국내 대기오염 배출자료의 평가와 발전 방향

1. 서 론

대기오염 배출자료는 정치적 측면이나, 경제적 측면에 있어 복잡한 상호 이해관계가 얽혀있는 자료이며 대기 환경 개선을 위한 정책적, 연구적 접근에 필수적인 정보이다. 또한 대기오염 관리 및 기후변화 대응정책 수립의 필수적인 기초자료이며 관리정책의 성과를 평가하기 위한 주요한 도구이다. 이에 따라 인위적 활동에 의한 오염물질의 배출량을 산정하고자 하는 노력이 계속되어 왔다. 하지만 배출정보가 가지고 있는 신뢰성에 대해 직접적인 분석이 제한적이고, 많은 경우 대기오염도 예측 능력 저하와 정책 이행 효과 분석에 대한 불확실성 제공요인으로 지적받고 있다.

2010년대 들어서면서 고농도 미세먼지 사태가 여러 차례 발생하면서 미세먼지에 대한 관심과 관리의 필요성이 높아졌다. 이 과정에서 국가 대기오염물질 배출자료의 신뢰도와 문제점에 대한 지적이 많아지면서 개선 필요성이 높아졌다. 이에 본 연구에서는 현재 국가 대기오염 배출자료를 제공하고 있는 대기정책지원시스템 (CAPSS)을 중심으로 국내·외 배출량 산정방법과 신뢰도 평가방법을 비교 분석하였고, 모델링과 관측자료를 이용하여 국내 배출량의 수준을 평가하였으며, 국가 대기오염물질 배출자료를 개선하기 위한 전략을 제안하였다.

2. 국내 대기오염 배출자료의 구성

2. 1 대기오염 배출원 분류체계의 구성

환경부에서는 대기정책지원시스템 (Clean Air Support System; CAPSS)을 2001년에 개발하여 1999년 이후 국가 대기오염 배출자료 작성에 활용하고 있다. CAPSS는 1999년부터 2010년 배출자료까지는 7개의 대기오염물질 (CO, NO_x, SO_x, TSP, PM₁₀, VOC, NH₃)을 대상으로 배출자료를 작성하였다. 이후 2011년 배출자료에는 PM_2.5를 추가하고, 2014년에는 블랙카본 (BC)을 추가한 이후 2023년 현재까지 9개 대기오염물질에 대한 배출자료를 작성하고 있다.

CAPSS는 사실상 국가 대기오염물질 배출자료 관리 종합시스템으로 과학적인 대기오염 관리를 위한 지원 시스템 역할을 하고 있다. 또한 지역 특성에 적합한 대기 보전 시책 수립·추진 지원, 대기오염물질 배출원에 대한 과학적 관리를 통한 대기질 관리를 위하여 전문가 및 일반 국민을 대상으로 대기오염물질 배출 정보를 제공한다는 목표를 가지고 있다. CAPSS는 현재 전국 시·군·구 지자체 단위와 1×1 km 격자 단위 공간해상도의 배출자료를 제공하고 있다.

대기오염 배출원 분류체계는 대기오염 배출자료의 관리와 갱신을 위한 주요 구성체계이다. 표 1과 같이 미국 환경 보호국 (US EPA: United States Environmental Protection Agency)은 SCC (Source Classification Code)로 배출원 분류체계를 구성하고 있으며 13개의 대분류를 적용하고 있고, 유럽연합 (EU: European Union)은 SNAP (Selected Nomenclature for Sources of Air Pollution)로 배출원 분류체계를 구성하고 있으며 11개의 대분류를 적용하고 있다. 초기 CAPSS는 유럽연합의 SNAP 분류체계와 유사한 분류체계로 출발하여 1999년부터 2006년 배출자료는 11개 대분류체계로 작성되었다. 이후 CAPSS는 2009년 발표된 2007년 기준 배출자료부터 신규 배출원을 추가하고 많은 배출계수를 갱신하면서 대분류에서 자연 오염원을 빼고 기타 면오염원과 비산먼지 부문을 추가하여 12개 대분류의 배출원 분류체계로 변경되었다. 2015년 기준 배출자료부터는 대분류에 생물성연소가 추가되면서 현재 13개 대분류, 64개 중분류, 355개 소분류의 배출원 분류체계로 작성되고 있다.

Table 1.

Source categories of air pollution emission inventory by countries.

2015년 이후 적용되고 있는 13개 대분류체계는 연료연소에 대해서 발전시설 배출은 에너지연소 (1), 난방에 의한 배출은 비산업연소 (2), 제조업의 연료연소 배출은 제조업연소 (3)로 구분되고, 제조업 공정과정에서 발생되는 오염배출은 생산공정 (4), 유류수송과 저장과정 VOC 배출은 에너지수송 및 저장 (5), 페인트 도색과 세탁시설의 VOC 배출은 유기용제사용 (6)으로 분류하고 있다. 또한 승용차, 화물차, 버스 등의 배출은 도로이동오염원 (7), 철도, 선박, 항공, 건설기계, 농기계 등의 배출은 비도로이동오염원 (8), 폐기물소각과 매립에 의한 배출은 폐기물처리 (9), 축산분뇨와 비료사용에 의한 암모니아 배출은 농업 (10), 산불 및 화재에 의한 배출은 기타 면오염원 (11), 도로재비산, 건설공사, 농축산 활동에 의한 비산먼지 배출은 비산먼지 (12), 농업잔재물 소각, 고기구이, 화목난로 사용에 의한 배출은 생물성연소 (13) 부문으로 작성되고 있다. 그러나 대분류체계에서 비산먼지와 생물성연소는 배출 오염물질과 형태를 고려한 표현이므로 앞으로 배출 부문 특성을 고려한 대분류체계로 정비할 필요가 있다.

2. 3 대기오염 배출자료의 작성과 관리체계

CAPSS 운영과 배출자료 작성이 국립환경연구원에서 이루어지던 2019년 이전에는 대기연구부에서 배출계수위원회를 운영하여 대기오염 배출량 산출방법과 새로 산출된 배출계수의 검증 업무를 수행하였다. 또한 CAPSS 배출자료 작성에 적용되었던 배출량 산출방법과 배출계수 현황을 “국가 대기오염물질 배출량 산출방법 편람”으로 발간하였고 매년 국가 대기오염 배출량 연보를 발간하였다. 2019년 2월에는 미세먼지 관리 및 저감에 관한 특별법이 시행되어 미세먼지 관리정책을 총괄하는 미세먼지 특별대책위원회와 미세먼지 저감사업단이 총리실에 구성되었고, 동법에 의하여 대기오염 배출자료 전반을 관리하는 국가 미세먼지정보센터가 2019년 12월 설립되었다. 이에 따라 국립환경과학원에서 운영하던 CAPSS 운영과 배출자료 작성 업무는 2020년 이후 국가미세먼지정보센터에서 수행하게 되었으며 2017년 기준 배출자료부터는 국가미세먼지정보센터에서 발간하게 되었다. 또한, 2020년 5월에는 관련 전문가들로 구성된 국가 대기오염물질 배출정보 관리위원회가 구성되어 대기오염 배출량 산출방법과 배출계수 개선과 검증에 대한 심의 업무를 본격적으로 수행하게 되었다. 이에 따라 주로 국립환경과학원을 중심으로 이루어지던 국내 배출계수 개발에 더하여 농업과학원과 축산과학원에서 진행하는 연구과제들에서 농축산 부문 암모니아와 미세먼지 배출계수들이 제안되면서 국내 특성을 반영하는 작업들이 증가하기 시작하였다.

현재 CAPSS에 적용되고 있는 배출계수는 표 2와 같이 약 3만 개에 달하고 있으며 국내에서 개발된 배출 계수는 약 22%, 국외의 배출계수는 약 78%가 적용되고 있다. 국외의 배출계수는 미국 EPA의 AP-42, Web FIRE, 미국 캘리포니아 대기국 (CARB: California Air Resources Board)과 유럽연합 EEA (European Environment Agency)의 EMEP/EEA Air pollutant emission inventory guidebook의 자료들이 많이 활용되고 있다. 그러나 도로 이동오염원의 배출계수는 국립환경과학원 교통환경연구소에서 개발한 배출계수가 98% 적용되어 국내 특성을 반영하고 있다.

Table 2.

Numbers of air pollution emission factors in CAPSS (2017 emission inventory).

이러한 국내 배출계수 개발과 새로운 배출원의 추가, 배출량 산출방법 수정에 따라 연도별 배출량이 크게 변동되는 것처럼 표현되는 상황이 발생하였다. 특히 도로 비산먼지가 추가된 2007년 PM₁₀ 배출량과 비산먼지와 생물성연소 부문이 대분류 배출원으로 추가된 2015년 기준 PM₁₀과 PM_2.5 배출량은 모두 크게 증가하는 것으로 표현되었다. 따라서 산출방법 변화에 따른 배출량 변화가 배출관리정책에 의한 실제 배출량의 변화로 오해되는 상황은 해결이 필요하다. 이에 따라 국가 미세먼지정보센터에서는 2020년 기준 배출자료를 작성하면서 오류 수정과 배출계수에 대한 수정과 보완 작업이 이루어지면서 수정된 배출량 산출방법을 적용하여 2016년부터 2020년까지 연도별 배출자료를 재산정한 결과를 발표하였다 (2023.04.13. 국가미세먼지정보센터 보도자료 참조). 이러한 과거 연도에 대한 배출자료 재산정은 앞으로도 배출자료의 신뢰도 향상을 위하여 불가피하고 중요한 작업이다.

3. 대기오염 배출량 산출방법과 신뢰도 평가

대기오염 배출량은 대기오염 관리 및 기후변화 대응정책 수립의 근간이 되는 자료임과 동시에 정책의 성과를 평가할 수 있는 주요한 도구로 활용된다. 이에 배출량의 정확도와 신뢰도를 제고하는 것은 대기질 관리를 위한 시작점으로 볼 수 있으며, 국내·외에서도 배출량의 정확도를 높이기 위한 다양한 연구가 꾸준히 진행되고 있다.

배출량의 신뢰도를 향상시키기 위해서는 우선 산정된 배출량에 대한 신뢰도 평가가 진행되어야 한다. 배출량 신뢰도 평가는 배출계수 및 활동도 등을 이용하여 배출량을 산정하는 과정에서의 오류를 제어하는 QA/QC 방법과 추정된 배출량이 참값으로부터 얼마만큼의 편차 (Error 및 Bias)를 나타내는지, 이러한 편차와 분산을 유발하는 불확실성 요인이 무엇인지를 평가하는 불확도 (uncertainty) 평가방법으로 구분할 수 있다.

이에 본 장에서는 국외배출량의 작성방법과 국내외에서 적용되고 있는 다양한 대기오염 배출량 신뢰도 평가방법을 분석하고, 현재 아시아 배출 목록에 비해 국내 대기오염 배출량 신뢰도 수준과 개선 방안 등에 대해 논의하고자 한다.

3. 1 배출자료의 작성과 신뢰도 평가 선진사례

미국은 환경 보호국이 주도하여 3년에 한 번씩 배출량을, 1년에 한 번씩 입력자료를 갱신하여 국가인벤토리 (NEI: National Emissions Inventory)를 작성하고 있다. 미국 인벤토리의 큰 특징 중 하나는 EMF (Emissions Modeling Framework)에 있다. EMF는 다양한 조직에서 활용할 수 있는 배출목록에 대해 배출 시나리오를 작성, 관리하여 미래 정책 효과를 포함하는 배출목록을 작성하고 모델링을 지원하는 데 목적을 두고 있다. EMF의 다양한 모듈 중 CoST (Control Strategy Tool)는 삭감정책에 따른 배출량을 작성하고, 이에 따른 비용효과를 작성하는 모듈이다. CoST는 국가 및 지역 규모의 다중 오염물질의 분석을 지원하며, 각종 정책에 따르는 비용과 효율 등을 계산할 수 있다.

일본에서는 하나의 공인된 국가 통합 인벤토리가 있는 것이 아니라 각 배출원별로 특정한 자료에 대한 조달과 관리가 용이한 기관에서 산정하고 관리하는 몇 가지 갈래의 배출 인벤토리가 존재한다. JATOP (Japan Auto-Oil Program)은 1) 직접 통계자료로부터의 계산식으로 산출되는 배출원과, 2) 배출량 산정모형 등을 활용하여 각기 다른 방법으로 산정된 배출원, 3) 별도 기관에서 산정/관리되는 배출원들을 통합하고, 모델 입력자료를 생성하여 배포하는 하나의 전체적인 통합 인벤토리 프로그램을 통칭하며, 여기서 일본 배출목록인 JEI-DB를 작성한다. JATOP 시스템의 산정방법을 살펴보면, 인위적 오염원에서 차량 과 선박을 제외한 나머지 점오염원과 면오염원은 활동도와 배출계수 등을 가지고 통계자료와 산정식에 의해 배출량이 산출된다. 반면 차량 이동오염원은 JEI-VEM이라는 모형 구동에 의해 산정되며, 선박은 NMRI (National Maritime Research Institute)라는 해양기술안전연구소에서 산정을 한다. 또한 자연 배출원 중 BVOC는 MEGAN (the Model of Emissions of Gases and Aerosols from Nature) 배출모형을 통해 산정하고, 화산 배출량에 대해서는 일본 기상원에서 산정하며, 그 외 자연적 입자성 물질에 대해서는 화학수송 모형에 의해 자동으로 산출된 값을 사용한다.

유럽연합은 각 회원국에게서 배출량 자료를 제출받아 관리하고 있는데, 대부분의 유럽연합 국가는 배출목록이 CORINAIR 시스템으로 표준화되어 있다. 회원 국들은 UNECE의 Convention on Long-range Transboundary Air Pollution에게도 유해대기오염물질 배출량 자료를 제출해야 하며, UNFCCC에도 EU에게 제출한 오염물질과 동일하게 온실가스 물질을 제출해야 한다. 이들은 모두 CORINAIR 구조로 되어있어, 실질적으로 유럽연합 국가들은 일반대기오염물질과 유해대기오염물질 그리고 지구온난화물질 모두를 함께 관리하는 체계를 이루고 있다고 할 수 있다.

국외 배출자료의 신뢰도 평가방법 중 QA/QC를 통한 오류 제어과정을 검토하기 위해 미국과 유럽의 국가 인벤토리 작성과정을 조사하였다. 미국의 NEI 작성을 위해서는 배출 인벤토리 시스템 (Emissions Inventory System, EIS)을 통해 미국 내 주, 지방 및 관련 기관으로부터 배출 입력정보들을 수집하며, 해당 정보의 QA/QC를 거쳐 NEI를 구축한다. 이때, QA/QC는 이전 버전의 NEI와 비교 분석을 통해 이상점을 확인하는 이상점 확인 (Qutlier Check)과 EIS에 누락된 데이터를 확인하는 누락자료 확인 (Missing data check), 각 부문의 배출량 이상값을 검토하는 부문별 자료 확인 (Sector level check) 등을 통해 진행된다.

유럽연합 회원국들은 CEIP (the Center on Emission Inventories and Projections)를 통해 각국의 배출 인벤토리를 작성한다. 각국은 CEIP가 제공한 템플릿 양식에 맞춰 배출량 및 활동자료, 배출 전망자료 등을 제출하며, CEIP는 입수된 배출자료에 대한 QA/QC를 통해 당사국의 배출 데이터를 검증한다. CEIP는 3단계 검토과정을 통해 배출 인벤토리를 작성하며, 각 과정은 1) 각국이 제출한 초기 데이터 검토, 2) 시계열 일관성, 인벤토리, 경제지수를 사용한 배출량 비교, 3) EEA의 지원을 받아 배출량 심층 검토를 포함하여 배출량의 QA/QC를 진행하고 있다. 위와 같이 미국과 유럽에서는 인벤토리 작성과정에서의 다양하고 연속적인 QA/QC를 통해 배출량을 산정할 때 발생할 수 있는 오차들을 제거하고 있다.

배출자료의 불확도 평가방법은 배출자료의 양과 질에 따라 배출정보의 작성 단계에서의 자료 검증 및 평가부터 역모델링을 이용한 방법까지 복잡성의 단계가 다양하게 존재한다. 이에 불확도 평가는 현실적인 적용 가능성과 활용 지속성을 모두 고려한 방법론을 이용해야 한다. 미국 EPA에서는 배출정보 개선 프로그램인 EIIP (air Emission Inventory Improvement Program) 보고서를 통해 배출원별 배출량 산정을 위한 방법론과 배출자료의 신뢰도를 높이기 위한 불확도 평가방법을 제시하고 있는데, EIIP에서 소개하는 배출자료 불확도 평가기법은 표 3과 같다.

Table 3.

Comparison of uncertainty assessment methods for air pollution emission data.

아시아에 대한 현대적 의미에서의 배출 인벤토리는 2000년에 NASA의 TRACE-P 항공캠페인에 활용될 배출 인벤토리가 개발되며 활성화되기 시작했다 (Streets et al., 2003). Streets et al. (2003)의 인벤토리 연구와 Zhao et al. (2011)의 연구에서는 각각 아시아 배출량과 중국의 인위적 배출량 인벤토리에 대한 상대적인 신뢰 구간을 도출하여 불확도를 평가하였다. 이때 신뢰 구간은 배출량 산정 인자들 (활동도, 배출계수 등)에 대한 개별 신뢰성을 할당하고 이를 결합하여 도출하였다. Kurokawa and Ohara (2020)는 동아시아 배출 인벤토리인 REAS v.3을 대상으로 배출량 산정 인자에 대한 불확실성을 추정하여 최종배출량의 복합적인 불확도를 평가하였다. 이처럼 이미 산정된 배출량의 산정과정에서의 불확도를 계량화하여 배출량의 불확도를 평가하는 방식을 순방향 (Bottom-up 또는 Forward) 방식이라 하며, 불확도 통합방식에 따라 다음의 두 가지로 나눌 수 있다. 배출량 산정 인자들의 확률밀도함수를 도출한 뒤, 인자들의 변화들이 결합된 최종값들의 변화를 다량으로 생산하여 결과의 확률밀도함수를 이용해 불확도를 평가하는 몬테카를로 (Monte Carlo) 접근법과 산정 인자들의 불확도를 각각 산출한 후 통합하는 오차 증식법으로 구분된다. 순방향 불확실성은 Streets et al. (2003), Zhao et al. (2011)과 Kurokawa and Ohara (2020)에서 산정된 바 있다. 이와 같은 순방향 방식은 이미 존재하는 인벤토리 부문과 인자들이 적절히 존재하는 경우 상당히 유용한 방법론이다. 하지만 대부분의 경우 확률함수를 구할 만큼 배출량 산정 인자가 많지 않고, 누락 배출원과 같이 존재하지 않는 배출원으로 인한 배출 불확도에 대한 평가는 불가능하며, 자연 배출원과 같이 산정 인자가 이질적인 배출원에 대해서도 평가가 어렵다는 한계가 있다.

위에서 서술한 순방향 방식의 한계점들은 역방향 (Top-down 또는 Inverse) 방식으로 보완될 수 있다. 역방향 방식은 순방향으로 산정된 배출량을 이용하여 대기환경 모델링으로 농도화된 값이 실제 관측농도와 얼마나 일치하는지 평가하거나, 아예 관측농도로부터 대기환경 모델을 역방향으로 수행하여 배출량을 추정하고 순방향으로 작성된 배출량과 비교함으로써 배출량의 신뢰도를 평가하는 방법이다. Lamsal et al. (2011)은 순방향으로 산정한 NO₂ 배출량과 OMI (Ozone Monitoring Instrument)를 통해 예측한 NO₂ 배출량을 비교함으로써 배출량의 변화를 짧은 시간에 예측하였다. 선박과 같은 비도로 이동오염원은 위치가 정해져 있는 점오염원들이나 지정된 도로 위를 다니는 도로이동오염원과 달리 이동경로를 파악하기 어렵다는 한계가 있다. Richter et al. (2004)과 Vinken et al. (2013)은 이러한 선박 배출량을 위성 관측을 통해 추정하였다. McLinden et al. (2016) 연구에서는 OMI를 통해 Persian Gulf 인근에서 순방향 배출자료에서 누락된 SO₂와 NO₂ 배출원을 발굴하였다. Fioletov et al. (2015) 연구에서는 OMI 관측으로부터 미국 내 특정 배출원의 배출량을 각기 다른 방법으로 추정하여 순방향 배출자료를 이용해 검증하였다. Fioletov et al. (2017)은 배출자료로부터 SO₂의 컬럼 농도를 계산하여 OMI SO₂ 자료와의 상관성을 분석한 바 있다. Lamsal et al. (2015)은 화학수송모델 GEOS-Chem (Goddard Earth Observing System-Chemistry)을 이용하여 배출자료와 위성관측을 비교함으로써 상향식 배출량과 하향식 배출량을 비교하였다. 위의 사례들은 역방향 방식을 이용하여 배출량을 평가한 다양한 연구들이다. 이러한 역방향 방식은 순방향 배출량의 산정 인자에 대한 정보는 파악할 수 없다는 한계가 있지만, 실제 관측자료에 기반하여 배출량을 정량화하기 때문에 배출량의 절댓값을 독립적으로 찾아내는 데 유용하다. 위와 같이 국외에서는 순방향과 역방향 평가방법을 각각 적용하거나, 함께 적용하여 배출량의 신뢰도를 평가하고 개선하는 연구를 활성화하고 있다.

3. 2 국내 배출자료의 신뢰도 평가

환경부 국가 미세먼지정보센터에서는 배출정보 종합시스템인 CAPSS를 통해 배출량 산정에 필요한 활동자료의 수집과 관리, 배출 인벤토리를 작성 및 제공하고 있다. 이때, 배출원에 따른 활동자료는 대기배출원관리시스템 (SEMS: Stack Emission Management System)과 유관기관을 통해 입수되며, 기존의 체계를 유지하여 등록 형식으로 변환한 후 CAPSS 시스템을 이용하여 구축된다. 입수된 활동자료는 1) 입수자료와 등록 결과의 비교, 2) 전년도 자료와 비교, 3) 유사 자료와의 비교를 통해 오류를 검토한다. 개별 배출원에 적용되는 활동자료의 자세한 검토방법은 국가 대기오염물질 배출량 기초자료구축을 위한 표준업무절차서를 통해 정의되어 있다 (NIER, 2019). 이처럼 국내에서도 배출 인벤토리 작성에 있어 개별 배출원에서 사용되는 활동자료의 QA/QC를 통해 활동자료의 유효성을 검증하고 있다.

CAPSS의 대기오염물질 배출량에 대한 불확도 평가는 KEITI (2014) 연구와 NAIR (2021) 연구에서 각각 2008년, 2017년 배출자료를 기준으로 DARS (Data Attribute Rating System) 평가방법을 이용하여 진행되었다.

DARS 평가방법은 배출자료의 신뢰도에 영향을 주는 속성을 측정의 정합성, 오염원의 대표성, 공간 및 시간 속성의 적합성 등 4가지로 구분하여 배출계수와 활동자료의 불확도를 평가하는 방법이다. 위 연구를 통해 2008년과 2017년의 배출원에 따른 배출계수 및 활동도, 배출량 불확도를 정량적으로 평가하였다. 배출 기여도와 불확도 크기가 큰 배출원일수록 개선 작업에 의한 효과가 크게 나타나 배출자료 신뢰도 개선에 기여할 수 있다 (Kim and Jang, 2014).

배출 기여도 가중치 불확도=배출량 기여도 (%)×불확도 크기
　
불확도 크기=(1-불확도 평가점수)

표 4는 2017년 CAPSS를 대상으로 배출원별 불확도 평가 결과와 배출 기여도를 고려한 배출 기여도 가중치 불확도 평가 결과를 나타낸다. 이를 통해 물질별, 분류별 불확도 개선 우선순위를 도출하였다. 이러한 DARS 평가방법은 배출량 산정 인자들에 대한 불확도를 정량화하는 것으로 순방향 방식 중 정성적 방법과 정량적 방법의 중간 정도라고 볼 수 있다.

Table 4.

Prioritization of uncertainty improvement by pollutant and emission source considering emission contribution.

3. 3 국내외 배출자료의 신뢰도 비교 평가

최근 미세먼지를 포함한 대기오염 문제가 환경 문제를 넘어 사회적 문제로 변화되고 있다. 이에 국내 대기오염물질 배출량을 정량적으로 확인할 수 있는 CAPSS 인벤토리의 과학적, 정책적 역할에 대한 기대감이 커짐과 동시에 신뢰성에 대한 우려가 공존하는 상태이다. 본 절에서는 우리나라 CAPSS 인벤토리와 국외 배출자료의 신뢰성에 대해 비교·분석한 연구를 조사하여 CAPSS 인벤토리의 신뢰성 수준을 파악하였다.

Lim (2009)은 DARS 평가방법을 이용하여 동아시아 지역의 배출 인벤토리와 CAPSS 인벤토리의 신뢰도를 비교하였다. 이때, 비교 대상 인벤토리로는 아시아를 대상으로 한 TRACE-P 인벤토리를 선정하였으며, TRACE-P 인벤토리 내 아시아 국가 가운데 우리나라에 장거리 이동오염의 영향을 주는 중국, 일본, 한국을 중심으로 비교하였다. 표 5는 CAPSS와 TRACE-P (중국, 일본, 한국)의 DARS 평과 결과를 나타낸다. DARS 점수는 0점에서 1점 사이의 값을 가지며, 1점에 접근할수록 배출목록의 신뢰도가 높음을 의미한다.

Table 5.

Assessment of Substance-Specific DARS Results for CAPSS and TRACE-P Inventories.

DARS 평가 결과를 이용하여 TRACE-P 인벤토리와 CAPSS 인벤토리의 불확도를 비교해 보면 CAPSS 인벤토리는 TRACE-P의 중국 인벤토리보다는 불확도가 낮고, 일본 인벤토리와는 비슷한 수준을 나타내었다. 더불어 CAPSS 인벤토리는 최신 배출 인벤토리일수록 불확도가 감소하는 것을 확인할 수 있다. 그림 1을 보면 CAPSS 2001, 2006에서는 NH₃ 부문에서 가장 낮은 점수를 나타내며, TRACE-P 인벤토리에서는 OC와 BC 부문에서 가장 낮은 점수를 나타낸다. 이는 CAPSS에서는 NH₃의 불확도 개선이, TRACE-P에서는 OC와 BC의 불확도 개선이 상대적으로 중요함을 의미한다.

Fig. 1.

Comparison of DARS scores between CAPSS and TRACE-P inventories (Lim, 2009).

위와 같이 국내외 배출 인벤토리의 불확도를 비교함으로써 국내 인벤토리의 신뢰성 평가와 함께 신뢰도 수준을 파악할 수 있다. 더불어 불확도의 상대적인 비교가 가능하여 향후 어느 부문의 불확도 개선에 집중해야 하는지 파악할 수 있다. 이처럼 국내 배출자료의 신뢰도를 평가하고 검증하는 다양한 연구를 통해 배출자료의 불확도를 줄여 나간다면 인벤토리 자체뿐 아니라 활용성 차원에서도 더 개선된 국내 배출자료를 작성할 수 있을 것으로 기대된다.

4. 관측 자료를 이용한 국내 배출목록의 평가

4. 1 배출-농도 관계에서의 배출량 불확도

배출량 자료는 산정 단계에서의 평가와는 별도로, 대기질 모사를 통해 배출량을 농도로 환산하고, 이를 관측자료와 비교하는 간접적인 방법으로도 평가가 가능하다. 본 절에서는 국내에서 수행된 관련 선행 연구를 토대로 국내 배출량 자료의 불확도를 우선 정리해 보았다. 배출량은 산정 시기에 따라 배출계수와 활동도 등에서 달라질 수 있는 바, 본 연구에서는 선행 연구에서 도출된 불확도 자체보다는 개선 방안을 제시하는 데 초점을 두었다.

일반적으로 특정 대상 지역의 대기질 개선 대책 수립을 위해서는 해당 지역의 대기오염에 대한 현상학적 이해 (conceptual modeling)가 우선되어야 하며, 주요 오염원에 대한 기여도 분석을 기반으로 배출량 저감에 따른 대기오염물질의 농도 변화를 예측할 수 있어야 한다 (U.S EPA, 2018). 대상 지역의 배출 특성 (주요 배출원, 배출물질 등)을 고려하여 대기질 변화를 예측하기 위해 대기화학모형이 이용될 수 있다 (Tessum et al., 2022). 다만, 대기질 모사의 정확도는 기상을 제외하면 입력되는 배출 입력자료의 영향을 가장 크게 받으므로, 대기질 개선정책 효과 예측에 있어 배출량의 정확도는 매우 중요하다.

국내에서 대기질 개선 대책 수립을 위한 대기질 모사에서는 주로 국가 배출목록이 배출량 자료로 이용되며, 국가 배출목록은 배출계수 개선, 누락 배출원 발굴 등을 통해 그 정확도가 꾸준히 향상되어 왔으나 (Choi et al., 2021), 꾸준한 불확도 개선은 요구된다. 기존 연구에서 국내 기초 지자체에 대한 CAPSS 2016 배출목록 기반의 대기질 모사 수행평가 결과를 살펴보면 (표 6), 많은 시도에서 농도 편차 (=모사농도-관측농도)가 Emery et al. (2017)이 권고하는 수준을 만족하나, 일부 시도의 경우 대상 물질 농도에 대한 과대 또는 과소 모사를 보인다. 선행 연구에서는 이러한 오차 요인이 대부분 배출목록의 불확실성에서 유발된 것으로 평가하였다.

Table 6.

Mean biases of annual mean PM2.5, NO2, and SO2 concentrations simulated with CMAQ utilizing the CAPSS2016 emissions inventories in previous studies.

표 6에서 주목할 만한 다른 한 가지는 제시된 대상물질에 대한 불확도는 지자체별로 차이를 보인다. 대기질 모사의 불완전성을 고려하더라도 관측농도와 모사농도의 편차가 바로 이웃한 시도에서 다른 양상을 보이는 것은 배출량의 과대 또는 과소 산정이 시도별로 다를 수 있음을 의미한다. 예를 들어, 표 4에서 수도권에 위치한 경기도에 대한 NO₂의 모사 편차는 -0.7 ppb인 반면, 이웃한 서울과 인천에서는 각각 5.3, 5.8 ppb로 상대적으로 크다. 다른 예로 동남권에 위치한 부산과 울산에서 SO₂에 대한 모사농도 편차는 2.4 ppb와 11.1 ppb로 현저한 차이를 보인다. O₃ 및 PM_2.5 등 2차 대기오염물질의 농도는 1차 대기오염물질과는 달리 이웃한 시도의 배출 영향이 작지 않다는 점에서, 이러한 배출량의 불확도는 해당 지자체는 물론 한 권역 내에 이웃한 지자체의 대기질 관리에 중요한 불확도로 작용할 수 있다. 따라서, 이러한 점을 고려할 때 배출목록의 작성과 평가 및 검증과정에서 향후 국내 대기질 관리의 고도화를 위해서는 보다 높은 신뢰성 확보가 필요할 것으로 예상된다. 특히, 국내의 경우 국토 면적이 좁아 지자체 간 상호 배출 영향이 다른 나라와 비교하여 작지 않을 것으로 예상된다. 따라서 향후 엄격한 대기환경기준 적용 시, 지자체 간 상호 영향은 미국의 선린 조항과 같이 주요한 이슈로 부각될 수 있다 (Kim et al., 2018). 이러한 상황에서, 대기질 개선정책 수립 및 효과 예측에 있어 정확한 배출량 정보를 확보하는 것은 대기환경권역관리 차원에서도 중요한 문제가 될 수 있다.

4. 2 관측자료에 기반한 하향식 배출정보 평가

지상-항공-우주를 망라하는 종합관측캠페인은 배출정보의 불확실성을 평가하는 좋은 기회가 된다. 2016년 국립환경과학원과 미국의 항공우주국이 진행한 ‘한-미 협력 국내 대기질 공동 조사 (KORUS-AQ Aircraft field campaign)’ 연구에서는 다양한 역방향 방식을 통해 배출자료의 신뢰도를 평가하였다 (NIER and NASA, 2020).. 먼저 배출 인벤토리를 개선하고, 개선된 배출 인벤토리와 관측치를 비교하여 배출량을 평가하였는데, 이때 배출 인벤토리는 KORUS-AQ 총 연구기간 동안 업데이트된 활동자료와 관측 및 모델링 연구 커뮤니티의 피드백을 통해 KORUSv.1에서 v.5로 개선되었다. 개선된 KORUSv.5 배출 인벤토리와 KORUS-AQ 관측 결과를 사용한 모델 모의값 비교 결과, 물질 (SO₂, NO_x 및 방향족 VOC (toluene)등)에 따라 큰 영향을 받는 오염원과 상향식 인벤토리에서 개선되어야 할 배출원을 파악하였다. 더불어 여러 대기질 모델을 상호 비교하여 개별 모델에 따라 오염물질과 분포의 신뢰도가 달라질 수 있음을 확인하였다 (그림 2).

Fig. 2.

Comparison of DC 8 observations with model simulations for SO2 (left), NOx (center) and toluene (right) in the lower atmosphere over the Seoul metropolitan area during KORUS AQ (Park et al., 2021).

KORUS-AQ 캠페인 기간 중 배출원 할당 (Source apportionment) 기법을 사용하여 서울의 VOC 주요 배출원을 확인하였다. 그 결과, KORUS-AQ 기간 동안 서울에서 측정된 VOC의 주요 배출원은 장거리 이동 배출원 (20%), 차량 배기가스 배출원 (21%), 페인트 용제 및 청정연료 배출원 (32%) 및 비-페인트 용제 배출원 (20%)이 혼합된 것으로 계산되었다 (그림 3). 이는 유기용제 사용으로 인한 배출량이 총 VOC 배출량의 50% 이상을 차지하는 CAPSS 배출 인벤토리에 대한 과대/소 평가 가능성을 제시한다.

Fig. 3.

Source apportionment results for selected VOCs measured over Seoul during KORUS-AQ (Simpson et al., 2020).

Lee et al. (2017)은 국립환경과학원의 PM_2.5 측정 농도와 여러 조건의 대기화학 모델링을 이용하여 추정한 PM_2.5 농도를 평가하여 모델링 결과에 영향을 끼치는 요인들을 분석하였다 (그림 4). Fried et al. (2020)은 항공기 측정을 통해 국내 대산 석유화학단지에서 발생하는 VOC 배출량을 정량화하고, 상향식 인벤토리와 비교하였다. 그 결과, 하향식 방식을 통해 추정한 배출량은 상향식 배출량보다 2.9±0.6배 더 높은 것으로 나타났다 (그림 5). Kwon et al. (2021)은 KORUS-AQ 동안 관측자료를 이용하여 배출량을 역추적하는 하향식 방법을 이용하여 대산 석유화학단지의 NMVOC 배출량을 평가하였다. 이때 NMVOC 배출량은 Formaldehyde (HCHO) 관측치를 사용하여 추정하였으며, 그 결과 대산의 상향식 VOC 배출량이 4.0±2.3배 정도 낮다고 평가하였다 (그림 6). 이는 Fried et al. (2020)의 연구 결과로 도출된 오차범위와 상당히 비슷하였다. 위와 같은 KORUS-AQ 연구 결과들은 관측 결과를 사용하여 배출 인벤토리 개선할 수 있음을 보여줌으로써 관측자료를 통한 상향식 배출량에 대한 평가 즉 하향식 방식의 활용성을 보여준다. 위의 사례들을 통해 국내에서도 순방향 방식 (DARS 평가방법)과 역방향 방식 (KORUS-AQ 연구)을 이용하여 배출자료의 신뢰도를 개선하고 평가하기 위한 연구가 꾸준히 진행되고 있음을 확인하였다.

Fig. 4.

Comparison of measured PM2.5 concentration and estimated PM2.5 concentration using modeling of various conditions (Lee et al., 2017).

Fig. 5.

Comparison of top-down and bottom-up VOC emission estimates through aircraft observations of Daesan during KORUS-AQ (Fried et al., 2020).

Fig. 6.

Comparison of top-down and bottom-up HCHO emission estimates of Daesan during KORUS-AQ (Kwon et al., 2021).

4. 3 농도-노출 연구를 위한 배출량 자료 고도화

대기질 관리의 궁극적인 목표는 대기오염물질에 대한 인체 노출을 최소화하고, 이를 통한 건강 증진에 있다. Egerstrom et al. (2023)에 의하면 서태평양지역에서 한국은 대기질 관리에 따른 건강편익이 높은 지역으로 분류된다. 이를 현실화하기 위해서는 대기오염물질의 배출 부문별, 물질별 방지 비용과 편익 효과 등을 분석할 수 있는 체계가 마련되어야 하며, 배출 지역별, 부문별, 물질별 고도화된 배출량 자료가 준비되어야 한다. 이러한 과정에는 상당한 시간과 노력이 필요하며, 이를 지원할 수 있는 행정체계가 준비되어야 한다. 그림 7은 상향식으로 산정되는 국내 배출목록의 개선과 아울러 국내 대기환경에 대한 이해와 인체 노출 및 기여도 분석을 통한 배출원 관리 대책 수립과정에서 배출량-관측-대기질 모사가 어떻게 연계되어야 하는지 제시한다.

Fig. 7.

A conceptual diagram of updating domestic emissions inventory utilizing air quality simulation and observation.

미 환경청에서는 State Implementation Plan 수립 시 이용되는 배출량의 불확도를 줄이기 위해 배출목록의 작성 단계에서부터 다양한 검증 절차를 적용하고 있다 (Kim et al., 2019, 2018). 또한, 배출량 자료의 불확도를 고려하여 상향식 배출량 기반의 대기질 모사 결과에 Relative Reduction Factor를 적용하는 등의 후처리과정을 통해 정책 효과를 예측하고 있다 (U.S EPA, 2018). 즉, 배출량 자료를 대기질 대책 수립에 이용하기 이전 단계에서 최대한 불확도를 줄이는 노력이 필요하다. 알려진 바와 같이 국내 지역별로 주요 배출원이 다르며, 그에 따라 지자체별로 주요 배출물질과 배출량의 불확도 역시 차이를 보일 수밖에 없다. 따라서, 지역별 배출 특성을 고려한 배출량의 평가를 통해 혹시 있을 누락배출원을 발굴하고, 함께, 배출계수 및 활동도 등에 대한 검토를 장단기적인 농도 현황 및 변화 추세에 대비하여 비교 분석할 수 있는 체계를 마련하는 것이 필요해 보인다. 이를 통해 지역 대기질을 설명할 수 있는, 그리고 대기질 개선대책 마련 시 기초가 되는 신뢰할 수 있는 배출량 자료를 확보할 수 있을 것으로 기대된다.

최근 국내의 경우에도 환경부 국가미세먼지정보센터에서는 국가 배출목록에 대한 불확도를 개선하기 위한 노력의 일환으로 2016~2020년 기간에 대해 CAPSS 배출목록을 재산정하였다 (환경부 보도자료). 이러한 배출목록의 재산정과정은 국내 대기오염 현황을 보다 객관적으로 설명할 수 있는 자료를 구축하고 활용한다는 점에서 고무적이다. 그러나, 배출목록과 관련된 모든 불확도를 일시에 해소하기는 쉽지 않다. 특히, 배출목록상의 배출량이 국내 대기질을 설명하는데 얼마나 정확한지를 평가하는 과정에는 배출목록을 작성하는 단계에 대한 QA/QC뿐 아니라, 대기질 관측과 모사 등 배출량이 농도로 전환된 후에 대한 2차적인 평가 등 다각적인 접근이 필요하다. 국내에서도 국가 배출목록에 대한 평가와 검증 노력은 일부 있었으나 (Kim et al., 2023; Bae et al.., 2020a; Kim et al., 2020; Lee et al., 2020), 지속적인 평가와 이를 통한 배출량 산정 개선으로 이어진 경우는 드물다. 이러한 배출량 평가에는 상시적인 지표 관측 외에 집중적인 더 많은 화학종을 항공 및 위성 관측 등을 통해 일정 고도 이상에서 측정하는 것과, 중간 물질의 측정 등이 포함되어야 하며, 이를 이용한 해석과 논의과정 역시 중요하다.

한편, 국내에서 대기환경기준을 크게 초과하는 PM_2.5와 오존은 장거리 이동이 가능한 물질이다. 따라서, 이들 물질의 농도 관리를 위해서는 국내 배출량에 대한 정확한 산정과 함께, 중국과 북한 등 풍상에 위치한 국외 배출량의 동향을 파악하는 것이 중요하다 (Bae et al., 2022; Bae and Kim., 2022; Chong et al., 2022). PM_2.5를 비롯한 국내 대기오염물질 농도에 중국의 배출량이 중요한 영향을 미친다는 것은 잘 알려져 있다 (Bae et al., 2020c; Bae et al., 2019, 2017). 최근 중국의 대대적인 배출량 감소정책 시행은 중국뿐만 아니라 국내 대기오염물질 농도 감소에도 영향을 주었다 (Bae et al., 2020b). 이는 국내 대기질 개선에 고무적인 상황이라고 판단되나, 풍하 지역인 국내에서는 풍상에 배출량과 농도 변화에 대한 지속적인 관찰 및 자료 확보가 필요하다. 한편, 우리나라와 맞닿아 있는 북한의 경우 경제발전과 산업화가 진행될 경우 현재에 비해 배출량이 증가할 것으로 예상된다. 따라서, 북한 배출량의 변화를 예측하고 국내 대기질에 얼마나 영향을 미칠 것인지 선제적으로 분석하는 것이 필요해 보인다. 또한, 지역 간 대기오염물질의 유출입 및 2차 생성과 제거과정 등을 설명할 수 있는 배출량을 마련하는 것이 국내로서는 중요해 보인다.

5. 대기오염 배출자료의 개선과 발전 방향

6. 결론과 제언

본 연구에서는 현재 국가 대기오염 배출자료를 제공하고 있는 대기정책지원시스템 (CAPSS)을 중심으로 국내·외 배출량 산정방법과 신뢰도 평가방법을 비교 분석하였고, 모델링과 관측자료를 이용하여 국내 배출량의 수준을 평가하였으며, 국가 대기오염물질 배출자료를 개선하기 위한 전략을 제안하였다.

우리나라의 CAPSS 인벤토리 불확도를 아시아의 타 국가 인벤토리의 수준과 비교해 보면 TRACE-P의 중국 수준보다는 낮고, 일본의 배출량 불확도와 비슷한 수준을 나타내었다. 최근 CAPSS 인벤토리에 대한 배출자료 불확도 연구에 따르면 우리나라 인벤토리의 농업 (분뇨관리), 유기용제사용 (도장시설), 비산먼지 (도로재비산), 도로이동오염원 (승용차, 화물차) 등의 배출 불확도가 상대적으로 높은 것으로 나타났다. 하지만 누락 배출원과 같이 존재하지 않는 배출원으로 인한 배출 불확도에 대한 평가는 불가능하고, 자연 배출원과 같이 그 산정 인자가 이질적인 배출원에 대해서도 평가가 어렵기 때문에, 이를 극복할 수 있는 추가적인 방법론이 필요하다.

장기모사 결과를 바탕으로 전반적인 배출량 특성을 검토하였을 때, PM₁₀과 같이 과소평가되는 대기오염물질의 경우 지역별로 고려되지 않은 배출 오염원 및 배출계수, 활동도에 대한 보완이 필요한 것으로 판단된다. PM_2.5의 경우에는 PM₁₀에 비해 모사 정확도가 높게 나타나지만, 과대 또는 과소평가되는 성분에 대한 개선이 필요한 것으로 판단된다. NO₂의 경우 연평균 농도는 관측자료와 유사한 수준으로 모의되나, 계절별 변동에서는 다소 차이를 보이는데, 이는 연평균으로 산정되는 배출량을 월별로 시간 할당하는 과정에서 불확도가 있을 수 있음을 시사한다. 따라서 배출량 목록의 개발 단계에서뿐만 아니라 SMOKE 등 이용 단계에서의 개선도 병행되어야 할 것으로 판단된다. 휘발성 유기화합물질 (VOCs)에 대한 평가는 도심 지역과는 달리 여수 등 산단 밀집지역에 대한 과소 모의가 두드러지게 나타나, 비산 배출량 및 생산공정에 대한 VOC 배출량 검토가 필요함을 시사한다. 위성 관측자료를 바탕으로 검토한 경우에도 누락된 오염원이 존재하는 것으로 판단되었다.

본 연구에서는 다양한 방법으로 국내 배출목록을 평가하였으며, 전반적으로 대기오염물질의 배출량이 과소평가됨을 확인하였다. 국가 대기오염배출량 산정시스템의 효율성을 높이고 배출자료의 신뢰도를 높이기 위하여 현재 과소평가되고 있는 것으로 추정되는 CO와 VOC 배출자료에 대한 개선 작업이 필요하고, 대기오염 배출자료의 공식자료와 연구용 자료로 이원화, 배출량 산출방법 개선에 따른 과거 배출자료에 대한 지속적인 재산정 작업을 제안하였다.

Acknowledgments

이 논문은 2022학년도 건국대학교의 연구년교원 지원에 의하여 연구되었습니다.

This paper was written as part of Konkuk University’s research support program for its faculty on sabbatical leave in 2022.

References

• Bae, C., Kim, B.-U., Kim, H.C., Yoo, C., Kim, S. (2019) Long-Range Transport Influence on Key Chemical Components of PM_2.5 in the Seoul Metropolitan Area, South Korea, during the Years 2012-2016, Atmosphere, 11(1). [https://doi.org/10.3390/atmos11010048]
• Bae, C., Kim, E., Kim, B.-U., Kim, H.C., Woo, J.-H., Moon, K.-J., Shin, H.-J., Song, I.H., Kim, S. (2017) Impact of Emission Inventory Choices on PM₁₀ Forecast Accuracy and Contributions in the Seoul Metropolitan Area, Journal of Korean Society for Atmospheric Environment, 33(5), 497-514. [https://doi.org/10.5572/kosae.2017.33.5.497]
• Bae, C., Kim, H.C., Kim, B.U., Kim, S. (2020a) Surface ozone response to satellite-constrained NO_x emission adjustments and its implications. Environmental Pollution, 258, 113469. [https://doi.org/10.1016/j.envpol.2019.113469]
• Bae, M., Kim, B.-U., Kim, H.C., Jung, H.W., Kim, S. (2022) An observation-based adjustment method of regional contribution estimation from upwind emissions to downwind PM_2.5 concentrations, Environment International, 163, 107214. [https://doi.org/10.1016/j.envint.2022.107214]
• Bae, M., Kim, B.-U., Kim, H.C., Kim, J., Kim, S. (2020b) Role of Emissions and Meteorology in the Recent PM_2.5 Changes in China and South Korea from 2015 to 2018, Environmental Pollution, 270, 116233. [https://doi.org/10.1016/j.envpol.2020.116233]
• Bae, M., Kim, B.-U., Kim, H.C., Kim, S. (2020c) A Multiscale Tiered Approach to Quantify Contributions: A Case Study of PM_2.5 in South Korea During 2010-2017, Atmosphere, 11(2), 141. [https://doi.org/10.3390/atmos11020141]
• Bae, M., Kim, E., You, S., Son, K., Kang, Y.-H., Kim, S. (2021) Local Authority Level Source Apportionments of PM_2.5 Concentrations based on the CAPSS 2016: (VII) Seoul, Journal of Korean Society for Atmospheric Environment, 37(3), 466-486. [https://doi.org/10.5572/kosae.2021.37.3.466]
• Bae, M., Kim, S. (2022) Adjustment of Foreign Emission Impacts on Provincial PM_2.5 Concentrations in South Korea based on Upwind Observations and Estimation of Domestic Emission Uncertainty, Journal of Korean Society for Atmospheric Environment, 38(4), 624-636. [https://doi.org/10.5572/kosae.2022.38.4.624]
• Choi, S.-w., Bae, C.-h., Kim, H.-c., Kim, T., Lee, H.-k., Song, S.-j., Jang, J.-p., Lee, K.-b., Choi, S.-a., Lee, H.-j., Park, Y., Park, S.-y., Kim, Y.-m., Yoo, C. (2021) Analysis of the National Air Pollutant Emissions Inventory (CAPSS 2017) Data and Assessment of Emissions based on Air Quality Modeling in the Republic of Korea, Asian Journal of Atmospheric Environment, 15(4), 114-141. [https://doi.org/10.5572/ajae.2021.064]
• Chong, H., Lee, S., Cho, Y., Kim, J., Koo, J.H., Kim, Y.P., Kim, Y., Woo, J.H., Ahn, D.H. (2022) Assessment of air quality in North Korea from satellite observations, Environment International, 171, 107708. [https://doi.org/10.1016/j.envint.2022.107708]
• Egerstrom, N., Rojas-Rueda, D., Martuzzi, M., Jalaludin, B., Nieuwenhuijsen, M., So, R., Lim, Y.H., Loft, S., Andersen, Z.J., Cole-Hunter, T. (2023) Health and economic benefits of meeting WHO air quality guidelines, Western Pacific Region, Bulletin of the World Health Organ, 101(2), 130-139. [https://doi.org/10.2471/BLT.22.288938]
• Emery, C., Liu, Z., Russell, A.G., Odman, M.T., Yarwood, G., Kumar, N. (2017) Recommendations on statistics and benchmarks to assess photochemical model performance, Journal of Air & Waste Management Association, 67(5), 582-598. [https://doi.org/10.1080/10962247.2016.1265027]
• Fioletov, V., McLinden, C.A., Kharol, S.K., Krotkov, N.A., Li, C., Joiner, J., Moran, M.D., Vet, R., Visschedijk, A.J.H., Denier van der Gon, H.A. (2017) Multi-source SO₂ emission retrievals and consistency of satellite and surface measurements with reported emissions, Atmospheric Chemistry and Physics, 17(20), 12597-12616. [https://doi.org/10.5194/acp-17-12597-2017]
• Fioletov, V.E., McLinden, C., Krotkov, N., Li, C. (2015) Lifetimes and emissions of SO₂ from point sources estimated from OMI, Geophysical Research Letters, 42(6), 1969-1976. [https://doi.org/10.1002/2015GL063148]
• Fried, A., Walega, J., Weibring, P., Richter, D., Simpson, I.J., Blake, D.R., Blake, N.J., Meinardi, S., Barletta, B., Hughes, S.C., Crawford, J.H., Diskin, G., Barrick, J., Hair, J., Fenn, N., Wisthaler, A., Mikobiny, T., Woo, J.H., Park, M.W., Kim, J.S., Min, K.E, Jeong, S.H., Wennberg, P.O., Kim, M.J., Crounse, J.D., Teng, A.P., Bennett, R., Yang-Martin M., Shook, M.A., Huey, G., Tanner, D., Knote, C., Kim, J.H., Park, R.J., Brune, W. (2020) Airborne formaldehyde and volatile organic compound measurements over the Daesan petrochemical complex on Korea’s northwest coast during the Korea-United States Air Quality study Estimation of emission fluxes and effects on air quality, Elementa: Science of the Anthropocene, 8(1), 121. [https://doi.org/10.1525/elementa.2020.121]
• Gyeonggi Research Institute (GRI) (1999) Computerization of air pollutant emission data and establishment of improvement measures.
• Kang, Y.-H., You, S., Kim, E., Bae, M., Son, K., Kim, S. (2021a) Local Authority-Level Source Apportionments of PM_2.5 Concentrations based on the CAPSS 2016: (VIII) Busan and Gyeongnam, Journal of Korean Society for Atmospheric Environment, 37(6), 871-890. [https://doi.org/10.5572/kosae.2021.37.6.871]
• Kang, Y.-H., You, S., Son, K., Kim, E., Bae, M., Kim, S. (2021b) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (V) Ulsan, Journal of Korean Society for Atmospheric Environment, 37(3), 487-511. [https://doi.org/10.5572/kosae.2021.37.3.487]
• Kim, B.-U., Kim, H.C., Kim, S. (2018) Review of Particulate Matter Management in United States, Journal of Korean Society for Atmospheric Environment, 34(4), 588-609. [https://doi.org/10.5572/kosae.2018.34.4.588]
• Kim, B.-U., Kim, H.C., Kim, S. (2019) Review on Ozone Management in US and Recommendations for Domestic Ozone Control, Journal of Korean Society for Atmospheric Environment, 35(3), 370-394. [https://doi.org/10.5572/kosae.2019.35.3.370]
• Kim, E., You, S., Bae, M., Kang, Y.-H., Son, K., Kim, S. (2021a) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (IV) Jeollabuk-do, Journal of Korean Society for Atmospheric Environment, 37(2), 292-309. [https://doi.org/10.5572/kosae.2021.37.2.292]
• Kim, H.C., Kim, S., Lee, S.-H., Kim, B.-U., Lee, P. (2020) Fine-Scale Columnar and Surface NO_x Concentrations over South Korea: Comparison of Surface Monitors, TROPOMI, CMAQ and CAPSS Inventory, Atmosphere, 11(1), 101. [https://doi.org/10.3390/atmos11010101]
• Kim, J., Jang, Y.-K. (2014) Uncertainty Assessment for CAPSS Emission Inventory by DARS, Journal of Korean Society for Atmospheric Environment, 30(1), 26-36, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2014.30.1.026]
• Kim, J., Seo, B.K., Lee, T., Kim, J., Kim, S., Bae, G.N., Lee, G. (2023) Airborne estimation of SO₂ emissions rates from a coal-fired power plant using two top-down methods: A mass balance model and Gaussian footprint approach, Science of The Total Environment, 855, 158826. [https://doi.org/10.1016/j.scitotenv.2022.158826]
• Kim, S., Son, K., You, S., Bae, M., Kang, Y.-H., Kim, E., Kim, S. (2022) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (IX) Gyeongsangbuk-do, Journal of Korean Society for Atmospheric Environment, 38(2), 237-257. [https://doi.org/10.5572/kosae.2022.38.2.237]
• Kim, S., You, S., Kang, Y.-H., Kim, E., Bae, M., Son, K., Kim, Y., Kim, B.-U., Kim, H.C. (2021b) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (II) Incheon, Journal of Korean Society for Atmospheric Environment, 37(1), 144-168. [https://doi.org/10.5572/kosae.2021.37.1.144]
• Kim, S., You, S., Kim, E., Kang, Y.-H., Bae, M., Son, K. (2021c) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (III) Jeollanamdo, Journal of Korean Society for Atmospheric Environment, 37(2), 206-230.
• Korea Environmental Industry & Technology Institute (KEITI) (2014) Improvement of Air Pollution Emission Inventory and Its Reliability. (accessedonAug.17,2023). [https://doi.org/10.23000/TRKO201500001376]
• Korea Institute of Energy Research (KIER) (2000) Research on Emission estimation Methods and Non-Road Emission Factors.
• Korea Institute of Energy Research (KIER) (2001) Estimation of emissions from mobile pollutants (including non-road mobile).
• Kurokawa, J., Ohara, T. (2020) Long-term historical trends in air pollutant emissions in Asia: Regional Emission inventory in ASia (REAS) version 3, Atmospheric Chemistry and Physics, 20(21), 12761-12793. [https://doi.org/10.5194/acp-20-12761-2020]
• Kwon, H.A., Park, R.J., Oak, Y.J., Nowlan, C.R., Janz, S.J., Kowalewski, M.G., Freid, A., Walega, J., Bates, K.H., Choi, J.K., Blake, D.R., Wisthaler, A., Woo, J.H. (2021) Top-down estimates of anthropogenic VOC emissions in South Korea using formaldehyde vertical column densities from aircraft during the KORUS-AQ campaign, Elementa: Science of the Anthropocene, 9(1), 00109. [https://doi.org/10.1525/elementa.2021.00109]
• Lamsal, L.N., Duncan, B.N., Yoshida, Y., Krotkov, N.A., Pickering, K.E., Streets, D.G., Lu, Z. (2015) US NO₂ trends (2005-2013): EPA Air Quality System (AQS) data versus improved observations from the Ozone Monitoring Instrument (OMI), Atmospheric Environment, 110, 130-143. [https://doi.org/10.1016/j.atmosenv.2015.03.055]
• Lamsal, L.N., Martin, R.V., Padmanabhan, A., Van Donkelaar, A., Zhang, Q., Sioris, C.E., Chance K., Kurosu, T.P., Newchurch, M.J. (2011) Application of satellite observations for timely updates to global anthropogenic NO_x emission inventories, Geophysical Research Letters, 38(5), L05810. [https://doi.org/10.1029/2010GL046476]
• Lee, H.M., Park, R.J., Henze, D.K., Lee, S., Shim, C., Shin, H.J., Moon, K.H., Woo, J.H. (2017) PM_2.5 source attribution for Seoul in May from 2009 to 2013 using GEOS-Chem and its adjoint model, Environmental Pollution, 221, 377-384. [https://doi.org/10.1016/j.envpol.2016.11.088]
• Lee, J.S., Lee, C.D., Kwon, M.J. (2020) A Study of Uncertainty on BFM Method with Variations in Reduction of Emissions to Estimate Source Contributions of Cargo Ships, Journal of Korean Society for Atmospheric Environment, 36(6), 757-773. [https://doi.org/10.5572/kosae.2020.36.6.757]
• Lim, O.J (2009) Uncertainty Analysis of Emission Inventories in Support of Air Quality Management for Seoul Metropolitan Area, Domestic Master’s Thesis Konkuk University Graduate School. http://www.riss.kr/link?id=T11714701&outLink=K
• McLinden, C.A., Fioletov, V., Shephard, M.W., Krotkov, N., Li, C., Martin, R.V., Moran, M.D., Joiner, J. (2016) Space-based detection of missing sulfur dioxide sources of global air pollution, Nature Geoscience, 9(7), 496-500. [https://doi.org/10.1038/NGEO2724]
• Ministry of Environment (MOE) (1995) Research on the development of research methods and research guidelines for area and mobile source pollutants.
• National Air Emission Inventory and Research Center (NAIR) (2021) Clean Air Policy Support System (CAPSS) evaluation and validation research (I).
• National Institute of Environmental Research (NIER) (1993) Estimation of Emission Factor and Air Pollutant Emission by Motor Vehicles.
• National Institute of Environmental Research (NIER) (2005) A Study on Atmospheric Emission Inventory Development, and the Estimation of Air Pollutant Emission Factors and Quantity.
• National Institute of Environmental Research (NIER) (2006) Improvement of Emission Coefficient to Enhance the Reliability of Fugitive Dust Emission in CAPSS. https://ecolibrary.me.go.kr/nier/#/search/detail/166540#ik-export, (accessed on Aug. 17, 2023).
• National Institute of Environmental Research (NIER) (2007a) Estimation and Inventory of Atmospheric Ammonia Emissions (I). https://ecolibrary.me.go.kr/nier/#/search/detail/168682?offset=4, (accessed on Aug. 17, 2023).
• National Institute of Environmental Research (NIER) (2007b) Improvement of air pollution emission estimation method for road transport sector and research on future emission projection method.
• National Institute of Environmental Research (NIER) (2007c) Study on Domestic Application Strategies through the Analysis of Volatile Organic Compounds (VOC) Emission Reduction Cases in Developed Countries. https://scienceon.kisti.re.kr/commons/util/originalView.do?cn=TRKO201200011504&dbt=TRKO&rn=, (accessed on Aug. 17, 2023).
• National Institute of Environmental Research (NIER) (2008) Estimation and Inventory of Atmospheric Ammonia Emissions (II). https://ecolibrary.me.go.kr/nier/#/search/detail/5552867, (accessed on Aug. 17, 2023).
• National Institute of Environmental Research (NIER) (2009a) Research for PM_2.5 air quality standards.
• National Institute of Environmental Research (NIER) (2009b) Research on PM_2.5 emission characteristics and estimation of contribution.
• National Institute of Environmental Research (NIER) (2014) Improvement of Air Pollution Emission Inventory and Its Reliability.
• National Institute of Environmental Research (NIER) (2018) Development of national air pollutant emission evaluation method and roadmap improvement research.
• National Institute of Environmental Research (NIER) (2019) Standard work procedure for establishing basic data on national air pollutant emissions (Based on 2016 emission).
• National Institute of Environmental Research (NIER), National Aeronautics and Space Administration (NASA) (2020) KORUS-AQ Final Science Synthesis Reports, 11-1480 523-004196-01.
• Park, R.J., Oak, Y.J., Emmons, L.K., Kim, C.H., Pfister, G.G., Carmichael, G.R., Saide, P.E., Cho, S.Y., Kim, S.T., Woo, J.H., Crawford, J.H., Gaubert, B., Lee, H.J., Park, S.Y., Jo, Y.J., Gao, M., Tang, B., Stanier, C.O., Shin, S.S., Park, H.Y., Bae, C.H., Kim, E. (2021) Multi-model intercomparisons of air quality simulations for the KORUS-AQ campaign, Elementa: Science of the Anthropocene, 9(1), 00139. [https://doi.org/10.1525/elementa.2021.00139]
• Park, S.-U., Jhun, J.-G., Yoon, S.-C. (1993) A study on the calculation of pollutant emissions for long-term air pollution concentration prediction.
• Richter, A., Eyring, V., Burrows, J.P., Bovensmann, H., Lauer, A., Sierk, B., Crutzen, P.J. (2004) Satellite measurements of NO₂ from international shipping emissions, Geophysical Research Letters, 31(23), L23110. [https://doi.org/10.1029/2004GL020822]
• Simpson, I.J., Blake, D.R., Blake, N.J., Meinardi, S., Barletta, B., Hughes, S.C., Fleming, L.T., Crawford, J.H., Diskin, G.S., Emmons, L.K., Fried, A., Guo, H., Peterson, D.A., Wisthaler, A., Woo, J.H., Barré, J., Gaubert, B., Kim, J.S., Kim, M.J., Kim, Y.H., Knote, C., Mikoviny, T., Pusede, S.E., Schroeder, J.R., Wang, Y., Wennberg, P.O., Zeng, L. (2020) Characterization, sources and reactivity of volatile organic compounds (VOCs) in Seoul and surrounding regions during KORUS-AQ, Elementa: Science of the Anthropocene, 8, 37. [https://doi.org/10.1525/elementa.434]
• Son, K., Kang, Y.-H., You, S., Kim, E., Bae, M., Kim, S. (2021) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (VI) Chungcheongbuk-do, Journal of Korean Society for Atmospheric Environment, 37(3), 429-455. [https://doi.org/10.5572/kosae.2021.37.3.429]
• Streets, D.G., Bond, T.C., Carmichael, G.R., Fernandes, S.D., Fu, Q., He, D., Klimont, Z., Nelson, S.M., Tsia, N.Y., Wang, M.Q., Woo, J.-H., Yarber, K.F. (2003) An inventory of gaseous and primary aerosol emissions in Asia in the year 2000, Journal of Geophysical Research: Atmospheres, 108(D21), 8809. [https://doi.org/10.1029/2002JD003093]
• Tessum, M.W., Anenberg, S.C., Chafe, Z.A., Henze, D.K., Kleiman, G., Kheirbek, I., Marshall, J.D., Tessum, C.W. (2022) Sources of ambient PM_2.5 exposure in 96 global cities, Atmospheric Environment , 286, 119234. [https://doi.org/10.1016/j.atmosenv.2022.119234]
• U.S Environmental Protection Agency (U.S EPA) (1996) EVALUATING THE UNCERTAINTY OF EMISSION ESTIMATES Final Report VOLUME VI: Chapter 4. https://www.epa.gov/sites/default/files/2015-08/documents/vi04.pdf, (acceseed on Aug. 17, 2023).
• U.S Environmental Protection Agency (U.S EPA) (2018) Modeling Guidance for Demonstrating Air Quality Goals for Ozone, PM_2.5, and Regional Haze. https://www.epa.gov/sites/default/files/2020-10/documents/o3-pm-rh-modeling_guidance-2018.pdf, (acceseed on Aug. 17, 2023).
• Vinken, G.C.M., Boersma, K.F., van Donkelaar, A., Zhang, L. (2013) Constraints on ship NO_x emissions in Europe using GEOS-Chem and OMI satellite NO₂ observations, Atmospheric Chemistry and Physics, 13(7), 19351-19388. [https://doi.org/10.5194/acpd-13-19351-2013]
• Yoo, C. (2022) Recent national air pollutant emission estimation method and results, and data presented at the Seoul Metropolitan Area Fine Dust Forum.
• You, S., Bae, C., Kim, H., Yoo, C., Kim, S. (2020) Municipality-Level Source Apportionment of PM_2.5 Concentrations based on the CAPSS 2016: (I) Gyeonggi Province, Journal of Korean Society for Atmospheric Environment, 36(6), 785-805. [https://doi.org/10.5572/KOSAE.2020.36.6.785]
• Zhao, Y., Nielsen, C.P., Lei, Y., McElroy, M.B., Hao, J. (2011) Quantifying the uncertainties of a bottom-up emission inventory of anthropogenic atmospheric pollutants in China, Atmospheric Chemistry and Physics, 11(5), 2295-2308. [https://doi.org/10.5194/acp-11-2295-2011]