The Korean Meteorological Society
[ Article ]
Atmosphere - Vol. 30, No. 4, pp.439-454
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 31 Dec 2020
Received 11 Sep 2020 Revised 29 Sep 2020 Accepted 29 Sep 2020
DOI: https://doi.org/10.14191/Atmos.2020.30.4.439

SSP 시나리오에 따른 동아시아 대기질 미래 전망

심성보1), * ; 서정빈1) ; 권상훈1) ; 이재희1) ; 성현민1) ; 부경온2) ; 변영화1) ; 임윤진3) ; 김연희1)
1)기상청 국립기상과학원 미래기반연구부
2)기상청 국립기상과학원 현업운영개발부
3)기상청 수치모델링센터 수치모델개발과
Impact of Future Air Quality in East Asia under SSP Scenarios
Sungbo Shim1), * ; Jeongbyn Seo1) ; Sang-Hoon Kwon1) ; Jae-Hee Lee1) ; Hyun Min Sung1) ; Kyung-On Boo2) ; Young-Hwa Byun1) ; Yoon-Jin Lim3) ; Yeon-Hee Kim1)
1)Innovative Meteorological Research Department, National Institute of Meteorological Sciences, Korea Meteorological Administration, Jeju, Korea
2)Operation Systems Development Department, National Institute of Meteorological Sciences, Korea Meteorological Administration, Jeju, Korea
3)Numerical Model Development Division, Numerical Modeling Center, Korea Meteorological Administration, Seoul, Korea

Correspondence to: * Sungbo Shim, Innovative Meteorological Research Department, National Institute of Meteorological Sciences, 33 Seohobuk-ro, Seogwipo-si, Jeju 63568, Korea Phone: +82-64-780-6629, Fax: +82-64-738-9072 E-mail: sbshim82@korea.kr

Abstract

This study investigates the change in the fine particulate matter (PM2.5) concentration and World Health Organization (WHO) air quality index (AQI) in East Asia (EA) under Shared Socioeconomic Pathways (SSPs). AQI is an indicator of increasing levels about health concern, divided into six categories based on PM2.5 annual concentrations. Here, we utilized the ensemble results of UKESM1, the climate model operated in Met Office, UK, for the analysis of long-term variation during the historical (1950~2014) and future (2015~2100) period. The results show that the spatial distributions of simulated PM2.5 concentrations in present-day (1995~2014) are comparable to observations. It is found that most regions in EA exceeded the WHO air quality guideline except for Japan, Mongolia regions, and the far seas during the historical period. In future scenarios containing strong air quality (SSP1-2.6, SSP5-8.5) and medium air quality (SSP2-4.5) controls, PM2.5 concentrations are substantially reduced, resulting in significant improvement in AQI until the mid-21st century. On the other hand, the mild air pollution controls in SSP3-7.0 tend to lead poor AQI in China and Korea. This study also examines impact of increased in PM2.5 concentrations on downward shortwave energy at the surface. As a result, strong air pollution controls can improve air quality through reduced PM2.5 concentrations, but lead to an additional warming in both the near and mid-term future climate over EA.

Keywords:

SSP scenarios, PM2.5, air quality index, East Asia, UKESM1

1. 서 론

세계보건기구(World Health Organization, WHO)는 지름이 2.5 μm 이하인 에어로졸(PM2.5)에 장기간 노출되는 경우 천식, 만성기관지염 등의 호흡기 질환을 유발할 뿐만 아니라, 혈관에 흡수되어 심근경색, 뇌졸중 등 심뇌혈관질환에까지 영향을 줄 수 있다고 발표하였다(WHO, 2016). 또한 전세계 인구의 92% 이상이 이미 대기오염에 영향을 받고 있으며, 에어로졸로 인해 해마다 300만명 이상이 조기에 목숨을 잃고 있다고 경고 하고 있다. 우리나라의 경우 산업화 이후 크게 증가한 PM2.5 농도로 인해 중국과 함께 대기오염이 가장 심각한 국가 중 하나이며, 대책을 마련하지 않는다면 향후 OECD 회원국 중 에어로졸에 의한 조기사망률과 경제적 피해가 가장 클 것으로 전망하고 있다(OECD, 2016). 이에 환경부에서는 미세먼지 특별법에 따라 “미세먼지 관리 종합계획” 및 “고농도 시기 대응 특별 대책”을 수립하였으며, 서울을 포함한 수도권과 지자체 등에 에어로졸 감축 및 배출원에 대한 관리 방안 마련하기 위해 노력하고 있다(ME, 2019a, b). 환경부의 미세먼지 관리 종합계획에 따르면 산업, 수송, 발전, 뿐만 아니라 농업과 생활 부분에서 까지 에어로졸 감축을 단계별로 추진하여, 우리나라의 PM2.5 연평균 농도를 2016년 대비 35% 저감한 16 μg m-3 수준까지 낮추는 것이 주요 개선 목표이다.

이러한 상황 하에서 최근들어 우리나라 서울과 대도시 주변에서의 PM2.5 농도 및 영향을 파악하기 위한 다양한 연구들이 수행되어 왔다. 최근 연구에 의하면, 우리나라 수도권 지역의 PM2.5 농도는 정부의 감축 노력으로 2000년 이후 감소 경향에 있지만, 유럽이나 미국의 대도시와 비교했을때 여전히 매우 높은 수준인 것으로 나타났다(Hong et al., 2008; Han and Kim, 2015; Gong, 2016). 그리고 PM2.5 농도가 현재 수준으로 유지되는 경우에도 에어로졸에 의한 서울시 고령자의 조기사망자 수가 향후 10년 내 약 2,000명 이상 증가할 것으로 전망했다(Hwang, 2019). 하지만 선행 연구에서는 관측 자료만 이용해 통계적 분석을 수행하였기에, 에어로졸과 관련된 미래 배출량의 변화를 고려하지 못한다는 한계를 가지고 있다. 또한 우리나라의 PM2.5 농도는 국내 배출량 뿐만 아니라 중국에서 발생한 에어로졸의 장거리 이동에도 큰 영향을 받는 것으로 알려져 있다(Lee et al., 2013; Park et al., 2013; Koo et al., 2015). 따라서 PM2.5 농도 변화와 대기질 미래 전망을 이해하기 위해서는 우리나라, 중국, 일본 등 동아시아 전반에 대한 배출량 변화와 수송 과정을 고려해야 한다.

최근 대기화학과 에어로졸 상호작용에 대한 다양한 물리과정이 개선되어 기후모델에 결합됨에 따라, 기후모델을 통해 에어로졸의 농도 변화 및 대기질 영향을 살펴보려는 시도가 크게 증가하고 있다(Colette et al., 2011, 2012, 2013; Fiore et al., 2012; Tai et al., 2012; Chowdhury et al., 2018). 게다가 세계기후연구 프로그램(World Climate Research Programme, WCRP)은 결합모델간 상호비교 프로젝트(Coupled Model Intercomparison Project Phase 6, CMIP6) 추진을 통해, 기후변화 시나리오에 따른 에어로졸 배출의 불확실성과 미래 전망 등에 대한 다양한 연구 결과를 산출해 오고 있다(Allen et al., 2020; Griffiths et al., 2020; O’Connor et al., 2020; Turnock et al., 2020). 하지만 에어로졸은 온실가스와 다르게 생존시간이 짧아 시공간적인 분포의 차이가 크고 성분별 불확실성이 높음에도 불구하고, 선행 연구들이 대부분 전지구적인 영향에 초점이 맞춰져 있어 국내 적용을 위한 연구는 부족한 실정이다. 따라서 본 연구에서는 동아시아 에어로졸 농도와 대기질 미래 전망에 대한 보다 상세한 분석을 수행하고자 하였다.

국립기상과학원에서는 IPCC (Intergovernmental Panel on Climate Change) 제6차 평가보고서(The 6th Assessment Report: AR6) 및 국내 기후변화 정책 지원을 위해 사회경제구조의 변화를 반영한 새로운 기후변화 시나리오(Shared Socioeconomic Pathways, SSPs)를 산출하여 국내외 연구자들에게 제공하고 있다(Fig. 1). SSP는 IPCC AR6에 새롭게 도입된 개념으로써 사회경제변화를 기준으로 기후변화에 대한 완화와 노력에 따라 5개의 미래 시나리오로 이뤄져 있다. SSP1 (친환경 성장 발전)과 SSP5 (화석연료 의존 발전)는 빠르고 광범위하게 대기질 개선 정책을 실행하는 경로이며, 반면 SSP3 (기후변화 취약성장)과 SSP4 (양극화 성장)은 상대적으로 느린 대기질 개선을 가정한 시나리오를 의미한다(Table 1). SSP2 (중도성장 경로)의 경우 대기질 개선이 상당부분 실행되지만, SSP1과 SSP5 보다는 상대적으로 낮은 경우를 가정하고 있다. 본 연구는 이러한 SSP 시나리오를 기반으로 우리나라와 동아시아 지역의 에어로졸 농도의 미래 변화와 대기질 영향을 분석하였다. 현재 기후에 대한 모델의 PM2.5 모의 성능을 평가하였으며, SSP 시나리오에 따른 동아시아 지역의 PM2.5 미래 전망과 그와 관련된 대기질 지수를 산출하여 미래 변화를 살펴보았다. 본 연구의 2장에서는 사용된 기후 모델과 실험 자료 및 분석 방법을 제시하였다. 3장에서는 분석 자료에 대한 모의 성능 평가 및 기후변화 시나리오에 따른 에어로졸 농도와 대기질 영향에 대해 설명 하였으며, 4장은 요약 및 결론 순으로 정리하였다.

Fig. 1.

Five shared socioeconomic pathways (SSPs) representing different combinations of challenges to mitigation and to adaptation (Fig. 1 from O’Neill et al., 2017).

Shared Socioeconomic Pathways (SSP) air pollution control levels (Based on Reis et al., 2018).


2. 자료 및 방법

2.1 모델 자료

본 연구에서는 기후변화 시나리오에 따른 동아시아 대기질 미래 전망에 대한 이해를 위하여, 한영 협력을 통해 IPCC AR6에 공동으로 참여하고 있는 UKESM1 (UK’s Earth System Model version1) 기후 모델을 사용하였다(Sellar et al., 2019). 대기모델의 수평 해상도는 약 135 km (1.875o × 1.25o)이며 연직 레벨은 85층으로 이뤄져 있다. 이 모델은 에어로졸뿐만 아니라 메탄, 오존, 질소순환 등이 포함된 대기화학/에어로졸 과정(UKCA/GLOMAP-Mode)이 결합되어 있다. 또한 황산염, 검댕, 유기탄소 등 에어로졸 성분별 화학반응을 통해 대류권과 성층권에서의 에어로졸 크기별 질량 농도와 수농도를 예단할 수 있으며, 대기 상태에 따른 흡습성장, 구름응결핵 생성, 구름반응 등 선진화된 에어로졸 물리과정을 포함하고 있다(Mann et al., 2010; Mulcahy et al., 2018; Archibald et al., 2019).

분석 기간은 과거기후 모의실험 65년(1950~2014년)과 미래기후변화 전망실험 86년(2015~2100년)이며, 미래전망은 Table 2와 같이 CMIP6의 개별 프로젝트 중 하나인 ScenarioMIP의 실험 4종(SSP1-2.6, SSP2-4.5, SSP-3.70, and SSP5-8.5)과 AerChemMIP의 에어로졸 배출량 감축 실험 1종(SSP3-7.0-lowNTCF) 결과를 사용하였다(Eyring et al., 2016; O’Neill et al., 2017; Collins et al., 2017). 본 연구에서는 하나의 모델을 사용함으로써 발생하는 불확실성을 줄이기 위해 초기조건을 다르게 처방한 3개의 앙상블 평균값을 사용하였다. 분석에 사용된 모든 변수는 대기모델 최하층 고도의 연평균 값을 사용하였다.

List of UKESM1 experiments used in this study.

2.2 분석 방법

SSP 시나리오에 따른 동아시아 대기질 영향 분석을 위해 기후모델에서 산출된 성분별 에어로졸 질량농도를 이용하여 아래 식(1) (Fiore et al., 2012)과 같이 PM2.5를 계산하였다. 여기에서 BC (Black Carbon)는 검댕, OC (Organic Carbon)는 유기탄소, SO4는 황산염 성분의 에어로졸 질량 농도를 의미한다. 각 성분은 주로 미세 입자로 구성하고 있기 때문에 모든 질량을 반영하고 있으며, 광물성 입자인 DU (Dust)와 해염 입자인 SS (Sea Salt)와 같이 상대적으로 큰 에어로졸의 경우는 각각 10%와 25%의 질량만 반영하고 있다(Fiore et al., 2012; Silva et al., 2017). 본 연구에서는 동아시아(15-50oN, 110-145oE) 영역에 대해 각 앙상블 멤버의 연평균 PM2.5의 변화를 분석하였으며, 육지와 해양의 구분은 UKESM1의 지면 마스크 자료를 사용하였다(Fig. 2). 그리고 현재기후(1995~2014년)에 대한 기후모델의 에어로졸 모의 성능을 확인하기 위해 선행연구의 지상 관측된 PM2.5와 비교하였다(Table 3).

PM2.5=BC+OC+SO4+0.1xDU+0.25xSS(1) 
Fig. 2.

Domain area of East Asia (15-50oN, 110-145oE). The yellow color indicates land mask grid cells in UKESM1.

Annual mean PM2.5 concentrations at each observation site.

식(1)을 통해 계산된 연평균 PM2.5를 이용해 에어로졸에 의한 동아시아 대기오염 정도를 평가하기 위한 WHO의 대기질 가이드라인 기반으로 대기질 지수(AQI)를 산출하였다(Table 4). 이 대기질 지수는 해당 지역의 PM2.5 연평균 농도를 기반으로 ‘좋음(대기질 권고 기준 0~10 μg m-3)’, ‘보통(10~15 μg m-3)’, ‘민감한 사람의 경우 건강에 해로움(15~25 μg m-3)’, ‘건강에 해로움(25~35 μg m-3)’, ‘매우 건강에 해로움(35~53 μg m-3)’, ‘위험(53 μg m-3 이상)’과 같이 6단계로 나누어 대기질을 평가하고 있다. 대기질 지수가 높을 수록 호흡기 질환 등 건강상의 악영향을 받을 가능성이 크다는 의미이며, WHO 가이드라인에서는 연평균 PM2.5를 10 μg m-3 미만으로 유지하도록 권고하고 있다. 본 연구에서는 현재기후(1995~2014년) 뿐만 아니라 21세기 전반기(2021~2040년), 중반기(2041~2060년), 후반기(2081~2100년) 기간으로 나누어 PM2.5 및 AQI의 미래 전망을 계산하였다. 이를 통해 한반도 및 동아시아 대기오염 현황을 파악하고 SSP 시나리오에 따른 미래 대기질 변화를 이해하고자 하였다.

Air quality index (AQI) values used in this study.


3. 결 과

3.1 PM2.5 모의성능 평가 및 AQI 산출

먼저 현재기후(1995~2014년)에 대한 UKEMS1 모델의 PM2.5 농도 모의 성능에 대한 검증을 수행하기 위하여, 기후모델에서 산출된 동아시아 지역 연평균 PM2.5 농도를 우리나라, 중국, 일본의 대기오염 측정망 자료를 먼저 살펴보았다(Table 3). 우리나라의 관측 자료는 환경부 보고서와 국가통계포털에서 제공하는 연평균 PM2.5 농도를 사용하였다(ME, 2019a; KOSIS, 2020). 서울 지역의 경우 2001년부터 PM2.5 관측을 수행하고 있지만, 배경대기 관측소인 고산, 백령도, 울릉도의 경우 미세먼지 전국 측정을 시작한 2015년 이후 PM2.5 관측 자료가 존재 하기 때문에 분석 기간의 불일치에 의한 오차가 발생할 수 있다. 그리고 우리나라 주변 국가인 중국과 일본의 경우는 선행 연구에서 제시된 연평균 PM2.5 농도를 사용하여 비교하였다(Ikeda et al., 2014; Wang et al., 2015).

서울에서 관측된 연평균 PM2.5 농도는 29.1 μg m-3으로 고산, 안면도, 울릉도 에서 관측된 농도에 비해 약 1.5배 높게 나타났다. 또한 중국과 인접한 백령도와 고산의 경우 울릉도에 비해 상대적으로 높은 농도를 보였다. 미세먼지 배출이 전세계적으로 가장 심각한 중국의 경우 수도인 베이징과 정저우와 같은 대도시가 위치한 중부 내륙지역은 연평균 80 μg m-3 이상의 매우 높은 농도가 나타났으며, 중국 동부해안에 위치한 칭다오와 남부해안에 위치한 광저우시 지역에서도 40 μg m-3 이상의 상당히 높은 농도가 관측 되었다. 반면 일본의 경우 관측된 연평균 PM2.5 농도는 20 μg m-3 이하로 매우 낮았다.

기후모델에서 계산한 현재 기후에 대한 연평균 PM2.5 농도는 중국 대도시 주변 내륙에서 높은 농도가 나타났으며, 우리나라 수도권을 제외한 지역과 일본에서 낮은 농도를 보였다(Fig. 3a). 추가로 우리나라, 중국, 일본 지상관측망 20개소 지점에 대응하는 모델 격자에서의 PM2.5 농도를 비교하고 상관성 분석을 수행하였다(Fig. 3b). 전지구 기후모델의 넓은 수평해상도 때문에 직접적인 비교의 한계는 존재하지만, 전반적으로 모델에서 산출된 연평균 PM2.5 농도는 동아시아 지역의 관측 자료와 비교했을때 양의 상관성을 잘 나타내고 있다. 다만 중국 일부 지역에서 차이가 컸으며, 북경 주변인 랴오닝성, 히베이성, 산둥성 주변의 농도가 관측에 비해 다소 과소 모의하는 경향을 보였다.

Fig. 3.

(a) Spatial distribution of annual mean PM2.5 concentrations (unit: μg m-3) from the lowest model level in UKESM1 with observations overplotted in white circles for present-day. And (b) Scatter plot and regression line of annual mean PM2.5 concentration simulated and observed at twenty sites in Table 3 (bottom panel).

기후모델에서 산출된 현재기후의 연평균 PM2.5 농도를 이용해 동아시아 지역의 AQI를 계산하였다(Fig. 4). 진한 남색(Good)으로 표시된 영역이 WHO의 대기질 가이드라인의 기준을 충족하는 지역이다. 주요 배출지역으로부터 멀리 떨어져있는 몽골, 만주, 극동 러시아, 일본의 대부분 지역과 동해 및 먼바다에서 대기오염의 영향이 적은 것으로 나타났다. 우리나라의 경우 강원도, 전라도, 제주 및 동해를 제외한 근해에서는 보통 수준의 대기오염 정도를 보였다(파란색). 반면 인구가 집중되어 있는 수도권과 경남 지역에서의 대기오염 정도는 민감한 그룹의 경우 건강에 해로운 것으로 나타났다(청록색). 중국 대부분 지역은 에어로졸에 의한 대기오염이 건강에 해로운 수준으로 나타났다(청록색 및 녹색). 특히 주요 배출지역인 내륙에서는 건강에 매우 해로운 수준을 보였으며(주황색), 북경과 정저우시 등 대도시 주변의 대기오염은 건강에 위험한 수준인 것으로 모의 되었다(진한 빨간색). 현재기후의 대기오염 수준에 대한 이러한 분석결과는 WHO의 국가별 대기오염 노출과 건강에 미치는 영향에 대한 보고서 내용과 일치하였다(WHO, 2016).

Fig. 4.

Spatial distribution of WHO annual air quality index (AQI) from historical simulations for present-day (1995~2014). Classification of AQI values into six groups in Table 4 (i.e., [0] Good: dark blue, [1] Moderate: blue, [2] Unhealthy for sensitive groups: cyan, [3] Unhealthy: green, [4] Very unhealthy: orange, [5] Hazardous: dark red).

3.2 동아시아 PM2.5 미래 전망

동아시아 지역은 20세기 중반 이후 산업화가 본격적으로 이뤄짐에 따라 화석연료의 사용이 급격하게 늘었났으며, 온실가스 뿐만 아니라 황산염 및 검댕, 유기탄소와 같은 에어로졸 배출량 또한 크게 증가하고 있다(Shim et al., 2019). UKESM1 모델에서 산출된 과거 기후 모의 및 미래 전망 결과를 이용해 동아시아 육지 지역의 연평균 PM2.5 농도 변화 및 분석기간별 평균과 변동성을 살펴 보았다(Fig. 5). Figure 5에서 가로축의 파란색 점선은 각기 WHO의 가이드라인과 환경부의 통합대기환경지수에 따른 가이드라인을 나타낸 것으로, 우리나라의 대기질 가이드라인은 WHO 보다 다소 높은 연평균 PM2.5 농도 15 μg m-3을 기준으로 한다. Figure 5에서 검은색 실선으로 표현된 과거 기후 동안의 동아시아 연평균 PM2.5 농도는 1950년 이후로 지속적으로 증가하고 있으며, 현재 기후에서 우리나라 및 WHO 대기질 가이드라인을 크게 초과하고 있다.

Fig. 5.

The time variation and box plots of the annual mean PM2.5 concentrations (unit: μg m-3) over the land surface of East Asia in a given year and each historical and SSP simulations (PD, 1995~2014; NT, 2021~2040; MT, 2041~2060; LT, 2081~2100). The thick lines represent the ensemble mean, while the thin lines are the individual ensemble members. The WHO and Korea air quality guidelines are marked by the blue dotted horizontal lines.

본 연구에서는 SSP 시나리오에 따른 미래전망 실험 결과를 이용해 동아시아 PM2.5 농도 변화를 전망하였다. SSP1과 SSP5는 빠르고 광범위하게 대기질 개선 정책을 실행하는 것을 가정하고 있다(Table 1). 따라서 SSP1-2.6 및 SSP5-8.5 실험의 연평균 PM2.5 농도는 빠르게 감소하고 있으며 21세기 전반기에 우리나라 가이드라인 기준 이하로 낮아질 것으로 전망 되었다(Fig. 5). 친환경성장을 고려한 SSP1-2.6 실험에서는 이후 지속적으로 에어로졸 농도가 감소해서 21세기 중반 이후 WHO 가이드라인 기준에 충족하는 것으로 나타났다. 하지만 화석연료 사용이 높은 SSP5-8.5 실험에서는 21세기 전반기 이후 동아시아 PM2.5 농도의 감소 경향이 약해지면서, 우리나라 기준은 만족하고 있으나 WHO 가이드라인 기준 보다는 다소 높을 것으로 전망되었다. 화석연료 사용을 크게 줄이지 않고 대기질 개선을 위한 기술적인 노력만으로는 한계가 있는 것으로 판단된다.

SSP2 시나리오의 경우 대기질 개선 정책이 상당부분 실행되지만, SSP1과 SSP5 보다는 상대적으로 낮은 경우를 가정하고 있다. 따라서 SSP2-4.5 실험은 앞서 살펴본 SSP1-2.6과 SSP5-8.5 실험과 비교해서 21세기 초반에는 PM2.5 농도의 감소 속도는 느리지만, 지속적으로 농도가 감소하여 21세기 중반기에는 우리나라 대기질 가이드라인을 충족시키는 것으로 나타났다. 또한, 미래 후반기에는 WHO의 가이드라인을 충족할 수준까지 낮아질 것으로 전망되었다.

반면 SSP3 시나리오는 기후변화 적응 및 완화에 취약한 사회 성장을 고려한 경우로써 대기질 개선 정책의 시기가 늦어질 것으로 가정하고 있다. 따라서 SSP3-7.0 실험에서는 앞서 살펴본 다른 미래전망 실험과 달리 근미래의 PM2.5 농도가 오히려 증가하여, 21세기 전반기와 중반기의 동아시아 PM2.5 농도가 현재 대비 20% 이상 높아질 것으로 전망된다. 이후 대기질 개선 정책이 실행됨에 따라 감소 경향이 나타나고 있으나, 21세기 후반기인 먼미래에도 여전히 현재기후 수준의 높은 농도가 나타날 것으로 전망되었다. 마지막으로 SSP3-7.0-lowNTCF 실험 결과는 SSP3-7.0와 동일한 사회경제구조를 반영하고 있으나 강력한 대기질 개선 정책을 실행하는 경우를 가정하고 있다. SSP1, SSP2, SSP5 시나리오에 비해 상대적으로 높은 수준의 PM2.5 농도가 나타나고 있지만 지속적으로 감소 경향이 나타나고 있다. 21세기 중반기에는 SSP2-4.5 실험과 유사한 수준으로 농도가 낮아져, 우리나라 가이드라인 기준은 만족할 것으로 전망 되었다. 단, 해당 실험은 2060년까지만 산출하고 있기 때문에 먼미래의 분석에는 제외하였다.

3.3 동아시아 AQI 미래 전망

앞서 살펴본 바와 같이 SSP 시나리오에 따른 연평균 PM2.5 농도를 이용해 동아시아 AQI의 미래 전망을 살펴보았다(Fig. 6). 그림의 상단부터 아래로는 시나리오별 차이를 의미하며, 왼쪽부터 오른쪽으로는 21세기 전반기, 중반기, 후반기의 평균 대기질 지수를 보여주고 있다. 앞서 3.2장에서 살펴본 것과 마찬가지로 SSP3-7.0 실험를 제외하면 전반적으로 시간이 지남에 따라 동아시아 대기질이 크게 개선될 것으로 전망되었다.

Fig. 6.

Spatial distribution patterns of WHO annual air quality index (AQI) from historical simulations for SSP simulations in near-term (left panel), mid-term (middle panel), long-term (right panel). Classification of AQI values into six groups in Table 4 (i.e., [0] Good: dark blue, [1] Moderate: blue, [2] Unhealthy for sensitive groups: cyan, [3] Unhealthy: green, [4] Very unhealthy: orange, [5] Hazardous: dark red).

여전히 중국 내륙 일부 지역의 AQI는 건강에 해로운 수준을 보이고 있으나(녹색), 21세기 중반기 이후에는 민감한 그룹의 경우에만 건강에 해로운 수준(청록색)으로 개선될 것으로 나타났다. 우리나라의 경우에도 가까운 미래에는 현재기후와 유사한 수준의 AQI가 나타나고 있으나, 중반기 이후는 수도권을 제외한 대부분 지역이 WHO 대기질 가이드라인의 기준을 충족하는 것으로 전망되었다(진한 남색). 그리고 먼미래에는 수도권을 포함한 우리나라 모든 지역에서 WHO 대기질 기준을 만족할 수 있을 것으로 예상된다.

하지만 SSP3-7.0 시나리오의 경우 중국과 우리나라의 대기오염 수준이 21세기 중반까지 매우 심각해질 것으로 보인다. 중국의 경우 AQI가 건강에 매우 해로운 수준과 위험한 수준으로 나타난 지역이 각각 1.5배, 2배 이상 증가할 것으로 전망되었다. 우리나라의 경우에도 서울 및 수도권 지역의 AQI가 근미래에는 건강에 해로운 수준으로 한등급 상향되어, 현재기후에 비해 대기질이 악화될 것으로 예상된다. 또한 21세기 후반기가 되어야 현재기후와 유사한 수준의 AQI가 나타나는 등 중국과 우리나라 모두 PM2.5에 의한 대기오염의 영향이 지속될 것으로 전망되었다.

3.4 대기질 개선 정책에 따른 온난화 가속화

살펴본 바와 같이 동아시아 지역의 연평균 PM2.5 농도는 산업화 이후 현재까지 지속적으로 증가하고 있다(Fig. 5). 그런데 이러한 인위적인 에어로졸은 태양 복사를 직접적 산란, 흡수해 지면에 도달하는 태양 복사를 감소시키는 등 온실가스에 의한 온난화를 상쇄시키는 역할을 한다(Mitchell et al., 1995; Menon et al., 2002; Shim et al., 2019). 이러한 이유로 과거모의 실험의 동아시아 PM2.5 농도와 지면에 도달하는 맑은 하늘에서의 단파복사는 R2가 0.900로 높은 음의 상관관계가 나타났다(Fig. 7). 또한 동아시아 지역의 연평균 PM2.5 농도가 지속적으로 증가함에 따라 10W m-2 이상의 단파복사 감소 경향이 나타나고 있다. 앞서 SSP 시나리오의 분석 결과를 통해 SSP3-7.0을 제외하면 전반적으로 PM2.5 농도가 감소될 것으로 기대하고 있으므로, 향후 에어로졸에 의해 감소되었던 단파복사가 회복되면 전지구 및 지역 온난화를 가속화시킬 수 있다.

Fig. 7.

Scatter plot of simulated annual mean PM2.5 concentration and clear-sky surface downwelling shortwave flux from the late 20th century to present-day (1950~2014) over EA.

에어로졸 감축에 따른 잠재적 온난화 영향을 이해하기 위해, 지표면 단파복사와 기온에 대해 SSP3-7.0실험과 같은 조건에서 대기질 개선 정책을 적극적으로 시행하는 것을 가정한 SSP3-7.0-lowNTCF 실험의 차이를 살펴보았다(Table 5, Fig. 8). 두 실험의 차이는 강력한 대기질 개선 정책의 효과로 볼 수 있다. 21세기 전반기에 동아시아 지역에서 황산염 에어로졸의 선행물질인 이산화황과 검댕, 유기탄소 등 인위적 에어로졸의 배출이 줄어들면서 지면에 도달하는 단파복사가 약 3.02W m-2 증가하였으며 동아시아 기온을 0.17 K 증가시키는 것으로 나타났다(Figs. 8a, b). 이러한 단파복사의 변화는 대부분 맑은 하늘에서의 변화로부터 기인하고 있으며, 에어로졸의 산란 및 흡수와 관련된 에어로졸 광학두께 감소가 주요 원인으로 판단된다(Figs. 8c, d). 구름에 의한 단파복사 변화는 -0.19W m-2으로 감소 경향이 나타났으나, 맑은 하늘의 단파복사 변화에 비해 상대적으로 크지 않았으며 통계적으로도 유의미한 지역이 적었다(Figs. 8e, f).

Projected changes in surphur dioxide (SO2, unit: Tg[SO2]/year), black carbon (BC, unit: Tg[C]/year), organic carbon (OC, unit: Tg[C]/year) emissions, surface downwelling SW all-sky, clear-sky, cloud-sky (unit: W m-2) and surface air temperature (TAS, unit: K) over EA in near-term and mid-term under strong air quality controls from SSP3-7.0 scenarios. The numbers in the parenthesis are the standard deviation values.

Fig. 8.

Projected changes in the spatial pattern of surface downwelling (a) SW all-sky, (c) clear-sky, (e) cloudy-sky (left panel, unit: W m-2), (b) surface air temperature (unit: K), (d) aerosol optical depth at 550 nm and (f) total cloud amount (unit: %) in near-term period (2021~2040) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

21세기 중반기에는 이산화황, 검댕, 유기탄소의 배출이 가까운 미래에 비해 약 2배 이상 크게 감축되어, 맑은 하늘에서의 단파복사의 변화가 6.80W m-2으로 가까운 미래에 비해 두배 이상 증가할 것으로 전망되었다(Table 5, Fig. 9). 21세기 전반기와 유사하게 단파복사의 증가가 에어로졸의 광학두께 감소에 따른 맑은 하늘에서의 변화에 기인하고 있었다(Figs. 9c, d). 반면 동아시아 전반에서 구름량의 유의미한 증가 경향이 나타나(Fig. 9f), 구름에 의해 -2.48W m-2의 뚜렷한 복사 냉각이 나타나 지면에 도달하는 단파복사를 일부 상쇄시키는 것으로 보인다(Figs. 9a, e). 이러한 이유로 동아시아 기온의 변화는 0.18K으로 21세기 전반기와 유사한 수준의 온난화가 나타났다(Fig. 9b). 뿐만 아니라 대기질 개선에 따른 온난화 영향이 에어로졸 광학두께의 감소가 뚜렷한 중국과 인도 지역뿐만 아니라, 북반구 고위도에서 보다 높은 기온 증가 경향을 보이고 있었다(Figs. A1, A2). 따라서 기후변화에 대한 구체적인 대응 정책을 수립하기 위해서는, 온실가스 농도 변화뿐만 아니라 대기질 개선 정책의 효과로써 에어로졸 농도 감소에 따른 잠재적인 온난화 영향을 반드시 고려해야 한다.

Fig. 9.

Projected changes in the spatial pattern of surface downwelling (a) SW all-sky, (c) clear-sky, (e) cloudy-sky (left panel, unit: W m-2), (b) surface air temperature (unit: K), (d) aerosol optical depth at 550nm and (f) total cloud amount (unit: %) in mid-term period (2041~2060) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.


4. 요약 및 결론

본 연구는 IPCC AR6를 위해 새롭게 도입된 사회경제변화 경로인 SSP 시나리오를 기반으로 수행되었으며, 우리나라와 동아시아 지역의 미래 대기질 변화를 고찰하였다. UKESM1 기후모델을 이용해 과거모의 실험과 5가지의 미래전망 실험의 앙상블 자료를 산출하였으며, 동아시아 영역에 대한 연평균 PM2.5 농도와 AQI 대기질 지수의 변화를 살펴보았다. 기후모델이 모의한 현재기후의 PM2.5 농도는 지상 관측자료와 높은 상관성을 보였다. 주요 배출지역인 중국 내륙지역은 연평균 40 μg m-3 이상의 높은 농도가 모의되었으며, 우리나라 배경대기 관측소와 일본에서 낮은 농도를 보이는 등 관측 결과와 유사한 공간 분포를 보였다. 하지만 전반적으로 관측에 비해 약한 과소모의 경향이 있었으며 중국 지역에서 차이가 크게 나타났다. 그리고 모델에서 산출된 연평균 PM2.5 농도를 이용해 현재기후의 AQI를 계산하였다. 중국 대부분 지역에서 대기오염 수준이 건강에 매우 해로운 수준을 보였으며, 특히 북경과 정저우시 등 대도시 주변은 에어로졸에 의한 대기오염이 위험한 수준인 것으로 평가되었다. 우리나라 수도권 지역의 대기오염은 민감한 그룹의 경우 건강에 해로운 것으로 나타났으나, 그 외 지역에서는 보통 수준인 것으로 평가되었다. 몽골, 만주, 동해, 일본 및 먼바다 등 주요 배출원으로부터 멀리 떨어진 지역만 WHO의 대기질 가이드라인 기준을 만족하는 것으로 나타났다.

또한 다양한 기후 정책에 따른 대기질 변화를 예측하기 위해 SSP 시나리오별 PM2.5 농도와 AQI의 미래 전망에 대해 분석하였다. SSP3-7.0 시나리오를 제외하면 가까운 미래에 PM2.5 농도가 빠르게 줄어들면서 동아시아 대기오염 수준이 많이 개선될 것으로 기대된다. SSP1-2.6 시나리오에 따르면 중국 내륙을 제외한 대부분의 지역에서 WHO 대기질 가이드라인을 만족할 것으로 예상되었으며, SSP2-4.5와 SSP5-8.5 시나리오의 경우에도 PM2.5 농도가 감소함에 따라 우리나라 대기질 기준은 충족할 것으로 전망되었다. 반면 SSP3-7.0 시나리오에 따르면 PM2.5 농도가 21세기 중반까지 지속적으로 증가해 동아시아 지역의 대기오염 수준이 현재 보다 나빠질 것으로 예상된다. 특히 중국의 경우는 AQI가 건강에 매우 해로운 수준 및 위험한 수준의 지역이 크게 증가할 것으로 전망되었으며, 우리나라의 경우에도 수도권 지역의 AQI가 한등급 더 높아져 건강에 해로운 수준으로 악화될 것으로 전망 되었다. 추가로 대기질 정책을 적극적으로 시행하는 경우 발생할 수 있는 잠재적 온난화 영향에 대해 살펴보았다. 가까운 미래에 동아시아 에어로졸 농도가 감소한다면, 지면 단파복사가 증가해 동아시아 및 전지구 온난화에 기여할 것으로 분석되었다.

본 연구 결과는 CMIP6 참여 모델인 UKESM1 지구시스템모델을 이용하여 분석한 결과로써 모델의 내부 변동성에 대한 불확실성을 줄이고자 시나리오별 각각 3개의 앙상블 평균값을 이용하였다. 하지만 단일 모델을 사용한 분석 결과이기 때문에 모델이 가지고 있는 불확실성을 줄이기 위해서는 향후 다른 CMIP6 모델 자료와 상호 비교분석이 추가되어야 할 것이다. 그리고 UKESM1 기후모델에서 모의된 현재기후의 연평균 PM2.5 농도가 관측 자료에 비해 다소 과소모의 경향을 보이고 있기 때문에 미래전망 해석에 주의가 요구된다. 또한 본 연구에서는 대기오염 개선 정책에 따른 동아시아 온난화 영향에 대한 분석을 수행하였으나, 에어로졸 배출량 감소에 따른 지면 단파복사와 기온 증가 경향이 지역간 차이를 보이고 있었다. 따라서 향후 대규모 순환과 관련된 기온 이류 현상 및 구름상호작용에 대한 분석이 추가되어야 할 것으로 생각된다. 본 연구를 통해 도출된 동아시아 대기질 분석 결과는 기후정책에 따른 대기질 영향을 설명하고 있으며, 관계 부처 및 지자체의 미세먼지 관리와 대책 수립의 기초 자료로 활용될 수 있을 것으로 기대된다.

Acknowledgments

이 연구는 기상청 국립기상과학원 「기상업무지원기술개발연구」 “AR6 기후변화 시나리오 개발·평가(KMA2018-00321)”의 지원으로 수행되었습니다.

References

  • Allen, R. J., and Coauthors, 2020: Climate and air quality impacts due to mitigation of non-methane near-term climate forcers. Atmos. Chem. Phys., 20, 9641-9663. [https://doi.org/10.5194/acp-20-9641-2020]
  • Archibald, A. T., and Coauthors, 2019: Description and evaluation of the UKCA stratosphere-troposphere chemistry scheme (StratTrop vn 1.0) implemented in UKESM1. Geosci. Model Dev., 13, 1223-1266. [https://doi.org/10.5194/gmd-13-1223-2020]
  • Chowdhury, S., S. Dey, and K. R. Smith, 2018: Ambient PM2.5 exposure and expected premature mortality to 2100 in India under climate change scenarios. Nat. Commun., 9, 318. [https://doi.org/10.1038/s41467-017-02755-y]
  • Colette, A., and Coauthors, 2011: Air quality trends in Europe over the past decade: a first multi-model assessment. Atmos. Chem. Phys., 11, 11657-11678. [https://doi.org/10.5194/acp-11-11657-2011]
  • Colette, A., and Coauthors, 2012: Future air quality in Europe: a multi-model assessment of projected exposure to ozone. Atmos. Chem. Phys., 12, 10613-10630. [https://doi.org/10.5194/acp-12-10613-2012]
  • Colette, A., and Coauthors, 2013: European atmosphere in 2050, a regional air quality and climate perspective under CMIP5 scenarios. Atmos. Chem. Phys., 13, 7451-7471. [https://doi.org/10.5194/acp-13-7451-2013]
  • Collins, W. J., and Coauthors, 2017: AerChemMIP: quantifying the effects of chemistry and aerosols in CMIP6. Geosci. Model Dev., 10, 585-607. [https://doi.org/10.5194/gmd-10-585-2017]
  • Eyring, V., S. Bony, G. A. Meehl, C. A. Senior, B. Stevens, R. J. Stouffer, and K. E. Taylor, 2016: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geosci. Model Dev., 9, 1937-1958. [https://doi.org/10.5194/gmd-9-1937-2016]
  • Fiore, A. M., and Coauthors, 2012: Global air quality and climate. Chem. Soc. Rev., 41, 6663-6683.
  • Gong, S. Y., 2016: Characteristics and concentrations of fine particulate matter. In J. Yee, Eds., Korean Social Trends 2016, Statistics Research Institute, 256-261 (in Korean).
  • Griffiths, P. T., and Coauthors, 2020: Tropospheric ozone in CMIP6 Simulations. Atmos. Chem. Phys., in review.
  • Han, S. H., and Y. P. Kim, 2015: Long-term trends of the concentrations of mass and chemical composition in PM2.5 over Seoul. J. Korean Soc. Atmos. Environ., 31, 143-156 (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2015.31.2.143]
  • Hong, S. Y., J. J. Lee, J. Y. Lee, and Y. P. Kim, 2008: Comparison of the fine particle concentrations in Seoul and other foreign mega-cities. Par. Aerosol Res., 4, 1-7 (in Korean with English abstract).
  • Hwang, I. C., 2019: Health Effects of aging and fine particle matter. The Seoul Institute Policy Report, no. 287, 20 pp [Available online at https://www.si.re.kr/node/62784, ] (in Korean).
  • Ikeda, K., K. Yamaji, Y. Kanaya, F. Taketani, X. Pan, Y. Komazaki, J. Kurokawa, and T. Ohara, 2014: Sensitivity analysis of source regions to PM2.5 concentration at Fukue Island, Japan. J. Air Waste. Manage., 64, 445-452. [https://doi.org/10.1080/10962247.2013.845618]
  • Koo, Y.-S., D.-R. Choi, H.-Y. Kwon, Y.-K. Jang, and J.-S. Han, 2015: Improvement of PM10 prediction in East Asia using inverse modeling. Atmos. Environ., 106, 318-328. [https://doi.org/10.1016/j.atmosenv.2015.02.004]
  • KOSIS, 2020: Degree of air pollution by measurement network data download. Accessed July 20, 2020. Korean Statistical Information Service [Available online at http://kosis.kr/, ].
  • Lee, S., C.-H. Ho, Y. G. Lee, H.-J. Choi, and C.-K. Song, 2013: Influence of trasboundary air pollutants from China on the high-PM10 episode in Seoul, Korea for the period October 16-20, 2008. Atmos. Environ., 77, 430-439. [https://doi.org/10.1016/j.atmosenv.2013.05.006]
  • Mann, G. W., K. S. Carslaw, D. V. Spracklen, D. A. Ridley, P. T. Manktelow, M. P. Chipperfied, S. J. Pickering, and C. E. Johnson, 2010: Description and evaluation of GLOMAP-mode: a modal global aerosol microphysics model for the UKCA composition-climate model. Geosci. Model Dev., 3, 519-551. [https://doi.org/10.5194/gmd-3-519-2010]
  • ME, 2019a: Ministry of Environment comprehensive plan for managing particulate matter (2020~2024). Ministry of Environment Report, 92 pp (in Korean).
  • ME, 2019b: Special countermeasures against high particulate matter concentration episodes. Ministry of Environment Report, 19 pp (in Korean).
  • Menon, S., J. Hansen, L. Nazarenko, and Y. Luo, 2002: Climate effects of black carbon aerosols in China and India. Science, 297, 2250-2253. [https://doi.org/10.1126/science.1075159]
  • Mitchell, J. F. B., T. C. Johns, J. M. Gregory, and S. F. B. Tett, 1995: Climate response to increasing levels of greenhouse gases and sulphate aerosols. Nature, 376, 501-504. [https://doi.org/10.1038/376501a0]
  • Mulcahy, J. P., and Coauthors, 2018: Improved aerosol processes and effective radiative forcing in HadGEM3 and UKESM1. J. Adv. Modeling Earth Sys., 10, 2786-2805. [https://doi.org/10.1029/2018MS001464]
  • O'Connor, F. M., and Coauthors, 2020: Assessment of preindustrial to present-day anthropogenic climate forcing in UKESM1. Atmos. Chem. Phys., in review.
  • OECD, 2016: The Economic Consequences of Outdoor Air Pollution. OECD, 115 pp.
  • O’Neill, B. C., and Coauthors, 2017: The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century. Global Environ. Change, 42, 169-180. [https://doi.org/10.1016/j.gloenvcha.2015.01.004]
  • Park, S.-S., S.-A. Jung, B.-J. Gong, S.-Y. Cho, and S.-J. Lee, 2013: Characteristics of PM2.5 haze episodes revealed by highly time-resolved measurements at an air pollution monitoring supersite in Korea. Aerosol Air Qual. Res., 13, 957-976. [https://doi.org/10.4209/aaqr.2012.07.0184]
  • Reis, L. A., L. Drouet, R. V. Dingenen, and J. Emmerling, 2018: Future global air quality indices under different socioeconomic and climate assumptions. Sustainability, 10, 3645. [https://doi.org/10.3390/su10103645]
  • Sellar, A. A., and Coauthors, 2019: UKESM1: Description and evaluation of the U.K. Earth System Model. J. Adv. Modeling Earth Sys., 11, 4513-4558.
  • Shim, S., J. Kim, S. S. Yum, H. Lee, K.-O. Boo, and Y.-H. Byun, 2019: Effects of anthropogenic and natural forcings on the summer temperature variations in East Asia during the 20th century. Atmosphere, 10, 690. [https://doi.org/10.3390/atmos10110690]
  • Silva, R. A., and Coauthors, 2017: Future global mortality from changes in air pollution attributable to climate change. Nat. Clim. Change, 7, 647-651. [https://doi.org/10.1038/nclimate3354]
  • Tai, A. P. K., L. J. Mickley, and D. J. Jacob, 2012: Impact of 2000-2050 climate change on fine particulate matter (PM2.5) air quality inferred from a multi-model analysis of meteorological modes. Atmos. Chem. Phys., 12, 11329-11337. [https://doi.org/10.5194/acp-12-11329-2012]
  • Turnock, S. T., and Coauthors, 2020: Historical and future changes in air pollutants from CMIP6 models. Atmos. Chem. Phys., in review.
  • Wang Y. Q., X. Y. Zhang, J. Y. Sun, X. C. Zhang, H. Z. Che, and Y. Li, 2015: Spatial and temporal variations of the concentrations of PM10, PM2.5 and PM1 in China. Atmos. Chem. Phys., 15, 13585-13598. [https://doi.org/10.5194/acp-15-13585-2015]
  • WHO, 2016: Burden of disease from ambient and household air pollution. Accessed August 2, 2020 [Available online at https://who.int/phe/health_topics/outdoorair/databases/en/, ].

Appendix

Appendix

Fig. A1.

Projected changes in the global pattern of surface downwelling SW all-sky, clear-sky, cloudy-sky [left panel A1 (a), (c), (e), unit: W m-2], surface air temperature [A1 (b), unit: K], aerosol optical depth at 550 nm [A1 (d)] and total cloud amount [A1 (f), unit: %] in near-term period (2021~2040) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

Fig. A2.

Projected changes in the global pattern of surface downwelling SW all-sky, clear-sky, cloudy-sky [left panel A2 (a), (c), (e), unit: W m-2], surface air temperature [A2 (b), unit: K], aerosol optical depth at 550 nm [A2 (d)] and total cloud amount [A2 (f), unit: %] in mid-term period (2041~2060) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

Fig. 1.

Fig. 1.
Five shared socioeconomic pathways (SSPs) representing different combinations of challenges to mitigation and to adaptation (Fig. 1 from O’Neill et al., 2017).

Fig. 2.

Fig. 2.
Domain area of East Asia (15-50oN, 110-145oE). The yellow color indicates land mask grid cells in UKESM1.

Fig. 3.

Fig. 3.
(a) Spatial distribution of annual mean PM2.5 concentrations (unit: μg m-3) from the lowest model level in UKESM1 with observations overplotted in white circles for present-day. And (b) Scatter plot and regression line of annual mean PM2.5 concentration simulated and observed at twenty sites in Table 3 (bottom panel).

Fig. 4.

Fig. 4.
Spatial distribution of WHO annual air quality index (AQI) from historical simulations for present-day (1995~2014). Classification of AQI values into six groups in Table 4 (i.e., [0] Good: dark blue, [1] Moderate: blue, [2] Unhealthy for sensitive groups: cyan, [3] Unhealthy: green, [4] Very unhealthy: orange, [5] Hazardous: dark red).

Fig. 5.

Fig. 5.
The time variation and box plots of the annual mean PM2.5 concentrations (unit: μg m-3) over the land surface of East Asia in a given year and each historical and SSP simulations (PD, 1995~2014; NT, 2021~2040; MT, 2041~2060; LT, 2081~2100). The thick lines represent the ensemble mean, while the thin lines are the individual ensemble members. The WHO and Korea air quality guidelines are marked by the blue dotted horizontal lines.

Fig. 6.

Fig. 6.
Spatial distribution patterns of WHO annual air quality index (AQI) from historical simulations for SSP simulations in near-term (left panel), mid-term (middle panel), long-term (right panel). Classification of AQI values into six groups in Table 4 (i.e., [0] Good: dark blue, [1] Moderate: blue, [2] Unhealthy for sensitive groups: cyan, [3] Unhealthy: green, [4] Very unhealthy: orange, [5] Hazardous: dark red).

Fig. 7.

Fig. 7.
Scatter plot of simulated annual mean PM2.5 concentration and clear-sky surface downwelling shortwave flux from the late 20th century to present-day (1950~2014) over EA.

Fig. 8.

Fig. 8.
Projected changes in the spatial pattern of surface downwelling (a) SW all-sky, (c) clear-sky, (e) cloudy-sky (left panel, unit: W m-2), (b) surface air temperature (unit: K), (d) aerosol optical depth at 550 nm and (f) total cloud amount (unit: %) in near-term period (2021~2040) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

Fig. 9.

Fig. 9.
Projected changes in the spatial pattern of surface downwelling (a) SW all-sky, (c) clear-sky, (e) cloudy-sky (left panel, unit: W m-2), (b) surface air temperature (unit: K), (d) aerosol optical depth at 550nm and (f) total cloud amount (unit: %) in mid-term period (2041~2060) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

Fig. A1.

Fig. A1.
Projected changes in the global pattern of surface downwelling SW all-sky, clear-sky, cloudy-sky [left panel A1 (a), (c), (e), unit: W m-2], surface air temperature [A1 (b), unit: K], aerosol optical depth at 550 nm [A1 (d)] and total cloud amount [A1 (f), unit: %] in near-term period (2021~2040) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

Fig. A2.

Fig. A2.
Projected changes in the global pattern of surface downwelling SW all-sky, clear-sky, cloudy-sky [left panel A2 (a), (c), (e), unit: W m-2], surface air temperature [A2 (b), unit: K], aerosol optical depth at 550 nm [A2 (d)] and total cloud amount [A2 (f), unit: %] in mid-term period (2041~2060) under strong air quality controls from SSP3-7.0 scenarios. The dotted area indicates that the differences between SSP3-7.0-lowNTCF and SSP3-7.0 are statistically significance at the 5% level.

Table 1.

Shared Socioeconomic Pathways (SSP) air pollution control levels (Based on Reis et al., 2018).

SSP scenarios Emission factors
SSP1 and SSP5 Strong decrease (The widest and fastest deployment of air pollution controls)
SSP2 Medium decrease (Significant advancement in pollution control, yet less than in SSP1 and SSP5)
SSP3 and SSP4 Weak decrease (The slowest implementation of air pollution controls)

Table 2.

List of UKESM1 experiments used in this study.

Experiment Information
Historical
(1850~2014)
Spans the period of extensive instrumental temperature measurements from 1850 to the present. Evaluate model performance against present climate and observed climate change.
SSP1-2.6
(2015~2100)
The scenario represents the low end of the range of plausible future pathways. The scenario depicts the “best case” future from the sustainability perspective.
SSP2-4.5
(2015~2100)
The scenario represents the medium part of the range of plausible future pathways.
SSP3-7.0
(2015~2100)
The scenario represents the medium to high end of plausible future pathways.
SSP3-7.0-lowNTCF
(2015~2060)
SSP-based RCP scenario following approximately RCP7.0 global forcing pathway but with reduced Near Term Climate Forcer (NTCF) emissions. SSP3 socioeconomic conditions.
SSP5-8.5
(2015~2100)
The scenario represents the high end of plausible future pathways. SSP5 is the only SSP with emissions high enough to produce the 8.5 W m-2 level of forcing in 2100.

Table 3.

Annual mean PM2.5 concentrations at each observation site.

Location (oN, oE) PM2.5 (μg m-3) Periods Reference
1. Seoul (several locations) 29.1 2001 to 2014 ME, 2019a
2. Baengnyeondo (37.97, 124.63) 20.9 2015 to 2019 KOSIS, 2020
3. Ulleungdo (37.48, 130.90) 16.9
4. Gosan (33.29, 126.16) 20.1
5. Gucheng (39.13, 115.80) 89.7 2006 to 2014 Wang et al., 2015
6. Zhengzhou (34.78, 113.68) 84.8
7. Changde (29.17, 111.71) 59.5
8. Jinsha (29.63, 114.20) 33.6
9. Lushan (29.57, 115.99) 37.8
10. Panyu (23.00, 113.35) 44.5
11. Chifeng (42.27, 118.97) 42.4 2007 to 2014
12. Funshun (41.88, 123.95) 50.1
13. Dangdong (40.05, 124.33) 45.6
14. Qingdao (36.07, 120.33) 47.3
15. Erlianhaote (43.65, 111.97) 22.0
16. Dongtan (31.50, 121.80) 27.4 2009 to 2014
17. Fukue (32.75, 128.68) 18.0 2010 Ikeda et al., 2014
18. Oki (36.28, 133.18) 12.0
19. Nonodake (38.55, 141.17) 11.5
20. Rishiri (45.11, 141.20) 8.6

Table 4.

Air quality index (AQI) values used in this study.

Air Quality Index Annual PM2.5 conc.
[0] Good (Air quality guideline) 0~10 μg m-3
[1] Moderate (Intermediate target – 1) 10~15 μg m-3
[2] Unhealthy for sensitive groups (Intermediate target – 2) 15~25 μg m-3
[3] Unhealthy (Intermediate target – 3) 25~35 μg m-3
[4] Very unhealthy (Over target) 35~53 μg m-3
[5] Hazardous (Significantly over target) > 53 μg m-3

Table 5.

Projected changes in surphur dioxide (SO2, unit: Tg[SO2]/year), black carbon (BC, unit: Tg[C]/year), organic carbon (OC, unit: Tg[C]/year) emissions, surface downwelling SW all-sky, clear-sky, cloud-sky (unit: W m-2) and surface air temperature (TAS, unit: K) over EA in near-term and mid-term under strong air quality controls from SSP3-7.0 scenarios. The numbers in the parenthesis are the standard deviation values.

SSP3-7.0-lowNTCF minus SSP3-7.0 over East Asia
SO2
Tg[SO2]/y
BC
Tg[C]/y
OC
Tg[C]/y
SW all
W m-2
SW clear
W m-2
SW cloud
W m-2
TAS
K
Near-term
(2021~2040)
-3.95
(1.30)
-0.74
(0.30)
-1.55
(0.63)
+3.02
(1.74)
+3.21
(1.38)
-0.19
(1.43)
+0.17
(0.23)
Mid-term
(2041~2060)
-7.01
(0.60)
-1.42
(0.08)
-3.02
(0.18)
+4.32
(1.76)
+6.80
(0.73)
-2.48
(1.66)
+0.18
(0.28)