검색 전체 메뉴
PDF
맨 위로
OA 학술지
제한된 측정 자료 기반 의암호 3차원 조류 예측 모델링 연구 Three-dimensional Algal Dynamics Modeling Study in Lake Euiam Based on Limited Monitoring Data
ABSTRACT

Algal blooms in lakes are one of major environmental issues in Korea. A three-dimensional, hydrodynamic and water quality model was developed and tested in Lake Euiam to assess the performance and limitations of numerical modeling with multiple algal groups using field data commonly collected for algal management. In this study, EFDC was adopted as the basic model framework. Simulated vertical profiles of water temperature, dissolved oxygen and nutrients monitored at five water quality monitoring stations from March to October 2013, which are closely related to algal dynamics simulation, showed good agreement with those of observed data. The overall spatio-temporal variations of three algal groups were reasonably simulated against the chlorophyll-a levels of those estimated from the limited monitoring data (chlorophyll-a level and cell numbers of algal species) with the RMSEs ranging from 2.6 to 17.5 mg/m3. Also, note that PO4-P level in the water column was a key limiting factor controlling the growth of three algal groups during most of simulation period. However, the algal modeling results were not fully attainable to the levels of observation during short periods of time showing abrupt increase in algae throughout the lake. In particular, the green algae/cyanobacteria and diatom simulations were underestimated in late June to early July and early October, respectively. The results shows that better understanding of internal algal processes, neglected in most algal modeling studies, is necessary to predict the sudden algal blooms more accurately because the concentrations of external PO4-P and specific algal groups originated from the tributaries (mainly, dam water releases) during the periods were too low to fully capture the sharp rise of internal algal levels. In this respect, this study suggests that future modeling efforts should be focused on the quantification of internal cycling processes including vertical movement of algal species with respect to changes in environmental conditions to enhance the modeling performance on complex algal dynamics.


KEYWORD
Algal dynamics modeling , EFDC , Internal cycling , Lake Euiam , Monitoring
  • 1. Introduction

    조류의 성장에 적합한 수온 및 광도 조건이 형성되는 시기에 충분한 영양염류가 공급되는 하천형 호소에서는 유해성 조류대발생(harmful algal bloom) 등을 비롯한 각종 수질 문제가 전 세계적으로 발생하고 있다. 조류의 대량증식으로 인한 직접적인 문제로는 (1) 독성 유발(Codd et al., 2005; Lehman et al., 2005), (2) 상수원수의 이・취미 발생(Srinivasan and Sorial, 2011; Watson, 2004), (3) 여과지 폐쇄(Joh and Lee, 2012; Jun et al., 2001), (4) 심미적 영향(Dencheva, 2010; Li et al., 2011) 등이 있다. 특히, 조류 발생에 따른 심미적 경관 훼손은 최근 하천 및 호소 주변에서 활발히 이루어지고 있는 다양한 수상 레저 활동의 주체로부터 민원 제기의 가능성도 높이고 있다. 또한 간접적인 문제로는 (1) 수생태계의 종 다양성 감소, (2) 조류 사멸 시 용존 산소의 고갈, (3) 어류 폐사 등의 문제들이 보고되고 있다(Chung and Lee, 2011; Lee et al., 2013; Son, 2013). 국내에서는 1996년 대청호에서 조류경보제가 시범적으로 적용된 이래 그 대상이 2012년에는 전국 22개 호수로 확대되어 운영 중에 있으며(Lee, Choi et al., 2012), 2012년부터는 4대강 본류 주요 구간을 대상으로 단기적인 수온과 Chl-a 농도 변화 예측을 통한 사전예방적 수질관리를 목적으로 수질예보제가 시행되고 있다(Lee, Na et al., 2012).

    북한강수계에 위치한 의암호는 과거부터 빈번한 녹조 발생 지역이며 팔당호 상류에 위치한 지리적 영향으로 한강수계 수질관리 측면에서 중요한 관심지역이다. 2011년 초 겨울 의암~팔당호 구간에서 높은 농도의 남조류와 냄새 유발물질(Geosmin 등)이 증식하여, 수도권 일부 지역에서 수돗물 이・취미 문제가 발생하였다. 2012년에는 장마기 이후 의암호를 비롯해 팔당호와 한강하류까지 녹조가 확산되어, 상수원수의 수질 관리 및 유해 남조류에 의한 독성물질에 대한 취・정수장 안전관리 강화 등의 필요성이 강력하게 제기되는 등, 이 지역의 녹조 문제는 단순한 환경문제를 넘어 최근 주요한 사회적 문제로 대두되고 있다(K-water, 2014; Min et al., 2013).

    최근 의암~팔당호 구간을 중심으로 한강수계 녹조 문제에 관한 다양한 연구들이 보고되고 있다. Byun et al. (2014)은 의암호, 청평호, 팔당호를 대상으로 강우에 따른 조류 군집의 천이 및 현존량의 변화를 검토하였으며, You et al. (2013)은 북한강 수계를 대상으로 저수온기에 우점한 Anabaena spiroides 의 증식 특성과 환경 인자와의 상관성에 대한 연구를 수행하였다. 또한, 남조류 휴면 포자의 계절적 변화 및 생리생태학적 연구 등도 활발히 보고되고 있다(Han River Watershed Management Committee, 2012; Kang et al., 2014). 하지만, 수치모델을 기반으로 조류의 발생 및 거동을 예측하여 조류 문제에 대응하는 등의 과학적인 수질 관리를 위한 연구는 상대적으로 부족한 실정이다. 최근 들어 물환경 관리의 다양한 분야에서 3차원 수리·수질 연계 모델링의 활용도가 높아지고 있으나(Chung et al., 2009, Chung et al., 2014), 3차원 수치모델링 결과의 신뢰성을 좌우하는 양질의 입체 모니터링 자료를 확보하기는 쉽지 않다. 특히 의암호는 상류에 위치한 두 댐(춘천댐, 소양강댐)의 방류수가 호소 내 지형적인 특성에 의해 입체적으로 혼합되며 방류량의 변동과 방류수의 이화학적 특성에 따라 수리·수질 특성이 시·공간적으로 복잡·다양하게 변화하는 수체로(Park et al., 2013) 현장 중심의 입체적인 수문·기상, 수리·수질 관측 자료의 축적과 함께 3차원 조류 예측 모델의 구축과 활용이 필요한 지역이다.

    일반적으로 하천 및 호소에서의 조류 발생은 햇빛, 수온, 유속과 난류의 정도 및 영양염류 상태에 따라 다양한 군집이 교대로 나타나고 있지만, 전통적인 조류 모델링 연구에서는 Chlorophyll-a (Chl-a)라는 대표 측정 항목을 기준으로 조류의 발생 및 거동을 모의해왔다. 하지만 보다 효과적인 조류 모델링을 위해서는 복수의 군집에 대한 독립적인 모의가 가능하면서 군집별(혹은 종별) 천이 현상을 반영할 수 있어야 한다. 이러한 수준의 조류 모델링 연구를 수행하는데 있어서 현실적으로 가장 문제가 되는 것은 대부분의 범용 수질모델에서 모의 가능한 조류 군집(혹은 종)의 수가 제한적이라는 사실 외에 다차원 수질모델의 입력과 보정에 필요한 다양한 조류 군집(혹은 종)의 개별 농도 자료를 장기간 연속적으로 획득하기가 대단히 어렵다는 점이다. 이와 같은 자료의 한계를 극복하고자 Chung and Lee (2011)는 조류 세포수 측정 자료를 바탕으로 군집별 점유율을 산정하여 실측 Chl-a 농도를 각각의 군집별 농도로 변환하여 조류를 모의하였다. 한편 Yajima and Choi (2013)는 일본 우라야마호에서 나타나는 주요 조류 군집별 우점종에 대하여 Reynolds (2006)에서 제시된 단위세포 당 Chl-a 함량(pg/cell)과 실측 세포수를 이용하여 전체 Chl-a에 대한 군집별 기여율을 산출하여 조류의 거동을 모의하였다. 또한 Chung et al. (2014)은 대청호에서 Microcystis spp. 의 단위세포 당 Chl-a 함량(1.07×10−6 μg Chl-a/cell)과 모델에서 모의된 Chl-a 농도를 가지고 세포수로 환산한 후, 실측 세포수와 비교하였다. 아울러 최근에 발표된 Office for Government Policy Coordination (2014)에 따르면, 한강을 제외한 나머지 3대강 보 구간에서의 남조류, 규조류, 녹조류에 대한 군집별 단위세포 당 평균 Chl-a 함량을 최적화 기법을 통해 산정하고 모의 결과를 실측 세포수 자료와 비교하는 방법을 제시한 바 있다.

    이에 본 연구의 목적은 2013년 3월부터 10월까지 의암호 및 주요 유입 지류들에서 측정된 입체 수질 모니터링 자료를 활용하여 Environmental Fluid Dynamics Code (EFDC) 기반의 3차원 의암호 수리·수질(조류) 모델을 구축하는 것이다. 또한 현재 조류 관리 목적으로 가장 보편적으로 측정하는 항목인 Chl-a 농도와 조류 종별 세포수 실측 자료를 기반으로 복수의 군집별 조류 농도 산정 기법을 제시하고 구축된 의암호 조류 예측 모델에 적용, 그 성과와 한계를 평가하여 향후 조류 발생 및 거동 예측 모델링 연구를 위한 개선 방안을 도출하는 것이다.

    2. Materials and Methods

       2.1. 연구대상지역

    의암호의 지리적인 위치는 북한강 본류 춘천댐 하류와 소양강댐 하류가 합류되는 지점으로부터 약 10 km 하류에 위치한 의암댐(중력식 콘크리트댐, 1967년 완공) 사이의 하천형 호소 구간이다(Fig. 1). 총 유역면적은 7,709.0 km2, 호소의 표면적은 15.0 km2, 총 저수용량은 80백만 m3이며 의암댐에는 14기의 수문(13 × 14.5 m)이 설치되어 연간 161 GWh의 전력을 생산하고 있다(MOLIT, 2014). 특히, 소양강댐 방류수가 도달하여 호소의 흐름 특성을 나타내기 시작하는 소양1교 일대부터 영양염류 부하가 상대적으로 높은 공지천과 춘천하수처리장이 합류하는 구간까지를 포함하는 의암호 좌안은 빈번한 조류 발생 지역으로 의암호 수질관리의 핵심지역이다. 또한 춘천하수처리장 방류구 일대는 인근 골재채취섬과 연결된 제방으로 둘러싸인 수리학적 사수역 내에 위치하여 저층 빈산소 현상이 관측되는 등 호 내의 다른 구간들과 상이한 이화학적 수질 특성을 나타내(Chuncheon City, 2014) 의암호 수질개선 측면에서도 매우 중요한 지역이다. 환경부는 Fig. 1에 제시된 바와 같이 의암호 수질측정망을 운영하고 있으며, 본 연구를 위하여 EAA와 EAB 지점에서 추가적으로 수질 자료를 획득하였다. 또한 한국환경공단은 2014년 3월부터 공지천교 등에 IP-USN을 설치하여 운영 중에 있다.

       2.2. 모델 구축

    2.2.1. 수치모델의 개요

    본 연구에서 사용된 EFDC 모형은 1992년 미국 버지니아 해양연구소에서 처음 개발된 이래(Hamrick, 1992), 미국 환경청의 지원을 받아 현재 Tetra Tech Inc.에서 유지·관리하고 있는 범용 3차원 수리동역학 및 수질모델로서 전 세계적으로 하구, 호소, 하천 및 습지 등 다양한 환경에서 적용되어 왔다. 최근 Wu and Xu (2011)은 중국 Daoxiang호의 조류 발생을 예측하기 위하여 EFDC 모형을 이용하여 Chl-a농도의 시공간적 변화를 모의하였고, He et al. (2011)은 중국 북경 인근 인공저수지 내 수질 특성을 3차원 EFDC 모형을 기반으로 모의하고 조류 저감을 위한 시나리오 분석을 수행하였다. 국내에서는 4대강 본류 구간(Jeong et al., 2010; Na et al., 2014), 새만금호(Jeon and Chung, 2012), 팔당호(Jeong et al., 2009), 낙동강 하구(Hur and Park, 2009) 등에서 물 흐름 및 수질 특성을 모의하기 위해 적용된 바 있다. EFDC 모델의 3차원 지배 방정식(연속 방정식, 운동량 방정식, 밀도 상태 방정식, 열 및 물질보존 방정식) 및 수치해석 기법에 관한 구체적인 설명은 Hamrick (1992), Park et al. (1995)Tetra Tech (2007)에 상세하게 기술되어 있다.

    2.2.2. 입력 자료의 구성 및 모델 설정

    의암호 3차원 조류 예측 모델의 단위격자 크기는 평균 약 80 m (82.7 × 81.4 m)이며 수평 방향으로 2,573개, 수직 방향으로 6개 층으로 나누어 전체 모델 격자의 수는 15,438개이다(Fig. 2(a)). 모델 격자의 구성과 관련하여 수평 방향(x, y)으로는 직교곡선좌표계(curvilinear), 수직 방향(z)으로는 수심의 변화에 따라 layer의 간격이 변화하는 Sigma stretch 기법이 사용되었다. 개별 격자 내 바닥고 구성과 관련하여 주요 하천 구간들(춘천댐 방류구~신매대교 및 소양강댐 방류구~소양1교)의 경우, 원주지방국토관리청의 측량 자료를 이용하였으며(Wonju Regional Construction Management Administration, 2002), 나머지 호소 구간에서의 바닥고는 2013년 실측 자료(Chuncheon City, 2014; Fig. 2(b))를 반영하여 구성하였다. 모델 격자로 내삽된 바닥고는 호 내에서 상대적으로 수심이 깊어 주 흐름 구간에 해당하는 구하상의 공간적인 특성을 실측 자료와 마찬가지로 효과적으로 재현하였다(Fig. 2(c)). 구축된 지형 자료의 신뢰도는 최신 실측 수위-저수용량 관계(Chuncheon City, 2014)를 이용하여 검증하였다. 상시 만수위(EL.(+) 71.5 m)를 기준으로 실측 저수용량 대비 모델에 의한 저수용량의 오차는 약 -2% (RMSE: 0.8×106 m3)로 나타나 의암호의 지형적 특성(특히, 수심의 공간적인 변화)이 합리적으로 재현된 것으로 판단된다(Fig. 2(d)). 또한 의암호 좌안 골재채취섬 제방에 의한 물 흐름의 차단 효과는 EFDC 모델의 Masking 옵션을 활용하여 반영하였다(Fig. 2(c)).

    모의에 사용된 기상 자료는 일부 자료(증발량 : 일자료, 운량 : 3시간 자료)를 제외하고 춘천기상대의 시 단위 관측 자료를 사용하였다. 한편, 증발량은 HSPF 모델을 이용하여 시 단위로 변환하였으며, 운량은 1시간 간격으로 선형 보간하여 모델 입력 자료로 사용하였다. 상류 댐방류에 따른 의암호 하천수 유입량은 국가수자원관리종합정보시스템(Water Management Information System)에서 제공하는 일평균 댐 방류량을 사용하였으며, 공지천 유입 유량은 해당 유역의 면적(53.0 km2)을 고려하여 북한강수계에서 환경 조건이 유사한 묵현천 유역(37.3 km2)를 대상으로 비유량법을 적용하여 산정하였다(Min et al., 2013). 하류 경계 조건은 의암댐 방류에 따라 변동되는 일평균 수위 변화를 고려하도록 수위 경계 조건으로 지정하였다.

    의암호 유입 하천수의 수온, 수질 및 조류 농도는 각각 춘천, 소양강2 및 공지천교 지점에서 획득된 수질 분석 자료를 기본적으로 활용하였다. 다만 의암호 조류 발생 우심지역과 인접한 공지천교 수온의 경우, 기상관측 자료와 관측 수온의 다중 회귀식을 통하여 산정된 시 단위 수온 자료를 사용하였다. 이러한 수온 산정 기법은 이미 국내 주요 지류의 수온 예측을 위해 채택된 바 있다(Ahn et al., 2011; Chung and Oh, 2006). 이를 위해 공지천교 IP-USN 지점(Fig. 1 참조)에서 측정된 수온 자료(3월~10월)와 동일시기 춘천 기상대의 기온과 이슬점 온도를 이용하여 다중 회귀식(Tw = 0.342Ta+0.402.Td+8.492, Tw = 유입 수온(°C), Ta = 기온(°C), Td = 이슬점 온도(°C))을 도출하여 공지천 수온을 산정하였다. 이와 같이 산정된 수온은 2014년 IP-USN 실측 수온과 높은 양의 상관관계(r = 0.86)를 보였으며(Fig. 3(a)),2013년 기상관측 자료를 바탕으로 회귀식을 통해 산정된 수온은 2013년도 측정값과의 비교를 통해 검증되었다(Fig. 3(b)). 한편, 모델의 유입경계(춘천, 소양강2, 공지천) 및 보정을 위한 지점(EA1, 2, 3, A, B)은 Fig. 1에 제시하였으며, 각 지점마다 표층(수면 0.5 m 아래), 중층(수심의 1/2지점) 및 저층(바닥 0.5 m 위)의 수심별로 수질 및 조류 관련 측정을 실시하였다. 모든 지점에서 분석된 수질 측정 항목은 수온과 DO 등 현장측정 일반항목 외에 TN, DTN, NH3-N, NO3-N, TP, DTP, PO4-P와 같은 영양염류 계열이며, 조류의 경우 Chl-a 농도 외에 조류 종별 세포수가 함께 계수되었다. 측정 주기는 2013년 3~6월에는 월 1회, 7~9월에는 주 1회, 10월에는 월 2회를 기준으로 한 지점 당 최대 18회 측정되었다. 춘천・신북・서면하수처리장의 경우, 현장에서 측정된 일평균 방류량, 방류 수온, 수질 농도를 모델의 입력 자료로 사용하였으며, 용산・소양 취수장에서의 취수량은 2012년도 연평균 자료를 참고하여 각각 0.04, 0.14 m3/s로 반영하였다(MOE, 2013).

    수치모델의 연산 기간은 Spin-up 기간을 고려하여 2013년 1월 1일에서 10월 31일까지 매 3초 간격으로 수행되었으며, 보정을 위한 실측자료가 존재하는 3월~10월까지의 모의 결과를 제시하였다.

    2.2.3. 제한된 측정 자료 기반 군집별 조류 농도의 산정

    현재 EFDC 조류 모의 옵션의 경우, 대형조류(macroalgae)를 제외하고 세 종류의 부유성 조류 군집(남조류, 규조류, 녹조류)에 대한 모의가 가능하다. 다만 Cryptomonas spp.와 같이 국내 하천 및 호소에서 흔히 관찰되는 편모조류 등 세 군집에 포함되지 않는 기타조류들의 경우, 모의 가능한 조류 군집의 제약과 주요 발생 및 우점 시기 등을 고려하여 본 연구에서는 편의상 녹조류와 유사한 거동을 보인다고 가정하였다. 향후 필요에 따라 EFDC 소스코드가 수정되어 모의 가능한 조류 군집의 수가 확대되고 충분한 조류 관측 자료가 확보되면 이와 같은 가정은 불필요하게 될 것이다.

    군집별(혹은 종별)로 독립적인 조류 모델링을 위해서는 유입 경계 지점에서 조류 농도를 군집별로 구분하여 개별적으로 부여하고 모의 대상 내 모든 관측 지점에서도 개별 조류 모의 결과를 비교할 각각의 조류 군집별(혹은 종별) 농도가 필수적으로 요구된다. 하지만 수치모델링에서 고려되는 모든 지점에서 시계열 조류 분석 자료 전체를 조류 군집별(혹은 종별)로 나누어 농도를 생산하는 것은 소요되는 시간과 비용적인 측면에서 효율적이지 못하다. 따라서 본 연구에서는 현재 국내에서 하천 및 호소의 조류 관리 목적으로 가장 보편적으로 측정되고 있는 항목인 Chl-a 농도와 조류 종별 세포수 실측 자료를 기반으로 복수의 군집별 조류 농도 산정을 통해 제한된 조류 측정 자료로부터 군집별 조류 모의가 가능한 기법을 제시하고 의암호 3차원 조류 예측 모델에 적용하였다.

    각각의 조류 군집에 대한 농도 산정 절차는 다음과 같다.

    먼저 Reynolds (2006)가 제시한 조류 종별 단위세포 당 Chl-a 함량(Chl-a pg/cell)을 측정된 조류 종별 세포수와 곱하고 세 그룹별(남조류, 규조류, 녹조+기타조류)로 합산하여 군집별 Chl-a 농도를 산출하였다. 이 경우, 단위세포 당 Chl-a 함량이 제시되지 않은 조류 종들에 대해서는 각 군집별 조류 종들의 중간값(median)을 일차적으로 적용하였다. 세 군집별 Chl-a 농도를 합산하여 계산된 총 Chl-a 산정 농도와 실측 Chl-a 농도 사이에 시계열 평균 오차가 모든 유입 하천 및 호 내 비교 지점들에서 최소가 되도록 단위세포 당 Chl-a 함량을 제한된 범위 내에서(최대 10배 혹은 최소 1/10배) 조정하였다. 이 때, 하나의 종에 대해서는 모든 지점에서 동일한 단위세포 당 Chl-a 함량을 가지며, Park (2014)Reynolds (2006)에 의해 제시된 문헌 값들을 참고하였다. 조정된 단위세포 당 Chl-a 함량으로 재계산된 세 조류 군집의 Chl-a 농도에 대하여 각각의 조류 군집이 차지하는 비율을 산출한 후, 실측 Chl-a 농도에 곱하여 남조류, 규조류, 녹조+기타조류가 차지하는 각각의 군집별 Chl-a 농도를 계산하였다(Fig. 4). 이러한 산정 기법은 조류 군집별 단일 우점종의 단위세포 당 Chl-a 함량이 해당 조류 군집 전체를 일정 기간 동안 대표한다는 Yajima and Choi (2013)가 제안한 방법에 비해 실제 자연 환경 조건에서 관찰되는 군집 내 다양한 조류 종(species)의 변화까지 고려하였다는 측면에서 장점이 있다. 또한 특정 조류 종에 대하여서는 의암호 구간별(호 내부 및 유입 지류 전체)로 동일한 단위세포 당 Chl-a 함량(예를 들어 Microcystis spp.의 경우 0.26 pg/cell)을 사용함으로서 산정된 단위세포 당 Chl-a 함량의 물리적 의미를 조류 종(species) 수준에서 명확하게 정의할 수 있다. 마지막으로, EFDC 모델에서는 조류의 생체량을 탄소당량으로 변환하여 연산이 이루어지므로 앞서 산정된 Chl-a 농도는 각각의 조류 군집별로 고유한 Carbon to Chl-a ratio (mg C/µg Chl-a)를 이용하여 환산되었다. 본 연구에서는 Tetra Tech (2005)이 제시한대로, 남조류, 규조류 및 녹조+기타조류에 대한 Carbon to Chl-a ratio를 각각 0.250, 0.100, 및 0.060으로 고정하여 유입 지류와 호 내 비교 지점 모두 동일하게 활용하였다.

    3. Results and Discussion

       3.1. 3차원 수리?수질 예측모델의 구축

    3.1.1. 의암호 수온의 입체적인 변화

    의암호 수리특성의 한 단면인 수온의 입체적인 변화를 모의하기 위하여 사용된 수리동역학 모델의 주요 매개변수는 Table 1에 요약되었다. 또한 수온 모의 시, CE-QUAL-W2의 평형 온도 알고리즘(equilibrium temperature algorithm)을 사용하여 수체-대기 열 교환을 계산하는 옵션을 적용하였다. 의암호 내 5개 정점(EA1, EA2, EA3, EAA, EAB)의 표・중・저층에서 관측된 수온에 대한 수치모델의 예측 결과는 Fig. 5에 제시되었다. 먼저 실측 수온의 분포를 살펴보면, 7월 9일~15일 동안 발생한 홍수에 의해 호 내 전 지점의 평균 수온은 17.9°C로 하강하였으며, 8월 말에 이르러 평균 21.7°C로 회복하는 패턴을 보였다. 동일 지점들에서 모의된 수온 역시 이러한 하절기 수온 변화 현상을 잘 재현하였는데, 홍수기와 8월 말 비교 전 지점의 수온 평균은 각각 17.9 및 22.4°C로 나타났다. 모의 기간 전체적으로 볼 때 전 지점에서의 평균 수온 예측의 오차는 MAE가 0.7~1.9°C, RMSE가 0.9~2.7°C, RRMSE가 4.5~13.8%의 범위로 나타나 높은 재현성을 보였다(Fig. 5). 다만, 표층에 비해 중층 및 저층에서의 예측 오차가 상대적으로 더 크게 발생하였는데, 이는 의암호 유입량에 절대적인 영향을 미치는 소양강과 춘천댐 저수온 방류수의 측정값으로 월간 또는 주간 단위 수온 실측값에 의존했기 때문으로 판단된다. 실제로 저수온 댐방류는 호 내에서 밀도 차에 따라 중・저층에서의 물 흐름을 유발하는데, 이러한 구간에서 수온 변화 예측의 정확성을 향상시키고 수온 성층 및 밀도류 해석의 신뢰도를 높이기 위해서는 무엇보다 유입 경계조건에서의 수온 관측 주기를 증가시키는 등의 노력(시간 단위 또는 연속 측정)이 필수적인 것으로 보인다.

    [Table 1.] Values of key hydrodynamic model parameters used in this study

    label

    Values of key hydrodynamic model parameters used in this study

    3.1.2. 의암호 수질의 입체적인 변화

    용존 산소(DO)와 TN, TP의 변화는 조류의 성장과 깊은 연관성이 있으므로 이에 대한 모의 결과는 조류 예측 모델링의 완성도를 간접적으로 평가할 수 있다는 측면에서 의미가 있다. 본 연구에서 사용된 수질모델의 주요 매개변수 값들은 NIER (2007)Tetra Tech (2005)에서 제시된 수치들을 이용하여 Table 2와 같이 결정하였다. 이 중 조류 내 탄소와 인의 비율을 결정하는 CPprm2 및 CPprm3의 옵션은 본 연구에서 사용하지 않았다. 호 내 다섯 지점에서의 수심별 모델 보정 결과는 Table 3에 제시하였고 그 중 의암호 녹조발생 우심지역에 인접한 EA3 지점에서의 수심별 DO, TN, TP 농도의 시간적 변화 모의 결과를 대표적으로 Fig. 6에 도시하였다. DO의 경우, 수온과 마찬가지로 모든 지점에서 수심별로 계절적 변화를 합리적으로 재현하였다. 표층 DO의 수질예측 오차(RMSE)는 1.3~1.6 mg/L, 중층에서는 1.2~1.5 mg/L, 저층에서는 1.1~1.6 mg/L의 수준을 보였으며, 모든 비교 지점에서 MAE와 RRMSE값들은 각각 0.8~1.3 mg/L 및 14.9~22.2%의 범위를 나타냈다. 오차는 주로 10°C 이하 저수온기(3~4월)에 상대적으로 크게 나타났는데, 이 기간 동안 모의값은 관측값에 비해 전반적으로 약간 낮게 모의가 되었다. TN의 경우, 실측값과 모의값의 오차(RMSE)는 표층에서 0.26~0.69 mg/L, 중층과 저층에서 각각 0.24~0.32, 0.23~0.33 mg/L로 예측 정확도가 상대적으로 표층에서 낮았다. 가장 큰 오차를 보인 EA3 표층 지점의 경우, 춘천하수처리장 방류구와 인접한 지리적인 영향과 함께 풍향과 풍속에 따라 물의 흐름이 좌우되는 표층의 수리적 특성으로 말미암아 상대적으로 물의 흐름이 안정된 중・저층에 비해 모의된 TN 농도의 변동이 불규칙적으로 나타나 오차가 중・저층에 비해 높은 것으로 판단된다. TP 모의 결과, RMSE는 표층에서 0.02~0.03 mg/L, 중층과 저층에서 각각 0.02~0.06 mg/L, 0.02~0.05 mg/L의 범위를 보였다. 표층의 경우, 조류 성장에 따른 유기인의 증가로 말미암아 다소 높은 농도가 모의되는 시기도 있었다. 모든 비교 지점에서 MAE는 0.01~0.03 mg/L, RRMSE는 16.1~60.0%의 범위를 보였다. TP는 전반적으로 표층에서 가장 작은 예측 오차를 나타냈다. 이는 8월 22일 중・저층에서 측정된 TP 농도가 표층에 비해 월등히 높았기 때문으로 전반적으로 표층에서 보다 낮은 RMSE 범위를 보였으나, 8월 22일의 자료를 제외할 경우, 중・저층에서의 평균 RMSE값도 각각 0.02 mg/L, 0.01 mg/L로 표층과 같거나 오히려 낮은 오차를 보였다.

    [Table 2.] Key model parameters used for DO, TN and TP simulations

    label

    Key model parameters used for DO, TN and TP simulations

    [Table 3.] Statistical analysis on the DO, TN, and TP modeling performance at five internal monitoring stations (unit : mg/L)

    label

    Statistical analysis on the DO, TN, and TP modeling performance at five internal monitoring stations (unit : mg/L)

       3.2. 3차원 조류 예측모델의 구축

    3.2.1. 군집별 조류 농도 산정 기법의 평가

    제한된 측정 자료를 기반으로 군집별 조류 농도를 산정하는 절차는 앞서 2.2.3절에서 기술한 바 있다. 기존의 유사한 연구와 본 연구의 가장 큰 차별성 중 하나는 특정 기간 동안 주요 유입 하천과 호 내 비교 지점을 포함하는 모든 측정지점들에서 군집별로 산정된 Chl-a 농도의 합과 실측 Chl-a 농도와의 차이가 최소화되도록 단위세포 당 Chl-a함량을 조정한 것이다(Fig. 4의 단계③). 조정된 값의 합리성을 검증하기 위해 관련 문헌에서 제시된 값들과의 비교를 통해 본 연구에서 제시된 군집별 조류 농도 산정 기법의 타당성을 일차적으로 평가하였다(Table 4). 본 연구에서 산정된 단위세포 당 Chl-a 함량은 Reynolds (2006)에서 제시한 값의 최소 0.4배(기타 녹조류)에서 최대 5.4배(기타 남조류)의 범위 내에 존재하였다. 특히, 녹조류의 경우에는 문헌 값보다 본 연구에서 전반적으로 약간 작게, 남조류는 약간 크게 산정된 경향을 나타냈고 규조류는 Reynoldsn (2006)에서 제시된 수치와 거의 유사한 수준이다. 또한 한강수계 호소를 대상으로 Park (2014)이 제시한 값과 비교 시, 본 연구에서 제시된 수치는 최소 0.1배에서 최대 3.8배 수준으로 나타났다(Table 4). 실제 다양한 자연환경 조건에서 가변적인 조류의 생리학적 특성 등을 고려하고 이번 연구를 통해 제시된 값들이 기존 문헌에서 보고된 범위 내에서 유사하다는 측면에서 군집별 조류 농도 산정을 위해 본 연구에서 사용된 단위세포 당 Chl-a 함량은 적절한 수준으로 결정된 것으로 판단된다.

    [Table 4.] Comparison between Chl-a contents of individual algal species estimated in this study and the literature values

    label

    Comparison between Chl-a contents of individual algal species estimated in this study and the literature values

    이와 같이 조정된 단위세포 당 Chl-a 함량을 가지고 군집별로 환산된 Chl-a 농도의 합을 실측 Chl-a 농도와 비교하여 본 연구에서 산정된 조류 농도와 실측값 사이의 정량적인 차이를 평가하였다. 의암호 주요 유입 하천의 수질 측정지점에 해당하는 춘천, 소양강2 및 공지천교 지점을 포함하여 호 내 다섯 지점에 대한 비교 결과는 Table 5에 제시하였다. 상류 댐 유입 경계 지점들의 경우, 산정된 Chl-a 농도의 절대 오차가 RMSE 기준으로 3.0 mg/m3을 초과하지 않았고 비교적 실측 농도가 높은 공지천교 지점에서도 RMSE 오차가 17.4 mg/m3으로 현장에서 관측된 연중 농도 최대 변화폭의 약 11%에 달하는 수준에 불과하였다. 호 내 다섯 지점들 중에는 EA1에서 산정된 Chl-a 농도의 오차가 가장 크게 나타났다. 이는 2013년 7월 초에 관측된 Eudorina spp. 의 세포수가 EA1 지점에서만 유독 지나치게 높게 나타나(48,320 cells/ml) 동일시기 다른 지점들에서 관측된 수준과 비교해서(480~3,360 cells/ml) 최대 100배 이상 차이가 났기 때문으로 모든 지점에 대한 최소 오차를 고려하여 단위세포 당 Chl-a 함량을 조정하였기 때문에 상대적으로 EA1 지점에서의 오차가 크게 나타난 것이다. 이중 녹조발생 우심지역에 가까운 호 내 대표 지점(EA3)과 인근 유입 하천 지점(공지천교)에서의 Chl-a 농도 비교 결과는 Fig. 7에 도시되었다. 두 지점 모두 계절 변화에 따른 조류의 시계열 변동 패턴을 효과적으로 재현하였다. 다만, EA3 지점에서는 7월 초와 10월 초에 관측된 비교적 높은 농도값과 비교하여 산정된 Chl-a 농도가 전반적으로 낮게 계산되었지만(Fig. 7(a)), 공지천교에서는 8월 말에 관측된 약 160 mg/m3의 고농도에서도 비교적 높은 재현성을 보였다(Fig. 7(b)).

    [Table 5.] Discrepancies between the estimated and observed Chl-a concentrations

    label

    Discrepancies between the estimated and observed Chl-a concentrations

    3.2.2. 군집별 조류 모의

    군집별 조류 모의에 사용된 EFDC 모델의 주요 매개변수를 Table 6에 제시하였다. 조류 군집별 최대 성장률(PMx)은 각각 3.0/day로 모두 동일한 값을 사용하였다. 조류 발생 및 거동 예측 시 민감한 매개 변수인 조류 군집별 최적 수온 범위는 각각 28.5~33°C (남조류), 18~30°C (규조류) 및 18~25°C (녹조/기타조류)를 사용하였다. 특히 과거 문헌 자료(NIER, 2007)에 따르면 의암호 내에서 규조류는 연중 지속적으로 관찰되므로 비교적 넓은 구간의 최적 수온 범위를 설정하였다. 이와 같은 수온 범위는 Nielsen (2005)의 연구에서도 유사하게 적용된 바 있다. 또한 호 내 비교 지점 중 EA2, EA3, EAB에서의 조류 군집별 모의 결과는 Figs. 8~10과 같다. 모의 결과를 비교하기 위한 군집별 Chl-a 농도는 본 연구에서 산정된 단위세포 당 Chl-a 함량(Table 4)을 이용하여 세 조류 군집 각각의 상대 함량 비를 구하고(Fig. 4의 단계④), 그 비율을 실측 Chl-a 농도에 곱하여 최종적으로 결정하였다(Fig. 4의 단계⑤). 이와 같은 방법으로 산출된 각각의 군집별 농도를 살펴보면, 남조류는 6월경부터 관찰되기 시작하여 10월 말까지 관찰되었으며, EA3 및 EAB지점에서 최대 8 mg/m3를 보였다. 규조류의 경우, 대부분 10 mg/m3 미만의 범위를 보였으나 10월초 전 지점에서 급격히 증가하여 EA3 지점에서 40 mg/m3 이상의 농도를 나타냈다. 녹조 및 기타조류는 연중 5~20 mg/m3의 범위를 보였으나, EAB 표층 지점에서 9월 2일에 약 43 mg/m3의 최대 농도를 보였다. EA2 지점에서의 모의 결과, Chl-a 농도는 중・저층에 비해 표층에서 상대적으로 예측 오차가 작았다. 이는 10월에 중・저층에서 20 mg/m3 이상의 높은 규조류 농도가 관측되었으나 모델에서 이러한 현상을 재현하는 것에 다소 한계를 보였기 때문이다. EA3 지점에서는 각각의 군집 및 Chl-a 농도의 전반적인 시계열 변동은 합리적으로 재현하였으나, 7월에 나타난 남조류의 최대 농도, 6~7월의 녹조 및 기타조류 농도 및 10월 이후의 규조류 농도 등 급격한 조류 천이에 따른 변동 예측에는 제한적인 결과를 보였다.

    [Table 6.] Key EFDC model parameters used for three algal groups simulation

    label

    Key EFDC model parameters used for three algal groups simulation

    이와 같이 특정 시기에 특정 조류 군집의 급격한 증가는 의암호 전 구간에 걸쳐 나타나는 현상으로 이해되지만 그 발생 시기와 정도에 관한 정량적인 예측의 오차는 여전히 상대적으로 크다. 이와 관련된 원인 규명을 위해 외부 경계 조건으로 사용된 Chl-a 유입 농도를 먼저 살펴보았다. 춘천과 소양강2 지점의 경우, 연평균 Chl-a의 관측 농도는 각각 4.4 (1.6~10.1 mg/m3)와 1.6 mg/m3 (0.1~5.2 mg/m3)이며 공지천교에서는 32.4 mg/m3 (1.6~161.2 mg/m3)를 나타냈다. 또한 남조류와 녹조/기타조류의 예측 정확도가 낮았던 6~7월의 경우, 남조류는 춘천과 소양강2 지점에서 유입이 전혀 없었으며, 공지천교에서는 평균 1.6 mg/m3의 농도를 보였다. 또한 녹조/기타조류는 춘천 지점에서 평균 1.0 mg/m3, 소양강2 지점에서 평균 0.5 mg/m3, 공지천교 지점에서 평균 19.0 mg/m3의 농도 수준을 나타냈다. 이렇듯 상대적으로 낮은 조류 농도의 외부 유입 조건과 동일시기 호 내 주요 지점들에서 상대적으로 높게 관측된 군집별 조류 발생 및 거동 특성의 차이는 외부 유입 기원보다는 호 내부 수직 이동 또는 내부 순환에 의한 조류 발생의 가능성을 시사한다. 의암호 내에서 조류의 천이 또는 갑작스런 대발생을 보다 정확하게 모의하기 위해서는 조류의 내부 수직 이동과 순환에 관한 기작을 정량적으로 이해하고 수치모델에 적절하게 탑재하는 추가적인 노력이 필요할 것으로 판단된다.

    두 번째로 조류의 성장을 제어하는 주요 환경적 요인들에 관한 검토를 통해 조류 예측 오차의 원인을 파악하고자, 급격한 조류 천이 및 발생이 관측된 6~7월과 10월에 호 내 주요 관측지점 표층에서의 수온, 질소, 인에 대한 조류성장 제한인자(limiting factor)의 평균값을 Table 7에 제시하였다. 수온의 경우. 전 지점에서 남조류는 0.66~0.70, 이외 다른 조류 군집에서는 0.94~1.00의 범위를 보였다. 특히, 남조류는 6월 초부터 7월 9일~15일에 걸쳐 발생한 홍수기 이전까지 일평균 0.8 이상의 제한인자 값을 보였지만, 이후 홍수에 의한 호 내의 수온 하강 효과로 일시적으로 수온이 남조류의 성장을 제한하는 요인으로 작용한 것으로 보인다(Fig. 11). 질소의 경우, 모든 지점에서 평균 0.96~0.97의 범위로 조류의 성장을 제한하지는 않는 것으로 나타났다. 인은 분석 기간 3개월 평균 0.40~0.58의 범위로 가장 낮은 제한인자 값을 보였는데(Table 7), 조류가 급격하게 성장한 이 기간 동안 모의된 PO4-P 농도는 실측값에 비해 전반적으로 낮게 예측되었다(예시 : EA3 지점 표층, Fig. 11). 유입 경계조건으로 사용된 지점들에서 이 시기 수질 측정 주기가 월 1회 혹은 주 1회임을 고려할 때, 하절기 집중 강우에 따른 인의 유입이 실제보다 적게 모델에 반영되었을 가능성이 있다. 이와 같이 특정 시기 동안 지나치게 낮게 예측된 인은 실제 호소 내 환경 조건보다 인에 의한 조류 성장 제한을 강제하여 조류의 급격한 증가를 재현하지 못하게 하는 원인으로 작용할 수 있다. 따라서 보다 정확한 PO4-P 모의를 위해서는 강우 시 조밀한 수질 측정과 함께 하절기 의암호 일부 구간에서 저층 빈산소 환경에 따른 인의 용출 속도 증가 등과 같은 요인들을 정량적으로 고려하는 것도 필요할 것이다. 참고로 광(light) 조건의 경우, 기본적으로 0~1 사이의 범위에서 일 변화를 보이는데, 급격한 조류 성장이 관측된 3개월 동안(6, 7, 및 10월) 다섯 지점의 표층에서 평균 0.32~0.40의 범위로 계절적 변동 폭이 크지 않아 본 연구의 분석에서 따로 고려하지 않았다.

    [Table 7.] Average values of daily based limiting factors calculated at the surface layer of five monitoring sites for three months (June, July and October 2013) when abrupt algal growth was observed at the entire lake

    label

    Average values of daily based limiting factors calculated at the surface layer of five monitoring sites for three months (June, July and October 2013) when abrupt algal growth was observed at the entire lake

       3.3. 조류 예측 모델링의 성과와 한계 및 개선방안

    본 연구에서는 조류 관리를 위한 가장 보편적인 측정 항목인 Chl-a 농도와 조류 종별 세포수라는 두 개의 제한된 측정 자료를 이용하여 군집별 조류 모의 기법을 제안하였다. 이 기법은 조류 군집별 분리 및 단위세포 당 부피의 측정 등 분석 절차가 쉽지 않고 시간 소요가 많은 정밀 조류 관측 자료가 가용하지 않을 때에도 비교적 쉽게 모델링에 필요한 입력 및 보정 자료를 구축할 수 있다는 장점이 있다. 또한 조류 대표 항목으로 Chl-a 단일 농도를 모의했던 전통적인 조류 예측 모델링 기법에 비해 본 연구에서 제시된 바와 같이 군집별 조류의 시・공간적 변화를 개별적으로 모의하고 분석할 수 있다는 점이 유용하다.

    반면, 본 연구에서 제시된 단위세포 당 Chl-a 함량은 2013년 한 해에 한정된 관측 자료를 기반으로 산정되어 다양한 수문기상 특성이 반영된 중・장기적 관측 자료의 축적과 적용을 통해 검증할 필요가 있다. 또한 계산된 전체 Chl-a 농도에서 개별 조류 군집이 차지하는 비율을 산출한 후, 이 비율을 이용하여 관측 Chl-a 농도에서 군집별로 재분배하는 현재의 농도 산정 방식은 특정 조류 종의 농도가 세포수에 의해 절대적으로 결정되는 것이 아니라 경우에 따라서 구성 조류 군집의 비율에 따라 다르게 산정될 수 있다는 한계를 지닌다. 향후 추가적인 연구를 통해 이와 같은 점들을 보완하는 것이 필요하다.

    또한 군집별 조류 예측 결과에서 나타난 바와 같이, 특정 조류 군집의 급격한 우점과 천이 현상에 대한 수치모델 기반의 재현은 호 내부에서 발생하는 수직적 조류의 거동과 내부 순환에 대한 이해를 바탕으로 개별 과정에 대한 정량화 연구가 수치모델에 적절하게 반영되었을 때 보다 효과적인 예측이 가능할 것으로 보인다. 예를 들어, 남조류는 기낭을 이용한 부력 조절을 통해 수체 내 상・하간의 이동이 가능한데(Oh et al., 2013), 현 EFDC 모델은 이러한 메커니즘을 반영하지 못하고 있다. 아울러, 국내 하천 및 호소에서는 시기에 따라 Cryptomonas spp. 와 같은 편모조류가 우점하는 사례가 많이 보고되고 있으므로(Seo et al., 2003), EFDC 모델의 모의 가능한 조류 군집의 수를 확장하는 것도 고려할 필요가 있다.

    4. Conclusion

    본 연구에서는 EFDC 모델을 이용하여 의암호 입체 모니터링 기반의 3차원 수리・수질 예측 모델을 구축하였고 제한된 조류 측정 자료를 이용하여 복수의 군집별 조류 모의 기법을 제안하였으며 그 적용성을 검토하였다. 본 연구를 통해 도출된 주요 결론은 다음과 같다.

    1) 조류 군집별 세포수와 단위세포 당 Chl-a 함량을 이용하여 군집별 조류 Chl-a 농도를 산출한 결과, 일부 지점과 시기를 제외하고 실측 Chl-a 농도의 시・공간적 변화를 합리적으로 재현하였다.

    2) 조류의 성장과 거동 예측에 필수적인 수온, DO 및 영양염류에 관한 모의 결과, 구축된 3차원 조류 예측 모델은 의암호 내 수리・수질의 시・공간적 변화를 효과적으로 모의하였다.

    3) 향후 군집별 조류 예측의 정확도를 향상시키기 위해서는 중・장기 모니터링을 기반으로 본 연구에서 제시된 단위세포 당 Chl-a 함량을 검증하고 조류 군집별 농도 산정 기법을 보완하는 것과 함께 조류의 수직 이동 및 내부 순환에 관한 정량적 관측과 수치모듈의 개발을 통한 연구를 지속적으로 병행할 필요가 있다.

참고문헌
  • 1. Ahn K. H., Kim S. J., Seo D. I. 2011 Development of the Inflow Temperature Regression Model for the Thermal Stratification Analysis in Yongdam Reservoir [Journal of Environmental Impact Assessment] Vol.20 P.435-442 google
  • 2. Byun J. H., Cho I. H., Hwang S. J., Park M. H., Byeon M. S., Kim B. H. 2014 Relationship between a Dense Bloom of Cyanobacterium Anabaena spp. and Rainfalls in the North Han River System of South Korea [The Korean Society of Limnology] Vol.47 P.116-226 google
  • 3. 2014 A Sediment Distribution and Pollution Survey of Lake Euiam google
  • 4. Chung S. W., Lee H. S. 2011 Analysis of Microcystis Bloom in Daecheong Reservoir using ELCOM-CAEDYM [Journal of Korean Society on Water Environment] Vol.27 P.73-87 google
  • 5. Chung S. W., Oh J. K. 2006 River Water Temperature Variations at Upstream of Daecheong Lake During Rainfall Events and Development of Prediction Models [Journal of Korea Water Resources Associations] Vol.39 P.79-88 google cross ref
  • 6. Chung S. W., Hipsey M. R., Imberger J. 2009 Modelling the Propagation of Turbid Density Inflows into a Stratified Lake: Daecheong Reservoir, Korea [Environmental Modelling & Software] Vol.24 P.1467-1482 google cross ref
  • 7. Chung S. W., Imberger J., Hipsey M. R., Lee H. S. 2014 The Influence of Physical and Physiological Processes on the Spatial Heterogeneity of Microcystis Bloom in a Stratified Reservoir [Ecological Modelling] Vol.289 P.133-149 google cross ref
  • 8. Codd G. A., Morrison L. F., Metcalf J. S. 2005 Cyanobacterial Toxins: Risk Management for Health Protection [Toxicology and Applied Pharmacology] Vol.203 P.264-272 google cross ref
  • 9. Dencheva K. 2010 State of Macrophytobenthic Communities and Ecological Status of the Varna Bay, Varna Lakes and Burgas Bay [Phytologia Balcanica] Vol.16 P.43-50 google
  • 10. Hamrick J. M. 1992 A Three-Dimensional Environmental Fluid Dynamics Computer Code: Theoretical and Computational Aspects google
  • 11. 2012 Distribution and Eco-Physiological Characteristics of Harmful Algae in the North Han-Rive P.1-361 google
  • 12. He G., Fang H., Bai S., Liu X., Chen M., Bai J. 2011 Application of a Three-Dimensional Eutrophication Model for the Beijing Guanting Reservoir, China [Ecological Modelling] Vol.222 P.1491-1501 google cross ref
  • 13. Hur Y. T., Park J. H. 2009 Assessment of EFDC Model for Hydrodynamic Analysis in the Nakdong River [Journal of Korea Water Resources Associations] Vol.42 P.309-317 google cross ref
  • 14. Jeon J. H., Chung S. W. 2012 A Sensitivity Analysis on Numerical Grid Size of a Three-Dimensional Hydrodynamic and Water Quality Model (EFDC) for the Saemangeum Reservoir [Journal of Korean Society on Water Environment] Vol.28 P.26-37 google
  • 15. Jeong H. J., Hwang W. T., Kim E. H., Han M. H. 2009 Radiological Risk Assessment for an Urban Area: Focusing on a Drinking Water Contamination [Annals of Nuclear Energy] Vol.36 P.1313-1318 google cross ref
  • 16. Jeong S. M., Yeon K. S., Hur Y. T., Oh K. R. 2010 Salinity Intrusion Characteristics Analysis using EFDC Model in the Downstream of Geum River [Journal of Environmental Sciences] Vol.22 P.934-939 google cross ref
  • 17. Joh G. J., Lee J. Y. 2012 Cyanobacterial Biofilms on Sedimentation Basins in a Water Treatment Plant in South Korea [Journal of Applied Phycology] Vol.24 P.285-293 google cross ref
  • 18. Jun H. B., Lee Y. J., Lee B. D., An C. J. 2001 Effects of the Ratio of Diatoms Length to the Effective Size of Filter Medium on Filter Clogging [Journal of the Korean Geo-Environmental Society] Vol.2 P.31-35 google
  • 19. Kang P. G., Lee S. J., Byeon M. S., Yoon S. A., Kim H. N., Lee J. K., Hwang S. J. 2014 Current Status and Perspectives in the Akinete Study of the Blue-green Algal Genus Anabaena [The Korean Society of Limnology] Vol.47 P.1-12 google cross ref
  • 20. 2014 Engineering Technologies for High Efficiency Green-Tide Harvesting System and Microalgal Biomass to Convert Renewable Resources at the Water-Bloom of River P.1-86 google
  • 21. Lee C. S., Ahn C. Y., La H. J., Lee S. H., Oh H. M. 2013 Technical and Strategic Approach for the Control of Cyanobacterial Bloom in Fresh Waters [Korean Journal of Environment Biology] Vol.31 P.233-242 google cross ref
  • 22. Lee E. J., Na E. H., Kim K. H. 2012 Development of a Water Quality Forecasting System for a Preventive Water Quality Management [Rural Resources] Vol.54 P.50-55 google
  • 23. Lee J. J., Choi I. C., Yoon J. H., Hong S. H., Yang S. Y., Lee Y. J. 2012 Report of Phytoplankton Alert System in the Daechung and Boryung Reservoirs P.1-84 google
  • 24. Lehman P. W., Boyer G., Hall C., Waller S., Gehrts K. 2005 Distribution and Toxicity of a New Colonial Microcystis aeruginosa Bloom in the San Francisco Bay Estuary, California [Hydrobiologia] Vol.541 P.87-99 google cross ref
  • 25. Li J., Peng F. L., Ding D. B., Zhang S. B., Li D. L., Zhang T. 2011 Characteristics of the Phytoplankton Community and Bioaccumulation of Heavy Metals during Algal Blooms in Xiangjiang River [Science China Life Sciences] Vol.54 P.931-938 google cross ref
  • 26. Min J. H., Kim D. W., Kang M. R., Park M. J., Rhew D. H., Kim K. H., Ryu I. G., Na E. H., Park S. Y., Jin Y. H., Youn S. J. 2013 A spatially distributed modeling study on the algal dynamics in the middle-upper reaches of the North Han River, Korea (I) google
  • 27. 2013 Statistics of Waterworks P.1-521 google
  • 28. 2014 Ministry Of Land, Infracstructure and Transport (MOLIT). Water Resources Management Information System (WAMIS) google
  • 29. Na E. H., Shin C. M., Park L. J., Kim D. G., Kim K. H. 2014 A Study on the Operational Forecasting of the Nakdong River Flow with a Combined Watershed and Waterbody Model [Journal of Korean Society on Water Environment] Vol.30 P.16-24 google cross ref
  • 30. 2007 A Final Report on the Survey of Water Quality Model Parameters in the Aquatic Ecosystem of Han River (Main Stream and North Han River) P.1-211 google
  • 31. Nielsen E. J. 2005 Algal Succession and Nutrient Dynamics in Elephant Butte Reservoir, Master’s Thesis P.32 google
  • 32. 2014 A Survey Report on the Four Major Rivers Project (II) - Water Environment Area P.269 google
  • 33. Oh H. M., Lee C. S., Ahn C. Y., La H. J., Lee S. H. 2013 Technical and Strategic Approach for the Control of Cyanobacterial Bloom in Fresh Waters [Korean Journal of Environmental Biology] Vol.31 P.223-242 google
  • 34. Park H. K. 2014 Elemental Stoichiometry of Natural Phytoplankton Communities in Reservoirs of the Han River Systems [Journal of Korean Society on Water Environment] Vol.30 P.665-672 google cross ref
  • 35. Park K., Kuo A. O., Shen J., Hamrick J. M. 1995 A Three-Dimensional Hydrodynamic Eutrophication Model (HEM-3D): Description of Water Quality and Sediment Process Submodels P.102 google
  • 36. Park S. W., Lee H. W., Lee Y. S., Park S. S. 2013 A Hydrodynamic Modeling Study to Analyze the Water Plume and Mixing Pattern of the Lake Euiam [The Korean Society of Limnology] Vol.46 P.488-498 google cross ref
  • 37. Reynolds C. S. 2006 Ecology of phytoplankton P.26 google
  • 38. Seo J. K., Yu J. J., Lee J. J., Yang S. Y., Chung I. K. 2003 Phytoplankton Community Dynamics and Evaluation of Trophic State in the Lake Unmoon [Algae] Vol.18 P.135-143 google cross ref
  • 39. Son H. J. 2013 The Analysis of Phytoplankton Community Structure in the Middle-Lower Part of the Nakdong River [Journal of Korean Society of Environmental Engineers] Vol.35 P.430-435 google cross ref
  • 40. Srinivasan R., Sorial G. A. 2011 Treatment of Taste and Odor Causing Compounds 2-Methyl Isoborneol and Geosmin in Drinking Water: A Critical Review [Journal of Environmental Sciences] Vol.23 P.1-13 google cross ref
  • 41. 2005 A Hydrodynamic and Water Quality Model for the Lower Charles River Basin, Massachusetts P.1-94 google
  • 42. 2007 The Environmental Fluid Dynamics Code Theory and Computation Volume I : Hydrodynamics and Mass Transport P.10-12 google
  • 43. Watson S. B. 2004 Aquatic Taste and Odor: A Primary Signal of Drinking-Water Integrity [Journal of Toxicology and Environmental Health, Part A] Vol.67 P.1779-1795 google cross ref
  • 44. 2002 Basic Plan for River Maintenance (The North Han River) google
  • 45. Wu G, Xu Z. 2011 Prediction of Algal Blooming using EFDC Model: Case Study in the Daoxiang Lake [Ecological Modelling] Vol.222 P.1245-1252 google cross ref
  • 46. Yajima H., Choi J. K. 2013 Changes in Phytoplankton Biomass due to Diversion of an Inflow into the Urayama Reservoir [Ecological Engineering] Vol.58 P.180-191 google cross ref
  • 47. You K. A., Byeon M. S., Youn S. J., Hwang S. J., Rhew D. H. 2013 Growth Characteristics of Blue-green Algae (Anabaena Spiroides) Causing Tests and Odors in the NorthHan River, Korea [The Korean Society of Limnology] Vol.46 P.135-144 google
이미지 / 테이블
  • [ Fig. 1. ]  Location map of Lake Euiam including the water quality monitoring stations.
    Location map of Lake Euiam including the water quality monitoring stations.
  • [ Fig. 2. ]  Development and validation of the model bathymetry. (a) the 3-D model grid, (b) measured bathymetry surveyed in 2013, (c) modeled bathymetry interpolated onto the spatially discretized model grid and (d) comparison between measured and modeled stage-volume relationships for Lake Euiam.
    Development and validation of the model bathymetry. (a) the 3-D model grid, (b) measured bathymetry surveyed in 2013, (c) modeled bathymetry interpolated onto the spatially discretized model grid and (d) comparison between measured and modeled stage-volume relationships for Lake Euiam.
  • [ Fig. 3. ]  Multiple regression-based estimation on water temperature of Gongji stream. (a) comparison between calculated and measured water temperatures (2014 IP-USN data) and (b) the validation against on-site data observed at Gongjicheon bridge in 2013.
    Multiple regression-based estimation on water temperature of Gongji stream. (a) comparison between calculated and measured water temperatures (2014 IP-USN data) and (b) the validation against on-site data observed at Gongjicheon bridge in 2013.
  • [ Fig. 4. ]  Overview of estimation procedures on the Chl-a concentrations of three algal groups based on the limited measurement data.
    Overview of estimation procedures on the Chl-a concentrations of three algal groups based on the limited measurement data.
  • [ Table 1. ]  Values of key hydrodynamic model parameters used in this study
    Values of key hydrodynamic model parameters used in this study
  • [ Fig. 5. ]  Simulation results on the annual variation of vertical changes in water temperature: surface (left), middle (center) and bottom (right) layers of five internal monitoring stations. Note that , , where On and Pn are observed and simulated values, respectively.
    Simulation results on the annual variation of vertical changes in water temperature: surface (left), middle (center) and bottom (right) layers of five internal monitoring stations. Note that , ,  where On and Pn are observed and simulated values, respectively.
  • [ Table 2. ]  Key model parameters used for DO, TN and TP simulations
    Key model parameters used for DO, TN and TP simulations
  • [ Table 3. ]  Statistical analysis on the DO, TN, and TP modeling performance at five internal monitoring stations (unit : mg/L)
    Statistical analysis on the DO, TN, and TP modeling performance at five internal monitoring stations (unit : mg/L)
  • [ Fig. 6. ]  Simulation results on the annual variation of vertical changes in DO, TN and TP: surface (left), middle (center) and bottom (right) layers at EA3.
    Simulation results on the annual variation of vertical changes in DO, TN and TP: surface (left), middle (center) and bottom (right) layers at EA3.
  • [ Table 4. ]  Comparison between Chl-a contents of individual algal species estimated in this study and the literature values
    Comparison between Chl-a contents of individual algal species estimated in this study and the literature values
  • [ Table 5. ]  Discrepancies between the estimated and observed Chl-a concentrations
    Discrepancies between the estimated and observed Chl-a concentrations
  • [ Fig. 7. ]  Comparison of time series Chl-a concentrations between observed (circle) and calculated data (black dotted line): (a) EA3 and (b) Gongjicheon bridge.
    Comparison of time series Chl-a concentrations between observed (circle) and calculated data (black dotted line): (a) EA3 and (b) Gongjicheon bridge.
  • [ Table 6. ]  Key EFDC model parameters used for three algal groups simulation
    Key EFDC model parameters used for three algal groups simulation
  • [ Fig. 8. ]  Modeling results of the total Chl-a and three algal group levels at EA2.
    Modeling results of the total Chl-a and three algal group levels at EA2.
  • [ Fig. 9. ]  Modeling results of the total Chl-a and three algal group levels at EA3.
    Modeling results of the total Chl-a and three algal group levels at EA3.
  • [ Fig. 10 ]  Modeling results of the total Chl-a and three algal group levels at EAB.
    Modeling results of the total Chl-a and three algal group levels at EAB.
  • [ Table 7. ]  Average values of daily based limiting factors calculated at the surface layer of five monitoring sites for three months (June, July and October 2013) when abrupt algal growth was observed at the entire lake
    Average values of daily based limiting factors calculated at the surface layer of five monitoring sites for three months (June, July and October 2013) when abrupt algal growth was observed at the entire lake
  • [ Fig. 11. ]  Seasonal variations of primary factors limiting the growth of three algal groups at the surface layer of EA3 and the modeling results on the PO4-P levels at the surface, middle and bottom layers of the monitoring station.
    Seasonal variations of primary factors limiting the growth of three algal groups at the surface layer of EA3 and the modeling results on the PO4-P levels at the surface, middle and bottom layers of the monitoring station.
(우)06579 서울시 서초구 반포대로 201(반포동)
Tel. 02-537-6389 | Fax. 02-590-0571 | 문의 : oak2014@korea.kr
Copyright(c) National Library of Korea. All rights reserved.