search
Contact Us
HOME

  • Crossref logo
  • Crossref Similarity Check logo
Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1229-3857(Print)
ISSN : 2288-131X(Online)
Korean Journal of Environment and Ecology Vol.39 No.5 pp.532-541
DOI : https://doi.org/10.13047/KJEE.2025.39.5.532

Study on Vegetation Structural Variables Affecting Particulate Matter Concentration in Roadside Buffer Green Spaces1a

Tae-Young Choi2, Da-In Kang3, Jae-Gyu Cha4*
2Ecosystem Services Team, National Institute of Ecology, Seocheon 33657, Korea (ty_choi2016@nie.re.kr)
3National Ecosystem Survey Team, National Institute of Ecology, Seocheon 33657, Korea (kangdi@nie.re.kr)
4Climate Change Adaptation Team, National Institute of Ecology, Seocheon 33657, Korea (flow@nie.re.kr)

a 이 논문은 국립생태원에서 지원하는 연구비(NIE-B-2025-03, NIE-기반연구-2019-08)에 의하여 연구되었음.


* 교신저자 Corresponding author: flow@nie.re.kr
17/01/2025 19/08/2025 19/08/2025

Abstract


This study investigated the green structure and airborne PM10 concentration (1.5 m above ground) in roadside buffer green zones to identify structural factors of buffer green that affect PM10 concentration. PM10 concentration measured in 10 buffer green zones was compared and analyzed with the PM10 concentration on the roadside, and the relative PM10 index (RPM10) was calculated. A positive value for RPM10 means a lower PM10 concentration of green space, while a negative value means a higher PM10 concentration of green space. The results of measuring PM10 concentration showed that the PM10 concentration on the green area was generally higher than on the roadside. The correlation analysis of green structure variables showed that RPM10 was significantly positively correlated with shrub layer coverage, total tree cover, and shrub layer volume per m2, while no significant correlation was confirmed with average tree height, bole height, planting density, tree layer coverage, and volume per m2. Moreover, RPM10 in areas where the space behind the buffer green area was blocked was lower than in areas where it was empty. The regression analysis results showed that RPM10 in areas where the space behind the buffer green area was blocked was lower than in areas where it was empty (B=-.123, P=.000) and that RPM10 increased as the shrub layer volume (B=.674, P=.004) and bole height (B=.072, P=.015) increased. The higher PM10 concentration measured in the buffer green zone is believed to be the result of PM10 being blocked and stagnant in the green zone. Stagnant PM10 is removed inside the green area, contributing to reducing external PM10 concentration. The analysis revealed that planting shrubs and arranging low bole height trees and sub-trees is advantageous in blocking the flow of fine particulate matter. These results can be considered for a vegetation strategy to reduce fine dust concentrations when establishing future roadside buffer green spaces, as well as urban park and green space plans.


FIELD INVESTIGATION , TREE COVERAGE AND VOLUME BY VEGETATION LAYER , TREE BOLE HEIGHT , SHRUB LAYER

도로변 완충녹지에서 미세먼지 농도에 영향을 주는 녹지구조 변수에 관한 연구1a

최태영2, 강다인3, 차재규4*
2국립생태원 생태계서비스팀 전임연구원
3국립생태원 자연환경조사팀 전임연구원
4국립생태원 기후변화적응팀 선임연구원

초록


본 연구는 도로변 완충녹지에서 녹지구조와 공기 중 미세먼지 농도(지상 1.5m 지점)를 조사하여 미세먼지 농도에 영향을 주는 완충녹지의 구조적 요인을 파악하고자 하였다. 총 10개소의 완충녹지에서 측정된 미세먼지 농도를 도로측 미세먼지 농도와 비교한 상대농도지수(Relative PM10 Index: RPM10)를 산출하였다. RPM10이 양의 값이면 녹지의 농도가 더 낮고, 음의 값이면 녹지의 농도가 더 높음을 의미한다. 미세먼지 농도 측정 결과 도로측과 비교하여 녹지측의 미세먼지 농도가 전반적으로 높았다. 녹지구조 변수와 상관분석 결과 RPM10은 관목층 피도, 전체 수목 피도, ㎡당 관목층 체적과 양의 상관성이 유의하였고, 평균 수고, 지하고, 식재 밀도, 교목층의 피도와 ㎡당 체적 등은 유의한 상관성을 확인할 수 없었다. 또한 완충녹지 배후공간이 막혀있는 곳의 RPM10이 비어있는 곳보다 낮은 차이가 인정되었다. 회귀분석 결과 완충녹지 배후공간이 막힌 곳에서는 빈 곳보다 RPM10이 낮아지고(B=-.123, P=.000), 관목층 체적(B=.674, P=.004)과 수목 지하고(B=.072, P=.015)가 증가하면 RPM10이 높아지는 것으로 파악되었다. 완충녹지에서 측정된 더 높은 미세먼지 농도는 녹지에서 미세먼지가 차단·정체된 결과로 판단된다. 정체된 미세먼지는 녹지 내부에서 제거되어 외부 미세먼지 농도 감소에 기여한다. 분석결과 관목층 식재 및 지하고가 낮은 교목·아교목층 수목의 배치는 미세먼지의 흐름 차단에 유리한 것으로 나타났다. 이러한 결과는 향후 도로변 완충녹지 조성뿐만 아니라 도시공원·녹지 계획의 수립 시 미세먼지 저감을 위한 식재 전략으로 고려될 수 있다.


현장 조사 , 층위별 피도 , 체적 , 수목 지하고 , 관목층

    서 론

    미세먼지는 인체에 유입되어 염증 반응, 조직 손상을 일으켜 심뇌혈관질환, 폐질환, 폐암 등 다양한 건강 문제를 초래할 수 있다. 장기간의 미세먼지 노출은 자연사망률과 특정질환으로 인한 사망률을 모두 증가시키는 것으로 보고되고 있다(Chen and Hoek, 2020). 미세먼지의 건강 영향과 다양한 사망 질환과의 연관성은 지속적으로 밝혀져 왔으며(Dockery et al. 1993;Xing et al. 2016), 2015년 기준 전 세계 총 사망의 7.6%(420만 명)가 초미세먼지 노출로 인한 것으로 추정되었다 (Cohen et al., 2017). 더불어 2021년 기준 전 세계 초미세먼지 농도가 세계보건기구(WHO)의 권고 기준을 충족하면 인류의 평균 기대 수명이 2.3년 증가할 수 있다는 분석결과도 보고되 었다(Greenstone et al., 2022).

    국내 미세먼지 농도는 2019년을 기준으로 연평균 PM10이 41㎍/㎥, PM2.5가 23㎍/㎥를 기록하여 PM10은 국내 대기환경기준인 50㎍/㎥ 이하를 만족하였지만, PM2.5는 기준치인 15㎍/㎥ 이하를 초과하였다(NIER, 2020). 이는 WHO 권고 기준(WHO, 2021)인 PM10 15㎍/㎥ 이하, PM2.5 5㎍/㎥ 이하를 현저히 초과하는 상황이며, 미세먼지의 인체 위해성과 기준치를 초과하고 있는 국내 미세먼지 농도 상황을 고려할 때 미세먼지 농도 저감을 위한 지속적인 노력이 요구된다.

    도시는 미세먼지 발생원이 집중되어 있고, 많은 인구가 거주하여 미세먼지로 인한 위험에 노출되기 쉽다. 특히 자동차의 타이어 마모나 배기가스로 인해 발생되는 도로발 미세먼지 (Kim, 2010)는 도시에 넓게 분포한 도로와 많은 통행량으로 인해 주요한 관리 대상이다. 도로이동오염원은 서울시 미세먼지 배출량의 40%를 차지한다고 보고된 바 있으며(NIER, 2015), 가로공간은 이용자가 집중되기 때문에 미세먼지의 위험성이 더욱 높다.

    도시에서 녹지는 공기 중에 부유하는 미세먼지의 흐름을 차단하고, 녹지 내에서 제거하여 녹지 외부의 미세먼지 농도 감소에 기여한다(Choi et al., 2023). 이는 건식 침적(Dry deposition)의 과정으로 발생되며, 녹지에 유입된 미세먼지 입자는 수목에 의해서 차단(intercept), 침강(sedimentation), 흡착(adsorption) 및 기공에서 흡수(intake) 등 복합적인 기작을 통해 제거된다(Petroff et al. 2008;Janhall 2015;Song et al., 2015). 이와 같은 저감 작용은 녹지 내부에서 미세먼지가 차단 및 포집되어 높은 미세먼지 농도가 관찰되고(Nguyen et al., 2015;Liu et al., 2015), 수목 밀도가 증가할수록 차단된 미세먼지로 인해 녹지 내부 농도가 상승하며(Gromke et al., 2008;Salim et al., 2011), 수목의 엽면적 증가는 미세먼지 제거율을 높이는 데 기여한다는 연구 결과(Freer-Smith et al., 2005;Bowker et al., 2007)를 통해 제시되었다. 이러한 연구 들은 미세먼지 저감에 있어 수목 밀도와 엽면적과 같은 녹지의 양적 중요성을 강조한다.

    도로 환경에서 미세먼지 저감을 위해서는 도로를 따라 선형으로 조성된 녹지의 역할이 중요하다. 특히 폭이 넓고 녹지의 양이 풍부한 완충녹지는 미세먼지 저감에 효과적이라는 점이 다수의 해외 실증연구를 통해 보고되었다(Islam et al. 2012;Jieqing et al., 2017). 관련 연구는 녹지의 폭, 식생 밀도, 피도 등 지표 외에도 층위구조에 따른 미세먼지 저감 효과의 차이를 밝히고 있다(Chen et al. 2015;Wang et al., 2020;Chen et al., 2021;Wang et al., 2021;Liu et al. 2022).

    국내에서도 미세먼지와 녹지 관련 실증 연구는 산림(Choi et al. 2022), 도시공원(Koo, 2019), 도시숲(Lee et al. 2024), 실내식물(Oh et al. 2024)에 관한 연구와 수종별 미세먼지 흡착량에 관한 연구(Jin et al. 2021;Son et al. 2022;kwak et al. 2023) 등으로 다양하게 이루어지고 있다. 그러나 도로 환경에서는 가로녹지(Hong et al. 2018)와 완충녹지(Hwang et al. 2018) 연구 등 일부 사례에 국한되어 복잡한 도로 환경을 대상으로 다양한 녹지의 효과를 규명하는 연구가 지속적으로 필요하다.

    이러한 배경에서 본 연구는 도로변에서 폭이 넓고 녹지 양이 많은 완충녹지를 대상으로, 완충녹지 식생 층위별 피도, 밀도, 체적 등의 구조적 변수가 실측된 미세먼지 농도에 미치는 영향을 분석하였다. 이를 통해 도로 미세먼지 저감에 효과적인 완충 녹지 조성 요인을 제안하고자 하였다.

    연구방법

    1. 연구대상지

    연구대상지는 경기도 수원시의 도로변 완충녹지 총 10개소를 대상으로 하였다(Figure 1). 완충녹지는 폭이 10m 이상으로 넓고, 지면이 마운딩 구조로 조성된 형태의 녹지를 선정하였다. 이러한 완충녹지는 주로 대로변에 접한 대규모 아파트 단지 주변에 위치하며, 조성된지 오래되어 녹지가 잘 발달된 지점을 선정하고자 하였다. 이를 위하여 준공 후 20~30년 이상 경과된 아파트 단지 주변의 완충녹지를 현장 확인하여 최종적으로 선정하였다.

    왕복 10차선인 수원시 덕영대로변에 위치한 완충녹지에서 A, B, E, F, G, H지점 총 6개소를 선정하였고, 왕복 10차선의 봉영로에서 2개소(C, D지점), 왕복 6차선의 대평로에서 2개소(I, J지점)를 선정하였다. 연구대상지 10개소는 전체적으로 차도와 인접하여 1~2m 폭의 가로수 식재공간과 일부 띠녹지가 위치하였고, 이에 인접하여 4~6m 폭의 보도와 자전거도로 가 위치하였다. 여기에 인접하여 위치한 완충녹지는 폭 10~20m이었고, 전체적으로 바닥 지형이 높이 1~2m 정도의 마운딩된 형태로 조성되었다. 주요 식재 수종은 교목층에 스트로브잣나무, 메타세쿼이아, 단풍나무, 느티나무, 벚나무 등과 관목층에 회양목, 영산홍 등이었다(Table 1).

    2. 조사분석

    도로변 완충녹지의 구조적이고 양적인 특성과 녹지 내 미세 먼지 농도 변화의 관계성을 분석하기 위하여 완충녹지의 식재 구조를 조사하였다. 식재구조는 식재 수목 층위별 물리적 크기를 정량적으로 파악하기 위하여 총 10개소의 완충녹지에 대해 각각 길이 20m×각 녹지 폭 크기의 방형구(Quadrat)를 설정하여 조사하였다. 조사구 내 분포한 수목 중 교목층, 아교목층은 흉고직경 2㎝ 이상 수목의 종명, 흉고직경, 수고, 지하고, 수관 폭을 측정하였고, 관목층은 흉고직경 2㎝ 이하 또는 수고 2m 이하 수목의 수종, 수고, 수관폭을 조사하였다. 이를 토대로 조사구별 식재 수목의 평균 수고와 지하고, 식재밀도 및 층위별 피도와 수관 체적을 산출하였다. 층위별 피도는 목본수종의 수관투영면적을 합산하여 백분율로 나타내었고, 층위별 체적은 각 수목의 수관용적의 합계를 단위면적당 산출하였다.

    미세먼지 농도 측정 지점은 완충녹지에서 미세먼지 농도가 감소되는 정도를 도로측과 비교하여 분석하기 위해 완충녹지 배후 경계부에 1개 지점과 이에 최근접한 도로측에 1개 지점을 선정하였고, 전체 완충녹지 10개소에서 총 20개 지점의 미세먼지 농도를 측정하였다. 미세먼지 농도 측정 장비는 다수의 연구에서 양호한 데이터 품질이 확인된 광산란 방식의 Nova PM Sensor SDS011을 사용하였다(Jayaratne et al., 2020;Mei et al., 2020;Božilov et al., 2022). 녹지측과 도로측을 하나의 조합으로 하여 동시 측정될 수 있도록 측정 장비 2대를 성인 호흡 높이를 고려한 지상 약 1.5m 높이에 설치하였고, 측정일에 24시간 연속 측정된 1초당 PM10 농도를 일평균 자료로 변환하여 분석에 사용하였다. 측정 시기는 2019년 6~8월에 각 완충녹지별로 4~8일간 측정하였고, 측정 결과 미세먼지 농도에 이상치가 발생한 측정지점의 측정일은 분석에서 제외하였다 (Table 1).

    도로측 미세먼지 농도와 비교하여 녹지측 미세먼지 농도의 상대적인 차이를 나타내는 상대농도지수(Relative PM10 Index: RPM10)를 식(1)과 같이 계산하였다. RPM10이 양수 이면도로측 대비 녹지측의 농도가 더 낮고, 음수이면 녹지측의 농도가 더 높음을 의미한다. RPM10에 영향을 주는 완충녹지의 구조적 특성을 파악하기 위해 완충녹지 조사구별 녹지구조 변수와 RPM10의 상관분석 및 회귀분석을 실시하였다. 또한 도로 환경에서 미세먼지 농도가 녹지의 통기성이나 건물 배치 등과 관련이 있다는 기존 연구(Abhijith et al., 2017;Wang et al., 2021)를 참고하여 완충녹지 배후 공간이 비어있거나 (Open) 또는 건물이나 녹지 등으로 막혀있는 경우(Closed)에 따른 RPM10의 차이를 분석하였다. 명목 변수인 배후 공간 현황에 따른 농도 차이는 Open 그룹의 비정규성(Shapiro- Wilk test, p < 0.05)을 고려하여 Mann-Whitney U 검정을 실시하였다. 완충녹지 구조에 관한 비율 변수와 RPM10의 상관관계는 녹지구조 변수의 비정규성(Shapiro-Wilk test, p < 0.05)을 고려하여 스피어만 상관(Spearman correlation) 분석을 실시 하였다. 회귀분석은 이상의 분석 결과를 고려하여 독립변수를 선별하고 다중선형회귀분석을 실시하였다.

    R P M 10 = R o C − G r C R o C
    (1)

    • RPM10: Relative PM10 Index

    • RoC: Roadside PM10 Concentration

    • GrC: Green space PM10 Concentration

    결 과

    1. 완충녹지 식재구조 현황

    도로변 완충녹지 10개소에 대해 현장조사를 통해 구축한 총 10개 식재구조 변수 현황은 Table 2와 같다. 완충녹지 배후지역의 공간 점유 현황(Rear space)은 녹지나 건물이 위치한 닫힌 지역(Closed)이 5개소, 비어있는 열린 지역(Open)이 5개소로 조사되었다. 완충녹지에 식재된 교목·아교목층 수목의 평균 수고는 7.7~12.1미터, 평균 지하고는 3.2~5.2미터였다. 100제 곱미터당 식재 주수는 4.44~10.48주이었다. 교목·아교목층 수목의 피도는 43.6~87.5%, 관목층 수목의 피도는 0.6~18.2%, 전체 피도는 51.9~92.9%이었다. 교목·아교목층 수관의 ㎡당 체적은 1.30~3.29㎥, 관목층은 0.01~0.19㎥, 전체는 1.41~3.31㎥ 로 조사되었다.

    2. 지점별 미세먼지 농도 현황

    도로변 완충녹지 10개소의 완충녹지측과 도로측에서 각각 측정된 미세먼지 농도 측정 결과를 그래프로 나타내었다(Figure 2). 도로측과 완충녹지측 미세먼지 농도 비교 결과 대체로 도로측보다 완충녹지측의 미세먼지 농도가 높았다. Wilcoxon 부호 순위 검정을 통해 미세먼지 농도 차이를 비교한 결과 전체적으로 도로측보다 완충녹지측의 미세먼지 농도가 높은 것을 확인하였다(p=.000). 전체 56개 표본 중 완충녹지측의 미세먼지 농도가 더 높은 표본은 37개, 반대로 도로측이 더 높은 표본은 19개였다. 세부 지점별로 살펴보면 도로측보다 완충녹지측의 미세먼지 농도 평균이 높은 지점은 7개소(Site: A, B, D, E, F, G, H)였고, 도로측이 더 높은 지점은 3개소(Site: C, I, J)였다. 이 중 B(p=.046), E(p=.017), J(p=.012)지점은 통계적으로 유의한 차이가 인정되었다(Table 3).

    3. 미세먼지 농도 차이에 대한 완충녹지 구조 변수의 영향

    완충녹지 10개소의 일별 미세먼지 농도를 활용하여 산출된 도로측 대비 녹지측의 상대적 농도 차이를 나타내는 상대농도 지수(RPM10)를 그래프로 나타내었다(Figure 3). RPM10이 0보다 작은 곳은 완충녹지측의 미세먼지 농도가 도로측보다 높은 지역이며 RPM10의 평균값으로 보았을 때 Table 3에서 확인한 바와 같이 총 7개소로 확인되었다. RPM10의 평균은 E지점이 –0.13(-13%)로 가장 낮았고, B, F지점은 -0.12(-12%), D, H지점은 –0.10(-10%), G, A지점은 각각 –0.09(-9%)와 – 0.06(-6%)이었다. RPM10이 0보다 큰 곳은 3개소로 I지점은 RPM10 평균이 0.003(0.3%)이었고, J지점은 0.03(3%), C지 점은 0.08(8%)이었다. 완충녹지 10개소에서 RPM10은 0 이하에 더 우세하게 분포하여 전반적으로 완충녹지측의 미세먼지 농도가 도로측보다 높은 것을 확인하였다. 전체 10개 지점의 RPM10 평균은 –0.061로 산출되어 완충녹지측 미세먼지 농도가 도로측에 비해 약 6.1% 높았다.

    9가지 완충녹지 구조 변수와 RPM10의 상관분석 결과는 Table 4와 같다. 분석 결과 관목층 피도(r=.395, p<.01)와 전체 수목 피도(r=.485, p<.001) 및 ㎡당 관목층 체적(r=.430, p<.001)은 RPM10과 양의 상관관계임을 확인하였다. 반면 교목·아교목층 피도와 ㎡당 체적, 전체 수목의 ㎡당 체적 및 평균 수고와 지하고, 식재 밀도는 유의한 상관관계를 확인할 수 없었다. 배후공간 현황에 따른 농도차이 분석 결과 그룹간 유의한 차이가 인정되었다(U=604, p<.001). RPM10 중앙값은 배후공간이 열린 그룹(Open)이 0.006, 막힌 그룹(Closed)이 –0.108이었다. 따라서 완충녹지에서 미세먼지 농도는 층위별 피도나 체적과 관련이 높고, 배후공간이 막히면 농도가 더 높은 것을 확인하였다.

    RPM10에 대해 완충녹지 구조 변수가 미치는 인과적 영향을 확인하기 위하여 다중선형회귀분석을 실시하였다(Table 5). 녹지구조 변수는 상관분석 결과 및 변수간 다중공선성을 고려하여 미세먼지 농도에 영향을 줄 것으로 판단되는 배후 현황, 수목 층위별 체적, 수목 지하고를 선정하였다. 분석결과 회귀계수 중 배후 현황(p=.000), 관목층 체적(p=.004), 수목 지하고(p=.015)는 RPM10에 유의한 영향을 주는 것을 확인하였으나, 교목·아교목층 체적(p=.108)은 유의성이 인정되지 않았다. RPM10은 배후공간이 막힌 경우 열린 곳보다 –0.123(-12.3%) 만큼 낮아지고(B=-.123), 관목층 체적(B=.674)과 수목 지하고(B=.072)가 증가하면 RPM10도 증가하는 영향을 주는 것으로 파악되었다. 회귀계수의 영향력은 배후 현황(β=-.630)이 가장 컸고, 다음으로 관목층 체적(β=.538)과 수목 지하고(β =.534) 순이었다. 회귀모형은 통계적 유의성이 인정되었고(F=6.138, p=.000), VIF 지수 10미만, 공차한계 0.1이상으로 독립변수간 다중공선성이 없는 것으로 확인되었다. 또한 Durbin-Watson 통계량 1.876(p=.165)으로 잔차의 독립성 가정을 만족하였다. 회귀모형의 설명력은 32.2%이었다(Adjusted R2=.322).

    고 찰

    도로 협곡은 양쪽에 건물이 늘어선 비교적 좁은 거리를 말하며(Nicholson, 1975), 건물이 자연 환기를 방해하여 높은 미세먼지 농도가 종종 발생한다(Tomson et al., 2021). 협곡의 높이를 너비로 나눈 값으로 유형을 나눌 수 있는데 값이 1이면 일반 협곡, 0.5미만이면 넓은 협곡, 2이면 깊은 협곡이라 할 수 있고(Vardoulakis et al., 2003), 이 값이 클수록 오염물질의 농도가 높은 것으로 밝혀졌다(Qin et al., 2020;Wang et al., 2020). 연구대상지는 왕복 10차선의 대로변에 위치하며(I, J지점은 6차선), 전체 완충녹지 10개소의 폭은 가로수와 보도 등을 제외하면 평균 14.2m의 비교적 넓은 크기이고 고밀 개발된 수원시 안에서 드물게 확인되는 장소이다. 도로 협곡의 유형으로 보면 본 대상지는 넓은 협곡에 가깝고 도로변에 대규모 아파트 단지나 학교, 공원 등 개방된 공간이 곳곳에 위치하여 오염농도의 상승이 발생하는 도로 협곡의 구조는 아닌 것으로 판단된다.

    완충녹지 배후공간은 미세먼지 농도에 영향을 주는 주요 변수로 도출되었는데, 배후공간이 건물이나 녹지 등으로 막혀있으면 완충녹지로 유입된 미세먼지 입자의 확산을 방해하여 완충녹지측의 공기 중 미세먼지 농도가 높게 나타나는 것으로 판단된다. 이와 관련하여 Chen et al.(2015)은 도로변 녹지에 서 수목의 잎이 조밀하여 녹지의 투과성이 낮아질수록 미세먼지 입자를 차단하는 효과가 높아짐을 밝혔고, Liu et al.(2015) 는 낮동안 산림 내 미세먼지 농도가 비산림보다 높게 측정된 결과를 산림 식생이 먼지 입자의 확산 속도를 낮추고 머물게 하였기 때문이고, 이후 야간에는 침적과 흡수 작용으로 입자가 제거된다고 하였다. 또한 이러한 산림 내 미세먼지 농도 상승은 수관 밀도와 엽면적지수의 증가와 관련이 높다고 하였다. 도로변 가로녹지에서도 녹지가 미세먼지 확산을 차단하여 미세먼지 농도를 높였고(Hong et al. 2018), 수관 밀도가 증가할수록 녹지 내 미세먼지 농도가 증가하였다고 보고되었다(Wang et al. 2020).

    결국 완충녹지에서 막힌 배후공간이나 조밀한 식생의 분포는 미세먼지 입자를 차단, 포착하기에 유리하여 외부 미세먼지 농도 개선에 기여한다고 할 수 있다. 높은 영향력을 나타낸 변수인 수목 지하고도 같은 맥락에서 해석되어 지하고가 높으면 수관층 하부에서 먼지 입자의 이동이 개선되어 그에 따라 녹지 내 지상 1.5m에서 측정된 미세먼지 농도가 감소되는 것으로 판단된다. 다수의 연구에서 도로변에 위치한 관목은 미세먼지 저감에 효과가 있다고 보고된 바와 같이(Wania et al., 2012;Chen et al., 2015;Li et al., 2016;Abhijith et al., 2017) 본 연구에서도 관목층 체적은 미세먼지를 저감하는 주된 요인으로 도출되었다. 녹지로 유입된 미세먼지 입자는 관목 층에서 차단·포착되어 측정 높이(지상 1.5m) 지점의 미세먼지 농도를 낮추는 데 유리한 것으로 판단된다.

    대로변에 위치한 폭이 넓은 완충녹지는 공기 중의 미세먼지의 이동을 차단하고, 녹지 내 정체된 미세먼지는 침적과 흡수 등 기작을 통해 제거될 수 있다. 본 연구 결과 미세먼지의 흐름을 차단할 수 있는 녹지 조성이 중요하며 특히 관목층의 식재량을 늘리는 것이 효과적인 것으로 파악되었다. 이러한 결과는 미세먼지 저감을 위한 도로변 녹지 조성 시에 유용한 정보로 활용될 수 있다. 많은 연구에서 도시의 나무를 이용한 대기질 개선이 배출량 제어 등의 다른 방법과 비교해 비용 효율적이며 (McPherson et al., 1994;Escobedo et al., 2008), 이를 포함한 도시녹지의 다양한 혜택을 입증하고 있어(Dwyer et al., 1992;Roy et al., 2012) 향후 다양한 도시 구조와 녹지 유형에서 효과를 규명하면 도시 그린인프라 전략을 수립하는데 기여할 수 있을 것이다.

    완충녹지는 외부 대기질 개선에 기여하지만 녹지 내부의 미세먼지 농도가 상대적으로 높은 경향이 확인되었다. 이는 완충 녹지가 도시민의 휴식 및 여가 공간으로 활용될 경우, 이용자의 건강에 부정적일 수 있음을 의미한다. 따라서 완충녹지 이용에 신중한 접근이 요구되며, 고농도 시기의 이용 제한, 고밀도 녹지의 이용 조절, 이용 목적의 저밀 녹지 조성 등 상황별 대응 방안 마련이 필요하다.

    본 연구는 도로변 완충녹지를 대상으로 한 사례 연구로 향후 다양한 도로 환경과 녹지 구조에 대한 후속 연구가 필요하다. 연구대상은 수원시의 대로변에서 녹지 폭이 10m 이상으로 넓고, 마운딩 구조를 갖춘 완충녹지로 한정하였으나, 이러한 유형의 녹지는 도시 내에서 드물게 나타나며, 현재 선정된 10개소 만으로는 연구결과의 일반화에 한계가 있을 수 있다. 향후에는 대상 도시 및 조사 지점을 확대하여 연구의 신뢰도와 타당성을 높이는 작업이 요구된다. 또한 수목의 잎이 성숙한 여름철에 조사된 결과로서 계절에 따른 잎의 성장 상태, 침엽·활엽수 구성, 식재 수종 등에 따른 차이 등 녹지에 관한 다양한 변수의 영향을 규명해야 할 것으로 판단된다. 본 연구는 풍속, 풍향, 습도, 교통량 등 주요 환경 및 인위적 요인을 통제하지 못하여 연구 결과 해석에 제약이 존재한다. 이러한 변수는 미세먼지의 생성과 확산에 영향을 미칠 수 있어 분석 결과에 영향을 줄 가능성이 있다. 따라서 본 연구의 결과는 해당 영향 인자들이 일정하게 유지된다는 가정 하에서 해석되어야 하며, 향후 연구에서는 이러한 외부 요인을 통제하거나 보정할 수 있는 설계가 필요하다.

    Figure

    KJEE-39-5-532_F1.jpg

    Location of sampling sites and cross-sectional diagram of buffer green spaces.

    KJEE-39-5-532_F2.jpg

    Boxplot of PM10 concentration(μg/m3) at each buffer green space, G: green space, R: roadside.

    KJEE-39-5-532_F3.jpg

    Boxplot of relative PM10 index at each buffer green space.

    Table

    Description of sampling sites

    Status of vegetation structure variables at each sample site in buffer green space

    Wilcoxon signed rank test results of PM10 concentration of roadside and buffer green space

    Paired data: Roadside – buffer green space
    aBased on negative ranks
    bBased on positive ranks

    Result of correlation analysis between relative PM10 index(RPM10) and buffer green space structure variables

    *p<.01, **p<.001

    Result of multiple linear regression analysis on relative PM10 index(RPM10) by structure variables of buffer green space

    Dependent variable: Relative PM10 Index, Dummy variable of rear space: 1=closed, 0=open
    F=7.527(p<.001), Adjusted R2=.322, Durbin-Watson=1.8761(p=.165)

    Reference

    1. Abhijith, K.V., P. Kumar, J. Gallagher, A. McNabola, R. Baldauf, F. Pilla, ... and B. Pulvirenti ( 2017) Air pollution abatement performances of green infrastructure in open road and built-up street canyon environments-A review. Atmospheric Environment 162: 71-86.
    2. Bowker, G.E., R. Baldauf, V. Isakov, A. Khlystov and W. Petersen ( 2007) The effects of roadside structures on the transport and dispersion of ultrafine particles from highways. Atmos. Environ. 41(37): 8128-8139.
    3. Božilov, A., V. Tasić, N. Živković, I. Lazović, M. Blagojević, N. Mišić and D. Topalović ( 2022) Performance assessment of NOVA SDS011 low-cost PM sensor in various microenvironments. Environmental Monitoring and Assessment 194(9): 595.
    4. Chen, J. and G. Hoek ( 2020) Long-term exposure to PM and all-cause and cause-specific mortality: A systematic review and meta-analysis. Environment International 143: 105974.
    5. Chen, X., T. Pei, Z. Zhou, M. Teng, L. He, M. Luo and X. Liu ( 2015) Efficiency differences of roadside greenbelts with three configurations in removing coarse particles (PM10): A street scale investigation in Wuhan, China. Urban Forestry & Urban Greening 14(2): 354-360.
    6. Chen, X., X. Wang, X. Wu, J. Guo and Z. Zhou ( 2021) Influence of roadside vegetation barriers on air quality inside urban street canyons. Urban Forestry & Urban Greening 63: 127219.
    7. Choi, S., S.Y. Yoo, J. Yeo and C.R. Park ( 2022) Changes in particulate matter concentration and meteorological variables after changing forest structure in oak-dominated forests nearby highway tollgate. Forest Science and Technology 18(4): 150-159.
    8. Choi, T.Y., D.I. Kang and J.G. Cha ( 2023) Mitigation effect on airborne particulate matter concentration by roadside green space type and impact of wind speed. J. Environ. Impact Assess 32(6): 437-449. (in Korean with English abstract)
    9. Cohen, A.J., M. Brauer, R. Burnett, H.R. Anderson, J. Frostad, K. Estep, ... and M.H. Forouzanfar ( 2017) Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution: An analysis of data from the Global Burden of Diseases Study 2015. The Lancet 389(10082): 1907-1918.
    10. Dockery, D.W., C.A. Pope, X. Xu, J.D. Spengler, J.H. Ware, M.E. Fay, B.G. Ferris and F.E. Speizer ( 1993) An association between air pollution and mortality in six US cities. N. Engl. J. Med. 329(24): 1753-1759.
    11. Dwyer, J.F., E.G. McPherson, H.W. Schroeder and R.A. Rowntree ( 1992) Assessing the benefits and costs of the urban forest. Arboriculture & Urban Forestry(AUF) 18(5): 227-234.
    12. Escobedo, F.J., J.E. Wagner, D.J. Nowak, C.L. De la Maza, M. Rodriguez and D.E. Crane ( 2008) Analyzing the cost effectiveness of Santiago, Chile's policy of using urban forests to improve air quality. J. Environ. Management 86(1): 148-157.
    13. Freer-Smith, P.H., K.P. Beckett and G. Taylor ( 2005) Deposition velocities to Sorbus aria, Acer campestre, Populus deltoides × trichocarpa ‘Beaupré’, Pinus nigra and × Cupressocyparis leylandii for coarse, fine and ultra-fine particles in the urban environment. Environ. Pollut. 133(1): 157-167.
    14. Greenstone, M., C. Hasenkopf and K. Lee ( 2022) Annual update. Air Quality Life Index, 30pp.
    15. Gromke, C., R. Buccolieri, S. Di Sabatino and B. Ruck ( 2008) Dispersion study in a street canyon with tree planting by means of wind tunnel and numerical investigations-evaluation of CFD data with experimental data. Atmos. Environ. 42(37): 8640-8650.
    16. Hong, S.H., R.Y. Kang, M.Y. An, J.S. Kim and E.S. Jung ( 2018) Study on the impact of roadside forests on particulate matter between road and public openspace in front of building site‐Case of openspace of Busan City Hall in Korea. Korean J. Environ. Ecol. 32(3): 323-331. (in Korean with English abstract)
    17. Hwang, K.Iㆍ, B.H. Han, J.I. Kwark and S.C. Park ( 2018) A study on decreasing effects of ultra-fine particles (PM2.5) by structures in a roadside buffer green-A buffer green in Songpa-gu, Seoul. J. KILA 46(4): 61-75. (in Korean with English abstract)
    18. Islam, M.N., K.S. Rahman, M.M. Bahar, M.A. Habib, K. Ando and N. Hattori ( 2012) Pollution attenuation by roadside greenbelt in and around urban areas. Urban Forestry & Urban Greening 11(4): 460-464.
    19. Janhäll, S. ( 2015) Review on urban vegetation and particle air pollution-Deposition and dispersion. Atmospheric Environment 105: 130-137.
    20. Jayaratne, R., X. Liu, K.H. Ahn, A. Asumadu-Sakyi, G. Fisher, J. Gao, ... and L. Morawska ( 2020) Low-cost PM2.5 sensors: An assessment of their suitability for various applications. Aerosol and Air Qual. Res. 20(3): 520-532.
    21. Jieqing, W., Z. Liao, L. Rong, H. Xueling and D. Menghui ( 2017) Effect of plant community structure and road greenbelt width on PM 2.5 concentration. Journal of Engineering Science & Technology Review 10(2).
    22. Jin, E.J., J.H. Yoon, M.S. Choi and C.H. Sung ( 2021) Seasonal changes in the absorption of particulate matter and the fine structure of street trees in the southern areas, Korea: With a reference to Quercus myrsinifolia, Quercus glauca, Quercus salicina, Camellia japonica, and Prunus x yedoensis. J. Korean Soc. For. Sci. 110(2): 129-140. (in Korean with English abstract)
    23. Kim, Y.P. ( 2010) Analysis of the trend of atmospheric PM10 concentration over the Seoul Metropolitan Area between 1999 and 2008. J. Environ. Impact Assess 19(1): 59-74. (in Korean with English abstract)
    24. Koo, M.A. ( 2019) The relationship between particular mater reduction and space shielding rate in urban neighborhod park. J. KILA. 47(6): 67-77. (in Korean with English abstract)
    25. Kwak, M.J., J. Lee, S. Park, Y.J. Lim, H. Kim, S.G. Jeong, ... and S.Y. Woo ( 2023) Understanding particulate matter retention and wash-off during rainfall in relation to leaf traits of urban forest tree species. Horticulturae 9(2): 165.
    26. Lee, B., H.D. Sou, P. Yeon, H. Lee, C.R. Park, S. Choi and S. Park ( 2024) Seasonal characteristics of particulate matter by pollution source type and urban forest type. Applied Sci. 14(21): 9988.
    27. Li, X.B., Q.C. Lu, S.J. Lu, H.D. He, Z.R. Peng, Y. Gao and Z.Y. Wang ( 2016) The impacts of roadside vegetation barriers on the dispersion of gaseous traffic pollution in urban street canyons. Urban Forestry & Urban Greening 17: 80-91.
    28. Liu, C., A. Dai, Y. Ji, Q. Sheng and Z. Zhu ( 2022) Effect of different plant communities on fine particle removal in an urban road greenbelt and its key factors in Nanjing, China. Sustainability 15(1): 156.
    29. Liu, X., X. Yu and Z. Zhang ( 2015) PM2.5 concentration differences between various forest types and its correlation with forest structure. Atmosphere 6(11): 1801-1815.
    30. McPherson, E.G., D.J. Nowak and R.A. Rowntree ( 1994) Chicago's urban forest ecosystem: Results of the Chicago urban forest climate project(Includes executive summary). Forest Service General Technical Report (Final) (No. PB-94-203221/XAB; FSGTR-NE-186). Forest Service, Delaware, OH (United States), Northeastern Forest Experiment Station.
    31. Mei, H., P. Han, Y. Wang, N. Zeng, D. Liu, Q. Cai, ... and X. Tang ( 2020) Field evaluation of low-cost particulate matter sensors in Beijing. Sensors 20(16): 4381.
    32. Nguyen, T., X. Yu, Z. Zhang, M. Liu and X. Liu ( 2015) Relationship between types of urban forest and PM2.5 capture at three growth stages of leaves. J. Environ. Sci. 27: 33-41.
    33. Nicholson, S.E. ( 1975) A pollution model for street-level air. Atmospheric Environment(1967) 9(1): 19-31.
    34. NIER ( 2016) Annual report of air quality in Korea 2015. National Institute of Environmental Research, 362pp. (in Korean)
    35. NIER ( 2020) Annual report of air quality in Korea 2019. National Institute of Environmental Research, 384pp. (in Korean)
    36. Oh, D.K. and J.H. Kim ( 2024) The Impact of negative ions and plant volume changes in space on fine dust purification in the atmosphere. Korean J. Environ. Ecol. 38(2): 217-226. (in Korean with English abstract)
    37. Petroff, A., A. Mailliat, M. Amielh and F. Anselmet ( 2008) Aerosol dry deposition on vegetative canopies, Part I: Review of present knowledge. Atmos. Environ. 42(16): 3625-3653.
    38. Qin, H., B. Hong, B. Huang, X. Cui and T. Zhang ( 2020) How dynamic growth of avenue trees affects particulate matter dispersion: CFD simulations in street canyons. Sustainable Cities and Society 61: 102331.
    39. Roy, S., J. Byrne and C. Pickering ( 2012) A systematic quantitative review of urban tree benefits, costs, and assessment methods across cities in different climatic zones. Urban Forestry & Urban Greening 11(4): 351-363.
    40. Salim, S.M., S.C. Cheah and A. Chan ( 2011) Numerical simulation of dispersion in urban street canyons with avenue-like tree plantings: Comparison between RANS and LES. Building and Environ. 46(9): 1735-1746.
    41. Son, J., I. Kim and H. Chang ( 2022) Seasonal variations in accumulated particulate matter on leaves of four major tree species in Korea. For. Sci. and Tech. 18(3): 118-126.
    42. Song, Y., B.A. Maher, F. Li, X. Wang, X. Sun and H. Zhang ( 2015) Particulate matter deposited on leaf of five evergreen species in Beijing, China: Source identification and size distribution. Atmospheric Environment 105: 53-60.
    43. Tomson, M., P. Kumar, Y. Barwise, P. Perez, H. Forehead, K. French, ... and J.F. Watts ( 2021) Green infrastructure for air quality improvement in street canyons. Environment International 146: 106288.
    44. Vardoulakis, S., B.E. Fisher, K. Pericleous and N. Gonzalez-Flesca ( 2003) Modelling air quality in street canyons: A review. Atmospheric Environment 37(2): 155-182.
    45. Wang, P., W.B. Goggins, Y. Shi, X. Zhang, C. Ren and K.K.L. Lau ( 2021) Long-term association between urban air ventilation and mortality in Hong Kong. Environmental Research 197: 111000.
    46. Wang, X., M. Teng, C. Huang, Z. Zhou, X. Chen and Y. Xiang ( 2020) Canopy density effects on particulate matter attenuation coefficients in street canyons during summer in the Wuhan metropolitan area. Atmospheric Environment 240: 117739.
    47. Wania, A., M. Bruse, N. Blond and C. Weber ( 2012) Analysing the influence of different street vegetation on traffic-induced particle dispersion using microscale simulations. Journal of Environmental Management 94(1): 91-101.
    48. WHO ( 2021) WHO global air quality guidelines: Particulate matter (PM2.5 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide. World Health Organization, 300pp.
    49. Xing, Y.F., Y.H. Xu, M.H. Shi and Y.X. Lian ( 2016) The impact of PM2.5 on the human respiratory system. J. Thoracic Dis. 8(1): E69-E74.
    50. Xue, F. and X. Li ( 2017) The impact of roadside trees on traffic released PM10 in urban street canyon: Aerodynamic and deposition effects. Sustainable Cities and Society 30: 195-204.
    Copyright © Korean Society of Environment & Ecology (KSEE). All right reserved.