선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 기후변화에 의한 유역 수문환경변화와 저수지 수온 및 성층구조 변화를 모두 고려할 수 있도록 통합 모델링 체제를 구축하였으며, 이를 통해 주암호의 미래 기후변화 시나리오에 따른 저수지 수온 및 성층구조 변화를 분석하였다. 본 연구의 주요 결과들에 대한 요약 및 논의는 다음과 같다.
- 저수지의 수온성층구조는 기상인자뿐만 아니라 상류 유역의 수문학적 변화에도 영향을 받게 되므로 기후변화가 저수지 수온성층구조에 미치는 영향을 신뢰성 있게 평가하기 위해서는 수문학적 스케일로 상세화된 미래기후자료와 이를 고려한 수자원의 유출특성의 변화를 모두 반영하여 저수지 내의 물리적 환경 변화를 분석해야 한다. 본 연구의 목적은 기후변화로 인한 댐 저수지의 수온 및 성층구조 변화를 전망하기 위한 예측기법을 제안하고 주암댐 유역을 대상으로 기상청 기후변화 정보센터에서 제공하는 SRES A1B 시나리오를 바탕으로 기후변화가 주암호 저수지의 수온 변화에 미치는 영향을 평가하여 장래 수환경 변화에 대비하기 위한 기반을 마련하는 데 있다.
제안 방법
- 2) IPCC AR4에서 제시하고 있는 SRES A1B 시나리오 기반의 한반도 기후전망 모의자료를 ANN기법을 통해 유역유출모형의 적용이 가능한 지역규모로 상세화하였으며, 이를 바탕으로 주암호 유역의 수문변화 전망 및 주암호 수온 성층구조 변화를 모의하였다.
- 저수지 수리·수질 해석 모듈에서는 2차원 횡방향 평균 수리·수질 해석 모델인 CE-QUAL-W2 모델(이후 W2)에 상세화된 기후예측인자와 SWAT의 유출량, Hec-Ressim의 방류량을 입력자료로 사용하여 저수지 내 수온분포 해석을 수행하며 이를 통해 기후변화가 저수지 수온성층구조에 미치는 영향을 최종적으로 평가하게 된다. W2는 수리-수질 연동 모의가 가능하지만, 본 연구에서는 수리모듈만 사용하여 수온해석을 수행하였다.
- 기후변화가 주암호의 수온 및 성층구조 변화에 미치는 영향을 분석하기 위해 인공신경망을 통해 상세화된 기후시나리오 자료와 SWAT 모델의 유출량 자료를 토대로 W2 모델을 이용하여 2011~2100년까지의 주암호의 장기수온 변화를 모의하였다. 2011~2100년까지의 대기기온과 주암호 1지점의 표층 및 심층수온의 변화를 Fig.
- 기후전망 상세화 모듈에서는 GCM(Global Climate Model)의 전지구전망을 바탕으로 지역스케일의 미래 기후시나리오 생산을 위해 인공신경망(Artificial Neural Network) 기법을 적용하여 예측인자(강우, 상대습도, 최고온도, 최저온도)에 대해 강우-유출모형의 적용이 가능한 지역스케일로 통계적 상세화를 수행한다. 전달함수는 Sigmoid 함수를 사용하였으며, 제곱오차합의 오차함수를 이용한 최급강하(Steepest descent)법으로 가중치변화율을 결정하였다.
- 모형의 보정 및 검증에 사용된 유량 자료는 한국수력원자력에서 제공하는 보성강댐의 일별 유입량자료(2001~2010년)와 한국수자원공사에서 제공하는 주암댐의 일별 댐 수문자료(2001~2010년)를 이용하였다. 모형의 안정화를 위해 구동초기 2년을 안정화기간(Warm-up period)으로 설정하였다. 모의옵션으로 지표유출은 SCS 유출곡선법, 증발산량 산정은 Penman-Monteith 방법, 하도추적은 Muskingum 방법을 이용하였다.
- 미래 기후변화에 따른 주암호 내 수온성층구조 변화를 분석하기에 앞서 구축된 SWAT 모델에 기후변화 시나리오에 따른 기후인자를 입력자료로 사용하여 주암호의 미래 유입량을 산정하였다.
- 모델의 유한차분격자는 1:5000 수치지도를 이용하여 구성하였다. 보성강 본류와 동복천 및 주암호 직유입지천을 고려하여 4개의 branch로 구분하였으며, 흐름방향으로는 댐 축으로부터 약 37km 상류지점까지 55개의 segment, 수심방향으로는 1m 간격으로 46개의 layer로 구성하였다(Fig. 6(a)).
- 본 연구에서 기후변화가 주암호 수온성층구조에 미치는 영향을 예측하기 위해 사용한 통합 모델링 체제는 Fig. 2와 같으며 크게 기후전망 상세화, 강우-유출 해석, 저수지 운영, 저수지 수리·수질 해석의 4개 모듈로 구성하였다.
- 수문 해석 모듈에서는 수문학적 스케일로 상세화된 기후 예측인자를 준분포형 강우·유출 모형인 SWAT의 입력자료로 사용하여 저수지 유입부의 유출량 전망을 수행한다.
- 유역 유출 모의를 위해 상류의 보성강댐과 유역 출구점 인 주암댐을 중심으로 보정 및 검증을 수행하였다. Fig.
- 모델 보정과 검증을 위한 초기조건은 2010년과 2011년의 주암호 1지점에서 실측한 수심별 수온 자료를 이용하였으며, 기상자료는 같은 기간 순천기상관측소의 기온(℃), 이슬점온도(℃), 풍속(m/s), 풍향(radian), 운도(1/10) 자료를 수집하여 이용하였다. 유입 및 방류량 자료는 한국수자원공사에서 제공하는 2010년과 2011년의 주암댐 운영자료를 바탕으로 구성하였으며, 유입수온 자료의 경우 주암댐 유입부에서 실측한 일별 수온자료가 없기 때문에 Chung and Oh(2006)가 제안했던 다중회귀분석을 통해 일별 유입수온을 산정하였다.
- ANN구조는 다층신경망 구조를, 학습방법으로는 출력값과 목표값 사이의 오차를 이용하여 가중치를 계산하는 역전파알고리즘(Backpropagation algorithm)을 사용하였다. 인공신경망의 학습 및 검증기간은 1991~2010년으로 설정하였으며, 주암호 유역 4개 관측소의 관측값을 목표값으로 설정하고 홍수기(6월~10월)와 비홍수기(11월~5월)로 구분하였으며, 관측값과의 상관계수 및 오차분석을 통해 기존 RCM 기후인자보다 향상된 결과를 가지는 인공신경망 구조를 결정한 후 미래 분석기간을 2011~2040년, 2041~2070년, 2071~2100년까지의 세 기간으로 설정하여 상세화를 수행하였다. 특히 강수량의 경우 학습 및 검증기간 내 태풍에 의한 강수량을 제거하고 인경신경망 모의를 수행한 후 추계학적 태풍모의 기법을 통해 산정된 태풍에 의한 강수량을 합산한 뒤 비정상성 분위사상법을 적용하여 최종 강수량을 산정하였다.
- 본 연구에서는 주암댐 유역의 저수지 모의운영 모형을 구축하였으며 수위-저수용량, 용수공급계획 및 방류능력은 국가수자원정보시스템의 자료를 활용하였다(WAMIS, 2013). 저수지 모의운영은 총 3개 기간(2011~2040, 2041~2070, 2071~2100)으로 구분하여 저수지 용수공급능력, 방류량 변화를 분석하였으며 이수안전도는 기존댐의 운영현실을 반영하여 전 분석기간 동안 물부족을 허용하지 않는 공급신뢰도 100%를 채택하였다. 댐 운영의 초기조건은 상시만수위 EL.
- 저수지 수리·수질 해석 모듈에서는 2차원 횡방향 평균 수리·수질 해석 모델인 CE-QUAL-W2 모델(이후 W2)에 상세화된 기후예측인자와 SWAT의 유출량, Hec-Ressim의 방류량을 입력자료로 사용하여 저수지 내 수온분포 해석을 수행하며 이를 통해 기후변화가 저수지 수온성층구조에 미치는 영향을 최종적으로 평가하게 된다.
- 인공신경망의 학습 및 검증기간은 1991~2010년으로 설정하였으며, 주암호 유역 4개 관측소의 관측값을 목표값으로 설정하고 홍수기(6월~10월)와 비홍수기(11월~5월)로 구분하였으며, 관측값과의 상관계수 및 오차분석을 통해 기존 RCM 기후인자보다 향상된 결과를 가지는 인공신경망 구조를 결정한 후 미래 분석기간을 2011~2040년, 2041~2070년, 2071~2100년까지의 세 기간으로 설정하여 상세화를 수행하였다. 특히 강수량의 경우 학습 및 검증기간 내 태풍에 의한 강수량을 제거하고 인경신경망 모의를 수행한 후 추계학적 태풍모의 기법을 통해 산정된 태풍에 의한 강수량을 합산한 뒤 비정상성 분위사상법을 적용하여 최종 강수량을 산정하였다. 학습 및 검증 결과를 Table 1에 제시하였다.
대상 데이터
- W2 모델의 보정 및 검증은 각각 2010년과 2011년 실측 자료를 바탕으로 수행하였다. 모델의 유한차분격자는 1:5000 수치지도를 이용하여 구성하였다.
- W2 모델의 수온성층구조 모의를 위해 2010년과 2011년을 대상으로 보정 및 검증을 수행하였으며, 주암호 1지점의 수심별 수온 모의값과 실측값을 비교한 결과를 Fig. 9에 나타내었다. 모의값과 실측값에 대한 비교는 절대평균오차(Absolute Mean Error, AME)와 평균제곱근오차(RMSE)를 적용하였으며 Table 4에 제시하였다.
- W2 모델의 입력자료는 기상자료, 유입 및 방류량 자료, 유입수온 자료 및 초기조건 자료가 필요하다. 모델 보정과 검증을 위한 초기조건은 2010년과 2011년의 주암호 1지점에서 실측한 수심별 수온 자료를 이용하였으며, 기상자료는 같은 기간 순천기상관측소의 기온(℃), 이슬점온도(℃), 풍속(m/s), 풍향(radian), 운도(1/10) 자료를 수집하여 이용하였다. 유입 및 방류량 자료는 한국수자원공사에서 제공하는 2010년과 2011년의 주암댐 운영자료를 바탕으로 구성하였으며, 유입수온 자료의 경우 주암댐 유입부에서 실측한 일별 수온자료가 없기 때문에 Chung and Oh(2006)가 제안했던 다중회귀분석을 통해 일별 유입수온을 산정하였다.
- 모델의 보정 및 검증을 위해 2001년부터 2010년까지의 광주, 순천, 장흥, 고흥 기상관측소의 강수량(mm), 최고/최저 기온(℃), 풍속(m/s), 상대습도(%), 일사량(MJ/m2) 자료를 수집하여 기상입력자료로 사용하였다. 모형의 보정 및 검증에 사용된 유량 자료는 한국수력원자력에서 제공하는 보성강댐의 일별 유입량자료(2001~2010년)와 한국수자원공사에서 제공하는 주암댐의 일별 댐 수문자료(2001~2010년)를 이용하였다.
- ) 자료를 수집하여 기상입력자료로 사용하였다. 모형의 보정 및 검증에 사용된 유량 자료는 한국수력원자력에서 제공하는 보성강댐의 일별 유입량자료(2001~2010년)와 한국수자원공사에서 제공하는 주암댐의 일별 댐 수문자료(2001~2010년)를 이용하였다. 모형의 안정화를 위해 구동초기 2년을 안정화기간(Warm-up period)으로 설정하였다.
- 그러나 RCM에서 제공하는 기후변수들은 27 km 해상도의 격자크기를 지니고 있어 수문학적 전망을 수행하기 위한 자료로 활용하기에는 한계가 있다. 본 연구에서는 국립기상 연구소에서 생산한 SRES A1B 시나리오 기반의 한반도 기후전망자료를 기상청 기후변화 정보센터로부터 제공받은 후 상세화를 적용할 기후자료는 유역의 기상인자를 대표할 수 있는 기상관측소(광주, 순천, 장흥, 고흥) 위치로 공간보간을 통해 추출하였다. 공간보간은 관측소에서 가까운 기후 전망자료에 많은 가중치를 주며, 인근 기후전망 자료의 공간상관성도 고려할 수 있도록 각 관측소 인근 4개의 RCM 격자의 기후전망자료를 이용한 역거리법(Inversed Distance Weight)을 통해 수행하였다.
- SWAT 모델을 적용하기 위해 필요한 입력자료는 지형자료와 기상자료로 구분할 수 있다. 본 연구에서는 국토지리 정보원의 1:5,000 수치지도로부터 검수과정을 거쳐 제작된 DEM을 사용하였으며(Fig. 4(a)), 토지이용도는 환경부 환경 지리정보서비스에서 제공하는 2007년 중분류 토지피복도를 이용하였다(Fig.
- 연구대상지역인 주암호 유역은 전라남도 보성강 수계에 위치하고 있으며(Fig. 1), 유역면적은 1,016.83 km2이며 이 중 산림이 709.95 km2, 농지가 197.25 km2로 각각 69.8%, 19.4%를 차지하고 있다. 주유역의 최종 출구점에 주암다목적댐이 위치하고 있으며, 유역의 상류에 용수공급전용 동복댐과 발전 및 농업용수 공급용 보성강댐이 위치하고 있다.
데이터처리
- 유역 유출 모의를 위해 상류의 보성강댐과 유역 출구점 인 주암댐을 중심으로 보정 및 검증을 수행하였다. Fig. 7은 보정(2003~2006년) 및 검증(2007~2010년) 기간 동안의 지점별 실측값과 모의값의 수문곡선을 비교한 것으로 Table 3에 유출량에 대한 결정계수(R2), 평균제곱근오차(Root Mean Square Error, RMSE), 모형효율계수(Efficiency Index, EI) 분석 결과를 제시하였다. 또한 Fig.
- 또한 2011~2100년까지의 주암호 1지점의 연직 수온분포 모의결과를 토대로 Schmidt stability index (Idso, 1973)를 사용하여 성층강도를 평가하였으며 그 결과를 Fig. 14에 제시하였다. Schmidt stability index는 성층을 파괴하기 위해 단위면적당 필요한 물리적 에너지를 의미하며 식 (1)과 같이 계산되어진다.
- 9에 나타내었다. 모의값과 실측값에 대한 비교는 절대평균오차(Absolute Mean Error, AME)와 평균제곱근오차(RMSE)를 적용하였으며 Table 4에 제시하였다. 보정기간의 AME와 RMSE는 0.
이론/모형
- 공간보간을 통해 추출된 기후인자는 인공신경망(Artificial Neural Network, ANN) 기법을 사용하여 상세화를 수행하였다. ANN구조는 다층신경망 구조를, 학습방법으로는 출력값과 목표값 사이의 오차를 이용하여 가중치를 계산하는 역전파알고리즘(Backpropagation algorithm)을 사용하였다. 인공신경망의 학습 및 검증기간은 1991~2010년으로 설정하였으며, 주암호 유역 4개 관측소의 관측값을 목표값으로 설정하고 홍수기(6월~10월)와 비홍수기(11월~5월)로 구분하였으며, 관측값과의 상관계수 및 오차분석을 통해 기존 RCM 기후인자보다 향상된 결과를 가지는 인공신경망 구조를 결정한 후 미래 분석기간을 2011~2040년, 2041~2070년, 2071~2100년까지의 세 기간으로 설정하여 상세화를 수행하였다.
- 본 연구에서는 국립기상 연구소에서 생산한 SRES A1B 시나리오 기반의 한반도 기후전망자료를 기상청 기후변화 정보센터로부터 제공받은 후 상세화를 적용할 기후자료는 유역의 기상인자를 대표할 수 있는 기상관측소(광주, 순천, 장흥, 고흥) 위치로 공간보간을 통해 추출하였다. 공간보간은 관측소에서 가까운 기후 전망자료에 많은 가중치를 주며, 인근 기후전망 자료의 공간상관성도 고려할 수 있도록 각 관측소 인근 4개의 RCM 격자의 기후전망자료를 이용한 역거리법(Inversed Distance Weight)을 통해 수행하였다. 공간보간을 통해 추출된 기후인자는 인공신경망(Artificial Neural Network, ANN) 기법을 사용하여 상세화를 수행하였다.
- 공간보간은 관측소에서 가까운 기후 전망자료에 많은 가중치를 주며, 인근 기후전망 자료의 공간상관성도 고려할 수 있도록 각 관측소 인근 4개의 RCM 격자의 기후전망자료를 이용한 역거리법(Inversed Distance Weight)을 통해 수행하였다. 공간보간을 통해 추출된 기후인자는 인공신경망(Artificial Neural Network, ANN) 기법을 사용하여 상세화를 수행하였다. ANN구조는 다층신경망 구조를, 학습방법으로는 출력값과 목표값 사이의 오차를 이용하여 가중치를 계산하는 역전파알고리즘(Backpropagation algorithm)을 사용하였다.
- 분위사상법은 관측값과 예측값 사이의 편이를 제거하기 위해 경험적 확률분포를 사용하며 관측값과 예측값의 누적확률 분포를 이용하여 모의값의 확률분포를 관측값의 확률분포에 사상시키는 방법으로 일반적인 분위사상법은 자료집단이 정상적인 분포를 가지고 있다는 전제하에 사용된다. 그러나 통계분포의 모수가 비정상성을 보일 경우 학습기간과 예측기간 사이에 부적합이 나타날 수 있으며, 이를 보완하기 위해 비정상성 분위사상법을 사용하였다.
- 전달함수는 Sigmoid 함수를 사용하였으며, 제곱오차합의 오차함수를 이용한 최급강하(Steepest descent)법으로 가중치변화율을 결정하였다. 기후예측인자 중 강우의 경우 여름과 가을철에 집중되는 한반도 강수량의 계절성을 반영해주지 못하는 GCM 모의값의 단점을 보완하기 위해 단국대학교에서 개발한 ARDAS 시스템의 추계학적 태풍모의(Stochastic Typhoon Simulation) 기법과 비정상성 분위사상법(Nonstationary Quantile Mapping)을 적용하였다(Kang et al., 2012). 추계학적 태풍모의 기법은 주어진 누적확률분포에 무작위 표본을 적용하여 값을 생성시키는 방법으로 예측기간의 태풍의 수와 총 강우량에 대하여 특정 범위 안에서 발생되는 사건의 수를 설명하는 Poisson 분포와 일반적으로 극치사상의 빈도해석에 쓰이는 Gumbel 분포의 확률변수들을 통해 예측 기간의 월별 태풍 모의값을 생성한다.
- 모형의 안정화를 위해 구동초기 2년을 안정화기간(Warm-up period)으로 설정하였다. 모의옵션으로 지표유출은 SCS 유출곡선법, 증발산량 산정은 Penman-Monteith 방법, 하도추적은 Muskingum 방법을 이용하였다.
- 미래 기후변화에 따른 주암호 유역 유출량 전망자료를 기반으로 주암호 저수지의 용수공급능력 및 방류량 변화를 HEC-ResSim 모형을 활용하여 모의하였다. 기간별 유입총량 대비 용수공급능력을 Table 5에 나타내었으며, Fig.
- 본 연구에서는 주암댐 유역의 저수지 모의운영 모형을 구축하였으며 수위-저수용량, 용수공급계획 및 방류능력은 국가수자원정보시스템의 자료를 활용하였다(WAMIS, 2013). 저수지 모의운영은 총 3개 기간(2011~2040, 2041~2070, 2071~2100)으로 구분하여 저수지 용수공급능력, 방류량 변화를 분석하였으며 이수안전도는 기존댐의 운영현실을 반영하여 전 분석기간 동안 물부족을 허용하지 않는 공급신뢰도 100%를 채택하였다.
- 기후전망 상세화 모듈에서는 GCM(Global Climate Model)의 전지구전망을 바탕으로 지역스케일의 미래 기후시나리오 생산을 위해 인공신경망(Artificial Neural Network) 기법을 적용하여 예측인자(강우, 상대습도, 최고온도, 최저온도)에 대해 강우-유출모형의 적용이 가능한 지역스케일로 통계적 상세화를 수행한다. 전달함수는 Sigmoid 함수를 사용하였으며, 제곱오차합의 오차함수를 이용한 최급강하(Steepest descent)법으로 가중치변화율을 결정하였다. 기후예측인자 중 강우의 경우 여름과 가을철에 집중되는 한반도 강수량의 계절성을 반영해주지 못하는 GCM 모의값의 단점을 보완하기 위해 단국대학교에서 개발한 ARDAS 시스템의 추계학적 태풍모의(Stochastic Typhoon Simulation) 기법과 비정상성 분위사상법(Nonstationary Quantile Mapping)을 적용하였다(Kang et al.
성능/효과
- 1) 기후전망 상세화를 위한 ANN기법, 유역 수문환경 변화를 모의할 수 있는 SWAT, 저수지 수온성층구조 해석을 위한 CE-QUAL-W2를 이용하여 통합 모델링 체제를 구축하였으며, 주암호를 대상으로 적용한 결과 유용성이 검증되었다.
- 3) 기후자료 상세화 결과 모든 기상인자는 미래로 갈수록 증가하는 경향을 보였으며, 강수량 증가의 영향으로 주암댐 유입량 역시 미래로 갈수록 증가하는 경향을 보였다. 또한 기온 상승의 영향으로 주암호의 표층 및 심층 수온 역시 미래로 갈수록 증가하였으며, 그 결과 성층안 정화 지수인 ST도 증가하는 것으로 나타났다.
- 4) 모의기간 전체 평균 ST를 기준으로 성층형성기간과 지속시간을 비교한 결과 미래로 갈수록 성층형성시기가 빨라지며 지속기간은 증가하는 것으로 나타났다. 선행 연구결과들에 의하면 저수지 수온 성층구조의 변화는 영양염류의 생화학적 순환과 조류 우점종의 변화에 영향을 줄 것으로 예상되므로 이에 대한 추가 연구가 필요할 것으로 생각된다.
- 8에 관측유량값과 모의 유량값을 1:1 분산도로 나타내었다. Fig. 7에 나타난 바와 같이 보성강댐 지점과 주암댐 지점 모두에서 SWAT 모델은 강우량 변화에 따른 하천의 계절적 유출량 변동 특성을 비교적 잘 반영하는 것으로 나타났으나, 홍수기 고유량 발생 구간에 대해서는 유의할 만한 오차가 발생하였다. Fig.
- 12에 2011~2100년까지의 총 방류량 변화를 나타내었다. 기후변화의 영향으로 미래로 갈수록 유입량은 증가하였으며 이에 따라 주암호 저수지의 용수공급능력 역시 증가하는 것으로 분석되었으며, 총 방류량도 증가하는 추세를 나타내었다.
- 대기기온 상승의 영향으로 주암호 1지점의 표층수온과 심층수온 모두 미래로 갈수록 상승하는 경향을 나타내었다. 2011년 연평균 대기기온, 표층수온, 심층수온은 각각 13.
- 3) 기후자료 상세화 결과 모든 기상인자는 미래로 갈수록 증가하는 경향을 보였으며, 강수량 증가의 영향으로 주암댐 유입량 역시 미래로 갈수록 증가하는 경향을 보였다. 또한 기온 상승의 영향으로 주암호의 표층 및 심층 수온 역시 미래로 갈수록 증가하였으며, 그 결과 성층안 정화 지수인 ST도 증가하는 것으로 나타났다.
- 모의 결과 미래로 갈수록 모든 기상인자는 증가하는 경향을 나타냈으며, 최장기(Long-term Future, LF) 예측인 2071~2100년에는 Baseline (1991~2010년) 대비 강수량은 19%, 상대습도는 4%, 최고온도는 1.7℃ 그리고 최저온도는 2.4℃ 증가하는 것으로 전망되었다(Table 2). Fig.
- 11에는 주암댐 유역의 기후 변화에 따른 월별 댐 유입량을 나타내었다. 미래 강우특성 변화에 따라 가을철과 겨울철 댐 유입량의 증가가 두드러지게 나타났으며, 미래 댐 유입량은 Baseline 대비 LF기간에 약 35% 증가하는 것으로 전망되었다.
- 모의값과 실측값에 대한 비교는 절대평균오차(Absolute Mean Error, AME)와 평균제곱근오차(RMSE)를 적용하였으며 Table 4에 제시하였다. 보정기간의 AME와 RMSE는 0.52~2.05℃와 0.65~2.06℃의 범위를 나타내었으며, 검증기간의 AME와 RMSE는 0.47~1.32℃와 0.58~1.58℃의 범위를 나타내 모의수온은 실측수온을 잘 반영하는 것으로 나타났다. 보정기간인 2010년의 경우 6월초부터 수온성층이 형성되어 10월초까지 유지되었으며, 12월 초 전도현상에 의해 안정화되는 경향을 모델은 잘 반영하는 것으로 나타났다.
- 본 연구에서 제안한 통합 모델링 체제는 기후변화와 이에 따른 유역 수문 변화가 저수지 수온성층구조 변화에 미치는 영향을 종합적으로 고려하여 해석할 수 있는 도구로 기후변화가 수자원의 양적인 측면과 더불어 개별 수체의 질적인 측면에 미치는 영향을 분석할 수 있는 기반을 마련하였다는 점에 의의가 있다. 각각의 기법 및 모델들은 국내 외에서 다양한 적용사례가 있어 범용성이 우수할 것으로 판단되며 이는 국내의 다양한 댐, 보, 저수지 등에 적용하여 기후변화의 영향을 분석함으로써 미래 기후변화에 대비한 적응대책 수립 등에 활용될 수 있을 것으로 사료된다.
후속연구
- 본 연구에서 제안한 통합 모델링 체제는 기후변화와 이에 따른 유역 수문 변화가 저수지 수온성층구조 변화에 미치는 영향을 종합적으로 고려하여 해석할 수 있는 도구로 기후변화가 수자원의 양적인 측면과 더불어 개별 수체의 질적인 측면에 미치는 영향을 분석할 수 있는 기반을 마련하였다는 점에 의의가 있다. 각각의 기법 및 모델들은 국내 외에서 다양한 적용사례가 있어 범용성이 우수할 것으로 판단되며 이는 국내의 다양한 댐, 보, 저수지 등에 적용하여 기후변화의 영향을 분석함으로써 미래 기후변화에 대비한 적응대책 수립 등에 활용될 수 있을 것으로 사료된다. 한편, 본 연구에서 제시한 통합 모델링 체제를 이용하여 기후변화가 미래 저수지 수환경 변화에 미치는 영향을 분석하는 추가 연구를 통해 모델링 체제의 활용도를 증대시킬 방안을 모색하고자 한다.
- 이는 세포 내 기낭(gas vesicles)을 가지고 있는 남조류가 강한성층 조건에서 자유 침강하지 않고 부력조절을 통해 유광층에 부유할 수 있기 때문이다(Paerl and Otten, 2013; Wetzel, 2001). 따라서 주암호의 경우에도 미래로 갈수록 성층강도와 성층형성기간이 증가하는 것으로 전망된 바 미래 기후 변화에 대비하여 수자원 관리를 위한 적응대책 마련이 필요할 것으로 판단된다.
- 를 기준으로 성층형성기간과 지속시간을 비교한 결과 미래로 갈수록 성층형성시기가 빨라지며 지속기간은 증가하는 것으로 나타났다. 선행 연구결과들에 의하면 저수지 수온 성층구조의 변화는 영양염류의 생화학적 순환과 조류 우점종의 변화에 영향을 줄 것으로 예상되므로 이에 대한 추가 연구가 필요할 것으로 생각된다.
- 각각의 기법 및 모델들은 국내 외에서 다양한 적용사례가 있어 범용성이 우수할 것으로 판단되며 이는 국내의 다양한 댐, 보, 저수지 등에 적용하여 기후변화의 영향을 분석함으로써 미래 기후변화에 대비한 적응대책 수립 등에 활용될 수 있을 것으로 사료된다. 한편, 본 연구에서 제시한 통합 모델링 체제를 이용하여 기후변화가 미래 저수지 수환경 변화에 미치는 영향을 분석하는 추가 연구를 통해 모델링 체제의 활용도를 증대시킬 방안을 모색하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.