2.1. 연구지역 및 자료

본 연구에서는 유역에서의 기후변화에 따른 함양량 영향 및 기저유출 특성을 파악하기 위하여 북한강 상류지역인 소 양강댐 유역을 연구대상지역으로 선정하였다. 소양강댐 유역 의 유역 평균 폭은 16.5 km, 유역 면적은 약 2,703 km²로 이 중 산림이 차지하는 비율은 91.80%, 농경지 5.11%, 초지 0.54%, 주거 및 상업지역은 0.89%이며 나머지 1.66%는 내 륙수역이다(Fig. 1). 또한 유역 평균표고 650.5 m, 유역 평균 경사는 40.6%로써 우리나라 북동부 산악지역에 위치하고 있 다. 소양강댐 유역의 유출 모니터링 자료는 Fig. 1과 같이 유 역 말단부에 위치한 소양강댐에 측정된 자료를 이용하였다. 소양강댐 유역은 수위관측소의 유입량이 자연적인 수문패턴 을 가지고 유출이 발생한다고 볼 수 있어 일별 유출 자료의 신뢰성이 우수하기 때문에(^{Lim et al., 2006}) 소양강댐 유역 을 연구대상지역으로 선정하였다. SWAT모형은 유량을 모의 하기 위해 표고자료, 토지이용도, 토양도와 함께 기상자료를 이용한다. 본 연구에서는 SWAT 모형의 입력 자료인 표고자 료는 국립지리원에서 제공해 주는 30 m × 30 m 해상도의 수 치표고모델(Digital Elevation Model: DEM)을 이용하여 구축 하였으며, 환경지리정보시스템에서 제공하는 토지이용도 (1:25,000)와 농촌진흥청 농업과학기술원에서 제공해주는 토 양도를 사용하였다(Fig. 2). 소양강댐 유역의 토양속성 현황 은 Af (alluvial soils and river wash, flood plains), An (complex of soils, narrow valleys), Ma (lithosols, siliceous crystalline), Mm (lithosols, micaceous and hard siliceous), Mu (brown forest soils and lithosols, undifferentiated), Ra (red-yellow podzolic soils, siliceous crystalline), Re (lithosols, severely eroded, siliceous) and Rocky (rocky lands)로 구성 되어 있다(Fig. 3). 또한 기상자료로는 일사량(MJ/m²), 일 강 수(mm), 일 평균상대습도(%), 일 평균풍속(m/sec), 일 최고·최저기온(°C)을 이용하는데 본 연구에서는 2005년 1월부터 2009년 12월까지 기상청에서 제공하는 4개(춘천, 인제, 대관 령, 속초)의 일별 기상자료를 구축하였다. SWAT 모형의 기 상 자료 중 유출 및 지하수 함양량에 가장 많은 영향을 미치 는 강수량 자료는 4개 관측소마다 다른 차이를 보였다. 이 중 S4 지점의 연 평균 강수량은(2005~2009년) 1,594 mm로 가장 많은 것으로 관측되었으며, S2 지점의 연 평균 강수량 이 가장 적은 1,356 mm로 관측되었다(Fig. 4).

Fig. 1. Location of the Soyang watershed.

Fig. 2. Landuse.

Fig. 3. Major soil types.

Fig. 4. Spatial location of weather stations in the Soyang watershed.

2.2. SWAT BFlow 모형을 이용한 Alpha factor 산정

SWAT BFlow(Baseflow filter program)는 ^{Arnold and Allen (1999)}이 제시한 알고리즘을 적용하여 총 유량 중 기저유 출량 비율을 결정하는 기저유출량 필터 프로그램이다.

SWAT BFlow는 유역의 장기 유량 자료를 이용하여 감 수특성을 파악한 후 기저유출을 분리하며, 장기 유량자료를 토대로 그 유역을 대표할 수 있는 Alpha factor를 제시할 수 있기 때문에 계절별/연별로 변화하는 감수부분의 특성 을 반영할 수 있다.

Alpha factor (α)는 식 (1)에 의하여 산정된다.

여기서, Q₀ 는 감수부 시작점에서의 유량, Q_t 는 시간 t에서 의 유량, 그리고 K는 감수인자(recession index)이다. 본 연 구에서는 지하수 함양량 및 기저유출의 예측 정확성을 높 이기 위해서 SWAT BFlow를 이용하여 소양강댐 유역의 관측 유량으로부터(2005~2009년) Alpha factor를 산정하여 SWAT모형 보정계수에 적용하였다. 각 소유역별 특성을 파 악하여 Alpha factor를 산정하여 달리 적용하는 것이 중요 하나, 본 연구에서는 관측자료의 부족으로 인하여 유역 출 구의 유량 자료를 이용하여 산정된 Alpha factor를 유역 전 체에 적용하였다.

2.3. SWAT의 개요

SWAT 모형은 유역내의 장기 강우-유출, 유사의 이동 및 과정을 모의할 수 있으며, 미 계측 지역에서의 모의도 가 능하며, 경작형태나 기후·식생 등의 변화에 따른 수질의 상대적 효과도 수치화할 수 있다. 또한 일 단위의 모의가 가능한 유역단위 모형으로서 수문, 토양유실, 하도추적, 영 향물질의 4가지 부모형(sub-model)으로 구성되어있으며, 이 중 수문 부모형은 저류방식에 의해 침투, 기저유출, 직접유 출 등을 되어있다. SWAT 모형에서 침투는 토층을 최대 10개 층까지 세분화하여 선형저수지 추적기법을 사용하여 계산하고, 지하수를 두 개의 대수층으로 구분한다. SWAT 에서 모의되는 수문순환은 식 (2)의 물수지 방식에 토대로 하고 있다.

여기서, SW_t : 최종 토양수분량 (mm H₂O), SW_O : i일의 초기 토양수분량 (mm H₂O), R_day : i일의 강수량 (mm H₂O), Q_surf : i일의 직접유출량(mm H₂O), E_α : i일의 증발산량(mm H₂O), Q_gw : i일의 회귀수량(mm H₂O), w_seep: i일의 토양층으로부터 투수층으로 유입수량(mm H₂O).

2.4. SWAT-CUP의 개요

SWAT-CUP (Calibration and Uncertainty Program for SWAT; ^{Abbaspour et al., 2007})은 스위스 연방연구소 Eawang에서 개발되었다(^{Abbaspour, 2008}). SWAT 모형은 자동보정모듈 을 제공하지만, 이 모듈은 다양한 알고리즘을 적용하지 못 하고, 각각에 따른 계산 및 결과 비교 등 모든 과정을 사용 자가 직접 계산하여야 하는 번거로움이 있다. 이에 SWATCUP은 이를 보완해주며, 5가지 통계 알고리즘 SUFI-2 (Sequential Uncertainty Fitting Ver.2), GLUE (Generalized Likelihood Uncertainty Estimation), MCMC (Markov Chain Monte Carlo), PSO (Particle Swarm Optimization), ParaSol (Parameter Solution)으로 구성되어있다. 이에 SWAT 모형 과 연계함으로서 모형의 최적 매개변수를 도출하고 이를 통해 모형의 정확도를 향상시켜, 모형의 적용과정에서 발생 하는 보정오차를 제거함으로서 사용자에 의한 불확실성을 최소화할 수 있는 장점이 있다.

2.5. SWAT 모형의 감수부분을 고려한 유출량 보정

본 연구에서는 소양강댐 유역을 대상으로 SWAT-CUP을 사용하여 SWAT 모형의 유출량을 보정 하였으며, 보정 시 SWAT BFlow를 이용하여 소양강지점의 2005년부터 2009 년까지 Alpha factor를 산정한 보정계수를 SWAT-CUP에 적용하여 감수부분을 고려하였다. 또한 실측유량을 대상으로 SWAT BFlow를 적용하여 나온 Alpha factor(S1)를 SWAT-CUP 적용한 결과와 기존의 방법인 SWAT-CUP에서 자동 보정모듈을 적용하여 Alpha factor(S2)를 산정한 결과의 감 수곡선 그래프를 작성하여 경향을 분석하였다. 보정기간은 2009년 1월 1일부터 2009년 12월 31일까지 소양강댐 일 유량 자료를 사용하여 보정하였다.

소양강댐 유역의 SWAT 모형 적용성 평가는 Nash-Sutcliffe 효율계수(NSE, Nash-Sutcliffe efficiency), 결정계수(R²)를 이 용하였으며, NSE, R² 는 식 (3-4)에 의하여 각각 계산될 수 있다.

여기서, y_i 는 i 번째의 유량이며, n 은 자료의 개수를 나타낸 다. o 는 관측값 s 는 모의값, Y^s 는 모의값의 평균, Y^o 는 관측값의 평균을 나타낸다.

2.6. 지하수 함양량/기저유출량 산정

본 연구에서는 유량의 감수부분을 고려하여 보정한 SWAT 모형의 예측치 자료를 이용하여 월별 지하수 함양량 분포 를 분석하였으며, 지하수 함양량이 가장 많은 월과 적은 월의 HRU별 지하수 분포도를 산정하였다. 유량 보정된 SWAT 모형 예측치를 SWAT BFlow 시스템을 통해 기저 유출량을 분리하여 분석하였다. 2009년 1월 1일부터 2009 년 12월 31일까지 소양강댐 유역의 지하수 함양량과 기저 유출량 경향을 보기 위해 총 강수량 중 지하수 함양량이 차지하는 비율과 총 유출량 중 기저유출량이 차지하는 비 율을 분석하였다.

2.7. 미래기후변화 시나리오 적용

3.1. SWAT 유량 보정 결과

본 연구에서 SWAT모형을 이용하여 유량을 모의하는 과 정에서 감수특성을 고려하기 위해 SWAT BFlow를 이용하 여 Alpha factor를 산정하였다. 소양강 유역의 Alpha factor 는 0.257 (S1) 이었으며, 이를 SWAT-CUP에 고정하여 8개 의 다른 매개변수들을 보정하였다. 2009년 1월부터 2009년 12월까지 소양강 유역의 실측 유출량에 대하여 보정하였으 며, 보정에 사용된 매개변수와 보정 값은 Table 1과 같다. 보정 결과는 NSE는 0.83, R²는 0.89로 산정되어 ^{Saleh et al. (2000)}의 SWAT보정의 평가기준(NSE > 0.65)에 있어 “very good”으로 평가되었다(Table 2). 또한 기존의 SWAT-CUP 자동보정을 통한 보정 결과는 Alpha factor는 0.995(S2) 산 정하였으며, Alpha factor를 제외한 Table 1에 제시한 보정 값을 동일하게 적용한 결과 NSE는 0.82, R²는 0.86이다. 이러한 결과에서 보듯이 소양강 유역의 유량 부분을 S1과 S2가 잘 모의하였다. 하지만, Fig. 5에서 보듯이 2009년 실측 유량을 대상으로 감수부 부분에 대해 Alpha factor 0.257(S1) 를 적용한 것과 SWAT-CUP 자동보정하여 Alpha factor 0.995(S2) 나온 것을 비교할 때 S1이 기존의 방법 S2보다 는 감수부 영향을 보다 정확하게 고려하였다. 또한 ^{Jung et al. (2014)}의 연구 결과에서 보듯이 SWAT-CUP의 자동보 정 모듈에 의하여 산정된 Alpha factor 결과보다는 유량관 측소에서 관측된 유량에 의하여 SWAT BFlow와 같은 기 저유출필터 프로그램을 적용하여 Alpha factor를 산정하여 보정한 것이 감수특성을 고려하여 평가하였다고 제시하였 다. 이에 따라 본 연구 결과에서 보이는 바와 같이 Alpha factor 0.257(S1)의 결과를 이용하여 SWAT 모형이 소양강 유역의 유출량 및 기저부분의 영향성 평가를 정확히 할 수 있을 것으로 판단된다.

Fig. 5. Observed and simulated streamflow recessions.

3.2. 지하수 함양량/기저유출량 산정 결과

유량 보정된 SWAT 모형을 이용하여 연별/월별 지하수 함양량을 산정하였다(Fig. 6; Table 3). 소양강 유역의 2009년 지하수 함양량은 390.4 mm/year로 2009년 강수량 1415.5 mm/year의 약 27.6% 정도 차지하는 것으로 나타났다. 또한 월별 지하수 함양량 결과를 보면, 여름철인 7월은 98.8 mm/month로 함양량이 가장 적은 겨울철인 1월 2.6 mm/month 보다 약 38배 정도 큰 것으로 분석되었다. Fig. 6과 Table 3에서 보이듯이 9월의 경우 강수량 대비에 지하수 함양량이(9월 강수량 23.6 mm/month, 9월 지하수 함양량 35.1 mm/month) 크게 나타난 이유는 6월, 7월, 8월에 유역 내 내렸던 강수량에 의한 영향이라 판단된다. Table 4는 소 양강 유역에서의 기저유출량의 특성을 분석하기 위하여 강 수량, 유출량, 기저유출, 강수량 대비 기저유출 비율, 유출 량 대비 기저유출을 나타낸다. 이 표에서 보이는 바와 같이 산림이 차지하는 비율이 91.8%인 소양강 유역의 경우 강수 량 대비하여 17.1%가 기저유출로 되며, 총 유량의 27.3%가 기저유출 형태로 하천으로 유입되는 것으로 분석되었다. 본 연구에서는 소양강 유역에서의 지하수 함양량 특성을 분석 하기 위하여 ^{Ryu et al. (2012)}를 이용하여 월별 지하수 함 양 분포를 비교 분석하였다. ^{Ryu et al. (2012)}은 해안면 유 역을 대상으로 2009년 지하수 함양을 월별로 분석한 결과 여름철 7월, 8월에 각각 73.54 mm/month, 73.59 mm/month 로 분석되었으며, 7월, 8월이 함양량이 가장 적은 겨울철인 12월(4.17 mm/month) 보다 약 18배 정도 큰 것으로 분석되 었다. 이러한 결과를 통해 계절별 지하수 함양량 분포도 경 향은 유사하지만, 해안면유역이 경사가 가파르기 때문에 소 양강 유역에 비해 지하수 함양량이 적은 것으로 나타났다. Fig. 7은 2009년 소양강 유역의 월별 함양량의 시간적 공간 적 변화 특성을 보여주는 그림이다. 그림에서 보이듯이 월별 지하수 함양량 중 가장 적은 1월은 최대 18.0 mm/month로 강수 및 기온 등의 영향으로 인하여 HRU별 지하수 함양량 이 적은 것으로 분석되었으며, 반면 가장 많은 7월의 함양 량은 최대 225.0 mm/month로 HRU별 지하수 함양량 차이 가 많이 나는 것으로 분석되었다. 또한 소양강 유역의 지형 특성상 지하수 함양량이 유역 가운데 부분에서 상대적으로 많이 일어나는 것으로 분석되었다.

Fig. 6. Precipitation vs. Groundwater Recharge in 2009.

Fig. 7. Spatio-temporal distribution of monthly groundwater recharge of HRUs in 2009 (mm/month). (a) January (minimum), (b) July (maximum)

3.3. 미래기후 시나리오에 따른 모형 결과

본 연구에서는 미래 기후 시나리오 분석하는 기후변화 모 형(GFDL-ESM2G, IPSL-CM5A-LR, MIROC-ESM)에 RCP 8.5 시나리오를 적용한 후, 그 결과를 유량 보정된 SWAT 모형에 입력하여 모의하였다. RCP 8.5 시나리오를 세 기간 2025s (2014 ~ 2040년), 2055s (2041 ~ 2070년), 2085s (2071 ~ 2100년)로 구분하여 소양강 유역에 적용하였다. 기후변화 분석기간은 2014년부터 2100년까지 87년을 대상기간으로 선정하였다. 분석결과 IPSL-CM5A-LR 모형은 2025s, 2055s, 2085s 기간동안 강수량이 약 67% (+608.7mm) 증가되었으 며, MIROC-ESM 모형 결과 약 8.4% (+108.9mm) 증가되었 다. 하지만 GFDL-ESM2G 모형에서는 두 모형과 다른 결 과를 보였다. 2055s 부터는 약 9% (-132.8mm)로 감소하였 고, 2085s 에서는 2055s 에 비해 다시 약 30% (+438.4mm) 증가하는 경향을 보였다(Table 5). 월별로 강수량 분포도 경향을 보면, MIROC-ESM 모형은 2025s, 2055s, 2085s 기 간 동안 평균 강수량이 7월에 가장 많은 분포를 보였으며 (Fig. 7), IPSL-CM5A-LR 모형에서는 2025s 기간 동안에는 평균 강수량이 7월에 분포하였지만, 2055s 와 2085s 에서는 평균 강수량이 8월에 가장 많이 분포하였다. 또한 GFDL-ESM2G 모형에서는 평균 강수량이 8월에 가장 많은 분포 도를 보였다. 기후변화 모형을 비교하였을 때 2025s 에서는 GFDL-ESM2G 모형의 평균 강수량이 1,587.5 mm로 가장 크게 나타났지만, 2055s와 2085s 기간에 상대적으로 IPSL-CM5A-LR 모형이 1,706.7 mm, 2,099.4 mm 로 크게 나타났다.

Fig. 8에서 강수량 경향을 보듯이 GFDL-ESM2G 모형은 미래로 가면 갈수록 건기 시기인 1월, 12월에 점차 감소하는 경향을 보였다. 7월에는 점차 증가하는 경향을 보였지만, 같은 여름철인 8월에는 2055s까지 감소하였다가 2085s 에서 증가하는 변동성이 큰 경향을 보였다. IPSL-CM5A-LR 모 형은 2014년에서 2100년으로 향해 갈수록 강수량이 증가하 는 경향을 보여, RCP8.5의 특징인 미래로 갈수록 강수량 증감하는 경향과 동일하게 나타났다. MIROC-ESM 모형은 미래로 향해 갈수록 7월 강수량이 감소하면서, 반면 6월 강 수량이 증가하는 결과를 보였다.

Fig. 8. Estimated monthly precipitation data by three models.

3.4. 미래기후 시나리오를 적용한 지하수 함양량/기저유출량 산정결과

미래기후 시나리오를 적용한 지하수 함양량의 기간별 결과 는 GFDL-ESM2G 모형의 경우 403.8 mm/year, 365.9 mm/year, 429.3 mm/year 로 2055s 기간때 감소하였는데, 이는 2025s 과 2085s 기간에 비해 2055s 기간 때 강수량이 적기 때문인 것으로 판단된다(Table 6). IPSL-CM5A-LR 과 MIROC-ESM 는 2025s, 2055s, 2085s 기간 동안 총 강수량이 증가함에 따라 지하수 함양도 같이 증가하는 경향을 보였다. 세 개 의 기후변화 모형마다 연강수량의 분포는 다르지만 총 강 수량에 대한 지하수 함양 비율이 세 기간 모두 20% 이상 인 것으로 분석되었다(Table 6). Fig. 9에서 보듯이 월별 지하 수 함양량 결과는 2025s 에서 GFDL-ESM2G 모형이 8월에 109.8 mm/month 로 크게 나타났으며, 2055s 에서는 IPSL-CM5A- LR 모형이 8월에 97.0 mm/month로 나타났다. 8월 에 큰 경향을 보인 이유는 7,8월에 내린 강수량의 영향으 로 판단된다. 2085s 에는 IPSL-CM5A-LR 모형을 적용해서 나온 2085s 총강수량이 2099.4 mm 내려 7,8,9월에 지하수 함양량이 65.0 mm/month 이상인 것으로 분석되었다. MIROC-ESM 모형에 의한 예측 강우자료 이용 시, 미래로 갈수록 9,10,11,12월 지하수 함양량이 증가된 결과가 나타났다. 유 량에 대한 기저유출은 결과는 GFDL-ESM2G 모형의 경우 19.4%에서 20.0%로 증가되었으며, IPSL-CM5A-LR 경우 19.0%에서 25.2%, MIROC-ESM 22.1%에서 27.2%로 증가 하였다. 또한 기후변화 모형을 통해 미래기후 시나리오 적 용한 분석결과에서 보이는 바와 같이 지하수 함양량이 증 가/감소함에 따라 기저유출량 부분도 같이 증가/감소하는 유사한 경향이 보였으며, 2100년으로 가면 갈수록 지하수 함양량과 기저유출량이 증가되는 경향이므로, 건기 시 유황이 개선될 것이라 판단된다. 지하수 함양률이 높은 경우 지하 수위를 일정수준 이상 유지시켜 하천의 유량이 지속적으로 흐르도록 할 수 있으므로 건천화 방지 대책으로 판단된다. 또한 지하수를 활용하여 취수원 확보가 가능할 것이다.

Fig. 9. Application of future climate scenarios to estimate monthly groundwater recharge (2014~2100).