2.1. 대상 지역

소양호(Fig. 1)는 최대 수심 약 120 m, 만수면적 약 70.0 km², 수리학적 체류시간 약 0.75년, 총 저수용량 약 2,900백 만 m³의 국내 최대 규모 인공호이다. 소양강댐은 한강연안 및 서울을 비롯하여 수도권지역에 생·공용수, 농업용수 공 급, 홍수조절, 전력생산에 크게 기여하는 다목적댐이다. 소양 호는 전형적인 인공호의 지형적 특성을 보이며 폭이 좁고, 길이가 긴 반면 수심이 깊다. 중위도 온대지역에 위치하여 동절기에 한번 수직혼합이 일어나고 하절기에 성층이 형성 되는 온대 1순환형(monomictic lake) 특성을 보인다(^{Kim et al., 2001}). 수온 성층 형성기간에는 저수지내 수온의 공간분 포가 수심별로 편차가 크며 수평방향으로는 편차가 작은 특 성을 보인다. 소양호의 전체 유입량 중 소양강(Sagumi bridge in Fig. 1)을 통한 유입량이 90 %를 차지한다(^{Kim and Jung, 2007}).

Fig. 1. Locations of the study area and research point

2.2. 기후변화 시나리오 및 전망 모델의 구성 절차

IPCC에서는 AR5에서 미래 기후변화를 전망하기 위해 인 간의 활동이 온실가스 농도에 미치는 영향의 정도를 기준으 로 대표탄소농도경로(RCP) 8.5, 6.0, 4.5, 2.6의 네 가지 시나 리오로 구분하였다. RCP 8.5는 현재와 같은 추세로 온실가 스가 배출되는 경우이며, RCP 6.0과 4.5는 온실가스를 저감 하는 정책이 어느 정도 실현된 경우, RCP 2.6은 현재의 상황 에서 온실가스 배출이 최대한으로 저감되었을 경우를 나타 낸다. IPCC는 Coupled Model Intercomparison Project Phase 5(이하 CMIP5)를 통해 다양한 전 지구 기후모델(GCMs)을 이용하여 AR5에서 제시한 RCP 시나리오별 미래 기후 전망 을 제공하고 있다. 그러나, CMIP5에서 제공되는 기후자료는 공간해상도가 낮아 지역단위 연구에 사용하기에 적절하지 않기 때문에 지역 상세화(Down scaling) 과정이 요구된다. 우리나라에서는 APEC 기후센터(APEC Climate Center, 이하 APCC)에서 BCSD(Bias-Correction / Spatial Disaggregation) 모델과 QDM(Quantile Delta Mapping)을 결합한 방법으로 GCMs 기후자료를 지역상세화하여 제공하고 있다. 본 연구 에서는 AR5에서 제시한 RCP 4.5와 RCP 8.5에 대해서 7개 GCM모델(CCSM4, CMCC-CM, FGOALS-s2, INM-CM4, MIROC-ESM-CHEM, HadGEM-ES, HadGEM2-AO)을 춘천 기상대(Chuncheon Wether stations in Fig. 1) 지점 자료를 이 용하여 지역상세화한 최저-최고 기온과 강수량 데이터를 제 공받아 사용하였다.

본 연구의 미래를 전망하는 기간은 2016년 1월 1일 ~ 2070년 12월 31일이다. 소양호의 미래 전망 기간 동안의 일 일 유입량은 SWAT모델을 이용하여 생산하였다. SWAT모델 은 미국 농무성 농업연구소(USDA/ARS)에서 개발된 유역단 위 모델로써 GIS를 기반으로 장기 유량 및 수질을 모의할 수 있다(^{Arnold et al., 2012}; ^{Choi et al., 2007}; ^{Lee et al., 2011}; ^{Neitsch et al., 2009}; ^{Ye et al., 2008}). 본 연구에서 사 용한 SWAT 모델은 선행연구(^{Han et al., 2017})에서 소양강 댐 유역에 대하여 보정된 매개변수를 그대로 적용하였다.

저수지내 수리 및 수온 해석은 2차원 횡방향 평균(x-z) 모 델인 W2를 사용하였다. W2는 소양호와 같이 수심이 깊고 길이가 긴 반면 하폭이 좁은 수체에 매우 적합하며(^{Cole and Wells, 2017}), 수온, 영양염류, 용존산소, 유기물, 퇴적물과 관계된 수질모델링에 광범위하게 활용되고 있다(^{Borsuk et al,. 2001}; ^{Bowen and Hieronymus, 2003}; ^{Chung et al., 2011}; ^{Debele et al., 2008}; ^{Kim and Kim, 2004}; ^{Yi et al., 2016}).

또한 기후변화로 인한 소양호의 미래 수온 예측에 있어서 모델링 단계별 불확도를 정량적으로 평가하기 위하여 R package인 UncDecomp (^{Kim et al., 2019})를 사용하였다. 미 래 수온 전망값을 종속변수로 사용하였으며, 기후시나리오 2 개(RCP 4.5, RCP 8.5), GCM 모델 7개, SWAT 모델, W2 모 델 풍속 시나리오 3개를 포함하여 총 42개의 시나리오를 모 의하고 모델링 4단계의 불확도를 정량적으로 평가하였다. Table 1.

2.3. 저수지 수온 예측 모델 구축

W2 모델의 상류 유량 경계조건은 SWAT 모델로 예측한 소양강댐의 유입부인 사구미교 지점의 유출 유량을 사용하 였으며, RCP 4.5 및 8.5 시나리오와 7개 GCM모델 자료로부 터 예측된 14개의 유입량 시나리오를 사용하였다. 미래 전망 기간 동안의 소양강댐 방류량은 SWAT 모델을 이용하여 예 측한 저수지 유입량과 ^{K-water (2005)}에서 제공하는 소양강 댐 저수지 운영 제약조건(홍수기 제약수위 등)을 고려하여 물수지 분석을 통해 산정하였다.

수치격자는 선행연구(^{Chung et al., 2011})자료를 사용하였 다. ^{Chung et al. (2011)}은 소양강댐 저수지 퇴사조사측량용 역 보고서(^{K-water, 1994})의 실측자료를 이용하여 소양호의 유한차분 격자를 구성하였으며, 종방향으로 약 60 km인 수 체를 138 segment, 수심방향으로 134개 layer로 구분하였다. 모의된 수위-저수용량과 실측 비교 결과 Root Mean Square Error(RMSE) 16.48×10⁶ m³, Absolute Mean Error(AME) 15.67×10⁶ m³으로 오차가 저수용량대비 1 % 이내로 나타나 높은 신뢰도를 나타냈다.

미래 수온을 전망하기 위해 사용한 W2 모델은 소양호의 선 행연구(^{Yun et al., 2019})에서 2005년 1월 1일 ~ 2015년 12월 31일의 기간에 대하여 실측 데이터를 사용하여 보정된 모델을 사용하였다. 보정에 사용된 초기조건, 경계조건 등은 K-water 에서 제공한 수문자료와 환경부에서 제공하는 수심별 수온자 료를 이용하였으며, 기상자료는 기상청에서 제공하는 기온 (°C), 이슬점온도(°C), 전운량, 풍속(m/s), 풍향(Radian)을 이용 하였다.

기온 및 이슬점온도와 유입수온간의 회귀식을 사용하여 입 력수온을 산정하였다(^{K-water, 2007}). 평균 기온과 이슬점온도 는 식(3)과 식(4)을 사용하여 산정하였으며, 소양호의 상류지점 사구미교(Fig. 1)에 유입되는 유량(300 m³/s)을 기준으로 식(1) 과 식(2)를 사용하여 유입 수온을 계산하였다.

여기서 WT_IB =댐 유입수의 온도(°C), T_air =일 평균 기온 (°C), T_dew =이슬점 온도(°C) 이다.

여기서, T_min = 일 최저온도(°C), T_max = 일 최고온도(°C) 이다.

기온과 이슬점온도를 제외한 기상자료(풍속, 풍향, 전운량) 는 과거 10년간의(2006년 1월 1일 ~ 2015년 12월 31일) 기 상 자료를 전망기간 동안 반복 입력하여 사용하였다. 그러나 풍속은 저수지 수직혼합과 수온 성층구조에 미치는 영향이 크므로 과거자료를 기준으로 풍속 50 %감소, 풍속 유지(과거 풍속 data), 풍속 50 % 증가 시나리오를 구성하여 불확실성 해석을 추가하였다 (상세한 내용은 2.5절에 기술).

2.4. 저수지 수온성층 특성 평가

R package인 rLakeAnalyzer(^{Winslow et al., 2018})를 이용 하여 미래 기후변화에 따른 소양호의 수온 성층구조 및 수체 안정성 변화를 분석하였다. W2 모델에서 예측한 일일 저수 위와 수심별 수면적, 풍속, 수온을 입력자료로 사용하였고, Schmidt stability(S_t)를 시계열로 산출하여(식 (5)) 수온 성층 구조와 안정성을 산정하였다. S_t는 수체 열 안정성의 척도로 서, 열의 첨가나 손실 없이 기계적으로 수체를 완전 혼합하 는 데에 필요한 에너지의 양을 정의한다. S_t가 클수록 수체가 열적으로 더 안정된 것을 의미한다.

여기서, g는 중력가속도(m/s²), A_s는 저수지 표면적(m²), A_z 는 깊이 z에서의 저수지 면적(m²),

z _D는 저수지 최고 깊이(m), ρ_z 는 깊이 z에서의 물의 밀도 (kg/m³), 그리고 z_v는 호수 부피의 중간지점 깊이(m)로, 식 (6)과 같다.

2.5. 미래 수온 전망 불확실성의 정량화

기후변화로 인한 소양호의 수온 및 수온 성층구조의 변화를 모의하고, 모의 결과에 대한 불확실성을 정량화하여 나타내기 위해 R package UncDecomp (^{Kim et al., 2019})를 사용하였다. UncDecomp는 교호작용 ANOVA 모형을 사용하여 기후변화 각 전망 단계의 불확실성을 모델링 단계별 불확실성(stage uncertainty), 시나리오별 불확실성(scenario uncertainty), 누적 불확실성(cumulative uncertainty)으로 나뉘어 산출한다. 전망 단계별 불확실성 (식 7)은 주효과에 의한 불확실성 (식 8)과 해당 전망 단계가 관련된 모든 교호작용에 의한 불확실성 (식 9) 합의 절반을 더한 것으로 정의된다. 이렇게 정의한 전망 단 계별 불확실성은 전망 단계에 속한 시나리오별 불확실성(식 10)으로 다시 분해된다. 본 연구에서는 단계별 불확실성을 정 량화하는 stage_uncertainty() 함수와, 모의된 각 단계의 시나리 오별 불확실성을 정량화하는 scenario_uncertainty() 함수를 이 용하였다. 소양호 수온을 장기 모의하여 생성한 연속 수온 결 과값을 UncDecomp package의 입력자료로 사용하였다.

여기서, K : 기후변화 전망 단계의 수, M_k : K번째 단계의 시나리오들의 집합, n_k : Mk의 원소의 수, Y : 각 시나리오의 전망값(projection), U^INT : 교호작용에 의한 불확실성, U^MAIN : 주효과에 의한 불확실성, U^SC : 시나리오 불확실성, U^STAGE : 전망 단계별 불확실성

UncDecomp package는 기후변화 예측 모델링 단계별 불 확실성을 단일 모델(또는 시나리오)의 주효과에 의한 것과 모델(또는 시나리오)간의 교호작용에 의한 불확실성의 합으 로 산정된다. 또한 단계별 불확실성을 분해하여 각 단계의 시나리오별 불확실성을 산정하고, 시나리오간의 상대적인 불확실성 비율을 나타낸다. 그러나, UncDecomp package는 모델 단계에 단일 시나리오만을 입력하면 해당 단계의 불확 실성을 산정 할 수 없다. 본 연구에서 유출모델의 경우에는 선행연구(^{Han et al., 2017})에서 보정된 SWAT 하나의 모델 에 대해 동일한 매개변수를 그대로 사용하였으므로 유출모 델링 과정에서 발생하는 불확실성은 고려하지 않았다. 저수 지 수리와 수온모델링 단계에서는 과거 풍속자료를 반복 사 용한 것에 대한 불확실성을 고려하기 위하여, W2 모델의 입력자료로 사용되는 풍속 자료를 이용하여 풍속이 감소, 유지, 증가하는 세 가지 경우의 시나리오를 생성하여 불확 실성 해석을 하였다. W2 풍속 시나리오는 과거 풍속 자료 를 그대로 입력한 시나리오 S(Standard)와, 50 % 저감한 시 나리오 L(Low Wind), 그리고 50 % 증가한 시나리오 H (High Wind)로 구성하였다.

3.1. 소양호 미래 기온 변화 전망

춘천 기상대(Chuncheon Wether stations in Fig. 1)에서 관 측된 과거(1966 ~ 2015) 연평균 기온의 변화와 기후변화 전 망기간(2016 ~ 2070)의 예측 기온을 시계열 그래프로 제시 (Fig. 2)하고 온도 상승 속도를 비교하였다(Table 2).

Fig. 2. Comparing the annual mean air temperature for the forecast period due to future climate change with the annual mean air temperature observed for the past period.

Fig. 2에서 실측 기온과 기후변화 시나리오에 따른 기온 모 두 꾸준히 상승하는 것으로 나타난다. 과거 실측 기간 동안 기 온의 연 상승률은 0.025 °C/year였으며, RCP 4.5는 GCM평균 (±표준편차) 0.033(±0.011) °C/year, RCP 8.5는 GCM평균(±표 준편차) 0.058(±0.019) °C/year로써 과거 실측, RCP 4.5, RCP 8.5 순서로 기온의 연 상승률이 커지는 것으로 나타났다.

3.2. 소양호 미래 수온 변화 전망

전체 전망 기간(2016 ~ 2070)의 기온과 소양호의 상층(수 표면으로부터 5 m 깊이)수온 및 하층(지표면으로부터 5 m 높이)수온의 연 상승률을 비교하여 Table 3에 나타내었다.

소양호의 상층 수온 상승 속도는 RCP 4.5에서 0.029 (±0.012) °C/year, 8.5에서 0.048(±0.014) °C/year로 각각 기온 상승속도의 88.1 %, 85.8 % 수준이었으며, 하층 수온은 RCP 4.5에서 0.016(±0.009) °C/year, 8.5에서 0.027(±0.010) °C/year 로 각각 기온의 48.6 %, 46.3 % 수준으로 전망되었다.

기후변화 시나리오에 따른 미래 수온을 시나리오별로 미래 55년의 전망기간을 S1(2016년 ~ 2030년), S2(2031년 ~ 2045년), S3(2046년 ~ 2060년), S4(2061년 ~ 2070년) 총 네 기간 으로 구분하여 모의 및 분석하였다. 전체 시나리오가 전망하 는 소양호의 미래 전망기간(2016년 1월 1일 ~ 2070년 12월 31일)의 시나리오별 연평균 수온을 제시하였으며(Fig. 3), 시 나리오 각각의 기간별 평균 및 표준편차를 비교하였다(Table 4, Table 5). 전체 시나리오와 상·하층 모두에서 연 평균 수 온이 상승과 하강을 반복하며 미래 기간으로 갈수록 지속적 으로 상승하는 경향을 보였다.

Fig. 3. Historical (2005-2015) and projected (2016-2070) yearly water temperature at upper and lower layers in the Soyanggang Reservoir.

소양호 상층수온의 시나리오별 기간 평균 수온을 비교한 Table 4에서, RCP 4.5 시나리오의 평균 수온 및 표준편차는 S1에서 16.51 °C(±8.11 °C), S4에서 17.6 °C(±8.15 °C)로 첫 기 간평균과 마지막 기간평균의 차가 1.09 °C로 나타났다. RCP 8.5 시나리오의 평균 수온은 S1에서 16.79 °C(±8.04 °C), S4에 서 18.77 °C(±8.25 °C)로 첫 기간평균과 마지막 기간 평균의 차가 1.28 °C로 나타나 RCP 8.5 시나리오에서 미래 수온의 온도 자체도 더 높을 뿐만 아니라 동일한 기간에서 더 큰 폭 으로 상승하는 경향을 보였다. 특히 FGOALS-s2 모델에서는 RCP 4.5에서 S1 16.73 °C(±8.31 °C), S4 17.4 °C(±8.11 °C)로 평균차가 0.67 °C이며 RCP 8.5에서는 S1 16.69 °C(±8.27 °C), S4 18.39 °C(±8.42 °C)로 평균차 1.70 °C로 세 배에 가까운 차 이를 보였다. 이러한 결과는 선정된 GCM 모델에 따라 저수 지 미래 수온 예측 결과가 많은 영향을 받는 것을 시사한다.

하층수온의 시나리오별 기간 평균 수온을 비교한 Table 5 에서도 마찬가지로 RCP 8.5가 상대적으로 큰 폭으로 상승하 는 경향을 보였다. RCP 4.5 S1에서 5.32 °C(±0.48 °C), S4에 서 5.95 °C(±0.64 °C)로 첫 기간평균과 마지막 기간평균의 차 가 1.09 °C로 나타났고, RCP 8.5 시나리오의 평균 수온은 S1 에서 5.5 °C(±0.51 °C), S4에서 6.57 °C(±0.58 °C)로 첫 기간평 균과 마지막 기간 평균의 차가 1.28 °C로 나타났다.

3.3. 소양호 수온의 계절별 변화 전망

소양호 미래 수온의 계절별 변화를 전망하기 위하여 전체 모의기간(2016년 ~ 2070년)을 봄(3 ~ 5월), 여름(6 ~ 8월), 가을(9 ~ 11월), 겨울(12 ~ 2월)로 구분하고 계절별 평균 수 온을 확인하였다. RCP 4.5와 RCP 8.5 시나리오의 계절별 7 개 GCM 모델 평균수온을 비교하였다. 또한 과거기간(2005년 ~ 2015년)의 상층수온과 하층수온을 동일하게 계절별로 구분하여 계절별 수온 변화 추이를 비교분석하였다(Table 6).

상층수온과 하층수온의 계절별 수온 변화 양상은 다르게 나타났다. RCP 8.5 시나리오의 수온이 상대적으로 더 크게 모의되었으나, RCP 시나리오에 따른 계절별 수온 변화 추이 는 유사한 경향을 보였다. 상층수온의 경우 봄철의 수온은 RCP 4.5와 8.5 모두 실측 수온에 비하여 50 % 이상 증가하 여 봄철에 가장 큰 폭으로 수온이 상승하는 것으로 나타났으 며, 여름철 수온은 마찬가지로 RCP 4.5와 8.5 모두 20 %가 량 상승하는 것으로 나타났다. 가을과 겨울에 RCP 4.5에서 오히려 수온이 감소하는 경향을 보이며 겨울수온의 감소율 이 가장 컸으며 RCP 8.5에서는 소폭 상승하였고 가을의 상 승률이 가장 작은 것으로 나타났다. 하층 수온은 RCP 4.5와 8.5 모두 봄에 가장 작은 폭으로 상승하고 겨울에 가장 큰 폭으로 상승하는 동일한 추세를 보였다.

계절별 최저-최고 수온을 예측한 GCM 모델을 분석한 결 과(Table 7, Table 8), RCP 4.5 시나리오에서 HadGEM-ES 모델은 봄과 여름철의 상층수온을 가장 높게 예측하였으며, 가을과 겨울철에는 가장 낮게 예측하였다. 그 외의 대부분의 최저수온에 해당하는 모델은 INM-CM4모델이었으며, 최고 수온에 해당하는 모델의 대부분은 MIROC-ESM-CHEM모델 로 나타났다. 특히, RCP 8.5 시나리오에서는 모든 계절에 INM-CM4모델은 상층과 하층의 수온을 가장 낮게 예측하였 고, MIROC-ESM-CHEM모델은 가장 높게 예측하였다.

3.4. 수체의 안정도 및 수온성층 일수의 변화

rLakeAnalyzer를 이용하여 W2 보정기간(2005년~ 2015년) 과 미래 전망기간(2016년 ~ 2070년)동안의 연평균 St를 산정 하여 수체 안정도를 분석하였다(Fig. 4, Fig. 5). 보정기간 동 안의 S_t값의 범위는 2,077.6 ~ 3,256.3 J/m²로 나타났으며, 전 망기간 동안의 전체 GCM 모델에서 S_t값의 범위는 RCP 4.5 에서 1,777.56 ~ 4,026.32 J/m², RCP 8.5에서 2,318.72 ~ 4,446.29 J/m²로 나타났다. Fig. 4와 Fig. 5에서 수온과 마찬 가지로 과거 실측과 RCP 4.5와 8.5 두 시나리오 모두 연평 균 S_t가 미래기간으로 갈수록 상승하는 추세이며, 특히 RCP 8.5에서 더 높은 값을 보임을 알 수 있다.

Fig. 4. Annual average Schmidt-stability for each scenario of (a) RCP 4.5 and (b) RCP 8.5

Fig. 5. Number of stratification formation days of (a) RCP 4.5 and (b) RCP 8.5

미래 기후변화에 따른 소양호에서의 연간 수온 성층 형성 일수의 변화를 산정하기 위해 상층 수온과 하층 수온의 온도 차가 5 °C 이상 발생하는 일수를 분석하였다. 일반적으로 저 수지 수온성층 형성 판단은 수온약층의 온도경사가 0.1-0.15 °C/m일 때이며, 미국의 Lake Superior 연구(^{Piccolroaz et al., 2015})에서는 표층과 1 °C 차이가 발생하는 수심을 표층과 변 온층으로 구분하였다. ^{Stefan et al. (1996)}, ^{Foley et al. (2012)}, ^{Woolway et al. (2013)}은 수온성층 형성 기준을 표층 과 심층의 온도차가 1 °C 이상일 때로 제시한 바 있다. 본 연 구에서는 소양호에서 수온 성층이 충분히 형성되는 조건을 고려하기 위해 수온 성층 형성 기준을 표층과 하층의 온도차 5 °C로 정하였다. 전망기간 동안 전체 시나리오에서 연간 성 층 형성 일수는 213일에서 307일 사이였으며, 미래기간으로 갈수록 증가하는 추세를 보였다(Fig. 4). 따라서 기후 시나리 오와 GCM 모델 선정에 따른 미래 예측의 불확실도를 고려 하더라도 소양호의 수온 성층강도는 미래로 갈수록 강해지 며, 성층 일수도 증가할 것으로 전망된다.

3.5. 불확실성 정량화

기후변화에 따른 소양호의 미래 수온 예측에 사용된 모델 링 단계별, 시나리오별 불확실성을 산정하여 Fig. 6에 도시 하였다. RCP 2개 시나리오, GCM 7개 모델, W2 모델 입력 풍속 3개 시나리오로 총 42개 시나리오의 조합이 사용되었 으며, 2016년부터 2070년까지 모의된 수온의 각 단계 및 시 나리오별 월 평균 수온이 불확실성 정량화에 사용되었다. Fig. 6(a)는 GCM과 W2 모델의 21개 시나리오에 대한 RCP 4.5와 8.5 시나리오 상층 수온 모의 결과의 변동성을 보여 주고 있다. Fig. 6(b)는 RCP 시나리오와 GCM 모델의 14개 시나리오에 대한 W2 모델 풍속 시나리오별 수온예측 결과 의 변동성을 보여주며, Fig. 6(c)는 RCP 시나리오와 W2 모 델의 6개 시나리오 대한 GCM 모델 7개의 수온예측 결과에 해당한다.

Fig. 6. Projected upper water temperatures in the Soyanggang Reservoir based on (a) RCP scenarios, (b) Wind speed scenarios in W2, and (c) GCM models.

단계별 불확실성(Table 8)에서, RCP 시나리오 단계((Fig. 6. (a))에 의한 불확실성은 30.8 %, GCM(Fig. 6. (c))) 55.8 %, W2(Fig. 6. (b))) 12.8 %로, 다수의 기후변화 불확실성 연구의 결과와 마찬가지로 GCM모델 단계의 불확실성이 가장 크게 나타났다(^{Bastola et al., 2011}; ^{Chen et al., 2011}; ^{Dessai and Hulme, 2011}; ^{Jackson et al., 2011}; ^{Kay et al., 2009}; ^{Minville et al., 2008}; ^{Prudhomme et al., 2009}; ^{Wilby and Harris, 2006}). 시나리오별 불확실성(Table 9)에서 GCM모델 중 불확실성이 큰 모델은 INM-CM4로 29.6 %를 차지했으 며, MIROC-ESM- CHEM 모델이 12.1 %, HadGEM-ES모델 이 8.8 %로 뒤를 이었다. 3.3의 계절별 수온 변화 전망에서 의 계절별 최저-최고 수온에 해당되는 모델들과 유사하게 나타났으며, 전망 수온이 극값인 모델들이 불확실성을 가중 시킨다고 판단된다. Table 10.