1. 서론

미세먼지는 자연환경 오염을 통해 국가 간의 외교적 갈등을 양산하는 심각한 문제로 여겨지고 있다. 이와 관련하여 국내에서 다양한 연구가 진행되어 왔다. 국내 미세먼지 농도의 측정은 도시 대기, 도로변 대기, 국가 배경농도, 교외 대기, 항만 대기로 구분되는 측정망별 측정소마다 진행되고 있으며, 이 측정소에서 측정된 농도 값을 활용하여 다양한 연구가 진행되고 있다(Lee and Hong, 2019; Lee and Yom, 2019; Park, 2019). 특히, 오염원에 관한 연구에서는 미세먼지 배출원에 대한 분석이 필수적인데, 배출원은 토지피복과 밀접한 관련을 갖는다.

미세먼지 농도에 영향을 미치는 배출원을 분석하기 위해서는 대기오염물질 확산모델을 주로 사용한다. 미국 환경청(United States Environmental Protection Agency, US EPA)에서는 대기확산 모델링을 위해 AERMOD (TheAMS/EPARegulatory Model)와 CALPUFF(California Puff Model)를 권장하는데, 이 두 모델은 모두 지형자료, 기상자료 및 배출원 자료를 입력 데이터로 사용한다 (Lee, 2012). 그중 CALPUFF는 모의 과정에 있어서 미국에서 제작된 형태의 입력 데이터를 인식하기 때문에, 모델링 지역을 한국으로 설정할 때 입력 데이터 변환에 대한 논의가 계속해서 진행되어왔다(Lee et al., 2004; Park, 2008; Ko, 2010; Yang, 2015). 그 중 토지피복 자료의 경우 한국을 비롯한 아시아권에 CALPUFF 모델링을 진행할 경우 USGS에서 제공하는 GLCC(Global Land Cover characterization-Eurasia) Land Use Land Cover 데이터가 사용되어왔다(Scire et al., 2000b).

미세먼지(PM10)의 확산모의를 위해 CALPUFF 모델을 이용한 국내 연구에서도, GLCC Eurasia LULC 데이터를 사용하는 경우가 다수 있다(Hwang, 2007; Jeon and Lee, 2015; Lee et al., 2017). 하지만 이 데이터는 제작연도가 1990년대이므로(Moon and Koo, 2006), 현재의 토지 피복 형태와 큰 차이를 갖는다. 또한, 낮은 공간 해상도 (1 km)를 가지고 있으므로, 해당 자료를 통해서는 토지 피복이 미세먼지의 확산 양상에 어느 정도 영향을 미치는지 파악하기 어렵다. 그런데도 CALPUFF를 한국에 적용한 몇몇 논문들에서는 이 문제를 해결하는 별도의 과정을 거치지 않았다(Hwang, 2007; Kim, 2011; Jeon and Lee, 2015; Kim, 2016; Lee et al., 2017). CALPUFF 모델 사용에 있어, 국소지역의 확산 모의를 진행하기 위해서는 토지피복 자료의 영향을 정확히 판단해야 하며, 이를 위해 입력자료의 공간 해상도에 의한 영향력을 분석할 필요가 있다.

따라서 본 연구에서는 미세먼지의 국지적 분포 및 확산 양상에 토지피복 자료의 공간 해상도가 어떠한 영향을 주는지 파악하고자 하였다. 특히, 토지피복 자료의 제작연도를 최신으로 변경한 후, 자료의 공간 해상도 차이가 대기 모의의 결과에 어떠한 차이를 가져오는지 파악하고자 하였다. 이때, CALPUFF 모의를 통해 도출한 토지피복의 공간 해상도별 미세먼지 농도의 시간적 분포 패턴과 공간적 분포 패턴을 통한 미세먼지 확산 결과의 차이를 비교하였다.

2. 선행연구 검토

CALPUFF를 활용한 미세먼지 확산 양상에 토지피복 자료가 미치는 영향에 대해, 기존에 진행된 연구는 크게 3가지의 유형으로 분류할 수 있다. 우선, 환경의 변화가 발생했을 때, 대기 오염물질 확산의 변화를 CALPUFF 모델을 통해 예측하는 연구들이 진행되었다. Jung and Do (2012)은 부산지역의 도심하천을 복원한 상황의 토지피복 자료를 CALMET(California Meteorological model)의 입력자료로 활용하였을 때 제작되는 기상장을 현재 상태에서의 기상장과 비교했고, 복원되고 난 후 부산지역의 기온이 하강함을 확인했다. CALMET은 CALPUFF 의 입력자료로 사용하는 기상장을 생성하는 모델이다. Jeon and Lee (2015)는 화력발전소의 대기오염방지시설을 개선했을 때, 개선 효과가 발생하는지 해당 지역의 대기오염도 및 오염물질 농도를 CALPUFF 모델을 통해 분석하여 확인하였다. Charabi et al. (2018)은 장마가 대기오염물질의 분산에 미치는 영향을 조사하기 위해, 장마철과 비장마철의 기상상태에서의 모델링을 각각 진행하고 그 결과를 비교했다.

한편 CALPUFF 모의에 필요한 입력자료의 수정을 통해 모의의 효율성 & 성능을 테스트하는 연구도 다수 진행되었다. 모의에 필요한 기상장의 생성을 위한 기상 자료의 여러 가지 조합을 비교하거나, 지형자료(고도 및 토지피복 자료)를 변경하거나, 오염원 및 배출량 자료의 정확도를 높이는 등의 방식으로 입력자료를 수정하고, 수정 전과 후의 모의 결과를 비교함으로써 모델의 효율성과 성능을 테스트하는 흐름이다. CALMET의 지형처리를 위한 지형자료는 크게 고도자료(DEM)와 토지피복 자료로 구분된다. Oleniacz et al.(2014)은 폴란드 지역의 대기 확산 모델링 진행 시 사용할 최적의 수 치지형도와 토지피복 자료를 선별해냈으며, Rzeszutek (2019)은 Case 별 모의 결과를 비교함으로써 모델링을 진행할 때 사용할 지형 고도 데이터와 그리드 해상도, 모델 내 지형 조정 방식의 최적값을 선정했다. Jeon and Kim (2016), Moon and Koo (2006), Lim et al. (2000)는 토지피복 자료의 변형 및 수정을 통해 연구지역의 기상장 제작에서의 정확도를 높이는 작업을 진행했다. Jeon and Kim (2016)는 CALMET 기상장 제작 시 환경부에서 제작한 토지피복지도를 사용하고, 지표면 거칠기 계수를 수정했을 때 모의 결과의 정확도가 향상되는지 확인했다. Moon and Koo (2006)는 환경부 제공 토지피복지도를 대기 환경 부문 연구에서 쉽게 활용할 수 있는 방안을 제시했다. Lim et al. (2000)은 서울지역의 3차원 바람장을 제작할 때 토지피복 자료나 지형고도 자료가 어느 정도의 영향을 주는지 확인했다.

최근에는 CALPUFF 모델링 결과를 악취, 교통 등 대기오염에 연관된 분야의 한 가지 평가 요소로 활용하는 연구가 진행되었다. Lee et al. (2016)는 구미국가산업단지 내 악취배출시설과 인근 주민의 악취 민원 간의 상 관관계를 분석했으며, Kim (2016)은 CALPUFF 모델을 활용하여 교통 수요관리계획을 적용했을 때의 예상 오염 농도를 계산할 수 있는 대기오염 개선계획 평가 모델을 개발했다. Hwang (2007)는 청원, 청주 지역의 오염원 별 대기 배출량을 산정하고, 각 오염원이 대기오염 농도에 기여하는 수준을 평가했다. Hao et al. (2018)은  국 스좌좡 시의 대기질 모니터링 네트워크를 효율적으로 배치하기 위해 CALPUFF와 유전 알고리즘을 사용했다.

이에 따라 선행연구의 흐름을 다음과 같이 요약할 수 있다. 2000년대 초중반 CALPUFF 모델링이 국내에서 사용되기 시작하던 때에는 입력자료의 수정 혹은 변형, 한국 자료로의 변환을 실험하는 연구들이 다수 등장하지만, CALPUFF 자체의 입력자료 수정이 진행되는 경우와 여타 기상장 제작에 사용되는 다른 프로그램에서의 입력자료 수정이 진행되는 경우가 함께 존재하였다. 이후 현재 상황을 진단하는 결과 도출에서 더 나아가, 환경에 변화가 발생했을 경우 미래의 상황을 예측하려는 시도가 수행되었다. 최근에는 CALPUFF의 모의 결과를 토대로 다른 응용 분야를 분석하기 위한 수단으로 사용되는 경우가 다수 등장했다.

이전까지의 연구에서 기상장 제작 시 혹은 모델링 진행 시 입력 지형자료의 공간 해상도 및 정확도를 향상했을 때 모의 결과의 정확도가 높아진다는 연구가 존재하지만, 아직까지 국내 CALPUFF 관련 논문들에서 USGS 토지피복 자료를 그대로 사용하는 경우가 다수 발견되었다(Kim, 2011; Yang, 2015; Kim, 2016). 또한, 최신의 연구들은 모의를 그대로 연구 결과로 가져가기보다는 모의 결과를 활용하여 대기오염이나 건강에의 영향을 평가하고 정량화하는 한 가지 수단으로 사용되기 때문에 상대적으로 CALPUFF 모델의 정확성을 판단하는 데에 중점을 두고 있지 않았다. 그러나 이러한 연구 결과들은 결국 실제 지역 주민 혹은 도시 주민의 생활에 그대로 영향을 미치는 정책적, 행정적 제언이 될 가능성이 크기 때문에, 공간 해상도 및 시기 등이 다른 자료를 사용할 경우 CALPUFF 모의 결과물에 그 차이가 반영되는지 확인해 보아야 한다. 또한, 만약 모의 결과에 자료의 차이가 반영된다면 각각의 결과 간 차이가 어떠한 패턴을 갖는지 판단해 볼 필요가 있다.

3. 분석 방법

1) 모의 영역 및 자료 수집

모델링을 진행한 지역은 평촌신도시 일대(4 km×4 km)이다. 평촌신도시는 1990년대 초 대단위 택지조성으로 수도권의 주택난을 해소하기 위한 목적으로 한국 토지공사가 시행한 1기 신도시로, 서울 도심에서 남쪽으로 20 km 반경 내인 안양시 지역에 위치하였다. 개발 전에는 대부분 주변 개발지보다 저지대였으며, 평탄한 농경지로 사용되었다. 총 면적은 약 5,106 m이며, 수용인구는 약 16만 8천 명이다. 개발 당시의 토지이용계획에 따르면, 도로, 공원 및 녹지 등의 공공시설용지가 전체 면적의 약 57%, 주택용지가 약 37.8%, 상업·업무 용지가 약 4.8%를 차지하고 있다(MOLIT, 2015). 모의 기간은 2017년 5월 2일 00시부터 2017년 5월 5일 00시이다. 모델링에 필요한 입력자료는 지형자료, 기상자료, 배출량 자료로 구분된다. 기상자료는 기상자료개방포털에서 제공하는 ASOS 수원기상대의 자료를 지상기상자료로 사용하였고, 레윈존데 오산기상대 자료를 고층기상 자료로 활용하였다. 배출량 자료는 2016년 CAPSS 점오 염원, 면 오염원, 이동오염원 자료를 사용하였다.

미세먼지의 확산 패턴에 토지피복 자료의 공간 해상도가 어떠한 영향을 주는지 확인하기 위해, 해상도 값을 달리하여 토지피복 지도를 재제작하고, 이와 동일하게 모의 영역 공간 해상도를 설정했다. 이때 CALMET 과 CALPUFF의 최대 픽셀 개수 기본값(MXNX, MYNY)인 200과, 모의 영역 범위인 4 km×4 km를 참고하여, 20 m, 50 m, 100 m 수준으로 모의 영역의 공간 해상도를 설정하여 토지피복 입력자료를 제작하고, 이를 입력자료로 하여 모의를 진행하였다(Table 1). 국내에서 온라인으로 토지피복지도를 제공하는 기관은 환경부의 환경 공간정보서비스(http://egis.me.go.kr)이다. 환경부에서 제공하는 토지피복지도의 항목은 어떻게 인간에 의해 토지가 이용되는지에 대한 개념인 토지이용 항목도 포함하고 있지만(Jensen, 2000), 이를 통틀어 토지피복지도라고 명명하고 있으며, 본 연구에서도 토지피복이라는 용어에 토지이용의 개념을 포함하여 사용하였다. 해당 기관에서 제공하는 자료인 5 m급 2018 중분류 토지피복 지도를 3개 공간 해상도 별로 래스터화하여 사용했다 (Fig. 1). 이때 이 자료는 CALMET의 입력자료 포맷으로 토지피복 지도를 처리해주는 프로그램인 CTGPROC에서 처리할 수 없는 형태이기 때문에, 중분류 피복 항목과 CTGPROC에서 사용하는 피복 항목 기준인 Anderson land use land cover classification level2를 매치하고, Python 으로 자체 제작한 코드를 사용하여 CTGPROC의 결과물인 lu.dat를 제작하였다.

Table 1. CALPUFF Modeling area

Fig. 1. Land cover map by Resolution level of modeling area.

고도자료의 경우, USGS Digital Elevation SRTM3 Arcsec (90 m) 데이터를 사용했다. 지형자료로 보다 높은 공간 해상도 자료를 사용할 수 있으나, 본 연구에서는 토지피복의 해상도 변화에 따른 영향을 살펴보기 위해서 다른 입력자료는 CALPUFF에서 제시한 자료를 그대로 적용하였다. 먼저, 토지피복 자료의 해상도 변화에 따른 미세먼지 확산 패턴의 차이를 확인하기 위해, 각각의 토지피복 자료에 대한 CALMET 기상장 및 CALPUFF 모델링 결과를 도출하였다. 이를 통해 먼저 CALMET 모델의 수행 결과로 계산되는 미기상 요소 중 풍속, 마찰 속도, 혼합고 값을 비교하였다. CALPUFF 결과물의 후 처리 프로그램인 CALPOST를 사용하여 시간당 최대 농도와 1시간 평균 농도 값을 모두 추출하고, 각각의 결과물의 시간적 분포 패턴 및 공간적 분포 패턴을 확인할 수 있는 자료를 제작하였다.

2) CALPUFF 개요

CALPUFF는 시간 및 공간에 따른 바람장의 변화를 퍼프의 이동 및 확산에 고려할 수 있는 비정상상태 모델이다. CALPUFF 모델링 시스템은 크게 기상장을 생성하는 CALMET, 확산·수송 모델인 CALPUFF, 모의 결과의 후처리를 담당하는 CALPOST로 이루어져 있다. CALMET의 기상장 생성을 위해 사용되는 입력자료를 제작하는 프로그램 중 CTGPROC는 토지피복 자료의 전처리를 위해 사용되며, MAKEGEO는 토지피복 자료와 지형고도 자료를 통합하여 CALMET의 최종 지구물리학 입력자료를 제작한다. PRTMET은 CALMET을 통해 생성된 기상장 결과를 확인하기 위해 사용하는 후처리 프로그램이다. Moon et al. (2005)는 CALPUFF 모델의 특징을 첫째, 점·오염원에 대한 시각적인 농도변화 계산이 가능하고, 둘째, 오염원으로부터 수십 m에서 수백 km까지 모델링이 가능하며, 셋째, 1시간 단위에서 1년 단위까지 평균화 시간에 대한 농도 예측이 가능하고, 넷째, 거칠고 복잡한 지형 상황에 대해서도 모델링이 가능하다고 정리하였다.

CALPUFF 모델에서 배출된 비산물, 즉 퍼프(Puff)는 바람장을 따라 이동하면서 아래의 계산식에 의해서 그 크기가 성장한다.

\(C=\frac{Q}{2 \pi \sigma_{x} \sigma_{y}} g \exp \left[-\frac{d_{a}^{2}}{2 \sigma_{x}^{2}}\right] \exp \left[\frac{d_{c}^{2}}{2 \sigma^{2} y}\right]\)       (1)

\(g=\frac{2}{(2 \pi)^{1 / 2} \sigma_{z}} \sum_{n=-\infty}^{\infty} \exp \left[-\frac{\left(H_{c}+2 n h\right)^{2}}{2 \sigma_{z}^{2}}\right]\)       (2)

여기서 C는 수용점에서 지표농도, Q는 오염물질 배출량, σ_x, σ_y, σ_z는 확산계수, h는 혼합층 높이, H_e는 굴뚝 유효 높이를 나타내고, d_a, d_c는 퍼프 중심으로부터 거리이다(Scire et al., 2000a). 식 (1)을 통해 얻은 각각의 퍼프의 농도는 각각의 수용지점(receptor)별로 합산되어 농도로 도출된다. 식 (2)는 퍼프가 지표면 및 혼합층에서 반사되는 향을 계산하는 식이다.

3) 토지피복 자료 항목에 따른 인자 수정

CTGPROC를 통해 재제작된 토지피복 자료는 MAKE GEO 프로그램의 입력자료로 사용된다. MAKEGEO는 CALMET의 입력자료로 사용 가능한 지구물리학 자료를 제작하는 프로그램으로, CALMET은 MAKEGEO에서 결정된 토지피복 분류 항목별 거칠기(Roughness height), 알베도(Albedo), 보웬 비(Bowen ratio) 등의 기상 관련 인자 값을 활용하여 기상장을 제작한다. 이때 MAKEGEO는 토지피복 자료의 항목마다 고정된 인자 값을 적용한다. 그러나 해당 값은 CALPUFF 및 CALMET이 처음 제작된 90년대 후반, 미국을 기준으로 결정된 것이기 때문에, 한국에의 적용 시 값의 수정이 필요하다(Jeon and Kim, 2016). 특히, Choi et al. (2007)의 연구에서 계산된 서울지역 도심 건물의 평균 거칠기는 2.17 m 였으며, 구 단 위로 계산 시 가장 높은 거칠기는 2.93 m로 계산되었다. 그러나 해당 연구의 기준 연도인 2005년 서울지역의 실제 건물의 존재 지역의 비율이 약 40%이고, 2019년 세 분류 토지피복지도 기준 본 연구의 모의 영역에 대한 건물 존재 지역의 비율은 약 64%로 확인되었다.

지표의 거칠기가 크면 풍속이 약해지기 때문에, 거칠기는 바람장에 직접 영향을 주는 요소이므로 확산 모델 에 매우 중요한 인자이다. 따라서 본 연구에서는 해당 연구의 최고 거칠기 값을 참고하여 MAKEGEO 결과물의 시가화 지역(Urban or Built-up Land) 거칠기(Roughness height)를 3 m로 수정하였다. Table 2는 MAKEGEO 프로그램 실행에 필요한 토지피복 항목별 인자 값을 보여준다.

Table 2. Microclimatic parameters for each land cover type used in the study (Scire et al., 2000b)

4) 공간 해상도에 따른 모의 데이터 비교 방법

제작된 자료의 차이를 정량화하기 위해 확산모델의 정확성을 평가할 때 사용하는 방법인 RMSE(Root Mean Square Error), IOA(Index Of Agreement) 방법을 사용하였다(Emery et al., 2001; Jeon and Kim, 2016). RMSE는 데이터 쌍들의 평균 제곱의 오차에 대한 제곱근으로 계산되며, 0에 가까울수록 두 데이터가 일치함을 의미한다(식 (3)). IOA는 두 데이터 각각의 평균에 대한 해당 값 간의 차이가 얼마나 일치하는지를 측정하는 방법으로, 0부터 1의 범위를 가지며 1일 경우 완벽히 일치함을 의미한다(식 (4)).

\(R M S E=\sqrt{\frac{1}{N} \sum_{1}^{N}\left(O b s_{1}-O b s_{2}\right)^{2}}\)       (3)

\(I O A=1-\frac{\sum_{1}^{N}\left(O b s_{1}-O b s_{2}\right)^{2}}{\sum_{1}^{N}\left(\left|O b s_{1}-\overline{O b s_{2}}\right|+\left|O b s_{2}-\overline{O b s_{2}}\right|\right)^{2}}\)       (4)

여기서 N은 관측치 수, Ob_s1, Ob_s2는 동일 지점에 대해 서로 다른 두 입력자료를 사용한 모의 결과이다.

4. 분석 결과

1) 지구물리학 자료 제작 결과 비교

제작된 lu.dat를 입력자료로 사용하여 CALMET에서 사용할 수 있는 지구물리학 자료 포맷으로 변형해주는 MAKEGEO 모델을 실행하였다. 그 결과로 도출되는 토지피복 분류 결과는 Fig. 2와 같다. 각 해상도별 토지 피복 항목의 면적 비를 계산한 결과는 Table 3에서 확인할 수 있다. 도시지역(Urban or Build-up Land)은 지면 거칠기, 알베도, 보웬 비가 모두 전체 토지피복 항목 중 가 장 컸으며, 산림(Forested Land)은 거칠기와 보웬 비는 두 번째로 크고, 알베도는 가장 낮았으며, 상대적으로 낮은 면적 비를 차지하는 습지(Forested Wetland)는 알베도가 가장 낮았고, 내륙수(Small Water Body)는 거칠기, 알베도, 보웬 비 모두 가장 낮았다. 공간 해상도와 관계 없이 전체 자료에 걸쳐 도시지역(Urban or Build-up Land) 의 면적 비가 약 70% 이상으로 가장 높았으며, 공간 해상도가 높아질수록 도시지역의 면적 비가 작아지는 것을 확인할 수 있었다. 나지(Barren Land)의 경우 해상도 수준의 향상 여부와 면적 비의 관련성을 찾을 수는 없었지만, 가장 낮은 해상도 수준인 100 m 토지피복을 사용했을 경우 면적 비가 가장 큰 것을 확인할 수 있었다.

Fig. 2. Results of MAKEGEO – Land cover map.

Table 3. Land cover area ratio (%)

이와는 대조적으로, 가장 좋은 해상도 수준인 20 m 해상도의 토지피복 자료를 기준으로 세 번째로 높은 비율을 차지한 초지(Rangeland)는 연구지역에서 좁은 너비로 길게 분포하고 있으며, 공간 해상도가 좋아질수록 면적 비가 증가하는 경향을 확인하였다. 전체 자료에 걸쳐 가장 작은 값을 가지는 습지(Forested Wetland)도 마찬가지로 해상도 수준이 높아질수록 면적 비가 많아지는 경향을 보였다. 내륙수(Small Water Body) 또한 해상도 수준이 높아질수록 면적 비가 증가하는 것을 확인할 수 있었다.

2) CALMET 이용 미기상 모의 결과

MAKEGEO에서 결정된 토지피복 분류 항목별 기상 관련 인자 값을 활용하여 CALMET 기상장을 제작할 때, 각각의 값의 차이가 기상장 모의 결과로 도출되는 풍속(wind speed, m/s), 마찰속도(friction velocity, u*), 혼합고(mixing height, m) 값에 영향을 미치는 것을 확인하였다. 먼저 해상도 수준에 따른 CALMET 결과물의 전반적인 차이를 확인해보고자 전체 모의 영역에서의 마 찰계수, 풍속, 혼합고의 평균을 도출했다(Table 4). 다음으로, 공간상에서 해당 값의 지역적 차이를 확인하기 위해 CALMET 기상장의 후처리 프로그램인 PRTMET을 통해 각 cell 별 전체 모의기간에서의 풍속, 마찰속도, 혼합고 값의 평균을 계산하고, 이를 바탕으로 해상도 수준별로 지도를 제작하였다.

확인 결과 지표면에서의 모의 영역 전체에 대한 평균 풍속은 모두 공간 해상도가 낮아질수록 낮아지는 경향을 보였다. 풍속이 높아질수록 PM10 농도는 낮아지는 음의 관계를 갖고(Chae, 2009), 지면의 거칠기 값이 클수록 풍속은 상대적으로 약화된다(Lim et al., 2000). 따라서 공간 해상도의 향상에 따라 거칠기 값이 가장 큰 도시 토지피복의 면적이 줄어듦으로 인해 풍속은 높은 공간 해상도를 가질 때 가장 높게 측정되었음을 확인할 수 있다. 동일한 지역이더라도, 도시지역의 경우 토지피복도의 해상도가 향상됨에 따라 도시 토지피복 면적이 줄어들게 되어, 풍속이 높아짐을 확인할 수 있었다. 또한, PM10 농도는 풍속이 가장 높은 20 m 해상도의 자료에서 가장 낮게 모의될 것으로 예측할 수 있다. 혼합고는 평균의 경우 해상도 수준이 낮아질수록 높아졌다. 혼합고는 미세먼지와 같은 대기오염물질의 수직 확산거리를 의미하기도 하는데, 계절적 영향 및 습도의 영향을 받기 때문에 우기보다 건기에 혼합고가 더 높게 측정된다(Choi and Baek, 1998; Kwon and Yoon, 2000). 따라서 모의 영역 내 토지피복 항목 중 상대적으로 습윤한 수역은 혼합고가 낮게 표현될 가능성이 높은데, 토지피복 자료의 공간 해상도가 높아질수록 수역의 면적비가 커졌기 때문에 20 m 해상도 자료의 평균 혼합고가 가장 낮게 계산되었을 것이라고 볼 수 있다. 마찰속도 또한 유사하게, 평균의 경우 해상도 수준이 낮아질수록 높아졌다.

Table 4. Average microclimate based on the resolution level

각 cell에 대한 풍속, 마찰속도, 혼합고의 모의 기간 평균을 지도화한 결과, 마찰계수와 혼합고 지도는 토지피복 지도의 형태와 유사하게 표현되었다. 이를 통해 두 값에 대한 계산에 토지피복 분류 항목의 차이가 큰 영향을 미치고 있음을 알 수 있다. 또한, Fig. 3에서 볼 수 있듯이 공간 해상도가 높아질수록 풍속이 높은 지역이 증가했으며, 특히 모의 영역의 중앙부인 도시지역에서 해상도 수준이 낮을 때의 결과와 비교하여, 상대적으로 높은 값의 풍속을 갖는 cell이 다수 증가한 것을 확인할 수 있었다.

Fig. 3. Average wind speed map.

한편, Fig. 4와 Fig. 5를 통해 공간 해상도가 높아질수록 마찰속도와 혼합고가 낮은 cell이 증가했음을 볼 수 있었는데, 두 미기상 요소 값이 상대적으로 낮게 표현된 cell의 위치가 토지피복 지도에서 초지(Rangeland) 및 나지(Barren Land) 항목으로 분류된다는 것에 주목해 볼 수 있었다.

Fig. 4. Average friction velocity map.

Fig. 5. Average mixing height map.

3) CALPUFF 이용 미세먼지 농도 모의 결과

CALMET으로 제작한 기상장을 CALPUFF 모델의 입력 기상자료로 사용하고, 2016년 배출량 자료를 활용 하여 미세먼지(PM10) 확산 모의를 진행하였다. 모의 결과를 시각화하기 위해 후처리 프로그램인 CALPOST를 사용해서 1시간 별 계산된 농도, 혹은 전체 기간의 1시간 평균 최대 농도 등의 조건으로 테이블 형태의 결과물을 추출했다. 이때, 모의 영역의 공간 해상도 차이로 인해 수용점(regular grid receptor)의 개수가 다르게 도출되는데, CALPUFF에서 제공하는 기능 중 수용점 이외의 지점에 대한 농도 값을 계산하는 기능을 사용하여 세 가지 경우의 CALPUFF 농도 모의 결괏값의 위치 및 개수를 동일하게 추출하였다.

먼저 전체 모의 지역에 대한 PM10 농도의 변화를 확인하기 위해 1시간 단위로 계산된 전체 수용점 농도의 평균, 중위수, 최댓값을 계산하여 비교하였다. Fig. 6을 보면, 세 유형의 중심경향성 판단 지표 모두 공간 해상도가 높을수록 미세먼지 농도가 낮게 표현됨을 확인할 수 있었다. 특히 밤부터 새벽 시간에 이 차이가 뚜렷하게 드러남을 알 수 있었다.

Fig. 6. Concentration of PM10 per hour (Average, Median, Maximum).

Fig. 7은 전체 모의기간의 1시간 평균 최대 농도 값을 사용하여 농도 지도를 제작한 결과이다. 공간 해상도가 높아질수록, 전반적인 PM10 농도가 낮아지는 것을 확인할 수 있었다. 모의 영역의 남동쪽 부근은 산림이 위치하고, 전체 모의 영역의 중앙부를 강이 둘러싸고 있는 형태이며 강 주변으로 초지가 분포하고 있는데, 고농도 지역으로 모의된 부분은 강의 안쪽에 위치한 중심부 지역이라고 볼 수 있다. 이때 강 안쪽에서 세 가지 공간 해상도에서 모두 공통적으로 북서쪽이 PM10 고농도 지역으로 모의 되었다. 그러나, 50 m 해상도 수준의 지도는 중앙부에서 남서부까지 세로로 긴 형태로 20 m 해상도 수준의 지도에 비해 고농도 지역이 넓게 모의 되었다. 100 m 해상도 수준의 지도는 중앙부 및 남서부, 남동부에 걸쳐, 다른 두 경우보다 더 넓게 고농도 지역이 모의되었다. 특히, 공간 해상도가 높아질수록 영역 중 심부에 밀집된 시가화 지역의 농도가 낮게 모의되었는데, 이 지역은 CALMET의 결과로 확인했던 풍속 값은 높게, 마찰계수는 낮게 모의되었던 지역이다.

Fig. 7. Average concentration of PM10 per hour.

세 경우의 PM10 농도 모의 결과물의 차이를 정량적으로 살펴보기 위해, 두 변수의 유사성을 확인하는 방식인 IOA, RMSE값을 계산한 결과는 Table 5와 같다. RMSE 값을 통해 20 m 수준 해상도 결과물과 50 m 수준 해상도 결과물의 차이, 50m 수준 해상도 결과물과 100 m 수준 해상도 결과물의 차이에 비해 20 m와 100 m 해상도 결과물의 차이가 더 큰 것을 알 수 있었다. IOA 값도 마찬가지로 20 m와 100 m 해상도 결과물의 차이가 가장 컸고, 50 m와 100 m 해상도 결과물의 차이가 가장 작았다. 따라서 20 m와 100 m 해상도 자료의 결과 농도에는 상당한 차이가 발생하므로, 미세먼지 모의를 위한 토지피복 자료의 공간 해상도는 모의 전에 반드시 고려해야 할 요소로 판단된다.

Table 5. Comparison of CALPUFF results according to resolution level

5. 결론

본 연구는 토지피복 자료의 공간 해상도가 CALPUFF 의 미세먼지 확산 모의 결과에 미치는 영향을 파악하고자 하였다. 토지피복 분류 항목에 따른 거칠기(Roughness height), 알베도(albedo), 보웬 비(bowen ratio) 등의 미기상 인자값의 차이로 인해, 각각의 토지피복 자료를 사용하여 제작한 CALMET 기상자료 결과인 풍속(wind speed, m/s), 마찰 속도(fiction velocity, u*), 혼합고(mixing height, m) 등에 값의 차이가 발생하였다. 지표면에서의 모의 영역 전체 평균 풍속은 공간 해상도가 높아질수록 높아졌으며, 평균 마찰속도와 평균 혼합고는 공간 해상도가 높아질수록 낮아졌다. 전체 grid receptor에 대한 풍속, 마찰속도, 혼합고 지도를 제작해본 결과, 마찰속도와 혼합고 지도는 토지피복 지도의 형태와 유사하였으며, 이는 두 값에 대한 계산에서 토지피복 분류의 차 이가 큰 영향을 미침을 알 수 있다. 또한, 공간 해상도가 높아질수록 풍속이 높은 지역이 증가했는데, 이는 거칠기 값이 높은 도시지역의 면적에 대한 오차가 공간 해상도가 높아짐에 따라 줄어들었기 때문이라고 판단되며, 이에 따라 모의 영역의 중앙지점인 도시지역에서 풍속이 높은 지역이 크게 증가하였다. 한편 공간 해상도가 높아질수록 마찰속도와 혼합고가 낮은 지역도 증가했는데, 이는 모의 영역에서 좁고 길게 분포하여, 해상도 수준의 영향을 크게 받는 초지 면적 및 수역의 증가로 인한 결과로 판단할 수 있다.

상이한 토지피복 항목별 미기상 인자 값의 차이로 인해 발생하는 CALMET 기상장의 차이가 CALPUFF의 미세먼지 확산 양상에 차이를 가져오는 것을 확인하였다. 전반적인 확산의 양상은 같지만, 세부적인 농도 값이나 값의 공간적 범위 등은 차이를 가지고 있음을 알 수 있다. 연구를 진행한 평촌신도시 지역의 경우 토지피복의 공간 해상도가 높을수록 미세먼지 농도는 낮아지는 것을 확인할 수 있었다. 특히, 영역 중심부에 밀집된 시가화 지역의 농도가 낮게 모의되었다. 즉, 같은 지역임에도 공간 해상도가 다른 토지피복 자료를 사용할 경우 CALMET 기상장 제작 시의 입력 인자 값의 차이를 발생시켜 모의된 기상장에 차이를 가져오고, 이는 곧 CALPUFF 모델의 미세먼지 농도 모의 결과가 다르게 생성되게 하였다.

본 연구를 통해 토지피복도의 공간 해상도의 차이를 CALPUFF 모형이 감지할 수 있으며, 공간 해상도의 차이로 인해 증감하는 토지피복 항목이 무엇인지에 따라 미세먼지 농도 모의 결과의 과대 및 과소 측정이 발생할 수 있음을 확인하였다. 이는 향후 미세먼지 모의를 위해 CALPUFF를 적용할 때, 토지피복 형태에 따른 공간 해상도에 대한 영향을 사전에 분석하고 확산 모의를 진행해야 보다 정확한 모의 결과를 확보할 수 있음을 시사하는 것이다.

사사

이 논문은 행정안전부 지능형 상황관리 기술개발사업의 지원을 받아 수행된 연구임(2021-MOIS37-003).