2.1 자료수집

본 연구에 이용된 자료는 한강물환경연구소의 “기후변화가 수생태계에 미치는 영향과 대응전략('10~'12)”, 환경부의 “환경생태유량 산정기준 연구 및 시범산정('14)”, 환경부⋅국립환경과학원의 “수생태계 건강성 조사 및 평가('12~'13)”, “하천 수생태계 현황 조사 및 건강성 평가('14~'20)”, “수생태계 참조하천 선정 및 활용방안 마련 연구('18)”, “4대강 보 개방에 따른 수생태계 변화 조사('18~'20)”, 국립환경과학원의 “생물측정망 모니터링 및 평가기법 개발연구('17)”, 영산강⋅섬진강 수계관리위원회의 “영산강⋅섬진강 수계 수생생물의 서식지적합도(HSI) 지수 구축 연구('20)”의 지점 또는 정점 조사 결과이다. 총 5,452개 지점 중 분석에 필요한 수질 자료가 있는 지점은 1,937개였으며, 대부분 봄과 가을에 각 1회씩 수행된 조사의 결과이다(Fig. 1).

Fig. 1. The location of South Korea and the 1,937 sampling sites.

2.2 환경요인

수질요인으로는 각각 하천의 유기오염, 영양상태, 무기오염을 대변할 수 있는 5-day Biochemical Oxygen Demand (BOD₅), Total Phosphorus (TP), Total Suspended Solids (TSS)를 고려하였다. 수질측정망 지점의 결과를 우선적으로 사용하였으며, 수질측정망 자료가 부재한 지점에 대해서는 생물측정망 수질자료를 적용하였다.

하상기질의 입경은 ^{Cummins (1962)}의 방법에 따라 5단계[boulder(>256 mm, <-8, : 입경(mm), ), cobble(=64~256 mm, =-8~-6), pebble(=16~64 mm, =-6~-4), gravel(=2~16 mm, =-4~-1), sand 이하(≤2 mm, ≥-1)]로 구분하였으며, 입도구간별 하상 표면의 면적비를 기준으로 평균입경()을 산출하였다(식 1).

      : 하상기질의 평균입경 (the mean value of grain size in strembed)

       : 입도구간의 면적 비율 (the areal ratio of grain size interval)

      : 입도구간의 중위입경 (the median value of grain size interval)

2.3 통계분석

분산분석, 상관분석 및 편상관분석, 다중회귀분석과 같은 통계적 분석에 기반하여 수질과 하상기질이 BMI에 미치는 복합적인 영향을 파악하였다. 통계분석 시 BMI 점수, 수질 및 하상 자료는 산술평균하여 적용하였으며, 범주형 자료를 사용하는 분산분석을 제외한 상관분석, 편상관분석 및 다중회귀분석 시 자료의 정규성을 검토하여 정규성을 벗어나는 환경요인 자료는 로그 변환 후 사용하였다. 통계적 유의성은 -value로 판단하였다(^{Singh, 2013}).

2.3.1 분산분석

4원 분산분석(four-way ANOVA)은 단일독립변수의 집단 내 평균치의 차이가 유의한지 검증하는 일원분산분석(one-way ANOVA)과 달리, 3개 이상의 독립변수 내 집단 간의 평균 차이를 확인하는 다원분산분석의 방법 중 하나이다. 이때 독립변수들이 종속변수에 미치는 각각의 영향을 주효과(main effect)라 하며, 독립변수들이 복합적으로 종속변수에 영향을 미치는 것을 상호작용효과(interaction effect)라 한다. 상호작용효과를 통해 두 개의 독립변수가 동시에 작용하여 종속변수에 미치는 영향이 유의한지 여부를 확인할 수 있다(^{Jung and Eom, 2011}).

본 연구에서는 수질요인(BOD₅, TP, TSS)과 하상평균입경()이 복합적으로 BMI에 미치는 영향을 확인하기 위하여 4원 분산분석을 수행하였다. 분산분석에는 범주형 자료가 사용되므로 ^{Kong et al. (2018)}에서 제시한 기준에 따라 수질요인을 5등급으로 범주화하였다(Table 1). BOD₅는 농도의 2배수를 기준으로 구분되었으며, TP는 ^{OECD (1982)}의 영양상태 판정기준과 하천의 생활환경기준 경계치를, TSS는 하천과 호소의 생활환경기준을 참고하여 구분되었다.

Table 1. Scheme of water quality factors (Kong et al., 2018)

Water quality
BOD5 (mg/L)	TP (mg/L)	TSS (mg/L)
≤ 1	≤ 0.010	≤ 2.5
≤ 2	≤ 0.035	≤ 5
≤ 4	≤ 0.100	≤ 10
≤ 8	≤ 0.300	≤ 20
8 <	0.300 <	20 <

하상평균입경은 ^{Kong and Kim (2016)}이 세립질 하상을 Sand, Silt, Clay의 구성비에 따라 유형화한 ^{Shepard (1954)}의 삼각도표를 응용하여 하천의 하상 유형을 10단계로 구분한 방법에 따라 10가지로 유형화하였다(Table 2).

Table 2. Classification of stream substrates and average of mean grain size diameter ()

Classification	Substrate types	average of	Number of sites
1	Bouldery cobble	-7.9	23
2	Pebbly cobble	-6.1	206
3	Gravelly cobble	-5.4	109
4	Cobbly pebble	-5.2	19
5	Copegra	-4.6	470
6	Pebble	-	0
7	Gravelly pebble	-3.9	9
8	Cobbly gravel	-3.3	285
9	Pebbly gravel	-2.9	284
10	Gravelly clay	-1.1	532

3.1 수질요인과 하상평균입경의 상호작용효과

1,937개 지점의 하상은 Gravelly clay 유형이 가장 많았으며(27.4%) Pebble에 해당하는 유형의 지점은 없었으므로 분산분석 시 9개의 하상유형만을 사용하였다(Fig. 2).

Fig. 2. Textural classification (a) and composition (b) of stream substrates in 1,937 sites.

4원 분산분석의 결과 BOD₅는 BMI에 고도로 유의한 수준의 차이를 보였으며(), TP와 TSS는 유의하지 않았다(Table 3). 하상유형 또한 BMI에 고도로 유의한 수준의 차이를 보였으며(), 수질요인 외에 하상유형이 유의성을 보이는 것은 수질과 하상유형이 상관성을 지니고 있는 점과 더불어 저서성 대형무척추동물이 수질은 물론 하상의 기질에 동시에 영향을 받는데서 기인한 것으로 판단된다. BMI에 대한 하상유형과의 상호작용은 수질요인 중 BOD₅ 만이 매우 유의한 수준의 차이를 보였다(). BMI는 BOD₅와 하상의 기질에 각각 영향을 받을 뿐만 아니라 그 복합적인 영향을 받고 있음을 알 수 있다.

Table 3. Four-way ANOVA table for BMI

Source	df	MS	F	-value
BOD5	4	1814.07	12.83	0.000
TP	4	324.35	2.29	0.057
TSS	4	54.87	0.39	0.817
Substrate type	8	1393.67	9.86	0.000
BOD5 × Substrate type	22	295.68	2.09	0.002
TP × Substrate type	21	179.29	1.27	0.185
TSS × Substrate type	26	153.11	1.08	0.352
Error	1692	141.36

분산분석의 결과를 도표를 나타낼 경우 집단 간 요인의 평균값의 차이를 쉽게 이해할 수 있으므로, 상호작용효과가 있는 경우 도표를 이용하여 하상유형에 대한 BMI 평균값이 환경요인에 따라 달라지는 양상을 확인하였다. 5등급으로 범주화한 BOD₅의 농도에 따른 하상유형별 BMI의 평균값은 Table 4와 같다. 수중의 BOD₅의 농도가 비교적 낮은 경우(Group 1~3)에는 하상기질이 세립화될수록 BMI가 낮아지는 경향이 나타나는 반면 BOD₅의 농도가 높을수록(Group 4, 5) 하상유형과 유의미한 관계가 나타나지 않았다(Fig. 3). 수중의 BOD₅ 농도가 높은 경우에는 저서성 대형무척추동물 군집의 조성이 BOD₅ 농도에 주로 영향을 받지만 BOD₅ 농도가 낮은 경우에는 서식처의 하상기질이 군집조성에 복합적으로 영향을 미침을 알 수 있다.

Fig. 3. Interaction effects between BOD5and substrate type on BMI.

3.2 환경요인과 생물지수 간의 상관분석 및 편상관분석

환경요인 간의 단순상관분석 결과 각 수질요인(BOD₅, TP, TSS)은 고도로 유의한 수준의 높은 상관성을 보였으며(, ), 각 수질요인과 하상평균입경()도 고도로 유의한 수준의 양의 상관성(, )을 보였다(Table 5). 즉 수질이 악화될수록 하상기질이 세립화되는 관계를 보여주고 있는데 이는 수질이 하상의 기질을 변화시키거나 하상구조의 물리적 변화가 수질을 변화시키는(^{Hong and Lee, 2006}; ^{Judy et al., 1984}; ^{Klemm et al., 1993}) 인과관계의 결과일 수도 있고, 수질과 관계없이 하천의 연속성에 따른 하류역 하상의 세립화 및 중하류 유역에 밀집한 인위적 오염원의 영향이 잠재변수(Lurking variable)로 작용하여 나타난 무의미 상관(Nonsense correlation)일 수도 있다. BMI와 수질요인(BOD₅, TP, TSS)의 상관계수는 각각 -0.69, -0.64, -0.62이었으며, 하상평균입경()과의 상관계수는 -0.68로 모두 고도로 유의한 수준의 음의 상관관계를 보였다()(Fig. 4).

Table 5. Pearson’s correlation coefficient between environmental factors

Environmental factors		ln(BOD5)	ln(TP)
ln(BOD5)	0.53***
ln(TP)	0.49***	0.79***
ln(TSS)	0.54***	0.73***	0.74***
***

Fig. 4. Correlation between water quality factors andwith BMI.

다른 환경요인을 모두 통제한 조건에서 각 환경요인과 BMI와의 편상관계수는 하상평균입경() > BOD₅ > TP > TSS의 순이었으며(Table 6), 이 중 TSS는 매우 유의한 수준의 차이를 보였고() 나머지는 고도로 유의한 수준의 차이를 보였다(). 각 환경요인을 범주화한 4원 분산분석에서 TSS와 BMI의 유의성이 나타나지 않았던 반면 편상관분석에서 TSS와 BMI의 관계가 유의한 수준의 유의성을 보이는 것은 표본크기(sample size)가 매우 크기 때문인 것으로 판단된다. 또한 하상평균입경이 통제변수로 포함되었을 때 각 수질요인과 BMI의 편상관계수는 미통제 조건에서의 상관계수에 비해 큰 폭으로 감소하는 것을 확인할 수 있었다. 이러한 결과는 하상기질이 개별적인 수질요인보다 BMI에 더욱 큰 영향을 미치고 있음을 시사하는 것이다.

Table 6. Pearson’s correlation and partial correlation coefficient on BMI

Control Variables	Factors		-value
None		-0.68	0.000
	ln(BOD5)	-0.69	0.000
	ln(TP)	-0.64	0.000
	ln(TSS)	-0.62	0.000
BOD5, TP, TSS		-0.48	0.000
, TP, TSS	ln(BOD5)	-0.27	0.000
, BOD5, TSS	ln(TP)	-0.13	0.000
, BOD5, TP	ln(TSS)	-0.07	0.001

3.3 다중회귀분석 결과

BMI에 대한 수질요인(BOD₅, TP, TSS)과 하상평균입경()의 다중회귀분석 결과 각 독립변수의 공차(tolerance, TOL)는 0~1 사이의 값을 가졌고 분산팽창요인(variance inflation factor, VIF)은 10보다 작았으므로 독립변수들 간의 다중공선성은 문제가 없는 것으로 판단되었다(Table 7). BMI에 대한 회귀식은 식 2와 같이 나타났으며 결정계수는 0.63이었다. 식 2는 각 환경요인의 값이 증가할 때 BMI의 값이 감소하는 형태로서 이는 개별 요인 간의 단순상관의 경향과도 일치한다. 또한 식 2에서 각 요인의 표준화 회귀계수(Standardized regression coefficient)는 하상평균입경(-0.41), BOD₅(-0.31), TP(-0.14), TSS(-0.07)의 순으로 하상평균입경이 BMI에 미치는 영향도가 가장 큰 것으로 평가되었다(Table 7).

Table 7. Results of multiple regression analysis between environmental factors and BMI

Variables	Unstandardized Coefficients		Standardized Coefficients			TOL	VIF
	B	SE	β
(Constant)	44.17	2.57		17.16	***
	-4.30	0.18	-0.41	-23.79	***	0.67	1.50
ln(BOD5)	-9.23	0.74	-0.31	-12.48	***	0.32	3.17
ln(TP)	-3.21	0.57	-0.14	-5.62	***	0.31	3.22
ln(TSS)	-1.70	0.52	-0.07	-3.27	**	0.38	2.65
	0.63
SE: standard error, **, ***

식 2에서 하상평균입경을 제외하고 수질요인만을 독립변수로 고려하여 도출된 다중회귀식은 식 3과 같다. 식 3의 결정계수는 0.52로 식 2와 비교할 때 설명력이 약 11% 정도 낮아졌다. 반면에 식 2에서 수질요인을 제외하고 하상평균입경만을 독립변수로 고려하여 도출된 다중회귀식은 식 4와 같다. 식 4의 결정계수는 0.46으로 식 2와 비교할 때 설명력이 약 17% 정도 낮아졌다.

다중회귀의 각 요인별 표준화 회귀계수와 단계적 다중회귀 시 설명력의 차이를 고려할 때 하상기질이 수질에 비하여 BMI의 변동에 상대적으로 더욱 큰 영향을 미치는 것으로 볼 수 있다. 그러나 이러한 결론에는 많은 한계점과 개선사항이 내포되어 있는데, 하상기질의 화학적 상태를 고려하지 않고 있다는 점이 그중 하나이다. 하상기질이 세립화될수록 오염물질에 대한 흡착 및 축적도가 커지는 것이 일반적인 현상(^{Horowitz, 1991})일지라도 오염물질의 유입 정도에 따라 하상기질의 화학적 상태가 다를 수 있으므로 이로 인한 생물의 영향을 변별할 수 있는 생물지수의 개선이 필요하다.

BMI 산정 시 적용되고 있는 실지렁이류와 깔따구류의 분류학적 문제는 또 하나의 한계점이다. 광범위한 국가적 모니터링 사업의 특성 상 동정(identification)의 비용이성을 고려하여 BMI 산정 시 실지렁이류는 목(order) 수준의 단일 분류군으로 적용되고 있으며 깔따구류는 색깔로 구분되는 두 개의 형태군으로 적용되고 있다. 그러나 국내에 기록된 실지렁이류는 36종에 달하고(^{Park et al., 2013}), 성충으로 기록된 깔따구류는 75종에 달하며 최근 유충의 동정 및 검색표에 대한 연구도 활발하게 진행되고 있다(^{Kwak, 2015}). 향후 하상기질의 화학적 상태에 대한 조사와 더불어 세립질 퇴적물에 서식하는 굴착성 실지렁이류와 깔따구류의 지표성에 대한 연구를 통하여 수질과 퇴적질이 저서성 대형무척추동물 군집에 미치는 개별적 영향 및 복합적 영향을 종합적으로 평가할 수 있도록 BMI를 개선할 필요가 있다.