제4장

1단계 - 데이터 형식 표준화

상호운용성의 기반

WIA 가뭄 모니터링 표준의 1단계는 나머지 모든 단계가 그 위에 구축되는 기반 계층, 즉 표준화된 데이터 형식을 확립한다. 가뭄 정보를 어떻게 구조화하고 전송하며 저장할지에 대한 합의가 없다면 진정한 상호운용성은 불가능하다. 이 장에서는 WIA 표준에 정의된 각 가뭄 지수와 모니터링 매개변수의 상세 사양을 제시한다.

WIA 데이터 형식의 설계 철학은 다음을 중시한다.

핵심 데이터 스키마 구조

모든 WIA 가뭄 데이터 형식은 필수 메타데이터를 제공하고 서로 다른 가뭄 지수 간의 일관성을 보장하는 공통 기본 구조를 공유한다.

공통 헤더 필드

WIA를 준수하는 모든 가뭄 데이터 객체는 다음을 반드시 포함해야 한다.

필드 유형 필수 여부 설명
wia_version string 예 WIA 표준 버전(예: "1.0")
data_type string 예 가뭄 데이터의 유형(pdsi, spi, soil_moisture 등)
timestamp ISO 8601 예 관측 날짜와 시각(UTC)
location object 예 지리적 위치 정보
metadata object 예 데이터 출처 및 품질 정보 
{
  "wia_version": "1.0",
  "data_type": "pdsi",
  "timestamp": "2025-12-26T00:00:00Z",
  "location": {
    "type": "Point",
    "coordinates": [-74.0060, 40.7128],
    "properties": {
      "region": "Northeast US",
      "elevation_m": 10,
      "land_use": "agricultural"
    }
  },
  "metadata": {
    "source_organization": "NOAA Regional Climate Center",
    "processing_date": "2025-12-26T12:00:00Z",
    "quality_flag": "good",
    "confidence_score": 0.92,
    "validation_method": "ground_station_comparison"
  }
}

파머 가뭄 심도 지수(PDSI) 스키마

1965년 웨인 파머(Wayne Palmer)가 개발한 파머 가뭄 심도 지수(Palmer Drought Severity Index)는 지금도 가장 널리 쓰이는 가뭄 지수 가운데 하나이다. WIA 표준은 PDSI 산출과 해석의 모든 측면을 담아내는 포괄적인 스키마를 제공한다.

PDSI 데이터 구조

{
  "wia_version": "1.0",
  "data_type": "pdsi",
  "timestamp": "2025-12-26T00:00:00Z",
  "location": {
    "type": "Point",
    "coordinates": [-74.0060, 40.7128],
    "properties": {
      "region": "Northeast US",
      "climate_division": "NJ-02",
      "elevation_m": 10
    }
  },
  "pdsi": {
    "value": -2.5,
    "classification": "moderate_drought",
    "classification_label": "Moderate Drought",
    "range": [-10.0, 10.0],
    "percentile": 15.3,
    "zscore": -1.2
  },
  "parameters": {
    "precipitation_mm": 45.2,
    "temperature_c": 15.3,
    "potential_evapotranspiration_mm": 114.0,
    "soil_moisture_mm": 87.5,
    "available_water_capacity_mm": 150.0,
    "runoff_mm": 12.3
  },
  "water_balance": {
    "deficit_mm": 68.8,
    "surplus_mm": 0.0,
    "recharge_mm": 5.2,
    "loss_mm": 62.5
  },
  "historical_comparison": {
    "30year_mean": 0.15,
    "30year_stddev": 2.1,
    "same_month_mean": -0.3,
    "rank_percentile": 18
  },
  "metadata": {
    "source_organization": "NOAA NCEI",
    "calculation_method": "Palmer 1965",
    "processing_date": "2025-12-26T12:00:00Z",
    "quality_flag": "good",
    "confidence_score": 0.87,
    "data_completeness": 0.98
  }
}

PDSI 분류 임계값

PDSI 범위 분류 코드 명칭 설명
≥ 4.0 extremely_wet 극심한 습윤 이례적으로 습한 상태
3.0 ~ 3.99 very_wet 매우 습윤 평년보다 수분이 상당히 많음
2.0 ~ 2.99 moderately_wet 보통 습윤 평년보다 수분이 많음
1.0 ~ 1.99 slightly_wet 약간 습윤 평년보다 수분이 약간 많음
-0.99 ~ 0.99 near_normal 평년 수준 평년 수준의 수분 상태
-1.99 ~ -1.0 mild_drought 약한 가뭄 가뭄 초기 상태
-2.99 ~ -2.0 moderate_drought 보통 가뭄 가뭄이 자리 잡은 상태
-3.99 ~ -3.0 severe_drought 심한 가뭄 농업에 심각한 영향
≤ -4.0 extreme_drought 극심한 가뭄 이례적인 가뭄 상태

표준강수지수(SPI) 스키마

SPI는 여러 시간 척도에 걸친 강수 부족을 정량화하므로 서로 다른 유형의 가뭄을 탐지하는 데 특히 유용하다. WIA 스키마는 모든 표준 SPI 시간 척도를 지원한다.

SPI 데이터 구조

{
  "wia_version": "1.0",
  "data_type": "spi",
  "timestamp": "2025-12-26T00:00:00Z",
  "location": {
    "type": "Point",
    "coordinates": [-119.4179, 36.7783],
    "properties": {
      "region": "California Central Valley",
      "station_id": "USC00043500"
    }
  },
  "spi": {
    "value": -1.8,
    "time_scale_months": 12,
    "classification": "severely_dry",
    "classification_label": "Severely Dry",
    "probability": 0.036,
    "percentile": 3.6
  },
  "precipitation": {
    "period_total_mm": 285.4,
    "historical_mean_mm": 450.2,
    "historical_stddev_mm": 91.5,
    "percent_of_normal": 63.4,
    "deficit_mm": 164.8
  },
  "distribution": {
    "fitted_distribution": "gamma",
    "alpha_parameter": 2.45,
    "beta_parameter": 183.7,
    "goodness_of_fit": 0.94
  },
  "multi_scale": {
    "spi_1_month": -0.9,
    "spi_3_month": -1.4,
    "spi_6_month": -1.6,
    "spi_12_month": -1.8,
    "spi_24_month": -1.2
  },
  "metadata": {
    "source_organization": "California DWR",
    "calculation_method": "McKee et al. 1993 (gamma fit)",
    "reference_period": "1991-2020",
    "processing_date": "2025-12-26T06:00:00Z",
    "quality_flag": "good",
    "data_completeness": 1.0
  }
}

SPI 분류 체계

SPI 범위 분류 코드 범주 확률(%)
≥ 2.0 extremely_wet 극심한 습윤 2.3
1.5 ~ 1.99 very_wet 매우 습윤 4.4
1.0 ~ 1.49 moderately_wet 보통 습윤 9.2
-0.99 ~ 0.99 near_normal 평년 수준 68.2
-1.49 ~ -1.0 moderately_dry 보통 건조 9.2
-1.99 ~ -1.5 severely_dry 심한 건조 4.4
≤ -2.0 extremely_dry 극심한 건조 2.3

토양 수분 데이터 스키마

토양 수분은 농업적 가뭄의 핵심 지표이다. WIA 스키마는 현장(in-situ) 센서와 위성 관측값 산출 양쪽에서 얻은 다층 깊이 측정값을 지원한다.

토양 수분 구조

{
  "wia_version": "1.0",
  "data_type": "soil_moisture",
  "timestamp": "2025-12-26T14:30:00Z",
  "location": {
    "type": "Point",
    "coordinates": [-96.7970, 32.7767],
    "properties": {
      "region": "Texas",
      "field_id": "TX-FARM-001-FIELD-03",
      "soil_type": "clay_loam"
    }
  },
  "soil_moisture": {
    "measurement_type": "volumetric",
    "unit": "percent",
    "layers": [
      {
        "depth_range_cm": [0, 10],
        "depth_center_cm": 5,
        "moisture_percent": 12.5,
        "saturation_percent": 45.0,
        "field_capacity_percent": 35.0,
        "wilting_point_percent": 15.0,
        "available_water_percent": 20.0,
        "stress_level": "severe"
      },
      {
        "depth_range_cm": [10, 30],
        "depth_center_cm": 20,
        "moisture_percent": 18.3,
        "saturation_percent": 45.0,
        "field_capacity_percent": 35.0,
        "wilting_point_percent": 15.0,
        "available_water_percent": 20.0,
        "stress_level": "severe"
      },
      {
        "depth_range_cm": [30, 60],
        "depth_center_cm": 45,
        "moisture_percent": 22.1,
        "saturation_percent": 45.0,
        "field_capacity_percent": 35.0,
        "wilting_point_percent": 15.0,
        "available_water_percent": 20.0,
        "stress_level": "high"
      },
      {
        "depth_range_cm": [60, 100],
        "depth_center_cm": 80,
        "moisture_percent": 25.8,
        "saturation_percent": 45.0,
        "field_capacity_percent": 35.0,
        "wilting_point_percent": 15.0,
        "available_water_percent": 20.0,
        "stress_level": "moderate"
      }
    ]
  },
  "measurement_info": {
    "method": "TDR",
    "sensor_model": "Campbell CS616",
    "calibration_date": "2025-01-15",
    "accuracy_percent": 2.0
  },
  "historical_comparison": {
    "30day_mean_percent": 28.5,
    "same_date_mean_percent": 31.2,
    "percentile": 12.5,
    "anomaly_percent": -12.9
  },
  "metadata": {
    "source_organization": "Texas A&M AgriLife",
    "processing_date": "2025-12-26T15:00:00Z",
    "quality_flag": "good",
    "confidence_score": 0.95
  }
}

토양 수분 스트레스 수준

스트레스 수준은 유효 수분 비율, 즉 (현재 수분 − 위조점) ÷ (포장 용수량 − 위조점)으로 판정한다. 앞의 예시에서 0-10cm 층(12.5%)은 위조점(15%) 아래이고 10-30cm 층(18.3%)은 유효 수분의 약 17%이므로 "심각", 30-60cm 층(22.1%)은 약 36%로 "높음", 60-100cm 층(25.8%)은 약 54%로 "보통"에 해당한다.

스트레스 수준 수분 범위 농업적 영향 관리 조치
없음 유효 수분의 80% 초과(> 80%) 최적의 생육 조건 정상 운영
낮음 유효 수분의 60-80% 작물 스트레스 미미 면밀히 모니터링
보통 유효 수분의 40-60% 작물 스트레스 시작 관개 준비
높음 유효 수분의 20-40% 상당한 작물 스트레스 즉시 관개
심각 유효 수분의 20% 미만(< 20%) 작물 피해 발생 중 긴급 관개

NDVI 식생 지수 스키마

위성 영상에서 얻는 정규화 식생 지수(Normalized Difference Vegetation Index)는 식생 건강 상태 모니터링을 통해 가뭄을 조기에 탐지할 수 있게 한다.

NDVI 데이터 구조

{
  "wia_version": "1.0",
  "data_type": "ndvi",
  "timestamp": "2025-12-20T10:30:00Z",
  "location": {
    "type": "Polygon",
    "coordinates": [
      [
        [-96.8050, 32.7850],
        [-96.7890, 32.7850],
        [-96.7890, 32.7680],
        [-96.8050, 32.7680],
        [-96.8050, 32.7850]
      ]
    ],
    "properties": {
      "region": "North Texas",
      "area_hectares": 64.5,
      "crop_type": "winter_wheat"
    }
  },
  "ndvi": {
    "value": 0.45,
    "range": [-1.0, 1.0],
    "interpretation": "moderate_vegetation",
    "anomaly": -0.15,
    "percentile": 22.5,
    "zscore": -1.3
  },
  "reflectance": {
    "red_band": 0.093,
    "nir_band": 0.245,
    "calculation": "(NIR - Red) / (NIR + Red)"
  },
  "satellite_info": {
    "satellite": "MODIS Terra",
    "sensor": "MOD13Q1",
    "resolution_m": 250,
    "cloud_cover_percent": 5.2,
    "quality_assessment": "good",
    "acquisition_date": "2025-12-20",
    "processing_level": "L3"
  },
  "historical_comparison": {
    "same_period_mean": 0.60,
    "same_period_stddev": 0.12,
    "10year_max": 0.78,
    "10year_min": 0.32,
    "current_rank_percentile": 18
  },
  "drought_indicators": {
    "vegetation_stress": "moderate",
    "drought_likelihood": "probable",
    "trend_14day": "declining",
    "rate_of_change": -0.03
  },
  "metadata": {
    "source_organization": "NASA EOSDIS",
    "processing_date": "2025-12-21T03:15:00Z",
    "quality_flag": "good",
    "atmospheric_correction": "6S algorithm"
  }
}

NDVI 해석 지침

NDVI 범위 분류 식생 건강 상태 가뭄 징후
0.8 - 1.0 울창한 식생 매우 우수 가뭄 스트레스 없음
0.6 - 0.8 보통~울창 양호~매우 양호 스트레스 미미
0.4 - 0.6 보통 식생 보통~양호 가뭄 스트레스 가능성 있음
0.2 - 0.4 성긴 식생 불량 가뭄 스트레스 개연성 높음
0.0 - 0.2 매우 성김 매우 불량 심한 가뭄 스트레스
< 0.0 식생 없음/물/눈 해당 없음 해당 없음

증발산 데이터 스키마

증발산(evapotranspiration, ET)은 토양과 식물 표면에서 일어나는 수분 손실을 나타내며, 가뭄 평가의 핵심 구성 요소이다.

{
  "wia_version": "1.0",
  "data_type": "evapotranspiration",
  "timestamp": "2025-07-15T00:00:00Z",
  "location": {
    "type": "Point",
    "coordinates": [-120.6625, 35.3050],
    "properties": {
      "region": "California Coast",
      "station_id": "CIMIS-043"
    }
  },
  "evapotranspiration": {
    "et0_mm_day": 4.2,
    "etc_mm_day": 3.8,
    "kc_coefficient": 0.90,
    "crop_type": "almond_orchard",
    "growth_stage": "mid_season"
  },
  "weather_inputs": {
    "temperature_max_c": 24.5,
    "temperature_min_c": 12.3,
    "solar_radiation_mj_m2": 22.4,
    "wind_speed_2m_ms": 2.1,
    "relative_humidity_percent": 55.0,
    "precipitation_mm": 0.0
  },
  "calculation_method": {
    "algorithm": "FAO-56 Penman-Monteith",
    "reference": "FAO Irrigation and Drainage Paper No. 56 (Allen et al., 1998)",
    "quality_assessment": "high"
  },
  "water_balance": {
    "daily_deficit_mm": 3.8,
    "7day_deficit_mm": 26.6,
    "30day_deficit_mm": 95.4,
    "cumulative_season_mm": 785.2
  },
  "metadata": {
    "source_organization": "California CIMIS",
    "processing_date": "2025-07-15T06:00:00Z",
    "quality_flag": "excellent",
    "confidence_score": 0.96
  }
}

데이터 검증 및 품질 관리

WIA를 준수하는 모든 데이터는 정확성과 신뢰성을 보장하기 위해 반드시 검증을 거쳐야 한다. 표준은 필수 품질 관리 절차와 메타데이터를 정의한다.

필수 품질 메타데이터 필드

필드 유형 목적 유효한 값
quality_flag string 데이터 품질 종합 평가 excellent, good, fair, poor, invalid
confidence_score number 수치화된 신뢰도(0-1) 0.0 ~ 1.0
validation_method string 데이터 검증 방식 ground_truth, cross_validation, model_based
data_completeness number 기대 데이터 중 실제 확보된 비율 0.0 ~ 1.0
uncertainty_estimate number 추정 측정 불확도 매개변수에 따라 다름
모범 사례: 가뭄 데이터에는 항상 포괄적인 품질 메타데이터를 함께 포함해야 한다. 사용자가 관개, 작물 관리, 수자원 배분에 관해 근거 있는 결정을 내리려면 데이터의 신뢰성을 이해할 수 있어야 한다.

장 요약

이 장에서는 WIA 표준의 1단계인 데이터 형식 표준화의 상세 사양을 제시하였다. 먼저 모든 WIA 데이터 객체에 공통인 헤더 구조를 살펴본 뒤, PDSI, SPI, 토양 수분, NDVI, 증발산 데이터의 개별 스키마를 탐구하였다. 각 스키마에는 데이터 출처, 품질 평가, 과거 비교를 위한 포괄적인 메타데이터가 포함된다. 이 장은 표준화된 형식이 향후 개선을 위한 확장성을 유지하면서도 어떻게 상호운용성을 가능하게 하는지를 강조하였다.

핵심 요점

복습 문제

  1. WIA 표준이 모든 가뭄 데이터 유형에 걸쳐 공통 헤더 필드를 요구하는 이유를 설명하라. 데이터 유형마다 완전히 다른 메타데이터 구조를 사용한다면 구체적으로 어떤 문제가 생기겠는가?
  2. PDSI와 SPI의 분류 체계를 비교하라. PDSI는 -10에서 +10까지의 연속 척도를 쓰는 반면 SPI는 표준편차를 쓰는 이유는 무엇인가? 각 방식의 장점은 무엇인가?
  3. 토양 수분 스키마의 다층 구조가 농업 의사결정을 어떻게 뒷받침하는지 서술하라. 표층 측정만 하지 않고 여러 깊이에서 수분을 측정하는 것이 왜 중요한가?
  4. NDVI 스키마의 "historical_comparison" 부분을 분석하라. percentile, zscore, anomaly 같은 필드는 NDVI 절대값만으로는 놓칠 수 있는 가뭄 상태를 탐지하는 데 어떻게 도움이 되는가?
  5. 가뭄 모니터링에서 품질 메타데이터의 역할을 논하라. 어떤 quality_flag 값이 자동 관개 시스템의 서로 다른 동작을 촉발할 수 있겠는가?
  6. 증발산 스키마를 검토하라. ET0(기준)와 ETc(작물별)를 구분하면 여러 농업 응용 분야에서 어떻게 더 정밀한 물 관리가 가능해지는가?

다음 장 미리보기

1단계에서 표준화된 데이터 형식이 확립되었으므로, 제5장에서는 2단계인 API 인터페이스 사양을 살펴본다. 가뭄 모니터링 시스템이 이러한 표준화된 데이터 형식을 RESTful API로 어떻게 제공하여 자동 통합, 실시간 모니터링, 경보 구독 서비스를 가능하게 하는지 검토한다. 해당 장에서는 상세한 엔드포인트 사양, 인증 방식, 구현 예시를 제시한다.

← 제3장 제5장: 2단계 - API 인터페이스 →