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.41 No.5 pp.447-458
DOI : https://doi.org/10.5467/JKESS.2020.41.5.447

Cluster Analysis of Synoptic Scale Meteorological Characteristics on High PM10 Concentration Episodes in the Southeastern
Part of Korean Peninsula

DaEun Chae1, Kangyeol Lee2, Soon-Hwan Lee3*
1Department of Earth Science, Pusan National University, Busan 46241, Korea
2Division of Earth Environmental System, Pusan National University, Busan 46241, Korea
3Department of Earth Science Education, Pusan National University, Busan 46241, Korea
*Corresponding author: withshlee@pusan.ac.kr Tel: +82-51-510-2706
July 13, 2020 September 21, 2020 October 23, 2020

Abstract


This study presents the K-means clustering analysis-based classification of the meteorological patterns affecting the occurrence of high PM10 concentration in the southeastern region of the Korean peninsula for the last five years (2014-2018). Regional differences in Busan, Ulsan, and Gyeongnam related to high PM10 episodes, were clarified through the statistical comparison study using synoptic scale meteorological elements using NCEP (National Centers for Environmental Prediction/FNL (Final Operational Global Analysis) re-analysis meteorological data. Meteorological patterns were classified into a total of five categories (C1-C5). The incidence of each cluster was 24.8% (C1), 21.3% (C2), 20.4% (C3), 17.3% (C4), and 16.2% (C5), respectively. The high PM10 concentration in the southeastern region resulted from long and short range transports (C1, C3, C5) from outside of the region, and the emissions (C2, C4) inside the region. In the high PM10 episodes in Busan, Ulsan, and Gyeongnam regions, meteorological characteristics such as different geopotential height and wind speed at 500 hPa in each cluster and the change in the location of high pressure over Korean Peninsula is strongly associated with the dispersion of PM10 around inventories in the region and the tendency of long-range transportation of PM10 emitted from outside of region.



한반도 남동 지역에서 발생한 고농도 미세먼지 사례의 종관 기상학적 군집 특성 분석

채 다은1, 이 강열2, 이 순환3*
1부산대학교 지구과학과, 46241, 부산광역시 금정구 부산대학로63번길 2
2부산대학교 지구환경시스템학부, 46241, 부산광역시 금정구 부산대학로63번길 2
3부산대학교 지구과학교육과, 46241, 부산광역시 금정구 부산대학로63번길 2

초록


본 연구에서는 K-means 군집 분석을 통하여 최근 5년간(2014-2018) 한반도 남동 지역의 고농도 미세먼지 발생 에 영향을 미치는 주요 종관 기상 패턴을 분류하였다. 또한 고농도 미세먼지 사례일의 발생과 관련된 지역적 차이를 살펴보기 위하여 NCEP (National Centers for Environmental Prediction)/FNL (Final Operational Global Analysis) 재해 석 기상자료를 이용하여 부산, 울산, 경남 지역의 미세먼지 발생 특성과 관련된 종관 규모 기상의 특성에 대한 비교 연 구도 수행하였다. 한반도 남동 지역의 고농도 미세먼지 사례일과 관련된 종관 기상 패턴은 총 5개(C1-C5)로 분류된다. 각 군집의 발생빈도는 24.8% (C1), 21.3% (C2), 20.4% (C3), 17.3% (C4), 16.2% (C5)이다. 기상 패턴 분석을 통하여 제시된 남동 지역의 고농도 미세먼지를 유발하는 요인에는 지역 외부에서 장·단거리 수송(C1, C3, C5)에 의한 영향과 지역내 배출(C2, C4)에 의한 것임을 알 수 있었다. 또한 고농도 미세먼지 발생일에 대해 부산, 울산, 경남 세 지역의 기상장을 분석하였을 때, 500 hPa 지위 고도 및 풍속 등의 기상학적 특성이 지역별로 다르게 나타났다. 그리고 고기압 의 작은 위치 변화가 각 지역의 미세먼지 발원과 장거리 이동 경향성에 영향을 미치고 있었다.



    National Research Foundation of Korea
    2020R1A6A1A03044834

    서 론

    입자상 오염물질은 대기오염을 일으킬 뿐만 아니라 인간의 건강에 부정적인 영향을 미치기 때문에 해당 오염물질의 대기 중 고농도 발생은 많은 나라들이 관심을 가지고 있는 문제이다(Lee et al., 2011;Jeon et al., 2015). 특히, 입자상 오염물질 중 10 μm 이하 인 것을 PM10이라고 하며, PM10은 시정을 감소시키 며 천식과 같은 호흡기계 질병 악화, 폐기능 저하 및 식물의 신진대사 방해 등의 문제를 일으킨다(Kim et al., 2013;Lee et al., 2016). 한반도에서의 PM10 농도 는 기상 요소, 중국 산업 지역과 사막으로부터의 장· 단거리 수송 및 한반도 자체의 국지 배출에 의해 영 향을 받고 있으며(Lee et al., 2018;Hong and Lee, 2017), 일반적으로 우리나라 미세먼지 농도는 봄철에 출현하는 황사 시에 가장 높게 나타나는 특징을 보 인다. 그러나 최근에는 중국으로부터 장거리 수송과 안정한 대기 상태에 의한 대기확산 억제로 인하여 계절에 관계없이 고농도 미세먼지 사례일이 자주 발 생하고 있다(Jeon, 2012;Lee and Lee, 2015). 정부 와 지자체에서는 공기질을 향상시키기 위해서 입자물 질을 포함한 특정 오염물질에 대한 기준 강화, 공장 의 오염 물질 배출 규제, 천연가스 차량 공급 및 디 젤 버스를 액화 석유 가스 버스로 대체하는 등의 다 양한 노력을 기울이고 있다(Lee et al., 2013;Ahmed et al., 2015). 이러한 노력으로 2000년 이래로 국내 PM10 농도는 2012년까지 감소하는 경향을 보였으나 이후 다소 증가하는 추세이며, 전국 연평균 PM10 농도 는 2013년부터 2015년까지 51.2 μgm−3 , 51.9 μgm−3 , 51.0 μgm−3으로, WHO (세계보건기구, World Health Organization) 권고치인 20 μgm−3을 크게 웃돌고 있 는 실정이다(Kim et al., 2017;Kim et al., 2018).

    PM10에 대한 연구는 많이 이루어져 있으며 미세먼 지 오염도 패턴 분석, 미세먼지 오염도에 영향을 미 치는 요인 분석, 미세먼지에 의한 건강 영향평가, 환 경적 재난, 대기오염에 대한 예방, 대응, 관리적 측면 에서의 정책적 관점 등에 대해 연구가 진행되어져 왔다(Seo, 2016.; Kim and Kang, 2018). 그러나 대부 분의 선행 연구들은 특정 지역이나 해당 지방자치단 체에 국한되어 그에 대한 영향과 대책위주로 수행되 어 왔으며, 지역을 세분화하여 미세먼지 발생 특성을 분석한 연구는 거의 이루어져있지 않다.

    본 연구는 2014년부터 2018년까지 5년 동안에 한 반도 남동 지역에 발생한 고농도 PM10 사례일의 바 람장 분포에 대해 군집 분석을 실시하여 한반도 남 동 지역의 고농도 사례일에 영향을 미치는 바람의 주요 패턴에 대해 파악하고, 장기간 관측 및 재분석 자료를 수집·분석하여 지리적으로 맞닿아 있는 부 산, 울산, 경남 지역에서 종관규모 기상장의 미세한 차이가 유발할 수 있는 고농도 발생 시 미세먼지 확 산 특성을 살펴보고자 한다.

    재료 및 방법

    고농도 PM10 사례일

    본 연구는 최근 5년(2014-2018년) 동안, 한반도 남 동 지역에서의 미세먼지 발생일 중 고농도 PM10 사 례일을 선정하여 해당 사례일에 대해 바람장을 분석 하였다. Fig. 1은 한반도 남동 지역에서 PM10이 높게 나타났을 때 영향을 주는 바람 패턴을 군집 분석하 기 위해 설정된 도메인과 대기질 관측소 위치를 나 타낸 것이다. 대기질 관측소는 부산, 울산, 경남 지역 에 위치한 총 55개 지점을 사용하였으며 해당 지점 에서 측정한 PM10 농도는 한반도 남동 지역의 미세 먼지 발생일 중 고농도 사례일을 선정하기 위하여 사용되었다. 고농도 사례일은 WHO의 대기환경 기준 을 참고하여 일평균 PM10 농도가 50 μgm−3을 초과 하는 날을 고농도 PM10 사례일로 정하였으며, 5년 동안 한반도 남동 지역에서 발생한 고농도 PM10 사 례일은 544일이었다.

    바람 패턴 군집 분석

    군집 분석은 다변량 통계기법의 하나로, 대용량의 데이터를 유사한 특성을 갖는 몇 개의 집단으로 군 집화한 후, 각 집단의 특성을 파악하는 방법이다. 해 당 연구에서 사용된 K-means 군집 분석은 가장 흔히 사용되어지는 비계층적 군집 분석 방법 중 하나로 자료간의 유사성 또는 거리를 기준으로 군집을 분류 한다(Souri et al., 2016).

    군집 분석을 실시하기 전에 군집의 개수(k)를 정하 기 위해서 군집 내의 군집 중심과 각 요소들 사이의 거리를 제곱하여 합한 값인 WSS (Within group Sum of Squares)를 활용하여 군집의 개수를 5개로 정하였 다(Fig. 2). WSS는 군집 개수가 증가할수록 감소하며 특정 상수로 수렴하게 된다. 군집의 개수가 많을수록 분석에 효과적이지 않으므로 적절한 개수를 찾기 위 해 각 군집 개수 마다 WSS 값을 계산하고 WSS가 특정 상수 값으로 수렴하는 지점을 최종 군집 개수 로 결정하였다(Jeon et al., 2019). 군집 분석을 위한 바람장은 1 ° ×1 °의 해상도를 가지는 NCEP FNL 재분 석 자료의 900 hpa 높이의 동서 바람 성분(u)과 남북 바람 성분(v)을 사용하였다. 분석 기간은 2014년에서 2018년 동안이며, 연구 지역의 일평균 PM10 농도가 50 μgm−3을 초과하는 고농도 사례일에 대해서 자료 를 수집하여 군집 분석을 수행하였다.

    한반도 남동 지역의 고농도 사례일과 연관된 바람 패턴을 분류하여 군집 분석을 실시한 후, 근접하게 맞닿아 있는 부산, 울산, 경남 세 지역에 대하여 각 각의 바람장 특성을 비교 분석하기 위해서 지역별로 고농도 PM10 사례일이 발생한 날에 대하여 각 군집 의 평균 기상장을 분석하였다. 사용한 FNL 재분석 자료는 해상도가 1 ° ×1 °의 자료이기 때문에 좁은 지역 에 대하여 지역별 특성을 비교 분석할 때 그 특성이 뚜렷하게 나타나지 않는 문제점이 있다. 그러나 종관 규모의 미세한 차이를 통한 지역별 특성을 분석하기 위해서 세 지역 모두 고농도 사례일일 때와 한 지역 또는 두 지역에서 고농도 사례일일 때를 선별하여 각 사례별 500 hPa 지위 고도(Φ500), 500 hPa 풍속 (WS500)에 대한 평균 기상장을 분석하고 지역별 특성 에 대해 알아보았다.

    결과 및 논의

    한반도 남동 지역의 고농도 PM10 사례일에 대한 바람 패턴

    K-means 군집 분석을 통하여 한반도 남동 지역의 고농도 PM10이 발생한 날에 영향을 주는 바람 패턴 을 분류하고 그 특징에 대하여 분석하였다. Table 1 은 각 군집의 발생 빈도와 평균 PM10 농도를 나타낸 것으로 군집의 빈도가 큰 순서대로 C1-C5로 정하였 으며 군집의 빈도는 각각의 군집의 개수를 2014년부 터 2018년까지 발생한 544일로 나누어 백분율로 계 산하였고 각 군집에 속하는 사례일의 PM10 농도를 평균하여 군집별 평균 PM10 농도로 표시하였다.

    Fig. 3은 2014년부터 2018년 동안에 한반도 남동 지역에서 고농도 PM10 사례일과 연관된 군집의 바람 패턴이며 Fig. 4는 사례일 기간 동안의 계절에 따른 군집의 개수를 나타낸 것이다. 각각의 군집에서의 바 람 패턴을 살펴보면, 군집 C1의 경우 한반도 서해상 에 고기압이 있을 때 나타나는 패턴으로 고기압 시 스템은 기류의 흐름을 시계방향으로 유발하고 있으며, 중국 남동 지역에서 한반도로 오염물질이 유입되는 원인이 된다. 또한 한반도에는 북서풍이 발달하여 국 내에서 발생하는 오염 물질을 부산, 울산, 경남으로 수송하는 역할을 하며, 한반도 전체에 고기압의 영향 이 강하게 작용하여 국지적으로 고농도 미세먼지가 발생 할 수 있다. 이 군집의 발생 빈도는 24.8% (Table 1)로 5개의 군집 중 가장 높은 빈도를 보이고 있으며 여름을 제외한 모든 계절에 빈번히 발생하는 특징을 가진다(Fig. 3a, Fig. 4).

    군집 C2는 북태평양 상에서 발달하는 고기압의 영 향으로 판단된다. 다른 계절에 비하여 여름철의 발생 빈도가 매우 높고(Fig. 3b, Fig. 4) 한반도에서의 풍 속은 낮았다. 여름철 확장된 북태평양 고기압과 대륙 의 저기압 사이 안상부에 한반도가 위치하면서 지역 발생 오염원에 의한 고농도 사례가 빈번하게 발생하 는 패턴으로 판단된다. 특히 남동 해안을 대상으로 PM10 농도를 분석하였을 때, 한반도 전체를 대상으로 한 기존연구에 비하여 여름철의 발생 빈도가 높게 나타나는 특징이 있다.

    군집 C3은 한반도 북동쪽에서 확장하는 강한 시베 리아 기단에 의한 영향으로 한반도에 강한 북서풍이 나타났다. 따라서 이러한 패턴은 봄철의 황사와 중국 북동부에 위치한 베이징 부근의 오염물질 이동과 깊 은 관련이 있을 것으로 추측된다. 중국 지역으로부터 의 오염물질이 수송되어 평균 PM10 농도가 73.7 μgm−3로 가장 높게 나타났다(Fig. 3c, Table 1). 그리 고 겨울철과 봄철에 많이 나타나는 특징을 보였다 (Fig. 4).

    군집 C4는 일본 부근에 위치한 이동성 고기압의 영향으로 한반도 남동 지역에 풍속이 느릴 때 나타 나는 패턴으로, 고농도 미세먼지 농도는 국지적 영향 을 받는다(Fig. 3d). 전체적으로 부산, 울산, 경남은 서풍계열의 바람이 우세하며, 해당 군집 바람 패턴은 봄에 흔히 발생함을 볼 수 있다(Fig. 4).

    마지막으로 군집 C5의 경우에는 겨울철과 봄철에 한반도 북쪽에 고기압이 위치할 때 나타나는 패턴으 로 한반도 주변에 강한 북풍이 발생한다. 전체적으로 이동성이 강한 편으로 발생 빈도는 16.2%로 가장 낮 은 발생 빈도를 나타내며, 한반도 주변의 상대적으로 강한 풍속에 의하여 평균 PM10 농도 또한 63.8 μgm−3으로 가장 낮았다. 이 군집의 경우에는 중국 지역과 북한 지역에 위치한 오염원의 영향을 받고 있다고 볼 수 있다(Fig. 3e, Table 1).

    한반도 남동 지역의 고농도 PM10 사례일을 대상으 로 군집 분석을 수행하여 각 군집별 바람 패턴을 살 펴본 결과, 군집은 총 5개로 분류되었으며 각각의 군 집별 고농도 PM10 발생에 영향을 주는 원인을 국외 를 포함한 외부 영향, 국지적 영향으로 나눌 수 있었 다. 군집 C1, C3, C5의 경우는 장·단거리 수송에 의 한 외부 영향이 더 큰 것으로 볼 수 있고 군집 C2와 C4는 국지적 영향이 보다 강한 것으로 파악 할 수 있었다. 각 군집의 바람 패턴과 발생 빈도를 미루어 한반도 남동 지역에서의 고농도 사례는 서해상에 고 기압이 있을 때 가장 많이 발생한다는 것을 알 수 있었다. 북서풍이 강한 C3 군집의 바람 패턴은 중국 지역에서 배출된 오염물이 한반도에 영향을 미칠 수 있음을 시사하며, PM10 농도도 다섯 군집 중에서 가 장 높게 나타났다. 이는 중국에서 유입되는 오염 물 질과 상대적으로 국내 발생원이 많은 서울, 경기도, 충청남도 지역에서 유입되는 오염물이 더해져서 나타 난 것으로 판단한다. 반면 국내 오염원의 고농도 PM10 농도에 대한 기여도가 높다고 판단되는 군집 C2와 군집 C4는 상대적으로 군집 C1과 군집 C3에 비하여 평균 PM10 농도가 낮았다. 또한 외부 유입 요인이 큰 군집 C5의 경우, 외부 오염 지역 통과 영 역이 군집 C1과 군집 C3에 비하여 크지 않으며, 빠 른 풍속에 따른 확산의 영향으로 5개의 군집 가운데 가장 낮은 평균 PM10 농도를 나타냈다.

    고농도 PM10 사례일에 대한 부산·울산·경남의 지 역별 특성 분석

    지리적으로 근접해 있는 한반도 남동 지역의 부산, 울산, 경남 지역에서 고농도 사례일이 발생하였을 때 의 지역별 바람장 특성을 비교하기 위해서 지위 고도 와 풍속의 평균장을 분석하였다. 2014년부터 2018년까 지 나타난 지역별 고농도 사례일(부산 557일, 울산 559일, 경남 556일)에 대해 각각 군집 분석한 결과를 Table 2에, 모든 지역에서 고농도 사례일이 나타난 일 수와 한 지역 또는 두 지역에서 고농도 사례일이 발 생한 날을 선별하여 Table 3에 각각 나타냈다. 세 지역 모두에서 고농도 사례일이 나타난 것을 All_H, 한 지역 또는 두 지역에서 고농도 사례일이 발생한 것 을 H-All_H로 정의하였으며 부산, 울산, 경남 지역에 서 발생한 고농도 사례일을 각각 BS, US, GNM으로 나타내었다. 고농도 사례일이 세 지역에서 모두 발생 한 날과 모두 발생한 날을 제외한 날에 대하여 평균 기상장을 비교 분석하였다. 기상장 분석은 앞서 수행 한 군집 분석 결과에서 발생 빈도가 높았던 상위 3개 군집인 군집 C1, C2, C3에 대해서만 실시하였다.

    Fig. 5에서 Fig. 10은 부산, 울산, 경남 세 지역에 서 모두 고농도 사례일이 발생하였을 때(All_H)의 500 hPa 지위 고도 및 풍속에 대한 평균장과 All_H 사례의 지위 고도와 풍속의 평균장과 H-All_H 사례 의 평균장의 차이(All_H-H-All_H)를 C1, C2, C3 군 집에 대해 각각 나타낸 것이다. 재해석 자료가 가지 는 공간해상도의 한계로 각 지역의 상세한 특징을 명시적으로 제시하기 어렵지만, 고농도 미세먼지 현 상이 공통으로 나타나는 종관장과 각각의 사례가 독 립적으로 나타나는 종관장의 차이를 살펴봄으로 고농 도 미세먼지가 발생한 날에 대한 각 지역의 기상학 적 특성을 파악할 수 있다.

    먼저 서해상에 고기압이 위치해 있을 때 나타났던 군집 C1의 경우를 살펴보면 부산의 기상장 분포 양 상이 다른 두 지역과 다르게 나타나고 있음을 볼 수 있다(Fig. 5, Fig. 6). 부산 지역의 고농도 사례 발생 시, 지위 고도 분포는 Fig. 5a와 비슷한 분포를 보이 며 남북으로 기압경도 차가 상대적으로 크다(Fig. 5b). 특히 울산의 고농도 사례(Fig. 5c)와 비교하면 ALL_H와의 기압경도 차가 명확하게 나타났다. 풍속 에서도 부산의 고농도 사례 시, 500 hPa의 풍속 분포 (Fig. 6b)는 ALL_H에서 제시된 평균 풍속과 전체적 으로 가장 비슷하게 나타났다. 반면 울산의 고농도 사례에서는 ALL_H에서 제시된 평균 풍속 보다 더 낮은 분포를 나타냈다. 군집 C1은 앞서 제시한 바와 같이 외부 요인과 내부 요인이 복합적으로 나타나는 데, 부산의 고농도 사례는 강한 남북 기압경도에 의 하여 다른 두 지역 사례에 비하여 500 hPa 지위 고 도의 공간적인 차이가 크고 평균 풍속이 강하다. 따 라서 다른 두 지역보다 강한 바람에 의한 즉 외부 요인의 영향이 크게 작용하는 것으로 판단된다.

    Table 2에 제시된 각 지역의 고농도 사례일 비율과 평균 농도에 의하면, 부산 지역 군집 C1 고농도 사 례일 발생시 PM10 평균 농도는 71.8 μgm−3로 다른 지역의 고농도 평균 PM10 농도보다 높다. 군집 C1의 경우, 남동 연안 지역에서는 외부 요인이 중요하게 작용할 수 있다. 한반도 남서쪽 서해상에 고기압이 위치해 있다는 사실과 지역별 기상장을 종합해 보았 을 때, 상하이 동부에 위치한 고기압의 강도가 부산, 울산, 경남 지역의 미세먼지 농도와 연관이 있을 개 연성이 있다.

    한반도 전체가 고기압의 영향권에 있는 군집 C2의 경우에는, 약간의 지위 고도의 경도 차이는 있지만 부산, 울산, 경남의 사례 모두 한반도 남동해안 지역 의 지위 고도에는 큰 차이가 나타나지 않는다(Fig. 7). 이는 500 hPa의 바람장 분석(Fig. 8)에서도 나타 나는데, 한반도 남부 지역 바람장 변화는 크지 않다. 따라서 북태평양 고기압이 확장하는 여름철의 PM10 농도 분포에서는 부산, 울산, 경남의 지역적인 차이 가 나타나지 않는다고 판단된다.

    시베리아 기단의 확장과 관련 있는 군집 C3에 대 해서 세 지역별 기상장을 분석해 보았을 때, 울산의 고농도 사례는 부산, 경남 두 지역과 다른 특징을 보 이고 있었다(Fig. 9, Fig. 10). 부산과 경남의 경우 기 압 분포가 전체 고농도 사례(ALL_H)의 평균장과 비 슷하거나 지위 고도가 약간 낮게 나타나지만 울산의 경우는 높게 나타난다. 이는 풍속 분포(Fig. 10)에서 도 나타나는데, 울산의 고농도 사례에서는 전체적으 로 500 hPa의 풍속이 전체 고농도 사례(ALL_H)의 풍속 평균장에 비하여 약하지만 부산과 경남의 경우 전체 고농도 사례(ALL_H)의 풍속 평균장과 비교할 때 풍속이 약간 증가하는 경향을 나타낸다. 따라서 시베리아 기단이 확장하는 겨울철과 봄철의 경우 부 산과 경남은 지위 고도가 낮고, 바람이 강할 때 상대 적으로 고농도가 나타나고, 울산의 경우에는 부산, 경남과 달리 지위 고도가 높고, 바람이 약할 때 고농 도가 나타날 확률이 높다.

    각 지역의 고농도 발생 빈도와 평균 농도를 보면, 발생 빈도는 울산 지역이 20.9%로 부산 12.7%, 경남 12.8%보다 높게 나타지만 평균 농도는 부산 지역에 서 70.9 μgm−3로 울산, 경남 고농도 사례보다 높다. 즉 부산의 경우 시베리아 고기압에 의한 북서풍 유 입 시 빈도는 낮지만 고농도가 나타난다. 따라서 부 산은 다른 지역에 비하여 외부요인에 민감할 가능성 이 크며, 울산은 외부요인에 대한 민감도가 상대적으 로 낮게 나타날 개연성이 있다.

    결 론

    본 연구에서는 최근 5년(2014-2018) 동안에 한반도 남동 지역에 발생한 고농도 PM10 사례일에 대해 바 람 패턴을 분류하고 부산, 울산, 경남 지역에 고농도 사례일이 발생하였을 때의 지역별 특성을 비교하기 위해서 500 hPa 평균 지위 고도와 바람장을 분석하 였다. 분석에는 1 ° ×1 °의 해상도를 가지는 NCEP FNL 재분석 자료를 사용하였다.

    한반도 남동 지역의 고농도 PM10 사례일은 그 지 역에 위치한 55개 대기질 자동 측정망에서 측정된 일 평균 PM10 농도의 측정소 평균 농도가 50 μgm−3 이 상인 날로 정의하고 고농도 사례일의 바람 패턴을 조 사하기 위해서 K-means 군집 분석을 수행하였다. 군 집 분석 결과 한반도 남동 지역의 고농도 PM10 사례 일과 관련된 바람 패턴은 5개(C1-C5)로 분류되었다.

    군집 C1은 서해상에 강한 고기압이 위치해 있을 때 나타나는 패턴으로 여름을 제외하고 모든 계절에 빈번히 발생하였고 발생 빈도가 24.8%로 가장 높았 으며 한반도 서쪽의 시계방향의 흐름에 따라 국외 유입과 국내 대규모 발생 지역인 경기도, 충청남도 등에 위치한 오염원의 영향을 받을 수 있으며, 약한 고기압에 따라 지역적인 영향을 받을 수 있다.

    군집 C2는 한반도상에 북태평양 고기압이 확장하 는 영역에서 나타나는 고농도 사례로 다른 군집들에 비하여 여름에 높은 빈도가 나타났다. C2의 경우, 한 반도 상의 풍속이 가장 낮아 국지적 영향에 의해 고 농도 PM10 사례일이 발생한다고 볼 수 있다. 특히 한반도 평균 발생빈도와 비교할 때 남동 지역이라는 지리적 요소에 의하여 발생빈도가 두 번째로 높게 나타났다.

    C3은 시베리아 기단이 확장하면서 나타나는데 강 한 북서풍에 의하여 황사 또는 중국 북동 지역을 거 치면서 한반도로 많은 미세먼지가 유입될 가능성이 크다. 이 사례의 일평균 PM10 농도 또한 73.7 μgm−3 로 가장 높게 나타났다. 군집 C4는 C2와 유사하지만 이동성 고기압의 영향으로 풍속이 약할 때 나타나는 패턴으로 고기압의 중심이 일본 부근에 위치해 있었 다. 고농도 PM10 사례일은 국내 영향에 의해 발생한 다고 볼 수 있다. C5 군집은 비교적 북풍이 강하고 고농도 사례일의 발생 빈도와 PM10 평균 농도는 가 장 낮았다. 각각의 바람 패턴 분석을 통하여 C1, C2, C3의 바람 패턴이 한반도 남동 지역의 고농도 PM10 사례일에 영향을 주는 주요한 바람 패턴임을 파악할 수 있었고 고농도 사례일을 유발하는 원인이 외부로 부터의 장·단거리 수송(C1, C3, C5)과 국내 영향 (C2, C4)임을 알 수 있었다.

    지리적으로 근접해 있는 부산, 울산, 경남 지역에 고농도 사례일이 발생하였을 때의 지역별 특성을 살 펴보기 위해서 고농도 사례일이 세 지역 모두 발생 한 날과 한 지역 또는 두 지역에서 발생한 날을 선 별하여 군집별 500 hPa 평균 지위 고도, 500 hPa 평 균 풍속을 각각 분석하였다. 발생 빈도가 높은 군집 C1에서 부산 지역은 울산과 경남과 달리 외부요인에 대하여 민감하게 반응하는 경향이 있고 고농도 사례 일 발생 시 평균 PM10 농도가 다른 두 지역에 비해 높게 나타났다. 반면 북태평양 고기압의 영향 아래에 서 발생하는 고농도 PM10 사례인 군집 C2는 지역적 인 차이가 크지 않으며, 시베리아 기단이 주로 작용 하는 군집 C3의 경우, 부산은 외부 민감도에 울산은 내적인 요인이 주요한 고농도 PM10 요소로 작용할 가능성이 있는 것으로 파악되었다.

    해당 연구를 통하여 한반도 남동 지역의 고농도 PM10 사례일에 영향을 미치는 주요한 바람 패턴에 대하여 알 수 있었고 근접하게 위치해 있는 지역이 라도 고농도 PM10 사례일에 영향을 주는 기상학적 특성은 지역별로 다소 상이하다는 것을 확인할 수 있었다. 본 연구에서는 1 ° ×1 °의 저해상도를 가진 FNL 자료를 가지고 분석하였기 때문에 가까이 위치 하고 있는 지역에 대한 바람 패턴 차이를 분석할 때 명시적인 차이를 분석할 수 없었다. 더 높은 해상도 자료나 도시 규모의 기상 및 대기질 모델의 모사 결 과를 이용한다면 더욱 명확한 결과를 얻을 수 있을 것으로 생각된다.

    사 사

    이 논문은 2020년도 정부(교육부)의 재원으로 한국 연구재단의 지원을 받아 수행된 기초연구사업(No. 2020R1A6A1A03044834)입니다.

    Figure

    JKESS-41-5-447_F1.gif

    The domain used for wind patterns clustering (left) and the distribution of the 55 Air Quality Monitoring Stations (red circle) in southeastern part of Korean Peninsula (right).

    JKESS-41-5-447_F2.gif

    The number of clusters obtained from WSS.

    JKESS-41-5-447_F3.gif

    Wind patterns for each cluster associated with high PM10 episodes (over 50 μgm−3 ) in the southeastern part of Korean Peninsula during the 2014-2018 period (a: C1, b: C2, c: C3, d: C4, e: C5).

    JKESS-41-5-447_F4.gif

    The number of clusters according to four season during the 2014-2018 period.

    JKESS-41-5-447_F5.gif

    Distribution of averaged 500 hPa geopotential height on ‘All_H’ (a) and the difference of averaged fields on ‘All_H’ with on ‘H-All_H’ for C1 (b) Busan, (c) Ulsan, (d) Gyeongnam.

    JKESS-41-5-447_F6.gif

    Distribution of averaged wind speed at 500 hPa on ‘All_H’ (a) and the difference of averaged fields on ‘All_H’ with on ‘H-All_H’ for C1 (b) Busan, (c) Ulsan, (d) Gyeongnam.

    JKESS-41-5-447_F7.gif

    Same as Fig. 5, but for C2.

    JKESS-41-5-447_F8.gif

    Same as Fig. 6, but for C2.

    JKESS-41-5-447_F9.gif

    Same as Fig. 5, but for C3.

    JKESS-41-5-447_F10.gif

    Same as Fig. 6, but for C3.

    Table

    The frequency of occurrence and averaged PM10 concentration each cluster in the southeastern part of Korean Peninsula during high PM10 concentration episodes

    The frequency of occurrence and averaged PM10 concentration of each cluster in the three regions during high PM10 episodes

    The days occurred high PM10 episodes in the three regions

    All_H: Days which occurred high PM10 episodes in all three areas
    H-All_H: Days which occurred high PM10 episodes in one region or two regions (High PM10 episodes-All_H)

    Reference

    1. Ahmed, E. , Kim, K.H. , Shon, Z.H. , and Song, S.K. ,2015, Long-term trend of airborne particulate matter in Seoul, Korea from 2004 to 2013. Atmospheric Environment 101, 125-133.
    2. Hong, S.H. and Lee, S.H. ,2017, Characteristic of PM10 Distribution Related to Precise Local Wind Patterns in Busan Metropolitan Area. Journal of Environmental Science International, 26(12), 1375-1387.
    3. Jeon, B.I. ,2012, Meteorological Characteristics of the Wintertime High PM10 concentration Episodes in Busan. Journal of the Environmental Sciences, 21(7), 815-824.
    4. Jeon, W.B. , Choi, Y.S. , Lee, H.W. , Lee, S.H. , Yoo, J.W. , Park, J.H. , and Lee, H.J ,2015, A quantitative analysis of grid nudging effect on each process of PM2.5 production in the Korean Peninsula. Atmospheric Environment 122, 763-774.
    5. Jeon, W.B. , Lee, H.W. , Lee, T.J. , Yoo, J.W. , Mun, J.H. , Lee, S.H. , and Choi, Y.S. ,2019, Impact of Varying Wind Patterns on PM10 Concentrations in the Seoul Metropolitan Area in South Korea from 2012 to 2016. Journal of Applied Meteorology and Climatology, 58(12), 2734-2755.
    6. Kim, E.H. , Bae, C.H. , Yoo, C. , Kim, B.U. , Kim, H.C. , and Kim, S.T. ,2018, Evaluation of the Effectiveness of Emission Control Measures to Improve PM2.5 Concentration in South Korea. Journal of Korean Society for Atmospheric Environment, 34(3), 469-485.
    7. Kim, H.C. , Kim, S.T. , Kim, B.U. , Jin, C.S. , Hong, S.Y. , Park, R.J. , Son, S.W. , Bae, C.H. , Bae, M.A. , Song, C.G. , and Stein, A. ,2017, Recent increase of surface particulate matter concentrations in the Seoul Metropolitan Area, Korea. Scientific Reports 7:4710.
    8. Kim, J.H. and Kang, S.W. , Analysis of Factors Influencing PM10 Pollution in Korea, 2018, Korea Environmental Economics Association, 779-791.
    9. Kim, M.K. , Juong, W.S. , Lee, H.W. , Do, W.G. , Cho, J.G. , and Lee, K.O. ,2013, Analysis on Meteorological Factors related to the Distribution of PM10 Concentration in Busan. Journal of Environmental Science International, 22(9), 1213-1226.
    10. Lee, J.H. and Kim, K.Y. ,2018, Analysis of source regions and meteorological factors for the variability of spring PM10 concentrations in Seoul, Korea. Atmospheric Environment 175, 199-209.
    11. Lee, K.Y. , Lee, S.H. , and Kim, E.J. ,2016, Assessment of Global Air Quality Reanalysis and Its Impact as Chemical Boundary Conditions for a Local PM Modeling System. Journal of Environmental Science International, 25(7), 1029-1042.
    12. Lee, S.H. and Lee, K.Y. ,2015, Evaluation of Contribution Rate of PM Concentrations for Regional Emission Inventories in Korean Peninsula Using Brute-force Sensitivity Analysis, Journal of the Environmental Sciences, 24(11), 1525-1540.
    13. Lee, S.M. , Ho, C.H. , and Choi, Y.S. ,2011, High-PM10 concentration episodes in Seoul, Korea: Background sources and related meteorological conditions. Atmospheric Environment 45, 7240-7247.
    14. Lee, S.M. , Ho, C.H. , Lee, Y.G. , Choi, H.J. , and Song, C.K. ,2013, Influence of transboundary air pollutants from China on the high-PM10 episode in Seoul, Korea for the period October 16-20, 2008. Atmospheric Environment 77, 430-439.
    15. Seo, Y.S. ,2016, An Empirical Study on Air Pollution in Korea’s Geographical Characteristics, The Journal of Euraian Studies, 12(4), 89-110.
    16. Souri, A.H. , Choi, Y.S. , Li, X. , Kotsakis, A. , and Jiang, X. ,2016, A 15-year climatology of wind pattern impacts on surface ozone in Houston, Texas. Atmospheric Research 174-175, 124-134.