1. 서 론
2. 연구방법
2.1 국내 물환경측정망의 관측체계 및 운영 현황
2.2 연구범위 및 연구 대상 지점
2.3 자료 수집
3. 연구결과
3.1 총질소(T-N) 오염부하량 평가
3.2 총인(T-P) 오염부하량 평가
3.3 특정 강우이벤트에서 총량측정망의 한계
4. 결 론
1. 서 론
도시화와 산업화의 가속으로 국내 유역 환경은 크게 변화하고 있으며, 그 결과 하천으로 유입되는 오염물질의 양이 증가하고 있다. 일정 수준을 초과한 오염물질은 수질 악화를 초래하여 어류 폐사, 녹조 발생, 악취 유발 등 수질오염과 생태계 변화를 야기한다(Park and Park, 2008). 이러한 기후위기 시대에 다양한 수질오염 문제를 해결하기 위해 과학적인 관리방안이 필요한 실정이다.
현재 국내 수질측정은 현장에서 직접 채수한 샘플을 바탕으로 실험실 기반의 수분석이 이루어지고 있으나 이는 시간적, 재정적, 인력적 소요가 크며 실험자의 숙련도에 따른 차이가 측정결과의 오차로 발생할 가능성이 존재한다. 또한, 하천의 영양소는 수문학적 변화, 기후 조건, 수리구조물 운영 등에 따라 급격하게 변화하는데 이는 수질 악화를 조기 감지하는 데는 한계가 존재한다(Baik et al., 2020; Yoon et al., 2021). 국내 유량 측정의 경우에도, 국가 하천 중심으로만 수행되고 있으며, 소하천이나 지류에서는 측정이 제한적이다. 현장 측정 또한 인력 및 비용 문제가 나타나는데, 인력접근이나 실측으로 인한 위험성 문제가 대두되고 있다. 또한 수위자료를 활용하여 수위-유량관계곡선식에 기반한 간접 유량 산정은 고수위 구간의 자료 부족으로 불확실성을 내포하고 있다(Kim et al., 2016; Song et al., 2023).
이러한 수질 및 유량 측정을 바탕으로 국내에서는 수질오염총량제를 도입하고 있다. 수질오염총량제는 하천 구간별 목표 수질을 정하고, 그 목표 수질을 달성하기 위한 오염물질의 배출총량을 산정하여 유역에 속한 지·자체별로 할당함으로써 배출되는 수질오염물질의 총량을 허용 총량 이내로 관리하는 제도로 농도규제 중심의 수질오염원 관리 방식의 한계를 보완하기 위하여 도입된 정책 수단이다(Lim and Seo, 2024a). 그러나 현행 총량 관리 체계는 8일 간격의 저빈도 시료 채취에 의존하고 있어, 강우 유출이나 돌발 유량 변동과 같은 단기 고부하 사상을 충분히 포착하지 못한다. 이에 따라 부하량이 과소 또는 과대 산정될 수 있으며, 유량 변화에 따른 실질적 수질 변동을 반영하지 못하는 문제가 발생한다. 이러한 한계를 보완하기 위해 최근에는 고빈도 실측자료를 활용한 부하량 평가의 필요성이 제기되고 있다(Henjum et al., 2010; Miller et al., 2023).
센서 기술의 발전은 기존의 모니터링 체계가 가진 시·공간적 한계를 보완할 수 있는 대안으로 주목받고 있다(Hayat et al., 2019; Mao et al., 2019). 자동수질측정망을 통해 확보되는 화학적·생물학적 센서 기반 수질 데이터는 기존의 주기적 채수 방식에 비해 연속적·고빈도의 자료를 제공하며, 유량 센서 또한 수위-유량 관계식에 의존하는 추정 방식의 불확실성을 줄여 실측 기반의 유량 확보를 가능하게 한다. 이러한 센서 기반 측정은 부하량을 직접 산정하거나, 가상 센서(virtual sensor) 모델을 활용한 보완·예측 기법으로 확장될 수 있어 오염총량관리에서 점점 더 중요한 역할을 담당할 것으로 기대된다(Jaywant and Arif, 2019).
우리나라의 국가측정망은 수량과 수질 관측이 분리되어 운영되고 있으며, 각 측정망들은 서로 연계되지 않은 채 독립적으로 관리되고 있다. 이러한 구조는 수질·유량·부하량 자료를 일관성 있게 확보하기 어렵고, 측정망 간 시간적 불일치와 유량과 수질의 동시적 변화를 반영한 부하량 산정에 한계를 가져오며, 실제 유역 관리와 오염총량제 평가에서도 제약을 초래한다. Lee et al. (2009)은 기존의 국가측정망이 분절적으로 운영되고 있어 효율적인 수자원 관리가 어렵다는 점을 지적하며, 수량과 수질을 통합적으로 연계 운영할 수 있는 체계 구축이 필요함을 강조하였다. Lim and Seo (2024b)는 금강수계의 수질오염총량 측정망 자료를 활용하여 오염총량관리 체계의 취약성을 평가하였다. 연구 결과, 현행 측정망의 저빈도 운영 특성으로 인해 실제 오염부하의 급격한 변동을 반영하기 어려우며, 이는 총량관리의 신뢰성을 저하시킬 수 있음을 지적하였다.
이에 본 연구는 현행 자동측정망(자동수질측정망, 자동유량측정망)을 연계 분석하여 고빈도 부하량 데이터 확보 가능성을 검토하는 것을 주요 목표로 하였다. 기존의 저빈도 관측체계가 포착하지 못했던 강우사상에서의 오염부하량 변동 과정을 파악할 수 있었다. 따라서 본 연구는 현행 측정망을 연계 분석하여 고빈도 오염부하량 데이터를 검토함으로써 센서 기반 고빈도 측정망을 활용한 오염부하량 산정 방법론의 실질적 적용 가능성을 제시하였다.
2. 연구방법
2.1 국내 물환경측정망의 관측체계 및 운영 현황
국내 물환경측정망은 운영 목적에 따라 위치, 측정빈도, 측정일자, 측정항목 등이 상이하다. 본 연구에서 사용한 측정망은 자동수질측정망, 자동유량측정망, 총량측정망이다(Fig. 1).
2.1.1 자동수질측정망
자동수질측정망은 전국 주요하천 및 호소에 수질자동측정소를 설치·운영하여 실시간으로 수질 현황 및 오염도를 측정·감시한다. 주로 공통항목 5개인 수온, pH, 전기전도도(Electric Conductivity), 용존산소(Dissolved Oxygen), 총유기탄소(Total Organic Carbon), Chl-a 등의 기본 수질 항목을 측정하며, 선택항목 27개인 탁도(Turbidity), 총질소(T-N), 총인(T-P) 등을 측정한다. 측정주기는 주로 시간별 자료나 일별자료로 제공되며, 한강권역 23개소수, 낙동강권역 31개소수, 금강권역 13개소수, 영산·섬진강권역 10개 소수로 총 77개소수가 운영되고 있다.
2.1.2 자동유량측정망
자동유량측정망(자동유량측정시설)은 하천의 유량을 측정하기 위한 실시간 유량 측정 시스템으로 하천단면의 수위와 유속을 일정시간 간격으로 연속 측정하여 유량을 제공한다. 자동유량측정망은 초음파 유속계를 이용해 하천단면의 수위와 유속을 일정 간격으로 측정함으로써, 수위-유량관계곡선의 불확실성을 줄이고, 배수영향 구간에서도 안정적인 유량 산정이 가능하다(Lee et al., 2009; Demir and Sonmez, 2025). 측정주기는 주로 10분단위로 측정되며, 한강권역 22개소수, 낙동강권역 25개소수, 금강권역 11개소수, 영산·섬진강권역 13개소수로 총 71개소수가 운영되고 있다.
2.1.3 총량측정망
총량측정망은 수질오염총량관리 시행지역의 수질현황과 단위 유역의 수질 등에 대한 기초자료 확보와 이행평가를 목적으로 수행된다. 연간 36회 이상 평균 8일 간격으로 측정하고 있으며 주로,수온, pH, 용존산소(Dissolved Oxygen), BOD (Biochemical Oxygen Demand), COD (Chemical Oxygen Demand), TOC (Total Organic Carbon), SS (Suspended Solids), 총질소(T-N), 총인(T-P), 전기전도도, 유량이다. 주로 현장에서 직접 채수한 시료를 실험실에서 분석하여 주요 오염항목을 산정하며, 유량은 도선법, 횡측선법, 교량법과 같은 측정방법을 통해 수위관측 및 유량측정을 진행한다. 총량측정망의 경우는 강우나 유량 급변 시 단기 부하량 변화를 충분히 반영하지 못한다는 저빈도 관측체계의 문제가 대두되고 있다(Kim and Yi, 2011; Lim and Seo, 2024a).
2.2 연구범위 및 연구 대상 지점
본 연구에서는 낙동강 유역을 연구 대상지점으로 선정하였다. 낙동강 유역은 각종 산업이 발달하고 농촌지역, 도시지역, 산업공단지역 등 다양한 형태의 오염원 배출환경이 조성되어 있으며 이 오염물질들은 낙동강으로 유입되어 수질을 악화시키고 있다(Park et al., 2014; Ahn et al., 2016). 낙동강 유역 내 자동수질측정망과 자동유량측정망을 활용하였다. 공간적으로 총량측정망과 인근 지점을 기준으로 주요 두 지점을 연구 대상으로 선정하였다(Fig. 2).
2.3 자료 수집
본 연구에서는 낙동강 유역 내 주요 2개 지점인 Site1(칠곡보 상류), Site2(강정고령보 상류)의 수질자료는 국가측정망인 물환경정보시스템(http://water.nier.go.kr)에서 수집하였고, 유량자료는 낙동강 홍수통제소(https://www.nakdongriver.go.kr)에서 수집하였다. 2015년 1월부터 2024년 12월까지 자동수질측정망, 자동유량측정망과 총량측정망의 일자료를 수집하였다. 각 측정망은 동일 지점에 설치된 것은 아니나, 동일 유역 내 인접한 구간에 위치하고 있다. 지점 간의 공간적 이격으로 인해 지류유입, 유속 차이, 오염원 분포 등으로 수질·수리 조건이 다를 가능성이 존재하고, 이러한 요인은 부하량 산정 시 잠재적으로 불확실성을 유발할 수 있다(Yi et al., 2009). 오염부하량 산정을 위해 각각 Total Nitrogen (T-N), Total Phosphorus (T-P), 유량(Flowrate) 자료를 수집하여 연구에 활용하였다. Site별로 사용된 측정망은 Table 1에 수질 및 유량 항목은 Table 2에 나타내었다.
Table 1.
Locations of automatic monitoring networks and total load monitoring networks at each study site
Table 2.
Parameters measured by each monitoring network
자동측정망과 총량측정망 간의 비교를 위해, 저빈도 관측일자에 해당하는 시점을 기준으로 자료를 추출하였다. 자동수질측정망과 자동유량측정망의 각각 수질농도와 유량을 추출하여 자동측정망의 부하량을 계산하였다. 부하량(Load)은 농도(C, mg/L)와 유량(Q. m3/s)의 곱으로 정의되며 아래 Eq. (1)과 같이 계산하였다.
3. 연구결과
본 연구에서는 낙동강 본류 내 두 구간(Site1 : 칠곡보 상류, Site2 : 강정고령보 상류)을 대상으로 수량-수질 연계분석을 통한 오염부하량을 산정하였다. 각 지점에 대한 자동측정망의 부하량과 총량측정망의 부하량을 비교함으로써, 오염부하량을 산정할 때 고빈도 데이터와 저빈도 데이터의 영향을 검토하였다.
3.1 총질소(T-N) 오염부하량 평가
총질소(T-N) 부하량은 Site 1과 Site 2 모두에서 자동측정망과 총량측정망 간 전반적으로 높은 상관성을 보였다(Fig. 3). 자동측정망과 총량측정망은 동일한 기간 동안 두 측정망이 일치하는 자료만 추출하여 비교하였다(Fig. 3). 각 측정망의 자료수, 결측일수, 평균·최대·최솟값 등 통계자료를 Table 3에 나타내었다.
Table 3.
Descriptive statistics of T-N load estimated from automatic and total load monitoring networks
Site 1과 Site 2에서의 T-N 부하량 시계열 비교 결과를 Fig. 3에 나타내었다. 두 지점 모두에서 자동측정망과 총량측정망 간 높은 일관성을 보이며, 전반적인 변동 패턴이 유사하게 나타냈다. Site 1에서는 자동측정망이 총량측정망보다 평균적으로 높은 부하량을 산정하였으며, 두 측정망 간 결정계수()는 0.925로 높은 일관성을 보였다. Site 2 또한 유사한 경향을 보였으며, =0.931로 매우 높은 일관성을 확인하였다.
3.2 총인(T-P) 오염부하량 평가
총인(T-P) 부하량은 Site 1과 Site 2 모두에서 자동측정망과 총량측정망 간 차이가 크게 나타났으며, 상관성도 T-N에 비해 낮았다(Fig. 4). 자동측정망과 총량측정망은 동일한 기간 동안 두 측정망이 일치하는 자료만 추출하여 비교하였다. 각 측정망의 자료수, 결측일수, 평균·최대·최솟값 등 통계자료를 Table 4에 나타내었다.
Table 4.
Descriptive statistics of T-P load estimated from automatic and total load monitoring networks
Site 1과 Site 2에서의 T-P 부하량 시계열 비교 결과를 Fig. 4에 나타내었다. Site 1에서는 두 측정망 간 전반적으로 유사한 변동 경향을 나타내었지만 T-N 부하량보다 낮은 상관성을 확인하였다(=0.726). Site 2의 경우, 총량측정망의 부하량이 자동측정망보다 과대 산정되는 시기를 확인할 수 있었다(2016년 7월 5일). 해당 측정일자에는 총량측정망의 T-P농도(0.142 mg/L)가 자동측정망(0.027 mg/L)보다 약 5.3배 높게 관측되는 등 두 관측망 간에 편차가 발생하였다. 이러한 차이는 동일 시점의 농도가 상이하게 측정됨에 따라 부하량 산정 결과에도 오차를 초래할 수 있다. 총인(T-P)은 총질소(T-N)와 달리 입자상 비율이 높아 강우 시 퇴적물의 재부유나 비점오염 유입 등에 단기간에 급격하게 변화하는 반면, 총질소는 용존성 형태의 비율이 높아 상대적으로 안정되어 있다(Wang et al., 2025). 또한 강우 시 탁도·입자 특성 변화에 따라 T-P의 오차가 나타날 수 있다(Kamari et al., 2020). 이러한 특성으로 인해 부하량 산정 시 과대 또는 과소 추정의 불확실성이 발생하며, 특히 저빈도 관측체계는 강우 시 급변하는 수질 및 유량 변화를 충분히 포착하기 어려운 구조적 한계가 존재한다.
3.3 특정 강우이벤트에서 총량측정망의 한계
Figs. 5 and 6은 Site 1(강정고령보 상류) 지점의 2015년 1월 1일부터 2024년 12월 31일까지 10년간의 홍수기(Flood season)를 대상으로 총질소(T-N)부하량과 총인(T-P)부하량의 시계열 변동을 강우량과 함께 나타낸 것이다. 홍수기 동안 강우가 집중되는 7~8월 기간에는 일시적 유량 급증과 함께 오염물질의 농도가 크게 변동하며, 짧은 시간 내에 부하량이 급격히 증가하는 경향을 보였다. 이러한 변동성은 비점오염원의 유입, 퇴적물 재부유 등 복합적인 요인에 의해 발생한다(Zhang et al., 2008; Wen et al., 2025). 이러한 단기 변동성은 고빈도 자동측정망에서는 명확히 관측되었으나, 총량측정망의 8일 간격 저빈도 관측체계에서는 피크 전후의 변화를 연속적으로 반영하기 어려웠다. 특히, 자동측정망은 강우 직후의 급격한 농도·유량 상승 구간을 실시간으로 포착하여 단기 부하 피크를 재현하였으나, 총량측정망은 관측 주기가 길어 강우 시점의 최대 부하를 놓치는 사례가 다수 확인되었다. 이로 인해 홍수기 동안의 누적 부하량 산정 시 저빈도 관측망은 실제 부하량을 과소 또는 과대평가할 가능성이 존재한다.
결과적으로, 총량측정망의 구조적 특성상 단기적 수질·유량 변동성을 포착하는 데에는 한계가 존재한다. 반면 자동수질측정망과 자동유량측정망을 결합한 고빈도 관측체계는 홍수기와 같은 비정상 유량 조건에서 부하량 산정의 시간 해상도와 정확도를 향상시킬 수 있음을 확인하였다(Grinham et al., 2024). 이러한 결과는 고빈도 관측망이 총량측정망의 시간적 공백을 보완하며, 극한 강우사상 시 오염부하량의 실시간 변화를 효과적으로 반영할 수 있음을 시사한다. 그러나 자동측정망 또한 센서오염, 주기적 점검, 통신 장애 등에 따라 단기·장기 결측이 발생할 수 있으며, 이로 인해 자료의 연속성과 신뢰도가 저하되는 한계가 존재한다(Delgado et al., 2021; Harmel et al., 2023).
4. 결 론
본 연구는 낙동강 본류의 두 지점(Site1: 칠곡보 상류, Site2: 강정고령보 상류)을 대상으로 자동수질측정망과 자동유량측정망의 고빈도 관측자료를 연계하여 오염부하량을 산정하고, 총량측정망의 저빈도 자료와 비교·분석함으로써 현행 수질-유량 측정망 체계의 한계를 진단하고 개선 방향을 제시하였다.
분석 결과, 총질소(T-N)의 경우 자동측정망과 총량측정망 간의 결정계수()가 0.920 이상으로 나타나 두 측정망 간의 일관성이 매우 높았다. 특히 자동측정망은 강우 사상 직후의 부하량 급증을 민감하게 포착하여 총량측정망이 반영하지 못한 단기적 부하량 변동을 정밀하게 포착하였다. 반면 총인(T-P)은 상관성이 상대적으로 낮았으며, 측정망 간 농도 차이가 크게 발생하는 구간이 확인되었다. 이는 강우 시 부유물질의 재부유 및 비점오염원의 유입 등 비선형적 변화가 8일 간격으로 수행되는 저빈도 채수 기반 측정망에서는 반영되지 못했기 때문으로 해석된다. 이러한 결과를 종합하면, 자동수질측정망과 자동유량측정망을 연계한 고빈도 측정망은 총량측정망의 시간적 해상도 한계를 효과적으로 보완할 수 있음을 확인하였다. 센서 기반 고빈도 관측체계는 실시간으로 수질과 유량을 연속적으로 측정함으로써 기존의 저빈도 관측체계가 포착하지 못했던 오염사상의 발생 시점과 회복 과정을 정량적으로 파악할 수 있었다. 따라서 본 연구는 현행 측정망을 연계 분석하여 고빈도 오염부하량 데이터를 검토함으로써 센서 기반 고빈도 측정망을 활용한 오염부하량 산정 방법론의 실질적 적용 가능성을 제시하였다. 그러나 본 연구는 자동수질측정망과 자동유량측정망이 동일 지점에 설치되어 있지 않다는 공간적·구조적 한계를 가진다. 두 지점은 동일 수계 내 인접한 위치에 존재하지만, 지점 간 거리차이로 인해 지류유입, 수리조건의 차이 등의 영향이 나타날 수 있으며 이는 농도와 유량의 동시성을 저해하여 부하량 산정 과정에서 불확실성을 유발할 가능성이 있다. 또한 자동측정망은 센서 오염, 점검, 통신 장애 등에 따라 단기·장기 결측이 발생할 수 있어 자료의 연속성과 신뢰도가 저하될 수 있으며, 이러한 특성은 고빈도 관측의 장점에도 불구하고 부하량 산정 시 또 다른 불확실성을 초래할 수 있다.
향후, 수질·유량 센서를 동일 지점에 위치된 통합관측망을 구축하여 공간적 오차를 최소화하고, 고빈도 자료의 신뢰성과 부하 산정의 정확도를 향상시킬 필요가 있다. 또한, 센서 기반 측정망을 활용하여 인공지능(AI) 및 머신러닝 기반의 가상센서와 결합함으로써 측정 공백 보완 및 실시간 오염부하량 변동성 파악이 가능한 예측형 관리 체계로의 발전이 가능할 것으로 기대된다. 이러한 방안은 오염부하량 산정 정확도를 향상시키고, 정적 평가 중심의 기존 체계에서 동적 예측 기반 오염부하량 관리 체계로 변화를 기대할 수 있다.
