실시간 수질평가 지수를 이용한 낙동강 수질 경향성 평가

Evaluation of the Water Quality of Nakdong River Using the Real-time Water Quality Index

Article information

J. Korean Soc. Hazard Mitig. 2024;24(3):199-207

Publication date (electronic) : 2024 June 30

doi : https://doi.org/10.9798/KOSHAM.2023.24.3.199

Dong Yeol Jeong ^*, Young Hwan Choi ^**, Ki Heung Kim ^***

정동열^*, 최영환^**, 김기흥^***

* 정회원, 국립환경과학원 낙동강물환경연구소 전문위원(E-mail: jjss1979@korea.kr)

* Member, Research Fellow, Nakdong River Environment Research Center, National Institute of Environmental Research

** 정회원, 경상국립대학교 건설시스템공학과 부교수(E-mail: yh.choi@gnu.ac.kr)

** Member, Associate Professor, Department of Civil and Infrastructure Engineering, Gyeongsang National University

*** 정회원, 경상국립대학교 건설시스템공학과 교수(E-mail: khkim1@gnu.ac.kr)

*** Member, Professor, Department of Civil and Infrastructure Engineering, Gyeongsang National University

^*** 교신저자, 정회원, 경상국립대학교 건설시스템공학과 교수(Tel: +82-55-772-3292, Fax: +82-55-772-3209, E-mail: khkim1@gnu.ac.kr)

*** Corresponding Author, Member, Professor, Department of Civil and Infrastructure Engineering, Gyeongsang National University

Received 2024 May 03; Revised 2024 May 08; Accepted 2024 May 23.

Abstract

최근 기후변화와 환경변화로 인하여 하천으로 유입되는 오염물질은 더욱 다양화되고, 하천환경과 수생태계에 대한 오염을 가속화 시키고 있다. 이러한 이유로 다양한 수질 악화 및 개선 등에 관한 판단과 하천 오염물질을 확인 및 제어하여 효율적인 하천 수질 관리를 수행하기 위해서는 정확한 하천의 수질을 평가하는 것이 필요하다. 이러한 수질을 한눈에 파악하기는 매우 어려우며 특히, 비전문가들이 수질의 오염도를 파악하는 일은 더욱 어렵다. 따라서, 본 연구에서는 비전문가들도 하천의 수질을 쉽게 파악할 수 있도록 Real Time Water Quality Index (RT-WQI)를 사용하여 낙동강수계 본류의 오염총량측정망 12개 지점을 대상으로 수질 특성을 분석하고, 수질평가지수 값을 통한 Mann-Kendall test와 Locally weighted scatter plot smoothing (LOWESS)를 진행하여 경향성을 파악하고자 한다. 이를 위해 2004년부터 2022년까지의 장기 수질 자료(월평균)을 환경부 물환경정보시스템(https://water.nier.go.kr)에서 수집하였다. 수집한 자료를 이용하여 수질 항목별 기술통계를 산정하여 수질 특성을 파악하였다. 본 연구를 통해 향후 다양한 하천들에 대한 수질평가를 통하여 오염도가 높은 하천을 파악하고, 그 경향성을 확인함으로써 유역관리 및 수질정책 마련에 기초자료로 활용 가능할 것으로 기대된다.

Trans Abstract

Recently, the influx of pollutants into rivers has increased owing to the impacts of climate and environmental change, consequently accelerating the pollution of river ecosystems and aquatic habitats. Consequently, river water quality must be precisely assessed to facilitate effective management strategies by discerning different aspects of water quality deterioration and enhancement and by identifying and regulating river contaminants. Understanding water quality at a cursory glance is highly challenging, particularly for individuals lacking expertise in water pollution assessment. Hence, the present investigation utilized a domestically developed real-time water quality index (RT-WQI) to scrutinize the water quality attributes at 12 specific locations within the total pollution quantity monitoring network situated in the main channel of the Nakdong River system to render the water quality of the river easily comprehensible even to non-specialists. Furthermore, an attempt was made to detect patterns by applying the Mann–Kendall test and locally weighted scatter plot smoothing (LOWESS) using the index values for water quality assessment. To achieve this aim, extensive water quality data (averaged on a monthly basis) spanning 2004–2022 were obtained from the Water Environment Information System of the Ministry of Environment (https://water.nier.go.kr). The gathered date were then subjected to computation of descriptive statistics for individual water quality parameters to delineate the distinctive features of water quality. This study anticipates that the evaluation of water quality across diverse river systems in the future will facilitate the identification of highly polluted rivers and confirm their trends, thereby providing fundamental data for the management of river basins and the formulation of water quality policies.

Keywords: 낙동강 유역 오염도; 수질평가지수; Mann-Kendall Test

Keywords: Nakdong River Basin Pollution Level; Water Quality Evaluation Index; Mann-Kendall Test

1. 서 론

빠른 도시화와 산업화로 인해 우리나라의 환경오염은 사회적 관심사로 떠오르고 있다(Seo et al., 2019; Lee et al., 2022). 이러한 인구 밀도 및 산업 운영의 급증은 오염원의 발생률을 높여 강우 시 다양한 비점오염물질이 하천으로 유입되어 결과적으로 하천 수질에 부정적인 영향을 미친다(Kwon et al., 2017; Yu et al., 2020). 따라서 하천 오염을 파악하고 효과적인 하천 관리를 위한 수질 개선 이니셔티브를 실행하는 등 국가 차원의 노력이 필수적다. 이에 따라 환경부는 강, 호수와 같은 공공수역의 수질 및 수중 생태계의 실제 상태를 확인하기 위해 수질 환경 모니터링 네트워크를 구축하고 관리하고 있다.

최근에는 기후변화와 환경변화로 인해 하천으로의 유입되는 오염물질이 더욱 다양해지면서 하천 환경 및 수생 생태계의 오염이 가속화되고 있다(Akhtar et al., 2021). 다양한 오염물질로 인한 수질 악화 및 개선 사항을 평가하고 하천 오염 물질을 탐지 및 규제하여 하천 수질을 효율적으로 관리하려면 하천 수질에 대한 정밀 평가가 필수적이다. 따라서 전 세계적으로 진행 중인 수많은 연구는 수질 지수(Water quality index, WQI)를 수립하여 하천 수질에 대한 이해를 돕는 것을 목표로 하고 있다(Varol, 2020; Akhtar et al., 2021; Jo and Kwon, 2023).

Supardiono et al. (2023)는 오염 지수 방법을 사용하여 물리적(Total Suspended Solid, TSS), 화학적(Potential Hydrogen, PH; Biochemical Oxygen Demand, BOD; Chemical Oxygen Demand, COD; Dissolved Oxygen, DO), 생물학적(총 대장균, 대변 대장균) 인자를 분석하여 하천 수질을 항목별로 분석하였으며, Ghashghaie et al. (2022)는 다양한 물리 화학적 및 미생물학적 인자를 기반으로 수질 지수(WQI), 유기 오염지수(Organic Pollution Indicators, OPI)를 사용하여 Kuwano river의 수질을 평가했다.

Park et al. (2018)는 낙동강 주요 지류의 수질 모니터링 데이터를 활용하여 실시간 수질 지수(Real Time Water Quality Index, RT-WQI)를 산출하고, 그 결과를 바탕으로 우선 관리가 필요한 지류를 선정하는 연구를 수행했다. Jin et al. (2021)은 남한강 하류 유역의 1차 유입 지류에 대한 RT-WQI를 산출하여 하천 생활환경 기준과 대조하여 지류 하천의 수질을 평가하였다 Jo et al. (2022)은 다변량 통계 방법과 WQI를 사용하여 금호강 유역 수질의 시공간적 변화를 감지하고 평가하는 것을 목표로 했다.

또한, 데이터 통계분석은 데이터를 수집하고 분석하여 보다 합리적인 의사결정을 내릴수 있도록 지원하기 때문에 다양한 통계분석 기법을 활용한 연구가 수행되었다. Tejoyadav et al. (2022)는 벡터 이동 평균, 벡터 자동 회귀 및 자기회귀 통합 이동 평균 모델링과 같은 방법을 활용하여 대변 대장균, 총 대장균, 용존 산소와 같은 수질 인자의 수치를 예측하거나, 클러스터 분석을 사용하여 수질 인자를 분류하고 하천 유역의 오염원을 식별하였다(Nombuyiselo et al., 2023). 이러한 기술은 환경 조건 및 인위적 활동과 같은 요인을 고려하여 수질의 시공간 역학을 이해하고 수질 변화를 정확하게 예측하는 데 도움이 된다(Al Asadi et al., 2023). 특히, 효과적인 하천수질 분석을 위해 개발된 RT-WQI를 2022년부터 국내 환경 특성을 고려하여 수정 개발 후 자동측정소가 설치된 하천 지점에 대해서 실시간으로 오염지수를 볼 수 있도록 운영하고 있다.

따라서, 본 연구에서는 낙동강본류의 수질을 효과적으로 관리 및 개선하여 오염 제어 전략 개발을 지원하기 위해 낙동강 오염 총량 측정망 12개 지점을 대상으로 통계 모델과 시계열 특성을 활용하여 수질 특성을 분석하였다. 오염 총량의 특성을 정량적 분석을 위해 18년(2004~2022)간의 하천 수질 데이터를 분석하였다. 데이터는 장기 수질 자료(월평균)을 환경부 물환경정보시스템(https://water.nier.go.kr)에서 수집하고, 수집한 자료를 바탕으로 수질 항목별 기술통계를 산정하여 수질 특성을 파악하였다. 또한, 낙동강수계의 유역관리 및 수질정책 마련에 기초자료로의 활용을 위해 RT-WQI를 통한 낙동강 본류의 수질평가와 Locally weighted scatter plot smoothing (LOWESS)를 통한 Mann-Kendall test를 수행하여 경향성 분석을 수행하였다. 본 연구의 연구 과정은 Fig. 1에 나타내었다.

Fig. 1

Flow Chart of the Nakdong River Data Analysis

2. 연구 대상유역

낙동강은 태백산 황지못에서 발원하여 남해에 도달하기 전에 한국의 여러 도를 가로지르며 길이는 약 525 km이고 유역면적은 약 23,384 ㎢로 한국 국토 면적의 4분의 1을 차지한다. 지리적으로 중위도 온대 기후대에 위치한 한국은 봄, 여름, 가을, 겨울의 계절이 뚜렷하다. 이 지역은 계절풍 기후 패턴을 보이는데, 연평균 강우량 약 1,259 mm의 상당 부분이 여름철인 6월부터 8월까지 발생하며, 기후변화로 인해 폭우가 더 자주 내리는 경향이 있다. 반변천, 내성천, 영강과 같은 중요한 지류를 아우르는 낙동강 상류는 결국 하류의 금호강, 황강, 하류 지역의 남강, 밀양강과 합쳐지면서 수계에서 중요한 역할을 하며 안동, 구미, 대구 등 유역 내 도시의 필수 수원으로 작용한다. 그리고 낙동강 상류는 광범위한 농경지가 특징이며, 주요 도심, 산업 지대 및 주요 환경 기반 시설은 주로 강 중류 및 하류에 집중되어 있다.

본 연구에서는 물환경 정보 시스템(http://water.nier.go.kr)의 수질 데이터를 활용하여 낙동강 1차 수로의 오염 상태를 평가했다. 물환경 측정망의 데이터를 활용하여 낙동강하군 및 서낙동강 지점을 제외한 낙동강 유역 내 12개 샘플링 지점을 분석 대상으로 선정했다. 조사 중인 특정 유역과 대상지는 Fig. 2와 같다.

Fig. 2

Monitoring Sites in the Study Area

3. 수질 분석 방법

본 연구의 수질 샘플은 물환경정보시스템(http://water.nier.go.kr)으로부터 획득한 수질 자료로서 2004년부터 2022년까지 낙동강 본류 12개 지점을 선정하여 18년간의 수질변화 분석을 위해 진행되었다.

수질 분석 항목으로 수온, pH, Dissolved Oxygen (DO), Electrical Conductivity (EC)은 휴대용 멀티 미터(YSI 6600 EDS, USA)를 사용하여 현장에서 측정하였다. 그 외 Biochemical Oxygen Demand (BOD), Chemical Oxygen Demand (COD), Total Suspended Solids (SS), Total Nitrogen (TN), Total Phosphorus (TP)은 실험실에서 분석되었다. 수질 채수에서 운반 및 분석 과정의 모든 방법은 한국 환경부의 표준화된 수질오염 공정시험법에 따라 분석되었으며), 분석에 고려된 인자 및 분석 방법은 Table 1과 같다.

Table 1

Unit and Analysis Method of Water Quality Variables

4. 자료 분석 방법

9개의 수질 인자를 포함하는 2004년부터 2022년까지의 데이터는 범위 결정, 평균 계산, 표준 편차 평가, 수질 지수(WQI)및 Mann-Kendall 테스트의 적용과 같은 기술적 방법을 사용하여 통계적으로 분석되었다. 데이터 분석 프로세스에는 SPSS 24. 0, XL-STAT 및 QGIS를 포함한 통계 소프트웨어 패키지가 사용되었다.

4.1 수질평가지수 산정 방법

본 연구의 수질 지수는 9개의 주요 수질 파라미터(수온, DO, BOD, COD, SS, EC, pH, TN, TP)를 통합하여 환경부의 실시간 수질 정보 시스템에서 채택한 RT-WQI 방법(NIER, 2013)을 사용하여 도출되었다. 지수 산정은 환경부에서 정한 환경 표준에 부합하는 RT-WQI 계층형 범위 시스템을 활용했다. Eq. (1)은 계산 과정을 나타낸다.

(1)RT−WQI=100−F12+F22+F323

여기서, F₁은 기준치를 위반하는 수질항목의 수를 전체 자료의 수질항목 수로 나누어 산정한 분율, F₂는 각 수질항목별 자료에서 기준치를 위반한 항목들의 총 횟수를 총 측정횟수로 나누어 산정한 분율, F₃은 각 수질항목별로 기준치를 위한 정도를 분율화한 요소의 합을 의미한다. Table 2는 수질 변수에 대한 기준값을 나타내며, Table 3에는 해당 지수 등급이 요약되어 있다.

Table 2

Variable Criteria for Water Quality Iindex Calculation (NIER, 2013)

Table 3

Real-time Water Quality Index Rating (NIER, 2013)

4.2 Mann-Kendall test 방법

Mann-Kendall test는 시계열자료의 경향성 분석을 수행할 때 권장하는 비모수검정 방법이다. 자료X_t (t = 1, 2, 3, …, n)에 대하여 Xt (t’ = 1, 2, 3, …, n - 1)과 Xt (t = t’ + 1, …, n)의 크기를 비교를 통해 경향성의 존재 유무 및 경향의 방향성을 Eq. (2)를 이용하여 나타낸다(Jin et al., 2021).

(2)sgn(Xt−Xt′)=(1, if Xt>Xt′0, if Xt=Xt′−1, if Xt<Xt′)

그리고 Kendall 통계량 S는 아래 Eq. (3)과 같다.

(3)S=∑t′=1n−1∑t=t′+1nsgn(Xt−Xt′)

이때, S의 분산은 Eq. (4)와 같이 주어진다.

(4)Var(S)=118[n(n−1)(2n+5)−∑i=1mti(ti−2)(2ti+5)]

표본의 수 n이 10보다 클 때, S와 Var (S)를 이용하여 표준정규분포를 따르는 검정통계량 Z를 다음의 Eq. (5)와 같이 정의 할 수 있다.

(5)Z=(S−1Var(S),S>0,0,S=0,S+1Var(S),S<0,)

5. 결과 및 고찰

5.1 수질 분석 결과

2004년에서 2022년 사이에 낙동강 유역의 12개 모니터링 지점에 대한 수질 데이터를 분석한 결과 상류에서 하류 지역으로 오염 물질 농도가 증가한 것으로 나타났다. 각 지점별 수질 항목별 기술통계(범위, Range; 평균, Mean, M; 표준편차, Standard deviation, SD)는 Table 4에 요약되어 있다.

Table 4

Range, Average, and Standard Deviation of Water Quality Variables in the Study Area from 2014 to 2022

특히, 연구유역 가운데 최상류 지점인 NS 1 지점의 평균 수질농도의 경우 DO는 11.6 mg/L, BOD는 1.2 mg/L, COD는 3.1 mg/L, SS는 4.4 mg/L, EC는 441 ㎲/cm, TN은 3.45 mg/L, TP는 0.05 mg/L 등으로 대부분의 수질항목이 하천 생활환경기준 좋음(Ⅰ)과 약간좋음(Ⅱ) 등급에 속하였다. 이후 하류로 내려가면서 본 연구의 최하류 지점인 NS 12의 평균 수질농도의 경우 DO는 10.6 mg/L, BOD는 2.3 mg/L, COD는 6.3 mg/L, SS는 16 mg/L, EC는 304 ㎲/cm, TN은 2.75 mg/L, TP는 0.08 mg/L 등으로 대부분의 수질항목이 하천 생활환경기준 좋음(Ⅰ)과 약간좋음(Ⅱ), 보통(Ⅲ) 등급에 속하였다.

낙동강 본류 모니터링 지점들은 상류에서 하류로 내려오면서 대표적인 유기물질 지표인 BOD와 COD 농도는 높아지는 것으로 나타났다. 특히, 공간적으로 NS 5지점부터 대부분 항목의 농도가 높아지는 것으로 확인되었다.

하류의 오염 물질 농도가 공간적으로 증가한 것은 NS 5 이후 도시 지역, 산업 및 산업 지역의 유병률이 높아져 방류수 및 환경 시설에서 발생하는 점 및 비점 오염 물질을 포함하여 하천으로 유입되는 오염원이 증가했기 때문일 수 있다. 개별 수질 인자의 농도 범위 변화는 Fig. 3과 같이 나타내었다.

Fig. 3

Box Plot of Each Water Quality Variables. (a) Water Temperature, (b) pH, © Dissolved Oxygen, (d) BOD, (e) COD, (f) SS, (g) Electrical Conductivity, (h) Total Phosphorous

수온은 계절적 영향으로 인해서 변동폭이 있는 것으로 보여지나, pH와 DO는 계절적 영향과 함께 조류 성장에 따른 시기적 변동이 함께 있는 것으로 판단된다. BOD, COD의 유기물질 항목들은 하류 방향으로 서서히 서서히 증가하는 것으로 나타났다. 총 질소와 전기전도도는 NS 5 지점부터 변동폭과 평균 농도가증가하는 것으로 확인되었으며, NS 7 지점에서 가장 높게 나타났다. 총 인과 SS 역시 NS 5 지점부터 하류로 가면서 높아지는 것으로 확인되었다. NS 5 지점은 구미국가산업단지가 위치하고 있기 때문에 다양한 오염원이 유입되기 때문으로 판단되어지며, NS 5는 금호강 유입 이후의 지점으로 대구시에서 처리된 환경기초시설 방류수의 유입이 큰 영향을 주는 것으로 판단된다.

5.2 수질평가지수 산정 결과

본 연구는 낙동강 유역 내 12개 지점에서 수집한 데이터를 대상으로 한국 환경부가 승인한 RT-WQI 기법을 사용하여 수질 지수를 산출하는 방법을 조사했다. 결과는 Table 5와 같다.

Table 5

Water Quality Index Scores during the Research Period

하류로 이동함에 따라 각 위치의 평균 농도가 감소하는 것을 확인하였다. 이러한 결과는 Table 5와 Fig. 4에 표시된 개별 수질 인자의 농도를 반영한다.

Fig. 4

Water Quality Index Results in Total Maximum Daily (a) Stage 1 (`04~`10), (b) Stage 2 (`11~`15), (c) Stage 3 (`16~`20), (d) All Time Step (`04~`20)

NS 1~4 지점은 WQI 평균값이 ‘73’ 이상으로 ‘Good’ 등급으로 평가되어 다른 지점보다 오염정도가 낮은 것으로 판단된다. 이후 NS 5와 NS 6 지점은 ‘Good’ 등급의 경계 수치로 앞선 상류보다는 오염도가 조금 증가한 것으로 나타났다. 하류 구간인 NS 7~12 지점은 평균값이 ‘60’ 이하로 ‘Fair’ 등급으로 오염도가 더욱 증가한 것을 보여준다.

낙동강 유역의 시간적 평가를 하기 위하여 오염총량관리제도의 각 단계별로 평균값 Fig. 5와 같이 나타내었다. 각 지점 괄호 안의 숫자는 WQI 점수를 의미한다.

Fig. 5

Locally Weighted Scatter Plot Smoothing of Water Quality Index Scores (a) NS1, (b) NS2, (c) NS3, (d) NS4, (e) NS5, (f) NS6, (g) NS7, (h) NS8, (i) NS9, (j) NS10, (k) NS11, (l) NS12

오염총량관리제도 1단계(2004년~2010년)에서는 NS 1 (73), NS 2 (77), NS 3 (73), NS 4 (74) 4개 지점은 ‘Good’ 등급으로 나타나고, NS 5 (56), NS 6 (56), NS 7 (49), NS 8 (50), NS 9 (48), NS 10 (51), NS 11 (52), NS 12 (49) 8개 지점은 ‘Fair’ 등급으로 나타났다(Fig. 4(a)). 이 가운데 높은 점수를 받은 지점은 NS 2 지점이고, 낮은 점수를 받은 지점은 NS 7, NS 9, NS 12 지점이었다.

오염총량관리제도 2단계(2011년~2015년)에서는 NS 1 (71), NS 2 (68), NS 3 (77), NS 4 (76), NS 5 (65), NS 9 (63), NS 10 (63), NS 11 (62) 8개 지점은 ‘Good’ 등급으로 나타나고, NS 6 (59), NS 7 (56), NS 8 (58), NS 12 (56) 4개 지점은 ‘Fair’ 등급으로 나타났다 (Fig. 4(b)). 이 가운데 높은 점수를 받은 지점은 NS 3와 NS 4 지점이고, 낮은 점수를 받은 지점은 NS 7, NS 12 지점이었다.

오염총량관리제도 3단계(2016년~2020년)에서는 NS 1 (75), NS 2 (72), NS 3 (74), NS 4 (68), NS 5 (68), NS 6 (64), NS 8 (64), NS 9 (66), NS 10 (65), NS 11 (64), NS 12 (66) 11개 지점은 ‘Good’ 등급으로 나타나고, NS 7 (59) 지점만 ‘Fair’ 등급으로 나타났다(Fig. 4(c)). 이 가운데 높은 점수를 받은 지점은 NS 1, NS 2, NS 3 지점이고, 낮은 점수를 받은 지점은 NS 7 지점이었다.

오염총량관리제도 전체 기간(2004년~2022년)에서는 NS 1 (73), NS 2 (74), NS 3 (76), NS 4 (73), NS 5 (63), NS 6 (61), NS 10 (60) 7개 지점은 ‘Good’ 등급으로 나타나고, NS 7 (56), NS 8 (58), NS 9 (59), NS 11 (59), NS 12 (58) 5개 지점은 ‘Fair’ 등급으로 나타났다(Fig. 4(d)). 이 가운데 높은 점수를 받은 지점은 NS 1, NS 2, NS 3, NS 4 지점이고, 낮은 점수를 받은 지점은 NS 7 지점이었다.

5.3 수질평가지수 경향성 분석 결과

수질평가지수 결과를 이용하여 낙동강 본류 12개 지점에 대한 WQI 값의 경향성을 확인하였다. 분석은 비모수검정 방법인 Mann-Kendall test를 이용하였다. 그 결과, 12개 지점 가운데 상류 4개 지점(NS 1, NS 2, NS 3, NS 4)을 제외한 8개 지점(NS 5, NS 6, NS 7, NS 8, NS 9, NS 10, NS 11, NS 12)에서 상승 경향성이 있는 것으로 나타났다(Table 6).

Table 6

Trend Analysis Result Using Mann-Kendall Test

이러한 결과는 조사를 시작한 2004년 이후부터 WQI 값이 증가하는 것으로 최근까지 지속적인 수질 상태가 좋아지는 것을 의미한다. 또한, 분석기간 동안의 변화되는 경향성을 확인하기 위하여 실행한 Locally weighted scatter plot smoothing (LOWESS)분석에서는 그 경향성이 더욱 명확하게 확인되었다. 그 결과는 Fig. 5와 같다.

6. 결 론

본 연구는 낙동강 본류 지점의 수질 특성을 확인하고, 한국 환경부의 RT-WQI 지수를 사용하여 수질을 평가하고, 비모수 조사인 Mann-Kendall Test를 활용한 추이 분석을 수행했다.

이 연구에서 도출된 주요 결과는 아래에 요약되어 있다. 우선, 낙동강 유역 총량 측정망 내 12개 지점의 수질 특성을 분석한 결과, 상류에서 하류로 이동할 때 주요 유기물 지표로 BOD 및 COD 농도가 상승한 것으로 나타났다. 특히 NS 5 지점 이후 대부분의 파라미터 농도가 급증했다. 금호강 유입 이후 NS 7에서 수질 농도가 가장 높았다. 또한, RT-WQI 지수를 이용한 낙동강 유역 내 수질 평가는 지수 값이 높아 오염도가 낮은 것으로 나타났다. 연구 기간 동안 NS 7는 평균 수질 지수가 ‘57’로 가장 낮아 유역에서 가장 높은 오염도를 나타냈다. 또한 전체 오염 관리 시스템 시행 기간을 세분화하여 수질 지수를 평가한 결과, 1단계(2004~2010년)에는 ‘양호’ 4점, ‘보통’ 8점, 3단계(2016~2020년)에는 ‘보통’ 4점, ‘보통’ 11점으로 평가된 것으로 나타났다. 마지막으로, Mann-Kendall Test 결과 낙동강 본류 상류 4개 지점에서는 수질 지수 값에 대한 추세가 나타나지 않았으며, 하류 8개 지점에서는 하락 추세가 없는 상승 추세를 보였다. 동시에 LOWESS 결과에서도 수질 지수 값이 전반적으로 상승한 것으로 나타났으며, 이는 2004년 이후 수질이 지속적으로 개선되고 있음을 시사한다.

본 조사는 환경부 국립환경과학원에서 사용한 RT-WQI 방법을 통해 낙동강 유역의 수질을 평가하고, 결과를 바탕으로 추이 분석을 실시했다. 이러한 결과는 다양한 하천 수질 평가를 통해 오염도가 높은 하천을 식별하고 그 추이를 확인함으로써 유역 관리 및 수질 정책 개발의 기초 자료가 되어 조사 대상 유역의 수질 오염 심각도에 대한 비전문가들의 이해를 용이하게 할 것으로 기대된다.

감사의 글

본 결과물은 환경부의 재원으로 한국환경산업기술원의 가뭄대응 물관리 혁신기술개발사업의 지원을 받아 연구되었다(RS-2023-0023194).

References

1. Akhtar N, Ishak M.I S, Ahmad M.I, Umar K, Md Yusuff M.S, Anees M.T, et al. 2021;Modification of the water quality index (WQI)process for simple calculation using the multi-criteria decision-making (MCDM) method:A Review. Water 13(7):905–939.

2. Al Asadi S.A, Beg A.A.F, Al Kifarea H.M, Bozdag A, Ghalib H.B. 2023;Spatiotemporal Analysis of Water Quality Using Water Quality Index and Heavy Metal Pollution Index:A Case Study of Al-Diwaniyah River, Iraq. Iraqi Journal of Science :269–282.

3. Ghashghaie M, Eslami H, Ostad-Ali-Askari K. 2022;Applications of time series analysis to investigate components of Madiyan-rood river water quality. Applied Water Science 12(8):202–216.

4. Jin D.H, Jang S.H, Kim H.K, Lee Y.S. 2021;A trend analysis of seasonal average temperatures over 40 years in South Korea using Mann-Kendall test and sen's slope. The Korean Journal of Applied Statistics 34(3):439–447.

5. Jo C.D, Kwon H.G, Kim S.M. 2022;Temporal and spatial water quality assessment of the Geumho River, Korea, using multivariate statistics and water quality indices. Water 14(11):1761–1778.

6. Jo C.D, Kwon H.G. 2023;Temporal and spatial evaluation of the effect of river environment changes caused by climate change on water quality. Environmental Technology &Innovation 30:103066.

7. Kwon H, Shin S, Kim G, Kim Y, Shin D, Im T. 2017;The calculation of NPS load per unit area in paddy fields to the Nakdong River basin. Journal of the Korean Society of Hazard Mitigation 17(3):409–419.

8. Lee S, Jo B, Kim Y.D. 2022;Assessment of water quality index suitability of domestic watersheds. Journal of Korea Water Resources Association 55(5):371–381.

9. National Institute of Environmental Research (NIER). 2013;Real time Water Quality data system construction and database enhancement(I)

10. Nombuyiselo M, Taiwo A.O, Abdultaofeek A, Ikudayisi A. 2023;Evaluation of Surface Water Quality Indices in Mthatha River Using Multivariate Statistical Techniques. Indonesian Journal of Environmental Management and Sustainability 7(1):1–12.

11. Park J, Kal B, Kim S. 2018;Long-term trend analysis of major tributaries of Nakdong River using water quality index. Journal of Wetlands Research 20(3):201–209.

12. Seo M, Cho C, Im T, Kim S, Yoon H, Kim Y, Kim G. 2019;Statistical analysis of the spatio- temporal water quality characteristics of the Nakdong River. Journal of Environmental Science International 28(3):303–320.

13. Supardiono S, Hadiprayitno G, Irawan J, Gunawan L.A. 2023;Analysis of River water quality based on pollution index water quality status, Lombok District, NTB. Jurnal Penelitian Pendidikan IPA 9(3):1602–1608.

14. Tejoyadav M, Nayak R, Pati U.C. 2022. A Comparative Analysis of Multivariate Statistical Time Series Models for Water Quality Forecasting of the River Ganga. In Ambient Intelligence in Health Care:Proceedings of ICAIHC 2022 p. 429–441. Singapore: Springer Nature Singapore.

15. Varol M. 2020;Use of water quality index and multivariate statistical methods for the evaluation of water quality of a stream affected by multiple stressors:A case study. Environmental Pollution 266:115417.

16. Yu J.H, Lee H.S, Lim B.R, Kang J.H, Ahn T.U, Shin H.S. 2020;Analysis of pollution characteristics in the mainstream and its tributaries of Gongneung stream using water quality index and pollution load data. Journal of Korean Society on Water Environment 36(2):125–136.

Article information Continued

This is an open access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0), which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Variables	Unit	Analysis method
BOD	mg/L	Winkler-azide method (5-day)
COD	mg/L	Potassium permanganate (KMnO4)
SS	mg/L	Filtration methods (GF-C)
TN	mg/L	Continuous flow analysis (UV/visible spectrometry)
TP	mg/L	Continuous flow analysis (UV/visible spectrometry)

Variable	Water quality range
Water Temp. (T)	Monthly avg. temp. for 10 years – 10 ℃ ≤ T ≤ 10 ℃
pH	6. 5 ≤ pH ≤ 9. 0
DO	0. 8 × Saturation DO mg/L ≤ DO ≤ 1. 3 × Saturation DO mg/L
EC	EC ≤ 200 ㎲/cm
BOD	BOD ≤ 2. 0 mg/L
COD	COD ≤ 4. 0 mg/L
SS	SS ≤ 25 mg/L
TN	TN ≤ 3. 0 mg/L
TP	TP ≤ 0. 1 mg/L
TP	Continuous flow analysis (UV/visible spectrometry)

Rating	Range	Evaluation contents
Excellent	80~100	Always clean water with few contaminants
Good	60~79	Relatively good water quality
Fair	40~59	Generally good water quality, sometimes introduced with contaminants
Poor	20~39	Frequent inflow of pollutants
Very Poor	0~19	High water pollution level

Table 4

Range, Average, and Standard Deviation of Water Quality Variables in the Study Area from 2014 to 2022

		WT	pH	DO	BOD	COD	SS	EC	TN	TP
NS1	Range	0.5–25.2	6.3–8.9	7.1–17.7	0.3–3.9	1.2–5.4	0.5–66.9	213–808	0.41–6.45	0.01–0.14
NS1	M±SD	12.4±7	8.2±0.3	11.6±2.2	1.2±0.5	3.1±0.8	4.4±6.5	441±118	3.45±0.99	0.05±0.03
NS2	Range	0–29.5	7–9.1	8–16.8	0.3–2.1	1.5–15	0.3–230.3	116–708	0.67–4.74	0–0.16
NS2	M±SD	13.6±8.8	7.9±0.4	11.6±2.5	0.9±0.4	3.2±1.3	9.4±24.8	269±102	2.34±0.62	0.02±0.02
NS3	Range	0–28.9	6.5–8.7	7.4–15.8	0.4–2.1	2.3–11.7	1.3–232.5	98–464	1.12–12.16	0.01–0.14
NS3	M±SD	14.5±7.4	7.7±0.4	10.7±2.1	1±0.3	4.5±1.3	10.9±17.8	194±48	2.54±1.38	0.03±0.02
NS4	Range	0.6–31.2	7–8.9	6.3–15.6	0.4–2.8	2.1–8.3	1.6–121.7	103–384	0.78–4.19	0.01–0.19
NS4	M±SD	15.4±8.5	7.9±0.3	10.7±2.3	1.3±0.5	4.5±1.2	12.5±14.7	213±46	2.42±0.53	0.04±0.03
NS5	Range	1.5–30.2	7–9.2	6.5–15.9	0.7–4.9	2.8–10	1.7–176.2	131–578	1.03–4.53	0.02–0.25
NS5	M±SD	16.2±8.3	8±0.4	10.8±2.2	1.9±0.7	5.4±1.4	15.6±20.1	274±79	2.84±0.66	0.07±0.05
NS6	Range	1.5–31.7	6.3–9.5	7.3–17.8	0.6–5.2	2.9–9.7	1.7–179.7	128–464	1–4.38	0.02–0.25
NS6	M±SD	16.5±8.6	8±0.4	10.8±2.2	2.1±0.7	5.6±1.3	17±22.7	268±70	2.7±0.63	0.07±0.04
NS7	Range	0.5–31.8	7.1–9.4	6.8–16.1	1–5.9	3.9–12.7	1.2–241.4	156–703	1.71–6.58	0.02–0.42
NS7	M±SD	16.7±8.5	8.1±0.4	11±2.3	2.5±0.9	6.8±1.3	19.2±25.6	392±123	3.67±0.95	0.12±0.09
NS8	Range	1–31.4	3.7–9.4	5.7–16.8	0.8–5.4	3.7–11.9	2–214.7	130–589	1.4–5.18	0.01–0.34
NS8	M±SD	16.6±8.3	8.1±0.5	10.9±2.3	2.3±0.8	6.3±1.2	19.3±23.8	332±92	3.09±0.7	0.1±0.07
NS9	Range	1–31.5	6.5–9.5	6.3–19	0.9–6.1	4.2–12.5	2–283.5	110–578	1.29–5.31	0.01–0.39
NS9	M±SD	16.7±8.3	8.1±0.5	10.9±2.5	2.4±1	6.3±1.2	19.4±25.8	303±94	2.88±0.76	0.09±0.06
NS10	Range	0–33.1	6.7–9.8	5.8–21.5	0.9–5.8	3.9–11.1	2.6–193.5	109–535	1.36–4.84	0.01–0.2
NS10	M±SD	16.7±8.4	8.1±0.5	10.9±2.7	2.3±0.9	6.3±1.2	18.6±19.7	304±95	2.82±0.71	0.08±0.05
NS11	Range	1–31.5	7–9.5	4.5–22.3	0.8–5.4	3.7–10.1	2.1–195.9	125–561	1.22–4.58	0.02–0.5
NS11	M±SD	16.8±8.4	8.1±0.5	10.7±2.8	2.2±0.9	6.2±1.2	16.5±20.6	302±99	2.74±0.67	0.08±0.05
NS12	Range	1.2–30.8	6.8–9.6	5.8–23.3	0.8–6	4.3–11	1.4–149.4	133–610	1.08–4.56	0.02–0.26
NS12	M±SD	16.9±8.1	8±0.5	10.6±2.8	2.3±0.9	6.3±1.2	16±18.2	304±99	2.75±0.69	0.08±0.05

Site	Statistic S	P-value	Trend
NS1	21	0. 484100	No trend
NS2	-33	0. 262900	No trend
NS3	22	0. 327300	No trend
NS4	-27	0. 363000	No trend
NS5	81	0. 005100	Increase
NS6	79	0. 006300	Increase
NS7	93	0. 001200	Increase
NS8	107	0. 000200	Increase
NS9	105	0. 000270	Increase
NS10	117	0. 000040	Increase
NS11	107	0. 000200	Increase
NS12	123	0. 000010	Increase

Year	NS1	NS2	NS3	NS4	NS5	NS6	NS7	NS8	NS9	NS10	NS11	NS12
2004	84	80	74	74	61	48	53	50	55	56	51	45
2005	78	74	67	74	53	47	54	42	49	43	51	44
2006	60	87	74	68	54	59	49	45	44	50	51	51
2007	78	80	80	80	60	59	47	55	43	49	50	44
2008	72	73	80	86	66	65	48	50	49	55	62	63
2009	71	74	68	73	45	57	40	54	43	55	43	43
2010	65	74	67	66	51	57	51	54	50	50	57	51
2011	60	61	73	66	63	57	53	55	57	58	58	56
2012	72	74	67	80	65	46	62	63	58	58	58	57
2013	83	74	87	79	71	65	52	51	70	64	64	58
2014	77	61	80	78	58	58	56	51	58	64	58	52
2015	65	73	80	78	70	70	57	70	70	70	70	59
2016	72	73	72	60	64	59	56	52	71	52	59	59
2017	71	60	78	78	71	71	69	69	70	70	70	70
2018	78	73	73	66	70	58	50	63	59	65	59	64
2019	73	80	73	72	71	59	57	70	64	65	65	71
2020	79	74	73	66	65	71	63	65	65	72	66	66
2021	79	74	92	72	70	71	70	65	71	71	65	71
2022	78	80	86	78	71	78	69	70	71	71	71	71
Average	73	74	76	73	63	61	56	58	59	60	59	58