2.1. Description of site

본 연구의 대상지역(Fig. 1)인 대청호(36.5°N,127.5°E)는 대청댐이 건설되면서 형성된 인공저수지로, 길이가 길며 폭 이 좁은 형상을 가지고 있다. 중위도 몬순기후대에 속하며, 용수공급, 홍수조절, 수력발전 등의 기능을 수행한다. 총 유역면적은 3,204 km², 저수지 표면적은 72.8 km²으로 유역 면적/저수면적의 비는 44.0이다. 총 저수용량은 1,490백만 m³이며, 유효저수용량은 790백만m³이다. 대청호의 평균수 심은 20 m 내외이며, 조사기간 동안 댐 앞 지점의 수심은 최대 42 m까지 관측되었다.

Fig. 1. Location of the study site and monitoring station.

2.2. Sampling and analysis

고빈도 측정을 위한 현장 실험은 대청댐 앞 지점(Fig. 1) 에서 2017년 9월부터 12월까지 총 4개월 동안 이루어졌 다. 댐 앞 지점 저수지 중앙에 부표(N 36° 28' 28" E° 127 29' 16")가 설치된 지점에서 모니터링을 진행하였으 며, 조사기간 동안 저수지 수심은 37 ~ 42 m의 변동 폭을 보였다. 조류의 1차 생산성을 정밀하게 측정하기 위해 수 온계 체인과 DO 센서를 설치하고 수심별 연속 모니터링 을 실시하였다. 수온계(HoBO Water Temp Pro onset, USA)는 수심 0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 21, 24, 27, 30, 33 m에 센서를 설치하였으며, DO 측정기(HOBO Dissolved Oxygen Data logger)는 표층에 설치하여 10분 간격으로 측정하였다.

동일 기간의 상대습도, 기온, 풍속 등 기상자료는 기상청 (Korea Meteorological Administration, KMA)에서 제공하는 자료를 수집하여 활용하였으며, 광합성유효방사(Photosynthetically Active Radiation, PAR)는 시간당 일사량 자료를 활용하여 단위를 MJ/m²에서 W/m²로 변환한 뒤 LakeMetabolizer package의 sw.to.par 기능을 활용하여 산정하였다.

2.3. Analysis of thermal stratification and stability of the lake

조사기간 동안 수온의 성층구조와 수체의 안정도 등 물 리학적 특성은 rLakeAnalyzer (^{Winslow et al., 2016})를 사 용하여 분석 하였다. rLakeAnalyzer의 입력 자료는 저수지 지형, 저수위, 풍속, 염분도, 수심별 수온 등 이다. 수심별 수 온자료를 시계열로 도식화하고, 수온성층구조와 수체의 안 정성 변화를 파악하기 위해 thermocline depth (m), Schmidt stability (St), Lake number (LN)를 산정하였다. St는 수체 의 성층강도를 나타내는 지표이며, LN은 성층강도와 풍력 으로부터 유도된 내부 수직혼합강도의 비를 나타내는 지 표이다(^{Idso, 1973}; ^{Imberger and Patterson, 1990}). 두 지 표 모두 값이 클수록 수체가 안정되어 있음을 의미한다. 수체의 안정화 지수를 현장 조사를 통해 수집한 환경변 수의 프로파일 자료와 연계하여 성층강도 변화를 해석하 였다.

2.4. LakeMetabolizer

LakeMetabolizer는 공개된 R package로써 저수지와 호소 등의 신진대사를 평가하기 위한 목적으로 개발되었다 (^{Winslow et al., 2016}). 호소와 저수지 등의 표층에 DO 센 서를 설치하여 연속측정하면, DO는 시간에 따라 변화하는 데 그 이유는 두 가지가 있다. 첫 번째는 조류의 광합성과 호흡, 수중 유기물의 분해 같은 생물학적 영향이며, 두 번 째는 수체와 대기간의 기체교환과 같은 무생물학적 영향이 다. LakeMetabolizer는 대기-수체 간 경계면에서 O₂의 물리 적인 교환과 조류 등에 의한 생물학적 영향으로 인한 DO 의 변화를 각각 산정하여 해당 수체의 GPP, R, NEP를 산 정하여 제시한다.

LakeMetabolizer를 사용하여 호소 생태계의 신진대사를 산 정하기 위해서는 고빈도로 측정된 DO 자료와 수심별 수온 측정 자료, 상대습도, 풍속, PAR, 저수지 면적 등 메타데이 터가 필요하다. 고빈도 측정 자료로부터 metabolism model 을 구동시키기 전에 기체 교환 계수(k.gas), 혼합층 깊이 (z.mix), 포화 DO 농도(do.sat) 등을 계산하여야 한다. z.mix 계수는 rLakeAnalyzer (^{Winslow et al., 2016})의 ts.meta.depths 기능을 사용하여 계산하였으며, do.sat은 DO 센서 깊이에서 측정한 온도를 사용하여 계산하였다(Table 1). 또 한 각 센서의 설치 수심에서 수중 광량을 파악하기 위해 Kd (light extinction coefficient) 값을 산정하여야 한다. Kd 값은 조류의 광합성에 유용한 에너지인 PAR를 기준으로 대청호 회남 지역의 평균 투명도(Secchi depth: SD, m)인 2.87 m를 이용하여 0.5로 산정하였다(^{Cho et al., 2012}). 이 러한 파생 데이터들을 계산한 후에 LakeMetabolizer의 metab 기능을 사용하여 시계열 자료를 metabolism model 에 적용하였다. 같은 입력자료를 사용하여 총 4개의 신 진대사 산정모델(metab.bookkep, metab.kalman, metab.mle, metab.ols)과 (Table 2) 7종류의 기체교환계수(k.cole, k.crusius, k.vachon, k.heiskanen, k.macIntyre, k.read, k.read.soloviev) 를 사용하여 GPP, R, NEP를 산정하고 결과를 비교하였다 (Table 3).

3.1. Analysis of thermal stratification and stability of the reservoir

조사 기간 동안 대기기온의 시계열 변화를 Fig. 2(a), 대 청호의 수심별 수온 및 수온 전이층 두께(Metalimnion thickness)의 변화를 Fig. 2(d)에 나타내었다. 또한, Lake Analyzer를 이용해 분석한 ST와 LN 값의 시계열 변화를 Fig. 2(b)와 Fig. 2(c)에 각각 제시하였다. ST와 LN 값 산 정에 사용된 입력자료는 2017년 9월 12일 ~ 12월 31일까지 10분단위로 측정한 수심별 수온 자료이다.

Fig. 2. Temporal variations of (a) air temperature, (b) Lake number, (c) Schmidt stability, and (d) time-depth profile of water temperature.

조사기간 동안 ST는 5.68 ~ 1,725.79 J/m², LN은 0.05 ~ 87.28의 범위를 보였다. 실험 시작 시점인 9월 중순(9/12) 에 기온은 15.6°C이었으며, ST는 1,687.97 J/m²으로 안정된 수온성층이 형성되어 있었다. 9월 12일에 1,725.79 J/m²로 가장 강한 성층강도를 보였으며, 8월의 연속된 강우(225.2 mm) 이후에 대규모의 유량이 유입하면서 성층강도가 약화 되는 경향을 보였다. 수위가 상승함에 따라 표층수의 두께 도 약 20 m가량으로 증가하였으며, 수온전이층의 두께도 강우발생 전 12 m 내외에서 15.6 m까지 증가하였다가 강우 발생 직후 6.6 m로 급격한 변동이 나타났다. 이는 강우 유 입수로 인해 수위가 급격히 상승하면서 일시적으로 수체가 불안정해진 것이 원인으로 판단된다.

10월 말(10/30)부터 평균기온이 10°C 이내로 떨어지면서, 수온 전이층의 두께가 급격히 감소하며(8.8→4.4 m), 이 시기의 ST는 790.2 J/m²로 나타났다. 이후 11월 말(11/27)에 ST가 약 300 J/m² 이하로 떨어지면서, 수온성층이 대부분 해소되는 것으로 나타났다. 대기기온이 감소함에 따라 성층 강도가 약해지고, 수온약층(thermocline)의 중심도 점점 깊 어지는 경향을 나타냈다.

조사기간 동안의 풍속과 PAR 그리고 표층의 DO 농도와 포화DO농도의 편차를 Fig. 3에 시계열로 제시하였다. 관측 기간 동안 평균 풍속은 1.5 m/s였으며, 최대풍속은 2017년 9월 15일에 3.4 m/s를 보였다. PAR는 평균 260.29였으며, 일 주기 변화를 보였다. 호소 표층의 DO 농도는 일부 기 간을 제외하면 대부분 불포화 상태였으며, 일주기로 증가하 고 감소하는 패턴을 보였다. 9월 중순과 10월초에 DO 농 도가 포화농도 이상으로 일시적으로 증가하는 현상이 발생 하였는데, 이는 9월 11일의 32.9 mm와 10월초의 23.1 mm 의 폭우로 인해 수중의 DO가 일시적으로 증가한 것으로 판단된다.

Fig. 3. Temporal variations of (a) wind speed, (b) photo-synthetically active radiation (PAR), and (c) DO deviations from saturation.

3.2. Results of GPP, R, NEP

신진대사 모델별, 기체전달계수 함수별로 산정한 NEP의 시계열 변화는 Fig. 4와 같다. NEP는 신진대사 모델의 종 류에 대해서는 큰 편차를 보이지 않았으며, 기체전달계수 는 여름철보다 풍속이 큰 겨울철에 큰 편차를 보였다. NEP는 9월부터 10월 중순까지는 양의 값과 음의 값이 반 복적으로 나타났으나, 그 이후에는 대부분의 음의 값을 보 이고 있다. 이러한 결과는 기온의 하강과 함께 저수지 내 조류의 생체량 변화와 밀접한 관계가 있는 것으로 해석 할 수 있다. GPP와 R은 몇몇 기간에 각각 음의 값과 양의 값을 보였다. 생태학적으로 음의 GPP와 양의 R의 값은 불 가능하지만, 수중 용존산소를 사용하여 metabolism을 평가 할 때는 종종 음의 GPP와 양의 R 값을 반환한다(^{Winslow et al., 2016}). 이러한 결과는 생물학적 기작에 의한 DO변 동 신호가 바람에 의한 혼합과 같은 물리적 혼합에 의한 DO변화에 의해 압도될 때 자주 발생한다(^{Rose et al., 2014}) Table 4.

Fig. 4. Temporal variations of Net Ecosystem Production (NEP) according to metabolism model in Daechung Lake ((a): cole, (b): crusius, (c): vachon, (d): macIntyre).

LakeMetabolizer의 7가지 기체교환계수 함수별, 그리고 4가지 신진대사 모델별로 산정한 GPP, R, NEP 결과는 Fig. 5 및 Table 5 ~ Table 7과 같다. LakeMetabolizer의 기체 교환 계수 함수의 선택은 호소의 신진대사를 평가 하는데 상당히 중요하다(^{Dugan et al., 2016}). GPP는 기 체 교환 계수에 따라 편차가 크지 않은 것으로 나타났다 (Fig. 5a). 하지만, Bookkeep 모델의 GPP범위는 -0.08 ~ 8.85 mgO₂/L/day로 다른 모델(mle, ols, kalman) 대비 큰 편차를 보였다. metabolism model에 각각 다른 기체 교 환 계수를 적용하였을 때 GPP값은 전반적으로 비슷한 패턴의 양상을 보였으며, 경험적 기체 교환 모델(-0.19 ~ 4.50 mgO₂/L/day)과 표면갱신 기체 교환 모델(-0.51 ~ 4.56 mgO₂/L/day)간의 범위 차이도 크지 않은 것으로 나타 났다.

Fig. 5. Estimate results of metabolism according to k.gas in Daechung Lake (co:cole, cr:crusius, he:heiskanen, ma:macIntyre, re:read, so:soloviev, va:vachon)

4가지 모델에서 모두 표면갱신 기체 교환모델의 k.macIntyre 를 사용하였을 때 평균 1.18 (0.82 ~ 2.17) mgO₂/L/day로 가 장 높은 값을 가졌다. 또한 mle 모델에서 k.soloviev는 평 균 0.67 (-0.28 ~ 4.48) mgO₂/L/day로 가장 낮은 값을 가졌 으며, bookkeep 모델에서는 k.crusius가 평균 1.45 (-0.08 ~ 8.70) mgO₂/L/day로 가장 낮은 값을 가졌다. ols, kalman 모 델에서는 각각 crusius, read, soloviev가 평균 0.73 (-0.35 ~ 4.74) mgO₂/L/day, 평균 0.72 (-0.40 ~ 4.74) mgO₂/L/day로 가 장 낮은 값을 가졌다.

R은 metabolism model에 따라서는 편차가 거의 없었지 만, 기체교환계수 함수에 따라 편차를 보였다(Fig. 5(b)). 모 든 metabolism model에서 경험적 기체 교환 모델을 사용하 였을 때가 평균 -0.95 (-6.46 ~ 1.16)로 표면갱신 기체 교환 모델을 사용하였을 때 평균 -1.36 (-6.51 ~ 1.15)보다 높은 값을 가졌다. 기체 교환 계수 중 경험적 기체 교환 모델의 k.crusius를 사용하였을 때 평균 -0,83 (-6.44 ~ 1.16)로 가장 컸고, 표면갱신 모델의 k.macIntyre를 사용하였을 때 평균 -1.87 (-6.51 ~ 1.15)로 가장 작았다.

NEP는 대체로 음의 값을 보여 대청호는 종속영양시스 템으로써 대기 중 탄소의 배출원으로 작용하고 있는 것으 로 평가되었다(Fig. 5c). metabolism model에 따라 다른 기체 교환 계수를 사용하였을 때 NEP값은 R과 비슷한 패 턴의 양상을 보였다. 모든 metabolism model에서 경험적 기체 교환 모델을 사용하였을 때가 평균 -0.18 (-3.66 ~ 2.15)로 표면갱신 기체 교환 모델을 사용하였을 때 평균 -0.54 (-3.65 ~ 2.15)보다 높은 값을 가졌다. 기체 교환 계 수 중 경험적 기체 교환 모델의 k.crusius를 사용하였을 때 평균 -0.06 (-3.66 ~ 2.15)로 가장 컸고, 표면갱신 모델의 k.macIntyre를 사용하였을 때 평균 -0.97 (-3.65 ~ 2.14)로 가장 작았다.

본 연구에서 대청호를 대상으로 산정한 GPP의 값을 선 행 연구 자료와 비교한 결과(Table 7), 조사기간 동안 대청 호의 GPP값은 주암호에서 보고된 GPP보다 높았으며, 동북 호, 영산호에 비해 낮았다(^{Yeongsan and Seomjin Watershed Management Committee, 2006}). 한편, 국외의 경우는 Little Aror Vitae Lake와 Trout Bog에서 산정한 GPP보다는 낮 은 값을 보였지만, Spakling Lake에 비해 높은 값을 나타 내었다.

결과를 보면 전반적으로 GPP에서는 bookkeep 모델이 가장 높았는데, 이는 bookkeep 모델이 빛에 의존하지 않 은 model이며, 가장 적은 통계학적인 가정을 지니기 때문 인 것으로 판단된다. 하지만 bookkeep 모델은 매개변수를 산정하는데 과정, 관찰 오차를 포함하며, 오차가 크다면 metabolism을 산정하는데 큰 영향을 줄 수 있다. 또한 NEP의 시계열 변화를 보면 10월 말과 12월말에서 다른 모델에 비해 kalman 모델에서 NEP 급 증가·급 감소함을 보였는데, 이는 kalman 모델이 다른 모델과 달리 과정 오 차를 통합하며, DO data가 nosiy할 때, 더 민감함을 보이 기 때문으로 판단된다.