Ⅰ. 서 론
한국의 농업용수댐은 관개용수 및 환경유지용수 등을 담당하는 주요 수자원이다. 지난 수십 년 동안 약 18,000개의 농업용수댐이 건설 및 운영되어 왔으며, 한국농어촌공사와 지자체에 의해 관리되고 있다. 그러나 농업용수댐의 수자원 관리는 빠른 경제성장, 도시화 및 기후변화로 인해 시스템 관리의 복잡성이 크게 증가하고 있으며, 미래 한국의 평균 기온은 현재 평균기온의 약 20~40%까지 더욱 증가할 것으로 예측되고 있다 (Nam et al., 2015; KMA, 2018). 미래 강수 패턴은 시공간적으로 더욱 변동성이 증가하는 것으로 분석되고 있다 (Nam et al., 2015).
2011년부터 2100년의 기간에 대해 이루어진 한국의 농업용수 시스템의 기후변화 취약성 분석결과에 의하면, 농업용 저수지를 포함한 농업용수 시스템의 전반적인 기후변화 취약성이 장기적인 측면에서 지속적으로 증가하는 것으로 분석되었다 (Nam et al., 2015). 그러나 기존 연구는 주로 농업용수 시스템에 대한 기후변화 영향만을 고려한 것으로, 농업 종사자, 농경지 면적, 작물품종 등 농업에 영향을 미칠 수 있는 사회경제 변화에 대한 복합적인 영향은 고려하지 않고 있다. 이처럼 농업용수 시스템에 대한 사회경제 변화의 영향 또는 기후 및 사회경제의 복합적 영향을 고려하지 않는 경우 미래 기후변화에 대한 시스템 성능평가가 부정확하거나, 농업용수 분야, 농업 분야, 사회경제 분야 간의 상호영향으로 인한 적응 전략수립에 부적절한 의사결정이 이루어질 수 있다. 따라서 농업용수 시스템에 대한 기후 및 사회경제 변화의 복합적 영향을 미래 기후변화에 대한 시스템 성능평가에 고려할 필요가 있다.
기후변화는 관개용수 가용량 뿐만 아니라 관개 필요수량에도 영향을 미친다. 또한 농작물 수익 및 비용, 농촌 인구변화 등 농업 관련 사회경제 요소들의 변화는 작물 품종, 농업 면적, 농업 생산량 등에 영향을 미치며, 결국 농업용 관개수요의 변화에 영향을 미친다. 이에 본 연구에서는 ① 기후 및 사회경제 요소들과 상호작용하는 농업용수 시스템의 구조를 이해하고, ② 의사결정에 영향을 미치는 불확실성과 복잡성을 고려할 수 있는 농업용수 시스템 기후 복원력 평가체계를 개발하고자 한다.
이를 위해 본 연구에서는 농업용수 공급시스템과 기후 및 사회경제요소 간의 피드백 상호작용을 정량적으로 분석하기 위해 시스템 다이내믹스 (System Dynamics) 방법을 적용한다. 시스템 다이내믹스 접근법은 기존에 피드백 상호작용 및 시간 지연 등을 고려하여 복잡계 시스템의 동태적 거동을 분석을 하는데 널리 사용되어왔다 (Park et al., 2012; Lee et al., 2012). 시스템 다이내믹스 분석은 시스템 내 개별적 요소들에 초점을 두기 보다, 전체적인 시스템 관점에서 각 구성요소들 사이의 순환적 인과관계 및 피드백 상호작용에 초점을 둔다 (Forrester, 1997; Sterman, 2000). 시스템 다이내믹스 방법론은 사회, 경제, 공학 등 다양한 분야에 적용되어 왔으며, 수자원 관리, 지하수 관리, 농업 용수, 수질 관리, 물-에너지-탄소 넥서스 등 물관리 분야에서도 사용되어 왔다 (Mereu et al., 2016; Balali and Viaggi, 2015; Liu et al., 2015; Chhipi-Shrestha et al., 2018). 국내의 경우, 미래 기후변화를 고려하여 도시 물수요를 만족하기 위한 저수지 운영 (Lee et al., 2012), 상하수도 시스템의 효율적인 운영 및 유지관리 위한 의사결정모형 (Park et al., 2010, 2012) 등 수자원 및 물 인프라 시스템 관리 연구에 시스템 다이내믹스 방법이 적용되어 왔다. 농업용수 시스템 관련하여, Jeong et al.는 지역하수 처리수를 이용한 농업용수 시스템 경제성 분석 등에 시스템 다이내믹스 방법이 적용한 바 있다. 그러나, 그러나, 기후 및 사회경제 요소들과 상호작용하는 농업용수 시스템의 장기적 거동과 시스템 내 내재된 복잡한 피드백 상호작용을 다룬 연구는 부족한 실정이다. 따라서 본 연구는 시스템 다이내믹스 방법을 기반으로 한 농업용수 시스템 기후 복원력 평가체계를 개발한다. 해당 평가체계는 향후 기후 및 사회경제 요소의 변화와 불확실성을 고려하여 농업용수 시스템을 계획하기 위한 의사결정지원모형으로 사용될 수 있을 것으로 기대된다.
Ⅱ. 기후 복원력 평가체계의 설계
1. 기후 복원력 평가체계 설계 요구조건
본 연구에서 개발되는 기후 복원력 평가체계의 요구조건을 검토하기 위해 공학과 비공학 분야에서 시스템적 설계를 위해 널리 적용되고 있는 공리적 설계 (axiomatic design) 방법을 적용하였다 (Kulak et al., 2010; Rauch et al., 2016). 공리적 설계 과정은 주어진 시스템 설계 목적을 달성하기 위해 Fig. 1의 4가지 영역들 사이를 정보를 교환하며, 완성된 시스템이 만족해야 하는 고객의 필요조건 (Customer Attributes, CAs), 이를 달성하기 위한 기능적 요구 조건 (Functional Requirement, FRs), 기능적 요구조건을 만족하기 위한 설계 인자 (Design Parameter, DPs), 그리고 설계 과정에서 설계 인자를 구현하기 위한 과정 변수 (Process Variables, PVs)를 정의하여 설계가 이루어진다 (Suh, 2001). 즉, 각 영역들을 지그재그로 오가며 영역별 속성들을 논리적이고 이성적인 사고를 통해 매핑 (mapping)하는 과정이다.
본 연구의 복원력 평가체계는 궁극적으로 미래 기후변화 영향에 대응하기 위해 농업용수 시스템의 복원력 기반 적응전략들을 검토하는데 목적이 있다. 이러한 맥락에서 고객의 필요조건을 검토하기 위해 사이버네틱스 분야에서 설명되고 있는 적응형 제어 시스템 개념을 살펴보았다. 일반적으로 물 인프라 시스템 관리의 궁극적인 목적은 시스템의 기능적 상태 또는 성능을 목표로 하는 상태 또는 만족할 수 있는 상태로 유지하는데 있다 (Grigg, 2012). 이러한 목적은 사이버네틱스 분야에서 다루고 있는 제어 시스템의 목적과 잘 부합된다 (Lerner, 2012). 교란 요인이 시스템을 교란하게 되면, 시스템의 상태는 평상시 또는 목표로 하는 상태보다 감소하게 된다. 이때, 시스템 관리자 (C)는 교란요인에 대한 시스템의 반응 (X)을 측정 또는 관측하여 시스템 상태 (X')를 진단하게 된다. 그러면 교란된 시스템은 시스템 관리자가 현 시스템 상태가 목표 성능을 만족할 수 있도록 대안을 투입함으로써 관리가 이루어진다 (Ackoff, 1971). 이러한 관리기작은 음의 피드백 형태를 보여주는데, 사이버네틱스 학자들은 이러한 피드백 구조를 강화하는 것이 결국 교란요인과 그들의 불확실성에 대응하여 시스템 적응능력을 제고하는 것이라 설명하고 있다 (Ashby, 1991; Lee et al., 2012).
이에 Lee et al. (2012)는 시스템 관리에 있어서 1) 교란요인과 시스템 상태에 대한 부적절한/부정확한 정보, 2) 관리 대안의 제약 및 부재, 3) 부족한 인적/물적 자원과 관련된 문제를 해결함으로써 제어 시스템의 음의 피드백 구조를 강화할 수 있다고 설명하였다. 본 연구에서 개발되는 기후 복원력 평가 체계는 이 중 첫 번째 문제를 다루는 것으로, 기후 및 사회경제 변화 등의 교란요인에 대하여 복원력 등의 시스템 성능 평가를 제고하는 데 초점을 두고 있다. 따라서 공리적 설계에서 고객 영역의 고객 필요조건은 관리기작의 음의 피드백 구조의 첫 번째 문제와 관련된 제어 시스템 요소들로 정의하였다.
해당 제어 시스템 요소에 기반한 고객 필요조건을 바탕으로 각 고객 필요조건에 부합하는 기능적 영역의 기능적 요구조건과 기능적 요구조건을 충족하기 위한 물리적 영역의 설계 인자들을 Table 1에 나타내었다. 생산 영역의 과정 변수는 시스템 설계자의 기호나 상황에 따라 다양하게 고려될 수 있다. 예를 들어, 표 1의 설계인자 DP32의 경우, 시스템 기능적 상태 (system functionality)는 만족되는 수요량, 저수지 유량, 작물 수익 등 다양하게 정의될 수 있을 것이다. 따라서 본 연구에서 고려된 복원력 평가 체계의 요구조건은 물리적 영역의 설계 인자들로 고려되었다.
Table 1
FRs and DPs for ACRA framework
2. 농업용수 시스템 기후 복원력 평가체계
복원력 평가체계 요구조건을 바탕으로 개발된 농업용수 시스템 기후 복원력 평가체계는 Fig. 2와 같으며 기후 복원력 평가를 위해 데이터 생산, 시스템 모델링, 성능평가, 불확실성 매핑 등의 과정들이 포함되어 있다. 총 6단계로 구성된 복원력 평가체계는 농업용수 시스템에 대한 기후 및 사회경제 영향의 종합적인 분석에 그 목적이 있으며 본 연구 대상지인 성주댐 유역에 적용하여 미래 기후 및 사회경제적 변화의 복합적인 영향에 대한 시스템 복원력을 다음의 절차에 따라 평가하였다.
1) (교란인자) 기후 및 사회경제적 요소의 주요 교란인자를 규명하고, 이들의 시계열 자료를 구축 및 분석
2) (문제정의) 시계열 자료 및 HOMWRS 분석을 통해 기후 시나리오에 따른 농업용수 시스템 성능 분석 및 문제 정의
3) (시스템 구조) 기후 및 사회경제적 요소와 대상유역 농업용수 시스템 요소간 피드백 및 상호작용 이해를 위한 시스템 구조의 동적가설 (dynamic hypothesis) 설정
4) (시스템 모델) 기 설정된 동적가설 기반의 시스템 다이내믹스 모형을 개발하고 대상 유역의 용수공급 시스템 성능 (예: 공급 가용량) 분석
5) (시스템 평가) 분석된 시스템 성능을 통해 신뢰성, 회복력 및 취약성 (R-R-V)을 분석하여 농업용수시스템의 기후 복원력을 종합적으로 평가
6) (불확실성 평가) 미래 기후 및 사회환경 변화의 불확실성을 고려하여 복원력 기반 적응전략을 평가할 수 있도록 미래 불확실성에 따른 농업용수 시스템 복원력 평가
Ⅲ. 모형 적용 및 분석
1. 대상유역 및 분석절차
본 연구에서 개발된 농업용수 시스템 기후 복원력 평가체계를 구현하기 위해 한국 경북에 위치한 성주군 농업용수 시스템 복원력 평가에 적용하였다. 성주군은 참외 생산지로 유명한 곳이며, 한국의 남부 지역에 위치해 있다. 성주군의 농업지역은 한국에서 가장 큰 농업지역 중 하나로 농업 면적이 약 8,510 ha에 달한다. 성주군의 총 인구는 약 46,886명이며 그 중 농업 종사자수는 약 14,244명으로 집계되고 있다. 성주군의 총 인구와 농업인구는 약 0.27, 5.74%로 감소 추세에 있다.
Fig. 3의 성주댐은 성주 농업용수 시스템의 주요 수자원으로써 한국농어촌공사에서 관리한다. 성주댐은 10년 가뭄 빈도로 설계되어 1997년에 완공되었으며, 저수 용량은 약 47,490톤 규모이다. 성주댐의 물은 관개용으로 사용될 뿐만 아니라 인근 지역의 가정용수, 수력발전 및 환경유지용수 등으로도 공급된다.
2. 단계 1: 시스템의 교란요인 분석
성주댐 농업용수 시스템의 복원력 평가는 성주군의 미래 기후 요소들에 대한 예측이 필요하다. 한국의 경우 기상청에서 PRISM 모형 (Parameter-elevation Regressions on Independent Slopes Model)의 통계적 상세화 기법을 통해 고해상도 (1 km)의 지역 기후요소들에 대한 정보들을 시계열로 제공하고 있다 (Nam et al., 2015). 따라서 본 연구에서는 해당 기후 자료들을 사용하였으며, 기후 시나리오로는 RCP4.5와 RCP8.5 시나리오를 고려하였다. 예측된 기후 요소들에 대한 효과적 분석을 위해, 시계열 자료를 Table 2와 같이 4개의 시간 구간으로 나누어 분석하였다.
Table 2
Classification of climate data from RCP scenarios
| Classification | Time period | Data source |
| Base (historical) | 1979~2017 | Observation from KMA |
| Short term | 2018~2040 | RCP 4.5 and 8.5 scenarios from KMA |
| Mid term | 2041~2070 | |
| Long term | 2071~2100 |
Fig. 4는 RCP4.5와 RCP8.5 시나리오에 대해 성주군 지역의 연 강수량 변화를 나타낸 다. 미래 단기, 중기, 장기 시간 구간에 대한 연강수량 변화를 과거 자료와 비교할 수 있다. Fig. 4 (a)에서 보면, RCP4.5 시나리오에서는 단기 구간에서 평균 연강수량이 약 7%정도 증가하나 이후 중기 및 장기 구간에서는 연강수량 변화가 크게 나타나지 않음을 알 수 있다. 반면, 극한 강우사항은 장기 구간에 나타나는 것으로 분석된다.
한편, RCP8.5 시나리오에서는 중기구간 이후부터 연강수량이 약 9.0%까지 점진적으로 증가하는 것으로 분석되었다. 그러나 RCP8.5 시나리오 역시 과거 연강수량과 비교했을 때 매우 큰 증가를 보이지는 않는 것으로 분석된다.
Fig. 5는 RCP4.5와 RCP8.5 시나리오에 대한 성주군의 평균 기온 변화를 나타낸 것이다. Fig. 5 (a)에서 알 수 있듯이, RCP4.5 시나리오에서는 평균 기온이 단기, 중기, 장기 시간 구간에 대해서 과거 평균 기온의 약 13, 19, 24%까지 증가하는 것으로 분석되었다. Fig. 5 (b)에서 알 수 있듯이, RCP8.5 시나리오에서는 단기, 중기, 장기 시간 구간에 대해서 약 14, 25, 41%로 더욱 크게 증가하는 것으로 분석되었다. Fig. 5에서 보여주는 결과들은 Nam et al. (2015)에서 한국의 남부 지역의 평균 기온 변화를 분석한 결과와 유사한 것으로 검토되었다.
Fig. 6은 RCP4.5와 RCP8.5 시나리오에 대한 성주군의 연 증발산량 변화를 분석한 결과이다. 평균 기온의 변화 추세와 유사하게, 연 증발산량 역시 전반적으로 증가하는 것으로 분석되었다. 그러나 RCP8.5 시나리오가 RCP4.5 시나리오 보다 약 1.7배 더 높은 증가를 보이는 것으로 분석되었다.
한편, 사회경제 요소들의 변화 추이를 살펴보기 위해 해당 요소들의 시계열 자료를 분석하였다. 해당 시계열 자료들은 한국 통계청에서 제공하는 통계연보를 통해 확보하였다. Fig. 7 (a)는 성주군 지역의 총 인구수와 농업 종사자수에 대한 변화를 나타낸 것이다. 성주군의 총 인구와 농업 종사자가 1990년대 초반에 크게 감소하였다가 1990년대 중반 이후에는 조금씩 감소하는 것으로 나타났다. Fig. 7 (b)는 성주댐의 수혜면적인 성주군의 농경지 면적 변화를 나타내고 있다. 성주군 논의 면적은 1990년 중반까지는 크게 감소하였다가 1990년대 중반 이후에는 조금씩 감소하는 것으로 나타난다. Fig. 7 (c), (d)를 보면, 밭작물의 단위 생산량은 논작물 보다 높고, 2000년대 중반부터는 밭작물의 비용대비 수익이 더 높은 것으로 분석되었다. 이로 인해 논 (쌀)에서 밭 (참외)으로의 재배작물 변화가 증가한 것으로 판단된다.
한편, Fig. 7 (d)는 그동안 논과 밭 모두 작물 수익이 감소해 왔음을 알 수 있다. 이는 농작물 비용이 수익보다 더 높게 증가하였기 때문인 것으로 분석되었다. 그 결과 농업종사 수의 감소와 농경지의 감소에도 영향이 있었던 것으로 판단된다.
3. 단계 2: 기후변화에 대한 시스템 반응 분석
본 단계는 과거, 단기, 중기, 장기 시간 구간에 대해 미래 기후변화 시나리오에 대한 수문학적 요소와 관개 요소들의 거동 변화를 HOMWRS를 이용하여 살펴보았다. 한국농어촌공사의 HOMWRS프로그램은 사회경제 요소 변화를 고려하고 있지 않기 때문에, 고정된 경작지 면적에 대해 기후변화에 대한 수문학적 및 관개 요소들의 영향을 분석하였다.
Fig. 8은 미래 기간에 대해 연간 성주댐 유입량의 변화를 예측한 것이다. 이전에 설명한 연강수량 패턴과 같이, RCP4.5 시나리오에서는 뚜렷한 증가를 보이지 않는 것으로 분석되었다. 중기 구간에서는 약 1.0%의 유입량 감소를 보이고 있는 반면, 단기와 장기 구간에서는 각각 11.0%와 3.0%의 유입량 증가를 보이는 것으로 나타났다. 또한 장기 구간에서 극한 강우사상의 증가로 인해 상당히 큰 유입량이 발생함을 알 수 있다.
반면, RCP8.5 시나리오에서는 연간 댐 유입량이 조금씩 증가하는 것을 알 수 있다. 가장 큰 평균 유입량의 증가는 중기 기간에 발생하는 것으로 예측되었다. 평균 연간 유입량은 단기, 중기, 장기 시간 구간에 대해 각각 약 1.0, 14.0, 12.0%까지 증가하는 것으로 분석되었다. RCP4.5 시나리오와 비교하여 RCP8.5 시나리오가 더 큰 댐 유입량일 발생할 것으로 분석되었다.
Fig. 9~10은 각각 성주군 지역의 논과 밭작물의 단위면적당 관개 수요량의 변화를 나타낸 것이다. 논과 밭작물의 관개 수요량은 RCP4.5와 RCP8.5 시나리오 둘 다 미래 시간 구간에 대해서 증가하는 것을 알 수 있다. 이는 미래 기후변화에 의해 관개 수요에 영향을 미치는 평균 기온과 연 증발산량이 증가하기 때문으로 판단된다.
Fig. 11은 기후변화 시나리오에 따른 성주 농업용수 시스템의 실패 빈도를 나타낸 것이다. 시스템 실패는 성주댐의 용수 공급 가용량이 관개 및 관개 외 수요 (생활용수, 발전용수, 환경유지용수 등)에 대한 전체 요구량을 만족하지 못할 때로 정의하였다. 앞서 언급한 바와 같이, 한국농어촌공사가 관리하는 많은 농업용 댐 저수지가 10년에 한 번 시스템 실패가 일어날 수 있는 설계빈도로 운영되어 왔으나, Fig. 11에서 알 수 있듯이 성주 농업용수 시스템은 미래 기후변화로 인해 해당 설계목표를 만족하지 못할 것으로 분석되었다. 이는 기후변화로 인해 성주댐 유입량은 거의 비슷하거나 약간 증가한 반면, 용수의 수요가 크게 증가하기 때문으로 판단된다. 특히, 논작물에 대한 용수 수요의 증가는 RCP8.5시나리오의 경우 현재 대비 약 3~11%까지 증가하는 반면, 밭작물의 경우는 약 17~50%까지 증가하는 것으로 분석되었다. 그러나 논작물의 경우 일반적으로 밭작물 보다 높은 관개수량이 요구되며, 장기적인 관점에서 논작물의 용수수요 증가량이 밭작물에 비해 약 15% 큰 것으로 분석되었다. 따라서 기후변화에 따른 전체적인 용수 수요량의 증가와 특히, 상대적으로 적은 증가율이지만 높은 관개수량이 요구되는 논작물의 용수 수요변화가 미래 성주댐 용수공급 시스템의 실패에 더욱 기여한 것으로 사료된다. 이는 사회경제변화에 의한 논작물과 밭작물의 용수 수요 변화가 성주댐 용수공급 시스템의 성능에 큰 영향을 미칠 것임을 알 수 있다.
본 단계에서는 기후변화에 대한 시스템 반응을 분석하는 데 있어서 사회경제 변화에 의한 농경지 변화는 고려되지 않았다. 농경지의 변화는 전체 관개용수 요구량에 영향을 미치며, 결국 성주 농업용수 시스템의 성능에도 영향을 미치게 된다. 따라서 기후 및 사회경제 변화의 복합적 영향은 다음 단계의 SD 모형을 통해 평가될 것이다.
4. 단계 3: 동적 가설을 통한 시스템 구조 분석
본 단계에서는 기후 및 사회경제 요소들의 영향을 포함하는 성주 농업용수 시스템의 동적가설을 CLD (Causal Loop Diagram)를 이용하여 검토하였다. Fig. 12의 CLD를 통해 관개용수 가용량과 수요량에 영향을 미치는 주요 시스템 요소들과 피드백 루프들을 포함하는 시스템 구조를 확인할 수 있다. 성주댐의 저수량 증가는 저수지 수위를 증가시키고, 이는 저수지의 수표면적을 증가시킨다. 결국 이는 저수지 표면 증발량을 증가시켜 저수량을 감소시키는 음의 루프를 보여준다 (Loop B1). 게다가 성주댐의 운영은 성주댐의 용수공급 가용량이 관개 및 관개 외 수요의 총 물 요구량을 만족하지 못하는 경우, 관개 외 수요에 대해 제한적으로 급수를 한다. 즉, 성주댐의 저수량 증가는 관개를 위한 용수공급 가용량을 만족시키며, 이는 관개 및 관개 외 수요에 대해 충분히 물을 공급할 수 있게 하여 댐 저수량을 감소하게 한다 (Loop B2와 B3). 피드백 루프 B4는 무효 방류량에 의한 댐 저수량 영향에 대해 나타낸 것이다.
피드백 루프 B5는 농업 종사자 부족과 유효 농경지 면적에 대한 상호작용을 보여주고 있다. 농경지의 증가는 더 많은 농업 종사자를 필요로 한다. 만약 요구되는 종사자 수를 만족할 수 없으면, 즉 농업 종사자가 부족하다면, 농경지의 유효면적은 잠재적으로 감소하게 될 것이다 (Loop B5). 그러나, 농경지의 증가는 작물 생산량의 증가로 이어질 수 있고, 이는 작물 수익의 증가로 이어질 수 있다. 따라서 늘어난 수익으로 농작지의 추가적 확장이 가능하고 결국 경작지 면적의 증가로 이어질 수 있다 (Loop R1). 또한 루프 B6에서 알 수 있듯이, 농경지의 면적 변화는 작물 수익뿐만 아니라 비용에 의해서도 영향을 받는다. 피드백 루프 B7은 농경지 확장의 가용면적이 농경지 확장에 미치는 영향을 보여준다. 따라서, 댐 저수량이나 농경지 면 등 주요 시스템 요소의 거동은 어느 하나의 요소나 피드백 루프가 아닌 다수의 피드백 루프와 그들의 시간에 따른 상호작용에 의해 결정됨을 알 수 있다.
본 단계에서의 CLD는 총 33개의 주요 시스템 요소를 포함하고 있으며 7개의 음의 피드백 루프와 1개의 양의 피드백 루프로 구성되었다. 해당 CLD는 다음 단계에서 성주댐 저수지, 관개 수로, 관개 수요량, 농경지, 농업 종사자 및 농작물 수익과 관련하여 저량-유량 흐름도를 통해 정량화하였다.
5. 단계 4: 저량-유량 흐름도 (SD 모형) 개발
본 단계에서는 성주 농업용수 공급 시스템에 대한 동적가설 이해를 바탕으로 저량 변수와 유량 변수를 이용한 SD 모형을 개발하였으며, 개발된 SD 모형은 성주댐, 관개수요, 관개수로, 작물수익, 농업 종사자 등 총 8개의 하위모형으로 구성되어 있다.
하위모형 1은 성주댐의 연간 저수량을 평가한다. 연간 저수량은 저수지 유입량에 의해 증가하며, 물 공급과 저수지 증발, 여수로 방류 등에 의해 감소한다. 관개용수 공급량은 수혜면적 변화에 따른 관개 요구량과 관개수로에서의 물 손실에 의해 결정된다. 기타 용수 공급량은 수력발전, 가정용수, 및 환경유지 용수량에 의해 산정된다.
하위 모형 2는 논과 밭 작물에 대한 연간 관개수요량을 산정한다. HOMWRS 프로그램을 이용하여 논과 밭작물에 대한 관개 수요를 산정하였다.
하위 모형 3은 성주댐의 연간 관개 외 수요에 공급되는 물의 양을 산정한다. 성주댐의 물은 수력발전, 가정용수, 그리고 환경유지용수로 공급되므로 이들 수요량의 합에 의해 산정된다.
하위 모형 4는 관개 수로의 노후 상태를 평가한다. 관개수로 노후 정도의 평가는 설치 경과년수에 따라 노후도가 선형적으로 증가하는 것으로 가정하였다.
하위 모형 5는 관개 수로에서 손실된 물의 양을 평가한다. 관개수로 상태에 따른 물 손실율을 고려하여 산정하도록 하였으며, 물 손실율은 성주댐에서 공급되는 물의 양에 대해 각 관개수로 상태별로 발생되는 물손실량의 비로써 정의된다.
하위 모형 6은 논과 밭작물에 대한 농경지 면적을 산정한다. 각 농작물의 면적은 전체적인 경작지 면적의 증감이나 재배작물 변화에 의해 변화할 수 있다. 이를 고려하여, 모형 6은 하위 모형 7과 8에서 각각 평가되는 농업종사자 부족 지수와 논작물 수익 지수에 따라 각 작물의 면적 변화가 결정된다.
하위 모형 7은 논에서 밭작물로의 품종 변화를 결정하는 논작물 수익 지수를 평가한다. 순수 작물 수익은 작물 비용에 대한 수익의 비로 정의된다. 작물 수익은 해당 작물 생산량과 단위 판매 가격의 곱에 의해 산정되며 작물 비용은 해당 작물의 면적에 단위 작물 비용을 곱하여 산정된다. 최종적으로 논작물 수익 지수는 전체 논과 밭작물에 대한 순수수익 대비 최근 3년의 평균 논작물 순수수익의 비로써 산정된다.
하위 모형 8은 농작물 생산에 대한 농업종사자 부족지수를 산정한다. 농업종사자의 부족은 농업 생산량의 감소로 이어지며, 이는 농경지의 유효면적 감소로 이어진다.
6. 단계 4-1: SD모형 검보정
본 단계에서는 과거 성주 농업용수 시스템 성능에 대한 자료 부족을 고려하여 SD 모형의 충실도에 초점을 두고 검증하였다. 따라서 개발된 SD 모형이 HOMWRS를 통해 확인한 기후변화에 대한 시스템 반응을 잘 모의하는지 확인하였다. HOMWRS와의 결과를 정량적으로 비교하기 위해 시스템 기능적 상태를 성주군 농업용수 시스템의 총 수요에 대한 성주댐의 용수 공급량의 비로써 정의하였다.
SD 모형 검증은 1989년에서부터 2017년의 과거 시간 구간에 대해 모의되었다. 여기서 성주 용수공급 시스템은 현재의 농경지 면적에 대해 관개하는 것으로 고려되었다. HOMWRS 결과와 비교하기 위해, 본 단계에서 SD 모형은 사회경제 요소의 영향은 모의되지 않았으며, SD 모형 모의는 STELLA® Architect 1.6.2 버전을 이용하여 수행되었다.
Fig. 14는 SD 모형을 통해 산정된 시스템 기능적 상태의 변화를 분석한 것으로 1994년에 시스템 실패 상태가 발생한 것을 알 수 있다. HOMWRS 역시 1994년에 심각한 물부족 현상이 발생한 것으로 모의되었다. 이는 Fig. 15에서와 같이, 1994년에 연간 관개 및 관개 외 수요에 비해 저수지 유입량이 크게 감소하였기 때문이다. 따라서 당시 성주댐 저수지에는 심각한 물수지 불균형을 초래한 것으로 판단된다. 따라서 개발된 SD 모형은 이를 잘 모의하고 있으므로, 기후변화에 대한 성주군 농업용수 시스템을 모의하는 데 충실도가 높다고 판단된다.
한편, HOMWRS는 1995년에도 시스템 실패 상태로 평가되나 SD 모형에서는 확인되지 않았다. 이는 SD 모형과 HOMWRS 모의 시 시뮬레이션 시간 단위의 차이 때문인 것으로 판단된다. SD 모형은 연 단위로 모의를 하는 반면, HOMWRS는 일 단위로 분석을 한다. 일 단위의 분석 시 1995년에 물부족이 발생되는 일수가 존재하지만, 연간 전체 물수지에 있어서는 연간 저수지 유입량이 연간 용수공급량 보다 많아 SD 모의 시 시스템 실패상태로 평가되지 않는다. 본 연구에서의 기후 복원력 평가체계는 기후변화와 함께 사회경제 요소의 변화도 고려하므로 연 단위의 SD 모형 모의가 요구된다. 따라서 본 연구에서 개발된 SD 모형은 기후 및 사회경제 요소변화에 대한 성주댐 농업용수 시스템의 성능을 분석하는데 활용될 수 있을 것으로 판단된다.
7. 단계 5: 시스템 복원력 평가
본 단계에서는 기후 및 사회경제 요소 변화에 따른 미래 성주군 농업용수 시스템의 복원력을 정량적으로 평가하였다. 이를 위해 본 연구는 Hashimoto et al. (1982)에서 소개된 복원력 평가인자를 사용하였다. Hashimoto et al. (1982)의 평가 방법은 수자원 시스템 및 물 공급 시스템을 대상으로 기존의 많은 연구에서 검증되고 널리 사용되어 왔다 (Fowler et al., 2003; Asefa et al., 2014; Ren et al., 2020). 복원력 평가를 위한 식은 식 (1)에 나타나 있다.
여기서, 
는 어느 시간 t에서의 시스템 기능적 상태, F는 시스템 실패 시의 기능적 상태, S는 시스템이 정상일 때의 기능적 상태를 말한다.
해당 복원력 평가식은 시스템의 기능적 상태가 실패 상태로 있는 시간이 길어질수록, 즉 연속적인 실패 상태 기간이 길어질수록 시스템 복원력을 더욱 낮은 값으로 평가한다. 이전 시간 구간에서 시스템이 실패 상태였을 때 이번 시간 구간에서 시스템의 기능적 상태가 정상범위로 완전히 회복했다면 식 (1)은 100%의 복원력 값으로 평가한다. 따라서 Hashimoto et al. (1982)의 복원력 평가식은 시스템의 빠른 회복 능력을 잘 반영하고 있다. 그러나 시스템 성능을 평가하는 데 있어서, 단지 빠른 회복 능력만 검토하는 것은 시스템 성능에 대한 충분한 정보를 제공하지 못한다고 사료된다. 예를 들어, 시스템 실패 상태가 빈번하게 발생되더라도 다음 시간 구간에 바로 회복이 된다면 식 (1)은 100%의 복원력을 평가하게 된다. 또한 식 (1)은 시스템 실패 상태가 가볍거나 심각한 정도에 상관없이 복원력을 평가하게 된다. 따라서 본 연구에서는 시스템 성능의 종합적인 평가를 위해 빠른 회복 능력뿐만 아니라 시스템 실패 빈도, 시스템 실패 규모에 대한 정보도 함께 평가하였다. 이에 식 (2)와 (3)에서와 같이, Hashimoto et al. (1982)의 시스템 신뢰도와 취약도 평가 방법을 함께 사용하였다.
여기서, 
는 시스템 실패 시 기능적 상태의 감소 규모를 
는 해당 시스템 실패 가능도 (또는 확률)을 의미한다.
이 세 가지 지표들은 용수공급 시스템의 성능을 종합적으로 보여준다. 즉, 복원력 지수는 높지만 신뢰도가 낮고 취약도가 높은 경우는 시스템 실패가 발생하더라도 연속적인 실패가 적은 경우이나 한번 실패가 발생할 경우 높은 피해 (손실)이 발생할 경우이다. 따라서 복원력을 높이는 대안보다 피해를 줄일 수 있는 대안이 요구될 것이다.
기후 및 사회경제요소의 변화에 대한 시스템 성능 즉 신뢰도, 복원력, 취약도를 효과적으로 평가하기 위해, 기후변화 영향만을 고려하는 경우와 사회경제 분야의 복합적 영향을 고려한 경우에 대해 Table 3과 같이 분류하였다.
Table 3
Classification of system performance analysis
| Case | Climate change | Socio-economic change | Crop area change | Note |
| 1 | O | X | X | Initial planned crop areas |
| 2 | O | X | X | Current crop areas |
| 3 | O | O | O | - |
Fig. 16은 Table 3의 세 가지 분석 케이스에 대해 RCP4.5와 RCP8.5 시나리오에 대한 시스템 상태 변화를 나타낸 것이다.
Case 1의 경우, 가장 빈번하게 시스템 실패가 발생하는 것을 알 수 있다. 이는 성주댐 용수공급 시스템의 수혜면적이 대부분 초기 성주댐 설계시의 수혜면적으로 분석하여 상대적으로 높은 용수수요량이 반영되었기 때문이며 또한, 기후변화에 의한 평균기온 및 증발산량의 증가도 성주댐 용수 수요량 증가의 원인으로 분석된다.
Fig. 16의 Case 1과 2를 보면 밭 면적의 증가에 따라 시스템 실패 빈도가 감소하는 것으로 나타난다. 또한 Case 2와 3의 경우 사회경제요소의 변화에 따른 전체 경작지의 감소로 시스템 실패는 더욱 감소된다. 따라서 사회경제요소 변화를 고려할 때 미래 성주댐 농업용수 시스템의 실패 빈도는 크게 감소하는 결과를 보여준다.
Fig. 17은 세 가지 분석케이스의 시스템 신뢰도 변화를 나타낸 것이다. Case 1과 2는 각각 전체 시간구간과 장기 구간에서는 시스템 설계 목표를 달성할 수 없는 것으로 분석되었다. 이는 기후변화로 인해 관개용수 수요가 상당히 증가했기 때문이다. 반면, 사회경제 요소의 영향도 고려하고 있는 Case 3는 시스템 설계 목표를 달성하는 높은 수준의 신뢰도를 가지는 것으로 분석되었으며 이 경우 관개용수 수요는 최대 16.1%까지 감소하였다. 한편, Case 3는 관개 및 관개 외 용수수요를 만족하는 상태가 유지될 것으로 평가되므로 장기적으로 기타용수 추가 공급도 고려해볼 수 있다.
Fig. 18은 미래 기후변화에 대해 세 가지 분석 케이스의 시스템 복원력의 변화를 나타낸 것이다. Case 1과 2는 장기 시간 구간에서 낮은 복원력을 가지는 것으로 나타났다. 이는 장기 시간 구간에 연속적인 시스템 실패 상태가 증가하였기 때문이다. 연속적인 시스템 실패는 한번 시스템이 실패상태에 있을 때 다음 해에도 완전히 회복하지 못하는 것을 의미한다. 반면에 Case 3는 전 시간 구간에 대해 100%의 복원력을 가지는 것으로 평가되었다. 따라서 사회경제 요소들의 영향을 고려하지 않는다면, 시스템의 연속적인 실패상태를 피하기 위한 전략개발이 필요할 것으로 판단된다. 한편, Fig. 17 (a) 및 Fig. 18 (a)와 같이 높은 수준의 신뢰도를 가지는 경우가 반드시 높은 수준의 복원력을 가지는 것은 아니다. 이는 연속적 실패의 지속기간에 의한 것으로 성주댐 용수공급 시스템의 연속적인 실패를 줄일 수 있는 대안이 필요할 것으로 판단된다.
Fig. 19는 분석케이스의 취약도 변화를 나타낸 것이다. Fig. 17에서 100% 수준의 신뢰도를 가진 경우에는 취약성이 표시되지 않는다. 이는 시스템 실패가 없었기 때문이다. 그러나 시스템 실패 빈도가 높을수록, 연속적 실패 지속기간이 길수록, 한 번 실패 시 시스템 기능적 상태가 크게 떨어질수록 시스템의 취약성은 크게 증가한다.
8. 단계 6: 기후 복원력의 불확실성 검토
기후변화 전략에 대한 의사결정을 위해서는 기후요소, 사회경제요소, 수문학적 요소, 농업 요소 등의 불확실성을 고려해야 한다. 본 연구의 시스템 성능에 대한 불확실성 평가는 대안이 투입되지 않은 경우에 대해 분석하였고, 불확실성 요소들의 변화에 따른 시스템 성능 변화를 매핑하는데 초점을 두었다. 그 절차는 다음과 같다. 먼저 Table 4와 같이 저수지 유입량과 관개수요량을 불확실성 요소로써 선정하고 불확실성 요소에 대해 각 시스템 성능이 만족되어야 하는 기준 범위를 설정하였다. 다음으로, 불확실성 요소들 값의 범위를 조합하여 몬테카를로 방법을 통해 SD 모형을 모의하고 Fig. 20~21와 같이 분석된 시스템 성능 값들을 두 불확실성 요소 값들의 범위로 구성된 공간에 매핑하였다.
Table 4
Uncertainty components and their variation
Fig. 20
Uncertainty of system performances for short-, mid-, and long-term period under RCP4.5 scenario
Fig. 21
Uncertainty of system performances for short-, mid-, and long-term period under RCP 8.5 scenario
Fig. 20~21은 시스템 성능이 저수지 유입량과 관개용수 수요의 불확실성 범위에 따라 얼마나 변화하는 지를 보여준다. Fig. 20~21과 같이 저수지 유입량과 관개용수 수요의 불확실성 계수 값이 각각 감소하거나 증가할수록 시스템이 더욱 낮은 신뢰도와 복원력 그리고 높은 취약성을 가지는 것을 알 수 있다. 따라서 시스템 관리자 (또는 의사결정자)는 Fig. 20~21에서 붉은 색상을 줄이는 대안이나 또는 앞서 정의된 불확실성 요소들의 기준 범위 내에서 세 가지 성능을 동시에 만족하게 하는 대안을 선택할 수 있다.
Ⅳ. 결론 및 고찰
본 연구에서는 기후 및 사회경제 요소들의 복합적 영향에 대한 농업용수 시스템의 복원력 평가 능력을 제고하고자 농업용수 시스템 기후 복원력 평가체계 (ACRA Framework)를 개발하였다. 또한, 한국의 성주댐 농업용수 시스템을 대상으로 복원력 등 미래 기후 및 사회경제요소 변화에 따른 시스템 성능을 평가하였다.
본 연구의 기후 복원력 평가 체계는 총 6개의 단계로 구성되며, 한국농어촌공사에서 개발한 HOMWRS 시스템과 시스템 다이내믹스 모델링을 연계하여 시스템 성능을 분석하였으며 기후 복원력 평가체계를 성주댐 유역에 적용한 결과는 다음과 같다.
1. 농업용수 시스템의 기후 복원력은 기후변화나 사회경제요소의 변화 둘 중 하나가 아닌, 관개용수 가용량 및 수요에 대한 기후 및 사회경제요소의 복합적인 영향에 의해 결정되는 것을 확인하였다.
2. 성주댐 농업용수 시스템은 사회경제 요소의 영향을 고려하지 않는 경우, 미래 기후변화에 대해 초기 설계목표를 달성하지 못하는 것으로 분석되었다. 따라서 연속적인 시스템 실패 기간을 줄이고 시스템 실패 시 시스템 기능의 감소의 최소화를 위한 대안이 필요하다.
3. 기후 및 사회경제요소의 복합적 영향을 고려할 경우, 성주군 농업용수 시스템은 높은 신뢰도와 복원력 그리고 매우 낮은 취약도를 가지는 것으로 평가되었다. 이 경우 성주댐의 물 공급 서비스 지역의 확대를 고려해볼 수 있을 것이다.
4. 기후변화 영향만 고려하는 의사결정은 과도한 시스템 용량 증설 등 적절하지 못한 대안을 선정할 수 있으며, 사회경제요소의 영향에 의해 시스템의 신뢰성과 경제성에 실패를 초래할 우려가 있다.
5. HOMWRS 프로그램과 시스템 다이내믹스를 연계한 기후 복원력 평가체계는 추후 연구를 통한 모델개선을 통해 기후 및 사회경제의 복합적인 영향에 대한 시스템 복원력 평가에 충분히 기여할 수 있을 것으로 판단된다.
본 연구의 기후 복원력 평가 체계는 복원력 기반 잠재적 적응 대안의 고려 없이 성주댐 농업용수 시스템의 성능 평가에 초점을 두었다. 해당 복원력 평가 체계는 시스템 복원력 제고를 위한 합리적인 의사결정도구로 사용될 수 있다고 생각되며, 추후 연구를 통해 기후 및 사회경제 요소들의 복합적 영향에 대해 농업용수 시스템의 복원력을 제고하기 위한 다양한 적응 대안의 효과를 분석할 필요가 있을 것이다. 또한, 농업용수 시스템은 식량안보, 환경 생태계, 조직자원, 다른 물 시스템 등 다양한 분야와 상호작용하고 있으므로 본 연구를 시작으로 이러한 상호작용에 대해 규명하고 요소들간 효율성을 높인다면 농업용수 시스템의 복원력 제고에 기여할 수 있을 것이다.
￭ Sub-model 1: Water volume in dam reservoir
￭ Sub-model 2: Irrigation water demand
￭ Sub-model 3: Non-irrigation water demand
￭ Sub-model 4: Irrigation channel condition
￭ Sub-model 5: Water loss in irrigation channel
￭ Sub-model 6: Agricultural area
￭ Sub-model 7: Farming income
￭ Sub-model 8: Labor forces
