1. 서 론
2. 이론적 배경
2.1 SWAT
2.2 SWAT-CUP
3. 연구 대상 및 방법
3.1 대상 유역
3.2 GIS 공간정보
3.3 수문기상 관측자료
3.4 장기 수문분석 모형(SWAT) 구축
3.5 다중 관측 지점 및 변수를 고려한 모형 검·보정
4. 연구 결과
4.1 SWAT 구축 결과
4.2 장기 수문분석 결과
4.3 장기유출 특성
5. 요약 및 결론
1. 서 론
유역의 장기유출(보통 10년 이상)을 분석하기 위해서는 증발산량과 지표 하 토양 함수율 등의 유출 요인 변화를 연속적으로(continuously) 고려할 수 있는 장기 수문모의 모형(long-term hydrologic model)이 필요하며, 이는 사용 목적에 따라 다양하게 선정될 수 있다. 이용 가능한 여러 모형들 중 SWAT (Soil and Water Assessment Tool) 모형은 장기 수문분석을 위해 유역 내 실측을 반영한 검·보정이 가능하며, 특히 모형 구축 시 다양한 수문기상 인자 요소들을 매개변수로 고려할 수 있어 그 수문순환 및 유출 모의 해석에 좀 더 정확성을 기할 수 있는 장점이 있다(Arnold et al., 1993; Arnold et al., 1998). 일반적으로 SWAT 모형의 검·보정을 위해서는 수동(manual)과 자동(automatic)에 의한 두 가지 방법이 이용되며, 이 중 유역 내 여러 수문기상 인자, 즉 다중 관측 지점 및 변수(multi-site and multi-variable) 자료를 고려한다면 상대적으로 효율적인 검·보정 모의를 수행할 수 있는 분석 툴(tool)인 SWAT-CUP (Calibration and Uncertainty Program; Abbaspour, 2015)에 의한 자동보정 방법의 적용이 보다 더 요구된다.
SWAT-CUP을 이용한 다중 관측 유역의 SWAT 모형 검·보정에 관한 기존의 연구로서 국내는 대부분 단일 지점 위주로 진행되어(Kim 2017; Jang et al., 2018) 그 사례를 찾아보기가 어려웠고, 국외의 경우 주요하게 Zhang et al. (2008), Gong et al. (2012), Bai et al. (2017), 그리고 Dong et al. (2019) 등이 있으며, 이들은 각각 유역 내 유량 관측 3개 지점에 대해 단일과 다중 관측의 검·보정 조건에서 모의결과의 다양한 비교검증 내용을 제시한 바 있다. 또한, 최근 Odusanya et al. (2019)의 연구에서는 증발산량 미계측 유역에 대해 지표모형 및 위성으로부터 추정된 값을 활용하여 기상관측지점이 위치한 총 3개소의 다중 유역에 대해 모형 검·보정을 수행하였다. 한편, Cao et al. (2006)과 Migliaccio and Chaubey (2007)는 이들에 앞서 SWAT 모형의 다중 관측변수를 고려한 모의와 다중 지점 검·보정에 이상적인 유역의 사례를 각각 제시하였는데, 소유역별 독립적인 관측지점과 상·하류 측점 간 연계된 소유역들을 구분하여 모의 시에 유의해야 할 사항에 관해 설명하였다. 상기 연구를 종합해 보면 적용된 유역 및 경우에 따라 다르지만, 단일보다는 다중 관측 자료를 활용할 경우 유역 출구 등에서 조금 더 나은 모형 검·보정 결과를 얻을 수 있다는 것을 알 수 있었다. 하지만, 대부분의 연구에서 다중 관측 모형 검·보정에 대한 SWAT-CUP의 실제적인 모의(simulation)의 방법과 실행(run) 및 반복(iteration) 횟수 설정 등과 같은 모형의 최적화된 매개변수 값을 찾는 기준 등에 관한 사항을 파악하기에는 한계점이 있었다.
이에 본 연구에서는 기존 단일 관측지점의 유량 값만을 고려한 SWAT-CUP을 이용한 SWAT 모형 검·보정 연구(Yu et al., 2020a; 2020b)의 후속으로 선행 연구 결과의 목적함수 선정, 모의 실행 및 반복 횟수에 대한 기준과 연계해 다중 관측 및 변수를 고려한 SWAT 모형 검·보정 분석의 기준을 제시코자 한다. 또한, 이를 통해 국내에서 다양하게 활용되고 있는 SWAT 모형의 구축 및 검·보정에 보다 더 실제적 연구사례를 제공코자 한다. 한편, 그간 용담시험유역(용담댐 유역)에서 장기 관측된 유량, 토양수분량, 그리고 증발산량 등의 여러 수문기상 관측 자료들을 제한적이기는 하지만 본 연구의 수문분석 검·보정 모의에 활용코자 했으며, 이를 바탕으로 제시한 검·보정 방법의 평가와 함께 유역의 수문 유출특성과 물순환 관점의 물수지 등도 검토해 보고자 한다.
2. 이론적 배경
2.1 SWAT
SWAT 모형은 복합토지이용유역에 대해 장기간에 걸친 다양한 종류의 토양, 토지이용, 그리고 그 관리상태의 변화에 따른 유역의 유출량, 유사량 및 영양물질 영향 등을 예측하기 위한 모형으로서 미국 농무성 농업연구소(USDA Agricultural Research Service, ARS)에서 개발되었다(Arnold et al., 1993; Arnold et al., 1998). SWAT은 유역 비점오염원 부하를 모의하기 위해 개발된 모형인 SWRRB (Simulator for Water Resources in Rural Basins; Williams et al., 1985)의 파생모형으로 물리적 기반의 4가지 하부모형(수문, 토양유실, 영양물질 및 하도추적)의 구축이 가능하다.
이 중에서 수문 모형의 해석은 아래 Eq. (1)에서와 같이 토양수분량, 강우, 지표유출, 증발산, 침루, 기저유출, 회귀수량 등의 수문순환 요소를 고려한 물수지 방정식에 기초한다.
여기서, SW0와 SWt는 각각 i일의 초기 및 최종 토양수분량(mm), Rday는 강우량(mm), Qsurf는 지표유출량(mm), Ea는 증발산량(mm), wseep는 침루 및 기저유량(mm), Qgw는 회귀수량, 그리고 t는 일(day)을 각각 나타낸다.
2.2 SWAT-CUP
SWAT-CUP은 SWAT 모형의 검·보정, 민감도 분석 및 불확실성 해석을 위해 개발되었으며(Abbaspour, 2015), 기본적으로 SUFI-2 (Sequential Uncertainty Fitting Ver.2), PSO (Particle Swarm Optimization), GLUE (Generalized Likelihood Uncertainty Estimation), ParaSol (Parameter Solution) 및 MCMC (Markov Chain Monte Carlo)의 5가지 알고리즘을 적용한 자동보정(auto-calibration) 기능을 제공한다. 또한, 이와 더불어 최적의 매개변수 값을 도출하기 위해 11가지의 목적함수 옵션(option)을 활용할 수 있으며, SWAT 모형의 검·보정에서 선정된 목적함수에 따라 그 매개변수 값 및 모의결과가 다르게 산정될 수 있다(Yu et al., 2020a).
한편, SWAT-CUP에서 제공하는 최적화 기법 중 하나인 SUFI-2는 Hypercube의 다변량 균일 분포에 의해 매개변수의 불확실성을 정량화하여 나타낼 수 있는 방법(Abbaspour et al., 2007)으로 일반적으로 SWAT 모형의 검·보정에 가장 많이 사용되는 알고리즘이다(Yu et al., 2020b). Fig. 1은 이러한 SUFI-2 알고리즘을 이용한 SWAT-CUP에서의 단계별 모형 보정과정을 도시한 것이다.
3. 연구 대상 및 방법
3.1 대상 유역
본 연구의 대상 유역은 용담시험유역으로 금강 상류, 북위 35°35΄ ~ 36°00΄, 동경 127°20΄ ~ 127°45΄에 위치하고 있으며 무주군, 진안군, 장수군을 포함한 충청남도, 전라북도, 경상남도에 속해있다. 유역의 면적은 930 km2로 금강유역의 약 9.5%를 차지하고 있으며 8개의 표준유역과 5개의 유입하천, 그리고 유역출구에 높이 70 m, 길이 498 m, 총저수량 815백만 m3의 용담댐이 있다. 아울러 용담시험유역에는 현재 수위/유량, 강수량, 토양수분량 및 증발산량의 수문기상 자료 생산을 위한 총 22개의 관측소가 운영 중이다. 한편, 기상의 경우 시험유역만의 공식적인 관측소는 없으며 기상청의 방재기상관측 및 종관기상관측소가 주변에 위치해 있다. Fig. 2는 용담시험유역 및 각 관측소의 위치를 나타낸 것이다.
3.2 GIS 공간정보
장기 유출모의에 필요한 SWAT 모형은 기본적으로 GIS 기반에서 구축을 진행한 후 분석을 수행하기 때문에 모형의 구축에 필요한 수치표고모델(Digital Elevation Model, DEM), 토지피복도, 토양도 등의 GIS 공간정보 확보는 필수적인 사항이다. 본 연구에서는 먼저 지형자료로 30 m 해상도 DEM을 국토지리정보원 국토정보플랫폼(http://map.ngii.go.kr)으로부터 확보했으며, 토지피복도와 토양도의 경우는 환경부 환경공간정보서비스(http://egis.me.go.kr)와 국립농업과학원 흙토람(http://soil.rda.go.kr)에서 제공하는 1:25,000 크기의 중분류 토지피복도와 정밀토양도를 각각 사용하였다. Fig. 3은 DEM과 유역의 개략적인 토지이용 설명을 위해 4가지로만 재분류한 토지피복도를 도시한 것으로 용담시험유역은 대부분이 산지와 농업지역으로 각각 70.6, 25.9%를 차지하고 있는 것을 알 수 있다.
한편, 토양도의 경우 그 특성에 따라 유출 등의 모의결과에 상당한 영향을 미칠 수 있기 때문에 확보한 정밀토양도를 기초로 GIS 상에서 속성 지도 및 토양통별 물리특성을 재확인 후 토양통 403항목, 토양기호 1,368개로 관련 DB에 업데이트하였다.
3.3 수문기상 관측자료
용담시험유역에서 관측되는 수문기상 자료로는 유역상류 각 하천과 유역출구를 포함하는 총 6개 지점의 유량, 7개 관측소의 강수량과 토양수분량, 그리고 덕유산 플럭스타워(flux-tower)에서 생산되는 증발산량이 있다. 본 연구에서는 상기 언급된 모든 자료를 일별로 정리하여 SWAT 모형 구축 후 장기 수문분석 시에 매개변수 검·보정의 실측값으로 이용하였다. 한편, SWAT을 활용한 장기 수문분석에는 앞서 설명한 자료 이외에 기온(최저 및 최고, ℃), 풍속(일평균, m/sec), 상대습도(일평균, %) 및 일사량(MJ/m2) 등의 기상자료가 필요한데 이는 시험유역만의 공식적인 관측 자료가 없어 기상청의 진안, 주천 및 동향 AWS (Automated Weather System) 방재기상관측 3개 지점과 전주 및 장수 ASOS (Automated Surface Observing System) 종관기상관측소의 자료를 활용하였다.
일 자료의 확보는 2002년 10월부터 2018년 말까지(총 16년 2개월) 수집된 유량 및 기상자료를 기본으로 총 8개년(2011 ~ 2018년)의 증발산량, 그리고 최근 5개년(2014 ~ 2018년)의 토양수분량에 대해 최대 가능했으며, 각 관측소의 위치는 Fig. 2에서 확인할 수 있다.
3.4 장기 수문분석 모형(SWAT) 구축
SWAT 모형의 구축에는 QGIS Desktop ver. 2.6.1을 기반으로 하는 QSWAT ver. 1.8을 이용하였다. 참고로 QSWAT (Dile et al., 2016)은 오픈소스(open source) QGIS를 활용하는 SWAT 모형의 구축을 위한 인터페이스(interface)이다. 모형은 앞에서 확보한 각종 공간정보를 바탕으로 QSWAT에서 요구하는 각각의 하천망(stream network) 및 소유역(subbasin) 분할과 토지이용, 토양도, 그리고 지형경사를 이용한 수문반응단위(Hydrologic Response Unit, HRU) 구분 등의 실시를 통해 구축했다. 여기서, 유역분할의 경우는 유역면적의 3%의 경계조건(threshold)을 입력했으며, HRU의 구분을 위해서는 23개 중분류 토지피복과 토양통 403항목, 토양기호 1,368개의 업데이트된 토양도 정보를 활용했다. 또한, 모형의 각종 수문과정 계산은 QSWAT에서 기본적으로 제공하는 방법(SCS Curve Number, Penman-Monteith, variable storage routing 등)을 적용하였다.
3.5 다중 관측 지점 및 변수를 고려한 모형 검·보정
3.5.1 모형 검·보정 기간
구축된 모형의 검·보정은 앞서 확보한 모든 수문기상 및 기상 관측 자료를 바탕으로 SWAT-CUP을 활용하여 총 17년의 모의기간에 걸쳐 진행하였다. 여기서 유량 이외의 관측자료, 즉 증발산 및 토양수분량은 각각 8개년 및 5개년으로 충분한 기간의 자료가 뒷받침되지 않아, 모의는 검정과 보정의 별도 기간선정 없이 전 기간 동시에 수행했다. 아래 Table 1은 전체 모의기간을 나타낸 것으로 결과의 안정성을 확보하기 위한 모형의 선행구동은 2년의 기간을 취하였다.
Table 1.
Period of SWAT model simulation (data length)
| Watershed | Period of rainfall events (data length) | |
| Setup (warm-up test) | Calibration / Validation | |
| Yongdam Study Watershed | 2002.10 ~ 2003.12 (1 year and 2 months) | 2004.01 ~ 2018.12 (15 years) |
3.5.2 매개변수 및 목적함수 선정
SWAT-CUP에서의 모형 검·보정을 위한 매개변수의 선정은 Table 2와 같이 SWAT Editor (Winchell and Srinivasan, 2012)에서 기본적으로 제공하는 모든 매개변수 및 값 설정 옵션을 적용하여 진행하였다. 여기서 활용된 매개변수는 총 23개로 SWAT의 주요한 수문과정 계산에 관계된 변수들이다. 한편, 목적함수의 경우는 SWAT-CUP에서 제공하는 여러 옵션이 있으나 본 연구에서는 수문모형 등의 모의수행 결과 평가에 널리 쓰이는 모형효율과 관련된 NS (Nash-Sutcliffe efficiency) 함수를 선정하였으며, 이는 관측과 모의의 잔차(residual) 분산과 관측 값의 분산 사이의 상대적 크기를 비교하여 모형의 효율을 평가한다. 한편, 선행 연구(Yu et al., 2020b)의 결과에 따르면, 목적함수는 MNS (Modified NS) 및 SSQR (Ranked Sum of Squared Error)이 좀 더 최적의 모형 검·보정 결과를 도출하는 것으로 나타났다.
Table 2.
SWAT model parameters selected and their initial value/settings for SWAT-CUP calibration
3.5.3 순차적 보정(One-by-one calibration)
SWAT 모형은 유역출구 등 통상 하나의 지점에 대한 단일 관측변수(유량 등)를 대상으로 검·보정을 진행하며, 이 경우 유역 내 모든 소유역 및 HRU 단위의 매개변수 값을 동일하게 적용한다. 하지만, 본 연구와 같이 다중 관측 지점 및 변수가 있을 경우에는 SWAT-CUP에서 상류 소유역으로부터 하류 소유역까지 순차적인 모형 보정을 고려하여야 한다. 이는 소유역별 특성이 다른 관측 자료들을 각기 다른 매개변수 값을 이용하여 보정해야하기 때문으로 다만, 동일 소유역에 다중 관측 변수가 포함되어 있는 경우는 동시에도 모형 보정이 가능하다. 따라서, 본 연구에서는 Fig. 4에서 보는바와 같이 소유역별 순차적(one-by-one)으로 모형의 보정을 수행한 후, 이로부터 산정된 각 매개변수 값을 최종적으로 모든 유역에 동시 적용시켜 모의를 마무리 하는 방식으로 모형의 검·보정을 진행했다. 이렇게 함으로써 각각의 소유역별 관측자료 특성을 반영한 적정 매개변수 값을 산정, 모형에 적용할 수 있었다.
Fig. 4에서 제시한 순차적 보정 방법을 좀 더 상세히 기술하면, SWAT-CUP의 수행은 SUFI-2 알고리즘(Abbaspour et al., 2007)을 바탕으로 그림에서와 같이 먼저 선정된 매개변수 23개 및 목적함수(NS)에 대한 시험모의(test simulation) 20회 및 1,000회의 모의 실행(run)을 통해 초기 매개변수 값으로부터 적절한 수준의 보정 값을 찾는다. 이후 새로운 값을 적용한 수행에서는 500회 모의의 지속적인 반복(iteration)을 통하여 최적의 목적함수 값을 갖는 매개변수 값을 구하였다(Yu et al., 2020b). 이를 유량, 증발산 및 토양수분량 관측 자료가 있는 독립 유역 내의 모든 소유역에 대하여 실시했으며, 최종 유역출구 지점에서의 모형보정은 이미 독립적인 유역별 전체 모의수행(all run)으로 보정이 완료된 상류 소유역은 제외(매개변수 고정)하고, 출구에만 영향을 미치는 하류 소유역에 대해서만 부분적으로 모의를 수행(partial run)하여 최적의 매개변수 값을 찾는 방식으로 진행하였다.
3.5.4 결과 평가
검·보정이 완료된 모형의 실제 관측과 모의된 값에 대한 결과 비교 평가를 통계지표인 모형효율(Nash-Sutcliffe efficiency, ENS), 상관계수(coefficient of determination, R2), 그리고 값의 왜곡도(percent bias, PBIAS %)를 도입하여 진행하였다. 각각은 아래 Eqs. (2) ~ (4)과 같다.
여기서, Oi와 Si는 관측 및 모의 유량, 와 는 각각 관측과 모의 유량의 평균값을 나타낸다.
4. 연구 결과
4.1 SWAT 구축 결과
QSWAT으로부터 구축된 SWAT 모형은 Fig. 5에서 보는바와 같이 6개의 유량관측 지점을 고려한 총 24개 소유역과 283개의 HRU로 구성되어 있다. 최종 구성된 유역의 특징은 Table 3에 제시되어 있는데 유역은 FRSE (coniferous forest), FRSD (deciduous forest), FRST (mixed forest), RICE (paddy fields), AGRR (cropland)등의 산지 및 농지 토지피복과 가파(GAPA), 금곡(GEUMGOG), 논고(NONGO), 고흥(GOHEUNG), 나산(NASAN)등의 다양한 수문학적 토양군(Hydrologic Soil Groups, HSGs)를 가진 토양통들이 주를 이루고 있다. 참고로 모형의 HRU 생성에서는 장기모의 시의 계산 효율성을 갖기 위해 총 8,146개의 가능한 HRU에서 10%의 경계조건을 주어 경계치 이하 토지피복, 토양 및 경사에 대한 것은 고려치 않도록 했다.
Table 3.
Characteristics of land use and soil in the developed SWAT model
4.2 장기 수문분석 결과
구축이 완료된 SWAT 모형에 대해 Table 4에 제시된 바와 같이 다중 관측 지점 및 변수를 고려하여 순차적으로 소유역별 및 유역출구에서의 보정을 실시하였다. 전체 유량 관측지점을 기준으로 수행한 보정에서 다중 관측 및 변수가 동시에 존재하는 보정의 경우는 #4 ~ 6으로 유역출구인 #6의 경우는 #4, 5의 독립적인 지류 보정에서의 전체 모의 수행(all run)과는 달리 앞서 순차적으로 도출한 소유역 및 HRU별 매개변수 값을 유지시키는 조건에서 모의 수행을 해야 하므로, 선행 보정(#1 ~ #5) 이후 유역출구에 영향을 미치는 소유역 2, 12, 14, 15, 18, 20 ~ 24에 대해서만 부분적으로(partial run) 보정을 진행하였다. 참고로 Fig. 6은 앞서 설명한 순차적 보정에서의 모의 반복횟수와 목적함수인 NS 값의 변화를 나타낸 것으로 최적 NS 값(그림의 빨간색 점)을 찾기 위해서 보정별로 3 ~ 10회 정도의 수행이 필요한 것을 알 수 있다. 한편, SWAT 순차적 보정의 한계점으로 “.basin” 파일과 관계된 매개변수의 값은 다수의 소유역 및 HRU에 상이하게 적용할 수 없어, 이는 유역출구 최종 보정 단계에서의 마지막 수행 최적값으로 모형에 일괄 적용하였다.
Table 4.
Multi-site and multi-variable observations in SWAT model for one-by-one calibration
SWAT 모의는 일단위로 총 17개년의 기간에 대하여 수행했으며, 다중 관측지점의 유량, 토양수분량 및 증발산량 실측이 반영된 장기 수문분석 결과를 도출했다. 그 결과로서 Figs. 7 ~ 9는 상기 순차적 보정 수행을 마친 SWAT 모형의 관측지점별 일단위 유량, 토양수분량, 그리고 증발산량을 각각 실측자료와 함께 도시한 것이다. 먼저, 유량의 경우는 총 6개 지점에서의 모의결과를 Fig. 7에서 볼 수 있는데, 도치(DC)를 제외한 모든 지점에서 관측과 유사하게 모의된 것을 파악할 수 있다. 특히, 유역의 출구인 용담댐 지점은 그 유량의 패턴 및 고유량 부분이 실측과 매우 가깝게 모의되었다, 한편, 그림에서 저유량 구간에 대한 실측과 모의 값의 좀 더 가시적인 비교를 위해 수문곡선의 Y-축은 로그(log) 눈금으로 표기하였으며, 이는 장기유출 분석에서 저유량의 경우도 상대적으로 그 모의의 정확도에 대한 확인이 필요하기 때문이다. 그 예로서 용담댐 지점의 유량은 관측 최대 약 2,000 m3/sec에 달하지만, 전체 모의 중 비 홍수기에 해당되는 65 및 42%의 기간에서 각각 10 및 5 m3/sec 이하의 저유량을 보이고 있다.
다음으로 토양수분량 및 증발산량의 경우는 Figs. 8 and 9에 그 모의결과를 나타내었다. 총 15개년의 모의에서 실제 관측과의 비교는 토양수분량 및 증발산량 각각 최근 5 및 8개년에 대해서만 가능했다. 여기서 토양수분 값은 통상 함수율(%)을 사용하지만(Lee et al., 2019), 이를 SWAT에서 모의된 소유역별 SW (soil water)와의 직접 비교를 위해 관측지점 토양통의 깊이를 감안한 토양 중 총 수분의 단위깊이(mm)로 환산하여 이용했으며, 증발산량은 일별 관측을 모의 값과 비교했다. 그림에서 두 비교항목 모두 그 경향은 실측과 유사하게 도시되었지만, 그 정확도는 다소 떨어지는 결과를 보이고 있다. 이는 비교 소유역별로 한 지점의 관측 자료만을 활용하여 전체 소유역을 대표하는 모의 값과 비교를 진행하여 나타난 결과로, 해당 소유역에 다수의 관측 자료가 없다면 SWAT을 활용한 그 모의 검증 비교에 있어 동일한 한계점이 있을 것으로 사료된다. 결과에서 토양수분량의 단위깊이(mm)는 관측 지점의 토양통 특성에 따른 차이가 있지만 대략적으로 100 ~ 300 mm의 범위로 나타났으며, 증발산량의 경우는 일평균 약 1.4 mm 내외에서 최대 4.9 mm까지의 범위로 모의되었다.
한편, 2004 ~ 2018년 총 15개년에 대한 모의와 실측값의 통계 평가는 유역출구인 용담댐의 유량을 제외하고는 다수의 결측이 있고 항목별 관측개시 시점이 달라 그 값이 존재하는 구간만을 고려하여 진행하였으며, 그 결과는 Table 5에 제시하였다.
Table 5.
Statistical evaluation results of the simulated SWAT model
SWAT 모형을 활용한 장기 수문분석 모의결과, 용담시험유역 내 유량관측 6개소 평균은 ENS 0.67, R2 0.69, 그리고 PBIAS 15.5%로 실측과 비교평가 되었으며, 유역출구 지점의 경우는 ENS 0.85, R2 0.87, 그리고 PBIAS –7.6%로 앞서 그림에서 살펴본 것처럼 관측을 다소 잘 모의한 것으로 나타났다. 하지만, 토양수분량 7개소 평균 ENS 0.26, R2 0.32, 그리고 PBIAS 0.35%와 증발산량 1개소 ENS 0.22, R2 0.33, 그리고 PBIAS 21.6%의 결과는 이들의 지점 관측이 장기 수문모의에는 활용가능하나 유역단위 결과를 나타내는 모의 값과의 비교를 통한 모형의 검·보정에는 관측 신뢰성 및 모의 불확실성에 의한 한계가 있다는 것을 확인할 수 있었다. 이에 따라 SWAT의 모의 검·보정 시 위성 등에 의해 생산된 보다 더 광역적인 모니터링 관측 자료를 바탕으로 모형을 수행하는 것도 하나의 대안적 시도가 될 수 있지만, 원격탐사를 통해 생산된 자료는 1차적으로 관측 값과의 검증이 선행되어야 함으로 실제 지점 관측의 중요성이 더욱 더 강조된다.
추가적으로, 앞서 설명한 소유역별 관측자료 특성을 고려한 순차적 보정이 아닌 유역 전체의 다중 관측 지점 및 변수를 SWAT-CUP에 일괄로 적용하여 보정 모의를 수행한 경우는 유역출구 지점 결과가 ENS 0.52, R2 0.54, 그리고 PBIAS -22.4%로 나타나 본 연구에서 제시한 순차적 보정을 고려한 분석과 비교했을 때 그 차이점을 분명하게 파악할 수 있었다.
4.3 장기유출 특성
본 절에서는 앞의 SWAT 모의결과로부터 용담시험유역의 장기 수문유출 특성과 물순환 관점의 물수지 사항을 검토, 정리하였다. 우선 Table 6과 Fig. 10은 개괄적인 물수지를 분석 결과를 나타낸 것으로 모의된 15개년 전 기간에 대해 유역의 평균 유출률은 53%로 이중 직접유출은 35%, 중간유출과 회귀수량 등을 합한 기저유출은 62%였다. 여기서 기저유출 중 대부분은 중간유출이며, 침루에 의해 회귀되는 수량은 미미한 비율을 보였다. 또한, 증발산은 강우의 39%에 상당하는 양이 발생하는 것으로 분석되었다.
Table 6.
Overall water balance ratio
다음으로 SWAT에서는 결과 분석 시 “Water Yield”라는 용어를 사용하고 있는데, 이는 전체 강수량 중 물이용과 관계된 수량을 지칭하며 Fig. 11에 제시된 것과 같이 강수량(precipitation) 중 증발산량(evapotranspiration)과 얕은 자유 대수층에 존재하는 증발 손실 가능한 수량(water in shallow aquifer)을 제외한 지표유출량(surface runoff), 중간유출량(lateral flow), 회귀수량(return flow), 그리고 피압 대수층 충전 수량(recharge to deep aquifer)을 합한 양을 나타낸다. 이러한 Water Yield는 Table 7의 월별 물수지 분석결과에서와 같이 홍수기인 6 ~ 9월에 전체 751 mm (6.98억 m3) 중 약 70%에 달하는 523.6 mm (4.87억 m3)가 발생하는 것을 알 수 있으며, 이와는 반대로 12~1월이 가장 유출이 적은 시기로 37.5 mm (0.35억 m3)의 수량만이 유역에서 평균적으로 확보가능 한 것으로 분석되었다.
Table 7.
Annual monthly average water balance including Water Yield
마지막으로 소유역별 물수지 분석 결과는 Fig. 11을 통해 살펴볼 수 있으며, 소유역별 강수량, 증발산량, 지표 및 중간 유출량, 회귀수량, 그리고 피압 대수층 충전 수량이 각각 다르게 분포를 하고 있어 이에 따른 Water Yield도 유역별로 상이하게 분석되었음을 알 수 있다. 이러한 분석결과는 주로 연간 지역적인 강수량의 분포에 따라 달라질 수 있으나, 본 연구의 분석에서 사용한 총 7개 지점의 강수량 차이가 결과에 영향을 준 전체적인 요인은 아닌 것으로 판단되며, SWAT 모형의 분석에 기초 입력 자료로 활용되는 DEM, 토지피복도 및 토양도에 따른 그 소유역별 지형 및 물리적인 특성도 유출분석에 각각 영향을 주어 나타난 것으로 판단할 수 있다. 따라서, SWAT을 활용한 장기 수문분석 목적의 모형 구축 시 분석 결과의 정확도에 영향을 미칠 수 있는 그 입력 자료의 수준을 사전에 잘 판별하여야 할 것이다.
5. 요약 및 결론
본 연구에서는 SWAT 모형 및 이의 검·보정 프로그램인 SWAT-CUP을 사용하여 용담시험유역에서의 다중 관측 수문기상자료(유량, 증발산량 및 토양수분량)를 바탕으로 15개년에 걸친 장기 수문분석과 더불어 모형 검·보정 과정에서의 주요 방법 및 기준 등을 제시하였으며, 그 주요한 결과는 다음과 같다.
1) 다중 관측 지점 및 변수를 고려, 소유역별 특성이 다른 관측 자료들을 각기 다른 매개변수 값을 이용하여 그 소유역의 관측특성을 잘 반영할 수 있게끔 모형을 보정할 수 있도록 순차적 보정 방법을 적용했고, SWAT-CUP에서 모형의 최적화된 매개변수 값을 찾는 실제적인 모의의 실행 및 반복 횟수(초기 1,000회 모의 실행, 이후 500회 모의 반복)와 전체 및 부분적 모의 수행에 대한 방법을 제시하였으며, 이의 결과를 순차적이 아닌 일괄 적용한 분석 결과와 비교를 통해 그 방법상의 우위를 확인하였다.
2) 일 단위 총 17개년의 기간(2년은 선행구동)에 대하여 수행한 다중 관측지점의 유량, 토양수분량 및 증발산량 실측이 반영된 장기 수문분석 결과를 도출했으며, 그 전반적인 모의 치의 실측과 비교한 통계 값은 유역 출구 지점에서의 유량에서 ENS 0.85, R2 0.87, 그리고 PBIAS -7.6%를 보였고, 토양수분량 7개소 평균 ENS 0.26, R2 0.32, 그리고 PBIAS 0.35%와 증발산량 1개소 ENS 0.22, R2 0.33, 그리고 PBIAS 21.6% 결과를 도출 할 수 있었다. 이로부터 유역 내 하도에서의 유량을 제외한 몇 개의 지점단위 관측 토양수분과 증발산 자료만을 활용한 소유역 단위 SWAT 모형의 검·보정은 그 한계점이 있다는 것을 확인하였다.
3) 모의 결과로부터 용담댐 유역의 직접유출은 35%, 기저 및 중간유출과 회귀유량을 합한 값은 65%로 전체 유출률은 53%이며, 증발산량은 전체 강우의 39%에 상당하는 양이 발생하는 것으로 분석되었다. 또한, 소유역별 연간 총 유출량(일평균 21.8 m3/sec) 등을 포함한 물이용 가능 수량(Water Yield)은 연간 총 6.96억 m3으로 소유역별로는 약 540 ~ 900 mm (단위 Waetr Yield)의 양을 보였다.
한편, SWAT 장기유출 분석에서 단순히 유역출구 지점에서의 단일 유량 자료만을 활용하여 검·보정한 모형을 이용하는 경우는, 유역전체의 물순환 특성 파악에 본 연구에서처럼 소유역별 관측 특성이 반영되어 있지 않기 때문에 그 모의결과가 상당히 왜곡되어 있을 수 있다. 하지만, 이 경우(단일 지점 검·보정), 때에 따라 다중 관측 지점 및 변수 자료를 활용한 것에 비해 좀 더 나은 통계지표 수치 결과가 초래될 수 있다. 이는 모형 검·보정 시 단일 변수 1개의 목적함수만을 사용하기 때문에 야기된 사항으로 단순히 그 결과의 통계지표 값에만 의존하여 모형의 양질을 판단해서는 안 되며, 그 분석된 유역특성 내용에 초점을 두어 모의 결과를 해석해야 할 것이다.
마지막으로 상기와 같은 연구결과는 용담시혐유역 상류 각 지류 하천 및 유역 주요 지점에서 그간 상당한 기간 동안의 실측을 통한 비교적 신뢰성이 검증된 자료를 다수 구축해왔기 때문에 도출이 가능할 수 있었던 것으로 사료된다. 어떠한 수문모형을 활용한 모의에도 관측 자료의 확보가 기본적으로 그 모형의 성능 평가를 좌우한다. 따라서 본 연구의 장기유출 모의 시 활용한 다중 관측 지점 및 변수의 자료들은 그 자체로도 아주 의미 있는 유역 물순환 관리 모델링의 사례라고 할 수 있으며, 연구를 통해 제시된 방법과 기준 등은 국내 다른 다중 관측 유역의 SWAT 모형 검·보정에 활용될 수 있을 것으로 기대된다.
