Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.40 No.6 pp.549-560
DOI : https://doi.org/10.5467/JKESS.2019.40.6.549

Statistically Analyzed Effects of Coal-Fired Power Plants in West Coast on the Surface Air Pollutants over Seoul Metropolitan Area

Jaemin Ju, Daeok Youn*
Department of Earth Science Education, Chungbuk National University, Cheongju 28644, Korea
Corresponding author: dyoun@chungbuk.ac.kr Tel: +82-10-2830-8541
December 23, 2019 December 28, 2019 December 30, 2019

Abstract


The effects of the coal-fired power plant emissions, as the biggest point source of air pollutants, on spatiotemporal surface air pollution over the remote area are investigated in this study, based on a set of date selection and statistical technique to consider meteorological and geographical effects in the emission-concentration (source-receptor) relationship. We here proposed the sophisticated technique of data processing to separate and quantify the effects. The data technique comprises a set of data selection and statistical analysis procedure that include data selection criteria depending on meteorological conditions and statistical methods such as Kolmogorov-Zurbenko filter (K-Z filter) and empirical orthogonal function (EOF) analysis. The data selection procedure is important for filtering measurement data to consider the meteorological and geographical effects on the emission-concentration relationship. Together with meteorological data from the new high resolution ECMWF reanalysis 5 (ERA5) and the Korea Meteorological Administration automated surface observing system, air pollutant emission data from the telemonitoring system (TMS) of Dangjin and Taean power plants as well as spatio-temporal air pollutant concentrations from the air quality monitoring system are used for 4 years period of 2014-2017. Since all the data used in this study have the temporal resolution of 1 hour, the first EOF mode of spatio-temporal changes in air pollutant concentrations over the Seoul metropolitan area (SMA) due to power plant emission have been analyzed to explain over 97% of total variability under favorable meteorological conditions. It is concluded that SO2, NO2, and PM10 concentrations over the SMA would be decreased by 0.468, 1.050 ppb, and 2.045 μgm−3 respectively if SO2, NO2, and TSP emissions from Dangjin power plant were reduced by 10%. In the same way, the 10% emission reduction in Taean power plant emissions would cause SO2, NO2, and PM10 decreased by 0.284, 0.842 ppb, and 1.230 μgm−3 over the SMA respectively. Emissions from Dangjin power plant affect air pollution over the SMA in higher amount, but with lower R value, than those of Taean under the same meteorological condition.



통계적 기법을 활용한 서해안 화력발전소 오염물질 배출에 따른 수도권 지표면 대기오염농도 영향의 분석

주 재민, 윤 대옥*
충북대학교 지구과학교육과, 28644, 충청북도 청주시 서원구 충대로 1

초록


본 연구는 화력발전소 배출로 인한 지표면 오염물질 농도의 시·공간적 영향을 실측 자료를 바탕으로 정량적으 로 분석하려는 목적으로 수행되었다. 배출과 농도 관계의 정량적 분석을 위해 우선 기상 조건과 주변 배출원의 영향을 고려하였다. 이를 위해 자료의 선택과 관측지점 선정 과정을 제안하였고, 선정된 지표면 시·공간 자료에 K-Z 필터와 경험직교함수(EOF) 분석 기법을 적용하였다. 사용된 자료는 2014-2017년 4년의 기간 동안 당진과 태안 화력발전소 굴 뚝 자동측정기기의 농도값을 이용하여 산출한 한 시간 평균 배출량 자료와 지표면 대기오염농도 측정망 자료이다. 기상 자료로는 최근 배포 중인 ERA5 재분석자료와 기상청 종관기상관측소 한 시간 평균 자료가 사용되었다. 발전소만의 영 향이 최대한 보이도록 기상 효과와 지리적인 요인을 고려하여 선택한 시간대의 선정된 관측소 자료만을 이용하여 분석 한 결과, 지표면 대기오염물질의 EOF 첫 번째 모드는 SO2, NO2, PM10 모두에 대해 97% 이상의 변동성을 설명하였다. 또한 지표면 농도장의 EOF 첫 번째 모드의 시계열은 화력발전소 배출과 유의미한 상관성을 보였다. 결과적으로 당진 화력발전소 SO2, NO2, TSP 시간 당 배출량이 각각 10%가 감소하면, 남서풍 계열의 바람에 의해 직접 영향을 받는 서 울 수도권 지표면 평균 SO2 농도는 0.468 ppb (R=0.384), NO2는 1.050 ppb (R=0.572), PM10은 2.045 μg m−3 (R=0.343) 정도가 감소한다고 판단할 수 있다. 태안화력발전소의 경우, SO2, NO2, TSP 배출량을 각각 시간당 10% 씩 감축하면, SO2는 0.284 ppb (R=0.648), NO2는 0.842 ppb (R=0.683), PM10은 1.230 μg m−3 (R=0.575) 정도가 감소될 수 있음을 확인하였다. 태안화력발전소는 당진화력발전소에 비해 수도권지역 농도에 미치는 영향은 작았으나, 상관관계는 더 높았다.



    Ministry of Environment
    2018001310004

    서 론

    최근 수십 년간 동아시아 지역은 급격한 산업화와 인구증가 등의 요인으로 에너지의 소비량이 급증함에 따라 대기오염물질의 배출량이 급격하게 증가하게 되 었다(Seo et al. 2018;Shi et al., 2018). 그에 따라 중국에서는 석탄화력발전소 및 산업시설에서의 탈황 시설 가동(Li et al., 2017), 차량·선박의 저황유 사용 (Ray and Kim, 2014) 등의 조치로 배출량 감축을 위 한 노력을 계속하고 있으며 국내에서도 대기환경보전 법에 따라 대기오염물질의 배출량을 조사·관리하고 있다.

    우리나라 국립환경과학원은 국가 대기오염물질 배 출량 서비스의 일환으로 대기정책지원시스템(Clean Air Policy Support System, CAPSS)을 공개하고 있 다. CAPSS 2016 대기오염줄질 배출량 통계에 따르 면 유연탄 화력발전소는 국내 총부유먼지(Total suspended particles, TSP) 배출의 0.5%, 황산화물 (SO2) 배출의 18.9%, 질산화물(NO2) 배출의 7.6%를 차지하고 있다. 화력발전소는 대규모 점 오염원으로, 이는 단일 사업장으로는 최대 규모의 대기오염물질 배출원이다. 이와 같이 석탄 화력발전소가 대규모 대 기오염물질의 배출원이라는 것이 널리 알려져 있는 상황에도, 화력발전소의 연돌에서 배출된 대기오염물 질이 인근 및 원거리 지역 지표면 대기의 오염물질 농도변화에 미치는 정량적 영향을 실측된 자료를 기 반으로 분석한 연구를 찾아보기 힘들다.

    일반적으로 화력발전소는 발전원료인 석탄과 냉각 수를 공급받기에 용이한 해안가에 입치하고 있으며, 발전과정에서 발생하는 대기오염물질을 높은 굴뚝(연 돌, Stack)을 통해 배출하는 특징을 가지고 있다. 높 은 굴뚝을 통해 배출된 오염물질은 주변 대기와의 온도 및 압력 차이에 의해 실제 굴뚝의 높이보다 상 승된 유효연돌고도(effective stack height)까지 상승하 여 확산 및 수송의 과정을 거쳐 전파된다. 이러한 화 력발전소만의 대기오염물질 배출 특성은 해안가 내부 경계층의 높이 및 유효연돌고도에서의 바람의 변화를 고려해야 하므로 정량적 분석을 수행하려고 할 때 훈증(Fumigation) 과정과 비선형적 기상 영향 등을 포함하는 복잡성을 내포하고 있다(Simpson, 1994). 또한, 발전소의 영향을 받는 발전소 풍하 측에 위치 한 대규모 거주지역인 대도시 지역의 경우 주변에 산재한 오염원들(도로오염원, 산업단지, 매립시설, 건 설현장, 발전시설 등)이 주변에 입지하고 있어 복잡 성을 더욱 가중시킨다. 기상영향으로는 발전소에서 배출되어 확산 수송되는 대기오염물질은 바람(풍향, 풍속) 외에 기온, 강수, 습도 등의 기상 조건에 따라 대기 중 농도가 민감하게 변동한다.

    본 연구에서는 앞서 서술한 바와 같은 어려움, 즉 분석 시 가지는 한계를 극복하여 발전소에서 배출된 오염물질이 원거리지역 지표면 대기오염농도에 미치 는 영향을 관측 자료로부터 확인하고자 하였다. 분석 을 위하여 우선 분석 대상지역을 선정하였으며, 화력 발전소의 영향을 받을 것으로 판단되는 측정소를 선 별하였다. 또한, 발전소에서 배출된 오염물질이 확산 수송되어 특정 지역 지표면 오염농도에 영향을 미칠 때, 이에 적합한 기상조건을 고려하여 영향권으로 선 정된 측정소의 시계열로부터 분석에 사용될 시간대의 자료를 선택하였다. 이들 중 영향권 내에서 주변 오 염원의 영향을 직접적으로 받는다고 판단되는 측정소 의 자료는 제외하였다. 이와 같은 자료 선정과정을 통해 선택된 자료에만 통계적 분석 방법을 적용하였 다. 본 연구에서 제안하는 자료 선정 과정과 통계적 분석을 통해 당진과 태안 화력발전소에서 배출된 대 기오염물질이 서울 수도권 지역의 지표면 대기오염 농도 변화에 미치는 영향을 정량적으로 분석해낼 수 있었다. 따라서 본 연구는 측정된 여러 자료들을 활용하여 화력발전소-지표면농도 사이의 정량적인 관 계를 분석하려는 시도이다.

    자 료

    본 연구의 분석에 사용되는 국내 화력발전소 및 대기질 측정망 관측소의 입지는 Fig. 1에서 확인할 수 있다. 전국에 고르게 분포하고 있는 기상청(Korea Meteorological Administration, KMA) 종관기상측정 소(automated surface observing system, ASOS) 및 자동기상관측장비(automatic weather station, AWS)와 달리 국립환경과학원(National Institute of Environmental Research, NIER) 대기질 측정소(air quality monitoring sites, AQMS)는 인구가 밀집되어있는 대도시 지역에 주로 위치한다. 대기질 국가·지자체 측정망은 NIER sites로, 발전사 자체 측정망은 EMS (environmental monitoring system, 환경측정망)으로 표기하였다. 서 풍 계열의 바람이 주풍이라는 점과 국내 대기질 측 정망의 분포와 석탄 화력발전소의 지리적인 위치를 고려하여, 서해안 당진과 태안 화력발전소의 대기질 영향을 분석하기 위한 분석 대상지역으로 Fig. 1에 노란색 네모 상자로 표시한 서울 수도권 지역을 선 정하였다.

    당진과 태안 화력발전소의 배출량 자료는 2014년 부터 2017년까지 총 4년 기간의 굴뚝의 굴뚝 자동측 정기기(telemonitoring system, TMS)에서 측정한 오 염물질 농도자료와 유량으로부터 계산하였다. 본 연 구에서는 대기환경보전법(시행령 제17조제5항 및 별 표 3 제1호)에 따라 국내 발전시설에 의무적으로 설 치되는 TMS 필수 측정 물질인 총부유먼지(Total suspended particles, TSP), 황산화물(SO2), 질산화물 (NO2) 배출량이 연구대상물질이다. Fig. 2와 Fig. 3에 각 발전소의 TSP, SO2, NO2 배출량 시계열을 제시하 였다. 2014년부터 2017년까지 4년 동안 당진화력발 전소 총 배출량은 SO2에 대해 약 12,336톤, NO2 약 32,916톤, TSP 약 879톤으로 산정되었다, 태안화력발 전소의 경우에는 SO2 총 배출량이 약 44,562톤이었 고, NO2 약 94,005톤, TSP 약 3,053톤이다. 태안화 력발전소와 당진화력발전소의 전기 생산량은 동등하 지만, 4년의 기간 중 태안화력발전소의 배출규모가 당진화력발전소보다 약 3배가량 더 많은 것으로 확 인되었다. 분석기간 중 연간 총 배출량은 NO2를 기 준으로 당진화력발전소는 2014년 10,119톤, 2015년 9,789톤, 2016년 7,613톤, 2017년 5,394톤이었으며, 태안화력발전소는 2014년 29,806톤, 2015년 29,606 톤, 2016년 19,908톤, 2017년 14,683톤으로 매년 배 출량은 꾸준하게 감소하고 있다. 분석 기간 중 당진 화력발전소는 평균적으로 매 시간 당 SO2는 약 358 kg, NO2 약 954 kg, TSP 약 25 kg을 배출하는 것으 로 확인하였으며, 태안화력발전소는 매 시간 당 SO2 를 약 1,271 kg, NO2 약 2,681 kg, TSP 약 89 kg 정 도 배출하는 것을 확인하였다.

    지표면 대기질 측정소 자료는 에어코리아(Air Korea) 에서 제공하는 대기질 국가·지자체 측정망 대기오염 농도 자료이다. 발전소 영향만을 분석하기 위해 도시 대기 측정망 측정소 중 산업단지 및 도로변에 인접 한 측정소를 우선적으로 제외하였다. 이렇게 선정된 측정소를 대상으로 미세먼지(PM10), 황산화물, 질산화 물 농도에 대해 매 시간 평균농도자료를 배출량과 같은 2014년부터 2017년 기간까지 총 35,064시간의 농도자료를 사용하였으며, 이때 오염물질별로 결측률 이 5% 이상인 측정소를 추가적으로 제외하였다. 초 미세먼지(PM2.5)는 분석 기간 중인 2015년 하반기부 터 국내 측정이 시작되어 본 연구에서는 제외되었다. 최종적으로 PM10 측정소의 경우는 34개소, SO2 49개 소, NO2 51개소 측정소의 자료를 사용하였다.

    발전소로부터 배출된 대기오염물질이 분석 대상지 역의 대기오염물질 농도에 영향을 주는 기상 인자의 판별을 위하여 지표면과 상층 기상자료를 사용하였다. 최적의 기상 조건을 보이는 시간대를 판별하기 위하 여, 기상청 지표면 ASOS 관측자료와 유럽중기기상 예보센터(European Centre for Medium-Range Weather Forecasts, ECMWF)의 최신 재분석자료인 ECMWF reanalysis 5 (ERA5)의 고해상도 상층 바람벡터 자료 를 사용하였다. 강수 정보는 Fig. 1의 분석 대상 지 역을 고려하여 서울 측정소의 자료를 사용하였다. ERA5 자료 중 본 연구의 분석에서 고려하여야하는 유효연돌고도를 나타낼 수 있는 상층 975 hPa의 바 람 벡터를 높은 굴뚝에서 확산 수송되는 효과의 정 도를 판별하기 위해 사용하였다. 당진과 태안화력발 전소에서의 975 hPa (~320 m) 상공의 바람벡터를 풍 향과 풍속으로 환산하였다.

    본 연구에 사용된 당진과 태안 화력발전소의 배출 량 자료 및 지표면 대기오염농도 측정자료, 기상변수 자료를 Table 1에 정리하였다. 본 연구에 사용한 자 료를 크게 오염물질 자료와 기상자료로 구분하였으며 대기질 측정소와 발전소 배출량의 오염물질 종류 및 종관기상관측소와 ERA5에서 사용된 기상변수를 정 리하였다.

    분석 방법

    지표면 대기질 측정소의 대기오염물질 농도의 측정 자료에 포함된 다양한 변동성분으로부터 화력발전소 에서 배출된 오염물질의 영향을 알아보고자 본 연구 의 분석 대상 지역 내 선정된 대기질 측정소에서 수 집한 오염물질 농도와 기상 자료를 기반으로 분석체 계를 정리하였다. 분석체계는 크게 기상 조건에 따른 자료의 분류 절차 및 통계적 분석 기법의 적용 순으 로 적용하였다.

    강수가 발생하는 경우 대기 중의 오염물질이 강수 에 의해 세정 제거될 것임으로 종관기상관측소 강수 량 자료로부터 강수가 발생하는 시간대의 자료를 선 별하여 오염농도 자료에서 제거하였다. 또 바람에 의 해 확산·수송되는 오염물질의 영향을 고려하기 위하 여 ERA5 975 hPa 바람벡터 자료를 사용하였다. 북 동풍에 해당하는 풍향 각도 190° -260°의 시간대와 동 시에 풍속 5-12 m s−1 범위 내에서 2시간 이상 지속 되는 조건을 만족하는 시간대를 분류 조건으로 사용 하였으며, 이 시간대에 해당하는 각 대기질 측정소 자료 및 화력발전소 배출량 자료들을 선별하여 분석 에 이용하였다. 추가적인 선별 조건으로 연돌에서 배 출되어 대기 중 바람에 의해 확산 수송되는 오염물 질은 경계층 고도에 따라 훈증작용을 통해 지표면에 도달할 수 있음(Simpson, 1994)을 고려하여, 일반적 으로 경계층이 적당한 높이로 경계층이 충분히 높다 고 판단되는 09-15시 사이의 자료를 분류하여 분석 하였다.

    위와 같이 기상 조건에 따라 선택된 시간대의 시· 공간적인 대기오염농도 측정 자료는 각 관측소의 관 측 농도 시계열자료에 화이트 노이즈로 보이는 고주 파(high frequency) 성분을 다수 포함하여 분석에 어 려움이 있다. 이에 고주파 성분의 제거를 위하여 주 기분석방법 중 하나인 Kolmogorov-Zurbenko 필터 (K-Z 필터)를 사용하였다. K-Z 필터는 시계열 및 신 호처리 등에 사용되는 주기성분 분리 방법의 하나로 유효필터(effective filter) 이하의 주기를 가지는 성분 및 비주기 성분을 원시 자료의 시계열에서 제거할 수 있다(Eskridge et al., 1997). K-Z filter를 이용하 여 시계열 자료를 단주기성분, 계절성분, 장주기 성 분으로 분리할 수 있으며(Rao and Zurbenko, 1994), 지역적인 배출 등의 원인에 의한 순간적인 변동성분 인 비주기성분(Seo et al., 2017)을 포함한다. 계절성 분은 계절에 따른 기상 조건의 변동(Kim et al., 2018), 장주기성분은 사회적인 인간 활동의 변화나 장기적인 기상현상과 연관된 변동(Mijling et al., 2013; Cai et al., 2017;Zou et al., 2017)을 포함한다. 일반적으로 단주기변동은 33일, 장주기변동은 1.7년의 유효필터 주기를 사용한다(Rao et al., 1997; Milanchus et al., 1998;Wise and Comrie, 2005). 대기오염물질 농도 측정 자료에서 보이는 변화의 주된 경향성을 배출량 자료와의 비교하기 위하여 화력발전소의 배출량의 시 계열에 대해서도 같은 K-Z 필터를 적용하였다.

    K-Z 필터 적용 후 화력발전소의 영향에 따라 동시 에 변화하는 시·공간적인 대기오염물질 농도 변화를 분리해내기 위하여, 지표면 분석 대상 지역의 시·공 간적인 대기오염물질 농도 분포에 경험직교함수분석 (Empirical orthogonal function analysis, EOF analysis) 을 적용하였다. 경험직교함수 분석을 위해서는 원 자 료로부터 공분산행렬을 구하여 고윳값 분석을 수행하 였다. 공분산행렬은 정사각행렬이 되며 양수의 고윳 값을 가지고, 각 고유벡터는 상호간 자료의 공간상에 서 상호 직교성을 만족하며 자료행렬의 기저벡터가 된다. 경험직교함수의 특성상 분석의 대상이 되는 자 료행렬의 변동성을 야기하는 물리적인 의미를 명확하 게 규명할 수 없으나(Na et al., 1997), 경험직교함수 분석은 원 자료를 고유벡터로 변환하여 몇 개의 지 표만으로 원래 정보를 요약적으로 제시할 수 있는 기법이다(Kim et al., 2013). 경험직교함수 분석은 1940년대 후반부터 기상학분야에서 사용되기 시작하 였으며(Hannachi et al., 2007), 현재 다양한 자료의 시공간적 변동성분을 분리해내는데 널리 활용된다 (Cheng et al., 2018; Achakulwisut et al., 2018; Kim et al., 2019). 본 연구에서는 K-Z 필터를 적용한 각 측정소의 시계열자료에 공분산행렬을 구하여 경험직 교함수 분석을 수행하였다.

    분리된 EOF 각 모드의 시계열은 화력발전소 배출 량 시계열과의 피어슨(Pearson) 상관성 분석을 통하 여 상관계수를 구하였다. 본 연구의 분석과정을 Fig. 4에 흐름도로 정리하였다. 강수, 풍향, 풍속, 경계층 고도와 같은 기상 조건들을 각각 고려하여 발전소 영향 가능 시간대를 선택하여 그 시간대 자료들에 대해 Fig. 4의 분석을 순차적으로 수행하였다. 단일 또는 조합된 기상 조건에 따라 각각 선별된 자료를 통한 통계적 분석보다, 최종적으로 모든 조건을 동시 에 고려한 경우 상관관계가 가장 큰 값을 가지는 것 으로 계산되어 이 결과를 분석결과에 정리하였다.

    분석 결과

    앞서 서술한 분석방법에 따라 모든 시계열자료는 조건에 따른 선정과정을 거쳐 선택된 시간대의 선택 된 자료를 사용하여 분석을 수행하였다. 본 연구에서 는 당진과 태안 화력발전소의 TSP 배출량은 지표면 PM10 농도의 EOF 시계열과 비교되었으며, SO2와 NO2 배출량은 각각 지표면 SO2와 NO2의 EOF 시계 열과 비교하였다.

    Table 2에 정리된 바와 같이 지표면 SO2 농도장의 EOF 분석 결과, EOF 첫 번째 모드에서 제곱 공분산 인자(squared covariance fraction, SCF)가 99.46%로 나타났다. 즉 대부분의 시·공간 변동성분이 EOF 첫 번째 모드에 포함된 것이 확인되었다. EOF 두 번째 와 세 번째 모드에서는 각각 SCF 0.48, 0.06%를 차 지하여 변동성에 가지는 의미가 거의 없다고 판단된 다. 지표면 NO2와 PM10 농도장의 EOF 분석결과에 서도 EOF 첫 번째 모드가 SCF 값은 각각 98.98%와 97.78%로 차지하므로, 대부분의 변동성분이 EOF 첫 번째 모드에서 설명되는 것으로 나타났다. 화력발전 소의 영향을 받을 것으로 판단하여 선택된 지표면 농도 자료에 경험직교함수 분석을 수행하였기에 대부 분의 변동성이 EOF 첫 번째 모드에서 설명된다는 본 결과는 합리적인 것으로 판단된다. 따라서 EOF 첫 번째 모드 이외의 모드와의 비교 분석은 변동을 차지하는 비율이 낮아 의미가 없을 것으로 판단하였 으며, 각 발전소의 배출량 정보는 EOF 첫 번째 모드 와의 상관성을 살펴보았다. 각 시계열 사이의 상관성 분석결과, 모든 경우에서 양의 상관성을 확인하였으 며, p값은 0.01보다 매우 작은 값으로 통계적인 의미 를 가지는 것으로 확인하였다. 상관계수 값은 태안화 력발전소의 NO2 분석결과에서 가장 큰 값은 보였으 며 태안화력발전소의 결과에서 당진화력발전소의 결 과보다 큰 값의 상관계수를 확인하였다.

    당진과 태안 화력발전소의 배출량 자료와 지표면 농도 측정자료의 EOF 첫 번째 모드와의 비교는 각 각 Figs. 56에 제시하였다. 지표면 오염물질 농도 의 EOF 시계열은 파란 실선으로 화력발전소 배출량 의 시계열은 붉은 실선으로 표시하였다. Figs. 5a6a에서 확인할 수 있듯이 지표면 SO2 농도장의 EOF 공간분포의 부호가 모두 양수로 나타났으며, 이에 따 라 선정된 분석 대상 측정소의 변동은 EOF 시계열 에서 보이는 변화에 따라 같은 부호로 동시에 공간 변동하고 있다. 이는 화력발전소의 영향이 공간에 대 해서 균등하게 나타나고 있는 것으로 해석할 수 있 을 것이다. 공간분포 세기 측면에서 서울 남현동에서 가장 큰 값으로 변동하고 있었다. EOF 시계열 곡선 에서 오염농도의 변화추이가 2014-2015년 대비 2016- 2017년에 상대적으로 감소 추이에 있음이 쉽게 확인 된다. 당진화력발전소의 SO2 배출량 시계열 역시 분 석 대상 기간의 전반기 대비 후반기 농도의 감소를 확인할 수 있다. 하지만 2015년 이후로 급격하게 감 소하여 2016년 7월 최솟값을 보인 후 계속해서 증가 하는 추이를 보이고 있다. 태안화력발전소의 SO2 배 출량 시계열은 지표면 SO2 EOF 시계열과 상관계수 0.648로 당진화력발전소의 SO2 배출보다 높은 상관 성을 가지며, 변동 경향이 거의 유사한 것을 Fig. 6b 에서 확인할 수 있다.

    NO2의 EOF 첫 번째 모드의 시계열은 전체적으로 감소 추세에 있으며, Figs. 5c6c의 EOF 공간분포 에서는 경기 부천 내동, 서울 서대문구, 서울 성동구 세 곳에서 변동 세기가 가장 크게 나타났다. 공간분 포 상 대부분의 지점에서 공간적으로 같은 변동 추 이를 보이는 것을 확인하였다. 당진과 태안 화력발전 소 NO2 배출 시계열 변화 경향은 유사하지만 배출량 이 크게 차이가 난다.

    PM10 EOF 분석 결과를 보여주는 Figs. 5e6e에 서 EOF 공간분포는 수원의 이의중학교 측정소를 제 외한 다른 측정소에서 EOF 시계열과 공간상에서 같 은 부호로 변동하는 것을 확인하였다. PM10 EOF 첫 번째 모드의 시계열은 분석 대상 기간 전반기 대비 후반기에 농도가 감소하는 경향을 Fig. 5f6f에서 확인하였으며 2015년 6월을 기점으로 전체 기간 평 균 농도보다 낮은 농도를 보였다. 지표면 PM10 농도 의 경우, 전체 기간 중 2016년을 제외한 기간에 감소 하는 경향을 보였다. 당진 화력발전소 TSP 배출량의 시계열은 태안과 비교할 때, 2014년 9월, 2017년에는 변동 추이가 다소 다르게 나타났다. 당진 화력발전소 TSP 배출은 2014년 증가 추세에 있었지만 2015년 3 월을 기점으로 감소하는 경향을 보였다.

    정량적으로 살펴보면, SO2 EOF 첫 번째 모드로부 터 분석 대상인 서울 수도권 SO2는 4년의기간 동안 공간 평균적으로 약 1.589 ppb의 농도변화가 있었음 을 계산으로 알 수 있었다. 이는 Fig. 5b에서 확인할 수 있듯이 4년 간 당진화력발전소의 SO2 배출량 변 화가 시간 당 125 kg 정도임을 감안할 때, 당진 화력 발전소에서의 SO2 배출량이 시간 당 1 kg 감소하는 경우, 공간 평균적인 SO2 농도가 약 0.013 ppb 정도 감소될 수 있다고 해석할 여지가 있다. NO2와 PM10 의 분석결과도 같은 방식으로 활용하여 적용하면, 당 진 화력발전소의 NO2, TSP 시간 당 배출량이 1 kg 감소할 때, 각 물질의 공간 평균적인 농도는 대략 0.011 ppb, 0.818 μgm−3 감소하고 있다고 해석 가능 하다. Fig. 6의 태안 화력발전소에 대해 동일한 방법 으로 정량적인 값을 도출하여 보았다. 태안 화력발전 소의 SO2, NO2, TSP 시간 당 배출량을 1 kg 감축하 게 된다면 분석 대상인 지역의 공간 평균 농도가 각 각 약 0.002 ppb, 약 0.003 ppb, 약 0.154 μgm−3 정 도 감소할 수 있을 것이다. 이러한 화력발전소 배출 저감에 따른 원거리 서울 대도시 지역 오염물질의 농도가 전체적으로 동시에 줄어든 효과는 Table 2에 서 보이는 상관계수의 정도 내에서 합리적인 추론으 로 판단된다.

    결론 및 제언

    우리나라의 지리적인 특성상 서해안 석탄화력발전 소에서 배출된 오염물질의 영향이 서울 대도시 지역 으로 수송되기에 용이하여, 이러한 발전소의 영향이 실제 지표면 측정 오염물질의 농도에서 나타날 것으 로 예상할 수 있다. 그러나 모델을 이용한 연구를 제 외하면, 지표면 농도 실측자료들을 바탕으로 화력발 전소 영향을 정량적으로 보여주는 연구는 거의 찾아 볼 수 없었다. 실측자료를 바탕으로 한 선행 연구의 부재 원인으로는 화력발전소의 입지가 해안가에 위치 함에 따라 대기 경계층의 구조가 내륙과는 달리 복 잡하다는 점, 발전소 풍하 측 내륙 지역의 지형 및 토지 이용도가 복잡하다는 점, 대기질 측정소에 인접 한 다양한 오염원이 존재한다는 점 등을 들 수 있다.

    따라서 본 연구에서는 서해안에 입지한 당진과 태 안 화력발전소 오염물질 배출과 두 화력발전소로부터 원거리 지역에 위치한 서울 수도권을 포함한 영향지 역의 관측소 측정 지표면 오염물질 농도에 미친 발 전소의 영향에 따른 변화를 통계적 분석 기법을 적 용하여 정량화하려고 하였다. 통계적 기법을 적용하 기 위한 자료는 다양한 기상조건과 주변 배출원의 영 향을 최소화하여야 하며, 이를 위해 강수유무, 풍향, 풍속, 경계층의 높이를 고려하여 발전소의 영향이 있 을 것으로 판단되는 시간대를 분류하는 자료의 선별 과정이 선행되었다. 또한 측정망 측정소들 중 주변 오염원의 영향이 적을 것으로 판단되는 측정소의 자 료 만 분석에 활용되도록 선별된 자료를 이용하였다.

    선별된 자료에 K-Z 필터 및 EOF 분석을 적용하여 분석한 결과, SO2, NO2, PM10 모두에서 EOF 첫 번 째 모드가 97% 이상의 변동성을 가지고 있어 EOF 첫 번째 모드에서 선별된 자료의 변동성을 대부분 설명하고 있음을 확인하였다. 화력발전소 배출량 시 계열과 EOF 시계열 간 상관성 분석결과, 당진화력발 전소의 SO2, NO2, TSP 배출량과 지표면 SO2, NO2, PM10 EOF 첫 번째 모드의 시계열 사이의 상관계수 가 0.384, 0.572, 0.343로, 태안화력발전소에 대해서 는 각각의 상관계수가 0.648, 0.683, 0.575로 확인되 었다(p<<0.01). 또 상관계수는 태안화력발전소 분석 결과가 당진화력발전소 분석결과보다 큰 값으로 계산 되었으며, 특히 태안화력발전소의 SO2와 NO2 분석결 과 상관계수 0.6 이상의 양의 상관성을 갖는 것으로 확인하였다.

    현재의 분석 결과로부터 발전소의 영향이 크게 작 용할 것으로 판단되는 기상조건 하에 각 발전소에서 의 배출량이 1 kg씩 감소할 때 분석 대상 지역의 대 기오염물질 농도가 공간 상 평균적으로 감소하는 정 도를 계산하였다. 이를 토대로 화력발전소의 배출이 극대화되는 시기에 각 발전소에서 시간당 배출되는 배출량을 10%씩 감축할 때 원거리 영향권인 서울 수도권 지역의 농도가 어느 정도 변화할지 산술적으 로 추정할 수 있다. 당진 화력발전소에서 분석기간 중 평균적으로 SO2 배출량은 매 시간 당 약 358 kg 정도인 것으로 계산되었다. 당진 화력발전소에서 배 출된 오염물질이 확산 수송되기 용이한 기상 조건일 때, SO2 배출량을 10% (약 36 kg) 감축하게 되면, 서 울 수도권의 공간 평균된 SO2 농도가 0.468 ppb 정 도 감소할 수 있을 것으로 해석할 수 있다(R=0.384). 같은 방식을 NO2와 TSP 배출에 대해서도 적용하여 “시간 당 배출량을 10% 감축할 때, 지표면의 공간 평균적인 NO2농도는 1.050 ppb (R=0.572), PM10은 2.045 μgm−3 (R=0.343) 정도 감소시킬 수 있음”을 판단할 수 있다. 태안화력발전소에도 배출된 오염물 질이 지표면에 도달하기 용이한 기상조건일 때, 시간 당 대기오염물질 배출량을 10% 감축하게 되면, SO2, NO2, TSP 각각에 대하여 공간 평균적인 대기오염물 질 농도가 각각 0.284 ppb (R=0.648), 0.842 ppb (R= 0.683), 1.230 μgm−3 (R=0.575) 정도 감소시킬 수 있 을 것으로 판단된다.

    본 연구는 다양한 영향에 의해 복잡하게 변동하는 대기오염농도의 시·공간자료로부터 화력발전소에서 배출된 오염물질이 미치는 영향을 측정 자료로부터 확인하고자 하였다. 이를 위해서 높은 시간분해능의 자료가 요구되어 한 시간 평균된 자료를 사용하였으 며 현재 사용가능한 상층 기상장 중 1시간 단위의 시간 분해능을 제공하는 자료는 최근 배포 중인 ERA5 재분석자료가 유일하였다. 본 연구 결과에 포 함되지 않았으나 같은 분석과정을 6시간 평균 기상 장인 ERA-interim을 사용한 결과보다 본 논문에서 제시된 ERA5 사용 결과가 더 합리적으로 판단할 수 있었다.

    그러나 측정된 지표면 대기오염농도 자료로부터 특 정 배출원의 영향을 역으로 유추하는 본 연구의 현 실적인 어려움으로 인하여 대기 중 오염물질의 화학- 물리 과정에 따른 이차 생성 및 이로 인해 변화되는 농도까지는 고려하지 못하여 기체상 물질인 SO2, NO2와 입자상 물질인 TSP, PM10 각각의 특성을 분석 과정에 완벽하게 담아낼 수 없었다. 대기 중 잔류시 간(lifetime)이 짧은 SO2, NO2 측정값을 사용하여 분 석을 수행하였으나, 본 연구의 분석에서는 온도와 습 도 등 오염물질의 잔류시간에 영향을 주는 기상조건 들을 고려하지 못하였다. 지표면 대기질 측정소를 선 정하는 과정에서 인근 오염원의 영향이나 지형적인 특성을 고려하는데 연구자의 판단에 의존하였다는 한 계가 존재한다. 더욱 정밀한 분석을 위해서는 자료의 선별을 위한 기상 조건의 세분화(바람 조건, 경계층 조건, 온도, 습도 등)와 K-Z 필터 분석의 신호처리 정교화 등이 요구된다. 또 SO2, NO2, PM10 각 물질 의 물리-화학적인 특성을 정교하게 고려하여 분석에 반영할 필요가 있으며, 분석의 결과를 모델링 과정을 통해 얻어진 정량적인 농도변화 값과 비교하는 추가 적인 연구가 요구된다.

    사 사

    본 연구는 한국전력공사 재원으로 한국환경정책· 평가연구원에서 수행한 미세먼지 측정소 설치·운영 방안 과제의 지원과 환경부의 재원으로 한국환경산업 기술원의 기후변화대응환경기술개발사업의 지원(2018 001310004)을 받아 수행되었습니다.

    Figure

    JKESS-40-6-549_F1.gif

    Locations of NIER air quality monitoring sites, KMA meteorological observation sites, and coal fired power plants. Locations are represented with specific marks and colors: coal-fired power plants with filled triangle, ASOS with red open circle, AWS with red dot, NIER with blue dot, and EMS with green filled square.

    JKESS-40-6-549_F2.gif

    Time series of air pollutants emission calculated from TMS of Dangjin power plant for (a) SO2, (b) NO2, and (c) TSP.

    JKESS-40-6-549_F3.gif

    Same as in Fig. 2 except for Taean power plant.

    JKESS-40-6-549_F4.gif

    Flow chart of data analysis procedure proposed in this study.

    JKESS-40-6-549_F5.gif

    Spatial map (left) and time series in blue line (right) of the first EOF mode of surface air pollutants for SO2, NO2, and PM10. In the right panel, time series of Dangjin power plant emission are represented with red lines, compared to those of the first EOF mode.

    JKESS-40-6-549_F6.gif

    Same as in Fig. 5 except for Taean power plant.

    Table

    Air pollutant data and meteorological data used in this study

    Correlation coefficient (R) between time series of power plant pollutant and the first EOF mode of surface air pollutant concentration and the squared covariance fraction (SCF) of the first EOF mode. P values for all R values are much less than 0.01

    Reference

    1. Achakulwisut, P. , Mickley, L. J. , and Anenberg, S. C. ,2018, Drought-sensitivity of fine dust in the US Southwest: Implications for air quality and public health under future climate change, Environmental Research Letters, 13(5), 054025.
    2. Cai, W. , Li, K. , Liao, H. , Wang, H. , and Wu, L. ,2017, Weather conditions conductive to Beijing severe haze more frequent under climate change, National Climate Change, 7, 257-262.
    3. Cheng, L. , Wang, S. , Gong, Z. , Li, H. , Yang, Q. , and Wang, Y. ,2018, Regionalization based on spatial and seasonal variation in ground-level ozone concentrations across China, Journal of Environmental Science, 67, 179-190.
    4. Eskridge, R. E. , Ku, J. Y. , Rao, S. T. , Porter, P. S. , and Zurbenko, I. G. ,1997, Separating different scales of motion in time series of meteorological variables, Bulletin of the American Meteorological Society, 78, 1473-1483.
    5. Hannachi, A. , Jolliffie, I. T. , and Stephenson, D. B. ,2007, Empirical orthogonal functions and related techniques in atmospheric science: a review, International Journal of Climatology, 27, 1119-1152.
    6. Kim, J.-H. , Kim, M.-K. , Ho, C.-H. , Park, R. J. , Kim, M. J. , Lim, J. , Kim, S.-Y. , and Song, C.-K. ,2019, Possible Link Between Arctic Sea Ice and January PM10 Concentrations in South Korea, Atmosphere, 10(10), 619.
    7. Kim, K.-J. , Kim, D.-S. , Cho, J. , Hong, S.-W. , and Lee, Y.-W. ,2013, EOF analysis of satellite-based drought indices: a case of inner mongolian region. Journal of Climate Research, 8, 309-319.
    8. Kim, Y. , Seo, J. , Kim, J. Y. , Lee, J. Y. , Kim, H. , and Kim, B. M. ,2018, Characterization of PM 2.5 and identification of transported secondary and biomass burning contribution in Seoul, Korea, Environment Science and Pollution Research, 25, 4330-4343.
    9. Li, P. , Wang, Y. , and Dong, Q. ,2017, The analysis and application of a new hybrid pollutants forecasting model using modified Kolmogorov-Zurbenko filter, Science of Total Environment, 583, 228-240.
    10. Mijling, B. , van der A. R. J. , and Zhang, Q. ,2013, Regional nitrogen oxides emission trends in East Asia observed from space, Atmospheric Chemistry and Physics, 13, 12003-12012.
    11. Milanchus, M. L. , Rao, S. T. , and Zurbenko, I. G. ,1998, Evaluating the effectiveness of Ozone management efforts in the presence of meteorological variability, Journal of the Air & Waste Management Association, 48, 201-215.
    12. Na, J. Y. , Han, S. K. , Seo, J. W. , No, Y. G. , and Kang, I. S. ,1997, Empirical orthogonal function analysis of surface pressure, sea surface temperature and winds over the East Sea on the Korea (Japan Sea), Korean Journal of Fisheries and Aquatic Sciences, 30, 188-202. (in Korean)
    13. NIER (National Institute of Environmental Research),2019, Annual report of ambient air quality in Korea, 2018 (NIER-GP2019-053), National Institute of Environmental Research, Incheon, South Korea, available at: http://webbook.me.go.kr/DLi-File/NIER/09/024/5683728.pdf (last access: 2 December 2019)
    14. Rao, S. T. and Zurbenko, I. G. ,1994, Detecting and tracking changes in ozone air quality, Journal of the Air & Waste Management Association, 44, 1089-1092.
    15. Rao, S. T. , Zurbenko, I. G. , Neagu, R. , Porter, P. S. , Ku, J. Y. , and Henry, R. F. ,1997, Space and time scales in ambient ozone data, Bulletin of the American Meteorological Society, 78, 2153-2166.
    16. Ray, S. and Kim, K.-H. ,2014, The pollution status of sulfur dioxide in major urban areas of Korea between 1989 and 2010, Atmospheric Research, 147-148, 101-110.
    17. Seo, J. , Kim, J. Y. , Youn, D. , Lee, J. Y. , Kim, H. , Lim, Y. B. , Kim, Y. , and Jin, H. C. ,2017, On the multiday haze in the Asian continental outflow: the important role of synoptic conditions combined with regional and local sources, Atmospheric Chemistry and Physics, 17, 9311-9332.
    18. Seo, J. , Park, D.-S. R. , Kim, J. Y. , Youn, D. , Lim, Y. B. , and Kim, Y. ,2018, Effects of meteorology and emissions on urban air quality: a quantitative statistical approach to long-term records (1999-2016) in Seoul, South Korea, Atmospheric Chemistry and Physics, 18, 16121-16137.
    19. Shi, Y. , Matsunaga, T. , Yamaguchi, Y. , Li, Z. , Gu, X. , and Chen, X. , Long-term trends and spatial patterns of satellite retrieved PM2.5 concentrations in South and Southeast Asia from 1999 to 2014, Science of the Total Environment, 615, 177-186.
    20. Simpson, J. E. ,1994, Sea breeze and local winds, Cambridge University Press, UK.
    21. Wise, E. K. , and Comrie, A. C. ,2005, Extending the Kolmogorov-Zurbenko filter: Application to ozone, particulate matter, and meteorological trends, Journal of the Air & Waste Management Association, 55, 1208-1216.
    22. Zou, Y. , Wang, Y. , Zhang, Y. , and Koo, J.-H. ,2017, Arctic sea ice, Eurasia snow, and extreme winter haze in China, Science Advances, 3, e1602751