2.1. 연구대상지역

연구대상지역인 주암호 유역은 전라남도 보성강 수계에 위치하고 있으며(Fig. 1), 유역면적은 1,016.83 km²이며 이 중 산림이 709.95 km², 농지가 197.25 km²로 각각 69.8%, 19.4%를 차지하고 있다. 주유역의 최종 출구점에 주암다목 적댐이 위치하고 있으며, 유역의 상류에 용수공급전용 동복 댐과 발전 및 농업용수 공급용 보성강댐이 위치하고 있다. 보성강댐의 경우 평상시 하류하천으로의 방류가 없이 유역 변경식 발전을 통해 사용된 발전용수는 득량만에서 농업용 수로 사용된 후 바다로 방출되며, 댐이 만수위인 경우에만 수문방류를 통해 제한된 양을 주암호로 보내고 있다. 동복 댐도 보성강댐과 마찬가지로 만수위인 경우를 제외하고는 수문방류를 하지 않고 있다.

Fig. 1. Locations of study watershed and monitoring stations.

2.2. 기후변화 영향 예측 통합 모델링 체제

본 연구에서 기후변화가 주암호 수온성층구조에 미치는 영향을 예측하기 위해 사용한 통합 모델링 체제는 Fig. 2와 같으며 크게 기후전망 상세화, 강우-유출 해석, 저수지 운 영, 저수지 수리·수질 해석의 4개 모듈로 구성하였다.

Fig. 2. Modeling framework developed for evaluating the impact of climate change on reservoir water temperature.

기후전망 상세화 모듈에서는 GCM(Global Climate Model) 의 전지구전망을 바탕으로 지역스케일의 미래 기후시나리 오 생산을 위해 인공신경망(Artificial Neural Network) 기법 을 적용하여 예측인자(강우, 상대습도, 최고온도, 최저온도) 에 대해 강우-유출모형의 적용이 가능한 지역스케일로 통계 적 상세화를 수행한다. 전달함수는 Sigmoid 함수를 사용하 였으며, 제곱오차합의 오차함수를 이용한 최급강하(Steepest descent)법으로 가중치변화율을 결정하였다. 기후예측인자 중 강우의 경우 여름과 가을철에 집중되는 한반도 강수량 의 계절성을 반영해주지 못하는 GCM 모의값의 단점을 보 완하기 위해 단국대학교에서 개발한 ARDAS 시스템의 추 계학적 태풍모의(Stochastic Typhoon Simulation) 기법과 비 정상성 분위사상법(Nonstationary Quantile Mapping)을 적용 하였다(^{Kang et al., 2012}). 추계학적 태풍모의 기법은 주어 진 누적확률분포에 무작위 표본을 적용하여 값을 생성시키 는 방법으로 예측기간의 태풍의 수와 총 강우량에 대하여 특정 범위 안에서 발생되는 사건의 수를 설명하는 Poisson 분포와 일반적으로 극치사상의 빈도해석에 쓰이는 Gumbel 분포의 확률변수들을 통해 예측 기간의 월별 태풍 모의값 을 생성한다. 비정상성 분위사상법은 예측기간(2011~2100) 의 통계분포모수에 추세를 부여하는 분위사상법이다. 분위 사상법은 관측값과 예측값 사이의 편이를 제거하기 위해 경험적 확률분포를 사용하며 관측값과 예측값의 누적확률 분포를 이용하여 모의값의 확률분포를 관측값의 확률분포 에 사상시키는 방법으로 일반적인 분위사상법은 자료집단 이 정상적인 분포를 가지고 있다는 전제하에 사용된다. 그 러나 통계분포의 모수가 비정상성을 보일 경우 학습기간과 예측기간 사이에 부적합이 나타날 수 있으며, 이를 보완하 기 위해 비정상성 분위사상법을 사용하였다.

수문 해석 모듈에서는 수문학적 스케일로 상세화된 기후 예측인자를 준분포형 강우·유출 모형인 SWAT의 입력자료 로 사용하여 저수지 유입부의 유출량 전망을 수행한다. 저 수지 운영 모듈에서는 SWAT의 유출량을 물수지 방정식에 기반을 둔 저수지 운영모델인 HEC-ResSim의 입력자료로 활용하여 미래 기간의 저수지 방류량을 산정한다. 이는 저 수지로 유입한 오염물질의 거동을 해석하기 위해서 수온성 층구조의 정확한 해석이 선행되어야 하며(^{Chung et al., 2005}), 신뢰성 있는 장기 수온성층해석을 위해서는 운영계획에 따 른 저수지 방류량 해석이 선행되어야 하기 때문이다. 저수 지 수리·수질 해석 모듈에서는 2차원 횡방향 평균 수리·수 질 해석 모델인 CE-QUAL-W2 모델(이후 W2)에 상세화된 기후예측인자와 SWAT의 유출량, Hec-Ressim의 방류량을 입력자료로 사용하여 저수지 내 수온분포 해석을 수행하며 이를 통해 기후변화가 저수지 수온성층구조에 미치는 영향 을 최종적으로 평가하게 된다. W2는 수리-수질 연동 모의 가 가능하지만, 본 연구에서는 수리모듈만 사용하여 수온해 석을 수행하였다.

2.3. 기후변화 시나리오 및 상세화

국립기상연구소에서는 2002년 동아시아 주변의 기후변화 시나리오를 생산하고자 독일에서 개발한 대기-해양 결합모 델인 ECHO-G를 도입한 후 이를 개선하여 전지구 기후시 나리오 자료를 생산하고 이 자료를 경계자료로 하여 미국 의 MM5를 이용하여 130년간(1971~2100년)의 고해상도 지 역기후시나리오(RCM) 자료를 생산하였다(^{NIMR, 2008}). 그 러나 RCM에서 제공하는 기후변수들은 27 km 해상도의 격자크기를 지니고 있어 수문학적 전망을 수행하기 위한 자료로 활용하기에는 한계가 있다. 본 연구에서는 국립기상 연구소에서 생산한 SRES A1B 시나리오 기반의 한반도 기 후전망자료를 기상청 기후변화 정보센터로부터 제공받은 후 상세화를 적용할 기후자료는 유역의 기상인자를 대표할 수 있는 기상관측소(광주, 순천, 장흥, 고흥) 위치로 공간보 간을 통해 추출하였다. 공간보간은 관측소에서 가까운 기후 전망자료에 많은 가중치를 주며, 인근 기후전망 자료의 공 간상관성도 고려할 수 있도록 각 관측소 인근 4개의 RCM 격자의 기후전망자료를 이용한 역거리법(Inversed Distance Weight)을 통해 수행하였다. 공간보간을 통해 추출된 기후 인자는 인공신경망(Artificial Neural Network, ANN) 기법을 사용하여 상세화를 수행하였다. ANN구조는 다층신경망 구 조를, 학습방법으로는 출력값과 목표값 사이의 오차를 이용 하여 가중치를 계산하는 역전파알고리즘(Backpropagation algorithm)을 사용하였다. 인공신경망의 학습 및 검증기간은 1991~2010년으로 설정하였으며, 주암호 유역 4개 관측소의 관측값을 목표값으로 설정하고 홍수기(6월~10월)와 비홍수 기(11월~5월)로 구분하였으며, 관측값과의 상관계수 및 오 차분석을 통해 기존 RCM 기후인자보다 향상된 결과를 가 지는 인공신경망 구조를 결정한 후 미래 분석기간을 2011~2040년, 2041~2070년, 2071~2100년까지의 세 기간으로 설 정하여 상세화를 수행하였다. 특히 강수량의 경우 학습 및 검증기간 내 태풍에 의한 강수량을 제거하고 인경신경망 모의를 수행한 후 추계학적 태풍모의 기법을 통해 산정된 태풍에 의한 강수량을 합산한 뒤 비정상성 분위사상법을 적용하여 최종 강수량을 산정하였다. 학습 및 검증 결과를 Table 1에 제시하였다.

모의 결과 미래로 갈수록 모든 기상인자는 증가하는 경향 을 나타냈으며, 최장기(Long-term Future, LF) 예측인 2071~2100년에는 Baseline (1991~2010년) 대비 강수량은 19%, 상대습도는 4%, 최고온도는 1.7°C 그리고 최저온도는 2.4°C 증가하는 것으로 전망되었다(Table 2). Fig. 3에 미래 분석 기간별 강수, 상대습도, 최고/최저 기온의 변화를 계절별로 나타내었다.

Fig. 3. Changes of seasonal climate parameters at each period under A1B scenario.

2.4. SWAT 모델

SWAT 모델은 대규모의 복잡한 유역에서 장기간에 걸친 다양한 토양속성과 토지이용 그리고 관리상태의 변화에 따른 크고 복잡한 유역의 유출량, 유사량 및 농업화학물의 영향 을 예측하기 위해 미국 농무성 농업연구소(USDA, ARS)에 서 개발된 일 단위 모의가 가능한 준분포형 강우-유출모형 이다(^{Arnold et al., 1998}). SWAT 모델은 유역의 토양속성과 토지이용 등 서로 다른 표면특성을 반영할 수 있도록 대상 유역을 소유역으로 구분하고 소유역 내에서 유사한 특성을 나타내는 수문반응단위(Hydrologic Response Unit, HRU)로 세분화한다. 유역 내의 수문순환 과정은 물수지방정식에 근거 하여 각 수문반응단위별로 계산되어진다(^{Neitsch et al., 2001}).

SWAT 모델을 적용하기 위해 필요한 입력자료는 지형자 료와 기상자료로 구분할 수 있다. 본 연구에서는 국토지리 정보원의 1:5,000 수치지도로부터 검수과정을 거쳐 제작된 DEM을 사용하였으며(Fig. 4(a)), 토지이용도는 환경부 환경 지리정보서비스에서 제공하는 2007년 중분류 토지피복도를 이용하였다(Fig. 4(b)). 토양특성 입력을 위해 국립농업과학 원에서 제공하는 1:25,000 정밀토양도(Fig. 4(c))를 사용하 였으며, 토양 속성자료는 정밀토양도 데이터베이스를 활용 하여 입력하였다.

Fig. 4. GIS data used for SWAT model. (a) DEM, (b) Land use, (c) Soil

모델의 보정 및 검증을 위해 2001년부터 2010년까지의 광주, 순천, 장흥, 고흥 기상관측소의 강수량(mm), 최고/최저 기온(°C), 풍속(m/s), 상대습도(%), 일사량(MJ/m²) 자료를 수 집하여 기상입력자료로 사용하였다. 모형의 보정 및 검증에 사용된 유량 자료는 한국수력원자력에서 제공하는 보성강 댐의 일별 유입량자료(2001~2010년)와 한국수자원공사에서 제공하는 주암댐의 일별 댐 수문자료(2001~2010년)를 이용 하였다. 모형의 안정화를 위해 구동초기 2년을 안정화기간 (Warm-up period)으로 설정하였다. 모의옵션으로 지표유출 은 SCS 유출곡선법, 증발산량 산정은 Penman-Monteith 방 법, 하도추적은 Muskingum 방법을 이용하였다.

2.5. 저수지 운영 모델

HEC-ResSim 모형은 기존 다목적 저수지군 운영에 관한 기존의 컴퓨터 프로그램 중 가장 대표적이라 할 수 있는 HEC-5 모형을 GUI 버전으로 업그레이드한 모형으로 필요 한 유역을 시스템화하여 저수지, 하천, 조절점, 분기점 등 으로 구분한 후 각각의 요소에 제약조건을 줌으로서 시스 템 운영을 최적화하며, 분석가능한 작업용량의 제한없이 홍 수 및 비홍수사상에 대하여 모의운영이 가능하다. 저수지 용수공급, 홍수조절, 발전계획 등의 목적으로 사용할 수 있 으며 대부분의 댐 시설물에 대한 표현 및 모의가 가능하다.

본 연구에서는 주암댐 유역의 저수지 모의운영 모형을 구축하였으며 수위-저수용량, 용수공급계획 및 방류능력은 국가수자원정보시스템의 자료를 활용하였다(^{WAMIS, 2013}). 저수지 모의운영은 총 3개 기간(2011~2040, 2041~2070, 2071~2100)으로 구분하여 저수지 용수공급능력, 방류량 변화를 분석하였으며 이수안전도는 기존댐의 운영현실을 반영하여 전 분석기간 동안 물부족을 허용하지 않는 공급신뢰도 100% 를 채택하였다. 댐 운영의 초기조건은 상시만수위 EL.110.5m, 하한제약조건은 저수위 EL.85.0m, 상한 제약조건은 홍수기 에는 홍수기 제한수위 EL.108.5m, 그 외 기간에는 상시만 수위 이상에서 여수로를 통해 방류되는 것으로 하였다. HEC-ResSim 모형의 구축화면은 Fig. 5와 같다.

Fig. 5. Reservoir network for HEC-ResSim simulation.

2.6. 저수지 수리 모델

W2 모델은 2차원 횡방향 평균(Laterally-averaged) 수리 및 수질 모형으로 우리나라 대부분의 인공저수지와 같이 수심이 깊고 흐름방향에 비해 상대적으로 폭이 좁은 수체 에 적합하며 국내외 다양한 저수지에 적용되어 검증된 바 있다(^{Chung et al., 2005}; ^{Chung et al., 2007}; ^{Cole and Buchak, 1995}; ^{Cole and Wells, 2004}). W2 모델은 저수지 수위변동, 흐름방향 및 수심방향의 유속분포, 수온 그리고 28가지 수질항목의 모의가 가능하며, 지류유입, 점 및 비점 오염원, 하류방류(Releases), 취수(Withdrawal) 등 다양한 유 입 및 방류조건에 대한 모의기능이 포함되어 있다. 특히 수온성층 및 밀도류 거동해석 능력이 우수하며 계산의 효 율성이 높아 장기간의 모의가 가능하다는 특징이 있다.

W2 모델의 보정 및 검증은 각각 2010년과 2011년 실측 자료를 바탕으로 수행하였다. 모델의 유한차분격자는 1:5000 수치지도를 이용하여 구성하였다. 보성강 본류와 동복천 및 주암호 직유입지천을 고려하여 4개의 branch로 구분하였으며, 흐름방향으로는 댐 축으로부터 약 37km 상류지점까지 55개 의 segment, 수심방향으로는 1m 간격으로 46개의 layer로 구성하였다(Fig. 6(a)). 지형자료의 신뢰도를 평가하기 위해 모의저수용량과 수위-저수용량곡선식으로부터 산정된 저수 용량을 비교하였으며, 그 결과는 Fig. 6(b)와 같다.

Fig. 6. Bathymetry. (a) Computational grid, (b) Comparison of storage capacity

W2 모델의 입력자료는 기상자료, 유입 및 방류량 자료, 유입수온 자료 및 초기조건 자료가 필요하다. 모델 보정과 검증을 위한 초기조건은 2010년과 2011년의 주암호 1지점 에서 실측한 수심별 수온 자료를 이용하였으며, 기상자료는 같은 기간 순천기상관측소의 기온(°C), 이슬점온도(°C), 풍 속(m/s), 풍향(radian), 운도(1/10) 자료를 수집하여 이용하였 다. 유입 및 방류량 자료는 한국수자원공사에서 제공하는 2010년과 2011년의 주암댐 운영자료를 바탕으로 구성하였 으며, 유입수온 자료의 경우 주암댐 유입부에서 실측한 일 별 수온자료가 없기 때문에 ^{Chung and Oh(2006)}가 제안했 던 다중회귀분석을 통해 일별 유입수온을 산정하였다.

3.1. SWAT 모델의 유출량 보정 및 검증

유역 유출 모의를 위해 상류의 보성강댐과 유역 출구점 인 주암댐을 중심으로 보정 및 검증을 수행하였다. Fig. 7은 보정(2003~2006년) 및 검증(2007~2010년) 기간 동안의 지점 별 실측값과 모의값의 수문곡선을 비교한 것으로 Table 3 에 유출량에 대한 결정계수(R²), 평균제곱근오차(Root Mean Square Error, RMSE), 모형효율계수(Efficiency Index, EI) 분석 결과를 제시하였다. 또한 Fig. 8에 관측유량값과 모의 유량값을 1:1 분산도로 나타내었다. Fig. 7에 나타난 바와 같이 보성강댐 지점과 주암댐 지점 모두에서 SWAT 모델 은 강우량 변화에 따른 하천의 계절적 유출량 변동 특성을 비교적 잘 반영하는 것으로 나타났으나, 홍수기 고유량 발 생 구간에 대해서는 유의할 만한 오차가 발생하였다. Fig. 8 에 나타난 바와 같이 보성강댐 지점과 주암댐 지점 모두 홍수기 고유량 기간 동안 모의값은 실측값과 큰 편차를 보 였으며, 특히 주암댐 지점의 경우 홍수량을 과소평가하는 경향이 두드러지게 나타나는데 이로 인해 결정계수 및 EI 값이 비교적 낮게 산정되었다. 이는 주암호 유역 상류에 위치한 보성강댐의 경우 유역변경식 발전을 통해 득량만으 로 방류를 하고 있으며, 동복댐의 경우 방류량 자료가 없 어서 SWAT 모델 내 reservoir 모의 기능을 사용하여 방류 량을 결정하였기 때문에 발생한 모의 오차로 판단된다.

Fig. 7. Hydrograph comparison between simulated and observed daily discharge.

Fig. 8. Regression analysis between simulated and observed daily discharge.

3.2. 저수지 수온 보정 및 검증 결과

W2 모델의 수온성층구조 모의를 위해 2010년과 2011년 을 대상으로 보정 및 검증을 수행하였으며, 주암호 1지점의 수심별 수온 모의값과 실측값을 비교한 결과를 Fig. 9에 나 타내었다. 모의값과 실측값에 대한 비교는 절대평균오차 (Absolute Mean Error, AME)와 평균제곱근오차(RMSE)를 적용하였으며 Table 4에 제시하였다. 보정기간의 AME와 RMSE는 0.52~2.05°C와 0.65~2.06°C의 범위를 나타내었으며, 검증기간의 AME와 RMSE는 0.47~1.32°C와 0.58~1.58°C의 범위를 나타내 모의수온은 실측수온을 잘 반영하는 것으로 나타났다. 보정기간인 2010년의 경우 6월초부터 수온성층 이 형성되어 10월초까지 유지되었으며, 12월 초 전도현상에 의해 안정화되는 경향을 모델은 잘 반영하는 것으로 나타 났다. 또한 검증기간인 2011년의 경우 8월 이전의 자료는 수집하지 못하였으나, 8월 이후부터 11월 중순까지 안정적 으로 형성된 수온성층을 모델은 잘 모의하였으며 11월 말부 터 시작된 전도현상 역시 적절히 재현하는 것으로 나타났다.

Fig. 9. Comparison of observed and simulated profile of water temperature at Juam 1 during calibration (a) and validation (b) periods.

3.3. 주암호 유역의 미래 유출 전망

미래 기후변화에 따른 주암호 내 수온성층구조 변화를 분석하기에 앞서 구축된 SWAT 모델에 기후변화 시나리오 에 따른 기후인자를 입력자료로 사용하여 주암호의 미래 유입량을 산정하였다. Fig. 10은 기후변화 시나리오 적용에 따른 일별 댐 유입량 변화를 나타낸 것으로 Baseline (1991~2010년) 기간에서 LF기간 (2071~2100년)으로 갈수 록 각 기간별 평균 유입량은 강수량 증가의 영향으로 증가 하는 것으로 전망되었다. Fig. 11에는 주암댐 유역의 기후 변화에 따른 월별 댐 유입량을 나타내었다. 미래 강우특성 변화에 따라 가을철과 겨울철 댐 유입량의 증가가 두드러 지게 나타났으며, 미래 댐 유입량은 Baseline 대비 LF기간 에 약 35% 증가하는 것으로 전망되었다.

Fig. 10. Changes of daily dam inflow under A1B scenario and average line at each period.

Fig. 11. Histogram of monthly dam inflows for the baseline and future periods.

3.4. 저수지 미래 용수공급능력 및 방류량 변화

미래 기후변화에 따른 주암호 유역 유출량 전망자료를 기 반으로 주암호 저수지의 용수공급능력 및 방류량 변화를 HEC-ResSim 모형을 활용하여 모의하였다. 기간별 유입총량 대비 용수공급능력을 Table 5에 나타내었으며, Fig. 12에 2011~2100년까지의 총 방류량 변화를 나타내었다. 기후변 화의 영향으로 미래로 갈수록 유입량은 증가하였으며 이에 따라 주암호 저수지의 용수공급능력 역시 증가하는 것으로 분석되었으며, 총 방류량도 증가하는 추세를 나타내었다.

Fig. 12. Simulated daily dam outflow under A1B scenario using HEC-ResSim.

3.5. 기후변화에 따른 저수지 수온 및 성층구조 변화 전망

기후변화가 주암호의 수온 및 성층구조 변화에 미치는 영향을 분석하기 위해 인공신경망을 통해 상세화된 기후시 나리오 자료와 SWAT 모델의 유출량 자료를 토대로 W2 모델을 이용하여 2011~2100년까지의 주암호의 장기수온 변화를 모의하였다. 2011~2100년까지의 대기기온과 주암호 1지점의 표층 및 심층수온의 변화를 Fig. 13에 나타내었다.

Fig. 13. Long term projection of air temperature, surface water temperature, bottom water temperature.

대기기온 상승의 영향으로 주암호 1지점의 표층수온과 심층수온 모두 미래로 갈수록 상승하는 경향을 나타내었다. 2011년 연평균 대기기온, 표층수온, 심층수온은 각각 13.6°C, 17.7°C, 7.1°C이었으며, 2100년 연평균 대기기온, 표층수온, 심층수온은 각각 15.6°C, 19.9°C, 9.2°C로 나타나 2011년 대비 2.0°C, 2.2°C, 2.1°C 증가하는 것으로 나타났다.

또한 2011~2100년까지의 주암호 1지점의 연직 수온분포 모의결과를 토대로 Schmidt stability index (^{Idso, 1973})를 사용하여 성층강도를 평가하였으며 그 결과를 Fig. 14에 제 시하였다. Schmidt stability index는 성층을 파괴하기 위해 단위면적당 필요한 물리적 에너지를 의미하며 식 (1)과 같 이 계산되어진다.

Fig. 14. Long term projection of Schmidt Stability.

여기서, g 는 중력가속도(m/sec²), A_s 는 저수지 수표면 면적 (m²), A_z 는 수심 z에서의 면적(m²), z_D는 저수지의 최대수심 (m), ρ_z 는 수심 z에서의 밀도(kg/m³), z_v는 저수지 체적 중심 의 수심(m)을 의미한다.

연평균 S_T 는 2011년 235.9 J/m²에서 2100년 255.4 J/m² 으로 약 8.3% 증가하는 것으로 나타났으며, S_T 는 저수지 의 표층수온이 증가함에 따라 미래로 갈수록 증가하는 경 향을 보였다. 2011년 저수지 표층이 가열되기 시작하여 약 한 성층이 발생할 때의 S_T 는 약 15.0 J/m² 으로 이를 기준 으로 하여 성층형성시기 및 형성기간을 분석한 결과 2011 년 3월 27일부터 12월 10일까지 259일 형성되었던 수온성 층은 2100년 2월 20일부터 12월 23일까지 307일 동안 형 성되어 미래로 갈수록 수온성층 형성 시기는 빨라지고 지 속기간은 길어지는 것으로 분석되었다.

이러한 연구결과는 선행 연구결과와도 일치한다. 외국의 연구 결과들은 수온 상승으로 인한 성층화 기간 및 성층강 도의 증가는 심층 용존산소의 고갈을 초래하며, 이는 바닥 퇴적물로부터 인의 용출율을 증가시키는 결과를 초래하므 로 전도현상 발생시 심수층으로 배출된 인은 표층으로 공 급되어 조류 성장의 원인으로 작용하여 지구온난화가 저수 지의 영양상태에 큰 영향을 줄 것으로 예측한 바 있다(^{Coats et al., 2010}; ^{Komatsu et al., 2007}; ^{Nicholls, 1999}). 또한 성층이 강한 수체에서는 여름철 수화현상(algal bloom)의 원인이 되고 있는 남조류의 우점이 일어날 수 있다. 이는 세포 내 기낭(gas vesicles)을 가지고 있는 남조류가 강한성 층 조건에서 자유 침강하지 않고 부력조절을 통해 유광층에 부유할 수 있기 때문이다(^{Paerl and Otten, 2013}; ^{Wetzel, 2001}). 따라서 주암호의 경우에도 미래로 갈수록 성층강도 와 성층형성기간이 증가하는 것으로 전망된 바 미래 기후 변화에 대비하여 수자원 관리를 위한 적응대책 마련이 필 요할 것으로 판단된다.