물 부족 특성화인자 개발 및 시간적 변동성과 지역적 조건을 고려한 불확실성 분석
Development of the water scarcity characterization factor and its uncertainty analysis considering temporal variations and local conditions
- 주제(키워드) 물 부족 발자국 , 불확실성 분석 , AWARE 모델 , Monte Carlo simulation , Bootstrap
- 발행기관 아주대학교
- 지도교수 이건모
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 박사
- 학과 및 전공 일반대학원 환경공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000027558
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
물 부족에 대한 국제적 관심이 증가함에 따라 공정/제품 및 조직에 대한 물발자국 산정에 관한 국제표준인 ISO 14046이 제정되었다. 특히, 전과정평가 측면에서 물 부족에 대한 영향범주가 생겨남에 따라 공정/제품 및 조직의 물 소비에 따른 잠재적인 환경영향(물 부족 발자국; Water scarcity footprint)을 산정하기 위해 물 부족 특성화인자(Water scarcity characterization factor) 산정방법론이 개발되었다. 하지만 기존에 제시된 특성화인자가 특정 지역의 상황을 반영하고 있는지에 대한 의문이 제기되어 국가 및 유역별로 지역적 상황을 고려하여 재 산정 하고 있다. 이에 이 논문은 지역적 상황을 고려한 물 부족 발자국을 정량적으로 산정할 수 있는 방법을 제안하는 것을 목적으로 하였다. 이를 위하여 지역적(Local specific) 물 부족 특성화인자 개발 및 시간적 변동성(Temporal variability)을 고려한 물 부족 발자국 불확실성 분석이라는 2가지 주제를 선정하여 연구를 수행하였다. 첫째, 국내 지역적 상황을 고려한 보정계수 도입 및 국내 고유의 지역적 수문학적 데이터를 활용하여 20개 대권역에 대한 월별 물 부족 특성화인자를 개발하였다. 1) 개발한 20개 대권역에 대한 월별 특성화 인자를 검증하기 위하여 국내 유사 문헌들과 비교하였다. 그 결과 본 연구에서 제시한 물 부족 특성화인자의 대권역별 순위와 국내 문헌들(원광재 외, 2005; 국토교통부, 2016)의 대권역별 물이용 취약성 및 1인당 가용수자원량에 대한 순위가 유사했다. 또한 수자원장기종합계획에서 제시하는 물 부족 월과 동일하게 겨울철(12월, 1월, 2월) 및 6월에서 물 부족 특성화인자가 크게 도출되었다. 따라서 본 연구에서 제시한 20개 대권역의 월별 물 부족 특성화인자가 국내 상황을 잘 반영하고 있다고 판단된다. 2) Global 수문 모델로 한국의 물 부족 특성화인자를 제시한 기존 AWARE(Available WAter REmaining, Boulay et al., 2017) 방법과 비교 결과 큰 차이가 발생했다. 기존 AWARE 방법과 본 연구에서 제시한 한국의 월별 물 부족 특성화 인자의 순위가 같은 경향성을 띄지 않았다. 또한 정량적인 특성화 인자 값으로 비교했을 경우에는 한국의 물 부족 특성화인자를 평균 20.5배 과소평가 하고 있는 것으로 나타났다. 이러한 큰 차이는 스페인, 미시시피 유역 및 유럽에서 개발한 지역적 물 부족 특성화인자와 기존의 Global 수문 모델로 산정한 특성화인자를 비교한 문헌에서도 동일하게 나타났다. 둘째, 제시한 20개 대권역의 월별 물 부족 특성화인자 시간적 변동성(Temporal variability, inter-annual variability in this study)으로부터 발생 할 수 있는 물 부족 발자국의 불확실성을 분석함에 있어서 적합한 방법으로 block bootstrap을 제시하였다. 1) 벼 1kg 및 정수기 1대의 물 부족 발자국 산정 시 특성화인자의 시간적 변동성으로부터 발생할 수 있는 불확실성을 Monte Carlo simulation(parametric and non-parametric) 및 block bootstrap으로 비교하였다. 그 결과 두 가지 사례에서 모두 block bootstrap 방법으로 산정한 percentage uncertainty, U(%)값이 parametric Monte Carlo simulation 및 non-parametric Monte Carlo simulation 보다 작게 도출되었다. 이는 block bootstrap 방법이 Monte Carlo simulation(parametric and non-parametric) 보다 물 부족 발자국의 모평균에 정밀하게 추정한 결과를 나타내는 것이다. 또한 두 가지 사례 대하여 parametric Monte Carlo simulation으로 산정한 물 부족 발자국 평균값이 다른 방법들(non-parametric Monte Carlo simulation, block bootstrap)로 산정한 물 부족 발자국 평균값보다 과소산정 하는 것으로 나타났다. 2) 이러한 결과는 개발한 월별 물 부족 특성화인자 산정 식으로부터 발생하는 비모수적 특징 때문이다. 이에 따라, 개발한 월별 특성화인자의 시간적 변동성(Inter-annual)을 고려하기 위해 모수적인 확률밀도함수를 추정 및 가정하고 비모수적 확률밀도함수를 위해 설정한 bin 개수 결정이 부정확하여 결과 값에 추가적인 불확실성을 발생 시킨 것이다. 또한 모수적인 확률밀도함수를 적용함에 따라 물 부족 특성화인자의 기댓값을 과소산정하게 되어 물 부족 발자국 평균값을 과소산정 하였다. 따라서 확률변수의 분포를 추정 및 가정 하지 않아도 되는 방법인 block bootstrap 방법을 통하여 특성화인자의 시간적 변동성으로부터 발생 할 수 있는 불확실성을 정량화하는 것이 본 연구에서 개발한 지역적 특성화인자에 더 적합 한 것으로 판단된다. 결론적으로 본 논문에서는 처음으로 국내 지역적 상황을 고려하여 20개 대권역에 대한 월별 물 부족 특성화인자를 개발하였다. 개발한 특성화인자는 국내 대권역에 위치하는 공정이 포함된 제품시스템에 대하여 물 부족 발자국을 산정 할 경우 유용하게 쓰일 수 있을 것으로 판단된다. 또한 개발한 특성화 인자의 시간적 변동성으로부터 발생 할 수 있는 제품/공정의 물 부족 발자국 불확실성 분석에 적합한 방법으로 분포 추정이 필요 없는 block bootstrap 방법을 제시함으로써 물 부족 발자국의 불확실성 분석의 새로운 방향을 제안하였다는 점에서 의미가 있다.
more초록/요약
Increasing interest in water scarcity has led to the publication of international standard ISO 14046 for estimating water footprint of processes/products and organization. In particular, from the perspective of life cycle impact assessment, water scarcity characterization factor(CF) models were developed to quantify the potential impact(Water scarcity footprint) of water consumption for processes/product and organization. However, there are doubts as to whether the existing CFs well reflect the local specific condition of a particular country and basins, and are re-calculated considering the local specific condition. Therefore the objective of this dissertation is to propose method for quantifying the local specific water scarcity footprint. For this purpose, this paper has chosen two research themes; develop local specific water scarcity CF and uncertainty analysis considering temporal variability. First, monthly water scarcity CFs were developed for 20 basins in Korea by applying local specific correction factor and hydrological data. 1) The developed water scarcity CFs were compared with similar literatures to verify them. The water scarcity CF rank for basins of this study are similar to those of the water vulnerability rank for basins in the Won et al. (2005) as well as rank of water availability per person for each basin in Ministry of Land, Infrastructure and Transport(2016). Also, similar to the water scarcity month presented in “Comprehensive Water Resource Plan-Water vision 2020”, the monthly water scarcity CFs were calculated high for June and winter(Dec, Jan, Feb). Therefore the developed monthly CFs for 20 basins well represent the local condition of Korea. 2) However, there was a big difference compared to the existing AWARE CFs in Korea which collect hydrological data with the global model. Comparing with the rank of monthly water scarcity CF in Korea for existing AWARE model and this study, the same tendency were not observed. In addition, when comparing with the quantitative CFs values, it was found that existing AWARE water scarcity CFs in Korea underestimate by 20.5 times in average that of this study. These large differences between water scarcity CF based on global model and CF based on local condition are also presented in Spain, Mississippi basin and Europe case studies. Second, block bootstrap was proposed as a suitable method for analyzing the uncertainty of water scarcity footprint that may arise from the temporal variability (inter-annual variability in this study). 1) The uncertainties that may arise from the temporal variability of the characterization factors in the estimation of water scarcity footprint of 1kg of paddy rice and one water purifier are compared by Monte Carlo simulation (parametric and non-parametric) and block bootstrap. As a result, the percentage uncertainty, U (%) value calculated by the block bootstrap method in both cases was smaller than the parametric and the non-parametric Monte Carlo simulation. This indicates that the block bootstrap method estimate population of water scarcity footprint more precisely than the Monte Carlo simulation(parametric and non-parametric). In addition, water scarcity footprint mean value estimated by parametric Monte Carlo simulation for two cases was underestimated compared to the other methods 2) The likely reason for these results are the non-parametric nature of the developed CF’s. Therefore, the estimated parametric pdf and determined number of bins for non-parametric pdf to consider inter-annual variability of the CFs might be inaccurate so that it became additional source of uncertainty. Also, by assuming an inaccurate probability distribution, not only the expected value of CF can be underestimated but also water scarcity footprint mean value. Therefore, it is more appropriate to perform the uncertainty analysis considering temporal variability through the distribution-free block bootstrap method, which does not need to estimate or assume the probability density function of random variables. In conclusion, in this paper, we have developed local specific water scarcity CFs for 20 basins in Korea for the first time. These CFs are provided to reduce spatial variability of water use indicator results for LCA studies when some or all of the product systems take place in Korea. In addition it is meaningful that this paper proposed a new direction of uncertainty analysis considering temporal variability for water scarcity footprint of processes/product with the block bootstrap method which is distribution free method.
more목차
Ⅰ. 서 론 1
1.1 연구 배경 2
1.2 문제 정의 6
1.2.1 지역적 물 부족 특성화인자 개발의 필요성 6
1.2.2 시간적 변동성을 고려한 물 부족 발자국 불확실성 분석 방법의 필요성 7
1.2.3 연구 목적 8
1.3 논문 구성 9
Ⅱ. 문헌 연구 12
2.1 국내외 물발자국 산정 방법론 13
2.1.1 Water Footprint Network Guideline 13
2.1.2 ISO 14046 19
2.1.3 농림축산식품부 물발자국 산정 방법론 25
2.1.4 환경성적표지제도 물발자국 산정 방법론 27
2.1.5 물발자국 산정 방법론 비교를 통한 이론적 고찰 29
2.2 물 부족 특성화인자 산정 방법론 33
2.2.1 Withdrawal to Availability (WTA) 34
2.2.2 Consumption to Availability(CTA) 40
2.2.3 Availability minus Demand(AMD) 43
2.2.4 기타 45
2.2.5 물 부족 특성화인자 산정방법에 대한 이론적 고찰 50
2.3 물 부족 발자국 불확실성 분석 54
2.3.1 물 부족 발자국의 불확실성 분석 정의 및 유형 55
2.3.2 물 부족 발자국 불확실성 분석 방법 57
2.3.3 물 부족 발자국의 불확실성 분석 사례를 통한 이론적 고찰 61
Ⅲ. 지역적 물 부족 발자국 산정 방법 65
3.1 지역적 물 부족 특성화인자 개발 66
3.1.1 보정계수 적용을 통한 지역적 물 부족 특성화인자 산정 방법 66
3.1.2 지역적 물 부족 특성화인자 산정을 위한 데이터 수집 68
3.2 시간적 변동성을 고려한 물 부족 발자국 불확실성 분석 방법 77
3.2.1 물 부족 발자국 불확실성 분석 방법 제시 흐름 77
3.2.2 Monte Carlo simulation을 통한 물 부족 발자국 불확실성 분석 79
3.2.3 Block bootstrap을 통한 물 부족 발자국 불확실성 분석 83
Ⅳ. 물 부족 특성화인자 제시 및 적용 87
4.1 지역적 물 부족 특성화인자 제시 88
4.1.1 20개 대권역의 월별 물 부족 특성화인자 제시 및 검증 88
4.1.2 해외 사례 비교를 통한 고찰 96
4.2 불확실성 분석 방법 제시를 위한 사례 연구 102
4.2.1 대상제품 102
4.2.2 시스템 경계 및 기능단위 103
4.2.3 물 부족 발자국 인벤토리 데이터 수집 105
4.2.4 물 부족 발자국 불확실성 분석 방법 비교 110
Ⅴ. 결론 및 향후연구 126
5.1 결론 및 연구 성과 127
5.1.1 결론 127
5.1.2 연구 성과 129
5.2 향후 연구 방향 131
Ⅵ. 참고문헌 132
Abstract 142
Appendix 144
