[논문]하천유지유량 추가 댐방류에 따른 한강유역의 수질 및 수생태계 건강성 변화 평가

우소영; 김성준; 황순진; 정충길

doi:10.3741/jkwra.2019.52.s-2.777

하천유지유량 추가 댐방류에 따른 한강유역의 수질 및 수생태계 건강성 변화 평가
Assessment of changes on water quality and aquatic ecosystem health in Han river basin by additional dam release of stream maintenance flow 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.10 suppl., 2019년, pp.777 - 789

우소영 (건국대학교 대학원 사회환경플랜트공학과) , 김성준 (건국대학교 공과대학 사회환경플랜트공학부) , 황순진 (건국대학교 상허생명과학대학 환경보건과학과) , 정충길

초록
AI-Helper

본 연구에서는 SWAT (Soil and Water Assessment Tool)을 이용하여 한강유역 ($34,148km^2$)내 다목적 댐(소양강댐, 횡성댐, 충주댐)의 하천유지유량 추가 방류 모의를 통한 유역의 수질 및 수생태계 건강성 변화를 평가하였다. 추가 방류기간은 수생태계 건강성 조사가 수행되는 봄(4-6월), 가을(8-10월)로 산정하였으며, 방류량은 댐의 기존 방류량에 비례하며 총 방류량이 댐별 고시된 하천유지유량을 초과하지 않도록 산정하였다. 하천 유지유량 방류에 따른 수질(T-N, $NH_4$, $NO_3-N$, T-P, $PO_4-P$) 농도는 봄철에 감소하지만 가을철에는 오히려 증가하는 것으로 모의되었다. 변화한 수질농도 데이터를 기존에 구축한 Random Forest 알고리즘에 적용하여 수생태계 건강성을 평가하였을 때, 유역의 하류에서 모든 수생태계 건강성 지수(FAI, TDI, BMI) 등급이 개선되는 것으로 분석되었다. 가을보다 봄에 하천유지유량 방류에 따른 수생태계 개선의 효과가 큰 것으로 나타났다.

Abstract ▼ AI-Helper

The purpose of this study is to evaluate changes in water quality and aquatic ecosystem health by additional dam release of stream maintenance flow from multipurpose dams in Han river basin ($34,148km^2$) using SWAT (Soil and Water Assessment Tool). The period of additional release was spring (April to June) and autumn (August to October) to evaluate the changes with the data of aquatic ecosystem health survey. The amount of additional release was set proportional to the present dam release, and the maximum release amount was controlled not to exceed the officially notified stream maintenance flow from dam. The 10 percent to 50 percent additional releases showed that the stream water quality (T-N, $NH_4$, T-P, and $PO_4-P$) concentrations except $NO_3-N$ decreased in spring while increased in autumn period. Using the stream water quality results and applying with Random Forest algorithm, the grade of aquatic ecosystem health index (FAI, TDI, and BMI) was improved for both periods especially in the downstream of basin. This study showed that the additional release of stream maintenance flow was more effective in spring than autumn period for the improvement of water quality and aquatic ecosystem.

주제어

표/그림 (13)

그림 Fig. 1. (a) Schematic diagram of random forest model building process, (b) Structure of random forest
그림 Fig. 2. Study area description (a) location of observation stations, dams and weirs, (b) DEM, (c) Land use
그림 Fig. 3. Flowchart of this study
표 Table 1. Aquatic ecology health indices assessment criteria for FAI, TDI, and BMI (Water Environment Information System, 2018)
표 Table 2. Input and output data of Random forest algorithm
표 Table 3. The Basin average water quality (T-N, NH4, NO3-N, T-P, and PO4-P) concentration (mg/L)
그림 Fig. 4. The calibration and validation SWAT results (a) Dam inflow and (b) Water quality (T-N, T-P), (Ahn and Kim, 2017)
그림 Fig. 5. The aquatic ecosystem health of Han river evaluated by FAI, TDI, and BMI in (a) Spring and (b) Autumn periods
그림 Fig. 6. The removal efficiency of water quality concentration for each scenarios in spring period
그림 Fig. 7. The removal efficiency of water quality concentration for each scenarios in autumn period
표 Table 4. The removal efficiency of stream water quality (T-N, NH₄, NO₃-N, T-P, PO₄-P) concentration by additional dam release with scenario 1 (10%), scenario 2 (20%), and scenario 3 (50%)
그림 Fig. 8. The change of aquatic ecosystem health index for each scenarios in spring period
그림 Fig. 9. The change of aquatic ecosystem health index for each scenarios in autumn period

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 하천의 유량이 증가하였을 때 수생태계의 건강성 변화를 평가하여, 수생태계 개선 효과를 확인하고자 한다. 이를 위해 하천의 유량, 수질농도, 수생태계 건강성 지수의 등급 자료들을 이용하여 기존의 상태를 평가하였다.
본 연구에서는 생물분야와 관련된 어류지수(Fish Assessment Index, FAI), 부착돌말지수 (Trophic Diatom Index, TDI), 저서동물지수 (Benthic Macroinvertebrate Index, BMI)를 활용하여 유역의 건강성을 평가하고자 하며, 각 지수의 점수는 Eqs.

가설 설정

하천유지유량 방류를 통한 하천의 유량 증가 모의를 위해 SWAT의 Dam operation을 이용하였으며, 추가로 방류되는 하천유지유량은 수생태계 건강성 회복을 위해 사용됨을 가정하였다. 추가 방류량은 기존 댐 운영을 고려하기 위해 일별 댐 방류량에 비례하도록 산정하였으며, 증가 비율 10%, 20%, 50%를 각각 시나리오 1-3으로 정하였다.

제안 방법

유역의 수생태계 건강성 회복 방안으로 다목적 댐에서 하천유지유량을 추가 방류하였을 때, 수질농도 변화를 확인하기 위해 Eq. (4)를 이용하여 시나리오 적용에 따른 표준유역별 농도저감 효율(Removal Efficiency)을 산정하였다.
5는 SWAT 수질 농도 결과와 수생태계 건강성 관측자 료를 Random Forest 알고리즘의 입력자료로 활용하여 표준 유역별 수생태계 건강성을 평가한 결과이다. 2008년부터 2015년까지 매년 수생태계 건강성 등급을 평가하였으며, 가장 많이 표출된 등급을 표준유역의 대표 등급으로 산정하였다. 수생태계 건강성 평가는 매년 2차례 봄과 가을에 수행되며, 여름철 장마의 영향으로 봄과 가을의 건강성 양상이 다르기 때문에 두 기간을 구분하여 분석하였다.
GIS 데이터, 다목적 댐, 다기능 보의 운영자료 및 검·보정 지점의 수문, 수질 관측자료를 바탕으로 SWAT 모형을 구축하고 상류에서 하류로 순차적으로 다지점 검·보정을 수행하였다.
마지막으로 하천 유량과 수질 농도 변화에 따른 수 생태계 건강성 지수 등급의 변화를 평가하여, 하천 유량 증가가 수생태계 복원 및 개선에 미치는 영향을 확인하였다. SWAT을 이용하여 댐에서 수생태계 보전을 위한 하천유지유량 추가 방류 모의와 그에 따른 하천의 유량 변화 및 수질 모의하였으며, 그 결과를 기계학습의 Random Forest 알고리즘의 입력자료로 활용하여 수생태계 건강성 지수의 등급의 변화를 평가하였다.
하천 생태계를 위한 유량으로는 수질, 수량, 염해, 주운 그리고 수생태 보전 등의 8가지의 항목에 대하여 각각의 필요 유량을 산정하여 가장 큰 유량으로 고시되고 있는 하천유지유량을 사용하였다. 기존 댐에서 방류되고 있는 하천유지유량을 제외하고, 추가로 댐에서 하천유지유량을 수생태 보전을 위한 용도로 일정 기간 방류하여, 하천의 유량이 증가에 따른 수질 농도의 저감을 효율을 평가하였다. 마지막으로 하천 유량과 수질 농도 변화에 따른 수 생태계 건강성 지수 등급의 변화를 평가하여, 하천 유량 증가가 수생태계 복원 및 개선에 미치는 영향을 확인하였다.
기존 댐에서 방류되고 있는 하천유지유량을 제외하고, 추가로 댐에서 하천유지유량을 수생태 보전을 위한 용도로 일정 기간 방류하여, 하천의 유량이 증가에 따른 수질 농도의 저감을 효율을 평가하였다. 마지막으로 하천 유량과 수질 농도 변화에 따른 수 생태계 건강성 지수 등급의 변화를 평가하여, 하천 유량 증가가 수생태계 복원 및 개선에 미치는 영향을 확인하였다. SWAT을 이용하여 댐에서 수생태계 보전을 위한 하천유지유량 추가 방류 모의와 그에 따른 하천의 유량 변화 및 수질 모의하였으며, 그 결과를 기계학습의 Random Forest 알고리즘의 입력자료로 활용하여 수생태계 건강성 지수의 등급의 변화를 평가하였다.
한강유역 내에 있는 다목적댐인 소양강댐, 횡성댐, 충주댐에서 하천유지유량을 추가 방류를 모의하였다. 방류모의 기간은 수생태계 건강성 관측이 수행된 2008년부터 2015년 봄(4-6월), 가을(8-10월)로 선정하였고, 추가 방류량은 강수량의 영향을 반영하기 위해 기존 방류량의 10%, 20%, 그리고 50%로 선정하였다. 본 연구의 결과를 요약하면 다음과 같다.
수생태계 건강성 평가 지점의 공간적 분포를 고려하여 86개표 준유역의 하천 수질(T-N, NH4, NO3-N, T-P, and PO4-P)에 대한 SWAT 결과와 물환경정보시스템에서 제공하는 수생태계 건강성 지수(FAI, TDI, BMI) 등급 자료를 이용하여 Random Forest 알고리즘 구축의 학습(Train) 및 검증(Test)을 수행하였다.
2008년부터 2015년까지 매년 수생태계 건강성 등급을 평가하였으며, 가장 많이 표출된 등급을 표준유역의 대표 등급으로 산정하였다. 수생태계 건강성 평가는 매년 2차례 봄과 가을에 수행되며, 여름철 장마의 영향으로 봄과 가을의 건강성 양상이 다르기 때문에 두 기간을 구분하여 분석하였다. FAI로 유역의 수생태계 건강성을 평가한 경우 유역의 충주댐 유역에서부터 하류까지 건강성이 C등급 이하로 나타났으며, 일부 유역에서 봄에 비해 가을철에 건강성을 회복하는 것으로 분석되었다.
본 논문에서는 하천의 유량이 증가하였을 때 수생태계의 건강성 변화를 평가하여, 수생태계 개선 효과를 확인하고자 한다. 이를 위해 하천의 유량, 수질농도, 수생태계 건강성 지수의 등급 자료들을 이용하여 기존의 상태를 평가하였다. 하천 생태계를 위한 유량으로는 수질, 수량, 염해, 주운 그리고 수생태 보전 등의 8가지의 항목에 대하여 각각의 필요 유량을 산정하여 가장 큰 유량으로 고시되고 있는 하천유지유량을 사용하였다.
구축한 SWAT모형에 하천유지유량 시나리오를 적용하여 표준유역별 수질농도 변화를 분석하였으며, 이 결과를 기존 데이터로 학습시킨 Random Forest 알고리즘에 입력자료로 적용하였다. 이를 통해 각 수생태계 건강성 지수의 등급을 예측하여 하천유지유량의 방류가 수생태계 건강성에 미치는 영향을 분석하였다. Fig.
하천유지유량 방류를 통한 하천의 유량 증가 모의를 위해 SWAT의 Dam operation을 이용하였으며, 추가로 방류되는 하천유지유량은 수생태계 건강성 회복을 위해 사용됨을 가정하였다. 추가 방류량은 기존 댐 운영을 고려하기 위해 일별 댐 방류량에 비례하도록 산정하였으며, 증가 비율 10%, 20%, 50%를 각각 시나리오 1-3으로 정하였다.
이를 위해 하천의 유량, 수질농도, 수생태계 건강성 지수의 등급 자료들을 이용하여 기존의 상태를 평가하였다. 하천 생태계를 위한 유량으로는 수질, 수량, 염해, 주운 그리고 수생태 보전 등의 8가지의 항목에 대하여 각각의 필요 유량을 산정하여 가장 큰 유량으로 고시되고 있는 하천유지유량을 사용하였다. 기존 댐에서 방류되고 있는 하천유지유량을 제외하고, 추가로 댐에서 하천유지유량을 수생태 보전을 위한 용도로 일정 기간 방류하여, 하천의 유량이 증가에 따른 수질 농도의 저감을 효율을 평가하였다.
하천유지유량 시나리오를 적용하여 모의한 변화된 수질농도를 기존에 구축한 Random Forest 알고리즘의 새로운 입력 변수로 사용하여 표준유역별 수생태계 건강성 지수의 등급을 산정하였다. 다목적댐에서 추가로 방류한 하천유지유량은 댐의 하류에 직접적으로 영향을 미치기 때문에 상류 및 지류 하천을 포함한 유역에서는 수생태계 건강성 변화가 나타나지 않았다.
본 연구에서는 한강유역을 대상으로 유역모형인 SWAT을 이용하여 하천유지유량 추가 방류에 따른 하천 수질 변화를 분석하고, 그 결과를 기계학습 기법인 Random Forest 알고리즘에 적용하여 수생태계 건강성 변화 양상을 평가하였다. 한강유역 내에 있는 다목적댐인 소양강댐, 횡성댐, 충주댐에서 하천유지유량을 추가 방류를 모의하였다. 방류모의 기간은 수생태계 건강성 관측이 수행된 2008년부터 2015년 봄(4-6월), 가을(8-10월)로 선정하였고, 추가 방류량은 강수량의 영향을 반영하기 위해 기존 방류량의 10%, 20%, 그리고 50%로 선정하였다.

대상 데이터

기상자료로는 14개의 관측소 (충주, 제천, 영월, 이천, 원주, 양평, 서울, 홍천, 대관령, 문산, 동두천, 춘천, 인제, 철원)의 강수량(mm), 최고 및 최저기온 (°C), 풍속(m/sec), 태양복사량(MJ/m2 ), 그리고 상대습도(%) 의 일자료를 사용하였고, 수문 및 수질 자료로는 대규모 시설물 운영 모의를 위해 댐, 보의 일별 유입량, 저수량, 방류량 자료와 47개 지점의 점오염원 자료를 사용하였다. GIS 공간자료는 국가수자원관리종합정보시스템(WAter Management Information System, WAMIS)에서 제공하는 30 m DEM (Digital Elevation Model)과 1:25,000 비율의 정밀토양도 그리고 환경부의 2008년 중분류 자료를 기반으로 한 토지이용도를 사용하였다(Figs. 2(b) and 2(c)).
기상자료로는 14개의 관측소 (충주, 제천, 영월, 이천, 원주, 양평, 서울, 홍천, 대관령, 문산, 동두천, 춘천, 인제, 철원)의 강수량(mm), 최고 및 최저기온 (°C), 풍속(m/sec), 태양복사량(MJ/m2 ), 그리고 상대습도(%) 의 일자료를 사용하였고, 수문 및 수질 자료로는 대규모 시설물 운영 모의를 위해 댐, 보의 일별 유입량, 저수량, 방류량 자료와 47개 지점의 점오염원 자료를 사용하였다.
본 연구의 대상유역은 5대 권역 중 하나인 한강 유역으로 유역면적 34,148 km2 , 유역평균폭 69.8 km, 유역평균표고 406.9 m (-55.0 - 1,650.0 m), 그리고 유역평균경사는 39.1% 이다. 고도가 높은 동쪽에 넓게 분포한 산림은 유역의 73%를 구성하고 있으며, 논, 밭 그리고 도시는 각각 6%, 12%, 4%를 차지하고 있다.

데이터처리

SWAT의 보정 기간은 5년(2005-2009), 검증기간은 5년(2010-2014)이며, coefficient of determination (R2), Nash and Sutcliffe (1970) model efficiency (NSE), percent bias (PBIAS)를 사용하여 모형의 적용성을 평가하였다.

이론/모형

구축한 SWAT모형에 하천유지유량 시나리오를 적용하여 표준유역별 수질농도 변화를 분석하였으며, 이 결과를 기존 데이터로 학습시킨 Random Forest 알고리즘에 입력자료로 적용하였다. 이를 통해 각 수생태계 건강성 지수의 등급을 예측하여 하천유지유량의 방류가 수생태계 건강성에 미치는 영향을 분석하였다.
본 연구에서는 다목점 댐 및 다기능 보 운영을 고려하여 한강유역에 대한 SWAT을 구축한 Ahn et al. (2016) 연구와 SWAT과 Random Forest 기법을 이용하여 미계측 유역을 포함한 한강유역의 표준유역에 대한 수생태계 건강성을 평가한 Woo et al. (2019)의 연구결과를 사용하였다. SWAT의 보정 기간은 5년(2005-2009), 검증기간은 5년(2010-2014)이며, coefficient of determination (R²), Nash and Sutcliffe (1970) model efficiency (NSE), percent bias (PBIAS)를 사용하여 모형의 적용성을 평가하였다.
본 연구에서는 한강유역을 대상으로 유역모형인 SWAT을 이용하여 하천유지유량 추가 방류에 따른 하천 수질 변화를 분석하고, 그 결과를 기계학습 기법인 Random Forest 알고리즘에 적용하여 수생태계 건강성 변화 양상을 평가하였다. 한강유역 내에 있는 다목적댐인 소양강댐, 횡성댐, 충주댐에서 하천유지유량을 추가 방류를 모의하였다.
SWAT은 토지이용, 토양의 종류 및 관리 등의 조합을 고려한 수문반응단위(Hydrologic Response Unit, HRU)로 전체 유역을 세분화하여 물수지 방정식을 기반으로 수문순환을 모의한다. 침식과 유사량은 각 HRU에 대해서 수정범용토양침식공식 (Modified Universal Soil Loss Equation, MUSLE)를 이용하여 추정하며, 유사의 이송은 퇴적과 침식의 동시작용에 의해 조절된다. 또한, 하천 내동역학 QUAL2E 모형으로부터 하천에 용해되거나 유사에 부착된 질소, 인 등의 영양물질을 추적 한다(Arnold et al.

성능/효과

1) 한강유역의 다목적 댐 유입량에 대한 SWAT의 검·보정 결과 R2 는 0.78-0.90, NSE는 0.59-0.80, PBIAS는 5-14%로 분석되었으며, 수질의 R2 는 T-N 0.64, T-P 0.71의 상관성을 나타내었다.
2) SWAT으로 도출한 237개의 표준유역에 대한 수질농도를 Random Forest 알고리즘의 입력변수로 적용하여 유역의 수생태계 건강성을 평가하였을 때, FAI는 상류의 건강성은 우수하지만 충주댐 유역 하류부터 건강성이 C등급 이하로 평가되었다. TDI는 일부 표준유역을 제외하고 거의 모든 유역에서의 건강성이 C등급 이하였으며, BMI는 하류를 제외한 유역에서의 건강성이 A-B등급으로 분석되었다.
3) SWAT을 이용하여 다목적댐에서의 하천유지유량 추가 방류 모의는 지류하천을 제외한 댐 하류 본류에 영향을 미치는 것으로 나타났다. 방류량이 가장 큰 시나리오 3에서 수질 농도 변화가 가장 크게 나타났으며 봄에는 T-P가 최대 47.
4) 위의 SWAT 결과를 기존에 구축한 Random Forest 알고리즘의 새로운 입력변수로 사용하여 표준유역별 수생태계 건강성의 변화를 모의한 결과, 유역 하류에서 건강성이 회복되는 것으로 분석되었으며 하천유지유량 추가 방류는 가을철에 비해 봄철에 더 큰 영향을 미치는 것으로 나타났다.
TDI_s는 기존에 E등급으로 산정되었던 횡성댐과 충주댐 하류 유역의 건강성이 개선되어 시나리오 3에서는 C등급으로 회복하는 것으로 분석되었다. BMI_s는 하천유지유량을 10%, 20% 증가시킨 시나리오 1, 2에서 건강성이 A등급에서 B, C등급으로 나빠지는 표준유역이 일부 발생하였으나, 하천 유지유량을 50% 증가시킨 시나리오 3에서는 유역 하류의 건강성이 확연히 개선되는 것으로 나타났다. 이는 Fig.
수생태계 건강성 평가는 매년 2차례 봄과 가을에 수행되며, 여름철 장마의 영향으로 봄과 가을의 건강성 양상이 다르기 때문에 두 기간을 구분하여 분석하였다. FAI로 유역의 수생태계 건강성을 평가한 경우 유역의 충주댐 유역에서부터 하류까지 건강성이 C등급 이하로 나타났으며, 일부 유역에서 봄에 비해 가을철에 건강성을 회복하는 것으로 분석되었다. TDI의 경우 일부 표준유역을 제외하고 거의 모든 유역에서 건강성이 C등급 이하로 평가되었고, BMI는 하류를 제외한 유역에서 건강성이 A-B등급으로 평가되었다.
9에서 FAI_a는 기존에 D등급으로 표현되었던 하류 유역들이 C등급으로 개선되었으며, 시나리오 1의 경우 소양강 댐 하류에서 건강성이 B등급까지 회복되는 것으로 나타났다. TDI_a는 봄과 유사하게 유역 중간 부분에서 건강성이 회복되는 것으로 나타났으나 봄보다는 건강성 회복 효과가 미비한 것으로 나타났다. 또한, BMI_a도 유역 출구에서 기존 E등급으로 나타났던 건강성이 B-C 등급으로 개선되는 것으로 분석되었다.
시나리오 2는 상대적으로 건강성의 변화가 크게 나타나지 않았으며, 시나리오 3은 소양강댐 하류에서 크게 개선되었으며, 횡성댐과 충주댐 하류에서의 변화는 다른 시나리오보다는 적게 나타났다. TDI_s는 기존에 E등급으로 산정되었던 횡성댐과 충주댐 하류 유역의 건강성이 개선되어 시나리오 3에서는 C등급으로 회복하는 것으로 분석되었다. BMI_s는 하천유지유량을 10%, 20% 증가시킨 시나리오 1, 2에서 건강성이 A등급에서 B, C등급으로 나빠지는 표준유역이 일부 발생하였으나, 하천 유지유량을 50% 증가시킨 시나리오 3에서는 유역 하류의 건강성이 확연히 개선되는 것으로 나타났다.
2) SWAT으로 도출한 237개의 표준유역에 대한 수질농도를 Random Forest 알고리즘의 입력변수로 적용하여 유역의 수생태계 건강성을 평가하였을 때, FAI는 상류의 건강성은 우수하지만 충주댐 유역 하류부터 건강성이 C등급 이하로 평가되었다. TDI는 일부 표준유역을 제외하고 거의 모든 유역에서의 건강성이 C등급 이하였으며, BMI는 하류를 제외한 유역에서의 건강성이 A-B등급으로 분석되었다.
가을에는 봄과 다르게 모든 시나리오에서 NO₃-N 수질의 농도가 감소하는 것으로 나타났으며, 시나리오 3의 경우 소양 강댐에서 11.7%, 횡성 및 충주댐에서는 16.3% 감소하여 팔당댐 이후 10.9% 감소하는 것으로 분석되었다. 반면, 인계열 수질(T-P, PO₄-P)의 경우 모든 시나리오에서 농도가 증가하는 것으로 나타났고 방류량 증가에 비례하여 시나리오 3에서 2.
검·보정 결과를 기반으로 봄과 가을의 유역 평균 수질농도를 산정하였을 때 봄의 수질농도가 가을보다 높으며, 특히 NO3-N의 농도 변화가 가장 크게 변하는 것으로 나타났다.
3% 감소하는 것으로 분석되었다. 그리고 가을에는 방류량 증가와 함께 인 계열 수질(T-P, PO₄-P)의 농도가 오히려 증가하는 것으로 분석되었다.
그리고 봄의 수질농도가 가을보다 높게 나타났으며, 특 히NO3–N 농도는 봄에 0.576 mg/L에서 가을 0.083 mg/L로 가장 크게 변하는 것으로 나타났다.
댐 유입량 결과의 R2 는 0.78-0.90, NSE는 0.59-0.80, PBIAS는 5-14%로 분석되었으며, 수질 T-N, T-P 의 R2 는 0.64, 0.71로 분석되어 SWAT calibration guidelines (NSE≥0.5, PBIAS≤28%, R2 ≥0.6; Moriasi et al., 2007; Santhi et al., 2001)을 만족하는 것으로 나타났다.
다목적댐에서 추가로 방류한 하천유지유량은 댐의 하류에 직접적으로 영향을 미치기 때문에 상류 및 지류 하천을 포함한 유역에서는 수생태계 건강성 변화가 나타나지 않았다. 따라서 수질농도가 변화한 33개의 표준유역에 대한 수생태계 건강성 지수 등급의 변화만 분포도로 도시하였다 (Figs. 8 and 9).
TDI_a는 봄과 유사하게 유역 중간 부분에서 건강성이 회복되는 것으로 나타났으나 봄보다는 건강성 회복 효과가 미비한 것으로 나타났다. 또한, BMI_a도 유역 출구에서 기존 E등급으로 나타났던 건강성이 B-C 등급으로 개선되는 것으로 분석되었다. 이러한 결과는 여름철 장마로 인한 강우량 증가에 따른 하천유량 증가의 영향으로 가을철 하천유지유량 추가 방류는 봄철보다 효과가 미비하며 따라서 가을철 수생태계 건강성을 회복하기 위해서는 점오염원, 비점오염원을 직접적으로 통제할 필요가 있는 것으로 판단된다.
봄에 시나리오 1을 적용하였을 때, 소양강댐(SYD)에서는 모든 수질농도가 저감되었으며 T-P가 최대 14% 감소하였다. 반면 횡성댐(HSD)과 충주댐(CJD)에서는 질소 계열 수질(T-N, NH₄, and NO₃-N)이 증가하는 것으로 나타났고, NO₃-N 농도가 5% 증가하였다. 팔당댐(PDD)에서 합류된 이후에는 수질 농도가 기존보다 최대 3% 감소하는 것으로 분석되었다.
9% 감소하는 것으로 분석되었다. 반면, 인계열 수질(T-P, PO₄-P)의 경우 모든 시나리오에서 농도가 증가하는 것으로 나타났고 방류량 증가에 비례하여 시나리오 3에서 2.3~12.4% 증가하는 것으로 분석되었다(Fig. 7 and Table 4). 이는 여름철 집중호우 및 장마의 영향으로 이미 수질의 농도가 봄철에 비해 감소하였기 때문에 하천유지유량 추가 방류에 따른 수질농도 저감 효과가 미비한 것으로 판단된다.
3) SWAT을 이용하여 다목적댐에서의 하천유지유량 추가 방류 모의는 지류하천을 제외한 댐 하류 본류에 영향을 미치는 것으로 나타났다. 방류량이 가장 큰 시나리오 3에서 수질 농도 변화가 가장 크게 나타났으며 봄에는 T-P가 최대 47.7% 감소하였고 가을에는 NO₃-N가 최대 16.3% 감소하는 것으로 분석되었다. 그리고 가을에는 방류량 증가와 함께 인 계열 수질(T-P, PO₄-P)의 농도가 오히려 증가하는 것으로 분석되었다.
봄에 시나리오 1을 적용하였을 때, 소양강댐(SYD)에서는 모든 수질농도가 저감되었으며 T-P가 최대 14% 감소하였다. 반면 횡성댐(HSD)과 충주댐(CJD)에서는 질소 계열 수질(T-N, NH₄, and NO₃-N)이 증가하는 것으로 나타났고, NO₃-N 농도가 5% 증가하였다.
8에서 FAI_s는 소양강댐 하류에서 기존에 C등급으로 산정되었으나 하천유지유량을 방류의 영향으로 일부 A-B등급으로 개선되었다. 시나리오 1의 경우 댐에서 떨어진 하류 유역에서는 건강성이 E등급으로 악화되었지만, 팔당댐 이전 유역에서는 건강성이 개선되는 것으로 나타났다. 시나리오 2는 상대적으로 건강성의 변화가 크게 나타나지 않았으며, 시나리오 3은 소양강댐 하류에서 크게 개선되었으며, 횡성댐과 충주댐 하류에서의 변화는 다른 시나리오보다는 적게 나타났다.
시나리오 1의 경우 댐에서 떨어진 하류 유역에서는 건강성이 E등급으로 악화되었지만, 팔당댐 이전 유역에서는 건강성이 개선되는 것으로 나타났다. 시나리오 2는 상대적으로 건강성의 변화가 크게 나타나지 않았으며, 시나리오 3은 소양강댐 하류에서 크게 개선되었으며, 횡성댐과 충주댐 하류에서의 변화는 다른 시나리오보다는 적게 나타났다. TDI_s는 기존에 E등급으로 산정되었던 횡성댐과 충주댐 하류 유역의 건강성이 개선되어 시나리오 3에서는 C등급으로 회복하는 것으로 분석되었다.
팔당댐(PDD)에서 합류된 이후에는 수질 농도가 기존보다 최대 3% 감소하는 것으로 분석되었다. 시나리오 3을 적용하였을 때는 모든 지점에서의 수질농도가 감소 하였으며, 가장 큰 변화는 소양강댐의 영향을 받는 유역의 T-P 저감 효율이 47.7%로 분석되었다. 팔당댐에서 유역의 하류 출구 지점까지는 하천유지유량 방류량에 비례하여 저감효율 이 증가하여, 시나리오 3에서는 수질농도가 13.
7%로 분석되었다. 팔당댐에서 유역의 하류 출구 지점까지는 하천유지유량 방류량에 비례하여 저감효율 이 증가하여, 시나리오 3에서는 수질농도가 13.5 - 23.7% 감 소하는 것으로 나타났다(Fig. 6 and Table 4).

후속연구

그리고 여름철 장마로 인한 강우량 증가에 따른 하천 유량 증가의 영향으로 가을철 하천유지유량 추가 방류는 봄철보다 효과가 미비하므로 가을철 수질 및 수생태계 건강성을 회복하기 위해서는 점·비점 오염원을 직접적으로 관리 및 통제할 필요할 것으로 사료된다.
그리고 여름철 장마로 인한 강우량 증가에 따른 하천 유량 증가의 영향으로 가을철 하천유지유량 추가 방류는 봄철보다 효과가 미비하므로 가을철 수질 및 수생태계 건강성을 회복하기 위해서는 점·비점 오염원을 직접적으로 관리 및 통제할 필요할 것으로 사료된다. 본 연구에서는 수질과 수생태계 건강성 지수(FAI, TDI, BMI)의 등급 자료를 이용하여 Random Forest를 구축하였으나, 추후 등급을 결정하는 구체적인 데이터와 유역별 어류의 우점종, 저서성 대형무척추동물의 분포에 영향을 미치는 물리적 서식처와 같은 데이터를 활용하여 분석한다면 더 좋은 결과를 도출할 것으로 판단된다.
본 연구의 결과를 통해 하천유지유량을 이용하여 하천의 유량이 증가하였을 때, 유역의 수질 및 수생태계 건강성이 일부 회복 가능함을 확인하였으며, 이는 수생태계 관리 및 보호를 위한 방안 수립에 활용될 수 있을 것으로 판단된다. SWAT을 이용한 댐 방류량 증가모의의 경우 댐 내의 완전 혼합된 호소수질을 댐 하류로 전달하기 때문에, 하천유지유량 방류에 의한 하류 하천수질 및 수생태계 영향을 자세하게 평가하기 위해서는 수심을 고려한 수문 방류수의 수질을 고려할 필요가 있을 것으로 판단된다.
또한, BMI_a도 유역 출구에서 기존 E등급으로 나타났던 건강성이 B-C 등급으로 개선되는 것으로 분석되었다. 이러한 결과는 여름철 장마로 인한 강우량 증가에 따른 하천유량 증가의 영향으로 가을철 하천유지유량 추가 방류는 봄철보다 효과가 미비하며 따라서 가을철 수생태계 건강성을 회복하기 위해서는 점오염원, 비점오염원을 직접적으로 통제할 필요가 있는 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수생태계란?	수생태계란 공공수역과 수변지역의 식물, 동물, 미생물, 무 생물환경 등이 상호작용하는 유기적인 복합체로서, 건강한 수생태계란 구성요소들이 훼손되지 않고 그 안에 존재하는 생물과 무생물들이 균형을 이루며 온전한 기능을 발휘하는 상태를 의미한다(Water Environment Information System, 2018). 이러한 하천생태계는 도시화, 산업화, 농업, 축산업 등의 인간 활동의 영향으로 교란될 뿐만 아니라, 기후변화로 인한 가뭄, 홍수와 같은 수자원의 시공간적 분포 특성 변화에 영향을 받아 생태계 서식환경과 생물군집의 변화뿐만 아니라 고 유종의 멸종을 초래하기도 한다(Kang and Son, 2011; Kim et al.
	하천생태계 교란의 원인은?	수생태계란 공공수역과 수변지역의 식물, 동물, 미생물, 무 생물환경 등이 상호작용하는 유기적인 복합체로서, 건강한 수생태계란 구성요소들이 훼손되지 않고 그 안에 존재하는 생물과 무생물들이 균형을 이루며 온전한 기능을 발휘하는 상태를 의미한다(Water Environment Information System, 2018). 이러한 하천생태계는 도시화, 산업화, 농업, 축산업 등의 인간 활동의 영향으로 교란될 뿐만 아니라, 기후변화로 인한 가뭄, 홍수와 같은 수자원의 시공간적 분포 특성 변화에 영향을 받아 생태계 서식환경과 생물군집의 변화뿐만 아니라 고 유종의 멸종을 초래하기도 한다(Kang and Son, 2011; Kim et al., 2013).
	하천의 생물학적 특성을 조사한 예시는?	국립환경과학원에서 2008년부터 전국을 대상으로 1년에 2차례 하천의 생물학적 특성을 조사하여 수생태계 건강성을 평가하고 있으며, 이화학적 수질과 생물지수의 관계에 관한 다양한 연구가 수행되고 있다. An et al. (2005)은 유등천의 어류 분포와 총질소(T-N), 총인(T-P) 등의 이화학적 특성을 조사하였으며, Kim et al. (2009)은 부착규조류와 유기물량, BOD, 총인, 총질소와의 상관관계를 분석하여 남한강지류의 생물학적 수질을 평가하였다. 수문, 수질, 그리고 수생태계를 구성하는 수생생물들은 상호작용을 하며, 수질이 악화되는 경우 수생태계 건강성도 더불어 악화되는 경향성을 나타내고 있으나, 정확한 상관성을 도출하기 어려워 블랙박스와 같은 기계학습을 활용한 연구가 수행되고 있다(Recknagel, 2001; Prasad et al., 2006; Cordier et al.

참고문헌 (30)

Ahn, S. R., and Kim, S. J. (2017). "Assessment of integrated watershed health based on the natural environment, hydrology, water quality, and aquatic ecology." Hydrology and Earth System Sciences, Vol. 21, No. 1, pp. 5583-5602.

상세보기
Ahn, S. R., Lee, J. W., Jang, S. S., and Kim, S. J. (2016). "Large scale SWAT watershed modeling considering multi-purpose dams and multi-function weirs operation-for Namhan river basin." Journal of the Korean Society of Agricultural Engineers, Vol. 58, No. 4, pp. 21-35.
An, K., Lee, J., and Jang, H. (2005). "Ecological health assessments and water quality patterns in Youdeung Stream." Korean Journal of Limnology, Vol. 38, No. 3, p. 341.
Arnold, J. G., Williams, J. R., Srinivasan, R., and King, K. W. (1996). SWAT manual. USDA. Agricultural Research Service and Blackland Research Center, Texas.
Breiman, L. (2001). "Random Forests." Machine learning, Vol. 45, No. 1, pp. 5-32.
Cordier, T., Esling, P., Lejzerowicz, F., Visco, J., Ouadahi, A., Martins, C., Cedhagen, T., and Pawlowski, J. (2017). "Predicting the ecological quality status of marine environments from eDNA metabarcoding data using supervised machine learning." Environmental science & technology, Vol. 51, No. 16, pp. 9118-9126.

상세보기
Dudoit, S., Fridlyand, J., and Speed, T. P. (2002). "Comparison of discrimination methods for the classification of tumors using gene expression data." Journal of the American Statistical Association, Vol. 97, No. 457, pp. 77-87.

상세보기
Duro, D. C., Franklin, S. E., and Dube, M. G. (2012). "Multi-scale object-based image analysis and feature selection of multi-sensor earth observation imagery using random forests." International Journal of Remote Sensing, Vol. 33, No. 14, pp. 4502-4526. easyDataBt.do?menuIdx3_1_2>.

상세보기
FernAndez, D. M., Cernadas, E., Barro, S., and Amorim, D. (2014). "Do we need hundreds of classifiers to solve real world classification problems?" The Journal of Machine Learning Research, Vol. 15, No. 1, pp. 3133-3181.
Hahm, C. H., and Kim, G. H. (2010). "A study of ecological flow assessment for environmental development in natural river." Journal of the Korean Society for Geo-spatial Information Science, Vol. 18, No. 1, pp. 47-53.
Jung, C. G., Lee, J. W., Ahn, S. R., Hwang, S. J., and Kim, S. J. (2016). "Assessment of ecological streamflow for maintaining good ecological water environment." Journal of The Korean Society of Agricultural Engineers, Vol. 58, No. 3, pp. 1-12.
Kang, B., and Son, J. K. (2011). "The study on the evaluation of environment function at small stream-In the case of Hongdong stream in Hongsung-gun." Journal of the Korea Society of Environmental Restoration Technology, Vol. 14, No. 5, pp. 81-101.
Kim, S., Noh, H. S., Hong, S. J., Kwak, J. W., and Kim, H. S. (2013). "Impact of climate change on habitat of the Rhynchocypris kumgangensis in Pyungchang river." Journal of Wetlands Research, Vol. 15, No. 2, pp. 271-280.

원문보기 상세보기
Kim, Y. J., Shin, K., and Lee, O. M. (2009). "Water quality assessed by DAIpo and TDI of Bokha stream and Dal stream in South-Han river." Korean Journal of Environmental Biology, Vol. 27, No. 4, pp. 414-424.
Lee, J. W., Jung, C. G., Kim, D. R., and Kim, S. J. (2018). "Assessment of future climate change impact on groundwater level behavior in Geum river basin using SWAT." Journal of Korea Water Resources Association, Vol. 51, No. 3, pp. 247-261.
Ministry of Environment (MOE) (2015). Nationwide aquatic ecological monitoring program. National Institute of Environmental Research, Incheon, South Korea.
Mkhwanazi, M., Chavez, J. L., and Rambikur, E. H. (2012). "Comparison of Large aperture scintillometer and satellite-based energy balance models in sensible heat flux and crop evapotranspiration determination." International Journal of Remote Sensing Applications, Vol. 12, pp. 24-30.
Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., and Veith, T. L. (2007). "Model evaluation guidelines for systematic quantification of accuracy in watershed simulations." Transactions of the ASABE, Vol. 50, No. 3, pp. 885-900.

상세보기
Muller, A. C., and Guido, S. (2016). Introduction to machine learning with Python: a guide for data scientists. O'Reilly Media, Inc., USA.
Na, X., Zhang, S., Li, X., Yu, H., and Liu, C. (2010). "Improved land cover mapping using random forests combined with landsat thematic mapper imagery and ancillary geographic data." Photogrammetric Engineering and Remote Sensing, Vol. 76, No. 7, pp. 833-840.

상세보기
Nash, J. E., and Sutcliffe, J. V. (1970). "River flow forecasting though conceptual models: Part I, A discussion of principles." Journal of Hydrology, Vol. 10, No. 3, pp. 282-290.

상세보기
Neitsch, S. L., Arnold, J. G., Kiniry, J. R., and Williams, J. R. (2001). Soil and water assessment tool: Theoretical documentation. U.S Agricultural Research Service, 340-367, Temple, Texas.
Park, C. Y., Kim, Y. D., Kim, J. S., Song, J. W., and Choi, H. S. (2011). R data mining. Kyowoo, Seoul.
Prasad, A. M., Iverson, L. R., and Liaw, A. (2006). "Newer classification and regression tree techniques: bagging and random forests for ecological prediction." Ecosystems, Vol. 9, No. 2, pp. 181-199.

상세보기
Probst, P., Boulesteix, A. L., and Bischl, B. (2019). "Tunability: importance of hyperparameters of machine learning algorithms." Journal of Machine Learning Research, Vol. 20, No. 53, pp. 1-32.
Recknagel, F. (2001). "Applications of machine learning to ecological modelling." Ecological Modelling, Vol. 146, No. 1-3, pp. 303-310.

상세보기
Santhi, C., Arnold, J. G., Williams, J. R., Dugas, W. A., Srinivasan, R., and Hauck, L. M. (2001). "Validation of the swat model on a large RWER basin with point and nonpoint sources." JAWRA Journal of the American Water Resources Association, Vol. 37, No. 5, pp. 1169-1188.

상세보기
Sung, Y. D., Park, B. J., Joo, G. J., and Jung, K. S. (2005). "The estimation of ecological flow recommendations for fish habitat." Journal of Korea Water Resources Association, Vol. 38, No. 7, pp. 545-554.

원문보기 상세보기
Water Environment Information System (2018). accessed 31 December 2018,
Woo, S. Y., Jung, C. G., Lee, J. W., and Kim, S. J. (2019). "Evaluation of watershed scale aquatic ecosystem health by SWAT Modeling and Random forest technique." Sustainability, Vol. 11, No. 12, p. 3397.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증