기후변화에 따른 미세먼지 대기질 변화 추정 및 관련 정책 지원 연구 = A Study on Estimating Changes in Air Quality Caused by Particulate Matter due to Climate Change and Supporting Relevant Policies for Air Quality Management

국문 초록 (Abstract)

Ⅰ. 연구의 배경 및 필요성
□ 최근 대기오염물질 배출량과 미세먼지 농도 변화 경향 불일치 문제
○ 정부가 최근 미세먼지 대기질 개선을 위한 관리 정책을 꾸준히 추진함에 따라 2010년대 초반까지 서울시 대기오염물질 배출량 및 (초)미세먼지 농도는 계속해서 감소하는 추세
○ 반면, 2010년대 이후 (초)미세먼지 농도는 연평균 PM2.5 농도 25μg/㎥안팎에서 증감을 반복하면서 정체 현상을 보이며, 이에 정부는 매년 미세먼지 농도 감축을 위한 강화된 대책을 제시(2020년 이후 감소한걸 감안해서 기간 명시 필요)
○ 이러한 노력에도 불구하고 최근 대기오염물질 배출량과 (초)미세먼지 농도의 변동성이 일치하지 않는 것의 구체적인 원인을 규명하여 미래 대기관리 정책의 개선 방향 제시 필요
□ 미세먼지 대기질과 기후의 관련성
○ 기상·기후가 미세먼지를 비롯한 대기오염물질 발생에 중요한 역할을 한다는 연구 결과가 전 세계에서 발표되고 있으며, 이러한 연구를 통한 먼저 미세먼지 대기질과 기상 및 기후변화 간의 관련성 파악 필요
○ 미세먼지 농도와 기상조건, 기후변화 간의 관련성을 밝히려는 연구가 일부 시도되고 있으나, 아직 기후변화와 한국 미세먼지 대기질의 관련성을 명확하게 설명할 수 있는 연구는 상당히 부족한 실정
○ 과학적 분석으로 구체적인 근거 자료를 제시하고 기상 및 기후의 영향을 정량적으로 평가하여, 정책적 활용 방안 도출 필요
□ 정교한 미세먼지 관리대책 수립을 위해 미세먼지 대기질에 미치는 기상 영향을 정량적으로 확인 필요
○ 현재 진행되는 다수의 연구과제의 경우 기후변화가 대기질에 미치는 영향을 밝히거나 미래 기후변화 상황에서 대기질 농도를 예측하는 등 대기질과 기후변화 간의 관련성을 파악하여 정책적 시사점을 도출하려는 시도는 미진
○ 본 연구에서는 미세먼지 변화에 영향을 미치는 기상 요소들을 분석하여 기상 및 기후변화와 미세먼지 농도 간에 관련성을 규명하고, 미세먼지 농도에 대한 기상변화의 기여도 산정 및 미래 기후변화에 따른 미세먼지 농도 변화 예측 등을 통해 미세먼지 관리정책 관련 과학적 근거 자료를 마련하고 정책적 시사점 및 정책 개선 방안 제시
□ 연구 목표 및 주요 연구 내용
○ 미래 기후에서의 고농도 미세먼지 발생 변화 전망을 분석하고자 기상 영향 미세먼지지수 개발과 지수를 이용한 미세먼지 대기질 미래 변화 패턴 분석
○ 미래 기후에서의 미세먼지 농도에 대한 기상 영향 변화를 전망하고자 미래 기후변화 시나리오에 따른 기상변화 및 배출량 저감 목표를 반영한 미세먼지 농도 변화 예측
○ 기후변화에 따른 미세먼지 대기질 예측 결과의 정책적 시사점 도출
Ⅱ. 미래 기후에서의 연평균 미세먼지 농도에 대한 기상 영향 변화 전망
1. 연구의 개요 및 방법
○ 미래 기후변화에 따른 기상변화가 초미세먼지 농도에 미치는 영향 파악을 핵심 목표로 설정하고 연구 수행
○ 기후변화에 따른 변화 영향을 파악하고자 현재 기준연도(2010년)와 정부의 탄소중립 목표연도(2050년) 전후 기간(총 7년씩)을 분석 대상 기간으로 설정
○ 2차 연도 연구와 마찬가지로 배출량 변화는 없는 것으로 가정하고, 현재 및 미래 기후변화로 인한 기상변화 영향만 분석
2. 미래 기후변화에 따른 국내 기상 인자 변화
○ 미래 기후에서의 연평균 미세먼지 농도에 대한 기상 영향 변화를 전망하고자 미래 기후 시나리오(RCP8.5)에 기반하여 국내 기상 인자별(기온, 풍속) 변화를 분석
○ 기온의 경우는 2010년대 대비 평균 기온이 2030년대에 약 0.96%가 증가하였고 2050 년대에는 약 10.1%가 증가하였으나, 풍속의 경우는 2010년대 대비 평균 풍속이 2030 년대에 약 0.69%가 감소하였고 2050년대에는 약 0.68% 감소(그림 1 참조)
○ 계절별 분석 결과, 기온의 경우 2050년대까지는 모든 계절에서 온도가 증가하였으며 가을철 기온은 꾸준하게 증가함. 여름철과 가을철의 풍속이 감소하는 추세를 보였으나 봄철과 겨울철의 풍속 증가로 인해 연평균 풍속은 큰 변화가 없는 것으로 분석되며 2050년대에는 모든 계절에서 2010년대 대비 정체일수가 증가.
3. 미래 기후에서의 기상변화에 따른 초미세먼지 농도 영향 분석
○ 2010년대와 2050년대(미래 기후 시나리오 반영) 기상변화에 따른 초미세먼지 평균 농도 분포와 2010년대 대비 2050년대의 농도 차이를 살펴보면, 한반도의 경우 2010년대 대비 2050년대 PM2.5 농도는 약 -6%로 평균 농도 수준은 감소할 것으로 예측
○ 초미세먼지 농도에 미치는 국외 영향은 미래 기후변화에 따른 기상요인에 의해 약 8.6% 감소하였고 국내 영향은 약 1.6% 감소하였으며, 이러한 결과는 미래 기후에서의 초미세먼지 농도에 미치는 기상 조건은 2010년대 대비 국내 영향이 상대적으로 크게 작용할 수 있음을 시사
○ 기상요인에 의한 연평균 농도 변동폭(최대 최소 차이)은 2010년대 13%에서 2050년대 16%로 연도별 변화폭이 현재보다 커질 수 있음을 확인함
○ 기상요인에 의한 일평균 초미세먼지 농도 구간별 초과 일수 변화율을 분석함. 2010년대 평균의 3배 수준까지의 초과 일수는 2010년대 수준보다 2050년대 감소하였으나 2010년대 평균의 4배 수준을 초과하는 극단적인 일수는 반대로 24% 증가하였으며, 이는 평균적인 기상 영향은 현재보다 초미세먼지 농도가 낮아지는 방향으로 변화하나 초고농도 미세먼지 발생일은 오히려 증가하여 양극화된 특성을 도출(그림 4 참조)
○ 기상요인에 의한 계절별 농도 변화 분석 결과, 여름철(약 4% 증가)을 제외하고 모든 계절에서 2010년대 대비 2050년대에 대체로 감소(그림 4 참조)
Ⅲ. 미래 기후에서의 고농도 미세먼지 발생 패턴 변화 전망
1. 미래 기후에서의 고농도 미세먼지 발생 변화 분석 방법
□ 요인 분석을 이용한 초미세먼지 농도 대용 지수 개발 필요성
○ 미래 상황에서는 초미세먼지 농도 관측값이 존재하지 않아, 초미세먼지 농도와 기상의 관련성을 토대로 미세먼지 농도의 변동 특성을 잘 나타낼 수 있는 대용 지수를 만들어 변화 파악 필요
○ 요인 분석을 이용하여 초미세먼지 농도와 관련된 기상 여건의 주요 요인을 추출하고, 이 요인들을 변수로 하는 다중회귀모델을 구성하여 미세먼지 농도 대용 지수(FFI)를 개발
2. 요인 분석 방법을 이용한 초미세먼지 농도 대용 지수 개발 결과
□ FFI 지수 산출 방법 및 분석 자료
○ 분석 기간은 2006~2014년 겨울철 중 고농도 및 저농도 사례일을 선정하였고, 이 기간의 미세먼지 농도 자료는 서울 지역의 일평균 PM2.5 농도를 사용
○ 기상 자료의 경우 NCEP reanalysis Ⅱ 재분석 기상 자료에서 1,000hPa, 850hPa,
500hPa 온도·지위고도·U·V 등 각 변수에 대한 daily anomaly 값을 사용
○ 분석 영역은 우랄 블로킹 발생 지역(50°~70°N, 65°~95°E)과 한반도 지역(30°~50°N, 110°~140°E)으로 선정
□ FFI 지수 산출을 위한 요인 분석 결과
○ 주요 요인별로 구성된 다중회귀모델 결과를 살펴보면, 모델 2와 모델 3일 때 예측률이 가장 높았고, 특히 PM2.5 발생에는 요인 1~6의 변수들이 영향을 미침을 확인
○ 고농도 PM2.5 발생과 관련된 요인별 주요 기상 성분을 분석(표 1 참조)
○ 요인 2, 6, 3의 상위 10%에 속하는 사례일에서 고농도 발생일인 경우는 80% 이상이고 요인 2의 경우 상위 10%인 날의 고농도 발생 예측률은 100%이며, 이를 통해 고농도 발생에 중요한 기상 요인은 요인 2, 3, 6에 속하는 성분임을 확인
□ 과거 기후 자료를 바탕으로 FFI 지수 적용 가능성 진단
○ 초미세먼지 농도 대용 지수 개발 결과를 이용하여, 과거 기후에서의 미세먼지 농도 대용값을 적용
○ 분석 시 CMIP6 시나리오의 5개 모델(INM-CM5-0, CanESM5, NorESM2-MM, BCC-CSM2-MR, EC-Earth3)의 historical run 자료를 활용
○ 재분석장 및 CMIP6 5개 모델 historical run의 FFI 값과 관측 초미세먼지 값의 고농도
발생 일수, 고농도 발생일 초미세먼지 농도 평균은 큰 차이 없이 유사
○ 대체로 CMIP6 모델과 재분석장의 FFI는 고농도 초미세먼지 구간(20μg/㎥ 이상 60μg/㎥ 미만)에서 빈도수가 높게 나타났으나, 관측의 경우에는 10~40μg/㎥ 구간에서 빈도가 가장 많았으며, 이를 통해 FFI는 보통인 날을 고농도 사례일로 예측하는 특성이 있음을 확인
3. FFI 지수를 이용한 미래 기후에서의 초미세먼지 고농도 발생 변화 분석
□ 분석 자료 및 방법
○ 분석 기간은 지수 개발과 같은 2046~2054년 겨울철(총 810일), 사용된 기후 자료는 CMIP6의 총 5개 모델로, 본 연구에서는 모델별로 SSP5-8.5 시나리오 자료를 사용
□ FFI를 이용한 미래 기후에서의 고농도 초미세먼지 발생 변화 분석 결과
○ 미래 기후에서의 미세먼지 농도 대용값을 적용하고자 CMIP6 5개 모델의 시나리오(SSP5-8.5) 자료를 이용하여 재분석장 요인 6개에 대한 값을 재계산
○ 3개 모델(INM-CM5-0, CanESM5, BCC-CSM2-MR)에서 고농도 발생 빈도가 증가하였고 나머지 2개 모델 중 NorESM2-MM에서는 동일하고 EC-Earth3에서는 감소하였으며, CanESM5, BCC-CSM2-MR은 고농도 발생일의 평균 농도가 증가하였고, NorESM2-MM과 EC-Earth3은 감소함. 이를 통해 미래 기후에서 고농도 일수가 증가
하는 모델은 평균 농도가 감소하는 경향을 확인(그림 5 참조)
○ 5개 모델 과거와 미래 기후 모두 고농도 일수 변동폭이 전반적으로 큰 편이었으며, 과거 기후에서는 CanESM5, NorESM2-MM, EC-Earth3 모델에서 연도별 고농도 발생 빈도가 점차 증가하는 추세이나 미래 기후에서는 CanESM5, NorESM2-MM, BCC-CSM2-MR, EC-Earth3이 고농도 발생 빈도의 연도별 변동폭이 증가
○ 전체 사례를 대상으로 초미세먼지 대용 지숫값의 구간별 빈도를 살펴본 결과, 5개 모델별 미래 기후의 FFI는 과거 기후의 FFI 농도 구간과 마찬가지로 30~50μg/m3 범위에 집중
○ 과거와 미래 기후 FFI의 고농도 구간별 빈도수를 비교하면, INM-CM5와 CanESM5 모델은 미래 기후에서 증가하고 나머지 3개 모델은 반대로 감소하는 경향을 보임
4. 인공신경망 분석 방법을 이용한 고농도 미세먼지 사례 발생 패턴 변화 전망
□ 인공신경망 분석 방법을 이용한 초미세먼지 농도 대용 지수 개발
○ 예측 성능 향상을 위하여 요인 분석 방법 외에 인공신경망 분석 방법을 이용하여 초미세먼지 농도 대용 지수를 개발하고자, 겨울철 동안 고농도 및 저농도 사례를 뽑아서, 총 3개의 실험에서 50회씩 반복 예측한 후 R값이 높은 10개의 평균값으로 선정
○ 실험 A의 경우 R값이 0.660~0.0.699로 평균 R값은 0.671을 나타내었으며, 실험 B의 R값은 0.648~0.684로 평균 0.681, 실험 C는 0.710~0.754로 평균 0.731을 확인
○ 인공신경망 실험에서는 한반도 지역과 러시아 지역을 영역 평균한 것보다 서울에서 가장 인접한 격자 1개의 자료를 이용한 것이 더 좋은 결과를 나타내었으며, 예측 성능이 가장 높게 나타난 실험 C를 채택하여 초미세먼지 농도 대용 지수를 구성
Ⅳ. 결론 및 정책적 시사점
□ 연구의 의의 및 한계와 정책적 시사점
○ 배출고정-기상변화 모델링을 활용하여 초미세먼지 농도에 대한 기상변화 기여도를 분석한 결과, 최근에는 상대적으로 미세먼지 농도에 대한 기상 요인의 영향이 비기상 요인의 영향 정도와 비슷한 수준으로, 대기질 관리에서 배출 저감과 더불어 기상변화 고려 필요
○ 본 연구는 기상·기후변화의 영향을 정책적으로 고려할 수 있는 방법을 제시하고, 정책 수요자와 긴밀하게 소통해야 이를 실제 정책 이행 평가 등에 적용한 첫 사례가 됨으로써 향후 보다 세밀한 대기관리 정책 수립 및 평가가 가능할 것으로 보임
○ 나아가 대기질에 미치는 기상과 기후변화의 영향을 실증적으로 평가한 첫 사례가 됨으로 써 기후변화와 대기관리 정책 연계의 중요성에 대한 인식 제고가 있을 것으로 기대
○ CMIP6 5개 모델 중 3개 모델에서 온난화된 미래 기후에서 고농도 발생 빈도가 증가하는 것으로 전망하고, 이에 근거하여 이상 대기질 현상인 고농도 미세먼지 사례 역시 더욱 철저하게 대비해야 할 필요성에 대해 논의하고 관련 정책 강화 제안
○ 기후변화와 대기질의 상호 연관성을 다룬 연구가 본 연구 외에도 활발하게 수행되고 있음을 고려하여, 향후 기후-대기 통합 관리를 목표로 온실가스 저감, 기후변화 적응, 탄소중립 등을 포함하는 기후 관리 정책과 대기 관리 정책과 연계하는 방안을 마련할 것을 제안

다국어 초록 (Multilingual Abstract)

Ⅰ. Background and Necessity of Research
1. Necessity
□ The recent issue of inconsistency in the trend of air pollutant emission and changes of particulate matter (PM) concentration
○ According to the recent implementation of management policies by the Korean government to improve air quality affected by PM, air pollutant emission and (fine) PM concentrations in Seoul have been steadily decreasing since the early 2010s.
○ (Fine) PM concentration tends to stagnate at around the annual average PM_2.5 of 25μg/㎥ while repeatedly increasing or decreasing, in response to which the Korean government proposes strengthened measures to reduce the PM concentration every year.
○ The causes of the current issue of inconsistency between air pollutant emissions and the changes in (fine) PM concentration that has occurred despite the aforementioned efforts should be identified so as to suggest the direction for improving air quality management policy.
□ Relationship between air quality affected by PM and climate
○ Studies showing that meteorology and climate play an important role in the occurrence of air pollutants, including PM, have been conducted globally; based on these studies, the relationship between air quality affected by PM and meteorological changes and climate change should be identified.
○ Several studies have been carried out to reveal the relationship between PM concentration and meteorological conditions and climate change; however, studies that clearly explain the relationship between climate change and air quality affected by PM in Korea are lacking.
○ Suggestions derived from specific base data based on the scientific analysis and quantitative evaluation of the influence of weather and climate are required to develop policy application measures.
□ Quantitative analysis of the influence of climate on air quality affected by PM is needed to establish sophisticated PM management measures.
○ There are only a few studies among those ongoing that attempt to derive policy implications by identifying the relationship between air quality and climate, for example, by revealing the impact of climate change on air quality or predicting air quality concentrations in future climate change scenarios.
○ This study identified the relationship between PM concentration and weather/climate change based on the analysis of meteorological factors causing changes in PM concentration. Also, this study estimated how meteorological changes contribute to PM concentration and predicted future changes in PM concentration according to future climate change scenarios, based on which scientific data for the development of PM management policy was constructed and policy implications and policy improvement measures were proposed.
□ Research objectives and main research content
○ Development of indicators of PM affected by weather and the analysis of future patterns of air quality affected by PM using the developed indices for analyzing the prospect of changes in high PM concentrations in future climate conditions.
○ Prediction of PM concentration changes taking into account climate change and emission reduction goals according to the future climate change scenarios for predicting the changes in meteorological impact on PM concentration in future climate conditions.
○ Deriving policy implications from the prediction results of air quality affected by PM due to climate change.
Ⅱ. Predicting Changes in the Impact of Weather on the Annual Average PM Concentration in Future Climate
1. Research outline and methodology
○ This study aimed to identify the impact of meteorological change on fine PM concentration due to future climate change.
○ To identify the impact of changes due to climate change, seven years before and after the base year (2010) and the target year for achieving carbon neutrality (2050) have been set as the study periods.
○ Similar to the second-year research, only the influence of meteorological changes due to the present and future climate change has been analyzed, assuming that there is no change in emissions.
2. Changes in the domestic meteorological indices due to future climate change
○ To predict meteorological impact on the annual average PM concentration, domestic meteorological changes according to each index (temperature and wind speed) were analyzed based on a future climate scenario (RCP8.5).
○ The average temperature increases by 0.96% in the 2030s and 10.1% in the 2050s compared to the 2010s, while the average wind speed decreases by 0.69% in the 2030s and 0.68% in the 2050s.
○ Temperatures increase in all seasons until the 2050s; in particular, fall temperatures constantly increase. Summer and fall wind speeds show a decreasing trend. However, it is predicted that there may be no significant changes in the annual average wind speed as spring and winter wind speeds tend to increase. The number of stagnation days increases in all seasons in the 2050s compared to the 2010s.
3. Analysis of the impact of meteorological changes on fine PM concentration in future climate
○ The distribution of average concentration of fine PM in the 2010s and the 2050s (reflecting a future climate scenario) due to climate change and the difference of PM concentrations between the 2010s and the 2050s show that PM_2.5 concentration will decrease by -6% in the 2050s. Thus, it can be predicted that the average concentration level will drop.
○ Foreign influence on the fine PM concentration decreases by 8.6% while domestic contribution decreases by 1.6%, showing that domestic contribution is relatively greater in terms of the meteorological impact on fine PM concentration compared to the 2010s.
○ The number of days with fine PM concentration exceeding three times the average in the 2010s decreases, while the number of days with extreme concentration exceeding four times average increases (approximately by 24%). This implies that whereas the fine PM concentration is reduced under average meteorological conditions, days with very high concentration of fine PM increase, showing polarization.
○ Fine PM concentrations decrease in the 2050s compared to the 2010s in all seasons except summer (where they increase by approximately 4%).
Ⅲ. Patterns in High Fine PM Concentrations in Future Climate
Conditions
1. Method for analyzing changes in the occurrence of high PM concentrations in future climate conditions
□ Necessity to develop FFI using factor analysis
○ In the future situation, since there is no observed value of fine PM, it is necessary to create an FFI that can represent the fluctuation characteristics of PM based on the relationship between fine PM concentration and weather to identify the changes.
○ Major factors of meteorological conditions related to fine PM concentration are extracted using factor analysis, and a multiple regression model that uses these factors as variables is constructed to perform FFI development.
2. Results of developing fine PM FFI using the factor analysis method
□ FFI estimation method and analysis data
○ High- and low-concentration cases in winter between 2006 and 2014 were selected, and daily average PM_2.5 concentrations in Seoul during this period were used for analysis.
○ As meteorological data, temperature, geopotential height, U, V, and so on by daily anomaly values (1,000 hPa, 850 hPa, and 500 hPa) in the re-analyzed meteorological data in NCEP reanalysis Ⅱ were used.
○ The analysis area included the region where the Ural blocking (50~70°N, 65~95°E) occurs and the Korean peninsula (30~50°N, 110~140°E).
□ Factor analysis for FFI estimation
○ According to the multiple regression model comprised of major factors, models 2 and 3 have the highest prediction accuracy; in particular, PM_2.5 is affected by factors 1 to 6.
○ Major meteorological components by factor related to high PM_2.5 concentration were analyzed (see Table 1).
○ High concentration cases accounted for more than 80% of the cases comprising the top 10% of the factors 2, 3, and 6; in the case of the factor 2, the occurrence of high concentration was predicted with 100% accuracy. Based on this, the components of factors 2, 3, and 6 were confirmed as being closely related to high concentration.
□ Confirmation of the applicability of FFI based on past meteorological data
○ Application of FFI values to past climate conditions using the developed FFI.
○ Five models of CMIP6 were used as the climate data. These five models were INM-CM5-0, CanESM5, NorESM2-MM, BCC-CSM2-MR, and EC-Earth3, and historical data were used for each model.
○ The FFI values of historical run of Reanalysis (NCEP-DOE reanalysis Ⅱ) and five CMIP6 models have no significant difference with the number of days with high PM concentrations (observed values) and the average PM concentration of the days when high concentration occurred.
○ In general, there was a high frequency in the high concentration section
of the fine PM (≥ 20μg/㎥and ＜ 60μg/㎥) in the CMIP6 models and FFI of the reanalysis(NCEP-DOE reanalysis Ⅱ). However, the 10~40μg/㎥section showed the highest frequency in the observed data, confirming that FFI can assume normal days as high concentration cases.
3. Analysis of changes in the high fine PM concentration in future climate conditions using FFI
□ Data analysis and methodology
○ The study period was winter seasons of the nine years between 2046 and 2054, similar to the period for index development, and the climate data used for analysis were SSP5-8.5 scenario data for five models of CMIP6.
□ Analysis results of changes in high fine PM concentration occurrence in future climate conditions using FFI
○ To apply FFI values to future climate, the SSP5-8.5 scenario of five CMIP6 models was used to recalculate the values of six factors of the reanalysis field.
○ The frequency of high concentration events increased in three models (INM-CM5-0, CanESM5, and BCC-CSM2-MR), whereas NorESM2-MM and EC-Earth3 showed the same and decreased occurrence, respectively. The average values in days with high concentration increased in CanESM5 and BCC-CSM2-MR, whereas they decreased in NorESM2-MM and EC-Earth3. Thus, it was confirmed that in the case of the model where the number of days with high concentration increases in future climate, the average concentration tends to decrease.
○ All five models showed great fluctuations in the number of days with high concentration in both the past and future climates. Models CanESM5, NorESM2-MM, and EC-Earth3 showed an increasing trend in the frequency of high concentration events by year in the past climate; models CanESM5, NorESM2-MM, BCC-CSM2-MR, and EC-Earth3, however, showed an increased range of fluctuation by year in the frequency of high concentration events in the future climate.
○ Upon examining the frequency of each section of the FFI value for all cases, it was found that the FFI values of the future climate for each of the five models are concentrated in the range of 30~50μg/m³, similar to the FFI concentration section of the past climate.
○ Comparing the frequency of each high concentration section of the past and future climates, the INM-CM5 and CanESM5 models showed an increasing tendency in the future climate; however, on the contrary, the other three models showed a decreasing trend.
4. Predicting changes in the patterns of high PM concentration events using artificial neural network analysis
□ Development of FFI using artificial neural network analysis
○ To improve prediction accuracy, artificial neural network analysis in addition to factor analysis was used for the development of FFI; high and low concentration cases in winter were selected, and after a total of 50 repeated predictions for each of three experiments (Experiment A, B, and C), the average of ten with high R values was selected.
○ The R values ranged between 0.660 and 0.699 (mean=0.671) in Experiment A, 0.648~0.684 (mean=0.681) in Experiment B, and 0.710~0.754 (mean=0.731) in Experiment C.
○ In the artificial neural network experiment, a better result was obtained when data of the single grid closest to Seoul was used than area average data of the Korean Peninsula and Russia. Experiment C, which showed the highest prediction accuracy, was selected to construct FFI.
Ⅳ. Conclusions and Policy Implications
□ Significance and limitations of study and policy implications
○ By confirming the contribution of meteorological changes to fine PM concentrations through emission fixed-meteorological change modeling, we have proved that the contribution of meteorological factors to the PM concentration is at a similar level to that of non-meteorological factors in recent years. Therefore, it is necessary to take climate change into consideration in addition to emission reduction for air quality management.
○ This is the first case to propose policy measures that take into account impacts of meteorological changes and climate change and to apply the result to the evaluation of policy performance through close communication with the stakeholders. In the future, more detailed development and assessment of air quality policy will be possible.
○ Moreover, it is expected that this study will contribute to raising the awareness of the importance of linking climate change and air management policy as the first case to practically evaluate the impact of meteorological changes and climate change on air quality.
○ As three models among five CMIP6 models predicted an increase in the frequency of high PM concentration events in a future warmer climate, the necessity of strengthened response to high PM concentrations which are an abnormal atmospheric phenomenon should be actively discussed and relevant policy measures should be strengthened.
○ Considering that a number of studies including this study have reported on the correlation between climate change and air quality, it is proposed that measures to link climate management policies (e.g., greenhouse gas reduction, climate change adaptation, and carbon neutrality) and air management policies be prepared with the aim of integrating climate management and air management in the future.