Home

한반도의 온실가스 지표관측망은 안면도(AMY; 36.53^oN, 126.32^oE, 47 m), 제주고산(JGS; 33.29^oN, 126.16^oE, 71 m), 울릉도독도(ULD; 37.48^oN, 130.90^oE, 220.9 m), 독도(DOK; 37.23^oN, 131.86^oE, 24 m, 무인관측소) 총 4개의 관측소로 이루어져 있다(Fig. 1). AMY는 1999년부터 실시간 관측을 비편광적외선분석기(non-dispersive infrared analyzer, NDIR, Ultramat 6, Simens, Germany)로 관측하기 시작하여 매 30초마다 관측자료를 얻었으며, 2012년부터 공동감쇠분광기(Cavity Ring Down Spectroscopy, CRDS, G2401, Picarro, USA)로 측정하여 매 5초마다 관측값을 얻기 시작하였다. JGS와 ULD, DOK 또한 2012년부터 공동감쇠분광기로 관측을 시작하였으나, ULD와 DOK의 자료는 2014년부터 공개되고 있다. 기본 관측시스템은 인렛, 펌프, 제습장치, 관측기기의 순으로 되어 있으며 사용하는 제습장치의 경우 한국표준과학연구원과 기상청의 특허 개발로 이루어졌다(제10-2013-0090710, 2013). 모든 관측소의 검교정시 사용하는 표준가스는 WMO-X2007 척도를 사용하여 값을 확정하여 왔으나 WMO의 척도 변경에 따라 모든 자료가 재산정되었다(section2.2). 각 관측소의 관측불확도는 0.114~0.116 ppm으로 비슷한 수준이다(Lee et al., 2019). 관측소들의 시스템 구성과 CO₂의 특성은 Lee et al. (2019)에 상세히 소개되어 있다.

Fig. 1. 
Locations of KMA/NIMS monitoring stations in South Korea: Anmyeondo (AMY), Jejudo Gosan Suwolbong (JGS), Ullengdo (ULD) and Dokdo (DOK, unmanned). The figure panels are derived from Google Maps.

척도란 CO₂의 농도 산정 시 기준이 되는 값으로 2.1절에서 서술하였듯이 한반도 관측망은 2019년까지 WMO-X2007 척도로 대기 중 농도를 산정하였다. Hall et al. (2021)에 따르면 WMO-X2007의 1차 표준은 15개의 알루미늄 실린더에 자연대기조성의 건조공기로 이루어져 있으며 마노미터(manometer)를 이용하여 값을 확정하였으나 비리얼계수(virial coefficient, 기체상태방정식에 사용되는 계수)의 보정과 마노미터(manometer)에서 측정 시 가스의 누출이 발견되어 보정하게 되었다. 이 보정한 척도를 WMO-X2019로 정의하였다.

논문에 서술된 보정 수식은 다음과 같다.

X2019 = 1.00079 × X2007 - 0.142 (ppm)

여기에서 X2007은 WMO-X2007을 기준하여 산정된 CO₂ 농도, WMO-X2019를 기준하여 산정한 CO₂ 농도는 X2019로 표기하였다. 척도 변경에 대한 자세한 내용은 Hall et al. (2021)에 서술되어 있으며, 이번 연구에서는 논문에 서술된 대로 위의 보정 수식을 통하여 모든 값을 재산정 하였다.

관측소에서 관측된 5초 자료를 원시자료(L0)로 정의하고, L0의 자료가 두 단계(자동과 수동)의 플래깅을 거쳐 L1 자료로 정의된다. 자동 QC (AQC)의 경우 H₂O의 값이 0.02% 이상일 때, 공동(Cavity)의 온도와 압력이 제공한 값의 범위에서 벗어날 때, 밸브의 포지션이 샘플의 주입이 아닐 때 등을 기준하여 걸러지며, 수동 QC (MQC)의 경우 약 60여개의 종류가 있으며, 각 관측소의 로그북을 기준하여 인렛의 필터 교체, 다이어프램 펌프, 유량, 제습장치, 검교정기간, 실험 기간, 관측소의 주변환경 및 극한 기상 등을 표기하여 플래깅한다.

플래깅된 L1 자료는 장기관측자료의 검토, 플라스크 샘플링과의 비교, 비슷한 위도대의 다른 관측소와의 비교, 다른 관측 항목 자료와의 비교 등을 통해 온실가스 담당자에 의해 시간자료(L2)로 확정된다(Fig. 2; Lee et al., 2019). 1999년부터 2020년까지 선별된 L2자료까지의 수집율은 평균 87% 수준으로 2017년 이후로 꾸준히 90% 이상의 수집율을 보이고 있다.

Fig. 2. 
Flowchart of data selection steps starting from raw data based on 5 second averages.

L3부터는 배경농도를 산정하기 위해 통계적 기법을 이용하여 관측값에서 CO₂ 배경농도를 선택하였다. 서론에서 언급하였듯이, 통계적 기법의 기본 가정은 배경농도의 경우 시공간적 농도의 변화량이 작기 때문에(Fig. 3) 주로 시간 표준편차(HS: Hourly Standard deviation)와 연속값의 차이(CD: Differences of Consecutive values)를 이용하여 값을 선택하는 경우가 많다(Pales and Keeling, 1965; Peterson et al., 1982; Yuan et al., 2018). 실제로 기상청의 생산 자료는 Cho et al. (2007)에 의거해 HS와 CD의 차이를 이용하여 구해왔으며, 이 때 자료의 30% 정도만이 선택되었으나 여전히 고농도 사례가 많이 관측되었다(Fig. 7; Lee et al., 2019). 특히, HS와 CD 만을 적용하여 배경농도를 산정할 경우 특히 오랫동안 지속되는 고농도 사례(e.g. 6일간 유지)는 여전히 값을 거를 수 없었다(Fig. 4).

Fig. 3. 
(a) Selected baseline CO₂ cases observed from Feb. 16 to 18 in 2019 (yellow area) with HS and CD as 0.36 ± 0.35 ppm and 0.26 ± 0.29 ppm respectively. (b) surface weather map and (c) synoptic condition at 850 hpa on 16 Feb., 2020 while observing well-mixed air mass.

Fig. 4. 
The selected CO₂ L3 data by HS and CD. Data that cannot be representative of the regions still remain in the high episode period from 8 to 16 Jan, 2019.

따라서 이번 연구에서는 배경농도가 유지되는 기간(농도의 변화량이 적은 기간)의 변동성을 고려하여 HS와 CD로 값을 재산정하였다[Fig. 3; 식(1)과 (2)]. 이때, HS와 CD의 기준값은 지난 3년(2018년부터 2020년)간 선별한 배경농도 사례의 CO₂ HS와 CD의 누적 히스토그램이 90%가 되는 구간을 선택하였다. 배경 농도 사례의 경우 잘 섞인 대기조건에서 큰 규모의 종관기상하에 관측되는 것을 알 수 있다(Fig. 3). 따라서 이들 배경대기 조건 내에서 HS와 CD의 기준값을 선정하였으나, 계절과 사례에 따라 약간은 다른 평균값을 보여 수렴구간으로 여겨지는 90%가 되는 값을 기준값으로 선택하였다.

또한 보통 고농도 사례가 일시적으로 존재(약 6~10시간) 하는 경우 HS와 CD 만으로도 대부분 제거되었다(Fig. 5). 이후, 장기간 지속되는 고농도 사례의 제거를 위해 HS와 CD로 선택된 자료와 그 자료의 30일 이동중앙값과의 차이(MD: Differences from 30-day moving Median)를 이용하여 배경농도를 선정하였다[식(3)]. MD의 기준값은 30일 이동표준편차(σ_30d)의 α배로 하였고 α값은 경험적으로 결정하였다.

Fig. 5. 
Data selection examples in winter (JF) and in summer (JJ) computed by the criteria of HS, CD and MS.

배경농도 선정 순서는 다음과 같다(NIMS 필터).

여기서 t는 시간을 나타내며 HA는 CO₂ 농도의 1시간 평균값이다. STEP 3의 30일 이동중앙값 계산시 윈도우의 중심은 t 시간이다. A, B, C는 각각 HS, CD, MD의 기준값이다.

이렇게 하였을 때 AMY, JGS, ULD, DOK의 각 HS, CD, MD의 기준값은 Table 1과 같다. 또한 이 때 최종적으로 선별된 자료는 약 24~68%로 독도 관측소가 가장 많은 관측자료를 남긴다(Table 1). 이를 통해 AMY가 가장 관대한 HS와 CD의 기준값으로 자료를 선별하여도 이산화탄소의 배출과 소멸의 영향을 많이 받는 지역에 위치했음을 나타내며, DOK는 ULD와 비슷한 HS와 CD의 기준값으로 자료를 선택하나 DOK가 상대적으로 잘 섞인 공기궤가 더 많이 관측되어 L3 선별자료가 더 많이 남음을 알 수 있다.

NIMS 필터로 선정된 1시간 자료(Fig. 2의 L3 hourly data)를 이용하여 CO₂ 일평균 자료를 산정했다(Fig. 2의 L3 daily data).

NIMS 필터를 사용한 일평균 자료는 지역의 영향을 받는 단기 변동성을 포함하고 있는데, 이 단기 변동성을 제거하여 몇 주 이상의 시간 스케일에 걸쳐 일어나는 CO₂ 농도를 분석하기 위해 추가적인 필터링 방법이 필요하다.

첫 번째 단계는 일평균을 이용하여 장기추세를 설명하는 다항식과 연 변동을 설명하는 고조파(harmonics)로 구성된 적합함수를 계산하는 것이다(Masarie and Tans, 1995). 두 번째는 일평균 자료와 적합함수의 차이를 푸리에 변환하여 주파수 영역으로 이동한 다음 저역통과필터를 이용하여 고주파 성분을 제거한 후 역 푸리에 변환을 한다. 역 변환된 값에 적합함수를 더하면 몇 주 이상의 주기 성분만을 갖는 필터링된 CO₂ 농도가 구해진다(Thoning, 1989). 사용된 적합함수[식(4)]와 저역통과필터 함수[식(5)]는 다음과 같다.

식(4)의 t는 일 단위의 시간이며, T는 365.25일 이다. 식(5)의 f는 주파수이며, f_c는 차단 주파수이다. 북반구에서는 균일한 대기혼합이 2~3개월 이내에 일어나기 때문에(Czeplak and Junge, 1974) 차단 주파수로 사용한 값은 (80 day/cycle)|^-1이다. Figure 6는 일평균 자료와 필터링 된 CO₂ 농도를 보여준다. 이 필터링된 CO₂ 일자료를 이용하여 월평균을 산정하였다(Fig. 2의 L3 monthly data).

Fig. 6. 
Daily averages of CO₂ observed at AMY (NIMS filter) and smooth data using low pass filter (NIMS filter + curve fitting).

척도변경과 NIMS 필터에 대한 적용이 적절한지 판단하기 위하여 미국해양대기청(National Oceanic and Atmospheric Administration, NOAA)에서 분석하는 플라스크 자료(Dlugokencky et al., 2021)와 비교하였다. AMY는 2014년부터 실시간 온실가스 관측기기와 동일한 인렛을 통해 플라스크 시료를 주1회 포집하여 NOAA로 송부하고 그 분석 값을 AMY 자료와 비교해왔다. 이 때 AMY의 자료는 플라스크를 포집했던 동일한 시간대의 L2 시간평균 자료이다. NOAA는 WMO/GAW의 관측네트워크 내에서 표준 척도 기관으로 우리 자료의 품질관리가 정확히 이루어졌는지를 상호 비교를 통해 정확히 산출할 수 있다(WMO, 2020). 또한 플라스크 시료 포집 시 혼합고가 가장 높은 낮 시간(주로 14~17시) 중 관측자료가 안정적인 값을 나타내는 때를 고려하기 때문에 NIMS 필터를 적용한 배경농도 값과의 비교가 쉽다.

척도를 WMO-X2019로 변경한 AMY L2 자료와 NOAA에서 동일척도로 분석한 플라스크의 자료를 비교하여 그 차잇값이 호환성 범위 안에 존재하는지 확인하였다. 호환성 범위란, 분석 결과 차잇값을 수용할 수 있는 범위로 정의된다(JCGM, 2012). 두 기관간 차잇값의 편차는 연마다 달랐으나 2014년을 제외하고 중앙값이 호환성 범위(±0.1 ppm) 안에 있어 AMY의 척도 변경이 잘 반영되었음을 알 수 있다(Fig. 7b). 2014년부터 2016년까지 차잇값의 편차가 큰 이유는 고농도 사례가 다른 해보다 많이 포집되었기 때문으로 판단하였다(Fig. 7a). Figure 3에서 확인할 수 있듯이 고농도 사례의 경우 한 시간 동안의 변화량이 크고, 플라스크의 포집은 10분 이내로 이루어지기 때문에 고농도 사례에서의 시간평균과 플라스크 값의 비교가 이루어질 경우 차잇값이 클 수 있다.

Fig. 7. 
(a) Quasi-continuous L2 data from CRDS (grey) and weekly flask-air data sampled at AMY and analyzed by NOAA (orange), (b) differences between the two data sets and (c) two baseline monthly CO₂ from flask-air samples and from CRDS at AMY.

따라서 배경농도가 상대적으로 많이 포집되었다고 판단되는 2017년부터의 플라스크 자료 중 NOAA가 확정한 자료(Valid)와, AMY의 배경농도 관측자료(L3 일자료)를 각각 월평균하여 비교하였다(Fig. 7c). 2020년의 경우 NOAA에서 배경농도로 확정한 자료가 없어 이번 비교에는 포함하지 않았다. 차잇값은 NIMS 필터를 거친 AMY L3 자료가 NOAA 플라스크 자료보다 연평균 약 0.79 ppm 높았다. NOAA 플라스크 자료는 주 1회의 샘플링 중 배경농도로 선택된 값들의 월평균값으로 자료의 개수가 적고 월평균 1σ 값이 0.01~6%로 변동폭이 크다. 반면, AMY L3 자료의 월평균 1σ 값은 0.1~0.4%로 변동폭이 더 작고 보다 많은 관측자료를 확보하고 있기 때문에(Table 1) 상대적으로 대표성이 있다고 판단하였다. 또한 과거 필터링을 적용하였을 때와 NIMS 필터를 적용한 L3와 비교하였을 때 NIMS 필터에서 과거에 거르지 못했던 고농도 사례가 제거되었으며, 과거 10%도 남지 않았던 여름철 자료가 많이 선별되어 보다 대표성 있는 농도를 산출하였음을 확인하였다(Fig. 8).

Fig. 8. 
Quasi-continuous L2 hourly data (gray) from CRDS, the selected L3 data after applying previous filter (magenta, Cho et al., 2007), and the selected L3 data with NIMS filter (blue, this study) at AMY.

월평균 자료(Section 2.5)를 중심으로 AMY, JGS, ULD와 DOK의 CO₂ 월평균 농도와 계절변동을 비교하였다(Figs. 9, 10). AMY는 1999년부터 2020년까지 22년간 측정하여 한반도에서는 가장 긴 실시간 자료를 보유하고 있다. 2020년 평균농도가 420.4 ppm으로 1999년 연평균 농도 369.2 ppm과 비교하여 51.2 ppm 증가하였으며 약 1.14배 증가하였다. 산업화 이전 전지구 평균 농도(278 ppm) 대비 1.5배 증가한 값으로 전지구의 농도 증가율과 유사한 수준이다.

Fig. 9. 
Time series of (a) L3 monthly CO₂ at AMY, JGS, ULD, DOK and global and (b) decadal moving averages of the growth rate for AMY and global. Annual growth rate was defined as the increase in the annual mean from the corresponding value in the previous year.

Fig. 10. 
CO₂ seasonal variations at (a) AMY (1999~2020) and JGS (2012~2020) and (b) ULD (2014~2020) and DOK (2014~2020). Y-axis indicates the detrended seasonal cycle of CO₂ mole fraction.

2020년 평균농도는 AMY(420.4 ppm) > JGS (418.9 ppm) > ULD (417.6 ppm) > DOK (416.6 ppm) 순으로 나타났다. 2020년 전지구 평균이 412.5 ppm (https://gml.noaa.gov/webdata/ccgg/trends/co2/co2_anmean_gl.txt, last access July 26, 2021)인 것을 고려할 때, 한반도의 관측소값이 대부분 높은 것을 알 수 있다. 전지구 값이 한반도 지역보다 농도가 낮은 것은 한반도를 비롯한 동아시아 지역에 주요 배출지역이 포함되어 있을 뿐 아니라(전지구 CO₂ 배출의 36%, http://edgar.jrc.ec.europa.eu, last access July 26, 2021) 북반구에 비해 산업과 인구분포가 낮은 남반구의 CO₂ 값이 평균에 포함되기 때문이다(WDCGG, 2020). 더불어 한반도 관측소의 고도가 지구급 관측소들에 비해 상대적으로 낮아 배출과 흡수에 영향을 많이 받는다. 비슷한 이유로 DOK의 고도(24 m)가 AMY (47 m) 보다 낮지만 CO₂ 농도가 낮은 것은 상대적으로 주변 배출원의 영향이 적기 때문으로 사료된다.

AMY는 1999년부터, JGS는 2012년부터, ULD와 DOK는 2014년부터 2020년까지 모든 자료를 사용하여 계절변동폭을 살펴보았다(Fig. 10). 계절변동폭은 ULD (13.1 ppm) > AMY와 DOK (12.2 ppm) > JGS (10.8 ppm) 순으로 나타났다. 우리나라 모든 관측소에서 4월에 가장 높은 값을 나타내고, 8월에 가장 낮은 값을 나타냈다. 이 값은 같은 위도대(30^o~60^oN)에서의 계절변동폭(약 12 ppm)과 그 경향성(4월 최대, 8월 최소)이 유사하다(WDCGG, 2020). 반면, 각 월의 변동폭(1σ)은 서쪽 관측소인 AMY와 JGS의 경우 1~2 ppm 수준으로 일정하게 관측되었으나 동쪽 관측소인 ULD와 DOK의 경우 0.4~3 ppm까지 그 폭의 변화가 컸으며 특히 여름철(6~8월)에 이러한 경향이 두드러졌다. DOK의 경우 여름철 제습장치의 문제로 측정자료가 없는 해가 많이 존재하여 변동폭이 큰것으로 사료되었다(KMA, 2021). ULD의 경우 다른 해와 다르게 2020년 7월과 8월의 농도가 과거 보다 높게 나타나 변동폭이 증가한 것으로 나타났으며 이에 대한 추가연구가 필요하다.

보통 CO₂가 한번 배출되면, 약 45%가 육상과 해양으로 흡수되고 그 나머지가 대기 중에 남는다(Le Quéré et al., 2015). 한반도뿐 아니라 전 세계적으로 증가율이 가속화되는 이유는 CO₂의 인위적 배출이 지속적으로 증가하는 반면, 육상과 해양에서의 CO₂ 흡수량이 줄어들기 때문으로 보고되고 있다(Canadell et al., 2007).

2020년 AMY, JGS, ULD와 DOK의 CO₂ 농도는 전년도에 비해 각각 2.7 ppm, 2.4 ppm, 2.3 ppm 그리고 1.8 ppm 증가한 것으로 나타났으며, 전지구의 경우 2.4 ppm 증가하여 안면도의 증가율이 전지구 보다 높았다. 가장 관측 기간이 긴 AMY의 CO₂ 10년 평균의 증가율과 전지구 값을 비교하였을 때, 두 값 모두 점차 증가율이 가속화되는 것을 확인할 수 있었다. 실제로 1980년대의 전지구 CO₂ 증가율은 1.5 ppm yr^-1였으나, 2000년대 들어서 1.9 ppm yr^-1를 나타냈고, 최근 2.4 ppm yr^-1 (2010~2019년)를 기록하였다. AMY도 이와 비슷하게 관측 초기 2000년대 2.2 ppm yr^-1를 나타냈으나, 최근 10년간 2.7 ppm yr^-1를 보였다.

중앙/동태평양의 해수면의 온난화 혹은 냉각화에 의해 값이 달라지는 ENSO (El Niño-Southern Oscillation) 지수와 전지구 탄소순환은 상관관계가 높다 (Keeling and Revelle, 1985; Braswell et al., 1997; Rayner and Law, 1999). 이는 ENSO 지수가 높을 시 생물과 토양에서의 호흡에 의한 배출이 흡수보다 높기 때문으로 알려져 왔다(Keeling et al., 1995; Jones et al., 2001). 따라서 만일 우리가 지역 오염원을 제외하고 배경농도를 잘 산출했다면, 전지구와 비슷한 경향을 나타내며 ENSO 지수와 높은 상관도를 나타낼 것으로 판단하였다. 실제로 전지구 증가율과 L3 자료로 구한 AMY의 증가율은 ENSO 지수의 증가와 잘 일치하는 것으로 판단되었다. 특히 1950년 이후 전 세계적으로 8번째로 강했던 2015/16년 El Niño는 16개월 동안 고온현상을 나타내었으며, AMY와 전지구는 2016년 증가율이 각각 3.7 ppm yr^-1, 3.4 ppm yr^-1로 최근 10년 평균대비 1 ppm 이상의 높은 증가율을 보였다(Figs. 8b, 11). 반면 ENSO 지수에 대한 반응은 AMY가 전지구 보다 4~5개월 늦게 관측되었다. CO₂의 증가는 El Niño에 의한 NPP (net primary production)의 감소와 상관이 높으며 동아시아의 NPP 아노말리는 아한대 봄철(boreal spring) 동안 최댓값이 나타나기 때문에 아한대 겨울(boreal winter) 동안 최댓값을 나타내는 ENSO 지수보다 4~5개월 후에 CO₂ 증가율의 최댓값이 나타난다(Kim et al., 2016). 이는 AMY의 CO₂ 증가율과 ENSO 지수에서도 이러한 현상이 반영되어 실제 반영된 것으로 판단되어, NIMS 필터를 이용하여 산출한 AMY의 배경농도가 지역 영향을 배제한 증가율을 잘 반영하고 있음을 확인하였다.

Fig. 11. 
ENSO index (magenta bars), CO₂ global (black line) and AMY growth rate (blue line) from 2013 to 2020.

JGS의 경우 2011년 말 관측소의 위치 변경으로 인해(33.30^oN, 126.21^oE에서 33.29^oN, 126.16^oE) 2012년 자료의 안정화 기간을 거쳤으며, 2017년 인렛의 높이를 6 m에서 12 m로 확장하여 관측하여 환경적 변화의 영향이 있을 것으로 판단하였으며, ULD와 DOK의 경우 2014년부터 공식값이 생산되어 본 분석에서는 제외하였다.

2020년 코로나-19 기간에 전지구 인위적 CO₂ 배출량이 7% 수준(불확도 3~11%)으로 감소하였음이 보고되었으며, 우리나라도 7% 정도 감소한 것으로 보고되었으나(Le Quere et al., 2020) 대기 중 CO₂ 농도는 지속 증가하였다.

2019년 대비 2020년 우리나라 CO₂ 배출량의 차이를 보면 2월 이후부터 코로나 사례가 급격히 증가하여, 사회적 거리두기가 이행되었던 2월 말에서 4월 중순까지 배출량의 감소폭이 가장 컸다(Fig. 12c). 이 기간 동안 대기 중 CO₂ 농도 값이 실제 감소하였는지 살펴보기 위해 안면도 기후변화감시소의 2020년 CO₂ 계절 변동값(seasonal cycle)과 과거 10년(2010~2019년, 배출량 감소가 없었던 기간)의 평균 계절 변동값을 비교하였다(Figs. 12a, b). 회색 음영 처리한 부분은 지난 10년간의 계절변동값의 표준편차(10년 평균의 1σ)이다. 만일 코로나-19로 인해 2월 말부터 CO₂ 배출량이 약 25% 정도 감소되었다면, 3월부터 대기 중 CO₂는 지난 10년의 계절변동폭보다 매월 약 0.2 ppm씩 낮아질 것으로 모델 결과 추측되었다(https://www.carbonbrief.org/analysis-what-impact-will-the-coronavirus-pandemic-have-on-atmospheric-co2; https://gml.noaa.gov/ccgg/covid2. html, last access August, 2021).

Fig. 12. 
(a) The seasonal cycle of CO₂ at AMY after removal of the long-term increase. The gray line is the mean seasonal cycle during 2010~2019 and the gray band shows the variability of the seasonal cycle (one standard deviation) over 10 years. The navy line is the seasonal cycle during 2020. (b) Deviations from grey line above for both the gray uncertainty band and navy. (c) Brown line Is the difference in CO₂ emissions between 2019 and 2020 (Le Quere et al., 2020, https://www.icos-cp.eu/gcp-covid19, last access, May 2021) and for green line the reported number of covid-19 in South Korea, 2020 (http://ncov.mohw.go.kr/, last access, May 2021).

그러나 코로나-19로 인한 배출량 감소가 가장 두드러졌던 2020년 봄철(3~5월)을 포함하여 2020년 대기 중 CO₂ 농도의 계절변동은 10년간의 계절변동값의 월별 표준편차(회색 음영, 1σ) 안에 있었다. CO₂는 대기로 한번 배출되면 해양과 지표 생태에서 흡수하고 남은 양이 대기 중에 머물기 때문에, 계절변동이 크다. Section 3.2에서 설명하였듯이 대기 중 CO₂의 연최댓값은 지표 식생이 활발해지기 직전까지 누적되어 4월에 관측되며, 연 최솟값은 광합성 활동으로 흡수가 큰 8월에 나타난다. AMY의 최댓값과 최솟값의 차이가 약 12 ppm에 이르며, 지난 10년간 이 계절변동의 월별 표준편차는 약 ±2 ppm (Figs. 12a, b 회색 음영)으로 지구급 관측소인 마우나로아(±0.6 ppm)보다 큰 값이다. 따라서 우리나라의 CO₂는 지구급 관측소보다 매년 계절변동에 영향을 주는 인자가 다양할 뿐 아니라, 화석연료와 더불어 생체소각에 의해(약 23%) 영향을 받기 때문에 대기 중 CO₂의 감소는 화석연료 배출의 감소만으로 설명할 수 없다(Lee et al., 2020). 따라서 CO₂의 배출원을 정확히 파악하고 계절변동성을 넘어서는 파격적이고 지속적인 배출량 감소가 정책적으로 이루어져야 한다.