📦 목차

제2장: 원격탐사·현장 관측 지표의 과학

제1장은 사막화를 관리하려면 반복적이고, 서로 비교 가능하며, 정직한 측정이 전제되어야 한다고 주장했다. 이 장은 그 측정 자체를 다룬다. WIA-ENE-057 레코드를 따라 이동하는 모든 숫자 — vegetationData의 NDVI 값, soilData의 용적밀도, erosionData의 토양 유실률, rainfallData의 SPI 값, landUseData의 사육 밀도 — 에는 물리적 의미가 있고, 관측되는 방식이 있으며, 사람을 오도하는 경로도 있다. 이 숫자들을 이해하지 못한 채 저장만 하는 엔지니어는 검증은 완벽하게 통과하면서도 틀린 이야기를 보고하는 시스템을 만들게 된다.

이 장은 제1장에서 소개한 네 가지 관측 축을 순서대로 따른다. 식생(2.1–2.2), 토양과 침식(2.3–2.4), 강수와 가뭄으로 나타나는 기후(2.5), 토지 이용을 통한 인간 압력(2.6)이다. 마지막으로 이들을 하나로 묶는 문제, 곧 시간에 따른 변화가 실제인지 판단하는 문제(2.7)로 끝맺는다. 이 책 전체와 마찬가지로 예시 위치는 SAHEL-REGION-001(위도 14.5, 경도 −4.0, 10,000 ha)이다. 명세에서 인용한 값은 모두 표준 작성자가 고른 예시 값이며 실제 어느 지역의 측정값도 아니다. 이 장에는 WIA API 코드가 없다. 설명과 함께 레코드 형태를 보고 싶은 독자는 시뮬레이터의 데이터 형식 탭(패널 0)에서 같은 필드를 확인할 수 있다.

2.1 식생 지수

왜 적색과 근적외선인가

녹색 잎은 인접한 두 파장대를 전혀 다르게 다룬다. 엽록소는 광합성을 위해 적색 파장대(대략 620–690 nm)를 강하게 흡수하므로 건강한 캐노피는 적색에서 어둡게 보인다. 반면 잎 내부의 세포 구조는 근적외선(대략 760–900 nm)을 매우 효율적으로 산란시키므로 같은 캐노피가 근적외선(NIR)에서는 밝게 보인다. 맨땅은 적색과 NIR을 대체로 비슷한 중간 수준으로 반사하고, 물은 NIR을 거의 전부 흡수한다. 식생 지수는 이 대비를 이용한다. NIR과 적색의 차이가 클수록 그 화소에 광합성 활동을 하는 식생이 더 많을 가능성이 높다.

입력값은 지표 반사율, 즉 대기 보정을 거친 뒤 지면이 반사한 입사광의 비율이며 0과 1 사이의 수로 표현한다. 대기 상단(TOA) 반사율을 쓰면 연무가 적색 밴드를 밝게 만들어 지수를 낮추므로, 눈에 띄지 않는 편향의 흔한 원인이 된다.

NDVI

NDVI = (NIR − Red) / (NIR + Red)

범위: −1 … +1   (무차원)

두 밴드의 합으로 나누어 정규화하기 때문에 NDVI는 전체 조도 변화에 덜 민감하다. 부분적으로 그늘진 화소는 NIR도 적색도 낮아지지만 비율은 각 밴드만큼 크게 변하지 않는다. 이론적 범위는 −1에서 +1이다. 실제로는 개방 수면이 음수, 맨땅과 암석이 0 부근, 성긴 건조지 식생이 약 0.15~0.4, 빽빽한 녹색 캐노피가 척도의 상단에 가까운 값을 보인다. 표 2-1은 전형적인 경향을 정리한 것이며, 범위는 센서·토양 색·계절에 따라 달라지는 대략적인 값이다.

아래 계산 예시는 명세의 vegetationData 예시 값(0.35)에 가까운 결과가 나오도록 임의로 정한 반사율을 사용한다. 관측값이 아니라 교육용 예시다.

계산 예시 (임의로 정한 지표 반사율)
  Blue = 0.06   Red = 0.12   NIR = 0.25

  NDVI = (0.25 − 0.12) / (0.25 + 0.12)
       = 0.13 / 0.37
       ≈ 0.351

비교용 (역시 임의 값):
  모래질 맨땅   Red 0.25, NIR 0.30  →  NDVI ≈ 0.09
  개방 수면     Red 0.05, NIR 0.02  →  NDVI ≈ −0.43
  밀생 캐노피   Red 0.04, NIR 0.45  →  NDVI ≈ 0.84

EVI

EVI = G · (NIR − Red) / (NIR + C1·Red − C2·Blue + L)

G = 2.5, C1 = 6, C2 = 7.5, L = 1 일 때:

EVI = 2.5 · (NIR − Red) / (NIR + 6·Red − 7.5·Blue + 1)

향상식생지수(EVI)는 두 가지 보정을 더한다. 에어로졸의 영향을 크게 받는 청색 밴드를 이용해 적색 밴드에 남은 대기 산란을 상쇄하고, 분모의 상수 L로 성긴 캐노피 사이로 드러나는 토양 배경의 영향을 줄인다. 그 결과 NDVI가 최댓값 근처에서 평평해지는 밀생 식생에서도 덜 포화되고, 토양 밝기에 덜 좌우되는 지수가 된다. 같은 임의 반사율에 적용하면 다음과 같다.

EVI = 2.5 · 0.13 / (0.25 + 6·0.12 − 7.5·0.06 + 1)
    = 0.325 / (0.25 + 0.72 − 0.45 + 1)
    = 0.325 / 1.52
    ≈ 0.214

건조지에서 문제가 되는 것은 포화보다 토양 배경이다. 밝고 옅은 색의 모래 토양은 수분 상태에 따라 색이 달라지는 것만으로도 계절 간 NDVI를 수백분의 몇씩 움직일 수 있다. 표준이 indices에 NDVI와 EVI 중 하나가 아니라 둘 다 담는 이유가 여기에 있다. 구현체는 한 지수로 다른 지수를 계산해 채워서는 안 된다. 두 지수는 같은 지표에 서로 다르게 반응하며, 둘 사이의 괴리 자체가 정보다.

엽면적지수

엽면적지수(LAI)는 단위 지면 면적당 녹색 잎의 한쪽 면적으로, 단위는 m²/m²이다. 명세 예시처럼 LAI가 1.2라면 1제곱미터 지면 위의 모든 잎을 평평하게 펼쳤을 때 1.2제곱미터를 덮는다는 뜻이다. NDVI와 달리 LAI는 지상에서 측정할 수 있는 물리량이다. 위성에서는 캐노피 복사전달 모델을 역산해 추정하며, MODIS LAI/FPAR 산출물 MCD15A2H(500 m, 8일)가 그 예다. LAI는 증산, 강우 차단, 빗방울 충격과 바람에 대한 캐노피의 보호 효과와 연결되므로 사막화 분석에서 의미가 있다.

지수가 vegetationData에 담기는 방식

vegetationData.indices의 각 지수는 값과 함께 source(센서)와 resolution을 가진다. 두 가지를 주의해야 한다. 첫째, 명세 예시는 NDVI와 EVI에 "scale": "0-1"이라고 적지만 PHASE-1 검증 규칙은 NDVI를 −1에서 1 사이로 받는다. 물리적 범위는 −1에서 1이며, 구현체는 이 범위를 선언하고 검증해야 한다. 음수를 0으로 잘라내면 수면과 침수 화소가 지워진다. 둘째, 많은 산출물이 지수를 스케일된 정수로 저장한다. 예를 들어 MOD13Q1은 NDVI와 EVI를 스케일 인자 0.0001의 16비트 정수로 저장하므로 저장값 3514는 NDVI 0.3514를 뜻한다. 스케일 인자를 빠뜨리면 수천 단위 값이 나와 검증 규칙이 제대로 거부하지만, 두 번 적용하면 0에 가까운 값이 나와 규칙을 그대로 통과한다.

2.2 위성 산출물의 해상도와 주기

명세 PHASE-4 §4는 표준이 연계를 전제하는 지구관측 자료원으로 Terra·Aqua 위성의 MODIS, Landsat 8/9, Sentinel-2, SMAP을 든다. 이들은 산출물이 무엇을 말할 수 있고 무엇을 말할 수 없는지를 결정하는 세 가지 속성, 즉 공간 해상도·재방문 주기·제공 변수에서 서로 다르다.

사업지 크기에 비춘 해상도

예시 위치는 10,000 ha, 즉 100 km²다. 각 산출물이 이 면적에 몇 개의 독립 관측을 제공하는지가, 결과 레코드가 정직하게 주장할 수 있는 공간 상세도를 결정한다.

함의는 실무적이다. SMAP 격자 하나로는 복원된 반달형 집수구 밭과 바로 옆 황폐화된 방목지의 차이를 전혀 말할 수 없다. 그것이 말할 수 있는 것은 지역 전체가 평년보다 습한지 건조한지뿐이다. 250 m MODIS 화소는 흔히 밭·길·휴경지가 섞인 혼합 화소이고, 그 NDVI는 면적 가중 평균이다. 수백 헥타르 규모의 복원 사업은 Sentinel-2에서는 뚜렷한 구획으로 보이지만 MODIS에서는 몇 개의 혼합 화소 속에 묻힐 수 있다. 따라서 레코드의 resolution 필드는 장식이 아니다. 소비자에게 그 숫자를 어느 규모에서 해석해도 되는지를 알려 준다.

구름, 품질 플래그, 합성

광학 센서는 구름을 투과하지 못한다. 그런데 사헬의 우기, 즉 식생이 자라 관측할 가치가 가장 큰 계절이 구름도 가장 많은 계절이다. 산출물은 두 가지 방식으로 이를 다룬다. 품질 플래그는 각 화소의 사용 가능 여부를 표시한다. MOD13Q1에는 화소 신뢰도 레이어(양호, 한계, 눈·얼음, 구름 코드)와 더 상세한 VI 품질 비트 필드가 있다. 합성은 여러 날의 관측을 기간당 하나의 값으로 결합한다. MOD13Q1은 16일 동안 맑고 천저에 가까운 관측을 우선하는 제약 시야각 최댓값 합성 방식을 쓴다. 그 결과 합성값은 하루에 이루어진 관측이 아니다. 실제 취득일은 16일 창 안에서 화소마다 다를 수 있으며, MOD13Q1은 이를 별도의 합성일 레이어에 기록한다.

레코드의 metadata.cloudCover(예시에서 5)와 metadata.quality는 이를 위치 전체에 대해 요약한다. 수집 파이프라인은 장면 단위 구름 추정치를 복사하지 말고 화소 플래그로부터 이 값을 계산해야 하며, 한계(marginal) 플래그 화소를 구역 통계에 포함할지도 명시적으로 결정해야 한다. 두 선택 모두 결과 NDVI를 바꾼다.

산출물에서 레코드로: 수집 메타데이터

PHASE-3 §3.2는 래스터가 시스템에 들어오는 방식을 정의한다. /api/v1/ingest/satellite로 보내는 멀티파트 업로드로, JSON 메타데이터 파트(satellite, instrument, product, acquisitionDate, resolution, bands, cloudCover, crs) 뒤에 GeoTIFF 본체가 따르며 NetCDF도 대안으로 허용된다. 프로토콜 절차는 제5장에서 다룬다. 여기서 과학적으로 중요한 것은 이 메타데이터가 무엇을 담아야 하는가이며, 앞의 논의에서 세 가지가 나온다.

• 원래 투영과 선언된 CRS가 다르다. MODIS 육상 산출물은 사인 곡선(sinusoidal) 격자의 HDF-EOS 파일로 배포되지만 예시 메타데이터는 EPSG:4326을 선언한다. 재투영은 PHASE-4 §4.2 파이프라인의 3단계이며 재표본화를 수반한다. 레코드는 통계를 실제로 계산한 격자를 반영해야 한다.
• 합성값에는 시점이 아니라 기간이 있다. 16일 산출물에 acquisitionDate를 12월 25일로 적으면 모호하다. 합성 시작일과 종료일을 함께 기록하는 것이 좋은 관행이다.
• 센서 연속성을 계획해야 한다. MODIS 센서들은 설계 수명을 한참 넘겼고, 신형 플랫폼의 VIIRS 센서가 연속성 식생 지수 산출물을 제공한다. 자료원이 바뀌는 다년 추세는 그 전환을 기록해야 한다(2.7 참조).

위성에도 지상 검증이 필요하다. 사진과 피복 추정을 갖춘 현장 조사구만이 지수 추세가 토양 색·먼지·작물 잔재가 아니라 식생을 반영한다는 사실을 확인해 준다. 같은 vegetationData 구조가 두 종류의 자료원을 모두 담으며, metadata.sensorType으로 구분한다.

2.3 토양 지표

식생은 몇 주 안에 반응하지만 토양은 수년에 걸쳐 변하고 수십 년에 걸쳐 회복한다. 이 비대칭 때문에 토양 지표는 관측 빈도가 훨씬 낮은데도 토지가 황폐화하고 있는지 판단하는 데 핵심이 된다. 표 2-4는 PHASE-1 §2.1의 토양 지표를 그것이 알려 주는 내용과 일반적 측정 방법에 대응시킨 것이다.

토성

토성은 모래(USDA 체계에서 2–0.05 mm), 미사, 점토의 비율이다. 예시의 모래 65 %, 미사 25 %, 점토 10 %는 사양토(sandy loam)에 속하며 classification 값과 일치한다. 토성은 관리에 따라 거의 변하지 않으므로 사업지 속성으로 다루는 편이 낫다. 모래 토양은 물이 빨리 빠지고 보수력이 낮으며, 보호막 역할을 하던 식생과 표면이 깨지면 바람에 쉽게 이동한다. 건조지의 미사질 토양은 빗방울 충격을 받으면 표면 봉합층을 만들기 쉽다.

용적밀도와 다짐

용적밀도는 공극을 포함한 전체 부피로 토양의 건조 질량을 나눈 값이다. 가축의 답압과 반복되는 통행으로 공극이 눌려 닫히면 용적밀도가 올라가고, 침투가 줄며, 뿌리가 뚫고 들어가기 어려워진다. 뿌리 생장이 제한되는 수준은 토성에 따라 다르다. 모래 토양은 점토보다 높은 밀도를 견디므로 토성 없이 제시한 임계값은 의미가 없다. 예시 값 1.45 g/cm³도 함께 기록된 모래 함량 65 %에 비추어 읽어야 한다.

유기물과 토양유기탄소

유기물은 입자를 입단으로 묶고, 물과 양분을 붙잡으며, 토양 탄소의 저장고다. 유엔사막화방지협약(UNCCD)의 토지황폐화중립(LDN) 체계가 세 하위 지표 중 하나로 토양유기탄소(SOC) 저장량을 쓰므로 둘의 관계를 짚어 둘 필요가 있다. 유기물은 관행적으로 계수 1.724로 나누어(유기물의 약 58 %가 탄소라는 가정과 같다) 유기탄소로 환산하는데, 실제 비율은 토양마다 다르므로 가능하면 SOC를 직접 측정하는 편이 낫다. 헥타르당 저장량을 구하려면 용적밀도와 깊이가 더 필요하다. 예시 값을 순수한 산술로만 쓰면 다음과 같다.

SOC 산술 예시 (예시 값, 관행 계수 사용)
  SOC (%)       ≈ 유기물 (%) / 1.724 = 1.8 / 1.724 ≈ 1.04 %
  SOC 저장량    = SOC (%) × 용적밀도 (g/cm³) × 깊이 (cm)   [t C/ha]
  0–30 cm 층    ≈ 1.04 × 1.45 × 30 ≈ 45 t C/ha
  (자갈·돌을 무시한 값이다. 실제 인벤토리는 조립질 비율을 보정한다)

0–30 cm 깊이는 IPCC 기본 방법의 SOC 저장량 변화 산정과 LDN 보고에서 쓰는 기준층이다. 깊이와 용적밀도 없이 유기물만 적힌 레코드는 저장량으로 바꿀 수 없으며, 세 값이 함께 있어야 하는 이유가 여기에 있다.

pH, 전기전도도, 염류화

염류화는 가용성 염류가 쌓이는 현상으로, 배수가 불량한 관개나 염분을 머금은 지하수위 상승이 흔한 원인이다. 토양 추출액의 전기전도도(EC)로 측정한다. 토양 염분 연구에서 널리 쓰이는 관례에 따르면 포화 반죽 추출액의 EC(ECe)가 4 dS/m 이상이면 염류 토양으로 분류한다. 이 관례는 포화 반죽법에 적용되는 것이며, 1:5 같은 고정 토양·물 비율의 추출액은 체계적으로 더 낮은 값을 주므로 환산이 필요하다. 명세의 ec 필드는 어떤 추출법을 썼는지 밝히지 않으므로, 구현체는 확장 필드에 방법을 기록해야 한다. 그렇지 않으면 똑같은 0.8 dS/m가 서로 다른 뜻일 수 있다.

chemistry 객체에는 양분 값들이 하나의 혼합 단위 문자열("ppm for nutrients, percentage for organic matter") 아래 들어 있다. 여기 적힌 질소 예시는 ppm 측정값으로 보기에 타당하지 않으므로 데이터로 읽어서는 안 된다. 각 양에 각자의 단위를 주라는 일반적 교훈은 제3장에서 다시 다룬다.

보수력과 유효수분

유효수분 = 포장용수량 − 위조점

명세 예시:  18.5 % − 8.2 % = 10.3 %

포장용수량은 자유 배수가 멈춘 뒤 토양이 붙잡고 있는 수분 함량이고, 영구 위조점은 식물이 더 이상 물을 빨아들이지 못하는 수분 함량(관행적으로 1500 kPa 흡인력에서의 함량)이다. 그 차이가 식물이 쓸 수 있는 물이다. 예시의 산술은 내부적으로 일관되지만, 단위 "percentage"는 중요한 구분을 가린다. 수분 함량은 중량 기준(건조 토양 질량당 물 질량)일 수도, 부피 기준(토양 부피당 물 부피)일 수도 있다. 물의 깊이로 바로 환산되는 것은 부피 기준뿐이다.

10.3 %가 부피 기준이라면 0–60 cm 단면에서:
  0.103 × 600 mm ≈ 62 mm의 식물 유효수분

10.3 %가 중량 기준이라면 먼저 용적밀도로 환산:
  10.3 × 1.45 ≈ 14.9 % (부피 기준)  →  0.149 × 600 mm ≈ 90 mm

같은 레코드가 밝히지 않은 관례 하나 때문에 50 % 가까이 다른 결과를 낸다. 현장 센서(정전용량·시간영역반사계 TDR 탐침)는 부피 기준 함량을, 실험실 건조법은 중량 기준 함량을 준다. 레코드는 어느 쪽인지 밝혀야 한다.

깊이별 단면

moisture.depthProfile 배열은 깊이 구간별(예시에서는 0–10, 10–30, 30–60 cm) 수분과 온도를 기록한다. 건조 환경에서는 비가 온 뒤 며칠 만에 표층이 마르지만 깊은 층은 몇 주 동안 물을 간직하므로, 표층 값 하나로는 뿌리가 깊은 관목과 나무가 쓸 수 있는 물을 거의 알 수 없다. 예시에서 별도의 surfaceLevel 값(12.5 %)은 0–10 cm 구간 값(15.2 %)과 다르다. 서로 다른 깊이나 방법으로 쟀다면 자연스러운 일이지만, 독자가 추측하게 두지 말고 레코드에 명시해야 한다.

표토 경화(크러스트) — 맨땅에 빗방울이 부딪혀 생기는 얇고 치밀한 표면층 — 도 같은 지표군에 속한다. 침투와 유묘 출현을 가로막기 때문이다. 물리적 크러스트의 두께는 보통 밀리미터 단위이므로, 명세 예시의 두께 값을 현실적인 측정값으로 받아들여서는 안 된다.

2.4 토양 침식

침식은 황폐화를 되돌리기 어렵게 만드는 과정이다. 유기물과 양분의 대부분을 품은 표토가 물리적으로 제거되기 때문이다. 건조지는 우기의 짧고 강한 폭우 때 수식을, 토양이 드러나 푸석해진 긴 건기에 풍식을 함께 겪는다.

수식과 RUSLE

A = R · K · LS · C · P

A   단위 면적당 장기 평균 토양 유실량 (예: t/ha/yr)
R   강우 침식능        (폭우의 에너지와 강도)
K   토양 침식성        (토성, 유기물, 구조)
LS  경사 길이·경사도
C   피복·관리          (식생, 잔재물, 크러스트)
P   보전 공법          (등고선 경작, 둑, 계단)

개정범용토양유실공식(RUSLE)은 미국에서 시험구 실험을 바탕으로 개발되었으며, 면상·세류 침식의 장기 평균을 다섯 인자의 곱으로 추정한다. 여기서는 표준의 요건이 아니라 개념 도구로 쓴다. 인자들이 동인을 드러내 주기 때문이다. 강우 강도는 R을 통해 들어오므로 연 총량만이 아니라 rainfallData.intensityMetrics가 중요하다. soilData의 토양 성질은 K로 들어온다. 식생 피복은 C로 들어오며, 복원이 가장 큰 효과를 내는 곳이 여기다. 돌둑이나 반달형 집수구 같은 물리적 공작물은 P로 들어온다. RUSLE는 장기 평균을 추정할 뿐 개별 호우의 유실량이나 협곡 침식을 예측하지 않으며, 인자가 보정된 조건 밖에서 쓰려면 현지 검증이 필요하다.

풍식

바람은 지표면에서의 전단력이 임계값을 넘을 때 흙을 움직인다. 임계값은 입자 크기, 토양수분, 표면 크러스트, 흙덩이·돌·그루터기·식물 같은 조도 요소에 따라 달라진다. 풍식 공식(WEQ)과 그 개정판 같은 경험 모델은 기후적 침식능, 토양 침식성, 지표 조도, 바람 방향의 필지 길이, 식생 피복을 결합한다. 명세에 나타나는 것과 같은 변수군이다.

erosionData.factors 객체는 풍식 평가에서 바로 이 동인들을 기록한다. 평균 풍속과 돌풍(예시에서 25.5, 45.2 km/h, 즉 약 7.1, 12.6 m/s), 식생 피복(35.2 %), 토양수분(8.5 %), 정성적인 surfaceRoughness다. 해석에 도움이 되는 점이 두 가지 있다. 풍속은 측정 높이에 크게 좌우된다. 기상 관측의 관례는 지상 10 m이며, 다른 높이에서 잰 값이라면 그렇게 밝혀야 한다. 그리고 같은 위치라도 erosionData의 식생 피복이 vegetationData.coverage.vegetationCover와 같을 필요는 없다. 침식 평가는 다른 날짜, 다른 방법, 다른 피복 정의를 쓸 수 있다. 이런 차이는 조용히 맞춰 버리지 말고 문서로 남겨야 한다.

토양 유실률

토양 유실은 severity.soilLossRate에 t/ha/yr 단위로 보고된다(예시에서 15.2). 질량을 깊이로 바꾸면 전달하기 쉬워진다. 1 ha 위 1 mm 두께의 흙은 10 m³이고, 예시 용적밀도 1.45 t/m³에서는 14.5 t이다. 따라서 예시 유실률은 연간 약 1 mm의 표토에 해당한다. 작아 보일 수 있지만 흙은 매우 느리게 만들어진다. 토양 보전 문헌이 유실률을 0이 아니라 현지에서 정한 '허용' 유실량과 비교하는 이유가 여기에 있다.

관련 필드인 soilData.degradationIndicators.erosionRisk는 0–10 점수와 "high" 같은 수준을 담는다. 명세는 이 점수의 산정 방법을 정의하지 않으므로 정성적 지수다. 이 필드를 채우는 구현체는 어떤 RUSLE·풍식 입력을 결합했는지 등 방법을 문서화해야 하며, 그래야 서로 다른 제공자의 점수가 같은 양인 것처럼 비교되는 일을 막을 수 있다.

2.5 강수와 가뭄 지수

총량, 계절 분포, 강도

사헬을 비롯한 많은 건조지에서 연 강수 총량은 이야기의 일부일 뿐이다. 식생과 침식에 중요한 것은 비가 언제, 어떻게 내리느냐다. 그래서 rainfallData는 한 해를 seasonalDistribution으로 나누고(예시에서 6–9월 우기에 285.2 mm, 연 총량 325.4 mm의 87.6 %), intensityMetrics로 개별 강우 사상을 특징짓는다. 강우일 수, 최대 단일 강우, 호우 임계값(예시에서 25 mm)을 넘은 날 수, 평균 강우량이 그것이다. 큰비는 유출과 수식을 일으키고 미소 집수구를 채운다. 작은 비는 표면만 적시고 증발한다.

필드 간 일관성은 수집 단계에서 확인할 가치가 있다. 예시에서 계절별 합계는 연 총량과 정확히 맞지만, 강우일 42일에 평균 18.5 mm라면 약 777 mm가 되어 325.4 mm와 맞지 않는다(325.4 / 42 ≈ 강우일당 7.7 mm). 예시는 설명용이고 필드 정의에는 다른 관례(예: 최소 크기 이상의 사상만 평균)를 쓸 여지도 있지만, 파이프라인은 이런 평균을 사상 목록에서 유도하거나 정의를 밝혀야 한다.

평년값과 편차

'평년'에서 얼마나 벗어났는지는 평년을 정의한 뒤에야 의미가 있다. 세계기상기구(WMO)는 기후 표준 평년값을 30년 기간 평균으로 정의하며, 현재 기준은 1991–2020년이다. 예시 레코드는 10년 평균 425.8 mm와 30년 평균 485.2 mm라는 두 기준과 하나의 deviation −23.6 %를 담고 있다. 계산해 보면 어느 기준을 썼는지 드러난다.

10년 평균 대비: (325.4 − 425.8) / 425.8 ≈ −23.6 %
30년 평균 대비: (325.4 − 485.2) / 485.2 ≈ −32.9 %

두 기준은 다른 이야기를 한다. 10년 평균이 30년 평균보다 낮다는 것은 최근 10년이 더 건조했음을 시사하므로, 짧은 기간 대비 편차는 장기 기후 대비 부족분을 과소평가한다. 레코드는 기준 기간을 명시해야 한다.

표준강수지수

표준강수지수(SPI)는 McKee 등이 1993년에 제안했고 WMO가 표준 기상 가뭄 지수로 권장해 온 지수로, 선택한 시간 규모(1, 3, 6, 12개월 등)로 누적한 강수량을 표준정규 값으로 바꾼다. 긴 누적 강수 기록에 확률분포 — 보통 감마 분포 — 를 적합한 뒤, 각 관측의 누적확률을 그에 해당하는 z-점수로 대응시킨다. SPI −1.0은 그 누적 강수량이 정규분포에서 평균보다 1 표준편차 낮은 값만큼 건조한 쪽으로 드물었다는 뜻이다. 표준화되어 있으므로 습윤 기후와 건조 기후 사이에서도 비교할 수 있다. McKee의 등급은 다음과 같다.

이 체계에서 예시 값 spi: -1.8은 심한 건조 등급에 든다. 명세 예시에서 그 옆에 적힌 등급 표기는 McKee 등급과 맞지 않으므로, 구현체는 표기를 복사하지 말고 문서화된 표에 따라 값에서 등급을 유도해야 한다. SPI 값을 해석하려면 필드가 두 개 더 필요하다. 누적 시간 규모(3개월 SPI는 농업적 스트레스를, 12개월 SPI는 수문학적 상태를 나타낸다)와 분포를 적합한 보정 기간이다. 예시 레코드에는 둘 다 없지만 둘 다 들어가야 한다.

표준이 함께 언급하는 파머 가뭄 심도 지수(PDSI)는 구성이 다르다. 강수와 기온으로 구동되는 단순한 토양 물수지를 돌리고 그 결과를 지수로 표현한다. SPI가 무시하는 고온에 의한 증발 수요를 반영하지만 미국 중부를 기준으로 보정되었다. 두 지수가 어긋나면 둘 다 보존한다.

2.6 토지 이용과 인간 압력

네 번째 축은 인간 압력이다. landUseData.classification은 위치를 농업, 방목, 산림, 불모지, 수역, 시가지로 나누고 각각 면적과 비율을 담는다. 예시에서 이들은 10,000 ha 전체와 정확히 맞으며(4,500 + 3,200 + 1,200 + 800 + 200 + 100), 이것이 모든 구현체가 가장 먼저 수행해야 할 검사다. 분류는 보통 Landsat이나 Sentinel-2 영상의 감독 분류에 현장 지식을 결합해 얻으며, 분류 정의만큼만 좋다. '불모지'와 '황폐화된 방목지'는 분광적으로 비슷해 용도로만 구분될 수 있다.

사육 밀도

사육 밀도 = 가축 단위 / 방목 면적

명세 예시: 2,400 AU / 3,200 ha = 0.75 AU/ha
           (가축 단위당 약 1.33 ha와 같다)

사육 밀도(방목 강도)는 일정 기간 주어진 면적에서 방목하는 가축의 수를 나타낸다. 가축 단위의 관례가 정해져 있어야만 의미가 있다. 북미 방목지 과학은 기준 체중의 성숙한 소를 기준으로 한 가축 단위(AU)를 쓰고, 사하라 이남 아프리카 연구는 생체중 250 kg 동물로 정의한 열대 가축 단위(TLU)를 소·양·염소·낙타별 환산 계수와 함께 쓰는 경우가 많다. 관례 없이 0.75라고만 적은 레코드는 다른 레코드와 비교할 수 없다. 사육 밀도가 토지에 어떤 의미인지는 수용력에 달려 있는데, 건조지의 수용력은 강수에 따라 해마다 크게 달라진다. 같은 가축 무리가 좋은 우기 뒤에는 지속 가능하고 나쁜 우기 뒤에는 해로울 수 있다. 강수 레코드와 토지 이용 레코드를 분리하되 locationId로 결합할 수 있게 한 이유가 여기에 있다.

인구, 땔감, 종합 압력

pressure 객체는 populationDensity, livestockDensity, fuelwoodCollection, overallPressure를 담는다. 예시의 밀도 필드에는 단위가 없어서 사람이나 가축 수가 km²당인지 ha당인지 알 수 없으므로, 구현체는 단위를 명시해야 한다. 땔감 채취는 "high"처럼 정성적으로 주어지는데, 벌채량을 직접 재는 일이 드물다는 점에서 현실적이다. 관리 관행(tillage, irrigation, soilConservation)이 그림을 완성하며, 복원 사업이 바꾸는 것이 바로 이것이다.

2.7 추세 탐지

위의 모든 지표는 결국 하나의 질문에 답하는 데 쓰인다. 이 땅은 나빠지고 있는가, 그대로인가, 회복하고 있는가. 레코드에서 이 답은 vegetationData.trendAnalysis에 나타난다. monthlyChange, annualChange, fiveYearTrend, declining·stable·improving 중 하나인 status, 그리고 confidence다. 명세는 방법을 규정하지 않으므로 각 구현체가 방법을 골라 문서화해야 한다.

변화의 단위를 밝힐 것

예시는 현재 NDVI 0.35에 대해 fiveYearTrend: -0.42를 준다. 이것이 NDVI 단위의 절대 변화라면 5년 전 NDVI가 약 0.77이었다는 뜻인데, 사헬 경관으로서는 높은 값이다. 상대 변화라면 42 % 감소를 뜻한다. 명세는 어느 쪽인지 말하지 않는다. 구현체는 변화 값이 지수의 절대 단위인지 비율인지, 어느 기간 창으로 계산했는지를 밝혀야 한다.

계절성과 합성

건조지 식생에는 강한 연주기가 있다. 비와 함께 녹화되고, 우기 후반에 정점에 이르며, 건기에 노화한다. 12월의 월간 변화 −0.05는 평범한 노화이지 황폐화가 아니다. 따라서 추세는 계절성을 제거한 자료로 계산해야 한다. 생육기 NDVI의 연간 적분, 이전 해 같은 기간 대비 편차, 또는 추세 검정의 계절 변형이 그 예다. 16일 합성 자료를 일·월 자료와 기간 정렬 없이 한 시계열에 섞으면 가짜 계단이 생긴다.

비모수 검정

식생·기후 시계열에는 정규분포를 가정하지 않고 이상치에 강한 두 가지 비모수 방법이 실무에서 널리 쓰인다. 여기서는 WIA 요건이 아니라 흔한 관행으로 소개한다.

시계열 x1 … xn 에 대한 Mann–Kendall 통계량:
  S = Σ (모든 i < j) sign(xj − xi)
  S > 0 이면 증가 추세, S < 0 이면 감소 추세를 시사하며,
  유의성은 '추세 없음' 가설 아래 S의 분포와 비교해 판단한다.

Theil–Sen 기울기:
  기울기 = 모든 i < j 에 대한 (xj − xi) / (tj − ti) 의 중앙값

Mann–Kendall은 단조 추세가 있는지에 답하고, Theil–Sen 추정량은 그 크기를 준다. 시계열의 자기상관은 겉보기 유의성을 부풀리므로 보정이 필요하고, 연간 값 다섯 개 같은 짧은 시계열은 어떤 검정을 써도 검정력이 낮다. confidence 필드는 검정 p-값의 보수나 그와 비슷한 척도로 해석하는 것이 합리적이다. 무엇이든 방법을 기록해야 한다. 한 방법의 0.87과 다른 방법의 0.87은 비교할 수 없기 때문이다.

센서 교체

여러 센서, 또는 같은 산출물의 서로 다른 처리 버전으로 만든 장기 시계열에는 추세처럼 보이는 계단이 들어갈 수 있다. 밴드 정의는 Landsat 센서 사이에서도, Landsat과 Sentinel-2 사이에서도 다르다. 자료 제공자는 새 보정으로 아카이브를 주기적으로 재처리한다. NASA의 Harmonized Landsat and Sentinel-2(HLS) 같은 조화 산출물은 이런 차이를 줄이지만 없애지는 못한다. 각 지수의 source 필드가 있어야 사후에 전환을 찾아낼 수 있다.

강수에 의한 녹화와 실제 회복

가장 어려운 문제는 원인 귀속이다. 건조지에서 식생 생산성은 강수를 밀접하게 따르므로, 습한 해가 이어지면 상태가 나아지지 않은 땅에서도 녹화가 나타나고, 가뭄이 들면 잘 관리된 땅에서도 갈변이 나타난다. 연구 문헌에서 흔한 접근은 강수로부터 기대 지수를 모델링하고(예: 연간 NDVI 적분을 연간 또는 계절 강수량에 회귀) 그 잔차의 추세를 분석하는 것이다(흔히 RESTREND라고 부른다). 잔차 추세가 음수라면 같은 비에 대해 땅이 예전보다 식생을 덜 만들어 낸다는 뜻이며, 이는 황폐화의 의미에 더 가깝다. 관련 지표로 강수 이용 효율, 즉 강수 단위당 생산성이 있다. SDG 지표 15.3.1에 대한 UNCCD의 모범 관행 지침 역시 토지 생산성을 하나의 단순 추세가 아니라 여러 지표로 다룬다.

데이터 표준의 관점에서 교훈은 구조적이다. 추세 주장은 그 뒤의 결합만큼만 신뢰할 수 있다. vegetationData의 식생, rainfallData의 강수, landUseData의 토지 이용이 모두 같은 locationId와 같은 기간에 묶여 있어야 한다. 표준이 이들을 하나의 요약 숫자가 아니라 별개의 레코드 유형으로 유지하는 이유, 그리고 제3장이 식별자와 타임스탬프에 그토록 공을 들이는 이유가 여기에 있다.

이 장의 요약

• NDVI와 EVI는 녹색 잎의 적색 흡수와 NIR 산란의 대비를 측정한다. 둘 다 −1에서 1 사이이며, 명세 예시의 "0-1" 척도 표기를 따라서는 안 된다. EVI는 에어로졸과 토양 배경을 보정하며 덜 포화된다.
• 산출물 선택은 규모의 선택이다. SMAP 9 km 격자는 광역 맥락을, MODIS 250 m는 길고 잦은 시계열을, Landsat 30 m와 Sentinel-2 10 m는 필지와 복원 구획을 분해한다. 모든 값에 자료원, 해상도, 품질 처리, 합성 기간을 함께 기록한다.
• 토양 지표는 느리게 변하지만 황폐화가 되돌릴 수 있는 것인지를 결정한다. 수분 함량이 부피 기준인지 중량 기준인지, EC가 어떤 추출액 값인지, 유기물을 SOC 저장량으로 바꾸는 데 필요한 깊이와 용적밀도를 기록한다.
• RUSLE와 풍식 모델은 강우 강도, 토양 성질, 피복, 보전 공법이 왜 erosionData에 나타나는지 설명해 준다. 용적밀도 1.45 g/cm³에서 15.2 t/ha/yr의 유실은 연간 약 1 mm의 표토다.
• 강수는 명시된 기준 기간에 비추어 판단해야 한다. SPI는 시간 규모와 보정 기간을 담아야 하며, 등급은 McKee 등급을 따라야 한다(−1.8은 심한 건조).
• 사육 밀도에는 가축 단위 관례가 필요하고, 토지 이용 면적의 합은 위치 전체 면적과 같아야 한다.
• 추세 주장에는 변화의 단위 명시, 계절성 제거, 문서화된 통계 방법, 센서 교체 기록, 그리고 강수에 의한 녹화와 실제 회복을 가르는 방법이 필요하다.

제3장은 의미에서 구조로 넘어간다. WIA-ENE-057 레코드를 필드 단위로 살펴보고, 이들이 locationId로 어떻게 결합되는지 보이며, 이 장에서 확인한 문제 가운데 여러 가지를 잡아내는 검증 규칙을 구현한다.