탄소중립을 위한 하향식 온실가스 배출 분석기법 개발 및 활용 방안

1. 서 론

전 지구적 협력을 통한 기후위기 대응을 위해 국제사회는 2015년 파리협정에 합의하고, 신기후 체제를 출범하였다. 2023년부터 5년마다 전 지구적 감축점검 (Global Stock Take; GST)을 수행하고, GST 발표 2년 후에 각 국가는 국가감축기여 (Nationally Determined Contribution; NDC)를 갱신한다. 즉 5년마다 전 지구적인 온실가스 감축의 실행 성과를 점검하고 이를 바탕으로 국가별 감축안을 조정함으로써 기후위기에 대응하는 체계이다. 또한 각 국가는 2년마다 국가인벤토리보고서 (National Inventory Report; NIR)가 포함된 격년투명성보고서 (Biennial Transparency Report; BTR)를 제출하게 된다. 우리나라를 포함한 파리협약의 모든 가입 국가는 동일한 지침에 따라 NIR을 작성하고, 불확도를 포함하여 그 산정 과정을 투명하게 제시해야 한다. NIR은 GST를 위한 기본 정보로서, 신뢰성이 중요하고 우리나라도 2024년 말까지 제출해야 하는 의무를 갖는다.

전 지구적 기후위기를 관리하기 위한 신기후 체제의 성공적인 정착은 정확도 높은 온실가스 배출량이 중요하다. 그동안의 노력으로 인위적 이산화탄소 배출량의 불확도는 대부분 10% 이내로 그 신뢰도가 높다 (Minx et al., 2021). 그러나 중국 등 동아시아의 이산화탄소 (CO₂) 배출 정보는 다소 불확실한 편이며 (Liu et al., 2015) 전 지구 평균기온 상승에 따라 자연적 배출/흡수량의 변화가 커지면 CO₂ 배출량의 신뢰도는 큰 영향을 받게 된다. 메탄 (CH₄)의 예와 같이 2007년 이후 급격한 농도 증가는 인위적 배출량의 변화와 더불어 자연적 배출량의 변화에 기인하는 것으로 밝혀지고 있다 (Feng et al., 2022; Lan et al., 2021; WMO, 2019). 또한 이산화탄소 이외의 온실가스의 배출량은 상대적으로 신뢰도가 낮다. 예를 들어 CH₄나 아산화질소 (N₂O)는 전체 온실가스 불확도의 98% 수준을 차지하고 있는 것으로 알려졌다 (Henne et al., 2018). 따라서 이러한 불확실성을 고려한 총 온실가스 배출량의 지속적인 신뢰도 개선이 요구된다.

정확한 온실가스 배출량을 산출하고 정책적으로 활용하기 위해서는 정보 산출 기간을 단축하는 것이 중요하다. 현재의 상향식 온실가스 배출량 산출 방법은 통계 정보를 기반으로 하고 있다. 통계 정보 산출에 장기간이 소요되어, 통상적으로 국가 배출량을 산출하는 데 2년 정도의 시간지연이 있다. 그러나 가속화되는 기후위기 대응을 위해서는 온실가스 정보의 산출 기간을 크게 단축할 필요가 있다. 기후변화에 관한 정부 간 협의체 (Intergovernmental Panel on Climate Change; IPCC)의 1.5°C 특별보고서는 전 지구 평균기온 상승을 산업화 이전 대비 1.5°C 이내로 제한하기 위한 최선의 시나리오를 제시하였다 (IPCC, 2019). 2030년까지 순배출량을 2010년 대비 45% 감축하고, 2050년까지 탄소중립을 달성하고 유지하는 것이다. 즉 향후 20년 정도의 짧은 기간 내에 평균 약 4.17%/년 감축률이라는 도전적인 온실가스 감축목표를 달성해야 한다. 급격한 배출량 감축은 산업과 경제 전반에 큰 타격이 예상되므로, 온실가스 감축 정책의 시행착오를 최소화해야 한다. 특히 현재와 같이 2년 전의 온실가스 배출량 정보를 기반으로 정책을 수립하는 것은 급격하게 변화하는 기후위기 상황에서 온실가스 감축 방향 설정에 문제가 발생할 수 있고, 남은 시간이 많지 않은 상황에서 정책 방향이 잘못되면 그 피해는 더 심각해질 수 있다. 이러한 문제를 해결하는 방안으로 실시간으로 온실가스 변화 정보를 감시하고 온실가스 감축 정책에 반영할 수 있는 체계를 구축하는 것이 필요하다.

기존의 배출량 산정 방안의 한계를 보완하기 위하여 새로운 접근법이 요구되고 있는 상황에서, 세계기상기구 (World Meteorological Organization; WMO)는 기상모델과 온실가스 측정 역량의 획기적인 발전을 기반으로 하향식 온실가스 정보 산출 기법인 통합 전 지구온실가스정보체계 (Integrated Global Greenhouse Gas Information System; IG³IS) 개발을 결의하고, 회원국의 개발을 독려하게 되었다 (WMO, 2018). WMO IG³IS는 기상모델을 이용하여 대기 중에서 관측된 온실가스 농도로부터 배출량을 역으로 추적하는 하향식 배출량 산정 방법이다. 대기의 흐름은 포괄적이므로 경로상의 모든 배출원과 흡수원을 포함하게 되고, 아무리 작은 배출원이라도 누락되지 않는다는 장점이 있다. 또한 실시간으로 측정되는 관측자료를 이용하므로, 관측이 이루어지는 시점마다 배출량 산정이 가능하다. 따라서 실시간으로 배출량을 업데이트할 수 있다는 장점이 있다. WMO/GAW (Global Atmosphere Watch) 관측소의 경우 온실가스 관측자료의 지속적인 품질검사과정 개선을 통해 그 호환성이 CO₂는 0.1 ppm, CH₄는 2 ppb 이하로 높은 신뢰도를 유지하고 있다 (WMO, 2017). 대기수송모델로 사용되는 기상예보모델도 지속적인 기상관측자료의 증대와 자료동화 기법의 개선을 통해 신뢰도 높은 대기의 흐름을 구현할 수 있게 되었고, 매 10년마다 기상 예측정확도가 1일씩 단축되어, 1980년대의 3일 예측된 수치모델 정확도가 2020년대에는 7일 예측된 수치모델 정확도와 유사하다 (Bauer et al., 2015). 이와 같이 개선된 온실가스 관측과 기상예보모델을 기반으로 IG³IS를 이용하면 기존의 상향식 배출량 정보를 보완하고 배출량의 신뢰도 향상에 기여할 수 있을 것이다. 더욱이 국가 인벤토리작성의 지침이 되는 「2006 IPCC 가이드라인의 2019년 개정판」에 배출량의 품질보증/품질검사 및 검증 방안으로 IG³IS가 새롭게 추가되면서 국가 배출량의 불확도 개선을 위한 방안으로 제시되었다 (IPCC, 2019).

이러한 흐름에 따라 영국, 스위스, 호주, 뉴질랜드, 독일 등은 이미 2022년 NIR에 IG³IS 결과를 배출량의 신뢰도 확보를 의한 검증자료로 활용하고 있다. 우리나라 기상청도 세계기상기구로의 공인 사업으로 승인받은 (WMO reference: 11321/2021-SI/AER) INVERSE-KOREA (INverse modelling for Validating and Evaluating Reduction of the Sectoral greenhouse gas Emissions in KOREA) 사업을 통해 하향식 온실가스 기원추적 기법을 개발하고 있다. 2023년까지 개발을 완료하고, 향후 국가 배출량 검증을 위한 과학적 정보로서 활용할 예정이다.

이 논문에서는 하향식 온실가스 분석기법의 특징을 소개하고, 주요 국가의 활용 성과를 기반으로 하여 현재 기상청에서 개발하고 있는 하향식 온실가스 기원 산정 방법의 활용 방안을 제안하고자 한다.

2. IG³IS의 하향식 온실가스 분석 특성

IG³IS의 하향식 온실가스 기원 분석은 대기수송모델을 이용하여 대기농도 변화에 영향을 주는 지면의 온실가스 플럭스를 분석하는 방법이다. 베이시안 (Beysian) 이론을 기반으로 가우시안 분포를 가정하고 최적의 배출량을 분석하게 된다.

여기에서, x는 분석 배출량, x_a는 초기 배출량, y_o는 관측값 (관측소에서 관측된 온실가스 농도), H는 전방모델 (배출량을 대기 중 온실가스 농도로 변환하는 기상예측모델에 해당), P는 선험 오차공분산 (선험 배출량의 오차공분산), R은 관측오차공분산 (관측과 전방모델의 오차 공분산), H^T는 선형화된 전방모델의 치환행렬이다.

식 (1)에서 보인 하향식 배출량 산정 방법은 관측이 이루어지는 시점마다 배출량 분석값을 생산할 수 있다. WMO/GAW에 등록된 지구대기감시소는 초단위로 대기 중 온실가스 측정이 이루어지며, 품질검사를 거쳐 매시간 평균된 온실가스 농도값을 생산한다 (WMO, 2017). 따라서 짧게는 1시간 간격으로 배출량 분석이 가능하다. 다만 적은 수의 관측소에서 모든 영향 지역의 배출량을 산정하기 위해서는 분석값을 일정 기간 동안 누적할 필요가 있다. 또한 대기모델의 행성경계층 모의 능력이 저하되는 야간과 관측소의 국지적인 영향이 지배적인 약한 풍속의 경우는 품질검사를 통해 관측자료를 제거한다. 따라서 분석에 활용 가능한 관측자료를 충분히 확보하기 위해서 장기간 의 누적된 자료가 필요하고, 국가 규모의 하향식 배출량은 보통 월별 분석값을 산출하고 (United Kingdom, 2022; Henne et al., 2016), 도시 규모에서는 좀 더 조밀한 관측망 확보를 통해 6시간에서 1일 평균 배출량을 분석한다 (Lauvaux et al., 2016; Bréon et al., 2015).

하향식 온실가스 분석은 격자단위로 온실가스 배출/흡수에 대한 지면 플럭스를 구할 수 있다는 장점이 있다. 그러므로 작은 규모의 대기 이동을 모의하는 대기수송모델이 있다면 상세한 격자단위로 배출과 흡수 플럭스를 기술적으로 산출할 수 있다. 현재 기상청에서 현업 날씨예보에 이용되는 한반도 규모의 수치모델은 수평분해능이 1.5 km이고, 전 지구 규모의 모델은 10 km이다 (KMA, 2020). 따라서 기상청은 수 km의 수평 규모로 온실가스 기원을 산정할 수 있는 기술적 역량을 보유하고 있다. 다만 이러한 고분해능의 정보 산출을 위해서는 선험값으로 입력되는 격자단위의 배출량 정보가 중요하다. 특히 관측이 부족한 경우에는 분석된 배출량을 추정하는 데 선험값의 중요도가 커지고, 고분해능의 하향식 온실가스 기원 산정의 정확도 개선을 위해서는 상향식으로 산출된 배출량을 상세 격자단위로 전환하는 과정이 필요하다.

식 (1)로부터 분석된 배출량을 대기수송모델에 초기자료로 입력하고 대기의 흐름에 따라 이동시키면 상세한 격자의 3차원 대기 온실가스 농도를 구할 수 있다. 이는 하향식 산출 방법의 장점으로 적은 수의 온실가스 관측망을 이용하여 넓은 지역에 대한 3차원적인 농도분포를 분석할 수 있다. 이미 유럽중기예측센터와 미국해양대기청에서도 현업 운영 중인 수치모델을 이용하여 실시간의 3차원 온실가스의 분포를 모니터링하는 체계를 구축하고 있다 (Agusti-Panaredaetal et al., 2019).

하향식 온실가스 분석은 전방모델에 대기수송이 포함되므로 기류의 이동 경로상에 있는 모든 플럭스를 포함하여, 흡수원과 배출원의 누락이 없다는 장점이 있으나, 행정구역별로 배출량을 구분하기 어렵다는 점과 배출원을 부문별로 구별하기 어렵다는 단점이 있다. 부문별 배출량 관련해서는 지역별 주요 배출원을 파악함으로써 정성적으로 분석이 가능하지만 정량적으로 부문별 배출원을 구분하기는 쉽지 않다. 또한 국가별 혹은 행정구역별로 배출량을 구분하기 위해서는 격자별로 행적구역을 구별하고 겹치는 지역에 대해서는 인구통계 등을 이용하여 구분하는 방안이 주로 적용되고 있으나 (Janssens-Maenhout et al., 2013), 정확한 구분에 어려움이 있다.

3. 국제 동향 및 활용 사례

3. 1 WMO와 IPCC의 IG³IS 활용 제안

WMO는 제17차 총회에서 2010년 이래 WMO 회원국의 수치 모델링과 대기 관측 분야 진보와 성공을 기반으로 IG³IS 개발을 시작하는 결의안을 채택하였다. 이후 IG³IS 실행계획을 수립하여 기술적 개발 사항 및 활용 목적을 구체화하였다. 단기적으로는 IG³IS를 통해 온실가스 배출에 대한 추가적인 정보를 전달하고, 전 지구적 이행점검 (Global Stocktake) 과정에 활용 가능한 정보 중 하나로서 활용을 기대하고 있다. 장기적으로는 발전된 수치날씨예측과 유사하게 종합적인 통합시스템을 구축하고, 기후위기와 관련한 이해관계자의 복잡하고 어려운 요구에 대응하는 것을 목적으로 한다 (WMO, 2018). 즉 IG³IS는 수치모델링과 대기 온실가스 관측을 기반으로 하향식 배출량을 산정하는 방법은 물론 하향식 배출량을 활용하여 온실가스 감축에 실질적으로 기여하는 서비스 체계까지를 포함하는 포괄적인 개념이다.

WMO는 2022년 온실가스모니터링 워크숍을 개최하고, IG³IS의 장기비전 달성을 위해 모든 고품질 관측자료의 확보 및 통합, 국가 간 자료공유 체계 구축, 수치예측과 같은 실시간 운영체계로의 확장, 온실가스의 측정·보고·검증 (Measurement Reporting and Verification)을 통해 실제 배출량 감축에 기여할 수 있는 서비스체계 구축을 강조하면서, 구체적인 실행체계로 WMO 산하에 온실가스감시 (Greenhouse Gas Watch; GGW) 신설을 추진하고 있다. 이러한 GGW 상세 계획을 COP27에 발표하고, 제19차 WMO 총회 (2023년 6월 예정)에서 GGW의 공식 역할을 결의할 예정이다.

파리협정에 따라 우리나라를 포함한 유엔기후변화협약에 가입한 모든 국가는 신기후 체제에 따른 의무를 부과받는다. 특히 NIR은 「2006 IPCC 가이드라인」을 준용하도록 되어 있어 우리나라도 2024년 NIR 작성 시 이 가이드라인에 따라서 배출량을 산정해야 한다. 신기후 체계에 따른 국제적 과정과 국내의 대응 과정을 간략하게 소개하였다 (그림 1). 국가 온실가스 인벤토리에 대한 IPCC 태스크포스는 「2006 국가 온실가스 IPCC 가이드라인의 2019년 개정판」을 작성하였고, 이 개정판은 2019년 5월 제 49차 IPCC 회의에서 채택/승인되었다. 2019년 개정판의 목적은 국가 온실가스 인벤토리의 준비와 지속적인 개선을 지원할 수 있는 명확한 과학적 기반을 제공하는 것이다. 특히 IG³IS를 이용하여 국가 인벤토리를 개선하는 방법과 사례가 볼륨 1의 제 6장 품질보증/품질검사와 검증 (Quality Assurance/Quality Control and Verification)에 추가되었다. IG³IS는 UNFCCC (United Nations Framework Convention on Climate Change)에 보고되는 국가 배출량의 불확도 개선을 위한 신뢰도 높은 방안으로 제시되고 있다.

Fig. 1.

Global processes and domestic processes in Korea under the Paris Agreement.

4. 기상청의 개발 현황 및 계획

국립기상과학원은 2009년부터 미국 해양대기청 (National Oceanic and Atmospheric Administration; NOAA)에서 개발된 Carbon Tracker를 기반으로 동아시아 지역에 대한 CO₂ 분석 체계를 개발하였으나, 인위적 배출량은 분석되지 않는다는 단점이 있었다 (Kim et al., 2014). 또한 입력 정보가 국외 기관에 의존적이라 독자적인 운영체계를 갖추기 어려웠다. 그 외에 Park et al. (2021)은 CFC-11의 대기 농도 증가에 대하여 하향식 분석법을 적용하여 그 배출원이 중국 산동지역이라는 것을 발견하였으나, 실시간 현업 운영체계는 아니다.

기상청은 현업에서 실시간 운영되는 기상예보모델인 Korea Integrated Model (KIM) (Hong et al., 2018)과 국제적으로 품질이 입증된 기후변화감시소의 장기 관측자료 (Lee et al., 2019)를 기반으로 IG³IS를 개발하는 INVERSE-KOREA 사업을 추진하게 되었고, 2021년에 WMO의 공식 IG³IS 사업으로 승인을 받게 되었다. INVERSE-KOREA는 2023년까지 역변환모델링 체계를 완성하고, CO₂, CH₄, SF₆에 대하여 순차적으로 개발을 진행할 예정이다. 관측자료는 기상청이 운영하는 안면도, 고산, 울릉도독도 기후변화 감시소 관측자료를 활용하되, 새롭게 구축된 보성타워 관측자료와 롯데월드타워 관측자료는 품질검사과정을 거쳐 불확도 산정 이후 활용할 예정이다. 활용 예정인 관측자료의 특성은 표 1에 보였다. 또한 선박과 항공기, 지상원격장비에서 관측되는 온실가스도 모델 검증에 활용될 예정이다.

Table 1.

Information on the greenhouse gas in-situ measurements operated by Korea Meteorological Administration in Korea.

그림 2에 INVERSE-KOREA에서 목표하는 운영체계 모식도를 보였다. 역모델링에 사용되는 기상장의 초기조건과 측면 경계조건은 KIM을 활용한다. 다만 현업 모델인 KIM은 성능개선을 위해 지속적으로 업데이트가 되므로, 개발 초기에는 재분석자료를 활용하고, 현업 운영단계에서 KIM을 적용할 계획이다. 역변환과 자료동화 체계는 WRF-Chem/DART (Weather Research and Forecasting with Chemical module/Data Assimilation Research Testbed)를 사용하도록 설계하였다. WRF-Chem/DART의 상세한 내용은 Zhang et al. (2021)을 참고하기 바란다. 식생에 의한 광합성과 호흡에 따른 온실가스의 변화를 모의하기 위하여 Vegetation Photosynthesis and Respiration Model (VPRM)을 접목하였다 (Hu et al., 2021; Mahadevan et al., 2008). 지자체 수준의 상세 배출량 분석이 가능하도록 수평 분해능은 10 km 이내로 울릉도·독도 관측지점을 포함하는 한반도 영역으로 역모델링 영역을 구성하였다. 특히 행성경계층 내의 바람장 정확도를 높이기 위해, 지면과정이 개선된 WRF 버전을 적용하였다 (Lee et al., 2020).

Fig. 2.

Schematic diagram of the target system of the INVERSE-KOREA.

INVERSE-KOREA는 월별로 지면 플럭스를 갱신하는 준 실시간 운영체계로 개발하여, 국가 인벤토리 개선을 위한 과학적 정보를 지원할 예정이다. 준 실시간 운영이 가능하도록 기상청에서 실시간 생산되는 온실가스 관측자료와 기상모델 결과를 활용하고, 온실가스의 초기조건과 경계조건은 EDGAR, Carbon-Tracker, GEOS-Chem (Goddard Earth Observing System coupled with Chemistry), CDIAC (Carbon Dioxide Information Analysis Center)와 같은 전 지구 규모의 독립적인 모델에서 산출한 정보를 사용한다 (Crippa et al., 2020; Janssens-Maenhout et al., 2017; Andres et al., 2016; Shim et al., 2013; Peter et al., 2005). 일반적으로 전 지구 규모 배출량 정보의 갱신은 장기간이 소요되므로 분석시점에 맞는 최신의 선험값 활용이 곤란하다. 따라서 INVERSE-KOREA는 FFDAS (Fossil Fuel Data Assimilation Systrem) (Asefi-Najafabady et al., 2014)와 같은 과거 자료를 선험값으로 활용하되, 영국기상청과 같이 선험값 오차를 크게 부여하여 관측 정보의 가중치가 높도록 분석하는 방식으로 구성하였다 (Manning et al., 2011). 다만 과거의 자료를 사용하더라도, 일 변동 및 계절 변동을 잘 표현하도록 계절 및 일변화 특성이 반영되도록 하였다 (Nassar et al., 2013).

INVERSE-KOREA 사업을 통해 한반도 영역에서 10 km 수준의 격자로 월별 온실가스 플럭스를 산출하고, 분석된 온실가스 플럭스에 전방모델을 적용하여 3차원의 대기 중 온실가스 농도를 산출하고자 한다. 2023년까지 2019년도에 대한 하향식 온실가스 정보를 생산하고, 우리나라가 NIR을 제출하는 2024년에는 2019년부터 2022년까지 3개년에 대한 하향식 온실가스 분석 정보를 생산할 예정이다. 2026년까지 준 실시간 운영체계를 안정화시키고, 국내 관측자료가 확보되어 있는 과거 기간 (CO₂는 1999년부터, CH₄와 SF₆는 2012년부터)에 대하여 월 단위 하향식 분석 정보를 매년 갱신할 예정이다. 2026년 이후에는 N₂O를 포함하여 불소화합물 온실가스 등 교토의정서에 정의된 모든 온실가스로 확대할 예정이다.

5. 결론 및 제언

WMO는 지난 10여 년간 수치모델 성능의 획기적인 발전과 대기 중 장기 온실가스 관측자료의 정확도 개선을 근거로, 국가 온실가스 배출량의 신뢰도 개선에 IG³IS를 활용하도록 회원국을 독려하고 있다. 또한 국가 인벤토리 보고서의 온실가스 배출량 산정 방법을 규정하는 2006 IPCC 가이드라인의 2019년 개정판에 온실가스 배출량의 품질보증/품질검사와 검증 방법으로 IG³IS가 추가되었고, 이미 영국을 포함한 다수의 국가들이 2022년에 제출된 NIR에 온실가스 배출량 검증 자료로서 IG³IS 결과를 포함하고 있다.

우리나라도 파리협정에 따른 신기후 체제하에서 2024년부터 NIR을 제출해야 하고, 이와 관련하여 국가 배출량에 대한 신뢰도 확보를 위해 독립적인 배출량 검증 방법인 IG³IS의 적용이 필요한 상황이다. 이에 기상청은 세계기상기구와 함께 한반도 영역에 대한 IG³IS 개발과 준 실시간 현업 운영체계를 구축하는 INVERSE-KOREA 사업을 추진하고 있으며, 국가 인벤토리 보고서가 작성되는 2024년에는 우리나라에 대한 IG³IS를 현업 운영할 계획이다.

지금까지 국내외 IG³IS 활용 사례를 조사한 결과, IG³IS는 인벤토리 개선과 검증, 해외유입 및 기후 외교, 정책효과의 과학적 지원, 새로운 감축 기회의 발견 등에서 주로 활용되는 것으로 분석되었다 (그림 3). 이러한 분석 결과와 INVERSE-KOREA의 특성을 기반으로 향후 다음과 같은 분야에서 관련 연구기관과 INVERSE-KOREA 결과의 활용 및 협력을 제안하고자 한다.

Fig. 3.

Summary of the usage of IG3IS products.

첫 번째로 기후변화에 따라 변화하는 자연적 기원의 온실가스 배출과 흡수 정보에 대한 연구 분야이다. 인위적인 CO₂ 배출량은 그동안 상향식 배출량 산정 방법의 개선을 통해 그 불확도가 10% 이내로 정확도가 높아졌다 (Minx et al., 2021; Choulga et al., 2020). 그러나 Land Use, Land Use Change and Forestry (LULUCF)와 같은 자연적 기원에 의한 배출량의 신뢰도는 아직까지 매우 낮다 (Minx et al., 2021). 특히 기후변화에 따른 기온상승으로 자연적 배출 및 흡수량의 변화가 점차 커질 것으로 예상되어 하향식 배출량 산정이 점차 중요해질 것이다. 그 예로 2007년 이후 대기 중 CH₄의 증가가 뚜렷하게 나타나고 있는데 이는 인위적 기원과 더불어 자연적 기원에 의한 것으로 분석되고 있다 (Feng et al., 2022; Lan et al., 2021). 기후변화가 가속화되는 상황에서 온실가스에 대한 기후 반응 (Climate feedback)을 포함한 총체적인 기후위기 대응을 위해서는 기상조건의 영향을 받는 자연적인 흡수/배출량이 모두 포함되는 IG³IS 결과는 매우 유용한 정보가 될 것이다.

두 번째로 CO₂ 이외의 온실가스에 대한 배출/흡수정보 개선과 관련된 연구 분야이다. 인위적인 CO₂ 배출량의 불확도는 상대적으로 낮지만, CH₄이나 N₂O 배출량의 불확도는 매우 높다. 스위스의 경우 CH₄과 N₂O 불확도는 전체 온실가스 불확도의 98%를 차지하고 있다 (Henne et al., 2018). 특히 우리나라는 벼농사 경작지역이 넓게 분포하고 있어, CH₄과 N₂O의 배출량도 중요하다. 향후 IG³IS 정보는 이들 요소의 불확도를 개선하는 데 중요한 역할을 할 수 있고 이를 통해 CO₂ 이외의 온실가스에 의한 지구온난화의 영향을 파악하는 데 도움을 줄 수 있다.

세 번째는 소규모 배출원이나 간헐적인 배출원의 영향에 대한 연구 분야이다. 대기수송모델을 활용하는 IG³IS는 기류가 흘러가는 지역의 모든 배출원 정보를 포함하므로, 소규모 배출원이나 간헐적인 배출원의 누락 문제를 해결할 수 있다. 또한 준 실시간으로 배출량을 갱신하게 되므로 변화되는 배출 정보를 신속하게 감지할 수 있다는 장점이 있다. 이러한 결과를 이용하면, 기존의 감축 정책에 추가하여 온실가스의 새로운 감축 기회를 찾아낼 수 있을 것이다.

네 번째로 지자체 단위 배출량의 총합과 국가 총배출량의 차이가 있는 경우 그 원인을 분석하는 데 IG³IS을 활용할 수 있다. 상향식 배출량만 활용하는 경우 지자체 배출량의 총합과 국가 총배출량에서 많은 차이가 발생할 수 있다. 그러나 하향식 배출량은 모든 배출원의 정보를 포함하므로, 국가배출량은 지자체별로 분할되는 배출량의 총합과 동일하다. 따라서 지자체별 하향식 배출량과 상향식 배출량의 차이를 분석하면, 지자체별 배출량 산정을 보완하거나 시계열 변동성 등 지역적 배출 특성을 이해하는 데 도움을 줄 수 있다.

다섯 번째로 상향식과 하향식 배출량의 차이는 배출량 신뢰도 확보를 위한 기술개발의 우선 순위 설정 시 활용할 수 있다. 상향식과 하향식 배출량의 차이가 큰 지역이나, 온실가스 종에 대하여 우선적으로 배출량 산정 방법의 개선을 검토해야 한다. 이는 상향식 방법은 물론 하향식 방법에 대한 개선의 효과를 얻을 수 있고, 장기적으로 국가 전체의 배출량 불확도를 줄이는 데 중요한 역할을 할 수 있을 것이다.

마지막으로 국내의 배출량 감축 성과를 과학적으로 입증하는 데 상향식 배출량과 하향식 배출량의 일치성을 활용할 수 있다. 우리나라와 중국, 일본을 포함하는 동아시아는 주요한 온실가스 배출 지역이다. 특히 국가별 상향식 배출량과 하향식 배출량에서 차이가 나는 경우, 해당 국가의 배출량에 대한 신뢰도에 의문을 제기할 수 있다. 따라서 IG³IS를 이용하여 국내에서의 배출량과 주변국의 배출량을 구분하는 과학적 정보를 확보하는 것이 필요하다. 한반도의 대기 중 온실가스 농도 관측자료를 이용한 하향식 온실가스 기원 추적 정보로부터 국외 유입분과 국내 산출분을 과학적으로 구분하는 작업은 국내 온실가스 감축 성과의 입증은 물론, 국가 간 배출량 관련 분쟁 발생 시 외교적 대응을 위한 중요한 과학적 자료로 그 의미가 매우 크다.

상향식과 하향식 배출량은 모두 완벽하지 않기에, 상호 보완을 통해 좀 더 신뢰도 높은 배출량 산정이 가능하므로, 인벤토리 작성 시 하향식과 상향식 배출량 산정 그룹 간 협업이 매우 중요하다. 만약 상향식과 하향식 배출량의 차이가 크게 나는 경우 인벤토리 개발자와 하향식 모델 개발자 간의 논의를 통해 그 차이를 좁혀가면서 상향식 배출 방법의 개선은 물론 하향식 배출량 산정 방법의 문제점 파악 및 개선도 가능하고, 지속적으로 국가 배출량의 신뢰도를 높이는 데 기여할 수 있을 것이다. 이를 통해서 향후 과학적인 자료에 기반한 기후위기 감시와 대응이 가능할 것이다.

Acknowledgments

이 연구는 기상청 국립기상과학원 「기후·기후변화예측기술 지원 및 활용연구」 (KMA2018-00324)의 지원으로 수행되었습니다.

References

• Agustí-Panareda, A., Diamantakis, M., Massart, S., Chevallier, F., Muñoz-Sabater, J., Barré, J., Curcoll, R., Engelen, R., Langerock, B., Law, R.M., Loh, Z., Morgui, J.A., Parrington, M., Peuch, V.-H., Ramonet, M., Roehl, C., Vermeulen, A.T., Warneke, T., Wunch, D. (2019) Modelling CO₂ weather - why horizontal resolution matters, Atmospheric Chemistry and Physics, 19, 7347-7376. [https://doi.org/10.5194/acp-19-7347-2019]
• Alvarez, R.A., Pacala, S.W., Winebrake, J.J., Chameides, W.L., Hamburg, S.P. (2012) Greater focus needed on methane leakage from natural gas infrastructure, Proceedings of the National Academy of Sciences, 109(17), 6435-6440. [https://doi.org/10.1073/pnas.1202407109]
• Andres, R.J., Boden, T.A., Marland, G. (2016) Monthly Fossil-Fuel CO₂ Emissions: Mass of Emissions Gridded by One Degree Latitude by One Degree Longitude. Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, U.S. Department of Energy, Oak Ridge, Tenn., U.S.A. [https://doi.org/10.3334/CDIAC/ffe.MonthlyMass.2016]
• Asefi-Najafabady, S., Rayner, P.J., Gurney, K.R., McRobert, A., Song, Y., Coltin, K., Huang, J., Elvidge, C., Baugh, K. (2014) A multi year, global gridded fossil fuel CO₂ emission data product: Evaluation and analysis of results, Journal of Geophysical Research: Atmospheres, 119, 10213-10231. [https://doi.org/10.1002/2013JD021296]
• Australian Department of Industry, Science, Energy and Resources (2022) National Inventory Report 2020 Volumn I, 432pp. https://unfccc.int/sites/default/files/resource/aus-2022-nir-27may22.zip, 1 (accessed on May 27, 2022).
• Bauer, P., Thorpe, A., Brunet, G. (2015) The quiet revolution of numerical weather prediction, Nature, 525, 47-55. [https://doi.org/10.1038/nature14956]
• Bréon, F.M., Broquet, G., Puygrenier, V., Chevallier, F., Xueref-Remy, I., Ramonet, M., Dieudonne, E., Lopez, M., Schmidt, M., Perrussel, O., Ciais, P. (2015) An attempt at estimating Paris area CO₂ emissions from atmospheric concentration measurements, Atmospheric Chemistry and Physics, 15, 1707-1724. [https://doi.org/10.5194/acp-15-1707-2015]
• Brunner, D., Henne, H., Reimann, S., Steinbacher, M., Mohn, J., Emmenegger, L. (2018) Top-down emission estimation to support national inventories A Swiss perspective, First IG³IS Symposium, Geneva 13-15 Nov 2018.
• Choulga, M., Janssens-Maenhout, G., Balsamo, G., McNorton, J., Solazzo, E., Bousserez, N., Agusti-Panareda, A. (2020) Anthropogenic CO₂ emission uncertainties, EGU General Assembly 2020, Online, 4-8 May 2020, EGU2020-10560. [https://doi.org/10.5194/egusphere-egu2020-10560]
• Crippa, M., Solazzo, E., Huang, G., Guizzardi, D., Koffi, E., Muntean, M., Schieberle, C., Friedrich, R., Janssens-Maenhout, G. (2020) High resolution temporal profiles in the Emissions Database for Global Atmospheric Research, Scientific Data, 7(1), 121. [https://doi.org/10.1038/s41597-020-0462-2]
• Cusworth, D., Duren, R., Thorpe, A., Stavros, N., Bue, B., Tapella, R., Yadav, V., Miller, C. (2020) A multi-tiered methane analytic framework for constraining budgets, point source attribution, and anomalous event detection, EGU General Assembly 2020, Online, 4-8 May 2020, EGU2020-6281. [https://doi.org/10.5194/egusphere-egu2020-6281]
• Dunse, B., Derek, N., Fraser, P., Krummel, P., Steele, P. (2018) Australian and Global Emissions of Ozone Depleting Substances. Aspendale: CSIRO Oceans and Atmosphere. http://hdl.handle.net/102.100.100/86814?index=1
• Feng, L., Palmer, P.I., Zhu, S., Parker, R.J., Liu, Y. (2022) Tropical methane emissions explain large fraction of recent changes in global atmospheric methane growth rate, Nature Communications, 13(1). [https://doi.org/10.1038/s41467-022-28989-z]
• Ganesan, A.L., Rigby, M., Lunt, M.F., Parker, R.J., Boesch, H., Goulding, N., Umezawa, T., Zahn, A., Chatterjee, A., Prinn, R.G., Tiwari, Y.K., van der Schoot, M., Krummel, P.B. (2017) Atmospheric observations show accurate reporting and little growth in India’s methane emissions, Nature Communications, 8(1), 836. [https://doi.org/10.1038/s41467-017-00994-7]
• Germany (2022) National Inventory Report for the German Greenhouse Gas Inventory 1990-2020, Federal Environment Agency, Germany, 1042pp. https://unfccc.int/sites/default/files/resource/deu-2022-nir-14apr22_0.zip, (accessed on May 27, 2022)
• Henne, S., Brunner, D., Oney, B., Leuenberger, M., Eugster, W., Bamberger, I., Meinhardt, F., Steinbacher, M., Emmenegger, L. (2016) Validation of the Swiss methane emission inventory by atmospheric observations and inverse modelling, Atmospheric Chemistry and Physics, 16, 3683-3710. [https://doi.org/10.5194/acp-16-3683-2016]
• Henne, S., Mohn, J., Leuenberger, M., Meinhardt, F., Steinbacher, M., Vollmer, M.K., Reimann, S., Emmenegger, L., Brunner, D. (2018) Top-down Validation of Swiss non-CO₂ Greenhouse Gas Emissions, TRANSCOM/IG³IS, Lund, 2018-09-19, https://ane4bf-datap1.s3.eu-west-1.amazonaws.com/wmod8_ig3is/IG3IS/Presentations/Henne_IG3IS_TRANSCOM_Lund_Sweden.pdf?r9fHqeHDraoXh2bnLklLsNbIbkgIK5bp=
• Hong, S.-Y., Kwon, Y.C., Kim, T.-H., Kim, J.-E.E., Choi, S-J., Kwon, I.-H., Kim, J., Lee, E.-H., Park, R.-S., Kim, D.-I. (2018) The Korean Integrated Model (KIM) System for Global Weather Forecasting, Asia-Pacific Journal of the Atmospheric Science, 54(S1), 267-292. [https://doi.org/10.1007/s13143-018-0028-9]
• Hu, X.-M., Gourdji, S.M., Davis, K.J., Wang, Q., Zhang, Y., Xue, M., Feng, S., Moore, B., Crowell, S.M.R. (2021) Implementation of improved parameterization of terrestrial flux in WRF-VPRM improves the simulation of nighttime CO₂ peaks and a daytime CO₂ band ahead of a cold front, Journal of Geophysical Research: Atmospheres, 126, e2020JD034362. [https://doi.org/10.1029/2020JD034362]
• Intergovernmental Panel on Climate Change (IPCC) (2019) 2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventories, Volume 1: General Guidance and Reporting, Ch6 QUALITY ASSURANCE/QUALITY CONTROL AND VERIFICATION, IPCC, Switzerland. https://www.ipcc-nggip.iges.or.jp/public/2006gl/pdf/1_Volume1/V1_6_Ch6_QA_QC.pdf
• Janssens-Maenhout, G., Crippa, M., Guizzardi, D., Muntean, M., Schaaf, E., Dentener, F., Bergamaschi, P., Pagliari, V., Olivier, J.G.J., Peters, J.A.H.W., van Aardenne, J.A., Monni, S., Doering, U., Petrescu, A.M.R. (2017) EDGAR v4.3.2 Global Atlas of the three major Greenhouse Gas Emissions for the period 1970-2012, Earth System Science Data [preprint]. [https://doi.org/10.5194/essd-2017-79]
• Janssens-Maenhout, G., Pagliari, V., Guizzardi, D., Muntean, M. (2013) Global emission inventories in the Emission Database for Global Atmospheric Research (EDGAR) - Manual (I): Gridding: EDGAR emissions distribution on global grid-maps, JRC Technical Report, Joint Resarch Centre. [https://doi.org/10.2788/81454]
• Kim, J., Kim, H., Cho, C.-H. (2014) The effect of optimization and the nesting domain on carbon flux analyses in Asia using a carbon tracking system based on the ensemble Kalman filter, Asia-Pacific Journal of Atmospheric Sciences, 50(3), 327-344. [https://doi.org/10.1007/s13143-014-0020-y]
• Korea Meteorological Administration (KMA) (2020) WMO Technical Progress Report on the Global Data-Processing and Forecasting System (GDPFS) and Numerical Weather Prediction (NWP) Research 2020, Korea Meteorological Administration, Korea, 22p. https://wmoomm.sharepoint.com/:b:/s/wmocpdb/EfZDbXuCO6hKj5fIk9qf1LoBnAt-GDYW79LWv3IZgG8i6A?e=gtrUeJ
• Lan, X., Nisbet, E.G., Dlugokencky, E.J., Michel, S.E. (2021) What do we know about the global methane budget? Results from four decades of atmospheric CH₄ observations and the way forward, Philosophical Transactions of the Royal Society A. [https://doi.org/10.1098/rsta.2020.0440]
• Lauvaux, T., Miles, N.L., Deng, A., Richardson, S.J., Cambaliza, M.O., Davis, K.J., Gaudet, B., Gurney, K.R., Huang, J., O’Keefe, D., Song, Y., Karion, A., Oda, T., Patarasuk, R., Razlivanov, I., Sarmiento, D., Shepson, P., Sweeney, C., Turnbull, J., Wu, K. (2016) High-resolution atmospheric inversion of urban CO₂ emissions during the dormant season of the Indianapolis Flux Experiment (INFLUX), Journal of Geophysical Research: Atmospheres, 121, 5213-5236. [https://doi.org/10.1002/2015JD024473]
• Lee, H., Han, S.-O., Ryoo, S.-B., Lee, J.-S., Lee, G.-W. (2019) The measurement of atmospheric CO₂ at KMA/GAW regional stations, its characteristics, and comparisons with other East Asian sites, Atmospheric Chemistry and Physics, 19, 2149-2163. [https://doi.org/10.5194/acp-19-2149-2019]
• Lee, J., Hong, J., Noh, Y., Jimenez, P.A. (2020) Implementation of a roughness sublayer parameterization in the Weather Research and Forecasting model (WRF version 3.7.1) and its evaluation for regional climate simulations, Geoscientific Model Development, 13, 521-536. [https://doi.org/10.5194/gmd-13-521-2020]
• Liu, Z., Guan, D., Wei, W., Davis, S.J., Ciais, P., Bai, J., Peng, S., Zhang, Q., Hubacek, K., Marland, G., Andres, R.J., Crawford-Brown, D., Lin, J., Zhao, H., Hong, C., Boden, T.A., Feng, K., Peters, G.P., Xi, F., Liu, J., Li, Y., Zhao, Y., Zeng, N., He, K. (2015) Reduced Carbon Emission Estimates from Fossil Fuel Combustions and Cement Production in China, Nature, 524, 335-338. [https://doi.org/10.1038/nature14677]
• Mahadevan, P., Wofsy, S.C., Matross, D.M., Xiao, X., Dunn, A.L., Lin, J.C., Gerbig, C., Munger, J.W., Chow, V.Y., Gottlieb, E.W. (2008) A satellite-based biosphere parameterization for net ecosystem CO₂ exchange: Vegetation Photosynthesis and Respiration Model (VPRM), Global Biogeochemical Cycles, 22(2), GB2005. [https://doi.org/10.1029/2006GB002735]
• Manning, A.J., O’Doherty, S., Jones, A.R., Simmonds, P.G., Derwent, R.G. (2011) Estimating UK methane and nitrous oxide emissions from 1990 to 2007 using an inversion modeling approach, Journal of Geophysical Research, 116, D02305. [https://doi.org/10.1029/2010JD014763]
• Manning, A.J., Redington, A., O’Doherty, S., Stanley, K., Rigby, M., Young, D., Simmonds, P., Rennick, C., Arnold, T., Wisher, A. (2018) Use of inverse modelling (InTEM) to support UK inventory reporting, WMO IG³IS Symposium, Geneva, November 2018. https://ane4bf-datap1.s3.eu-west-1.amazonaws.com/wmod8_ig3is/IG3IS/Presentations/Manning_IG3IS_Symposium_Geneva_Switzerland.pptx?Htdr3OGgm__e4Q0iVP4rTRLwafsIEl19=
• Miller, S., Wofsy, S., Michalak, A., Kort, E., Andrews, A., Biraud, S., Dlugokencky, E., Eluszkiewicz, J., Fischer, M., Janssens-Maenhout, G., Miller, B., Miller, J., Montzka, S., Nehrkorn, T., Sweeney, C. (2013) Anthropogenic emissions of methane in the United States. Proceedings of the National Academy of Sciences of the United States of America, 110(50), 20018-20022. [https://doi.org/10.1073/pnas.1314392110]
• Minx, J.C., Lamb, W.F., Andrew, R.M., Canadell, J.G., Crippa, M., Dobbeling, N., Forster, P.M., Guizzardi, D., Olivier, J., Peters, G.P., Pongratz, J., Reisinger, A., Rigby, M., Saunois, M., Smith, S.J., Solazzo, E., Tian, H. (2021) A comprehensive dataset for global, regional and national greenhouse gas emissions by sector 1970-2018 with an extension to 2019, Earth System Science Data, 13, 5213-5252. [https://doi.org/10.5194/essd-13-5213-2021]
• Nassar, R., Napier-Linton, L., Gurney, K.R., Andres, R.J., Oda, T., Vogel, F.R., Deng, F. (2013) Improving the temporal and spatial distribution of CO₂ emissions from global fossil fuel emission data sets, Journal of Geophysical Research: Atmospheres, 118, 917-933. [https://doi.org/10.1029/2012JD018196]
• New Zealand (2022) 1990-2020 New Zealand’s Greenhouse Gas Inventory Volume 1, Ministry for the Environment, New Zealand, 531pp. https://unfccc.int/sites/default/files/resource/nzl-2022-nir-14apr22_0.zip
• Park, S., Western, L.M., Saito, T., Redington, A., Henne, S., Fang, X., Prinn, R.G., Manning, A.J., Montzka, S.A., Fraser, P.J., Ganesan, A.L., Harth, C.M., Kim, J., Krummel, P.B., Liang, Q., Muhle, J., O’Doherty, S., Park, H., Park, M.-K., Reimann, S., Salameh, P.K., Weiss, R.F., Rigby, M. (2021) A decline in emissions of CFC-11 and related chemicals from eastern China, Nature, 590(7846), 433-437. [https://doi.org/10.1038/s41586-021-03277-w]
• Peters, W., Miller, J.B., Whitaker, J., Denning, A.S., Hirsch, A., Krol, M.C., Zupanski, D., Bruhwiler, L., Tans, P.P. (2005) An ensemble data assimilation system to estimate CO₂ surface fluxes from atmospheric trace gas observations, Journal of Geophysical Research, 110, D24304. [https://doi.org/10.1029/2005JD006157]
• Shim, C., Lee, J., Wang, Y. (2013) Effect of continental sources and sinks on the seasonal and latitudinal gradient of atmospheric carbon dioxide over East Asia, Atmospheric Environment, 79, 853-860. [https://doi.org/10.1016/j.atmosenv.2013.07.055]
• Steinkamp, K., Mikaloff Fletcher, S.E., Brailsford, G., Smale, D., Moore, S., Keller, E.D., Baisden, W.T., Mukai, H., Stephens, B.B. (2017) Atmospheric CO₂ observations and models suggest strong carbon uptake by forests in New Zealand, Atmospheric Chemistry and Physics, 17, 47-76. [https://doi.org/10.5194/acp-17-47-2017]
• Switzerland (2022) Switzerland’s Greenhouse Gas Inventory 1990-2019, 657pp, Federal Office for the Environment (FOEN), Switzerland. https://unfccc.int/sites/default/files/resource/che-2022-nir-14apr22.zip
• United Kingdom (2022) UK Greenhouse Gas Inventory, 1990 to 2020, 1072pp, Department for Business Energy and Industrial Strategy, UK. https://unfccc.int/sites/default/files/resource/gbk-2022-nir-14apr22_0.zip
• World Meteorological Organization (WMO) (2017) 19th WMO/IAEA Meeting on Carbon Dioxide, Other Greenhouse Gases and Related Measurement Techniques (GGMT-2017), GAW Report No. 242, 8pp. https://library.wmo.int/index.php?lvl=author_see&id=12735
• World Meteorological Organization (WMO) (2018) An Integrated Global Greenhouse Gas Information System (IG³IS) Science Implementation Plan, GAW Report No 245, WMO, Switzerland. https://library.wmo.int/doc_num.php?explnum_id=10034
• World Meteorological Organization (WMO) (2019) WMO GREENHOUSE GAS BULLETIN - The State of Greenhouse Gases in the Atmospheric Based ion Global Observations through 2018, No15. Dubendorf, Switzerland, 27-31 Aug. 2017, 150pp. https://library.wmo.int/index.php?lvl=notice_display&id=21620#.YxVYRtPP2Uk
• Zhang, Q., Li, M., Wang, M., Mizzi, A.P., Huang, Y., Wei, C., Jin, J., Gu, Q. (2021) CO₂ Flux over the Contiguous United States in 2016 Inverted by WRF-Chem/DART from OCO-2 XCO₂ Retrievals. Remote Sensing, 13(15), 2996. [https://doi.org/10.3390/rs13152996]