| 초록 |
1. 개요 (초)미세먼지로 인한 대기오염 심각성이 날로 높아져가고 있다. 이제 해마다 봄철이 되면 황사와 초미세먼지로 인해 1년 중 과연 며칠이나 맑고 쾌청한 하늘을 볼 수 있을까 헤아려보게 된다. 2014년 한창 일평균 미세먼지 발생량이 100 ㎍/㎥ 이상을 초과했던 날이 빈번했던 때를 기억하면 그래도 비교적 국내 대기질 농도는 최근까지 등락을 거듭하며 안정되는 듯했으나 올해(2018년) 11월 들어서는 급기야 서울 지역 평균 미세먼지 농도가 71 ㎍/㎥을 기록하면서 계절 특성을 고려하지 않고서도 2015년 관측 사상 가장 최악의 관측치 기록이라는 암울한 소식이 들려온다. (초)미세먼지 증가가 우리의 주요 관심사가 되는 첫째 이유는 무엇보다 인체 유해성 때문이다. 2013년 WHO 산하 국제암연구소 발표에 따르면, 전 세계 호흡기질환 및 순환기질환으로 사망한 사람들 가운데 미세먼지 등 대기오염물질이 원인이 되어 사망한 숫자는 무려 700만 명에 이른다고 한다. 미세먼지(PM10)와 초미세먼지(PM2.5)로 인한 인체 위해성은 이제 몇몇 개인이나 지역에 국한되는 문제가 아니라 전 세계, 전 인류를 대상으로 우리의 미래 생존 가치를 위협하는 수준에까지 이르렀음을 경고하는 것이다. 이러한 우려는 산업의 발달과 각종 생활용품 편의성에 대한 사회적 요구가 재료의 신기술 개발을 촉진시키고, 이의 결과로서 미세플라스틱과 같은 새로운 형태의 생태계 파괴 위협인자를 만들어낸 것과 다르지 않다. 최근 들어 초미세먼지보다도 더 작은 크기의 PM1.0의 극초미세먼지에 대한 인체 유해성이 새롭게 거론되면서 그 심각성이 더해가는 것만 보아도 그렇다. (초)미세먼지 등 대기오염물 순환과정의 처음과 끝을 총괄적으로 추적 관리하는 것은 간단한 문제가 아니다. 많은 변수와 인자가 관여하고 있고 여러 열역학적, 유체역학적 설정과 시스템의 경계 설정, 그리고 시스템을 출입하는 수많은 입출력 정보와 물질수지 등 동력학적 모델링을 위한 많은 조건과 가정을 필요로 한다. 시스템의 크기도 방대하거니와 오염대상물질의 이동 경로상 추적 방법도 매우 복잡하다. 변화무쌍한 기상 조건의 변화, 발생원의 특성, 발생 오염물의 성상, 이동 시 거동 변화 등 고려해야 할 변수와 인자가 많다. 그래서 이들 변수와 인자들을 관리하는 데 슈퍼컴퓨터 운영은 필수적이다. 시스템의 크기가 방대하고 관여하는 변수와 인자가 많을 때 더욱 요구되는 것이 적절한 모델링 기법과 통계 처리 방법이다. 미세먼지를 중심으로 한 대기오염물질의 이동 경로 추적을 위해 발생원별 성상과 산출량, 기상학적 이동 현상 및 입자상 물질의 경로 분석에 이용되는 모델링 기법은 이렇게 짧은 시간 동안 많은 변수와 인자가 관여하는 복잡계 내를 출입하는 데이터 산출에 유용하다. 대기질 예측 경보를 위해 현재 가장 많이 활용되고 있는 방법은 국제 CMAS (Community Modeling & Analysis System)에서 발표한 모델링 기법이다. CMAS 모델링은 대기질 발생의 최초 기상정보 입력을 통한 기상학적 모델(Weather Research Forecasting, WRF), 각각의 오염 배출원별 특성을 고려한 배출량 산정 모델(Sparse Matrix Operator Kernel Emissions, SMOKE), 배출 대상 오염물의 이동 현상 등에 대한 화학수송 모델(Community Multiscale Air Qualty, CMAQ)로 구성되어 있다. (초)미세먼지 등 대기오염물에 대한 각각의 발생 모델 정확성과 신뢰성 확보는 구성인자와 변수들의 정확한 설정과 신뢰성 있는 데이터 제공이 선결 요소로이다. 그러나,이러한 기상 데이터와 함께 반드시 고려되어야 하는 것이 바로 대기오염 발생원에 대한 인벤토리 작성이다. 신뢰성 있는 오염원 인벤토리의 작성이 곧 대기질 모델링 시스템의 시뮬레이션 측정값에 대한 신뢰성을 결정하는 가장 기초 요소가 되기 때문이다. 본고에서는 여러 대기오염 물질 중 특히 미세먼지 발생원을 대상으로 하여 미세먼지의 기본 구성 물질인 황산염, 질산염, 암모늄염, 유기탄소(OC), 기초탄소(EC)를 대상으로 이의 경로와 산출을 위해 사용되는 각각의 모델의 유형과 모델링 기법 그리고 이러한 모델링 기법들을 적용하여 실제 국내로 유입되는 대기오염물질들의 자체 발생 분포 상황에 대해 고찰해보고자 하였다. 그중 특히 우리와 지리적으로 가장 인접해 있으면서 최근 산업의 발달로 대기질 오염의 주요 국가로 주목받고 있는 중국발 대기오염물에 대한 국내 유입 현황을 분석 고찰해보고자 한다. 2. (초)미세먼지 발생 모델 유형 및 특성 2.1. WRF 기상 모델 대기질 예측에 있어 가장 기본이 되는 정보는 기상정보이다. 신뢰성 있는 대기질 예측은 곧 신뢰성 있는 기상정보에서부터 시작된다. 통상 활용되고 있는 국제 기상정보 웹사이트(meteomanz. com)상의 실시간 기상정보와 함께 중국 내 자체 국가환경감시센터(CNEMC)에서 운영 중인 기상관측소의 온도, 상대습도, 풍향, 풍속 등의 기초 기상 데이터를 활용할 수 있다. WRF(Weather Research Forecasting) 기상 모델은(그림 1) 완전 압축성 혹은 (비)유체 정역학적 차원의 기후변화 모델이며 이전에 사용하여 왔던 제5세대 NCAR/Pen State Mesoscale(MM5) 모델의 개선된 형태로서, ARW(Advanced Research WRF) 모델과 NMM(Non Hydrostatic Mesoscale Model) 모델로 분화 발전되었다. 이 중 WRF-CMAQ/MM5-CMAQ 모델링 시스템은 중국이 역점을 두고 자국 내 대기질 개선 정책을 수립하는 데 상당한 영향을 미쳤다고 한다. 특히 2008년 베이징 올림픽을 위한 중국의 대기질 개선 정책 수립에 결정적 영향을 미친 것으로 알려져 있다. WRF 모델은 오일러형 격자 좌표계를 통해 여러 다양한 기상 변화 모델링 조건 설정 중 유체의 관성, 중력장, 와류 강도, 정속도에 초점을 두고 Runge-Kutta 수치해석 방법에 기초한 시간 적분법을 활용한다. NMM 모델은 주로 현업용으로 이용되고 있으며 ARW 모델은 연구용으로 활용되어 지역적 기반의 기후변화와 계절 단위 기후변화, 화학적 기후 모형 등 예보, 예측 분야 연구에 활용되고 있다. 그림 1. WRF 모델링 시스템 계통도 2.2. SMOKE 배출량 산출 모델 기상정보 모델과 함께 최종적인 화학수송 모델의 배출량 입력자료 처리를 위해 각각의 배출 오염원별 배출량 산정 모델로서 SMOKE 모델을 활용한다. SMOKE 모델은 미국의 EMC(Environmental Modeling Center)에서 개발된 모델링으로, 배출 산출량을 고효율로 계산할 수 있도록 Matrix 구조체화한 것이 특징이다. SMOKE 모델의 시스템 계통도(그림 2)에 3차원의 기상자료와 동아시아 지역의 배출량 자료(ACE-ASIA Emission) 및 국내 배출량 자료(Clean Air Policy Support System, CAPSS)를 활용하여 SMOKE 배출량 자료를 산출하는 과정을 나타내었다. 이러한 기초 데이터를 통하여 산출한 SMOKE모델링 값에 최종적으로 (비)점오염원, 자연오염원, 도로오염원, Windblown 오염원 자료 등의 데이타를 더하여 최종적으로 화학종별, 격자별, 시간대별 3차원의 모델 입력자료를 생성하게 된다. 그림 2. SMOKE 모델링 시스템 계통도 2.3. CMAQ 화학수송 모델 CMAQ 모델은(그림 3) 1998년 미국 EPA(Environmental Protection Agency, 미국 환경청)가 발표한 3차원의 오일러형 대기질 예측 모델로서, 기존 적용하여왔던 대기오염 모델이 어느 특정한 한 가지 오염원을 대상으로 한 물리적 추적 방식의 접근 방법이었다면 CMAQ 모델은 오염원의 최초 발생 단계에서부터 이동-변형-침적에 이르기까지의 모든 변화 과정을 포함하면서 다른 오염원들 간의 상호작용에 의한 영향까지를 망라하는 다변량 스케일 관점의 동시 추적 모델링 기법이라고 정의할 수 있다. 이 모델의 첫 번째 장점은 독립된 모듈 구조로 서브프로그램과의 호환성이 우수하다는 것이다. 둘째는 모델링 영역이 국지 영역에서 지역별 영역에 이르기까지 다양하게 적용 가능하다는 것이다. 셋째는 이 모델링 방법을 이용하면 어느 한 가지 특정 오염원이 아닌 주변의 유사한 다른 오염원까지의 예측 |
