A watershed-river linked modeling system was developed to forecast the water quality, particularly weekly changes in chlorophyll-a concentration, of the Yeongsan River, Korea. Hydrological Simulation Program-Fortran (HSPF) and Environmental Fluid Dynamics Code (EFDC) were adopted as the basic model ...
A watershed-river linked modeling system was developed to forecast the water quality, particularly weekly changes in chlorophyll-a concentration, of the Yeongsan River, Korea. Hydrological Simulation Program-Fortran (HSPF) and Environmental Fluid Dynamics Code (EFDC) were adopted as the basic model framework. In this study, the EFDC model was modified to effectively simulate the operational condition and flow of multi-functional weirs constructed in the main channel of rivers. The model was tested against hydrologic, water quality and algal data collected at the right upstream sites of two weirs in 2014. The mean absolute errors (MAEs) of the model calibration on the annual variations of river stage, TN, TP, and algal concentration are 0.03 ~ 0.10 m, 0.65 ~ 0.67 mg/L, 0.03 ~ 0.04 mg/L, and $9.7{\sim}10.8mg/m^3$, respectively. On the other hand, the MAE values of forecasting results for chlorophyll-a level at the same sites in 2015 range from 18.7 to $22.4mg/m^3$, which are higher than those of model calibration. The increased errors in forecasting are mainly attributed to the higher uncertainties of weather forecasting data compared to the observed data used in model calibration.
A watershed-river linked modeling system was developed to forecast the water quality, particularly weekly changes in chlorophyll-a concentration, of the Yeongsan River, Korea. Hydrological Simulation Program-Fortran (HSPF) and Environmental Fluid Dynamics Code (EFDC) were adopted as the basic model framework. In this study, the EFDC model was modified to effectively simulate the operational condition and flow of multi-functional weirs constructed in the main channel of rivers. The model was tested against hydrologic, water quality and algal data collected at the right upstream sites of two weirs in 2014. The mean absolute errors (MAEs) of the model calibration on the annual variations of river stage, TN, TP, and algal concentration are 0.03 ~ 0.10 m, 0.65 ~ 0.67 mg/L, 0.03 ~ 0.04 mg/L, and $9.7{\sim}10.8mg/m^3$, respectively. On the other hand, the MAE values of forecasting results for chlorophyll-a level at the same sites in 2015 range from 18.7 to $22.4mg/m^3$, which are higher than those of model calibration. The increased errors in forecasting are mainly attributed to the higher uncertainties of weather forecasting data compared to the observed data used in model calibration.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 영산강수계 주요 보 지점에서의 수질예보를 위해, EFDC-NIER 수질예측모델을 구축하고 모델의 보정을 수행하였으며 2015년을 대상으로 클로로필-a 농도에 대한 수질예측의 정확도를 평가하였다. EFDC-NIER 수질예측모델을 이용한 수질예보를 위해서는 예보기간 동안의 기상자료와 및 지류의 수질과 유량에 대한 경계조건이 필요하며 이를 위해 기상청의 기상수치모델과 HSPF 유역모델을 EFDC-NIER 모델과 연계하여 수질예보를 수행하였다.
가설 설정
예측기간에 대한 기상 경계조건은 기상수치모델 예측시간 기준으로 72시간까지는 비교적 해상도가 높은 RDAPS 자료를 이용하였으며 그 이후 252시간까지는 GDAPS 자료를 이용하여 시간단위로 입력자료를 구축하였다. 유입 지류와 하류 경계조건은 기상예측모델 결과를 이용하여 모의한 HSPF 유역모델의 모의결과를 이용하였으며(Shin et al., 2014), 하·폐수처리시설의 유량 및 수질에 대한 경계조건은 유량 및 유출농도의 단기간 변화가 크지 않다고 가정하여 최근 7일간의 평균값을 예보기간 동안 동일하게 적용하였다. 예보기간 동안 승촌보와 죽산보의 운영조건 및 수위는 예보일을 기준으로 전일일평균 자료를 이용하였다.
제안 방법
본 연구에서는 영산강수계 주요 보 지점에서의 수질예보를 위해, EFDC-NIER 수질예측모델을 구축하고 모델의 보정을 수행하였으며 2015년을 대상으로 클로로필-a 농도에 대한 수질예측의 정확도를 평가하였다. EFDC-NIER 수질예측모델을 이용한 수질예보를 위해서는 예보기간 동안의 기상자료와 및 지류의 수질과 유량에 대한 경계조건이 필요하며 이를 위해 기상청의 기상수치모델과 HSPF 유역모델을 EFDC-NIER 모델과 연계하여 수질예보를 수행하였다.
수질예측은 국립환경과학원의 수질예보시스템(Water Quality Forecast System)을 통해 운영되고 있으며 보정된 EFDC-NIER 수질모델을 이용하여 영산강수계 승촌보 및 죽산보지점에서의 향후 7일간의 클로로필-a 농도변화를 예측하였다. 예보기간 동안의 기상자료는 기상청의 전지구예보모델(global data assimilation and prediction system, GDAPS) 및 지역예보모델(regional data assimilation and prediction system,RDAPS)의 결과자료인 GRIB(grided binary) 자료를 자동 연계하여 이용하였다(Shin et al.
영산강수계에 대한 현업 수질예보를 위해 유역에서의 유출량과 수질 모의를 위해 HSPF 유역모델을 구축하였고 영산강 본류에서의 수리 및 수질변동을 모의하기 위해 EFDC수질모델을 구축하였다.
대상 데이터
2015년 1년 동안 영산강수계 승촌보와 죽산보 지점의 클로로필-a 농도에 대해 7일간의 단기 수질예측을 수행하였다. 클로로필-a 예측 오차의 평균적인 방향성인 편이(Bias)는-12.
EFDC 모델 대상구간은 영산강 본류 수질측정망 우치 지점부터 영산강 하구둑까지이며, 실폭하천도, 제방경계, 하천단면자료, 영상촬영사진, 다기능 보 등을 고려하여 수평 격자망을 구성하였다(Fig. 3).
EFDC 모델의 수질모듈은 3종의 부유성 조류와 1종의 부착조류를 모의 할 수 있으며, 유기 질소, 유기인, 유기탄소는 각각 난분해입자성, 이분해입자성, 용존성의 3가지 상태변수로 구분되며, 암모니아 및 질산성 질소, 인산염, 용존산소, 입자상 및 용존가용성 실리카, 대장균, COD 등 총 22개 수질 상태변수들의 동역학적 반응들을 모의할 수 있다. EFDC모델의 각 수질변수별 상호관계를 Fig.
구축된 EFDC-NIER 모델의 수리 및 수질 재현성 검토를 위하여 2014년 1년간을 대상으로 보정하였다. 모델 보정에는 국토교통부 수위측정망(HRFCO, 2016) 및 환경부 수질측정망(NIER, 2016) 자료를 이용하였다.
6). 기상경계조건은 광주지상관측소의 기압, 기온, 상대습도, 강수량, 증발량, 운량의 시단위자료를 이용하였다. 하류 경계조건은 영산호 하구둑이며, 유입 경계조건은 황룡강, 지석천, 광주천 등 14개 지류와 영산강 본류로 직접 방류되는 광주하수처리장 등 6개의 하 폐수처리장을 반영하였다.
구축된 EFDC-NIER 모델의 수리 및 수질 재현성 검토를 위하여 2014년 1년간을 대상으로 보정하였다. 모델 보정에는 국토교통부 수위측정망(HRFCO, 2016) 및 환경부 수질측정망(NIER, 2016) 자료를 이용하였다. 유입 지류와 하류 경계조건은 환경부 수질측정망 관측 자료를 이용하였으며 하·폐수처리장에 대한 경계조건은 수질원격감시체계(Tele Monitoring System, TMS) 자료를 활용하였다.
3 m까지이다. 수질 및 조류 발생의 시 공간적 다양성을 재현하기 위해 영산강 수역을 최상류 우치 ~ 승촌보 경계, 승촌보 구간, 죽산보 구간, 죽산보 하류, 영산강 하구의 5개의 구역(zone)으로 구분하였다.
수질예측은 국립환경과학원의 수질예보시스템(Water Quality Forecast System)을 통해 운영되고 있으며 보정된 EFDC-NIER 수질모델을 이용하여 영산강수계 승촌보 및 죽산보지점에서의 향후 7일간의 클로로필-a 농도변화를 예측하였다. 예보기간 동안의 기상자료는 기상청의 전지구예보모델(global data assimilation and prediction system, GDAPS) 및 지역예보모델(regional data assimilation and prediction system,RDAPS)의 결과자료인 GRIB(grided binary) 자료를 자동 연계하여 이용하였다(Shin et al., 2013). 예측기간에 대한 기상 경계조건은 기상수치모델 예측시간 기준으로 72시간까지는 비교적 해상도가 높은 RDAPS 자료를 이용하였으며 그 이후 252시간까지는 GDAPS 자료를 이용하여 시간단위로 입력자료를 구축하였다.
, 2013). 예측기간에 대한 기상 경계조건은 기상수치모델 예측시간 기준으로 72시간까지는 비교적 해상도가 높은 RDAPS 자료를 이용하였으며 그 이후 252시간까지는 GDAPS 자료를 이용하여 시간단위로 입력자료를 구축하였다. 유입 지류와 하류 경계조건은 기상예측모델 결과를 이용하여 모의한 HSPF 유역모델의 모의결과를 이용하였으며(Shin et al.
모델 보정에는 국토교통부 수위측정망(HRFCO, 2016) 및 환경부 수질측정망(NIER, 2016) 자료를 이용하였다. 유입 지류와 하류 경계조건은 환경부 수질측정망 관측 자료를 이용하였으며 하·폐수처리장에 대한 경계조건은 수질원격감시체계(Tele Monitoring System, TMS) 자료를 활용하였다.
기상경계조건은 광주지상관측소의 기압, 기온, 상대습도, 강수량, 증발량, 운량의 시단위자료를 이용하였다. 하류 경계조건은 영산호 하구둑이며, 유입 경계조건은 황룡강, 지석천, 광주천 등 14개 지류와 영산강 본류로 직접 방류되는 광주하수처리장 등 6개의 하 폐수처리장을 반영하였다. EFDC 모델의 초기조건 및 유입 경계조건의 조류종별 탄소 농도는 식 (1)과 같이 클로로필-a 농도에 조류종별 탄소와 클로로필-a 농도비와 조류종별 개체수비를 곱하여 산정하였으며, EFDC모델은 3개의 조류종만을 모의할 수 있어 녹조류의 분율에는 기타 조류의 분율을 포함하였다.
데이터처리
모델 보정 및 예측 정확도 평가를 위한 통계지표로 Nash Sutcliffe efficiency(NSE), 편이(Bias), 평균절대오차(MAE)를 사용하였다. NSE는 관측값의 변동폭 대비 예측값의 평균오차로 예측의 숙련도를 평가하는 지표이고, Bias는 예측 오차의 평균적 방향성을 나타내며, MAE는 관측값과 예측값의 평균오차로써 예측의 정확도를 나타내는 지표이다(Table 1).
성능/효과
11에 기상예측모델의 예측경과기간의 증가에 따른 강수량 예측결과의 정확도를 나타내었다. 강수량 예측의 평균 편이(Bias)와 평균절대오차(MAE)는 예측경과기간이 증가할수록 증가하는 경향을 보이고 있으며, 특히 전체적으로 양의 편이를 나타내어 강수량이 비교적 크게 예측됨을 알 수 있다. Fig.
결정론적 수질모델을 이용한 단기수질예보는 수치모델의 구조적 한계와 모델 초기조건, 경계조건, 보정계수의 불확실성 등으로 일부 시기에는 클로로필-a 농도의 시 공간적 변화에 대한 예측 정확도가 다소 떨어지기도 하나 전체적으로 양호한 예측정확도를 나타내었다. 향후 클로로필-a 농도의 예측 정확도도 향상을 위해서는 조류의 발생 천이 특성을 보다 정확히 재현할 수 있는 수치모델의 개선, 모델의 최적 초기장 설정을 위한 자료동화 기법의 적용, 기상 및 유입 지류의 오염부하 등 모델 경계조건의 정확도 향상,모델 보정계수 최적화를 통한 불확실성 감소 등의 다각적인 노력이 필요할 것이다.
10 m 범위로 모든 지점에서 관측수위를 잘 재현하였으며 특히 승촌보와 죽산보의 다기능보 운영에 따른 수위 변동을 잘 재현하였다. 승촌보와 죽산보에서 주요 수질 변수인 클로로필-a, T-N, T-P 농도의 보정결과도 전체적으로 관측값을 잘 재현하고 있으며, 클로로필-a 농도의 평균절대오차(MAE)는 -10.78, 9.68mg/m3, T-N의 평균절대오차(MAE)는 0.65, 0.67 mg/L, T-P의 평균절대오차(MAE)는 0.04, 0.03 mg/L로 양호한 예측정확도를 나타내었다.
영산강 주요 지점에서 EFDC 수질예측모델의 수위 보정 결과, 오차의 평균 방향성인 편이(Bias)는 -0.09 ~ 0.03 m 범위, 평균절대오차인 MAE는 0.03 ~ 0.10 m 범위로 모든 지점에서 관측수위를 잘 재현하였으며 특히 승촌보와 죽산보의 다기능보 운영에 따른 수위 변동을 잘 재현하였다. 승촌보와 죽산보에서 주요 수질 변수인 클로로필-a, T-N, T-P 농도의 보정결과도 전체적으로 관측값을 잘 재현하고 있으며, 클로로필-a 농도의 평균절대오차(MAE)는 -10.
12에 예측경과기간의 증가에 따른 클로로필-a 농도 예측결과의 정확도를 나타내었다. 전체적으로 클로로필-a 농도 예측 정확도는 예측경과기간이 증가할수록 다소 감소하는 것을 볼 수 있는데, 이는 예측경과기간이 증가함에 따라 기상예측 및 오염원에 대한 불확실성이 커지기 때문으로 판단된다. Fig.
후속연구
결정론적 수질모델을 이용한 단기수질예보는 수치모델의 구조적 한계와 모델 초기조건, 경계조건, 보정계수의 불확실성 등으로 일부 시기에는 클로로필-a 농도의 시 공간적 변화에 대한 예측 정확도가 다소 떨어지기도 하나 전체적으로 양호한 예측정확도를 나타내었다. 향후 클로로필-a 농도의 예측 정확도도 향상을 위해서는 조류의 발생 천이 특성을 보다 정확히 재현할 수 있는 수치모델의 개선, 모델의 최적 초기장 설정을 위한 자료동화 기법의 적용, 기상 및 유입 지류의 오염부하 등 모델 경계조건의 정확도 향상,모델 보정계수 최적화를 통한 불확실성 감소 등의 다각적인 노력이 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
물 속에는 어떤 조류 종들이 존재하는가?
물 속에는 남조류, 규조류, 녹조류, 편모조류 등 수많은 조류 종들이 존재하며, 이들은 수체 내 수온, 영양물질 조건, 일사량, 체류시간, 포식자 등 다양한 환경조건에 따른 성장, 종 간 경쟁 및 사멸을 통해 생체량이 변화된다. 또한 아나베나(Anabaena spp.
대부분의 수질모델의 한계로 인해 나타나는 수질예보의 특징은?
, 2002). 이러한 한계로 인해 수질예보는 기상, 홍수예보 등과 달리 아직 국·내외적으로 적용사례가 많지 않으나, 최근에는 실시간 모니터링 기술, 수치모델 및 초고속 연산시스템의 발전, 수질 및 조류 거동특성에 대한 이해의 확대, 시·공간적으로 보다 정밀한 관측자료의 생성,관측자료를 이용하여 모델 초기장을 최적화하는 자료동화기법의 적용, 그리고 수질 및 친수정보에 대한 인식의 증대로 인해 점차 수질예보에 대한 필요성과 그 가능성이 증대되고 있다. 이를 기반으로 결정론적 수치모델, 인공신경망기법, 통계적 모형 등의 다양한 기법을 활용하여 네덜란드,덴마크, 미국, 싱가폴, 홍콩 등에서 수질예보를 시행하고 있다.
수질예보를 위한 수질예측모델은 어떻게 운용되고 있는가?
수질예보를 위한 수질예측모델은 유역에서의 유출량 및 오염부하를 모의하기 위한 Hydrological Simulation ProgramFortran (HSPF) 유역모델과 하천 본류구간에서의 물 흐름과 수질 모의를 위한 Environmental Fluid Dynamic Code (EFDC) 수질모델을 연계하여 운용되고 있다. EFDC 모델은 하천, 호수, 하구 등에서의 수리 및 수질 거동 해석을 위해 전 세계적으로 널리 사용되고 있다.
참고문헌 (28)
Choi, J. K., Min, J. H., and Kim, D. W. (2015). Three-dimensional Algal Dynamics Modeling Study in Lake Euiam Based on Limited Monitoring Data, Journal of Korean Society on Water Environment, 31(2), 181-195. [Korean Literature]
Dynamic Solutions International (DSI). (2016). efdc-explorer, http://www.efdc-exploer.com (accessed June 2016).
Han River Flood Control Office (HRFCO). (2016). Water Resources Management Information System (WAMIS), http://wamis.go.kr (accessed June 2016).
He, G., Fang, H., Bai, S., Liu, X., Chen, M., and Bai, J. (2011). Application of a Three-dimensional Eutrophication Model for the Beijing Guanting Reservoir, China, Ecological Modelling, 222, 1491-1501.
Jeong, S. M., Yeon, K. S., Hur, Y. T., and Oh, K. R. (2010). Salinity Intrusion Characteristics Analysis using EFDC Model in the Downstream of Geum River, Journal of Environmental Science, 22(6), 934-939.
Ji, Z. G., Morton, M. R., and Hamrick, J. M. (2001). Wetting and Drying Simulation of Estuarine Processes, Estuarine, Coastal and Shelf Science, 53, 683-700.
Kang, P. G., Lee, S. J., Byeon, M. S., Yoon, S. A., Lee, J. K., and Hwang, S. J. (2014). Current Status and Perspectives in the Akinete Study of the Blue-green Algal Genus Anabaena, Korean Journal of Ecology and Environment, 47(1), 1-12. [Korean Literature]
Kim, D. W., Chung, E. G., and Kim, K. H. (2012). Application of Hydrodynamic and Water Quality Model EFDC in Geum River, Proceedings of the 2012 Spring Co-Conference of Korean Society on Water Environment and Korean Society of Water and Wastewater, Korean Society on Water Environment and Korean Society of Water and Wastewater, 782-783. [Korean Literature]
Kim, K., Park, M., Min, J-H., Ryu, I., Kang, M-R., and Park, L.J. (2014). Simulation of algal bloom dynamics in a river with the ensemble Kalman filter, Journal of Hydrology, 519, 2810-2821.
Kromkamp, J. and Walsby, A. E. (1990). A Computer Model of Buoyancy and Vertical Migration in cyanobacteria, Journal of Plankton Research, 10, 171-183.
Liu, Z., Hashim, N. B., Kingery, W. L., Huddleston, D. H., and Xia, M. (2008). Hydrodynamic Modeling of St. Louis Bay Estuary and Watershed Using EFDC and HSPF, Journal of Coastal Research, Special Issue 52, 107-116.
Min, J. H., Na, E. H., Kang, M. R., and Kim, K. H. (2011). Spatially Distributed Modeling of Flow and Algal Dynamics in a Dam-Controlled River System, 2011 AGE Fall Meeting, San Francisco, CA, USA, 5-9.
Na, E. H., Shin, C. M., Park, L. J., Kim, D. G., and Kim, K. H. (2014). A Study on the Operational Forecasting of the Nakdong River Flow with a Combined Watershed and Waterbody Model, Journal of Korean Society on Water Environment, 30(1), 16-24. [Korean Literature]
National Institute of Environment Research (NIER). (2011). Development of 3-D, Time-Variable Hydrodynamic and Water Quality Model for the Water Quality Forecasting, National Institute of Environment Research. [Korean Literature]
National Institute of Environment Research (NIER). (2014). An Advanced Research on the Water Quality Forecasting System and the Numerical Models(II), National Institute of Environment Research. [Korean Literature]
National Institute of Environment Research (NIER). (2016). Water Information System (WIS), http://water.nier.go.kr (accessed June 2016).
Palani, S., Liong, S. Y., and Tkalich, P. (2008). An ANN Application for Water Quality Forecasting, Marine Pollution Bulletin, 56, 1586-1597.
Reynolds, C. S., Huszar, V., Kruk, C., Naselli-Flores, L., and Melo, S. (2002). Towards a Functional Classification of the Freshwater Phytoplankton, Journal of Plankton Research, 24(5), 417-428.
Seo, D. I., Seo, M. J., and Woo, J. K. (2009). Serial Use of Hydrodynamic and Water Quality Model of the Geum River using EFDC-Hydro and WASP7.2, Journal of Korean Society of Water and Wastewater, 23(1), 15-22. [Korean Literature]
Shin, C. M., Na, E. H., Lee, E. J., Kim, D. G., and Min, J. H. (2013). Operational Hydrological Forecast for the Nakdong River Basin Using HSPF Watershed Model, Journal of Korean Society on Water Environment, 29(2), 212-222. [Korean Literature]
Shin, C. M., Kim, K. H., Na, E. H., Min, J. H., Park, S. Y., Song, H. O., Weers, A., and Loos, S. (2014). Optimization Study of Water Quality Forecasting System, NIER-RP2014-388. National Institute of Environment Research. [Korean Literature]
Tetra Tech, Inc. (2007a). The Environmental Fluid Dynamics Code Theory and Computation Volume 1: Hydrodynamics and Mass Transport, Tetra Tech, Inc., Fairfax, VA, USA, 10-12.
Tetra Tech, Inc. (2007b). The Environmental Fluid Dynamics Code Theory and Computation Volume 3: Water Quality Module, Tetra Tech, Inc., Fairfax, VA, USA, 9-10.
University of Hong Kong (HKU). (2016). Beach Water Quality Forecast, www.waterman.hku.hk (accessed January 2016).
Wool, T. A., Davie, S. R., and Rodriguez, H. N. (2003). Development of Tthree-dimensional Hydrodynamic and Water Quality Models to Support TMDL Decision Process for the Neuse River Estuary, North Carolina, Journal of Water Resources Planning and Management, 129, 295-306.
Yin, Z. H. and Seo, D. I. (2013). Water Quality Modeling of the Ara Canal, Using EFDC-WASP Model in Series, Journal of Korean Society on Environmental Engineering, 35(2), 101-108. [Korean Literature]
Zou, R., Carter, S., Shoemaker, L., Parker, A., and Henry, T. (2006). An Integrated Hydrodynamic and Water Quality Modeling System to Support Nutrient TMDL Development for Wissahickon Creek, Journal of Environmental Engineering, 132, 555-566.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.