%EB%85%B9%EC%83%89%EC%84%B1%EC%9E%A5%EC%A7%80%EC%86%8D%EA%B0%80%EB%8A%A5%EB%8C%80%ED%95%99%EC%9B%90
-
2050년 탄소중립 목표 달성을 위한 한국 산업의 온실가스 배출량 감축경로 제시
한국 산업 부문이 2050년까지 탄소중립 목표를 달성하기 위해 철강, 화학, 시멘트 등 주요 산업에서 구체적인 탈탄소화 경로를 제시한 연구가 국제 학술 저널 Journal of Cleaner Production에 발표되었다. KAIST 지속가능 녹색성장대학원 엄지용 교수가 이끄는 국제 연구팀이 발표한 이번 연구는, 향후 2035년 국가 온실가스 감축 목표(NDC) 수립에 중요한 역할을 할 것으로 기대된다.
연구진은 Global Change Assessment Model (GCAM)[1]을 사용하여 한국 산업 부문의 온실가스 감축 전략을 분석했다. 이 연구는 철강과 화학, 시멘트 부문을 중심으로 산업별 탄소 배출 특성을 분석하고, 탄소 포집 및 저장(CCS) 기술[2]과 청정에너지 기반의 수소 기술을 활용해 어떻게 각 부문이 탄소중립을 달성할 수 있을지를 구체적으로 탐색했다.
이번 연구의 제1 저자인 이한주 씨는 "본 연구는 반도체 산업을 포함한 한국의 산업 세부 업종을 학계 최초로 상세하게 모델링한 것이 특징"이라며, "철강, 석유화학, 시멘트 등 탄소집약적 산업에 맞춤형 모델을 적용해 한국 산업 부문의 탈탄소화 전략 수립에 큰 기여를 할 것"이라고 말했다.
연구 결과에 따르면, 철강, 화학, 시멘트 부문이 2050년까지 전체 산업 부문 온실가스 감축의 약 70%를 차지할 것으로 예상된다. 주요 탈탄소화 방안으로는 산업 공정의 전기화, 수소 및 바이오에너지 활용, CCS 기술 도입 등이 제시되었다. 철강 산업은 수소 기반 철강 제조 기술을 중심으로, 화학 산업은 바이오매스 기반 원료 전환을 통해 배출을 줄일 수 있다. 또한, 시멘트 산업은 재생 에너지와 전력을 활용한 생산 방식 전환을 통해 석탄 의존도를 크게 낮출 수 있다.
특히 연구는 CCS 기술과 청정에너지 기반 수소 기술이 탈탄소화에 있어 핵심적인 역할을 하지만, 두 기술의 도입이 제한될 경우 산업별로 다른 대응 전략이 필요하다는 점을 지적했다. 예를 들어, 수소 기술의 도입이 제한될 경우 철강 산업은 CCS 기술에 더 크게 의존해야 하며, CCS 기술이 제한될 경우 화학 산업은 바이오매스 활용을 강화하게 된다.
이번 연구를 총괄한 KAIST의 엄지용 교수는 "한국 산업의 탈탄소화를 위해서는 각 업종에 적합한 감축기술에 기반한 전략 수립이 필수적"이라고 강조했다. 또한, "CCS 및 수소생산 기술 등 산업부문 핵심 감축기술의 개발과 상용화를 위한 재정적 지원과 함께 보급을 가속화하기 위한 인프라 구축 및 세제 혜택이 중요하다"고 덧붙였다.
이번 연구는 한국 산업이 2050년 탄소중립을 달성하는 데 있어 중요한 이정표가 될 것이며, 각 산업 부문별 맞춤형 전략을 통해 한국이 국제 사회에서의 기후 대응 리더십을 강화할 수 있을 것으로 기대된다.
[1] GCAM은 에너지 시스템, 물, 토지 및 기후를 연결하는 글로벌 통합 평가 모델이다.
[2] CCS 기술은 산업 공정이나 발전소에서 발생하는 이산화탄소를 포집하여 대기로 방출되는 것을 막고, 포집한 이산화탄소를 저장하거나 활용하여 온실가스 배출을 줄이는 기술이다.
논문링크: https://doi.org/10.1016/j.jclepro.2024.143749
2024.10.10 조회수 909 -
강수 관측 오차범위 42.5% 줄인 알고리즘 개발
강수량의 정확한 파악은 지구의 물 순환을 이해하고 수자원과 재해 대응을 위해 중요하다. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 제안되어 왔으며, 최근에는 기계학습을 이용한 방법들이 많이 제안되고 있다.
우리 대학 문술미래전략대학원(건설및환경공학과 및 녹색성장지속가능대학원 겸임) 김형준 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다고 25일 밝혔다. 연구팀은 기존의 방법과 비교해 전 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다.
단순한 데이터 주도(data-driven)모델은 대량의 훈련 데이터가 필요하고 물리적인 일관성이 보장되지 않으며 결과의 원인 분석이 어렵다는 등의 문제가 있었다. 연구팀은 이번 연구에서 위성 강수량 추정에 대한 분야 지식을 명시적으로 포함함으로써 학습 모델 내의 상호 의존적인 지식 교환을 구현했다. 구체적으로, 멀티태스크 학습(multitask learning)이라는 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시에 학습시켰다.
이번 연구에서 제안한 기계학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리적 메커니즘을 포함할 수 있다. 예를 들어, 비 또는 눈, 진눈깨비 등 강수 종류의 분류 및 상승 기류 또는 층상 구름 유형 등 강수를 일으키는 구름 유형의 분류를 포함함으로써 앞으로 추정의 정확도가 더욱 향상될 것으로 기대된다.
김형준 교수의 이번 연구 결과는 국제 학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 지난 4월 16일 출판됐다. (논문명: Multi-Task Learning for Simultaneous Retrievals of Passive Microwave Precipitation Estimates and Rain/No-Rain Classification; doi:10.1029/2022GL102283)
한편 이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)와 정보통신기획평가원 인공지능대학원지원(한국과학기술원)지원을 받아 수행됐다.
2023.04.25 조회수 5176