소재민
(Jae-Min So)
김정배
(Jeong-Bae Kim)
배덕효
(Deg-Hyo Bae)
†
-
세종대학교 건설환경공학과
(Department of Civil and Environmental Engineering, Sejong University)
© Korean Society on Water Environment. All rights reserved.
Key words
GloSea5, Land Surface Model, Seasonal Outlook, Urban Environmental Water, Urban Environmental water Index
1. Introduction
전 세계적으로 인구 1,000만이 넘는 메가시티는 34개이 며, 그 중 하나인 서울은 605.2 km2의 면적에 약 2,400만 명의 인구가 생활하고 있다. 서울은 생활용수 1,140백만 m3/년, 농업용수 2백만 m3/년, 공업용수 6백만 m3/년을 소 양강댐 및 충주댐으로부터 공급받고 있다. 또한 하천유지, 수질보전, 생태계보호, 경관보전 등에 이용되는 기타용수는 158백만 m3/년을 이용하고 있으며, 이 중 54.3 %는 자연 상태에서 발생하는 강수로부터 공급된다(SI, 2013). 최근 도시지역에서는 기타용수 이용이 증가하고 있으며, 특히 공 원용수, 도로청소, 식생의 생장 등 환경 및 생태관리 목적 으로 사용량이 늘고
있다.
국외에서는 환경·생태관리 목적으로 이용되는 용수를 ‘환 경유량(environmental flow)’이라 칭하고 있으며, 생태조건 하에서 하천 흐름을
지속적으로 유지하기 위해 필요한 ‘하 천유황(flow regime)’이라는 의미로도 통용된다(Arthington, 2012; Arthington and Pusey, 2003; Dyson et al., 2003; Tharme, 2003). 특히 브리즈번 선언(Brisbane Declaration, 2007)에서는 환경유량을 담수·하구의 생태계 및 이들 생태 계에 의존하는 인간의 삶과 안녕을 유지하기 위해 필요한 물 흐름의 수량(quantity), 시기(timing)
및 수질(quality)로 정의한바 있으며, 여러 문헌에서 가장 많이 인용되고 있다.
국내 수자원분야에서는 하천법 ‘하천유지유량’의 개념적 범위를 확장하여, 하천의 정상적인 기능 및 상태의 하나로 하천 생태계 및 수질보전을 위한 필요수량의
의미로 ‘생태 유량’이라는 용어를 사용하기도 한다. 환경분야에서는 인 간의 물이용권(생·공·농업용수) 외에 생물서식, 물의 순환, 오염물질의 정화,
자연경관 등 수생태계의 건강성과 지속성 이 유지되어야 하는 유량의 의미로 ‘환경생태유량’이라 하기 도 한다(Kim et al., 2015). 국내에서도 환경유량에 대한 관 심이 커지고 있으며, 환경용수(생태유량 또는 환경생태유량) 산정 및 평가와 관련된 연구가 다수 진행되어 왔다(Lee, 2006; MOLIT, 2009; Park et al., 2011; Kim, 2014; ME, 2015). Kim et al. (2009)은 준분포형 모델인 SLURP (Semi-distributed Land Use-based Runoff Processes)를 이용 하여 농업용 저수지가
안성천 유역의 유출에 미치는 영향 을 평가하였다. Roh et al. (2011)은 2차원 유한요소모델인 River2D를 이용하여 하천에 서식하는 어류의 성장단계별 물리적 서식처를 고려한 생태학적 하천유지유량을 산정하 였다. Kim et al. (2016)은 하천의 수질개선을 위해 필요한 환경유지용수 확보 방안을 모색하고, SWAT 모델을 이용하 여 환경유지용수 시나리오에 따른 수문순환 및 비점오염원
의 발생 거동을 분석하였다.
한편 도시하천을 대상으로 환경·생태적 관점에서의 환경 용수 관련 연구가 일부 수행되어 왔다. Choi (2001)은 도시 하천의 유지용수를 하천의 보전 및 복원 등을 위한 자연적 기능과 인간이 하천을 이용하는데 필요한 인위적 기능을 유 지하고 관리하는데 필요한
최소한의 하천유량이라 정의하 고, 생태계, 친수, 위락, 하천유지 기능 등을 고려한 도시하 천의 유지용수 산정 방법을 제안하였다. Lee et al. (2010) 은 도시하천 건천화 방지를 위한 하천유지용수 확보 방안 연구를 수행하였으며, 빗물의 침투 및 저장시설, 지하수 활 용 등의 방안을 제시한바 있다.
Noh and Lee (2011)은 도 시 하천유지유량 확보를 위해 도시하천의 상류 구간에 임 의의 저수지를 계획하고, 하천유지유량 공급의 이수관리곡 선을 작성하여 그 적용성을 평가하였다.
Cho and Lee (2013) 은 도시하천을 대상으로 인위적 유지용수공급에 의한 생태 복원 정도와 자연상태의 도시시하천 생태건전성 유지상태 를 비교하였다.
선행연구의 경우 대하천을 대상으로 한 수량 및 수질 관 련 연구가 진행되어 왔으며, 최근 도시하천에 대한 환경용 수 관련 연구가 수행되어 왔다. 이처럼
환경용수는 하천뿐 만 아니라 도시지역의 공원용수, 도로청소, 식생의 생장 등 환경 및 생태관리 목적으로써 필요성이 증가하고 있다. 다 만 기존 연구는
하천 지점에 국한되어 있으며, 도시 전체 에 발생하는 환경용수 산정 연구는 미흡하다. 또한 여러 수문모델을 활용하여 과거 관측자료를 기반으로 평가해
왔 지만 월 또는 계절 등 미래 환경용수를 예측한 연구는 전 무한 실정이다. 본 연구에서는 도시지역에서 발생하는 도시 환경용수 산정 방법을 제안하고,
기상예측자료를 활용한 도 시환경용수의 계절전망 예측성을 평가하고자 한다. 이를 위 해 도시환경용수지표를 제안하였으며, 도시환경용수지표의 계절별 예측성
평가를 위해 관측자료에 의한 도시환경용수 지표와 비교하였다.
2. Materials and Methods
2.1. 연구 방법
도시지역에 대한 도시환경용수의 계절전망 방법 및 평가 절차는 Fig. 1과 같다. 계절별 도시환경용수를 전망하기 위 해 GloSea5로부터 전망된 일단위 기상정보들 중 강수, 최 고 및 최저기온, 평균풍속자료를 수집한다.
이를 지면모델 의 입력자료로 활용하여 도시지역에 대한 유량 전망정보 (Predicted Runoff, Rpdt)을 생산한다. 강수 및 유량 전망정보 부터 도시환경용수(Urban Environmental Water, UEW)를 산 정한 후 도시환경용수지표(Urban
Environmental water Index, UEI)를 산정한다. 관측자료로부터 산정된 UEIobs와 비교를 통해 UEIpdt의 예측성을 평가한다.
Fig. 1. Schematic Diagram of Environmental Water Estimation Method in Urban Area.
2.1.1. GloSea5 모델
기상청은 2010년 6월 영국 기상청과 계절예측시스템의 공동구축 및 운영에 관한 협정을 체결하였으며, 현업 예보 를 위해 기후예측 모델인 GloSea5를
도입하여 현재 운영 중에 있다. 이 모델은 영국 기상청의 최신 계절예측시스템 에 사용되고 있으며, 기후모델인 HadGEM3 (Hadley Centre
Global Environment Model version 3)을 기반으로 구축되 었다. HadGEM3는 대기, 해양, 해빙 및 지표모델들이 하나
로 합쳐진 전지구결합모델(Coupled General Circulation Model, CGCM)로써 대기모델은 UM (Unified Model),
지표 모델은 MOSES (Met Office Surface Exchange Scheme)가 결합되어 있다(Essery et al., 2003). 해양과 해빙모델은 각 각 NEMO (Nucleus for European Modelling of the Ocean), CICE (Los Alamos
sea ice model)모델을 사용한다(Madec, 2008; Hunke and Lipscomb, 2008). 각 모델들은 대기-해양 플럭스 교환을 위해 Valcke (2011)이 개발한 OASIS 커플러 에 의해 결합되어 있다. 대기모델의 수평해상도는 0.83° × 0.56°, 해양 모델의 수평 해상도는 tri-polar
격자에서 0.25° (약 25 km)이고, 연직으로는 L75의 해상도를 가진다. Table 1은 GloSea5에 대한 주요 특징을 나타낸 것이다. GloSea5 의 과거재현자료(Hindcast, HCST)는 매달 1일, 9일, 17일, 25일
마다 초기장을 입력하여 생산되며, 각 출발일에는 모 델의 물리과정을 달리하는 방법으로 확률적 운동에너지 후 방 산란법(Stochastic Kinetic
Energy Backscatter2, SKEB2) 을 이용하여 대기 분석장과 해양 및 해빙 초기장으로부터 3 개의 앙상블 멤버를 생산한다(Bowler et al., 2009). 자료생 산 기간은 1996년부터 2009년(총 14년)이며, 각 앙상블 멤 버당 7개월간 모델적분이 진행된다. 미래예측자료(Forecast,
FCST)는 HCST와 동일한 방식으로 매일 적분이 진행되며 매 초기장 마다 2개의 앙상블 멤버가 생산된다.
Table 1. Characteristics and Information of GloSea5
-
|
Major characteristics and information
|
Composition of model
|
Atmosphere
|
|
Ocean
|
|
Copuler
|
|
Spatial resolution
|
Atmosphere
|
|
Ocean
|
|
Initial input data
|
Atmosphere
|
|
Ocean
|
|
Production period of data and ensemble number
|
-
Hindcast :
-
Fixed start dates of 1st, 9th, 17th, 25th of each month
-
3 members run per start date
-
Forecast :
|
2.1.2. 지면모델
본 연구에서는 도시지역에서의 자연유량을 산정하기 위 해 VIC (Variable Infiltration Capacity) 모델을 선정하였다. VIC
모델은 1994년 미국 University of Washington의 Dennis Lettenmaier 박사 연구팀에 의해 개발되었으며, 대 기와
식생 그리고 토양의 상호작용 등의 수문과정을 기반 으로 water 및 energy flux를 모의하는 분포형 모델이다 (Liang et al., 1994). 모델은 크게 water balance, channel routing, energy balance 등으로 구성되어 있으며, 각 모듈 은 독립적으로
수행된다. 모델에서 적용가능한 격자의 범위 는 1/8° ~ 2° 정도로 다양한 공간분해능이 가능하다.
이 모델은 크게 차단층(capnopy)과 3개의 토양층(soil layer) 으로 구분되며, 한 격자내에서도 다양한 지형조건과 토양의 물리적 특성을
고려한 수문해석을 수행한다. 차단층에서는 동일 피복종류별 면적비를 고려하여 각 피복특성이 반영된 차단 및 증발을 모의하며, 보통 식생지대 및 나대지로
구 분된다. 토양층의 경우 깊이에 따라 최상부토층(top thin layer), 상부토층(top layer), 하부토층(lower layer)으로
구분 된다. 최상부토층은 침투에 직접적인 영향을 받는 층이며, 토양수분의 변화에 가장 민감하다. 또한 중력식 배수를 통 해 상부토층으로 침루량을 모의하며,
식생 및 나대지 지역 에 따라 증산 및 증발모의가 결정된다. 상부토층에서는 최 상부토층과 더불어 강우시작 후 토양층의 포화여부에 따라 지표유출이 모의되며,
증산 및 하부토층에 대한 침루량이 계산된다. 하부토층에서는 상부토층에서 유입된 침루량으로 부터 증산과 기저유출이 모의된다(Liang et al., 1996). VIC 모델은 중규모 이상(mesoscale)의 수문해석에 있어 적용성 이 검증되었으며, 다양한 목적으로 활용되고 있다(Andreadis et al., 2005; Lee et al., 2016; Sheffield and Wood, 2008; So et al., 2014; Son et al., 2010; Son et al., 2011).
2.1.3. 도시환경용수의 정의 및 계절전망 기법
본 연구에서는 계절별 도시환경용수(Urban Environmental Water, UEW)를 Eq. (1)과 같이 도시지역에서 발생한 강수 량에서 자연유량을 뺀 값으로 정의하였다. 또한 UEW는 아 시아 몬순 지역의 경우, 여름철 홍수기에는 상대적으로
크고, 비홍수기에는 작으므로 UEW의 계절적 변동성을 파악하기 위해 도시환경용수지표(Urban Environmental water Index, UEI)를
Eq. (2)와 같이 정의하였다. UEI는 계절별 강수량 대비 도시환경용수의 비율이며, 0보다 작을 경우 도시환경 용수가 부족, 0보다 클 경우 도시환경용수가
많음을 의미 한다. Fig. 2.
Fig. 2. Schematic of the VIC Model for Water Balance Analysis (Son et al,, 2010).
여기서, i는 봄, 여름, 가을, 겨울, PPi 및 PRi는 계절별 예 측강수량과 자연유량이다. 도시환경용수의 계절전망은 3개 월 누적 강수량 및 자연유량이 요구된다. 또한 GloSea5의 과거재현자료(HCST)와
미래예측자료(FCST)는 다수의 앙상 블로 생산되기 때문에 이를 처리할 수 있는 방법이 필요하 다. 기상모델의 앙상블 자료를 활용한 강수전망은 예측강수
량의 아노말리를 계산하고, 과거 관측강수량의 평균값에 이 를 더하여 최종 활용하고 있다(Bae et al., 2017; So et al., 2017; Son et al., 2015; Yoon et al., 2012; Yuan et al., 2013). 본 연구에서는 계절별 예측강수량 및 자연유량 산정 을 위해 Eqs. (3) and (4)를 사용하였다. 만약 봄철(3, 4, 5 월) 예측강수량을 생산하고자 한다면, Eq. (3)을 통해 과거 재현자료(HCST)의 앙상블 멤버(168개)를 평균한 HSCTe와 금회 예보된 미래예측자료(FCST)의 앙상블 멤버(60 ~ 62개) 를 평균한 FSCTe의 Anomaly를 계산한다(Fig. 3). 그 후 Eq. (4)와 같이 해당월의 과거 30년 평균(HP)에 더하여 최종 예측강수량(PP)을 계산한다. 봄철(3, 4, 5월) 예측자연유량 은 HCST와 FCST로부터 생산된 자연유량 앙상블 멤버를 활용하여 예측강수량 산정과정과 동일하게
산정한다.
Fig. 3. Structure of GloSea5 Forecast and Hindcast Data.
2.2. 대상지역 및 자료구축
2.2.1. 대상지역
본 연구에서는 도시환경용수의 계절전망을 위해 인구수 백만 이상, 면적 500 km2 이상인 서울, 대전, 광주, 부산 지역을 선정하였다. 서울의 면적 및 인구수는 605.2 km2, 10,204천명, 대전 539.8 km2, 1,524천명, 광주 501.2 km2, 1,483천명, 부산 765.9 km2, 3,539천명이다. 서로 다른 위· 경도에 위치한 4개 도시 지역에 대한 과거 도시환경용수를 분석하고, 계절전망정보의 예측성을 평가하였다. Fig.
4.
2.2.2. 기상 및 지형자료 수집
4개 도시지역에 대한 기상관측자료(강수, 최고·최저기온, 평 균풍속)는 기상청 관활 ASOS (Automated Synoptic Observing
System) 지점자료를 이용하였으며, 자료기간은 1981 ~ 2016 년이다. 기상예측자료는 0.83°(약 85 km) × 0.56°(약 55 km)
의 해상도를 갖는 GloSea5 격자자료를 이용하였으며, 이중 선형보간(bilinear interpolation) 기법을 통해 VIC 모델의 해상도에
맞게 공간상세화를 수행하였다(So et al., 2017; Son et al., 2015). VIC 모델을 구축하기 위해서는 대상지 역의 지형특성을 산정할 수 있는 지형자료가 필요하며, GIS 분석을 통해 입력자료 형태로 변환이 요구된다.
VIC 모델은 대상지역의 수치표고자료(Digital Elevation Model, DEM), 토지피복도, 토양도 자료가 기초정보로 필요하다. 본 연구에서는
국립지리정보원의 수치지형도를 이용하여 구축된 해상도 100 × 100 m DEM을 가공하여 활용하였 다. 토지피복도는 국가수자원관리종합정보시스템(WAMIS)
에서 제공하는 자료를 이용하였다. 피복분류는 도심지, 나 대지, 초지, 논, 습지, 밭, 산림, 수역의 8가지 형태로 구성되 어 있으며 대상지역의
토지피복 특성을 반영한다. 또한 토양 도는 농업과학기술원에서 제공하는 정밀토양도(1:25000)를 활용하였다. 정밀토양도는 우리나라 전역에 구축되어
있는 가장 상세한 토양지도로 약 1,300개의 세부 토양통으로 분 류된다.
3. Results and Discussion
3.1. 과거 관측자료 기반 도시환경용수 산정 및 평가
본 연구에서는 도시환경용수 산정에 앞서 우리나라 전역 을 대상으로 VIC 모델을 구축하였다. VIC 모델의 공간해 상도는 1/8°이며, 토지피복,
토양정보 및 기상자료를 공간 해상도에 맞게 구축하였다. VIC 모델의 매개변수를 추정하 기 위해 장기간의 관측유량자료를 보유한 계측지역(댐 유 역)을
선정하였다. 계측지역을 대상으로 모델의 매개변수를 검·보정하였으며, 미계측지역으로 매개변수를 전이하여 활 용하였다. 검·보정기간에 대한 통계분석을
수행한 결과, 상 관계수는 0.85 이상, 평균제곱근오차는 3.9 mm/day 이하, 모형효율성계수는 0.71 이상, 유출용적오차는 4.77 % 이하
로 나타나 모델의 적용성이 높음을 확인하였다(Son et al, 2015).
Fig. 5는 서울, 대전, 광주, 부산 지역에 대한 과거 30년 (1985 ~ 2014년) 동안의 강수량, 자연유량 및 UEI를 Box- Whisker 그래프로
도시한 것이다. 계절별 강수량은 여름이 가장 컸으며, 겨울이 가장 작은 것으로 나타났다. 특히 여 름 강수량은 부산의 최소 및 최대값이 264.2
~ 1,457.5 mm 로 편차가 가장 컸으며, 겨울 강수량은 서울이 23.1 ~ 125.8 mm로 편차가 가장 작았다. 계절별 자연유량은 강수량의
영향이 지배적임에 따라 강수량의 결과와 유사하게 나타났 다. 여름 자연유량의 편차는 부산이 가장 컸으며, 겨울은 광주가 가장 작은 것으로 확인되었다.
계절별 UEI의 경우 4개 지역 모두 Box-Whisker의 최대값과 최소값, 상위 25 %, 75 % 값이 가을 및 겨울에 컸으며, 여름에 가장
작은 것으로 나타났다. 이는 여름철 강수량 영향으로 강수량 대 비 도시환경용수가 많음을, 가을 및 겨울에는 도시환경용수 가 적음을 의미한다. 따라서
가을 및 겨울 도시환경용수 관리가 중요할 것으로 판단된다.
Fig. 5. Seasonal Precipitation, Runoff, UEI of Study Area During 1985 ~ 2014 years.
Table 2는 서울, 대전, 광주, 부산 지역에 대한 과거 30 년(1985 ~ 2014년) 동안의 강수량, 자연유량 및 UEI의 통계 치를 정리한 것이다.
계절별 평균 강수량은 4개 지역 모두 여름이 가장 크고, 겨울이 가장 작은 것으로 나타났다. 4개 지역의 강수량은 봄 191.0 ~ 322.2 mm,
여름 725.3 ~ 841.4 mm, 가을 235.4 ~ 251.4 mm, 겨울 60.6 ~ 111.4 mm로 나 타났다. 특히 부산은 4개 지역
중 봄 및 가을 강수량이 크 고, 여름 강수량이 가장 작은 것으로 나타났다. 서울은 여름 강수량이 크고, 봄, 가을 및 겨울 강수량이 가장 작은 것으
로 나타났다. 자연유량은 봄 100.2 ~ 190.4 mm, 여름 458.0 ~ 627.7 mm, 가을 157.7 ~ 182.7 mm, 겨울 50.4
~ 72.9 mm 로 나타났다. 4개 지역에 대한 계절별 자연유량은 강수량 이 클수록 크게 산정되었으며, 지역별로 편차가 있는 것으 로 확인되었다.
UEI는 봄 0.45 ~ 0.53, 여름 0.27 ~ 0.44, 가 을 0.21 ~ 0.42, 겨울 0.08 ~ 0.44로 나타났다. 4개 지역의
UEI는 봄에 가장 컸으며, 가을 및 겨울에 작게 나타났다. 특히 서울은 여름, 가을 및 겨울 UEI가 3개 지역보다 작게 나타나 강수량 대비 도시환경용수가
부족한 것으로 확인되 었다.
Table 2. Seasonal Precipitation, Runoff, UEI of Study Area During 1985 ~ 2014 years
-
|
Seoul
|
Deajeon
|
Gwangju
|
Busan
|
Ave.
|
Max.
|
Min.
|
Ave.
|
Max.
|
Min.
|
Ave.
|
Max.
|
Min.
|
Ave.
|
Max.
|
Min.
|
Precipitation (mm)
|
Spr.
|
191.0
|
325.2
|
38.0
|
212.3
|
369.2
|
48.7
|
250.1
|
525.2
|
72.9
|
332.2
|
674.4
|
94.2
|
Sum.
|
841.4
|
1542.7
|
398.9
|
783.1
|
1403.9
|
362.0
|
793.3
|
1240.5
|
365.2
|
725.3
|
1457.5
|
264.2
|
Aut.
|
235.4
|
565.1
|
62.5
|
249.1
|
622.3
|
49.0
|
243.1
|
567.1
|
52.7
|
251.4
|
588.8
|
80.2
|
Win.
|
60.6
|
125.8
|
23.1
|
85.7
|
172.3
|
28.5
|
111.4
|
213.2
|
9.7
|
100.5
|
286.2
|
27.2
|
Runoff (mm)
|
Spr.
|
104.4
|
209.5
|
25.1
|
100.2
|
219.0
|
30.0
|
131.0
|
335.4
|
18.7
|
190.4
|
446.4
|
36.4
|
Sum.
|
627.7
|
1345.0
|
202.9
|
485.1
|
1002.2
|
116.0
|
461.4
|
849.7
|
111.3
|
458.0
|
1140.3
|
110.8
|
Aut.
|
196.3
|
566.8
|
40.4
|
182.7
|
501.6
|
23.2
|
157.7
|
489.0
|
23.6
|
163.5
|
435.0
|
26.4
|
Win.
|
50.4
|
104.1
|
24.5
|
60.5
|
137.8
|
19.8
|
72.9
|
118.2
|
23.8
|
54.0
|
105.9
|
18.5
|
UEI
|
Spr.
|
0.46
|
0.73
|
-0.02
|
0.53
|
0.75
|
-0.18
|
0.49
|
0.74
|
0.12
|
0.45
|
0.71
|
0.24
|
Sum.
|
0.27
|
0.43
|
0.13
|
0.41
|
0.63
|
0.21
|
0.44
|
0.68
|
0.28
|
0.40
|
0.60
|
0.21
|
Aut.
|
0.21
|
0.60
|
-0.16
|
0.30
|
0.65
|
-0.44
|
0.42
|
0.75
|
0.04
|
0.39
|
0.69
|
-0.15
|
Win.
|
0.08
|
0.55
|
-0.38
|
0.26
|
0.62
|
-0.30
|
0.16
|
0.66
|
-0.48
|
0.44
|
0.72
|
-0.05
|
3.2. 2015년 도시환경용수 산정 및 평가
UEIpdt의 계절전망 예측성을 평가하기 위해 2015년 관측 자료를 이용하여 4개 지역에 대한 강수량, 자연유량 및 UEIobs를 산정하였다(Fig. 6). Table 3은 계절별 강수량, 자 연유량 및 UEIobs이며, 괄호의 값은 평년(1985 ~ 2014년) 대비 2015년 강수량, 자연유량 및 UEIobs의 비율을 의미한 다. 2015년 지역별 강수량은 봄 173.3 ~ 400.3 mm, 여름 362.0 ~ 414.3 mm, 가을 216.6 ~ 291.4
mm, 겨울 53.9 ~ 119.5 mm로 나타났다. 4개 지역의 여름 강수량은 평년 대 비 46.2 ~ 57.1 % 수준으로 나타났으며, 특히 서울의
강수량 은 4계절 모두 평년값 보다 작은 것으로 나타났다. 자연유 량은 봄 57.2 ~ 267.5 mm, 여름 111.3 ~ 202.9 mm, 가을
113.2 ~ 169.2 mm, 겨울 58.0 ~ 103.8 mm로 나타났다. 4개 지역의 여름 자연유량은 강수량 부족으로 평년 대비 23.9 ~
37.0 % 수준으로 나타났으나, 겨울은 평년 대비 105.6 ~ 142.4 %로 평년값보다 큰 것으로 나타났다. 4개 지역의 봄 UEIobs는 0.33 ~ 0.52로 부산을 제외한 3개 지역은 평년값 과 유사하게 나타났다. 여름은 0.49 ~ 0.72, 가을은 0.42 ~ 0.52로 나타났다.
여름 및 가을 UEIobs는 4개 지역 모두 평 년값보다 높게 나타나, 강수량 대비 도시환경용수가 비교 적 많은 것으로 나타났다. 겨울 UEIobs는 -0.08 ~ 0.46으로 서울, 대전, 광주는 평년값보다 작게 산정되었으며, 특히 서울은 -0.08로 강수량 대비 도시환경용수가 부족한 것으
로 나타났다.
Fig. 6. Seasonal Precipitation, Runoff, UEIobsof Study Area for 2015 year.
Table 3. Seasonal Precipitation, Runoff, UEIobsof Study Area for 2015 year
2015 year
|
Seoul
|
Deajeon
|
Gwangju
|
Busan
|
Precipitation (mm)
|
Spring
|
118.7(62.1)
|
173.3(81.6)
|
229.2(91.6)
|
400.3(120.5)
|
Summer
|
398.9(47.4)
|
362.0(46.2)
|
401.9(50.7)
|
414.3(57.1)
|
Autumn
|
216.6(92.0)
|
226.3(90.8)
|
286.7(117.9)
|
291.4(115.9)
|
Winter
|
53.9(88.9)
|
90.0(105.0)
|
119.5(107.3)
|
106.5(106.0)
|
Runoff (mm)
|
Spring
|
57.2(54.8)
|
85.3(85.1)
|
115.7(88.3)
|
267.5(140.5)
|
Summer
|
202.9(32.3)
|
116.0(23.9)
|
111.3(24.1)
|
169.6(37.0)
|
Autumn
|
124.5(63.4)
|
113.2(62.0)
|
138.0(87.5)
|
169.2(103.5)
|
Winter
|
58.0(115.1)
|
74.2(122.6)
|
103.8(142.4)
|
57.0(105.6)
|
UEI
|
Spring
|
0.52
|
0.51
|
0.50
|
0.33
|
Summer
|
0.49
|
0.68
|
0.72
|
0.59
|
Autumn
|
0.43
|
0.50
|
0.52
|
0.42
|
Winter
|
-0.08
|
0.18
|
0.13
|
0.46
|
3.3. GloSea5 기반 도시환경용수 예측 및 평가
GloSea5의 기상예보자료를 이용하여 4개 지역에 대한 UEIpdt의 계절전망 정보를 산정하였다. Fig. 7은 관측 및 예 측자료 기반의 UEIobs와 UEIpdt를 계절별로 도시한 것이며, Table 4는 UEI 값을 나타낸 것이다. 봄 전망 UEIpdt는 서울 0.49, 대전 0.49, 광주 0.38, 부산 0.47로 UEIobs와 차는 -0.14 ~ 0.11로 나타났다. 부산을 제외한 나머지 지역의 UEIpdt는 과소 추정되었으나 UEIobs 값과의 차이가 작은 것으로 확인 되었다. 여름 전망 UEIpdt는 서울 0.41, 대전 0.53, 광주 0.56, 부산 0.54로 UEIobs 보다 과소 산정되었으며, 값의 차 이는 0.05 ~ 0.16로 나타났다. 여름 UEIpdt가 과소 산정된 주 요 원인은 2015년 여름 강수에 대한 GloSea5의 예측성이 상대적을 낮았기 때문인 것으로 판단된다. GloSea5의 여름
강수전망은 서울 788.5 mm, 대전 739.9 mm, 광주 742.9 mm, 부산 752.9 mm로 평년 보다 작게 예측하였으나, 평 년 대비
46.2 ~ 57.1 % 수준의 2015년 여름 강수상황을 예 측하지 못하였다. GloSea5의 여름 강수량으로 인해 자연유 량이 과대 산정되었으며,
이는 도시환경용수에 영향을 미쳐 UEIpdt가 작게 산정되었다. 가을 전망 UEIpdt는 서울 0.47, 대전 0.48, 광주 0.55, 부산 0.43으로 UEIobs와 차는 -0.05 ~ 0.02로 나타났다. 4개 지역 모두 UEIobs와 유사하게 나타나 가을 UEIpdt의 예측성은 높은 것으로 확인되었다. 겨울 전 망 UEIpdt는 서울 0.10, 대전 0.16, 광주 0.26, 부산 0.40으 로 UEIobs와 차는 -0.18 ~ 0.06으로 나타났다. 4개 지역에 대 한 UEIpdt의 계절전망은 봄, 가을, 겨울에 예측성이 높은 것 으로 나타났으며, 도시지역의 도시환경용수를 예측하는데 활용성이 있는 것으로 판단된다.
Fig. 7. UEI of Seasonal Forecast for Study Area based on GloSea5.
Table 4. Seasonal Forecast UEI of Observation and GloSea5 for Study Area
2015 year
|
Seoul
|
Deajeon
|
Gwangju
|
Busan
|
UEIobs |
UEIpdt |
UEIobs |
UEIpdt |
UEIobs |
UEIpdt |
UEIobs |
UEIpdt |
Spring
|
0.52
|
0.49
|
0.51
|
0.49
|
0.50
|
0.38
|
0.33
|
0.47
|
Summer
|
0.49
|
0.41
|
0.68
|
0.53
|
0.72
|
0.56
|
0.59
|
0.54
|
Autumn
|
0.43
|
0.47
|
0.50
|
0.48
|
0.52
|
0.55
|
0.42
|
0.43
|
Winter
|
-0.08
|
0.10
|
0.18
|
0.16
|
0.13
|
0.26
|
0.46
|
0.40
|
4. Conclusion
본 연구에서는 도시지역에 대한 도시환경용수의 계절전 망 기법을 제안하고, 예측성을 평가하였다. 계절별 도시환 경용수를 전망하기 위해 GloSea5로부터
전망된 일단위 기 상정보들 중 강수, 최고 및 최저기온, 평균풍속자료를 수집 하였으며, 이를 VIC 모델의 입력자료로 활용하여 서울, 대 전, 광주,
부산 지역에 대한 자연유량 전망정보를 생산하였 다. 강수 및 자연유량 전망정보부터 도시환경용수를 산정한 후 UEIpdt를 산정하였다. 관측자료로부터 산정된 계절별 UEIobs와 비교를 통해 UEIpdt의 예측성을 평가하였다. 본 연 구의 주요 결과를 요약하면 다음과 같다.
-
과거 30년(1985 ~ 2014년) 동안의 강수량, 자연유량 및 UEIobs를 Box-Whisker 그래프를 통해 분석하였다. 4개 도시 지역에 여름 강수량의 최소 및 최대값은 264.2 ~ 1542.7 mm 로 편차가 가장
컸으며, 겨울이 9.7 ~ 286.2 mm로 가장 작 았다. 계절별 UEIobs는 가을 및 겨울에 값의 차이가 가장 컸 으며, 여름에 가장 작은 것으로 나타났다. 따라서 가을 및 겨울 도시환경용수 관리가 중요할 것으로 판단된다.
특히 서 울은 여름, 가을 및 겨울 UEI가 3개 지역보다 작게 나타나 강수량 대비 도시환경용수가 부족한 것으로 확인되었다.
-
2015년 관측자료를 이용하여 4개 지역에 대한 강수량, 자연유량 및 UEIobs를 산정하였다. 4개 지역의 여름 강수량 은 평년 대비 46.2 ~ 57.1 % 수준으로 나타났으며, 서울의 강수량은 4계절 모두 평년값 보다 작은
것으로 나타났다. 여름 자연유량은 여름 강수량 부족으로 평년 대비 23.9 ~ 37.0 % 수준으로 나타났으나 겨울은 평년 대비 105.6 ~ 142.4
%로 평년값보다 큰 것으로 나타났다. 여름 및 가을 UEIobs는 4개 지역 모두 평년값보다 높게 나타나 강수량 대비 도시환경용수가 비교적 많은 것으로 나타났다. 겨울은 평년값보다 작은 것으로 나타나 강수량 대비
도시환경용수 가 부족한 것으로 나타났다.
-
GloSea5의 기상예보자료를 이용하여 4개 지역에 대한 UEIpdt의 계절전망 정보를 산정하였다. 봄 전망 UEIpdt는 서 울 0.49, 대전 0.49, 광주 0.38, 부산 0.47, 여름 전망은 서 울 0.41, 대전 0.53, 광주 0.56, 부산 0.54,
가을 전망은 서 울 0.47, 대전 0.48, 광주 0.55, 부산 0.43, 겨울 전망은 서 울 0.10, 대전 0.16, 광주 0.26, 부산
0.40으로 나타났다. 4 개 지역에 대한 UEIpdt의 계절전망은 봄, 가을, 겨울에 예측 성이 높은 것으로 나타났으며, 도시환경용수를 예측하는데 활용성이 있는 것으로 판단된다.
현재까지 기상-수문 연계해석을 통한 도시지역의 도시환 경용수를 전망하고 예측성을 평가한 연구사례는 전무하다. 본 연구에서는 도시지역에 대한 도시환경용수의
개념을 정 립하고, 산정 기법을 개발 및 평가하였다는 측면에서 연구 의 가치가 있다고 판단된다. 도시환경용수 계절전망정보는 서로 다른 특성을 갖는
도시지역의 효율적인 용수관리와 우수침투시설, 우수저류시설 등 저장시설을 관리하는데 기 초정보로 활용될 수 있다. 다만 도시환경용수의 활용성 평 가가
2015년에 국한되어 있어 향후 지속적인 평가가 수행 되어야 할 것이다.
Acknowledgement
이 연구는 기상청 기상기술개발사업(KMIPA 2015-2070) 의 지원으로 수행되었습니다.
References
Andreadis K.M., Clark E.A., Wood A.W., Hamlet A.F., Lettenmaier D.P., 2005, Twentieth-Century
Drought in the Conterminous United States, Journal of Hydrometeorlogy, Vol. 6, No.
6, pp. 985-1001

Arthington A.H., Pusey B.J., 2003, Flow Restoration and Protection in Australian Rivers,
River Research and Applications, Vol. 19, pp. 377-395

Arthington A.H., 2012, Environmental Flows: Saving Rivers in the Third Millennium,
Univ of California Press, Vol. 4
Bae D.H., Son K.H., So J.M., 2017, Utilization of the Bayesian Method To Improve Hydrological
Drought Prdiction Accuracy, Water Resources Management, Vol. 31, pp. 3527-3541

Bowler N., Arribas A., Beare S., Mylne K.E., Shutts G., 2009, The Local ETKF and SKEB:
Upgrades to the MOGREPS Short-range Ensemble Prediction System, Quart, Journal of
Royal Meteorological Society, Vol. 135, pp. 767-776

Brisbane Declaration, 2007, The Brisbane Declaration: environ-Mental Flows are Essential
for Freshwater Ecosystem Health and Human Well-being
Cho H.J., Lee S.J., 2013, An Ecological Restoration of Urban Streams by Supplying
Maintenance Water, Journal of Wetlands Research, Vol. 15, No. 3, pp. 317-328

Choi J.Y., 2001, A Study on Calculating and Securing the Stream Maintenance Water
Demand in Urban Watershed, Korean Research Institute for Human Settlements, Vol. 32,
pp. 63-76
Dyson M., Bergkamp G., Scanlon J., 2003, Flow: The Essentials of Environmental Flows,
IUCN, Gland, pp. 20-87
Essery R.L.H., Best M.J., Betts R.A., Cox P.M., Taylor C.M., 2003, Explicit Representation
of Subgrid Heterogeneity in A GCM Land Surface Scheme, Journal of Hydrometeorobgy,
Vol. 4, pp. 530-543

Hunke E.C., Lipscombe W.H., 2008, CICE: The Los Alamos Sea Ice Model Documentation
and Software User’s Manual, Version 4.0
Kim B.K., Kim B.S., Kwon H.H., 2009, Impact Assessment of Agricultural Reservoir on
Streamflow Simulation Using Semi-distributed Hydrologic Model, Journal of Korean Society
of Civil Engineers, Vol. 29, No. 1, pp. 11-22

Kim H.J., Gu Y.M., Kang H.S., Ann J.H., Jung A.Y., 2015, A Study on Water Environmental
Policy Under Changing Water Demand for Environmental Flow and Recreation Water, Korea
Environmental Institute
Kim H.S., 2014, [Korean Literature], Estimation of Ecological Flow in the Mokgamcheon
Using River2D, pp. 1791-1792
Kim S.M., Park Y.K., Won C.H., Kim M.H., 2016, Analysis of Scenarios for Environmental
Instream Flow Considering Water Quality in Saemangeum Watershed, Journal of Korean
Society Environmental Engineers, Vol. 38, No. 3, pp. 117-127

Lee J.H., 2006, Estimation of Instream Flow for Fish Habitat using Instream Flow Incremental
Methodology (IFIM) for Major Tributaries in Han River Basin, Journal of Korean Society
of Civil Engineers, Vol. 26, No. 2, pp. 153-160

Lee M.H., So J.M., Bae D.H., 2016, Development of Climate Change Uncertainty Assessment
Method for Projecting the Water Resources, Journal of Korean Water Resources Association,
Vol. 49, No. 8, pp. 657-671

Liang X., Lettenmainer D.P., Wood E.F., Burges S.J., 1994, A Simple Hydrologically
based Model of Land Surface Water and Energy Fluxes for General Circulation Models,
Journal of Geophysical Research, Vol. 99, pp. 14415-14428

Liang X., Wood E.F., Lettenmainer D.P., 1996, Surface Soil Moisture Parameterization
of the VIC-2L Model: Evaluation and Modification, Global and Planetary Change, Vol.
93, pp. 197-206

Madec G., 2008, ISSN No 1288-1619, NEMO Ocean Engine, Institut Pierre-Simon Laplace
(IPSL)
Ministry of Environment (ME), 2015, [Korean Literature], A Study and Trial Calculation
of Environmental Ecology Flow, Ministry of Environment
Ministry of Land, Infrastructure and Transport (MOLIT), 2009, [Korean Literature],
Assessment, Estimation and Acquisition Method of River Maintenance Water of River
Basin considering Improvement of Natural and Social Environment, Ministry of Land,
Infrastructure and Transport
Noh J.K., Lee J.N., 2011, Operation Rule Curve for Supplying Urban Instream Flow from
Reservoir, CNU Journal of Agricultural Science, Vol. 38, No. 1, pp. 163-172

Park S. C., Kang S. H., Lee K. S., 1998, Determing the Instream Flow of Youngs an
River for the Conservation of Water Quality, Journal of Korean Society of Civil Engineers,
Vol. 18, No. 2-1, pp. 1-11

Park S.C., Roh K.B., Lee Y.H., Jin Y.H., 2011, Decision of Stream Flow of Sum-jin
River for Water-Purity Utilizaing QUAL2K Model, Korean Water Resources Association,
pp. 187-191
Roh K.B., Park S.C., Jin Y.H., Park M.O., 2011, Study on Ecological Instream Flow
Estimation using River2D Model in the Seomjin River, Journal of Korean Society on
Water Environment, Vol. 27, No. 6, pp. 822-829

Seoul Institute (SI), 2013, [Korean Literature], Water Reuse Management Plan of Seoul
Metropolitan City, The Seoul Institute
Sheffield J., Wood E.F., 2008, Global Trends and Variability in Soil Moisture and
Drought Characteristics, 1950-2000, from Observation-Driven Simulations of the Terrestrial
Hydrologic Cycle, Journal of Climate, Vol. 21, No. 3, pp. 432-458

So J.M., Shon K.H., Bae D.H., 2014, Estimation and Assessment of Bivariate Joint Drought
Index based on Copula Functions, Journal of Korean Water Resources Association, Vol.
47, No. 2, pp. 171-182

So J.M., Oh T.S., Bae D.H., 2017, Estimation and Assessment of Long-term Drought Outlook
Information Using the Long-term Forecasting Data, Journal of Korean Water Resources
Association, Vol. 50, No. 10, pp. 691-701

Son K.H., Lee J.D., Bae D.H., 2010, The Application Assessment of Global Hydrologic
Analysis Models on South Korea, Journal of Korean Water Resources Association, Vol.
43, No. 12, pp. 1063-1074

Son K.H., Bae D.H., Chung J.S., 2011, Drought Analysis and Assessment by Using Land
Surface Model on South Korea, Journal of Korean Water Resources Association, Vol.
44, No. 8, pp. 667-681

Son K.H., Bae D.H., Cheong H.S., 2015, Construction & Evaluation of GloSea5-based
Hydrological Drought Outlook System, Atmosphere Korean Meteorological Society, Vol.
25, No. 2, pp. 271-281

Tharme R.E., 2003, A Global Perspective on Environmental Flow Assessment: Emerging
Trends in the Development and Application of Environmental Flow Methodologies for
Rivers, River research and applications, Vol. 19, No. 56, pp. 397-441

Valcke S., 2011, OASIS3 User Guide (Prism 2-5), Tech. Rep. 3 Programme for integrated
earth system modelling (PRISM) support initiative

Yoon K.H., Mo K., Wood E.F., 2012, Dynamicmodelbased Seasonal Prediction of Meteorological
Drought over the Contiguous United States, Journal of Hydrometeorology, Vol. 13, pp.
463-482

Yuan X., Wood E.F., Luo L., Chaney N.W., Sheffield J., Kam J., Liang M., Guan K.,
2013, Probabilistic Seasonal Forecasting of African Drought by Dynamical Models, Journal
of Hydrometeorology, Vol. 14, pp. 1706-1720
