검색
검색 팝업 닫기

Ex) Article Title, Author, Keywords

Article

Split Viewer

Original Article

J Environ Health Sci. 2024; 50(3): 191-200

Published online June 30, 2024 https://doi.org/10.5668/JEHS.2024.50.3.191

Copyright © The Korean Society of Environmental Health.

Analysis of the Association between Air Pollutant Distribution and Mobile Sources in Busan Using Spatial Analysis

공간 분석을 통한 부산광역시 대기오염물질의 분포와 이동오염원 간의 관련성 연구

Jae-Hee Min1,2 , Byoung-Gwon Kim1,2* , Hyunji Ju1,2 , Na-Young Kim1,2 , Yong-Sik Hwang3 , Seungho Lee1,2 , Young-Seoub Hong1,2

민재희1,2, 김병권1,2*, 주현지1,2, 김나영1,2, 황용식3, 이승호1,2, 홍영습1,2

1Department of Preventive Medicine, College of Medicine, Dong-A University, 2Environmental Health Center for Busan, Dong-A University, 3Silla Environmental Consulting Co., Ltd.

1동아대학교 의과대학 예방의학교실, 2부산광역시 환경보건센터, 3신라환경컨설팅(주)

Correspondence to:*Department of Preventive Medicine, College of Medicine, Dong-A University, 32 Daesingongwon-ro, Seo-gu, Busan 49201, Republic of Korea
Tel: +82-51-240-2770
Fax: +82-51-253-5729
E-mail: medikim@dau.ac.kr

Received: March 8, 2024; Revised: June 17, 2024; Accepted: June 17, 2024

This is an open-access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/), which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Highlights

ㆍ We analyze air pollutants and traffic data in Busan from 2020 to 2022.
ㆍ PM10 and PM2.5 were highly concentrated in the west, NO2 and SO2 in the west and harbor, and O3 in the east.
ㆍ The highest traffic volumes are observed at intersections located in the western part of the city.
ㆍ PM10 and PM2.5 are believed to be related to road mobile sources such as automobiles.
ㆍ NO2 and SO2 are believed to be related to non-road mobile sources such as ships.

Graphical Abstract

Background: Busan is a rapidly industrializing city with many mixed residential and industrial areas. Fine dust emissions from mobile pollution sources such as ships and vehicles are particularly high in Busan.
Objectives: This study analyzed the spatial distribution of air pollutants over the past three years and identified the impact of air pollutants through mobile source data in Busan.
Methods: We obtained air pollutant data on fine particulate matter (PM10), ultrafine particulate matter (PM2.5), nitrogen dioxide (NO2), sulfurous acid gas (SO2), and ozone (O3) for the last three years (source: airkorea.or.kr) and analyzed the spatial distribution using SAS 9.4 and Surfer 23. For the mobile pollutant data, we used CCTV data from major intersections in Busan to identify truck and car traffic, and visualized traffic density with QGIS.
Results: The analysis of the concentration of air pollutants over three years (2020~2022) showed that all were lower than the annual environmental standards with the exception of PM2.5. PM10 and PM2.5 were found to be highly concentrated in the western part of the area, while NO2 was high in the port area of Busan and SO2 was high in the western part of the area and near the new port of Busan. In the case of O3, it was high in the eastern part of the city. The traffic volume of freight vehicles by intersection was concentrated in the West Busan area, and the traffic volume for all cars was also confirmed to be concentrated at “Mandeok Intersection” located in the West Busan area.
Conclusions: This study was conducted to determine the relationship between air pollutants emitted from motor vehicles and the distribution of air pollutants in Busan. The spatial distribution of PM10 and PM2.5 correlates with traffic volume, while high concentrations of SO2 and NO2 near the port are associated with ship emissions.

KeywordsAir pollutants, particulate matter, spatial analysis, traffic-related pollution

대기오염물질 배출원은 물질별로 일부 차이가 있지만 일반적으로 산업, 제조업 등 고정오염원으로부터 연소되는 물질과 차량 및 선박 등 이동오염원으로부터 연소되는 물질로 크게 구분되며 그 외에도 폐기물처리, 생물성연소 등 기타오염원으로부터 배출되는 물질을 포함하여 측정한다.1) 대기정책지원시스템(Clean Air Policy Support System, CAPSS)의 2021년 대기오염물질 배출목록 중 주로 이동오염원으로부터 배출되는 대기오염물질 확인 결과, 국내 대기오염물질 배출량 중 초미세먼지(ultrafine particulate matter, PM2.5) 배출량은 비산먼지로부터 배출되는 배출량이 28.8%로 1위를 차지하였고 비도로이동오염원으로부터 배출되는 배출량이 25.9%로 2위로 나타났다. 질소산화물(nitrogen oxide, NOX)은 국내 배출량 중 도로이동오염원으로부터 배출되는 배출량이 32.5%로 1위를 차지하였고, 비도로이동오염원이 31.9%로 2위를 차지하였다.2) 부산은 7대 광역시 중 하나로 빠른 도시화와 산업화를 거쳐가고 있으며, 주거지역과 산업단지, 공업단지가 모두 혼재되어 있는 지역이 많은 실정이다. 또한 부산은 대표적인 항만도시로 성장해왔고 2019년 기준 선박으로부터 기인한 대기오염물질 양을 확인한 결과 연간 348톤의 PM2.5와 372톤의 미세먼지(fine particulate matter, PM10)가 배출되었고, (초)미세먼지 생성 원인물질인 NOX와 휘발성유기화합물(volatile organic compounds, VOCs) 또한 상당량 배출되고 있는 것으로 조사되었다.3)

부산의 주요 대기오염물질은 선박이나 공장 외에도 도로이동오염원인 화물차 등을 포함한 자동차에 사용되는 화석연료가 연소하는 과정에서 배출되기 때문에 교통량의 증가는 대기오염을 가속화시키는 주요 원인으로 보고되고 있다.4-6) 또한 산업화 및 도시화가 진행됨에 따라 자가용 보급 또한 보편화되어 전체적인 교통량이 증가하였고, 국토교통부에 따르면 평균 일교통량이 2013~2022년 10년간에 19.8% 증가한 것으로 나타났다. 본 연구에서 활용한 2019~2022년 교통량 확인 결과 부산의 경우 차량등록대수가 2020년에 비해 2021년에 3만5천여대 증가한 것을 확인하였다.7) 이러한 교통량 증가로 인해 도로 곳곳에 교통체증이 발생하게 되며 출퇴근 시간의 경우 이러한 교통체증 문제가 두드러지고 있다.8) 여러 도로가 만나는 교차로에서는 교통량이 더욱 밀집되게 되고 신호체계에 따라 차량의 연료가 더 소모될 수 있으며, 교통 정체에 따라 차량의 공회전이 발생할 수 있어 정상주행보다 미세먼지 배출량이 상승한다는 연구 보고가 있다.9) 에어코리아 자료를 통해 2015~2022년, 8년간의 부산 내 PM2.5 배출량 분포를 확인한 결과 2016년 이후 계속해서 낮아지는 경향을 보였으나 연간 환경기준(15 μg/m3)은 초과하는 것으로 나타났다.

다양한 노출원으로부터 배출되는 대기오염물질에 직간접적으로 노출될 경우 인체에 심각한 영향을 일으키게 되며 특히 PM10과 PM2.5는 매년 300만 명 이상의 조기 사망을 일으키는 원인으로 지목되고 있다.10) PM10과 PM2.5는 폐 기능 감소, 기관지염 등 호흡기 질환 발생 가능성을 증가시키고, 인체 내 면역세포에 염증을 발생시킬 수 있으며 심혈관계 증상을 유발할 수 있다.11) 특히 PM2.5의 경우 입경이 2.5 µm 이하인 물질로 뇌나 폐포까지 침투하여 치매, 뇌졸중, 폐포 손상 등의 주요 원인 물질로 알려져 있다.12,13) 대기오염물질 중 아황산가스(sulfurous acid gas, SO2)와 NOX은 인체에 악영향을 미치는 주된 유해물질이며, SO2는 주로 산업시설에서 사용되는 석탄 및 석유 등 화석연료 연소과정에서 발생하며 PM2.5의 전구물질로 알려져 있다.1) SO2는 호흡기를 통해 흡수되며 눈, 코, 호흡기계 등에 영향을 미치며, 장기간 노출 시 호흡기 질환 발생가능성을 증가시킨다.14) NOX 또한 주로 차량 및 선박의 연료 연소나 산단지역에서의 산업 공정과 공장 활동으로부터 배출되는 유해물질로, 장기간 다량 노출 시 산소결핍증, 중추신경기능의 감퇴를 일으킬 수 있다.10,15,16) 지표면 오존(ozone, O3)은 NOX와 휘발성유기화합물이 광화학반응을 일으킬 때 2차적으로 생성되는 물질로,1) 호흡기를 통해 신체에 유입되고, 유입된 O3는 면역세포의 재생을 방해하고, 탈수와 염증 등 건강피해를 초래할 수 있다.17,18) 또한, O3에 과하게 노출될 경우 천식 또는 만성 기관지염을 유발할 수 있고, 피부에도 악영향을 미치며 심혈관질환의 사망률을 높이는 원인물질이 될 수 있다.19,20)

대기오염물질의 위험성이 대두됨에 따라 부산시 대기오염물질 농도의 공간 분포를 분석하고, 대기질을 악화시키는 주요 원인인 이동오염원에 대한 실태를 파악하기 위해 화물차 통행량 및 교통이 밀집되는 주요 교차로별 통행량을 파악하여 부산시 대기오염물질 공간분포의 특성과 이동오염원 간의 연관성을 확인하고자 한다.

1. 조사 대상

부산지역 도시대기 측정소에서 모니터링된 대기오염물질(PM10, PM2.5, SO2, NO2, O3) 자료 분석을 위해 에어코리아 사이트(https://www.airkorea.or.kr/web)에서 제공하는 최종 확정자료를 확보하였다. 각 물질을 대상으로 대기오염물질별 연평균 농도변화 추세를 분석하고 연도별 평균을 비교하였으며, 평균 공간 농도분포를 조사하였다. 대기오염측정망은 도시대기 측정소 28개, 도로변 대기 측정소는 3개, 항만 대기 측정소 3개로 총 34개의 측정망 자료를 활용하였다(Fig. 1). 본 연구에서 활용한 34개의 측정망에 대해 구∙군별 분포를 확인한 결과 강서구 5개, 사상구, 동구, 금정구 각 3개, 기장군, 북구, 사하구, 영도구, 남구, 해운대구, 부산진구, 동래구 각 2개, 중구, 수영구, 연제구, 서구 각 1개씩 배치되어 있는 것을 확인하였다.

Figure 1.Air pollution measurement network operating branch (34 locations, as of December 2022)

또한 부산 시내 화물차 통행량 밀집 지역 파악을 위해 차량교통량 조사결과를 확인하였으며 조사 지점은 부산광역시와 주변 지역간 차량 통행특성, 권역별 통행특성, 주요 간선도로의 통행특성, 도심지 교통류 특성, 상습정체를 파악하기 위한 지점 총 5가지 기준을 기반으로 선정되었다. 더하여 부산 시내 주요 교차로 51곳에 대해 화물차를 포함한 전체 차량의 통행량을 확인하여 부산 내 교통 밀집 지역을 확인하였다.

2. 조사 기간

대기오염물질별 농도는 최근 3년간(2020~2022년)의 자료를 분석하여 제시하였으며 2020년 이후에 설치된 측정소의 데이터는 분석에서 제외하였다. 화물차 통행량 조사 기간은 99개소 조사지점에 대해 통행량이 몰리는 월요일, 금요일과 비가 온 날을 제외한 2021년 10월 5일, 7일에 1차 조사를 실시하였고, 2021년 10월 14일, 17일 2차 조사를 실시하였다. 부산 시내 주요 교차로 51곳에 대한 전체 차량의 통행량은 2019년 1월 1일을 기점으로 2022년 3월까지의 교통량 정보를 수집하여 데이터를 구축하였다.

3. 조사 방법

대기오염물질별 농도는 국내 대기측정망 사이트(https://www.airkorea.or.kr/web)에서 제공하는 최종 확정자료를 활용하였으며 2022년 12월 기준 부산 내에서 운영하는 대기오염측정망 34개소에 대해 2020년 1월 1일부터 2022년 12월 31일까지의 모든 데이터를 다운받아 분석을 진행하였다. O3을 제외한 다른 대기오염물질(PM10, PM2.5, NO2, SO2)의 농도 분석은 1일 기준 24시간 데이터를 이용하여 평균값을 제시하였고, O3의 경우 태양광이 없는 야간에는 O3 생성이 이루어지기 어려운 환경인 것을 고려하여 1일 최대 8시간 데이터를 이용하여 평균 값을 제시하였다. 이동오염원에 대한 자료 중 화물차 통행량에 대한 자료는 부산시의 협조를 통해 제공받은 차량교통량 조사결과를 활용하였고, 해당 조사는 영상측정기에 의한 현장 관측 방법으로 실시되었다. 화물차 통행량은 조사 기간(2021년 10월 5일, 7일, 14일, 17일) 동안 영상측정기에 측정된 통행량 누적 합산 값을 사용하여 통행량 상위 지점을 제시하였다. 전체 차량 교통량에 대한 실측값 확인은 부산광역시에서 운영중인 스마트 CCTV를 통해 확인하였고, 스마트 CCTV는 2022년 기준 총 51대가 운영되고 있었으며, 24시간동안 1시간 단위로 어느 지점이나 구간을 통과하는 차량 대 수가 기록된 자료를 확인하여 전체 교통량 상위 교차로를 제시하였다. 각 교차로별 위치는 위도와 경도를 통해 확인하였다.

4. 통계 분석

2020~2022년 3년간의 대기오염물질별 연평균 농도 분석을 통해 연도별 농도변화 추세를 확인하였으며, 지점별, 연도별 평균을 비교하여 고농도 미세먼지 지역을 확인하였다. 각 대기오염물질별 환경기준과 비교하고, 물질에 따른 계절별 특성을 확인하기 위해 3년간의 월별 농도 변화를 나타내었다. 또한 대기오염물질별 GIS 분석 및 평균 농도장을 구현하기 위해 Surfer 23 (Golden Software, Golden, CO, USA)을 이용하였다. GIS 분석은 2020~2022년 대기오염물질 자료를 이용하여 Kriging 방법으로 자료를 객관 분석하였고, Grid 파일을 생성 후 등농도 지도(Contour map)를 작성하였다. 교통량은 각 교차로별 교통량을 확인하기 위해 기술통계분석을 실시하고 부산 시내 주요 교차로별 통행량 상위 10개 교차로를 확인하였다. 통계분석은 SAS 9.4 (SAS Institute, Cary, NC, USA)를 사용하였다. 추가로 QGIS 3.28 프로그램을 활용하여 구·군별 교통 혼잡도를 시각화 할 수 있는 지도를 작성하였고, 미측정 지점의 교통량 추정을 위해 교통량 값이 있는 지점들을 이용해서 공간보간을 실시하였다. 공간보간은 교통량이 측정된 지점과 미측정 지점 간의 거리가 멀어질수록 측정된 지점의 영향력이 상대적으로 낮아지도록 가중치를 부여하는 역거리 가중치 방법(inverse distance weighting method, IDW)을 활용하였다.

1. 대기오염물질 분포

2020~2022년 3년간의 대기환경자료 분석 결과 PM10의 연도별 농도변화 추세는 2020년 30.1 μg/m3, 2021년 32.1 μg/m3, 2022년에는 27.6 μg/m3로 감소하였으며, 전체 평균농도(29.93 μg/m3)는 연간환경기준(50 μg/m3)보다 낮게 나타났다. PM2.5의 경우 2020년 16.9 μg/m3, 2021년 15.5 μg/m3, 2022년 15.5 μg/m3로 다소 감소하였으나, 전체 평균농도(15.97 μg/m3)는 연간환경기준(15 μg/m3)을 초과하는 것으로 확인되었다. NO2의 경우 2020년 17.6 ppb, 2021년 17.2 ppb, 2022년 16.7 ppb로 점차 낮아지는 경향을 보였고, 전체 평균농도도 연간환경기준인 30 ppb보다도 낮은 것으로 나타났다. SO2 또한 2020년 3.6 ppb, 2021년 2.9 ppb, 2022년에 3.0 ppb로 낮아졌으며 전체 평균농도도 연간환경기준 20 ppb보다 한참 낮은 수치를 나타냈다. O3의 경우 2020년 8시간 평균 31.8 ppb, 2021년 33.1 ppb, 2022년 33.6 ppb로 다소 높아지는 경향을 나타냈으나 전체 평균농도는 8시간 평균 환경기준 60 ppb보다 낮은 것으로 나타났다(Table 1).

Table 1 Air pollutant measurement status in Busan in 2020~2022


각 물질별로 고농도 분포 지역 확인을 위해 3년(2020~2022년)간 평균을 확인한 결과 PM10의 경우 서부산권의 학장동(37.03 μg/m3), 장림동(34.97 μg/m3)이 각각 1, 2위를 차지하였고, PM2.5 또한 고농도 분포가 나타난 지역은 PM10과 비슷한 양상이었으며, 장림동(20.6 μg/m3)이 1위, 학장동(20.03 μg/m3)이 2위를 차지하였다. NO2는 선박 입출입이 잦은 부산 신항(31.7 ppb)과 부산 북항(27.63 ppb)이 상위 2개 지역으로 나타났고, SO2의 경우 1위는 서부산권의 녹산동(4.9 ppb), 2위는 부산 신항(4.1 ppb)으로 나타났다. O3의 경우 동부산권의 기장읍(39.27 ppb)과 용수리(39.13 ppb) 지역에서 1, 2위를 기록하였다.

대기오염물질별 월별 농도변화 추세를 분석한 결과 PM10과 PM2.5의 경우 주로 항만과 서부권역에서 높게 나타났으며, PM10은 3월(44.0 μg/m3)에 가장 높았고, 7월(18.9 μg/m3)에 가장 낮은 경향을 보였다. PM2.5의 경우 2월(20.7 μg/m3)에 가장 높은 경향을 보였다. NO2의 경우 11월~2월에 높은 경향을 보였고 항만>도로변>서부>중부>남부>동부 순으로 항만권역이 가장 높게 나타났으며, 동부권역이 가장 낮았다. SO2의 경우 5월~8월에 다소 높았고 항만>남부>도로변>서부>중부>동부 권역 순으로 조사되었다. O3의 경우 동부권역이 월중 분포에서 가장 높은 경향을 보였고, 특히 5월에 가장 높았으며, 11월~1월은 낮은 경향을 보였다(Fig. 2).

Figure 2.Monthly regional concentration distributions by air pollutant (2020~2022). (A) PM10, (B) PM2.5, (C) NO2, (D) SO2, (E) O3

2. 이동오염원 분포

화물차 이동량의 경우 항만, 산단이 다수 혼재하고 있는 서부산 지역에서의 이동량이 가장 높았고, 화물차 이동량 상위 10개의 교차 중 8개의 교차로가 서부산권에 위치하는 것으로 나타났다(Table 2, 3). 특히 감전교차로의 경우 통행량이 많아 방면에 따라 두 지점에서 화물차 이동량을 조사하였으며 두 위치의 값을 합치면 1위를 기록한 대동요금소보다 더 높은 것으로 나타났다. 화물차 외에도 부산시 주요 교차로별 교통량 현황을 파악하기 위해 스마트 CCTV 자료를 활용하여 일일(24시간) 평균과 출퇴근 시간(8시~11시) 평균을 산출하였으며 각 기준에 따른 상위 10개 교차로 추출 결과 일일 평균 기준 10위 교차로인 삼전교차로를 제외한 9개 교차로가 일치하는 것으로 나타났다. 출근 시간 기준으로 순위를 매긴 결과 일일기준에서 10위를 차지한 삼전교차로가 사라지고 원동IC 교차로가 10위로 기록되었다. 일일 기준과 출퇴근 시간 기준 모두 서부산의 만덕교차로가 가장 높은 교통량을 기록하였다.

Table 2 Top 10 intersections with high truck traffic and average concentration of air pollutants in the area (2020~2022)

RankAreaClassificationIntersectionSum of freight trafficAtmospheric measurement pointPM10 (μg/m3)PM2.5 (μg/m3)NO2 (ppb)SO2 (ppb)O3 (ppb)
1WestBuk-guDaedong Tollgate35,310Hwamyeong-dong26.4314.7716.43-33.63
2WestGangseo-guMyeongji IC28,673Myeongji-dong33.3317.5015.972.6332.50
3WestSasang-guSeobusan Nakdong River Bridge27,204Hakjang-dong37.0320.0316.303.1328.00
4WestSasang-guGamjeon27,070Hakjang-dong37.0320.0316.303.1328.00
5WestSasang-guGangseonakdong River Bridge24,711Samrak-dong27.7014.3023.402.7025.30
6WestSaha-guSquare No. 6623,484Jangrim-dong34.9720.6017.202.9731.07
7WestSasang-guGamjeon21,047Hakjang-dong37.0320.0316.303.1328.00
8WestGangseo-guSesan20,336Noksan-dong33.5019.5017.574.9030.77
9CentralNam-guCity gas18,075Yongho-dong26.2013.7514.403.2534.50
10CentralBusanjin-guMunhyeon17,312Jeonpo-dong31.5315.9015.103.2732.47

Table 3 Top 10 intersections with the most vehicle traffic and average air pollutant concentrations in the area (2020~2022)

RankAreaClassificationIntersectionAverage vehicle trafficAtmospheric measurement pointPM10 (μg/m3)PM2.5 (μg/m3)NO2 (ppb)SO2 (ppb)O3 (ppb)
1WestBuk-guMandeok4,381.49Deokcheon-dong32.3317.6719.632.8332.50
2EastSuyeong-guCentum City4,220.64Gwangan-dong30.7014.9313.03-35.53
3EastDongnae-guMinam3,822.03Oncheon-dong31.3715.7325.333.3324.50
4CentralBusanjin-guSeomyeon3,771.13Gaegeum-dong31.4316.8323.773.0030.13
5CentralNam-guDaenam3,766.38Daeyeon-dong29.8714.6015.632.9033.87
6CentralDongnae-guYeonsan3,707.54Oncheon-dong31.3715.7325.333.3324.50
7EastSuyeong-guOlympic3,570.29Gwangan-dong30.7014.9313.03-35.53
8CentralBusanjin-guYangjeong3,519.19Jeonpo-dong31.5315.9015.103.2732.47
9WestSasang-guJurye3,473.63Hakjang-dong37.0320.0316.303.1328.00
10CentralBusanjin-guSamjeon3,366.43Jeonpo-dong31.5315.9015.103.2732.47

화물차 통행량 합 기준 상위 10개 교차로와 전체 자동차 통행량 평균값 기준 상위 10개 교차로에 대한 대기오염물질 분포를 확인하기 위해 부산 내 설치된 대기측정소 중 통행량 상위 10위권 교차로들을 기준으로 가장 인접한 측정소의 대기오염물질 농도를 확인하였다. 대기오염물질 농도는 교차로 인접 측정소의 3년치(2020~2022년) 평균 농도를 제시하였다. 화물차 통행량 합 기준 상위 10개 교차로 중 부산 전체 측정소의 3년치 평균농도(PM10: 29.93 μg/m3, PM2.5: 15.97 μg/m3)보다 높은 값을 기록한 측정소는 PM10 7곳, PM2.5 6곳으로 과반수 이상이었다. 그 외 대기오염물질은 NO2와 SO2는 각 3곳, O3는 2곳로 나타났다. 전체 자동차 통행량 평균값 기준 상위 10개 교차로 중 부산 전체 측정소의 3년치 평균농도보다 높은 값이 나타난 측정소는 PM10 기준 9곳이었으며 PM2.5는 3곳, NO2와 SO2는 각 4곳, O3는 3곳으로 나타났다(Table 2, 3).

스마트 CCTV 자료를 통해 분석한 주요 교차로별 일평균 교통량에 따른 구·군별 혼잡도 시각화 및 교통량 미측정 지점에 대해 역거리 가중치를 사용하여 교통 혼잡도를 분석한 결과 부산지역 중 서부권역과 중부권역에 위치한 교차로가 붉은 색으로 교통량이 밀집되어 있는 것을 확인할 수 있었으며, 이는 행정구역별로 나누어 실제 데이터만 활용한 지도와 역거리 가중치를 활용하여 나타낸 지도 둘 다 비슷한 양상이 나타났다. 각 지도 위에 붉은 점으로 스마트 CCTV 51개 측정지점에 대한 좌푯값을 나타내었으며, 금정구와 서구, 중구, 영도구의 경우 스마트 CCTV가 설치되어 있지 않아 지도상 해당없음(N/A)으로 표시하였다(Fig. 3).

Figure 3.Analysis of traffic density in Busan (2019~2022). (A) Geo-classify, (B) Interpolate to IDW

본 연구는 2020~2022년 3년간의 부산 내 대기오염물질 농도를 분석하고 평균을 비교하였으며, 월별 농도 추세변화를 확인하였다. 또한 대기오염물질의 공간분포를 확인하기 위해 GIS 분석을 실시하였고, 교통량에 대해서도 화물차 통행량을 확인하고 주요교차로별 도로이동오염원 통행량을 파악하였다. 대기오염물질의 공간분포 특성과 도로이동오염원의 통행량 분포의 경향성을 확인하기 위해 통행량 또한 GIS 분석을 실시하여 구∙군별 교통 밀집도를 파악하였고 공간보간 기법 중 IDW 기법을 사용하여 통행량 미측정 지점에 대한 값을 예측하여 시각화하였다(Fig. 3).

연도별 평균 PM10과 PM2.5의 공간분포 분석 결과 타 권역에 비해 서부권역과 중부권역이 높으며 그 중 특히 서부권역의 학장동과 신평∙장림공단 지역이 가장 높은 것으로 나타났다(Fig. 4). 이는 서부산권의 학장(PM10: 37.03 μg/m3, PM2.5: 20.03 μg/m3), 장림(PM10: 34.97 μg/m3, PM2.5: 20.06 μg/m3) 지역에서 고농도로 나타난 PM10과 PM2.5의 결과를 봐도 객관적으로 확인이 가능하다. 또한 서부산권은 부산 내 산재하는 산업단지 42곳 중 녹산국가산업단지 1곳을 포함한 총 26곳의 일반산업단지가 존재하는 지역으로 그로 인한 화물차 및 기타 도로이동오염원의 통행량이 많을 것으로 판단되었고, 본 연구에서 도로이동오염원의 통행량을 분석한 결과, 통행량이 높은 교차로들은 대부분 서부산권과 중부산권에 위치한 것으로 파악하였다. 더하여 화물차 통행량이 높은 상위 10개 교차로 중 부산의 전체 PM10, PM2.5 평균농도(2020~2022년)에 비해 상위 교차로 인근 측정소에서 더욱 고농도의 PM10, PM2.5 농도가 나타난 것을 확인하였다. 전체 도로이동오염원 통행량이 높은 상위 10개 교차로 또한 PM10 기준 부산의 전체 평균농도에 비해 상위 교차로 인근 측정소가 대부분 더 높은 농도를 나타냈다. 하지만 산업단지로부터 직접적으로 배출되는 미세먼지 배출량 또한 큰 기여를 했을 것으로 생각되어 대기질 조성 등에 대한 추가적인 분석이 필요한 실정이다. 중부산권 역시 전체 교통량 데이터 분석 결과 상위 10개 교차로 중 5개가 중부산권에 위치한 교차로인 것으로 나타났고 이러한 도로이동오염원으로부터 다량의 미세먼지가 배출되어 공간분포분석 상 고농도 분포를 나타냈을 것으로 생각된다. 중국 베이징의 연구 결과에 따르면 공간분포분석 결과 rush hour에 교통량이 혼잡하며 해당 시간대의 교통 배기가스는 PM2.5에 더 큰 비중을 차지하기 때문에 출퇴근 시간은 TRAP (Traffic-Related Air Pollution) 연구의 주요 핵심임을 제시하였다.21-23) 또한 서울시 토지이용과 교통량에 따른 미세먼지의 공간분포 분석 결과 미세먼지 농도의 분포는 토지이용 유형, 도시녹지 유무 외에 교통량과도 연관성이 깊게 나타났다는 선행연구가 보고되었다.24) 더하여 멕시코에서의 교통량과 대기환경 간의 공간분석 연구 결과에서도 대기오염의 주요 원인은 자동차로부터 배출되는 배기가스라고 제시하였으며 여러 입자상 물질을 포함한 대기오염물질이 건강에 미칠 수 있는 악영향에 대해 보고하였다.25)

Figure 4.Spatial and distribution analysis by air pollutant (2020~2022). (A) PM10, (B) PM2.5

NO2와 SO2의 공간분포 분석 결과 부산 신항만 지역에서 고농도로 분포함을 확인할 수 있었다(Fig. 5). 부산 신항만은 서부산권에 위치해 있으며 화물차 통행량 분석 결과 교차로별로 화물차 통행량이 높은 상위 10개 교차로를 추출했을 때 1위~8위가 모두 서부산권에 위치하는 결과를 확인하였다. 또한 항만은 비도로이동오염원인 선박으로부터 기인한 미세먼지 배출량 또한 대기질 악화에 영향을 미치며 2021년 국가통계포털(Korean Statistical Information Service, KOSIS) 자료에 따르면 부산의 황산화물(sulfur oxides, SOX)배출량이 서울에 비해 약 4배에 달하는 것으로 조사되었다.1,26) 그 중 생산공정에서 배출되는 SOX를 제외하면 비도로이동오염원이 22.8%로 두 번째로 큰 기여 요인으로 제시되었고, 해당 자료를 통해 확인한 NOX 배출량은 비도로이동오염원과 도로이동오염원의 배출량이 각각 54.2%와 26.5%로 대부분을 차지하는 것으로 조사되었다.1,26) 부산연구원에서 2019년 기준, 부산시 항만구역 전체에서 화물차량 운행으로 인한 NOX 배출량이 약 4만톤에 달한다고 보고하였으며, 화물차 외에도 부산 해역을 운항하는 선박 운항으로 연간 NOX 약 28,000톤, SOX 약 7,000톤이 배출되는 것으로 보고하였다.15,27) 특히 SO2의 농도는 내륙에 비해 항만 인근에서 높게 나타나는 경향을 보이며, 선행 연구에서도 해안지역의 선박배출이 SO2에 큰 영향을 미친다고 제시한 바 있다.3,28) 이러한 선행연구와 본연구의 결과를 통해 도로이동오염원 중 화물차의 영향과 비도로이동오염원 중 선박의 영향이 공간분포분석 결과 간의 관련성을 확인하였다.

Figure 5.Spatial and distribution analysis by air pollutant (2020~2022). (A) NO2, (B) SO2

주요 대기오염물질의 분포는 주로 공업지역이 포진되어 있는 서부산권 또는 선박 입출항 및 화물차 이동량이 많은 항만 지역에서 고농도로 분포하는 것과 달리 O3는 부산의 동부권역에서 고농도로 나타나는 것을 확인할 수 있었다(Fig. 6). 이는 O3의 전구물질인 NO2와 관련이 있을 것으로 생각되며 도시 내에서 자동차 등으로부터 배출되는 NO가 대기 중 산소와 반응하여 NO2로 전환되고, 고농도 NO2 분포가 O3의 소멸 과정에 영향을 준 것으로 사료된다.29,30) 또한 교통량이 많은 도심지역은 야간시간에도 지속적으로 NO가 배출되고 O3의 화학적 소멸 작용이 이어지게 된다.31,32) 이로 인해 아침 시간대에는 O3가 낮게 나타날 가능성이 높고 O3의 경우 야간에는 광화학 반응이 나타나지 않을 것을 고려하여 24시간 평균이 아닌 일일 최대 8시간 평균값을 기준으로 농도 분포를 확인하였기 때문에 NO로 인한 O3 감소가 8시간 평균 농도에 영향을 미쳤을 것으로 판단된다.30,32) 특히 기장읍과 용수리 지역 부근에서 고농도로 분포하였으며 이는 부산지역의 대기환경 특성에 대해 분석한 선행연구에서 제시한 결과와 일부 일치하는 것으로 나타났다. 해당 연구에서는 해안과 비교적 가까운 지역 들에서 육지와는 다른 열적 특성, 해풍, 해륙풍 순환 등 기상학적 요인이 영향을 고려해야 한다고 제시하였다.33) 본 연구기간(2020~2022년) 바람장미를 확인한 결과 3년간 부산에서 관찰된 주풍은 북동풍으로 나타났으며(Supplementary Fig. 1), 해륙풍 순환에 의해 O3와 O3 전구물질이 이동하여 해안가 지역으로 재유입된 것이 공간분포에 반영되었을 가능성도 있을 것으로 생각된다.33)

Figure 6.Spatial and distribution analysis by air pollutant (2020~2022). O3

더하여 본 연구에서 O3를 포함한 대기오염물질들의 계절적 특성을 확인하기 위해 월별 농도 분포 추이를 분석한 결과 대기오염물질 중 O3의 경우 기온이 상승하는 4월~6월에 눈에 띄게 높은 농도를 기록하였다. 이는 봄철에서 초여름으로 진입하는 시기에 일사량이 높게 나타나고, 높은 일사량이 O3의 광화학반응에 유리하게 작용한 결과로 해석되며, 7월, 8월에는 여름철 장마로 인해 일사량이 감소하여 O3 농도도 감소하는 추세가 나타난 것으로 생각된다.30,34) O3 외에 다른 대기오염물질을 확인한 결과 월별 농도 변화 추세를 확인한 결과 PM10과 PM2.5는 봄철과 겨울철에 높아지는 경향성을 나타냈으며, 봄철은 이동성 저기압과 건조한 지표면의 영향으로 황사를 동반한 고농도 미세먼지가 발생하고, 겨울철은 기온이 낮아지면서 대기가 정체되고 난방용 연료 사용 증가로 인해 미세먼지 농도가 높게 나타나는 계절적 특성과 일치하는 결과가 나타났다.1) NO2와 SO2는 비교적 변동의 폭이 크지 않으며, 도시대기 측정망과 도로변 측정망에 비해 항만에서 높게 나타나는 것을 확인할 수 있었다. 이는 항만 지역에 선박, 하역장비, 항만지역 운행 화물차량 등으로부터 기인한 NO2와 SO2 배출량이 매우 높다는 선행연구의 결과와 일치한다.3)

부산의 경우 PM2.5를 제외한 PM10, NO2, SO2, O3는 연간 환경기준을 초과하지 않지만 PM2.5는 아직까지 연간 환경기준을 초과하고 있다. 본 연구 결과 도로이동오염원 통행량이 많은 지역에 부산 평균 PM2.5 농도 대비 더 높은 PM2.5 농도가 나타나는 경향을 확인하였다. 그러나 교란요인으로 작용할 수 있는 교차로별 교통 방향을 고려하지 못했으며 대기오염물질과 교차로별 통행량에 대한 GIS 분석 결과 제시에 지형, 기온, 강수, 강우, 풍량, 습도 등을 적용하기 어려운 점이 제한점으로 여겨진다. 또한 산업단지, 공단, 차량교통량, 주거형태, 공사시설 유무 등 대기오염에는 여러 요인이 복합적으로 영향을 미치기 때문에 단순히 교통량이 대기오염물질 고농도 분포의 원인이라고 제시하기에는 한계가 있다. 하지만 도로이동오염원 중 차량의 경우 일반차량보다 대기오염 배출량이 높고 특히 노후한 화물차량에서 다량 배출되는 NO2와 SO2가 PM2.5 농도에 기여하기 때문에 노후 화물차량 운영을 중단하는 등 PM2.5에 기여하는 2차 생성 원인 물질의 배출량을 줄이는 등의 노력은 필요할 것으로 판단된다.3) 이미 해외 여러 나라에서는 도시 대기질과 교통량 간의 연관성과 그로부터 기인될 수 있는 건강피해를 고려하여 대기환경정책과 교통계획을 연계하여 여러 제도들을 도입 및 적용하고 있다.5,35)

본 연구에서는 부산시 내에 설치된 34개의 측정지점에 대해 2020년부터 2022년까지의 모든 대기환경자료를 수집∙분석하였고, 행정구역 분류에 따라 미세먼지 고농도 지역을 파악하였으며, 해당 자료로 공간분포분석을 실시하여 미세먼지 농도 분포에 대한 시각자료를 제공하였음에 의미가 있다. 또한 교통량이 대기오염에 주범이 된다는 이론적 배경에 더하여 부산시에서 제공중인 스마트 CCTV 자료를 활용하여 부산 내 주요 교차로별 통행량을 실측하였고, 화물차와 그 외 기타 이동오염원을 분류하여 교통밀집지역의 대기오염 농도를 확인하였으며 부산 전체 대기오염물질 평균농도와 비교하고 GIS 분석을 실시함으로써 도로이동오염원의 통행량 분포와 대기오염물질 농도 분포의 경향성에 대한 세밀한 연구 결과를 제시하였음에 본 연구의 의의가 있다.

본 연구는 부산 내 이동오염원인 자동차 및 선박으로부터 배출되는 대기오염물질과 부산 시내 대기오염물질 분포와의 관련성을 확인하기 위해 진행되었으며, PM10과 PM2.5의 공간분포는 자동차 통행량 분포와의 일치성이 일부 나타났으며, SO2와 NO2의 경우 부산의 중부산권 보다 항만 지역이 고농도로 나타났다. 이는 도로이동오염원 외에도 비도로이동오염원인 선박의 영향을 많이 받았을 것으로 판단된다. O3는 이동오염원과의 연관성보다 광화학물질의 특성상 기상환경 및 지역적 특성이 큰 영향을 미쳤을 것으로 생각된다. 부산시 교통량과 대기오염물질 분포의 직접적인 연관성을 확인하기 위해서는 교차로별 차량 이동 방향 및 산업단지로부터 배출되는 대기오염물질의 양 등에 대한 추가적인 연구가 필요한 실정이다. 또한 다양한 대기오염물질 중 부산 지역 특성에 따라 두드러지게 높게 나타나는 물질과 주요 배출원에 대한 연구도 지속적으로 수행되어야 할 것으로 생각된다.

민재희(박사과정), 김병권(교수), 주현지(석사과정),

김나영(연구원), 황용식(박사), 이승호(교수),

홍영습(교수)

  1. Kim D, Son YS. Spatial-temporal variations in air pollution in Busan metropolitan city (2010~2018). J Korean Soc Atmos Environ. 2020; 36(3): 309-328.
    CrossRef
  2. National Air Emission Inventory and Research Center. Clean air policy support system (CAPSS). Available: https://www.air.go.kr/article/list.do?boardId=10&menuId=32 [accessed 21 April 2024].
  3. Heo JB, Lee W, Jang H, Kim J. The management strategies to control ambient fine particles emitted from port facilities and ships in Busan. Busan: Busan Development Institute; 2021 Jan. Report No.: 2020-12-947.
  4. Chin ATH. Containing air pollution and traffic congestion: transport policy and the environment in Singapore. Atmos Environ. 1996; 30(5): 787-801.
    CrossRef
  5. Kim WS, Eom JK, Hwang K, Jang JH. Internalizing environmental cost using TDM alternatives. J Korean Soc Transp. 1999; 17(4): 99-110.
  6. Woo J, Shin J, Min G, Kim D, Sung K, Cho M, et al. Analysis and exposure assessment of factors that affect the concentration of ambient PM2.5 in Seoul based on population movement. J Environ Health Sci. 2024; 50(1): 6-15.
    CrossRef
  7. Ministry of Land, Infrastructure and Transport (MORIT). Available: https://data.molit.go.kr:11180/studio/exported/68dc6a3f9863491a878f3051dd882f53ba8acc31288b469da45a0a1d939cc0cd [accessed 19 April 2024].
  8. Wan Z, Zhu M, Chen S, Sperling D. Pollution: three steps to a green shipping industry. Nature. 2016; 530(7590): 275-277.
    Pubmed CrossRef
  9. Papson A, Hartley S, Kuo KL. Analysis of emissions at congested and uncongested intersections with motor vehicle emission simulation 2010. Transp Res Rec. 2012; 2270(1): 124-131.
    CrossRef
  10. Park S, Yoon D, Kong H, Kang S, Lee C. A case study on distribution characteristics of indoor and outdoor particulate matter (PM10, PM2.5) and black carbon (BC) by season and time of the day in apartments. J Environ Health Sci. 2021; 47(4): 339-355.
  11. Shin DC. Health effects of ambient particulate matter. J Korean Med Assoc. 2007; 50(2): 175-182.
    CrossRef
  12. Choi KC, Yoo SY, Jeon BK. A study on the characteristics of concentrations of atmospheric aerosols in Pusan. J Environ Health Sci. 2000; 26(2): 41-48.
  13. Deng Q, Deng L, Miao Y, Guo X, Li Y. Particle deposition in the human lung: health implications of particulate matter from different sources. Environ Res. 2019; 169: 237-245.
    Pubmed CrossRef
  14. Cheng G, Zhang C. Desulfurization and denitrification technologies of coal-fired flue gas. Pol J Environ Stud. 2018; 27(2): 481-489.
    CrossRef
  15. Sawyer RF, Harley RA, Cadle SH, Norbeck JM, Slott R, Bravo HA. Mobile sources critical review: 1998 NARSTO assessment. Atmos Environ. 2000; 34(12): 2161-2181.
    CrossRef
  16. Singh D, Kumar A, Kumar K, Singh B, Mina U, Singh BB, et al. Statistical modeling of O3, NOx, CO, PM2.5, VOCs and noise levels in commercial complex and associated health risk assessment in an academic institution. Sci Total Environ. 2016; 572: 586-594.
    Pubmed CrossRef
  17. Kim HJ, Lovell SJ, O'Farrell J, Cho Y. The measures of ozone pollution: an analysis of ozone concentration data in USA. Asian J Atmos Environ. 2008; 2(1): 47-53.
    CrossRef
  18. Kim MK, Lee HW, Jung WS, Do WG. Analysis on the effect of meteorological factors related to difference of ozone concentration at the neighboring areas in Gijang Busan. J Environ Sci. 2012; 21(9): 1097-1113.
    CrossRef
  19. Long Y, Wu Y, Xie Y, Huang L, Wang W, Liu X, et al. PM2.5 and ozone pollution-related health challenges in Japan with regards to climate change. Glob Environ Chang. 2023; 79: 102640.
    CrossRef
  20. Sheffield PE, Zhou J, Shmool JL, Clougherty JE. Ambient ozone exposure and children's acute asthma in New York City: a casecrossover analysis. Environ Health. 2015; 14: 25.
    Pubmed KoreaMed CrossRef
  21. Fang X, Li R, Xu Q, Bottai M, Fang F, Cao Y. A two-stage method to estimate the contribution of road traffic to PM2.5 concentrations in Beijing, China. Int J Environ Res Public Health. 2016; 13(1): 124.
    Pubmed KoreaMed CrossRef
  22. Jiang L, Sun Z, Qi Q, Zhang A. Spatial correlation between traffic and air pollution in Beijing. Prof Geogr. 2019; 71(4): 654-667.
    CrossRef
  23. Jin J, Jin J. A study on the effect of traffic congestion on particulate matter concentration in Seoul: big data approach. J Korea Plan Assoc. 2021; 56(1): 121-136.
    CrossRef
  24. Jeong JC, Lee PSH. Spatial distribution of particulate matters in comparison with land-use and traffic volume in Seoul, Republic of Korea. J Cadastre Land InformatiX. 2018; 48(1): 123-138.
  25. Garnica-Monroy R, Garibay-Bravo V, Gonzalez-Gonzalez A, Salgado H, Hernández-Reyes M. Spatial analysis of exposure to trafficrelated air pollution in Mexico: implications for urban planning to improve public health. Appl Spat Anal. 2022; 15(3): 647-665.
    CrossRef
  26. KOrean Statistical Information Service (KOSIS). Inquiry of final confirmed measurement data. Available: http://kosis.kr/search/search.do?query=%EB%8C%80%EA%B8%B0%EC%98%A4%EC%97%BC%EB%AC%BC%EC%A7%88%C2%A0%EB%B0%B0%EC%B6%9C%EB%9F%89 [accessed 28 January 2024].
  27. Busan Metropolitan City. Statistics status of vehicle registration office. Available: https://busan.go.kr/car/crcounty [accessed 30 January 2024].
  28. Song SK, Shon ZH, Kim YK, Kang YH, Oh IB, Jung CH. Influence of ship emissions on ozone concentrations around coastal areas during summer season. Atmos Environ. 2010; 44(5): 713-723.
    CrossRef
  29. Kim J, Ghim YS, Han J, Park S, Shin H, Lee S, et al. Long-term trend analysis of Korean air quality and its implication to current air quality policy on ozone and PM10. J Korean Soc Atmos Environ. 2018; 34(1): 1-15.
    CrossRef
  30. Jeong MJ, Kim WJ, Heo JB, Kim SY. Exploration of the spatial and temporal patterns of surface ozone concentrations for development of ozone prediction model in South Korea. J Korean Soc Atmos Environ. 2022; 38(1): 100-125.
    CrossRef
  31. Shon ZH. Photochemical analysis of ozone episodes in the metropolitan area of Seoul during the summer 2004. J Korean Soc Atmos Environ. 2006; 22(3): 361-371.
  32. Song SK, Shon ZH. Analysis of chemical and meteorological effects on the concentration difference of photochemical air pollutants between coastal and inland regions in Busan. J Environ Sci. 2008; 17(10): 1169-1182.
    CrossRef
  33. Kim MK, Do WG, Cho JG. The analysis of atmospheric environment features using the urban atmospheric environment map in Busan. Annu Rep Busan Metrop City Inst Health Environ. 2012; 22(1): 177-200.
  34. Monks PS. A review of the observations and origins of the spring ozone maximum. Atmos Environ. 2000; 34(21): 3545-3561.
    CrossRef
  35. Beevers SD, Carslaw DC. The impact of congestion charging on vehicle emissions in London. Atmos Environ. 2005; 39(1): 1-5.
    CrossRef

Article

Original Article

J Environ Health Sci. 2024; 50(3): 191-200

Published online June 30, 2024 https://doi.org/10.5668/JEHS.2024.50.3.191

Copyright © The Korean Society of Environmental Health.

Analysis of the Association between Air Pollutant Distribution and Mobile Sources in Busan Using Spatial Analysis

Jae-Hee Min1,2 , Byoung-Gwon Kim1,2* , Hyunji Ju1,2 , Na-Young Kim1,2 , Yong-Sik Hwang3 , Seungho Lee1,2 , Young-Seoub Hong1,2

1Department of Preventive Medicine, College of Medicine, Dong-A University, 2Environmental Health Center for Busan, Dong-A University, 3Silla Environmental Consulting Co., Ltd.

Correspondence to:*Department of Preventive Medicine, College of Medicine, Dong-A University, 32 Daesingongwon-ro, Seo-gu, Busan 49201, Republic of Korea
Tel: +82-51-240-2770
Fax: +82-51-253-5729
E-mail: medikim@dau.ac.kr

Received: March 8, 2024; Revised: June 17, 2024; Accepted: June 17, 2024

This is an open-access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/), which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

Background: Busan is a rapidly industrializing city with many mixed residential and industrial areas. Fine dust emissions from mobile pollution sources such as ships and vehicles are particularly high in Busan.
Objectives: This study analyzed the spatial distribution of air pollutants over the past three years and identified the impact of air pollutants through mobile source data in Busan.
Methods: We obtained air pollutant data on fine particulate matter (PM10), ultrafine particulate matter (PM2.5), nitrogen dioxide (NO2), sulfurous acid gas (SO2), and ozone (O3) for the last three years (source: airkorea.or.kr) and analyzed the spatial distribution using SAS 9.4 and Surfer 23. For the mobile pollutant data, we used CCTV data from major intersections in Busan to identify truck and car traffic, and visualized traffic density with QGIS.
Results: The analysis of the concentration of air pollutants over three years (2020~2022) showed that all were lower than the annual environmental standards with the exception of PM2.5. PM10 and PM2.5 were found to be highly concentrated in the western part of the area, while NO2 was high in the port area of Busan and SO2 was high in the western part of the area and near the new port of Busan. In the case of O3, it was high in the eastern part of the city. The traffic volume of freight vehicles by intersection was concentrated in the West Busan area, and the traffic volume for all cars was also confirmed to be concentrated at “Mandeok Intersection” located in the West Busan area.
Conclusions: This study was conducted to determine the relationship between air pollutants emitted from motor vehicles and the distribution of air pollutants in Busan. The spatial distribution of PM10 and PM2.5 correlates with traffic volume, while high concentrations of SO2 and NO2 near the port are associated with ship emissions.

Keywords: Air pollutants, particulate matter, spatial analysis, traffic-related pollution

I. 서 론

대기오염물질 배출원은 물질별로 일부 차이가 있지만 일반적으로 산업, 제조업 등 고정오염원으로부터 연소되는 물질과 차량 및 선박 등 이동오염원으로부터 연소되는 물질로 크게 구분되며 그 외에도 폐기물처리, 생물성연소 등 기타오염원으로부터 배출되는 물질을 포함하여 측정한다.1) 대기정책지원시스템(Clean Air Policy Support System, CAPSS)의 2021년 대기오염물질 배출목록 중 주로 이동오염원으로부터 배출되는 대기오염물질 확인 결과, 국내 대기오염물질 배출량 중 초미세먼지(ultrafine particulate matter, PM2.5) 배출량은 비산먼지로부터 배출되는 배출량이 28.8%로 1위를 차지하였고 비도로이동오염원으로부터 배출되는 배출량이 25.9%로 2위로 나타났다. 질소산화물(nitrogen oxide, NOX)은 국내 배출량 중 도로이동오염원으로부터 배출되는 배출량이 32.5%로 1위를 차지하였고, 비도로이동오염원이 31.9%로 2위를 차지하였다.2) 부산은 7대 광역시 중 하나로 빠른 도시화와 산업화를 거쳐가고 있으며, 주거지역과 산업단지, 공업단지가 모두 혼재되어 있는 지역이 많은 실정이다. 또한 부산은 대표적인 항만도시로 성장해왔고 2019년 기준 선박으로부터 기인한 대기오염물질 양을 확인한 결과 연간 348톤의 PM2.5와 372톤의 미세먼지(fine particulate matter, PM10)가 배출되었고, (초)미세먼지 생성 원인물질인 NOX와 휘발성유기화합물(volatile organic compounds, VOCs) 또한 상당량 배출되고 있는 것으로 조사되었다.3)

부산의 주요 대기오염물질은 선박이나 공장 외에도 도로이동오염원인 화물차 등을 포함한 자동차에 사용되는 화석연료가 연소하는 과정에서 배출되기 때문에 교통량의 증가는 대기오염을 가속화시키는 주요 원인으로 보고되고 있다.4-6) 또한 산업화 및 도시화가 진행됨에 따라 자가용 보급 또한 보편화되어 전체적인 교통량이 증가하였고, 국토교통부에 따르면 평균 일교통량이 2013~2022년 10년간에 19.8% 증가한 것으로 나타났다. 본 연구에서 활용한 2019~2022년 교통량 확인 결과 부산의 경우 차량등록대수가 2020년에 비해 2021년에 3만5천여대 증가한 것을 확인하였다.7) 이러한 교통량 증가로 인해 도로 곳곳에 교통체증이 발생하게 되며 출퇴근 시간의 경우 이러한 교통체증 문제가 두드러지고 있다.8) 여러 도로가 만나는 교차로에서는 교통량이 더욱 밀집되게 되고 신호체계에 따라 차량의 연료가 더 소모될 수 있으며, 교통 정체에 따라 차량의 공회전이 발생할 수 있어 정상주행보다 미세먼지 배출량이 상승한다는 연구 보고가 있다.9) 에어코리아 자료를 통해 2015~2022년, 8년간의 부산 내 PM2.5 배출량 분포를 확인한 결과 2016년 이후 계속해서 낮아지는 경향을 보였으나 연간 환경기준(15 μg/m3)은 초과하는 것으로 나타났다.

다양한 노출원으로부터 배출되는 대기오염물질에 직간접적으로 노출될 경우 인체에 심각한 영향을 일으키게 되며 특히 PM10과 PM2.5는 매년 300만 명 이상의 조기 사망을 일으키는 원인으로 지목되고 있다.10) PM10과 PM2.5는 폐 기능 감소, 기관지염 등 호흡기 질환 발생 가능성을 증가시키고, 인체 내 면역세포에 염증을 발생시킬 수 있으며 심혈관계 증상을 유발할 수 있다.11) 특히 PM2.5의 경우 입경이 2.5 µm 이하인 물질로 뇌나 폐포까지 침투하여 치매, 뇌졸중, 폐포 손상 등의 주요 원인 물질로 알려져 있다.12,13) 대기오염물질 중 아황산가스(sulfurous acid gas, SO2)와 NOX은 인체에 악영향을 미치는 주된 유해물질이며, SO2는 주로 산업시설에서 사용되는 석탄 및 석유 등 화석연료 연소과정에서 발생하며 PM2.5의 전구물질로 알려져 있다.1) SO2는 호흡기를 통해 흡수되며 눈, 코, 호흡기계 등에 영향을 미치며, 장기간 노출 시 호흡기 질환 발생가능성을 증가시킨다.14) NOX 또한 주로 차량 및 선박의 연료 연소나 산단지역에서의 산업 공정과 공장 활동으로부터 배출되는 유해물질로, 장기간 다량 노출 시 산소결핍증, 중추신경기능의 감퇴를 일으킬 수 있다.10,15,16) 지표면 오존(ozone, O3)은 NOX와 휘발성유기화합물이 광화학반응을 일으킬 때 2차적으로 생성되는 물질로,1) 호흡기를 통해 신체에 유입되고, 유입된 O3는 면역세포의 재생을 방해하고, 탈수와 염증 등 건강피해를 초래할 수 있다.17,18) 또한, O3에 과하게 노출될 경우 천식 또는 만성 기관지염을 유발할 수 있고, 피부에도 악영향을 미치며 심혈관질환의 사망률을 높이는 원인물질이 될 수 있다.19,20)

대기오염물질의 위험성이 대두됨에 따라 부산시 대기오염물질 농도의 공간 분포를 분석하고, 대기질을 악화시키는 주요 원인인 이동오염원에 대한 실태를 파악하기 위해 화물차 통행량 및 교통이 밀집되는 주요 교차로별 통행량을 파악하여 부산시 대기오염물질 공간분포의 특성과 이동오염원 간의 연관성을 확인하고자 한다.

II. 재료 및 방법

1. 조사 대상

부산지역 도시대기 측정소에서 모니터링된 대기오염물질(PM10, PM2.5, SO2, NO2, O3) 자료 분석을 위해 에어코리아 사이트(https://www.airkorea.or.kr/web)에서 제공하는 최종 확정자료를 확보하였다. 각 물질을 대상으로 대기오염물질별 연평균 농도변화 추세를 분석하고 연도별 평균을 비교하였으며, 평균 공간 농도분포를 조사하였다. 대기오염측정망은 도시대기 측정소 28개, 도로변 대기 측정소는 3개, 항만 대기 측정소 3개로 총 34개의 측정망 자료를 활용하였다(Fig. 1). 본 연구에서 활용한 34개의 측정망에 대해 구∙군별 분포를 확인한 결과 강서구 5개, 사상구, 동구, 금정구 각 3개, 기장군, 북구, 사하구, 영도구, 남구, 해운대구, 부산진구, 동래구 각 2개, 중구, 수영구, 연제구, 서구 각 1개씩 배치되어 있는 것을 확인하였다.

Figure 1. Air pollution measurement network operating branch (34 locations, as of December 2022)

또한 부산 시내 화물차 통행량 밀집 지역 파악을 위해 차량교통량 조사결과를 확인하였으며 조사 지점은 부산광역시와 주변 지역간 차량 통행특성, 권역별 통행특성, 주요 간선도로의 통행특성, 도심지 교통류 특성, 상습정체를 파악하기 위한 지점 총 5가지 기준을 기반으로 선정되었다. 더하여 부산 시내 주요 교차로 51곳에 대해 화물차를 포함한 전체 차량의 통행량을 확인하여 부산 내 교통 밀집 지역을 확인하였다.

2. 조사 기간

대기오염물질별 농도는 최근 3년간(2020~2022년)의 자료를 분석하여 제시하였으며 2020년 이후에 설치된 측정소의 데이터는 분석에서 제외하였다. 화물차 통행량 조사 기간은 99개소 조사지점에 대해 통행량이 몰리는 월요일, 금요일과 비가 온 날을 제외한 2021년 10월 5일, 7일에 1차 조사를 실시하였고, 2021년 10월 14일, 17일 2차 조사를 실시하였다. 부산 시내 주요 교차로 51곳에 대한 전체 차량의 통행량은 2019년 1월 1일을 기점으로 2022년 3월까지의 교통량 정보를 수집하여 데이터를 구축하였다.

3. 조사 방법

대기오염물질별 농도는 국내 대기측정망 사이트(https://www.airkorea.or.kr/web)에서 제공하는 최종 확정자료를 활용하였으며 2022년 12월 기준 부산 내에서 운영하는 대기오염측정망 34개소에 대해 2020년 1월 1일부터 2022년 12월 31일까지의 모든 데이터를 다운받아 분석을 진행하였다. O3을 제외한 다른 대기오염물질(PM10, PM2.5, NO2, SO2)의 농도 분석은 1일 기준 24시간 데이터를 이용하여 평균값을 제시하였고, O3의 경우 태양광이 없는 야간에는 O3 생성이 이루어지기 어려운 환경인 것을 고려하여 1일 최대 8시간 데이터를 이용하여 평균 값을 제시하였다. 이동오염원에 대한 자료 중 화물차 통행량에 대한 자료는 부산시의 협조를 통해 제공받은 차량교통량 조사결과를 활용하였고, 해당 조사는 영상측정기에 의한 현장 관측 방법으로 실시되었다. 화물차 통행량은 조사 기간(2021년 10월 5일, 7일, 14일, 17일) 동안 영상측정기에 측정된 통행량 누적 합산 값을 사용하여 통행량 상위 지점을 제시하였다. 전체 차량 교통량에 대한 실측값 확인은 부산광역시에서 운영중인 스마트 CCTV를 통해 확인하였고, 스마트 CCTV는 2022년 기준 총 51대가 운영되고 있었으며, 24시간동안 1시간 단위로 어느 지점이나 구간을 통과하는 차량 대 수가 기록된 자료를 확인하여 전체 교통량 상위 교차로를 제시하였다. 각 교차로별 위치는 위도와 경도를 통해 확인하였다.

4. 통계 분석

2020~2022년 3년간의 대기오염물질별 연평균 농도 분석을 통해 연도별 농도변화 추세를 확인하였으며, 지점별, 연도별 평균을 비교하여 고농도 미세먼지 지역을 확인하였다. 각 대기오염물질별 환경기준과 비교하고, 물질에 따른 계절별 특성을 확인하기 위해 3년간의 월별 농도 변화를 나타내었다. 또한 대기오염물질별 GIS 분석 및 평균 농도장을 구현하기 위해 Surfer 23 (Golden Software, Golden, CO, USA)을 이용하였다. GIS 분석은 2020~2022년 대기오염물질 자료를 이용하여 Kriging 방법으로 자료를 객관 분석하였고, Grid 파일을 생성 후 등농도 지도(Contour map)를 작성하였다. 교통량은 각 교차로별 교통량을 확인하기 위해 기술통계분석을 실시하고 부산 시내 주요 교차로별 통행량 상위 10개 교차로를 확인하였다. 통계분석은 SAS 9.4 (SAS Institute, Cary, NC, USA)를 사용하였다. 추가로 QGIS 3.28 프로그램을 활용하여 구·군별 교통 혼잡도를 시각화 할 수 있는 지도를 작성하였고, 미측정 지점의 교통량 추정을 위해 교통량 값이 있는 지점들을 이용해서 공간보간을 실시하였다. 공간보간은 교통량이 측정된 지점과 미측정 지점 간의 거리가 멀어질수록 측정된 지점의 영향력이 상대적으로 낮아지도록 가중치를 부여하는 역거리 가중치 방법(inverse distance weighting method, IDW)을 활용하였다.

III. 결 과

1. 대기오염물질 분포

2020~2022년 3년간의 대기환경자료 분석 결과 PM10의 연도별 농도변화 추세는 2020년 30.1 μg/m3, 2021년 32.1 μg/m3, 2022년에는 27.6 μg/m3로 감소하였으며, 전체 평균농도(29.93 μg/m3)는 연간환경기준(50 μg/m3)보다 낮게 나타났다. PM2.5의 경우 2020년 16.9 μg/m3, 2021년 15.5 μg/m3, 2022년 15.5 μg/m3로 다소 감소하였으나, 전체 평균농도(15.97 μg/m3)는 연간환경기준(15 μg/m3)을 초과하는 것으로 확인되었다. NO2의 경우 2020년 17.6 ppb, 2021년 17.2 ppb, 2022년 16.7 ppb로 점차 낮아지는 경향을 보였고, 전체 평균농도도 연간환경기준인 30 ppb보다도 낮은 것으로 나타났다. SO2 또한 2020년 3.6 ppb, 2021년 2.9 ppb, 2022년에 3.0 ppb로 낮아졌으며 전체 평균농도도 연간환경기준 20 ppb보다 한참 낮은 수치를 나타냈다. O3의 경우 2020년 8시간 평균 31.8 ppb, 2021년 33.1 ppb, 2022년 33.6 ppb로 다소 높아지는 경향을 나타냈으나 전체 평균농도는 8시간 평균 환경기준 60 ppb보다 낮은 것으로 나타났다(Table 1).

Table 1 . Air pollutant measurement status in Busan in 2020~2022.



각 물질별로 고농도 분포 지역 확인을 위해 3년(2020~2022년)간 평균을 확인한 결과 PM10의 경우 서부산권의 학장동(37.03 μg/m3), 장림동(34.97 μg/m3)이 각각 1, 2위를 차지하였고, PM2.5 또한 고농도 분포가 나타난 지역은 PM10과 비슷한 양상이었으며, 장림동(20.6 μg/m3)이 1위, 학장동(20.03 μg/m3)이 2위를 차지하였다. NO2는 선박 입출입이 잦은 부산 신항(31.7 ppb)과 부산 북항(27.63 ppb)이 상위 2개 지역으로 나타났고, SO2의 경우 1위는 서부산권의 녹산동(4.9 ppb), 2위는 부산 신항(4.1 ppb)으로 나타났다. O3의 경우 동부산권의 기장읍(39.27 ppb)과 용수리(39.13 ppb) 지역에서 1, 2위를 기록하였다.

대기오염물질별 월별 농도변화 추세를 분석한 결과 PM10과 PM2.5의 경우 주로 항만과 서부권역에서 높게 나타났으며, PM10은 3월(44.0 μg/m3)에 가장 높았고, 7월(18.9 μg/m3)에 가장 낮은 경향을 보였다. PM2.5의 경우 2월(20.7 μg/m3)에 가장 높은 경향을 보였다. NO2의 경우 11월~2월에 높은 경향을 보였고 항만>도로변>서부>중부>남부>동부 순으로 항만권역이 가장 높게 나타났으며, 동부권역이 가장 낮았다. SO2의 경우 5월~8월에 다소 높았고 항만>남부>도로변>서부>중부>동부 권역 순으로 조사되었다. O3의 경우 동부권역이 월중 분포에서 가장 높은 경향을 보였고, 특히 5월에 가장 높았으며, 11월~1월은 낮은 경향을 보였다(Fig. 2).

Figure 2. Monthly regional concentration distributions by air pollutant (2020~2022). (A) PM10, (B) PM2.5, (C) NO2, (D) SO2, (E) O3

2. 이동오염원 분포

화물차 이동량의 경우 항만, 산단이 다수 혼재하고 있는 서부산 지역에서의 이동량이 가장 높았고, 화물차 이동량 상위 10개의 교차 중 8개의 교차로가 서부산권에 위치하는 것으로 나타났다(Table 2, 3). 특히 감전교차로의 경우 통행량이 많아 방면에 따라 두 지점에서 화물차 이동량을 조사하였으며 두 위치의 값을 합치면 1위를 기록한 대동요금소보다 더 높은 것으로 나타났다. 화물차 외에도 부산시 주요 교차로별 교통량 현황을 파악하기 위해 스마트 CCTV 자료를 활용하여 일일(24시간) 평균과 출퇴근 시간(8시~11시) 평균을 산출하였으며 각 기준에 따른 상위 10개 교차로 추출 결과 일일 평균 기준 10위 교차로인 삼전교차로를 제외한 9개 교차로가 일치하는 것으로 나타났다. 출근 시간 기준으로 순위를 매긴 결과 일일기준에서 10위를 차지한 삼전교차로가 사라지고 원동IC 교차로가 10위로 기록되었다. 일일 기준과 출퇴근 시간 기준 모두 서부산의 만덕교차로가 가장 높은 교통량을 기록하였다.

Table 2 . Top 10 intersections with high truck traffic and average concentration of air pollutants in the area (2020~2022).

RankAreaClassificationIntersectionSum of freight trafficAtmospheric measurement pointPM10 (μg/m3)PM2.5 (μg/m3)NO2 (ppb)SO2 (ppb)O3 (ppb)
1WestBuk-guDaedong Tollgate35,310Hwamyeong-dong26.4314.7716.43-33.63
2WestGangseo-guMyeongji IC28,673Myeongji-dong33.3317.5015.972.6332.50
3WestSasang-guSeobusan Nakdong River Bridge27,204Hakjang-dong37.0320.0316.303.1328.00
4WestSasang-guGamjeon27,070Hakjang-dong37.0320.0316.303.1328.00
5WestSasang-guGangseonakdong River Bridge24,711Samrak-dong27.7014.3023.402.7025.30
6WestSaha-guSquare No. 6623,484Jangrim-dong34.9720.6017.202.9731.07
7WestSasang-guGamjeon21,047Hakjang-dong37.0320.0316.303.1328.00
8WestGangseo-guSesan20,336Noksan-dong33.5019.5017.574.9030.77
9CentralNam-guCity gas18,075Yongho-dong26.2013.7514.403.2534.50
10CentralBusanjin-guMunhyeon17,312Jeonpo-dong31.5315.9015.103.2732.47

Table 3 . Top 10 intersections with the most vehicle traffic and average air pollutant concentrations in the area (2020~2022).

RankAreaClassificationIntersectionAverage vehicle trafficAtmospheric measurement pointPM10 (μg/m3)PM2.5 (μg/m3)NO2 (ppb)SO2 (ppb)O3 (ppb)
1WestBuk-guMandeok4,381.49Deokcheon-dong32.3317.6719.632.8332.50
2EastSuyeong-guCentum City4,220.64Gwangan-dong30.7014.9313.03-35.53
3EastDongnae-guMinam3,822.03Oncheon-dong31.3715.7325.333.3324.50
4CentralBusanjin-guSeomyeon3,771.13Gaegeum-dong31.4316.8323.773.0030.13
5CentralNam-guDaenam3,766.38Daeyeon-dong29.8714.6015.632.9033.87
6CentralDongnae-guYeonsan3,707.54Oncheon-dong31.3715.7325.333.3324.50
7EastSuyeong-guOlympic3,570.29Gwangan-dong30.7014.9313.03-35.53
8CentralBusanjin-guYangjeong3,519.19Jeonpo-dong31.5315.9015.103.2732.47
9WestSasang-guJurye3,473.63Hakjang-dong37.0320.0316.303.1328.00
10CentralBusanjin-guSamjeon3,366.43Jeonpo-dong31.5315.9015.103.2732.47


화물차 통행량 합 기준 상위 10개 교차로와 전체 자동차 통행량 평균값 기준 상위 10개 교차로에 대한 대기오염물질 분포를 확인하기 위해 부산 내 설치된 대기측정소 중 통행량 상위 10위권 교차로들을 기준으로 가장 인접한 측정소의 대기오염물질 농도를 확인하였다. 대기오염물질 농도는 교차로 인접 측정소의 3년치(2020~2022년) 평균 농도를 제시하였다. 화물차 통행량 합 기준 상위 10개 교차로 중 부산 전체 측정소의 3년치 평균농도(PM10: 29.93 μg/m3, PM2.5: 15.97 μg/m3)보다 높은 값을 기록한 측정소는 PM10 7곳, PM2.5 6곳으로 과반수 이상이었다. 그 외 대기오염물질은 NO2와 SO2는 각 3곳, O3는 2곳로 나타났다. 전체 자동차 통행량 평균값 기준 상위 10개 교차로 중 부산 전체 측정소의 3년치 평균농도보다 높은 값이 나타난 측정소는 PM10 기준 9곳이었으며 PM2.5는 3곳, NO2와 SO2는 각 4곳, O3는 3곳으로 나타났다(Table 2, 3).

스마트 CCTV 자료를 통해 분석한 주요 교차로별 일평균 교통량에 따른 구·군별 혼잡도 시각화 및 교통량 미측정 지점에 대해 역거리 가중치를 사용하여 교통 혼잡도를 분석한 결과 부산지역 중 서부권역과 중부권역에 위치한 교차로가 붉은 색으로 교통량이 밀집되어 있는 것을 확인할 수 있었으며, 이는 행정구역별로 나누어 실제 데이터만 활용한 지도와 역거리 가중치를 활용하여 나타낸 지도 둘 다 비슷한 양상이 나타났다. 각 지도 위에 붉은 점으로 스마트 CCTV 51개 측정지점에 대한 좌푯값을 나타내었으며, 금정구와 서구, 중구, 영도구의 경우 스마트 CCTV가 설치되어 있지 않아 지도상 해당없음(N/A)으로 표시하였다(Fig. 3).

Figure 3. Analysis of traffic density in Busan (2019~2022). (A) Geo-classify, (B) Interpolate to IDW

IV. 고 찰

본 연구는 2020~2022년 3년간의 부산 내 대기오염물질 농도를 분석하고 평균을 비교하였으며, 월별 농도 추세변화를 확인하였다. 또한 대기오염물질의 공간분포를 확인하기 위해 GIS 분석을 실시하였고, 교통량에 대해서도 화물차 통행량을 확인하고 주요교차로별 도로이동오염원 통행량을 파악하였다. 대기오염물질의 공간분포 특성과 도로이동오염원의 통행량 분포의 경향성을 확인하기 위해 통행량 또한 GIS 분석을 실시하여 구∙군별 교통 밀집도를 파악하였고 공간보간 기법 중 IDW 기법을 사용하여 통행량 미측정 지점에 대한 값을 예측하여 시각화하였다(Fig. 3).

연도별 평균 PM10과 PM2.5의 공간분포 분석 결과 타 권역에 비해 서부권역과 중부권역이 높으며 그 중 특히 서부권역의 학장동과 신평∙장림공단 지역이 가장 높은 것으로 나타났다(Fig. 4). 이는 서부산권의 학장(PM10: 37.03 μg/m3, PM2.5: 20.03 μg/m3), 장림(PM10: 34.97 μg/m3, PM2.5: 20.06 μg/m3) 지역에서 고농도로 나타난 PM10과 PM2.5의 결과를 봐도 객관적으로 확인이 가능하다. 또한 서부산권은 부산 내 산재하는 산업단지 42곳 중 녹산국가산업단지 1곳을 포함한 총 26곳의 일반산업단지가 존재하는 지역으로 그로 인한 화물차 및 기타 도로이동오염원의 통행량이 많을 것으로 판단되었고, 본 연구에서 도로이동오염원의 통행량을 분석한 결과, 통행량이 높은 교차로들은 대부분 서부산권과 중부산권에 위치한 것으로 파악하였다. 더하여 화물차 통행량이 높은 상위 10개 교차로 중 부산의 전체 PM10, PM2.5 평균농도(2020~2022년)에 비해 상위 교차로 인근 측정소에서 더욱 고농도의 PM10, PM2.5 농도가 나타난 것을 확인하였다. 전체 도로이동오염원 통행량이 높은 상위 10개 교차로 또한 PM10 기준 부산의 전체 평균농도에 비해 상위 교차로 인근 측정소가 대부분 더 높은 농도를 나타냈다. 하지만 산업단지로부터 직접적으로 배출되는 미세먼지 배출량 또한 큰 기여를 했을 것으로 생각되어 대기질 조성 등에 대한 추가적인 분석이 필요한 실정이다. 중부산권 역시 전체 교통량 데이터 분석 결과 상위 10개 교차로 중 5개가 중부산권에 위치한 교차로인 것으로 나타났고 이러한 도로이동오염원으로부터 다량의 미세먼지가 배출되어 공간분포분석 상 고농도 분포를 나타냈을 것으로 생각된다. 중국 베이징의 연구 결과에 따르면 공간분포분석 결과 rush hour에 교통량이 혼잡하며 해당 시간대의 교통 배기가스는 PM2.5에 더 큰 비중을 차지하기 때문에 출퇴근 시간은 TRAP (Traffic-Related Air Pollution) 연구의 주요 핵심임을 제시하였다.21-23) 또한 서울시 토지이용과 교통량에 따른 미세먼지의 공간분포 분석 결과 미세먼지 농도의 분포는 토지이용 유형, 도시녹지 유무 외에 교통량과도 연관성이 깊게 나타났다는 선행연구가 보고되었다.24) 더하여 멕시코에서의 교통량과 대기환경 간의 공간분석 연구 결과에서도 대기오염의 주요 원인은 자동차로부터 배출되는 배기가스라고 제시하였으며 여러 입자상 물질을 포함한 대기오염물질이 건강에 미칠 수 있는 악영향에 대해 보고하였다.25)

Figure 4. Spatial and distribution analysis by air pollutant (2020~2022). (A) PM10, (B) PM2.5

NO2와 SO2의 공간분포 분석 결과 부산 신항만 지역에서 고농도로 분포함을 확인할 수 있었다(Fig. 5). 부산 신항만은 서부산권에 위치해 있으며 화물차 통행량 분석 결과 교차로별로 화물차 통행량이 높은 상위 10개 교차로를 추출했을 때 1위~8위가 모두 서부산권에 위치하는 결과를 확인하였다. 또한 항만은 비도로이동오염원인 선박으로부터 기인한 미세먼지 배출량 또한 대기질 악화에 영향을 미치며 2021년 국가통계포털(Korean Statistical Information Service, KOSIS) 자료에 따르면 부산의 황산화물(sulfur oxides, SOX)배출량이 서울에 비해 약 4배에 달하는 것으로 조사되었다.1,26) 그 중 생산공정에서 배출되는 SOX를 제외하면 비도로이동오염원이 22.8%로 두 번째로 큰 기여 요인으로 제시되었고, 해당 자료를 통해 확인한 NOX 배출량은 비도로이동오염원과 도로이동오염원의 배출량이 각각 54.2%와 26.5%로 대부분을 차지하는 것으로 조사되었다.1,26) 부산연구원에서 2019년 기준, 부산시 항만구역 전체에서 화물차량 운행으로 인한 NOX 배출량이 약 4만톤에 달한다고 보고하였으며, 화물차 외에도 부산 해역을 운항하는 선박 운항으로 연간 NOX 약 28,000톤, SOX 약 7,000톤이 배출되는 것으로 보고하였다.15,27) 특히 SO2의 농도는 내륙에 비해 항만 인근에서 높게 나타나는 경향을 보이며, 선행 연구에서도 해안지역의 선박배출이 SO2에 큰 영향을 미친다고 제시한 바 있다.3,28) 이러한 선행연구와 본연구의 결과를 통해 도로이동오염원 중 화물차의 영향과 비도로이동오염원 중 선박의 영향이 공간분포분석 결과 간의 관련성을 확인하였다.

Figure 5. Spatial and distribution analysis by air pollutant (2020~2022). (A) NO2, (B) SO2

주요 대기오염물질의 분포는 주로 공업지역이 포진되어 있는 서부산권 또는 선박 입출항 및 화물차 이동량이 많은 항만 지역에서 고농도로 분포하는 것과 달리 O3는 부산의 동부권역에서 고농도로 나타나는 것을 확인할 수 있었다(Fig. 6). 이는 O3의 전구물질인 NO2와 관련이 있을 것으로 생각되며 도시 내에서 자동차 등으로부터 배출되는 NO가 대기 중 산소와 반응하여 NO2로 전환되고, 고농도 NO2 분포가 O3의 소멸 과정에 영향을 준 것으로 사료된다.29,30) 또한 교통량이 많은 도심지역은 야간시간에도 지속적으로 NO가 배출되고 O3의 화학적 소멸 작용이 이어지게 된다.31,32) 이로 인해 아침 시간대에는 O3가 낮게 나타날 가능성이 높고 O3의 경우 야간에는 광화학 반응이 나타나지 않을 것을 고려하여 24시간 평균이 아닌 일일 최대 8시간 평균값을 기준으로 농도 분포를 확인하였기 때문에 NO로 인한 O3 감소가 8시간 평균 농도에 영향을 미쳤을 것으로 판단된다.30,32) 특히 기장읍과 용수리 지역 부근에서 고농도로 분포하였으며 이는 부산지역의 대기환경 특성에 대해 분석한 선행연구에서 제시한 결과와 일부 일치하는 것으로 나타났다. 해당 연구에서는 해안과 비교적 가까운 지역 들에서 육지와는 다른 열적 특성, 해풍, 해륙풍 순환 등 기상학적 요인이 영향을 고려해야 한다고 제시하였다.33) 본 연구기간(2020~2022년) 바람장미를 확인한 결과 3년간 부산에서 관찰된 주풍은 북동풍으로 나타났으며(Supplementary Fig. 1), 해륙풍 순환에 의해 O3와 O3 전구물질이 이동하여 해안가 지역으로 재유입된 것이 공간분포에 반영되었을 가능성도 있을 것으로 생각된다.33)

Figure 6. Spatial and distribution analysis by air pollutant (2020~2022). O3

더하여 본 연구에서 O3를 포함한 대기오염물질들의 계절적 특성을 확인하기 위해 월별 농도 분포 추이를 분석한 결과 대기오염물질 중 O3의 경우 기온이 상승하는 4월~6월에 눈에 띄게 높은 농도를 기록하였다. 이는 봄철에서 초여름으로 진입하는 시기에 일사량이 높게 나타나고, 높은 일사량이 O3의 광화학반응에 유리하게 작용한 결과로 해석되며, 7월, 8월에는 여름철 장마로 인해 일사량이 감소하여 O3 농도도 감소하는 추세가 나타난 것으로 생각된다.30,34) O3 외에 다른 대기오염물질을 확인한 결과 월별 농도 변화 추세를 확인한 결과 PM10과 PM2.5는 봄철과 겨울철에 높아지는 경향성을 나타냈으며, 봄철은 이동성 저기압과 건조한 지표면의 영향으로 황사를 동반한 고농도 미세먼지가 발생하고, 겨울철은 기온이 낮아지면서 대기가 정체되고 난방용 연료 사용 증가로 인해 미세먼지 농도가 높게 나타나는 계절적 특성과 일치하는 결과가 나타났다.1) NO2와 SO2는 비교적 변동의 폭이 크지 않으며, 도시대기 측정망과 도로변 측정망에 비해 항만에서 높게 나타나는 것을 확인할 수 있었다. 이는 항만 지역에 선박, 하역장비, 항만지역 운행 화물차량 등으로부터 기인한 NO2와 SO2 배출량이 매우 높다는 선행연구의 결과와 일치한다.3)

부산의 경우 PM2.5를 제외한 PM10, NO2, SO2, O3는 연간 환경기준을 초과하지 않지만 PM2.5는 아직까지 연간 환경기준을 초과하고 있다. 본 연구 결과 도로이동오염원 통행량이 많은 지역에 부산 평균 PM2.5 농도 대비 더 높은 PM2.5 농도가 나타나는 경향을 확인하였다. 그러나 교란요인으로 작용할 수 있는 교차로별 교통 방향을 고려하지 못했으며 대기오염물질과 교차로별 통행량에 대한 GIS 분석 결과 제시에 지형, 기온, 강수, 강우, 풍량, 습도 등을 적용하기 어려운 점이 제한점으로 여겨진다. 또한 산업단지, 공단, 차량교통량, 주거형태, 공사시설 유무 등 대기오염에는 여러 요인이 복합적으로 영향을 미치기 때문에 단순히 교통량이 대기오염물질 고농도 분포의 원인이라고 제시하기에는 한계가 있다. 하지만 도로이동오염원 중 차량의 경우 일반차량보다 대기오염 배출량이 높고 특히 노후한 화물차량에서 다량 배출되는 NO2와 SO2가 PM2.5 농도에 기여하기 때문에 노후 화물차량 운영을 중단하는 등 PM2.5에 기여하는 2차 생성 원인 물질의 배출량을 줄이는 등의 노력은 필요할 것으로 판단된다.3) 이미 해외 여러 나라에서는 도시 대기질과 교통량 간의 연관성과 그로부터 기인될 수 있는 건강피해를 고려하여 대기환경정책과 교통계획을 연계하여 여러 제도들을 도입 및 적용하고 있다.5,35)

본 연구에서는 부산시 내에 설치된 34개의 측정지점에 대해 2020년부터 2022년까지의 모든 대기환경자료를 수집∙분석하였고, 행정구역 분류에 따라 미세먼지 고농도 지역을 파악하였으며, 해당 자료로 공간분포분석을 실시하여 미세먼지 농도 분포에 대한 시각자료를 제공하였음에 의미가 있다. 또한 교통량이 대기오염에 주범이 된다는 이론적 배경에 더하여 부산시에서 제공중인 스마트 CCTV 자료를 활용하여 부산 내 주요 교차로별 통행량을 실측하였고, 화물차와 그 외 기타 이동오염원을 분류하여 교통밀집지역의 대기오염 농도를 확인하였으며 부산 전체 대기오염물질 평균농도와 비교하고 GIS 분석을 실시함으로써 도로이동오염원의 통행량 분포와 대기오염물질 농도 분포의 경향성에 대한 세밀한 연구 결과를 제시하였음에 본 연구의 의의가 있다.

V. 결 론

본 연구는 부산 내 이동오염원인 자동차 및 선박으로부터 배출되는 대기오염물질과 부산 시내 대기오염물질 분포와의 관련성을 확인하기 위해 진행되었으며, PM10과 PM2.5의 공간분포는 자동차 통행량 분포와의 일치성이 일부 나타났으며, SO2와 NO2의 경우 부산의 중부산권 보다 항만 지역이 고농도로 나타났다. 이는 도로이동오염원 외에도 비도로이동오염원인 선박의 영향을 많이 받았을 것으로 판단된다. O3는 이동오염원과의 연관성보다 광화학물질의 특성상 기상환경 및 지역적 특성이 큰 영향을 미쳤을 것으로 생각된다. 부산시 교통량과 대기오염물질 분포의 직접적인 연관성을 확인하기 위해서는 교차로별 차량 이동 방향 및 산업단지로부터 배출되는 대기오염물질의 양 등에 대한 추가적인 연구가 필요한 실정이다. 또한 다양한 대기오염물질 중 부산 지역 특성에 따라 두드러지게 높게 나타나는 물질과 주요 배출원에 대한 연구도 지속적으로 수행되어야 할 것으로 생각된다.

CONFLICT OF INTEREST

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

SUPPLEMENTARY MATERIALS

저자정보

민재희(박사과정), 김병권(교수), 주현지(석사과정),

김나영(연구원), 황용식(박사), 이승호(교수),

홍영습(교수)

Fig 1.

Figure 1.Air pollution measurement network operating branch (34 locations, as of December 2022)
Journal of Environmental Health Sciences 2024; 50: 191-200https://doi.org/10.5668/JEHS.2024.50.3.191

Fig 2.

Figure 2.Monthly regional concentration distributions by air pollutant (2020~2022). (A) PM10, (B) PM2.5, (C) NO2, (D) SO2, (E) O3
Journal of Environmental Health Sciences 2024; 50: 191-200https://doi.org/10.5668/JEHS.2024.50.3.191

Fig 3.

Figure 3.Analysis of traffic density in Busan (2019~2022). (A) Geo-classify, (B) Interpolate to IDW
Journal of Environmental Health Sciences 2024; 50: 191-200https://doi.org/10.5668/JEHS.2024.50.3.191

Fig 4.

Figure 4.Spatial and distribution analysis by air pollutant (2020~2022). (A) PM10, (B) PM2.5
Journal of Environmental Health Sciences 2024; 50: 191-200https://doi.org/10.5668/JEHS.2024.50.3.191

Fig 5.

Figure 5.Spatial and distribution analysis by air pollutant (2020~2022). (A) NO2, (B) SO2
Journal of Environmental Health Sciences 2024; 50: 191-200https://doi.org/10.5668/JEHS.2024.50.3.191

Fig 6.

Figure 6.Spatial and distribution analysis by air pollutant (2020~2022). O3
Journal of Environmental Health Sciences 2024; 50: 191-200https://doi.org/10.5668/JEHS.2024.50.3.191

Table 1 Air pollutant measurement status in Busan in 2020~2022


Table 2 Top 10 intersections with high truck traffic and average concentration of air pollutants in the area (2020~2022)

RankAreaClassificationIntersectionSum of freight trafficAtmospheric measurement pointPM10 (μg/m3)PM2.5 (μg/m3)NO2 (ppb)SO2 (ppb)O3 (ppb)
1WestBuk-guDaedong Tollgate35,310Hwamyeong-dong26.4314.7716.43-33.63
2WestGangseo-guMyeongji IC28,673Myeongji-dong33.3317.5015.972.6332.50
3WestSasang-guSeobusan Nakdong River Bridge27,204Hakjang-dong37.0320.0316.303.1328.00
4WestSasang-guGamjeon27,070Hakjang-dong37.0320.0316.303.1328.00
5WestSasang-guGangseonakdong River Bridge24,711Samrak-dong27.7014.3023.402.7025.30
6WestSaha-guSquare No. 6623,484Jangrim-dong34.9720.6017.202.9731.07
7WestSasang-guGamjeon21,047Hakjang-dong37.0320.0316.303.1328.00
8WestGangseo-guSesan20,336Noksan-dong33.5019.5017.574.9030.77
9CentralNam-guCity gas18,075Yongho-dong26.2013.7514.403.2534.50
10CentralBusanjin-guMunhyeon17,312Jeonpo-dong31.5315.9015.103.2732.47

Table 3 Top 10 intersections with the most vehicle traffic and average air pollutant concentrations in the area (2020~2022)

RankAreaClassificationIntersectionAverage vehicle trafficAtmospheric measurement pointPM10 (μg/m3)PM2.5 (μg/m3)NO2 (ppb)SO2 (ppb)O3 (ppb)
1WestBuk-guMandeok4,381.49Deokcheon-dong32.3317.6719.632.8332.50
2EastSuyeong-guCentum City4,220.64Gwangan-dong30.7014.9313.03-35.53
3EastDongnae-guMinam3,822.03Oncheon-dong31.3715.7325.333.3324.50
4CentralBusanjin-guSeomyeon3,771.13Gaegeum-dong31.4316.8323.773.0030.13
5CentralNam-guDaenam3,766.38Daeyeon-dong29.8714.6015.632.9033.87
6CentralDongnae-guYeonsan3,707.54Oncheon-dong31.3715.7325.333.3324.50
7EastSuyeong-guOlympic3,570.29Gwangan-dong30.7014.9313.03-35.53
8CentralBusanjin-guYangjeong3,519.19Jeonpo-dong31.5315.9015.103.2732.47
9WestSasang-guJurye3,473.63Hakjang-dong37.0320.0316.303.1328.00
10CentralBusanjin-guSamjeon3,366.43Jeonpo-dong31.5315.9015.103.2732.47

References

  1. Kim D, Son YS. Spatial-temporal variations in air pollution in Busan metropolitan city (2010~2018). J Korean Soc Atmos Environ. 2020; 36(3): 309-328.
    CrossRef
  2. National Air Emission Inventory and Research Center. Clean air policy support system (CAPSS). Available: https://www.air.go.kr/article/list.do?boardId=10&menuId=32 [accessed 21 April 2024].
  3. Heo JB, Lee W, Jang H, Kim J. The management strategies to control ambient fine particles emitted from port facilities and ships in Busan. Busan: Busan Development Institute; 2021 Jan. Report No.: 2020-12-947.
  4. Chin ATH. Containing air pollution and traffic congestion: transport policy and the environment in Singapore. Atmos Environ. 1996; 30(5): 787-801.
    CrossRef
  5. Kim WS, Eom JK, Hwang K, Jang JH. Internalizing environmental cost using TDM alternatives. J Korean Soc Transp. 1999; 17(4): 99-110.
  6. Woo J, Shin J, Min G, Kim D, Sung K, Cho M, et al. Analysis and exposure assessment of factors that affect the concentration of ambient PM2.5 in Seoul based on population movement. J Environ Health Sci. 2024; 50(1): 6-15.
    CrossRef
  7. Ministry of Land, Infrastructure and Transport (MORIT). Available: https://data.molit.go.kr:11180/studio/exported/68dc6a3f9863491a878f3051dd882f53ba8acc31288b469da45a0a1d939cc0cd [accessed 19 April 2024].
  8. Wan Z, Zhu M, Chen S, Sperling D. Pollution: three steps to a green shipping industry. Nature. 2016; 530(7590): 275-277.
    Pubmed CrossRef
  9. Papson A, Hartley S, Kuo KL. Analysis of emissions at congested and uncongested intersections with motor vehicle emission simulation 2010. Transp Res Rec. 2012; 2270(1): 124-131.
    CrossRef
  10. Park S, Yoon D, Kong H, Kang S, Lee C. A case study on distribution characteristics of indoor and outdoor particulate matter (PM10, PM2.5) and black carbon (BC) by season and time of the day in apartments. J Environ Health Sci. 2021; 47(4): 339-355.
  11. Shin DC. Health effects of ambient particulate matter. J Korean Med Assoc. 2007; 50(2): 175-182.
    CrossRef
  12. Choi KC, Yoo SY, Jeon BK. A study on the characteristics of concentrations of atmospheric aerosols in Pusan. J Environ Health Sci. 2000; 26(2): 41-48.
  13. Deng Q, Deng L, Miao Y, Guo X, Li Y. Particle deposition in the human lung: health implications of particulate matter from different sources. Environ Res. 2019; 169: 237-245.
    Pubmed CrossRef
  14. Cheng G, Zhang C. Desulfurization and denitrification technologies of coal-fired flue gas. Pol J Environ Stud. 2018; 27(2): 481-489.
    CrossRef
  15. Sawyer RF, Harley RA, Cadle SH, Norbeck JM, Slott R, Bravo HA. Mobile sources critical review: 1998 NARSTO assessment. Atmos Environ. 2000; 34(12): 2161-2181.
    CrossRef
  16. Singh D, Kumar A, Kumar K, Singh B, Mina U, Singh BB, et al. Statistical modeling of O3, NOx, CO, PM2.5, VOCs and noise levels in commercial complex and associated health risk assessment in an academic institution. Sci Total Environ. 2016; 572: 586-594.
    Pubmed CrossRef
  17. Kim HJ, Lovell SJ, O'Farrell J, Cho Y. The measures of ozone pollution: an analysis of ozone concentration data in USA. Asian J Atmos Environ. 2008; 2(1): 47-53.
    CrossRef
  18. Kim MK, Lee HW, Jung WS, Do WG. Analysis on the effect of meteorological factors related to difference of ozone concentration at the neighboring areas in Gijang Busan. J Environ Sci. 2012; 21(9): 1097-1113.
    CrossRef
  19. Long Y, Wu Y, Xie Y, Huang L, Wang W, Liu X, et al. PM2.5 and ozone pollution-related health challenges in Japan with regards to climate change. Glob Environ Chang. 2023; 79: 102640.
    CrossRef
  20. Sheffield PE, Zhou J, Shmool JL, Clougherty JE. Ambient ozone exposure and children's acute asthma in New York City: a casecrossover analysis. Environ Health. 2015; 14: 25.
    Pubmed KoreaMed CrossRef
  21. Fang X, Li R, Xu Q, Bottai M, Fang F, Cao Y. A two-stage method to estimate the contribution of road traffic to PM2.5 concentrations in Beijing, China. Int J Environ Res Public Health. 2016; 13(1): 124.
    Pubmed KoreaMed CrossRef
  22. Jiang L, Sun Z, Qi Q, Zhang A. Spatial correlation between traffic and air pollution in Beijing. Prof Geogr. 2019; 71(4): 654-667.
    CrossRef
  23. Jin J, Jin J. A study on the effect of traffic congestion on particulate matter concentration in Seoul: big data approach. J Korea Plan Assoc. 2021; 56(1): 121-136.
    CrossRef
  24. Jeong JC, Lee PSH. Spatial distribution of particulate matters in comparison with land-use and traffic volume in Seoul, Republic of Korea. J Cadastre Land InformatiX. 2018; 48(1): 123-138.
  25. Garnica-Monroy R, Garibay-Bravo V, Gonzalez-Gonzalez A, Salgado H, Hernández-Reyes M. Spatial analysis of exposure to trafficrelated air pollution in Mexico: implications for urban planning to improve public health. Appl Spat Anal. 2022; 15(3): 647-665.
    CrossRef
  26. KOrean Statistical Information Service (KOSIS). Inquiry of final confirmed measurement data. Available: http://kosis.kr/search/search.do?query=%EB%8C%80%EA%B8%B0%EC%98%A4%EC%97%BC%EB%AC%BC%EC%A7%88%C2%A0%EB%B0%B0%EC%B6%9C%EB%9F%89 [accessed 28 January 2024].
  27. Busan Metropolitan City. Statistics status of vehicle registration office. Available: https://busan.go.kr/car/crcounty [accessed 30 January 2024].
  28. Song SK, Shon ZH, Kim YK, Kang YH, Oh IB, Jung CH. Influence of ship emissions on ozone concentrations around coastal areas during summer season. Atmos Environ. 2010; 44(5): 713-723.
    CrossRef
  29. Kim J, Ghim YS, Han J, Park S, Shin H, Lee S, et al. Long-term trend analysis of Korean air quality and its implication to current air quality policy on ozone and PM10. J Korean Soc Atmos Environ. 2018; 34(1): 1-15.
    CrossRef
  30. Jeong MJ, Kim WJ, Heo JB, Kim SY. Exploration of the spatial and temporal patterns of surface ozone concentrations for development of ozone prediction model in South Korea. J Korean Soc Atmos Environ. 2022; 38(1): 100-125.
    CrossRef
  31. Shon ZH. Photochemical analysis of ozone episodes in the metropolitan area of Seoul during the summer 2004. J Korean Soc Atmos Environ. 2006; 22(3): 361-371.
  32. Song SK, Shon ZH. Analysis of chemical and meteorological effects on the concentration difference of photochemical air pollutants between coastal and inland regions in Busan. J Environ Sci. 2008; 17(10): 1169-1182.
    CrossRef
  33. Kim MK, Do WG, Cho JG. The analysis of atmospheric environment features using the urban atmospheric environment map in Busan. Annu Rep Busan Metrop City Inst Health Environ. 2012; 22(1): 177-200.
  34. Monks PS. A review of the observations and origins of the spring ozone maximum. Atmos Environ. 2000; 34(21): 3545-3561.
    CrossRef
  35. Beevers SD, Carslaw DC. The impact of congestion charging on vehicle emissions in London. Atmos Environ. 2005; 39(1): 1-5.
    CrossRef
The Korean Society of Environmental Health

Vol.50 No.3
June, 2024

pISSN 1738-4087
eISSN 2233-8616

Frequency: Bimonthly

Current Issue   |   Archives

Supplementary File

Stats or Metrics

Share this article on :

  • line