1. Introdution

연안 및 하구역의 수질 변화는 물리적 유입, 생지화학적 반응, 인위적 관리 등 다양한 요인의 복합 작용에 의해 발생 하며, 이에 대한 구조적 인과관계를 규명하는 것은 수질 개 선 및 관리 전략 수립의 핵심 과제이다(Borja et al., 2010;Cloern, 2001). 특히, 새만금과 같은 인공적인 간척 및 수문 구조물이 조성된 해역에서는 수문 개폐, 외해수 유입, 유기 물 부하 변화 등이 상호 복합적으로 작용하여 수질의 시공 간적 이질성과 인과성을 증폭시킨다(Kim, 2025).

그동안 새만금 해역을 포함한 국내 연안에서의 수질 연구 는 DO, COD, T-N, T-P, chlorophyll-a 등 개별 항목의 시계열 분석이나 통계적 분류에 초점이 맞춰져 왔으며, 이들 변수 간의 구조적 인과관계를 정량적으로 분석한 연구는 상대적 으로 부족하였다. 최근에는 머신러닝이나 시계열 기반의 인 과추론 기법이 활발히 활용되고 있으며(Yao et al., 2021;Runge et al., 2019), 특히 LiNGAM(Linear Non-Gaussian Acyclic Model) 은 변수 간 비가우시안적 분포를 전제로 인과 방향성을 추 론할 수 있는 기법으로 주목받고 있다(Shimizu et al., 2006).

새만금 해역은 수문 조작을 통해 염분 유입을 인위적으로 조절하고 있으며, 이러한 외생 요인이 전체 수질 시스템에 어떤 구조적 영향을 주는지를 정량적으로 규명하는 것은 해 석 기반 수질 예측 및 정책 결정의 과학적 근거를 제공하는 데 필수적이다. 특히 염분은 외부 유입량에 따라 직접 결정 되는 외생 변수로 간주되며, DO, pH, TOC 등은 수온, 유기 물, 조류 증식 등 다양한 내부 요인의 영향을 받는 내생 변 수로 작용하는 경향이 있다. 따라서 변수 간 인과 흐름의 방 향성과 강도를 계량화함으로써, 각 변수의 구조적 역할(유발 자 vs 수용자)을 파악하고, 중심성 지표를 통해 핵심 변수 식 별이 가능하다(Runge et al., 2015).

또한, 기존의 단순 상관분석이나 회귀 기반 해석은 시간 지연 효과나 누적 반응 특성을 고려하지 못한다는 한계가 있으며, 이에 대한 보완으로 시계열 기반 Granger 인과분석 및 구조방정식 기반 LiNGAM 분석을 병행할 필요가 있다.

본 연구의 목적은 새만금 수질 시계열 자료를 기반으로 주요 수질 항목 간의 구조적 인과관계를 정량적으로 분석하 고, LiNGAM 기반 중심성 분석을 통해 각 변수의 네트워크 내 영향력과 종속성을 평가하는 것이다. 특히 염분이 외생 적 수용 변수로 기능하는지 여부를 네트워크 구조상에서 검 증하고, DO와 같은 핵심 수질 항목이 다양한 변수의 복합 영향을 받는 종속 변수로 작용하는지를 분석한다.

이를 위해 다음과 같은 분석을 수행하였다. 첫째, 2016년 부터 2024년까지의 1시간 간격 수질 모니터링 자료를 활용 하여 각 지점별 시계열 패턴과 상관계수를 분석하였다. 둘 째, Granger 인과분석을 통해 시간 지연 기반의 예측 가능 인 과성을 검토하고, 셋째, LiNGAM 기법을 활용하여 구조 기반 인과망을 구축하였다. 마지막으로, 중심성 지표를 통해 변수 간 네트워크 내 구조적 위치를 계량화하여 핵심 변수와 외 생 변수의 역할을 식별하였다.

본 연구는 구조적 인과 해석 기반의 수질 분석 프레임을 제안함으로써, 기존의 통계 중심 수질 해석을 넘어선 원인 중심의 수질 예측 및 관리 전략 수립의 이론적 기반을 제공 하고자 한다.

2. Material and Method

2.1 Study Area and Monitoring Sites

새만금 하구 시스템은 한반도 서해안에 위치한 대규모 인 공 간척지로, 방조제와 갑문에 의해 외해와 분리된 구조를 갖고 있다. 본 연구에서는 수질 변동 양상을 분석하기 위해 공간적 분포와 수문학적 특성을 고려하여 환경부에서 모니터 링하고 있는 다섯 개의 대표 지점(Dongjin, Garyeok, Gyehwa, Mangyeong, Sinsi)을 선정하였다(Fig. 1).

새만금 내 물의 흐름 구조는 남북으로 구분된 새만금 내 지리적 요인으로 인하여, 남쪽에서는 동진강(Dongjin)에서 가 력 갑문(Garyeok)으로 향하면서 가운데에 위치한 계화도 (Gyehwa)를 거치고, 북쪽에서는 만경강(Mangyeong)에서 신시 갑문(Sinsi)으로 이어진다. 즉, 만경강과 동진강 지점은 하천 으로부터 유입되는 담수의 영향을 반영하는 지점이며, 신시 갑문과 가력 갑문은 해수 유입이 이루어지는 해양 지배적 구간, 계화는 이들의 중간 지점인 기수역에 해당한다. 이들 5개 지점은 하천과 해양의 상호작용이 복합적으로 작용하는 새만금 내부의 다양한 수리·수질 조건을 반영하고 있어, 전 체 시스템의 수질 변화를 파악하고 주요 영향을 규명하는 데 중요한 역할을 한다.

2.2 Data Collection and Variables

본 연구는 새만금 수질 시계열 자료를 기반으로 변수 간 인과적 상호작용을 정량적으로 해석하기 위해, 상호 보완적 인 통계 및 인과 추론 기법을 통합적으로 적용하였다. 먼 저, 시계열의 신뢰성 및 구조적 경향성을 파악하기 위해 기 본적인 상관계수 분석을 수행하였으며, 이는 변수 간 선형 공변성의 기초 정보를 제공한다. 이후, 시계열 지연을 고려 한 인과 추론을 위해 Granger 인과성 분석을 적용하였고, 보 다 구조적인 인과 방향성을 규명하기 위해 LiNGAM(Linear Non-Gaussian Acyclic Model)을 활용하였다. 마지막으로, 도출 된 인과 네트워크를 기반으로 중심성 분석을 실시함으로써 각 변수의 구조 내 역할과 영향력을 계량화하였다. 이러한 분석 절차는 변수 간 동시적 관계와 인과 흐름을 함께 고려 하고, 복잡한 수질 시스템 내 핵심 항목과 외생 변수를 식별 하는 데 목적이 있다.

본 연구에서는 2016년부터 2024년까지의 수질 모니터링 자료를 활용하였고, 최근 설치된 계화지점은 2023년부터 2024년까지의 자료를 이용하였다. 해당 자료는 국가 장기 관 측 프로그램을 통해 수집된 것으로, 주요 수질 항목에 대해 1시간 간격으로 측정된 값들을 포함하고 있으며, 2011년부터 관측이 시작되었지만, TOC가 모니터링되기 시작한 2016년 부터의 자료들을 대상으로 하였다. 본 연구에서는 수온(°C), 수소이온농도(pH), 염분(‰), 클로로필-a(μg/L), 총질소(TN, mg/L), 총인(TP, mg/L), 탁도(NTU), 화학적 산소요구량(COD, mg/L), 용존산소(DO, mg/L), 총유기탄소(TOC, mg/L) 등 총 10 개의 수질 변수를 대상으로, 변수 간의 잠재적 인과 관계를 파악하기 위해 LiNGAM 및 Granger 인과성 분석을 수행하였 다. 인과성 분석에서는 모든 변수를 동등한 수준에서 고려 하여, 특정 변수의 변화가 다른 변수에 미치는 영향을 구조 적으로 해석하였다. 한편, 기온, 유량, 강수량 등은 수질 변 화에 영향을 줄 수 있는 외부 요인이지만, 지점별 관측자료 가 부재하여 공간적 대표성에 한계가 있으므로, 본 연구의 인과 네트워크 분석에는 부적합하다고 판단되어 제외하였 다. 반면, 수온과 염분은 해양 수질 반응계 내에서 구조적 핵심 변인으로 작용하며, 인과 흐름의 매개자 역할을 수행 할 뿐 아니라, 지점별 관측자료가 확보되어 있어 분석에 포 함시켰다. 특히, 이들 항목은 기온, 강수, 유량 등의 기상·유 역 요소에 의해 간접적으로 영향을 받는 반응 변수로, 기상 요인의 효과를 부분적으로 내포하고 있다.

모든 변수는 수치형으로 변환하고 정규화 처리하였으며, 결측값은 보간하거나 보정하지 않고 제외하였다. 또한, 전체 데이터 중 70% 이상이 결측인 변수는 자동적으로 분석에서 제외되도록 하였다. 각 변수별 사분위수(IQR) 기반 기준값을 적용하여, Q1 - 1.5 ×IQR보다 작거나 Q3 + 1.5 ×IQR보다 큰 값을 이상치로 간주하고, 해당 값은 결측값(Not a Number, NaN)으로 대체하였다.

2.3 상관계수 및 유의성 분석

기초 통계 분석으로 Pearson 상관계수(r)를 통해 각 변수 간 선형 상관관계를 계산하였고, 이에 대한 유의성 검증을 위해 p-value를 산출하였다. 상관계수 r_xy는 다음과 같이 정 의된다.

여기서, x_i,y_i는 각각 i번째 샘플 값이며, x,y 는 각각 x,y 의 평균값이다. p-value는 귀무가설(H₀ : r = 0)의 기각 여부를 판단하며, 본 연구에서는 p < 0.05를 유의수준 기준으로 사 용하였다.

2.4 Granger 인과성 분석

시계열 기반의 인과관계 추론을 위해 Granger 인과성 분석 (Granger causality test)을 수행하였다(Granger, 1969). 이 기법은 변수 X 의 과거값이 Y의 현재값을 예측하는 데 통계적으로 유의미한 기여를 하는지를 검정하는 방식으로, 다음 회귀식 을 기반으로 한다.

여기서, X 가 Y의 Granger 원인이라면, H₀ : β_j = 0이 기각 된다. 본 연구에서는 최대 시차(max lag)는 3으로 설정하였 다.

2.5 LiNGAM 기반 인과망 추론

Granger 분석이 시간 지연 기반의 예측 가능 인과성에 초 점을 둔다면, LiNGAM(Linear Non-Gaussian Acyclic Model)은 변수 간 구조적 인과 방향을 추론하는 기법이다(Shimizu et al., 2006). LiNGAM은 다음과 같은 선형 구조 방정식 모델을 기반으로 한다.

여기서, X 는 변수 벡터, B는 인과계수 행렬이며, e는 비가 우시안 독립 오차항이다. DAG(Directed Acyclic Graph)를 전제 로 하여, 독립성 및 비가우시안성을 이용해 인과 방향성을 결 정한다. 분석에는 Shimizu et al.(2011)이 제안한 DirectLiNGAM 알고리즘을 적용하였다. 본 방법은 비정규성 가정 하에서 변수 간 인과적 방향성을 선형 회귀와 상관 분석 기반으로 직접 추정하는 구조로, ICA-LiNGAM (Shimizu et al., 2006)에 비해 계산 효율성과 해석 가능성이 우수하다.

2.6 중심성 지표 분석

본 연구는 LiNGAM으로 도출된 인과 네트워크 구조를 기 반으로, 변수 간의 영향력과 중요도를 정량적으로 평가하기 위해 중심성(centrality) 지표를 분석하였다.

LiNGAM을 통해 얻어진 인과계수행렬 B = [b_ij]는 변수 간 인과관계의 방향과 크기를 나타내는 행렬로, 이를 이용하여 유향 가중치 네트워크 그래프를 구성하였다. 변수 i에서 j 로의 인과 경로가 존재하는 경우 b_ij > 0이며, 해당 값이 클 수록 영향력이 크다고 판단할 수 있다.

인과계수 B를 가중치 행렬로 하여 구성한 유향 그래프에 대해 다음의 중심성 자표를 산정하였다. 먼저, Out-degree 중 심성은 변수 i가 다른 변수에 인과적 영향을 미치는 정도를 나타내며, 다음과 같이 정의된다.

여기서, ϵ은 유의한 인과계수로 간주되는 임계값이며, 본 연구에서는 0.01로 설정하였다.

또한, In-degree 중심성은 변수 i가 다른 변수로부터 영향 을 받는 정도를 나타내며, 다음과 같다.

매개중심성(Betweenness Centrality)은 변수 i가 전체 네트워 크 내에서 다른 변수 간 경로 중간에 위치하는 정도를 나타 내며, 다음과 같이 정의된다.

여기서, σ_st는 변수 s에서 t로 가는 최단 경로의 개수이며, σ_st (i)는 그 중 변수 i를 경유하는 경로의 수이다. 본 연구에 서는 네트워크 내 가중치(|b_ij|)를 경로의 거리로 간주하여 최 단 경로를 산정하였다.

LiNGAM 기반 인과계수행렬을 중심성 지표 산정에 직접 활용함으로써, 인과 방향성과 강도를 모두 반영한 유향 가 중 네트워크 구성이 가능하고, 무시할 수 있는 미세한 인과 연결을 제거하여 연결 과잉을 방지할 수 있다. 또한 중심성 지표를 통해 물리적 영향력뿐만 아니라 구조적 매개성까지 고려한 변수 중요도를 정량적으로 평가할 수 있다.

3. Results and Analysis

3.1 데이터 시계열 검토

인과관계 분석에 앞서, 각 지점에서 수집된 수질 항목의 시계열 특성을 확인하여 데이터의 연속성, 계절성, 이상값 제거의 적절성 등을 검토하였다. Fig. 2는 Dongjin, Garyeok, Gyehwa, Mangyeong, Sinsi 지점에서 DO, TOC, T-N, T-P, COD 의 농도 변화를 나타낸 것이다. 각 항목은 mg/L 단위로 표기 되었으며, 자료의 시간 범위는 2016년부터 2024년까지로, Gyehwa의 경우 모니터링 장비가 최근에 설치되어 2023년부 터 2024년까지의 자료만 포함되어 있다.

시계열 분석 결과를 통해 각 지점의 수질 항목이 계절적, 또는 외부 영향에 따른 변화를 포함하고 있으며, 분석 대상 자료가 전반적으로 시간의 흐름에 따른 자연스러운 경향성 을 반영하고 있음을 확인하였다. 본 분석에서는 이상치 및 결측 구간을 제거하여 데이터의 통계적 안정성을 확보하였 다. 이에 기반하여 다음 장에서는 변수 간 상관관계 및 인과 구조를 정량적으로 분석하였다.

3.2 변수 간 상관관계 분석

각 지점별로 수질 변수들 간의 선형적 상관성을 파악하기 위해 Pearson 상관계수(correlation coefficient)를 계산하고, 이에 대한 통계적 유의성(p-value)을 함께 분석하였다. Fig. 3은 Dongjin, Garyeok, Gyehwa, Mangyeong, Sinsi 지점에 대한 상관 계수 행렬이며, Table 1은 이에 대응하는 p-value 행렬을 나타 낸다.

하천 유입부인 동진과 만경에서는 수온-DO 간 음의 상관 관계가 나타났는데, 동진에서는 r = -0.63 (p < 0.001), 만경에서 는 r = -0.38 (p < 0.001)로 확인되었다. 이는 하천수 유입과 더 불어 여름철 수온 상승이 용존산소 감소로 이어지는 특성을 반영한다. 반면, 해수유통이 우세한 신시와 가력에서는 이 관계가 더 강화되어 각각 r = -0.75, r = -0.66으로 나타났으며, 이는 외해수 교환 과정에서 수온과 DO의 동시 변동성이 크 게 작용했기 때문으로 해석된다. 즉, 외해수 자체의 수온·산 소 특성이나 교환 강도가 내측 DO 변화를 증폭시키는 방향 으로 작용했을 가능성이 있다.

염분-DO 관계는 모든 지점에서 일관되게 양의 상관을 보 였으며, 동진에서 r = 0.46, 가력에서 r = 0.33, 계화에서 r = 0.40, 만경에서 r = 0.28, 신시에서 r = 0.38로 나타났다(p < 0.001). 이 는 외해수 교환이 산소 회복에 기여하는 공통적 메커니즘임 을 보여준다.

영양염 변수와 DO의 관계에서는 지점별 차이가 뚜렷하였 다. 동진, 신시, 가력에서는 DO–T-P가 음의 상관을 보였으 며(r = -0.35, r = -0.45, r = -0.34), 계화에서는 r = -0.53으로 가장 강하게 나타났다. 이러한 음의 관계는 단순히 인 농도가 높 아 산소가 소모되었다는 의미라기보다는, 외해수 유입이 강 한 구간에서 DO가 높고 인이 낮은 반면, 하천 영향이 큰 구 간에서는 DO가 낮고 인이 높은 수리·수문학적 구도의 결과 로 해석된다. 반면 만경에서는 DO–T-N이 약한 양의 상관(r = 0.16, p < 0.001)을 보여, 질소 농도와 산소가 일정 부분 함 께 변동하는 패턴이 관측되었다. 이는 하천수 유입의 영향 으로 질소 부하와 산소 공급이 동시에 유입되는 현상, 혹은 다른 변수들과의 결합 효과일 가능성이 있다.

chlorophyll-a와 DO의 관계는 기수역과 일부 해수유통 지점 에서 양의 관계로 확인되었다. 계화에서는 r = 0.46으로 가장 강한 양의 상관을 보였으며, 신시와 만경에서도 각각 r = 0.29, r = 0.30으로 유의한 관계가 나타났다(p < 0.001). 계화에서의 높은 상관성은 조류 광합성 활동이 산소 변동을 직접적으로 반영한 결과로 해석할 수 있다. 반면 해수유통 지점에서는 외해수로부터 DO와 chlorophyll-a가 동시에 유입되는 과정이 결합되어 상관성이 형성되었을 가능성도 존재한다. 동진에 서는 상관성이 미약하게 나타났는데(r = 0.05), 이는 탁도가 높 아 광환경이 제한된 하천 유입부의 특성을 반영한다.

종합하면, 다섯 지점 모두에서 수온 상승에 따른 DO 감소 는 공통적으로 확인되었으며, 외해수 교환이 강화될수록 염 분과 DO의 양의 상관이 뚜렷하게 나타났다. 그러나 영양염 과 DO의 관계는 지점별로 상반된 양상을 보였는데, 하천수 지배 구간에서는 질소와 인의 부하가 산소 소모와 결합해 수질 악화 경향을 강화한 반면, 해수유통 및 기수역에서는 조류 광합성이 산소 회복에 일정 부분 기여하였다.

3.3 Granger 인과성 분석

전체적으로는 대부분의 변수쌍에서 양방향으로 유의한 Granger 연결이 확인되었다(Table 2). 그럼에도 불구하고 몇몇 지점에서는 한쪽 방향만 유의한(단방향) 관계가 나타났고, 이 단방향 연결은 지점별 수리·수문학적 맥락을 드러내는 차별적 단서로 해석할 수 있다.

동진(하천)에서는 수온이 영양염과 유기물 지표를 선행 하는 단방향성이 일관되게 관찰되었다. temperature→T-N은 p=5.82×10^-15로 유의했으나, 역방향 T-N→temperature는 p=0.0636으로 유의하지 않았고, 앞에서 두 변수의 상관계수 는 -0.218이었다. 이는 고수온 기간일수록 동시적으로 T-N이 낮게 관측되는 경향(음의 r)을 보이면서도, 수온의 변동이 질 소 농도의 단기 예측력을 지님을 시사한다.

temperature→T-P도 p=3.65×10^-6(역방향 p=0.141)로 단방향이 었고, r=0.168로 동시 상관은 약한 양의 관계로, 수온 상승기 와 T-P 증가가 같은 계절 패턴을 공유한다. temperature→COD 는 p=1.45×10^-145(역방향 p=0.229)로 통계적으로 매우 확실한 단 방향성이 확인되었으며, r=0.232로 약한 양의 상관을 보였다. 특이하게 chlorophyll-a→salinity는 p=1.73×10^-4(역방향 p=0.409)로 단방향성이 확인되었고, 두 변수의 동시 상관계수는 r=-0.108 로 약한 음의 관계를 보였다. 이는 하천 기원 조류가 증대하 는 시기에 상대적으로 염분이 낮게 나타나는 경향과 맞닿아 있는 것으로 해석할 수 있다.

만경(하천)에서는 탁도와 염분이 여러 변수에 대해 단방 향성을 보였다. turbidity→pH는 p=4.98×10^-11(역방향 p=0.222)로 통계적으로 유의하였으며, 상관계수는 r=-0.130으로 약한 음 의 관계를 나타내어 탁도가 증가하는 시기에 pH가 낮아지는 경향을 반영한다. temperature→T-P 역시 p=3.72×10^-38(역방향 p=0.130)로 매우 뚜렷한 단방향성을 보였고, r=0.245로 양의 상관을 보여 수온 상승기에 인 농도가 동반 증가하는 계절 적 패턴을 나타냈다. 염분의 경우 salinity→TOC(p=4.00×10^-5, 역방향 p=0.180; r=-0.178), salinity→chlorophyll-a(p=3.51×10^-5, 역 방향 p=0.499; r=0.271), salinity→COD(p=1.12×10^-42, 역방향 p=0.333; r=-0.103)와 같이 여러 지표에 대해 선행성이 확인되 었는데, 이는 염분이 낮아지는 담수화 시기에 유기물 축적, 조류(algae) 변동, 산소 소모 증가가 뒤따르는 현상을 시사한 다. 추가적으로 turbidity→TOC도 p=0.011(역방향 p=0.448)로 단방향성을 보였으며, r=0.191로 양의 상관을 나타내어 부유 물질 증가가 유기물 농도의 변동과 연결됨을 보여준다.

계화(기수역)에서는 하천 기원 요인과 해수 교환 요인이 동시에 단방향성을 보이며 혼합적 구조가 뚜렷하게 나타났 다. DO→COD는 p=7.50×10^-102(역방향 p=0.315)로 통계적으로 매우 유의하였고, r=-0.414로 음의 상관과 방향성이 일치하 여 용존산소 감소가 산소 소모 지표(COD) 증가를 선행하는 시간적 인과를 뚜렷하게 보여주었다. temperature→turbidity는 p=3.81×10^-4(역방향 p=0.066)로 단방향성이 확인되었으나, r=0.079로 거의 유의하지 않았다. temperature→T-P(p=7.30×10^-19, 역방향 p=0.0721; r=0.244)와 temperature→COD(p=1.44×10^-15, 역 방향 p=0.0831; r=0.300)도 단방향으로 나타나, 수온이 인 농 도와 유기물 농도의 변화를 일정 시차를 두고 선행하는 구 조를 보여주었다. 유기물–영양염 관계에서는 TOC→ T-N(p=6.61×10^-11, 역방향 p=0.117; r=0.111)과 TOC→ T-P(p=8.17×10^-25, 역방향 p=0.0919; r=0.185)가 확인되어, TOC 가 질소 및 인 농도의 변동을 이끄는 단방향성이 드러났다. 또한 salinity→TOC(p=1.00×10^-11, 역방향 p=0.111; r=-0.0249)와 salinity→chlorophyll-a(p=3.55×10^-5, 역방향 p=0.0616; r=0.0943) 역시 단방향성을 보였는데, 피어슨 상관계수는 매우 약했다.

가력(갑문)에서는 단방향성이 두 쌍에서만 명확했다. DO →T-N은 p=4.19×10^-15(역방향 p=0.0886)로 유의했으나 r=0.0261 로 상관계수는 매우 작았다. 이는 DO와 질소 농도 사이에 직접적인 선형 상관은 거의 없지만, DO의 과거값이 T-N의 변화를 일정 시차 범위 내에서 통계적으로 설명할 수 있음 을 시사한다. salinity→turbidity는 p=2.48×10^-4(역방향 p=0.219; r=-0.109)로, 염분 상승이 동시적으로는 탁도와 약한 음의 상 관을 보이면서 시간에 대해서는 탁도 변화를 선행하는 패턴 이 잡혔다.

신시(갑문)는 예외적으로 단방향 사례가 확인되지 않았고, 모든 주요 변수쌍이 양방향으로 유의하였다. 예컨대 temperature→turbidity는 p=2.19×10^-25로 매우 작았고 역방향 turbidity→temperature도 p=0.0253으로 유의했으며(r=0.218, 피 어슨 p<0.001), turbidity→pH는 p=0.0156이었고 역방향 pH→ turbidity는 p=1.19×10^-16으로 유의하였다(r=-0.035, 상관 p=3.15×10^-21). 이는 해수교환이 활발한 지점에서 수온·탁 도·pH가 서로에게 시차적 영향을 주고받는 양방향적 연결 구조를 형성하고 있음을 보여준다.

종합하면, Granger 분석 결과 대부분의 변수쌍에서 양방향 적 연결이 확인되어 전반적으로 상호 예측 가능성이 높게 나타났다. 그러나 지점별로는 특정 단방향성이 두드러졌다. 동진과 만경에서는 수온, 탁도, 염분이 영양염과 유기물 지 표(T-N, T-P, TOC, COD 등)의 변화를 앞서는 관계가 반복적 으로 관찰되어 하천 기원 부하 요인의 선행성이 강조되었 다. 계화에서는 수온, TOC, 염분이 서로 다른 지표군을 각각 선행하는 단방향 구조가 공존하여, 하천수와 해수 교환 요 인이 뒤섞인 복합적 시차 패턴이 드러났다. 가력에서는 DO →T-N과 salinity→turbidity만 국소적으로 나타났고, 신시는 전 반적으로 양방향 유의가 우세하여 가장 조밀한 상호연결 네 트워크를 보였다. 다만 본 연구의 표본수가 충분히 커서 미 세한 효과도 극도로 작은 p-value로 포착될 수 있으므로, 인 과 효과의 크기를 p-value로 과대해석하지 않고 피어슨 상관 계수의 부호, 크기, 유의성과 더불어 물리적 맥락을 함께 고 려하는 것이 타당하다.

3.4 LiNGAM 인과 구조 분석

비선형·비가우시안 구조방정식 기반의 인과 추론 기법인 DirectLiNGAM을 이용하여 변수 간 인과 관계를 정량적으로 분석하였다. LiNGAM은 시계열 지연 없이도 즉각적인 인과 방향성을 도출할 수 있으며, 가우시안이 아닌 환경에서도 비교적 안정적인 구조 추론을 제공한다.

LiNGAM 분석 결과, 각 지점에서는 변수가 서로 어떻게 직접적으로 연결되는지가 계수값으로 도출되었고(Fig. 4), 이 를 네트워크 구조와 모듈화(community) 결과로도 확인할 수 있었다(Fig. 5). 전반적으로 DO, 수온, 영양염, 유기물, 탁도, 엽록소 등이 서로 얽혀 있었으나, 하천 기원 요인이 우세한 지점과 해수교환이 활발한 지점 간에는 뚜렷한 구조적 차이 가 나타났다.

동진(하천)에서는 수온이 염분으로 향하는 직접효과가 β= -89.48로 매우 크게 나타났고, turbidity→T-P(β=124.56), chlorophyll-a→salinity(β=43.30) 같은 강한 연결도 함께 도출되 었다. 이처럼 temperature와 turbidity가 네트워크의 중심 노드 로 부각되었으며, community 분석에서는 수온, DO, 탁도 등 물리 환경 지표와 T-N, T-P, COD, TOC 같은 부하 지표가 서 로 다른 그룹으로 구분되었다. 수온이 염분에 연결된 것은 수온 상승이 하천의 유량 증가를 의미하는 것이며, 이는 하 천 기원의 물리적 변동이 영양염과 유기물 지표 변화를 직 접 견인하는 구조임을 시사한다.

만경(하천)에서도 동진과 같이 여러 강한 연결이 관측되었 는데, temperature→salinity(β=-23.99), chlorophyll-a→pH(β=13.91), COD→T-P(β=11.51), T-N→salinity(β=10.48) 등이 대표적이다. 특 히 turbidity와 chlorophyll-a가 다수의 변수로 향하는 out-degree 중심성을 보였으며, community 분석에서는 탁도, DO가 묶인 그룹과 COD, TOC, 영양염이 묶인 그룹이 확인되었다. 이는 부유물질 및 조류(algae) 변동이 화학적·생물학적 반응을 매 개하는 구조적 특징을 보여준다.

계화(기수역)는 temperature→T-P(β=89.01)라는 강한 연결 과 함께 COD→T-P(β=8.29), pH→T-P(β=-4.02) 등의 강한 연 결이 나타났다. 또한 DO→pH(β=2.76), TOC→T-P(β=1.10), chlorophyll-a→salinity(β=1.03)도 도출되어 하천 기원과 해수 기원이 동시에 작용하는 혼합 구조가 드러났다. network 중 심성에서도 DO, TOC, salinity가 중요한 out-degree 노드로 작 용하며, community 분석에서는 이들이 서로 다른 그룹으로 분리되었다.

가력(갑문)은 temperature→T-P(β=80.27), turbidity→T-P(β =16.53), COD→T-P(β=12.24) 등이 주요 연결로 도출되었다. 반대로 TOC→T-P는 음의 계수(β=-7.84)로 나타나 유기물과 인 농도 간의 부정적 직접효과가 드러났다. 이 외에도 temperature→T-N(β=-4.75), turbidity→pH(β=-2.50), DO→pH(β =2.39) 등의 경로가 확인되었지만, 전반적으로 다른 지점에 비해 네트워크가 단순하며 community도 소규모 그룹만 형성 되었다.

신시(갑문)는 temperature→T-P(β=100.20)라는 매우 강한 연 결이 나타났고, DO→T-P(β=-7.56), temperature→T-N(β=-3.97), temperature→pH(β=2.49) 등 수온과 DO가 중심적으로 연결되 었다. salinity→turbidity(β=-0.38) 역시 관측되었으며, 전체 네 트워크는 변수 간 복잡한 상호 연결망을 형성하였다. community 분석에서도 뚜렷한 그룹 구분보다는 대규모 연결 구조가 확인되었다.

종합적으로, LiNGAM 분석은 하천 지점(동진, 만경)에서는 수온, 탁도, 조류(algae) 등이 영양염·유기물 지표를 강하게 견인하는 구조가, 기수역(계화)에서는 하천 기원과 해수 기 원이 혼합된 구조가, 해수유통부(가력·신시)에서는 인 농도 를 중심으로 한 강한 직접효과가 두드러졌다. 이는 Granger 분석이 제시한 시차적 예측력과도 대체로 부합하며, 지점별 수리·수질 환경의 차이를 반영하는 결과로 해석할 수 있다.

3.5 인과 중심성 기반 변수 영향력 분석

LiNGAM 기반 인과 네트워크를 바탕으로 각 변수의 중심 성(Centrality) 분석을 수행하였다(Fig. 6). 중심성은 OutDegree, InDegree, Betweenness로 구분되며, 각각 인과적 영향력 제공 자, 수용자, 그리고 인과 경로 상의 매개자 역할을 의미한 다. 이를 통해 변수 간 구조적 관계를 정량적으로 해석하고, 각 지점에서의 주요 유발자 및 수용자의 역할 변화를 파악 하였다.

중심성 분석 결과를 다섯 지점에 대해 비교하면, 변수들 이 인과 네트워크 내에서 수행하는 역할이 지점별로 뚜렷하 게 구분되었다.

동진에서는 TOC가 OutDegree 0.78로 가장 높아, 하천 기원 유기물이 다른 수질 지표 변화를 선도하는 구심적 요인으로 작용하였다. 반면 염분은 InDegree가 1.0으로 절대적으로 높 아, 자체적으로 다른 변수를 조절하기보다는 담수 유입 변동 에 의해 희석·강화되는 결과 변수로 기능하였다. Betweenness 에서는 COD가 0.031로 가장 높아, 유기물 부하가 다른 변수 들과의 연결을 매개하는 주요 경로로 기능함을 보여주며, 이는 동진에서 하천수 기원의 오염 부하가 수질 변화를 지 배한다는 앞선 결과와 일관된다.

가력에서는 DO가 OutDegree 0.78로 가장 높아, 산소 변동 이 다른 변수들의 변화를 이끄는 핵심적 위치를 차지하였 다. InDegree에서는 염분이 0.89로 지배적이었는데, 이는 이 지점의 염분이 외해수 유입과 갑문 운영에 따라 결정되며, 다른 변수들의 변동에 종속적으로 반응함을 의미한다. Betweenness는 탁도가 0.035로 가장 높아, 해수 유입에 따른 염분 변화와 DO 변화를 연결하는 매개 요인으로 탁도가 중 요한 역할을 수행하였다.

계화에서는 T-N이 OutDegree 0.78로 가장 높아, 질소 부하 가 다른 변수 변동을 주도하는 구조가 형성되었다. InDegree 는 염분이 0.67로 가장 높았는데, 이는 하천수와 외해수 교 환이 동시에 영향을 미치는 기수역 특성을 반영한다. Betweenness에서는 TOC가 0.056으로 두드러져, 유기물이 질 소 및 염분과 다른 변수들을 연결하는 핵심 매개자로 작용 하였다. 이는 계화가 하천수와 해수의 상호작용이 집중적으 로 드러나는 복합적 구역임을 잘 보여준다.

만경에서는 DO가 OutDegree 0.89로 가장 높아, 산소 변동 이 다른 수질 지표를 강하게 견인하는 중심적 구조가 확인 되었다. InDegree에서는 pH가 0.89로 가장 높아, pH 변화는 독립적이라기보다는 다른 환경 요인에 의해 조절되는 성격 을 보였다. Betweenness에서는 COD가 0.031로 가장 높아, 유 기물이 변수 간 상호작용을 매개하는 중요한 연결로 기능하 고 있었다.

신시에서는 DO가 OutDegree 0.89로 가장 높아, 해수교환 과정에서 산소 변동이 다른 수질 지표 변화를 선도하는 구 조가 나타났다. InDegree에서는 탁도가 0.67로 가장 높았는 데, 이는 탁도가 외해수 교환에 의해 크게 좌우되는 결과 변 수임을 의미한다. Betweenness는 pH가 0.083으로 가장 높아, pH가 다양한 변수 간의 상호작용을 연결하는 매개자 역할을 하고 있음을 보여주었다.

종합하면, 하천 유입부(동진·만경)에서는 TOC, COD 같은 유기물 지표가 중심성을 주도하며 유기물 부하가 수질 변화 를 지배하는 구조를 보였다. 기수역(계화)에서는 질소 부하 (T-N)와 유기물(TOC)이 함께 중심성을 보이며, 하천과 해수 의 혼합 특성을 반영하였다. 해수유통부(가력, 신시)에서는 DO가 중심 변수로 기능하며, 산소 변동이 다른 지표 변화를 설명하는 구조가 드러났다. 즉, 하천 지점은 유기물 중심, 기 수역은 질소·유기물의 혼합 중심, 해수유통 지점은 DO 중심 이라는 구도가 명확히 확인되었다.

4. Conclusion

본 연구는 동시적 선형 연관성(Pearson r 및 p-value)과 시 차 기반 예측 구조(Granger p-value), 그리고 지연 없이 추정된 직접 인과계수(LiNGAM β)와 네트워크 중심성(OutDegree, InDegree, Betweenness)을 결합하여 해석하였다. 표본수가 커 서 매우 작은 효과도 극소의 p-value로 포착될 수 있다는 점, Granger의 유의성은 예측력의 존재를 뜻하지만 효과 크기를 직접 제공하지 않는다는 점, LiNGAM 계수 비교는 변수 표 준화와 모델 가정 충족을 전제로 해야 한다는 점을 명시적 으로 인지하였다. 그럼에도 세 분석은 대체로 일관성있게 해석되었는데, 하천 유입부에서는 유기물·영양염 부하가, 기 수역에서는 담수·해수의 혼합이, 배수갑문에서는 외해수 교 환에 수반된 물리·화학 신호의 상호작용이 각각 수질 변동 을 주도한다는 결론에 수렴하였다.

즉, 하천 유입부에서는 우기 전·중·후의 질소·인·유기물 부 하 저감이 DO 악화 완화에 직접적이며, 탁도 상승에 대한 사전 경보와 단기 대응이 pH, COD 악화의 연쇄를 차단하는 데 유효하다. 기수역에서는 담수 방류와 해수 유입의 시간 적 배치를 조정하여 salinity-TOC-Chlorophyll-a의 시차 결합을 완화할 필요가 있고, 특히 temperature→T-P 신호가 크게 작동 하므로 하계의 인 부하 관리가 중요하다. 배수갑문 인근에 서는 갑문 운영 시 염분, 탁도, DO의 동시 모니터링을 강화 하고, 양방향 연결이 우세한 신시에서는 단일 변수 제어보 다 다변수 기반의 적응형 운영 알고리즘이 요구된다. 끝으 로, 본 연구는 관측 시계열에 근거한 통계적 인과 추론이므 로, 외생적 사건(폭우, 장마, 비정상 운영)의 영향과 수리적 모델과의 결합을 통해 기작 검증을 병행하는 연구가 뒤따라 야 한다.

한편, 본 연구는 내부 수질항목 간의 상관성과 중심성을 분석하는데 초점을 두었으며, 조석 및 강수 등 외부환경요 인은 분석범위에서 제외하였다. 또한, 계절성이 뚜렷한 수 온, 염분 DO 등과 비교적 안정적인 TOC, T-N, T-P 등의 차이 를 고려하여, 향후 연구에서는 외부요인과 계적절 특성을 통합한 분석으로 구조적 해석을 보완할 필요가 있다.