미세먼지(PM₁₀)란 대기 중에 떠다니거나 흩날려 내려오는 입자상 물질인 흡입성 먼지를 뜻한다.¹⁾ 고체 및 액체 상태의 혼합물이며 화학반응이나 자연발생으로 생성되는 것으로 알려져 있다. 사람 머리카락 굵기의 5분의 1 크기에 불과할 정도로 매우 작아 천식과 같은 호흡기계 유병률을 증가시키고 식물의 신진대사를 방해하며, 시정을 악화시키거나 인공 건축물의 부식을 일으키기도 한다.

초미세먼지(PM_2.5)는 지름이 1,000분의 2.5 mm 이하인 흡입성 먼지를 뜻하는데, 주로 이온 성분(질산염, 황산염, 암모늄 등), 탄소 성분(유기탄소, 원소탄소), 중금속 성분(칼륨, 철, 납 망간 등)으로 구성되어 있다.²⁾ 미세먼지보다 더 넓은 표면적을 갖기 때문에 더욱 많은 유해 물질들이 흡착될 수 있고, 다른 인체 기관으로 이동할 가능성도 높아 일반적으로 미세먼지보다 건강에 해로운 것으로 알려져 있다.³⁾

초미세먼지의 배출원은 자동차 배기가스, 발전, 산업, 농∙축산, 노천 소각, 조리과정, 해양 등 매우 다양하다. 특히 2차 생성을 유발하는 가스상 오염물질은 전구물질이라 불리는데, 연소 과정 외에 석유∙화학산업, 페인트∙도장 등 유기용제 사용에서도 배출되어 종합적인 관리가 필요하다.

최근 우리나라는 미세먼지 농도 저감을 위해 2018년 「미세먼지 저감 및 관리에 관한 특별법」을 제정하고, 이듬해 미세먼지에 관한 최상위 법정계획으로 미세먼지관리 종합계획⁴⁾을 마련하였으며, 수도권에 집중되어 있던 대기환경 관리계획을 전국으로 확대∙강화하였다. 이에 2021년 경기도에서는 강화된 상위 계획에 기반한 세부적인 시행계획을 수립하여 권역별, 기초지자체별로 2024년까지의 연도별 중점 추진 대책을 제시하였다.⁵⁾

정책 추진 이후, 환경부는 지자체로부터 추진실적을 취합 받아 세부적으로 효과성 검토 및 평가를 한다. 미흡한 항목을 파악하여 원인분석을 하고 효과적인 항목은 지원을 강화하여 시행계획을 개선한다. 일부 기초지자체에서는 개선된 계획에 더하여 대기환경 사업장 수, 교통, 산업구조 등 지역마다 다른 환경적 특성을 고려해 자체적으로 관리계획을 더 강화하려는 노력을 기울이고 있다. 이 과정에서 해당 기초지자체는 산업 분포 특성 및 대기오염 현황과 같은 배경 정보와 기존 보다 강화된 정책으로 인해 기대되는 효과를 파악할 수 있는 근거자료를 필요로 한다. 더 구체적으로는 주변 도시로부터의 영향과 미래 배출량 전망을 제외하고 오직 해당 시∙군의 계획된 정책만으로 거둘 수 있는 세부적이고 객관적인 개선 결과를 요구한다. 또한 미세먼지 계절관리제, 비상저감조치와 같이 단기 정책에 의한 대기오염물질 저감량 산정과 그에 따른 초미세먼지 농도 개선 정도를 정량적으로 산정해 줄 것을 요구하고 있다.

위와 같은 저감 배출량 산정과 초미세먼지 농도 감소 효과를 정량적으로 파악하는 연구는 주로 대기관리권역이나 전국을 대상으로 수행되고 있다. 인력, 내용의 복잡성, 전산 자원 등 여러 한계로 인해 기초지자체의 요구에 즉각 대응할 수 없는 실정을 반영하여, 광역자치단체에서 시군 규모의 대기환경 정책을 진단하고 관련된 정보를 제공할 수 있는 완충지대 역할의 필요성이 제기되었다.

따라서 본 연구는 이러한 요구사항들을 해소하고자 기초지자체의 초미세먼지 정책 수립 시 활용이 가능한 근거자료를 제공하려는 목적으로 수행되었다. 정책에 의해 저감되는 대기오염물질의 양을 기초지자체별로 산정하였고, 그에 따른 농도 개선 효과를 대기질 모델을 활용하여 파악함으로써 보다 객관적이고 정량적인 자료를 생산할 수 있는 토대를 마련하고자 하였다.

본 연구의 공간적 범위는 경기도 서남부 5개 도시이며, 모델 내에서는 몽골, 중국, 대만, 일본, 러시아 극동지역을 포함한 동아시아 영역이다. 시간적 범위는 배출량 분야에서 기준 연도 2018년, 비교 대상 연도 2020~2024년이며, 기상 분야에서는 비교적 국외 영향이 적은 2020년이다.

대기환경 관리계획에서 오염물질을 정량적으로 산정할 수 있는 분야를 파악하고, 연도별, 세부 항목별로 추진 계획 물량을 취합하여 정리하였다. 그리고 각 세부 항목의 산정 지침들을 검토 및 보완하여 계획된 물량으로부터 기대할 수 있는 대기오염물질 저감량을 산정하였고, 이를 국가 대기오염물질 배출량 목록인 CAPSS (Clean Air Policy Support System) 2018년 자료와 비교 분석하였다.

또한, 초미세먼지 개선 효과를 분석하기 위해 기상-배출량-대기질 수치 모델링 체계를 구축하고 모의 성능을 검증하였으며, 기준 연도 배출량 자료와 본 연구에서 산정된 저감 배출량 자료를 각각 입력하여 수행하였다. 수행된 결과를 비교함으로써 정책으로 인해 기대할 수 있는 초미세먼지 농도 감소량을 파악하였다.

1. 대상 지역 및 정량화 항목 선정

연구 대상 지역은 인구 및 도시 규모, 도시별 대기오염물질 배출량 순위, 대규모 배출지역 포함 여부, 산업체 분포 개수, 영역 내 신뢰할 수 있는 지상 기상자료 유무, 지리적 특성 등을 고려하여 경기도 수원, 용인, 화성, 안산, 평택시로 선정하였다.

수도권 대기환경 관리계획의 주요 골자인 「제2차 수도권 대기환경관리 기본계획」의 수정계획⁶⁾에는 크게 도로이동오염원, 비도로이동오염원, 배출시설 관리 등 5개 분야로, 세부 대책은 76개로 구성된다. 하위 계획인 경기도 대기환경 관리 시행계획도 도로이동오염원, 비도로이동오염원, 배출시설 관리, 생활오염원 관리, 정책 기반 강화 및 도민 소통∙참여 확대로 분류되며, 세부 항목은 총 38개로 나누어진다. 이 중 전기∙수소 인프라 확충, 공기정화 설비 설치 및 지원 등과 같이 정성적 평가가 필요한 15개 항목은 제외하고 자동차, 건설기계, 난방시설과 같이 연소기관이 있는 항목과 주유소 유증기 회수설비, 도로 먼지 제거 장비 보급 등 정량화가 가능한 23개 항목에 대해 저감 배출량을 산정하였다(Table 1).

Table 1 . Quantifiable list of Gyeonggi-do air environment management implementation plans.

Classification		Specific categories	Quantification
On-road mobile sources	Supply eco-friendly vehicle	Electric passenger car	O
		Hydrogen fuel-cell passenger car	O
		Electric truck	O
		Electric bus	O
		Hydrogen fuel-cell bus	O
		Electric vehicle (two-wheel)	O
		Low-emission vehicle (public office)	O
		Expansion of electric charging station (slow [standard]/quick [boost])	X/X
		Expansion of hydrogen fuel charging station	X
	Decrepit diesel vehicle control	Earliness car scrapping (compact size/mid∙full size)	O/O
		Installation of DPF (Diesel Particulate Filter)	O
		Installation of PM∙NOx reduction device	O
		Engine modification (school bus)	O
		Engine modification (parcel service)	O
		Replacement to CNG bus	O
		Driving restrictions (installation of enforcement camera)	X
Non-road mobile sources	Construction Machinery (CM) and Agricultural Machinery (AM) management	Installation PM∙NOx reduction device (CM)	O
		Installation of DPF (CM)	O
		Engine modification (CM)	O
		Earliness car scrapping (AM)	O
		Installation of DPF (AM)	O
Air pollutant emission facilities	Small-scale facilities management	Changeover to clean fuel process	X
		Installation of anti-air pollution equipment	X
		Smokestack monitoring system	X
Non-point or stationary area sources	Surrounding of life	Oil mist recovery device (gas station)	O
		Installation of low NOx burner	O
		Heating apparatus management (downtown)	O
		Prevent of agricultural waste incineration (recycling program)	X
		Prevent of agricultural waste incineration (communal dumpsite)	X
		Operating dust trapping vehicle	O
		Air purification for vulnerable classes	X
		Supply PM meter for vulnerable classes	X
		Build fresh-air area for vulnerable classes	X
		Installation of ventilation system and air purifier in underground (subway) station	X
Strengthening policy	-	Expand of air quality monitoring network	X
		Release of comprehensive air pollution information	X

*Reconstituted by the author with reference to the original source (2020~2024 Gyeonggi-do air environment management implementation plan, 2021)..

2. 저감 계획 규모

대상 지역에서 5년간(2020~2024년) 추진되는 계획 물량은 친환경 자동차 보급 분야에서 승용차(전기∙수소) 대상 사업이 21,985대로 가장 많으며, 전기 트럭 4,624대, 전기 이륜차 4,622대, 관용차 1,136대, 버스(전기∙수소) 821대 순서다.

노후 경유차 퇴출 분야는 조기 폐차가 65,079대로 가장 많으며, 저감장치 부착(Diesel Particulate Filter 및 PM∙NO_x 동시 저감) 계획이 28,466대, 택배∙어린이 통학 차량의 엔진 개조가 5,346대, CNG 버스로의 교체가 71대다.

노후 건설기계 관리 분야의 주 계획은 엔진교체로 총 3,233대이며, 저감장치 부착(DPF, PM∙NO_x 동시 저감)은 상대적으로 적은 273대다. 노후 농업기계 관리 분야는 저감장치(DPF) 부착 1,578대, 조기 폐차 계획이 1,052대다. 생활 주변 오염원 관리 분야는 도심 난방시설 관리계획이 99,329개로 가장 많으며 사업장 저녹스 버너 설치 168개, 도로 먼지 제거 장비 67대, 주유소 유증기 회수설비 설치 33대다(Table 2).

Table 2 . The planned quantity (2020~2024) for each city in Gyeonggi-do air environment management implementation plan (unit: qty.).

Specific categories		Suwon	Ansan	Yongin	Pyeongtaek	Hwaseong	Total
Supply eco-friendly vehicle	Electric passenger car	4,243	2,287	3,894	2,151	3,386	15,961
	Hydrogen fuel-cell passenger car	1,602	864	1,469	811	1,278	6,024
	Electric truck	947	896	872	746	1,163	4,624
	Electric bus	204	119	188	109	171	791
	Hydrogen fuel-cell bus	8	5	7	4	6	30
	Electric vehicle (two-wheel)	1,192	699	1,088	642	1,001	4,622
	Low-emission vehicle (public office)	292	172	267	158	247	1,136
Decrepit diesel vehicle control	Earliness car scrapping (compact size)	16,678	9,778	15,217	8,969	14,003	64,645
	Earliness car scrapping (mid∙full size)	90	84	83	70	107	434
	Installation of DPF	7,258	4,523	6,620	3,900	6,090	28,391
	Installation of PM∙NOx reduction device	15	14	14	12	20	75
	Engine modification (school bus)	252	109	252	114	249	976
	Engine modification (parcel service)	897	847	823	706	1,097	4,370
	Replacement to CNG bus	19	11	16	9	16	71
Construction Machinery (CM) and Agricultural Machinery (AM) management	Installation PM∙NOx reduction device (CM)	24	12	18	9	15	78
	Installation of DPF (CM)	51	33	48	24	39	195
	Engine modification (CM)	905	517	789	394	628	3,233
	Earliness car scrapping (AM)	110	60	206	274	402	1,052
	Installation of DPF (AM)	165	90	309	411	603	1,578
Non-point or stationary area sources (surrounding of life)	Oil mist recovery device (gas station)	0	0	0	33	0	33
	Installation of low NOx burner	7	39	17	25	80	168
	Heating apparatus management (downtown)	28,774	15,929	23,391	12,459	18,776	99,329
	Operating dust trapping vehicle	12	19	15	12	9	67

*Reconstituted by the author with reference to the original source (2020~2024 Gyeonggi-do air environment management implementation plan, 2021)..

3. 대기오염물질 저감량 산정 방법 검토

세부 계획의 삭감량 계산에 관한 지침은 제1차 수도권 대기환경관리 기본계획(2005~2014년)을 분석∙평가하고 보완하여 제2차 계획(2015~2024년)에 반영하기 위해, 수도권 대기환경관리 시행계획 수립 가이드라인 및 추진실적 평가방법을 연구하면서 2014년에 마련되었다. 이후 미세먼지 저감을 위한 법령과 정책이 수정 및 개편되어 2차 수도권 대기환경관리 기본계획 변경(안) 마련을 위한 대책별 삭감량 산정 연구(수도권대기환경청, 2017)가 수행되었다. 가장 최근 지침은 환경부 수도권대기환경청과 (사)한국대기환경학회가 공동으로 제시한 대기관리권역 확대에 따른 제2차 수도권 대기환경관리 기본계획 삭감량 재검토 및 영향분석 연구(2020)이다.⁷⁾

경기도 대기환경관리 시행계획은 2020년 연구결과를 토대로 수립하였으며, 본 연구에서도 정합성을 위해 같은 산정식을 최대한 인용하였다. 다만, 최근 지침은 미래 배출량을 고려했을 때를 가정하여 만든 것으로 일부 항목에서 2020년 이후의 계수만 제공되어 과거의 물량을 계산할 수 없다는 단점이 있다. 따라서 최근 지침으로부터 구체적인 삭감량 계산이 곤란한 항목의 경우 일부 노후 소멸 물량을 계산하기 위해 과거 산정식을 혼합하여 사용하였다. 산정식의 각 항에 입력할 자료는 경기도 및 해당 도시의 가장 최근 통계를 사용하였으며, 더 이상 수집하지 않거나 누락된 자료는 알려진 자료로부터 변화 추세를 계산하여 보간 및 추정하였다.

3.1. 친환경 자동차 보급

친환경 자동차 구입 시 예상되는 대기오염 배출물질 저감량 계산에는 기존 내연기관 자동차를 폐차하지 않는 비율이 증가하고 있다는 2021년 국정감사 지적사항을 고려하였다. 계획된 물량 전체를 폐차 후 신차를 재구매하는 것으로 적용하면 삭감량이 과다 산정될 가능성이 있으므로, 기존 차량을 유지하며 친환경 자동차 구매하는 비율을 고려하여 적용하였다. 적용 비율은 국정감사 지적사항, 언론 보도자료, 자동차 제작사 판매 경향, 경기도 내부 통계자료 등을 참고하였다(Table 3).

Table 3 . The purchase ratio of eco-friendly vehicles based on the presence of vehicles scrap.

Specific categories	Purchase after car scrap (%)	Purchase without car scrap (%)
Electric & hydrogen fuel-cell passenger car	70	30
Electric vehicle (two-wheel)	10	90
Electric truck	10	90
Electric & hydrogen fuel-cell bus	50	50
Low-emission vehicle (public office)	50	50

3.2. 노후 경유차 사용 제한

노후 경유차 사용 제한 정책에는 조기 폐차, 배출가스 저감장치 부착, 택배 및 어린이 통학차랑 엔진 교체, CNG 버스 교체사업이 해당한다. 노후 경유차의 조기 폐차에 의한 오염물질 삭감량은 구형 차량(Euro 3, 2002년 이전 생산)과 신형 차량(Euro 6, 2014년 이후 생산)의 배출계수 차이를 적용하였으며, 일반 자동차와 중∙대형 화물차로 나누어 산정하고 최근 3년의 물량을 반영하였다. 배출가스 저감장치 부착 분야의 삭감량은 DPF (Diesel Particulate Filter)와 PM∙NO_x 동시 저감장치의 두 종류로 산정하였다.

택배 및 어린이 통학 차량 엔진 교체 분야의 삭감량 계산은 노후 소형 경유 화물차 및 승합차를 대상으로 하였다. 노후 경유 차량의 배출계수와 2020년 이후 제작된 신형 LPG 차량의 배출계수 차이를 이용하였으며, 연소기관 변화로 인한 CO와 VOCs 및 NH₃의 증가량도 포함하여 산정하였다. CNG 버스 교체 분야의 삭감량 계산은 노후 경유 버스 폐차 후 CNG 버스로 교체하는 것으로 가정하였으며, 연소기관의 변화로 인한 CO의 증가량을 포함하여 산정하였다. 연료 특성에 따른 대기오염물질 증감량 산정은 선행연구⁷⁾의 삭감 배출원단위를 참고하였다.

3.3. 노후 건설기계 사용 제한

노후 건설기계 사용 제한 정책에는 노후 엔진 교체, 배출가스 저감장치 부착 분야가 해당한다. 노후 엔진 교체 분야는 굴삭기와 지게차 두 종류의 2006년 이전 생산 엔진(Tier 1)에서 교체 엔진(Tier 3) 배출계수의 차이를 적용하였고, 효과 지속시간은 4년으로 산정하였다. 선행 연구에서 제안된 삭감식을 검토한 결과 삭감량 과다 산정의 우려가 있어 전국 건설기계 평균 가동률 항을 추가로 적용하였다. 배출가스 저감장치 부착 분야는 DPF와 PM∙NO_x 동시 저감 장치로 나누어지며, 덤프트럭과 콘크리트믹서트럭은 도로이동오염원 기반 산정식을 적용하였고, 콘크리트펌프는 별도의 건설기계 오염원 기반 산정식을 적용하였다.

3.4. 노후 농업기계 사용 제한

노후 농업기계 사용 제한 정책에는 조기 폐차와 배출가스 저감장치(DPF)가 해당한다. 2014년 및 2017년 산정 지침에는 농업기계 분야의 삭감량 계산식이 없으므로 2020년에 연구된 산정식을 적용하였다. 산정에 필요한 농업기계의 오염물질별 배출계수, 정격출력, 가동시간 등은 트랙터, 콤바인, 경운기 등 8종의 평균값을 적용하였다. 조기 폐차 분야의 적용 대상은 1999~2007년, 배출가스 저감장치 부착 분야의 적용 대상은 2008~2011년에 생산된 기계이며 저감효과 지속시간은 4년으로 계산하였다.

3.5. 생활오염원 관리

생활오염원 관리에는 사업장 저녹스 버너 설치와 도심 난방시설 관리, 도로 먼지 제거 장비 보급, 주유소 유증기 회수설비 설치 정책이 해당한다. 저녹스 버너 설치 분야는 중소사업장이나 가정 내 노후 보일러를 연소방식이 개선된 보일러로 교체하는 정책이며 열효율이 높아 더 낮은 양의 NO_x가 배출된다. 과거에는 LNG뿐만 아니라 경유, B-C유, B-A유를 사용하는 보일러까지 산정했으나 최근 지침에는 LNG를 사용하는 보일러만 산정하며, 관리계획에도 LNG 보일러만을 보급하는 점을 반영하였다.

도로 먼지 제거 장비 보급 분야는 도로에서 비산되는 미세먼지를 저감하기 위한 특수자동차 보급을 지원하는 정책이며, 진공 청소차(노면 청소차), 고압 살수차, 분진 흡입차가 있다. 최근 지침에는 수도권 외 다른 권역 기본계획과의 정합성을 위해 분진흡입식 도로청소차를 기준으로 산정하도록 제안되어있다.

주유소 유증기 회수설비 설치 분야는 주유소에서 비산배출되는 휘발성유기화합물을 저감하기 위한 정책이며, 설치 전∙후 배출계수의 차이와 회수율 이용하여 산정하였다. 본 연구에서 참고한 관리계획에는 평택시에만 할당되어 있어 타 도시의 삭감량 산정에는 포함하지 않았으나, 시군별 휘발유 소비량, 주유소 개수 등 경기도 통계자료를 이용하여 도내 모든 시군에서 산정이 가능하도록 마련하였다.

4. 대기질 모델링 구성

대기질 모델링은 기상, 지형, 토지이용도 및 국내∙외 배출량 자료 등을 입력하여 대기오염물질의 배출∙반응∙확산을 고려해 대기오염도 및 침적량을 예측하는 연구기법이다. 본 연구에서는 경기도보건환경연구원에 구축된 대기환경 진단∙평가시스템 내 WRF (Weather Research and Forecast), SMOKE (Sparse Matrix Operator Kernel Emissions), CMAQ (Community Multiscale Air Quality) 모델을 이용하였다.

WRF (v3.6.1)는 미국 NCEP (National Centers for Environmental Prediction)를 중심으로 개발된 기상모델이며, 다양한 격자 크기(50 km이상 또는 1 km 이하)의 공간해상도 범위에서 모의가 가능한 지역 모델이다.⁸⁾ 입력되는 초기 기상장은 미국에서 제공하는 전지구 기상 재분석 자료인 FNL (Final Analysis)을 이용하였다. WRF 모델에서 생산된 기상 결과로 MCIP (Meteorology-Chemistry Interface Processor) v3.6 모델을 수행하여 하위 모델에서 사용할 입력자료로 변환하였다. MCIP 모델의 결과는 배출량 모델(SMOKE)과 대기질 모델(CMAQ)에서 시간변화에 따른 온도 및 대기조건을 정의하는 데 사용된다.⁹⁾

SMOKE (v2.7)는 대기질 모델의 배출량 산정을 위한 전처리 모델이며, 가스상, 입자상 물질뿐만 아니라 수은, 카드뮴, 벤젠 등과 같은 독성 물질도 처리가 가능하다.¹⁰⁾ 인위적∙자연적으로 발생한 대기오염물질을 시간별, 공간별, 화학종별 할당 과정을 거쳐 대기질 모델에서 필요한 격자별 해상도로 생성해 주는 모델이다. 국내 배출량은 대기정책지원시스템(Clean Air Policy Support System, CAPSS) 2018년 자료, 국외 배출량은 REAS v3.2 (Regional Emission inventory in Asia) 2015년 자료를 입력자료로 사용하였다.

CMAQ (v4.7.1)은 대기질 확산 모델로 대륙 또는 그 이상의 규모에서 입자상 물질, 오존, 독성 대기 물질, 시정, 산성 및 대류권 내 오염 영양물질 등을 동시에 모의할 수 있다. 실행 시, 모의할 화학종에 맞게 화학반응식을 선택할 수 있는데, 본 연구에서는 해염 입자, 수용성 물질, 구름 화학, 활성 염소 등을 고려할 수 있어 미세먼지 계산에 비교적 효과적인 5세대 화학 반응식을 적용하였다.¹¹⁾

모델링 영역은 둥지화(nesting) 기법을 적용하여 동아시아 27 km 격자 174×128개, 한반도 9 km 격자 67×82개, 수도권 3 km 격자 74×74개로 수평해상도를 설정하였다(Fig. 1). 모의 기간은 연평균 영향을 파악하기 위해 2020년을 대상으로 각 계절을 대표할 수 있는 1월, 4월, 7월, 11월에 대해 수행하였다.

Figure 1. Nested domains and resolutions for WRF and CMAQ modeling

모델 결과를 사용하기 위해서는 모델에서 산출되는 값이 실제 관측된 농도를 얼마나 유사하게 모의하는지 신뢰성이 먼저 확보되어야 하므로, 모델의 성능을 평가하는 과정이 필요하다. 본 연구에서는 모델의 기본 성능 평가를 위해 IOA (Index of Agreement), RMSE (Root Mean Square Error), NMBE (Normalized Mean Bias Error), NMAE (Normalized Mean Absolute Error), R (Correlation Coefficient)과 같은 통계지수들을 활용하였다(Table 4). IOA와 R은 1에 가까울수록, RMSE와 NMBE, NMAE는 0에 근접할수록 모델 예측이 실제 현상을 적절하게 설명하는 것으로 판단한다. 최근 연구된 대기질 모델 통계 분석 표준안에 따르면, 기상모델의 경우 풍속은 RMSE 2 $\frac{m}{s}$ 이하, IOA 0.6 이상을 권장하며, 온도, 습도(비습)는 각 IOA 0.8, 0.6 이상을 권장한다. PM_2.5 통계의 기준치는 일평균 농도 NMBE ±30% 미만, NMAE 50% 미만, R 0.4 초과이며, 목표치는 NMBE ±10% 미만, NMAE 35% 미만, R 0.7 초과를 권장한다.¹²⁾

Table 4 . Statistics to evaluate model performance.

Classification	Equation
IOA (Index Of Agreement)	IOA=1−∑1n((Modeli−Model¯)−(Obsi−Obs¯))2∑1n(|Modeli−Model¯|+|Obsi−Obs¯|)2
RMSE (Root Mean Square Error)	RMSE=∑1n(Modeli−Obsi)2N×100(%)
NMBE (Normalized Mean Bias Error)	NMBE(NMB)=∑1n(Modeli−Obsi)∑1n(Obsi)×100(%)
NMAE (Normalized Mean Absolute Error)	NMAE(NME)=∑1n|Modeli−Obsi|∑1n(Obsi)×100(%)
R (Correlation coefficient)	R=∑1n(Modeli−Model¯)×(Obsi−Obs¯)∑1n(Modeli−Model¯)2×∑1n(Obsi−Obs¯)2

1. 저감 배출량 산정

연구 대상 지역에서 2024년까지 시행계획 목표 달성 시 저감될 것으로 예상되는 대기오염물질 저감량을 대상 지역 국가 배출량(CAPSS 2018) 자료의 분류 특성에 맞게 나누어 비교하였다. 도로이동오염원에 해당하는 항목에서 CO 813 ton, NO_x 3,347 ton, SO_x 2 ton, PM₁₀ 154 ton, PM_2.5 142 ton, VOCs 235 ton, NH₃ 5 ton으로 저감되는 양이 가장 많은 것으로 나타났다. 두 번째로 비도로이동오염원 중 건설장비 분야에서 CO 545 ton, NO_x 1,019 ton, PM₁₀ 70 ton, PM_2.5 64 ton, VOCs 236 ton이 저감될 것으로 나타났다. 비도로이동오염원 중 농업기계 분야의 저감량은 NO_x 3.1 ton, PM₁₀ 1.4 ton, PM_2.5 1.3 ton, VOCs 1.6 ton이며, 제조업 연소 전체 항목과 비산업 연소 중 주거용 시설 항목에서 각각 NO_x 88 ton, 483 ton 저감될 것으로 나타났다. 비산먼지 분야 중 도로재비산먼지 항목의 저감량은 PM₁₀ 31 ton, PM_2.5 8 ton으로 나타났고, 평택시만 해당하는 에너지 수송 및 저장(주유소) 항목은 VOCs 64 ton이 저감될 것으로 나타났다.

물질별로 나누어 살펴보았을 때, CO는 도로이동오염원에서 813 ton, 비도로이동오염원 건설장비 분야에서 545 ton으로 총 1,358 ton 저감되며, NO_x는 도로이동오염원 3,347 ton, 비도로 이동오염원의 건설장비 분야에서 1,019 ton, 농업기계 3 ton, 제조업 연소 88 ton, 비산업 연소(주거용 시설)에서 483 ton으로 총 4,940 ton 저감되는 것으로 나타났다. 직접 배출되는 PM₁₀의 저감량은 도로이동오염원에서 154 ton, 건설장비 70 ton, 농업기계 1 ton, 도로재비산먼지에서 31 ton으로 총 257 ton이고, PM_2.5는 도로이동오염원에서 142 ton, 건설장비 64 ton, 농업기계 1 ton, 도로재비산먼지에서 8 ton으로 총 215 ton이 저감되는 것으로 나타났다. VOCs는 도로이동오염원에서 235 ton, 건설장비 236 ton, 농업기계 2 ton, 에너지 수송 및 저장 분야에서 64 ton으로 총 537톤이 저감되고, SO_x는 도로이동오염원 분야에서만 2 ton 저감, NH₃는 도로이동오염원에서만 5 ton이 저감되는 것으로 나타났다.

산정된 저감량을 CAPSS 2018 국가 배출량 자료와 비교하였을 때, CO는 대상 지역 전체 CO 배출량 45,632 ton 대비 3.0%, NO_x는 전체 배출량 62,233 ton 대비 7.9%, SO_x는 전체 4,565 ton 대비 0.1% 미만, PM₁₀과 PM_2.5는 각각 전체 10,644 ton 대비 2.4%, 3,540 ton 대비 6.1%, VOCs는 전체 74,862 ton 대비 0.7%, NH₃는 전체 11,836 ton 대비 0.1% 미만인 수준으로 분석되었다(Table 5, 6).

Table 5 . Emission reductions for each in CAPSS categories by Gyeonggi-do air environment management implementation plans (Suwon, Ansan, Yongin) (unit: ton (%)).

	CAPSS classification	CO	NOx	SOx	PM10	PM2.5	VOCs	NH3
Suwon	On-road mobile sources (total)	200.6 (5.3)	846.1 (14.0)	0.5 (15.2)	39.1 (35.8)	35.9 (35.8)	59.7 (7.6)	1.2 (2.2)
	Non-road mobile sources (construction equipment)	152.5 (14.8)	285.7 (13.2)	-	19.6 (16.8)	18.0 (16.8)	66.2 (24.0)	-
	Non-road mobile sources (agricultural machinery)	-	0.3 (3.3)	-	0.1 (20.4)	0.1 (20.4)	0.2 (16.3)	-
	Energy transportation and storage (gas station)	-	-	-	-	-	-	-
	Manufacturing industry (total)	-	3.7 (2.9)	-	-	-	-	-
	Non-industrial combustion (residential facilities)	-	139.9 (16.0)	-	-	-	-	-
	Dust scattering (on-road)	-	-	-	6.6 (1.7)	1.6 (1.6)	-	-
	Suwon total	353.1 (5.5)	1,275.7 (12.4)	0.5 (0.2)	65.4 (4.6)	55.6 (13.0)	126.1 (1.4)	1.2 (0.2)
Ansan	On-road mobile sources (total)	131.0 (5.7)	519.2 (11.3)	0.4 (16.5)	24.1 (25.5)	22.2 (25.5)	36.6 (6.9)	0.9 (2.6)
	Non-road mobile sources (construction equipment)	87.1 (43.0)	162.8 (38.3)	-	11.2 (49.0)	10.3 (49.0)	37.8 (69.9)	-
	Non-road mobile sources (agricultural machinery)	-	0.2 (1.0)	-	0.1 (5.5)	0.1 (5.5)	0.1 (4.3)	-
	Energy transportation and storage (gas station)	-	-	-	-	-	-	-
	Manufacturing industry (total)	-	20.5 (1.0)	-	-	-	-	-
	Non-industrial combustion (residential facilities)	-	77.5 (12.2)	-	-	-	-	-
	Dust scattering (on-road)	-	-	-	4.9 (1.6)	1.2 (1.6)	-	-
	Ansan total	218.1 (5.6)	780.2 (8.0)	0.4 (0.01)	40.3 (2.5)	33.8 (5.9)	74.5 (0.3)	0.9 (0.2)
Yongin	On-road mobile sources (total)	183.0 (4.9)	773.6 (9.4)	0.5 (11.2)	35.7 (19.3)	32.8 (19.3)	54.5 (6.7)	1.1 (1.6)
	Non-road mobile sources (construction equipment)	133.0 (13.7)	248.4 (12.2)	-	17.1 (15.6)	15.7 (15.6)	57.7 (22.3)	-
	Non-road mobile sources (agricultural machinery)	-	0.6 (2.5)	-	0.3 (5.2)	0.3 (5.2)	0.3 (4.0)	-
	Energy transportation and storage (gas station)	-	-	-	-	-	-	-
	Manufacturing industry (total)	-	8.9 (2.5)	-	-	-	-	-
	Non-industrial combustion (residential facilities)	-	113.7 (19.6)	-	-	-	-	-
	Dust scattering (on-road)	-	-	-	8.2 (1.3)	2.0 (1.3)	-	-
	Yongin total	316.0 (4.8)	1,145.2 (9.5)	0.5 (0.3)	61.3 (3.0)	50.8 (8.2)	112.5 (1.2)	1.1 (0.03)

Table 6 . Emission reductions for each in CAPSS categories by Gyeonggi-do air environment management implementation plans (Pyeongtaek, Hwaseong) (unit: ton (%)).

	CAPSS classification	CO	NOx	SOx	PM10	PM2.5	VOCs	NH3
Pyeongtaek	On-road mobile sources (total)	117.1 (4.6)	471.1 (7.6)	0.3 (11.4)	21.6 (13.8)	19.9 (13.8)	32.9 (5.7)	0.8 (2.0)
	Non-road mobile sources (construction equipment)	66.4 (7.1)	124.0 (6.3)	-	8.5 (8.0)	7.8 (8.0)	28.8 (11.4)	-
	Non-road mobile sources (agricultural machinery)	-	0.8 (0.7)	-	0.4 (4.2)	0.3 (4.2)	0.4 (3.4)	-
	Energy transportation and storage (gas station)	-	-	-	-	-	63.9 (20.8)	-
	Manufacturing industry (total)	-	13.1 (1.7)	-	-	-	-	-
	Non-industrial combustion (residential facilities)	-	60.6 (9.9)	-	-	-	-	-
	Dust scattering (on-road)	-	-	-	6.6 (1.5)	1.6 (1.5)	-	-
	Pyeongtaek total	183.5 (1.4)	669.6 (4.5)	0.3 (0.03)	37.1 (1.7)	29.6 (3.6)	126.0 (1.0)	0.8 (0.02)
Hwaseong	On-road mobile sources (total)	181.1 (5.2)	736.7 (8.3)	0.5 (12.6)	33.8 (15.4)	31.1 (15.4)	51.4 (6.4)	1.3 (2.0)
	Non-road mobile sources (construction equipment)	105.8 (5.9)	197.9 (5.3)	-	13.6 (6.7)	12.5 (6.7)	45.9 (9.6)	-
	Non-road mobile sources (agricultural machinery)	-	1.2 (1.0)	-	0.5 (5.4)	0.5 (5.4)	0.6 (4.1)	-
	Energy transportation and storage (gas station)	-	-	-	-	-	-	-
	Manufacturing industry (total)	-	42.0 (5.2)	-	-	-	-	-
	Non-industrial combustion (residential facilities)	-	91.3 (21.4)	-	-	-	-	-
	Dust scattering (on-road)	-	-	-	4.9 (0.7)	1.2 (0.7)	-	-
	Hwaseong total	286.9 (1.9)	1,069.1 (7.1)	0.5 (0.4)	52.8 (1.6)	45.3 (4.2)	97.9 (0.5)	1.3 (0.03)
Total	On-road mobile sources (total)	812.8 (5.1)	3,346.7 (9.8)	2.2 (13.1)	154.3 (20.1)	141.9 (20.1)	235.1 (6.7)	5.3 (2.0)
	Non-road mobile sources (construction equipment)	544.8 (11.0)	1,018.8 (9.8)	-	70.0 (12.6)	64.3 (12.6)	236.4 (17.9)	-
	Non-road mobile sources (agricultural machinery)	-	3.1 (0.9)	-	1.4 (5.4)	1.3 (5.4)	1.6 (4.2)	-
	Energy transportation and storage (gas station)	-	-	-	-	-	63.9 (3.8)	-
	Manufacturing industry (total)	-	88.2 (2.1)	-	-	-	-	-
	Non-industrial combustion (residential facilities)	-	483.0 (15.4)	-	-	-	-	-
	Dust scattering (on-road)	-	-	-	31.2 (1.3)	7.6 (1.3)	-	-
	Total	1,357.6 (3.0)	4,939.8 (7.9)	2.2 (0.05)	256.9 (2.4)	215.1 (6.1)	537.0 (0.7)	5.3 (0.05)

저감 비율은 연구 대상 지역인 5개 도시 모두 NO_x>CO> PM_2.5>PM₁₀ 순서였는데 이는 정책적으로 각 지자체에 할당된 계획 물량의 대부분이 차량 또는 엔진 교체, 저감장치 부착 등 연소기관을 제어하는 항목에 해당하기 때문으로 판단된다.

또한 SO_x와 VOCs, NH₃의 저감 비율은 다른 오염물질에 비해 상대적으로 낮아, 향후 SO_x, VOCs, NH₃까지 저감할 수 있도록 정책을 보완할 필요가 있음을 시사한다.

2. 모델 모의 성능 평가

기상모델(WRF)의 기온, 풍속 모의 능력에 대한 평가를 수행하였다. 2020년 수도권기상청(수원 지점)에서 측정한 종관기상(지상 2 m 높이 기온, 10 m 높이 풍속) 관측값¹³⁾과 해당 격자에서의 모델 모의값을 Scatter plot으로 나타내었다. 기온의 경우 겨울과 여름에는 관측값 보다 낮게, 봄과 가을에는 높게 모의하는 경향을 보이고, 전반적으로 관측값과 유사하게 모의하는 것으로 분석된다.

풍속 또한 대체로 관측값의 경향을 잘 나타내었으나, 겨울철 모델값의 편차가 상대적으로 크며, 봄철에는 관측값 대비 강하게 모의하는 것으로 분석된다(Fig. 2).

Figure 2. Scatter diagram of 2 m temperature (a, °C) and 10 m wind speed (b, ms) model simulations and observations

Table 7은 기온과 풍속에 대한 통계를 계절별로 나누어 나타낸 것이다. 1월, 4월, 7월 기온은 R, RMSE, IOA가 각각 0.92~0.96, 1.24~1.72, 0.88~0.96 범위로 나타났고, NMBE는 –13~14%, NMAE는 13~14% 범위로 나타났다. 11월의 경우 R 0.97, IOA 0.93, NMBE 19%, NMAE 20%로 좋게 나타났으나, RMSE 결과는 3.89로 상대적으로 오차가 컸다. 풍속은 1월, 4월, 11월의 R, RMSE, IOA가 각각 0.65~0.83, 0.57~0.95, 0.80~0.90 범위, NMBE 11~21%, NMAE 14~25% 범위로 계산되었다. 7월에는 R 0.48, RMSE 0.92, IOA 0.68, NMBE 5%, NMAE 26%로 나타나 다른 계절에 비해 오차가 큰 것으로 분석된다. 기상모델의 연구 기간 전체 통계 결과 기온 IOA 0.98, RMSE 2.38, 풍속 IOA 0.85, RMSE 0.81로 나타났다.

Table 7 . Statistics for 2 m temperature and 10 m wind speed in 2020.

Factor	Period	Mean		R	NMBE (%)	NMAE (%)	RMSE	IOA
		Observed	Modeled
2 m temp. (°C)	Jan.	1.59	0.45	0.93	–11	13	1.72	0.88
	Apr.	10.50	11.80	0.96	14	14	1.56	0.96
	Jul.	23.80	22.78	0.92	–13	13	1.24	0.95
	Nov.	7.71	11.07	0.97	19	20	3.89	0.93
10 m wind speed (ms)	Jan.	1.60	1.23	0.83	–11	14	0.57	0.90
	Apr.	2.68	3.42	0.83	21	25	0.95	0.90
	Jul.	1.91	2.04	0.48	5	26	0.92	0.68
	Nov.	1.76	1.66	0.65	–3	15	0.74	0.80

대기질 모델의 모의 성능을 평가하기 위해 대상 지역을 대표하는 지점인 수원 신풍동, 안산 원시동, 평택 비전동, 용인 수지, 화성 남양읍 측정소에서 측정한 PM_2.5 농도와 모델 내에서 각 측정소 위치에 해당하는 격자의 PM_2.5 모의 농도를 비교하였다. 대기질 모델의 연구 기간 전체 통계 결과 각 도시별로 R 0.66~0.79, NMBE –0.2~3%, NMAE 11~13%, RMSE 8.13~11.12, IOA 0.80~0.85 범위를 보였으며, 수원에서는 관측 연평균 농도보다 1.46 μg/m³ 높게, 이외 지역에서는 –1.71~–0.15 μg/m³ 낮게 모의하는 것으로 나타났다(Table 8).

Table 8 . Statistics for PM_2.5 concentration at research regions in 2020.

Factor	Region	Mean		R	NMBE (%)	NMAE (%)	RMSE	IOA
		Observed	Modeled
PM2.5 (μg/m3)	Suwon	22.60	21.14	0.75	–2	12	9.64	0.84
	Ansan	21.53	22.12	0.75	1	13	10.75	0.83
	Yongin	18.92	20.63	0.79	3	13	8.13	0.88
	Pyeongtaek	22.12	22.27	0.66	0.2	13	11.12	0.80
	Hwaseong	20.41	21.09	0.74	1	11	9.26	0.85
	Total	21.12	21.34	0.73	0.5	12	9.83	0.83

위의 정량적 통계수치를 시각화하여 Taylor diagram (Fig. 3a)과 Scatter plot (Fig. 3b)으로 나타내었다. Scatter plot 분석 결과 지역 간 차이는 유의하지 않으며, 전체 변수에 대한 회귀선의 기울기는 0.556, Y 절편 9.698로 나타나 관측농도 기준 약 20 μg/m³ 이하일 때 모델이 높게, 이상일 때 낮게 모의하는 것으로 나타나고 경향의 정도는 고농도로 갈수록 큰 것으로 분석된다.

Figure 3. Taylor diagram (a), Scatter plot (b) of PM_2.5 model simulated and observed concentrations

2001년 Karl E. Taylor에 의해 고안된 분석 방법인 Taylor diagram은 상관계수 R과 RMSD (centered pattern Root Mean Square Difference), 표준편차(Standard Deviation)를 이용하여 2차원 그래프상에 한 점으로 표현하는 것이다. 모델의 정확성 또는 모델 간 상대적 장점을 평가하고, 성능 모니터링에 유용한 기법으로 알려져 있다.¹⁴⁾

모델값의 표준편차는 10.95 μg/m³로 관측값 표준편차인 14.40 μg/m³보다 변동 폭이 작은 것으로 나타났다. 상관계수가 1이고 표준편차 비가 1인 지점(REF in Fig. 3a)에 가까울수록 모델의 모의 성능이 우수함을 뜻하는데, 용인 지역의 모의 성능이 가장 우수하고 수원, 안산, 화성은 비슷한 수준이다. 평택의 모의 성능이 상대적으로 미흡하게 보이나, 오차 범위가 작아 전반적으로 대상 지역 전체에서 모델의 모의 성능이 유사하다고 판단된다. 연구 대상 지역 전체 연평균 농도는 관측값 21.12 μg/m³, 모델값 21.34 μg/m³이며, R 0.73, NMBE 0.5%, NMAE 12%, RMSE 9.83, IOA 0.83으로 선행연구¹¹⁾의 성능 평가 기준 목표치인 NMBE ±10% 미만, NMAE 30% 미만, R 0.7 초과를 충분히 만족하여 모의 성능이 우수한 것으로 분석된다. 따라서 현재 경기도에 구축된 대기질 모델 시스템을 이용한 PM_2.5 분석은 유의한 것으로 판단하였다.

3. PM_2.5 농도 변화와 영향 범위

대상 지역 전체에서 저감 대책 적용 전 연평균 PM_2.5 농도는 21.34 μg/m³에서 적용 후 21.22 μg/m³로 0.12 μg/m³ 감소하였고, 지역별로는 수원 0.24 μg/m³, 안산 0.09 μg/m³ 용인 0.15 μg/m³, 화성 0.06 μg/m³, 평택 0.08 μg/m³ 감소하였다.

수원은 1월과 11월에 각 0.27 μg/m³ 감소되어 양적으로 가장 많았고, 비율로는 7월에 2.5%로 가장 높았다. 안산은 1월과 7월에 각 0.10 μg/m³씩 감소였으나, 7월의 감소율(1.0%)이 1월(0.4%)보다 비교적 높았다. 용인은 11월에 0.19 μg/m³ 감소하여 양적으로 가장 많지만, 감소율은 7월이 1.6%로 가장 높았다. 화성과 평택은 7월에 감소율이 가장 높고(각 0.8%), 다른 기간과 양적인 차이는 미미하였다. 월별 농도 변화가 각 계절을 대표한다고 가정하면, 여름철에 감소 비율이 가장 높았고, 가을과 겨울은 비슷한 수준을 보였으며 봄철에 가장 낮았다. 여름의 감소율은 0.8~2.5%, 가을 0.2~1.1%, 겨울 0.3~1.1%, 봄 0.2~0.7%로 나타났다(Table 9, Fig. 4).

Table 9 . PM_2.5 concentrations in case of non-controlled and controlled at research regions in 2020.

Area	Mon.	Non-controlled (μg/m3)	Controlled (μg/m3)	Reduced Conc. (μg/m3)	Reduced Conc. ratio (%)
Suwon	Jan.	24.81	24.54	0.27	1.1
	Apr.	25.75	25.56	0.18	0.7
	Jul.	8.64	8.42	0.22	2.5
	Nov.	25.59	25.31	0.27	1.1
	Avg.	21.12	20.89	0.24	1.1
Ansan	Jan.	26.15	26.05	0.10	0.4
	Apr.	25.84	25.77	0.07	0.3
	Jul.	10.03	9.93	0.10	1.0
	Nov.	26.56	26.48	0.07	0.3
	Avg.	22.08	21.99	0.09	0.4
Yongin	Jan.	23.96	23.80	0.16	0.7
	Apr.	25.53	25.41	0.12	0.5
	Jul.	7.68	7.56	0.12	1.6
	Nov.	24.47	24.29	0.19	0.8
	Avg.	20.34	20.19	0.15	0.7
Hwaseong	Jan.	23.66	23.59	0.08	0.3
	Apr.	23.25	23.21	0.04	0.2
	Jul.	9.43	9.35	0.07	0.8
	Nov.	28.65	28.60	0.05	0.2
	Avg.	21.17	21.11	0.06	0.3
Pyeongtaek	Jan.	25.50	25.42	0.08	0.3
	Apr.	28.15	28.08	0.08	0.3
	Jul.	10.68	10.59	0.09	0.8
	Nov.	23.91	23.85	0.06	0.2
	Avg.	22.00	21.92	0.08	0.3
Total	-	21.34	21.22	0.12	0.6

Figure 4. Time series of daily PM_2.5 concentration reductions at each study region

연구 대상 지역 배출량 저감에 따른 월별 PM_2.5 농도 개선 효과를 공간적으로 분석하였다. 분석을 위해 CMAQ에서 계산한 PM_2.5 농도와 기상청에서 관측한 지상 종관기상 바람 자료를 이용하였다. 1월은 정온율(CALM in Fig. 5, 풍속 0.4 $\frac{m}{s}$ 이하를 뜻함) 14.2%이며, 주로 서남서~서북서 풍향의 바람이 40.9% 비율로 관측되어 인접 지역인 경기 오산, 안성, 이천 남서부, 충남 아산, 천안, 충북 진천까지 영향을 주었다. 4월은 정온율 8.9%로 서남서~서북서 풍향의 바람이 50.1%로 관측되었다. 이 중 3.4~7.9 $\frac{m}{s}$ 풍속이 26.4%로 타 계절에 비해 상대적으로 풍속이 강해 경기 오산, 안성, 이천 남서부, 충남 천안 북서부, 충북 진천∙음성∙청주까지 영향을 주었다. 7월은 정온율이 7.8%로 가장 낮았고 서남서~서북서 풍향이 30.2% 비율로 관측되어 이 시기의 주풍으로 분석되나, 동~남동풍 계열의 바람도 26.8% 관측되어 기압계의 변동성이 컸던 것으로 분석된다. 동쪽으로 양평∙여주, 서쪽 인천 영종도, 북쪽 서울 남부 인접 지역, 남쪽으로는 충남 당진∙천안, 충북 진천까지 영향을 주었다. 11월은 타 분석 기간에 비해 인접 지역에 주는 영향이 적었다. 정온율 16.5%, 서~북서풍이 46.9% 관측되었는데, 이 중 33.5%가 3.3 $\frac{m}{s}$ 이하의 풍속으로 나타나 타 계절에 비해 상대적으로 풍향 변화 횟수가 적고 풍속이 낮았던 것으로 분석된다(Fig. 5, 6). 기상과 밀접한 연관이 있는 PM_2.5 농도 변화는 분석 기간에 따라 변동 가능성이 높으므로 모델에서 모의한 수치를 지역의 대푯값으로 제공하기 위해서는 다양한 기상 사례에 대해 충분한 후속 연구를 하여 분석 결과의 신뢰성을 높일 필요가 있다.

Figure 5. Monthly mean windrose at Suwon in 2020 (ASOS, Automated Synoptic Observing System data from the Korea Meteorological Administration)

Figure 6. Spatial distribution of monthly mean concentration difference between controlled and non-controlled CMAQ simulations

본 연구는 기초지자체의 초미세먼지 정책 수립 시 활용할 근거자료를 제공하기 위해 2021년 수립된 경기도 대기환경관리 시행계획에 기반하여 경기도 서남부 5개 도시에서 예상되는 대기오염물질 저감량을 산정하였고, 그 결과를 대기 확산 모델에 입력하여 정책 효과를 확인하는 과정을 마련하였다. 본 연구에서 사용한 경기도 대기환경 진단∙평가 시스템이 초미세먼지와 관련된 정책 평가를 수행하기에 충분함을 보였으므로 향후 시군별 정책 변화에 따라 기대할 수 있는 효과를 일선에서 빠르게 제공할 수 있게 되었다. 다만, 지역별 기상장 모의 결과와 초미세먼지 농도 모의 결과에 대해 더 일반화된 결과 제공을 위해서는 장기간의 모델링을 수행할 필요가 있다. 또한, 기존에 수립된 정책계획에서 상대적으로 저감량이 적은 대기오염 배출물질이 확인되어 관련 기관에서는 모든 물질이 고르게 저감될 수 있도록 정책을 보완할 필요가 있음을 시사하였다. 따라서 여러 초미세먼지 전구물질¹⁵⁾을 고려하여 다양한 저감 시나리오를 모의하고, 그 결과를 분석하여 기초 자료로 활용할 수 있도록 연구를 확장할 필요가 있다. 이를 위해서는 기초지자체와 상위 기관의 지속적인 협업이 필수적이며, 특히 시나리오 구성이나 삭감 배출량 산정에서 가정되는 불확도를 낮추기 위해서는 기초지자체의 면밀하고 상세한 통계자료 관리가 요구된다. 상위 기관에서도 미세먼지 계절관리제, 비상저감조치 등 단기 정책에 의한 효과를 누적하여 적용할 수 있는 체계를 마련할 필요가 있다고 생각된다. 본 연구는 기초지자체의 초미세먼지 저감 정책 수립 시 다양한 시나리오 및 근거자료 제공뿐만 아니라 광역자치단체 규모에서의 정책 연구를 확장하는 데에도 기초 자료로 활용될 수 있을 것으로 판단된다.

No potential conflict of interest relevant to this article was reported.

전찬일(환경연구사), 강진구(주무관), 오민영(환경연구사), 최재형(주무관), 신종현(환경연구관), 황찬원(환경연구관)