Pilot-scale coagulation and sedimentation processes were operated to investigate the T-P (Total phosphorus) removal efficiency. A multiple regression model was also derived to predict the water quality improvement effect with river water characteristics. The inflow rates for the pilot-scale facility were 157–576 m3/day, and the coagulant doses were in the range of 13.7–58.5 mg/L (average 38.9 mg/L) for PAC (Poly alum chloride) and 16.5–62.1 mg/L (average 36.0 mg/L) for alum. The results found that the influent BOD (Biochemical oxygen demand) and T-P concentrations were 4.9 mg/L and 0.115 mg/L, and the removal efficiencies were 52.7% and 59.4%, respectively. T-P removal efficiencies on wet weather days were higher by 10% than dry weather days because influent solids influenced T-P's coagulation process. The pH of river water was 6.9–7.8, and the average pH was 7.3. Although the pH variation was not significant, the trend showed that the treatment efficiency of T-P and PO4-P removal increased. Thus, the pH range considered in this study seems to be appropriate for the coagulation process, which is essential for phosphorous removal. The T-P removal efficiencies were 19.6–93.3% (average 59.2%) for PAC and 16.4–98.5%(average 55.9%) for alum; thus, both coagulants showed similar results. Furthermore, the average coagulant doses were similar at 42.4 mg/L for PAC and 41.3 mg/L for alum. When the T-P concentration of the effluent was compared by the [Al]/[P] ratio, the phosphorus concentration of the treated water decreased with an increasing [Al]/[P] ratio, and the lowest T-P concentration range appeared at the [Al]/[P] ratio of 10–30. A seasonal multiple regression analysis equations were derived from the relationships between 10 independent and dependent variables (T-P concentration of effluent). This study could help lake water quality maintenance, reduce eutrophication, and improve direction settings for urban planning, especially plans related to developing waterfront cities.

신천의 어류 군집 특성과 하천의 건강성을 밝히기 위해 2019년 4월부터 10월까지 조사를 시행하였다. 조사기간 동안 23개 지점에서 채집된 어류는 12과 30종 3,677개체였다. 우점종은 피라미(Zacco platypus, 28.4%), 아우점종은 대륙송사리(Oryzias sinensis, 13.6%), 그 다음으로 참갈겨니(Zacco koreanus, 11.8%), 버들치(Rhynchocypris oxycephalus, 11.7%), 붕어(Carassius auratus, 9.6%), 참붕어(Pseudorasbora parva, 7.9%) 등의 순으로 우세하게 출현하였다. 출현 종 중 한국고유종은 10종(33.3%)이었고, 외래종은 이스라엘잉어(Cyprinus carpio (Islaeli type), 떡붕어(Carassius cuvieri), 배스(Micropterus salmoides), 구피(Poecilia reticulata), 플래티(Xiphophorus maculatus) 5종(16.7%)이었으며, 육봉형 어류는 둑중개(Cottus koreanus)와 밀어(Rhinogobius brunneus) 2종(6.7%), 기후 변화 민감종은 둑중개 1종(3.3%)이 출현하였다. 어류 군집분석 결과, 신천본류와 수동천, 청담천은 우점도는 낮고 다양도는 높았으며, 동두천과 상패천은 우점도는 높고 다양도는 낮았다. 하천건강성은 최상류와 지류인 수동천이 매우 좋음, 좋음이었으나 상류부는 보통, 중·하류부는 나쁨, 매우 나쁨으로 나타났다. 수질도 중류부터 하류까지 대부분 나쁨 또는 매우 나쁨이었고 지류 수동천만 매우 좋음이었다. 따라서 수질이 어류서식에 큰 영향을 미치면서 결국 하천건강성에 큰 영향을 주는 것으로 판단되었다. 연도별 신천의 수질은 점점 좋아지는 경향을 보였으며 외래종의 도입은 매우 부정적인 요인이었다. 신천의 하천건강성을 향상시키기 위해서는 수질개선과 더불어 외래어종의 관리가 요구된다.

유사한 시기에 조사된 다른 위도의 저서성대형무척추동물 군집 구조의 시공간적 차이를 비교한 결과, 평창 조사지역에서는 3문 5강 12목 44과 69분류군 13,042개체, 완도 조사지역에서는 4문 5강 12목 37과 52분류군 8,887개체가 채집되었다. 평창이 완도보다 다양도와 균등도 또한 높게 나타났다. 우점종은 평창에서는 두점하루살이로 나타났고, 완도에서는 길쭉하루살이로 서로 달랐다. 집괴 분석 결과 평창과 완도 조사지역의 군집 특성이 명확하게 나누어졌으며 지역 내에서는 대체로 계절성의 영향이 컸다. 지표종 분석에서는 총 4종의 지표종이 선정되었으며 대체로 해당 조사시기 및 지점에만 나타난 종이 선정되었다. 기능적 군집으로는 주워 먹는 무리인 깔따구류를 제외하였을 때 평창 조사지점에서는 긁어먹는 무리가 가장 많았다. 완도 조사지점에서는 주워 먹는 무리가 가장 많았으며 평창 조사지역에 비해 걸러먹는 무리의 비율이 더 높았다. 군집 온도지수 산출 결과 평창이 9.8℃, 완도가 11.0℃으로 평창의 군집이 더 낮은 온도를 선호하는 것으로 나타났다. 이는 서식지 온도 특성이 저서성대 형무척추동물 군집 구성에 크게 영향을 미치고 있음을 반영해 주었다.

2015년 4월부터 10월까지 남양호 유역의 어류군집 특성을 밝히기 위해 유입하천을 포함한 9개 지점에서 조사 하였다. 남양호 유입하천 (St. 1~St. 6)에서 27종 5,899개체가 출현하였으며 우점종은 참붕어 Pseudorasbora parva (33.5%)로 나타났다. 남양호 (St. 7~St. 9)에서는 20종 5,672개체가 출현하였으며 우점종은 붕어 Carassius auratus (32.2%)로 나타났다. 남양호 유역에서 츨현한 고유종은 각시붕어 Rhodeus uyekii, 가시납지리 Acanthorhodeus gracilis, 몰개 Squalidus japonicus coreanus, 왜매치 Abbottina springeri, 얼룩동사리 Odontobutis interrupta 5종으로 유입하천에서 전체 출현 종의 18.5%, 남양호에서 15% 로 유입하천에서 고유종의 빈도가 높게 나타났다. 외래종은 떡붕어 Carassius cuvieri, 블루길 Lepomis macrochirus, 배스 Micropterus salmoides가 출현하였으며 유입하천에서 전체 출현 종의 7.4% 남양호 15.0%로 호소 내에서의 외래 종의 빈도가 높게 나타났다.

최근 건설시장에 4차 산업혁명기술의 급속한 확산과 도입, 적용이 트랜드로 부각되고 있다. BIM 기술은 4차 산업혁명 기술의 근간을 이루는 다차원 정보체계이다. 이러한 정보기반체계를 활용한 하천분야도 유지관리를 위한 현행화 방안 등 적극적인 연구검토가 되고 있다. 최근 하천 전문가들의 하천분야 BIM도입 효과에 필요성을 반영하여 적극적인 연구와 현행화 작업을 해야 된다. 그리고 첨단기술을 반영한 시설물 유지관리 정보체계를 활성화하고 관리계획 수립 및 운영을 위해서는 다양한 정보체계를 구축하기 위한 도구 및 지원소프트웨어의 개발이 반드시 필요할 것으로 전망된다. 하천시설의 유지운영을 위한 연구로 기본적으로 기존 도면자료를 이용하여 3차원 정보모델을 구축하고 이를 활용한 손상을 점검하고 정보화하며 보수보강을 위한 자료로 활용토록 하는 것이다. 이는 기존 도면방식에 없는 정보체계를 하천시설물을 3D 모델링과 함께 유지관리정보를 속성으로 구축하는 방법을 연구하여 유지운영을 위한 점검, 손상 관리를 보다 효과적이고 활용성이 높은 관리방안을 제시하고자 하였다.

The increased turbidity in rivers during flood events has various effects on water environmental management, including drinking water supply systems. Thus, prediction of turbid water is essential for water environmental management. Recently, various advanced machine learning algorithms have been increasingly used in water environmental management. Ensemble machine learning algorithms such as random forest (RF) and gradient boosting decision tree (GBDT) are some of the most popular machine learning algorithms used for water environmental management, along with deep learning algorithms such as recurrent neural networks. In this study GBDT, an ensemble machine learning algorithm, and gated recurrent unit (GRU), a recurrent neural networks algorithm, are used for model development to predict turbidity in a river. The observation frequencies of input data used for the model were 2, 4, 8, 24, 48, 120 and 168 h. The root-mean-square error-observations standard deviation ratio (RSR) of GRU and GBDT ranges between 0.182~0.766 and 0.400~0.683, respectively. Both models show similar prediction accuracy with RSR of 0.682 for GRU and 0.683 for GBDT. The GRU shows better prediction accuracy when the observation frequency is relatively short (i.e., 2, 4, and 8 h) where GBDT shows better prediction accuracy when the observation frequency is relatively long (i.e. 48, 120, 160 h). The results suggest that the characteristics of input data should be considered to develop an appropriate model to predict turbidity.

본 연구는 점오염원인 하수종말처리장으로부터 배출되는 물의 수질을 분석하고 배출수의 영향을 받는 어류 중 지점들에서 공통적으로 출현하는 어종인 피라미 (Z. platypus) 를 선택하여 조직학적 변화를 참조하천 지점의 수질과 어류 조직을 비교·분석하였다. 2019년 6월 27~28일 하수종 말처리장 4곳 (대전, 전주, 청주, 익산)의 채집 결과, 참조하 천에서 22종 450개체로 가장 많은 종수 및 개체수가 확인 되었다. 지점별로 5개체씩 2~3년생 피라미의 조직표본을 제작하여 아가미와 근육조직 (피부조직)을 관찰한 결과, 참조하천을 제외한 나머지 지점의 조직은 병리적인 양상을 나타내었다. 수질분석 결과, 각 WTP에서는 배출수질 기준을 준수 혹은 더 좋은 수질로 방류하고 있었다. 그러나 하수종말처리수 배출수 및 방류수계 수질에서 오염도지표를 나타내는 항목인 BOD, COD, TP, TN, SS 값이 참조하천에 비해 높은 것으로 나타났다. 빈약한 어류상과 바이오마커로 이용된 종의 조직병리학적 상태는 참조하천에 비해 낮은 수질에서 기인한 것으로 추측되며, 따라서 원인이 되는 하수종말처리장 배출수 수질개선이 이루어져야 할 것으로 사료된다.

국내 주요 6개 하천의 보에 설치된 어도에서 2~9년 이상 매월 연속적이고 장기적으로 어류의 어도이용을 조사하였다. 어류의 어도 이용은 어도 출구부에서 trap에 의한 직접 채집 방법으로 조사하였다. 6개 지점의 어도를 이용하는 어류와 하천에 서식하는 어류의 군집구조는 차이를 보였다. 어류의 어도 이용은 대략 2~7종이 전체의 80% 이상을 차지하였다. 이것은 어류의 어도 이용이 종적 생리특성에 따라 특화된 결과로 보이며, 단순히 어도에서의 흐름에 따라 어도 이용을 유인하는 경우는 많지 않은 것으로 보인다. 또한, 6개 지점에서 어도 이용 어류의 분포는 하천의 위치 및 보에 설치된 어도형식에 따라 달랐다. 이러한 차이는 해양 및 하구로부터 이동한 회유종의 분포 여부에 의한 결과로 보인다. 또한, 어도형식에 따른 수리특성의 차이도 영향을 주었다. 대체로 어도 내부에서 상대적으로 빠른 유속을 보이는 버티컬슬롯식 어도에서 어도이용 종수가 적고 유영능력이 좋은 어류의 비율이 높았다. 어도를 이용하는 주요 어류의 분석결과는 어도 계획과 이를 위한 주요 대상종의 선정에 활용될 수 있을 것이다.

본 연구는 우리나라 하천 내 주요 외래어류 종인 떡붕어 (Carassius cuvieri), 배스 (Micropterus salmoides), 블루길 (Lepomis macrochirus)에 대한 국내 서식 환경을 확인하고, 어류 군집에 대한 영향을 분석하였다. 해당 외래어류종은 모두 어류 종수가 많고 종다양성이 높은 곳에 주로 서식하였다. 각 외래어류의 개체수가 증가할 때, 전체 어류의 출현 종수 및 개체수는 감소하여 어류 군집에 부정적인 영향을 보여주었다. 또한 생물 연결망을 구성한 결과, 하천 내 떡붕어는 쏘가리와 우리나라 고유종인 참갈겨니, 참 중고기 등과, 배스와 블루길은 가물치 및 쏘가리와 고유종인 참중고기와 줄납자루 등과 낮은 출현 유사성을 보였다. 그리고 외래어류 3종 모두 각각의 연결망을 구성하는 다수의 어류들과 낮은 출현 유사성을 보여, 잠재적으로 외래 어류에 의한 어류 군집 내 피해 및 교란이 크게 나타날 것으로 예상되었다. 본 연구의 결과, 국내 하천생태계 내 유입된 지 50년 가까이 지난 외래어류 3종은 여전히 하천 내 어류 군집과 국내 고유종에 부정적인 영향을 미치고 있었다. 따라서 하천 내 외래어류에 대한 지속적인 모니터링과 관리가 요구된다. 차후 다양한 외래어류 및 하천생태계 내 생물분류군에 대한 통합적 연구가 수행된다면, 하천생태계 전반에 대한 외래어류의 영향 평가 및 구체적인 생물 자원 관리 방안 마련이 가능할 것이다.

본 연구는 wadeable stream (1차~4차 하천)을 대상으로 보의 유·무에 따른 어류군집의 차이를 분석하였다. 하천의 규모에 따른 차이를 분석하기 위해서 하천차수로 구분 하여 보의 유·무가 어류군집에 영향을 미치는지를 파악하였으며, 3차와 4차 하천에서 어류군집의 차이가 확인되었다 (P<0.005, PERMANOVA). 보의 유·무에 따라 총 출현 종수, 총 출현 개체수, 종 풍부도와 같은 요인들이 차이를 나타냈으며, 외래종, 고유종, 보호종 개체수의 경우 차이를 나타 내지 않았다. SIMPER 분석을 통해서 어류군집 차이에 주로 기여하는 종을 분석한 결과 해당 차수의 하천에 우점적으로 나타나는 피라미 (Zacco platypus), 참갈겨니 (Zacco koreanus), 돌고기 (Pungtungia herzi)와 같은 보편종으로 확인되었다 (contribution>5%). 이들 종은 모두 보가 있는 지점에 서 평균 상대풍부도가 높게 나타났으며, 보로 인해 변화된 환경이 이들 종에 대해서 주요 서식처를 제공하는 것으로 판단되었다. 본 연구는 전국 범위에서 보가 어류군집에 미치는 영향을 분석하여 경향성을 제시하였으며, 이러한 결과는 향후 보의 관리를 위한 연구에 효과적으로 활용할 수 있을 것이다.

Turbidity has various effects on the water quality and ecosystem of a river. High turbidity during floods increases the operation cost of a drinking water supply system. Thus, the management of turbidity is essential for providing safe water to the public. There have been various efforts to estimate turbidity in river systems for proper management and early warning of high turbidity in the water supply process. Advanced data analysis technology using machine learning has been increasingly used in water quality management processes. Artificial neural networks(ANNs) is one of the first algorithms applied, where the overfitting of a model to observed data and vanishing gradient in the backpropagation process limit the wide application of ANNs in practice. In recent years, deep learning, which overcomes the limitations of ANNs, has been applied in water quality management. LSTM(Long-Short Term Memory) is one of novel deep learning algorithms that is widely used in the analysis of time series data. In this study, LSTM is used for the prediction of high turbidity(>30 NTU) in a river from the relationship of turbidity to discharge, which enables early warning of high turbidity in a drinking water supply system. The model showed 0.98, 0.99, 0.98 and 0.99 for precision, recall, F1-score and accuracy respectively, for the prediction of high turbidity in a river with 2 hour frequency data. The sensitivity of the model to the observation intervals of data is also compared with time periods of 2 hour, 8 hour, 1 day and 2 days. The model shows higher precision with shorter observation intervals, which underscores the importance of collecting high frequency data for better management of water resources in the future.