수자원 관리의 핵심인 수문 모델 정확도를 획기적으로 높이는 새로운 기술이 개발됐다.

미국 일리노이대 농업·소비자·환경과학대학(ACES) 등 국제 공동 연구팀은 강수량 데이터의 불확실성을 보정해 수문 모델의 성능을 개선하는 새로운 알고리즘을 개발했다고 18일(현지시간) 밝혔다. 이번 연구 결과는 국제 학술지 '환경 모델링 및 소프트웨어'에 게재됐다.

수문 모델은 자연 시스템의 물 움직임을 예측해 수자원 계획과 관리에 중요하게 사용된다. 그러나 모델의 정확도는 강수량 데이터에 크게 의존하며, 강수량은 시공간적 변동성이 커 정확한 측정이 어렵다는 한계가 있었다.

연구팀은 실제 측정된 하천 유출량 데이터를 활용해 강수량 입력값을 역으로 보정하는 '단계적 역보정' 알고리즘을 고안했다. 강수량이 많으면 하천 유출량도 많아져야 한다는 상관관계를 이용해 모델의 오차를 줄이는 방식이다.

연구팀 공동 저자인 호르헤 구즈만 일리노이대 연구조교수는 "넓은 지역에 기상 관측소가 하나뿐일 수 있고, 돌풍 등으로 측정값이 빠르게 변할 수 있다"며 "이런 정보를 단일 값으로 모델에 입력하면 해당 지역의 강우량 표현이 왜곡될 수 있다"고 설명했다.

연구팀은 개발한 알고리즘을 미국 일리노이주와 브라질의 유역 세 곳에 적용해 검증했다. 평야 지대부터 산악 지역까지 다양한 지형에서 토양수분평가도구(SWAT) 등 3개의 잘 알려진 수문 모델에 이 기술을 시험했다.

그 결과 모든 모델에서 성능 개선이 확인됐다. 특히 SWAT 모델은 기존 방식보다 정확도가 최대 18%까지 향상되는 등 가장 일관된 성과를 보였다.

연구에 참여한 대니 헤르난데스 콜롬비아 산탄데르 산업대 연구원은 "이번 연구는 매개변수 보정과 동적 강수량 보정을 통합해 수문 모델링의 일반적인 한계를 해결했다"며 "성능 지표에서 중요한 개선을 보였다"고 밝혔다.

연구팀은 개발한 역보정 도구를 다른 연구자들이 자유롭게 사용할 수 있도록 온라인에 공개했다.