Introduction

다양한 농업활동으로 인한 비점오염원 발생은 주변 수계 수질에 영향을 준다 (Choi et al., 2023; Sadiqi et al., 2024). 비료 성분인 질소, 인 등의 유출은 수질을 저하시키며 하천 부영양화의 원인이 된다 (Lee et al. 2013; Choi et al., 2020). 생활환경기준(IV) 및 FAO 관개수질 기준은 농업용수의 적정 수질 범위를 제공하나, 단일 수질항목 중심의 분석으로 장기적인 수질변동이나 종합적 수질평가에는 한계가 있다 (Choi and Shin, 1997; Lee et al., 2020; Chidiac et al., 2023).

수질지수(water quality index, WQI)는 다양한 수질 항목을 통합하여 수계의 전반적인 수질 상태를 단일 지표로 정량화하기 위한 목적으로 개발되었다 (Horton, 1965; Hamlat et al., 2017). 초기에는 미국의 National Sanitation Foundation에서 제안한 NSF-WQI가 대표적으로 활용되었으며, 이는 9개 주요 수질 항목에 가중치를 적용하여 수질 상태를 0에서 100 사이의 점수로 산정하는 방식이다 (Brown et al., 1970; Shah and Joshi, 2017; Kachroud et al., 2019). 이후 지역 특성과 관리 목적에 따라 항목의 선택과 산정 방식이 다양화되었는데, 대표적인 수질지수로 CCME-WQI (Canadian Council of Ministers of the Environment Water Quality Index)는 수질항목의 기준 초과 여부 (scope), 초과 빈도 (frequency), 초과 강도 (amplitude)를 반영하여 수질 상태를 종합적으로 평가한다 (Lumb et al., 2011; Shah and Joshi, 2017). 최근에는 실시간 수질 모니터링 체계의 확대에 따라, 시계열 변화와 실시간 측정값을 반영할 수 있도록 설계된 국립환경과학원 (NIER)에서 개발한 RT-WQI (real-time water quality index)와 같은 동적 지표도 도입되고 있다 (Cho et al., 2023; Kwon and Jo, 2023; Jeong et al., 2024).

수질지수 (WQI) 기반의 종합평가로 국내 팔당호에서 RT-WQI, TSI (trophic state index), MST (multivariate statistical techniques)를 이용하여 수질을 평가하였고, 남강에서 도시 및 농지 비율이 수질 항목에 미치는 상관관계를 통계적으로 제시하여, RT-WQI의 적용 가능성을 검토하였다 (Cho et al., 2023; Kwon and Jo, 2023). 도시유역에서 WQI를 이용하여 수질과 토지피복의 상관관계를 평가한 연구가 있지만, 전국단위의 농업 유역을 대상으로한 WQI를 이용한 수질평가 연구는 제한적이다 (Kim et al., 2020).

따라서 본 연구에서는 전국 농업지역 소하천 295개 지점의 10년 (2015 - 2024) 수질 자료를 수집하여, 환경부 수질지수 산정 기준 대비 수질항목의 변동성을 분석하고 수질지수인 CCME-WQI를 산정하여 도별 장기 추세 및 등급특성을 분석하였다. 또한, 주요 수질항목과 수질지수의 변이계수를 분석하여 CCME-WQI의 값 대표성과 수질평가 적용성을 검토하였다. 마지막으로 CCME-WQI와 농지비율, 수질항목, 누적강수량 (4, 7, 10월) 간의 상관관계를 도출하여, 토지이용 특성 및 계절별 강수특성과 수질 간의 상관성을 분석하였다.

Materials and Methods

Research site

본 연구의 주요 목적은 전국 농업지역의 장기 수질 특성 파악 및 통합지표 (CCME-WQI) 적용성 검토인 점을 고려하여, 분석 단위는 광역 권역 단위로 경기도 (GG), 강원도 (GW), 충청도 (CC), 전라도 (JL), 경상도 (GS)의 전국 5개 도에 분포한 하천 수질 모니터링 지점 중 해당 유역의 면적이 500 km² 미만인 지점을 대상으로 수행하였다. Figure 1은 행정구역 (도 단위 경계)과 각 지점에 해당하는 유역을 농지비율에 따라 등급화하여 색상으로 구분한 것으로 짙은 색일수록 농지비율이 높은 유역을 의미한다. 유역은 SRTM (shuttle radar topography mission) 90 m DEM (digital elevation model) 데이터를 이용하여 추출하였다 (CGIAR-CSI, 2000). Table 1에는 연구 대상 유역의 도별 평균 농지비율을 정리한 것으로, 토지이용 정보는 2013 환경부 중분류토지피복지도를 사용하여 추출하였다 (KME, 2013). 전체 평균 농지비율은 22.3%이며, 도별로는 전라도가 27.3%로 가장 높았고, 강원도가 10.0%로 가장 낮은 값을 보였다. 경기도, 충청도, 경상도는 각각 26.1%, 26.2%, 22.1%의 농지비율을 기록하였다. 도별 농지비율, 수질항목, 누적강수량 (4, 7, 10월), 통합수질지수 간의 상관관계 분석을 위한 월별 누적강수량은 기상자료개방포털 (KMA, 2025)의 지상관측데이터를 활용하였다.

Fig. 1.

Spatial distribution of the 295 sampling points (dots) and their corresponding watersheds (polygons) across five provinces in South Korea. Provincial boundaries (SIDO) are shown in gray.

Sampling and analyses

각 지점에서 매년 4월, 7월, 10월에 하천수를 채수하였으며, 채수 시 강우 이벤트가 발생하면 일정 시간 경과 후 채수하였다. 분석 항목은 수소이온농도 (pH), 전기전도도 (EC), 화학적 산소요구량 (COD_Mn), 총질소 (T-N), 총인 (T-P), 부유물질 (SS)이다. pH, EC는 전극법으로 분석하였고, COD_Mn은 과망간산칼륨법으로 적정하여 분석하였다. 총질소 및 총인은 과황산칼륨용액을 넣고 고압증기멸균기로 가열, 분해한 후 UV-Visible spectroscopy를 이용한 비색법으로 측정하였다. 시료의 보관 및 분석은 농촌진흥청 종합검정실 분석 매뉴얼 (RDA, 2013)에 따라 수행되었다.

CCME-WQI (Canadian Council of Ministers of the Environment Water Quality Index) calculation

본 연구에서 선정한 수질지수는 CCME-WQI이다. CCME-WQI는 비실시간 정기자료를 이용하여 중장기적인 수질평가용 지표로서 정기측정자료에 기반하여 산정할 수 있는 장점이 있다 (Lumb et al., 2011; Shah and Joshi, 2017). 본 연구에서는 농업지역의 비점오염을 반영할 수 있는 pH, EC, COD_Mn, T-N, T-P, SS 등 6개 주요 항목을 대상으로 하였으며, 항목별 기준치는 환경부 수질지수 산정기준으로 설정하였다 (Table 2). CCME-WQI는 수질항목의 기준 초과 여부 (F₁, Scope), 초과 빈도 (F₂, Frequency), 초과 강도 (F₃, Amplitude)를 반영하며, 다음과 같은 공식으로 계산된다 (Eqs. 1, 2, 3, 4).

여기서, NFV는 Number of Failed Variables, TNV는 Total Number of Variables, NFT는 Number of Failed Tests, TNT는 Total Number of Test의 약자이다.

Statistical analysis

도별 CCME-WQI의 유의성 검정을 위해 Bonferroni correction 및 Dunn’s test를 수행하였으며, 도별 농지비율, 수질항목, 누적강수량 (4, 7, 10월), 통합수질지수 간의 상관관계 분석은 Pearson 상관계수를 활용하여 수행하였다. 모든 통계 처리는 R 통계 소프트웨어 (R version 4.1.2)를 사용하였다.

Results and Discussion

10년간 (2015 - 2024) 수질항목의 변동특성을 환경부 수질지수 산정 기준으로 평가하였다 (Fig. 2, Table 2). pH는 전 지역에서 7.3 - 8.3의 안정적인 범위를 유지하였으며, EC는 0.2 - 0.3 dS m^-1의 수준이었다. T-N, T-P, COD_Mn은 경기, 강원, 경상도에서는 기준 이내의 안정적인 수준을 유지하였으나, 충청, 전라 지역의 경우 기준 초과가 다수 관찰되어 관리가 필요하다고 판단된다. 이는 충청, 전라도의 연구 대상유역의 농지비율이 상대적으로 높고, 특히, 질소 유출과 관련이 높은 논 면적비율이 충청도 58.8%, 전라도 61.5%로 가장 높은 권역에 속하기 때문이라고 판단된다 (KOSIS, 2023; Lee et al., 2024). SS는 전국적으로 기준을 만족하는 수준이었다.

Fig. 2.

Annual trends (2015 – 2024) of six water quality parameters by province — Gyeonggi-do (GG), Gangwon-do (GW), Chungcheong-do (CC), Jeolla-do (JL), and Gyeongsang-do (GS). The parameters include (a) pH, (b) electrical conductivity (EC), (c) total nitrogen (T-N), (d) total phosphorus (T-P), (e) chemical oxygen demand (COD_Mn), and (f) suspended solids (SS). The green line indicates the national average.

도별 및 전국 평균 CCME-WQI의 장기적인 추세를 분석한 결과 (Fig. 3, Table 3), 경기도는 대부분 연도에서 평균 60.4로 Marginal 등급을 안정적으로 유지하였다. 강원도는 평균 78.5로 Fair - Good 등급에 해당하며, 일부 연도에서는 Excellent 등급에 근접하는 우수한 수질 상태를 보였다. 반면, 충청도는 평균 30.1로 Poor 등급으로 분석 기간 점진적인 감소 추세를 보였다. 전라도는 41.1으로 Marginal 등급에 해당하며, 연도별 수질 변동성이 가장 낮았다. 경상도는 평균 68.1로 Good 등급이었으며, 전반적으로 양호한 수질 상태를 유지하고 있는 것으로 나타났다. 전국 평균은 55.7로 Marginal 등급에 해당하며, 다소 낮은 ㅅ준의 수질 상태가 지속되는 경향을 보였다. Figure 4는 10년간 도별 평균 CCME-WQI 값을 표준편차와 함께 나타내고, Bonferroni 보정을 적용한 Dunn의 사후검정을 이용해 도별 유의한 수질 차이를 통계적으로 비교하였다. 분석결과, 충청도는 유의하게 가장 낮은 평균 수질지수 값을 보여 단독 그룹 (a)으로 분류되었으며, 전라도는 충청도와 유사하나 다른 도들과도 명확한 유의차가 없어 그룹 a와 b에 모두 포함되는 중간 위치 (ac 그룹)를 차지하였다. 반면, 경기도는 전라도보다 유의하게 높은 수질지수를 보여 bc 그룹, 경상도와 강원도는 가장 높은 평균 수질지수를 기록하며 동일한 통계 그룹 (b)으로 분류되었다.

Fig. 3.

Annual variation in the Canadian Council of Ministers of the Environment Water Quality Index (CCME-WQI) by province — Gyeonggi-do (GG), Gangwon-do (GW), Chungcheong-do (CC), Jeolla-do (JL), and Gyeongsang-do (GS) — from 2015 to 2024. The index was calculated based on six key water quality parameters (pH, EC, COD, TN, TP, and SS), using provincial average values for each monitoring period. The green line represents the national average.

Fig. 4.

Average CCME-WQI values (2015–2024) and long-term trends by province — Gyeonggi-do (GG), Gangwon-do (GW), Chungcheong-do (CC), Jeolla-do (JL), and Gyeongsang-do (GS). Error bars represent standard deviations over the 10-year period. Lowercase letters indicate significant differences among provinces based on Dunn’s test with Bonferroni correction (p < 0.05).

Figure 5에서는 주요 수질항목 대비 CCME-WQI의 변이계수 (CV)를 비교하였다. CV는 측정단위 및 평균값이 서로 다른 자료의 변화 폭을 비교할 수 있는 값이다 (Im and Son, 2016; Shin et al., 2018). 강원도의 SS는 약 69.5%의 높은 CV를 보였으나, CCME-WQI는 9.9%로 비교적 안정적인 값을 나타낸 것을 확인할 수 있었고, 경기도의 경우도 COD_Mn의 CV는 25.0%였으나, 수질지수는 13.4%로 낮은 수치를 나타냈다. 이는 단일 수질 항목으로 수질을 평가할 때 수질 상태를 저평가 또는 고평가되는 단점을 극복하며 CCME-WQI가 전반적인 수질 상태를 안정적으로 대표할 수 있음을 나타낸다 (Shin et al., 2018).

Fig. 5.

Coefficient of variation (CV, %) of the CCME-WQI (Canadian Council of Ministers of the Environment Water Quality Index) and individual water quality parameters (pH, EC, COD, TN, TP, and SS) for each province — Gyeonggi-do (GG), Gangwon-do (GW), Chungcheong-do (CC), Jeolla-do (JL), and Gyeongsang-do (GS) — from 2015 to 2024.

Figure 6은 농지비율, 주요 수질항목, 누적강수량 (4, 7, 10월) 및 통합 수질지수 (CCME-WQI) 간의 Pearson 상관관계를 시각화한 결과이다. 농지비율은 COD_Mn (r = 0.91), T-P (r = 0.81), SS (r = 0.83)와 매우 강한 양의 상관관계를 보였으며, EC (r = 0.61)와도 통계적으로 유의한 양의 상관성이 확인되었다 (p < 0.05). 반면, 농지비율과 CCME-WQI 간의 상관계수는 -0.69으로 음의 상관성을 나타내어, 농지 비중이 증가할수록 수질 상태가 저하되는 경향이 있음을 시사하였다. 누적강수량과 주요 수질항목 및 CCME-WQI 간의 상관분석 결과, 7월 누적강수량은 CCME-WQI와 -0.80의 음의 상관관계를 나타내며, 이는 농지비율 (-0.69)보다 수질지수에 더 큰 영향을 미치는 요인으로 확인됐다. 이는 여름철 집중강우 시 비점오염원이 급격히 유입되어 수질이 악화되는 현상을 반영하는 것으로 해석된다 (Kim et al., 2023). 또한, 7월 강수량은 SS (r = 0.70), COD_Mn (r = 0.82), T-N (r = 0.73)과 각각 양의 상관관계를 보여, 강우 시 토사 및 유기물, 질소의 유입이 증가함을 나타냈다 (Lee et al., 2024). 4월 강수량은 COD_Mn (r = 0.04), SS (r = 0.11)와 낮은 상관관계를 보였고, 10월 강수량은 T-P (r = -0.24), SS (r = -0.59)와 음의 상관관계를 보였다. 이러한 결과는 계절별 강우 특성이 수질항목에 미치는 영향이 다름을 보여주며, 특히 7월 강수는 수질지수 및 주요 항목 모두에 영향을 주는 핵심 변수로 작용하는 것으로 나타났다. 한편, 수질항목 간 상관분석 결과 COD_Mn–T-N (r = 0.73), COD_Mn–T-P (r = 0.78), T-N–T-P (r = 0.69), T-P–SS (r = 0.92) 등에서 강한 양의 상관관계가 확인되었다 (p < 0.01). 농지비율과 밀접한 관련을 보인 수질항목 간의 높은 상관성은 이들 오염물질이 공통된 오염원인 농업활동에서 유래되었을 가능성을 시사한다 (EPA, 2003; Sharpley, 2016). 또한, CCME-WQI는 T-N (r = -0.94), T-P (r = -0.81), SS (r = -0.96), COD_Mn (r = -0.86) 등 주요 오염 항목들과 매우 높은 음의 상관관계를 나타냈으며 (p < 0.01), 이는 해당 수질지표가 다양한 오염 항목의 복합적 영향을 잘 반영하고 있음을 의미한다. 이러한 결과는 CCME-WQI가 다양한 수질오염 항목의 복합적 영향을 반영하며, 농업활동에 의한 비점오염과의 관련성을 설명하는 데 유효한 지표임을 시사한다.

Fig. 6.

Pearson correlation matrix among CCME-WQI, key water quality parameters (COD, T-N, T-P, SS), farmland ratio, and cumulative precipitation (April, July, October) across five provinces in Korea. The color intensity reflects the magnitude of the correlation coefficient, with blue indicating negative and red indicating positive correlations. The analysis is based on the average values from 2015 to 2024.

Conclusions

본 연구는 2015년부터 2024년까지 10년간 농업지역 소하천을 대상으로 주요 수질항목과 통합 수질지수 (CCME-WQI)의 변동특성을 분석하고, 변이계수 (CV) 비교를 통해 CCME-WQI의 안정성 및 대표성을 확인하였다.

단일 항목과 환경부 수질지수 산정 기준을 비교한 결과, pH와 EC는 대부분 지역에서 안정적인 수준을 유지하였으며, SS는 전국적으로 기준 이내였다. T-N, T-P, COD_Mn,는 환경부 수질지수 기준을 대부분 지역에서 만족하였으나, 일부 지역에서는 초과가 관찰되었다.

도별 CCME-WQI의 장기 추세 분석결과에서는 경기, 강원, 경상도는 Marginal과 Fair등급의 수질 수준과 안정성을 유지한 반면, 충청도는 점진적 수질 저하 경향을 보였다. CCME-WQI의 변이계수 (CV)는 개별 수질항목보다 대체로 낮아 수질의 변동성을 안정적으로 대표하는 지표임이 확인되었다. 이는 단일 항목 기반의 평가에서 발생할 수 있는 과소 또는 과대 평가의 한계를 보완함으로써, 통합지표로서의 적합성을 제시한다.

또한, 농지비율과 COD_Mn, T-P, SS 간의 높은 양의 상관성과, CCME-WQI와의 음의 상관성은 농업활동이 수질에 미치는 영향을 반영한다. CCME-WQI와 T-N, T-P, SS 간의 높은 음의 상관계수는 해당 지표가 오염물질 농도 변화를 민감하게 반영하는 것을 보여주며, 농업 유래 비점오염 영향을 평가하는 데 효과적인 도구임을 시사한다. 특히, 7월 강수량은 CCME-WQI 및 수질항목과 높은 상관성을 나타내어 여름철 집중강우 시 급격한 비점오염원의 유입을 반영하였다.

이러한 결과는 CCME-WQI가 농업환경 내 수질 상태를 통합적으로 진단하고 장기적 변화 추이를 모니터링하는 데 유용한 수단임을 보여준다. 다만, 본 연구는 연 3회 (4, 7, 10월) 정기 모니터링 자료에 기반하고 있어 유역 내 강우, 유량, 계절 변화 등의 영향을 충분히 반영하지 못했다는 한계가 있다. 향후에는 조사 시기를 확대하고, 비점오염 유출 특성과 연계된 시계열 자료 수집이 병행될 필요가 있다.

결론적으로, 본 연구는 CCME-WQI가 농업지역 하천의 장기 수질 평가에 있어 신뢰성과 대표성을 갖춘 지표임을 입증하였으며, 향후 농업환경 관리 및 정책 수립을 위한 평가 도구로서의 활용 가능성을 제시하였다.