충남지역 대형 점오염원이 주변지역 초미세먼지 농도에 미치는 영향 Impact of Emissions from Major Point Sources in Chungcheongnam-do on Surface Fine Particulate Matter Concentration in the Surrounding Area원문보기
The Weather Research and Forecast (WRF) - Community Multiscale Air Quality (CMAQ) system was applied to investigate the influence of major point sources located in Chungcheongnam-do (CN) on surface $PM_{2.5}$ (Particulate Matter of which diameter is $2.5{\mu}m$ or less) concent...
The Weather Research and Forecast (WRF) - Community Multiscale Air Quality (CMAQ) system was applied to investigate the influence of major point sources located in Chungcheongnam-do (CN) on surface $PM_{2.5}$ (Particulate Matter of which diameter is $2.5{\mu}m$ or less) concentrations in its surrounding areas. Uncertainties associated with contribution estimations were examined through cross-comparison of modeling results using various combinations of model inputs and setups; two meteorological datasets developed with WRF for 2010 and 2014, and two domestic emission inventories for 2010 and 2013 were used to estimate contributions of major point sources in CN. The results show that contributions of major point sources in CN to annual $PM_{2.5}$ concentrations over Seoul, Incheon, Gyeonggi, and CN ranged $0.51{\sim}1.63{\mu}g/m^3$, $0.71{\sim}1.62{\mu}g/m^3$, $0.63{\sim}1.66{\mu}g/m^3$, and $1.04{\sim}1.86{\mu}g/m^3$, respectively, depending on meteorology and emission inventory choice. It indicates that the contributions over the surrounding areas can be affected by model inputs significantly. Nitrate was the most dominant $PM_{2.5}$ component that was increased by major point sources in CN followed by sulfate, ammonium, and others. Based on the model simulations, it was estimated that primary $PM_{2.5}$$(PPM)-to-PM_{2.5}$ conversion rates were 41.3~50.7 ($10^{-6}{\mu}g/m^3/TPY$) for CN, and 12.4~18.3 ($10^{-6}{\mu}g/m^3/TPY$) for Seoul, Incheon, and Gyeonggi, respectively. In addition, spatial gradients of PPM contributions show very steep trends. $NO_X$-to-nitrate conversion rates were 7.61~12.3 ($10^{-6}{\mu}g/m^3/TPY$) for CN, and 3.94~11.3 ($10^{-6}{\mu}g/m^3/TPY$) for the sub-regions in the SMA. $SO_2$-to-sulfate conversion rates were 4.04~5.28 ($10^{-6}{\mu}g/m^3/TPY$) for CN, and 3.73~4.43 ($10^{-6}{\mu}g/m^3/TPY$) for the SMA, respectively.
The Weather Research and Forecast (WRF) - Community Multiscale Air Quality (CMAQ) system was applied to investigate the influence of major point sources located in Chungcheongnam-do (CN) on surface $PM_{2.5}$ (Particulate Matter of which diameter is $2.5{\mu}m$ or less) concentrations in its surrounding areas. Uncertainties associated with contribution estimations were examined through cross-comparison of modeling results using various combinations of model inputs and setups; two meteorological datasets developed with WRF for 2010 and 2014, and two domestic emission inventories for 2010 and 2013 were used to estimate contributions of major point sources in CN. The results show that contributions of major point sources in CN to annual $PM_{2.5}$ concentrations over Seoul, Incheon, Gyeonggi, and CN ranged $0.51{\sim}1.63{\mu}g/m^3$, $0.71{\sim}1.62{\mu}g/m^3$, $0.63{\sim}1.66{\mu}g/m^3$, and $1.04{\sim}1.86{\mu}g/m^3$, respectively, depending on meteorology and emission inventory choice. It indicates that the contributions over the surrounding areas can be affected by model inputs significantly. Nitrate was the most dominant $PM_{2.5}$ component that was increased by major point sources in CN followed by sulfate, ammonium, and others. Based on the model simulations, it was estimated that primary $PM_{2.5}$$(PPM)-to-PM_{2.5}$ conversion rates were 41.3~50.7 ($10^{-6}{\mu}g/m^3/TPY$) for CN, and 12.4~18.3 ($10^{-6}{\mu}g/m^3/TPY$) for Seoul, Incheon, and Gyeonggi, respectively. In addition, spatial gradients of PPM contributions show very steep trends. $NO_X$-to-nitrate conversion rates were 7.61~12.3 ($10^{-6}{\mu}g/m^3/TPY$) for CN, and 3.94~11.3 ($10^{-6}{\mu}g/m^3/TPY$) for the sub-regions in the SMA. $SO_2$-to-sulfate conversion rates were 4.04~5.28 ($10^{-6}{\mu}g/m^3/TPY$) for CN, and 3.73~4.43 ($10^{-6}{\mu}g/m^3/TPY$) for the SMA, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 충남지역 대형 점오염원의 배출량이 배출지역 및 풍하지역 PM2.5 농도에 미치는 영향 분석을 위해 3차원 광화학 모델을 이용한 대기질 모사를 수행하였다. 특히, 입력자료 변화에 따른 영향을 살펴 보기 위해 배출목록으로는 2010 CAPSS와 2013 CAPSS를 이용하였으며, 모사기간에 설정에 따른 기상 변화를 고려하기 위해 2010년과 2014년에 대상으로 세 가지 사례에 대한 모사를 수행하였다.
이에 본 연구에서는 충남지역에 위치한 화력발전 등대형 점오염원에 대한 기여도 분석을 서로 다른 모사 기간과 배출목록 자료에 대해 수행하여, 모사 입력 조건 변화에 따른 기여도 차이를 정량적으로 평가하였다. 이를 위해 배출자료는 국립환경과학원의 2010년과 2013년 CAPSS (Clean Air Policy Support System) 배출목록을 이용하였고, 대상기간을 2010년과 2014년으로 정하였다.
제안 방법
식 (1)의 AS,-20%는 기여농도를 나타내며 CB는 기본 모사 농도, CS,-20%는 배출량을 삭감한 모사의 농도를 나타낸다. 20% 삭감한 배출량을 이용한 모사를 통해 민감도를 도출하고 그 값에 5를 곱하여 대상 배출원에 의한 기여농도를 계산하였다.
수직 확산의 경우에는 Eddy를 선택하고 구름 옵션은 RADM (Regional Acid Deposition Model)로 선정하여 모사를 수행하였다. 27-km 모사영역에 대한 경계조건은 프로화일 (profile)을 이용하였으며, 9-km 모사영역에 대해서는 둥지격자화를 통한 경계조건을 이용하였다. 각 모사월마다 10일의 스핀 업 (spin-up) 기간을 추가하였다.
Case 3은 Case 2와 동일한 기간에 대하여 국내 인위적 배출량으로 이용 가능한 최신의 배출목록인 CAPSS 2013를 사용하고 국외 인위적 배출량으로 CREATE 2010을 사용하여 대기질 모사를 수행한 사례이다. Case 1과 Case 2의 결과 비교를 통해 해당 연도의 기상 조건에 의한 기여도 차이를 보았으며 배출량에 의한 기여도 차이는 Case 2와 Case 3의 비교를 통하여 비교 분석하였다.
27-km 모사영역에 대한 경계조건은 프로화일 (profile)을 이용하였으며, 9-km 모사영역에 대해서는 둥지격자화를 통한 경계조건을 이용하였다. 각 모사월마다 10일의 스핀 업 (spin-up) 기간을 추가하였다.
본 연구에서는 화력발전시설을 포함한 충남 대형 점오염원의 배출량을 9-km 모사영역에서 선정하였으며, 해당 배출원이 위치한 7개 격자를 그림 1에 보였다. 대형 점오염원 선별 기준은 모사에 이용된 CAPSS 배출 목록에서 SCC (Source Classification Code)를 바탕으로 점오염원 중 1종과 2종 사업장을 대상으로 구분하였다. 본 연구에서는 대형 사업장과 동일 격자에 위치한 면오염원의 경우도 대형 점오염원 시설의 일부로 간주하여 민감도 분석에 포함하였다.
다만, 이 경우 대상 사업장 이외의 배출량이 포함될 수 있다. 대형 점오염원의 배출량의 수직적 할당을 고려하여 배출격자에 대한 모든 층에 변화시켰다. 이러한 접근 방식은 다소 부정확한 배출량 정보가 이용될 소지가 있으나, 현재의 CAPSS 배출량 목록에서 대상 사업장을 명확히 구분하지 못하는 제한점을 해결하기 위한 방법으로 강구되었다.
이를 위해 배출자료는 국립환경과학원의 2010년과 2013년 CAPSS (Clean Air Policy Support System) 배출목록을 이용하였고, 대상기간을 2010년과 2014년으로 정하였다. 또한, 오염물질 배출제어의 효용성을 평가하기 위한 한 방편으로 단위 배출량당 모사 기여농도 변화, 즉 전환율을 산정하였다.
2010년의 경우 수도권 2차 기본계획 수립 시기본년도로 이용되었으며, 2014년은 최근 년도 중 모사평가를 위해 관측값이 확보될 수 있는 기간을 선택하였다. 모사월은 계절을 대표할 수 있는 한 달씩을 대상으로 1월, 4월, 7월, 그리고 10월에 대해 수행하였다. 모사영역은 동북아 지역을 포함하는 27 km 격자 해상도와 한반도를 포함하는 9 km 격자 해상도로 설정하였다 (그림 1).
대형 점오염원 선별 기준은 모사에 이용된 CAPSS 배출 목록에서 SCC (Source Classification Code)를 바탕으로 점오염원 중 1종과 2종 사업장을 대상으로 구분하였다. 본 연구에서는 대형 사업장과 동일 격자에 위치한 면오염원의 경우도 대형 점오염원 시설의 일부로 간주하여 민감도 분석에 포함하였다. 다만, 이 경우 대상 사업장 이외의 배출량이 포함될 수 있다.
본 연구에서는 충남지역의 대형 점오염원이 포함된 격자의 배출량을 EMEP에서 제시하는 두 번째 방법과 같이 20% 삭감하여 대기질 모사를 수행하였으며, 이를 수식화하여 식 (1)에 보였다. 식 (1)의 AS,-20%는 기여농도를 나타내며 CB는 기본 모사 농도, CS,-20%는 배출량을 삭감한 모사의 농도를 나타낸다.
대기질 모사의 수행평가를 위해 관측값과 모사값의 차이를 각 사례에 대하여 표 6에 정리하였다. 본 연구의 대상 물질인 PM2.5에 대하여 대상기간 동안 수도권에서 이용 가능한 관측값을 모사값과 비교하였다. 2010년의 경우에는 불광, 구월, 고천, 석모, 심곡, 송정, 관인 및 강하 지역에 위치한 광화학 측정소 자료를 평균하여 비교하였다.
인위적 배출량의 경우에는 국내 배출원과 국외 배출원의 배출량으로 구분할 수 있다. 자연배출량은 MEGAN (Model of Emissions of Gases and Aerosols from Nature; Guenther et al., 2006)을 통해 산정하였으며, 국내 인위적 배출량은 2010년과 2013년 CAPSS (Clean Air Policy Support System) 배출목록을 SMOKE (Sparse Matric Operator Kernel Emissions; Benjey et al., 2001) 처리를 통해 시공간 할당 및 화학종을 분배하여 준비하였다. 국외 인위적 배출량의 경우, MICS-Asia (The Model Inter-Comparison Study for Asia) 2010과 CREATE (Comprehensive Regional Emissions inventory for Atmospheric Transport Experiments) 2010을 사용하여 산정하였다.
충남지역 대형 점오염원의 기여도 분석을 위해 3가지 사례에 대하여 대기질 모사를 수행하였으며, 배출량과 기상자료를 기준으로 선정한 대상 사례에 대한 상세 정보를 표 2에 보였다. Case 1은 국내의 인위적 배출량으로 CAPSS 2010 배출목록을 사용하였으며, 국외 인위적 배출량으로 MICS-Asia 2010을 사용하여 2010년에 대한 대기질 모사를 수행한 사례이며, Case2는 국내외에 대하여 Case1과 동일한 배출목록을 사용하여 2014년 모사를 수행한 사례이다.
충남지역 대형 점오염원의 배출량과 이로 인해 추가 되는 PM2.5 기여농도를 바탕으로 ‘배출량-농도 전환율’ 을 산정하고, 모사 사례별 차이를 비교하였다.
5 농도에 미치는 영향 분석을 위해 3차원 광화학 모델을 이용한 대기질 모사를 수행하였다. 특히, 입력자료 변화에 따른 영향을 살펴 보기 위해 배출목록으로는 2010 CAPSS와 2013 CAPSS를 이용하였으며, 모사기간에 설정에 따른 기상 변화를 고려하기 위해 2010년과 2014년에 대상으로 세 가지 사례에 대한 모사를 수행하였다.
한편 단위 배출량당 농도 변화를 통해 배출제어의 효용성을 보다 정량적으로 평가하기 위해 전환율을 산정하였다. 지역별 전환율 차이는 있으나, 충남 대형 점오염원의 영향은 SO2 보다는 NOX 배출에 의한 영향이 크게 나타났으며, SO2 전환율은 NOX 전환율에 비해 2~3배 정도 낮게 나타났다.
대상 데이터
충남지역 대형 점오염원의 기여도 분석을 위해 3가지 사례에 대하여 대기질 모사를 수행하였으며, 배출량과 기상자료를 기준으로 선정한 대상 사례에 대한 상세 정보를 표 2에 보였다. Case 1은 국내의 인위적 배출량으로 CAPSS 2010 배출목록을 사용하였으며, 국외 인위적 배출량으로 MICS-Asia 2010을 사용하여 2010년에 대한 대기질 모사를 수행한 사례이며, Case2는 국내외에 대하여 Case1과 동일한 배출목록을 사용하여 2014년 모사를 수행한 사례이다. Case 3은 Case 2와 동일한 기간에 대하여 국내 인위적 배출량으로 이용 가능한 최신의 배출목록인 CAPSS 2013를 사용하고 국외 인위적 배출량으로 CREATE 2010을 사용하여 대기질 모사를 수행한 사례이다.
모사영역은 동북아 지역을 포함하는 27 km 격자 해상도와 한반도를 포함하는 9 km 격자 해상도로 설정하였다 (그림 1). 기여도 분석은 화력발전을 포함하여 대형 점오염원이 위치하고 있는 충남지역 및 이와 인접하고 있으며 인구밀도가 높은 서울, 인천, 경기 등 수도권 지역을 대상으로 진행하였다.
5 월평균 및 연평균 기여농도를 표 7에 정리하였다. 다만 표 7의 경우 그림 4에서처럼 대상 오염원에 대한 영향이 크게 나타나는 충남과 수도권 지역에 한정하였다. 표 7에 보인 모사 기여도는 각 사례별 모사농도 대비 대상 오염원의 영향을 보인 것으로 중국 등 외부 요인에 의해 상대적인 기여도는 차이를 보일 수 있다.
모사월은 계절을 대표할 수 있는 한 달씩을 대상으로 1월, 4월, 7월, 그리고 10월에 대해 수행하였다. 모사영역은 동북아 지역을 포함하는 27 km 격자 해상도와 한반도를 포함하는 9 km 격자 해상도로 설정하였다 (그림 1). 기여도 분석은 화력발전을 포함하여 대형 점오염원이 위치하고 있는 충남지역 및 이와 인접하고 있으며 인구밀도가 높은 서울, 인천, 경기 등 수도권 지역을 대상으로 진행하였다.
본 연구에서는 화력발전시설을 포함한 충남 대형 점오염원의 배출량을 9-km 모사영역에서 선정하였으며, 해당 배출원이 위치한 7개 격자를 그림 1에 보였다. 대형 점오염원 선별 기준은 모사에 이용된 CAPSS 배출 목록에서 SCC (Source Classification Code)를 바탕으로 점오염원 중 1종과 2종 사업장을 대상으로 구분하였다.
본 연구의 모사기간은 기상장에 대한 차이를 검토하기 위해 2010년과 2014년을 모사 대상기간으로 설정하였다. 2010년의 경우 수도권 2차 기본계획 수립 시기본년도로 이용되었으며, 2014년은 최근 년도 중 모사평가를 위해 관측값이 확보될 수 있는 기간을 선택하였다.
이에 본 연구에서는 충남지역에 위치한 화력발전 등대형 점오염원에 대한 기여도 분석을 서로 다른 모사 기간과 배출목록 자료에 대해 수행하여, 모사 입력 조건 변화에 따른 기여도 차이를 정량적으로 평가하였다. 이를 위해 배출자료는 국립환경과학원의 2010년과 2013년 CAPSS (Clean Air Policy Support System) 배출목록을 이용하였고, 대상기간을 2010년과 2014년으로 정하였다. 또한, 오염물질 배출제어의 효용성을 평가하기 위한 한 방편으로 단위 배출량당 모사 기여농도 변화, 즉 전환율을 산정하였다.
데이터처리
2010년의 경우에는 불광, 구월, 고천, 석모, 심곡, 송정, 관인 및 강하 지역에 위치한 광화학 측정소 자료를 평균하여 비교하였다. 2014년은 불광 집중측정소 관측자료가 이용 가능하여 이를 모사값과 비교하였다.
이론/모형
1을 통해 수행하였으며, 사용된 상세구성을 표 1에 보였다. 가스상 반응은 SAPRC99 (Statewide Air Pollution Research Center, Version 99; Carter, 2000) 화학 메커니즘을 사용하였으며 에어로졸 모듈은 AERO5 (fifth generation CMAQ aerosol module)을 이용하였다. 수직 확산의 경우에는 Eddy를 선택하고 구름 옵션은 RADM (Regional Acid Deposition Model)로 선정하여 모사를 수행하였다.
, 2001) 처리를 통해 시공간 할당 및 화학종을 분배하여 준비하였다. 국외 인위적 배출량의 경우, MICS-Asia (The Model Inter-Comparison Study for Asia) 2010과 CREATE (Comprehensive Regional Emissions inventory for Atmospheric Transport Experiments) 2010을 사용하여 산정하였다. 모사에 따른 자세한 배출량 이용은 표 2에 제시하였다.
기상 입력자료 마련을 위해 NCEP (The National Center for Environmental Prediction)에서 제공하는 FNL (Final Operational Global Analysis data) 분석장을 이용하여 기상 모델인 WRF (Weather Research and Forecast; Skamarock et al., 2008) version 3.4.1을 통해 기상자료를 마련하였다. 본 연구에서 사용한 상세 구성을 표 1에 정리하였다.
본 연구에서 사용한 상세 구성을 표 1에 정리하였다. 또한 도출된 결과를 대기질 모사에 적합한 기상자료로 전환하기 위해 M C I P (Meteorology-Chemistry Interface Processor) version 3.6을 이용하였다.
가스상 반응은 SAPRC99 (Statewide Air Pollution Research Center, Version 99; Carter, 2000) 화학 메커니즘을 사용하였으며 에어로졸 모듈은 AERO5 (fifth generation CMAQ aerosol module)을 이용하였다. 수직 확산의 경우에는 Eddy를 선택하고 구름 옵션은 RADM (Regional Acid Deposition Model)로 선정하여 모사를 수행하였다. 27-km 모사영역에 대한 경계조건은 프로화일 (profile)을 이용하였으며, 9-km 모사영역에 대해서는 둥지격자화를 통한 경계조건을 이용하였다.
충남 대형 점오염원의 영향을 분석하기 위한 대기질 모사는 3차원 광화학 모델인 CMAQ (Community Multiscale Air Quality; Byun and Ching. 1999) version 4.7.1을 통해 수행하였으며, 사용된 상세구성을 표 1에 보였다. 가스상 반응은 SAPRC99 (Statewide Air Pollution Research Center, Version 99; Carter, 2000) 화학 메커니즘을 사용하였으며 에어로졸 모듈은 AERO5 (fifth generation CMAQ aerosol module)을 이용하였다.
성능/효과
해당 격자의 배출량은 2010 CAPSS보다 2013 CAPSS에서 높은 값을 보였으며, 이는 신규 배출원 추가 등이 포함되었기 때문으로 생각된다. 각 배출물질 별 변화를 보면 SO2 13,387톤/년, NOX 7,725톤/년, NH3 1,044톤/년 및 CO 2,931톤/년 등이 증가하였다. 미세먼지 배출량의 경우, PM10 1,335톤/년, PM2.
기여농도 또한 동일한 기상자료를 이용한 Case 2와 Case 3에서 1월을 제외하면 유사하게 모사되었으며, 본 연구에서 대상이 된 배출원의 PM2.5 기여농도는 배출량 변화보다는 기상자료 변화에 보다 민감한 차이를 보이는 것으로 모사되었다. 특히, 수도권에 대하여 연평균 기여농도는 Case 1에 비해 Case 2에서 3배 가량 높게 나타나며, 충남에 대해서도 50% 정도 높게 모사 되었다.
5 구성성분 농도의 지역별, 계절별 차이가 보이나, 대체적으로 질산염의 비율이 가장 크게 모사되며, 그 외에 황산염과 1차 초미세먼지, elemental carbon, organic carbon 등도 충남 대형 점오염원에 의해 증가함을 볼 수 있다. 또한 암모늄 성분농도 또한 질산염과 황산염 증가와 함께 증가함을 확인할 수 있다. 다만, 암모늄의 경우 대상 오염원에서 직접 배출되어 기여농도를 증가시켰다기보다는 암모니아 농도가 풍부한 상태에서(Kim et al.
모든 사례에서 질산염의 기여농도는 황산염에 비해 높은 반면, 기여율은 황산염이 높게 나타나는데, 이는 질산염의 경우 주변의 자동차 등 다양한 오염원으로부터 영향이 큰 반면, 황산염은 석탄을 이용하는 발전 등 대상 점오염원으로부터의 배출 비중이 높기 때문으로 판단된다. 또한 화력발전 등 대형 점오염원의 배출 특성상 PPM의 직접적인 기여율은 다른 2차 생성물질에 비해 높지 않음을 볼 수 있다.
5와 같이 2차 생성이 중요한 대기오염물질의 경우 원인 분석 및 개선방안 마련을 위해서는 자체 배출량 외에 풍상의 영향을 고려할 수 있는 광역적인 접근이 필요함을 보인다. 보다 구체적으로 모사된 공간분포를 보면 모든 사례에서 충남지역을 포함하여 경기 남부, 충북 등 인근지역에서 뚜렷한 영향이 나타나며, 이는 향후 충남 배출원에 대한 관리는 충남 지역은 물론 수도권, 충북 등 인근지역에 대한 대기질 개선을 도모할 수 있음을 의미한다.
세 가지 모사 사례에 대해 충남지역 대형 점오염원 배출량의 PM2.5 연평균 기여농도는 수도권 평균 0.62 μg/m3 ~1.64 μg/m3 범위에서 나타났으며, 크게는 3배 정도 차이를 보였다.
한편 단위 배출량당 농도 변화를 통해 배출제어의 효용성을 보다 정량적으로 평가하기 위해 전환율을 산정하였다. 지역별 전환율 차이는 있으나, 충남 대형 점오염원의 영향은 SO2 보다는 NOX 배출에 의한 영향이 크게 나타났으며, SO2 전환율은 NOX 전환율에 비해 2~3배 정도 낮게 나타났다.
후속연구
또한 수도권 및 충남지역의 대기질 개선을 위한 정책 수립 시 관리 대상의 중요도 및 우선순위 선정에 있어서 그 활용도가 높을 것으로 예상한다. 다만 앞서 언급한 바와 같이 입력자료에 따라 기여농도 및 전환율 산정이 달라질 수 있으므로 향후 기상 및 배출량 자체뿐 아니라 배출특성 즉 연돌 높이 및 배출원 위치 등 다양한 불확도에 대한 검토 및 개선이 필요하다.
향후 전력 생산면에서 화력발전의 건설은 불가피할 것으로 예상되나, 주변에 대한 영향이 작지 않으므로 환경비용 등을 고려한 입지 및 연료 선택, 건설 및 운영 등이 필요할 것으로 판단된다. 또한 발전시설 인근에는 전력 사용이 높은 산업단지나 도시 개발 등이 예상되는 바, 추가적인 대기오염을 방지할 수 있는 계획 수립이 필요할 것이다.
본 연구에서 도출된 물질별 기여농도 및 전환율은 추후 유사한 상황 및 대상 배출원에 대한 관리 및 배출량 저감 시나리오 수립 시, 저감하고자 하는 배출량이 대기질 농도에 미치는 영향 정도의 파악에 근거 자료로 이용될 수 있을 것으로 예상된다. 또한 수도권 및 충남지역의 대기질 개선을 위한 정책 수립 시 관리 대상의 중요도 및 우선순위 선정에 있어서 그 활용도가 높을 것으로 예상한다. 다만 앞서 언급한 바와 같이 입력자료에 따라 기여농도 및 전환율 산정이 달라질 수 있으므로 향후 기상 및 배출량 자체뿐 아니라 배출특성 즉 연돌 높이 및 배출원 위치 등 다양한 불확도에 대한 검토 및 개선이 필요하다.
본 연구에서 도출된 물질별 기여농도 및 전환율은 추후 유사한 상황 및 대상 배출원에 대한 관리 및 배출량 저감 시나리오 수립 시, 저감하고자 하는 배출량이 대기질 농도에 미치는 영향 정도의 파악에 근거 자료로 이용될 수 있을 것으로 예상된다. 또한 수도권 및 충남지역의 대기질 개선을 위한 정책 수립 시 관리 대상의 중요도 및 우선순위 선정에 있어서 그 활용도가 높을 것으로 예상한다.
, 2016b) 보다 장기간에 걸친 평가가 필요할 것이다. 이와 더불어 국립환경과학원의 배출목록 자료는 매년 주기적으로 업데이트되므로 최신 배출자료를 활용한 비교 평가도 필요할 것으로 판단된다.
모사월에 따라 배출지역인 충남보다는 수도권 지역 에서 보다 높은 기여도를 보이는 것으로 모사되었는데, 이는 기상 및 배출조건에 의한 영향으로 판단된다. 특히, 월별 또는 계절별 기상변화를 보다 더 포괄적으로 고려하기 위해서는 장기간에 걸친 영향 분석이 향후 필요할 것으로 판단된다.
향후 전력 생산면에서 화력발전의 건설은 불가피할 것으로 예상되나, 주변에 대한 영향이 작지 않으므로 환경비용 등을 고려한 입지 및 연료 선택, 건설 및 운영 등이 필요할 것으로 판단된다. 또한 발전시설 인근에는 전력 사용이 높은 산업단지나 도시 개발 등이 예상되는 바, 추가적인 대기오염을 방지할 수 있는 계획 수립이 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
미세먼지가 문제 시 되는 이유는?
미세먼지 (Particulate Matter)는 대기 중에 존재하는 입자상 물질(PM10)로 호흡기 질환을 유발하는 등 인체에 대한 영향이 문제시 되고 있다. 또한, 최근 직경 2.
미세먼지란?
미세먼지 (Particulate Matter)는 대기 중에 존재하는 입자상 물질(PM10)로 호흡기 질환을 유발하는 등 인체에 대한 영향이 문제시 되고 있다. 또한, 최근 직경 2.
수도권과 충남지역의 PM2.5로의 전환율 중 가장 큰 차이를 보이는 PPM이 충남지역에서 높은 이유는?
5 로의 전환율 중 가장 큰 차이를 보이는 물질은 PPM이며, 충남지역이 수도권지역보다 약 3배 정도 높은 값을 보인다. PPM의 경우, 2 차적으로 생성되는 물질이 아니라 오염원으로부터 발생되는 1차 오염물질이기 때문에 대상 배출원이 위치한 충남지역에서 기여농도가 크게 나타나고, 전환율 역시 다른 물질과 비교하여 높게 나타난다. 실제 PPMto-PM2.
참고문헌 (24)
Anderson, J.O., J.G. Thundiyil, and A. Stolbach (2012) Clearing the air: a review of the effects of particulate matter air pollution on human health. Journal of Medical Toxicology, 8(2), 166-175.
Bartnicki, J. (1999) Computing source-receptor matrices with the EMEP Eulerian Acid Deposition Model. EMEP MSC-W Note, 5, 99.
Benjey, W., M. Houyoux, and J. Susick (2001) Implementation of the SMOKE emissions data processor and SMOKE tool input data processor in Models-3. U.S. EPA.
Board of Audit and Inspection of Korea (2016) Audit Report: Air Quality Improvement Project Status over Seoul Metropolitan Area. https://www.bai.go.kr/bai/cop/bbs (accessed December 5, 2016)
Boylan, J. and B.U. Kim (2012) Development of $PM_{2.5}$ interpollutant trading ratio. Presented at 2012 Community Modeling & Analysis System (CMAS) Conference, Chapel Hill, NC, October 16, 2012.
Byun, D.W. and J.K.S. Ching (1999) Science algorithms of the EPA Models-3 community multiscale air quality (CMAQ) modeling system. Washington, DC, USA: US Environmental Protection Agency, Office of Research and Development.
Carter, W.P.L. (2000) Implementation of the SAPRC-99 chemical mechanism in the models-3 framework.
Cohan, D.S. (2004) Applicability of CMAQ-DDM to Source Apportionment and Control Strategy Development. In 3rd Annual CMAS Models-3 Users' Conference, RTP, NC.
ENVIRON International Corporation (2014) User's guide to the Comprehensive Air Quality Model with Extensions Version 6.1. http://www.camx.com/files/camxusersguide_v6-10.pdf (accessed 2016.12.07.)
GREENPEACE (2016) Silent Killer Fine Particulate Matter-The health impacts of current and planned coal-fired power generation in South Korea and related current policy.
Guenther, A., T. Karl, P. Harley, C. Wiedinmyer, P.I. Palmer, and C. Geron (2006) Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature), Atmospheric Chemistry and Physics Discussions, 6(1), 107-173.
He, Z., Y.J. Kim, K.O. Ogunjobi, and C.S. Hong (2003) Characteristics of $PM_{2.5}$ species and long-range transport of air masses at Taean background station, South Korea, Atmospheric Environment, 37(2), 219-230.
Kim, B.U., O. Kim, H.C. Kim, and S. Kim (2016a) Influence of fossil-fuel power plant emissions on the surface fine particulate matter in the Seoul Capital Area, South Korea. Journal of the Air and Waste Management Association, 66(9), 863-873.
Kim, J.H., D.R. Choi, Y.S. Koo, J.B. Lee, and H.J. Park (2016c) Analysis of Domestic and Foreign Contributions using DDM in CMAQ during Particulate Matter Episode Period of February 2014 in Seoul, Journal of Korean Society for Atmospheric Environment, 32(1), 82-99. (in Korean with English abstract)
Kim, S. (2011) Ozone simulations over the Seoul Metropolitan Area for a 2007 June episode, Part I: evaluating volatile organic compounds emissions speciated for the SAPRC99 chemical mechanism. Journal of Korean Society for Atmospheric Environment, 27(5), 580-602. (in Korean with English abstract)
Kim, S., C.H. Bae, H.C. Kim, and B.U. Kim (2017) $PM_{2.5}$ Simulations in the Seoul Metropolitan Area: (I) Model Contributions of Precursor Emissions in the CAPSS Emissions Inventory. Journal of Korean Society for Atmospheric Environment, In Press. (in Korean with English abstract)
Kim, S., H.C. Kim, B.U. Kim, C.H. Bae, E.H. Kim, S.H. You, M.A. Bae, O.G. Kim, and C.W. Park (2016b) CMAQ Simulation Study to Analyze the Long-term Variations of Criteria Air Pollutants in the Seoul Metropolitan Area during 2004-2015, 17th IUAPPA World Clean Air Congress and 9th CAA Better Air Quality Conference Clean Air for Cities Perspectives and Solutions.
Kim, Y.P. (2006) Air Pollution in Seoul Caused by Aerosols, Journal of Korean Society for Atmospheric Environment, 22(5), 535-553. (In Korean with English abstract)
Lee, J.Y. and Y.P. Kim (2007) Source apportionment of the particulate PAHs at Seoul, Korea: impact of long range transport to a megacity, Atmospheric Chemistry and Physics, 7(13), 3587-3596.
Leem, J.H., S. Kim, and H.C. Kim (2015) Public-health impact of outdoor air pollution for 2nd air pollution management policy in Seoul metropolitan area, Korea, Annals of occupational and environmental medicine, 27(1), 1.
Ministry of Environment (2016) Fine dust countermeasure plan. http://www.me.go.kr/issue/finedust2 (accessed December 5, 2016).
Ristovski, Z.D., B. Miljevic, N.C. Surawski, L. Morawska, K.M. Fong, F. Goh, and I.A. Yang (2012) Respiratory health effects of diesel particulate matter, Respirology, 17(2), 201-212.
Skamarock, W.C., J.B. Klemp, J. Dudhia, D.O. Gill, D.M. Barker, M.G. Duda, X. Huang, W. Wang, and J.G. Powers (2008) A description of the advanced research WRF version 3. NCAR Tech. Note NCAR/TN-475+STR, National Center for Atmospheric Research, Boulder, CO, 125 pp.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.