기후변화에 따른 소양호의 수온 장기 모의 및 불확실성 정량화 Long-term Simulation and Uncertainty Quantification of Water Temperature in Soyanggang Reservoir due to Climate Change원문보기
Future climate change may affect the hydro-thermal and biogeochemical characteristics of dam reservoirs, the most important water resources in Korea. Thus, scientific projection of the impact of climate change on the reservoir environment, factoring uncertainties, is crucial for sustainable water us...
Future climate change may affect the hydro-thermal and biogeochemical characteristics of dam reservoirs, the most important water resources in Korea. Thus, scientific projection of the impact of climate change on the reservoir environment, factoring uncertainties, is crucial for sustainable water use. The purpose of this study was to predict the future water temperature and stratification structure of the Soyanggang Reservoir in response to a total of 42 scenarios, combining two climate scenarios, seven GCM models, one surface runoff model, and three wind scenarios of hydrodynamic model, and to quantify the uncertainty of each modeling step and scenario. Although there are differences depending on the scenarios, the annual reservoir water temperature tended to rise steadily. In the RCP 4.5 and 8.5 scenarios, the upper water temperature is expected to rise by 0.029 ℃ (±0.012)/year and 0.048 ℃ (±0.014)/year, respectively. These rise rates are correspond to 88.1 % and 85.7 % of the air temperature rise rate. Meanwhile, the lower water temperature is expected to rise by 0.016 ℃ (±0.009)/year and 0.027 ℃ (±0.010)/year, respectively, which is approximately 48.6 % and 46.3 % of the air temperature rise rate. Additionally, as the water temperatures rises, the stratification strength of the reservoir is expected to be stronger, and the number of days when the temperature difference between the upper and lower layers exceeds 5 ℃ increases in the future. As a result of uncertainty quantification, the uncertainty of the GCM models showed the highest contribution with 55.8 %, followed by 30.8 % RCP scenario, and 12.8 % W2 model.
Future climate change may affect the hydro-thermal and biogeochemical characteristics of dam reservoirs, the most important water resources in Korea. Thus, scientific projection of the impact of climate change on the reservoir environment, factoring uncertainties, is crucial for sustainable water use. The purpose of this study was to predict the future water temperature and stratification structure of the Soyanggang Reservoir in response to a total of 42 scenarios, combining two climate scenarios, seven GCM models, one surface runoff model, and three wind scenarios of hydrodynamic model, and to quantify the uncertainty of each modeling step and scenario. Although there are differences depending on the scenarios, the annual reservoir water temperature tended to rise steadily. In the RCP 4.5 and 8.5 scenarios, the upper water temperature is expected to rise by 0.029 ℃ (±0.012)/year and 0.048 ℃ (±0.014)/year, respectively. These rise rates are correspond to 88.1 % and 85.7 % of the air temperature rise rate. Meanwhile, the lower water temperature is expected to rise by 0.016 ℃ (±0.009)/year and 0.027 ℃ (±0.010)/year, respectively, which is approximately 48.6 % and 46.3 % of the air temperature rise rate. Additionally, as the water temperatures rises, the stratification strength of the reservoir is expected to be stronger, and the number of days when the temperature difference between the upper and lower layers exceeds 5 ℃ increases in the future. As a result of uncertainty quantification, the uncertainty of the GCM models showed the highest contribution with 55.8 %, followed by 30.8 % RCP scenario, and 12.8 % W2 model.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 목적은 기후변화가 미래 소양호(댐 앞 대표지점)의 수온 및 수온성층 구조에 미치는 영향을 예측하고, 모델링 단계별, 시나리오별 불확실성을 정량화하는 것이다. 이를 위해 저수지 수리 동력학 모델(CE-QUAL-W2, 이하 W2) 을 이용하여 전망기간(2016년 1월 1일 ~ 2070년 12월 31일) 의 소양호 수온을 장기간 연속 모의하여 전망된 각 시나리오별 미래 수온 및 성층구조 변화를 해석하였다.
가설 설정
그러나, UncDecomp package는 모델 단계에 단일 시나리오만을 입력하면 해당 단계의 불확실성을 산정 할 수 없다. 본 연구에서 유출모델의 경우에는 선행연구(Han et al., 2017)에서 보정된 SWAT 하나의 모델 에 대해 동일한 매개변수를 그대로 사용하였으므로 유출모 델링 과정에서 발생하는 불확실성은 고려하지 않았다. 저수지 수리와 수온모델링 단계에서는 과거 풍속자료를 반복 사용한 것에 대한 불확실성을 고려하기 위하여, W2 모델의 입력자료로 사용되는 풍속 자료를 이용하여 풍속이 감소, 유지, 증가하는 세 가지 경우의 시나리오를 생성하여 불확실성 해석을 하였다.
제안 방법
R package인 rLakeAnalyzer(Winslow et al., 2018)를 이용 하여 미래 기후변화에 따른 소양호의 수온 성층구조 및 수체 안정성 변화를 분석하였다. W2 모델에서 예측한 일일 저수위와 수심별 수면적, 풍속, 수온을 입력자료로 사용하였고, Schmidt stability(St)를 시계열로 산출하여(식 (5)) 수온 성층 구조와 안정성을 산정하였다.
소양호 미래 수온의 계절별 변화를 전망하기 위하여 전체 모의기간(2016년 ~ 2070년)을 봄(3 ~ 5월), 여름(6 ~ 8월), 가을(9 ~ 11월), 겨울(12 ~ 2월)로 구분하고 계절별 평균 수온을 확인하였다. RCP 4.5와 RCP 8.5 시나리오의 계절별 7개 GCM 모델 평균수온을 비교하였다. 또한 과거기간(2005년 ~ 2015년)의 상층수온과 하층수온을 동일하게 계절별로 구분하여 계절별 수온 변화 추이를 비교분석하였다(Table 6).
, 2018)를 이용 하여 미래 기후변화에 따른 소양호의 수온 성층구조 및 수체 안정성 변화를 분석하였다. W2 모델에서 예측한 일일 저수위와 수심별 수면적, 풍속, 수온을 입력자료로 사용하였고, Schmidt stability(St)를 시계열로 산출하여(식 (5)) 수온 성층 구조와 안정성을 산정하였다. S t 는 수체 열 안정성의 척도로서, 열의 첨가나 손실 없이 기계적으로 수체를 완전 혼합하는 데에 필요한 에너지의 양을 정의한다.
저수지 수리와 수온모델링 단계에서는 과거 풍속자료를 반복 사용한 것에 대한 불확실성을 고려하기 위하여, W2 모델의 입력자료로 사용되는 풍속 자료를 이용하여 풍속이 감소, 유지, 증가하는 세 가지 경우의 시나리오를 생성하여 불확실성 해석을 하였다. W2 풍속 시나리오는 과거 풍속 자료를 그대로 입력한 시나리오 S(Standard)와, 50 % 저감한 시나리오 L(Low Wind), 그리고 50 % 증가한 시나리오 H (High Wind)로 구성하였다.
rLakeAnalyzer를 이용하여 W2 보정기간(2005년 ~ 2015년) 과 미래 전망기간(2016년 ~ 2070년)동안의 연평균 S t 를 산정 하여 수체 안정도를 분석하였다(Fig. 4, Fig. 5). 보정기간 동안의 St 값의 범위는 2,077.
기온과 이슬점온도를 제외한 기상자료(풍속, 풍향, 전운량) 는 과거 10년간의(2006년 1월 1일 ~ 2015년 12월 31일) 기상 자료를 전망기간 동안 반복 입력하여 사용하였다. 그러나 풍속은 저수지 수직혼합과 수온 성층구조에 미치는 영향이 크므로 과거자료를 기준으로 풍속 50 %감소, 풍속 유지(과거 풍속 data), 풍속 50 % 증가 시나리오를 구성하여 불확실성 해석을 추가하였다 (상세한 내용은 2.5절에 기술).
기후변화 시나리오에 따른 미래 수온을 시나리오별로 미래 55년의 전망기간을 S1(2016년 ~ 2030년), S2(2031년 ~ 2045년), S3(2046년 ~ 2060년), S4(2061년 ~ 2070년) 총 네 기간으로 구분하여 모의 및 분석하였다. 전체 시나리오가 전망하는 소양호의 미래 전망기간(2016년 1월 1일 ~ 2070년 12월 31일)의 시나리오별 연평균 수온을 제시하였으며(Fig.
5 시나리오의 계절별 7개 GCM 모델 평균수온을 비교하였다. 또한 과거기간(2005년 ~ 2015년)의 상층수온과 하층수온을 동일하게 계절별로 구분하여 계절별 수온 변화 추이를 비교분석하였다(Table 6).
이를 위해 저수지 수리 동력학 모델(CE-QUAL-W2, 이하 W2) 을 이용하여 전망기간(2016년 1월 1일 ~ 2070년 12월 31일) 의 소양호 수온을 장기간 연속 모의하여 전망된 각 시나리오별 미래 수온 및 성층구조 변화를 해석하였다. 또한 교호작용 ANOVA 모형을 이용하여 기후변화로 인한 저수지 수온 예측 모델링의 단계별 및 시나리오별 불확실성을 정량화하였다.
미래 기후변화에 따른 소양호에서의 연간 수온 성층 형성 일수의 변화를 산정하기 위해 상층 수온과 하층 수온의 온도 차가 5 ℃ 이상 발생하는 일수를 분석하였다. 일반적으로 저수지 수온성층 형성 판단은 수온약층의 온도경사가 0.
, 2019)를 사용하였다. 미래 수온 전망값을 종속변수로 사용하였으며, 기후시나리오 2개(RCP 4.5, RCP 8.5), GCM 모델 7개, SWAT 모델, W2 모델 풍속 시나리오 3개를 포함하여 총 42개의 시나리오를 모의하고 모델링 4단계의 불확도를 정량적으로 평가하였다.
5 시나리오와 7개 GCM모델 자료로부터 예측된 14개의 유입량 시나리오를 사용하였다. 미래 전망 기간 동안의 소양강댐 방류량은 SWAT 모델을 이용하여 예측한 저수지 유입량과 K-water (2005)에서 제공하는 소양강댐 저수지 운영 제약조건(홍수기 제약수위 등)을 고려하여 물수지 분석을 통해 산정하였다.
본 연구에서는 기후변화가 미래 소양호의 수온 및 수온성층 구조에 미치는 장기적인 영향을 연속하여 전망하기 위하여 2개의 기후시나리오(RCP 4.5와 8.5), 7개의 GCM 모델(HadGEM2-AO, CMCC-CM, CCSM4, MIROC-ESM-CHEM, INM-CM4, FGOALS-s2, HadGEM-ES), 1개의 유역유출 모델(SWAT), 그리고 저수지 수리-수온 모델(W2)의 풍속 조건 3개를 결합하여 총 42개의 시나리오를 구성하고 예측 모델링을 수행하였다. 그리고 교호작용 ANOVA 모형을 이용하여 예측값의 단계별 불확실성과 각 단계의 시나리오별 불확실성을 정량화하였다.
(2013)은 수온성층 형성 기준을 표층과 심층의 온도차가 1 ℃ 이상일 때로 제시한 바 있다. 본 연구에서는 소양호에서 수온 성층이 충분히 형성되는 조건을 고려하기 위해 수온 성층 형성 기준을 표층과 하층의 온도차 5 ℃로 정하였다. 전망기간 동안 전체 시나리오에서 연간 성층 형성 일수는 213일에서 307일 사이였으며, 미래기간으로 갈수록 증가하는 추세를 보였다(Fig.
소양호 미래 수온의 계절별 변화를 전망하기 위하여 전체 모의기간(2016년 ~ 2070년)을 봄(3 ~ 5월), 여름(6 ~ 8월), 가을(9 ~ 11월), 겨울(12 ~ 2월)로 구분하고 계절별 평균 수온을 확인하였다. RCP 4.
본 연구의 목적은 기후변화가 미래 소양호(댐 앞 대표지점)의 수온 및 수온성층 구조에 미치는 영향을 예측하고, 모델링 단계별, 시나리오별 불확실성을 정량화하는 것이다. 이를 위해 저수지 수리 동력학 모델(CE-QUAL-W2, 이하 W2) 을 이용하여 전망기간(2016년 1월 1일 ~ 2070년 12월 31일) 의 소양호 수온을 장기간 연속 모의하여 전망된 각 시나리오별 미래 수온 및 성층구조 변화를 해석하였다. 또한 교호작용 ANOVA 모형을 이용하여 기후변화로 인한 저수지 수온 예측 모델링의 단계별 및 시나리오별 불확실성을 정량화하였다.
, 2017)에서 보정된 SWAT 하나의 모델 에 대해 동일한 매개변수를 그대로 사용하였으므로 유출모 델링 과정에서 발생하는 불확실성은 고려하지 않았다. 저수지 수리와 수온모델링 단계에서는 과거 풍속자료를 반복 사용한 것에 대한 불확실성을 고려하기 위하여, W2 모델의 입력자료로 사용되는 풍속 자료를 이용하여 풍속이 감소, 유지, 증가하는 세 가지 경우의 시나리오를 생성하여 불확실성 해석을 하였다. W2 풍속 시나리오는 과거 풍속 자료를 그대로 입력한 시나리오 S(Standard)와, 50 % 저감한 시나리오 L(Low Wind), 그리고 50 % 증가한 시나리오 H (High Wind)로 구성하였다.
기후변화 시나리오에 따른 미래 수온을 시나리오별로 미래 55년의 전망기간을 S1(2016년 ~ 2030년), S2(2031년 ~ 2045년), S3(2046년 ~ 2060년), S4(2061년 ~ 2070년) 총 네 기간으로 구분하여 모의 및 분석하였다. 전체 시나리오가 전망하는 소양호의 미래 전망기간(2016년 1월 1일 ~ 2070년 12월 31일)의 시나리오별 연평균 수온을 제시하였으며(Fig. 3), 시나리오 각각의 기간별 평균 및 표준편차를 비교하였다(Table 4, Table 5). 전체 시나리오와 상⋅하층 모두에서 연 평균 수온이 상승과 하강을 반복하며 미래 기간으로 갈수록 지속적으로 상승하는 경향을 보였다.
춘천 기상대(Chuncheon Wether stations in Fig. 1)에서 관측된 과거(1966 ~ 2015) 연평균 기온의 변화와 기후변화 전망기간(2016 ~ 2070)의 예측 기온을 시계열 그래프로 제시(Fig. 2)하고 온도 상승 속도를 비교하였다(Table 2).
대상 데이터
6에 도시 하였다. RCP 2개 시나리오, GCM 7개 모델, W2 모델 입력 풍속 3개 시나리오로 총 42개 시나리오의 조합이 사용되었으며, 2016년부터 2070년까지 모의된 수온의 각 단계 및 시나리오별 월 평균 수온이 불확실성 정량화에 사용되었다. Fig.
W2 모델의 상류 유량 경계조건은 SWAT 모델로 예측한 소양강댐의 유입부인 사구미교 지점의 유출 유량을 사용하였으며, RCP 4.5 및 8.5 시나리오와 7개 GCM모델 자료로부터 예측된 14개의 유입량 시나리오를 사용하였다. 미래 전망 기간 동안의 소양강댐 방류량은 SWAT 모델을 이용하여 예측한 저수지 유입량과 K-water (2005)에서 제공하는 소양강댐 저수지 운영 제약조건(홍수기 제약수위 등)을 고려하여 물수지 분석을 통해 산정하였다.
기온과 이슬점온도를 제외한 기상자료(풍속, 풍향, 전운량) 는 과거 10년간의(2006년 1월 1일 ~ 2015년 12월 31일) 기상 자료를 전망기간 동안 반복 입력하여 사용하였다. 그러나 풍속은 저수지 수직혼합과 수온 성층구조에 미치는 영향이 크므로 과거자료를 기준으로 풍속 50 %감소, 풍속 유지(과거 풍속 data), 풍속 50 % 증가 시나리오를 구성하여 불확실성 해석을 추가하였다 (상세한 내용은 2.
미래 수온을 전망하기 위해 사용한 W2 모델은 소양호의 선행연구(Yun et al., 2019)에서 2005년 1월 1일 ~ 2015년 12월 31일의 기간에 대하여 실측 데이터를 사용하여 보정된 모델을 사용하였다. 보정에 사용된 초기조건, 경계조건 등은 K-water 에서 제공한 수문자료와 환경부에서 제공하는 수심별 수온자료를 이용하였으며, 기상자료는 기상청에서 제공하는 기온 (℃), 이슬점온도(℃), 전운량, 풍속(m/s), 풍향(Radian)을 이용 하였다.
, 2019)에서 2005년 1월 1일 ~ 2015년 12월 31일의 기간에 대하여 실측 데이터를 사용하여 보정된 모델을 사용하였다. 보정에 사용된 초기조건, 경계조건 등은 K-water 에서 제공한 수문자료와 환경부에서 제공하는 수심별 수온자료를 이용하였으며, 기상자료는 기상청에서 제공하는 기온 (℃), 이슬점온도(℃), 전운량, 풍속(m/s), 풍향(Radian)을 이용 하였다.
우리나라에서는 APEC 기후센터(APEC Climate Center, 이하 APCC)에서 BCSD(Bias-Correction / Spatial Disaggregation) 모델과 QDM(Quantile Delta Mapping)을 결합한 방법으로 GCMs 기후자료를 지역상세화하여 제공하고 있다. 본 연구에서는 AR5에서 제시한 RCP 4.5와 RCP 8.5에 대해서 7개 GCM모델(CCSM4, CMCC-CM, FGOALS-s2, INM-CM4, MIROC-ESM-CHEM, HadGEM-ES, HadGEM2-AO)을 춘천 기상대(Chuncheon Wether stations in Fig. 1) 지점 자료를 이용하여 지역상세화한 최저-최고 기온과 강수량 데이터를 제공받아 사용하였다.
본 연구의 미래를 전망하는 기간은 2016년 1월 1일 ~ 2070년 12월 31일이다. 소양호의 미래 전망 기간 동안의 일일 유입량은 SWAT모델을 이용하여 생산하였다.
본 연구에서는 단계별 불확실성을 정량화하는 stage_uncertainty() 함수와, 모의된 각 단계의 시나리오별 불확실성을 정량화하는 scenario_uncertainty() 함수를 이용하였다. 소양호 수온을 장기 모의하여 생성한 연속 수온 결과값을 UncDecomp package의 입력자료로 사용하였다.
수치격자는 선행연구(Chung et al., 2011)자료를 사용하였다. Chung et al.
데이터처리
5), 7개의 GCM 모델(HadGEM2-AO, CMCC-CM, CCSM4, MIROC-ESM-CHEM, INM-CM4, FGOALS-s2, HadGEM-ES), 1개의 유역유출 모델(SWAT), 그리고 저수지 수리-수온 모델(W2)의 풍속 조건 3개를 결합하여 총 42개의 시나리오를 구성하고 예측 모델링을 수행하였다. 그리고 교호작용 ANOVA 모형을 이용하여 예측값의 단계별 불확실성과 각 단계의 시나리오별 불확실성을 정량화하였다. 본 연구를 통해 도출된 주요 결론은 다음과 같다.
이론/모형
, 2019)를 사용하였다. UncDecomp는 교호작용 ANOVA 모형을 사용하여 기후변화각 전망 단계의 불확실성을 모델링 단계별 불확실성(stage uncertainty), 시나리오별 불확실성(scenario uncertainty), 누적 불확실성(cumulative uncertainty)으로 나뉘어 산출한다. 전망 단계별 불확실성 (식 7)은 주효과에 의한 불확실성 (식 8)과해당 전망 단계가 관련된 모든 교호작용에 의한 불확실성 (식 9) 합의 절반을 더한 것으로 정의된다.
기온 및 이슬점온도와 유입수온간의 회귀식을 사용하여 입력수온을 산정하였다(K-water, 2007). 평균 기온과 이슬점온도는 식(3)과 식(4)을 사용하여 산정하였으며, 소양호의 상류지점 사구미교(Fig.
기후변화로 인한 소양호의 수온 및 수온 성층구조의 변화를 모의하고, 모의 결과에 대한 불확실성을 정량화하여 나타내기 위해 R package UncDecomp (Kim et al., 2019)를 사용하였다. UncDecomp는 교호작용 ANOVA 모형을 사용하여 기후변화각 전망 단계의 불확실성을 모델링 단계별 불확실성(stage uncertainty), 시나리오별 불확실성(scenario uncertainty), 누적 불확실성(cumulative uncertainty)으로 나뉘어 산출한다.
또한 기후변화로 인한 소양호의 미래 수온 예측에 있어서 모델링 단계별 불확도를 정량적으로 평가하기 위하여 R package인 UncDecomp (Kim et al., 2019)를 사용하였다. 미래 수온 전망값을 종속변수로 사용하였으며, 기후시나리오 2개(RCP 4.
, 2008). 본 연구에서 사용한 SWAT 모델은 선행연구(Han et al., 2017)에서 소양강댐 유역에 대하여 보정된 매개변수를 그대로 적용하였다.
이렇게 정의한 전망 단계별 불확실성은 전망 단계에 속한 시나리오별 불확실성(식 10)으로 다시 분해된다. 본 연구에서는 단계별 불확실성을 정량화하는 stage_uncertainty() 함수와, 모의된 각 단계의 시나리오별 불확실성을 정량화하는 scenario_uncertainty() 함수를 이용하였다. 소양호 수온을 장기 모의하여 생성한 연속 수온 결과값을 UncDecomp package의 입력자료로 사용하였다.
본 연구의 미래를 전망하는 기간은 2016년 1월 1일 ~ 2070년 12월 31일이다. 소양호의 미래 전망 기간 동안의 일일 유입량은 SWAT모델을 이용하여 생산하였다. SWAT모델은 미국 농무성 농업연구소(USDA/ARS)에서 개발된 유역단위 모델로써 GIS를 기반으로 장기 유량 및 수질을 모의 할 수 있다(Arnold et al.
저수지내 수리 및 수온 해석은 2차원 횡방향 평균(x-z) 모델인 W2를 사용하였다. W2는 소양호와 같이 수심이 깊고 길이가 긴 반면 하폭이 좁은 수체에 매우 적합하며(Cole and Wells, 2017), 수온, 영양염류, 용존산소, 유기물, 퇴적물과 관계된 수질모델링에 광범위하게 활용되고 있다(Borsuk et al,.
성능/효과
1) 소양호 미래 수온 전망결과, RCP 기후 시나리오, GCM모델, 그리고 풍속 시나리오에 따른 편차가 있으나, 소양호의 상층과 하층의 연 평균 수온은 미래로 갈수록 지속적으로 상승하는 경향을 보였으며, 표준편차 또한 증가하는 경향을 보여 수온 상승과 함께 변동성도 증가할 것으로 전망된다.
2) 소양호의 상층 수온의 상승속도는 RCP 4.5에서 0.029℃/year, RCP 8.5에서 0.048 ℃/year로 각각 기온 상승속도의 88.1 %, 85.8 % 수준이었으며, 하층 수온은 RCP 4.5에서 0.016 ℃/year, RCP 8.5에서 0.027 ℃/year로 각각 기온의 48.6 %, 46.3 % 수준으로 나타났다.
3) 계절별로는 소양호 상층수온은 봄철에 가장 큰 폭으로 상승하였으며, 가을과 겨울에는 RCP 4.5에서는 약간 감소, RCP 8.5에서는 소폭 상승하는 것으로 전망된다. 하층 수온은 겨울에 가장 큰 폭으로 상승하고 봄에 가장 작은 폭으로 상승하여 상층과 하층의 계절 변동이 다르게 나타났다.
4) 소양호의 성층강도는 미래 전망기간 동안 S t 값의 범위가 RCP 4.5에서 1,777.56 ~ 4,026.32 J/m2 , RCP 8.5에서 2,318.72 ~ 4,446.29 J/m2 였으며, 미래기간으로 갈수록 연평균 St 가 상승하는 경향을 보였다. 또한 상층수온과 하층 수온의 온도차가 5 ℃일 때를 기준으로 연간 성층 형성 일수가 미래 기간으로 갈수록 증가하는 추세를 보였다.
5) 기후변화 전망 단계별 불확실성을 정량화했을 때, RCP시나리오는 30.8 %, GCM 모델 55.8 %, W2 모델 12.8 %로 GCM모델의 불확실성이 가장 크게 나타났다. GCM 모델의 불확실성에 가장 크게 기여하는 3개의 모델은 INM-CM4 (29.
29 J/m2 로 나타났다. Fig. 4와 Fig. 5에서 수온과 마찬가지로 과거 실측과 RCP 4.5와 8.5 두 시나리오 모두 연평균 S t 가 미래기간으로 갈수록 상승하는 추세이며, 특히 RCP 8.5에서 더 높은 값을 보임을 알 수 있다.
8 %로 GCM모델의 불확실성이 가장 크게 나타났다. GCM 모델의 불확실성에 가장 크게 기여하는 3개의 모델은 INM-CM4 (29.6 %), MIROC-ESM-CHEM(12.1 %), HadGEM-ES(8.8 %) 로써 계절별 수온 예측에서 극값을 보인 모델과 일치하였다.
RCP 8.5 시나리오의 평균 수온은 S1에서 16.79 ℃(±8.04 ℃), S4에서 18.77 ℃(±8.25 ℃)로 첫 기간평균과 마지막 기간 평균의 차가 1.28 ℃로 나타나 RCP 8.5 시나리오에서 미래 수온의 온도 자체도 더 높을 뿐만 아니라 동일한 기간에서 더 큰 폭으로 상승하는 경향을 보였다.
5 모두 20 %가량 상승하는 것으로 나타났다. 가을과 겨울에 RCP 4.5에서 오히려 수온이 감소하는 경향을 보이며 겨울수온의 감소율이 가장 컸으며 RCP 8.5에서는 소폭 상승하였고 가을의 상승률이 가장 작은 것으로 나타났다. 하층 수온은 RCP 4.
계절별 최저-최고 수온을 예측한 GCM 모델을 분석한 결과(Table 7, Table 8), RCP 4.5 시나리오에서 HadGEM-ES 모델은 봄과 여름철의 상층수온을 가장 높게 예측하였으며, 가을과 겨울철에는 가장 낮게 예측하였다. 그 외의 대부분의 최저수온에 해당하는 모델은 INM-CM4모델이었으며, 최고 수온에 해당하는 모델의 대부분은 MIROC-ESM-CHEM모델로 나타났다.
4). 따라서 기후 시나리오와 GCM 모델 선정에 따른 미래 예측의 불확실도를 고려 하더라도 소양호의 수온 성층강도는 미래로 갈수록 강해지며, 성층 일수도 증가할 것으로 전망된다.
29 J/m2 였으며, 미래기간으로 갈수록 연평균 St 가 상승하는 경향을 보였다. 또한 상층수온과 하층 수온의 온도차가 5 ℃일 때를 기준으로 연간 성층 형성 일수가 미래 기간으로 갈수록 증가하는 추세를 보였다.
모의된 수위-저수용량과 실측 비교 결과 Root Mean Square Error(RMSE) 16.48×106 m3 , Absolute Mean Error(AME) 15.67×106 m3 으로 오차가 저수용량대비 1 % 이내로 나타나 높은 신뢰도를 나타냈다.
5 시나리오의 수온이 상대적으로 더 크게 모의되었으나, RCP 시나리오에 따른 계절별 수온 변화 추이는 유사한 경향을 보였다. 상층수온의 경우 봄철의 수온은 RCP 4.5와 8.5 모두 실측 수온에 비하여 50 % 이상 증가하여 봄철에 가장 큰 폭으로 수온이 상승하는 것으로 나타났으며, 여름철 수온은 마찬가지로 RCP 4.5와 8.5 모두 20 %가량 상승하는 것으로 나타났다. 가을과 겨울에 RCP 4.
, 2009; Wilby and Harris, 2006). 시나리오별 불확실성(Table 9)에서 GCM모델중 불확실성이 큰 모델은 INM-CM4로 29.6 %를 차지했으며, MIROC-ESM- CHEM 모델이 12.1 %, HadGEM-ES모델이 8.8 %로 뒤를 이었다. 3.
본 연구에서는 소양호에서 수온 성층이 충분히 형성되는 조건을 고려하기 위해 수온 성층 형성 기준을 표층과 하층의 온도차 5 ℃로 정하였다. 전망기간 동안 전체 시나리오에서 연간 성층 형성 일수는 213일에서 307일 사이였으며, 미래기간으로 갈수록 증가하는 추세를 보였다(Fig. 4). 따라서 기후 시나리오와 GCM 모델 선정에 따른 미래 예측의 불확실도를 고려 하더라도 소양호의 수온 성층강도는 미래로 갈수록 강해지며, 성층 일수도 증가할 것으로 전망된다.
전체 시나리오와 상⋅하층 모두에서 연 평균 수온이 상승과 하강을 반복하며 미래 기간으로 갈수록 지속적으로 상승하는 경향을 보였다.
5에서는 소폭 상승하였고 가을의 상승률이 가장 작은 것으로 나타났다. 하층 수온은 RCP 4.5와 8.5 모두 봄에 가장 작은 폭으로 상승하고 겨울에 가장 큰폭으로 상승하는 동일한 추세를 보였다.
후속연구
6) 본 연구결과를 종합해 볼 때, 미래 기후변화로 인한 소양호의 수온 상승과 수온성층 강화는 저수지의 물리적 혼합 특성뿐만 아니라 호 내의 물질순환, 1차생산성, 우점 조류종의 변화 등 수질과 수생태계에도 영향을 미칠 것으로 예상되므로 향후 이에 대한 추가적인 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
기온의 상승은 다목적댐 저수지의 수량 및 물환경에 어떻게 영향을 미칠 수 있는가?
미래 기후변화로 인한 강수량, 강우패턴, 수온 등의 변화는 우리나라의 중요한 상수원인 대형 다목적댐 저수지의 수량 및 물환경에도 직접적으로 영향을 미칠 수 있다. 특히 기온의 상승은 저수지 수체의 수온 상승과 수온 성층 강화를 초래하여(Fang and Stefan, 2009; Jung et al., 2011) 수체의 물리적 혼합 특성과 물질 순환에 영향을 미치고 식물플랑크톤의 과잉 성장 등 수생태계에도 영향을 줄 수 있다(Paerl and Paul, 2012). 이와 같은 영향은 대부분 이미 나타나고 있으며, 따라서 지속가능한 수자원 이용을 위해서 미래 기후변화에 따른 지역별 적절한 대책을 세우고 이를 하천관리 및 댐저수지 운영에 반영하여 사회⋅경제적 손실을 최소한으로 줄여야 할 것이다(Lee, 2016; Shin and Jung, 2015).
기후변화에 관한 정부간 협의체의 4차보고서는 지구의 온도에 관하여 어떤 전망을 하였는가?
기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change 이하 IPCC)의 4차 보고서(AR4)에서는 20세기 동안 지구의 온도는 약 0.6±0.2 ℃ 상승하였으며, 금세기 안에 지구 표면 온도가 섭씨 1.8 ~ 4.0 ℃ 상승할 것이라고 전망하였다(IPCC, 2007). 전 지구적 기온상승에 따른 기후변화는 세계 곳곳에 이상가뭄(Kim et al.
참고문헌 (60)
Arnold, J. G., Moriasi, D. N., Gassman, P. W., Abbaspour, K. C., White, M. J., Srinivasan, R., Santhi, C., Harmel, R. D., Griensven, A. V., Liew, M. W. V., Kannan, N., and Jha, M. K. (2012). SWAT: Model use, calibration, and validation, Transactions of the ASABE, 55(4), 1491-1508.
Bae, D. H., Jung, I. W., and Kwon, W. T. (2007). Generation of high scenarios for climate impacts on water resources (I): climate scenarios on each sub-basins, Journal of Korea Water Resources Association, 40(3), 191-204. [Korean Literature]
Bastola, S., Murphy, C., and Sweeney, J. (2011). The role of hydrological modelling uncertainties in climate change impact assessments of irish river catchments, Advances in Water Resources, 34(5), 562-576.
Borsuk, M., Clemen, R., Maguire, L., and Reckhow, K. (2001). Stakeholder values and scientific modeling in the Neuse River watershed, Group Decision and Negotiation, 10(4), 355-373.
Bowen, J. D. and Hieronymus, J. W. (2003). A CE-QUAL-W2 model of Neuse Estuary for total maximum daily load development, Journal of Water Resources Planning and Management, 129(4), 283-294.
Chen, J., Brissette, F. P., Poulin, A., and Leconte, R. (2011). Overall uncertainty study of the hydrological impacts of climate change for a Canadian watershed, Water Resources Research, 47, W12509.
Chung, S. W., Park, H. S., Yoon, S. W., and Ryu, I. G. (2011). Effect of installing a selective withdrawal structure for the control of turbid water in Soyang reservoir, Journal of Korean Society on Water Environment, 27(6), 743-753. [Korean Literature]
Choi, J., Ahn, J., Kim, K. S., and Lim, K. J. (2007). Evaluation of SWAT applicability to simulation of sediment behaviors at the Imha-Dam Watershed, Journal of Korean Society on Water Environment, 23(4), 467-473. [Korean Literature]
Cole, T. M. and Wells, S. A. (2017). CE-QUAL-W2: A two-dimensional, laterally averaged, hydrodynamic and water quality model, version 4.1, Department of Civil and Environmental Engineering Portland State University.
Debele, B., Srinivasan, R., and Parlange, J. Y. (2008). Coupling upland watershed and downstream waterbody hydrodynamic and water quality models (SWAT and CE-QUAL-W2) for better water resources management in complex river basins, Environmental Modeling & Assessment, 13(1), 135-153.
Dessai, S. and Hulme, M. (2011). Assessing the robustness of adaptation decisions to climate change uncertainties : A case study on water resources management in the East of England, Global Environmental Change, 17, 59-72.
Fang, X. and Stefan, H. G. (2009). Simulations of climate effects on water temperature, dissolved oxygen, and ice and snow covers in lakes of the contiguous US under past and future climate scenarios, Limnology and Oceanography, 54(6part2), 2359-2370.
Foley, B., Jones, I. D., Maberly, S. C., and Rippey, B. (2012). Long-term changes in oxygen depletion in a small temperate lake: Effects of climate change and eutrophication, Freshwater Biology, 57(2), 278-289.
Gillingham, K., Nordhaus, W. D., Anthoff, D., Blanford, G., Bosetti, V., Christensen, P., McJeon, H., Reilly, J., and Sztorc, P. (2015). Modeling uncertainty in climate change: A multi-model comparison, No. w21637, National Bureau of Economic Research,Working Paper 21637, NATIONAL BUREAU OF ECONOMIC RESEARCH 1050 Massachusetts Avenue Cambridge, MA 02138.
Han, J. H., Lee, D. J., Kang, B. S., Chung, S. W., Jang, W. S., Lim, K. J., and Kim, J. G. (2017). Potential impacts of future extreme storm events on streamflow and sediment in Soyang-dam watershed, Journal of Korean Society on Water Environment, 33(2), 160-169. [Korean Literature]
Hwang, I. C. (2017). A review on probabilistic climate-economy models and an application of FUND, Environmental and Resource Economics Review, 26(3), 359-398.
Intergovernmental Panel on Climate Change (IPCC). (2007). Climate change 2007, The physical science basis. Agenda, 6(07), 333.
Intergovernmental Panel on Climate Change (IPCC). (2014). Mitigation of climate change, Contribution of working group III to the fifth assessment report of the intergovernmental panel on climate change, 1454.
International Steategy for Disaster Reduction (ISDR). (2007). Risk Reduction: 2007 Global Review, International Steategy for Disaster Reduction.
Jackson, C. R., Meister, R., and Prudhomme, C. (2011). Modelling the effects of climate change and its uncertainty on uk chalk groundwater resources from an ensemble of global climate model projections, Journal of Hydrology, 399, 12-28.
Jeong, C. S., Heo, J. H., and Bae, D. H. (2004). Uncertainty analysis of GCM information in Korea using probabilistic diagnostics. Journal of Korea Water Resources Association, 37(3), 173-184.
Jung, I. W., Bae, D. H., and Kim, G. (2011). Recent trends of mean and extreme precipitation in Korea, International journal of climatology, 31(3), 359-370. [Korean Literature]
Joung, S. H., Park, H. K., Lee, H. J., and Lee, S. H., (2013). Effect of climate change for diatom bloom at winter and spring season in Mulgeum station of the Nakdong river, South Korea, Journal of Korean Society on Water Environment, 29(2), 155-164. [Korean Literature]
Kay, A. L., Davies, H. N. ,Bell, V. A., and Jones, R. G. (2009). Comparison of uncertainty sources for climate change impacts : flood frequency in England, Climatic Changes, 92, 41-63.
Kim, B. C. and Jung, S. M. (2007). Turbid storm runoffs in lake Soyang and their environmental effect, Journal of the Korean Society of environmental engineers, 29(11), 1185-1190. [Korean Literature]
Kim, B. C. and Kim, Y. H. (2004). Articles: phosphorus cycle in a deep reservoir in Asian monsoon area(lake Soyang, Korea) and the modeling with a 2-D hydrodynamic water quality model [CE-QUAL-W2], Korean Journal of Limnology, 37(2), 205-212. [Korean Literature]
Kim, B. S., Kwon, H. H., and Kim, H. S. (2011). Impact assessment of climate change on drought risk, Journal of Wetlands Researh, 13(1), 1-11. [Korean Literature]
Kim, Y., Ohn, I., Lee, J. K., and Kim, Y. O. (2019). Generalizing uncertainty decomposition theory in climate change impact assessments, Journal of Hydrology X, 3, 100024.
Kim, Y. H., Kim, B. C., Choi, K. S., and Seo, D. I. (2001). Modeling of thermal stratification and transport of density flow in Soyang reservoir using the 2-D hydrodynamic water quality model, CE-QUAL-W2, Journal of the Korean Society of Water and Wastewater, 18, 96-105. [Korean Literature]
Kundzewicz, Z. W., Kanae, S., Seneviratne, S. I., Handmer, J., Nicholls, N., Peduzzi, P., Mechler, R., Bouwer, L. M., Arnell, N., Mach, K., Muir-Wood, R. Brakenridge, G. R., Kron, W., Benito, G., Honda, Y., Takahashi, K., and Sherstyukov, B. (2014). Flood risk and climate change: global and regional perspectives, Hydrological Sciences Journal, 59(1), 1-28.
K-water. (1994). Research Report on the Reservoir of Soyang River Dam, K-water. [Korean Literature]
K-water. (2005). Multipurpose Dam Operation Practice Manual, K-water. [Korean Literature]
K-water. (2007). Multipurpose dam (four dams including Soyanggang Dam) Establishment of turbid water reduction plan (Soyanggang Dam), K-water. [Korean Literature]
Lee, J. K. and Kim, Y. O. (2015). Verification of bias corrected simulations of climate models using entropy, Journal of the Korean Society of Hazard Mitigation, 15(5), 25-35.
Lee, J. W., Eom, J. S., Kim, B. C., Jang, W. S., Ryu, J. C., Kang, H. W., Kim, K. S., and Lim, K. J. (2011). Water quality prediction at Mandae watershed using SWAT and water quality improvement with vegetated filter strip, Journal of the Korean Society of Agricultural Engineers, 53(1), 37-45. [Korean Literature]
Lee, K. H. (2016). Prediction of climate-induced water temperature using nonlinear air-water temperature relationship for aquatic environments, Journal of Environmental Science International, 25(6), 877-888. [Korean Literature]
Minville, M., Brissette, F., and Leconte, R. (2008). Uncertainty of the impact of climate change on the hydrology of a Nordic watershed, Journal of hydrology, 358, 70-83.
Neitsch, S. L., Arnold, J. G., Kiniry, J. R., and Williams, J. R. (2009). Soil and water assessment tool theoretical documentation version 2009, Texas Water Resources Institute.
Noh, S., Park, H., Choi, H., and Lee, J. (2014). Effect of climate change for cyanobacteria growth pattern in Chudong station of lake Daechung, Journal of Korean Society on Water Environment, 30(4), 377-385. [Korean Literature]
Paerl, H. W. and Huisman, J. (2009). Climate change: a catalyst for global expansion of harmful cyanobacterial blooms, Environmental microbiology reports, 1(1), 27-37.
Parson, E., Burkett, V., Fisher-Vanden, K., Keith, D., Mearns, L., Pitcher, H., Rosenzweig, C., and Webster, M. (2015). Global change scenarios: Their development and use. (Elizabeth L. Malone), Synthesis and Assessment Products, 2.1b. Washington, D.C.: U.S. Climate Change Science Program.
Piccolroaz, S., Toffolon, M., and Majone, B. (2015). The role of stratification on lakes' thermal response: The case of L ake S uperior. Water Resources Research, 51(10), 7878-7894.
Prudhomme, C. and Davies, H. (2009). Assessing uncertainties in climate change impact analyses on the river flow regimes in the UK. Part1: baseline climate, Climatic Change, 93, 177-195.
Sheffield, J. and Wood, E. F. (2008). Projected changes in drought occurrence under future global warming from multi-model, multi-scenario, IPCC AR4 simulations, Climate dynamics, 31(1), 79-105.
Shin, Y. and Jung, H. (2015). Assessing uncertainty in future climate change in Northeast Asia using multiple CMIP5 GCMs with four RCP scenarios, Journal of Environmental Impact Assessment, 24(3), 205-216.
Stefan, H. G., Hondzo, M., Fang, X., Eaton, J. G., and McCormick, J. H. (1996). Simulated long-term temperature and dissolved oxygen characteristics of lakes in the north-central United States and associated fish habitat limits, Limnology and Oceanography, 41(5), 1124-1135.
Trenberth, K. E., Dai, A., Van Der Schrier, G., Jones, P. D., Barichivich, J., Briffa, K. R., and Sheffield, J. (2013). Global warming and changes in drought, Nature Climate Change, 4(1), 17-22.
Trutnevyte, E., Guivarch, C., Lempert, R., and Strachan, N. (2016). Reinvigorating the scenario technique to expand uncertainty consideration, Climatic change, 135(3-4), 373-379.
Wagner, C. and Adrian, R. (2009). Cyanobacteria dominance: quantifying the effects of climate change, Limnology and Oceanography, 54(6part2), 2460-2468.
Walker, W. E., Harremoes, P., Rotmans, J., Van Der Sluijs, J. P., Van Asselt, M. B., Janssen, P., and Krayer von Krauss, M. P. (2003). Defining uncertainty: a conceptual basis for uncertainty management in model-based decision support. Integrated assessment, 4(1), 5-17.
Wilby, R. L. and Harris, I. (2006). A framework for assessing uncertainties in climate change impacts : Low-flow scenarios for the River Thames, U.K., Water Resources Research, 42(2), W02419.
Winslow, L., Read, J., Woolway, R., Brentrup, J., Leach, T., Zwart, J., Albert, S. and Collinge, D. (2018). Zenodo, Available online: https://zenodo.org/record/1003169#.Ws82F9NubEY (accessed on 6 October 2018).
Woolway, R. I., Maberly, S. C., Jones, I. D., and Feuchtmayr, H. (2014). A novel method for estimating the onset of thermal stratification in lakes from surface water measurements, Water Resources Research, 50(6), 5131-5140.
Ye, L., Yoon, S. W., and Chung, S. W. (2008). Application of SWAT for the estimation of soil loss in the Daecheong dam basin, Journal of Korea Water Resources Association, 41(2), 149-162. [Korean Literature]
Yi, H. S., Kim, D. S., Hwang, M. H., and An, K. G. (2016). Assessment of runoff and water temperature variations under RCP climate change scenario in Yongdam dam watershed, South Korea, Journal of Korean Society on Water Environment, 32(2), 173-182. [Korean Literature]
Yu, J. J., Lee, H. J., Lee, K. L., Lyu, H. S., Whang, J. H., Shin, L. Y., and Chen, S. U. (2014). Relationship between distribution of the dominant phytoplankton species and water temperature in the Nakdong river, Korea, The Korean Society of Limnology, 47(4), 247-257. [Korean Literature]
Yun, Y. J., Park, H. S., and Chung, S. W. (2019). Projection of water temperature and stratification strength with climate change in Soyanggang Reservoir in South Korea, Journal of Korean Society on Water Environment, 35(3), 234-247. [Korean Literature]
※ AI-Helper는 부적절한 답변을 할 수 있습니다.