KR101194677B1 - 도시 지역 고농도 미세먼지의 발원지 추정 방법 - Google Patents
도시 지역 고농도 미세먼지의 발원지 추정 방법 Download PDFInfo
- Publication number
- KR101194677B1 KR101194677B1 KR1020120008411A KR20120008411A KR101194677B1 KR 101194677 B1 KR101194677 B1 KR 101194677B1 KR 1020120008411 A KR1020120008411 A KR 1020120008411A KR 20120008411 A KR20120008411 A KR 20120008411A KR 101194677 B1 KR101194677 B1 KR 101194677B1
- Authority
- KR
- South Korea
- Prior art keywords
- fine dust
- concentration
- inverse
- high concentration
- dust
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003915 air pollution Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 28
- 230000002441 reversible effect Effects 0.000 claims description 25
- 238000007621 cluster analysis Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000002354 daily effect Effects 0.000 description 10
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 230000005250 beta ray Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-NJFSPNSNSA-N Carbon-14 Chemical compound [14C] OKTJSMMVPCPJKN-NJFSPNSNSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000002175 menstrual effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/651—Specific applications or type of materials dust
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
본 발명의 특징에 따르면, 본 발명의 도시 지역 고농도 미세먼지의 발원지 추정 방법은, (a) 일정기간 동안 대기오염측정망으로 미세먼지(PM10)의 농도가 측정되고, 상기 측정된 미세먼지 농도의 일평균 농도값이 미리 설정된 미세먼지 농도값 이상으로 측정되는 날을 추출하여 미세먼지 고농도 사례일을 추출하는 단계; 및 (b) 상기 (a)단계에서 추출된 미세먼지 고농도 사례일을 바탕으로 3차원 바람장 분석기법을 이용하여 상기 미세먼지가 공기괴를 따라 이동한 흐름을 역으로 추적하는 역궤적 분석단계;를 포함한다.
본 발명에 따르면, 미세먼지 농도 자료와 기상 자료만을 가지고 고농도 미세먼지의 발원지를 파악하여 국지적 배출과 외부적 영향의 기여도를 정량적으로 분석할 수 있을 뿐만 아니라, 타 국가의 배출량 자료 입수가 어려울 때에도 외부적 영향에 의한 고농도 사례의 기여도를 정량적으로 파악할 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법을 제공할 수 있다.
본 발명에 따르면, 미세먼지 농도 자료와 기상 자료만을 가지고 고농도 미세먼지의 발원지를 파악하여 국지적 배출과 외부적 영향의 기여도를 정량적으로 분석할 수 있을 뿐만 아니라, 타 국가의 배출량 자료 입수가 어려울 때에도 외부적 영향에 의한 고농도 사례의 기여도를 정량적으로 파악할 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법을 제공할 수 있다.
Description
본 발명은 도시 지역 고농도 미세먼지의 발원지 추정 방법에 관한 것으로, 보다 상세하게는 역궤적 분석과 계층군집화 기법을 이용하여 도시 지역 미세먼지의 발원지를 추정할 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법에 관한 것이다.
일반적으로, 도시에 인구 집중이 심화되면서 도시 지역의 대기질 문제, 특히 미세먼지로 인한 피해 문제가 사회, 경제적 관심사로 부각되고 있다. 미세먼지는 폐, 혈관, 심장 질환의 주요한 위험 원인으로 어린이와 노인에게 특히 유해하며, 공기 중에 부유하면서 시정을 악화시키고 식물의 생장을 저해한다. 미세먼지로 인한 수도권 지역의 사회적 피해 비용은 연간 10조원에 달하는 것으로 추산된다. 도시 지역의 미세먼지 고농도 현상으로 인한 피해를 막기 위해서는 고농도 미세먼지의 원인을 파악하는 것이 매우 중요하다.
서울을 비롯한 수도권 지역은 높은 인구 밀도와 많은 교통량, 산업 시설 등으로 인해 국지적으로 배출되는 미세먼지가 많을 뿐만 아니라, 몽고 사막 지역과 중국 대도시, 공업지역의 풍하측에 위치하여 편서풍을 타고 외부로부터 이동해오는 미세먼지의 양도 상당하다. 그러나 해마다 수십 건에 달하는 미세먼지 고농도 사례에 대하여 고농도 미세먼지의 발원지를 파악하고 국지적 배출과 외부적 영향의 기여도를 정량적으로 추산하려는 시도는 거의 없었다.
상술한 바와 같은 문제점을 해결하기 위해 안출된 본 발명의 목적은, 미세먼지 농도 자료와 기상 자료만을 가지고 고농도 미세먼지의 발원지를 파악하여 국지적 배출과 외부적 영향의 기여도를 정량적으로 분석할 수 있을 뿐만 아니라, 타 국가의 배출량 자료 입수가 어려울 때에도 외부적 영향에 의한 고농도 사례의 기여도를 정량적으로 파악할 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법을 제공하기 위함이다.
또한, 본 발명의 다른 목적은, 미세먼지 고농도 사례들을 개별적으로 분석하지 않고 일정기간, 즉, 장기간의 자료들을 통합적으로 처리할 수 있다는 점에서 시간과 비용의 절감할 수 있으며, 추후 기후 연구 및 정책 자료 수집에 활용될 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법을 제공하기 위함이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 특징에 따르면, 본 발명의 도시 지역 고농도 미세먼지의 발원지 추정 방법은, (a) 어느 한 지역에 설치된 대기오염측정망으로 미세먼지(PM10) 농도가 측정되고, 상기 측정된 미세먼지 농도의 일평균 농도값이 미리 설정된 미세먼지 농도값 이상으로 측정되는 날을 추출하여 미세먼지 고농도 사례일을 추출하는 단계; (b) 상기 (a)단계에서 추출된 미세먼지 고농도 사례일에서 나타나는 미세먼지의 공기괴가 상기 대기오염측정망이 설치된 지역까지 이동해 온 이동 경로를 일정시간마다 역으로 추적하여 역궤점들을 분석하고, 분석된 상기 역궤점들을 각각 연결하여 상기 미세먼지 고농도 사례일의 미세먼지 역궤적을 분석하는 역궤적 분석단계; 및 (c) 군집 분석 기법 중 집괴적 계층 군집화 기법에 의해 상기 (b)단계에서 미세먼지 고농도 사례일마다 분석된 미세먼지 역궤적들을 각각 하나의 독립된 군집이라 하고, 와드의 최소분산분석 방법에 의해 측정되는 군집 간의 거리의 합이 미리 설정된 값 이상으로 증가하기 전의 군집화의 횟수를 총 군집의 개수에서 빼서 군집 개수를 산출하여 상기 군집 개수로 상기 미세먼지 역궤적들을 군집 분석하는 단계;를 포함하고, 상기 (b)단계는, 일정시간마다 역으로 추적한 역궤점들을 각각 연결할 때, 유클리드 거리 측정 방법으로 각각의 역궤점들 중 가장 가까운 역궤점들끼리 연결하여 미세먼지의 공기괴가 이동해온 경로인 미세먼지 역궤적을 분석하되, 상기 미세먼지 역궤적을 상기 미세먼지 고농도 사례일마다 분석하는 것을 특징으로 한다.
삭제
또한, 상기 미세먼지 농도의 일평균 농도값은, 상기 대기오염측정망 중 도로변대기측정망에서 측정되는 미세먼지 농도값이 제외되어 산출되는 것을 특징으로 하고, 상기 미세먼지 고농도 사례일은, 상기 미세먼지의 일평균 농도값이 100 ㎍/㎥ 이상이되, 황사가 발생한 날은 제외되어 추출되는 것을 특징으로 한다.
삭제
이상 살펴본 바와 같은 본 발명에 따르면, 미세먼지 농도 자료와 기상 자료만을 가지고 고농도 미세먼지의 발원지를 파악하여 국지적 배출과 외부적 영향의 기여도를 정량적으로 분석할 수 있을 뿐만 아니라, 타 국가의 배출량 자료 입수가 어려울 때에도 외부적 영향에 의한 고농도 사례의 기여도를 정량적으로 파악할 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법을 제공할 수 있다.
또한, 본 발명에 따르면, 미세먼지 고농도 사례들을 개별적으로 분석하지 않고 일정기간, 즉, 장기간의 자료들을 통합적으로 처리할 수 있다는 점에서 시간과 비용의 절감할 수 있으며, 추후 기후 연구 및 정책 자료 수집에 활용될 수 있는 도시 지역 고농도 미세먼지의 발원지 추정 방법을 제공을 제공할 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법을 나타낸 순서도이다.
도 2는 서울 지역에 설치된 대기오염측정망을 나타낸 도면이다.
도 3은 일정기간동안 서울 지역에서 측정된 미세먼지 농도값을 나타낸 도면이다.
도 4는 역궤적 분석을 통한 서울 지역의 미세먼지 고농도 사례일에 대한 미세먼지 역궤적을 나타낸 도면이다.
도 5 내지 도 7은 도 4에 나타난 미세먼지 역궤적을 군집 분석에 의해 분석된 군집별로 미세먼지 역궤적을 나타낸 도면이다.
도 8은 최소분산분석에 의해 군집 간의 거리를 측정한 도면이다.
도 9는 도 8에 표시된 타원부분을 확대한 도면이다.
도 10은 군집들을 나무다이어그램으로 나타낸 도면이다.
도 11은 군집을 월별로 정량화한 표를 나타낸 도면이다.
도 12는 군집을 연도별로 정량화한 표를 나타낸 도면이다.
도 2는 서울 지역에 설치된 대기오염측정망을 나타낸 도면이다.
도 3은 일정기간동안 서울 지역에서 측정된 미세먼지 농도값을 나타낸 도면이다.
도 4는 역궤적 분석을 통한 서울 지역의 미세먼지 고농도 사례일에 대한 미세먼지 역궤적을 나타낸 도면이다.
도 5 내지 도 7은 도 4에 나타난 미세먼지 역궤적을 군집 분석에 의해 분석된 군집별로 미세먼지 역궤적을 나타낸 도면이다.
도 8은 최소분산분석에 의해 군집 간의 거리를 측정한 도면이다.
도 9는 도 8에 표시된 타원부분을 확대한 도면이다.
도 10은 군집들을 나무다이어그램으로 나타낸 도면이다.
도 11은 군집을 월별로 정량화한 표를 나타낸 도면이다.
도 12는 군집을 연도별로 정량화한 표를 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 실시예들에 의하여 도시 지역 고농도 미세먼지의 발원지 추정 방법을 설명하기 위한 도면을 참고하여 본 발명에 대해 설명하도록 한다.
도 1은 본 발명의 바람직한 실시예에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법을 나타낸 순서도이다.
도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법은 미세먼지 고농도 사례일을 추출하는 단계, 역궤적 분석단계 및 군집 분석하는 단계를 포함한다.
먼저, 미세먼지 고농도 사례일을 추출하는 단계(S110)는, 어느 한 지역에 설치된 대기오염측정망으로 미세먼지(PM10)의 농도가 측정되고, 측정된 미세먼지 농도의 일평균 농도값이 미리 설정된 미세먼지 농도값 이상으로 측정되는 날을 추출한다. 즉, 미세먼지 고농도 사례일을 추출하는 것이다.
여기서, 대기오염측정망은 아황산가스(SO2), 일산화탄소(CO), 이산화질소(NO2), 오존(O3), 미세먼지(PM10) 및 납(Pb)을 측정한다.
특히, 미세먼지는 베타선흡수법(β-Ray Absorption Method)으로 측정되고 있으며, 매시간 측정되고 있다.
베타선흡수법은 베타선 감쇄 원리를 이용해 먼지 포집 전후의 필터 무게를 계산해서 대기중 미세먼지의 질량 농도를 측정한다. 베타선 공급원으로 Carbon-14가 사용되며, 제습장치가 있어 대기 중 수증기에 의한 영향을 적게 받고 0 ~ 10,000㎍/㎥의 측정범위를 가진다. 또한, 30분 평균으로 6㎍/㎥의 최소 측정 한계를 가지며, 24시간 연속 운영 시 측정 오차는 ±1㎍/㎥이다.
또한, 미세먼지 농도의 일평균 농도값은, 대기오염측정망 중 도로변대기측정망에서 측정되는 미세먼지 농도값이 제외되어 산출되는 바람직하다.
즉, 대기오염측정망에서 미세먼지 농도를 측정하는 측정망은 도시대기측정망, 교외대기측정망, 국가배경농도측정망, 광화학오염물질측정망, 도로변대기측정망, 산성강하물측정망 및 시정거리측정망과 같으며, 이와 같은 측정망에서 측정되는 미세먼지 농도의 일평균 농도값을 산출한다.
특히, 도로변대기측정망은 교통량이 많은 도로변의 자동차 배출가스 오염물질을 측정하기 때문에, 교통량이 많은 교차지점, 지역을 대표하는 간선도로, 오염물질이 확산되기 어려운 지점, 대형자동차의 통행량이 많은 지점 등에 설치되기 때문에 본 발명에서는 미세먼지 농도의 일평균 농도값을 산출할 때, 도로변대기측정망에서 측정되는 미세먼지 농도값을 제외하여 산출하는 것이 바람직하다.
예를 들어, 서울시에서 제공하는 미세먼지 예보 발령 기준은 [표 1]과 같이 6단계로 구분하여 예보한다.
예보 내용 | 좋음 | 보통 | 민감한 사람에게 나쁜 영향 | 나쁨 | 매우 나쁨 | 위험 |
미세먼지(㎍/㎥) | 0~30 | 31~80 | 81~120 | 121~200 | 201~300 | 301~600 |
또한, 서울시에서 제공하는 미세먼지 경보 단계별 발령 기준은 [표 2]와 같이 주의보 및 경보로 구분하여 경보한다.
경보 단계 | 발령 기준 | 해제 기준 |
주의보 | 미세먼지 농도가 시간평균 200㎍/㎥이상이 2시간 지속될 때 |
미세먼지 농도가 시간평균 100㎍/㎥이하일 때 |
경보 | 미세먼지 농도가 시간평균 300㎍/㎥이상이 2시간 지속될 때 |
미세먼지 농도가 시간평균 200㎍/㎥이하일 때 |
즉, 상술한 미세먼지 예경보 발령 기준에 의하여, 미세먼지 고농도 사례일은, 미세먼지의 일평균 농도값이 100㎍/㎥ 이상인 것이 바람직하다.
또한, 미세먼지 고농도 사례일은, 기상청에서 발표한 황사일을 참고하여 황사가 발생한 날은 제외되어 추출되는 것이 바람직하다.
다음으로, 역궤적 분석단계(S120)는, S110 단계에서 추출된 미세먼지 고농도 사례일에서 나타나는 미세먼지의 공기괴가 상기 대기오염측정망이 설치된 지역까지 이동해 온 이동 경로를 일정시간마다 역으로 추적하여 역궤점들을 분석하고, 분석된 상기 역궤점들을 각각 연결하여 상기 미세먼지 고농도 사례일의 미세먼지 역궤적을 분석한다.
여기서, 일정시간마다 역으로 추적한 역궤점들을 각각 연결할 때는, 유클리드 거리 측정 방법으로 각각의 역궤점들 중 가장 가까운 역궤점들끼리 연결하여 미세먼지의 공기괴가 이동해온 경로인 미세먼지 역궤적을 분석한다. 또한, 미세먼지 역궤적을 미세먼지 고농도 사례일마다 분석한다.
유클리드 거리 측정 방법은 다차원 공간에서 두 점 간의 거리 즉 직선최단거리를 구할 때 사용하는 방법으로 예로, 자를 이용하여 거리를 측정하는 것과 같다.
참고로, 유클리드 거리(Euclidean distance)는 두 점 사이의 거리를 계산할 때 일반적으로 쓰이는 방법으로서, 두 점 사이의 직선 거리를 말한다. 유클리드 공간에서의 합성 벡터(resultant vector)가 만들어진 방법으로 형성된다. 즉, 각 성분 제곱의 합에 제곱근을 구한 거리이다.(출처: 디지털통신공학, 2003, 박상규 역, 교보문고)
한편, 미세먼지 공기괴의 이동 경로를 역으로 추적할 때 역궤점을 분석하는 것은, 3차원 바람장 분석기법을 이용하는데, 3차원 바람장이란 일정한 공간에서의 바람의 분포 상태를 말하고, 미세먼지 공기괴가 위치한 그 위치에서 일정시간 전에 기상청으로부터 관측된 기상 관측자료를 이용하여 미세먼지 공기괴가 어디서부터 이동되었는지를 추적하여 미세먼지 공기괴가 일정시간 전에 있었던 위치를 예측하는 것이다. 이러한 3차원 바람장 분석기법은 공지된 분석기법이므로 이에 대하여 상세한 설명은 생략한다.
역궤적 분석은 기류를 파악하고 오염 물질의 이동 패턴을 파악하는데 유용한 분석 방법이다. 즉, 역궤적 분석은 역궤적 분석 모델을 이용하여 미세먼지 고농도 현상에 영향을 미친 미세먼지 이동의 흐름을 역으로 추적한다.
역궤적 모델링은 오염 물질이 성질이 같은 공기괴를 따라 이동한다고 가정하는 것으로서 궤적 분석 기법 중 대기의 상하 운동과 비단열 과정을 포함할 수 있어 가장 오차가 적다고 알려진 3차원 바람장 분석 기법을 이용한다.
군집 분석 단계(S130)는, S120 단계에서 분석한 미세먼지 고농도 사례일마다 분석된 미세먼지 역궤적들을 패턴이 유사한 미세먼지 역궤적들끼리 군집 분석한다.
다시 말해, S130단계는 군집 분석 기법 중 모든 대상들이 각각 하나의 독립된 군집을 이루고 있는 상태에서 출발하여 순차적으로 가장 유사한 대상들끼리 군집화하여 감으로써 유사성이 높은 군집을 이루는 집괴적 계층 군집화 기법(agglomerative hierarchical clustering method)을 이용한다.
즉, 군집 분석 기법은 비슷한 특성을 가진 집단을 확인하기 위해 시도하는 통계적 분석 기법으로 그 중 집괴적 계층 군집화 기법에 의해 S120단계에서 미세먼지 고농도 사례일마다 분석된 미세먼지 역궤적들을 각각 하나의 독립된 군집이 된다. 그리고, 군집들 중에서 패턴이 유사한 군집들끼리 군집화하여 군집 분석을 한다.
여기서, 군집화라고 하는 것은 군집들끼리 패턴을 비교하였을 때, 유사한 패턴을 갖은 군집, 즉, 미세먼지 공기괴가 이동한 경로인 미세먼지 역궤적의 패턴이 유사한 두 개의 군집을 묶어 군집 수를 하나 줄인다. 그리고 그 다음 단계에서는 전 단계에서 형성된 군집 중에서 다시 가장 유사한 두 군집을 묶음으로써 군집 수를 하나 더 줄이는 방식으로 계속 진행한다. 최종적으로 모든 개체가 단일 군집으로 묶여지게 된다. 그리고, 군집화 결과는 나무 다이어그램으로 표현될 수 있다.
이때, 군집 개수를 정하여 군집들을 분류를 한다.
군집 개수를 정하는 것은, 와드의 최소분산분석(Ward's Minimum Variance Cluster Criterion)을 이용하여 정한다.
즉, 와드의 최소분산분석 방법은 일반적으로 군집 간의 거리를 계산할 수 있다. 이로 인해 군집 간의 거리의 합을 구하는 것으로 이용되며, 집괴적 계층 군집화 기법에 의해 군집화될 때마다 군집화되는 군집과 또 다른 군집 간의 거리의 합을 구한다.
참고로, 와드의 최소분산분석(Ward's Minimum Variance Cluster Analysis)은, 잔차 제곱합, 즉, 군집의 평균 간 거리를 각 군집의 개수로 나눈 후 제곱근을 구한 거리이다.(출처: 환경통계학, 2007, 김영주, 김희갑 저, 동화기술)
또한, 와드의 최소분산분석은 계층적 군집 분석에서 일반적으로 쓰이는 방법으로, 하나의 군집에서 출발하여 계속해서 각 분석의 단계마다 가장 유사한 군집을 결합해 나가는 방법으로서, 오차의 합계로 다차원적인 공간에서 자료 간의 거리를 측정하는 방법이다.(출처: 정부조직진단, 2002, 박우순 외, 대영문화사)
군집 개수는 와드의 최소분산분석 방법에 의해 측정되는 군집 간의 거리의 합이 미리 설정된 값 이상으로 급격히 증가하기 전의 군집화의 횟수를 총 군집의 개수에서 빼서 산출한다. 이에 대한 군집 개수 산출에 대한 예는 후술할 실험에서 상세하게 설명한다.
이와 같이, 산출되는 군집 개수로 미세먼지 역궤적들을 군집 분석하는 것이다.
상술한 바와 같이, 본 발명에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법은 미세먼지 농도 자료와 기상 자료만을 가지고 고농도 미세먼지의 발원지를 파악하여 국지적 배출과 외부적 영향의 기여도를 정량적으로 분석할 수 있을 뿐만 아니라, 타 국가의 배출량 자료 입수가 어려울 때에도 외부적 영향에 의한 고농도 사례의 기여도를 정량적으로 파악할 수 있는 효과가 있다. 또한, 미세먼지 고농도 사례들을 개별적으로 분석하지 않고 일정기간, 즉, 장기간의 자료들을 통합적으로 처리할 수 있다는 점에서 시간과 비용의 절감할 수 있으며, 추후 기후 연구 및 정책 자료 수집에 활용될 수 있는 효과가 있다.
본 발명에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법을 실험을 통한 실시예를 설명하면 다음과 같다.
먼저, 본 발명에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법은 미세먼지 고농도 현상이 많이 발생하는 서울 지역에 대하여 분석하였으나, 이에 한정하지 않고 타 지역에서도 적용하여 분석할 수 있다.
도 2는 서울 지역에 설치된 대기오염측정망을 나타낸 도면이다.
도 2를 참조하면, 서울 지역에는 27개의 대기오염측정망이 설치되어 있으며, 각각의 대기오염측정망에서 도로변측정망으로 측정되는 미세먼지의 농도를 제외한 나머지 측정망으로 측정되는 미세먼지의 농도를 토대로 서울 지역의 미세먼지 농도의 일평균 농도값을 산출한다.
도 3은 일정기간 동안 서울 지역에서 측정된 미세먼지 농도값을 나타낸 도면이다.
도 3에 도시된 바와 같이, 본 실험에서는 서울 지역에서 2001년부터 2008년까지의 8년간 미세먼지 일평균 농도값을 이용하였다.
상술한 바와 같이, 미세먼지 예경보 발령 기준에 의하여, 미세먼지의 일평균 농도값이 100 ㎍/㎥이상이며, 황사일은 제외하여 미세먼지 고농도 사례일이 254일로 산출되었다.
미세먼지 고농도 사례일 254일을 토대로 3차원 바람장 분석 기법을 이용하여 미세먼지 공기괴의 이동 경로를 역으로 추적하여 역궤점을 분석하였다.
이때, 역궤적 계산을 위한 입력 기상 자료는 기온, 수평?연직 바람, 비습, 지표면 기압을 이용하였다.
역궤적 시작 고도는 대기 경계층의 높이를 고려하여 지표 위 1000m로 설정하였고, 역궤적 시작 시간은 미세먼지 고농도 사례일의 00 UTC(협정시간)로 설정하였다.
또한, 역궤적 분석 시간은 오염 물질이 이동하는 시간을 고려하여 72시간으로 설정하였고, 각 궤적점의 시간 간격은 3시간이다. 즉, 3시간마다 역궤적 계산을 위해 입력한 기상 자료를 바탕으로 3시간 전에 미세먼지 공기괴가 있었던 그 위치인 역궤점을 구할 수 있다.
72시간을 3시간마다 역궤적 분석을 하면 24개의 역궤점들을 구할 수 있다. 그리고, 24개의 역궤점들을 유클리드 거리 측정 방법으로 각각의 역궤점들 중 가장 가까운 역궤점들끼리 연결하여 미세먼지 공기괴가 이동해온 경로를 예측하여 미세먼지 역궤적을 분석한다. 그리고, 미세먼지 고농도 사례일 254일에 대하여 미세먼지 역궤적을 각각 분석하여 254개의 미세먼지 역궤적을 산출한다.
도 4는 역궤적 분석을 통한 서울 지역의 미세먼지 고농도 사례일에 대한 미세먼지 역궤적을 나타낸 도면이다.
도 4에 도시된 바와 같이, 서울 지역에 미세먼지 고농도 현상이 나타났을 때는 주로 중국 북부 지역과 몽고 사막 지역 부근으로부터 공기괴가 이동해오고 있음을 알 수 있고, 이로부터 고농도 미세먼지의 발생원과 이동 경로를 추정해볼 수 있다.
다음으로, 집괴적 계층 군집화 기법을 이용하여 254개의 미세먼지 역궤적들을 각각 하나의 독립된 군집으로 보고, 254개의 군집들을 패턴이 유사한 군집끼리 군집화하였다. 여기서, 패턴은 미세먼지 공기괴가 이동한 거리 값을 나타낸다.
집괴적 계층 군집화 기법을 이용하여 군집 분석 즉, 254개의 군집을 군집화하면서, 와드의 최소분산분석에 의해 군집 간의 거리의 합을 측정하여 미리 설정된 거리 이상으로 급격히 증가하기 전의 군집화 횟수에서 총 군집의 개수를 빼서 군집 개수를 정하였다.
도 8은 최소분산분석에 의해 군집 간의 거리의 합을 측정한 도면이고, 도 9는 도 8에 표시된 타원부분을 확대한 도면이다.
역궤적 분석을 통해 분석된 미세먼지 역궤적 즉, 군집은 254개이며, 이를 집괴적 계층 군집화 기법을 이용하여 군집화하면, 군집화 1회 때마다 군집 하나가 줄어들게 된다. 예를 들어, 254개의 군집 중 유사한 패턴을 군집화하면, 두 개의 군집이 군집화되어 하나의 군집으로 묶이게 된다.
이처럼 군집화는 총 254회가 이루어진다. 이때, 와드의 최소분산분석 방법으로 군집화가 될 때마다 군집 간의 거리의 합을 구한다.
도 8에 도시된 바와 같이, 수직축은 와드의 최소분산분석으로 측정한 군집 간의 거리의 합을 말하고, 수평축은 군집화한 횟수를 말한다. 즉, 군집화한 횟수가 증가할수록 군집간의 거리의 합은 증가함을 알 수 있었다.
도 9에 도시된 바와 같이, 집괴적 계층 군집화 기법에 의해 군집화되면서 와드의 최소분산분석에 의해 측정되는 군집 간의 거리의 합이 급격히 증가하는 군집화 횟수, 즉, 251번째 군집화할 때까지 거리의 합이 서서히 증가하다가 252번째 군집화를 할 때 군집 간의 거리의 합이 급격히 증가(도 9의 화살표 지점)함을 알 수 있었다.
따라서, 군집 개수는, 총 군집의 개수 254개에서 군집 간의 거리의 합이 미리 설정된 값 이상으로 급격히 증가하기 전의 군집화 횟수 251을 뺀 3개이다. 또한, 군집 개수는 3개에 한정하지 않고, 다수개로 이루어질 수 있으며, 다수개로 군집 개수가 이루어지면 더욱더 세밀한 군집 분석을 할 수 있다.
도 10은 군집들을 나무다이어그램으로 나타낸 도면이다.
도 10을 참조하면, 상술한 바와 같이 군집 개수 3개로 분류(점선 참조)했을 때, 3개의 군집(A, B, C)으로 나뉘는 것을 볼 수 있다.
도 5 내지 도 7은 도 4에 나타난 미세먼지 역궤적을 군집 분석에 의해 분석한 군집별로 미세먼지 역궤적을 나타낸 도면이다.
이로써, 군집을 분석한 결과, 미세먼지 역궤적의 길이가 짧고 역궤적이 한반도와 황해 지역 주변에 머물러 있는(도 5 참조) 국지적 타입(local type)으로 분류되었다.
또한, 미세먼지 역궤적의 길이가 길고 역궤적의 종착점이 몽고 사막 지역 주변 및 중앙 아시아 지역까지 도달하는(도 6 참조) 장거리 이동 타입(long-range transport type)으로 분류되었다.
또한, 궤적의 종착점이 중국 중북부 지역 주변인(도 7 참조) 미세먼지 역궤적들이 중간 타입(in-between type)으로 분류되었다.
도 4 내지 도 7를 참조하면, 하기 [표 3]과 같다.
number of days | Proportion | |
All tracks | 254 | 100 % |
Local type | 78 | 30.7 % |
In-between type | 105 | 41.3 % |
Long-range transport type | 71 | 28.0 % |
따라서, 국지적 타입을 제외한 나머지 두 군집에 속한 고농도 사례들은 월경성 오염물질의 영향을 많이 받은 사례들로 추정할 수 있으며, 국지적 배출과 외부적 영향의 기여도를 정량화하는 것이 가능하다.
도 11은 군집을 월별로 정량화한 표를 나타낸 도면이고, 도 12는 군집을 연도별로 정량화한 표를 나타낸 도면이다.
도 11을 참조하면, 상술한 바와 같이 분류된 타입별로 군집을 월별로 정량화할 수 있고, 도 12를 참조하면, 상술한 바와 같이 분류된 타입별로 군집을 연도별로 정량화할 수 있다.
본 발명에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법은, 분석 지역의 미세먼지 농도 자료와 기상 자료만을 가지고도 분석이 가능하여 타 국각의 배출량 자료 입수가 어려울 때에도 외부적 영향에 의한 고농도 사례의 기여도를 정량적으로 파악할 수 있는 효과가 있다.
또한, 본 발명에 따른 도시 지역 고농도 미세먼지의 발원지 추정 방법은 미세먼지 고농도 사례일별로 분석하지 하지 않고 장기간의 자료들을 통합적으로 처리할 수 있다는 점에서 시간과 비용의 절감을 꾀할 수 있고 기후 연구 및 정책 자료 수집에 활용될 수 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
A, B, C : 군집
Claims (4)
- (a) 어느 한 지역에 설치된 대기오염측정망으로 미세먼지(PM10) 농도가 측정되고, 상기 측정된 미세먼지 농도의 일평균 농도값이 미리 설정된 미세먼지 농도값 이상으로 측정되는 날을 추출하여 미세먼지 고농도 사례일을 추출하는 단계;
(b) 상기 (a)단계에서 추출된 미세먼지 고농도 사례일에서 나타나는 미세먼지의 공기괴가 상기 대기오염측정망이 설치된 지역까지 이동해 온 이동 경로를 일정시간마다 역으로 추적하여 역궤점들을 분석하고, 분석된 상기 역궤점들을 각각 연결하여 상기 미세먼지 고농도 사례일의 미세먼지 역궤적을 분석하는 역궤적 분석단계; 및
(c) 군집 분석 기법 중 집괴적 계층 군집화 기법에 의해 상기 (b)단계에서 미세먼지 고농도 사례일마다 분석된 미세먼지 역궤적들을 각각 하나의 독립된 군집이라 하고, 와드의 최소분산분석 방법에 의해 측정되는 군집 간의 거리의 합이 미리 설정된 값 이상으로 증가하기 전의 군집화의 횟수를 총 군집의 개수에서 빼서 군집 개수를 산출하여 상기 군집 개수로 상기 미세먼지 역궤적들을 군집 분석하는 단계;를 포함하고,
상기 (b)단계는,
일정시간마다 역으로 추적한 역궤점들을 각각 연결할 때, 유클리드 거리 측정 방법으로 각각의 역궤점들 중 가장 가까운 역궤점들끼리 연결하여 미세먼지의 공기괴가 이동해온 경로인 미세먼지 역궤적을 분석하되, 상기 미세먼지 역궤적을 상기 미세먼지 고농도 사례일마다 분석하는 것을 특징으로 하는 도시 지역 고농도 미세먼지의 발원지 추정 방법.
- 삭제
- 제1항에 있어서, 상기 미세먼지 농도의 일평균 농도값은,
상기 대기오염측정망 중 도로변대기측정망에서 측정되는 미세먼지 농도값이 제외되어 산출되는 것을 특징으로 하고,
상기 미세먼지 고농도 사례일은, 상기 미세먼지의 일평균 농도값이 100 ㎍/㎥ 이상이되, 황사가 발생한 날은 제외되어 추출되는 것을 특징으로 하는 도시 지역 고농도 미세먼지의 발원지 추정 방법.
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120008411A KR101194677B1 (ko) | 2012-01-27 | 2012-01-27 | 도시 지역 고농도 미세먼지의 발원지 추정 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120008411A KR101194677B1 (ko) | 2012-01-27 | 2012-01-27 | 도시 지역 고농도 미세먼지의 발원지 추정 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101194677B1 true KR101194677B1 (ko) | 2012-10-29 |
Family
ID=47288724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120008411A KR101194677B1 (ko) | 2012-01-27 | 2012-01-27 | 도시 지역 고농도 미세먼지의 발원지 추정 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101194677B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180040873A (ko) * | 2016-10-13 | 2018-04-23 | 우연정 | 미세먼지 측정 시스템 및 방법 |
CN117473398A (zh) * | 2023-12-26 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
KR20240059856A (ko) | 2022-10-28 | 2024-05-08 | 대한민국(기상청 국립기상과학원장) | 수치모델을 활용한 고농도 pm2.5 사례의 농도 특성 및 물리·화학적 생성 기여도 분석을 위한 방법 및 장치 |
-
2012
- 2012-01-27 KR KR1020120008411A patent/KR101194677B1/ko not_active IP Right Cessation
Non-Patent Citations (1)
Title |
---|
한국대기환경학회지 제24권 제6호, 2008.12.31.(하이브리드 수용모델을 이용한 서울시 PM2.5 오염원의 위치추적) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180040873A (ko) * | 2016-10-13 | 2018-04-23 | 우연정 | 미세먼지 측정 시스템 및 방법 |
KR20240059856A (ko) | 2022-10-28 | 2024-05-08 | 대한민국(기상청 국립기상과학원장) | 수치모델을 활용한 고농도 pm2.5 사례의 농도 특성 및 물리·화학적 생성 기여도 분석을 위한 방법 및 장치 |
CN117473398A (zh) * | 2023-12-26 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
CN117473398B (zh) * | 2023-12-26 | 2024-03-19 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427533B (zh) | 基于时序粒子跟踪的污染传播模式可视分析方法及*** | |
Makra et al. | Monitoring the long-range transport effects on urban PM10 levels using 3D clusters of backward trajectories | |
Bhatti et al. | Time series analysis and forecasting of air pollution particulate matter (PM 2.5): an SARIMA and factor analysis approach | |
Yin et al. | Surface ozone at Nam Co in the inland Tibetan Plateau: variation, synthesis comparison and regional representativeness | |
Ragosta et al. | Source origin and parameters influencing levels of heavy metals in TSP, in an industrial background area of Southern Italy | |
Chambers et al. | Characterising terrestrial influences on Antarctic air masses using Radon-222 measurements at King George Island | |
CN112180472A (zh) | 一种基于深度学习的大气能见度集成预报方法 | |
CN108205164A (zh) | 一种基于WRF-Chem的大气能见度参数化预测方法 | |
CN109740195B (zh) | 一种基于气象站观测数据的极值台风风速概率分布模型及设计台风风速的评估方法 | |
CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别***和应用方法 | |
CN103090831A (zh) | 覆冰区域输电线路覆冰厚度的判断方法 | |
KR101194677B1 (ko) | 도시 지역 고농도 미세먼지의 발원지 추정 방법 | |
CN112461799B (zh) | 一种获取高速公路团雾能见度的方法及装置 | |
CN111103405A (zh) | 空气质量预报预警*** | |
CN109947758A (zh) | 一种基于行为轨迹库的路线碰撞分析方法 | |
CN113092684A (zh) | 一种基于时空矩阵分解的空气质量推断方法 | |
CN114466313B (zh) | 一种基于手机信令数据的城际出行扩样方法 | |
Hernandez et al. | Analysis of the information obtained from PM 2.5 concentration measurements in an urban park | |
Sun et al. | Classification of circulation patterns during the formation and dissipation of continuous pollution weather over the Sichuan Basin, China | |
KR20170025709A (ko) | 황사와 연무 통합 예측 및 검증 방법 및 시스템 | |
Hamid et al. | Short term prediction of PM10 concentrations using seasonal time series analysis | |
CN111400911A (zh) | 一种基于ewma控制图的gnss变形信息识别与预警方法 | |
Hu et al. | Using synoptic classification to evaluate an operational air quality forecasting system in Atlanta | |
Zhang et al. | Characteristics of extreme droughts inferred from tree-ring data in the Qilian Mountains, 1700− 2005 | |
CN109615239B (zh) | 基于社会化网络媒体数据的城市空气质量的评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
N231 | Notification of change of applicant | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20151007 Year of fee payment: 4 |
|
LAPS | Lapse due to unpaid annual fee |