2.1 대상 유역

대상 유역인 안양천은 경기도 의왕시에서 발원하여 안양시, 군포시, 광명시를 지나 서울특별시 영등포구에서 한강으로 합류하는 하천으로, 총 길이는 약 32.5 ㎞, 유역 면적은 약 285.6 ㎢이다(Fig. 2). 주요 지류는 학의천, 산본천, 목감천, 도림천 등이며, 연평균 강수량은 약 1,203 ㎜로, 여름철 집중 호우의 빈도가 높아 유량 변동성과 홍수 위험이 큰 온대 계절풍 기후에 속한다. 유역 내 인구는 약 540만 명으로 추정되며, 도시화율이 높고 인구 밀도가 집중되어 있어 수질 오염에 대한 취약성이 큰 지역이다. 상류는 산지 지형으로 경사가 급하고, 중⋅하류는 완만한 지형에 주거 및 상업 지역이 밀집되어 있다. 유역의 토지이용은 주거(약 50%), 상업⋅산업(약 20%), 녹지 및 공원(약 15%) 등으로 구성된다^{(Anyang City, 2020; Seoul Institute, 2015)}. 현재 유역 내에는 저류지, 방수로, 제방 등 방재 인프라가 설치되어 있으며, 생활하수 및 산업폐수 유입은 여전히 주요 수질 저하 요인으로 작용하고 있다.

유역 내에는 석수, 안양, 역곡 등 3개의 하수처리장이 운영되고 있으며, 시설용량은 각각 300,000 m³/day, 250,000 m³/day, 65,000 m³/day로 조사되었다. 2000년대 이후 하수처리시설 확충과 비점오염원 관리 강화로 수질은 점진적으로 개선되었으며, 최근에는 생태 복원 및 친수 공간 조성을 위한 환경사업이 활발히 추진되고 있다. 안양천 유역은 도시화 수준이 높고 다양한 비점오염원과 CSOs가 혼재되어 있는 복합 유역으로, 하수처리장과의 연계에 기반한 오염원 통합 관리가 중요한 과제로 대두되고 있다^{(Lee et al., 2007)}.

Fig. 2. Geographical overview of the study watershed, including the river network, monitoring sites, and wastewater treatment facilities.

2.2 HSPF 모형

HSPF 모형은 미국 환경보호청(U.S. EPA)의 지원으로 개발된 통합 수문수질 모형으로, 유역 단위에서 장기간에 걸친 물순환과 수질변화를 모의할 수 있는 대표적인 모형이다. 특히 HSPF는 토지이용 형태(산림, 농경지, 시가지 등)에 따라 발생하는 유출량과 오염물질 부하를 개별적으로 산정한 후, 이를 유역 단위로 통합하는 상향식 접근 방식을 채택한다. 이를 통해 하수처리장 방류수와 같은 점오염원과 도시 노면 및 농경지 유출과 같은 비점오염원을 동일한 모형 내에서 동시에 고려하는 통합적 분석이 가능하다. 따라서 특정 지역에 BMPs를 설치하거나 토지이용을 변경했을 때 유역 전체에 미치는 종합적인 수질 개선 효과를 정량적으로 평가하는 데 가장 강력하고 신뢰도 높은 방법론을 제공한다. 모형은 PERLND(투수 지역), IMPLND(불투수 지역), RCHRES(하천 구간)으로 구성되며, 이를 통해 유역 내 다양한 물리화학적 과정을 재현한다. PERLND와 IMPLND 모듈을 통해 토지이용별 비점오염원 부하를 상세히 산정하고, RCHRES 모듈에서 이를 점오염원과 통합하여 하천의 최종 수질을 예측하는 일련의 과정을 구현한다. 이러한 구조적 특성은 다양한 BMPs 시나리오 적용시 그 효과를 정량적으로 예측 가능하게 한다. 유역 내 수문⋅수질 평가를 위해 HSPF 모형의 출력 결과 중 유량과 BOD, T-N, T-P를 핵심 인자로 활용하였다.

모형 구축을 위한 입력자료는 공간자료, 오염원자료, 기상자료 등을 필요로 하며, 공인된 기관으로부터 제공된 자료를 사용하였다. 모형 구축기간은 2013-2022년이며, 2013-2016년, 2017-2019년, 2020-2022년을 각각 안정화, 보정 및 검정 기간으로 설정하였다. 입력된 기상자료는 기상청 서울 종합기상관측소에서 관측된 1시간 간격의 강수량, 평균기온, 풍속, 이슬점, 일사량, 전운량 등을 적용하였다. 수질자료는 환경부 수질측정망의 안양천3, 안양천7, 안양천9 지점에서 측정된 BOD, T-N, T-P의 일 단위 농도 자료를 활용하였다. 하수처리장 관련 입력자료는 환경부 국립환경과학원의 전국오염원조사 결과를 기반으로, 각 하수처리장의 방류 유량 및 수질 항목 정보를 활용하였으며, 이는 HSPF 모형의 점오염원(Point Source) 항목으로 입력되었다. 방류 유량은 일 단위로 입력되었으며, 수질 자료는 BOD, T-N, T-P 항목의 농도 값으로 반영되었다. 공간자료로는 환경공간정보서비스(https://aid.mcee.go.kr)에서 제공하는 토지이용도와 국토정보플랫폼(https://map.ngii.go.kr)에서 제공하는 국토지리정보원(National Geographic Information Institute, NGII)에서 제작한 1:5,000 축척의 수치지형도를 기반으로 구축한 하천망을 활용하였다.

2.3 합류식 하수관거 월류수 산정

안양천 유역 내 CSOs의 발생량 산정을 위해, 본 연구에서는 서울시 보고서^{(Seoul Metropolitan Government, 2022)}에 제시된 중랑천 유역의 Storm Water Management Model (SWMM) 모형 기반 모의 결과를 면적 비례 방식으로 간접 활용하였다. 먼저, 중랑천 유역에서 산정된 연도별 월류량 총합(ton)을 유역 내 도심지역 면적(acre)을 기준으로 환산한 후, 안양천 유역의 전체 도심지역 면적(acre)에 적용하고, 각 소유역의 도심 면적 비율을 반영하여 면적 가중 방식으로 소유역별 CSOs 유출량(ton/yr)을 추정하였다(Table 1). 산정된 연평균 발생량은 시계열 분석을 위해 시간적 상세화가 요구된다. 이를 위해, 중랑천 모의 결과에서 CSOs 발생이 특정 강우 조건(누적강우량 5mm 이상, 강우강도 5mm/hr 이상)에서 민감하게 반응하는 특성을 차용하여, 안양천 유역의 강우사상 중 해당 조건을 만족하는 경우를 CSOs 발생 이벤트로 가정하였다. 이후, 연평균 발생 총량을 각 이벤트의 강우 규모(예: 총강우량)에 비례한다고 가정하고 가중 분배하여 이벤트별 발생량(ton/event)을 추산하였다. 또한, 이벤트 내 시간 분포를 현실적으로 반영하기 위해 실제 모니터링 자료를 활용하였다. CSOs 월류 또는 관련 수질지표의 관측 자료로부터 도출된 시간적 패턴을 적용하여, 이벤트별 CSOs 발생의 시간 분포를 모형 입력자료에 반영하였다^{(Bicknell et al., 2001; Hevesi et al., 2025)}. 산정된 유출량은 HSPF 모형의 소유역에서 발생하는 불투수면 유출량을 기반으로 한 외부 유입 시계열 자료(EXT SOURCES)로 구현하였다. 이와 같은 간접 추정 방식은 실측 유량 자료 확보가 어려운 도시 유역에서 공간 특성이 유사한 인접 유역의 모형 결과를 보완적으로 활용함으로써, 정량적 부하 입력자료를 구성할 수 있는 실용적인 접근 방법이다^{(Seoul Metropolitan Government, 2022)}. 다만, 한강 유역 내 다른 도시 하천의 CSOs 모의 결과를 안양천 유역에 적용함에 있어 유역과 관망 이질성에 따른 모형 모의 및 해석에의 한계가 존재한다.

2.4 시나리오 구성

안양천 유역을 대상으로 CSOs 저감을 위한 BMPs 중 하나인 지하저류시설의 적용 방안은 불투수면 유출수를 집수하는 가상 하천 개념을 통해 모형에 반영하였다. 각 소유역에서 발생한 불투수면 유출수는 해당 가상 하천으로 유입되도록 설정하였으며, 가상 하천에는 지하저류시설의 설계 처리용량을 적용하였다. 가상 하천 내에서는 HSPF의 네트워크 구조를 활용하여 두 개의 출구(EXIT)를 설정하였다. EXIT 1은 지하저류시설의 처리용량 이내에서 저류 및 처리가 이루어진 후 하천으로 방류되는 유량을 의미하며, EXIT 2는 처리용량을 초과하여 발생하는 월류유량(bypass flow)을 표현한다. 두 출구를 통해 분기된 유량은 대상 소유역의 하도구간(RCHRES)으로 전달되도록 설정하였다(Fig. 3). 본 연구에서는 지하저류시설의 유량 감소 및 체류시간 증가는 고려하지 않고, 오염물질의 처리효율에 따른 질량 저감 기능만을 구현하였다. 오염물질 처리효율은 HSPF의 MASS-LINK 기능을 이용하여 적용하였으며, 저류시설로 유입되는 오염물질 부하량에 사전에 정의된 제거효율을 곱하는 방식으로 직접적인 질량 저감이 이루어지도록 설정하였다. 이 과정에서 유량은 조정하지 않고, 수질 부하량만 감소하도록 구현하였다. 수질 개선 효과를 정량적으로 평가하기 위하여 네 가지 모의 시나리오를 구성하였다. 시나리오는 기준, 처리효율, 처리용량, 저감시설위치변경으로 구분하였으며, 각각 도시 유역의 지형적 특성, 기존 기반시설의 분포, 유입 유량 특성 등을 반영하여 설정하였다. 이를 통해 BOD, T-N, T-P 등 주요 수질 항목의 농도 변화 및 오염물질 저감률을 비교⋅분석하였다.

기준 시나리오는 안양천 유역의 현행 수질 상태를 재현하기 위해 수질측정망의 관측 자료를 기반으로 보정⋅검정을 거쳐 구축된 모형을 활용하였으며, 향후 BMPs 적용 시나리오와의 비교 분석을 위한 기준으로 활용되었다. 처리효율 기반 시나리오는 실제 설치된 지하 저류시설 4개소(당정, 비산동, 철산동, 신정)를 반영하여 구성되었으며, 적용된 저감효율 기준에 따라 두 조건으로 구분하였다. 첫 번째 조건으로는 환경부 비점오염저감시설 매뉴얼에 제시된 항목별 평균 저감효율(BOD 25%, T-N 24%, T-P 20%)을 적용하였다. 두 번째 조건은 안양천 유역에서 실제 운영 중인 지하 저류시설을 대상으로 2020년 12월부터 2021년 9월까지 총 3회 강우 시 모니터링을 수행하였으며, 이를 통해 산정된 실측 저감효율(BOD 33%, T-N 34%, T-P 31%)을 모형에 반영하였다. 두 조건은 동일한 시설 배치와 유역 특성을 공유하며, 처리효율의 차이를 변수로 설정하여 수질 모의 결과를 비교하였다. 처리용량 시나리오는 처리효율 시나리오에서 설정된 4개소 지하 저류시설의 용량을 기준으로, 저류시설로 유입되어 처리 대상이 되는 최대 유량을 각각 50% 축소한 조건과 200%로 확대한 조건으로 구성하였다. 시설 규모의 변화에 따라 BOD, T-N, T-P 항목의 농도 및 저감률 변화를 분석하였으며, 이를 통해 저장 용량 증감에 따른 처리 성능의 민감도 및 한계점을 평가하였다. 이때 유입 유량 및 오염물 부하는 기준 시나리오와 동일하게 유지하여 용량 변화에 따른 영향만을 분리하여 검토하였다. 저감시설위치변경 시나리오는 기존 시설 대신 안양⋅석수⋅역곡 하수처리장 인근에 BMPs를 신규 설치하는 조건으로 구성하였으며, 저류시설이 연결되는 가상 하천 및 대응 하도구간의 위치를 변경하는 구조이다. 하수처리장 인근 지역은 유역 내 오염 부하가 집중되는 지점으로, 유입수의 양과 농도가 비교적 높아 구조적 BMPs의 설치를 통해 보다 효율적인 오염물질 저감이 가능할 것으로 판단된다. 또한 처리 용량을 초과하여 발생하는 우회 유출수(bypass)를 사전에 처리하거나 완충하는 측면에서도 해당 위치는 전략적 이점을 가진다. 기존 하수처리 기반시설과의 연계 운영이 용이하고, 유지관리 측면에서도 효율성이 높아 설치 후보지로서의 적합성이 크다^{(Anyang City, 2020; Seoul Metropolitan Government, 2022)}. 신규 BMP의 저류용량은 안양천 유역 내 기존 지하저류시설의 규모 및 도심형 시설의 일반적인 범위를 고려하여 설정하였다. 안양천에 설치된 신정지하저류시설은 30,000 m³, 비산동⋅철산동⋅당정 시설은 2,500∼4,000 m³ 수준이며, 매뉴얼에서는 도심형 시설의 권장 용량을 2,000∼10,000 m³로 제시하고 있다^{(Ministry of Environment, 2020; Seoul Metropolitan Government, 2022)}. 이를 바탕으로 안양 및 석수 지역에는 각각 34,500 m³, 역곡 지역에는 5,000 m³의 저류용량을 설정하였다. 본 시나리오는 하수처리장 인접 유역의 유출 특성 및 오염물질 농도 분포를 고려하여, 공간적 배치 변경이 수질 개선 효과에 미치는 영향을 평가하는 데 중점을 두었으며, 해당 시설의 배치도는 Fig. 4에 제시하였다. 특히 안양천9 지점의 수질 변화를 통해 하류 수역에 대한 누적 저감 효과를 분석하였다.

Fig. 3. Conceptual schematic of the implementation of underground storage facilities in the HSPF model.

Fig. 4. Spatial layout of existing and newly proposed BMP installations in the Anyangcheon watershed. Green boxes indicate existing BMPs under the Treatment Efficiency and Storage Capacity scenarios, while orange boxes represent new BMPs under the Facility Location scenario.

3.1 유역모형의 보정 및 검정

HSPF 모형의 보정 및 검정은 시행착오법(trial-and-error method)을 적용하였다. 시행착오법은 관측 자료와 모의 결과 간의 차이를 최소화하는 것을 목적함수로 설정하고, 모형 성능 지표가 사전에 설정한 평가 기준을 만족할 때까지 주요 매개변수를 반복적으로 조정하는 방법이다. 목적함수는 PBIAS, 결정계수(R²), Nash–Sutcliffe Efficiency (NSE)를 활용하였다(Table 2). 상류 지점부터 하류 지점 순으로 유량을 우선적으로 보정하였으며, 이후 관측 유량과 모의 결과를 비교하여 검정을 수행하였다. 유량 보정이 완료된 후에는 수질 인자를 순차적으로 보정하였는데, 보정 순서는 질소, 인, Chlorophyll-a, BOD의 순으로 설정하여 상호 연관성이 큰 인자부터 단계적으로 매개변수를 최적화하였다. 대상 유역에서 환경부 수질측정망인 안양천3, 안양천7, 안양천9 지점을 대표지점으로 선정하여 보정 및 검정을 실시하였다(Table 3). 모든 매개변수는 HSPF 사용자 매뉴얼 및 EPA 기술 지침서에 제시된 권장 범위 내에서 설정되었다^{(Borah and Bera, 2004; Yoon et al., 2007)}. 또한, HSPF 모형의 국내 적용사례에서도 유사한 보정 접근 방식이 활용된 바 있으며, 주요 통계 지표를 활용한 적합도 검정 기준이 정립되어 있다^{(Kim and Kim, 2004; Lee et al., 2023)}. 관측값과 모의값을 비교하여 동일한 성능지표를 기준으로 유량과 수질을 평가하였으며, 각 지표의 평가 기준은 Table 2에 제시하였다^{(Moriasi et al., 2007)}. 수질 관측자료는 불규칙한 시간 간격으로 수집되었으므로, 전체 모의 기간에 대한 일괄 비교를 수행하지 않고, 관측자료가 존재하는 날짜에 한해 모의 결과를 집계하여 비교하였다.

안양천3 지점에서는 유량의 R²(0.80, 0.73), NSE(0.77, 0.79), PBIAS(14.2%, 10.7%)는 모두 Good에서 Very good으로 나타났다. 수질은 BOD의 R²(0.31, 0.31), NSE(0.67, 0.68), PBIAS(0.1%, 12.1%)로 R²를 제외한 다른 항목은 Good에서 Very good으로 나타났으며, T-N의 R²(0.76, 0.74), NSE(0.54, 0.42), PBIAS(15.8%, 16.1%)는 검정 NSE를 제외하고 모두 Satisfactory에서 Very good으로 나타났으며, T-P의 R²(0.33, 0.31), NSE(0.47, 0.58), PBIAS(21.4%, 5.9%)는 R²와 보정 NSE를 제외하고 모두 Satisfactory에서 Good으로 나타났다.

안양천7 지점에서는 유량의 R²(0.59, 0.68), NSE(0.69, 0.68), PBIAS(9.1%, 12.6%)는 모두 Satisfactory에서 Very good으로 나타났다. 수질은 BOD의 R²(0.35, 0.33), NSE(0.81, 0.71), PBIAS(11.2%, 4.0%)는 R²를 제외한 다른 항목은 Good에서 Very good으로 나타났으며, T-N의 R²(0.81, 0.77), NSE(0.76, 0.45), PBIAS(8.7%, 17.0%)는 검정 NSE를 제외하고 모두 Good에서 Very good으로 나타났으며, T-P의 R²(0.50, 0.30), NSE(0.65, 0.61), PBIAS(4.7%, 1.8%)는 보정 R2를 제외하고 모두 Satisfactory 에서 Very good 으로 나타났다.

안양천9 지점에서는 유량의 R²(0.59, 0.69), NSE(0.46, 0.88), PBIAS(10.8%, 4.1%)는 보정 NSE를 제외하고 Satisfactory에서 Very good으로 나타났다. 수질은 BOD의 R²(0.47, 0.35), NSE(0.84, 0.52), PBIAS(16.9%, 6.0%)는 검정 R²를 제외한 다른 항목은 Satisfactory에서 Very good으로 나타났으며, T-N의 R²(0.67, 0.59), NSE(0.49, 0.50), PBIAS(15.0%, 3.0%)는 보정 NSE를 제외하고 모두 Satisfactory에서 Very good으로 나타났으며, T-P의 R²(0.34, 0.35), NSE(0.89, 0.82), PBIAS(17.6%, 16.7%)는 R²를 제외하고 모두 Good 에서 Very good 으로 나타났다.

모형 검정 결과, 유량은 전반적으로 높은 재현성을 보여주었다. 안양천3 지점에서는 R²와 NSE가 모두 우수한 수준으로 나타나 수문학적 모의의 신뢰성이 확보되었으며, 안양천 7과 안양천 9에서도 PBIAS가 양호하여 유량 모의는 대체로 Good∼Very good 수준으로 평가된다. 반면 수질 인자에서는 지점별로 편차가 나타났다. BOD의 경우 NSE와 PBIAS는 비교적 양호하였으나 R² 값이 낮게 나타나 관측자료의 불규칙이 반영된 것으로 판단된다. T-N은 보정 단계에서는 R²와 NSE가 우수하게 나타났으나 검정 단계에서 NSE가 저하되어 장기 모의 시 안정성 확보가 필요하다. T-P는 대부분의 지점에서 R²가 낮게 나타났지만, NSE가 일부 구간에서 매우 우수하게 나타나 지표별 해석에 주의가 필요하다.

3.2 BMPs 적용에 따른 수질 개선 효과

3.3 고찰

구조적 최적관리기법(BMP)의 적용에 따른 수질 개선 효과를 정량적으로 분석한 결과, BMPs의 저감 성능은 처리 효율보다는 유입 부하, 설치 위치, 유역 특성과 같은 공간적 요인에 의해 크게 좌우되는 것으로 나타났다. 이러한 결과는 오염원 분포와 유출 경로를 고려한 공간적 설계가 도시 유역의 수질 개선에 있어 핵심임을 강조한 선행 연구의 결론과도 일치한다^{(Tarabih et al., 2024)}. 특히 오류천과 같이 고농도 오염 부하가 집중되는 지역에서는 30% 이상의 상대적으로 높은 저감률이 관측된 반면, 유역 하류 지점에서는 1% 미만의 개선 효과에 그쳤다. 이는 BMPs의 공간적으로 제한된 적용 효과를 보여주며, 전체 유역 수질 개선을 위해서는 보다 통합적이고 전략적인 접근이 요구됨을 의미한다.

기존 연구들이 주로 정량적 처리 효율에 중점을 두었다면, 본 연구는 저장 용량 변화 및 시설 위치 변경과 같은 공간적 변수에 따른 수질 변화를 함께 분석하였다는 점에서 차별성이 있다. 예를 들어, 저장 용량을 2배로 확대한 경우 일부 항목에서 유의한 수질 개선이 나타났으나, 하류 전체 수역에는 제한적인 영향만을 미쳤다. 이는 공간적 확산성과 유출 분산 특성이 복합적으로 작용함을 보여주는 결과로, 단일 시설 기반 접근의 한계를 보완할 수 있는 설계 전략이 필요함을 시사한다. 정책적 활용 가능성과 관련하여, CSOs 제어곡선 설계에 리스크 기반 접근을 적용한 연구는 정책 결정 지원 도구로의 확장 가능성을 제시하고 있으며^{(Cho, 2006; Cho et al., 2007)}, 본 연구의 결과 역시 유역 내 구조적 BMPs 적용 시 공간적 효율성 평가를 위한 기초 자료로 활용될 수 있다.

한편, 본 연구는 다음과 같은 한계를 가진다. 첫째, SWMM 기반 CSOs 유출량은 외부 자료에 의존하여 추정되었으며, 실측 자료를 활용한 정밀한 입력자료 구축이 이루어지지 못했다. 둘째, BMPs의 장기 성능 저하, 유지관리 비용, 운영상 한계 등은 모형에 반영되지 않아 실효성이 과소평가되거나 과대평가될 가능성이 있다^{(Lee and Shin, 2019)}. 이러한 한계를 보완하기 위해, 향후 연구에서는 실측 기반 유출량 및 저감 효율 자료의 확보와 함께, LID 기법을 포함한 다양한 저감시설과의 통합 적용, 유지관리 주기 및 운영 현실성을 반영한 평가가 병행되어야 할 것이다^{(Lee et al., 2019)}. 또한, 기후변화에 따른 강우 패턴 변화와 CSOs 발생 특성을 고려한 시나리오 기반 모의, HSPF 모형을 활용한 비점오염 저감을 위한 조림지 조성 효과 분석^{(Lee et al., 2019)}, 도시 내 투수 포장재, 옥상녹화, 빗물저장조 등의 공간적 설치 우선순위 분석^{(Chae et al., 2023)}과 같은 최근 연구들은 본 연구와 유사한 방식으로 확장 가능하며, 도시 유역의 통합적 저감 전략 수립을 위한 실질적인 기초 자료로 활용될 수 있다. 종합적으로, 본 연구는 고도 도시화 유역에서 구조적 BMPs의 수질 개선 효과를 공간적 관점에서 정량적으로 평가하였다는 점에서 실무적 의의가 있으며, 향후 도시 유역 관리 전략 수립 및 비점오염 저감 사업 추진을 위한 근거 자료로 활용될 수 있다.