Advanced
Enhancement of Land Load Estimation Method in TMDLs for Considering of Climate Change Scenarios
Enhancement of Land Load Estimation Method in TMDLs for Considering of Climate Change Scenarios
Journal of Korean Society on Water Environment. 2014. Mar, 30(2): 212-219
Copyright © 2014, Korean Society on Water Environment
  • Received : February 18, 2014
  • Accepted : March 18, 2014
  • Published : March 30, 2014
Download
PDF
e-PUB
PubReader
PPT
Export by style
Share
Article
Author
Metrics
Cited by
TagCloud
About the Authors
지철 류
윤식 박
Agricultural Biological Engineering, Purdue University
미덕 한
기홍 안
동혁 금
경재 임
배경 박
bkpark75@korea.kr

Abstract
In this study, a land pollutant load calculation method in TMDLs was improved to consider climate change scenarios. In order to evaluate the new method, future change in rainfall patterns was predicted by using SRES A1B climate change scenarios and then post-processing methods such as change factor (CF) and quantile mapping (QM) were applied to correct the bias between the predicted and the observed rainfall patterns. Also, future land pollutant loads were estimated by using both the bias corrected rainfall patterns and the enhanced method. For the results of bias correction, both methods (CF and QM) predicted the temporal trend of the past rainfall patterns and QM method showed future daily average precipitation in the range of 1.1~7.5 mm and CF showed it in the range of 1.3~6.8 mm from 2014 to 2100. Also, in the result of the estimation of future land pollutant loads using the enhanced method (2020, 2040, 2100), TN loads were in the range of 4316.6~6138.6 kg/day and TP loads were in the range of 457.0~716.5 kg/day. However, each result of TN and TP loads in 2020, 2040, 2100 was the same with the original method. The enhanced method in this study will be useful to predict land pollutant loads under the influence of climate change because it can reflect future change in rainfall patterns. Also, it is expected that the results of this study are used as a base data of TMDLs in case of applying for climate change scenarios.
Keywords
1. Introduction
1990년대 이래 기온상승의 여파로 다양한 기상이변이 전세계적으로 속출함에 따라 지구온난화 등 기후변화는 인류 뿐 만 아니라 다른 생물종의 생존을 좌우하는 최대 환경문제로 부상하고 있다( Lee, 2010 ). 이와 더불어 최근 우리나라에서도 기후변화현상이 뚜렷하게 나타나고 있으며, 이러한 기후변화로 인해 장마기간의 예측이 어려워지고, 여름철에는 기존 우리나라 강우패턴이 아닌 집중성 호우들로 인해 수문현상의 예측이 어려워지고 있으며 최근 도시지역의 불투수층 면적 증가가 같이 겹쳐 이에 따른 홍수발생량이 급격히 늘어나고 있다( Kang and Lee, 2012 ).
이처럼 우리나라 기후는 이제 더 이상 기존의 현상을 따라가는 것이 아니라 많은 변화에 대한 불확실성이 내재되어 있기 때문에 이러한 기후변화에 대응하기 위한 다양한 기후변화 시나리오 분석에 대한 연구가 우리나라 뿐 만 아니라 전 세계적으로 수행되고 있고 기후변화에 관한 정부간 패널(Intergovernmental Panel on Climate Change, IPCC)을 비롯한 국제 연구기관에서는 세계의 사회 경제적 지향 추세와 변화에 따른 배출 시나리오(Special Report on Emissions Scenarios, SRES)를 구축하고 이에 따른 기후변화가 미치는 영향에 대하여 연구하고 있다. 더불어 기후변화는 이제 환경오염에도 영향을 주기 시작하였으며( Shin, 2013 ) 특히 강우패턴 및 강우량의 영향을 많이 받는 비점오염원에 대한 예측의 불확실성을 더 급증시켜 유역 내 하천의 수질예측 및 수질오염방지 대책 등에 악영향을 끼치고 있다( Hwang, et al., 2006 ; Kim et al., 2009 ; Park, Park, Park et al., 2009 ).
이러한 비점오염원은 최근 하천의 수질을 악화시키는 주요 원인 중 하나로 대두되고 있지만( Jung, et al., 2012 ), 오염원 특성 상 수집하고 예측하기 어려우며 오염물질의 발생지점이 명확하지 않아 정량적 산출을 비롯한 환경 관리가 점오염원에 비해 난해하다( MOE, 2012 ). 따라서 이렇게 오염원의 정량적 산출 및 관리가 난해할 수 있는 비점오염원과 점오염원을 유역단위로 효과적으로 관리할 수 있도록 자치 단체별 목표수질을 설정한 뒤, 이를 달성하고 유지할 수 있도록 오염물질의 배출 총량을 관리할 수 있는 수질오염총량관리제가 4대강(한강, 낙동강, 영산강, 금강)수계와 진위천 수계에서 시행중에 있으며 현재 우리나라 수질개선에 많은 영향을 주고 있다( Park, Park, Rhew et al., 2009 ).
이렇게 수질개선에 많은 도움을 주고 있는 수질오염총량제에서는 오염원을 총 6개의 그룹(생활계, 축산계, 산업계, 토지계, 매립계, 양식계)으로 나누어 정의하고 있으며, 각 오염원 그룹별 점과 비점오염원으로 나누어 관리하고 있다( NIER, 2012 ). 특히 이러한 6개 그룹별 오염원 중 토지계 오염원는 강우의 영향을 받기 때문에 비점오염원의 비율이 높으며 이에 따라 수질오염총량제 내 비점오염관리에 있어 중요한 부분을 차지한다. 수질오염총량관리제에서는 제도를 시행하기 전 기본계획과 시행계획을 통해 각 오염원별 장래배출부하량을 산정하고 부하량을 할당하며 계획기간을 5년 혹은 10년 단위로 계획한다.
이에 따라 각 6가지 오염원 그룹별 장래에 대한 오염원의 증감량을 예측하며 토지계에서는 장래 5가지 지목(전, 답, 임야, 대지, 기타)별 면적 증감량을 예측한다( NIER, 2012 ).
하지만 장래에 대한 지목별 면적 변화량만 예측할 뿐 장래의 기후변화에 따른 강우량 변화는 예측하지 않고, 계획이 시작되는 기존년도에 의한 강우자료를 이용하여 장래의 토지계 오염부하량을 산정하며 토지계 오염부하량 산정식 또한 강우패턴의 변화를 고려하지 못하는 제한점이 있다. 이러한 이유로 기존년도의 강우 패턴을 벗어난 장래 기후변화의 영향을 토지계 오염부하량 산정에 반영하기 어렵다.
따라서 본 연구의 목적은 수질오염총량제에서 효과적인 미래 비점오염원 관리 계획을 하기 위하여 기후변화에 따른 강우패턴 변동을 고려할 수 있는 1)토지계 발생부하량의 산정 방식을 개선하고 2)진위A 단위유역에 SRES A1B 기후변화시나리오를 예측하고 편이보정 한 후 3)개선된 산정 방식에 적용하여 장래의 토지계 발생부하량의 변화를 예측 및 분석하는데 있다.
2. Materials and Methods
- 2.1. 연구대상지역
본 연구의 대상지역은 수질오염총량제에서 관리하고 있는 진위A 단위유역을 대상으로 하였다( Fig. 1 ). 진위A(JinwiA) 단위유역의 토지피복은 시가화지역 23.9%, 농업지역 33.8%로 시가화 및 농업지역이 골고루 혼재되어 있으며, 상류 영향을 받지 않는 독립 단위유역이기 때문에 본 연구 결과의 대표성을 적절히 반영할 수 있을 것이라 판단하여 연구 대상지역으로 선정하였다.
PPT Slide
Lager Image
Study area (JinwiA).
진위A 단위유역의 면적은 총 735.2 km 2 이며, 진위A 단위유역을 구성하고 있는 시군은 총 8개로 수원시(121.1 km 2 ), 군포시(4.2 km 2 ), 용인시(200.7 km 2 ), 화성시(177.4 km 2 ), 안성시(35.8 km 2 ), 오산시(42.8 km 2 ), 평택시(142.4 km 2 ), 의왕시(10.8 km 2 )가 포함되어 있으며 진위A 단위유역 내 기상청이 측정하고 있는 기상대는 수원 기상대 1개 지점만 위치하고 있다( Gyeonggi-do, 2010 ).
- 2.2. 기후변화 시나리오
2.2.1. SRES 기후변화 시나리오
2007년 유엔 산하 정부 간 기후변화패널(IPCC)에서 발간된 보고서에서는 지구온난화에 따른 기상이변으로 인하여 홍수발생빈도나 강우일수 등이 지속적으로 증가하여 세계 곳곳에서 자연재해가 빈번히 발생할 것으로 예측하였다( KMA, 2007 ). 또한 지난 100년간 한반도 기후변화를 분석한 결과 평균기온이 1.5도 상승했고 겨울은 23일 정도가 짧아졌으며 여름은 12일 정도가 늘어났다. 그리고 강수량의 경우 기온과 마찬가지로 증가하였는데 동일기간 6대도시 강수량은 19%가 증가하였다( Jeon, 2011 ).
이러한 미래 기후변화를 예측하고 분석하기 위해서 미래 기후변화 시나리오의 작성이 필요하게 되며 이러한 시나리오 중 국제적으로 IPCC의 SRES 시나리오가 가장 많이 이용되고 있다. SRES 기후변화 시나리오는 사회적, 경제적, 환경적 그리고 정책적 측면에서 다양한 개발을 보여주는 4가지 스토리 라인으로 분류된다. 그리고 4개의 스토리라인은 각각에 대한 기본 특성 및 추진력에 따라 모형화 및 정량화되어 40여개의 개별적인 시나리오 발전된다( Shin, 2013 ). Fig. 2 는 IPCC SRES 스토리라인 시나리오의 주요 특성을 나타낸다( IPCC, 2001 ).
PPT Slide
Lager Image
Details of different Storylines in IPCC SRES scenarios (IPCC, 2001).
본 연구에서는 기상청에서 제공하고 있는 SRES 4가지 스토리라인 시나리오 중 급속한 경제성장을 기반으로 하고 사람들이 환경적 가치보다는 개개인의 이득을 추구하는 경향을 바탕으로 한 A1B 시나리오를 선정 하였다.
2.2.2. A1B 기후변화 시나리오의 편이보정
기상청에서 제공하는 SRES 한반도 시나리오는 한반도를 2~4개의 격자로 표현하는 GCM (Global Climate Model)과 달리 한반도를 27 km × 27 km 격자로 표현된 RCM (Regional Climate Model)을 제공한다. 특히 GCM은 강우를 제공하지 않고 Convective precipitation의 형태로 강수량을 간접적으로 제공하고 있는 반면, RCM의 경우 일단위로 강수량을 제공하고 있다. 하지만 RCM은 GCM의 자료를 경계조건으로 사용함으로써 GCM의 오차가 RCM으로 전파되며, 이와 더불어 RCM의 지역 기후 모의에도 한계가 있기 때문에 SRES 기후변화 시나리오의 RCM 자료를 활용하기 위해서는 RCM자료의 편차를 보정하는 편이보정 과정이 필요하다.
Change Factor (CF) 기법은 적용법이 단순하여 기후변화 시나리오 편의보정에 널리 활용되고 있는 기법으로 식 (1)과 같다( Droogers and Aerts, 2005 ).
PPT Slide
Lager Image
여기서 P RCM,fut 는 보정된 미래 강수량이며, PRCM 은 RCM의 모의된 미래 강수량,
PPT Slide
Lager Image
는 과거 관측 자료의 평균 강수량,
PPT Slide
Lager Image
는 과거 동안 모의된 RCM 평균 강수량을 의미한다.
Quantile Mapping (QM) 방법은 Panofsy and Brire (1963) 가 제시한 기법으로 일정 기간의 관측값과 예측값의 누적확률분포를 이용하여 예측값의 확률분포를 관측값의 확률 분포에 사상(mapping)시키는 기법( Fig. 3 )으로 식 (2)로 나타낼 수 있다.
PPT Slide
Lager Image
Schematics of a quantile mapping.
PPT Slide
Lager Image
여기서 Yi 를 i번째 지점의 기상 변수값이라고 하면 Zi 는 오차 보정된 값을 의미하며 Foi (・)와 Fsi (・)는 각각 해당변수의 예측값과 관측값에 대한 경험적 확률 분포이다.
따라서 본 연구에서는 기후변화 시나리오에서 편이보정 방법으로 널리 사용되고 있는 Change Factor (CF)와 Quantile Mapping (QM) 방법 2가지를 이용하여 수원 기상대의 SRES A1B 기후변화 시나리오에 대해 편이보정을 실시하였다.
- 2.3. 토지계 산정방식 개선
2.3.1. 기존산정 방식
수질오염총량관리기술지침( NIER, 2012 )에서는 토지계 발생부하량에 대한 실측조사가 어려울 경우에는 식 (3)의 방법에 따라 지목별 면적과 연평균 발생부하원단위를 이용하여 연평균 발생부하량을 산정할 수 있도록 하고 있다.
PPT Slide
Lager Image
이와 더불어 수질모델링 및 관거해석 등을 할 경우 식 (4)에서와 같이 월별 발생부하량으로 토지계 발생부하량을 산정하고 있으며, 식 (5)의 강우배출비와 식 (6)의 월유효강유랑비를 적용하여 계산한다.
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
또한 토지계 지목별연평균발생부하원단위는 Table 1 과 같고, 수질항목은 총 3가지(BOD, TN, TP) 항목으로 제시하고 있으며, 지목은 총 5개 항목으로 제시하고 있다.
Unit area load in TMDLs
PPT Slide
Lager Image
Unit area load in TMDLs
하지만 식 (3)에서의 지목별연평균발생부하원단위는 강우에 의해 유출되는 양을 실측하여 산정하였으며 이를 연간으로 환산하기 위해 1995년 강우자료 중 10 mm 이상 연평균강우량에 유출계수와 유량가중평균농도(EMC)를 곱하여 계산하였고 산정식(식 (7))은 다음과 같다( MOE, 1995 ).
PPT Slide
Lager Image
  • Rainaverage= 연평균 10mm이상 강우량(mm)
  • C= 유출계수
  • EMC= 유량가중평균농도(mg/L)
따라서 이와 같이 연평균강우량이 이미 고려된 지목별연평균발생부하원단위를 이용한 토지계 발생부하량은 기후변화에 따른 강우량변동에 의한 부하량의 변화를 고려 할 수 없는 한계점을 지니고 있다. 또한 식 (4), (5), (6)은 단순히 유효강우일수비와 강우배출비로 월별 토지계발생부하량을 배분하지만 강우의 변동에 의한 발생부하량 월별 총합계량의 변화를 반영하지 않는다.
2.3.2. 기후변화 시나리오를 고려할 수 있도록 개선한 산정 방식
기후변화에 따른 강우의 변동에 의한 총 토지계 발생부하량의 변화를 평가할 수 없는 기존 토지계 발생부하량 산정 방식을 개선하기 위해 본 연구에서는 지역특성이 고려된 4개의 강우등급별(10 mm 이하, 10~30 mm, 30~50 mm, 50 mm 이상) 월별 강우량합, EMC (Event Mean Concentration), 유출율을 이용하여 고정된 지목별연평균발생부하원단위가 아닌 월별 토지계 발생부하량을 산정할 수 있도록 기존의 산정 식(식 (8))을 개선하였다.
PPT Slide
Lager Image
  • Lz= 지목별 월별 토지계 발생부하량 (kg/km2)
  • N= 강우등급 개수
  • Nd= 월별 총 일수
  • Rainn= 월별 강우등급별 강우량 (mm)
  • Cn= 강우등급별 유출계수
  • EMCn= 강우등급별 유량가중평균농도(mg/L)
  • Area= 지목별 면적 (km2)
또한 본 연구에서 제안한 식 (8)을 사용하기 위해 환경부에서 중분류 토지피복분류에 따라 연차별로 조사 및 연구하고 있는 비점오염 장기 유출모니터링 결과의 중간 결과 자료( Geum River Watershed Management Committee, 2010 ; Han River Watershed Management Committee, 2012 ; Nakdong River Management Watershed Committee, 2012 ; Yeongsan River Management Committee, 2010 )를 인용하여 중분류 토지피복분류를 Table 2 와 같이 수질오염총량관리제 5가지 지목으로 재분류 하였고 이에 따라 4개의 강우계급별 유출율과 EMC 자료를 평균하여 5가지 지목에 따른 4개의 강우계급별 유출율과 EMC 자료를 작성하였다( Table 2 ).
EMC (mg/L) and ratio of runoff
PPT Slide
Lager Image
EMC (mg/L) and ratio of runoff
2.3.3. 개선된 산정방식 내 기후변화 시나리오 적용
진위A 단위유역의 기후변화 시나리오의 강우량변동에 따른 토지계 발생부하량의 변화를 분석하기 위하여 진위천수계 기본계획 보고서( Gyeonggi-do, 2010 )에서 적용된 2020년 미래 5가지 지목 면적과 강우계급별 EMC, 유출율, 그리고 2가지 방법으로 편이보정된 기후변화 A1B시나리오에 의한 강우량 예측 결과를 개선된 산정방식에 적용하여 장래 TN, TP 토지계 발생부하량을 산정하였다.
이와 더불어 개선된 방식과 기존 토지계 발생부하량 산정 방식의 부하량 산정의 정량적 차이를 분석하기 위하여 기존 방식을 이용한 2020년 미래 토지계 TN, TP 발생부하량도 같이 산정하였다.
3. Result and discussion
- 3.1. A1B 기후변화 시나리오 편이보정 결과
본 연구에서는 진위A 단위유역의 기상자료를 수집하고 있는 기상청의 기상대 중 수원 기상대에 대하여 A1B 기후변화 시나리오를 적용한 2100년까지의 미래 강우량을 예측하였고 예측된 결과를 Change Factor(CF)와 Quantile Mapping (QM) 2가지 기법을 이용하여 1984년부터 2013년까지 기간에 대해 편이 보정을 실시하였으며 그 결과는 Table 3 과 같다.
Results of bias correction by CF, QM methods
PPT Slide
Lager Image
Results of bias correction by CF, QM methods
Table 3 의 Number는 1984년부터 2013년까지의 편이보정 기간 내 강수가 발생한 날짜의 개수를 의미하여 CF 편이보정기법은 편이보정 전과 같게 강우발생일수를 그대로 유지하며 관측값간의 강수발생량 편차를 보정하지만, 최소값과 최대값에서 관측값과 차이를 나타냈다. 하지만 총 강수량은 2.15 mm 차이로 매우 근소하게 차이를 보였다. 이와 반대로 QM 편이보정기법은 편이보정 전 강우발생일수를 그대로 사용한 것이 아니라 기존 4252일 보다 613일을 더 고려하여 강우발생일수를 늘렸고 CF 편이보정기법 보다 관측값과 일평균강우량의 차이를 더 근소하게 차이가 나게 하였으며 일최대강우량의 경우는 333.20 mm로 동일하게 보정하였다. 하지만 강수량의 총합에서는 CF 편이보정기법 보다 과다하게 산정하는 결과를 나타냈다.
이러한 결과는 CF 기법이 월별 혹은 연별로 기후변화 시나리오를 편이보정 하는 경우 단순히 편이보정 전 미래 강수량에 과거 관측 강수량 자료와 과거동안 모의된 강수량 자료의 비율을 곱하여 전체적 강수량 패턴을 맞추기 때문에 월별이나 연별 강수량 총합계 보정이 잘 이루어지더라도 특정 일자에 강수량이 비정상적으로 집중되어 있을 수 있어 일평균 강수량에서 큰 오차를 발생할 수 있는 것으로 판단된다. 하지만 QM 기법은 누적확률분포를 적용하여 관측 강수량자료와 편이보정 전 강수량자료를 비교하여 편이보정을 하기 때문에 CF 기법보다는 일별로 강수량이 집중되는 현상을 완화 시켜 일평균 강수량에 대한 보정이 CF 기법 보다 적은 오차를 나타낸 것으로 판단된다.
하지만 두 가지 방법 모두 편이보정 전 보다 평균 강수량과 총 강수량의 편차를 과거 강수량과 매우 근접하게 줄였기 때문에 신뢰성이 높은 편이보정 결과로 판단된다.
- 3.2. A1B 기후변화 시나리오의 미래 강수량 예측 결과
CF와 QM 편이보정기법을 통해 편이보정된 A1B 기후변화 시나리오에 대해 2014년부터 2100년까지 미래 강수량에 대해 예측을 실시하였다. 총 강수량 예측 결과를 각각의 기법에 따라 비교해 보면 편이보정 전의 강수량은 67,646.2 mm로 CF 편이보정기법 131,502.3 mm, QM 편이보정기법 134593.4 mm에 비해 약 50% 적은 것으로 나타났으며 CF와 QM 편이보정기법의 총 강수량 차이는 86년 기간 동안(2014~2100년) 3092.0 mm 차이(연평균 약 36 mm차이)가 있는 것으로 나타났다.
또한 Fig. 4 의 빨간색 점선으로 표시한 부분처럼 CF가 QM 편이보정기법 보다 미래 강수량의 최대치를 다소 적게 예측하는 것으로 분석되었다.
PPT Slide
Lager Image
Comparison of CF and QM methods.
이와 같은 현상은 월별 총 강수량과 평균치, 최대치에 대해 분석을 한 결과( Table 4 )에서도 나타나고 있으며 QM이 CF 편이보정기법 보다 월 최대강수량을 높게 산정하고 있어 월별 총강수량에서도 전반적으로 QM 편이보정기법이 CF 편이보정기법 보다 더 많은 강수량을 산정하고 있는 것으로 나타났고 특히 여름철인 7, 8, 9월에 더 많은 차이를 나타냈으며 전반적으로 QM이 CF 편이보정기법 보다 조금 더 많은 강수량을 산정하는 것으로 나타났다.
Monthly result of bias correction
PPT Slide
Lager Image
Monthly result of bias correction
또한 미래 강수량의 변화를 2014~2020, 2021~2040, 2041~2100년 3개 구간으로 나누어 각각 평균한 결과 QM 편이보정기법을 적용한 경우, 2020년 구간의 연평균 강수량은 1277.0 mm, 2040년 구간은 1354.3 mm, 2100년 구간은 1642.8 mm로 2100년으로 향할수록 총 강수량이 증가하는 것으로 나타났으며, CF 편이보정기법은 1324.0 mm, 1364.5 mm, 1582.4 mm로 QM 편이보정기법과 같은 경향을 나타냈다. CF, QM 편이보정기법 모두 세 구간별 월별 평균 강수량은 2100년 구간이 2020, 2040년 구간에 비해 7, 8, 9월 여름철 강수량이 많은 것으로 분석되었으며 봄철인 4, 5, 6월과 가을철인 9, 10월에도 2100년 구간이 2020, 2040년 구간에 비해 많이 발생하는 것으로 분석되었다( Fig. 5 ).
PPT Slide
Lager Image
Comparison of monthly average precipitation (2020s, 2040s, 2100s).
- 3.3. 토지계 발생부하량 산정 결과
본 연구에서는 EMC자료를 기반으로 한 토지계 발생부하량 산정식을 개선하였고 편이보정을 통해 산정된 A1B 기후변화시나리오의 장래 강수량 자료를 적용하여 기존 토지계 발생부하량 산정 방법과 개선된 방법에 따라 토지계 TN, TP에 대한 발생부하량을 각각 산정하였다.
3.3.1. 기존 산정방식을 이용한 기후변화 시나리오 적용 결과
기존 방식을 이용하여 2020, 2040, 2100년의 미래 강수량 변화에 따른 토지계 TN, TP 발생부하량을 산정하였고 미래 강수량에 의한 영향을 분석하기 위하여 2040, 2100년 모두 2020년의 진위A 단위유역의 지목별 면적을 적용하였다.
그 결과, TN, TP 모두 미래 강수량변화에 따라 토지계 발생부하량의 변화가 일어나지 않았으며 TN은 4585.5 kg/day, TP는 510.6 kg/day로 모두 같은 결과를 나타냈다. 이와 같은 이유는 토지계 발생부하량 산정 시 이미 토지계발생부하원 단위 값 자체에 강수량이 포함되어 있기 때문인 것으로 판단된다. 따라서 기존의 토지계 발생부하량 산정 방식은 지목별 면적 변화에 따른 영향은 고려할 수 있지만 강수량 패턴변화에 따른 영향은 고려하지 못하는 것으로 판단된다.
3.3.2. 개선된 산정방식을 이용한 기후변화 시나리오 적용 결과
개선된 산정방식을 이용하여 미래 강수량 변화에 따른 토지계 TN, TP 발생부하량을 산정한 결과, 강수량 변화에 전혀 영향을 받지 않는 기존 산정방식과는 달리 미래 강수량 변화에 따라 부하량이 변화하는 것으로 나타났으며 특히 2100년으로 갈수록 강수량이 많아짐에 따라 부하량도 같이 많이 산정되었다( Table 5 ).
TN, TP pollutant load using enhanced method
PPT Slide
Lager Image
TN, TP pollutant load using enhanced method
또한 CF, QM 편이보정 기법에 따른 2020년과 2100년의 월별 일평균 TP발생부하량을 비교한 결과( Fig. 6 ), 2020년에서 2100년으로 강우패턴이 바뀌면서 TP 발생부하량도 변화하는 것으로 나타났으며 2020년 보다 2100년의 7,8,9월 강수량이 증가하면서 여름철 TP 발생부하량이 급격히 증가하였고 나머지 월 또한 전반적으로 강수량이 증가하면서 부하량도 증가하는 패턴을 나타냈다.
PPT Slide
Lager Image
Change of monthly patterns of daily average TP pollutant load.
하지만 본 연구에서는 강수량의 변화에 의한 영향을 평가하기 위하여 2020년 이후의 면적은 2020년과 동일하다는 가정으로 토지계 TN, TP발생부하량을 산정 하였기 때문에 향후 미래 면적변화와 같이 고려하여 종합적인 토지계 발생부하량 산정 평가가 필요할 것으로 판단된다.
4. Conclusion
본 연구에서는 기후변화의 강우패턴 변동에 따른 수질오염총량관리제 토지계 발생부하량의 변동을 예측하기 위하여 기존의 토지계 발생부하량 산정식을 개선하였고 진위A 단위유역의 A1B 기후변화 시나리오에 따른 미래 강수량을 예측하고 편이보정하여 개선된 산정식에 적용하였다.
진위A 단위유역의 미래 강수량에 대한 편이보정 결과, CF, QM 기법 모두 과거(1984~2013년)에 대한 경향을 잘 반영하여 보정 되었으며, CF가 QM 편이보정기법 보다 과거 일 평균 강수량에서는 차이를 나타냈지만 총 강수량은 약 3 mm 차이로 아주 근소한 차이 밖에 나타내지 않았다. 이와 반대로 QM은 CF 편이보정 기법 보다 과거 일 평균 강수량에 대해 약 3mm 차이 밖에 나타내지 않았다.
또한 기존 산정방법과 개선된 산정방법을 비교하기 위하여 각각 편이보정된 2020, 2040, 2100년의 미래 강수량을 적용하였고, 적용 결과 기존의 산정방식은 2020~2100년까지 변화하는 강수량에 대해 TN은 CF, QM 편이보정기법 모두 4585.5 kg/day, TP는 모두 510.6 kg/day로 동일한 결과를 나타냈지만, 개선된 산정방식은 2020~2100년까지 변화하는 강수량에 대해 TN의 경우 4316.6~6138.6 kg/day, TP의 경우 457.0~716.5 kg/day의 차이를 나타냈다.
따라서 본 연구에서 개선한 EMC 기반의 토지계 발생부하량 산정 방식은 기존의 산정 방식이 과거 강수량이 고려된 토지계발생부하원단위를 사용한 것에 비해 지역마다 강수 패턴 변화에 따른 영향을 고려할 수 있으며 특히 향후 기후변화 시나리오를 수질오염총량관리제에 적용할 경우 미래 강수량 변화에 의한 영향을 정량화 하여 토지계 발생 부하량을 산정할 수 있다. 또한 수질오염총량관리제의 장기계획을 세울 때 개선된 산정 방식을 이용한다면 미래 기후 변화에 따른 급격한 강수량의 변동을 계획 내 반영할 수 있으며 이행평가 시 변동된 강수량에 대해 토지계 오염부하량을 비교 및 평가할 수 있을 것으로 기대된다.
하지만 EMC 기반의 개선된 산정방식은 토지피복별 정확한 EMC 자료가 필요하지만 본 연구에서 사용한 EMC 자료가 아직 환경부에서 수행하고 있는 비점장기유출모니터링 사업의 중간 단계 결과이기 때문에 향후 사업이 종료된 후 검증된 EMC자료를 이용하여 개선된 산정방식에 대해 재검증할 필요가 있다고 판단된다.
References
Droogers P. , Aerts J. 2005 Adaptation Strategies to Climate Change and Climate Variability: A Comparative Study between Seven Contrasting River Basins Physics and Chemistry of the Earth 30 339 - 346
2010 Longterm Monitoring of Nonpoint Source Pollutants Discharge (Geum River, 2010) National Institute of Environmental Research
2010 Master Plan for Total Maximum Daily Load in Gyeonggi-do Gyeonggi-do
2012 Longterm Monitoring of Nonpoint Source Pollution from Major Land Uses(VI) National Institute of Environmental Research
Hwang S. W. , Jang T. I. , Park S. W. 2006 Climaite Change Impact on Nonpoint Source Pollution in a Rural Small watershed Korean Journal of Agricultural and Forest Meteorology 8 ((4)) 209 - 221
2001 Climate Change 2001: Working Group I: The Scioentific Basis Cambridge University Press U. K.
Jeon H. J. 2011 An Analysis of Climate Change Vulnerability and Adaptation Measures in Industrial Sectors, Master’s Thesis Kunkuk University
Jung C. G. , Joh H. K. , Park J. Y. , Kim S. J. 2012 Runoff Characteristics Comparison of Nonpoint Source Pollution for Two Adjacent Stream Watersheds using SWAT Model Journal of the Korean Society of Agricultural Engineers 54 ((3)) 91 - 101
2007 Climate Change 2007: Synthesis Report Korea Meterological Administration
Kim I. , Ahn J. , Han D. 2009 Water Environment Management Strategy (I):Response to Climate Change Korea Environment Institute
Kang J. E. , Lee M. J. 2012 Assessment of Flood Vulnerability to Climate Change Using Fuzzy Model and GIS in Seoul Journal of the Korean Association of Geographic Information Studies 15 ((3)) 119 - 136
Lee J. 2010 The study of Adaptation Model for the Hazard by Climate Change The Geographical Journal of Korea 44 ((4)) 635 - 648
1995 Report of monitoring and research on nonpoin source pollutant Ministry of Environment
2012 The Second Comprehensive Plan for Nonpoint Source Pollutant Management Ministry of Environment
2012 Technical Guidelines for TMDLs National Institute of Environmental Research
2012 A Long-term Monitoring for the Non-point Sources Discharge National Institute of Environmental Research
Park J. , Park M. , Park G. , Kim S. 2009 Integrated Watershed Modeling for Assessment of Climate Change Impact on Stream Water Quality Spring Co-Conference of the Korean Society on Water Environment and Korean Society of Water and Wastewater 63 - 64
Panofsy H. A. , Brire G. W. 1963 Some application of Statistics to Meteorology Pennsylvania State University University Park, Pennsylvania 224 -
Park J. H. , Park J. D. , Rhew D. H. , Jung D. I. 2009 Performance Appraisal of Maximum Daily Loads: Performance on Development/Reduction Plan and Water Quality Status of Unit Watershed Journal of Korean Society on Water Environment 25 ((4)) 481 - 493
Shin M. H. 2013 Reduction of Non-Point Source Pollution from field and simulation of GHG emission form agricultural area by DNDC model for climate change impact, Ph. D. Dissertation Kangwon University
2010 Research on Long-term Monitoring of Nonpoint source Discharge National Institute of Environmental Research