I. 서론

우리나라 대도시의 대기질은 외부로부터의 공해 물질 유입, 도시 내 미세먼지, 산업시설 배출물, 차량 배출 물질, 산불, 가정 연소물질과 같은 요인에 민감하게 영향받고 있으며, 미세먼지 평균농도는 세계보건기구 환경기준치를 초과하고 있어 호흡기 및 심혈관계 질환과 같은 보건 피해를 일으키는 주요 도시환경문제로 고착화하고 있다(Dockery and Pope, 1994; Kwon et al., 2002; 전병일, 2010; 정종철, 2014). 미세먼지(PM₁₀)와 초미세먼지(PM_2.5)는 각각 직경 10μm, 2.5μm 이하의 대기 중 부유하는 물질로서 그 시·공간적인 농도는 도시 내부적 요인 외에도 지리적으로 편서풍의 영향을 지배적으로 받는 조건으로 인해 외부적 영향이 큰 편이다. 대기질에 직접적인 영향을 미치는 외부 유입물질의 공급원도 산업화와 도시화 속도가 빠른 중국 동부를 중심으로 비교적 광범위하게 조사되고 있고 그 비율도 적지 않은 변화 폭을 갖는 것으로 알려져 있다(Chung and Yoon, 1996; Park et al., 2005; 이동하 등, 2006; Kim, 2008; Lee et al., 2011; 박선엽, 2014). 황사현상으로 대표되었던 미세먼지의 영향은 과거 계절적으로 봄철에 집중되어 나타났으나, 기상조건에 따른 대기확산의 억제와 물질의 장거리 이동으로 고농도 미세먼지 발생의 빈도가 봄철 이외의 계절로 확대되고 있다(윤용황, 1990; Chung and Yoon, 1996; Lee and Hills, 2003; 전병일, 2012).

우리나라 중앙 정부와 지방자치단체의 대기질 관리 노력은 고농도 미세먼지의 영향이 사회문제화하기 시작한 2000년대 이후 본격화하여 그 효과가 일부 나타나고 있지만, 대도시 내부의 국지적인 특성에 따른 변동성 연구 성과는 아직 부족한 편이다. 대기 중 미세먼지 농도는 시계열적으로 일정한 주기성을 나타내는데, 이러한 주기성의 국지적 차이는 개별 관측지점이 속한 지역의 토지이용 등 환경적 특징에 영향받을 것으로 추정된다. 불투수성 지표와 높은 건물 밀도로 인해 도심의 공해 물질은 확산되기 어려워지며, 녹지가 부족한 경우 오염 물질 축적이 심화될 수 있고, 도시 열섬 효과로 인해 기류 순환이 원활하지 못한 지역에서는 대기질이 악화할 개연성이 증가한다(이건원, 2018). 더욱이, 야간에도 교통량이 일정 수준으로 유지되는 대도시 도심권에서는 미세먼지의 정체와 이동이 국지풍과 같은 미기후에 영향을 받아 차별적인 일간 변동성을 나타낼 수 있다. 최근에는 인간의 사회경제적 활동을 현저하게 저해하는 호흡기 감염병 발생이 중요한 개입요인으로 작용하여 사람들의 외부활동과 도로교통량을 일시적으로 변화시켜 대기질에 영향을 미치는 변수로 등장하였다(성현곤, 2016; 박선엽, 2020; 유철규, 2020; 허중연, 2020). 일부 지역에서는 도시열섬 효과를 완화하고 대기질 개선을 위해 지역적 특성에 맞는 도시 내부의 바람길을 확보하는 노력이 유의미하게 받아들여지고 있다(김수봉, 2004; 박종순 등, 2019). 공단지역, 주거지역, 상업지역 등 오염물질 배출 특성이 상이한 지점 간에는 상시적인 미세먼지 농도의 차이가 발생하며 녹지 분포나 교통량을 포함한 다양한 도시 환경 조건에 따른 확산 또는 저감 효과 역시 균등하게 나타나지 않는다. 이러한 점을 고려할 때, 도시 내부의 평균적인 대기질뿐만 아니라 대기질에 미치는 차별적인 요인을 파악하여 국지적 특성에 맞는 대기질 관리 방안을 도출할 필요가 있다(Zhang et al., 2007; 이금숙, 2008; 박진우 등, 2018; 정종철·이상훈, 2018; Shahid et al., 2018; 음정인·김형규, 2020).

지난 30여 년간 부산광역시의 도시 면적은 3배 가까이 증가했으며, 농경지와 산림 면적은 현격하게 감소하는 등 대기질에 미치는 도시 경관 변화의 영향은 적지 않을 것으로 추정된다(박선엽·탁한명, 2013). 부산광역시의 지속적인 대기질 개선 노력의 결과, 대기 중 미세먼지 평균농도는 지난 15년 동안 꾸준히 감소하는 추세를 보이고 있다. 부산광역시 전체의 미세먼지 평균농도는 계절적으로 봄철과 겨울철을 중심으로 높게 관측되지만 관측지점과 관측기간에 따라 계절별 농도 순위는 동일하지 않다(Park, 2017a; 2017b). 최근 연구에 따르면, 도시의 확장과 공단 면적의 증가 등 토지이용의 변화가 광범위하게 일어난 결과로 부산광역시 미세먼지 평균농도는 국지적 차별성을 나타내는 것으로 조사되었다(김미경, 2017; 전병일, 2018). 우리나라 동남부에 위치한 부산광역시는 화력발전소와 같은 국내 오염 물질 배출원의 영향이 상대적으로 작은 지리적 조건을 가지고 있다. 반면에, 동남해안에 접해 있으면서도 도시 전역에 걸쳐 비교적 산지 분포가 광범위한 지형적 특징, 주거지와 상업 지구를 둘러싸고 있는 도시 녹지, 낙동강을 중심으로 한 하천 환경, 대규모 공단지역, 논과 밭을 포함한 경작지 등 도시의 구조적 다양성이 매우 높다. 따라서 이러한 특징은 대도시 내부 미세먼지 농도의 시계열적 특징을 국지적으로 비교하기에 유리한 조건이 된다. 본 연구는 부산광역시 전역에 걸쳐 관측된 미세먼지 및 초미세먼지 농도를 다중 스케일로 시계열 분석하여 농도 변화 패턴의 도시 내 차별적 특징을 파악하는 것이다.

II. 분석자료와 연구방법

1. 연구지역

부산광역시는 수도권 이외 지역 중 최대 인구가 밀집된 대도시이고 최근 조사된 연평균 미세먼지 농도도 수도권과 유사한 수준을 나타내고 있어서 대기질 관리의 필요성이 그 어느 도시보다도 크다고 볼 수 있다(김대래 등, 2021). 2021년 현재 전체 인구 약 340만 명의 부산광역시는 우리나라 동남권 지역의 중심지로서 인구 대부분은 주로 도시 중앙을 가로지르는 비교적 좁은 저지대를 중심으로 분포해 있다. 도시 서부는 비교적 평탄한 지역으로 농업과 공업 단지의 비중이 높다. 중부 지역은 전통적으로 상업 활동이 중심을 이루고 있고, 북부와 동부 지역은 녹지 및 산악 면적이 상대적으로 높다. 부산광역시의 연평균 기온과 연강수량은 각각 14.7℃와 1,519mm이며 연강수량의 약 51%는 6~8월에 집중된 반면 겨울철 강수량은 전체의 7%에 불과하다(Park, 2016). 부산광역시 미세먼지 평균농도는 점차 감소하는 경향을 보이고 있지만 관측 지점별, 계절별 편차가 유의미하게 나타나고 있다. 도시 내 지점별 월평균 미세먼지 농도는 지난 15년 동안 대체로 감소하는 추세를 보이고 있으나, 계절별 변화 폭과 패턴은 지점별로 차이를 보이고 있고 부산광역시 평균농도 역시 월별로 서로 상이한 변화상을 나타내고 있다.

2. 분석자료

2021년 3월 현재 부산광역시 전역에 걸쳐 모두 27개의 도시 대기질 측정소가 분포해 있고, 추가적으로 4개소에서 도시 도로변 미세먼지 농도 관측이 이루어지고 있다. 본 연구는 도시 대기질 관측소 중에서 최근 15년간(2006~2020)의 관측 자료가 90% 연속적으로 확보된 18개 지점의 미세먼지 자료를 분석 대상으로 하였다(그림 1, 표 1).¹⁾ 미세먼지와의 비교를 위해, 관측이 이루어지지 않은 1개 지점(구덕산)을 제외한 17개 관측 지점에 대해 최근 4년간의(2017~2020) 초미세먼지(PM_2.5) 농도 자료를 추가적으로 수집하였다. 매일 시간대별로 관측된 미세먼지 농도 자료는 기상청 기상자료개발포털(https://data.kma.go.kr/)과 한국환경공단에서 운영하는 에어코리아(http://airkorea.or.kr/) 사이트를 통해 수집하였다. 매일 시간대별로 관측된 자료는 오류나 누락치를 고려하여 전체 24시간 자료 중 75%(18시간) 이상 관측된 경우에 한하여 산술 평균하여 일평균 자료를 생성하였으며, 매월 20일 이상의 일평균 자료가 확보된 경우에 한하여 월평균 자료를 산출하였다. 일반적인 기상관측이 이루어지는 지점은 대기질 관측 지점과 동일하지 않기 때문에 미세먼지 농도 변화에 미치는 바람의 영향을 직접적으로 파악하는 데에 어려움이 따른다. 본 연구에서는 기상청 운영하는 종관기상관측소와 방재기상관측소 중 각 대기질 관측소와 인접한 12개 기상관측소²⁾를 선정하여 월평균풍속을 분석하고 미세먼지 농도와 비교하였다.

그림 1.

부산광역시 PM₁₀ 및 PM_2.5 농도 관측소 분포

3. 분석 방법

1) 통계 처리 및 시각화

본 연구는 대표적인 오픈 소스 자료 분석 소프트웨어인 R을 활용하여 미세먼지 시계열 자료를 처리, 분석 및 시각화하였다. R 프로그래밍은 오픈 소스 기반으로 운영되기 때문에 생태계 특성상 분석 목적에 활용할 수 있는 다양한 최신의 자료 분석 패키지가 온라인에 공개되는 장점이 있다.³⁾ 방대한 양의 자료 처리뿐만 아니라 전문적 그래픽을 구현할 수 있고, 자료 처리의 재현성과 오류 처리의 유연성 측면에서 강점을 지니고 있어서 세계적으로 다양한 분야의 기업 또는 자료 분석가들이 전문 그룹을 이루어 활용하는 효과적 도구이다. 응용 분야 측면에서도 일반적 통계분석, 텍스트 마이닝, 머신러닝 분석, 지도 시각화, 이미지 처리, 사운드 분석, 웹 개발, 주식 분석에 이르기까지 광범위한 확장성을 지니고 있어서 프로그래밍 언어 분야에서 차지하는 위상이 빠르게 높아지고 있다. 본 연구에서 관측 자료의 시각화를 위해 사용한 그래프 작성 도구는 xyplot(), heatmap(), monthplot() 함수이다. 대기질 자료의 장기적인 변화상을 그래프화하는 기본적인 도구는 2차원의 좌표상에 시간 추이에 따라 관측값을 선이나 막대의 형태로 표시하는 것이다. 하지만 다수의 관측 지점 그래프를 동시에 나타낼 때 서로 겹치게 되는 시각적 단점이 있기 때문에 이를 극복하기 위해 본 연구에서는 R 프로그램에서 제공하는 xyplot() 함수를 사용하였다. 이 함수는 바둑판처럼 나누어진 공간에 개별 그래프를 배열함으로써 지점별 관측값의 효과적인 상호 비교를 가능하게 한다. 예를 들어, 연도별, 요일별, 시간대별 농도 변화를 관측 지점별로 집계하여 시각화하고자 할 때 xyplot() 함수가 유용하게 쓰일 수 있다(나종화, 2020). R 프로그래밍에서 구현하는 효과적 도구 중 하나인 heatmap()은 행렬로 구조화된 수치 자료를 시각화하는 방법으로, 사용자가 원하는 시계열 주기에 따라 연속된 음영이나 색상으로 구분하여 시각적 전달 효과를 극대화하는 방법이다. Heatmap()은 미세먼지 농도와 같은 대기질 자료의 시계열 변화를 개별 관측소별로 연속적인 색상 변화나 음영 변화로 나타낼 뿐만 아니라 시계열 자료의 통계적 속성에 따라 서로 유사한 자료 특징을 갖는 관측소 군집들로 구분하여 그래픽 상에 동시에 표현하는 기능을 제공한다.⁴⁾ Monthplot() 함수는 R 프로그래밍에서 시계열 자료의 특징을 요약하는 데에 유용하게 사용된다. 일정한 시계열 자료는 통상 정해진 시간 간격에 따라 기록되는데, monthplot() 함수는 자료의 시계열 단위를 2가지로 구분하여 동시에 표현할 때 유용하다. 예를 들어, 요일, 월, 계절 등 반복되는 시간 단위를 설정한 후, 해당 시간 단위별로 집계한 관측값의 연도별 변화를 표현하고자 할 때 효과적이다. 관측 지점별 미세먼지 평균농도 분포를 지도화하기 위한 도구로는 ESRI사의 ArcGIS 10.5 소프트웨어 프로그램 패키지를 사용하였다.

2) 군집분석(Cluster analysis)

군집분석은 분석 자료를 구성하는 개별 개체 또는 관측 사례(observations)의 속성 변수를 기초로 자료 전체를 서로 등질적인 성격을 갖는 일정한 수의 집단으로 구분하는 기법이다. 다수의 관측 자료를 제한된 수의 집단으로 구분한다는 점에서 군집분석은 원 자료에 내재된 이질성과 등질성을 효과적으로 요약하고 자료의 특성과 패턴을 간명하게 기술하는 방법이라 할 수 있다.⁵⁾ 개체 간의 동질성이나 이질성에 근거하여 자료를 군집화할 때 광범위하게 적용되는 기법은 계층적 군집화이다(Gordon, 1987; Everitt et al., 2011). 계층적 군집화는 적용하는 방법에 따라 상이한 결과가 도출될 수 있는데, 군집화 결과에 따른 집단의 특징을 해석함에 있어 상대적으로 강점을 보이는 Ward법이 가장 보편적으로 채택된다(Duflou and Maenhaut, 1990; Baxter, 1994). 본 연구는 관측 사례 간 거리 계산을 위해 유클리디안 거리를, 계층적 군집화 방법으로 Ward법을 각각 적용하였다. Ward법은 분산분석의 개념에 기초한 방법인데, 원리적으로는 군집화 단계마다 군집 내의 오차제곱합(the error sum of squares, or ESS)의 증가량이 최소화되는 방식으로 개별 개체를 일정 집단에 배정한다(Ward, 1963; Blashfield, 2012).⁶⁾ 두 군집 A와 B가 서로 병합된다고 가정하면, 두 군집 간의 오차제곱합(ESS_AB)은 다음과 같이 계산된다:

식 1에서 x¯A과 x¯B은 각각 군집 A와 B의 중심점(centroid)이다. Ward법은 두 군집이 합쳐져서 전체 군집 수가 줄어들 때, 조합 가능한 2개의 군집으로부터 계산되는 오차제곱합이 최소가 되는 조합을 선택하는 원리에 따라 진행된다.

III. 연구 결과 및 논의

1. 미세먼지 및 초미세먼지 농도의 장기 변화 경향

지난 15년 동안의 월평균 자료를 분석한 결과, 부산광역시 대기 중 미세먼지 농도는 점차 감소하는 것으로 조사되었다. 18개 대기질 관측 지점 평균농도는 2006년 57.4±2.9㎍m^-3에서 2020년 30.4±0.9㎍m^-3로 크게 감소하였다. 개별 관측지점별 연구 기간 평균농도는 최소 33.9㎍m^-3(구덕산)에서 최대 57.4㎍m^-3(장림)의 분포를 보였으며, 연구 기간 중 변화 폭도 16.0㎍m^-3(좌동)에서 46.0㎍m^-3(대저)까지 비교적 크게 나타났다. 연구 기간 중 연평균 미세먼지 농도는 -1.34㎍m^-3/년 속도로 점차 감소하는 추세를 보였지만, 일부 관측 지점에서는 감소 추세가 명확하게 나타나지 않았다. 즉, 산악 지역인 구덕산, 주거지역과 녹지 비율이 상대적으로 높은 좌동, 광안, 태종대, 기장 등 지역에서는 미세먼지 농도 감소 경향이 강하게 나타나지 않았다(그림 2). 코로나바이러스감염증 2019(코로나19) 확산이 발생한 2020년 평균농도는 30.4㎍m^-3로 조사되었는데, 이는 이전 3년간(2017~2019) 평균농도(43.8㎍m^-3)의 69.4%에 불과하여 감염병 확산에 따른 인간 활동 위축의 영향이 대기질 변화에 명확히 반영되었다.

그림 2.

관측 지점별 월평균 PM₁₀ 농도 변화와 추세선(2006~2020)

18개 관측 지점 계절평균농도는 봄>겨울>여름>가을의 순으로 나타났지만, 전체의 50%에 해당하는 9개 지점에서 봄>겨울>가을>여름의 순으로 관측되었다. 또, 계절적으로 최고 미세먼지 농도가 봄철이 아닌 겨울철에 관측된 지점(장림)도 있었으며, 2개 지점(대연, 부곡)에서는 겨울철보다 여름철에 더 높은 평균농도를 나타냈다.⁷⁾ 이러한 계절적 농도분포의 지점별 차별성은 부산광역시를 대상으로 한 최근 연구에서도 유사하게 보고되었다(Park, 2017b). 대기 중 미세먼지 농도가 상대적으로 높은 봄과 겨울철을 대상으로 관측 지점별 미세먼지 농도 변화 추이를 분석한 결과, 대부분 지점에서 최근의 감소 경향이 보다 뚜렷하게 나타났다. 대기 중 미세먼지 농도가 계절적으로 가장 높은 봄철에 농도 변화 폭이 겨울철에 비해 더 크게 나타났고, 관측 지점별 미세먼지 평균농도 순위는 두 계절 간에 큰 차이를 보이지 않았다(그림 3). 초미세먼지의 월평균농도 변화 경향도 미세먼지와 유사하게 나타났다. 미세먼지와 초미세먼지 월평균농도 간 상관관계는 높게 나타났는데, 농도 수준이 높을수록 상관도는 증가하는 경향을 보였다.⁸⁾ 지리적 분포에 있어서도 미세먼지와 초미세먼지 농도는 서로 유사한 경향을 나타냈지만, 상대적으로 건조한 겨울철에 두 관측 항목 간의 상관도는 가장 높았고, 강수가 집중되는 여름철에 낮게 조사되었다. 강수량이 증가하는 여름철에는 세정효과로 인한 영향이 크게 나타나는데, 초미세먼지에 비해 미세먼지에 미치는 강수의 영향이 상대적으로 더 크므로 상호 간 상관도는 여름철에 감소한 것으로 판단된다(박선엽, 2020).

부산광역시 전체의 연평균 미세먼지 농도의 감소 경향과 함께 월평균 미세먼지 농도의 연중 변화폭도 과거에 비해 크게 감소하였다. 2006년 월평균 미세먼지 농도 자료의 연간 표준편차는 15.6㎍m^-3에서 2020년에 69.2% 수준인 4.8㎍m^-3으로 급감하였다. 특히, 코로나19의 급속한 확산이 일어난 2020년 표준편차(4.8㎍m^-3)는 직전 3년간(2017~2019) 평균(9.5㎍m^-3)의 51.7%에 그쳐 연간 농도 변화 폭이 크게 감소하였다(그림 4-left).⁹⁾ 연구기간 중 월별로 파악한 미세먼지 농도 변화 역시 뚜렷한 감소 경향을 보였다. 연중 미세먼지 농도가 가장 높은 봄철(3~5월)의 월평균 농도는 지난 15년 동안 가장 큰 폭으로 감소한 것으로 조사되었다(그림 4-right). 월평균풍속은 대체로 월평균 미세먼지 농도와 음의 상관관계를 나타냈지만, 일부 시기에 따라 양의 상관관계를 보이기도 했다. 국지적인 풍속 증가에 따라 미세먼지 농도가 증가하는 현상은 계절적 요인 또는 해안과 내륙의 풍향 조건에 의한 영향, 그리고 외부적 유입 요인의 변동적인 영향으로 추정된다. 손혜영·김철희(2009)의 연구에 따르면, 부산 지역 미세먼지 농도는 풍속 요인과 전반적으로 음의 상관관계를 나타냈지만, 황사 현상과 같은 외부적 영향의 강도는 수 년의 주기적 성향을 갖는 것으로 조사되었다. 부산광역시를 대상으로 한 김민경 등(2013)의 연구에서도 고농도 미세먼지 발생일의 풍속이 저농도의 경우에 비해 낮게 조사되었고, 풍속 증가에 의한 대기 확산이 미세먼지 농도 감소로 이어진 것으로 분석하였다.

그림 3.

봄(a)과 겨울철(b) PM₁₀ 농도의 연도별 변화(2006~2020). 관측 지점별 회색 가로선은 연구 기간 중 해당 계절 평균값.

그림 4.

Box plot으로 나타낸 월평균 PM₁₀ 농도의 연도별 분포 특징(left)과 월별 변화(right).

2. 요일 및 시간대별 농도 변화

요일별 평균농도 변화는 관측 지점별로 특징적으로 나타났다. 전반적으로 볼 때, 미세먼지 농도는 오전 시간대에 빠른 속도로 증가하는 반면 오후 시간대의 감소 속도는 상대적으로 느려지는 비대칭적 특징을 보였다(그림 5). 초미세먼지 농도 수준은 미세먼지 농도와 유사한 변화 패턴을 보였지만 다수 주거지역 관측 지점에서는 일별 등락 폭은 크지 않았다. 관측 지점별로 보면, 요일별 미세먼지 농도 변화 추이는 대부분 지점에서 큰 차이를 보이지 않았으나 학장, 장림, 녹산 등 일부 지점에서의 주중 평균농도는 상대적으로 높게 나타난 반면, 일요일 농도는 현저히 감소하는 공통된 특징이 나타났다. 이러한 결과는 이들 지점이 다른 지점에 비해 공업 시설의 집적도가 높고 휴일에는 시설 가동이 감소하는 특성을 보이기 때문인 것으로 분석된다.

그림 5.

관측 지점별로 관측된 요일별 대기 중 PM₁₀ 및 PM_2.5 평균농도

일간 시간대별 미세먼지 평균농도 변화 패턴은 관측 지점별로 비교적 다양한 특징을 보여주었다(그림 6). 산악 지역인 구덕산은 가장 특징적인 변화 패턴을 보였는데, 미세먼지 농도의 상승과 하강 현상이 각각 오전과 오후에 대칭적으로 나타났다. 상대적으로 산림 면적 비중이 높은 태종대, 기장, 광안, 용수리 지점은 평균농도가 낮을 뿐만 아니라 시간대별 변화가 적어 상승과 하강의 폭이 작게 나타났다. 명장, 대연, 좌동, 부곡 지점은 주거지역 면적이 상대적으로 높고 오전에 상승한 미세먼지 농도는 오후에 크게 변화하지 않으면서 유지되는 경향을 보여주었다. 장림, 학장, 녹산, 대저 지점은 대체로 공업 또는 농업지역의 면적이 지배적으로 나타나는 곳으로 평균농도가 가장 높은 그룹으로 조사되었고, 상대적으로 오전 시간대의 농도 증가가 빠르게 관측되었다.

그림 6.

일간 시간대별 PM₁₀ 및 PM_2.5 평균농도 변화

3. 미세먼지 농도의 국지적 분포

미세먼지 평균농도의 공간적 분포 패턴은 연중 비교적 유사하게 조사되었는데, 대체로 서고동저형의 특징을 나타냈다(그림 7). 이러한 분포 특징은 2001~2015년 기간 자료를 통한 선행 분석 결과와 동일한 것이며, 봄철에 비해 겨울철에 동서간 농도 대비가 상대적으로 강하게 나타났다. 겨울철과 봄철 기간 중 미세먼지 평균농도가 높게 유지되는 1월과 4월을 상호 비교할 경우, 미세먼지 농도의 동서간 대비는 황사 현상이 강하게 발생하는 4월에 비해 1월에 상대적으로 명확하게 나타났다. 이러한 결과는 봄철 황사 현상으로 인해 지리적 조건과 무관하게 도시의 대기질이 전체적으로 악화함에 따라 동서 방향의 농도 변화 경향은 뚜렷하게 나타나지 않는 것으로 판단된다(Park, 2017a; 2017b).

그림 7.

연구지역의 봄철(a)과 겨울철(b) PM₁₀ 평균농도(2006~2020) 분포

그림 8은 요일별 일중 시간대별 농도 변화를 표현한 heatmap이며, 요일별 농도를 입력 자료로 하여 18개 관측지점을 군집화한 결과가 그래프 상단에 표시되어 있다. 각 지점별로 요일과 시간대에 따른 미세먼지 농도 변화 특징이 서로 상이하게 나타남을 알 수 있는데, 요일별 농도 변화 패턴과 전반적인 농도 수준의 높고 낮음에 따라 4~5개 관측지점으로 구성된 4개의 군집이 도출되었다. 표 2는 군집별 미세먼지 평균농도 순위에 따라 ‘군집 1~4’로 명명하고 각각의 특징을 요약한 것이다. 군집 1은 산악지역인 구덕산을 포함하여 주로 도시 외곽 지역(기장)과 주거지(광안, 좌동)로 구성된 집단으로, 미세먼지 평균농도가 가장 낮은 그룹이다. 군집 2는 산림과 주거지 이외에 혼합지역¹⁰⁾, 즉 주거와 상업 또는 공업용지가 혼재된 토지이용의 비율이 높은 집단으로, 대연동, 부곡동, 연산동, 용수리, 태종대 지점이 포함된다. 태종대 지점은 해안에 위치하여 주변 토지이용은 산림과 바다가 주를 이루고 있어서 군집 내 다른 곳과는 구별되는 특징적 사례로 볼 수 있다. 군집 3은 광복동, 덕천동, 전포동 등 상업지역이 주를 이루는 지점과 명장동, 청룡동과 같이 주거지역(46.5%)과 삼림(37.7%)이 각각 주를 이루는 지점이 그룹을 이룬다. 대표적인 주거지역으로 분류되는 명장동이 상업지역 위주의 관측지점들과 유사한 미세먼지 농도를 나타낸 것은 예상외의 결과이며, 비교적 도시 외곽에 위치한 청룡동의 농도 수준이 예상보다 높게 관측된 것은 인근에 소재한 부산종합버스터미널의 영향이 나타난 결과로 판단된다. 군집 4는 연구지역 내에서 대기질이 가장 낮은 그룹으로서, 녹산동, 학장동, 장림동 등 전형적인 공업지역과 농업지역(66.4%) 위주의 대저동이 포함되었다. 군집 4에 포함된 지점을 상호 비교해보면, 농업지역인 대저 지점의 PM_2.5/PM₁₀ 농도비가 주간 시간대에 매우 낮게 관측되고, 일중 변화폭도 높은 것으로 보아, 농업활동으로 인한 비산 먼지와 토양 입자의 영향이 반영된 것으로 판단된다.¹¹⁾

그림 8.

관측 지점별 주간 PM₁₀ 평균농도 변화 및 군집화 결과

요일 및 시간대별로 각 관측지점에서의 미세먼지 평균최고농도와 일최고농도 발생시간대를 분석한 결과, 산림과 주거지 중심의 군집 1에서는 일최고농도 발생시간대가 지점별로 분산되는 경향을 보였고, 군집 2에서 군집 4까지 평균농도가 높아지면서 일최고농도 발생이 상대적으로 이른 시간대로 집중되는 경향을 보였다(그림 9). 특히, 산악지역인 구덕산 지점은 정오를 중심으로 미세먼지 농도가 오전과 오후에 상호 대칭적인 특징을 보였고, 도시 외곽인 기장 지점에서는 오후 6~7시 범위에 일최고농도가 빈번히 발생되는 경향을 보였다. 관측지점 주변의 토지이용이 미세먼지 농도에 미치는 세부적인 영향은 본 연구에서 다루어지지 않았지만, 공업지역이나 산림 면적의 비중에 따라 군집별 농도 수준이 구분되고 있음을 볼 때, 산업활동과 식생분포가 대기질 변화에 대한 중요 영향 요인임을 추론해 볼 수 있다.

그림 9.

군집별 PM₁₀ 일최고농도 발생 시간대 비율

IV. 요약 및 결론

부산광역시 대기 중 미세먼지 농도는 지난 15년 동안 전반적으로 꾸준히 감소하는 추세를 보였으며, 특히 평균적인 농도 수준이 가장 높은 봄철 농도의 하강 폭이 뚜렷하게 관측되었다. 연평균농도의 감소로 인하여 미세먼지의 연간 변동 폭도 감소 추세를 보였다. 특히, 코로나19의 영향으로 인간활동이 크게 위축된 2020년 농도 표준편차는 그 이전 3년간 평균의 절반가량으로 축소되었다. 미세먼지 농도의 지리적인 분포는 연중 유사하게 나타났지만, 서고동저형의 분포 패턴은 황사현상 등 외부적 요인의 영향이 큰 봄철에 비해 겨울철에 보다 뚜렷하게 조사되었다. 황사현상 등 봄철에 강화되는 외부적인 요인의 전국적인 영향은 대기질을 전체적으로 악화시키며 도시 내의 국지적 농도 차이를 감소시키는 것으로 판단된다.

주간 미세먼지 농도는 관측 지점별로 그 변화 특징이 차별적으로 나타난 반면, 요일별로 반복되는 농도 변화는 각 관측 지점에서 큰 차이를 보이지 않았다. 다만, 공단지역에서는 주중에 비해 일요일 농도가 현저히 감소하는 공통된 특징을 보였다. 이러한 결과는 다른 지역에 비해 공업 시설의 집중도가 높고 휴일에 시설 가동이 중단되는 점 때문인 것으로 분석된다. 초미세먼지 농도 수준은 미세먼지 농도와 유사한 변화 패턴을 보였지만 농도 수준이 전반적으로 낮은 다수 주거지역에서 일별 등락 폭은 크지 않았다. 일일 시간대별 미세먼지 농도는 대체로 오전 시간대에 빠른 속도로 증가하는 반면 오후 시간대에 상대적으로 완만하게 감소하는 특징을 보였다. 산악 지역인 구덕산은 정오를 중심으로 미세먼지의 상승과 하강이 오전과 오후에 각각 대칭적으로 나타났다. 또, 공업지역과 농업지역이 지배적인 곳에서는 미세먼지의 농도가 오전 시간대에 빠르게 증가하였고 평균농도 수준도 가장 높게 관측되었다.

요일 및 시간대별 미세먼지 농도 자료를 토대로 군집화한 결과 전체 18개 관측 지점은 모두 4개의 집단으로 구분되었다. 각 군집은 관측 지점 주변의 토지이용 특성과 연관된 결과를 나타냈다. 즉, 평균농도가 가장 낮은 군집 1은 산악지역 또는 주거지 중심의 토지이용을 특징을 보인 반면, 농도 수준이 가장 높은 군집 4는 주로 공단 등 공업지역이나 농업중심의 토지이용 특성을 나타냈다. 중간 수준의 미세먼지 농도를 보인 군집 2와 3은 각각 혼합지역과 상업지역 중심의 토지이용으로 특징지어졌다. 일최고농도가 발생하는 시간대도 군집별로 차이를 보였다. 산림과 주거지 중심의 군집 1에서는 일최고농도 발생시간대가 지점별로 넓게 분산되는 특징을 보였고, 평균농도가 높아지는 군집으로 갈수록 일최고농도 발생이 상대적으로 이른 시간대에 집중되는 경향을 보였다. 출퇴근 시간대의 도로교통량 집중도, 개별 관측 지점 인근의 대기 안정도, 공단 시설 가동, 농업 및 상업 활동 등 대기질에 영향을 주는 다양한 요인이 개입되기 때문에 미세먼지 일최고농도 발생 시점에 대한 직접적이고 일차적인 영향 요인을 단정적으로 제시하기는 어렵다. 다만, 관측 지점 주변의 토지이용 유형 중 공업지역과 산림 면적과 같이 군집별 미세먼지 농도 수준과의 연관성을 유추할 수 있는 요인을 부분적으로 확인할 수 있었다. 따라서 미세먼지 농도 분포의 국지적 특징을 파악함으로써 산업별 업종, 녹지의 영향, 1차 및 2차 오염물질의 비중 등에 따른 도로 비산먼지 저감, 녹지 확보, 바람길 조성, 도심 과밀화 해소 등 구체적이고 세부적인 대도시 대기질 개선의 방향에 대한 시사점을 찾을 수 있을 것으로 전망한다.

주

1) 자료의 계절별 분석을 위해 2020년 겨울에 포함되는 2021년 1~2월 자료를 추가적으로 수집하였다.

2) 중구, 서구, 사상, 영도, 기장, 해운대, 부산진, 금정, 동래, 북구, 대연, 사하 등 모두 12개소이다.

3) R 프로그래밍의 특징은, 사용자들의 다양한 필요와 용도에 의해 생기는 특수 목적의 logic과 code들의 집합인 ‘패키지(package)’ 형태로 배포되고 운용되는 점이다. 일반 사용자들은 특정 목적에 의해 설계된 패키지를 온라인상에서 다운로드하여 해당 패키지에서 제공하는 함수 도구들을 개별적 용도에 따라 R 프로그래밍에 적용할 수 있다. 개별 패키지는 특정 목적의 수행을 위해 제작된 다양한 함수(function), 사용설명서에 해당하는 도움말(document), 예제를 위한 자료 묶음 등으로 구성되며, 개발된 코드들이 저장 및 관리되는 웹서버 네트워크인 CRAN(the Comprehensive R Archive Network)을 통해 온라인에 등재된다(https://cran.r-project.org/).

4) 본 연구는 Ontario Institute for Cancer Research(OICR)에서 개발한 {BoutrosLab.plotting.general} 패키지를 이용하여, 개별 관측 지점에서 시간대별로 집계된 농도 자료를 요일별로 구분하여 연속적인 음영 변화를 적용한 heatmap으로 시각화하였다.

5) 자료의 양이 방대해지고 축적되는 속도가 빨라짐에 따라 자료 처리와 요약을 통한 유의미한 정보 추출의 필요성은 더욱 커지고 있다. 다변량 분석이나 군집분석과 같은 다양한 통계 처리 기법을 사용하여 자료를 처리하고 분석하는 작업을 흔히 ‘데이터 마이닝(data mining)’이라 부른다(Everitt et al., 2011).

6) Ward(1963)는 그의 논문에서, 2개의 객체가 집단을 이루게 되면 원래 자료가 갖는 정보의 소실이 발생한다고 보았고, 최적의 군집화를 위한 정량적 지표를 ‘objective function’이라 정의하였다. 극단적 예로, 동일한 값으로만 구성된 n개의 집단은 오차제곱합이 최소인 0을 갖게 되며, 이 중 2개의 군집이 새로운 집단을 이루어 전체의 집단 수가 n-1개로 감소하게 될 때, 병합되는 두 군집의 조합 중에서 정보의 소실, 즉 오차제곱합이 최소화되는 경우를 찾아 집단화하게 된다. 이러한 과정은 전체 자료가 하나의 집단이 될 때까지 군집화 과정이 진행되면서 반복되기 때문에, Ward는 이러한 군집화 과정을 ‘계층적(hierarchical)’ 방법으로 보았다.

7) 계절적으로 볼 때, 대부분의 경우 봄철에 이어 겨울철 미세먼지 농도가 두 번째로 높게 관측되었는데, 봄철보다 농도가 높거나(장림) 여름철보다 낮은 경우에도(대연, 부곡) 그 차이는 0.5~0.7㎍/m³ 범위로 상대적으로 작았다.

8) 평균농도가 낮게 관측된 좌동 지점에서 미세먼지와 초미세먼지 월평균농도 간 Pearson 상관계수는r=0.751로 상대적으로 낮았고, 고농도가 나타난 장림 지점에서의 상관계수는 r=0.931로 가장 높았다.

9) Box plot은 자료의 분포를 직사각형 상자 형태로 표현한 그래프이다. 상자의 아래면과 윗면은 각각 자료의 1사분위값(하위 25%에 해당하는 값)과 3사분위값(상위 25%에 해당하는 값)을 나타낸다. 상자 위아래로 표시된 선(whisker)은 자료의 최소값과 최대값이 나타나는 범위를 나타내되, 4분위수 범위(inter-quartile range; 3사분위값-1사분위값)의 1.5배 범위를 넘는 하위 또는 상위 이례치(outliers)가 존재하는 경우에는 4분위수 범위의 1.5배 한도까지만 선을 그리고 심볼을 사용하여 이례치를 별도로 표시한다. 상자 내부의 가로선은 자료의 중위값을 나타낸다.

10) 토지이용 유형 분류상, 주거용과 상업용 건물이 각 30% 이상이거나 주거용과 공업용 건물이 각 30% 이상인 경우에 해당한다(부산발전연구원, 2010).

11) 2017~2020년 기간 동안 관측된 대저 지점의 시간대별 평균 PM_2.5/PM₁₀ 농도비 최소값은 0.450으로 18개 관측 지점 중 두 번째로 낮았고, 표준편차는 0.058로 가장 높게 관측되었다. 상대적으로 낮은 PM_2.5/PM₁₀ 농도비, 즉 조립질 입자 비율이 높게 나타난 것은 지표로부터의 비산먼지나 토양 입자의 영향으로 추정된다.

12) 부산발전연구원에서 작성한 권역별 토지이용도를 바탕으로, 14개 중분류를 적용하여 각 관측 지점을 중심으로 반경 1km 이내의 토지이용 유형별 면적을 산출하였다. 참고로, 중분류 항목에는 주택지, 상업 및 업무시설지, 공업지, 혼합지, 공공용지, 교통시설지, 도시부양시설지, 도시녹지, 공지, 경작지, 산림, 하천 및 호소, 특수지역, 해양 등이 포함된다(부산발전연구원, 2010).