마산만 수질 관리 시나리오 모의와 효율적 부하 저감 방안 제시

2018~2023년 매월 1~2회, 덕동과 진해 하수처리장을 포함하여 총 16개 지점의 유량, 수온 및 수질(DIP, TP)을 조사하였다(MOF[2023]). 모델상에는 7개의 하천 유입 지점(R1~7; Fig. 1)이 고려됐으며, 각 지점별 유량은 합산하였고, 수질 농도는 유량 가중 평균하였다. 각 하천 유입 지점에 포함된 하천은 다음과 같다. R1: 팔용천, 내동천, 창원천, 남천; R2: 회원천, 삼호천; R3: 월영천, 장군천, 척산천; R4: 우산천; R5: 수정천; R6: 구이천, 신이천, 여좌2가천, 진해 하수; R7: 덕동 하수. 덕동과 진해 하수처리장 배출수의 유량과 TP 농도는 각각 덕동과 진해물재생센터의 상시 모니터링 자료를 사용했으며, DIP 농도는 직접 조사하였다.

Fig. 1.

Model box structure of the phosphorus cycle model in Masan Bay. River inflow points (blue squares), Marine Environmental Monitoring System (MEMS, red and pink circles), phytoplankton survey stations (pink circles), and sediment DIP elution stations (brown triangles).

본 연구에 사용된 강수량 자료는 기상청 기상자료개방포털의 창원 정점 자료를 받아 사용하였다(KMA[2025]).

마산만 유입 비점부하량은 ‘마산만 특별관리해역 연안오염 총량관리 기술지침’의 토지계 발생부하량 산정 방법에 따라 산정하였으며, 산정 방법은 아래와 같다(MOF[2022]).

여기서, L_m은 월별 토지계 발생부하량, A_i는 지목별 면적, U_i는 지목별 연평균 발생부하원단위, R는 강우배출비, D_y는 연간 일수, D_m는 월간 일수, P_m은 월유효강우량비, $$ \sum P_{\ge 10,m}$$와 $$ \sum P_{\ge 10,y}$$는 각각 월간 및 연간 10 mm/day 이상 강우량의 합계이다. 비점오염원은 인 순환 모델의 입력자료로 사용하였다.

퇴적물 DIP(dissolved inorganic phosphorus) 용출량 자료는 마산만 특별관리해역 연안오염총량관리 시행 연구 보고서를 참고하였다(MOF[2023]). Box5를 제외한 각 모델 박스별로 1개 정점에서 퇴적물 DIP 용출량(g/m²·day)이 조사되었다. 조사는 스쿠버 다이빙으로 채취한 퇴적물 코어 시료를 실험실로 운반한 후, 현장 수온에서 격리 수계 실험(mesocosm)을 수행하여 시간에 따른 농도 변화율로부터 DIP 용출량을 산정하였다. Box5의 DIP 용출량은 Box4의 20% 수준으로 설정하였으며, 산정된 DIP 용출량은 선형 보간하여 인 순환 모델의 입력 자료로 활용하였다.

해양환경측정망 마산만 정점에서 분기별 관측된 수온 및 염분 자료는 유동 모델의 초기 조건, 개경계 조건, 그리고 모델 검증에 사용되었다(KOEM[2025]). 구체적으로, 유동 모델 개경계 수온·염분 자료로는 해양환경측정망(CTD)의 BK1321 정점(35.049°N, 128.721°E)에서 분기별 수심별 관측된 값을 spline 보간하여 사용하였다. 보간된 표층 수온은 2, 5, 8, 11월 평균 각각 7.8, 17.6, 25.6, 17.8℃로 나타났으며, 저층 수온은 각각 7.4, 14.9, 17.0, 17.9℃로 나타났다. 보간된 표층 염분은 2, 5, 8, 11월 평균 각각 34.0, 32.2, 30.1, 33.0 PSU로 나타났으며, 저층 염분은 각각 34.0, 33.7, 33.0, 33.4 PSU로 나타났다.

마산만 표·저층 DIP 농도는 해양환경측정망 자료를 사용했으며, POP(particulate organic phosphorus) 농도는 해양환경측정망 TP 농도에서 DIP 농도를 빼서 계산하였다(KOEM[2025]). 2022년과 2023년 5월 각 모델 박스 내에서 관측된 DIP와 POP 농도의 평균값을 인 순환 모델 초기치로 사용하였으며, 모델 개경계에 위치한 BK1321 정점(35.049°N, 128.721°E) 관측값을 선형 보간하여 개경계값으로 사용하였다. 각 모델 박스 내의 정점별 6~11월 관측값을 모델 검증에 사용하였다.

해양환경측정망에 없는 식물플랑크톤 자료는 2022년과 2023년 5월에 직접 조사하여 인 순환 모델의 초기치로 사용하였다(MOF[2023]). 조사 방법으로는, 각 모델 박스별 1~2개 정점에서 채수하여 현장에서 포르말린으로 고정한 후 실험실로 운반하여 동정 및 계수하였다. 동물플랑크톤 농도 초기치는 선행 연구 결과를 바탕으로 표층은 식물플랑크톤의 25% 수준, 저층은 50% 수준으로 설정하였다(MOF[2007]).

유동 모델과 인 순환 모델 구축을 위해서는 하천 유량의 시계열 연속값이 필수적으로 요구된다. 그러나, 마산만으로 유입하는 모든 하천의 연속 유량을 관측하는 것은 시간·비용적으로 어렵다. 따라서, 본 연구에서는 2018~2023년 매월 1~2회 관측된 유량을 종속 변수로 하고, 유량 관측 일자로부터 과거 8일간의 일별 강수량을 독립변수로 하는 다중 선형 회귀를 바탕으로 연속 유량을 산출하였다.

여기서, Q_river는 하천 유량, α와 β는 회귀 계수, P는 일강수량을 의미하며, d는 하천 유량 관측 일자로부터 d일 전 자료를 의미한다. 산출된 일별 하천 유량(m³/day)은 m³/sec로 환산 후 모델 시간 도메인에 맞춰 선형 보간하여 유동 모델과 인 순환 모델의 입력자료로 사용하였다.

본 연구에서는 마산만의 해수 유동 재현을 위해 3차원 유동 모델인 POM(Princeton Ocean Model)을 사용하였다(Blumberg and Mellor[1987]). POM은 표층 경계조건과 난류 혼합길이를 고려한 2차 난류 종결 모형을 적용하여 연직 동점성 및 확산계수를 계산한다(Noh et al.[2002]). 연직 방향으로는 sigma 좌표계를 사용하여 저층 경계를 실제 해역에 가깝게 재현할 수 있으며, 수평 방향으로는 곡선좌표계와 ‘Arakawa C’ 격자 차분 체계를 도입하고 있다. 수평 시간 차분은 양해적, 연직 시간 차분은 음해적 차분 기법을 사용하고 있다. 연직 방향에 대한 음해적 차분을 통해 시간적 제약이 완화되고, 연직 방향에 대한 조밀한 격자 해상도를 허용한다. 수면 변화, 연직 적분 유속을 계산하는 2차원 외부모드와 유속, 수온, 염분을 계산하는 3차원 내부모드로 나뉜다. 전자인 외부모드는 CFL 조건과 외부파 속도에 기초한 짧은 시간 간격을 가지며, 이를 토대로 계산된 2차원 유속은 오차가 적어 내부모드 유속의 보정을 위한 기준치로 사용된다. 후자인 내부모드는 CFL 조건과 내부파 속도에 기초하여 긴 시간 간격을 허용하기 때문에 비용적 측면에서 효율적인 계산방법으로 평가된다(Simons[1974]).

2022~2023년 마산만 유동을 재현했으며, 모델 조건은 Table 1에 정리하여 나타내었다. 개경계 조위에는 국립해양조사원의 수치조류도 자료를 사용하였다(KHOA[2025]). 마산만의 유동과 수온 재현 결과는 인 순환 모델의 입력자료로 사용되었다.

Table 1.

Princeton ocean model (POM) conditions for Masan Bay

본 연구의 인 순환 모델은 마산만을 5개의 박스로 나눈 박스 모델로 구축되었으며, 모델 모식도는 Fig. 3에 나타내었다. 인 순환 모델을 바탕으로 강수량이 상대적으로 적었던 2022년과 반대로 강수량이 많았던 2023년의 5~10월 마산만의 인 농도를 재현하였다. 모델 구성 요소로는 입자태 인(POP, particulate organic phosphorus), 용존태 인(DIP, dissolved inorganic phosphorus), 식물플랑크톤(PHY, phytoplankton), 동물플랑크톤(ZOO, zooplankton)이 고려되었다. 모델의 계산 과정에는 물질 이류·확산, 하천 및 비점 인 부하, POP의 분해·침강·퇴적, 식물플랑크톤의 성장·사망·호흡·피식, 동물플랑크톤의 포식·호흡·배설·사망, 퇴적물 DIP 용출이 고려되었다. 본 모델에서 식물플랑크톤과 동물플랑크톤은 해당 플랑크톤 형태로 존재하는 인 농도를 의미한다.

Fig. 3.

Structure of the phosphorus circulation model (PCM). The model describes the dynamics of DIP, POP, phytoplankton (PHY), and zooplankton (ZOO), incorporating processes such as uptake, decomposition, mortality, respiration, grazing, and advection-diffusion between boxes.

DIP의 확산 속도(DR, g P/sec)는 인의 분자확산계수(D_P), 모델 박스 간 DIP 농도 구배, 박스 간 단면적(A)에 기반하여 Fick의 확산 법칙에 따라 계산되었다(Fick[1855]). 아래 식 (5)에서 dDIP는 박스 간 DIP 농도 차이, l은 박스 간 거리이다.

POP의 DIP로의 분해 속도(KF, g P/sec)는 아래 식 (6)으로 계산된다. Kt0는 0℃에서의 분해 속도, te_KR은 분해 온도 계수, T는 수온, V는 모델 박스 부피를 의미한다.

식물플랑크톤의 성장 속도(G_PHY, g P/sec)는 아래 식 (7)과 같이 온도(f(T)), 일사량(f(I)), 영양염(f(DIP))의 함수로 계산된다. G_PHY,max는 최적 조건에서의 최대 성장 속도를 의미한다. f(T)은 Zison[1978]의 연구를 참고하였다. f(I)와 f(DIP)는 Michaelis–Menten kinetics 형태의 함수를 사용하였으며, K_I와 K_DIP는 각각 식물플랑크톤 성장에 있어서 일사량(I)과 DIP의 반포화상수이다. 본 모델에서 플랑크톤의 호흡은 DIP, 사망은 POP로의 변화를 의미한다.

동물플랑크톤의 성장 속도(G_ZOO, g P/sec)는 아래 식 (11)과 같이 온도(f(T))와 성장 제한 인자(f_g)의 함수로 계산된다. G_ZOO,max는 최적 조건에서의 최대 성장 속도를 의미한다. f(T)는 식물플랑크톤과 같은 식이 사용됐으며, f_g는 Ivlev 식이 사용되었다(Ivlev[1966]). K는 Ivlev의 비례 상수(proportionality constant), chla는 chlorophyll a 농도, K_Z는 동물플랑크톤 성장에 있어서 먹이(feeding) 반포화상수이다.

식물플랑크톤과 동물플랑크톤의 호흡(RR, g P/sec) 및 사망(MR, g P/sec) 속도는 같은 형태의 식이 사용되며, 온도( f(T))의 함수로 계산된다(Zison[1978]). 여기서, 동물플랑크톤의 호흡 속도는 배설(excretion)을 포함한다. RR_20℃와 MR_20℃는 각각 20℃ 수온에서의 호흡 및 사망 속도이며, X는 PHY 또는 ZOO 농도를 의미한다.

인 순환 모델에 사용된 계수값들은 Table 2에 정리하여 나타내었다.

Table 2.

Coefficients used in the phosphorus circulation model (PCM)

인순환모델은 COD를 포함하지 않으며, COD 농도는 GPR 모델을 통해 예측되었다. 이를 위해 마산만과 행암만, 그리고 표층과 저층을 대상으로 총 4개의 GPR 모델을 구축하여 각각 예측을 수행하였다. 모델 구축에는 17개년 해양환경측정망 자료가 활용되었으며, 마산만 모델은 학습에 834개 자료, 검증에 92개 자료가 사용되었다. 행암만 모델은 학습에 188개 자료, 검증에 20개 자료가 사용되었다. 예측 변수로는 해양환경측정망의 표·저층 수온, DIP, TP 농도를 사용하였으며, COD 농도를 반응변수로 두어 GPR 모델을 학습·검증하였다. 검증 결과, 모든 GPR 모델의 R²는 0.60 이상으로 나타나 충분한 설명력을 확보한 것으로 평가되었다(Fig. 4). 다만, 행암만 모델의 경우 검증에 사용된 자료 개수가 20개에 불과하여 신뢰성을 평가하기에는 한계가 있다. 향후에는 해양환경측정망 자료와 더불어 다른 측정망 자료를 통합하여 충분한 검증 자료를 확보할 필요가 있다.

Fig. 4.

Validation results of the GPR model for COD concentration prediction in Masan Bay (left) and Hangam Bay (right).

이후 학습된 GPR 모델에 유동 모델의 수온과 인 순환 모델의 인 농도를 입력하여 마산만의 COD 농도를 예측·재현하였다.

마산만 연안오염총량관리제도의 목표 수질은 5·8월 표·저층 관측값들의 기하평균을 바탕으로 산정된다(TP, 0.031 mg/L; COD, 2.10 mg/L). 이에 따라, 2022년과 2023년 하천 부하 및 퇴적물 용출 부하 삭감에 따른 5·8월 표·저층 TP와 COD 농도의 기하평균값 분포를 Fig. 9에 나타내었다. 본 3.4.1절의 부하 삭감은 특정 모델 Box가 아닌 마산만 전체 부하 삭감을 의미한다. 2022년 TP 농도는 강수량이 적었던 영향으로 부하 삭감이 없더라도 목표 수질을 만족하였다. 반면, 강수량이 많았던 2023년 TP 농도는 0.034 mg/L로 목표 수질 대비 0.003 mg/L 높게 나타났으며, 목표 수질 달성을 위해서는 하천 부하를 기존 대비 10% 수준으로 낮추거나(90% 삭감) 퇴적물 용출 부하를 기존 대비 50% 수준으로 낮출 필요가 있다. 또는, 하천 부하 40%와 퇴적물 부하 30%를 동시에 삭감하는 방안도 있다.

Fig. 9.

Heatmaps of water quality concentrations in 2022 (left) and 2023 (right) under river load (y-axis) and sediment load (x-axis) reduction scenarios: (a) geometric mean of TP concentrations in surface and bottom layers for May and August, and (b) is same as (a) but for COD. The area inside the black boundary indicates that the current target water quality (TP 0.031 mg/L, COD 2.10 mg/L) is satisfied.

COD의 경우, 2022년 농도는 2.28 mg/L로 목표 수질 대비 0.18 mg/L 높게 나타나, 목표 수질 달성을 위해서는 퇴적물 용출 부하 단독 70% 삭감 또는 하천 부하 60%와 퇴적물 용출 부하 50%의 동시 삭감이 필요한 것으로 평가되었다. 2023년 COD 농도는 2.39 mg/L로 초과폭이 더 컸으며, 하천 부하 또는 퇴적물 용출 부하 단독 삭감만으로는 목표 수질 달성이 어려운 것으로 나타났다. 극단적으로 퇴적물 부하를 0으로 설정해야 목표 수질을 만족할 수 있으나, 이는 현실적으로 불가능하다. 다만 2023년은 최근 7년(2018~2024) 중 강수량이 가장 많았던 해로, 단일 연도를 기준으로 평가하기에는 한계가 있다. 따라서 2022~2023년 평균값을 바탕으로 목표 수질 달성을 검토하는 것이 타당하다.

두 해(2022~2023) 평균 결과(Fig. 10), TP 농도는 0.031 mg/L로 목표 수질을 달성하여 부하 저감이 필요 없는 것으로 나타났다. 반면 COD 농도는 2.34 mg/L로 목표 수질 대비 0.24 mg/L 높아, 목표 수질 달성을 위해서는 하천 부하 70%와 퇴적물 용출 부하 80%의 동시 삭감이 요구되었다.

Fig. 10.

Heatmaps of TP (left) and COD (right) concentrations based on the geometric mean in surface and bottom layers for May and August 2022~2023 under river load (y-axis) and sediment load (x-axis) reduction scenarios. The area inside the black boundary indicates that the current target water quality (TP 0.031 mg/L, COD 2.10 mg/L) is satisfied.

본 수치 모의 결과, TP와 달리 COD는 목표 수질 달성이 현실적으로 어렵다는 한계가 확인되었다. 다만, COD 농도는 인 순환 모델에 의해 직접 계산되지 않고, 유동 모델의 수온과 인 순환 모델의 DIP·POP 농도를 예측변수로 한 GPR 모델에 의해 추정되었기 때문에, 이 과정에서 누적 오차가 발생했을 가능성이 있다. 향후에는 COD를 물질 순환 모델의 계산 항목으로 포함하여 재현할 필요가 있다. 그럼에도 불구하고, 마산만 COD 목표 수질 달성이 어렵다는 점은 관측 자료에서도 확인된다. 실제 2022~2023년 5·8월 표·저층 COD 관측 기하평균은 2.71 mg/L로 목표치(2.10 mg/L)를 0.61 mg/L 상회하였다. 따라서 COD에 대해서는 현실적인 달성을 위한 새로운 목표 수질 설정이 필요하며, TP와 COD 농도의 계절 변동성을 고려하여 계절별 차등 목표치를 설정하는 방안이 제시될 수 있을 것이다.

앞선 3.4.1절에서 TP 농도는 추가 부하 저감 없이 목표 수질을 만족하는 것으로 나타났으나, COD 농도는 현실적인 새로운 목표 수질 설정이 필요한 것으로 평가되었다. TP와 COD 농도의 계절 변동성을 고려하여 계절별 차등 목표치 설정 가능성을 검토하기 위해, 월별 모의 결과를 Fig. 11과 Fig. 12에 제시하였다. 그 결과, 7월과 10월의 TP 농도는 부하 저감 없이도 목표 수질을 달성한 반면, 8월과 9월은 목표 수질을 만족하기 위해 하천 및 퇴적물 부하를 약 50% 이상 저감해야 하는 것으로 나타났다. COD 농도 또한 유사한 경향을 보였으며, 특히 8월과 9월에는 목표치를 크게 상회하여 현실적인 달성이 어려운 것으로 평가되었다. 이러한 결과를 종합하면, 봄~초여름(5~7월)과 가을(10~11월)에는 목표 수질을 완화할 필요가 있는 반면, 8~9월에는 현실적으로 달성 가능한 수준으로 목표 수질을 재조정할 필요가 있다고 판단된다.

Fig. 11.

Monthly TP concentrations based on geometric mean in surface and bottom layers for 2022~2023 under river load (y-axis) and sediment load (x-axis) reduction scenarios. The area inside the black boundary indicates that the current target water quality (TP 0.031 mg/L, COD 2.10 mg/L) is satisfied.

Fig. 12.

Monthly COD concentrations based on geometric mean in surface and bottom layers for 2022~2023 under river load (y-axis) and sediment load (x-axis) reduction scenarios. The area inside the black boundary indicates that the current target water quality (TP 0.031 mg/L, COD 2.10 mg/L) is satisfied.

추가적으로, 계절별 차등 목표치 설정은 단순히 수질 관리 목표를 현실화하는 데 그치지 않고, 관리 효율성을 높이는 측면에서도 의미가 크다. 예를 들어, 7월과 10월은 부하 저감 조치 없이도 목표 수질을 달성할 수 있으므로 관리 자원을 집중적으로 투입할 필요가 없지만, 8~9월은 수질 악화가 심화되는 시기로, 집중적인 관리 대책이 요구된다. 이는 관리 자원의 시·공간적 배분을 최적화할 수 있는 근거를 제공하며, 결과적으로 효율적인 오염 저감 전략 수립에 기여할 수 있다.

또한, COD 농도가 TP에 비해 달성하기 어려운 목표를 보이는 것은 외부 부하뿐만 아니라 내부 기작의 영향을 강하게 받기 때문으로 판단된다. 퇴적물 재부상, 유기물 분해, 강우에 따른 유입량 변화 등 다양한 과정이 복합적으로 작용하기 때문에 COD 농도는 단순한 부하 삭감만으로는 충분히 제어하기 어렵다. 따라서 향후 연구에서는 이러한 내부 기작을 세밀히 반영할 수 있는 개선된 물질 순환 모델의 도입이 필요하며, 장기간 자료를 활용한 계절별 목표치 검증 또한 이루어져야 할 것이다. 나아가 기후변화로 인한 강우 패턴 변화와 빈산소수괴 발생의 계절적 특성을 고려한다면, 8~9월과 같은 취약 시기에 집중적인 관리 대책을 마련하는 것이 장기적으로 수질 관리 체계의 실효성을 높이는 핵심 전략이 될 수 있다.

마산만으로 유입되는 하천 기원 TP 및 COD 부하 중 덕동 하수처리장 방류수가 약 80%를 차지하여 지배적인 비중을 보였다(Table 3). 따라서 오염이 가장 심각한 마산만 내측(Box1)의 수질 개선을 위해 단순히 덕동 하수처리장 부하를 저감하는 것이 효과적일 것으로 판단될 수 있다. 그러나 덕동 하수처리장 방류구는 만 입구(R7)에 위치하여 외해와의 해수 교환이 활발하고, 특히 마산만 표층 잔차류가 외해 방향으로 흐르기 때문에 실제로 이 방류수가 내측 수질에 미치는 영향은 제한적일 가능성이 있다.

이에 따라, 정량적 평가를 위해 오염이 가장 심각한 8월을 대상으로 Box1과 Box3의 부하를 각각 저감했을 때의 Box1 TP 및 COD 농도 변화를 모의하였으며, 그 결과를 Fig. 13에 제시하였다. 모의 결과, 덕동 하수처리장이 위치한 Box3의 하천 부하를 저감하더라도 Box1 수질은 크게 개선되지 않았다. 극단적으로 Box3의 하천 부하를 0으로 설정하더라도 Box1의 TP 농도는 0.066 mg/L에서 0.065 mg/L로 단지 0.001 mg/L 감소하는 데 그쳤다. 이는 마산만 내측의 TP 농도를 낮추기 위해서는 해당 해역 내 부하를 직접 저감하는 것이 필수적임을 의미하며, 특히 퇴적물 용출 부하 저감이 효과적인 것으로 나타났다. 실제로 Box1의 하천 부하를 0으로 설정했을 경우 TP 농도는 0.066 mg/L에서 0.064 mg/L로 소폭 감소하는 데 그쳤으나, 퇴적물 용출 부하를 0으로 설정하면 TP 농도는 0.052 mg/L까지 감소하였다.

Fig. 13.

Simulated changes in TP and COD concentrations in Box1 under river load (y-axis) and sediment load (x-axis) reduction scenarios, based on the arithmetic mean for August 2022~2023: reduction of Box1 loads (left) and reduction of Box3 loads (right).

COD의 경우 Box3 부하 저감이 Box1 농도 개선에 TP보다 다소 큰 효과를 보였으나, COD 또한 Box1의 부하를 직접 저감하는 것이 가장 효과적인 것으로 나타났다.

마산만 내측 수질 개선을 위해서는 덕동 하수처리장 부하를 저감하는 것보다 내측 해역(Box1)의 부하를 직접 저감하는 것이 훨씬 효과적인 것으로 나타났다. 모의 결과에서도 확인된 바와 같이, 덕동 하수처리장이 위치한 Box3의 하천 부하를 저감하더라도 Box1 수질 개선 효과는 제한적이었다. 반면, Box1의 부하를 직접 저감할 경우 TP와 COD 농도 모두에서 유의미한 개선이 나타났으며, 특히 퇴적물 용출 부하의 저감이 가장 효과적인 것으로 평가되었다.

마산만 내측 수질 개선을 위해 Box3의 부하를 저감할 자원적·비용적 여유가 있다면, 저층 잔차류가 만 내부로 유입되는 특성을 고려할 때, 하천 부하보다는 퇴적물 부하 저감이 더 효율적인 것으로 판단된다. 이러한 결과는 모의 실험에서도 확인되었으며, 퇴적물 부하 저감이 TP와 COD 농도 개선에 있어 보다 직접적인 효과를 나타냈다. 퇴적물 부하 관리 방안으로는 준설(dredging), 저감제 피복(chemical capping), 저층 산화 환경 조성 등을 고려할 수 있으며, 이러한 조치들은 내측 해역에서의 내부 기작에 의해 재순환되는 인과 유기물의 영향을 줄이는 데 기여할 수 있다.

또한, 여름철 하천 부하의 급증으로 COD 농도가 크게 상승하는 경향이 관찰되었으므로, 단기적으로는 폭우 시 유입되는 비점오염원 관리 대책을 병행할 필요가 있다. 그러나 장기적인 관점에서 내측 수질 개선을 위해 가장 지속적이고 확실한 효과를 거둘 수 있는 방법은 퇴적물 부하 저감이라는 점이 본 연구 결과를 통해 확인되었다.