이번에 개발된 모형은 유역 내 다양한 오염원의 종류를 신속하고 정밀하게 분석 및 정량화할 수 있는 기술을 포함하고 있다.

모형은 물속에 존재하는 용존유기물의 ‘여기-방출 행렬(EEM, Excitation-Emission Matrix) 형광 특성과 ‘심층학습(Deep learning)’ 기반의 인공지능(AI) 모델을 융합하는 방식이다.

‘여기-방출 행렬’은 시료에 다양한 빛을 쏘는 파장(여기파장)을 순차적으로 비추고, 각 파장에 대해 여러 방출파장(나오는 빛의 파장)의 형광 세기를 측정해 복잡한 데이터를 한눈에 파악할 수 있도록 2차원 행렬로 표현한 스펙트럼 자료로, 단일 스펙트럼보다 성분별 형광 특징을 풍부하게 담아, 물속 용존유기물처럼 성분이 섞인 시료의 ‘지문’ 분석에 유리하다. 

우리나라 유역은 도시·농촌·산림 등 토지이용 특성이 지역마다 다르고 복합적으로 구성돼, 빗물이 땅에 떨어져 하천으로 흘러 들어가는 동안 다양한 오염원의 영향을 받는다.

때문에 그동안 하천의 특정 지점에서 측정한 수질 농도는 그 지점에서의 전체적인 오염도를 알 수 있을 뿐, 상류 유역의 특정 오염원이 얼마나 오염에 영향을 미쳤는지 정량적으로 파악하는 데 어려움이 있었다. 

   

이를 위해 국립환경과학원 연구진은 2023년부터 도시·축산·농업이 혼재된 다양한 유역에서 오염원 및 하천수 시료를 채취해 여기-방출 행렬(EEM) 형광 이미지를 구축했고, 이를 인공지능 학습 데이터로 활용한 심층학습(Deep learning) 모형을 개발했다.

이 모형은 특히 가축분뇨·하수·토양 등 서로 유사한 유기 오염 특성을 가진 오염원을 구분하기 위해 선행 연구에서 사용됐던 특정 파장을 이용한 지표가 아닌 형광 피크(Peak) 위치와 강도 정보를 모두 포함하는 2차원 ‘여기-방출 행렬(EEM) 이미지’를 사용, 이를 심층학습 모형에 적용해 오염원 분류 정확도를 높인 것이 특징이다.  

국립환경과학원은 이번 연구 결과를 올해 3월에 특허를 출원했으며, 국제 학술지인 ‘생태 지표(Ecological Indicators)’ 2025년 11월호에 게재할 예정이다. 

이를 통해 복잡하고 다변화된 오염원을 가진 하천과 호소의 수질 관리 대책 수립에 도움을 주고 다방면으로 활용될 수 있을 것으로 기대하고 있다.

김경현 국립환경과학원 물환경연구부장은 “형광 분석기술과 인공지능을 결합한 이 모형은 복잡한 유역 오염 문제를 비교적 손쉽게 진단할 수 있는 새로운 접근법”이라며, “향후 지능형 수질관리 시스템 개발과 국가 수질관리 정책 고도화에 적극적으로 활용할 수 있을 것”이라고 말했다.