This study evaluated the management priority of small catchments in the Nam River basin, comprehensively considering the impact of non-point pollution sources for water quality improvement. Water quality data from the Water Environment Measurement Network and additional field survey data were collected to understand the water quality status at the small catchment level. The management priority was calculated by integrating data on pollution sources, land cover, and runoff using a weighted method. As a result, the E08-2 small catchment, located downstream of the Nam River, showed the highest priority, followed by A18, B09, E04, and A19. The main factor influencing the water quality improvement priority was the pollution source characteristics within the small catchment, especially the influence factor and land use condition. This study contributes to the efficient water quality management of the Nam River basin by identifying the priority by small catchment through analysis that simultaneously considers point and non-point pollution sources.

본 연구는 흰다리새우 양식장 양식수를 대상으로 수질 분석(수온, 염분, 용존산소, pH) 및 16SrRNA 유전자 발현을 이용하여 양식수에 존재하는 유용 미생물을 확인하였다. 연구 결과 수질이 양호한 양식수에서 Nitrosomonas, Nitrospina, Nitrospira 등의 질소 순환 과정에 관여하는 미생물 및 유기화합물의 분해에 관여하는 미생물들을 확인하였다. 본 연구 결과는 양식수 수질의 정화에 관여하는 미생물의 확인 및 적용을 통한 지속적인 환경 친화적 양식 시스템의 개발에 활용 가능하리라 생각된다.

안양천의 어류 군집 특성과 어류상에 대한 수질의 영향을 밝히기 위해 2022년 4~6월과 8~10월에 20개 지점을 2회 조사하였다. 조사 기간 동안 채집된 어류는 5목 10과 34종 3,186개체였다. 우점종은 피라미(Zacco platypus, 43.4%) 였고, 아우점종은 붕어(Carassius auratus, 10.1%), 그 다음으로 잉어(Cyprinus carpio, 7.6%), 참갈겨니(Zacco koreanus, 6.2%), 돌고기(Pungtungia herzi, 5.2%), 대륙송사리(Oryzias sinensis, 5.1%), 참붕어(Pseudorasbora parva, 4.7%), 긴몰개(Squalidus gracilis majimae, 4.4%), 버들치(Rhynchocypris oxycephalus, 3.5%), 치리(Hemiculter eigenmanni, 3.3%), 흰줄납줄개(Rhodeus ocellatus, 1.4%), 가숭어(Chelon haematocheilus, 1.0%) 등의 순으로 우세하 게 출현하였다. 출현종 중 한국고유종은 각시붕어(Rhodeus uyekii), 긴몰개, 몰개(Squalidus japonicus coreanus), 참갈 겨니, 얼록동사리(Odontobutis interrupta) 5종(14.7%)이었고, 외래종은 이스라엘잉어(Cyprinus carpio Israeli type), 블루길(Lepomis macrochirus), 배스(Micropterus salmoides), 구피(Poecilia reticulata) 4종(11.8%)이었다. 어류 군집 분석 결과, 우점도는 상류가 높았고 하류로 가면서 낮아졌으며, 다양도와 풍부도, 균등도는 본류보다 지류에서 높게 나타나는 경향을 보였다. 하천건강성을 평가한 결과, 7개 지점에서 보통(C), 8개 지점에서 나쁨(D), 5개 지점에서 매우 나쁨(E)으로 평가되어 좋지 않았다. 수질은 8개 지점을 평가한 결과, 4개 지점은 보통(III), 2개 지점은 나쁨(V), 1개 지점은 약간 나쁨(IV), 1개 지점은 약간 좋음(II)으로 평가되어, 전체적인 수질은 나쁘게 나타났으며, 수질이 하천건 강성과 어류의 서식에 큰 영향을 미치고 있는 것으로 추정되었다. 또한 안양천에 어도가 없는 보가 많이 설치되어 있어 어류의 이동에 장애물로 작용하고 있었다. 따라서 하천건강성을 높이고 안정적인 어류의 서식을 위해서는 수질을 개선할 수 있는 체계적인 관리방안이 필요하고 보에 어도 설치가 요구되었다.

In this study, in order to analyze the water purification efficiency according to the influent water conditions of artificial wetlands, the purification efficiency was compared at two points where sewage treatment water flows in and one point where good effluent flows in. As a result of reviewing the results of the analysis of influent and effluent and the removal efficiency, the T-N and T-P removal efficiency was calculated at 54.7% and 77.4%, respectively, for the two points where sewage treatment water was treated, the treatment efficiency of SS 90.8%, BOD 51.1%, TOC 30.6%, T-N 38.8%, T-P 55.3% was shown. As a result, the efficiency of removing pollutants in the artificial wetland was found to be proportional to the concentration of influent water, and in order to create an efficient artificial wetland, it is judged that thorough review and management at the design stage are necessary considering that the removal efficiency of high-concentration contaminated water was high.

Occurrence of process environment changes, such as influent load variances and process condition changes, can reduce treatment efficiency, increasing effluent water quality. In order to prevent exceeding effluent standards, it is necessary to manage effluent water quality based on process operation data including influent and process condition before exceeding occur. Accordingly, the development of the effluent water quality prediction system and the application of technology to wastewater treatment processes are getting attention. Therefore, in this study, through the multi-channel measuring instruments in the bio-reactor and smart multi-item water quality sensors (location in bio-reactor influent/effluent) were installed in The Seonam water recycling center #2 treatment plant series 3, it was collected water quality data centering around COD, T-N. Using the collected data, the artificial intelligence-based effluent quality prediction model was developed, and relative errors were compared with effluent TMS measurement data. Through relative error comparison, the applicability of the artificial intelligence-based effluent water quality prediction model in wastewater treatment process was reviewed.

In light of recent social concerns related to issues such as water supply pipe deterioration leading to problems like leaks and degraded water quality, the significance of maintenance efforts to enhance water source quality and ensure a stable water supply has grown substantially. In this study, scan statistic was applied to analyze water quality complaints and water leakage accidents from 2015 to 2021 to present a reasonable method to identify areas requiring improvement in water management. SaTScan, a spatio-temporal statistical analysis program, and ArcGIS were used for spatial information analysis, and clusters with high relative risk (RR) were determined using the maximum log-likelihood ratio, relative risk, and Monte Carlo hypothesis test for I city, the target area. Specifically, in the case of water quality complaints, the analysis results were compared by distinguishing cases occurring before and after the onset of "red water." The period between 2015 and 2019 revealed that preceding the occurrence of red water, the leak cluster at location L2 posed a significantly higher risk (RR: 2.45) than other regions. As for water quality complaints, cluster C2 exhibited a notably elevated RR (RR: 2.21) and appeared concentrated in areas D and S, respectively. On the other hand, post-red water incidents of water quality complaints were predominantly concentrated in area S. The analysis found that the locations of complaint clusters were similar to those of red water incidents. Of these, cluster C7 exhibited a substantial RR of 4.58, signifying more than a twofold increase compared to pre-incident levels. A kernel density map analysis was performed using GIS to identify priority areas for waterworks management based on the central location of clusters and complaint cluster RR data.

본 연구는 해양산업시설에서 배출되는 위험·유해물질(Hazardous and Noxious Substances) 중 아연을 대상으로 국내 서식종을 기반 으로 한 독성시험을 수행하고, 그 결과를 활용하여 국내 실정에 맞는 아연의 해양 수질 준거치(Marine Water Quality Criteria)를 제안하였다. 시험생물은 국내 연근해에 분포하고 산업적으로 유용하며, 표준 시험방법이 존재하는 종을 우선으로 5개의 분류군(Algae, Rotifer, Crustacean, Mollusc, Fish)의 총 10종을 선정하여 독성시험을 수행하였으며, 급·만성비(Acute-Chronic Ratio) 산출을 위하여 무척추동물, 어류 분류군에 대한 만성독성시험을 수행하였다. 국내종 독성시험에서 산출된 독성값을 활용한 수질준거치는 US EPA의 CCC (Criterion Continuous Concentration) 산출 기준으로 9.56 ㎍/L, 호주/뉴질랜드의 산출 기준으로 15.50 ㎍/L 로 나타나 호주/뉴질랜드에서 권고하는 기준인 14.40 ㎍/L 와 유사하였다. US EPA 및 호주/뉴질랜드는 자국의 생태독성 데이터베이스(US EPA Ecotox Database, Australasian Ecotoxicology Database)를 보유하고, 신뢰도 높은 독성값들을 생성하여 수질 기준 및 산출 기준을 갱신하고 있다. 한편, 국내에서는 국내종 기반 급성 독 성값을 적용하고 있지만, 중요한 산출 지표인 급·만성비는 US EPA 또는 유럽의 결과값을 활용하여 해양 수질 준거치를 산출하고 있으며, 국내의 생태독성 자료 또한 제한적인 실정이다. 따라서, 국내 해양 서식종을 기반으로 한 지속적인 독성시험과 준거치 설정 체계를 확보하 여 국내 해양생물과 생태계를 보호할 수 있는 해양 수질 준거치 도출이 필요할 것으로 판단된다.

하구와 연안역은 조석주기에 따라 수층 혼합과 해수 유동이 활발하므로 보다 정확한 수질측정 결과를 얻기 위해서는 조 석조건을 고려해서 시료를 채취해야 한다. 우리나라 해양환경공정시험기준에서는 평균적인 상황에 대한 자료를 확보하고자 조석중간 에 시료 채취를 권장하는 반면, Kaplovsky(1957), Fortune and Mauraud(2015) 등 다수의 해외 연구에서는 간조 또는 만조와 같은 정조시 조사할 것을 권장한다. 또한 국내 해양환경정책의 수립과 평가에 활용 중인 해양환경측정망 자료의 조석효과를 파악하기 위해 2014~2020년 마산만 조사결과를 정조시와 조석중간 두 그룹으로 나누어 분석한 결과, COD, TN, TP 등 주요 해양환경지표의 두 그룹 간 수질측정값 간 차이가 있음을 확인했다. 해양환경측정망은 연안오염총량관리을 비롯한 다양한 해양환경정책의 계획수립, 목표설정 및 평가에 활용되는 만큼 정도관리가 중요하다. 이를 위해서 해양환경측정망 자료 항목으로 조석정보를 추가하고, 같은 조석조건하의 조사를 단계적으로 확대해 갈 것을 제안한다.

조류의 이상증식을 일으키는 새만금호 부영양화를 평가하기 위해 Carlson 지수를 적용하였다. 연구를 위해 2021년 월별로 새만 금호내 총 7개 정점에서 수질조사를 실시하였다. Chl.a의 농도는 동계에는 만경수계가 약간 높았고, 춘계와 하계에는 동진수계가 약간 높 게 나타났으나, 일부 시기를 제외하고는 전체적으로 호소 수질환경기준 3등급과 비슷하거나 낮은 농도를 나타내었다. COD는 만경수계와 동진수계 모두 하계와 추계에 호소 수질환경기준 4등급과 유사하거나 상회하는 수질을 나타내었다. TOC는 모든 지점에서 3등급 이내의 수질을 보였다. 총인 농도는 호수 수질환경기준 4등급을 초과하였고, 월별로는 1월과 강우 후 8월에 높게 나타났다. 수질인자간의 상관성 분석에서 염분 농도에 대한 유기물, 총인, 총질소의 상관성이 상대적으로 높게 나타나 배수갑문을 통한 해수유입과 상류 하천을 통한 담 수 유입에 의한 담수역, 기수역, 해수역의 수질 특징을 반영하고 있었다. 영양상태지수에 의한 새만금호의 부영양화 변동 특성을 보면, Chl.a와 SD, TN의 지수에서 부영양화 초기 단계의 수질을 보였으며, TP 지수의 경우 심각한 부영양화 상태를 나타내고 있었다. 수질인자 간 부영양화 지수의 크기는 모든 수계에서 TSI(TP) > TSI(TN) > TSI(SD) > TSI(CHL)의 순으로 나타났다. TSI(CHL)에 대한 TSI(TP) 및 TSI(SD)와의 편차를 2차원 평면으로 나타낸 사분면 분석 결과를 보면, 조류 성장에 대한 총인이 영향에서는 모든 수계에서 대부분의 총인 (TP)에 의한 제한적 영향은 나타나지 않았으며, 빛 감쇠에 영향을 미치는 인자는 외부로부터 유입되는 적은 입자상 물질에 의한 영향이 크게 나타나는 것으로 평가할 수 있다.

Almost all of the water from agricultural dams located to the upper of the Yeongsan river is supplied as irrigation water for farmland and thus is not discharged to the main stream of the river. Also, most of the irrigation water does not return to the river after use, adding to the lack of flow in the main stream. As a result, the water quality and aquatic health of the river have become the poorest among the four major rivers in Korea. Therefore, in this study, several strategies for water quality improvement of the river were developed considering pollution reduction and flow rate increase, and their effect analysis was performed using a water quality model. The results of this study showed that the target water quality of the Yeongsan river could be achieved if flow increase strategies (FISs) are intensively pursued in parallel with pollution reduction. The reason is because the water quality of the river has been steadily improved through pollution reduction but this method is now nearing the limit. In addition, rainfall-related FISs such as dam construction and water distribution adjustment may be less effective or lost if a megadrought continues due to climate change and then rainfall does not occur for a long time. Therefore, in the future, if the application conditions for the FISs are similar, the seawater desalination facility, which is independent of rainfall, should be considered as the priority installation target among the FISs. The reason is that seawater desalination facilities can replace the water supply function of dams, which are difficult to newly build in Korea, and can be useful as a climate change adaptation facility by preventing water-related disasters in the event of a long-term megadrought.

새만금호는 우리나라 최대의 인공호수로 호수의 수질은 갈수록 악화되어 가고 있어 호수의 특성에 맞는 새로운 수질관리 대 책이 필요하다. 이에 새만금호의 국가수질측정망 자료를 이용하여 통계분석 기법에 의한 새만금호의 시공간적 수질특성을 분석하였다. 수질항목간의 상관성에서 수온과 TP는 상관성이 있고, 염분과 TN, 그리고 pH와 COD가 상관성이 높았다. 그 외 항목들 간에는 낮은 상관 성을 나타내어 관련성이 낮았다. 주성분 분석을 이용한 새만금호의 공간적 수질특성을 보면, 크게 4개의 그룹으로 구분되었는데, 담수 영 향구역과 해수 영향구역, 해수와 담수가 혼합되는 중간 수역이 2개 그룹으로 구분되어 각각 다른 수질특성을 나타내었다. 주성분분석을 이용한 시간적 수질특성은 계절적으로 4가지 그룹으로 구분되었다. 그룹Ⅰ은 늦봄과 초여름에 해당되는 5, 6월이고, 그룹 Ⅱ는 계절적으 로 초봄(3, 4월)과 늦가을(11, 12월)에 해당되는 시기로 나타났으며, 그룹 Ⅲ은 낮은 수온에 의한 용존산소의 증가가 나타나는 계절인 겨울 철(1, 2월)의 수질 특성을 보였고, 그룹 Ⅳ는 하계(7, 8, 9, 10월) 성층의 발달로 저층 퇴적물의 높은 인농도와 하계 고수온의 상관성을 가지 는 그룹으로 구분되었다. 이는 새만금호가 인위적으로 조성된 호수로써 상류 만경강과 동진강의 유입 영향을 받는 것과 동시에 새만금 방조제에 설치된 가력과 신시갑문을 통한 외해수 유입의 영향을 받음으로써 수질의 변동요소가 달라진 것으로 평가된다. 새만금호의 목 표수질을 달성하기 위해서는 상류 유역의 오염원 관리 대책과 함께 새만금호의 수질관리 대책을 수립할 필요가 있다.

This study focused on using indirect filtration through riverbeds to produce high-quality drinking water. Data on water quality from a water intake facility(capacity 10,000 m3/day) and nearby rivers were collected over a three-year period. The average intake facility specifications were found to be a specific surface area of 58 balls/m2, a mean particle size of 24 mm, an inflow velocity of 2.2 cm/sec, and a burial depth of 5 m. The water quality improvement rate was assessed as grade Ia, surpassing the adjacent river’s water quality. Correlation analysis showed a weak correlation between opening ratio, Suspended Solid (SS), and Biochemical Oxygen Demand (BOD) compared to total coliforms and fecal coliforms. The correlation coefficient R value of SS was -0.614, BOD was –0.588, total coliforms -0.870, and fecal coliforms -0.958. The R value shows a negative value, which showed that the larger the opening rate, the lower the removal rate of water pollutants. The correlation coefficient R values according to the depth of burial were found to be BOD 0.914, SS-0.124, total coliforms 1.000, and fecal coliforms 0.866. The deeper the burial depth, the higher the removal rate of BOD and microbial groups.

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가 지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내ㆍ외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나 라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

The management of algal bloom is essential for the proper management of water supply systems and to maintain the safety of drinking water. Chlorophyll-a(Chl-a) is a commonly used indicator to represent the algal concentration. In recent years, advanced machine learning models have been increasingly used to predict Chl-a in freshwater systems. Machine learning models show good performance in various fields, while the process of model development requires considerable labor and time by experts. Automated machine learning(auto ML) is an emerging field of machine learning study. Auto ML is used to develop machine learning models while minimizing the time and labor required in the model development process. This study developed an auto ML to predict Chl-a using auto sklearn, one of most widely used open source auto ML algorithms. The model performance was compared with other two popular ensemble machine learning models, random forest(RF) and XGBoost(XGB). The model performance was evaluated using three indices, root mean squared error, root mean squared error-observation standard deviation ratio(RSR) and Nash-Sutcliffe coefficient of efficiency. The RSR of auto ML, RF, and XGB were 0.659, 0.684 and 0.638, respectively. The results shows that auto ML outperforms RF, and XGB shows better prediction performance than auto ML, while the differences between model performances were not significant. Shapley value analysis, an explainable machine learning algorithm, was used to provide quantitative interpretation about the model prediction of auto ML developed in this study. The results of this study present the possible applicability of auto ML for the prediction of water quality.

Urban areas in watersheds increase the impervious surface, and agricultural areas deteriorate the water quality of rivers due to the use of fertilizers. As such, anthropogenic land use affects the type, intensity and quantity of land use and is closely related to the amount of substances and nutrients discharged to nearby streams. Riparian vegetation reduce the concentration of pollutants entering the watershed and mitigate the negative impacts of land use on rivers. This study analyzes the data through correlation analysis and regression analysis through point data measured twice a year in spring and autumn in 21 selected damaged tributary rivers within the Han River area, and then uses a structural equation model to determine the area land use. In the negative impact on water quality, the mitigation effect of riparian vegetation was estimated. As a result of the correlation analysis, the correlation between the agricultural area and water quality was stronger than that of the urban area, and the area ratio of riparian vegetation showed a negative correlation with water quality. As a result of the regression analysis, it was found that agricultural areas had a negative effect on water quality in all models, but the results were not statistically significant in the case of urban areas. As a result of the model estimated through the structural equation, BOD, COD, TN, and TP showed a mitigation effect due to the accumulation effect of river water quality through riparian vegetation in agricultural areas, but the effect of riparian vegetation through riparian vegetation was found in urban areas. There was no These results were interpreted as having a fairly low distribution rate in urban areas, and in the case of the study area, there was no impact due to riparian forests due to the form of scattered and distributed settlements rather than high-density urbanized areas. The results of this study were judged to be unreasonable to generalize by analyzing the rivers where most of the agricultural areas are distributed, and a follow-up to establish a structural equation model by expanding the watershed variables in urban areas and encompassing the variables of various factors affecting water quality research is required.