국내 산업 및 시도별 대기오염물질 배출량자료를 이용한 미세먼지 형성 가능성 및 인체 호흡기 영향 평가추정

Assessment and Estimation of Particulate Matter Formation Potential and Respiratory Effects from Air Emission Matters in Industrial Sectors and Cities/Regions

Article information

J Korean Soc Environ Eng. 2017;39(4):220-228
Publication date (electronic) : 2017 April 30
doi : https://doi.org/10.4491/KSEE.2017.39.4.220
CREIDD Research Center on Environmental Studies & Sustainability Department of Humanities, Environment & Information Technology, University of Technology of Troyes, France
김준범
프랑스 트루아공대, 환경정보기술학과, 환경 및 지속가능성연구센터
Corresponding author E-mail: junbeum.kim@utt.fr Tel: +33-03-25-71-80-06 Fax: +33-03-25-71-76-98
Received 2017 January 24; Revised 2017 February 28; Accepted 2017 March 16.

Abstract

많은 산업 및 도로이동오염원 등으로부터 발생되는 미세먼지는 인간건강과 호흡기에 큰 영향을 미치고 있으며 이에 대한 중요성이 점차 증가하고 있다. 세계보건기구(WHO)에서도 미세먼지(PM10) 및 초미세먼지(PM2.5)를 석면 및 비소 등의 물질과 같은 등급인 1급 발암물질로 지정한 이후로 우리나라에서도 지속적인 관심과 연구를 진행해오고 있다. 현재 환경부와 각 지자체별로 미세먼지 및 대기오염정보를 구축하여 제공하고 있지만, 특히 미세먼지 주의보 및 경보발령에 있어서 미세먼지 PM10 및 PM2.5 자료만을 활용하고 있고 미세먼지형성에 영향을 주는NOx, SOx, NH3자료는 활용 및 고려를 하지 않고 있다. 또한 국내 산업별 및 지자체별로 세부적인 미세먼지형성 가능성(particulate matter formation potential) 및 발생되는 미세먼지로 인한 인체호흡기 영향평가(respiratory effects)와 관련된 연구는 많이 진행이 되고 있지 않다. 이에 본 연구의 목적은 국내 11개 산업별 및 시도별로 2001년과 2013년 환경부 및 국립환경과학원에서 제시하고 있는 NOx, SOx, PM10, NH3 자료를 활용하여 미세먼지형성(particulate matter formation potential) 평가와 이로 인한 인체 호흡기 영향을 평가 및 산정하여 비교 제시하고자 하였다. 본 연구결과로는 산업별 및 시도별로 미세먼지형성과 인간건강에 영향을 제시하였으며, 향후 미세먼지 관련 연구에 중요하게 활용할 수 있을 것으로 사료된다.

Trans Abstract

Since the fine particulate matters occurred from mainly combustion in industry and road transport effect to human respiratory health, the interest and importance are getting increased. In 2013, the World Health Organization (WHO) concluded that outdoor air pollution is carcinogenic to humans, with the particulate matter component (PM10 and PM2.5) of air pollution most closely associated with increased cancer incidence, especially cancer of the lung. Therefore, many researches have been studied in the quantification and data development of fine particulate matters. Currently, the Ministry of Environment and cities/regions are developing the fine particulate matter data and air emission information. Particularly just PM10 and PM2.5 data is used in the fine particulate matters warning and alert. The data of NOx, SOx, NH3, which have the particulate matter formation potential are not well considered. Also, the researches related with particulate matter formation potential and respiratory effects by industrial sectors and cities/regions are not conducted well. Therefore, the purpose of this study is to evaluate and calculate particulate matter formation potential and respiratory effects in 11 industrial sectors and cities using NOx, SOx, PM10, NH3 data (developed by Ministry of Environment and National Institute of Environmental Research) in 2001 and 2013. The results of this study will be provided the particulate matter formation potential and respiratory effects and will be used for future the fine particulate matter researches.

1. 서 론

2013년부터 세계보건기구(world health organization, WHO)에서는 호흡기 및 피부로도 침투가 가능해 심장질환 등 인체에 심각한 피해를 끼칠 수 있는 미세먼지(PM10) 및 초미세먼지(PM2.5)를 석면 및 비소 등의 물질과 같은 등급인1급 발암물질로 지정한 이후로 우리나라에서도 지속적인 관심과 연구를 진행해오고 있다[1,2]. 미세먼지는 자동차 매연과 산업활동으로 인해서 발생되는 유독물질 및 중금속 등이 대기중에서 광화학 반응을 일으켜 만들어진다[3]. 이렇게 만들어진 미세먼지는 기도를 자극하여 각종 호흡기 질환을 일으키는 직접적인 원인이며, 이외에도 피부질환과 안구질환 등이 발병한다. 특히 초미세먼지는 미세먼지보다 훨씬 작기 때문에 기도에서 걸러지지 못하고 대부분 폐의 말단부위인 폐포까지 침투해 심장질환과 호흡기 질병 등을 일으키는 것으로 알려져 있다[3]. 미세먼지 구성성분은 그 미세먼지가 발생된 지역이나 계절, 기상조건 등에 따라 달라질 수 있지만, 대부분 대기오염물질이 공기 중에서 반응하여 형성된 물질(예를 들면, 황산염, 질산염 등)과 석탄 및 석유 등 화석연료를 태우는 과정에서 발생하는 탄소류와 검댕, 지표면 흙먼지 등에서 생기는 광물 등을 구성하고 있다[4]. 미세먼지는 산업장의 공장굴뚝, 화력발전소, 자동차 배기가스 등의 발생원으로부터 고체 상태로 배출되는 1차적 발생먼지와 황산염 및 질산염과 같이 발생원으로부터 가스 상태로 나온 물질이 공기 중의 다른 물질과 화학적인 반응을 일으켜 미세먼지로 되는 2차적 발생으로 나누어진다. 또한, 인위적 발생원에는 산업시설 및 자동차 등을 들 수 있으며, 자연적 발생원은 화재, 황사 및 화산폭발 등을 들 수 있다[5].

일반 시민들에게 미세먼지 및 대기오염문제를 설명 할때 오염물질의 농도만으로 표현하여 나타내는 것에 대한 문제점을 해결하기 위해서 대기질을 종합적으로 평가하기 위한 지수(index)의 필요성이 요구되어, 미국에서는 PSI (pollutant standard index)와 AQI (air quality index)를 사용하고 있으며, 우리나라 환경부는 국내 실정에 맞도록 미국의 AQI지수(이산화질소를 포함하여 6개의 대기오염물질에 대한 대기지수를 설정 및 표현)를 참고하여 만든 AEI (air environmental index) [6]를 개발하여 사용해오고 있었지만 활용이 미흡한 상태였다. 이에 우리나라 정부에서는 2015년 시행된 대기환경기준 신설과 함께 2차 수도권 대기환경 관리 기본 계획을 통해 계속적으로 초미세먼지 관리를 추진하고 있으며, 환경부에서는 통합대기환경지수(CAI, Comprehensive Air-Quality Index)는 기존의 AEI (Air Environmental Index)지수가 국민들이 느끼는 체감 오염도를 제대로 반영하지 못한다는 문제가 제기됨에 따라, 이에 대한 개선책으로 인체에 대한 유해성, 변별력, 체감오염도를 동시에 고려하도록 개발된 대기오염도 표현방식으로 에어코리아(www.airkorea.or.kr)에서 실시간으로 시민들에게 정보를 제공하고 있다[7]. 지금까지 관련된 몇몇 국내 연구들을 살펴보면 다음과 같다. 공 등[8]은 초미세먼지(PM2.5)의 건강영향 평가 및 관리정책연구(I)에서 PM2.5의 대기환경기준 신설에 따른 건강영향 및 관리정책 마련을 목적으로PM2.5의 농도분포 및 물리화학적 특성분석, PM2.5의 건강영향 평가 및 건강편익 산정, 그리고 배출량 추정 및 관리정책 로드맵을 제시하였다. 또한, 공 등9)은 초미세먼지(PM2.5)의 건강영향 평가 및 관리정책연구(II)에서 미세먼지에 의한 호흡기계 질병 유발영향을 분석하고, 지역별로 배출량 기여도가 배출원별로 다름을 감안하여 지역별로 우선되는 필요 관리수단 및 정책방안들을 제안하였다. 김 등[10]은 미세먼지 배출원 분석 및 배출자료 개선을 위한 기획연구에서는 국내 대기오염 배출자료의 문제점을 지적하고 CO와 PM10의 배출량이 과소 산정되어 있어 PM10의 배출 부분인 불법 소각, 농업폐기물 소각, 화재, 산불 등에 의한 연소와 포장도로, 비포장 도로 차량 운행에 의한 비산먼지(fugitive dust), 건설활동, 농업활동, 나대지 등에서 발생하는 비산먼지의 발생량을 재산정하는 작업을 수행하여 배출자료의 신뢰도를 향상시키는 연구를 수행하였다. 이외에도 미세먼지의 오염특성과 관련된 연구들을 수행하였다[11~15].

이와 같이 수행하여 진행된 국내 연구들과 정부에서 많은 정보를 제공함에도 불구하고 국내 산업별 및 지자체별로 세부적인 미세먼지형성 가능성(particulate matter formation potential) 및 대기오염물질로 인해서 발생된 미세먼지로 인한 인체호흡기 영향평가(respiratory effects)와 관련된 연구는 많이 진행되고 있지 않다. 이에 본 연구에서는 국내 산업별(11개의 산업 대분류) 및 시도별로 2001년부터 2013년까지 환경부 및 국립환경과학원에서 제시하고 있는 NOx, SOx, PM10, NH3 자료를 활용하여 미세먼지형성평가와 이로 인한 인체건강 및 호흡기 영향을평가 및 추정 산정하여 비교 제시하고자 하였다.

2. 자료 및 연구방법

본 연구를 위해서 환경부와 국립환경과학원에서 제시하고 있는 국가 대기오염물질 배출량 서비스(national air pollution emission service) 자료를 활용하였다[16]. 국가 대기오염물질 배출량 서비스 자료는 대기배출물질별, 산업부문별(에너지 산업 연소, 비산업 연소, 제조업 연소 등 총 11개 산업 대분류, Table 1), 그리고 17개 시도에서 8가지 대기오염물질(CO, NOx, SOx, TSP, PM10, PM2.5, VOC, NH3)의 배출량 자료를 연도별로 보여주고 있다. 미세먼지형성 가능성 및 발생된 미세먼지로 인한 인체호흡기 영향을 평가 위해서는 앞서 언급한 대기배출물질에서 미세먼지형성 가능성에 영향을 주는 물질인 NOx, SOx, PM10, PM2.5, NH3만을 고려하였으며[17], 여기서 PM2.5는 2011년부터 작성하고 있는 자료이므로 2001년과 2013년도의 일관성 있는 평가결과를 보여주기 위해서 산정시 제외하였다.

Industry sectors and source classification categories

미세먼지로 인한 인체호흡기 영향 평가를 위해서 전과정평가(life cycle assessment)과정에서 수행할 수 있는 전과정영향평가(life cycle impact assessment) 방법론 중에서 ReCiPe [17]방법론을 사용하였다. 전과정평가는 주로 제품이나 서비스 및 시스템을 대상으로 투입되는 물질, 용수, 에너지 등의 투입물질과 배출되는 대기 및 수질 오염물질, 폐기물 등의 배출물질목록을 바탕으로 환경영향을 산정 및 평가하는 방법론을 지금까지 널리 사용하고 있다[18,19]. 전과정평가의 세부 단계에서는 구축된 전과정목록분석(life cycle inventory) (본 연구에서는 NOx, SOx, PM10, NH3 물질을 대상으로 함)을 가지고 Eco-indicator 99 [20], Korean Eco-Indicator [21], TRACI [22], ReCiPe 등[23]의 여러 영향평가 방법론을 이용하여 영향평가 값들이 산정된다. ReCiPe방법에는 지구온난화, 부영양화, 산성화, 미세먼지형성 가능성 등의 영향범주를 포함하여 14개의 영향범주를 포함하고 있다. 식 (1)과 (2)에 나타낸 바와 같이 중간영향(midpoint impact)의 경우는 14개의 영향범주에서 미세먼지형성 가능성 영향의 영향정량화 및 특성화 계수를 활용하여 NOx, SOx, PM10, NH3 오염물질들의 배출량에 특성화 계수를 곱하여 미세먼지형성 가능성에 대한 잠재적 기여도를 kg 또는 ton PM10 eq.로 나타낼 수 있으며, 최종영향(endpoint)의 경우에도 중간영향의 산정법과 비슷하게 NOx, SOx, PM10, NH3 오염물질들의 배출량에 각각의 오염물질들의 DALY (disability adjusted life years, 장애보정손실년수; 질병으로 인한 사망과 장애발생을 통합하여 질병에 대한 부담을 측정할 수 있도록 WHO에서 개발된 개념[25]) 지수를 곱하여 인체건강에 미친 영향을 DALY년도로 나타낼 수 있다.

(1) Im(midpoint impact) = iCFmi×mi
(2) Im(endpoint impact) = iDALYmi×mi

where mi is the magnitude of intervention I (e.g., the mass of NOx released to air), CFmi the characterization factor that connects intervention i with midpoint impact category m (here, particulate matter formation), DALYmi the DALY factor that connects intervention i with endpoint impact category m (here, particulate matter formation) and Im the indicator result for midpoint impact category m [17,23,26].

다음의 Table 2에는 미세먼지형성물질 각각의 특성화계수 및 DALY계수를 나타내고 있다. 예를 들면, 1 kg PM10물질은 1 kg PM10 eq.값을 가지며, 1 kg NOx는 0.22 kg PM10형성에 영향을 준다고 할 수 있다.

Emissions characterization factor and DALY factor in particulate matter formation

3. 연구결과 및 고찰

3.1. 산업부문별 미세먼지형성 가능성 및 인체건강

산업부문별 미세먼지형성 가능성 및 인간건강에 대한 평가부분은 2001년과 2013년 자료들을 비교평가하였다. 1999년과 2000년도 미세먼지형성 관련자료도 구축하여 제시하고 있지만 산업 대분류 항목이 상이함으로 인해서 2013년 자료와 통일성을 가지기 위해2001년부터 사용하고 있는 에너지산업 연소, 비산업 연소, 제조업 연소 등 총 11개 산업 대분류 자료를 활용하여 평가 및 비교하였다. 첫번째로 2001년도 결과를 살펴보면 우리나라 전체 산업에서는 507,164 ton PM10 eq.의 미세먼지형성에 기여를 한 것으로 산정되었으며, 이는 44,090 DALY year의 장애보정손실년수에 영향을 준 것으로 나타났다. 이 값을 2001년 우리나라 전체 인구수 48,022천명으로 나누어 산정하면, 0.0009 DALY year의 장애보정손실년수 값을 가지며, 이를 다시 시간으로 환산하면 8.04시간으로, 2001년도 전체산업에서 배출된 대기오염물질로 인한 미세먼지형성으로 한명당 8.04시간의 수명손실에 영향을 주었다는 것을 의미한다. 좀더 세부적인 산업들을 살펴보면, 도로이동오염원에서 127,749 ton PM10 eq.로 전체 발생의 24%로 가장 많은 미세먼지형성에 기여를 하였으며, 이로 인한 인간건강에 대한 부분은 우리나라 전체 인구수에 대해서12,820 DALY year의 값의 장애보정손실년수에 영향을 주었다. 다음으로는 에너지산업 연소부분으로 120,744 ton PM10 eq.로 전체 발생의 23%를 차지하며 미세먼지형성에 영향을 주었으며, 8,184 DALY year의 값의 장애보정손실년수를 가진 것으로 산정되었다. 제조업 연소부분이 66,517 ton PM10 eq. (12%)와 7,085 DALY year, 농업부분이 55,340 ton PM10 eq. (10%)와 4,604 DALY year, 비도로이동오염원부분이 51,906 ton PM10 eq.(약 10%)와 4,477 DALY year 등의 순으로 영향을 준 것으로 나타났다.

2013년도 결과로는 우리나라 전체 산업에서는 536,181 ton PM10 eq.의 미세먼지형성에 기여를 한 것으로 산정되었으며, 이는 57,339 DALY year의 장애보정손실년수에 영향을 준 것으로 나타났다. 앞서 산정한 바와 같이 이 값을 2013년 우리나라 전체 인구수 51,141천명으로 나누어 산정하면, 0.0011 DALY year의 장애보정손실년수 값을 가지며, 이를 다시 시간으로 환산하면 9.82시간으로, 2013년도 전체산업에서 배출되어진 대기오염물질로 인한 미세먼지형성으로 한 명당 9.82시간의 수명단축에 영향을 준 것을 의미한다. 산업별로 세부적으로 살펴보면, 2001년과는 달리 제조업 연소부분이 139,603 ton PM10 eq.로 전체 발생의 26%로 가장 많이 미세먼지형성에 기여한 것으로 나타났으며, 이로 인해서 24,322 DALY year의 장애보정손실년수에 영향을 준 것으로 나타났다. 이는 또한, 2001년의 결과값보다 약 73,088 ton PM10 eq.정도로 2배 이상 증가한 것으로 나타났다. 제조업 연소부분에 이어서 2001년에 가장 많은 영향을 주었던 도로이동 오염원에서 89,148 ton PM10 eq.로 전체 발생의 17%를 차지하며 두 번째로 미세먼지형성에 영향을 주었으며, 7,635 DALY year의 값의 장애보정손실년수에 영향을 준 것으로 산정되어졌다. 2001년 127,749 ton PM10 eq.에서 2013년 89,148 ton PM10 eq.으로 약 38,601 ton PM10 eq.으로 상당히 많은 양의 미세먼지형성 양이 줄어들었으며, 이는 국내 자동차 등록은 증가되었지만 도로이동 수단의 기술개발(예를 들면 자동차의 매연배출 저감기술 향상)로 인해서 많은 양의 오염물질이 줄어들었기 때문이라고 사료되어진다. 다음으로 영향을 준 산업부분은 비도로 이동오염원 부분으로 82,387 ton PM10 eq.로 전체 발생의 15%를 차지하며 미세먼지형성에 영향을 주었으며, 7,723 DALY year의 값의 장애보정손실년수를 가진 것으로 산정되어졌다. 농업부분이 73,957 ton PM10 eq. (14%)와 6,153 DALY year, 에너지산업연소부분이 63,584 ton PM10 eq.(약 12%)와 4,467 DALY year 등의 순으로 영향을 준 것으로 나타났다. 세부결과값들을 Fig. 1과, Table 3에 상세히 나타내었다.

Fig. 1.

Comparison of emissions from industrial sectors in 2001 and 2013.

Air emissions from industrial sectors in 2001 and 2013

3.2. 국내 지자체별 미세먼지형성 가능성 및 인체건강

국내 지자체별 미세먼지형성 가능성 및 인체건강 부분의 평가결과를 Fig. 2Table 4에 나타내었다. 2001년 결과를 살펴보면, 경기도가 69,312 ton PM10 eq. (14%)으로 가장 많이 국내 전체의 미세먼지형성 가능성에 영향을 준 지자체였으며, 다음으로는 경남이 64,010 ton PM10 eq. (13%), 충남 62,606 ton PM10 eq. (12%), 전남 45,924 ton PM10 eq. (9%), 경북 44,017 ton PM10 eq. (9%), 울산 43,604 ton PM10 eq. (9%), 서울 31,296 ton PM10 eq. (6%), 강원 28,520 ton PM10 eq. (6%), 충북 24,014 ton PM10 eq. (5%) 등의 순으로 미세먼지형성 가능성에 영향을 준 지자체로 산정 및 평가되었다. 각 지자체별로 산정되어진 미세먼지형성 가능성 결과를 바탕으로 DALY year의 장애보정손실년수를 산정하였으며, 또한 이 결과들을 지자체별 인구수로 나누어 각 인구당 DALY year 장애보정손실년수도 산정하였다. 각 인구당 DALY year 장애보정손실년수 부분에서의 결과로는 울산이 가장 높은 값인 전체 4,682 DALY year의 장애보정 손실년수의 결과값을 나타냈으며, 인구당 0.0044 DALY year (38.84시간)으로 산정되었는데, 2001년도에는 울산에서는 인구당 38.84시간의 수명손실에 영향을 준 것으로 나타났다. 다음으로는 충남이 4,684 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0024 DALY year (21.39시간)의 영향을 주었다. 전남이 3,879 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0018 DALY year (16.19시간), 강원이 2,709 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0017 DALY year (15.29시간), 충북이 2,463 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0016 DALY year (14.41시간), 경북 2,463 DALY year의 장애보정 손실년수, 인구당 0.0016 DALY year (13.01시간) 등의 순으로 영향을 준 것으로 나타났다. 서울은 2,745 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0003 DALY year (2.34시간)으로 전체 시도 지자체 중에서 가장 낮은 값을 나타내었다.

Fig. 2.

Comparison of Ton PM10 eq. value from 17 cities/regions in 2001 and 2013.

Ton PM10 eq. value in each city from 2001 to 2013

2013년 평가결과를 살펴보면 2001년도에 세번째로 가장 많은 미세먼지형성 가능성에 영향을 주었던 충남이 전체의 17%로 93,584 ton PM10 eq.로 가장 많이 영향을 준 것으로 나타났다. 이는 Fig. 2에서 충남 부분 그래프에서 볼 수 있듯이, 2012년부터 제조업, 에너지산업 및 도로이동 오염원 분문에서의 대기오염물질 배출의 증가로 인한 영향으로 사료된다. 그 다음으로는 경북 74,971 ton PM10 eq. (14%), 전남 70,007 ton PM10 eq. (13%), 경기 62,734 ton PM10 eq. (12%), 경남 45,996 ton PM10 eq. (9%), 울산 33,285 ton PM10 eq. (6%), 강원 28,117 ton PM10 eq. (5%) 등의 순으로 영향을 준 것으로 산정되었다. 이에 반해서 세종 3,036 ton PM10 eq. (1%), 광주 3,772 ton PM10 eq. (1%), 대전 4,055 ton PM10 eq. (1%), 제주 6,341 ton PM10 eq. (1%) 등의 순으로 영향을 적게 미친것으로 산정되었다. 좀 더 세부적인 자료 및 평가결과를 Fig. 2Table 4에 나타내었다. 2013년도 각 지자체별로 산정되어진 미세먼지형성 가능성 결과를 바탕으로 DALY year 장애보정손실년수를 산정하였으며, 또한 이 결과들을 지자체별 인구수로 나누어 각 인구당 DALY year 장애보정손실년수도 산정하였다. 각 인구당 DALY year 장애보정손실년수 부분에서의 결과로는 충남이 전체 11,928 DALY year 장애보정 손실년수로 가장 높은 결과값을 나타냈으며, 인구당 0.0058 DALY year (51.02시간)으로 산정되었는데, 2013년도에는 충남에서는 인구당 51.02시간의 인간수명에 영향을 주었다는 의미로 해석되어질 수 있다. 다음으로는 전남이 8,427 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0044 DALY year (38.71시간)의 영향을 주었다. 경북이 11,217 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0042 DALY year (36.44시간), 울산이 2,693 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0023 DALY year (20.41시간), 세종이 268 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0022 DALY year (19.26시간), 강원 2,396 DALY year의 장애보정 손실년수, 인구당 0.0016 (13.61시간) 등의 순으로 영향을 준 것으로 나타났다. 서울은 1,444 DALY year의 장애보정 손실년수를 가진 것으로 산정되었으며, 인구당 0.0001 DALY year (1.25시간)으로 2013년에도 전체 시도 지자체 중에서 가장 낮은 값을 나타내었다.

추가적으로 Fig. 3에는 2001년부터 2013년까지 각 지자체별 ton PM10 eq.의 변화추이를 정리하여 나타내었다. 서울, 부산, 대구, 인천, 광주, 대전 및 울산 등의 대부분의 도시에서는 ton PM10 eq. 값이 점차적으로 낮아졌음을 알 수 있으며, 충남, 전남, 경북 등에서는 계속적으로 대기오염물질 발생으로 인한ton PM10 eq. 값이 점차적으로 증가된 것을 알 수 있다.

Fig. 3.

Ton PM10 eq. value changes in 17 cities/regions from 2001 to 2013.

4. 결 론

본 연구에서는 국내 11개 산업별 그리고 국내 시도 지자체별로 2001년과 2013년 국내에서 발생된 NOx, SOx, PM10, NH3 배출량 자료를 활용하여 미세먼지형성 가능성 평가와 이로 인한 인체 호흡기 영향(DALY year)을 추정 평가하여 비교 제시하였다. 본 논문에서 산정된 DALY year 결과값은 전체 미세먼지형성 가능성(ton PM10 eq.) 값을 전체 인구수로 나눈 값이므로, 노약자나 연소자에게는 더 큰 영향을 줄 수 있으며, 추후에는 나이별로 구분하여 더 세부적으로 산정 및 평가해야 할 것으로 사료된다. 본 연구는 각 지자체, 산업 배출시설 및 도로이동오염원 등에서 에너지 연소 등의 활동에 대한 배출계수, 활동도, 산정식의 산정방법을 활용하여 구축된 환경부와 국립환경과학원 국가 대기오염 물질배출량 자료를 바탕으로 산출한 결과이므로, 중국 등 국외에서 날라오는 미세먼지 등은 고려하지 않다고 할 수 있기 때문에 실시간 대기정보 모니터링자료와 연관하여 좀 더 세부적으로 평가할 필요가 있다. 또한, 본 연구에서는 연간 대기오염물질 총 배출량값을 사용하여 산정하였지만 이 결과값들은 세부적으로 월별, 계절별, 기후조건에 따라 영향이 달라진다는 것을 고려하여야 할 것이다. 현재 사용하고 있는 미세먼지예보는 기상조건 등을 고려하여 해당지역의 대기자동 측정소에서 PM10만을 고려하여 시간당 평균농도가 150 μg/m3 이상 2시간 이상 지속인 때 주의보가 내려지며, 기상조건 등을 고려하여 해당지역의 대기자동측정소 PM10 시간당 평균농도가 300 μg/m3 이상 2시간 이상 지속인 때 경보가 발령된다(서울특별시 대기환경정보, http://cleanair.seoul.go.kr/safety_guide.htm?method=dust ) [27]. 본 연구결과에서 보여주었듯이 미세먼지 주의보 및 경보발경시 미세먼지형성에 기여하는 대기오염 물질인 NOx, SOx, PM10, PM2.5, NH3 배출량 자료를 고려하여 미세먼지 경보 및 주의보발령에 활용해야 할 것으로 사료된다. 또한, 본 연구에서는 연도별 비교를 위해서 PM2.5자료를 활용하지 못하여 결과를 산정제시함에 있어서 예측치의 한계가 있다고 할 수 있다. 향후에는 이 자료부분도 추가하여 산정되어 비교평가 할 수 있을 것으로 사료된다. 또한, 각 산업 및 각 지자체에서의 결과를 바탕으로 더 세부적인 분석이 필요하겠지만 이러한 부분은 환경부에서 구축된 자료와 분석 보고서[2,7] 자세히 나타나 있기 때문에 본 논문에서는 더 자세하게 설명되어 있지 않다. 미세먼지 형성가능성 및 미세먼지 형성가능성 오염물로 인한 인간영향을 줄이기 위해서는 본 연구에서 제시하고 있는 세부적인 평가를 통해서 주요배출산업 및 지역에서의 미세먼지 저감을 위한 노력들이 이루어져야 할 것으로 사료된다.

DALY value (year) in each city from 2001 to 2013

DALY value (hours) per person in each city from 2001 to 2013

References

1. IARC (International Agency for Research on Cancer). List of Classifications. Volumes 1~117, http://monographs.iarc.fr/ENG/Classification/latest_classif.php(2016).
2. Ministry of Environment. Development and application of air environment index for integrated air emission assessment 2016.
4. Ministry of Environment. Microdust. http://www.me.go.kr/issue/finedust2/(2016).
5. World Health Organization. Health aspects of air pollution with particulate matter, ozone and nitrogen dioxide; report on a WHO working group. Bonn, Germany, 13-15 January 2003.
6. Ministry of Environment. What is microdust? 2016.
7. Air Korea. www.airkorea.or.kr. 2016.
8. Gong S., Bae H., Yoon D., Hong S., Park H.. A study on the Health Impact and Management Policy of PM2.5 in Korea (I) Korea Environment Institute; 2012.
9. Gong S., Bae H., Hong S., Park H.. A study on the Health Impact and Management Policy of PM2.5 in Korea (II) Korea Environment Institute; 2013.
10. Kim Y., Lee h., Jang Y., Jung J., Kang B.. Study for microdust point source analysis and improvement of emission data National Institute of Environmental Research & Hankuk University of Foreign Studies; 2007.
11. Baek S., Heo Y., Park Y.. Characterization of Concentrations of Fine Particulate Matter in the Atmosphere of Pohang Area. J. Korean Soc. Environ. Eng 30(3):303–313. 2008;
12. Shin E., Choi M., Sunwoo Y., Jung Y.. Characteristic assessment of trace element in PM10. J. Korean Soc. Atmos. Environ 18(5):363–372. 2002;
13. National Institute of Environmental Research. Study for PM2.5 air environment standard 2009a.
14. National Institute of Environmental Research. Study for the physical and chemical characteristic of PM2.5 2009.
15. Lee D., Lee Y., Jang K., Yoo C., Kang K., Lee J., et al. Korean National Emissions Inventory System and 2007 Air Pollutant Emissions. Asian J. Atmos. Environ 5-4:278–291. 2011;
16. National Air Pollutants Emission Service, National Institute of Environmental Research and Ministry of Environment. http://airemiss.nier.go.kr/mbshome/mbs/airemiss/index.do.
17. Goedkoop M., Heijungs R., Huijbregts M., Schryver A. D., Struijs J., Zelm R.. 2009. ReCiPe 2008. A life cycle impact assessment method which comprises harmonised category indicators at the midpoint and the endpoint level First edition Report I: Characterisation, Ministry of Housing, Spatial Planning and Environment
18. Zhang X., Shen L., Zhang L.. Life cycle assessment of the air emml:missions during building construction process: A case study in Hong Kong. Renew. and Sust. Energy Rev 17:160–169. 2013;
19. ISO. p. 14040. 2006. Environmental management - Life cycle assessment - Principles and framework
20. PréConsultants. 2000. Eco-indicator 99, Manual for Designers: A damage oriented method for Life Cycle Impact Assessment, Ministry of Housing, Spatial Planning and the Environment Netherlands:
21. Lee K. M.. A weighting method for the Koran eco-indicator. The Int. J. LCA 4(3):161–166. 1999;
22. U.S. EPA. 2009. Sustainable technology systems analysis, TRACI-Tool for Reduction and Assessment of Other Environmental Impacts Cincinnati, OH, USA: U.S. EPA.
23. De Schryver A., Goedkoop M, eds. 2009. Climate Change. In ReCiPe 2008 A life cycle impact assessment method which comprises harmonised category indicators at the midpoint and the endpoint level. Report I: Characterisation factors, edited by M Goedkoop, R Heijungs, MAJ Huijbregts, A De Schryver, J Struijs and R van Zelm 1st, edth ed.
24. Statistics Korea. 2016. www.kostat.go.kr.
25. World Health Organization. 2017. http://www.who.int.
26. Kim J., Yalaltdinova A., Sirina N., Baranovskaya N.. Integration of Life Cycle Assessment (LCA) and Regional Emml:mission Information (REI) in Agriculture System. J. Sci. Food and Agric 95:2544–2553. 2015;
27. Seoul, Air emission information. 2017. http://cleanair.seoul.go.kr/safety_guide.htm?method=dust.

Article information Continued

Fig. 1.

Comparison of emissions from industrial sectors in 2001 and 2013.

Fig. 2.

Comparison of Ton PM10 eq. value from 17 cities/regions in 2001 and 2013.

Fig. 3.

Ton PM10 eq. value changes in 17 cities/regions from 2001 to 2013.

Table 1.

Industry sectors and source classification categories

Industrial sector source classification categories Source classification categories
Combustion in energy industries Public power; District heating plants; Petroleum refining plants; Solid fuel transformation plants; Commercial power
Non-industrial combustion plants Commercial and institutional plants; Residential plants; Plants in agriculture, forestry and aquaculture
Combustion in manufacturing industries Combustion in boilers, gas turbines and stationary engines; Process furnace; Other
Production processes Processes in petroleum industries; Processes in iron and steel industries and collieries; Processes in nonferrous metal industries; Processes in inorganic chemical industries; Processes in organic chemical industries; Processes in wood, paper and pulp industries; Processes in food and drink industries; Ammonia consumption; Processes in other industries
Storage and distribution of fuels Liquid fuel distribution
Solvent use Paint application; Degreasing and electronics; Dry cleaning; Other use of solvents and related activities
Road transport Passenger cars; Taxis; Light-duty vehicles; Buses; Trucks; Special purpose vehicles (SPV); Recreational vehicles (RV); Motorcycles
Other mobile sources and machinery Military; Railways; Ships; Aircrafts; Agricultural machinery; Construction machinery and equipment
Waste treatment and disposal Waste incineration, Solid waste proposal on land
Agriculture Cultures with fertilizers; Enteric fermentation
Other sources & sinks Others

Source: Statistic Korea, 2016 [24]

Table 2.

Emissions characterization factor and DALY factor in particulate matter formation

Substance name Unit Midpoint (kg PM10 eq.) Endpoint DALY* (year)
NOx kg 0.22 5.72E-05
SOx kg 0.2 5.20E-05
PM10 kg 1 2.60E-04
NH3 kg 0.32 8.32E-05

Date from ReCiPe [23]

*

The DALY of particulate matter formation (kg PM10 eq.) is 2.60E-04. For example, 5.72E-05 (DALY of NOx) is calculated like this; the DALY of particulate matter formation (kg PM10 eq.) 2.60E-04 x 0.22 = 5.72E-05.

Table 3.

Air emissions from industrial sectors in 2001 and 2013

2001 NOx (ton) SOx (ton) PM10 (ton) NH3 (ton) ton PM10 eq. DALY (year)
Combustion in energy industries 334,425 197,579 7,263 1,224 120,744 8,184
Non-industrial combustion plants 94,791 56,529 2,800 2,091 沈,629 2,564
Combustion in manufacturing industries 124,545 110,171 16,687 1,236 66,517 7,085
Production processes 50,029 73,449 6,129 31,245 41,824 3,819
Storage and distribution of fuels - - - - - -
Solvent use - - - - - -
Road transport 437,341 7,209 26,795 10,304 127,749 12,820
Other mobile sources and machinery 162,900 41,537 7,630 408 51,906 4,477
Waste treatment and disposal 14,990 1,259 63 - 3,613 218
Agriculture - - - 172,939 55,340 4,604
Other sources & sinks - - - 12,006 3,842 320
Total 1,219,020 487,734 67,368 231,453 507,164 44,090
2013 NOx (ton) SOx (ton) PM10 (ton) NH3 (ton) ton PM10 eq. DALY (year)
Combustion in energy industries 177,219 97,565 4,524 1,745 63,584 4,467
Non-industrial combustion plants 88,769 31,101 1,955 1,392 28,150 1,986
Combustion in manufacturing industries 178,034 95,836 81,014 800 139,605 24,322
Production processes 55,151 108,333 6,249 35,051 51,265 4,379
Storage and distribution of fuels - - - - - -
Solvent use - - - - - -
Road transport 335,721 189 12,103 9,839 89,148 7,635
Other mobile sources and machinery 246,027 65,119 15,167 220 82,387 7,723
Waste treatment and disposal 9,529 6,517 243 23 3,650 251
Agriculture - - - 231,117 73,957 6,153
Other sources & sinks 165 - 310 12,785 4,438 423
Total 1,090,614 404,660 121,563 292,973 536,181 57,339

Table 4.

Ton PM10 eq. value in each city from 2001 to 2013

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Seoul 31,296 32,016 32,316 30,249 31,248 25,904 33,752 20,463 19,088 19,935 17,956 17,807 18,500
Busan 21,254 23,433 22,793 24,479 23,537 27,378 24,787 20,778 22,850 22,330 21,972 21,611 19,821
Daegu 13,180 12,395 12,855 13,196 13,570 13,129 12,175 8,846 8,135 8,116 7,690 8,343 8,665
Incheon 20,632 20,241 22,341 22,048 24,183 25,031 22,427 16,641 17,336 19,440 17,705 17,033 17,082
Gwangju 4,495 5,387 5,966 5,326 4,706 4,847 4,777 3,444 3,244 3,649 3,421 3,823 3,772
Daejeon 6,602 6,801 7,469 6,650 6,293 6,143 6,343 5,410 4,599 4,445 4,421 3,922 4,055
Ulsan 43,604 40,571 39,832 41,051 43,823 41,733 42,018 35,618 35,689 36,992 32,048 33,128 33,285
Sejong - - - - - - - - - - - 2,026 3,036
Gyeongi 69,312 71,392 74,722 72,342 70,614 68,762 76,382 63,483 62,012 61,986 55,858 60,564 62,734
Gangwon 28,520 28,495 29,988 27,426 26,697 26,501 36,258 48,843 64,985 69,644 81,598 28,716 28,177
Chungbuk 24,014 23,485 23,107 21,542 21,661 21,867 27,191 27,387 25,923 26,699 25,407 25,284 24,733
Chungnam 62,606 65,606 73,658 79,151 73,887 71,492 51,281 53,347 52,514 57,102 59,539 93,873 93,584
Jeonbuk 22,571 20,980 23,761 23,812 21,959 22,352 23,492 20,033 20,843 24,805 23,798 22,009 21,424
Jeonnam 45,924 50,022 47,805 50,951 50,966 51,373 74,139 81,821 67,416 74,476 83,461 71,325 70,007
Gyeongbuk 44,017 39,501 41,168 38,067 40,034 41,182 57,452 58,754 48,934 54,564 55,277 75,156 74,971
Gyeongnam 64,010 58,613 71,804 71,237 57,402 57,136 40,619 39,210 34,449 33,343 38,468 46,507 45,996
Jeju 5,129 5,504 5,572 5,350 5,023 5,183 5,687 5,268 5,439 5,821 6,646 6,036 6,341

Table 5.

DALY value (year) in each city from 2001 to 2013

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Seoul 2,745 2,808 2,836 2,666 2,698 2,214 2,805 1,633 1,523 1,567 1,415 1,406 1,444
Busan 1,932 2,099 1,911 2,005 1,993 2,257 2,020 1,582 1,957 1,888 1,879 1,858 1,736
Daegu 1,232 1,141 1,182 1,206 1,263 1,217 1,130 802 747 734 704 766 775
Incheon 1,715 1,704 1,911 1,833 1,976 1,978 1,823 1,340 1,435 1,606 1,496 1,418 1,419
Gwangju 406 487 520 484 422 430 425 300 276 308 293 328 318
Daejeon 571 591 667 602 551 527 544 452 386 372 379 332 338
Ulsan 4,682 4,179 4,134 4,222 4,668 4,265 4,467 3,670 3,418 3,620 2,522 2,669 2,693
Sejong - - - - - - - - - - - 187 268
Gyeongi 5,999 6,167 6,471 6,325 6,139 5,981 6,496 5,353 5,273 5,204 4,677 5,052 5,261
Gangwon 2,709 2,598 2,794 2,389 2,613 2,487 4,082 6,889 10,452 11,466 14,051 2,503 2,396
Chungbuk 2,463 2,342 2,273 2,000 2,132 2,141 2,702 2,910 2,603 2,683 2,580 2,310 2,189
Chungnam 4,684 4,812 5,343 5,656 5,549 5,449 4,015 4,071 4,071 4,493 4,815 11,947 11,928
Jeonbuk 1,939 1,779 2,043 2,066 1,927 1,965 1,985 1,679 1,769 2,460 2,318 1,872 1,808
Jeonnam 3,879 4,331 4,057 4,314 4,304 4,298 9,640 11,554 8,374 9,404 11,038 8,108 8,427
Gyeongbuk 4,137 3,658 3,811 3,484 3,635 3,729 6,953 7,591 5,580 6,572 7,091 11,196 11,227
Gyeongnam 4,562 4,261 5,122 5,019 4,495 4,462 3,312 3,122 2,858 2,757 3,249 4,693 4,586
Jeju 434 458 463 445 414 410 472 432 453 483 560 504 528

Table 6.

DALY value (hours) per person in each city from 2001 to 2013

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Seoul 2.34 2.41 2.44 2.30 2.32 1.91 2.41 1.40 1.31 1.33 1.21 1.21 1.25
Busan 4.49 4.93 4.53 4.79 4.80 5.47 4.93 3.89 4.84 4.64 4.64 4.60 4.31
Daegu 4.27 3.96 4.09 4.18 4.41 4.27 3.97 2.82 2.63 2.56 2.46 2.68 2.71
Incheon 5.86 5.79 6.51 6.23 6.66 6.60 5.99 4.36 4.64 5.10 4.68 4.37 4.32
Gwangju 2.57 3.05 3.27 3.03 2.64 2.68 2.63 1.84 1.69 1.86 1.75 1.96 1.89
Daejeon 3.57 3.64 4.08 3.65 3.32 3.15 3.23 2.67 2.28 2.17 2.19 1.91 1.93
Ulsan 38.84 34.38 33.75 34.21 37.59 34.21 35.57 28.91 26.88 28.16 19.45 20.39 20.41
Sejong - - - - - - - - - - - 14.53 19.26
Gyeongi 5.51 5.44 5.55 5.30 5.03 4.80 5.12 4.15 4.03 3.87 3.43 3.66 3.77
Gangwon 15.29 14.79 16.03 13.76 15.13 14.48 23.78 39.99 60.55 65.65 80.14 14.25 13.61
Chungbuk 14.41 13.74 13.36 11.77 12.54 12.55 15.71 16.77 14.93 15.17 14.46 12.92 12.19
Chungnam 21.39 22.09 24.47 25.37 24.76 24.18 17.62 17.66 17.51 18.97 20.07 51.58 51.02
Jeonbuk 8.47 7.97 9.16 9.49 8.95 9.21 9.34 7.92 8.36 11.53 10.84 8.76 8.46
Jeonnam 16.19 18.47 17.61 19.03 19.17 19.38 43.76 52.74 38.35 42.95 50.52 37.19 38.71
Gyeongbuk 13.01 11.62 12.27 11.32 11.85 12.15 22.72 24.87 18.31 21.40 23.02 36.35 36.44
Gyeongnam 12.86 11.95 14.30 13.98 12.46 12.32 9.08 8.48 7.70 7.34 8.60 12.39 12.05
Jeju 6.95 7.29 7.35 7.02 6.50 6.43 7.39 6.75 7.06 7.40 8.52 7.56 7.80