서울에서의 미세먼지 저감을 위한 인공강수 가능성 진단

1. 서 론

미세먼지는 눈에 잘 보이지 않는 미세한 입자들로 호흡기를 통해 인체에 흡수돼 악영향을 끼치는 것으로 알려졌다. 선행연구들에 따르면 미세먼지는 기관지염과 천식, 폐렴 등과 같은 다양한 호흡기 질환을 야기하고, 사망률을 증가시킨다는 것이 밝혀졌다(Pope 3rd et al., 1995; Norris, 1999; Buckeridge et al., 2002; Pino et al., 2004). 국내 의료보험자료를 바탕으로 한 연구도 상기된 선행연구들과 같이 급성 상기도, 급성 하기도, 폐렴, 만성호흡기계질환 등의 호흡기 질병과 미세먼지 사이에 유의미한 상관이 있는 것을 입증했다(Seo et al., 2006). ME (2005)는 대기오염에 의한 사회적 피해가 수도권에서만 연간 10조원에 달한다고 추정했다.

사회적 피해를 줄이기 위해 ME (2005)는 대기질 개선 방안으로 제 1차 수도권 대기환경관리 기본계획(이하 기본계획)을 수립∙시행했다. 기본계획은 서울의 PM₁₀ 농도를 기준치인 2003년 평균값 69 μg m^-3에서 40 μg m^-3까지 42% 저감하는 것을 목표로 2005년부터 2014년까지 시행됐다. 기본계획의 예산 대부분은 차량으로부터 배출되는 미세먼지를 저감하는데 사용되었다. Han et al. (2017)에 따르면 결과적으로 기본계획은 목표치를 달성했으나, 기본계획 시행에 의한 효과인지는 불명확한 것으로 여겨진다. ME (2013)는 제 2차 수도권 대기환경관리 기본계획(이하 제 2차기본계획)을 2015년부터 2024년까지 수립, 시행 중이다. 제 2차 기본계획은 기존의 기본계획에 PM_2.5와 O₃의 배출저감 목표를 추가하였다. 이러한 기본계획과 같은 저감대책은 배출원에 대한 지속적인 감시와 규제를 통해 평균농도를 감소시킬 수 있지만, 특정한 기상 현상 등과 같이 배출원과 무관한 원인에 의해 산발적으로 발생하는 고농도 사례에 대처할 수는 없다는 한계가 있다.

고농도 미세먼지 사례 발생시의 능동적 대처방안으로는 인공강수를 통한 미세먼지 저감이 있다. 이 방법은 구름씨 살포를 통해 인공적으로 강수계를 발달시켜 비를 내리거나 강우강도를 증가시키는 방법이다. 미세먼지에 의한 심각한 대기오염이 있을 때 이 방법이 성공적으로 수행된다면 대기중의 미세먼지 대부분이 강수입자에 의해 씻겨 나가며 빠른 대기질 개선효과를 기대할 수 있다(Zhang and Vet, 2006). Mircea et al. (2000)는 강우강도가 1mm h^-1일 때, 미세먼지의 질량농도 혹은 수농도가 1/e로 줄어드는 데 걸리는 시간(e-folding time)이 도시지역에서는 1초, 그 외 육지 지역에서는 100초 정도로 추정한 바 있다. 이는 이상적인 환경을 가정한 계산으로서 실제에 적용될것인지는 좀 더 연구가 필요하다. 이러한 긍정적인 효과를 기대하여 기상청에서 미세먼지 저감을 목표로 한 인공강수 실험을 2017년과 2019년에 수행한 바 있으나 실용화 단계에 이를 만큼 긍정적인 결과를 얻지는 못한 것으로 언론에 보도된 바 있다.

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.

2. 자 료

미세먼지 저감대책으로서의 인공강수 실험의 성공가능성을 조사하기 위해 먼저 미세먼지 농도(PM₁₀)와 운량 관측 자료를 비교하였다. 서울시 종로구 송월동에 위치한 기상청 서울 관측소(북위 37.57^o , 동경 126.98^o)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 PM₁₀ 관측망이 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.

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. 이에 반해 목측 운량은 관측 시점에 보이는 하늘의 면적 중 구름이 차지하는 비율을 관측자가 기록하는 방식으로, 시∙공간적 해상도가 낮지만 좀 더 정확한 의미의 운량을 측정한다는데 의의가 있다. 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.

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.

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), 빙정수경로(Ice Water Path; IWP) 자료이다. LWP와 IWP는 각각 지상에서부터 대기상한 사이에 존재하는 액체, 고체 물의 총량을 뜻한다. 따라서 이 두 값들이 클수록 구름이 포함하고 있는 물이 많다는 의미이고, 그만큼 많이 발달된 구름임을 나타낸다. 일반적으로 LWP와 IWP는 마이크로파 라디오미터를 통해 관측이 가능하지만, 서울관측소에는 이용가능한 라디오미터 자료가 없어 ERA5 재분석장 자료로 대체했다.

3. 결 과

본격적인 분석에 앞서 ME (2018)가 발표한 1995년부터 2017년까지의 서울의 연평균 PM₁₀ 농도 변화 추세를 Fig. 2a에 나타내었다. 서울의 미세먼지 농도는 꾸준히 감소하는 추세임을 분명히 보여주고 있다. Figure 2b는 본 연구에서 분석한 서울지역 PM₁₀ 추이와 PM₁₀ 농도∙연도별 발생빈도를 보여준다. PM₁₀ 구간을 30 μg m^-3으로 나누었을 때, 각 구간 별 실제 관측된 횟수는 Table 1에 나타내었다. Figure 2b에 보인 구간별 PM₁₀ 농도의 연도별 발생빈도에 따르면 고농도 사례의 빈도가 상대적으로 증가하는 경향이 있음을 알 수 있다. 전반적으로 PM₁₀ 농도가 감소하는 추세(Fig. 2a)임에도 불구하고 사회적 경각심이 증가하는 것은 고농도 사례의 빈도가 증가하기 때문일 것이다.

Table 1.

Number of cases per each PM10 bin.

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).

Figure 3는 PM₁₀ 농도구간 별 목측 운량의 상대분포를 로그 스케일로 보여준다. 각 농도구간에서 운량에 따른 상대 도수의 총 합은 1이다. 관측 값의 통계에 따르면 대부분의 경우 운량이 0 혹은 10인 경우가 절반 이상을 차지했다. 또한, PM₁₀ 농도가 높아질수록 운량이 10일 때의 상대 도수가 줄어들고, 운량이 0일 때의 상대 도수는 늘어나는 경향을 보인다. 이는 PM₁₀ 농도가 높을 때 구름이 적게 발생했다는 것을 의미한다.

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.

구름이 적게 발생한 이유를 탐구하기 위해 기온과 이슬점온도의 차이인 습수를 조사했다. Figure 4는 PM₁₀ 농도 구간에 따른 평균 습수의 변화를 보여준다. 대체로 PM₁₀이 높아질수록 습수가 높아지는 경향을 보인다. PM₁₀이 270 μg m^-3 이상일 때는 이전 농도구간에서 보다 약간 작은 값을 보이는데, 해당 농도구간의 사례수가 적어 통계적으로 큰 의미를 두기어렵다. 습수가 높을수록 건조하고 응결이 어려워진다는 점을 감안할 때, PM₁₀이 높아질수록 구름이 적어지는 것은 당연한 결과라고 할 수 있다.

Fig. 4.

PM10 mass concentration versus T-TD for the 9 years(2010~2018) measurement at KMA Seoul station.

ERA5 재분석장 자료를 이용해 PM₁₀ 농도에 따라 구름내 액체 및 고체 수함량을 조사했다. Figure 5는 액체와 고체 물의 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. 따라서, 이 결과는 PM₁₀ 농도가 높아질수록 인공강수에 따른 강수량이 제한적일 수 있음을 나타낸다고 할 수 있다.

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.

4. 토 의

PM₁₀ 농도가 높을 때와 낮을 때의 기상장의 종관특성은 몇몇 선행연구를 통해 밝혀졌다. 다수의 연구에서 PM₁₀ 농도가 높을 때(100 μg m^-3 이상) 한반도 지역은 고기압의 영향을 받는 것으로 밝혀졌다(Lee et al., 2011; Hur et al., 2016; Lee et al., 2018). Lee et al. (2011)은 한반도의 고농도 미세먼지 사례를 지역성 배출과 외부 유입 두가지 사례로 정리했는데, 두 경우 모두 한반도에는 고기압이 위치하며 하층 바람이 약하게 부는 공통점이 있었다. 이와 같이 고농도 미세먼지 사례에서 하층 바람이 약한 것은 Kim et al. (2017)가 주장한 바와 일치한다.

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 조건 하에서는 구름 발달이 어려운 것으로 여겨진다. PM₁₀ 농도가 높아질수록 운량이 작아지는 결과를 초래하게 되므로 이는 Fig. 3에 보인 결과와 일맥상통한다. 또한, 구름이 존재하더라도 응결된 물의 양이 적을 수 있음을 시사하는 Fig. 4와도 일맥상통하는 분석이다. 따라서, 상기한 자료를 바탕으로 PM₁₀ 농도가 높을 때는 일반적으로 구름 발달이 억제된다고 추정할 수 있다.

인공강수를 위한 필수적인 선결조건은 구름의 존재유무이다. Bruntijes (1999)는 인공강수의 방법을 구름이 있을 때로 한정했고, Hashimoto et al. (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. PM₁₀ 농도가 높을 때는 주로 구름 발달이 어려워 구름이 없거나 물의 양이 적으므로, 인공강수가 효과적이지 못할 것으로 예상할 수 있다.

5. 결론 및 제언

본 연구에서 보인 통계적인 분석 자료를 종합해 보면, 한반도에서 관측된 고농도 미세먼지 사례는 구름발달이 저해되는 기상조건에서 발생한 것으로 판단된다. 즉 인공강수를 통한 미세먼지 저감대책이 제한적일 수 있다. 그러나 이러한 결과만을 가지고 고농도 미세먼지 저감대책으로 인공강수가 전혀 실효성이 없다고 결론지을 수는 없다. 이 연구에서 제시하는 결과는 다양한 사례를 개별적으로 분석한 것이 아니라, 약 10년간의 기상청 서울 관측소 자료에 대한 통계적 접근이다. 그러므로, 이러한 통계적 진단은 한반도 전역에서의 인공강수를 통한 미세먼지 저감의 효율성을 정확히 판단하는 데에는 한계가 있을 것으로 사료된다. 따라서, 다양한 장소에서의 개별 사례에 대한 보다 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.

인공강수 실험의 성공을 위해서는 다각적 분석을 통한 한반도 상공 구름 및 강수과정에 대해 더 깊은 이해가 선행되어야 한다. Kim et al. (2005)은 대관령지역의 인공강수 성공가능성을 연구하기 위해 수치모형과 종관 기상자료, 라디오미터 자료의 심층 분석을 통해 대관령지역의 인공강수가 성공할 수 있는 조건을 제시하였다. 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.

구름에 대한 심층적인 연구에 더해, 인공강수 실험전략 수립을 위한 상시적 관측 역시 중요한 요소이다. 구름의 존재유무와 위치, LWP와 IWP 등의 구름물리변수 등을 미리 파악할 수 있다면 전략 수립에 큰 이점을 가져다줄 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.

2017년 기상청의 기상항공기 도입 후, 국내에서 이미 시행된 두 차례의 미세먼지 저감실험이 수행되었으나, 아직 실용화 단계에 이르지는 못했다. 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.

Acknowledgments

Contains modified Copernicus Climate Change Service Information [2019].

이 성과는 2018년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. NRF-2018R1A2B2006965).

References

• Bruintjes, R. T., 1999: A review of cloud seeding experiments to enhance precipitation and some new prospects. Bull. Amer. Meteor. Soc., 80, 805-820. [https://doi.org/10.1175/1520-0477(1999)080<0805:AROCSE>2.0.CO;2]
• 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. [https://doi.org/10.1289/ehp.02110293]
• Han, H., C. H. Jung, H. S. Kum, and Y. P. Kim, 2017: The revisit on the PM₁₀ 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). [https://doi.org/10.15301/jepa.2017.25.1.49]
• 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. [https://doi.org/10.2151/sola.2008-018]
• 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 PM₁₀ grades in Seoul, Korea using a neural network model based on synoptic patterns. Environ. Pollut., 218, 1324-1333 [https://doi.org/10.1016/j.envpol.2016.08.090]
• 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 [https://doi.org/10.1038/s41598-017-05092-8]
• 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). [https://doi.org/10.15531/KSCCR.2018.9.4.423]
• Lee, S., C.-H. Ho, and Y.-S. Choi, 2011: High-PM₁₀ concentration episodes in Seoul, Korea: Background sources and related meteorological conditions. Atmos. Environ., 45, 7240-7247 [https://doi.org/10.1016/j.atmosenv.2011.08.071]
• 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. [https://doi.org/10.1016/S1352-2310(00)00199-0]
• 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. [https://doi.org/10.1289/ehp.99107489]
• 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. [https://doi.org/10.1097/01.ede.0000142153.28496.d0]
• 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. [https://doi.org/10.1289/ehp.95103472]
• 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 PM₁₀ on Respiratory-related Admission in Seoul. J. Kor. Soc. Atmos. Environ., 22, 564-573 (in Korean with English abstract). [https://doi.org/10.1097/00001648-200611001-00750]
• Zhang, L., and R. Vet, 2006: A review of current knowledge concerning size-dependent aerosol removal. China Part., 4, 272-282. [https://doi.org/10.1016/S1672-2515(07)60276-0]