1. 서 론

수자원의 보존과 지속 가능한 관리는 생태계 보전, 인류의 건강 및 산업 활동을 보장하는데 있어 필수 불가결한 요소이다. 환경부에서는 수자원의 보존 및 관리를 위해 국가물관리기본계획, 유역물관리기본계획, 국가물환경기본계획, 수질오염총량관리제도 기본계획, 비점오염 관리지역지정제도 관리대책 등 다양한 대책을 통해 오염물질의 발생 및 유입을 제어하고자 하고 있다(Park et al., 2020)

유역 모델은 유역을 여러 개의 소유역으로 구분하여 각각의 유량 및 수질변수간 상호작용을 산정한 후 연속적으로 계산할 수 있게 한다(Cho et al., 2018). 이는 단순 수학적으로 계산하기 어려운 복잡한 유역 환경을 모의하고 다양한 관리 전략의 효과를 예측하고 비교하는 수단으로 사용될 수 있으며 실제 다수의 사례에서 유역모델을 이용하여 효율적인 오염부하 저감 방안 수립이 이루어져왔다(Han et al., 2014). 강우에 의한 유역의 유출유량과 오염부하량의 이동 특성을 예측하기 위해 가장 널리 사용되는 모델은 SWAT (Soil and Water Assessment Tool) 모델(Arnold et al., 1998) 과 HSPF (Hydrological Simulation Program-Fortran) 모델(Bicknell et al., 1996)이다. 전자는 미국 농무성(United States Department of Agriculture, USDA)에서 지원하여 개발되고 관리되는 모델이며, 후자는 미국의 EPA (United States Environmental Protection Agency, US EPA) 및 우리나라 환경부에서 주로 사용되는 모델이다.

Park et al. (2017)은 SWAT과 CE-QUAL-W2(Cole and Wells, 2016) 모델을 연계 활용하여 기후변화 시나리오에 따른 용담호 유입수 및 호내 수질 변화를 예측하였으며 Goh et al. (2022)은 SWAT 대신 HSPF를, CE-QUAL-W2 대신 AEM3D (Aquatic Ecosystem Model 3D) 모델(Hodges and Dallimore, 2019)을 연계 활용하여 기후변화 시나리오에 따른 상사호 유입수 및 호내 수질 변화를 예측한 바 있다. 이외에도 많은 국내외 연구에서 SWAT 모델이나 HSPF모델과 같은 유역모델을 통해 수질 변화를 예측하고 수자원 관리를 위한 다양한 대책의 필요성을 강조한다.

과학기술 지식인프라(https://scienceon.kisti.re.kr)에 의하면, 우리나라에서 1975년부터 2024년까지의 기간 중 SWAT을 활용한 논문 건수는 11,442건, HSPF을 사용한 논문 건수는 802건인 것으로 나타났다. SWAT모델이 HSPF모델보다 더욱 많이 사용되는 이유는 HSPF모델 사용시 입력 자료를 준비하는 과정이 상대적으로 복잡하고 1996년 이후에는 공식적으로 프로그램이 갱신 또는 관리되지 않고 있는 상태인 것이 중요한 원인으로 추정된다. 반면 SWAT모델은 SWAT-CUP (Abbaspour, 2008)을 이용해서 매개변수의 최적화, 보정, 검증 과정을 자동화하여 사용자에게 복잡한 작업을 쉽게 처리할 수 있게 해주는 도구를 사용할 수 있다는 장점이 있다(Lee and Seo, 2011). 이러한 도구들이 제공됨에 따라 SWAT모델은 특히 복잡한 수문학적 과정을 포함하며, 다양한 지형적 특성을 지닌 대규모 유역에서 널리 사용되고 있는 것으로 보인다. 그러나 미국의 경우 TMDL (Total Maximum Daily Load analysis) 수립 시 HSPF 모델과 WASP8(Wool et al., 2020b)을 연계하여 사용하는 경우를 다수 발견할 수 있다(Aggarwal et al., 2024; Wool et al., 2020a). 이를 종합적으로 판단해보았을 때, 유역 모델은 각기 다른 특성과 목적을 가지고 있기 때문에 특정 상황에 맞는 모델을 선택하는 것이 중요하다는 것을 알 수 있다(Cho et al., 2015; Park et al., 2020).

지역 및 연구 특성에 따른 모델의 적합성을 평가하기 위해 국내외에서 SWAT모델과 HSPF모델을 비교하는 다양한 연구들이 진행되어왔다. Kim et al. (2009)은 충주댐 유역을 대상으로 SWAT-K 모델(Kim et al., 2007) 과 HSPF모델을 사용하여 수문을 모의하고 비교 분석했다. 연구 결과, SWAT-K모델이 한국의 기후와 지형 조건에 더 적합한 것으로 나타났다. 또한, Jeon (2009)은 이동 저수지 유역을 대상으로 HSPF모델과 SWAT 모델을 사용하여 유출량을 비교하고. 두 모형 모두 유출량 예측에 유용하였으나, 특정 지역에서 정확성 차이가 있다고 보고한 바 있다. 이처럼 SWAT 모델과 HSPF모델의 적합성은 지역의 특성과 연구 목적에 따라 다르게 평가 되는 것을 알 수 있다.

현재 대한민국 환경부는 HSPF 모델을 채택하여 모델링하고 있으며 SWAT모델은 환경부 공식 채택 모델은 아니지만, 농업 유역 관리 및 비점오염원 분석을 위해 연구기관과 일부 지자체에서 활용되고 있다. 현재 HSPF 모델을 사용하고 있으나, 유역 관리 대책을 세우기 위해 어떤 종류의 모델이 대한민국의 상황에 적합한지에 대한 심도 깊은 논의가 필요하다. 이에 따라, 본 연구에서는 HSPF 모델과 SWAT 모델을 이용하여 옥정호 상류 유역의 모델링을 진행하였다.

2. 연구방법

2.1 유역모델

2.1.1 SWAT

SWAT은 미국 농무성의 농업연구소(Agricultural Research Service, ARS)에서 개발한 준분포형 유역 모델로서 강우에 따른 유출 및 오염부하 이동을 예측하는 데 사용된다(Neitsch et al., 2011; Arnold et al., 1998). SWAT 모델에서는 지형 및 수계자료를 이용하여 대상유역을 소구역으로 구분한 후 유역의 토지이용현황, 토양특성 등을 고려하여 동일한 특성을 나타내는 HRU (Hydrologic Response Unit)로 세분한다. 토양입자에 부착되어 있는 영양물질은 지표면 유출에 의해 이송되므로 일정 HRU에서의 유출량의 변화는 영양물질 부하량에 영향을 미친다. 유역 수문 및 수질 시뮬레이션은 HRU를 통해, 하천 내 수문 및 수질은 라우팅 유닛을 통해 모의 할 수 있다(Dile et al., 2024).

SWAT-CUP (Calibration and Uncertainty Program)은 SWAT 모델의 보정을 위한 보조프로그램으로 SUFI2(Sequential Uncertainty Fitting Ver.2)(Abbaspour et al., 2004; 2007), GLUE (Generalized Likelihood Uncertainty Estimation) (Beven and Binley, 1992), Parasol (Parameter Solution)(Van and Bauwens, 2003), MCMC (Monte Carlo Markov Chain) (Kuczera and Parent, 1998; Marshall et al., 2004; Vrugt et al., 2003; Yang et al., 2007) 등 4가지 통계 알고리즘을 하나의 인터페이스 안에서 SWAT 모델과 연계하여 최적 매개변수를 도출하고 이를 통해 정확도를 향상시키기 위해 개발된 프로그램이다(Lee and Seo, 2011). 본 연구에서는 SWAT-CUP의 통계 알고리즘 중 SUFI2를 사용하여 옥정호 상류 유역에 대한 최적의 매개변수를 도출하였다.

2.1.2 HSPF

HSPF 모델(Bicknell et al., 1996)은 미국 환경청(USEPA)에서 개발한 준분포형 유역모델로써 이 모델은 BMPs (Best Management Practices)와 TMDL 등을 모의하기 위해 사용된다. PERLND (투수성 토양) 모듈은 투수성 토양 지역에서 발생하는 수량과 수질의 변화를 모의한다. IMPLND (불투수성 토양) 모듈은 불투수성 토양에 해당되는 것으로서 주로 도시지역과 같이 침투 현상이 적거나 없는 경우에 사용된다. 유역 수문 및 수질 모의는 PERLND 및 IMPLND 모듈을 통해 수행되며, 하천 내 수문 및 수질 시뮬레이션은 RCHRES (하천) 모듈을 통해 모의 된다. RCHRES 모듈은 PERLND, IMPLND로부터 수질 오염부하량과 강우 유출량 등이 하천 또는 저수지로 유입되어 혼합 되는 장소로 사용된다(Bicknell et al., 1996).

2.1.3 SWAT 모델과 HSPF 모델의 차이점

두 모델은 모두 GIS를 기반으로 한 유역의 수문 및 수질 모의를 위한 준분포형 유역 모델이지만, 분석 시간 단위와 수문 균형 및 유출량 분석 등에서 몇 가지의 차이점을 볼 수 있다. SWAT 모델은 최소 일 단위로 작동하며 HSPF 모델은 일 단위 뿐 아니라 시간 단위로 분석할 수 있는 등 짧은 시간 내에 발생하는 현상을 세밀하게 모의할 수 있다.

SWAT 모델은 일 단위로 강수량, 유출량, 증발산량, 침투량 등을 종합적으로 모의하며 SCS (Soil Conservation Service) 유출곡선법(Cronshey et al., 1986)을 사용하여 일별 지표면 유출량을 계산한다. 또한 Kinematic storage model (Sloan et al., 1983)을 통해 측방 유출을, Manning 방정식을 통해 하천 내 유출을 모의한다. 반면 HSPF 모델은 Chezy-Manning 방정식을 사용하여 지표면 유출량을 계산하며, 경험적 방정식을 이용하여 측방 유출을 계산한다. 하천 내 유출은 모든 유입량이 상류 지점으로 들어간다고 가정하며 유출량은 하천 크기 및 사용자 제공 함수에 따라 계산된다.

모의 가능한 수질변수에 대해서 HSPF 모델은 수온, 영양물질(NO₃, NH₃, Org N , PO₄, Org P), DO, BOD, TOC, 대장균, 등 여러 물질에 대한 모의가 가능하지만 SWAT 모델은 TOC와 같은 탄소계열 물질에 대한 자세한 모의를 하지 못하는 단점이 있다. 이러한 SWAT 모델의 단점을 보완하기 위해서는 SWAT-C (Zhang et al., 2022)와 같은 추가적인 도구의 사용이 필요하다. 기존 SWAT에서는 토양 유기물의 분해 과정을 통해 탄소가 질소 순환과 함께 처리되었으나 SWAT-C에서는 DOC (Dissolved Organic Carbon)과 POC (Particle Organic Carbon)등 다양한 형태의 탄소를 구체적으로 모의하며 육상 및 수중 탄소 순환을 통합적으로 다룬다(Zhang et al., 2022).

2.1.4 Nitrogen Cycle

유역의 질소 순환은 대기, 토양, 식물 생장, 유출 등 여러가지 요소에 의해 영향을 받는 복잡한 시스템이다. 모델에서 정확한 질소 순환과정을 파악하는 것은 수질 오염과 생태계 보전을 위해 필수적이다. Table 1는 HSPF와 SWAT의 주요 질소 순환을 자세한 방정식으로 비교한 표이다. HSPF는 간단한 저장 방정식을 통해 대기 중에서 발생하는 질소를 모의하는 반면 SWAT는 질소 발생에 대해서 외부입력을 사용하며 질소의 상태 변화에 대해 더 중점을 두고 있다. HSPF는 지표 유출수 및 지하수에 의한 질소의 유출에 초점을 맞추었으며 질소 순환과 관련하여 간단한 1차 반응식을 사용하는 반면, SWAT은 토양 온도 및 수분과 같은 환경요인을 고려하여 광물화, 질산화, 탈질, 식물 흡수 등 질소 순환과 관련된 생지화학적 순환을 자세하게 모의한다.

Table 1.

Comparison of HSPF and SWAT for nitrogen cycle

Process	HSPF	SWAT
Atmospheric deposition	Models nitrogen storage from atmospheric deposition:	Requires external input data for nitrogen deposition; focuses more on post-deposition transformations.
Soil nitrogen transfor- mations	General first-order kinetics for nitrogen transformations Nitrification:   Denitrification: Mineraliztion: does not use a highly detailed process-based equation like SWAT	Detailed process-based equations for nitrogen transformations, with consideration of environmental conditions Nitrification: Denitrification: Mineraliztion:
Nitrogen transport (Runoff and leaching)	Nitrogen in surface runoff is modeled using a flow-volume- based equation:	Detailed percolation-based nitrogen leaching into groundwater
Plant uptake	General nitrogen removal by plants	Detailed plant nitrogen uptake based on supply-demand approach
Groundwater return flow	Models nitrogen return from groundwater to surface water through baseflow	Detailed interaction between nitrogen in soil and groundwater, affecting return flow: No specific equation is provided like in HSPF

2.1.5 Phosphorus Cycle

유역의 인 순환은 주로 토양에 흡착된 인, 강우에 의한 표면 유출, 하천 및 호수 내 퇴적물과의 상호작용을 통해 발생하는 복잡한 시스템이다. 인은 일반적으로 토양에 고정되어 있지만, 강우나 퇴적물 이동에 의해 쉽게 유출될 수 있으며, 수질 오염의 주요 원인이 된다. 모델에서 정확한 인 순환 과정을 모의하는 것은 인의 유출 및 축적을 정확히 파악하고, 수질 오염 관리를 위한 효과적인 대책을 수립하는 데 필수적이다. Table 2는 HSPF와 SWAT의 주요 인 순환을 자세한 방정식으로 비교한 표이다. 질소와 마찬가지로 HSPF는 지표 유출수 및 지하수에 의한 인의 유출에 초점을 맞추었으며 대부분의 인의 순환을 간단한 1차 반응식의 형태로 제시했다. 반면, SWAT은 농경지 및 생태계에서 발생하는 인의 순환에 초점을 맞추고 있다. 특히, SWAT은 MUSLE (Modified Universal Soil Loss Equation)을 사용하여 인과 퇴적물에 결합된 인의 이동에 대한 자세한 모의를 가능하게 한다.

Table 2.

Comparison of HSPF and SWAT for Phosphorus cycle

Process	HSPF	SWAT
Atmospheric deposition	Direct phosphorus storage from deposition	Requires external input; focuses more on transformations after deposition
Phosphorus mineralization	Simplified conversion of organic phosphorus to soluble phosphorus	Detailed process-based equation
Phosphorus transport	Phosphorus transport via surface runoff and erosion	Detailed transport of soluble and sediment-bound phosphorus
Adsorption/ Desorption	First-order kinetic equation	Detailed adsorption/desorption
Plant Uptake	General phosphorus uptake by plants	Detailed supply-demand approach
Groundwater Transport	Phosphorus return flow through groundwater	Indirect transport of phosphorus through soil and groundwater interactions

2.1.6 Sediment runoff

Table 3은 HSPF와 SWAT의 주요 퇴적물의 이동을 자세한 방정식으로 비교한 표이다. HSPF는 퇴적물 모델링에 대한 보다 간단한 접근 방식을 제공하며, 표면 유출과 유속에 초점을 맞춰 퇴적물의 이동을 추정한다. 그러나 HSPF는 다양한 지형에서의 퇴적물 이동을 이해하는 데 중요한 식생 피복 및 경사도와 같은 지형 요소의 세부적인 영향은 자세하게 모의하지 않고 있다. 반면, SWAT는 보다 상세한 프로세스 기반의 퇴적물 유출 시뮬레이션을 제공하며, 특히 MUSLE을 사용하여 퇴적물 분리 및 이동을 계산한다. 따라서 침식, 토지 사용 및 지형이 퇴적물 생산량에 큰 영향을 미치는 지형에서 효과적이다.

Table 3.

Comparison of HSPF and SWAT for Sediment runoff

Process	HSPF	SWAT
Sediment detachment by rainfall	Sediment detachment equation	MUSLE equation
Sediment transport	Sediment transport based on flow velocity and sediment load	Modeled using runoff volume and peak flow, with adjustments for landscape factors like slope and vegetation cover

2.2 대상지역

옥정호의 위치는 Fig. 1에 나타난 바와 같으며, 임실군 강진면 옥정리와 정읍시 산내면 종성리 사이에 댐을 건설하여 형성된 인공호수이다. 옥정호의 총 저수량은 약 4억 6,600만톤, 만수위 저수면적은 약 26.5㎢ 이며 호남평야에 농업용수를 공급하고 전라북도 서남지역의 광역상수도 및 전주, 정읍, 김제 등 인근 도시의 생활용수를 공급하는 역할을 담당하고있다. 이러한 중요한 수자원으로서의 역할 때문에 옥정호의 수질관리가 필요하다.

Fig. 1.

Location of study basin and monitoring system

2.3 입력자료 및 모델 구축

본 모의에 공통적으로 사용된 지형조건은 국토정보플랫폼(http://map.ngii.go.kr/mn/ mainPage.do)에서 제공하는 수치표고모델(Digital Elevation Model, DEM)(Fig. 2(a))과 환경공간정보서비스(https://egis.me.go.kr/main.do)에서 제공하는 토지피복도(Landcover)(Fig. 2(b))를 사용하여 구축하였다. SWAT의 경우 구축 시 흙토람(https://soil.rda.go.kr/soil/index.j)에서 제공하는 토양도(Soilmap)(Fig. 3)를 추가적으로 사용하였다. 토양의 종류에 따라 구별하기 쉽도록 토양의 이름을 지정하고 있는데 이를 토양통이라고 하며 국내 밝혀 진 바에 따르면 405개로 분류가 되어있다. 그중 옥정호 유역은 총 80가지의 토양통을 가지고 있다.

Fig. 2.

GIS data of Okjeong lake study watershed

Fig. 3.

Soilmap of Okjeong Lake study watershed

모델 구축 기간(2012년~2021년)의 강수량을 제외한 기상자료는 기상청(https://data.kma.go.kr/)에서 제공하는 종관기상관측(ASOS) 자료를 사용하였으며, 그 중에서 구축하는 유역 내 가장 가까운 기상청 측정지점인 임실의 자료를 사용하였다. 각 모델에 사용된 기상자료는 Table 4에 나타낸 것과 같다. 강수량은 티센망(Fig. 4)을 기반으로 각 소유역 별로 적합한 강우 관측소(섬진강댐, 쌍치, 임실, 성수, 신평, 임실)를 고려하여 입력하였다.

Fig. 4.

Okjeong Lake thiessen

2.4 옥정호의 수질 및 유역 특성

2.4.1 수질 특성

옥정호 내부에 수질 관측지점은 섬진강댐1, 섬진강댐2, 섬진강댐3으로 총 3개가 있으며 각각의 위치는 Fig. 5에 나타난 것과 같다. 연구기간(2017년~2021년)의 옥정호 내부 수질은 Fig. 6에 나타내었다.

Fig. 5.

Okjeong Lake inflow streams and water quality station in Okjeong Lake

Fig. 6.

Water quality trends of Okjeong Lake

옥정호의 실제 측정 수질 자료를 분석한 결과, 연구기간(2017년~2021년)동안 TN, TP, TSS에서 전반적으로 높은 농도를 유지하고 있었다. Table 5의 수질생활환경기준 중 호소 기준에 따르면 옥정호의TN은 대부분 V등급(1.5 mg/L 이상)에 해당하여 수질이 나쁜 상태로 나타났다. 반면, TP은 주로 Ia등급(0.01 mg/L 이하)과 Ib등급(0.02 mg/L 이하) 사이에 위치하여 수질이 양호한 상태를 유지하고 있다. TSS은 대부분 Ib등급(5 mg/L 이하)을 유지하고 있으나, 일시적으로 높은 농도를 보여 수질 악화의 가능성이 존재한다. 따라서 TN은 적극적인 관리가 필요하며, TP와 TSS는 현재 상태를 유지하거나 개선하기 위한 노력이 필요하다.

2.4.2 유역 특성

옥정호로 유입되는 주요하천은 Fig. 5에 나타난 것처럼 추령천, 옥녀동천, 섬진강 등이 있다. 위 3개의 하천 중 섬진강과 추령천의 경우 수질 관측소가 존재하여 해당 유역에서 유출되는 오염물질의 양을 정량적으로 파악할 수 있으나 옥녀동천은 관측소가 존재하지 않는다. 따라서 본 연구에서는 옥녀동천의 경우 각각SWAT모델과 HSPF 모델을 사용하여 수질을 모의하였다. 유입하천 수질은 각 하천의 2017년부터 2021년까지의 연평균 수질값(mg/L)으로 표현했으며 결과는 다음 Table 6에 나타난 바와 같으며 Table 5의 수질환경기준 중 하천 기준을 토대로 분석하였다.

섬진강, 옥녀동천, 추령천의 수질 분석 결과, TP와 TSS 모두 양호한 상태를 유지하고 있는 것으로 나타났다. 섬진강의 경우, TP는 SWAT 모델에서 0.085 mg/L, HSPF 모델에서 0.049 mg/L로 II등급(≤0.1 mg/L)에 해당하며, TSS는 두 모델 모두 Ia등급(≤25 mg/L)에 해당하여 매우 양호한 상태를 유지했다. 옥녀동천과 추령천의 TP는 각각 SWAT과 HSPF 모델 모두 Ib등급(≤0.04 mg/L)에 해당하며, TSS는 두 하천 모두 Ia등급(≤25 mg/L)에 해당하여 전반적으로 수질이 양호한 상태로 평가되었다.

그러나 세부 분석 결과, 수질이 악화될 가능성이 있는 몇 가지 경향이 관찰되었다. 섬진강의 경우, TP는 SWAT 모델에서 2018년과 2020년 사이에 상승하는 경향을 보였으며, TSS는 전반적으로 일정 수준을 유지하고 있으나 2020년 이후 높아지는 추세가 나타났다. 추령천의 경우, HSPF 모델에서 TSS가 2017년에 44.474 mg/L로 매우 높은 값을 기록하였으며, 이후 2021년까지 하락했지만 여전히 높은 수준을 유지하고 있어 추가적인 관리가 필요하다.

2.5 유역모델 성능 평가 지표

유역모델의 성능 평가 지표는 모델의 성능을 평가하고 모델이 실제 자료를 얼마나 잘 예측하는지에 대한 그 정확성을 확인하는 데 사용된다. 이를 통해 모델의 신뢰성을 판단하고, 필요한 경우 모델을 개선할 수 있다. 본 연구에서 모델의 예측 성능을 평가하기 위해 결정계수(Determination of coefficient, R²), Nash Sutcliffe Efficiency (NSE), Percent Bias (PBIAS)를 사용하였으며 자세한 평가 지표의 계산 방법, 지표 값의 범위 및 최적 값에 대한 정보는 Table 7에 작성하였다. Table 8은 Moriasi et al. (2015)가 제안한 모델 성능평가를 위한 최종 평가 기준을 제시한 표이며, SWAT모델과 HSPF모델의 예측 성능을 평가하는 데 기준으로 사용된다. 각 모델이 수문 및 수질 변수(TN, TP, TSS)를 얼마나 정확하게 예측하는지 평가하며 그 성능을 ‘Very Good’, ‘Good’, ‘Satisfactory’, ‘Not Satisfactory’의 네 단계로 나누어서 제시한다.

2.5.1 결정계수(Determination of coefficient, R²)

결정계수(Determination of coefficient)는 수문 모델링 연구에서 널리 사용되는 지표로, 모델 예측과 실제 측정값 간의 상관성을 나타낸다. 그러나 높은 극단 값에 지나치게 민감하며(Krause et al., 2005), 모델 예측과 측정값 간의 가산 및 비례 차이에 민감하지 않다(Legates and McCabe, 1999). 0.0~1.0 범위의 값을 가지며, 1.0에 가까울수록 모델 예측과 실제 측정값 간의 상관성이 높다는 것을 의미한다.

2.5.2 Nash Sutcliffe Efficiency (NSE)

Nash Sutcliffe Efficiency (NSE)는 모델 예측값이 실제 측정값의 추세를 얼마나 잘 예측 하는지 판단하는데 사용된다. 일반적으로 사용되기 때문에 모델 간 성능을 비교하는 데 유용하다(Harmel and Smith, 2007; Harmel et al., 2010). 그러나 모델 편향을 반영하지 않으며 이는 모델이 일정하게 과대 또는 과소 예측하는 경우에도 높은 NSE값을 가질 수 있다는 것을 의미한다(Knoben et al., 2019). 또한, R²처럼 극단적인 값에 민감하다는 단점이 있다(Krause et al., 2005). NSE가 1일 경우 모델 예측값이 실제 측정값과 완벽하게 일치한다는 것을 뜻하며 0일경우 평균과 동일한 설명력을 가진다는 것을 뜻한다. 음수일 경우 모델 예측값이 실제 측정값과 반대 방향으로 움직인다는 것을 뜻한다.

2.5.3 Percent Bias (PBIAS)

Percent Bias (PBIAS)는 모델 예측값이 실제 측정값의 평균과 가까운 값을 생성하는지 판단하는데 사용된다. 이는 모델이 전체 자료의 경향성을 잘 반영하고 있다는 것을 나타낸다. 장기 시뮬레이션에 유용하며 NSE와 동일하게 모델 간 성능을 비교하는 데 유용하다. PBIAS가 0일 경우 모델 예측 값이 실제 측정값과 일치하며 양수일 경우 과소 예측, 음수일 경우 과대 예측하고 있음을 나타낸다. 그러나 모델이 과소 예측하는 양만큼 과대 예측하는 경우 PBIAS는 예측값이 정확하지 않더라도 0에 가까워진다. 따라서 모델 성능을 결정할 때는 다른 통계 및 그래프와 함께 사용하는 것이 바람직하다(Moriasi et al., 2015).

3. 결과 및 고찰

3.1 유역모델 성능 평가

3.1.1 유량

유량보정은 Fig. 1에 나타낸 유량측정소(좌포교, 운암교, 호암교, 섬진강댐)의 실측 자료를 바탕으로 진행하였다. 2012년부터 2016년까지의 실측 자료를 사용하여 보정하고, 2017년부터 2021년까지의 자료를 이용하여 모델의 성능을 검증하였다. 각 모델에서 유량 보정에 사용된 매개변수는 각각 Table 9와 Table 10에 나타냈다.

Table 8에서 제시한 표를 바탕으로 성능을 평가하였을 때, 유량 모의 성능 평가의 결과는 Table 11에 나타난 것과 같으며 Fig. 7에 시계열 그래프로 나타냈다. 두 모델 모두 R²와 NSE에서는 신뢰할 만한 성능을 보여주었으나 PBIAS에서는 신뢰할 수 없는 성능을 보여주었다. 이는 PBIAS가 모델 예측값이 실제 측정값의 평균과 가까운 값을 생성했을 때, 모델이 신뢰할 만한 성능을 보여준다고 평가하기 때문이다. 유량의 경우, 강우 시 유량이 급격하게 증가하는 상황이 많기 때문에 PBIAS가 이러한 유량 변동에 민감하게 반응하여 상대적으로 부정확한 결과를 낸 것으로 추정된다. 그러나 R²와 NSE두가지의 평가 지표에서 Satisfactory~Very Good의 성능을 보였으므로 SWAT모델과 HSPF모델 둘 다 실제 유량 값을 정확하게 모의 한 것으로 볼 수 있다. SWAT모델의 결과가 HSPF모델의 결과보다 높은 정확성을 보였는데 이는 보정 자동화 모듈인 SWAT-CUP의 영향으로 분석된다.

Fig. 7.

Graph of comparing flow calibration results

3.1.2 수질

수질 보정은 Fig. 1에 나타낸 수질 측정소(관촌, 운암, 추령천)에서 제공하는 TN, TP, TSS의 실측 자료를 기반으로 진행하였다. 보정에 사용된 수질 자료는 농도(mg/L) 형태로 제공되었으며, 이는 수질 측정소에서 수집된 자료의 특성 때문이다. 2012년부터 2016년까지의 실측 자료를 사용해 보정을 수행하였고, 2017년부터 2021년까지의 자료를 통해 모델의 성능을 검증하였다. 각 모델에서 유량 보정에 사용된 매개변수는 Table 12와 Table 13에 나타냈다.

Table 8에 제시된 평가 기준에 따라 성능을 평가한 결과는 Table 14에 나타난 것과 같으며 Fig. 8에 시계열 그래프로 나타냈다. PBIAS에서는 두 모델 모두 양호한 성능을 보였으나, R²와 NSE에서는 낮은 성능을 나타냈다. 이는 샘플링이 주로 평상 시에 이루어졌고, 강우 시의 샘플이 부족했기 때문으로 추정된다. 강우 시에는 오염물질 농도가 급격히 변화할 수 있는데, 자료가 이러한 변동을 충분히 나타내지 못했을 가능성이 있다. 반면, PBIAS는 평균적인 상태를 반영하기 때문에 두 모델 모두 양호한 결과를 보였다. 이는 강우 시보다는 평상시의 유역 상태를 비교적 정확하게 모의한 결과라고 해석할 수 있다. 따라서 R²와 NSE에서 다소 낮은 성능을 보였음에도 불구하고, 장기적인 관점에서 PBIAS 결과를 통해 수질 보정의 신뢰성은 충분히 있다고 판단할 수 있다.

Fig. 8.

Graph of comparing water quality calibration results

3.2 유입하천 부하량 정확성 평가

유입하천 부하량의 정확성을 평가하기 위해 추령천은 추령천 수질 관측소의 실측 자료를, 섬진강은 운암 수질 관측소의 실측 자료를 사용하여 비교하였으나 옥녀동천의 경우 해당 하천에 유효한 자료를 가지고 있는 수질 관측소가 존재하지 않아 평가를 진행할 수 없었다. 각 년도의 건기와 우기에 측정된 수질값(mg/L)의 평균으로 실제 값과 비교했으며 실제 값과 모의 값의 차이를 퍼센트(%) 형식으로 나타냈다. Fig. 9에서 나타난 바와 같이 대부분의 경우 SWAT 모델과 HSPF 모델 모두 실제 값을 정확하게 모의하지 못하였다. Table 15에서는 모델 성능 평가 지표인 PBIAS를 활용하여 두 모델의 모의 성능을 각각 비교했다.

Fig. 9.

Water quality comparison using SWAT and HSPF

SWAT 모델과 HSPF 모델 둘 다 실제 값보다 TN을 과대하게 모의하는 경향을 보였다. 특히 SWAT 모델은 섬진강 지점에서 HSPF 모델보다 TN을 더욱 과대하게 모의하는 경향을 보였다. 이는 섬진강 유역이 추령천 유역에 비하여 도시 면적이 차지하는 비중이 큰 특성을 가지고 있기 때문에 발생한 결과로 보인다. SWAT 모델 특성 상 농지에서 발생하는 질소의 순환은 자세하게 모의하지만 도시 지역에서 강우 유출수와 함께 유입되는 질소성분에 대해서는 상대적으로 정확도가 낮기 때문인 것으로 판단된다. 그러나 두 모델 모두 정확한 TN 값을 모의하는 데에는 어려움이 있었다. 이는 본 연구에서 비료에서 발생하는 질소와 비점오염물질에 대한 모의가 충분히 반영되지 않았고, 점 오염원에 대한 모의에 치중되었기 때문이라고 추정할 수 있다. 비점오염물질은 강우 시 유역에서 발생하는 오염물질의 이동에 크게 영향을 미치며, 이를 고려하지 못한 것이 TN 모의 정확도가 저조한 원인으로 분석된다.

HSPF 모델이 SWAT 모델보다 TP를 상대적으로 정확하게 모의하였으나 여전히 실제 값을 모의하는 데에는 한계가 있는 것으로 분석된다. 특히, SWAT 모델은 TP를 과대평가하는 경향이 뚜렷하게 나타났으며, 이 현상은 2018년 섬진강과 추령천 지점에서 특히 두드러졌다. 이러한 과대평가는 건기보다는 우기 시 더욱 뚜렷하게 나타났는데, 이는 강우로 인해 인의 이동이 복잡해지는 상황에서 SWAT 모델이 강우 유출수로 인한 인의 유입을 정확하게 모사하는 데 어려움을 나타낼 수 있다는 것을 시사한다. 이러한 결과는 SWAT 모델이 비점오염원의 특성을 충분히 반영하지 못한 결과일 수 있으며, 특히 강우 시 오염물질의 급격한 유출을 제대로 반영하지 못한 원인에 의해 발생한 것으로 분석된다.

TSS 결과를 보았을 때, SWAT 모델과 HSPF 모델에서 사용하는 토사유출식이 연구대상 지역의 특성을 충분하게 반영하지 못하는 것으로 보인다. 위 두가지 모델이 모두 사용하는 일반토양손실방정식 기법은 유역면적이 작은 지역에 대해 적용하는 경험식으로 본 연구와 같이 대규모의 유역에 대해 연속적인 강우 사상에 대한 모의는 정확도를 기대하기 어려울 것으로 보인다. 다만 더 복잡한 매개변수를 요하는 MUSLE를 사용하는 SWAT 모델이 HSPF 모델보다 TSS를 더 정확하게 모의하는 것으로 나타났다.

특히 2017년 우기 시 HSPF에서 모의한 TSS 값이 매우 크게 나타났으며, 이는 HSPF 모델이 강우 시 오염물질의 유출 특성을 충분히 반영하지 못했음을 시사한다. 우기에는 강우로 인해 유역 내 퇴적물의 급격한 이동이 발생하는데, HSPF 모델은 이러한 상황에서 토양 침식과 유출을 과도하게 모의한 것으로 분석된다. 이는 HSPF 모델이 TSS와 관련된 퇴적물 이동을 단기적인 강우 이벤트에 맞게 조정하지 못했기 때문에 발생한 현상으로, 한국의 특정한 지형과 토양 특성을 충분히 반영하지 못한 것이 주된 원인으로 보인다.

섬진강과 추령천의 TN, TP, TSS 농도를 모의하는데 SWAT 모델과 HSPF 모델 모두 한계가 있음을 볼 수 있었다. SWAT 모델은 TN, TP를 과대평가하는 경향을 보여주었으며 HSPF 모델은 TSS를 과대평가하는 경향을 보여주었다. 두 모델 모두 TN과 TP를 모의하는데 더 나은 정확성을 보였지만 TSS의 모의에서는 좋지 못한 정확성을 보여주었다. 그러나 많은 경우에서 실제 값과 일치하지 않았으며 이는 모든 수질 항목에서 추가 보정 또는 새로운 수질 역학 모델이 필요하다는 것을 시사한다. 또한 특정한 수질 항목에 대한 SWAT모델과 HSPF모델의 성능 차이는 유역모델링이 필요한 연구에서 유역의 특성과 연구 목적에 맞게 모델을 선택하는 것이 중요하다는 것을 보여준다.

4. 결 론

본 연구에서는 옥정호 유역으로 유입되는 유량과 주요 수질 항목인 총질소(TN), 총인(TP), 총부유물질(TSS)을 모의하기 위해 SWAT 모델과 HSPF 모델을 동시에 적용하여 이들의 예측 성능을 평가하였다. 모델의 정확성을 평가하기 위해 결정계수(R²), Nash-Sutcliffe Efficiency (NSE), Percent Bias (PBIAS) 등의 성능 평가 지표를 사용하였다.

그 결과, SWAT 모델은 TN과 TP 농도를 과대평가하여 해당 항목의 모의 정확성이 낮았으며, 특히 강우량이 많은 우기 시에 이러한 과대평가 현상이 두드러졌다. 이는 비점오염원에 대한 모의가 정확하지 않다는 점을 보여준다. 반면, 본 연구에서 HSPF 모델은 TN과 TP 모의에서 SWAT 모델보다 상대적으로 높은 정확성을 보였으나, TSS 모의에서는 신뢰할 수 없는 결과를 나타냈다.

SWAT과 HSPF 모델 모두 각각 뚜렷한 장단점을 가지고 있기 때문에, 연구 목적과 유역 특성에 따른 모델 선택이 필수적이다. 연구결과, 옥정호 유역의 경우 토사 유출을 모의하는 데는 SWAT 모델이 더 적합하며, 수질 농도 예측에는 HSPF 모델을 활용하는 것이 더 효과적일 것으로 판단된다. 하지만, 두 모델 모두 질소와 인의 거동을 정확히 파악하지 못한 것으로 보이며, 이러한 문제는 추후 연구 및 정책 수립과정에 어려움을 줄 수 있다. 그렇기 때문에 각 모델에서 질소와 인의 거동을 파악하는 것은 매우 중요하다. 본 연구에서는 유역의 특성 및 시기적인 특성을 반영하는 질소와 인의 거동에 대한 심도 있는 분석을 다루지 않았으며, 이러한 내용에 대한 후속 연구가 필요하다. 이를 통해 두 모델의 한계를 보완하고, 옥정호 유역의 수질 관리와 오염 부하 예측을 더욱 정밀하게 모의할 수 있을 것이다.

또한, TSS 모의에서 낮은 정확성을 보였는데, 이는 세계적으로 사용되는 토사 유출식이 연구대상지역의 토양 및 지형적 특성을 충분히 반영하지 못한 결과로 분석된다. 특히 강우 시 TSS의 실측 자료가 부족해, 정확한 현장 조건을 반영하는 데 어려움이 있었다는 점이 주요 원인으로 판단된다. 따라서 해당 지역의 토양 및 지형 특성에 맞는 토사 유출, 퇴적물 이동 및 영향을 보다 정확하게 설명하기 위한 추가 연구가 요구된다.

향후 연구에서는 SWAT과 HSPF 모델 간의 예측 성능과 각 모델의 장단점을 고려하여 하이브리드 모델링 접근법을 도입하거나, 한국의 실정에 맞는 새로운 모델을 개발하여 예측 정확도를 높이는 방안을 도입할 필요가 있다. 이를 통해 옥정호 유역의 수질 관리 및 오염 부하량 예측의 정확도를 향상시키고, 보다 효과적인 수질 관리 정책 수립에 기여할 수 있을 것이다.