신창민
(Chang Min Shin)
†
민중혁
(Joong-Hyuk Min)
박수영
(Su Young Park)
최정규
(Jungkyu Choi)
강미리
(Miri Kang)
박종환
(Jong Hwan Park)
*
송용식
(Young Sik Song)
**
김경현
(Kyunghyun Kim)
-
국립환경과학원 물환경연구부 물환경평가연구과
(Water Quality Assessment Research Division, National Institute of Environment Research)
-
국립환경과학원 영산강물환경연구소
(Yeongsan River Environment Research Center, National Institute of Environment Research)
-
(주)지오시스템리서치 부설연구소
(Research and Development Institute, GeoSystemResearch Corporation)
© Korean Society on Water Environment. All rights reserved.
Key words
Chlorophyll-a, EFDC, Forecast, HSPF, Yeongsan, Weir
1. Introduction
환경부는 2012년부터 한강, 낙동강, 금강, 영산강 등 4대 강수계 주요 지점에 대해 향후 7일간의 수온과 클로로필-a 농도에 대한 수질예보를 시행하고
있으며, 수질예측 정보는 수질예보홈페이지(http://wqcast.nier.go.kr:8080) 및 문자메시 지를 통해 물관리 관계기간에 전달되어 수질 악화를 미리 예측하고 대응하는 사전 예방적 수질관리에 활용되고 있다 (Shin et al., 2013).
수질예보를 위한 수질예측모델은 유역에서의 유출량 및 오염부하를 모의하기 위한 Hydrological Simulation Program- Fortran
(HSPF) 유역모델과 하천 본류구간에서의 물 흐름과 수질 모의를 위한 Environmental Fluid Dynamic Code (EFDC) 수질모델을
연계하여 운용되고 있다. EFDC 모델은 하천, 호수, 하구 등에서의 수리 및 수질 거동 해석을 위해 전 세 계적으로 널리 사용되고 있다. 국내에서는
한강수계(Min et al., 2011, Kim et al., 2014), 낙동강수계(Na et al., 2014), 금강수계(Jeong et al., 2010; Kim et al., 2012) 등 주로 대 하천 본류 구간에 대해 적용된 바 있다. 한편 북한강 중류 의암호에서 클로로필-a 농도와 조류 종별 세포수를 이용한 조류모의기법 개발
및 적용 연구를 위해 사용되기도 하였다 (Choi et al., 2015). 앞서 EFDC 모델의 수리 모의와 WASP 모델의 수질 모의를 연계하여 경인아라뱃길(Yin and Seo, 2013)과 금강하류(Seo et al., 2009)의 수리 및 수질변화 모 의를 적용한 바 있다. 국외 적용 사례로는 미국 Wissahickon Creek의 총량관리(Zou et al, 2006), Neuse River 하구의 총 량관리(Wool et al., 2003), EFDC 모델과 HSPF 모델을 연 계한 미국 플로리다 St.Louis 만 하구에서의 총량관리(total maximum daily load,
TMDL)를 위한 수리 모델링의 개발 (Liu et al., 2008), 수심이 얕은 Morro 만에서 마름/젖음 상 태(wet/dry processes)에 대한 모의(Ji et al., 2001), 중국 베 이징 Guanting 호에서의 조류 농도 저감을 위한 3차원 부영 양화모델의 적용성(He et al., 2011), 중국 베이징 Daoxianghu 공원 호수에서 녹조 발생 예측의 타당성(Wu and Xu, 2011) 등이 적용된 바 있다.
물 속에는 남조류, 규조류, 녹조류, 편모조류 등 수많은 조류 종들이 존재하며, 이들은 수체 내 수온, 영양물질 조 건, 일사량, 체류시간, 포식자
등 다양한 환경조건에 따른 성장, 종 간 경쟁 및 사멸을 통해 생체량이 변화된다. 또한 아나베나(Anabaena spp.), 아파니조메논(Aphanizomenon
spp.) 같은 특정 남조류는 수온 하강 등 환경조건이 열악할 때 휴면포자(Akinete)를 만들어 퇴적층에 서식하다 환경조건이 좋아지면 다시 발아하여
성장할 수 있다(Kang et al., 2014). 반면 아나베나, 마이크로시스티스(Microcystis spp.)와 같이 군집(colony)을 형성하는 조류 종들은 부력을 조절하여 정체 수역의
수표면에 스컴(scum)을 형성하기도 한다(Kromkamp and Walsby, 1990). 이처럼 수체에는 다양한 조류 종들이 환경조건에 따라 다양한 거동 특성을 보이나 대부분의 수 질모델은 이러한 조류의 복잡한 거동 특성을 단순화된
수 식을 통해 모의하고 있을 뿐만 아니라 아직까지 조류의 성 장 및 사멸과 관련된 다양한 기작들이 충분히 규명되지 않 아 이를 기반으로 만들어진 수질모델로는
조류의 시·공간 적인 급격한 변동 특성을 모의하기에는 한계를 가지고 있 다(Reynold et al., 2002). 이러한 한계로 인해 수질예보는 기상, 홍수예보 등과 달리 아직 국·내외적으로 적용사례가 많지 않으나, 최근에는 실시간 모니터링 기술, 수치모델
및 초고속 연산시스템의 발전, 수질 및 조류 거동특성에 대한 이해의 확대, 시·공간적으로 보다 정밀한 관측자료의 생성, 관측자료를 이용하여 모델 초기장을
최적화하는 자료동화 기법의 적용, 그리고 수질 및 친수정보에 대한 인식의 증 대로 인해 점차 수질예보에 대한 필요성과 그 가능성이 증 대되고 있다.
이를 기반으로 결정론적 수치모델, 인공신경 망기법, 통계적 모형 등의 다양한 기법을 활용하여 네덜란드, 덴마크, 미국, 싱가폴, 홍콩 등에서 수질예보를
시행하고 있다. Palani et al. (2008)은 Artificial Neural Network (ANN) 기법을 이용하여 싱가폴 연안에서 염분, 수온, 용존산소 및 클로로필-a 농도 예측의 적용성을
평가하였으며, 홍콩에서 는 통계적 기법 및 수리동역학 모델링을 이용하여 해변에 서의 대장균(E.coli) 농도에 따른 해변수질예측을 시행하고 있다(HKU, 2016).
한편 국내에서는 2013년 완공된 4대강사업으로 4대강 본 류는 보 구간을 중심으로 수심이 깊어지고 하상은 평탄화 되었으며 다기능 보를 통해 수위
및 유량을 인위적으로 조 절가능하게 되었다. 영산강에는 승촌보와 죽산보 2개의 보 를 설치하였으며 각 보는 고정보, 가동보, 어도, 소수력발 전 등
다양한 수리구조물을 포함하고 있으며, 보 구간은 관리수위 기준 평균 5 ~ 6 m의 수심을 유지하고 있다. 이 와 같은 대하천 본류 구간에 대한 수질
예측을 수행하기 위해서는 이러한 인공수리구조물에 의한 유량 및 수위 조 절을 적절히 반영할 수 있어야 하며, 이에 국립환경과학원 에서는 EFDC 모델을
기반으로 다기능 보의 구조 및 운영방 식을 모의할 수 있는 보모의 모듈 기능을 포함한 EFDC-NIER (National Institute of Environmental
Research) 모델을 개발 하였다(NIER, 2011, 2014).
본 연구에서는 영산강수계 주요 보 지점에서의 수질예보 를 위해, EFDC-NIER 수질예측모델을 구축하고 모델의 보 정을 수행하였으며 2015년을
대상으로 클로로필-a 농도에 대한 수질예측의 정확도를 평가하였다. EFDC-NIER 수질 예측모델을 이용한 수질예보를 위해서는 예보기간 동안의 기상자료와
및 지류의 수질과 유량에 대한 경계조건이 필 요하며 이를 위해 기상청의 기상수치모델과 HSPF 유역모 델을 EFDC-NIER 모델과 연계하여 수질예보를
수행하였다.
2. Material and Method
2.1. 대상 지역
영산강은 전라남도 담양군 용면 용연리 용추봉(EL. 560 m) 에서 발원하여 남서쪽으로 흐르면서 차례로 풍영정천, 광주 천, 황룡강, 평동천, 지석천,
장성천, 영산천, 만봉천, 문평 천, 고막원천, 함평천, 삼포천, 영암천과 합류한 후 영산강 하구둑을 통해 서해로 유출된다. 본류의 총 길이는 약
150 km, 유역 면적은 약 3,551 km2이다. Fig. 1에 영산강 유역의 지 리적 위치와 주요 유입지천, 기상관측소, 그리고 영산강 본 류에 위치한 수질 및 수위 측정망 위치를 나타내었다.
Fig. 1. A site map showing the location of monitoring stations and major tributaries of the Yeongsan River.
2.2. EFDC-NIER 수질예측모델의 구축
EFDC 모델은 연안, 하구, 호소, 습지 하천 등의 수리 및 물질 수송을 모의할 수 있는 3차원 수치모델로 1990년대 초반 미국 버지니아해양연구소(Virginia
Institute of Marine Science)에서 개발되었으며 이후 U. S. EPA에 의해 개발·관 리되고 있다. EFDC 모델은 Hydrodynamics,
Water Quality, Sediment Transport, Toxic 총 4개의 모듈로 구성되며, 유체 의 이송 및 확산, 부유물질 거동, 염분
및 수온 변화, 수질 및 부영양화 기작, 독성오염물 거동 등의 모의가 가능하다.
EFDC 모델의 유동해석을 위한 지배방정식은 연속방정 식, 수평 및 수직방향 운동량방정식, 밀도상태방정식, 물질 보존방정식으로 구성되어 있으며, 상세한
내용은 Tetra Tech, Inc. (2007a)에 상술되어 있다. EFDC 모델은 수평방 향으로는 직각 또는 직교 곡선좌표계를 선택적으로 사용할 수 있으며, 연직방향으로는 시그마좌표계를 사용한다.
최근 에 개선된 EFDC+ 버전은 기존 EFDC 모델에 수심이 급변 하는 하천 구간에 대해 성층 재현성을 강화하기 위하여 모 델의 구간에 따라 수직층의
개수를 달리 설정할 수 있는 Sigma Zed 수직좌표계 기능이 추가되었다(DSI, 2016).
EFDC 모델의 수질모듈은 3종의 부유성 조류와 1종의 부 착조류를 모의 할 수 있으며, 유기 질소, 유기인, 유기탄소 는 각각 난분해입자성, 이분해입자성,
용존성의 3가지 상태 변수로 구분되며, 암모니아 및 질산성 질소, 인산염, 용존산 소, 입자상 및 용존가용성 실리카, 대장균, COD 등 총 22개
수질 상태변수들의 동역학적 반응들을 모의할 수 있다. EFDC 모델의 각 수질변수별 상호관계를 Fig. 2에 나타내었다.
Fig. 2. Schematic diagram of the EFDC Water Quality Model Structure (Tetra Tech, Inc., 2007b).
EFDC 모델 대상구간은 영산강 본류 수질측정망 우치 지 점부터 영산강 하구둑까지이며, 실폭하천도, 제방경계, 하천 단면자료, 영상촬영사진, 다기능
보 등을 고려하여 수평 격 자망을 구성하였다(Fig. 3). 수평 격자망 구성시 가장 중요 한 고려사항은 사각형 격자망을 이용하여 하천형태와 부피 를 최대한 왜곡 없이 반영하는 것이며, 다음으로 연산시간
단축 및 모델의 안정성을 위해 격자 크기를 적절하게 설정 하고 격자의 직교성 및 면적의 균일성을 유지하는 것이다. 이를 위해 본 연구에서는 Fig.
4에서 보듯이 격자망 구성시 하천의 형태와 부피를 정확히 재현하기 위해 물이 상시 흐 르는 수로와 제방부분을 구분하여 격자망을 구성하였으며, 격자의
직교성을 유지하기 위해 격자의 임계각도는 75 ~ 105° 범위로 설정하였다. 총 격자수는 1,854개이며 폭방향 격자 크기는 62 ~ 497 m
(평균 155 m), 흐름 방향 격자크기는 70 ~ 560m(평균 236 m)이다. 하상고는 최상류 EL. 28.6 m부 터 영산강 하구의 EL.
-21.3 m까지이다. 수질 및 조류 발생 의 시·공간적 다양성을 재현하기 위해 영산강 수역을 최상 류 우치 ~ 승촌보 경계, 승촌보 구간, 죽산보
구간, 죽산보 하류, 영산강 하구의 5개의 구역(zone)으로 구분하였다.
Fig. 3. Physical domain grid of the Yeongsan River, Grid spacing ranges approximately between 60 and 500 m.
Fig. 4. Operational levels and cross-section and the EFDC model’s grids of the Seungchon and Juksan weirs.
영산강에는 다기능보인 승촌보와 죽산보가 있으며 고정 보, 승강식 가동보, 어도, 소수력발전을 통해 하류로의 유출 이 발생한다. EFDC-NIER 모델은
Fig. 5와 같이 다기능보 모듈을 통해 위의 수리구조물을 통한 물 흐름을 모의 할 수 있다. 고정보와 가동보는 상·하류 수위차에 따라 웨어 및 오리피스로 구분하여
유출유량을 계산하며, 어도는 어도수 위 이상일 때 어도를 통한 하류로의 유출이 일어나며, 소수 력발전은 상·하류 수위차에 의해 유출유량을 계산한다.
또 한 이러한 수리구조물 유출유량은 옵션에 따라 사용자가 지 정한 수위 및 유량 조건이 만족되도록 모의될 수 있다.
Fig. 5. Schematics and flow equations of a fixed weir and a movable weir,C1~C6is the coefficient of discharge, B is the width of weir.
영산강 본류 구간에 대해 모델 격자망 구성 후, 기상 및 유입 지류에 대한 경계조건을 설정하였다(Fig. 6). 기상경계 조건은 광주지상관측소의 기압, 기온, 상대습도, 강수량, 증 발량, 운량의 시단위자료를 이용하였다. 하류 경계조건은 영산호 하구둑이며,
유입 경계조건은 황룡강, 지석천, 광주 천 등 14개 지류와 영산강 본류로 직접 방류되는 광주하수 처리장 등 6개의 하·폐수처리장을 반영하였다. EFDC
모델 의 초기조건 및 유입 경계조건의 조류종별 탄소 농도는 식 (1)과 같이 클로로필-a 농도에 조류종별 탄소와 클로로필-a 농도비와 조류종별 개체수비를 곱하여 산정하였으며, EFDC 모델은 3개의 조류종만을 모의할
수 있어 녹조류의 분율에 는 기타 조류의 분율을 포함하였다. Fig. 7에 승촌보와 죽 산보에서의 클로로필-a 농도와 조류종별 개체수를 나타내 었다.
Fig. 6. Boundary conditions of the EFDC model of the Yeongsan River.
Fig. 7. Chlorophyll-a concentration and algal cells in the Seungchon and Juksan weirs.
CHC = Chl-a conc. × cchlc × cyanobacteria cell / total algae cell
CHG = Chl-a conc. × cchlg × green algae cell / total algae cell
여기서, CHC, CHD, CHG는 각각 남조류, 규조류, 녹조류의 탄소함량(mg C/L), cchlc, cchld, cchlg는 각각 남조류, 규조
류, 녹조류의 탄소와 클로로필-a 농도비(mg C/ug chl-a)이다.
구축된 EFDC-NIER 모델의 수리 및 수질 재현성 검토를 위하여 2014년 1년간을 대상으로 보정하였다. 모델 보정에 는 국토교통부 수위측정망(HRFCO, 2016) 및 환경부 수질 측정망(NIER, 2016) 자료를 이용하였다. 유입 지류와 하류 경계조건은 환경부 수질측정망 관측 자료를 이용하였으며 하·폐수처리장에 대한 경계조건은 수질원격감시체계(Tele
Monitoring System, TMS) 자료를 활용하였다.
2.3. 수질예측 및 예측 정확도 평가
수질예측은 국립환경과학원의 수질예보시스템(Water Quality Forecast System)을 통해 운영되고 있으며 보정된 EFDCNIER 수질모델을
이용하여 영산강수계 승촌보 및 죽산보 지점에서의 향후 7일간의 클로로필-a 농도변화를 예측하였 다. 예보기간 동안의 기상자료는 기상청의 전지구예보모델
(global data assimilation and prediction system, GDAPS) 및 지역예보모델(regional data assimilation
and prediction system, RDAPS)의 결과자료인 GRIB(grided binary) 자료를 자동 연 계하여 이용하였다(Shin et al., 2013). 예측기간에 대한 기 상 경계조건은 기상수치모델 예측시간 기준으로 72시간까 지는 비교적 해상도가 높은 RDAPS 자료를 이용하였으며 그 이후
252시간까지는 GDAPS 자료를 이용하여 시간단위로 입력자료를 구축하였다. 유입 지류와 하류 경계조건은 기상 예측모델 결과를 이용하여 모의한 HSPF
유역모델의 모의 결과를 이용하였으며(Shin et al., 2014), 하·폐수처리시설의 유량 및 수질에 대한 경계조건은 유량 및 유출농도의 단기 간 변화가 크지 않다고 가정하여 최근 7일간의 평균값을 예보기간 동안
동일하게 적용하였다. 예보기간 동안 승촌보 와 죽산보의 운영조건 및 수위는 예보일을 기준으로 전일 일평균 자료를 이용하였다.
모델 보정 및 예측 정확도 평가를 위한 통계지표로 Nash- Sutcliffe efficiency(NSE), 편이(Bias), 평균절대오차(MAE)
를 사용하였다. NSE는 관측값의 변동폭 대비 예측값의 평 균오차로 예측의 숙련도를 평가하는 지표이고, Bias는 예측 오 차의 평균적 방향성을 나타내며,
MAE는 관측값과 예측값 의 평균오차로써 예측의 정확도를 나타내는 지표이다(Table 1).
Table 1. Statistical indices used to evaluate the model accuracy
|
Statistical index
|
Equation
|
Desired value
|
|
NSE
|
1
−
∑
i
=
1
N
O
i
−
P
i
2
∑
i
=
1
N
O
i
−
O
¯
i
2
|
1
|
|
Bias
|
1
N
∑
i
=
1
N
P
i
−
O
i
|
0
|
|
MAE
|
1
N
∑
i
=
1
N
P
i
−
O
i
|
0
|
3. Results and Discussion
3.1. EFDC-NIER 재현성 검토 결과
먼저, 영산강 본류 주요 지점에 대해 EFDC-NIER 모델의 수위 보정을 실시하였으며 보정 결과를 Fig. 8과 Table 2에 나타내었다. 수위 보정은 다기능 보의 관리 수위에 영향을 받지 않는 상류인 어등 지점, 보 대표지점인 승촌보와 죽 산보 지점 그리고 영산강 하구둑
수위에 영향을 받는 사포 지점에 대해 보정 결과를 제시하였다. Fig. 7에서 보듯이 모든 지점에서 모델의 수위 모의결과가 관측값을 잘 재현 하고 있으며 특히 승촌보와 죽산보 지점의 경우 다기능보 운영에 따른 수위 변동을
잘 재현하였다. 영산강 대표 지 점의 수위의 편이(Bias)는 -0.09 ~ 0.03 m 범위이고, 평균절 대오차(MAE)는 0.03 ~ 0.10
m 범위이고, NSE는 0.70 ~ 0.94 범위로 모든 지점에서 양호한 수위 재현성을 나타내었다.
Fig. 8. Comparison of the simulated and observed water levels in the representative stations for model calibration (2014).
Table 2. Statistical summary of the simulated and observed water levels at the representative stations for model calibration (2014)
|
Stations
|
Average observed level (EL. m)
|
Bias (m)
|
MAE (m)
|
NSE
|
|
|
Udeung
|
9.59
|
0.03
|
0.06
|
0.72
|
|
Seungchon
|
7.47
|
-0.03
|
0.03
|
0.86
|
|
Juksan
|
3.43
|
-0.04
|
0.05
|
0.94
|
|
Sapo
|
-1.25
|
-0.09
|
0.10
|
0.70
|
Table 3에 EFDC-NIER 모델의 수질 모의에 사용된 주요 매개변수의 범위를 나타내었다. 조류 성장과 관련된 매개변 수는 모델의 공간적인 구역(zone)
및 계절적 변동에 따라 달리 적용하였다. 수질 모의를 위한 대부분의 매개변수는 허용범위 내에서 조절하면서 관측값과 모의값이 가장 잘 일치할 때의 값을
적용하였다.
Table 3. Principal water quality calibration parameters and calibrated values in this study
|
EFDC parameter
|
Unit
|
Definition
|
This study
|
|
|
PMc |
/day
|
Max. growth rate for cyanobacteria
|
0.2 ~ 3.0
|
|
PMd |
/day
|
Max. growth rate for algae diatoms
|
0.2 ~ 3.0
|
|
PMg |
/day
|
Max. growth rate for algae greens
|
0.2 ~ 3.0
|
|
KHNx |
mg/L
|
Nitrogen half saturation for algae
|
0.05
|
|
KHPx |
mg/L
|
Phosphorus half saturation for algae
|
0.01
|
|
CChlx |
mg C/ug Chl-a
|
Carbon to chlorophyll ratio for algae
|
0.06 ~ 0.08
|
|
CIa, CIb, Clc |
-
|
Weighting factor for solar radiation at 0, -1, and 2day
|
0.80, 0.15, 0.50
|
|
TM lowc |
°C
|
Lower optimal temp. for cyanobacteria growth
|
25
|
|
TM uppc |
°C
|
Upper optimal temp. for cyanobacteria growth
|
30
|
|
TM lowd |
°C
|
Lower optimal temp. for diatom growth
|
5
|
|
TM uppd |
°C
|
Upper optimal temp. for diatom growth
|
15
|
|
TM lowg |
°C
|
Lower optimal temp. for green algae growth
|
20
|
|
TM uppg |
°C
|
Upper optimal temp. for green algae growth
|
25
|
|
BMRx |
/day
|
Basal metabolism rate for algae
|
0.05 ~ 0.1
|
|
PRRx |
/day
|
Predation rate on algae
|
0.02
|
|
CPprm1 |
g C/g P
|
Constant for algae phosphate to carbon ratio
|
50
|
|
CPprm2 |
g C/g P
|
Constant for algae phosphate to carbon ratio
|
50
|
|
CPprm3 |
/mg/L
|
Constant for algae phosphate to carbon ratio
|
20
|
|
ANCx |
g N/g C
|
Nitrogen to carbon ratio for algae
|
0.12
|
승촌보와 죽산보에서의 클로로필-a, T-N, T-P 농도에 대 한 보정결과를 Fig. 9와 Table 4에 나타내었다. 조류농도에 대한 간접지표인 클로로필-a 농도 예측 오차의 평균적인 방향성인 편이(Bias)는 두 보에서 각각 -3.15, -0.75
mg/m3 로 관측값 대비 치우침 없는 모의 결과를 보이고 있으며, 평균절대오차인 MAE는 10.78, 9.68 mg/m3, NSE는 0.56, 0.47로 양호한 정확도를 나타내었다. T-N과 T-P Fig. 8에서 보듯이 두 보에서 모두 모의결과가 관측값을 잘 재현하고 있다. T-N의 편이(Bias)는 두 보에서 각각 -0.04, 0.45 mg/L, 평균절대오차(MAE)는
0.65, 0.67 mg/L, NSE는 0.84, 0.80 으로 양호한 정확도를 나타내고 있으며, T-P의 편이(Bias) 는 두 보에서 각각 -0.02,
0.01 mg/L, 평균절대오차(MAE) 는 0.04, 0.03 mg/L, NSE는 0.01, 0.01으로 양호한 정확도 를 나타내었다.
Fig. 9. Comparison of the simulated and observed T-N, T-P, and Chl-a concentrations in weirs for model calibration (2014).
Table 4. Statistical summary of the simulated and observed water qualities in weirs for model calibration (2014)
|
Stations
|
Average observed value
|
Bias
|
MAE
|
NSE
|
|
|
Chl-a
|
Seungchon
|
39.4
|
-3.15
|
10.78
|
0.56
|
|
(mg/m3)
|
Juksan
|
27.4
|
-0.75
|
9.68
|
0.47
|
|
|
T-N
|
Seungchon
|
5.58
|
-0.04
|
0.65
|
0.84
|
|
(mg/L)
|
Juksan
|
4.43
|
0.45
|
0.67
|
0.80
|
|
|
T-P
|
Seungchon
|
0.14
|
-0.02
|
0.04
|
0.01
|
|
(mg/L)
|
Juksan
|
0.11
|
0.01
|
0.03
|
0.01
|
3.2. 실시간 수질 예측의 평가
Fig. 10에 2015년 1년 동안 영산강 승촌보와 죽산보 지 점의 클로로필-a 농도에 대한 7일간의 단기 예측 결과를 관측값과 비교하여 나타내었다. Table
5.
Fig. 10. Comparison of the predicted and observed chlorophyll-a concentrations in weirs of the Yeongsan River for the year 2015. Ave. predicted is the average value of predicted results.
Table 5. Statistical summary of the predicted and observed chlorophyll-a concentrations in weirs of the Yeongsan River for the year 2015
|
Stations
|
Average observed conc. (mg/m3)
|
Bias (mg/m3)
|
MAE (mg/m3)
|
NSE
|
|
|
Seungchon
|
45.28
|
-12.38
|
22.41
|
0.21
|
|
Juksan
|
45.40
|
-4.86
|
18.66
|
0.55
|
승촌보와 죽산보에서 클로로필-a 농도 예측 오차의 평균 적인 방향성인 편이(Bias)는 -12.38, -4.86 mg/m3로 관측값 대비 전체적으로 약간 낮게 예측하는 경향을 보이고 있으 며, 평균절대오차(MAE)는 22.41, 18.66 mg/m3로 보정결과 에 비해 오차가 다소 증가하였는데, 이는 클로로필-a 농도 변화에 직접적인 영향을 주는 강수량 및 일사량 등 기상예 측자료(GDAPS,
RDAPS)의 불확실성이 모델 보정시의 기 상관측자료에 비해 증가하였기 때문으로 판단된다.
Fig. 11에 기상예측모델의 예측경과기간의 증가에 따른 강수량 예측결과의 정확도를 나타내었다. 강수량 예측의 평 균 편이(Bias)와 평균절대오차(MAE)는
예측경과기간이 증 가할수록 증가하는 경향을 보이고 있으며, 특히 전체적으로 양의 편이를 나타내어 강수량이 비교적 크게 예측됨을 알 수 있다. Fig.
12에 예측경과기간의 증가에 따른 클로로필 -a 농도 예측결과의 정확도를 나타내었다. 전체적으로 클로 로필-a 농도 예측 정확도는 예측경과기간이 증가할수록
다 소 감소하는 것을 볼 수 있는데, 이는 예측경과기간이 증 가함에 따라 기상예측 및 오염원에 대한 불확실성이 커지 기 때문으로 판단된다. Fig.
12에 승촌보의 2일차 예측결과 가 없는데, 이는 승촌보의 모니터링은 월요일과 화요일 수 행되는데 모니터링 기준 2일전인 토요일과 일요일에는 수 질예보를
수행하지 않았기 때문이다.
Fig. 11. Statistics index of predicted precipitation of RDAPA (up to 72 hrs) and GDAPS (after 72 hrs) up to a forecast horizon of seven days at the Gwangju meteorological station for the year 2015.
Fig. 12. Statistics index of chlorophyll-a concentration up to a forecast horizon of seven days at weirs of the Yeongsan River for the year 2015.
4. Conclusion
영산강수계에 대한 현업 수질예보를 위해 유역에서의 유 출량과 수질 모의를 위해 HSPF 유역모델을 구축하였고 영 산강 본류에서의 수리 및 수질변동을
모의하기 위해 EFDC 수질모델을 구축하였다.
영산강 주요 지점에서 EFDC 수질예측모델의 수위 보정 결과, 오차의 평균 방향성인 편이(Bias)는 -0.09 ~ 0.03 m 범 위, 평균절대오차인
MAE는 0.03 ~ 0.10 m 범위로 모든 지 점에서 관측수위를 잘 재현하였으며 특히 승촌보와 죽산보 의 다기능보 운영에 따른 수위 변동을 잘
재현하였다. 승 촌보와 죽산보에서 주요 수질 변수인 클로로필-a, T-N, T-P 농도의 보정결과도 전체적으로 관측값을 잘 재현하고 있으 며, 클로로필-a
농도의 평균절대오차(MAE)는 -10.78, 9.68 mg/m3, T-N의 평균절대오차(MAE)는 0.65, 0.67 mg/L, T-P 의 평균절대오차(MAE)는 0.04, 0.03 mg/L로 양호한 예측 정확도를
나타내었다.
2015년 1년 동안 영산강수계 승촌보와 죽산보 지점의 클 로로필-a 농도에 대해 7일간의 단기 수질예측을 수행하였다. 클로로필-a 예측 오차의 평균적인
방향성인 편이(Bias)는 -12.38, -4.86 mg/m3로 관측값 대비 전체적으로 약간 낮게 예측하였으며, 평균절대오차(MAE)는 22.41, 18.66 mg/m3로 보정결과에 비해 오차가 다소 증가하였는데, 이는 조류의 성장에 직접적 영향을 주는 강수량 및 일사량의 불확실성이 모델 보정시의 관측기상에 비해
예측기상(GDAPS, RDAPS) 에서 증가하기 때문으로 판단된다.
결정론적 수질모델을 이용한 단기수질예보는 수치모델의 구조적 한계와 모델 초기조건, 경계조건, 보정계수의 불확 실성 등으로 일부 시기에는 클로로필-a
농도의 시·공간적 변화에 대한 예측 정확도가 다소 떨어지기도 하나 전체적 으로 양호한 예측정확도를 나타내었다. 향후 클로로필-a 농 도의 예측 정확도도
향상을 위해서는 조류의 발생·천이 특 성을 보다 정확히 재현할 수 있는 수치모델의 개선, 모델 의 최적 초기장 설정을 위한 자료동화 기법의 적용,
기상 및 유입 지류의 오염부하 등 모델 경계조건의 정확도 향상, 모델 보정계수 최적화를 통한 불확실성 감소 등의 다각적 인 노력이 필요할 것이다.