Evaluation of Pollution load and Factors on Water Quality based on Watershed Model in Okjeong Lake

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.

Abstract

This study aims to identify the factors influencing water quality in Okjeong Lake, which was formed by the construction of the Seomjin River Dam, and to analyze the non-point source pollution discharge characteristics of the upstream basin. Additionally, it seeks to propose priority management areas for pollution sources within this basin. For this purpose, data from the Ministry of Environment's measurement network was analyzed, and the HSPF model was developed to analyze the simulation results. The results of correlation analysis, multiple regression analysis, and factor analysis using hydrological and water quality data from Okjeong Lake and its upstream watersheds indicated that the water quality load from Seomjin River had a greater impact on the water quality of Okjeong Lake than the inflow from Churyeong-cheon. These statistical analyses highlight the importance of managing pollution sources in the upper watershed of Seomjin River for effective water quality management of Okjeong Lake. Simulation results from the HSPF model, which demonstrated reliable reproducibility, the analysis of water quality loads from the upper watershed of Seomjin River and Churyeong-cheon by rainfall events showed that the proportion of organic matter, T-N, and T-P loads was relatively higher in the 0~30 mm rainfall events compared to non-rainfall periods, indicating the importance of managing stormwater runoff. Additionally, the distribution of water quality loads on the Load Duration Curve (LDC) using the model simulation results showed that non-point pollution source management is crucial for both inflowing streams. However, in the upper watershed of Seomjin River, the frequency of T-P loads exceeding the LDC across all flow intervals was higher, indicating the need to manage both point and non-point pollution sources. These findings suggest that non-point pollution management in the upstream watersheds is essential for Okjeong Lake water quality management. Furthermore, the spatial distribution of the average delivery load index for each subbasin in the model was used to identify priority management areas for pollution sources and to provide essential information for establishing future pollution control strategies.

Key words: HSPF model, Load duration curve, Non-point source pollution, Rainfall intensity, Statistical analysis

요약

섬진강댐의 건설로 형성된 옥정호의 수질 영향 인자와 상류 유역의 비점오염 유출특성을 파악하고, 이 유역의 오염원 중점관리 지역을 제안하고자 한다. 이를 위해서 환경부 측정망 자료를 분석하였고, HSPF 유역모델을 구축하여 모의 결과를 분석하였다. 옥정호와 상류 유역의 수문과 수질 자료를 이용한 상관분석, 다중회귀분석, 요인분석의 결과는 추령천보다 섬진강 상류로부터 유입되는 수질 부하량이 옥정호의 수질에 더 영향을 주는 것으로 나타났다. 이러한 통계분석 결과들은 옥정호의 수질 관리를 위해서는 주로 섬진강 상류 유역의 오염원 관리의 중요성을 지시한다. 재현성이 확보된 유역모델의 모의 결과를 바탕으로 강우 구간별로 섬진강 상류와 추령천의 수질 부하량을 분석한 결과, 옥정호로 유입되는 두 하천 모두 비강우 구간에 비하여 0~30mm 강우 구간에서 유출되는 유기물질 및 T-N, T-P의 부하량의 비율이 상대적으로 높아 강우 유출수 관리가 중요함을 보였다. 또한 유역모델의 모의 결과를 활용하여 부하지속곡선(LDC)에 대한 수질 부하량의 분포를 분석한 결과, 두 유입하천 모두 비점오염관리가 중요할 것으로 나타났다. 그러나 섬진강 상류 유역의 경우에는 T-P의 부하량이 전 유량 구간에서 LDC를 초과하는 빈도가 높게 나타나 점과 비점오염원 모두 관리해야 할 필요성을 보였다. 이상의 결과를 종합하면 옥정호 수질 관리를 위해서는 상대적으로 상류 유역의 비점오염 관리가 중요할 것으로 판단되며, 모델의 소유역별로 평균 유달부하 지수의 공간 분포를 통해 오염원에 대한 중점관리 지역을 파악하였고 향후 오염원 관리방안 마련에 필요한 정보를 도출하였다.

주제어: HSPF 모델, 강우강도, 부하지속곡선, 비점오염, 통계분석

1. 서 론

건설로 형성된 인공 호수와 저수지는 물 공급, 관개, 수력 발전, 홍수 조절과 같은 중요한 역할을 수행하면서 수자원 관리의 필수적인 구성 요소가 되었다. 그러나 댐 건설로 인하여 호소 유역의 수문학적 및 생태학적 특성이 크게 바뀌며 수질 관리에 새로운 과제가 발생하곤 한다. 섬진강 댐 건설로 형성된 옥정호 유역도 예외는 아니며 수질 저하와 비점오염원(NPS) 오염의 복잡한 역학과 관련된 문제에 직면해 있다.

섬진강댐은 전북특별자치도 임실군 강진면 옥정리와 정읍시 산내면 종성리 사이에 있는 댐으로서, 이로 인하여 조성된 옥정호는 총 저수용량 466.0 백만m³으로 유역면적은 763.0 km², 연간 용수공급용량은 435.0백만m³에 달한다. 옥정호는 정읍, 임실, 김제 등에 생활용수 및 농업용수를 공급하는 상수원의 기능을 가지고 있으며, 옥정호의 주된 유역인 섬진강 상류 유역은 주로 산림과 농업지역으로 구성되어 있어 비점오염원에 의한 영향을 크게 받는 지역이다. 최근 들어서는 호내 조류농도의 증가와 비점오염 부하량의 증가로 수질이 악화되는 추세에 있어 수자원 관리를 위한 지속적 수질 모니터링과 보다 적극적인 개선방안을 강구해야 할 필요성이 제기되고 있다[1].

인공 호수의 수질은 자연적 요인과 인위적 요인의 조합에 의해 영향을 받는다[2]. 자연적 요인에는 지질학적 특성, 기후 변화성, 수문학적 조건이 포함되는 반면 인위적 영향은 종종 토지 이용 변화, 농업 유출, 도시화 및 산업 활동에서 비롯된다[3]. 특히 농업 유출수와 도시 강우수와 같은 확산된 원천을 특징으로 하는 비점오염은 많은 인공 호수에서 수질 악화에 상당한 기여 요인으로 확인되었다. 기존 연구에 따르면 강우 강도와 토지 이용 패턴이 비점오염 배출의 규모와 시기를 결정하는 데 중요한 역할을 한다[4-5].

섬진강댐(옥정호) 및 상류 유역에는 환경부의 수위 및 수질 측정망을 운영하고 있으나, 측정망 지점이 적어 유역의 수문 및 수질 특성을 파악하기에는 한계가 있으므로 미계측지역에 대한 오염부하 유출을 정량적으로 파악하기 위해서는 유역모델을 이용한 비점오염 유출특성에 대한 심층적 연구가 요구된다. 유역의 비점오염 유출 특성을 예측하고 평가하기 위한 유역모델은 HSPF (Hydrological Simulation Program-FORTRAN)와 SWAT (Soil and Water Assessment Tool) 모델이 주로 사용되고 있으나, 시단위로 모의가 가능한 HSPF에 비하여 SWAT는 일단위로 모의되어 강우 시 시간별로 급변하는 유출특성을 모의하는데 한계가 있다[6]. 또한 이들 모델의 모의 결과를 비교한 기존의 연구결과에서는 HSPF가 SWAT보다 비점오염원(질소와 인)에 대해 더 높은 정확성을 보였다[7]. HSPF 모델은 복잡한 유역에서 수질 역학을 이해하고 관리하는 표준적인 접근 방식이 되었고[8-9], 수문학적 및 수질변화 프로세스를 모의하는 데 특히 효과적이며, 다양한 기후 및 토지 이용 시나리오에서 오염 부하의 공간적 및 시간적 변동성을 분석할 수 있다[10]. 이러한 모델은 강우, 토지 이용 및 오염 물질 이동 간의 상호 작용에 대한 필수적인 정보를 제공하여 목표하는 오염물질의 제어를 용이하게 한다. HSPF 모델은 옥정호 상류 유역의 NPS 오염을 정량화하고 다양한 수질 영향 요소에 대한 대응을 평가하는 데 중요한 도구로 활용될 것이다.

여러 연구에서 인공 저수지의 수질 관리와 관련된 고유한 특성을 강조했다. 예를 들어, Zhu 등은 중국의 싼샤 저수지의 수질 역학을 조사하여 상류 농업 지역의 계절적 변화와 NPS 오염의 영향을 파악하였다[11]. 마찬가지로 Carpenter 등은 농업 관행이 저수지의 영양소 부하에 미치는 영향을 분석하여 토지 이용 관리와 수질 보호를 통합적 관리의 중요성을 강조하였다[12]. 이러한 연구는 효과적인 관리 계획을 고려할 때 소유역 수준의 수질변화 프로세스와 현장의 특정한 수질과 오염물질 유출 특성을 모두 고려하는 전체적 접근 방식의 필요성을 강조한다.

본 연구에서는 섬진강댐으로 형성된 옥정호의 수질 영향 인자들의 상관관계와 요인분석을 수행하여 수질 변화의 주요 원인을 파악하였다. 우선 섬진강댐(옥정호) 유역의 현황 분석과 유입 하천 및 호 내 지점별 수질 변동 추이 분석하고 이를 토대로, 옥정호의 수질 변동 요인을 조사하였다. 또한 HSPF 모델을 사용하여 유역 내 수문학적 및 수질 프로세스를 시뮬레이션했으며, 다양한 강우 강도에서 비점오염 유출 특성에 초점을 맞추었다. 여기서는 유역모델 입력 자료 구축 및 재현성 평가, 오염부하 유출 특성을 분석하였다. 부하지속 곡선은 흐름 조건과 오염물질 부하 간의 관계를 시각화하여 관리가 필요한 중요 지역과 하위 유역을 식별하기 위한 기반을 도출하고자 하였다. 이러한 분석결과를 기반으로 비점오염을 완화하고 섬진강댐 유역의 전반적인 수질을 개선하기 위한 현장의 수질 관리방안을 모색하였고 집중관리 대상 선정 및 관리 방향을 제안하고자 하였다.

본 논문은 경험적 데이터를 HSPF 모델에 적용하고 수질모의 기법과 통합하여 인공 저수지의 비점오염 관리에 대한 학문적이고 기술적 수준 향상에 기여하는 것을 궁극적 목표로 하였다. 이 연구는 수질 보호를 위한 지속 가능한 솔루션을 도출하는 데 있어 토지 이용, 강우량 변동성 및 오염 물질 이동 간의 복잡한 상호 작용 해결에 대한 중요성을 강조하고자 한다. 또한, 이 연구의 결과는 옥정호 유역 및 유사한 인공 호수 시스템의 수질 관리에 대한 실질적인 관리 방안의 지침으로 참고할 자료를 제공할 것으로 기대한다.

2. 재료 및 방법

2.1. 연구 대상지역

본 연구의 대상 지역인 옥정호 유역은 전북특별자치도 임실군과 정읍시를 비롯한 4개 시군의 11개 소권역(관촌수위표, 섬진강댐, 섬진강댐상류, 섬진강상류, 세동천, 옥녀동천, 임실천, 추령천상류, 추령천하류)으로 구성되어 있다. 전체 유역은 다음의 Fig. 1과 같으며, 면적은 763.5km²이고, 주요 하천은 섬진강 본류(상류), 옥녀동천, 임실천, 추령천 등이다. 임실군과 진안군이 주된 섬진강 상류 유역과는 달리 추령천 유역은 정읍시와 순창군이 포함되며, 정읍시는 23.1% (44.8km²), 순창군은 76.9% (149.4km²)를 차지한다. 이러한 행정구역과 지형학적 특성으로 인하여 이 옥정호 유역은 섬진강 상류유역과 추령천 유역을 구분하여 특성을 살펴보고 관리방안도 각 유역 특성에 맞도록 설정할 필요가 있다.

섬진강댐 내부에 형성된 옥정호의 3개 수질측정망 지점을 중심으로 10년간(2015년-2024년) 수질 자료정보를 살펴보면[13], TOC는 섬진강댐1(SD1) 지점에서 평균 1.9mg/L로 Ia-Ib 등급(평균 Ia)을 보였고, 섬진강댐2(SD2) 지점에서 평균 2.0 mg/L로 Ia-Ib 등급(평균 Ia)을 보였으며, 섬진강댐3(SD3) 지점에서 평균 2.1 mg/L로 Ia-Ib 등급(평균 Ib)을 보여 지난 10년간 연평균으로 SD3 지점은 중권역 물환경 목표기준인 Ia 등급을 초과하고 있다. T-P는 SD1 지점에서 평균 0.011mg/L로 Ia-Ib 등급(평균 Ib)을 보였고, SD2 지점에서 평균 0.013mg/L로 Ia-II 등급(평균 Ib)을 보였으며, SD3 지점에서 평균 0.014 mg/L로 Ia-II 등급(평균 Ib)을 보여 지난 10년간 연평균으로 옥정호의 수질측정망 3개 지점은 모두 중권역 물환경 목표기준인 Ia 등급을 초과하였다.

2.2. 오염부하량 현황

옥정호(섬진강댐) 유역의 오염부하량은 수질오염총량 단위유역을 중심으로 Fig. 1과 같이 옥정호의 북동측에 위치한 섬진강 상류 유역과 남서측에 위치한 추령천 유역으로 나누어 살펴보았다. 이 소유역을 대상으로 5년간의 오염물질 배출부하량 자료[14]를 살펴보았으며, 다음 Table 1에 2020년도를 기준으로 보고된 발생원별 오염부하량 자료를 정리하였다.

옥정호 유역의 BOD 부하와 관련된 오염원을 살펴보면, 섬진강 상류 유역은 2020년을 기준으로 5년 동안 연간 생활계 31.1%, 축산계 13.3%, 산업계 2.9%, 양식계 74.6% 감소하였으며, 토지계는 4.9% 증가하였다. 이에 따라 BOD 배출부하량은 6.1% 감소한 것으로 나타났다. 2020년에 총배출부하량에 대한 오염원별 비율은 생활계 3.7%, 축산계 44.7%, 산업계 0.4%, 토지계 51.1%, 양식계 0.1%, 매립계 0.0%로 나타나 토지계와 축산계가 차지하는 비율이 높다. 특히, 비점 배출부하량은 2016년에 94.2%에서 2020년 95.8%로 증가하였다.

T-P 부하와 관련된 오염원은 2016년 대비 2020년에 생활계 33.7%, 축산계 16.7%, 산업계 54.3%, 양식계 74.7% 감소하였으며, 토지계는 1.9% 증가하였고, 이에 따른 T-P 배출부하량은 5년동안 10.8% 감소하였다. T-P 총배출부하량에 대한 오염원별 비율은 생활계 2.8%, 축산계 51.7%, 산업계 0.8%, 토지계 44.5%, 양식계 0.1%, 매립계 0.0%로 나타나 토지계와 축산계가 차지하는 비율이 높았으며, 비점 배출부하량은 2016년에 94.4%에서 2020년 96.3%로 증가한 것으로 나타났다.

이에 비하여 옥정호의 남서측에 위치한 추령천 유역의 오염원은 2020년 기준 생활계 5.5%, 산업계 88.3%, 감소하였으며, 축산계와 토지계는 24.5%, 5.3% 증가하였고, 이에 따라 BOD 배출부하량은 8.5% 증가한 것으로 나타났다. 총배출부하량에 대한 오염원별 비율은 생활계가 10.8%, 축산계가 26.2%, 산업계가 0.0%, 토지계가 62.9%, 양식계가 0.2%, 매립계가 0.0%로 나타나 토지계가 차지하는 비율이 높으며, 비점 배출부하량은 2016년에 87.5%에서 2020년 89.0%로 증가한 것으로 나타났다.

2.3. 수질 변동 요인분석

옥정호 유역의 환경부 수질측정망 지점에서 2013년~2022년까지 수질 항목들의 월별 자료를 이용하여 수질 항목 간의 상관관계를 분석하여 수질 변동의 상관성을 파악하였다. 이와 동시에 유역의 강수량 및 유량과 수질 항목들의 상관분석도 함께 수행하여 수문 인자에 따른 수질 변동을 분석하였다. 또한 하천의 수질 항목들에 영향을 미치는 주요 인자와 상류 하천을 통해 유입되는 수질 부하량 중 옥정호의 수질에 상대적으로 영향력이 큰 인자를 파악하기 위해 다중회귀 분석을 수행하였다. 다음으로 대상 유역의 주요 수질측정망 지점에서 상관분석을 수행한 자료와 동일한 자료를 이용하여 수질에 미치는 영향 인자들에 대한 요인분석을 수행하였다. 요인분석은 원래의 변수를 서로 독립적인 새로운 비상관성 변수로 변환하여 분석하는 방법으로 수질 변수 사이의 상호 관련성을 이용하여 변수 속에 내재된 요인(factor)이라고 칭하는 소수의 공통적인 새로운 변수를 찾아내어 이들 자료의 특성으로 전체 수질 자료를 설명할 수 있다. 요인분석은 주성분 분석(principal component analysis)을 통해 요인을 추출하고, 이때 각 수질 변수의 측정단위를 고려하여 상관행렬을 이용하였다. 요인의 추출은 고유치(eigen value)가 1.0 이상인 값을 대상으로 하며, 추출된 각 요인들의 해석을 더욱 분명하게 하기 위해 요인 축을 회전시킨다. 이때 요인회전 방법은 여러 가지 종류가 있으나 보통 직각회전 방식 중 각 요인이 다른 성분들과 독립적이면서 하나의 성분에 높게 적재되는 Varimax 방법을 적용하였다. 요인분석을 통해 수질에 영향을 미치는 주요 요인을 추출하고, 각 요인들이 수질에 미치는 영향을 분석하였다[15]. 모든 통계분석은 통계처리 프로그램인 SPSS(ver 12.0)를 활용하였다.

2.4. 유역모델 구축과 재현성 평가

다양한 유역모델 중 HSPF (Hydrological Simulation Program-Fortran) 모형은 도시 및 농촌지역을 통합적으로 모의할 수 있으며, 골지천, 용담댐, 새만금 유역 등 다양한 유역에서 비점오염원 연구에 많이 적용되고 있다[16]. 본 연구에서는 HSPF 모델을 선정 구축하여 섬진강댐이 위치한 옥정호 유역을 대상으로 다양한 조건에서 2022년을 기준으로 과거 5년간 수질 모의를 실시하였다.

모델의 입력 자료 중 수치고도모형(Digital Elevation Model;DEM)은 지형의 표고값을 바탕으로 표현한 모형으로 일정한 크기의 격자로 이루어진 매트릭스 형태의 수많은 표고값을 저장한 것으로 대상지역의 수치지도에서 등고선을 추출하여 오류를 수정하고 TIN (Triangulated Irregular Network)을 구축하여 그리드 형태로 자료를 변환하여 생성하였다. 그 다음 DEM과 기존의 하천망 자료를 이용하여 하천도를 생성하고, 두 하천이 만나는 지점 등 유역의 하류에 위치한 출구지점을 지정하여 소유역을 분할하였다. 토지피복도는 토지이용분류 체계에 따라 분류하여 적용하였고, 기상자료는 기온, 강우, 일사량, 풍속, 이슬점온도 등 대상지역의 기상관측소의 자료를 활용하였고, 잠재증발산량 등의 수문성분을 계산하였다. 오염원 자료는 모델로부터 분할된 소유역별로 오염원 조사 자료를 분석 및 정리하여 입력하였고, 하수처리장 및 폐수처리시설 등 환경기초시설의 방류량 및 방류 수질을 입력하였다.

유역모델의 보･검정은 모델에서 모의된 유량과 수질 자료가 실제 현장에서 측정된 자료를 잘 반영할 수 있도록 모델의 주요 보정 매개변수를 적절하게 조절하여 수행하였다. 모델의 보･검정을 위한 현장 측정 자료는 환경부 측정망 자료를 이용하여 수행하였다. 유량 보･검정 지점은 관촌(GC)과 추령천(CC) 지점이고, 수질 보･검정 지점은 운암(UA)과 추령천(CC) 지점을 대상으로 수행하였다.

HSPF 모델의 유량을 보정하기 위해 변화시키는 비교적 주요한 인자는 PERLAND 모듈 PWAT-PARM2의 LZSN, IMFILT, KVARY, AGWRC와 PWAT-PARM3의 DEEPER, PWAT-PARM4의 UZSN, INTFW, IRC 등의 매개변수이다. 수질을 모의함에 있어서 비교적 주요한 영향을 미치는 인자는 PERLND 모듈에서 SED-PARM2의 KRER, JRER와 SED-PARM3의 JSER, KGER, JGER, IMPLND 모듈에서 SLD-PARM2의 KEIM, JEIM, RCHRES 모듈에서 SAND-PM의 W, KSAND, EXPSND 등의 매개변수가 있으며, 수질 모의에서 비교적 주요한 영향을 미치는 인자로는 KBOD20, KODSET, KTAM20, KNO320, CVBO 등의 매개변수이다. 각 소유역에서 사용된 보･검정 관련 주요 매개변수의 값은 기존 연구를 참고하였으며[17], 해당 매개변수의 범위는 HSPF Technical note[18]와 HSPF Version 12 User’s Manual[19]에 제시된 범위에 해당하는 것으로 나타났다(Table 2).

유역모델에서 모의된 유량 및 수질이 실제 측정값을 잘 재현하고 있는지에 대한 평가는 다음 식(1)~식(3)과 같이 RMSE (Root mean square error), MAE(Mean absolute error), PBIAS (Percent bias)를 이용하여 평가하였다.

(1)

RMSE=1n∑i=1n(Oi−Si)2

(2)

MAE=1n∑i=1n|O1−S1|

(3)

PBIAS=|∑i=1nOi−∑i=1nSi|∑i=1nOi×100

여기에서 O_i와 S_i는 관측 값과 모의 값을 의미한다. RMSE와 MAE의 값은 0에 가까울수록 재현성이 높으며, PBIAS는 Moriasi 등[20]과 Donigian[21]이 제시한 분류기준에 따라 평가하였다. 모의된 유량과 수질에 대한 재현성 평가 결과는 Table 3에 제시하였으며, PBIAS를 기준으로 모든 지점에서 유량과 수질은 “very good”으로 모의된 유량과 수질은 관측값을 잘 반영하는 것으로 평가되었다.

3. 결과 및 고찰

3.1. 수질과 수문 인자 간 관계 분석

옥정호 유역의 수문 인자와 수질과의 상관관계 분석을 실시하였다. 상관분석은 섬진강 상류의 UA 지점과 추령천의 CC 지점에서 관측된 수온, DO, BOD, COD, TOC, SS, T-N, T-P, 유량과 각 유역에 위치한 기상관측소의 강수량 자료를 사용하였으며, 분석 결과는 Table 4와 같다.

UA 지점에서 수온은 DO, T-N과 음의 상관관계를 보였으며, BOD, COD, TOC, SS, T-P와는 양의 상관관계를 보여 수질은 수온 변화에 따른 계절적인 변동 특징을 보였다. 하천 유량은 SS와 양의 상관관계를 보였으며, 강수량은 TOC, SS와 양의 상관관계를 보였다.

CC 지점에서 수온은 DO, T-N과 음의 상관관계를 보였으며, BOD, COD, TOC, SS, T-P와는 양의 상관관계를 보여 수질은 UA 지점과 유사하게 수온 변화에 따른 계절적인 변동 특징을 보였다. 하천 유량은 DO와는 음의 상관관계를 보였으며, COD, TOC, SS, T-N, T-P와 양의 상관관계를 보였다. 강수량은 DO와 음의 상관관계를 보였으며, COD, TOC, SS, T-P와 양의 상관관계를 보였다.

부가적으로 UA와 CC 지점에서 상관분석과 동일한 변수를 사용하여 다중회귀 분석을 수행하였다. 다중회귀 분석은 후진제거법(backward elimination)을 적용하여 실시하였으며, 각 수질 항목에 영향을 미치는 인자들의 상대적인 중요도는 표준화 계수(Beta)의 절대값을 이용하여 평가하였다[22].

다중회귀 분석 결과, UA와 CC 지점에서 각 수질 항목들 마다 독립변수가 다르게 도출되었다(Table 5). 예를 들어 COD에 대한 독립변수는 UA 지점에서 BOD, TOC, SS, T-N, 유량, 강수량이 선택되었고, CC 지점에서는 BOD, TOC, SS가 선택되었다. 이러한 이유는 각 지점이 위치한 유역의 특성과 수질 항목별로 생지화학적 특성이 다르기 때문으로 판단된다[23]. 수질 항목별로 가장 영향력이 큰 인자는 COD 경우, UA 지점에서 유량, CC 지점에서 TOC이고, TOC는 UA와 CC 지점에서 COD로 나타났다. SS는 UA 지점에서 수온, CC 지점에서 T-P가 가장 영향력이 있는 것으로 나타났으며, T-N과 T-P는 UA와 CC 지점에서 각각 수온과 SS가 가장 영향력이 큰 인자로 나타났다. 한편, 수문 인자인 강수량은 UA 지점에서는 T-P를 제외한 나머지 수질 항목들의 독립변수로 선택되었으나, CC 지점에서는 모든 수질 항목들의 독립변수에서 제외되어 상대적으로 집수면적이 넓은 UA 지점에서 강우에 의한 비점오염의 영향이 더 잘 반영된 것으로 보인다. 또한 T-N을 제외한 나머지 수질 항목들은 UA 지점에 비하여 CC 지점에서 수정된 R² (Ad.R²)이 더 높게 나타나 UA 지점의 수질 항목들이 더 복잡한 요인에 의해서 영향을 받고 있는 것으로 판단된다[24].

섬진강댐 내부(옥정호)에 위치한 SD1, SD2, SD3 지점에서 수질과 하천 유입부하량 사이의 상관분석을 수행한 결과는 Table 6와 Table 7에 제시하였다.

섬진강 상류에 위치한 UA 지점의 수질 부하량과 옥정호의 수질 농도는 SD1, SD2, SD3 지점에서 유사한 상관관계를 갖는 것으로 나타났다. 특히 UA 지점과 가장 인접한 SD3 지점에서 DO의 농도는 하천의 COD, TOC, T-P 부하량과 음의 상관관계를 보였으며, TOC와 T-P 농도는 하천의 COD, TOC, T-P 부하량과 양의 상관관례를 보였고, Chl-a의 농도는 모든 분석항목들과 양의 상관관계를 보였다.

추령천에 위치한 CC 지점의 수질 부하량은 UA 지점보다는 옥정호의 수질 농도와 상관관계를 갖는 항목들이 상대적으로 적게 나타났다. 옥정호의 3개 지점 중 CC 지점과 가장 인접한 SD2 지점에서 COD 농도는 하천의 T-N 부하량과 음의 상관관계를 보였으며, Chl-a 농도는 하천의 COD, TOC, T-N, T-P의 부하량과 양의 상관관계를 보였다. 특히 이러한 상관관계는 UA 지점의 수질 부하량과 SD2 지점에서 Chl-a 농도와의 상관관계보다 상대적으로 상관성이 더 낮게 나타났다. 따라서 옥정호의 각 지점별 수질 농도와 유입하천별(섬진강 상류와 추령천) 수질 부하량 사이의 상관관계에서 옥정호의 수질은 섬진강 상류에 유입되는 수질 부하량에 더 영향을 받는 것으로 판단된다.

옥정호로 유입되는 섬진강 상류와 추령천의 수질 부하량의 상대적인 영향력을 분석하기 위해 유입 하천에서 수행했던 방법과 동일한 방법으로 다중회귀 분석을 수행하였다. 다중회귀 분석은 옥정호의 Chl-a 농도를 종속변수로 사용하였고, 각 유입 하천의 COD, TOC, SS, T-N, T-P 부하량을 독립변수로 설정하였다. 옥정호의 각 지점별로 다중회귀 분석을 수행한 결과는 Table 8에 제시하였으며, 모든 지점에서 섬진강 상류에 위치한 UA 지점의 T-P 부하량이 Chl-a에 가장 영향력이 큰 인자로 나타났다. 이러한 이유는 CC 지점에 비하여 UA 지점의 T-P 부하량이 37.7% 많고, 옥정호에서 인이 조류 성장의 제한 인자로 작용하기 때문으로 판단된다[25]. Chl-a 농도에 대해 TOC 부하량은 SD2와 SD3 지점에서 양의 계수값을 보여 호내로 유입된 TOC가 분해과정을 통해 조류 성장에 이용되기 때문으로 판단된다[26]. SD1과 SD2 지점에서 SS 부하량과 모든 지점에서 T-N 부하량은 호내 Chl-a에 대해 음의 계수값을 보였다. 상류 하천으로부터 유입된 SS는 이용 가능한 빛을 약화시켜 조류의 성장을 억제할 수 있으며[27], 질소가 과잉으로 공급되면 조류의 성장에 부정적인 영향을 미칠 수 있다[28]. 한편, 각 지점별로 Chl-a에 대한 회귀모형은 F검정 결과 통계적으로 유의하였으나 Ad.R²이 상대적으로 낮게 나타났다. 이러한 결과는 유입하천의 수질 부하량만을 고려하여 분석했기 때문에 독립변수의 부족 등으로 인한 결과로 판단되며, 조류 성장에 영향을 주는 수온, 강수량, 일조시간, 체류시간 등 더 많은 인자와 통합적으로 분석을 진행하면 신뢰성을 높일 수 있을 것으로 판단된다[29].

3.2. 수질 영향 인자에 대한 요인분석

옥정호의 수질 변동을 해석하기 위한 요인분석은 댐 저수량, 댐 강우량, 댐 유입량, 수온, COD, TOC, SS , T-N, T-P, Chl-a, 하천으로부터 COD 부하량, TOC 부하량, SS 부하량, T-N 부하량, T-P 부하량을 대상으로 분석하였다. 옥정호 내부에 위치한 수질측정망 3개 지점에 대한 요인분석 결과는 Table 9와 같다.

SD1 지점의 요인분석 결과, 주요 성분은 고유치 1.0 이상인 4개 성분이 추출되었으며, 이들 4개 성분은 전체 수질 변동의 73.6%를 설명할 수 있는 것으로 나타났다. 성분 1은 전체 수질 변동의 41.8%를, 성분 2는 전체 수질 변동의 13.9%를, 성분 3은 전체 수질 변동의 10.9%를, 성분 4는 전체 수질 변동의 7.1%를 기여하는 것으로 나타났다. 성분 1은 댐 강수량, 댐 유입량, 하천의 COD 부하량, TOC 부하량, SS 부하량, T-N 부하량, T-P 부하량과 높은 양의 부하량을 갖고 있어 “하천 유입 부하량과 관련된 성분”으로 추정된다. 성분 2는 수온, SS, T-P, Chl-a와 높은 양의 부하량을 갖고, DO와 높은 음의 부하량을 갖고 있어 “계절에 따른 생물 활동과 관련된 성분”으로 여겨지며, 성분 3은 댐 저수량, COD, TOC와 높은 음의 부하량을 갖는 것으로 나타나 “유기물질과 관련된 성분”으로 판단되고, 성분 4는 T-N과 높은 양의 부하량을 갖는 것으로 나타나 “질소 거동과 관련된 성분”으로 여겨진다. 따라서 SD1 지점에서는 하천 유입 부하량과 관련된 성분이 수질 변동에 가장 큰 영향을 미치는 것으로 판단된다.

SD2 지점의 요인분석 결과, 주요 성분은 고유치 1.0 이상인 4개 성분이 추출되었으며, 이들 4개 성분은 전체 수질 변동의 74.8%를 설명할 수 있는 것으로 나타났다. 성분 1은 전체 수질 변동의 40.8%를, 성분 2는 전체 수질 변동의 15.7%를, 성분 3은 전체 수질 변동의 11.9%를, 성분 4는 전체 수질 변동의 6.4%를 기여하는 것으로 나타났고, 성분 1은 댐 강수량, 댐 유입량, 하천의 COD 부하량, TOC 부하량, SS 부하량, T-N 부하량, T-P 부하량과 높은 양의 부하량을 갖고 있어 “하천 유입 부하량과 관련된 성분”으로 추정된다. 성분 2는 DO와 높은 음의 부하량을 갖고, 수온, COD, TOC와 높은 양의 부하량을 갖고 있어 “유기물질과 관련된 성분”으로 여겨진다. 성분 3은 TP와 Chl-a와 높은 양의 부하량을 갖는 것으로 나타나 “계절에 따른 생물 활동과 관련된 성분”으로 생각되며, 성분 4는 댐 저수량, T-N과 높은 양의 부하량을 갖는 것으로 나타나 “질소 거동과 관련된 성분”으로 여겨진다. 따라서 SD2 지점에서도 SD1 지점과 마찬가지로 하천 유입 부하량과 관련된 성분이 수질 변동에 가장 큰 영향을 미치는 것으로 판단된다.

SD3 지점의 요인분석 결과, 주요 성분은 고유치 1.0 이상인 4개 성분이 추출되었으며, 이들 4개 성분은 전체 수질 변동의 75.7%를 설명할 수 있는 것으로 나타났다. 성분 1은 전체 수질 변동의 41.2%를, 성분 2는 전체 수질 변동의 16.8%를, 성분 3은 전체 수질 변동의 11.2%를, 성분 4는 전체 수질 변동의 6.5%를 기여하는 것으로 나타났다. 성분 1은 댐 강수량, 댐 유입량, 하천의 COD 부하량, TOC 부하량, SS 부하량, T-N 부하량, T-P 부하량과 높은 양의 부하량을 갖고 있어 “하천 유입 부하량과 관련된 성분”으로 추정된다. 성분 2는 DO와 높은 음의 부하량을 갖고, 수온, SS, T-P, Chl-a와 높은 양의 부하량을 갖고 있어 “계절에 따른 생물 활동과 관련된 성분”으로 여겨지며, 성분 3은 COD, TOC와 높은 음의 부하량을 갖는 것으로 나타나 “유기물질과 관련된 성분”으로 여겨지고, 성분 4는 T-N과 높은 양의 부하량을 갖는 것으로 나타나 “질소 거동과 관련된 성분”으로 여겨진다. 따라서 SD3 지점에서도 SD1과 SD2 지점과 마찬가지로 하천 유입 부하량과 관련된 성분이 수질 변동에 가장 큰 영향을 미치는 것으로 판단된다.

옥정호의 3개 지점에서 추출된 성분들의 요인 점수 간의 상관성을 분석하였다(Fig. 2). 하천 유입 부하량과 관련된 성분들의 점수는 SD1, SD2, SD3 지점에서 강한 양의 상관관계를 갖는 것으로 나타나 하천 유입 부하량과 관련된 성분들은 옥정호의 각 지점들 간에 강하게 영향을 미치고 있는 것으로 판단된다. 생물 활동, 유기물질, 질소 거동과 관련된 성분들의 점수도 SD1, SD2, SD3 지점에서 상호 간에 강한 양의 상관관계를 갖는 것으로 나타났으나 상대적으로 하천 유입 부하량과 관련된 성분들보다는 결정계수가 낮게 나타났다. 따라서 옥정호의 각 지점별 수질은 하천 유입 부하량에 의해서 강하게 영향을 받는 것으로 판단된다.

3.3. 오염부하 유출 특성 분석

3.3.1. 강우 구간별 수질 부하량 비교

강우 구간별 수질 부하량을 비교하기 위해서는 강우를 반영한 수질 관측자료가 있어야 하나, 현재 환경부의 측정망 운영는 대부분 강우가 없는 기간을 대상으로 수행하고 있으므로 본 연구에서는 유역의 오염부하 유출 특성을 파악하기 위해 모델의 모의 결과를 이용하여 분석하였다. 재현성이 확보된 HSPF로부터 유역의 가장 말단에 위치한 지점에서 모의된 수질 자료를 바탕으로 2022년을 기준으로 과거 5년간 강우 구간 별로 수질의 부하량을 산정하여 유출 특성을 분석하였다. 강우에 의해 발생되는 하천의 유량 변화는 수질의 부하량 변동에 영향을 미칠 수 있으므로[30], 강우의 영향은 강우유출수 조사시 적용되는 선행 무강우일수 3일을 감안하여 3일 누적강수량을 기준으로 강우 구간을 설정하였다. 강우량 구간은 0 mm, 0~10 mm, 10~30 mm, 30~60 mm, 60~90 mm, 90~120 mm, 120~150 mm, >150mm로 구분하였다.

옥정호 유역의 3일 누적강수량을 기준으로 전체 강우일수 중 무강우일(0m)은 섬진강 상류 유역에서 38.9%를 차지하였고, 추령천 유역은 38.4%로 나타났고, 강우 구간별로 강우일수는 0~30mm 구간에서 섬진강 상류와 추령천 유역에서 각각 50.9%, 50.1%를 차지하였다.

강우 구간별 부하량을 산정한 결과는 Fig. 3에 제시하였으며, 섬진강 상류 유역에서 강우 구간별 수질 부하량을 산정한 결과를 보면, BOD, TOC, T-N, T-P, Chl-a는 무강우일에 전체 부하량의 15.7~21.0%의 부하량이 발생하며, 상대적으로 T-N이 무강우일에 발생되는 부하량의 기여도가 더 높게 분석되었다. BOD, TOC, T-N, T-P의 부하량은 0~90mm까지는 강우 구간별로 부하량이 차지하는 비율이 점차 감소하는 경향을 보였으며, 0~10mm에서 가장 높은 비율을 보였다. 강우 일수가 50% 이상을 차지하는 0~30mm 구간에서 BOD, TOC, T-N, T-P의 부하량은 전체 부하량의 35.5~38.5%를 차지하는 것으로 나타났다. SS는 전체 부하량에 비하여 무강우일에 유출되는 부하비율이 매우 낮으나, 강우량이 증가하면서 부하량이 증가하는 경향을 보였다.

추령천 유역에서 강우 구간별 BOD, TOC, T-N, T-P의 부하량은 무강우일에 전체 부하량의 18.2~23.4%를 차지하며, 섬진강 상류 유역과 마찬가지로 무강우일에 T-N 부하량의 기여율이 상대적으로 높게 나타났다. 또한 BOD, TOC, T-N, T-P의 부하량도 0~10mm에서 가장 높은 비율을 보였으며, 강우 강도가 증가하면서 부하량이 차지하는 비율은 점차 감소하였다. 강우 일수가 50% 이상을 차지하는 0~30mm 구간에서 BOD, TOC, T-N, T-P의 부하량은 34.7~39.5%의 부하량이 발생되는 것으로 나타났다. SS는 전체 부하량에 비하여 무강우일에는 유출되는 부하비율이 매우 낮았고, 강우 60mm 이상에서 전체 부하량의 87.9%가 발생되는 것으로 분석되었다. 이는 기존 문헌에서 보고된 조사 결과와 큰 차이를 보이지 않는 범위이다[31-32].

3.3.2. 부하지속곡선 분석

유역의 수질 오염부하 유출 특성을 파악하기 위해 재현성이 확보된 모델의 모의 결과를 바탕으로, 일반적 연구방법[33]과 같이 부하지속곡선(Load Duration Curve; LDC)를 작성하여 수질 부하량의 유량 구간별 분포를 분석하였다. LDC 작성을 위한 기준농도는 섬진강댐 중권역의 목표기준인 Ib 등급을 각 항목에 적용하다. LDC는 유량지속곡선(Flow Duration Curve; FDC)를 먼저 작성하고 여기에 다음 식 (4)와 같이 기준농도를 곱하여 산정하였다.

(4)

LDC = FDC(m3/s) ×기준농도(mg/L) × 86.4

LDC 분석을 위한 수질 자료는 5년간 모델의 모의 결과를 사용하였으며, 유량 구간은 홍수기(0~10%), 풍수기(10~40%), 평수기(40~60%), 저수기(60~90%), 갈수기(90~100%)로 나누고, 해당 지점에서 BOD, TOC, T-P의 부하량이 어느 유량 구간에서 LDC를 초과하는지 살펴보았다.

섬진강 말단에서 모델의 모의 결과를 바탕으로 LDC를 분석한 결과는 Fig. 4와 같이, BOD의 LDC에 대한 BOD 부하량의 초과빈도는 홍수기에 25.3%, 풍수기에 6.2%, 평수기에 0.3%, 저수기에 0.4%, 갈수기에는 1.6%로 분석되었다. BOD는 홍수기에 부하량이 LDC를 초과하는 비율이 높게 나타나고 있어 높은 유량 구간에서 비점오염 유출에 의한 영향을 받는 것으로 판단된다. TOC의 LDC에 대한 TOC 부하량의 초과빈도는 홍수기에 29.7%, 풍수기에 11.3%, 평수기에 4.4%, 저수기에 3.51%, 갈수기에는 14.8%이었다. TOC도 BOD와 마찬가지로 전반적으로 홍수기에 부하량이 LDC를 초과하는 비율이 높게 나타나고 있다. T-P의 LDC에 대한 T-P 부하량의 초과빈도는 홍수기에 46.2%, 풍수기에 19.2%, 평수기에 13.2%, 저수기에 15.7%, 갈수기에 25.7%로 분석되었다. T-P는 유량이 높은 홍수기에 가장 높은 초과빈도를 보이고 있으나, 전 유량 구간에서 상대적으로 높은 초과빈도를 보이고 있어 BOD와 TOC와는 다르게 T-P는 비점오염원 뿐만아니라 점오염원에 의해서도 영향을 받고 있는 것으로 판단되었다.

한편, 추령천 말단에서의 LDC 분석결과, BOD의 LDC에 대한 BOD 부하량의 초과빈도는 홍수기에 17.4%, 풍수기에 2.8%, 평수기와 저수기에 0.0%, 갈수기에는 1.7%로 나타났다. BOD는 홍수기에 부하량이 LDC를 초과하는 비율이 높게 나타나고 있어 높은 유량 구간에서 비점오염 유출에 의한 영향을 받는 것으로 여겨진다. TOC의 LDC에 대한 TOC 부하량의 초과빈도는 홍수기에 18.5%, 풍수기에 3.5%, 평수기에 0.3%, 저수기에 0.2%, 갈수기에는 0.6%로 분석되었다. TOC도 BOD와 마찬가지로 전반적으로 홍수기에 부하량이 LDC를 초과하는 비율이 높게 나타나고 있다. T-P의 LDC에 대한 T-P 부하량의 초과빈도는 홍수기에 25.3%, 풍수기에 6.5%, 평수기에 4.5%, 저수기에 4.3%, 갈수기에 3.4%로 나타났다. T-P도 TOC와 BOD와 마찬가지 홍수기에 부하량이 LDC를 초과하는 비율이 상대적으로 높게 나타나고 있어 전반적으로 고유량에서 비점오염 유출에 의한 영향을 받는 것으로 판단된다.

LDC를 활용한 기존 연구에서는 평수기~갈수기의 점오염원 관리 방안으로 집중형(하수처리구역) 및 분산형(하수미처리구역) 하수처리시스템 운영이 필요하고, 홍수기~저수기의 비점오염원 관리 방안으로 GI(Gren Infra), LID(Low Impact Development), CSO(Combined Sewer Overflow) 및 SSO (Storm Sewer Overflow)관리, 하천변 완충지대 등을 제안하였다[34]. 옥정호의 상류 유역의 경우에는 축산계와 토지계 배출부하량이 상대적으로 높으므로 가축분뇨와 농업 비점오염 관리가 중요할 것으로 보이며, 섬진강 상류 유역은 점오염원에서 배출되는 T-P 관리를 위해 하수처리장 증설 및 총인처리시설 도입 등이 필요할 것으로 판단된다.

3.3.3. 소유역별 단위면적당 유달부하량 분석

대상 유역의 수질관리 측면에서 우선적으로 관리가 필요한 지역을 선정함에 있어서 소유역별 단위면적당 부하량은 중요한 지표가 된다. 본 연구에서는 구축된 섬진강 상류 유역과 추령천 유역의 모델 소유역에서 각각 모의된 유량 및 수질 결과를 이용하였다. 수질 자료는 유역모델에서 모의된 BOD, TOC, T-N, T-P를 적용하였다.

먼저 각 소유역으로 유입되는 유달부하량과 유출되는 유달부하량의 차이를 산정한 후 각 소유역의 집수면적으로 나누어 단위면적당 유달부하량을 산정하였다. 그다음 수질 항목별로 유달부하량 범위가 서로 다르므로 식 (5)와 같이 표준화(W(PS-DLpa)하였다[17,35]. 여기에 식 (6)을 이용하여 평균 유달부하 지수, T(NPS-dlpa) (average delivery load index)를 산정하였다. 그리고 이렇게 산정된 평균 유달부하 지수는 우선순위 오염원 관리지역의 선정에 중요한 지표로 참고하였다.

(5)

W(PS−DLpa)=W(PS−dlpa)i−W(PS−dlpa)minW(PS−dlpa)max−W(PS−dlpa)min

(6)

T(PS−dlpa)=[BOD(PS−DLpa)+TOC(PS−DLpa)+TN(PS−DLpa)+TP(PS−DLpa)]/n

여기서, T(PS-dlpa) : 지점 i에서의 대표 유달부하 지수 (-)

W(PS-dlpa)_i : 수질항목별 지점 i에서의 항목별 유달부하량 (kg/day/km²)

W(PS-dlpa)_min:수질항목별 최소 유달부하량 (kg/day/km²)

W(PS-dlpa)_max:수질항목별 최대 유달부하량 (kg/day/km²)

n: 수질항목 개수

섬진강 상류 유역에서 BOD, TOC, T-P의 단위면적당 유달부하량은 섬진강 하류에 위치한 S_RCH31 소유역에서 각각 10.87, 20.64, 0.47 kg/day/km²로 가장 높았으며, T-N의 단위면적당 유달부하량은 임실천 상류에 위치한 S_RCH17(18) 소유역에서 5.79 kg/day/km²로 가장 높았다. BOD, TOC, T-N, T-P의 유달부하 지수는 공간적으로 섬진강 상류와 하류를 중심으로 높은 분포를 보였다.

한편, 추령천 유역에서 BOD, TOC, T-P의 단위면적당 유달부하량은 추령천 중류에 위치한 C_RCH23 소유역에서 각각 3.40, 4.79, 0.08 kg/day/km²로 가장 높았으며, T-N의 단위면적당 유달부하량은 추령천 중류에 위치한 C_RCH7 소유역에서 5.627 kg/day/km²로 가장 높았다. 공간적으로 BOD, TOC, T-N, T-P의 유달부하 지수는 추령천 상류와 중하류를 중심으로 높은 분포를 보였다.

수질 항목들의 각 유달부하 지수를 평균한 평균 유달부하 지수를 산정하여 종합적으로 평균 유달부하 지수가 높은 소유역을 파악하였다. Fig. 5과 같이, 섬진강 상류 유역에서 수질 항목들의 평균 유달부하 지수는 섬진강 하류에 위치한 S_RCH31 소유역에서 가장 높았으며, 다음으로는 S_RCH20, S_RCH25, S_RCH17(18), S_RCH3 소유역 순으로 나타나 섬진강 하류와 지류 중 임실천과 세동천 유역에서 높게 나타났다. 추령천에서 수질 항목들의 평균 유달부하 지수는 추령천 중류에 위치한 C_RCH23 소유역에서 가장 높았으며, 다음으로는 C_RCH7, C_RCH14(19), C_RCH8(22), C_RCH20 소유역 순으로 나타나 추령천 중하류와 지류 중 금월천과 방산천 유역이 상대적으로 평균 유달부하 지수가 높게 나타났다.

3.4. 섬진강댐 유역 오염원 중점관리지역

섬진강 상류 유역과 추령천 유역에 대한 유역모델 결과를 종합하여 우선적으로 오염원 관리가 필요한 지역을 분석하였다. 섬진강댐 유역의 우선순위 오염원 관리지역은 섬진강 상류 유역과 추령천 유역의 BOD, TOC, T-N, T-P의 단위면적당 유달부하량을 바탕으로 평균 유달부하 지수를 산정하여 파악하였다.

옥정호 유역에서 평균 유달부하 지수가 가장 높은 지역은 섬진강 상류 유역의 하류에 위치한 S_RCH31 소유역으로 나타났으며, 유달부하 지수가 높은 상위 4개 소유역은 모두 섬진강 상류 유역에 포함되며, 추령천 유역의 C_RCH23 소유역은 5번째로 평균 유달부하 지수가 높은 것으로 분석되었다(Fig. 6).

수질 항목들의 각 평균 유달부하 지수가 높은 5개 소유역에 대한 토지이용 현황을 Fig. 7에 나타내었다. S_RCH31은 산림지역 70.4%, 농업지역 13.3%, 초지 5.7%, 시가화/건조지역 3.9% 등이며, S_RCH20은 산림지역 45.9%, 농업지역 29.9% 초지 14.0%, 시가화/건조지역 5.9% 등으로 구성되어 있다. S_RCH17(18)은 산림지역 51.6%, 농업지역 20.5% 초지 15.1%, 시가화/건조지역 7.5% 등, S_RCH3은 산림지역 50.1%, 농업지역 27.8% 초지 14.4%, 시가화/건조지역 3.5% 등, 그리고 추령천 유역인 C_RCH23는 산림지역 44.6%, 농업지역 29.3% 초지 16.4%, 시가화/건조지역 4.7% 등이다.

결과적으로 평균 유달부하 지수가 높은 5개 소유역의 토지이용은 모두 산림지역 비율이 가장 높으며, 다음으로는 농업지역으로 나타났다. 5개 소유역의 농업지역 중 S_RCH20과 S_RCH3 소유역은 논보다 밭 비율이 더 높고, 나머지 소유역은 논과 밭 비율이 유사하다. 또한 이들 소유역의 축사 현황을 보면, 다른 소유역에 비하여 S_RCH17(18) 소유역이 36개소로 가장 많은 축사가 위치하며, 단위면적당 축사 개수도 S_RCH17(18) 소유역이 1.8 개소/km²로 가장 높다. 나머지 소유역의 축사 현황은 S_RCH31 14개소, S_RCH20 11개소, C_RCH23 7개소, S_RCH3 6개소이다.

4. 결론

섬진강댐 유역인 옥정호의 수질관리를 위해 옥정호 유입하천(섬진강 상류와 추령천)이 호 내 수질에 미치는 영향을 다양한 통계분석을 통해 분석하였고, 상류 유역에서 오염원 중점관리가 필요한 지역을 도출하고자 HSPF 유역모델을 구축하여 모의 결과를 분석하였다.

옥정호와 유입하천의 수문과 수질의 상관관계를 분석한 결과, 옥정호의 수질은 유입하천 중 추령천보다 섬진강 상류에서 유입되는 수질 부하량에 더 강한 상관관계를 보였다. 또한 다중회귀분석 결과는 섬진강 상류의 T-P 부하량이 옥정호의 Chl-a 농도에 가장 큰 영향을 미치는 것으로 분석되었고, 요인분석 결과는 하천 유입 부하량이 옥정호의 수질에 가장 높게 기여하는 것으로 나타났다. 따라서 옥정호의 수질 관리를 위해서는 주로 섬진강 상류 유역의 오염원 관리가 상대적으로 더 중요함을 지시한다.

재현성이 확보된 유역모델의 모의 결과를 바탕으로 섬진강 상류 및 추령천 유역에서 강우 구간별로 분석한 하천의 수질 부하량은 대부분 비강우 구간보다 0~30mm 강우 구간에서 상대적으로 높게 나타나 강우 유출수의 관리가 중요함을 보였다. 또한 섬진강 상류와 추령천에서 점오염원과 비점오염원의 상대적인 영향을 파악하기 위해 모의 결과를 이용하여 유량 구간별로 수질 부하량과 부하지속곡선(LDC)을 비교한 결과, 유량이 높은 홍수기에 수질 부하량이 LDC를 초과하는 빈도가 높게 나타나 하천 수질관리를 위해서는 비점오염관리가 중요함을 보였다. 그러나 섬진강 상류의 경우, T-P의 부하량이 전 유량 구간에서 LDC를 초과하는 빈도가 높게 나타나는 특징을 보여 하수처리장의 증설 및 총인처리시설 도입 등을 통한 점오염원 관리와 강우에 따른 비점오염 유출을 저감할 수 있는 관리방안이 모두 필요함을 보여준다.

유역모델의 소유역별로 수질 항목의 단위면적당 유달부하량을 바탕으로 산정한 평균 유달부하 지수의 공간 분포는 오염원 관리를 중점적으로 강화해야 할 소유역이 섬진강 상류 유역을 중심으로 분포하는 특성을 보였고, 옥정호의 수질관리를 위해서는 향후 이들 소유역의 오염원 등의 특성을 고려하여 이에 부합하는 관리방안이 필요할 것으로 판단된다.

Notes

Acknowledgement

본 연구는 한국수자원공사에서 주관하는 옥정호물환경협의회 환경연구사업의 지원으로 수행되었으며, 일부는 한국연구재단의 연구지원(과제번호: NRF-2019R1A2C1006441)으로 수행되었습니다.

Declaration of Competing Interest

The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.

Fig. 1.

Map of study area and sub-basins in the watershed of Okjeong Lake.

Fig. 2.

Correlation between component scores at three locations in Okjeong Lake.

Fig. 3.

Composition of water quality load in terms of rainfall intensity in Seomjin River Dam basin.

Fig. 4.

Load duration curve of water quality in Seomjin River Dam basin.

Fig. 5.

Distribution of average delivery load index.

Fig. 6.

Distribution of average delivery load index and selection of management target areas.

Fig. 7.

Land use of priority pollution source management area in the basin of Okjeong Lake.

Table 1.

BOD and T-P loads of watersheds in Seomjin River Dam basin.

Descripts	Watershed	Total	Domestic	Livestock	Industrial	Land	Fish farming	Landfill
BOD (kg/d)	Upper Seomjin River	4,653.4	171.0	2,078.3	20.5	2,378.9	4.6	-
BOD (kg/d)	Churyeong-cheon	1,239.9	133.6	324.3	0.1	779.3	2.5	-
T-P (kg/d)	Upper Seomjin River	288.96	8.22	149.54	2.25	128.72	0.24	-
T-P (kg/d)	Churyeong-cheon	73.0	5.60	18.05	0.01	49.22	0.13	-

Table 2.

Hydrological and water quality parameters of HSPF model used for calibration in this study.

Item	Parameter	Description	Unit	Model range	This Study
Flow	LZSN	Lower Zone Nominal Soil Moisture Storage	in	0.01~100.0	4.0~6.5
	INFILT	Index to Infiltration Capacity	in/hr	0.0001~100.0	0.1~0.2
	KVARY	Variable groundwater recession	1/in.	0.0~5.0	0.1
	AGWRC	Base groundwater recession	none	0.001~0.999	0.970~0.975
	UZSN	Upper zone nominal soil moisture storage	in	0.01~10.0	1.0~2.0
	INTFW	Interflow inflow parameter	none	0.0~none	0.75~1.75
	NSUR	Manning’s n	none	0.15~0.35	0.2
	IRC	Interflow recession parameter	none	0.1~30.0	0.5
Nutrient and Sediment	KBOD20	Unit BOD decay rate at 20℃	1/hr	1.0E-30~none	0.001~0.004
	KODSET	BOD settling rate	ft/hr	0~none	0.027
	NONREF	Non-refractory fraction of algae and zooplankton biomass	none	0.01~1.0	0.7
	REFSET	Rate of settling for dead refractory organics	ft/hr	0~none	0.003~0.005
	CVBO	Conversion from milligrams biomass to milligrams oxygen	mg/mg	1.0~5.0	1.6~1.9
	CVBPC	Conversion from biomass expressed as phosphorus to carbon	moles/mol	50~200	106
	KTAM20	Nitrification rates of ammonia at 20℃	1/hr	0.001~none	0.015
	KNO320	Denitrification rates at 20℃	1/hr	0.001~none	0.002~0.004
	MALGR	Maximum unit growth rate for algae	1/hr	0.5~none	0.5~0.9
	KRER	Coefficient in the soil detachment equation	complex	0.05~0.75	0.1
	JRER	Exponent in the soil detachment equation	none	1.0~3.0	2.0~3.0
	KSER	Coefficient in the sediment washoff equation	complex	0.1~10.0	0.25~1.20
	JSER	Exponent in the soil washoff equation	none	1.0~3.0	2.0
	KGER	Coefficient in soil matrix scour equation	complex	0.0~10.0	0.00~0.01
	JGER	Exponent in soil matrix scour equation	none	1.0~5.0	2.0

Table 3.

Calibration and validation statistics for HSPF.

Description		Flow	BOD	TOC	SS	T-N	T-P
St. GC and UA	Observed (m³/s, mg/L)	3.399	1.34	2.4	5.54	1.908	0.025
	Simulated (m³/s, mg/L)	3.520	1.19	2.1	5.06	2.217	0.032
	RMSE (m³/s, mg/L)	4.286	1.02	0.85	9.47	1.015	0.017
	MAE (m³/s, mg/L)	2.234	0.63	0.63	4.49	0.846	0.012
	PBIAS(%)	3.55	11.5	12.68	8.78	16.22	24.58
	Grade	Very Good	Very Good	Very Good	Very Good	Very Good	Very Good
St. CC	Observed (m³/s, mg/L)	2.738	1.11	2.13	3.31	2.682	0.021
	Simulated (m³/s, mg/L)	2.704	1.16	1.88	3.53	2.698	0.026
	RMSE (m³/s, mg/L)	3.039	0.59	0.72	11.28	1.012	0.014
	MAE (m³/s, mg/L)	1.763	0.42	0.52	4.58	0.796	0.011
	PBIAS(%)	1.24	5.08	12.01	6.64	0.60	21.72
	Grade	Very Good	Very Good	Very Good	Very Good	Very Good	Very Good

Table 4.

Results of correlation analysis between water quality and hydrological parameters.

(a) St. UA
Parameter	DO	BOD	COD	TOC	SS	T-N	T-P	Flow	Rainfall
Temp	-0.810^**	0.187^*	0.430^**	0.378^**	0.452^**	-0.479^**	0.344^**	0.365^**	0.560^**
DO		-0.056	-0.430^**	-0.310^**	-0.439^**	0.380^**	-0.255^**	-0.365^**	-0.539^**
BOD			0.525^**	0.239^**	0.239^**	-0.186^*	0.138	0.010	-0.034
COD				0.402^**	0.454^**	-0.358^**	0.242^**	-0.031	0.106
TOC					0.192^*	-0.338^**	0.152	0.087	0.198^*
SS						-0.014	0.359^**	0.298^**	0.311^**
T-N							-0.086	0.160	0.010
T-P								0.119	0.140
Flow									0.882^**
(b) St. CC
Parameter	DO	BOD	COD	TOC	SS	T-N	T-P	Flow	Rainfall
Temp	-0.880^**	0.239^**	0.608^**	0.677^**	0.213^*	-0.287^**	0.370^**	0.213^*	0.652^**
DO		-0.253^**	-0.558^**	-0.557^**	-0.276^**	0.263^**	-0.416^**	-0.244^**	-0.545^**
BOD			0.465^**	0.400^**	0.181^*	0.224^*	0.305^**	-0.030	0.040
COD				0.878^**	0.584^**	-0.039	0.683^**	0.330^**	0.376^**
TOC					0.496^**	-0.098	0.608^**	0.332^**	0.471^**
SS						0.141	0.937^**	0.584^**	0.217^*
T-N							0.107	0.265^**	-0.029
T-P								0.596^**	0.320^**
Flow									0.544^**

^* The correlation coefficient is significant at the 0.05 level (two-tailed),

^** The correlation coefficient is significant at the 0.01 level (two-tailed).

Table 5.

Results of multiple regressions between water quality parameters and hydrological conditions in Seomjin River Dam basin.

location	Dependent variables	Model results			Independent variables	Coefficients
location	Dependent variables	Ad.R²	F	p-value	Independent variables	B	Beta
St. UA	COD	0.517	22.073	< 0.001	Constant	2.408
					BOD	0.708	0.400
					TOC	0.234	0.146
					SS	0.088	0.345
					T-N	-0.281	-0.151
					Flow	-0.091	-0.513
					Rainfall	0.006	0.438
	TOC	0.213	11.635	< 0.001	Constant	1.981
					COD	0.188	0.301
					T-N	-0.270	-0.233
					Rainfall	0.001	0.168
	SS	0.393	13.706	< 0.001	Constant	-8.711
					COD	1.517	0.387
					T-N	1.988	0.273
					T-P	25.870	0.149
					Flow	0.264	0.380
					Rainfall	-0.016	-0.315
					Temperature	0.256	0.403
	T-N	0.408	17.241	< 0.001	Constant	3.045
					COD	-0.099	-0.184
					TOC	-0.116	-0.134
					SS	0.040	0.294
					Rainfall	0.002	0.341
					Temperature	-0.059	-0.673
	T-P	0.156	11.900	< 0.001	Constant	0.009
					SS	0.001	0.256
					Temperature	0.001	0.228
St. CC	COD	0.812	172.449	< 0.001	Constant	0.712
					BOD	0.279	0.139
					TOC	0.955	0.724
					SS	0.014	0.199
	TOC	0.801	239.960	< 0.001	Constant	0.090
					COD	0.561	0.741
					Temperature	0.016	0.227
	SS	0.905	380.813	< 0.001	Constant	-1.395
					BOD	-2.727	-0.097
					T-P	528.517	1.019
					Temperature	-0.184	-0.141
	T-N	0.285	16.810	< 0.001	Constant	2.284
					BOD	0.628	0.341
					Flow	0.089	0.370
					Temperature	-0.038	-0.447
	T-P	0.921	349.478	< 0.001	Constant	0.0004
					BOD	0.007	0.121
					SS	0.002	0.838
					Flow	0.001	0.080
					Temperature	0.0004	0.145

B and Beta represent the values of unstandardized and standardized regression coefficients, respectively.

Table 6.

Results of correlation analysis between water quality load from Seomjin River and water quality of Okjeong Lake.

Parameter		Load from St. UA
Parameter		COD	TOC	SS	T-N	T-P
Concentration in St. SD 1	DO	-0.154	-0.159	-0.097	-0.109	-0.168
	COD	0.186^*	0.129	0.141	0.095	0.128
	TOC	0.209^*	0.144	0.100	0.116	0.119
	SS	0.258^**	0.260^**	0.151	0.190^*	0.237^**
	T-N	0.043	0.022	0.038	0.024	0.025
	T-P	0.306^**	0.261^**	0.243^**	0.211^*	0.431^**
	Chl-a	0.482^**	0.415^**	0.383^**	0.284^**	0.558^**
Concentration in St. SD 2	DO	-0.172	-0.165	-0.102	-0.103	-0.165
	COD	0.120	0.061	0.103	0.012	0.105
	TOC	0.288^**	0.217^*	0.129	0.091	0.186^*
	SS	0.114	0.118	0.040	0.043	0.087
	T-N	0.056	0.014	0.048	0.057	0.038
	T-P	0.294^**	0.287^**	0.150	0.186^*	0.425^**
	Chl-a	0.460^**	0.410^**	0.261^**	0.214^*	0.483^**
Concentration in St. SD 3	DO	-0.222^*	-0.213^*	-0.115	-0.139	-0.201^*
	COD	0.154	0.099	0.109	0.089	0.151
	TOC	0.258^**	0.188^*	0.109	0.131	0.185^*
	SS	0.164	0.161	0.059	0.084	0.118
	T-N	0.117	0.111	0.115	0.119	0.123
	T-P	0.247^**	0.250^**	0.154	0.151	0.380^**
	Chl-a	0.417^**	0.370^**	0.304^**	0.195^*	0.439^**

^* The correlation coefficient is significant at the 0.05 level (two-tailed),

^** The correlation coefficient is significant at the 0.01 level (two-tailed).

Table 7.

Results of correlation analysis between water quality load from Churyeong-cheon and water quality of Okjeong Lake.

Parameter		Load from St. CC
Parameter		COD	TOC	SS	T-N	T-P
Concentration in St. SD 1	DO	-0.038	-0.043	-0.038	0.020	-0.050
	COD	-0.032	-0.035	-0.039	-0.065	-0.036
	TOC	-0.062	-0.067	-0.056	-0.104	-0.057
	SS	0.271^**	0.285^**	0.239^**	0.214^*	0.261^**
	T-N	-0.065	-0.042	-0.112	-0.045	-0.098
	T-P	0.078	0.058	0.051	0.095	0.069
	Chl-a	0.156	0.134	0.100	0.197^*	0.130
Concentration in St. SD 2	DO	-0.125	-0.135	-0.124	-0.033	-0.137
	COD	-0.131	-0.139	-0.075	-0.195^*	-0.083
	TOC	-0.014	-0.013	-0.036	-0.101	-0.028
	SS	0.109	0.121	0.104	0.032	0.115
	T-N	-0.065	-0.051	-0.111	0.031	-0.097
	T-P	0.103	0.079	0.106	0.086	0.117
	Chl-a	0.225^*	0.211^*	0.170	0.217^*	0.200^*
Concentration in St. SD 3	DO	-0.107	-0.116	-0.080	-0.032	-0.100
	COD	-0.051	-0.059	-0.013	-0.091	-0.016
	TOC	-0.057	-0.054	-0.059	-0.122	-0.055
	SS	0.072	0.086	0.056	-0.002	0.067
	T-N	-0.017	-0.003	-0.079	0.046	-0.060
	T-P	0.083	0.063	0.087	0.076	0.097
	Chl-a	0.335^**	0.316^**	0.348^**	0.268^**	0.363^**

^* The correlation coefficient is significant at the 0.05 level (two-tailed),

^** The correlation coefficient is significant at the 0.01 level (two-tailed).

Table 8.

Results of multiple regressions between Chl-a and water quality load from streams in Okjeong Lake.

location	Dependent variables	Model results			Independent variables	Coefficients
location	Dependent variables	Ad.R²	F	p-value	Independent variables	B	Beta
St. SD 1	Chl-a	0.375	24.619	< 0.001	Constant	2.874
					SS load from St. UA	-9.7E-0.5	-0.262
					T-N load from St. UA	-0.001	-0.360
					T-P load from St. UA	0.127	1.063
St. SD 2	Chl-a	0.365	17.942	< 0.001	Constant	3.064
					TOC load from St. UA	0.0007	0.314
					SS load from St. UA	-0.0002	-0.466
					T-N load from St. UA	-0.001	-0.493
					T-P load from St. UA	0.127	1.003
St. SD 3	Chl-a	0.330	15.527	< 0.001	Constant	3.548
					TOC load from St. UA	0.001	0.262
					T-N load from St. UA	-0.001	-0.477
					T-P load from St. UA	0.087	0.552
					T-P load from St. CC	0.040	0.293

B and Beta represent the values of unstandardized and standardized regression coefficients, respectively.

Table 9.

Results of factor analysis on water quality factors at three locations of Okjeong Lake.

location	Total variance explained				Rotated component matrices
St. SD 1	Component	Eigenvalue	% of variances	Cumulative %	Variables	PC1	PC2	PC3	PC4
	1	6.685	41.781	41.781	Storage	0.047	-0.282	0.588	0.627
	2	2.223	13.896	55.676	Rainfall	0.895	0.174	0.063	-0.118
	3	1.739	10.871	66.547	Inflow	0.922	0.048	0.107	-0.009
	4	1.136	7.097	73.644	Temp.	0.410	0.480	0.476	-0.192
	5	0.932	5.825	79.469	DO	-0.036	-0.560	-0.210	0.299
	6	0.837	5.230	84.699	COD	0.067	0.058	0.816	0.240
	7	0.606	3.790	88.489	TOC	0.061	0.193	0.856	-0.123
	8	0.465	2.903	91.392	SS	0.139	0.636	0.024	0.055
	9	0.342	2.139	93.531	T-N	-0.002	0.130	0.026	0.855
	10	0.314	1.964	95.495	T-P	0.159	0.682	0.281	0.166
	11	0.256	1.603	97.098	Chl-a	0.324	0.739	-0.232	0.044
	12	0.207	1.294	98.393	Load COD	0.867	0.258	0.092	0.018
	13	0.102	0.638	99.030	Load TOC	0.936	0.175	0.070	-0.014
	14	0.077	0.481	99.511	Load SS	0.823	0.144	0.009	0.066
	15	0.043	0.266	99.777	Load T-N	0.901	0.024	0.061	0.033
	16	0.036	0.223	100.000	Load T-P	0.881	0.319	0.021	0.059
St. SD 2	Component	Eigenvalue	% of variances	Cumulative %	Variables	PC1	PC2	PC3	PC4
	1	6.531	40.816	40.816	Storage	0.042	0.307	-0.293	0.759
	2	2.509	15.681	56.497	Rainfall	0.903	0.122	0.102	-0.145
	3	1.904	11.901	68.398	Inflow	0.929	0.075	-0.004	-0.009
	4	1.031	6.445	74.843	Temp.	0.373	0.548	0.334	-0.116
	5	0.841	5.254	80.097	DO	-0.067	-0.516	-0.430	0.284
	6	0.756	4.724	84.820	COD	-0.029	0.799	0.089	0.349
	7	0.601	3.755	88.575	TOC	0.126	0.833	0.056	-0.087
	8	0.473	2.958	91.533	SS	0.002	0.277	0.482	-0.492
	9	0.372	2.323	93.856	T-N	0.021	-0.102	0.104	0.802
	10	0.267	1.669	95.524	T-P	0.160	0.237	0.782	0.101
	11	0.252	1.577	97.101	Chl-a	0.263	0.015	0.855	-0.162
	12	0.210	1.310	98.411	Load COD	0.872	0.133	0.230	0.032
	13	0.104	0.653	99.064	Load TOC	0.936	0.089	0.160	-0.008
	14	0.072	0.452	99.516	Load SS	0.829	0.041	0.075	0.052
	15	0.042	0.265	99.780	Load T-N	0.903	0.020	-0.002	0.047
	16	0.035	0.220	100.000	Load T-P	0.885	0.064	0.310	0.080
St. SD 3	Component	Eigenvalue	% of variances	Cumulative %	Variables	PC1	PC2	PC3	PC4
	1	6.595	41.216	41.216	Storage	0.056	-0.471	0.526	0.587
	2	2.686	16.786	58.002	Rainfall	0.903	0.163	0.063	-0.114
	3	1.798	11.237	69.240	Inflow	0.932	0.002	0.089	-0.018
	4	1.039	6.495	75.734	Temp.	0.344	0.576	0.461	-0.113
	5	0.861	5.379	81.113	DO	-0.095	-0.683	-0.241	0.093
	6	0.645	4.031	85.144	COD	0.009	0.249	0.798	0.178
	7	0.558	3.489	88.633	TOC	0.116	0.215	0.838	-0.231
	8	0.389	2.431	91.064	SS	0.067	0.542	0.227	-0.498
	9	0.362	2.262	93.325	T-N	0.097	0.061	-0.019	0.855
	10	0.349	2.184	95.509	T-P	0.121	0.679	0.217	0.148
	11	0.257	1.607	97.116	Chl-a	0.234	0.826	-0.089	-0.059
	12	0.188	1.177	98.293	Load COD	0.874	0.231	0.091	0.040
	13	0.103	0.647	98.939	Load TOC	0.937	0.168	0.059	0.016
	14	0.088	0.553	99.492	Load SS	0.824	0.126	-0.012	0.095
	15	0.043	0.266	99.759	Load T-N	0.902	-0.010	0.075	0.032
	16	0.039	0.241	100.000	Load T-P	0.885	0.277	0.045	0.119

References

1. Gao XP, Li GN, Li GR, Zhang C. Modeling the effects of point and non-point source pollution on a diversion channel from Yellow River to an artificial lake in China. Water Sci. Technol. 2015;71:1806–1814.

2. Akhtar N, Ishak MIS, Bhawani SA, Umar K. Various natural and anthropogenic factors responsible for water quality degradation: A review. Water. 2021;13:2660.

3. Gonzalez MJ, Gonzalez SM, Mayora G, Gutierrez MF, Alberto D, Molina FR. Influence of hydroclimatic conditions and anthropogenic activities on the water quality of a floodplain lake (Argentina) during a warm season. Environ. Sci. Pollut. Res. 2024;31:49330–49341.

4. Novotny V. Water Quality: Diffuse Pollution and Watershed Management. John Wiley & Sons; 2003.

5. Tong STY, Chen W. Modeling the relationship between land use and surface water quality. J. Environ. Manag. 2002;66:377–393.

6. Jeon JH. Simulation of sediment yield from Imha watershed using HSPF. J. Korean Soc. Agric. Eng. 2010;52:39–48.

7. Lee E, Lee S, Seo D. Evaluation of SWAT model and HSPF model predictions for water resource management in the Okjeong Lake watershed of the Seomjin River. J. Korea Water Resour. Assoc. 2024;57:769–783.

8. Xingpo L, Muzi L, Yaozhi C, Jue T, Jinyan G. A comprehensive framework for HSPF hydrological parameter sensitivity, optimization and uncertainty evaluation based on SVM surrogate model-A case study in Qinglong River watershed, China. Environ. Model. Softw. 2021;143:105126.

9. Duda PB, Hummel PR, Donigian AS, Imhoff JC. BASINS/HSPF: Model use, calibration, and validation. Trans. ASABE. 2012;55:1523–1547.

10. Bicknell BR, Imhoff JC, Kittle JrJL, Donigian JrAS, Johanson RC. Hydrological Simulation Program—Fortran (HSPF): User’s Manual for Release 12. U.S. Environmental Protection Agency; 2001.

11. Huang C, Zhao D, Fan X, Liu C, Zhao G. Landscape dynamics facilitated non-point source pollution control and regional water security of the Three Gorges Reservoir area, China. Environ. Impact Assess. Rev. 2022;92:106696.

12. Carpenter SR, Caraco NF, Correll DL, Howarth RW, Sharpley AN, Smith VH. Nonpoint pollution of surface waters with phosphorus and nitrogen. Ecol. Appl. 1998;8:559–568.

13. National Institute of Environment Research. Water Environment Information System. Available from:https://water.nier.go.kr/web

14. Jeollabuk-do. Geum and Seomjin River Water System Total Pollution Load Control System Basic Plan Step 4; 2021

15. Boyacıoğlu H, Boyacıoğlu H. Ecological Water Quality Index associated with factor analysis to classify surface waters. Water Supply. 2020;20:1884–1896.

16. National Institute of Environment Research. Monitoring and Investigation of Pollutant Loads in Non-point Sources Management Areas: Focusing on Saemangeum and Goljicheon Watersheds(III). NIER-SP2019-260;2020

17. Choi Y-H, Jeong Y-H, Nguyen HHT, Yoon S-H, Yi I-G, Kwak D-H. Evaluation of non-point source pollution load characteristics and identifying management sub-nasin area and best management practices using HSPF model in Yongdam dam watershed. J. Korean Soc. Environ. Eng. 2023;45:65–80.

18. US EPA. BASINS Technical Note 6; 2000

19. Bicknell BR, Imhoff JC, Kittle JrL, Jobes TH, Donigian JrAS. HSPF Version 12 User’s Manual. AQUA TERRA Consultants, Mountain View, California; 2001

20. Moriasi D, Arnold J, Van Liew M, Bingner R, Harmel RD, Veith T. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Trans. ASABE. 2007;50:885–900.

21. Donigian AS. Watershed Model Calibration and Validation: The HSPF Experience. In: Proceedings of the Water Environment Federation; January 2002; Phoenix, Arizona. p. 44-73

22. Liu D, Bai L, Li X, Zhang Y, Qiao Q, Lu Z, Liu J. Spatial characteristics and driving forces of anthropogenic phosphorus emissions in the Yangtze River Economic Belt, China. Resour. Conserv. Recycl. 2022;176:105937.

23. Na S, Kwon H, Shin SM, Son Y, Shin D, Im TH. A Study on seasonal pollutant distribution characteristics of contaminated tributaries in Nakdong River basin. J. Wet. Res. 2016;18:301–312.

24. Chegal S, Kim J. A study of statistical analysis method of monitoring data for freshwater lake water quality management. J. Korea Water Resour. Assoc. 2024;57:9–19.

25. Moon Y, Kim H. Spatiotemporal distribution of algae and characteristics of algal abundance in Lake Okjung, Korea. J. Korean Soc. Environ. Eng. 2019;41:554–571.

26. Klug JL. Positive and negative effects of allochthonous dissolved organic matter and inorganic nutrients on phytoplankton growth. Can. J. Fish. Aquat. Sci. 2002;59:85. –95

27. Minor EC, Forsman B, Guildford SJ. The effect of a flood pulse on the water column of western Lake Superior, USA. J. Great Lakes Res. 2014;40:455–462.

28. Filstrup CT, Downing A. Relationship of chlorophyll to phosphorus and nitrogen in nutrient-rich lakes. Inland Waters. 2017;7:385–400.

29. Lee DH, Kang ET, Joo JC, Go HW, Ahn CM, Bae YH, Song KD. Water quality analysis and Chl-a prediction of 15 large-scale freshwater lakes in Korea by multivariate statistical analysis. J. Korean Soc. Environ. Eng. 2022;44:589–602.

30. Chang H, Jung I-W. Spatial and temporal changes in runoff caused by climate change in a complex large river basin in Oregon. J. Hydrol. 2010;388:186–207.

31. Jung J, Xing Z, Lee T, Kwon O-Y. Characteristics of temporal variation on water quality (T-P, T-N, CODMn, SS, BOD5) in the Jungrang stream during rainfall event. J. Kor. Soc. Environ. Eng. 2014;36:411–420.

32. Kim J-H, Choi H-T, Lim H-G. Analysis of suspended solid generation with rainfall-runoff events in a small forest watershed. J. Environ. Sci. Int. 2015;24:1617–1627.

33. Kim E, Ryu J, Kim HT, Kim Y, Shin D-S. Application of the load duration curve (LDC) to evaluate the achievement rate of target water quality in the Han-River watersheds. J. Korean Soc. Water Environ. 2015;31:732–738.

34. Yun S, Ryu J, Oh J. Water quality management measures for TMDL unit watershed using load duration curve. J. Korean Soc. Water Wastewater. 2013;27:429–438.

35. Im J, Woo D, Kong D. Log-linear model and delivery load analysis for improvements in water quality through TMDL in the Gyeongan stream watershed, Republic of Korea. Sustainability. 2024;16:4456.