상향식 산정방법은 인벤토리 작성에 있어 세부 단위별로 상세한 하위 자료를 수집하여 상위 단위의 배출량을 파악해 나가는 접근 방식이고, 하향식 산정방법은 상향식과는 반대로 관측농도자료와 대기화학수송 모형 등에서 도출된 추가 정보를 바탕으로 배출량을 도출한다. 중국의 배출정보를 이해하기 위한 가장 기본적인 방법은 국가 배출총량을 비교하는 것이다. 본 연구에서는 상향식 배출목록 중 중국 청화대학 (Tsinghua University)의 MEIC (Multi-resolution Emission Inventory for china; Li et al., 2017) 인벤토리, 국립환경과학원과 건국대학교가 개발한 CREATE (Comprehensive Regional Emissions inventory for Atmospheric Transport Experiment) 2010년과 2015년 인벤토리, 그리고 CREATE를 기반으로 한-미 협력 국내 대기질 공동조사 (KORUS-AQ)를 지원하기 위해 선형 외삽한 KORUS 2015 인벤토리, 유럽의 IIASA에서 개발한 GAINS (Greenhouse gases and Air pollutants INtegration and Synergies; gains.iiasa.ac.at/models/index.html) 프레임워크에 포함된 두 개의 인벤토리인 ECLIPSE (Evaluating the Climate and Air Quality Impacts of Short-Lived Pollutants; Klimont et al., 2017)와 WEO 2016 (World Energy Outlook, 2016)에서의 중국 지역의 오염물질별 국가총량을 비교하여 보았다 (그림 2).

Fig. 2. 
Inter-comparison of bottom-up emission inventories for China.

그림 2에서 나타난 바와 같이 동일 국가인 중국의 배출총량은 대체적으로 10~30% 정도 범위에서 일치성을 보여주고 있으나, 연도와 물질에 따라서는 30% 이상의 차이를 보였다. 많은 상하향식 비교연구에서 활용되고 있는 NO_x의 경우 2010년 대상 인벤토리 중 ECLIPSE, CREATE (2010)에 비해 MEIC이 40% 정도 높은 배출량을 보였고, 2015년 대상 인벤토리의 경우 WEO, KORUS, CREATE가 모두 20% 이하의 차이만을 보였다. 이는 2010년에 대해 중국에서 산정된 배출량이 국제적인 인벤토리 틀에서 산정하고 있는 배출량에 비해 더 높은 NO_x의 배출량을 산정하고 있는 것이라 판단되며, 그 이유는 중국의 급격한 산업발전과 도시화를 얼마나 빠르게 반영하는가의 차이에서 기인한 것이라 추정된다.

이렇듯 대부분 국가별 오염물질 배출총량의 차이는 에너지 활동도 및 비에너지 활동도에 대한 가정과 사용하는 배출계수의 차이, 환경정책 실시 수준의 차이로 인한 저감 정도의 차이 등에 기인하고 있다고 판단된다. 그렇기 때문에 동일 연도, 동일 국가라고 하더라도 특정 연도의 물질별 총량만을 보고 비교하는 것에는 한계가 있을 수 있다.

앞 절에서 사용한 분석의 한계를 보완하기 위하여 본 절에서는 GAINS 프레임워크의 가장 최신 시나리오인 WEO 2016 시나리오를 이용하여 WEO (2015) 인벤토리의 1990년부터 2020년까지의 5년 단위의 연도별 배출량 변화를 분석하여 보았다 (그림 3). CO₂의 배출량은 1990년 이후로 계속적으로 증가하였지만, 나머지 물질 NO_x, PM_2.5, SO₂는 각각 2015년, 2010년, 2005년에 최대 배출량을 보이고 이후에는 점차 감소하는 경향이 나타났다. 기후변화 물질인 CO₂의 연도별 배출량 추이가 증가하는 것은 연료 사용량이 점진적으로 늘어났기 때문으로 판단되었다. 중국은 제11차·12차 국가 5개년 계획 (2006~2015)부터 현재 제13차 5개년 계획까지 환경보호규획에 있어 매우 강력한 환경보호 및 오염규제 정책을 펼치고 있다. 연료의 사용량이 증가하였음에도 불구하고 다른 대기오염물질들의 배출량이 특정 연도에 최대값을 보이고 이후 점차 감소하는 것은 2005년 이후 강화된 대기환경 개선정책으로 인하여 저감 기술이 더 많이 적용된 효과라고 추론된다.

Fig. 3. 
Inter-annual emission trends by pollutant (China).

이러한 추론을 좀 더 자세히 살펴보기 위하여, 그림 4에 중국의 섹터별 배출량의 연도별 변화 (1990~2020)를 나타내었다. CO₂의 배출량은 1990년 이후로 발전부문 (Power Generation: POW), 산업부문 (Indus-try: IND) 등에서 계속 증가하여, 총량적으로도 지속적인 증가 추세를 보였으나, SO₂ 배출량은 2005년까지 증가 후 발전부문에서의 감소영향으로 총량이 감소하는 추세를 보였다.

Fig. 4. 
Inter-annual emission trend by sector (China).

연료 사용에 선형적으로 반응하는 CO₂ 배출량이 늘어나는 추이를 통해서는 배출량의 증가만큼 에너지의 사용량이 증가한 것으로 판단할 수 있다. 하지만 동일한 에너지 활동도를 쓰는 SO₂ 배출량이 2005년 이후 감소 추세로 돌아서는 것을 볼 때, 중국의 저감 정책적용으로 인한 배출량의 감소가, 특히 발전 부분을 중심으로 일어나는 것으로 판단할 수 있다. 실제로 제11차 5개년 계획에서는 아황산가스를 주요 오염물질로 정하고 배출총량을 2005년 대비 10% 감소를 목표로 하였다 (NIER, 2016; MEP, 2013). NO_x의 경우 2010년을 중심으로 커다란 증가와 감소를 나타냈는데, 2005년부터 2010년으로의 증가를 보인 부분은 산업과 수송부문이고, 2010년 이후 감소를 이끈 것은 역시 발전부문의 영향이라고 판단되었다. 2000년 이후 VOC의 전체 배출량은 주거부문에서의 감소에도 불구하고 산업부문의 증가로 총 배출량은 지속적으로 증가하는 것을 볼 수 있었다. PM_2.5의 경우 2010년을 기점으로 감소가 시작되었는데 발전, 산업, 주거부분에서 고른 감소를 보여 배출량을 줄이기 위한 정책이 모든 부문에 적용되어 온 것으로 판단된다.

CO₂는 모든 섹터와 연료에서 배출되며, 탄소 포집 및 저장 (CCS: Carbon Capture and Storage)을 제외하면 후처리 방법이 거의 존재하지 않는다. 그러므로 CO₂의 배출은 화석연료의 사용 활동도와 비슷한 분포를 보인다고 할 수 있다. 그림 6은 2000년부터 2015년까지의 CO₂의 지역별/연도별 배출량을 나타내어 놓은 것이다.

Fig. 6. 
CO₂ emissions and fuel consumptions by region/year.

앞장에서 설명된 바와 같이 CO₂의 배출량은 1990년 이후로 지속적으로 증가하였는데, 특히 2000년에 들어서며 더욱 급격한 증가를 보였다. 부문별로는 발전부문 (Power sector)의 기여가 가장 높았다. 그림 6을 보면 지역적으로는 특히 산둥성, 허베이성 등의 배출량 증가가 컸고, 주로 동부지역을 중심으로 배출량이 늘어나는 것을 볼 수 있다. 이는 동부지역에 산업화와 도시화가 진행되며 에너지 사용량이 급격히 증가하는 것을 보여 준다고 할 수 있다. 이를 뒷받침하기 위해 그림 6에 중국통계청 (National Bureau of Statistics; http://data.stats.gov.cn)의 연료 사용량 자료를 함께 제시하였다. 석탄의 소비량은 CO₂의 배출량과 유사하게 산둥성, 허베이성 등에서 높게 나타나고, 또한 장수, 산시, 허난, 네이멍구 등에서도 높게 나타남을 알 수 있다. 차량에서 주로 소비되는 디젤유는 광동, 산동, 저장, 랴오닝성 등에서 높게 나타났고, 가스의 경우 베이징, 사천, 장수, 광동 등에서 높게 나타났다. 전반적으로 연료 소비량의 시공간적 분포를 종합해 보면 CO₂ 배출량의 시공간적 변화와 유사함을 알 수 있다. 그러므로 연료 사용 활동도의 시공간적 변화는 산업화와 도시화가 급격히 이루어진 동부 지역들과 남부 해안 지역들 위주의 사용량 증가를 잘 대변해 주고 있다.

SO₂는 연료 중에 포함된 황 성분이 연소하며 산소와 결합된 상태로 배출되는 것이기 때문에 연료의 황 함량이 매우 중요하다. 연료 중에 황의 함량이 높은 경우는 주로 석탄과 중유로서 이들 연료의 사용량이 배출량에 직결된다고 볼 수 있다. 그림 6에서 보이는 바와 같이 허베이, 산동 등 동부지역의 이들 연료의 사용은 지난 15년간 지속적으로 증가하여 왔다. 하지만 그림 7에서 확인되는 바와 같이 SO₂의 배출량은 2005년까지는 산동, 허베이, 장수, 저장 등 동부 지역의 연료 사용량이 급격히 증가하는 추세와 비슷한 성장세를 보이나, 2010년과 2015년에는 줄어드는 지역들이 나타났다. 이들 지역은 허베이, 산시, 허난, 장수, 사천, 광동성 등의 지역에 연료의 전환이나 배연탈황 (FGD) 등의 설치가 이루어졌음을 추정할 수 있다.

Fig. 7. 
SO₂ emissions by region/year.

NO_x는 연료 중에 포함된 질소 성분이 연소하며 산소와 결합하는 경우 이외에도 공기 중의 질소가 고온으로 산화된 상태로 배출되는 경우가 존재하기 때문에, 연료 종류에 따른 영향을 상대적으로 적게 받는다. 그러므로 NO_x의 배출은 주로 화석연료의 사용량과 저 NO_x 보일러, 배연탈질 장비의 설치, 자동차의 배출가스 기준강화 등의 관계에 따라 달라진다고 볼 수 있다. 그림 8과 같이 SO₂의 경우와 마찬가지로 NO_x 역시 도시화와 산업발달의 영향으로 동부지역에서 이들 연료의 사용은 지속적으로 증가하여 왔다. 이러한 추세에 따라 NO_x의 배출량은 대부분의 지역에서 2010년까지 지속적으로 증가하는 추세를 보였다. 이러한 증가 추세는 발전과 산업 등의 고정오염원 배출증가의 원인도 있지만, 도시화에 따른 자동차 대수 및 사용의 증가에 기인한 바도 크다고 보인다 (Liu et al., 2016). 이후 2015년의 배출은 허난, 장수, 저장, 그리고 광동성 등에서 2010년에 비해 줄어드는 것을 알 수 있고, 이는 배연탈질 설비와 이동오염원 배출허용기준 강화 등에서 기인한 것으로 추정된다.

Fig. 8. 
NO_x emissions by region/year.

연료 연소과정에서의 PM_2.5는 연료 중의 회분이나 불완전 연소 등으로 인해 발생된다. 그러므로 연소 중의 PM_2.5는 석탄 등의 고체연료에서 가장 많이 발생하고 중유나 디젤유 등에서도 발생한다. PM_2.5는 입자상물질로서 기체상물질에 비해서 비교적 쉽게 처리할 수 있으며, 사이클론, 스프레이, 백필터나 전기집진기 등이 다양하게 쓰이고 있다. 그리고 흡수탑 같은 기체상물질의 저감장치가 PM_2.5에 대해서도 어느 정도의 저감 효율을 보일 수 있다.

그림 6에서 보이는 바와 같이 산업화 지역에서의 고체 연료의 사용은 지난 15년간 지속적으로 증가하여 왔다. 하지만 그림 9에서와 같이 PM_2.5의 배출량은 2010년까지는 연료 사용량의 증가 추세와 비슷한 성장세를 보이나, 2010년부터는 대부분의 지역에서 줄어드는 추세를 보였다. 전술한 바와 같이 이는 연료의 대체나 저감설비의 장착으로 PM_2.5의 배출이 줄어드는 것으로 판단된다.

Fig. 9. 
PM_2.5 emissions by region/year.

VOC는 주로 연료의 연소보다는 휘발성유기물질의 사용과정에서 발생하고 배출된다. 특히 선진국의 경우, 유기용제의 사용, 산업공정, 이동오염원 등으로부터의 배출이 크게 나타난다. 하지만 개발도상국의 경우에는 이에 부가하여 낙후된 주거부문의 연소 장치로부터의 VOC 배출도 크게 나타나고 있다. 중국의 VOC 배출량은 산업발전과 도시화가 급속히 이루어진 허베이, 광동, 산동, 산시, 장수 등을 중심으로 크게 나타났는데, 이들 대부분의 지역은 2015년까지도 지속적인 증가세를 보여주고 있다 (그림 10). 부문별로는 산업부문의 유기용제사용과 이동오염원의 증가가 전체적인 배출증가의 주요한 원인으로 나타나고 있다. VOC의 경우에는 입력관리를 하는 것 이외에 후처리 저감 방법의 실효성이 크지 않은 경우가 많아, 앞으로도 이 증가세는 어느 정도 유지될 것으로 보인다.

Fig. 10. 
VOC emissions by region/year.

전술한 물질별 연간 배출량 변동추세에서 많은 물질들의 배출량이 2005년 또는 2010년을 최대로 감소 경향을 나타내고 있었다. 그래서 본 절에서는 2000년부터 2015년까지의 지역별 변동을 평가해 보았다 (그림 11).

Fig. 11. 
5-year emissions change rates by region (2000~ 2015).

우선 CO₂의 경우 2000년으로부터 2015년까지 꾸준히 증가하는 추세를 보였다. 하지만 증가율은 2005년에서 2010년 사이가 가장 높았고, 2010에서 2015년은 둔화되는 모습을 보였다. SO₂의 경우, 2000년에서 2005년 사이에는 대부분의 지역에서 증가하는 모습을 보였고, 2005년에서 2010년 사이에서는 지역별로 증가와 감소 추이가 혼재되어 나타났다. 이 시기에는 이전의 기간에 많은 증가를 보였던 동부지역에서 주로 감소세를 나타내었고, 서부지역에서는 여전히 증가세를 보여주었다. 2010년으로부터 2015년은 전 지역에서 소강 또는 감소세를 나타내어 중국의 SO₂ 배출량이 전국적으로 감소함을 보여주었다. NO_x의 경우, 2000년에서 2010년 사이에는 대부분의 지역에서 증가하는 모습을 보였지만, 증가율은 2005년에서 2010년 사이가 가장 높았다. 하지만 2010년에서 2015년 사이에서는 대부분의 지역이 감소 추세를 나타냈다.

PM_2.5의 경우, 2000년에서 2005년 사이에는 대부분의 지역에서 소강상태를 보이고 일부지역에서만 증가하는 모습을 보였고, 2005년에서 2010년 사이에서는 지역별로 증가와 감소 추세를 나타냈다. 이 시기에는 북부와 서부에서 주로 증가세를 보여주었고, 중부와 동부에서는 주로 감소세를 나타내었다. 특히 도시화와 산업화가 집중적으로 진행된 베이징, 산동, 허난, 장수, 사천, 광동 등에서 많은 감소세를 보여주었다. 2010년에서 2015년 사이에는 전반적으로는 소강세를 나타내었으나 허베이, 산시, 상하이 등에서는 감소하였다. VOC는 2000년에서 2010년 사이에는 대부분의 지역에서 증가하는 모습을 보였다. 하지만 2010년에서 2015년 사이에서는 광동을 제외한 대부분의 지역이 소강상태로 큰 증가 추세를 나타내지 않았다.

앞 장에서의 분석을 통해 중국에 대한 상향식 배출 인벤토리 간 국가 배출 총량 비교와 연도별 변화분석을 통해 중국 배출량의 차이와 변화에 대한 이해를 높이려 하였다. 본 장에서는 배출량의 차이와 변화에 대한 불확실성을 이해하기 위하여 상향식 인벤토리의 NO_x 배출량의 크기와 변이를 인공위성 관측 자료를 기반으로 한 하향식 (Top-down) 인벤토리와 비교하였다. 하향식 (Top-down) 인벤토리의 경우, 유럽의 GlobEmission 데이터베이스 (http://www.globemission.eu)를 이용하였는데 (그림 12), 본 연구에서는 OMI 센서 관측자료를 기반으로 한 NO_x의 일별, 격자별 배출량 자료 (DECSO: Daily Emission estimation Constrained by Satellite Observations)를 다운로드 하였다. 격자별 하향식 인벤토리 자료는 GIS 프로그램으로 처리하여 중국 도메인 내 성 (Province)별 총량으로 환산하였고, 이를 GAINS-ECLIPSE/WEO 인벤토리와 2007년부터 2014년까지 비교하였다. DECSO 자료는 일별 위성 컬럼 관측자료를 활용하여 중규모 (Mesoscopic scale)의 단기체류 대기 오염물질의 배출량을 신속하게 업데이트할 수 있도록 특화된 알고리즘에 기반하여 작성되었다 (Mijling and van der A, 2012)

Fig. 12. 
Comparison of temporal changes in bottom-up and top-down (satellite) emissions (NO_x).

OMI 센서 관측자료를 기반으로하는 DECSO 자료의 도메인이 중국 전체 지역을 포함하고 있지 않아서 비교하는 GAINS-ECLIPSE/WEO 인벤토리의 도메인을 DECSO와 일치시켜 재계산 후 상호비교분석을 하였다.

그림 12에서 보이는 바와 같이, 5년 단위로 생산되는 ECLIPSE와 WEO의 경우 2010년을 최대로 배출량이 증가하다 추이가 바뀌며 감소하는 경향을 보이지만 그 최대값은 상당한 편차를 보인다. 이는 2010년 부근에 나타난 도시화와 산업 발전의 증가에 대한 반영이 최신 인벤토리인 WEO에서 더 크게 나타나서라고 판단된다. WEO의 값이 중국연구자들의 인벤토리인 MEIC의 값과 상당히 유사하게 나타나는 것이 이러한 판단을 뒷받침 해준다고 볼 수 있다. 상향식 인벤토리인 DECSO에서도 2012년에서 최대값을 나타내고 다시 감소하여 추이는 비슷한 경향이 나타났지만, 그 크기는 상향식 인벤토리들과 10~50% 정도의 배출량 차이를 보였다. 2010년의 경우에는 DECSO와 ECLIPSE가 상당히 근접한 반면 2012년에는 WEO와 근접함을 보인다.

그림 13은 중국인벤토리에 대한 상향식 배출량산정의 불확실성에 대해 3개의 논문 (Kurokawa et al., 2013; Zhang et al., 2009; Streets et al., 2006)을 재정리한 것이다. 그림에서 보이는 바와 같이 중국의 상향식 NO_x 배출량에 대한 불확실성은 Error Propagation 방법을 써서 산정하였을 때 15~50% 정도의 불확실성을 보였다. 그렇기 때문에 본 연구에서 비교한 상-하향식 인벤토리의 비교에서 나타난 편차는 상향식 배출량 산정의 편차와 유사한 수준이라고 판단된다. 단지 5년 단위의 산정을 하는 GAINS-ECLIPSE/WEO 인벤토리는 매일의 실제 위성관측에 기반한 DECSO 인벤토리에 비해 중국 배출량의 변화를 빠르게 반영하지는 못하는 것으로 보인다.

Fig. 13. 
Overall uncertainty in emission estimates for china (±95% confidence intervals, Unit: %).

상향식 또는 상-하향식 배출량의 크기 차이를 배제하고 지역에 따른 배출량 분포만을 고려하기 위해서, GlobEmission-DECSO의 국가총량 대 지역별 배출비율을 WEO에 적용해 WEO (TD)라고 명명하였다. 그리고 결과를 원래의 WEO 인벤토리의 2015년 지역적 분포와 비교하였다 (그림 14). 그림에서 1보다 큰 값은 하향식이 상향식에 비해 높은 값을 보였음을 의미한다. 전반적으로 성별 배출량의 분포는 30% 편차 이내에서 유사하게 나타났지만, 상대적으로 큰 편차를 보이는 지역도 나타났다.

Fig. 14. 
Ratio of WEO (TD) to WEO NO_x emission estimates.

지역별 배출량의 비교에서 WEO (TD)가 WEO에 비해 높게 나타나는 지역은 베이징, 귀조우, 헤난, 산시, 허베이, 장수, 저장, 안후이, 산동 등으로 나타났고, 반대의 경우는 지린, 하이난, 랴오닝, 장시, 후베이, 상하이, 닝샤, 후난, 티안진, 충칭, 산시 등에서 나타났다. 두 자료 간의 편차는 존재하지만 이러한 편차는 두 가지 방법의 차이를 고려하면 비정상적인 수준은 아닌 것으로 판단된다. 배출량 산정 방법의 특성상 관측 당시의 측정값에 기반하는 하향식 배출인벤토리는 상향식에 비해 그 시점의 지역적 분포를 잘 대변할 가능성이 높고, 그러한 지역적 분포의 편차는 에너지 수급의 급격한 변화보다는 주로 빠르고 강력한 환경 정책에 의한 저감을 신속하게 반영하지 못함에서 오는 경우가 많다고 판단된다.

그림 15에 (a) 상-하향식의 NO_x 배출량 차이가 20% 이상인 지역들과 (b) 중국의 대기오염규제 특별 관리 지역들에 대한 정보를 나타내어 놓았다. (a)의 청색은 하향식 인벤토리가 상향식 인벤토리보다 더 높은 배출량을 나타내는 지역이며, 상향식 인벤토리가 하향식에 비해 더 높은 배출을 나타내는 지역을 적색으로 표기하였다. (b)를 보면 적색으로 표기된 지역은 가장 중점적으로 대기환경개선을 위한 특별 관리를 실시하는 지역으로 BTH (Beijing-Tianjin-Hebei)는 북경 주변 지역, YRD (Yangtze River Delta)는 장강삼각주로 상해일대 지역, PRD (Pearl River Delta)는 주강삼각주로 광동일대 지역을 의미한다. 청색으로 표기된 곳은 10개의 대기환경중점관리 도시 클러스터로 3대 대기오염 특별 관리 지역 다음으로 중점적으로 관리·규제를 실시하는 지역이다 (MEP, 2013). 그림 15에 나타난 (a)의 지역들과 (b)의 지역들 간에는 상당한 유사성이 나타났다. 이는 상-하향식 인벤토리의 지역적 분포상의 편차가 주로 정책의 적용과 관련되어 있음을 나타내고 있는 것이라 볼 수 있으며, 앞으로 이 부분에 대한 구조적 연구가 필요함을 시사해 주고 있다고 판단된다.

Fig. 15. 
Regions of china: (a) regions of WEO (TD)/WEO difference (Blue: WEO (TD>WEO, Red: WEO (TD)<WEO); (b) Regions of 1st level (red) and 2nd level (blue) air quality improvement plan.