2.1 연구 대상 지역

연구 대상 지역은 과천시를 포함한 양재천 상류유역으로 유역 면적은 약 39.86 km²로 대부분 과천시를 포함하고 있다(Fig. 1). 과천시는 경기도 중서부에 있는 도시로 북쪽으로 서울특별시와 접해 있고 경기도 안양시, 성남시, 의왕시와 경계하고 있다. 과천시 면적은 35.87 km²로 우리나라 국토(100,443.6 km²)의 0.035%이고 경기도 면적(10,199.5 km²)의 0.35%를 차지하고 있다. 시의 중앙을 가로지르는 양재천은 관악산에서 발원하여 북동쪽으로 흘러, 서울특별시 서초구와 강남구를 가로지르는 탄천과 합류하는 하천이다.

Fig. 1

Study Watershed

2.2 SWAT 모형

SWAT (Soil and Water Assessment Tool) 모형은 미국 농무성 농업연구소(USDA Agricultural Research Service, ARS)에서 개발되어 널리 사용되어 오고 있는 수문 모형이다. 1994년에 최초로 개발되어 현재까지 지속해서 발전해오고 있으며 대권역 및 복잡한 토지 유형을 가지고 있는 유역에 대하여 장기간 수문/수질 모의가 가능하며 이때 토지이용과 토양의 특성을 고려한 물순환 해석, 유사, 유기물질의 거동에 대한 예측이 가능한 모형이다. 특히 일 단위의 강우 및 기상자료에 따른 유출 모의가 가능한 모형으로 수문(hydrology), 토양유실(Erosion), 영양물질(Nutrients/ Pesticides), 하도 추적(Main channel processes)의 4가지 형태의 부 모형(Sub-module)으로 구성되어 있으며 수문순환을 계산하는 수문모형은 저류 방정식에 의하여 일 단위의 지표유출, 중간유출, 침투, 지하수, 증발산 등과 같은 물 수지 산정이 가능하다.

강우로 의한 유출을 산정하며 이때 다양한 부 모형으로 구성된 SWAT 모형은 효율적으로 수문과 수질에 대해 다양한 범위로 분석이 되며 국내외 연구 및 실무에서 많이 이용되어 오고 있다(Arnold and Allen, 1996; Narasimhan et al., 2005; Gosain et al., 2006; Yang et al., 2007; Schuol et al., 2008). SWAT 모형에 의한 물 수지 분석은 Eq. (1)과 같이 물 수지 방정식에 의해 산정된다.

여기서, SWt는 최종 토양수분량(mm), SW0는 i 일의 초기 토양수분량(mm), t는 시간(일), Rday는 i 일의 강수량(mm), Qsurf는 i 일의 지표유출량, Ea는 i 일의 증발산량(mm), Perc는 i 일의 토양층으로부터 투수층으로 투수 되는 총량(mm), 그리고 Qgw는 I 일의 회귀 수량(mm)을 의미한다.

2.3 SWAT-CUP

SWAT-CUP은 스위스 EAWAG 연구소에서 개발한 프로그램으로 SWAT 모형의 검⋅보정 및 불확실성 분석을 위해 개발되었다(Abbaspour et al., 2007).

SWAT-CUP은 SUFI-2 (Sequential Uncertainty Fitting–ver.2), GLUE (Generalized Likelihood Uncertainty Estimation), ParaSol (Parameter Solution), MCMC (Markov Chain Monte Carlo), PSO (Particle Swarm Optimization) 등 총 5가지의 알고리즘을 제공하며, 모의의 흐름도(Flow Chart)는 아래 Fig. 2에 나타내었다. SWAT-CUP은 모형의 검⋅보정을 위한 민감도 분석, 목적함수 및 불확실성의 범위 등이 자동으로 산출된다. 결과의 불확실성은 p-factor, 95PPU (95 Percent Prediction Uncertainty), r-factor 등을 이용하여 분석한다. p-factor는 불확실성 범위에 실측값이 포함되는 비율을 뜻하며, 1에 가까울수록 모의기법의 성능이 우수함을 의미한다. 95PPU는 Eq. (2)를 이용하여 산출되며, 예측 불확실성 범위를 뜻한다. 모의 값의 상⋅하위 각각 2.5%를 제외한 값의 집합을 의미한다.

Fig. 2

SWAT-CUP Simulation Flow Chart

여기서, dx¯는 95PPU의 상⋅하위 값의 평균 거리, k는 실측자료의 개수, X_L는 모의 값의 하위 2.5%의 값, X_u는 모의 값의 상위 2.5%의 값을 의미한다. r-factor는 Eq. (3)을 이용하여 산출되며, 불확실성의 상대적인 범위로 1보다 작을수록 모의 기법의 성능이 우수함을 의미한다.

여기서, σ_x는 측정된 변수의 표준편차, 각각의 알고리즘은 목적함수에 따라 방정식 해법이 달라 다른 결과를 유도하는 특징을 갖고 있다.

2.4 SWAT 모형을 통한 지하수 함양량 분석

SWAT 모형을 통한 지하수 함양량 분석은 아래 Fig. 3과 같이 SWAT 모형의 구축, SWAT 모형 설정, SWAT 모형 적용의 3단계로 구분하여 추진된다.

Fig. 3

SWAT Analysis Flow Chart for Groundwater Rech

모형의 구축단계는 수문 현상을 모의하기 위한 기초를 설계하는 단계로서 수문 모의에 필요한 기상 및 지형정보, 토양, 토지이용, 관측 모니터링 자료 등을 수집하여 대상 유역에 대한 SWAT 모형을 구축하는 것이다.

모형 설정 단계는 관측데이터를 이용하여 모형을 검⋅보정 하는 과정이다. 본 연구에서는 지하수 함양량을 분석하기 위해 SWAT-CUP을 이용하여 유출과 연관된 매개변수를 수정하고 모형을 실제 관측 유량자료를 통해 검⋅보정 한다. 사용되는 알고리즘과 파라미터는 문헌 등을 통해 적합한 방법을 결정한다.

모형 적용 단계는 적용하고자 하는 토지이용 변화 및 소재를 적용할 수 있도록 관련된 매개변수를 변경하고 모형에 적용하는 단계이다. 본 연구에서는 토지이용 변화 및 소재 적용을 위한 매개변수를 문헌 등을 통해 선정한다. 입력 파일인 ‘.hru’, ‘.sol’, ‘.mgt’ 파일 등에서 각 지하수 함양량에 영향을 미치는 특성을 분석하고 선정된 매개변수는 소재 기술에 따른 지하수 함양량 변화 분석, 도시지역에서의 지역별 변화 분석 등 시나리오별 분석을 수행한다.

3.1 SWAT 모형의 구축

SWAT 모형을 구축하기 위해 기상 및 지형, 관측데이터 자료를 수집하였다. 기상자료는 서울시 기상관측소 자료를 사용하였으며 2014년~2023년까지의 일강우, 기온(평균, 최대, 최소), 평균풍속, 상대습도, 일사량 자료를 사용하였다.

표고자료로 사용된 경위도 30 m 격자 크기의 수치고도 모델(Digital Elevation Model, DEM)은 국토교통부 국토지리정보원(https://www.ngii.go.kr/)에서 제공하는 수치지도를 이용하여 구축하였으며 2023년 기준으로 작성된 중분류 토지피복도는 환경부 환경지리정보서비스(http://egis.me.go.kr)에서 자료를 수집하였다. 그리고 토양특성 정보는 농촌진흥청 토양환경정보시스템(http://soil.rda.go.kr)에서 제공하는 정밀 토양도를 이용하여 모형의 입력자료를 구축하였다. 점오염원의 방류량 자료를 반영하기 위해 과천시에서 양재천으로 방류되는 과천하수처리장 일방류량 자료를 환경부 전국오염원 조사자료를 이용하여 구축하였다. 유량 보정을 위한 유량 관측자료는 우면교에서 측정되고 있는 ‘양재천1’의 관측 유량 자료를 수집하여 자료를 구축하였다. 아래 그림 Fig. 4를 모형 구축에 사용된 지형자료이다.

Fig. 4

GIS Data of Watershed

3.2 SWAT 검⋅보정 결과

SWAT-CUP을 사용하여 유출에 관련된 매개변수를 조정하는 과정을 통해 모형의 검⋅보정을 수행하였다. 아래 Table 1과 같이 유출에 연관된 11개 매개변수를 사용하였으며 SWAT-CUP에서 사용하는 SUFI-2 알고리즘으로 이용하여 보정 하였다.

Table 1

Flow Parameters Used for SWAT-CUP

모형의 신뢰성은 아래 Table 2과 같이 상관계수(R²)와 NSE를 이용하여 범위 내 적정성을 검토하였으며 검토 기간은 보정 2017~2019년, 검증 2020~2022년으로 설정하였다. 아래 Fig. 5는 일별 유량 보정 및 검증 유량 그래프를 나타내고 있다.

Table 2

Model Efficiency Range and Confidence Interval (Moriasi et al., 2015)

Fig. 5

Result of Calibration and Validation

보정 결과, Table 3과 Fig. 4와 같이 R²은 0.859, NSE (Nash-Sutcliffe model efficiency)은 0.852로 나타나 Table 2의 평가 기준으로 “Very good”으로 나타났다. 보정된 매개변수를 이용하여 검증한 결과, R²은 0.841, NSE은 0.804로 보정과 같이 “Very good” 기준으로 나타났다. 따라서 구축된 모형으로 인한 유량 모의는 Table 3에서 보는 바와 같이 “Very good” 수준으로 적절하게 이루어지고 있는 것으로 검토되었다.

Table 3

Result of Calibration and Validation Using by SWAT-CUP

3.3 가뭄 적용 매개변수 선정

지하수 함양량과 연관된 SWAT 모형에서의 매개변수를 선정하였다. 수문 과정에서 지하수 함양량에 영향을 미치는 매개변수는 증발(Evaporation), 토양수(Soil Water), 지표유출(Surface Runoff), 이송손실(Transmission Losses from Surface Runoff), 중간유출(Lateral Flow), 지하수(Groundwater) 등 많은 요소가 영향을 미치고 있다. 이 매개변수 중에서 본 연구에서는 도시지역에서 활용할 수 있는 기술에 대한 토지 표면에서의 변화를 고려하여 매개변수를 선정하였다. 따라서, 중간유출과 지하수, 이송손실은 반영하지 않고 증발과 토양수, 지표유출에서의 영향 매개변수만을 선정하였다.

국외 사례를 살펴보면 소재 적용 기술이 HRU 반응에 미치는 영향을 평가하기 위해 모델 매개변수의 정량적 조정이 필요한데 이런 정도를 결정하기 위해 검토된 사례가 있다(Arabi et al., 2008; Waidler et al., 2011). 선행연구에서는 매개변수가 작용하는 원리를 구분하여 가장 관련이 있는 SWAT 매개변수를 선택하고 해당 매개변수에 대한 모델의 민감도 분석을 수행하였다. 직접유출(SufQ)과 유사(Sediment), 수질 등 가장 민감한 매개변수가 분석되었으며 HRU 적용을 통해 매개변수의 특징이 나타났다(Waidler et al., 2011). 선행 연구에서의 매개변수 선정결과는 Table 4와 같다. 이런 결과를 바탕으로 직접유출 및 토지이용 변화에 따라 영향이 큰 매개변수인 CN2 (.mgt)와 토양특성 매개변수인 토양수의 SOL_AWC (.sol), SOL_K (.sol)를 선정하였다. SOL_AWC는 토양 내 이용할 수 있는 토양수의 양을 나타내고 SOL_K는 지하 방향으로의 침루와 연관이 있어 토양특성 변화에 따라 지하수 영향이 클 것으로 판단된다. 또한, 지표유출의 첨두유출의 영향을 고려하여 OV_N (.hru)을 선정하였고 지표면의 저류 깊이를 고려하기 위해 CANMX (.hru)를 선정하였다. SWAT를 이용한 선행연구를 살펴보면 주로 CN값 변화를 통해 표면에서의 직접유출을 조정하는 경우가 많으나 본 연구에서는 CN과 함께 토양과 증발까지 고려하고자 매개변수를 선정하였다.

Table 4

Description of Applied Parameters

3.4 매개변수 변경에 따른 지하수 함양량 변화 분석

SWAT 모형을 이용하여 매개변수 변경에 따른 지하수 함양량 변화를 분석하였다.

매개변수에 대한 조정값은 선행연구(Waidler et al., 2011)에서 제시하고 있는 소재 기술별 매개변수 적용 값을 아래 Table 5와 같이 적용하였다. 예상한 대로 적용 기술에 의한 유출량 감소는 주로 CN2 감소, SOL_K 및 SOL_AWC 증가로 나타났으며 첨두유출율의 감소는 OV_N값의 증가로 반영되며 강우 차단은 CANMX의 증가로 나타난다.

Table 5

Result of Scenario

적용되는 시나리오는 Table 5와 같이 총 4가지이며 CN과 SOL_AWC, SOL_K, OV_N, CANMX를 조합하여 조합된 형태에 따른 지하수 함양량 변화를 모의하는 것이다. 모의 시나리오는 기술별 5가지 매개변수 변화에 따라 현재(Present)와 비교하여 지하수 함양량이 변화되는 것을 검토하였다. 시나리오별로 매개변수가 변경되는 대상 토지이용 지역은 주거지역(전체 유역의 약 5.49%)만 적용하는 것으로 설정하였으며 매개변수 적용은 본문 위에서 검토한 내용과 같이 CN2 매개변수는 감소하고 4가지 매개변수는 증가하는 것으로 가정하여 평가하였다.

분석 결과, Fig. 6에서 매개변수의 변화가 가장 적은 시나리오1은 가장 적은 감소가 나타났고 변화가 가장 큰 시나리오4는 가장 큰 감소가 발생하는 것으로 분석되었다. 토양과 저류 깊이, CN 등 5가지 매개변수를 모두 고려한 시설의 영향이 가장 크게 나타나는 것을 의미한다. 소재 특성에 따라 매개변수에 적용되는 수치가 차이가 나기 때문에 소재에 따른 지하수 함양량 또한 차이가 나는 것을 확인할 수 있다. 시나리오1과 시나리오3은 CANMX 적용 여부에 따른 비교로서, 시나리오1보다 시나리오3이 CANMX가 5 mm 증가할 때 지하수 함양량은 1.35% 증가하는 것으로 나타났다. 시나리오2와 시나리오3은 SOL_AWC와 SOL_K 적용에 따른 비교로서 시나리오2보다 시나리오3이 약 0.6% 지하수 함양량이 증가하는 것으로 나타나 SOL_AWC 보다 SOL_K가 지하수 함양량에 미치는 영향이 더 큰 것으로 판단된다.

Fig. 6

Groundwater Recharge Change Rate by Scenario

3.5 토지이용별 매개변수 변경에 따른 지하수 함양량 변화 분석

토지이용별 매개변수 변경에 따른 지하수 함양량을 분석하기 위해 분석 조건의 매개변수는 Table 5에서 5가지 매개변수를 모두 변경시키는 시나리오4를 준용하여 Table 6과 같이 적용하였다.

Table 6

Applied Parameters

도시지역에서의 영향을 보기 위해 도시지역에서 ‘대지’ 지목으로 있는 교통 및 주거지역에 대한 변화를 분석 대상으로 하였다. 적용을 위한 시나리오는 아래 Table 7과 같이 토지이용에 따라 총 4개 시나리오를 선정하였으며 Present는 현재 상태이며 시나리오1은 교통지역만 적용하는 경우, 시나리오2는 주거지역에만 적용, 시나리오3은 교통지역과 주거지역에 적용하는 시나리오이다. 대상 유역에서의 교통지역의 면적은 2.38 km²로서 전체 유역 면적 39.86 km²의 약 5.97%이며 주거지역은 2.19 km²로 전체 유역 면적의 약 5.49%로 나타났다.

Table 7

Result of Scenario

10년간 모의한 결과를 이용하여 연평균 지하수 함양량 변화를 분석하고 함양량의 증감 여부를 분석하였다.

분석 결과, 시나리오1은 교통 지역만 적용한 것으로서 지하수 함양량이 현재 대비 5.22% 증가하는 것으로 나타났고 시나리오2는 주거지역에만 적용한 것으로서 현재 대비 10.43% 증가, 시나리오3은 10.46% 증가하는 것으로 분석되었다. 교통 지역만 적용한 시나리오1에 비해 주거지역에서의 함양량이 더 많이 증가하는 것으로 나타났다.

토지이용별로 같은 매개변수 조건을 이용하여 지하수 함양량 변화를 비교한 결과, Table 7에서 주거지역만 적용한 시나리오2가 교통 지역만 적용한 시나리오1에 비해 주거지역에서의 함양량이 더 많이 증가하는 것으로 나타났다(Fig. 7). 적용한 면적 차이가 크지 않은데 이와 같은 차이가 있어 같은 시간과 재원을 투입할 경우, 도로 지역보다는 주거지역에서의 효과가 더 크다고 판단된다.

Fig. 7

Groundwater Recharge Map by Scenario