대기오염물질은 인체에 해로운 영향을 줄 수 있는 물질로, 세계보건기구(World Health Organization, WHO)에서는 매년 대기오염으로 인하여 사망하는 수가 7백만 명에 이른다고 하였다.¹⁾ 또한 2013년 국제암연구소(International Agency for Research on Cancer, IARC)는 미세먼지를 1군 발암물질로 지정하였다.²⁾ 이러한 대기오염물질은 공기 중에서 가스 또는 입자의 형태로 존재한다. 가스상 오염물질은 이산화황(Sulfur dioxide, SO₂), 이산화질소(Nitrogen dioxide, NO₂), 오존(Ozone, O₃), 일산화탄소(Carbon monoxide, CO)로 선박 등에서 배출될 수 있는 물질로 장기 노출 시 알레르기질환이 발생할 수 있다. PM₁₀, PM_2.5는 입자상 오염물질에 해당하며, 폐질환 및 뇌질환을 발생시킬 수 있다고 보고되고 있다.^3,4)

세계적으로 대기오염 등 환경문제에 대한 위기감이 확산되고 있으며,⁵⁾ 해상운송을 환경오염의 주요 원인 중 하나로 꼽고 있다.⁶⁾ 환경부 국가미세먼지정보센터에서 정리하여 발간하고 있는 대기정책지원시스템(Clean air policy support system, CAPSS)의 자료에서는 대기오염물질 배출량을 배출원별로 구분하여 보고하고 있다.⁷⁾ 2020년 기준 국가 대기오염물질 배출량은 비산먼지가 27.5%로 가장 높았고 그 뒤를 이어 비도로이동오염원의 배출량이 26.5%로 높은 수준이었다. 특히 비도로이동오염원 중 선박에서 비롯되는 배출량이 50% 이상으로 가장 많은 비중을 차지하였으며,⁸⁾ 이는 항만 인근 대기질에 영향을 미치는 것으로 보고되고 있다.⁹⁾

한국은 급속하게 산업화와 도시화를 이룩하면서 국가산업단지를 포함한 일반, 도시첨단, 농공 등 많은 산업단지가 조성되었다. 이러한 산업단지가 조성된 이후 주변에 거주지가 형성되면서 많은 환경 문제가 발생하고 있으며,¹⁰⁾ 특히 화학물질 제조, 폐기물 소각 처리 등을 실시하는 산업단지는 대기질에 큰 영향을 줄 수 있는 대기오염물질들을 다량으로 배출하고 있다.¹¹⁾

현재까지 항만 관련 수행된 국내 선행연구들은 항만 지역 배출량 산정 및 특성을 분석하는 연구가 다수 보고되고 있으며, 지방에 비해 수도권에 위치한 항만에 초점을 맞춘 연구들이 많다.^12-14) 한국의 항만은 생산활동이 이루어지는 산업단지와 소비활동을 이루는 주거지역에 인접하여 발전해왔다.¹⁵⁾ 특히 부산지역의 항만은 미세먼지가 심하다고 보고되었으며,¹⁶⁾ 항만 지역 대기오염물질 배출 규제 및 대기질 개선 정책 우선순위 도출과 같은 선행연구가 수행되었다.^16-18) 하지만 항만 별 대기오염 노출량 정보는 공개되어 있지 않으며 2차자료를 활용한 연구¹⁹⁾외 대기 실측 연구도 미비한 수준이다.

부산은 지역 내 1개의 국가산업단지와 42개의 일반 및 농공 등의 다양한 산업단지가 조성되어 있다. 또한 부산항은 상하이, 홍콩 등의 주요 항만과 함께 미세먼지 오염이 심한 세계 10대 항만으로 선정되는²⁰⁾ 등 대기 측면에서 취약한 지역이다. 따라서 항만과 산업단지 인근 대기질 측정과 그에 대한 영향요인 분석이 필요하다. 본 연구에서는 대기질 실측을 통해 부산지역 내 산업단지와 항만 인근 거주지의 분기별 대기 농도 분포를 확인하였다. 산업단지와 항만으로부터 배출되는 대기오염물질의 연간 배출량 정보가 중요하지만 공개되어 있지 않으므로 직접적인 영향요인 외 대기질 농도에 대한 영향요인으로서 강수 이후의 미세먼지 농도와 주중, 주말, 출퇴근 시간대별 기준치 초과 횟수에 따른 미세먼지 농도 영향을 확인하였다.

1. 조사지점 및 측정기간

본 조사지점은 부산지역 내 대기오염물질 배출원 인근에 위치한 거주지이다. 조사 수행지점은 산업단지까지 1.46 km, 항만까지 2.89 km 거리에 위치해 있으며 기존에 해당지역에서 수행된 모니터링 기록이 없으므로 조사지점으로 선정하였다. 국토정보플랫폼(https://map.ngii.go.kr/mn/mainPage.do)에서 제공하는 지도 정보를 통해 조사 지점의 지리적인 위치를 나타내었다. QGIS (Quantum GIS) 3.34 버전을 활용하여 조사 지점 행정구역과 인근 현황에 대한 특성을 나타내었다(Fig. 1).

Figure 1. Study area: residential areas located near industrial complexes and ports within the Busan
*Distance between (A) residential areas and port (2.89 km), (B) residential areas and industrial complexes (1.46 km).

대기측정은 부산광역시 보건환경연구원에서 실시하였고 2023년 분기별로 총 4회 측정을 하였다. 분기별 측정 기간은 1분기 2월 28일부터 3월 9일까지, 2분기 5월 11일부터 5월 18일까지, 3분기 8월 3일부터 8월 9일까지, 4분기 10월 5일부터 10월 12일까지 각 분기별 연속 측정을 실시하였다.

2. 대기측정 방법

대기측정은 항목은 O₃, SO₂, CO, NO₂, PM₁₀, PM_2.5 6개 항목으로 각 항목당 1시간 간격으로 연속 측정하였다. 입자상 물질인 PM₁₀과 PM_2.5 항목은 자동측정기로 베타선법을 사용하는 BAM-1020 (Met one Instruments Inc., USA) 장비를 사용하여 측정하였다. 가스상 물질인 O₃, SO₂, CO, NO₂ 항목은 AP-370 Series (HORIBA Process and Environment, Japan) 장비로 측정하였다. 대기차량을 활용하여 주거지가 밀집해있고 주민의 이동이 많은 지점에 고정하여 대기측정을 실시하였다. 측정장비는 매년 1회 이상 한국산업기술시험원으로부터 정도검사를 받고 있으며, 자세한 방법은 선행 논문을 통해 확인할 수 있다.^21-23)

3. 자료 분석

3.1. 데이터 전처리

자료분석 전 대기측정 자료 분포를 확인하면서 국립환경과학원에서 제공하는 대기환경측정망 설치·운영지침 내 판단 기준²⁴⁾을 적용하여 자료를 정리하였다. PM_2.5 농도가 PM₁₀ 농도보다 클 수 없으나, PM_2.5와 PM₁₀ 농도의 역전이 발생한 경우 이상 자료의 여부를 판단해야 한다. 판단기준은 다음과 같다: PM₁₀≤35일 때, (PM_2.5)–(PM₁₀)≥10 μg/m³; PM₁₀>35일 때, (PM_2.5)–(PM₁₀)≥5 μg/m³.

위의 판단기준을 벗어난 자료는 분석에서 제외하였고 계절을 고려한 분기별 대기측정 기간과 자료 개수를 구분하여 제시하였다(Table 1).

Table 1 . Quarterly monitoring periods and data counts.

	Measurement period	N	Seasonality
Q1	2023.02.28.~2023.03.09.	211	Winter
Q2	2023.05.11.~2023.05.18.	162	Spring
Q3	2023.08.03.~2023.08.09.	145	Summer
Q4	2023.10.05.~2023.10.12.	162	Fall

3.2. 기술분석 및 강수영향 분석

대기측정 항목에 대한 분기별 농도 수준을 파악하고자 PM₁₀, PM_2.5, NO₂, O₃, CO, SO₂ 각 항목의 상자 수염 그림(Box plot)을 나타냈다. 대기질 모니터링 결과 부산지역 평균 농도보다 높은 수준이었던 PM₁₀과 PM_2.5 항목에 대한 영향요인 분석을 실시하였다. 1~4분기별 PM₁₀ 대비 PM_2.5의 비율 분포를 확인하였다. 다음으로, 기상청 기상자료개방포털(https://data.kma.go.kr/cmmn/main.do)에서 비가 온 시점에 대한 강수 자료를 다운받아 활용하였으며 PM₁₀, PM_2.5 각 항목 별로 강수 시점을 표시하여 시간대별 농도 추이를 제시하였다. 또한 각 물질에 대한 강수 시점을 시작시점 농도로 설정 후 해당 농도를 기준으로 강수 한 시간 뒤의 농도를 확인하여 강수가 대기질 농도에 영향을 미치는 정도를 파악하고자 하였다. 강수는 시점별 강수와 연속형 강수로 구분하여 시작 시점 농도 측정값 또는 강수 한 시간 뒤 농도 측정값이 없을 경우 해당 시점 측정값은 모두 제외하였다. 이 때 연속형 강수는 강수 시작 시점부터 종점 시점까지의 시간이 한 시간 이상 지속된 강수를 의미한다.

3.3. 시간대별 차이 분석

주중과 주말 및 출퇴근 시간대와 일반 시간대의 PM₁₀과 PM_2.5 각 항목 분기별 초과 횟수를 파악하였다. 주중(월요일에서 금요일), 주말(토요일, 일요일), 그리고 출근 시간대는 주중 7시부터 10시, 퇴근 시간대는 주중 17시부터 20시, 이 외 시간대는 일반 시간대로 설정하였다. PM₁₀과 PM_2.5 각 항목 농도 초과 기준은 대기환경기준²⁵⁾을 준하여 PM₁₀은 연간 50 μg/m³, PM_2.5는 연간 15 μg/m³ 농도를 기준으로 초과 횟수를 제시하였고 그 외 일평균 및 연평균 PM₁₀과 PM_2.5의 초과 횟수를 확인하였다. 또한 PM₁₀과 PM_2.5 각 항목의 일반 시간대와 출근 시간대 및 퇴근 시간대 평균 농도와 최솟값, 최댓값을 산출하였다. 이후 분기별 각 항목에 대한 일반 시간대, 출근 시간대, 퇴근 시간대의 농도 사이에 유의성이 있는지 확인하기 위해 ANOVA (Analysis of variance) 분석을 실시하였다. 통계분석은 SAS 9.4 (SAS Institute, Cary, NC, USA)를 이용하였고 통계적 검정은 유의수준 5% 미만에서 실시되었다.

1. 분기별 경향성

분기별 각 대기측정 항목에 대한 분포는 Fig. 2에 나타나 있다. PM₁₀과 NO₂, SO₂의 경우 1~3분기는 평균 농도가 감소하다가 4분기에는 평균 농도가 상승하는 경향을 보였다. PM_2.5의 경우 2분기가 1분기보다 높으나, PM₁₀ 및 NO₂와 유사한 경향을 보였다. O₃와 CO는 1, 2분기의 농도가 높고 3, 4분기에는 농도가 낮아졌다. PM₁₀ 대비 PM_2.5 비를 분기별로 산출하여 중위수를 확인한 결과, 1분기 PM_2.5/PM₁₀ 비는 중위수는 0.500에서 2분기에 0.626으로 증가하였고 3, 4분기는 각각 0.545, 0.524로 산출되었다.

Figure 2. Box plots of air quality indexes by quarter of the study area

2. 강수 영향

Table 2는 분기별 강수에 따른 PM₁₀과 PM_2.5 각 항목에 대한 농도 변화 추이를 나타낸 표이다. PM₁₀의 1분기 3월 1일 12시 시점 항목의 농도는 23 μg/m³였으며, 강수 1시간 뒤 시점인 13시에는 24 μg/m³로 농도 변화가 거의 없었다. 그리고 2분기 5월 13일 1시 시점 PM₁₀ 항목의 농도는 27 μg/m³였고 강수 1시간 뒤 농도는 18 μg/m³로 농도가 낮아졌다. 이후 12시까지 연속적으로 비가 왔으며, 12시 시점의 PM₁₀ 농도는 7 μg/m³, 1시간 뒤 농도는 6 μg/m³로 최초 강수 시점부터 그치기까지 농도가 21 μg/m³ 낮아진 것을 확인할 수 있었다. 또한 2분기 5월 18일 8시부터 10시까지 연속적인 강수에 따라 PM₁₀의 농도가 59 μg/m³에서 56 μg/m³로 점차 농도가 낮아지는 경향을 보였다. 또한 3분기 8월 9일 9시부터 14시까지 연속적인 강수로 PM₁₀ 농도가 23 μg/m³에서 2 μg/m³까지 낮아졌다. 이후 4분기 10월 7일 20시부터 21시까지 강수에 따른 PM₁₀의 농도는 11 μg/m³에서 5 μg/m³로 낮아졌다.

Table 2 . Changes in the concentrations of PM₁₀ and PM_2.5 after rainfall.

Substance	Quarter	Month	Day	Time	Continuity or point	Starting concentration	Concentration 1 hour after rain	Increase or decrease	Rain duration
PM10	1	3	1	12	Point	23	24	1↑
	1	3	1	15	Point	26	26	0
	2	5	13	1	Continuity	27	18	21↓	1 am~12 pm
	2	5	13	12	Continuity	7	6
	2	5	18	8	Continuity	59	56	3↓	8 am~10 am
	2	5	18	10	Continuity	56	-
	3	8	9	9	Continuity	23	16	21↓	9 am~2 pm
	3	8	9	14	Continuity	2	-
	4	10	7	20	Continuity	11	7	6↓	8 pm~9 pm
	4	10	7	21	Continuity	7	5
	4	10	7	24	Point	5	13	8↑
	4	10	8	16	Point	13	14	1↑
PM2.5	2	5	13	1	Continuity	19	14	18↑	1 am~12 pm
	2	5	13	12	Continuity	10	37
	2	5	18	8	Continuity	37	37	1↑	8 am~10 am
	2	5	18	10	Continuity	38	-
	3	8	9	9	Continuity	8	12	6↓	9 am~2 pm
	3	8	9	14	Continuity	2	-
	4	10	7	20	Continuity	9	9	#	8 pm~9 pm
	4	10	7	21	Continuity	9	#

-: Data without measurement, #: Measurement missing data..

PM_2.5의 2분기 농도는 강수동안 감소하였으나, 마지막 시점에서 37 μg/m³로 강수 이전보다 증가한 현상이 나타났다. 이후 3분기 농도는 8 μg/m³에서 2 μg/m³로 낮아졌다. 그리고 4분기는 20시와 21시 모두 9 μg/m³로 동일하게 나타났다. Fig. 3은 Table 2에서 제시한 강수에 따른 PM₁₀과 PM_2.5 항목에 대한 농도 변화 추이를 시각적으로 확인할 수 있게 제시한 그래프이다.

Figure 3. Quarterly trends of PM₁₀ and PM_2.5 and rainfall effect-PM₁₀: (A)~(D), PM_2.5: (E)~(H)
*Red arrows and vertical line represent the point of rain, the duration of rain, respectively.

3. 출퇴근 시간 영향

Fig. 4는 주중과 주말 및 출퇴근 시간대와 일반 시간대의 PM₁₀과 PM_2.5 각 항목 분기별 평균 농도 초과 횟수를 제시한 그림이다. PM₁₀의 경우 1, 2분기 초과 횟수가 3, 4분기보다 많았다. 특히 주중 초과 횟수가 주말에 비해 많았고 오후 시간대 초과 횟수가 오전보다 더 많았다(Q1 오전: 22회, 오후: 38회, Q2 오전: 24회, 오후: 29회). 이 중 출근 시간대(7~10 am) 퇴근 시간대(5~8 pm) 각 초과 횟수는 모두 12번으로 비슷한 수준이었다. 또한 3분기 초과 횟수는 주중 오전 1번, 오후 4번으로 나타났고 주말 오전 1번, 오후 5번으로 오후 시간대 초과 횟수가 더 많았다. 이후 4분기는 주중 오후와 퇴근 시간대 각 1번씩 초과하였다.

Figure 4. Number of exceeded the criteria by commuting time for PM₁₀ and PM_2.5
*Criteria PM₁₀: 100 μg/m³, PM_2.5: 35 μg/m³.

PM_2.5 또한 1, 2분기 초과 횟수가 3, 4분기보다 많았다. 특히 주중 초과 횟수가 주말에 비해 많았고 오전 시간대 초과 횟수가 오후보다 더 많았다(Q1 오전: 57회, 오후: 51회, Q2 오전: 50회, 오후: 40회). 이 중 출퇴근 시간대 초과 횟수는 출근 시간대가 더 많았다(Q1 출근 시간대: 21회, 퇴근 시간대: 16회, Q2 출근 시간대: 17회, 퇴근 시간대: 14회). 그리고 3분기 주중 초과 횟수는 오전 5번, 오후 9번으로 오후 시간대가 많았고 주말 초과 횟수 또한 오후 시간대 초과 횟수가 더 많았다. 이후 4분기 주중 초과 횟수는 오전, 오후 시간대가 비슷한 수준이었고 주말 초과 횟수는 오전 6번만 초과하였다. 이 중 주중 출근 시간대와 퇴근 시간대 초과 횟수는 3분기는 퇴근 시간대가 더 많았고 4분기는 출퇴근 시간대 초과 횟수가 동일하게 나타났다. 일평균, 연평균 초과 횟수는 Supplementary Table 1에 제시하였다.

주중의 출근 시간과 퇴근 시간, 그리고 그 외 일반 시간대로 구분하여 PM_2.5와 PM₁₀ 각 항목별 농도 평균과 범위 및 차이 여부를 Table 3에 제시하였다. PM_2.5는 2분기 출근 시간대에 가장 높은 평균농도인 33 μg/m³로 산출되었고, 시간대별 농도에 유의한 차이가 있었다(p=0.0080). PM₁₀의 경우, 전반적으로 출퇴근 시간대의 평균농도가 그 외 일반 시간대의 평균농도보다 높게 나타났으며 1분기를 제외한 모든 분기에서 시간대별 평균 농도 간 유의한 차이가 있었다. PM₁₀의 1분기 일반 시간대는 46 μg/m³, 출근 시간대는 54 μg/m³로 가장 높았고 시간대별 농도 간 유의한 차이를 보이지는 않았다.

Table 3 . Differences between time period of PM₁₀ and PM_2.5 concentrations.

Quarter	Substance	General*			Commuting time (7~10 am)			Commuting time (5~8 pm)		p-value†
		Mean	(Min, Max)		Mean	(Min, Max)		Mean	(Min, Max)
Q1	PM2.5	22	(2, 59)		28	(7, 50)		20	(4, 42)	0.0762
	PM10	46	(14, 112)		54	(13, 108)		51	(22, 90)	0.1451
Q2	PM2.5	23	(6, 55)		33	(10, 54)		22	(7, 41)	0.0080
	PM10	38	(6, 98)		51	(21, 79)		53	(22, 76)	0.0002
Q3	PM2.5	9	(2, 28)		10	(7, 17)		12	(6, 24)	0.0932
	PM10	20	(2, 80)		22	(6, 68)		32	(16, 100)	0.0071
Q4	PM2.5	10	(2, 48)		11	(2, 20)		10	(5, 18)	0.8345
	PM10	18	(4, 77)		23	(15, 34)		25	(10, 46)	0.0028

*General represents the average concentration excluding 7~10 am and 5~8 pm on weekday..

^†p-values were calculated by analysis of variance (ANOVA)..

본 연구는 대기측정을 통해 부산지역 내 산업단지와 항만이 인근에 위치한 거주지의 대기 농도 수준을 확인하고자 하였다. 조사지점의 대기측정 결과, 겨울과 봄철의 대기 농도 수준이 높게 나타났다. 강수에 따른 PM₁₀ 및 PM_2.5의 농도 분석 결과, 두 물질 모두 농도가 연속 강수 이후 낮아지는 경향을 보였다. 주말보다 주중에 PM₁₀ 및 PM_2.5의 대기환경기준 초과 횟수가 많았고 출퇴근 시간대의 농도가 일반 시간대보다 높게 나타났다.

산업단지와 항만이 인접한 본 조사지점의 대기측정 농도는 부산의 평균 PM₁₀, PM_2.5 농도보다 높았다. 부산지역의 대기오염물질 배출량은 항구가 위치한 연안지역과 산업단지가 밀집된 지역이 높다고 보고한 연구를 바탕으로,²⁶⁾ 미세먼지 농도가 높은 겨울철과 봄철의 본 조사지점과 부산지역 대기 농도 수준을 비교해 보았다. 또한 본 연구의 일관성을 위해 동일한 모니터링 기간 내 산업단지 및 항만 인근에 위치한 주거지와 부산지역의 평균 대기오염 농도를 비교하였다. 본 조사지점의 PM₁₀, PM_2.5 평균 농도는 모든 분기 별로 부산 전체 PM₁₀, PM_2.5 평균보다 높았다. 조사지점 PM₁₀의 분기별 농도는 각각 47, 41, 21, 20 μg/m³이었고 부산의 PM₁₀ 평균 농도는 44, 35, 14, 19 μg/m³이었다. PM_2.5의 경우 조사지점과 부산지역이 유사한 수준이었으나, 조사지점의 평균이 높게 나타났다(조사지점 1~4분기: 23, 24, 10, 10 μg/m³ vs. 부산평균 1~4분기: 22, 22, 7, 10 μg/m³). 이는 본 조사지점의 미세먼지 고농도 현상이 항만 및 산업단지 지역으로부터 배출되는 미세먼지가 배후 주거지역의 미세먼지 고농도 분포에 미친 영향을 입증한 선행연구와도²⁷⁾ 일치하는 결과였다. 또한 2분기 PM₁₀ 농도(41 μg/m³)는 1분기 농도(47 μg/m³)보다 감소하고 PM_2.5의 2분기 농도(24 μg/m³)는 1분기 농도(23 μg/m³)보다 증가하였다. PM_2.5/PM₁₀ 비는 황사 영향이 감소함에 따라 PM₁₀ 농도가 감소하고 상대적으로 산업시설 배출물 등 인위적인 활동에 의해 생성된 PM_2.5의 구성비가 증가하면서 1분기보다 2분기에 증가한 것으로 판단되었다.²⁸⁾

대기오염물질에는 입자상 오염물질인 미세먼지뿐만 아니라 가스상 오염물질인 SO₂, NO₂, O₃, CO도 포함되어 있다. 특히 선박을 이용한 해상 운송량이 증가하면서 선박에서 1차로 배출되는 황산화물(Sulfur Oxides, SOx)과 질소산화물(Nitrogen Oxide, NOx)의 광화학반응을 통해 2차 대기오염물질이 생성된다고 보고되고 있다.³⁾ 본 조사지점의 1, 2분기 NOx 평균 농도가 부산의 평균 농도보다 높게 나타났으며, 이는 본 조사지점이 항만 인근에 위치한 지리적 특성으로부터 기인한 것으로 보인다. 2차 대기오염물질 중 하나인 O₃에 노출될 시, 만성 호흡질환 및 천식 악화 등의 건강피해 영향요인이 발생한다고 보고되고 있다.²⁹⁾ 본 조사지점의 시간별 O₃ 농도 최댓값은 대기환경기준 1시간 기준(0.1 ppm)보다는 낮게 나타났으나, 1분기에는 대기환경기준 8시간 기준인 0.06 ppm을 초과한 0.07 ppm이었으며, 2분기 O₃ 농도 최댓값 또한 0.08 ppm으로 8시간 대기환경기준을 초과하였다. 따라서 조사지점 거주민에 대한 호흡기계 질환 유병률 확인이 필요하다.

계절을 고려한 분기별 대기측정으로 확보한 본 조사지점의 PM₁₀ 및 PM_2.5의 농도는 1, 2분기가 3, 4분기에 비해 높게 나타났다. 본 연구 대기측정 기간은 1분기가 2월 말에서 3월 초, 2분기가 5월 중순으로 계절상 겨울철과 봄철의 미세먼지 농도가 높은 수준이었다. 봄철의 경우 황사의 영향을 배제할 수 없으나, 다수의 선행연구에서 봄철과 겨울철에 미세먼지 고농도 현상이 나타난다고 보고한 것과 일치하는 결과였다.³⁰⁾

강수 발생 시, 대기오염물질의 농도가 낮아짐을 입증하는 연구가 다수 보고되고 있다.^31-33) 본 연구에서도 강수에 따른 PM₁₀과 PM_2.5 농도 변화를 확인하였다. PM₁₀의 2분기 강수 시작 시점 농도는 27 μg/m³였으며 강수가 끝난 시점으로부터 1시간 후의 농도는 6 μg/m³로 평균 농도가 낮아졌다. 또한 3, 4분기에 발생한 강수에 따른 농도를 비교한 결과, 강수 시작 시점 농도보다 강수가 끝난 시점으로부터 1시간 후의 농도가 낮아졌음을 확인하였다. PM_2.5의 3분기 강수 시작 시점 농도는 8 μg/m³였고 강수가 끝난 시점으로부터 1시간 후의 농도는 2 μg/m³로 낮아진 것을 확인하였다. 하지만 2분기 연속적인 강수에 따른 PM_2.5의 농도는 강수 시작 시점 농도 19 μg/m³에서 10 μg/m³로 점차 낮아지는 경향을 보이다가 강수가 끝난 시점 1시간 후의 농도가 37 μg/m³로 급증한 것을 확인하였다. 한국의 수도권 지역에서 강수 발생 후 미세먼지 세정효과를 분석한 연구는 강수 지속시간이 10시간을 초과하는 일부 사례에서 후반부에 다시 미세먼지 질량농도가 증가한다고 보고하였다.³⁴⁾ 본 연구에서 PM_2.5의 농도가 급증하였을 때 강수 지속시간은 오전 1시부터 오후 12시까지 총 11시간이었다. 따라서 선행연구 결과와 일치하게 두 물질 모두 농도가 강수 시작 시점부터 종료 시점까지 낮아졌으며 특히, 장기 강수로 인한 PM_2.5의 농도 급증 또한 선행연구 결과와 일치하였음을 보여주었다.

본 연구에서 출근 시간과 퇴근 시간, 일반 시간대로 구분하여 분기별 미세먼지 평균 농도를 비교한 결과, PM₁₀은 전반적으로 출퇴근 시간대의 평균농도가 그 외 일반 시간대의 평균농도보다 높았고 1분기를 제외한 모든 분기에서 시간대별 농도 간 유의한 차이가 있었다. 선행연구에 따르면, 부산지역의 PM₁₀ 농도는 오전 출근 시간 전후와 오후 퇴근 시간 무렵이 높았음을 보고하였다.³⁵⁾ 따라서 본 연구의 모니터링 결과와 일치하는 것을 확인하였다. 하지만 PM_2.5의 경우, 2분기를 제외하면 시간대별로 유의한 차이를 보이지 않았다. 이러한 결과는 교통수단에서 배출되는 미세먼지 이외에 PM_2.5 농도에 기여하는 다른 요인의 가능성을 보여주며, 조사장소의 지리적 특성을 고려하여 산단 및 항만의 미세먼지 배출량 등을 함께 확인해 볼 필요가 있다.

대기오염물질 평균 농도가 높은 지역에 거주할수록 심혈관질환의 이환률과 사망률이 높고 뇌졸중, 부정맥 등의 질환이 유발될 수도 있다는 선행연구가 있다.³⁶⁾ 특히 심혈관질환 환자는 대기오염에 노출될 경우, 혈관의 기능이 저하되어 협심증, 심근경색 등 또다른 심혈관질환 발생 가능성이 높다는 보고가 있으며,³⁷⁾ 미세먼지가 10 μg/m³ 증가할 때 뇌졸중 발병 위험은 13%, 뇌혈관 사망률은 24% 증가한다는 보고가 있었다.³⁸⁾ 본 연구 모니터링 지역의 대기오염물질 평균 농도가 부산지역 평균보다 높은 결과에 기반하여 향후 산업단지와 항만이 위치한 인근 거주민에 대한 심혈관질환, 뇌졸중 등의 질환 유병률 및 발생률 조사 연구가 필요하다.

본 연구는 항만 및 산업단지 인근 주민 거주지에 초점을 맞추어 연속적인 측정을 통해 대기 농도 수준을 확인했다는 점에서 의의가 있다. 그리고 대기질에 영향을 줄 수 있는 요인인 강수와 출퇴근 시간대 교통량의 영향을 확인하였다. 단발적인 강수는 영향을 보이지 않았지만 연속 강수에서는 미세먼지 감소효과를 확인함으로, 비가 오면 대기질이 향상된다는 점을 실제 기상자료를 이용하여 확인하였다. 교통량이 많은 주중 출퇴근 시간대의 농도가 다른 시간대에 비해 기준치를 더 많이 초과한다는 것을 제시함으로 대기질에 대한 교통량의 영향을 입증하였다. 하지만 고정차량 대기측정 방법을 사용하여 측정 시점에 조사지점에서의 변수를 모두 고려하기 어려웠고 각 분기별 대기측정 기간이 7~10일로, 계절적 특성을 모두 반영하기에 기간이 비교적 짧은 제한점이 있다. 따라서 향후 연구에서는 풍향과 풍속을 고려한 대기질 측정과 산업단지 및 항만지역의 대기질, 그리고 다양한 기여요인에 대한 조사가 필요하다. 또한 강수시점과 강수량을 모두 고려하여 미세먼지 감소효과에 대한 자세한 분석을 수행할 계획이다.

본 연구결과를 기반으로 향후 연구에서는 측정기간을 연장하고 다양한 변수를 고려한 대기측정 및 생체노출 평가를 통해 산업단지 및 항만 인근 거주민에 대한 건강 수준 간의 연관성을 분석하고자 한다.

본 연구는 대기측정을 통해 부산지역 내 산업단지와 항만이 인근에 위치한 거주지의 대기 농도 수준을 파악하였다. 본 조사지점의 대기측정 물질 농도는 모두 1, 2분기에 높게 나타났고 PM₁₀, PM_2.5 항목은 부산지역 평균보다 높았다. 연속적인 강수에 따른 PM₁₀, PM_2.5 농도는 강수 시작 시점부터 강수가 끝나는 시점까지 낮아지는 경향을 보였다. 주말에 비해 주중 PM₁₀, PM_2.5 초과 횟수가 많았고 특히 출퇴근 시간대의 평균 농도가 높게 나타났다. 따라서 항만과 산업단지 인근 주거지에 대한 지속적인 대기질 모니터링 수행과 함께 거주민 건강영향에 대한 후속 연구가 수행되어야 한다.

Supplementary materials can be found via https://doi.org/10.5668/JEHS.2024.50.3.181

주현지(석사과정), 이승호(교수), 김민정(주무관),

이가빈(연구원), 홍영습(교수)