1. 서 론
2. 지하수위의 분기별 변동성
2.1 연구 대상지 및 활용 데이터
2.2 관측정 및 시추공 지하수위 변동 분석
3. 지하수위 분기별 공간보간
3.1 공간보간 기법
3.2 분기별 지하수위 지도 시각화 및 공간적 해석
3.3 보간 기법별 예측 수위와 관측값의 정량적 비교
4. 지하수위 변동에 대한 지형적 요인의 영향 분석
4.1 지형 조건에 따른 관측정 지하수위 변동 특성
4.2 Q1-Q3 지도를 통한 지형적 요인 영향 분석
5. 결 론
1. 서 론
최근 기후 변화로 인한 집중호우와 가뭄 현상의 증가는 지하수위 변동성을 더욱 예측하기 어렵게 만들고 있다. 이는 지반공학적 측면에서 다양한 문제를 발생시킬 수 있어 적절한 지하수위 산정에 대한 연구의 필요성이 높아지고 있다(Chung & Rogers, 2014; Kim & Lee, 2018; Kim et al., 2011). 대부분 지하수위는 지반 내 특정 지점에서 일정하게 유지되지 않고 강우, 지질, 지형, 수문학적 조건과 같은 다양한 인자의 복합적인 영향을 받아 시·공간적으로 변동한다(Goyal et al., 2010). 이러한 지하수위의 변동은 간극수압과 지반 거동을 지배하는 유효응력에 직접적인 영향을 미치며, 비탈면 안정성, 기초 거동, 액상화, 흙막이 설계 등 다양한 지반공학적 해석 및 설계의 신뢰도를 저하시킬 수 있다(Chung et al., 2015; Lee et al., 2013).
그러나 현재 지반공학 설계 실무에서는 조사 시점의 시추공 데이터를 선형적으로 연결하거나, 특정 시기의 최대값 기준으로 지하수위를 설정하는 경우가 일반적이다. 이는 시추 완료 시점의 단일 관측값에 국한되어 실제 지하수위의 시계열적 변동 특성을 충분히 반영하지 못하는 한계를 가진다(National Disaster Management Research Institute [NDMRI], 2024). 특히 액상화 평가, 사면 안정성 평가와 같은 기존 연구에서도 지하수위를 포화 상태로 가정하거나, 광역적인 지역에 대해서 임의의 특정 수위를 일괄적으로 적용하는 사례가 다수 존재한다(Baek & Choi, 2020; Kang et al., 2022; Kim et al., 2021). 이러한 지하수위 결정방법은 평가의 보수성을 확보한다는 장점이 있으나, 간극수압 및 양압력을 과대평가하여 설계의 경제성 및 평가의 정확도를 저하시킬 수 있다. 따라서 지하수위의 시·공간적 변동성을 반영할 수 있는 체계적인 평가 방법 도입이 요구된다.
이를 위해 시추공 자료를 시계열적으로 세분화하고 각 시점에 대해 공간보간 기법을 적용하여 시·공간적 변동성을 분석하는 접근 방식이 효과적인 대안으로 제시될 수 있다. 공간보간 기법은 불연속적인 시추 자료를 활용하여 광역적 분포를 연속적으로 예측하는 데 유용하며, 실제 지반 조건에 부합하는 지하수위 분포를 제공함으로써 안정성 해석 및 설계 수위 설정을 위한 합리적이고 신뢰도 높은 기초자료를 제시할 수 있다(Evans et al., 2020).
따라서 본 연구에서는 지하수위의 계절적 변동성과 공간적 변동 특성을 분석하기 위해 포항 형산강 유역 내 지하수위 자료를 활용하였다. 또한, ArcGIS Pro 3.4.3 프로그램을 이용하여 대표적인 공간보간 기법인 역거리가중치법(Inverse Distance Weighted, IDW), 크리깅(Kriging), 경험적 베이지안 크리깅(Empirical Bayesian Kriging, EBK)을 통해 분기별 지도를 비교함으로써 최적의 공간보간 기법을 선정하였다. 최종적으로 선정된 기법을 적용하여 지형적 요인에 따른 분기별 지하수위 분포와 그 변동 특성을 분석하였다. 이를 토대로 광역 지하수의 분포를 예측함으로써 합리적인 설계 지하수위 산정의 기반을 제시하고자 하였다.
2. 지하수위의 분기별 변동성
2.1 연구 대상지 및 활용 데이터
지하수위는 강우, 지질 및 지형 조건과 같은 복합적인 요인에 의해 시·공간적으로 변동한다. 이에 따라 시·공간적 변동성과 그 영향 요인을 효과적으로 분석하기 위해서는 데이터 취득성이 높고 대표성을 지니는 연구 지역 선정이 필수적이다. 본 연구에서는 산지와 하천, 그리고 해안지형이 복합적으로 분포하고 있는 포항시 형산강 일대를 대상 지역으로 선정하였다.
연구 대상 지역은 광범위한 지하수위 데이터 확보에 용이하며, 다양한 지형 요소를 포함할 수 있도록 형산강을 중심으로 가로 및 세로 각각 10km로 설정되었다. 연구 지역의 지질은 신생대 제3기 퇴적층과 제4기 충적층으로 이루어진 연일층군에 속한다(Fig. 1). 제4기 충적층은 제3기 퇴적층과 달리 하천 주변의 미고결 퇴적물로 구성되어 상대적으로 강도가 낮고 투수성과 입도가 불균질하여 국내 대표적인 연약지반으로 알려져 있다. 또한, 강우는 여름철에 집중되며, 월평균 강우량이 217.44mm로 연평균 월 강우량 99.21mm의 두 배 이상으로 계절적 패턴이 뚜렷하다. 이러한 지하수위의 계절적 변화를 분석하고자 1년을 4개 분기로 나누어 분기별 지하수위 변동 특성을 비교하고자 하였다. 대상 지역에서 지하수위 정보를 획득할 수 있는 데이터는 Fig. 1과 같이 시추공 자료 266공과 관측정 4개소(연일, 장흥, 연일1, 포항7)로 구성되어 있다.
시추주상도는 GIDS(Geospatial Information Data System, www.geoinfo.or.kr)에서 제공하며, ｢지반조사 결과 전산화 및 활용에 관한 국토교통부 지침｣(국토교통부 예규 제166호)에 따라 개선되어 신뢰성이 확보된 2007년 이후 자료만을 선별적으로 활용하였다. 시추주상도는 지하수위 이외에도 공간 좌표, 시추 완료일자, 표고, N값 등과 같은 정보를 포함하고 있어 공간보간을 위한 기초자료에 적합한 데이터이다. 지하수위의 계절적 변동 특성을 분석하고자 시추 완료일을 기준으로 각 분기(Q1~Q4)로 분류하였으며, 시추공의 단일 관측값을 해당 분기의 대표 지하수위로 활용하였다. 그러나, 시추데이터의 지하수위는 조사 당시의 기록만 확인할 수 있어 계절에 따라 변화를 확인하기 어려운 단점이 있다.
반면, 지하수 관측정은 관리 주체의 목적에 따라 수위 및 수질 변동을 분석하기 위해 전국에 6,113개소(2024년 기준)를 설치하였으며, 이는 국가측정망과 보조측정망으로 크게 두 가지로 구분하여 관리하고 있다. 대상 지역에는 NGIC(National Geographic Information Portal, www.gims.go.kr)에서 관리하는 국가측정망으로 연일(Yeonil, Y) 및 장흥(Jangheung, J) 관측소가 있으며, 이를 보완하여 변동 특성을 조사하는 보조측정망으로 KRC(Korea Groundwater Information Center, www.groundwater.or.kr)의 연일 1(Yeonil 1, Y1) 및 포항 7(Pohang 7, P7) 관측소가 운영되고 있다(Fig. 2). 관측정 지하수위는 일 단위 자료를 월별 특정일(1일, 15일, 25일) 자료로 추출하여 분기별로 구분하였다. 단일 시점의 시추데이터와 달리 관측망은 최소 1시간에서 1일 단위마다 측정하여 과거 2~8년간 지하수의 시계열 변화를 고려할 수 있으나, 관측정 개소 수가 현저히 부족하여 공간보간 데이터로 사용하기에 적합하지 않다. 또한, 광역적으로 비교적 고르게 분포하는 시추공 자료와 달리, 관측정 자료는 형산강 유역 남서측에 밀집 분포한다. Y 및 Y1 관측정은 약 150m로 하천에 인접한 반면, J 및 P7 관측정은 각 2.7km와 2.0km로 하천에서 상당 거리 이격되어 지형적 차이를 보인다. 해당 시추공 및 관측정 데이터의 세부 정보는 Table 1에 제시하였다. 본 연구에서는 이러한 시추공 및 관측정 자료의 상이한 특성을 고려하고 각 자료의 장점을 활용하여 연구 지역 지하수위 변동 특성 분석 및 공간보간을 수행하였다.
Table 1.
Specifications of borehole and groundwater monitoring wells
2.2 관측정 및 시추공 지하수위 변동 분석
본 연구에서는 연구 대상 지역 지하수위의 분기별 변동 특성을 분석하기 위해 관측정의 시계열 자료와 시추공의 공간 분포 자료를 통합적으로 활용하였다. 시추데이터는 지반 정보를 체계적으로 관리하기 위해 국토지반정보포털시스템에서 전산화하였으나, 데이터 자체의 오류 또는 데이터베이스화 과정에서의 입력 오류 등의 인위적 오류가 발생할 가능성이 존재한다(Park et al., 2022). 또한, 관측정 자료는 건설공사나 지진 등 일시적 외부 교란에 의해 이상 변동이 발생할 수 있다. 따라서 지하수위의 시·공간적 변동 특성을 분석하기 위해 일반적인 관측값 분포와 다른 값인 이상치(Outlier)를 구분하는 것이 중요하다. 이러한 이상치는 데이터 분포의 분위 수(Quantile) 정보를 활용하여 데이터의 집중 경향으로부터 유의미하게 벗어나는 값들을 이상치로 정의하고 분석 대상에서 제외함으로써 데이터 품질을 향상시켰다. Fig. 2는 이상치가 제거되고 분기별로 분류된 관측정 및 시추공 자료의 지하수위 심도 분포 특성을 Box plot을 통해 시각적으로 비교하여 보여준다. 지하수위의 계절적 변동 특성을 분석하기 위해 분기별로 분류하였으며, 특히 건기(1~3월)에 해당하는 1분기(Q1)와 우기(7~9월)에 해당하는 3분기(Q3)를 중심으로 분석을 수행하였다.
분기별 평균 지하수위 심도 분석 결과, 관측정 및 시추공 자료 모두에서 뚜렷한 차이를 확인하였다(Table 2). 관측정에서는 1분기 대비 3분기 평균 지하수위 심도 차이가 최소 0.02m에서 최대 3.57m까지 다양하게 나타났으며, 비교적 하천에 인접하고 지표 고도가 낮은 관측소(연일과 연일1)에서 큰 차이를 보였다. 또한, 광역적으로 분포하는 시추공 자료의 집단 분석 결과 1분기 평균 지하수위 심도 3.36m 대비 3분기 평균 지하수위 심도 2.61m는 약 0.75m 상승한 것으로 나타났다. 이는 분기별로 관측정 및 시추공 자료의 지하수위가 전반적으로 상승함을 알 수 있다.
3. 지하수위 분기별 공간보간
3.1 공간보간 기법
지반공학적 해석 및 설계를 위해 지역 전반에 걸친 지하수위의 공간적 분포를 정확히 파악하는 것이 필수적이다. 이는 설계 지하수위 산정 및 지반 안정성 평가를 위한 기초자료로 활용되기 때문이다. 그러나 지하수위는 지형 및 지질 조건에 따라 다르며, 불연속적인 점 데이터로만 관측되므로 공간적 연속성 예측을 위한 공간보간 기법의 적용이 필수적이다. 본 논문에서는 지질학, 수문학, 도시 계획 등 여러 분야에서 공간적으로 분포된 데이터의 예측 및 분석에 광범위하게 사용되는 대표적인 공간보간 기법인 역거리가중치법(Inverse Distance Weighted, IDW), 크리깅(Kriging), 경험적 베이지안 크리깅(Empirical Bayesian Kriging, EBK)을 적용하여 분기별 지하수위 분포를 예측하였다. 세 가지 공간보간 기법은 서로 다른 보간 원리에 기반하며, IDW 기법은 인접한 관측 지점일수록 예측 대상 지점에 더 큰 영향을 준다는 원리에 기반한 결정론적 보간법으로 다음 Eq. (1)과 같다(Shepard, 1968).
여기서, 예측 지점의 추정값()은 인접 관측값들과의 거리를 고려한 가중치()를 통해 산정된다. 는 관측 지점 에서의 측정값, 는 예측 지점과 관측 지점 간 거리이며, 는 거리 지수로, 일반적으로 1~3 사이의 값을 갖는다. IDW 기법은 계산이 단순하고 해석이 직관적이지만, 공간적 자기상관을 고려하지 않기 때문에 고르지 않은 데이터 분포에서 정확도가 낮다(Li & Heap, 2014). Kriging 기법은 공간 자기상관을 반영하는 지구통계학적 기법으로 예측값의 편향을 최소화하고 추정 오차의 분산을 최소화하는 최적 선형 추정법을 제공한다. Kriging 기법의 일반적인 Eq. (2)는 다음과 같다.
여기서, 는 예측 지점 에서의 추정값, 는 관측 지점 에서의 측정값, 는 평균 또는 추세 함수, 는 세미베리오그램(Semivariogram) 기반의 공간적 자기상관성 모델을 통해 산정된 가중치이다. 모든 가중치는 정규화되며, 공간적으로 인접하고 자기상관성이 높은 관측값일수록 더 큰 가중치를 부여 받는다(Isaaks & Srivastava, 1988). Kriging 기법은 공간 데이터 간의 상관 구조를 정량화하기 위해 세미베리오그램이 사용된다. 이는 지점 간 거리(h)에 따른 변수값 차이의 분산을 분석하여 공간적 자기상관성 및 종속성을 나타내는 도구이다. 수식으로는 Eq. (3)과 같이 표현된다.
여기서, 는 거리 에서의 세미베리오그램 값, 는 거리 만큼 떨어진 관측쌍의 수, 는 위치 에서의 측정값을 의미한다. Kriging 기법은 기댓값 를 정의하는 방식에 따라 단순 크리깅(Simple kriging), 일반 크리깅(Universal kriging), 정규 크리깅(Ordinary kriging)으로 구분되며, 본 연구에서는 가장 보편적으로 사용하는 정규 크리깅을 적용하였다. 공간적 자기상관 구조를 반영하는 Kriging 기법은 예측값과 함께 추정 오차도 산출이 가능하여 결과의 신뢰도 평가에 유리하다. 특히 예측 오차를 최소화하는 과정에서 데이터 내의 이상치를 평탄화하여 전반적인 공간적 변동을 안정적으로 표현하는 특징을 보인다. 그러나 세미베리오그램 모델의 설정과 파라미터 추정 과정이 복잡하여, 공간적 자기상관성이 약한 데이터가 다수 포함된 경우는 예측 정확도가 낮아진다. EBK 기법은 세미베리오그램의 불확실성을 통계적으로 반영하고, 반복적인 시뮬레이션을 통해 보다 안정적인 예측값을 산출하는 기법이다(Krivoruchko, 2012). 각 시뮬레이션 결과에 베이지안 확률 가중치를 적용함으로써, 비정규 분포나 이상치가 포함된 자료에서도 높은 예측 안정성을 확보할 수 있다(Krivoruchko & Gribov, 2019). 다만, 연산량이 많아 계산 시간이 길어질 수 있으며, 이상치에 민감하게 반응하는 경향이 있어 국지적 예측 정확도에 영향을 줄 수 있다. 이러한 민감성은 때로 데이터의 국지적 변동성을 과도하게 반영하거나 과대 추정하는 결과를 초래하기도 한다. 각 기법은 수학적 기반과 예측 방식에 따라 차별성을 가지며, 관측 자료의 공간 분포 및 통계적 성질에 따라 보간 성능에 영향을 미친다.
본 연구에서는 보간 기법별 예측 특성과 적용성을 검토하기 위해 세 가지 기법을 모두 적용하였고, 분기별 지하수위 보간 결과를 비교 및 분석하였다. 보간 성능 평가는 예측값과 실측값 간의 차이를 정량적으로 분석하였으며, 평균제곱근오차(Root Mean Square Error, RMSE)를 대표 지표로 활용하였다. RMSE는 잔차 제곱의 평균에 제곱근을 적용한 값으로 작은 값이 산출될수록 예측값이 더 정밀하다는 것을 의미한다. 이를 통해 공간보간 기법별 예측 정확성과 민감도를 종합적으로 비교·분석하였다.
3.2 분기별 지하수위 지도 시각화 및 공간적 해석
본 연구에서는 분기별 지하수위의 연속적인 심도 분포를 예측하기 위해 다양한 공간보간 기법(IDW, Kriging, EBK)을 활용하였다. 시추조사 자료를 건기와 우기를 대표하는 1분기 및 3분기로 분류하고, 이를 입력자료로 사용하여 1분기 및 3분기 지하수위 보간 지도를 작성하였다. 전체 266개 시추공 중 1분기는 36공, 3분기는 78공이 존재하며, 자료의 분포 특성은 분기별로 차이를 보였다(Fig. 3). 특히 1분기 시추공은 대상 지역 내에서 동측 및 남동측 지역에 밀집된 반면 3분기 시추공은 도심지 및 해안 저지대를 중심으로 비교적 고르게 분포한다. Fig. 4와 Fig. 5는 IDW, Kriging, EBK 세 가지 공간보간 기법을 적용하여 작성된 연구 지역의 1분기 및 3분기 지하수위 지도이다.
모든 지하수위 지도에서 3분기 지하수위 상승(심도 감소) 경향이 뚜렷하게 관찰되는데, 이는 여름철 강우 증가에 따른 지하수 함양의 일반적인 반응을 나타내는 것으로 판단된다. Fig. 4와 Fig. 5의 보간 기법들은 고유한 특성에 따라 상이한 공간 분포 패턴을 보인다. 거리에 따라 가중치를 부여하는 IDW 기법은 형산강 유역 중앙부와 해안 지역 전반에 걸쳐 수위 변화가 뚜렷한 경계 없이 완만하게 이어지는 양상을 보인다.
이는 급격한 수위 변화가 예상되는 하천 인접부와 같은 지역에서도 실제 변동을 과소평가할 수 있는 한계를 내포한다. 반면, 공간 자기상관 구조를 통계적으로 고려하는 기법인 Kriging은 형산강 주변 및 해안 저지대와 같은 지역에서 상대적으로 깊은 지하수위(붉은색 계열)와 그 외 지역의 얕은 지하수위(푸른색 계열) 간의 변화 경계를 뚜렷하게 보여준다. 이러한 공간적인 차이점들은 지하수위 변동에 영향을 미치는 지형, 수문학적 요인들과의 공간적인 연관성을 파악하는 데 중요한 정보를 제공한다. EBK 기법은 예측 불확실성 및 국지적 데이터 특성에 민감하게 반응하는 경향이 있다. 따라서 지도상에서 국지적인 수위 변동성을 표현하려 하지만, 데이터 밀도가 낮거나 시추공 자료가 없는 공백 영역에서는 보간 범위가 제한되어 해당 지역의 예측 신뢰도를 저하시킬 수 있다. 이러한 분기별 공간보간 결과를 통해, 각 공간보간 기법은 고유한 특성에 따라 지하수위 분포를 다르게 표현함을 확인하였다. 이는 각 기법의 예측 정확도와 신뢰도를 정량적으로 평가하는 데 중요한 판단 근거를 제공한다.
3.3 보간 기법별 예측 수위와 관측값의 정량적 비교
예측 정확성이 높고 계절적 변동 경향을 효과적으로 나타내는 최적 공간보간 기법을 선정하고자, 공간보간 기법을 통해 작성된 분기별 보간 지도를 토대로 예측 수위와 관측값의 정량적 비교를 수행하였다. 예측 정확도 및 분기별 변동성의 정량적 평가를 위해 RMSE(Root Mean Square Error)를 주요 지표로 사용하였으며, 이를 위해 연구 대상 지역 내 4개 관측정에서 측정된 실측 지하수위와 예측된 수위를 1분기(Q1) 및 3분기(Q3)에 대해 비교하였다. Fig. 6은 4개 관측정의 실측값과 각 공간보간 기법으로 예측된 지하수위 값을 비교하였고, 점들이 1:1 관계선에 가까울수록 높은 예측 정확도를 의미한다. Kriging은 Q1 및 Q3 모두에서 1:1 관계선 주변에 가장 밀집하여 분포하며, 가장 낮은 오차를 보였다. 반면, IDW와 EBK는 일부 예측값이 1:1 관계선에서 다소 벗어나는 경향을 보여 상대적으로 높은 오차를 나타냈다. 특히 1분기 예측값은 3분기보다 전반적으로 더 높은 위치에 분포하는데, 이는 건기(Q1)의 지하수위 심도가 우기(Q3)보다 깊은 계절적 경향과 일치한다. Fig. 7은 Q1, Q3 및 1-3분기 변동성(Q1-Q3)에 대한 RMSE 분석 결과를 제시한다. 세 가지 공간보간 기법 중 Kriging은 Q1에서 1.01m, Q3에서 0.91m, 1-3분기 변동성에서 0.57m의 RMSE를 기록하여, 가장 낮은 오차를 보였다. IDW는 Q1에서 2.78m, Q3에서 2.46m, 변동성 1.59m로 상대적으로 높은 오차를 나타냈으며, EBK는 각각 2.68m, 1.85m, 1.32m의 RMSE를 보여 일부 구간에서 변동성을 과대 추정하는 것으로 확인되었다. 예측값과 실측값 간의 정량적 차이는 존재하였으나, 각 기법의 예측값은 Q1, Q3의 계절적 수위 변화 양상을 실측값과 유사하게 반영하는 경향을 보였다.
하지만, 이러한 예측 성능 평가 결과의 해석에는 고려할 점이 존재한다. 본 연구의 보간 기법 예측 성능 평가는 연구 대상 지역 내 4개 관측 지점에서 이루어졌다는 한계가 있다. 이와 같이 4개 지점만으로는 보간 결과가 연구 지역 전체 지하수위 분포의 대표성을 단정하기 어렵고 RMSE 차이의 통계적 유의미성을 판단하기에도 비교 대상 수가 제한적이다. 이러한 한계에도 불구하고, 공간적 자기상관성을 고려하는 Kriging은 데이터에 내재된 공간적 구조 및 지형적 요인을 반영하여 상대적으로 낮은 오차를 보이며, 지하수위 예측의 정확도와 계절 변동성 측면 모두에서 가장 안정적인 결과를 나타냈다. IDW는 Kriging에 비해 오차 폭이 크게 나타났으며, EBK는 일부 구간에서 변동성이 과대 추정되는 양상을 보였다. 결론적으로, 시추공 기반 공간보간 결과가 실측 수위 변화 경향을 일정 수준 반영하여 향후 지하수위 분포 특성 분석 및 관련 연구를 위한 기초자료로 활용될 수 있음을 확인하였다. 이와 함께, 지하수위 예측 및 변동성 평가에 있어 공간보간 기법의 선택은 데이터 특성과 예측 목적에 따라 신중하게 이루어져야 함을 알 수 있다.
4. 지하수위 변동에 대한 지형적 요인의 영향 분석
4.1 지형 조건에 따른 관측정 지하수위 변동 특성
지하수위의 계절적 변동은 강우와 같은 수문 요인뿐만 아니라 지형적 요인에 의해서도 영향을 받는다(Ahmadi & Sedghamiz, 2007). 본 연구에서는 지하수위의 계절적 변동성에 대한 지형적 요인의 영향을 검토하기 위해 4개 관측정의 지하수위 변동 특성과 해당 지점의 지형 조건(지표면 고도, 하천 이격거리) 간의 관계를 분석하였다. 분기별 Box plot 분석 결과(Table 2, Fig. 2), 관측정의 위치에 따라 1분기 대비 3분기의 지하수위 변동 폭은 뚜렷한 차이를 보였다. 이러한 변동 폭의 차이는 Table 1에 제시된 바와 같이 지하수위 관측정의 지형적 특성과 밀접한 관련을 보였다. 특히 하천과 가깝고 표고가 낮은 곳에 위치한 관측정들(Y, Y1)이 하천과 멀고 표고가 높은 관측정들(J, P7)에 비해 계절적 수위 상승 폭이 크게 관찰되었다(Table 2, Fig. 2). 이처럼 관측정 위치별 지하수위 변동폭의 차등적인 양상은 지표면 고도 및 하천 이격거리 등 지형적 특성이 지하수위의 계절적 변동 패턴, 즉 지역적 수문 반응성에 중요한 영향을 미칠 수 있음을 의미한다. 이는 지하수위 분포 및 변동이 지표면 고도와 하천에 민감하게 반응한다는 기존 연구 결과들과도 일치하는 결과이다(Ha et al., 2006; Sophocleous, 1991; Yoon et al., 2015). 연구 지역의 지형적 요인의 영향을 종합적으로 파악하기 위해 상대적으로 넓게 분포하는 시추공 자료의 특성을 활용하였다. 시추공 자료는 다양한 지형적 특성을 지니고 있으며, 구분된 관측정(Y, Y1과 J, P7)의 분기별 지하수위 변동 범위 사이에 평균값이 존재함을 확인하였다(Table 2, Fig. 2). 이러한 시추공 자료의 분포는 관측정 자료가 가지는 제한적인 공간적 대표성을 보완하는 역할을 한다. 따라서 공간보간의 입력자료로 사용한 시추조사 자료를 통해 지하수위의 계절적 변동성에 대한 지형적 요인의 영향을 검토하였다.
4.2 Q1-Q3 지도를 통한 지형적 요인 영향 분석
본 연구에서는 정량적 비교를 통해 가장 적합한 것으로 분석된 Kriging 기법을 적용하여 분기별 지하수위 변동 특성에 대한 지형적 요인의 영향을 분석하였다. Fig. 8은 Kriging 공간보간 결과를 Arc GIS의 Raster Calculator로 도출한 1분기(Q1)와 3분기(Q3) 지하수위 차이 지도이다. 보간 지도의 색상 변화는 Q1 대비 Q3의 지하수위 변화량을 나타내며, 양수 값(붉은색 계열)은 3분기 지하수위 상승, 음수 값(푸른색 계열)은 하강을 의미한다. Fig. 8에 제시된 지하수위 변동의 공간 패턴은 좌측 상단 데이터 공백 영역을 제외한 나머지 지역에서 형산강에 인접하고 표고가 낮은 지역에서 변동 폭이 크게 나타나는 등, 지형적 특성과 밀접한 관련성을 보였다.
지형적 요인이 지하수위 변동에 미치는 영향을 구체적으로 파악하고자 Q1 및 Q3 공간보간 지도 작성에 활용된 시추공 자료(114공)와 지하수위 관측정 위치에서 Q1-Q3 지하수위 값을 추출하여 지형 인자와의 관계를 산점도로 도시하였다(Fig. 9). 이때 산점도에 표시된 붉은 삼각형은 앞서 지형적 특성에 따라 구분된 관측정(Y-Y1, J- P7)을 나타낸다. Fig. 9(a)는 고도에 따른 Q1-Q3 지하수위 차이 분포를 나타낸다. 고도에 따른 분포는 약 10m 이하의 낮은 고도에서 높은 변동성을 보였으며, 고도가 높아짐에 따라 변동 폭이 줄어드는 경향이 관찰되었다. Fig. 9(b)는 하천 이격거리에 따른 Q1-Q3 지하수위 차이 분포이며, 약 500m 이내의 하천에 매우 인접한 지역에서는 변동성이 큰 비선형적인 경향이 나타났다. 또한, 하천으로부터 거리가 멀어질수록 변동성이 감소하는 경향을 보였다.
결론적으로, Fig. 9의 산점도를 통해 시추공 및 관측정 데이터 모두에서 하천 이격거리와 고도가 분기별 지하수위 변동의 크기와 방향에 중요한 지형적 요인으로 작용함이 확인되었다. 이는 Fig. 8의 공간 패턴과도 일관되며, 강과의 거리가 멀어지고 고도가 높아질수록 Q1-Q3 지하수위 심도 차이값이 작아지는 경향을 보인다. 이러한 결과는 앞선 관측정 분석에서 나타난 지형적 특성에 따른 변동성 차이를 광역적인 시추조사 자료를 통해서도 일관되게 검증되었음을 보여준다.
5. 결 론
본 연구는 포항 형산강 일대를 대상으로 266개 시추공 및 4개 관측정의 실측 지하수위 자료를 기반으로, 분기별 지하수위의 시·공간적 변동성을 분석하였다. 또한, IDW, Kriging, EBK 세 가지 공간보간 기법을 적용하여 분기별 광역 지하수위 분포를 예측하였다. 공간보간 기법의 예측 성능은 정량 비교를 통해 평가하였으며, 선정된 보간 결과의 지형적 타당성은 지형 요인 분석을 통해 검토하였다. 주요 결론은 다음과 같다.
(1) 연구 지역의 분기별 지하수위 변화 분석 결과, 여름철인 3분기에 지하수위가 상승하는 뚜렷한 계절적 경향이 나타났으며, 이는 관측정의 실측 수위 및 광역적으로 분포하는 시추공 수위에서도 공통적으로 확인되었다. 또한, 하천 인접 저지대에서 수위 상승 폭이 크고 고지대에서는 수위 변화가 작아 지형 요인과의 정합성이 높았다.
(2) 공간보간 기법별 1, 3분기 예측 지하수위 분석 결과, Kriging이 Q1, Q3, Q1-Q3 결과에서 가장 낮은 예측 오차(RMSE)를 나타내어 본 연구 지역의 지하수위 공간보간에 가장 적합한 기법으로 평가되었다. 이는 Kriging이 데이터에 내재된 공간적 구조의 요소인 지형적 특성을 효과적으로 반영하는 강점에 기인한다. 반면, IDW는 공간적 자기상관성을 충분히 반영하지 못하는 한계를 보였고, EBK는 데이터의 불균형 및 공백 영역에 과민하게 반응하는 경향을 나타내 두 기법 모두 상대적으로 높은 오차를 보였다.
(3) 세 가지 공간보간 기법 중 Kriging은 전체적인 시추조사 분포 경향 및 계절적 변화의 흐름을 실측값과 유사하게 반영하였다. 또한, 보간 결과는 지하수위 변동성이 크게 나타나는 하천 인접 저지대와 같이 지형적 요인과 밀접하게 연관된 지역에서의 공간 패턴을 명확히 보여주었다. 특히, Q1-Q3 지하수위 변동성 지도를 통해 고도가 낮고 하천으로부터 이격거리가 짧을수록 분기별 지하수위 변동 폭이 커지는 경향을 보였으며, 이는 광역적 시추공 자료를 통해서도 일관되게 검증되었다.
본 연구 결과는 특정 대상 지역의 구조물 설계 시 계절적 변동성을 고려한 수위 조건 설정에 유용할 뿐만 아니라, 도시개발 및 재해 위험 지역 평가 등 다양한 수문·지반 관련 분야의 기초자료로도 활용될 수 있을 것으로 기대된다. 향후에는 더 많은 검증 지점 확보와 단일 지점 교차검증(LOOCV) 등 체계적인 검증 방법을 통해 예측 모델의 정밀도와 신뢰도를 높여 다양한 분야에서의 활용성 제고에 기여할 수 있을 것이다.
