본 연구에서는 소양강댐 유역의 수문기상인자들의 시공간적 변동성을 명확히 파악하기 위하여 지표해석모형을 구축하였다. 지표해석 모형으로 는 Variable Infiltration Capacity (VIC) 모형을 사용하였으며, 모형의 공간 해상도는 10 km, 시간 해상도는 1일로 정하였다. 2007~2010년 기 간의 일유량자료를 바탕으로 Isolated Particle Swarm Optimization 알고리즘을 사용하여 모형의 7개 매개변수를 보정하였고, 2011~2014년 기간의 일유량자료를 사용하여 모형을 검증하였다. 보정된 모형은 보정기간과 검증기간 모두에 대하여 0.90의 Nash-Sutcliffe Coefficient값과 0.95의 상관계수를 보였다. 소양강댐유역에 대하여 산출된 인자들은 여름철에 강우가 집중되어있는 우리나라의 계절적인 특성과 기온변화로 인한 장 ․ 단파 복사량의 변화와, 지표면 온도의 변화, 이로 인해 피복층에서의 증발과 식생 증산의 변화가 고려되어 총 증발산이 변화하는 경향이 잘 반영된 것으로 나타났다. 산출된 수문인자를 검증하기 위하여 지상관측토양수분자료와 비교하였다. 겨울철을 제외한 4~11월의 비교결과 두 자료의 추세선의 기울기는 1.087로 나타났고, 상관계수는 0.723의 값을 나타냈다. 이러한 본 연구의 결과는 지표해석모형이 우리나라 주요 댐 유역의 수문기상인자의 시공간적인 변화를 정확히 파악하는데 활용될 수 있으며, 나아가서는 더욱 정밀하고 효율적인 수자원계획을 수립하는 데에도 활 용될 수 있다는 점을 시사한다.

멀티모달 최적화알고리듬의 일종인 ISPSO와 불확실도분석기법인 GLUE를 결합한 ISPSO-GLUE 기법을 TOPMODEL의 불확실도분석에 적용하였으며, 그 결과를 GLUE 기법과 비교하였다. 두 기법 모두 같은 횟수만큼 모형을 실행하였을 때 ISPSO-GLUE 기법의 누적성능이 더 좋아지는 시점을 발견할 수 있었으며, 그 이후로도 ISPSO-GLUE 기법은 GLUE 기법과는 달리 점진적인 성능의 향상을 보여 주었다. 두 기법이 비슷한 모양과 양상의 95% 불확실도구간을 생성하였다. 하지만 ISPSO-GLUE 기법이 약 5.4배 더 많은 관측치를 포함하는 것으로 나타났으며 GLUE 기법에 비해 훨씬 적은 횟수의 모형실행으로도 좋은 성능의 불확실도구간을 얻을 수 있는 것으로 나타났다. ISPSO-GLUE 기법과 비교했을 때 GLUE 기법이 최대 첨두유량의 감쇠곡선 부분에서 불확실도를 과대평가하였다. 이 시간대에 대해서는 GLUE의 경우 불확실도를 줄이기 위해 더 많은 행동모형들을 찾을 필요가 있다. ISPSO-GLUE 기법이 정량적인 성능평가에서 훨씬 많은 관측치를 포함할 수 있었다는 것은 이 기법의 가능성을 잘 보여 주었다고 할 수 있으며, 특히 계산적으로 값비싼 수문모형에서는 보다 큰 성능의 차이를 보일 것으로 기대된다.