|
|
|
|
|
한국인들은 연간 보름가량 세계보건기구(WHO) 권고 기준을 초과하는 미세먼지와 오존 등 4대 대기오염 물질에 동시 노출되는 것으로 나타났다. UNIST 지구환경도시건설공학과 임정호 교수팀은 주요 대기오염 물질 6종의 지표면 농도를 시간단위로 추정해 오염지도를 그리는 인공지능모델인 딥맵을 개발하고, 이 같은 분석 결과를 얻었다고 30일 밝혔다. 연구팀이 이 모델로 2021년부터 2023년까지 동아시아 전역의 대기질을 분석한 결과, 여러 오염물질이 동시에 세계보건기구(WHO) 단기 권고 기준을 초과하는 '공노출' 현상이 광범위하게 발생하고 있었다. 특히 호흡기와 심혈관계 질환을 악화시키는 미세먼지(PM10), 초미세먼지(PM2.5), 이산화질소(NO2), 오존(O3) 등 4개 물질이 한꺼번에 기준치를 초과하는 날이 한국에서만 연간 15일에 달했다. 이러한 대기오염 4중고는 중국 화북평원(24일)과 동부 지역(19일)에서도 두드러졌으며, 주로 겨울철 난방 여파와 봄철 황사, 가을철 고기압 영향으로 오존 생성이 활발한 3월, 4월, 10월에 집중적으로 발생했다. 최근 연구에 따르면, 이러한 복합 노출은 단일 오염물질 노출보다 건강에 더 치명적인 영향을 미칠 수 있어 정밀한 모니터링이 필요하다. 하지만 기존 관측 방식에는 한계가 있었다. 지상 관측소는 산발적으로 흩어져 있어 공간적 공백이 생기고, 위성 관측은 구름에 가려지면 데이터를 얻지 못한다. 대기화학수송모델 역시 해상도가 낮아 지역별 세밀한 변동성을 짚어내기 어려웠으며, 무엇보다 기존 연구 대다수가 오염물질 농도를 하나씩 따로 산출해 실제 복합 오염 상황을 제대로 반영하지 못했다. 반면 분석에 사용된 딥맵은 정지궤도 환경위성(GEMS) 데이터, 대기화학수송모델, 수치모델의 기상자료, 지상관측 자료 등을 통합해 일산화탄소(CO), 이산화황(SO2)을 포함하는 총 6종 대기오염물질의 농도를 시간 단위로 동시에 산출할 수 있다. 공간해상도도 10km로 촘촘해 지역별 오염 분포를 제대로 파악할 수 있으며, 시간 단위 예측으로 오염물질 변화 흐름까지 추적할 수 있다. 제1저자인 강은진 연구원은 “서로 영향을 주고받는 오염물질 간 관계를 함께 학습하는 멀티태스킹 구조를 적용해 기존 단일 오염물질 농도 추정 모델보다 성능이 향상됐다”고 설명했다. 임정호 교수는 “기존에는 대기오염을 개별 물질 중심으로 분석해 실제 환경에서 여러 오염물질이 동시에 작용하는 상황을 충분히 반영하지 못했다”며 “이번 모델은 이러한 한계를 넘어 복합 대기오염을 보다 현실적으로 평가할 수 있게 한 것으로, 향후 대기질 예보와 환경 정책 수립, 공중보건 연구 등 다양한 분야에 활용될 수 있다”고 강조했다. 이번 연구 결과는 환경 분야 저명 학술지인 환경과학과 기술(Environmental Science & Technology)에 3월 20일자로 게재됐다. 연구 수행은 환경부 국립환경과학원, 과학기술정보통신부 한국연구재단의 지원을 받아 이뤄졌다. (끝). |
|
|
|
[붙임] 연구결과 개요 |
|
1.연구배경 대기오염은 미세먼지(PM10, PM2.5), 이산화질소(NO2), 오존(O3), 일산화탄소(CO), 이산화황(SO2) 등 여러 오염물질이 동시에 존재하는 복합적인 형태로 나타나며, 이러한 복합 노출은 단일 오염물질보다 더 큰 건강 영향을 유발하는 것으로 보고되고 있다. 그러나 기존 대기오염 관측 체계는 이러한 복합 노출을 정밀하게 파악하는 데 한계를 가진다. 지상관측소는 공간적으로 불균형하게 분포되어 있어 광역 분석이 어렵고, 위성 관측은 구름 등의 영향으로 시공간 결측이 빈번하게 발생한다. 또한 대기화학수송모델(CTM)은 배출량 자료의 불확실성과 낮은 공간 해상도로 인해 지역별 세밀한 농도 변화를 충분히 반영하지 못한다. 더욱이 기존 연구들은 대부분 단일 오염물질을 개별적으로 예측하는 방식에 의존하여 실제 대기 중에서 동시에 발생하는 오염물질 간 상호작용을 반영하지 못하는 한계가 있었다. 이에 따라 본 연구에서는 정지궤도 환경위성(GEMS)과 수치모델(CAMS, KIM), 기상 및 보조자료를 통합하고, 딥러닝 기반의 다종 오염물질 동시 예측 기법을 적용하여 시간 단위의 고해상도 대기오염 농도와 복합 노출을 정량화할 수 있는 새로운 프레임워크(DeepMAP, Deep Learning for Multiple Air Pollutant analysis)를 제안하였다. 2.연구내용 본 연구에서는 딥러닝 기반 멀티태스킹을 활용하여 6종 대기오염물질(PM10, PM2.5, NO2, O3, CO, SO2)을 시간 단위로 동시에 예측할 수 있는 DeepMAP 모델을 개발하였다. 이 모델은 위성 관측자료(GEMS), 대기화학수송모델, 기상자료, 토지피복 및 인구정보, 지상관측 자료를 통합적으로 활용하여 학습되었다. 서로 다른 특성을 가진 데이터를 효과적으로 반영할 수 있도록 멀티브랜치 구조를 통해 시계열 구조 및 공간적 특징을 효과적으로 추출하였다. 모델은 두 단계로 구성된다. 먼저 Stage 1에서는 CNN과 Bi-LSTM 기반 구조를 활용해 다종 대기오염 농도를 동시에 추정하며, 오염물질 간 상호작용을 반영할 수 있도록 설계되었다. 이후 Stage 2에서는 ConvLSTM-ResNet 기반 시공간 융합 기법을 통해 위성 관측의 결측을 보완하고, 동아시아 전역에 대해 시공간적으로 연속적인 고해상도 대기오염 지도를 생성하였다. 이러한 접근을 통해 DeepMAP은 위성 자료가 없는 구름 하에서도 안정적인 예측이 가능하며, 시간적 연속성과 공간적 정밀도를 동시에 확보하였다. DeepMAP 분석 결과, 동아시아 전역에서 PM10과 PM2.5의 동시 초과는 연간 91일로 가장 빈번하게 나타났으며, PM10–PM2.5–NO2 조합은 42일, PM2.5–O3 조합은 18일 발생하는 것으로 확인됐다. 특히 중국 북부와 동부(예: 화북지역), 한국에서 여러 오염물질이 동시에 WHO 기준치를 초과하는 복합 오염 핫스팟이 집중적으로 나타났다. 더 나아가 연구팀은 여러 오염물질의 장기 노출 수준을 통합적으로 평가할 수 있는 공동노출지수를 제안하여, 지역별 건강 위험도를 정량적으로 비교할 수 있는 기반을 마련하였다. 3.기대효과 본 연구에서 개발된 DeepMAP 모델은 기존 대기오염 관측 및 예측 방식의 한계를 극복하고, 시간 단위의 고해상도 다중 오염물질 정보를 제공할 수 있는 통합 분석 도구로 활용될 수 있다. 특히 단일 오염물질이 아닌 복합 노출을 정량적으로 평가할 수 있어 실제 환경에서의 건강 영향 분석과 정책 수립에 보다 현실적인 정보를 제공할 수 있다. 또한, 복합 오염 핫스팟을 정밀하게 식별함으로써 지역별 우선 관리 대상과 주요 오염물질 조합을 도출할 수 있으며, 이는 대기질 관리 정책의 효율성을 향상시키는 데 기여할 수 있다. 향후 다양한 지역과 기간으로 확장이 가능하며, 기후변화 대응, 대기오염 저감 정책 수립, 공중보건 연구 등 다양한 분야에서 활용될 수 있는 핵심 기술로 평가된다. 특히 본 연구는 대기오염을 개별 물질이 아닌 복합 시스템으로 이해하고 분석할 수 있는 기반을 제공함으로써, 향후 다중 오염물질 기반 환경 정책 및 건강 영향 평가 연구의 중요한 출발점이 될 것으로 기대된다. |
|
[붙임] 그림설명 |
|
그림설명. 인공지능 기반 다중 대기오염물질 농도 동시 추정과 복합 노출 분석 결과 (상단 좌측) 정지궤도 위성, 기상, 지상 관측 데이터를 활용해 6종 대기오염물질의 지표면 농도를 시간 단위로 추정하는 인공지능 모델 구조를 나타낸 그림. (상단 우측) 여러 오염물질이 동시에 기준치를 넘는 복합 노출이 집중되는 지역 분포를 보여준다. 공노출지수(Co-exposure index)가 1에 가까울수록 여러 오염물질이 동시에 기준치를 넘는다는 의미이다. (하단) 주요 지역에서의 오염물질 농도 변화를 시간에 따라 나타낸 시계열 그래프 |
|
UNIST 홍보팀 news@unist.ac.kr TEL : 052)217-1230FAX : 052)217-1229 |
![[연구그림] 인공지능 기반 다중 대기오염물질 농도 동시 추정과 복합 노출 분석 결과](https://news.unist.ac.kr/kor/wp-content/uploads/2026/03/연구그림-인공지능-기반-다중-대기오염물질-농도-동시-추정과-복합-노출-분석-결과.png)