아시아 대기 모델 비교 2: 에어로졸 모듈 파라미터가 황산염·질산염 농도에 미치는 영향

초록

MICS‑Asia Phase II(동아시아 8개 모델 비교) 연구의 일환으로, 한 모델의 에어로졸 모듈에 적용된 다양한 파라미터화가 PM₁₀ 내 황산염(SO₄²⁻)과 질산염(NO₃⁻) 농도에 미치는 영향을 조사하였다. 2001년 3월을 대상으로, 기준 설정을 기준으로 섹션 수(입자 크기 구분), 응집, 응축·증발, 구름 화학, 이종 반응, 해염 배출 등 여섯 가지 물리·화학 과정을 각각 단일 수정하여 비교하였다. 월 평균 농도를 여러 관측소에서 비교한 결과, 황산염은 해염 배출 여부와 응축을 동적 계산하거나 평형 가정하느냐에 크게 민감하지 않았으며, 질산염은 구름 화학에 거의 반응하지 않았다. 반면 이종 반응에 대해서는 매우 높은 민감도가 관찰되었다. 이후, 서로 다른 화학 수송 모델(CTM) 간 변동성과 에어로졸 모듈 파라미터화 간 변동성을 비교했을 때, 황산염은 CTM 간 변동성이 파라미터화 변동성보다 크지만, 질산염은 네 개 관측소의 월 평균 농도에서 두 변동성이 비슷한 수준임을 확인하였다.

상세 요약

이 논문은 MICS‑Asia Phase II 프로젝트의 부속 연구로, 동일 지역(동아시아)에서 사용되는 여러 화학 수송 모델(CTM) 간의 결과 차이를 최소화하기 위해 에어로졸 모듈 내부의 파라미터화가 실제 대기오염 물질 농도에 어떤 영향을 미치는지를 정량적으로 평가한다는 점에서 학술적 의의가 크다. 연구자는 하나의 모델(아마도 CMAQ, CHIMERE 등 중 하나)을 선택하고, 그 모델의 에어로졸 모듈을 ‘기준 설정(reference case)’으로 정의한 뒤, 여섯 가지 핵심 프로세스를 각각 독립적으로 수정한다. 여기서 ‘섹션 수’는 입자 크기 구간을 몇 개로 나누어 계산할지를 의미하는데, 이는 입자 성장·소멸 메커니즘과 직접 연결된다. ‘응집(coagulation)’은 입자 간 충돌·융합을, ‘응축·증발(condensation/evaporation)’은 가스‑입자 상전이를, ‘구름 화학(cloud chemistry)’은 액체상 반응을, ‘이종 반응(heterogeneous reactions)’은 입자 표면에서 일어나는 화학 변환을, ‘해염 배출(sea‑salt emissions)’은 해양에서 발생하는 Na⁺·Cl⁻ 기반 입자 방출을 각각 가리킨다.

각 변형을 적용한 뒤 2001년 3월 한 달간의 월 평균 농도를 주요 관측소(도시·배경·산지 등)에서 비교했을 때, 황산염(SO₄²⁻)은 ‘해염 배출’과 ‘응축 계산 방식(동적 vs. 평형)’에 대해 거의 변동이 없었다. 이는 황산염 전구체인 SO₂가 주로 화석연료 연소에서 배출되고, 대기 중에서 산성화 과정을 거쳐 입자상으로 전환되기 때문에, 입자 크기 분포나 해양 입자와의 혼합이 크게 영향을 주지 않음을 시사한다. 반면 질산염(NO₃⁻)은 ‘구름 화학’에 거의 민감하지 않았는데, 이는 질산염이 주로 가스‑입자 평형(N₂O₅ ↔ NO₃⁻)에 의해 조절되며, 구름 내에서의 반응보다는 대기 중 건조·습식 침강 과정에 더 크게 좌우된다는 기존 연구와 일치한다.

가장 눈에 띄는 결과는 ‘이종 반응’에 대한 높은 민감도이다. 이종 반응은 입자 표면에서 NOₓ·NH₃·H₂O 등과의 반응을 촉진시켜 질산염 생성량을 크게 변화시킨다. 따라서 모델에 이종 반응 메커니즘을 포함시키거나 그 반응 속도 상수를 어떻게 설정하느냐에 따라 질산염 농도 예측이 크게 달라질 수 있다.

마지막으로, 동일 지역에 대해 서로 다른 CTM(8개 모델) 간의 결과 변동성과, 하나의 CTM 내부에서 파라미터화를 바꾼 경우의 변동성을 비교하였다. 황산염의 경우, CTM 간 차이가 파라미터화 차이보다 크다는 것은 황산염 농도가 모델 전반의 배출량, 대기 흐름, 화학 메커니즘 등에 더 민감함을 의미한다. 반면 질산염은 파라미터화 변동과 CTM 간 변동이 비슷한 수준으로 나타났으며, 이는 질산염이 모델 내부의 미세 물리·화학 설정(특히 이종 반응)과 모델 간 구조적 차이(예: 화학 메커니즘, 수송 스키마) 모두에 크게 좌우된다는 점을 강조한다.

이 연구는 대기 모델링에서 ‘에어로졸 모듈 파라미터화’가 특정 오염 물질(특히 질산염) 예측에 미치는 영향을 정량적으로 보여줌으로써, 정책 입안자와 모델 개발자가 어떤 프로세스를 우선적으로 개선해야 하는지를 가이드한다. 향후 연구에서는 다중 계절·다중 연도에 걸친 검증, 그리고 관측 기반 데이터 동화(data assimilation)를 통해 파라미터화 불확실성을 더욱 감소시킬 필요가 있다.