Ⅰ. 서 론
하천은 수자원의 이용과 생물의 서식환경 등에 영향을 주는 공간으로, 생태의 유지와 지속가능한 개발을 위해 적합한 하천유량의 산정과 공급이 필수적이다. 최근의 하천은 물관리 일원화 등의 노력으로, 기존의 물리⋅화학적 지표를 이용한 하천 평가와 함께 수문, 수질, 수생태를 복합적으로 고려한 하천 환경의 평가가 수행되고 있다. 이에 따라 수문, 수질 조건을 반영한 서식처 모의를 통한 지속 가능한 하천관리 방안 마련이 필요하다 (Song and Kim, 2018).
일반적으로 하천 서식처 평가 방법은 공간적 규모에 따라 마이크로 (Micro)와 메조 (Meso) & 매크로 (Macro) 수준의 분석으로 구분된다. 기존의 Micro-scale 수준의 하천 서식처 평가 연구는 대부분 약 1 km 내외의 좁은 하천 구간을 대상으로, 유속, 수심 등의 수리인자를 기준으로 하천의 서식처 적합성을 평가하는 방법으로 수행되었다. 하지만 이러한 Micro-scale 수준의 하천 서식처 평가에 대한 연구는 짧은 모의 구간만을 대상으로 하여 전체 하천 구간의 복합적인 수생 환경을 반영하기 어려운 한계가 있고 따라서 하천 전반을 고려한 관리 방안 수립에는 한계가 있다 (Schneider et el., 2005).
메조 (Meso) & 매크로 (Macro) 수준의 하천 서식처 분석에서는 하천의 형태적 특징과 하천 내의 생태계 수준 간의 상관성을 분석함으로써 (Moir and Pasternack, 2008) 넓은 범위의 한천 관리에 기여하고 있다 구간에서 적용할 수 있도록 연구가 수행되고 있다. 하천의 형태를 계층적으로 분류하는 노력으로 (Belletti et al., 2017) 하천은 Hydro Morphologic Unit (HMU) (Parasiewicz, 2007; Vezza et al., 2014), Hydraulic biotope (Milan et al., 2010), Geomorphic unit (Wheaton et al., 2015) 등으로 구분되었다. 특히, 하천의 서식처 분석에는 물이 점유하는 하천 구간의 유속과 수심 등의 수리 인자를 근거로 하천의 형태를 분류한 흐름단위 (HMU)를 이용한 연구가 주요하게 수행되고 있다.
하천에서 나타나는 주요한 흐름단위 (HMU)에는 Pool, Riffle, Rapid, Ruffle, Run 등이 포함된다 (Vezza et al., 2014). Pool은 낮은 유속과 깊은 수심을 특징으로 잔잔한 물속에서 서식지의 다양성을 제공하고, Riffle은 상대적으로 얕고 빠른 유속이 특징이다. Rapid는 매우 빠른 유속과 뷸규칙한 흐름을 가지며 강한 수류와 자갈 등의 하상을 갖는다. Ruffle과 Run은 하천이 비교적 깊고 빠르게 흐르는 구간으로 물속에서는 흐름이 일정하고 비교적 고르게 나타나는 HMU이다. 특히 Ruffle은 Run을 선호하는 생물종이 다수 존재할 뿐만 아니라 은신처로 이용될 수 있는 불규칙한 하상 재료가 존재하고 어류의 유영을 도울 수 있는 난류 흐름 특성을 갖는 구간임에 따라 서식선호도가 높다 (Ranalli and Macalady, 2010). 이러한 각 HMU 유형은 생물의 서식환경을 직관저긍로 제시할 수 있고 이러한 특징을 이용해 HMU의 다양성을 높이거나 목표 생태종의 서식에 적합한 HMU를 늘리는 등의 방법으로 하천관리 방안 마련에 이용되고 있다 (Hawkins et al., 1993; Moir and Pasternack, 2008). 그러나 HMU를 이용한 실제 하천의 유량에 따른 서식처를 분석한 연구는 부족한 실정이다.
한편, HMU 분류는 경험적 기준에 따른 제한적 HMU 구분 (Beecher, 2017) 및 특정 값을 기준으로 분류한 HMU의 불확실성 (Guay et al., 2000; Cunjak et al., 2013) 등의 한계가 존재한다. 이에 HMU를 명확하게 구분하기 접근법으로 지도학습 및 비지도학습, 퍼지로직 등의 방법이 적용되고 있다 (Hong et al., 2004; Wallis et al., 2012; Wyrick et al., 2014). Mouton et al. (2009)은 물리적 서식처 인자와 HMU를 연계 관측한 값을 이용해 지도 학습한 모델로 HMU를 분류하였으며, Van Rooijen et al. (2021)은 비지도학습 방법을 이용해 하천의 수심, 유속을 기준으로 HMU 분류를 수행하였다. 수행된 지도/비지도 학습방법을 이용한 방법에서는 유의미한 HMU 분류가 수행되었지만, 여전히 관측된 데이터의 불확실성과 HMU 기준이 갖는 모호성을 충분히 반영하지 못하는 한계가 있었다. Fukuda (2009), Muñoz-Mas et al. (2012) 등은 퍼지화 (Fuzzification), 퍼지추론규칙 (Fuzzy inference), 비퍼지화 (Deffuzification)로 구성된 퍼지로직을 이용해 HMU 인자 간의 상호작용을 고려해 확률적인 HMU 분류를 수행하였다. 이러한 퍼지로직을 이용한 HMU 분류는 한정적인 관측값을 이용한 분류에서, 지도/비지도 방법을 이용한 HMU 분류결과와 비교하여 정량적이고 유연한 평가가 가능한 방법이다 (Yi et al., 2017).
본 연구의 목적은 퍼지로직을 개선해 하천의 물리적 서식처 인자들을 복합적으로 고려할 수 있는 HMU 분류방법을 고안하는 것이다. 또한 대상 하천에 HMU분류방법을 적용하여 유량에 따른 하천 서식처를 분석함으로써, Meso-scale 단위의 하천 서식처 평가를 수행하는 것이다.
Ⅱ. 재료 및 방법
1. 연구 개요
본 연구의 Meso-scale 서식처 평가는 수리모델링, 하천 서식처 평가의 두 과정으로 수행되었다 (Fig. 1). 해당 하천에 대한 DTM (Digital Terrain Model) 자료를 HEC-RAS (Hydrologic Engineering Center – River Analysis System)에 적용하여 하천 수리 모의를 진행한 후, 하천의 수심과 유속을 모의하였다. 이를 이용해 각 Meso-scale 서식지의 유속과 수심 값이 입력으로 주어지고 퍼지화 단계에서는 소속 함수를 사용하여 입력값들을 퍼지 집합으로 변환한다. 이후 미리 정의된 IF-THEN 규칙을 기반으로 추론 과정을 거쳐 마지막으로, 비퍼지화 단계에서는 무게 중심 방법 (Centroid method)과 최댓값의 평균방법 (Mean of Maximum (MOM) method)을 통해 퍼지 출력을 단일 값으로 변환하여 최종 서식지 적합성 지수를 도출한다. 이를 통해 해당 하천에서 Meso-scale 단위의 서식처 평가를 하였다.
2. 대상 지역 선정
대상 지역은 한국 표준 수계 지도상 복하천 내에 위치한 복하천 시내의 약 2.7 km 구간으로 선택되었다 (Fig. 2). 복하천은 주요 본류 하나와 세 개의 지류가 합류하여 형성된다. 대상 하천구간은 환경부 물환경정보시스템의 유산 2교 구간에서 2014년부터 2023년까지 수행된 20회의 어류 건강성 평가 결과 중 대부분이 C 또는 D등급으로 평가되었던 지역으로 생태유량 연구와 서식처 개선이 필요한 지역이었고 이에 본 연구의 대상지역으로 설정되었다 (National Institute of Environmental Research, 2024).
복하천의 총 유효 면적은 309.5 km2이며, 산림이 128.4 km2 (41.5%), 논이 45.8 km2 (14.8%), 밭이 68.9 km2 (22.2%), 도심지역이 11.2 km2 (3.6%), 기타지역이 55.2 km2 (17.8%)를 차지하고 있다. 하천의 유로 연장은 39.84 km이며, 평균 유로 경사는 6.49%로 조사되었다. 유역 배출구와 대상 유역 배출구의 평균 유량은 각각 4.02 m3/s와 2.49 m3/s이다. 기상관측에 따르면 연구 지역의 연간 평균 강수량은 1,159.7 mm이다 (KMA, 2021). 특히 7월과 8월에 강우량이 집중되며, 각각 289.6 mm와 246.3 mm이다. 겨울철에는 평균 기온이 낮아 1월과 12월의 평균 기온이 각각 4.3°C와 4.6°C이다. 여름철에는 기온이 높아 7월과 8월의 평균 기온이 각각 25.4°C와 25.5°C이고, 최고 기온은 각각 28.3°C와 29.4°C에 달한다. 이러한 기후 조건을 고려할 때 복하천의 연평균 수온은 약 12~14°C 수준으로 추정된다. 2014년부터 2023년까지의 어류 조사에 따르면, 연구 구간에서 우점 어종은 피라미로 확인되었으며 한국 고유종이나 멸종위기종은 발견되지 않았다 (National Institute of Environmental Research, 2019). 아우점종은 조사 시기마다 변동이 있었으나 피라미는 비교적 안정적으로 높은 개체수를 유지하였다. 이를 통해 대상 지역의 생태적 특성을 반영한 서식처 개선 방안을 고려할 필요가 있다.
3. HEC-RAS 2D를 이용한 하천 수리 모의 (유속, 수심)
가. 모델 구동 환경
DTM (5 cm/pixel)으로부터 수심과 유속을 모의하기 위해 HEC-RAS(ver. 6.5)를 사용하였다. HEC-RAS는 수문 공학 센터에서 개발한 프로그램으로 1차원 정상 유동, 1차원 및 2차원 비정상 유동 계산, 퇴적물 수송 및 이동층 계산, 수온 및 수질 모델링을 수행할 수 있다. HEC-RAS는 교량, 제방, 보, 암거 등 다양한 하천 수리 시설물의 설계 검토 및 하천 흐름 모의를 위해 현장에서 많이 이용되고 있는 모형이다 (Kim et al., 2012). HEC-RAS에서 2차원 비정상류 해석은 Diffusion Wave Approximation of the Shallow Water equations (DSW)를 적용하여 수행된다. 생성된 DTM 데이터와 드론 촬영 일자의 WAMIS 수위, 유량 일 데이터를 기반으로 유량에 대한 복하교 관측소에서의 수심 값을 이용하여 시행착오법을 통해 Manning’s N과 Normal depth를 보정하며 검정을 진행하였다. 운동량 방정식에서 마찰력과 중력을 지배력으로 단순화하면 식 (1)과 같고, 이 식을 속도 벡터에 대해 정리하면 식 (2)와 같다.
여기서, 
는 속도 벡터, 
는 동수 반경, 
는 수면 고도의 기하학적 구배, 
는 Manning의 조도 계수를 의미한다.
유속이 수두구배와 바닥 마찰에 의해 결정되는 경우 전체 운동량 방정식 대신 확산파의 운동량 방정식을 사용할 수 있다. 질량 보존 방정식에서 확산파의 운동량 근사치를 대입하면 Diffusion Wave Approximation of the Shallow Water equations (DSW)를 얻는다 (식 (3)).
나. 모델 구동과 정확도 평가
HEC-RAS 모형의 구동과 정확도는 복하천 복하교의 유량별 수심, 유속 관측자료를 이용해 평가되었다. 이때, 모형의 유량과 수심, 유속에 대한 매개변수 보정은 시행착오법을 통해 수행하였다. 보정 (calibration) 과정에서는 2022년 1월부터 6월까지의 관측된 유량 데이터를 기반으로 모의하였고 검정 (validation) 과정에서는 2022년 7월부터 12월까지의 관측 데이터를 이용하여 보정된 모형을 테스트하고 예측값과 관측값을 비교하여 모형의 신뢰성을 평가하였다.
모의 결과에 대한 정확도 평가는 Coefficient of detrmination (R2), Nash-Sutcliffe efficiency (NSE)와 수리 및 수질 모델에서 주로 사용되는 root-mean-square error (RMSE)를 이용하였다. 각 지수는 방정식에 따라 계산되었으며, 모델 성능은 (Moriasi et al., 2015)의 기준에 따라 평가되었다. R2와 NSE는 1에 가까운 값을 갖을수록 모델이 실측치를 잘 예측하여 모델 효율이 높아짐을 의미한다. 보정 결과는 매우 좋음 (Very good), 좋음 (Good), 만족 (Satisfactory), 불만족 (Unsatisfactory)으로 구분하여 평가하였고 기준에 따른 구분은 Table 1과 같다 (Moriasi et al., 2015).
Table 1
Accuracy evaluation index of HEC-RAS 2D simulation (Moriasi et al., 2015)
4. 하천 서식처 평가 방법
가. HMU 유형의 공간적 특성 분석
모델의 출력 결과를 바탕으로 HMU 구분을 진행하였다. 본 연구에서는 선행연구를 바탕으로 수심과 유속을 기준으로 5개의 형태학적 단위 Pool, Riffle, Rapid, Ruffle, Run 총 5개의 HMU 단위로 구분된 Meso-scale 서식처 클러스터를 선정하였다. HMU는 유속과 수위를 기준으로 분류되었고, 대상하천과 규모가 비슷한 선행연구 (Vezza et al., 2014)의 HMU별 유속과 수위 범위를 이용해 분류를 수행하였다 (Table 2). Vezza et al. (2014)는 30개의 지점에서 서식지 유형을 판독하고 수리인자 실측을 수행하였고, HMU에 따른 평균 수심과 평균 유속의 범위를 제시하였다.
Table 2
Classification of HMU and hydrodynamic range (Vezza et al., 2014)
나. 퍼지 로직
본 연구에서는 불확실성과 모호성을 다루는 데 탁월한 퍼지 로직을 이용한 하천 서식처 평가를 수행하였다. 퍼지 로직은 일반적으로 3가지 부분으로 구성된다 (Fig. 3). 하나의 명확한 값 (crisp value)으로 측정된 입력변수의 값을 적절한 퍼지값으로 바꾸는 퍼지화 (Fuzzification), 조건부와 결론부의 조건문으로 이루어지는 퍼지추론규칙 (Fuzzy inference), 출력부 전제집합에서 정의된 퍼지값을 명확한 비퍼지값으로 변환시켜주는 작업인 비퍼지화 (Deffuzification)로 구성된다 (Hong et al., 2004).
첫 번째 단계인 퍼지화에서는 연속적인 수심과 유속 데이터를 정량적으로 평가하기 위해 하천의 HMU 분류에 가중치를 부여하였다. 퍼지 로직은 대상 값을 0 또는 1로 명확히 구분하는 이진적 방식이 아니라 0과 1 사이의 연속적인 값을 사용하여 불확실성을 반영하는 방식이다. 일반적으로 수심이나 유속과 같이 중복되는 특성을 지닌 변수의 퍼지화를 위해 각 특성에 대해 0에서 1사이의 가중치를 부여한 후 그 값을 곱하여 Meso-habitat 유형을 분류한다. 이때 사용되는 가중치는 단순한 정성적 판단이 아니라 각 HMU의 수심과 유속의 상대적 중요도 및 분포 특성을 반영하여 부여된다. 본 연구에서는 중복되는 수심과 유속 정보의 영향을 정량적으로 반영하기 위해 수심과 유속의 퍼지 멤버십 함수를 각각 삼각형 모양의 곡선으로 정의하고 중첩되는 소속도를 갖도록 하였다. 이러한 소속도는 사전에 설정된 임계값 기반 유속구간을 기반으로 하며 각 멤버십 함수의 중첩영역에서 중복 평가가 가능하도록 구성된다. 이를 통해 각 포인트가 여러 HMU 유형에 중첩 소속될 수 있도록 하여 실제 하천의 연속적 수환경 특성을 정밀하게 반영하고자 하였다.
두 번째 단계인 퍼지추론규칙에서는 유속과 수심에 대한 가중치를 기반으로 확률분포 형태의 퍼지 멤버십 함수를 생성하고 이를 y=-x 직선에 투영시켜 HMU의 최종 가중치를 산정하였다. 이 과정에서 각 데이터 포인트는 여러 클러스터에 동시에 속할 수 있으며 해당 포인트와 각 클러스터 중심 간의 거리를 계산하여 멤버십 함수에 따른 가중치를 결정한다. 이때 퍼지 가중치 함수를 사용하여 하나의 포인트가 여러 클러스터에 동시에 속할 수 있도록 하였다. 이후 각 클러스터 내 포인트들의 가중치 값을 이용해 중심점을 업데이트하고 다시 가중치를 계산하는 과정을 수렴할 때까지 반복한다. 마지막으로 각 포인트의 색상은 해당 포인트가 가장 높은 가중치를 가지는 클러스터를 나타낸다.
마지막 단계인 비퍼지화는 퍼지 로직의 마지막 단계로 퍼지화 과정에서 얻어진 퍼지값을 명확한 출력값으로 변환하는 과정으로 퍼지 집합의 가중치 값을 하나의 명확한 숫자로 변환해야 한다. 비퍼지화 방법에는 중심 (Centroid) 방법과 최대가중치 (MOM, mean of maximum) 방법 등이 있다. Centroid method는 퍼지 집합의 중심을 계산하여 명확한 출력값을 도출하는 방법이다 (식 (4)). 이는 퍼지 집합의 전체 모양을 고려하여 무게 중심을 찾는 방식이다. MOM method는 퍼지 집합에서 가중치 값이 최대인 지점을 찾아 그 값을 출력하는 방법이다 (식 (5)).
여기서, 
는 퍼지 함수의 가중치 값, 
는 변수, 
는 가중치 값이 최대한 변수들의 집합을 의미한다.
Ⅲ. 결과 및 고찰
1. HEC-RAS 모의 결과
Fig. 4에서는 복하천에서 2022년의 1년간 HEC-RAS 2D 모의 결과를 도시하였고, Table 3에서는 수리 모의의 정확도 평가지표 산정치를 제시하였다. 이때, HEC-RAS 2D를 이용한 수위 모의는 일 단위로 수행되어, 일간 평균 수위와 관측 수위를 비교해 정확도 평가를 수행하였다.
Table 3
Accuracy metrics of the observed depth and simulated depth at Bokha bridge
| RMSE (m) | R2 | NSE | |
| Calibration | 0.099 | 0.645 | 0.511 |
| Validation | 0.152 | 0.732 | 0.723 |
수위 모의 결과에 따르면, 전반적으로 강우가 발생할 때 수위가 증가하는 경향성을 보였으며 특히 여름철 (6월 - 8월) 동안 강우가 많이 발생할 때 수위가 크게 높아지는 경향성을 확인하였다. 이러한 특징은 관측된 수위와 모의된 수위 모두 유사하게 나타났으며 강우와 수위의 상관관계를 명확하게 보여준다. 이와 같은 경향은 여름철 강우량 증가에 따른 수위 상승 패턴과 일치하는 결과를 보였다 (Jeon and Lee, 2011).
모형의 보정은 2022년 1월부터 6월까지의 관측 유량 데이터를 기반으로 수행하였고 검정은 7월부터 12월까지의 일단위 관측치 데이터를 활용하여 진행하였다. 정확도 평가 결과 모형의 보정의 정확도는 RMSE는 0.099 m, R2는 0.645, NSE는 0.511으로 평가되었고, 검정의 정확도는 RMSE는 0.152 m, R2는 0.732, NSE는 0.723으로 평가되었다. 이는 Moriasi (2015)의 정확도 평가기준에서 R2가 0.6을 초과하고 NSE가 0.5를 초과하는 satisfactory 수준으로 모의되어 적정한 것으로 평가하였다. 이러한 결과를 바탕으로 본 연구에서는 모의치 결과를 바탕으로 HMU 평가를 수행하였다.
2. 개선된 퍼지 로직을 이용한 HMU 분류 알고리즘
본 연구에서는 퍼지 로직을 개선하여 하천 서식처를 HMU 단위로 분류하는 알고리즘을 구현하였다. 퍼지화 (Fuzzification) 및 퍼지추론규칙 (Fuzzy inference) 단계에 대해 세분화하여 보다 정밀한 분석을 수행하였다. 수심과 유속에 대해 각 HMU 범위에 따른 가중치를 곱하여 최종적인 HMU 가중치 함수를 구축하였다 (Fig. 5).
Fig. 5
Ranges of hydrodynamic factors and weighting function values used for Fuzzy logic based HMU classification
Fig. 6에서는 퍼지 클러스터링 알고리즘을 사용하여 하천의 다양한 서식처 유형 (Pool, Riffle, Rapid, Ruffle, Run)을 유속 (Velocity)와 수심 (Depth)을 기준으로 클러스터링한 결과를 나타낸다. 이 과정은 클러스터 경계에 위치한 애매한 데이터를 유연하게 처리할 수 있게 해준다. 가중치 계산 시, 거리의 곱을 사용하여 클러스터 중심에서 멀리 떨어진 포인트의 가중치가 작게 설정되도록 하여 이상치의 영향을 줄였다. 이러한 방식은 Fuzzy C-Means 클러스터링 (Bezdek et al., 2013).에서 일반적으로 활용되는 거리 기반 가중치 공식에 따라 수행되었으며 각 포인트의 소속도 (membership degree)를 반복적으로 갱신하는 과정을 통해 중심점이 수렴하게 된다. 본 연구에서는 반복 수렴 후 계산된 클러스터 중심과 각 유형 간의 평균 거리 감소 및 시각적 구분도를 통해 클러스터링의 정확도 향상을 확인할 수 있었다.
하천 서식처 평가는 퍼지 로직을 활용하여 수행되었으며 Fig. 6에서는 입력 변수인 속도 (0.50 m/s)와 수심 (0.40 m)를 퍼지화한 후, MIN 및 MAX method를 적용한 규칙 기반 추론 과정을 나타내었다. 최종적으로 Centroid method (Fig. 6(a))와 MOM method (Fig. 6(b))에 따른 서식처 평가 결과를 비교하였다. 파란색, 초록색, 노란색 영역이 동시에 높게 나타나는 경우가 관찰되었는데, 이는 특정 서식처 유형이 명확히 우세하기보다는 여러 서식처 유형의 점수가 비슷하게 나타나는 패턴을 보였다. 이러한 결과는 Centroid method가 MOM method에 비해 다양한 변수의 중첩된 영향을 정교하고 균형 있게 반영할 가능성을 시사한다. Centroid method는 퍼지 집합의 전체 영역을 고려하여 질량 중심을 기준으로 평가 결과를 도출하며, Fig. 6(a)에서 회색 영역의 질량 중심은 흰색 동그라미로 표시되어 있는데 이는 Centroid method가 여러 변수를 균형 있게 반영한 결과임을 보여주며, 서식처의 적합성을 더욱 신뢰성 있게 평가할 수 있는 장점을 보여준다. 반면, MOM method는 퍼지 집합의 최대값을 기준으로 평균을 계산하여 특정 피크 값에 중점을 두고 결과를 산출하며, 퍼지 집합의 일부 정보인 최대값에 의존해 특정 구간의 데이터에만 집중되며 Fig. 6(b)에서 나타나듯 최대값 부분에만 의존하여 나머지 정보를 충분히 반영하지 못하는 한계가 있다. 이로 인해 MOM method는 안정성이 떨어질 수 있으며 계산은 간단하지만 복잡한 환경에서는 불안정한 결과를 초래할 가능성이 있다 (Kim and Cho, 1998).
결론적으로, 하천 서식처 평가와 같이 다양한 변수들이 얽혀 있는 복잡한 문제에서는Centroid method가 보다 정확하고 신뢰성 있는 결과를 도출한다. 하천 서식처 평가는 단순한 변수나 일시적인 데이터를 평가하는 것이 아니라, 다양한 생태적 요소와 물리적 환경을 종합적으로 고려해야 한다. Centroid method는 이러한 환경 데이터를 통합적으로 분석하고 특정 요소에 치우치지 않는 균형 잡힌 평가를 가능하게 한다. 이는 생태계의 복잡성을 반영한 서식처 평가에서 중요한 요소로, 전체적인 흐름과 다양한 환경 변수를 고려하는 접근이 더 신뢰성 있는 결과를 제공함을 보여준다. 따라서 Centroid method은 Meso-scale 하천 평가 기법으로 적합하며 데이터의 부족으로 모의치에 기반한 방법론 설정이지만, Kim and Cho (1998)의 연구 결과와 일치하여 적합한 평가 방법론인 것으로 생각된다.
3. HMU 하천 지도 작성
Centroid method를 사용한 퍼지로직을 이용하여 복하천에 대한 Meso-scale 하천 서식처 클러스터링 하천 지도를 작성하였다. 유량 상태에 따른 하천지도를 작성하였으며 풍수량 (3.67 m3/s), 평수량 (1.63 m3/s), 저수량 (1.35 m3/s), 갈수량 (0.91 m3/s)에 따른 서식처 분포를 Fig. 7에 나타내었다 (MLTM, 2011). 다양한 흐름 조건에서 서식처 단위 (HMU) 유형이 뚜렷하게 나타나는 특정 구간을 선택하여 지도를 작성함으로써 시각적 명확성을 높이고 복잡성을 줄였다. 각 유량에 따른 HMU 유형의 공간적 분포는 보다 상세하게 표현되었으며 이에 따른 지점 개수는 Table 4에 제시하였다.
Table 4
Number of 2D mesh points accross HMU types for each streamflow regime
각 유량 상태에서 하천 서식처는 Pool, Riffle, Rapid, Ruffle, Run으로 분류되었으며, 이를 통해 서식처 분포의 변화를 시각적으로 확인할 수 있었다. 홍수량에서는 하천의 물 흐름에 뚜렷한 변화가 나타났으며 Rapid와 Riffle 구간이 크게 확장되었다. 특히 하천의 중앙부에 Riffle 구간이 집중되고 양쪽으로 Run 구간이 확대되는 양상이 관찰되었다. 풍수량에서는 Run과 Riffle 구간이 주로 나타나며 상대적으로 안정된 물 흐름을 보였다. Pool 구간은 줄어들고 Rapid 및 Riffle 구간이 확장되면서 물의 유속이 빨라졌다. 평수량에서는 Pool과 Run 구간이 주를 이루며 안정적인 흐름을 유지하는 구간이 많았다. 이 시기 Riffle 구간은 소규모로 나타났고 강한 유속의 구간은 거의 사라지며, 서식처는 깊은 Pool과 고른 흐름을 보이는 Run에 집중되었다. 저수량에서는 전체적으로 Run 구간이 확대되었고 물의 깊이가 얕아지며 유속이 느려졌다. Pool 구간은 하천 중심부에 집중되었고 물의 흐름이 감소하면서 서식처 변화는 크지 않았다. 갈수량에서는 전체적인 유량 감소로 인해 흐름이 약화되며 비교적 천천히 흐르는 Run과 정체 구간인 Pool이 주로 나타났다. 반면 빠른 유속에서 형성되는 Riffle이나 Rapid 구간은 물의 깊이와 속도가 부족해져 거의 관찰되지 않았다. 갈수 시기의 Pool 구간은 안정적인 서식치로 유지되었고 하천 흐름이 약한 지역에 분포하였다. 전반적으로 유량이 감소함에 따라 HMU 지점 개수가 줄어드는 경향을 보였으며, Rapid와 Riffle이 가장 큰 영향을 받은 반면, Pool, Ruffle, Run 등은 상대적으로 안정적이었다. 이를 통해 비교적 정확하게 HMU를 분류하여 하천지도 작성했음을 확인할 수 있다.
4. 하천 서식처 적합성 평가
하천 서식처는 하천 구조 및 유동 특성에 따라 Ruffle과 Run 구간으로 구분되며 이는 하천 생태계에서 중요한 역할을 한다. Ruffle 구간은 하천 바닥이 얕고 물의 흐름이 빠르며 산소 용해도가 높아 다양한 미세 서식처를 제공함으로써 수생 생물들에게 적합한 환경을 만든다 (Allan and Catillo, 2007). 반면, Run 구간은 안정적인 유속과 일정한 수심을 가지며 물고기가 서식하고 먹이를 찾기에 유리한 조건을 제공한다 (Newbury and Gaboury, 1993). Ruffle과 Run 구간의 서식처 적합성은 유량 변화에 따라 달라지며 유량이 증가하면 Ruffle 구간의 비율이 높아지고 산소 농도가 증가하여 물고기 서식에 유리한 환경이 조성된다. 그러나 과도한 유량은 물의 흐름이 지나치게 빨라지게 만들어 물고기들이 서식하기 어려운 조건을 만들 수 있다 (Bain et al., 1988). 반대로 저수량이나 갈수량 상태에서는 Ruffle 구간이 축소되고 Run 구간이 확장되어 물고기에게 안정적인 서식 환경을 제공한다.
Ruffle 구간의 평균 수심은 0.13–0.47 m, 유속은 0.15–0.48 m/s로 나타났으며, Run 구간은 평균 수심이 0.32–0.67 m, 유속은 0.16–0.45 m/s로 확인되었다. 해당 두 HMU 구간의 수리 특성은 피라미가 선호하는 특징인 수심 0.10–0.50 m와 유속 0.20–0.50 m/s 범위와 유사하였다 (Lee and Heo, 2022). HMU별 개채 관측연구로 피라미와 같은 담수어종으로 하천 바닥의 수초, 돌 등의 구조물을 선호하는 민물어종인 Bullhead (Pseudobargrus fulvidraco)는 Ruffle과 Run 구간을 선호하는 반면 Pool구간은 상대적으로 덜 선호하는 경향이 관찰되었다 (Moriasi et al., 2015). 이는 Ruffle과 Run 구간에서 민물 어종이 선호하는 유속, 수심 환경과 산소 공급이 가능한 HMU였기 때문이다. 이러한 결과는 피라미와 같은 민물 어종의 서식처 관리에 있어 Ruffle과 Run 구간이 적합함을 확인할 수 있으며 생태계 관리 방안을 설계할 때 중요한 요소로 고려되어야 할 수 있다.
Fig. 8은 복하천의 하천 유황에 따른 Ruffle과 Run 구간의 개수 및 비율을 나타낸다, 풍수량 상태에서 Ruffle 구간은 가장 높은 비율을 보여 산소 농도가 높은 환경을 형성하여 수생 생물의 서식에 유리한 조건을 조성한다. 반면, 평수량 및 저수량 시기에는 Run 구간의 비율이 상대적으로 높아 물고기들이 서식하기 적합한 안정적 환경을 제공하는 것으로 나타났다.
유량이 줄어듦에 따라 Ruffle 구간의 비율은 점진적으로 증가하는 경향을 보인다. 이는 유량 감소로 인해 하천 바닥의 노출과 함께 물의 흐름이 느려지면서 산소가 풍부한 구간이 확대되기 때문이다 (Allan and Catillo, 2007). Run 구간의 경우 풍수량 상태에서는 비율이 4.94%로 나타났으며 유량이 감소할수록 그 비율이 줄어드는 양상을 보인다. 이러한 Run 구간은 비교적 안정적인 흐름을 제공하여 풍수량 상태에서는 물고기 서식에 적합하지만 유량이 감소할 경우 서식처로서의 범위가 제한될 수 있다. 유량 상태에 따른 Ruffle과 Run 구간의 합산 비율은 유량이 줄어들수록 증가하는 경향을 보인다. 이는 Run 구간의 감소에도 불구하고 Ruffle 구간의 확장 속도가 상대적으로 크기 때문에 나타나는 결과로 해석된다. 이는 유량이 줄어들 때에도 Ruffle 구간의 확장으로 인해 물고기 서식에 적합한 환경이 유지되거나 오히려 증가할 수 있음을 시사한다. 이러한 Ruffle과 Run 구간의 비율 변화는 하천 생태계 내에서 물고기 서식처의 안정성에 중요한 영향을 미친다. 높은 유량 상태에서는 Ruffle 구간의 산소 농도가 높아 물고기 서식에 유리한 환경을 제공하지만 지나치게 빠른 유속은 물고기 서식에 불리한 조건이 될 수 있다. 반면 갈수량 상태에서는 Ruffle 구간이 확장되면서 산소 공급이 원활해져 물고기 서식에 유리한 안정적인 조건을 제공한다. Run 구간의 감소는 서식처의 안정성에 부정적 영향을 미칠 수 있지만 전체적으로 서식처의 비율이 유지됨으로써 생태계 내 물고기 서식 환경은 보존될 수 있는 것으로 나타났다.
Ⅳ. 결 론
본 연구에서는 물리적 서식처 인자들을 복합적으로 고려하여 개선된 퍼지로직을 이용한 HMU 분류 알고리즘을 구현하였고, 이를 이용해 복하천 내 약 2.9 km 구간을 대상으로 Meso-scale 단위의 하천 서식처 평가를 수행하였다.
HMU 분류 알고리즘은 퍼지화와 퍼지 추론 규칙을 적용해 분석의 정밀성을 높였으며 각 HMU 범위에 따른 가중치를 통해 최종적인 HMU 가중치 함수를 구축하였다. 이 과정에서 다양한 서식처 유형 (Pool, Riffle, Rapid, Ruffle, Run)을 클러스터링하고 클러스터 경계에 위치한 데이터를 유연하게 처리함으로써 클러스터 간 중첩을 줄여 이상치의 영향을 최소화하고자 하였다. 또한 Centroid method와 MOM method를 적용하여 비퍼지화된 평가 결과를 비교한 결과, 생태적 요소와 물리적 환경이 복합적으로 고려되는 서식처 평가에서는 Centroid method가 물리적 서식처 특성을 반영한 평가 결과 도출에 있어 기초적인 적용 가능성을 보였다. 다만, 본 연구는 피라미 (Zacco platypus)를 해당 구간의 우점종으로 선정하여 분석을 수행했기 때문에 결과 해석의 일반화에는 다소 한계가 있다. 따라서 향후 연구에서는 피라미 외에도 다양한 어종 또는 대표 군집을 고려한 다층적 서식처 평가가 병행될 필요가 있으며, 이를 통해 생태적 다양성과 적용성 측면에서의 연구 신뢰도를 높일 수 있을 것이다. 본 연구는 모델 기반의 분석에 초점을 두고 있어 클러스터링 및 분류 결과의 실효성을 정량적으로 평가하기 위한 실제 수생 생물의 서식 실측자료와의 비교 검증은 수행되지 못한 한계가 있다. 이에 따라 향후 연구에서는 보다 정밀하게 검증하기 위해 실제 수생 생물의 분포 및 서식 실측자료와의 비교, 검증이 후속 연구로 요구된다.
개선된 퍼지로직 기반의 HMU 분류 알고리즘을 활용하여 풍수량, 평수량, 저수량, 갈수량 등 다양한 유량 조건에서 복하천의 Meso-scale 하천 서식처 분석을 수행한 결과, 유량 변화에 따른 서식처의 공간적 특성과 연결성이 달라지는 경향이 나타났다. Ruffle 구간은 산소 용해도가 높아 다양한 수생 생물들이 서식하기에 적합한 환경을 제공하는 반면, Run 구간은 안정적인 유속과 일정한 수심을 통해 물고기 서식에 적합한 환경을 조성하는 것으로 나타났다. 유량 증가 시 Ruffle 구간의 비율이 확대되어 서식 환경이 일시적으로 개선되지만 과도한 유량 증가는 서식 안정성을 저하시킬 수 있으며 반대로 저수량 상태에서는 Ruffle 구간이 축소되고 Run 구간이 확대되어 비교적 안정적인 서식처 환경이 형성되었다.
본 연구는 개선된 퍼지 로직의 HMU 분류와 이를 적용한 Meso-scale 하천 서식처 평가를 통해 하천 생태계의 복합적이고 종합적인 관리 체계 구축 가능성을 확인하였다. 향후에는 유량 외에도 수온, 유기물 농도 등 다양한 환경 변수를 통합한 다차원적 서식처 평가 모델의 개발이 필요하며 퍼지 집합의 정의 및 소속 함수 설정 과정에서도 전문가의 식견과 실측 데이터 기반 검증을 병행함으로써 모델의 신뢰성과 적용성을 높이는 것이 중요하다. 또한, 본 연구의 방법론이 이론적, 모형적 기반에 중점을 두고 있는 만큼, 향후 실측 서식처 조사자료에 기반한 정량적 비교 및 검증 연구가 반드시 병행되어야 하며 일일 하천 흐름에 기반한 HMU 클러스터링 맵 자동화 기법 개발, 지형, 지질학적 요소를 반영한 정밀 모델링 등의 후속 연구를 통해 하천 서식처 평가 및 관리체계는 보다 정교하고 과학적으로 발전할 수 있을 것으로 기대된다.
