011) Testing DNDC model for simulating soil respiration and assessing the effects of climate change on the CO2 gas flux from Irish agriculture , Global Planet. Change, Vol.78 ; pp.106-115
    2. Anand S.V. (2013) Global environmental issues , Sci. Rep,
    3. Berntsen J. , Petersen B.M. , Olesen J.E. (2006) Simulating trends in crop yield and soil carbon in a long-term experiment effects of rising CO2, N deposition and improved cultivation , Plant Soil, Vol.287 ; pp.235-245
    4. Cai Z. , Shan Y. , Xu H. (2007) Effects of nitrogen fertilization on CH4 emissions from rice fields , Soil Sci. Plant Nutr, Vol.53 ; pp.353-361
    5. Chun J.A. , Shim K.M. , Min S.H. , Wang Q. (2016) Methane mitigation for flooded rice paddy systems in South Korea using a process-based model , Paddy Water Environ, Vol.14 ; pp.123-129
    6. Clayton H. , Arah J.R. , Smith K.A. (1994) Measurement of nitrous oxide emissions from fertilized grassland using closed chambers , J. Geophys. Res, Vol.99 ; pp.16599-16607
    7. Davidson E.A. , Janssens I.A. (2006) Temperature sensitivity of soil carbon decomposition and feedbacks to climate change , Nature, Vol.440 ; pp.165-173
    8. Drewer J. , Anderson M. , Levy P.E. , Scholtes B. , Helfter C. , Parker J. , Rees R.M. , Skiba U.M. (2016) The impact of ploughing intensively managed temperate grasslands on N2O, CH4 and CO2 fluxes , Plant Soil, Vol.409 ; pp.1-16
    9. Engel T. , Priesack E. Eijsackers H.J. , Hamers T. (1993) Expert-N, a building block system of nitrogen models as resource for advice, research, water management and policy , Integrated Soil and Sediment Research: a Basis for Proper Protection, Kluwer Academic Publishers, ; pp.503-507
    10. Fumoto T. , Kobayashi K. , Li C. , Yagi K. , Hasegawa T. (2010) Revising a process-based biogeochemistry model (DNDC) to simulate methane emission from rice paddy fields under various residue management and fertilizer regimes , Glob. Change Biol, Vol.14 ; pp.382-402
    11. Gershenson A. , Bader N.E. , Cheng W.X. (2009) Effects of substrate availability on the temperature sensitivity of soil organic matter decomposition , Glob. Change Biol, Vol.15 ; pp.176-183
    12. (2015) National greenhouse gas inventory report of Korea,
    13. Huang S. , Sun Y. , Yu X. , Zhang W. (2016) Interactive effects of temperature and moisture on CO2 and CH4 production in a paddy soil under long-term different fertilization regimes , Biol. Fertil. Soils, Vol.52 ; pp.285-294
    14. Hwang W. , Park M. , Kim Y.S. , Cho K. , Lee W.K. , Hyun S. (2015) Analysis of greenhouse gas emission models and evaluation of their application on agricultural lands in Korea , Ecol. Resil. Infrastruct, Vol.2 ; pp.185-190
    15. (2017) Working group I contribution to the IPCC fifth assessment report climate change 2013: The physical science basis, http://www.climatechange2013.org/report/ Accessed 3. Feb. 2017
    16. Jansson P.E. , Moon D.S. (2001) A coupled model of water, heat and mass transfer using object-orientation to improve flexibility and functionality , Environ. Model. Softw, Vol.16 ; pp.37-46
    17. Katayanagi N. , Fumoto T. , Hayano M. , Takata Y. , Kuwagata T. , Shirato Y. , Sawano S. , Kajiura M. , Sudo S. , Ishigooka Y. , Yagi K. (2016) Development of a method for estimating total CH4 emission from rice paddies in Japan using the DNDCRice model , Sci. Total Environ, Vol.547 ; pp.429-440
    18. Kim S.Y. , Gutierrez J. , Kim P.J. (2016) Unexpected stimulation of CH4 emissions under continuous no-tillage system in mono-rice paddy soils during cultivation , Geoderma, Vol.267 ; pp.34-40
    19. Ku HH , Hayashi K , Agbisit R , Villegas-Pangga G (2016) Effect of rates and sources of nitrogen on rice yield, nitrogen efficiency, and methane emission from irrigated rice cultivation , Arch. Agron. Soil Sci,
    20. Li C. , Frolking S. , Frolking T.A. (1992) A model of nitrous oxide evolution from soil driven by rainfall events: I. Model structure and sensitivity , J. Geophys. Res, Vol.97 ; pp.9759-9776
    21. Li C. , Cui J. , Sun G. , Trettin C. (2004) Modeling impacts of management on carbon sequestration and trace gas emissions in forested wetland ecosystems , Environ. Manage, Vol.33 ; pp.S176-S186
    22. Li H. , Qiu J. , Wang L. , Tang H. , Li C. , Van Ranst E. (2010) Modelling impacts of alternative farming management practices on greenhouse gas emissions from a winter wheat-maize rotation system in China , Agric. Ecosyst. Environ, Vol.135 ; pp.24-33
    23. Moriasi D.N. , Arnold J.G. , Van Liew M.W. , Bingner R.L. , Harmel R.D. , Veith T.L. (2007) Model evaluation guidelines for systematic quantification of accuracy in watershed simulations , Trans. ASABE, Vol.50 ; pp.885-900
    24. Mu Z.J. , Huang A.Y. , Ni J.P. , Li J.Q. , Liu Y.Y. , Shi S. , Xie D.T. , Hatano R. (2013) Soil greenhouse gas fluxes and net global warming potential from intensively cultivated vegetable fields in southwestern China. J , Soil Sci. Plant Nutr, Vol.13 ; pp.566-578
    25. (2000) Methods of analysis of soil and plant, NIAST,
    26. Parton W.J. , Mosier A.R. , Ojima D.S. , Valentine D.W. , Schimel D.S. , Weier K. , Kulmala A.E. (1996) Generalized model for N2 and N2O production from nitrification and denitrification , Global Biogeochem. Cycles, Vol.10 ; pp.401-412
    27. Pathak H. , Li C. , Wassmann R. (2005) Greenhouse gas emissions from Indian rice fields: calibration and upscaling using the DNDC model , Biogeosciences, Vol.2 ; pp.113-123
    28. Rai B. , Srivastava A.K. (1981) Studies on microbial population of a tropical dry deciduous forest soil in relation to soil respiration , Pedobiol, Vol.22 ; pp.185-190
    29. Raich J.W. , Tufekcioglu A. (2000) Vegetation and soil respiration: correlations and controls , Biogeochemistry, Vol.48 ; pp.71-90
    30. Reidsma P. , Ewert F. , Boogaard H. , van Diepen K. (2009) Regional crop modelling in Europe: The impact of climatic conditions and farm characteristics on maize yields , Agric. Syst, Vol.100 ; pp.51-60
    31. Schimel J. (2000) Global change: rice, microbes and methane , Nature, Vol.403 ; pp.375-377
    32. Tonitto C. , David M.B. , Drinkwater L.E. , Li C. (2007) Application of DNDC model to tile-drained Illinois agroecosystems: model calibration, validation, and uncertainty analysis , Nutr. Cycl. Agroecosyst, Vol.78 ; pp.51-63
    33. (2010) U.S. Climate Action Report,