Research Article

Journal of Korea Water Resources Association. August 2020. 569-582
https://doi.org/10.3741/JKWRA.2020.53.8.569


ABSTRACT


MAIN

  • 1. 서 론

  • 2. 본 론

  •   2.1 물순환 모델의 기본 개념

  •   2.2 유역 상세화

  •   2.3 강우-유출모형

  •   2.4 논배수모형

  • 3. 적용 및 고찰

  •   3.1 물순환 체계 구축 모형 검증

  • 4. 결 론

1. 서 론

일반적으로 우리나라의 생활용수 및 공업용수는 대부분 주수원으로 댐, 저수지 등을 통해 용수공급이 이루어지며, 일부 지역에서는 하천을 통해 직접 취수되고 있다. 하천에서 직접 취수하는 경우, 일정량 이상의 하천수 사용 시 계측시설을 설치하고 하천수 사용자가 기록 및 보관하여야 한다. 그러나 대부분 하천수 허가량에 따른 월별 취수실적을 고려하는 방법 외에 정확한 용수사용량에 대한 계측이 이루어지지 않고 있는 실정이다. 이러한 현상이 지속될 경우, 하천관리를 위해 활용되는 자연유량 자료에 대한 신뢰도 결여되고 불확실성이 증대될 뿐만 아니라, 정확한 가용수량 파악을 통한 수자원 계획 수립, 수문학적 가뭄정보 생산시 어려움이 수반된다.

국내외 가뭄 모니터링 전망 연구 현황을 조사한 결과, 가뭄분석 기술은 크게 가뭄 현황을 모니터링 하는 연구(Cammalleri, et al., 2017; Sheffield, et al., 2014; lee et al., 2018), 가뭄을 전망하는 연구(Araghinejad, 2011; Jang et al., 2017; Son and Bae, 2015; Shin et al., 2019), 가뭄에 의해 나타나는 피해 및 영향 분석 연구(Jun et al., 2016; So et al., 2015; Kwon et al., 2019), 가뭄상황에 대처하기 위한 연구(Kim et al., 2018; Kang et al., 2019) 등 4개 분야로 분류할 수 있다. 특히 전 세계적으로 가뭄 모니터링을 통한 평가 및 예측을 위한 다양한 연구가 진행되고 있다. 일반적으로 가뭄연구에서는 기상학적, 농업적, 수문학적 가뭄지수를 활용하여 분야별로 가뭄현상을 모니터링하고, 가뭄빈도해석 등을 통해 위험도 관점에서 가뭄을 평가하고 있다(Kwon and Lall, 2016). 이러한 다양한 가뭄 판단지표를 활용함에 있어 주관 부서별로 가뭄지수 산정 방법 및 절차를 표준화하는 연구들이 진행된바 있다(Bae et al., 2014; Park et al., 2019). 가뭄 현상의 경우, 앞서 언급된 바와 같이 기상학적, 농업적, 수문학적 가뭄 등을 복합적으로 위험도 평가에 고려하고자 최근 다변량 가뭄빈도해석 연구가 다수 진행되고 있다. Kim et al. (2017)은 Bayesian 기법을 도입하여 다변량 가뭄빈도해석 시 추정되는 매개변수의 불확실성을 정량화 한 바 있으며, Yu et al. (2017)은 이변량 가뭄빈도해석을 통해 확률론적 개념을 바탕으로 가뭄사상을 평가하여 댐유역의 가뭄특성을 분석한 바 있다. Kwon and Lall (2016)은 미국 캘리포니아에서 발생한 가뭄에 대하여 비정상성 다변량 가뭄빈도해석을 통해 과거부터 현재까지 발생한 가뭄에 대한 주기적 특성을 해석하였으며, 2012-2015년 사이에 발생한 가뭄에 대해 정량적으로 평가하였다. 그러나 국내외에서 수행되고 있는 가뭄 연구의 경우 주로 기상학적 가뭄을 대상으로 평가가 이루어지기 때문에 실제 국민들이 체감하는 가뭄과 밀접한 연관성을 가지는 수문학적 가뭄정보를 제공하는데 한계가 있다. 더욱이 우리나라와 같이 대부분의 물공급이 댐 및 저수지, 광역상수도 등 수자원시스템 네트워크를 기반으로 물공급이 이루어지는 경우, 개별 요소만을 고려한 기존 가뭄 모니터링 및 전망은 현실적이지 못하며, 가뭄 위험도 관리 측면에서도 부족한 부분이 있다.

수문학적 가뭄정보를 보다 정확하게 제공하기 위해서는 유역 내 물순환 체계 구축, 수문기상 빅데이터 활용, 정확한 유역유출모델링 등 다양한 요소들이 통합적으로 연계되는 것이 무엇보다도 중요하다. 현재 물순환 분석 시 가장 어려운 부분은 물순환 체계 구축과 함께 유역 내 취수·배수 및 방류실적 등을 종합적으로 고려한 분석체계가 미흡하다는 것이다. 이러한 문제점은 결과적으로 정확한 유역유출모델링을 위한 자연유출량 자료의 취득이 어려운 상황으로 귀결된다 하겠다. 즉, 우리나라의 유역 내에서 물순환은 복잡하게 조정(regulated)되는 특성을 가지게 되며 이러한 물순환 분석체계가 구축된다면 수자원관리 시 다양한 목적으로 활용될 수 있다.

하천 관점에서의 자연유출량 산정 및 제공은 수자원 계획 및 관리 관점에 있어 중요한 문제 중 하나이다. 즉, 하천 내 임의의 지점 또는 가뭄 모니터링이 필요한 지점에서 정확한 유량 정보를 생산하는 것은 효율적인 하천관리 측면에서 기본적이고 중요한 요소라 할 수 있다. 이러한 점에서 유역 내 전반적인 물순환 체계를 조사 및 분석하고, 이를 기반으로 물순환 모델을 구축하는 것이 선결되어야 한다. 더불어 구축된 물순환 모델은 하천 내 임의의 지점에서 현황 분석 및 전망, 유량자료 생산, 모니터링, 가뭄 발생지역 판단 등 다양한 분야에서 활용이 가능하다.

현재 계획 중인 국가물관리계획 및 하천유역수자원관리계획 등에서는 기존 수자원장기종합계획과는 다르게, 중권역 이하 단위에서 매우 자세한 물순환 분석을 요구하고 있다. 그러나 기존 물수지 분석체계에서는 시공간으로 상세화된 물순환 정보의 제공이 어려우며 행정구역 단위에서 수원 등을 고려한 종합적인 가뭄대책 수립도 요원한 실정이다. 기존 대권역 또는 중권역 단위 물수지 분석은 분석 대상범위가 넓을 뿐만 아니라, 세부적인 수자원 관련 정보 제공이 불가능하여 물순환 시설 운영을 위한 의사결정 정보로서의 활용 측면에서 어려운 단점이 존재한다. 특히 가뭄 현상의 경우 기상학적 영향인 강수의 부족이 가장 큰 요소로 기여하지만, 실질적으로 인간이 생활하는데 있어 필요한 양보다 적은 양의 물이 공급될 때 가뭄을 체감한다. 즉 지역별로 사용하는 수원 및 물순환 시설 등을 세분화 하고, 용수공급 및 사용 실적자료 기반 분석을 통해 분석대상 지역의 가뭄을 정확히 판단하기 위한 합리적인 물순환 평가 모형 개발이 필요하다. 즉, 공간분석단위를 표준유역 단위 이하의 취방류 시설물을 기준으로 구성하고 이들 시설물의 가용한 수문기상 빅데이터를 활용하여 실시간 물순환 모델을 구현하는 것이 요구되고 있다. 이를 통해 궁극적으로 댐, 저수지, 하천 등 다양한 수원을 가지는 유역 내 가용 수자원량을 준실시간 개념으로 평가가 가능할 것으로 판단된다.

이러한 점에서 본 연구에서는 실적기반 가뭄 모니터링을 위한 시공간적으로 상세화된 물순환 모델을 개발하는데 목적이 있으며, 이를 통해 하천을 중심으로 가뭄 모니터링이 필요한 지점에 준실시간 유량을 제공할 수 있는 체계를 개발하고자 한다. 즉, 가뭄에 대해 선제적으로 대응하기 위해서 모니터링 현황, 분석 및 전망 그리고 가뭄 발생지역을 보다 신뢰성 있게 판단하기 위한 가뭄정보 제공이 가능한 모형이라 할 수 있다. 본 논문에서는 실적기반 가뭄 모니터링을 위한 모형 구축에 대한 상세한 설명을 시범유역에 대해서 검토하여 수록하였다.

본 논문의 구성은 다음과 같다. 먼저 모니터링을 통한 가뭄평가와 관련 연구동향을 검토하였으며, 2장에서는 본 연구에서 개발한 물순환 모델에 구축 과정에 대한 핵심 사항을 수록하였다. 3장에서는 안동댐 상류 유역을 대상으로 물순환 모델의 적정성을 평가하였으며, 최종적으로 4장에서는 결론 및 토의를 수록하였다.

2. 본 론

본 절에서는 본 연구에서 제시하는 준실시간 물순환 모델의 개념을 기본적으로 제시하고 핵심 사항별로 서술하였으며, 유역상세화 알고리즘 및 네트워크 구성, 강우-유출모형 및 논배수모형 순으로 요약정리 하였다.

2.1 물순환 모델의 기본 개념

가뭄 현상을 보다 정확하게 예측 및 대응하기 위해서는 분석대상을 상세하게 구분하고, 분석대상 지역의 가뭄전망 즉, 부족한 물의 양을 정확하게 예측하는 것이 중요하다. 그러나 기존 각 부처별로 제시되고 있는 가뭄 전망의 경우 표준유역 또는 중권역 단위에서 분석이 이루어지며, 대상지역 내 하천수 이용량·수원 및 취수시설별 용수 수요량·회귀수량 등 일련의 물순환 과정을 명확히 반영하지 못하는 단점이 존재한다. 또한 대상유역 내 신뢰성 있는 자연유출량 산정이 불가능하여 가뭄 또는 평상시 수자원관리 계획 시 어려움이 있다. 본 연구에서는 준실시간 개념의 가뭄정보 제공을 위해 실적기반 물순환 모델을 개발하였으며, 물순환 평가를 위한 일련의 과정을 개념적으로 나타내면 Fig. 1과 같다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F1.jpg
Fig. 1.

Conceptual diagram of the model framework for water circulation model (left) and drought monitoring point (black dot circle) (right)

본 연구에서 제시하는 시공간적으로 상세화 된 물순환 모델은 하천을 중심으로 물순환 관련 수요·공급 시설의 위치를 절점으로 부여하고 연결하는 물순환 네트워크 알고리즘이 선행되어야 한다. 즉, 실적자료 기반 물순환 분석 모형은 점(point), 선(line), 면(shape)으로 구성된 지형공간정보의 위상(topology) 관계를 기하학적(geometry)으로 구성하여 진행된다. 기존 물수지 분석 알고리즘은 상세한 물순환 체계를 고려하지 못하고 있으며, 계획 모형으로서 과거 강우량과 강우-유출모형을 통해 자연유량을 산정하거나 과거 실측 유량정보를 이용한 표준유역 단위 물수지 분석이 수행되고 있다. 반면 본 연구에서 개발된 모형은 물순환 관련 실적 자료를 지형공간정보로 연결시키므로 상세화된 점형 물순환 정보를 제공하는 장점이 있다. 즉, 유역 내 실제 취수량 및 회귀수량 등을 고려한 유역 물순환 평가 체계 개선을 통하여 하천을 중심으로 실제 물순환 체계 및 계측자료 기반 물순환 현황 모니터링이 가능하며 최종적으로 가뭄 모니터링 및 전망을 수행할 수 있다. 기존 물수지 모형과 본 연구에서 개선한 내용을 Table 1 및 Fig. 2에 상세히 제시하였다.

실적자료 기반 물순환 모델의 입력자료로 활용되는 물순환 관련 데이터는 TANK 모형을 통한 장기 강우-유출 자료, 농업용수구역별 농업용수 공급량 및 하천 회귀수량, 상수도 취수장 취수실적, 하수처리장 하수방류실적, 하천수사용허가실적 등이 있으며, 이는 일단위 시계열로 입력자료를 구성한다. 구축된 입력자료는 앞서 언급한 용수수용량, 회귀수량 추정방법 등을 기반으로 자료 중심(data-driven) 기반 가뭄 전망 체계가 구축된다. 본 연구에서 제안하는 물순환 분석 과정은 아래 Fig. 2와 같다.

Table 1.

A comparison between the existing water budget model and proposed water circulation model

Classification Exiting water balance model Water circulation model based on quasi-realtime
Discharge ・ Natural flow (rainfall-runoff model):
・ Simulated flow for each basin
・ Improvement of natural flow estimation using observed flow and
water usage measurement along with the simulated flow
Discharge
projection
・ Design inflow (monthly) ・ Direct steamflow forecast informed by weather forecast
・ Combined approach to streamflow forecast with
long-term climate forecast and rainfall-runoff model
・ Design inflow (monthly)
Supply volume ・ Water supply plan (contract)
・ Rule curve based water supply
・ Improvement of water supply plan based on the long-term
water supply data
・ Water supply plan based on the contracted amount of water
Demand and
return flow
・ Estimation of Domestic and industrial water
use according to population and industrial
complex, etc
・ Estimation of water demand for agricultural
water use according to paddy field, livestock, etc
・ Improvement of water demand estimation by reflecting
the amount to be paid for water used
・ Account for losses through operation performance of
water intake, water purification plant and drainage system
・ Account for return flow from agricultural water use and
waste water plant
Network ・ Basin-based network ・ The network of actual locations of water facilities
http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F2.jpg
Fig. 2.

The process of water circulation model based on historical data

2.2 유역 상세화

대규모 유역에서 물수지 분석을 위해서는 본류의 상하류 경계 지점 및 각 지류에 따른 유입 유량 자료가 요구된다. 그러나 대부분의 유량관측 지점에서는 본류 중심의 수문관측이 이루어지기 때문에 소유역 및 미계측유역에서 유량 자료를 취득하는 일은 어려운 실정이다. 현실적으로 각 소유역별 유출량을 추정하기 위해서는 중권역 또는 대권역 단위로 구축된 유출모형을 통해 유량을 1차적으로 산정하고 2차적으로 유역면적에 따른 면적배분을 통하여 유량을 배분하게 된다(Kang et al., 2004).

이러한 점에서 본 연구에서는 수치표고자료(Digital Elevation Model, DEM)를 활용하여 하천의 흐름방향 및 흐름집적을 분석하여 지형자료에 따른 하천망을 생성하였으며, 최종적으로 지정된 하천 출구지점까지 연속적으로 하천망을 따라 소유역을 세분화 하였다. 본 연구에서 지형공간정보는 상세한 유역 분할을 위하여 국토지리정보원에서 제공하고 있는 공간해상도 10 m 자료를 취득하였으며, 하천차수도는 국가수자원관리종합정보시스템(WAMIS)에서 제공하는 자료를 활용하였다.

앞서 언급하였듯이 본 연구에서는 공간적으로 매우 상세화 된 물순환 모델 구축을 목표로 하며, 물순환 관점에서 주요 지점을 기준으로 유역을 자세하게 구분하는 과정이 필수적으로 요구된다. 기존 GIS Tool을 활용한 유역구분과는 다르게 주어진 하천상의 절점을 기준으로 소유역 분할이 이루어질 수 있도록 Tarboton (2005)에 의해 개발된 TauDEM (Terrain analysis using Digital Elevation Models) 알고리즘을 활용하여 모형을 구축하였으며, 추출된 유역에 대한 번호체계는 하천차수도와 흐름방향 및 흐름집적을 기준으로 순차적으로 결정되도록 R 기반의 프로그램으로 개발하였다. 본 연구에서 개발한 유역상세화 기법을 통해 낙동강 권역으로부터 대표 시범유역인 안동댐 중권역에 대한 세분화 과정은 Fig. 3과 같다. 그림에 도시된 바와 같이 삼각형은 가뭄 모니터링을 위한 지점이며, 이들 분석 지점을 기준으로 하류단을 따라 세분화된 소유역과 분석방향이 포함된 번호체계를 확인할 수 있다.

본 연구에서 유역상세화를 통해 물순환 모델의 적용성 평가지점인 안동댐 중권역은 총 11개의 표준유역으로 구성되어 있으며, 유역특성에 대한 자세한 현황은 Table 2와 같다. Table 3은 안동댐 상류 유역에 위치한 수자원 시설물 현황을 나타내며, 1개의 다목적댐, 6개의 수위-유량 관측소 및 6개의 지방취수장으로 구성되어 있다. 안동댐 상류 유역에 위치한 수위-유량관측소 지점의 관측자료는 연구결과의 검증시 활용된다. 본 연구에서는 안동댐 중권역을 840개의 유역으로 세분화 하였으며, 대표적으로 본류에 위치한 소천, 도천수위관측소에서 제공되는 일단위 유량정보를 활용하여 물순환 모델을 통해 산정되는 결과에 대한 검증을 수행하였다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F3.jpg
Fig. 3.

Construction of a network of the model over Andong dam watershed

Table 2.

Watershed characteristics of Andong dam watershed

Name Area (km2) Mean width (km) Mean elevation (EL. m) Mean slope (%) Unit shape factor (L/L)
Andong dam 1,628.6 9.52 548.09 49.22 4.24
Table 3.

The water resources facilities currently operated at Andong dam watershed

Number Name Classification
2001110 Andong dam Multi-purpose Dam
2001610 Jangsung Gaging Station
2001611 Nakbon A
2001630 Socheon
2001655 Ungok
2012645 Docheon
2012645 Yangsan
2015006801 Hyeolli Intake Station
2015007181 Danggol 1
2015007532 Socheon
2015007533 Chunyang
2015007535 Jaesan
2015007537 Seokpo

2.3 강우-유출모형

자연유출량이란 인위적인 물 사용 및 조절 행위가 전혀 없는 자연 상태에서 유역에 발생하는 유출량을 의미한다. 그러나 이와 같은 자연 상태를 갖춘 유역은 매우 드물기 때문에 자연유출량이 실제로 관측되는 지점은 제한적이다. 따라서 수자원 계획 수립 시 인위적인 유량조절 행위가 없는 상태에서의 유출량은 강우-유출모형을 통해 추정하고 이를 물수지 모형의 입력자료로 활용한다. 즉, 대상 유역에 대한 자연유출량 산정 시 관측강수량 자료를 바탕으로 강우-유출모형을 활용하여 산정하고 있으며, 기존 수자원장기종합계획에서는 장기 강우-유출모형으로 TANK 모형을 이용하고 있다.

본 연구에서는 장기 유출량 분석 시 대표적으로 활용되는 TANK 모형을 통해 표준유역별로 자연유출량을 산정하여 분석을 진행하였다. TANK 모형은 비교적 모형의 구조가 간단하고 매개변수의 수가 적어 관측자료가 충분하지 않거나 미계측유역과 같이 기상 및 토양, 토지이용 등 유역의 물리적 특성에 대한 자료 수집이 곤란한 경우에도 불구하고 실용적으로 적용할 수 있는 장점이 있다(Neitsch et al., 2001). TANK 모형은 유역을 3∼4단의 탱크 구조로 가정하고, 유역에 대한 매개변수의 최적화를 통해 유출 현상을 분석하는 개념적(conceptual) 집중형 모델링 기법이기 때문에, 유역의 특성이 크게 변하지 않는다는 가정 하에 최적 매개변수가 추정된 해당 유역에서의 유출량은 비교적 정확하게 추정된 결과를 도출한다(Kim and Kim, 2012). TANK 모형에 의해 생성되는 자연유출량은 일단위로 생성되며, 매개변수 추정지점에 대하여 관측개시일로부터 2017년까지 관측된 유입량 자료를 활용하여 매개변수 최적화를 수행하였다. 본 연구에서 활용한 TANK 모형의 개략적인 유출과정에 대한 모식도는 Fig. 4에 도시하였다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F4.jpg
Fig. 4.

Conceptual framework of the TANK model used in this study

TANK 모형의 보정과 검증을 위해서 현재 운영 중인 댐 지점의 상류 유역의 유출량 자료와 SCE-UA (Shuffled Complex Evolution-University of Arizona) 기법을 통해 매개변수 최적화를 수행하였다. SCE-UA 기법은 부여된 매개변수의 범위 내에서 연속적으로 매개변수 모집단에 대한 범위를 좁혀나가며 최적 매개변수 조합을 찾는 전역최적화 기법으로써 Duan et al. (1994)에 의해 개발되었으며, 매개변수 추정시 매우 우수한 성능을 가진 모형으로 널리 알려져 있다(Kim et al., 2014).

본 연구에서 활용된 TANK 모형은 댐 상류의 유량을 자연유량으로 가정하고 최적화를 통해 매개변수를 추정하고 이를 표준유역으로 전이하는 방법을 통해 표준유역별 유량을 추정할 수 있다(Kang et al., 2004). 매개변수 최적화 시 환경부, 기상청, K-water에서 제공하는 일 강수량 자료를 활용하여 면적평균 일강수량과 증발산량을 추정하여 입력자료로 활용하였다. 입력자료에서 증발산량은 전국 95개 기상관측소 지점 증발산량 계산(최고기온, 최저기온, 이슬점온도, 풍속, 일조시간)후 유역평균값을 산정하고, FAO-56 Penman-Monteith 방법(Allen et al., 1998)을 통해 증발산량을 산정하였다. Penman-Monteith 방법은 동역학적 저항(aerodynamic resistance) 및 표면 저항(surface resistance)을 통합적으로 고려하여 증발산량을 추정하는 방법이며(Monteith, 1965), 다수의 연구에서 대부분의 지역에서 Penman-Monteith 방법론이 가장 우수하다는 것을 증명된 바 있다(Allen, et al., 1998; Kim et al., 2017).

FAO-56 Penman-Monteith 방법 사용 시 기온, 습도, 복사량 및 풍속과 같은 자료가 필요하며, 일단위 잠재증발산량을 추정하는 공식은 Eq. (1)과 같다.

$$ET_o=\frac{0.408\triangle(R_n-G)+\gamma(C_n/T_{mean}+273))u_2(e_s-e_a)}{\triangle+\gamma(1+C_du_2)}$$ (1)

여기서 ETo는 잠재증발산량(mm/day)이며, △는 기온에 따른 포화수증기압 기울기(kPa/℃), Rn은 순복사량(net radiation, MJ/m2/day), G는 토양열속밀도(soil heat flux density, MJ/m2/day), γ는 건습계 상수(psychrometric constant, kPa/℃), Tmean는 일평균기온, u2는 2 m 높이에서의 풍속(m/s), es는 일평균 포화수증기압(kPa), ea는 일평균 수증기압(kPa), Cn, Cd는 작물의 종류에 따른 계수(Cn = 900, Cd = 0.34)를 의미한다. 이 공식에는 0.408이라는 상수값이 에너지항에 포함되어 있는데, 이 값은 에너지 단위인 MJ/m2/daymm/day로 바꾸기 위한 단위환산계수이다(Kim et al., 2017). 최종적으로 산정된 주요지점별 TANK 모형 매개변수 최적화에 따른 수문 시계열 비교 결과를 Fig. 5에 도시하였다. Fig. 5에서 검은색 점선은 TANK 모형 매개변수 최적화에 활용된 댐의 관측유입량을, 파란색 실선은 매개변수 최적화에 따른 TANK 모형의 자연유출량 산정결과를 나타낸다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F5.jpg
Fig. 5.

The result of natural discharge based on TANK model according to parameter optimization

2.4 논배수모형

본 연구에서 개발한 물순환 모델의 특징 중 하나는 유역 내 저수지에서 논으로 공급되는 양과, 논에서 사용된 농업용수가 하천으로 회귀되는 일련의 과정을 연계하였다는 점이다. 앞서 언급하였듯이 하천내 실적기반 취수실적과 방류실적을 고려하여 모형을 구축하고, 추가적으로 농업용수의 회귀 수량을 고려하여 분석대상 유역 내에서 보다 상세한 물순환 분석이 이루어 질 수 있도록 모형을 구축하였다. 일련의 과정은 먼저 저수지를 통해 농업용수가 배수구역으로 공급되고, 공급된 양 중 물꼬(bank of paddy)를 월류하는 양은 하천으로 회귀 된다는 모형을 Song et al. (2015)에서 제시한 바 있으며, 본 연구에서도 해당 이론을 근거하여 모형에 적용하였다. 본 모형에서는 Song et al. (2015)이 제시한 기본 모형을 활용하되, 모내기 시기(5월 1일~9월 20일)에는 물꼬 높이(6 cm)를 이용한 담수심을 계산하였으며, 그 외 기간은 송수손실률만 반영하여 하천 회귀지점으로 방류되는 것으로 가정하였다. 이는 월별로 공급되는 양이 상이하며, 사용되는 실적을 보다 정확하게 반영하기 위해 모내기 시기별로 회귀되는 양을 결정하기 위함이다.

농업용수 공급량은 실제 논배수 구역으로 공급되는 유량을 측정하는 것이 가장 정확한 방법이라 할 수 있으나, 현실적으로 다수의 저수지에서 논으로 배수되는 공급량을 실측하여 활용하는 것은 현실적으로 어렵다. 농업용수 공급량의 경우 한국농어촌공사가 계측하고 있는 저수지만을 고려하였으며, 농어촌알리미 일저수율 정보를 활용하였다. 농어촌알리미에는 일별 공급량은 제공되고 있지 않으므로 이를 환산하는 방법이 필요하다. 따라서 본 연구에서는 각 저수지별 유효저수량과 농어촌알리미에서 제공되는 저수지별 저수율을 곱함으로써 저수량으로 환산하였다. 이때 공급량은 전일 저수량에서 당일 저수량을 감한 양으로 가정하였다(Eq. (2)).

\begin{array}{l}\mathrm{저수량}=\mathrm 유효\mathrm{저수량}\;\times\;\mathrm{저수율}\\\mathrm{공급량}=(\mathrm{전일}-\mathrm{당일})\;\mathrm{저수량}\end{array} (2)

이때 공급량의 경우 강우관측소에서 강우가 기록되는 날에는 저수지의 공급이 이루어지지 않는 경우가 대부분이다. 이런 경우 저수지의 공급을 멈추고, 논배수 구역에 내린 강수량을 구역 내에 공급유량으로 전환되어 사용된다고 가정하였다. 본 연구에서 활용한 논배수 모형의 경우 자체적으로 작은 물수지 모형의 형태를 가진다. 즉, 저수지 및 유역 내 강우에 의해 논에 물 공급이 이루어지며, 증발산량, 침투량 등이 종합적으로 고려가 가능한 모형으로 확장된다. 회귀수량의 경우 앞서 언급된 논배수 모형을 통해 계산되며, GIS 근린(nearest) 탐색기법을 통해 기설수혜 논 위치와 가장 근접한 하천 네트워크에 강제적으로 연결시켜 하천으로 회귀되도록 모형을 개발하였다. 각 저수지, 기설수혜 논의 경우 물순환 모델에서 구축되는 하천 네트워크 체계와 일치시켜 순차적으로 하천을 중심으로 회귀될 수 있도록 물순환 모델에 반영하였으며, 논배수모형에 대한 기본적인 개념도를 Fig. 6에 도시하였다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F6.jpg
Fig. 6.

Schematic diagram of water budget analysis at paddy fields and the associated network for water circulation model

3. 적용 및 고찰

3.1 물순환 체계 구축 모형 검증

본 연구에서는 실적기반 물순환 모델은 생공용수 취수시설을 중심으로 상시 모니터링이 가능하도록 실제 물 사용이 이루어진 실적정보와 연계한 물순환 모델을 구축하였으며, 분석대상의 다양화와 함께 시공간적으로 매우 상세한 물순환 평가가 가능하도록 하였다. 더불어 취수장 운영 및 하수처리 방류량, 하천수 사용 허가량, 농업용수 공급량 및 회귀량, 하천수허가사용실적 등 물 이용 실적정보를 종합하여 물순환 모델으로 구현하였으며, 시범유역을 대상으로 구축한 결과는 Fig. 7과 같다.

DEM 자료와 안동댐 권역의 하천망도를 통합적으로 고려하여 총 840개의 유역으로 세분 하였으며, 하천코드에 따라 분할된 유역에 대한 세부유역코드를 부여하여 네트워크를 구축하였다. 최종적으로 유역 내 취수·방류·회귀 등 일련의 물순환 과정이 이루어질 수 있도록 네트워크로 연계하였으며, Fig. 7(b)에 댐 및 취수장을 가뭄 모니터링 지점으로 표시하여 도시하였다. 본 모형의 장점은 부처 및 기관별로 목적과 지역에 부합하는 모니터링 지점을 채택하여 보다 쉽게 파악이 가능하다는 점에 있어 기존 물수지 모형과 차별된다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F7.jpg
Fig. 7.

A map showing Andong dam (MBSN Code: 2001) based on water circulation model

TANK 모형으로 산정된 결과는 자연유출량이라고 가정하였으며, 안동댐 상류 유역을 대상으로 2017년 1월~12월 기간에 대해 구축된 실적기반 물순환 모델에 적용하여 실측유량 및 자연유량과 비교하였다. Figs. 8 and 9는 각각의 경우에 대하여 물순환 모델을 적용한 결과이다. Fig. 8에 도시된 바와 같이, 가뭄 모니터링에서 중요한 인자인 저유량 부분에서 TANK 모형에서 산정된 자연유출량의 경우 소천수위관측소에 계측된 유출량과 저유량 부분에서 상당한 차이가 발생하는 것을 확인 할 수 있다. 그러나 본 연구에서 제시한 물순환 모델의 경우, 개별 시설별로 실적운영 자료를 활용한다는 측면에서 개선된 결과를 확인할 수 있다. 제시된 결과는 자연유출량과 유역 내 존재하는 모든 물관리 시설물의 실적자료를 활용한 1차적인 분석결과이다. 그럼에도 불구하고, 그림에서 제시된 것처럼 일정비율로 관측유량과 차이를 나타내게 되며, 이는 TANK 모형으로부터 추정한 자연유출량과 실적운영자료의 불확실성으로 인해 관측유량과의 차이가 발생하게 된다.

이러한 점에서 본 연구에서는 관측유량과 자연유출량 사이의 차이에서 발생하는 불확실성을 저감시키기 위하여, 자연유출량에 특정 계수를 곱하거나 더함으로써 편의를 보정하는 방안을 제시하였다. 실적취수량 및 방류량 등을 보정하는 방안도 고려하였으나, 기본적으로 자연유량에 비해서 상대적으로 양이 매우 작으며, 시설용량을 기준으로 최대값이 존재한다는 측면에서 보정에 한계가 있다. 또한 실적취수량 및 방류량은 기본적으로 관측값으로서 이를 보정하기 보다는 추정된 관측유량을 보정하는 것이 적절한 것으로 판단하였다. 본 연구에서 관측유량(Qobs)은 기본적으로 Eq. (3)과 같이 모의된 유량(Qsim)과 멱함수의 형태를 따른다고 가정하였으며, 여기서 모의된 유량(Qsim)은 TANK 모형에서 산정된 자연유출량, Qin은 하천에서 취수되는 유량, Qout은 하천에 방류되는 유량을 나타낸다. 앞서 언급한 자연유출량 보정방법 Eq. (3)은 로그를 취함으로써 다시 Eq. (4)와 같은 형태로 나타낼 수 있으며, 대하여 소천, 도천관측소에 적용한 결과를 관측소에 따라 각각의 Case로 구분하여 정리하였다.

$$Q_{obs}=\alpha\;Q_{sim}^\beta+Q_{in}+Q_{out}$$ (3)
$$\log\;(Q_{obs})=\log(\alpha)+\beta\times\log\;(Q_{sim})$$ (4)

Case-1의 경우, TANK 모형을 통해 추정되는 자연유출량에 대한 불확실성을 고려하여 검증지점에서 관측유량과 모의된 유량이 최소가 될 수 있도록 일정한 비율(β)을 곱하여 편의를 제거하는 방법이다. 여기서 평균보정유량에 해당하는 log(α)는 0으로 간주한다. Fig. 8에서 보듯이 검증지점과의 유출량 차이가 줄어드는 것을 확인할 수 있으나, 여전히 저유량 부분에서 다소 차이가 발생하는 문제점을 확인할 수 있다. Case-2는 검증지점에서 유출량의 차이가 최소로 되도록 하는 자연유출량에 대해서 보정 값을 일률적으로 동일한 보정계수 log(α)를 더함으로써 편의를 제거하는 방법이다. 여기서 보정 비율 β는 1로 간주하게 되며, Case-1에 비해 상당히 개선된 결과를 확인할 수 있다. Case-3, Case-4에 도시된 결과는 안동댐에 유량이 유입되기 전 도천관측소를 검증지점을 선정하여 유출량을 재보정한 결과이다. Case-3의 경우 Case-1과 같이 유출량과 검증지점에서의 오차가 최소가 되는 비율 β을 산정하여 유출량을 재보정한 결과이다. 즉, Case-2에서 보정된 유량을 입력유량으로 고려하였으며 일정비율 β를 곱하여 보정을 실시하였다. Case-4는 Case-2를 통해 보정된 유량을 입력자료로 활용하였으며 검증지점에서 오차가 최소가 되는 편의 보정계수 α를 일률적으로 더하여 보정하였다. Table 4는 시범 대상유역의 각 Case에 따른 유출량 보정을 위한 계수 산정결과를 나타낸다. Case-1과 Case-3의 경우 계수의 증가가 이루어지고 있으며 이는 결과적으로 편의 보정시 효과가 없다는 부분을 의미한다. 반면 Case-2와 Case-4의 경우 상류에서 편의보정된 이후 하류의 보정량이 급격하게 감소하는 것은 편의보정 효과가 유의하다는 것을 간접적으로 시사한다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F8.jpg
Fig. 8.

A comparison of hydrographs between observed, TANK and water circulation models

Table 4.

Bias correction factors obtained from optimization scheme for two gauging stations

Socheon Docheon
Coefficient α β Coefficient α β
Case-1 1.000 1.299 Case-3 1.000 1.565
Case-2 62.589 1.000 Case-4 2.818 1.000

최종적으로, 본 연구에서 제시된 물순환 모델에 대한 적합성은 상관계수(correlation coefficient, CoE), 평균제곱오차(root mean square error, RMSE), Nash-Sutcliffe 계수(Nash-Sutcliffe Efficiency, NSE) 등의 통계적 지표를 활용하여 관측값과 비교하였다(Table 5). 물순환 모델의 목적을 고려할 때 본 연구에서는 저유량을 기준으로 모형의 적합성을 평가하였다. 안동댐 상류 유역의 기저유량에 근접하는 10 m3/s를 기준으로 모형의 보정방법의 적합성을 평가하였으며 일정유량을 더해주는 편의보정 방법이 곱해주는 방법에 비해 크게 개선된 결과를 보여주고 있다. 결과적으로, 물순환 모델 측면에서 추정된 자연유량에서 가지는 오차가 상당히 크다는 것을 확인할 수 있었으며 특히 저유량 부분에서 편의를 보정해주는 것이 물순환 해석 측면에서 필요한 사항으로 판단된다. 일반적인 물수지 분석의 경우, 유출이 진행될수록 모형에서 발생하는 오차가 누적됨에 따라 하류쪽으로 갈수록 자연유출량에 대한 불확실성이 커질 수 있는 문제점이 있다. 본 연구에서 개발한 물순환 모델은 유역을 세분화하여 유출 네트워크에 따라 발생할 수 있는 불확실성을 지속적으로 보정하여 일반적인 물수지 분석에 비해 보다 정확한 유출결과를 제공할 수 있을 것으로 판단된다. 더불어 정확한 유량 정보를 취득하지 못해 발생되는 전반적인 수자원 관리계획에도 중요한 변수로 활용될 수 있을 것으로 판단된다.

Table 5.

A comparison between TANK and water circulation models (Socheon and Docheon gauging station) with different statistical measures

Station Socheon Docheon
Case TANK Water circulation (Q < 10 cms) TANK Water circulation (Q < 10 cms)
Case-1 Case-2 Case-3 Case-4
CoE 0.736 0.772 0.867 0.654 0.725 0.737
RMSE (cms) 2.161 1.859 1.201 2.726 1.652 1.616
NSE -0.457 -0.235 0.502 -0.714 0.269 0.340

최종적으로 본 연구에서 개발된 모형을 활용하여 분석대상 유역 내 취수장을 대상으로 일단위 유량 시계열 자료를 생성한 결과를 Fig. 9에 도시하였다. 가뭄관리 측면에서 취수지점에서 정확한 유량을 인지하는 것은 매우 중요하나, 현재의 하천수 관리를 위한 유량정보 취득은 어려운 실정이다. 즉, 유량관측은 과거에 비해 양적 및 질적으로 개선되고 있으나, 여전히 물공급 및 물순환 측면에서 중요한 하천지점의 유량은 상하류 유량관계를 통하여 간접적으로 추정하고 있는 곳이 대부분이다. 더불어 현재 일괄적으로 적용되고 있는 기준갈수량의 산정 방법 및 기준 변경을 위해 다양한 연구가 수행되고 있으나 정확한 유출량자료의 부재로 인해 신뢰성 있는 기준 설정이 어려운 실정이다. 이러한 점에서 본 연구에서 제안한 모형으로 도출된 물순환 정보를 실무적용에 활용된다면 효율적인 수자원 관리를 위한 기초자료로 활용될 수 있을 것으로 판단되며, 가뭄 모니터링 예측 정보 등 다양한 분야에서 활용이 될 것으로 판단된다.

http://static.apub.kr/journalsite/sites/kwra/2020-053-08/N0200530801/images/kwra_53_08_01_F9.jpg
Fig. 9.

The estimated available discharge at intake facilities along the river

4. 결 론

현재 우리나라에서는 가뭄 위험도 분석 및 모니터링은 기상학적 가뭄에 근거한 분석체계를 근간으로 하여 수행되고 있어 실제 물부족으로 인한 가뭄대책을 마련하기 위한 물수급과 관련된 신뢰성 있는 정보를 제공하는데 한계가 있다. 특히, 이수안전도 평가시 면형의 정보로 구성되어 있어 상세화된 가뭄정보에 대한 접근 및 발생지역, 시간에 대한 물리적인 현상을 명확히 구분하기 어려워 가뭄 대책을 마련하기 위한 의사결정에 어려움이 따른다. 현재 우리나라에서 행해지고 있는 가뭄 위험도 분석체계에는 크게 두 가지 이유에서 문제점이 있다. 첫째, 기상학적 가뭄 및 수문학적 가뭄을 통해 물부족으로 이어지는 일련의 과정을 모의할 수 있는 분석체계가 미흡하여 수자원관리 측면에서 의사결정을 하는데 어려움이 있다. 이러한 점으로 인해 실제 가뭄대책을 마련하는 것보다 특정 지역의 가뭄상태를 판단하는 것에만 초점이 맞춰져 있는 것이 현실이다. 둘째, 가뭄 시 물수급과 관련된 상세화 된 유량정보에 대한 접근이 어려운 실정이다. 즉, 가뭄과 관련하여 현실적인 물수급 평가를 위해서는 공간적으로 매우 상세화된 하천수량 모니터링 지점이 요구된다. 이와 더불어 하천의 취수·회귀·실적자료 등을 이용한 물순환 해석이 선결되어야 하지만, 관련 모형의 부재로 인해 신뢰성 있는 결과를 제공하지 못하고 있다. 즉 가뭄 위험도 해석 및 정책결정 수단으로써 물순환 체계를 명확히 고려하고, 정확한 정보 제공에 근거한 가뭄 모니터링 모델의 개발이 필요하다. 이러한 점에서 본 연구에서는 유역을 세분화하여 재구성한 네트워크에 따른 유출특성 분석을 통해 신뢰성 높은 물순환 평가 정보의 제공이 가능한 물순환 모델을 개발하였다. 개발된 물순환 모델은 준실시간 개념의 하천수 평가를 위한 시공간적으로 상세화 된 물수급 정보 제공은 가뭄 시 의사결정을 위한 효율적인 정보제공이 가능할 것으로 판단된다. 본 논문에서는 가뭄모니터링을 위한 준실시간 개념의 물순환 모델 개발 및 활용 방안을 제시하였으며, 연구 결과를 요약하면 다음과 같다.

1) 본 연구에서 개발한 모형의 가장 큰 장점은 대상유역 내 수원 및 자연하천 유출량, 취수·회귀·실적자료를 이용할 수 있는 시공간적으로 상세환된 물순환 모델 분석체계를 구축한 것이다. 특히 본 연구에서 개발된 물순환 모델은 공간적으로 매우 상세화 된 물순환 정보 제공이 가능하다. 모형의 적용을 통해 물순환 관점에서 자연유출량 및 수자원시설로 인한 조정유량 추정이 이루어지며, 하천을 중심으로 대부분의 수자원관련 시설에서의 유량 평가가 가능하였다.

2) 농업용수댐의 저수율과 연계하여 논배수구역 내 농업용수 공급량 산정 방안과 간략화 된 논배수모형을 통한 회귀유량을 평가할 수 있도록 모형을 확장하였다. 즉, 대상유역 내 저수지별 농업용수 공급량에 따른 회귀유량을 추정할 수 있도록 하였으며 일단위로 물순환 모델의 구성요소로 고려하였다. 우리나라에서는 농업용수의 사용이 상당수 차지하며, 사용된 물은 하천으로 회귀되고 있다. 그러나 농업용 저수지의 경우 다목적댐 및 생공용수댐에 비해 용수공급량 및 가용수량에 대한 정보가 매우 부족한 것이 현실이다. 이러한 점에서 본 연구에서는 저수지의 유효저수량과 저수율 관계를 고려하여 공급량으로 환산하였으며, 논에서 하천으로 유입되는 회귀수량을 고려한 물순환 모델로 개발하였다.

3) 본 연구에서 개발한 물순환 모델은 물순환 평가 목적에 부합하도록 저유량 부분의 유량을 효과적으로 재현할 수 있는 최적화 기능을 추가하여 개발하였다. 즉, 기존 물수지 모형과 다르게 자연유출량으로 간주되는 강우-유출모형으로 추정된 유량을 보정할 수 있도록 최적화 모형을 개발단계에서 고려하였다. 본 연구에서는 최적화 관점에서 수위표지점을 중심으로 물수지 모형과 연계하여 자연유량에 보정계수(α)를 더함으로써 편의를 제거하는 방법을 제시하였다.

4) 최종적으로, 본 연구에서 제시된 물순환 모델에 대한 적합성을 평가하기 위하여 다양한 통계적 지표를 활용하였으며, 저유량을 기준으로 모형의 적합성을 평가하였다. 즉, 안동댐 상류 유역의 기저유량에 근접하는 10 m3/s를 기준으로 모형의 보정방법의 적합성을 평가하였으며 일정유량을 더해주는 편의보정 방법과 준실시간 관점에서 실측 정보를 활용한 물수지 모형을 연계한 결과 기존 물수지 분석체계에서 발생하는 불확실성을 상당부분 줄일 수 있었다. 더불어 공간적으로 상세화된 보정유량을 주요 취수장별로 제공이 가능하였다. 이를 통해 물수급 측면에서 주요 취수시설물 기준으로 현실적인 가뭄 모니터링 및 관련 정보 제공이 가능할 것으로 판단된다.

Acknowledgements

본 연구는 K-water 통합물관리처 국가가뭄정보분석센터 학술용역 「가뭄 모니터링 및 예측기술 고도화」 과제에 의하여 수행되었습니다.

References

1

Allen, R.G., Pereira, L.S., Raes, D., and Smith, M. (1998). "Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56." Fao, Rome, Vol. 300, No. 9, D05109.

2

Araghinejad, S. (2011). "An approach for probabilistic hydrological drought forecasting." Water Resources Management, Vol. 25, No. 1, pp. 191-200.

10.1007/s11269-010-9694-9
3

Bae, D.H., So, J.M., and Shon, K.H. (2014). "Estimation and assessment of bivariate joint drought index based on copula functions." Journal of Korea Water Resources Association, Vol. 47, No. 2, pp. 171-182 .

10.3741/JKWRA.2014.47.2.171
4

Cammalleri, C., Vogt, J., and Salamon, P. (2017). "Development of an operational low-flow index for hydrological drought monitoring over Europe." Hydrological Sciences Journal, Vol. 62, No. 3, pp. 346-358.

5

Duan, Q., Sorooshian, S., and Gupta, V.K. (1994). "Optimal use of the SCE-UA global optimization method for calibrating watershed models." Journal of Hydrology, Vol. 158, No. 3, pp. 265-284.

10.1016/0022-1694(94)90057-4
6

Jang, S.H., Lee, J.K., Kwon, H.H., Oh, J.H., and Jo, J.W. (2017). "Development and application of meteorological and hydrological drought indices for the drought monitoring and forecasting." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 6, pp. 37-51.

10.9798/KOSHAM.2017.17.6.37
7

Jun, H., Kim, S., and Choi, S.J. (2016). "Seasonal drought damage prediction method based on the climate forecasting data in geum river basin." Journal of Korean Society of Hazard Mitigation, Vol. 16, No. 1, pp. 83-92.

10.9798/KOSHAM.2016.16.1.83
8

Kang, S.U., Lee, D.R., and Lee, S.H. (2004). "A study on calibration of TANK model with soil moisture structure." Journal of Korea Water Resources Association, Vol. 37, No. 2, pp. 133-144.

10.3741/JKWRA.2004.37.2.133
9

Kang, S.U., Park, J.H., Kang, H.W., and Kim, H.S. (2019). "Development of weekly rainfall-runoff model for drought preparedness and response." Journal of the Korean Society of Hazard Mitigation, Vol. 19, No. 4, pp. 45-52.

10.9798/KOSHAM.2019.19.4.45
10

Kim, C.G., and Kim, N.W. (2012). "Comparison of natural flow estimates for the Han river basin using TANK and SWAT models." Journal of Korea Water Resources Association, Vol. 45, No. 3, pp. 301-316.

10.3741/JKWRA.2012.45.3.301
11

Kim, J.G., Kwon, H.H., and Kim, D.K. (2014). "A development of hourly rainfall simulation technique based on Bayesian MBLRP model." Journal of The Korean Society of Civil Engineers, Vol. 34, No. 3, pp. 821-831.

10.12652/Ksce.2014.34.3.0821
12

Kim, J.M., Park, J.H., Jang, S.H., and Kang, H.W. (2018). "Development and effective analysis of termination criteria at each drought response stage in a multipurpose dam." Journal of the Korean Society of Hazard Mitigation, Vol. 18, No. 5, pp. 23-31.

10.9798/KOSHAM.2018.18.5.23
13

Kim, S.J., Kim, M.I., Lim, C.H., Lee, W.K., and Kim, B.J. (2017). "Applicability analysis of FAO56 Penman-Monteith methodology for estimating potential evapotranspiration in Andong dam watershed using limited meteorological data." Journal of Climate Change Research, Vol. 8, No. 2, pp. 125-143.

10.15531/ksccr.2017.8.2.125
14

Kwon, H.H., and Lall, U. (2016). "A copula-based nonstationary frequency analysis for the 2012-2015 drought in California." Water Resources Research, Vol. 52, No. 7, pp. 5662-5675.

10.1002/2016WR018959
15

Kwon, M., Kwon, H.H., and Han, D. (2019). "Spatio-temporal drought patterns of multiple drought indices based on precipitation and soil moisture: A case study in South Korea." International Journal of Climatology, Vol. 39, No. 12, pp. 4669-4687.

10.1002/joc.6094
16

Lee, J., Kang, S., Jeong, J., and Chun, G. (2018). "Development of groundwater level monitoring and forecasting technique for drought analysis (I)-groundwater drought monitoring using standardized groundwater level index (SGI)." Journal of Korea Water Resources Association, Vol. 51, No. 11, pp. 1011-1020.

17

Monteith, J.L. (1965). "The state and movement of water in living organisms." In 19th Symposia of the Society for Experimental Biology, Cambridge University Press, London, pp. 205-234.

18

Neitsch, S.L., Arnold, J.G., Kiniry, J.R., and Williams, J.R. (2001). Soil and water assessment tool; the theoretical documentation (version 2000, US Agricultural Research Service). Texas Water Resources Institute, College Station, TX. U.S.

19

Park, J.H., Lee, J.H., Kim, T.W., and Kwon, H.H. (2019). "A development of multivariate drought index using the simulated soil moisture from a GM-NHMM model." Journal of Korea Water Resources Association, Vol. 52, No. 8, pp. 545-554.

20

Sheffield, J., Wood, E.F., Chaney, N., Guan, K., Sadri, S., Yuan, X., and Ogallo, L. (2014). "A drought monitoring and forecasting system for sub-Sahara African water resources and food security." Bulletin of the American Meteorological Society, Vol. 95, No. 6, pp. 861-882.

10.1175/BAMS-D-12-00124.1
21

Shin, J.Y., Kim, J.E., Lee, J.H., and Kim, T.W. (2019). "Meteorological drought outlook with satellite precipitation data using Bayesian networks and decision-making model." Journal of Korea Water Resources Association, Vol. 52, No. 4, pp. 279-289.

22

So, J.M., Shon, K.H., and Bae, D.H. (2015). "Development and assessment of drought damage estimation technique using drought characteristic factors." Journal of the Korean Society of Hazard Mitigation, Vol. 15, No. 2, pp. 93-101 (in Korean).

10.9798/KOSHAM.2015.15.2.93
23

Son, K.H., and Bae, D.H. (2015). "Applicability assessment of hydrological drought outlook using ESP method." Journal of Korea Water Resources Association, Vol. 48, No. 7, pp. 581-593 .

10.3741/JKWRA.2015.48.7.581
24

Song, J.H., Song, I.H., Kim, J.-T., and Kang, M.S. (2015). "Characteristics of irrigation return flow in a reservoir irrigated district." Journal of the Korean Society of Agricultural Engineers, Vol. 57, No. 1, pp. 69-78.

10.5389/KSAE.2015.57.1.069
25

Tarboton, D.G. (2005). "Terrain analysis using digital elevation models (TauDEM)." Utah State University, Logan, U.T., U.S.

26

Yu, J.S., Shin, J.Y., Kwon, M.S., and Kim, T.W. (2017). "Bivariate drought frequency analysis to evaluate water supply capacity of multi-purpose dams." Journal of The Korean Society of Civil Engineers, Vol. 37, No. 1, pp. 231-238.

10.12652/Ksce.2017.37.1.0231
페이지 상단으로 이동하기