한국대기환경학회지에 2000년~2022년 발간된 “인공위성 대기질” 관련 연구 논문의 영문 초록에서 사용된 주제어를 기반으로 텍스트 마이닝 분석을 수행하였다. 그림 1은 도출된 키워드 24,857개 중 빈도가 높은 순으로 20개를 나타내었고, 가장 많은 빈도를 나타낸 키워드는 ‘aerosol’이 51회의 빈도로 가장 많이 언급되었다. 그 다음으로 ‘satellite (40회)’, ‘air (30회)’, ‘surface (34회)’, ‘modis (25회)’, ‘no₂ (22회)’, ‘china (20회)’, ‘ozone (20회)’, ‘korea (19회)’, ‘quality (19회)’, ‘concentration (17회)’의 순으로 나타났다. 이러한 키워드 빈도 분석 결과는 한국대기환경학회지에 수록된 연구 분야 중 에어로솔에 관련된 연구 분야가 제일 많으며, 다음으로 NO₂, O₃와 같은 기체 성분에 관한 분야 연구가 많다는 것을 보여준다.

다음은 표 1의 문헌 리스트에서 사용된 전체 키워드 분석을 기반으로 텍스트 마이닝 결과에 대한 시각화 방법인 워드 클라우드 (word cloud)를 사용하여 텍스트 데이터를 시각화하였다. 워드 클라우드는 텍스트 데이터의 빈도를 시각적 표현한 것으로서 문서 내에서 가장 자주 등장하는 단어나 용어를 묘사하는 데 사용된다. 워드 클라우드에서 각 단어의 크기는 입력 텍스트의 빈도에 비례하며 단어가 더 자주 나타날수록 클라우드에서 더 크게 표시된다. 본 연구에서 사용된 워드 클라우드는 오픈소스인 Python (version 3.9)을 이용한 자료처리를 통하여 작성하였으며, 본문에서 추출된 키워드 중 빈도수 상위 100개의 키워드를 시각화한 결과는 그림 2와 같다. 그림 1의 결과와 마찬가지로 ‘aerosol’ 이 가장 큰 시각화를 나타내고 있고, 그 다음으로 ‘satellite’, ‘concentration’, ‘modis’, ‘air quality’와 같이 대기질 분야와 관련된 단어들의 표시 비율이 크게 나타나고 있다. 이와 같은 텍스트 마이닝 분석 결과를 통해서 인공위성을 이용한 대기질 관련 연구 분야 중 에어로솔에 대한 관심과 중요도가 다른 연구 분야에 비해 월등히 높은 것을 직관적으로 판단할 수 있다.

Fig. 2. 
Word cloud by top 100 keywords in the research papers from year 2000~2022.

대기질 관측을 위하여 사용되는 인공위성 관측 자료는 지리 정보, 군사 정보, 자원 탐사, 환경 관측, 지구 기후변화 예측 등 모든 분야에서 사용되고 있다. 예를 들면 지표면 온도, 1차 생산량, 토지 피복, 구름, 에어로솔, 수증기, 기온, 산불 탐지와 같은 분야에서 오랜 기간 동안 사용되었으며, 이러한 정보는 환경 보호와 정책 결정에 중요한 역할을 담당하였다 (Dowman and Reuter, 2016). 그리고 최근에는 극궤도 위성과 정지궤도 위성에 탑재된 차세대 센서가 대기질 모니터링에 큰 역할을 수행하고 있다. 이러한 차세대 센서는 보다 향상된 분광 및 공간해상도, 방사 측정, 보다 빨라진 관측 시간 및 스캔 속도를 가짐으로 인하여 대기질 관측 측면에서 큰 도움이 되고 있다.

에어로솔 입자를 관측하기 위한 인공위성이 측정하는 가시광선~단파적외선 파장 영역인 (약 0.4 µm~3.0 µm)의 파장대 복사에너지는 태양이 에너지원이며, 지구대기와 지표에 의하여 반사되는 특징을 가진다. 그림 3은 파장별 대기 반사도와 에어로솔 측정을 위하여 사용되는 주요 위성 탑재 센서의 관측 파장 영역을 나타낸다. 그림 3에서 파장별 대기 반사도값은 복사전달모델을 이용하여 모의된 결과로서, 대기 중의 에어로솔이 없는 조건 (즉, Aerosol Optical Thickness (AOT)=0)과 충분히 많이 있는 조건 (AOT=1)에서 결정된 값이다. 대기 중의 에어로솔 입자가 증가할수록 반사도값이 증가하는 경향을 수치적으로 해석하여 인공위성의 탑재 센서가 관측하는 복사량 (L_sat (λ))으로부터 역으로 광학두께값 (τ (λ))을 산정하는 방법이 널리 사용되고 있다.

Fig. 3. 
Spectral atmospheric reflectance with band positions across the sensors alongside those of missions for air quality monitoring. The solid lines are solar reflectances simulated by the radiative transfer model with and without aerosols.

위 식에서 λ는 파장, L₀ (λ)는 태양 복사량, m은 상대 광경로를 의미한다. 한편, 그림 3에서는 에어로솔 측정을 위하여 사용되는 주요 위성 탑재 센서의 파장 범위를 보여준다. 가장 최근에 발사된 정지궤도 위성 시리즈 중에서 Himawari 위성의 Advanced Himawari Image (AHI) (Bessho et al., 2016), 천리안 위성의 Advanced Meteorological Imager (AMI) (Jee et al., 2020)는 기존의 정지궤도 위성 탑재 센서보다 3배 더 많은 스펙트럼 채널, 4배 더 나은 공간해상도, 5배 더 빠른 스캔 속도를 가지고 있으므로 보다 정밀한 에어로솔 관측정보를 제공할 수 있다. 그리고 국내 위성 탑재 센서 중에서 Geostationary Ocean Color Imager (GOCI)와 GOCI-2는 가시광선 영역에서 보다 세분화된 채널정보를 가지고 있으므로 에어로솔의 물리적 특징을 탐지하기 위한 장점을 가지고 있다. MODIS는 1999년 12월 18일에 발사된 EOS-AM1 (Terra) 위성과 2001년 5월 4일에 발사된 EOS-PM1 (Aqua) 위성에 탑재된 지구 관측용 다중파장 영상분광계 센서로서, 2011년 10월 28일에 발사된 Suomi NPP 위성의 탑재 센서인 Visible Infrared Imaging Radiometer Suite (VIIRS)와 함께 대기질 관측을 위하여 가장 널리 사용되고 있는 위성이다. 앞에서 언급한 지구 관측 위성의 공간해상도는 수백 미터 또는 수 km에 해당하는 해상도를 가지고 있으나, Landsat 위성 시리즈에 탑재된 Operational Land Imager (OLI) 센서는 약 15 m~100 m 범위의 공간해상도를 가지고 있다. 그러나 OLI는 상세한 공간해상도를 가지고 있지만 상대적으로 위성의 재방문기간 (8~16일)이 길어서 동일 지점에서의 상시관측은 불가능한 것이 단점이다.

가시광선 영역 외에도 적외선 영역의 채널을 이용하여 에어로솔 관측을 수행할 수 있으며, 이때 위성 탑재 센서가 관측하는 물리량은 지표면과 대기 중의 물체에서 방사되는 적외복사 에너지이다. 그림 4는 적외선 영역 (3 µm~14 µm)의 파장별 대기 반사도와 에어로솔 측정을 위하여 사용되는 주요 위성 탑재 센서의 관측 파장 영역을 나타낸다. 에어로솔 입자가 적외선 복사전달 과정에서 미치는 영향은 중적외선 영역에서의 광 산란과 열적외선 영역에서의 광 흡수도에 민감하게 반응하는 것이다 (Peyridieu et al., 2010). 특히, 8 µm~12 µm의 열적외선 영역에서 먼지 및 화산재 입자를 탐지하기 위하여 흔히 사용되고 있다 (Lee et al., 2014; Zhang et al., 2006; Wen and Rose, 1994; Legrand et al., 1992; Prata, 1989).

Fig. 4. 
Spectral infrared radiances with band positions across the sensors alongside those of missions for air quality monitoring. The solid lines are solar reflectances simulated by the radiative transfer model with and without aerosols.

인공위성 적외선 채널에서 에어로솔 탐지를 위한 복사전달 과정은 다음의 식 (2)를 이용하여 해석가능하다.

위 식에서 L_sat는 위성이 관측하는 적외 복사량, t와 ε는 파장 λ에서 대기층의 투과율과 방사율, T_s와 T_c는 각각 대기층의 기저 표면 온도와 상부 온도를 의미한다. B는 플랑크 함수로서, B (T_s) 및 B (T_c)는 T_s 및 T_c의 등가 온도에서의 흑체 복사량이다. 식 (2)에서 방사율이 일정한 값을 가지면 대기 중 에어로솔 층의 투과율과 복사율은 모두 광학두께에 의해 결정된다. 따라서 인공위성 탑재 센서가 관측하는 적외 복사량과 T_s와 T_c에 관한 정보를 확보하면 에어로솔 입자의 광학두께값을 역으로 계산할 수 있다.

대기 중의 기체 성분들의 광 흡수 스펙트럼이 인공위성의 관측 채널 영역에 위치한 경우, 센서가 관측한 흡수 스펙트럼 분석을 통하여 특정 기체 성분의 칼럼내 농도를 역산할 수 있다. 예를 들어, 그림 5는 주요 대기 중 기체 성분 중 O₃, CO₂, CO, CH₄, SO₂, NO₂, NH₃, H₂CO의 파장별 흡수계수를 나타낸다. 원격탐사 기법을 이용하면 파장별 흡수계수가 큰 기체 성분들에 대한 탐지 및 정량적인 물리량까지 측정할 수 있게 된다. 기체 성분을 관측할 수 있는 대표적인 인공위성 중 하나인 ENVISAT의 초분광 센서인 Scanning Imaging Absorption Spectrometer for Atmospheric Chartography (SCIAMACHY)는 자외선에서 근적외선 영역 (240 nm~2380 nm)에서 세분화된 파장 분해능 (0.2 nm~1.5 nm)으로 측정할 수 있으므로 다양한 대기 조성물질을 측정할 수 있다. 그리고 이와 유사한 위성 탑재 센서로는 OMI, TROPOspheric Monitoring Instrument (TROPOMI)과 국내 위성인 Geostationary Korea Multi-Purpose Satellite-2B (GK2B)의 Geostationary Environmental Monitoring Spectrometer (GEMS) 등을 통해 다양한 종류의 가스, 에어로솔, 방사선, 구름, 구름 고도 등을 관측할 수 있다.

Fig. 5. 
Spectral gas absorption coefficients for O₃, CO₂, CO, CH₄, SO₂, NO₂, NH₃, and H₂CO. Absorption data acquired from the HITRAN database (data source available from https://hitran.org/) (Gordon et al., 2022).

이전 섹션에서는 대기질 관련 연구에 사용되는 인공위성의 특성과 활용가능성에 대하여 다루었다. 여기에서는 최근까지 사용되고 있는 인공위성 관측 자료와 대기질 관련 관측 결과를 제시하고자 한다. 그림 6은 대기질 관측에 흔히 사용되는 지구 관측 위성 목록과 발사 후 운영 종료까지의 타임라인을 조사한 결과를 나타낸다. 기존의 지구 관측 위성 중 가장 오랜 기간 사용되었던 EOS 시리즈 이후의 위성만 조사하였으며, 총 66개 (2023년 이전까지 60개, 2023년 이후부터 향후 6개 신규 위성 발사 예정)의 위성을 포함한다. 여러 인공위성 중에서 자외선~가시광선 영역의 밴드를 가지고 있는 위성 탑재 센서는 일종의 수동형 원격타사 센서로서 주간 동안의 대기 요소에 의한 산란광과 흡수도를 측정하여 입자상 물질과 가스상 물질을 측정할 수 있다. 반면에 적외선 밴드를 가지는 센서는 주간과 야간 모두 관측이 가능하다. 예를 들면, 가장 널리 사용되고 있으며 다중 밴드 관측정보를 제공해 주는 EOS 또는 LANDSAT 위성 시리즈는 대기 중의 입자 및 기체성분에 관한 정보 분석을 위하여 사용되고 있다. 특히, 일정 범위의 파장대를 측정하는 밴드형 센서와는 다르게 연속 파장의 복사에너지를 측정할 수 있는 초분광 센서를 탑재한 위성 (예: Envisat, MetOp, Sentinel-4,5, GK-2B 등)은 보다 다양한 기체 성분을 측정할 수 있다.

Fig. 6. 
Lifetimes of different earth observing satellite instruments that have potential use in application for air quality study.

대기질 관측에 사용되는 인공위성 센서 중 에어로솔 관측에 사용되는 파장 대역은 주로 가스성분에 의한 흡수가 없거나 매우 적은 파장을 선택하여 에어로솔 입자에 의한 산란이나 흡수도를 측정하지만, 기체성분의 관측에 사용되는 파장 대역은 입자의 산란효과가 적고 기체 성분의 흡수 스펙트럼이 위치한 파장이 선택적으로 사용된다. 때로는 입자와 기체 성분에 의한 영향을 모두 받을 수 있으므로 인공위성 원격탐사의 대상이 가지는 특징을 정밀하게 파악하는 것이 중요하다. 표 2는 대기오염 기준물질과 관련하여 현재까지 사용되고 있는 주요 인공위성과 탑재 센서, 그리고 대기질 관련 산출물 자료를 요약하였다.

인공위성은 발사 이후부터 연속적인 관측 결과를 생산하고 있으므로 장기간 동안 관측된 산출물 결과를 통해 각 대기오염물질의 통계적인 영향 분포를 확인하는 것이 가능하다. 그림 7은 표 2에서 2000년대 초반부터 2022년까지 관측 자료를 생산하고 있는 위성 자료를 수집하여 각 산출물의 평균값을 매핑한 결과로서 각 산출물은 표 2에 언급된 자료를 사용하였다. AOT 값의 분포 정보를 통하여 한반도 주변의 에어로솔의 상대적인 부하량의 범위는 주로 중국의 동부 해안 영역의 대도시와 산업시설 밀집지역이 상대적으로 높은 값 (AOT>0.5)이 나타남을 알 수 있다. 입자의 크기와 관련이 있는 AE는 AOT 값이 큰 중국에서는 약 1.0~1.3의 범위를 나타내지만, 한반도와 일본은 1.4 이상의 큰 값을 보인다. 이러한 결과는 중국은 입자의 농도가 높고 미세와 조대입자가 혼합된 상태에서 영향을 크게 받고 있지만, 한반도와 일본은 입자의 농도가 낮음에도 보다 미세한 입자의 영향을 받았음을 증명한다. O₃는 북위 33도~41도 사이에서 평균값의 범위가 높은 지역으로 나타났으며, 오존 생성을 위한 전구물질과 대기화학반응의 복잡한 결과로 판단된다. NO₂는 화석연료의 사용에 따른 자동차 또는 산업시설의 배출이 주요 원인이므로 국내에서도 수도권과 부산 지역의 농도가 상대적으로 큰 값을 보였다. CO는 석탄 사용과 불완전 연소에 의한 배출량이 줄었으므로 대상지역의 농도는 매우 낮았으나, 중국 내륙지역에서는 여전히 4 이상의 높은 값을 보였다. SO₂는 개선된 연료의 사용과 배기가스 내 탈황 공정의 적용 등으로 낮은 농도를 보이지만, 중국 내륙과 일부 해상에서의 배출이 대기 중 농도의 증가를 나타내고 있는 것으로 보인다.

Fig. 7. 
The averaged AOT, AE, O₃, NO₂, CO, SO₂ from different satellite measured products over Northeast Asia. Note that AE data from MODIS aerosol products are available over land only.

그림 8은 그림 7의 위성 산출물 자료 중 최초 관측이 시작된 시점으로부터 2022년 12월까지 대기오염물질의 장기 변동 및 추세를 나타낸다. 그림 7의 관측 대상지역에서 동경 124도를 기준으로 오염물질의 분포 패턴이 높은 서쪽 지역과 낮은 동쪽 지역으로 구분되므로, 시계열 분석 결과를 두 지역 (서부: 오렌지색, 동부: 청색)으로 구분하여 비교하였다. 일반적으로, 각각의 대기오염물질의 변화 패턴은 계절적 변동 주기를 명확하게 보여주고 있으며, O₃를 제외하고 서쪽 지역의 평균값이 동쪽 지역 평균값에 비해 높게 나타남을 알 수 있다.

Fig. 8. 
Time series of AOT, AE, O₃, NO₂, CO, SO₂ from different satellite measured products. The orange and blue lines represent the average values for the west and east regions relative to 124 degrees East longitude.

그림 8의 시계열 데이터에 대한 기술통계와 선형회귀 분석 결과를 표 3과 같이 정리하였다. 서부와 동부간의 지역 평균값의 비율은 AOTwest/AOTeast=1.683, AEwest/AEeast=0.879, O₃west/O₃east=1.010, COwest/COeast=1.326, NO₂west/NO₂east=1.846, SO₂west/SO₂east=2.351로서, AE를 제외하면 서부 지역의 평균 오염물질의 농도는 동북지역에 비해 약 164.3% 높은 것으로 나타났다. 시간별 관측값에 대한 선형회귀 분석 결과는 1차 선형회귀식의 기울기값은 O₃를 제외하고 모두 음의 기울기 값을 보임으로 인하여 2000년대 이후로 지속적인 감소추세를 나타낸 것을 확인할 수 있다. 이러한 대기오염물질의 지역적 편차와 장기적 추세변화는 독특하며 지역규모의 대기 수문 순환과 복사 수지 균형에 대한 기여도가 관련 있을 것으로 예상된다. 이러한 불균형은 지역 대기질과 기후변화 연구에 대한 불확실성을 나타낼 수 있는 요인 중 하나로 알려져 있다 (IPCC, 2014; Ramanathan et al., 2005).