• Journal of Korean Society of Environmental Engineers
• /
• v.36 no.1
• /
• pp.13-19
• /
• 2014

The management of non point sources was marked by the need for clean water environments. It was proposed the fundamentals to promote the reasonable land management in this study. We monitored rainfall events at two non point sources with different crop cultivations such as a sweet potato and a cherry tree for three years. Because the most important factor was rainfall, the rainfall runoff and pollutant loads were generated 100% in the case of rainfall ranges with 50 < rainfall (mm). However the frequency of rainfall runoff was interacted with the crop cultivation and soil characteristics in the case of rainfall ranges such as 30 < rainfall (mm) ${\leq}50^a$ and 10 < rainfall (mm) ${\leq}30^b$. The frequency of rainfall runoff was a : 60% and b : 5% in the cherry tree cultivation with growing significantly and pollutant loads were lower than that of the sweet potato cultivation. Meanwhile the frequency of rainfall runoff was a : 60% and b : 5% in the sweet potato cultivation.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.424-424
• /
• 2015

본 연구에서는 소유역에서 발생하는 오염물질의 정량화를 위해 오염원 그룹별 발생부하와 배출부하를 분석하고자 하였다. 대상유역은 경기도 가평군 일대이며, 소유역을 8개의 세유역으로 구분하여 발생부하와 배출부하를 산정하였다. 오염원 현황자료는 2012년 전국오염원 조사자료를 기초로 하였으며, 행정구역 단위의 오염원 조사 및 행정구역과 유역의 경계가 일치 하지 않는 경우의 오염원별 점유율은 토지종합정보망(Land Management Information System, LMIS)의 연속지적도 자료를 이용하여 면적비로 산정하였다. 또한 발생원 단위는 실측자료를 우선으로 하되 실측자료가 없는 경우 수질오염총량관리기술지침에서 제시하는 발생원단위를 적용하였다. 대상유역 내에는 산업계, 양식계, 매립계의 오염원은 없었으며, 생활계와 축산계, 토지계 중 축산계의 발생부하량이 BOD, T-N, T-P 모두 가장 높은 것으로 분석되었다. 대상유역의 BOD 발생부하량은 총 891.51kg/day로 산정되었으며, 이 중 축산계가 포함되어 있는 유역의 BOD 발생부하량이 전체의 76.4%에 해당하는 680.70kg/day로 가장 높게 나타났다. 반면, 배출부하량은 생활계, 축산계, 토지계 중 BOD와 T-N은 토지계 배출부하량이 차지하는 비율이 가장 높았으며, T-P의 경우 축산계의 발생부하량이 가장 높은 것으로 나타났다. 유역의 BOD 배출부하량은 총 89.84kg/day로 산정되었으며, 이중 유역 하류에 위치하고 있는 세부 소유역의 BOD 배출부하량이 전체의 30.5%에 해당하는 27.4kg/day로 가장 높게 나타났다. 그러나 총 T-P 발생부하량은 14.12kg/day로 산정되었으며, 축산계가 포함되어 있는 소유역의 T-P 발생부하량은 전체의 64.3%에 해당하는 9.08kg/day로 가장 높았다. 이는 대상유역 내 축산농가의 분뇨가 위탁 처리됨에 따라 발생 부하량에 비해 배출부하량은 상당량 감소하는 것으로 분석되었다. 특히, BOD와 T-N의 경우 축산농가의 영향이 적었지만, T-P의 경우 자연농도가 낮기 때문에 축산농가의 배출부하량이 높은 비중을 차지하는 것으로 판단된다. 그러나 오염원의 정량적인 발생원 규명을 위해서는 오염원 그룹이 포함되어있는 지역에 대하여 장기적인 실측 모니터링 결과를 바탕으로 오염부하를 산정하여 비교?분석하는 연구가 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.282-282
• /
• 2020

본 연구는 여수시 농어촌지역에 대하여 지하수 함양특성, 개발가능량 산정 및 오염부하량 등의 조사를 통해서 체계적인 지하수자원의 보전관리(안)을 수립하기 위해 수행되었다. 연구지역은 여수시 화양면, 소라면 2개 면을 포함하는 농어촌 용수구역(여소지구)으로, 여소지구의 총면적은 130.68 ㎢이며, 이 중 임야면적은 81.57 ㎢, 경지면적은 32.98 ㎢ 이고, 경지면적은 논 15.37 ㎢, 밭 17.42 ㎢, 시설재배 0.19 ㎢로 구성되어 있다. 여소지구의 30년 강수평균은 1,454.08 mm/년이며, 지하수 함양량은 국가지하수관리 기본계획(국토교통부, 2019) 및 전라남도 지하수관리계획(전라남도, 2009) 보고서를 참고하여 평균값인 11.28%로 산정한 결과, 21,279 천㎥/년으로 분석되었다. 또한, 지하수연보(국토교통부, 2018)의 세부용도별 이용량을 활용하여 지하수 이용량을 산정한 결과, 2,638.35 천㎥/년이었으며, 강수량, 함양률 및 면적 값을 고려하여 지하수 개발가능량을 산정한 결과, 16,387.57 천㎥/년, 개발가능량 대비 이용량은 16.11%로 확인되었다. 여소지구의 질산성질소 항목은 총 181개소(경지면적 0.2 ㎢당 1점)에 대해 분석한 결과, 전체 평균값은 6.67 mg/L이었으며, 농업용수 수질기준(20 mg/L)을 초과한 관정은 8개소(6%)로 확인되었다. DRASTIC을 이용한 오염취약성 지수는 평균값이 119.57점으로 나타나 오염취약성이 낮은 것으로 분석되었다. 신고·허가된 축사 시설을 기준으로 점오염원 조사결과, 단위면적당 시설수(오염원밀도)는 3.12 개소/㎢로 조사되었으며, 인구, 가축 및 토지이용 등 인자별을 고려하여 오염부하량을 산출한 결과, 단위면적당 오염부하량은 75.30 kg/day/㎢로 확인되었다. 행정구역별로 7가지 지표를 반영하여 관심, 주의, 경계 및 심각 4단계로 기준을 설정하여 지하수관리 필요지역을 선정하였다. 수량 측면은 개발가능량 대비 이용량, 단위면적당 이용량 및 관정밀 3가지 지표를 적용하였고, 수질 측면은 질산성질소 평균, 오염취약성 지수, 오염원밀도 및 단위면적당 오염부하량 4가지 지표를 적용하여 선정하였다. 지하수관리 필요지역을 분석한 결과, 전체 18개 리 중에서 14개 리에서 수량관리 12개리에서 수질관리 필요지역이 나타났다. 수량관리 필요지역은 지하수 취수량 조정 및 관리 확충 등의 대책방안이 마련되어야 하며, 수질관리 필요지역은 주변 오염원관리 및 수질검사 강화 등의 대책방안이 필요할 것으로 판단된다.

• Journal of Wetlands Research
• /
• v.20 no.1
• /
• pp.80-93
• /
• 2018

Research trend about nonpoint pollution source(NPS) that have studied since 1980 was divided into 4 categories: 1) runoff characteristics of NPS, 2) treatment technique, 3) LID and green infrastructure(GI), 4) management practices and policy. This study reviews them and recommends the future research direction. The research on runoff characteristics of NPS until 2010 was mainly carried out. But recently, many researchers has been conducting studies on technology development, effect evaluation and field application. Providing best measures on NPS should be tried to conduct studies that many fields such as society, geography, meteorology and environment are fused. But it has not been enough yet. Because the cause material and optimum measures of NPS are different from each other regionally, it is considered that it needs studies to prepare measures and guidelines with regional characteristics rather than a uniform measures and guidelines by the central government. In addition, more comprehensive studies must be carried out to establish rules and regulations to manage NPS not only by government sector but also the private sector.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.467-467
• /
• 2023

강우에 의해 발생하는 비점오염물질의 수질 데이터가 충분하지 않아 비점오염원이 문제가 되고 있는 유역의 수질개선을 위한 대책마련이 어려운 실정이다. 기존에 환경부에서 운영하고 있는 자동측정망은 1시간 간격으로 데이터를 축적하고 있으나, 비점오염원이 문제가 되는 유역에 설치되어 있지 않거나 수온, DO, pH 등 현장항목만을 측정하고 있어 하천의 수질오염을 대표할 수 있는 T-P나 SS 등의 수질분석 항목의 부재하다. 이로인해 유역의 수질개선 대책을 수립하기 위한 오염원의 현황을 파악하기 어려운 실정이다. 따라서, 본 연구에서는 비점오염원관리지역 중 골지천 유역을 대상으로 수질항목별 상관성을 분석하고, 실측자료를 기반으로 DT, MLP, SVM, RF, GB, XGB 등의 머신러닝 기법을 통해 수질 예측 가능성을 연구하였다. 상관관계 분석결과 입력변수인 탁도 항목이 예측 수질과 뚜렷한 상관관계를 보이는 것으로 나타났으나, 그 외 항목에서는 약한 상관관계를 보이거나 상관관계가 없는 것으로 나타났다. 머신러닝 기법을 활용한 수질 예측 분석 결과, 검무교와 태봉2교, 제1여량교는 RF 기법에서 결정계수(R²) 0.57~0.86, RMSE 16.49~175.60으로 예측성이 우수한 것으로 나타났다. 관말교는 SVM 기법에서 R² 0.65, RMSE 57.69로, 송계교는 XGB 기법에서 R² 0.74, RMSE 282.86으로 가장 예측성이 우수한 것으로 나타났다. 분석결과와 같이 머신러닝 기법을 활용한 수질 예측은 가능하나, 예측성이 우수한 머신러닝 기법의 R² 비교 결과, 유역면적이 큰 제1여량교와 작은 관말교에서 0.57과 0.65로 다른 지점에 비해 낮은 것으로 나타났다. RMSE 비교 결과, 상류 산간지역에 발생한 국지성 호우의 영향으로 흙탕물이 가장 자주 발생하는 태봉2교 지점과 우선관리지역이 합류되는 송계교 지점에서 175.60과 282.86으로 예측값과 실측값의 오차가 큰 것으로 나타났다. 연구결과와 같이 하천 수질을 예측하기 위해서는 유역면적 혹은 유역특성과 관련한 기초자료를 추가로 적용하여 머신러닝 기법을 적용 해야할 것으로 판단된다. 또한, 본 연구에서 예측한 수질 항목 이외에 입력변수를 추가로 확보하여 수질의 예측 가능성을 검토해야 할 것으로 보여진다.

• The Magazine of the Society of Air-Conditioning and Refrigerating Engineers of Korea
• /
• v.33 no.6
• /
• pp.24-31
• /
• 2004

국내의 경우, 2004년 5월부터 시행예정인 다중이용시설 등의 실내공기질관리법에 따라서, 학교 등의 일부 건축물을 제외하고 신축공동주택 및 대부분의 거주용 공간에 대한 실내공기질관리법이 제정되었다. 이러한, 건축물 내에는 다양한 오염원(sources)과 휘발성유기화합물(VOCs), 포름알데히드(HCHO), 라돈(Radon), 석면(Asbestos), 일산화탄소(CO), 이산화탄소($CO_2$), 이산화질소(NO$_2$), 오존(O$_3$), 미세 먼지(PM10), 부유세균 등 유해오염물질(contaminants)이 존재하고 있다. 또한, 실내공기오염은 각 오염원에서의 유해오염물질 방산정도(emission rate)가 실내외 환경조건, 적용 건축자재의 종류 및 공법 , 환기설비의 특성 및 유형 등에 따라 큰 차이를 보이고 있으므로, 이에 대한 정확한 측정방법의 정립과 그에 따른 적절한 실태조사의 실시가 필요하다. (중략)

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.566-566
• /
• 2016

정부의 4대강 물 관리 종합대책에 따르면, 수계 전체 오염원중 비점오염원이 차지하는 오염부하가 22~37%에 달하는 것으로 추정되고 있다. 하지만 이러한 중요성에도 불구하고 농업지역 비점오염물질 저감을 위한 대책은 논과 밭과 같이 농경지에 관한 것이 대부분이었으며, 축산은 관리 기준의 가장 기초라고 할 수 있는 지목분류기준에 조차 별도의 기준이 없는 실정이다. 가축분뇨공공처리시설과 가축분뇨자원화시설은 가축분뇨를 처리하여야 하는 점오염원이지만, 차량 운반시 발생되는 일부 분뇨와 처리장 세척 시 발생되는 일부 오염물질들이 비점오염원으로 작용하고 있으며 이에 대한 관리가 미흡한 실정이다. 따라서 본 연구에서는 가축분뇨공공처리시설과 가축분뇨자원화시설에서 강우시 발생되는 유출특성을 분석하였으며, 이를 통해 가축분뇨처리시설의 비점오염 관리 처리시설 설치 시에 중요한 기초자료로 활용하고자 한다. 본 연구에서는 경상북도 영천시, 경기도 용인시, 전라북도 정읍시, 강원도 횡성군 등 축산밀집 지역을 대상으로 연 5회 강우시 모니터링을 실시하였으며, 모니터링자료를 바탕으로 유량가중평균농도(Event Mean Concentration, EMC)를 산정하였다. 영천시 가축분뇨자원화시설의EMC 산정결과 평균 BOD 5.1 mg/L, TN 6.90 mg/L, TP 0.91 mg/L로 산정되었으며, 용인시 개별처리농가의 경우 BOD 6.8 mg/L, TN 3.74 mg/L, TP 1.04 mg/L로, 횡성군 가축분뇨공공처리장의 경우 BOD 4.5 mg/L, TN 3.56 mg/L, TP 1.60 mg/L로, 정읍시 가축분뇨공공자원화시설의 경우 BOD 4.3 mg/L, TN 6.82 mg/L, TP 0.48 mg/L로 산정되었다. BOD, TN은 영천시 가축분뇨자원화시설에서 가장 높게 나타났고, TP의 경우 횡성군 축산폐수공공처리장의 경우 높게 나타났다. 유출특성을 분석한 결과 가축분뇨자원화시설의 경우 대부분 콘크리트 기반으로 조성된 토지위에 조성되어 강우시 유량은 급격하게 상승하며, 강우가 종료되면 바로 감소하는 불투수층 지역의 특성을 나타났다. 본 연구에서 분석된 유츨특성과 EMC는 비점오염 처리시설이나 가축분뇨공공처리시설 설치시 기초데이터로 활용이 가능할 것으로 판단되며, 향후 가축분뇨처리시설의 지속적인 모니터링과 모니터링지점 확대로 자원화시설 강우유출수의 DataBase화를 통한 지속적인 연구 및 관리가 되어야 할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.251-251
• /
• 2020

원주시를 비롯한 남한강 지류인 섬강의 중·하류 지역에서의 물 부족 및 수해를 방지를 위하여 남한강 지류인 섬강 유역에 횡성댐이 건설되었다. 그러나 상수원으로 이용되는 타 댐에 비해 횡성댐의 최근 5년간 TOC와 BOD₅의 평균 농도가 높은 것으로 나타났다. 횡성댐 유역의 수질 오염은 원주시와 횡성군의 식수원인 횡성호의 수질에도 악영향을 미치게 되어 이에 대한 개선책이 필요하다. 이에 본 연구에서는 횡성댐 유역의 주요 유입하천을 대상으로 오염원 현황을 파악하고 홍수기 유량·수질 모니터링을 통한 오염원 특성 및 기여도를 분석하였다. 이를 바탕으로 SWAT 모형을 구축한 후 횡성댐 유역 내 주요 우심하천인 구사천과 횡성댐 말단 지역에 대해 적용 가능한 총 5가지의 수질개선 대책 시나리오를 구성하여 유역 모델링을 통한 전체유황, 홍·풍·평수기, 저·갈수기 수질 오염 저감 효과를 분석하였으며, 추가적인 수질개선 대책으로 지역적 특성을 반영하여 오염원별 다양한 관리대책을 제시하였다. 우심하천인 구사천의 경우 마을하수도 설치에 대한 오염부하 저감 효과와 벌목에 대한 오염부하 영향에 대한 시나리오를 모델 내 적용하여 분석하였다. 또한 횡성댐 유역 말단에 대해 비가림시설 및 유출방지턱 설치에 따른 오염부하 저감 효과, 표준시비량 적용 및 농업BMPs(물꼬관리, 완효성비료, 볏짚피복, 초생대)에 따른 오염부하 저감 효과를 분석하였다. 시나리오별 수질개선 효과를 분석한 결과, BOD₅는 최소 0.1 ~ 11.6%의 수질개선 효과가 있었으며, T-N은 0.1 ~ 22.3%, T-P는 0.1 ~ 31.8%, TOC는 0.1 ~ 3.8%의 수질개선 효과가 있는 것으로 나타났다. 각 수질항목별 시나리오를 분석한 결과, 비가림시설 및 유출방지턱과 축산분뇨 위탁처리 시나리오, 경작지 표준 시비량 시비 및 농업 최적관리 적용 시나리오의 오염원 저감 효율이 가장 높은 것으로 나타났다. 향후 본 연구에서 제시한 오염저감 시나리오와 수질개선 대책 등을 통해 도출된 결과는 횡성댐 유역의 수질 개선을 위한 대책 수립에 기여할 수 있을 것이라고 판단되나, 횡성호 상류유역의 수질개선만 고려했기 때문에 호소 내 수질관리에 대한 후속 연구가 추가적으로 필요할 것으로 판단된다.

• Journal of Wetlands Research
• /
• v.25 no.4
• /
• pp.306-314
• /
• 2023

Stream sediments are an important component of water quality management because they are receptors of various pollutants such as heavy metals and organic matters emitted from upland sources and can be secondary pollution sources, adversely affecting water environment. To effectively manage the stream sediments, identification of primary sources of sediment contamination and source-associated control strategies will be required. We evaluated the performance of machine learning models in identifying primary sources of sediment contamination based on the physico-chemical properties of stream sediments. A total of 356 stream sediment data sets of 18 quality parameters including 10 heavy metal species(Cd, Cu, Pb, Ni, As, Zn, Cr, Hg, Li, and Al), 3 soil parameters(clay, silt, and sand fractions), and 5 water quality parameters(water content, loss on ignition, total organic carbon, total nitrogen, and total phosphorous) were collected near abandoned metal mines and industrial complexes across the four major river basins in Korea. Two machine learning algorithms, linear discriminant analysis (LDA) and support vector machine (SVM) classifiers were used to classify the sediments into four cases of different combinations of the sampling period and locations (i.e., mine in dry season, mine in wet season, industrial complex in dry season, and　industrial complex in wet season). Both models showed good performance in the classification, with SVM outperformed LDA; the accuracy values of LDA and SVM were 79.5% and 88.1%, respectively. An SVM ensemble model was used for multi-label classification of the multiple contamination sources inlcuding landuses in the upland areas within 1 km radius from the sampling sites. The results showed that the multi-label classifier was comparable performance with sinlgle-label SVM in classifying mines and industrial complexes, but was less accurate in classifying dominant land uses (50~60%). The poor performance of the multi-label SVM is likely due to the overfitting caused by small data sets compared to the complexity of the model. A larger data set might increase the performance of the machine learning models in identifying contamination sources.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.8 no.6
• /
• pp.155-160
• /
• 2008

The urban areas have various landuses such as residential, commercial, industrial and official purposes that are highly concerned with human activities. The other landuses are relating to vehicle activities, which are roads, parking lots, bridges, parks etc. The mainly using landuses by human activities are possessing three different areas that are buildings, parking lots/roads and landscapes. Of these areas, the buildings and landscapes can be classified as non-pollution areas. However, the parking lots or roads are classifying as the main pollution areas because of vehicle activities. Therefore, the landuses arising the nonpoint pollution during a storm in urban areas are roads and parking lots. The vehicles are emitting lots of nonpoint pollutants such as metals and particulate matters and it is impacting on water qualities and aqua-ecosystems nearby the city areas. Therefore, this research was conducted for characterizing the pollutant types and determining the EMCs (Event Mean Concentrations) and unit pollutant loads during a storm. The monitoring was performed on 9 locations such as highways, service area, tollgates, parking lot and bridges. All of the landuses selected for monitoring are concerned with transportation. The results can be effectively used to predict the pollutant loading before urban planning and to select the BMPs (Best Management Practices) for reducing the pollution.