대기질 관측자료는 화학수송모델링 자료동화 및 다중회귀분석을 위한 입력자료로 활용된다. 본 연구에서 활용한 중국 및 국내 대기질 측정을 위한 자동측정망 위치는 그림 1에 있다.

Fig. 1. 
Locations of ambient air quality monitoring stations in China and Korea.

동북아지역에서 실시간으로 수집 가능한 대기질 측정자료는 2015년도를 기준으로 중국 1,492개소, 국내 279개소이다. 위의 측정망에서 측정된 항목은 PM₁₀, PM_2.5, NO₂, SO₂, CO, O₃이다.

NASA (National Aeronautics and Space Administration) 우주 연구소 중 하나인 GSFC (Goddard Space Flight Center)에서 개발된 AERONET (Aerosol Robotic Network)에서는 세계 각국에 설치된 측정지점소에서 관측된 AOD 관련 자료를 제공한다. 이 AERONET 자료는 위성 AOD 자료들의 검증에 많이 사용되는 자료로 2015년 기준 국내에 12개의 지점이 있다. NASA에서 제공되는 AERONET 자료는 버전3의 자료로 품질상태에 따라 level 1, 1.5 및 2로 세 종류가 제공된다. 이중에서 level 2 자료가 최고 품질의 자료로 Fine mode, Coarse mode 등의 자료와 함께 제공된다.

AERONET level 2 자료에서는 센서로 직접 관측된 파장별 AOD, 강수량 등의 자료를 포함해 Fine mode, Coarse mode, Total AOD 등 자체 알고리즘으로 계산된 자료들과 방위각, 산란각 및 지표고도, 위경도 정보 등 위치 정보 등이 동시에 제공된다.

본 연구에서 사용한 AERONET 국내 측정 지점과 위치정보를 그림 2와 표 1에 각각 정리하였다.

Fig. 2. 
Locations of AERONET stations in Korea.

본 연구에서는 NASA Terra 및 Aqua 위성에 탑재된 MODIS 센서에서 측정한 AOD자료를 MAIAC 알고리즘을 적용하여 재구성한 1 km 해상도 AOD 자료인 MCD19A2를 활용하였다 (Lyapustin and Wang, 2018; Lyapustin et al., 2011). Level 2인 MCD19A2 자료는 구름, 눈, 또는 얼음 등을 인접한 자료를 제외하고, Cloud Mask, Adjacency Mask가 Clear인 Best Quality flag에 해당하는 AOD 자료이다. 두 위성의 한반도 상공 통과시간은 Terra의 경우 오전 10시 30분, Aqua의 경우 오후 1시 30분이기 때문에 일평균 AOD는 두 위성관측 AOD를 평균하였다.

NDVI의 자료는 MODIS Level 3인 월별 자료로 사용하였고, 한반도 전역의 충분한 자료량을 확보하기 위하여 QA 필터링을 VI Quality flag가 00과 01인 적용하여 추출하였다.

QA 조건을 최고조건에서 확대했을 때, 자료 품질을 파악하기 위하여 2015년도의 MAIAC AOD와 Aeronet AOD를 비교하였다.

본 연구에서 사용하는 AOD의 파장대는 550 nm이며 Aeronet에서 측정하는 AOD 파장들 중 이와 동일한 파장이 없기 때문에 Aeronet의 500 nm AOD에 440~675 nm에 사용되는 Angstrom Exponent을 사용하여 보정작업을 거쳐 비교하였으며 그 식은 아래와 같다.

(α: 암스트롱지수, τ: 파장, λ 광학두께)

Aeronet 자료는 Terra와 Aqua 위성이 한반도 상공을 통과하는 시간을 고려하여 10시~16시 사이의 자료를 추출하여 MAIAC AOD와 비교하였다. 그림 3은 Best Quality 조건과 Custom Quality AOD 조건의 산포도이며 R² 값은 각각 0.73, 0.69의 정도이다. 본 연구에서는 보다 많은 AOD 자료를 확보하기 위해서 Custom Quality AOD를 사용하였다.

Fig. 3. 
Scatter plots of AERONET AOD with different MAIAC AOD qualities.

한편 AOD는 맑은 날에 관측이 가능하기 때문에 매일 AOD 값이 존재하는 것은 아니다. 그림 4는 2015년도를 대상으로 일평균 AOD 값이 존재하는 일수에 대한 빈도 분포와 연평균 AOD를 나타낸 것이다. 내륙지역에서 이용 가능한 일평균 AOD는 전체에 28%이고, 주로 산간지역에서 AOD 빈도가 낮은 것으로 나타났다. 따라서 AOD 값으로만 일평균 미세먼지 농도를 추정하는 데 구조적인 한계가 존재하는 것을 알 수 있다.

Fig. 4. 
Availability frequency of daily MAIAC AOD and annual mean AOD distribution for 2015.

2015년도 중국 및 국내 대기질 자동측정망 자료를 활용하여 자료동화 모델링을 수행하였다. 자료동화는 시간별로 오존을 제외한 모든 물질에 대해서 적용하였다.

자료동화 모델링을 적용 전후의 결과를 정리하여 표 2와 그림 5에 각각 정리하였다. 모델링 통계 결과 비교는 국내 대기자동측정망자료를 기준으로 실시하였다. 통계분석 결과 자료동화 미적용 CMAQ PM₁₀의 R 값은 0.43, IOA (Index of Agreement)는 0.58, RMSE (Root Mean Square Error)는 31.41 μg/m³로 측정값과의 상관성이 낮은 것으로 판단이 된다. 또한 MB (Mean Bias), NMB (Normalized Mean Bias)의 경향을 보았을 때, 모델치가 측정값에 비해 과소평가되고 있는 것을 확인할 수 있다. 특히 PM₁₀은 황사일에 모델치가 크게 저평가되고 있는 것으로 파악되었다. CMAQ PM_2.5의 R 값은 0.66, IOA는 0.78, RMSE는 14.18 μg/m³로 CMAQ PM₁₀보다는 측정값과의 상관성이 높은 것으로 나타났으나, 측정값에 비해서 과대평가되고 있는 것을 확인할 수 있다.

Fig. 5. 
Scatter plots of PM₁₀ and PM_2.5 with/without assimilation with observations for 2015.

한편 자료동화가 적용된 CMAQ PM₁₀은 R 값이 0.9로 자료동화 미적용 CMAQ PM₁₀과 비교하였을 때, 측정값과의 상관성이 크게 높아진 것을 확인할 수 있다. 마찬가지로 자료동화 PM_2.5의 R 값이 0.76로, 미적용 CMAQ PM_2.5과 비교하였을 때, 측정값과의 상관성이 높아진 것을 확인할 수 있다. 또한 자료동화 적용시 IOA 값이 향상되고, RMSE 값도 감소하는 것으로 나타났다. 하지만 자료동화를 적용해도 여전히 PM₁₀의 과소평가되는 경향과, PM_2.5의 과대평가되는 경향은 남아있는 것으로 확인된다.

자료동화 적용 전후에 동북아지역 및 국내 PM₁₀, PM_2.5의 연평균 농도분포를 그림 6에 정리하였다. 자료동화 적용시 보다 현실적인 공간분포가 도출되고 있는 것으로 나타났다.

Fig. 6. 
PM₁₀ and PM_2.5 distributions over East Asia with and without data assimilation of CMAQ for 2015. The circles represent the observations at the monitoring stations.

앞에서 설명된 바와 같이 지상관측자료를 적용하여 자료동화를 수행하면 CMAQ 모델치가 측정치에 근접해지고 있으나. 자료동화 결과치도 보완의 여지를 포함하고 있다. 이는 측정치가 존재하는 지점이 도시지역에 한정된 공간적인 문제가 있기 때문인 것으로 추정된다. 이를 보완하기 위해 위성관측자료와 모델 농도에 영향이 있는 기상인자와 상관관계를 도출하여 보정하고자 다중회귀분석을 실행하였다.

우선적으로 본 연구에서 적용하는 입력변수와 목표치 간의 상관성을 분석 평가하였다. 목표치는 대기질 측정지점에서 PM_2.5 및 PM₁₀의 측정농도이고, 입력변수는 표 3에 정리하였다. 위성자료는 AOD, NDVI, 기상자료는 지표면에서 온도 (M_TEMP), 습도 (M_RH), 풍속 (M_WS), 압력 (M_PRSFC), 그리고 경계층 높이 (M_PLB)이고, 자료동화를 적용한 PM₁₀ (M_PM₁₀) 및 PM_2.5 (M_PM_2.5) 농도값이다. 기상 및 모델 결과는 일평균값이다.

각 변수별로 단위가 상이하기 때문에 변수를 0~1 사이로 정규화를 하여 상관성을 분석하고, 그 결과를 표 4에 정리하였다. 자료동화를 적용한 CMAQ 예측 농도인 PM₁₀이 R=0.9, PM_2.5가 R=0.76로 가장 높고, AOD는 PM₁₀인 경우 R=0.28, PM_2.5인 경우는 R=0.50으로 나타났다. 그 밖에 영향력이 큰 것은 대기혼합고, 지표압력으로 나타났다.

한편 AOD 값이 앞에서 설명한 바와 같이 2015년도인 경우에 일평균치로 존재하는 일수가 30% 이하이다. 따라서 다중회귀분석식을 AOD가 존재하는 경우와 AOD가 없는 경우로 각각 상관식을 구하고 평가하였다. 그림 7은 AOD 적용 및 미적용 시, 그리고 이를 통합한 상관관계를 나타낸 것이고, 표 5와 표 6은 통계평가 결과와 다중회귀분석식을 각각 정리한 것이다. AOD가 존재하는 경우가 없는 경우보다 상관성이 우수한 것으로 나타났다. 최종적으로 일평균 AOD가 존재하는 경우와 AOD가 없는 경우로 각각 구분하여 다중회귀분석을 적용한 결과를 통합 평가하면 PM₁₀인 경우에 R²=0.81, IOA=0.95, RMSE=14.62 μg/m³이고, PM_2.5는 R²=0.64, IOA=0.87, RMSE=9.13 μg/m³이다. PM₁₀이 PM_2.5보다 정합도 측면에서 우수한 것으로 나타났다. 이는 PM_2.5가 기체상 전구물질에 의한 영향이 상대적으로 크기 때문으로 판단된다.

Fig. 7. 
Scatter plots of various MLRs with observations for 2015.

앞에서 도출한 다중회귀분석식을 전국을 대상으로 1 km 격자로 적용하여 일평균 PM₁₀, PM_2.5 농도를 계산하고, 최종적으로 월 및 계절별, 그리고 연평균 농도분포를 도출하였다. 그림 8~10은 본 연구 결과로 최종적으로 산출한 계절별, 연평균 PM₁₀ 및 PM_2.5의 농도분포도이다.

Fig. 8. 
Reanalyzed seasonal PM₁₀ distribution.

Fig. 9. 
Reanalyzed seasonal PM_2.5 distribution.

Fig. 10. 
Reanalyzed annual PM₁₀ and PM_2.5 distributions.

계절별로는 봄과 겨울철에 PM 농도가 높게 나타나고 있고, 공간적으로는 수도권에서 서울시 외곽지역인 경기도 및 충청도에서 상대적으로 높은 PM 농도가 분포하고 있는 것으로 나타났다. 이는 우리 측정망 농도 분포와 일치하는 것이다.

공간적인 분포에서 위성자료의 공간적 해상도가 1 km이기 때문에 1 km 해상도로 다중회귀분석을 적용하였지만, CMAQ 및 WRF 모델링 해상도가 9 km이기 때문에 전체적인 해상도는 9 km에 지배적인 것으로 나타났다. 앞으로 모델링 해상도를 3 km 또는 1 km로 높이는 작업이 실질적인 고해상도 PM 농도를 도출하는 데 필요한 것으로 파악되었다.