1. 서 론
2. 방 법
2.1 연구 절차
2.2 연구 지역
2.3 전지구모형 시나리오와 편이보정
2.4 SWMM 모형과 저영향개발
2.5 Pressure-State-Response 모형
2.6 대안평가지수
3. 결 과
3.1 PSR 모형 분석결과
3.2 LID 저감량 분석결과(Response)
3.3 대안평가지수 산정
4. 결 론
1. 서 론
도시화가 급격하게 진행된 도시에는 물순환 측면에서 다양한 문제가 발생한다. 투수면적이 감소하고, 불투수 면적이 증가하여, 강우시 토양으로 침투되는 물의 양이 줄어든다. 이로 인해 빗물이 유역 출구점까지 도달하는데 걸리는 시간이 줄어들어 첨두유량이 커질 뿐만 아니라 첨두시간도 크게 단축된다. 더 나아가 지하수량도 줄어들게 되어 건기의 하천 유량이 크게 줄어들게 된다. 또한 도시의 인구와 다양한 활동이 증가하여 오염물질도 더 많이 발생하여 강우시 하천수질도 나빠지게 된다. 이를 정상화시키기 위해 체계적이고 통합적인 유역관리 기술이 필요하다.
전 세계적으로 도시 물순환의 문제점을 해결하기 위한 방법으로 다양한 저영향 개발(low impact development, LID) 시설이 적용되고 있다. 또한 Storm Water Management Model (SWMM)을 이용하여 도시지역에 LID 시설을 적용할 경우 첨두유량의 변화를 분석한 연구(Park et al., 2008)와 주거지를 대상으로 LID 시설의 설치 전, 후를 비교하여 침투량 지표, 수질 지표, 증발량을 산정한 연구가 있다(Suh and Lee, 2013). Bedan and Clausen (2009)은 수질을 개선하기 위해 LID 시설을 적용하여 TSS와 TP의 저감효율을 분석하였으며, 또한 LID 시설을 분석하여 유출량에 미치는 영향을 평가하기 위해 수문 모형에 LID 실무를 통합하는 모델링 접근법을 제시한 연구도 있다(Damodaram et al., 2010). 더 나아가 Sponge city를 건설하기 위해 SWMM과 AHP 방법을 이용하여 생태체류지(bio-retention), 식생수로(grassed swale), 정원(sunken green), 투수성 포장, 저장탱크 5개의 LID 설계 시나리오를 작성하여 분석한 연구도 있다(Li et al., 2019). 그러나 LID 시설과 같은 물순환 개선 계획 및 설계는 과거 기후를 토대로 분석하거나, 수문학적 효과만 검토하여 적용한 연구가 다수이다(Lee et al., 2011; Lee et al., 2012; Kim et al., 2017).
기후변화 시나리오를 이용해서 물순환 개선시설을 설계하는 경우 일반적으로 시나리오의 개수가 많아 모든 시나리오를 설계에 반영하지 않는다. 그러므로 과거에 다양한 수문 및 기후 연구에서는 단일 전지구모형(general circulation model, GCM)을 사용하여 연구를 수행하였다. GCM을 선택하는 경우 과거 기간에 대해 잘 모의하는 GCM들만 선택하는데 이렇게 선택된 GCM들이 전망 기간을 모두 잘 예측하는 것은 아니다. 따라서 GCM 결과를 이용해서 전망 기간의 결과를 도출하는 연구에서는 반드시 불확실성을 고려해야 한다. Wilby and Harris (2006)는 온실가스 배출시나리오와 통계적 다운스케일링 기술, 수문학적 모델 구조와 매개변수의 앙상블 정보를 결합하기 위한 확률적 프레임 워크를 제시한 연구로서 GCM에 의해 발생되는 불확실성의 주요원인들을 제시한 바 있다. 이러한 기후 모형의 불확실성을 고려하기 위해 Representative Concentration Pathways (RCP) 자료를 사용하거나(Kim et al., 2018) 다수의 GCM을 사용하여 미래 수자원을 전망한 연구도 있다(Park et al., 2014; Son et al., 2010). 또한 Multi- Model Ensemble (MME)를 활용하는 방법과 일반적인 GCM들을 선택해서 MME를 구성하거나, 또는 과거 기후를 잘 모의하는 GCM만 활용하는 연구가 있다(Bae et al., 2011; Tiwari et al., 2014).
수량과 수질의 문제를 해결하기 위한 유역 계획을 수립하기 위해 수문학적으로만 분석하지 않고 다양한 방법으로 접근하여 지표를 분석하고 이를 토대로 우선순위를 결정하면 결과의 객관성을 높일 수 있다. 1991년 OECD (The Organisation for Economic Co-operation and Development)에서 제시한 Pressure-State-Response (PSR) 모형은 국제기구 및 국가의 지수개발에 활용되고 있다. PSR 모형은 사회, 경제, 공학적 요소를 균형 있게 반영하여 객관적인 지수를 개발할 수 있게 하는 장점을 가지고 있다. 이러한 모형들은 수자원 및 물순환 관리 연구에서도 빈번하게 사용되어 왔다(Chung and Lee, 2009; Jun et al., 2011; Yang et al., 2012). Li et al. (2008)은 Dogxi 강 유역의 생태계를 평가하기 위해 PSR 모형을 적용하여 대안을 선정한다. 또한 LID 계획이나 수자원 계획을 위해 단순히 수문학적 요소뿐만 아니라 사회경제적 요인을 모두 반영해서 최종의사결정을 하는 연구가 활발하게 진행되고 있으며, 이를 위해 PSR 체계가 많이 활용되고 있다(Lee and Chung 2007; Jun et al., 2013).
본 연구에서는 도시화가 급격하게 진행된 목감천 유역의 물순환을 개선시키기 위해 소유역별로 LID 시설을 설치할 경우 홍수 저감 효율을 다양한 기후모형 별로 SWMM을 이용하여 분석하였다. 기후모형의 불확실성을 반영하기 위하여 5개의 GCM (GISS-E2-R, CSIRO-Mk3-6-0, CNRM-CM5, CMCC-CM, CESM1-CAM5)을 사용하였다. GCM과 관측값의 편이(bias)를 보정하기 위해 Song et al. (2019)의 결과를 이용하였는데 머신 러닝 방법 중 하나인 random forest 방법을 사용하였다. 편이보정된 모형들을 이용하여 전망 기간(2011년-2100년)에 대한 강수량을 예측하였고, SWMM을 이용하여 전망 기간을 3개의 기간(2011년-2040년, 2041년-2070년, 2071년-2100년)으로 구분하여 목감천의 소유역별 수량 및 수질 결과를 분석하였다. 이를 토대로 소유역별로 LID 시설을 설치한 후에 수량 및 수질이 개선된 정도를 기준으로 우선순위를 결정하기 위해 대안평가지수(Alternative Evaluation Index, AEI; Chung and Lee, 2009) 개념을 이용하였다. AEI는 PSR 개념을 토대로 수문학적 상태 및 효율뿐만 아니라 사회, 경제적 평가인자도 반영할 수 있도록 구성되어 있다.
2. 방 법
2.1 연구 절차
본 연구는 전망 기간(2011년-2100년)의 수량과 수질 개선효과를 토대로 LID 시설의 설치지역에 대한 우선순위를 결정하는 방법을 제시하였다. 본 연구의 연구 절차는 다음과 같다. 첫 단계는 연구에 해당되는 지역을 선정하고, 두 번째 단계는 연구에 사용될 GCM을 선정한다. 세 번째 단계는 Song et al. (2019)에 사용된 편이 보정 방법을 기반으로하여 GCM의 과거 기간(1970년-2005년) 자료를 분석하였으며, 분석된 결과를 토대로 전망 기간(2011년-2100년)의 강수량을 산정하였다. 네 번째 단계는 PSR 모형을 토대로 평가인자를 산정하고, 다섯 번째 단계는 전망 기간에 대한 27개의 소유역의 LID 시설인 투수성 포장 시설의 수량 및 수질개선 효율을 분석한다. 마지막 단계는 소유역별 PSR 요소를 고려한 AEI를 계산하여 소유역별 투수성 포장 시설의 우선순위를 선정한다.
2.2 연구 지역
본 연구는 목감천 유역을 대상지역으로 선택하였다. 목감천은 경기도 시흥시 논곡동에서 발원되어 서울시 구로구와 경기도 광명시를 거쳐 안양천과 합류한다. 지방 1급 하천으로 분류되며, 목감천 유역에 거주하는 인구는 약 44만 명이다. 유로연장은 9.894 km이며, 유역의 면적은 약 40 km2이다. 환경부 및 국가수자원관리종합정보시스템(WAMIS)의 토지피복도 자료에 따르면 목감천 유역의 불투수 면적은 2000년부터 2013년까지 56.3%에서 63.7%로 매우 높게 증가했으며, 투수면적은 점진적으로 감소한다. 본 연구에서는 Hong et al. (2011)이 구분한 목감천의 소유역을 토대로 LID가 적용가능한 도시지역을 반영하여 Fig. 1과 같이 27개로 구분하였다. Table 1은 소유역의 기본 정보이다.
Table 1. Information on Sub-catchment used in this study
2.3 전지구모형 시나리오와 편이보정
본 연구에서는 월 단위 강수량이 존재하고, 현재 우리나라 강수 및 기후 연구에 빈번하게 사용되는 5개의 GCM을 선정하였고(Kim et al., 2018; Jung et al., 2018), RCP4.5 시나리오를 이용하였다. 5개의 GCM들은 다양한 기후요소(해양, 해빙, 육지표면 등)와 에어로졸, 탄소의 순환 등으로 구성되어 있다. 선정한 GCM의 정보는 Table 2와 같다. GCM 모형은 모두 격자형이며 격자 간격은 1.40°에서 2.81°로 격자간 거리는 약 80~300 km이다.
Table 2. Information on five GCMs used in this study
우리나라와 관련되어 있는 GCM의 격자수는 매우 적고 GCM 결과의 불확실성 때문에 모의된 강수량 자료는 관측값과 차이가 크다. 이러한 차이가 크면 연구의 정확성 및 신뢰성이 매우 낮아지게 된다. 본 연구에서는 이러한 문제를 해결하기 위해 역거리가중치 방법을 사용하였다. 역거리 가중치법은 지리적 공간의 보간법이 필요한 연구에 사용되며(Longley et al., 2005), 상대적으로 가까운 거리의 값이 먼 거리의 값보다 관련성이 높다는 Tobler의 첫 번째 법칙의 개념을 따르고 있다(Tobler, 1970). 지역적 상세화 이후에도 관측소와의 값을 비교하였을 때 차이가 크게 나타나며, 이러한 문제를 해결하기 위한 방법으로 편이보정 방법을 사용한다. 편이보정 방법은 다양한 방법들이 있는데 본 연구에서는 최근 많이 사용되고 있는 Random Forest (RF) 방법을 적용하였다. 머신러닝 방법 중 하나인 RF 방법은 편이보정을 수행함에 있어서 활발하게 사용되고 있다(Pour et al., 2016; Pang et al., 2017). RF 방법은 다양한 결정트리를 임의적으로 학습하는 앙상블 방법이며, 크게 학습단계와 테스트 단계로 나눌 수 있다. 현재 random subset을 도입하여 과거보다 예측 성능이 향상되었으며, 복잡한 대안들을 간단한 계층으로 표현하여 산정할 수 있다. 본 연구에서 RF 방법을 선정한 이유는 과거기간의 편이보정에서는 Quantile Mapping (QM) 방법보다 정확성이 낮지만 전망기간의 기후와 과거기간의 기후가 균일하지 않으므로 학습단계에서 비정상성 강수도 전망이 가능한 RF 방법을 선택하였다(Al-Abadi and Shahid, 2016). 본 연구에서는 대상유역과 가장 가까운 서울 관측소의 지점에 대해 지역적 상세화와 편이보정을 수행한 결과를 이용하였다.
2.4 SWMM 모형과 저영향개발
미국 환경청(Environmental Protection Agency, EPA)은 LID 시설의 설계 및 계획을 위한 모의가 가능한 SWMM을 2009년에 개발하였다. LID는 친 자연적인 시설로 도시 지역의 물순환을 개선시켜주는 지속가능한 개발 기반 접근 방식이다. 현재 미국에서는 LID의 다양한 형태와 효과적인 접근 방법을 연구하고 있으며(Dalziel and Cloak, 2006) 우리나라도 서울시 등 많은 도시에서 LID 설치를 유도하기 위한 다양한 접근이 이루어지고 있다. LID 시설은 매우 다양하지만 본 연구에서는 현재 많이 사용되고 있는 투수성 포장(Permeable Pavement, PP)을 적용하였다. 투수성 포장은 빗물을 토양에 침투시켜 유출을 저감시킬 수 있다. 지하수위가 낮은 지역에 적합하며, 도로나 주차장의 비율이 높은 지역에도 우수한 효과가 있다. 투수성 포장은 홍수량을 저감시키고 수질을 개선시킬 수 있다. 현재 투수성 포장은 다양한 방법으로 적용되고 있으며, 투수성 포장의 개발을 위한 연구에 대한 관심도가 매우 높다(Jang et al., 2013; Lin et al., 2015). 본 연구의 SWMM 모의에서 활용하는 투수성포장 시설에 대한 세부 정보는 Table 3과 같다(Ferguson, 2005; Bae et al., 2012). 전체 LID 시설의 초기 토양수분(Initially Saturated)은 35%로 설정하였고, LID 시설이 처리하는 불투수 면적 비율(Impervious area Treated)은 20%로 설정하였다. 또한 본 연구에서는 수문학적 매개변수를 결정하기 위해 선행 연구인 Hong et al. (2011)에서 최적화한 매개변수를 그대로 사용하였다.
Table 3. Specifications of low impact development practices used in this study
2.5 Pressure-State-Response 모형
PSR 모형은 지속가능성 평가모형이며, 모형의 요소에 따라서 지표체계를 구성하고 있다. 사회적, 경제적, 분야별 정책, 공학적 요소들을 고려하여 정확한 인과관계를 파악할 수 있는 모형이다. PSR 모형은 복잡한 환경적 요소와 생태학적의 인과관계를 설명하지 못하며 영향력을 설명을 하지 못하는 단점을 가지고 있다. 하지만 PSR 모형은 구성요소의 인과 관계를 단순, 명료하게 표현할 수 있으므로 의사결정을 하는데 있어서 많은 도움을 줄 수 있다. PSR 모형을 이용하여 취약 지역의 관리 우선순위를 선정하기 위한 연구가 진행되었으며(Chung and Lee, 2009), 환경 지표를 선택하기 위해 특정 문제점을 중점으로 PSR 모형을 이용하여 효율적인 지표를 구성한 연구가 있다(Niemeijer and Groot, 2008). PSR 모형을 이용하여 뉴질랜드의 환경 상태(대기, 토착 동물 및 식물, 해양 어업)에 대한 사람들의 인식을 조사 및 기간을 장기화하여 개발하기 위해 사용한 연구와(Hughey et al., 2004) 브라질 남동부의 철광석 채굴 지역에 집중된 10개 프로젝트의 누적 영향(Cumulative impact assessment ,CIA)을 해결하기 위해 이용한 연구도 있다(Neri, 2016). PSR 모형에서 압력(Pressure)은 분석 대상에 문제를 직접 발생시키거나 간접적으로 영향을 미칠 수 있는 요소를 말하고, 상태(State)는 분석 대상의 현재 상태 정도를 판단할 수 있는 인자들을 의미한다. 반응(Response)은 다양한 개선 시설이나 정책들을 의미한다. 위와 같은 개념을 토대로 본 연구에서는 수문학적 요소뿐만 아니라 사회적, 경제적 요소를 포함하여 수량과 수질의 우선순위를 선정하였다. PSR 체계의 요소를 토대로 결정한 결과는 Fig. 2와 같다. 압력에서 수량에 해당되는 요소는 인구, 인구밀도, 경제수준(부동산), 불투수 면적 비율로 선정되었고, 수질에서는 인구, 인구밀도, 불투수 면적 비율, 토지이용도를 사용하였다. 상태에서 수량에 해당되는 요소는 총 유출량, 첨두 유출량, 총 침투량이 선정되었고, 수질에서는 SS의 총량, TSS의 총량, 총 유출량으로 선정되었다. 반응에서는 수량과 수질에서 LID 시설이 적용된 뒤 저감량으로 선정하였다. 이렇게 선정한 PSR 모형의 요소들은 소유역별로 적용하는 투수성포장 시설의 AEI인자로 활용되었다. 또한 사용된 소유역별 구성요소별 값은 단위와 값의 범위가 모두 다르므로 다음 수식을 이용하여 표준화시킨 뒤 적용하였다. Eq. (1)은 값이 작을수록 좋은 지표일 때 사용하는 식이며, Eq. (2)는 값이 클수록 좋은 지표일 때 사용하는 식이다. 본 연구는 압력과 상태의 요소에 대해 Eq. (1)을 적용하였으며, 반응의 요소에 대해 Eq. (2)를 적용하였다.
| $$A^-=\frac{\min(x_i)\;-\;x_i}{\mathrm{ma}x(x_i)\;-\;\min(x_i)}$$ | (1) |
| $$A^+=\frac{x_i\;-\;\min(x_i)}{\mathrm{ma}x(x_i)\;-\;\min(x_i)}$$ | (2) |
2.6 대안평가지수
AEI는 다수의 대안들의 효과를 정량적으로 평가하기 위해 사용되며 계산과정은 다기준의사결정 방법 중 타협계획법, 복합계획법, Regime 방법 등 다양한 방법이 활용될 수 있다. 다기준 의사결정 방법은 다양한 지표를 기반으로 최적의 대안을 선정하는 방법이며, 수자원 의사결정에 사용된 바 있다(Lee and Chung, 2007; Chung et al., 2011; Kim et al., 2013). 본 연구에서는 가중합계법(weighted summation method)을 사용하였으며, 수식은 Eq. (1)과 같다.
| $$AEI_i=w_1f_1+w_2f_2+w_3f_3$$ | (3) |
여기서 AEIi에서 i는 i번째 시나리오를 나타내며, f1은 PSR 모형 중 압력에 포함되는 요소, f2는 상태에 포함되는 요소, f3은 반응에 포함되는 요소이다. w1~w3은 각 요소당 가중치를 의미한다. PSR 모형을 고려하여 수량과 수질에 대한 수식은 Eqs. (4) and (5)와 같다.
| $$AEI1_i=w_1{(\frac14Po+\frac14PoD+\frac14EL+\frac14IR)}_i\;+w_2{(\frac13TR+\frac13PR+\frac13TI)}_i\;+w_3(\frac13ETR+\frac13EPR+\frac13ETI)_i$$ | (4) |
Eq. (4)는 수량에 대한 AEI 산정식이다. 압력인자는 총 4개로 인구(Po), 인구밀도(PoD), 경제수준(LU), 불투수비율(IR)로 구성되어있으며, 구성요소별 가중치는 1/4을 사용하였다. 상태에서는 총 유출량(TR), 첨두 유출량(PR), 총 침투량(TI)으로 구성되었으며, 반응에서는 총 유출량의 저감량(ETR), 첨두 유출량의 저감량(EPR), 총 침투량의 증가량(ETI)으로 구성되었다. 상태와 반응의 구성요소에 대한 가중치는 각각 1/3을 사용하였다.
| $$AEI2_i=w_1{(\frac14Po+\frac14PoD+\frac14LU,\frac14IR)}_i\;+w_2{(\frac13TSS+\frac13SS+\frac13TR)}_i\;+w_3(\frac13ETSS+\frac13ESS+\frac13ETR)_i$$ | (5) |
Eq. (5)는 수질에 대한 AEI 산정식이다. 압력은 총 4개의 평가인자를 포함하였다. 인구(Po), 인구밀도(PoD), 토지이용비율(LU), 불투수비율(IR)로 구성되어 있으며, 가중치는 1/4로 동일하게 사용하였다. 상태는 TSS의 총량(TSS), SS의 총량(SS), 총 유출량(TR)으로 구성되었으며, 반응은 저감된 TSS의 총량(ETSS)과 SS의 총량(ESS), 총 유출량(ETR)으로 구성되어있다. 상태와 반응에는 구성요소별 가중치는 1/3을 사용하였다. Eq. (6)은 수량과 수질을 모두 고려하기 위해 AEI1과 AEI2의 값을 평균한 최종 AEI 산정식이다.
| $$AEI=\frac{AEI1+AEI2}2$$ | (6) |
이렇게 계산한 AEI 값이 크면 지역의 취약성도 커지고 투수성 포장 시설의 효과도 커지게 되어 전체적인 우선순위가 높아진다.
본 연구에서는 가중치의 불확실성을 고려하기 위해 총 3가지 가중치 시나리오로 선정하였다. 시나리오1은 모든 요소에 동일한 가중치를 적용하였으며, 시나리오2에서는 압력과 상태의 가중치(w1 & w2)는 1/4로 적용하고 반응의 가중치(w3)는 1/2로 적용하였다. 시나리오3은 압력과 상태의 가중치(w1 & w2)를 1/5로 지정하고 반응(w3)의 가중치를 3/5로 지정하였다. 시나리오2와 시나리오3은 반응에 보다 높은 가중치를 부여하여 물 순환 개선시설의 효과의 중요성을 증가시킬 경우 우선설치지역이 어떻게 변화되는지 제시하고자 하였다.
3. 결 과
3.1 PSR 모형 분석결과
5개의 GCM 시나리오의 전망 기간(2011-2100)의 강수량은 과거기간의 편이 보정 방법을 적용하여 전망기간의 강수량을 산정한 Song et al. (2019)의 결과를 사용하였다. 이 결과와 SWMM을 이용하여 각 GCM 별로 모의한 뒤 수문학적 요소를 산정하였다. 5개 GCM의 수문학적 요소 및 PSR 모형의 사회적 요소와 경제적 요소를 포함하여 목감천 27개 소유역에 대해 분석하였다. 사회적 요소와 경제적 요소는 GCM과 관계없이 모두 일정한 값을 가지는데 소유역별 값은 Fig. 3과 같다. 산정 결과 사회적 요소 중 인구는 목감천 중류에 속하는 D1 소유역이 가장 높은 것으로 산정되었으며, 주거단지가 위치해있는 소유역이다. 불투수 비율에서는 D12 소유역이 가장 높게 산정되었으며, 주거단지와 상가단지가 밀집되어 있는 소유역이다. 경제성 부분에서는 D6 소유역이 가장 높게 산정되었으며, 강 하류에 위치하여 안양천과 근접하며, 주거단지, 상업단지가 밀집되어 있다. 인구밀도는 D27 소유역이 가장 높게 산정되었다. 수문학적 요소는 30년 단위로 3개 구간(2011-2040, 2041-2070, 2071-2100)으로 나누어서 각 구간별 평균으로 나타냈다. Figs. 4(a)~4(c)는 5개 GCM의 총 유출량, 첨두 유출량, 총 침투량을 산정한 결과이다.
수량 요소에서 총 유출량은 소유역 D7이 가장 높게 나왔다. D7은 상업단지가 밀집되어 있으며 불투수 면적 비율이 상당히 높은 지역이다. 첨두 유출량에서는 소유역 D27이 가장 높게 산정되었다. 나대지와 생활체육 센터가 밀집되어 있다. 총 침투량이 가장 많은 소유역은 D12이며, 상업단지가 밀집되어 있다.
수질 요소의 결과는 Fig. 5, Figs. 6(a)~6(c)과 같으며 Fig. 5은 사회적 요소를 나타낸다. Fig. 5는 Fig. 6과 같이 GCM에 해당되는 모든 사회적 요소가 동일하다. 수량에 포함되어 있지 않는 토지이용비율은 소유역 D2가 가장 높은 것으로 나타났다. D2는 상업단지가 많이 포함되어 있는 지역이다. 수질의 TSS와 SS의 요소는 유사하게 산정되었다. 소유역 D27이 1순위 지역으로 나타났는데, 이 지역은 나대지와 생활체육 센터가 밀집되어 있다.
3.2 LID 저감량 분석결과(Response)
본 연구의 투수성 포장 시설은 직접 유출량을 줄이고 수질을 개선시킬 수 있다. 총 3개의 기간(2011-2040, 2041-2070, 2071-2100)으로 구분하여 분석하였고, 결과는 Table 4에 제시되어 있다. Overall의 산정값은 GCM별 산정된 저감량의 평균값으로 각 27개의 소유역의 저감량을 평균한 결과이다. 투수성 포장을 설치한 후에 모든 소유역에 저감 효과가 나타났으며, 소유역의 크기와 GCM별 강수량에 따라서 저감량도 다르게 산정되었으며, GCM별 강수량은 CSIRO, CNRM, CAM, CM, GISS 순으로 크게 산정되었다.
Table 4. Reduction performances of permeable pavement by GCMs
3.3 대안평가지수 산정
본 연구는 5개의 GCM의 전망기간 강수량을 사용하여, SWMM 모의한 후 저감량을 기간 별로(2011-2040, 2041- 2070, 2071-2100) 평균하여 AEI 수식에 적용하였다. AEI를 각 GCM에 적용하여 수량과 수질의 우선순위를 산정하였고 가중치는 시나리오1(압력: 0.3, 상태: 0.3, 반응: 0.3), 시나리오2(압력: 0.25, 상태: 0.25, 반응: 0.5), 시나리오3(압력: 0.2, 상태: 0.2, 반응: 0.6)으로 구분하여 분석하였으며, 수정에 대한 분석결과는 Figs. 7(a)~7(c)와 같고 수질에 대한 분석결과는 Figs. 8(a)~(c)에 제시되어 있다.
각 GCM의 AEI 분석결과 시나리오1에서는 모든 GCM에서 소유역 D7이 1순위로 산정되었다. 압력에 포함되는 불투수 면적 비율과 경제성이 높은 소유역이며, 상태에 포함되는 총 유출량이 매우 높은 지역으로 선정되었으며, 총 침투량은 가장 낮은 지역으로 선정되었다. 반응에 포함되는 요소들은 첨두 유출량의 저감량은 낮게 산정되었고, 총 유출량 저감량과 총 침투량 증가량은 중간으로 산정되었다. D12는 2순위 소유역으로 산정되었다. D11은 CSIRO를 제외한 4개의 GCM에서 3순위 소유역으로 선정되었으며 CSIRO에서는 소유역 D27로 선정되었다. 시나리오2에서의 1순위는 소유역 D7로 산정되었으며, 2순위로는 GISS, CAM, CNRM에서는 D12로 산정되었고, CM과 CSIRO에서는 D1으로 산정되었다. 3순위로는 GISS의 경우 D11으로 산정되었으며, CAM과 CNRM에서는 D1, CM과 CSIRO는 D12으로 산정되었다. 반응의 가중치를 매우 높게 산정한 시나리오3에서는 소유역 D1이 1순위 소유역으로 선정되었으며, 2순위로는 GISS와 CNRM에서는 D7, CAM은 D23, CM은 D21, CSIRO는 D19로 산정되었다. 3순위로는 CAM과 CM에서는 D10, GISS는 D12, CNRM은 D19, CSIRO는 D18로 선정되었다.
수질에서 시나리오1의 AEI를 분석한 결과 5개의 GCM 모두 소유역 D27이 1순위 소유역으로 선정되었다. D27의 압력에 포함되는 요소 중 인구밀도가 높은편이며, 상태에 포함되는 TSS의 총량과 SS의 총량은 가장 높은 수치로 선정되었다. 반응에 포함되는 요소 중 총 유출량 저감량은 낮게 산정되었지만, TSS와 SS의 저감량은 매우 높게 산정되었다. 2순위 소유역은 5개의 GCM 모두 동일하게 D2로 산정되었다. 3순위 소유역은 GISS, CAM, CM에서 D6으로 선정되었으며 CNRM과 CSIRO는 D3로 선정되었다. 시나리오2에서 GISS와 CAM, CM은 D27이 1순위 소유역으로 나타났으나, CNRM과 CSIRO에서는 D1이 1순위 소유역으로 산정되었다. 2순위로는 GISS, CAM, CM에서는 D2, CNRM, CSIRO에서는 D15 소유역으로 산정되었다. 3순위로는 GISS, CAM, CM에서는 D6가 산정되었고 CNRM, CM에서는 D3 소유역으로 선정되었다. 시나리오3에서 GISS, CAM, CM은 D27이 1순위 소유역으로 산정되었으며, CNRM과 CSIRO는 D15 소유역으로 산정되었다. 각 GCM별 결과가 상이한 이유는 GCM별 전망기간의 강수량이 모두 다르기 때문이며, 수질은 강수량의 크기에 따라 쉽게 변동하기 때문이다.
5개 GCM의 AEI 분석결과를 평균하여 최종적으로 우선순위 결과를 평가하였으며 결과는 Table 5와 같다. 수량 AEI 분석결과 중 시나리오1의 1순위 소유역은 D7으로 선정되었다. 반응의 가중치가 0.5으로 선정된 시나리오2의 가장 1순위 소유역은 D7으로 선정되었으며, 시나리오1보다 지수의 값이 감소되었지만 여전히 높은 값으로 산정되었다. 반응의 가중치가 상당히 높은 시나리오3에서는 소유역 D1이 1순위 소유역으로 평가되었으며, 소유역 D7은 2순위 소유역으로 평가되었다. 위와 같은 결과를 토대로 소유역 D7은 반응 항목에 0.5의 가중치를 부여한 결과와 동일가중치를 부여한 결과의 순위의 변동이 없었으며, 이러한 결과는 소유역 D7의 반응 항목에 0.5이상의 가중치를 부여해야 지수값 낮아지며 현재 우선순위가 매우 높은 소유역으로 평가된다. 수질의 AEI 분석결과에서는 3개의 시나리오에서 소유역 D27이 1순위으로 평가되었으며, D27의 상태 요소의 값이 매우 높으며, 반응 요소에서는 가장 낮은 저감량을 보였다. 시나리오1에서는 D2, D6, D3, D4순으로 나타났으며, 시나리오2에서는 D27, D6, D2, D3, D4 순으로 선정되었다. 시나리오3에서는 D27, D6, D3, D15, D1 순으로 선정되었다. 수질 지수값이 전체적으로 높게 산정되었는데 이러한 이유는 저감량이 많은 지역보다 저감량이 적은 지역이 상대적으로 적기 때문이다.
Table 5. AEI1 and AEI2 values to three scenarios by sub-watersheds
수질과 수량을 포함한 결과는 Table 6과 같으며, 3개 구간의 결과값과, GCM의 결과를 평균하여 적용하였다. 시나리오 1에서는 D27이 1위로 산정되었으며, D7, D12, D11, D1 순으로 산정되었다. D27은 수량에서는 4위로 산정되었으며, 수질에서는 1위로 산정된 소유역이다. 압력에서는 인구 밀도와 경제수준이 높게 산정되었고, 상태에서는 첨두 유출량과 TSS, SS 총량이 높게 산정되었다. 시나리오 2에서는 D27이 1위로 산정되었으며, D1, D10, D20, D18 순으로 산정되었다. 시나리오 1과 비교하였을 때 결과가 상이하며, 그러한 이유는 소유역별 저감량이 차이가 있기 때문이다. D7는 수량과 수질에서 가장 높은 저감량을 보였으며, D12과 D11은 저감량에서 2위와 3위로 산정되었다. D1의 수량과 수질에서 낮은 저감량을 보였으며, 시나리오 2에서는 2위로 선정되었다. 시나리오 3에서는 D1이 1위로 산정되었으며, D19, D15, D18, D10 순으로 산정되었다. D15와 D18, D19는 저감량이 매우 낮은 소유역에 속하며, 시나리오 3에서 높은 순위로 산정되었다. 위의 결과를 토대로 반응의 가중치가 높을수록 저감량이 높은 소유역의 순위가 상승하게 된다.
Table 6. AEI values to three scenarios by sub-watersheds
4. 결 론
본 연구는 급격한 도시화가 진행되고 있는 목감천 유역의 전망기간(2011-2100)에 대해 수량 및 수질 개선의 측면에서 LID(투수성 포장) 시설의 적용을 위한 지역별 우선순위를 제시하였다. 선정을 위한 평가에는 PSR 모형을 토대로 사회, 경제, 수문학적 평가인자를 선정하였다. 기후변화를 고려하기 위해 5개의 GCM을 사용하였다. GCM은 RCP4.5을 사용하였으며, 전망기간 강수량을 산정 후 2011년부터 2040년, 2041년부터 2070년, 2071년부터 2100년까지 총 3구간으로 나눠서, 목감천 27개 소유역의 수량과 수질을 분석하였다. 또한 투수성 포장 시설의 설치로 인해 발생하는 목감천의 27개 소유역의 유출량 및 수질의 저감량을 산정하였다. 객관적인 평가를 하기 위해 압력-상태-반응에 대한 다른 가중치를 적용하였다. 시나리오1에는 동일가중치를 부여하였고, 시나리오2에는 반응에 0.5의 가중치, 시나리오3에는 반응에 0.75의 가중치를 부여하였다.
수량측면에서 투수성 포장 시설을 우선 설치해야하는 유역은 시나리오 1에서는 D7, D12, D11, D1 순으로 선정되었으며, 시나리오2에서는 D7, D12, D1, D11, D10 순으로 선정되었다. 또한 시나리오3에서는 D1, D7, D19, D10, D18 순으로 선정되었다. 수질측면에서 투수성 포장 시설을 우선 설치해야하는 유역은 시나리오1에서는 D27, D2, D6, D3, D4 순으로 선정되었고, 시나리오2에서는 D27, D6, D2, D3, D4 순으로 선정되었으며, 시나리오3에서는 D27, D6, D3, D15, D1 순으로 선정되었다. 수량과 수질을 함께 고려한 결과로는 시나리오 1에서는 D27, D7, D12, D11, D1 순으로 산정되었고, 시나리오 2에서는 D27, D1, D10, D20, D18 순으로 산정되었으며, 시나리오 3에서는 D1, D19, D15, D18, D10으로 산정되었다. 반응의 가중치가 높은 시나리오일수록 저감량이 큰 소유역들의 순위가 상승하였다.
본 연구는 LID 시설 중 투수성 포장만을 사용하였으며, 지속되는 연구에서는 다양한 LID 시설을 고려하여 연구를 수행해야한다. 또한 PSR 모형에 해당되는 인자들을 추가하여 분석하였을 때 정확한 연구의 결과가 도출될 것으로 판단된다.
