2.1 연구지역 및 수질 관측자료

본 연구의 대상유역은 서해 중부지역의 담수호를 대상으로 하였으며 이 중 환경부의 물환경정보시스템(http://water.nier. go.kr/)에서 제공하는 6개 담수호(간월호, 남양호, 대호호, 부남호, 삽교호, 아산호)를 최종적으로 선정하였다(Fig. 1). 1996년부터 농림축산식품부와 환경부가 함께 정기적 수질조사 및 관리를 진행하고 있으며 담수호 중 수질개선사업 대책은 간월호(2007/2019년), 남양호(2007년), 부남호(2007년), 삽교호(1999년), 아산호(2007년)에서 수립된 바 있다.

Fig. 1. Map of the study areas showing water quality monitoring stations and wastewater treatment plants.

"

6개 담수호에 대한 수질자료는 물환경정보시스템에서 제공받았으며, TOC 자료가 제공되는 2013년부터 2020년까지의 자료를 수집하였다. 수질인자와의 영향을 분석하기 위해 동일 기간의 수소이온농도(pH), 용존산소(DO, mg/L), BOD(mg/L), COD(mg/L), 부유물질(SS, mg/L), 총질소(TN, mg/L), 총인(TP, mg/L), 수온(WT, °C), 전기전도도(EC, µS/cm), 총대장균군수(Col., 총대장균군수/100mL) 및 Chlorophyll-a(Chl-a, mg/m³)의 자료를 수집하였다. 담수호 전체의 수질경향을 파악하기 위해 상단, 중단, 하단으로 구분되어 있는 자료를 하나의 관측자료로 봤으며, 상층-중층-하층으로 구분하여 자료를 제공하는 부남호 및 아산호의 경우에는 수질인자의 원격탐지가 가능한 상층자료를 대상으로 수집하였다.

2.2 유역특성 자료 수집

6개 담수호에 대한 제원 및 유역특성의 자료는 Table 1과 같다. 각 담수호의 유역면적, 수혜면적, 유효저수량 및 준공년도 자료는 농업생산기반시설에서 제공하는 자료를 활용하였다. 유역면적 및 하천도는 물환경정보포털에서 자료를 수집하였으며, 제공하는 지리공간정보(ArcGIS shape 파일)를 이용하여 유역길이, 본류길이, 하천길이를 계산하였다. 또한 유역의 홍수량 특성을 파악하기 위해 형상계수 및 유역밀집도를 계산하였다. 유역 형상이 흐름방향으로 길고 폭이 좁은지 혹은 짧고 폭이 넓은지를 나타내는 지표인 형상계수는 유역면적을 본류 유로연장의 제곱으로 나눠 계산한다. 형상계수는 0~1의 분포를 가지며 1에 가까울수록 첨두홍수량이 크고 발생시간이 짧다. 유역밀집도는 유역 면적과 동일한 원에 대해 유역 경계길이의 비를 계산하며, 1에 가까울수록 첨두홍수량이 크고 발생시간이 짧은 특성이 있다.

아산호와 삽교호는 유역면적이 각각 1,634 km², 1,640 km²로 다른 담수호에 비해 규모가 큰 편이며 그 외의 담수호는 유역면적이 156~488 km²이다. 남양호는 타 유역에 비해 유역면적이 작음에도 형상계수가 낮고 유역밀집도가 커 첨두홍수량이 작고 발생시간이 긴 특성을 가지고 있다.

환경공간정보서비스에서 제공하는 2020년 토지피복도를 토대로 유역별 토지피복 비율을 산정하였다. 비점오염에 관여되는 시가지는 남양호와 아산호에서 각각 17.2%, 17.4%로 가장 높게 나타났으며 특히 남양호는 논 비율 또한 28.3%로 높게 나타났다.

하수종말처리장 시설 자료는 국립환경과학원의 전국 오염원조사 자료로부터 2013~2018년 자료를 취득하였으며, 각 유역별 처리장의 개수 연방류량의 평균, 방류량 대비 유효저수량 비율을 계산하였다. 아산호와 삽교호의 경우 하수종말처리장 수가 각각 26개소, 9개소이며 방류량 또한 552,206 m³/day, 214,351 m³/day로 총 하천길이 만큼 하수종말처리장의 수가 많고 처리되는 양도 많아 저수량 대비 방류량 비율이 높게 나타났다. 반면 간월호, 남양호, 대호호, 부남호의 경우 하수종말처리장의 수가 1~4개소로 적게 나타났으며 방류량 또한 1,413~40,429 m³/day로 5~20배 차이가 나타났다.

2.3 상관분석 및 회귀분석

각 유역 특성에 대한 상관성 분석은 TOC와 연관성 있는 수질인자를 파악하기 위해 실시하였다. 상관분석은 Pearson 상관계수(Pearson’s correlation coefficient, r)를 활용하였다. Pearson 상관계수는 두 데이터 간 관련 정도를 측정하기 위해 사용되며, 식 (1)과 같이 길이 "인 두 데이터 "와 "의 공분산을 각각의 표준편차로 나눠 계산된다. Pearson 상관계수는 –1부터 +사이의 값을 가지며, +1에 가까울수록 양의 상관, -1에 가까울수록 음의 상관을 가진다. 인자 간의 통계적 유의성 판단은 p-value가 0.05 이하일 때를 기준으로 하였다(^{Jung et al., 2015}).

TOC와 수질인자 간의 관계를 규명하기 위해 다항회귀분석을 실시하였으며 종속변수는 TOC로 사용하였고, 독립변수는 수질인자 중 상관성이 높고 광학특성이 있어 원격감지에 의해 추정된 바가 있는 수질인자를 선정하여 사용하였다. 따라서, 본 연구의 회귀분석은 분광특성이 있는 수질인자와 TOC 간 경향성을 파악하기 위해 사용하였으며, 모델의 예측 성능을 높이기 위해 TOC를 5 mg/L 간격으로 구분한 후의 상관성을 검토하였다.

3.1 서해 담수호의 TOC 특성

Fig. 2(a)~(f)은 유역별 TOC 경향을 파악하기 위해 2013~ 2020년의 월별 TOC 농도 분포를 나타낸다. TOC의 호소생활환경기준은 좋음(Ⅰ, 3mg/L 이하), 약간좋음(Ⅱ, 4mg/L 이하), 보통(Ⅲ, 5mg/L 이하), 약간나쁨(Ⅳ, 6mg/L 이하), 나쁨(Ⅴ, 8mg/L 이하), 매우나쁨(Ⅵ, 8mg/L 초과)로 구분된다. Fig. 2(b)와 같이 남양호의 TOC 농도는 7.0 mg/L로 가장 높았으며, 호소생활환경기준은 Ⅴ단계로 나타났다. 반면 아산호의 TOC 농도가 4.9 mg/L로 Ⅲ이며, 그 외의 담수호에서는 Ⅳ에 해당하는 5.2~5.9 mg/L의 분포를 보였다.

Fig. 2. Box plot of monthly TOC concentration (GW: Ganwol, NY: Namyang, DH: Daeho, BN: Bunam, SK: Sapkyo, AS: Asan).

"

전체적인 편차는 유역면적이 큰 삽교호 및 아산호에서 각각 1.8 mg/L, 1.0 mg/L로 낮게 나타난 반면, 그 외의 지역의 수질농도 편차는 큰 편이다. 특히 부남호 및 남양호에서의 편차는 각각 3.2 mg/L, 3.1 mg/L로 가장 크게 나타나는데 부남호의 경우 주오염원(축산계)에 의한 비점오염의 영향으로 판단되며, 남양호의 경우 형상계수가 낮고 밀집도가 높아 높은 체류시간을 가질 수 있는 유역특성이 반영된 것으로 판단된다(^{Choi and Kang, 2018}). 담수호는 관개용수가 대부분 재사용되어 오염물질이 누적되며 특히 남양호는 유역 크기 대비 하수처리장에서 처리하는 방류수가 35,835 m³/day로 많고, 방류수 대비 담수호의 유효저수량 비율이 타 수계보다 17.6%로 유역이 큰 삽교호, 아산호를 제외하고 가장 커 오염물질이 누적되기 쉬운 것으로 생각된다.

월별 TOC는 평균적으로 5~7월에 6.0~7.2 mg/L로 가장 높았으며 10~11월에 4.3~4.4 mg/L로 가장 낮았다. 이는 4월 하순부터 시작되는 묘대기, 이앙기 및 본답기를 포함한 농번기로 인해 비점오염원의 유입되어 높아지고 본답기가 끝나는 9월 말의 갈수기에 접어들면서 감소하는 경향을 보여 10~11월에 가장 낮아지는 것으로 판단된다(^{Larsen et al., 2011}). 특히 남양호에서는 5~7월 농도가 8.1~9.5 mg/L까지 증가하여 매우나쁨에 해당하는 호소생활환경기준을 가지는 것으로 나타났다. 시가지 비율이 높은 남양호와 아산호에서는 7월에서의 variation이 5.0 mg/L, 1.4 mg/L로 다른 기간에 비해 컸으며(Fig. 2(b), 2(f)), 그 외 산림지역이 많은 유역에서는 6월 variation이 가장 큰 것으로 보였다. TOC의 경우 시가지 및 논에서의 오염원뿐만 아니라 산림에서 파생된 자연적인 유기물질의영향도 함께 받는다. 정규화식생지수(Normalized difference vegetation index, NDVI)는 이러한 식생의 상태 및 생산량 추정 등에 사용되는 지수이며 TOC와 상관성이 있다고 알려져 있다(^{Ryoo and Ha, 2007}; ^{Unganai et al., 1998}). TOC의 예측 시 NDVI의 영향을 함께 고려된다면 시가지 및 논에서의 비점오염으로 인한 편차 영향을 파악할 수 있을 것으로 판단된다.

3.2 서해 담수호의 TOC와 수질인자의 상관성 분석

수집된 수질인자와 TOC간 상관성을 분석을 위해 박스도표(Boxplot)에서 정의하는 보통이상점을 사용하여 사분위수 범위(interquartile range; IQR)를 기준으로 양 끝 1.5IQR 경계를 벗어나는 자료를 제거하여 사용하였으며(^{Kim et al., 2016}), 상관계수 및 p-value를 Table 2와 같이 정리하였다. 각 수질인자들의 평균적인 상관계수는 COD(0.57), EC(0.38), BOD(0.36), Chl-a(0.28), SS(0.19), WT(0.17), TN(0.16), pH(0.15), TP(0.14), DO(-0.01) 순으로 높았다. COD, BOD는 TOC와 더불어 유기물 측정 지표로 상관성이 높으며, 시가지, 논에서의 비점오염 증가로 생분해성 유기물인 BOD보다 미생물에 의해 분해되지 않은 고분자 유기물까지 측정할 수 있는 COD에서의 상관성이 더 높게 나타난 것으로 사료된다(^{Park et al., 2013}). 반면 pH, DO, Col.는 1개 이상의 담수호에서 상관성이 매우 낮았으며 정해진 경향성도 보이지 않고 p>0.05로 유의하지 못하였다. 남양호, 부남호, 삽교호, 아산호에서는 어느 정도 상관성 있는 수질인자들이 나타난 반면 대호호의 경우 상관계수가 가장 높은 COD의 값이 0.43로 다른 지역에 비해 타 수질인자로 TOC를 예측하기 힘든 것으로 판단된다. 이는 대호호의 경우 시가지가 5.5%로 가장 낮으나 밀집되어 있고, 환경기초시설에 따른 유량은 1,413 m³/day(Table 1)로 가장 낮으며 대호호의 특성상 유입 유량이 작아 가뭄에 따른 농업용수 부족을 위해 삽교호로부터 용수공급을 받으면서 삽교호의 수질 영향에 의해 발생되는 오차로 판단된다(^{Choi et al., 2018}). 또한, TOC 및 COD의 오차에 대해서는 TOC 분석기에서 입자상 유기물을 측정할 때 큰 입자가 걸러져 시험관내 유기물이 균질화되지 않아 COD의 관측값에 비해 크게 과소평가되어 발생할 가능성도 있다(^{Kim et al, 2007}).

광학특성이 존재하는 Chl-a, SS과 TOC의 상관성은 평균적으로 각각 0.28, 0.19로 낮은 편에 속하나 오염물질 농도가 높은 남양호에서의 상관성은 각각 0.47, 0.27로 다른 담수호에 비해 상대적으로는 높으나 TOC를 예측하기에는 한계가 있다.

^{Lee et al. (2020)}은 TOC를 통해 Chl-a를 예측한 바 있으며 ROC커브를 통해 검증하였을 때 AUC 0.951의 정확도를 얻은 바 있다. 이 때 Chl-a는 조류성장에 따른 자생 유기물질의 성장에 영향을 미칠 수 있다고 판단하였다(^{Kim et al, 2013}). 또한 ^{Jung et al. (2015)}은 감천유역에서 수질인자들을 활용한 TOC를 예측한 바 있으며 Chl-a, SS를 포함한 모델에서 0.931 이상의 상관성을 나타낸 바 있다. 그러나 위 연구들은 COD, BOD 등의 수질변수가 포함되어 있어 원격탐사를 통해 구축할 수 있는 알고리즘이 아니며, 본 연구에서의 TOC와 Chl-a 및 SS와의 상관성은 낮은 편으로 자료 변환 작업을 통한 예측력을 검토할 필요가 있다. ^{Lim et al. (2011)}은 연안역의 수질성분 농도를 자료 변환에 따라 오염총량제 및 오염부하량의 예측값이 될 수 있을 것으로 판단한 바 있으며 본 연구에서도 TOC를 자료 변환을 적용하여 경향을 확인해보고자 하였다.

3.3 Chl-a, SS의 자료 변환을 통한 상관성 분석

분광특성 및 원격탐사로 탐지 가능한 수질인자인 Chl-a 및 SS를 입력변수로 하여 TOC를 예측하는 모델을 구축하기 위해 TOC를 5 mg/L 간격으로 평균하고 Chl-a 및 SS를 동일하게 평균한 후 상관성을 분석을 실시하여 Fig. 3과 같이 나타내었다. 전체적인 양상을 확인한 후(Fig. 3(a), 3(d)) 상대적으로 유효면적이 작은 간월호, 남양호, 대호호, 부남호(Fig. 3(b), 3(e))와 유효면적이 큰 아산호와 삽교호를 구분하였다(Fig. 3(c), 3(f)). 전체적인 상관성은 Chl-a, SS에서 각각 0.60, 0.42로 각각의 상관성을 계산하였을 때 보다 증가하였다. 비선형 함수인 Chl-a, SS의 값에 따라 TOC는 log함수 기울기를 따라가며 유역면적이 작은 간월호, 남양호, 대호호, 부남호 등의 담수호에서는 Chl-a과 TOC의 상관성이 0.72, SS와 TOC의 상관성은 0.63으로 나타났다. 반면 유역면적이 큰 삽교호, 아산호의 TOC는 Chl-a과 SS의 상관성이 각각 0.73, 0.92로 나타났다. 유역면적이 작은 담수호에서의 경향은 유역면적이 큰 담수호에 비해 기울기가 Chl-a에서는 6.63, SS에서는 8.80으로 더 크게 나타났다. 비록 상관성 분석에서 유의한 결과를 제시 할  수 있었으나 시공간적 환경특성이 고려된 예측이 필요할 것으로 사료된다.

Fig. 3. Trend analysis according to TOC groupings (a) Chl-a-TOC in reservoirs (b) Chl-a-TOC in small watershed reservoirs (Ganwol (GW), Namyang (NY), Daeho (DH), and Bunam (BN)) (c) Chl-a-TOC in large reservoirs (Sapkyo (SK), Asan (AS)), (d) SS-TOC in reservoirs (e) SS-TOC in small watershed reservoirs (GW, NY, DH, BN), (f) SS-TOC in large watershed reservoirs (SK, AS).

"

실제 TOC는 POC (Particulate Organic Carbon)와 DOC (Dissolved Organic Carbon)의 합으로 구성된다. Chl-a 및 SS는 POC와의 상관성이 더 높은 반면, 내륙의 하천 및 담수호에서는 POC의 양이 약 10% 정도로 DOC보다 상대적으로 많이 적어 Chl-a 및 SS와 TOC의 직접적인 상관관계에서는 작은 상관성을 보인다(^{Kim et al., 2009}). 그러나, 물환경정보포털에서는 DOC를 광학특성으로 간접추정할 수 있는 수질 매개변수가 없으며 POC로 TOC를 추정하는 경우 적절한 자료변환 형태를 도입할 수 있고, DOC의 경우 적절한 유역환경에 따른 다른 함수를 적용하였을 때의 예측 가능성이 올라간 것을 확인할 수 있다. 추가적으로 유역별 계절적으로 다른 TOC의 양상을 DOC 및 POC로 구분하여 조사하여야 하며, 이에 따라 광학특성을 가진 수질인자로 예측할 때 계절 양상을 적용하여 예측하여야 한다(^{Thurman, 1985}).

본 연구에서 적용한 자료변환된 Chl-a 및 SS와 TOC간 비선형 상관성은 추후 분광특성을 이용하여 TOC를 예측할 때 Random forest, Support vector machine 등의 Decision tree와 Artificial Neural Network (ANN)의 Machine-learning기법의 가능성을 보여줄 수 있다. 원격탐사를 통해 Chl-a, SS를 예측하기 위해 ^{Keller et al. (2018)}은 6가지의 Machine-learning (Linear, Partial least squares, Random forest, Extremely randomized trees, Adaptive boosting, Gradient boosting, K- nearest neighbors, Support vector machine, Artificial neural networks, Self-organizing maps)을 이용한 바 있으며 Chl-a에서의 R²가 0.67~0.88, SS에서의 R²가0.68~0.81로 높은 정확도를 산출한 바 있다.