Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-4517(Print)
ISSN : 2287-3503(Online)
Journal of Environmental Science International Vol.25 No.3 pp.361-372
DOI : https://doi.org/10.5322/JESI.2016.25.3.361

Characteristics of Trend and Pattern for Water Quality Monitoring Networks Data using Seasonal-kendall, SOM and RDA on the Mulgeum in the Nakdong River

Jung-Min Ahn, In-Jung Lee, Kang-Young Jung, Jueon Kim, Kwonchul Lee, Seuk Cheon, Siwan Lyu1)*
Nakdong River Environment Research Center, National Institute of Environmental Research, Goryeong 40138, Korea
1)Department of Civil Engineering Changwon National University, Changwon 51140, Korea
Corresponding author : Siwan Lyu, Department of Civil Engineering Changwon National University, Changwon 51140, Korea +82-55-213-3776siwan@changwon.ac.kr
August 13, 2015 December 8, 2015 January 4, 2016

Abstract

Ministry of Environment has been operating water quality monitoring network in order to obtain the basic data for the water environment policies and comprehensively understand the water quality status of public water bodies such as rivers and lakes. The observed water quality data is very important to analyze by applying statistical methods because there are seasonal fluctuations. Typically, monthly water quality data has to analyze that the transition comprise a periodicity since the change has the periodicity according to the change of seasons. In this study, trends, SOM and RDA analysis were performed at the Mulgeum station using water quality data for temperature, BOD, COD, pH, SS, T-N, T-P, Chl-a and Colon-bacterium observed from 1989 to 2013 in the Nakdong River. As a result of trends, SOM and RDA, the Mulgeum station was found that the water quality is improved, but caution is required in order to ensure safe water supply because concentrations in water quality were higher in the early spring(1~3 month) the most.


경향성 및 패턴 분석을 이용한 낙동강 물금지역의 수질 특성

안 정민, 이 인정, 정 강영, 김 주언, 이 권철, 천 세억, 류 시완1)*
국립환경과학원 낙동강물환경연구소
1)창원대학교 토목공학과

    1.서 론

    우리나라는 1960년대 초부터 시작된 경제개발 정책 으로 인한 오염배출량의 급격한 증가로 국내 하천의 수 질오염이 증가하게 되었다. 이에 따라 정부에서는 1977 년부터 주요 수질오염 발생원에 대한 농도규제방식으로 수질관리를 시작하였으며, 최근에는 유역내 모든 오염원 관리를 할 수 있는 수질오염총량관리제방식으로 전환하 여 관리되고 있다. 수질오염총량관리제를 통해 상당부분 수질이 개선되어 가고 있는 것으로 보고되고 있으나, 하 천의 수질은 수리·수문학적 특성, 퇴적물의 오염상태, 유 역의 기후, 기상, 지질 등 자연 환경의 복합적인 상호작용 과 인위적 환경 등에 의해 다양하게 변화하기 때문에 수 질의 정확한 변동 특성을 파악하거나 수질을 평가하는데 많은 어려움이 따른다.

    낙동강수계는 대구·경북, 부산·경남권의 식수, 농·공업 용수로 아주 중요한 역할을 하고 있으며, 대구·낙동강유 역환경청, 주변 지자체 등에서 수질보전을 위해 많은 노 력을 기울이고 있다. 낙동강은 다른 하천에 비해 용수의 복잡한 이용 상황으로 인하여 수질이 계절별, 지역별로 다양한 양상을 띠고 있으며, 특히 중·하류에서는 심각한 부영양화로 인해 단순히 2-3개의 수질항목만으로는 하 천의 수질을 제대로 평가하거나 이용 관리하기에 많은 어려움이 있다(Park et al., 2001). 또한, 낙동강에 관한 연구가 지금까지 다각도로 진행되어 왔지만, 낙동강 수 질을 결정하는 인자가 매우 다양하고 복잡하여 수질과 이들 환경요인들간의 체계적이고 정량적인 분석결과가 거의 없었다(Joo et al., 1997). 최근 들어 하천의 수질항 목간의 복잡한 선형관계를 규명하고 오염 원인을 파악할 수 있는 통계분석법의 적용 등 수질 특성을 해석하기 위 해 많은 노력이 진행되고 있다.

    Robert et al.(1982)는 월별 수질자료에 대해 경향분 석을 위한 기법들 중 Seasonal Kendall 기법에 대해 연 구한 바 있다. Choi et al.(2002)은 강우에 의한 비점오염 원들의 하천유입으로 인한 강우 항목과 수질항목들 간의 통계학적 특성을 파악하여 각 수질 변수를 예측하고 변 동 특성이 유사한 항목들을 분류하기 위하여 다중상관분 석, 부분상관분석과 인자분석, 다중회귀분석을 실시하였 으며, Oh et al.(2004)은 환경부 수질측정망의 수질관측 자료를 바탕으로 수질의 변동특성을 조사하고, 수질평가 를 위하여 요인분석과 군집분석을 적용하여 수계의 수질 결정인자를 도출하고 시·공간적인 특성에 따른 수질을 결정하는 주요인을 조사하였다. Han(2010)은 전국 884 개 하천과 호소지점에서 1989년부터 2009년까지 측정 된 전국 하천과 호소 수질측정망 자료를 이용하여 수질 의 시공간적 분석을 수행하였고, Park et al.(2012)은 기 후변화를 고려한 금강유역의 수문기상시계열 특성을 분 석하기 위해 Mann-Kendall 검정법을 이용하여 기온, 강 수량, 상대습도 등의 경향성에 대해 연구하였다.

    Kim et al.(2010)은 패턴분류를 위한 위락시설지역의 비점오염원 유출특성분석을 수행하기 위해 SOM 이론 을 도입하여, 측정된 유출량 및 수질자료에 대한 패턴분 류를 수행하여 분할구역별 자료의 특성분석을 통해 초 기강우 특성이 구분되어 짐을 확인하였다. Paik et al. (2011)은 연안으로 유입되는 하천의 유량과 수질의 관계 를 분석하기 위해 self-organizing maps(SOM)을 이용 한 하천 유량과 수질의 패턴분석에 관한 연구를 진행한 바 있다. Kim et al.(2012)은 금강수계에 있는 6개 호소 수질의 장기변동 추세를 분석하였다. Wu et al. (2011) 는 Sanya Bay를 대상으로 SOM을 적용하여 연안의 수 질에 대한 공간적 패턴에 대해 분석하여 인간활동에 의 해 야기되는 영향에 대해 연구하였다. Jiang and Nana(2012)는 fuzzy synthetic evaluation(FSE)와 SOM 을 이용하여 하천 수질 조건을 평가하기 위해 case by case로 적용하였다.

    Chang(2002)은 펜실바니아 유역 수질의 공간적 변이 에 관한 연구를 위해 principal component analysis (PCA)와 redundancy analysis(RDA) 기법을 이용하여 수중기후, 토지이용, 수질 사이의 복잡한 연관성을 해결 하기 위해 사용하였다. Kim et al.(2008)은 하천의 자연 환경과 식물출현과의 상관성을 알아보기 위해 출현빈도 가 높은 식물 121종과 대상지의 환경인자(저수지 물로 부터의 거리, 하상재료의 크기, 사주의 개수, 대상지의 고도, 하상경사, 저수로 폭, 하천수질측정값)간의 RDA 및 피어슨의 상관성을 분석하였다. Nakdong River Environment Research Center(2013)에서는 Canoco를 이용하여 낙동강수계 수환경 변동과 식물플랑크톤 군집 변화에 대해 연구를 수행하였다.

    하천 수질을 효율적으로 관리하기 위해서는 수질인자 들이 장기간에 걸쳐 시간에 따라 어떻게 변화하였는가를 이해하는 것이 필요하다. 낙동강물환경연구소에서 낙동 강수계를 대상으로 운영하고 있는 수질측정망은 121개 지점이 있다. 특히, 낙동강 하류에 위치해 있는 지점인 물 금 지점은 주요지점으로, 대권역 대표지점 3개중 하나이 다. 물금 지점은 공장이 난립해 있는 소감천 인근에 위치 하고 있고, 물금취수장(840천톤/일)은 매리 취수장과 더 불어 부산시 급수의 93%를 공급하고 있다. 이에 본 연구 에서는 물금지점을 대상으로 Seasonal-Kendall Test, self-organizing maps(SOM) 기법, 중복분석은 redun -dancy analysis(RDA)을 이용하여 수질특성을 분석하 고, 시간적 환경인자들의 영향에 대하여 분석하고자 하 였다. 이러한 정보는 하천의 수질관리에 기초적 인 정보 로 사용될 수 있을 것으로 사료된다. Fig. 1

    2.재료 및 방법

    2.1.대상유역

    낙동강은 태백산 황지에서 발원하여 남해에 이르기까 지 영남지역의 대부분과 강원도와 전라북도의 일부를 포 함하여 유역면적 23,817 km2, 유로연장 525 km로 우리 나라 국토의 약 24%를 차지하는 제 2의 하천이다. 또한 유역 내 안동, 구미, 대구, 부산 등 우리나라 주요 도시 를 비롯하여 각종 산업이 발달해 있으며, 유역에 생활 하고 있는 1,300여만 명의 식수원인 각종 생·공업용수 (21.6%), 농업용수(51.0%) 및 하천유지용수(27.4%) 등 으로 활용되고 있다. 취·정수장 현황으로는 18개의 취 수장과 21개의 정수장이 있으며 이 중 고도정수처리 시 설 13개, 일반정수처리 4개, 강변여과시설 4개로 구성된 다. 본 연구에서 선정된 물금 지점 인근에는 산업단지가 밀집해 있기 때문에 대규모 오염원의 유입을 모니터링하 기 위한 주요 지점으로 지정되어 수질변화 상태 및 오염 추세를 파악하기 위한 지점으로 용이하다. 물금 지점은 수질측정망 자료에 대해 1989년 1월부터 2004년 4월까 지는 월 1회 제공하고 있으며, 2004년 5월부터 현재까지 는 7일 간격으로 제공하고 있다. 본 연구에서는 관측수질 자료를 바탕으로 계절별 경향성, 월별 패턴 그리고 RDA 분석을 수행하였다.

    2.2.연구방법

    관측된 수질 자료는 계절별로 심한 변이가 존재하기 에 적절한 통계 기법을 적용하여 분석하는 것이 매우 중 요하다. 일반적으로 대부분의 월별 수질자료는 계절의 변화에 따른 주기성을 가지고 변화하기 때문에 주기성을 포함하는 추이가 있는지를 분석해야한다. 경향성 분석은 The seasonal-kendall (SK) 기법, 패턴 분석은 SOM 기 법, 중복분석은 RDA 기법을 이용하였다.

    2.2.1.The seasonal-kendall test

    경향성 분석은 장기간의 자료에 대한 경향성을 감지 해서 변화 양상에 대한 정보를 제공해 주므로 수자원 계 획수립 및 운영에 있어 유용한 방법이다. 이 기법은 관찰 치들 사이의 상관 측정치를 통해 경향을 분석하는 비모 수 통계방법이다. SK 기법의 목적은 시계열로 수집된 자 료가 하나 또는 다양한 시즌에 대해 같은 방향 (up or down)에서의 변화가 예측될 때 관심 분야 변동의 단조 경향에 대한 테스트이다(Hirsch et al., 1982; Gilbert, 1987; Helsel and Hirsch, 1995). 각 계절에 대한 Kendall 검정을 독립적으로 시행한 후, 각 결과들의 가 중합을 구함으로써 하나의 경향 분석 결과를 도출하여 계절성을 배제하는 방법이다. 분석을 위해 USGS Seasonal-Kendall Test(Kendall.exe Code)을 사용하였 다(Hesel et al., 2006; Donald et al., 2011). USGS Seasonal-Kendall Test 프로그램은 기존의 상업용 프로 그램과 동일하게 관찰 값의 차이를 상대적 크기로 산정 하여 증(+), 감(-), 무변화 정도를 나타내며 이에 대한 유 의수준의 표준통계값(p), 기울기인 Tau(τ) 값을 비롯 하여 S(통계량), Z(표준화변수)값을 제공하고 있어 경 향성과 특성을 비교하는데 매우 적절한 프로그램이다. 각 계절에 대해 Kendall 검정을 독립적으로 시행한 후, 각 결과들의 가중치 합을 구하여 하나의 경향 분석 결 과를 도출해 냄으로써 계절성을 배제하는 방법이다. 또 한 관측치에 결측치가 다소 존재해도 그 영향이 크지 않다는 장점이 있다. Seasonal-Kendall Test는 상관계 수인 Kendall의 Tau(τ)를 구하여 그 유의성을 검증함으 로써 경향성의 유무를 파악하고 이에 수반되는 Seasonal -Kendall 기울기(slope) 통계량을 구하여 경향의 정도를 판단할 수 있다(Hesel et al., 2006). 이 연구에서는 95% 신뢰구간에서 통계 추정치(S)를 이용하였으며, 양과 음 의 S 값은 각 시간에 따른 수질 농도의 증가와 감소추이 를 반영하였다.

    2.2.2.Self-organizing maps

    Self-organizing maps는 Kohonen의 자기조직화 지 도로서, 1984년 핀란드의 전기공학자 T.Kohenen에 의 해 개발된 비지도 학습(Unsupervised Learning) 신경망 모델의 한 종류이다. 인공뉴런에 기초를 둔 SOM (self organizing map) 기술은 비선형적인 관계 분석, 수학적 지식이 없는 관계, 쉽고 빠른 자료의 업데이트, 다중변수 에 대한 통합 등의 장점을 가지고 있다(Hong et al., 2001). 이러한 장점으로 SOM은 광범위한 자료의 처리 와 불규칙한 자료 처리, 다중변수파라미터의 정보 해석, 인자간의 반응성 규명, 시각적인 이미지 효과 등의 이유 로 다양한 분야에서 이용되고 있다(Lu et al., 2002).

    SOM은 구조적으로 2개의 층(입력 : 자료를 입력받는 곳, 출력: 계산된 자료결과를 보여주는 곳)으로 구성되며, 각 층은 뉴런(노드)라는 계산단위체로 구성된다. 입력층 (본 연구에서는 수질자료)과 출력층(결과를 제시하는 곳) 은 연결강도(weight, 가중치)라는 계산값으로 연결된다. 이 연결강도는 모든 주어진 자료에 대하여 반복적인 계 산과정을 거쳐 조절되게 되는데 이 과정을 학습과정이라 한다. 따라서, 학습과정은 주어진 자료를 SOM에 반복 입력하여 입력층과 출력층 사이의 연결강도가 입력자료 의 정보 특성을 반영하도록 하는 과정이다. SOM은 원하 는 출력 값이 주어지지 않더라도 데이터 상호간의 처리 과정을 통해 자동적으로 Cluster를 구별 짓는 특정이 있 다. 데이터 사이의 상호관계는 유클리디안 거리로부터 결정된다(Som Toolbox Team, 2000). 이러한 특징은 원하는 출력값을 설정해주는 지도학습과는 완전히 다른 차원의 신경망을 구성한다. 이러한 측면에서 SOM은 더 욱 인간의 두뇌 학습방법과 더 비슷하고 가장 지능이 높 다고 할 수 있다. SOM은 기본적으로 세가지의 뉴런시스 템 모델을 근간으로 이루어져 있다(Kohonen, 1990). SOM은 계산단위체인 노드(또는 뉴런)로 구성된 입력층 과 출력층의 두 층으로 구성되어 있으며, 입력된 자료를 받아 반복된 계산과정을 거쳐 입력자료를 최적화하고 자 료의 차이성에 기인하여 분류하는 학습의 과정을 거치게 된다. 학습은 사전에 조사된 자료를 대상 인공신경망에 반복 입력하여 입력층과 출력층 사이의 연결계수 (conndectivity weight)가 입력 자료의 정보 특성을 반 영할 수 있도록 하는 것으로 최적으로 효율적인 시각화 를 위한 이차원격자에 N개의 출력 뉴런으로 나타나게 된 다. 출력층은 가로와 세로 방향에 대한 최적의 배열을 위 해 육각형의 격자를 사용하였다(Kohonen, 2001). 선택 된 출력 뉴런의 수 결정은 규정화된 원칙은 없으나 이 연 구에서는 40개의 격자(N=8×5)를 사용하였다. SOM 분 석은 Matlab 환경에서 이루어졌으며, SOM toolbox (http://www.cis.hut.fi/projects/somtoolbox)에서 제공 하는 함수와 인자들을 이용하였다.

    2.2.3.Redundancy analysis

    RDA는 두 행렬 사이의 관계를 조사하는 직접 기울기 를 구하는 분석의 한 형태이다(Ter Braak and Prentice, 1988; Leps and Smilauer, 2003). RDA는 두 개의 변수 집합에 의해 공유되는 분산의 측정치로서 ‘정준상관계수 의 제곱’이 널리 이용되어 왔는데, 그러한 측정치에 내재 된 편의성을 극복하기 위하여 제안된 것이며 중복성 지 수라고 한다. 특히, 예측 변수(예를 들어 유역 특성)의 행 렬은 반응 변수(예를 들어 수질자료)의 매트릭스에 변화 를 정량화하는데 사용된다. 중복성 지수란 변수집합에 속하는 각 변수 집합들간의 분산을 설명할 수 있는 능력 을 나타낸다. 일반적으로, 그 두가지 중요한 결과는 이 방 법으로 얻을 수 있다. (1) RDA 축에 의해 설명되는 수질 변수 분획; (2) 수질 변수와 월별 유역 특성 사이의 관계. 하천의 수질은 월별 등 자연적인(시기적) 요인에 의해 결 정된다. RDA는 하천 수질의 월별 영향을 결정하기 위해 사용되었다.

    RDA의 분석결과는 최종적으로 scaling focus on species correlations을 옵션으로 선택한 Ordination 그 래프로 표현되고, 환경요인의 방향성은 큰 화살표로 나 타나며, 화살표의 길이가 길수록 대상 환경인자는 대입 된 주요인의 분산에 강한 영향력을 나타낸다. 주요인의 분산은 작은 화살표로 표시되고, 그 길이가 길수록 출현 빈도의 표준 편차가 크다. 그래프의 중심점에서 뻗어 나 아가는 각도는 각 화살표간의 상관관계를 보여주며, 이 때에 각 화살표 사이의 각도가 작을수록 서로간의 상관 관계는 양의 방향으로 증가하며, 반대로 두 화살표의 방 향이 서로 정반대의 각도를 나타낸다면 음의 방향으로 강한 상관관계가 있음을 의미한다. 또한 화살표의 각도 가 직각에 가까울수록 상관성은 약한 것을 의미한다.

    수온, BOD, COD, pH, SS, TN, TP, 대장균은 1989 년 1월부터 2013년 12월까지, 클로로필a는 2003년 12 월부터 2013년 12월까지 분석된 7일 간격 자료를 이용 하여 Seasonal-Kendall, SOM, RDA 기법으로 분석하 였다.

    3.결과 및 고찰

    3.1.The seasonal-kendall test

    물금지점에 대한 수질항목에 대한 조사 결과는 Table 1과 같고 시계열 그래프는 Fig. 2이다. 조사기간 중 유량 은 평균 291.02 m3/sec, 수온 평균 16.29°C, pH 평균 7.87, DO 평균 10.14 mg/L, BOD 평균 3.04 mg/L, COD 평균 6.48 mg/L, SS 평균 17.21 mg/L, T-N 평균 3.31 mg/L, T-P 평균 mg/L, 대장균 평균 1,791.25마리를 나타내 었다.

    수질변화의 연구에서는 반드시 계절성의 고려가 필요 하다(Yoo, 2002). 수질 경향분석은 시간의 변화에 따른 수질의 영양상태의 경향성을 나타내기에 적합한 방법으 로 수질을 개선하기 위한 정책 수립 및 효율적 관리와 평 가를 위한 방법으로 국내외 많은 연구들에서 적용하고 있다(Han, 2010). Fig. 2에 제시된 바와 같이 관측기간 중 BOD, COD, T-N, 클로로필a은 정성적으로 감소하고 있는 추세를 알 수 있으며, BOD는 1996년 1월 4일 최대 6.90 mg/L를 기록하였으며, 2011년 9월 26일 최소 0.8 mg/L을 기록하였다. COD는 1994년 9월 24일 최대 12.80 mg/L를 기록하였으며, 2007년 10월 17일 최소 3.30 mg/L을 기록하였다. T-N는 1994년 1월 4일 최대 6.96 mg/L를 기록하였으며, 1992년 4월 7일 최소 1.46 mg/L을 기록하였다. 클로로필a는 2008년 2월 26일 최 대 204.80 mg/m3 를 기록하였으며, 2012년 9월 24일 최 소 1.7 mg/m3 을 기록하였다.

    이러한 경향은 Seasonal-Kendall Test를 통해 명확하 게 파악할 수 있다. Table 2는 Seasonal-Kendall Test결 과이며 4, 5열은 각각 유의수준 및 경향선을 나타낸다. 물금 지점에서는 수온, pH, T-P는 p value가 각각 0.4896, 0.2134, 0.1796으로 0.05보다 크게 산정되었기 때문에 경향이 없는 것으로 나타났다. SS는 증가하는 추 세를 나타냈으며, BOD, COD, T-N, 클로로필a, 대장균 은 감소하는 경향을 나타냈다. 전반적으로 1989년 대비 수질이 개선되고 있음을 알 수 있다. 1982년부터 1998 년까지 17년간 낙동강 하류지역의 부영양화 경향을 평가 한 Joo et al.(1997)의 연구결과에서는 pH, BOD, COD, NO3-N 및 전기전도도 등의 수질 인자들의 연 평균 값의 추세가 상승하는 것으로 나타나 낙동강 하류지역에서 부 영양화가 심화되는 것으로 보고하고 있으나, 낙동강 하 류 물금지점은 수질오염총량제 및 도심 오염원 및 하수 처리장 등이 유역내 환경기초시설 개선 등으로 인해 수 질 개선이 이루어진 것으로 판단된다. Son(2013)은 1995년부터 2012년까지의 장기적인 N/P 비율(ratio)의 연 평균 변화를 분석한 결과, 2009년 이후부터는 T-P 농 도의 감소로 인해 N/P 비율이 점점 증가하는 것으로 판 단하였으며, 이로 인해 낙동강 하류 지역의 경우는 인이 식물 풀랑크톤 성장에 제한인자로 작용하였다고 언급한 바 있다.

    3.2.Self-organizing maps

    모니터링 결과를 바탕으로 월별 수질과의 연관성을 판단하기 위해 Self-organizing maps를 이용한 월별 관 측수질의 패턴분석을 수행하였다. 월별 수질자료를 시계 열로 정리하고, SOM에서 data loading이 가능한 형태 의 파일로 변환한 후 SOM을 구동하였다. 학습율 감소인 자는 0.2로 최종 학습률은 0.18, 학습회수는 1,000회이 다. 선택된 자료의 정규화 과정을 거친 후 SOM 훈련을 위해 지도크기를 결정하는데 기존의 연구에서는 지도를 구성하는 단위구조의 총 수(M)의 결정은 Garcia et al. (2003)에 의해 연구 보고된 식인 M = 5 N 식을 이용 하였다. 여기서 M은 지도를 구성하는 단위구조(unit)의 총 수이며, N은 훈련 자료의 수이다. SOM 패턴분석을 통해 도출된 SOFM (self organizing feature maps)는 Fig. 3과 같다. Fig. 3에서 빨강색은 농도가 높은 값을, 파란색은 농도가 낮은 값을 나타낸다. 그림 우측 하단의 Labels의 숫자는 각 월을 나타낸다. Temp를 예를 들어 해석하는 방법에 대해 설명하면 그림 Labels에서 우측위 에 7, 8, 9월이 위치해 있고, Temp는 7, 8, 9에서 가장 높 은 값을 나타낸다. 따라서, Temp는 7, 8, 9에서 가장 높 은 값을 나타내고, 1, 2, 3에서 가장 낮은 값을 나타내는 것을 알 수 있다. 이것을 색깔 무늬 패턴으로 각각 비교해 보면, 하천의 Temp와 DO는 반대되는 패턴을 보이고 있 었으며, 이는 수온이 상승하면 DO가 감소하는 이론을 잘 표현 하고 있고, 패턴 분석이 잘 이뤄졌음을 시사한다. pH, DO, BOD, COD, T-N, Chl-a는 1~ 3월에 높은 농 도 패턴을 나타냈고 T-P는 7월에 가장 높은 농도 패턴을 나타냈다.

    Son(2013)은 Chl-a 농도가 1995년부터 2012년까지 장기적으로 평가하였을 때, 월별 평균농도의 변화는 12~3월에 높은 값이 나타나고 감소하는 추세라고 언급 한 바 있다. 일반적으로 담수에서 조류성장의 제한영양 소는 첫째가 인이며 두 번째로 빈도가 높은 것이 질소이 다(Correll, 1998). 물금 지점에서는 Chl-a와 T-N이 같 은 패턴을 보였기 때문에 T-P보다는 T-N의 영향이 큰 것으로 판단된다.

    SS는 홍수기인 7~9월에 높은 농도를 나타냈기 때문 에 유량 크기와 유사한 패턴을 보일 것으로 예상된다. U-matrix가 낙본K(물금)지점에서 각각 5월과 7월에 1.79로 가장 높게 나타났다. 이는 유량이 크고, DO가 낮 은 5~7월에 SS, T-P, 대장균(Colon-bacterium)이 높은 것과 더불어 이 시기에 오염물질이 집중되는 것을 알 수 있으며, 특히 강우시에 대장균 수치가 높게 나타나기 때 문에 정수처리시 이에 대한 대처가 필요할 것으로 사료 된다.

    3.3.Redundancy analysis

    RDA 분석결과를 요약하면, 총 변동은 8,596,256,869.689, 설명변수계산(explanatory variables account)은 2.5% (조정된 설명(explained) 변동은 0.9%) Axis1의 Explained fitted variation(cumulative)는 99.71%, Axis2는 99.98%, Axis3는 100%로 나타났다. 월별 분석결과는 Table 3과 같다. 빨강 색과 파란 색의 화살표가 같은 방향을 가리키 면 중복되는 것으로써, 상관성이 있다고 해석하면 된다. 따라서, Temp와 DO는 반대 방향으로 향하고 있기 때문 에 서로 부정적(negative)인 것으로 해석할 수 있다. 이 것은 SOM 분석결과와 일치하는 결과이다.

    월별 수질의 관계에 따르면, pH, DO, BOD, COD, TN, Chl-a가 상관관계가 있는 것으로 나타났으며, 1~3 월에 집중되어 있는 것을 알 수 있다. 9월과 10월에는 월 별 수질자료의 특이성이 상대적으로 작은 것을 알 수 있 으며, 수온은 5월, 6월, 8월, 9월에 상대적으로 높게 나타 났다. T-P, SS, 대장균(Colon-bacterium)은 7월에 집중 적으로 나타났다. 이는 SOM에 의해 분석된 패턴결과와 동일한 결과를 나타냈다. 특히, pH, DO, BOD, COD, T-N, Chl-a가 1~3월에 높은 농도를 나타내는 것은 SOM 패턴 분석결과와 동일하게 나타났다. Song et al.(2000)의 연구결과에 의하면 일반 하천과는 달리 겨 울과 초봄에 물금지점에서 Chl-a의 농도가 높은 이유가 저온성 규조류인 Stephanodiscus 속이 우점을 하고 그 발생환경이 저수온, 유량의 감소로 장시간의 체류시간, 고농도의 총인과 총질소에 의해서 장기간 대량 증식한다 고 밝히고 있으며, 이는 강수량 등의 수리·수문현황과 도 일치함을 나타낸다. National Institute of Environ -mental Research(2004)에서는 낙동강 중·하류의 수질 모형 개선을 위한 플랑크톤 분포 및 동태연구를 진행한 Fig. 4

    바 있고 보고서 내에 일반적으로 하류에서 남조 대번 성이 발생할 경우 큰 폭으로 pH가 상승하게 된다고 언급 한 바 있다. 또한, pH는 수체 내에 존재하는 식물플랑크 톤의 광합성과 밀접한 관계를 가지고 있고, 주변에서 유 입되는 오염물의 산도에 의해서 영향을 받는 것으로 평 가하였다. 낙동강에서 이루어진 과거의 연구에서는 중· 하류의 pH 변화는 식물플랑크톤에 의해서 주도된다고 보고하였으며(Ha et al., 1998), pH의 변화가 식물플랑 크톤의 천이에도 영향을 미칠 수 있다고 알려져 있다 (Shapiro, 1990).

    SOM과 RDA 분석 결과, 월별 수질패턴 및 수질인자 의 분포를 알 수 있었다. 또한, 다른 지점에 대해서도 분 석을 수행해야겠지만, 물금지점에서는 Chl-a과 상관관 계가 있는 수질인자는 pH, DO, BOD, COD, T-N인 것 을 알 수 있었다.

    4.결 론

    본 연구에서는 물금 지점을 대상으로 1989년 1월부터 관측된 수온, BOD, COD, pH, SS, T-N, T-P, 클로로 필a, 대장균에 대한 수질자료를 이용하여 Seasonalkendall 경향성, SOM 패턴, RDA 분석을 수행하였다.

    • 1) 경향성 분석 결과, SS는 증가하는 추세를 나타냈으 며, BOD, COD, T-N, 클로로필a, 대장균은 감소하는 경 향을 나타냈다. 수질오염총량제 및 도심 오염원 및 하수 처리장 등의 도입으로 인해 1989년 대비 수질 개선이 전 반적으로 이루어진 것으로 판단된다.

    • 2) SOM과 RDA 분석 결과, 월별 수질패턴 및 수질인 자의 분포를 알 수 있었다. pH, DO, BOD, COD, T-N, Chl-a는 1~3월에 높은 농도 패턴 및 상관성을 나타냈고 T-P, SS, 대장균은 7월에 가장 높은 농도 패턴 및 상관성 을 나타냈다. Chl-a와 T-N이 같은 패턴을 보였기 때문에 T-P보다는 T-N의 영향이 큰 것으로 판단된다. 다른 지 점에 대해서도 분석을 수행해야겠지만, 물금지점에서는 Chl-a과 상관관계가 있는 수질인자는 pH, DO, BOD, COD, T-N인 것을 알 수 있었다. 물금 지점에서는 갈수 기인 초봄(1~3월)에 수질항목 농도가 대부분 높게 나타 났으며, 이 시기에 안전한 수돗물 공급을 위해 주의가 요 구된다.

    • 3) 향후, 4대강살리기 사업을 통해 정비된 하천의 수 질 자료를 통한 수질패턴 및 상관성 분석, 낙동강수계에 건설된 8개 보의 영향에 따른 수질의 변화에 대한 연구를 통해 수질특성의 시공간적 거동 및 이에 따른 합리적인 대처방안을 수립할 수 있을 것이다.

    Figure

    JESI-25-361_F1.gif

    Study area.

    JESI-25-361_F2.gif

    Results of water quality observed at the Mulgeum.

    JESI-25-361_F3.gif

    Results of monthly pattern analysis at the Mulgeum point using SOM.

    JESI-25-361_F4.gif

    Results of monthly RDA analysis on water quality at the Mulgeum point.

    Table

    Water quality dataset at the Mulgeum point(1989~2013)

    Results of Seasonal-Kendall Test at the Mulgeum point

    ※p value가 0.05보다 작으면 유의하고 그렇지 않으면 경향이 없는 것임

    Results of RDA analysis at the Mulgeum point

    Reference

    1. Chang H J (2002) Spatial variations of nutrient concentrations in Pennsylvania Watersheds , J. of the Kor. Geo. Soc, Vol.37 (5) ; pp.536-550
    2. Choi H K , Baek H S , Heo J Y (2002) Evaluation of water quality on the upstreams of the Soyanggang Dam by using multivariate analysis , J. of Industrial Technology, Kangwon Natl. Univ, Vol.22 (A) ; pp.201-210
    3. Correll D L (1998) The role of phosphorus in the eutrophication of receiving waters: a review , J. Environ. Qual, Vol.27 ; pp.261-266
    4. Donald W , Meals Jean Spooner , Steven A , Dressing Jon , Harcum B (2011) Statistical analysis for monotonic trends , Tech notes 6, November 2011, Developed for U.S. Environmental Protection Agency by Tetra Tech, Inc, Available online at www.bae.ncsu.edu/programs/extension/wqg/319monitoring/tech_notes.htm
    5. Garcia H L , Gonzalez I M (2003) Self-organizing map and clustering for wastewater treatment monitoring , Eng. App. of Art. Int, Vol.17 ; pp.215-225
    6. Gilbert R O (1987) Statistical methods for environmental pollution monitoring, Wiley,
    7. Ha K , Kim H W , Joo G J (1998) The phytoplankton seccession in the lower part of hypertrophic Nakdong River(Mulgum): South Korea , Hydrobiologia, Vol.369/370 ; pp.217-227
    8. Han D H (2010) Temporal and spatial analysis of water temperature and water quality assessment of streams and reservoirs in Korea. PhD Thesis, University of Seoul,
    9. Helsel D R , Mueller D K , Slack J R (2006) Computer program for the Kendall family of trend tests , U.S. Geological Survey Scientific Investigations Report 2005 5275, ; pp.4
    10. Helsel D R , Hirsh R M (1995) Statistical methods in water resources, Elsevier,
    11. Hirsch R M , Slack J R , Smith R A (1982) Techniques of trend analysis for monthly water quality data , Wat. Res. Res, Vol.18 (1) ; pp.107-121
    12. Hong Y S , Rosen M R (2001) Intelligent characterisa -tion and diagnosis of the groundwater quality in an urban fractured-rockaquifer using an artificial neural network , Urb. Wat, Vol.3 ; pp.193-204
    13. Joo G J , Kim H W , Ha K , Kim J K (1997) Long-term trend of the eutrophication of the lower Nakdong River , Kor. J. Lim, Vol.30 ; pp.472-480
    14. Kim E S , Yoon J H , Lee J W , Choi H I (2012) Analysis of long-term trends in lake water quality observations , J. of Kor. Soc. of Haz. Mit, Vol.12 (1) ; pp.231-238
    15. Kim H J , Shin B K , Chang C W (2008) Correlation between environmental factors and plant species spectrum of the streams , Kor. J. Env. Eco, Vol.22 (1) ; pp.43-58
    16. Kim Y G , Jin Y H , Park S C , Kim J M (2010) Analysis of non-point source pollution discharge characteristics in leisure facilities areas for pattern classification , J. of Kor. Wat. Res. Ass, Vol.43 (12) ; pp.1029-1038
    17. Kohonen T (2002) Self-organizing Maps, Springer,
    18. Leps J , Smilauer P (2003) Multivariate analysis of ecological data using CANOCO, Cambridge University Press,
    19. Lu R S , Lo S L (2002) Diagnosing reservoir water quality using self-organizing maps and fuzzy theory , Wat. Res, Vol.36 ; pp.2265-2274
    20. Nakdong River Environment Research Center (2013) Changes of water environment and phytoplankton community structures in the Nakdong River ,
    21. Oh Y C , Lee N D , Kim J G (2004) The evaluation of water quality in the Mankyung River using multivariate analysis , J. of the Env. Sci, Vol.13 (3) ; pp.233-244
    22. Paik B C , Kim C K , Kim T R (2011) A study on the pattern analysis of correlation between the river flow and water quality using a SOM technique , J. Of Kor. Soc. of Urb. Env, Vol.11 (2) ; pp.153-160
    23. Park H S , Park C K , Song M K , Baek K H , Shin S K (1999) Evaluation of water quality characteristic using factor analysis in the Nakdong River , J. Of Kor. Soc. on Wat. Qua, Vol.17 (6) ; pp.693-701
    24. Park J H , Lee G S , Yang J S , Kim S W (2012) A hydrometeorological time series analysis of Geum River Watershed with GIS data considering climate change , J. of Kor. Soc. for Geo. Inf. Sys, Vol.20 (3) ; pp.39-50
    25. Shapiro J (1990) Current beliefs regarding dominance by blue-greens: the case for the importance of CO2 and pH , Verh. Int. Verein. Limnol, Vol.24 ; pp.38-54
    26. SOM Toolbox Team (2000) SOM Toolbox for Matlab, 5, Helsinki University,
    27. Son H J (2013) Long-term variations of phytoplankton biomass and water quality in the downstream of Nakdong River , J. Kor. Soc. Environ. Eng, Vol.35 (4) ; pp.263-267
    28. Song M K , Park C K , Lee S M , Baek K H , Shin S K , Song K O (2000) Causes of water pollution in BOD and algal bloom in Winter season at Mulgum of the Nakdong River , J. KSWQ, Vol.16 (3) ; pp.305-314
    29. Ter Braak CJF , Prentice IC (1988) A theory of gradient analysis , Adv Ecol Res, Vol.18 ; pp.271-317
    30. Wu M L , Zhang Y Y , Dong J D , Wang Y S , Cai C H (2011) Identification of coastal water quality by self-organizing map in Sanya Bay, South China Sea , Aqu. Eco. Hea. & Man, Vol.14 (3) ; pp.291-297
    31. Yoo H S (2002) Statistical analysis of factors affecting the Han River water quality , J. of Kor. Soc. of Env. Eng, Vol.24 ; pp.2139-2150