초미세먼지의 원인 중 하나인 대기 중 암모니아 농도를 더욱 정밀하게 관측할 수 있는 인공지능 기술이 국내 연구진에 의해 개발됐다. 기존 관측 방식의 한계를 넘어, 환경 오염물질 분석의 정확도를 크게 높일 수 있는 가능성이 열렸다.

울산과학기술원(UNIST) 지구환경도시건설공학과 임정호 교수 연구팀은 9월 15일, 인공지능(AI)을 활용해 대기 중 암모니아의 농도를 일 단위로 정확히 산출할 수 있는 예측 모델을 개발했다고 밝혔다. 이 기술은 기존 기후모델보다 예측 오차가 훨씬 낮은 것이 특징이다.

암모니아는 주로 비료 사용, 가축 분뇨, 화재와 같은 다양한 경로를 통해 기체 상태로 대기 중에 방출된다. 이 물질이 대기 중의 황산, 질산 등 산성 물질과 결합하면 초미세먼지(PM2.5)가 생성되기 때문에, 암모니아의 농도를 정확히 측정하는 것이 매우 중요하다. 그러나 암모니아는 대기 중 체류 시간이 짧고 농도 변화 폭도 커, 지금까지 정확한 지속적 관측이 어렵다는 지적이 이어져 왔다.

기존에는 2주 간격으로 수집된 관측 자료나, 넓은 지역 평균값 기반의 기후모델이 암모니아 예측에 활용됐다. 하지만 모델의 공간 해상도가 낮고 지역별로 오차가 큰 단점이 있었다. 이에 연구팀은 인공지능의 한 종류인 심층신경망을 기반으로 한 모델을 개발, 유럽중기예보센터의 기후 재분석 자료와 위성 데이터 등을 입력값으로, 미국의 지상 관측망 데이터를 정답값으로 활용해 학습시켰다.

새로 개발된 예측 모델은 기존 유럽연합 대기모델(CAMS)보다 예측 정확도가 높았으며, 학습에 사용하지 않은 지역에서도 비교적 정확한 결과를 보여줬다. 실제로 2019년 영국 맨체스터 대형 화재 시 발생한 고농도 암모니아 현상을 정확히 포착해, 이 모델의 높은 공간 확장성과 현장 적용 가능성을 입증했다. 이는 인공지능이 특정 지역 데이터에만 기반하지 않고 더 넓은 영역에 걸쳐 일반화된 관측 성능을 발휘할 수 있음을 시사한다.

임정호 교수는 “질소계 오염물 감시 체계와 환경 정책 수립에 핵심 자료로 활용될 수 있다”며, “특히 현재 국내에서는 일부 지역에만 관측소가 설치돼 있는데, 새 기술을 적용하면 전국적 고해상도 감시 체계를 구축할 수 있을 것”이라고 밝혔다. 이번 연구 결과는 환경 분야 권위지인 ‘유해물질저널(Journal of Hazardous Materials)’에 게재됐다.

이 같은 기술 발전은 앞으로 초미세먼지 대응력을 강화하고, 환경 개선을 위한 맞춤형 정책 설계에 큰 도움을 줄 것으로 기대된다. 나아가 기후위기 대응과 환경 리스크 관리 측면에서도 AI 기술의 활용 범위가 더욱 확대될 전망이다.