선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 전통적인 민감도 분석 알고리즘인 Brute-force 방법을 통해 지역별 배출량의 기여도를 산정하여 각 지역의 미세먼지 고농도 현상이 그 지역의 배출량 변화에 민감한 지역인지, 풍상 측으로부터 수송 과정에 의해 영향을 받는 지역인지 판단할 수 있는 근거를 제시하였다.
- 본 연구에서는 환경부에서 운영하는 미세먼지 예보시스템과 유사한 모델링 시스템을 구성하여 수치모의 결과를 도출하였다. 기상모델은 WRF, 대기질 모델은 CMAQ을 각각 사용하였다.
제안 방법
- 3. Distribution of emission inventories for PM assessment for WRF-CMAQ simulations in this study. The contours indicate the intensity of PM pollutants.
- 2에 제시한 동아시아와 한반도 배출량을 동시에 적용하여 모델링 한 것을 Base 케이스로 설정하였고, 중국과 북한을 포함한 INTEX-B 배출량을 삭제하고 한반도 배출량만 산정한 것이 E1 배출량이다. E2에서 E6까지의 배출량은 중국 및 한반도를 포함한 배출량에서 각 지역의 배출량을 삭제하여 산정하였다.
- P2 ~ P6 케이스는 Base 배출량에서 각 지역의 배출량만을 제거한 배출량을 사용하여 모델을 수행하였다. 각 지역의 배출량에 대한 기여도는 Base 케이스에서 P1 ~ P6 케이스의 미세먼지 농도 차이를 계산하는 방법으로 산정하였다.
- 기상 모델과 대기질 모델의 검증을 위하여 1월 15일부터 1월 18일까지의 전국의 기상대 및 유인관측소, 대기질 자동측정망에서 관측한 기온, 풍향, 풍속, PM10 농도와 수치모의된 값을 비교하여 그 일부를 Fig. 8에 나타내었고, 이 중 기온, 풍속, PM10 농도에 대하여 관측값과 예측값에 대한 통계적 검증을 실시하였다(Table 4).
- 대기질 수치모의가 타당하여 이 모델링 시스템을 통한 수치실험이 유의한 결과를 제시할 수 있는지 알아보기 위해 대기질 모델링 시스템의 예측 성능을 검증하였다. FIg.
- 모델의 초기자료 및 경계자료는 공간 해상도 1°×1°, 6시간의 시간 해상도를 가진 FNL 분석자료를 사용하였으며, 경계조건에서 발생하는 오차를 줄이기 위해 2개의 도메인을 설정하여 둥지 격자구조를 설정하였다. 더욱 정밀한 수치모의 결과를 얻기 위하여 지형자료는 고해상도 지형인 Shuttle Radar Topography Mission(SRTM) 3초 자료와 환경부에서 제공하는 중분류 토지피복도 3초 자료를 사용하였으며, Analysis Nudging 방법을 통해 자료동화를 수행하여 기상장 수치모의 결과의 정확도를 높여 오염물질의 이류 및 화학반응에 있어 기상장에서 생기는 오차를 줄이고자 하였다.
- , 2006)을 수행하기 위한 기상 입력자료는 WRF 수치모의 결과를 사용하였다. 도메인 경계지역의 불확실성을 제거하기 위하여 WRF 도메인에서 동서남북 방향으로 마지막 5개의 격자를 제외하고 사용하였으며, WRF와 마찬가지로 동아시아 영역에서의 농도를 한반도 영역의 초기 및 경계 농도자료로 이용하기 위하여 둥지 격자 구조로 설정하였다. 초기농도자료의 불확실성을 충분히 상쇄하기 위하여 WRF와 CMAQ 모델링 사례일의 3일 전부터 수치모의를 수행하였다(Umeda and Mariten, 2002).
- 미세먼지 예보 시스템을 통해 미세먼지 수치모의를 수행하여 중국으로부터의 수송과정을 살펴보았으며, 검증을 통해 수치모의가 유의함을 증명하였다. 모델링 시스템에 Brute-force 방법을 통해 서로 다른 배출량을 수치모의하여 각각의 농도를 비교함으로써 지역별 배출원에 대한 기여도를 산정하였다.
- 모델의 초기자료 및 경계자료는 공간 해상도 1°×1°, 6시간의 시간 해상도를 가진 FNL 분석자료를 사용하였으며, 경계조건에서 발생하는 오차를 줄이기 위해 2개의 도메인을 설정하여 둥지 격자구조를 설정하였다.
- 중국 및 각 지역에서 배출되는 배출량에 대한 지역별 미세먼지 농도의 기여도를 산출하기 위하여, 중국에서 광화학 스모그가 한반도로 이류하였고, 전국 각지에서 고농도사례를 기록했던 2014년 1월 15일 ~ 1월 18일까지를 사례일로 선정하여 미세먼지를 수치모의 하였다. 모의 결과를 분석하여 정확도를 검증한 후 Brute-force 방법을 통해 다시 수치모의한 결과를 기여도로 제시하였다.
- 본 연구에서는 2014년 1월 15일에서 1월 18일까지의 사례일에 대하여 지역별 배출량을 전체 배출량에서 삭제하는 방법으로 민감도 분석을 하였다. 이 방법은 한 지역의 배출량에 대한 기여도를 계산을 위해서 그 지역의 배출량이 포함된 모델링과 포함되지 않은 모델링을 각각 모의하여 그 차이를 계산하는 것으로, 화학반응이 고려되는 대기질 모델에 적합한 방법이다.
- 중국 및 각 지역에서 배출되는 배출량에 대한 지역별 미세먼지 농도의 기여도를 산출하기 위하여, 중국에서 광화학 스모그가 한반도로 이류하였고, 전국 각지에서 고농도사례를 기록했던 2014년 1월 15일 ~ 1월 18일까지를 사례일로 선정하여 미세먼지를 수치모의 하였다. 모의 결과를 분석하여 정확도를 검증한 후 Brute-force 방법을 통해 다시 수치모의한 결과를 기여도로 제시하였다.
- 도메인 경계지역의 불확실성을 제거하기 위하여 WRF 도메인에서 동서남북 방향으로 마지막 5개의 격자를 제외하고 사용하였으며, WRF와 마찬가지로 동아시아 영역에서의 농도를 한반도 영역의 초기 및 경계 농도자료로 이용하기 위하여 둥지 격자 구조로 설정하였다. 초기농도자료의 불확실성을 충분히 상쇄하기 위하여 WRF와 CMAQ 모델링 사례일의 3일 전부터 수치모의를 수행하였다(Umeda and Mariten, 2002). 화학반응으로 생성되는 PM2.
대상 데이터
- 3차원 오일러리안 광화학 모델 CMAQ(Byun et al., 2006)을 수행하기 위한 기상 입력자료는 WRF 수치모의 결과를 사용하였다. 도메인 경계지역의 불확실성을 제거하기 위하여 WRF 도메인에서 동서남북 방향으로 마지막 5개의 격자를 제외하고 사용하였으며, WRF와 마찬가지로 동아시아 영역에서의 농도를 한반도 영역의 초기 및 경계 농도자료로 이용하기 위하여 둥지 격자 구조로 설정하였다.
- CMAQ에 사용될 배출량은 배출량 산정 모델인 SMOKE를 통해 산출하였으며, 중국 및 북한지역은 INTEX-B 배출량(Zhang et al., 2009), 국내는 CAPSS 2010년 배출량을 기본 자료로 이용하여 산출하였다(Fig 2).
- 본 연구에서는 환경부에서 운영하는 미세먼지 예보시스템과 유사한 모델링 시스템을 구성하여 수치모의 결과를 도출하였다. 기상모델은 WRF, 대기질 모델은 CMAQ을 각각 사용하였다.
- 이에 환경부는 초미세먼지에 의한 대국민 피해를 줄이기 위한 노력으로 2013년 8월부터 수도권 지역을 대상으로 PM10에 대하여 시범예보 시행 후 11월부터 전국 대상 시범예보를 거쳐 2014년 2월 전국 대상 정식예보를 본격 실시하였다. 시범예보를 시행한 2013년 8월부터 2014년 2월 21일까지의 전체 예보 정확도는 71.
- 1과 같다. 한반도를 중심으로 최종 도메인 2 는 부산 지역을 포함하여 3km의 수평 해상도를 가지며, 연직 층은 총 33개 층으로 구성된다. 연구에 적용된 물리 옵션은 Table 1에 제시하였다.
이론/모형
- 초기농도자료의 불확실성을 충분히 상쇄하기 위하여 WRF와 CMAQ 모델링 사례일의 3일 전부터 수치모의를 수행하였다(Umeda and Mariten, 2002). 화학반응으로 생성되는 PM2.5 입자를 상세하게 수치모의 하기 위한 화학메커니즘은 SAPRC99(Carter, 2000)를, 에어로졸 반응 메커니즘은 Aero5를 각각 사용하였다. 수평과 연직 격자구조 및 CMAQ 수치모의의 제반 사항은 Table 2에 제시하였다.
성능/효과
- 이것은 앞서 언급한 초기 농도 자료의 불확실성이 반영된 결과로 판단된다. 15일과 16일에 예측된 미세먼지 농도와 관측값의 차이로 인한 것이며, 예측값과 관측값의 일치도가 높고 사례일의 기상 및 대기질 현황을 잘 반영하고 있는 것으로 판단된다.
- 9로 매우 높은 일치도를 나타냈다. PM10의 일치도는 0.79로서 EPA에서 권장하는 0.6보다 높지만, MB가 23.42, RMSE가 40.76으로 다소 높은 값이 산출되었다. 이것은 앞서 언급한 초기 농도 자료의 불확실성이 반영된 결과로 판단된다.
- 6과 같은 시간대에 대기질 예보 모델이 예측한 PM10의 수평 농도분포를 그린 것이다. 동아시아 영역에 수치모의된 미세먼지 농도의 분포와 전체적으로 비슷하지만, 수도권 해안에 농도가 낮게 모사되었고, 미세먼지가 내륙으로 좀 더 넓게 이류되어 강원도 북부에서도 고농도 현상이 나타났다. 이것은 상세 바람장이 조금 다르며 수도권 지역에서 배출된 미세먼지가 합해졌고 상위 도메인에서 한반도 영역의 도메인으로 농도가 유입될 때, 서로 다른 격자 간격의 차이 때문에 일어난 것으로 추정된다.
- 미세먼지 예보 시스템을 통해 미세먼지 수치모의를 수행하여 중국으로부터의 수송과정을 살펴보았으며, 검증을 통해 수치모의가 유의함을 증명하였다. 모델링 시스템에 Brute-force 방법을 통해 서로 다른 배출량을 수치모의하여 각각의 농도를 비교함으로써 지역별 배출원에 대한 기여도를 산정하였다.
- 시간별 기여도의 변화를 보면, 15일과 16일에는 각 지역에서 배출된 미세먼지가 농도형성에 대부분을 차지하고 있다. 사례일 전체적으로 자기 지역의 기여도 패턴이 일변화가 뚜렷하고, 일별 총 기여도가 크게 변하지 않는 것으로 미루어 15일과 16일의 과소평가는 중국에서 이류된 미세먼지가 과소평가된 영향으로 판단된다.
- Table 5는 case BC의 농도 기여를 제외한 한반도 내 지역별 기여율을 살펴본 것이다. 전체적으로 지역별 미세먼지 농도는 그 지역의 풍상 측에 있는 지역의 배출량이 미세먼지 농도에 상당 부분 기여를 하고 있었으며, 각 지역의 미세먼지 농도 생성에 자신의 지역에서 배출된 오염원의 영향이 한반도 밖에서 유입된 미세먼지를 제외하고 가장 높았다.
- 지역별 기여도는 중국으로부터 유입된 미세먼지를 제외하면 수도권이 가장 큰 기여도를 가지며, 지역별로는 자기 지역의 배출원이 가장 높은 기여도를 보였다. 한반도 전체적으로 북서풍이 우세했던 기상상태의 영향으로 북쪽에서 남쪽으로, 서쪽에서 동쪽으로 갈수록 여러 지역에서 배출된 오염물이 혼합하여 미세먼지 농도변화에 기여하였다.
- 초기 농도자료의 불확실성, 한반도 내 비산먼지 배출량의 누락으로 미세먼지 농도 예측에 불확실성이 있었지만, 고농도 발생 시 주요 기상패턴에 따라 풍상 측인 수도권의 배출량 강도와 기상상태가 전국적으로 미세먼지 농도 형성에 지배적인 기여를 하고 있음을 잘 판단할 수 있었다.
- 강원도에 있는 춘천과 원주지역에서는 수도권 배출원의 영향을 비교적 많이 받는 것으로 나타났다. 한반도 밖에서 유입된 미세먼지 농도를 제외하면 춘천에서 고농도 미세먼지 발생 시 오히려 수도권에서 배출된 미세먼지 농도가 강원지역에서 배출된 미세먼지보다 더 높았다. 원주에서는 강원도에서 배출된 배출원의 기여도가 더 높게 계산되었는데 이것은 강원도지역에서 서풍이 우세했던 결과로 추정된다.
- 기상 모델을 통해 예측된 기압 배치를 살펴보면 모델의 도메인 가장자리에 일기도에서 관측된 약한 저기압이 나타났고, 이러한 종관 기상상태에 따라 중국에서 배출된 고농도 미세먼지가 한반도로 유입되고 있는 모습이 잘 모사된 것으로 판단된다. 한반도로 수송된 미세먼지는 수도권 해안에서 가장 높은 농도를 보이며, 18일에는 전국적으로 영향을 미치게 되지만 농도 자체는 많이 감소한 것으로 나타났다.
후속연구
- 또한, 다양한 종관 기상상태와 사례를 반영할 수 있도록 장기적인 연구를 통해 지역별 배출량 기여도와 모델링 시스템의 민감도를 분석하려는 노력이 필요할 것으로 판단된다.
- 편서풍 지역에 자리 잡고 있는 우리나라는 중국에서 배출된 미세먼지의 영향을 받으며, 수도권에서 충청남도 북쪽 해안까지 대단위 오염원들이 서해안에 밀집해있는 인구과밀 지역이다. 우리나라에서 고농도 미세먼지 사례가 발생하는 날 대부분이 약한 서풍이 지배적이었으며, 이러한 종관기상 상태에서는 중국에서 수송된 미세먼지와 수도권에서 발생한 미세먼지가 한반도 전역에 영향을 미칠 수 있을 것으로 예상하여 이에 대한 분석이 필요하다.
- 향후, 미세먼지 고농도 발생 사례를 수집하여 다양한 기상 패턴에서의 기여도와 민감도 분석을 위해 Brute-force와 함께 HDDM이나 수반모델과 같은 민감도 분석 모델의 적용이 필요하며, 이를 통해 대기질 예측 시스템의 개선을 위한 다양한 연구가 가능할 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.