Introduction
Materials and Methods
연구 대상 유역
미래 기후변화 시나리오
SWAT+ 모델 및 입력자료 구축
모델 보정 및 검증
Results and Discussion
매개변수 설정 및 모델 보‧검정 결과
미래 기후변화 시나리오 결과
SSP 시나리오에 따른 미래 수문 변화 분석
Conclusions
Introduction
전 지구적으로 기후변화는 기온 상승 및 강수 패턴의 변화 등과 같은 다양한 환경 문제를 야기하며, 수문 순환 체계에 중대한 영향을 미치고 있다 (NIMS, 2022; Oh et al., 2022; Kim et al., 2024a; Lee et al., 2024a). IPCC (Intergovermental Panel on Climate Change) 제6차 보고서 (Sixth Assessment Report, AR6)에 따르면, 고탄소 배출 시나리오 하에서 21세기 말 전 지구 평균 기온은 산업화 이전 대비 최대 약 4.4°C 상승할 것으로 전망되며, 중위도 지역을 포함한 전 세계에서 극한 강수의 빈도 및 강도가 증가할 가능성이 높은 것으로 나타났다 (IPCC, 2021). 우리나라에서도 기후변화로 인한 기온 상승 및 강수 변동성이 나타나고 있다. 기상청에 따르면 지난 1912년부터 2017년까지 한반도 평균 기온은 약 1.8°C 상승하여 전 지구 평균 1.4°C보다 빠른 약 29% 더 높은 증가율을 보였으며 (KMA, 2020), 여름철 폭염 일수 및 열대야 발생 빈도가 지속적으로 증가하고 있다 (Kim et al., 2025). 강수의 경우 계절별 편차 및 극한 강수 발생 빈도는 지속적으로 확대되고 있다 (Ha et al., 2012; Do et al., 2023; Kim et al., 2023b). 특히 여름철에 연 강수량의 50 - 60% 이상이 집중되면서 국지성 집중호우 및 홍수 발생 위험이 커지고 있으며, 반대로 봄철 및 겨울철에는 강수량 부족으로 가뭄 발생 가능성이 높아지고 있다 (Republic of Korea, 2020; Moazzam et al., 2022; Ho et al., 2025). 이러한 현상은 유역의 수문 균형을 불안정하게 하며, 하천 유량의 계절적 불균형을 심화시키는 결과로 이어진다 (Jung et al., 2021; Ryu et al., 2021; Ghafouri-Azar and Lee 2024). 또한 기온 상승은 잠재증발산량을 증가시켜 토양 수분의 손실을 가속화하며, 지하수 재충전 감소 및 하천 기저유량 저하로 연결될 수 있다 (Jeon et al., 2022; Lee et al., 2024b). 특히 Lee and Shin (2021)의 연구에 따르면, 기후변화 시나리오 하에서 농업 저수지의 가용 수자원이 감소하여 미래 농업용수 공급 안정성이 저하되는 것으로 나타났으며, 이는 농업 및 수자원 관리에 중대한 부담으로 작용할 수 있다.
국내에서는 기후변화가 유역 수문에 미치는 영향을 정량적으로 규명하기 위해 SWAT (soil and water assessment tool) 모델을 적용한 연구가 다수 수행되어 왔다. Song et al. (2022)은 영산강 유역을 대상으로 SWAT과 LSTM (long short-term memory networks)을 비교 적용하여 SSP 시나리오 하의 유출량에 대한 불확실성을 분석하였다. Kim et al. (2023a)은 제주도를 대상으로 CMIP6 (Coupled Model Intercomparison Project Phase 6) 기반 공통사회경제경로 (shared socioeconomic pathways, SSP) 시나리오와 SWAT-K 모델을 결합하여 미래 강수, 증발산 및 유출 변화를 분석하였으며, Kim et al. (2024b)는 섬진강댐 상류 유역에 SWAT 모델을 적용하여 SSP 시나리오에 따른 유출 및 수문학적 가뭄 특성을 평가하였다. 기존 연구들은 공통적으로 SWAT에 국한되어 수행되었으며, 연구 대상 유역은 주로 대규모 하천 및 댐 유역에 집중되어 있어 농업 활동과 직결되는 농촌 소유역을 대상으로 한 연구는 부족한 실정이다.
본 연구에서는 SWAT+ 모형을 활용하여 경기도 안성천 상류 농촌유역을 대상으로 SSP1-2.6 및 SSP5-8.5 시나리오를 적용하여 단기 미래 (2040 - 2069년) 및 장기 미래 (2070 - 2099년)의 계절별 수문 성분 변화를 정량적으로 평가하는 것을 목적으로 한다. 지표유출은 강우-유출 반응 및 홍수 발생과 밀접하게 관련되어 있으며, 측방유출은 토양 내 수분 이동을 반영하는 주요 성분이다. 또한 증발산은 물수지에서 가장 큰 비중을 차지하며, 기온 상승의 직접적인 영향을 받는 요소로서 기후변화 반응 평가에 적합하다. 따라서, 본 연구에서는 지형, 토지피복, 토양, 하천망, 기상, 유출량, 저수지 등 입력자료를 기반으로 SWAT+ 모델을 구축하였으며, 농촌 소유역의 강수량 및 기온 변화와 계절별 지표유출, 증발산의 변화를 비교 및 분석하였다.
Materials and Methods
연구 대상 유역
본 연구에서는 경기도 안성시 공도읍 건천리 소재 건천리 수위관측소를 유역 출구 지점으로 하는 안성천 상류 유역을 연구 대상 유역으로 선정하였다 (Fig. 1). 대상 유역의 면적은 총 359.8 km2로, 인근 기상관측소로는 수원, 이천 및 천안 관측소가 위치해 있으며, 고삼 저수지, 금광 저수지 및 마둔 저수지를 포함한다. Fig. 2는 안성천 상류 유역의 공간 자료를 GIS (geographic information system)로 구축한 결과이며, DEM (digital elevation model) 기반 유역의 평균 표고 및 경사는 각각 112.9 m, 14.9% 로 나타났다. 토지이용은 산림지역이 51.4%, 농업지역 38.6%로 나타났으며, 토성의 경우 사양토 43%, 양토 29%로 나타났다.
미래 기후변화 시나리오
본 연구에서는 IPCC AR6에서 제시한 SSP 기반 기후변화 시나리오를 적용하였다. SSP 시나리오는 온실가스 감축 수준 및 기후변화 적응대책 수행 여부 등에 따라 미래 사회 ‧ 경제 구조가 어떻게 달라질 것인지 고려한 시나리오이며, 제5차 보고서 (fifth assessment report, AR5)의 대표농도경로 (representative concentration pathways, RCP)가 온실가스 농도 및 배출 경로만 제시하였던 것과 달리 사회 ‧ 경제적 요인을 함께 고려하는 것이 특징이다 (IPCC, 2021). AR6에서는 사회 ‧ 경제적 발전 경로와 온실가스 배출 수준에 따라 2100년 복사강제력 목표를 달성하는 SSP1-2.6, SSP2-4.5, SSP3-7.0 및 SSP5-8.5의 4가지 대표 경로를 제시하였으며 (IPCC, 2021), 본 연구에서는 기후변화 완화 수준 및 배출 강도의 대조를 위해 4가지 대표 경로 중 저탄소 배출 시나리오인 SSP1-2.6 및 고탄소 배출 시나리오인 SSP5-8.5 시나리오를 선정하였다. 또한 미래 기후변화 전망의 불확실성을 감소시키기 위해 CMIP6에 포함된 18개 전지구기후모델 (Global Climate Models, GCMs)를 통합 평균한 다중 모델 앙상블 (Multi- Model Ensemble, MME)을 사용하였으며 (Table 1), 미래 기간에 대해 단기 미래 (2040 - 2069년) 및 장기 미래 (2070 - 2099년)로 구분하여 SSP 시나리오별 미래 기후 조건을 산정하여 연구 대상 유역의 미래 수문 분석에 적용하였다.
Table 1
List of CMIP6 GCMs used to construct the Multi-Model Ensemble (MME).
| GCMs | Institution (Nation) | Scale | Reference |
| ACCESS-CM2 |
Commonwealth Scientific and lndustrial Research Organisation, Australian Research Council Centre of Excellence for Climate System Science (Australia) | 192 by 144 | Dix et al. (2019) |
| ACCESS-ESM1-5 |
Commonwealth Scientific and lndustrial Research Organisation (Australia) | 192 by 145 | Ziehn et al. (2019) |
| CanESM5 |
Canadian Centre for Climate Modelling and Analysis (Canada) | 128 by 64 | Swart et al. (2019) |
| CNRM-CM6-1 |
Centre National de Recherches Meteorologiques (France) |
24,572 grids distributed over 128 latitude circles | Voldoire (2019) |
| Seferian (2019) | |||
| CNRM-ESM2-1 | |||
| EC-Earth3 | EC-Earth-Consortium | 512 by 256 | EC-Earth Consortium (2019) |
| GFDL-ESM4 | Geophysical Fluid Dynamics Laboratory (USA) | 360 by 180 | John et al. (2018) |
| INM-CM4-8 | Institute for Numerical Mathematics (Russia) | 180 by 120 | Volodin et al. (2019a) |
| INM-CM5-0 | Volodin et al. (2019b) | ||
| IPSL-CM6A-LR | Institute Pierre-Simin Laplace (France) | 144 by 143 | Boucher et al. (2019) |
| KACE-1-0-G |
National Institute of Meteorological Science / Korea Meteorological Administration (Korea) | 192 by 144 | Byun et al. (2019) |
| MIROC6 |
Japan Agency for Marine-Earth Science and Technology / Atmosphere and Ocean Research Institute / National Institute for Environmental Studies / RIKEN Center for Computational Science (Japan) | 256 by 128 | Tatebe et al. (2019) |
| MIROC-ES2L | 128 by 64 | Hajima et al. (2020) | |
| MPI-ESM1-2-HR | Max Planck Institute for Meteorology (Germany) | 384 by 192 | Schupfner et al. (2019) |
| MPI-ESM1-2-LR | 192 by 96 | Wieners et al. (2019) | |
| MRI-ESM2-0 | Meteorological Research Institute (Japan) | 320 by 160 | Yukimoto et al. (2019) |
| NorESM2-LM |
NorESM Climate modeling Consortium consisting of CICERO (Norway) | 144 by 96 | Graff and Schulz (2019) |
| UKESM1-0-LL | Met Office Hadley Centre (UK) | 192 by 144 | Good et al. (2019) |
SWAT+ 모델 및 입력자료 구축
SWAT+는 기존 SWAT을 재설계한 차세대 유역 모형으로, 객체 기반 구조를 채택하여 유역 내 하위유역, 수문반응단위 (hydrologic response units, HRUs), 하천, 저수지, 관개지구 등을 개별 단위로 정의하며 이들 간 연결을 유연하게 설정할 수 있도록 하였다 (Bieger et al., 2017). 이러한 구조적 개선은 복잡한 물 이동 경로, 범람원 연결성, 다중 저수지 운영, 맞춤형 관개 계획 등 다양한 수문 ‧ 관리 시나리오를 모의하는 데 유리하다 (Kiprotich et al., 2021). 또한 HRU는 특정 토지이용 ‧ 토양 ‧ 경사 조합의 단위 수문 반응 구역으로서 기존 SWAT에서도 사용되나, SWAT+에서는 HRU 간 물 이동 및 내부 유역 과정 설정이 가능하여 지표유출, 중간유출, 기저유출의 상대적 기여도를 보다 현실적으로 반영할 수 있다 (Pulighe et al., 2021). SWAT+ 모델의 효율적인 구축 및 적용을 위해 QGIS 기반의 QSWAT+ 플러그인이 활용된다. QSWAT+는 유역 설정, HRU 생성, 입력자료 구성, 시뮬레이션 및 결과 시각화를 일괄적으로 지원하며, SWAT+ Toolbox와 연계하여 다중 목표함수 기반의 자동 보정 및 민감도 분석 수행이 가능하여 공간 기반 유역 모델링의 효율성 및 접근성을 높일 수 있다 (Pulighe and Lupia, 2022). 본 연구에서는 이러한 SWAT+의 구조적 장점과 QSWAT+ 및 SWAT+ Toolbox의 통합 환경을 기반으로 대상 유역의 기후변화 시나리오별 수문학적 거동 및 시공간적 변동 특성을 분석하였다.
또한, 지형, 토지피복, 토양, 하천망, 기상, 유출량, 저수지 등 총 7종의 데이터를 구축하여 모델 입력자료 및 검 ‧ 보정 자료로 활용하였다 (Table 2). 지형자료는 환경부 국가수자원관리종합정보시스템 (water resources management information system, WAMIS)에서 제공하는 30 m 해상도의 수치고도모델을 활용하여 유역 경계 및 경사도를 추출하였으며, 토지피복 자료는 환경부 환경공간정보서비스 (environmental geographic information service, EGIS)의 2020년 기준 대분류 7개 항목을 활용하였다. 토양자료는 2009년 농촌진흥청 (Rural Development Administration, RDA) 1:25,000 정밀 토양도를 활용하였으며, 하천도는 환경부 한강홍수통제소 (Han River Flood Control Office, HRFCO)의 하천망 자료를 활용하여 연구 대상 유역의 주요 지류 연결구조를 반영하였다. 기상자료는 기상청 (Korea Meteorological Administration, KMA) 기상자료개방포털의 종관기상관측 (Automated Synoptic Observation System, ASOS) 자료를 통해 수원, 이천 및 천안 관측소의 강수량, 기온, 풍속, 일조시간 및 상대습도 자료를 수집하여 1995년부터 2024년까지의 실측값을 수집하였으며, 농촌진흥청 국가 기후변화 표준 시나리오 데이터를 활용하여 2040년부터 2099년까지의 CMIP6 MME 기반 미래기후 자료를 사용하였다. 유출량 자료는 WAMIS 유량자료를 사용하여 연구 대상 유역 출구인 안성시 (건천리) 관측소의 2015년부터 2024년까지의 일유량자료를 수집 및 활용하였으며, 저수지 자료는 한국농어촌공사 (Korea Rural Community Corporation, KRC)의 저수지 제원 및 조견표를 참고하여 모델링 자료로써 활용하였다. 이와 같이 구축된 자료는 유역 경계 설정부터 HRU 정의, 유출량 모의, 모델 보 ‧ 검정까지 전 과정에서 활용되었으며, QSWAT+ 인터페이스를 통해 SWAT+ 모델 구조에 반영하였다.
Table 2
Input datasets used for the SWAT+ model.
| Description (Scale / Period)Type | Source | |
| Topography | DEM (30 m) | WAMIS1 |
| Landuse | 7-class classification (2020) | EGIS2 |
| Soil | 1:25,000 scale detailed soil map (2009) | RDA3 |
| Hydrography | Stream networks of the study area | HRFCO4 |
| Climate |
Precipitation, temperature, wind, sunshine duration, humidity from Suwon, Icheon, and Cheonan stations (Observed data 1995 - 2024, Future climate data based on MME 2040 - 2099) |
KMA5 / RDA |
| Streamflow | Daily flow at study watershed outlet (2015 - 2024) | WAMIS |
| Reservoir | Reservoir location and characteristics | KRC6 |
모델 보정 및 검증
SWAT+ 모델의 예측에 대한 신뢰성 확보를 위해 모델 보정 및 검증을 실시하였다. 유역 출구로 설정된 건천리 수위관측소에서 관측된 유출량 데이터와 SWAT+ 모델을 통해 모의된 데이터를 활용하였으며, 모델의 모의 성능 평가를 위해 평균 제곱근 오차 (root mean square error, RMSE), 평균 제곱근 오차 대비 관측 표준편차 비율 (root mean square error-standard deviation ratio, RSR), Nash-Sutcliffe 모델 효율성 계수 (nash-sutcliffe model efficiency coefficient, NSE) 및 편향 백분율 (percent BIAS, PBIAS)을 사용하였다. RMSE는 관측값 및 모의값 간의 차이를 제곱하여 평균한 뒤 제곱근을 취한 값으로, 값이 작을수록 모델의 예측 정확도가 높다는 것을 의미한다. RSR은 RMSE를 관측값의 표준편차로 정규화한 지표로, 값이 0에 가까울수록 모델 오차가 작아 관측값의 변동성을 재현하고 있음을 의미한다. NSE는 관측값 평균을 기준으로 모델의 설명력을 평가하는 지표로, 1에 가까울수록 높은 모의 성능을 나타낸다. PBIAS는 모델이 관측값에 비해 과소 혹은 과대 산정하는 경향을 백분율로 나타내는 지표로, 양의 값 및 음의 값은 각각 과소 모의 및 과대 모의를 의미한다.
본 연구에서는 Moriasi et al. (2007) 및 Moriasi et al. (2015)의 모델 성능 평가 지표 권장 기준 중 유역 단위 유출량 모의 기준을 참고하였다 (Table 3). 해당 연구에서는 유출량 보정 및 검증 결과에 대해 RSR ≤ 0.70, NSE > 0.50 및 PBIAS < ±15% 의 값을 만족스러운 수준으로 제시하였다. 이를 참고하여 2018 - 2019년은 보정기간, 2020 - 2024년은 검증 기간으로 선정하여 유출량 모의를 진행하였다.
Table 3
Criteria for evaluating watershed-scale streamflow simulation performance (Moriasi et al., 2007, 2015).
Results and Discussion
매개변수 설정 및 모델 보‧검정 결과
연구 대상 유역 수문 관련 매개변수 보정을 위해 SWAT+ Toolbox를 활용하였다. 선행연구에서 사용된 수문 매개변수를 참고하여 민감도 분석을 실시하였다 (Kim and Kim, 2017). 민감도가 높게 나타난 alpha, cn2, esco, revap_co에 대하여 매개변수를 보정하였으며, Table 5와 같이 네 가지 매개변수에 대한 최적값이 도출되었다. 도출된 값은 모델 보정 및 검정에 적용하였다.
Table 6은 2018 - 2024년 기간 동안의 유출 모의 성능 지표를 보정, 검증 및 전 기간 평균값으로 정리한 것이다. 전 기간 평균 성능 지표는 RMSE 2.62 mm day-1, NSE 0.62, RSR 0.64, PBIAS -3.05%로 산정되었다. Table 3에서 제시된 선행연구의 기준 지표와 비교하였을 때, 본 연구에서 도출된 전 기간 평균 성능 지표의 경우 NSE 및 RSR은 만족 (Satisfactory), PBIAS는 매우 우수 (Very good) 기준을 충족하였다.
미래 기후변화 시나리오 결과
Table 4와 Fig. 3은 수원, 이천, 천안 관측소를 기반으로 산정한 과거 기준 기간 (1981 - 2010년)과 SSP1-2.6 및 SSP5-8.5 시나리오에 따른 단기 미래 (2040 - 2069년)와 장기 미래 (2070 - 2099년)의 기온 및 강수량 변화를 제시한다. Table 4는 과거 기준값과 미래 기간의 변화량을 수치로 정리하였으며, Fig. 3은 강수량 및 기온의 연도별 아노말리 (anomaly) 및 계절별 변화를 시각화하였다.
Fig. 3
Projected precipitation and temperature changes under SSP1-2.6 and SSP5-8.5 scenarios at Suwon, Icheon, and Cheonan stations for the period 2040 - 2099: (a) precipitation anomaly (%), (b) seasonal precipitation (mm), (c) temperature anomaly (°C), and (d) seasonal mean temperature (°C). Values represent multi-model ensemble means with standard deviations. Historical observations are included for comparison.
Table 4
Historical baseline and projected changes in temperature and precipitation at Suwon, Icheon, and Cheonan stations under SSP1-2.6 and SSP5-8.5 scenarios.
| Variable |
Historical (1981 - 2010) | SSP1-2.6 | SSP5-8.5 | ||
| NF1 | FF2 | NF1 | FF2 | ||
| Precipitation | 1297.7 mm |
1469.9 mm (+ 13.3 %) |
1493.1 mm (+ 15.1 %) |
1510.2 mm (+ 16.3 %) |
1666.8 mm (+ 28.4 %) |
| Temperature | 12.1°C |
14.5°C (+ 2.3°C) |
14.7°C (+ 2.5°C) |
15.5°C (+ 3.4°C) |
18.0°C (+ 5.8°C) |
Table 5
Calibration parameters for watershed-scale streamflow simulations.
| Parameters | Ranges | Calibrated values |
| alpha | 0 - 1 | 1 |
| cn2 | 35 - 95 | 71.73 |
| esco | 0 - 1 | 0.1 |
| revap_co | 0.02 - 0.2 | 0.02 |
Table 6
Model performance metrics for watershed-scale streamflow calibration and validation (2018 - 2024).
강수량 변화는 Fig. 3a와 Fig. 3b에 제시하였으며, 과거 기준 기간 동안 평균 강수량은 1297.7 mm로 나타났다. SSP1-2.6 시나리오에서는 단기 미래에 1469.9 mm로 산정되어 과거 대비 13.3% 증가하였으며, 장기 미래에는 1493.1 mm로 계산되어 15.1% 증가하였다. SSP5-8.5 시나리오에서는 단기 미래에 1510.2 mm로 나타나 16.3% 증가하였고, 장기 미래에는 1666.8 mm로 산정되어 28.4% 증가하였다. 연도별 아노말리 변화를 보면 두 시나리오 모두 변동성이 크게 나타났으며, SSP5-8.5 시나리오에서 증가율과 변동 폭이 더 크게 확인되었다. 계절별 강수량 변화를 살펴보면, 여름철 강수량의 경우 과거 기준 757.2 mm에 비해 SSP1-2.6 시나리오에서는 장기 미래에 876.3 mm로 증가하여 15.7% 상승하였고, SSP5-8.5 시나리오에서는 장기 미래에 942.3 mm로 산정되어 24.4% 상승하였다. 봄과 가을은 약 11 - 21%의 완만한 증가를 보였으며, 겨울철은 과거 기준 71.6 mm에 비해 SSP5-8.5 시나리오 장기 미래에서 99.1 mm로 증가하여 38.4% 상승하였다.
기온 변화는 Fig. 3c와 Fig. 3d에 도시하였으며, 과거 기준 기간 동안 평균 기온은 12.1°C로 나타났다. SSP1-2.6 시나리오에서는 단기 미래에 14.5°C로 상승하여 2.3°C 증가하였고, 장기 미래에는 14.7°C로 산정되어 2.5°C 증가하였다. SSP5-8.5 시나리오에서는 단기 미래에 15.5°C로 나타나 3.4°C 증가하였으며, 장기 미래에는 18.0°C로 계산되어 5.8°C 상승하였다. 연도별 아노말리 변화를 보면 SSP1-2.6 시나리오는 완만한 상승 경향을 보였으나 SSP5-8.5 시나리오는 전 기간에 걸쳐 지속적인 상승을 나타냈으며, 장기 미래로 갈수록 상승 폭이 확대되었다. 계절별 기온 변화는 모든 계절에서 상승하는 경향을 보였다. 여름철은 과거 기준 24.3°C에 비해 SSP5-8.5 시나리오 장기 미래에서 29.3°C로 나타나 20.8% 증가하였고, 가을철은 13.7°C에서 17.8°C로 상승하여 29.9% 증가하였다. 봄철은 최대 33.7%까지 상승하였으며, 겨울철은 과거 기준 -1.1°C에서 SSP5-8.5 시나리오 장기 미래 3.04°C로 증가하여 4.15°C 상승하는 등 저온기에서도 뚜렷한 온난화를 보였다.
SSP 시나리오에 따른 미래 수문 변화 분석
HRU 단위값은 면적 차이가 존재하여 단순 평균이 어려워 면적가중평균을 적용하여 유역 평균값을 산정하였다. Table 7은 SSP1-2.6 및 SSP5-8.5에 따른 단기 미래 및 장기 미래의 계절별 수문 성분을 나타낸 것이다. SSP1-2.6에서는 지표유출이 여름 8.51%, 겨울 23.7% 증가한 반면 봄 -5.42%, 가을 -2.61% 감소하였으며, 측방유출은 봄 -10.39% 감소, 겨울 4.23% 증가로 비교적 작은 변화를 보였다. 증발산은 모든 계절에서 증가하여 봄 7.31%, 여름 0.38%, 가을 7.65%, 겨울 1.27%의 변화를 나타냈으며, 전체적으로 변화 폭은 제한적이다. 반면 SSP5-8.5에서는 계절별 변화가 확대되었다. 지표유출의 경우 여름 25.89%, 가을 24.29% 증가한 반면 봄 -41.07%, 겨울 -35.15% 감소하였으며, 이러한 비 여름철 유출량의 급격한 감소는 농촌유역의 저온기 물 부족 및 봄철 가뭄 위험이 크게 심화될 수 있다. 측방유출은 봄 -52.09%, 겨울 -10.18% 감소와 더불어 여름 3.39%, 가을 3.68% 증가로 나타났다. 증발산은 전 계절에서 증가하였으며, 특히 겨울에 149% 증가하여 가장 큰 폭을 나타냈다. 이는 강수량 감소에도 불구하고 장기 미래 평균 기온이 5.8°C 상승하여 온도 상승 효과가 증발산량 증가로 강하게 반영된 결과로 판단된다. 이는 겨울철 물수지 불균형 및 토양 수분 고갈을 초래하여 봄철 가뭄 위험을 높이는 요인으로 해석된다.
Table 7
Projected seasonal variations of surface runoff, lateral flow, and evapotranspiration under SSP1-2.6 and SSP5-8.5 scenarios for the near and far future periods.
| Scenarios | Variable | Period | Spring | Summer | Autumn | Winter |
| SSP1-2.6 | Surface runoff (mm) | NF1 | 11.44 | 114.51 | 38.72 | 1.35 |
| FF2 | 10.82 | 124.26 | 37.71 | 1.67 | ||
| Change (%) | -5.42 | 8.51 | -2.61 | 23.70 | ||
|
Lateral flow (mm) | NF1 | 5.87 | 11.78 | 10.82 | 2.13 | |
| FF2 | 5.26 | 11.66 | 10.97 | 2.22 | ||
| Change (%) | -10.39 | -1.02 | 1.39 | 4.23 | ||
| Evapotranspiration (mm) | NF1 | 230.5 | 415.92 | 149.34 | 19.74 | |
| FF2 | 247.36 | 417.51 | 160.77 | 19.99 | ||
| Change (%) | 7.31 | 0.38 | 7.65 | 1.27 | ||
| SSP5-8.5 | Surface runoff (mm) | NF1 | 8.01 | 115.49 | 53.27 | 1.65 |
| FF2 | 4.72 | 145.39 | 66.21 | 1.07 | ||
| Change (%) | -41.07 | 25.89 | 24.29 | -35.15 | ||
|
Lateral flow (mm) | NF1 | 5.03 | 11.51 | 11.14 | 2.75 | |
| FF2 | 2.41 | 11.9 | 11.55 | 2.47 | ||
| Change (%) | -52.09 | 3.39 | 3.68 | -10.18 | ||
| Evapotranspiration (mm) | NF1 | 248.13 | 418.7 | 144.96 | 30.59 | |
| FF2 | 304.61 | 431.27 | 176.77 | 76.17 | ||
| Change (%) | 22.76 | 3.00 | 21.94 | 149.00 |
이러한 수문 성분의 변화는 Fig. 3에서 제시된 계절별 강수량 및 평균 기온 변화와 일관된 경향을 나타냈다. 여름철 강수량의 뚜렷한 증가는 지표유출 및 측방유출의 증가로 이어졌으며, 이는 집중 호우에 따른 홍수 위험성이 높아질 수 있다. 또한, 겨울철에는 평균 기온이 과거 -1.1°C에서 SSP5-8.5 장기 미래 3.04°C로 상승함에 따라 증발산이 활성화되어 겨울철 증발산 증가로 반영된 것으로 판단된다. 반면 봄철 및 가을철은 강수량 증가가 상대적으로 작아 지표유출 증가로 이어지지 않았으며, 일부 계절에서는 오히려 감소하는 결과로 나타났다.
Conclusions
본 연구는 SWAT+를 활용하여 SSP 시나리오 하에서 안성천 상류 유역의 미래 수문 성분 변화를 정량적으로 분석하였다. 주요 수문 매개변수 보정 결과, 전 기간 평균 성능 지표는 RMSE 2.65 mm day-1, NSE 0.62, RSR 0.64, PBIAS -3.05%로 도출되었다. SSP 시나리오 분석 결과, SSP1-2.6에서는 강수량이 13.3 - 15.1%, 평균 기온은 2.3 - 2.5°C 상승하였으며, SSP5-8.5에서는 강수량 및 평균 기온이 각각 16.3 - 28.4%, 2.4 - 5.8°C 증가하여 기후 인자 변화 폭이 크게 나타났다. 수문 성분 분석 결과, SSP5-8.5에서는 극단적인 계절별 불균형이 나타났다. 변화 폭이 상대적으로 제한적인 SSP1-2.6과 달리, SSP5-8.5에서는 여름 및 가을철 지표유출이 각각 25.89%, 24.29% 증가한 반면, 봄 및 겨울철에는 각각 -41.07%, -35.15%로 큰 폭의 감소를 보였다. 특히 증발산은 모든 계절에서 증가하였으며, 겨울철에는 149% 증가하는 등 계절별 수문 변동성이 심화되는 경향이 확인되었다.
본 연구의 결과는 미래 기후 변화가 농촌 유역의 수문 성분에 직접적인 영향을 미치며, 특히 SSP5-8.5 시나리오에서 수문 반응의 계절별 불균형이 심화될 가능성을 시사한다. 이는 기후변화 시나리오 기반의 농촌 유역 수문 분석에 있어 SWAT+의 적용 가능성을 보여주며, 계절별 물 관리 정책이 필요할 것으로 사료된다. 본 연구에서는 SWAT+ 및 CMIP6 SSP 시나리오를 적용하여 미래 농촌유역의 계절별 수문 변화를 정량적으로 제시하였다. 그러나 다중 기후모델 앙상블을 활용하였음에도 불구하고, GCM의 구조적 불확실성 및 사회경제적 요소 반영의 미흡이라는 한계를 갖고 있다. 향후 연구에서는 기후모델 간 불확실성 및 비수문학적 요인을 통합적으로 고려함으로써, 수문 반응에 대한 이해를 심화하고 예측 결과의 불확실성을 저감하는 데 기여할 수 있을 것으로 사료된다.
