생활·공업용수 가뭄 분석체계 마련

가뭄은 △기상학적 가뭄 △농업적 가뭄 △수문학적 가뭄 △사회경제적 가뭄으로 분류할 수 있다. 기상청은 기상학적 가뭄, 한국농어촌공사는 농업 가뭄, 환경부와 K-water는 생활·공업용수에 대한 가뭄을 분석해 가뭄 예·경보를 발표하고 있다. 

일반적으로 가뭄의 발생은 기상학적 영향인 강수의 부족으로 나타나지만 생공용수 가뭄의 경우, 인간이 생활하는 데 필요한 물의 양보다 적은 물이 공급되는 경우에만 체감할 수 있다. 예를 들어, 서울시민이 생활·공업용수 가뭄을 체감하기 위해서는 소양강댐과 충주댐에 물이 없어야 하는 것이다.

생활·공업용수 가뭄 정보 분석의 기본개념은 지역별로 사용하는 수원을 분석해 해당 지역의 가뭄 현황을 판단하는 것이다. 전국 3천503개의 읍·면·동을 대상으로 전국 408개의 주수원과 보조수원을 조사해, 취수·정수·배수 등 수원과 연계된 물공급 네트워크를 기반으로 해당 읍·면·동의 수위 및 유량 정보를 분석하여 가뭄 현황을 판단한다. 국가 예·경보는 한 달에 한 번 발표하고 있으며, K-water 국가가뭄정보분석센터는 자체적으로 일주일에 한 번씩 가뭄 현황을 분석하고 있다. 가뭄 예·경보 시스템은 2016년도 1년 동안 시범 운영되었으며, 2017년도 1월부터 본격적으로 발표하고 있다.

물복지 소외지역, 가뭄정보 제공 필요

2021년 가뭄기초조사보고서에 따르면 생활·공업용수 수원의 종류는 △다목적댐 △용수댐·저수지 △하천 △지하수 △기타 등이 있으며, 기타 수원을 제외한 수원들은 계측 자료를 기반으로 가뭄을 판단할 수 있다. 이 중 다목적댐과 용수댐은 K-water에서 관리하며, 가장 많은 양의 물을 공급한다. 다목적댐과 용수댐은 시기별 각 용수의 공급가능 저수량, 국가 하천과 지방 하천은 하천 유량(수위), 지자체 저수지는 규모별 댐 기준을 준용하거나 저수위, 공급가능 기간을 가뭄판단 기준으로 삼고 있다. 

취수 사각지대에 놓인 기타 수원 지역은 미급수 지역에 해당한다. 미급수 지역은 마을상수도 소규모 급수시설을 통해 몇십 가구만이 물을 공급받는 물공급 소외 지역으로 계측 자료가 없어 기상자료를 이용한 SPI6(6개월 누적 강수량 분석 자료)로 가뭄 정도를 환산해 판단하는 정도에 그쳤다. 이러한 소규모 수도시설들은 전국에 산재해 있으며, △지하수 △계곡수(지표수) △용천수 △복류수 △하천수 △호소수 △해수 등 수원으로 사용하고 있다. 

전체 소규모 수도시설 1만3천437개소 중 83.7%에 해당하는 1만1천 개소는 지하수를 수원으로 사용하고 있다. 이러한 지방상수도의 수원으로 사용되는 지하수 시설은 총 72개소이며, 69개 읍·면·동과 41개 산업단지에 생활·공업용수를 공급한다. 이는 지하수가 소외된 지역들의 중요한 수원이라는 점을 의미한다. 계측 자료나 판단 근거를 구할 수 없는 지방 수도 지역과 더불어 전국에 대해서도 지하수 가뭄 상황 정보제공이 필요하다.

지하수 관측지점 지역화로 가뭄 판단

지하수를 수원으로 이용하는 지역의 가뭄을 판단하고 전망하는 데는 몇 가지 전제조건과 제약사항이 있다. 첫 번째로, 수원의 종류별 가뭄 판단 기준인 저수지 수위, 하천 수위와 같이 실시간 지하수위 관측자료를 이용한 가뭄 판단이 필요하다. 각 소규모 급수시설들의 지하수위를 모두 알 수는 없지만 국가지하수관측망의 지하수위 관측자료를 이용해 자료의 신뢰성과 자료취득의 용이성을 확보할 수 있다. 

두 번째로, 가뭄전망을 위해 관계부처 공통으로 사용하는 1〜3개월 단위의 기상청 자료를 이용한 가뭄전망이 필요하다. 이는 1〜3개월 전망을 통해 강수량으로 인한 지하수위 변동을 예측하기 위함이다. 세 번째, 평상시 월간·주간, 가뭄 심각 시 등 수시로 제공되어야 하는 가뭄 예·경보의 특성상 가뭄 현황 및 전망 분석을 1〜2일 사이에 분석해 발표해야 하기 때문에 데이터 기반 모델을 이용한 빠른 분석이 이뤄져야 한다. 

네 번째, 소규모 수도시설의 경우 △계측 수위자료 부재 △시설별 판단기준 상이함 등으로 인해 전국 1만1천200여 개 시설 각각에 대한 개별 분석이 사실상 불가능하므로, 전국에 분포한 지하수 관측지점의 지역화를 통해 예·경보 분석에 필요한 지역단위(시·군, 읍·면·동) 지하수위의 평균적 거동을 해석해 가뭄 현황을 판단해야 한다. 

국가지하수관측망 412개소 전 기간 자료 이용

가뭄 모니터링 및 전망을 위해 △강수량 △지하수위 관측 자료를 기초자료로 활용하고 있으며, 강수량 모니터링을 위해 기상청·환경부·K-water가 운영하는 1천290개 강우관측소의 지점강수량을 이용한 시·군별 면적강수량 자료를 활용하고 있다. 가뭄 예·경보를 위한 일 자료 및 월 자료는 1966년부터 현재까지 생산되고 있다. 면적강수량 지수는 표준강수지수(SPI)로 전환돼 활용되기도 한다. 

지하수위 모니터링을 위해 국가지하수관측망 412개소 전 기간 자료를 개별적으로 검토 후 보정하여 모니터링 자료로 활용하고 있다. 나아가 데이터를 활용한 전망모형을 만들기 위해 10년 이상 장기간 관측자료를 보유한 288개 관측소 중 자료의 경향성과 교란 등의 측면을 검토해 최종 254개의 관측소를 선택했다. 다만, 관측소별로 수위의 편차가 있어 편차가 안정화되기 전과 이후의 기간을 분리해 자료를 활용할 필요가 있다. 

표준지하수지수로 지하수 가뭄판단 기준 산정

지하수 가뭄 모니터링을 위해 처음에 만들어진 표준지하수지수(Standardized Groundwater level Index, SGI)는 지하수 가뭄지수로 평년 대비 지하수위의 높고 낮은 정도를 나타내는 표준화 지수를 뜻한다. SGI를 산정하는 방법은 과거 월별 지하수위 분포에 대한 적절한 확률 분포형을 선정한 후 해당 월의 지하수위에 상응하는 누적확률을 표준화하는 것이다. 

지하수 가뭄 모니터링 기법은 △지하수위 관측자료(충적 138, 암반 150) △자료 전처리(자료 이상유무, 관측소 선별 등) △관측소별·월별 지하수위 분포의 확률밀도함수(Kernel Density) 산정 △확률밀도함수 기반 관측소별·월별 수위값의 백분위수(Percentile) 산정 △백분위수 정규화 △관측소별·행정구역별(167개 시·군) SGI 산정 등의 절차를 거쳐 개발됐다.

지하수위 거동 특성상 일반화된 분포식과 모수 추정 과정을 거쳐 적합시키기는 어렵기 때문에 최대한 지하수위 자체의 분포를 잘 따라갈 수 있게 비모수 커널밀도추정법(Kernel Density Estimation, KDE) 통계를 이용했다. 월별 지하수위 백분위수 및 SGI는 △256개 관측소별·월별 지하수위 산정 △관측소별·월별 지하수위 확률분포 추정 △누적확률분포로 변환 후 해당 월 지하수위 백분위수 산정 △표준정규분포 CDF 역함수 SGI 등을 거쳐 최종 SGI값을 산정한다. 이 과정을 거쳐 최종 산정된 SGI값을 발생확률별 가뭄판단 기준에 대입하여 지하수 가뭄 예·경보를 단계별로 발령한다.

관측소마다 관측 범위와 분포가 다르지만 SGI로 가뭄 모니터링을 하면 표준화가 되어 있기 때문에 결과를 산정하는 판단기준을 만들기가 쉽다. 평상시 분포보다 지하수위가 많이 낮아져 있을 때 어느 단계에 해당하는지 확인하기 위해 만들어진 SGI 가뭄 판단 기준은 발생확률이 △25% 이상(정상) △10〜25% 사이(주의) △5〜10% 사이(심함) △5% 미만(매우심함)이며 SGI 지수는 △-0.6745 이상(정상) △-0.6745〜-1.2816(주의) △-1.2816〜-1.6449(심함) △-1.6449 미만(매우심함)으로 나뉜다. 

강수량과 지하수위 상관관계 초점 맞춰

가뭄 예·경보는 현재 상황에 대한 원인과 더불어 자료 계측에 의한 전망을 반영한다. 강수량과 지하수위의 상관관계에 초점을 맞춰 강수량이 지하수의 거동에 영향을 미칠 수밖에 없는 중요 인자라는 점에 착안해 가뭄 전망모델을 만들었다. 강수량이 앞으로의 지하수위 거동에 어떻게 영향을 미칠 것인가를 전망하는 것이다. 강수 아노말리 기준에서 강수량이 매우 부족한 기상학적 가뭄은 △하천 유출량 △토양수분 △지하수 함양량 등 여러 수문인자에 시차를 두고 영향을 미쳐 지하수위 저하라는 결과를 초래한다. 

강수량과 지하수위 기초자료의 시공간적 범위는 다음과 같이 설정됐다. 기초자료로는 167개 시·군별 표준강수지수(SPI)와 표준지하수지수(SGI)를 산정했다. 1974년도 1월부터 2016년 12월까지 강수량 관측소 669개소에서 관측된 전체 자료의 지점별 SPI와 1995년 12월부터 2016년 12월까지 지하수위 관측소 256개소에서 관측된 자료의 SGI를 산정해 최종 167개 시·군의 SPI값과 SGI값을 산정했다. 

SPI와 SGI의 공간적 분석범위는 △공간범위(시·군 범위) △시간범위(월 단위)로 설정됐다. 관측소 위치정보를 이용해 티센망을 구축하고, 각 관측소가 해당 시·군에서 차지하는 면적 비율을 가중치로 적용해 분석범위를 설정했다. △티센면적계수 △행정구역도 △관측소위치도 △ArcGIS 공간분석 기능을 이용했다. 

인공신경망 모형, 상관계수 개선으로 높은 정확도 보여

표준강수지수(SPI)와 표준지하수지수(SGI)의 상관성을 분석하기 위해 충청지역 26개 시·군에 대한 SPI1〜12(1~12개월 누적 강수량 분석 자료)와 SGI의 상관도를 분석한 결과, SPI1〜12와 SGI의 상관성이 나타났고, 강수와 지하수위 거동의 지체시간 효과로 지역별 편차가 일어났다. 표준강수지수(SPI)와 표준지하수지수(SGI), 즉 표준화된 강수량과 지하수위 자료 간의 상관성이 높고, 원인과 응답관계가 분명하고, 장기간 누적된 관측자료를 확보할 수 있다는 점을 토대로 다이내믹 뉴럴 네트워크(Dyanmic Neural Network)라고 하는 SPI·SGI 입출력 지하수위 전망체계 인공신경망 모형을 구축했다. 

과적합이 발생하지 않도록 △트레이닝(Training) △테스트(Test) △합계(All)를 모두 감안하여 인공신경망 학습을 수행했다. NARX(Nonlinear Auto-Regressive Exogenous) ANN 모형이 활용된 인공신경망이 예측한 출력값은 관측 지하수위를 이용한 실제 SGI값과 높은 정확도를 보이며 일치하는 결과를 보였다. 

비교적 상관계수가 낮았던 초기 인공신경망 모형의 정확도를 개선하기 위해 △인공신경망 학습 기초자료인 지하수위 자료기간 확장 및 관측소 변동(이전설치 등) 반영 △매년 업데이트되는 지하수관측연보 자료 추가 △시·군별 167개 인공신경망 모형 재학습 및 모형 정확도 개선 △기존 모형상관계수 0.7 미만 시·군 집중학습 등등을 진행했다. 

기존 모형 및 개선 모형(2022년) 간 시·군별 모형의 상관계수는 기존 모형은 총 167개소 중 상관계수 △0.9 이상(43곳, 26%) △0.9〜0.8(51곳, 31%) △0.8〜0.7(52곳, 31%) △0.7〜0.6(15곳, 9%) △0.6 미만(6곳, 4%)이었다. 개선 모형(2022년)은 △0.9 이상(60곳, 36%) △0.9〜0.8(80곳, 48%) △0.8〜0.7(27곳, 16%) △0.7〜0.6(없음) △0.6 미만(없음)이었다. 

지하수위 역전현상 보완한 모니터링·전망 프로세스

1〜3개월간의 지하수위는 SGI를 통해 만든 지하수위 거동 AR 모델과 외부 인자 SGI(1〜12)를 엮어 SGI 아웃풋이라는 정보값으로 산출하는 방식으로 매월 가뭄 예·경보를 전망하고 있다. 기상청 장기 정량전망(월강수량)을 이용한 167개의 자동화된 시·군별 네트워크 전망 체계로 SGI를 전망하고 있다. 

한편, SGI 기반의 가뭄 예·경보에는 한계도 따른다. 지자체 유선조사를 통한 분석결과와 실제 지하수 취수현황을 비교 검증하는 방식으로 가뭄 예·경보의 반영 및 실효성을 검증한 결과, 계절적 특성에 따라 예·경보 단계와 실제 지하수위 상황이 역전되는 경우가 발생했다. 

SGI를 이용한 가뭄판단기법은 월별 과거 평균 지하수위를 기반으로 산정되기 때문이다. 이를 개선하기 위해 기존 SGI를 통한 월별 지하수위 비교방법과 과거 전체 수위자료 대비 지하수위 판단 기법을 병행·보완할 수 있는 전 기간 분포기반 백분위수 방식으로 예·경보 단계를 설정하는 방안이 제시되었다. 

167개 시·군 일일이 확인할 필요없어 편리

개선 방안의 과정은 △SGI를 이용한 지하수 가뭄지역 1차 추출 △전 기간 수위자료 기반의 관측소별 한계수위 정도 판단(백분위수 분석) △1단계와 2단계 분석결과 종합판단 △경계단계 이상의 지자체 지하수 취수상황 유선조사 △미급수지역 지하수 가뭄판단으로 나뉜다. 

지하수위 현황은 월분포 수위 기반 SGI를 전 기간 분포기반 백분위수로, 전망은 SGI 전망결과를 수위환산해 전 기간 분포기반 백분위수로 개선한 뒤 분석결과를 검토하고, 전 기간 백분위수 방식과 기존 SGI 방식, 비상급수 현황 등을 월별로 비교 및 검토했다. 그 결과 개선 및 보완된 예·경보 방식은 계절적 차이가 뚜렷이 나타났으며, 지하수위 역전현상이 발생하지 않아 실제 취수현황을 적절히 반영하는 것으로 판단되었다. 

예·경보단계 기준은 월별 SGI의 경우 △정상(-1 이상) △관심(-1〜-1.5) △주의(-1.5〜-2.0) △경계(-2.0 이하) △심각(-2.0 이하 및 취수문제 발생)이며, 전 기간 백분위수의 경우 △정상(20% 이상) △관심(10〜20%) △주의(5〜10%) △경계(5% 이하) △심각(5% 이하 및 취수문제 발생)이다. 

이러한 지하수 가뭄 예·경보 분석을 적용하면 160여 개 시·군을 매주 일일이 전화하며 확인하지 않아도 되며, 지하수위가 저조하게 나타난 지역만 지하수 취수 문제 발생 여부를 추적하면 된다는 장점이 있다. 가뭄 예·경보의 분석서에는 지역별 △가뭄현황(단계)과 △1〜3개월 전망 △관측소명 △종합검토의견 등의 항목이 포함돼 있다. 가뭄 정도가 심한 지역은 직접 유선으로 조사를 진행한 정보를 분석서에 반영한다. 이러한 과정을 통해 나온 분석결과들은 국가가뭄정보포털 내에 △미급수 지역 가뭄 현황 및 전망 △지하수 자료분석 △가뭄지수(월단위 SGI기반)로 정보화되어 제공된다. 

예측정확성 높지만 기상전망 불확실해 편차 발생

예·경보의 정확도를 결정하는 요소는 △백분위수 전망과 현황 △강우 전망과 현황 △실제 SGI와 인공신경망 모델의 SGI가 있다. 모델의 정확성은 높은 편이지만, 기상 전망 자료의 큰 불확실성 때문에 편차가 발생하기도 한다. 백분위수 전망과 현황은 2020년도 3월에 개선된 전망기법을 이용해 2019년 1월부터 12월까지의 백분위수 전망값을 재산정한 후 평가된다. 백분위수 전망 및 현황 값의 상관계수는 계절별로 큰 차이를 보이는 것으로 파악됐다. 월별 상관계수 비교 결과, 건기(9〜3월)에는 0.7 이상이며, (4〜8월)에는 상대적으로 상관계수가 낮게 산정됐다. 

강우 전망과 현황은 월별 상관계수를 분석한 결과, 3월에 최대 0.71, 12월에 최소 0.13으로 평균 0.43의 상관성을 나타냈으나 계절적 영향은 뚜렷하지 않았다. 여름철 강수전망과 실제 강수량의 차이가 컸으며, 강수발생 시기 변화와 가을장마 등의 특징 확인이 가능했다. 실제 SGI와 인공신경망 모델의 SGI는 월별 상관계수 분석 결과 6월과 11월에 최대 0.88, 5월에 최소 0.47, 평균적으로 0.74의 상관성을 보였으나 계절적 영향은 뚜렷하지 않았다. 지하수위 전망은 예측모형과 강수 전망 자료 모두에 영향을 받지만, 특히 계절적 정확도는 강수전망 값에 더 큰 영향을 받았다. 

가뭄 예·경보 판단기준 현실화 노력 필요

결과적으로, 미급수 지역 및 지하수를 수원으로 사용하는 지역의 가뭄 상황을 간접적으로 판단하고 전망할 수 있는 체계가 구축됐다. 가뭄 전망을 위해 전국적인 장기간의 강수량, 지하수위 등의 빅데이터를 활용하고 있으며, 통계적 처리와 ANN을 이용한 실용적 분석기법을 개발 및 활용하고 있다. 한편, 통계적 의미를 갖는 백분위수 값(5, 10, 20%)을 기준으로 설정된 예·경보 단계를 실제 지하수위 상황과 지속적으로 비교·검토하여 판단기준을 현실화하는 노력이 필요하다. 

아울러, 관측자료를 이용한 직접적인 가뭄 판단을 위해서는 △현장 상황에 대한 기초조사 △다양한 관측(계측)시설 설치 △지속적인 기초자료의 품질관리 △체계적이고 자유로운 자료 공유 환경 구축 등이 보장되어야 한다.

지하수위 모니터링을 위해 전국의 412개소 주요지점에 국가지하수관측망을 설치하여 수위 및 수질을 지속적으로 관측함으로서 광역적인 지하수의 수위·수질 변동실태를 분석하고 있다. 

[『워터저널』 2023년 2월호에 게재]