2.1. 모니터링 대상 지점

비점오염원 모니터링을 수행하기 위한 대상 지점은 낙동 강 수계 내에 위치하고, 조사대상 과수의 주 재배지가 속 하는 지역을 선정하였다. 과수 선정은 낙동강수계의 토지이 용 현황 중 과수원 분포 현황 분석을 통해 재배 비율이 높 은 과수를 선정하였다. 또한 강우 시 측정이 용이한 지점 을 조사대상 지점으로 하여 강우 시 모니터링을 수행하였 다. 선정된 과수는 포도, 배, 사과이며, 포도재배지의 경우 경상북도 경주시 건천읍에 위치하고 있으며, 조사의 효율성 을 높이기 위해 근교 2곳을 조사 대상지로 선정하였다. 재 배지 면적은 각각 2000 m², 1800 m² 이다. 배재배지는 경상 북도 상주시 사벌면에 위치하고 있으며, 면적은 각각 1943 m², 2484 m² 이다. 사과재배지는 경상남도 합천에 위치하고 있 으며, 조사대상 지점 면적은 864 m² 이다.

선정된 세부 토지피복 지점은 연차별 간격을 두어 모니 터링을 수행하였으며, 2008년부터 2009년까지는 포도재배 지, 2010년에서 2012년까지는 배재배지, 2012년에는 사과 재배지에 대해 강우 시 비점오염원 유출에 대한 모니터링 을 수행하였다. 포도재배지는 모니터링 기간 동안 총 51회 의 강우사상에 대한 모니터링을 수행하였으며, 이 중 유출 이 발생한 횟수는 총 19회 이다. 배재배지는 총 48회의 모 니터링 중 13회의 강우사상에서 유출이 발생하였다. 사과 재배지는 총 16회의 모니터링 중 7회의 강우사상에서 유출 이 발생하였다. Fig. 1.

Fig. 1. Map showing the survey sites in Nakdong River basin.

2.2. 비점오염원 모니터링

강우에 따라 발생되는 비점오염원 유출수에 대한 모니터 링을 위해, 각각의 조사지점에 강우강도계 및 유량계를 설 치하여 조사대상지점에서 일어나는 강우 형태에 따른 유출 수의 변화를 살펴보았다. 실측에 사용된 강우강도계는 Tipping Bucket Mechanism 방식의 호주 Environdata Environmental Monitoring & Management 사의 RG-20으로 1분 단위의 강 우량 측정이 가능하다. 유량계의 경우 비만관 전자식 유량 계로 미국 MARSH McBIRNEY 사의 Flo-Tote3로 1분 단 위의 유량측정이 가능하다. 조사대상지점에 대한 유량계의 설치는 최종 유출구에 설치하여 외부로부터 강우유출수의 유입이 없는 상황에서 유출량을 조사하였다. 시료 채취 및 분석의 경우 국립환경과학원에서 개정된 ‘강우 유출수 조 사방법’에 준하였고, 강우량 및 유출량의 경우 현장조사를 원칙으로 하였고, 불가할 시 가장 근접한 기상청 자료를 활용하였다(^{NIER, 2007}). 채수 시료에 대한 항목별 분석방 법은 Table 1에 나타내었다.

2.3. 상관성 분석

비점오염원은 강우 및 유출 관련 인자와 밀접한 관련성 이 있으며, 강우 유출은 토지이용, 경사도, 식생, 강우강도 등에 따라서도 큰 차이를 보인다. 또한 각 지역의 지형, 수 리·수문 조건 및 토지이용현황, 강우특성 등 다양한 요인 에 따라 배출특성이 매우 다양하게 나타난다. 따라서 비점 오염원의 정량화를 위해서는 강우지속시간 동안의 정확한 유량과 수질에 대한 실측자료가 요구되고, 실측된 자료를 바탕으로 각 인자들 간의 영향정도 파악이 우선시 되어야 한다(^{Management Committee of Nakdong River Basin, 2010}).

본 연구에서는 과수재배지의 강우 유출수 모니터링 결과 를 활용하여 비점오염원 유출과 밀접한 관련이 있는 다양 한 변수들과의 상관성 분석을 통해 변수들 간의 영향정도 에 대한 우선순위를 부여 하였다. 모니터링 결과 중 비점 오염원 부하량을 산정할 수 있는 유출이 발생된 강우사상 에 대해서만 상관성 분석을 수행하였다.

수질항목별 비점오염원 유출부하량과 독립변수들 간의 상관관계 분석은 통계분석 시 주로 활용되는 SPSS(statistical package for the social science)를 사용 하였으며, 상관계수 는 Pearson 상관계수를 사용하였고, 각 변수들은 정규분포 를 따른다는 가정을 하였다. 상관계수 값의 범위는 -1부터 +1까지 이며, 계수의 부호는 관계의 방향을 가리키고 절대 값은 관계의 강도를 나타낸다.

유의성 검정은 양측검증으로 하였고, 유의한 상관계수에 대해서는 별표시를 하였으며, 1개의 별 표시는 0.05 수준에 서 유의한 상관계수를 나타내며, 2개의 별 표시는 0.01 수 준에서 유의한 상관계수이다. 오염물질별 각 변수들에 대한 상관성 분석 시 결정계수 50%이상, 유의확률 95%이상에 해당하는 항목만을 선택하여 선형 및 선형변환모델에 적용 하는 인자로 선택하였다.

2.4. 다중회귀식

비점오염물질 유출량은 강우량, 유출량, 강우강도, 선행무 강우일수, 강우지속시간 등 다양한 수리·수문 인자들과 복 합적으로 연관되어있다. 그러므로 다양한 수문인자들 사이 의 관계를 통하여 다중회귀식을 수립하는 것이 비점오염물 질의 발생량을 예측하는데 신뢰도 및 상관도를 높일 수 있 다. 그러나 이를 수행하기 위해서는 다중 상관관계 분석을 위한 인자별 입력 자료에 대한 다량의 수문자료가 필요하 다(^{Yoon et al., 2010}).

본 연구에서는 2008년 ~ 2012년까지 과수재배지에서 실측 된 값을 근거 자료로 하여, 강우 시 비점오염물질의 유출에 관련된 변수들의 상관성 분석을 통해 우선순위를 부여하였 다. 선정된 변수를 선형 및 선형변환 식에 적용하여 적정성 을 검토하였으며, 오염물질별 최적 모델을 제시하였다.

회귀식의 선정은 결정계수와 유의 확률 값을 기준으로 하 였고, 동일한 오염물에 대해 2-3개의 회귀식이 비슷한 R² 값 을 가질 때는 각각의 독립변수 중 정확한 자료획득가능성을 고려해서 입력변수가 적은 회귀식을 선택하였다. 유의도가 없는 독립변수들이 존재하거나 다중 공선성의 존재여부를 검토한 후 변수는 취사선택 하였다. 다중 공선성의 검토는 독 립변수간의 상관계수가 높을 경우 변수전체를 포함한 회귀 식은 다중공선성을 의심하였으며, 분산분석표에서 모델의 적합성을 나타내는 F 값과 R² 이 높음에도 각 독립변수에 대한 모수추정치의 결과를 비교해 유의한 변수를 선택하였다.

유의성 검증은 종속변수(P)와 독립변수(Xi)간에 선형관계 를 규명하는 검증으로 귀무가설(H0)와 대립가설(H1)을 설 정하여 귀무가설이 기각되면 종속변수 중 적어도 하나는 영향을 미친다는 것을 의미한다.

귀무가설의 검증방법으로는 F-검정을 이용하였고, 귀무가 설이 기각되어 선형관계가 검정되면 각 회귀계수에 대해 t- 검정을 이용하여 유의성 검정을 하였다. F와 t-검정 결과, P-값이 0.01(1% 유의수준)보다 작으면 매우 유의한 수준으 로, 0.01과 0.15사이에 있으면 보통 유의한 수준, 0.15보다 크면 유의하지 않은 것으로 판정한다. 본 연구에서는 P<0.15 수준에서 의미가 있는 것만 선택하였다.

3.1. 상관성 분석 결과

비점오염원별 유출부하량에 영향을 미치는 독립변수로 선택한 강우량, 강우지속시간, 선행무강우일수, 총유출고, 평균시간당 강우량, 평균시간당 유출량과 종속변수로 선택 한 BOD, SS, T-N, T-P 유출부하량의 상관성 분석결과를 Table 4에 수록하였다. 상관성 분석은 조사 기간별 수집된 결과를 구분하여 분석을 수행하였으며, 모니터링 자료가 많아 질수록 영향도가 높은 변수들의 차이를 확인하였다(Table 5). 2008년 모니터링에 대한 상관성 분석 결과는 강우량, 총유 출고 및 평균시간당 유출고의 영향정도가 높게 조사되었으 며, 강우지속시간의 경우 BOD와 T-N 유출부하량에도 영향 을 미치는 것으로 나타났다. 독립변수별 영향정도는 총유출 고>강우량>평균시간당 유출량 순으로 조사되었다. 2008년 부터 2009년 모니터링에 대한 상관성 분석 결과는 총유출 고의 영향정도가 높게 나타났으며, 독립변수별 영향정도는 총유출고>강우량>평균시간당 유출량>강우지속시간으로 조 사되었다. 이후 조사기간을 2012년까지 추가하여 상관성 분석을 수행한 결과 과수재배지에서의 비점오염원 유출부 하량에 대한 독립변수의 영향정도는 강우량과 총유출고의 영향정도가 높게 조사되었고, 강우지속시간도 일부 항목에 영향을 미치는 것으로 조사되었다.

2008년부터 2012년까지의 결과를 정리하여 비점오염원별 영향을 미치는 변수를 구분하여 보면, BOD : 강우량(R²=0.558) > 강우지속시간(R²=0.535) > 총유출고(R²=0.522), T-N : 총유 출고(R²=0.691) > 강우량(R²=0.583), T-P : 총유출고(R²=0.802) > 강우량(R²=0.774) > 강우지속시간(R²=0.561)로 조사되었다. BOD 항목의 경우 강우량 및 강우지속시간의 영향도가 총 유출고에 비해 높게 조사되었는데, 이는 조사지점의 토지피 복이 투수성으로 되어있어 기저유출의 영향으로 인해 나타 난 결과로 판단된다. 본 조사의 경우 표면 유출을 중심으 로 모니터링을 실시하였으나, 조사지점의 투수성 토지피복 특성상 발생되는 기저유출수도 시료에 포함되게 된다. SS 및 영양염류항목의 경우 표면에 살포되거나 산재된 물질이 유출수에 포함되어 BOD 항목과는 다소 차이를 보여 주었 다. SS의 경우 2011년 모니터링까지는 종속변수와 독립변 수간의 상관성이 조사되었으나, 2012년 모니터링 결과를 추가하여 분석해 본 결과 상관계수가 50%이상으로 조사된 변수는 나타나지 않았다. 하지만 종속변수 중 강우량과 총 유출고가 각각 0.442, 0.382로 상관계수를 보였으며, 이 결 과는 2011년까지의 상관성 분석 결과와 같은 변수의 영향 을 받고 있는 것으로 조사 되었다. 이에 따라 SS항목은 2011년까지의 상관성 분석 결과에 따라 종속변수를 적용하 여 기타 항목과 같이 다중회귀식을 도출하였다.

연차별 모니터링 자료에 대한 상관성 분석을 수행하여 비점오염원 유출부하량에 영향을 미치는 변수들에 대한 우 선순위를 도출하였다. 오염물질별(수질항목) 유출에 영향을 미치는 6개의 독립변수들 중 상관계수 50%이상, 유의확률 95% 이상에 해당하는 강우량, 강우지속시간, 총유출고, 평 균시간당 유출량 등 4개의 변수들을 우선 적으로 각 수질 항목별 비점유출량 추정 모델식의 독립변수의 후보군으로 선택하였다.

3.2. 비점오염부하량 다중회귀식

상관성 분석 결과, 상관성이 높게 평가된 변수들을 선형 및 비선형 회귀식에 적용하여 유의성을 평가하였다(Table 6). 각 변수들 간의 상관성 분석 결과 초기에 선정하였던 6개 의 독립변수 중 강우량, 강우지속시간, 총유출고, 평균시간 당 유출량이 비점오염물질의 유출부하량과 상관성이 높게 나타났다. 선정된 변수의 경우 BOD, SS, T-N, T-P의 경우 유사한 변수들에 의한 영향을 받는 것으로 조사 되었다. 선정된 변수에 대해 선형 및 선형 변형식에 적용한 결과 R² 와 _adjR² 의 차이가 낮게 조사되었는데 수정된 R² 값의 경우 연구자가 세운 모델이 얼마나 일반성을 가정하고 합 리적인지를 R² 값과의 비교를 통해 알 수 있는데, BOD의 경우 그 차이가 0.01로서 수정되었을 경우 1%의 변산이 줄어들었다. 나머지 항목들도 1-6%까지 변산이 줄어드는 것으로 조사되었다.

BOD 부하량의 경우 Model 2에 적용하였을 때 결정계수가 0.792로 조사되어 가장 높은 유의성을 나타내었고, Model 3 의 경우도 0.784로 유의성이 높게 조사되었다. T-N의 경우 Model 1의 결정계수가 0.597로 높게 조사되었으나, 적용된 식의 정규분포 검증에서 실패하여 다음으로 결정계수가 높 은 3번식을 적용하여 식을 도출하였다. T-P의 경우 Model 3이 0.886로 조사되어 항목별 적용된 식들의 유의성을 확인 할 수 있었다. SS의 경우 2011년까지의 모니터링 결과를 바 탕으로 분석된 변수들을 적용해 본 결과 Model 2에 적용하 였을 때 결정계수가 0.543으로 조사되었다.

적용된 회귀식들 중 Model 4, 5, 7의 경우, 변형된 회귀 식으로 변수들 중 변형된 변수가 포함되지 않은 경우 기존 Model 1, 2, 3과 같은 형태를 나타내게 된다. 본 연구에서 적용된 변수들의 경우 변형 식에 해당하는 변수들은 상관 성 분석에서 낮은 상관도를 나타내어 제외 되고, 해당 식 의 적합성 평가가 이루어지지 않았다. 하지만 연차별 자료 에 따라 해당 변형 변수의 상관성도 확인되고 있고, 향후 추가되는 모니터링 자료들에 대한 불확실성이 높아 다양한 변형 식에 대한 검토가 필요하여 본 연구에서도 삽입하여 적용해 보았다.

5년간에 걸쳐 측정된 강우량, 선행무강우일수, 강우지속 시간, 총유출고, 평균시간당 유출량, 강우강도, 유출량 자료 를 활용하여 이들 변수와 비점오염물질 별 유출부하량과의 통계분석을 통해 비점오염물질 별 유출부하량에 영향을 미 치는 변수들의 영향 정도를 도출하였다. 유출에 미치는 영 향정도가 큰 변수들을 활용하여 비점오염물질별 유출부하 량 추정 회귀식을 제시하였다(Table 7). 비점오염원별 도출 된 회귀식을 살펴보면, T-P의 경우 결정계수가 0.89로 가장 높은 유의성을 나타내었으며, BOD 항목 또한 0.79의 결정 계수로 산정되어 높은 유의성을 나타내는 것으로 조사되었 다. 나머지 SS와 T-N의 경우도 0.5이상의 결정계수를 나타 내어 추정된 식의 유의성을 확인할 수 있었다. 유기성 오 염물 지표로 적용될 수 있는 BOD와 SS 항목의 경우 독립 변수들을 로그함수의 곱으로 표현한 Model 3의 유의성이 높게 조사되었고, 대표적인 영양염류의 지표인 T-N과 T-P 의 경우 지수함수의 곱으로 복합적인 영향을 반영한 Model 3의 유의성이 높게 조사되었다.

현재의 결과는 39회 현장 측정 자료를 이용하여 수행하 였지만, 도출된 식의 신뢰도 향상을 위해 지속적으로 실측 결과를 추가 할 계획이며, 아울러 지목을 확대하여 비점오 염물질 유출부하량 추정 회귀식의 일반화를 동시에 추구할 예정이다.

3.3. 비점오염부하량 추정 회귀식 활용

비점오염원별 도출된 회귀식에 포함된 변수 중 BOD, SS, T-N 및 T-P항목 회귀식 모두에 적용되고 있는 X₁ (강 우량), X₄ (총유출고) 항목의 수치를 변화시키며 부하량을 추정하였다(Table 8, Fig. 2). 임의 변화 시키는 변수외의 다른 변수에는 해당 변수의 모니터링 평균값을 입력치로 고정시켜 입력 변수의 변화에 따른 유출부하량 변화를 추 정하였다.

Fig. 2. Observed and simulated nonpoint sources load.

X₁ (강우량)의 변화가 비점오염원의 유출에 미치는 영향을 분석하기 위하여 강우량 범위를 10-200 mm 까지 변화시키 면서 비점오염원별 유출부하량의 변화를 관찰하였다. 강우 량이 증가함에 따라 수질항목별 비점오염물질 유출부하량은 증가하는 경향을 보였지만 증가하는 정도는 수질항목별로 큰 차이를 보였다. 특히 BOD, SS의 경우 강우량의 변화에 대해 민감하게 반응하였으며, 강우량 15 mm 일 때 BOD와 SS의 유출부하량은 각각 26.1 kg/km², 94.1 kg/km²인 반면 강우량이 10배 증가된 150 mm 일 때 BOD 및 SS가 103.8 kg/km², 3195.1 kg/km²으로 BOD 4배, SS 34배 증가하는 결 과를 보였다. 반면 T-N과 T-P의 경우 15 mm 에서 각각 68.5, 8.4 kg/km²인 반면 강우량 150 mm 에서 각각 T-N 87.4 kg/km², T-P 14.3 kg/km²의 값으로 T-N 1.3배, T-P 1.7 배 증가하여 강우량에 대한 민감도가 낮게 조사되었다.

총유출고 변화가 비점오염원별 유출에 미치는 영향을 살 펴보기 위해 총 유출고의 값을 5-60 mm 까지 변화시키면서 유출부하량을 분석한 결과 강우량의 변화와는 상반되는 결 과를 나타내었다. 총유출고를 5 mm 에서 50 mm 로 10배 증가시킬 경우 BOD는 63.8 kg/km² 에서 74.4 kg/km² 으로 1.2배 증가하였으며, SS의 경우 5 mm에서 유출부하량 1654.3 kg/km², 총 유출고를 10배 증가시킨 50 mm 에서 1976.7 kg/km²로 1.2배 증가하였다. 반면 T-N의 경우 13.6 kg/km² 에서 310.4 kg/km²로 23배가량 증가하였고, T-P의 경우 2.4 kg/km² 에서 38.3 kg/km² 로 16배가량 증가하여, 강우량 변 화에 따라서는 BOD, SS 항목의 변화폭이 큰 것으로 조사 되었으나, 총유출고의 변화에 따라서는 T-N, T-P 항목의 변 화폭이 크게 조사되었다. Fig. 3.

Fig. 3. Comparison of nonpoint sources loads variation by precipitation and total runoff depth changes (X1: precipitation, X4: total runoff depth).