The Korean Meteorological Society
[ Article ]
Atmosphere - Vol. 33, No. 5, pp.549-560
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Nov 2023
Received 04 Nov 2023 Revised 15 Nov 2023 Accepted 21 Nov 2023
DOI: https://doi.org/10.14191/Atmos.2023.33.5.549

대기 중 온실가스 농도 관측 장비 성능 비교 검증

박채린1) ; 정수종1), * ; 정승현2) ; 이정일3) ; 김인선4) ; 임철수4)
1)서울대학교 환경계획학과
2)한국화학융합시험연구원
3)서경대학교 환경화학공학과
4)국립환경과학원
Assessment of Atmospheric Greenhouse Gas Concentration Equipment Performance
Chaerin Park1) ; Sujong Jeong1), * ; Seung-Hyun Jeong2) ; Jeong-il Lee3) ; Insun Kim4) ; Cheol-Soo Lim4)
1)Department of Environmental Planning, Graduate School of Environmental Studies, Seoul National University, Seoul, Korea
2)Korea Testing & Research Institute, Gyeonggi-do, Korea
3)Department of Environmental and Chemical Engineering, SeoKyeong University, Seoul, Korea
4)National Institute of Environmental Research, Incheon, Korea

Correspondence to: *Sujong Jeong, Graduate School of Environmental Studies, Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Korea. Phone: +82-2-880-5664, Fax: +82-2-883-5620 E-mail: sujong@snu.ac.kr

Abstract

This study evaluates three distinct observation methods, CRDS, OA-ICOS, and OF-CEAS, in greenhouse gas monitoring equipment for atmospheric CO2 and CH4 concentrations. The assessment encompasses fundamental performance, high-concentration measurement accuracy, calibration methods, and the impact of atmospheric humidity on measurement accuracy. Results indicate that within a range of approximately 500 ppm, all three devices demonstrate high accuracy and linearity. However, beyond 1000 ppm, CO2 accuracy sharply declines (84%), emphasizing the need for caution when interpreting high-concentration CO2 data. An analysis of calibration methods reveals that both CO2 and CH4 measurements achieve high accuracy and linearity through 1-point calibration, suggesting that multi-point calibration is not imperative for precision. In dynamic atmospheric conditions with significant CO2 and CH4 concentration variations, a 1-point calibration suffices for reliable data (99% accuracy). The evaluation of humidity impact demonstrates that humidity removal devices significantly reduce air moisture levels, yet this has a negligible effect on dry CO2 concentrations (less than 0.5% relative error). All three observation method instruments, which have integrated humidity correction to calculate dry CO2 concentrations, exhibit minor sensitivity to humidity removal devices, implying that additional removal devices may not be essential. Consequently, this study offers valuable insights for comparing data from different measurement devices and provides crucial information to consider in the operation of monitoring sites.

Keywords:

CO2, CH4, Ground observation, Observation instrument

1. 서 론

화석연료 사용으로 인한 탄소 배출로 인해 전 지구 평균 이산화탄소(CO2) 농도가 지속적으로 증가하여 2013년 전 지구 평균 CO2 농도가 처음으로 400 ppm을 초과 하였다(Friedlingstein et al., 2019). 인간 활동으로 인해 증가한 대기 중 CO2 농도는 기후 변화를 야기시켰고, 최근 폭염 폭우와 같은 이상기후 현상의 발생 빈도와 강도를 증가시키고 있다(Coumou and Rahmstorf, 2012; Stocker, 2014). 화석연료 사용으로 인한 기후변화가 가속화됨에 따라 전 세계 주요 국가들을 중심으로 탄소 중립을 선언하며 인간 활동으로 인한 탄소 배출을 줄이기 위한 노력이 수행되고 있다(Chen et al., 2022).

특히, 국가 내 온실가스 배출 특성을 실시간으로 파악하고 효과적인 배출량 감축 정책 개발 및 이행 평가를 위해 국가별로 온실가스 배출이 발생하는 일반 대기를 대상으로 한 대기 중 온실가스 농도 관측 네트워크 구축이 활발히 수행되고 있다(Moore and Jacobson, 2015; Pan et al., 2016; Verhulst et al., 2017; Gao et al., 2018; Xueref-Remy et al., 2018). 미국 솔트레이크 시티, 보스턴, 로스앤젤레스에서는 트램, 모바일 관측 차량, 지상 측정소에서 일반 대기에서의 온실가스 농도를 측정 함으로써 지역별 온실가스 변동 특성 및 원인을 파악하고 있다(Hutyra et al., 2011; McKain et al., 2012; Verhulst et al., 2017). 또한, 미국 샌프란시스코에서는 저가형 장비를 활용한 고해상도(~2 km) 온실가스 관측 네트워크를 구축하여 지역 내 상세한 대기 중 온실가스 농도 변동 특성을 실시간으로 평가하고 있다(Shusterman et al., 2016). 프랑스 파리에서는 타워 및 지상 측정소를 구축하여 온실가스 배출이 발생하는 일반 대기에서의 수평 및 수직적인 농도 변화 특성을 동시에 관측하고 있다(Xueref-Remy et al., 2018). 전 세계에서 가장 많은 탄소를 배출하는 것으로 알려진 아시아 지역에서도 최근 들어 주요 국가를 중심으로 한 온실가스 관측 네트워크 구축이 수행되고 있다(Pan et al., 2016; Gao et al., 2018; Nangini et al., 2019; Park et al., 2020, 2022a).

중국 상하이, 난징에서는 도시 지역을 중심으로 온실가스 측정소를 구축하여 도시 내 탄소 배출 특성을 파악하고 있으며, 일본 삿포로, 오사카, 도쿄에서도 도시 내부 측정소와 외곽 지역에 위치한 측정소를 비교함으로써 도시 내부의 온실가스 배출 특성을 평가하고 있다(Miyaoka et al., 2007; Pan et al., 2016; Gao et al., 2018; Sugawara et al., 2021; Takano and Ueyama, 2021). 한국에서도 2018년부터 서울을 중심으로 대기 중 온실가스 농도 관측 네트워크 구축이 시작되어 실시간 온실가스 농도 관측이 수행되고 있다(Park et al., 2020, 2021, 2022a).

하지만, 최근 국가별로 구축되고 있는 온실가스 측정소들은 각 국가, 도시, 측정소 별로 서로 다른 관측 장비를 채택하여 운영하고 있기 때문에 서로 다른 측정소 간 자료 비교, 일관성 있는 자료 구축 등에는 한계가 있다. 이러한 한계를 극복하기 위해서는 각 측정소에서 사용되고 있는 관측 장비 간 성능 비교를 통한 장비별 특성 및 관측 정확도 평가가 선행되어야하는 상황이다. 이를 위해 본 연구에서는 최근 온실가스 농도 관측에 활용되고 있는 주요 측정 원리별 대표 장비 간 성능 비교를 통해 각 장비들의 관측 성능 및 정확도를 평가하고자 한다.


2. 연구 방법

2.1 장비 구성 및 원리

본 연구에서는 3개의 주요 대기 중 온실가스 농도 측정 원리, 비축형-공동적분투과분광법(Off-Axis Integrated Cavity Output Spectroscopy, OA-ICOS), 공동감쇠분광법(Cavity Ring-Down Spectroscopy, CRDS), 광학피드백-공동강화흡수분광법(Optical Feedback - Cavity Enhanced Absorption Spectroscopy, OF-CEAS)의 대표 제조사 장비를 사용하여 장비별 성능 평가를 수행하였다. 평가의 정확도를 향상하기 위해 각 제조사 장비를 각각 2대씩 연구에 사용하였으며 해당 장비들에 대한 정보는 Table 1과 같다.

Information on atmospheric greenhouse gas concentration measurement equipment by observation method.

2.1.1 비축형-공동적분투과분광법(Off-Axis Integrated Cavity Output Spectroscopy, OA-ICOS)

단일 파장 관원이 공동(cavity) 안으로 공동 축에 대해 기울어져 들어간 후 관원은 공동 안 반사판 사이에서 앞뒤로 반사된다. 조사된 광원이 관측 대상 물질에 의해 흡수됨에 따라 광원의 에너지는 감쇠한다. 감쇠 속도는 광학 공동의 손실 및 공동 내 매체의 흡수와 관련이 있다. 관원의 에너지 감쇠율을 기준으로 대상물질의 농도를 정량화하는 방법이다. 본 연구에서는 OA-ICOS 원리를 사용하는 대표 장비인 ABB-LGR사의 GLA331-GGA 장비를 사용하였다(GLA331-GGA, ABB-LGR Inc., Zürich, Switzerland).

2.1.2 공동감쇠분광법(Cavity Ring-Down Spectroscopy, CRDS)

단일 파장 광원이 공동에 들어간 후 관원은 공동안 반사판 사이에서 반사된다. 조사된 광원이 차단되면 광원의 에너지는 시간이 지남에 따라 감쇠되어 최종적으로 소멸한다. 소멸하기까지 걸리는 시간을 측정하여 광원의 에너지 감쇠율을 기준으로 대상물질의 농도를 정량화하는 방법이다. 본 연구에서는 CRDS 원리를 사용하는 대표 장비인 PICARRO사의 G2301 장비를 사용하였다(G2301, Picarro Inc., Santa Clara, CA, USA).

2.1.3 광학피드백-공동강화흡수분광법(Optical Feedback - Cavity Enhanced Absorption Spectroscopy, OF-CEAS)

공동에 조사된 광원이 대상 물질에 의해 흡수됨에 따라 광원의 신호는 감쇠되고 감쇠된 신호의 흡수 스펙트럼 분석을 통해 대상물질의 농도를 정량화하는 방법이다. 광원부에서 조사된 빛은 압력 제어부에 의해 일정한 압력 조건이 유지된 공동안으로 조사된다. 이후 빛은 공동 안 반사판 사이에서 앞뒤로 반사되면서 광학 경로(Optical Path)가 확장되는 효과를 갖게 된다. 확장된 광학 경로는 빛에 대한 측정 감도를 향상시킨다. 본 연구에서는 OF-CEAS 원리를 사용하는 대표 장비인 LI-COR사의 LI-7815, LI-7810 장비를 사용하였다(LI-7815, Licor Inc., Lincoln, NE, USA; LI-7810, Licor Inc., Lincoln, NE, USA).

2.2 장비 성능 평가 항목 및 평가 방법

본 연구의 온실가스 장비 성능 평가는 주요 온실가스인 CO2와 메탄(CH4)을 대상으로 수행하였다. 장비 성능은 잡신호, 응답시간, 직선성 항목을 포함하는 기초 성능, 고농도 측정에 대한 정확도, 장비 교정 방식에 따른 정확도, 대기 중 수분에 따른 정확도 평가를 수행 하였으며 각 평가 방법은 다음과 같다. 아래 모든 평가 방법은 충분히 안정화된 장비에 제로 및 스팬 교정을 실시한 뒤 수행하였으며, 본 연구에서는 한국표준과학연구원에서 제조한 제로 가스와 air-balanced CO2 및 CH4 스팬가스를 사용하였다.

2.2.1 기초 성능

본 연구에서는 각 측정 원리별 장비 기초 성능 비교를 위해 잡신호, 응답시간, 직선성에 대한 분석을 수행하였다. 잡신호는 도입 가스에 의한 농도 변화가 없는 상태에서 평균 출력량에 대한 장비 자체의 잡신호에 의한 단기간 출력 드리프트를 의미한다. 충분히 안정화된 장비에 제로가스를 주입하여 3분 간격으로 20개의 지시 값을 기록하여 잡신호 표준편차를 구하였다.

응답시간은 충분히 안정화된 장비에 제로가스를 주입하여 측정값이 안정된 후 스팬가스를 주입하여 최종 지시 값의 90%에 도달하기까지의 시간을 측정하여 산출하였다.

직선성 평가를 위해 먼저 충분히 안정화된 장비에 장비 측정 범위의 30%, 50~60%, 90~100% 농도에 해당하는 표준 가스를 차례로 주입하여 지시 값을 기록한다. 표준 가스 농도 값과 측정값의 편차를 각각 구하여 가장 큰 값을 해당 표준 가스 농도의 편차로 산정한다. 본 연구에서는 369.0, 409.9, 435.0, 504.7, 1175 ppm의 CO2 표준 가스 및 2040, 2190, 2410, 2630, 3050 ppb의 CH4 표준 가스를 기준으로 평가하였다.

2.2.2 고농도 CO2 측정에 대한 정확도

충분히 안정화된 장비에 장비 측정범위의 30%, 50~60%, 90~100% 농도에 해당하는 표준 가스를 차례로 주입하여 지시값을 기록한다. 해당 과정을 5회 반복하여 표준가스 농도와 지시값 사이의 편차를 기준으로 정확도를 평가한다. 본 연구에서는 369.0, 409.9, 435.0, 504.7, 1175 ppm의 CO2 표준 가스를 기준으로 평가하였다.

2.2.3 장비 교정 방식에 따른 정확도

대기 중 온실가스 관측 장비의 교정 방식은 제로가스를 이용한 제로교정을 실시한 뒤, 스팬가스를 이용한 1점 교정 또는 2개 이상의 스팬가스를 이용한 다점 교정 방식이 고려될 수 있다. 이때, 1점 교정은 하나의 특정 농도의 스팬가스에 대한 1개의 교정점만을 사용해 장비를 교정하는 방식을 의미하고, 다점 교정은 여러 농도의 스팬가스에 대한 여러 교정점을 사용해 장비를 교정하는 방식을 의미한다. 교정에 사용되는 표준가스 개수에 따라 1점 교정, 2점 교정, 다점 교정 등으로 분류된다. 본 연구에서는 동일한 CRDS 방식의 장비 2대를 활용하여 교정점 수에 따른 정확도 평가와 측정 원리별(OA-ICOS, CRDS, OF-CEAS) 1점 교정에 따른 정확도 평가를 수행하였다.

2.2.3.1 교정점 수에 따른 정확도

교정점 수에 따른 영향을 평가하기 위해 2점 이상의 스팬 교정이 가능한 CRDS방식의 장비 2대를 사용하여 CO2와 CH4의 정확도를 각각 평가하였다. CO2같은 경우 4개의 스팬가스(369.0, 409.9, 435.0, 504.7 ppm)를 이용한 4점 교정과 1개의 스팬가스(409.9 ppm)를 이용한 1점 교정을 각각 수행하여 정확도를 비교하였다. 또한, CH4 같은 경우 5개의 스팬가스(2040, 2190, 2410, 2630, 3050 ppb)를 이용한 5점 교정과 1개의 스팬가스(2040 ppb)를 이용한 1점 교정을 각각 수행하여 정확도를 비교하였다.

2.2.3.2 측정 원리별 1점 교정에 따른 정확도

측정 원리별(OA-ICOS, CRDS, OF-CEAS) 각각 두 대의 장비에 CO2 스팬가스(409.9 ppm) 및 CH4 스팬가스(2040 ppb) 1개를 이용한 1점 교정을 수행한 뒤 정확도를 평가하였다.

2.2.4 대기 중 수분에 따른 정확도

측정 원리별(OA-ICOS, CRDS, OF-CEAS) 각각 두 대의 장비에 수분 제거 장치를 연결한 샘플링라인과 수분 제거 장치를 거치지 않는 샘플링라인을 각각 따로 연결하였다(Fig. 1). 이를 통해 수분 제거 장치의 유무에 따라 수분이 제거된 대기와 수분의 제거되지 않은 대기의 농도를 두 장비가 각각 측정할 수 있도록 하였다. 본 연구에서는 -70oC까지 냉각하여 수분을 제거하는 냉각 제습장치를 사용하였다.

Fig. 1.

Experimental design schematic for moisture comparison test.

장비에서 측정된 수분값(H2O), 장비 자체 수분 보정 전 측정값(WET 값), 장비 자체 수분 보정 후 측정값(DRY 값)을 비교함으로써 수분에 따른 정확도를 평가하였다. 각 측정 원리별 장비에서 출력 가능한 출력값과 장비 자체 수분 보정에 사용되는 산정식은 Table 2와 같다.

Information of measurement display item and moisture correction for each instrument by observation method.


3. 연구 결과

3.1 기초 성능

측정 원리별 두 대의 장비를 사용하여 산출된 잡신호는 CO2 최대 0.221 ppm 및 CH4 최대 0.46 ppb로 나타났다(Table 3). 측정 원리 별로는 CRDS 방식의 장비에서 CO2, CH4 모두 잡신호가 가장 크게 나타났으며, OF-CEAS 방식의 장비에서 CO2, CH4 모두 잡신호가 가장 작게 나타났다. 응답시간은 CO2, CH4 각각 최대 25.0초, 24.8초로 나타났다. 측정 원리 별로는 OF-CEAS 방식의 장비가 반응속도가 CO2, CH4 모두 가장 빠르게 나타났으며, OA-ICOS 방식의 장비가 반응속도가 CO2, CH4 모두 가장 느리게 나타났다. 마지막으로, 직선성 평가 결과 CO2와 CH4의 직선성은 각각 0.526 ppm (CO2 1175 ppm 결과 제외), 12.7 ppb로 나타났다. 이때, CO2 같은 경우 표준가스 농도 1175 ppm 측정 결과에서 직선성이 다른 농도에 비해 크게 나타나 고농도 CO2 측정에 대한 정확도 평가가 추가적으로 필요할 것으로 나타났다.

3.2 고농도 CO2 측정에 대한 정확도

369.0, 409.9, 435.0, 504.7, 1175 ppm의 CO2 표준 가스를 주입하여 장비별 정확도를 평가하였다. 그 결과, 1175 ppm을 제외한 표준 가스 농도에 대해서는 3개의 측정 원리에 대한 장비 모두 99% 이상의 정확도를 보였다(Table 4). 하지만, 고농도 CO2 표준 가스인 1175 ppm에 대해서는 3개의 측정 원리에 대한 장비들에서 모두 84% 정도의 정확도를 보이며, 이전 농도들에 비해 정확도가 급격히 감소하는 것으로 나타났다. 즉, 고농도 측정에 있어서 3개의 측정 원리 모두 정확도가 떨어지는 것으로 보인다.

Results of the observation accuracy (%) for each instrument.

3.3 장비 교정 방식에 따른 정확도

3.3.1 교정점 수에 따른 정확도

CO2에 대해 CRDS 방식의 장비 두 대에 스팬가스 4개(369.0, 409.9, 435.0, 504.7 ppm)를 사용해 각각 4점 교정을 실시한 후 동일 한 4개의 스팬가스를 재주입하였을 때 두 대의 장비별 정확도는 각각 평균 99.95%(99.92~100.00%) 및 평균 99.96% (99.93~99.98%)으로 나타났다(Table 5). CRDS 방식의 CO2 장비 두 대에 스팬가스 1개(409.9 ppm)를 사용해 각각 1점 교정을 실시한 후 4개의 스팬가스(369.0, 409.9, 435.0, 504.7 ppm)를 주입하였을 때 두 대의 장비별 정확도는 평균 9.91% (99.87~99.96%) 및 평균 99.93% (99.88~99.98%)으로 나타났다. 즉, 교정점 4개 및 1개 모두 관측 정확도가 평균 99.9% 이상으로 선형성이 우수한 것으로 나타나 교정 점수에 따른 CO2 관측 정확도에는 차이가 없는 것으로 보인다.

CH2에 대해 CRDS 방식의 장비 두 대에 스팬가스 5개(2040, 2190, 2410, 2630, 3050 ppb)를 사용해 각각 5점 교정을 실시한 후 동일한 5개의 스팬가스를 재주입하였을 때 두 대의 장비별 정확도는 각각 평균 99.83%(99.67~99.95%) 및 평균 99.83% (99.67~99.95%)으로 나타났다(Table 5). CRDS 방식의 CH4 장비 두 대에 스팬가스 1개(2040 ppb)를 사용해 각각 1점 교정을 실시한 후 5개의 스팬가스(2040, 2190, 2410, 2630, 3050 ppb)를 주입 하였을 때 두 대대의 장비별 정확도는 99.69% (99.4~99.99%) 및 평균 99.70% (99.47~99.99%)으로 나타났다. 즉, 교정점 5개 및 1개 모두 관측 정확도가 평균 99% 이상으로 선형성이 우수한 것으로 나타나, CO2와 마찬가지로 CH4 관측 정확도 역시 교정 점수에 큰 영향을 받지 않는 것으로 나타났다.

3.3.2 측정 원리별 1점 교정에 따른 정확도

측정 원리별 1점 교정에 따른 정확도를 CO2, CH4에 대해 각각 평가하였다. 먼저, CO2에 대한 관측 정확도 평가 결과 CRDS 방식 장비의 정확도는 평균 99.95% 및 99.96%로 나타났으며, OF-CEAS 방식 장비의 정확도는 평균 99.93% 및 99.96%로 나타났다(Table 6). OA-ICOS 방식 장비는 제로 교정 기능이 없어 제로 가스를 이용한 제로 교정 없이 스팬 가스 1개만을 사용한 1점 교정을 실시 하였으며, 평균 99.95% 및 99.96%의 정확도를 보였다. 즉, 3개의 측정 원리 장비 모두 CO2 1점 교정 후 99.9% 이상의 정확도를 보였으며 선형성 또한 우수한 것으로 나타났다.

CH4에 대한 관측 정확도 평가 결과 CRDS 방식 장비의 정확도는 평균 99.69% 및 99.69%로 동일하게 나타났으며, OF-CEAS 방식 장비의 정확도는 평균 99.61% 및 99.66%로 나타났다(Table 6). OA-ICOS 방식 장비는 CO2와 마찬가지로 제로 교정 기능이 없어 스팬 가스만을 사용한 1점 교정을 실시 하였으며, 평균 99.91% 및 99.88%의 정확도를 보였다. 즉, 3개의 측정 원리 모두 CO2와 마찬가지로 CH4 역시 1점 교정 후 99.9% 이상의 정확도를 보였으며 선형성 또한 우수한 것으로 나타났다.

3.4 대기 중 수분에 따른 정확도

대기 중 수분이 온실가스 농도 측정에 미치는 영향을 평가하고자 각 측정 원리 장비별로 대기 수분 정도에 따른 영향을 파악하고자 하였다(Table 7).

먼저, CO2에 대한 CRDS 방식 장비의 수분 영향 비교 실험 결과 수분 제거 전후의 습기준 CO2 농도(WET CO2)에서 수분을 보정한 건기준 CO2 농도(DRY CO2)로 변환할 경우 상대습도가 96.7%(우천 시)일 때 상대오차가 평균 0.370% (0.337~0.434%)로 가장 크게 나타났다. CH4에 대한 CRDS 방식 장비의 수분 영향 비교 실험 결과 수분 제거 전후의 습기준 CH4 농도(WET CH4)에서 수분을 보정한 건기준 CH4 농도(DRY CH4)로 변환할 경우 상대습도가 64.30%일 때 상대오차가 평균 0.249% (0.181~0.367%)로 가장 크게 나타났다.

CO2에 대한 OA-ICOS 방식 장비의 수분 영향 비교 실험 결과 수분 제거 전후의 습기준 CO2 농도에서 수분을 보정한 건기준 CO2 농도로 변환할 경우 상대습도가 64.30%일 때 상대오차가 평균 0.385% (0.328~0.448%)로 가장 크게 나타났다. CH4에 대한 OA-ICOS 방식 장비의 수분 영향 비교 실험 결과 수분 제거 전후의 습기준 CH4 농도에서 수분을 보정한 건기준 CH4 농도로 변환할 경우 상대습도가 64.30%일 때 상대오차가 평균 0.288% (0.276~0.310%)로 가장 크게 나타났다.

CO2에 대한 OF-CEAS 방식 장비의 수분 영향 비교 실험 결과 수분 제거 전후의 습기준 농도에서 수분을 보정한 건기준 CO2로 변환할 경우 상대습도가 64.30%일 때 상대오차가 평균 0.252% (0.237~0.281%)로 가장 크게 나타났다. CH4에 대한 OF-CEAS 방식 장비의 수분 영향 비교 실험 결과 수분 제거 전후의 습기준 CH4 농도에서 수분을 보정한 건기준 CH4 농도로 변환할 경우 상대습도가 96.70% (우천 시)일 때 상대오차가 평균 0.208% (0.178~0.251%)로 가장 크게 나타났다. 이때, OF-CEAS 장비에서는 수분 보정하기 전인 습기준 CO2 농도 값이 출력되지 않기 때문에 수분값과 수분 보정된 건기준 농도값의 편차에 대해서만 분석하였다.

위 결과에 따르면 CRDS, OA-ICOS, OF-CEAS 방식 장비 모두 수분 보정에 따른 CO2, CH4 건기준 농도의 상대오차는 0.5% 미만으로 나타나 수분 보정의 유무가 CO2, CH4 관측 정확도에 큰 영향을 주지 않는 것으로 보인다.


4. 결론 및 논의

본 연구에서는 3개의 측정 원리(OA-COS, CRDS, OF-CEAS)의 대표 대기 중 CO2, CH4 장비별 기초 성능, 고농도 측정에 대한 정확성, 장비 교정 방식에 따른 정확도, 대기 중 수분에 따른 정확도 평가를 수행하였다. 그 결과, 3개의 측정 원리 장비 모두 ~500 ppm 농도 범위에서는 높은 정확도와 선형성을 갖는 것으로 나타났으나 1000 ppm 이상의 고농도 CO2 관측에서는 정확도가 급격히 감소하는 것으로 나타났다. 즉, 대기 중 CO2 측정 시 일정 수준 이상의 고농도 측정값에 대해서는 신뢰도가 떨어질 수 있으므로 자료 해석에 유의할 필요가 있다. 특히, 고농도 CO2 관측이 주로 발생하는 도로상 관측 수행 시 주의가 필요할 것으로 보인다(Sim et al., 2020; Park et al., 2023). 장비 교정 방식에 따른 CO2, CH4 관측 정확도 분석 결과 CO2, CH4 모두 다점 교정이 아닌 1점 교정 수행만으로도 99% 이상의 높은 정확도와 선형성이 확보되는 것으로 나타났다. 대기 중 CO2, CH4 농도 변동성이 거의 없는 배경 대기와 달리 CO2, CH4 농도 변동성이 큰 일반 대기를 대상으로 한 측정소에서는 1점 교정 수행만으로도 충분히 정확한 자료 확보가 가능할 것으로 보인다(Park et al., 2020, 2022b). 마지막으로, 대기 중 수분에 따른 CO2, CH4 관측 정확도를 평가한 결과, 3개의 측정 원리 장비 모두 수분 제거 장치를 부착한 이후 측정 되는 수분 농도가 500 ppm 이하로 모두 줄어들었으나, 건기준 CO2 농도 차이는 최대 0.5% 이내로 수분 제거 장치 부착 유무에 큰 영향을 받지 않는 것으로 나타났다. 즉, 본 연구에서 평가한 3개의 측정 원리 장비들과 같이 자체적인 수분 보정이 이루어지는 장비들에 대해선 추가적인 수분 보정 장치 설치가 필요해 보이지 않는다. 하지만, 수분 보정 장치를 설치 안 했을 경우, 습기준 CO2 농도와 건기준 CO2 농도 사이의 차이가 400 ppm 기준으로 최대 20 ppm까지 날 수 있는 것으로 나타났다. 그렇기 떄문에 만약 자체적인 수분 보정이 이루어지지 않는 장비라면 수분 보정 장치 설치가 고려될 필요가 있다.

결과적으로 본 연구에서는 서로 다른 대기 중 온실 가스 측정 장비별 특성을 평가함으로써 일반 대기 조건에서의 온실가스 관측 방향성을 제시하였다. 또한, 본 연구 결과는 서로 다른 관측 장비간 자료 비교 및 측정소 운영을 위한 기초 자료로 활용될 수 있을 것으로 생각된다.

Acknowledgments

본 논문은 환경부의 재원으로 국립환경과학원의 지원을 받아 수행하였습니다(NIER-2022-04-02-046).

References

  • Chen, L., G. Msigwa, M. Yang, A. I. Osman, S. Fawzy, D. W. Rooney, and P.-S. Yap, 2022: Strategies to achieve a carbon neutral society: a review. Environ. Chem. Lett., 20, 2277-2310. [https://doi.org/10.1007/s10311-022-01435-8]
  • Coumou, D., and S. Rahmstorf, 2012: A decade of weather extremes. Nature Climate Change, 2, 491-496. [https://doi.org/10.1038/nclimate1452]
  • Friedlingstein, P., and Coauthors, 2019: Global carbon budget 2019. Earth Syst. Sci. Data, 11, 1783-1838. [https://doi.org/10.5194/essd-11-1783-2019]
  • G2301: Picarro Inc., Santa Clara, CA, USA [Available online at https://www.picarro.com/g2301_gas_concentration_analyzer, ].
  • Gao, Y., X. Lee, S. Liu, N. Hu, X. Wei, C. Hu, C. Liu, Z. Zhang, and Y. Yang, 2018: Spatiotemporal variability of the Near-Surface CO2 concentration across an industrial-urban-rural transect, nanjing, China. Sci. Total Environ., 631, 1192-1200. [https://doi.org/10.1016/j.scitotenv.2018.03.126]
  • GLA331-GGA: ABB-LGR Inc., Zürich, Switzerland [Available online at https://new.abb.com/products/measurement-products/analytical/laser-gas-analyzers/laseranalyzers/lgr-icos-enhanced-performance-rackmountanalyzers/lgr-icos-enhanced-performance-rackmountanalyzers-gla331-series, ].
  • Hutyra, L. R., S. Raciti, N. G. Phillips, and J. William Munger, 2011: Exploring Space-Time Variation in Urban Carbon Metabolism. Addressing Grand Challenges for Global Sustainability, 11-14 [Available online at https://static.sustainability.asu.edu/docs/ugec/viewpoints/ugec-viewpoints-6.pdf#page=11, ].
  • LI-7810: Licor Inc., Lincoln, NE, USA [Available online at https://www.licor.com/env/products/trace_gas/LI-7810, ].
  • LI-7815: Licor Inc., Lincoln, NE, USA [Available online at https://www.licor.com/env/products/trace_gas/LI-7815, ].
  • McKain, K., S. C. Wofsy, T. Nehrkorn, J. Eluszkiewicz, J. R. Ehleringer, and B. B. Stephens, 2012: Assessment of Ground-Based atmospheric observations for verification of greenhouse gas emissions from an urban region. Proc. Natl. Acad. Sci., 109, 8423-8428. [https://doi.org/10.1073/pnas.1116645109]
  • Miyaoka, Y., H. Y. Inoue, Y. Sawa, H. Matsueda, and S. Taguchi, 2007: Diurnal and seasonal variations in Atmospheric CO2 in Sapporo, Japan: anthropogenic sources and biogenic sinks. Geochem. J., 41, 429-436. [https://doi.org/10.2343/GEOCHEMJ.41.429]
  • Moore, J., and A. D. Jacobson, 2015: Seasonally varying contributions to urban CO2 in the Chicago, illinois, USA region: insights from a High-Resolution CO2 concentration and δ13C record. Elementa: Sci. Anthropocene, 3, 000052. [https://doi.org/10.12952/journal.elementa.000052]
  • Nangini, C., and Coauthors, 2019: A global dataset of CO2 emissions and ancillary eata related to emissions for 343 cities. Sci. Data, 6, 1-29. [https://doi.org/10.1038/sdata.2018.280]
  • Pan, C., X. Zhu, N. Wei, X. Zhu, Q. She, W. Jia, M. Liu, and W. Xiang, 2016: Spatial variability of daytime CO2 concentration with landscape structure across urbanization gradients, Shanghai, China. Climate Res., 69, 107-116. [https://doi.org/10.3354/cr01394]
  • Park, C., and Coauthors, 2020: Challenges in monitoring atmospheric CO2 concentrations in Seoul using Low-Cost sensors. Asia-Pac. J. Atmos. Sci., 57, 547-553. [https://doi.org/10.1007/s13143-020-00213-2]
  • Park, C., S. Jeong, Y.-S. Shin, Y.-S. Cha, and H.-C. Lee, 2021: Reduction in urban atmospheric CO2 enhancement in Seoul, South Korea, resulting from social distancing policies during the COVID-19 Pandemic. Atmos. Pollut. Res., 12, 101176. [https://doi.org/10.1016/j.apr.2021.101176]
  • Park, C., S. Jeong, H. Park, S. Sim, J. Hong, and E. Oh, 2022a: Comprehensive assessment of vertical variations in urban atmospheric CO2 concentrations by using tall tower measurement and an atmospheric transport model. Urban Climate, 45, 101283. [https://doi.org/10.1016/j.uclim.2022.101283]
  • Park, C., S. Jeong, M.-S. Park, H. Park, J. Yun, S.-S. Lee, and S.-H. Park, 2022b: Spatiotemporal variations in urban CO2 flux with Land-Use types in Seoul. Carbon Balance and Manag., 17, 1-14. [https://doi.org/10.1186/s13021-022-00206-w]
  • Park, C., S. Jeong, C. Kim, J. Shin, and J. Joo, 2023: Machine learning based estimation of urban on-road CO2 concentration in Seoul. Environ. Res., 231, 116256. [https://doi.org/10.1016/j.envres.2023.116256]
  • Shusterman, A. A., V. E. Teige, A. J. Turner, C. Newman, J. Kim, and R. C. Cohen, 2016: The BErkeley atmospheric CO2 observation network: initial evaluation. Atmos. Chem. Phys., 16, 13449-13463. [https://doi.org/10.5194/acp-16-13449-2016]
  • Sim, S., and Coauthors, 2020: Co-Benefit potential of urban CO2 and air quality monitoring: a study on the first mobile campaign and building monitoring experiments in Seoul during the winter. Atmos. Pollut. Res., 11, 1963-1970. [https://doi.org/10.1016/j.apr.2020.08.009]
  • Stocker, T., 2014: Climate Change 2013: The Physical Science Basis: Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge university press, 1535 pp [Available online at https://www.ipcc.ch/report/ar5/wg1/, ].
  • Sugawara, H., S. Ishidoya, Y. Terao, Y. Takane, Y. Kikegawa, and K. Nakajima, 2021: Anthropogenic CO2 emissions changes in an urban area of Tokyo, Japan, due to the COVID-19 pandemic: a case study during the state of emergency in April-May 2020. Geophys. Res. Lett., 48, e2021GL092600. [https://doi.org/10.1029/2021GL092600]
  • Takano, T., and M. Ueyama, 2021: Spatial variations in daytime methane and carbon dioxide emissions in two urban landscapes, Sakai, Japan. Urban Climate, 36, 100798. [https://doi.org/10.1016/j.uclim.2021.100798]
  • Verhulst, K. R., and Coauthors, 2017: Carbon dioxide and methane measurements from the Los Angeles megacity carbon Project–Part 1: calibration, urban enhancements, and uncertainty estimates. Atmos. Chem. Phys., 17, 8313-8341. [https://doi.org/10.5194/acp-17-8313-2017]
  • Xueref-Remy, I., and Coauthors, 2018: Diurnal, synoptic and seasonal variability of atmospheric CO2 in the Paris megacity area. Atmos. Chem. Phys., 18, 3335-3362. [https://doi.org/10.5194/acp-18-3335-2018]

Fig. 1.

Fig. 1.
Experimental design schematic for moisture comparison test.

Table 1.

Information on atmospheric greenhouse gas concentration measurement equipment by observation method.

Observation Method OA-ICOS CRDS OF-CEAS
Manufacturer ABB-LGR PICARRO LI-COR
Model Name GLA331-GGA G2301 LI-7815 LI-7810
Exterior
Measurement Item CO2, CH4, H2O, Dry-CO2, Dry-CH4 CO2, CH4, H2O, Dry-CO2, Dry-CH4 Dry-CO2, H2O Dry-CO2, Dry-CH4, H2O
Measurement Range CH4: 0~1000 ppm
CO2: 0~200,000 ppm
H2O: 0~70,000 ppm
CH4: 0~20 ppm
CO2: 0~1000 ppm
H2O: 0~70,000 ppm
CO2: 0~10,000 ppm
H2O: 0~60,000 ppm
CH4: 0~100 ppm
CO2: 0~10,000 ppm
H2O: 0~60,000 ppm

Table 2.

Information of measurement display item and moisture correction for each instrument by observation method.

Observation Method OA-ICOS CRDS OF-CEAS
Manufacturer ABB-LGR PICARRO LI-COR
Model Name Greenhouse Gas Analyzer G2301 LI-7815, LI-7810
Display Items WET/DRY concentration, H2O WET/DRY concentration, H2O DRY concentration, H2O
Moisture Correction Formula gasppmDRY=gasppmWET1-H2Oppm106

CO2

Observation Method OA-ICOS CRDS OF-CEAS
Instrument No. 1-1 1-2 2-1 2-2 3-1 3-2
Noise (ppm) 0.066 0.114 0.198 0.221 0.056 0.079
Response Time (s) 16.6 25.0 12.4 12.4 8.2 10.6
Linearity (ppm) 369.0 0.142 0.172 0.225 0.078 0.160 0.259
409.9 0.125 0.028 0.005 0.089 0.123 0.107
435.0 0.183 0.346 0.358 0.298 0.526 0.381
504.7 0.041 0.042 0.213 0.228 0.462 0.256
1175 58.2 61.1 58.6 57.9 57.4 58.8

CH4

Observation Method OA-ICOS CRDS OF-CEAS
Instrument No. 1-1 1-2 2-1 2-2 3-1 3-2
Noise (ppb) 0.12 0.46 0.26 0.29 0.10 0.10
Response Time (s) 16.6 24.8 17.8 16.6 7.8 10.4
Linearity (ppb) 2.04 0.50 0.11 6.8 6.8 0.50 1.6
2.19 0.60 2.0 4.4 4.4 3.6 4.9
2.41 5.3 6.5 2.2 2.2 11.5 12.7
2.63 2.5 3.3 1.2 1.2 11.8 13.0
3.05 2.8 2.4 4.8 4.8 17.8 19.1

Table 4.

Results of the observation accuracy (%) for each instrument.

Observation Method OA-ICOS CRDS OF-CEAS
Instrument No. 1-1 1-2 2-1 2-2 3-1 3-2
Standard Gas Concentration (ppm) 369.0 99.96 99.95 99.94 99.98 99.96 99.93
409.9 99.97 99.99 100.00 99.98 99.97 99.97
435.0 99.95 99.91 99.90 99.92 99.86 99.90
504.7 99.99 99.99 99.94 99.94 99.87 99.93
1175 84.24 83.43 84.11 84.30 84.45 84.06

CO2

Category Multi-Point Calibration Single-Point Calibration
Calibration Conditions Zero Gas and Span Gas (4 point)
Zero Air (Air balance)
Point1: 369.0 ppm
Point2: 409.9 ppm
Point3: 435.0 ppm
Point4: 504.7 ppm
Zero Gas and Span Gas (1 point)
Zero Air (Air balance)
Point1: 409.9 ppm
Instrument No. Span Gas Concentration (ppm) Response Value (ppm) Accuracy (%) Average Accuracy (%) Response Value (ppm) Accuracy (%) Average Accuracy (%)
CRDs-1 369.0 369.2 99.94 99.95 369.4 99.9 99.91
409.9 409.9 100.00 410.1 99.96
435.0 435.4 99.92 435.5 99.87
504.7 504.9 99.96 505.1 99.91
CRDS-2 369.0 369.1 99.98 99.96 369.2 99.95 99.93
409.9 409.8 99.98 410.0 99.98
435.0 435.3 99.93 435.5 99.88
504.7 504.9 99.95 505.2 99.89

CH4

Category Multi-Point Calibration Single-Point Calibration
Calibration Conditions Zero Gas and Span Gas (5 point)
Zero Air (Air balance)
Point1: 2040 ppb
Point2: 2190 ppb
Point3: 2410 ppb
Point4: 2630 ppb
Point5: 3050 ppb
Zero Gas and Span Gas (1 point)
Zero Air (Air balance)
Point1: 2040 ppb
Instrument No. Span Gas Concentration (ppb) Response Value (ppb) Accuracy (%) Average Accuracy (%) Response Value (ppb) Accuracy (%) Average Accuracy (%)
CRDs-1 2040 2030 99.67 99.83 2040 99.99 99.69
2190 2190 99.80 2190 99.87
2410 2410 99.91 2420 99.56
2630 2630 99.95 2640 99.59
3050 3050 99.84 3070 99.46
CRDS-2 2040 2030 99.67 99.83 2040 99.99 99.70
2190 2190 66.80 2190 99.87
2410 2410 99.91 2420 99.56
2630 2630 99.95 2640 99.59
3050 3050 99.84 3070 99.47

CO2

Observation Method OA-ICOS CRDS OF-CEAS
Calibration Conditions Span Gas (1 point)
Point1: 409.9 ppm
Zero Gas and Span Gas (1 point)
Point1: 409.9 ppm
Zero Gas and Span Gas (1 point)
Point1: 409.9 ppm
Instrument No. Span Gas Concentration (ppm) Response Value (ppm) Accuracy (%) Average Accuracy (%) Response Value (ppm) Accuracy (%) Average Accuracy (%) Response Value (ppm) Accuracy (%) Average Accuracy (%)
1-1 369.0 369.3 99.91 99.95 369.2 99.94 99.95 369.2 99.96 99.93
409.9 410.0 99.98 409.9 100.00 410.0 99.97
435.0 435.4 99.91 435.4 99.92 435.5 99.88
504.7 504.8 99.99 504.9 99.96 505.2 99.91
1-2 369.0 369.2 99.95 99.96 369.1 99.98 99.96 369.0 99.99 99.96
409.9 409.9 99.99 409.8 99.98 409.8 99.98
435.0 435.3 99.92 435.3 99.93 435.3 99.93
504.7 504.7 99.99 504.9 99.95 504.9 99.95

CH4

Observation Method OA-ICOS CRDS OF-CEAS
Calibration Conditions Span Gas (1 point)
Point1: 2040 ppb
Zero Gas and Span Gas (1 point)
Point1: 2040 ppb
Zero Gas and Span Gas (1 point)
Point1: 2040 ppb
Instrument No. Span Gas Concentration (ppb) Response Value (ppb) Accuracy (%) Average Accuracy (%) Response Value (ppb) Accuracy (%) Average Accuracy (%) Response Value (ppb) Accuracy (%) Average Accuracy (%)
1-1 2040 2040 99.98 99.91 2040 99.99 99.69 2040 99.98 99.66
2190 2190 99.97 2190 99.87 2190 99.83
2410 2420 99.78 2420 99.56 2420 99.52
2630 2630 99.90 2640 99.59 2640 99.55
3050 3050 99.91 3070 99.46 3070 99.42
1-2 2040 2040 99.95 99.88 2040 99.99 99.69 2040 99.92 99.61
2190 2190 99.91 2190 99.87 2190 99.78
2410 2420 99.73 2420 99.56 2420 99.47
2630 2630 99.88 2640 99.59 2640 99.51
3050 3050 99.92 3070 99.46 3070 99.37

CO2

Observation Method Category (%) Relative Humidity (%) H2O (ppm) WET CO2 (ppm) DRY CO2 (ppm)
Dehydrated Dehydrated Dehydrated Deviation Relative Error (%) Average (%)
Before After Before After Before After
CRDS 43.43 43.21 11062.3 368.3 397.9 404.5 404.9 404.7 0.1 0.038 0.036
43.58 11799.3 326.1 396.7 403.8 404.1 404.0 0.1 0.036
43.51 11825.1 305.0 396.2 422.5 403.6 403.5 0.1 0.034
64.30 69.22 22400.1 510.1 408.3 422.5 422.9 422.9 0.0 0.118 0.109
63.27 21848.5 452.5 406.5 420.3 420.7 420.6 0.1 0.087
60.40 22383.0 411.5 408.8 423.1 423.4 423.4 0.0 0.123
96.70 (Rainfall) 95.16 27194.8 379.2 414.4 434.1 434.1 434.4 0.2 0.337 0.370
96.91 26652.8 376.8 415.9 435.0 435.2 435.3 0.1 0.338
98.03 25918.6 372.4 410. 428.4 428.6 428.7 0.0 0.434
OA-ICOS 43.43 43.21 11838.6 457.0 400.5 404.6 405.3 404.8 0.5 0.123 0.120
43.58 12605.5 416.6 399.4 403.9 404.5 404.0 0.5 0.120
43.51 12637.5 394.3 398.9 403.4 404.0 403.5 0.5 0.118
64.30 69.22 23715.1 608.2 415.5 423.5 425.6 423.7 1.9 0.448 0.385
63.27 23132.2 552.9 413.4 421.3 423.2 421.6 1.6 0.379
60.40 23697.0 500.3 415.6 424.1 425.7 424.3 1.4 0.328
96.70 (Rainfall) 95.16 28746.2 468.4 422.3 433.5 434.8 433.7 1.2 0.321 0.352
96.91 28186.5 464.7 423.6 434.4 435.9 434.6 1.3 0.354
98.03 27424.2 458.9 418.2 428.5 430.0 428.7 1.3 0.382
OF-CEAS 43.43 43.21 11252.7 343.1 404.6 404.9 0.3 0.041 0.053
43.58 12016.1 300.3 403.8 404.1 0.3 0.050
43.51 12051.5 278.9 403.3 403.6 0.3 0.069
64.30 69.22 23024.1 498.8 422.8 423.0 0.2 0.059 0.056
63.27 22452.9 439.8 420.6 420.8 0.2 0.048
60.40 23010.0 391.4 423.4 423.6 0.1 0.060
96.70 (Rainfall) 95.16 28055.0 363.7 433.8 433.9 0.1 0.237 0.252
96.91 27504.5 361.3 434.8 434.8 0.0 0.237
98.03 26749.2 356.7 428.9 428.9 0.0 0.281

CH4

Observation Method Category (%) Relative Humidity (%) H2O (ppm) WET CO2 (ppm) DRY CO2 (ppm)
Dehydrated Dehydrated Dehydrated Deviation Relative Error (%) Average (%)
Before After Before After Before After
CRDS 43.43 43.21 11062.3 368.3 2016 2045 2045 2046 1 0.068 0.077
43.58 11799.3 326.1 2020 2052 2051 2053 1 0.078
43.51 11825.1 305.0 2019 2051 2051 2052 2 0.084
64.30 69.22 22400.1 510.1 2138 2202 2201 2203 2 0.367 0.249
63.27 21848.5 425.5 2095 2155 2155 2157 1 0.198
60.40 22383.0 411.5 2110 2175 2173 2176 3 0.181
96.70 (Rainfall) 95.16 27194.8 379.2 2081 2157 2156 2158 2 0.161 0.201
96.91 26652.8 376.8 2073 2147 2145 2148 3 0.257
98.03 25918.6 372.4 2070 2143 2141 2144 3 0.186
OA-ICOS 43.43 43.21 11838.6 457.0 2031 2055 2055 2056 1 0.039 0.057
43.58 12605.5 412.6 2036 2062 2062 2063 1 0.060
43.51 12637.5 394.3 2035 2062 2061 2063 1 0.072
64.30 69.22 23715.1 608.2 2156 2212 2208 2214 6 0.277 0.288
63.27 23132.2 552.9 2113 2167 2163 2168 5 0.276
60.40 23697.0 500.3 2128 2186 2180 2187 7 0.310
96.70 (Rainfall) 95.16 28746.2 468.4 2099 2159 2161 2160 1 0.127 0.150
96.91 28186.5 464.7 2090 2149 2151 2150 0 0.204
98.03 27424.2 458.9 2088 2146 2147 2147 0 0.120
OF-CEAS 43.43 43.21 11272.0 347.2 2078 2057 21 0.107 0.105
43.58 12036.4 303.9 2087 2064 22 0.104
43.51 12071.3 282.3 2086 2064 22 0.105
64.30 69.22 22901.2 501.3 2252 2197 55 0.219 0.197
63.27 22329.1 441.6 2204 2151 53 0.215
60.40 22881.6 391.9 2223 2170 53 0.156
96.70 (Rainfall) 95.16 28157.3 364.0 2221 2163 59 0.173 0.208
96.91 27599.8 361.7 2209 2152 57 0.251
98.03 26838.5 357.1 2203 2149 54 0.201