1. 서 론
대기오염은 인간의 활동이나 자연적 원인으로 인해 대기 중에 존재하는 물질들이 정상적인 수준을 벗어나서 인체 건강이나 환경에 해를 끼치는 상태를 말한다. 강원 영서지역은 이러한 대기오염에 취약하고, 영동지역은 대기오염에서 비교적 자유로운 것으로 알려져 있다. 가장 일반적인 생각은 대기오염물질이 서풍을 타고 날아가다가 영동과 영서지역을 가르는 높은 태백산맥에 가로막혀 영서지역에서 고여 높은 농도를 형성한다는 것이다. 이러한 대기오염물질의 잔류는 공기 질을 악화시켜 호흡기 질환(respiratory disease), 심혈관 질환(cardiovascular disease), 심근 경색(ischemic heart disease) 등의 건강 문제를 유발하며, 특히 기저질환이 있는 사람을 대상으로 하면 사망까지 이르게 한다(Bhaskaran et al., 2009; Bae, 2014; Yorifuji et al., 2014; Li et al., 2023). 이러한 미세먼지 분석을 위한 몇몇 시공간 변동성 및 건강 취약성 관련 연구가 있었다(Jung and Jun, 2020; Kim et al., 2020; Lee et al., 2022).
태백산맥이 지역 간 대기오염물질, 특히 미세먼지(PM10)와 초미세먼지(PM2.5)의 농도 차에 영향을 미친다는 사실은 잘 알려져 있다. PM10과 PM2.5는 입자상 물질인 미세먼지가 고체 또는 액체 입자와 이들의 혼합물인 에어로졸(aerosol) 형태로 대기 중에 존재하는 것으로서 대기 중에 떠다니는 10 µm 이하인 입자와 2.5 µm 이하인 입자를 의미한다. 태백산맥은 일반적으로 알려진 산맥 필터링 효과로 인해 미세먼지가 바람을 타고 산맥을 가로지르는 과정에서 일부 PM10 또는 PM2.5를 필터링하여 수송한다. 이러한 입자는 크기가 클수록 무거워서 침강하며 대부분 필터링될 수 있다. 반면에, 입자 크기가 작을수록 가벼워서 공기 중에 오래 머무르며 산맥에 보다 적게 필터링되어 수송될 수 있다.
하지만, 이러한 사실은 이론적 배경으로 알려져 있고, 실제로 태백산맥의 존재가 지역 간 농도 차에 얼마나 영향을 미치는지를 정량적으로 분석한 연구는 미비하다(Cha et al., 2020; Hwang et al., 2022; Kim and Choi, 2022). 최근 바람과 태백산맥을 고려한 미세먼지 농도 분석 연구가 일부 진행되었으나, 그 수는 매우 적었다(Lee and Lee, 2020; Pyo et al., 2021). 우리는 일반적으로 영동지역이 청정지역이라 생각하지만, Cha et al. (2020)은 2015년부터 2019년까지 관측 자료를 분석했을 때, 태백산맥을 중심으로 서고동저 농도 패턴을 보였지만, 강릉 지점의 농도가 무시할 정도로 낮은 수준은 아니라는 연구 결과를 제시하였다. 또 다른 연구에서는 강릉 관측지점을 중심으로 2016년 3월부터 6월까지 칼럼 에어로졸 관측 자료(광학 두께, 옹스트롬 지수, 수증기)와 기상관측자료(풍속, 풍향)를 이용하여 k-평균 군집 방법을 통해 에어로졸 분포 특성을 분석하였을 때, 태백산맥의 지형 고도, 풍향과 풍속이 에어로졸 분포에 매우 중요한 역할을 한다는 것을 분류 결과로 밝혀내었다(Lee and Lee, 2020). 이에 따라, 바람과 태백산맥을 고려하여 미세먼지의 지역 간 분포를 분석하는 것은 필수적이다.
태백산맥과 미세먼지 수송 간의 관계와 같이 현상적 발생에 대한 중요 변수들을 분석하는 것은 매우 중요하다. 특히, 기계학습(machine learning)과 같이 어떤 변수를 고려하는지에 따라 다른 결과를 도출할 수 있는 문제의 경우 더욱 현상적 발생에 대한 관계를 규명하는 것은 필수적이다. 한반도 강수량 군집에 관측지점 고도, 섬 지점, 극한 강수 관측값과 같은 특성(feature)을 고려함에 따라 다른 군집 결과를 반환한 것은 적절한 특성을 고려하는 것이 중요하다는 것을 보여준다(Lee and Kang, 2022). 이외 미세먼지와 관련하여 기계학습을 활용한 사례도 있었다(Hwang et al., 2021; Kim et al., 2021).
따라서 본 연구에서는 태백산맥의 존재가 지역 간 미세먼지 농도 차에 미치는 영향을 지상 관측 자료를 바탕으로 정량적으로 확인하고자 한다. 특히, PM10과 PM2.5의 농도 분포에 따른 풍향과 풍속의 특성을 분석하여 지역 간 농도 차를 살펴볼 것이다. 이를 위해 2015년부터 2021년까지 7년간 영서와 영동지역의 지상 관측망 자료를 활용할 것이다. 이 분석을 통해, 산맥 필터링 효과가 바람 측면에서 미세먼지 농도 분포에 중요한 역할을 한다는 사실을 증명하고자 한다.
2. 연구자료 및 방법
2.1 관측 자료 및 지점
본 연구는 2015부터 2021년까지, 7년 동안 강원 영서 및 영동지역에서 연구기간 동안 수집할 수 있는 지상 관측망의 자료를 바탕으로 수행되었다. 분석 대상은 풍향, 풍속, PM10 및 PM2.5의 관계이며, 이를 위해 기상자료개방포털과 에어코리아(air korea, AK)에서 제공하는 1분 평균 풍향 및 풍속 자료, 그리고 1시간 평균 PM10 및 PM2.5 자료를 수집하였다. 기상자료는 종관기상관측시스템(Automated Synoptic Observation System, ASOS)의 영서지역: 춘천(101), 및 원주(114), 영동지역: 강릉(105) 및 동해(106) 지점에서 수집되었으며, 대기질 자료는 춘천시 중앙로와 석사동, 원주시 중앙동과 반곡동, 강릉시 옥천동, 그리고 동해시 천곡동과 남양동1에서 수집되었다.
춘천 ASOS-중앙동 AK 관측소처럼 인접한 ASOS와 에어코리아 지점들은 약 1.4 km에서 8 km 거리까지 분포해 있으며, 대부분 약 5 km 내 위치해 있다. 영서지역 지점에서 영동지역 지점까지 거리는 약 95.2 km에서 129.9 km까지이며, 평균 거리는 108.4 km이다. 관측소의 위치는 Fig. 1에서 확인할 수 있다.
Fig. 1
The Locations of the Automated Synoptic Observations System (ASOS) Stations Are Represented by Triangle Symbols, While the Air Korea (AK) Stations Are Represented by Cross Symbols in the Gangwon Province of the Korean Peninsula. The Bold and Light Texts Correspond to the Station Name of ASOS and AK, Respectively
본 연구에서 사용된 에어코리아 관측소의 대기질 자료는 1988년에서 2007년 사이에 설치되어 기록되어 왔으며, 최종 확정 자료로서 2014년부터 일괄적으로 제공하고 있다. 기상자료개방포털에서 제공하는 1분 평균 자료는 2000년부터 자동관측시스템의 활성화에 따라 기록을 시작하였다.
본 연구에서는 가능한 긴 연구 기간을 확보하기 위해 에어코리아에서 제공하는 1시간 평균 자료를 기준으로 수집하였다. 수집할 수 있는 최대 관측 기간은 2014년부터 2022년까지로 9년이지만 에어코리아에서 제공하는 최종 확정 자료는 2014년에 PM2.5 관측값을 제공하지 않으며, 2022년에는 PM10과 PM2.5의 결측률이 약 99%이므로 2015년부터 2021년까지 수집하여 7년의 관측 자료를 확보하였다.
이러한 관측 기간의 확보는 지역간 미세 및 초미세먼지가 바람을 타고 이동하는 표본 사례가 충분히 수집되도록 하기 위함이다. 가장 많은 관측 지점을 확보하고자 한다면, 다수의 관측소가 설치되기 시작한 2018년부터 2021년경의 관측소 자료들을 활용해야 하는데, 이 자료들은 결측률을 고려할 경우 실질적으로 사용할 수 있는 연구기간은 3년에 불과하다. 본 연구는 많은 관측 표본을 확보하는 것이 중요하기 때문에, 지점 수를 줄이고 장기 관측자료 사용을 채택하였다.
강릉시와 원주시에서 발생하는 대기오염물질의 배출원과 그 배출량을 파악하기 위해 대기정책지원시스템(Clean Air Policy Support System, CAPSS)에서 2019년 최신 자료로써, PM10과 PM2.5의 점⋅면⋅이동오염원에서 발생한 배출량 자료를 수집하였다. 이 수집된 자료는 PM10 및 PM2.5의 총배출량과 배출원 대분류별 배출량을 포함하고 있다.
미세 및 초미세먼지와 관련된 중요한 다른 기상 변수로는 혼합층 높이(mixed layer height) 또는 대기경계층 높이(atmospheric boundary layer height)가 있다. 미세 및 초미세먼지는 깊은 대류(deep convection)가 발전하는 등의 특별한 경우를 제외하고 대부분 대기경계층 내에 존재한다. 대기경계층이 높고 낮음에 따라 미세 및 초미세먼지 농도는 대기 연직으로 모두 합하면 같은 값일 경우에도 한 층에서의 관측값은 매우 달라질 수 있는 등 고층기상관측 자료는 중요하게 다루어져야 할 자료 중 하나이다. 하지만, 본 연구에서는 지상 관측망 자료만을 고려하여 분석하였다.
일관적인 분석을 위해서는 영동지역뿐 아니라 영서지역 사운딩(sounding) 자료를 활용해야만 한다. 하지만, 사운딩 자료는 2015년부터 영동지역 북강릉에서만 수집되고 있다. 또한, 혼합층 높이 또는 대기경계층 높이는 관측 변수가 아닌 추정 변수로서 자료로부터 추정되어야 하는 문제가 있다. 특히 동-서 지역의 대기경계층 높이의 차이에 대한 정확한 정보가 제공되지 않을시, 오히려 분석 결과를 오염시킬 수 있다. 이러한 이유로, 본 연구에서는 고층기상관측 자료를 사용하지 않았다.
2.2 풍향 및 풍속
수집된 1분 평균 풍향과 풍속 자료는 3시간 이하 시간 규모에서 나타나는 난류적 흐름을 제거하고 적어도 3시간 동안은 일정한 바람이 불었음을 가정하기 위해 3시간 평균 자료로 재구축하였다.
여기서, 평균 시간 도메인은 영서-영동 평균 유클리드 거리(L)와 주 풍속(Vd)을 바탕으로 결정하였다. L 은 바람이 영서지역 관측소에서 영동지역 관측소로 불어가는 상황을 가정하기 위해 영서-영동 ASOS 지점간 평균 유클리드 거리 L= 108.4 km으로 설정하였다. Vd 는 서풍 계열에서 대부분 나타나는 5 ms-1로 설정하였다(Lee and Lee, 2020). 이러한 조건하에 영서지역 관측소에서 관측된 PM10과 PM2.5가 영동지역으로 불어가기 위해 요구되는 시간은 L/ Vd = 6.02 hr이다.
영서지역에서 영동지역으로 5 ms-1의 바람으로 미세 및 초미세먼지가 수송되기 위해서는 6시간이 소모된다. 본 연구에서는 6시간 이상의 미세 및 초미세먼지 변화를 측정하기 위해 3시간의 시간 분해능을 설정하였다. 또한, 3시간 평균은 6시간의 변동성을 설명하기에 충분한 분해능이므로 관측값에 시차(time-lag)를 적용하지 않았다.
1분 평균 풍향을 θ(0°≤θ≤360° ), 1분 평균 풍속을 V(ms-1)로 할 때 1시간 합성 풍향 및 평균 풍속은 Eq. (1)과 같이 계산된다. 먼저 풍향과 풍속을 동서 성분(u)과 남북 성분(v)으로 분리한다.
여기서 아래첨자i 는 시계열에서i 번째 자료를 나타낸다. 분리된 u 와 v 성분은 3시간 도메인으로 각각 평균한 뒤, Eq. (2)와 같은 식을 통해 합성 풍향(θ ̅)과 평균 풍속(V ̅)을 계산한다.
여기서 n은 평균-시간 도메인이다. 우리는 3시간 평균을 계산하므로 n= 180이다. 평균 풍속 공식은 풍속을 스칼라(scalar) 값으로 처리하고 산술 평균하는 방법이다. 풍속을 벡터(vector)로 처리하고 성분을 분리한 후 평균하고 다시 합성하는 V ¯ = u ¯ 2 + v ¯ 2
2.3 풍향 범위 정의
통상적으로 270°를 기준으로 하며, 남북으로 45°를 범위로 불어오는 바람이 태백산맥 서쪽 사면에서 동쪽 사면으로 분다고 가정할 때, PM10과 PM2.5는 바람을 타고 태백산맥을 넘어 영동지역까지 수송될 수 있다. 본 연구에서는 풍향에 따른 PM10 및 PM2.5 농도를 분석하기 위해 북쪽을 0°, 동쪽을 90°로 정의하는 방위표를 사용하여 풍향 범위를 결정하였다. 강원도의 영서와 영동지역을 구분하는 태백산맥은 산맥 마루를 가상의 직선으로 연결할 때 방위표 상에서 북북서(337.5°)에서 남남동(157.5°)까지, 이어지는 것으로 간주될 수 있다. 편의를 위해 풍향 범위는 157.5°에서 337.5°를 기준으로 하는 태백산맥 서쪽 사면에서 동쪽 사면으로 부는 바람과 태백산맥 동쪽 사면에서 서쪽 사면으로 부는 바람으로 구분하였다. 태백산맥 서편에서 동편 방향으로 불어가는 바람은 서풍 계열 바람, 태백산맥 동편에서 서편으로 불어가는 바람은 동풍 계열 바람으로 정의하였다. Fig. 2에서 이러한 풍향 범위에 대한 모식도를 확인할 수 있다.
Fig. 2
With an Imaginary Straight Line That Connects the Crests of the Taebaek Mountain Range, The Western (Shaded in Blue) and Eastern (Shaded in Red) Slopes Are Defined. The Triangle and Cross Symbols Are shown as Fig. 1
태백산맥 서편에서 바람이 불어올 때 일반적으로 생각하는 270°를 기준으로 남북으로 45°에서 불어오는 바람뿐 아니라, 158°에서 불어오는 바람도 태백산맥 서편에서 불어오는 바람으로 간주된다. 바람이 태백산맥에 직교할 때, 산맥에 의한 필터링 효과를 가장 잘 보여줄 것으로 추측되지만, 산맥에 비스듬히 가로질러 불 때도 수송으로 인한 필터링 효과가 있을 것으로 가정하고 광범위한 풍향 범위를 사용하였다. 실제로, 대관령과 강릉 지점 간 에어로졸 수송을 군집화하였을 때, 각 군집의 풍향 범위는 90°에서 330° 사이로 수렴하는 경향이 확인되었다(Lee and Lee, 2020).
다른 한편, 관측된 모든 바람이 영서지역에서 영동지역으로 이동할 것으로 간주할 수 없다. 본 연구에서는 풍향 범위를 태백산맥을 중심으로 동편에서 서편으로 불어갈 때도 분류하였다. 하지만, 태백산맥 서쪽 사면은 점진적으로 증가하고 동쪽 사면은 급격히 감소하기 때문에, 영동지역 관측소에서 관측된 PM10과 PM2.5를 포함한 바람이 태백산맥의 정상을 극복하는 것은 매우 어렵다. 따라서, 이 유형은 바다 또는 영동지역 내에서 배출된 대기오염물질의 영향 측면에서 분석한다. 영서지역의 경우에는 산맥의 필터링 효과로부터 자유로운 상황으로 묘사될 수 있다.
3. 분석 결과
3.1 미세먼지 원천 배출량
Fig. 3은 2019년 원주시와 강릉시에서 집계된 PM10과 PM2.5의 배출원 대분류 비율이다. 먼저 Fig. 3을 보면, 원주시에서 (a) PM10은 비산먼지(scattering dust)가 65%로 압도적인 비율을 차지하고, 그다음 생물성연소(biological combustion)가 24.2%로 따라왔다. 반면에, (b) PM2.5는 생물성연소가 52.4%로 최대 비율을 차지하였고, 그다음 비산먼지가 24.3%로 따라왔다.
Fig. 3
The Emission Ratio of the Major Sources of (a) PM10 and (b) PM2.5 in Wonju and (c) PM10 and (d) PM2.5 at Gangneung in the Year of 2019. The Sources of Which the Ratio Has Less Than About 0.1% Are Excluded
강릉시에서 (c) PM10은 비산먼지가 43.8%로 최대 비율을 차지하고, 그다음 비점오염원(other non-point source pollution), 비도로오염원(non-road mobile pollution sources)이 순위를 차지하였다. 반면에, (d) PM2.5는 특정한 배출원으로 치우치지 않고 상대적으로 고르게 분포해 있었다. PM2.5는 비도로오염원에서 32.2%로 가장 높은 비율을 차지하였고, 그다음 비점오염원이 차지하였다.
PM10에서 비산먼지가 최대 비율을 가지는 것을 제외하면, 원주시와 강릉시는 서로 다른 주 배출원을 갖는 것을 확인할 수 있다. 특히, PM2.5에서는 매우 다른 주 배출원을 갖는다.
이러한 배출원에 따른 배출량은 Fig. 4에서 추가로 정확한 배출량을 나타내었다. Fig. 4의 배출량을 보았을 때, PM10에서 (a) 원주시는 11.3 × 108 kg을 배출하고 (b) 강릉시는 총 8.2 × 108 kg을 배출하였다. 즉, 강릉시의 배출량이 원주시보다는 작지만, 무시할 정도로 작지는 않다는 것을 보여준다. 특히 PM2.5에서는, 원주시가 4.7 × 108 kg, 강릉시가 4.6 × 108 kg으로 두 지점간 큰 차이를 나타내지 않았다.
Fig. 4
The Amount of Emissions from the Major Sources of PM10 and PM2.5 at (a) Wonju and (b) GangNeung in 2019, Excluding Sources with Zero Emissions in Both Regions. Here, N-PSP Represents Nonpoint Source Pollution, RMPS Road Mobile Pollution Sources, N-RMPS Nonroad Mobile Pollution Sources, SD Scattering Dust, N-IC Nonindustrial Combustion, BC Biological Combustion, EIC Energy Industry Combustion, and MC is Manufacturing Combustion
3.2 미세먼지 월별 분포
Fig. 5는 영서와 영동 두 지역에서 2015년부터 2021년까지 7년 동안 3시간 평균 시계열 자료에 대해 PM10과 PM2.5의 농도가 큰 사례들을 선별하기 위해 특정 문턱값을 초과하는 표본 수를 월별 분포로 나타낸 것이다.
Fig. 5
The Monthly Distribution of the Number of the High Concentration Samples That Exceeded the 90%-threshold in the 3-hr Mean PM10 and PM2.5 Data for a Period of 7 Years (2015-2021) at Yeongseo (YS) and Yeongdong (YD) Region. The YS and YD Represent the Result of a Spatial Average
여기서, 영서와 영동지역은 각 지역 관측소의 자료를 공간 평균한 것이다. 지역 내 미세 및 초미세먼지와 풍속 자료의 공간 상관관계를 피어슨 상관 계수(Pearson correlation coefficient)를 사용하여 계산했을 때 같은 지역 내 피어슨 상관 계수는 모든 변수에서 약 0.7~0.9 이상의 높은 상관 계수를 나타내었다. 반면에, 지역간 풍속의 상관 계수는 약 0.2~0.3으로 매우 낮은 상관 계수를 보였다. 이러한 이유로 지역 내 지점들은 공간 평균하였고, 영서-영동간 수송 문제를 간단히 하였다.
문턱값은 이상치(outlier)로 정의될 수 있는 상위 10%로 설정하고, 문턱값을 초과하는 월별 초과 농도 수 확인하였다. 각 지역에서 PM10과 PM2.5에 대한 문턱값은 각각 다음과 같다: 1) 영서: PM10 = 79 μgm-3 그리고 PM2.5 = 49 μgm-3 그리고 2) 영동: PM10 = 60 μgm-3 그리고 PM2.5 = 33 μgm-3.
Fig. 5를 보면, PM10와 PM2.5 모두 1월부터 5월, 그리고 11월과 12월에 많은 초과 표본 수를 보였다. 이러한 분포는 봄철과 겨울철에 미세 및 초미세먼지가 집중되는 모습을 잘 보여주고 있다. 이러한 이유로, 초과 표본 수가 집중되어 있는 1월부터 3월, 그리고 12월을 표본 추출 대상으로 삼았다. 4월과 5월, 11월에도 상대적으로 많은 표본 수가 확인되었지만, 이를 제외하고 선택한 이유는 비슷한 종관장(synoptic field)를 가정하기 위함이다.
3.3 미세먼지 선형회귀 분석
Figs. 6과 7은 각각 7년간 서풍 계열 바람이 불 때와 동풍 계열 바람이 불 때, 지역간 3시간 평균 PM10 및 PM2.5 농도의 선형관계를 보여준다. 자료는 강수 영향을 제거하기 위해 일 강수량이 1 mm 미만인 날(dry day)만 추출하여 사용하였다. 그리고 매우 극단적인 이벤트가 상관 계수에 영향을 미치는 것을 방지하기 위해 상위 1%의 자료는 제외하였다.
Fig. 6
Correlations between YS on the x-axis and YD on the y-axis Under Westerly Wind Conditions During the Study Period for the Concentrations of 3-hr Mean (a) PM10 and (b) PM2.5. Also, The Wind Direction is Averaged Over Each of the 3-hr Period. The Red Solid Line Represents the Fitted Linear Regression. Pearson in Each Figure Denotes the Pearson Correlation Coefficient
서풍 계열 바람이 불 때(Fig. 6), PM10과 PM2.5 모두 피어슨 상관 계수가 약 0.7을 나타내었다. 동풍 계열 바람이 불 때(Fig. 7), 피어슨 상관 계수도 약 0.7을 나타내었다.
일부 미세 및 초미세먼지 농도 자료가 지역간 완전한 선형관계를 보이지 않았지만, 약 0.7의 비교적 높은 상관 계수를 나타내었다. 본 연구에서 사용된 자료는 단기 집중 관측이나 짧은 연구 기간을 사용한 것이 아닌 장기간 기록된 자료를 사용하였기 때문에, 미세 및 초미세먼지 변화에 영향을 미칠 수 있는 다양한 요인이 포함되어있을 수 있다. 따라서, 높은 선형적 상관관계를 나타내기는 어려우나, 비선형성을 가진다고 판단할 정도로 낮은 상관관계는 보이지 않았다.
3.4 풍향에 따른 미세먼지 분포
Fig. 8은 Figs. 6과 7의 3시간 평균 PM10 및 PM2.5 농도 자료를 확률밀도함수(probability density function)로 나타낸 것이다. YS-W는 서풍 계열 바람이 태백산맥 서쪽 사면의 공간 평균된 영서지역 관측 자료에서 관측될 때, YD-W는 동풍 계열 바람이 태백산맥 동쪽 사면의 공간 평균된 영동지역 관측 자료에서 관측될 때를 나타낸다.
Fig. 8
The Probability Density Functions (PDFs) of 3-hr Mean (a) PM10 and (b) PM2.5 as a Function of the 3-hr Mean Wind Direction. YS-W (Red Solid Line) and YD-W (Blue Solid Line) Indicate the Cases When 3-hr Mean Wind Blows from Yeongseo Toward Yeongdong. YS-E (Red Dashed Line) and YD-E (Blue Dashed Line) the Cases When 3-hr Mean Wind Blows from Yeongdong Toward Yeongseo
지역별 풍향에 따른 데이터세트는 같은 풍향 범위를 가질 때 추출하여 구축하였다. 예를 들어, 영서지역에서 서풍 계열 바람이 관측될 때(2.3절 참조), 해당 바람을 서풍 범주로 분류하고 영동지역 관측 자료에서도 같은 범주를 가진 자료를 추출한 후 병합하였다. 이는 영서지역에서 영동지역까지 같은 풍향 범위에서 바람이 불 것이라는 가정하에 수행되었다. 즉, 영서에서 영동으로 미세 및 초미세먼지가 수송되는 것으로 해석할 수 있다(2.3절 참고).
Fig. 8을 보면 PM10과 PM2.5 모두, 영동(파란색 선)과 영서(빨간색 선)에서 뚜렷한 분포 차이를 나타내었다. PM10의 확률밀도함수는 영서가 영동보다 오른쪽으로 이동해 있고, 고농도 쪽으로 두꺼운 꼬리를 보였다. PM2.5의 확률밀도함수도 비슷한 특징을 보였다. 서풍 계열 바람 사례만을 보았을 때, 태백산맥이 미세 및 초미세먼지의 경감에 역할을 하는 것처럼 볼 수 있다. 일반적으로 우리가 생각하고 있는 영서지역이 영동지역보다 고농도가 나타나는 것을 보여준다. 하지만 유의할 점은 PM10과 PM2.5 모두, 모든 관측된 이벤트에서 태백산맥 서쪽 사면에서 동쪽 사면으로 불어가는 바람에 대한 농도 분포와 반대 방향 바람에 대한 농도 분포의 차이를 보여주지 않는다는 것이다.
또한, 3시간 시차(3 h-lag)가 적용되었을 때 PM10과 PM2.5의 확률밀도함수도 지역간 농도 분포 차이는 보였지만, 풍향에 따른 차이는 보이지 않았다(그림으로 보이지 않음).
Figs. 9와 10은 지역과 풍향별로 고농도 사례를 추출하여 풍향에 따른 농도 분포의 차이를 분석하기 위해 나타낸 것이다. 이때, 고농도는 일반적으로 극한값을 나타내는 문턱값 90%를 초과하는 농도를 의미한다. 이러한 고농도 사례들은 서풍 및 동풍 계열 바람으로 분리되어 병합된 표본을 바탕으로 수집되었다. 표본자료는 특정 해의 고농도 이벤트로 인해 표본이 치우쳐지는 것을 방지하기 위해 매년 분리하여 문턱값을 초과하는 자료만 추출하였다.
Fig. 9
Correlations between YS on the x-axis and YD on the y-axis Under West Blowing Wind Conditions During the Study Period, Depicting the Concentrations of (a) PM10 and (b) PM2.5. The Gray and Black Markers Represent Total Sample Data and Concentrations Exceeding the 90% Threshold, Respectively. The Red Marker Indicates Mean Concentration of YS and YD. The Upper and Right Panels Exhibit the Probability Density Function of High-concentration Levels Exceeding the Threshold. A black Dashed Line Indicates y=x
먼저, 서풍 계열 바람이 부는 사례를 보여주는 Fig. 9를 살펴보면, 전체 시계열 자료를 표본 추출한 Fig. 8과 다른 분포 특징을 확인할 수 있다. 주목할 점은 같은 서풍 계열 바람에서도 뚜렷한 분포의 차이를 보이며, PM10과 PM2.5 모두 태백산맥에 의한 미세 및 초미세먼지 경감을 잘 보여주고 있다는 것이다. 특히, PM2.5에서 명확한 차이를 보여주었다.
Fig. 9(a)의 PM10 결과를 살펴보면, 고농도 표본의 95.7%가 y=x 선을 중심으로 오른쪽(영서 방향)에 분포해 있다. Fig. 9(b)의 PM2.5 결과에서도 99.1%의 고농도 표본이 오른쪽으로 치우쳐 있는 것을 확인할 수 있다. 보통 y=x 선을 따를 경우, 영서와 영동의 미세 및 초미세먼지 농도는 정비례하며, 농도 차는 없다고 말할 수 있다. 그러나 Fig. 9에서는 PM10과 PM2.5 모두 뚜렷이 영서 방향으로 치우쳐져 있었다.
또한, PM10과 PM2.5의 확률밀도함수를 확인해 보면, PM10의 경우 영서는 평균 110 μgm-3, 영동은 평균 68 μgm-3로 영서가 오른쪽으로 더 이동해 있음을 확인할 수 있다. PM2.5의 경우에도 영서는 평균 72 μgm-3, 영동은 평균 39 μgm-3로 비슷한 경향을 보였다. 또한, 영동의 PM10은 24 μgm-3까지 0에 수렴하였지만, 영서의 PM10은 약 68 μgm-3부터 시작하여 뚜렷한 차이를 보였으며, 이는 PM2.5에서도 유사하게 나타났다.
이러한 결과는 태백산맥의 존재가 미세 및 초미세먼지 농도의 지역간 차이에 매우 큰 영향을 미친다는 것을 의미한다. 특히 풍향을 고려할 때 태백산맥에 의한 미세 및 초미세먼지 경감 효과를 보여주며, 이는 풍향이 매우 중요한 역할을 한다는 것을 나타낸다.
Fig. 10은 동풍 계열 바람이 불 때, PM10과 PM2.5 농도 분포를 나타낸 것이다. 이 결과는 서풍 계열 바람이 부는 경우와 비교할 때 영서와 영동 사이의 다른 농도 분포를 보여준다. 먼저 Fig. 10(a)의 PM10 결과를 살펴보면, 동풍 계열 바람이 관측되더라도, 영서와 영동의 PM10 농도는 Fig. 9(a)와 비교할 때 상대적으로 균등하게 분포된 것을 확인할 수 있다. 하지만, 고농도 표본 중 66.4%는 영서 방향으로 치우쳐져 있었다. 또한, 평균적으로 영서가 93 μgm-3로 영동보다 약 14 μgm-3 더 오른쪽으로 분포해 있었다.
Fig. 10(b)에서도 유사한 고농도 표본 분포를 보였지만, y=x 를 중심으로 76.8%로 보다 많은 경우가 영서 방향으로 치우쳐져 있었다. 또한, Fig. 10(b)의 확률밀도함수를 확인한 결과, 영서는 PM10 및 PM2.5가 넓은 농도 범위에 분포되어 있으나, 영동은 좁은 범위에 집중되어 있는 것으로 나타났다.
이러한 PM10 및 PM2.5의 지역 및 풍향에 따른 차이는 평균 농도와 표준편차에서 확인할 수 있다(Table 1). PM10과 PM2.5 모두 서풍 계열 바람이 불 때, 평균 농도는 각각 약 42와 33 μgm-3 감소하였지만, 표준편차 변화는 약 -0.7과 0.1 μgm-3로 유의한 차이를 보이지 않았다. 반면에, 동풍 계열 바람이 불 때, 표준편차 변화는 각각 12.9와 6.5 μgm-3로 서풍 사례보다 대략 101 μgm-3 정도의 차이를 보였다.
Table 1
The 7-year Average 90th Percentile Thresholds q̅, The Minimum and Maximum Thresholds During 7 Years (Which Are Denoted in the Parentheses), The Number of Samples That Exceed the Thresholds but Exclude the Concentration Values of the Top 1% n, The Sample Mean, and the Standard Deviation of the Sample for the Wind-dependent Datasets of PM10 and PM2.5
다시 말해, 서풍 계열 바람이 불 때 태백산맥 영향으로 인한 경감 효과가 더욱 뚜렷했고, 동풍 계열 바람이 불 때는 태백산맥 영향보다 다른 메커니즘이 작용한 것으로 추측된다. 풍향에 따른 이러한 차이는 일반적으로 알려진 태백산맥 영향으로 설명된다. 태백산맥 서쪽 사면에서 동쪽 사면으로 바람이 불 때는 산맥 서편의 완만한 산 경사를 타고 영서에서 관측된 미세 및 초미세먼지가 영동으로 넘어가며 필터링될 수 있지만, 태백산맥 동쪽 사면에서 서쪽 사면을 향해 불 때는 영동에서 관측된 미세 및 초미세먼지가 태백산맥 동편의 급한 산 경사를 극복하지 못하고 잔류하여 제한된 농도 범위를 보이는 것으로 추측된다.
또한, 동풍 계열 바람이 영동에서 관측될 때는 영동의 PM10과 PM2.5 확률밀도함수에서 볼 수 있는 것처럼, 모두 매우 극심한 농도까지 발생하지 않았다. 이처럼 특정 범위로 수렴되는 특징은 지역 내 발생 가능한 미세 및 초미세먼지 배출의 영향을 받은 것으로 보인다. 반면에, 서풍 계열 바람이 영동에서 관측될 때는 영동에서 일부 고농도까지 나타났는데, 이는 황사의 영향을 받거나 영서에서 발생한 고농도 미세 및 초미세먼지가 이동하여 조금의 필터링 후 영동에서 관측되었기 때문이다.
서풍 계열 바람이 관측될 때, 영동에서 PM10에 대한 상위 10% 문턱값(q = 106 μgm-3)을 영동과 영서 두 지점에 적용하여 표본을 추출했을 때, 대부분 경우 태백산맥에 의한 미세 및 초미세먼지 경감 효과를 보였다. 하지만, 일부 추출된 표본 중 2021년 3월 29~30일은 전국적으로 황상 영향권에 놓였던 날로, 이러한 황상 영향권에 놓였을 때는 필터링 효과가 큰 효력이 없었다.
또한, 동풍 계열 바람이 관측될 때 영서의 PM10 및 PM2.5가 낮은 농도값부터 높은 농도값까지 넓게 분포한 것은 장애물의 방해 없는 원활한 확산과 대기 정체 및 풍향의 급격한 변화 등의 요인에 영향을 받은 것으로 보인다. 한편, 영서와 다르게 영동은 풍향에 따라 농도의 분포 범위가 뚜렷이 차이가 나는데, 이는 영동이 풍향에 상당히 민감하다는 것을 의미한다.
3.5 미세먼지와 풍속 변화
영서와 영동에서 PM10 및 PM2.5의 농도 차이는 앞서 확률밀도함수를 통해 확인할 수 있었다. 앞선 결과들은 단지 풍향에 따라 추출된 표본에 관한 결과를 보여준다. 하지만, 미세 및 초미세먼지 수송은 풍향뿐 아니라 풍속도 중요한 요인으로 작용한다(Lee and Lee, 2020). Fig. 11은 두 지역에서 영서를 기준으로 고농도 표본으로서 추출된 PM10 및 PM2.5의 차와 그때 관측된 풍속을 계산하여 풍속 차와 농도 차의 관계를 나타낸 것이다. 이러한 Fig. 11은 농도를 조절한 결과를 나타내고 있으며, 여기서 주목할 점은 종속변수인 풍속의 변화이다.
Fig. 11
Correlations between Differences in Concentration of the Particulate Matters (on the x-axis) and Wind Speed (on the y-axis) between YS and YD During the Study Period. The Subscript s on the x-axis Indicates the Size of the Particulate Matters. The Red Circle and Blue Triangle Represent PM10 and PM2.5, Respectively
Fig. 11을 살펴보면, PM10은 전체 115개의 표본 중 80%가 영서에서 높은 농도값을 보였고 영동으로 넘어가면서 풍속이 변하였다. 농도와 풍속 사이에 비례 관계는 나타나지 않았지만, 어떤 국지적 메커니즘으로 일부 사례에서 풍속이 증가하는 것을 보여준다. PM2.5도 78.9%가 유사한 특징을 보였다.
또한, 영서-영동 농도 차는 입자 크기에 따른 차이를 보여주었다. 상대적으로 큰 입자를 포함하고 있는 PM10이 PM2.5보다 더 큰 농도 차를 나타내는 것을 확인할 수 있다. 즉, 입자 크기가 클수록 무거워서 태백산맥 또는 그 위 초목들에 의해 많은 수가 필터링될 수 있다는 것을 의미한다.
Fig. 12는 태백산맥 서쪽 사면에서 동쪽 사면으로 바람이 불 때, 영서를 기준으로 고농도 표본으로서 추출된 PM10 및 PM2.5 자료에 대해 독립변수인 풍속에 따른 확률밀도 도수분포를 나타낸 것이다. 영서에서 관측된 풍속 자료를 바탕으로 상위 10% 문턱값(V̅= 2 ms-1)을 설정하여 문턱값을 초과하는 표본과 초과하지 않은 표본으로 구분하였다. Fig. 12는 순서대로 (a) 영서의 PM10, (b) 영서의 PM2.5, (c) 영동의 PM10, 그리고 (d) 영동의 PM2.5를 나타낸다.
Fig. 12
The Probability Density Histograms of PM10 and PM2.5 as a Function of Wind Speed When the wind Blows West-blowing Wind at YS and YD During the Study Period. Upper Panels (a) and (b) Show the Distribution at YS, and Lower Panels (c) and (d) Show YD’s Distribution. Red Shade Highlights Concentrations Exceeding Wind Speed of 2 ms-1. Solid and Dashed Lines of the Histogram Illustrate Total and Below-threshold Concentrations. Red Dotted, Black Dashed, and Solid Lines Represent Mean Concentrations above the Threshold, Below the Threshold, and Total Sample, Respectively
Fig. 12에서, 영서와 영동의 PM10과 PM2.5 모두 V ̅ > 2 ms-1 를 만족하는 농도 분포가 V ̅< 2 ms-1 또는 전체 표본 분포와 비교하여 평균, 표준편차, 왜도(skewness), 그리고 첨도(kurtosis)에서 차이를 보였다. 자세한 수치는 Table 2에 정리하였다.
Table 2
The Mean, Standard Deviation, Skewness, and Kurtosis of the Distribution in Fig. 12, Separating Into Concentration Samples Below-threshold (Abbreviated to Below), Above-threshold (Abbreviated to Above), and Total Sample (Denoted to *). Here, The Threshold is 2 ms-1. In the Column of Particulate Matter, the Alphabets from (a) to (d) Are Equal to Fig. 12
Fig. 12와 Table 2를 보면, 전반적으로 총 표본 분포와 문턱값 이하(≤ 2) 표본 분포가 거의 차이가 없는 것을 확인할 수 있으며, 모든 통계값 항목에서 뚜렷한 차이를 보이지 않았다. 그러나, 문턱값 초과(> 2) 표본은 보다 명확한 차이를 보였다.
문턱값 초과 풍속에 대한 농도 분포에서 (a) 영서-PM10은 평균이 110 μgm-3에서 97 μgm-3로 가장 큰 폭으로 감소했지만, 다른 모든 사례를 포함하여 유의미한 차이를 보이지는 않았다. 하지만, 풍속이 강할 때, PM10은 평균 농도가 감소하고 PM2.5는 변화가 없는 경향이 있었다.
초과 풍속의 분포에서 표준편차는 영서에서 PM10 및 PM2.5 모두 감소했고, 영동에서 증가하였다. 또한, 왜도와 첨도는 모두 초과 풍속 농도에서 감소하였다. 다시 말해, 풍속이 강할 때, 영서에서는 여전히 높은 평균 농도이지만 좁은 농도 범위를 보이며, 영동에서는 상대적으로 낮은 평균 농도에서 넓은 농도 범위를 나타낸다.
모든 사례에서 농도 분포는 왼쪽으로 치우친 비대칭 분포 형태를 가지고, (a) 영서-PM10의 전체 표본(*)의 분포를 제외하고 평탄 분포(platykurtic)를 보였다. 이러한 왜도와 첨도로부터 알 수 있는 것은, 기본적으로 비초과 및 초과 풍속의 농도 분포가 좁은 농도 범위를 가지며 풍속이 강할 때 이 특징이 뚜렷하게 나타난다는 것을 의미한다.
4. 토 론
본 연구는 강원도 영서지역과 영동지역 관측소에서 2015년부터 2021년까지, 7년 동안 수집된 ASOS 기상자료 및 에어코리아 미세 및 초미세먼지 농도 관측 자료를 사용하여 분석하였다.
수집된 1분 평균 풍향 및 풍속 자료는 난류 및 국지적 요소들을 제거하기 위해 3시간 평균값들로 변환하였으며, 시간 도메인을 일치시키기 위해 1시간 평균 PM10과 PM2.5도 3시간 평균하였다. 즉, 평균된 풍향 및 풍속 자료는 3시간 이하 시간 규모의 섭동들을 제거하여, 적어도 3시간 동안은 바람이 일정한 풍향과 풍속임을 가정한 것이다.
이러한 3시간 분해능은 영서-영동 평균 유클리드 거리상 미세 및 초미세먼지가 수송되기 위해 요구되는 시간인 6시간 동안 변화를 충분히 측정할 수 있는 시간 분해능이다.
영서 및 영동지역에서 수집되어 전처리된 각 관측소의 연구자료는 공간적 균질성을 위해 공간 평균하였다. 지역 내 지점간 공간적 상관관계는 약 0.7 이상으로 비교적 높은 피어슨 상관 계수를 나타내었다. 지역간 관측소의 상관 계수는 미세 및 초미세먼지 경우에는 약 0.6~0.7을 나타내었지만, 풍속은 약 0.2로 비선형성을 보였다.
이러한 연구자료는 영서 및 영동으로 공간 평균된 PM10과 PM2.5 농도 자료에서 농도가 큰 사례들을 선별하기 위해 영서 및 영동 각각 상위 10% 문턱값을 초과하는 표본 수에 대한 월별 분포를 확인하였다. 그 결과, 1월부터 3월, 그리고 12월을 표본 추출 대상으로 결정하였다.
미세 및 초미세먼지 수송에 있어 태백산맥의 영향을 알기 위해 추출된 자료들은 태백산맥 서쪽 사면에서 동쪽 사면으로 부는 바람과 태백산맥 동쪽 사면에서 서쪽 사면으로 부는 바람의 사례들로 구분하였다. 풍향 범위는 통상적인 방위표 상에서 태백산맥을 놓았을 때, 태백산맥 정상을 잇는 선을 중심으로 결정하였다. 풍향 범주는 157.5°부터 337.5°에 이르는 선을 중심으로 태백산맥 서편에서 불어오는 바람을 서풍 계열 바람, 산맥 동편에서 불어오는 바람을 동풍 계열 바람으로 정의하였다.
미세 및 초미세먼지 수송 과정에서 태백산맥 영향 외에 다른 요인이 불연속적으로 작용하여 다른 기류에 놓여있는지 확인하기 위해 풍향에 따른 지역간 미세 및 초미세먼지 상관관계를 분석하였다. 지역간 미세 및 초미세먼지 상관관계는 약 0.7의 피어슨 상관 계수를 나타내었다.
이러한 지역간 미세 및 초미세먼지 농도 자료의 선형성을 바탕으로 전체 자료에 대하여 풍향 및 지역별 확률밀도함수를 분석하였다. 그 결과, PM10과 PM2.5 모두, 지역간 뚜렷한 분포 차이를 나타내었으나, 서풍 계열 또는 동풍 계열과 같은 풍향에 따른 차이는 보이지 않았다. 즉 저농도에서 고농도를 아우르는 전체 자료에 대해, 태백산맥이 지역간 농도 차이에 기여했지만, 풍향의 영향은 받지 않았다.
지역간 미세 및 초미세먼지 농도 차이에 대한 풍향의 영향을 확인하기 위해 풍향과 지역별 상위 10%를 초과하는 고농도 PM10 및 PM2.5 사례만을 추출하여 풍향에 따른 미세 및 초미세먼지 분포 차이를 확인하였다. 고농도 사례만 추출한 결과, 같은 풍향 범주에서도 명확한 분포 차이를 나타내었으며, 특히 PM2.5에서 뚜렷하였다.
서풍 계열 바람이 불 때, PM10은 고농도 표본의 95.7%가 영서와 영동의 미세먼지 농도가 같은 y=x 선을 중심으로 영서 쪽으로, PM2.5는 99.1%가 영서 방향으로 치우쳐 분포하였다. 또한, PM10에서 영서가 평균 110 μgm-3로 더 높은 평균을 나타내었고, PM2.5에서도 비슷한 경향을 보였다(Fig. 9). 다시 말해, 고농도 사례에 대해서는 풍향에 따른 농도 차이를 보이며, 보다 뚜렷한 미세 및 초미세먼지 경감이 나타났다.
동풍 계열 바람이 불 때, PM10 및 PM2.5는 다른 양상을 보였다(Fig. 10). PM10은 고농도 표본 중 66.4%만 영서 방향으로 치우치며, 비교적 균등하게 분포하였다. 이는 영서가 단지 14 μgm-3 더 높은 평균을 나타낸 점에서 확인할 수 있다. PM2.5도 유사한 고농도 분포를 보였지만, 76.8%가 영서 방향으로 분포하였다.
PM10과 PM2.5 평균 농도와 표준편차에서도 지역 및 풍향에 따른 차이를 나타내었다(Table 1). 서풍 계열 바람이 불 때는 평균 농도는 30~40 μgm-3 정도 감소하였지만, 표준편차는 10-1 μgm-3 정도의 변화를 보였다. 반면에, 동풍 계열 바람이 불 때는 표준편차가 101 μgm-3 정도의 변화를 보였다.
태백산맥과 관련된 미세 및 초미세먼지 수송에 대해 풍향뿐 아니라 풍속도 반드시 고려해야 하는 핵심 변수 중 하나이다. 따라서, 영서를 기준으로 추출된 고농도 PM10 및 PM2.5와 독립변수 풍속의 변화를 분석하였다(Fig. 11). 그 결과, PM10은 전체 고농도 표본 중 80%, PM2.5는 78.9%가 영서에서 높은 농도를 보였다. 그리고 농도와 풍속 간 특별한 관계는 나타나지 않았지만, 영서에서 관측된 미세먼지가 태백산맥을 넘어 영동으로 이동하면서 풍속이 증가하였다.
또한, 상대적으로 큰 입자를 포함하고 있는 PM10이 보다 더 큰 농도 차를 나타내었다. 다시 말해, 입자 크기가 클수록 무거워서 태백산맥 또는 그 위 초목에 의한 미세먼지 경감 효과가 잘 일어난다는 것을 의미한다.
마지막으로, 영서의 풍속 자료를 바탕으로 서풍 계열 바람이 부는 경우의 미세 및 초미세먼지 농도 분포를 분석하였다. 상위 10%, 즉 2 ms-1 이상의 풍속이 나타날 때, PM10 및 PM2.5 농도 분포와 그 통계량을 확인하였다(Fig. 12 & Table 2).
그 결과, 풍속에 따른 평균의 유의미한 변화는 나타나지 않았지만, 초과 풍속(> 2 ms-1)의 농도 분포에서 표준편차는 영서에서 PM10 및 PM2.5 모두 감소했고, 영동에서 증가하였다. 또한, 왜도와 첨도 측면에서, 모든 사례는 기본적으로 풍속에 상관없이 농도 분포가 좁은 범위를 가지며, 풍속이 강할 때 이 특징이 보다 뚜렷해지는 것을 발견하였다. 다시 말해, 풍향과 풍속은 미세 및 초미세먼지 변화에 중요하다는 것을 의미한다.
5. 결 론
본 연구는 PM10 및 PM2.5 수송과 관련하여 강원도 영서와 영동지역간 농도 차를 일으키는 주요 원인 중 하나가 태백산맥의 존재에 기인함을, 영서 및 영동지역의 지상 관측망에 기록된 풍향과 풍속 자료를 사용하여 분석하였다.
결론적으로, 태백산맥의 존재가 지역간 미세 및 초미세먼지 농도 차를 유발하며, 풍향과 풍속이 농도 차를 유발하는 주요 변수라는 것을 보였다. 바람이 태백산맥 서쪽 사면에서 동쪽 사면으로 불 때, 영서에서 관측된 농도가 영동에서는 감소하였고, 크기가 큰 입자를 포함한 PM10이 더 큰 감소 폭을 보였다. 특히, 미세 및 초미세먼지 농도가 매우 높을 때 뚜렷하게 나타났다. 특이점으로 영서에서 영동으로 미세 및 초미세먼지가 이동할 때 영동 방면에서 풍속이 증가하는 현상이 관측되었다는 점이다. 이 현상은 산악과 관련하여 풍하측에서 풍속이 강화되는 메커니즘이 작동하는 것으로 추측할 수 있다. 이러한 연구 결과는 풍향 및 풍속 측면에서 태백산맥과 미세 및 초미세먼지 수송 사이의 관계를 이해하고 응용하는 데 활용될 수 있을 것이다.
또한, 본 연구를 통해 영서와 영동은 태백산맥이라는 지형적 요소로 인한 미세 및 초미세먼지가 큰 차이를 보일 수 있음을 봤다. 우리나라는 대부분이 산악 지형으로서 이러한 지형 효과에 의한 미세 및 초미세먼지 농도의 국지적 차이가 매우 다를 수 있다. 미세 및 초미세먼지 관측망 구축에 있어, 이러한 점을 충분히 고려하여 그 지역의 특성을 잘 나타낼 수 있는 곳에 설치될 수 있도록 신중을 가하여야 할 것이다. 이는 새로운 대기오염 관측망 구축에는 물론이고, 기존 관측망에 대한 평가에도 필요할 것이다. 주의보 및 경보가 이러한 관측망 자료에 기반하고 있으므로, 그 지역의 평균적인 농도는 물론 극한적 상황도 추정할 수 있는 관측 지점의 전략적 위치 선정이 필요할 것이다. 본 연구와 같은 지형 조건과 대기오염 농도의 연관성에 대한 연구는 이러한 대기오염 관측망의 적절한 위치 선정에 도움이 될 수 있을 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
