서울지역 장기간 강수와 미세먼지의 특성 분석에 기반한 미세먼지 세정효과

1. 서 론

미세먼지(PM₁₀과 PM_2.5)는 사회적 문제로 떠오른 대기오염의 주된 원인 중 하나로 인체에 악영향을 미치는 요소이다. 미세먼지가 인체에 장기간 노출될 경우 천식과 같은 호흡기 질환을 일으키며, 일평균 질량농도 이상의 고농도 발생 시 급성 호흡기 질환의 발생 확률을 증가시킨다(Dockery and Pope, 1994; Atkinson et al., 2015). 전국 PM₁₀ 월평균 질량농도가 1 μg m^-3 증가할 경우 월평균 호흡기 질환 발생건수가 2.4% 증가하며, 특히 서울지역의 경우 호흡기 질환 발병률이 약 3.0% 증가하였다(Park and Hwang, 2017).

수도권 지역의 미세먼지는 해외 유입과 국내 배출원의 복합적 영향을 받는다. 해외 유입의 대표적 사례는 중국과 몽골 내 사막지역에서 발원한 황사로, 장거리 수송되어 수도권 지역에 봄철 PM₁₀ 고농도 현상을 야기한다(Lee and Kim, 2008; Kim and Lee, 2013; Hur et al., 2021). 황사 사례 이외에도 겨울철 중국에서 발생한 황산암모늄 및 질산암모늄이 장거리 수송되어 국내 미세먼지 질량농도 증가에 기여하는 해외 유입 사례가 존재한다(Park and Han, 2014).

수도권 미세먼지는 해외 유입의 영향과 함께 지역 내 자체 배출원의 영향도 중요하다. 수도권 PM₁₀은 신도시 및 산업단지 내 건설현장에서 발생한 비산먼지 배출이 주요 원인이며, PM_2.5는 산업현장에서 발생한 연소물질이 주요 원인으로 알려져있다(Kim et al., 2019). 이와 함께 높은 인구밀도 및 많은 교통량으로 인해 타 지역보다 상대적으로 많은 배출원이 존재한다(KEI, 2016). 또한 타 지역과 녹지면적 등의 토지 이용 실태를 비교하였을 때, 수도권은 식생분포에 의해 자연적으로 미세먼지가 저감되기 어려운 지역이다. Kang et al. (2022)은 지역별 단위면적 당 미세먼지 흡착량을 산출하여 수도권이 전국에서 가장 낮은 단위 면적 당 흡착량(약 0.3 ton km^-2)을 나타냄을 밝혔다. 즉, 수도권은 미세먼지가 자연에 의해 제거될 수 있는 흡착량이 낮아 타 지역보다 미세먼지에 취약한 지역이다.

미세먼지의 농도변화는 경계층 높이, 바람 등의 기상의 영향을 받는다(Kim and Kim, 2020). 강수입자는 낙하 시 미세먼지와 충돌하여 대기 중의 미세먼지를 제거하는 습성침적(wet deposition)을 통해 결과적으로 미세먼지 농도를 낮추는 세정효과(i.e., below-cloud scavenging)를 야기한다(Chate et al., 2003). 이 사실에 기반하여 미세먼지 농도 저감의 이론적 기반마련을 위한 수치모의 실험(Jung et al., 2022; Lim et al., 2022)과 실제(in situ) 항공기 인공증우 실험을 수행하였다(Cha et al., 2019; Wu et al., 2022). Lim et al. (2022)은 수치모의를 통해 0.7mm hr ^-1의 약한 인공증우 효과 발생 시 인공증우 효과가 없을 때보다 PM₁₀ 질량농도가 약 11% 감소함을 밝혔다. Wu et al. (2022)은 중국에서 항공기 인공증우 실험을 수행하여 인공증우 효과가 발생한 지역이 인공증우의 영향이 없는 지역보다 미세먼지 질량농도의 증가율이 더 낮게 나타나, 증우효과가 더해진 강수현상으로 인해 대기 중 미세먼지의 축적이 완화될 수 있음을 보고하였다.

인공증우 사례 외에 실제 지상 관측 자료를 기반으로 한 선행연구 사례도 존재한다. Olszowski (2016)은 7년간(2007~2013년) 따뜻한 계절(4~9월)과 차가운 계절(10~3월)을 구분하여 강수강도와 PM₁₀ 간의 세정효율을 비교하였다. 강수강도가 강할 때 PM₁₀의 세정효율이 더 높게 나타나며, 강수강도의 범위가 동일할 때 따뜻한 계절이 차가운 계절보다 약 25% 더 높은 세정효율을 보였다. Ouyang et al. (2015)은 중국 베이징에서 관측한 2013년 여름 강수현상을 분석하여 PM_2.5와의 상관관계를 비교하였다. 누적 강수량과 PM_2.5는 음의 상관관계가 존재하며 강수강도가 강할수록 PM_2.5의 세정효과가 효과적으로 발생함을 보고했다.

국내에서는 제한적이기는 하나 지상 관측 자료를 사용한 연구가 수행되었다. Park et al. (2020)은 부산시 부경대학교에서 2020년 3~7월간 관측한 총 6번의 강수 사례와 PM₁₀ 관측 자료를 사용하여 강수 지속시간 및 강수강도와 PM₁₀ 질량농도 간의 상관관계를 도출하였다. 강수가 지속되는 동안 PM₁₀ 질량농도가 감소함을 확인하였고, 상대적으로 강한 강도의 강수 사례의 경우 PM₁₀ 저감효율이 더 높게 나타남을 보였다. Kim et al. (2014)은 10년간(1999~2008년) 서울시에서 관측한 PM₁₀과 강수량 자료를 사용하여, 강수가 발생했을 때와 발생하지 않았을 때의 PM₁₀ 질량 농도 차이를 비교하였다. 강수가 발생하지 않은 조건에서 PM₁₀ 질량농도가 더 높게 나타났으며, 강수 지속시간이 길고 누적 강수량이 많을수록 PM₁₀이 효과적으로 감소함을 보고하였다. 하지만 이 연구는 강수 관측 지점 한 곳과 미세먼지 관측 지점 두 곳 만을 사용하여 공간적 대표성이 높지 않다.

위에 언급한 바와 같이 지상 관측 자료 분석 또는 수치모의 실험을 통한 강수에 의한 미세먼지 세정효과에 관한 선행연구가 존재하지만, 국내 장기간 관측 자료를 사용한 연구는 매우 부족하며 장기간 자료를 사용하였으나 강수에 의한 PM₁₀과 PM_2.5의 세정효과를 함께 고려한 선행연구는 극히 드물다. 또한, 대학교 내 1개 지점의 사례처럼 연구 대상 지역 내 제한된 기상 및 미세먼지 관측 지점의 자료만을 사용한 사례가 많아 지역 전체를 대표하는 결과로 판단하기 어렵다. 뿐만 아니라 수치모의 결과를 검증할 수 있는 관측 자료를 사용한 미세먼지 세정효과 연구는 많지 않다.

본 연구는 서울시 25개 지역구 전체의 강수와 미세먼지 자료를 사용하여 지역 전체를 대표하는 강수와 미세먼지의 개별적 특성을 도출하였다. 강수를 제외한 다른 기상의 영향을 최소화하기 위해 장기간 관측 자료를 사용하였다. 또한 강수에 의한 미세먼지 세정효과에서 PM₁₀과 PM_2.5를 동시에 고려하여 강수로 인해 나타나는 PM₁₀과 PM_2.5의 변화 정도를 정량적으로 도출하였다. 다수의 선행연구 중 미세먼지 세정효과와 강수의 상관관계 분석을 위해 강수강도만을 고려하였다는 한계점이 존재하기에 본 연구에서는 강수강도, 강수 지속시간, 누적 강수량을 모두 고려하여 PM₁₀과 PM_2.5의 세정효과를 세 가지 강수 특성의 함수로 정량화 하였다.

2. 연구 자료 및 방법

3. 결 과

3.1 강수 및 미세먼지의 장기간 변동 및 특성

3.1.1 미세먼지의 장기간 변동 및 특성

서울시 25개 지역구에서 관측된 미세먼지 자료를 사용하여 21년간(2001~2021년) PM₁₀과 7년간(2015~2021년) PM_2.5의 기간별(연별, 계절별, 월별) 장기 변동 특성에 대해 분석하였다. Figure 1은 연별 PM₁₀과 PM_2.5의 월평균 질량농도를 보인다. PM₁₀ 질량농도는 2001년(70.92 ± 57.86 μg m^-3)부터 2021년(38.40 ± 45.63 μg m^-3)까지 뚜렷한 감소 추이를 나타내며(Fig. 1a), PM_2.5 또한 2015년(23.37 ± 14.82 μg m^-3)부터 2021년(19.89 ± 17.50 μg m^-3)까지 감소 추이를 보이나 그 정도가 PM₁₀보다 약하다(Fig. 1b). PM₁₀과 PM_2.5의 지속적인 감소 추이는 선행연구에서 보고된 바 있으며(Kim and Lee, 2018; Yeo et al., 2019; Byun and Kim, 2020), 연중 발생한 PM₁₀과 PM_2.5 최고농도 또한 지속적인 감소 추이를 나타내고 있다(Byun and Kim, 2020). 서울시 PM₁₀과 PM_2.5의 질량농도는 감소하지만 고농도 PM_2.5 발생빈도가 증가하는 경향이 존재하고(Yeo et al., 2019), 이러한 경향이 PM_2.5가 PM₁₀보다 상대적으로 약한 감소 추이를 나타내는데 영향을 준 것으로 보인다. 또한 서울시 25개 지역구의 PM₁₀과 PM_2.5 연평균 질량농도의 지역구별 변동을 확인하였다. 서울시 PM₁₀의 평균 질량농도는 51.47 ± 11.84 μg m^-3(최대: 54.10 μg m^-3(성동구); 최소: 49.44 μg m^-3(금천구))이며 PM_2.5의 평균 질량농도는 23.29 ± 2.63 μg m^-3(최대: 25.16 μg m^-3(마포구); 최소: 21.77 μg m^-3(성북구))이었다(Figs. 2a-b).

Fig. 1.

The annual trends of monthly averaged (a) PM10 mass concentrations and (b) PM2.5 mass concentrations. The black solid lines represent 25 stations averaged PM mass concentrations. The standard deviations for monthly averaged PM mass concentrations of 25 stations are indicated with the gray shaded areas. The trends of the annual averaged PM mass concentrations are indicated with the red solid lines. The regression lines of the monthly averaged PM mass concentrations are shown with the black dashed lines.

Fig. 2.

The spatial distributions of (a) 21 years (2001~2021) averaged PM10 mass concentrations, (b) 7 years averaged (2015~2021) PM2.5 mass concentrations, and (c) 7 years (2015~2021) averaged PM2.5/PM10 v alues. The minimum range o f color bar in each panel was shown as gray color.

미세먼지 질량농도의 계절별 특징을 분석한 결과 PM₁₀의 21년간 겨울(58.02 ± 42.16 μg m^-3)과 봄(65.27 ± 65.64 μg m^-3)의 평균 질량농도가 여름(39.30 ± 29.33 μg m^-3)과 가을(42.52 ± 33.80 μg m^-3)보다 높았다(Fig. 3a). 또한 모든 계절에 대해 PM₁₀은 감소 추이를 보였다. PM_2.5는 겨울(28.87 ± 19.16 μg m^-3)과 봄(27.07 ± 19.29 μg m^-3)의 평균 질량농도가 여름(18.74 ± 12.08 μg m^-3)과 가을(18.52 ± 14.45 μg m^-3)보다 높았다(Fig. 3b). PM_2.5의 여름과 가을 평균 질량농도는 감소하지만 봄과 겨울의 평균 질량농도는 2015년부터 2019년까지 증가 추이를 보이고, 2020년부터 2021년까지 감소 추이를 나타냈다(Fig. 3b). 2019년 이후 2020년에 감소하는 봄과 겨울철 PM_2.5의 추이는 COVID-19 발생의 영향으로 판단된다. 2020년 1월 말부터 3월까지의 중국 내 지역 봉쇄 조치에 의해 2020년 2~4월까지의 PM_2.5 월별 평균 질량농도가 감소하였다(Tan et al., 2020). 따라서 2020년 국내의 봄과 겨울철 PM_2.5 질량농도 감소 추이 역시 북서계절풍에 의해 국내로 유입되는 PM_2.5가 감소함으로써 나타난 결과로 판단된다.

Fig. 3.

The annual trends of seasonal averaged (a) PM10 mass concentrations and (b) PM2.5 mass concentrations are shown with solid lines. Different colors indicate different seasons.

PM₁₀과 PM_2.5의 월별 변동 추이는 유사하였으며 21년간 3월에 PM₁₀(69.46 ± 67.04 μg m^-3)과 PM_2.5(33.98 ± 23.65 μg m^-3)의 최고 질량농도가 나타났다(Fig. 4). PM₁₀ 최저 B9®질량농도는 8월(31.46 ± 22.41 μg m^-3)에 나타난 반면(Fig. 4a), PM_2.5 최저 질량농도는 9월(13.90 ± 11.13 μg m^-3)에 나타났다(Fig. 4b). PM₁₀과 PM_2.5 모두 연중 봄에 월평균 질량농도의 최대가 나타나고 여름에 월평균 질량농도가 감소하는 뚜렷한 계절 변동을 보인다(Fig. 4). 봄에 나타나는 월평균 질량농도의 최댓값은 잦은 대기 정체로 인한 질량농도 상승의 영향과 함께 황사 발생으로 인한 고농도 미세먼지 사례의 영향을 받기 때문이다(Nam et al., 2019; Park et al., 2021). 여름에 월평균 질량농도가 감소하는 추이는 연중 여름철에 집중된 강수와 연관되어 있으며, 동시에 타 계절보다 높은 혼합고로 인한 대기 확산의 영향을 받는 것으로 판단된다(Kim and Kim, 2008).

Fig. 4.

The monthly distributions of (a) PM10 mass concentrations for 21 years (2001~2021) and (b) PM2.5 concentrations for 7 years (2015~2021). The monthly averaged values of PM mass concentrations are shown with the black dots in each box. The monthly median values of PM mass concentrations are indicated with the black horizontal lines in each box. The capped vertical lines represent the maximum (top) and minimum (bottom) of each month.

Figure 5는 연별과 계절별 PM₁₀에 대한 PM_2.5 비율(%)이다. PM₁₀ 질량농도 중 PM_2.5가 차지하는 비율은 7년간 평균 56.29 ± 17.17%(최소: 53.97%(2015년); 최대: 57.99%(2019년))였으며 2020년까지 증가 추이를 보이다 2021년에 감소하였다(Fig. 5a). 이러한 추이는 Fig. 1에서 PM₁₀과 PM_2.5의 선형회귀식의 기울기를 비교하였을 때 PM₁₀은 -0.1446, PM_2.5는 –0.0793으로 PM_2.5보다 PM₁₀의 감소 정도가 더 크기 때문이다. 7년간 PM_2.5/PM₁₀의 분포는 계절별로 다른 추이를 보인다(Fig. 5b). 연중 PM_2.5/PM₁₀의 계절별 평균을 산출하였을 때 봄(52.64 ± 18.17%)에 가장 낮은 값을, 여름(60.80 ± 17.22%)에 가장 높은 값을 보였다(Fig. 5b). 이는 월별로 PM_2.5보다 PM₁₀의 농도 변화 정도가 더 크고(Fig. 4), PM₁₀의 고농도가 나타나는 3월과 저농도가 나타나는 8월의 영향을 받았기 때문이다(Fig. 4a). 또한 PM_2.5/PM₁₀의 지역구별 변동을 확인한 결과, 서울시에서 PM₁₀ 중 PM_2.5가 차지하는 비율은 평균 56.32 ± 3.94%(최대: 62.00%(용산구); 최소: 51.33%(성북구))로 나타났다(Fig. 2c). PM_2.5/PM₁₀의 값이 클수록 미세먼지 2차 생성의 가능성이 높음을 의미한다(Yeo et al., 2019). 지역 내 PM₁₀과 PM_2.5의 공간 분포와 PM_2.5/PM₁₀의 공간 분포는 다르게 나타났다(Fig. 2). 이를 통해 실제로 PM₁₀과 PM_2.5가 고농도를 나타내는 지역과 미세먼지 2차 생성의 가능성이 높은 지역은 다르게 나타남을 확인하였다.

Fig. 5.

The calculated ratio of PM2.5 to PM10. (a) The annual trend of the ratio of PM2.5 to PM10. The black solid line with circle markers represents the annual average. The gray shaded areas represent standard deviations of 25 stations. (b) The seasonal distribution of the ratio of PM2.5 to PM10 for 7 years (2015~2021). The seasonal averaged values are shown with the black dots in each box. The seasonal median values are indicated with the black horizontal lines in each box. The capped vertical lines represent the maximum (top) and minimum (bottom) of each season.

3.1.2 강수의 장기간 변동 및 특성

서울시 25개 지역구에서 관측된 1시간 강수량 자료를 사용하여 21년간(2001~2021년) 기간별(연별, 계절별, 월별) 강수강도와 누적 강수량을 기준으로 강수의 장기 변동에 대해 분석하였다. Figure 6은 21년간 강수강도의 월평균을 나타낸 것이다. 21년 평균 강수강도는 2.77 ± 4.60mm hr ^-1였으며 뚜렷한 증감추이는 관찰되지 않았다. 매년 가장 강한 강수가 나타나는 시기는 7월로, 21년 평균 4.06 ± 1.31 mm hr ^-1의 강도를 나타냈다. 1월에 연중 가장 낮은 강수강도가 나타나며 21년 평균 0.94 ± 0.39 mm hr ^-1의 강도를 보인다(Figs. 6 and 9b).

Fig. 6.

The annual trend of monthly averaged precipitation intensity for 21 years. The black solid line represents 25 stations averaged precipitation intensity. The standard deviations for monthly averaged precipitation intensity of 25 stations are shown with the gray shaded areas. The trend of the annual averaged precipitation intensity is shown with the red solid line. The regression line of the monthly averaged precipitation intensity is indicated with the dashed line.

Figure 7은 연별 누적 강수량과 계절별 누적 강수량을 나타낸 것으로, 연별 누적 강수량의 회귀선 기울기는 음수를 나타내며 감소 추이를 보였다. 21년 평균 연 누적 강수량은 1289.10 ± 118.58 mm이었으며 최댓값은 2011년(1829.52 ± 145.80 mm)에 최솟값은 2015년(799.42 ± 68.14 mm)에 나타났다. 최댓값과 최솟값의 차이가 1030.10 mm로 연별 누적 강수량의 차이가 크게 발생하였다. 서울시 25개 지역구별 연 누적 강수량의 표준편차의 평균은 118.58mm로, 지역구 간 100 mm 이상의 강수량 차이가 존재하였다. 25개 지역구별 연 누적 강수량 분포를 확인한 결과 지역구간 최대 348.04mm의 강수량 차이(최대: 1459.86 mm(도봉구); 최소: 1111.82 mm(중구))가 존재하였다(Fig. 8). Kim et al. (2011)은 1998년부터 2009년까지의 서울시 및 주변 수도권의 연평균 강수량의 공간 분포를 확인하였다. 그 결과 서울의 북동쪽 지역에 해당하는 도봉, 강북, 강동 지역의 연평균 강수량이 1400mm 이상으로 서울시 전체 평균보다 높게 나타남을 밝혀냈다. 본 연구에서도 도봉구(1459.86 mm)와 강북구(1427.02 mm)의 21년 평균 연 누적 강수량이 1400 mm 이상으로 나타났다. 이를 통해 2009년 이후 현재까지 서울시 북동쪽 지역의 연 누적 강수량이 높게 나타나는 경향이 유지되고 있음을 확인하였다. 서울의 북동쪽 지역은 서울시 내 풍하측 지역으로, 도심의 열적효과로 발생하는 상승류에 의해 대류성 강수량이 증가할 수 있다(Kim et al., 2011). 따라서 도시 열섬 및 풍하측 지형효과가 반영된 도시강수의 특징이 나타난 것으로 판단된다.

Fig. 7.

The annual trends of precipitation amount are shown. The black solid line with the circle markers represents the 25 stations averaged annual precipitation amount. The standard deviations for averaged annual precipitation amount of 25 stations are shown with the gray shaded areas. The four different color bars represent the annual average seasonal precipitation amount based on the average of 25 stations for each year.

Fig. 8.

The spatial distribution of 21 years (2001~2021) averaged annual precipitation amount. The minimum range of color bar was shown as gray color.

연 누적 강수량의 변화는 사계절 중 여름 누적 강수량의 추이와 유사하였다(Fig. 7). 21년간 여름 누적 강수량의 평균은 801.95 ± 299.66 mm이며 연 누적 강수량 중 여름 누적 강수량이 차지하는 비율은 61.10 ± 12.77%(최대: 86.32%; 최소: 35.86%)이었다. Lee at al. (2011)은 2001~2011년 한반도 전체의 여름 누적 강수량은 연 누적 강수량의 55.30%에 해당함을 보고했다. 서울시 2001~2011년의 연 누적 강수량에 대한 여름 누적 강수량의 비율은 65.29%로, 한반도 전체의 비율과 비교하였을 때 약 10% 높은 비율이 나타났다. 따라서 서울시 연 강수량은 타 지역보다 여름철 강수량의 영향을 더 많이 받고 있음을 확인하였다. 그리고 서울시 2012~2021년까지의 자료를 포함한 후 연 누적 강수량에 대한 여름 누적 강수량의 비율은 61.10%로 낮아졌다. 즉, 2012년 이후 2021년까지 연 누적 강수량에 대한 여름 누적 강수량의 기여도는 감소 추이를 보였다.

월 누적 강수량의 21년 평균을 산출한 결과 6~9월의 강수량은 100mm 이상을 나타냈다. 월 누적 강수량의 최소는 1월(13.80 ± 15.00 mm)에 나타났으며 최대는 7월(395.91 ± 242.96 mm)에 나타났다(Fig. 9a). 7월은 강수강도(4.06 ± 1.31 mm hr^-1) 및 누적 강수량 모두 연중 가장 높은 값을 나타냈다(Fig. 9). 7월의 강수량은 여름 누적 강수량의 49.37%에 해당하여 연 누적 강수량에 31.05% 기여하였다. 정리하면 7월의 강수는 서울시 여름 누적 강수량에 기여함과 동시에 연강수량에도 큰 영향을 미친다. 이는 Lee et al. (2011)의 한반도 전체에서 나타난 7월의 강수량 증가가 연강수량 및 여름철 강수량 증가에 영향을 미칠 수 있다는 결과와 일치한다.

Fig. 9.

The monthly distributions of (a) precipitation amount and (b) precipitation intensity for 21 years (2001~2021). The monthly averaged values are shown with the black dots in each box. The monthly median values are indicated with the black horizontal line in each box. The capped vertical lines represent the maximum (top) and minimum (bottom) of each month.

3.2 강수의 미세먼지 세정효과

3.2.1 강수 사례 정의 및 현황

강수에 의한 미세먼지 세정효과 분석에 앞서 강수 사례의 강수 특성 별(강수강도의 평균(mm hr^-1), 누적 강수량(mm), 지속시간(hr)) 강수 사례 개수 분포를 확인하였다. 전체 17,967개 사례 중 지속시간은 1시간부터 39시간까지 분포하며 지속시간이 1시간인 강수 사례가 전체의 35.05%(6,297개)를 차지하였다(Fig. 10). 강수강도의 평균은 0.5mm hr^-1인 사례가 전체의 32.94%(5,918개)로 가장 많은 비중을 차지하였다. 누적 강수량은 0.5mm인 사례가 가장 많이 발생하였고, 전체의 24.29%(4,364개)를 차지하였다. 기상청 AWS 관측 자료의 최소 시간 해상도는 1시간이며 관측 가능한 최소 강수량은 0.5mm이다. 즉, 누적 강수량이 0.5mm인 사례는 지속시간이 1시간인 강수 사례를 의미한다. 따라서 지속시간이 1시간인 강수 사례 6,297개 중에서 최소 강수량인 0.5mm가 관측된 사례가 69.30%(4,364개)로 가장 많은 비중을 차지하였다.

Fig. 10.

The occurrence of precipitation events by duration. The number of precipitation events for each duration was represented with each bar.

3.2.2 강수 사례 발생 후 미세먼지 세정효과

강수 사례의 지속시간은 1시간부터 최대 39시간까지 발생했다. 지속시간이 30시간을 초과하면 강수 사례 개수가 10개 이하로 급격히 감소하였다. 따라서 지속시간이 31시간부터 39시간인 강수 사례는 미세먼지 세정효과 분석에서 제외하였으며 지속시간이 1시간부터 30시간까지인 강수 사례만을 분석하였다(Fig. 10). Figures 11-13은 강수 사례의 지속시간별로 강수 사례 내에서 나타나는 PM₁₀과 PM_2.5 변화와 함께 1시간마다 누적되는 강수량을 나타냈다. 강수 사례의 시작 시점을 0으로, 종료 시점을 1로 설정하여 강수 사례의 시간 흐름을 정규화 하였다. 동시에 강수 종료 시점까지 누적된 최종 강수량 값을 1로 설정하여 1시간마다 누적된 강수량을 정규화 하였다. 그리고 강수 사례가 시작되기 2시간과 1시간 전의 미세먼지 질량농도와, 강수 사례 종료 후 1시간과 2시간 후의 미세먼지 질량농도를 함께 표출하였다. 따라서 강수 사례 내에서 1시간마다 누적되는 강수량(mm)의 변화와 강수 사례 발생으로 나타나는 PM₁₀과 PM_2.5 변화를 동시에 확인할 수 있다.

Fig. 11.

The variabilities in PM10 (blue lines) and PM2.5 (red lines) mass concentrations and normalized cumulative precipitation amount (black lines) for 2~11 hours precipitation events are shown in each panel. Cases with precipitation event durations from 2 to 11 hours are shown in each panel (a) to (j). The onset and the end of precipitation events are shown with vertical dashed lines. The number (N) of precipitation events is embedded in each panel.

Fig. 12.

The same as Fig. 11 except for the event duration of 12~21 hours. Cases with precipitation event durations from 12 to 21 hours are shown in each panel (a) to (j).

Fig. 13.

The same as Fig. 12 except for the event duration of 22~30 hours. Cases with precipitation event durations from 22 to 30 hours are shown in each panel (a) to (i).

모든 강수 사례에서 PM₁₀과 PM_2.5는 강수 시작부터 종료 시점까지 지속적인 감소 추이를 보였으며, 지속시간이 10시간을 초과하는 긴 강수 사례 중 일부 지속시간의 경우 강수 사례의 후반부에 다시 미세먼지 질량농도가 증가하는 추이를 보였다(Figs. 11-13). 강수 사례 종료 후 최종 세정 된 미세먼지 양(μg m^-3)은 강수 시작 1시간 전 미세먼지 질량농도에서 강수 종료 시점의 미세먼지 질량농도를 뺀 값을 의미한다. 최종 세정효율(%)은 최종 세정 된 미세먼지 양(μg m^-3)을 강수 시작 1시간 전 미세먼지 질량농도의 비로 나타낸 값이다. 모든 강수 사례에 대해 최종 세정 된 미세먼지의 양을 평균하였을 때 PM₁₀은 14.58 ± 16.85 μg m^-3, PM_2.5는 8.40 ± 10.68 μg m^-3로 PM₁₀이 PM_2.5보다 더 많은 양이 세정 되었다(Fig. 14a). 강수 사례의 지속시간이 20시간까지는 최종 세정 된 미세먼지의 양은 증가 추이를 보였으나 21시간 이상 지속되는 긴 강수 사례에서는 최종 세정 된 미세먼지의 양이 감소하였다. 이는 강수 사례 시작 전 PM₁₀과 PM_2.5의 초기 질량농도와 관련이 있다. 지속시간이 1시간부터 20시간까지인 경우 강수 사례 시작 1시간 전 PM₁₀의 평균은 33.14 ± 23.08 μg m^-3이며 PM_2.5는 19.59 ± 15.02 μg m^-3이었다(Fig. 14b). 21시간 이상 지속되는 강수 사례의 경우 강수 시작 1시간 전 PM₁₀과 PM_2.5 평균 질량농도는 각각 19.04 ± 10.00 μg m^-3, 11.40 ± 6.00 μg m^-3이었다(Fig. 14b). 지속시간이 21시간 이상인 강수 사례의 개수(289개)는 지속시간이 상대적으로 짧은 강수 사례에 비해 발생빈도가 낮았으며, 여름과 가을에 발생한 강수 사례가 74.05%를 차지하였다(여름: 43.25%; 가을: 30.80%). PM₁₀과 PM_2.5의 여름과 가을 평균 질량농도는 타 계절보다 낮은 값을 나타내므로(Fig. 3) 최종 세정 된 미세먼지의 양에도 차이가 발생한 것으로 보인다.

Fig. 14.

The trends of duration averaged (a) scavenged amount of PM10 (blue line) and PM2.5 (red line) after the end of the precipitation events and (b) PM10 (blue line) and PM2.5 (red line) mass concentrations before one hour the precipitation events start. The capped vertical lines represent standard deviations.

Figure 15는 강수 사례 종료 후 최종 세정 된 미세먼지 양(μg m^-3)을 강수 사례 시작 1시간 전 미세먼지 질량농도의 비로 최종 세정효율(%)을 산출하고 지속시간별로 평균한 결과이다. 모든 강수 사례에 대한 최종 세정효율은 강수 시작 1시간 전 미세먼지 질량농도 대비 PM₁₀은 평균 39.59 ± 55.68%(최소: -5.26%; 최대: 62.72%), PM_2.5는 평균 35.51 ± 71.10%(최소: -10.04%; 최대: 69.87%)로 나타났다(Fig. 15). 또한 강수 사례의 지속시간이 1시간부터 12시간인 경우 PM₁₀과 PM_2.5의 세정효율은 증가하나, 12시간 이상 지속되는 강수 사례에서는 PM₁₀과 PM_2.5 모두 세정효율의 증가 정도는 감소하고 일정 수준으로 유지된다(Fig. 15). 12시간 이상 지속되는 강수 사례의 최종 세정효율의 평균은 PM₁₀은 46.70 ± 57.29%, PM_2.5는 45.54 ± 67.22%로 나타났다.

Fig. 15.

The averaged scavenging efficiency of PM10 (blue line) and PM2.5 (red line) after the end of the precipitation events as a function of precipitation duration. The capped vertical lines represent standard deviations of calculated scavenging efficiency.

Table 1은 계절별 최종 세정 된 미세먼지의 양과 최종 세정효율을 산출한 결과이다. 최종 세정 된 미세먼지의 양은 PM₁₀과 PM_2.5 모두 봄, 겨울, 가을, 여름 순으로 높게 나타났다. 최종 세정효율 또한 PM₁₀과 PM_2.5 모두 봄, 가을, 겨울, 여름 순으로 높은 값을 보였다. 미세먼지(PM₁₀; PM_2.5) 세정효과는 봄(20.87 ± 54.53%; 11.39 ± 69.94%)에 가장 효과적으로 발생하였으며 여름(8.25 ± 47.76%; 3.11 ± 63.79%)에 가장 낮은 세정효과를 보였다(Table 1). 따라서 강수에 의한 미세먼지 세정효과는 계절별로 다른 추이를 보임을 확인하였다.

Table 1.

The calculated scavenged amount and the scavenging efficiency of PM10 and PM2.5 by wet removal effect in four seasons.

3.2.3 강수 특성이 미세먼지 세정효과에 미치는 영향

3.2.2절에서 강수 사례의 지속시간별 최종 세정 된 미세먼지 양(μg m^-3)과 최종 세정효율(%)을 정량화하였다. 최종 세정 된 미세먼지 양(μg m^-3) 및 세정효율(%)의 표준편차가 크게 나타나는 경우가 일부 존재하였다. 또한 지속시간이 2시간 이내인 강수 사례의 경우 강수 시작 전보다 종료 시점에서 미세먼지 질량농도가 증가하여 세정효율이 음의 값을 나타내는 사례가 존재하였다(Fig. 15). 따라서 모든 강수 사례에 대한 강수 종료 후 최종 세정 된 미세먼지 양(μg m^-3)의 분포를 확인하여 미세먼지 세정효과가 발생했을 때의 강수 특성과, 세정효과가 발생하지 않을 때의 강수 특성에 대해 분석을 수행하였다.

Figure 16은 각 강수 사례에서 나타나는 강수 특성을 세 가지(강수강도의 평균(mm hr^-1), 누적 강수량(mm), 지속시간(hr))로 구분하고, 각 강수 사례 종료 후 최종 세정 된 PM₁₀과 PM_2.5의 양(μg m^-3)을 동시에 나타낸 결과이다. 강수 사례 종료 후 최종 세정 된 PM₁₀과 PM_2.5의 양(μg m^-3) 간의 상관계수는 0.83으로, 강수 사례 발생으로 인해 PM₁₀과 PM_2.5가 변화하는 정도가 유사하였다(Fig. 16). 최종 세정 된 PM₁₀과 PM_2.5의 양을 비교하였을 때 선형회귀선의 기울기(1.36)가 양의 값을 보인다. 이는 강수 사례가 발생했을 때 최종 세정 된 PM₁₀의 양이 PM_2.5보다 더 크게 나타나기 때문이다(Fig. 14a).

Fig. 16.

The distributions of the scavenged amount of PM10 (y axis) and PM2.5 (x axis) for all precipitation events. The precipitation characteristics (i.e., precipitation intensity, precipitation amount, and precipitation duration) of each precipitation event are represented with the color dots in panels (a) precipitation duration, (b) precipitation intensity, and (c) precipitation amount. The solid color line in each panel is a regression line when the scavenged amount of PM10 and PM2.5 are simultaneously compared, while the dotted line is a one-to-one line. The quadrant averaged precipitation characteristics and the number of precipitation events are indicated in each quadrant.

강수 사례 발생 후 PM₁₀과 PM_2.5 질량농도가 변하는 네 가지 경우에 대해 사분면을 분리하여, 각 사분면별 강수 특성을 정량화 하였다(Fig. 16). PM₁₀과 PM_2.5 세정효과가 동시에 발생하는 1사분면에 포함되는 강수 사례는 전체의 42.24%(7,590개)에 해당한다(Fig. 16). 이 경우 강수 사례의 강수강도의 평균, 누적 강수량, 지속시간의 평균은 각각 2.42 ± 2.84 mm hr^-1, 15.44 ± 23.58 mm, 5.51 ± 5.45 hr이며, PM₁₀과 PM_2.5 세정효과가 부분적으로 발생하거나(Fig. 16의 2사분면과 4사분면) 나타나지 않은(Fig. 16의 3사분면) 다른 사분면보다 세 가지 강수 특성이 높은 값을 보였다(Table 2). 이는 PM₁₀과 PM_2.5의 세정효과는 상대적으로 강한 강수강도가 나타났을 때 효과적으로 발생한다는 선행연구 결과와 일치한다(Ouyang et al., 2015; Gao et al., 2019; Park et al., 2020). 강수 사례에 의해 PM₁₀과 PM_2.5의 세정효과가 동시에 발생할 때의 최종 세정효율의 평균은 PM₁₀은 42.93 ± 25.18%, PM_2.5는 43.39 ± 26.37%였고, 최종 세정 된 양은 PM₁₀(17.33 ± 18.22 μg m^-3)이 PM_2.5(10.10 ± 10.75 μg m^-3)보다 더 높은 값을 나타냈다(Table 2).

Table 2.

The determined precipitation characteristics of precipitation events (i.e., precipitation intensity, precipitation amount, and precipitation duration) in four quadrants in Fig. 16, and the calculated scavenged amount and the scavenging efficiency of PM10 and PM2.5 by wet removal effect.

Figure 16의 3사분면은 강수 사례 시작 전보다 PM₁₀과 PM_2.5가 동시에 증가하는 사례로 전체 강수 사례의 19.88%(3,571개)에 해당한다. 강수 사례 종료 후 PM₁₀과 PM_2.5가 동시에 증가하였을 때 PM₁₀은 평균 38.81 ± 59.84%, PM_2.5는 평균 56.62 ± 100.14% 증가하였다. 그러나 실제 증가한 양은 PM₁₀은 7.21 ± 7.74 μg m^-3이고 PM_2.5는 5.34 ± 4.98 μg m^-3으로, 증가된 효율은 높게 나타났으나 1사분면의 최종 세정 된 양과 비교하였을 때 3사분면에서 증가된 PM₁₀과 PM_2.5의 실제 양은 많지 않았다(Table 2). 이 경우 1사분면에서 나타나는 강수 특성과 비교하였을 때 상대적으로 강수강도가 약하고(1.67 ± 2.74 mm hr^-1), 누적 강수량이 가장 적으며(4.42 ± 9.21 mm), 강수 지속시간이 짧은(2.46 ± 2.93 hr) 경우에 발생하였다(Table 2). Zhou et al. (2020)은 강수강도 구간을 다섯 개의 구간으로 나누어 각 구간별 PM₁₀과 PM_2.5의 세정효과를 분석하였고, 그 결과 강수 발생 시 PM₁₀과 PM_2.5는 유사한 변동을 보였으며 상대습도가 상대적으로 높고(약 90%) 강수강도가 상대적으로 약한 구간에서(0 <강수강도(mm hr^-1) < 1.5) PM₁₀과 PM_2.5의 흡습성장(wet growth)이 발생하여 강수 전보다 미세먼지 질량농도가 높아 짐을 밝혀냈다. Figure 16의 3사분면 사례의 경우 짧은 지속시간의 강수가 상대습도를 높이는 역할을 함과 동시에, 약한 강수강도로 인해 PM₁₀과 PM_2.5의 세정효과보다 흡습성장 효과가 더 우세하게 발생하여 강수 사례 종료 후 질량농도가 증가한 것으로 판단된다.

또한 강수 사례로 인해 PM₁₀은 세정효과가 발생하고 PM_2.5는 증가하는 사례와(Fig. 16의 2사분면), 반대로 PM₁₀은 증가하고 PM_2.5는 세정효과가 발생하는 사례도 존재하였다(Fig. 16의 4사분면). 이 사분면들의 경우도 PM₁₀과 PM_2.5의 세정효과가 동시에 발생한 경우(Fig. 16의 1사분면)보다 강수 특성의 값이 낮게 나타났다. 2사분면의 강수강도의 평균, 누적 강수량, 지속시간은 각각 1.55 ± 2.05mm hr^-1, 6.15 ± 14.62 mm, 3.03 ± 3.52 hr로 나타났으며, 4사분면의 강수강도의 평균, 누적 강수량, 지속시간은 각각 1.59 ± 2.50mm hr^-1, 4.78 ± 12.07 mm, 2.27 ± 2.77 hr로 나타났다(Table 2).

정리하면 1, 2, 3, 4분면은 각각 전체 강수 사례의 42.24%, 7.64%, 19.88%, 4.74%를 차지하였으며, PM₁₀과 PM_2.5의 세정효과가 모두 발생한 1사분면의 강수 사례가 가장 많았다. PM₁₀과 PM_2.5의 세정효과가 모두 발생한 1사분면은 세정효과가 부분적으로 발생했거나 발생하지 않은 강수 사례와 비교 시 강수의 지속시간이 상대적으로 길고(5.51 ± 5.45 hr), 강수강도가 강하며(2.42 ± 2.84 mm hr^-1), 누적 강수량이 많다(15.44 ± 23.58 mm). Figure 16에서 PM₁₀과 PM_2.5의 세정효과가 동시에 발생한 1사분면과, 동시에 발생하지 않은 3사분면의 강수 특성을 비교해보면 1사분면의 사례는 3사분면 대비 강수강도는 약 145%, 누적 강수량은 약 349%, 지속시간은 약 224% 크다. 따라서 미세먼지 세정효과가 PM₁₀과 PM_2.5에 대해 모두 효과적으로 발생하기 위해서는 특정 강수 특성의 조건이 만족되어야 하며, 이러한 강수 사례가 인공증우를 통한 미세먼지 저감을 위한 실험 설계에 이론적 기반이 될 것이다.

4. 요약 및 결론

본 연구에서는 서울시 25개 지역구에서 장기간 관측된 강수량과 미세먼지(PM₁₀과 PM_2.5) 질량농도를 분석하여 개별적 장기간 변동 추이를 도출하고, 강수에 의한 미세먼지 세정효과를 분석하였다. PM₁₀(2001~2021년)과 PM_2.5(2015~2021년)의 연별, 계절별, 월별 평균 질량농도 변동 추이를 분석하였고, 연별, 계절별, 월별 강수강도와 누적 강수량을 산출하여 강수(2001~2021년)의 장기간 변동 추이를 확인하였다. 7년간(2015~2021년) 강수, PM₁₀, PM_2.5 자료를 사용하여 강수에 의한 PM₁₀과 PM_2.5의 세정효과를 분석하였다. 이를 위해 각 강수 사례를 지속시간별로 분류하고, 각 강수 시작 전부터 종료 시점까지의 PM₁₀과 PM_2.5의 변화 추이를 확인하였다. 그리고 모든 강수 사례를 대상으로 강수로 인해 최종 세정 된 PM₁₀과 PM_2.5의 양(μg m^-3)과 최종 세정효율(%)을 동시에 비교하였으며, 이를 강수 사례의 강수강도의 평균(mm hr^-1), 누적 강수량(mm), 지속시간(hr)의 세 가지 강수 특성의 함수로 정량화하였다. 본 연구에서 도출한 중요한 결론은 다음과 같다.

• 1) PM₁₀과 PM_2.5는 2001년부터 2021년까지 감소 추이를 보였으며 PM₁₀의 감소 정도가 PM_2.5보다 더 크게 나타났다. PM₁₀과 PM_2.5는 봄과 겨울에 고농도가 나타났으며, PM₁₀과 PM_2.5의 최고농도는 3월, 최저농도는 PM₁₀은 8월, PM_2.5는 9월에 나타났다.
• 2) 강수의 장기간 변동에서 강수강도는 21년간(2001~2021년) 증감 추이가 나타나지 않았고, 연중 7월에 가장 강한 강수강도가 나타났다. 21년간 연평균 누적 강수량은 1289.10 ± 118.58 mm이며 이중 여름 평균 누적 강수량은 801.95 ± 299.66 mm이며, 이는 전체 연 누적 강수량의 61.10%에 해당한다.
• 3) 평균적으로 강수에 의한 미세먼지 세정효과는 지속시간이 1시간부터 30시간인 모든 강수 사례에서 강수 시작 후 종료 시점까지 PM₁₀과 PM_2.5가 지속적으로 감소하였으며, 지속시간이 10시간 이상의 긴 강수 사례 중 일부 지속시간의 경우 강수 후반부에 다시 미세먼지 질량농도가 증가하는 추이를 보였다.
• 4) 모든 강수 사례에 대해 PM₁₀은 평균 39.59 ± 55.68%(14.58 ± 16.85 μg m^-3), PM_2.5는 평균 35.51 ± 71.10%(8.40 ± 10.68 μg m^-3)의 세정효과가 발생하였으며, PM₁₀의 세정효율(세정 된 양)이 PM_2.5 보다 4.08%(6.18 μg m^-3) 높게 나타났다.
• 5) 강수 사례 발생 후 PM₁₀과 PM_2.5가 동시에 감소하는 강수 사례는 전체의 42.24%이다. 이때 PM₁₀은 평균 42.93 ± 25.18%, PM_2.5는 평균 43.39 ± 26.37%의 세정효율을 보였으며, 이를 야기한 평균 강수 특성은 강수강도 2.42 ± 2.84 mm hr^-1, 누적 강수량 15.44 ± 23.58 mm, 지속시간 5.51 ± 5.45 hr이다 (Table 2의 1사분면).
• 6) 강수 사례 발생 전보다 PM₁₀과 PM_2.5가 동시에 증가하는 강수 사례는 전체 사례의 19.88%이다. 이 때의 평균 강수 특성은 강수강도 1.67 ± 2.74 mm hr^-1, 누적 강수량 4.42 ± 9.21 mm, 지속시간 2.46 ± 2.93 hr으로(Table 2의 3사분면), PM₁₀과 PM_2.5의 세정효과가 동시에 발생했을 때보다(Table 2의 1사분면) 상대적으로 약한 강수 특성을 보인다.

본 연구는 미세먼지 습성침적과정 중 강수입자에 의한 세정효과를 장기간 관측 자료를 기반으로 산출하였다. 서울시에서 7년간(2015~2021년) 발생한 강수 사례를 대상으로 강수에 의한 PM₁₀과 PM_2.5의 변동을 동시에 분석한 결과, 평균적으로 강수 사례 발생 중 PM₁₀과 PM_2.5 모두 질량농도가 감소하는 경우 약 43%의 세정효율을 확인했다. 하지만 세정효과가 발생하지 않거나 부분적으로 발생한 사례 또한 존재함을 보였다. 이는 강수의 발생이 필연적으로 PM₁₀과 PM_2.5의 세정효과를 동시에 유발하는 것은 아님을 의미한다.

본 연구 결과는 장기간 관측 자료를 기반으로 다양한 지속시간의 강수 사례를 분석하였다는 점에서 장기적으로 인공증우를 통한 미세먼지 저감 실험 설계의 기초가 될 것이며, 향후 미세먼지 세정효과 연구 및 미세먼지와 강수 상호작용 연구에 기여할 것이다. 하지만 본 연구에는 추가연구를 통해 극복해야 하는 한계점이 존재한다. 향후 연구에서는 본 연구에서 미세먼지 세정효과 정량화를 위해 고려한 강수 특성(지속시간, 강수강도, 누적 강수량) 이외의 다른 강수 특성(예, 강수입자 크기분포)을 고려한 정량화가 수행되어야 하며, 또한 겨울철에 발생하는 강우와 강설에 의한 세정효과를 분리한 세정효과 계산이 필요하다.

본 연구는 미세먼지 세정효과에서 강수 이외에 타 기상변수의 영향을 최소화하고자 장기간 특성 분석을 목표로 하였기 때문에 풍향, 풍속 등의 기상 상태 및 전선과 같은 종관기상 상태가 고려되지 않았다는 한계점이 존재한다. 예를 들어 미세먼지 질량농도에 영향을 미칠 수 있는 기상요소 중 하나로 한랭 전선이 존재한다. 강수를 동반하지 않은 한랭 전선의 영향으로 미세먼지 질량농도가 변할 수 있으며, 한랭 전선이 통과하기 전에 미세먼지 질량농도가 증가하고 전선 통과 후 미세먼지 질량농도가 감소됨이 보고되었다(Feng and Wang, 2012). 긴 지속시간의 강수 사례의 경우 전선 통과와 같은 종관기상 상태가 변할 수 있는 충분한 시간을 갖기 때문에 강수로 인해 발생하는 미세먼지 세정효과와 동시에 강수 이외의 기상 상태 변화에 의한 미세먼지 농도변화가 나타날 수 있다. 따라서 향후 연구에서는 강수에 의한 미세먼지 세정효과와 함께 종관기상의 변화가 고려된 미세먼지 세정효과 연구가 필요하다.

Acknowledgments

이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2020R1A2C1013278). 이 논문은 2020년도 정부(교육부)의 재원으로 한국연구재단 기초연구사업의 지원을 받아 수행된 연구임(No. 2020R1A6A1A03044834). 이 연구는 기상청 R&D 기상조절과 구름물리의 지원을 받아 수행된 연구임(KMA2018-00224).

References

• Atkinson, R. W., I. C. Mills, H. A. Walton, and H. R. Anderson, 2015: Fine particle components and health - A systematic review and meta-analysis of epidemiological time series studies of daily mortality and hospital admissions. J. Expo. Sci. Environ. Epidemiol., 25, 208-214. [https://doi.org/10.1038/jes.2014.63]
• Byun, S., and S.-Y. Kim, 2020: Has air pollution concentration increased over the past 17 years in Seoul, South Korea? : The gap between public perception and measurement data. Korean Soc. Atmos. Environ., 36, 240-248. [https://doi.org/10.5572/KOSAE.2020.36.2.240]
• Cha, J. W., and Coauthors, 2019: Analysis of results and techniques about precipitation enhancement by aircraft seeding in Korea. Atmosphere, 29, 481-499. [https://doi.org/10.14191/Atmos.2019.29.4.481]
• Chate, D. M., P. S. P. Rao, M. S. Naik, G. A. Momin, P. D. Safai, and K. Ali, 2003: Scavenging of aerosols and their chemical species by rain. Atmos. Environ., 37, 2477-2484. [https://doi.org/10.1016/S1352-2310(03)00162-6]
• Dockery, D. W., and C. A. Pope, 1994: Acute respiratory effects of particulate air pollution. Annu. Rev. Public Health, 15, 107-132. [https://doi.org/10.1146/annurev.pu.15.050194.000543]
• Feng, X., and S. Wang, 2012: Influence of different weather events on concentrations of particulate matter with different sizes in Lanzhou, China. J. Environ. Sci., 24, 665-674. [https://doi.org/10.1016/S1001-0742(11)60807-3]
• Gao, B., W. Ouyang, H. Cheng, Y. Xu, C. Lin, and J. Chen, 2019: Interactions between rainfall and fine particulate matter investigated by simultaneous chemical composition measurements in downtown Beijing. Atmos. Environ., 218, 117000. [https://doi.org/10.1016/j.atmosenv.2019.117000]
• Hur, S.-K., C.-H. Ho, J. Kim, H.-R. Oh, and Y.-S. Koo, 2021: Systematic bias of WRF-CMAQ PM₁₀ simulations for Seoul, Korea. Atmos. Environ., 244, 117904. [https://doi.org/10.1016/j.atmosenv.2020.117904]
• Jung, W., K.-H. Chang, J. W. Cha, J. M. Ku, and C. Lee, 2022: Estimation of available days for a cloud seeding experiment in Korea. J. Environ. Sci. Int., 31, 117-129.
• Kang, D.-I., S.-H. Kim, J. S. Kim, C. Park, and H. S. Kwon, 2022: Analysis of key management areas by deriving areas vulnerable to particulate matter in Korea. J. Assoc. Korean Photo-Geographers, 32, 57-67. [https://doi.org/10.35149/jakpg.2022.32.4.005]
• KEI, 2016: KEI focus. KEI Vol. 4, 20 pp [Available online at https://library.kei.re.kr/dmme/img/001/018/KEI_%ed%8f%ac%ec%bb%a4%ec%8a%a4_%ed%86%b5%ea%b6%8c17%ed%98%b8.pdf, ].
• Kim, D. Y., M. Choi, and B. Yoon, 2019: Analysis of PM hot-spot emission zone in Seoul metropolitan area. J. Korean Soc. Atmos. Environ., 35, 476-501. [https://doi.org/10.5572/KOSAE.2019.35.4.476]
• Kim, S., K.-H. Hong, H. Jun, Y.-J. Park, M. Park, and Y. Sunwoo, 2014: Effect of precipitation on air pollutant concentration in Seoul, Korea. Asian J. Atmos. Environ., 8, 202-211. [https://doi.org/10.5572/ajae.2014.8.4.202]
• Kim, S., and S. Lee, 2013: The analysis of the weather characteristics by source region of the Asian Dust observed in South Korea. J. Korean Geogr. Soc., 48, 167-183.
• Kim, S. D., and C. H. Kim, 2008: The Physico-chemical character of aerosol particle in Seoul metropolitan area. Seoul Inst., 9, 23-33.
• Kim, S.-U., and K.-Y. Kim, 2020: Physical and chemical mechanisms of the daily-to-seasonal variation of PM₁₀ in Korea. Sci. Total Environ., 712, 136429. [https://doi.org/10.1016/j.scitotenv.2019.136429]
• Kim, Y.-H., D.-Y. Choi, and D.-E Chang, 2011: Characteristics of urban meteorology in Seoul metropolitan area of Korea. Atmosphere, 21, 257-271. [https://doi.org/10.14191/Atmos.2011.21.3.257]
• Kim, Y. P., and G. Lee, 2018: Trend of air quality in Seoul: policy and science. Aerosol Air Qual. Res., 18, 2141-2156. [https://doi.org/10.4209/aaqr.2018.03.0081]
• KMA, 2021: Climatological statistics guide, 87 pp [Available online at https://book.kma.go.kr/viewer/Media-Viewer.ax?cid=37367&rid=5&moi=5513, ].
• Lee, J.-J., and C.-H. Kim, 2008: Characteristics of recent occurrence frequency of Asian dust over the source regions - Analysis of the dust occurrences since 2002. Atmosphere, 18, 493-506.
• Lee, K., H.-J. Baek, C. H. Cho, and W.-T. Kwon, 2011: The recent (2001~2010) changes on temperature and precipitation related to normals (1971~2000) in Korea. Geogr. J. Korea, 45, 237-248.
• Li, Z., F. Niu, J. Fan, Y. Liu, D. Rosenfeld, and Y. Ding, 2011: Long-term impacts of aerosols on the vertical development of clouds and precipitation. Nat. Geosci., 4, 888-894.
• Lim, Y.-K., B.-Y. Kim, K.-H. Chang, J. W. Cha, and Y. H. Lee, 2022: Analysis of PM₁₀ reduction effects with artificial rain enhancement using numerical models. Atmosphere, 32, 341-351. [https://doi.org/10.14191/Atmos.2022.32.4.341]
• Nam, K.-P., D.-G. Lee, and L.-S. Jang, 2019: Analysis of PM_2.5 concentration and contribution characteristics in South Korea according to seasonal weather patterns in East Asia: Focusing on the intensive measurement periods in 2015. J. Environ. Impact Assess., 28, 183-200. [https://doi.org/10.14249/eia.2019.28.3.183]
• Olszowski, T., 2016: Changes in PM₁₀ concentration due to large-scale rainfall. Arab. J. Geosci., 9. [https://doi.org/10.1007/s12517-015-2163-2]
• Ouyang, W., B. Guo, G. Cai, Q. Li, S. Han, B. Liu, and X. Liu, 2015: The washing effect of precipitation on particulate matter and the pollution dynamics of rainwater in downtown Beijing. Sci. Total Environ., 505, 306-314. [https://doi.org/10.1016/j.scitotenv.2014.09.062]
• Park, H., M. Byun, T. Kim, J.-J. Kim, J.-S. Ryu, M. Yang, and W. Choi, 2020: The washing effect of precipitation on PM₁₀ in the atmosphere and rainwater quality based on rainfall intensity. Korean J. Remote Sens., 36, 1669-1679. [https://doi.org/10.7780/KJRS.2020.36.6.3.4]
• Park, J.-W., and B.-D. Hwang, 2017: Analysis of effects of regional air pollutants (PM₁₀, O₃, CO) on respiratory disease. Korean Public Health Res., 43, 53-66. [https://doi.org/10.22900/kphr.2017.43.3.005]
• Park, R.-S., and G.-M. Han, 2014: Contribution of longrange transported air pollution from China to particulate matter over Korean Peninsula. J. Korean Soc. Hazard Mitig., 14, 26-36.
• Park, S., D. Yoon, H. Kong, S. Kang, and C. Lee, 2021: A case study on distribution characteristics of indoor and outdoor particulate matter (PM₁₀, PM_2.5) and Black Carbon (BC) by season and time of the day in apartments. J. Environ. Health Sci., 47, 339-355. [https://doi.org/10.5668/JEHS.2021.47.4.339]
• Tan, Z., X. Li, M. Gao, and L. Jiang, 2020: The env ironmental story during the COVID-19 lockdown: How human activities affect PM_2.5 concentration in China? IEEE Geosci. Remote Sens. Lett., 19, 1001005. [https://doi.org/10.1109/LGRS.2020.3040435]
• Wu, Y., Y. Wang, Y. Zhou, X. Liu, Y. Tang, Y. Wang, R. Zhang, and Z. Li, 2022: The wet scavenging of air pollutants through artificial precipitation enhancement: A case study in the Yangtze River Delta. Front. Environ. Sci., 10, 1027902. [https://doi.org/10.3389/fenvs.2022.1027902]
• Yeo, M. J., Y. S. Im, S. S. You, E. M. Jeon, and Y. P. Kim, 2019: Long-term trend of PM_2.5 concentration in Seoul. J. Korean Soc. Atmos. Environ., 35, 438-450. [https://doi.org/10.5572/KOSAE.2019.35.4.438]
• Zhou, Y., Y. Yue, Y. Bai, and L. Zhang, 2020: Effects of rainfall on PM_2.5 and PM₁₀ in the middle reaches of the Yangtze River. Adv. Meteorol., 2020, 2398146. [https://doi.org/10.1155/2020/2398146]