[논문]서울에서의 미세먼지 저감을 위한 인공강수 가능성 진단

송재인; 염성수

doi:10.14191/atmos.2019.29.5.609

Abstract ▼ AI-Helper

Cloud seeding experiment has been proposed as a way to alleviate severe air pollution problem because, if successful, artificially produced precipitation through cloud seeding could scavenge out some portion of air pollutants. As a first step to verify the practicality of such experiment, seedabilit...

Cloud seeding experiment has been proposed as a way to alleviate severe air pollution problem because, if successful, artificially produced precipitation through cloud seeding could scavenge out some portion of air pollutants. As a first step to verify the practicality of such experiment, seedability of the clouds observed in Seoul is assessed by examining statistical characteristics of some relevant meteorological variables. Analyses of 9 years of Korea Meteorological Agency Seoul station data indicate that as PM10 mass concentration increases, cloud amount, liquid water path, and ice water path decrease, but the difference between temperature and dew point temperature tends to increase. Such finding suggests that cloud seeding becomes less feasible as air pollution becomes more severe in the Seoul metropolitan area, at least in a statistical sense. For some individual severe air pollution events, however, seedable clouds may exist and indeed cloud seeding experiments can be successful. Therefore, detailed investigation on cloud seedability for individual severe air pollution events are highly required to make a concrete assessment of cloud seeding as a way to alleviate severe air pollution problem.

주제어

표/그림 (6)

그림 Fig. 1. 2D histogram of the frequency of retrieved cloud amount from ceilometer versus the frequency of eye-observed cloud amount for the 9 years (2010~2018) measurement at KMA Seoul station.
그림 Fig. 2. Annually averaged PM₁₀ mass concentration in Seoul between 1995 and 2017 (Ministry of Environment, 2018) (a) and 2D histogram of relative occurrence frequency per each PM₁₀ bin versus year for the 9 years (2010~2018) measurement at KMA Seoul station (b).
그림 Fig. 3. 2D histogram of relative occurrence frequency of PM₁₀ mass concentration versus relative occurrence frequency of cloud amount for the 9 years (2010~2018) measurement at KMA Seoul station.
표 Table 1. Number of cases per each PM₁₀ bin.
그림 Fig. 4. PM₁₀ mass concentration versus T-T_D for the 9 years (2010~2018) measurement at KMA Seoul station.
그림 Fig. 5. PM₁₀ mass concentration versus liquid water path (LWP) (a) and ice water path (IWP) (b) for the 9 years (2010~2018) reanalyzed data of ECMWF ERA5.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

기본계획은 서울의 PM10 농도를 기준치인 2003년 평균값 69 μg m-3에서 40 μg m-3까지 42% 저감하는 것을 목표로 2005년부터 2014년까지 시행됐다.
그러나 고농도 미세먼지 사례에 대한 인공강수 실험 성공 가능성에 관해서는 더 철저한 조사가 필요하다. 이 연구에서는 장기간의 구름 관측자료와 재분석장 자료, 문헌조사 등을 통해 미세먼지가 높을 때 인공강수의 가능성을 통계적인 관점에서 평가해 보았다.

제안 방법

ERA5 재분석장 자료를 이용해 PM₁₀ 농도에 따라 구름내 액체 및 고체수함량을 조사했다. Figure 5는 액체와 고체물의 총량인 LWP와 IWP를 보여주는데 PM₁₀ 농도가 높아질수록 작아지는 경향을 보인다.
구름이 적게 발생한 이유를 탐구하기 위해 기온과 이슬점온도의 차이인 습수를 조사했다. Figure 4는 PM₁₀ 농도 구간에 따른 평균 습수의 변화를 보여준다.
미세먼지 저감대책으로서의 인공강수 실험의 성공 가능성을 조사하기 위해 먼저 미세먼지 농도(PM₁₀)와 운량 관측 자료를 비교하였다. 서울시 종로구 송월동에 위치한 기상청 서울 관측소(북위 37.
운량은 운고계를 이용한 계측 값과 사람의 눈을 이용한 목측 값 두 자료를 모두 분석하였다. 계측 운량은 운고계로 주어진 시간동안 구름의 발생빈도를 측정하는 방식을 사용하므로 엄밀히 말하면 운량이 아니라 구름발생빈도를 측정하는 것이다.

대상 데이터

연구에 사용된 자료는 2010년 10월부터 2018년 12월까지의 기간에 관측된 시간평균 자료로, 결측 자료를 제외하면 총 38746시간 분량이다. PM₁₀ 관측 자료는 환경부 PM₁₀관측망이 더 장기간의 자료를 보유하고 있으나, 기상 자료와 연계해 분석하기 위해 기상청 서울 관측소의 자료를 이용했다. 연구에 사용된 목측 운량은 기상청 기상자료개방포털(data.
서울 관측소에서 얻을 수 없는 추가적인 자료는 유럽 중기예보센터(European Centre for Medium-Range Weather Forecast; ECMWF) 재분석장(ECMWF Reanalysis; ERA5)을 이용했다. 연구에 사용된 ERA5 자료는 액체수경로(Liquid Water Path; LWP), 빙정수 경로(Ice Water Path; IWP) 자료이다.
서울시 종로구 송월동에 위치한 기상청 서울 관측소(북위 37.57º, 동경 126.98º)에서는 PM10과 운량이 장기간 동안 관측되었다.
서울 관측소에서 얻을 수 없는 추가적인 자료는 유럽 중기예보센터(European Centre for Medium-Range Weather Forecast; ECMWF) 재분석장(ECMWF Reanalysis; ERA5)을 이용했다. 연구에 사용된 ERA5 자료는 액체수경로(Liquid Water Path; LWP), 빙정수 경로(Ice Water Path; IWP) 자료이다. LWP와 IWP는 각각 지상에서부터 대기상한 사이에 존재하는 액체, 고체 물의 총량을 뜻한다.
PM₁₀ 관측 자료는 환경부 PM₁₀관측망이 더 장기간의 자료를 보유하고 있으나, 기상 자료와 연계해 분석하기 위해 기상청 서울 관측소의 자료를 이용했다. 연구에 사용된 목측 운량은 기상청 기상자료개방포털(data.kma.go.kr)에서, 계측 운량과 2010년 이후 PM₁₀ 관측자료는 기상청 URL-API(인터넷 URL을 이용한 자료제공 시스템; 203.247.66.28)에서 수집하였다.
98º)에서는 PM₁₀과 운량이 장기간 동안 관측되었다. 연구에 사용된 자료는 2010년 10월부터 2018년 12월까지의 기간에 관측된 시간평균 자료로, 결측 자료를 제외하면 총 38746시간 분량이다. PM₁₀ 관측 자료는 환경부 PM₁₀관측망이 더 장기간의 자료를 보유하고 있으나, 기상 자료와 연계해 분석하기 위해 기상청 서울 관측소의 자료를 이용했다.
Figure 1은 서울 관측소에서 수집한 목측과 계측 운량을 비교한 그림으로 계측 값이 목측 값보다 낮고, 두 값 사이의 상관관계가 낮음을 보여준다. 이는 상기한 관측 방식의 차이에서 기인한 것으로 보이며, 자료의 신뢰도를 고려하여 이 연구에서는 목측 관측자료를 이용했다.

성능/효과

본 연구에서 보인 통계적인 분석 자료를 종합해 보면, 한반도에서 관측된 고농도 미세먼지 사례는 구름 발달이 저해되는 기상조건에서 발생한 것으로 판단된다. 즉 인공강수를 통한 미세먼지 저감대책이 제한적일 수 있다.
이 연구에서 분석한 결과와 선행 연구의 결과를 종합해보면, PM₁₀ 농도가 높을 때 한반도의 종관기상장은 주로 습도가 낮고 하층 바람이 약하며, 고기압의 영향을 받는다고 결론지을 수 있다. 구름은 습윤한 공기가 단열상승하여 발달하기 때문에 이와 같은 조건하에서는 구름 발달이 어려운 것으로 여겨진다.
Figure 5는 액체와 고체물의 총량인 LWP와 IWP를 보여주는데 PM₁₀ 농도가 높아질수록 작아지는 경향을 보인다. 즉, PM₁₀ 농도가 높아질수록 구름이 발생하기 힘들 뿐만 아니라, 발생한 경우에도 물의 양이 적을 가능성이 높음을 시사한다. 인공적으로 강수를 시도해도 강수량은 구름이 포함하고 있는 물의 총량보다 많을 수 없다.

후속연구

미세먼지 농도가 높은 환경에서의 인공강수 실험이 성공적이라면 다른 어느 대책보다도 빠르고 확실한 대기질 개선 효과가 기대된다. 그러나 고농도 미세먼지 사례에 대한 인공강수 실험 성공 가능성에 관해서는 더 철저한 조사가 필요하다. 이 연구에서는 장기간의 구름 관측자료와 재분석장 자료, 문헌조사 등을 통해 미세먼지가 높을 때 인공강수의 가능성을 통계적인 관점에서 평가해 보았다.
이 연구에서 제시하는 결과는 다양한 사례를 개별적으로 분석한 것이 아니라, 약 10년간의 기상청 서울 관측소 자료에 대한 통계적 접근이다. 그러므로, 이러한 통계적 진단은 한반도 전 역에서의 인공강수를 통한 미세먼지 저감의 효율성을 정확히 판단하는 데에는 한계가 있을 것으로 사료된다. 따라서, 다양한 장소에서의 개별 사례에 대한 보 다 더 상세한 연구와 한반도 내의 구름에 대한 충분한 이해를 통해 한반도에서의 미세먼지 저감을 위한 인공강수 실험의 성공 조건 및 구체적인 방안을 제시할 수 있을 것으로 기대된다.
구름의 존재유무와 위치, LWP와 IWP 등의 구름물리 변수 등을 미리 파악할 수 있다면 전략 수립에 큰 이 점을 가져다 줄 수 있다. 따라서 구름위치와 움직임 파악에 용이한 구름레이더, LWP, IWP 등의 관측을 위한 마이크로파 라디오미터 등을 설치하고 적절하게 운용하는 것 역시 한반도 구름에 대한 이해 증진 및 인공강수의 성공률 향상에 매우 중요한 요소가 될 것이다.
그러므로, 이러한 통계적 진단은 한반도 전 역에서의 인공강수를 통한 미세먼지 저감의 효율성을 정확히 판단하는 데에는 한계가 있을 것으로 사료된다. 따라서, 다양한 장소에서의 개별 사례에 대한 보 다 더 상세한 연구와 한반도 내의 구름에 대한 충분한 이해를 통해 한반도에서의 미세먼지 저감을 위한 인공강수 실험의 성공 조건 및 구체적인 방안을 제시할 수 있을 것으로 기대된다.
기상청에서 도입한 기상항공기는 개별적인 구름 사례에 대한 집중적이고 상세한 자료를 제공할 수 있으므로, 인공강수 실험보다 앞서 상세한 구름관측을 통해 미세물리를 파악할 수 있는 중요한 역할을 수행할 수 있다. 마찬가지로, 인공위성이나 지상기반 원격탐사장비, 수치모형 실험 등을 통해 한반도 구름에 대한 이해를 증진시킬 수 있을 것으로 기대된다.
그러나 기상항공기 운영과 인공강수 실험은 많은 경험과 지식을 요구하는 만큼 실험을 수행한 것 자체를 큰 성과로 간주할 수 있을 것이다. 향후 인공강수 실험 경험 및 한반도 구름에 대한 심층적 이해도의 향상이 이루어진다면, 본 연구에서 제시한 통계적인 분석 결과와 달리, 인공강수 실험이 몇몇 개별적인 극심한 미세먼지 사례에 대해서는 효과적인 미세먼지 저감 대책이 될 수 있다는 가능성을 발견할 수도 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	고농도 미세먼지 사례 발생시의 능동적 대처방안은 무엇이 있는가?	고농도 미세먼지 사례 발생시의 능동적 대처방안으로는 인공강수를 통한 미세먼지 저감이 있다. 이 방법은 구름씨 살포를 통해 인공적으로 강수계를 발달시켜 비를 내리거나 강우강도를 증가시키는 방법이다.
	인공강수를 위한 필수적인 선결조건이 구름의 존재유무와 응결된 물의 양인 이유는 무엇인가?	(2008)은 구름씨 살포 유용성(seedability) 판단에 있어 응결된 물의 양이 필수적인 요소라고 언급한 바 있다. 이는 인공적으로 수증기를 공급하거나 기온을 낮춰 포화에 이르게 하는 것이 실질적으로 불가능하기 때문이다. 응결가능한 물의 양을 증가시킬 수도 없기 때문에, 구름이 존재하더라도 인공강수를 통해 내릴 수 있는 비의 양은 응결된 물의 양보다 많을 수 없다.
	계측 운량은 무엇인가?	운량은 운고계를 이용한 계측 값과 사람의 눈을 이용한 목측 값 두 자료를 모두 분석하였다. 계측 운량은 운고계로 주어진 시간동안 구름의 발생빈도를 측정하는 방식을 사용하므로 엄밀히 말하면 운량이 아니라 구름발생빈도를 측정하는 것이다. 계측은 무인관측이므로 시, 공간적 해상도가 높다는 장점이 있다.

참고문헌 (18)

Bruintjes, R. T., 1999: A review of cloud seeding experiments to enhance precipitation and some new prospects. Bull. Amer. Meteor. Soc., 80, 805-820.

상세보기
Buckeridge, D. L., R. Glazier, B. J. Harvey, M. Escobar, C. Amrhein, and J. Frank, 2002: Effect of motor vehicle emissions on respiratory health in an urban area. Environ. Health Perspect., 110, 293-300.

상세보기
Han, H., C. H. Jung, H. S. Kum, and Y. P. Kim, 2017: The revisit on the $PM_{10}$ reduction policy in Korea: focusing on policy target, tools and effect of 1st air quality management plan in Seoul Metropolitan Area. J. Environ. Policy Admin., 25, 49-79 (in Korean with English abstract).
Hashimoto, A., T. Kato, S. Hayashi, and M. Murakami, 2008: Seedability assessment for winter orographic snow clouds over the Echigo Mountains. Sci. Online Lett. Atmos., 4, 69-72.
Hur, S.-K., H.-R. Oh, C.-H. Ho, J. Kim, C.-K. Song, L.-S. Chang, and J.-B. Lee, 2016: Evaluating the predictability of $PM_{10}$ grades in Seoul, Korea using a neural network model based on synoptic patterns. Environ. Pollut., 218, 1324-1333, doi:10.1016/j.envpol.2016.08.090.

상세보기
Kim, C.-K., S. S. Yum, S.-N. Oh, J.-C. Nam, and K.-H. Chang, 2005: A Feasibility study of winter orographic cloud seeding experiments in the Korean peninsula. J. Kor. Meteor. Soc., 41, 997-1014 (in Korean with English abstract).
Kim, H. C., and Coauthors, 2017: Recent increase of surface particulate matter concentrations in the Seoul Metropolitan Area, Korea. Sci. Rep., 7, 4710, doi: 10.1038/s41598-017-05092-8.

상세보기
Lee, H.-J., Y. Jeong, S.-T. Kim, and W.-S. Lee, 2018: Atmospheric circulation patterns associated with particulate matter over South Korea and their future projection. J. Climate Change Res., 9, 423-433 (in Korean with English abstract).

상세보기
Lee, S., C.-H. Ho, and Y.-S. Choi, 2011: High- $PM_{10}$ concentration episodes in Seoul, Korea: Background sources and related meteorological conditions. Atmos. Environ., 45, 7240-7247, doi:10.1016/j.atmosenv.2011.08.071.

상세보기
ME, 2005: Metropolitan atmospheric environment management basic plan, Ministry of Environment of Korea, 80 pp (in Korean).
ME, 2013: The 2nd metropolitan atmospheric environment management basic plan, Ministry of Environment of Korea, 111 pp (in Korean).
ME, 2018: Annual atmospheric environment report 2017, Ministry of Environment of Korea, 80 pp (in Korean).
Mircea, M., S. Stefan, and S. Fuzzi, 2000: Precipitation scavenging coefficient: influence of measured aerosol and raindrop size distributions, Atmos. Environ., 34, 5169-5174.

상세보기
Norris, G., S. N. YoungPong, J. Q. Koenig, T. V. Larson, L. Sheppard, and J. W. Stout, 1999: An association between fine particles and asthma emergency department visits for children in Seattle. Environ. Health Perspect., 107, 489-493.

상세보기
Pino, P., T. Walter, M. Oyarzun, R. Villegas, and I. Romieu, 2004: Fine particulate matter and wheezing illnesses in the first year of life. Epidemiology, 15, 702-708.

상세보기
Pope 3rd, C. A., D. V. Bates, and M. E. Raizenne, 1995: Health effects of particulate air pollution: time for reassessment? Environ. Health Perspect., 103, 472-480.

상세보기
Seo, J.-H., E.-H. Ha, B.-E. Lee, H-S. Park, H. Kim, Y.-C. Hong, and O.-H. Yi, 2006: The Effect of $PM_{10}$ on Respiratory-related Admission in Seoul. J. Kor. Soc. Atmos. Environ., 22, 564-573 (in Korean with English abstract).
Zhang, L., and R. Vet, 2006: A review of current knowledge concerning size-dependent aerosol removal. China Part., 4, 272-282.

상세보기

이 논문을 인용한 문헌

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

서울에서의 미세먼지 저감을 위한 인공강수 가능성 진단
An Assessment of the Effectiveness of Cloud Seeding as a Measure of Air Quality Improvement in the Seoul Metropolitan Area 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (18)

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

서울에서의 미세먼지 저감을 위한 인공강수 가능성 진단 An Assessment of the Effectiveness of Cloud Seeding as a Measure of Air Quality Improvement in the Seoul Metropolitan Area 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (18)

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

서울에서의 미세먼지 저감을 위한 인공강수 가능성 진단
An Assessment of the Effectiveness of Cloud Seeding as a Measure of Air Quality Improvement in the Seoul Metropolitan Area 원문보기

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper