서울과 부산지역의 기후변화-오존 연관성 연구: 수도권과의 비교연구(V)

2.1 연구 방법

VOC 중에서 AVOC의 배출량은 뚜렷한 계절변화를 보이지만, 기온변화에 따른 AVOC 배출량 자체가 크게 변하지는 않는다. 반면 BVOC의 경우 상황은 매우 다르다. 예를 들어 Isoprene과 Monoterpene과 같은 물질은 식물의 광합성 과정에서 생성되므로, 기온이 증가하여 광합성이 활발해지면 식생으로부터 배출되는 양이 빠르게 증가한다. 특히 Isoprene은 BVOC 배출량의 약 절반을 차지하며, 대기 중 OH과 반응하여 많은 양의 포름알데히드(HCHO)와 라디칼을 형성한다(Calfpietra et al., 2013). 이렇게 생성된 라디칼은 산화력이 오존보다 강하여 질소산화물과 반응하며 이산화질소 혹은 삼산화질소를 생성시키면서 오존의 농도를 높이게 된다. 또한 Isoprene은 대기 중 화학 반응을 통해 종류가 다른 AVOC, 예를 들면 HCHO 등을 생성시켜 간접적으로 대기 중 산화 반응에 참여하여 오존의 농도를 높이기도 한다. 결국 Isoprene은 기온이 높아지면 대기 중 질소 산화반응에 직접 혹은 간접적으로 빠르게 참여하게 되고, 이러한 높은 반응성 때문에 Isoprene의 대기 중 수명은 3시간 이내에 불과하다(Xie et al., 2013). 대기질 측정분야 연구에 있어서도 기온 변화에 따른 BVOC의 직접 측정은 어려운 반면, AVOC, 특히 HCHO는 NASA의 Aura 위성 OMI (Ozone monitoring instrument)와 같은 자료로부터 그 분포와 특성이 규명되므로, HCHO의 활용도는 매우 높다고 할 수 있다. 이러한 수집 가능한 자료를 통해 기온과 오존의 상관성을 찾을 수 있게 된다.

본 연구에서는 2018년 여름 폭염기간에 오존 농도가 상승한 사례를 대상으로 기온과 오존의 상관성을 분석하고 나아가 기후변화-오존의 연관성 연구를 위한 VOC 배출량 변동을 파악하는 데 사용될 수 있는 중요 인자로서 HCHO를 제안하고 이를 통해 기후변화 페널티를 추정할 수 있는 기반을 마련하고자 한다. 즉, 기온 상승에 민감한 BVOC 중 하나인 Isoprene은 기온 상승에 따라 대기 중의 산화반응에 직접 참여하거나 HCHO를 생성시켜 오존의 농도를 간접적으로 증가시키는 역할을 모델링 결과와 위성자료로부터 통계적으로 분석하고, 이를 통해 기후변화-오존 연관성을 파악할 수 있는 방법을 정립하고자 한다.

2.2 분석영역, 기간 및 자료

본 연구는 폭염 기간의 기온 상승에 따른 오존 증가량을 비폭염 기간의 대기오염 농도 자료와 통계적으로 비교함으로써 기후변화-오존 페널티를 계산하기 위한 기초연구이다. 연구 대상지역은 우리나라 17개 광역지방자치단체 중에서 연평균 오존 농도가 가장 높은 지역인 부산지역과 우리나라 수도인 서울지역을 선정하였다(Fig. 1). 사용된 대기오염자료는 환경부가 운영하는 대기오염자동측정망 자료 중 서울 지역 27개 측정소와 부산 지역 28개 측정소의 시간별 오존과 NO₂의 농도 자료이며, 기상 분석을 위해 사용한 자료는 서울지방기상청과 부산지방기상청의 정규 관측소에서 관측된 시간별 기온, 풍속, 강수량 자료이다. 분석 기간은 2018년 폭염기간으로서 특히 폭염 주의보 발령일과 오존 주의보 발령일의 빈도가 가장 많았던 여름철을 선정하였고, 그 중에서도 특히 기온이 높은 7~8월을 집중 분석 기간으로 선정하였다.

Fig. 1.

Model domains and locations of AQMS and ASOS stations in Seoul and Busan used in the study.

폭염기간과 비교 대상인 비폭염기간의 대기질 및 기상자료 또한 필요하기에, 본 연구에 사용된 비폭염기간의 대기오염 자료는 2018년 환경부 대기질 측정망 자료인 지상 오존 측정 자료와 NO₂ 측정 자료를 사용했다. 또한 NO₂ 배출량 변화에 따른 오존 농도의 장기 변화를 해석하기 위하여 환경부에서 제공하는 대기 오염 물질 배출 목록(Air pollutants emission inventory)에 근거한 대기 정책 지원 시스템(Clean air policy support system, CAPSS) 자료를 활용하였다. CAPSS는 점·면·이동오염원에서 매년 배출되는 9가지 대기오염물질(TSP, PM_2.5, PM₁₀, SOx, NO_x, VOCs, NH₃, CO, BC)의 연간 배출량을 다양하게 제공하므로, 본 연구에서는 오존 생성에 중요한 영향을 미치는 두 전구물질인 VOC와 NO_x의 5년간 배출량 자료를 수집하여 그 변화 경향을 오존의 장기 변화 경향 분석에 활용하였다.

2.3 WRF-Chem 모델

본 연구에서는 측정이 용이하지 않은 VOC의 각 성분 자료를 해석하기 위하여 모델링 결과를 사용하였다. 사용된 대기질 모델은 지역규모 WRF-Chem 모델(version 3.9.1)로서, 대기 역학 및 중규모 구름물리 등을 시뮬레이션 하는 기상 모델(Weather research and forecasting; WRF)에 대기화학 모듈이 결합된 기상 및 대기질 온라인(on-line) 모델이다. WRF-Chem은 MM5-Chem보다 오존 예측 성능이 뛰어나며, 관측치에 대한 편향 측면에서 모델-측정치 간 차이가 크게 없는 모델로 평가되었다(Grell et al., 2005).

WRF-Chem 모델의 입력 자료인 지형과 초기 및 경계 조건 기상장 자료는 전처리 시스템인 WPS (WRF preprocessing system)를 통해 산출된다. 산출한 지형 및 기상 입력 자료와 함께 물리 및 화학 스킴을 연구 목적에 맞게 적용하면 ARW (Advanced research WRF) core에서 계산이 이루어지고 시간 및 공간별 대기질을 모의하게 된다(Grell et al., 2005). 본 연구에서 적용한 대기 물리 과정과 화학 모듈은 Table 1에 요약하였다. 사용한 모델의 수평 해상도는 27, 9, 3 km로서 본 연구에서는 도메인 1, 2, 3으로 명명하였고(Fig. 1), 모델 수행기간은 폭염일이 장기간 지속되었던 기간을 포함한 2018년 06월 30일 00:00UTC부터 2018년 09월 01일 00:00UTC이다. 기상 초기입력 자료는 NCAR (National Center for Atmospheric Research)에서 제공하는 FNL (Global final analysis) 자료를 사용하였다.

Table 1.

Summary of model domain, physical and chemical options used in model simulations in this study

모델 입력 자료인 인위적 배출량 자료는 한국 대기질 현장 조사를 위해 국립환경과학원과 미국항공우주국의 한미 대기질 합동 연구가 수행되었던 KORUS-AQ (Korea-United States air quality) 캠페인 기간에 비행기 관측 등 대기 오염물질 측정을 통해 최종 보완된 배출량 자료인 KORUSv5를 이용하였다. BVOC 배출량은 MEGAN (Model of emissions of gases and aerosols from nature) version 2.04를 사용하여 Isoprene 등의 배출량을 산정하였다.

3.1 폭염과 오존의 현황 분석

Fig. 2a와 Fig. 2c는 최근 51년간(1973~2023년) 서울과 부산의 연간 폭염 발생 일수에 대한 시계열을 나타낸 그림이다. 그림에서 알 수 있듯이 서울의 경우 1994년의 이례적인 사례를 제외하면 전반적으로 일정한 주기의 증감 형태를 보였으며, 2010년 이후에는 폭염 발생 횟수가 증가하는 경향을 확인할 수 있다. 부산 역시 발생횟수가 일정한 증감 주기를 유지하였으며, 2012년 이전까지는 폭염발생 횟수가 최대 10일을 초과하지는 않는 등 상대적으로 적은 발생일수를 보였다. 그러나 2012년 이후부터는 두 지역 모두 증가하는 경향을 보였는데, 특히 2018년에는 서울과 부산 두 지역에서 각각 35회, 18회로 폭염일수가 관측되어 분석 기간 중 가장 많이 발생한 것으로 나타났다. 폭염 발생 빈도를 월별로 파악하기 위해 전체 기간(51년간)을 17개년씩 세분하여 월별 특징을 분석하였다(Fig. 2b, 2d). 그 결과 월별 폭염이 가장 많이 발생한 빈도는 7월과 8월로 나타났고, 특히 2007~2023년에 이러한 특성을 뚜렷하게 보였다. 따라서 최근으로 올수록 폭염의 발생 횟수가 많아진다는 것은 장기적 관점에서 볼 때 폭염 발생일이 기후변화에 따라 계속 증가할 것으로 예상할 수 있다.

Fig. 2.

Annual variations of heatwave day occurrences in (a) Seoul and © Busan respectively, and heatwave frequencies in (b) Seoul and (d) Busan during the three monthly based 17-year sub-divided periods over 51 years.

Fig. 3은 1995~2022년간 서울과 부산지역의 오존 특보(주의보, 경보) 발령 횟(일)수를 연도별로 나타내었다. 환경부 기준, 오존 주의보는 시간 평균 오존 농도가 120 ppb이상일 때, 오존 경보는 시간 평균 300 ppb이상일 때, 오존 중대경보는 시간 평균 500 ppb이상일 때 발령된다. 따라서 Fig. 3의 오존 특보 발령 기준으로 볼 때, 오존 주의보 발령 일수는 1990년 후반 상대적으로 많았으나 이후 2016년까지 연간 10일 이하로 나타났다. 그러나 2016년 이후부터는 서울의 경우 그 발령일수가 연 평균 10일을 초과하는 현상이 계속되고 있으며, 장기적인 관점에서도 2000년대 발령일 5~6일 대비 그 발령 일수가 10~12일 정도로 증가하였으며, 특히 2016년 이후 크게 증가하는 경향을 보였다(Fig. 3). 부산의 경우 역시 2012년 이후 발령 일수 및 횟수가 꾸준히 증가하고 있음을 확인할 수 있다(Fig. 3).

Fig. 3.

Annual variations of O₃ advisory days and occurrence frequencies in (a) Seoul and (b) Busan and calculation of O₃ advisory level based on 1-hour average ozone concentration exceeding 0.12ppm.

본 연구의 집중 분석 기간인 2018년의 경우 폭염주의보 발생 경향(Fig. 2)과 유사하게 오존 특보 발령 횟(일)수 또한 매우 높게 나타났다(Fig. 3). 서울의 경우 오존 주의보 발령 횟수 54회 (발령 일수는 13일), 부산의 경우 오존 주의보 발령 횟수 24회 (발령 일수는 11일)로 분석 기간 중 가장 많은 오존 특보 발령 횟수를 보였고, 지속 시간 또한 가장 장기간 지속된 것으로 분석되었다.

3.2 배출량 및 시계열 분석

2018년 오존 특보 발령 횟수의 증가 원인을 배출량과 연관시켜 살펴보기 위하여 오존 전구물질인 NO_x 의 배출량 및 NO₂ 측정 자료에서 나타난 대기화학적 특징을 살펴보았다. Fig. 4에 5년간 (2017년~2021년) 전국 지상 관측소에서 측정된 NO₂ 의 5년간 평균 농도 분포(Fig. 4a)와, 서울과 부산 두 지역의 NO₂ 의 연평균 농도 변화(Fig. 4b, 4c), NO_x 와 VOC 의 연간 배출량 변화(Fig. 4d, 4e)를 나타내었다. 그림을 통해 해당 결과를 분석해 볼 때, 측정된 NO₂의 5년 평균 농도는, 대도시에서 주로 높게 나타났으며(Fig. 4a), 서울과 부산의 농도 또한 높게 나타났고, 특히 서울지역이 부산지역보다 약 10 ppbv 더 높게 나타났다. 2017~2019년간 서울의 연 평균 NO₂ 농도는 3년간 약 29±0.7 ppbv, 부산에서는 약 19±0.3 ppbv를 보였으며, 두 지역 모두 연간 증감 변동이 크지 않았으며, 3년간 거의 동일한 수준으로 확인되었다.

Fig. 4.

Five-year (2017-2021) averages of (a) NO₂ observed at nationwide monitoring stations, and changes in NO₂ concentrations and NOx, VOCs emissions from 2017 to 2021 in (b),(d) Seoul and (c),(e) Busan.

관측적 변동과는 달리 두 지역의 5년간의 NO_x와 VOC 배출량은 소폭 감소하는 추세를 보였다(Fig. 4d, 4e). 폭염 발생이 집중되었던 2018년의 경우 서울의 연간 NO_x 배출량은 2017년 대비 일시적으로 약 11,000 (ton/yr) 증가하였으나, 2019년에는 전년 대비 약 17,000 (ton/yr)이 감소하는 것으로 나타났다. 연간 VOC 배출량의 경우 2018년에는 2017년 대비 약 5,500 (ton/yr) 증가하였으나, 2019년에는 9,000 (ton/yr) 가량 감소하였고, 2019년 이후 VOC 배출량은 지속적으로 감소하는 것으로 조사되었다(MOE, 2023). 부산의 경우 NO_x는 2017년 51,000 (ton/yr), 2018년 49,000 (ton/yr), 2019년 48,000 (ton/yr) 등으로 꾸준히 감소하는 추세이며, VOCs 배출량 또한 2017년과 2018년 42,000 (ton/yr), 2019년 35,000 (ton/yr)으로서 지속적인 감소 추세를 보였다. 이상의 연간 배출량을 종합해 볼 때, 오존 생성에 중요한 두 전구물질인 NO_x 와 VOC 의 배출량은 서울과 부산지역 모두 꾸준히 감소하는 추세이며, 본 연구의 집중 분석기간인 2018년 역시 NO_x와 VOC의 연간 배출량 변화는 해당기간 오존 변동에는 무시할 수 있을 것으로 판단하였다. 결론적으로 서울과 부산 두 지역에서의 오존 전구물질의 배출량은 전반적으로 소폭 감소하면서 동시에 그 농도 또한 감소하는 추세이므로, 본 연구에서는 집중분석 기간인 2018년 여름의 경우 배출량 변화에 의한 오존 증가 현상이 아닌 기온 급증에 의한 영향으로 해석하였다.

WRF-Chem 모델로부터 모의되는 대기화학변수와 기상변수를 분석하기 위하여 분석기간 모델의 성능을 먼저 검증하기 위하여 관측된 변수와 통계적으로 비교분석하였다. 사용된 검증 지표는, 미국 EPA에서 제시하는 중요 통계지표로서 NMB(Normalized mean bias), NME(Normalized mean error), RMSE(Root mean square error), IOA(Index of agreement) 지수를 이용하였다 (US EPA, 2020).

Fig. 5는 폭염과 오존 주의보 발령이 가장 빈번했던 2018년 여름철 7월~8월의 서울(Fig. 5a)과 부산(Fig. 5b)의 관측된 기온, 풍속, 강수량의 관측 자료와 WRF-Chem모델에서 모의된 값을 나타낸 그림이다. 본 연구에서는 기상청의 폭염 일(일 최고기온 33℃) 기준으로 오존의 고농도 현상을 중점적으로 해석하였고, 풍속과 강수(Jeong et al., 2020)에 대해서도 통계적으로 비교·분석하였다. 그 결과 서울과 부산의 기온은 각각 NMB 2.29%, -0.33%와 NME 4.70%, 3.98%의 값을 계산하였다. 특히 IOA의 경우 그 값이 0.95로서 기온의 경우 두 지역 모두 잘 모의되었음을 확인하였다. 풍속의 경우 RMSE 값이 2.13 m/s, 2.20 m/s의 편차를 보였으며, 강수의 경우 폭염기간에는 거의 발생하지 않은 것으로 나타났다. 강수량의 경우 편향성이 존재하지만, 강수 기간이 대체로 일치하는 것으로 나타났다. 본 연구 기간인 폭염 기간의 경우 특히 강수 발생이 적어서 오존 농도의 강수로 인한 습성침적(Wet deposition)효과는 서울과 부산 두 지역 모두 크지 않은 것으로 해석할 수 있었다.

Fig. 5.

Observed and simulated temperature, wind speed, and precipitation in (a) Seoul and (b) Busan. Heatwave days with a max temperature exceeding 33 ℃, indicated in red areas.

Fig. 6은 WRF-Chem모델의 모의 값과 AQMS에서 관측한 지상 오존과 NO₂ 농도를 비교 분석한 그림이다. 관측-모델 비교 결과 서울의 오존과 NO₂의 통계 값은 NMB –34.71%, 45.89%와 NME 45.81%, 53.96%로 나타났고, R은 각각 0.8, 0.4로 계산되었다. 부산의 경우 O₃과 NO₂의 NMB는 0.79%, -3.82%, NME는 32.58%, 38.14%로 계산되었고, R은 0.73, 0.5로 나타났다. 통계 검증 결과 두 지역 모두 Emery et al.(2017)에서 제시하는 기준을 만족하는 것을 확인할 수 있다. Fig. 7은 2018년 7~8월 서울과 부산의 오존, NO₂, HCHO의 WRF-Chem 모의 결과를 나타낸 그림이다(Fig. 7a, 7b). 기온에 따른 대기오염물질은 대체로 폭염 기간에 HCHO 의 고농도 현상이 잘 모의되는 것으로 확인하였다. 오존 또한 폭염 기간에 고농도가 잘 모의되었으며, 특히 HCHO의 고농도 현상이 나타나는 기간은 오존 고농도 기간과 대부분 일치하였다. 서울의 경우 폭염 기간인 7월 22일, 7월 30일, 8월 1일에 80 ppbv 이상의 고농도 오존이 발생하였고, HCHO 또한 같은 기간 10 ppbv 이상의 고농도 분포를 보였다. 부산의 경우에도 폭염 기간인 7월 18일, 7월 26일, 8월 5일에 60 ppbv를 상회하는 오존 농도가 모의되었고, HCHO 또한 7.5 ppbv를 상회하는 농도가 모의되었다. 반면, NO₂의 경우 서울과 부산 모두 두 기간(폭염 및 비폭염 기간) 구분 없이 고농도가 모의되었으나, 고농도 오존이 나타나는 시기와는 일치하지 않았고, 그 연관성 또한 크지 않았다. 이는 Back et al.(2023)의 연구 결과에도 볼 수 있는데, 오존 대비 NO₂의 정량적 연관성은 서울지역에서 VOC-limited regime에 있는 반면, 부산지역의 오존생성 regime은 서울보다는 상대적으로 중립적 경향을 보인 것에서 그 맥락을 찾아볼 수 있다. 즉, 부산 지역은 아침시간 측정된 NO₂-오존 농도를 상호 비교해 본 결과 넓은 산포도를 보이긴 하였으나 NO₂가 주간 광화학 생성된 오존 생성에 일부 기여하는 것으로 해석할 수 있음을 확인할 수 있다(Baek et al., 2023).

Fig. 6.

Observed and WRF-Chem simulated NO₂ and O₃ in (a) Seoul and (b) Busan.

Fig. 7.

Varations in HCHO, O₃ and NO₂ concentrations simulated by WRF-Chem, with different colors representing the corresponding temperatures at the time of simulations.

HCHO의 경우, 관측 결과는 위성자료로부터 수집이 가능하다. 예를 들어 전 지구적 규모로 관측되는 Aura 위성의 OMI (Ozone monitoring instrument) 위성자료는 HCHO에 대하여 13 km × 24 km의 공간해상도의 관측 값을 제공한다. 따라서 본 연구에서는 지상 측정이 용이하지 않은 VOC 농도를 대체하여 사용할 수 있는 위성자료인 HCHO 자료를 활용하였다. Fig. 8에 2015~2018년 여름철 7~8월 OMI 자료의 Level 2 product(Duncan et al., 2010)에서 수집한 HCHO의 연직 컬럼 농도 (Vertical column density; VCD)를 동북아시아(Fig. 8a), 한반도(Fig. 8b), 수도권(Fig. 8c), 남동권(Fig. 8d)으로 각각 세분하여 그 공간분포의 7~8월 두 달 평균 분포의 연 변화 경향을 나타내었다. 나타난 결과에서 알 수 있듯이 서울 지역 HCHO의 VCD 농도(unit = ×10¹⁵ mol/cm²) 변화는 평균 11.94 VCD에서 ±2 VCD정도로 나타났다. 2017년 7~8월 HCHO의 평균 농도는 9.35 VCD이고, 이후 2018년에는 약 4 VCD가 오른 13.36 VCD농도를 보였다. 부산의 평균 HCHO는 8.21 VCD에서 ±0.8 VCD이고, 이후 2018년에는 약 0.4 VCD가 오른 8.69 VCD농도를 보였다. 2017년 부산의 HCHO는 6.71 VCD이고 2018년에는 약 1.9 VCD 증가한 8.6 VCD의 농도가 나타났다. 따라서 폭염기간이 길었던 2018년의 HCHO 농도는 2017년에 비해 서울과 부산에서 각각 약 43%와 28%높게 나타난 것으로 분석되었다. 이로부터 폭염기간이 존재하는 2018년 HCHO 의 VCD농도와 기온과의 비례 관계를 명확히 확인할 수 있다.

Fig. 8.

Spatial distributions of averaged HCHO concentrations during the summer of July and August over the four years(2015-2018) in (a) Northeast Asia, (b) Korean Peninsula, © Seoul, and (d) Busan.

서울과 부산의 해당 기간 폭염 기간과 비폭염에 대한 오존 농도를 풍속, HCHO, NO₂에 대해 일변화를 평균하여 Fig. 9에 나타내었다. 그 결과 두 기간의 일변화 양상은 오존 농도는 야간에 낮은 수치를 보이는 등 유사하였으나, 예상대로 폭염기간의 경우 광화학 반응이 활발한 14시경에 각각 46.83 ppbv(서울), 57.34 ppbv(부산)의 최고 농도를 보인 반면, 비폭염 기간의 경우 두 지역 각각 28.5 ppbv(서울), 36.7 ppbv(부산)의 최고 농도를 보여(Fig. 9), 두 기간 최고 농도의 차이는 약 19 ppbv를, 부산지역에서는 약 20 ppbv로서 뚜렷한 차이를 보였다. 반면 NO₂는 오존 생성이 활발한 시간대(14시경)에 가장 낮은 농도를 보였으나, 폭염 기간과 비폭염 기간의 차이는 두 지역 모두 의외로 약 0.1~0.2 ppbv로서 크지 않았다. 반면 HCHO 의 경우 그 차이는 서울지역에서는 약 2.6 ppbv를, 부산지역의 경우 약 2.8 ppbv의 차이를 보여서 폭염 기간의 증가 농도는 비폭염 기간 대비 서울 42.5%, 부산 52.3%로서 상대적으로 훨씬 더 높게 나타났다. 그러나 분석기간 지표면 오존의 고농도에 영향을 끼치는 풍속은 두 기간에서의 차이는 크지 않았으며, 오히려 폭염 기간에 풍속이 소폭 더 강하게 모의된 것으로 나타났다. 따라서 본 연구에서는 기온에 따라 가장 민감하게 반응하는 변수는 HCHO로서 오존-기온 연관성 연구에 중요한 매개변수로 활용할 수 있음을 암시해 준다.

Fig. 9.

Diurnal variations of simulated O₃, HCHO, NO₂ and wind speed over heatwave and non-heatwave periods in (a) Seoul and (b) Busan, respectively.

3.3. 포름알데히드를 매개로 한 오존의 기후변화 페널티 연구

오존은 광화학 반응의 산물로서 그 전구물질인 NO_x 와 VOC 가 복잡하게 연관된다. 따라서 기후변화-오존 연관성을 정량적으로 연구하기 위해서는 기온 상승함에 따라 전구물질의 광화학 반응에 참여하는 양과 속도를 파악하여야 한다. 기후변화는 입사하는 태양 에너지와 같은 단파 복사량의 변화가 아니라 온실 기체에 의한 장파 복사의 차이에 의해 기온 상승이 유도되므로, 기온과 연관이 있는 광화학 반응식을 수식적으로 해석하거나 상자 모델 등을 통해서 기온 변화에 따른 민감도 실험을 통해 최종 모의되는 오존 농도의 변화 특성을 분석하여야 한다. 이러한 연구들은 기온에 따른 오존 전구물질의 배출량은 변하지 않는다고 가정하고 광화학반응식 분석 차원에서 이루어진다. 이러한 가정은 CAPSS와 같이 국내 에너지 사용량에 기반을 둔 국내 상향식(bottom-up) 배출량 산정 연구의 개념에도 적용되었으며, 이는 폭염과 같은 특이 기상상태가 지속된 시기의 추가적인 에너지 사용량에 의해 NO_x와 AVOC의 배출량의 변화가 이미 고려되었다고 할 수 있다.

오존에 대한 기후변화 페널티 연구를 수행하기 위하여, 오존의 기온에 따른 변화량을 파악하여야 한다. 그러나 폭염과 같은 극한 기상상태를 포함한 장기간의 대기오염 측정 자료로부터 정량적으로 이를 도출하는 것은 쉽지 않다. 그 이유는 장기적 관점에서 볼 때 오존 농도는 기온 변동성과 아울러 성층권 유입량, 배경 오존농도의 장기 변화, 지역규모의 장거리 이동 변화 영향 등 다양한 영향을 동시에 받기 때문이다. 그러나 BVOC의 경우 기온이 증가함에 따라 배출과 반응성이 높아지면서 오존의 농도를 조절하게 되는데, 특히 여름철 대도시의 경우 평균 ~10 ppb/℃ 가량 나타날 수 있다고 알려져 있다. 이러한 경향은 기후변화가 진행됨에 따라 광화학 반응 속도는 선형적인 증가 속도보다 더 빠르게 증가할 수 있음을 암시한다(Atkinson, 2000). 기온 증가에 따른 BVOC 농도의 증가(Sillman and Samson, 1995)는 단순 BVOC 증가뿐만 아니라 복잡한 화학과정을 통해 AVOC를 생성 시켜 오존 생성 반응을 더욱 가속시킬 수 있다. 이러한 차원에서 BVOC는 기후변화-오존의 연관성 연구로부터 기후변화 페널티를 계산하기 위한 활용도가 높다고 할 수 있다.

Fig. 10는 관측기간 WRF-Chem 모델링을 통해 도출한 HCHO 와 기온간 상관성을 나타내었다. 일차 선형 회귀분석을 통해 분석한 서울과 부산의 기온과 HCHO와의 관계는 그 상관 계수 (R)가 각각 0.63, 0.58 RMSE는 0.96, 0.64로 나타났다. 아울러 지수함수로 회귀분석을 수행해 본 결과 R값이 각각 0.68, 0.66, RMSE는 0.91, 0.59로 설명력이 더 높아졌다. 이 수치는 본 연구의 관점에서 장기적인 오존 측정 자료로부터 통계적으로 분석되는 산포도 결과보다 상대적으로 훨씬 정밀한 통계결과로 분석된다. 참고로 동 기간, 오존-기온 간 관련성 결과는 서울의 R 값은 0.65, 부산 0.52로 확인되었다. 특히 오존의 경우 산포도가 특정 구간(예를 들어 저농도 또는 초고농도 오존 구간)에서 크게 나타나거나 집중될 수 있는 것을 고려하면 오존-기온 관계 보다는 Fig. 10의 HCHO-기온의 지수함수 회귀분석이 기후변화의 변동성을 더 정밀하게 설명할 수 있음을 의미한다. 바꾸어 말하면, 오존의 기후변화 페널티를 정량적으로 계산하기 위해서는 기온이 높은 사례로부터 HCHO의 변화량을 통해 간접적으로 기후변화 페널티를 계산할 수 있다는 의미로 해석할 수 있다.

Fig. 10.

Modeled relationships of HCHO versus temperature in summer 2018 over (a) Seoul and (b) Busan. Exponentially optimized regression functions are also indicated with red dashed lines.

결론적으로 기후변화-대기질 연관성 연구를 위한 기초 단계로서 오존에 대한 기후변화 페널티 계산을 위해 여름철 극한 기온 상승에 따른 오존 농도 변화를 반영할 수 있는 BVOC는 유용한 매개변수가 될 수 있으나, 측정의 어려움으로 그 활용성이 제한되는 반면, HCHO는 대기질 예보 등 모델링 정확도 향상에도 사용되지만 본 연구와 같은 기후변화 페널티 연구에 적극 활용할 수 있다. 본 연구에서는 HCHO의 위성자료로서 OMI의 Level 2 product를 사용하였으나, 정지궤도 위성(Geostationary environment monitoring spectrometer, GEMS)에서 관측되는 1시간 해상도자료는 기후변화 페널티 분석에 매우 유용하게 활용할 수 있다. 특히 서울과 부산지역의 지상 측정이 용이하지 않은 VOC 성분별 장기 측정값이 없는 상황에서, 위성자료가 기후변화-대기질 연구 뿐만 아니라 오존에 대한 지역별 기후변화 페널티 연구에 적용 가능하다는 측면에서 그 활용도가 높다고 할 수 있다.