1. 서 론

우리나라의 국지적 가뭄은 2-3년, 극한가뭄은 5-7년의 주기로 발생하고 있어(Lee et al., 2021), 안정적인 용수공급에 어려움이 있으며, 미래 기후변화의 불확실성에 따라 용수공급의 불안정이 심화될 것으로 예상된다(Lee et al., 2015). 바다로 유실되는 양을 제외한 국내 총 물 이용량의 약 53%가 댐을 통해 공급됨을 고려할 때(MLTM, 2011), 적절한 가뭄대비를 위해서는 발생 가능한 가뭄 시나리오에 대한 수자원 시설의 취약성 분석이 필수적이다. 전통적으로 기후변화 전망연구는 지구를 격자 단위로 나눠 지배방정식에 따라 시나리오별 기온, 강수 등 기상인자를 계산하는 Global Climate Model (GCM) 모형의 전망 시나리오를 사용한다. 그러나 GCM 모형 기반의 기존 기후변화 전망연구는 모형 선정, 상세화 기법, 전망기간 선정 등 연구자별 선택한 방법론에 따라 편의(bias)를 가지며, 불확실성이 상당하여 상이한 전망 결과를 갖는 문제가 있다(Stainforth et al., 2007; Nazemi et al., 2013; Singh et al., 2014). 국내의 경우에도 미래 가뭄 시나리오에 대한 다양한 전망 연구가 수행되어왔음에도 불구하고, 표준화된 분석 기법의 부재로 상이한 전망 결과를 도출하고 있어 의사결정에 적극적으로 반영하기 어려운 측면도 존재한다(ME, 2020).

이러한 GCM 기반의 기후변화 전망 연구의 한계를 해결하고자, 발생 가능한 다양한 미래 시나리오를 고려하는 시나리오 중립(Scenario Neutral) 기반의 영향평가 방법론이 새로운 대안으로 떠오르고 있다(Steinschneider et al., 2015). 시나리오 중립 기법이란 특정 시나리오 기반 결과를 분석하는 것이 아니라 영향인자(기후변수)에 대하여 미래 발생가능한 변화의 규모를 포괄적으로 평가하고 (수문) 시스템 취약도에 민감한 영향인자를 분석하는 기법이다(Culley et al., 2019). 시나리오 중립 기법 중 가장 활발하게 사용되는 것은 Brown et al. (2012)이 제시한 decision scaling 방법론이다(Brown et al., 2011, 2012; Turner et al., 2014; Broderick et al., 2019; Keller et al., 2019). decision scaling은 영향인자의 변화에 따라 시스템의 평가지표(이수안전도 등)가 변화하는 정보를 시각적으로 제공함으로써 기후변화 영향평가 결과를 바탕으로 효율적인 정책을 선택할 수 있도록 의사결정을 돕는 기법이다. Brown et al. (2012)은 Quabbin-Wachusett의 저수지 시스템의 기후변화 취약성 및 대안 선택을 위해 decision scaling 방법을 기반으로 강수와 평균온도에 변화를 주어 39개의 GCM 결과를 기반으로 발생 가능한 위험영역을 선정하였으며, 임계값으로 신뢰도 95%를 정하여 해당 임계값을 초과하는 구간의 면적을 통해 최적의 시스템 운영 대안을 분석하였다.

Decision scaling은 이수 및 치수 분석 연구 전반에 사용될 수 있다. 홍수 사상에 대한 민감도를 분석하고자, 온도와 강수에 변동을 주어 연최대 홍수량(Annual Maximum Flood)의 크기 및 홍수 사상의 빈도를 분석한 다양한 사례연구가 있으며(Broderick et al., 2019; Keller et al., 2019), 가뭄 하에서 수자원 시스템의 공급안정성을 고려하고자 주로 온도와 강수에 대하여 변동을 주어 신뢰도(reliability)를 계산하는 사례연구가 진행되었다(Turner et al., 2014; Whateley et al., 2014). Hirpa et al. (2018)은 월 강수량과 기온에 대한 변동 외에도 물수요 시나리오에 따른 물공급 안정성 및 지하수 감축 리스크를 분석하였으며, Steinschneider et al. (2015)은 저수지의 적정 수위 배분을 검토하기 위해 강수와 수요에 변동을 주어 대안 별 이수 및 치수효과를 분석하였다.

반면 국내 수자원시설 운영 측면의 기후변화 영향평가 연구에서 decision scaling을 적용한 사례연구는 아직 드물다. Yoon et al. (2018)은 기후변화의 비정상성 하에서 보령댐의 저수지 운영 방안 산정에 대한 기존의 저수지 운영방안 대비 로버스트 추계학적 동적계획법의 개선효과를 decision scaling plot으로 나타내었다. Kim et al. (2019)는 금강 유역에 대하여 온도와 강수에 변동을 주어 공급 안정도(reliability)를 분석하였으며, Kim et al. (2022a)은 용담댐에 대하여 온도, 강수, 수요에 변동을 주어 연최대일방류량, 저수량신뢰도, 공급신뢰도를 분석하였다. 그러나 미래 사회·경제적 변화에 따른 수요 변화 및 가뭄 대응을 위한 외부 수자원(도수로 등) 및 보조 수자원 등을 통합적으로 고려한 연구 사례는 아직 미흡하다.

따라서 본 연구는 최근 다년 가뭄의 피해를 겪은 보령댐을 대상으로 기존 저수지 운영방식 및 도수로에 따른 가뭄 대응효과를 폭넓은 기후변화 시나리오 및 수요 변화 하에서 decision scaling을 통해 평가하는 방안을 제안하였다. 더 나아가, 유전 알고리즘을 통해 추가적인 헤징룰(Hedging Rule)을 생성하여 향후 발생 가능한 가뭄 상황 하에서의 가뭄취약성 저감 효과를 평가하였다.

2. 연구방법론

2.1 Decision Scaling

Decision scaling 기법(Brown et al., 2011)은 로버스트 의사결정 방법 중 하나로, 미래 환경 변화에 대하여 가장 효과적인 대안을 선정하기 위해 사용된다. 기존 수자원 시설에 대한 기후변화 영향 평가 연구는 먼저 GCM 모형을 통해 기후변화의 영향을 전망한 후, 이를 수문모형에 맞게 공간적 시간적 상세화하는 탑 다운(top-down) 식의 전개로 진행되어 왔다. 그러나 이 과정에서 누적된 불확실성은 정책결정자로 하여금 적절한 정책을 선택하기 어렵게 한다. 따라서 정책결정자가 가장 효과적인 대책을 선정하기 위해서는 시스템에 가장 영향을 미치는 기후변자에 대한 발생 가능한 시나리오를 모두 고려한 후, 이에 대한 리스크를 가장 줄이는 바텀 업(bottom-up) 식의 방법이 더 유용하다. 기후변화 하에서 decision scaling을 통한 의사결정은 Eq. (1)과 같이 나타낼 수 있다.

여기서 R은 리스크를 뜻하며, D는 가용한 대책 D=d1,d2,…,dn이다. Ld,θ는 정책 d와 기후변자(강수, 평균온도 등) θ에 따른 손실 함수(loss function)이며, Pr은 미래에 기후변자 θ가 발생할 확률을 뜻한다. 즉, decision scaling은 강수와 평균온도 등 시스템에 가장 큰 영향을 미치는 기후 인자를 먼저 선정한 후, 이에 대한 발생 가능한 미래 시나리오 하에서 취약성을 평가하는 바텀 업 식의 전개 방법이라고 할 수 있다.

기후인자에 대한 발생 가능한 시나리오는 일반적으로 관측자료의 통계 특성에 대해 변동(perturbation)을 주는 방식으로 생성할 수 있다(Whateley et al., 2014; Hirpa et al., 2018; Keller et al., 2019). 다음으로 의사결정자는 decision scaling plot 상의 GCM 자료 전망 값을 참고로 하여 실제로 발생 가능한 미래로 판단되는 가능위험구역(possible hazard area)를 설정한다. 가능위험구역에 대해 다양한 평가지표를 적용한 후, 대안 별 허용가능한 임계값(threshold)을 초과한 임계초과영역(area over the threshold)을 비교하여 효과적인 대안을 선택할 수 있다. Fig. 1은 decision scaling plot의 예시로, 대책 선택에 따라 가능위험지역에서 임계값을 초과하는 시나리오의 수가 달라지는 것을 확인할 수 있다. 이러한 경우 의사결정자는 대책2 사용을 통해 미래 원하지 않는 사건의 발생 확률을 줄일 수 있다.

Fig. 1.

Example of decision scaling plot

2.2 대상유역

충청남도 보령시 미산면에 위치한 보령댐은 충청남도 서부권의 8개 시군과 중부발전, 동서발전, 서부발전에 발전용수를 공급하는 다목적댐이다(Fig. 2). 보령댐은 연간용수 공급량(106.6×10⁶ m³) 대비 유효저수용량(108.7×10⁶ m³)이 적어, 다년 가뭄 발생 시 충남 서부지역 수자원 공급에 심각한 차질을 일으킬 위험이 있다(ChungNam Institute, 2016). 일례로 2014-2015 충남 지역의 가뭄으로 인해 보령댐으로부터 공급받는 8개 시군에 135일의 제한급수가 실시되었으며, 금강 백제보 하류의 물을 보령댐 상류로 공급하기 위한 긴급용수공급 시설인 보령댐 도수로(Boryeong Aqueduct)가 설치되었다. 본 연구에서는 현실에 가까운 도수로 가동율을 모의하고자 Lim et al. (2021)의 가동율 조건(관심-주의: 40%, 주의-경계: 60%, 경계-심각: 80%, 심각상태 이하: 100% 가동)을 반영하였다.

Fig. 2.

Study basin: Boryeong Dam and aqueduct

2.3 미래 수요변화를 고려한 저수지 모의운영

본 연구에서는 계획공급량의 충족 여부를 판단하고자 보령댐 저수지 모의운영 모형을 개발하였다. 저수지 모의운영은 Eq. (2)와 같이 상태방정식에 따라 전 단계의 운영결과를 바탕으로 현 단계가 변화하는 방식으로 진행된다. 각 변수는 저수지 저류량에 대하여 물수지에 영향을 미치는 인자들로 구성할 수 있다.

여기서 S_t는 각 시점(t)에서의 저수량을 나타내며, Q_t는 유입량, Y_t는 실제 공급량, A_t는 보령댐 도수로에 따른 유입량, SP_t는 여수로 방류량을 뜻한다. 본 연구에서 증발에 의한 손실은 고려되지 않았다. S_t는 Eq. (2)와 같이 저수위(S_min; 6.1×10⁶ m³)와 상시만수위(S_max; 88.7×10⁶ m³)) 하에서 Eq. (3)에 따라 변동하며, 만약 S_t가 S_max보다 크다면 Eq. (4)에 따라 그 차이만큼을 여수로를 통해 방류한다.

A_t는 도수로 운영에 따른 유입량으로, t시점의 저수량(S_t)이 관심 단계 이하로 내려갈 시 최대 11.5×10⁴ m³/day만큼 공급을 실시한다. 그러나 도수로 운영 시 부대시설의 운영비용이 소요되므로 보령댐 도수로는 운영일 수를 최소화하고 보령댐의 용수공급은 최대화하는 도수로의 운영방안이 필요하다. 따라서 본 연구는 도수로의 공급 조건을 각 가뭄단계에 따라 0%, 60%, 80%, 100%로 나누어 진행하였다. Y_t는 실제 공급한 양으로 가뭄단계에 따라 Eq. (5)와 같이 계획공급량(D_t)보다 같거나 작아진다.

보령댐의 연 공급량은 충남 지역의 신도시, 발전소 및 산업단지 건설로 인해 2005년(38,253×10³ m³) 대비 2014년(71,613×10⁶ m³)기준 약 1.87배 증가한 바 있다(ChungNam Institute, 2016). 더 나아가 수자원장기종합계획(MLTM, 2011)은 2006년 인구증가에 따른 생활용수 증가, 재이용률 및 경제성장률 증가에 따른 공업용수 증가, 경지면적 감소에 따른 농업용수 감소를 반영하여 2020년의 물 수요를 세 가지 수요 시나리오(기준수요·고수요·저수요)로 나누어 전망하였다. 2020년의 고수요 시나리오(27,382×10⁶ m³)는 2007년(25,476×10⁶ m³ 대비 약 7.5%의 증가율을 가질 것으로 전망되었다.

그러나 이러한 전망에 영향을 주는 산업구조, 인구, 경제 성장률 등의 변수는 불확실성이 매우 큰 변수이며, 본 연구에서는 사회·경제적 변동에 따른 수요 시나리오의 폭을 보다 넓게 설정하고자 하였다. 따라서 수자원장기종합계획의 추세에 따라 2021년의 보령댐 수요량 값 대비 2050년 약 10%가 증가하는 고수요 시나리오를 먼저 선정하였다. 또한, 보령댐의 급수처인 충청남도에 대한 통계청의 인구감소 전망(2020년 218만 명 -> 2050년 200만 명, 약 8.2% 감소) 및 그로 인한 KDI (Korea Development Institute)의 경제성장률 전망(2050년 약 0.5%, 현 2022년 2.6%)를 반영하여 2021년 보령댐 수요량 대비 10%을 감소한 저수요 시나리오를 선정하였다(Kim et al., 2022b). 마지막으로 현 2021년의 값과 동일한 수요를 기준수요로 사용하여 세 가지 시나리오를 계획공급량(D_t)으로 사용하여 연구를 진행하였다.

2.4 기후변화를 고려한 평가유입량 생성

2.3절에서 설명한 저수지 운영 모형의 주요한 기후인자는 유입량이므로, 기후변화의 비정상성을 고려하여 과거와 다른 통계량을 갖는 평가유입량을 생성하였다. 보령댐의 월 유입량 관측자료는 30년 이하로 한정되기 때문에 이를 2변수 대수정규분포(lognormal distribution)에 대하여 적합한 후 다변량 정규분포 난수 생성을 통해 월 유입량을 생성하는 Yoon et al. (2018)의 방법을 적용하였다. 이때, 관측유입량의 평균과 분산 값을 기준으로 추정한 두 가지 파라미터(location parameter, scale parameter)에 대하여 0.1배부터 2배까지 각각 0.1 간격으로 통계량에 변동을 주었다. 결과적으로 총 400개(20*20)의 월 단위 유입량 시나리오를 생성하여 평가에 사용하였다.

2.5 CMIP6 유입량 생성 및 검증

기후변화에 따른 국내 극한 사상의 빈도와 크기가 증가할 것으로 전망 됨에 따라(ME, 2020), 보령댐의 미래 가뭄 취약성을 평가하고자 IPCC의 Coupled Model Intercomparison Project phase 6(CMIP6) GCM 모형에 따른 SSP 기후변화 시나리오 결과를 반영하였다. SSP 시나리오는 온실가스 배출 시나리오인 Representative Concentration Pathway (RCP) 시나리오의 복사강제력(2.6, 4.5, 7.0, 8.5 W/m²)을 기반으로 기후변화 적응을 위한 사회경제적 노력에 따라 SSP1-5로 구분된다. 본 연구에서는 지속성장 가능 사회 경제구조의 저배출 시나리오인 SSP 2-4.5와 온실가스 감축 정책이 없는 SSP 5-8.5 시나리오 두 가지를 선택하였다. 이후 통계적 상세화 기법(downscaling)인 Simple Quantile Mapping (SQM)기법에 따라 60개의 종관기상관측소(ASOS)를 기준으로 상세화된 자료를 티센망을 사용하여 보령댐 유역 면적평균 기상자료로 변환하고 수문모형인 GR4J에 입력하여 유입량 자료를 모의하였다(Table 1).

GR4J 모형은 4개의 매개변수를 기반으로 한 일단위 강우유출모형으로(Perrin et al., 2003), 강우와 잠재증발산의 입력자료를 요한다. 본 연구에서는 Seo et al. (2019b)에서 산정한 보령댐의 GR4J 매개변수 값(NSE: 0.84-0.87)을 사용하여 총 52년(1998.10.01.-2050.09.30)의 일단위 유입량 자료를 생성하였다. 모의 유입량에 대하여 기상입력자료의 편의보정 검증을 위해 국가수자원관리종합정보시스템(WAMIS)에서 제공하는 보령댐 일단위 관측 유입량 자료(1998.10.01.-2014.09.30.)와의 Mean Bias를 산정하였으며, 그 결과 GR4J 유입량의 평균은 관측 유입량 자료의 평균보다 일반적으로 0.225 mm/day (관측평균 대비 9.8%)만큼 작게 산정된 것으로 나타났다(Table 1). 마지막으로 decision scaling plot 상에서 미래 유입량의 평균과 표준편차 비율에 대한 참고 기준을 제공하고자, SSP 2-4.5 및 5-8.5 시나리오(각 15개)에 대하여 과거기간(2000년-2020년) 대비 미래기간(2030년-2050년)의 평균 및 표준편차 변동을 계산하여 점의 형태로 도시하였다.

2.6 가뭄 평가지표 선정

시스템의 취약도의 평가지표를 선택하기 위해 Hashimoto et al. (1982)이 제안한 양적신뢰도(Reliability)와 빈도(Frequency)를 통해 물공급 실패의 크기와 빈도를 평가하고자 하였다. 양적신뢰도는 Hashimoto et al. (1982)가 제안한 지표 중 하나로, Eq. (6)과 같이 전체 평가기간(T)에 대하여 계획공급량(D_T) 대비 실제 용수공급량(Y_T)을 비율로 나타낸 것이다(Sung et al., 2022). 본 연구에서는 reliability의 임계값을 95%로 설정하였다.

전체기간에 대한 가뭄운영에 따른 실패 횟수를 빈도로 정의하여 Eq. (7)에 따라 전체 계획 기간 중 S_Fail 수위 이하로 도달한 기간을 frequency (%)로 나타내었다. 여기서, S_Fail은 S_max와 S_min 사이의 저수율 5%에 해당하는 구간으로, frequency 값을 5가지 구간(1%미만, 1%이상 3%미만, 3%이상 5%미만, 5%이상 10%미만, 10%이상)으로 나누어 나타내었다. 이때, frequency의 임계값은 5%로 설정하였다.

2.7 댐 운영방안 및 Genetic Algorithm 기반 최적화

앞서 2.3절에서 설명한 보령댐 모의운영 모형의 공급량 Y_t는 헤징룰을 기반으로 모의되었다. 여기서 헤징룰이란 현재 공급량의 일부를 절감하여 추후의 심각한 물 부족 상황의 발생 가능성을 줄이는 저수지 운영을 의미한다(Seo et al., 2019a). 즉, 헤징룰이란 제한적인 수자원을 효율적으로 공급하기 위해 댐 저류량에 따라 계획공급량을 일정 비율 줄여서 공급하는 것을 말한다. Fig. 3은 헤징룰의 예시로, 모의 과정에서 t시점의 저수량(S_t)이 갈수기(d)와 홍수기(w)의 가뭄단계(LV, Level) 수위(관심, 주의, 경계, 심각단계) 이하로 내려가면, 기존 계획공급량(D_t)에 대해 감량률(αi)을 곱한 Y_t만큼 실제 공급하도록 모의하였다.

Fig. 3.

Discrete hedging definition and rationing factor (reduction ratio)

본 연구에서는 현업에서 사용되고 있는 K-water의 용수공급 조정기준(헤징룰) 외에도 추가적인 가뭄대응 방안을 고려하고자 하였다. 이를 위해 기존 K-water의 용수공급 조정기준을 갈수기와 홍수기에 대해 평균한 단순 헤징룰(Simple Hedging Rule) 및 유전 알고리즘(Genetic Algorithm)을 통해 최적화한 헤징룰을 추가적으로 고려하였다. 현재 K-water에서 보령댐에 적용하고 있는 용수공급 조정기준은 순별로 변동하며 본 연구에서는 Fig. 4(a)와 같이 월별로 변동하는 값을 적용하였으며, 갈수기(10-6월)에 감소하다 홍수기(7-9월)에 증가하는 패턴을 보인다. Fig. 4(b)는 K-water의 헤징룰을 단순화한 것으로, 갈수기 및 홍수기 기간 동안의 가뭄기준수위를 평균한 값을 사용하였다.

유전 알고리즘은 자연선택과 유전 법칙 등 생물의 진화과정을 모방한 방법을 통해 최적 해를 찾기 위한 기법으로 수자원 시뮬레이션 분야에서도 적극적으로 사용되고 있다(Alahdin et al., 2019; Gomes et al., 2021). 이를 통해 Fig. 4(b)에 대하여 갈수기와 홍수기의 최적 가뭄기준수위(관심, 주의, 경계, 심각 단계) 및 감량률(αi)을 재산정하고자 하였다. 이때, 목적함수는 시설물의 양적신뢰도를 최대화하도록 구성 하였으며, 최적화 과정에서 가뭄수위와 감량률 값이 지나치게 크거나 작아, 현실에 반영하기 어려워짐을 방지하고자 다음 Eqs. (8)~(11)과 같이 제약조건을 설정하였다.

Fig. 4.

K-water operation rule and simply averaged hedging rule: Boryeong Dam

먼저, Eq. (8)을 통해 가뭄단계가 심해질수록 공급량이 점차 감량되도록 우선순위를 설정하였으며, Eqs.(9)~(11)과 같이 각 가뭄기준수위가 가뭄단계에 따라 감소하며, 동일 가뭄단계일 때 홍수기의 가뭄수위가 갈수기 가뭄수위보다 높도록 설정하였다.

유전 알고리즘을 사용한 최적해 탐색 시 국소 최적해(local optimum)에 빠지지 않고 전역 최적해(global optimum)을 찾아갈 수 있도록 개체군의 다양성을 유지하기 위해 염색체에 돌연변이가 발생할 확률을 지정한다. 일반적으로 돌연변이 발생확률은 0.1%, 0.05% 등 아주 낮은 확률을 설정하며, 본 연구에서는 돌연변이 발생 확률을 0.1%, 최대 연산 수(max iteration)를 2,000번, 세대별 염색체 수 500개로 두어 제한된 계산시간 동안 돌연변이의 발생을 촉진 시켜 모델의 성능이 빠르게 증가하도록 설정하였다. 최적화 과정은 R 프로그래밍 언어 기반의 “GA” 패키지를 통해 진행하였다(Scrucca, 2013).

3. 결과 및 고찰

3.1 도수로 가동 조건에 따른 보령댐의 가뭄 취약도

본 연구에서는 우선 현행 K-water의 헤징룰 및 보령댐 도수로에 따른 가뭄 취약성을 평가하고자, 2.3절에서 제안한 보령댐 모의운영 모형을 바탕으로 reliability를 산정하여 이를 decision scaling plot의 형태로 도시하였다. Fig. 5는 2.2.1절에서 제안한 총 400개의 월유입량 시나리오에 대한 reliability 값을 5개의 구간(99%이상, 97%이상 99% 미만, 95% 이상 97% 미만, 90%이상 95% 미만, 90% 미만)으로 나누어 표시한 것으로, 붉은색(90% 미만)에 가까울수록 공급 안정성이 떨어짐을 뜻한다. 이때, x축과 y축은 각각 보령댐의 관측 월유입량 자료의 표준편차와 평균에 대한 0.1배에서 2배까지의 변동을 나타내며, 점으로 표시한 SSP 시나리오의 평균과 표준편차는 각각 관측 유입량의 0.6-1.4배 안에 위치하였다. 따라서 관측 유입량의 평균과 표준편차에 대하여 0.5-1.5배 지역을 가능위험영역으로 설정하여 중점적으로 고려하였다. 즉, 가능위험영역 내 신뢰도 결과의 평균값으로 비교 분석하였다.

Fig. 5(a)는 도수로를 가동을 고려하지 않은 조건으로, 현재와 같은 통계량을 갖는 시나리오에서 약 95.8%의 reliability를 가져, Sung et al. (2022)의 결과(94.2%)와 유사한 값을 보였다. Fig. 5(b)는 도수로 가동을 고려한 조건으로, 도수로 가동 시 약 98.13%의 reliability를 가져 도수로 가동만으로도 약 2% 이상의 증가를 보였다. 그러나 흰색 사각형으로 표시한 발생 가능한 위험지역에서 전체 시나리오 중 임계값(reliability 95% 이상)을 만족하는 비율은 각각 52.07%와 66.94%로 기후변화에 여전히 취약함을 보였다. 더 나아가, SSP 시나리오가 과거기간(2000년-2020년) 대비 미래기간(2030년-2050년) 표준편차와 평균 모두 평균적으로 증가하는 경향(SSP 2-4.5: 표준편차와 평균 약 1.11배씩 증가, SSP 5-8.5: 각각 1.10배, 1.14배 증가)을 보여, 전반적인 총유량은 증가하나 극한강우와 가뭄 같은 극한 사상의 발생은 심화될 것으로 사료되었다. 따라서 3.2절에서는 도수로 외에도 헤징룰 최적화를 통한 저수지 운영 개선방안을 고려하였다.

Fig. 5.

Boryeong Dam reliability by aqueduct condition

3.2 Hedging Rule 산정 결과

본 절에서는 유전 알고리즘을 바탕으로 K-water의 용수공급 조정기준 방안 외에도 추가적인 헤징룰을 고려하였다. Fig. 6(a)는 2.7절에서 설명한 Fig. 4(b)의 단순화한 헤징룰로, K-water의 보령댐의 가뭄대응 기준수위 및 감량률을 홍수기(7-9월)와 이수기(10-6월)에 대하여 평균하여 나타낸 것이다. Fig. 6(b)는 이러한 헤징룰이 reliability를 최대로 갖도록 유전알고리즘을 통해 최적화한 가뭄대응 기준수위 및 감량률(α)을 나타낸 결과이다.

Table 2는 각 헤징룰의 가뭄단계별 기준수위 및 감량률로, 유전 알고리즘에 따른 헤징룰은 단순 헤징룰과 비교할 때 심각단계의 기준수위를 높여(갈수기: 15->21, 홍수기: 22 -> 33) 가뭄운영을 보수적으로 진행함을 알 수 있다. 즉, 유전 알고리즘에 따른 헤징룰은 한 번에 감량하는 양 자체는 줄이지만(0.707 -> 0.746), 심각단계에 돌입하는 수위를 높여 감량 횟수를 증가시키면서 저수량을 유지하는 조건으로 운영방안을 수정함으로써 reliability를 최대화 하였다.

Fig. 6.

Developed hedging rules: (a) Simple hedging rule; (b) Genetic algorithm-based hedging rule

3.3 미래 수요 시나리오에 따른 운영 방안 별 가뭄 취약성 비교

다음으로 2.3절에서 제안한 수요 시나리오에 대하여 각 헤징룰 별 가뭄 취약성을 분석하였으며, 도수로 가동 조건은 3.1절과 동일하게 진행하였다. Fig. 7은 각 수요 시나리오(좌측부터 저수요, 기준수요, 고수요)에 대한 헤징룰(위에서부터 K-water 운영기준, 단순 헤징룰, 유전알고리즘 기반 헤징룰) 별 reliability 값을 decision scaling plot을 통해 나타낸 것이다.

유전 알고리즘 기반 헤징룰은 reliability를 최대화하도록 하였기에 단순 헤징룰과 비교할 때, 가능위험지역에서 임계값 이상을 만족한 시나리오의 비율이 모든 수요 시나리오에서 높음을 보였다. 그러나 K-water의 운영방안과 비교할 때, 기준수요에서 임계값 이상의 비율은 동일하나 저수요에서 더 낮은 신뢰도를 보이고(GA: 76.03%, K-water: 82.64%), 고수요에서 더 높은 신뢰도를 보였다(GA: 57.85%, K-water 49.59%). 특히 고수요 시나리오에서 K-water의 운영방안은 단순 헤징룰(54.55%)보다도 낮은 신뢰도 가졌는데, 이것은 단순 헤징룰과 유전 알고리즘 기반 헤징룰이 현행 K-water의 운영방안에 비해 가뭄단계 수위가 높아 선제적으로 감축을 시작하기 때문으로 분석된다.

다음으로 Fig. 8은 frequency를 통해 극한 가뭄에 따른 운영 실패 횟수를 decision scaling plot을 통해 나타낸 것이다. frequency 값은 5개의 구간(1%미만, 1%이상 3% 미만, 3% 이상 5% 미만, 5%이상 10% 미만, 10% 이상)으로 구분하여 표시하였고, 역시 붉은색(10% 이상)에 가까울수록 공급 안정성이 떨어짐을 뜻한다. K-water의 운영방안(82.64%)에 비해 두 헤징룰은 저수요에서 안정적인 운영을 보였으나(94.21%, 94.21%), 고수요 상황에서 공급 실패의 횟수가 빈번해지는 양상을 보였다(단순 헤징룰: 76.03%, GA: 76.03%, K-water: 81.82%). 즉, 본 연구에서 제안한 두 헤징룰은 전반적으로 K-water의 운영방안과 비교할 때 고수요 시나리오 하에서 부족량의 절대값은 줄임으로서 보다 안정적인 용수공급이 가능함을 보여주었다.

Fig. 7.

Water supply reliability of Boryeong Dam system evaluated by scenario neutral approach

Fig. 8.

Drought frequency of Boryeong Dam system evaluated by scenario neutral approach

4. 결론 및 향후 연구

기존 GCM 기반 기후변화 연구는 모델 선정, 시나리오 선택, 상세화 기법 설정 등에 따라 높은 불확실성을 가지며, 이러한 문제를 해결하고자 제안된 decision scaling은 시스템 취약도에 민감한 영향인자를 분석하고, 발생가능한 다양한 시나리오 하에서 운영 정책에 따른 효과를 시각적으로 보여줄 수 있다. 따라서 본 연구는 최근 지속적인 가뭄 피해를 경험한 보령댐을 대상으로 decision scaling plot 기반 가뭄 대응력 평가기법을 제안하고, CMIP6의 최신 SSP 기후변화 시나리오 및 사회·경제적 시나리오를 반영하였다. 또한, 유전 알고리즘 기반 헤징룰 최적화 기법을 적용하여 다양한 미래 환경변화 시나리오에서 가뭄 취약도 저감 효과를 reliability와 frequency 지표를 이용하여 분석하였다.

현 수문 통계량을 유지하는 시나리오에서 도수로 반영 여부에 따라 보령댐의 가뭄 취약도는 약 95.8%에서 98.13%까지 증가하나, 전체 기후변화 시나리오에서의 공급 안정도는 약 52.07%에서 66.94%로 매우 취약했다. 이에 K-water의 운영방안 외에도 추가적인 용수공급 조정 방안에 대한 고려가 필요할 것으로 판단되어, 이를 갈수기 및 홍수기 기간에 대해 평균한 헤징룰과 유전 알고리즘을 기반으로 최적화한 헤징룰 두 가지를 추가로 분석하였다.

고수요 시나리오에서 두 헤징룰은 K-water의 운영방안보다 더 효과적인 공급 안정도를 보였으며, 특히 유전 알고리즘 기반 헤징룰이 더 나은 성능을 보였다. 저수율 5% 구간에 도달하는 극한가뭄에 대해서 두 헤징룰은 저수요 시나리오에서 더 안정적인 결과를 보였으나, 고수요 하에서는 K-water의 헤징룰에 비해 실패 횟수가 증가하는 것으로 나타났다. 즉, 본 연구에서 제안한 두 헤징룰은 현행 운영방안 대비 저수요 상황에서 공급 안정도를 개선시킴으로써 극한가뭄에 대해 잘 대처 가능함을 보여주었다. 이에 반해, 고수요 시나리오에서는 그 반대인 상충관계(trade-off)를 보였다.

본 연구는 decision scaling 기법 도입을 통해 수자원시설 운영 측면의 기후변화에 의한 가뭄 취약성을 분석 방법론을 제안하였다. 최근 들어 더욱 빈번해지는 가뭄 발생은 향후 기후변화 영향평가에 있어 분석해야 할 변동성의 범위가 더욱 넓어져야 함을 의미한다. 따라서 본 연구에서 제안한 decision scaling 기반 영향평가 방법론은 향후 다양한 수자원시설에 대해서도 적용될 수 있을 것으로 기대된다. 더불어 최적화 과정을 통한 수자원 운영방안의 개선을 통해 가뭄 대응력의 개선이 가능함을 확인하였으므로, 향후 가뭄 기준수위 및 감량률을 갈수기 및 홍수기 기간이 아닌 월 단위, 순단위와 같은 세분화된 단위로 분석할 필요가 있다. 또한, 강우 유출모형인 GR4J를 사용하여 CMIP6 SSP 시나리오를 변환한 결과, 관측 유입량 자료의 평균보다 SSP 시나리오의 평균이 약 0.225 mm/day 작게 산정된 것으로 나타났다. 이로 인해 가능위험영역이 낮게 설정되어 가뭄취약도가 과대 산정되었을 가능성이 있어, 향후 다양한 수문 시나리오에 따른 비교가 필요하다.