1. 서 론

 환경오염이라는 단어를 들으면, 가장 먼저 떠오르는 것이 대부분 수질오염, 대기오염, 토양오염, 소음, 악취 등이 있다. 눈으로 확인할 수 있고 직접적인 피해를 보이는 오염에 대해서는 오염물질의 경로 및 발생량, 오염물질처리방법에 따른 해결책이 많이 강구되고 있다. 반면에 대기오염은 사람들 눈에 보이지 않고 직접적인 피해 현상을 알 수가 없어서 그 해결책에 대한 방법이 다른 오염 현상에 비해 미약하다. 점차 대기오염 현상에 시민들의 관심이 높아짐에 따라 그 문제점을 해결하기 위한 많은 노력을 기울이고 있다(Koo et al., 2007; Han et al., 2008).

 산업이 발달하고 인간의 삶이 점점 풍요로워지고 여유로워지면서 사람들은 개발과 발전보다는 복지와 보건, 위생, 환경 쪽에 많은 관심을 가지고 있다. 그에 따라, 악취관련해서도 정부에서 2005년 ‘악취방지법’을 제정하고 시행하였고 악취 저감 기술이나 방지기술, 모니터링, 첨단악취관리 시스템을 도입하는 등 많은 분야에서 악취를 관리하기 위해 많은 관심과 노력을 기울이고 있다.

 악취는 자극성있는 기체상 물질이 사람의 후각을 자극하여 불쾌감과 혐오감을 주는 것으로, 한가지 물질의 냄새라기보다 여러 물질이 섞여 나는 냄새인 경우가 많다. 악취를 맡게 되면 정신적으로 스트레스가 쌓이고, 심리적으로 불안해지며, 심하면 혈압상승, 호르몬변화에 의한 생식계 이상, 후각 감퇴, 두통, 구토 등의 증상이 나타난다. 하지만 악취의 특성상 사람마다 자극되는 정도가 다르고 공기와 쉽게 희석되기 때문에 관리가 쉽지 않다.

 현재 악취를 관리하기 위한 악취모니터링 기술은 크게 두 가지로 나눌 수 있는데, 하나는 공기희석 관능법으로 인간의 후각을 통해 직접 모니터링 하는 방법이고 또 하나는, 기기분석법으로 대상 지역에서 악취 유발 물질을 채취해서 실험실에서 기기를 통해 분석하는 방법이다. 공기희석 관능법은 사람이 직접 측정하므로 기기로 분석하는 것보다 현실과 가깝지만, 주관적인 평가가 될 수 있어 다수의 인원을 필요로 하고 재현성이 불가하며 위해한 가스를 직접 흡입할 수 있는 문제를 가지고 있다. 기기분석법은 악취의 성분을 분석하는데 용이하지만, 고가이며 고도의 분석기술을 요하고, 악취강도, 냄새의 질 등 사람이 실질적으로 느끼는 것에 대한 평가가 쉽지 않은 문제를 가지고 있다(Yu et al., 2010).

 악취에 대한 많은 연구 중 시뮬레이션을 통해 예측 및 평가가 가능한 대기 확산 모델링에 대한 연구방법이 유용한 수단으로 부각되고 있고, 이에 대한 많은 연구가 진행된 바가 있다 (Koo et al., 2003; Koo et al., 2011). 특히 악취모델링에서 가장 중요한 것이 순간적으로 변하는 악취농도를 모사하기 위해서 첨두(Peak) 농도의 개념을 도입하는 것이다 (Venkatram, 2002; Jim, 2009; Jeong, 2012). 실제 대기환경기준으로는 1시간 평균농도가 사용되지만 악취는 특성상 수초, 수분의 순간적인 고농도가 사람들에게 영향을 미치고 민원을 발생시키기 때문에 peak농도에 대한 연구가 중요하다. 그러나 일반적인 peak농도는 1시간 평균농도를 가지고 관계식을 통해 10분, 1분, 5초의 값을 구한 것으로 정확도가 낮은 편이다.

 따라서, 본 연구에서는 악취 peak농도의 정확도를 개선하기 위해서 1시간 평균농도를 관계식을 이용하여 보정하여 peak농도를 산정하는 방법과 5sec 단위로 측정한 상세기상자료를 활용하여 직접 악취모델로부터 peak농도를 계산하는 방법에 대해서 비교 검토하였다.

2. 이론적배경

 본 연구에서 적용한 3차원 바람장 모델인 CALMET과 악취확산모델인 CALPUFF에 대해서 간단히 소개하면 다음과 같다.

2. 1 CALMET

 CALMET 모델은 진단적 바람장과 온도장을 생성하기 위해 미국 EPA에서 권장하는 모델로써 각종 대기질 모델의 기상 입력장을 구성하고 평가하기 위한 기상처리시스템이다 (Scire, 2000). CALMET 모델은 Fig. 1과 같이 지형 및 토지 이용도를 모델에 적용하기 위하여 전처리 작업을 수행하는 TERREL, CTGPROC, MAKEGEO와 지표 기상 관측자료를 전처리하는 SMERGE, 고층 기상 자료를 전처리하는 READ62로 구성된 Pre-processor 부분이 있다. 전처리과정에서 생성된 자료를 입력자료로 사용하며 모델링 결과 생성된 기상자료를 분석, 평가하기 위한 후처리프로그램인 PRTMET로 구성되어 있다. 보다 자세한 사항은 참고문헌에 있다(Scire, 2000).

Fig. 1. CALMET modeling flow diagram.

 기존 연구에서는 1시간 단위로 관측한 기상자료를 이용하여 CALMET을 수행하면 1시간 간격으로 변하는 기상장을 자료를 생성하고, 이를 확산모델에서 바람장 입력자료로 사용하였다. 그러나 본 연구에서는 5초, 1분, 또는 10분의 고해상도로 관측한 기상입력자료를 사용하여 CALMET을 수행하여 3차원 바람장 자료를 각각 생성하였고, 이를 입력자료로 CALPUFF 모델을 수행하여 첨두농도를 직접 계산하였다.

2. 2 CALPUFF

 CALPUFF 모델은 굴뚝에서 연속적으로 배출되는 연기가 잘게 나누어진 각각의 연기덩어리 (PUFF)로 배출된다고 가정하고, 이 배출된 퍼프가 공간적 해상도를 갖는 바람장을 따라서 이동 및 확산이 될 때 퍼프가 미치는 영향을 종합하여 농도를 계산한다. 또한, 오염물질의 침적, 점∙선∙면 오염원에 의한 지표면의 영향, 산불의 영향, 시정거리의 평가 그리고 장거리 수송 연구와 같은 대기질 모델링 연구의 광범위한 변화를 모사하기 위한 비정상상태 모델이다 (Scire et al., 2000).

 CALPUFF는 복잡지형에서 산곡풍이나 해안가에서 해륙풍 순환과 같은 급격한 바람장 변화를 나타내는 지역에 유용하며, 훈증 (fumigation)현상 등을 고려할 수 있다. 따라서, 우리나라와 같이 삼면이 바다로 되어 있고 도시나 공단 등이 해안지역에 위치한 경우 해륙풍 순환의 영향을 받는 풍하측 농도 예측에 대하여 적합하다. CALPUFF모델링 시스템은 다음 Fig. 2와 같이 구성되어 있다.

Fig. 2. An overview of the sub-program elements in the CALPUFF modeling system.

 CALPUFF 모델의 대상영역은 수십 m부터 수백 km까지이고 시∙공간에 따른 바람장의 변화를 puff의 이동으로 나타낼 수 있기 때문에 비정상상태 (unsteady state)를 구현할 수 있는 모델이다. 따라서 유체의 흐름을 정상상태로 가정하여 수행하는 가우시안 모델보다 시간에 따른 풍향 및 풍속의 변화를 보다 정확히 확산에 반영할 수 있는 장점이 있다(Koo et al., 2004a; Koo et al., 2004b; Koo and Ko, 2010).

2. 3 첨두농도 (Peak Concentration)

 실제 대기 중에 악취농도를 측정하면 배출원 형태와 시간에 따라서 심하게 변화하는 것을 알 수 있다. 그 이유는 대기흐름이 난류 Eddy의 요동에 의해서 발생하는 것으로 기준성 오염물질을 계산할 때에는 1시간 평균 기여농도를 구하는 것이 의미가 있으나, 악취인 경우 순간적으로 변하는 첨두농도를 계산하는 것이 바람직하다. 따라서 모델링 결과를 이용하여 첨두농도를 예측하는 방법이 악취 관리에서 중요한 의미를 갖는다.

 실제로 느껴지는 악취는 모델링 시간(5초, 1분, 10분, 1시간)보다 더 짧은 시간으로 느껴질 것이다. 그래서 수용체에서 느끼는 실제 악취 첨두농도는 모델링 결과값보다 상당히 높을 수 있다.

 그러므로 적절한 확산 모델을 사용하여 악취농도를 예측한 후에는, 직접 악취를 맡는 상태와 비슷한 농도로 예측하기 위해 모델링농도를 알맞은 평균농도로 보정하는 것이 필요하다. 상대적으로 짧은 시간의 농도를 보정하기 위해 가장 널리 사용되는 방법은 식(1)의 관계식을 이용하여 확산모델의 1시간 평균농도 값으로부터 짧은 시간의 peak농도를 계산하는 것이다(Venkatram, 2002; Koo et al., 2003).

C₀ : 상대적으로 긴 시간의 평균농도
C₁ : 상대적으로 짧은 시간의 평균농도
t₀ : 상대적으로 긴 평균시간
t₁ : 상대적으로 짧은 평균시간
n : 경험적 상수

 n은 대기의 안정도에 의존되고 0.17~0.68의 범위의 값을 넣어서 사용한다. 평균시간의 농도를 바꾸기 위해서 보통 n은 0.28의 값이 사용된다.

 한편 첨두농도를 직접 계산하는 방법은 1시간보다 짧은 수초 또는 수분의 시간간격으로 기상요소를 측정하여 고해상도 기상관측자료를 확보하고, 이를 입력자료로 하여 앞에서 설명한 기상모델인 CALMET과 확산모델인 CALPUFF을 수행하면, 수초 또는 수분대의 시간간격으로 변하는 기상장과 악취농도를 계산할 수 있다. 본 연구에서는 이와 같이 계산된 수초 또는 수분단위의 악취농도를 직접 계산 첨두농도라고 한다.

 또한 직접 계산한 농도치로부터 식 (2)을 활용하여 peak농도와 1시간 평균농도의 기울기 (n)를 구하였고, 이와 같이 직접 계산한 n값이 기존값 (0.17~0.68)과 차이를 비교 검토하였다.

3. 연구 방법

 본 연구에서 첨두농도를 고해상도 기상자료를 이용하여 계산하기 위해서 1초의 고해상도로 부지기상을 관측하였고, 이를 활용하여 악취모델링을 수행하였다. 그 과정을 자세히 설명하면 다음과 같다.

3. 1 연구대상 지역

 본 연구에서는 대전매립지를 대상으로 모델을 수행하였다. 대전시의 지형은 사방이 낮은 능선으로 둘러싸인 분지지형이다. 소백산맥에서 갈라져 나온 노령산맥은 그 사이에 진안고원, 금산고원을 형성하고, 그 여맥이 북쪽으로 뻗어 대전의 동, 남, 서부 산지를 이루고 있다. 대전의 남부지역은 식장산, 만인산, 안평산, 장군봉으로 연결되는 산지를 이루고 있고, 동쪽은 식장산, 계족산으로 연결되는 산지가, 서쪽은 대둔산에서 우산봉으로 연결되는 계룡산지가 각각 대전의 동쪽과 서쪽의 경계선을 이루면서 거의 일직선상으로 달리고있다. 또한 대전의 북쪽에서는 금병산지가 병풍처럼 둘러쳐 있고 진안고원에서 발원한 금강은 북쪽으로 흘러 신탄진 부근에서 서쪽으로 꺾어 대전의 북쪽을 돌아 흐른다. 이와 같이 대전은 계룡산지, 계족산지, 식장산지, 만인산지 등으로 사방이 둘러싸여 전형적인 분지지형을 이루고 있으며, 이들 산지에서 발원한 갑천, 유등천, 대전천의 연변에 자리하고 있다. 갑천은 대둔산과 계룡산지에서 흘러내리는 하천들을 합쳐서 대전분지의 서반부를 관류하는데, 대전분지의 동반부를 관류하는 대전천과 유등천을 회덕부근해서 합하여 북쪽으로 흘러 신탄진 부근에서 금강 본류에 유입한다.

3. 2 모델링 개요

 CALMET 모델링을 수행하기 위한 기본적인 사항은 Table 1에 나타내었다.

Table 1. Modeling information

 CALMET 모델을 수행하기 위해서는 Table 1에 있는 모델영역, 격자단위, 좌표체계, 연직 레이어층, UTM zone, 모델링기간, 입력 기상대 좌표 등이 입력하였다.

 지표기상 자료는 매립지 내에 있는 자동기상관측장치(AWS, Automatic Weather System)에 1초의 해상도로 관측한 지표기상자료를 사용하였고, 고층기상자료는 오산고층기상대에서 측정한 자료를 이용하였다. 본 연구에 적용한 모델링 영역 및 임의의 배출지점과 AWS는 Fig. 3과 같다. Fig. 4와 같이 배출원과 풍향을 고려하여 매립지 외부의 2곳을 관심지점으로 선정하여 모델예측 악취농도의 변화를 중점 분석하였다.

Fig. 3. Modeling domain and locations of tracer emission (■) and automatic weather station (●).

Fig. 4. Locations of receptor 1 (■) and receptor 2 (●).

 AWS에서 1초단위로 측정한 풍향 및 풍속을 5초, 1분, 10분 및 1시간으로 평균한 값을 시계열로 Fig. 5 및 Fig. 6에 각각 나타내었다. 시간해상도가 높아질수록 시간에 따라서 풍향 및 풍속의 변화의 폭이 확대되면서 실제 대기중의 난류 에디 (Eddy)의 유동을 모사하는 것을 알 수 있다. 풍속은 14시에서 1시간 평균의 풍속은 4.2 m/s로 나타나지만 5초 해상도에서는 최저 0.3 m/s부터 최대 8.7 m/s까지 풍속의 변화의 폭이 큰 것을 알 수 있다. 결과적으로 기상자료의 해상도에 따라서 풍향과 풍속의 차이가 매우 크게 발생하는 것을 알 수 있고, 그에 따른 악취 모델링의 결과의 변동 폭도 클 것을 예상할 수 있다.

Fig. 5. Variations of observed wind directions with various time resolutions.

Fig. 6. Variations of observed wind speeds with various time resolutions.

4. 연구 결과

4. 1 기상해상도에 따른 등농도 비교

 악취모델링은 기상자료의 해상도에 따라 1시간, 10분, 1분, 5초 간격으로 동일한 배출량을 적용하여 수행하였다. Fig. 7은 13시의 등농도를 나타낸 것으로써, 1시간의 경우 남풍에 의해 물질이 북쪽으로 확산되지만, 해상도가 높아질수록 풍향과 풍속에 민감하게 반응하여 서풍의 영향을 받아 동쪽으로도 확산이 발생하는 것을 알 수 있다.

Fig. 7. Predicted odor distributions with various time resolutions at 13:00.

 Figs. 8~10은 14시부터 16시의 등농도로써 확산의 방향은 동일하나, 해상도가 높아질수록 확산의 폭이 넓어지는 것을 알 수 있다. 이러한 이유는 풍향과 풍속의 변화가 크기 때문에 물질의 확산이 활발히 이동하기 때문이다.

Fig. 8. Predicted odor distributions with various time resolutions at 14:00.

Fig. 9. Predicted odor distributions with various time resolutions at 15:00.

Fig. 10. Predicted odor distributions with various time resolutions at 16:00.

4. 2 기상해상도에 따른 관심지점에서 시계열 비교

 관심지점에서의 농도를 비교해 보면 기상자료를 분석한 것과 유사하게 해상도가 높을수록 농도가 민감하게 변하는 것을 알 수 있다. Fig. 11은 관심지점1번에서의 농도를 시계열로 나타낸 것으로, 1시간 자료의 농도는 0.15 mg/m³이고, 해상도가 높을수록 농도의 변화폭이 큰 것으로 나타났다. 14시 이후 값이 없는 이유는 등농도에서 보여지듯이 14시 이후 관심좌표1로 확산이 이루어지지 않기 때문이다.

Fig. 11. Variations of predicted C2H2 concentrations with various time resolutions at receptor 1.

 Fig. 12는 관심지점 2의 해상도별 농도를 나타낸 것이다. 1시간 자료는 가장 높은 농도가 0.29 mg/m³이지만 5초 자료에서는 최고농도가 0.98 mg/m³으로 1시간 자료보다 3배 높게 나타났다. 이렇듯 악취모델 수행시 해상도에 따라서 최고농도가 달라지는 것을 알 수 있다.

Fig. 12. Variations of predicted C2H2 concentrations with various time resolutions at receptor 2.

4. 3 피크농도 비교

 Table 2와 Fig. 13은 모델링을 수행한 시간대별로 시간 해상도에 따른 평균값과 최고값을 나타낸 것이다. 평균농도는 시간 해상도에 따라서 유의성있는 차이는 없는 것으로 판단되나, 첨두농도는 시간 해상도가 높을수록 (시간간격이 짧아 질수록) 커지는 것을 알 수 있다. 최고농도는 5초 간격의 자료를 이용했을 때 가장 높은 값이 나타나는 것을 알 수 있다. 자료에서 13시~14시의 경우는 모델링 초기에 바람장의 영향이 제대로 반영되지 않아서 다른 시간대와 경향이 다른 것으로 판단된다.

Table 2. Predicted average and peak concentrations with various time resolutions

Fig. 13. Comparison of predicted average and peak concentrations with various time resolutions.

 한편 본 연구에서 구한 5초, 1분, 및 10분 첨두농도와 1시간평균 농도치를 이용하여 식(3)에 있는 상관식에서 지수 “n”값을 각각의 시간대별로 구해서 Fig. 14에 나타냈다. 각각의 시간대별로 약간의 차이는 있으나, n값의 범위가 0.2~0.3으로 기존의 연구에서 제시하고 있는 값의 범위 0.17~0.68내에 있고, 또한 보정시에 일반적으로 많이 사용되는 n=0.28과 유사한 것으로 나타났다. 그러나, 고해상도 시간 기상자료를 사용하면, Figs. 11과 12에 나타낸 바와 같이 대기의 난류변동성을 모델에서 재현할 수 있기 때문에 보다 현실적으로 대기특성을 반영한 첨두농도의 계산이 가능하다고 판단된다. 본 연구에서 추적자 실험시에 고해상도를 농도를 측정한 자료가 없어서 두 방법간의 차이점을 분명히 구별할 수 없으나, 향후 측정농도도 기상자료와 동일한 고해상도로 측정이 가능하면 두방법간의 보다 상세한 비교 평가가 가능할 것이다.

Fig. 14. n-values in equation (1) derived from predicted peak and 1hr mean concentrations at various LSTs.

5. 결 론

 악취는 순간적으로 고농도로 변하기 때문에 사람들이 인지하는 시간이 짧고 불쾌감을 느낀다. 일반적으로, CALPUFF 모델링시 기준성 오염물질을 계산할 때에는 1시간 평균 농도를 사용하고 있지만 악취도를 평가하기 위해서는 순간적인 고농도를 예측할 필요가 있다.

 본 연구에서는 악취 특성을 파악하기 위해 실제로 대전 매립지에서 1초간격으로 고해상도 기상을 측정한 후 기상자료의 해상도를 5초, 1분, 10분, 1시간으로 총 4개로 분류하여 풍향, 풍속의 변동성을 분석하였다. 또한 고해상도 기상자료를 근거로 악취모델링을 수행하여 5초, 1분, 10분 및 1시간 악취농도를 각각 계산하여 그 특성을 비교분석하였다. 고해상도 기상자료를 사용할 경우에 실제 대기중의 난류 특성을 직접 반영할 수 있다는 것을 확인하였다.

 따라서 1분 이내의 고해상도 관측기상자료를 근거로 악취모델링인 CALPUFF을 수행하여 첨두농도를 계산하는 것이 기존의 1시간 평균기상자료로 계산하는 것보다 순간적으로 변화하는 악취의 특성을 현실적으로 모사하는 것으로 나타났다.

 앞으로 악취의 정확한 예측을 하기 위해서는 기준성 대기오염물질과 같은 방법이 아니라, 악취의 특성을 반영한 고해상도의 기상자료를 이용하여 모델링을 수행하는 것이 보다 바람직한 방향임을 알 수 있었다.