Assessment of Future Water Circulation Rate in Dodang Watershed under Climate Change

Jihye  Kwak; Soonho  Hwang; Sang Min  Jun; Seokhyeon  Kim; Soon Kun  Choi; Moon Seong  Kang

doi:10.5389/KSAE.2020.62.4.099

Preview

Journal of Korean Society of Agricultural Engineers. 2020. 99–110
https://doi.org/10.5389/KSAE.2020.62.4.099

Assessment of Future Water Circulation Rate in Dodang Watershed under Climate Change

기후변화에 따른 도당천 유역 미래 물순환율 평가

Jihye Kwak^a

Soonho Hwang^b

Sang Min Jun^c

Seokhyeon Kim^d

Soon Kun Choi^e

Moon Seong Kang^f^†

곽 지혜^a

황 순호^b

전 상민^c

김 석현^d

최 순군^e

강 문성^f^†

^aMS Student, Department of Rural Systems Engineering, Seoul National University

^bResearch Professor, Research Institute of Agriculture and Life Sciences, Seoul National University

^cPh.D. Student, Department of Rural Systems Engineering, Seoul National University

^dPh.D. Student, Department of Rural Systems Engineering, Seoul National University

^eResearcher, Climate Change and Agroecology Division, National Institute of Agricultural Sciences

^fProfessor, Department of Rural Systems Engineering, Research Institute of Agriculture and Life Sciences, Institute of Green Bio Science and Technology, Seoul National University

^a서울 대학교 농촌 시스템 공학과 석사 과정

^b서울 대학교 농업 생명 과학 연구소 연구 교수

^c박사 서울 대학교 농촌 시스템 공학과 학생

^d박사 서울 대학교 농촌 시스템 공학과 학생

^e국립 농업 과학원 기후 변화 농 생태과 연구원

^f서울 대학교 농업 생명 과학 연구소 농촌 시스템 공학과 교수

^† Corresponding author Tel.: +82-2-880-4582, Fax: +82-2-873-2087 E-mail: mskang@snu.ac.kr

ABSTRACT

The objective of this study is to analyze the trend of changes in the water circulation rates under climate change by adopting the concept of WCR defined by the Ministry of Environment. With the need for sound water circulation recovery, the MOE proposed the idea of WCR as (1-direct flow/precipitation). The guideline for calculating WCR suggests the SCS method, which is only suitable for short term rainfall events. However, climate change, which affects WCR significantly, is a global phenomenon and happens gradually over a long period. Therefore, long-term trends in WCRs should also be considered when analyzing changes in WCR due to climate change. RCP (Representative Concentration Pathway) 4.5 and 8.5 scenarios were used to simulate future runoff. SWAT (Soil and Water Assessment Tool) was run under the future daily data from GCMs (General Circulation Models) after the calibration. In 2085s, monthly WCR decreased by 4.2-9.9% and 3.3-8.7% in April and October. However, the WCR in the winter increased as the precipitation during the winter decreased compared to the baseline. In the aspect of yearly WCR, the value showed a decrease in most GCMs in the mid-long future. In particular, in the case of the RCP 8.5 scenario, the WCR reduced 2-3 times rapidly than the RCP 4.5 scenario. The WCR of 2055s did not significantly differ from the 2025s, but the value declined by 0.6-2.8% at 2085s.

Keywords

Water circulation rate; climate change; RCP scenarios; General Circulation Models

SWAT

Recursive Digital Filter

MAIN

Ⅰ. 서 론

물순환은 지표수가 저류, 침투, 증발산, 유출 등의 과정을 거쳐 다시 대기로 공급되는 과정이다 (MOE, 2016; Ryu et al., 2018). 물순환 과정에서 강수는 토양, 식생, 저수지 등에 저류되어 지하수를 충진시키거나 유역 내 식생에 사용되며, 일부는 직접유출로 하천에 도달한다. 하지만 최근 불투수 면적의 증가, 지형 및 식생 변화 등으로 유역의 수문학적 기작이 바뀌고 있으며, 기후변화로 기상 패턴 또한 변화하고 있다. 이에 따라 물순환 구조가 왜곡되면서 가용 수자원의 감소, 홍수위험의 증가, 하천 건천화 등의 문제가 발생할 우려가 커지고 있다 (Kang, 2011; Kim et al., 2011; Hong et al., 2015; Kim et al., 2016). 건전한 물순환 회복의 필요성이 커짐에 따라 최근 환경부 (Ministry of Environment, MOE)에서는 수자원 중장기 관리목표로서 물순환율의 개념을 도입하였다 (MOE, 2016).

현재 물환경 보전법 (시행 2019. 10. 17.)에서는 물순환율을 (1-직접유출량/강수량)100으로 정의하고 있으며, SCS 방법을 기반으로 25.4 mm의 단기 강우 사상에 대하여 직접유출량을 계산할 것을 지침으로 하고 있다 (Ryu et al., 2018). 물순환율에 영향을 주는 요소에는 유역 내 토지이용, 토양특성 등의 유역 내적 요소와 기상 패턴 등의 유역 외적 요소가 있다. 이 중 기상 패턴은 유역 외적 요소이면서 물순환율에 큰 영향을 미치는 인자로 최근 기후변화로 인해 변화하고 있다. 특히 기후변화에 의한 기상 패턴 변동은 우리나라에 국한되어 일어나는 현상이 아닌 범지구적 현상일 뿐 아니라 장기간에 걸쳐 점진적으로 발생한다는 특성이 있다 (MOE, 2016). 그러나 기존의 SCS 방법만으로는 장기간의 물순환율 값을 평가하기 힘들다. 따라서 기후변화에 따른 물순환율 변화 분석 시에는 장기 유출을 이용하여 물순환율의 장기적 경향 또한 파악하여야 한다.

물순환율에 대해 분석한 연구는 많지 않지만, Kim (2020)이 저수지 저류 효과, 물꼬 높이 등을 추가적으로 고려하여 농업 유역의 물순환율을 개발하였으며, 이를 진위 유역에 적용한 바 있다. 개발된 농업 유역의 물순환율은 물환경 보전법에서 정의한 물순환율에 비하여 약 1.5-1.8% 크게 나타나는 것으로 확인되었다. Ryu et al. (2018)은 물순환율 산정 지침에 따른 단기 강우 사상 조건에서 대권역별 목표 물순환율을 산정하였으며, 불투수면적률이 줄어들 경우 물순환율이 개선되는 것을 확인하였다. 유역 물순환과 관련된 연구로는 Bellucci (2007)가 불투수 면적과 상류 유역의 물순환의 연관 관계를 알아보기 위해 코네티컷 주의 125개 지점에 대하여 모니터링을 수행한 바 있으며, 유역 내 불투수 면적의 비율이 높을수록 홍수 시 강우 유출이 커져 유역 물순환이 왜곡되고 수질 또한 악화되는 것으로 나타났다. Kim et al. (2020a)은 LID (Low Impact Development) 기법의 물순환 개선 효과를 확인하기 위하여 도시 유역에 SWMM 모형을 적용하였으며, LID 기법 적용 후의 유출 저감량 및 물순환 개선 목표량을 산출한 바 있다. 그러나 기존의 물순환율 및 물순환 관련 연구들은 대체로 과거 기상데이터를 기반으로 하고 있으며, 불투수면 또는 LID 기법 등에 의한 물순환 왜곡을 다루고 있어 기후변화에 대한 고려는 부족한 편이다. 따라서 기후변화에 따른 미래 물순환율 평가에 관한 연구가 필요한 실정이다.

기후변화에 따른 미래 물순환율 평가를 위해서는 기후모델을 통해 기후변화 시나리오 자료를 구축한 뒤 수문모형을 이용하여 일 유출량 모의를 수행하고, 이후 직접유출과 기저유출을 분리하는 과정을 거쳐야 한다. 기후변화가 유출량에 미치는 영향을 다루는 선행 연구들은 크게 일 유출량을 분석한 연구와 일 유출량을 직접유출 및 기저유출로 나누어 분석한 연구로 나눌 수 있다. 기후변화에 따른 일유출량 변화를 모의한 연구들은 대체로 기후변화 시나리오를 SWAT (Soil and Water Assessment Tool) 모형이나 HSPF (Hydrological Simulation Program – FORTRAN) 모형에 대입하여 산출된 장기 유출량 값을 이용하였다 (Kong, 2011; Son et al., 2011; Kum et al., 2015; Park et al., 2015; Lee et al., 2016; Jang et al., 2018;Kim et al., 2018, Lee et al., 2019; Kim et al., 2020b). 기후변화에 따른 직접유출 및 기저유출의 변화를 평가한 연구들에는 Sunde et al. (2016)은 Hinkson Creek 유역에 대하여 SWAT 모형을 이용하여 기저유출을 분리하였으며, Vozinaki et al. (2018)이 HBV (Hydrologiska Byråns Vattenavdelning) 수문모형 결과에 Lyne and Hollick filter를 적용하여 기저유출을 분리한 바 있다. Lee et al. (2014a)는 댐 유역에 SWAT_BFlow 프로그램을 적용해 기저유출 변화를 분석하였으며, Lee et al. (2014b)와 Choi et al. (2019)는 각각 급경사 유역 및 갑천 유역에 대해 Recursive Digital Filtering 방법 (Eckhardt, 2005)을 적용하여 기저유출을 분리하였다.

이처럼 기후변화에 따른 일 유출량 평가 연구는 많은 연구자에 의해 수행된 바 있으나 선행 연구들은 대부분 일 유출량을 직접유출과 기저유출을 분리하여 나타내는 데에 그치고 있다. 그러나 단순히 유출 성분 값을 제시하는 것은 장기적인 물순환 구조의 변동을 파악하기에 어려움을 줄 수 있다. 따라서 기후변화에 따른 물순환 구조의 변화 정도를 파악하기 위하여 물순환율 개념을 이용한 미래 수문순환 해석이 필요하다.

본 연구의 목적은 최근 환경부에서 정의한 물순환율 개념을 도입하여 기후모델에서 생산된 기후변화 시나리오를 유역 수문모델 SWAT과 기저유출 분리 방법인 Recursive Digital Filter에 적용함으로써 기후변화에 의한 대상 유역의 미래 물순환율 변화를 비교 분석하는 데에 있다.

Ⅱ. 재료 및 방법

1. 연구대상지

본 연구의 대상 하천은 도당천 유역으로 금강 수계이며, 서산시 음암면 도당리에서 발원하여 운산면, 해미면을 지나 간월호로 흘러가는 지방하천이다. 대상 유역은 도당천 유역으로, 충청남도 서산시 해미면에 위치한다. 유역면적은 112.9 km², 유로연장은 15.7 km, 유역 평균 경사는 9.9%이다. 유역의 토지이용 형태는 농업 지역 48.0%, 산림지역 33.2%. 도심지역 6.4%로 농지 비율이 유역의 절반을 차지한다. Fig. 1은 도당천 유역의 위치와 ArcGIS를 통해 구축한 도당천 유역의 토지이용도를 나타낸 것이다.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-04/N0740620410/images/PICE52C.png

Fig. 1

Location and land use of Dodang watershed

2. 기상자료 구축

가. 과거 기상자료 구축

연구대상지인 도당천 유역의 과거 강수량 자료는 유역의 지배 관측소인 서산 기상관측소 자료로부터 취득하였다. 서산 기상관측소는 종관기상관측소 (Automated Synoptic Observing System, ASOS)로 충청남도 서산시 수석동에 위치하고 있다. 기상청에서 제공하는 서산 관측소의 기상자료 중 강수량, 최대 온도, 최소 온도, 평균 온도, 상대 습도, 일사량, 풍속, 이슬점 온도의 일 자료를 수집하였으며, 1987-2018년 자료를 사용하였다. 수집한 자료는 과거 유량 실측치에 대하여 SWAT 모형 보정 시 입력자료로 쓰였고 기후모델의 Baseline으로도 활용되었다. 과거 기상자료는 일 자료를 기반으로 이용하였으므로 기후모델 Baseline으로 활용 시 시간적 상세화 과정은 따로 거치지 않았다. Fig. 2는 서산기상관측소로부터 수집한 연도별 강수량, 평균 온도, 상대 습도와 1987-2018년 구간 전체 평균값과의 차이를 나타내고 있다.

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-04/N0740620410/images/PICE53D.png

Fig. 2

Example of collected yearly weather data from Seosan ASOS (ASOS 129)

나. 미래 기상자료 구축

기후변화에 따른 도당천 유역의 유출량 변화를 예측하기 위하여는 미래 기상자료를 구축하는 과정이 선행되어야 한다. 본 연구에서는 기후변화 자료 구축을 위하여 CMIP5 (Coupled Model Intercomparison Project 5)에서 구축된 전지구 기후모델 (GCM, General Circulation Model)의 RCP (Representative Concentration Pathway) 시나리오를 이용하였다. RCP 시나리오는 IPCC (Intergovernmental Panel on Climate Change) 5차 기후변화 평가보고서 작성을 위해 선정된 국제적인 온실가스 시나리오이며, 온실가스 농도를 제어 적분을 통해 산출한 후 인간⋅사회⋅경제적 시나리오를 결정함으로써 미래 기상 시나리오를 구축한다. RCP 2.6, 4.5, 6.0, 8.5의 네 가지 시나리오가 있으며 각각 지구가 최대의 회복력을 가지는 시나리오, 온실가스 저감 정책이 상당히/어느 정도 실현되는 시나리오, 온실가스 저감 대책 없이 현재의 추세로 온실가스를 배출하는 시나리오를 의미한다. 본 연구에서는 4가지 시나리오 중 온실가스 저감 정책이 상당히 실현되는 경우인 RCP 4.5, 현재 추세로 온실가스가 배출되는 경우인 RCP 8.5 시나리오를 채택하였다. 강수량, 최대 온도, 최소 온도, 평균 온도 및 Penman- Monteith 증발산량 산정식에 필요한 인자인 평균 온도, 상대 습도, 일사량, 평균 풍속을 산출할 수 있는 기후모델 10개를 선택하여 총 20가지의 미래 기상자료를 구축하였으며, 2100년까지의 미래 기후변화를 산출하였다. Table 1은 미래 기후변화 산출 시 이용한 10가지 기후모델의 종류, 제작기관 및 국가를 나타내고 있다.

Table 1

Selected GCM for the study

Model	Institute	Country
GFDL-ESM2G	NOAA-GFDL^*	USA
GFDL-ESM2M	NOAA-GFDL	USA
HadGEM2-ES	Met Office Hadley Centre	UK
HadGEM2-CC	Met Office Hadley Centre	UK
BCC-CSM1-1	Beijing Climate Center	China
CanESM2	Canadian Centre for Climate Modelling and Analysis	Canada
INMCM4.0	Institute of Numerical Mathematics	Russia
IPSL-CM5A-LR	L’ Institut Pierre-Simon Laplace	France
MIROC-ESM	AORI-NIES-JAMSTEC	Japan
MIROC-ESM-CHEM	AORI-NIES-JAMSTEC	Japan

* GFDL(Geophysical Fluid Dynamics Laboratory)

RCP 시나리오를 바탕으로 미래 일별 기상자료 데이터를 구축하였으며, APCC (APEC Climate Center)의 AIMS (APCC Integrated Modeling Solution) 프로그램을 이용하였다. AIMS는 사용자 중심의 기후서비스를 제공하는 플랫폼으로, 많은 자료와 복잡한 자료처리를 표준화된 모듈 시스템을 통해 사용자들에게 쉽게 제공할 수 있다는 장점이 있다.

본 연구에서는 AIMS에서 제공하는 통계적 상세화 기법인 비모수적 분위 사상법 (Simple Quantile Mapping, SQM)을 이용하여 GCM의 상세화 및 편의 보정을 실시하였다. 관측지점 및 기상변수별로 독립적으로 상세화를 수행하였으며, 관측 자료와 GCM에서 산출된 값을 확률분포에 따라 대응시킴으로써 GCM 일 단위 자료가 포함하는 편의를 보정하였다.

3. 유역유출량 추정

가. SWAT 모형

유출량 모의를 위해 미국 농무성 농업연구소 (USDA Agricultural Research Service, ARS)에서 개발한 SWAT 모형을 이용하였다. SWAT 모형은 준 분포형 장기 강우-유출 모형으로서 다양한 종류의 토양과 토지이용 및 토지관리 상태에 따라 유출특성을 모의할 수 있다. SWAT 모형은 수문, 토양유실, 영양물질, 하도 추적의 4가지 하위 모형으로 구성되며, 수문 하위 모형은 SCS 유출곡선법, Green & Ampt 침투법 및 Kinetic Storage Model을 통해 수문 반응 단위 (Hydrologic Response Unit, HRU)별 유출량을 산정할 수 있다.

본 연구에서는 SCS 유출곡선을 이용하여 유출량을 모의하였다. SCS 유출곡선법은 다양한 토지이용과 토양특성에서도 일관성 있는 유출량 모의 기준을 제공하기 위하여 개발되었으며, SCS 유출곡선식은 Eq. 1과 같다.

(1)

Q_{s u r f} = \frac{(R_{d a y} - I_{a})}{(R_{d a y} - I_{a} + S)}

여기서, 는 누가유출량 또는 초과강우 (mm), 는 일 강우량 (mm), 는 유출 이전의 지면 저류 차단과 침투를 포함하는 초기손실, 는 저류 매개변수이다.

SWAT 모델 구동을 위한 DEM (Digital Elevaion Model), 토지이용도, 토양도는 ArcGIS를 이용하여 구축하였다. 기상자료는 강수량, 최대 온도, 최소 온도, 평균 온도, 상대 습도, 일사량, 풍속, 이슬점 온도의 일 자료를 이용하였다. 이슬점 온도의 경우, 기상관측소 및 GCM으로부터 획득한 평균 온도 및 상대습도 값을 이슬점 온도 산정 공식에 대입하여 확보하였다. DEM은 10 m by 10 m 해상도 자료를 이용하였으며, 토지이용도와 토양도 모두 30 m by 30 m 해상도 자료를 이용하였다.

나. 모형의 보정 및 검정

기후변화 시나리오를 유역에 적용하기에 앞서 SWAT 모형의 유역 내 유출량 모의치와 실제 관측치 간의 차이를 최소화하는 과정을 거쳐야 한다. 따라서 본 연구에서는 도당천의 일 유량 관측 자료를 이용하여 SWAT 모델의 보정을 수행하였으며, 이후 검정 과정을 통해 보정의 적절성 여부를 확인하였다. 보정 기간은 2011년부터 2014년, 검정 기간은 2015년부터 2018년으로 각각 4년간 수행하였다. 보정 시 유출에 관련된 매개변수는 ALPHA-BF, CH_K2, SOL_K, SURLAG, GWQMN, GW_REVAP, RCHRG_D, 토양수분 매개변수는 ESCO와 SOL_AWC, 토양특성 매개변수는 CH_EROD, CH_COV가 사용되었다.

다. 모델의 평가

본 연구의 모델의 성능 평가를 위해 실측치와 모의치의 선형관계를 나타내는 결정계수 (), 수문 모델링 분야에서 널리 사용되는 Nash and Sutcliffe Efficiency () (Nash and Sutcliffe, 1970), 모델의 추정치와 실제 값의 차이를 다룰 때 사용되는 (Root Mean Square Error)를 적용하였다. 사용된 통계변량과 식은 Eq. 2-4와 같다.

(2)

R^{2} = {(\frac{\sum_{i = 1}^{n} (O_{i} - \bar{O}) (P_{i} - \bar{P})}{\sqrt{\sum_{i = 1}^{n} {(O_{i} - \bar{O})}^{2}} \sqrt{\sum_{i = 1}^{n} {(P_{i} - \bar{P})}^{2}}})}^{2}

(3)

N S E = 1 - \frac{\sum_{i = 1}^{n} {(O_{i} - \bar{P})}^{2}}{\sum_{i = 1}^{n} {(O_{i} - \bar{O})}^{2}}

(4)

R M S E = \sqrt{\frac{1}{n} \sum_{i = 1}^{n} {(O_{i} - P_{i})}^{2}}

여기서, 는 실측치, 는 모의치, 는 실측치의 평균, 는 모의치의 평균이다.

4. Recursive Digital Filtering 기저유출 분리 방법

RDF 방법은 두 가지 매개변수를 사용하여 총유출량으로부터 기저유출량을 분리하며, 사용되는 매개변수는 와 이다. 와 는 각각 Filter parameter (Ground-water recession constant)와 Baseflow index를 의미한다. Eq. 5는 RDF 방법의 기저유출 산정식을 나타낸다.

(5)

b_{k} = \frac{{(1 - {B F I}_{\max}) a b}_{k - 1} + {(1 - a) B F I}_{\max} y_{k}}{1 - {a B F I}_{\max}}

여기서, 는 총 유출량, 는 기저유출량, 는 직접유출량, 는 시간 간격을 의미한다.

본 연구에서는 정확한 수문분석을 위해 연구대상 유역의 특성에 부합하는 값을 채택하고자 하였으며, Eckhardt (2005)가 제시한 값을 이용하였다. Eckhardt (2005)는 항류 하천 (perennial stream)의 다공성 대수층에서 0.8, 일시 하천 (ephemeral stream)의 대수층에서 0.5, 항류 하천의 화강암지대에서 0.25로 제안하였다. 본 연구의 대상지인 도당천 유역은 Type A, Type B 토양이 각각 33.2%, 40.0%로 연구 배수가 양호한 편이다. 따라서 값은 0.80를 사용하였으며, Filter parameter는 0.98을 사용하였다. Matlab Simulink에서 코딩으로 구현한 Recursive Digital Filter를 적용하였다.

5. 물순환율 산정

물순환율은 2019년 10월 17일 시행된 물환경 보전법 제 53의 5조 2항 및 물환경 시행규칙에서 제시한 정의를 이용하여 산정하였다. 물순환율의 산정식은 Eq. 6과 같다. 물순환율값이 커질수록 물순환 구조가 양호한 것으로 판단된다.

(6)

(1 - \frac{d i r e c t r u n o f f}{p r e c i p i t a t i o n}) \times 100

Ⅲ. 결과 및 고찰

1. SWAT 모형의 적용성 평가

SWAT 모형의 적용성 평가를 위해 1987-2010년을 모형 안정화 기간으로 설정하고, 2011-2014년과 2015-2018년에 대해 보정 및 검정을 실시하였다. 보정결과에 따른 모형의 적합성과 실측치와의 상관성을 판단하기 위한 목적함수로는 , , 를 사용하였다.

SWAT 모형은 시행 착오법을 통해 보정되었다. Fig. 3은 보정된 매개변수를 이용하여 모의한 유출량과 관측치를 함께 도시한 그래프이며, Table 2의 통계변량을 보면 SWAT 모형이 유역의 유출량을 비교적 잘 재현하여 실측값과 모의치 사이에 높은 상관성이 확보되었음을 알 수 있다. 따라서 Table 3의 보정된 매개변수 값을 토대로 기후변화 시나리오를 구동하여 미래 유출량 값을 모의하였다.

Table 2

Simulation statistics of streamflow using the calibrated parameters

Measure	Calibration period (2011-2014)		Validation period (2015-2018)
Measure	Value	Performance evaluation (Moriasi et al., 2015)	Value	Performance evaluation (Moriasi et al., 2015)
	0.71	Satisfactory	0.64	Satisfactory
	0.67	Satisfactory	0.53	Satisfactory
	0.29	-	0.34	-

Table 3

The calibrated SWAT model parameters

File	Parameter	Range		Default value	Calibrated value
.gw	ALPHA_BF	0.0	-1.0	0.048	0.9
	GWQMN	0.0	-5,000	1,000	4,900
	GW_REVAP	0.02	-0.2	0.02	0.2
	RCHRG_DP	0.0	-1.0	0.05	0.02
.bsn	SURLAG	1	-12	4	1
.hru	ESCO	0.0	-1.0	0.95	0.95
.rte	CH_N2	-0.01	-0.3	0.014	0.014
	CH_COV	0.0	-1.0	0	0
	CH_EROD	-0.05	-0.6	0	0
	CH_K2	-0.01	-150	0	0
.sol	SOL_AWC	0.0	-0.32	0.0-0.32	0.0-0.32

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-04/N0740620410/images/PICE65F.png

Fig. 3

Comparison of the observed and SWAT-simulated daily streamflow

2. 미래 강수 분석

가. 기후모델의 분류

본 연구의 목적은 도당천 유역에 대하여 RCP 시나리오와 여러 기후모델을 종합적으로 적용함으로써 기후변화에 따른 유역의 미래 물순환율을 분석하는 것이다. 따라서 유사한 모의 결과를 보이는 기후모델끼리 분류함으로써 특정 기후모델에 편향되지 않는 물순환율 값을 얻고자 하였다.

강수는 유출에 가장 큰 영향을 주는 인자로 유출특성은 강우 패턴에 따라 변화한다. 특히 본 연구의 목적은 기후변화에 따른 물순환율을 분석하는 것이며, 기후변화의 경향성을 파악하기 위해서는 적어도 30년 이상의 자료가 필요하다 (Kim, 2002). 따라서 모의 기간을 2025s (2011-2040), 2055s (2041-2070), 2085s (2071-2100)의 세 구간으로 나누어 기후모델들의 평균 연 강수량을 계산하고, 같은 경향을 보이는 기후모델을 묶어 각 구간에서의 물순환율 특성을 분석하고자 하였다. 다만 관측 자료 등의 한계로 인해 Baseline의 경우 30년 미만의 1987-2010으로 설정하였다. 구간별 연 강수량의 평균값은 RCP 4.5 시나리오에서 1) 연속적으로 증가하는 경우, 2) 2055s에서 최솟값을 갖는 경우, 3) 2055s에서 최댓값을 보이는 경우로 나뉘었다. 구간별 연 강수량의 평균값은 RCP 8.5 시나리오에서 1) 연속적으로 증가하는 경우, 2) 2055s에서 최솟값을 보이는 경우로 나뉘었으며 2055s에서 최댓값을 보이는 경우는 없었다.

Table 4는 RCP 4.5 및 8.5 시나리오에서 기후모델의 구간별 경향성을 정리해 나타내고 있다.

Table 4

Tendency of GCMs in yearly precipitation

Scenario	Trend of average yearly precipitation	Dataset
RCP 4.5 scenario	Continuous increase	GFDL-ESM2M
		GFDL-ESM2G
		INMCM4.0
		HadGEM2-CC
	Minimum value at 2055s	BCC-CSM_1-1
		MIROC-ESM
		MIROC-ESM-CHEM
	Maximum value at 2055s	IPSL-CM5A-LR
		HadGEM2-ES
		CanESM2
RCP 8.5 scenario	Continuous increase	BCC-CSM_1-1
		CanESM2
		INMCM4.0
		IPSL-CM5A-LR
		MIROC-ESM-CHEM
	Minimum value at 2055s	GFDL-ESM2G
		GFDL-ESM2M
		HadGEM2-ES
		HadGEM2-CC
		MIROC-ESM

나. 미래 강수특성

Table 5는 평균 연 강수량의 변화를 통해 구분한 기후모델들의 Baseline 대비 2025s, 2055s, 2085s별 강수량 편차를 나타내고 있다. Table 6, 7은 기후모델들의 연 강수량, 강수일수의 구간별 최댓값, 최솟값, 평균값을 나타내고 있다.

Table 5

Difference in mean yearly precipitation compared to baseline (1987-2010)

Scenario	GCMs	2011-2040		2041-2070		2071-2100
RCP 4.5 scenario	Continuous increase	0 (0%)	-	40 (3%)	▲	107 (8.2%)	▲
	Min. value at 2055s	101 (7.8%)	▲	107 (8.2%)	▲	156 (12.0%)	▲
	Max. value at 2055s	89 (6.8%)	▲	218 (16.7%)	▲	79 (6.1%)	▲
	Total	57 (4.4%)	▲	124 (9.5%)	▲	135 (10.4%)	▲
RCP 8.5 scenario	Continuous increase	95 (7.3%)	▲	221 (17.0%)	▲	420 (32.3%)	▲
	Min. value at 2055s	11 (0.8%)	▲	17 (1.3%)	▽	93 (7.1%)	▲
	Total	67 (5.2%)	▲	131 (10.1%)	▲	295 (22.7%)	▲

Table 6

Summary of precipitation (mm)

Value	GCMs	RCP 4.5 scenario			RCP 8.5 scenario
Value	GCMs	2025s	2055s	2085s	2025s	2055s	2085s
Min.	Continuous increase	550.4	619.6	734.3	721.1	681.9	744.8
	Min. value at 2055s	799.0	754.9	694.9	580.9	622.4	718.2
	Max. value at 2055s	630.6	652.3	729.6	-
Max.	Continuous increase	2,678	2,487	2,344	2,460	2,872	3,163
	Min. value at 2055s	2,187	2,184	2,618	2,410	2,923	2,500
	Max. value at 2055s	2,472	2,558	2,537	-
Avg.	Continuous increase	1,299	1,344	1,409	1,397	1,522	1,714
	Min. value at 2055s	1,392	1,397	1,451	1,316	1,289	1,397
	Max. value at 2055s	1,392	1,522	1,387	-

Table 7

Summary of rainfall days (days)

Value	GCMs	RCP 4.5 scenario			RCP 8.5 scenario
Value	GCMs	2025s	2055s	2085s	2025s	2055s	2085s
Min.	Continuous increase	76	81	82	87	70	73
	Min. value at 2055s	89	92	91	69	74	69
	Max. value at 2055s	84	77	67	-
Max.	Continuous increase	143	147	154	148	155	151
	Min. value at 2055s	148	145	155	147	150	145
	Max. value at 2055s	142	160	148	-
Avg.	Continuous increase	110	112	113	116	117	117
	Min. value at 2055s	118	120	118	111	107	102
	Max. value at 2055s	113	114	111	-

RCP 4.5 시나리오에서 10가지 모델들의 평균 연 강수량은 구간별로 각각 1,359 mm, 1,426 mm, 1,437 mm였으며 RCP 8.5 시나리오에서는 순서대로 1,369 mm, 1,433 mm, 1,597 mm로 두 시나리오 모두 평균 연 강수량의 지속적인 증가 추세가 나타났다. Baseline (1987-2010)의 평균 연 강수량은 1,302 mm이다. RCP 4.5 시나리오에서 연 강수량은 Baseline 대비 최대 218 mm (16.7%) 증가하였으며 Baseline보다 적은 경우는 없었다. RCP 8.5 시나리오에서 연 강수량은 Baseline 대비 최대 420 mm (32.3%) 증가하였으며, 2055s에서 최솟값을 갖는 기후모델들의 평균 연 강수량은 2055s에서 Baseline보다 17 mm (1.3%) 감소하였다.

강수량은 구간별로 Baseline에 비해 증가하는 경향을 보이나, 강수일수는 변화 정도가 상대적으로 적었으며 전체 기후모델의 강수일수 평균값은 113일로 나타났다.

3. 미래 물순환율 분석

가. 월별 물순환율 특성

물순환율은 강수량에 대한 직접유출량의 비율로 정의되기 때문에 강수량의 영향을 많이 받는다. 특히 우리나라는 1년 중 여름철에 강우가 집중된 경향을 보이므로 기후변화에 따른 월별 물순환율에 대해서도 파악할 필요가 있다. Fig. 4는 현재 기후를 나타내는 Baseline (1987-2010)과 2025s, 2055s, 2085s 세 가지 구간의 월별 물순환율 및 2085s에서의 기후모델별 물순환율 편차를 나타내고 있다. 중장기 미래로 향할수록 물순환율은 1, 2월을 제외한 모든 달에서 악화되는 경향을 보이며, 4월과 10월에서는 그러한 경향이 특히 강하게 드러났다. 기후모델의 겨울철 월 물순환율이 양호해지는 이유는 겨울철 강수가 줄어들며 강수 강도가 낮아지면서 직접유출이 적게 발생했기 때문으로 보인다. RCP 8.5 시나리오의 물순환율은 RCP 4.5 시나리오에 비해 2085s를 기준으로 여름철에서 0.8-3.58% 낮게 산정되었다. Table 8은 Baseline과 2085s의 물순환율 차이를 나타내고 있다. 2월의 경우 모든 기후변화 시나리오와 기후모델에서 물순환율이 향상되었으며, 1, 3 및 7월을 제외한 달에서는 모두 물순환율이 하락하였다.

Table 8

Water circulation rate difference between baseline and 2085s (%)

Scenario

GCMs

Month

RCP
4.5

Continuous increase

-0.7
▲

-10.8
▲

-1.2
▲

4.2
▽

3.2
▽

1.6
▽

-0.8
▲

2.1
▽

5.0
▽

8.7
▽

2.4
▽

1.4
▽

Min. value at 2055s

0.2
▽

-14.9
▲

3.0
▽

9.9
▽

4.1
▽

2.0
▽

1.3
▽

3.0
▽

5.2
▽

4.0
▽

4.4
▽

Max. value at 2055s

2.5
▽

-12.8
▲

-0.1
▲

4.3
▽

5.6
▽

2.4
▽

0.8
▽

0.4
▽

1.9
▽

4.9
▽

1.3
▽

4.6
▽

RCP
8.5

Continuous increase

3.0
▽

-13.0
▲

0.8
▽

7.4
▽

7.8
▽

4.4
▽

1.2
▽

3.8
▽

3.5
▽

3.3
▽

1.9
▽

3.9
▽

Min. value at 2055s

-1.5
▲

-15.4
▲

0.7
▽

9.0
▽

5.1
▽

5.5
▽

2.8
▽

4.8
▽

3.0
▽

7.5
▽

2.0
▽

1.3
▽

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-04/N0740620410/images/PICE6B2.png

Fig. 4

Monthly water circulation rate

나. 연별 물순환율 특성

기후변화에 따른 장기적 물순환율을 파악하기 위해서는 월별 물순환율뿐 아니라 연도별 물순환율 특성 또한 파악할 필요가 있다. Fig. 5와 Fig. 6은 기후변화 시나리오에 따른 연도별 물순환율 변화 추이를 파악하기 위하여 Baseline (1987- 2010)의 평균 물순환율 값인 62.2%와 연도별 물순환율 값의 연도별 편차를 나타내고 있다. RCP 4.5 시나리오와 RCP 8.5 시나리오 모두 중장기 미래로 갈수록 물순환율이 악화되는 경향을 보였다. 특히 RCP 8.5 시나리오의 물순환율은 RCP 4.5 시나리오와 비교하여 2-3배 가량 빠른 추세로 낮아졌다. 이는 장기 미래에 진입할수록 연별 강수량은 증가하되, 연별 강수일수는 변화하지 않거나 줄어들면서 일 강수량이 늘어났기 때문으로 보인다. Table 9는 기후모델의 종류와 모의 기간에 따른 평균 물순환율을 나타내고 있다. 모든 구간 및 시나리오에서 Baseline에 비하여 물순환율이 낮아졌으며, RCP 4.5 시나리오에서 전체 기후모델들의 구간별 평균 물순환율 값은 큰 변동을 보이지 않았으나 RCP 8.5 시나리오에서는 구간별로 약 1%씩 하락하였다.

Table 9

Average water circulation rate (%)

Scenario	GCMs	2025s	2055s	2085s	Total period
RCP 4.5 scenario	Continuous increase	61.5	61.1	60.6	61.1
	Min. value at 2055s	61.5	61.5	60.9	61.3
	Max. value at 2055s	60.9	60.1	60.8	60.6
	Total	61.3	60.9	60.8	61.0
RCP 8.5 scenario	Continuous increase	61.2	59.4	58.4	59.7
	Min. value at 2055s	61.6	62.2	59.1	61.0
	Total	61.4	60.8	58.8	60.3

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-04/N0740620410/images/PICE6F1.png

Fig. 5

Variation of yearly water circulation rate in RCP 4.5 scenarios

https://cdn.apub.kr/journalsite/sites/jksae/2020-062-04/N0740620410/images/PICE702.png

Fig. 6

Variation of yearly water circulation rate in RCP 8.5 scenarios

Ⅳ. 요약 및 결론

본 연구는 기후모델을 이용하여 미래 기후변화에 따른 물순환율 변화를 분석하였으며, 미래 물순환율 월별 변화 추세 및 연별 경향을 파악하였다. 이를 위해 10가지 기후모델로부터 생산된 RCP 4.5, 8.5 시나리오의 강수량, 최대 온도, 최소 온도, 평균 온도, 상대 습도, 일사량, 풍속, 이슬점 온도의 일 단위 자료와 강우-유출 모형인 SWAT 모형을 이용하였다.

SWAT 모형의 구동을 위하여 대상 유역의 DEM, 토양도, 토지이용도 자료를 구축하였으며, 신뢰성 있는 모의 결과를 얻기 위하여 매개변수 보정 및 검정 절차를 거쳐 유출해석을 수행하였다. 미래 기후변화에 따른 수자원 변화를 분석하기 위해서는 유출 성분을 구분하여 해석하는 것이 중요하며, 본 연구에서는 Recursive Digital Filter 방법을 이용하여 직접유출량과 기저유출량을 구분하고 통계적 해석을 수행하였다.

미래 기후변화에 따른 강수량 자료 분석 결과, RCP 4.5 시나리오와 RCP 8.5 시나리오 모두에서 10가지 기후모델들의 연 강수량의 평균값은 2025s, 2055s, 2085s별로 점차 증가하는 것으로 나타났으며, 2025s, 2055s, 2085s에서 평균 연 강수량 값은 Baseline의 평균 연 강우량에 비하여 각각 최대 7.8%, 18.3%, 26.2% 증가하였다.

미래 기후변화에 따른 월별 물순환율 분석 결과, 2085s에서 RCP 4.5 시나리오와 RCP 8.5 시나리오 모두 여름, 가을철 물순환율 값이 일괄적으로 감소하였다. 특히 4월과 10월의 경우 Baseline의 물순환율 값은 70%를 웃돌았으나, 2085s로 가면서 각각 4.2-9.9%, 3.3-8.7% 감소하였다. 그러나 겨울철 물순환율은 중장기 미래로 갈수록 올라갔으며, 이는 겨울철 강수량이 줄어들면서 1회 강수 발생량이 Baseline에 비해 작아졌기 때문으로 추정된다.

미래 기후변화에 따른 연별 물순환율 분석 결과, RCP 4.5 시나리오와 RCP 8.5 시나리오 모두에서 중장기 미래로 갈수록 물순환율이 낮아지는 경향을 보였다. 특히 RCP 8.5 시나리오의 경우 RCP 4.5 시나리오와 비교하여 약 2-3배 가파른 추세로 물순환율이 감소하였다. RCP 4.5 시나리오에서 2085s의 물순환율은 Baseline과 비교하여 1.3-1.6% 줄었으며, RCP 8.5 시나리오의 2085s 물순환율은 Baseline 대비 3.1-3.8% 감소하였다.

본 연구 결과는 기후변화에 따른 유역 단위에서의 가용 수자원 변화를 물순환율 개념을 이용하여 분석함으로써 지속 가능한 수자원을 위한 계획 수립 연구에 활용될 수 있을 것으로 사료된다.

감사의 글

이 논문은 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2020R1A2C2003808).

REFERENCES

C. Bellucci, Stormwater and Aquatic Life: making the Connection Between Impervious Cover and Aquatic Life Impairments for TMDL Development in Connecticut Streams,; 1003-1018, Harford, Connecticut:. Water Environment Federation.. (2007)10.2175/193864707786619819

Y. J. Choi, J. G. Kim, D. J. Lee, J. H. Han, G. J. Lee, M. J. Park, K. S. Kim and K. J. Lim, Journal of the Korean Society of Agricultural Engineers, Analysis of Baseflow using Future Land Use and Climate Change Scenario., 61(1); 45-59, (in Korean). (2019)10.5389/KSAE. 2019.61.1.045

K. Eckhardt, Hydrological Processes, How to construct recursive digital filters for baseflow separation., 19(2); 507-515 (2005)10.1002/hyp.5675

J. Y. Hong, K. J. Lim, Y. C. Shin and Y. H. Jung, Journal of Korea Water Resources Association, Quantifying contribution of direct runoff and baseflow to rivers in Han River system, South Korea., 48(4); 309-319, (in Korean). (2015)10.3741/jkwra.2015.48.4.309

Y. J. Jang, J. T. Park and D. I. Seo, Journal of Korean Society of Water and Wastewater , Estimations of flow rate and pollutant loading changes of the Yo-Cheon basin under AR5 climate change scenarios using SWAT., 32(3); 221-233, (in Korean). (2018)10.11001/jksww.2018.32.3.221

D. S. Kang, Study on the change of river discharge and baseflow considering urbanization and climate change. MS diss.,, (in Korean)., Seoul,. Kookmin University. (2011)

M. S. Kang, P. Srivastava, J. H. Song, J. H. Park, Y. G. Her, S. M. Kim and I. H. Song, Water, Development of a component-based modeling framework for agricultural water-resource management., 8(8); 351-370 (2016)10.3390/w8080351

B. S. Kim, S. H. Lim, S. J. Lee, J. S. Baek and J. M. Kim, Journal of Korean Society on Water Environment, A Study on the water cycle improvement plan of low impact development., 36(2); 109-115, (in Korean). (2020a)10.5303/jkas.2003.36.spc1.109

C. G. Kim, J. H. Park and J. P. Cho, Journal of Climate Change Research, Future climate change impact assessment of Chungju dam inflow considering selection of GCMs and downscaling technique., 9(1); 47-58, (in Korean). (2018)10.15531/ksccr.2018.9.1.47

C. G. Kim, J. P. Cho and H. J. Kim, Journal of the Korean Society of Civil Engineers , Assessment of climate change impacts on water resources in the Gyeongan-cheon watershed using multiple GCMs., 40(1); 119-126 (2020b)10.12652/Ksce.2020.40.1.0119

H. K. Kim, M. S. Kang, E. J. Lee and S. W. Park, Journal of the Korean Society of Agricultural Engineers , Climate and land use changes impacts on hydrology in a rural small watershed., 53(6); 75-84 (2011)10.5389/ksae.2011.53.6.075

J. H. Kim, J. H. Park, S. M. Jun and M. S. Kang, Journal of Korean Society of Agricultural Engineers , Desing flood estimation in the Hwangguji River watershed under climate and land use changes scenario., 58(1); 39-51, (in Korean). (2016)10.5389/ksae.2016.58.1.039

S. J. Kim, Korean Journal of Agricultural and Forest Meteorology , Temporal variation and spatial distribution of water resources., 4(3); 175-196, (in Korean). (2002)

S. H. Kim, Development and Application of Agricultural Water Circulation Rate Considering Agricultural Reservoir and Irrigation Districts. MS diss.,, (in Korean)., Seoul,. Seoul National University. (2020)

S. Y. Kong, A numerical modeling study on the changes of land surface energy and water cycle characteristics for climate change in South Korea. M.S. diss.,, (in Korean)., Seoul,. Ewha Womans University. (2011)

D. Kum, Y. Park, Y. H. Jung, M. H. Shin, J. Ryu, J. H. Park, J. E. Yang and K. J. Lim, Journal of Korean Society on Water Environment, Analysis of rainfall-runoff characteristics on bias correction method of climate change scenarios., 31(3); 241-252 (2015)10.15681/kswe.2015.31.3.241

D. E. Lee, G. H. Lee, B. G. Song and S. S. Lee, Journal of Korea Water Resources Association, Analysis of climate change impact on flow duration characteristics in the Mekong River., 52(1); 71-82, (in Korean). (2019)10.3741/JKWRA.2019.52.1.71

J. M. Lee, Y. S. Park, Y. H. Jung, J. P. Cho, J. E. Yang, G. J. Lee, K. S. Kim and K. J. Lim, Journal of Korean Society on Water Environment , Analysis of spatiotemporal changes in groundwater recharge and baseflow using SWAT and BFlow Models., 30(5); 549-558 (2014a)10.15681/kswe.2014.30.5.549

J. M. Lee, Y. H. Jung, Y. S. Park, H. W. Kang, K. J. Lim and H. S. Kim, Journal of Wetlands Research , Assessment of future climate change impact on groundwater recharge, baseflow and sediment in steep sloping watershed., 16(2); 173-185 (2014b)10.17663/jwr.2014.16.2.173

M. H. Lee, J. M. So and D. H. Bae, Journal of Korea Water Resources Association , Development of climate change uncertainty assessment method for projecting the water resources., 49(8); 657-671, (in Korean). (2016)10.3741/jkwra.2016.49.8.657

Ministry of Environment (MOE),, 2nd Water Environment Management Plan. 11-1480000-001483-14., Sejong, Korea.. (2016)

M. H. Park, H. L. Cho and B. K. Koo, Journal of Korea Water Resources Association, Nn evaluation of climate change effects on pollution loads of the Hwangryong River watershed in Korea., 48(3); 185-196, (in Korean). (2015)10.3741/jkwra.2015.48.3.185

J. C. Ryu, J. Y. Choi, J. M. Lee, D. S. Shin, J. S. Kim, H. S. Jang, J. H. Park, Y. J. Jeong, H. D. Ryu and J. K. Lee, National Institute of Environmental Research, Customized policy support for nonpoint pollution management and water circulation improvement (Ⅲ). NIER-RP2018-248., (in Korean)., Sejong, Korea:. (2018)

M. W. Son, J. Y. Sung, E. S. Chung and K. S. Jun, Journal of Korea Water Resources Association , Development of flood vulnerability index considering climate change., 44(3); 231-248, (in Korean). (2011)10.3741/jkwra.2011.44.3.231

M. G. Sunde, S. H. Hong, J. A. Hubbart and M. A. Urban, Hydrological Processes , Integrating downscaled CMIP5 data with a physically based hydrologic model to estimate potential climate change impacts on streamflow processes in a mixed-use watershed., 2017(31); 1790-1803 (2016)10.1002/hyp.11150

A. E. K. Vozinaki, E. Tapoglou and I. K. Tsanis, International Journal of River Basin Management , Hydrometeorological impact of climate change in two Mediterranean basins., 16(2); 245-257 (2018)10.1080/15715124.2018.1437742

Journal of Korean Society of Agricultural Engineers ISSN:1738-3692(Print) 2093-7709(Online) 한국농공학회논문집

Preview

Assessment of Future Water Circulation Rate in Dodang Watershed under Climate Change

ABSTRACT

MAIN

Fig. 1

Fig. 2

Table 1

(1)

(2)

(3)

(4)

(5)

(6)

Table 2

Table 3

Fig. 3

Table 4

Table 5

Table 6

Table 7

Table 8

Fig. 4

Table 9

Fig. 5

Fig. 6

감사의 글

REFERENCES