Understanding the effects of catchment filtering captured in water quantity and quality parameters of streams = 하천 수량 및 수질인자에서 포착되는 유역필터링의 영향 이해

국문 초록 (Abstract)

유역에 유입된 물과 수질 인자는 사면을 가로지르는 수평적 경로, 토양을 통과하는 수직적 경로, 하도를 따라 내려오는 나란한 경로를 이동하며, 수문학적·생지화학·수생태학적 과정인 유역필터링을 거친 뒤 하천에서 관측된다. 이 필터링 과정은 유량과 수질인자 사이에 관계를 형성해 수질인자의 유출 유형을 구분하며, 하천 출력물에 지속성을 부여하는 것이 알려져 있다. 이러한 필터링 결과는 시간 계열과 주파수 계열 자료에서 포착된다. 시간 계열에서 수질인자의 농도(C)와 유량(Q)의 관계를 규명하는 C–Q 패턴 분석과, 주파수 계열에서 시간 자료의 지속성, 즉, 메모리를 파악하는 파워 스펙트럼 분석은 유역필터링을 탐구하는 유용한 도구이다.
그러나 유역필터링은 필터링을 받는 인자의 고유 특성과 필터가 작동하는 유역의 공간 특성을 동시에 반영하므로, 필터링 결과는 인자와 유역에 따라 일정하지 않다. 이런 변동성을 해석하려면 인자 특성과 유역 특성이 필터링에 미치는 영향과 정도를 분리해 이해해야 하지만, 이에 대한 연구는 부족한 실정이다. 또한, 유역필터링을 탐구하는 두 방법의 분석 결과를 직접 연결해 논의한 연구는 거의 없다.
본 연구는 유역 내부에서 작동하는 필터링의 물리적 메커니즘을 밝히는 것을 목적으로 삼았다. 이를 위해, 남한의 24개 유역 (면적 712–22,885 km2)에서 6년간 관측한 강수량, 유량 및 9개 수질인자를 이용해 유역필터링 과정을 정량적으로 분석하였다. 연구기간을 기간 1 (2014–2016년)과 기간 2 (2017–2019년)으로 나누어, 인자 및 유역의 특성이 필터링에 미치는 영향을 구분하였다. 기간 1에서 인자 고유의 특성으로 인한 영향을 살펴보고, 유역특성과 α 및 β 가 갖는 상관관계를 분석하였다. 또한, C–Q 패턴과 메모리 사이 연결고리를 탐색하였다. 기간 2에서는 α와 β의 변동 양상을 살펴보고, 대표적으로 도개 유역의 총인 시계열에서 필터링 결과의 시간적 변동 원인을 설명하였다.
기간 1에 대한 분석 결과, C–Q 패턴 분석에서는 대부분의 인자가 인자별로 일관된 유출 유형을 보였다. 파워 스펙트럼 분석에서 강수량은 메모리를 갖지 않았고, 유역필터링을 거치는 인자는 특징적인 메모리를 가졌다. 이를 통해, 인자의 특성이 우선적으로 C–Q 패턴과 메모리를 조성함을 알 수 있었다. 또한, 휩쓸림 패턴을 갖는 인자는 C–Q 패턴과 메모리 사이에 뚜렷한 멱함수 관계가 있고, 화학정적 패턴과 희석 패턴에서는 β 값에 관계없이 항상 시계열이 메모리를 가짐을 발견하였다. 이를 통해, 수질인자의 이동경로에 따라 메모리 형성 여부가 결정되며, 주로 수직 경로를 통한 유역필터링 과정에서 메모리가 형성됨을 밝혔다. 상관분석을 통해, 점오염과 비점오염의 상대적 비율이 C–Q 패턴을 두드러지게 만드는 요인임을 보였고, 유역필터링 경로를 설명할 수 있는 공간 변수만이 인자의 메모리를 설명한다는 것을 밝혔다.
기간 2에 대한 분석 결과, 유역특성 변화가 유역별 인자의 α, β 값을 변화시키나, 그것이 인자 내재적 특성에 의한 C–Q 패턴과 메모리 특징을 초월하지는 못함을 발견하였다. 유역필터링을 거치는 7개 인자는 β의 변화량은 적은 반면, α의 변화량은 유역별로 차이가 있었다. 도개 유역의 총인 시계열은 예외적으로 α와 β가 모두 크게 변하였다. β의 증가는 산림 비율의 증가로 설명이 되었고, α의 감소는 휩쓸림 패턴을 갖는 인자의 β–α 멱함수 관계로 설명이 되었다. 이를 통해, 유역필터링의 시간적 변동은 유역 특성과, 유역 특성을 보조적으로 설명할 수 있는 β–α 관계를 통해서 이해할 수 있음을 보였다.
본 연구를 통해, 인자의 유출패턴과 메모리를 형성하는 유역의 물리적 메커니즘을 밝혀낼 수 있었다. 또한, C–Q 패턴과 메모리는 유역필터링이라는 공통 과정을 거친 뒤 형성된 것으로, 분석지표 사이에 연결고리가 있음을 밝혔다. 이는 인자와 유역에 따른 필터링 과정을 체계적으로 규명한 것으로, 유역 맞춤형 수질 관리 전략과 인자별 전략적 모니터링 체계 수립에 기여할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Water and constituents entering a catchment move across the catchment horizontally, vertically, and longitudinally toward the catchment outlet. While passing through these pathways, water and constituents experience an integrated suite of hydrological, biogeochemical, and aquatic-ecological processes referred to as catchment filtering. The filtering process is known to impart new characteristics to both water quantity and quality. One is that it establishes a relationship between discharge (Q) and the concentration (C), distinguishing export patterns of parameters, or C–Q patterns. The other is that it imprints persistence of the time series, or memory, on the riverine outputs. In the time domain, C–Q relationship analysis quantifies C–Q patterns, while in the frequency domain, power spectrum analysis (PSA) assesses memory. Both are powerful tools for probing catchment filtering.
The filtering simultaneously reflects the parameter properties and the spatial characteristics. Therefore, interpreting the two filtering outcomes—C–Q patterns and memory—demands decomposing parameter effects from catchment controls, a task that remains underexplored. Moreover, a relationship between the two filtering outcomes is expected; however, few studies have directly linked them.
This study aimed to identify the physical mechanisms behind catchment filtering. We quantitatively examined the filtering in 24 catchments (712–22,885 km²) across South Korea using six years of data on precipitation, discharge, and nine water quality parameters. By dividing the data into two periods—period 1 (2014–2016) and period 2 (2017–2019)—we accounted for temporal changes in catchment characteristics and separated parameter effects from catchment influences. We formulated mathematical links between the two filtering outcomes. We clarified how spatial features modulate the filtering by correlation analysis.
In the analysis for period 1, the results suggest that the intrinsic properties of the parameters primarily shaped C–Q patterns and memory. In addition, a clear power-law relationship between C–Q patterns and memory was identified, indicating that the formation of memory depends on the transport pathways of water quality constituents and that memory is formed mainly along vertical filtering pathways. Correlation analysis showed that the relative contributions of point and non-point source pollution made C–Q patterns more pronounced and revealed that constituent memory was explained only by spatial variables describing filtering pathways.
In the analysis for period 2, changes in catchment characteristics altered the α and β values of parameters in each catchment; however, these changes did not override the intrinsic properties of the parameters that shaped their C–Q patterns and memory. In the Dogye catchment, the increase in β for total phosphorus was attributed to an increase in the forest ratio, whereas the decrease in α was explained by the β–α power-law relationship. These results indicate that changes in catchment characteristics produced temporal variability in catchment filtering.
Through this study, we identified the physical mechanisms that shape parameter export patterns and memory. We also showed that C–Q patterns and memory emerge after undergoing the common process of catchment filtering, demonstrating a mechanistic linkage between the two metrics. By systematically characterizing filtering processes across constituents and catchments, our findings are expected to contribute to catchment-tailored water quality management strategies and the development of parameter-specific monitoring frameworks.

목차 (Table of Contents)

• Abstract i
• Table of Contents iv
• List of Figures vii
• List of Tables xi
• Chapter 1. Introduction 1
• 1.1 Research Background and Motivation 1
• 1.2 Research Objectives 4
• 1.3 Thesis Organization 5
• Chapter 2. Literature Review 6
• 2.1 In-Stream Constituent Export Related to Discharge 6
• 2.2 Periodic Features of Natural Signals 11
• Chapter 3. Data and Methodology 16
• 3.1 Data Preparation 16
• 3.1.1 Study Area 16
• 3.1.2 Water Quantity and Quality Data 20
• 3.1.3 Catchment Explanatory Variables 28
• 3.2 Methodology 35
• 3.2.1 Concentration – Discharge Relationship Analysis 35
• 3.2.2 Power Spectrum Analysis 38
• Chapter 4. Results and Discussion 41
• 4.1 Separating Parameter and Spatial Effects on Catchment Filtering (Period 1) 41
• 4.1.1 Single Representative Pattern per Parameter 41
• 4.1.2 Distinct Memory Signatures for Each Parameter 48
• 4.1.3 Link between Catchment Responses 57
• 4.1.4 Impacts of Sources on Parameter Export Pattern 64
• 4.1.5 Impact of Transport Pathways on Parameter Memory 70
• 4.2 Explanation of Temporal Variability in Catchment Filtering (Periods 1 and 2) 75
• 4.2.1 Limited Spatial Effects on Pattern and Memory 75
• 4.2.2 Interpreting Pattern and Memory Jointly 78
• Chapter 5. Research Outlook 81
• Chapter 6. Conclusions 85
• References 88
• 국문초록 94