미세먼지의 농도 측정과 예측

[能田]

기획1

미세먼지의 농도 측정과 예측

- 미세먼지에서 공학을 보다 –

공대상상 예비 서울공대생을 위한 서울대 공대 이야기 Vol. 28

가까운 건물조차 보이지 않을 정도로 미세먼지가 심한 날,

거리에 나가면 마스크를 쓴 사람들이 많습니다.

몇 년 전만 해도 상상하지 못했던 일이죠.

이러한 문제를 해결하고자 국가적으로 미세먼지 농도 측정과 예측에 힘쓰고 있습니다.

눈에 보이지 않을 정도로 작은 미세먼지의 농도를 어떻게 측정하거나 예측할 수 있을까요?

 지금부터 미세먼지의 농도 측정 및 예측 방법 속 공학적 원리에 대해서 알아보겠습니다.

글: 서지영, 조선해양공학과 1 / 편집: 유윤아, 기계항공공학부 2

미세먼지의 농도 측정 방법: 자동 측정법

미세먼지의 농도 측정은 크게 자동 측정법과 수동 측정법으로 구분할 수 있습니다. 먼저 자동 측정법에는 대표적으로 ‘베타선 흡수법’이 있습니다. 방사성 원자핵이 베타 붕괴할 때 방출되는 베타선은 물질의 질량에 비례하여 흡수율이 커집니다. 베타선 흡수법은 미세먼지를 채취한 여과지에 흡수된 베타선의 세기를 측정하여 미세먼지의 농도를 구하는 방식으로, 현재 널리 사용되고 있습니다. 그러나 이 방법은 미세먼지를 포집한 후 농도를 측정하기 때문에 측정단위가 1시간으로 길어 수시로 변하는 환경의 실시간 모니터링에 사용하기에는 부적절하다는 한계점이 있습니다.

이에 최근 공기 청정기의 미세먼지 농도 측정기나 소형 간이 측정기는 주로 실시간 측정이 가능한 ‘광 산란법’을 이용하고 있습니다. 공기 중 미세먼지의 농도가 높을수록 빛은 더 많이 산란되어 하늘이 흐려지는데요. 광 산란법은 공기 중의 미세먼지에 의한 빛의 산란 정도를 측정하고, 그 값으로 미세먼지의 농도를 구하는 방식입니다. 짧은 시간에 측정할 수 있으나, 계산 과정에서 공기의 평균 밀도를 이용하기 때문에 순간적인 공기의 밀도와는 다를 수 있어 정확성이 떨어진다는 단점이 있습니다.

[그림 1] 베타선 흡수법 장비구성(왼쪽) / 중량농도법 장비구성(오른쪽) (출처:환경부)

미세먼지의 농도 측정 방법: 수동 측정법

미세먼지의 질량을 저울로 직접 측정하는 방법을 수동 측정법이라고 합니다. 대표적으로 ‘중량 농도법’이 있는데요, 크기 10㎛ 이하의 입자를 분리할 수 있는 장치인 샘플러를 이용해서 24시간 동안 시료를 채취해, 여과지에 모인 미세먼지의 질량을 저울로 직접 측정하는 방법입니다. 우리나라의 환경정책기본법 시행령에 따르면 공인된 미세먼지 측정 방법은 ‘중량 농도법 또는 이에 준하는 자동 측정법’입니다. 이처럼 중량 농도법은 정확성이 가장 높아 우리나라를 비롯한 미국 · 일본 · 유럽 등 많은 국가에서 기준 측정법으로 채택되었습니다. 하지만 중량 농도법은 자동 측정법보다 복잡하고, 더 많은 시간과 전문인력을 필요로 한다는 단점을 가지고 있습니다.

빅데이터를 이용한

GBM(Gradient Boosting Machine) 기반 미세먼지 예측 모델

기상 예보에서는 미래의 기온이나 강수량뿐만 아니라, 미세먼지 예측 모델을 이용하여 미세먼지의 농도에 대한 정보도 제공합니다. 예측 모델을 이용해 문제의 구조, 변수나 그 상호관계를 정확하게 분석해서 합리적으로 예측할 수 있습니다. 우리나라 미세먼지 예측 모델의 주요 변수로는 풍향, 풍속, 중국 산둥성 지역의 위성 센서 데이터가 있는데요, 이들은 미세먼지의 농도와 강한 상관관계를 가집니다. 예를 들어, 미세먼지의 예보 등급이 <나쁨>일 경우, 전날 풍향은 서풍이며, 풍속이 상대적으로 느리고, 중국 산둥성 지역의 위성 센서가 감지한 미세먼지의 농도도 높은 경향을 띱니다.

미세먼지와 같은 대기 오염물질은 특정 지역에 국한되지 않고 넓은 영역으로 이동 및 확산하는 특성이 있습니다. 그러므로 미세먼지 분석을 위해서는 광범위한 영역의 데이터를 수집해야 합니다. 우리나라에서는 미국항공우주국(NASA) 아쿠아(Aqua) 위성에 탑재된 MODIS● 센서 데이터 및 국내 데이터를 기반으로 한 미세먼지 예측 모델을 사용하고 있습니다. 이때 예측 오차를 줄이기 위해 GBM기법이 이용됩니다. 이 기법은 예측 모델을 순차적으로 연결하여 하나의 강력한 모델을 만드는 것으로, 오차를 크게 줄일 수 있습니다. GBM은 [그림 2]와 같은 네 개의 과정으로 이루어집니다.

[그림 2] GBM기법의 과정 (출처:행정안전부)

우리나라에서는 이러한 예측 모델을 이용해 광범위한 데이터를 바탕으로 체계적인 예보가 이루어지고 있습니다. 실제로 우리나라 미세먼지 예보는 2018년 1분기 기준 84.4%의 높은 정확도를 보였습니다. 향후 국가정보자원관리원은 더욱 정확한 예측을 위해 에어로졸●분석 성능이 뛰어난 국내 정지 위성(천리안) 데이터를 추가로 확보하여 예측 정확도를 높인다는 계획을 가지고 있습니다.

지금까지 미세먼지의 농도를 측정하는 방법부터 예측하는 방법까지 알아보았습니다. 하루가 멀다 하고 미세먼지 농도가 <나쁨> 상태인 오늘날, 미세먼지 농도 측정 및 예보는 필수적인 생활정보가 되었습니다. 여러분도 외출하기 전 미세먼지 예보를 볼 때, 그 속의 공학적 원리 또한 생각해 보는 것이 어떨까요?

주해

● MODIS: 미국 항공우주국의 아쿠아(Aqua)와 테라(Terra) 위성에 탑재된 관측 센서로, 육상과 해양의 표면 온도, 해류의 흐름, 대기 관측 데이터로 구성되어 있음.

● 에어로졸: 대기 중에 떠다니는 고체 또는 액체상태의 작은 입자

[참고문헌]

1. 환경부 기후대기정책과, “미세먼지, 도대체 뭘까?” 환경부 홈페이지,

www.me.go.kr/home/file/readDownloadFile.do?fileId=127372&fileSeq=1&openYn=Y(19 April 2016), Accessed 21 April 2019.

2. 환경부 빅데이터분석과, “미세먼지, 빅데이터로 예측한다.” 행정안전부 홈페이지,

www.mois.go.kr/frt/bbs/type010/commxxonSelectBoardArticle.do?bbsId=BBSMSTR_000000000008&nttId=68536

(28 January 2019), Accessed 21 April 2019.

[그림 출처]

1. 환경부 홈페이지,

www.me.go.kr/home/file/readDownloadFile.do?fileId=127372&fileSeq=1&openYn=Y

2. 행정안전부 홈페이지,

www.mois.go.kr/frt/bbs/type010/commxxonSelectBoardArticle.do?bbsId=BBSMSTR_000000000008&nttId=68536