SNPP/VIIRS 야간조도와 식생지수를 활용한 한반도 CO₂ 배출량 매핑

Mapping CO₂ Emissions Using SNPP/VIIRS Nighttime Light andVegetation Index in the Korean Peninsula

Abstract

최근 기후변화 문제가 심각해짐에 따라 이산화탄소(carbon dioxide, CO₂) 배출량 감소를 위한 CO₂ 배출량 역학 위성자료를 기반으로 파악하는 연구가 진행되고 있다. 또한 수치로 제공되는 CO₂ 배출량을 추정 및 매핑(mapping)하여 공간적인 패턴을 분석하는 것은 매우 중요하다. 따라서 본 연구에서는 2013년부터 2020년까지 한반도의 CO₂ 배출량을 추정 및 매핑하였다. CO₂ 배출량을 공간적으로 추정 및 매핑하기 위해서 야간 조도(nighttime light, NTL)와 식생지수를 결합한 지수 enhanced vegetation index adjusted nighttime light index를 사용하여 NTL이 관측된 지역과 관측되지 않은 지역 모두를 매핑하였다. 공간적으로 CO₂ 배출량을 추정 및 매핑하기 위해 한반도의 연간 총 배출량을 계산한 결과 2013년부터 2017년까지 11% 증가, 2017년부터 2020년까지 13% 감소하였다. 매핑 결과로 한반도 CO₂ 배출량 공간적 패턴이 도심지에 집중되어 있는 것을 확인하였다. 지역별 증가와 감소를 분석하기 위해 도심지를 포함한 17개의 지역으로 나눈 결과로는 수도권에서 한반도 CO₂ 배출량의 약 40%를 차지하고, 2013년 대비 2020년에 가장 큰 변화를 보이는 지역은 세종시가 96% 증가를 나타내고 있다.

As climate change problem has recently become serious, studies are being conducted to identify carbon dioxide (CO₂) emission dynamics based on satellite data to reduce emissions. It is also very important to analyze spatial patterns by estimating and mapping CO₂ emissions dynamic. Therefore, in this study, CO₂ emissions in the Korean Peninsula from 2013 to 2020 were estimated and mapped. To spatially estimate and map emissions, we use the enhanced vegetation index adjusted nighttime light index, an index that combines nighttime light (NTL) and vegetation index, to map both areas where NTL is observed and areas where NTL is not observed. In order to spatially estimate and map CO₂ emissions, the total annual emissions of the Korean Peninsula were calculated, resulting in an increase of 11% from 2013 to 2017 and a decrease of 13% from 2017 to 2020. As a result of the mapping, it was confirmed that the spatial pattern of CO₂ emissions in the Korean Peninsula were concentrated in urban areas. After being divided into 17 regions, which included the downtown area, the metropolitan area accounted for roughly 40% of CO₂ emissions in the Korean Peninsula. The region that exhibited the most significant change from 2013 to 2020 was Sejong City, showing a 96% increase.

1. 서론

최근몇년동안인간활동으로인한이산화탄소(carbon dioxide, CO₂) 배출량 증가와 지구 기후변화에 미치는 영향은 사회적, 정치적, 경제적으로 심각한 사회 문제 중 하나이다(Ang, 2009). 따라서 온실가스의 대부분을 차지하는 CO₂ 배출량 감소와 원자력 및 재생에너지 발전 비율을 늘리기 위해서 경제 활동, 인구 증가, 기술 발전 및 정부 정책을 포함한 다양한 요인에 따른 이산화탄소의 변화를 나타내는 역학을 조사하기 위한 연구가 진행 중이다. CO₂ 배출량 역학을 정확하게 조사하는 것은 감축 계획을 세우기 위한 중요한 전제 조건이며, 탄소 중립을 달성하기 위해 도시에서 이러한 조치를 이행하는 것이 중요하다(Wang and Cai, 2017). 하지만 국가에서 제공하는 CO₂ 배출량 데이터는 수치 기록만 제공하므로 배출량이 높은 지역을 식별하는 데 한계가 존재한다(Su et al., 2014).

Elvidge et al.(1997)은국가규모에서야간조도(nighttime light, NTL)와 CO₂ 배출량 사이의 상관 관계를 입증했다. Ghosh et al. (2010)은 CO₂ 배출량을 추정하기 위해 NTL과 Landscan 인구 자료를 사용하여 도시와 비도시 지역에서 모두 추정 가능한 방법을 제시하였다. Zhuo et al. (2015)의 연구에서 NTL과 enhanced vegetation index (EVI)를 활용한 enhanced vegetation index adjusted nighttime light index (EANTLI)에 따라 CO₂ 배출량을 추정하기 위해 지역을 light urban (LU), light rural (LR), dark rural (DR)로 나누어 각 지역별로 다른 추정 방법을 제시했으며, Liu et al. (2018)은 비도시 지역에서 정확한 CO₂ 추정을 위해 1인당 배출량 비율 대신 새로운 변수를 제시했다.

많은 연구에서 중국과 인도를 대상으로 CO₂ 배출량을 추정하여 공간적으로 변화를 분석하였다. 하지만 한반도를 대상으로 위성 원격탐사 자료를 활용하여 배출량을 추정 및 매핑(mapping)하여 변화를 분석하는 연구는 부족하기 때문에 본 연구를 진행하였다.

2. 연구자료

본 연구는 2013년부터 2020년까지 8년간의 한반도 CO₂ 배출량을 추정하기 위해 NTL, EVI2, Landscan 인구 자료, 통계자료 모두를 시간해상도 yearly, 공간해상도 1 km로 변환하여 사용하였다.

2.1. Suomi NPP/VIIRS NTL and EVI2

이 연구에 사용한 NTL 데이터는 미국 항공우주국(National Aeronautics and Space Administration)의 Suomi national polar-orbiting partnership (Suomi NPP), visibleinfrared imaging radiometer suite (VIIRS), day/night band (DNB, panchromatic 0.5 um–0.9 um) 자료이다. VNP46A4 (adjusted nighttime lights product) 제품은 지구상 NTL 정보를 기반으로 여러 연구에 활용하기 위해 보정된 광도를 사용하여 야간 조명과 다른 내재적인 표면 광학적 특성을 추정하며 공간해상도 500 m, 시간해상도 yearly로 제공된다.

EVI2는 파란색 밴드가 추가적인 생물물리학적 정보를 제공하지 않고 이를 제거해도 생물물리학적 중요성이 손상되지 않는 사실에 기반해 개발되었다.

\(\begin{aligned}E V I 2=2.5\left(\frac{P_{N I R}-P_{r e d}}{P_{N I R}+P_{\text {red }}+L}\right)\end{aligned}\)       (1)

여기서 P는 보정된 표면 반사율 값이며, L은 캐노피 조정 계수이다. EVI에 비해 에어로졸 및 구름과 같은 대기 변화에 덜 민감한 EVI2는 가시영역에서의 적색 밴드(620 nm–670 nm)와 근적외 대역(841 nm–876 nm) 범위의 방사선을 측정하며, EVI2를 제공해주는 제품 중 하나인 VNP13A3은 공간해상도 1 km, 시간해상도 monthly로 제공한다.

2.2. Landscan 인구 자료

Lanscan 인구 데이터는 인구 분포의 추정치를 고해상도로 제공하는 글로벌 데이터 세트이며, 미국의 Oak Ridge 국립 연구소에서 생산되며 매년 업데이트된다. Landscan 데이터는 위성 이미지, 인구 통계 데이터 및 지리 정보 시스템의 조합을 사용하여 1 km의 해상도로 인구 분포를 추정한다. 데이터는 레스터 형식으로 제공되며 각 픽셀은 해당 위치에 거주하는 예상 인구 수를 나타낸다.

2.3. 에너지원 통계 자료 및 보조자료

이산화탄소 배출량을 계산하기 위해서 국가 에너지 통계종합정보시스템의 에너지통계 연보를 참고하였다. 또한 CO₂ 배출량을 추정하기 위해 토지이음(https://www.eum.go.kr)에서 도시지역에 대한 비도시지역 비율을 사용하였고, 한반도의 CO₂ 배출량을 시도별로 매핑하기 위해서 GEOSERVICE (https://www.geoservice.co.kr)에서 제공하는 시도별 경계자료를 사용하였다.

3. 연구 방법

3.1. CO₂ 배출량 계산

한반도의 CO₂ 배출량을 공간적으로 추정 및 매핑하기 위해 연간 총 배출량을 계산하였다.

식(2)는 Intergovernmental Panel on Climate Change(IPCC)에서 제공하는 에너지원별 소비에서 발생하는 통일된 표준 방법을 통해 이산화탄소톤(TCO₂)을 계산하였다(Eggleston et al., 2006). 식(2)의 MJ는 연료의 발열량으로 한반도의 에너지법 시행규칙의 에너지 열량 환산기준을 적용하였고, TC는 탄소배출계수로 IPCC에서 제시하고 있는 에너지원별 기준을 적용하였다.

\(\begin{aligned}T C O_{2}=M J \times \frac{(T C)}{10^{6}} \times \frac{44}{12}\end{aligned}\)       (2)

에너지열량환산기준의 부문별로 석유(석유 외 14개), 가스(LPG 외 1개), 석탄(무연탄 외 4개) 22개의 소비량으로 총 배출량을 계산하였다. TCO₂의 단위는 tCO₂이고, 이산화탄소 배출량을 톤(t)으로 환산한 값이다.

3.2. 추정량 계산

기존의 TCO₂ 자료는 수치자료로써 공간적 분포를 나타내지 못하기 때문에 위성 자료를 기반으로 TCO₂를 추정하고 매핑하여 공간적 분포 특성 분석을 하고자 한다. 위성기반 TCO₂ 추정 및 매핑을 정확하게 하기 위해 Zhuo et al. (2015)에서 제시한 EANTLI 변수가 사용되었다. EANTLI는 TCO₂ 추정에 높은 상관성을 보이는 NTL과 EVI를 기반으로 계산되는 지수로 NTL과 EVI2 중 하나의 변수만 단독으로 사용했을 때 놓칠 수 있는 배출량의 변화를 포착할 수 있는 장점을 가진다. 계산된 EANTLI에 따라 LU, LR, DR로 구분하여 본 연구에 적용하였다.

\(\begin{aligned}E A N T L I=\frac{1+\left(N P P_{\text {nor }}-E V I 2\right)}{1-\left(N P P_{\text {nor }}-E V I 2\right)} \times N P P, \quad E V I 2 \geq 0.01\end{aligned}\) (3)

식(3)의 NPP는 Suomi-NPP/VIIRS NTL의 DN 값이고, 정규화를 통해서 NPP_nor을 사용하였다. 이 때 EANTLI는 EVI2가 0.01 이상인 경우에 한해서 계산되며 EVI2가 0.01 보다 작을 경우 모두 0으로 처리하였다.

\(\begin{aligned}x=\frac{C O_{2 R}}{C O_{2 U}} \times \frac{P_{U}}{P_{R}}\end{aligned}\)       (4)

EPC_U = TCO₂/(SP_LU + x × SP_LR + x × SP_DR)       (5)

CO_2[LU,LR,DR] = EPC_[LU,LR,DR] × SP_[LU,LR,DR] × x x = 1, LU       (6)

\(\begin{aligned}C O_{2 L g}=\frac{C O_{2 L U}+C O_{2 L R}}{S L_{L}} \times L_{p}\end{aligned}\)       (7)

\(\begin{aligned}C O_{2 D g}=\frac{C O_{2 D R}}{S P_{D R}} \times P_{D p}\end{aligned}\)       (8)

TCO₂를 산출하기 위해 Ghosh et al. (2010)과 Liu et al. (2018)에서 제안한 추정 모델을 사용하였다(식 4–8). 비도시지역에 대한 도시지역의 1인당 배출량 비율인 식(4)의 x를 통해 1인당 배출량인 식(5)의 EPC_U가 SP_x(각 지역별 인구 수의 합)를 TCO₂에 나누어 계산된다. 식(6)을 통해서 지역별 각 픽셀의 배출량이 계산되고, 식(7)의 CO_2x는 NTL의 유무에 따른 지역의 배출량 합을 NTL과 Landscan 인구 값에 따라 계산되었다.

4. 연구 결과

22개의 에너지원별 소비량을 기준으로 TCO₂를 계산한 결과 Fig. 1에서 2017년이 변화의 기점이 되기 때문에 2017년을 기준으로 비교를 진행하였다. 2013년을 제외하고 2017년까지 증가하는 추세를 보이나, 2017년부터 2020년까지 감소하는 경향을 보인다. 2013년(1,420백만톤) 대비 2014년(1,351백만톤)에 약 5% 감소한 것을 제외하고, 2017년(1,574백만톤)에 2013년 대비 11% 증가하였다. 하지만 2017년부터 감소하는 추세로 2017년 대비 2020년(1,374백만톤)에 13% 감소했다. 2013년 대비 2020년에는 약 3% 감소하였다. 2017년까지 상승하던 TCO₂가 2017년과 2018년 사이의 기간동안 탄소 배출 감소에 대한 사회적 영향과 규제가 있었을 것으로 예상된다. 또한 꾸준한 감소에는 정책적 영향도 있겠지만 2019년 중국에서 발생한 COVID-19의 영향으로 인간활동의 감소로 인한 TCO₂ 감소가 큰 영향을 미쳤을 것으로 예상된다.

Fig. 1. Changes in total carbon dioxide emissions in Korea (2013–2020).

Fig. 2는 EANTLI에 따라 3가지 지역으로 분류한 결과이다. Urban with NTL의 분포가 서울을 비롯한 광역시 위주의 도심지 주변에 집중되어 있는 것으로 확인되고, 2013년부터 2020년까지 Rural with NTL의 분포가 감소하고 Rural without NTL의 분포가 크게 증가한 것을 확인할 수 있다. 한반도의 NTL이 총량은 2013년보다 2020년에 더 크기 때문에 도심지 주변에 더 밀집되어 나타나는 것을 확인하였다.

Fig. 2. Changes in area distribution in Korea according to enhanced vegetation index adjusted nighttime light index (EANTLI). (a) Distribution of EANTLI in 2013. (b) Distribution of EANTLI in 2017. (c) Distribution of EANTLI in 2020.

Fig. 4는 EANTLI에 따른 지역구분에 따라 TCO₂를 매핑한 결과이며, 한반도의 TCO₂의 공간적 패턴은 도심지에 집중되는 형태이다. 하지만 매핑 결과만으로는 지역별 변화를 분석하는 것이 제한되기 때문에 시도경계 자료(Fig. 3)를 사용하여 서울, 부산, 대구, 인천을 포함한 17개의 지역으로 구분하여 각 시도별 변화를 Fig. 5의 그래프로 분석하였다. Fig. 4의 지도에서 TCO₂가 서울, 경기, 인천에 집중되어 있는 것을 확인할 수 있으며, 2013년(1,419백만톤) 대비 서울(218백만톤, 15%), 인천(81백만톤, 6%), 경기(328백만톤, 23%) 수도권 총 44%를 총 배출량에서 차지하는 것을 확인하였다. 한반도의 TCO₂가 증가하고 있는데, 서울을 제외한 16개의 지역에서 TCO₂가 증가하였다. 특히 세종에서 2013년(5.8백 만톤)에서 2017년(11.4백만톤)으로 96% 증가하였다. 다음으로 충청도와 충청남도, 제주도, 강원도 지역에서 배출량이 약 20% 이상 증가하였다. 2017년 대비 2020년에는 세종을 제외한 16개의 지역에서 감소했다. 서울 10%, 인천 3%, 경기에서 10% 감소하였고 부산, 대구, 대전에서 약 20% 감소하였다.

Fig. 3. Boundary data by city and province in Korea.

Fig. 4. Carbon dioxide estimation and mapping results in Korea. (a) 2013, (b) 2017, and (c) 2020.

Fig. 5. Carbon dioxide emissions per area at urban and province scale.

TCO₂ 배출량이 수도권을 비롯한 도시지역에 집중되는 것을 확인했지만, 각 지역은 면적과 인구, 기반시설의 차이가 있기 때문에 총 TCO₂를 확인함에 따라 지역의 배출강도(Fig. 6)를 분석했다. 배출강도가 가장 높은 서울의 TCO₂가 감소했지만, 배출강도의 변화는 미미하다. 다음으로 부산, 인천, 대구, 울산 등 광역시 위주의 도시에서 높은 배출강도를 보이고, 세종에서 2013년 이후 큰 증가를 보임에 따라 배출강도가 유의미한 수준까지 증가하였다. TCO₂가 가장 높은 경기의 배출강도는 서울과 인천에 비해 낮지만 한반도에서 유의미한 수준을 보이고 있다. 하지만 강원도, 경상도, 충청도, 전라도 지역의 배출강도는 유의미한 수준의 TCO₂가 나타나지 않는다.

Fig. 6. Carbon dioxide emissions per square meter at urban and province scale. (a) Emission intensity in 2013. (b) Emission intensity in (2017). (c) Emission intensity in 2020.

5. 요약 및 결론

본 연구는 2013년부터 2020년까지 한반도의 이산화탄소 배출량을 추정 및 매핑하기 위해 Suomi-NPP/VIIRS NTL, VIIRS EVI2를 결합한 EANTLI를 통해 LU, LR, DR 3가지로 구분한 뒤 LU와 LR 지역은 EANTLI, DR 지역은 인구에 기반하여 배출량을 계산하였다. 2013년부터 2017년까지 한반도의 총 TCO₂는 약 11% 증가했으나 2017년부터 2020년까지 약 13% 감소한 것을 확인하였다. TCO₂ 추정과 함께 세부 지역별 증가와 감소를 확인하기 위해 시도별 경계자료를 사용하여 분석을 진행하였다. 한반도의 TCO₂ 공간적 분포 특성은 수도권 지역을 비롯한 광역시 등 도시 지역에 배출량이 집중되었다는 것을 확인할 수 있었고, 2013년에 비해 2020년에 약 3% 감소했지만 EANTLI의 분포 중 DR의 분포가 2020년에 증가하여 LU 및 LR 지역에 더 많은 TCO₂가 추정된 것을 확인하였다. 또한 지역별 분석을 통해 한반도 내에 수도권에 TCO₂가 절반 가까이 배출량이 집중된 것을 확인하였고, 배출강도는 서울과 경기를 비롯한 광역시 위주의 도시에서 높은 배출강도가 나타났다.

본 연구는 TCO₂를 EANTLI과 Landscan 인구 그리드(population grid) 값에 기반하여 TCO₂ 추정 및 매핑을 수행하였기 때문에 기존 TCO₂ 자료와 달리 에너지 소비에 따른 TCO₂를 매핑함으로써 인간활동에 따른 TCO₂의 공간적 분포 특성을 파악하기 용이하며, 이에 따른 결과로 도심지 위주의 이산화탄소 배출량 감소 정책에 도움이 될 것으로 예상된다. 향후 인구자료가 1년간 변함이 없다고 가정한 후 monthly로 연구를 진행할 경우, 배출량 증감의 원인과 요소에 대한 명확한 분석이 가능할 것이라 판단된다. 또한 한반도의 TCO₂에 가장 많이 기여하는 특정 부문은 지역 및 개발 수준에 따라 다를 수 있고, 발전소는 도심에서 떨어진 지역에 위치하기 때문에 NTL을 이용한 배출량 추정에 크게 기여하지 않는 것으로 판단된다. 하지만 추후 전기(가정, 수송, 상업)의 배출량도 고려한다면 TCO₂ 변화 원인과 요소에 대한 명확한 분석이 가능할 것으로 기대된다.

본 연구는 위성자료를 기반으로 한반도의 TCO₂를 추정하여 공간적 매핑을 수행하였고, 수치자료로만 제공되는 TCO₂ 자료보다 배출량의 공간적 분포의 변화와 배출량이 집중되는 지역에 대한 변화를 정량적 정성적 방법으로 분석할 수 있는 점과 최초로 한반도의 위성기반 TCO₂ 연구를 수행했다는 점에서 의의가 있다.