1. 서 론

해양의 수온 변화는 해양 생태계에 큰 영향을 주고 있으며, 최근 지구 온난화의 가속화로 인해 전 세계적으로 더욱 주목을 받고 있다. 우리나라에서 태풍, 적조, 저염수 이동과 함께 여름철 고수온 및 겨울철 저수온 현상은 양식 및 어업에 큰 피해를 입히고 있다. 해양의 고수온 현상은 양식수산물의 폐사를 야기할 뿐만 아니라 성장률을 저하시키고, 산소 부족에 따른 질병 발생을 일으킨다. 고수온에 따른 양식어류 폐사는 일회적 발생이 아니라 매년 반복적으로 발생하는 경향을 보이고 있다(한국수산개발원 2017). 이에 따라 피해저감을 위한 대책은 지속적으로 논의되었으나 현장에서 활용 가능한 연구나 관련 기술의 개발은 미흡한 실정이다. 이러한 자연재해 및 기후변화로 인한 피해를 최소화하고 사전에 방지하기 위해 수치모델을 활용한 실시간 해양예측시스템의 중요성이 강조되고 있다.

국외 주요 선진국의 해양예측 현황을 살펴보면 미국은 미해양기상청 National Oceanic and Atmospheric Administration (NOAA)의 National Weather Service (NWS)에서 운영하는 Real-time Ocean Forecast System-data Assimilation (RTOFS-DA)을 통해 미국 연안지역의 7일 예보 결과를 사용자가 원하는 대로 제공받을 수 있도록 서비스하고 있다(WMO 2020). 호주의 경우 단기예보를 목적으로 Bluelink 해양예측시스템을 전 지구, 광역, 연안 규모로 구성하여 운영하고 있으며(Schiller et al. 2019; 김 등 2013), 중국의 National Marine Environmental Forecasting Center (NMEFC)는 북태평양, 동아시아를 포함한 북서태평양에 대한 예측시스템을 운영하고 있다. 일본의 경우 일본 기상연구소에서 MOVE/MRI를 개발하여 약 2 km 해상도로 연안해역을 예측하고 있다(Kourafalou et al. 2015). 국내의 경우 한국해양과학기술원의 운용해양예보시스템(Korea Operational Oceanographic System; KOOS)이 한국 주변해역 자료정보수집시스템, 해양기상 및 해양순환예보시스템, GIS기반 정보전달시스템 및 활용예측시스템을 구축하여 체계적인 해양예보시스템을 운영 중이다. 국립해양조사원에서는 12개의 광역, 근해, 연안, 항계모델을 자체 구축하였으며 인공신경망 딥러닝, 통계기법을 활용한 조석과 해수유동, 해양기상 등에 대한 예측정보를 제공하고 있다(변 등 2017). 국립수산과학원은 실시간 해양환경 어장정보 시스템을 구축하여 169개 관측소에서 어장환경정보(수온, 염분, 용존산소 등)를 관측하고 연안의 양식어장 밀집해역과 재해가 빈번한 해역을 모니터링하며 이상해황 발생을 속보로 전달하여 어업 피해를 최소화하기 위해 노력하고 있다. 그러나 현재 해양예측시스템은 광역을 중심으로 운영되고 있으며 연안해역을 예측하더라도 지역이 상대적으로 한정적이고 상세하게 예측하지 못하는 문제점이 있다.

이 연구에서는 천수만 해역을 중심으로 고해상도 수치모델을 구축하고 2022년 여름철(7월–8월) 고수온기 수온예측시스템을 시범적으로 운영하였다. 천수만은 지역적으로 서해 중부 충청남도 연안에 위치해 있으며 남쪽이 개방된 반 폐쇄성 만으로 조류가 우세하며 서산 A/B (간월호, 부남호) 방조제와 같은 인공저수지의 수문개방에 의해 일시적으로 많은 담수가 유입되어 어장환경의 변동성이 큰 해역이다. 다양한 어류자원이 존재하며 황해권역 중 어류 해상가두리 양식이 가장 활발한 해역이다. 그러나 여름철 고수온 현상으로 천수만에서 2013년에는 500톤, 2016년에는 600톤의 양식생물 대량폐사 피해가 발생하였고, 2016년의 경우 고수온으로 인한 대량폐사 피해규모가 약 50억원(73개어가, 조피볼락 3,771마리)으로 경제적 손실이 매우 크게 발생했다(국립수산과학원 2020). 최근 천수만 해역의 여름철 고수온과 겨울철 저수온 현상이 지속적으로 나타나며 양식생물의 집단 폐사가 빈번하게 발생하여 해양 환경 변화에 어민들과 관계기관이 많은 관심을 기울이고 있다(추 2021).

이 연구에서는 천수만 전체해역에서 여름철 고수온으로 발생하는 수산업 피해를 줄이기 위한 대책으로 해양수치모델을 이용하여 이상수온의 발생을 단기적으로 상세하게 예측·예보하였으며 관측된 수온 시계열 자료와 수치모델 결과를 비교 분석하여 수치모델 예측 결과의 정확도를 살펴보았다. 또한 정확한 수온예보를 위한 방안을 제시하였으며, 여름철 강과 호수의 담수방류가 천수만의 물리적 환경에 미치는 영향을 살펴보기 위해 담수방류 민감도 실험을 수행하였으며, 천수만 내부의 여름철 수온과 염분의 3차원적 분포 변화를 분석하고 향후 개선사항을 토의하였다.

2. 수치모델 구성 및 검증

천수만 해역의 물리적 환경변화를 이해하기 위해 3차원 해양수치모델인 Regional Ocean Modeling System (ROMS)를 사용하여 해수면 높이, 수온, 염분, 해류를 모의하였다(Haidvogel et al. 2000; Shchepetkin and Mcwilliams 2005; Kwon et al. 2016; 권 등 2011).

수평해상도는 약 100 m 간격, 연직해상도는 10개층으로 설정하여 고해상도 격자 체계를 구성하였다(Fig. 1a). 또한 국립해양조사원에서 생산한 수심측량기반 150 m 간격 해상도의 해양수치모델 전용 수심 BADA Ver.1을 사용하여 수치모델 수심을 구성하였다(유 등 2019). 천수만 해역의 큰 조차로 인해 수심이 얕은 해역에 위치한 격자가 조위의 시간변화에 따라 수치모델 내부에서 바다 격자가 되거나 육지 격자가 되어 해양 변수들이 계산되게 설정하였다. 개방경계에서 조석자료로는 TPXO9의 10개분조(M2, S2, O1, K1, N2, K2, P1, Q1, Mf, Mm)를 사용하여 조석이 수치모델 영역의 경계에서부터 내부로 전파되게 설정하였다.

Fig. 1.

(a) Model domain includes Cheonsu Bay in the west coast of Korea. Color shading represents bottom topography in meters. Contour interval is 10 m. (b) Cheonsu Bay temperature and salinity observation stations (yellow triangle) and buoy sites (pink star) used for data assimilation. The locations of freshwater discharge points are marked with red dots

대기입력자료 차이에 따른 수온 민감도 실험 구성

천수만 수온예측시스템에서 외력자료로 사용한 대기예측결과인 National Centers for Environmental Prediction (NCEP)의 Global Forecast System (GFS, Saha et al. 2010) 성능을 평가하고자 ERA5 (ECMWF Reanalysis V5) 재분석 자료와 함께 각각 모델을 수행하여 결과를 비교 분석하였다. 해양수치모델에 사용되는 대표적인 대기입력자료로는 유럽중기예보센터(European Center of Medium range Weather Forecast, ECMWF)에서 제공하는 재분석 자료인 ERA5가 대표적이며 또한 NCEP에서 제공하는 GFS가 있다(Table 1). ERA5의 경우 전 지구 영역으로 0.25°의 해상도를 지니며 위성관측자료, 지상 및 해양 관측을 포함한 광범위한 자료를 동화하여 정확한 대기의 재분석 결과(reanalysis data)를 한시간 간격으로 생성하여 제공한다(손 등 2018). NCEP에서 제공하는 GFS의 경우 0.25° 해상도로 최대 16일 예측 결과(forecast data)를 3시간 간격으로 제공한다. 미래를 예측하여 제공하는 대기모델 결과이며 자료동화가 적용되지 않으나 NOAA의 GDAS (Global Data Assimilation System)의 결과를 GFS의 초기장으로 사용한다. GDAS의 경우 4D hybrid ensemble-variational data assimilation (4DEnVar) 자료동화기법을 적용하여 최적의 초기조건을 제공한다(Kleist and Ide 2015). 대기입력자료 민감도 실험의 수행기간은 1년(2021년 기준)으로 설정하였으며 GFS와 ERA5 대기입력자료를 모두 3시간 간격으로 동일하게 구성하였다. 개방경계자료는 Hybrid Coordinate Ocean Medel (HYCOM) 2021년 일평균 해수면 높이, 수온, 염분, 해류 자료를 사용하였다.

천수만 수온예측시스템 수치모델 구성

고수온기인 2022년 7월 14일부터 8월 25일까지 매주 목요일에 일주일 간격으로 총 7회차에 걸쳐 7일동안의 수온예측을 실시하였다. 수온예측을 위해 사용한 대기입력자료로는 민감도 실험을 통해 검증한 GFS의 3시간 간격 7일 예측 자료를 사용하였다. 개방경계조건의 경우 HYCOM의 일평균 7일 예보 자료를 내삽하여 입력자료로 사용하였으며, 2022년 1월 1일부터 7월 13일까지 모델을 수행하여 천수만 수온예측시스템의 초기장으로 입력하였다.

천수만 수온예측시스템(Exp. Control)의 담수 방류는 실제 준실시간 담수방류정보를 획득할수 없어서 과거 방류자료를 장기 월평균하였다. 담수 방류방법은 월평균 방류량을 선형적으로 내삽(interpolation)하여 매 수치모델 계산 시간마다 연속적으로 이루어지며, 한 달 동안의 누적 방류량은 관측 월평균 방류량과 같게 설정하였다. 방류되는 담수의 수온은 물환경정보시스템에서 제공하는 각 방류지점별 과거 수온관측자료를 수집하여 장기 월평균 자료를 만들어 사용하였으며, 담수의 염분은 0으로 설정하였다. 수온예측시스템의 정확도를 높이기 위해 앙상블 칼만필터(Ensemble Kalman Filter) 자료동화 기법을 적용하였으며, 앙상블 멤버수를 30개로 수행하였다. 최근 10일 동안의 관측자료를 모두 수집하여 자료동화를 수행하고 과거 10일 동안을 수치모의하여 초기조건을 만들고, 이 초기조건으로부터 7일 예측이 수행되었다.

천수만 수온예측시스템의 검증은 해양수치모델이 예측(forecast)한 7일 동안의 수온 및 예측 수온의 편향을 보정하여 생성한 예보(prediction) 수온을 관측 수온과 상호 비교 분석하였다. 수온의 편향을 보정한 예보 수온의 생성방법은 다음과 같다. 해양수치모델은 실제 해양의 물리적 과정(process)을 근사적 수식으로 표현하고 계수들을 모수화하여 수치예측을 수행함으로 근본적으로 실제 해양과 완벽히 동일할 수 없다. 따라서 예측 결과와 관측 사이에 나타나는 체계적인 편향이 존재하며, 이를 수치모델의 표류 또는 편향(model drift and bias)라고 한다. 이는 관측 수온과 수치모델 예측 수온의 차이를 일으키는 중요한 요인이다. 수치모델의 예측성을 계선하기 위한 기존 연구들에서 모델의 편향을 제거하기 위해 예측자료와 관측자료의 평균적인 차이를 제거하는 편향 보정(bias correction)을 사용하였다(정 등 2015; 강 등 2021). 이 연구에서도 모델이 가지고 있는 편향(systematic error, bias)을 제거하는 수온 편향 보정을 적용하여 예보 수온을 생성하였다.

Tpredic=Tforecast-(Tforecast¯-Tobs¯)

Tpredic은 수온 편향을 보정하여 생성한 예보(prediction)값이며 Tforecast는 수치모델이 계산한 예측(forecast)결과이다. Tforecast¯와 Tobs¯는 예측 시작일부터 과거 3일의 예측 수온과 관측 수온을 각각 평균한 값이다. 예보 수온의 성능을 향상시키기 위해 1일, 3일, 5일, 7일 평균 편향(Tforecast¯-Tobs¯)을 보정하여 각각의 예보 결과를 관측값과 비교하였을 때, 3일 평균 편향보정이 가장 좋은 예보 성능을 보였으며, RMSE는 0.36°C이었다(Table 2).

간헐적 담수방류실험 수치모델 구성

담수 방류가 수온과 염분 분포에 미치는 영향을 알아보기 위하여 실제 방류 시스템과 유사하게 담수 방류 시기와 기간을 설정한 간헐적 담수방류 실험(Exp. Sporadic)을 수행하고 천수만 내부의 여름철 수온과 염분의 3차원적 분포 변화를 살펴보았다. 간헐적 담수방류실험의 방류시기는 방류 지점별로 농촌용수종합정보시스템 천수만 사업단 2022년 방류 계획 알림 및 실시간 저수율 계측 정보를 참조하였으며, 방류일마다 3시간씩 표층에서(0–4.8 m, 수직 4개 층) 집중 방류하여 실제 담수방류 환경과 유사하게 설정하였다(Table 3). 각 호수와 강으로부터 천수만으로 유입되는 담수 방류량은 기존에 사용된 과거 월평균 자료를 일시적 방류 기간들에 맞추어 분할하였으며, 한 달 동안 방류 총량은 동일하게 설정하였다. 방류되는 담수의 수온과 염분 또한 천수만 수온예측시스템의 담수 자료와 동일하게 사용하였다.

자료 및 모델 검증

천수만 수온예측시스템의 자료동화에 사용된 관측자료는 국립수산과학원이 2회(2022년 7월 9–10일, 19–20일) 천수만 내부(18개 지점)에서 Conductivity-Temperature-Depth profiler (CTD)를 이용하여 직접 관측한 수온, 염분 자료(Fig. 1b, 삼각형 지점)와 국립수산과학원 실시간 해양환경 어장정보시스템의 5개 지점(서산창리, 안면도, 태안내포, 보령삽시도, 보령효자도)의 부이 수온 자료, 국립해양조사원의 1개 지점(대천해수욕장)의 부이 수온 및 염분 자료를 사용하였다(Fig. 1b, 별표 지점).

수온예측시스템 실행 직후 생성된 천수만 내부의 3개 지점(서산창리, 태안내포, 보령효자도)의 예측·예보 수온 시계열 자료를 비교하고, 일평균 표층 수온 수평분포를 3일 간격으로 도시하였다. 예측·예보 결과의 검증은 7일이 지난 후 관측자료가 모두 수집되면 그 편향(bias)과 평균제곱근오차(Root Mean Square Error, RMSE)를 계산하여 정확도를 평가하였다(Figs. 3 and 4). 또한 2022년 7월 20일에 국립수산과학원이 현장 관측한 자료와 2022년 8월 26일에 전남대학교가 현장 관측한 천수만 내부의 수온 및 염분 자료(천수만 내부 13개 관측 지점)를 사용하여 수평 및 수직 분포를 모델 결과와 비교하였다(Figs. 5 and 6).

3. 결 과

대기입력자료 차이(변경)에 따른 천수만 표층수온 변화

천수만 수온예측시스템에 사용한 실시간 예측 자료인 GFS와 재분석 자료인 ERA5를 사용했을 때 표층 수온의 모의 정확성을 살펴보았다. 수치모델 결과 검증은 서산창리(SSCR), 태안내포(TN), 보령효자도(BH)의 표층 수온 관측자료와 비교·검증 하였다.

GFS와 ERA5를 사용한 두가지 실험에서 계절적 표층 수온의 변화를 관측 수온과 매우 유사하게 모의하였다(Fig. 2). 편향과 평균제곱근오차를 기준으로 실험결과를 평가하였을 때 ERA5를 사용한 실험결과가 GFS를 사용한 결과보다 약간 더 나은 성능을 보였다. 보령효자도에서 ERA5로 모의한 표층수온의 편향 및 평균제곱근오차는 각각 -0.09℃와 0.83℃ 인 반면 GFS로 수치모의한 경우는 표층수온의 편향 및 평균제곱근오차가 -0.15℃와 0.89℃이었다. 태안내포의 경우 ERA5의 편향 및 평균제곱근오차는 각각 0.33℃와 0.79℃이며, GFS는 0.25℃와 0.84℃로 모의하였다. 서산창리의 경우 ERA5의 편향 및 평균제곱근오차는 각각 0.54℃와 0.95℃ 였으며, GFS로 모의한 결과는 0.38℃와 1.02℃이었다(Table 4).

Fig. 2.

Time series of daily mean water temperature at (a) Seosan-Changri (SSCR), (b) Taean-Nepo (TN), (c) Boryeong- Hyoja (BH) in 2021. The red, blue, and black lines represent water temperatures from observation, ocean circulation model with ERA5 forcing, and ocean circulation model with GFS forcing

시계열 수온의 변화를 살펴보면 전반적으로 해양 수치모델이 모의한 결과는 관측 수온 보다 여름철에 고온편향(warm bias)을 갖고 겨울철에 저온편향(cold bias)을 가졌다. 해양수치모델의 대기입력자료로 ERA5를 사용한 실험결과가 GFS를 사용하는 것보다 약간 더 작은 표층수온 평균제곱근오차를 갖지만 큰 차이는 아니며 두가지 대기입력자료의 성능이 유사함을 나타냈다.

고수온기(7–8월) 수온 예측 결과 분석

2022년 고수온기 실시간 천수만 수온예측시스템을 구축하고 실제 운영하여 3차 예보기간(7월 28일–8월 3일)과 6차 예보기간(8월 18일–24일)의 실시간 예측 및 예보 결과를 실례로 제시하였다.

3차 예보시기는 본격적인 고수온기가 시작된 기간으로 수온 시계열을 살펴보면 서산창리, 태안내포 지역의 표층 수온이 고수온 경보가 발령되는 28℃ 이상의 높은 수온으로 예측 4일차부터 지속되었다(Fig. 3a and b). 외해의 해수 유입이 빈번한 천수만 남측 입구 지역에 위치한 보령효자도의 경우 다른 관측지역보다 상대적으로 낮은 26–27℃의 수온 변화를 모의하였다(Fig. 3c). 세 지역 모두에서 표층 수온은 시간이 지남에 따라 점차 증가하는 추세를 보였다.

천수만 표층 수온의 수평 분포 또한 시계열 결과와 마찬가지로 수온이 점차 높아졌다. 예보 1일차에 상대적으로 수심이 낮은 천수만 북부 해역부터 수온이 상승하여 약 27℃의 수온 분포를 보였으며 천수만 남부 해역에서는 약 26.5℃ 를 나타내고 지역적으로 약 0.5℃의 수온 차이를 보였다(Fig. 3g). 예측 4일차에 27℃의 수온이 천수만 중부 해역까지 확대되었으며(Fig. 3h), 예측 7일차에 천수만 북부 해역의 수온은 약 28℃, 중부해역은 약 27.5℃, 그리고 천수만 남부해역은 27℃로 천수만 전체 해역에 고수온이 모의되었다(Fig. 3i).

Fig. 3.

Time series of daily mean temperature from July 1 to July 27, 2022: observation (black) and analysis (blue) at (a) SSCR, (b) TN, and (c) BH. Comparison of seven-day forecast (red), prediction (green), and observation (black) at (d) SSCR, (e) TN, and (f) BH from July 28 to August 3, 2022. (g–i) Horizontal distribution of sea surface temperature from numerical model forecast on July 28, July 31, and August 3

수온예측시스템의 3차 시기 예측 및 예보 수온을 관측지점별 수온과 비교하여 예측성을 평가하였다. 예측 수온과 관측 수온의 평균제곱근오차는 서산창리 0.53℃, 태안내포 0.75℃, 보령효자도 0.36℃이었으며, 예보 수온과 관측 수온의 평균제곱근오차는 서산창리 0.29℃, 태안내포 0.58℃, 보령효자도 0.26℃이었다. 예보 수온의 평균제곱근오차가 예측 수온의 평균제곱근오차보다 0.1–0.24℃정도 낮았다(Table 5). 비교한 세 지역 모두 수온의 변화는 유사했지만 태안내포의 경우 상대적으로 다른 지역보다 관측 수온과 예측 수온이 큰 차이를 보였다(Fig. 3d–f). 이는 각 관측지점별 관측 수심의 차이로 사료된다. 서산창리와 보령효자도의 경우 수온관측 기기의 위치(수심)가 각각 5 m와 3 m인 반면 태안내포의 경우 0.3 m로 매우 얕은 수심에서 수온을 관측을 한다. 관측 수심이 해표면에 가까워 해양의 외부적인 요인(선박운항, 어민활동, 고온의 담수 방류 등)에 민감하게 반응하여 짧은 시간동안 급격한 수온의 변화를 보인다고 판단된다.

천수만의 표층 수온은 8월 7–9일 사이에 최고 수온이 된다(Fig. 4). 6차 수온예측 기간에는 이미 고수온기를 지났으며 관측 수온과 수온예측시스템의 예측 수온도 시간이 지남에 따라 점차 낮아졌다(Fig. 4a–c). 각 관측지점별 예측 수온 시계열에서 4일차에 약 28℃이었던 수온이 7일차에 약 27℃까지 1℃정도의 수온 변화를 보이며 낮아졌다(Fig. 4a–c). 수평 분포 또한 1일차부터 4일차까지 27.5–28℃까지 높은 수온이 천수만 내부에 분포하지만7일차에 천수만 전체 해역의 수온이 약 27℃로 낮아졌다(Fig. 4g–i).

Fig. 4.

Time series of daily mean temperature from July 1 to August 17: observation (black) and analysis (blue) at (a) SSCR, (b) TN, and (c) BH. Comparison of seven-day forecast (red), prediction (green), and observation (black) at (d) SSCR, (e) TN, and (f) BH from August 18 to August 24. (g–i) Horizontal distribution of sea surface temperature from numerical model forecast on August 18, 21, and 24

6차 수온예측 기간에도 이전과 동일하게 수온 예측성능을 평가하였다. 예측 수온과 관측 수온의 평균제곱근오차는 서산창리 0.63℃, 태안내포 0.75℃, 보령효자도 0.46℃로 계산되었으며, 예보 수온과 관측 수온의 평균제곱근오차는 서산창리 0.35℃, 태안내포 0.31℃, 보령효자도 0.38℃이었다(Table 6). 3차 예보 기간에 대한 수온 예보 성능평가 결과와 같이 6차 예보 기간의 결과 또한 예보 수온이 예측 수온보다 좋은 결과를 보였다. 이는 수치모델이 가지고 있는 편향을 관측자료를 통해 보정하면 표층 수온의 예보 정확도를 높일 수 있음을 나타낸다.

담수방류 방법의 차이에 따른 천수만 수온과 염분 변화

천수만 내부에서 CTD를 이용하여 2022년 7월 20일와 2022년 8월 26일에 관측한 수온 및 염분 자료를 수온예측시스템(Exp. Control) 결과 및 간헐적 담수방류 실험(Exp. Sporadic) 결과와 수평·수직 분포를 비교하여 담수방류의 효과를 분석하고 고수온기 수온예측시스템의 개선점을 검토하였다.

7월 관측자료에서 나타난 천수만의 표층 수온 분포에는 천수만 북부에 약 27℃의 높은 수온이 존재하며, 외해와 연결되는 남측으로 갈수록 수온이 약 26℃이하로 낮아지는 분포를 보인다(Fig. 5a). 수온예측시스템의 표층 수온 분포는 천수만 북부에서 수온이 약 26.8℃ 이상이었고, 남부로 갈수록 수온이 약 26.2℃이하로 낮아졌다(Fig. 5b). 수온예측시스템의 수온이 관측 수온보다 낮은 저온 편향을 갖고 있지만, 전체적인 수온 분포는 유사하였다. 간헐적 담수방류실험의 표층 수온 분포는 수온예측시스템의 분포와 유사하였으나 약 26.8℃의 수온이 천수만 북부에 제한적으로 나타났다(Fig. 5c). 수온의 남북방향 연직분포를 비교하면(Fig. 5a, red dotted line), 관측 수온은 해표면부터 그 아래 5 m 수심에서 성층화 구조가 뚜렷하게 나타났으나 수온예측시스템은 상대적으로 수온약층이 크게 발달하지 못하였고 (Fig. 5d and e). 간헐적 담수방류실험 또한 수온약층이 충분히 발달하지 못한 분포를 보였다(Fig. 5f).

Fig. 5.

Comparison of the horizontal distributions of surface temperature and the meridional vertical sections of temperature along the eastern channel in Cheonsu Bay (red dotted line) from observation and numerical simulations on July 20, 2022. Contour interval is 0.2°C

7월에 관측된 표층의 염분은 천수만 남부 해역에서 약 31 psu 이상의 고염이 존재하며 중앙부터 북측 해역까지 약 30.5 psu 의 염분 분포를 보였다(Fig. 6a). 수온예측시스템의 표층 염분은 천수만 북부 서산 A/B 방조제 지역에서 약 28.5 psu 이하로 낮았으며, 외해와 연결되는 남부 해역에서는 약 30.5 psu로 상대적으로 높았다(Fig. 6b). 간헐적 담수방류실험의 표층 염분은 관측 염분과 유사하게 천수만 북부에서 약 30.5 psu의 분포를 보이고 남부로 갈수록 약 31 psu 이상의 고염이 분포하였다(Fig. 6c). 염분의 남북방향 연직 분포를 살펴보면(Fig. 6a red dotted line), 관측 염분의 경우 약 31 psu 이상의 고염이 전층에 고르게 분포하였으나(Fig. 6d), 수온예측시스템의 염분은 북부에서 29 psu 이하, 남부에서 30.5 psu 이상의 고염이 나타났고 간헐적 담수방류실험의 염분 분포는 관측 염분 분포와 매우 유사하게 약 31 psu의 염분이 전층에 고르게 분포하였다(Fig. 6e and f). 관측 염분과 간헐적 담수방류실험의 표층 염분이 상대적으로 높은 이유는 농촌용수종합정보시스템의 2022년 천수만 사업단 방류계획 알림표를 살펴보았을 때 천수만 내부에서 방류량이 가장 많은 서산 A/B방조제에서 7월 1일부터 3일까지 한차례 방류 후에 8월까지 담수방류가 없었기 때문이다. 그 결과로 2022년 7월에 천수만 내부가 고염화 되었다고 사료된다. 수온예측시스템은 과거 월평균 방류량 자료를 이용하여 강과 호수로부터 매일 담수를 방류하게 설정하여 천수만 내부의 염분이 관측 자료와 비교하여 상대적으로 낮게 모의하였다.

Fig. 6.

Comparison of the horizontal distributions of surface salinity and the meridional vertical sections of salinity along the eastern channel in Cheonsu Bay (red dotted line) from observation and numerical model on July 20, 2022. Contour interval is 0.5 psu

8월의 경우 관측 수온은 천수만 북부 해역에서 약 28.2–28.4℃로 상대적으로 높고 남부 해역에서는 약 27.8℃로 상대적으로 낮은 분포를 보였다(Fig. 7a). 그러나 수온예측시스템과 간헐적 담수방류실험에서는 8월 천수만의 수온이 관측 수온보다 상대적으로 낮은 27–27.4℃이었으며 천수만 전체 해역에서 남북방향으로 큰 차이가 없이 분포하였다(Fig. 7b and c). 남북방향 연직 수온분포를 살펴보았을 때 관측 수온은 표층에서 약 28.2℃, 저층에서는 약 27.6℃으로 수직적 구배가 뚜렷하였다. 반면 수온예측시스템과 간헐적 담수방류실험이 모의한 연직 수온 분포는 수온약층이 형성되지 않고 수온이 전층에서 비교적 균일하여 관측 수온 분포와 차이를 보였다. 간헐적 담수방류실험의 수온이 수온예측시스템보다 약 0.5℃ 높았으며 수온예측시스템의 6차시기에 예측한 수온이 관측 수온보다 약 1.4℃이 낮은 편향을 갖는 것이 천수만 전체에서 나타남을 확인할 수 있다(Figs. 4 and 7).

Fig. 7.

Comparison of (a–c) the horizontal distributions of surface temperature and (d–f) the meridional vertical sections of temperature along the eastern channel in Cheonsu Bay (red dotted line) from observation and numerical simulations on August 26, 2022. Contour interval is 0.2°C

8월 관측 염분의 경우 천수만 내부가 전체적으로 7월보다 저염화 되었다. 인공 호수로부터 담수가 많이 유입되는 천수만 북부 해역에서 염분이 약 28.5 psu 이하로 낮았고 외해와 인접한 남부 해역에서 약 29 psu 이상의 고염의 해수가 분포하였다(Fig. 8a). 수온예측시스템의 경우 관측 염분과 비교하여 염분이 약 0.5 psu 정도의 높았다. 염분의 차이를 보이지만 천수만 북부 지역에서 낮고 남부 지역에서 높은 패턴의 유사함은 재현하였다(Fig. 8b). 간헐적 담수방류실험의 표층 염분은 서산 A/B 방조제 지역을 제외한 나머지 해역에서 관측자료와 비교하여 약 1 psu 정도 높았다(Fig. 8c). 남북방향 연직 염분 분포는 담수방류의 직접적인 영향을 받는 북부 해역이 매우 강한 저염 분포를 보이고 외해와 남부 해역으로 갈수록 고염이 나타나는 분포를 보인다(Fig. 8d, e and f).

Fig. 8.

Comparison of (a–c) the horizontal distributions of surface salinity and (d–f) the meridional vertical sections of salinity along the eastern channel in Cheonsu Bay (red dotted line) from observation and numerical simulations on August 26, 2022. Contour interval is 0.5 psu

7월에는 인공 호수들로부터 실제 담수 방류가 적었음에도 불구하고, 수온 예측 시스템은 계속해서 담수를 방류하도록 미리 설정되어 정확한 염분 분포와 밀도 변화를 재현하지 못했다. 8월에는 실제 담수 방류가 24일까지 계속되었으며, 고온의 담수가 천수만 내부의 수온을 상승시키는 데 중요한 역할을 했을 것으로 추정되지만 수치모델은 방류되는 담수의 시간, 방류량, 수온을 정확히 고려하지 못하여 수온이 관측자료와 비교하여 천수만 전체 해역에서 약 1℃ 이상 낮았다(Figs. 4 and 7). 수온예측시스템과 간헐적 담수방류실험에 사용된 담수 입력 자료는 모두 방류량, 방류 시기, 담수의 수온에 대한 불확실성을 가지고 있어서 수치모델이 모의한 수온과 염분 분포가 관측 자료와 차이가 있다. 두 수치모델(Exp. Control, Exp. Sporadic)은 서로 다른 담수 방류 시간을 사용하였고 그 결과로 모의된 수온과 염분의 수평 및 수직적인 분포가 크게 차이가 있었다. 천수만과 같이 담수의 영향을 크게 받는 해역의 수온을 실시간으로 예측할 때는 담수 유입 정보(방류 시간, 방류량, 담수의 수온)가 정확히 입력되어야 3차원적 수온과 염분 예측 정확도를 향상시킬 수 있음을 알 수 있다.

4. 토 의

수온예측시스템은 수온과 염분 관측자료를 앙상블 칼만필터를 이용하여 1일 간격으로 동화하였지만, 자료 동화의 효과가 크게 나타나지 않았다. 이는 천수만 내부의 공간적인 관측 자료가 제한적이기 때문이다. 자료동화에 사용된 관측자료는 국립수산과학원이 운영하는 5개 지역(서산창리, 태안내포, 보령효자도, 삽시도, 안면도)의 실시간 어장정보시스템과 국립해양조사원이 운영하는 대천해수욕장 부이에서 관측한 자료를 활용하였으나 실질적으로 천수만 내부에서 수치모델결과에 영향을 줄 수 있는 자료는 3개 정점(서산창리, 태안내포, 보령효자도)에서 얻어진 것으로 자료의 수가 매우 작다. 천수만과 같이 내만의 경우 인공위성으로 관측한 수온 자료를 사용하는 데 한계가 있다. Kwon et al. (2020)은 인공위성이 관측하는 여름철 표층 수온 자료가 황해 연안에서 큰 편향과 관측 오차를 갖는 것을 밝혔다. 또한 상대적으로 넓은 자료의 격자 간격으로 인해 천수만과 같은 좁은 연안역에 사용하기에 적절하지 않다. 따라서 자료 동화의 효과를 향상시키기 위해서는 공간적으로 더 많은 실시간 자료를 수집하여 사용하는 노력이 필요하다. 또한 연구에서 사용된 자료동화 방법은 수치모델의 초기장을 올바르게 수정하여 결과를 개선하는 방법이다. 하지만 조류에 의한 혼합이 활발하여 잔류시간(residence time)이 짧은 천수만 해역에서는 개방경계장을 보정하는 방법을 연구하여 적용하는 것이 더욱 효과적이라 사료된다.

수치모델이 모의한 천수만 내부의 수직적 수온분포를 관측과 비교하였을 때 여름철 수온약층의 발달이 덜되고 상대적으로 연직 혼합이 활발하였다. 이로부터 수치모델이 조석에 의한 혼합을 상대적으로 강하게 모의한다고 사료된다. 천수만 해역은 수심이 얕고 좁은 폭을 가진 반폐쇄성 해역으로 조류의 영향이 크다. 추후 천수만 내부에서 유속계로 조류를 직접 관측하거나 또는 기존 관측자료를 수집하여 조류의 세기를 검증하고, 조석에 의한 수온과 염분의 수직·수평적 혼합 효과를 분석하여 수치모델의 재현성을 향상시킬 필요성이 있다.

대기 외력 자료의 차이로 인한 수온예측 정확도 변화를 살펴보기 위하여 예측자료를 제공하는 GFS를 사용했을 때와 재분석 자료인 ERA5를 사용했을 때 수온의 변동성과 예측오차의 크기가 유사하였다. 그러나 GFS 기상예측모델 자료의 수평 격자 크기는 0.25°로 연안을 예보하기에는 격자의 크기가 비교적 크다. 천수만과 같은 연안 해역의 수온예측시스템 성능을 향상시키기 위해서는 한반도 근해역을 포함하는 고해상도 대기 예측모델로부터 실시간으로 자료를 얻어 활용하는 연구도 추후 필요할 것으로 생각된다.

또한, 천수만과 같이 반폐쇄적 해역에서 저염분의 유입은 해양 환경에 미치는 영향이 매우 중요하다. Park et al. (2011)은 황해에서 매우 낮은 밀도의 저염인 강물방류가 해양 표층으로 유입되어 장벽층(barrier layer)을 형성하고 표층과 수온약층 간의 열교환을 막아 표층의 수온을 유지하는 역할을 한다고 보고했다. 또한 Jung et al. (2022)은 여름에 집중된 강우로 인해 황해의 표층에 염분이 낮은 웅덩이(low salinity pool)가 형성되며, 이는 열과 염분의 수직 교환을 감소시켜 수온을 약 0.2–0.4℃ 상승시킨다고 설명했다. 여름철 천수만 내부의 물리적 특성을 변화시키는 실시간 방류 자료(방류 시간, 방류량, 담수의 수온)의 획득이 필요하다. 그러나 현재까지 천수만의 실제 방류량 정보를 준실시간으로 제공받을 수 없어서 이 연구에서는 과거 담수 방류 자료를 평균하여 사용하였다. 최근에는 인공지능 및 빅데이터 기술의 발전으로 데이터 기반의 인공지능 모델이 여러 분야에서 활용되고 있다. 국내에서는 딥러닝 기법의 하나인 Long Short-Term Memory (LSTM) 모델을 활용하여 남강댐의 물 수위를 최대 24시간까지 예측하고 홍수조절을 위한 방류량을 결정하는 연구가 진행되었다(정 등 2021). 또는 강수량과 지리정보에 기반한 수리수문모델을 구축하여 담수 방류량을 추정하는 방법도 있다. 미국 항공우주국(NASA)가 2022년에 발사한 Surface Water and Ocean Topography (SWOT) 위성은 전 세계 해양 및 호수, 강 등의 수위를 매우 정확하게 관측하여 2024년 4월부터 검증한 자료를 제공할 예정이며, 이를 활용하여 호수 및 방조제의 수위 차를 기반으로 방류량을 역산출하는 기법을 연구할 필요성이 있다. 딥러닝, 수리수문모델 및 인공위성 자료를 활용하여 실제와 유사한 방류량 및 방류 시기를 예측하고 천수만 수온 예측 시스템에 접목하는 연구가 향후 필요할 것으로 판단된다.

5. 결 론

천수만 해역에서 여름철 이상고온에 의한 피해를 줄이기 위한 대책으로 실시간 수치모델 수온예측시스템을 구축하여 예측 수온을 생산하고, 수치모델이 생산한 예측 수온의 체계적 오차(systematic error, bias)를 보정하여 7일 동안 예보 수온을 생성하고 예보 결과를 평가하였다. 이 연구에서는 먼저 수온예측시스템의 대기입력자료로 사용된 GFS 자료를 ERA5 자료와 비교하여 정확성을 분석하였다. 또한 예측기간 중 수온예측시스템의 오차와 불확실성을 파악하고 개선하기 위해 여름철에 강과 호수로부터 천수만 내부로 유입되는 담수가 천수만 수온예측에 주는 영향을 조사하였다.

(1) 수온예측시스템의 예측 수온 및 예보 수온의 정확도을 평가하였을 때 3차 수온 예보 기간(7월 28일–8월 3일) 및 6차 수온 예보 기간 (8월 18일–24일)에 관측지점을 전체 평균한 예측 수온의 평균제곱근오차는 0.58°C이었으며 예보 수온의 평균제곱근오차는 0.36°C이었다. 이는 관측자료를 이용하여 수온예측시스템 결과를 보정하는 것이 예측성을 향상시킬 수 있음을 나타낸다. 그러나 수치모델 예측 수온의 오차를 보정하는 것은 수치모델의 수온편향이 예보기간(7일) 동안 같은 크기로 유지된다는 가정을 사용하기 때문에 수치모델을 사용하여 수온예보를 수행하는 데 있어서 주의가 필요하다

(2) ERA5는 자료동화를 수행하여 과거 기상을 재분석한 자료이며, GFS는 실시간으로 생산되는 분석 자료이다. 이런 차이에도 불구하고 GFS를 대기입력자료로 사용한 해양수치모델 결과와 ERA5를 사용한 해양수치모델 결과의 편향 및 평균제곱근오차의 차이가 크지 않았다. 이는 천수만 해역에서 표층 수온을 예측하기 위해서 GFS 실시간 대기예측자료를 해양수치모델의 대기 입력자료로 사용될 수 있음을 나타냈다.

(3) 실제 담수가 간헐적으로 집중 방류되는 것과 유사한 환경을 고려한 실험에서 담수방류가 적었던 7월의 경우 천수만 전체해역의 고염분포를 잘 재현하였다. 그러나 집중방류가 있었던 8월의 경우 염분 공간 분포는 유사하였으나, 염분이 천수만 중부해역과 남부해역에서 약 1 psu 정도의 차이를 보였다. 이는 실제 담수방류의 총량을 고려하지 않아 나타난 결과로 분석된다. 8월의 수온 분포 또한 관측 자료와 비교하여 약 1°C 이상 낮게 모의하였다. 이는 호수에서 방류되는 담수의 수온이 천수만의 수온보다 높은 것이 반영되지 않아 나타났을 가능성이 있다. 이러한 담수방류 방법에 대한 민감도 실험은 홍수기인 여름철에 천수만의 수온예측을 정확히 하기 위해 담수 방류량, 방류시간, 담수의 수온 정보가 매우 중요하다는 것을 의미한다.

이 연구에서는 실시간 천수만 수온예측시스템이 생산한 예측 수온에 편향보정을 실시하여 예측성능을 향상시킬 수 있다는 것을 보였다. 또한 강과 호수로부터 유입되는 담수 유입자료가 수온예측 정확도에 큰 영향을 미친다는 것을 제시하였다. 수온 예측성능을 더욱 향상시키기 위해서는 향후 천수만 내부 관측망 확대, 자료동화기법 개선, 수치모델 오차보정 방법에 대한 연구가 필요하다. 이 연구는 천수만 수온예측에 대하여 수행되었으나, 다른 연안 해역에서도 같은 방법으로 해양수치모델을 활용하면 여름철 고수온과 겨울철 저수온을 예측할 수 있을 것으로 기대한다.