Best management practices are often implemented to control nonpoint source pollutants. Best management practices need to be simulated and analyzed for effective Best management practices implementations. Filter strip is one of effective Best management practices in agricultural areas.
Soil and Water Assessment Tool model was selected to explore the effectiveness of filter strip to control total phosphorous in Golji watershed. Soil and Water Assessment Tool model was calibrated for flow and total phosphorous by Sequential Uncertainty Fittin ver.2 algorithm provided in Soil and Water Assessment Tool-Calibration and Uncertainty Procedures. Three scenarios defined by filter strip width were applied. The filter strip width of 5 m was able to reduce the most amount of total phosphorous. In other words, the total phosphorous reduction by filter strip of 5 m was 28.0%, while the reduction was 17.5% by filter strip of 1 m. However, the reduction per unit filter strip width were 17.4%, 8.0%, and 4.5% for 1 m, 3 m, and 5 m of filter strips, respectively.
Best management practices need to be simulated and analyzed so that the BMP scenario can be cost-effective. A large size of BMP might be able to control large amount of pollutants, however it would not be indicated as a cost-effective strategy.
우리나라는 몬순기후의 영향으로 연평균 강수의 70%가 여름철에 집중되어 있어, 수자원 관리에 적지 않은 어려움을 겪고 있다(Kang
>
Soil and Water Assessment Tool 모형의 개요
SWAT은 시공간적 인자들의 고려가 가능한 유역모형이며, Simulator for Water Resources in Rural Basins (SWRRB; Williams
>
Soil and Water Assessment Tool모형의 입력자료 구축
SWAT 모형은 강수량, 기온, 풍속, 일사량, 상대습도와 간은 시간적 자료와 수치표고모형(Digital Elevation Model: DEM), 토지이용도(Landuse), 토양도(Soil Map)와 같은 공간적 자료를 필요로 한다. 본 연구에서는 태백, 삼척, 정선의 골지천 유역을 대상으로 하였으며(Fig. 1), 골지천 유역의 유역면적은 961.8 km2, 유역평균경사는 41.1%, 유역평균고도는 783.2 m이며, 산림이 전체 유역 면적의 84.4%, 농경지가 9.08%로, 산림이 유역의 대부분을 차지하고 있다. 기상자료 태백, 대관령, 강릉, 동해, 정선 기상관측소의 2005년에서 2012년까지의 관측 자료를 이용하여 구축하였으며, 정선 기상관측소의 경우 2010년 8월부터 운영되어 이전 관측 자료는 가장 가까운 영월관측소의 관측 자료를 활용하였다. (Table 1)에 보이는 바와 같이 5개 관측소마다 최대 연 800 mm 이상의 강우량 차이를 보였으며, 연평균 최소 1279.19 mm 에서 최대 1515.44 mm 까지 다양하게 분포하는 것으로 나타났다.
[Table 1.] Annual precipitation from weather station (mm)
Annual precipitation from weather station (mm)
유역의 지형정보를 나타내는 DEM은 국립지리원에서 제공하는 수치지도(격자크기 30 m)를 이용하여 구축하였으며, 토지이용도는 환경지리정보서비스에서(Environmental Geographic Information System: EGIS) 제공하는 중분류 토지이용자료를 이용하였다. 그리고 토양도는 농촌진흥청 농업과학기술원에서 제공하는 개략토양도를 사용하였다.
SWAT 모형은 다양한 매개변수를 이용하여 수문 및 수질을 예측하기 때문에 대상 유역에 대해 매개변수를 보정한 후 수문 및 수질 모의에 이용하여야 한다. 본 연구에서는 대상유역에 대한 SWAT 모형을 보정하기 위하여, 5개의 알고리즘(SUFI-2, PARASOL, MCMC, PSO, GLUE)을 이용할 수 있도록 하는 SWAT-CUP을 이용하였다(Fig. 2)(Abbaspour, 2007). SUFI-2(Sequential Uncertainty Fittin ver.2)는 순차적으로 매개변수를 추정하는 방법이며, Generalized Likelihood Uncertainty Estimation(GLUE) 알고리즘은 일반화 가능성의 불확실성에 의한 추정으로 매개변수를 추정한다. GLUE 알고리즘은 사후 확률 함수 도출을 위해 다른 매개변수와 관련된 가능성을 추정하고 출력 변수를 예측 하는 것을 기반으로 한다.Romanowicz 등(1994)은 통계적인 접근으로 더 공식적인 GLUE 알고리즘을 개발하였고, PARASOL은 SCEUA(Shuffled complex evolution method developed at The University of Arizona)알고리즘을 응용하여 여러 목적함수를 전역 최적화 기준(Global optimization criterion: GOC)으로 최소화하는 다중목적 최적화 방법이다. Ryu 등(2012)은 SWAT-CUP을 소양강댐 유역에 적용하였을 때 SUFI-2 알고리즘이 SWAT모형의 매개변수에 가장 적합하다고 하였다. 따라서 본 연구에서도 SUFI-2 알고리즘을 이용하여 골지천 유역의 최적매개변수 산정에 이용하였다.
SWAT-CUP을 이용한 SWAT모형의 매개변수 보정을 위해 수질총량측정망 골지A 지점의 2011년∼2012년 유량 및 수질 측정 자료를 구축하였으며, 8일 간격 유량자료(m3/s)와 수질자료(mg/L)를 일 부하량 자료로 치환하여 사용하였다(식. 1). 또한 광동댐 지점에 대해 수자원공사에서 측정하는 광동댐 2011년∼2012년 방류량/유입량 자료를 사용하여 다중 지점을 대상으로 모형을 보정하였다(Fig. 3). 보정 작업은 유량에 관련된 매개변수를 우선 보정한 후 산정된 유량 관련최적 매개변수를 SWAT모형에 적용하고 다시 수질에 관한 매개변수를 보정하였다. 유량 보정에는 총 18개의 매개변수를 이용하였으며, 댐 제원 정보(Table 2)에 근거하여 광동댐의 방류량/유입량 기준으로 댐 제원에 관한 매개변수도 보정을 실시하였다.
[Table 2.] Information of Gwangdong Dam
Information of Gwangdong Dam
SWAT-CUP에서 매개변수를 변화시키는 방법은 매개변수 값을 주어진 범위 내에서 직접 바꿔주는 방법(Replace by value), 주어진 범위 내에서 매개변수를 가감하는 방법(Add to value), 그리고 매개변수의 기본값에 주어진 범위 내에서 비율을 곱한 뒤 곱한 값을 기본 값에 가감하는 방법(Multiply by value)의 세 가지 방법이 있으며, 각 매개변수마다 다른 방법이 적용되었다. 모형을 보정한 후, 초생대 적용에 따른 수질개선 효과를 분석하였다. SWAT모형에서 초생대의 저감효과 분석은 유사 저감효율을 기반으로 하며 저감효율 산정방법은 (식. 2)와 같다. 광동댐 상류 소유역을 적용 대상 소유역으로 하였으며, 다양한 토지이용 중 밭에 해당하는 HRU에 대해서 초생대 설치 폭(1 m, 3 m, 5 m)에 따른 수질개선효과를 분석하였다.
>
Soil and Water Assessment Tool Mdoel의 유량 및 수질 보정 결과
실측치에 대한 SWAT모형의 적용성 평가를 위해 유량은 Nash and Stucliffe Efficiency(NSE)(Nash and Stucliffe Efficiency,1970)(식. 3)와 수질은 % difference(ASCE, 1993)(식. 4)를 이용하였다.
NSE는 실측치과 예측치의 유사성을 나타내며, 1 에 가까울수록 모델의 예측치가 실측치를 잘 반영하는 것을 의미하며, 0보다 작을 경우 모델의 예측결과가 실측치와 연관성이 없음을 의미한다(Kang and Park, 2003). Donigian Report (2000)가 제시한 일반적인 모형의 효율 범위와 신뢰 구간은 (Table 3)과 같다.
[Table 3.] Criteria for evaluation model performance of flow
Criteria for evaluation model performance of flow
%difference는 실측치와 예측치를 수학적으로 비교하기 위한 통계치로서 동일한 결과가 예상되는 반복되는 측정에 대한 신뢰성을 나타내는 양적 지표로 사용되며, %difference가 0 에 가까울수록 모든 실측치와 모의치의 차이가 작다는 것을 의미한다. Donigian Report (2000)가 제시한 일반적인 모형의 효율 범위와 신뢰 구간은 (Table 4)와 같다.
[Table 4.] Criteria for evaluation model performance of nutrients
Criteria for evaluation model performance of nutrients
NSE를 이용하여 유량을 보정 한 결과 골지A지점에 대한 예측치의 NSE는 0.8, R2는 0.8 (Fig. 4), 광동댐 지점 유입량에 대한 예측치의 NSE는 0.7, R2는 0.7 (Fig. 5), 광동댐 지점 방류량에 대한 예측치의 NSE는 0.6, R2는 0.6(Fig. 6)으로 모형이 대상 지점들에 대한 수문학적 거동을 잘 반영한 것으로 판단된다. 골지천 유역의 유량에 대해 보정된 매개변수를 적용하면서, 총인(Total Phosphorous, T-P)에 대한 매개변수를 보정하였으며, 골지A지점에 대한 예측치의 NSE는 0.39, R2는 0.42였으며 % difference 는 19% 나타났다(Fig. 7).
본 연구에서 보정된 SWAT 모형은 유량에 대한서는 실측치에 가까운 예측치를 모의한 반면, T-P에 대해서는 비교적 작은 NSE와 R2를 보였다. Donigian Report (2000)에 의해 % difference 가 15 - 35% 일 경우 "Very good"( < 15%)에 이어 "Good"으로 제안된 바 있으며, 따라서 본 연구에서 보정된 SWAT 모형의 T-P 에 관한 모의는 가능한 것으로 판단된다. 하지만 NSE와 R2가 비교적 작은 값을 보였기 때문에 T-P의 거동이나 계절적 변화에 대한 분석은 합리적이지 못한 것으로 판단되었다. 이에 본 연구에서 초생대에 의한 T-P 저감 효과는 실측치와 예측치의 총합만으로 비교 및 분석하였다.
본 연구에서는 광동댐 상류지역 밭에 3개의 초생대 시나리오를 적용하여 초생대에 의한 T-P 저감효율을 평가하였다. 저감효율 분석기간은 보정기간인 2011년∼2012년을 대상으로 하였으며, 광동댐 유역 내의 토지이용 중 밭 7.6%에 초생대 적용 전과 폭 1, 3, 5 m의 초생대 적용 후의 T-P 저감효율은 비교하였다. 폭 1 m 초생대 적용시 초생대 적용 전에 비해 17.4%, 폭 3 m 초생대 적용시 24.1%, 폭 5 m 초생대 적용시 28%의 T-P 저감효율을 보였다(Table 5). 초생대 폭 증가에 따라 T-P의 저감효율이 커지는 것으로 나타나고 있지만, 폭 증가는 밭 면적의 감소를 의미하고 이는 생산량 감소로 이어져 경제적 손실이 발생할 수 있으며, 이에 경제성과 효율성을 고려한 적정 초생대 폭 산정 연구가 필요할 것이다. 또한 초생대의 단위 폭에 대한 T-P 저감효율(Efficiency, %)을 볼 때, 1 m 초생대의 경우 17. 4%, 3 m 초생대의 경우8.0%, 5 m 초생대의 경우 4.5% 로 나타났기 때문에, 초생대 폭이 증가함에 따라 저감량과 저감율은 증가하지만, 효율성은 감소하는 것으로 나타났다.
[Table 5.] Effects of vegetative filter strip on T-P trapping efficiency
Effects of vegetative filter strip on T-P trapping efficiency
본 연구에서는 최근 비점오염 문제에 따라 비점관리고시지역 지정을 추진하고 있는 골지천 유역을 대상으로 SWAT 모형의 적용성 평가 및 최적관리기법 적용에 따른 수질개선효과를 분석하였다. SWAT-CUP을 이용하여 유역 내 여러 지점의 실측자료에 대하여 모형을 보정하였으며, 골지A 지점의 유량에 대해서는 NSE는 0.8, 광동댐 지점 방류량에 대해서는 NSE는 0.6, 유입량에 대해서는 NSE는 0.7로 나타나 골지천 유역에 대한 SWAT모형의 예측치가 실측치와 높은 유사성을 보였다. 반면에 T-P 에 대한 모형의 예측치의 NSE 와 R2 는 0.39 와 0.42 로 예측치와 실측치가 연관이 없다고 보기는 힘드나, 예측치가 실측치의 경향을 반영한다고 보기는 힘들다. 하지만 실측치와 모의치 각각의 합에 있어서는 % difference의 경우 19%의 값을 보였다. 본 연구에서 보정된 모형의 경우 시간에 따른 비점오염원의 거동 등의 분석은 힘든 것으로 판단되었으나 각각의 총합의 경우 실측치와 모의치가 % difference에 근거하여 유의 수준 안에 있기 때문에, 본 연구에서는 비점원오염에 대한 분석이 총합으로 이루어졌다.
총 3가지의 초생대의 시나리오별 T-P 저감효율을 분석한 결과 초생대를 적용한 소유역 내에서 폭 1 m 초생대 적용시 17.4%, 폭 3 m 초생대 적용시 24.1%, 폭 5 m 초생대 적용시 28.0%의 저감효과를 보였다. 최적관리기법에 대한 모의 및 분석은 최적관리기법 대상이(본 연구의 경우 초생대) 해당 비점오염원에 대해 요구되는 만큼의 저감을 시킬 수 있는지 뿐만아니라, 이에 따른 비용 등도 함께 고려되어야 한다. 초생대의 경우 지표 면적을 차지하기 때문에 초생대 폭의 증가는 높은 비용을 의미한다. 본 연구 결과에 의하면, 초생대 폭의 증가는 점차 낮은 효율성을 보였으며, 그러므로 초생대의 폭을 증가시킴으로서 T-P를 저감시키기 보다는 농경지에서의 지표피복 등 과 같은 다른 기법을 적용하는 것이 효율적일 것으로 생각된다. 예를 들어 유역에서 발생되는 T-P에 대해 25%의 저감이 요구된다면, 5 m 초생대를 적용하기 보다는 3 m 초생대를 적용하고 1.9%를 더 저감시키기 위해 다른 최적관리기법을 적용하는 것이 효율적일 수가 있다. 본 연구와 같이, 최적관리기법은 현장에 적용되기 전에 이를 모의할 수 있는 모형에 의해 분석이 선행되어야 하며, 또한 이 과정에서 대상 최적관리기법이 요구되는 비점오염원의 양을 저감시킬 수 있는지와 함께 그 효율성이 함께 분석이 이루어져야 한다.