[대기과학] POSTECH, 국내 환경위성 GEMS 활용 이산화질소 농도 예측 모델 개발

[POSTECH 이형주 교수팀, 국내 환경위성 GEMS 활용 이산화질소 농도 예측 모델 개발]

 

환경공학부 이형주 교수, 통합과정 김나래·신민영 씨 연구팀은 세계 최초의 가스상 대기오염 물질 추적 정지궤도위성 자료를 활용해 이산화질소(NO₂)의 시간대별 농도 변화를 예측할 수 있는 새로운 모델링 기법을 제시했다. 이번 연구는 환경 분야 국제 학술지인 ‘환경 연구(Environmental Research)’에 최근 게재됐다.

이산화질소는 자동차 배기가스, 산업 시설, 난방 보일러 등에서 배출되는 대표적인 대기오염 물질이다. 이 물질은 호흡기 질환을 유발하는 등 인체에 직접적인 해를 끼칠 뿐만 아니라 오존과 같은 2차 오염 물질을 생성하는 주요 원인이기도 하다. 이러한 이유로 현재 환경부에서도 이를 규제하고 있지만 기존 위성들은 하루에 한 번만 자료를 제공하는 극궤도 위성이기 때문에 시간과 지역에 따른 농도의 변화를 추적하는 데 한계가 있었다.

 

이형주 교수 연구팀은 국립환경과학원 환경위성센터에서 제공하는 ‘GEMS’ 위성 자료를 활용해 이산화질소 농도를 시간대별로 예측하고, 이를 통해 대기오염 정보를 정확하게 분석하는 데 성공했다. GEMS는 2020년 발사된 국내 환경위성으로 세계 최초로 준실시간으로 가스상 대기오염 물질을 추적하는 정지궤도 위성이다.

 

이번 연구의 가장 큰 의의는 GEMS로 수집한 자료를 활용해 시간대별로 달라지는 고농도 지역을 확인하고, 이를 바탕으로 국민들의 시간대별 이산화질소 노출 수준을 훨씬 정확하게 평가했다는 것이다. 특히, 기존에 대기오염 측정소가 없는 지역에서도 위성 기반의 준실시간 대기오염 정보를 제공해 해당 지역 주민의 대기오염 노출 수준을 줄이고, 지역 맞춤형 대책 마련의 가능성을 열었다. 예를 들어, 대도시의 교통 · 공장 밀집 지역에서 발생하는 고농도 대기오염 문제를 효과적으로 파악하고, 이를 통해 주민 건강을 보호할 맞춤형 방안을 수립할 수 있다.

 

연구를 이끈 이형주 교수는 “위성 빅데이터와 대기오염 모델링 기술을 결합하여 신뢰성이 높은 대기오염 농도 자료를 확보함으로써 이산화질소 배출원을 정확히 추적하고, 효과적인 저감 대책 수립에 크게 기여할 것”이라며, “이번 연구가 인공위성 원격탐사 분야에서 중요한 이정표가 되기를 바란다”라는 기대를 전했다.

 

한편, 이 연구는 환경부 재원으로 국립환경과학원의 지원과 과학기술정보통신부 재원으로 한국연구재단의 지원을 받아 수행됐다.

 

https://www.sciencedirect.com/science/article/pii/S001393512401538X?via%3Dihubhttps://doi.org/10.1016/j.envres.2024.119633

Redirecting

 

Abstract The Geostationary Environment Monitoring Spectrometer (GEMS) is the world's first geostationary instrument that monitors hourly gaseous air pollutant levels, including nitrogen dioxide (NO2). Using the first-of-its-kind capabilities of GEMS NO2 data, we examined how well GEMS NO2 levels can explain the spatiotemporal variabilities in hourly NO2 concentrations in the Republic of Korea for the year 2022. A correlation analysis between hourly GEMS NO2 levels and ground NO2 concentrations showed a higher spatial correlation [Pearson r = 0.56 (SD = 0.20)] than a temporal one [Pearson r = 0.42 (SD = 0.14)], on average. To take advantage of the enhanced spatial predictability of GEMS NO2 data, we employed a mixed effects model to allow hour-specific relationships between GEMS NO2 and NO2 concentrations on a given day in each region and subsequently estimated hourly NO2 concentrations in all urban and rural areas. The 10-fold cross validation demonstrated R2 = 0.72, mean absolute error (MAE) = 3.7 ppb, and root mean squared error (RMSE) = 5.5 ppb. The hourly variations of the relationships were attributed particularly to those of wind speed among meteorological parameters considered in this study. The spatial distributions of hourly estimated NO2 concentrations were highly correlated between hours [average r = 0.91 (SD = 0.06)]. Nonetheless, they represented the diurnal patterns of urban versus rural NO2 contrasts during the day [urban/rural NO2 ratios from 1.22 (5 p.m.) to 1.37 (12 p.m.)]. The newly retrieved GEMS NO2 data enable temporally as well as spatially resolved NO2 exposure assessment. In combination with the time-activity patterns of individual subjects, the GEMS NO2 data can generate ‘sub-population’ exposure estimates and therefore enhance health effect studies. 초록 지구정지궤도 환경 모니터링 분광계(GEMS)는 이산화질소(NO2)를 포함한 기체상 대기오염물질 수준을 매시간 모니터링하는 세계 최초의 지구정지궤도 기기입니다. GEMS NO2 데이터의 최첨단 기능을 활용하여, 2022년 한 해 동안 대한민국의 NO2 농도의 시공간적 변동성을 GEMS NO2 수준이 얼마나 잘 설명할 수 있는지 조사했습니다. 시간별 GEMS NO2 수준과 지상 NO2 농도 간의 상관관계 분석 결과, 평균적으로 공간적 상관관계[피어슨 r = 0.56 (SD = 0.20)]가 시간적 상관관계[피어슨 r = 0.42 (SD = 0.14)]보다 더 높게 나타났습니다. GEMS NO2 데이터의 향상된 공간 예측성을 활용하기 위해, 각 지역의 특정 일자에 대한 GEMS NO2와 NO2 농도 간의 시간별 관계를 허용하는 혼합 효과 모델을 사용하여 도시 및 농촌 지역의 시간별 NO2 농도를 추정했습니다. 10중 교차 검증 결과 R² = 0.72, 평균 절대 오차(MAE) = 3.7 ppb, 평균 제곱근 오차(RMSE) = 5.5 ppb를 보여주었습니다. 관계의 시간별 변동은 이 연구에서 고려된 기상 매개변수 중 특히 풍속과 관련이 있었습니다. 시간별 추정 NO2 농도의 공간 분포는 시간대 간에 높은 상관관계를 보였습니다[평균 r = 0.91 (SD = 0.06)]. 그럼에도 불구하고, 도시/농촌 NO2 비율이 오전 5시 1.22에서 오후 2시 1.37까지 변화하는 일중 패턴을 나타냈습니다. 새로 검색된 GEMS NO2 데이터는 시간적으로나 공간적으로 해상도가 높은 NO2 노출 평가를 가능하게 합니다. 개별 대상의 시간-활동 패턴과 결합하여, GEMS NO2 데이터는 '하위 집단' 노출 추정치를 생성할 수 있으며, 따라서 건강 영향 연구를 향상시킬 수 있습니다. Citations: [1] https://pplx-res.cloudinary.com/image/upload/v1733371658/user_uploads/udjevvett/image.jpg