보고서 정보
주관연구기관 |
한국농어촌공사 농어촌연구원 |
연구책임자 |
엄한용
|
참여연구자 |
함종화
,
김형중
,
김동환
,
유선아
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2013-12 |
과제시작연도 |
2013 |
주관부처 |
농림수산식품부 |
사업 관리 기관 |
한국농어촌공사 농어촌연구원 |
등록번호 |
TRKO201400003823 |
과제고유번호 |
1545007191 |
사업명 |
농촌개발시험연구 |
DB 구축일자 |
2014-05-17
|
초록
▼
4. 연구결과
□ 농업용저수지 유역과 저수지 수질 특성 분석
- 대상저수지 선정 및 조사방법
○ 목적 : ‘유역특성, 저수지제원' vs ‘유입하천 유량 및 수질' vs ‘저수지 수질' 사이의 상관관계 분석 및 저수지 수질에 영향을 미치는 인자 도출
○ 대상저수지 선정 : 경기도내 농업용저수지 측정망 대상저수지(55개소) 중 접근이 용이한 31개소 선정
○ 조사방법 : 유입하천과 저수지의 수질 조사 실시 후 하천과 저수지 수질의 상관관계와 측정망 자료의 유역과 저수지 상관관계 분석
- 유역, 하천, 저
4. 연구결과
□ 농업용저수지 유역과 저수지 수질 특성 분석
- 대상저수지 선정 및 조사방법
○ 목적 : ‘유역특성, 저수지제원' vs ‘유입하천 유량 및 수질' vs ‘저수지 수질' 사이의 상관관계 분석 및 저수지 수질에 영향을 미치는 인자 도출
○ 대상저수지 선정 : 경기도내 농업용저수지 측정망 대상저수지(55개소) 중 접근이 용이한 31개소 선정
○ 조사방법 : 유입하천과 저수지의 수질 조사 실시 후 하천과 저수지 수질의 상관관계와 측정망 자료의 유역과 저수지 상관관계 분석
- 유역, 하천, 저수지의 상관관계 분석
○ 하천과 저수지 수질의 상관관계 : 저수지의 COD는 유입하천의 COD, TOC, T-N, T-P, Chl-a와 상관관계가 있는 것으로 나타났으며, 저수지의 Chl-a는 유입하천의 COD, TOC, T-P와 높은 상관관계를 나타내어 대체로 저수지와 유입하천의 상관성이 높은 것으로 나타냄.
○ 하지만 저수지의 T-N은 유입하천의 모든 수질항목과 상관관계가 없는 것으로 나타났으며, 유입하천의 유량은 저수지의 Cl-를 제외한 모든 항목과 상관관계가 없는 것으로 나타남.
○ 유역 및 저수지 제원과 저수지 수질의 상관관계 : 상관분석 한 결과 1% 유의수준에서 저수지의 유효수심은 저수지의 COD, TOC, Chl-a, T-P, 수질등급과 음의 상관관계가 있는 것으로 나타남. 즉, 유효수심이 깊을 수록 COD, TOC, Chl-a, T-P 농도가 낮게 나타남.
○ 발생부하량(BOD, T-N, T-P)은 저수지 수질과 유의한 관련성이 있는 것으로 나타났으나, 이들 사이의 상관계수는 매우 낮은 것으로 나타나 저수지 수질과 유역 및 저수지 제원 인자의 각각의 항목에 대한 1:1 비교로는 상관성 파악이 어려운 것으로 판단됨
- 경기도 내 수질측정망자료 분석(2001~2011년)
○ 경기도 내 55개소 수질측정망 저수지를 대상으로 2001년부터 2011년까지 각 저수지의 연도별 수질등급을 분석한 결과 11년 동안 평균 수질등급을 0으로 했을 때 연중 수질등급의 변화가 -0.36 ∼ 0.47(25 ∼ 75%tile)로 나타났으며, 최소와 최대값의 차이는 최대 4등급까지 나는 것으로 나타나 해마다 저수지의 수질변화가 크게 나타나고 있음.
□ 농업용저수지 수질측정망 자료 수집 및 DB 구축
- 시설제원 및 조사지점 자료
○ 수질측정망 조사지점의 GPS자료(825개소) : 각 측정망 저수지의 조사지점 위도, 경도 좌표
○ 시설제원 : 통계코드, 시설명, 관리자(공사, 시군), 유역면적, 만수면적, 총저수량, 유효저수량
○ 기타 : 표준코드, 시설구분, 수원공구분, 관리구분, 지구명, 주소코드, 주소, 착공일자, 준공일자, 재원내역, 수혜면적, 한발빈도, 인가면적, 제당(구조, 높이, 길이), 여수토연장, 방수로연장, 홍수/갈수량
- 유역오염원 조사자료(연 1회 조사)
○ 연도별 오염원수 : 인구수, 축산두수(한우, 젖소, 돼지), 산업(유량), 양식 (면적), 토지이용면적(논, 밭, 임야, 기타)
○ 연도별 BOD, T-N, T-P 발생부하량 : 생활계, 축산계(한우, 젖소, 돼지), 산업계, 양식계, 토지계(논, 밭, 임야, 기타), 총 발생부하량
○ 기타 : 연도별 주오염원, 통계코드, 주소코드, 시도
- 저수지 수질조사자료(연 4회 실시)
○ 수질측정자료 : 조사일자(년월일), 수온, pH, EC, DO, BOD, COD, T-N, T-P, SS, Cl, Chl-a, TOC(2010년부터), 중금속(Cu, Pb, Cd, As, Hg; 연 1회 조사), 수질등급, 영양상태
- 기타 관련자료
○ 일별 저수율자료, 수질측정망저수지 GIS자료(대상저수지위치(point), 저수지 수면자료(polygon), 유역경계자료(polygon), 하천자료(line))
- MS-Access 및 MySQL을 이용한 DB 구축
○ 수집된 저수지제원, 유역오염원자료, 저수지 수질조사자료를 MS-Access를 이용해 DB화함.
○ 웹기반의 농업용저수지 수질측정망 자료분석시스템을 개발하기 위해 별도로 MySQL을 이용해 web DB를 구축함.
□ 농업용저수지 수질측정망 자료분석시스템 개발
- 개발 개요
○ DB업데이트 및 시스템 유지보수가 용이하도록 인터넷기반의 시스템개발
○ 사용하기 쉽고, 대부분의 컴퓨터에서 구동이 가능할 것
○ 추가 프로그램설치가 불필요할 것
→ 이상의 조건을 만족하도록 Adobe Flash를 이용해 시스템 개발.
- 인터넷상의 화면 구성 및 개발
○ 저수지별 조사된 측정망자료를 지사별, 지역본부별 및 전국 평균 및 합계를 tree구조로 제공하여 사용자가 원하는 저수지, 지사, 지역본부별 통계값을 쉽게 탐색할 수 있도록 함.
○ 지역별옵션 선택 시 연도별로 측정망자료를 tree구조로 제공함.
○ 연도별옵션 선택 시 지역별 측정자료를 연도순으로 제공함
○ tree구조로 제공되는 자료를 선택할 경우 하단에 다양한 형태의 그래프가 제공됨. 지역본부별, 지사별, 저수지별 다양한 통계값을 시각적으로 쉽게 파악할 수 있음.
○ 강원지역본부-영북지사 선택 시 영북지사에서 관리하는 4개 저수지의 평균 수질이 그래프로 제공되어, 영북지사 수질관리자는 관리하고 있는 저수지의 평균 수질농도의 높고 낮음을 직관적으로 파악할 수 있음.
○ 수질등급 메뉴에서 경기지역본부를 선택할 경우 경기지역본부 산하지사별 관리하고 있는 저수지의 수질등급별 개소수를 누적그래프로 제공하여 어느 지사의 수질이 심각한지 쉽게 파악이 가능함. 강화지사에서 관리하고 있는 12개 저수지 중 8개 저수지가 수질등급 5등급을 유지하고 있음을 알 수 있음.
- 개발된 농업용저수지 자료분석시스템
○ 농업용수 수질측정망자료 분석이 잘 되어 있는 ‘농업용수 수질측정망 조사 보고서’를 이용하여 제공되는 분석자료를 유형별로 분류하여 다음과 같이 수질측정망 자료분석시스템의 메뉴를 구성함.
○ 측정망분포(지역별, 연도별)
·측정망별 : 저수지측정망 및 호소측정망 개소수 및 시설수
·규모별 : 저수지 규모별 시설수 (<500, <1,000, <5,000, <10,000, <50,000, >50,000 천m3)
·수계별 : 수계별 농업용저수지 및 담수호 시설수
○ 강수량, 오염원 (지역별, 연도별)
·강수량 : 월간 누적 강수량
·주오염원 : 주오염원 종류별 시설수 (생활, 축산, 토지, 산업, 양식)
·수처리시설 : 종류별(하수종말, 분뇨, 산업폐수, 마을하수) 시설수 및 용량
○ 수질현황 (지역별, 연도별)
·수질현황 : COD, T-N, T-P농도, COD기준초과 시설수 및 비율
·수질등급 : 수질등급별 시설수 (COD기준, Ia∼VI), 수질기준 달성율
·영양상태 : 영양상태별 시설수 (극빈, 빈중, 중, 중부, 부)
□ 농업용저수지 수질지수 추정기법 연구
- 수질지수 형태 검토 및 적용성 평가
○ 기존 수질지수 검토 : 본 연구에서 사용하고자 하는 수질지수는 기존에 개발된 수질관련 지표 및 지수 중 국내에서 많이 사용되고 수질관리에 유용한 지수 위주로 수질관련 지수를 검토함.
○ COD기준 호소수질등급은 농업용저수지 수질관리에 많이 이용되는 지수이지만, COD농도만을 고려한 지수로 저수지의 수질상태를 종합적으로 반영하지 못함.
○ TOC기준의 호소수질등급이 COD기준 호소수질등급과 같이 TOC농도만을 고려해 저수지의 수질상태를 종합적으로 반영하지 못하는 문제점을 갖고 있으며, 최근에 호소수질등급에 추가되어 축적된 TOC농도가 적은 문제점 있음.
○ COD기준 호소수질등급이 COD농도만을 이용했다는 문제점을 극복하기 위해 COD, T-N, T-P, Chl-a 수질등급의 산술평균값을 수질지수로 활용이 가능하지만, 사용되지 않는 방법으로 이론적 근거가 미흡함.
○ 우리나라 호소에 적합하도록 개발된 LQI는 다양한 수질항목을 고려하여 개발되었고 장기간의 연구를 통해 이론적 근거가 명확하지만, 수질등급이 0.0∼100.0까지 매우 많아 본 연구에 도입하여 적용하기에는 한계가 있음. 그러나 기존의 LQI지수를 11단계(0∼100)로 간략화할 경우 활용성이 높음.
○ 최근 우리나라 호소에 적합하도록 개발된 LEHAw지수는 LQI지수와 달리 높은 값이 좋은 수질을 의미하며, 고농도에서는 100으로 저농도에서는 0으로 수렴함. LQI와 같이 수질등급이 0∼100까지 매우 넓어 본 연구에 도입하기에 어려움이 있기는 하지만, 11단계로(0∼100)로 줄 일 경우 충분히 사용가능함.
○ Vollenweider 영양상태지수는 농업용저수지에서 많이 이용되고 있지만, 약 90%가 중영양과 중부영양으로 분류되어 변별력이 없는 문제가 있으며, LQI지수를 이용한 LQI영양상태지수는 Vollenweider영양상태지수와 같이 대부분 중영양과 부영양으로 분류되는 문제와 국내 사용빈도가 적은 문제가 있음.
○ CODI는 COD농도의 정수값을 이용한 지수로 본 연구에서 새로 도입한 지수임. COD기준 호소수질등급과 달리 여러 등급으로 구분되어 세밀한 수질변화를 지수에 반영할 수 있음. COD농도에 익숙한 수질관리 담당자에게 매우 유용하기는 하지만 COD농도만을 고려하여 농업용저수지의 다른 수질항목이 고려되지 않은 문제가 있음.
○ LQI지수 보완 : LQI지수가 COD, T-P, Chl-a의 수질이 모두 고려되어 저수지의 수질상태를 종합적으로 나타낼 수 있는 좋은 지수이기는 하지만, 농업용저수지의 수질은 매우 낮은 저농도와 매우 높은 고농도의 수질이 모두 나타나는 특징이 있어 농업용저수지에 그대로 적용할 경우 저농도와 고농도에서 범위(0∼100)을 벗어나는 문제가 발생함.
○ 농업용저수지의 실측수질을 이용해 LQI 산정을 위한 부지수함수를 다시 도출함. 도출된 식을 이용할 경우 실측된 수질 중 최고농도와 최저농도에서 각각 100과 0의 값을 나타냈으며, 이렇게 산정된 지수를 기존의 LQI와 구분할 수 있도록 LQIar로 하였음.
LQIar = 0.5*LQIarr (COD) + 0.25*LQIar (T-P) + 0.25LQIar (Chl-a)
LQIar (COD) = 0.3769 + 69.096 log(COD)
LQIar (T-P) = 100.39 + 33.413 log(T-P)
LQIar(Chl-a) = 14.319 + 35.769 log(Chl-a)
○ 또한 높은 값일수록 좋은 수질을 의미할 수 있도록 100에서 LQIar값을 뺀 새로운 rLQIar지수를 추가로 도입하였음. 참고로 호소수질기준 중 농업용수에 해당하는 IV등급은 rLQIar지수로 34∼45에 해당됨.
rLQIar = 100 - LQIar
○ 이렇게 보완 개발된 rLQIar지수를 농업용저수지에 적용한 결과 농업용저수지의 수질농도 분포를 잘 반영하여 지수가 산정됨.
○ rLQIar는 0부터 100사이의 값을 갖는 지수로 범위가 매우 넓어 일단위에서 반올림하여 재분류 하였으며(LQIar10), 추가로 A, B, C,~, F 또는 매우좋음, 좋음 ~, 매우나쁨 등으로 재분류가 가능함.
○ 본 연구에서는 위에서 검토한 수질관련 지수 중 COD기준 호소수질등급, TOC기준 호소수질등급, 4항목평균 호소수질등급, Vollenweider영양상태, LQI, rLQIar, LEHAw 및 CODI를 선정하여, 인공지능기법을 이용해 제원 및 부하량자료로부터 각각의 지수를 추정하는 연구를 수행함.
- 수질지수 추정에 사용할 저수지 인자 검토
○ 저수지 수질 영향인자 검토 : 저수지 제원관련 수질측정망 자료 중 저수지 수질에 영향을 미치는 인자로 유역면적, 만수면적, 유효저수량, 유효수심(유효저수량/만수면적), 수혜면적을 선정하였으며, 부하량자료로는 BOD, T-N, T-P의 생활계, 축산계, 산업계, 양식계, 토지계, 점원(생활계+축산계+산업계), 기타(산업계+양식계+토지계) 및 전체(점원+토지계) 발생부하량을 선정함.
○ 농업용저수지 수질에 영향을 미치는 또 다른 인자로 개별 저수지 관할측후소의 총 강수량과 30년 평균 총 강수량과의 비(강우비=총 강수량/30년 평균 총 강수량)를 선정하여 수질지수 추정연구에 이용함.
○ 실측한 연평균 COD, T-N, T-P, Chl-a농도를 이용해 위에서 선정한 8가지 수질지수(COD기준 호소수질등급, TOC기준 호소수질등급, 4항목 평균 호소수질등급, Vollenweider영양상태, LQI10, rLQIar10, CODI)를 산정함.
○ 저수지 수질에 영향을 미치는 저수지 제원(유역면적, 만수면적, 유효저수량, 유효수심, 수혜면적), 연도별 BOD, T-N, T-P의 발생부하량(생활계, 축산계, 산업계, 양시계, 토지계, 점원, 기타, 전체) 및 연도별 총 강수량과 30년 평균 대비 비율, 연도별 실측한 연평균 COD, T-N, T-P, Chl-a농도 및 산정한 8가지 수질지수를 DB로 구축함.(6797개의 data set).
○ 수질지수와 상관분석을 통한 적합한 인자 선정 : 저수지 수질에 영향을 미치는 인자와 각각의 수질지수와의 상관관계를 분석한 결과 유효수심이 가장 높은 상관관계를 나타냈으며, 총 강수량, 강우비, 유역면적, 만수면적, 유효저수량이 수질지수와 약간의 상관관계를 나타냈음.
○ COD, T-N, T-P의 발생부하량은 수질지수와의 상관관계가 낮은 것으로 나타남. 이를 보완하기 위해 발생부하량 대신 발생부하량을 유역면적으로 나눈 발생부하비(g/ha/day)를 이용해 상관분석을 실시한 결과 소폭 상승한 결과값을 나타냄.
○ BOD, T-N, T-P의 발생부하량은 원단위를 적용하여 산정하므로 각 항목별로 일정한 비율을 갖고 있기 때문에, 이중 대표성을 갖는 BOD 발생부하량의 생활계, 축산계 등 오염원 별 8가지 항목을 선정하여 수질지수 추정연구를 수행함.
- 수질지수 추정기법 개발 및 적용
○ 수질지수 추정기법 연구 : 기존의 수질관련 지수는 농업용저수지에서 실측된 수질만을 이용해 수질상태를 4~7등급의 지표 또는 지수로 개발된 반면에, 본 연구에서 개발 한 수질지수 추정기법은 저수지 수질에 영향을 미치는 인자를 이용해 지수를 추정함.
○ 저수지 수질에 미치는 인자만을 이용해 수질지수를 추정할 경우 유역의 오염부하량, 토지이용 등 유역환경변화에 따른 수질변화 분석이 가능하여 약간의 수질모의 기능이 가능함.
○ 과거 10년 동안 농업용저수지 수질측정망을 운영하면서 수집된 수질 측정망자료와 기존의 방법에 의해 수질로부터 산정된 수질지수 사이의 관계를 인공지능기법을 이용해 학습시킨 후 저수지 수질을 제외한 측정망자료로부터 직접 수질지수를 추정하고자함.
○ 추정된 수질지수는 기존의 수질지수와 동일한 형태를 유지하지만, 산정방법은 수질이 아닌 유역제원 및 오염원자료로부터 산정되도록 함.
○ 수질지수추정을 위한 부지수함수를 인공지능기법을 이용해 도출함.
○ 수질지수 추정을 위한 인공지능기법 선정 : 수질지수 추정에 사용할 수 있는 인공지능기법으로는 인공신경망(ANN), 패턴인식기법중의 하나인 의사 결정트리(decision tree), 유전자프로그래밍(genetic programming)이 있음
○ 인공신경망기법은 높은 정확도의 수질지수 추정이 가능한 반면, 수질지수 추정모델을 개발하는데는 어려움이 있으며, 유전자프로그래밍기법은 학습과정을 통해 수질지수를 추정할 수 있는 식이 도출되어 쉽게 수질지수 추정모델을 만들 수 있지만, 정확도가 인공신경망보다 낮다는 단점이 있음.
○ 의사결정트리 기법은 높은 정확도를 얻을 수 있으면서도 추후 수질지수 추정모델 개발을 할 수 있는 fuzzy rule이 도출됨
○ 인공지능기법을 이용한 수질지수 추정 : 앞에서 검토한 인공지능기법 중 의사결정트리와 유전자프로그래밍기법을 이용해 구축한 수질측정망 DB와 산정된 수질지수(8가지)를 이용해 학습(training)시킨 후 기존의 수질지수를 추정하였으며, 동일한 방법으로 선형회귀분석도 실시함.
○ 3가지 기법을 이용해 8개의 수질지수를 추정한 결과를 각 기법별 지수별 실제값과 추정값의 오차별 비율과 r2값을 계산한 결과는 다음 표와 같음.
○ 표에서 전체적으로 의사결정트리기법을 이용한 결과가 오차가 적고, r2 값이 높게 나타남. 수질지수 추정모델 개발을 위한 기법으로 의사결정트리기법 선정함.
- 의사결정트리 기법을 이용한 수질관리 지수 추정 결과 분석
○ 전체 6797개의 데이터 중 76%인 5143개가 저수지 수질농도를 이용해 산정한 값과 인공지능기법을 이용해 유역제원 및 부하량자료로부터 추정한 값이 일치하는 것으로 나타났으며, 9%는 실제보다 1등급 높게 9%는 실제보다 1등급 낮게 추정됨. 동일한 저수지도 매년 약간의 수질등급이 변하는 것을 고려해 1등급 차이나는 부분까지 추정이 잘된 것으로 가정할 경우 전체 94%가 기존의 방법으로 산정된 지수와 유사하게 추정됨.
○ LQI10과 rLQIar10지수는 호소수질등급보다 등급수가 더 많음에도 불구하고 저수지 수질로부터 산정한 등급별 LQI10지수와 저수지 제원 및 부하량자료로부터 추정한 LQI10지수 사이의 오차가 2% 포인트 이내로 매우 정확하게 추정되었으며, 전체의76%가 실측된 LQI10과 추정된 LQI10지수가 정확하게 일치하는 것으로 나타남.
○ Vollenweider 영양상태는 등급의 수가 5개로 적고, 약 86%가 중영양과 중부영양으로 집중되어 있어 다른 지수보다 상대적으로 정확히 추정한 비율이 82%로 매우 높게 나타난 반면, r2값은 0.59로 낮게 나타남. Vollenweider 영양상태는 대부분 중영양과 중부영양에 집중되어 농업용저수지의 수질상태를 나타내는데 변별력이 낮은 단점이 있음.
○ COD농도 정수값 지수(CODI)는 다른 지수보다 등급수가 2∼3배 이상 많음에도 불구하고 등급별 오차는 1% 포인트 이내로 적게 나타남. 전체적으로 기존방법과 인공지능방법의 차이는 정확하게 추정한 것이 69%로 다른 지수보다 적게 나타남. 기존방법과 1등급 차이나는 것까지 모두 고려할 경우 전체의 84%가 기존방법과 유사하게 모의되었음.
- 수질지수 추정모델 개발을 위한 fuzzy rule 도출
○ 수질지수 추정기법으로 의사결정트리기법을 선정하였으며, 수질지수추정모델을 개발하기 위해 각 지수별로 수질지수를 추정할 수 있는 fuzzy rule을 도출함.
○ 도출된 fuzzy rule을 이용해 수질지수를 추정하기 위해서는 다음과 같은 총 9개 인자의 값이 필요함. 30년 평균 총 강수량, 강우비(총 강수량/30년 평균 총 강수량), 유역면적, 만수면적, 유효저수량, 유효수심(유효저수량/만수면적), BOD생활계 발생부하량, BOD축산계 발생부하량, BOD 산업계+양식계+토지계 발생부하량.
○ 대부분 수질측정망을 통해 매년 수집되고 있는 자료로 측정망대상저수지는 쉽게 해당값을 얻을 수 있음.
□ 수질지수 추정모델 개발 및 활용방안
- 수질지수 추정모델의 개발 개요
○ 의사결정트리 알고리즘을 이용해 각 수질지수별로 도출된 fuzzy rule 을 이용해 수질지수를 추정할 수 있는 모델을 개발함.
○ 추정할 수질지수는 ①COD정수값(CODI), 호소수질등급(②COD기준, ③ TOC기준, ④4항목평균)⑤Vollenweider영양상태, ⑥LQI, ⑦rLQIar, ⑧ LEHAw임.
○ 도출된 fuzzy rule을 이용해 8개의 수질지수를 추정하기 위해서는 입력자료로 관할관측소, 유역면적(ha), 만수면적(ha), 유효저수량(천m3), BOD생활계 발생부하량(kg/day), BOD축산계 발생부하량(kg/day), BOD 산업계+양식계+토지계 발생부하량(kg/day)이 필요함.
○ 도출된 fuzzy rule을 이용해 수질지수를 추정하기 위해 필요한 9개의 입력인자 중 유역면적, 만수면적, 유효저수량은 입력된 자료를 사용하며, 30년 평균 총 강수량과 강우비는 입력된 관할관측소를 이용해 기상DB로부터 해당정보를 검색해 사용하며, 유효수심은 모델 자체적으로 입력된 유효저수량을 만수면적으로 나뉘어 사용함. 생활계, 축산계, 산업계+양식계+토지계의 BOD 발생부하비(g/ha/day)는 모델 자체적으로 입력된 각각의 부하량을 유역면적으로 나눠 사용함.
○ 최대한 직접 입력하는 방법을 피하고, 구축된 DB로부터 필요한 자료를 호출해 자동 입력되는 방법을 선택함.
○ 개발한 수질지수 추정모델의 배포, 업데이트 등의 관리가 용이하고, 사용자가 쉽게 접근할 수 있도록 인터넷 기반으로 수질지수 추정모델을 개발함.
- 개발된 수질지수 추정모델의 특징
○ 적은 입력자료 요구 : 저수지 제원 관련 4개(관할관측소, 유역면적, 만수면적, 유효저수량)와 BOD발생부하량 3개(생활계, 축산계, 산업계+양식계+토지계)의 자료만 요구함.
○ 입력값 자동입력기능 : 해당 저수지가 수질측정망 대상저수지일 경우 저수지와 해당연도를 선택하면 7개의 입력값이 DB로부터 자동입력됨.
○ 쉽고 빠른 모델 실행 : ‘수질지수 추정결과’탭을 클릭하면 모델이 실행되고 그 결과가 화면에 바로 나타남.
○ 기존 수질지수 제공 : 추정된 수질지수의 정확도 평가를 위해 실측된 수질로부터 8개의 수질지수를 자동으로 계산한 후 결과를 중앙값(median)과 범위로 화면에 나타냄.
○ 불확실성 분석을 통한 추정치 통계값 제공 : 모델의 불확실성 및 미래 조건의 불확실성을 고려하기 위해 몬테카를로 시뮬레이션 기법을 이용해 모델을 2000번 실행한 후 그 결과를 통계분석해 평균값과 범위값으로 화면에 나타냄. 불확실성을 고려할 경우 수질등급을 소수점 첫 자리까지 표현할 수 있어 유역환경변화에 따른 미세한 수질변화를 지수로 표현할 수 있음.
○ 유역환경 변화 분석기능 : 유역의 강수량변화, 부하량변화에 따른 저수지 수질영향을 분석하기 위한 다양한 입력옵션을 제공함. 조건변화 전후의 결과를 한 화면에 동시에 나타내 수질지수 변화를 쉽게 분석할 수 있도록 함.
○ 인터넷기반의 모델 : 모델 배포, 업데이트 등의 관리를 쉽게 할 수 있고, 사용자가 언제 어디서나 인터넷을 통해 쉽게 접근할 수 있도록 인터넷 기반으로 수질지수 추정모델을 개발함.
- 수질지수 추정모델 활용방안
○ 저수지의 잠재적인 수질오염 파악 및 수질관리목표로 활용 : 저수지 제원 및 발생부하량 자료를 이용해 저수지의 잠재적인 오염 가능성을 파악 할 수 있어 저수지가 오염되기 전에 대책을 수립할 수 있음.
○ 저수지의 형상, 제원 및 오염부하량 조건에 따라 저수지마다 도달 가능한 수질이 서로 다를 수 있음. 본 모델을 통해 저수지마다 도달 가능한 수질지수를 제시하고, 제시된 수질지수를 유지하도록 저수지를 관리하는데 활용함.
○ 유역 오염부하량 관리 특성 분석에 활용 : 유역 제원 및 발생부하량이 비슷하더라도 유역의 발생부하량을 어떻게 관리하느냐에 따라 배출부하량이 크게 달라져 저수지의 수질이 다르게 나타날 수 있음.
○ 유역의 제원 및 발생부하량 자료를 이용해 수질지수 추정모델을 실행시켜 얻은 추정된 수질지수와 실측된 수질지수를 비교함으로써 유역 오염부하량 관리상태를 쉽게 파악할 수 있음.
○ 추정된 수질지수가 실측된 수질지수보다 낮은 경우는 유역의 특성 및 발생부하량 규모가 비슷한 저수지들과 비교해 유역의 발생부하량이 잘 관리되지 않고 배출되는 저수지임. 이러한 저수지는 유역의 발생부하량을 삭감시키기 위한 오염부하량 저감시설 설치를 통한 유역수질관리가 필요함.
○ 추정된 수질지수가 실측된 수질지수보다 높은 경우는 유역의 특성 및 발생부하량 규모가 비슷한 저수지들과 비교해 유역의 발생부하량이 잘 관리되고 있는 저수지로 이러한 저수지는 수질을 개선시키기 위해 추가로 저감시설을 설치하는 것 보다는 현 상태를 유지하거나,오염원 자체를 제거하는 방안을 검토하는 것이 더 유리함.
○ 오염원 조사자료가 없는 신규 조성 예정 저수지 수질 추정 : 저수지를 새로 조성하기 전 여러 개의 예비 대상 조성지의 개략적으로 예상되는 수질을 예측하는데 이용할 수 있음.
○ 후보지 선정단계에서는 대부분 저수지 제원만 존재하고 오염부하량 조사는 이루어지지 않은 상태이기 때문에 기존 방법으로는 예상되는 수질을 예측할 수 없음.
○ 해당 지역의 부하량 조사자료가 없는 경우에도 수질을 추정할 수 있도록 측정망 전체의 부하량 조사자료를 이용해 유역의 발생부하량을 유역면적으로 나눈 BOD부하비를 통계분석하여 저수지 개발정도에 따라 7단계로 구분하여, 해당 유역의 개발정도를 선택하면 BOD부하비가 자동으로 입력되도록 함.
○ 본 연구에서 개발한 수질지수 추정모델은 이와 같이 저수지 제원과 유역의 개발정도에 관한 정보만으로도 개략적인 예상되는 저수지의 수질지수를 추정할 수 있음.
○ 오염원 조사자료를 보유한 신규 조성 예정 저수지 수질 추정 : 일반적으로 조성 예정 신규저수지의 환경영향평가를 위해 수질을 예측함. 수질을 예측하기 위해서는 자료수집, 부하량산정, 하천수질조사, 유역모델 구축 및 보정, 저수지모델 구축 후 예상되는 수질을 예측하는 과정을 수행하는데 약 1달 이상의 시간이 소요됨.
○ 다른 과제에서 2개 신규 조성 예정지의 수질을 기존 모델을 이용해 예측한 결과와 본 연구에서 개발한 수질지수 추정모델을 통해 예측한 결과를 비교한 결과 정확하게 일치하지는 않지만 저수지 제원 및 유역부하량 만으로 쉽고 빠르게 개략적인 수질지수 추정이 가능하였음
○ 본 연구에서 개발한 수질지수 추정모델은 본격적인 수질예측 전 보조적인 수단으로 충분히 사용할 수 있을 것으로 판단됨.
○ 유역의 신규오염원 영향 검토 : 공사가 관리하고 있는 저수지 유역에 공장과 같은 신규 오염원이 생길 경우 예상되는 저수지 수질영향을 검토하는데 활용할 수 있음.
○ 개발된 수질지수 추정모델의 ‘조건변화분석’ 기능을 이용해 신규 오염원의 발생부하량값을 입력하면, 신규오염원 전·후의 수질지수 추정결과가 동시에 제공되어 신규오염원에 의한 저수지 수질영향을 쉽게 분석할 수 있음.
○ 개발된 수질지수 추정모델을 통해 지사 및 지역본부에서도 쉽게 신규 오염원의 개략적인 영향 분석이 가능함. 본 연구에서 개발한 수질지수 추정모델은 보조적인 모델일 뿐 시간과 비용이 충분한 경우 자세한 현장조사 후 기존 모델링을 통해 정확한 수질영향을 모의하는 것이 바람직함.
○ 유역 오염부하량 변화 영향 분석 : 저수지의 수질을 개선시킬 목적으로 유역의 오염부하량을 저감시킬 경우 예상되는 저수지의 수질영향 분석에 활용할 수 있음.
○ ‘조건변화분석’기능에 삭감되는 오염부하량을 입력한 후 모델을 실행하면 오염부하량 삭감 전·후의 수정된 수질지수가 화면에 같이 나타나, 오염부하량 삭감에 의한 저수지 수질영향을 쉽게 분석할 수 있음.
○ 만수저수지에 대해 현재(2012년)의 발생부하량을 2001년 수준으로 감소시킬 경우 예상되는 수질지수를 추정하는데 본 모델을 적용한 결과COD기준 호소수질등급, Vollenweider영양상태, rLQIar, CODI 지수가V(6.2), 중부영양, 29, 12.5에서 V(5.8), 중부영양, 31, 11.2로 수질이 소폭개선되는 것으로 나타남. 실제 2001년 실측된 수질로부터 계산한 수질지수는 각각 VI, 부영양, 27, 10으로 차이가 나기는 하지만 비슷한 범위 내에 있음을 알 수 있음.
○ 이와 같이 본 연구에서 개발한 수질지수 추정모델을 이용할 경우 짧은 시간 내에 개략적인 수질영향을 분석할 수 있음. 그러나 본 연구에서 개발된 수질지수 추정모델은 수질개선대책 수립 전 개략적인 검토단계에서 활용 가능한 모델로, 본격적인 수질개선대책은 현장조사 후 기존의 수질모델을 이용해 저수지 수질영향을 모의하는 것이 적합함.
○ 인터넷 기반의 기존 시스템과 연계 : 본 연구에서 개발한 수질지수 추정모델을 RIMS 등과 같은 기존의 인터넷 기반 시스템에 삽입하여 기존에 자료 검색기능에 수질모의 기능이 추가되어 종합적인 저수지 수질관리가 가능하게 됨.
□ 종합결론
- 농업용저수지 유역과 저수지 수질특성 분석
○ ‘유역의 발생부하량 및 제원’, ‘유입하천 유량 및 수질’과 ‘저수지 수질’과의 상관관계를 분석하기 위해 경기도내 측정망대상저수지(55개소) 중 접근이 용이한 31개소에 대해 유입하천의 유량 및 수질, 저수지 수질을 현장조사 함.
○ 유입하천의 유량 및 수질과 저수지 수질과는 매우 높은 상관관계를 나타낸 반면, ‘유역의 발생부하량 및 제원’과 ‘유입하천 유량 및 수질’, ‘유역의 발생부하량 및 제원’과 ‘저수지 수질’사이에는 상관관계가 없는 것으로 나타남.
○ 기존의 방법으로는 ‘유역의 발생부하량 및 제원’과 ‘저수지 수질’사이에 상관관계가 낮아 ‘유역의 발생부하량 및 제원’로부터 수질 추정이 어려워 여러 영향인자들을 검토하여 종합적인 평가를 해야 함.
- 수질측정망 자료 DB 구축 및 수질분석시스템 개발
○ 시설제원 및 조사지점 자료, 유역오염원 조사자료, 저수지 수질조사자료 및 기타 관련 자료를 수집한 후 MS-Access를 이용해 DB를 구축하였으며, 동일한 자료를 MySQL을 이용해 web-DB도 구축함.
○ 쉽게 수질측정망결과를 관리조직별(지역본부, 지사, 개별저수지), 연도별로 여러 형태의 분석자료 및 통계값을 제공하기 위해 Adobe Flash를 이용해 수질측정망자료 분석시스템을 개발함.
- 농업용저수지 수질지수 추정기법 연구
○ 농업용저수지 수질상태를 잘 표현할 수 있는 수질지수 8개를 선정함. 이중 LQI지수가 일부 고농도 및 저농도에서 범위를 벗어나는 값을 나타내고, 좋은 수질이 낮은 값으로 표현되는 문제를 보완한 rLQIar지수를 개발함.
○ 저수지 수질에 영향을 미치는 인자로 유역면적, 만수면적, 유효저수량, 유효수심(유효저수량/만수면적), 연도별 BOD의 생활계, 축산계, 산업계+양식계+토지계 발생부하량, 연도별 총 강수량 및 30년 평균 총 강수량을 선정함.
○ 선정된 저수지 수질에 영향을 미치는 인자로부터 저수지 수질지수를 추정할 수 있는 인공지능기법으로 의사결정트리기법과 유전자 프로그래밍기법을 선정하였고 그 결과를 다중선형 회귀분석 결과와 비교한 결과 의사결정트리기법의 결과가 가장 우수한 것으로 나타남.
○ 의사결정트리 기법을 이용해 각 수질지수별로 수질지수를 추정할 수 있는 fuzzy rule을 도출함.
- 농업용저수지 수질지수 추정모델 개발 및 활용방안
○ 도출된 fuzzy rule을 이용해 배포, 업데이트 등의 관리가 용이하고 사용자가 쉽게 접근할 수 있도록 인터넷 기반의 수질지수 추정모델을 개발함.
○ 개발된 수질지수 추정모델은 다음과 같은 특징이 있음. 적은 수의 입력자료(7개)를 요구, 입력 값 자동입력기능, 쉽고 빠른 모델 실행, 기존 수질지수 제공, 불확실성 분석을 통한 추정치 통계값 제공, 유역환경 변화 분석기능.
○ 개발된 수질지수 추정모델은 저수지의 잠재적인 수질오염 파악 및 수질관리목표 제시, 유역 오염부하량 관리 특성 분석, 신규 조성 예정저수지의 수질 추정, 유역의 신규 오염원 영향 검토, 유역 오염부하량 변화 영향 분석 및 기존의 인터넷 기반 저수지 관리시스템과 연계 적용 등에 활용할 수 있음.
Abstract
▼
4. Scopes and results
4.1 contents and scopes
1) Analysis of watershed and water quality characteristics for agricultural reservoir
○ Agricultural reservoirs were selected for analysis of watershed and reservoir water quality characteristics
○ Flow rate and water quality of selected agri
4. Scopes and results
4.1 contents and scopes
1) Analysis of watershed and water quality characteristics for agricultural reservoir
○ Agricultural reservoirs were selected for analysis of watershed and reservoir water quality characteristics
○ Flow rate and water quality of selected agricultural reservoirs was investigated
○ Analysis of watershed and reservoir characteristics of selected agricultural reservoir using monitoring data from water quality monitoring program
○ A corelation analysis among watershed, stream, and reservoir using monitoring data from water quality monitoring program and field survey
2) Development of water quality monitoring DB and monitoring data analysis system for agricultural reservoir
○ Collecting monitoring data related with water quality monitoring program of agricultural reservoir (facility data, pollutant loading, water quality data etc.)
○ Analysis of collected monitoring data
○ Development of monitoring DB using MS-Access and MySQL
○ Development of web-based monitoring data analysis system to search and analyze the developed monitoring DB
3) Development of water quality index estimation technique using artificial intelligence technique
○ Case study of water quality indices and modify water quality index
○ Derivation of the major factors influencing reservoir water quality among monitoring parameters
○ Development of agricultural reservoir water quality index estimation technique using artificial intelligence techniques
○ Analysis of water quality indices estimation result by artificial intelligence techniques
○ Selecting optimal artificial intelligence technique for water quality index estimation
4) Development of water quality index estimation model and utilization plan
○ Development of water quality index estimation function using artificial intelligence technique
○ Development of water quality index estimation model using developed water quality index estimation function
○ Development of several functions for the end user
○ Study of utilization plan for developed water quality index estimation model
4.2 Results
1) Analysis of watershed and water quality characteristics for agricultural reservoir
○ Stream and reservoir water quality was investigated in the selected 32 agricultural reservoir among 55 agricultural reservoir located in Gyeonggi province to analyze correlation among 'pollutant loading and reservoir characteristics', 'stream flow rate and water quality', and 'reservoir water quality'.
○ There is close correlation between ‘stream flow rate and water quality’ and ‘reservoir water quality’, whereas there are weak correlation between ‘watershed and reservoir characteristics’ and ‘reservoir water quality’.
○ There are close correlation only between pollutant loading and reservoir T-N concentration, and between reservoir effective water depth and COD, TOC, Chl-a, T-P, Cl- concentration of reservoir.
○ Although discharge pollutant loading is better than generating pollutant loading for estimating reservoir water quality, generating pollutant loading was used for correlation analysis because there is no discharge pollutant loading data in agricultural reservoir monitoring data.
2) Development of water quality monitoring DB and monitoring data analysis system for agricultural reservoir
○ Collecting monitoring data related with water quality monitoring program of agricultural reservoir (facility data, pollutant loading, water quality data etc.) from scattered information systems and various source.
○ Analysis of collected monitoring data and development of monitoring DB using MS-Access and MySQL.
○ Analysis system of water quality monitoring data was developed using Adobe Flash to provide various analyzed data and statistics values in each management units and year.
3) Development of water quality index estimation technique using artificial intelligence technique
○ In this study we developed water quality indices estimation technique from factors influencing reservoir water quality using artificial intelligence techniques.
○ Eight types of water quality indices (Korean reservoir water quality standard for COD, TOC, and mean of 4 parameters(COD, T-N, T-P, Chl-a), Vollenweider eutrophication state, LQI, rLQIar, LEHAw, CODI) were selected as agricultural reservoir water quality index. rLQIar was developed by same method with LQI using 7313 agricultural reservoir monitoring data set because LQI value is over the limited range (0∼100) in low and high concentration.
○ The major factors which is affected to reservoir water quality among monitoring parameters were reservoir characteristics (watershed area, surface reservoir area, reservoir volume, depth, irrigation area), COD, T-N, T-P generated pollutant loading of each year (population, livestock, point source, total), yearly precipitation, and ratio of average yearly precipitation for 30 years.
○ Decision tree algorithm and Genetic programming were selected as artificial intelligence techniques to estimate agricultural reservoir water quality indices from factors influencing reservoir water quality.
○ Agricultural reservoir water quality indices were estimated using decision tree algorithm, Genetic programming, and multi linear regression analysis, and the results were compared. Estimated water quality indices using decision tree algorithm was close to calculated water quality indices using monitoring water quality data.
○ Estimation errors of Korean water quality standard of COD, Vollenweider eutrophic state, rLQIar, and CODI was 24%, 18%, 23%, 35%, and r2 was 0.76, 0.59, 0.78, 0.75.
4) Development of agricultural reservoir water quality management model derivation technique using artificial intelligence technique
○ Fuzzy rules which can estimate agricultural reservoir management index were inducted after training decision tree algorithm using reservoir characteristic data, pollutant loading data, precipitation data, and calculated water quality index.
○ Estimation functions of agricultural reservoir water quality index were developed using inducted fuzzy rules by decision tree algorithm
○ Agricultural reservoir water quality index estimation model was developed using developed estimation function of water quality index, and several user friendly functions were also developed for the end-user.
○ Developed agricultural reservoir water quality index estimation model has several characteristics. few input data (seven input data) request, automatic input function from developed database by selecting existing reservoir and year, easy and quick model run, providing calculated water quality indices from monitoring data, providing statistics of estimated water quality indices by uncertainty analysis, analysis function of reservoir water quality change caused by reservoir watershed condition change.
○ Developed agricultural reservoir water quality index estimation model can be used for understanding potential reservoir water quality pollution by estimated water quality index, suggesting targets of agricultural reservoir water quality management, characteristics analysis of watershed pollutant loading management, water quality estimation of newly constructed agricultural reservoir before construction, effects analysis of newly introduced pollutant source facility, effects analysis of watershed pollutant loading change, and linking with existing web-based reservoir management systems.
목차 Contents
- 표 지 ... 1
- 제 출 문 ... 3
- 요 약 문 ... 5
- SUMMARY ... 29
- 목 차 ... 35
- 표 목 차 ... 38
- 그 림 목 차 ... 41
- 1장 서론 ... 47
- 1절 연구배경 및 필요성 ... 47
- 2절 연구범위 및 내용 ... 48
- 3절 연구 진행방법 ... 49
- 4절 기대효과 및 실용화 계획 ... 52
- 2장 농업용저수지의 수질특성 분석 ... 55
- 1절 유역, 하천, 저수지 상관관계 분석 ... 55
- 1. 저수지 수질에 영향을 미치는 인자 사전 연구 ... 55
- 2. 대상 저수지 선정 및 수질조사 ... 57
- 3. 유역, 하천, 저수지 상관관계 분석 ... 66
- 4. 경기도 내 수질측정망자료 분석 ... 69
- 2절 시기별 저수지 수질변화 분석 ... 70
- 1. 개요 ... 70
- 2. 대상 저수지 선정 및 수질조사 ... 70
- 3. 저수지별 유입하천 및 저수지 수질조사 결과 ... 73
- 3장 수질측정망자료 DB구축 및 자료분석시스템 개발 ... 83
- 1절 농업용저수지 수질측정망자료 수집 ... 83
- 1. 한국농어촌공사 내 수질측정망 관련 자료 현황 ... 83
- 2. 수질측정망자료 수집 및 분석 ... 85
- 3. 수질측정망자료 DB화 ... 91
- 2절 수질측정망 자료분석시스템 개발 ... 96
- 1. 자료분석시스템 개발 방향 및 구성 ... 96
- 2. 웹상의 화면 구성 및 개발 ... 99
- 3. 개발된 농업용저수지 수질측정망 자료분석시스템 ... 102
- 4장 농업용저수지 수질지수 개발 ... 125
- 1절 국내외 수질지수 연구 사례 ... 125
- 1. 수질지수의 정의 및 분류(최지용, 1996) ... 125
- 2. 국내 수질지표 개발 사례 ... 129
- 3. 국외 수질지표 개발 사례(최지용, 1996; 2007) ... 142
- 2절 농업용저수지 수질지수 개발 ... 157
- 1. 농업용저수지 수질지수 형태 검토 ... 157
- 2. 수질지수 개발방법 검토 및 적용가능성 분석 ... 159
- 3. 농업용저수지 수질지수 개발 ... 167
- 5장 농업용저수지 수질지수 추정기법 연구 ... 175
- 1절 수질지수 추정기법 연구 방향 ... 175
- 1. 기존 수질지수 산정법과 차이점 ... 175
- 2. 인공지능기법을 이용한 수질지수 추정기법 개발 방향 ... 176
- 2절 수질지수 추정을 위한 인공지능기법 연구 ... 177
- 1. 서론 ... 177
- 2. 인공신경망(ANN; Artificial Neural Network) ... 178
- 3. 유전자 프로그래밍(GP; Genetic Programming) ... 183
- 4. 의사결정트리(decision tree) ... 188
- 5. 진화 군집분류 알고리즘(ECM) ... 196
- 6. 수질지수 추정을 위한 인공지능기법 선정 ... 205
- 3절 인공지능기법을 이용한 수질지수 추정 ... 206
- 1. 수질지수 추정을 위한 영향인자 검토 및 DB구축 ... 206
- 2. 인공지능 기법을 이용한 농업용저수지 수질지수 추정 ... 209
- 3. 의사결정트리 기법을 이용한 농업용저수지 수질지수 추정 ... 210
- 6장 농업용저수지 수질지수 추정모델 개발 및 활용방안 ... 219
- 1절 농업용저수지 수질지수 추정모델 개발 ... 219
- 1. 농업용저수지 수질지수 추정모델 개발 방향 ... 219
- 2. 농업용저수지 수질지수 추정모델 개발 ... 220
- 2절 농업용저수지 수질지수 추정모델 활용방안 ... 228
- 1. 저수지 수질관리를 위한 기준으로 활용 ... 228
- 2. 신규 조성 예정 저수지의 수질 예측 ... 231
- 3. 신규 오염원 영향 검토 ... 238
- 4. 수질개선대책 수립 대상지의 부하량 삭감 영향 검토 ... 240
- 5. 기존의 인터넷 기반 시스템 연계 ... 243
- 6. 기타 활용방안 ... 244
- 7장 요약 및 결론 ... 249
- 1절 농업용저수지 유역과 저수지 수질특성 분석 ... 249
- 2절 수질측정망 자료 DB구축 및 수질분석시스템 개발 ... 249
- 3절 농업용저수지 수질지수 추정기법 연구 ... 250
- 4절 농업용저수지 수질지수 추정모델 개발 및 활용방안 ... 250
- 연구개발 목표 달성도 및 대외 기여도 ... 253
- 연구개발결과의 활용계획 ... 254
- 참고문헌 ... 257
- 분야별 공동연구 참여자 명단 ... 261
- 부록. 수질지수 추정모델 매뉴얼 ... 265
- 끝페이지 ... 279
※ AI-Helper는 부적절한 답변을 할 수 있습니다.