Journal of Korean Society for Atmospheric Environment
[ Technical Note ]
Journal of Korean Society for Atmospheric Environment - Vol. 37, No. 3, pp.536-551
ISSN: 1598-7132 (Print) 2383-5346 (Online)
Print publication date 30 Jun 2021
Received 26 Apr 2021 Revised 07 May 2021 Accepted 08 May 2021
DOI: https://doi.org/10.5572/KOSAE.2021.37.3.536

경상북도 대기오염물질 배출량 및 대기오염측정망 미세먼지의 농도분포 특성

황인조* ; 이태정1) ; 김태오2) ; 배귀남3)
대구대학교 환경공학과
1)경희대학교 환경학 및 환경공학과
2)금오공과대학교 환경공학과
3)한국과학기술연구원 미세먼지 범부처 프로젝트 사업단
Characteristics of Air Pollutant Emissions and Distribution for Particulate Matter Concentration of Air Pollution Networks in Gyeongsangbuk-do
InJo Hwang* ; Tae-Jung Lee1) ; TaeOh Kim2) ; Gwi-Nam Bae3)
Department of Environmental Engineering, Daegu University, Daegu, Republic of Korea
1)Department of Environmental Science and Engineering, Kyung Hee University, Yongin, Republic of Korea
2)Department of Environmental Engineering, Kumoh National Institute of Technology, Gumi, Republic of Korea
3)Center for Environmental Health and Welfare Research, Korea Institute of Science and Technology, Seoul, Republic of Korea

Correspondence to: * Tel : +82-(0)53-850-6695 E-mail : ihwang@daegu.ac.kr

Abstract

The objective of this study was to estimate the emission of eight air pollutants including PM10 and PM2.5 from 2012 to 2016, and to estimate the trends of PM10 and PM2.5 concentration using the air pollution monitoring network data in Gyeongsangbuk-do. In this study, the emission statistics provided by CAPSS were used to estimate the emissions and to analyze the emission contributions of each emission source and each air pollutant. The major emission sources of PM10 and PM2.5 in the Gyeongsangbuk-do were showed manufacturing combustion source (62% and 65%). The annual average PM10 and PM2.5 concentration trend showed decrease gradually. The monthly average PM10 and PM2.5 concentration trend showed a general seasonal concentration trend. The particulate matter emissions were estimated using the spatial analysis, and Pohang-si showed the highest emissions in TSP, PM10, and PM2.5. It is suggested that these results could be play an important role as important basic data to manage ambient air quality and establish effective emission reduction strategies in Gyeongsangbuk-do.

Keywords:

Emission, Source, PM10, PM2.5, Gyeongsangbuk-do

1. 서 론

입자상물질 (particulate matter; PM)은 해염 입자, 토양입자 등의 자연적 또는 인위적 오염원에서 직접 대기로 방출되는 1차 입자 (primary aerosol)와 연소, 소각 등에 의해 인위적으로 생성된 가스상 물질이 대기 중에서 물리적, 화학적 변환과정을 통해 입자화된 2차 입자 (secondary aerosol)로 나눌 수 있다. 입자상물질은 0.005~500 μm의 크기를 가지고 있으며 오염원의 종류에 따라 독특한 크기 범위를 가지고 있다. 일반적으로 입자상물질의 입경별 농도분포는 대략 공기 역학 직경 2.5 μm를 중심으로 쌍극 분포 (bimo­dal distribution)를 이루고 있다고 알려져 있다 (US EPA, 1999). 실제로는 대기 중으로 배출되는 입자상 오염물질은 고온 연소와 같은 작용으로 인해 3극 분포 (tri­modal distribution)를 이루고 있다 (Kim and Hwang, 2002).

(초)미세먼지에 대한 국민들의 관심은 2010년대부터 급증하여 환경문제를 넘어 사회의 재앙문제로 인식되고 있다. 이러한 관심의 급증은 여러 가지 이유가 있는데 첫 번째, 그동안 미세먼지 (PM10) 기준만 설정하였는데 2013년에 초미세먼지 (PM2.5)에 대한 대기 환경기준을 마련하고 미세먼지 예보제를 실시 (MOE, 2013)한다는 정부의 발표 때문으로 판단된다. 더불어 WHO 산하 국제암연구소 (International Agency for Research on Cancer, IARC)에서는 미세먼지 자체를 Group I 발암물질로 분류하여 (IARC, 2013) 미세먼지에 대한 국민의 관심을 증가시키는 원인이된 것으로 판단된다. PM2.5는 호흡을 통하여 폐 깊숙이 침투하여 기관지, 폐 등에 악영향을 미치며, 장기간 노출 시 면역력의 급격한 저하로 감기, 천식, 기관지염 등의 호흡기 질환은 물론 심혈관 질환, 피부 질환, 안구 질환 등 각종 질병을 유발하여 심장과 폐 관련 질환 환자의 조기 사망 등의 인체 위해성이 높다는 연구가 보고된 바 있다 (Russell and Brunekreef, 2009). 또한, 가시도를 감소시키는 등 환경 측면에서 악영향을 미치고 있다 (Song et al., 2019; Chen et al., 2016; Stafoggia et al., 2013; Pope and Dockery, 2006). 이와 같은 이유로 미국, 유럽, 중국, 일본 등의 나라에서는 PM2.5를 대기환경기준에 포함하여 관리하고 있다. 우리나라의 경우, 대기환경기준에서 PM10 기준만 설정하여 운영 중이었지만 (24시간 평균 100 μg/m3, 연평균 50 μg/m3), 2015년부터 PM2.5를 대기환경기준에 포함하여 EU, 일본과 마찬가지로 1차 기준농도와 2차 기준농도의 구분 없이 24시간 평균 50 μg/m3과 연평균 25 μg/m3로 기준농도를 설정하여 운영 중이었으나 (Han and Kim, 2015), 미세먼지에 대한 국민들의 높아진 관심으로 PM2.5 기준을 WHO나 미국 등과 같은 수준으로 강화하였다. 즉, 2018년 3월에 24시간 기준을 50에서 35 μg/m3으로, 연평균 기준을 25에서 15 μg/m3으로 강화하여 적용 중이다. 국민들은 (초)미세먼지 문제가 갈수록 더 심해진다고 생각하고 있으며, 미세먼지 농도가 이전에 비해 높아졌고 고농도 발생빈도 역시 증가하였다고 느끼고 있다 (Yeo and Kim, 2019). 즉, 정부의 발표 및 통계에 의하면 미세먼지의 농도는 낮아지는 경향이지만 국민들이 느끼는 미세먼지에 대한 체감 오염도는 오히려 증가하는 추세로, 미세먼지에 대한 국민들의 불만은 점차 증가하고 있는 실정이다.

대기관리권역을 수도권에서 중부권, 동남권, 그리고 남부권으로 확대하고, 각 권역별로 대기환경 개선 목표 및 권역별 실정을 고려한 맞춤형 대책을 포함한 권역별 대기환경관리 기본계획의 수립 및 이행을 위한 시행계획의 수립 등을 주요 내용으로 하는 대기관리권역의 대기환경개선에 관한 특별법이 2020년 5월에 시행되었다. 이에 따라 각 권역에서는 대기오염에 대한 체계적인 관리와 개선을 위한 시행 세부계획을 5년마다 수립해야 하며, 매년 시행계획의 추진실적을 보고해야 한다 (MOE, 2020). 여러 권역 중 동남권은 부산시, 대구시, 울산시 전역과 경상북도 및 경상남도 일부지역이 관리범위로 지정되었다. 경상북도의 경우는 대기오염물질 배출량이 크거나 대기오염도가 높은 지역인 포항시, 경주시, 구미시, 영천시, 경산시, 그리고 칠곡군 등을 관리대상지역으로 선정하였다. 경상북도는 총면적이 19,031 km2으로 남한 면적의 약 19% 정도를 차지하는 가장 면적이 넓은 지자체로서 행정구역은 23개 시, 군으로 구성되어 있다 (Gyeongsangbuk­do, 2019). 경상북도는 포항과 구미 등과 같은 대규모 산업단지가 위치하여 생산활동이 활발히 이루어지고 있으며, 더불어 다양한 대기오염물질 즉, PM10 및 PM2.5와 같은 입자상물질과 O3, 악취, VOC 등과 같은 가스상오염물질의 배출량도 증가하고 있는 실정이다 (Hwang and Kim, 2019). 특히, 포항의 경우는 우리나라의 대표적인 기간산업인 철강산업이 밀집되어 있는 대규모 산업단지가 위치해 있어 대기오염도가 심한 지역이다.

전술한 바와 같이 2020년에 대기관리권역의 대기환경개선에 관한 특별법이 시행되어 지방자치단체는 (초)미세먼지가 국민에게 미치는 영향을 파악하고 (초)미세먼지로부터 건강과 생명을 보호하기 위한 시행계획을 수립, 시행해야 한다. 이러한 노력은 국민들의 건강과 재산 손실 및 산업체의 경제적 손실을 최소화할 수 있으며, 대기오염 기초연구를 활성화하는 학문적 실용성을 동시에 충족시킬 수 있는 중요한 부분이다. 그러나 경상북도의 PM10 및 PM2.5 농도 경향에 대한 연구는 포항의 TSP 중 다환방향족탄화수소 및 중금속 농도분포 연구 (Baek et al., 2019) 및 PM2.5 오염 특성 평가 연구 (Baek et al., 2008), 김천지역 산업단지의 PM2.5 농도 특성에 관한 연구 (Hwang and Kim, 2019), 포항의 PM10 자동측정망 자료를 이용한 농도분포 특성 연구 (Choi and Baek, 2016), 경산지역 PM2.5의 농도특성 파악 및 오염원의 기여도 추정 연구 (Jeong and Hwang, 2015; Li and Hwang, 2015) 등이 수행된 바 있지만 주로 공업도시를 중심으로 일부 지역에 편중되어 연구가 수행되었다. 따라서 본 연구에서는 경상북도의 PM10과 PM2.5을 비롯한 대기오염물질의 배출량에 대한 고찰 및 대기오염측정망 자료를 이용한 PM10 및 PM2.5 농도 경향을 분석하고자 하였다. 이러한 연구 결과는 경상북도의 대기환경관리 기본계획의 수립 및 이행 등을 위한 중요한 기초자료로 이용할 수 있을 것이다.


2. 연구 방법

2. 1 자료의 수집 방법

본 연구에서는 경상북도의 배출원별 그리고 대기오염물질별 배출량 확인 및 배출 기여도 분석을 위하여 8개의 대기오염물질 (CO, NOx, SOx, TSP, PM10, PM2.5, VOCs, NH3)을 선정, 관리하고 있는 대기정책지원시스템 (Clean Air Policy Support System, 이하 CAPSS)에서 제공하고 있는 배출량 통계자료를 이용하였다.

또한 경상북도의 PM10 및 PM2.5 농도 경향에 대한 분석을 수행하기 위하여 경상북도의 대기오염측정망 자료를 이용하였다. 연구 대상지역인 경상북도에는 1988년 구미시 공단동에 대기오염측정망이 처음 설치된 이후, 총 38개소의 도시대기측정망이 운영 중이다 (2020년 6월 기준). 경상북도의 경우는 미세먼지 관리를 위하여 23개 시·군·구를 3개의 권역 (동부권역, 서부권역, 울릉권역)으로 관리하고 있다. 동부권역의 경우는 10개 시군 (포항시, 경주시, 경산시, 영천시, 청도군, 청송군, 영덕군, 영양군, 봉화군, 울진군 등)의 20개 대기오염측정소에서 측정이 이루어지고 있으며, 서부권역의 경우는 12개 시군 (구미시, 김천시, 안동시, 영주시, 상주시, 문경시, 예천군, 의성군, 군위군, 성주군, 고령군, 칠곡군 등)의 18개 대기오염측정소에서 측정이 이루어지고 있다 (그림 1). 경상북도의 각 지자체별 측정망 설치현황의 경우, 포항시가 총 8곳의 측정망이 설치되어 가장 많은 측정망을 보유한 지자체이며, 그 다음으로는 구미시와 경주시가 각각 4곳에 측정망이 설치되어 운영 중이다. 김천시의 경우는 총 3곳에 측정망이 설치되어 운영 중이며, 안동시를 비롯한 19개의 시군에서는 1곳의 측정망이 설치되어 대기오염물질에 대한 측정이 수행되고 있다 (표 1). 전술한 바와 같이 경상북도의 경우는 1988년에 처음으로 대기오염측정망이 설치되었으며 1990년대에는 7곳 (18.4%)에 추가 설치되었다. 2000년대에는 총 29곳에 추가로 설치가 되었으며 (76.3%) 특히, 2019년에 14곳 (36.8%), 2020년에 6곳 (15.8%)이 집중적으로 설치되었다.

Fig. 1.

Locations of the air pollution monitoring stations in the Gyeongsangbuk-do area.

Summary for the air pollution monitoring stations in the Gyeongsangbuk-do area.

2. 2 공간분포 분석 (spatial analysis)

공간분포 분석은 공간과 관련된 위치정보와 속성정보로 이루어진 공간자료 (spatial data)의 주요 패턴 및 경향을 조사하고 대상지역 내에서 이 패턴과 다른 속성과의 관계들을 분석하는 것이다. 여기서 위치정보는 보통 2차원 또는 3차원의 좌표로, 속성정보는 변수 (예: 농도값)로 표현된다. 즉, 공간분포 분석을 이용하면 동일시간에 지역적으로 상이한 측정 장소에서 측정한 자료를 평면상에서 시각적으로 표현이 가능하다 (Ju and Hwang, 2011; Rebert and Derek, 1992). 국가에서 제공하고 있는 대기오염물질 배출량 자료는 공간적으로 행정구역별 해상도로 제공하고 있지만, 공간적 해상도를 높인 공간분포 분석은 지역의 대기오염물질 배출 특성 및 미세먼지 배출지역과 배출 특성 등을 파악하는데 실용적인 자료로 활용될 수 있다.

공간분포 분석은 주로 GIS (Geographic Information System, 지리정보체계) 프로그램을 사용하며, 본 연구에서는 ArcGIS (ArcMap ver. 10.6, ESRI, USA) 프로그램을 이용하였다. GIS는 공간을 대상으로 하는 여러 정보를 수집 및 관리하기 용이하며 사용목적에 따른 다양한 분석이 가능하다. 공간분포 분석에서 먼저 GIS 데이터를 구축해야 하는데, 이를 위해서는 대기오염물질의 배출량 자료 및 미세먼지 농도 자료가 필요하다. 각 자료는 국립환경과학원의 CAPSS 자료와 한국환경공단 에어코리아에서 제공하는 경상북도 시·군·구 연도별 미세먼지 농도를 참고하였다. 참고한 자료들을 엑셀파일로 정리한 후 ArcGIS 내의 ArcCatalog 프로그램을 사용하여 GIS 파일 (shp 파일)로 변환하였다. 공간분포는 행정 구역도를 기본 데이터베이스로 하여 ArcGIS에서 사업장 및 대기오염측정망 좌표, 행정구역 코드를 기반으로 변환된 자료를 입력하였으며, TM 지도 투영법에 따라 중부원점을 기준으로 좌표를 산정하였다. 변환된 GIS 파일은 ArcMap 프로그램에서 모식화하여 나타내며 ArcGIS에서 제공하는 분석도구를 이용하여 공간분석을 수행한다.


3. 결과 및 고찰

3. 1 경상북도 대기오염물질 배출

대기오염물질 배출목록 (Air Pollutants Emission Inventory)에 근거한 대기정책지원시스템 (CAPSS)을 활용하여, 점ㆍ면ㆍ이동오염원 등에서 배출되는 8가지 대기오염물질 (CO, NOx, SOx, TSP, PM10, PM2.5, VOC, NH3)의 배출량을 매년 산정하여 대기환경개선 종합계획, 지자체 대기환경관리 시행계획 등의 근거자료 및 정책성과평가 등에 기초자료로 활용하고 있다. 배출원 분류체계는 국내 산업 분류체계와 유럽 CORINAIR 배출원 분류체계를 혼용하고 있으며, 배출원을 13개 항목의 대분류로 구분한다 (NIER, 2019).

경상북도의 연도별 (2012~2016년) 대기오염물질의 배출량 변화를 그림 2에 나타내었다. 경상북도의 연도별 배출량으로 가장 큰 변화는 2014년 이후 TSP, PM10, PM2.5 배출량의 증가이다. 2014년까지 CAPSS는 11개 대분류로 대기오염배출량을 산정하였지만, 2015년부터 기존의 11개 대분류에 비산먼지, 생물성 연소를 공식 배출원으로 추가하여 VOC, TSP, PM10, PM2.5 배출량에 큰 변화가 있었다. 또한, 2016년 기준 경상북도의 배출원별 대기오염물질 배출 현황을 살펴보면 (그림 3), CO는 생물성 연소에서 53%, 도로ㆍ비도로이동오염원에서 21%가 배출되었으며, NOx의 주 배출원은 도로ㆍ비도로이동오염원 각각 41%, 13%, 제조업연소 23%, 생산공정 14% 순으로 확인되었다. SOx는 63%가 제조업 연소, 25%가 생산 공정에서 발생하였으며, TSP는 46%가 제조업 연소, 44%가 비산먼지가 두 개의 큰 배출원으로 조사되었다. PM10과 PM2.5의 주요 배출원은 각각 제조업연소 (62%, 65%), 비산먼지 (22%, 8%), 생물성연소 (7%, 12%)로 확인되었다. PM10과 PM2.5는 입자의 크기가 작아짐에 따라 비산먼지의 배출량 비율이 감소하였고, 제조업 연소의 배출 비율이 증가하는 것으로 판단된다. VOCs는 대부분 유기용제 사용 (40%)과 에너지 수송 및 저장 (37%)에서 발생되었으며, NH3는 94%가 농업 관련 오염원에서 배출되는 것으로 조사되었다.

Fig. 2.

Annual air pollutants emission in Gyeongsangbuk-do area.

Fig. 3.

The status of air pollutant emissions by emission source in Gyeongsangbuk-do area.

2016년 기준 경상북도의 권역별 대기오염물질 배출량 현황을 그림 4에 나타내었다. 동부권역의 경우 일부 대기오염물질 (CO, VOC, NH3)을 제외한 대부분의 대기오염물질에서 다른 권역에 비해 높은 대기오염물질 배출량을 나타내었다. 동부권역의 경우 포스코 및 제철산업과 관련된 면 오염원 및 점 오염원 (산업단지와 대형 공장 등)들이 다수 위치해 있어, 제조업 연소로부터 발생하는 여러 대기오염물질의 발생량이 상당히 큰 것으로 판단된다. 서부권역은 동부권역에 비해 제조업 연소에 의한 대기오염물질 배출량의 영향이 적은 것으로 조사되었으며 생물성 연소, 기타 면 오염원, 비산먼지 등에 의한 배출 영향을 많이 받는 것으로 확인되었다 (그림 5). 울릉권역의 배출량은 동부권역과 서부권역에 비해 절대적으로 작은 것으로 조사되었다. 먼지 (TSP, PM10, PM2.5) 발생량의 경우, 동부권역에서는 제조업 연소가 60~70% 이상을 차지하고 있었으며, 서부권역에서는 비산먼지, 생물성 연소, 제조업 연소 등에서 주로 배출되는 경향을 나타내었다. 울릉권역의 경우 비산먼지, 생물성 연소, 비도로이동오염원에서 주로 PM2.5를 비롯한 먼지를 배출하는 것으로 조사되었다 (그림 5).

Fig. 4.

Annual air pollutant emissions by three regions in Gyeongsangbuk-do area.

Fig. 5.

The status of air pollutant emissions classified emission source by three regions in Gyeongsangbuk-do area.

2016년 기준 경상북도 23개 시·군·구의 대기오염물질 배출원에 대한 배출량 기여도를 분석하였으며 이를 그림 6에 나타내었다. 그림 6에는 각 시·군·구 배출량 기여도 중에서 높은 기여도를 차지하는 대분류 배출원만 표시하였다. 가장 배출량이 많은 포항시의 경우는 전체 배출량 중 57.4%가 제조업 연소에서 발생하였으며, 다음은 생산공정에서 23.8%가 발생하여 제조업 연소와 생산공정 배출량이 포항시 대기오염물질 배출량의 80% 이상을 차지하는 것으로 조사되었다. 두 번째로 높은 배출량을 나타내는 구미시의 경우는 29.3%가 제조업 연소, 18.6%가 도로이동오염원, 17.5%가 유기용제 사용에서 발생하였다.

Fig. 6.

Contribution of major emissions by air pollutant emission source of 23 local governments in Gyeongsangbuk-do in 2016 (NIC: non-industry combustion; MC: manufacturing combustion; PP: production process; OS: organic solvent; RMS: road mobile source; NRMS: non-road mobile source; AG: agriculture; FD: fusitive dust; BB: biomass burning).

산업이 발달한 도시 (포항시, 구미시 등)의 경우, 제조업 연소와 생산공정, 유기용제 사용 배출원 등이 대기오염물질 배출량에 주로 기여하는 것으로 조사되었지만, 그 외에 산업이 발달하지 않은 시·군·구와 농업 위주의 시·군·구에서는 총 배출량 의 대부분이 생물성 연소, 도로ㆍ비도로이동오염원, 비산먼지, 그리고 농업 배출원에서 주로 기여하는 것을 확인할 수 있었다. 특히, 상기의 포항시 및 구미시를 제외한 대부분의 시ㆍ군ㆍ구에서는 생물성 연소 배출원이 대기오염물질을 배출하는 주요 배출원으로 조사되어, 경상북도의 경우 대기오염물질 배출 저감 측면에서 생물성 연소 배출원에 대한 강력하고 다방면의 저감대책이 제시되고 이행되어야 할 것으로 판단된다. 경상북도의 대기오염물질 배출에 대한 저감 및 관리방안 마련을 위해서는 각 권역별, 시·군·구의 정확한 배출 특성 파악 및 분석이 선행되어야 하며 경상북도 23개 시·군·구의 대기오염물질 배출원에 대한 배출량 기여도 분석 수행 결과가 기초자료로서 중요한 역할을 할 수 있을 것으로 사료된다.

3. 2 미세먼지 (PM10) 및 초미세먼지 (PM2.5) 농도 경향

1999년부터 2019년까지의 경상북도 주요 도시의 대기오염측정망에서 측정한 PM10 평균농도를 비교하여 그림 7에 나타내었다. 다른 도시에 비해 포항이 비교적 PM10의 농도가 높은 것으로 조사되었다. PM10의 경우, 점차 평균농도가 낮아지는 경향을 보이고 있는데, 경상북도의 전체 PM10 평균농도는 2015년에 45 μg/m3, 2016년에는 40 μg/m3, 2017년은 40 μg/m3, 2018년에는 44 μg/m3, 그리고 2019년에는 39 μg/m3를 나타내어 PM10 연평균 기준 (50 μg/m3)을 초과하지는 않는 것으로 조사되었다. 또한 그림 7에 2015년부터 2019년까지의 경상북도 주요 도시의 대기오염측정망에서 측정한 PM2.5 평균농도를 비교하여 나타내었다. PM10과는 조금 다르게 PM2.5의 경우는 김천이 높은 농도를 나타내는 것으로 조사되었다 (Hwang and Kim, 2019). 또한 PM2.5의 경우는 점차 농도가 높아지는 것으로 나타나 이에 대한 관리방안 마련이 절실하다. 그러나 경상북도의 전체 PM2.5 평균농도는 2015년에 28 μg/m3, 2016년에는 23 μg/m3, 2017년은 23 μg/m3, 그리고 2018년에는 24 μg/m3, 2019년에는 20 μg/m3를 나타내어 2018년 3월에 강화된 PM2.5 연평균 기준 (25 μg/m3에서 15 μg/m3으로 강화됨)을 모두 초과하는 것으로 조사되었다.

Fig. 7.

Annual average concentration of PM10 and PM2.5 in major cities of Gyeongsangbuk-do.

경상북도 주요 도시의 2018년 월별 PM10 및 PM2.5 평균 농도를 그림 8에, 그리고 계절별 PM10 및 PM2.5 평균농도를 표 2에 나타내었다. PM10의 경우, 8개 주요 도시 모두 아주 유사한 경향을 나타내었는데 봄, 겨울철에 주로 고농도를 나타내는 것으로 조사되었고 (특히 4월에는 60.7 μg/m3, 11월에는 59.2 μg/m3로 가장 높은 농도를 나타냄), 여름철 (8월에 22.2 μg/m3로 가장 낮은 농도)에는 많은 강우량과 강우빈도의 집중에 따른 영향으로 가장 낮은 농도를 보이는 전형적인 경향을 나타내었다. 봄철과 가을철에는 황사의 영향으로 고농도 PM10이 나타난 것으로 판단되며, 겨울철의 경우 난방연료 사용의 증가로 PM10의 농도가 높게 나타난 것으로 사료된다. 또한, 경상북도 주요 도시의 2018년 월별 PM2.5 평균 농도는 PM10의 경우와 조금 다른 경향을 나타내었다. 1월에 33.9 μg/m3로 높은 농도값을 보이다가 8월 (최저농도 12.6 μg/m3)까지 계속 농도값이 낮아지는 경향을, 그리고 가을과 겨울철에는 점차 농도가 높아져 11월에는 최고 농도 (34.7 μg/m3)를 나타내었다.

Fig. 8.

Monthly average concentration of PM10 and PM2.5 in major cities of Gyeongsangbuk-do.

Seasonal average concentration (μ/m3) of PM10 and PM2.5 in major cities of Kyeongsangbuk-do in 2018.

PM10 및 PM2.5의 고농도 사례는 경상북도의 대기오염 측정망에서 측정한 PM2.5의 일평균 농도가 35 μg/m3을 초과한 날, PM10의 일평균 농도가 100 μg/m3을 초과한 날을 기준으로 선정하였다. 일평균 농도는 경상북도에 위치한 모든 측정망의 자료를 모두 평균한 자료이다. PM2.5 고농도 사례의 경우, 2017년에는 48일, 2018년은 77일, 그리고 2019년에는 총 32일 발생한 것으로 조사되었다. 3년 동안의 월별 평균 고농도 사례의 경우, 3월이 18.5%로 가장 높은 고농도 사례를 나타내었으며, 1월 17.8%, 11월 16.6%, 2월 15.3%, 12월 12.1% 순으로 조사되어 일반적인 계절별, 월별 고농도 경향을 잘 나타내고 있다 (표 3). 또한 경상북도의 PM10 고농도 사례의 경우는 2017년에는 4일, 2018년은 6일, 그리고 2019년에는 총 8일 발생한 것으로 조사되었으며 월별 평균 고농도 사례는 1월이 27.8%, 3월에 22.2%로 가장 높은 고농도 사례 일을 나타내었다. 반면에 6~9월의 경우는 PM10 고농도 사례가 없는 것으로 조사되었다.

The number of days exceeding air quality standard of PM2.5 and PM10 during 2017~2019.

3. 3 대기오염측정망 자료의 군집분석

자료집단 내에서 유사한 성질을 갖는 특정 그룹을 유도, 분류하는데 이용되는 통계방법인 군집분석을 이용하여 (Nam et al., 2002) 경상북도 23개 시·군·구에 위치한 PM10 및 PM2.5 대기오염측정망 자료의 유사성을 분석하였다 (그림 9). 먼저 PM10의 경우, 총 5개의 군집으로 분류하였다. 군집 1은 상주, 대광, 형곡, 원평, 칠곡, 공단, 4공단, 문당 측정소로 조사되었다. 군집 1의 평균 농도값은 44.3 μg/m3로 5개 군집 중 가장 높은 농도를 나타내었으며 경상북도의 서쪽 지역에 위치한 측정소들이 포함되었다. 군집 2는 영천, 중방, 명륜, 대가야 측정소 등이 포함되었으며, 평균 농도값은 37.4 μg/m3으로 조사되었다. 군집 2의 측정소들은 주로 경상북도의 중앙에 위치하는 특징을 나타내었다. 군집 3은 대도, 장량, 송도, 성건, 3공단, 대송 측정소로 조사되었다. 군집 3의 평균 농도값은 37.2 μg/m3이며, 포항지역의 남쪽과 경주에 위치한 측정소들이 포함되었다. 군집 4는 경상북도의 북쪽 끝에 위치한 석포와 울진 측정소가 포함되었으며, 평균 농도값은 24.7 μg/m3로 5개 군집 중 가장 낮은 농도를 나타내었다. 군집 5는 포항의 청림, 오천, 장흥 측정소가 포함되었으며, 평균 농도값은 41.2 μg/m3로 높은 농도를 나타내었다.

Fig. 9.

Results of cluster analysis using PM10 (a) and PM2.5 (b) air pollution monitoring network data in Gyeongsangbuk-do.

PM2.5에 대한 군집은 총 5개의 군집으로 분류하였다. 군집 1은 포항의 오천, 송도, 청림 측정망이 포함되었으며 평균 농도값은 20.4 μg/m3로 조사되었다. 군집 2는 PM10과 동일하게 경상북도의 북쪽 끝에 위치한 석포와 울진 측정소가 포함되었으며, 평균 농도값은 13.6 μg/m3로 5개 군집 중 가장 낮은 농도를 나타내었다. 군집 3은 3공단, 장흥, 대송, 대도, 장량, 성건 측정소가 포함되었으며 평균농도는 20.4 μg/m3를 나타내었다. 군집 4는 경상북도의 서쪽 중앙에 위치한 문당, 원평, 상주 측정소 등이 포함되었으며, 평균 농도값은 21.7 μg/m3로 5개 군집 중 가장 높은 농도를 나타내었다. 마지막으로 군집 5는 영천, 명륜, 칠곡, 4공단, 중방, 형곡, 대가야 측정망이 포함되었으며 경상북도의 중앙 및 남쪽에 위치하는 특징을 나타내었다. 평균 농도값은 21.3 μg/m3로 비교적 높은 농도값을 나타내었다. 이러한 결과들은 추후 경상북도의 미세먼지 저감 대책 등을 수립할 때 권역별 특성들을 고려한 대책마련을 위한 자료로 활용할 수 있을 것으로 판단된다.

3. 4 먼지 배출량 및 미세먼지 농도 공간분포분석

2015년과 2016년 CAPSS 자료를 바탕으로 경상북도의 시·군·구별 먼지 (TSP, PM10, PM2.5) 배출량을 공간분석을 이용하여 그림 10에 나타내었다. 경상북도의 시·군·구 중에서 포항시의 경우 TSP, PM10, PM2.5 모두 가장 많은 배출량을 나타냈으며, 구미시가 그 다음으로 많은 먼지 배출량을 나타내었다.

Fig. 10.

Spatial distributions of TSP, PM10, and PM2.5 emission (kg/yr) in Gyeongsanbuk-do in 2015~2016.

2015년과 2016년을 비교하였을 때 큰 변화는 없었지만 영주시는 TSP가, 영양군은 PM10의 배출량이 2016년에 감소한 것으로 조사되었으며, 상주시는 PM2.5가 2016년에 증가한 것으로 나타났다. 영양군, 봉화군, 울진군, 영덕군, 청송군, 군위군, 청도군, 성주군, 고령군 등은 다른 지역에 비해 TSP, PM10, 그리고 PM2.5 모두 낮은 배출량을 보였으며 포항시, 구미시, 경주시, 김천시, 상주시, 안동시 등은 다른 지역에 비해 많은 배출량을 나타냈다.

또한, 2015년부터 2017년까지의 경상북도 시·군·구별 PM10 농도에 대한 공간분포 분석 결과를 그림 11에 나타내었다. PM10 농도는 2015년부터 2017년에 대기오염측정망이 설치된 시·군·구로 한정하여 공간분포 분석을 진행하였다. 안동시의 경우는 PM10 농도의 변화가 거의 없는 것으로, 안동보다는 높은 농도를 나타낸 영주시, 구미시, 김천시, 경산시 등도 PM10 농도의 변화는 거의 없는 것으로 조사되었다. 포항시의 경우는 2015년에는 높은 농도를 나타내었지만 2016년과 2017년에는 농도가 감소하는 경향을 나타내었다. 또한 경주시의 경우는 2016년에 미세먼지 농도가 감소하였으나 2017년에는 다시 증가하는 경향을 나타내어 그 원인 파악이 필요한 것으로 사료된다. 상주시와 칠곡군은 2016년까지는 PM10 농도가 측정되지 않았지만 2017년부터 고농도의 미세먼지가 관측되었다.

Fig. 11.

Spatial distributions of PM10 concentration (μg/m3) in Gyeongsangbuk-do in 2015~2017.

경상북도의 시·군·구별 먼지 배출량 및 PM10 농도 공간분포 (농도 공간분포 분석은 PM10만 수행되었으므로 배출량 공간분포 역시 PM10만을 대상으로 함)는 거의 유사한 것으로 조사되었다. 즉 배출량이 높은 포항, 구미, 김천, 영주, 안동, 경산, 경주시 등은 PM10의 농도 역시 높은 것으로 조사되었다. 반면에 배출된 먼지가 다른 지역으로 확산되거나 다른 지역에서 배출된 먼지가 유입됨에 따른 먼지의 농도변화에 대해서는 추후 정확한 분석이 이루어져야 확인이 가능할 것으로 판단된다.


4. 결 론

본 연구에서는 경상북도의 PM10과 PM2.5를 배출하는 각 배출원의 배출량에 대한 고찰 및 대기오염측정망 자료를 이용한 PM10 및 PM2.5 농도 경향을 분석하고자 하였으며 다음과 같은 결론을 얻을 수 있었다.

경상북도의 연도별 대기오염물질의 배출량 변화에서 2015년부터 기존의 11개 대분류에 비산먼지, 생물성 연소를 공식 배출원으로 추가하여 VOC, TSP, PM10, PM2.5 배출량에 큰 변화가 있었다. 또한, 2016년 기준 경상북도의 배출원별 대기오염물질 배출 현황에서 TSP는 제조업 연소 및 비산먼지 배출원에서 각각 46%와 44%가 배출되었다. PM10과 PM2.5의 주요 배출원은 각각 제조업연소 (62%, 65%) 배출원으로 조사되었다. 경상북도 동부권역에는 포스코 및 제철산업과 관련된 면 오염원 및 점 오염원 (산업단지와 대형 공장 등)들이 다수 위치해 있어, 대부분의 대기오염물질 배출량이 다른 권역에 비해 높은 배출량을 나타내었다. 반면에 서부권역은 생물성 연소, 기타 면 오염원, 비산먼지 등에 의한 배출 영향을 많이 받는 것으로 확인되었다. 특히, 경상북도의 경우 대기오염물질 배출 저감을 위해서 생물성 연소 배출원에 대한 강력하고 다방면의 저감대책이 제시되고 이행되어야 한다.

경상북도 주요 도시의 대기오염측정망에서 측정한 PM10 평균농도 비교에서 다른 도시에 비해 포항이 비교적 PM10의 농도가 높은 것으로 조사되었으며, PM10의 평균농도는 점차 낮아지는 경향을 나타내었다. 경상북도 주요 도시의 대기오염측정망에서 측정한 PM2.5 평균농도의 경우는 김천이 높은 농도를 나타내는 것으로 조사되었으며, 2015~2019년 평균농도 모두 연평균 기준을 초과하는 것으로 조사되어 이에 대한 관리방안 마련이 절실하다. 경상북도 주요 도시의 월별, 계절별 PM10 및 PM2.5 평균 농도에서 PM10의 경우 주요 도시 모두 아주 유사한 경향을 나타내었는데 봄, 겨울철에 주로 고농도를 나타내며 여름철에는 가장 낮은 농도를 보이는 전형적인 경향을 나타내었다. 또한, PM2.5의 경우는 PM10의 경우와 조금 다른 경향을 나타내는 것으로 조사되었는데 1월에 높은 농도값을 보이다가 8월까지 계속 농도값이 낮아지는 경향을, 그리고 가을과 겨울철에는 점차 농도가 높아져 11월에는 최고 농도를 나타내었다.

대기오염물질 배출 오염원의 효율적인 제어와 관리를 위해서, 또한 합리적인 환경정책을 수립하기 위해서 경상북도를 비롯하여 각 지자체들은 각각의 상황과 실정에 부합하는 미세먼지 관리방안 및 대책 등을 제시하고 실행해야 한다. 본 연구에서 수행된 경상북도 23개 시·군·구의 대기오염물질 배출원에 대한 배출량 기여도 분석 수행 결과 및 PM10 및 PM2.5에 대한 농도 경향 분석 등은 경상북도의 대기오염물질 배출에 대한 저감 및 관리방안 마련을 위한 중요한 기초자료로 중요한 역할을 할 수 있을 것으로 사료된다.

References

  • Baek, K.M., Seo, Y.K., Chung, D.H., Baek, S.O. (2019) Atmospheric Occurrence and Concentrations of PAHs and Heavy Metals in Pohang, Journal of Korean Society for Atmospheric Environment, 35(5), 533-554, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2019.35.5.533]
  • Baek, S.O., Heo, Y.K., Park, Y.H. (2008) Characterization of Concentrations of Fine Particulate Matter in the Atmosphere of Pohang Area, Journal of Korean Society of Environmental Engineers, 30(3), 302-313, (in Korean with English abstract).
  • Chen, Y.C., Chiang, H.C., Hsu, C.Y., Yang, T.T., Lin, T.Y., Chen, M.J., Chen, N.T., Wu, Y.S. (2016) Ambient PM2.5-bound polycyclic aromatic hydrocarbons (PAHs) in Changhua County, central Taiwan: Seasonal variation, source apportionment and cancer risk assessment, Environmental Pollution, 218, 372-382. [https://doi.org/10.1016/j.envpol.2016.07.016]
  • Choi, M.S., Baek, S.O. (2016) Statistical Analysis of PM10 and Meteorological Data in Pohang, a Steel-Industrial City, Journal of Korean Society for Atmospheric Environment, 32(3), 329-341, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2016.32.3.329]
  • Gyeonsangbuk-do (2019) Provincial government white book.
  • Han, S.H., Kim, Y.P. (2015) Long-term trends of the concentrations of mass and chemical composition in PM2.5 over Seoul, Journal of Korean Society for Atmospheric Environment, 31(2), 143-156, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2015.31.2.143]
  • Hwang, I.J., Kim, T.O. (2019) Chemical characteristics of ambient PM2.5 at industrial complex in Gyeongbuk area, Journal of Korean Society for Atmospheric Environment, 35(3), 336-345, (in Korean with English abstract). [https://doi.org/10.5572/kosae.2019.35.3.336]
  • International Agency for Research on Cancer (IARC) (2013) IARC: Outdoor air pollution a leading environmental cause of cancer deaths, Press release (NO. 221), France.
  • Jeong, Y.J., Hwang, I.J. (2015) Source Apportionment of PM2.5 in Gyeongsan Using the PMF Model, Journal of Korean Society for Atmospheric Environment, 31(6), 508-519, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2015.31.6.508]
  • Ju, J.H., Hwang, I.J. (2011) A Study for Spatial Distribution of Principal Pollutants in Daegu Area Using Air Pollution Monitoring Network Data, Journal of Korean Society for Atmospheric Environment, 27(5), 545-557, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2011.27.5.545]
  • Kim, D.S., Hwang, I.J. (2002) The origination mechanism of PM10 and methodology of identification for PM10 sources, Air Cleaning Technology, 15(1), 38-53.
  • Li, K.C., Hwang, I.J. (2015) Characteristics of PM2.5 in Gyeongsan Using Statistical Analysis, Journal of Korean Society for Atmospheric Environment, 31(6), 520-529, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2015.31.6.520]
  • Ministry of Environment (MOE) (2013) Press release: Introduction of fine particle forecasting system, problems and measures.
  • Ministry of Environment (MOE) (2020) Southeastern air quality management basic plan.
  • Nam, B.H., Hwang, I.J., Kim, D.S. (2002) Pattern classification of PM10 in the indoor environment using disjoint principal component analysis, Journal of Korean Society for Atmospheric Environment, 18(1), 25-37, (in Korean with English abstract).
  • National Institute of Environmental Research (NIER) (2019) National air pollutants emission, NIER-GP2018-131.
  • Pope III, C.A., Dockery, D.W. (2006) Health Effects of Fine Particulate Air Pollution: Lines that Connect, Journal of the Air & Waste Management Association, 56(6), 709-742. [https://doi.org/10.1080/10473289.2006.10464485]
  • Rebert, L., Derek, T. (1992) Fundamentals of Spatial Information Systems, Academic Press.
  • Russell, A.G., Brunekreef, B. (2009) A focus on particulate matter and health, Environmental Science and Technology, 43, 4620-4625. [https://doi.org/10.1021/es9005459]
  • Song, H., Zhang, Y., Luo, M., Gu. J., Wu, M., Xu, D., Xu, G., Ma, L. (2019) Seasonal variation, sources and health risk assessment of polycyclic aromatic hydrocarbons in different particle fractions of PM2.5 in Beijing, China, Atmospheric Pollution Research, 10(1), 105-114. [https://doi.org/10.1016/j.apr.2018.06.012]
  • Stafoggia, M., Samoli, E., Alessandrini, E., Cadum, E., Ostro, B., Berti, G., Faustini, A., Jacquemin, B., Linares, C., Pascal, M., Randi, G., Ranzi, A., Stivanello, E., Forastiere, F. (2013) Short-term associations between fine and coarse particulate matter and hospitalizations in southern europe: result from the MED-PARTICLES project, Environmental Health Perspectives, 121(9), 1026-1033. [https://doi.org/10.1289/ehp.1206151]
  • U.S. Environmental Protection Agency (US EPA) (1999) Air quality criteria for particulate matter, Volume I, EPA/600/P-99/002a.
  • Yeo, M.J., Kim, Y.P. (2019) Trends of the PM10 concentrations and high PM10 concentration cases in Korea, Journal of Korean Society for Atmospheric Environment, 35(2), 249-264, (in Korean with English abstract). [https://doi.org/10.5572/KOSAE.2019.35.2.249]
Authors Information

황인조 (대구대학교 환경공학과 교수)

이태정 (경희대학교 환경학 및 환경공학과 학술연구 교수)

김태오 (금오공과대학교 환경공학과 교수)

배귀남 (한국과학기술연구원 미세먼지 범부처 프로젝트 사업단 단장)

Fig. 1.

Fig. 1.
Locations of the air pollution monitoring stations in the Gyeongsangbuk-do area.

Fig. 2.

Fig. 2.
Annual air pollutants emission in Gyeongsangbuk-do area.

Fig. 3.

Fig. 3.
The status of air pollutant emissions by emission source in Gyeongsangbuk-do area.

Fig. 4.

Fig. 4.
Annual air pollutant emissions by three regions in Gyeongsangbuk-do area.

Fig. 5.

Fig. 5.
The status of air pollutant emissions classified emission source by three regions in Gyeongsangbuk-do area.

Fig. 6.

Fig. 6.
Contribution of major emissions by air pollutant emission source of 23 local governments in Gyeongsangbuk-do in 2016 (NIC: non-industry combustion; MC: manufacturing combustion; PP: production process; OS: organic solvent; RMS: road mobile source; NRMS: non-road mobile source; AG: agriculture; FD: fusitive dust; BB: biomass burning).

Fig. 7.

Fig. 7.
Annual average concentration of PM10 and PM2.5 in major cities of Gyeongsangbuk-do.

Fig. 8.

Fig. 8.
Monthly average concentration of PM10 and PM2.5 in major cities of Gyeongsangbuk-do.

Fig. 9.

Fig. 9.
Results of cluster analysis using PM10 (a) and PM2.5 (b) air pollution monitoring network data in Gyeongsangbuk-do.

Fig. 10.

Fig. 10.
Spatial distributions of TSP, PM10, and PM2.5 emission (kg/yr) in Gyeongsanbuk-do in 2015~2016.

Fig. 11.

Fig. 11.
Spatial distributions of PM10 concentration (μg/m3) in Gyeongsangbuk-do in 2015~2017.

Table 1.

Summary for the air pollution monitoring stations in the Gyeongsangbuk-do area.

Station code Station Installation year Coordinate
Longitude Latitude
Pohang 437112 Jangheung-dong 1989 129.3748 35.9802
437113 Jangnyang-dong 1999 129.3803 36.0707
437114 Daedo-dong 1997 129.3658 36.0188
437115 Daesong-myeon 2005 129.3600 35.9684
437116 3 Gongdan 2010 129.3768 35.9631
437117 Songdo-dong 2019 129.3756 36.0301
437118 Ocheon-eup 2019 129.4087 35.9668
437119 Cheongnim-dong 2019 129.4054 35.9974
Gumi 437151 Gongdan-dong 1988 128.3858 36.1019
437152 Wonpyeong-dong 1991 128.3258 36.1308
437153 Hyeonggok-dong 1997 128.3386 36.1108
437154 4 Gongdan 2010 128.4394 36.1372
Gyeongju 437122 Sunggeon-dong 1996 129.2076 35.8507
437123 Bodeok-dong 2019 129.2870 35.8351
437124 Angang-eup 2019 129.2270 35.9907
437125 Oedong-eup 2019 129.3236 35.7157
Gimcheon 437131 Mundang-dong 1993 128.0884 36.1446
437132 Daegwang-dong 2019 128.1372 36.1441
437133 Yulgok-dong 2020 128.1839 36.1215
Andong 437141 Myeongnyun-dong 1995 128.7280 36.5683
Yeongju 437161 Gaheung-dong 2000 128.6132 36.8212
Gyeongsan 437171 Jungbang-dong 2012 128.7433 35.8250
Sangju 437181 Sangju-si 2017 128.1578 36.4289
Chilgok 437191 Chilgok-gun 2017 128.4185 35.9907
Yeongcheon 437402 Yeongcheon-si 2018 128.9378 35.9729
Uljin 437421 Uljin-gun 2018 129.4029 36.9972
Bonghwa 437431 Seokpo-myeon 2019 129.0653 37.0486
Ulleung 437542 Ulleung-eup 2019 130.9056 37.4841
Goryeong 437551 Daegaya-eup 2019 128.2817 35.7262
Yeongdeok 437201 Yeongdeok-eup 2019 129.3638 36.4201
Uiseong 437412 Uiseong-eup 2019 128.6970 36.3527
Gunwi 437561 Gunwi-gun 2019 128.5746 36.2379
Seongju 437221 Seongju-gun 2019 128.2901 35.9175
Yecheon 437581 Yecheon-eup 2020 128.4732 36.5768
Cheongdo 437591 Hwayang-eup 2020 128.7063 35.6498
Cheongsong 735601 Cheongsong-gun 2020 129.0564 36.4293
Yeongyang 437571 Yeongyang-gun 2020 129.1124 36.6667
Mungyeong 437211 Mungyeong-si 2020 128.1862 36.5868

Table 2.

Seasonal average concentration (μ/m3) of PM10 and PM2.5 in major cities of Kyeongsangbuk-do in 2018.

Pohang Gumi Gimcheon Gyeongju Andong Yeongju Gyeongsan Sangju
PM10 PM2.5 PM10 PM2.5 PM10 PM2.5 PM10 PM2.5 PM10 PM2.5 PM10 PM2.5 PM10 PM2.5 PM10 PM2.5
Spring 53 29 57 28 66 25 47 - 47 28 52 30 51 26 46 20
Summer 33 23 33 20 35 14 30 19 27 17 31 15 29 20 22 14
Fall 35 20 49 21 52 27 35 21 34 23 51 29 40 22 33 24
Winter 45 24 56 33 59 32 42 24 31 26 61 36 50 33 41 27

Table 3.

The number of days exceeding air quality standard of PM2.5 and PM10 during 2017~2019.

Jan. Feb. Mar. Apr. May June July Aug. Sep. Oct. Nov. Dec. Sum
PM2.5 2017 7 5 12 1 1 1 1 0 3 0 9 8 48
2018 12 10 10 7 4 5 3 0 0 4 17 5 77
2019 9 9 7 0 0 0 0 0 0 1 0 6 32
SUM 28 24 29 8 5 6 4 0 3 5 26 19 157
% 17.8 15.3 18.5 5.1 3.2 3.8 2.5 0.0 1.9 3.2 16.6 12.1
PM10 2017 1 0 0 0 2 0 0 0 0 0 0 1 4
2018 2 0 0 1 0 0 0 0 0 3 0 0 6
2019 2 1 4 0 0 0 0 0 0 0 1 0 8
SUM 5 1 4 1 2 0 0 0 0 3 1 1 18
% 27.8 5.6 22.2 5.6 11.1 0.0 0.0 0.0 0.0 16.7 5.6 5.6