기후변화에 따른 안성천 유역의 미래 수질변화 분석 :

이창원

자료유형: 학위논문

저자정보: 이창원 (인하대학교, 인하대학교 대학원)

지도교수: 김형수

발행연도: 2016

저작권: 인하대학교 논문은 저작권에 의해 보호받습니다.

이용수10

초록· 키워드

19세기 말 이후 현재까지 지구의 평균기온은 약 0.74℃ 상승한 반면 한반도는 약 1.7℃ 상승하여 전지구 상승률보다 2배 이상 상승하였다. IPCC의 AR5는 수온 증가에 따른 극한 수문 사상의 변화는 수질에 영향을 미쳐 수질 오염이 보다 악화될 것으로 전망하고 있다. 따라서 본 연구에서는 최근 인구증가와 도시화로 인해 수질관리의 문제가 대두되고 있는 안성천 유역을 대상으로 미래 수질오염의 변화를 전망하였다. 기준 전망 기간(Reference : 1989 ∼ 2015년)과 미래 전망 기간(FutureⅠ: 2016 ∼ 2040년, Future Ⅱ : 2041 ∼ 2070년, Future Ⅲ : 2071 ∼ 2099년)으로 구분하여 기간별로 미래 수질변화를 예측하였다. 최악의 시나리오인 RCP 8.5 기후변화 시나리오로부터 수문기상 변수들을 얻고, SLURP모형을 이용하여 미래 유출량을 산정하였다. 수질에 영향을 미치는 미래 유출량, 강우 및 기온 자료와 수질 인자간에 다중회귀분석과 인공신경망을 이용하여 수질 변화 예측 모형을 구축하였다. 구축한 모형을 토대로 용존산소량(DO), 생물학적 산소요구량(BOD), 화학적 산소요구량(COD), 부유물질(SS), 총 질소(T-N), 총 인(T-P) 등의 수질 인자들에 대한 미래 수질 변화를 분석하였다. 안성천 유역의 미래 수질 예측 결과, 21세기 말 공도지점은 가을철에 DO는 최대 35% 감소할 것으로 예측되었고, 다른 수질 인자들은 20 ∼ 42% 증가할 것으로 예측되었다. 또한, 동연교 지점은 여름철에 BOD가 최대 17% 감소할 것으로 예측되었으며, 다른 수질 인자들은 12 ∼ 30% 증가할 것으로 예측되었다. 따라서 예측된 결과는 안성천 유역의 장기적인 미래 수질오염 저감계획 수립에 참고 자료로 활용될 수 있고, 지속적인 수질 모니터링을 통해 미래 수질 변화의 추세를 파악함으로써 보다 신뢰성 있는 중장기적인 대책을 마련할 수 있을 것으로 사료된다.

Since the 19th century, the global temperature of 0.74℃ has been increased but, in particular, the temperature of 1.7℃ in the Korean peninsula has been increased and this is over two times of increasing rate of global temperature. The AR5 from the IPCC predicted the extreme hydrologic events will be changed according to the increase of temperature in the future and the future variation of extreme events will also affect water quality which water contamination will be becoming worse. The objective of the study is therefore to estimate the variation of water quality due to the climate change in the future on the Anseong river basin, which has a problem in water quality by population increase and the rapid urbanization. This study used two periods of the reference and the future. That is, there are the reference period (Reference : 1989 ∼ 2015) and the future periods (Future Ⅰ: 2016 ∼ 2040, Future Ⅱ : 2041 ∼ 2070, Future Ⅲ : 2071 ∼ 2099). Then, the future water quality was predicted for each period. The hydrometeorological variables from RCP 8.5 which is the worst scenario were obtained and the future runoff using the variables was simulated by SLURP model. Especially, the hydrologic factors of the simulated runoff, rainfall, and temperature affect water quality. Therefore, hydrologic and water quality factors were used to construct Multiple Linear Regression model and Artificial Neural Network model for the prediction of water quality. The future water quality factors of Dissolved Oxygen(DO), Biochemical Oxygen Demand(BOD), Chemical Oxygen Demand(COD), Suspended Solid(SS), Total Nitrogen(T-N), Total Phosphorus(T-P) were predicted based on the constructed models. From the results of the study, we observed that the DO levels in the Gong-do station will decrease by a maximum 35%, and BOD, COD, SS will have respectively increased to 36%, 20%, 42%. Dong-yeon bridge station will also have a decrease of maximum 17% in DO while BOD, COD, SS will have increased to 30%, 12%, 17%, respectively. Therefore, the predicted results for future water quality factors in Anseong river basin could be used as the reference data for the establishment of long-term plan for the reduction of water contamination and could help for mid and long-term alternatives by understanding the reliable future trend of water quality based on the continuous monitoring.

목 차
제 1 장 서 론 1
1.1 연구배경 및 목적 1
1.2 연구동향 3
1.3 연구내용 및 범위 6
제 2 장 기후변화 시나리오 및 강우-유출 모형 9
2.1 기후변화 및 기후변화 시나리오 9
2.1.1 기후변화 및 기후변동 9
2.1.2 기후모델 및 기후변화 시나리오 11
2.2 강우-유출 모형 19
2.2.1 단기 강우-유출 모형 19
2.2.2 장기 강우-유출모형 20
2.3 강우-유출 모의를 위한 SLURP 모형 선정 21
2.3.1 SLURP 모형에 대한 연직방향 물수지 21
2.3.2 소유역 분할 23
2.3.3 유출 추적 24
2.3.4 SLURP 모형 매개변수 25
제 3 장 미래 수질예측을 위한 통계기법 27
3.1 선형 회귀분석 27
3.1.1 단순 선형 회귀분석 29
3.1.2 다중 선형 회귀분석 29
3.2 인공신경망 분석 기법 31
3.3 최적모형 선정을 위한 적용성 검토 및 이상치 검정 34
3.3.1 적용성 검토 34
3.3.2 이상치 검정 37
제 4 장 기후변화를 고려한 장기 유출모의 및 분석 40
4.1 대상유역 및 자료 분석 40
4.1.1 대상유역 선정 40
4.1.2 수문기상 자료 수집 및 분석 44
4.2 기후변화 시나리오 자료의 편의 보정 47
4.2.1 분위사상법을 이용한 편의 보정 47
4.2.2 기후변화 시나리오 자료 구축 52
4.3 SLURP 모형을 이용한 미래 유출 모의 54
4.3.1 입력자료 구축 54
4.3.2 매개변수 및 검보정 58
4.2.3 미래 유출 모의 60
제 5 장 기후변화를 고려한 미래 수질변화 분석 65
5.1 관측 수질자료 수집 및 분석 65
5.2 수질변화 분석을 위한 다중 선형 회귀모형 설정 68
5.2.1 수문기상 변수와 수질 요소간 상관관계 분석 68
5.2.2 다중공선성 진단 71
5.2.3 수질 예측을 위한 다중 선형 회귀모형 설정 71
5.3 인공신경망을 이용한 수질 변화 분석 74
5.4 최적 모형 선정을 통한 미래 수질변화 분석 80
5.4.1 모형간의 비교 평가 및 최적 모형 선정 80
5.4.2 미래 수질 변화 분석 및 결과 고찰 91
제 6 장 결 론 99
참고문헌 102

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)