2.1 집중형 강우-유출모형의 개요

2.1.1 IHACRES (Identification of unit Hydrographs and Component flows from Rainfall, Evaporation and Streamflow data)

IHACRES는 유역의 기온 및 강수를 입력자료로 하여 유출량을 모의하는 집중형 모형으로^{(Jakeman et al., 1990)}, Fig. 1에서 보는 바와 같이 유효강수를 산정하는 비선형 손실 모듈, 유효강수를 유출량으로 산정하는 두가지 선형 모듈로 구성되어있다. 비선형 손실 모듈로 유역수분결핍(Catchment Moisture Deficit, CMD)을 활용하였으며, 선형 모듈은 지수성분전달함수(Exponential Components Transfer Function)을 활용하여 홍수추적을 모의한다.

비선형 손실 모듈인 유역수분결핍은 다음과 같은 식을 이용하여 산정하였다.

(1)

$M[t]= M[t-1]- P[t]+ET[t]+U[t]$

여기서, $M$은 유역수분결핍(mm/d)을 나타내며, 최소값은 0이다. $P$는 면적 강수량(mm/d), $ET$는 증발산(mm/d), $U$는 유효 강수량(mm/d), $t$는 시간(d)을 나타낸다. 강수에 대한 유효강수의 비($\dfrac{d U}{d P}$)는 $M=d$의 임계점을 가지고, 다음과 같은 선형식으로 표현된다.

(2)

$\dfrac{d U}{d P}=1-\min\left(1,\: \dfrac{M}{d}\right)$

증발산 또한 $M = f× d$에서 임계값을 갖는 유역수분결핍의 함수이다. 여기서 $f$, $d$는 각각 유역수분결핍의 스트레스 임계값(-), 유역수분결핍 중 유출을 발생하는 임계값(mm/d)이다. 증발산의 산정은 $M_{f}$를 기반으로 하며, 이는 강수량과 유효강수를 제외한 유역수분결핍이다. 증발산은 다음과 같이 산정한다.

(3)

$ET[t]=e E[t]\min\left[1,\: \exp\left\{2\left(1-\dfrac{M_{f}}{fd}\right)\right\}\right]$

여기서, $e$는 잠재증발산 산정을 위한 계수(-)이다.

선형 모듈인 홍수추적은 느린유출($X_{s}$, mm/d)과 빠른유출($X_{q}$, mm/d)로 구분하여 산정되며, 총 유출량($X$, mm/d)은 다음과 같이 산정된다.

(4)

$X[t]=X_{s}[t]+X_{q}[t]$

여기서, 느린유출과 빠른유출은 다음과 같은 식으로 산정된다.

(5)

$X_{s}[t]=\alpha_{s}\times X_{s}[t-1]+\beta_{s}\times U[t]$

(6)

$X_{q}[t]=\alpha_{q}\times X_{q}[t-1]+\beta_{q}\times U[t]$

여기서, $\alpha_{s}$, $\alpha_{q}$는 각각 느린, 빠른 유출에 해당하는 감소계수(-)이다. $\beta_{s}$, $\beta_{s}$는 각각 느린, 빠른 유출에 해당하는 응답계수(-)이다. 아래첨자 $s$와 $q$는 각각 느린유출과 빠른유출을 의미한다. 감소계수와, 응답계수는 각각 시간의 경과에 대한 느린유출과 빠른유출의 시간 상수($\tau$)와, 부피의 비율($\nu$)로 나타내며, 다음과 같은 식으로 표현된다.

(7)

$\tau =\dfrac{-1}{\log(\alpha)}$

(8)

$\nu =\dfrac{\beta}{(1-\alpha)}$

응답계수와 부피비율은 느린유출과 빠른유출에 대해여 각각 산정하였다. IHACRES 모형 매개변수의 종류와 내용은 Table 1에서 보는 바와 같다.

Table 1. Description of IHACRES Parameters (Jakeman et al., 1990)

Parameter	Description
$d$	CMD threshold for producing flow (mm/d)
$e$	Temperature to potential evapotranspiration conversion factor (-)
$f$	CMD stress threshold as a proportion of d (-).
$\tau_{s}$	Time constants for the exponential components for slow flow (-)
$\tau_{q}$	Time constants for the exponential components for fast flow (-)
$\nu_{s}$	Fractional volumes for slow flow (0-1)

Fig. 1. Schematic Diagram of IHACRES (Modified from Jakeman et al., 1990)

2.1.2 GR4J (Génie Rural à 4 paramètres Journalier)

GR4J 모형은 토양수분과 하도저류를 저류지 형태 구조를 통해 개념화한 집중형 강우-유출 모형이다^{(Duan et al., 2006; Im et al., 2012)}. 비교적 적은 수의 매개변수를 사용하지만 미계측유역과 같이 수문기상 및 토양, 토지이용 등 유역의 물리적 특성에 대한 자료 수집이 어려운 경우에도 실용적으로 적용할 수 있으며, 유역의 유출을 비교적 우수하게 재현하는 것으로 알려져 있다^{(Shim et al., 2021)}. GR4J 모형은 X1부터 X4까지 4개의 매개변수가 있으며(Table 2), 두 개의 저류지 모듈과 두 개의 단위유량도를 적용한다. 또한 차단, 토양수분저류, 홍수추적의 3단계 과정을 거쳐 강우-유출과정을 모사한다(Fig. 2). GR4J모형은 연속적 일 단위 계산을 수행하며 시간변수를 제외한 모든 단위는 mm로 표현된다. 입력자료인 강수와 잠재증발은 첫번째 토양수분 저류지에서 침루 등과 함께 고려된 후 유효강수량으로 환산된다. 두 번째 저류지에서는 단위유량도를 통해 흘러온 유효 강수량 중 침투되는 양을 고려하게 되는데, 여기서 유효강수량의 90 %는 하천으로 유입되고, 나머지 10 %는 지표면을 통해 유출되게 된다. 최종적으로 위 두 과정의 유량을 합산하여 유역 유출이 산출된다^{(Kim et al., 2018)}.

GR4J 모형에서의 토양수분저류량($S$)은 토양수분저류량에 관련된 강수량($P_{s}$)과 증발산량($E_{s}$), 그리고 침투량($P_{e}$)에 의해 산정되며 최대값은 최대토양수분저류량($X1$)이며, 아래식으로 표현된다.

(9)

$S[t]=\max(S[t-1]+P_{s}-E_{s}-P_{e},\: X1)$

여기서, 토양수분저류량에 관련된 강수량과 증발산량은 순강수량($P_{n}$)와 순증발산($E_{n}$)의 함수로, 입력자료인 강수량($P$)과 잠재증발산량($E$)의 관계로 다음과 같다.

(10)

$\begin{cases} P_{n}=P-E,\: E_{n}=0,\: {if}{P}\ge{E}\\ {P}_{{n}}=0,\:{E}_{{n}}={E}-{P},\: {if}{P}<{E} \end{cases}$

여기서, $P≥E$인 경우, 순간우량의 일부는 토양수분저류량으로 전환($P_{s}$)되며, 아래 식으로 산정된다.

(11)

$P_{S}=\dfrac{X1\left(1-\left(\dfrac{S}{X1}\right)^{2}\right)\tan h\left(\dfrac{P_{n}}{X1}\right)}{1+\dfrac{S}{X1}\tan h\left(\dfrac{P_{n}}{X1}\right)}$

여기서, $X1$은 유역내 최대토양수분저류량이다. 만약 $P<E$ 경우라면, 토양수분저류량에 따라 토양수분저류량에 미치는 증발산량($E_{s}$)은 다음과 같이 산정된다.

(12)

$E_{s}=\dfrac{S\left(2-\dfrac{S}{X1}\right)\tan h\left(\dfrac{E_{n}}{X1}\right)}{1+\left(1-\dfrac{S}{X1}\right)\tan h\left(\dfrac{E_{n}}{X1}\right)}$

토양수분저류량에서 침투량인 $P_{e}$는 아래와 같은 식으로 표현된다.

(13)

$P_{e}=S\left\{1-\left[1+\left(\dfrac{4}{9}\dfrac{S}{X1}\right)^{4}\right]^{-1⁄4}\right\}$

위에서 산정된 침투량, 순강수량, 토양수분저류량을 고려하여 다음과 같은 홍수추적량($P_{r}$)을 산정한다.

(14)

$P_{r}=P_{e}+(P_{n}-P_{s})$

여기서, 선형홍수추적량의 90 %는 단위유량도 $UH1$, 10 %는 단위유량도 $UH2$로 홍수추적 과정을 적용한다. 단위유량도 $UH1$과 $UH2$는 시간변수인 X4에 따라 결정된다. 두 단위유량도는 S-Curve인 $SH1$과 $SH2$에 의하여 산정된다. $SH1$은 아래와 같은 식으로 산정된다.

(15)

$\begin{cases} SH1(t)=0,\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\: {if}{t}\le 0\\ {SH}1({t})=\left(\dfrac{{t}}{{X}4}\right)^{\dfrac{5}{2}},\;\;\;\;\;\;\;\: {if}0<{t}<{X}4\\ {SH}1({t})=1,\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\: {if}{t}\ge{X}4 \end{cases}$

$SH2$도 비슷한 방식으로 산정되며, GR4J의 수문과정에 대한 보다 세부적인 설명은 ^{Kim et al.(2018)} 등의 연구를 참고할 수 있다. 본 연구에서 GR4J 모형은 airGR이라고 하는 7개의 GR 계열 강우-유출모형과 매개변수 최적화 모듈, 가시화 모듈을 포함하는 R 소프트웨어 패키지를 통해 적용하였다^{(Coron et al., 2017; Coron et al., 2022)}.

Fig. 2. Schematic Diagram of GR4J

Table 2. Description of GR4J Parameters (Perrin et al., 2003)

Parameter	Description
X1	Maximum capacity of production store (mm)
X2	Groundwater exchange coefficient (mm)
X3	Maximum capacity of routing store (mm)
X4	Time peak ordinate of hydrograph unit UH1 (day)

2.2 연구대상지역 개요 및 입력자료 구축

연구지역은 유역면적이 유사한 합천댐 유역(925 k㎡)과 섬진강댐 유역(763 k㎡)으로 선정하였다(Fig. 3). 연구 기간은 기후변화 공통사회경제경로(Shared Socioeconomic Pathways, SSP) 시나리오의 기준 기간과 동일하게 1995년부터 2014년을 연구기간으로 선정하였다. 모형의 기온 입력자료는 기상관측소 자료를 활용하여 구축하였으며, 강우 입력자료는 티센망법을 사용하여 점강우를 면적강우로 환산하였다. 합천댐 유역은 강우관측소(14개)와 기상관측소(1개)를 사용하였으며, 섬진강댐 유역은 강우관측소(7개)와 기상관측소(2개)를 사용하였다. 각 관측소의 결측을 보완하기 위하여, 역거리 가중법을 활용하여 적용지역의 기상관측소 결측을 보완하였다.

GR4J 모형의 입력자료에 사용되는 잠재증발의 경우 ^{Oudin et al.(2005)}이 제시한 기온 기반 방정식을 사용하였으며 그 식은 다음과 같다.

여기서, $R_{e}$는 외계태양복사(${MJ}m^{-2}d^{-1}$)이고, T는 2 m 높이에서의 평균기온(°C)이다^{(Oudin et al., 2010)}.

합천댐 유역의 기준 시나리오 기간(1995년부터 2014년)의 연강수 평균과 표준편차는 각각 1339.71 mm, 12.13 mm이고, 섬진강댐의 경우는 각각 1424.42 mm, 12.20 mm이다. 각 연구 지역의 연평균 강수는 84.72 mm 정도의 차이를 보인다. 또한 각 표준 편차는 강수가 많은 연도와 그렇지 않은 연도를 나타내는 지표로 나타낼 수 있다. 합천은 섬진강보다 연평균 강수가 비교적 작음에도 불구하고, 연도별 강수의 편차가 섬진강댐 유역과 유사한 강수의 특성을 가지고 있다. 기준시나리오 기간의 경우 연 평균기온과 여름철 평균 기온은 합천댐 유역의 경우에는 각각 11.97 °C, 22.71 °C이며, 섬진강댐의 경우 각각 11.10 °C, 22.41 °C이다. 두 연구지역의 연평균과 여름철 평균 기온이 비슷하였으며, 연 평균 기온에 비하여 여름철의 평균 기온이 대략 2배 정도 높은 것으로 나타났다.

Fig. 3. Study Site: (a) Hapcheon Dam Basin and (b) Seomjingnag Dam Basin. The Blue and Red Triangles Represent Precipitation and Weather Stations, Respectively. The Black Trapezoids Represent Dam Locations where Inflow was Simulated

2.3 강수 및 기온 변동 시나리오 구축

본 연구에서는 기후변화로 인한 강수 및 기온 변화에 대한 두 모형의 유출 전망 불확실성을 평가하기 위하여 기후 스트레스 시나리오를 구축하였다. 기후변화에 따라 강수 강도 및 변동성 증가가 예상되고 있다^{(Kim et al., 2020)}. 즉, 무강우 지속시간 및 총 연간 강수량의 증가가 예측되고 있으며 그 경향은 시 ‧ 공간적으로 상이한 특성을 가지고 있다. 대기 온도 역시 여름철 온도가 겨울철 온도 보다 더 큰 증가를 가져올 수도 있으며, 겨울철 온도는 오히려 감소될 가능성이 있다고 평가되었다^{(KMA, 2020)}. 이는 과거 통계적 양상이 미래에도 유지될 것이라는 정상성의 가정이 더 이상 유효하지 않는다는 것을 의미한다.

하지만, 본 연구에서는 과거 사상에 대한 모의능력이 검증된 모형에 대하여 모형 자체의 특성 및 그 한계에 따른 불확실성을 평가하기 위한 기후 스트레스 시나리오를 구축하고자 한다. 강수 및 기온의 변화에 따라 본 연구에서 활용된 모형 전망 불확실성을 평가하기 위하여, 비교적 단순하고 명확한 시나리오를 작성하였다. 즉, 강수 및 기온에 따른 시나리오는 기준 시나리오 기간(1995~ 2014년)을 기준으로, 강수는 -50 %에서 +50 %의 범위 내에서 1 % 단위로, 기온은 0 °C에서 8 °C까지 0.1 °C 단위로 변동하여 총 8,181개의 기후 스트레스 시나리오를 구축하였다. 강수 및 기온의 최소와 최대 값은 SSP5-8.5 시나리오 기준 2100년 한반도^{(KMA, 2020)} 강수(~+20 %) 및 기온 변화(~6.3 °C)보다 상향한 값으로 선택하여, 극한 강수 및 기온에 대한 평가를 하고자 한다.

3.1 모형 매개변수의 검보정 및 수문모의 결과 분석

본 연구에서는 합천댐 및 섬진강댐 전체 시계열 자료 기간(1995~2014년)에 대해 보정 및 검정 기간으로 7:3 비율로 하여, 1995~2008년의 14년간에 대해 보정, 2009~2014년(6년)의 기간에 대해 검정을 수행하였다. 보정 시 NSE와 KGE 두 가지의 목적함수(objective function)를 각각 적용하였고, 목적함수의 선택이 최적 매개변수에 미치는 영향을 두 가지 수문모형에 대해 평가를 수행하였다.

NSE, KGE 목적 함수에 대해 IHACRES와 GR4J 수문모형의 성능을 모의한 결과는 Table 3과 같으며 두 모형에 대해 모의 유량과 관측 유량을 비교하여 1:1 그래프로 나타낸 그림은 Fig. 4이다. 합천댐 유역에서는 NSE, KGE을 기준으로 보정한 경우, 검정기간에 대해서는 IHACRES가 우수한 통계량도 있었으나, 보정기간에 대해선 GR4J의 결과가 NSE, KGE, RMSE 측면에서 모두 우수하였다. 섬진강댐 유역에서는 검정기간에 대해서는 NSE를 기준으로 보정시 NSE와 KGE에 대해서는 GR4J의 통계값이 우수하였으며, KGE를 기준으로 보정시에는 GR4J가 우수하나 NSE와 RMSE는 IHACRES가 우수하였다. 섬진강 유역의 보정기간에 대한 결과는 KGE를 기준으로 보정시 RMSE 통계값을 제외하고 다른 통계값에 대해 GR4J의 결과가 상대적으로 우수하였다. 결과를 종합하면, GR4J 모형이 상대적으로 우수한 통계결과를 보였으나, 두 모형 모두 보정 기간의 NSE 0.74 이상, KGE 0.75 이상으로 과거사상을 재현하기에 적합한 것으로 확인되었다.

보정을 통해 최적화된 IHACRES의 매개변수는 Table 4, GR4J 모형에 대한 것은 Table 5와 같다. IHACRES의 경우(Table 4), NSE를 목적함수로 선택하면, 느린 유출에 관여하는 시간 함수의 매개변수 비가 합천댐과 섬진강댐 유역에 대해 각각 45.6613, 66.4844, KGE가 목적함수이면, 각각 5.6522, 28.8081로, 목적함수 선택이 유출 관련 매개변수 $\tau_{s}$에 비교적 큰 영향을 미치는 것으로 분석되었다. 빠른 유출 관련 시간 함수의 매개변수인 $\tau_{q}$는 두 유역에 모두에서 목적함수가 NSE 일 때보다 KGE일 때 상대적으로 작게 추정되었으나, 상대적인 변동성은 매개변수 $\tau_{s}$에 비해 작았다. GR4J 모형의 경우(Table 5), NSE를 목적함수로 선택하면 토양수분 저류량(production capacity storage) 매개변수인 $X1$의 값이 합천댐 및 섬진강댐 유역에서 각각 134.3 mm, 62.8 mm이고, KGE일 경우 각각 102.6 mm, 30.6 mm로, KGE가 목적함수로 선택되었을 경우 매개변수 $X1$이 작게 추정되었다. IHACRES의 느린 유출 매개변수 $\tau_{s}$와 GR4J의 유역 저류량 매개변수인 $X1$이 NSE를 목적함수로 선택되었을 경우, 상대적으로 큰 값으로 추정(반대로 KGE 목적함수로 설정시 상대적으로 작은 값으로 추정)되는 것은 고유량과 저유량의 최적 재현을 위한 매개변수 값이 다르기 때문으로 추정되나, 추가적인 연구가 필요한 부분이다. NSE, KGE 두 가지 목적함수에 대한 매개변수 보정 및 검정 결과가 기후 조건 변화 전의 과거 사상을 모두 적절히 재현하는 것으로 확인되었기 때문에, 다음 절의 기후 조건 변화에 따른 두 모형의 유출 변동성 분석은 NSE를 목적함수로 추정된 매개변수 세트를 적용하여 수행하였다.

Fig. 4. Observed and Simulated Discharges Using IHACRES (Blue Dot) and GR4J (Red Dot) Using Two Performance Measures (NSE and KGE) from 1995 to 2014

3.2 강수 및 기온 변화에 따른 유출량 민감도

강수 및 기온변화에 대한 각 모형의 유출 시계열 민감도를 분석하기 위하여 연구기간 중 두 모형의 특징을 비교하기에 적합한 2010년의 결과를 대표적으로 선택하였다(Fig. 5). 강수량 대비 유출율은 합천댐과 섬진강댐의 경우 각각 55 % 및 45 %이었다. 전반적으로 강수의 변동성이 기온의 변화보다 더 높은 유출 변동을 보였으며, 기온에 대해서는 두 모형 모두 매우 적은 유출량 변화를 보였다(기준 시나리오 유출량 대비 최대 26 mm/day 감소). 기온 증가로만 발생되는 유출량 변화는 유역에서 미미하다는 것을 두 모형에서 동일한 결과를 확인하였다. 하지만, 기후변화는 기온 증가로만 발생되지 않으며, 위 결과를 해석하는데 있어 기온-식생-환경 등 종합적인 측면을 고려해야한다는 제한이 있다.

강수 스트레스 시나리오만 고려한 경우 IHACRES 및 GR4J 모두 여름철에 강수가 집중되는 한반도 강수 특성상 유출량의 큰 변화를 보였다. IHACRES와 GR4J의 강수스트레스 시나리오만 고려한 1 % 강수 변동 당 일단위 평균 유출량 변화는 합천댐 유역의 경우 각각 0.031, 0.034 mm/day/PPT-1 %이었으며, 섬진강댐 유역의 경우 0.036, 0.035 mm/day/PPT-1 %이었다. 연구기간 동안 함천댐과 섬진강댐 유역 모두 강수의 변동에 대한 유출량 변화는 IHACRES와 GR4J가 유사하였다. 하지만, 전반적인 관점에서는 비슷한 경향을 보였지만, 유출량이 증가 및 감소되는 시점은 두모형에서 상이한 결과를 보였다. 비가 많이 오는 7월에서 10월에는 GR4J가 IHACRES보다 높은 유출량이 산정되었으며, 반대로 건기에는 IHACRES가 반대로 GR4J보다 높은 유출량을 나타내는 것으로 평가되었다.

3.3 강수 및 기온 변화에 최대, 풍수, 평수량 변동 분석

본 연구에서 고려한 8,181개의 기후스트레스 시나리오에 대하여 IHACRES와 GR4J의 합천댐과 섬진강댐 유역에서 유출량 관련 지표 중 연최대유량, 풍수량(365일 중 95일 보장되는 유량), 평수량(365일 중 185일 보장되는 유량)을 선정하여 두 모형의 수문모의 특성과 차이를 분석하였다(Figs. 6 and 7, Tables 6~ 9).

두 모형의 모의결과를 종합적으로 비교하면, 강수 및 기온 변화에 따른 모의 유출량 변동의 양상은 두 유역에서 비슷하지만, 유출량 변동의 크기는 유출량 지표별로 비교적 큰 차이를 보였다. Figs. 6 and 7의 (c), (f), (i)는 두가지 수문모형에 모의된 연최대유량, 풍수량, 평수량의 차이에 대한 그래프로, 두 모형의 결과가 비슷할수록 0에 가깝게 된다.

Figs. 6 and 7의 (c)에서 연최대유량에 대한 IHACRES와 GR4J의 차이를 비교하면, 강수가 -50 %에 가깝게 감소하면서 기온증가가 모의 범위의 최대치인 8 °C에 근접할수록 두 모형의 차이는 줄어들지만, 반대로 강수량이 증가할 경우, 두 모형의 차이가 증가하는 경향이 확인되었다. 섬진강댐 유역(Fig. 7(c))에 비해 합천댐 유역(Fig. 6(c))에서 연최대유량 변동성 차이가 상대적으로 적었다. 반면, 풍수량, 평수량의 차이(Figs. 6 and 7(f), (i))는 두 유역에서 상대적으로 유사한 패턴을 갖는 것으로 분석되었다. 합천댐과 섬진강댐 유역의 풍수량의 차이는(Figs. 6 and 7(f)) 연최대유량의 차이와 달리, 강수 및 기온 스트레스 시나리오의 극한값으로 증가하여도 값이 크게 증가하지 않았다. 이는 각 수문모형에 의한 모의된 수문곡선 감수부 형태(Fig. 5참조), 모형의 구조, 오차 특성 등과 연관된 것으로 판단되며 후속연구가 필요한 부분이다. 기온 변화에 대한 연최대유량 민감도는 예상했듯이 강수 변화의 영향에 비해 미미하였다. 기온에 대한 풍수량 및 평수량 민감도는 IHACRES (Figs. 6 and 7(d), (g))에 비해 GR4J(Figs. 6 and 7(e), (h))에서 비교적 큰 것으로 확인되었으며, IHACRES는 기온 변화에 따른 풍수량 및 평수량 변화가 적었다.

각 지표별 강수 및 기온에 대한 변동성을 정량적으로 분석하면 다음과 같다. 기온 스트레스 시나리오에 대한 합천댐 유역의 연최대유량 변동은 1.123 %/°C (IHACRES), 1.205 %/°C (GR4J)이며(Figs. 6(a) and 6(b)), 섬진강댐 유역의 경우 0.815 %/°C (IHACRES), 0.676 %/°C (GR4J)로 유사하게 평가되었다(Figs. 7(a) and 7(b)). 두 모형에서 모두 섬진강댐 유역이 합천댐 유역보다 기온에 대한 연최대유량의 높은 변동을 나타냈다. 반면, 강수 스트레스 시나리오에 대한 합천댐 유역의 연최대유량 변동은 0.710 mm/day/PPT-1 % (IHACRES), 1.011 mm/day/PPT-1 % (GR4J)이며(Figs. 6(a) and 6(b)), 섬진강댐 유역의 경우 0.963 mm/day/PPT-1 % (IHACRES), 0.938 mm/day/PPT-1 % (GR4J)로 평가되었다(Figs. 7(a) and 7(b)). 합천댐 유역에서 IHACRES가 GR4J보다 강수 스트레스에 따른 변동이 적은 것으로 모의되었다.

풍수량의 경우, 기온 스트레스 시나리오에 대한 합천댐 유역은 3.034 %/°C (IHACRES), 4.755 %/°C (GR4J)이며(Figs. 6(d) and 6(e)), 섬진강댐은 2.907 %/°C (IHACRES), 4.402 %/°C (GR4J)로 각 모형 결과는 두 댐 유역에서 유사하게 평가되었다(Figs. 7(d) and 7(e)). 풍수량은 연최대유량과 비교하여 기온에 대하여 더 높은 변동성을 가지는 것으로 두 모형에서 동일하게 모의되었으며, 두 대상지역에서 기온에 대한 각 모형의 풍수량 변동은 유사한 것으로 평가된다. 강수 스트레스 시나리오에 대한 합천댐 유역의 풍수량 변동은 0.017 mm/day/PPT-1 % (IHACRES), 0.018 mm/day/PPT-1 % (GR4J)이며(Figs. 6(d) and 6(e)), 섬진강댐 유역의 경우 0.017 mm/day/ PPT-1 % (IHACRES), 0.020 mm/day/PPT-1 % (GR4J)로 평가되었다(Figs. 7(d) and 7(e)). 강수 스트레스 시나리오에 따른 대상댐 유역의 풍수량 변동은 두 모형에서 매우 유사하게 모의되었다.

평수량의 경우, 기온 스트레스 시나리오에 대한 합천댐 유역은 4.341 %/°C (IHACRES), 5.184 %/°C (GR4J)이며(Figs. 6(g) and 6(h), 섬진강댐은 3.384 %/°C (IHACRES), 5.470 %/°C (GR4J)으로 모의되었다(Figs. 7(g) and 7(h)). 기온에 대한 영향은 유량이 적어질수록 변동이 커지는 것으로 모의되었으며, IHACRES보다 GR4J의 유출량이 기온에 대해 더 민감한 것으로 평가된다. 강수 스트레스 시나리오에 대한 합천댐 유역의 평수량 변동은 0.002 mm/day/PPT-1 % (IHACRES), 0.007 mm/day/PPT-1 % (GR4J)이며(Figs. 6(g) and 6(h)), 섬진강댐 유역의 경우 0.002 mm/day/PPT-1 % (IHACRES), 0.008 mm/day/PPT-1 % (GR4J)로 모의되었다(Figs. 7(g) and 7(h)). 각 모형에서 모의된 평수량은 대상댐 유역에서 매우 유사한 민감도를 가지는 것으로 평가되며, GR4J가 IHACRES보다 강수 스트레스 시나리오에 대한 평수량 변동이 높은 것으로 나타났다.

기존 연구사례에서 집중형 강우-유출 모형이 강수에 대한 유출 민감도를 과소평가하는 경향이 있다는 결과가 있다^{(Fowler et al., 2016; Fowler et al., 2020)}. ^{Fowler et al.(2020)}은 호주 빅토리아주의 밀레니엄 가뭄의 영향을 GR4J를 포함한 여러 집중형 수문모형으로 모의한 결과, 다년간에 대한 장기적인 건조 기후에 대한 유출 해석 정확도가 감소함을 보고하였다. 본 연구는 홍수기 모의 정확도에 민감한 NSE에 의해 보정된 모형 매개변수 조건에 대해 기후 변동성을 평가하였기 때문에, 언급한 국외 사례와 연구의 초점은 다르다. 하지만, 수문모형과 지표(연최대유량, 풍수량 등)의 선택에 따라 국내 유역에 대한 모의 유량 변동성이 다른 민감도를 가질 수 있다는 것이 본 절의 분석으로 일부 확인되었으며, 이는 기후변화 영향 평가시 수문모의 기법의 불확실성을 충분히 고려하고 기술해야한다는 점을 시사한다. 최근 기후변화 영향 분석에서 전지구기후모형(global climate model; GCM)과 수문모형 매개변수의 불확실성을 앙상블(ensemble) 해석을 통해 극복하려는 연구 기법이 제시되고 있는데^{(Her et al., 2019)}, 향후 연구에서는 이에 더해 다양한 수문모형 앙상블을 이용하여 기후변화 영향 해석의 불확실성을 완화하는 노력이 필요할 것으로 판단된다.

Fig. 5. Simulated Discharge Under Climate Variability Using IHACRES (Green) and GR4J (Red) in 2010. The Impacts of Precipitation Variations Only on the Modeled Discharge at (a) Hapcheon and (b) Seomjingang Dam Basin. The Impacts of Temperature Variations Only on the Modeled Discharge at (c) Hapcheon and (d) Seomjingang Dam Basin

Fig. 6. For the Case of Hapcheon Dam Basin, the Impacts of Precipitation (x-axis) and Temperature (y-axis) Stress Scenarios on the Maximum Discharge (MAX) Using (a) IHACRES and (b) GR4J, and (c) Their Differences, Abundant Water Level (AWL) using (d) IHACRES and (e) GR4J, and (f) Their Differences, and Ordinary Water Level (OWL) using (g) IHACRES and (h) GR4J, and (i) Their Differences

Fig. 7. For the Case of Seomjingang Dam Basin, the Impacts of Precipitation (x-axis) and Temperature (y-axis) Stress Scenarios on the Maximum Discharge (MAX) Using (a) IHACRES and (b) GR4J, and (c) Their Differences, Abundant Water Level (AWL) Using (d) IHACRES and (e) GR4J, and (f) Their Differences, and Ordinary Water Level (OWL) Using (g) IHACRES and (h) GR4J, and (i) Their Differences