2.1 연구대상 지역

연구의 대상지역인 대청호는 대청댐이 건설되면서 형성된 인공저수지로, 길이가 길며 폭이 좁은 형상을 가지고 있다(Fig. 1). 금강수계 중류(36.5°N,127.5°E)에 위치하며, 용수공급, 홍수조절, 수력발전 등의 다목적 기능을 수행한다. 상류에 위치한 용담댐의 유역면적을 제외한 총 유역면적은 3,204 km²이며, 저수지 표면적은 72.8 km²으로 유역면적/저수면적의 비는 44.0이다. 총 저수용량은 1,490백만 m³이며,유효저수용량은 790백만 m³이다. 대청호의 평균수심은 약 20 m이며 조사기간 동안 댐앞지점(DC2)의 수심은 최대 42 m까지 관측되었다. 최근 10년 평균 강수량은 1,110.4 mm 이며, 국내 최근 10년간 평균 강수량인 1,232.7 mm보다 작은 것으로 나타났다. 연구기간인 2017년 강수량은 1,138.0 mm로 10년 평균강우량과 유사한 수준이었으며, 2018년 강수량은 1,342.5 mm로 최근 10년중 2번째로 높은 강수량 수준을 보였다. 연구기간 (2017~2018) 동안 평균 풍속은 1.34 m/s 이며 최대 풍속은 7.8 m/s이다. DC2의 평균 수질 농도는 pH 7.8, DO 7.8 mg/L, TOC 2.2 mg/L, T-N 2.4 mg/L, T-P 0.023 mg/L이다.

Fig. 1. Locations of the study site and monitoring stations.

2.2 현장 모니터링 및 자료 수집

2017년 7월부터 2018년 12월까지 총 18개월 동안 DC2 지점에 위치한 부표에서 현장 모니터링과 샘플링을 수행하였다(Fig. 1). 연구기간 동안 총 27회의 현장조사를 하였으며, 수심별 수온, pH, DO, pCO₂, TOC, DOC, Alk, Chl-a 항목에 대해 수집하였다. 또한 수체의 물리적 특성 조사를 위해 수심별 수온을 10분 간격으로 연속측정하였다. 2017년 7월부터 12월까지 수심별 1~2 m 간격(0~33 m)으로 총 15개 지점, 2018년 3월부터 12월까지 수심별 1~2 m 간격(0~38 m)으로 총 18지점에 수온계를 설치하여 운영하였다.

기상자료는 기온(℃), 이슬점온도(℃), 강수량(mm), 풍향(°), 풍속(m/s), 운도, 일사량(MJ/m²) 항목을 대전기상대 및 청남대 기상관측소에서 수집하였다. 수문자료는 유입량, 시설물별 유출유량, 저수위 항목을 K-water 수문정보시스템에서 수집하였다. 상류하천 및 저수지내 주요지점의 수질자료는 환경부 물환경정보시스템의 측정망자료에서 수집하여 활용하였다.

2.3 CE-QUAL-W2모델

CE-QUAL-W2 모델(이하 W2)은 2차원 횡방향 평균(Laterally-averaged) 수리⋅수질 모델로써 저수지 성층현상 및 밀도류 유동해석이 가능하다. 횡방향 완전혼합을 가정하기 때문에 우리나라 저수지와 같이 폭이 좁고 수심이 깊은 수체 모의에 적합하다(^{Chung et al., 2005}). W2 모델은 저수지 수위변동, 유속분포(흐름 및 수심방향), 수온, 그리고 21개 수질항목에 대한 모의가 가능하며, 수리구조물, 유입 지류, 점⋅비점오염원, 취수(Withdrawal), 하류 방류(Releases) 조건에 대한 모의 기능을 포함한다. W2 모델은 미공병단, 미개척국, 테네시유역관리청, 뉴욕시 환경보호국 등 미국의 주요 저수지 관리기관에서 수질관리를 위한 모델로 광범위하게 활용되고 있다(^{Cole and Tillman, 1999}, ²⁰⁰¹).

모델에서 무기탄소는 대기와의 가스교환, 조류 및 수생식물의 광합성과 호흡, 동물플랑크톤의 호흡, 유기물질의 분해, 퇴적물로부터 용출기작으로 순환된다(Fig 2). 이중 대기와 수표면에서 기체교환()은 다음과 같이 계산된다.

Fig. 2. Internal flux between inorganic carbon and other compartments (Cole and Wells, 2017).

여기서, 는 가스교환계수(m/s), 은 수표면 넓이(m²), 은 수표면 부피(m³), 는 Henry’s 법칙 기반 수중 CO₂ 포화농도(g/m³), 는 수중 CO₂농도(g/m³)이다.

여기서, 는 고도보정계수, 는 표층 수온(℃), H는 해발고도(km)이다.

모델에서 CO₂의 기체교환율은 수중의 산소 재폭기계수와 분자량을 기준으로 산정하며 O₂의 재폭기계수(기체교환속도)에 CO₂의 계수값(0.923)을 적용한다.

모델에서 O₂의 재폭기계수는 하천, 호소, 하구 수체별로 각각 다르게 지정 할 수 있으며, 각각 10, 14, 2개의 수식 중 선택할 수 있다. 본 연구에서는 ^{Gelda et al. (1996)}의 아래 식을 적용하였다.

여기서 W는 일평균풍속이며, W가 3.5 m/s보다 작은 경우 , 3.5 m/s보다 큰 경우 을 적용한다.

2.4 CO2 순배출플럭스(Net Atmospheric Flux, NAF) 산정

W2 수치모델로 모의한 CO₂ NAF와 실험자료를 이용하여 계산한 CO₂ NAF를 비교하기 위해 헨리의 법칙과 Fick의 1차확산 법칙을 적용하였다(식 6).

여기서, 는 온도에 따른 Henry 상수이며, 는 수중의 CO₂ 분압, 은 대기중 CO₂ 분압이다. 수식에 포함된 기체교환계수(k_g)는 성층 저수지 기체교환 해석에 적합한 MacIntyre의 모델을 사용하였다(식 7). ^{MacIntyre et al. (2010)}는 난류운동에너지의 소멸계수와 물의 동점성계수를 사용하여 기체교환 Flux를 추정할 수 있는 모델을 제시하였다. k₆₀₀은 20℃에서 CO₂의 표준기체교환속도이며, 실제 온도에 맞춘 보정을 통해 k_g값을 결정한다.

여기서, c₁ = 1.2, = 물의 동점성계수(m²/s), ε는 난류 운동에너지의 소산속도(m²/s³)이다. ε는 ^{Lombardo and Gregg (1989)} 식 8로 계산된다.

여기서, c₂=0.84 c₃=0.58, 는 수면 마찰 속도(m/s), = 0.41(von Karman constant); 은 혼합층의 깊이(m). 는 부력 플럭스(m²/s³) 이며 식 9로 계산된다.

여기서, g는 중력가속도(9.81 m/s²), 는 물의 열팽창 계수(/°C), 는 유효한 열 플럭스(J/m²/s), 는 일정압력에서 물의 비열 (4,186 J/kg/°C), 는 물의 밀도(kg/m³).

2.5 모델 입력자료 구성

대청댐의 지형자료는 K-water에서 (2006년에 수행된 저수지 퇴사량 측정 자료를 기반으로 구축하였다. 금강본류-가덕대교에서 댐앞까지 저수지형상과 계산 효율을 고려하여 총 6개 branch로 구분하였으며, 수평방향 (△x = 0.2~1.9 km)으로 165 segment, 수직방향 (△z = 0.5~2.0 m)으로 69 layer로 수치격자를 구성하였다. 대청호 수위-저수용량곡선식(WAMIS)과 비교하여 구축된 수치격자를 평가하였다.

모의 기간은 2017년 1월부터 2018년 12월까지 총 24개월(730일)이다. 모델 구동시 초기조건인 수위, 수온 및 수질 자료는 K-water의 댐운영자료와 환경부 물환경정보시스템 측정망 자료를 활용하여 입력하였다.

경계조건으로는 수문, 기상, 그리고 수질자료 등이 있다. 기상자료는 대기와 수표면 사이에 열교환 플럭스를 계산하기 위해 기온(℃), 이슬점온도(℃), 풍향(Radian), 풍속(m/s), 운량자료를 입력하였다. 수문경계조건은 유입량, 시설물별 유출유량이다. 지류별 유입유량은 유역면적비를 적용하여 산정하였으며, 방류량은 댐구조물 별로 분배하여 입력하였다. 또한, 수리해석에서 강우와 증발 매커니즘을 포함하기 위해 별도의 입력자료를 구성하였다. 수온자료는 ^{Chung and Oh (2006)}가 개발한 다중회귀식으로 산정된 값을 적용하였다. 수질자료는 환경부물환경정보시스템의 하천측정망 자료를 수집하여 활용하였다. 모델에서는 유기물의 유형에 따라 Refractory Dissolved Organic Matter (RDOM), Labile Dissolved Organic Matter (LDOM), Refractory Particulate Organic Matter (RPOM), Labile Particulate Organic Matter (LPOM)으로 구분하여 입력하였다. 각 지류의 유입 수질은 수질 환경 정보 시스템에서 수집하여 SS, OM, PO₄-P, NO₃-N, NH₄-N, Chl-a, DO 등의 항목을 입력하였다.

모의 값의 오차 평가를 위해서 Absolute Mean Error (AME), Root Mean Square Error (RMSE) 및 Relative Error (RE)를 지표로 사용하였다. AME는 평균 절대 오차로 측정값과 모의값의 편차에 대한 절댓값을 산술 평균한 것이며, 평균 제곱근 오차인 RMSE는 측정값과 모의값에 대한 편차의 제곱으로부터 평균제곱오차의 제곱근을 구하는 것이다. RE는 상대 오차로 측정값 평균에 대한 평균 절대 오차의 비로 정의하며, 측정값에 대한 평균을 기준하여 수치모형의 재현성을 확인할 수 있다(Table.1).

Table 1. Statistical indices used to evaluate the model accuracy

Statistical index	Equation
Absolute Mean Error
Root Mean Square Error
Relative Error
= Observed data, = Predicted data, = average observed value, N=number of data

3.1 수치모델의 재현성 검정

모델에 사용된 수치 격자와 물수지(유입량과 방류량 변화에 따른 저수량 변화)의 신뢰성을 확인하기 위해 2017~2018년 실측 수위와 모의 수위값을 비교하였다. 모델은 대청댐 저수지의 유입량과 방류량의 시간적 변화에 따른 실측 저수위 변화를 적절히 재현하는 것으로 확인 되었다 (Fig. 3). 오차분석결과 AME = 0.03 m, RMSE = 0.10 m, RE = 0.04%로 높은 예측 신뢰도를 보였으며, 홍수 유입시 급격한 저수위 변화를 잘 반영하였다.

Fig. 3. Comparison of simulated and observed reservoir water levels.

저수지의 수온 성층 형성은 수역으로부터 기인한 에너지 및 물질의 수송과 확산에 영향을 주며, 수체의 수직 혼합과 시공간적 수환경 변화를 야기하며 수온, 체류 시간, 광량, pH, DO 분포 및 영양분 농도에 직접적으로 영향을 준다 (^{Imberger and Patterson, 1989}; ^{Martin and McCutcheon, 1999}; ^{Wetzel, 1983}). 특히, 수중 CO₂ 농도의 시공간 분포는 수온성층 구조의 동적 변화와 매우 관련성이 높다(^{McClure et al., 2018}; ^{Park and Chung, 2018}). 따라서 수온성층의 재현성을 확인하기 위해 DC2 지점에서 측정된 수심별 수온자료와 모의결과를 비교하여 모델 보정을 수행하였다. 측정값과 모의값의 수직 프로파일은 총 399일(2017년 : 169일, 2018년 230일)을 비교하였으며, 오차분석 결과 AME = 0.13~1.39℃, RMSE = 0.20~2.43℃, RE = 2.9~6.4%로 나타났다. 모델은 측정된 수온의 시계열 변화, 전도현상, 성층의 형성 및 약화되는 과정을 적절하게 재현하였다(Fig. 4).

Fig. 4. Comparison of simulated and observed profiles of water temperature at DC2.

탄소순환 해석모델의 보정은 상류부터 DC4, DC5, DC2 지점(Fig. 1)을 대상으로 TOC, Chl-a 항목의 실측값과 모의값 비교를 통해 수행하였다(Fig. 5). 모델의 유기물과 조류 보정에 사용한 주요 매개변수는 Table 2와 같다. TOC 항목의 경우 지점별 RE가 10.1~23.8%로 높은 예측 신뢰도를 보였으며, 시계열 변동 추세도 적절히 재현하였다. Chl-a 항목은 조류의 최고 농도값 예측이 중요함에 따라 하절기 최고값 재현을 목표로 보정을 수행하였으며, RE는 67.2~88.7%의 범위를 보였다. 2017년도는 저수지 내에서 9월 이후에 조류가 대량 발생하였으며, 2018년도 대비 최고 농도값이 높은 수준을 보였다. 2017년도의 경우 모델은 전반적으로 실측값의 시계열 변동특성을 적절하게 재현하였지만, 2018년도에는 10월초순에 첨두값을 보이며 가을에 과대평가되는 경향을 보였다. 이는 2017년 수문사상을 기준으로 Chl-a 보정을 수행하면서 발생한 오차로 판단된다. 2017년에는 강우가 7월과 8월에 집중되어 성층강도가 강한 시기에 탁수가 중층 밀도류를 형성하였다. 반면, 2018년에는 강우가 8월말과 9월에 주로 발생하여(Fig. 3 참조) 탁수층이 가을 전도현상 기간 동안 표층으로 혼합되면서 탁도의 영향으로 광합성이 활발하지 못했을 것으로 판단된다. 그러나, 모델에서는 탁도에 의한 광제한(light limitation) 현상이 적절히 재현되지 않아 Chl-a 농도를 과대 산정한 것으로 유추된다. 일반적으로 수질모델의 오차는 물리적 변수, 화학적 변수, 생물학적 변수 순으로 증가하는 것으로 알려져 있다(^{Arhonditsis et al., 2019}). 특히, 미국의 Lake Erie에서 적용한 수질모델들의 상대오차를 분석한 결과, Cyanobacteria는 80% 이상으로 매우 높게 보고되고 있다(^{Arhonditsis et al., 2019}). ^{Bocaniov et al. (2014)}은 Chl-a 항목의 적합한 보정 수준을 RE 64~88%, ^{Verhamme et al. (2016)}은 RE 58%~71% 범위로 제시하였으며, 이는 본 논문의 보정결과와 유사한 수준이다. 그러나 조류 생체량의 시⋅공간적 변화는 저수지 내 탄소순환과 CO₂ 농도의 시⋅공간적 분포에 직접적 영향을 미치므로, 향후 강우시 실험 자료를 충분히 확보하여 탁수의 영향을 고려한 정밀한 해석이 추가될 필요가 있다.

Fig. 5. Comparison of simulated and observed time series of Chl-a and TOC at DC4, DC5 and DC2 sites from 2017 to 2018.

W2 모델로 모의한 CO₂ NAF는 일반적인 기체 교환 이론식 (식 6)에 ^{MacIntyre et al. (2010)}이 제안한 기체교환 계수 산정식(식 7)을 적용하여 산정한 값과 비교하였다(Fig. 6). 대청호 DC2 지점에서 측정한 표층의 pCO₂와 MacIntyre 모델의 기체교환 계수로 산정한 CO₂ NAF값은 –1,356,2~4,414,3 mg/m²/d이며, W2 모델을 사용하여 모의된 CO₂ NAF의 범위는 –592~4,918 mg/m²/d로 유사한 수준을 보였다. 하지만, W2 모델의 최고값은 단순 기체교환 이론으로 산정한 값 보다 약 50일 후에 나타나 다소 차이를 보였다. 이러한 편차는 모의값과 산정값의 빈도 차이도 있지만, 두 가지 방법이 가지는 이론식의 구조적 불확도와 입력자료의 불확도가 원인으로 판단된다. 특히, W2 모의값과 달리 기체교환 이론에 근거한 산정값은 수중의 조류 생체량에 의한 광합성과 호흡을 고려하지 않는다는 한계가 있다. W2 모의결과를 보면 CO₂ NAF는 Julian day 300일부터 점진적으로 증가하는데, 이시기는 수온성층이 약해지면서 조류가 사멸하기 시작하는 시점이다. W2 모델에서는 조류농도가 높은 시점에 음의 CO₂ NAF 값을 보인 반면, 단순 기체 교환 이론식으로 산정한 값은 상반되는 CO₂ NAF 값을 나타냈다. 그리고 CO₂ NAF값 산정에서 가장 결정적인 요인은 수중 pCO₂농도와 k_g값이며, 본 연구에서 모니터링은 강우가 없는 맑은 날의 오전에 주로 시행하였다. 따라서, 기체교환 이론 식으로 산정한 CO₂ NAF 값은 수중 pCO₂ 농도와 기상조건 등의 시간적 변동을 반영하지 못하는 한계가 있다.

Fig. 6. Comparison of simulated (W2 model) and calculated (simple gas exchange model) time series of CO2NAF at DC2.

3.2 수체의 물리적 변화에 따른 탄소 순환 특성 분석

대청호에서 2017년과 2018년 모의기간 동안 수온과 CO₂ 농도의 공간변화를 Fig. 7에 제시하였다. 2017년과 2018년 모두 수온성층이 형성되면서 심수층에서 CO₂ 농도가 증가하는 경향을 보였다. 또한, CO₂는 일부 유입부(riverine zone)를 제외한 저수지 대부분에서 과포화된 상태로 존재하였다.

Fig. 7. Two-dimensional (x-z) view of simulated water temperature and CO2 of Daecheong Reservoir.

2017년에는 7월 초부터 댐상류 40 km에 위치한 천이영역(transitional zone) 하부에서(EL. 50~60 m) CO₂농도가 증가하기 시작했다. 이는 유기물이 분해되면서 퇴적층으로부터 배출되는 CO₂의 영향이다. 대청호 바닥층 DO 고갈은 일반적으로 저수지 유입부와 천이영역에서 시작되며, 수온약층을 따라 밀도류를 형성하여 유동하면서 중층의 DO를 고갈시킨다. 이러한 DO sag현상은 연구대상지역에서 ^{Chung et al. (2007)}이 2001년, 2004년 실험결과로 확인한 바 있으며 모델링을 통해서 재현한 사례가 있다. DO sag는 수온이 상승하면서 유입부 및 천이영역의 퇴적물에 축적된 유기물이 분해되는 과정에 DO가 빠르게 소모되기 때문에 발생하였다. 또한, 수온성층이 강화되고 수온약층 아래에 DO가 고갈됨에 따라 심수층의 CO₂농도는 급격하게 증가하는 현상이 나타났다.

이후, 댐체 중앙(EL. 52.0 m)에 위치한 발전방류구를 통해 고농도의 CO₂가 포함된 물이 하류로 배출되며, 댐앞 하부층에는 정체수역을 형성하면서 배출되지 못한 고농도의 CO₂만 남게 된다(Fig 7(a)). 수온성층이 파괴되는 12월 초부터 댐 심수층에 과포화된 CO₂는 표층으로 전달되며, 수체가 완전 혼합되는 12월 말에는 빠르게 표층으로 전달되는 것으로 나타났다. 2018년도에는 6월 초부터 천이영역의 바닥층 CO₂ 농도가 증가되기 시작했으며, 2017년도와 유사한 양상을 보였다.

3.3 CO2 NAF의 시⋅공간적 변동 특성분석

모의결과 대청호 전체의 CO₂ NAF는 -890~​​3,897 mg/m²/d 범위였으며, 시계열 변화는 DC2와 유사한 경향을 보였다(Fig. 8). 이는 저수지 유입부와 천이영역 구간 수면적보다 호수부(lacustrine zone)의 수면적이 넓어 CO₂ NAF에 큰 비중을 차지하는 것으로 판단되다. 대청호에서 저수지 전체를 기준으로 보면, 연구기간(2017~2018년) 총 730일 중 628일 동안 대기중으로 CO₂를 배출 하는 것으로 나타났다. 지점별로 검토해보면, DC2 지점은 –592~4,918 mg/m²/d의 범위를 보였으며 641일동안 배출하였다. DC4지점은 -931~7,254 mg/m²/d의 범위를 보였으며 대기중 CO₂ 배출일수는 298일로 DC2지점 대비 절반정도의 수준이었다. DC4지점 표층의 pCO₂는 DC2지점 대비 2배가량 낮았지만, 최대 CO₂ NAF 값은 약 1.5배 컸다. 이는 표층의 pCO₂농도와 더불어 풍속, 수위, 유속 변화 등의 요인이 CO₂ NAF에 영향을 미친 것으로 해석된다.

Fig. 8. Comparison of simulated time series of CO2NAF at DC2 and DC4 as well as the entire reservoir.

DC4, DC6, DC5 및 DC2 지점에서 모의된 CO₂ 프로파일과 표층 및 바닥층 pCO₂의 시계열 변화를 Fig. 9에 제시하였다. 2017년 DC2지점에서 성층이 형성됨에 따라 심수층의 CO₂ 농도는 점진적으로 증가하여 12월 13일에 최고값인 7,047.4 μatm까지 증가하였으며, 수온 성층이 약화되면서 심수층에 축적된 CO₂는 표층으로 전달되었다. 표층의 평균 pCO₂는 459.1 (± 398.0) μatm으로 대기 평균 농도인 360 μatm보다 높은 수준을 보였다. 10월 중순에 일시적으로 300 μatm미만의 낮은 농도를 보였지만, 12월 중순 수체 완전혼합 이후에 2,333.4 μatm으로 급격히 증가하였다. 수력발전을 통해 댐 하류로 방류되는 물의 pCO₂ 농도는 수체의 혼합특성에 따라 계절적 변동성을 보였다(Fig.9(a)). DC5지점은 성층형성과 함께 심수층의 pCO₂ 가 9,877.1 μatm까지 증가하였으며, 수체의 완전혼합 이후에 500 μatm이하로 급격히 감소하였다. DC6지점에서는 11월 13일 경에 8,212.7 μatm으로 최고값을 보였으며, 축적된 CO₂는 댐앞쪽으로 유동하였다. DC4지점은 유입부에 인접한 특성상 수온성층과 함께 유입수에 직접적인 영향을 받았다. 여름철에 일시적으로 수온성층을 형성하였으며, 홍수발생 이후 완전혼합되어 평형을 이루었다. pCO₂ 최고값도 3,740.6 μatm으로 다른 비교지점에 비해 50%의 수준을 보였다. 10월 말까지 100 μatm 미만의 저농도를 유지했으며 11월부터는 대기와 평형상태에 가까운 400~500 μatm 범위를 유지하였다.

Fig. 9. Simulated temporal–vertical profiles of CO2and time series ofpCO2at DC2(a), DC5(b), DC6(c) and DC4(d); Dam releasepCO2is included in (a).

3.4 총무기탄소 물질수지 해석

대청호에서 탄소원에 대해 물질수지 해석을 수행하였으며, source와 sink로 구분하여 Fig.10에 제시하였다. 2017년 총유기탄소(Total Inorganic Carbon, TIC)의 생성원(source)은 유입수 9,159 C-ton (58.4%), 퇴적물 용출 5,387 C-ton (34.3%), 유기물 분해 1,148 C-ton (7.3%)으로 나타났다. 대청호 내 TIC의 가장 큰 원천은 주로 유입수였으며 퇴적물로부터 용출된 TIC도 상당한 비율을 차지했다. TIC의 소멸원(sink)은 댐방류가 9,889 C-ton (63.0%), 조류 성장이 4,022 C-ton (25.6%), 대기중으로 배출되는 양은 1,782 C-ton (11.4%)으로 나타났다.

Fig. 10. Simulation results of inorganic carbon mass balance in Daecheong Reservoir.

2018년도에 대청댐 유역에서 발생한 강우량이 1,542.1 mm/yr로 2017년 1,127.5 mm/yr보다 약 37%가량 많았다. 그 결과 댐유입수 TIC가 15,469.3 C-ton (69.5%)로 2017년 대비 약 69% 증가하였다. 또한, 퇴적물 5,571.9 C-ton (25.1%), 유기물 분해로 1,201.4 C-ton (7.3%)으로 2017년 대비 약간 높은 수준을 보였다. TIC 소멸항은 댐방류가 15,258.3 C-ton (68.6%), 조류 성장이 4,852.9 C-ton (21.8%), 대기중으로 배출되는 양은 2,131.3 C-ton (9.6%)으로 나타났다.

저수지에서 대기-수면간 기체 교환으로 발생하는 연간 CO₂ 배출량은 2017년 1,810 C-ton(흡수 118 C-ton, 방출 1,929 C-ton), 2018년에는 2,113 C-ton(흡수 160 C-ton, 방출 2,273 C-ton)으로 산정되었다(Fig.11(a)). 2017년 9~10월, 2018년 10월에 일시적으로 흡수하였으며, 다른 기간 동안은 CO₂를 대기중으로 배출하였다. 계절적으로는 겨울에 가장 많은 양을 배출하는 것으로 평가되었다(Fig.11(b)). 낮과 밤의 탄소배출량 비교결과 밤의 탄소배출량은 낮보다 2017년 16%, 2018년 19%높았다(Fig.11(c)). 낮보다 밤에 더 많은 양이 배출되는 것으로 나타났으며, 이는 조류와 수생식물의 호흡과 대기기온 하강에 따른 표층의 대류혼합의 영향으로 해석된다(^{Eugster et al., 2003}).

Fig. 11. CO2exchange load at the atmosphere and water interface in terms of (a) month, (b) season, and (c) day and night: negative sign means emission.

본 연구에서는 수질모델링 결과를 기반으로 저수지 내 무기탄소의 물질수지 해석을 수행하였지만, 모의결과는 모델에 사용된 입력자료의 불확실성과 조류와 퇴적물 해석에 사용된 모델의 구조적 불확실성을 내포하고 있다. 모델의 불확실도를 개선하기 위해서는 저수지 유입수 모니터링에서 pH외에 Alk와 TIC를 추가할 필요가 있으며, 퇴적물 유기물 분해(Sediment diagenesis) 과정에 대한 정밀한 해석을 위한 추가 연구가 필요하다.