수자원 시설 물공급 리스크의 적응형 관리를 위한 물수요 및 기후변화 영향의 불확실성 검토
Understanding Uncertainties in Projecting Water Demand and Effects of Climate Change for Adaptive Management of Water Supply Risk of the Water Resources System
이상은 1＊ ․박희경 2
Lee, Sangeun 1＊ ․PARK, Heekyung 2
1 KAIST 미래도시연구소, 2 KAIST 건설및환경공학과(2010년 9월 24일 접수 ; 2011년 1월 28일 1차수정 ; 2011년 5월 18일 2차수정 ; 2011년 5월 23일 채택)
Abstract
A special concern is paid to the risks with which small-sized water resources systems are confronted in supplying water in the far future. Taking the Gwangdong dam reservoir as a case study, the authors seek to understand demand-side and supply-side disturbances of a reservoir, which, respectively, corresponds to effects of water demand changes on the intake amount and those of climate changes on the inflow amount. In result, it is demonstrated that both disturbances in the next 50 years are almost unpredictable. Yet the projection ranges, thought of as relatively reliable information that models offer, reveal that severity and period of water shortage is very likely to change. It is therefore concluded that water resources management requires more rigorous approaches to overcoming high uncertainties. The methods and models for projecting those disturbances are selected, based on practicality and applicability. Nevertheless, they show a large usefulness, especially in dealing with data shortage and reducing the needs for expensive modeling resources.
Key words : Uncertainty, Water Demand, Climate Change, Adaptive Management, Gwangdong dam 주제어 : 불확실성, 물수요, 기후변화, 적응형 관리, 광동댐
＊Corresponding author Tel:+82-42-350-7231, Fax:+82-42-350-3610, E-mail: [email protected](Lee, S.)
1. 연구 배경
최근 광동댐 저수지 물부족 사태는 소유역 단위 수자원 관리의 중요성을 더욱 체감하게 하였다. 이전 연구 (이상은 등, 2009; 이상은 등, 2010)에 따르면, 겨울철 강수량 감소 같이 제어할 수 없는 기후요인이 물공급 리스크를 고조시킨 게 사실이지만, 몇 달에 걸쳐 큰 불편과 경제적 피해가 발생 한 결정적인 이유는 수자원 관리상의 '낮은 적응성 (Lee 등, 2011)', 즉, 불충분하고 다양하지 못한 수자원 시설, 시기적
절하지 않은 저수지 운영 방식, 그리고 효율적이지 못한 물 공급 시설의 성능으로 분석되었다. 게다가 가뭄논란이 지난 뒤에 의례 저수지나 물공급 시설의 증설과 보수가 주장되어 온 것과는 달리, 관리상의 다른 대안만으로 대부분의 피해 가 회피될 수 있었다는 사후적 결론이 제시되었다. 광동댐 의 경우 외에도, 많은 수자원 시스템이 영천댐, 가창댐, 수 어댐, 대암댐 등 소유역에 설치된 용수전용댐에 크게 의존 하고 있으며, 지역별로 차이는 있지만, 적은 저수용량, 정수 장의 단일 수원 의존도, 높은 급수관로 누수율, 획일화된 저
Figure 1. 수자원 시설 물공급 리스크의 적응형 관리를 위한 가 설 모형
수지 운영방식 등의 특징을 보이고 있다. 즉, 많은 수자원 시스템들이 기후변화에 대한 적응성이 낮다고 판단할 근거 가 충분하다. 이에, 현 시점에서 소규모 용수전용댐에 의존 하는 수자원 시스템의 먼 미래 물공급 리스크에 특별한 관 심을 갖고, 사전적으로 장래 리스크의 적응방안을 논의해 볼 필요가 매우 높다.
사실, 장래 물공급 리스크를 분석하는 데에는 수요부문과 공급부문 교란요인들 모두 높은 예측 불확실성이 내재된 것 으로 알려져 있다. 저수지 취수량과 관련된 수요부문의 교 란요인 (Gleick, 2003; 최동진 등, 2008; 이상은과 박희경, 2009; Lee와 Park, 2010)을 보면, 물수요가 도시개발계 획, 환경계획, 물공급 시설정비계획, 물이용 기술의 변화 등 인위적인 기술ㆍ정책변수가 개입되어 있으며, 도시의 융성 또는 쇄락, 산업구조 변화, 핵가족화 및 고령화, 라이프스타 일 변화 등 예측이 힘든 사회전반적인 동태가 포함되어 있 다. 공급 부문에도 새롭게 논의되는 교란요인, 즉, 기후변화 의 저수지 유입량 영향을 감안하지 않을 수 없다. 기후변화 의 저수지 유입량에 대한 영향을 예측할 때, 불확실성은 장 래 온실가스 농도의 시나리오 예상에서부터 시작된다. 이 초기의 불확실성은 GCM (general circulation model)의 불완전한 구조와 낮은 해상도로 인해 크게 증폭되고, 해당 지역의 수문현상을 분석하는 과정에서 더욱 확대되어
“uncertainty explosion (Henderson-Sellers, 1993)"
에 이른다. 그 결과 현 시점에서 교란요인들은 예측 (prediction)이라기보다는 그럴싸한 전망 (projection)만 을 가능케 한다 (모형을 통해 장래 상태를 모의하는 데에
‘예측’이라는 용어가 통용되고 있어 본 연구에서는 이를 따르나 분명히 일반적인 개념과 구분될 필요가 있다).
교란요인들의 높은 불확실성은 장래 물공급 리스크를 줄 이기 위해 다양한 적응대안을 검토하는 최근 노력과도 밀접 한 관계를 갖고 있다. 예를 들어, 물수요 관리와 저수지 시 설용량 증설간의 비교우위를 결정하거나 최적 저수지 운영 방식을 선별하는 작업에는 통상적으로 순편익의 기대값을 최대로 하거나 리스크 지표들의 기대값을 최소로 하는 ‘최 적화 범주’를 갖는다. 하지만 이 불확실한 교란요인들의 영향이 커져가고 예측시 일반적인 엔지니어들이 고려하는 것 보다 긴 시간축을 채택하기 때문에 산정된 기대값을 중 시하는 위의 범주에 확신을 부여하기 점점 힘들어진다. 그 러므로 현 시점에서 먼 미래에 대한 물공급 리스크의 적응 대안을 검토할 때에는 예측불능에 대한 관리시스템 반응의 보다 엄밀한 접근, 즉, 정보이론이나 적응형 관리의 명제들 이 중시되어야 한다 (이상은, 2008). 기본적으로 시설, 운 영방식, 비상대처방안 등에 대한 사전 준비를 통해 리스크 통제범위가 불확실성의 크기를 충분히 포괄할 수 있게 하
고, 교란요인에 대해 적절한 시점에 유연하게 대응할 수 있 는 관리정보시스템을 갖추어야 한다 (Ashby, 1958;
Pavlidou, 1977). 만일 불확실성의 크기가 너무 크다면, 값 비싸고 변경이 쉽지 않은 시설 위주의 적응방안은 신뢰성과 경제성에 큰 실패를 초래할 수 있다. 이 경우에는 학습을 중시하는 관리정보시스템, 즉, 최근의 경험을 바탕으로, 교 란요인들, 다양한 대응방안들, 그리고 수자원 시스템의 상 태들 간의 관계를 지속적으로 모니터링하면서, 가장 우수한 대응방안을 한시적으로 이용케 하는 관리차원의 유사실험 (pseudo-experiment)을 도입하지 않을 수 없게 된다 (Lee, 1999; Pahl-Wostl와 Sendzimir, 2005). 게다가 적응방안의 의사결정의 범주는 ‘expected return'의 최 대가 아닌 'regret'의 최소가 중시되는 것이 바람직하다. 이 처럼 ① 교란요인의 불확실성의 범위 및 특징 이해, ② 수자 원 관리시스템의 리스크 통제범위의 적합성 검토, ③ 적응 형 관리를 위한 유사실험 설계의 세 가지 노력들이, 기후변 화와 같이 높은 불확실성을 갖는 교란요인에 마주해 수자원 관리 적응방안을 계획하는 데에 핵심이라 판단된다 (Fig.1).
2. 연구 개요
Fig.1의 가설모형에 대한 첫 번째 작업으로서, 본 연구는 물공급에 대한 수요부문과 공급부문의 교란요인에 초점을 맞춘다. 즉, 물수요 변화로 인한 취수량 영향과 기후변화로 인한 저수지 유입량 영향 예측에 내재된 장기적인 불확실성 을 정량화하고 특징을 분석해 보려는 목적을 갖는다. 불확 실성을 정량화하는 데에 통상적인 지표는 예측값들의 분산 (예를 들어, coefficient of variation)이며, 이를 위해서 예
Figure 2. 광동댐의 위치 및 집수역
측모형을 사용하여 두 교란요인들의 기대값과 특정 확률분 포에 대한 정보를 얻는 작업이 요구된다. 실제로 최근 기후 변화 관련 연구에서 GCM 시뮬레이션 자료의 유량 예측 결 과로부터 특정 확률분포를 생성하기 위해 베이시안 계수추 정법이나 앙상블 예측기법이 종종 적용되고 있다 (예로서, Wiley와 Palmer, 2008). 하지만 본 연구자들은 개별 모형 의 예측값에 비교적 적은 의미를 부여하기 때문에 위 같은 방법에 대해 다른 입장을 취하고 있다. 뒤에서 자세히 증명 하겠지만, 먼 미래에 대해 물수요 변화의 취수량 영향이나 기후변화의 유입량 영향을 검토하는 데에 사용되는 모형들 은 개별적으로는 과거 자료를 충분히 만족시키지도 못할 뿐 만 아니라 발생가능성 (likelihood)에 대한 의미를 갖지 못 하고, 무엇보다 같은 자료를 입력해도 모형별로 전혀 상반 된 추세 전망을 보이기 마련이다. 즉, 미래 구간별로 가공된 특정 확률분포를 이용하는 것 보다 예측이 거의 불가능하다 는 인식이 오히려 더 안전한 적응대안을 검토케 할 것이라 고 판단된다 (Grűbler와 Nakicenovic, 2001). 그러므로 본 연구에서는 기후변화 영향연구에서 불확실성을 정량화 하기 위해, IPCC (1996)의 불확실성 행렬처럼, 예측범위 의 경향과 크기를 검토하는 데에 초점을 맞춘다. 즉, 모형들 의 유용성은 매 시점별로 하한 (lower limit)과 상한 (upper limit)을 결정하는 수준에 한정되며, 불확실성에 대 해 정량화할 수 있는 유일한 정보는 예측범위의 크기라고 가정한다. 물론 이러한 관점이, 정보가 부족하므로 두 교란 요인들의 불확실성을 균등분포로 간주하자는 의미는 아니 다. 확률분포에 대한 정보부재시 균등분포를 이용하는 것은 엔지니어들의 오래된 전통이나, 확률이론은 무지나 불명확 성에 대한 표현방법을 제시한 바 없으며 기후변화 메시지에 포함된 불확실성을 과소평가하기 때문에 바람직하지도 않
다 (Hall, 2007).
연구 대상으로는 광동댐 저수지 (Fig.2)의 취수량과 유 입량을 선정하였다. 해당 저수지의 특징은 이전 연구 (이상 은 등, 2009)에서 자세히 설명한 바 있는데, 이를 간단히 요약하면 다음과 같다. 광동댐은 주로 태백시의 전 지역과 삼척시, 정선군, 영월군의 일부지역에 생활용수를 공급하기 위해 1989년에 강원도 삼척시 골지천에 건설된 사력댐이 다. 특히, 9월까지의 장마와 태풍으로 발생하는 집중적인 강우로 채워 주로 이듬해 갈수기까지 용수를 공급하는 기능 을 갖고 있기 때문에 타 기간에 비해 갈수기의 취수량이 높 은 특징이 있다. 총 저수용량과 유효 저수용량은 각각 13.1 백만
과 8.0 백만
이며, 집수역 면적은 125
에 달 한다. 본 연구의 시간적 범위는 장래 50년, 즉, 2010년부터 2059년의 구간을 선정하였으며, 수집가능한 과거 자료들 의 첫 연도인 1993년에서 2000년까지의 8년은 각종 모형 의 보정을 위해, 2001년에서 2009년까지의 9년은 모형의 검증을 위해 적용된다.본 연구에 사용되는 자료는 크게 세 가지로 구분된다. 우 선 광동댐 저수지의 취수량과 유입량 자료는 국가수자원관 리종합정보시스템 웹사이트 (http://www.wamis.go.kr) 에서 1983년 1월부터 2009년 12월까지 일단위 자료를 얻 은 뒤 월단위로 합산하였다. 그리고 GCM 기상변수 자료는 2007년 IPCC AR4에서의 발표와 논의를 목적으로 생성된 것으로 IPCC 자료공급센터 (http://www.ipcc-data.org) 에서 시뮬레이션 원자료를 얻은 뒤 광동댐 집수역에 가장 인접한 격자점에 대해 재추출하였다. 마지막으로 집수역의 강수량, 온도, 상대습도, 풍속, 일조시간 등의 기후자료는 기상연보 (기상청, 각년도)를 참고하였다. 연보에 포함된 기후관측소들 가운데에, 광동댐 집수역 인근에 위치하며
15년 이상의 기후자료를 측정한 곳들로는 동해관측소와 태 백관측소가 있다. 두 기후관측소는 광동댐 집수역에 이르는 거리가 비슷하고 집수역의 고도가 이들 관측소들의 고도 사 이에 위치하고 있으며 상대적으로 집수역 면적이 크지 않다 는 점 등을 종합하여, 기후 관측값의 유역평균은 단순히 두 곳의 자료의 산술평균으로 산정키로 하였다. 물론 관측자료 의 유역평균값을 구하기 위해 가장 일반적인 방법은 티센다 각형법이지만, 충분한 자료확보가 가능한 인근 관측소가 2 개에 불과하고, 이 기법을 적용키 위해 기후자료가 불충분 하거나 지리적으로 너무 먼 관측지점을 포함시키는 것은 부 적절한 것으로 판단되었다.
3. 방법론
저수지 취수량과 유입량의 예측모형을 선택할 때 실용성 과 적용성을 중시하였다. 이는, 국내 자료축적이 충분치 않 음에도 불구하고, 전국차원에서 물공급 리스크를 분석하고 적응방안을 논의할 필요성이 높은 국내 상황을 감안해야 하 기 때문이다.
3.1 물수요 변화의 저수지 취수량 영향
일반적인 수자원 시설계획에서 장래 10-20년의 기간내 물수요 변화가 산정되는 것과는 달리, 본 연구에서는 50년 에 달하는 먼 미래 시점까지의 예측이 요구된다. 먼 미래의 물수요가 도시의 성장, 정체, 쇄락과 가장 밀접하다는 인식 을 감안할 때, 가장 원칙적인 접근법은 해당 도시의 성장동 력학을 토대로 물수요 성장곡선을 추론하는 것이라 판단된 다. 즉, 물수요와 밀접한 관계가 있는 도시의 상태변수들의 비선형적 동태에 대한 이해가 선행되어야 한다. 또한 이 상 태변수들은 해당 도시의 성장률이 장래에도 계속 이어질 경 우 지수적 성장을, 환경질, 천연자원, 공간적 제약 등과 같 은 도시성장을 지탱할 수 있는 수용용량이 고정될 경우 S자 형성장을, 또는 수용용량이 과도한 성장에 의해 저하될 경 우 Overshoot-and-collapse의 곡선을 따르는 것으로 알 려져 있다 (Ford, 1999). 그러나 실용적인 방법론이 우선 시 되는 본 연구에서 성장동력학적 방법의 효용은 높지 않 은 것으로 판단되었다. 이는 무엇보다 광동댐 저수지의 수 자원을 이용하는 도시의 수용용량의 크기와 변화를 수치적 으로 묘사해야 하지만, 현실적으로 이에 대한 구체적인 정 보를 얻는 것이 거의 불가능하기 때문이다.
대신, 일반적인 물수요 장기 예측에 사용되는 모형들 가 운데 다음과 같은 세 가지 요구조건을 만족시키는 것으로 한정하였다. 첫째, 예측기간이 매우 길며 해당도시 성장동 역학에 대한 현 시점에서의 정보가 부족하기 때문에, 장기
적으로 너무 민감한 모형은 제외하려 하였다. 둘째, 물수요 는 본 연구의 시간단위인 월별 특징이 뚜렷한 것으로 잘 알 려져 있다. 이에 월별변이를 랜덤효과로 간주하는 둔감한 모형들은 제외하였다. 셋째, 일반적인 예측연구에서처럼 검 증자료에 대한 통계적 재현능력은 여전히 중요한 범주이다.
하지만, 미래 예측 기간에 비해 과거 관측자료의 길이가 충 분하지 않다는 점을 고려해, 장래 극값의 타당성에 특별한 주의를 두지 않을 수 없다. 위 같은 요구조건들을 만족하는 모형으로, 회귀분석법과 지수평활법의 계절모형들을 각각 한 가지씩 고려하였다. 이외에도 Box-Jenkins 기반의 계 절별 자기회귀모형 또한 고려할 수 있을 것이다. 하지만 이 모형은 주로 단기적으로 높은 정확도를 위해 복잡한 모형 구조를 묘사하는 목적이 있으며, 관측 간격이 시간, 일 등 비교적 짧은 경우에 우수한 성과를 보이는 것으로 알려져 있다 (Montgomery & Johnson, 1976). 즉, 이 모형은 장 기적으로 있음직한 미래를 월단위로 예측하는 본 연구의 목 적과는 맞지 않다고 판단된다.
3.1.1 월별 더미변수를 갖는 다중회귀모형
식(1)과 같이, 다중회귀모형을 이용할 때 취수량은 선형 추세에 따라 변하며 월별 변동폭이 일정한 것으로 간주된 다. 그리고 각 계수는 과거자료의 통계량에 의해 결정되고 모든 설명인자들은 서로 선형적 관계를 갖는다. 따라서 과 거 재현능력을 엄밀하게 검토할 수 있으며 상대적으로 구조 파악이 쉬우며 취수량 예측시 장기적으로 변하는 기후요인 의 탄력도를 고려할 수 있는 장점들이 예상된다.
,
(1)여기서, 는 모형의 시간단위 (월)를 의미하며, 보정기간 의 첫 월과 예측기간의 마지막 월의 시간축은 1뽦t뽦804 로 표현된다 (즉, 보정기간인 1993년에서 2000년까지의 8년은 1뽦t뽦96, 검증기간인 2001년에서 2009년까지의 9년은 97뽦t뽦204, 예측기간인 2010년부터 2059년까지 의 50년은 205뽦t뽦804로 구분함).
는 시점에서 저수 지 취수량 (백만
/월)으로 회귀모형의 결정변수이다.
와
는 각각 시간 t에서 기온(C˚)과 강수량(mm/월)을 그리고 와 는 보정자료내 기온과 강수량 평균값을 의 미한다.
,
,
,
는 회귀계수이며,
는 더미변수와 더미계수의 곱을 의미하며, 기온과 강수량이 표현하지 못 하는 취수량의 월별 변동을 묘사한다. 은 계절적 변동주 기로서 L=12가 된다.
는 t가 월에 해당되면 1을, 그 렇지 않을 경우 0의 값을 갖는 더미변수이며, 는 월에대한 더미변수의 회귀계수를 의미한다.
는 모형의 랜덤효 과이다.3.1.2 승법 계절 지수평활모형 (multiplicative seasonal model 또는 Winter model)
회귀모형과는 달리, 승법 계절 지수평활모형은 물수요 의 장기적 추세와 월별 변동폭이 동시에 변하는 것으로 간 주한다.
,
(2)
마찬가지로, 는 모형의 시간단위 (월)를 의미하며, 은 계절적 변동주기로서 L=12가 된다. 그리고
는 시점 에서 저수지 취수량 (백만
/월)으로 모형의 결정변수이 다.
,
,
는 각각 불변요인, 추세요인, 주기인자이며, 보정시점 말
에서 임의의 시점 에 대한 예측치
,
,
는 다음과 같은 지수 평활법의 업데이트 과정 으로 산정된다.
(3) 여기서, , , 은 세 가지 평활상수이며, 일반적으로 0.01 에서 0.3의 범위를 갖는다. 상수값들의 크기가 작을 경우 과거 관측치에 상대적으로 높은 비중을 두기 때문에 업데이 트 과정을 느리게 한다. 반대로, 상수값들이 클 경우 업데이 트 과정은 빠르지만, 최근 관측치에 포함된 랜덤효과에 민 감하게 반응하는 단점이 있다. 따라서 상당한 시행착오를 통해 관측치 특성에 맞는 상수값을 결정하기 위한 노력이 요구된다. 예측모형의 적합도 범주가 검보증의 통계량이라 면, 최소제곱오차합을 보이는 상수값들의 단일 조합을 선택 할 수 있다. 그러나 본 연구에서 적합도 범주는 통계량뿐만 이 아니다. 이에, 우선 예측구간에서 모형의 민감성과 극값 의 타당성을 분석하여 의미있는 상수값들의 범위를 결정한 뒤, 다시 검증 통계량에 기초한 상수값들의 조합을 찾기로 하였다.3.2 기후변화의 저수지 유입량 영향
3.2.1 지역 기후변화 시나리오 도출먼저, 2000년 이후 지구 온실가스 농도는 IPCC SRES의 두 가지 스토리라인, 즉, A2와 A1B를 따를 수 있는 것으로 간주하였으며, 보정기간에 해당하는 2000년 이전 기간에
대해서는 IPCC의 20세기 control run의 시나리오를 반영 하였다. GCM으로는, 기후변화 영향 연구에 널리 적용되고 있는 것들 중 MPI-M의 ECHAM5-OM, CSIRO의 MK3.0, 그리고 UKMO의 HADCM3을 적용키로 하였다 (IPCC 온실가스 농도 시나리오와 각 GCM의 특징에 대한 구체적인 내용은 IPCC 자료공급센터 웹사이트를 참고). 집 수역 기후변화 시나리오를 얻기 위해서, IPCC로부터 얻은 자료로부터 집수역과 가장 가까운 격자점에 대해 대기층의 기상변수들을 위주로 추출하였다. 이는 GCM의 구조적인 문제로 지표 온도와 강수량 등 기후변수에 대한 직접적인 시뮬레이션 결과들은 신뢰하기 힘들며, 해상도가 격자당 약 300☓300 km2 내외로 집수역의 기후변화를 설명하기에 너무 낮은 문제가 있기 때문이다. 이에, GCM 원자료의 전 치리과정으로서, 가장 인접한 격자의 기상자료들을 지역에 서 관측한 기후자료로 상세화하는 방법을 따랐다.
과거 많은 기후변화 영향 연구에서 GCM의 자료를 상세 화할 때, RCM (regional climate model)을 이용하는 동적 상세화기법이 선호되었다. 하지만 최근에는 단순히 경험적 인 전달함수를 이용해서 GCM 결과를 분석하는 통계적 상 세화기법이 값비싼 RCM과 전산장비를 요구하는 동적 상세 화기법에 뒤지지 않는다는 의견들 (예로서, Wilby 등, 2004)이 제시되고 있다. 본 연구의 실용적인 목적을 감안 해, 다중회귀모형을 이용하는 통계적 상세화기법을 적용키 로 하였다. 즉, 전달함수는 GCM으로부터 추출한 기상자료 를 예측인자로, 관측된 지역의 온도와 강수량을 예측변수로 갖는다.
3.2.2 기후변화의 유입량 영향 산정
집수역의 월유출량 예측에는 일단위 모형의 결과 자료를 합산하여 월유출을 산정하는 방법이 보편적이다. 그러나 사 례 연구 지역에 대해 일단위의 정교한 모형들을 적용하는 데에는 무엇보다 자료의 종류, 길이, 정확도가 모두 부족해 모형들을 충분히 검보정할 수 없다는 점이 예상되었다. 즉, 본 연구에 필요한 수문모형은 시공간적으로 정교하고 물리 적 의미가 충실한 것 보다는, 자료요구 수준이 낮으면서도 해당 지역의 수문, 지리, 기상의 특징을 충실하게 구현하는 모형이다. 이에, 광동댐 저수지의 유입량을 예상하는 데에 건설기술연구원 (1997)에서 개발한 월단위 모형 (이후 KICT 수문모형으로 칭함)을 적용키로 하였다. KICT 수문 모형은 입력자료가 충분치 않은 국내 자료조사 한계를 극복 하고 국내 유역의 월별 수문현상을 잘 반영하려는 목적으로 개발된 경험적 물수지 모형에 해당된다. 월유출량은 연유출 량으로부터 역추정하는 방법을 따른다. 식(4)과 같이, 연유 출량은 FAO 24 Penman 공식 (Doorenbos와 Pruitt,
Figure 3. 회귀모형 검증 결과
1977)으로 과거 잠재증발산량을 산정하여 증발산 계수를보정하고, 예측된 강수량과 증발산을 적용해 추정된다.
∆ ≃ ×
(4) 여기서, , ,
는 각각 t년도의 연간 유출량 (mm/년), 연간 강수량 (mm/년), 잠재증발산량 (mm/년) 이다. 또한 는 추정된 증발산 계수이다. FAO 24 Penman 공식을 적용하는 데에 필요한 대기권밖의 일사량, 가조시 간, 알비도 상수, 기타 지역 상수들은 이재수 (2008)를 참 고하였다. 연유출량에서 월유출량을 얻는 데에는 월강수량 비율과 월유출량 비율간의 변화가 연중 그리고 연도별로 비 교적 규칙적인 국내 수문현상의 특징에 근거한다. 우선 연 유출량을 해당 연도의 월강수량 비율에 따라 나눈 뒤, 다시 토양수분의 월별 특징을 고려할 수 있도록 조정계수를 통해 수정된다.4. 결과 및 검토
4.1 물수요 변화의 저수지 취수량 영향
식(5)는 보정기간 저수지 취수량 자료 ( ≤ ≤ )를 식(1)의 회귀모형에 적용한 결과를 보여주고 있다. 식(5) 에 포함된 장기적인 추세, 기후에 대한 영향, 월별 변동에 대한 계수들은 모두 p-value가 0.05 미만이며 다중공선성 문제를 발생하지 않는다. 즉, 통계적으로 높은 유의성을 가 지며, 물수요에 배속된 높은 랜덤효과를 감안할 때 선택된 변수들의 설명력 또한 크게 낮아 보이지 않는다.
,
≠
(
) (5)
여기서,
=37.950,
=-0.166,
=-0.049, =-14.196, =-27.924, =-20.955,
=-4.763, =-7.068, =-4.612,
=-3.913, =-3.620, 그리고 =-3.759. 온도 항 (
)과 1, 2, 12월의 더미변수(
,
,
)는 유의성 및 다중공선성 문제로 제외되었다. 곡선 보정이 비교적 만족스러웠음에도 불구하고, 검증기간에서 모형은 Fig.3에서와 같이 실제 관측치와 전혀 다른 모습을 보인다. 먼저, 모형의 설명력이 0.4 수준으로 높지 않다는 점 외에도, 시간이 지날수록 관측값과의 오차가 크게 증가 한다. 무엇보다, 보정된 장기적 추세 계수 (
)가 -0.166 백만
/월로 비교적 빠른 감소를 의미하기 때문에 검증기간내 모형은 많은 구간에 대해 0 이하의 지나치게 낮은 취 수량을 예측하기 때문에 본 연구에 적합하지 않은 것으로 판단된다. 검증기간 관측치들을 모두 적절하게 만족시킬 수 있는 모형을 제시하기 위해, 다양한 모형구조와 회귀변 수를 고려해 다시 보정해보았다. 결과적으로, 구조적 단순 성과 계수 통계량에 대한 엄격성을 지닌, 회귀모형은 동 연 구의 장기 취수량 예측에 적합하지 않다는 점을 확인할 수 있었다.
다음으로, 저수지 취수량의 보정기간 자료( ≤ ≤ ,
, )를 식(2)의 승법 계절 지수평활모형에 적 용하였다. 각 계수들에 대한 사전 추정량은 다음과 같다.
(6)
여기서,
=2.2159,
=1.9203,
=0.9289,
=0.2103,
=0.4611,
=0.7874,
=0.3359,
=0.3579,
=0.7431,
=1.0295,
=1.2445, 그리고
=1.7653. 식(3)을 통해 각 계수들을 업데이트하였고, 검증 결과 식(7)과 (8)의 두 가 지 모형들이 선택되었다. 이중에서 모형 1은 취수량의 점 진적인 증가를, 모형 2는 느린 감소의 추세를 예측한다.그리고 검증기간에서 모형 2의 월별 변동폭이 더 크지만, 모형 1의 월별 변동폭은 시간이 지날수록 비교적 빠르게 증가한다.
모형 1:
(7)
(a) 모형 1 (=0.06, =0.05, =0.05)
(b) 모형 2 (=0.05, =0.05, =0.30)
Figure 4. 도출된 두 평활모형의 검증
=0.06 =0.05 =0.05
모형 2:
(8)
=0.05 =0.05 =0.30
여기서, 시간축이 보정기간, 검증기간, 그리고 예측기간을 포괄하기 위해 ≤ ≤ 그리고 ≤ ≤ 이다. 동 모 형을 적용한 일반적인 경우들과는 달리, 해당 자료를 이용 하여 평활상수들의 최적값을 결정하는 것은 어렵지 않았다.
먼저, 모형이 지나치게 민감하거나 둔감하지 않은 예측을 하기 위해서, (, )는 (0.05, 0.05) 또는 (0.06, 0.05)의 값을 갖게 됨을 확인하였다. 또한, , 의 두 경우 모두에서
값이 모형의 추세에 심각한 영향을 주지 않는다는 판단으 로부터 각 경우 검증기간 관측자료의 설명력을 최대로 하는
값을 선택하였다.
Fig.4는 두 평활모형의 특성을 잘 보여주고 있다. 우선, 보정기간 자료의 설명력은 회귀모형의 0.66 보다 높지 않 다. 하지만, 검증기간에서 자료의 설명력 (모형 1의 경우 0.48에서 0.61로 증가, 모형 2의 경우 0.50에서 0.46으로
약간 감소)이 크게 나빠지지 않을뿐더러 현실적인 증가와 감소 추세들을 보여주고 있다. 이에, 랜덤효과가 높은 저수 지 취수량을 월단위로 장기 예측하는 데에, 승법 계절 지수 평활모형이 다중회귀모형 보다 더 적합해 보였다. 하지만, 도출된 두 평활모형간의 비교우위는 쉽게 결정되지 않는다.
물론, 과거 자료 설명력은 모형 1이 더 높다. 하지만 두 모형 모두 여전히 취수량 변동의 상당부분을 랜덤효과로 간주하 며, 동일한 검증자료로부터 서로의 추세가 상반되기 때문에 특정 모형을 선택하기엔 위험이 크다. 게다가, 검증기간을 자세히 보면 검증 구간 B, D에서는 모형 1이, 그리고 검증 구간 A, C에서는 모형 2가 자료를 설명하는 데에 더 효과적 이다. 이는 두 모형을 모두 이용하여 구간예측을 하는 것이 안전함을 의미한다. 종합하면, 물수요의 장래 추세를 결정 하는 검증기간 말의 시점 ( )에서, 두 평활모형간의 비교우위나 예측의 확률분포를 논하기 힘들다. 이에, 두 모 형의 결과를 동시에 포괄할 수 있도록 취수량은 매 시점별 로 모형 1의 예측값을 상한치로, 모형 2의 예측값을 하한치 로 하는 범위를 갖는다고 간주하였다.
두 모형을 이용하여 예측기간에 대한 월별 취수량을 산정 하였다. 예측범위와 내포된 불확실성을 분명히 표현하기 위 해, 과거 관측된 저수지 취수량의 월평균과 2010년대와 2050년대 동안 취수량 예측값의 상한치와 하한치를 Fig.5 와 같이 비교하였다. 전체적으로, 2010년대 취수량의 예측 불확실성, 즉 상한치와 하한치의 차이는 연중 10.2 백만
/월이지만, 2050년대에 이르면 54.5 백만
/월에 달하는 것으로 분석되었다. 즉, 2050년대 취수량은 불확실성의 크 기를 대변하는 예측범위에 있어서 2010년대에 비해 5배 이상 증가한다. 특히, 갈수기 물부족 기간에 해당되는 12-3월은 불확실성이 가장 높은 기간이기 때문에 장기적 인 수자원 관리계획 수립시 특별한 주의가 필요하다.주) 관측값은 검보정기간 월별 평균이며, 예측값은 해당 예측기 간의 월별 평균
Figure 5. 장래 저수지 취수량 예측 결과
1. 다중회귀분석 결과
‣ ECHAM5-A1B & ECHAM5-A2:
=0.815, =0.023, =0.224, =-0.382
=2.263, =2.678, =-0.080, =11.340, =-41.113, =0.535
‣ MK3.0-A1B & MK3.0-A2:
=-0.091, =0.022, =0.058, =-0.044
=2.882, =8.655, =0.414
=2.882, =8.655, =0.414
‣ HADCM3-A1B & HADCM3-A2
ln =4.457, =-910.906, =2.334, =75.080, =187.662
=3.778, =-47.221, =1.513, =-1.477
=3.778, =-47.221, =1.513, =-1.477
2. 변수설명
‣ 예측변수 (predictands):
=지표면 온도 (C˚),
=강수량 (mm/월)
‣
: 예측인자 (predictors): X
1=200hPa 상대습도 (%), X
2=500hPa 상대습도 (%), X
3=850hPa 상대습도 (%) X
4=토양수분함량 (kg/kg), X
5=해수면 기압 (Pa), X
6=단파복사율 (W/m
2), X
7=200hPa 대기온도 (K) X
8=500hPa 대기온도 (K), X
9=850hPa 대기온도 (K), X
10=자오선풍속 (m/s), X
11=대상풍속 (m/s)
X
12=200hPa 지오포텐셜 고도 (gpm), X
13=500hPa 지오포텐셜 고도 (gpm), X
14=850hPa 지오포텐셜 고도 (gpm)
‣
: 회귀상수:
=-268.586;
=4902.469;
=-249.872;
=-4281.518;
=8710.288;
=-3827.485 Table 1. 전달함수 산정 결과
4.2 기후변화의 저수지 유입량 영향
4.2.1 집수역 기후변화 시나리오GCM 시뮬레이션으로부터 얻은 보정기간 기상자료와 집 수역 기후 관측값에 대해 전달함수를 추정한 결과는 Table 1과 부록 1에 요약되었다. 포함된 모든 예측인자들의 계수 들에 대한 p-value는 0.10 미만이면서 각자의 유의성 및 서로간의 다중공선성 문제를 크게 발생시키지 않는다. 즉, 단순한 형태의 회귀모형들로도 통계적으로 유용한 전달함 수를 얻을 수 있음을 알 수 있다. 물론 더 만족스러운 곡선 보정을 위해 복잡하거나 민감한 회귀모형을 검토하는 것도 가능하다. 하지만 대기 기상자료와 지역 기후자료의 일반화 된 관계가 불충분한 상황에서 그러한 모형들은 해석을 힘들 게 하고 예측구간에서 치우침 현상을 크게 발생시킬 위험이 높아 배제하였다.
Fig.6는 집수역의 기온에 대한 재현능력을 검증한 결과를 보여준다. 2007년과 2008년의 여름이나 2001년과 2005 년의 겨울처럼, 평년 기온과 큰 차이가 날 경우, 관측치는 GCM들의 예측범위를 약간 벗어난 경우가 발생하기도 하였 다. 하지만 각 GCM 예측값은 R2 > 0.95로 관측자료를 훌륭 하게 설명하고 있으며, 전체 GCM이 만드는 예측범위는 많
은 관측자료들을 포함할 수 있다. 게다가 예측범위가 매우 좁고 전구간에 대해 편향되지 않은 모습을 보여준다. 따라 서 GCM 결과로부터 집수역의 기온 시나리오를 예측하는 데 불확실성은 크지 않다고 판단된다.
강수량 검증 결과, GCM 시뮬레이션 자료로부터의 예측 값은 서로 일관된 추세를 보이지 않았다. 또한 모든 경우에 서 강수량 관측값에 대한 설명력은 0.50에도 미치지 않으 며 홍수기에 종종 발생하는 350 mm 이상의 월강수량은 전 혀 묘사되지 않았다. 종합하면, 개별적인 GCM결과와 전달 함수에 의해 예측된 강수량 자료는 비교우위나 확률적 논의 를 하기에 부적절한 것으로 판단되었다. 이 같은 결점들이 있음에도 불구하고 GCM 시뮬레이션 자료와 추정된 전달함 수는 여전히 유용성을 갖는다. 첫째, 개별적인 GCM 예측값 과는 달리, 전체 GCM 예측값의 상한치와 하한치가 만드는 예측범위는 매년 반복되는 홍수기와 갈수기를 현실적으로 설명하고 있으며 많은 관측값들을 포함할 수 있다 (Fig.7).
둘째, 큰 오차들은 주로 8월 또는 9월에 발생한다는 사실이 다. 국내 용수전용댐들은 대부분 담수용량이 매우 작다. 따 라서 이 시기 동안, GCM이 묘사할 수 없는 극단적인 강우 가 발생하는 경우나 묘사할 수 있는 일반적인 강우가 발생
Figure 6. GCM 기상자료 및 전달함수의 기온 검증 결과
Figure 7. GCM 기상자료 및 전달함수의 강수량 검증 결과
하던 지간에, 대부분의 유입량이 자연 방류되기 때문에 저 수량에 큰 차이를 발생하지 않는다. 이에, 홍수기 유입량의 오차는 추후 저장량 (본 연구가 목표로 하는 물공급 리스크 분석의 핵심적인 상태변수)을 산정하는 과정에서 상당부분 상쇄될 수 있다고 판단된다. 사실 본 연구에서와 마찬가지 로, GCM으로부터 기후변화 영향평가 연구에 가장 큰 한계 는 강수량이 충분히 예측되지 않는 데에 있다 (Brekke 등, 2004). 또한 지엽적으로 발생하는 강수량의 극단적인 현상 은 GCM의 해상도를 높이거나 구조 개선과 같이 기술적인 방법으로 조만간 해결되지 못할 것으로 전망된다 (Loaiciga 등, 1996). 이에, GCM에서 파생되는 불확실성 을 다루는 데에 중요한 것은 단일 GCM의 정확성이 아니라, GCM들의 예측범위가 불확실성을 포괄하기에 충분한 지에 달려 있음을 본 연구에서 다시 한 번 확인할 수 있다.
예측기간에 대해 집수역 기후를 월단위로 산정하였다. 먼 저 기온의 년평균 추세는 예측값의 상한치와 하한치가 모두 서서히 증가하는 것으로 전망되었다. 예를 들어, 과거 관측 값의 년평균은 10.7도였지만, 2010년대 년평균은 9.6-11.5도의 범위를 가지며, 2050년대에는 10.7-13.6 도의 범위로 상승한다. 기온의 월평균 추세는 2050년대에 가까워질수록 계절적 경향이 뚜렷하게 드러났으며, 그 중에 서도 12, 1, 2월의 겨울철 기온은 눈에 띄게 상승할 것이라 고 전망되었다. 예를 들어, 1월의 기온은 관측값 평균이 -1.94C˚임에 반해, 2050년대에는 -1.10-1.66 C˚의 범위를 가질 것으로 분석되었다. 년평균 강수량 또한 예측 값의 상한치와 하한치 모두 서서히 증가할 것으로 전망되었 다. 2010년대에는 강수량이 82-135 mm/월의 범위를 보
임에 반해, 2050년대에는 각각 93-168 mm/월의 범위를 갖는 것으로 산정되었다. 물론 과거 관측값의 년평균이 110.1 mm/월임을 고려할 때 년평균 강수량이 오히려 감소 할 경우도 배제할 수 없다. 강수량의 월평균 추세변화는 상 대적으로 빠르게 진행되고 있어 2010년대에도 쉽게 관찰 될 것으로 전망되었다. 특히, 지금껏 가뭄이 해소되는 시기 인 3월에는 과거 관측 평균값 55.8 mm/월에서 2010년대 에 32.8-48.6 mm/월의 범위로, 2050년대에 이르면 21.0-56.7 mm/월 범위로 강수량 감소가 예상되었다. 이 에 반해, 홍수기 전후인 6, 7, 10월의 강수량 증가 추세는 뚜렷하게 관측되었는데, 예를 들어, 6월의 경우 과거 관측 평균값이 136.4 mm/월임에 반해 2010년대 151.7- 177.6 mm/월의 범위로, 2050년대에는 173.3-210.1 mm/월에 달할 것으로 산정되었다.
4.2.2 KICT 수문모형을 이용한 저수지 유입량 예측 식(4)에 보정자료를 적용해 집수역의 증발산 계수를 산 정하였다. 눈에 띄는 점은, 계측 첫점인 1993년의 계수가 0.2에 불과할 뿐, 나머지 기간에서는 계수가 0.50-0.66의 범위에서 특별한 시간 추세가 보이지 않는 점이다. 1993년 전후 집수역 식생이나 토양 종류를 변화시킬 이유가 특별히 발견되지 않으며 강수량이 비슷한 타 년도에 비해 저수지 유입량이 지나치게 많은 점을 볼 때, 1993년의 유입량 자료 에는 계측 오차가 포함된 것으로 판단된다. 이에, 수문모형 에 사용되는 연단위 증발산계수는 1993년을 제외한 보정 기간 평균값인 0.585를 적용키로 하였다.
KICT 수문모형을 이용해 집수역의 년유출량에서 월유출 량을 역추정할 때에는 월강수량의 비율과 함께 월별 토지수 분 변화를 설명할 수 있는 조정계수, 즉, 월별 강수량과 유 출비율간의 차이가 필요하다. Table 2는 보정기간 월 강수 량과 월 유출량 자료로부터 산정된 월별 조정계수를 나타낸 다. 각 계수들은 해당지역 고유의 유출특징을 매우 만족스 럽게 설명하고 있다. 우선, 1-3월까지는 조정계수가 0.52-2.12 %로 강수비율이 유출비율보다 높다. 이는 동 기간 대부분의 강수량이 산간지방에 적설된다는 점을 설명 한다. 4월의 조정계수는 -5.37%로 연중 최소였는데, 이는 겨울철 동안의 적설량이 4월에 본격적으로 융설된다는 점 을 잘 설명하고 있다. 5월부터 6월까지는 강수비율이 유출 비율보다 계속해서 증가하는 것은, 6월말 홍수기에 접어들 기 전까지 기온 상승이 증발산량을 늘리며 강수량의 상당부 분은 토양수분 부족을 메우는 데에 이용되는 현상으로 설명 된다. 이 시기동안 기온이 계속해서 상승하기 때문에 6월의 조정계수는 4.57%로 연중 최대가 된다. 상당한 강수가 집 중되는 7월과 9월에는 조정계수가 각각 -1.77%와
1월 2월 3월 4월 5월 6월 7월 8월 9월 10월 11월 12월 2.12 1.33 0.52 -5.37 2.44 4.57 -1.77 1.73 -3.09 -0.15 -1.46 -0.87
Table 2. 보정기간 월 유출량 조정계수 (단위: %)
주) 모든 관측값과 예측값은 검증기간에 대한 평균임 Figure 8. KICT 모형의 저수지 유입량 검증 결과
주) 관측값은 검보정기간 월별 평균이며, 예측값은 해당 예측기 간의 월별 평균
Figure 9. 장래 광동댐 저수지 유입량 예측 결과
-3.09%로 유출비율이 강수비율보다 높게 나타났다. 단, 8 월에 강수비율이 오히려 1.73% 높게 나타난 것은, 건설기 술연구원 (1997)에서 설명한 것처럼, 8월중에 장마전선이 북상했다가 남하하는 동안 고온건조한 날들이 진행되면서 매우 높은 증발산이 발생한 결과로 해석된다. 10월부터 12 월까지는 유출비율이 0.15-1.46% 정도 높게 나타났는데, 이전 홍수기 동안 채워진 토양수분이 유출되는 동시에 기온 급감에 의한 증발산량이 감소하기 때문이다.
Fig.8은 검증기간에 대해 산정된 광동댐 저수지의 월유입 량의 예측값과 실제 관측값을 비교하고 있다. 관측값에 대 한 수문모형의 재현능력은 0.75로 일반적인 유출량 산정 결과와 비교할 때 나쁘지 않아 보였다. 하지만 모형은 치우 침 현상이 있음에 대해서는 특별히 언급되어야 한다. 특히, 홍수기인 7-9월의 모형 유입량 예측치와 실 관측치간의 차 이가 평균적으로 5.52 백만
으로 전체 기간에서의 차이 6.44 백만
의 85.8%에 해당된다. 즉, 사용된 수문모형은 주로 홍수기의 높은 저수지 유입량을 과소평가하는 한계를 갖고 있다. 하지만 앞서 설명한 것과 같이, 이 기간 광동댐 유입량 크기는 추후 연구 목적인 물공급 리스크를 분석하는 데에 큰 문제를 발생시키지 않는다. 게다가 나머지 기간에 대해서는 치우침 현상이 크지 않기 때문에 추가적인 모형의 검보정은 불필요한 것으로 보였다.집수역의 기온과 강수량 예측자료를 수문모형에 적용하 여 광동댐 저수지의 월 유입량을 산정하였다. 예측 결과와 내포된 불확실성을 분명히 나타내기 위해, 과거 관측된 저 수지 유입량의 월평균과 2010년대와 2050년대 동안 유 입량의 예측값의 상한치 및 하한치를 Fig.9와 같이 비교하 였다.
기후변화의 유입량 영향은 2010년대 이미 매우 불확실 해 넓은 예측범위를 보여준다. 2010년대의 유입량 예측의 불확실성, 즉 예측값의 상한치와 하한치의 차이는 연중 5.2 백만
/월에 달하며, 2050년대에 이르면 7.5 백만
/월 로 추가적으로 44% 이상 증가해짐을 알 수 있다. 월별 유입 량 변화는 다음과 같이 분석된다. 1월과 2월의 유입량은 과 거에 비해 증가와 감소가 동시에 예상되기는 하지만, 이 시 기는 과거에도 유입량이 극히 저조했었기 때문에 추가적으 로 80% 이상 감소할 수 있다는 점은 이 시기 가뭄 심도 증가에 대한 대비가 필요함을 보인다. 가뭄이 해소되는 시 점인 3월에는 예측 전 기간에 걸쳐 유입량의 상한치가 과거 에 비해 감소하는 결과를 얻었다. 이는 가뭄의 지속기간이 더 늘어날 수 있다는 전망을 낳는다. 4월과 5월의 유입량은 상대적으로 넒은 예측범위를 보이기 때문에 높은 불확실성 을 포괄할 수 있는 수자원 계획이 필요해 보인다. 홍수기 직전의 6월 예측값은 상한치와 하한치가 모두 시간이 지날 수록 증가하는 특징이 관찰되었다. 그 결과 2050년대에 이 르면 최소값 조차 과거에 비해 2.9% 증가할 것이라는 전망 을 드러내었다. 7, 8, 9월 유입량은 과거에 비해 감소할 것 이라고 전망을 할 수도 있을 것이다. 그러나 앞서 언급한 바와 같이 이 기간에 대해서는 수문모형이 강수량 예측을 과소평가하는 경향이 있기 때문에 예측결과에 특별한 의미 를 부여하기는 힘들다. 10월에서 12월까지의 유입량 예측 범위가 넓음에도 불구하고 전체적으로 상한치와 하한치 모 두 증가하는 경향을 보인다. 전체 월별 유입량 예측 결과는 물부족 기간의 변화가 예상된다. 지금껏 12월부터 유입량 이 저조해지기 시작해 이듬해 3월에 저수지 물부족이 해갈 되었지만, 예측결과 12월 유입량이 증가하는 데에 반해 3월 유입량이 감소되어 물부족 기간이 1개월 미뤄질 수 있다 고 분석된다.
추가적으로, 부록 2는 IPCC의 온실가스 농도의 두 스토 리라인별로 유입량 영향을 보여주고 있다. IPCC의 SRES 에서, A2는 지역별 다양성 강화, 지역중심의 경제개발, 느 린 속도의 기술변화, 계속적 인구증가 등을 특징으로 하는 반면, A1B는 빠른 경제성장, 효율적인 기술의 개발 확대, 세기중 최대인구 도달, 지역간 소득격차 완화, 다양한 에너 지원 이용 등을 요약한 것이다. 부록 2와 같이, 연구결과 A2가 A1에 비해 연중 유입량의 더 큰 증가로 이어지나, 두 시나리오의 월별 추세는 유사할 것으로 전망되었다.
5. 결 론
본 연구는 소유역에 설치된 단일한 용수전용댐의 먼 미래 물공급 리스크에 특별한 관심을 갖고, 장래 리스크의 적응 방안을 사전적으로 논의하기 위한 차원에서 착수되었다. 해 당 연구의 첫 단계로서, 수요 부문의 교란요인인 물수요 변 화의 저수지 취수량 영향과 공급 부문의 교란요인인 기후변 화의 저수지 유입량 영향의 불확실성을 자세히 검토하였다.
그 결과는 다음과 같이 요약된다.
(1) 취수량과 유입량 모두 검증과정을 통해 매 시점별 예측 값 그 자체나 예측값이 만드는 확률분포에 큰 의미를 부여하기 힘듦을 확인하였다. 대신, 취수량의 경우 상 반되는 두 평활모형들이, 유입량의 경우 여러 GCM 시 뮬레이션 결과들이 서로간의 예측불능을 보완할 수 있 기 때문에, 예측값들의 상한치와 하한치가 만드는 예 측범위를 가지고 추세분석을 하려는 방식이 타당한 것 으로 판단되었다.
(2) 기후변화는 유입량 영향은 증가와 감소가 동시에 가능 하며 2050년대까지 이르는 기간 동안 불확실성의 크 기를 대변하는 예측범위가 2010년대에 비해 5배에 이 를 것이라고 전망되었다. 즉, 2010년대 취수량의 상한 치와 하한치의 차이는 연중 10.2 백만
/월이지만, 2050년대에 이르면 54.5 백만
/월에 달하는 것으로 분석되었다.(3) 기후변화의 유입량 영향은 2010년대 이미 상당히 불확 실하며, 2050년대에 이르는 기간 동안 유입량의 예측 범위가 추가적으로 44% 넓어질 것으로 산정되었다.
즉, 2010년대 취수량의 상한치와 하한치의 차이는 연 중 10.2 백만
/월이지만, 2050년대에 이르면 54.5 백만
/월에 달하는 것으로 분석되었다.(4) 갈수기 물부족 기간에 해당하는 12-3월에 취수량과 유입량 모두 과거와 다른 전망이 제시되었다. 이 기간
의 취수량은 과거 26.7 백만
/월이었지만 2050년대 에 7.2-97.4 백만
/월의 넓은 예측범위를 가져 높 은 불확실성을 극복할 수 있는 수자원 계획이 요구되 었다. 또한 이 기간 수자원 계획에는 기후변화로 인해 12월의 유입량 증가와 3월의 유입량의 감소로 물부족 기간이 달라지며, 유입량이 과거에 비해 80% 이상 감 소할 가능성 또한 감안해야 함을 제시하였다.(5) 즉, 수요부문과 공급부문의 교란요인들은 광동댐 저수 지에 대해, 특히 갈수기 물공급에 있어서 상당한 예측 불확실성과 높은 리스크를 초래할 수 있음을 예상하였 다.
본 연구에서 두 교란요인의 불확실성을 정량화함으로 각 각에 대한 예측불능 상태를 대변할 매 시점별 예측범위를 결정할 수 있으며, 추후 수자원 관리시스템의 리스크 통제 범위의 적합성을 검토하는 데에, 그리고 적응형 관리를 위 한 유사실험을 설계하는 데에 유용하게 사용될 것으로 기대 된다.
