▲ AI 기반 암모니아 농도 추정 흐름도 및 예측 결과 시계열 그래프(그림=UNIST)  © 특허뉴스

초미세먼지를 유발하는 대기 중 암모니아(NH₃)의 농도를 더 정밀하고 촘촘하게 추적할 수 있는 인공지능(AI) 기술이 개발됐다. 이번 성과는 대기질 예보와 환경 정책 수립에 있어 기존의 관측 공백을 획기적으로 보완할 수 있는 돌파구로 주목받고 있다.

UNIST 지구환경도시건설공학과 임정호 교수 연구팀은 대기 중 암모니아 농도를 격주 단위 대신 하루 단위로 추정할 수 있는 AI 기반 모델을 개발했다고 밝혔다. 암모니아는 비료, 가축 분뇨, 화재 현장 등에서 기체로 배출되며 자체로는 무해하지만, 대기 중 황산·질산 등 산성 물질과 반응해 초미세먼지(PM2.5)를 형성하는 핵심 원인 물질이다.

기존에는 대기 중 암모니아의 체류 시간이 짧고, 지상 관측소도 드물어 데이터가 2주 단위로만 제공됐다. 넓은 범위를 대상으로 하는 기후모델(CAMS)을 활용한 추정치도 있었으나 지역별 정확도가 떨어지는 한계가 있었다.

연구팀은 심층신경망 기반 AI 모델을 활용해 이러한 한계를 돌파했다. 유럽중기예보센터 ERA5 기후자료와 IASI 위성의 암모니아 컬럼 농도를 입력값으로 하고, 미국 AMoN 지상 관측망 데이터를 정답값으로 학습시킨 결과, 기존 기후모델 대비 최대 1.8배 낮은 예측 오차를 달성했다.

특히 미국 데이터를 기반으로 훈련된 모델임에도 불구하고, 2019년 영국 맨체스터에서 발생한 대형 화재에 따른 고농도 암모니아 현상을 정확히 포착해, 공간 확장성과 국제적 적용 가능성까지 입증했다.

연구팀은 “계산으로 지상의 암모니아 농도를 추정하는 CAMS와 같은 기후 모델은 정확도 면에서, 지상 관측소를 통한 실측은 자료 제공 주기가 길어 모니터링 한계가 명확했다”며 “이번 모델은 기존 감시 방식의 단점을 보완할 수 있다”고 설명했다.

임정호 교수는 “이번 연구는 질소 기반 오염물에 대한 대기질 예보와 환경 관리 정책 수립에 직접 활용될 수 있다”며 “국내에서도 제한된 지점 관측에 의존해온 암모니아 모니터링을 고해상도로 확대할 수 있을 것”이라고 강조했다.

이번 연구 성과는 환경 분야 권위 학술지 'Journal of Hazardous Materials'(IF 11.3)에 9월 15일자로 게재됐다. 연구에는 사만 말릭(Saman Malik) 연구원과 강은진 연구원이 제1저자로 참여했다.

논문명은 Bridging temporal gaps: AI-based temporal downscaling of biweekly NH3 to daily scale with spatial transferability이다.