Korean Journal of Remote Sensing, Vol.36, No.6-3, 2020, pp.1653~1667
https://doi.org/10.7780/kjrs.2020.36.6.3.3 ISSN 1225-6161 ( Print )
ISSN 2287-9307 (Online)
Article
다중규모 모델을 이용한 도시 지역 흐름과 초미세먼지(PM 2.5 ) 분포 특성 연구:
Part II – 도로 배출 영향
박수진 1)·최원식 2)·김재진 3)†
A Numerical Study on the Characteristics of Flows and Fine Particulate Matter (PM
2.5) Distributions in an Urban Area Using a Multi-scale Model:
Part II – Effects of Road Emission
Soo-Jin Park
1)· Wonsik Choi
2)· Jae-Jin Kim
3)†Abstract: In this study, we coupled a computation fluid dynamics (CFD) model to the local data assimilation and prediction system (LDAPS), a current operational numerical weather prediction model of the Korea Meteorological Administration. We investigated the characteristics of fine particulate matter (PM
2.5) distributions in a building-congested district. To analyze the effects of road emission on the PM
2.5concentrations, we calculated road emissions based on the monthly, daily, and hourly emission factors and the total amount of PM
2.5emissions established from the Clean Air Policy Support System (CAPSS) of the Ministry of Environment. We validated the simulated PM
2.5concentrations against those measured at the PKNU-AQ Sensor stations. In the cases of no road emission, the LDAPS-CFD model underestimated the PM
2.5concentrations measured at the PKNU-AQ Sensor stations. The LDAPS- CFD model improved the PM
2.5concentration predictions by considering road emission. At 07 and 19 LST on 22 June 2020, the southerly wind was dominant at the target area. The PM
2.5distribution at 07 LST were similar to that at 19 LST. The simulated PM
2.5concentrations were significantly affected by the road emissions at the roadside but not significantly at the building roof. In the road-emission case, the PM
2.5concentration was high at the north (wind speeds were weak) and west roads (a long street canyon). The PM
2.5concentration was low in the east road where the building density was relatively low.
Key Words: Fine particulate matter (PM
2.5), GIS, LDAPS-CFD model, PKNU-AQ Sensor, Road emission
Received December 9, 2020; Revised December 14, 2020; Accepted December 15, 2020; Published online December 24, 2020
1)
부경대학교 해양기상정보센터 전임연구원 (Researcher, Center of Oceanic Meteorological Information, Pukyong National University)
2)
부경대학교 환경대기과학과 조교수 (Assistant Professor, Department of Environmental Atmospheric Sciences, Pukyong National University)
3)
부경대학교 환경대기과학과 정교수 (Professor, Department of Environmental Atmospheric Sciences, Pukyong National University)
†
Corresponding Author: Jae-Jin Kim ([email protected])
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License
(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in
any medium, provided the original work is properly cited.
1. 서론
탄소성분 (유기탄소, 원소탄소), 이온성분(F
–, Cl
–, NO
3–, PO
3–, SO
32–, Na
+, NH
4+, K
+, Ca
2+, Mg
2+등 ), 금속성 분 (Fe, Mn, Pb, Hg 등) 등 다양한 성분을 포함하는(Pagan
et al., 2003; Park et al., 2012; Lee et al., 2020) 미세먼지 증가는 인체의 건강과 경제 활동 등 사회에 부정적인 영향 을 미친다 (Jang, 2014; Lee et al., 2018; Eom and Oh, 2019;
Park and Kim, 2020). Eom and Oh (2019)는 설문·통계자 료를 통해 , 미세먼지가 실외 활동 제한에 간접적으로 영 향을 미칠 수 있다고 분석하였고 , Lee et al. (2018)은 미세 먼지로 인한 환자수 증가로 인해 의료비 지출 증가와 가 계소비 지출 감소가 발생하여 , 결과적으로 민간소비가 위축되는 효과가 있다고 분석하였다 . 최근 도시 지역의 미세먼지에 대한 연구가 다양하게 진행되어 왔다 . 특히, 국·내외 미세먼지 발생원에 대한 연구 (Kim, 2017; Park and Shin, 2017; Joo et al., 2019; Kim and Kim, 2019)와 미 세먼지 농도 저감을 위한 연구가 활발히 진행되고 있다 (Kim et al., 2018; Baek and Song, 2019; Jeong et al., 2019;
Song and Yum, 2019). Park and Shin (2017)은 계절성 풍 향에 따른 한반도 미세먼지 농도의 국내·외 요인을 분 석하여 , 서풍계열의 풍향 비율이 높을수록 국외로부터 의 미세먼지 유입이 높다고 분석하였고 , 국내 시멘트 산
업과 같은 제조업이 미세먼지 농도 증가에 영향을 미친 다고 분석하였다. Kim et al. (2018)은 국내 배출량 저감 시나리오를 통해 미세먼지 저감 효과를 분석하고, 미세 먼지 구성 성분에 따른 배출 부문별 배출량 할당 등의 구체적인 저감 계획 마련을 제안하였다 .
자동차가 배출하는 미세먼지와 도로에서 재비산되 는 미세먼지는 주거 지역 미세먼지 농도를 증가시킬 수 있다 (Baek et al., 2008). 현재 시도별·부문별 배출량 자료 가 구축되어 있고 (Kim et al., 2008; Lee et al., 2011), 이는 미세먼지 연구를 수행하는데 중요한 기반 자료로 활용 되고 있다 (Kim et al., 2016; Kim et al., 2017). Kim et al.
(2017)은 2013 CAPSS (clean air policy supporting system)
배출량 인벤토리 자료와 CMAQ (community multiscale
air quality model) 모델을 이용하여, 수도권 지역의 미세
먼지 농도 개선을 위한 배출량 저감 효과를 분석하였다 .
배출량 자료와 수치 모델을 이용한 연구의 대부분은 중
규모의 대기오염물질 농도 분석에 집중되어 있고, 도시
규모 이하의 상세 규모의 대기오염물질 농도 분석에 대
한 연구는 매우 제한적으로 수행되었다 (Lee and Kwak,
2020). Lee and Kwak (2020)은 WRF (weather research and
forecasting) 모델과 전산유체역학(computational fluid
dynamics, CFD) 모델의 접합 모델 결과와 드론 측정 대기
오염물질 (NO
X, O
3, CO
2, PM
10, PM
2.5, PM
1, Black Carbon)
요약 : 본 연구에서는 국지예보시스템 (LDAPS)과 전산유체역학(CFD) 모델을 접합하여, 부산 중구 광복동에
소재한 건물 밀집 지역의 상세 흐름과 PM
2.5농도 분포를 조사하였다. 도로 배출이 건물 밀집 지역의 PM
2.5농도
에 미치는 영향을 분석하기 위해 , PM
2.5의 연간 시·군·구별 , 배출 원소 별, 연료 별 도로이동오염원·비산먼지 배
출량 자료와 월별·일별·시간 별 배출 계수를 이용하여 부산의 단위 면적당 시간별 PM
2.5배출량을 산정하였다 .
본 연구에서는 건물 옥상과 도로변에서 수행된 특별 측정 자료를 이용하여 수치 모의 결과를 검증하고 , 도로
배출 유·무에 따른 PM
2.5농도 분포 특성을 분석하였다. 대상 기간(2020년 06월 22일) 동안 대상 지역에서는 바
람이 약하게 나타났다 . 새벽 시간에는 북동풍과 북서풍이 불고 주간에는 주로 남동풍이 불었다. 도로 배출을
고려하지 않은 경우에 LDAPS-CFD 접합 모델은 측정 지점(PKNU-AQ Sensor)의 PM
2.5농도를 과소모의 하였
으나 , 도로 배출을 고려하여 수치 모의한 PM
2.5농도는 도로 배출의 영향으로 PM
2.5농도가 증가하여 측정 결과
와 유사하게 나타났다. 2020년 6월 22일 07시와 19시의 유입 풍향은 각각 북동풍과 남동풍이지만, 주변 지형과
건물에 의해 흐름이 변화되어 , 두 시각 모두 측정 지점 주변에서는 주로 남풍 계열의 흐름이 나타났다. 07시와
19시의 유사한 흐름에 의해, 두 시각의 PM
2.5농도 분포도 매우 유사하게 나타났다 . 건물 옥상 측정 지점에서 수
치 모의된 PM
2.5농도는 도로 배출 영향을 크게 받지 않았으나 , 도로변 에서는 도로 배출 영향을 상대적으로 크
게 받았다. 도로 배출을 고려한 경우, 풍속이 약한 북쪽 도로와 긴 도로 협곡에 위치한 서쪽 도로에서 PM
2.5농
도가 높고 , 상대적으로 건물의 밀집도가 낮은 동쪽 도로에서는 PM
2.5농도가 낮게 나타났다 . LDAPS-CFD 접합
모델은 모든 도로에서 배출량이 동일하게 적용되기 때문에 , 좁은 골목과 건물 밀도가 낮은 지역의 지형 특성이
반영되어 도로 별 PM
2.5농도 특성이 다양하게 나타났다 .
농도를 비교·검증하고 , NO
X와 검댕 (Black carbon, BC) 에 대한 오염물질 분포를 분석하였다 .
최근에는 도시 지역의 미세먼지 확산을 조사하기 위해, 수 ~ 수십 미터의 높은 공간 해상도와 초 단위의 시간 해상도를 채용할 수 있는 CFD 모델을 이용한 연구들이 활발히 진행되고 있다 (Choi and Kang, 2013; Bang et al., 2018; Eom et al., 2020; Hong et al., 2020). 실내 미세먼지 농도는 실외 미세먼지 농도에 영향을 받기 때문에 (Bang
et al., 2018), 실외 미세먼지 농도 분포 특성을 선행하여분석하는 것이 필요하다 .
본 연구에서는 기상청에서 현업으로 운용하는 국지 예보모델(local data assimilation and prediction system, LDAPS)과 CFD 모델을 이용하여, 부산 중구 광복동 지 역에 대한 미세먼지 (PM
2.5) 농도 분포 특성을 조사하였다.
CAPSS의 도로 배출량 자료를 이용하여 시간별 배출량 자료를 구축하고 , 도로 배출에 의한 도시 지역의 PM
2.5농도 분포 특성을 분석하였다 .
2. 연구 방법
1) 실험설계
본 연구에서는 특별 측정이 수행된 부산 중구 광복동 의 토성 초등학교 주변 지역을 대상 지역으로 선정하여 , PM
2.5의 공간 분포를 분석하였다 . 수치 모의 영역은 부산
토성 초등학교를 중심으로 각각 3 km×3 km이며, 분석 영역은 수치 도면을 중심으로 2 km×2 km 이다(Fig. 1(a)).
대상 지역에 대한 지리정보시스템(geographic information system, GIS)의 1 m 공간해상도 자료를 이용하여 3차원 지표 경계 자료를 구축하였다 (Fig. 1(b)). PM
2.5모의를 위 한 수치 도면 크기는 x, y, z 방향으로 각각 3000 m, 3000 m, 750 m이고, 분석 영역은 2000 m×2000 m×750 m이다.
격자 크기는 수평 (x, y)으로 10 m, 연직(z)으로 5 m이다.
대상 기간은 대상 지역에서 특별 측정이 수행된 2020 년 6월 22일 00시부터 23시까지이다. CFD 모델은 2020 년 6월 22일 00시부터 23시까지 LDAPS가 매시간 예측 한 기상 요소와 도시대기측정소 (AQMS)의 매시간 측정 자료를 초기·경계 자료로 사용하여 바람장과 농도장에 대하여 각각 0.5초 간격으로 1시간 동안 수치 적분한다.
LDAPS-CFD 접합 모델에 사용된 초기·경계 농도는 토성 초등학교 주변 AQMS의 측정 자료를 사용하였다.
대상지역의 북쪽에는 대신동 AQMS (AQMS 221281), 서쪽에는 당리동 AQMS (AQMS 221284), 동쪽에는 광 복동 AQMS (AQMS 221112)가 위치한다. 대상 지역의 풍상 측에 위치한 AQMS 측정 자료를 LDAPS-CFD 접 합 모델의 초기·경계 자료로 사용하였다 . 그러나 남쪽 에는 AQMS가 존재하지 않기 때문에, 광복동 AQMS 자 료를 사용하였다. 광복동과 당리동 AQMS의 PM
2.5농도 경향은 거의 유사하고, 대신동 AQMS는 새벽 시간(02~
06시)에 PM
2.5농도가 비교적 높게 나타났으나 전반적으
Fig. 1. (a) Aerial photography for the target area, and (b) three-dimensional building configuration in the CFD model
domain. In (a) and (b), yellow and blue circles represent the Toseong elementary school.
로 경향은 유사하다 (Fig. 2). 대상 기간 동안에는 주로 북 풍과 남풍이 불었기 때문에 , 대신동과 광복동 AQMS의 측정 자료가 초기·경계 자료로 주로 사용되었다 .
본 연구에서는 도로에서 배출되는 오염물질의 영향 을 분석하기 위해, CAPSS (clean air policy support system) 로부터 PM
2.5에 대한 연간 시·군·구별 , 배출 원소 별, 연 료 별 도로이동오염원과 비산먼지 배출량 자료를 이용 하였다 . 부산시의 배출 원소 별, 연료 별 PM
2.5총 배출량 과 대기질 모델 입력용 배출량에서 사용된 월별 , 일별, 시간 별 배출 계수(Sun et al., 2014)를 이용하여, 단위 면 적당 시간별 PM
2.5배출량을 산정하였다 (Fig. 3). 부산 지 역에서 산정한 PM
2.5배출량은 금요일에 가장 많았고 , 주간과 주말의 배출량 곡선은 상이하였다 . 주간 출퇴근
시간대에 두 개의 정점을 갖는 일변동 경향이 나타났다 (Fig. 2). 주말 도로 배출량은 12시와 16시 사이에 가장 크게 (3.4×10
–6kg m
–2hr
–1이상 ) 나타났다. 대상 기간인 금요일 (2020년 6월 22일)에는 01시와 04시 사이에 도로 배출량이 상대적으로 작고(0.5×10
–6kg m
–2hr
–1이하), 17시에 가장 크게(3.93×10
–6kg m
–2hr
–1) 나타났다. PM
2.5농도 분포에 대한 도로 배출의 직접적인 영향을 분석하 기 위해 PM
2.5를 비반응성 대기오염물질로 가정하였고 , 침적은 없다고 가정하였다 . 본 연구에서는 2020년 6월 22일에 대한 시간별 PM
2.5배출량 자료를 사용하여, 도로 배출 유·무에 따른 PM
2.5농도 수치 모의를 수행하였다 .
Fig. 3. Daily variation of the PM
2.5emission at Pusan in June 2020.
Fig. 2. Time series of the PM
2.5concentrations at the AQMSs around the
target area in 22 June 2020.
3. 결과와 토의
1) PKNU-AQ Sensor 측정 지점의 PM2.5농도 비교
LDAPS-CFD 접합 모델이 수치 모의한 PM
2.5농도를 토성 초등학교 옥상 (S55)과 학교 주변 가로등(PKNU- AQ Sensor, S60, S61, S62, S63, S64, S65)(Fig. 4)에서 측정 한 결과와 비교하였다 (Fig. 5). 대상 기간 동안 측정된 PM
2.5농도는 모든 측정 지점에서 08시에 가장 높고 15 시에 가장 낮다 . 09시와 16시의 PM
2.5평균 농도는 각각 19.95 µg m
–3와 12.69 µg m
–3이다 . 출근 시간(07시부터 09 시 )에는 PM
2.5농도가 비교적 높게 나타났으나 , 퇴근 시 간에는 농도의 변화가 나타나지 않았다 . 그러나 풍상측 지역의 AQMS에서 측정된 PM
2.5농도는 출퇴근 시간에 대한 뚜렷한 변화 경향이 나타나지 않았다 (Fig. 2). 따라 서 LDAPS-CFD 접합 모델도 출근 시간의 PM
2.5농도 변 화 경향을 잘 재현하지 못하였다 . LDAPS-CFD 접합 모 델은 도로 배출을 고려하지 않은 경우에 측정 지점의 PM
2.5농도를 배경 농도보다 낮게 모의한다 . 수치 모의 된 PM
2.5농도는 건물 옥상 지점(S55)의 측정 자료와 유 사하고(Fig. 5(a)), 학교 주변 가로등에서 측정된 PM
2.5농
도는 측정 자료와 비교하여 낮게 모의하는데 (Fig. 5(b)- (g)), 이는 복잡한 건물에 의해 흐름의 유입과 유출이 활 발하지 않아 상층의 PM
2.5가 하층으로 유입되지 못하기
Table 1. The statistical values for the simulated PM
2.5concentrations in the cases of no road emission at the PKNU-AQ Sensors LDAPS-CFD: PM
2.5(µg m
–3)
S55 S60 S61 S62 S63 S64 S65
RMSE 3.53 4.63 5.63 4.90 4.04 5.31 4.64
NRMSE 0.26 0.38 0.46 0.40 0.32 0.43 0.39
VG 1.08 1.18 1.25 1.18 1.12 1.22 1.18
MG 1.24 1.43 1.54 1.43 1.34 1.49 1.44
FB 0.21 0.34 0.42 0.35 0.28 0.38 0.35
R 0.30 0.33 0.26 0.26 0.42 0.18 0.49
FAC2 1.00 0.92 0.88 0.96 1.00 0.92 0.92
Fig. 4. The measurement positions of the sensors around Toseong elementary school.
Table 2. The statistical values for the simulated PM
2.5concentrations in the cases of road emission at the PKNU-AQ Sensors LDAPS-CFD: PM
2.5(µg m
–3)
S55 S60 S61 S62 S63 S64 S65
RMSE 2.84 1.99 2.25 2.86 2.99 3.76 2.46
NRMSE 0.20 0.14 0.15 0.21 0.22 0.29 0.18
VG 1.05 1.02 1.02 1.04 1.06 1.08 1.03
MG 1.14 1.00 1.04 1.12 1.19 1.27 1.06
FB 0.13 0.00 0.04 0.11 0.17 0.24 0.05
R 0.27 0.22 0.32 0.18 0.38 0.29 0.34
FAC2 1.00 1.00 1.00 1.00 1.00 1.00 1.00
때문이다 (Kang et al., 2020). 도로 배출을 고려한 경우에 도 수치 모의된 PM
2.5는 일 변화 경향을 재현하지 못하 였으나 , 측정 결과와 유사하게 모의하였다.
수치 모델이 모의한 결과를 Chang and Hanna (2004)
가 제안한 통계적 검증 지수를 이용하여 LDAPS-CFD 접합 모델의 성능을 검증하였다 . NRMSE와 VG는 각각 정규화된 평균 분산 (normalized mean variance, NRMSE) 과 기하 평균 분산(geometric mean variance, VG)은 모델
Fig. 5. Time series of the measured and simulated PM
2.5concentrations at (a) S55, (b) S60, (c) S61, (d) S62, (e) S63,
(f) S64, and (g) S65 in Fig. 4.
의 정밀도를 나타낸다 . MG와 FB는 각각 기하평균 편차 (geometric mean bias, MG)와 편차분율(fractional bias, FB) 은 모델의 정확도를 나타낸다 . FAC2와 R은 각각 정규화 된 측정 2배 이내 예측 비율(fraction of predictions within a factor of two of measurements)과 상관 계수(correlation coefficient)를 나타낸다. 도로 배출을 고려하지 않고 수 치 모의된 PM
2.5농도에 대해 통계 검증 지수를 분석한 결과 , 모든 측정 지점에 대해 정밀도 측면(NRMSE, VG) 에서 추천 범위를 모두 만족하였으나 , 정확도 측면(MG, FB)에서는 옥상 지점(S55)을 제외하고 모두 추천 범위 를 만족하지 못하였다 . 도로 배출을 고려하여 수치 모 의된 PM
2.5농도에 대해 통계 검증 지수를 분석한 결과 (Table 2), 모든 측정 지점에 대해 정밀도 측면(NRMSE, VG)과 정확도 측면(MG, FB)에서 모두 추천 범위를 만 족하였다 . LDAPS-CFD 접합 모델은 대상 지역의 도로 배출을 고려함으로써 PM
2.5농도 예측 성능을 개선하 였다 .
3) PM2.5농도의 공간 분포
본 연구에서는 PM
2.5농도에 대한 도로 배출 효과를 분석할 수 있는 주간에 대해 PM
2.5농도 분포 특성을 조 사하였다 . 주간에 LDAPS-CFD 접합 모델이 풍향을 잘 재현하고 , 도로 배출의 효과가 크게 나타났던 07시(일 출 시간 : 05시 10분)와 19시(일몰 시간: 19시 42분)에 대 해 PM
2.5농도 분포 특성을 분석하였다 .
2020년 6월 22일 07시에 LDAPS-CFD 접합 모델이 수 치 모의한 옥상 고도 (z = 37.5 m, 해발 고도 기준)(Fig. 6) 와 지표 고도 (z = 2.5 m, 지표면 기준) (Fig. 7)에서의 PM
2.5농도 분포를 분석하였다 . 건물 옥상 지점(S55)에서의 PM
2.5농도 분포를 분석한 결과 (Fig. 6), LDAPS-CFD 모 델은 측정 PM
2.5농도 (15.82 µg m
–3)를 과소 모의(도로 배 출 미적용 – 12.49 µg m
–3, 도로 배출 적용 – 13.35 µg m
–3) 하였는데 , 이는 LDAPS-CFD 접합 모델의 초기 PM
2.5농 도가 전반적으로 낮기 때문이다 . 이 시각의 도로 배출 량은 2.90×10
–6kg m
–2hr
–1로 비교적 높았다 . 도로 배출 을 고려한 경우 (Fig. 6(b))에도 PM
2.5농도를 과소모의 하 는데 , 이는 건물 옥상 지점(S55)의 풍상 측에 학교 운동 장이 있고 , 도로 배출원이 100 m 이상 떨어져 있어 도로 배출 영향이 작기 때문이다 .
PKNU-AQ Sensor 도로변 측정 지점에서의 PM
2.5농
도 분포를 분석한 결과 (Fig. 7), 건물 밀집도가 높은 지역 에서는 PM
2.5농도가 낮고 건물 밀집도가 낮은 지역에서 PM
2.5농도가 높은데 (Fig. 7(a)), 이는 건물 밀집도가 높은 지역은 오염 물질 유입과 유출이 용이하지 않기 때문이 다 (Kang et al., 2020). 도로 주변 지점에서 도로 배출을 고 려하지 않은 경우에 LDAPS-CFD 모델이 도로변 측정 지점 (S60, S61, S62, S63, S64, S65)에서 수치 모의한 PM
2.5농도는 각각 10.53, 10.73, 11.03,11.82, 11.67, 11.53 µg m
–3로 같은 지점에서 측정된 PM
2.5농도를 과소모의 하였다 (S60 – 18.45 µg m
–3, S61 – 20.65 µg m
–3, S62 – 20.42 µg m
–3, S63 – 19.13 µg m
–3, S64 – 21.13 µg m
–3, S65 – 19.82 µg m
–3).
도로 배출을 고려한 경우에는 도로를 따라 PM
2.5농도가 높게 나타난다(Fig. 7(b)). 풍속이 약한 북쪽 도로(①)와 긴 도로 협곡에 위치한 서쪽 도로(②)에서 PM
2.5농도가 높고 , 상대적으로 건물 밀집도가 낮은 동쪽 도로(③)에 서는 PM
2.5농도가 낮다 (Fig. 7(b), 7(c)). PKNU-AQ Sensor 지점간의 PM
2.5농도는 거의 유사하게 나타났으나 , LDAPS-CFD 접합 모델은 모든 도로에서 배출량이 동 일하게 적용되기 때문에 , 좁은 골목과 건물 밀도가 낮 은 지역의 지형 특성이 반영되어 도로 별 PM
2.5농도 차 가 비교적 크게 나타났다 . PKNU-AQ Sensor 도로변 측 정 지점의 PM
2.5농도는 도로 배출에 의해 북쪽 도로 (S60 과 S61)에서 각각 3.88 µg m
–3, 3.73 µg m
–3증가하였고 , 서 쪽 도로 (S62와 S65)에서 각각 2.13 µg m
–3, 2.34 µg m
–3증 가하였으며 , 동쪽 도로(S63과 S64)에서 각각 1.05 µg m
–3, 1.06 µg m
–3증가하였다 .
2020년 6월 22일 19시에 LDAPS-CFD 접합 모델이 수 치 모의한 옥상 고도(z = 37.5 m, 해발 고도 기준)(Fig. 8) 와 지표 고도(z = 2.5 m, 지표면 기준)(Fig. 9)에서의 PM
2.5농도 분포를 분석하였다. 건물 옥상 지점(S55) 부근의 PM
2.5농도 분포를 분석한 결과(Fig. 8), 도로 배출 유무에 따른 PM
2.5농도 분포 차이는 거의 나타나지 않았다 (Fig.
8(c)). 이 시각의 도로 배출량은 2.41×10
–6kg m
–2hr
–1이고 , 도로 배출을 고려한 경우의 PM
2.5농도 (13.98 µg m
–3)는 도로 배출을 고려하지 않은 경우 (13.12 µg m
–3)와 비교하 여 상대적으로 측정된 PM
2.5농도 (14.39 µg m
–3)를 잘 모 의하였다 .
PKNU-AQ Sensor 도로변 측정 지점에서의 PM
2.5농
도 분포를 분석한 결과 (Fig. 9), 2020년 6월 22일 07시의
PM
2.5농도 분포와 유사하다 . 도로 배출을 고려하지 않
Fig. 6. The distributions of the PM
2.5concentrations simulated in the cases of (a) no road emission and (b)
road emission and (c) their difference at the PKNU-SONIC measurement height (z = 37.5 m above
the mean sea level) at 07 LST 22 Jun. 2020.
Fig. 7. The distributions of the PM
2.5concentrations simulated in the cases of (a) no road emission and (b)
road emission and (c) their difference at the surface (z = 2.5 m above the ground) at 07 LST 22
Jun. 2020.
Fig. 8. The same as in Fig. 6 except for 19 LST 22 Jun. 2020.
Fig. 9. The same as in Fig. 7 except for 19 LST 22 Jun. 2020.
은 경우에 , LDAPS-CFD 모델이 도로변 측정 지점(S60, S61, S62, S63, S64, S65)에서 수치 모의한 PM
2.5농도는 각 각 10.35, 10.60, 10.44, 11.70, 10.71, 10.52 µg m
–3로 같은 지 점에서 측정된 PM
2.5농도를 과소 모의하였다 (S60 – 13.76 µg m
–3, S61 – 14.14 µg m
–3, S62 – 14.18 µg m
–3, S63 – 14.36 µg m
–3, S64 – 13.82 µg m
–3, S65 – 13.94 µg m
–3).
도로 배출을 고려한 경우에는 도로를 따라 PM
2.5농 도가 높게 나타나고 (Fig. 9b), 각 PKNU-AQ Sensor 도로 변 측정 지점의 PM
2.5농도 (S60, S61, S62, S63, S64, S65)는 각각 16.61 µg m
–3, 18.23 µg m
–3, 15.41 µg m
–3, 13.10 µg m
–3, 12.50 µg m
–3, 17.21 µg m
–3이다. 도로 배출을 고려한 경 우에 LDAPS-CFD 접합 모델은 북쪽 도로(①)와 서쪽 도로(②)에서 PM
2.5농도를 과대모의 하였는데, 이는 LDAPS-CFD 접합 모델이 풍속을 과소 모의하여 도로 에서 배출된 오염물질의 확산이 활발히 이루어지지 않 았기 때문이다 .
4. 요약 및 결론
본 연구에서는 국지기상예측시스템 (LDAPS)과 건물 과 지형 효과를 고려할 수 있는 상세규모 모델 (CFD model)을 접합하여, 부산 건물 밀집지역 지역에 대한 PM
2.5농도 분포 특성을 조사하였다 . LDAPS가 매시간 예측한 기상 요소와 풍상측 지역의 AQMS에서 매시간 측정된 PM
2.5농도를 CFD 모델의 초기·경계 자료로 사 용하였다. 도로 배출이 건물 밀집 지역의 PM
2.5농도에 미치는 영향을 분석하기 위해, CAPSS의 PM
2.5에 대한 연간 시·군·구별, 배출 원소 별, 연료 별 도로이동오염 원과 비산먼지 배출량 자료를 이용하였다. 부산시에 대 한 배출 원소 별, 연료 별 PM
2.5의 총 배출량과 대기질 모 델입력용 배출량에서 사용된 월별 , 일별, 시간 별 배출 계수를 이용하여 , 단위 면적당 시간 별 PM
2.5배출량을 산정하였다 . 본 연구에서는 부산 토성 초등학교 주변에 서 수행된 특별 측정 자료를 이용하여 수치 모의 결과 를 검증하고 , 도로 배출 유·무에 따른 PM
2.5농도 분포 특 성을 분석하였다 .
대상 기간 동안 PKNU-AQ Sensor 지점에서 측정한 PM
2.5농도는 모든 측정 지점에서 유사하였고 , 08시에 가장 높고 15시에 가장 낮게 나타났다. LDAPS-CFD 접
합 모델은 도로 배출을 고려하지 않은 경우에 측정 지 점의 PM
2.5농도를 배경 농도보다 낮게 모의하였는데 , 이는 복잡한 건물에 의해 흐름의 유입과 유출이 활발하 지 않아 상층의 PM
2.5가 하층으로 유입되지 못하기 때문 이다 . 도로 배출을 고려하여 수치 모의한 PM
2.5농도는 도 로 배출의 영향으로 PM
2.5농도가 증가하여 측정 결과와 유사하게 나타났다 . 통계 검증 지수를 종합적으로 분석 한 결과 , LDAPS-CFD 접합 모델은 대상 지역의 도로 배 출을 고려함으로써 PM
2.5농도 예측 성능을 개선하였다 . 본 연구에서는 PM
2.5농도에 대한 도로 배출 효과를 분석할 수 있는 주간(2020년 6월 22일 07시와 19시) 시간 에 대해 PM
2.5농도 분포 특성을 분석하였다. 2020년 6월 22일 07시와 19시에는 대상 지점 주변에서 주로 남풍 계 열의 흐름이 나타났다. 2020년 6월 22일 07시와 19시의 유사한 흐름에 의해 , 두 시각의 PM
2.5농도 분포는 매우 유사하다 . 그러나 19시의 풍속이 상대적으로 약하기 때 문에 , 19시의 PM
2.5농도가 높게 나타났다 . 건물 옥상 지 점 (S55)에서 수치 모의된 PM
2.5농도는 도로 배출에 의한 영향을 크게 받지 않았는데 , 이는 건물 옥상 지점(S55)의 풍상 측에 학교 운동장이 있고 도로 배출원이 100 m 이 상 떨어져 있어 도로 배출의 영향이 작기 때문이다 . 건 물 옥상 지점 (S55)에서 수치 모의된 PM
2.5농도는 측정된 PM
2.5농도를 과소모의 하였는데 , 이는 LDAPS-CFD 접 합 모델의 초기 PM
2.5농도가 전반적으로 낮기 때문이다 . 도로 배출을 고려한 경우에는 도로를 따라 PM
2.5농도가 높게 나타난다 . 풍속이 약한 북쪽 도로와 긴 도로 협곡 에 위치한 서쪽 도로에서 PM
2.5농도가 높고 , 상대적으 로 건물의 밀집도가 낮은 동쪽 도로에서는 PM
2.5농도가 낮게 나타났다. PKNU-AQ Sensor 지점간의 PM
2.5농도 는 거의 유사하게 나타났으나, LDAPS-CFD 접합 모델 은 모든 도로에서 배출량이 동일하게 적용되기 때문에, 좁은 골목과 건물 밀도가 낮은 지역의 지형 특성이 반 영되어 도로 별 PM
2.5농도에 차이가 나타났다 .
결론적으로 건물 밀집 지역의 상세 흐름과 PM
2.5농
도 분포는 건물과 지형에 따라 매우 복잡하게 나타나고 ,
건물 구조와 배치에 따라 지역별 도로 배출의 영향이 다
양하게 나타났다 . 본 연구에서 시도된 도로 배출을 고
려한 상세 규모의 수치 모의 기법은 복잡한 도시 지역
의 현실적인 초 미세먼지 농도를 모의하고 , 지역적 특
성에 따른 초 미세먼지 농도 분포 등의 대기질 정보를
제공하는데 유용한 수단이 될 것으로 기대한다 . 보다 현실적인 초 미세먼지 농도를 모의하기 위해서는 상세 한 건물과 지형 특성 반영뿐만 아니라 도로 교통량에 따른 상세 배출량의 고려가 필요할 것으로 판단된다 . 또한 , 본 연구에서는 PM
2.5의 화학적 반응을 고려하지 않았으나 , 도시 지역의 보다 정확한 PM
2.5농도 분포를 분석하기 위해서는 화학 반응을 고려한 고해상도 수치 모의가 필요할 것으로 판단된다 .
사사
이 성과는 정부(과학기술정보통신부, 교육부)의 재원 으로 한국연구재단의 지원을 받아 수행된 연구임(2019 M3E7A1113103).
References
Baek, J. H. and J. M. Song, 2019. A Study on the establishment of PM
10management zones and their characteristics at the regional level, Korean
Environmental Policy and Administration Society,27(3): 75-104 (in Korean with English abstract).
Baek, S. O., Y. K. Heo, and Y. H. Park, 2008.
Characterization of concentrations of fine particulate matter in the atmosphere of Pohang area, Korean
Society of Environmental Engineers, 30(3): 302-313 (in Korean with English abstract).
Bang, J. I., S. M. Jo, and M. K. Sung, 2018. Analysis of infiltration of outdoor particulate matter into apartment buildings, Journal of the Architectural
Institute of Korea Structure & Construction, 34(1):61-68 (in Korean with English abstract).
Chang, J. C. and S. R. Hanna, Air quality model performance evaluation, Meteorology and
Atmospheric Physics, 87(2004): 167-196.Choi, D. H. and D. H. Kang, 2013. Experimental and computational fluid dynamics (CFD) methods to analyze particle resuspension and dispersion in
buildings, Journal of the Architectural Institute
of Korea Planning & Design, 29(10): 275-282(in Korean with English abstract).
Eom, Y. S. and H. N. Oh, 2019. Health risks from particulate matters (PM
10) and averting behavior:
evidence from the reduction of outdoor leisure activities, The Korean Economic Association, 67(2): 39-70 (in Korean with English abstract).
Eom, Y. S., B. R. Park, S. G. Kim, and D. H. Kang, 2020. A case study on placement of portable air cleaner considering outdoor particle infiltration into an elementary school classroom, Journal
of Korean Institute of Architectural Sustainable Environment and Building Systems, 14(2): 158-170 (in Korean with English abstract).
Hong, S. H., W. Tian, and R. Ahn, 2020. The effect of the green space in roadside and building height on the mitigation of concentration of particulate matters, Korean Journal of Environment and
Ecology, 34(5): 466-482 (in Korean with Englishabstract).
Jang, A.S., 2014. Impact of particulate matter on health,
Journal of the Korean Medical Association, 57(9):763-768 (in Korean with English abstract).
Jeong, D. Y., Y. E. Choi, and J. H. Chon, 2019. Analysis of importance in available space for creating urban forests to reduce particulate matter – using the analytic hierarchy process, Journal of
the Korean Institute of Landscape Architecture,47(6): 103-114 (in Korean with English abstract).
Joo, H. S., S. M. Lee, J. W. Choi, C. Y. Kim, M. W. Choi, and K. H. Kim, 2019. A study on concentration
trends of particulate matter in China and correlation between air pollution levels in Korea and China, Korea Environment Institute, Sejong,Korea, p. 219.
Kang, G., J.-J. Kim. and J. B. Lee, 2020. A numerical
study on the effects of buildings and topography
on the spatial distributions of air pollutants in a
building-congested district, Korean Journal of
Remote Sensing, 36(2-1): 139-153 (in Korean
