1. 서 론
2. 연구방법
2.1 SWAT 모형
2.2 연구대상 지역
2.3 입력자료 및 모델 구축
2.4 기후변화 시나리오
2.5 수질 평가지표(Water Quality Index, WQI)
3. 결과 및 토의
3.1 SWAT 적용성 평가
3.2 기후변화 시나리오 결과
4. 결 론
1. 서 론
국가간 기후변화 위원회(IPCC, 2021)는 산업화 이전 대비 현재 지구 평균 온도는 약 1.1℃ 상승하였으며 지속되는 인간 활동으로 인해 가속화 되고 있다고 보고하면서 미래의 온실가스 배출 시나리오에 따라 2100년까지 온도는 최소 1.4℃에서 최대 5.7℃까지 상승할 것으로 보고 있다. 이에 따라 우리나라도 기후 변화에 따른 강우빈도 및 강우강도의 변화에 의해 홍수 및 가뭄 발생 위험이 증가될 뿐만 아니라 강우 시 유역 내 토지에서 흘러 들어오는 오염물질에 의해 지표수의 수질 오염에도 지대한 영향을 끼친다(Shin and Jung, 2015; Choi et al., 2009; Jang et al., 2018). 따라서, 미래 기후변화에 대한 지표수의 수질 오염이 점차 현실화가 되고 있음에 따라 현재 시행되고 있는 수질 오염 분석 및 수자원 실태조사를 더불어 미래 기후변화 대응을 위한 연구와 대책 마련이 필요하다(Kim et al., 2018).
일반적으로 미래 기후변화에 따른 수질 관리 대책 마련을 위해 수질 모델을 사용하여 연구 대상 유역의 특정 오염 물질 거동 특성이 어떠한 지 파악 및 예측을 하게 된다. 전세계적으로 기후변화 수질 모의를 위해 많이 사용되고 있는 모형은 SWAT 및 HSPF 등이 대표적으로 있다(Cho et al., 2015; Kim et al., 2018). 국내 연구로는 SWAT을 이용하여 대상 지역의 기후 변화 시나리오에 따른 장기 수문ㆍ수질 모의 결과와 그에 따른 적용성 및 영향 평가를 진행하였다(Jang and Ahn, 2012; Kim and Kim, 2017; Jang and Kim, 2017). 또한, 미래기간의 수질 농도와 오염부하량 및 비점 오염원 변동성에 따른 평가 및 저감방안 등을 분석한 연구가 진행되었다(Lee et al., 2011; Han et al., 2017; Park et al., 2018).
국외 연구로는 농업 활동으로 인한 비점오염원과 수질 오염을 줄이기 위해 SWAT을 이용하여 모델 매개변수 세분화 및 분석을 진행하였다(Ullrich and Volk, 2009). 기후변화 시나리오에 따른 댐 내 호소의 영양염류 특성 파악 및 댐 운영 대해 분석하였다(Yasin and Clemente, 2014; Nazari-Sharabian et al., 2019). 또한, 미래 기후변화에 따른 수질 변화에 관심이 늘어나면서 국제 결합모델 상호비교 프로젝트(Coupled Model Intercomparison project, CMIP)에서 산출되고 있는 공통사회경제경로(Shared Socioeconomic Pathway, SSP) 자료를 이용한 기후변화 시나리오를 적용하여 미래 수문ㆍ수질 모의에 대한 연구도 진행되고 있다(Rabezanahary Tanteliniaina et al., 2021; Li et al., 2022; Sun et al., 2022).
본 연구에서는 SWAT을 이용하여 한반도 영산강 유역 내 위치하고 있는 본류 및 주요 지천을 대상으로 2021년~2100년까지의 중장기 제 6차 IPCC 보고서에 따른 SSP 기후변화 시나리오를 적용하고 대상 유역의 유량 및 영양염류(총질소, 총인)에 대한 부하량 결과를 예측하였다. 또한, 하천 및 호소 생활환경기준과 실시간수질지수(Real Time Water Quality Index, RTWQI)를 이용하여 미래 수질상태를 평가하였다.
2. 연구방법
2.1 SWAT 모형
SWAT은 미국 농무성의 농업연구소(Agricultural Research Service, ARS)에서 개발한 모형으로써, 물리적 기반의 준분포형 장기 유출모형이며 다양한 종류의 토양 상태와 토지이용 및 피복에 따른 유출과 유사 및 농업화학물질의 예측하기 위해 개발된 모형이다(Arnold et al., 1998).
SWAT은 수문, 토양유실, 영양물질, 하도추적의 4가지 세부모형으로 구성되어 있다. 특히, 수문 모형에서는 수치고도모형(Digital Elevation Model, DEM)에 따라 하천과 유역경계를 나누어 수문반응단위(Hydrologic Response Unit, HRU) 별로 강우, 지표유출, 기저 유출 및 지하수에 대한 계산이 가능하다(Neitsch et al., 2001).
SWAT에서는 강우 유출에 대한 토양 유실을 계산하기 위해 수정범용토양유실공식(Modified Universal Soil Loss Equation, MUSLE)을 사용하여 HRU단위로 나타내고 있다. 이는 범용토양유실공식(Universal Soil Loss Equation, USLE)의 수정한 것으로써 침식과 유사량을 좀 더 정확하게 모의하기 위해 만들어졌다(Williams, 1975). 하지만, SWAT 모델은 TOC와 같은 탄소계열 물질에 대한 자세한 모의를 하지 못하는 단점이 있다. 이러한 SWAT 모델의 단점을 보완하기 위해서 SWAT-C (Carbon)와 같은 추가적인 모델이 만들어졌다(Zhang et al., 2022).
본 연구에서는 SWAT-CUP (Calibration and Uncertainty Program)을 이용하여 유출량 관련 매개변수를 보정하였다. SWAT-CUP은 SUFI2, GLUE, Parasol, PSO, MCMC 등 5가지 알고리즘이 하나의 인터페이스 안에서 SWAT 모델과 연계되어 모델의 매개변수 보정을 위한 Window 기반 보조프로그램이다(Abbaspour, 2007; Lee et al., 2011). 이 중, SUFI-2 (Sequential Uncertainty Fitting Ver.2)는 정해진 범위에 맞춰 매개변수를 추정하는 방법으로써 SWAT 모형 매개변수에 적합하다(Ryu et al., 2012). 따라서, 본 연구 또한 영산강 유역의 매개변수 보정을 위해 SUFI-2를 사용하였다.
2.2 연구대상 지역
본 연구의 대상 유역인 영산강 유역은 우리나라 4대강 중 하나로 유역 면적과 총 길이는 각각 3,455 km3, 129.5 km이며 대략적인 유역도는 Fig. 1과 같다. 또한, 주요 곡창지대로써 관개용수 측면으로 공급되는 유량이 많아 영산강 본류의 유량이 부족할 수밖에 없다(Lee et al., 2019). 또한, 영산강은 우리나라 4대강 중 단위면적당 강우량이 제일 많음에 불구하고 유역 면적 대비 본류 유량이 가장 적어 2021년 기준, BOD 농도가 한강, 낙동강, 금강에 비해 각각 3.3배, 2.8배, 1.7배로 가장 나쁜 수준이다(ME, 2021).
따라서, 본 연구는 미래 기후변화에 대비하여 향후 물관리에 대한 중요 사항을 파악하고 유량 확보 및 타 수계와 비슷한 수질 수준을 달성하기 위해 실시되었다. 하지만, 영산강 모든 유역에서의 유량, 수질 및 오염원 자료 등 시공간적 실측자료가 충분히 존재하지 않아 정확한 보정이 현실적으로 어려운 것으로 분석되었다. 이와 같은 이유로 실측 자료의 확보가 용이한 주요 하천의 말단 지점을 중심으로 보정 및 분석하는 것이 바람직하다고 판단하였다.
연구 대상 지역에는 황룡강, 광주천, 지석천, 고막원천, 함평천 등이 주요지천으로 본류로 유입된다. 또한 본류를 상류·중류·하류로 나누어 연구를 진행하였다. 본류의 말단 경계 조건은 한국수자원공사 보고서에 기술된 경계 조건을 따라 각각 황룡강 유입 전 지점, 고막원천 유입 전 지점 및 영산강 하구로 선정하였다(K-water, 2006). 또한, 주요지천 및 본류의 대표 결과 산출 지점을 각 하천의 말단 경계 조건 지점으로 선택하였다.
2.3 입력자료 및 모델 구축
SWAT 모형의 입력자료는 DEM, 토지피복도, 토양도가 구축되어야 한다. 본 모형에서 DEM은 미국지질조사국 (United States Geological Survey, USGS)에서 제공하는 격자크기 30 m로 제작된 자료를 사용하였다(Fig. 2(a)). 토지피복도는 환경부에서 제공하는 2023년 중분류 토지피복도를 사용하였으며 도시, 주거, 산림, 수계 등 22개로 재 분류하였다. 본 그림에서는 연구 대상 유역 내 3%이상을 차지하는 토지 피복 정보에 대해서 나타냈다(Fig. 2(b)). Table 1은 영산강 유역과 각 지천 유역의 토지 피복 정보를 표로 나타낸 것이다. 표를 보면 영산강 유역에서 산림지역, 농업지역, 초지, 도심지역은 각각 43.9%, 32.6%, 13.2%, 6.3%로 대부분 산림지역과 농업지역으로 이루어진 것을 볼 수 있다. 가장 큰 지천 유역은 지석천 유역이며 전체 중 18.9%를 차지한다. 지석천유역 또한 절반 이상이 산림 지역이며, 농업 지역과 초지지역이 그 다음을 이룬다. 가장 작은 지천 유역은 3.5%로 광주천 유역이며 타 유역과 달리 산림 지역과 도심 지역이 대부분을 이루고 있다. 고막원천 유역과 함평천 유역은 산림 지역을 제외한 농업지역이 주를 이루고 있다.
Table 1.
Landuse types of study areas
토양도는 국립농업과학원에서 제공하는 1:25,000 정밀토양도를 이용하였으며, 우리나라 토양통 정보를 적용하여 구축하였다. 본 연구 대상 유역 내 토양정보는 총 120가지의 토양정보로 세분화되어 있으나 본 그림에서는 연구 대상 유역 내 3% 이상을 차지하는 정보에 대해서만 나타내었다(Fig. 2(c)).
기상자료(강우량, 기온, 습도, 풍속, 일사량, 전운량)는 2007~2021년 기간에 대하여 기상청에서 제공하는 종관기상관측자료를 사용하였으며, 그 중에서 구축하는 유역 내 기상청 측정지점인 광주의 자료를 사용하였다. 강수량은 티센망을 기반으로 각 소 유역 별로 적합한 강우 관측소에 대하여 국가수자원정보시스템에서 제공하는 19개의 자동기상관측소(Automatic Weather System, AWS)의 일별 자료를 사용하였다(Fig. 3).
2.4 기후변화 시나리오
우리나라는 CORDEX-동아시아 부문에 참여하여 현재 2단계 프로젝트를 진행하고 있다. 또한, 4가지의 IPCC 시나리오를 기반으로 동아시아에 대한 25 km 격자형 기후변화 전망데이터를 산출 및 제공하고 있다(Kim et al., 2020; Kim et al., 2021). 본 연구에서는 미래 기후변화 평가를 위해 기상청에서 제공하는 5가지 25 km 격자형 기후변화 전망데이터(HadGEM3-RA, CCLM, WRF, RegCM, GRIMs) 중 하나인 부산대학교의 WRF 모델 데이터를 사용하였다. WRF모델 데이터는 기온 상승폭을 제외하고 미래 강수량 증가 및 극한기후 변화율이 5가지 모델 중에서 가장 평균치에 근사하여 기후변화 평가를 위한 데이터로 선정하였다(Kim et al., 2022). 또한, 이 중 SSP 시나리오 2종(SSP2-4.5, SSP5-8.5)를 선택하여 중간 단계의 배출 시나리오와 극한 단계의 배출 시나리오에 대한 연구를 실시하였다.
본 연구에서는 2021~2100년 기간에서의 SSP 시나리오 데이터 중 강수량(mm/d), 최저·최고 기온(℃), 평균 풍속(m/s), 평균 평균 상대습도(%) 및 합계 일사량(MJ/m2)에 대하여 본 연구 대상 지역에 맞게 관측소가 있는 면적에 대한 가중치를 반영하여 티센망을 기준으로 가중 평균하여 SWAT 모델에 적용하였다.
또한, 2021~2040년 기간을 단기(Short term), 2041~2060년 기간을 중기(Mid term), 2081~2100년 기간을 장기(Long term)로 나누어 각 SSP 시나리오에 대한 연구 기간을 구분하였다.
2.5 수질 평가지표(Water Quality Index, WQI)
2.5.1 생활환경기준(Living Environmental Standards)
환경부에서 제시한 하천수 및 호소의 수질 성분과 수질 등급은 Table 2에 정리가 되어 있으며 수질 등급은 “매우 좋음(Ia)”, “좋음(Ib)”, “약간 좋음(II)”, “보통(III)”, “약간 나쁨(IV)”, “나쁨(V)”, 매우 나쁨(VI)” 으로 7등급으로 구분되어 있다. 하천의 생활환경기준에는 총인(Total Phosphorus, TP)을 제외한 총질소(Total Nitrogen, TN)에 대한 기준이 없기 때문에 호소 생활환경기준에 있는 기준을 사용하여 평가를 하였다.
Table 2.
Living environmental standards of stream and lake water (ME, 2017)
2.5.2 실시간수질지수(Real Time WQI, RTWQI)
본 연구에서의 수질 지수는 환경부 실시간 수질정보시스템에서 적용하고 있는 RTWQI 방법을 사용하였다. RTWQI는 캐나다 환경부의 수질관리위원회(Canadian Council Ministers of the Environment, CCME)에서 개발된 수질지수를 국내 실정에 맞게끔 개선한 지수로서 각 수질 별 기준치 초과 횟수 및 초과 항목 등을 통해 하천에서의 수질환경을 지수로 평가하는 방법이다. 주요 평가항목은 수온, pH, 용존산소, 전기전도도, 총유기탄소, 탁도, 총질소 및 총인 등 총 8개 수질항목을 이용하여 산정되고 있으나 본 연구에서는 Table 3과 같이 TN, TP 대해서 평가항목으로 선정하였다(NIER, 2013). 수질 지수는 아래 Eq. (1)과 같은 계산 과정을 나타낸다.
여기서 F1은 기준치를 위반하는 수질항목의 개수를 전체 수질항목의 개수로 나누어 산정한 분율, F2는 각 수질항목 별 측정주기 동안 기준치를 위반한 항목들의 총 횟수를 총 측정 횟수를 나누어 산정한 분율, F3은 각 수질항목 별로 기준치를 위반한 정도를 분율화한 요소의 합을 의미한다. Table 4는 최종 RTWQI 값에 대해 수질 지수 등급을 나타낸 표이다.
Table 3.
Variable criteria for WQI (NIER, 2013)
| Variable | Water quality range |
| TN | TN ≤ 3.0 mg/L |
| TP | TP ≤ 0.1 mg/L |
Table 4.
RTWQI rating (NIER, 2013)
3. 결과 및 토의
3.1 SWAT 적용성 평가
SWAT을 이용하여 모의한 기간은 2007~2021년까지 총 15년이다. 2007~2011년까지 5년은 모델 안정화 기간으로 산정하였으며 모델의 보정은 2012~2021년까지 총 10년의 기간에 대해서 수행하였다. 유량 보정 지점은 총 14개 지점에 대해서 진행되었으며, 모의 검증 결과는 Table 5에 나타난 것과 같다. 수질 보정 지점은 총 22개 지점에 대해서 진행되었으며 Table 6는 SWAT 모형의 수질 모의 결과를 나타내고 있다. 수질의 검·보정은 계절적 변동 및 연 평균 수질의 경향성을 구현하는데 초점을 맞추고 진행하였다. 수질 지표는 TN, TP를 분석하였으며, 이는 유역 내 오염부하량을 표현하기에 가장 대표성을 띠는 항목이라 판단하였고 다른 수질항목에 대해서는 추후 후속 연구를 통해 보완하고자 한다.
Table 5.
Flow calibration results
Table 6.
WQ calibration results
모델의 적용성 및 적합성을 평가하기 위해 결정계수(Determination of coefficient, R2)와 Percent Bias (Pbias)를 사용하였다. R2는 0.0~1.0의 범위의 값을 가지며 1.0에 가까울수록 예측값과 측정값의 상관성이 높다는 것을 의미한다. Pbias는 예측값이 측정값의 평균과 가까운 지 판단하며 0에 가까울수록 경향성을 잘 반영한 것을 의미한다(Moriasi et al., 2015). R2는 모델링에서 널리 사용되는 지표로 모델 예측과 측정값 간의 가산 및 비례 차이에 민감하지 않다. 따라서, 유량 보정 시 지표로 많이 사용된다(Legates and McCabe, 1999; Krause et al., 2005). 반면에 Pbias는 모델 예측값이 실제 측정값의 평균과 가까운 값을 생성하는지 판단하는데 사용된다. 따라서, 수질 농도의 경향성을 판단하기 위한 장기 시뮬레이션에 유용하다. 본 연구는 우리나라의 수질 데이터 실측자료의 정량적 한계와 주로 평수기때 이루어지는 샘플링으로 인한 강우 시 급격한 수질 농도 변동성을 잘 반영하지 못하는 한계를 보완하기 위해 수질 농도의 경향성 판단을 초점으로 하여 Pbias를 수질 보정지표로 사용하였다.
유량 보정의 경우, 상대적으로 유량이 적은 최상류 지역이나 지방하천 등은 보정 결과가 본류에 비해 R2가 낮은 것을 알 수 있다. 반대로, 수질 보정의 경우, 하류 지역으로 갈수록 유량의 증가로 인해 매개변수 조절을 통한 수질 농도의 변동이 적어 Pbias가 상대적으로 상류 지역보다 높은 것을 볼 수 있다.
특이사항으로 Juksan 지점 TN의 Pbias가 104.4, Muan2 지점의 TP의 Pbias가 210으로 과대오차가 발생한 것을 볼 수 있다. SWAT은 모델 내 보를 제대로 구현하지 못하는 한계점이 있다. Juksan 지점의 실측 수질 농도는 죽산보 지점의 값으로 모델 내 유량과 실제에 차이가 존재하여 모델의 TN 수질 농도가 더 높게 모의되었다. 따라서, 해당 지점은 매개변수의 조정만으로 보정하기에 한계가 있어 오차가 발생하였다. 또한, Muan2 지점의 경우 실측값은 영산강 하구언(내)의 자료로써, 이 지점은 조류에 의한 여러 상호작용에 의해 수질 예측이 어려운 부분이 있다. 따라서, 타 지점 대비 오차가 크게 발생한 것으로 판단된다.
3.2 기후변화 시나리오 결과
3.2.1 기후변화 시나리오
Table 7과 Table 8은 SSP 시나리오 별 단기(2021~2040년), 중기(2041~2060년), 장기(2081~2100년) 월평균 기온과 강수량의 평균값을 나타내고 있는 표다. Table 7을 보면 단기기간의 시나리오에 따른 평균 온도의 차이는 크지 않지만 중기, 장기로 갈수록 그 차이는 더 커지는 것을 볼 수 있다. 가장 낮은 온도는 SSP2-4. 5의 단기기간 1월이며, 가장 높은 온도는 SSP5-8.5의 장기기간 8월이다. 대부분의 미래 시나리오에서 현재보다 온도가 증가하지만 SSP2-4.5 시나리오에서 단기 기간의 겨울, 봄철에 오히려 현재보다 온도가 더 낮아지는 것을 확인할 수 있다. 또한, SSP5-8.5의 경우 단기기간 봄철에 현재보다 온도가 더 낮아진다.
강수량 같은 경우, Table 8을 보면 단기기간의 봄철에 SSP2-4.5가 SSP5-8.5보다 높으며, 전체적으로 봄과 여름철을 제외하고는 현재보다 강수량이 줄어드는 것을 볼 수 있다. 또한, SSP5-8.5 시나리오의 경우 가을철 먼 미래로 갈수록 강수량이 줄어든다. 특히 12월의 경우, 모든 미래 시나리오의 기간에서 현재보다 강수량이 줄어들었다. 8월에는 두 시나리오 모두 단기기간에 가장 강수량이 많았다가 먼 미래로 갈수록 강수량이 줄어드는 것을 확인할 수 있다.
Table 7.
Comparison of Future monthly average temperature by SSP2-4.5(left) & SSP5-8.5(right) per terms
Table 8.
Comparison of Future monthly average precipitation by SSP2-4.5(left) & SSP5-8.5(right) per terms
3.2.2 하천 별 미래 시나리오 결과(유량)
Fig. 4는 영산강 하류 유역에 대해 SSP 시나리오 별 단기 (2021~2040년), 중기(2041~2060년), 장기(2081~2100년)의 기간을 나누어 월평균 유량의 Boxplot 그래프를 나타낸 것이다. 대부분의 유역에서 해당 그래프와 비슷한 경향성을 띠는 것으로 나타났다. 그래프를 보면 두 시나리오에 대해서 모두 봄철 평균 유량이 장기로 갈수록 증가하는 것으로 나타났다. 이는, 강수량의 기간에 따른 증가로 인해 나타나는 현상으로 파악된다. 하지만, 강수량과 마찬가지로 SSP5-8.5 장기기간에 최대 유량을 보이며 여름~겨울 철 먼 미래로 갈수록 유량이 줄어드는 것을 확인할 수 있다. 이처럼, 강수량의 변화량에 따라 유량 또한 비슷한 경향성을 지니는 것을 보아 강수량과 유량의 깊은 상관성을 파악할 수 있다.
3.2.2 하천 별 미래 시나리오 결과(TN)
Fig. 5는 영산강 상·하류 유역과 대표적인 도심 지역 및 농업 지역의 TN 부하량에 대해 SSP 시나리오 별 단기(2021~2040년), 중기(2041~2060년), 장기(2081~2100년) 월평균 Boxplot 그래프를 나타낸 것이다. 영산강 전체 유역을 보면 시나리오에 상관없이 장기로 갈수록 강우에 의한 유량 증가에 따른 SSP 봄철 기간 TN 부하량이 늘어나는 것을 볼 수 있다. 특히 늦은 봄 시기인 5월로 갈수록 TN의 부하량이 점점 늘어나다가 6월에 다시 돌아오는 모습을 볼 수 있는데 이는 봄철 비료 살포에 따른 증가가 반영된 결과임을 알 수 있다. 또한, 도심지역과 농업지역인 광주천 유역과 고막원천 유역을 비교하면 7,8월 도심지역에 타 유역에 비해 강수량 증가에 따른 TN 부하량 증가가 그래도 반영된 것을 볼 수 있다. 이는 불투수면적이 더 많은 도시지역 지표면의 TN이 그대로 하천으로 이동한 것으로 추측된다. TN은 홍수기에 높은 부하량을 보이다가 갈수기에는 거의 비슷한 부하량을 보이며, 시나리오에 따른 TN 부하량의 차이는 크게 있지 않은 것으로 보이지만 도심지역을 제외하고 SSP5-8.5 8월 장기기간 때 하류로 갈수록 TN 부하량의 격차가 커지는 것을 확인할 수 있다.
Fig. 6는 영산강 상·하류 유역과 대표적인 도심 지역 및 농업 지역의 TP 부하량에 대해 SSP 시나리오 별 단기(2021~2040년), 중기(2041~2060년), 장기(2081~2100년) 월평균 Boxplot 그래프를 나타낸 것이다. 그래프를 보면 TP 부하량은 미래 기후 시나리오에 따라 강수량의 증가로 인한 유량의 증가와 비슷한 경향을 보이는 것으로 확인된다. 이에 따라 봄철에서 여름철로 갈수록 TP 부하량이 증가하다가 가을 겨울철에 급격하게 떨어지는 것을 볼 수 있다. 특히, 도심지역과 농업지역을 비교해보면 광주천 유역이 고막원천 유역에 비해 2배 이상 유역 면적이 작은 데 반해, TP 부하량은 더 높은 것을 볼 수 있다. 이는 TP는 주로 도심 유역에서 발생하는 것을 나타낸다. 또한 불투수면적의 차이로 인해 봄, 여름철의 부하량과 가을, 겨울철의 부하량의 차이가 더욱 극명한 것을 볼 수 있다. SSP2-4.5에서 모든 지점에서 7월 단기 때 최대 TP부하량을 나타내지만 SSP5-8.5에서는 영산강 유역의 하류 방향으로 갈수록 5월 단기 또한 최대 부하량을 나타내는 것을 볼 수 있다. 모든 월별 기간에 대해서 단기에 TP 부하량이 제일 높고 중기, 장기로 갈수록 점차 부하량이 줄어드는 경향을 보인다. 이는 강수량 증가에 따른 TP 부하량 증가에 맞지 않는 추세이다. 이는 SWAT 모델의 한계로 인해 강우 시, SWAT의 토양에서 하천으로 유출되는 TP 부하량의 메커니즘에 문제가 발생한 것으로 보이며, 기간에 따른 TP 부하량의 평가에 한계가 생길 것으로 보인다. 따라서 이 점은 추후 후속 연구에서 재 논의가 필요할 것으로 보인다.
3.2.3 주요 하천 별 수질 평가지표 결과(생활환경기준)
Fig. 7과 Fig. 8은 영산강 전체 유역에 대해 표준유역을 기준으로 나누어 SSP 기후시나리오에 따라 예측된 TN, TP 농도를 평균하여 생활환경기준으로 도식화한 것이다.
Table 9, Table 10을 보면, 최상류 지역을 제외한 대부분의 유역에서 “나쁨” 등급 이상이며 다수의 지역이 “매우 나쁨”인 것으로 나타난다. 또한, 시나리오에 따른 등급 차이도 없는 것으로 나타나고 있다. 이는 영산강 유역의 30% 이상이 농업 지역이며 도심 지역을 포함하면 40% 가까운 유역들에 대해 시나리오와 기간에 따라 TN부하량이 지속해서 줄어들지 않고 배출되고 있기 때문인 것으로 판단된다. 따라서, TN 농도에 따른 생활환경기준에 대해 좋은 등급을 받기 위해서는 비료관리, 보존 농업 등과 같은 농업 비점오염원 저감 관리가 더욱 더 필요할 것으로 보인다.
Table 9.
Average TN and TP levels according to living environmental standards by SSP2-4.5 scenario
Table 10.
Average TN and TP grade according to living environmental standards by SSP5-8.5 scenario
TP 농도의 영향평가를 해본 결과, 시나리오에 따른 등급의 차이는 거의 없는 것으로 판단된다. 또한, 상류지역과 농업지역은 “좋음”~“보통” 등급 사이인 것에 반해 광주천 지역과 같은 도심지역 및 산업지역은 “매우나쁨”~“약간나쁨” 사이인 것을 볼 수 있다. 이는 주요 TP 유출지역이 도심, 산업지역인 것으로 볼 수 있고 이에 따라 TP농도 또한 높은 것을 알 수 있다. 따라서, 도심지역을 중점으로 저영향개발, 침투 도랑, 지붕 녹화 및 하수처리장 개선 등 점·비점오염원 저감이 필요할 것으로 보인다. 또한, 단기에서 장기로 갈수록 전체 유역에 대해서 “나쁨” 등급에서 “보통” 등급으로 수질이 좋아지는 것을 볼 수 있다. 이는 강수량 증가에 따라 TP부하량이 늘어나지 않고 유량이 늘어남에 따라 희석효과만 보이면서 수질이 좋아지는 것으로 판단된다. 따라서, 후속 연구를 통해 기간에 따른 강수량 증가에 의한 TP부하량 증가에 대해 더 명확하게 분석하여 신뢰성을 높일 필요가 있다.
3.2.4 주요 하천 별 수질 평가지표 결과(RTWQI)
Fig. 9은 영산강 전체 유역을 표준유역을 기준으로 나누어 SSP 기후시나리오에 따라 예측된 TN, TP 농도를 RTWQI 기준으로 등급을 평가해 도식화한 것이다. 그림을 보면 SSP2-4.5시나리오 모두 단기에서 장기로 가면서 영산강 상류와 황룡강의 수질 등급이 좋아지고 이에 따라 영산강 중류 또한 Excellent로 좋아지는 것을 볼 수 있다. 이는 기간에 따라서 희석효과에 의한 TP농도 감소가 영향을 주어 반영된 것으로 판단된다. 반대로 고막원천의 TP농도는 줄어들었지만 TN농도가 더 영향을 주어 오히려 수질 등급이 나빠지면서 영산강 하류의 수질 등급은 변동이 없는 것으로 보인다. SSP5-8.5는 시간이 지남에 따라 광주천의 수질등급은 안 좋아졌지만 타 유입지천의 수질등급은 좋아지면서 영산강 중류의 등급 또한 좋아졌다. 생활환경기준을 참고하면 유입지천의 TN 농도의 변화는 없지만 TP 농도가 더 낮아졌는데 이로 인해 영산강 중류의 수질등급이 좋아진 것으로 보인다. 따라서, RTWQI 기준으로 미래 수질 등급을 더 향상시키기 위해서는 TN 농도 저감을 위한 추가적인 대책 방안을 마련해야 할 것으로 판단된다.
4. 결 론
본 연구에서는 SWAT을 이용하여 영산강의 본류 및 주요 지천에 대해 미래 기후변화 수질 분석 및 평가를 위해 부산대 WRF 모형의 SSP2-4.5, SSP5-8.5시나리오를 사용하여 유량과 TN 및 TP의 부하량을 예측하였다. 또한, 2021년부터 2100년까지의 장기적인 미래 기간을 단기(2021~2040년), 중기(2041~2060년), 장기(2081~2100년)로 나누어 시나리오별 변화를 분석하였으며, 수질평가를 위해 하천 및 호소 생활환경기준과 RTWQI를 적용하였다. 주요 결론은 다음과 같다.
첫째, SWAT 모델을 이용한 유량 및 수질 모의는 실제 측정값과 높은 일치도를 보였으며, 이는 SWAT 모델이 영산강 유역의 수문 및 수질 특성을 잘 반영하고 있음을 의미한다. 이를 통해 SWAT이 기후변화 시나리오 하에서의 유역 관리 및 정책 수립에 유용한 도구임을 확인하였다.
둘째, SSP 시나리오 분석 결과, 기후변화는 영산강 유역의 유량과 수질에 상당한 영향을 미칠 것으로 예상되었다. 이 중, 유량은 미래 강수량과 경향성을 보이는 것으로 나타났으며 두 시나리오에서 모두 봄철에 유량이 증가할 것으로 예상된다. 하지만, SSP5-8.5시나리오에서는 오히려 여름~겨울철에 유량이 줄어들 것으로 나타난다. TN의 경우, 대부분의 유역에서 기후변화 시나리오에 따른 강수량 변화와 상관없이 생활환경기준 TN 농도는 “나쁨” 이상으로 나타났으며, 특히 본류와 중류, 하류 유역에서 “매우 나쁨” 등급을 받는 지역이 다수였다. 이는 영산강 유역의 수질 관리에 있어 농업 지역이 주를 이루어 TN 농도가 주요 문제점으로 작용할 수 있음을 시사한다. 반면 TP 농도는 시간 경과에 따라 일부 지역에서 수질이 개선되는 경향을 보였으며, 장기적으로는 “보통” 등급으로 상승하는 결과를 나타났다. 그러나 SWAT 모델의 한계로 인해 SWAT의 강우 시, 토양에서 하천으로 유출되는 TP 부하량의 정확한 모의가 이루어지지 않아 오로지 유량 증가에 따른 희석 효과에 의해 수질 등급이 좋아진 것으로 판단된다. 따라서 이 점은 추후 후속 연구를 통해 재 논의가 필요할 것으로 보인다. RTWQI를 기준으로 한 평가에서는 전반적으로 생활환경기준에 따른 평가보다 높은 등급을 받았다. 이는 RTWQI가 수질 평가 시 여러 요소를 종합적으로 고려하는 반면, 생활환경기준은 단일 오염물질에 대한 기준으로 평가를 하기 때문에 나타난 결과로 해석된다. 또한, RTWQI 평가 결과도 단기에서 장기로 갈수록 수질 등급이 개선되는 경향을 확인할 수 있다. 이는 유량 중가에 따른 희석효과에 의해 기후변화에 따른 영향이 장기적으로는 수질 개선에 긍정적인 영향을 미칠 수 있음을 알 수 있다.
셋째, 본 연구는 미래 기후변화에 대해 영산강 유역의 수질 변화를 예측함으로써 이를 바탕으로 향후 미래에 대해 수질 관리 전략 수립에 중요한 기초 자료를 제공할 수 있다. 특히, 영산강 유역 내 농업지역으로부터 유출되는 비료에 대한 TN 부하량의 지속적인 관리와 함께 도심과 산업지역에서의 TP 농도의 장기적인 개선 가능성을 고려한 점·비점오염원 관리가 필요할 것으로 생각된다. 하지만, 본 연구는 농촌 지역의 농업용수로 사용 후 하천으로 다시 돌아오는 회귀수 대한 모의가 이루어지지 않았다. 향후 연구에서는 이러한 점을 포함하여 다양한 기후변화 시나리오, 인구 증가, 도시화 등 인위적 요인까지 포함하여 보다 정확한 예측을 위해 추후 연구가 지속적으로 이루어져야 할 것이다.
