A Coupled Three-Dimensional Hydrodynamic and Water Quality Modeling of Yongdam Reservoir using ELCOM-CAEDYM

ELCOM-CAEDYM을 이용한 용담호 3차원 수리-수질 연동 모델링

정세웅^*,**,†ᆞ이정현^*ᆞ류인구^***

*충북대학교 환경공학과

**서호주대학교 물연구센터

***국립환경과학원

A Coupled Three-Dimensional Hydrodynamic and Water Quality Modeling of Yongdam Reservoir using ELCOM-CAEDYM

Se Woong Chung^*,**,†⋅Jung Hyun Lee^*⋅In Gu Ryu^***

*Department of Environmental Engineering, Chungbuk National University

**Adjunctive Research Fellow, Centre for Water Research, The University of Western Australia

***National Institude of Environmental Research

(Received 24 February 2011, Revised 7 June 2011, Accepted 8 June 2011)

Abstract

The study was aimed to evaluate the applicability of a three-dimensional (3D) hydrodynamic and water quality model, ELCOM-CAEDYM for Yongdam Reservoir, Korea. The model was applied for the simulations of hydrodynamics, thermal stratification processes, stream density flow propagation, and water quality parameters including dissolved oxygen, nutrients, organic materials, and algal biomass (chl-a) for the period of June to December, 2006. The field data observed at four monitoring stations (ST1∼ST4) within the reservoir were used to validate the models performance. The model showed reasonable performance nevertheless low frequency boundary forcing data were provided, and well replicated the physical, chemical, and biological processes of the system. Simulated spatial and temporal variations of water temperature, nutrients, and chl-a concentrations were moderately consistent with the field observations. In particular, the model rationally reproduced the succession of different algal species; i.e., diatom dominant during spring and early summer, after then cyanobacteria dominant under warm and stratified conditions. ELCOM-CAEDYM is recommendable as a suitable coupled 3D hydrodynamic and water quality model that can be effectively used for the advanced water quality management of large stratified reservoirs in Korea.

keywords : ELCOM-CAEDYM, Hydrodynamic, Water Quality, Yongdam reservoir

1. 서 론¹⁾

수자원의 시공간적 편차가 심한 우리나라에서 댐 저수지 는 가장 중요한 상수원에 해당하며, 현재 연간 총 물 이용 량 중 약 53%를 댐에서 공급하고 있다. 반면, 댐 구조물은 자연 상태의 하천 흐름을 조절함으로써 수심이 깊은 정체 수역을 형성하여 물의 체류시간 증가, 수온의 성층화, 부영 양화, 녹조발생, 탁수의 장기화 등 다양한 수질･생태 문제 를 야기시킬 수 있다(김범철 등, 2001; 서동일, 1998; Dyson et al., 2003; Tharme, 2003). 대청호와 팔당호 등 많은 저 수지에서 해마다 녹조현상은 수돗물의 품질에 영향을 미치 는 중요한 상수원 수질문제로 대두되고 있으며, 임하호, 소 양호 등에서도 최근 대형 홍수 발생의 빈도가 증가하면서 탁수 장기화 문제가 사회적인 이슈로 부각되고 있다.

이러한 다양한 저수지 수질문제에 효과적으로 대응하기

†To whom correspondence should be addressed.

schung@chungbuk.ac.kr

위해서는 저수지 수체에 유출입하는 물의 수리학적 순환관 계와 오염물질의 이송, 확산, 반응 과정에 대한 과학적인 인과관계 분석이 선행되어야 한다. 즉, 정확한 진단이 있어 야 효과적인 처방이 가능한 것이다. 예로써, 저수지내로 유 입한 탁수의 밀도류 진행경로, 두께, 이동속도 등 수리학적 거동 특성은 유입량의 규모, 저수지 지형, 취수위치와 취수 량, 그리고 성층구조에 영향을 받는다. 따라서 성층 저수지 로 유입한 오염물질의 이송, 확산, 침강 현상을 정확히 예 측하고 효율적인 수질관리대책을 수립하기 위해서는 이러 한 영향요소들을 모두 고려할 수 있는 수치 모델링 기술이 필요하다.

저수지 수환경시스템을 컴퓨터 모델로 해석하는 노력은 다양한 목적으로 많은 연구자들에 의해 진행되어 왔다 (Ambrose et al., 1993; Cerco and Cole, 1993; Chapra, 1997;

Chung et al., 2008; Cole and Buchak, 1995; Hamrick, 1992;

Wallace and Hamilton, 2000). 그 동안 국내에서는 저수지 수리 및 수질해석 모형으로써 수체를 BOX 형태로 해석하

(a) (b) Fig. 1. Locations of monitoring stations (a) and hydrological factors (b) in 2006.

수지를 대상으로 한 3차원 모형의 연구사례(나은혜와 박석 순, 2005; 서동일과 이정우, 2005)가 있으나, 충분한 현장실 측자료를 가지고 모델의 성층해석, 밀도류 해석, 수질해석 의 성능을 검증한 사례는 드물다(정세웅 등, 2009).

본 연구의 목적은 3차원 수리-수질-생태시스템의 연동모 의(coupled modeling)가 가능한 ELCOM-CAEDYM (Hodges and Dalimore, 2006) 모델을 용담댐 저수지에 적용하여 지 형적으로 복잡하고 수온 성층현상이 일어나는 국내 저수지 에 대한 적용성과 예측 성능을 평가하는데 있다. ELCOM (Estuary, Lake and Coastal Ocean Model)은 3차원 수리동 력학 모형으로써 시공간적인 유속과 수온변화를 예측하는데 사용되었으며, CAEDYM (Computational Aquatic Ecosystem Dynamic Model)과 매 계산시간마다 동적으로 연결(Dy- namic coupling)되어 오염물질의 이송, 확산, 침강, 반응 과 정 그리고 서로 다른 4가지 조류 종의 대사과정을 모의하 였다. ELCOM-CAEDYM 모형의 예측 성능을 검증하기 위 해 2006년 5월 11일부터 11월 11일까지(7개월) 수온성층 및 밀도류 유동 해석, 부영양화 및 조류 성장/소멸 해석을 수행하고 용담호 4개 조사정점에서 주간단위로 실측한 자 료와 모의결과를 비교하고 오차의 원인을 분석하였다.

용담호 저수지 내 수질 관측지점은 Fig. 1(a)와 같이 4지 점(ST1~ST4)이다. 2006년 용담댐 유역의 총 강우량은 1,377.5 mm이었고, 홍수기인 6~9월동안 강우량은 935.9 mm(68.0%)이었다. 일평균 유입량은 22.0 m³/s이었고, 최대 유입량은 671.3 m³/s이었다. 또한, 일평균 방류량은 19.8 m³/s이었고, 최대방류량은 509.9 m³/s이었으며, 홍수조절을 위한 여수로 수문방류는 8월 2일~4일(895.5 CMS)에 걸쳐 이루어졌다. 유입량은 강수량의 양적 패턴에 관련성이 있었 고, 방류량은 유입량과 밀접한 관련성을 보였다. 저수위 일 변동의 최대값과 최소값은 각각 260.0 EL. m, 241.4 EL.

m로 나타났다(Fig. 1(b)).

2.2. ELCOM-CAEDYM 모형

ELCOM (Estuary, Lake and Coastal Ocean Model)은 서 호주대학교 물연구센터에서 개발한 하구, 호수, 저수지를 위한 3차원 수리동력학 모델로써, 3차원 속도장과 수온 및 염분농도의 변화를 예측하는데 널리 사용되고 있다(Hodges and Dalimore, 2006). 이 모델은 CAEDYM (Computational Aquatic Ecosystem Dynamic Model)과 매 계산시간마다 연 동되어 수질 및 생태계의 동적 모델링에 필요한 3차원 수

리 해석 결과를 제공한다. 지배방정식은 운동량 방정식, 연 속방정식, 자유수면방정식, 물질 이송･확산방정식이 포함된 다. 기본적으로 Reynolds-averaged Navier-Stokes (RANS) 방 정식을 사용하며, 유체의 특성에 대해서는 Boussinesq 가정 과 수직방향의 운동량 방정식은 정수압(hydrostatic pres- sure) 이론을 사용한다. 그러나, 비정수압이 중요한 수체에 대해서는 Non-hydrostatic code 옵션을 사용하여 수직방향 의 운동량 방정식을 포함할 수 있다(정세웅 등, 2009).

CAEDYM은 다양한 수리모델과 쉽게 연결될 수 있도록 설계된 수생태계 모델이다(Hipsey et al., 2006). ELCOM과 CAEDYM의 연동해석(Coupling)은 특히 수체의 태양복사에 너지 투과능이 물의 탁도와 수질농도(부유물질, 유기물, 식 물성플랑크톤 등)에 의존하는 경우 수리-수질 상호작용을 반영할 수 있어 보다 정확한 해석을 할 수 있다는 장점이 있다. CAEDYM은 C, N, P, Si의 다양한 순환과정, DO순 환, 입자별 6개까지의 무기 부유물질(SS), 그리고 식물플랑 크톤, 동물플랑크톤, 어류 등의 생태모의 항목을 포함한다.

따라서 CAEDYM은 기존의 N, P, Z 구조의 모델보다 훨씬 발전된 모델이며, 종 또는 특정 그룹의 생태적 상호작용 문제를 해석할 수 있는 범용적 생물지구화학 모델이라 할 수 있다. 조류의 일주기 광합성과 야간 호흡 등의 과정을 해석하기 위해 어떤 시간단위로도 모의할 수 있으며, 일반 적으로 수리모델과 같은 계산간격으로 연산이 수행된다. 또 한, 물 속의 용존 인과 암모늄 이온이 무기입자의 표면에 흡착된 형태인 입자상 무기인(Particulate Inorganic Phos- phorus: PIP)과 입자상 무기질소(Particulate Inorganic Nitro- gen: PIN)와 탈착되는 기작도 모의가 가능하다. SS와 입자 상 물질의 침강속도는 Stokes 식에 의해 계산된다.

CAEDYM에서 DO 동력학은 대기와의 교환, 퇴적층 산 소요구량(SOD), 호기성 미생물에 의한 유기물 분해와 질산 화, 광합성에 의한 DO 생산과 호흡에 의한 소모, 그리고 추가 생물 모의 항목에 의한 호흡을 포함한다. 대기 교환 은 Wanninkhof (1992) 모델과 Riley and Skirrow (1974)의 플럭스 방정식에 기반하고 있다. 현재 CAEDYM은 간단한 정적 0차 SOD 모델을 사용하며, 수체의 수온과 DO 농도 에 제한을 받는다. 미생물의 활동은 유기 탄소(DOC)를 CO2로 분해하며, 이 과정에서 화학 양론비 만큼의 DO가 소모된다. 모델은 무기태와 유기태, 그리고 용존상과 입자 상 형태의 C, N, P를 고려하며, POM (Particulate Organic Matter)에서 DOM (Dissolved Organic Matter)으로 그리고 다시 DIM (Dissolved Inorganic Matter)의 과정으로 분해되 는 것이 모의된다. 질소의 순환은 탈질화, 질산화, 그리고 대기 중 N2의 고착 과정이 추가로 고려된다. 규소 순환은 단순하다. 규조류에 의한 용존 Si (SiO2)의 생물학적 섭취 는 생물 내부 Si pool (ISi)로 전환되며, ISi는 침강과 재부 상의 기작을 갖게 된다.

CAEDYM은 7개 그룹의 식물성플랑크톤을 모의할 수 있 으며, 조류 생체량은 클로로필 a (μg chla L^-1) 또는 탄소 (mg C L^-1)로 계산할 수 있다. 각각의 식물성플랑크톤 그 룹의 성장속도는 20°C에서 최대 성장률에 수온 함수와 빛,

인, 질소, 그리고 규소(규조류인 경우)에 의한 제한효과 중 최소값을 곱하여 결정된다. 식물플랑크톤의 생체량은 동물 플랑크톤, 어류, 그리고 조개류의 먹이로 줄어들 수 있으나, 본 연구에서는 이러한 기작이 중요하지 않은 것으로 가정 하여 포함하지 않았다. 조류 그룹별 생체내 C, P, N 동력 학을 모델링하는 방법은 2가지가 있다. 하나는 일정한 C, N, P : chla 비를 사용하는 것이며, 다른 하나는 동적인 세 포내 저장을 고려하는 것이다. 첫 번째 방법은 간단한 Michaelis-Menten 방정식이 조류 성장에 영향을 미치는 영 양염류의 제한 정도를 산정하는데 사용된다. 사멸과 분비에 의한 영양염류의 손실은 고정된 내부 영양염류(IN, IP)와 chla 비와 조류 감소량의 곱으로 계산되며 다시 입자상 유 기물 pool (POM)로 전환된다. 반면에 두 번째 방법은 동적 으로 세포내에 저장한 영양염류를 사용할 수 있으며 Droop (1974) 모델을 사용하여 성장을 조절할 수 있다. 이 방법은 식물플랑크톤이 지정된 최소와 최대값 범위 내에서 동적으 로 영양염류를 섭취하여 가변적인 내부 영양염류 농도를 가질 수 있도록 허용한다. 사멸과 분비에 의한 영양염류 손실은 첫 번째 방법과 같이 계산되지만, 내부 영양염류 농도는 동적으로 계산된 값이 사용된다.

2.3. 입력자료 및 매개변수의 구성

용담호의 유한차분 격자는 등고선 2 m 간격의 수치지도 를 사용하여 용담호 내 수심 좌표와 외각선 좌표를 추출하 여 사용하였다. 수치지도의 표고 자료를 ArcGIS를 사용하 여 등고선을 추출하여 TIN (Triangulated Irregular Network) 을 구성하였고, Raster 파일로 전환하여 저수 구역 내 수심 좌표와 외곽 경계 좌표에 대한 Feature를 구성하였다. 구성 된 자료를 ASCII 파일로 전환하였다. 추출한 수치 좌표를 이용하여 Fig. 2(a)와 같이 용담호에 대한 유한 차분 격자 를 구성하였다. 격자 크기는 100 m×100 m로 구성하였고, 수직방향 1~5 m 간격으로 99,890개의 셀로 구성하였다. 용 담호의 수위-저수용량 관계를 비교하여 Table 2와 같이 통 계 지표를 이용하여 지형자료의 신뢰도를 평가하였다.

용담호에 대해 구성한 지형자료의 수위-저수용량 관계는 Fig. 2(b)와 같으며, AME (Absolute Mean Error), RMSE (Root Mean Square Error) 및 MAPE (Mean Absolute Percent Error)는 각각 20.35×10⁶ m³, 27.72×10⁶ m³, 6.09%

의 오차를 보였으며, 결정계수 R²은 0.999로 나타났고, 이 는 총 저수용량 대비 4% 정도의 오차에 해당된다. 오차의 원인은 용담호 지형의 단순화과정, 경계의 불확실성, 수치 지도의 해상도에서 발생한 것으로 사료된다.

모의 기간은 성층발달 시작시기부터 수직혼합시기인 2006년 5월 11일~11월 11일까지(7개월)로 하였다. 계산 시 간간격은 모의에 소요되는 시간과 수치해석의 안정성 (Courant 수)를 고려하여 60초로 설정하였으며, 7개월 모의 하는데 약 3일 정도 소요되었다. 수온의 초기조건은 5월 11일에 측정한 수심별 자료를 사용하였다. 유량 경계조건 은 국가수자원관리종합정보시스템(WAMIS)에서 제공하는 용담댐 유입량과 유출량 자료를 사용하였다. 각 지류 하천

(a) (b)

Fig. 2. Discretized Yongdam Reservoir grid (100×100 m) used for ELCOM simulation. (Color bar scale is in units of EL.

m.) (a) and comparison of observed and simulated reservoir capacity curves (b).

Table 1. Model parameters used for hydraulic simulations

Parameters Variable Unit Default

Horizontal eddy diffusivity DX m²/s 1

Bottom drag coefficient CD - 0.005

Extinction coefficient for NIR (700~2,000 nm) λNIR /m 1

Extinction coefficient for PAR (400~700 nm) λPAR /m 0.25

Extinction coefficient for UVA (320~400 nm) λUVA /m 1

Extinction coefficient for UVB (300~320 nm) λUVB /m 2.5

Mean albedo for short wave radiation αSW - 0.08

Mean albedo for long wave radiation αLW - 0.03

의 유량은 실측값이 없기 때문에 유입･유출의 물수지를 고 려하여 용담댐의 전체 유역 면적에 대한 유입지류의 유역 면적 비율을 고려하여 각 지류의 유입량을 산정하였다. 유 출량은 댐 축의 수문방류량과 2개소의 발전 방류량(도수터 널 취수탑, 본댐 취수탑)을 고려하였다. 또한 유입수 수온 자료에 대해서는 몇 가지 통계형 모델과 물리적 모델을 사 용하여 유입수 수온을 예측한 후 실측자료와 비교 검증하 여 최적의 모델을 선정하였다. 통계형 모델은 대기기온과 하천수온의 로지스틱함수관계를 가정하는 DLG 모델, 기온 과 수온의 선형관계를 가정한 DLINE1 모델, 기온, 이슬점 온도, 유량을 독립변수로 사용한 다중회귀형 모델인 DLINE2, 그리고 단계적 회귀분석 기법(Stepwise Linear Regression Method)을 적용한 DLINE3를 개발하였다. 그리고 물리적 모델은 열수지에 근거한 평형온도 모델을 사용하였다. 개발 된 모델을 적용하여 실측자료와 비교 검증한 결과, DLINE3가 가장 오차가 낮았으므로 DLINE3를 사용하였다.

기상자료의 풍속, 풍향, 기온, 상대습도, 기압, 일사량, 전운 량, 강우량은 전주기상대 및 금산관측소 자료를 활용하였 다. 수질 관련 자료의 경우 K-water 연구원에서 실측한 주 간 및 월간 자료를 이용하였다.

ELCOM 모형의 수온 해석은 열역학적 이론에 근거한 물 리적 모형이므로 수온에 대한 별도의 보정을 하지 않았으 며, 매개변수 역시 초기값을 그대로 사용하였다. 물에 의한

태양의 단파복사에너지(파장범위 280~2,800 nm)의 광소멸 계수(Kw)는 근적외선 NIR (Near Infrared Radiation, 720~

2,000 nm), 광합성에 유용한 PAR (Photosynthetically Active Radiation, 400~700 nm), 자외선 A (UVA, 320~400 nm)와 자외선 B (UVB, 300~320 nm)로 구분하여 입력하였 다. 이 중 깊은 수심으로 침투 가능한 PAR는 Beer- Lambert Law에 의해 수체내로 지수함수적으로 감쇠 침투 하는 것으로 가정하였다. 각 수중에서 광소멸 계수(Kd)는 조류의 농도, 무기 및 입자상 물질, 그리고 용존 유기탄소 농도 수준에 따라서 동적으로 계산되어진다. 주요 수리 매 개변수는 Table 1과 같다.

조류 종별 농도는 국립환경과학원(2008)의 실측 자료를 바탕으로 남조류(CYANO), 규조류(FDIAT), 녹조류(CHLOR), 기타조류(CRYPT)로 구분하여 입력하였으며, 전체 Cell에 대한 각각의 종별 Cell의 분율을 구하여 입력자료로 사용 하였다. 각 조류 종의 모의를 위한 매개변수는 Table 2와 같다. 조류 성장속도에 영향을 미치는 주요 매개변수는, 최 대성장속도(μmax), 영양염류의 반포화상수(Kx), 최적성장 온 도(Topt)와 온도보정 상수(vT)이다.

2.4. 모형의 적합성 평가

모의결과와 실측자료의 비교 및 오차에 대한 평가는 AME, RMSE, MAPE와 결정 계수(R²)의 통계 지표를 이용

Table 2. Model parameters used for algae simulations

Parameter Description Unit CYANO FDIAT CHLOR CRYPT

μmax Maximum specific growth rate /day 0.85 1.1 0.8 1.0

Ycc Average ratio of C to chlorophyll a mg-C/mg-Chl.a 40.0 40 40 180

ISt Light saturation for max. production uE/m^2/s 1300 70 100 200

Kpa Half saturation constant for P mg/L 0.005 0.005 0.003 0.003

Kna Half saturation constant for N mg/L 0.045 0.05 0.06 0.045

KCa Half saturation constant for C mg/L 2.0 2.0 2.0 2.0

INmin/max Min/max internal N concentration mg-N/mg-Chl.a 2.0/4.0 2.0/4.0 3.0/9.0 3.0/9.0 IPmin/max Min/max internal P concentration mg-P/mg-Chl.a 0.1/0.6 0.1/0.6 0.3/2.0 0.3/2.0 ICmin/max Min/max internal C concentration mg-C/mg-Chl.a 15/80 15/80 15/80 15/80

vT Temperature multiplier for growth - 1.06 1.06 1.06 1.06

Tsta Standard temperature oC 20.0 20.0 20.0 20.0

Topt Optimum temperature oC 28.0 15.0 25.0 15.0

Tmax Maximum temperature oC 35.0 25.0 34.0 25.0

kr Respiration rate coefficient /day 0.12 0.12 0.06 0.20

vR Temperature multiplier for respiration - 1.03 1.07 1.08 1.08

phvel Type of vertical migration algorithm - 0^* 1^** 1 1

*variable density and buoyancy control, ^**Constant settling

Table 3. Statistical indices used to evaluate the model accuracy

Statistical index Equation Desired value

Coefficient of determination ^   

_{  }^{ }_^_^_{  }^{ }_^{ 1}

Absolute mean error  _{ }



_{  }^{  0}

Root mean square error  



_{  }^{  0}

Mean absolute percentage error _{ }



_{  }^{ }_



__

 × 0

Qo= observed, Qf＝ simulated, Qave＝ average of observations, N ＝ number of observations 하여 모의결과의 신뢰도를 평가하였다(Table 3). AME는 0

에 가까울수록 모의결과의 정확도가 높은 것을 의미하며, 실측값과 모의값 편차의 절대값을 산술평균한 절대평균오 차를 나타낸다. RMSE와 MAPE는 각각 모의결과의 평균오 차와 오차의 정도를 백분율로 나타내며 0에 가까울수록 신 뢰도가 높음을 의미한다. 또한, R²는 실측값의 변동특성을 모델이 반영하는 정도를 나타내는 지표이며, 0보다 큰 경 우 실측값의 평균을 사용하는 것보다 예측 효율이 높은 것 을 나타낸다.

3. 결과 및 고찰

3.1. 수온 모의결과

성층 저수지의 수온 구조는 밀도류의 두께, 저수지 주변 수체와의 혼합정도, 진행속도 등에 직접적인 영향을 미칠 수 있으므로 수질모의 해석에 앞서 우선 검증되어야 한다.

ELCOM 모델의 수온예측 성능을 검증하기 위해 저수지내 4개 정점에 대해 수심별 실측 수온자료와 모의수온을 오차 와 함께 Fig. 3에 나타내었다. 모의결과, AME, RMSE 및 MAPE의 범위는 각각 0.594~3.58°C, 1.1~3.92°C, 2.72~

11.3%로 나타났다. 모델은 대체로 바람에 의한 표층 혼합 층의 두께와 수온 약층의 위치, 그리고 계절적인 성층구조 의 변화를 비교적 잘 재현하였다. 그러나 홍수 이후 저수 지 내 수온 약층 상부의 전이층을 따라 유입한 탁수의 수 온을 실측값 보다 약 2°C 정도 과대평가하는 경향을 보였 다. 이러한 오차는 홍수시 하천의 수온이 강우전보다 약 5~10°C 급격히 떨어지는 현상이 하천수온예측 회귀모형 (DLINE3)에서 정확히 반영되지 않은 것이 원인이다(정세웅 과 오정국, 2006). 특히, ST1보다 유입부(ST4)에서 표층 수 온 예측 오차가 큰 경향을 보이고 있는데, 이러한 결과는 댐 앞 지점을 포함한 저수지 호수역(Lacustrine zone)에서는 수온의 수직구조가 대기-수체의 열교환과 바람에 영향을 많이 받는 반면, 저수지 유입부에서는 하천 수온에 의한 영향이 크기 때문이다. 따라서 저수지 성층해석과 홍수시 유입하는 유사와 오염물질의 이송, 확산 해석의 신뢰도를 높이기 위해서는 유입수의 수온에 대한 실시간 모니터링이 필요하다고 판단된다.

3.2. 용존산소 모의결과

용담호 내 주요 조사 정점에서 모의기간 동안 수심별

(b)

(c)

(d)

Fig. 3. Comparison of simulated (line) and observed (circle) profiles of water temperature at (a) ST1, (b) ST2, (c) ST3, and (d) ST4 in 2006.

DO 실측 농도와 ELCOM-CAEDYM 모의 결과의 수직분포 를 오차와 함께 Fig. 4에 나타내었다. 모델은 제한된 입력 자료를 사용하였음에도 불구하고 각 조사정점에서 실측 DO 농도의 시간에 따른 수직분포를 적절히 반영하는 것으 로 보인다. 다만, ST1 지점에서 7월 14일에 실측값과 모델 의 오차가 가장 크게 나타났으나, 이것은 실측값에 오류가 있는 것으로 판단된다. 즉, 동일 지점에서 일주일 전인 7월 6일에는 수온약층 이하에서 DO 농도가 7.0 mg/L 내외였으 나, 7월 14일에 ST2~ST4 지점과 달리 ST1 지점에서만 DO 농도가 2배 이상 증가한 것은 물리적으로 설명하기 힘

들다. 모델은 홍수기에 저수지 바닥층에서 DO가 고갈되는 현상을 잘 모의하는 것으로 나타났으며, 이것은 무기영양염 과 철, 망간 등의 용출기작에 직접적인 영향을 미친다.

홍수 이후 저수지 내 DO 농도의 수직분포는 홍수전과 다른 경향을 보이고 있으며, 중층의 DO가 낮게 나타났다.

그 이유는 홍수가 유입할 때 수온 약층 위로 유입하기 때 문에 탁수에 포함된 유기물과 질소산화물의 분해로 인해 수중의 용존산소가 고갈된 것으로 판단되며, 모델은 홍수 유입 초기에는 비교적 실측값을 잘 반영하였으나, 장기적으 로는 DO 농도를 다소 과대평가하였다. 이러한 오차의 원

(a)

(b)

(c)

(d)

Fig. 4. Comparison of simulated (line) and observed (circle) profiles of dissolved oxygen concentration at the (a) ST1, (b) ST2, (c) ST3, and (d) ST4 in 2006.

인은 유기물의 성분과 분해속도, 질산화속도의 불확실성 등 다양한 요소가 복합적으로 작용하였다고 판단되며, 특히 유 입수의 경계조건 DO 농도 자료의 측정빈도가 떨어지는 것 이 오차의 큰 원인으로 판단된다. 모델의 보다 정확한 평 가를 위해서는 상류 유입하천의 연속 DO측정과 홍수에 포 함된 오염물질의 정량화가 필요하다.

3.3. 영양염류 모의결과

용담호 내 주요 조사 정점에서 모의기간 동안 수심 5 m 지점에서 실측한 TN 농도와 ELCOM-CAEDYM 모의 결과

의 시계열 변화를 Fig. 5에 제시하였다. 저수지 내 TN 농 도는 6월초 홍수 유입 전후에 1.5 mg/L 내외를 보였으나, 홍수 이후 다소 높아져 2.0 mg/L 내외를 유지하는 것으로 나타났다. 이러한 모의 결과는 실측값의 시계열 변동 특성 을 비교적 잘 반영하고 있으나, 홍수기 이후에는 실측값이 시간에 따라 급격히 감소하는 경향을 보임으로써 모델이 실측값을 과대평가하는 것처럼 보인다. 이 기간 동안 수체 에서 TN 농도의 감소는 입자상 질소의 침강 기작이 주요 한 요인임을 감안할 때, 실측 TN 농도의 감소속도가 너무 빠른 것에 착안하여, 실측 자료에 대한 신뢰도 검증을 실

Fig. 5. Comparison of simulated (line) and observed (solid circle) T-N concentrations, and observed (open circle) DIN concentrations in 2006. (a) ST1, (b) ST2, (c) ST3, and (d) ST4

Fig. 6. Comparison of simulated (line) and observed (solid circle) NH4-N concentrations in 2006. (a) ST1, (b) ST2, (c) ST3, and (d) ST4

시하였다. 이를 위해 실측 DIN (Dissolved Inorganic Nitrogen) 농도를 동일한 그래프 상에 도시(open circle)하였으며, 그 결과 실측 TN값보다 오히려 더 높은 것을 확인하였다. 즉, 가을 이후 사용한 TN 실측값은 신뢰도가 떨어지는 것으로 판단되며, 따라서 모델의 성능을 평가하는 데 사용하는 것 은 무리가 있는 것으로 보인다.

또한, 동일 기간 동안 동일 측정지점에서 실측한 NH4-N 농도 및 NO3-N 농도와 ELCOM-CAEDYM 모의 결과의 시 계열 자료 비교를 Fig. 6과 Fig. 7에 나타내었다. 저수지 내

NH4-N 농도는 대부분 0.01 mg/L 내외를 나타내고 있지만, 홍수 이후 최대 0.04 mg/L까지 상승하였다. NO3-N의 농도 는 시계열 변동이 작으며 1~2 mg/L 내외를 보이고 있으며, 모의 결과는 실측값의 추세를 잘 반영하는 것으로 판단된 다. 모의 결과와 실측자료에서 볼 수 있듯이 저수지내 총 질소의 농도는 대부분 무기 질소 성분이 차지하고 있으며, 무기질소 중 NO3-N 농도가 NH4-N 농도보다 약 100배 이 상 높게 나타나고 있다. 이러한 원인은 NH4-N가 호기성 환경에서 NO3-N으로 산화하는 것과 조류에 의한 무기질소

Fig. 7. Comparison of simulated (line) and observed (solid circle) NO3-N concentrations in 2006. (a) ST1, (b) ST2, (c) ST3, and (d) ST4

Fig. 8. Comparison of simulated (line) and observed (solid circle) TP concentrations in 2006. (a) ST1, (b) ST2, (c) ST3, and (d) ST4

섭취 선호도가 NO3-N에 비해 NH4-N이 높기 때문이다. 또 한 NH4-N는 주로 유역으로부터 강우 유출에 의해 부하되 는 특성이 있는 반면, NO3-N는 평상시 지하수 유출에 의 해 지속적으로 유입되는 것도 원인이라 판단된다.

모델의 오차를 분석해 보면, NH4-N의 경우 MAPE가 높 고 R²는 매우 낮은 값을 보이고 있다. 이는 NH4-N의 관측 값이 0.02 mg/L 이하로 매우 낮은 반면, 시계열 변동성이 크지 않은 것이 원인으로 판단된다. 반면, NO³-N의 예측오 차는 지점에 따라 MAPE가 21.40~32.34% 범위로 양호한

편이나, R²는 역시 매우 낮은 값을 보인다. R²는 관측값의 시계열 변동성이 적을 때 모델의 신뢰도를 평가하는 통계 지표로 적당하지 않은 것으로 판단된다.

용담호 내 주요 조사 정점에서 모의기간 동안 수심 5 m 지점에서 실측한 TP 농도와 ELCOM-CAEDYM 모의 결과 의 시계열 자료를 Fig. 8에 비교하여 나타내었다. 저수지 내 TP 농도는 6월말 홍수 유입 후 0.02 mg/L로 약간 상승 하여 농도를 일정하게 유지하는 것으로 보인다. 모의 결과 는 실측값의 시계열 변동 특성을 비교적 잘 반영하고 있으

Fig. 9. Comparison of simulated (line) and observed (solid circle) PO4-P concentrations in 2006. (a) ST1, (b) ST2, (c) ST3, and (d) ST4

Fig. 10. Comparison of observed (solid circle) and simulated (line) total chl-a concentrations with temporal variations of four different algal species. (a) ST1, (b) ST2, (c) ST3, and (d) ST4

나, TP 농도가 떨어지는 것을 제대로 반영하지 못하고 있 다. 이러한 오차의 발생은 입자상 인의 침강과 용존상 인 의 흡착 침강특성이 정확히 재현되지 않은 것이 원인으로 판단된다. 또한, 조류성장에 직접 이용되는 PO4-P는 하천 유입의 강우-유출 영향을 직접 받으며, 모든 지점에서 0.02 mg/L 이하의 매우 낮은 농도값을 보이고 있다(Fig. 9). 실 측값의 시계열 변동 특성을 잘 반영하고 있으나, ST4 지점 에서는 낮게 모의되는 경향이 있다. 반면, ST1 지점에서는 홍수 유입 이후 높게 모의하는 경향이 나타나고 있다.

오차를 분석해 보면, TP와 PO4-P의 MAPE는 각각 41.16~

68.97%와 75.35~95.10%이며, 역시 실측값의 시계열 변동성 이 크지 않은 경우 R²는 매우 낮게 나타나고 있다. 비록 모 델이 실측값의 추세를 반영하고는 있으나, 오차는 매우 큰 편인데 이는 실험자료의 부족으로 강우시 유입 부하량이 정 확히 반영되지 않은 것이 원인으로 판단된다. 모델의 오차 를 줄이기 위해서는 경계조건 수질 자료의 빈도수를 늘리 고, 강우시 오염부하 특성을 반영하는 것이 중요하다.

3.4. 조류 모의결과

2006년 용담호 내 주요 조사 정점에서 모의기간 동안 수

Fig. 11. Temporal variation of limiting factors for algal growth at ST1

심 5 m 지점에서 실측한 조류(Chl-a) 농도와 ELCOM- CAEDYM 모의 결과의 남조류, 규조류, 녹조류, 기타조류 로 4개의 종 시계열 자료를 Fig. 10에 비교하여 나타내었 다. 모의결과는 실측값을 비교적 잘 반영하는 것으로 나타 났으며, 조류 종의 천이를 적절히 반영하였다. 기온이 비교 적 낮은 봄에는 규조류가 우점을 하고 있고, 기온이 높고 성층화가 강하게 일어나는 여름에 남조류가 우점하였다.

Microcystis 와 같은 남조류는 세포 내 기낭(gas vesicles)을 가지고 있어 부력조절이 가능하므로 성층화가 강하게 일어 나는 여름철에 침강에 의한 손실을 피할 수 있어 다른 종에 비해 우점할 수 있다(Robson and Hamilton, 2004; Walsby et al., 1997). 본 연구에서 남조류는 광합성과 호흡 과정에 변하는 조류의 밀도에 따라 침강속도가 Stokes 방정식에 의해 계산되도록 설정 하였으며, 다른 3개 종은 일정한 침 강속도를 가정하였다. 남조류의 시간에 따른 밀도변화는 Waslby 등(1997) 모델을 사용하였다.

또한 2006년 모의기간 동안 ST1 지점에서의 조류 성장 제한인자들에 대한 시계열 변동 특성을 Fig. 11에 비교하여 나타내었다. 저수지 내 질소 농도는 풍부하여 질소에 의한 조류의 성장제한은 전 기간에 걸쳐 일어나지 않고 있으며, 반면 인은 조류의 최대 성장속도에 제한을 주고 있는 것을 확인할 수 있다. 저수지 수온은 조류 종의 계절별 천이에 중요한 영향을 미치는 것을 확인할 수 있으며, 남조류의 성장은 온도가 낮을 때는 제한을 받았으며, 규조류는 여름 철 높은 온도에서 제한을 받았다. ST4 지점에서는 7월 말 에 발생한 최고 농도를 정확히 예측하고 있는 반면, ST1 지점에서는 최고 농도를 정확히 예측하지 못한 것으로 나 타났다. 부족한 입력자료를 사용하였음에도 조류의 시계열 추세 경향을 잘 반영하는 것으로 판단된다.

4. 결 론

본 연구에서는 3차원 수리-수질-생태 연동모델인 ELCOM-

CAEDYM을 용담댐 저수지에 적용하고 수온 성층현상과 부영양화 원인물질인 영양염류의 시공간적인 농도 변화, 그 리고 조류의 계절적 천이 현상을 모의하고 실측값과 비교 함으로써 모델의 적용성과 예측 성능을 평가하였다. 연구를 통해 도출된 주요 결론은 아래와 같다.

1) ELCOM은 수온성층 형성기부터 수직혼합기까지의 저수 지 성층구조 변화를 적절히 재현하였으나, 홍수시 유입 수 온이 급격히 떨어지는 현상이 하천수온예측모형(DLINE3) 에서 정확히 반영되지 않아 전이층에서 유의할 만한 오차 가 발생하였다. 수온모의 결과의 신뢰도를 높이기 위해서 는 유입수에 대한 수온 모니터링이 필요하다.

2) ELCOM-CAEDYM은 모의기간 동안 DO농도의 수직분 포 변화를 비교적 잘 예측하였으며, 특히 바닥층에서 SOD로 인한 DO 고갈현상을 적절히 재현하였다. 그러 나, 홍수 후 수온 약층 위로 유입한 탁수에 포함된 유기 물과 질소산화물의 장기 분해로 인한 DO 농도 감소는 다소 과소평가하였다.

3) 질소와 인의 시계열 변화와 구성성분을 비교적 잘 재현 하였으며, 특히 인은 강우시 일시적으로 상승하였으나, 이후 대체로 일정한 농도를 보였고 모델은 이러한 경향 을 적절히 반영하였다.

4) 모델은 수온이 낮은 봄에 규조류가 우점하고, 높은 여름 에 남조류가 우점하는 조류 종의 계절별 천이 현상을 적절히 재현하였다. 또한 조류의 성장제한은 인에 의해 조류의 최대성장속도에 제한을 주고 있으며, 반면 질소 에 의한 조류의 성장제한은 거의 일어나지 않았다.

5) 모의값과 실측값의 오차 분석결과, 비록 모의결과가 실 측값의 추세는 적절히 반영하였으나 대부분의 수질항목 에서 MAPE와 R²는 만족한 결과를 주지 못했다. 이는 실측자료의 부족으로 강우시 오염부하 특성이 모델에 반영되지 않은 것과, 저수지 내 수질 농도의 시계열 변 동성이 낮은 것이 원인으로 판단된다.

(2001). 국내 주요 호수의 육수학적 조사(4): 주암호.

Korean J. Limnol., 34(1), pp. 30-44.

김윤희, 김범철, 최광순, 서동일(2001). 2차원 수리수질모델 을 이용한 소양호 수온성층현상과 홍수기 밀도류 이동 현상의 모델링. 상하수도학회지, 15(1), pp. 40-49.

나은혜, 박석순(2005). 팔당호 수온, 유속, 체류시간의 시･공 간적 분포 및 유입지류 흐름에 관한 3차원 모델 연구.

대한환경공학회지, 27(9), pp. 978-988.

서동일(1998). 대청호의 성층현상에 의한 부양양화 특성과 수질관리 방안에 관한 연구. 대한환경공학회지, 20(9), pp. 1219-1234.

서동일, 최재훈, 이은형, 이혜근(2001). EUTRO5를 이용한 시 화호 수질 모델 보정 및 검증. 대한환경공학회지, 23(1), pp. 131-139.

서동일, 이정우(2005). 3차원 수리 모델 EFDC(Environmental Fluid Dynamics Code)를 이용한 준설에 의한 부유사 확 산영향에 관한 연구. 공동춘계학술발표회 논문집, 한국 물환경학회･대한상하수도학회, pp. 360-363.

이상욱, 김정곤, 노준우, 고익환(2007). CE-QUAL-W2 모델을

이용한 임하호 선택배제 시설의 효과분석. 수질보전 한

국물환경학회지, 23(2), pp. 228-235.

이은형, 서동일(2002). 용담댐의 영향분석을 위한 금강의 수 질 모델링. 한국수자원학회 논문집, 35(5), pp. 525-539.

정세웅(2004). 성층화된 저수지로 유입하는 탁류의 공간분포 특성 및 연직 2차원 모델링. 대한환경공학회지, 26(9), pp.

970-978.

정세웅, 박재호, 김유경, 윤성완(2007). 대청호 부영양화 모 의를 위한 CE-QUAL-W2 모델의 적용. 수질보전 한국물 환경학회지, 23(1), pp. 52-63.

정세웅, 오정국(2006). 대청호 상류 하천에서 강우시 하천

수온 변동 특성 및 예측 모형 개발. 한국수자원학회논문

집, 39(1), pp. 79-88.

정세웅, 이흥수, 정용락(2008). 입자크기 분포를 고려한 부

력침강 저수지 밀도류의 탁도 모델링. 수질보전 한국물

환경학회지, 24(3), pp. 365-377.

정세웅, 이흥수, 최정규, 류인구(2009). 3차원 ELCOM 모형

을 이용한 대청호 수온성층 모의. 수질보전 한국물환경

학회지, 25(6), pp. 922-934.

한국수자원공사(2007). 댐운영 실무편람.

Ambrose, R. B., Wool, T. A., and Martin, J. L. (1993). The

Droop, M. R. (1974). The nutrient status of algal cells in continuous culture. J. Mar. Biol. Assoc., UK 54, pp. 825-855.

Dyson, M., Bergkamp, G., and Scanlon, J. (2003). Flow. The Essentials of Environmental Flows. IUCN, Gland, Switzer- land and Cambridge, UK.

Hamrick, J. M. (1992). A Three Dimensional Environmental Fluid Dynamics Computer Code: Theoretical and Compu- tational Aspects. Special report, The college of William and Mary, Virginia institute of marine science, Glouceslter point, VA.

Hipsey, M. R., Romero, J. R., Antenucci, J. P., and Hamilton, D. (2006). Computational Aquatic Ecosystem Dynamics Model: CAEDYM v2.3 Science Manual, Centre for Water Research, University of Western Australia.

Hodges, B. R. and Dallimore, C. (2006). Estuary, Lake and Coastal Ocean Model: ELCOM. Users Guide, Centre for Water Research, University of Western Australia technical Publication.

Riley, J. P. and Skirrow, G. (1974). Chemical Oceanography.

Academic Press, New York.

Robson, B. J. and Hamilton, D. P. (2004). Three-dimensional modelling of a Microcystis bloom event in the Swan River estuary, Western Australia. Ecological Modelling, 174, pp.

203-222.

Tharme, R. E. (2003). A global perspective on environmental flow assessment: emerging trend in the development and application of environmental flow methodologies for rivers.

River Res. Applic., 19, pp. 397-441.

Wallace, B. B. and Hamilton, D. P. (2000). Simulation of water-bloom formation in the cyanobacterium Microcystis aeruginosa. Journal of Plankton Research, 22(6), pp.

1127-1138.

Walsby, A. E., Hayes, P. K., Boje, R., and Stal, L. J. (1997).

The selective advantage of buoyancy provided by gas vesicles for planktonic cyanobacteria in the Baltic Sea. New Phytol., 136, pp. 407-417.

Wanninkhof, R. (1992). Relationship between wind speed and gas exchange over the ocean. J. Geophys. Res., 97, pp.

7373-7382.