Comparison of SWAT-Derived Delayed-Flow and Eckhardt-Filtered Baseflow Indices in the Hwangjeoncheon Watershed

Jin Chul Joo; Kangwei Shi; Seonggyu Park; Kyung In Chae; Su Ryeon Kim; Yong-Ho Choi; Kwang-Wook Jeong; In-Kyun Jeong

doi:10.7857/JSGE.2026.31.5.112

Preview

Research Paper

Journal of Soil and Groundwater Environment. 31 October 2026. 112-130
https://doi.org/10.7857/JSGE.2026.31.5.112

Comparison of SWAT-Derived Delayed-Flow and Eckhardt-Filtered Baseflow Indices in the Hwangjeoncheon Watershed

황전천 유역에서 SWAT 기반 지연유출지수와 Eckhardt 디지털 필터 기반 기저유출지수의 비교 분석

Jin Chul Joo¹^*

Kangwei Shi²

Seonggyu Park³

Kyung In Chae⁴

Su Ryeon Kim⁵

Yong-Ho Choi⁶

Kwang-Wook Jeong⁶

In-Kyun Jeong⁶

주 진철¹^*

쉬캉웨이²

박 성규³

채 경인⁴

김 수련⁵

최 용호⁶

정 광욱⁶

정 인균⁶

¹Department of Civil and Environmental Engineering, Hanbat National University, Daejeon 34158, Republic of Korea

²Department of Environmental Engineering, Hanbat National University, Daejeon 34158, Republic of Korea

³Texas Tech University, Department of Civil, Environmental & Construction Engineering, Lubbock, TX 79409−1023, USA

⁴Water supply & Wastewater Research Center, K-water Research Institute, Korea Water Resources Corporation, Daejeon 34045, Republic of Korea

⁵GeoGreen21 Co., Ltd., Seoul 08376, Republic of Korea

⁶Water & Environment Co., Ltd., Namyangju 12248, Republic of Korea

¹국립한밭대학교 건설환경공학과

²국립한밭대학교 환경공학과

³Texas Tech University, Department of Civil, Environmental & Construction Engineering

⁴한국수자원공사 K-water 연구원 상하수도연구소

⁵㈜지오그린21

⁶㈜물과환경

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0/):

This is an Open-Access article distributed under the terms of the Creative Commons Attribution NonCommercial License which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

This study evaluated the spatiotemporal variability and hydrological implications of the baseflow index (BFI) and delayed-flow index (DFI) in the Hwangjeoncheon watershed, a tributary of the Seomjin River basin, using SWAT-simulated runoff components and streamflow-based baseflow separation methods. The SWAT model was established with a warm-up period (2007–2011), calibration period (2012–2018), and validation period (2019–2024). Model performance evaluated using monthly streamflow showed R², NSE, and PBIAS values of 0.760, 0.737, and 0.66% during calibration and 0.857, 0.851, and -1.45% during validation, respectively, indicating satisfactory streamflow simulation. During 2019–2023, surface runoff, interflow, and baseflow accounted for 43%, 30%, and 27% of cumulative runoff, respectively. Accordingly, the SWAT-derived BFI (BFI_SWAT) was 0.27, while the DFI (DFI_SWAT), incorporating interflow and baseflow, was approximately 0.57. The arithmetic mean of annual DFI_SWAT values was 0.61. Surface runoff dominated during summer, whereas delayed-flow contributions increased during autumn, winter, and non-irrigation periods. Under the selected parameter settings, the Eckhardt BFI (0.57) was closer to the mean annual DFI_SWAT (0.61) than to BFI_SWAT (0.27), whereas LH2P, PART, and EWMA produced values relatively closer to BFI_SWAT. These findings suggest that empirical baseflow estimates depend on separation methods and parameter settings, and that Eckhardt-filtered baseflow may partly reflect slowly receding components, including interflow. DFI_SWAT generally decreased with increasing precipitation, while the highest spatial baseflow contribution occurred in the midstream reach (approximately 39%). Overall, distinguishing SWAT-derived BFI and DFI provides a complementary framework for interpreting empirical baseflow estimates. However, uncertainties in model-based runoff partitioning and filter parameters highlight the need for independent hydrological validation.

Keywords

Baseflow index

Baseflow separation

Delayed-flow index

Eckhardt digital filter

Hwangjeoncheon watershed

SWAT

MAIN

1. 서 론
2. Materials and Methods
2.1. 연구대상 지역 및 유역 특성
2.2. SWAT 모델 구축 및 재현성 평가
2.3. 기저유출 분리기법
2.4. SWAT 기반 BFI·DFI와 경험적 기저유출 분리기법의 비교
3. 결과 및 고찰
3.1. SWAT 유역 모델의 유량 모의 재현성 평가
3.2. 황전천 용서교 지점의 디지털 필터 기반 기저유출 분리 결과
3.3. SWAT 모델 기반 유출성분의 변동 특성
3.4. SWAT 기반 BFI 및 DFI와 경험적 기저유출 분리기법의 비교
3.5. 강수 특성에 따른 SWAT 기반 지연유출지수의 변화
3.6. 황전천 유역의 공간별 기저유출 기여도 분석
4. 요약 및 결론

1. 서 론

하천유량은 강우에 빠르게 반응하는 표면유출(surface runoff), 토양층과 사면을 따라 이동하는 중간유출 또는 측방흐름(interflow/lateral flow), 그리고 얕은 대수층에서 하천으로 공급되는 기저유출(baseflow) 등의 유출성분이 결합되어 형성된다. 이 중 기저유출은 평수기와 갈수기 하천유량을 유지하는 핵심 수문 성분으로서, 하천유량 안정성, 오염물질 희석, 영양염류 이동, 수생태계 유지 및 지하수–지표수 상호작용 평가에 중요한 역할을 한다(Jang et al., 2011; Choi et al., 2014; Hong et al., 2015; Miller et al., 2016; Wu et al., 2024). 또한, 중간유출 역시 강우 이후 지연되어 하천으로 유입될 수 있으므로 두 유출성분의 수문학적 특성을 구분할 필요가 있다(Jang et al., 2011; Miller et al., 2016). 특히 국내 몬순형 유역에서는 여름철 집중강우로 표면유출의 기여가 증가하는 반면, 비강우기와 갈수기에는 토양수 및 얕은 대수층 저장부에서 공급되는 유출성분의 상대적 중요성이 증가하는 계절적 특성이 나타난다(Lee et al., 2017; Kang et al., 2019). 이에 따라 일정 기간의 총 하천유량 중 기저유출로 분리된 성분의 비율을 나타내는 기저유출지수(baseflow index, BFI)는 유역의 저장 특성, 갈수기 유량 유지 및 지하수–지표수 상호작용을 평가하는 주요 수문 지표로 활용되고 있다(Choi et al., 2015; Han et al., 2018; Stoelzle et al., 2020; Han and Lee, 2024; Joo et al., 2025; Choi et al., 2026).

그러나 기저유출은 하천유량에 포함된 유출성분으로, 표면유출 및 중간유출과 직접 구분하여 관측하기 어렵다. 이에 따라 관측 유량자료를 이용하는 도식적 방법(graphical method), 디지털 필터 방법(digital filter method) 및 감수곡선 분석법(recession curve analysis) 등이 기저유출 평가에 활용되어 왔다(Nathan and McMahon, 1990; Sloto and Crouse, 1996; Rutledge, 1998; Eckhardt, 2005, 2008, 2012). 또한 전기전도도 기반 물질수지법(conductivity mass balance, CMB), 동위원소 및 화학적 추적자 기반 방법(tracer-based method)도 적용되어 왔다(Pinder and Jones, 1969; Pilgrim et al., 1979; Matsubayashi et al., 1993; Stewart et al., 2007; Saraiva Okello et al., 2018). 특히 디지털 필터 방법은 장기 유량자료에 반복적으로 적용할 수 있으며, Lyne–Hollick, Chapman, Chapman–Maxwell, Eckhardt 및 exponentially weighted moving average(EWMA) 등의 방법이 널리 활용되고 있다(Nathan and McMahon, 1990; Eckhardt, 2005, 2008, 2012; Choi et al., 2015; Kang et al., 2022; Joo et al., 2025; Choi et al., 2026). 그러나 디지털 필터는 관측 유량 시계열에서 빠르게 변화하는 성분과 완만하게 감쇠하는 성분을 수학적으로 분리하는 방법이므로, 분리된 기저유출이 실제 지하수 유출과 반드시 일치하지 않으며 중간유출 등 지연유출성분을 일부 포함할 가능성이 있다.

다양한 기저유출 분리기법 중 Eckhardt 기법은 감수상수(α)와 최대 기저유출지수(BFI_max)를 함께 고려하는 2-매개변수 재귀형 디지털 필터로, 여러 유역 조건에서 비교적 일관된 기저유출 분리 결과를 제공하는 방법으로 평가되어 왔다(Eckhardt, 2005, 2008, 2012; Lott and Stewart, 2016; Xie et al., 2020). 국내 영산강·섬진강 유역을 대상으로 한 선행 연구에서는 BFI가 분리기법과 매개변수 설정에 따라 달라지는 것으로 나타났으며(Joo et al., 2025), 풍영정천 유역에서도 Eckhardt 기법과 유역 수문모델 기반 유출성분 사이에 유량 조건별 차이가 보고되었다(Choi et al., 2026). 특히 Eckhardt 기법은 α와 BFI_max의 설정에 따라 BFI 산정 결과가 달라질 수 있으므로, 매개변수의 선정 근거와 민감도를 고려한 해석이 필요하다(Eckhardt, 2005, 2008; Joo et al., 2025). 따라서 Eckhardt 기반 BFI를 실제 지하수 유출량의 직접 관측값이 아닌 경험적 분리 결과로 해석하고, 이를 유역모델에서 산정된 순수 기저유출 및 중간유출을 포함한 지연유출성분과 비교하여 수문학적 의미를 검토할 필요가 있다.

이러한 경험적 기저유출 분리기법의 해석상 한계를 검토하기 위해서는 유역 수문모델에서 산정된 개별 유출성분과 비교할 필요가 있다. Soil and Water Assessment Tool(SWAT)은 유역을 소유역(subbasin)과 수문반응단위(hydrologic response unit, HRU)로 구분하여 표면유출(surface runoff), 측방흐름(lateral flow) 및 얕은 지하수 유출(groundwater flow) 등 주요 수문과정을 연속적으로 모의하는 준분포형 유역모델이다(Arnold et al., 1998; Arnold et al., 2012; Neitsch et al., 2011). SWAT은 유역의 물수지와 저장부 반응을 기반으로 유출성분을 구분하므로, 얕은 지하수 유출의 상대적 기여도를 나타내는 순수 기저유출지수(BFI)와 중간유출 및 기저유출을 합산한 지연유출지수(delayed flow index, DFI)를 각각 산정할 수 있다. 다만 SWAT 기반 유출성분은 모델의 구조와 매개변수 설정에 영향을 받으므로, 실제 유출경로별 기여량의 참값이 아니라 경험적 기저유출 분리 결과와 비교하기 위한 과정 기반 지표로 해석할 필요가 있다.

선행연구에서는 Hydrological Simulation Program–FORTRAN(HSPF)과 같은 유역 수문모델을 이용하여 유출성분을 모의하고, 이를 관측 유량 기반 기저유출 분리 결과와 비교한 바 있다(Choi et al., 2026). 풍영정천 유역에서는 HSPF 기반 기저유출 지표와 Eckhardt 기법의 산정값이 상대적으로 유사하였으나, 강우 직후 고유량 구간에서는 두 방법 간 차이가 나타났다(Choi et al., 2026). 이러한 결과는 경험적 기저유출 분리기법과 유역모델이 서로 다른 수문학적 특성을 반영할 가능성을 보여주지만, Eckhardt 기법이 중간유출을 어느 정도 포함하는지는 명확하게 규명하지 못한다. 따라서 모델 기반 순수 기저유출과 중간유출을 포함한 지연유출성분을 구분하여 경험적 BFI와 비교하고, 모델 및 필터 매개변수에 따른 불확실성을 함께 고려할 필요가 있다.

본 연구의 대상지인 황전천 유역은 섬진강 수계에 위치한 산림·농업 복합 유역으로, 산림지역이 전체 면적의 70% 이상을 차지한다. 이러한 유역 특성과 계절적으로 집중되는 강우 조건은 표면유출, 측방흐름 및 얕은 지하수 유출의 상대적 기여도에 영향을 미칠 수 있으므로, 순수 기저유출과 지연유출성분의 시기별 변동 특성을 비교하는 데 적합한 연구대상지로 판단된다. 따라서 본 연구에서는 황전천 유역을 대상으로 SWAT 모델에서 산정된 얕은 지하수 유출 기반 기저유출지수(BFI)와 중간유출을 포함한 지연유출지수(DFI)를 관측 유량 기반 경험적 BFI와 비교하여, 이들의 시공간적 변동 특성과 수문학적 의미를 평가하고자 하였다. 이를 위해 관측 유량자료에 도식적 방법과 다양한 디지털 필터 기법을 적용하고, SWAT 모델에서 산정된 유출성분을 이용하여 연도별, 계절별, 월별 및 관개기·비관개기별 BFI와 DFI를 분석하였다. 특히 SWAT 기반 BFI 및 DFI와 Eckhardt 기반 BFI의 유사성과 편차를 비교하여, 경험적 기저유출 분리 결과가 모델의 순수 기저유출과 지연유출성분 중 어느 지표에 더 가까운 특성을 나타내는지 평가하였다. 이때 두 접근법의 차이가 매개변수 설정과 모델의 유출성분 분할에 영향을 받을 수 있음을 고려하여, 분석 결과를 실제 지하수 유출량의 직접적인 검증이 아닌 수문학적 의미의 상대적 비교로 해석하였다.

2. Materials and Methods

2.1. 연구대상 지역 및 유역 특성

본 연구의 대상지인 황전천 유역은 섬진강 수계에 위치한 지류 유역으로, 전체 면적은 약 133.0 km²이다. 유역 내 표고는 24.9–818 m, 경사는 0.04–38.7°의 범위로 분포하여 지형 기복이 큰 산지성 유역의 특성을 보인다(Fig. 1). 토지이용은 산림지역이 전체 면적의 70% 이상을 차지하고 일부 농경지가 분포하는 산림·농업 복합 유역으로 구성되어 있다. 또한 국내 몬순성 기후의 영향을 받아 강수량이 여름철에 집중되는 계절적 특성을 나타낸다. 이러한 지형, 토지이용 및 강우 특성은 유역 내 표면유출, 측방흐름 및 얕은 지하수 유출의 형성과 시기별 기여도에 영향을 미칠 수 있다. 연구대상 유역의 위치, 지형 및 용서교 유량관측소를 포함한 주요 관측지점은 Fig. 1에 제시하였으며, SWAT 모델 구축에 사용한 수치표고모델(digital elevation model, DEM), 토지이용도, 토양도 및 소유역 분포는 Fig. 2에 제시하였다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F1.jpg

Fig. 1.

Location and spatial characteristics of the Hwangjeoncheon watershed: (a) location of the Hwangjeoncheon watershed within the Seomjin River Basin, South Korea; and (b) watershed boundary, elevation distribution, river network, watershed outlet, Yongseo Bridge streamflow gauging station, and Gurye meteorological station.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F2.jpg

Fig. 2.

Spatial input datasets and watershed configuration used for SWAT model construction in the Hwangjeoncheon watershed: (a) digital elevation model (DEM), (b) land-use distribution, (c) soil-series distribution, and (d) subbasin boundaries, stream network, and hydrologic response unit (HRU) distribution.

2.2. SWAT 모델 구축 및 재현성 평가

2.2.1. SWAT 모델 개요

본 연구에서는 황전천 유역의 표면유출, 중간유출 및 기저유출을 정량화하기 위해 SWAT을 적용하였다. SWAT은 유역을 소유역(subbasin)과 수문반응단위(hydrologic response unit, HRU)로 구분하고, 강우, 증발산, 침투, 토양수 이동, 표면유출, 측방흐름 및 얕은 지하수 유출 등 주요 수문과정을 연속적으로 모의하는 준분포형 유역모델이다(Arnold et al., 1998; Arnold et al., 2012; Neitsch et al., 2011). 본 연구에서는 QGIS 기반 QSWAT 플러그인을 이용하여 유역을 구획하고, 토지이용, 토양 및 경사 특성을 반영한 HRU를 구성하였다. 이후 SWAT에서 산정된 유출성분을 이용하여 SWAT 기반 순수 기저유출지수(BFI_SWAT) 및 지연유출지수(DFI_SWAT)를 구분하여 평가하였다.

2.2.2. 입력자료 구축

SWAT 모델 구축에는 지형, 토지이용, 토양, 기상 및 관측 유량자료를 사용하였으며, 주요 공간 입력자료와 자료원은 각각 Fig. 2와 Table 1에 제시하였다. 지형자료는 국토정보플랫폼에서 제공하는 90 m 해상도의 DEM을 이용하였으며, QGIS에서 전처리하여 유역 경계, 하천망, 흐름 방향 및 경사도 산정에 활용하였다(Fig. 2a). 토지이용자료는 환경공간정보서비스에서 제공하는 30 m 해상도의 토지이용도를 SWAT 분류체계에 맞게 변환하여 사용하였다(Fig. 2b). 토양자료는 흙토람에서 제공하는 30 m 해상도의 토양통 분포자료를 활용하였으며, 각 토양통에 대응하는 SWAT 토양 입력자료를 구축하였다(Fig. 2c). 토양층별 포화수리전도도, 유효수분함량, 용적밀도 및 토심 등 주요 토양 물성자료는 KICT 기반 토양 데이터셋을 활용하였다. 기상자료는 기상청 기상자료개방포털에서 제공하는 2007년 1월 1일부터 2024년 12월 31일까지의 일 단위 강수량, 최고·최저기온, 상대습도, 풍속 및 일사량 자료를 사용하였다. 하천유량 자료는 영산강홍수통제소에서 제공하는 2012년 1월 1일부터 2024년 12월 31일까지의 일 단위 관측자료를 이용하였다(Table 1).

2.2.3. 유역 구획 및 HRU 설정

QGIS 기반 QSWAT 환경에서 90 m 해상도의 DEM을 이용하여 황전천 유역의 흐름 방향, 흐름 누적량, 하천망 및 유역 경계를 산정하였다. 용서교 유량관측소와 유출구 위치를 고려하여 유역을 총 23개의 소유역으로 구분하였으며, 각 소유역의 경계와 하천망은 Fig. 2d에 제시하였다. 수문반응단위(hydrologic response unit, HRU)는 각 소유역 내 토지이용, 토양 및 경사 조건의 조합을 기준으로 총 609개가 생성되었다. 이들 HRU는 유역 내 토지이용·토양·경사 특성의 이질성을 반영하는 기본 계산 단위로 활용되었으며, 각 HRU에서 산정된 수문성분은 소유역 단위로 집계되어 하천 유출 모의에 적용되었다.

2.2.4. SWAT 모델 실행 조건

SWAT 모델은 2007년 1월 1일부터 2024년 12월 31일까지의 일 단위 기상자료를 이용하여 구동하였다(Table 1). 모델 초기조건의 영향을 최소화하고 토양수 및 얕은 대수층 저장량을 안정화하기 위해 2007–2011년을 워밍업 기간으로 설정하였으며, 2012–2018년은 보정기간, 2019–2024년은 검증기간으로 구분하였다. SWAT 기반 표면유출, 중간유출 및 기저유출성분의 시기별 특성과 BFI 및 DFI의 비교 분석은 2019–2023년 모의 결과를 대상으로 수행하였다.

Table 1.

Input datasets used for SWAT model construction, calibration, and validation in the Hwangjeoncheon watershed

Data	Data description	Data source
Digital elevation model (DEM)	90 m × 90 m	https://map.ngii.go.kr/
Land-use map	30 m × 30 m	https://egis.me.go.kr/
Soil map	30 m× 30 m	https://soil.rda.go.kr/
Meteorological data	2007/01/01-2024/12/31(Daily)	https://data.kma.go.kr/
Streamflow data	2012/01/01-2024/12/31(Daily)	https://www.yeongsanriver.go.kr/

2.2.5. 모델 보정 및 재현성 평가

모델의 재현성은 월 단위로 집계한 관측 및 모의 유량자료를 이용하여 결정계수(coefficient of determination, R²), Nash–Sutcliffe efficiency(NSE) 및 percent bias(PBIAS)로 평가하였다(Table 2). R²는 관측값과 모의값의 선형 상관성, NSE는 유량 변동의 재현성, PBIAS는 전체 유량의 체계적인 과대·과소 추정 경향을 평가하는 데 활용하였다. 다만 총유량에 대한 양호한 재현성이 표면유출, 중간유출 및 기저유출의 개별 모의 정확성을 보장하지는 않으므로, SWAT 기반 BFI와 DFI는 모델의 구조 및 매개변수 불확실성에 영향을 받는 과정 기반 지표로 해석하였다.

Table 2.

Statistical performance metrics used to evaluate SWAT-simulated monthly streamflow

Evaluation Metrics	Equations	Ideal Value
R²	$R^{2} = [\frac{\sum_{i = 1}^{n} {(Q_{i}^{o b s} - {\bar{Q}}^{o b s})}^{2} {(Q_{i}^{s i m} - {\bar{Q}}^{s i m})}^{2}}{\sqrt{\sum_{i = 1}^{n} {(Q_{i}^{o b s} - {\bar{Q}}^{o b s})}^{2}} \sqrt{\sum_{i = 1}^{n} {(Q_{i}^{s i m} - {\bar{Q}}^{s i m})}^{2}}}]$	1
NSE	$N S E = 1 - [\frac{\sum_{i = 1}^{n} {(Q_{i}^{o b s} - Q_{i}^{s i m})}^{2}}{\sum_{i = 1}^{n} {(Q_{i}^{o b s} - {\bar{Q}}^{o b s})}^{2}}]$	1
PBIAS	$P B I A S = \frac{\sum_{i = 1}^{n} (Q_{i}^{o b s} - Q_{i}^{s i m})}{\sum_{i = 1}^{n} (Q_{i}^{o b s})} \times 100$	0

$Q_{i}^{o b s}$ : observed value, $Q_{i}^{s i m}$ : simulated value, ${\bar{Q}}^{o b s}$ : mean of observed value, $n$ : number of samples

2.3. 기저유출 분리기법

기저유출지수(baseflow index, BFI)는 일정 기간의 총 하천유량 중 기저유출로 분리된 유량이 차지하는 비율을 나타내는 무차원 수문지표이다. 본 연구에서는 분석기간 동안의 누적 기저유출량(Q_baseflow)과 누적 총유량(Q_total)의 비를 이용하여 BFI를 Eq. (1)과 같이 산정하였다.

(1)

B F I = \frac{\sum_{i = 1}^{n} Q_{baseflow, i}}{\sum_{i = 1}^{n} Q_{total, i}}

여기서 Q_baseflow,i는 i번째 시간단계의 기저유출량, Q_total,i는 i번째 시간단계의 총 하천유량 또는 총 유출량, n은 분석기간의 시간단계 수를 의미한다. 본 연구에서는 일정한 시간 간격으로 구성된 유량자료를 이용하여 연도별, 계절별 및 월별 BFI를 산정하였다.

관측 유량자료 기반 기저유출 분리에는 UKIH, HYSEP 및 PART 방법과 Lyne–Hollick, Chapman, Chapman–Maxwell, Eckhardt 및 exponentially weighted moving average(EWMA) 등의 디지털 필터 방법을 적용하였다. 이 중 디지털 필터 방법은 유량 시계열에서 빠르게 변화하는 성분과 완만하게 감쇠하는 성분을 수학적으로 분리하며, 매개변수와 필터 반복 횟수에 따라 기저유출 산정 결과가 달라질 수 있다(Nathan and McMahon, 1990; Eckhardt, 2005, 2008, 2012; Ladson et al., 2013). 따라서 이러한 방법으로 산정된 BFI는 실제 지하수 유출의 직접 관측값이 아니라, 관측 수문곡선의 시간적 특성에 기반한 경험적 지표로 해석하였다.

도식적 기저유출 분리기법으로는 UKIH, HYSEP 및 PART 방법을 적용하였다. UKIH는 유량 시계열에서 국소 최소값을 선정하여 기저유출 곡선을 구성하는 방법이며, HYSEP은 설정된 시간 구간의 유량 최소값을 이용하여 기저유출을 분리하는 방법이다. PART는 하천유량의 감수 특성을 이용하여 직접유출의 영향이 작은 구간을 선정하고, 이를 바탕으로 기저유출 시계열을 산정하는 방법이다(Sloto and Crouse, 1996; Rutledge, 1998). 또한 재귀형 디지털 필터 방법으로 Lyne–Hollick 1-pass(LH1P), Lyne–Hollick 2-pass(LH2P), Chapman, Chapman–Maxwell, Eckhardt 및 EWMA를 적용하였다. 각 디지털 필터의 수식과 주요 매개변수는 Table 3에 정리하였다.

본 연구에서는 관측 유량자료에 적용한 다양한 기저유출 분리기법의 BFI를 SWAT 기반 순수 기저유출지수(BFI_SWAT) 및 지연유출지수(DFI_SWAT)와 비교하였으며, 선행연구와의 비교 가능성과 감수 특성의 반영을 고려하여 Eckhardt 기법을 대표적인 상세 비교 대상으로 선정하였다. Eckhardt 기법은 α와 BFI_max를 이용하는 2-매개변수 재귀형 디지털 필터로, 유역의 감수 특성을 반영하여 기저유출을 산정할 수 있다(Eckhardt, 2005, 2008, 2012). 그러나 산정 결과는 α와 BFI_max의 설정에 따라 달라질 수 있으므로, Eckhardt 기반 BFI를 절대적인 기저유출 참값으로 간주하지 않고 다른 분리기법 및 SWAT 기반 지표와의 상대적 유사성을 평가하였다(Joo et al., 2025; Choi et al., 2026).

본 연구에서 적용한 주요 재귀형 디지털 필터의 수식과 매개변수는 Table 3에 정리하였다. 빠른 유출성분을 먼저 산정하는 방법에서는 관측 총유량에서 해당 성분을 제외하여 기저유출량을 계산하였으며, 모든 기법에서 분리된 기저유출량은 (Q_b,i ≤ Q_i )의 조건을 만족하도록 제한하였다. 기저유출 분리 결과의 해석에서는 필터 매개변수 설정과 반복 적용에 따른 불확실성을 고려하였다. Lyne–Hollick 방법은 필터 적용 횟수에 따라 LH1P와 LH2P로 구분하였으며, Eckhardt 방법은 α와 BFI_max를 함께 고려하였다. 특히 Eckhardt 기반 BFI는 두 매개변수의 설정에 영향을 받으므로, 매개변수 변화에 따른 기저유출 분리 결과의 민감도를 분석하고 BFI_SWAT 및 DFI_SWAT와의 유사성을 비교하였다.

Table 3.

Equations and parameter ranges of recursive digital filter methods used for baseflow separation

Method	Equations		Parameters	Reference
Lyne-Hollick (LH1P/LH2P)	$q_{f (i)} = α q_{f (i - 1)} + (q_{(i)} - q_{(i - 1)}) \frac{1 + α}{2}$		𝛼 = 0.925	Lyne and Hollick (1979)
Chapman	$q_{f (i)} = \frac{3 a - 1}{3 - a} q_{f (i - 1)} + \frac{2}{3 - a} (q_{(i)} - a q_{(i - 1)})$		𝛼 = 0.925	Chapman (1991)
Chapman-Maxwell (CM)	$q_{b (i)} = \frac{α}{2 - α} q_{b (i - 1)} + \frac{1 - α}{2 - α} q_{(i)}$		𝛼 = 0.925	Chapman and Maxwell (1996)
Eckhardt (EH)	$q_{b (i)} = \frac{(1 - B F I_{\max}) α q_{b (i - 1)} + (1 - α) B F I_{\max} q_{(i)}}{1 - α B F I_{\max}}$		𝛼 = 0.925 BFI_max = 0.80	Eckhardt (2005)
EWMA	$b_{t} = ε Q_{t} + (1 - ε) \times b_{t - 1}$		𝜀 = 0.015	Tularam and Ilahee (2008)
q_(i) : total flow(observed flow) at day iq_b(i) : calculated baseflow at day iq_f(i) : calculated quick flow/direct runoff at day i		𝜀: smoothing coefficient 𝛼: recession coefficient BFI_max : maximum baseflow index(constant)

2.4. SWAT 기반 BFI·DFI와 경험적 기저유출 분리기법의 비교

본 연구에서는 관측 유량자료에 적용한 도식적 방법과 디지털 필터 방법으로 산정한 BFI를 BFI_SWAT 및 DFI_SWAT와 비교하였다. 실제 유출성분별 기저유출 관측값이 확보되지 않았으므로, 특정 기법의 산정값을 절대적인 참값으로 간주하기보다 각 지표의 상대적 유사성과 편차를 평가하였다. BFI_SWAT는 모델에서 산정된 얕은 지하수 유출량(Q_gw)을 총유출량(Q_total)으로 나눈 값으로 정의하였으며(Eq. 2), DFI_SWAT는 중간유출(Q_lat)과 얕은 지하수 유출량의 합을 총유출량으로 나눈 값으로 산정하였다(Eq. 3).

(2)

B F I_{S W A T} = \frac{\sum_{i = 1}^{n} Q_{g w, i}}{\sum_{i = 1}^{n} Q_{total, i}}

(3)

D F I_{S W A T} = \frac{\sum_{i = 1}^{n} (Q_{lat, i} + Q_{g w, i})}{\sum_{i = 1}^{n} Q_{total, i}}

여기서 Q_gw,i는 i번째 시간단계의 SWAT 기반 얕은 지하수 유출량, Q_lat,i는 중간유출 또는 측방흐름, Q_total,i은 총유출량을 의미한다. BFI_SWAT와 DFI_SWAT는 실제 유출성분의 직접 관측값이 아니라 모델의 물수지 계산과 매개변수 설정에 따라 산정된 과정 기반 지표로 해석하였다.

경험적 기저유출 분리기법과 SWAT 기반 지표의 비교는 연도별, 계절별 및 월별 BFI·DFI 산정값의 차이와 유출성분 시계열의 변화 특성을 이용하여 수행하였다. 특히 각 분리기법으로 산정한 BFI와 BFI_SWAT와 DFI_SWAT의 차이를 각각 계산하여, 경험적 분리 결과가 어느 지표와 상대적으로 유사한지 평가하였다. 또한 강우 이후 감수부와 저유량 구간에서 Eckhardt 기반 기저유출과 SWAT 기반 기저유출 및 지연유출의 시계열 거동을 비교하였다. 이때 두 접근법의 유사성은 필터 매개변수와 SWAT 유출성분 분할의 불확실성에 영향을 받을 수 있으므로, 기법의 정확성보다는 수문학적 해석의 차이를 평가하는 데 중점을 두었다.

3. 결과 및 고찰

3.1. SWAT 유역 모델의 유량 모의 재현성 평가

3.1.1. 황전천 SWAT 모델의 보정 및 검증

황전천 유역에 구축한 SWAT 모델의 재현성을 평가하기 위해 용서교 지점의 관측 유량과 모의 유량을 비교하였다. 모델 보정 및 검증기간은 각각 2012–2018년과 2019–2024년으로 설정하였으며, 월 단위로 집계한 유량자료를 이용하여 모델의 재현성을 평가하였다(Table 4; Fig. 3).

Table 4.

Calibration and validation performance of the SWAT model for monthly streamflow simulation in the Hwangjeoncheon watershed

Performance Metric	Calibration (2012–2018)	Validation (2019–2024)
R²	0.760	0.857
NSE	0.737	0.851
PBIAS	0.66%	-1.45%

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F3.jpg

Fig. 3.

Time-series comparison of monthly precipitation, observed streamflow, and SWAT-simulated monthly mean streamflow at Yongseo Bridge in the Hwangjeoncheon watershed during the calibration (2012–2018) and validation (2019–2024) periods. The vertical dashed line separates the calibration and validation periods, and the marked intervals indicate periods with unavailable observed streamflow data.

보정기간의 결정계수(R²), Nash–Sutcliffe efficiency(NSE) 및 percent bias(PBIAS)는 각각 0.760, 0.737 및 0.66%였으며, 검증기간에는 각각 0.857, 0.851 및 −1.45%로 나타났다(Table 4). 검증기간의 R²와 NSE는 보정기간보다 높았으며, PBIAS는 두 기간 모두 ±1.5% 이내로 나타나 월 단위 유량의 전반적인 변동과 규모를 비교적 양호하게 재현하였다. 다만 보정기간에는 유량이 소폭 과소 추정되고 검증기간에는 과대 추정되는 경향을 보였다.

Fig. 3의 시계열 비교에서도 SWAT 모델은 주요 강우기간의 유량 증가와 이후 감소 경향을 전반적으로 재현하였으나, 일부 고유량 구간에서는 관측값과 모의값 간 차이가 나타났다. 또한 관측자료가 확보되지 않은 기간에는 모델 재현성을 직접 평가할 수 없으므로, 보정 및 검증 결과를 해석할 때 자료의 결측 특성을 고려할 필요가 있다.

3.1.2. SWAT-CUP 기반 매개변수 최적화

황전천 유역의 하천유량 보정을 위해 SWAT-CUP의 Sequential Uncertainty Fitting version 2(SUFI-2) 알고리즘을 적용하여 총 11개 주요 수문 매개변수를 최적화하였으며, 매개변수별 보정 범위와 최종 적용값은 Table 5에 제시하였다. 주요 보정 매개변수에는 표면유출 생성과 관련된 SCS curve number(CN2), 토양수 이동과 관련된 포화수리전도도(SOL_K), 얕은 대수층의 함양 및 기저유출 반응과 관련된 GW_DELAY, ALPHA_BF 및 GWQMN 등이 포함되었다. 또한 하도 내 침투손실에 영향을 미치는 CH_K2와 심부 대수층으로의 함양 비율을 조절하는 RCHRG_DP를 함께 고려하였다.

보정 결과, CN2와 SOL_K는 각각 90.59와 117.3 mm/h, 기저유출 감수계수(ALPHA_BF)는 0.409 day^-1, 얕은 대수층의 회귀유출 발생 임계수심(GWQMN)은 267.9 mm로 산정되었다(Table 5). 이러한 매개변수들은 표면유출, 침투, 측방흐름 및 얕은 지하수 유출의 발생량과 시간적 반응을 조절하므로, BFI_SWAT 및 DFI_SWAT 산정에 영향을 미칠 수 있다. 다만 본 연구의 모델 보정은 관측 총유량을 기준으로 수행되었으므로, 최적화된 매개변수 조합이 개별 유출성분의 실제 기여율을 정확하게 재현한다고 단정할 수는 없다.

Table 5.

Calibrated hydrological parameters of the SWAT model for streamflow simulation in the Hwangjeoncheon watershed

Parameters	Description	Unit	Parameter range	Calibrated value
V_SFTMP.bsn	Snowfall temperature	∘C	-20 ~ 20	-0.223
V_CN2.mgt	SCS runoff curve number	-	25 ~ 98	90.59
V_SOL_K.sol	Saturated hydraulic conductivity	mm/h	0 ~ 2000	117.3
V_GW_DELAY.gw	Groundwater delay	days	0 ~ 500	3.0
V_ESCO.hru	Soil evaporation compensation factor	-	0 ~ 1	0.850
V_ALPHA_BF.gw	Baseflow alpha factor	day^-1	0 ~ 1	0.409
V_REVAPMN.gw	Threshold depth of water in the shallow aquifer for revap to occur	mm	0 ~ 500	47.83
V_EPCO.hru	Plant uptake compensation factor	-	0 ~ 1	0.046
V_CH_K2.rte	Effective hydraulic conductivity in main channel alluvium	mm/h	0 ~ 500	186.9
V_RCHRG_DP.gw	Deep aquifer percolation fraction	-	0 ~ 1	0.096
V_GWQMN.gw	Threshold depth of water in the shallow aquifer required for return flow to occur	mm	0 ~ 500	267.9

3.2. 황전천 용서교 지점의 디지털 필터 기반 기저유출 분리 결과

황전천 용서교 지점의 관측 유량자료를 이용하여 6개 디지털 필터 기법(LH1P, LH2P, Chapman, Chapman–Maxwell, Eckhardt 및 EWMA)의 매개변수 민감도와 기저유출 분리 특성을 분석하였다. LH1P, LH2P, Chapman, Chapman–Maxwell 및 Eckhardt 기법의 필터 계수 또는 감수상수(α)는 0.90–0.99, EWMA의 평활화 계수(ε)는 0.005–0.10 범위에서 변화시켰다. 매개변수 변화에 따른 대표적인 기저유출 시계열은 Fig. 4에 제시하였다. 분석 결과, EWMA를 제외한 대부분의 기법에서는 검토한 계수가 증가할수록 BFI가 감소하는 경향을 보인 반면, EWMA에서는 평활화 계수가 증가함에 따라 BFI가 증가하였다. 이는 기법별 재귀식 구조와 매개변수의 역할에 따라 관측 수문곡선에서 분리되는 유출성분이 달라질 수 있음을 보여준다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F4.jpg

Fig. 4.

Hydrograph-based sensitivity analysis of selected digital filter parameters at Yongseo Bridge: (a) Chapman–Maxwell, (b) Eckhardt, and (c) EWMA. The observed streamflow is shown together with separated baseflow estimates under different parameter settings.

매개변수 변화에 따른 BFI 산정 범위는 LH1P 0.16–0.48, LH2P 0.06–0.32, Chapman 0.15–0.39, Chapman–Maxwell 0.15–0.40, Eckhardt 0.22–0.64 및 EWMA 0.24–0.52로 나타났다. Eckhardt 기법은 검토한 조건에서 가장 넓은 BFI 변화 범위를 보여, 매개변수 설정이 기저유출 산정 결과에 중요한 영향을 미칠 수 있음을 확인하였다. 특히 Eckhardt의 BFI 산정 범위에는 SWAT 기반 순수 기저유출지수(BFI_SWAT = 0.27)와 유사한 값도 포함되어 있어, 특정 매개변수 조건에서 나타난 두 지표의 유사성을 일반화하는 데에는 주의가 필요하다.

대표 매개변수를 적용한 결과, LH1P, LH2P, Chapman, Chapman–Maxwell, Eckhardt 및 EWMA 기법의 BFI는 각각 0.45, 0.29, 0.36, 0.37, 0.58 및 0.32로 산정되었다(Fig. 5). Eckhardt 기법은 다른 디지털 필터에 비해 상대적으로 높은 기저유출량을 산정하였으며, 강우 이후 감수부에서도 비교적 높은 유량을 유지하는 특성을 보였다. 반면 LH2P와 Chapman 계열 기법은 상대적으로 낮은 기저유출량을 산정하였다. 이러한 차이는 디지털 필터의 구조와 매개변수 설정에 따라 경험적 BFI의 크기와 시간적 변동 특성이 달라질 수 있음을 시사한다. 따라서 본 연구에서는 선행연구와의 비교 가능성을 고려하여 Eckhardt 기법을 상세 비교 대상으로 활용하되, 다른 분리기법의 결과도 BFI_SWAT와 DFI_SWAT를 함께 비교하여 기법별 유사성과 해석상의 불확실성을 평가하였다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F5.jpg

Fig. 5.

Comparison of observed streamflow and estimated baseflow hydrographs obtained using six digital filter methods at Yongseo Bridge in the Hwangjeoncheon watershed during 2019–2023: (a) Lyne–Hollick one-pass (LH1P), Lyne–Hollick two-pass (LH2P), and Chapman; and (b) Chapman–Maxwell (CM), exponentially weighted moving average (EWMA), and Eckhardt.

3.3. SWAT 모델 기반 유출성분의 변동 특성

황전천 유역의 시기별 유출 특성을 평가하기 위해 2019–2023년 SWAT 모의 결과에서 표면유출, 중간유출 및 기저유출을 구분하고, 연도별, 계절별, 관개기·비관개기별 및 월별 상대적 기여도를 분석하였다(Figs. 6 and 7).

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F6.jpg

Fig. 6.

Relative contributions of SWAT-simulated surface runoff, interflow, and baseflow to total runoff in the Hwangjeoncheon watershed during 2019–2023: (a) annual and (b) seasonal distributions.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F7.jpg

Fig. 7.

Relative contributions of SWAT-simulated surface runoff, interflow, and baseflow to total runoff in the Hwangjeoncheon watershed during 2019–2023: (a) irrigation and non-irrigation periods and (b) monthly distributions.

3.3.1. 연도별 유출성분 변화

2019–2023년 누적유출량을 기준으로 표면유출, 중간유출 및 기저유출의 기여율은 각각 43%, 30% 및 27%로 산정되었다(Fig. 6a). 이에 따라 BFI_SWAT는 0.27, 중간유출과 기저유출을 합산한 DFI_SWAT는 약 0.57로 나타났다. 이는 황전천 유역에서 표면유출이 개별 유출성분 중 가장 큰 비율을 차지하지만, 지연유출성분도 전체 유출량의 절반 이상을 구성함을 의미한다. 연도별로는 2020년과 2023년에 표면유출의 기여가 상대적으로 높았으며, 2022년에는 표면유출의 기여가 가장 낮게 산정되었다.

3.3.2. 계절별 유출성분 변화

계절별로는 여름철 표면유출 기여율이 56%로 가장 높았으며, 봄철에는 중간유출(49%), 가을철에는 기저유출(57%)의 기여율이 우세하였다(Fig. 6b). 겨울철에는 중간유출과 기저유출이 각각 42%로 나타나 지연유출성분이 전체 유출량의 대부분을 차지하였다. 이러한 결과는 여름철 집중강우 시 표면유출이 우세한 반면, 가을과 겨울에는 토양층 및 얕은 대수층 저장부를 통한 지연유출의 상대적 중요성이 증가함을 시사한다. 특히 가을철 높은 기저유출 기여율은 여름철 강우에 의해 형성된 저장수가 일정한 지체시간을 거쳐 배출되는 모델 내 반응과 관련될 수 있다. 다만 이러한 계절적 기저유출 분포는 SWAT의 지하수 관련 매개변수와 저장부 모의구조에 영향을 받으므로, 실제 지하수 유출 시점을 직접 입증하는 결과로 해석하는 데에는 주의가 필요하다.

3.3.3. 관개기 및 비관개기 유출 특성

관개기에는 표면유출, 중간유출 및 기저유출의 기여율이 각각 50%, 29% 및 21%로 나타난 반면, 비관개기에는 각각 18%, 32% 및 50%로 산정되었다(Fig. 7a). 이에 따라 지연유출성분의 기여율은 관개기 50%에서 비관개기 82%로 증가하였다. 이러한 차이는 관개기가 여름철 강우 집중 시기와 중첩되는 반면, 비관개기에는 강우에 대한 직접유출 반응이 감소하고 유역 저장부로부터 공급되는 유출성분의 상대적 기여가 증가하기 때문으로 해석된다. 다만 관개기와 비관개기의 차이는 강우의 계절적 분포와도 관련되므로, 이를 관개활동 자체의 영향으로 단정하기는 어렵다.

3.3.4. 월별 유출성분 변화

월별 유출성분 분석 결과, 6–8월의 표면유출 기여율은 각각 62%, 57% 및 53%로 높게 나타났으며, 9월 이후에는 기저유출의 상대적 기여도가 증가하였다(Fig. 7b). 기저유출 기여율은 9월 48%, 10–11월 각각 66%, 12월 53%로 나타나 가을철에 가장 높았다. 반면 1월과 2월에는 중간유출 기여율이 각각 51%와 56%로 높게 산정되어 겨울철에도 측방흐름을 통한 지연유출이 상대적으로 중요한 역할을 할 수 있음을 보여준다. 이러한 월별 변화는 강우 이후 표면유출이 감소하면서 토양층 및 얕은 대수층 저장부에서 배출되는 유출성분의 상대적 비중이 증가하는 SWAT의 지연유출 반응을 반영한다.

3.4. SWAT 기반 BFI 및 DFI와 경험적 기저유출 분리기법의 비교

본 절에서는 관측 유량자료에 적용한 도식적 방법 및 디지털 필터 방법으로 산정한 BFI를 BFI_SWAT 및 DFI_SWAT와 비교하였다. SWAT 유출성분 분석 결과, 2019–2023년 누적유출량 기준 BFI_SWAT와 DFI_SWAT는 각각 0.27과 0.57로 산정되었다. 한편 연도별 DFI_SWAT의 산술평균은 0.61로 나타나, 분석기간 전체의 누적유출량을 이용한 지수와 연도별 지수의 평균 사이에 차이가 확인되었다.

기저유출 분리기법별 연평균 BFI는 UKIH와 HYSEP이 각각 0.47, PART가 0.31이었으며, 디지털 필터 방법에서는 LH1P 0.43, LH2P 0.27, Chapman 0.35, Chapman–Maxwell 0.36, EWMA 0.30 및 Eckhardt 0.57로 산정되었다(Fig. 8a). 본 연구에서 적용한 대표 매개변수 조건에서 Eckhardt BFI는 DFI_SWAT(0.61)와 가장 가까운 값을 나타냈으며, 두 지표 간 차이는 −0.04로 산정되었다(Fig. 8b). 반면 LH2P, PART 및 EWMA는 BFI_SWAT(0.27)와 상대적으로 유사한 값을 보였다. 이는 경험적 기저유출 분리기법에 따라 SWAT 기반 순수 기저유출 또는 지연유출성분과의 유사성이 달라질 수 있음을 보여준다. 특히 Eckhardt 기법의 결과는 감수상수(α)와 최대 기저유출지수(BFI_max)의 설정에 영향을 받으므로, DFI_SWAT와의 높은 유사성을 모든 매개변수 조건에서 나타나는 일반적인 특성으로 해석하기는 어렵다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F8.jpg

Fig. 8.

Comparison of baseflow-related indices derived from different baseflow separation methods and the SWAT model for annual, seasonal, and monthly periods in the Hwangjeoncheon watershed: (a) BFI values estimated using graphical and digital filter methods, together with BFI_SWAT and DFI_SWAT.; (b) differences between each separation method and DFI_SWAT (method − DFI_SWAT).

계절별 분석에서도 Eckhardt BFI와 DFI_SWAT는 여름철에 낮고 겨울철에 높은 변동 특성을 보였다(Fig. 8a). 여름철 두 지표는 각각 0.50과 0.46, 겨울철에는 각각 0.78과 0.88로 산정되었다. 월별로는 6월과 8월에 두 지표가 각각 0.47과 0.46으로 일치하였으나, 7월에는 Eckhardt BFI(0.55)가 DFI_SWAT(0.47)보다 높게 나타났다. 이러한 차이는 강우 반응에 따른 유출성분의 분리 특성이 두 접근법에서 다르게 반영되었을 가능성을 시사한다. 한편 BFI_SWAT는 가을철에 0.57로 가장 높았으며, 겨울철에는 0.42로 감소하여 겨울철 BFI가 상대적으로 높은 경험적 분리기법과 다른 계절적 특성을 보였다. 이는 SWAT의 얕은 대수층 저장 및 회귀유출 과정과 관련된 매개변수 설정이 기저유출 발생 시점과 계절별 기여율에 영향을 미쳤을 가능성을 보여준다.

Fig. 9의 관측 및 SWAT 모의 유량 시계열에서는 주요 강우사상에 따른 유량 증가와 감수 경향이 전반적으로 유사하게 나타났으나, 일부 첨두유량 구간에서 차이가 확인되었다. 또한 SWAT 기반 기저유출은 총유량에 비해 상대적으로 완만한 변동을 나타내어 모델 내 얕은 대수층 저장부의 지연 배출 특성을 반영하였다. Fig. 10에서는 Eckhardt 기반 기저유출이 SWAT 기반 순수 기저유출보다 강우 이후의 유량 증가와 감수부 변동을 크게 반영하였으며(Fig. 10a), SWAT의 중간유출과 기저유출을 합산한 지연유출량은 Eckhardt 기반 기저유출과 상대적으로 유사한 시계열 거동을 보였다(Fig. 10b). 이러한 결과는 Fig. 8의 지수 비교에서 나타난 두 접근법의 유사성과 정성적으로 일관된다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F9.jpg

Fig. 9.

Temporal variations in daily precipitation, observed streamflow, SWAT-simulated streamflow, and SWAT-derived baseflow at the Yongseo Bridge gauging station in the Hwangjeoncheon watershed during 2019–2024.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F10.jpg

Fig. 10.

Time-series comparison of Eckhardt-filtered baseflow and SWAT-derived runoff components in the Hwangjeoncheon watershed during 2019–2024: (a) SWAT-derived baseflow and Eckhardt-filtered baseflow; and (b) SWAT-derived delayed flow (lateral flow + baseflow) and Eckhardt-filtered baseflow.

종합하면, Eckhardt 기반 BFI는 본 연구에서 적용한 매개변수 조건에서 SWAT 기반 순수 BFI_SWAT보다 중간유출을 포함한 DFI_SWAT와 더 가까운 값을 나타냈다. 이는 관측 수문곡선에서 완만하게 감쇠하는 성분을 경험적으로 분리하는 과정에서 중간유출과 얕은 지하수 유출이 함께 반영될 가능성을 시사한다. 그러나 이러한 유사성만으로 실제 유출성분의 물리적 기원을 확인할 수는 없으며, SWAT의 유출성분 분할과 디지털 필터의 매개변수 불확실성을 함께 고려하여 해석할 필요가 있다.

3.5. 강수 특성에 따른 SWAT 기반 지연유출지수의 변화

3.5.1. 연강수량과 DFI_SWAT의 관계

DFI_SWAT는 전체 유출량 중 중간유출과 기저유출이 차지하는 상대적 비율로, 강우량과 강우 분포에 따른 유출성분의 변화에 영향을 받는다. 일반적으로 강우량이 증가하면 표면유출의 상대적 기여가 커지면서 DFI_SWAT가 감소할 수 있는 반면, 강우가 적거나 무강우 기간이 지속되면 유역 저장부에서 공급되는 지연유출성분의 상대적 기여가 증가할 수 있다. 다만 DFI_SWAT의 감소가 지연유출량 자체의 감소를 의미하는 것은 아니다.

황전천 유역의 연강수량과 DFI_SWAT의 관계를 평가하기 위해 2018–2023년의 연도별 자료를 분석하였다(Fig. 11). 분석 결과, 연강수량이 증가할수록 DFI_SWAT가 감소하는 음의 상관 경향이 나타났으며, 선형회귀분석의 결정계수는 R²= 0.815로 산정되었다. 특히 강수량이 상대적으로 많았던 2020년과 2023년에는 DFI_SWAT가 낮게 나타난 반면, 강수량이 적었던 2022년에는 높은 값을 보였다. 이는 강수량이 많은 해에는 표면유출의 상대적 기여가 증가하여 전체 유출량 중 지연유출성분의 비율이 감소할 수 있음을 시사한다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F11.jpg

Fig. 11.

Relationship between annual precipitation and the SWAT-derived delayed-flow index (DFI_SWAT) in the Hwangjeoncheon watershed during 2018–2023. Blue circles represent annual values, and the solid line indicates the fitted linear regression.

그러나 본 분석은 6개 연도 자료에 기반한 경험적 관계이며, 강수량과 DFI_SWAT의 관계를 일반적인 인과관계로 해석하기에는 한계가 있다. 또한 강수량이 유사한 연도에서도 DFI_SWAT에 차이가 나타나므로, 연강수량뿐만 아니라 강우 강도와 시간적 분포, 선행 토양수분조건, 증발산 및 유역 저장 특성을 함께 고려할 필요가 있다.

3.5.2. 강우 구간별 DFI_SWAT 변화

황전천 유역의 강우 규모에 따른 DFI_SWAT의 변화를 평가하기 위해, 일 강수량을 무강우(0 mm), 0–10 mm, 10–20 mm, 20–30 mm, 30–50 mm, 50–70 mm, 70–100 mm 및 100 mm 초과의 8개 구간으로 구분하였다. 강우 구간별 발생 빈도는 무강우일이 49%로 가장 높았으며, 0–10 mm 구간이 29%, 10–20 mm 구간이 9%, 20–30 mm 구간이 4%, 30–50 mm 구간이 6%로 나타났다. 50 mm 이상의 강우 구간은 각각 1%로 낮은 빈도를 보였다(Fig. 12).

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F12.jpg

Fig. 12.

Frequency distribution of daily precipitation classes and corresponding SWAT-derived delayed-flow index (DFI_SWAT) values in the Hwangjeoncheon watershed during 2019–2023. Bars represent the frequency (%) of each precipitation class, while lines with markers show precipitation-class-specific DFI_SWAT values for individual years.

강우 구간별 DFI_SWAT를 비교한 결과, 무강우 및 저강우 구간에서 상대적으로 높은 값을 보였으며, 일 강수량이 증가할수록 전반적으로 감소하는 경향이 나타났다(Fig. 12). 이는 무강우 조건에서 이전 강우에 의해 형성된 토양수 및 얕은 대수층 저장부의 배출이 하천유량 유지에 기여하는 반면, 강우량이 증가하면 표면유출의 상대적 기여가 증가하기 때문으로 해석된다.

이러한 경향은 풍영정천 유역에서 보고된 강수량 증가에 따른 기저유출지수 감소 경향과 정성적으로 유사하였다(Choi et al., 2026). 그러나 강우에 대한 유출 반응은 선행 토양수분조건, 강우 지속시간 및 유역 저장 특성에 따라 달라질 수 있으며, 일 강수량과 동일 날짜의 DFI_SWAT만으로 유출성분의 지체 반응을 충분히 설명하기는 어렵다. 따라서 강우 규모에 따른 지연유출 기여도의 변화는 유역의 저장 및 배출 특성을 고려하여 해석할 필요가 있다.

3.5.3. 강우 및 무강우 조건에서의 유출성분 변화

황전천 유역의 강우에 따른 유출성분의 시간적 반응을 평가하기 위해 SWAT 모델에 입력한 강수량과 모의된 총유량, 표면유출, 중간유출 및 기저유출의 시계열을 비교하였다(Fig. 13a). 강우 발생 시 표면유출은 빠르게 증가하여 총유량의 첨두 형성에 크게 기여한 반면, 중간유출은 상대적으로 지연된 반응을 보였으며, 기저유출은 완만하게 변화하는 특성을 나타냈다. 이러한 결과는 SWAT 모델에서 유출성분별로 서로 다른 시간적 반응이 모의되었음을 보여준다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F13.jpg

Fig. 13.

Temporal variations in SWAT-simulated runoff components under different rainfall conditions in the Hwangjeoncheon watershed: (a) long-term variations in daily precipitation, total discharge, surface runoff, interflow, and baseflow during 2019–2024; (b) changes in the relative contributions of runoff components during the post-rainfall recession period; and (c) changes in the relative contributions of runoff components during repeated rainfall events.

반복적인 강우가 발생한 기간에는 강우 직후 표면유출의 상대적 기여도가 증가하였으며, 이후 강우가 감소하거나 종료되면서 중간유출과 기저유출의 상대적 기여도가 증가하는 경향을 보였다(Fig. 13c). 반면 강우 이후 무강우 또는 저강우 조건이 지속되는 기간에는 표면유출의 기여가 빠르게 감소하고, 유역 저장부 및 얕은 대수층에서 지연되어 배출되는 유출성분의 상대적 비중이 증가하였다(Fig. 13b). 이때 지연유출성분의 기여율 증가는 해당 성분의 절대유량 증가를 의미하는 것이 아니라, 총유량 감소 과정에서 지연유출성분이 차지하는 비율이 상대적으로 커지는 것을 의미한다.

이러한 결과는 강우 발생과 이후 감수 과정에서 표면유출, 중간유출 및 기저유출의 상대적 기여도가 변화하며, 이에 따라 DFI_SWAT도 시간적으로 달라질 수 있음을 시사한다. 특히 중간유출은 표면유출보다 지연되어 하천에 공급될 수 있으므로, DFI_SWAT를 해석할 때 기저유출과 함께 고려할 필요가 있다. 다만 이러한 유출성분의 시간적 변화는 SWAT의 저장부 구조 및 수문 매개변수 설정에 영향을 받으므로, 실제 유출경로별 기여도를 직접 검증한 결과로 해석하는 데에는 주의가 필요하다.

3.6. 황전천 유역의 공간별 기저유출 기여도 분석

황전천 유역의 공간적 유출 특성을 평가하기 위해 상류, 중류 및 하류의 대표 지점을 대상으로 SWAT 모델에서 산정된 표면유출, 중간유출 및 기저유출량을 비교하였다(Fig. 14). 각 지점의 기저유출 기여율은 총유출량 대비 기저유출량의 비율로 평가하였다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-05/N0720310509/images/kossge_2026_315_9_F14.jpg

Fig. 14.

Spatial distribution and temporal variations of SWAT-simulated runoff components at representative locations in the Hwangjeoncheon watershed during 2019–2024. The left panel shows the upstream, midstream, and downstream locations, while the right panels illustrate the corresponding time-series variations in surface runoff, interflow, and baseflow.

분석 결과, 상류 지점의 평균 총유량은 0.12 m³/s였으며, 표면유출, 중간유출 및 기저유출은 각각 0.06, 0.05 및 0.012 m³/s로 산정되어 기저유출 기여율은 약 10%로 나타났다. 중류 지점의 평균 총유량은 2.23 m³/s였으며, 표면유출, 중간유출 및 기저유출은 각각 0.76, 0.60 및 0.88 m³/s로 산정되었다. 특히 중류의 기저유출 기여율은 약 39%로 세 지점 중 가장 높아, SWAT 모의 결과에서 얕은 대수층 유출의 상대적 기여가 가장 크게 나타났다. 반면 하류 지점의 평균 총유량은 3.92 m³/s로 가장 높았으며, 표면유출, 중간유출 및 기저유출은 각각 2.17, 0.85 및 0.90 m³/s로 산정되었다. 하류의 기저유출량은 중류와 유사하였으나, 표면유출의 상대적 증가로 인해 기저유출 기여율은 중류보다 낮게 나타났다.

종합하면, 황전천 유역에서는 상류에서 하류로 갈수록 총유량과 기저유출량이 증가하였으나, 기저유출의 상대적 기여율은 중류에서 가장 높았다. 이러한 공간적 차이는 소유역별 지형, 토양수 저장 및 얕은 대수층의 유출 특성과 관련될 가능성이 있다. 또한 Fig. 14의 시계열에서는 강우 발생 시 표면유출이 빠르게 증가하는 반면, 중간유출과 기저유출은 상대적으로 지연된 반응을 나타냈다. 다만 이러한 결과는 SWAT 기반 유출성분 분할에 따른 것으로, 실제 지하수–하천 교환량의 공간적 차이를 직접 입증하는 것은 아니다. 따라서 황전천 유역의 갈수기 하천유량 유지와 물환경 관리를 위해서는 중류 구간의 유역 저장기능과 지하수–하천 연결 가능성에 대한 추가적인 수문학적 검토가 필요하다.

4. 요약 및 결론

본 연구에서는 섬진강 수계 황전천 유역을 대상으로 SWAT 모델 기반 유출성분과 관측 유량자료 기반 기저유출 분리기법을 비교하여 기저유출지수(BFI) 및 지연유출지수(DFI)의 시공간적 변동 특성과 수문학적 의미를 평가하였다. SWAT 모델은 보정 및 검증기간 동안 월 단위 하천유량의 전반적인 변동을 비교적 양호하게 재현하였다. 2019–2023년 누적유출량 기준 표면유출, 중간유출 및 기저유출의 기여율은 각각 43%, 30% 및 27%로 산정되었으며, 중간유출과 기저유출을 합산한 지연유출성분은 전체 유출량의 약 57%를 차지하였다. 특히 여름철에는 표면유출이 우세한 반면, 가을·겨울 및 비관개기에는 지연유출성분의 상대적 기여도가 증가하였다.

관측 유량 기반 기저유출 분리기법을 비교한 결과, 본 연구에서 적용한 대표 매개변수 조건에서 Eckhardt BFI는 0.57로 산정되어 SWAT 기반 순수 기저유출지수(BFI_SWAT= 0.27)보다 연도별 지연유출지수의 산술평균(DFI_SWAT= 0.61)에 더 가까운 값을 나타냈다. 반면 LH2P, PART 및 EWMA 등은 BFI_SWAT와 상대적으로 유사한 결과를 보였다. 이는 경험적 기저유출 분리기법의 구조와 매개변수 설정에 따라 산정된 BFI가 서로 다른 유출성분의 특성을 반영할 수 있음을 시사한다. 특히 Eckhardt 기반 BFI는 관측 수문곡선에서 완만하게 감쇠하는 중간유출과 얕은 지하수 유출을 함께 반영할 가능성이 있으나, 이러한 유사성을 실제 유출성분의 물리적 기원에 대한 직접적인 증거로 해석하기는 어렵다.

강수 특성 분석에서는 연강수량 및 일 강수량이 증가할수록 표면유출의 상대적 기여가 커지면서 DFI_SWAT가 감소하는 경향을 보였다. 반면 무강우 및 저강우 조건에서는 유역 저장부를 통해 지연되어 공급되는 유출성분의 상대적 비중이 증가하였다. 공간별 분석 결과, 기저유출 기여율은 상류 약 10%, 중류 약 39%로 나타났으며, 하류에서는 중류보다 낮게 산정되었다. 특히 중류 구간의 높은 기저유출 기여율은 해당 구간의 유역 저장기능 및 얕은 대수층 유출 특성에 관한 추가적인 평가가 필요함을 시사한다.

종합하면, 본 연구는 SWAT 기반 순수 기저유출과 중간유출을 포함한 지연유출을 구분하여 경험적 BFI와 비교함으로써, 기저유출 분리 결과의 수문학적 의미와 해석상의 한계를 제시하였다. 다만 본 연구의 결과는 SWAT의 유출성분 분할 및 디지털 필터의 매개변수 설정에 영향을 받을 수 있으므로, 향후 지하수위, 전기전도도 및 수문·수질 추적자 등을 이용한 독립적인 검증이 필요하다.

Acknowledgements

본 연구는 영산강·섬진강수계관리위원회 환경기초조사사업의 지원을 받아 수행되었습니다.

References

Arnold, J.G., Moriasi, D.N., Gassman, P.W., Abbaspour, K.C., White, M.J., Srinivasan, R., Santhi, C., Harmel, R.D., van Griensven, A., Van Liew, M.W., Kannan, N., and Jha, M.K., 2012, SWAT: Model use, calibration, and validation, Trans. ASABE, 55(4), 1491-1508.

10.13031/2013.42256

Arnold, J.G., Srinivasan, R., Muttiah, R.S., and Williams, J.R., 1998, Large area hydrologic modeling and assessment Part I: Model development, J. Am. Water Resour. Assoc., 34(1), 73-89.

10.1111/j.1752-1688.1998.tb05961.x

Chapman, T. G., 1991, Comment on “Evaluation of automated techniques for base flow and recession analyses” by RJ Nathan and TA McMahon, Water Resour. Res., 27(7), 1783-1784.

10.1029/91WR01007

Chapman, T.G. and Maxwell, A.I., 1996, Baseflow separation-comparison of numerical methods with tracer experiments, In Institute Engineers Australia National Conference, Institute of Engineers, Canberra, Australia, 5, 539-545.

Choi, Y.H., Jeong, I.K., Joo, J.C., and Jeong, K.W., 2026, Analysis of baseflow and run-off characteristics in Pungyeongjeong-cheon watershed using baseflow separation method and HSPF model, J. Korean Soc. Water Environ., 42(4), 338-355.

Choi, Y.H., Kum, D.H., Ryu, J.C., Jung, Y.H., Kim, Y.S., Jeon, J.H., Kim, K.S., and Lim, K.J., 2015, A study of total nitrogen pollutant load through baseflow analysis at the watershed, J. Korean Soc. Water Environ., 31(1), 55-66.

10.15681/KSWE.2015.31.1.55

Choi, Y.H., Park, Y.S., Ryu, J.C., Lee, D.J., Kim, Y.S., Choi, J.D., and Lim, K.J., 2014, Analysis of baseflow contribution to streamflow at several flow stations, J. Korean Soc. Water Environ., 30(4), 441-451.

10.15681/KSWE.2014.30.4.441

Eckhardt, K., 2005, How to construct recursive digital filters for baseflow separation, Hydrol. Process., 19(2), 507-515.

10.1002/hyp.5675

Eckhardt, K., 2008, A comparison of baseflow indices, which were calculated with seven different baseflow separation methods, J. Hydrol., 352(1-2), 168-173.

10.1016/j.jhydrol.2008.01.005

Eckhardt, K., 2012, Analytical sensitivity analysis of a two parameter recursive digital baseflow separation filter, Hydrol. Earth Syst. Sci., 16(2), 451-455.

10.5194/hess-16-451-2012

Han, J. and Lee, S., 2024, Analysis of the effects of securing baseflow and improving water quality through the introduction of LID techniques, Sustainability, 16(20), 8932.

10.3390/su16208932

Han, J., Kim, J., Lim, K., and Jung, Y., 2018, Impacts of baseflow contribution on the streamflow variability of major river systems in Korea, Paddy Water Environ., 16(4), 835-855.

10.1007/s10333-018-0673-8

Hong, J.Y., Lim, K.J., Shin, Y.C., and Jung, Y.H., 2015, Quantifying contribution of direct runoff and baseflow to rivers in Han River system, South Korea, J. Korea Water Resour. Assoc., 48(4), 309-319.

10.3741/JKWRA.2015.48.4.309

Jang, W.S., Moon, J.P., Kim, N.W., Yoo, D.S., Kum, D.H., Kim, I.J., Mun, Y., and Lim, K.J., 2011, SWAT direct runoff and baseflow evaluation using web-based flow clustering EI estimation system, J. Korean Soc. Water Environ., 27(1), 61-72.

10.15681/KSWE.2011.27.1.8

Joo, J.C., Lee, D.H., Chae, K.I., Kim, S.R., Shi, K., Jung, K.W., and Jung, I.K., 2025, Hydrological assessment of baseflow and influencing watershed characteristics in the Yeongsan and Seomjin watersheds, J. Soil Groundwater Environ., 30(3), 29-53.

10.7857/JSGE.2025.30.3.029

Kang, H.S., Hyun, Y.J., and Jun, S.M., 2019, Regional estimation of baseflow index in Korea and analysis of baseflow effects according to urbanization, J. Korea Water Resour. Assoc., 52(2), 97-105.

Kang, T., Lee, S., Lee, N., and Jin, Y., 2022, Baseflow separation using the digital filter method: review and sensitivity analysis, Water, 14(3), 485.

10.3390/w14030485

Ladson, A.R., Brown, R., Neal, B., and Nathan, R., 2013, A standard approach to baseflow separation using the Lyne and Hollick filter, Australasian J. Water Res., 17(1), 25-34.

10.7158/13241583.2013.11465417

Lee, S.C., Kim H.Y., Kim H.J., Han J.H., Kim, S.J., Kim, J.G., and Lim, K.J., 2017, Analysis of Baseflow Contribution based on Time-scales Using Various Baseflow Separation Methods, J. Korean Soc. Agric. Eng., 59(2), 1-11.

10.5389/KSAE.2017.59.2.001

Lott, D.A. and Stewart, M.T., 2016, Base flow separation: A comparison of analytical and mass balance methods, J. Hydrol., 535, 525-533.

10.1016/j.jhydrol.2016.01.063

Lyne, V. and Hollick, M., 1979, Stochastic time-variable rainfall-runoff modeling, In Institute of Engineers Australia National Conference, 79, 10-89.

Matsubayashi, U., Velasquez, G.T., and Takagi, F., 1993, Hydrograph separation and flow analysis by specific electrical conductance of water, J. Hydrol., 152(1-4), 179-199.

10.1016/0022-1694(93)90145-Y

Miller, M.P., Buto, S.G., Susong, D.D., and Rumsey, C.A., 2016, The importance of base flow in sustaining surface water flow in the Upper Colorado River Basin, Water Resour. Res., 52(5), 3547-3562.

10.1002/2015WR017963

Nathan, R.J. and McMahon, T.A., 1990, Evaluation of automated techniques for base flow and recession analyses, Water Resour. Res., 26(7), 1465-1473.

10.1029/WR026i007p01465

Neitsch, S.L., Arnold, J.G., Kiniry, J.R., and Williams, J.R., 2011, Soil and Water Assessment Tool Theoretical Documentation Version 2009, Texas Water Resources Institute Technical Report No. 406, Texas A&M University System, College Station, Texas.

Pilgrim, D.H., Huff, D.D., and Steele, T.D., 1979, Use of specific conductance and contact time relations for separating flow components in storm runoff, Water Resour. Res., 15(2), 329-339.

10.1029/WR015i002p00329

Pinder, G.F. and Jones, J.F., 1969, Determination of the ground‐water component of peak discharge from the chemistry of total runoff, Water Resour. Res., 5(2), 438-445.

10.1029/WR005i002p00438

Rutledge, A.T., 1998, Computer programs for describing the recession of ground-water discharge and for estimating mean ground-water recharge and discharge from streamflow records: Update (No. 98), US Department of the Interior, US Geological Survey.

Saraiva Okello, A.M.L., Uhlenbrook, S., Jewitt, G.P., Masih, I., Riddell, E.S., and Van der Zaag, P., 2018, Hydrograph separation using tracers and digital filters to quantify runoff components in a semi‐arid mesoscale catchment, Hydrol. Process., 32(10), 1334-1350.

10.1002/hyp.11491

Sloto, R.A. and Crouse, M.Y., 1996, HYSEP: A computer program for streamflow hydrograph separation and analysis, U.S. Geol. Surv., 96-4040.

Stewart, M., Cimino, J., and Ross, M., 2007, Calibration of base flow separation methods with streamflow conductivity, Groundwater, 45(1), 17-27.

10.1111/j.1745-6584.2006.00263.x

Stoelzle, M., Schuetz, T., Weiler, M., Stahl, K., and Tallaksen, L.M., 2020, Beyond binary baseflow separation: A delayed-flow index for multiple streamflow contributions, Hydrol. Earth Syst. Sci., 24(2), 849-867.

10.5194/hess-24-849-2020

Tularam, G.A. and Ilahee, M., 2008, Exponential smoothing method of baseflow separation and its impact on continuous loss estimates, Am. J. Environ. Sci., 4(2), 136-144.

10.3844/ajessp.2008.136.144

Wu, G., Zhang, J., Li, Y., Liu, Y., Ren, H., and Yang, M., 2024, Revealing temporal variation of baseflow and its underlying causes in the source region of the Yangtze River (China), Hydrol. Res., 55(3), 392-411.

10.2166/nh.2024.185

Xie, J., Liu, X., Wang, K., Yang, T., Liang, K., and Liu, C., 2020, Evaluation of typical methods for baseflow separation in the contiguous United States, J. Hydrol., 583, 124628.

10.1016/j.jhydrol.2020.124628

Journal of Soil and Groundwater Environment ISSN:1598-6438(Print) 2287-8831(Online) 지하수토양환경

Preview

Comparison of SWAT-Derived Delayed-Flow and Eckhardt-Filtered Baseflow Indices in the Hwangjeoncheon Watershed

ABSTRACT

MAIN

Fig. 1.

Fig. 2.

Table 1.

Input datasets used for SWAT model construction, calibration, and validation in the Hwangjeoncheon watershed

Table 2.

Statistical performance metrics used to evaluate SWAT-simulated monthly streamflow

(1)

Table 3.

Equations and parameter ranges of recursive digital filter methods used for baseflow separation

(2)

(3)

Table 4.

Calibration and validation performance of the SWAT model for monthly streamflow simulation in the Hwangjeoncheon watershed

Fig. 3.

Table 5.

Calibrated hydrological parameters of the SWAT model for streamflow simulation in the Hwangjeoncheon watershed

Fig. 4.

Hydrograph-based sensitivity analysis of selected digital filter parameters at Yongseo Bridge: (a) Chapman–Maxwell, (b) Eckhardt, and (c) EWMA. The observed streamflow is shown together with separated baseflow estimates under different parameter settings.

Fig. 5.

Fig. 6.

Relative contributions of SWAT-simulated surface runoff, interflow, and baseflow to total runoff in the Hwangjeoncheon watershed during 2019–2023: (a) annual and (b) seasonal distributions.

Fig. 7.

Relative contributions of SWAT-simulated surface runoff, interflow, and baseflow to total runoff in the Hwangjeoncheon watershed during 2019–2023: (a) irrigation and non-irrigation periods and (b) monthly distributions.

Fig. 8.

Fig. 9.

Temporal variations in daily precipitation, observed streamflow, SWAT-simulated streamflow, and SWAT-derived baseflow at the Yongseo Bridge gauging station in the Hwangjeoncheon watershed during 2019–2024.

Fig. 10.

Time-series comparison of Eckhardt-filtered baseflow and SWAT-derived runoff components in the Hwangjeoncheon watershed during 2019–2024: (a) SWAT-derived baseflow and Eckhardt-filtered baseflow; and (b) SWAT-derived delayed flow (lateral flow + baseflow) and Eckhardt-filtered baseflow.

Fig. 11.

Relationship between annual precipitation and the SWAT-derived delayed-flow index (DFISWAT) in the Hwangjeoncheon watershed during 2018–2023. Blue circles represent annual values, and the solid line indicates the fitted linear regression.

Fig. 12.

Fig. 13.

Fig. 14.

Acknowledgements

References

Relationship between annual precipitation and the SWAT-derived delayed-flow index (DFI_SWAT) in the Hwangjeoncheon watershed during 2018–2023. Blue circles represent annual values, and the solid line indicates the fitted linear regression.