Characteristics of Satellite-Based CO/CO₂, CO/NO₂ Ratio in South Korea and China

한국과 중국의 도시별 위성기반 CO/CO₂, CO/NO₂ 비율 특성

Abstract

This study analyzed the ratio of carbon monoxide (CO) and carbon dioxide (CO₂), CO and nitrogen dioxide (NO₂) for cities and regionsin Korea and China using column-averaged carbon dioxide dry-air mole fraction (XCO₂) of the Orbiting Carbon Observatory-2/3, CO and NO₂ vertical column density (named XCO, XNO₂ in thisstudy) of TROPOspheric monitoring instrument from April 2018 to April 2022, and presented the relationship between socioeconomic indicators (population, number of vehicles, Gross Regional Domestic Product) and ratio, and differences in characteristics between Korea and China. First, CO₂ and CO were analyzed after calculating ΔXCO₂ and ΔXCO removing the background value and trend line due to the difference in atmospheric residence time of three gaseous substances (CO₂, CO, and NO₂). Comparing the three values by regions, ΔXCO and ΔXCO₂ were relatively higher in China and XNO₂ were higher in Korea and the ratio of both values (ΔXCO/ΔXCO₂, ΔXCO/XNO₂) was higher in China than in Korea. ΔXCO/ΔXCO₂, ΔXCO/XNO₂ and socioeconomic indicators have a positive correlation suggesting that the concentration of air pollutants and greenhouse gases is higher as the city is large and the economic activity is active. Regarding the differences in the ratio characteristics of Korea and China, the relationship between ΔXCO and ΔXCO₂ showed a negative correlation in Korea and a positive correlation in China. When the relationship between ΔXCO and XNO₂ was examined for summer and winter, the change of ΔXCO by season was not significant in Korea, whereasthe change of ΔXCO and XNO₂ by season waslarge in China resulting in the relationship between two countries appeared differently. These results suggest that seasonal variability and national emission characteristics should be considered in the process of analyzing the ratio of greenhouse gases to air pollutants.

본 연구는 2018년 4월부터 2022년 4월까지 Orbiting Carbon Observatory-2/3의 건조공기 이산화탄소 몰분율(column-averaged carbon dioxide dry-air mole fraction, XCO₂) 자료와 TROPOspheric monitoring instrument의 일산화탄소(carbon monoxide, CO) 및 이산화질소(nitrogen dioxide, NO₂) 연직컬럼농도(본 연구에서 XCO, XNO₂로 명명) 자료를 활용하여 한국과 중국의 도시 및 권역에 대해 CO와 CO₂, CO와 NO₂의 비율을 분석하고, 사회경제적 지표(인구, 차량 등록 대수, 지역내총생산)와 비율의 관계, 한국과 중국에서의 특성 차이를 제시하였다. 먼저 CO₂, CO 그리고 NO₂ 세 기체상 물질의 대기 중 체류시간 차이로 CO₂, CO는 배경값과 추세선을 제거한 ΔXCO₂, ΔXCO로 분석하였다. 지역별로 세 값을 비교한 결과 ΔXCO, ΔXCO₂는 중국 지역이 XNO₂는 한국 지역이 상대적으로 높은 값을 보였으며, 두 값의 비율(ΔXCO/ΔXCO₂, ΔXCO/XNO₂) 모두 한국보다 중국에서 높은 것으로 나타났다. ΔXCO/ΔXCO₂, ΔXCO/XNO₂와 사회경제적 지표는 양의 상관관계를 보였으며, 이는 도시 규모가 크고 경제활동이 활발할수록 대기오염기체 및 온실기체의 농도가 높다는 점을 시사한다. 한국과 중국의 비율 특성 차이를 분석하기 위해 두 나라의 지역별로 분석한 ΔXCO와 ΔXCO₂ 관계는 한국은 음의 관계성을 중국은 양의 관계성을 나타냈다. ΔXCO와 XNO₂의 상관성을 여름과 겨울에 대해 각각 살펴본 결과, 한국은 계절에 따른 ΔXCO 증감이 크지 않은 것에 비해 중국은 북동부 지역을 중심으로 계절에 따른 ΔXCO와 XNO₂의 증감이 크게 나타나며 관계성의 차이를 보였다. 이는 온실기체와 대기오염기체의 비율을 분석할 때, 계절 변동성 및 국가별 배출 특성을 감안해야 함을 시사한다.

1. 서론

산업혁명 이후 인위적 활동으로 인한 대기 중 이산화탄소(carbon dioxide, CO₂) 농도는 지속적으로 증가하고 있으며, 이산화탄소를 포함한 인위적인 온실기체는 기후변화의 주된 원인으로 지목되고 있다. 2015년 제21차 당사국총회(Conference of the Parties, COP21)에서는 지구 평균기온 상승을 산업화 이전 대비 1.5°C로 제한한다는 목표 달성을 위해 5년 단위의 기후변화 대응 기본 계획을 수립할 것을 규정하는 파리협정이 채택되었고(United Nations Framework Convention on Climate Change, 2015), 이에 한국 정부도 2050 탄소중립 목표를 2020년에 발표하였다.

각 국가별 CO₂ 배출 저감 정책을 효과적으로 마련하기 위해서는 지역별 CO₂ 배출 특성에 대한 이해가 필요하다. 특히, CO₂는 대기 중 체류시간이 5~200년으로 긴 장기체류물질로(Intergovernmental Panel on Climate Change, 2001) 인위적인 CO₂의 배출 특성 및 연소 효율을 파악하는 것에는 어려움이 있다. 반면, 일산화탄소(carbon monoxide, CO)와 이산화질소(nitrogen dioxide, NO₂)는 CO₂와 배출원을 공유하면서도(Ward et al., 1996) CO는 약 2개월, NO₂는 약 1~2일의 짧은 체류기간을 갖기 때문에 인위적인 CO₂ 배출 추적 및 분석에 있어 유용한 물질로 알려져 있다(Silva et al., 2013; Reuter et al., 2014). 따라서 많은 선행 연구에서는 CO, NO₂ 등의 공동배출종과 CO₂의 비율을 통해 대도시별 연소 효율 및 배출 특성을 분석하는 연구가 활발히 이루어져 왔다(Silva et al., 2013; Reuter et al., 2014; Silva andArellano, 2017; Halliday et al., 2019; Kim et al., 2021; Lama et al., 2020; Park et al., 2021; Fu et al., 2022). Silva and Arellano (2017)는 연소원 및 연소 종류와 CO/CO₂ 및 CO/NO₂ 비율의 관계를 분석하여 불완전 연소가 일어나는 지역에서는 CO₂와 NO₂ 대비 CO의 비율이 높고, 고온의 환경에서 효율적인 연소가 발생하는 지역에서는 NO₂가 상대적으로 많이 배출됨을 제시하였다. Halliday et al. (2019)은 수직고도별 CO/CO₂ 비율을 분석하여 오염물질의 장거리 수송과 기원에 따른 연소효율 차이에 대해 분석하였다. Park et al. (2021)은 인구, 차량 수, 국내총생산(Gross Domestic Product) 등과 같은 사회경제적 요인과 CO/CO₂, NO₂/CO₂ 비율의 관계를 북반구 81개 대도시에 대해 분석하여 선진국에 비해 개발도상국에서 CO/CO₂, NO₂/CO₂ 비율이 높게 나타났다는 점을 제시하였다. 또한, Kim et al. (2021)은 국내 안면도 지점에서 관측된 CO/CO₂ 비율 분석을 통해서 CO₂ 고농도 사례일에 대한 지역 기여도를 밝혔다.

이와 같이, CO₂와 공동배출종의 비율을 배출 특성 및 연소 효율의 지표로서 분석한 연구가 다수 진행되었으나 지역별 배출 저감 정책을 수립하기 위한 자료로 활용하기 위해서는 보다 세부적인 도시 및 권역 단위에 대한 분석이 이루어질 필요성이 있으며 최신 자료를 활용하여 대기 오염물질과 온실기체 간 비율에 대한 정보를 대중에게 지속적으로 제공할 필요가 있다. 이에 본 연구는 위성 기반 자료를 활용하여 한국과 중국의 도시 및 권역에 대해 CO/CO₂ 및 CO/NO₂ 비율을 제시하고 인구, 차량 등록대수, 지역내총생산(Gross Regional Domestic Product, GRDP)이라는 지표를 통해 대기오염물질과 온실기체 사이의 관계가 도시 규모 및 배출 특성에 따라 어떻게 작용하는지 밝히고자 하였다.

2. 연구자료 및 방법

2.1. Orbiting Carbon Observatory-2/3 XCO₂

Orbiting Carbon Observatory-2 (OCO-2)는 2014년 7월에 발사된 미국 항공우주국(National Aeronautics and Space Administration)의 극궤도 위성이며, 전 지구에 대해 높은 공간 해상도(약 1.29 × 2.25 km)로 건조 공기 이산화탄소 몰분율(column-averaged CO₂ dry-air mole fraction, XCO₂)을 관측하고 있다. 약 1.61, 2.06, 0.76 µm에 위치한 3개의 파장 대역을 통해 이산화탄소와 산소에 의해 흡수 및 반사된 태양 복사 에너지를 관측하고 있으며, 현지 시간으로 약 13시 36분에 적도를 통과하고 16일 주기를 반복한다(Crisp et al., 2008).

OCO-3는 기술적으로 OCO-2와 거의 동일한 위성으로 2019년 5월 국제 우주 정거장(internationalspace station, ISS)에배치되었다.ISS는하루에지구궤도를15.5회순회하는데 ISS 유지 보수 및 도킹 중에는 관측이 중단되기 때문에 재방문 주기가 상대적으로 불규칙하다. OCO-3는 OCO-2에서 제공하던 세 가지 관측 모드(Nadir, Glint, Target)에 추가로 snapshot area mapping 모드를 제공하며, Nadir 모드에서 공간분해능(across × along track, 약 1.6 × 2.2 km)이 OCO-2와 약간 차이가 있다(Taylor et al., 2020; Doughty et al., 2022).

본 연구에서는 2018년 4월부터 2022년 2월까지 OCO-2 version 10r, 2019년 8월부터 2022년 4월까지 OCO-3 version 10.4r를 사용하였으며, 두 자료 모두 quality flag(1=bad, 0=good)가 0인 값만 사용하였다. OCO-2/3 둘다 지상관측인 Total Carbon Column Observing Network와 비교하여 보정하는 방식을 취했지만(Taylor et al., 2020), 두 자료에서 사용하는 보정 방식은 차이가 있다(Eldering et al., 2019). 본 연구에서는 두 자료를 모두 사용했지만 겹치는 기간에 대해 비교했을 때 두 자료 사이의 차이가 크지 않았다.

2.2. Sentinel-5P TROPOspheric Monitoring Instrument XCO, XNO₂

TROPOspheric monitoring instrument (TROPOMI)는 2017년 10월에 발사된 Sentinel-5P (S-5P) 위성의 탑재체로서 오존, 일산화탄소, 이산화질소, 이산화황, 메탄, 포름알데히드, 구름, 에어로졸 특성을 포함한 주요 대기 성분 측정 임무를 갖고 있다. S-5P TROPOMI는 17일의 주기를 반복하며 자외선-가시광선(270–500 nm), 근적외선(675–775 nm) 및 단파 적외선(2,305–2,385 nm) 파장대에서 지구 대기에 의해 흡수 및 반사된 태양 복사 에너지를 관측한다(Veefkind et al., 2012). 본 연구에서는 2018년 4월부터 2022년 4월까지의 TROPOMI CO 연직 컬럼농도(total column density) 자료와 NO₂ 연직컬럼농도 Level 2 자료를 사용하였다. 제공되는 자료에 따라 2018년 4월부터 2021년 7월 1일까지 NO₂는 7.0 × 3.5 km², CO는 7.0 × 7.0 km²의 공간 해상도, 2021년 7월 2일부터 2022년 4월까지 NO₂는 5.5 × 3.5 km², CO는 5.5 × 7.0 km² 해상도의 자료를 사용하였다. 본 연구에서는 CO 연직컬럼농도를 XCO, NO₂ 연직컬럼농도를 XNO₂라고 표기한다. 또한, TROPOMI 사용자 매뉴얼에서 제공하는 권고사항에 따라 CO는 quality value 0.5 이상, NO₂는 quality value 0.75 이상, cloud fraction 0.3 이하인 격자 값만을 사용하였다.

2.3. 보조 자료

CO/CO₂ 및 CO/NO₂ 비율을 도시 규모와 발전 상황을 나타내는 사회경제적 지표들과 연계시키기 위해 국가 통계 사이트에서 제공하는 권역별 인구, 차량 등록대수, GRDP 등의 통계 자료를 사용하였다. 한국은 국가통계포털(Korean Statistical Information Service, https://kosis.kr), 중국은 National Bureau of Statistics of China (https://www.stats.gov.cn/english/)에서 관련 자료를 제공하고 있다. GRDP는 해당 분기가 종료된 시점으로부터 2년 후에 확정치를 발표하기 때문에, 본 연구에서는 2019년까지의 자료를 사용하였고 인구, 차량 등록 대수 자료도 동일 기간으로 일치시켰다. 또한, GRDP는 한국과 중국의 2019년도 기준 환율에 맞춰 달러로 환산한 후 사용하였다.

지역별 CO₂, CO, NO₂ 농도 분포와 지형 및 바람에 따른 영향을 살펴보기 위해 미국 해양대기청(National Oceanic and Atmospheric Administration)에서 제공하는 Earth TOPOgraphy global relief model의 지면 고도 정보(1′ ×1′)와유럽중기예보센터(EuropeanCentre forMediumRangeWeatherForecasts,ECMWF)에서제공하는ECMWF ReAnalysis 5 (ERA5) 연직 층별 바람장 자료(0.25° × 0.25°)를 사용하였다. Fig. 1은 본 연구에서 분석된 지역(한국 13개, 중국 30개)과 지면 고도를 함께 나타내었다.

Fig. 1. The ground elevation of the study domain. Research areas include 13 regions in Korea and 30 regions in China. The regional names of China are as follows. 1-Anhui, 2-Beijing, 3-Chongqing, 4-Fujian, 5-Gansu, 6-Guangdong, 7-Guangxi, 8-Guizhou, 9-Hainan, 10-Hebei, 11-Heilongjiang, 12-Henan, 13-Hubei, 14-Hunan, 15-Inner Mongolia, 16-Jiangsu, 17-Jiangxi, 18-Jilin, 19-Liaoning, 20-Ningxia, 21-Qinghai, 22-Shaanxi, 23-Shandong, 24-Shanghai, 25-Shanxi, 26-Sichuan, 27-Tianjin, 28-Xinjiang, 29-Yunnan, 30-Zhejiang.

2.4. 연구 방법

본 연구는 도시 및 권역 단위의 온실기체와 대기오염 물질의 비율 정보를 산출하는 것이 목적이기 때문에, 먼저 분석 기간의 OCO-2/3 격자별 XCO₂ 자료를 한국 17개의 도시 및 권역, 중국 31개 권역으로 분류하였다. 이 중 한국의 대구, 광주, 세종, 제주도, 중국의 티베트 지역은 관측 자료가 부족하여 연구 지역에서 제외하였다. 그 다음으로는 권역별로 분류된 OCO-2/3 격자점으로부터 반경 5 km 이내에 포함되는 TROPOMI 격자의 CO 및 NO₂ 농도 값을 평균하여 각 XCO₂ 픽셀에 해당하는 XCO, XNO₂ 값을 매칭하였다.

CO₂는 대기 중 긴 체류 시간에 따른 배경 농도가 상대적으로 높고, 연중 계절 변동성을 보이지만 그 차이는 약 2% 정도를 나타낸다(Hakkarainen et al., 2019). 또한, 뚜렷한 증가 추세를 보이기 때문에 XCO₂의 계절성과 추세성을 제거할 필요가 있다. 이에 본 연구는 Hakkarainen et al. (2016)의 방법론을 사용하였다(식 1).

ΔXCO₂ = XCO₂ (individual) – XCO₂ (daily background) (1)

분석 지역 내의 XCO₂ 일별 관측값(XCO₂ [individual]) 중중위수(XCO₂ [daily background])를 일별 배경농도로 정의하였으며, 일별 배경농도는 하루 관측 격자가 100개 이상인 날에 대해서만 계산하였다(Hakkarainen et al., 2016; Fu et al., 2022). 또한, 본 연구에서 분석된 한국과 중국 지역은 영역의 차이가 크기 때문에 각 국가별로 다르게 적용하였다. 한국 지역의 경우는 일일 관측 격자의 수를 확률 밀도 함수로 분석하였을 때 하위 30%에 해당하는 임계값을 계산하고, 그 값 이하인 날짜를 제외하여 분석하였다. CO는 계절 및 지역에 따라 1~2주에서 수개월의 체류시간을 갖기 때문에(Novelli et al., 1998), XCO 또한 XCO₂와 같은 방법론을 사용하여 계절성과 추세성을 제거하였다. 반면, XNO₂는 대기 중 체류 시간이 짧기 때문에 위성 산출 값을 그대로 사용하였다. ΔXCO₂ 값이 음으로 나타나는 픽셀과 CO/CO₂의 음의 관계성은 CO₂의 배출보다는 흡수와 관련된 생물학적 신호로 해석된다(Silva et al., 2013; Fu et al., 2022). 따라서, 본 연구는 인위적인 활동에 대해 분석하기 위해 ΔXCO/ΔXCO₂ 및 ΔXCO/XNO₂ 비율은 ΔXCO₂, ΔXCO 모두 양수인 날짜와 픽셀에 대해서만 계산하였으며, 각 물질의 연구 기간 관측값 사이의 상관관계가 신뢰수준 95% 범위에서 유의한 지역만 선정하여 분석하였다.

3. 연구결과 및 토의

3.1. 한국과 중국의 ΔXCO/ΔXCO₂, ΔXCO/XNO₂ 비율 특성

Fig. 2는 본 연구 분석 대상 43개 지역에 대한 2018년 부터 2022년까지 ΔXCO, ΔXCO₂, XNO₂ 평균값을 순서대로 나타낸 것이다. 이 중 회색 막대는 한국 지역, 검은색 막대는 중국 지역으로 표시하였다. ΔXCO 및 ΔXCO₂의 상위 순위엔 중국 내 권역들이, XNO₂의 상위 순위엔 한국 내 도시 및 권역들이 위치하는 것을 확인할 수 있다. 중국은 급속한 경제발전과 도시화로 인한 세계 최대의 탄소배출국으로 2019년 전 세계 CO₂ 배출량의 28%를 차지하고 있으며, 연간 전 세계 석탄 소비량의 절반 이상을 연소하는 세계 최대 석탄 소비국으로 간주된다(Liu et al., 2022). Park et al. (2021)은 서울의 XNO₂가 높은 농도를 유지하고 있음을 제시하며, 차량 사용과 교통 혼잡도가 높기 때문이라고 설명하였다. Fig. 2의 결과는 이러한 선행연구들과 유사하게 나타난다.

Fig. 2. Median concentration of (a) ΔXCO, (b) ΔXCO₂, (c) XNO₂ during 2018–2022 by cities in Korea and China. Black bar represents cities in China and the gray bar represents the cities of Korea. The numbers in parentheses denote the number of observed pixels during the study period.

각각의 온실기체와 대기오염물질에 대한 분석과 더불어 2개의 종 사이의 비율을 통한 지역별 특성을 조사하였다. 많은 선행연구에서 제시한 바와 같이 ΔXCO/ΔXCO₂ 비율 및 ΔXCO/XNO₂ 비율은 연소 조건 및 연소 효율을 나타내는 지표로써 활용될 수 있으며(Silva and Arellano, 2017; Lama et al., 2020), 이를 사회경제적 지표와 함께 분석하면 도시의 특성에 따라 연소 효율이 어떻게 달라지는지 분석할 수 있다(Park et al., 2021). 본 연구에서는 사회경제적 지표로 인구, 차량 등록 대수, GRDP를 사용하였고 인구는 도시 규모(Bettencourt et al., 2007), GRDP는 도시 내 경제 규모 및 경제활동의 지표(Park et al., 2021)와 연관된다. 차량은 CO₂, CO 그리고 NO₂를 공통 배출하는 배출원으로서, 특히 CO 및 NO₂ 배출에 기여도가 높다(Hassler et al., 2016). Fig. 3은 한국과 중국의 43개 지역에 대해 인구, 차량 등록 대수, GRDP 순위를 나타낸 것이다. 인구, 차량 등록 대수, GRDP 모두 중국 동부 지역이 상위권을 차지하고 있다. 대체로 중국이 한국보다 높은 순위를 보이지만, 한국의 서울과 경기도의 GRDP는 연구지역 43개 중 각각 14위, 15위로 한국의 다른 권역들에 비해 도시 규모 및 경제활동이 월등히 높음을 확인할 수 있다.

Fig. 3. Socioeconomic indicators of cities in Korea and China in 2019. (a) Population, (b) number of vehicles, and (c) GRDP. Black bars represent cities in China and gray bars represent the cities in Korea.

본 연구의 43개 지역별 ΔXCO/ΔXCO₂ 및 ΔXCO/XNO₂ 비율과 인구, 차량 등록 대수, GRDP의 산점도를 Fig. 4에 나타내었다. 회색 점들은 한국의 대도시 및 권역, 검은색 점들은 중국 지역이다. 또한, 한국 13개, 중국 30개의 권역 중 ΔXCO와 ΔXCO₂ 그리고 ΔXCO와 XNO₂의 상관관계가 95% 신뢰도 수준에서 유의미한(p<0.05) 지역들만 나타냈으며, ΔXCO/ΔXCO₂는 총 36개, ΔXCO/XNO₂는 총 42개의 지역을 분석하였다. 상관관계가 유의미하지 않은 지역은 인위적인 활동의 영향이 적다고 판단하여 제외하였다.

Fig. 4. Comparison of ratios (ΔXCO/ΔXCO₂ and ΔXCO/XNO₂) to (a, d) city population, (b, e) number of vehicles, and (c, f) GRDP. (a)–(c) and (d)–(f) are for ΔXCO/ΔXCO₂ and ΔXCO/XNO₂ respectively. Black dots represent the cities in China and gray dots represent the cities in Korea.

ΔXCO/ΔXCO₂ 비율은 인구, 차량 등록 대수, GRDP와 각각 99% 신뢰수준에서(p<0.01) 0.6 이상의 양의 상관관계를 보인다(Fig. 4a–c). 이 결과는 Park et al. (2021)에서 제시한 도시의 경제 규모와 활동이 높은 지역일수록 CO₂ 증가에 CO와 NO₂가 모두 증가하는 패턴이 있다는 결과와 일치한다. 또한, ΔXCO/XNO₂ 비율도 인구, 차량 등록 대수, GRDP와 유의미한 양의 상관관계를 보이는 것을 확인할 수 있다(Fig. 4d–f).

흥미롭게도, 한국에 비해 중국 지역에서 ΔXCO/ΔXCO₂ 비율 및 ΔXCO/XNO₂ 비율이 높게 나타난다. 서울의 ΔXCO/ΔXCO₂ 비율이 중국보다 낮게 나타난다는 점은 여러 선행연구에서 제시한 결과이지만(Silva et al., 2013; Halliday et al., 2019), 한국과 중국의 전반적인 도시에 대해서도 비슷한 경향이 나타난다는 점을 확인할 수 있다. 또한, Fig. 4의 전체적인 결과는 도시 규모가 크고 경제활동이 활발한 도시일수록 오염물질의 농도가 높다는 점도 시사한다.

Fig. 5는 각각의 ΔXCO/ΔXCO₂, ΔXCO/XNO₂ 비율을 인구, 차량 등록 대수, GRDP에 따라 43개 지역을 순서대로 나타낸 결과이다. 각각 인구, 차량 등록 대수, GRDP가 상위 25%, 하위 25%에 해당하는 지역은 붉은색과 초록색으로, 그 중간은 노란색으로 표시하였다. 전체적으로 인구, 차량 등록 대수, GRDP가 높은 지역, 즉 도시 규모가 크고 경제활동이 활발한 지역(붉은색 막대)이 ΔXCO/ΔXCO₂ 비율 및 ΔXCO/XNO₂ 비율에서 상위권에 위치하는 것을 확인할 수 있으며, 그 반대 경우(초록색 막대)는 하위권에 속한다. ΔXCO/ΔXCO₂와 ΔXCO/XNO₂ 비율을 비교하면, 상대적으로 ΔXCO/XNO₂ 비율이 이러한 특징을 잘 따르고 있다.

Fig. 5. Ratios of (a–c)ΔXCO/ΔXCO₂ and (d–f) ΔXCO/XNO₂ by the cities in Korea and China. The ratios are colored by (a), (d) population, (b), (e) number of vehicles, and (c), (f) GRDP. Red, yellow, and green bars indicate the cities with the socioeconomic indicators greater than 75th, between 25th and 75th, and less than 25th, respectively.

ΔXCO/ΔXCO₂ 비율 순위에서 나타난 일부 지역은 이와 같은 도시 규모나 경제활동에 따른 순위에 예외적인 경우가 있으며, 이에 대해서 자세히 살펴볼 필요가 있다. 중국의 장시성 지역은 ΔXCO/ΔXCO₂ 비율에서 1위를 차지하고 있는데 인구 13위, 차량 등록 대수 17위, GRDP 18위로 사회경제적 지표 순위에서는 중위권에 속한다(Fig. 3). 장시성은 ΔXCO₂와 ΔXCO 평균값이 농도 1.059 ppm과 0.841 (10¹⁸ molec/cm²)로 연구 지점 43개 도시 중 각각 16위, 4위로 CO의 순위가 높은 편이다. 장시성 지역의 공간적 특성을 살펴보기 위해서 연구 기간 평균적인 TROPOMI ΔXCO와 ERA5 850 hPa 바람장을 분석하였다(Fig. 6). Fig. 6에 표시된 장시성 지역은 ΔXCO가 상대적으로 높게 나타나는 중국 북동부 지역의 풍하측에 위치하며, 평균적인 바람장은 중국 동부나 동해를 따라 유입되는 구조로 보인다. 또한, 장시성 남쪽으로는 지형이 높아지면서 대기오염물질이 수송되어 정체될 가능성도 있다(Fig. 1). 따라서, 사회경제적 지표에서 중위권에서 속한 장시성은 국지적 배출에 따른 대기 중 CO 농도의 증가보다는 주변 지역으로부터의 유입이 더 큰 영향을 미친 것으로 판단된다.

Fig. 6. Mean ΔXCO concentration from 2018 to 2022 and wind field for satellite observation dates used in the analysis of Jiangxi. The boundary of Jiangxi is marked by the magenta line.

그 외에 주목할 만한 지역은 ΔXCO/ΔXCO₂ 비율에서 11위를 차지한 칭하이성이다. 칭하이성은 인구 32위, 차량 등록 대수 36위, GRDP 41위로 사회경제적 지표 순위에서 중하위권에 속한다(Fig. 3). ΔXCO₂, ΔXCO 평균값은 0.91 ppm과 0.549 (10¹⁸ molec/cm²)로 연구 지점 43개 중 각각 22위, 15위로 CO의 순위가 상대적으로 높은 편이다. 이 결과는 칭하이성의 국지적 배출 특성 때문으로 보이는데, 티베트고원에서 칭하이성에 걸친 고원 지대에 거주하는 주민들은 난방 및 조리에 바이오매스 연료, 특히 가축의 대변을 주로 사용한다고 제시되었다(Xiao et al., 2015; Zhang et al., 2022). 산소가 부족한 고원지대에서 바이오매스 연료를 사용할 경우, 불완전 연소가 발생하여 CO, 미세먼지, 휘발성유기화합물, 다환방향족탄화수소 등의 대기오염물질이 배출되고 대기질에 악영향을 미친다(Guan et al., 2017). 이에 따라 칭하이성은 GRDP 하위권임에도 ΔXCO/ΔXCO₂ 비율이 높게 계산되어 11위로 나타났다(Fig. 5a–c).

한국의 충청북도 또한 인구 40위, 차량 등록 대수 40위, GRDP 38위로 하위권에 속하지만 ΔXCO/ΔXCO₂ 비율이 19위로 예상보다 높게 나타났다. 충청북도는 평균 ΔXCO₂ 농도는 0.668 ppm으로 연구 지점 43개 도시 중 38위이며, 평균 ΔXCO 농도는 0.197 (10¹⁸ molec/cm²)로 전체 43개 중 31위, 한국 지역 내에서는 4위이다(Fig. 2). 이에 대한 가능성 있는 원인을 찾기 위해서 한국 지역에 대한 연구 기간의 평균 TROPOMI ΔXCO와 ΔXCO/ΔXCO₂ 비율 산출 해당일들의 850 hPa 평균 바람장을 Fig. 7에 나타내었다. 분석에 사용된 해당일들은 평균적으로 서풍이 우세했다는 것을 확인할 수 있으며, 충청북도는 수도권 지역으로부터 바람을 통해 수송된 오염 물질의 영향을 받았을 것으로 판단된다.

Fig. 7. Mean ΔXCO concentration from 2018 to 2022 and wind field for satellite observation dates used in the analysis of Chungcheongbuk-do. The boundary of Chungcheongbuk-do is marked by the magenta line.

더욱이 인천, 경기도, 서울 등의 수도권 지역은 한국에서 ΔXCO 농도가 가장 높게 나타나는 지역들이고(Fig. 2a) 충청북도는 동남쪽으로 백두대간에서 뻗어 나오는 산맥이 위치하는 분지 형태의 지형이다(Fig. 1). 환경부 국가미세먼지정보센터에서 제공하는 2019 대기 오염물질 배출량 연보에 따르면, 특히 경기도 지역은 CO 배출량이 가장 높은 지역이다(National Air Emission Inventory and Research Center, 2022). 따라서 수도권 및 충청남도에 위치하는 고농도의 ΔXCO가 충청북도로 수송된 후, 지형에 의해 권역 내부에 축적됨으로써 평균 ΔXCO 농도 및 ΔXCO/ΔXCO₂ 비율이 높게 나타났을 가능성이 있다.

3.2. 한국과 중국의 비율 특성 차이

앞선 3.1 결과에서는 한국과 중국의 43개 지역에 대해 ΔXCO, ΔXCO₂, XNO₂의 값과 비율을 사회경제적 지표와 비교하여 살펴보았다. 이 과정에서 인접한 두 국가이지만 온실 기체와 대기오염기체의 정량적인 값과 사회경제적 지표 수준에서도 차이가 있음을 확인하였다.

따라서 본 절에서는 두 국가 지역에서 나타난 특징 및 차이에 대해서 살펴보고자 한다. Fig. 8은 ΔXCO와 ΔXCO₂의 상관관계가 95% 신뢰도 수준에서 유의미한(p<0.05) 한국 9개, 중국 27개 도시 및 권역을 대상으로 지역별 평균 ΔXCO₂와 ΔXCO 값을 비교한 그림이다. 검은 점은 중국을 나타내고 회색 점은 한국을 나타낸다. 중국 지역의 도시들은 다소 혼재되어 있지만, 평균적으로 ΔXCO₂가 높은 지역에서 ΔXCO도 높게 나타나는 양의 관계성(slope=0.327, R=0.322)을 보인다. 이 관계성은 여러 선행연구에서 제시한 CO₂와 CO가 공통배출원에서 배출되며(Ward et al., 1996), 대기 중 농도에서도 유사한 관계성이 나타남을 시사한다. 반면에 한국은 음의 관계성(slope=–0.246, R=–0.602)을 보인다. 각각의 지역별로는 ΔXCO와 ΔXCO₂ 사이에 양의 상관관계를 보이지만, 그 지역을 대표하는 평균값으로 9개 지역을 나타내면 그 관계성이 다르게 나타난다. 즉, 높은 ΔXCO₂가 관측되는 지역에서는 ΔXCO가 낮게 관측되는 것으로 확인된다. 관련해서 살펴본 원인 중에, 차량은 CO에 대해 높은 기여도를 가진 배출원 중 하나로(Zhong et al., 2017), 연료 유형 및 엔진 종류, 작동 조건에 따라 연소 효율이 달라진다(Tong et al., 2000). 한국이 중국보다 대체로 엄격한 배기가스 기준을 적용했다는 점을 고려하면(Wang et al., 2014), 두 나라의 대기오염물질 규제 정책의 차이가 다른 관계성과 관련될 수 있다.

Fig. 8. Comparisons of their median ΔXCO and ΔXCO₂ by cities in Korea and China. The black dot represents the cities of China, and the gray dot represents the cities of Korea.

Fig. 9(a)와 Fig. 9(d)는 ΔXCO와 XNO₂의 상관관계가 95% 신뢰도 수준에서 유의미한(p <0.05) 도시 및 권역을 대상으로 지역별 평균 ΔXCO와 평균 XNO₂를 각각 여름과 겨울에 대해 나타낸 그림이다. Fig. 9(b), (e)와 Fig. 9(c), (f)는 각각 여름과 겨울에 대해서 ΔXCO와 XNO₂ 평균값을 북동아시아 지역으로 나타내고, 한국 지역은 확대해서 포함한 것이다. 앞선 Fig. 2에서 확인한 바와 같이, 중국은 상대적으로 ΔXCO 농도가 높게 나타나고 한국(특히 서울 및 경기도)은 XNO₂ 농도가 높게 나타난다. 두 값을 산점도로 표현한 Fig. 9(a), (d)에서도 뚜렷한 차이를 확인할 수 있다. 한국 지역에서의 여름과 겨울철 ΔXCO, XNO₂ 정량적 값을 비교해보면(Fig. 9b–c, e–f), 겨울철에 ΔXCO도 증가하지만 XNO₂가 수도권 지역을 중심으로 약 2배 이상 증가하는 것으로 보인다. 즉, 한국의 경우는 계절에 따라 ΔXCO 증감이 크지 않으며 XNO₂는 수도권을 중심으로 계절성이 나타나는 것으로 확인된다. 반면에 중국 지역은 겨울철에 기울기가 0.240에서 0.044로 감소하며 여름과 겨울철에 두 값의 기울기 차이가 뚜렷하게 보인다. 공간적으로 살펴봤을 때, 중국은 북동부 지역을 중심으로 ΔXCO가 한국에 비해 전반적으로 높은 편이며 여름과 겨울철에 두 차이도 크게 나타난다. 또한, 겨울철에 중국의 북동부 지역을 중심으로 XNO₂가 분명하게 증가하는 것을 확인할 수 있다. 즉, 한국과 비교해볼 때 중국 지역은 계절에 따른 ΔXCO와 XNO₂의 증감이 크게 나타나면서 두 값의 기울기가 달라지는 것으로 제시할 수 있다. 이러한 결과들은 온실 기체와 대기오염기체 사이의 비율을 분석하는 과정에서 각 국가별 배출 특성, 계절 변동성 등을 확인하는 것이 필요하다는 것을 시사한다.

Fig. 9. Relationships between the median XNO₂ and median ΔXCO for (a) summer and (d) winter by cities in Korea and China. The black and gray dots represent the cities in China and Korea, respectively. Spatial distributions of mean ΔXCO and XNO₂ for (b, c) summer and for (e, f) winter.

4. 결론

본 연구는 한국과 중국의 도시 및 권역에 대해 2018~2022년 기간의 위성 기반 ΔXCO/ΔXCO₂ 및 ΔXCO/XNO₂ 비율을 제시하고, 사회경제적 지표와의 관계 및 한국과 중국의 비율 특성 차이를 분석하였다. 한국과 중국의 43개 도시 및 권역에 대해 분석한 결과, 중국 지역에서는 ΔXCO, ΔXCO₂ 값이 한국 지역에서는 XNO₂ 값이 상대적으로 높았다. 사회경제적 지표인 인구, 차량 등록 대수 등은 중국 지역이 전반적으로 상위권을 차지하였으며, 한국에서는 서울과 경기도의 GRDP가 연구 영역 43개 중 각각 14위, 15위로 국내 다른 권역들에 비해 도시 규모 및 경제활동이 확연히 높은 것으로 나타났다. 이에 따라 ΔXCO/ΔXCO₂, ΔXCO/XNO₂ 비율은 한국보다 중국지역에서 높았으며 도시 규모와 경제 활동을 나타내는 지표인 인구, 차량 등록 대수, GRDP와 양의 상관관계를 보였다. 이러한 결과는 한국과 중국 지역에서 ΔXCO/ΔXCO₂ 비율을 비교 분석한 선행연구들과 비슷한 경향을 나타내며, 도시 규모가 크고 경제활동이 활발할수록 대기 중 온실기체 및 대기오염기체의 농도도 높게 나타난다는 점을 시사한다.

사회경제적 지표를 상·하위 25%와 중간 그룹으로 나누어 분석하였을 때, ΔXCO/ΔXCO₂ 비율에 비해 ΔXCO/XNO₂ 비율이 사회경제적 지표 순위에 잘 따르는 것으로 나타났다. ΔXCO/ΔXCO₂ 비율 순위에서 도시 규모 또는 경제활동에 따른 순위에서 예외적인 경우로 나타난 지역들은 지리적 위치에 따른 주변 지역으로 부터의 수송 영향 지형 또는 바이오매스 연료 사용 및 불완전연소에 따른 CO 배출 증가 영향일 가능성이 있다. 특히, 산맥으로 둘러싸인 분지 지형은 주변 고농도 지역으로부터 바람에 의해 수송된 대기오염물질이 축적되며, 예외적인 비율을 야기할 수 있다.

다음으로, 한국과 중국의 비율 특성 차이를 분석하기 위해 지역별 평균 ΔXCO와 ΔXCO₂, ΔXCO와 XNO₂의 관계성을 각 국가 지역별로 분석하였다. ΔXCO와 ΔXCO₂에 대해 중국은 양의 관계성(slope=0.327, R=0.322), 한국은 음의 관계성(slope=–0.246, R=–0.602)을 보였다. 관련해서 살펴본 원인 중, CO 배출에 기여도가 높은 차량은 연소 유형 및 엔진 종류, 작동 조건에 따라 연소 효율이 달라지는 것으로 알려져 있다. 한국의 배기가스 제한 정책이 중국보다 대체로 엄격했다는 점을 고려하면, 두 나라의 대기오염물질 규제 정책의 차이가 다른 관계성과 관련될 수 있다.

ΔXCO와 XNO₂에 대해 여름과 겨울로 살펴본 결과, 한국 지역에서는 계절에 따른 ΔXCO 증감이 크지 않았으며 XNO₂에 대해 수도권을 중심으로 계절성이 나타났다. 중국은 북동부 지역을 중심으로 ΔXCO가 한국에 비해 높았으며, 계절에 따라 XNO₂가 확연하게 증가하였다. 이 결과는 국가별 배출 특성, 계절 변동성 등이 온실기체와 대기오염물질의 비율을 분석할 때 고려되어야 함을 시사한다.

본 연구는 한국과 중국의 도시 및 권역에 집중하여 사회경제적 지표와 ΔXCO/ΔXCO₂ 및 ΔXCO/XNO₂ 비율이 양의 상관관계를 갖는다는 점을 보였고, 한국과 중국의 지역적 특성에 따라 ΔXCO/ΔXCO₂ 및 ΔXCO/XNO₂의 관계성이 다르게 나타남을 제시하였다. 본 연구에서 제시하는 결과는 대기 중 농도를 관측한 위성 자료를 기반으로 분석했기 때문에 실제 배출량과는 차이가 있을 수 있다. 그러나 배출량 자료를 실시간으로 확보하기 어려운 상황에서 위성 자료 기반의 온실기체와 대기오염물질의 비율은 지역별 배출 특성을 파악하기 위한 지표로서, 또한 온실기체와 대기오염기체의 실효성 있는 저감 정책 마련을 위한 기초자료로 활용될 수 있다.