1. Introduction
서식지는 생물의 생존과 번식을 위한 공간과 환경으로 정의할 수 있으며, 생물의 먹이 사슬과 에너지 흐름을 건강하게 유지하는 데 필수적이다(Huang and Mynnet, 2010). 생태적 조건이 좋은 서식지는 서식 생물의 생태적 수준을 향상시킬 수 있으며, 궁극적으로 생물 다양성을 증가시켜 생태계 건강성을 개선시킬 수 있다.
우리나라에서는 하천 수생태계 건강성 확보를 위해 2007년부터 전국 하천을 대상으로 부착돌말류, 저서성대형무척추동물, 어류 등 수생생물과 함께 수변식생과
서식 및 수변환경에 대한 조사를 수행하고 있으며, 이를 바탕으로 하천 수생태계 건강성을 평가하고 있다(ME/NIER, 2008-2018). 2016년 발표된 ‘제2차 국가물환경관리 기본계획’에서는 수생태계 건강성 확보를 위한 국가 정책목표로써 2025년까지 전국 수체의 수생태계 건강성을
5단계(A∼E) 중 양호(B) 등급 이상으로 유지하고 회복시키는 것을 목표로 설정한 바 있다(ME, 2018). 그러나 2018년 기준 전국 수체에서 분야별 평균 건강성 평가 결과는 ‘보통(C)’ 등급에 해당하며, 이 중 영산강 본류 구간은 전국 4대강
중 가장 악화된 ‘나쁨(D)’ 등급에 해당하였다(ME/NIER, 2018).
생태계 건강성 복원을 위한 서식지 관리의 핵심은 생물 환경에 미치는 영향을 종합적으로 분석하고, 현재 및 미래의 특정 조건에서 생태적 목표에 도달하기
위한 방안을 도출하는 것이다(van Oorchot et al., 2018). 이를 위해서는 생태적 정보(예를 들면, 서식생물의 구조와 기능)에 기반한 접근법이 필요하며, Wasson et al. (2003)은 전통적인 생지화학적 평가 모델에서 생태 평가 모델로의 전환 필요성을 강조하였다. 수생태 모델에 관한 연구는 1990년대 후반 이후 꾸준하게 이어져
왔으며, 최근까지 1,500건 이상의 연구가 보고되고 있다. 이 중 유지유량증분법 개념으로 어류의 가용가중면적(Weighted Usable Area)을
산출하는 Physical HABitat SIMulation (PHABSIM), 저서성대형무척추동물의 출현가능성을 평가하는 River InVertebrate
Prediction And Classification System (RIVPACS) 등이 대표적이다(Knack et al., 2020; Miao et al., 2020; Rääpysjärvi et al., 2016; Wang et al., 2018). 국내에서는 앞서 언급한 모델을 이용하여 어류(Hur and Seo, 2011; Hur et al., 2011; Kang, 2012; Lee and Choi, 2016), 저서성대형무척추동물(Kim and Kong, 2018; Kong and Kim, 2017)의 서식조건을 모의하는데 활용하고 있다. 그러나 이들 모델은 생물군에 영향을 미치는 요인으로 수심, 유속, 하상구조 등 물리적 인자만 반영 가능하며,
특정 생물군만 모의 가능하여 생물군 간의 상호작용을 반영할 수 없다는 한계가 있다. 또한, 특정 생물군 모의를 위해 생물 군집 구조와 같은 복잡한
입력 자료가 요구된다.
한편, HABITAT 모델은 단일 생물군뿐만 아니라, 군집(community) 내 종간 상호작용을 고려한 특정 생물군의 서식지 적합도를 평가하는 공간분석도구로
네덜란드 Deltares Delft Hydraulics에 의해 개발되었다(Haasnoot and van de Wolfshaar, 2008). HABITAT 모델은 Delft3D 모델의 수리, 유사이동, 수질 등 모의 결과를 연계하여 직접적으로 모델에 반영할 수 있으며, 변화된 환경
조건에 따른 영향 평가가 가능하다. 또한, 다양한 예측 목적을 갖는 다양한 공간 규모에 적용 가능하며, 모델 구축이 용이하다는 장점이 있다(Haasnoot
and van de Wolfshaar, 2008; Huang and Mynnet, 2010; Piragnolo et al., 2014). 국외 연구사례를 살펴보면, 하구 연안을 중심으로 시작되어(Spiteri et al., 2011), 최근에는 기후 변화 및 댐 건설에 따른 미소 서식환경 변화를 분석하는 단계에 이르렀다(van Oorschot et al., 2018).
하천 수생태계 관리를 위해서는 수리학, 생지화학, 생태학적 구성요소 간 상호작용을 통합하여 생태계 시스템 기능에 대한 종합적 이해를 제공하는 분석도구가
필요하다(Spiteri et al., 2011). 본 연구는 하천 수생태계 건강성이 국내에서 가장 악화되어 있는 영산강을 대상으로 연계 예측 모델을
최초 적용하여, 하천의 물리적 환경 변화에 따른 서식지 적합성을 정량적으로 평가하였다. 본 연구의 결과는 하천 수생태계 관리를 위한 종합적인 분석도구로
활용될 것이라 판단된다.
2. Material and Methods
2.1 통합 모델링 체계의 방법론
전 세계적으로 보고되어 있는 수생태 모델은 목적에 따라, 수생태계 건강성 등급을 예측하는 모델, 독성물질의 영향을 예측하는 모델, 서식지 적합성을
평가하는 모델의 3가지 그룹으로 구분할 수 있다. 본 연구에서는 여러 생물군의 종합적인 서식지 적합성 평가를 고려하고자 통합 모델링 체계를 선택하였다.
통합 모델링 체계는 Delft3D와 HABITAT로 구성되어 있다. Delft3D는 수리(FLOW), 유사이동(SED), 수질(WAQ), 조류(BLOOM)의
모듈이 목적에 따라 선택적으로 사용되고, Delft3D에서 생성된 환경정보를 HABITAT의 입력 자료로 활용된다(Fig. 1).
Fig. 1.Conceptual outline of the spatial analysis tool showing interactions between the Delft3D and HABITAT model (modified from Spiteri et al., 2011).
2.2.1 Delft3D 모델
Delft3D 모델은 연안, 하구, 호수, 습지 그리고 저수지 등에서 유동, 유사이동, 수질 등으로 3차원으로 모의할 수 있는 모델로 네덜란드 Delft
Hydraulics (Deltares)에서 개발되었다. Delft3D 모델은 파랑(WAVE), 수리(FLOW), 유사이송(MOR), 퇴적물(SED),
수질(WAQ), 조류(BLOOM) 등의 개별적인 모듈로 구성되며, 연구 목적에 따라 필요한 모듈을 선택적으로 연동하여 사용할 수 있다. Delft3D-FLOW는
안정성, 음해법-양해법, 오차 감소, 급격한 변동 등을 고려하면서 4가지 수치 옵션을 선택적으로 적용하여 이류항을 계산할 수 있다. Delft3D-WAQ는
다차원적인 수질 모델이며, 유동장의 정보를 FLOW 모듈로부터 연계되어 활용한다. 유기물질의 광물화, 영양염 배출, 침전과 재부유, 산소의 제거,
질산화/탈질화, 인의 흡착/탈착, 빛 소멸을 포함하는 광범위한 반응 네트워크를 통하여 영양염(NO3-, NH4-, PO4-), 용존산소, 유기물질을 모의하는데 사용된다. 조류 모듈인 BLOOM은 다양한 조류 간의 경쟁, 영양염 및 빛과 같은 제한 요소에 종의 적응, 성장
호흡, 사멸에 의한 개체수를 모의한다. Delft3D 모델에 대한 높은 재현성은 많은 연구를 통하여 확인되었다(Chanudet et al., 2012; Kaçikoç and Beyhan, 2014; Los et al., 2008).
Delft3D-FLOW 모듈은 유동모델로 2차원 또는 3차원 비선형천수 방정식으로 구성되어 있다. Boussinesq 가정 하에서 비압축성 유체에
대한 3차원 Navier-Stokes 방정식으로 도출되며, 아래 방정식으로 나타내어진다.
<연속방정식>
여기서, t는 시간, 는 구면좌표계의 수평축, Q는 단위면적당 유량(), 는 기본수준면위 수심(m), d는 기본수준면하 수심(m), U와 V는 방향 평균속도(m/s)를 각각 의미한다. Delft3D 모델에서 연직 속도는 연속 방정식에 포함되어 계산되며, 연직 운동량 방정식은 무시된다. 수평ㆍ수직() 방향의 운동량 방정식은 다음과 같으며, 밀도 변화에 관한 식은 제외된다.
<운동량 방정식>
여기서, 는 연직속도(m/s), f는 Coriolis parameter(1/s), 는 해수의 밀도(), 는 와동점성계수(), 는 방향의 압력경사, 는 수평 레이놀즈 압력 불균형(), 는 운동량의 외적 생성 및 소멸 영향을 각각 의미한다. 점성 계수, 밀도에 관한 상태방정식, 정수압, 난류에 의한 전단응력 및 난류 해석을 위한 수식
등은 위 기본 방정식에 포함되어 Delft3D-FLOW의 기본적인 모듈이 구성된다.
2.2.2 HABITAT 모델
HABITAT는 PCRaster를 기반으로 구축되었으며, 네덜란드 Delft Hydraulics (Deltares)에 의해 개발되었다(Haasnoot
and van de Wolfshaar, 2008). 이 모델은 생물분류군(종 혹은 개체군)이 다양한 환경 인자에 의한 서식지의 이용가능성과 질을 분석하며,
최종적으로 각 생물분류군의 잠재적 서식가능성을 추정하는데 적합하다.
주요 입력매개변수인 반응 곡선(knowledge rule)은 각 생물분류군의 서식지적합도지수(Habitat Suitability Index)가 활용된다.
서식지적합도지수의 개념은 1980년대 미국어류야생동물보호국(United States Fish and Wildlife Service)에 의해 개발되었으며(USFWS, 1980), 환경과 생물 간의 선호관계를 정량적으로 표현하는 지수이다. 서식지적합도지수는 각 생물분류군에 대한 이화학적 및 생물학적 환경 조건(예를 들어,
유속, 용존산소, 수심, 식생분포 등)을 0(낮은 품질)부터 1(높은 품질)의 범위로 표현된다. 생물분류군의 반응 곡선은 Delft Hydraulics
(Deltares)에서 제공하는 knowledge database (http://habitat.deltares.nl)에 저장되어 있으며, 누구나 무료로
이용이 가능하다. 또한, 다양한 지역의 연구에 재사용되고 적용될 수 있다. 네덜란드에서는 이미 European Directive에서 정의한 대부분의
생물분류군에 대하여 반응곡선을 확보하고 있다.
HABITAT 모델은 총 4가지 모듈로 구성되며, 독립변수(환경요인)와 종속변수(대상 생물군)의 산출방법에 따라 선택할 수 있다(Table 1). Broken linear reclassification model 모듈은 하나의 환경요인에 대한 단일 생물군의 적합 서식지면적을 모의한다. 서식지
평가 모델에서 사용되는 일반적인 방법이나 단일 환경 요인만을 고려하기 때문에, 복잡한 수생태 환경을 반영하기엔 한계가 있다. 이러한 문제를 해결하기
위해 2개 이상의 환경 인자를 동시에 고려할 수 있는 Formula- based model 모듈이 널리 이용되고 있다. 이는 다수의 Broken linear
reclassification model 모의 결과를 사용자가 원하는 함수식을 도입하여 하나의 모델로 병합 구축한다. Classification model은
단일(single) 혹은 다수(multiple)의 환경 인자에 일정한 범위를 지정해주고, 출현가능에 맞는 생물분류군(개체군 혹은 군집)을 모의 할
수 있다. 예를 들어, 다양한 서식지가 존재하는 특정 생태계에서 출현이 가능한 종 및 개체군, 군집을 예측할 수 있다.
Table 1. Overview of the four modules considered in the HABITAT model
|
Code |
Module |
Independent variable |
Dependent variable |
|
1
|
Broken linear reclassification model
|
Single
|
Single
|
|
2
|
Formula-based calculation model
|
Multiple
|
Single
|
|
3
|
Classification model(single)
|
Single
|
Multiple
|
|
4
|
Classification model(multiple)
|
Multiple
|
Multiple
|
2.3.1 Delft3D-FLOW 모델
본 연구에서는 영산강 본류 중 우치(전남 담양군 봉산면 와우리)에서 영산강하구둑(전남 목포시 옥암동)까지 약 103 km 구간에 대하여 모델을 적용하였다.
해당 구간에 대해 수평방향으로 직교-가변격자를 구성하였으며, 총 격자수는 2,626개이다. 수평격자크기는 47∼315 m 범위로 횡방향 평균 145
m, 종방향 평균 113 m이다(Fig. 1). 수직방향은 σ-좌표계를 적용하고, 5개의 등간격 수층으로 구성하였다. 모든 격자의 해발고도는 한국건설기술연구원 자료를 활용하였으며(KICT, 2015), 주요지점에서 통수단면적 오차가 10% 이하가 되도록 하상고를 수정하였다(Fig. 3). 기상경계조건은 광주관측소의 기온, 상대습도, 강수량, 증발량, 운량의 시간단위자료를 이용하였다. 상류 경계조건은 우치 지점이며, 유입 경계조건은
황룡강, 지석천, 광주천 등 13개 지류와 광주, 담양, 나주 등에 있는 공공하수처리장 6개 지점의 방류수 등 총 20개 경계조건을 반영하였다. 유입
경계조건 중 평동천, 장성천, 영산천 및 문평천의 유량은 국립환경과학원 물환경정보시스템(Water Environment Information System)
수질측정망의 주 단위 유량자료를 바탕으로 보간하여 사용하였고(ME, 2020), 나머지 경계조건의 경우 국가수자원관리종합시스템(WAter resources Management Information System, WAMIS)
영산강홍수통제소의 일 단위 유량자료를 반영하였다(HRFCO, 2020). 하수처리장 방류량 자료는 각 기관별 일 단위 실적 자료를 반영하여 일일 방류량 자료를 구축하였다. 또한 하류 경계조건으로 영산강홍수통제소 수위자료를
사용하여 영산강 하굿둑 일 단위 수위자료를 반영하였다.
Fig. 3. Cross-section of downstream of the Juksan weir in the Yeongsan river.
2.3.2 HABITAT 모델
본 연구에서는 Delft3D-FLOW 모듈의 결과를 HABITAT 모델의 입력 자료로 활용하였다(Fig. 2). 모델의 구동은 HABITAT 3.0 (Deltares, Netherland)을 사용하였으며, Delft3D에서 생성된 grid 파일은 Surfer
16 (Golden software, USA)을 이용하여 변환하였다.
Fig. 2.A site map showing the location of the inflow boundary and morphological grids of the Yeongsan river.
모의 대상종의 선택을 위하여 다음 3가지 조건을 고려하여 총 8개의 생물분류군을 선택하였다. 첫째, 환경 인자 변화에 민감성을 가지는 생물종이고,
둘째, 영산강수계에서 출현하는 종으로 생태적 중요성을 가지는 생물종이며, 셋째, 활용가능한 서식지적합도지수가 확보된 생물종을 고려하였다. 본 연구에서
선택된 생물분류군은 저서성대형무척추동물인 꼬마하루살이류(Baetis sp.), 정수식물인 갈대(Phragmites communis)와 세모고랭이(Scirpus triqueter), 침수 식물인 솔잎가래(Potamogeton pectinatus), 어류인 점줄종개(Cobitis lutheri), 떡납줄갱이(Rhodeus notatus), 잉어(성체와 치어를 구분) (Cyprinus carpio), 포유류인 수달(Lutra lutra)이다. 선택된 생물종간 및 환경 요인과의 상호작용은 Fig. 4에 제시하였다. 다만 본 연구의 생물분류군에게 적용가능한 화학적 서식지적합도지수(Chemical Habitat Suitability Index)가
확보되지 않아서, 화학적 요인(수질)은 반영하지 않았다.
Fig. 4.Relationship map of the ‘environmental state’ and’ecological state’ in case study Yeongsan river. It illustrates how ‘water resource management’ directly and indirectly affects the ‘ecological state’.
HABITAT 모델은 입력 자료로써 생물분류군별 중요한 서식지 요구조건에 기초한 서식지적합도지수를 사용하며, 본 연구에서 선택된 8개 생물종의 서식지적합도지수는
Table 2에 제시하였다. 환경 요인 중 제한조건은 최종적인 생물종의 적합성을 결정하기 때문에, 격자당 환경 변수의 최솟값은 최종 서식지 적합성 지수로 선택되었다(van Wolfshaar et al., 2010) (Fig. 5).
Table 2. Habitat suitability index (HSI) for the mammal, fish, benthic macroinvertebrate and macrophyte
|
Parameter |
Time frame
(# month in year) |
Value* |
Unit |
Reference |
|
Mammal (Lutra lutra) |
|
|
|
water depth
|
1-12
|
[-2.5.0];[0,0];[0.5,1];[2.5,1];[10,0]
|
m
|
Kruuk et al. (1992)
|
|
vegetation cover
|
3-11
|
[0,0.5];[25,1];[50,1];[75,0.5];[100,0.5]
|
%
|
Kruuk et al. (1992)
|
|
flood period
|
6-10
|
[0-1,1];[10-20,0.8];[20-40,0.4];[40-60,0.2]
|
day
|
Kruuk et al. (1992)
|
|
Fish (Cyprinus carpio) |
|
|
|
water depth
|
1-12
|
[0.1,0];[0.3,1];[0.6,1];[1.0,0.7];[1.8,0.3];[3,0]
|
m
|
Van Breukelen (1992)
|
|
flow velocity
|
1-12
|
[0,1];[0.1,1];[0.25,0.7];[0.6,0.4];[1.5,0]
|
m/s
|
Van Breukelen (1992)
|
water temp.
(adult)
|
1-12
|
[8,0];[23,1];[28,1];[32,0.2];[40,0]
|
℃
|
Van Breukelen (1992)
|
water temp.
(immature)
|
4-7
|
[12.5,0];[16,0.5];[17,1];[25,1];[26,0.5];[32.5,0]
|
℃
|
Van Breukelen (1992)
|
|
vegetation cover
|
3-11
|
[0,0.2];[25,0.7];[35,1];[55,1];[90,0]
|
%
|
Van Breukelen (1992)
|
|
Fish (Rhodeus notatus) |
|
|
|
water depth
|
1-12
|
0.25≤x≤2
|
m
|
Haasnoot et al. (2007)
|
|
vegetation cover
|
3-11
|
[0-0.01,0];[0.01-0.05,0.075];[0.05-0.1,0.15];[0.1-0.3,0.3];[0.3-0.5,0.45];[0.5-0.7,0.6];[0.7-0.9,0.675];[0.9-1,0.75]
|
%
|
Haasnoot et al. (2007)
|
|
Fish (Cobitis lutheri) |
|
|
|
water depth
|
1-12
|
0.1≤x≤1.5
|
m
|
Haasnoot et al. (2005)
|
|
vegetation cover
|
3-11
|
[0-0.05,0.2];[0.05-0.1,0.3];[0.1-0.2,0.4];[0.2-0.3,0.5];[0.3-0.4,0.6];[0.4-0.5,0.7];[0.5-0.6,0.8];[0.6-0.7,0.9];[0.7-1,1]
|
%
|
Haasnoot et al. (2005)
|
|
Benthic macroinvertebrate (Baetis sp.) |
|
|
|
water depth
|
1-12
|
[0,0];[0.1,0.9];[0.2,0.6];[0.3,0.3];[0.4,0.2];[0.5,0.1];[0.6,0.1];[0.7,0]
|
m
|
Kong and Kim (2017)
|
|
flow velocity
|
1-12
|
[0,0];[0.1,0.1];[0.2,0.1];[0.3,0.2];[0.4,0.3];[0.5,0.5];[0.6,0.8];[0.7,1.0];[0.8,1.0];[0.9,0.7];[1.0,0.3];[1.1,0]
|
m/s
|
Kong and Kim (2017)
|
|
Macrophyte (Scirpus triqueter) |
|
|
|
water depth
|
1-12
|
[0,0];[0.25,0];[0.3,0.2];[0.5,0.4];[0.7,0.7];[1,1];[1.3,1];[1.5,0.5];[1.7,0.2];[2,0]
|
m
|
Duel and Specken (1994a)
|
|
Macrophyte (Potamogeton pectinatus) |
|
|
|
water depth
|
1-12
|
[<0.2,0];[0.2-0.6,1];[0.6-1,0.8];[1-1.5,0.5];[1.5-2,0.2];[>2,0]
|
m
|
Duel and Specken (1994b)
|
|
flow velocity
|
1-12
|
[<0.3,1];[0.3-0.4,0.7];[0.4-0.5,0.3];[>0.5,0]
|
m/s
|
Duel and Specken (1994b)
|
|
water temp.
|
1-12
|
[10,0];[18,1];[25,1];[35,0]
|
℃
|
Duel and Specken (1994b)
|
|
Macrophyte (Phragmites communis) |
|
|
|
water depth
|
5-10
|
[0,0];[0.1,0];[0.5,1];[1.5,1];[2.1,0]
|
m
|
Dikker (1974)
|
|
flow velocity
|
5-8
|
≤0.35
|
m/s
|
Maas (1998)
|
|
* This is a linear reclassification model where the coordinates are given between
square brackets [X, Y]. X is the parameter value and Y is the HSI value
|
Fig. 5.Schematic of the grid-based modelling, HABITAT. Information per grid cell of parameter (environmental factors) maps a and b are translated into suitability map using the parameter specific rules α and β (Habitat Suitability Index; HSI). The resulting suitability map asand bsare combined within an overall suitability map.
2.4 재현성 평가
Delft3D 모델은 2018년도 기준의 경계조건을 이용하여 초기 모형을 구축하였으며, 승촌보와 죽산보의 수위 및 방류량 자료를 실측자료와 모의결과를
비교하면서 재현성을 평가하였다. 재현성 평가를 위한 통계 지표는 Nash Sutcliffe efficiency (NSE), 편이(Bias), 평균절대오차(MAE)가
사용되었다. NSE는 예측의 숙련도를 평가하는 지표이고, Bias는 평균적 방향성을, MAE는 예측의 정확도를 각각 나타내는 지표이다. NSE는 1에
가까울수록, Bias와 MAE는 0에 가까울수록 목표치로 간주된다. 각 지표는 다음과 같다.
여기서, 는 i시간에 모의된 값, 는 i시간에 관측된 값, 는 전체 기간 동안 관측된 평균값이다.
HABITAT 모델의 재현성 검토는 신호탐지이론(Signal Detection Theory)을 반영한 수신자조작특성곡선(Receiver Operating
Characteristic curve)을 작성하여 판단된다(Haasnoot and van de Wolfshaar, 2008). 신호탐지이론은 모델에
의한 예측 결과와 현장 조사를 통한 실측 결과를 4가지의 집합으로 나타내며, 예측의 정확성을 측정하는 수단이다. 4가지의 집합은 예측과 실제에서 모두
존재하는 ‘참긍정(True positive)’의 경우, 예측과 실제가 불일치하는 ‘거짓부정(False negative)’와 ‘거짓긍정(False positive)’의
경우, 예측과 실제에서 모두 미존재하는 ‘참부정(True negative)’의 경우로 구성된다. 신호탐지이론을 반영한 예측결과의 정확성은 정확분류비율(Correct
Classification Rate; CCR)을 이용하여 다음의 식으로 산출하였다.
여기서, Tp는 참긍정, Tn은 참부정, Fp는 거짓긍정, Fn은 거짓부정에 대한 횟수를 각각 나타낸다. 이 방법은 낮은 출현빈도를 가지는 종이 현장조사에서
확인되지 않는 경우, 정확분류비율에 영향을 줄 가능성이 있다. HABITAT 모델에서 산출되는 서식지적합도 값(Habitat Suitability
value; HSV)은 연속 변수임으로, 종의 유무를 결정하기 위한 임계값의 설정이 필요하다. 서식지적합도 임계값의 정확도 측정은 수신자조작특성곡선(Receiver
Operating Characteristic curve)을 통해 이루어진다(van Oorschot et al., 2018; Zweig and Campbell, 1993). 이 방법은 서로 다른 임계값에 대해 오경보확률(false alarm rate)과 적중확률(hit rate)로 표기된다. 적중률은 출현의 예측횟수를
출현의 실제관측수로 나누어 산출하는 반면, 오경보확률은 미출현의 예측횟수를 출현의 실제관측수로 나누어 산출한다. 적중확률은 높고 오경보 확률은 낮을
때 가장 이상적이며, 곡선이 왼쪽 상단 모서리에 가까울수록 예측이 잘되었음을 나타낸다. 수신자조작특성곡선의 밑면적(Area Under the Curve;
AUC)은 전체 정확도에 대한 척도로 면적이 1에 가까울수록 예측이 잘 되었음을 의미한다(Haasnoot and van de Wolfshaar, 2008).
수신자조작특성곡선은 R package(Display and Analyze ROC Curves; pROC)를 이용하여 작성하였다.
HABITAT 모델에서 산출되는 서식지적합도 값(Habitat Suitability value; HSV)은 0에서 1까지의 범위로 변환해서 지도에
표현되고, 대상 생물분류군에게 적합한 서식지일수록 1에 가까운 수치를 나타낸다. 이로 인해 생물분류군의 출현 가능성을 보다 쉽게 파악할 수 있다.
또한 HABITAT는 환경 인자와 생물분류군과의 관계가 인과 관계에 근거하여 결과를 도출하므로, 개선이 필요한 원인을 정량적으로 파악하기 쉽다(Haasnoot
and van de Wolfshaar, 2008).
2.5 시나리오 구성
영산강은 2개의 보가 설치되어 있으며, 보 운영 조건을 연중 유지하는 것으로 가정하여 3가지의 시나리오를 설정하였다. 첫째, 관리수위 시나리오(승촌보:
7.5 El.m / 죽산보: 3.5 El.m), 둘째, 양수제약 수위 시나리오(승촌보: 2.5 El.m / 죽산보: 1.5 El.m), 셋째, 최저수위
시나리오(승촌보: 2.5 El.m / 죽산보: -1.35 El.m)이다. 모든 시나리오에서 모델에 설치된 보의 운영조건(수위 및 방류량)만 조정되었으며,
각 시나리오별 기상 및 유입 경계조건은 동일하게 유지되었다(Fig. 6).
Fig. 6.Comparison of modelled weir operating conditions as three scenarios in the Seungchon weir and Juksan weir.
3. Results and Discussion
3.1 모델 재현성 평가
Delft3D-FLOW의 재현성 검토를 위하여, 실측값은 보 대표지점인 승촌보와 죽산보의 일 평균 수위 자료를 이용하였다. 일평균 수위에 대한 실측값과
모의값 간의 편이(Bias)는 -0.01∼0.16m, 평균절대오차(MAE)는 0.06∼0.33m, NSE는 0.69∼0.97, Pbias는 -2.08∼1.38%,
IOA는 0.89∼0.99로 각각 목표값에 근접하고 있었다(Fig. 7(a), (b)). 또한 Moriasi et al. (2007)에 따른 정확도 평가에서도 ‘Satisfactory’∼ ‘Very good’의 등급에 해당하였다(Table 3). 수온에 대한 재현성 검토를 위해 영산강 승촌보 및 죽산보 대표지점에서의 환경부 수질측정망 수온자료를 이용하였다. 수온에 대한 실측값과 모의값
간의 편이(Bias)는 -0.01∼0.16℃, 평균절대오차(MAE)는 0.06∼0.33℃, NSE는 0.69∼0.97, Pbias는 -2.08∼1.38%,
IOA는 0.89∼0.99로 각각 나타났다(Fig. 7(c), (d)). 또한, 수심이 비교적 깊은 죽산보에서의 연직수온분포도 실측값을 잘 재현하고 있는 것으로 나타났다(Fig. 8). 결과적으로 영산강에 구축된 Delft3D-FLOW 모델이 계절에 따른 기상변화와 보 등 수리구조물 운영에 따른 수위 및 수온 변화를 잘 재현하고
있다고 판단하였다. 이를 기반으로 HABIT
Table 3.Statistical summary of error index based on modelled water levels in references scenario at the representative sites
|
Statistic |
NSE |
Pbias
(%) |
Bias
(El.m) |
MAE
(El.m) |
IOA |
|
n
|
4
|
4
|
4
|
4
|
4
|
|
minimum
|
-2.71
|
-2.08
|
-0.01
|
0.16
|
0.61
|
|
maximum
|
0.97
|
7.96
|
0.43
|
0.43
|
0.99
|
|
median
|
0.79
|
0.31
|
0.06
|
0.18
|
0.93
|
Fig. 7.Comparison of modelled and observed water levels and water temperatures in the (a, c) Seungchon weir and (b, d) Juksan weir.
Fig. 8. Comparison of modelled and observed water temperature by depth in the Juksan weir.
AT 모델에서 기준시나리오의 2018년도 시계열 유동장 정보로 활용하였다.
HABITAT 모델의 재현성을 평가하기 위하여 8개 생물군 중 2018년도 현장조사 결과가 확보된 꼬마하루살이류를 선정하였다(ME/NIER, 2018;
NIER, 2018). 현장조사 지점은 13개소이며, 4월과 9월의 결과를 반영하였다. 꼬마하루살이류의 정확분류비율(CCR)은 76.9%로 산출되었으며, 이는 본 모델이
꼬마하루살이류의 출현여부를 77%만큼 정확하게 예측하였음을 의미하였다(HSV 임계값은 0.02이상, 꼬마하루살이류의 출현 기준은 4 inds/m2 이상). 한편, 수신자조작특성곡선의 밑면적(AUC)은 0.834의 범위를 보였으며(Fig. 9), 이는 적중 확률이 허위경보 확률보다 크다는 것을 나타내었다. 이를 통하여 HABITAT 모델을 통한 꼬마하루살이류의 예측재현성이 타당하다고 판단하였다.
Fig. 9.Accuracy of the HABITAT model indicated with ROC plots. AUC values calculated from the benthic macroinvertebrate. The thin line in the diagonal denotes ‘hit rate’=‘false alarm rate’.
3.2 영산강 생물서식지의 적합성 평가
HABITAT 모델에서 모의된 8개 생물군의 서식지적합도 값은 각 격자에서 연속 변수로 산출되기 때문에, 생물군에게 적합한 서식지의 기준은 서식지적합도
값이 연평균 0.5 이상인 격자를 대상으로 하였다(van Oorchot et al., 2018). 본 연구에서 산출대상의 면적은 하도 및 제외지 일부를
포함하여 총 21.7 km2였다.
2018년도 기준시나리오에서, 수달(Lutra lutra)은 전체 면적의 74.0%로 가장 넓은 적합 서식지 면적(연평균 HSV≥0.5)을 가지고 있었다(Fig. 10). 수달의 적합서식지 면적은 영산강 상류구간(광주광역시 인근)과 하류구간(죽산보∼영산강 하구)을 제외한 구간에서 고르게 분포하였다. 이는 영산강
본류구간을 4 km 단위로 구분하여 수달 분포를 조사한 Ha (2015)의 연구결과와도 일치하였다(총 26개소 중 16개소 출현, 출현빈도: 66.7%). 어류와 수변식생의 적합서식지는 수달에 비하여 상대적으로 적게 나타났다.
어류분류군에서는 잉어(성체)(Cyprinus carpio)와 잉어(치어)의 적합서식지가 전체면적대비 각각 5.2%와 3.9%로 나타났으며, 수변식생의 갈대(Phragmites communis)는 15.6%의 적합서식지를 보였다(Fig. 10). 어류의 생활사에서 수생식물은 서식 및 산란을 위한 필수적인 요소이며(Kalff, 2002), 이러한 생물군간의 관계를 본 모델에 반영하였다(Fig. 4). 따라서 갈대를 포함한 세모고랭이, 솔잎가래의 적합서식지의 분포는 잉어 및 점줄종개, 떡납줄갱이의 서식지적합도를 산출하는 매개변수로 고려되었다.
한편, 저서성대형무척추동물인 꼬마하루살이류(Baetis sp.)는 2.5%로 가장 좁은 적합서식지를 보였으며(Fig. 10), 적합서식지가 대부분 영산강 상류(우치∼극락교)에서 확인되었다. 이는 영산강 중ㆍ하류 구간의 서식환경(깊은 수심과 정수성)이 꼬마하루살이류의 서식에
불리하기 때문으로 판단되었다. 일반적으로 꼬마하루살이류는 유수성의 서식환경을 선호하고, 깊은 수심을 기피하는 특징을 가진다(Park et al., 2013). 영산강 상류 구간에서 HABITAT를 이용하여 모의한 꼬마하루살이류의 적합서식지 분포와 ME/NIER (2018)에서 확인된 꼬마하루살이류(개똥하루살이:
Baetis fuscatus)의 출현 분포를 비교하였다(Fig. 11).
Fig. 10.Graphic overview of ecological effects of level alteration regimes compared to the reference scenario. Colors represent deviation from the reference scenario. Values were calculated as average values over the one year.
Fig. 11.Comparison of modelled results and field data ofBaetissp. (a) computational grids, (b) contour map of modelled results and (c) contour map of the field data in the upper region of Yeongsan river. The site’s name is from ME/NIER(2018). Areas with a value of 1.0 indicate the highest suitability in the (b) contour map of modelled results. The legend of field data indicate number of individuals per m2.
연간 생물군별 적합서식지(HS≥0.5) 면적은 기준 시나리오와 비교하였을 때, 3가지 모의시나리오에서 뚜렷한 차이를 보였다(Fig. 10). 관리 수위 조건의 모의시나리오에서, 모든 생물군들은 기준시나리오에 비하여 0.4∼10.6%P의 범위로 연간 적합서식지 면적이 감소하였다. 이는
본 연구에서 모의된 생물군의 대부분이 2 m 이상의 깊은 수심을 회피하는 특성을 가지고 있기 때문이며, 이러한 특성은 보 운영에 따라 수심과 유속의
변화가 큰 영산강 중류 구간(극락교∼빛가람대교)에서 뚜렷하였다. 특정 구간에서 적합한 서식지의 감소는 종의 출현가능성을 줄여, 궁극적으로 해당 구간의
수생태 건강성을 악화시킬 수 있다(Huang and Mynnet, 2010). 한편 양수제약 수위 조건의 모의시나리오에서, 연간 적합서식지 면적은
기준 시나리오와 가장 유사한 것으로 나타났다(Fig. 10). 이는 보 수위가 계절적으로 증감하였으나(Fig. 7), 동절기를 제외한 연간 수위가 양수제약 수위 조건과 유사하였기 때문으로 판단되었다. 이러한 특징은 생물군에게 요구되는 계절별 서식조건을 잘 고려한다면,
환경(예를 들어, 수위)의 조절이 생물서식에 미치는 악영향을 최소화할 수 있음을 의미하였다(van Oorchot et al., 2018). 최저수위
조건의 모의시나리오에서, 연간 적합서식지 면적은 기준 시나리오 대비 평균 6.5%P로 가장 크게 증가하였다. 대표적으로 수생식물의 적합서식지가 긍정적인
영향을 받는 것으로 확인되었으며, 이중 정수 식물인 갈대와 세모고랭이에서 적합서식지가 가장 많이 증가하였다. 이는 정수 식물의 서식에 적합한 수심(1∼1.5
m)의 면적이 증가하였기 때문이다.
모의시나리오의 적합서식지 변화는 시간적 규모로 기준 시나리오와 비교하였을 때도 뚜렷한 차이를 보였다(Fig. 12). 기준 시나리오 대비 모의 시나리오의 값이 1 이상이면 기준 시나리오보다 높은 적합성을 의미한다. 3가지 모든 모의시나리오 중 최저수위 유지 조건이
대부분의 생물군에게 긍정적인 영향을 미치는 것으로 나타났다. 다만 이러한 특징은 수온이 감소하는 동절기에는 유효하지 않았다. 8개 생물군 중 정수식물인
갈대와 세모고랭이, 저서어류인 점줄종개가 최저수위 유지 조건에서 적합서식지 면적이 가장 크게 증가하였으며, 집중강우가 발생한 7월과 9월에 일시적으로
적합서식지가 감소하였다. 이러한 특징은 HABITAT 모델이 물리적 교란(수위 및 유속)이 생물군에게 미치는 영향을 잘 반영하고 있음을 의미하였다.
잉어는 1 m 이하의 수심을 선호하며, 수온인 18∼22 ℃를 유지하는 5∼6월에 산란하는 것으로 알려져 있다(Lee and No, 2006). 이러한 잉어(성어)의 특성을 고려하여, 산란기에 영산강에서 최저수위 조건을 유지하는 경우 기준시나리오(승촌보: 2.7 EL.m, 죽산보: 1.5
EL.m)에 비하여 잉어 서식에 적합한 3.8 km2의 면적을 추가로 확보할 수 있었다(기준: 2.3 km2, 최저수위: 6.1 km2). 이는 서식지의 개선을 위해서는 생물군에게 요구되는 계절별 생태특성의 고려가 필수적임을 의미하였다.
Fig. 12. Percentage of suitable habitat (HSV ≥ 0.5) for (a)Phragmites communis, (b)Scirpus triqueter, (c)Potamogeton pectinatus, (d)Baetissp., (e)Cobitis lutheri, (f)Rhodeus notatus, (g)Cyprinus carpio(immature), (h)Cyprinuscarpio(adult), (i)Lutra lutraas a fraction compared to the reference scenario. Values above one (dot line) indicate higher suitability than the reference scenario.
본 연구를 통하여, Delft3D 모델과 HABITAT 모델의 연계운영이 특정 공간을 대상으로 서식지적합도지수를 적용함으로써 생물서식에 적합한 위치를
찾을 수 있고, 이용가능한 서식지를 평가할 수 있음을 확인하였다. 또한 본 연구는 Delft3D와 HABITAT를 연계하여 국내 하천에서 처음으로
적용되었음에 의미가 있었으며, 모델의 적용가능성을 확인하였다.