1. 서 론
2. 대상 지역 및 자료 수집
2.1 연구대상지역
2.2 지형 및 기상 자료 수집
3. 방법론
3.1 댐 유입량 모의
3.2 댐 유입량 전망 결과 분석 방법
4. 댐 유입량 전망 및 결과분석
4.1 댐 유입량 전망 평가
4.2 장기 기상전망 자료가 댐 유입량에 미치는 영향 분석
5. 결 론
1. 서 론
최근 우리나라에서는 장기간 지속된 가뭄으로 인해 생·공·농업용수 공급에 어려움을 겪었으며, 이러한 가뭄이 2~3년에 한 번씩 주기적으로 발생하고 있다. 특히 우리나라의 가뭄 연구사례들은 향후 기후변화로 인해 용수공급의 어려움이 더욱 커질 것이라고 경고하고 있다(Lee et al., 2019; Chang et al., 2007).
우리나라에서는 용수공급의 안정성을 확보하고 가뭄피해를 예방하기 위해 다양한 용수공급 대책을 수립하여 운용하고 있다. 용수공급의 안정성을 확보하기 위한 대책은 구조적 대책과 비구조적 대책이 있다. 구조적 대책은 다목적댐, 광역상수도 등 구조물을 건설하여 대응하는 방법으로 가장 효과적이지만 구조물의 입지선정, 환경영향 고려, 초기비용 확보 등의 어려움이 있다. 따라서 최근에는 건설된 수공시설물을 효율적으로 운용하기 위한 비구조적 대책에 대한 관심이 증가하고 있다. 특히 용수공급에 미치는 영향이 가장 큰 다목적댐의 효율적인 운용의 중요성이 증가하였다. 다목적댐 운용은 댐 유입량 전망을 기반으로 저류량을 조절하여 수행하며, 댐 유입량 전망은 다목적 댐 운용 효율에 가장 큰 영향을 미치는 요인이다.
댐 유입량 전망 기법은 통계적 모델을 활용한 통계적 기법과 장기 기상전망 자료와 강우-유출 모델을 연계 해석하는 물리적 기법이 있다. 통계적 기반의 댐 유입량 전망은 모델 구축이 비교적 간편하다는 장점이 있으나, 전망값이 통계적 모델 구축에 활용된 과거자료의 특성에서 벗어나지 못한다는 한계점이 있다. 따라서 주로 물리적 기법으로 정확도 확보가 어려운 경우에 활용된다. 물리적 기반의 댐 유입량 전망은 모델 구축 및 활용에 비용 및 시간이 많이 소모되지만, 전망 결과가 물리적으로 설명가능하고 비교적 신뢰할 수 있는 결과를 제시한다는 점에서 국내외에서 많이 활용되고 있다.
다만 물리적 기반의 댐 유입량 전망은 기후전망, 강우-유출 모델, 공간상세화 등으로부터 발생하는 불확실성으로 인해 정확도 확보에 한계가 있는 실정이다. 따라서 물리적 기반의 댐 유입량 전망 자료를 현업에서 효과적으로 활용하기 위해서는 댐 유입량 전망의 활용성 평가 및 정확도 개선 연구가 수행되어야 한다. 국외에서는 물리적 기반의 댐 유입량 전망 활용성 평가 및 정확도 개선 연구사례가 다수 축적되었다(Peng et al., 2018; Yuan and Wood, 2012; Shrestha et al., 2015; Shukla and Lettenmaier, 2013; Yuan et al., 2015). 반면 국내에서는 물리적 기반의 댐 유입량 및 유량 전망의 활용성 평가 연구를 수행하였으나 사례가 제한적이며, 전망 정확도 개선을 위한 연구는 사례를 찾아보기가 어려운 실정이다(Son et al., 2015; Song et al., 2017). 특히 정확도 개선을 위해서는 사전에 물리적 기반의 댐 유입량 전망 결과의 특징, 정확도에 미치는 요인 등을 분석하는 사전 연구가 수행되어야 한다. 국외에서는 다수의 사전 연구가 수행된 바 있으나, 국내 연구는 전무한 실정이다(Singha et al., 2014; Mazrooei et al., 2015). 따라서 본 연구에서는 장기 기상전망 자료 기반의 댐 유입량 전망 자료의 활용성을 평가하고 장기 기상전망자료가 댐 유입량 전망 정확도에 미치는 영향을 분석하여 제시하고자 한다.
2. 대상 지역 및 자료 수집
2.1 연구대상지역
본 연구에서는 댐 유입량 전망을 수행하기 위해 국내 7개 다목적댐 상류 유역을 연구대상지역으로 선정하였다. 연구대상지역은 국내 주요 대권역 포함 여부, 유역면적, 가용자료기간 등을 고려하여 선정하였으며, 각 유역의 위치는 Fig. 1과 같다.
Table 1은 연구대상지역의 특징을 나타낸 것으로 유역면적은 95 km2~6,648 km2로 소규모 유역부터 대규모 유역이 모두 포함되어 있다. 댐 유입량 자료 가용기간은 모든 댐이 20년 이상이며, 각 댐이 우리나라 주요 수계인 한강, 금강, 낙동강, 영산강·섬진강에 위치한다.
Table 1. Characteristics of study area
2.2 지형 및 기상 자료 수집
댐 유입량 산정을 위한 강우-유출 모델링의 입력자료로 지형, 기상관측, 장기 기상전망 자료를 수집하였다. 지형자료는 국가수자원관리정보제공 시스템의 수치지형도, 토지피복도, 토양도를 수집하였다. 기상관측자료는 1966~2018년 기간에 대해 환경부, 기상청, 한국수자원공사의 지점 자료를 수집하였다. 댐 유입량 관측자료는 1986년~2018년 기간에 대한 K-water의 자료를 수집하였다.
국내 현업에서 활용되고 있는 장기기상전망 자료는 기상청 전 지구 계절예측시스템(Global Seasonal forecast version 5, GloSea5), APCC 다중모델앙상블, K-water의 K-LPM (K-water Long-term Precipitation Model)이 있다. 본 연구에서는 비교적 공간해상도가 높고, 장기간의 자료 확보가 가능한 GloSea5 전망자료를 수집하였으며, 변수는 일 단위 강수량, 최고기온, 최저기온, 평균기온을 활용하였다. GloSea5는 대기, 해양, 해빙, 지표면모델을 결합한 전 지구 결합모델로 1회에 220일 전망을 수행하며, 수평해상도는 0.83°Ⅹ0.56°으로 구성되어 있다. 본 연구에서는 장기간의 자료 활용을 위해 GloSea5의 과거재현자료(hindcast, HCST)와 미래전망자료(forecast, FCST)를 활용하였으며, 자료 기간은 각각 1996년~2009년, 2015년~2016년이다.
3. 방법론
본 연구의 연구절차는 기상 및 수문자료 수집, 댐 유입량 모의, 댐 유입량 전망결과 분석으로 구성되어 있으며, Fig. 2와 같다. 기상 및 수문자료 수집은 강우-유출 모델 구축 및 댐 유입량 전망을 위한 기상관측자료, 수문관측자료, 지형자료, 장기 기상전망자료를 수집하는 단계이다. 댐 유입량 모의는 기상관측 및 장기 기상전망 자료를 강우-유출 모델에 적용하여 댐 유입량을 모의하는 단계이며, 강우-유출 모델로는 TANK, ABCD, K-DRUM (K-water hydrololgic & hydraulics Distributed RUnoff Model), PRMS (Precipitation Runoff modeling System)를 활용하였다. 댐 유입량 전망결과 분석은 댐 유입량 전망의 정확도를 평가하고 장기 기상전망자료가 댐 유입량 전망 정확도에 미치는 영향을 분석하는 단계이다.
3.1 댐 유입량 모의
댐 유입량 전망 정확도는 장기 기상전망 정확도와 강우-유출 모델 유량 모의 정확도의 영향을 받는다. 장기 기상전망 자료가 댐 유입량 정확도에 미치는 영향을 분석하기 위해서는 강우-유출 모델이 댐 유입량 정확도에 미치는 영향을 같이 분석해 볼 필요가 있으며, 이를 위해 본 연구에서는 다양한 특성을 갖는 강우-유출 모델을 댐 유입량 산정에 적용하였다.
강우-유출 모델은 이용자의 목적에 맞게 다양하게 개발되어 활용되고 있으며, 모의 기간에 따라 단기/장기, 모의 시간에 따라 시 단위/일 단위/월 단위, 공간적 특성에 따라 분포형/준분포형/집중형, 이론 특성에 따라 물리적/개념적 모델 등으로 구분된다. 본 연구에서는 장기 기상전망 자료 기반의 댐 유입량 모의를 수행하기 때문에 장기 모델만을 활용하였으며, 다양한 시간적, 공간적, 이론적 특성을 반영하기 위해 TANK, ABCD, K-DRUM, PRMS 모델을 활용하였다. 각 모델의 주요 특징은 Table 2와 같다.
Table 2. Characteristics of rainfall-runoff models
TANK 모델은 Sugawara (1961)이 개발한 강우-유출 모델로 유역을 여러 개의 저류형 탱크로 가정하고 몇 개의 매개변수를 활용하여 유출현상을 모델화한 개념적 모델이다. 본 연구에서는 장기 유출해석을 위해 개발된 4단 탱크모델을 활용하였으며, 이 모델은 수자원 장기종합계획수립에 활용되고 있다. ABCD 모델은 Thomas (1981)에 의해 개발된 모델로 유역을 여러 개의 저류층으로 가정하고 A, B, C, D의 매개변수를 활용하여 강우-유출 모의를 수행하는 개념적 모델이다. 주 단위 및 월 단위 모의 수행이 가능하며, 국내에서는 K-water 국가가뭄정보시스템에서 활용하고 있다. K-DRUM은 Park and Heo (2008)에 의해 개발된 물리적 모델이다. 레이더 자료 기반의 홍수모의를 위해 개발되었으나, 최근 장기유출해석이 가능한 모델로 개선되었다. PRMS는 USGS (U.S. Geological Survey)에서 개발한 물리적 모델로 지표 유출, 토사 유출, 토양수분 등 다양한 수문현상을 종합적으로 평가하기 위해 개발되었다(Leavesley et al., 1983). 본 연구에서는 상술한 네 가지의 강우-유출 모델을 활용하여 연구를 수행하였으며, 보다 자세한 이론 및 모델 구축 과정은 K-water (2019)에 제시되어 있다.
강우-유출 모델의 입력자료는 Table 2과 같이 강우량, 평균기온, 최고기온, 최저기온, 잠재증발산량으로 구성되어 있다. 각 모델은 국내 113개 중권역을 기반으로 구축되어 있기 때문에 지점 기반 기상관측자료와 격자기반 장기 기상전망자료를 Thiessen 기법을 활용하여 중권역 별 자료로 가공하였다. 또한 잠재증발산량은 기온만을 입력변수로 활용하여 산정하는 Hargreaves 식을 활용하였으며, Eq. (1)과 같다.
| $$PET_t=CR_e(T_t+17.8)\;\sqrt{\delta_T}$$ | (1) |
여기서 C는 0.0023, Re는 일 태양 복사량, Tt는 일 평균기온, 는 일 최고기온과 최저기온의 차를 뜻한다.
3.2 댐 유입량 전망 결과 분석 방법
본 연구에서는 장기 기상전망 자료 기반 댐 유입량 전망을 수행하고, 장기 기상전망 자료가 댐 유입량 전망에 미치는 영향을 분석하였다. 댐 유입량 전망 정확도 평가는 상대오차(Relative Error, RE)와 상관계수(Correlation Coefficient, CC)를 활용하였으며, Eqs. (2) and (3)과 같다. RE는 관측치와 모의치 간의 오차를 나타내며, 값이 0에 가까울수록 모의 정확도가 높음을 의미한다. CC는 관측치와 모의치 간의 선형상관성을 나타내는 계수로 1에 가까울수록 모의 정확도가 높음을 의미한다. 장기 기상전망의 정확도가 댐 유입량 전망에 미치는 영향을 분석하기 위해 댐 유입량 전망 오차 중 강우-유출 모델로 인해 발생하는 오차를 제외한 모든 오차가 장기 기상전망으로 인해 발생하는 오차라고 가정하였다. 따라서 기상 관측자료 기반 댐 유입량 모의값과 기상 전망자료 기반 댐 유입량 전망값의 오차를 비교하여 장기 기상전망자료의 영향을 분석하였다. 또한 전망변수간의 관계를 분석하기 위해 Eq. (4)의 상대편차(Relative Deviation RD)을 활용하였다. RD는 평균값에 대한 편차정도를 무차원 계수로 나타낸 것으로 값이 작을수록 평균에 가깝게 분포함을 뜻한다.
| $$RE_i\;(\%)=\left|\frac{SIM_i-OBS_i}{OBS_i}\right|\times100$$ | (2) |
| $$CC=\frac{{\displaystyle\sum_{i=1}^n}(OBS_i-\overline{OBS})(SIM_i-\overline{SIM}}{(n-1)s_os_s}$$ | (3) |
| $$RD_i\;(\%)=\left|\frac{OBS_i-\overline{OBS}}{\overline{OBS}}\right|\times100$$ | (4) |
여기서 n은 자료의 수, OBSi는 관측값, SIMi는 모의값, 는 관측값의 평균, 은 모의값의 평균, so은 관측값의 표준편차, ss는 모의값의 표준편차를 뜻한다.
4. 댐 유입량 전망 및 결과분석
4.1 댐 유입량 전망 평가
Fig. 3은 충주댐 유역의 HCST 기간 1개월 전망 유입량 산포도로 가로축은 관측 댐 유입량(OBS), 세로축은 모의 댐 유입량을 나타낸 것이다. 모의 댐 유입량은 기상전망 자료 기반 댐 유입량(INFLOW_PRED)과 기상관측자료 기반 댐 유입량(INFLOW_SIM)으로 구분된다. 초록색 실선과 붉은색 실선은 각각 INFLOW_PRED와 INFLOW_SIM의 추세선을 나타낸 것이며, 기울기가 1에 가까울수록 모의능력이 우수함을 뜻한다. Fig. 4는 충주댐 유역의 FCST 기간 1개월 전망 유입량 시계열을 도시한 것이다.
INFLOW_SIM의 HCST 기간 모의결과 모든 모델 결과가 기울기 1인 검정색 점선에 근접하게 분포하였으며, 모델 모의능력이 우수한 것으로 나타났다. 모델 중에는 PRMS가 비교적 모의능력이 가장 높은 것으로 나타났으나, 모델 간 정확도의 차이는 크지 않았다. 전반적으로 INFLOW_SIM의 추세선은 기울기가 1 미만으로 모의값이 관측값에 비해 과소한 것으로 나타났다. INFLOW_SIM의 FCST 기간 모의결과 전반적으로 관측 댐 유입량(OBS)와 매우 유사한 거동을 보였으며, 모델별로는 K-DRUM 모델 결과가 OBS에서 다소 벗어나는 것으로 나타났다.
INFLOW_PRED의 HCST 기간 모의결과 대부분의 결과가 검정색 점선 아래쪽으로 분포하였다. 추세선의 기울기가 1 이하로 나타나 전망결과는 모두 관측값에 비해 과소추정하는 것으로 나타났다. 모델별로는 기울기의 차이가 크지 않았으며, K-DRUM 결과의 분포가 다른 모델 결과의 분포보다는 넓은 것으로 나타났다. INFLOW_PRED의 FCST 기간 모의 결과 전반적으로 OBS에 비해 많이 벗어났으며, 이는 FCST 기간이 2015년~2016년 가뭄기간에 속하기 때문인 것으로 판단된다. 모델 간 전망결과는 거동은 모두 유사하였으나, 전망값 자체에는 다소 차이가 있는 것으로 나타났다.
Table 3은 HCST와 FCST 기간에 대해 각 모델별 INFLOW _SIM과 INFLOW_PRED의 정확도를 CC 및 RE로 평가한 것이다. INFLOW_PRED의 CC 및 RE는 1개월~3개월 전망의 평균값을 나타낸 것이다. INFLOW_SIM의 CC 평가결과 모든 모델이 0.90 이상의 값을 나타내어 강우-유출 모델은 댐 유입량의 선형적인 거동을 적절하게 모의하는 것으로 나타났다. 모델별로는 TANK와 PRMS의 결과가 비교적 우수한 것으로 나타났다. RE 평가결과 평균 약 50%로 나타났으며, K-DRUM의 RE는 비교적 높은 것으로 나타났다. 따라서 K-DRUM의 경우 댐 유입량의 전반적인 거동은 모의가 가능하나 정확한 유입량 산정에는 한계가 있는 것으로 판단된다. INFLOW_PRED의 CC 평가 결과 대부분의 결과가 약 0.30으로 정확도가 높지는 않은 것으로 나타났다. 모델별로는 ABCD 모델의 CC가 비교적 떨어지는 것으로 나타났다. RE 평가결과 평균 약 200%로 유입량 전망의 오차가 상당히 큰 것으로 나타났으며, ABCD 모델의 RE가 비교적 낮은 것으로 나타났다.
Table 3. Statistics of dam inflow prediction
댐 유입량 전망 평가 결과 각 강우-유출 모델별 INFLOW_SIM의 거동은 HCST와 FCST 기간에서 큰 차이를 보이지 않았으며, OBS와 매우 가깝게 나타났다. 모델의 매개변수 검보정이 적절하게 되어 있다면, 강우-유출 모델에 따른 댐 유입량 전망의 정확도 차이는 크지 않은 것으로 판단된다. 반면 INFLOW_PRED는 OBS에 비해 과소추정하는 특징을 나타내었으며, INFLOW_ SIM도 전반적으로 큰 차이를 보였다. 이는 기상 관측자료와 전망자료 간의 차이 때문이며, 댐 유입량 전망에서는 강우-유출 모델에 비해 장기 기상전망 자료의 영향이 클 것으로 판단된다. 따라서 향후 댐 유입량 전망 자료의 현업 활용시 유입량의 과소 추정되는 경향을 고려할 필요가 있으며, 정확도 개선을 위해서는 강우-유출 모델 보다는 장기 기상전망 자료의 오차를 줄일 수 있는 연구를 수행할 필요가 있다.
4.2 장기 기상전망 자료가 댐 유입량에 미치는 영향 분석
본 연구에서는 댐 유입량 전망 시 장기 기상전망자료의 정확도가 댐 유입량 전망 정확도에 미치는 영향을 분석하고자 Fig. 5와 같이 각 RE의 크기를 도시하였다. 댐 유입량 전망 오차(RE_PRED) 중, 강우-유출 모델로부터 발생하는 오차(RE_ SIM) 이외의 모든 오차를 장기 기상전망자료로부터 발생하는 오차(RE_MET)라고 가정하였다. 각각의 오차는 1개월~3개월 전망으로부터 발생한 오차를 평균한 평균상대오차이다.
HCST 기간에 대한 상대오차 산정 결과 유역별로는 보령댐, 주암댐의 RE_PRED가 비교적 큰 것으로 나타났으며, RE_MET이 상당히 높기 때문이다. 모델별로는 K-DRUM의 RE_SIM이 가장 큰 것으로 나타났으며, ABCD와 PRMS의 RE_SIM이 비교적 낮게 산정되었다. 전체 RE에 대한 각 오차의 비율은 RE_MET이 평균 71.3%, RE_SIM이 28.7%로 RE_SIM 보다 RE_MET이 차지하는 부분이 많은 것으로 나타났다.
FCST 기간에 대한 상대오차 산정결과 FCST의 RE_PRED는 HCST의 RE_PRED 보다 큰 것으로 나타났으며, 이는 미래전망자료의 특성 때문인 것으로 판단된다. 또한 유역별로는 안동댐, 밀양댐, 보령댐의 RE_PRED가 높았으며, RE_MET이 RE_SIM 보다 비교적 높으므로 장기 기상전망 자료의 오차 때문인 것으로 판단된다. 모델별로는 HCST 결과와 유사하게 K-DRUM의 RE_SIM이 가장 높았으며, ABCD와 PRMS의 RE_SIM이 비교적 낮았다. RE_SIM과 RE_MET 비교 결과 RE_MET이 RE_SIM 보다 크게 산정되었으며, 댐 유입량 전망에서 발생하는 상대오차에 대한 비율은 RE_MET이 82.1%, RE_SIM이 17.9%로 나타났다. 미래전망자료의 특성 때문에 HCST 보다 RE_MET이 차지하는 오차의 비율이 높은 것으로 판단된다.
댐 유입량 전망에서 발생하는 오차의 70~80%가 장기 기상전망으로부터 발생하는 것으로 나타났으며, 강우-유출 모델로부터 발생하는 오차는 20~30% 나타났다. 특히 현업에서 댐 유입량 전망을 위해 활용하는 FCST 자료의 경우 댐 유입량 전망의 정확도는 장기 기상전망 자료의 정확도에 크게 의존하는 것으로 나타났다.
댐 유입량 전망시 활용되는 강우-유출 모델의 입력자료로 강수량, 기온이 활용된다. 본 연구에서는 강수량 및 기온에 따른 댐 유입량 변화를 분석하고자 비교 산포도를 Fig. 6에 나타내었다. 산포도에는 이수기와 홍수기에 속하는 1월, 6월의 관측 및 전망 기온, 강수량과 댐 유입량을 나타내었으며, 댐 유입량 전망 값은 TANK 모델의 결과를 활용하였다. 빨간색 실선은 산포도의 회귀선을 나타낸 것이다.
Figs. 6(a) and 6(c)는 1월과 6월의 관측 강수량과 댐 유입량의 상대편차(%)를 나타낸 것이다. 이수기에 속하는 1월에는 댐 유입량과 강수량의 관계가 명확하게 나타나지 않았다. 홍수기에 속하는 6월에는 댐 유입량과 강수량의 관계가 비교적 선형적인 관계를 갖는 것으로 나타났다. 유출률이 낮은 이수기에는 유출이 대부분 기저유출로 발생하며, 유출량 자체가 증발산, 식생, 토양, 풍속, 습도 등 다양한 변수의 영향을 받기 때문에 강수량과 댐 유입량 간의 관계가 선형적이지 않다. 반면 홍수기에는 유출이 대부분 지표 유출로 발생하기 때문에 강수량과 댐 유입량 간의 관계가 선형적으로 나타나는 것으로 판단된다. Figs. 6(e) and 6(g)는 강수량과 댐 유입량 전망의 상대편차(%)를 나타낸 것으로, Figs. 6(a) and 6(c)와 유사하게 이수기에는 선형적인 거동을 보이지 않으나, 홍수기에는 선형적인 거동을 나타내었다.
Figs. 6(b) and 6(d)는 1월과 6월의 관측 평균기온과 댐 유입량의 상대편차를 나타낸 것으로 기온은 댐 유입량과 이수기 및 홍수기 모두 선형적인 관계를 갖지 않는 것으로 나타났다. 특히 홍수기의 경우 기온이 댐 유입량에 미치는 영향은 거의 없는 것으로 나타났다. Figs. 6(f) and 6(h)는 평균기온과 댐 유입량 전망의 상대오차를 나타낸 것으로 관측값과 유사한 결과를 보였다. 따라서 댐 유입량 자체에 평균기온이 미치는 영향은 크지 않은 것으로 판단된다.
Table 4는 Fig. 6에서 제시한 관계를 정량적으로 평가하기 위해 강수량과 댐 유입량, 평균기온과 댐 유입량 상대편차 간의 월별 상관계수를 제시한 것이다. 강수량 및 댐 유입량은 관측 및 전망기간 모두에 대해 홍수기에는 상관계수가 높게 나타났으며, 이수기에는 낮게 나타났다. 기온 및 댐 유입량은 관측 및 전망 기간 모두 선형적인 관계가 없는 것으로 나타났다.
Table 4. Correlation coefficient of meteorological variables and dam inflow
따라서 장기기상전망 자료의 경우 기온보다는 강수량 전망값이 댐 유입량 전망에 영향을 많이 미치는 것으로 판단된다. 또한 이수기에는 강수량 전망 정확도가 떨어져도 댐 유입량 전망 정확도에 영향이 비교적 작지만, 홍수기에는 강수량의 전망 정확도가 댐 유입량 전망 정확도에 미치는 영향이 매우 큰 것으로 판단된다. 향후 홍수기 강수량의 전망 정확도가 개선될 경우 댐 유입량 전망의 정확도 개선이 가장 클 것으로 판단된다.
5. 결 론
본 연구에서는 국내 7개 다목적댐 유역에 대해 댐 유입량 전망을 수행하고 장기 기상전망자료가 댐 유입량 전망에 미치는 영향을 분석하였다. 장기 기상전망 자료로는 기상청의 GloSea5 자료를 활용하였으며, 댐 유입량 전망을 위한 강우-유출 모델로는 TANK, ABCD, K-DRUM, PRMS를 활용하였다. 연구의 주요 결과를 요약하면 다음과 같다.
1) 댐 유입량 전망을 위해 국내 7개 다목적댐 유역에 대해 강우-유출 모델 TANK, ABCD, K-DRUM, PRMS를 적용하였다. 모델입력 자료 중 강수량, 최고기온, 최저기온, 평균기온은 GloSea5 장기 기상전망 자료를 활용하였으며, 잠재증발산량은 Hargreaves 식을 활용하여 산정하였다. 댐 유입량 전망은 과거재현기간과 미래전망기간에 대해서 수행하였으며, 상대오차와 상관계수를 활용하여 전망 정확도를 평가하였다.
2) 댐 유입량 전망 정확도 평가 결과 강우-유출 모델별 댐 유입량 모의 정확도 차이는 크지 않았다. 모델의 매개변수 검보정이 적절하게 되어 있다면, 강우-유출 모델이 댐 유입량 전망 정확도에 미치는 영향은 크지 않은 것으로 판단된다. 댐 유입량 전망은 과소추정하는 경향을 보였으며, 전망 정확도는 강우-유출 모델 보다는 장기 기상전망 자료의 영향이 큰 것으로 나타났다.
3) 댐 유입량 전망에서 발생하는 상대오차의 70~80%는 장기 기상전망의 오차에서 발생하는 것으로 나타났으며, 강우-유출 모델로부터 발생하는 오차는 작았다. 댐 유입량 전망에 활용되는 강수량과 기온 중 기온은 댐 유입량 전망 정확도에 대한 영향력이 거의 없었다. 강수량의 전망 정확도는 기온에 비해 댐 유입량 전망에 영향력이 큰 것으로 나타났으며, 특히 홍수기에 영향력이 크게 나타났다. 따라서 댐 유입량 전망 정확도 개선을 위해서는 홍수기 강수량의 전망 정확도를 개선시키는 것이 가장 효과적일 것으로 판단된다.
본 연구결과 GloSea5 기반 댐 유입량 전망은 전반적으로 관측값에 비해 과소추정하는 경향을 보였다. 향후 현업에서 실무자가 댐 유입량 전망에 활용할 경우 전망값이 실제 유입량에 비해 과소추정된다는 점을 고려할 필요가 있다. 강우-유출 모델의 특징이 댐 유입량 전망 정확도에 미치는 영향은 크지 않은 반면, 장기 기상전망 자료는 댐 유입량 전망 정확도에 미치는 영향은 매우 크게 나타났다. 따라서 향후 댐 유입량 개선을 위한 연구를 수행할 때, 강우-유출 모델을 개선하기 위한 연구보다는 장기 기상전망 자료의 정확도 향상을 위한 연구를 수행하는 것이 효과적일 것으로 판단된다. 본 연구는 장기 기상전망 기반 댐 유입량 평가 및 영향분석을 통해 댐 유입량 전망의 특징을 파악하고, 향후 정확도 개선 연구를 위한 기초결과를 제시하였다는 점에서 가치가 있다. 향후 보다 장기간의 전망자료를 확보하여 댐 유입량 전망 활용성 평가 및 분석에 대한 연구를 수행할 필요가 있다.
