Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the Research Topics and Trends in South Korea: Focusing on Particulate Matter

토픽모델링을 이용한 국내 미세먼지 연구 분류 및 연구동향 분석

  • Park, Hyemin (Major of Earth and Environmental Sciences, Division of Earth Environmental System Science, Pukyong National University) ;
  • Kim, Taeyong (Major of Earth and Environmental Sciences, Division of Earth Environmental System Science, Pukyong National University) ;
  • Kwon, Daewoong (Major of Environmental Geosciences, Division of Earth and Environmental System Sciences, Pukyong National University) ;
  • Heo, Junyong (Major of Earth and Environmental Sciences, Division of Earth Environmental System Science, Pukyong National University) ;
  • Lee, Juyeon (Major of Earth and Environmental Sciences, Division of Earth Environmental System Science, Pukyong National University) ;
  • Yang, Minjune (Major of Environmental Geosciences, Division of Earth and Environmental System Sciences, Pukyong National University)
  • 박혜민 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 김태용 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 권대웅 (부경대학교 지구환경시스템과학부 환경지질과학전공) ;
  • 허준용 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 이주연 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 양민준 (부경대학교 지구환경시스템과학부 환경지질과학전공)
  • Received : 2022.10.01
  • Accepted : 2022.10.17
  • Published : 2022.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

The particulate matter (PM) has emerged as a hot topic around the world as it has been reported that PM is related to an increase in mortality and prevalence rates. In South Korea, the importance of PM has been recognized since the late 1990s, and various studies on PM have been conducted. This study investigated the PM research topics and trends for papers (D=2,764) published in Research Information Sharing Service (RISS) using topic modeling based on Latent Dirichlet Allocation (LDA). As a result, a total of 10 topics were identified in the whole papers, and the PM research topics were classified as 'PM reduction (Topic 1)', 'Government policy and management (Topic 2)', 'Characteristics of PM (Topic 3)', 'PM model (Topic 4)', 'Environmental education (Topic 5)', 'Bio (Topic 6)', 'Traffic (Topic 7)', 'Asian dust (Topic 8)', 'Indoor PM (Topic 9)', 'Human risk (Topic 10)'. In particular, the proportion of papers on topics 'Government policy and management (Topic 2)', 'PM model (Topic 4)', 'Environmental education (Topic 5)', and 'Bio (Topic 6)' to the toal number of papers increased over time (linear slope > 0). The results of this study provide the new literature review methodology related to particulate matter and the history and insight.

전 세계적으로 미세먼지(particulate matter, PM)와 사망률 및 유병률 증가의 관련성이 보고되면서 다양한 연구가 수행되었으며, 우리나라에서는 1990년대 후반을 기점으로 PM에 대한 중요성을 인식하고, PM에 대한 다양한 연구가 수행되었다. 본 연구에서는 '미세먼지' 관련 연구들의 주제를 분류하고, 각 주제별 연구 동향을 확인하기 위해 Research Information Sharing Service (RISS)에 게재된 미세먼지 관련 2,764편의 논문을 대상으로 Latent Dirichlet Allocate (LDA) 분석을 수행하였다. 연구 결과, 총 10개의 주제로 분류하는 것이 가장 적합하였으며, 미세먼지 관련 연구주제는 '미세먼지 저감(Topic 1)', '정부 정책 및 관리(Topic 2)', '미세먼지 특성(Topic 3)', '미세먼지 모델(Topic 4)', '환경교육(Topic 5)', '바이오(Topic 6)', '교통수단(Topic 7)', '황사(Topic 8)', '실내 미세먼지 오염(Topic 9)', '인체 위해성(Topic 10)'의 주제로 분류할 수 있었다. 특히, '정부 정책 및 관리(Topic 2)', '미세먼지 모델(Topic 4)', '환경교육(Topic 5)'. '바이오(Topic 6)' 관련 연구주제들이 시간에 따라 전체 논문에 대한 비율이 증가하는 추세를 보여 성행하는 것을 확인하였다(linear slope>0). 본 연구의 결과는 미세먼지 관련 다양한 분야의 연구자들에게 새로운 문헌 고찰의 방법론을 제시하고, 미세먼지 분야의 역사와 발전에 대한 이해를 제공했음에 의의가 있다.

Keywords

1. 서론

미세먼지(particulate matter, PM)는 공기 내 총 부유분진(total suspended particles, TSP) 중 직경이 10 μm 이하의 먼지로 입자 크기에 따라 직경 10 μm 이하의 미세먼지(PM10)와 직경이 2.5 μm 이하의 초미세먼지(PM2.5), 직경 1 μm 이하의 극초미세먼지(PM1)로 분류된다(Polichetti et al., 2009). 대기 중 미세먼지는 호흡기를 통해 인체 내로 유입될 수 있으며, 인체영향에 대한 기전은 염증반응, 사이토카인(cytokine) 및 케모카인(chemokine)의 분비, 엔도독신(endotoxin)에 의한 세포 및 조직의 반응 등 다양하다(Shin, 2007). 최근 미세먼지의 기도 염증, 호흡기 및 심혈관계 질환 등 인체 위해성이 보고됨에 따라 미세먼지 관련 연구 및 정책의 필요성이 증대되고 있다. 미세먼지 관련 연구는 수용성 이온, 중금속, 희토류 등 미세먼지를 구성하는 화학 성분과 같은 특성 연구가 수행되고 있으며(Kleeman et al., 2000; Cabada et al., 2004; Sillanpää et al., 2006; Kelly and Fussell, 2012), 이러한 대기 중 미세먼지가 인체 및 생태계에 미치는 영향과 관련된 다양한 연구가 수행되고 있다(Schwarze et al., 2006; Ristovski et al., 2012; Kim et al., 2015; Mukherjee and Agrawal, 2017).

국내 미세먼지 관련 연구 활동이 활발해짐에 따라 인체 위해성 연구, 배출규제, 저감기술, 측정 및 관리 기술등의 동향에 대한 문헌고찰(literature review) 연구들이 일부 수행되었다. Lee et al. (2019)에서는 2005년부터 2019년까지 발표되었던 정부의 미세먼지 대책 관련 사례 및 한계를 제시하였으며, 대기 중 미세먼지 농도 저감을 위한 방안 및 기술의 동향을 시사하였다. 특히, 공해 차량 운행제한지역(low emission zone) 제도 도입, 배출 가스 저감장치 및 교통수단 개선 등의 미세먼지 저감 사례를 다루었으며, 국내외 미세먼지 저감 기술 동향에 대해 확인하였다. Lee (2019)에서는 미세먼지는 심혈관계, 신경계, 내분비계 등 인체 내에서 동시다발적인 문제를 유발할 수 있음을 제시하였으며 의학적인 측면에서 미세먼지가 인체에 미치는 영향에 대한 연구 및 의료 동향을 시사하였다. 또한, Lyu et al. (2019)에서는 해외 데이터베이스(PubMed, EMBASE, Cochrane Central Register of Controlled Trials)를 이용하여 2019년 5월까지 미세먼지와 호흡기질환과 관련하여 게재된 총 150편의 논문을 대상으로 연구동향을 분석하였다. 하지만, 기존의 선행 연구들은 미세먼지 연구의 특정 분야에 대해서 분석하였기 때문에 전반적인 미세먼지 연구 동향을 확인하기에는 어려움이 있다. 또한, 게재된 논문을 대상으로 연구자가 직접 내용을 분석하고 파악을 하는 경우 대용량의 문헌을 직접 검토하고 분석 및 해석하기에는 상당한 시간이 소요될 수 있으며, 연구자의 주관적인 견해가 연구 결과에 반영될 수 있다는 단점이 존재한다.

이러한 단점을 보완하기 위해 최근 자연어 처리 및 기계학습 분야에서는 토픽모델링(topic modeling) 기법을 적용하여 대용량의 문헌에 대한 연구 동향을 분석하였다. 토픽모델링이란 대용량의 문헌내에 내재(latent)되어 있는 주제(topic)를 도출할 수 있는 통계모델로, 그 중에서 가장 많이 사용되고 있는 Latent Dirichlet Allocation (LDA)은 문헌내에 존재하는 주제별 단어의 분포와 문헌별 주제의 분포를 추론할 수 있어 다양한 분야에서 문헌고찰을 위해 수행되고 있다(Blei et al., 2003; Blei, 2012). Kimet al. (2021a)은 지질학 분야의 자원환경지질 학술지를 대상으로 1968년부터 2020년까지 발행된 논문 2,571편을 대상으로 LDA를 적용하여 학술지에 내재되어 있는 8개의 연구주제를 추론하였으며, 연구주제 별 동향 및 연구주제간 연관성을 정량적으로 확인하였다. Kim et al. (2021b)은 대한원격탐사학회지에서 1985년부터 2021년까지 출판한 논문 총 1,847편과 자연·환경재해 분야 논문 550편을 대상으로 분석하였으며, 학술지 전체에 내재 되어있는 4개의 연구주제(‘극권’, ‘수권’, ‘지권’, ‘기권’)와 자연·환경재해 분야에 내재되어 있는 7개의 연구주제(‘해양오염’, ‘대기오염’, ‘화산재해’, ‘산불’, ‘홍수’, ‘가뭄’, ‘폭우’)를 추론하였으며, 그에 따른 연구동향을 확인하였다.

미세먼지 분야에서도 LDA를 이용한 연구가 일부 수행되었다. Yoon and Kim (2020)에서는 한국언론진흥재단에서 제공하는 뉴스 빅데이터 분석 서비스인 빅카인즈(BIGKinds)를 이용하여 2010년부터 2019년까지 최근 10년간 미세먼지 관련 뉴스 데이터를 대상으로 LDA 분석을 실시하여 80개의 최적 토픽을 도출하였으며, 각 토픽의 주요 단어 및 비중을 분석하였다. 연구 결과, ‘날씨정보’ 및 ‘미세먼지 저감 대책’ 관련 정보가 토픽의 주요 단어로 구성되었으며 미디어에 노출되는 빈도와 미세먼지 농도 최고치간 양의 상관관계를 확인할 수 있었다. 최근 사회적 이슈로 부각된 ‘미세먼지’ 키워드의 뉴스 데이터를 토픽모델링으로 분석하였으나, 연구동향을 확인하기에는 어려움이 따른다.

따라서, 본 연구에서는 미세먼지와 관련된 논문들을 대상으로 Kim et al. (2021a)에서 제시된 LDA 모델을 활용한 분석방법을 사용하여 ‘미세먼지’ 연구의 주제를 분류하고, 각 연구 주제의 연구 동향을 제시해보고자 한다.

2. 연구 방법

1) 데이터 수집 및 전처리

본 연구에서 사용한 데이터는 국내 학술 DB 사이트인 Research Information Sharing Service (RISS)에서 ‘미세먼지’로 검색하여 1991년부터 2022년 9월까지 총 32년간 출판된 논문 총 2,764편을 수집하여 분석하였다. 총 755개의 국내 학술지에서 ‘미세먼지’와 관련된 논문을 출판하였으며, 연간 평균 논문 수는 약 89.16편이고, 연간 누적 논문 수는 지속적으로 증가하는 추세(linear slope=83.34, R2 = 0.75, p<0.05)를 보였다(Fig. 1).

OGCSBN_2022_v38n5_3_873_f0001.png 이미지

Fig. 1. The number of publications per year (grey bar) and the cumulative number of publications (black line) from 1991 to 2022 searched for “Particulate Matter” in South Korea on RISS.

755개의 학술지에서 수집된 논문의 영문 초록을 학습데이터로 사용하였으며, 해당 논문의 발행연도는 학습 후 LDA 모델의 결과를 해석할 때 연구동향을 확인하기 위해 사용하였다. 자연어 처리 특성상 국문데이터는 접두사 및 접미사로 인해 분석에 용이하지 않아 영문 데이터를 추출하여 분석하였다.

데이터 전처리는 Fig. 2와 같이 수행하였다. 수집한 텍스트데이터를 대문자에서 소문자로 변환 후 띄어쓰기(white space)와 구두점(punctuation mark)을 기준으로 문장을 단어로 변환시키는 토큰화(tokenization)를 실시하였으며, 문장 내에서 자주 등장하지만 문헌분석에 필요 없는 관사나 대명사와 같은 단어(is, the, was, that, etc.)를 불용어(stopwords)로 설정하여 제거하였다. 모델링 성능을 향상시키기 위해 어간추출법(stemming)을 사용하여 단어의 어미를 자른 단어의 원형을 사용하였다. 텍스트 데이터 전처리는 파이썬 기반 자연어 처리 모듈인 Natural Language Toolkit (Loper and Bird, 2002)을 사용하였으며, 어간추출 알고리즘은 Porter stemming algorithm (Porter, 1980)을 사용하였다.

OGCSBN_2022_v38n5_3_873_f0002.png 이미지

Fig. 2. Flowchart of text preprocessing in this study.

2) Latent Dirichlet Allocation (LDA)

LDA는 대용량의 문헌에 내재되어 있는 특정 주제를 추론할 수 있는 통계적 모델로, 토픽모델링 중 가장 보편적으로 사용하고 있는 비지도학습 알고리즘 중 하나이다(Blei, 2012). 특히, LDA는 확률적 생성 모델로 연구자가 연구주제의 개수를 설정한 다음 모델링을 실시하게 되면 문헌별 주제의 분포와 주제별 단어의 분포를 추론할 수 있기 때문에 다양한 분야의 문헌 고찰에서 수행되었다. LDA의 생성 과정 및 그에 따른 결과는 Fig. 3에서 확인할 수 있다. Fig. 3(a)에서 K는 초모수(hyper-parameter) 로 연구자가 직접 설정하는 주제의 개수이다. D는 전체 문서의 집합을 나타내며, N은 문서에 포함된 단어의 집합을 나타낸다. θd는 α를 매개변수로 갖는 디리클레 분포에 의해 샘플링 되는 d번째 문서의 주제 확률 분포이고, βk는 η를 매개변수로 갖는 디리클레 분포에 의해 샘플링되는 k번째 주제의 단어 확률분포를 나타낸다(Fig. 3(b)). zd, n는 d번째 문서에 n번째 단어에 대해 주제 할당(allocation)을 의미한다. wd, n는 우리가 실제로 관측할 수 있는 d번째 문서에서의 n번째 단어를 의미하며, zd, n과 βk에 의해 샘플링된다. 위와 같은 LDA의 문서 생성과정은 다음과 같은 수식으로 표현할 수 있다.

OGCSBN_2022_v38n5_3_873_f0003.png 이미지

Fig. 3. Graphical model of Latent Dirichlet Allocation (LDA) and results of LDA. (a) The node shaded as grey indicates the observed word in the document (wd, n) and the unshaded node indicates the latent variable in the document. The rectangles with N, D, and K indicate the repetition of random variables. (b) Two outputs of LDA model are shown (word per topic matrix and topic per document matrix).

\(\begin{aligned}\begin{array}{l}p\left(\beta_{1: K}, \theta_{1: D}, z_{1: D}, w_{1: D}\right) \\ =\prod_{i=1}^{K} p\left(\beta_{i} \mid \alpha\right) \prod_{d=1}^{D} p\left(\theta_{d} \mid \eta\right) \\ \left.\left(\prod_{n=1}^{N} p\left(z_{d, n} \mid \theta_{d}\right) p\left(w_{d, n}\right) \mid \beta_{1: K}, z_{d, n}\right)\right) \\\end{array}\\\end{aligned}\)       (1)

여기서, 연구자가 사전에 설정해야 되는 초모수(K, α, η)는 대용량의 문헌에 내재되어있는 주제의 개수(K)와 디리클레 분포의 모형에 대한 매개변수(α, η)를 의미한다. 본 연구에서는 파이썬 기반 토픽모델링 라이브러리인 tomotopy (https://bab2min.github.io/tomotopy/v0.12.3/kr/)를 사용하여 모델링하였다.

미세먼지와 관련된 연구 논문들에 내재되어있는 최적의 주제 개수를 설정하기 위해 주제의 개수를 5개부터 20개까지 다양하게 설정하여 사전분석을 실시하였고 최적의 주제 개수를 설정하였으며, 해석하기 힘든 주제는 제외하고 결과를 확인하였다. 그 결과를 바탕으로 주제별 연구 동향을 확인하기 위해 독립변수를 연도, 종속변수를 연도별 주제의 비중으로 설정한 단순선형회귀분석을 실시하였으며, 양측 t검정을 통해 회귀계수를 검정하였다. 연구방법과 관련된 자세한 내용은 Kim et al. (2021a)에서 확인 가능하다.

3. 결과 및 토의

1) 미세먼지 관련 연구 주제 분류

RISS에 게재된 국내 미세먼지 관련 논문 2,764편을 대상으로 LDA 분석을 실시하였으며, 각 주제별 단어들의 확률분포를 바탕으로 주제를 분류하고 비중이 큰 단어들을 통해 연구주제를 분류하였다. 모델링 결과 총 10개의 주제로 분류하는 것이 가장 적합하였으며, 해당 결과를 워드클라우드(wordcloud)로 표현하였다(Fig. 4).

OGCSBN_2022_v38n5_3_873_f0004.png 이미지

Fig. 4. Wordclouds of each research topic about the particulate matter (PM) research (D=5,304) in South Korea. The size of words in each topic indicates the word proportion in each topic (βk).

각 주제별 논문의 출현 확률을 계산하고 내림차순으로 논문을 정렬하여 각 주제의 키워드를 분석하고 세부적인 내용을 해석하였다. (1) Topic 1의 경우 전체 논문 중 9.03%의 비율로 나타났으며, ‘remove’, ‘filter’, ‘efficiency’ 등의 단어가 높은 비중을 차지하였다. 또한, 대기 중 미세먼지 저감을 위한 분진흡입 시스템 및 필터 관련 연구가 주를 이루었으며 포집 및 집진 효율성을 평가하고 미세먼지 저감 효율을 규명하는 논문들의 집합으로 나타났다(Jeong et al., 2016; Kim et al., 2017, 2020; Lee and Kim, 2017). 따라서, Topic 1은 미세먼지 저감 관련 연구로 분류될 수 있을 것으로 판단된다. (2) Topic 2의 경우 전체 논문 중 10.28%의 비율로 나타났으며, ‘policy’, ‘management’, ‘green’, ‘govern’등의 단어가 높은 비중을 차지하였다. 또한, 미세먼지 저감 및 관리를 위한 정책 및 특별법에 관한 고찰 연구가 주를 이루었으며 특히, 미세먼지관리종합계획, 대기질 개선 관한 특별법 등의 주제들이 논의되었다(Hahm, 2014; Moon et al., 2019). 이에 따라 Topic 2는 정부 정책 및 관리 관련 연구로 판단된다. (3) Topic 3는 전체 논문 중 10.34%를 차지하였으며, ‘concentration’, ‘element’, ‘source’, ‘composition’ 등의 단어가 높은 비율로 나타났다. 연구 논문의 경우 미세먼지 농도, 수용성 이온 및 중금속과 같은 화학조성 등의 미세먼지 특성에 관련된 연구가 주를 이루었으며 (Kang, 2010; Park et al., 2011; Kim et al., 2017), 다양한 분석 방법을 통한 미세먼지 오염원 추적에 대한 논의가 이루어졌다(Lee and Hu, 2018; Park et al., 2021). 위 결과를 통해 Topic 3은 미세먼지 특성관련 연구로 판단된다. (4) Topic 4의 경우, 전체 논문 중 12.40%의 비율로 나타났으며, ‘model’, ‘data’, ‘predict’, ‘forecast’ 등의 단어가 높은 비중을 차지하였다. 본 주제에서는 실시간 측정된 미세먼지 농도 데이터를 활용하여 다양한 모델을 이용한 시물레이션 연구와 특정 지역 미세먼지 농도를 추정하고 예측하는 연구가 주를 이루었다(Shin et al., 2018; Ryu and Jang, 2019). 특히, 본 주제에서는 최근 디지털 시대가 도래됨에 따라 발전된 인공지능 기술이 다양하게 활용되고 있으며, 인공지능 기반 미세먼지 예측 모델 개발 및 평가에 대한 많은 논의가 이루어졌다(Yu et al., 2019; Bai and Li, 2023). 위 결과를 바탕으로 Topic 4는 미세먼지 모델 관련 주제로 판단된다. (5) Topic 5는 전체 논문 중 4.35%의 비율을 차지하였으며, ‘school’, ‘education’, ‘student’, ‘classroom’ 등의 단어가 높은 비중으로 나타났다. 논문의 경우 학교와 관련된 연구가 주를 이루었으며, 특히 초·중·고등학교 대상 미세먼지 관련 환경교육 방안 및 영향에 대한 연구가 수행되었으며, 미세먼지에 대한 학생들의 인식 및 태도 수준을 평가하는 연구가 진행되었다(An et al., 2020; Ha and Park, 2020; Jang and Lee, 2020). 이에 따라 Topic 5는 미세먼지 환경교육 관련 주제로 판단된다. (6) Topic 6은 전체 논문 중 4.58% 비율로 나타났으며, ‘cell’, ‘skin’, ‘extract’, ‘gene’등 단어의 비율이 높게 확인되었다. 본 주제의 경우 대기 중 PM노출에 따라 유도된 피부, 폐, 뇌 등의 세포 특성에 대한 논의가 이루어지고 있으며(Park et al., 2019; Kim and Kim, 2021; Kim et al., 2021), PM 노출의 최소화를 위한 화장품 개발 등의 연구가 일부 수행되었다(Choi et al., 2018; Kang et al., 2021). 위 결과를 통해 Topic 6의 경우 미세먼지에 따른 바이오 특성과 관련된 주제로 판단된다. (7) Topic 7은 전체 논문의 9.84% 비율로 확인되었으며, ‘emission’, ‘vehicle’, ‘plant’, ‘diesel’, ‘source’ 등의 단어가 높은 비중으로 나타났다. 또한 교통수단, 공장 등 미세먼지 방출원에 대한 식별 연구가 주를 이루었으며 지역별 오염 기여도를 분석하고 오염원을 추정에 대한 많은 논의가 이루어졌다(Ju et al., 2018; Shin et al., 2019). 특히 항공기, 자동차, 선박 등 다양한 교통수단과 관련하여 대기오염물질 배출량 산정 및 특성에 관한 연구가 활발하게 진행되고 있으며, 교통수단 관리를 통한 미세먼지 저감에 대한 논의가 지속적으로 이루어지고 있다(Lee and Kim, 2007; Shon et al., 2013; Zhao et al., 2019). 따라서, 본 주제는 미세먼지와 교통수단의 상관성에 대한 것으로 판단된다. (8) Topic 8의 경우 전체 논문 중 14.77%의 비율을 차지하였으며, ‘concentration’, ‘Asian dust’, ‘wind’, ‘meteorology’ 등의 단어가 높은 비중으로 나타났다. 본 주제에서는 바람 영향에 따른 미세먼지 이동과 관련된 연구가 주를 이루었으며, 미세먼지의 광역적 이동 사례 및 시뮬레이션에 대해 다양한 연구가 수행되었다(Kim and Chung, 2009; Kim et al., 2010; Jeong et al., 2022). 그 중에서도 동아시아 대륙 기원의 황사와 관련하여 발원지, PM과의 상관성, 에어로졸 농도 분포 등에 대한 논의가 활발하게 이루어졌다(Cho et al., 2013; Park et al., 2013; Jung et al., 2014). 위 결과를 통해 Topic 8의 경우 황사 관련 주제로 판단된다. (9) Topic 9는 전체 논문의 13.11%를 차지하였으며, ‘indoor’, ‘air’, ‘subway’, ‘outdoor’ 등의 단어가 높은 비중으로 나타났다. 사무실, 보육시설, 병원, 스크린골프장, 지하주차장 등 다중이용시설의 실내 공기질에 대한 측정 및 평가와 관련된 연구가 다양하게 수행되었다(Jeong et al., 2007; Yoon and Lim, 2020). 특히, 전국 지하철 내 미세먼지 농도를 실시간으로 측정한 데이터를 이용하여 지하철 객차 및 승강장 미세먼지 농도 분포를 분석하고 이에 따른 인체 위해성에 대한 많은 논의가 이루어졌다(Lee et al., 2008; Hwang et al., 2017; Shin et al., 2019). 따라서, Topic 9의 연구주제는 실내 미세먼지 오염으로 추론할 수 있다. (10) 마지막으로 Topic 10의 경우 전체 논문 중 11.31%로 ‘risk’, ‘exposure’, ‘health’, ‘disease’ 등과 같이 인체 위해성 관련 단어들이 큰 비중을 차지했다. 본 주제의 논문에서는 미세먼지와 각종 질병간 상관 관계에 대한 다양한 논의가 이루어졌으며 미세먼지가 급성심근경색, 알레르기 비염, 호흡기 및 심혈계 질환 등 다양한 질병에 미치는 영향을 규명하였다(Lee, 2016; Park and Hwang, 2017; Choi, 2020). 특히 영유아, 노인, 기존 호흡기 환자 등 상대적으로 면역력이 약하고 미세먼지에 취약한 인구를 대상으로 집중적인 연구가 수행되었다(Lee, 2005; Choi, 2020; Park and Kim, 2020). 이에 따라 Topic 10은 인체 위해성과 관련된 주제로 판단된다.

2) 미세먼지 연구 분야 각 주제별 연구동향

미세먼지 관련 연구의 주제별 동향을 확인하기 위해 선형회귀분석을 실시하여 회귀계수를 계산하였으며, t검정을 통해 회귀계수를 검정하여 양수일 경우Emerging topic, 음수일 경우 Classic topic, 회귀계수가 통계적으로 유의하지 않을 경우 No trend topic으로 분류하여 결과를 해석하였다(Fig. 5).

OGCSBN_2022_v38n5_3_873_f0005.png 이미지

Fig. 5. The results of simple linear regression for each topic with a t-test. (a) Emerging topics indicate the topic with a positive linear slope (p<0.05), (b) Classic topic indicate the topic with a negative linear slope (p<0.05), and (c) No trends topics indicate a topic without statisticaly significant (p>0.05).

t검정 결과, Emerging topic은 Topic 2 ‘정부 정책 및 관리’(linear slope=1.16×103), Topic 4 ‘미세먼지 모델’ (linear slope=7.42×103), Topic 5 ‘환경교육’(linear slope=0.88×103)으로 분류되었으며, Classic topic은 Topic 6 ‘바이오’(linear slope=–5.78×103)로, 나머지 주제는 No trend topic으로 분류되었다. Emerging topic과 Classic topic의 각 주제별 연구 동향을 확인하기 위해 시간에 따른 각 연구 주제별 확률 분포를 Fig. 5에 나타냈다. 미세먼지 모델 관련 주제로 분류된 Topic 4의 경우, 연도별 비중은 통계적으로 유의한 경향(linear slope= 7.42×103, p<0.05)을 보였다. 특히, 최근 2010년 후반 비율이 급증하는 것을 확인할 수 있는데, 이는 4차 산업혁명에 따른 인공지능 분야의 발전으로 미세먼지 분야에 인공지능 모델을 접목시킨 연구가 증가한 것으로 판단된다(Zhong et al., 2021). 반면, 미세먼지 특성과 관련된 주제로 분류된 Topic 3의 경우 연도별 비중은 통계적으로 유의한 경향(p>0.05)을 보이지 않았다. 1990년대 이후 미세먼지 측정 센서 도입에 따라 미세먼지에 대한 관심도가 증가하였으며, 이에 따라 연구의 근간이 될 수 있는 특성에 대한 연구가 우선적으로 수행되었고, 연구 분야가 다양해지면서 전체 논문에서 차지하는 비율이 감소한 것으로 판단된다(Kim, 2018). 또한, 미세먼지 저감 관련 연구로 분류된 Topic 1의 경우 선형회귀 분석 결과, 연도별 비중은 통계적으로 유의한 경향(p>0.05)을 보이지 않았으나, 1990년도 후반 전체 논문에 대한 비율이 0.8로 연구가 활발히 진행된 것을 확인할 수 있었다. 이는 1990년도 후반 대기 중 미세먼지 농도의 갑작스러운 증가에 따라 미세먼지 저감 방안 및 기술에 대한 관심이 급증하였으며, 1990년 대기환경보전법이 제정되면서 미세먼지 저감에 관련된 연구가 증가하는 경향을 보였을 것으로 해석할 수 있다(Kim and Park, 2020). 이 외 No trends topic으로 분류된 Topic 7, Topic 8, Topic 9, Topic 10의 선형회귀 분석 결과 결과, 통계적으로 유의한 경향(p>0.05)을 확인할 수 없었으나, 1990년대 이후 지속적으로 높은 비율로 연구가 진행되었음을 확인할 수 있었다.

4. 결론

본 연구는 국내 학술 DB 사이트인 RISS에서 1991년부터 2022년 9월까지 총 32년간 출판된 ‘미세먼지’ 주제 관련 논문(D=2,764)을 추출하여 토픽모델링을 수행하였으며, 국내 미세먼지 분야 연구의 주제 분류 및 역사에 대해 논의하였다. 미세먼지 관련 2,764편의 논문을 대상으로 LDA 분석을 수행한 결과, 총 10개의 주제로 분류하는 것이 가장 적합하였으며, Topic 1부터 Topic 10까지 순차적으로 ‘미세먼지 저감’, ‘정부 정책 및 관리’, ‘미세먼지 특성’, ‘미세먼지 모델’, ‘환경교육’, ‘바이오’, ‘교통수단’, ‘황사’, ‘실내 미세먼지 오염’, ‘인체 위해성’의 주제로 분류할 수 있었다. 각 주제별 연구 동향을 분석한 결과, ‘정부 정책 및 관리(Topic 2)’, ‘미세먼지 모델(Topic 4)’, ‘환경교육(Topic 5)’에 대한 연구들은 시간에 따라 전체 논문에 대한 비율이 증가하는 추세를 보였으나, ‘바이오(Topic 6)’는 시간에 따라 감소하는 추세를 보였다. 이외 연구주제들은 통계적으로 유의한 경향을 확인할 수 없었다(p>0.05). 이러한 경향은 1990년대 후반 대기 중 미세먼지 농도가 급증함에 따라 미세먼지 측정 센서가 도입되면서 미세먼지 특성 및 오염원, 저감 관련 연구가 우선적으로 수행되었고, 최근에는 기술 개발에 따라 인공지능, 모델링 등 다양한 분야의 연구가 새롭게 등장하고 미세먼지 관련 정부정책 및 학생 대상의 교육에 많은 관심이 있는 것으로 판단된다.

본 연구는 국내 미세먼지 관련 연구들을 대상으로 토픽모델링 중 LDA를 적용하여 연구주제를 분류하고 그에 따른 연구동향을 분석하는 새로운 문헌고찰 방법론을 제시하였다. 하지만, 비지도 학습모델인 LDA 특성상 분류된 주제에 대해 연구자가 직접 해석해야 하는 한 계점이 존재하였다. 본 연구에서 제시된 토픽모델링을 바탕으로 미세먼지, 대기과학, 환경재해분야 등 다양한 분야에서 연구동향을 분석하는데 활용할 수 있을 것으로 판단되며, 향후 다양한 통계기법을 활용한 문헌고찰 연구 방법 제시 및 결과 해석 등의 논의가 이루어지길 기대한다.

사사

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 글로벌핵심인재양성지원사업의 연구결과로 수행되었음(RS-2022-00155315).

References

  1. An, S., S. Lee, and K. So, 2020. The effects of environmental education program on fine dust on elementary school students' knowledge: Perception and attitude of the fine dust, Korean Journal of Environmental Education, 33(1): 76-89 (in Korean with English abstract). https://doi.org/10.17965/kjee.2020.33.1.76
  2. Bai, W. and F. Li, 2023. PM2.5 concentration prediction using deep learning in internet of things air monitoring system, Environmental Engineering Research, 28(1). https://doi.org/10.4491/eer.2021.456
  3. Blei, D.M., 2012. Probabilistic topic models, Communications of the ACM, 55(4): 77-84. https://doi.org/10.1145/2133806.2133826
  4. Blei, D.M., A.Y. Ng, and M.I. Jordan, 2003. Latent dirichlet allocation, Journal of Machine Learning Research, 3: 993-1022.
  5. Cabada, J.C., S. Rees, S. Takahama, A. Khlystov, S.N. Pandis, C.I. Davidson, and A.L. Robinson, 2004. Mass size distributions and size resolved chemical composition of fine particulate matter at the Pittsburgh supersite, Atmospheric Environment, 38(20): 3127-3141. https://doi.org/10.1016/j.atmosenv.2004.03.004
  6. Cho, C., G. Park, and B. Kim, 2013. An effectiveness of simultaneous measurement of PM10, PM2.5, and PM1.0 concentrations in Asian dust and haze monitoring, Journal of Environmental Science International, 22(6): 651-666 (in Korean with English abstract). https://doi.org/10.5322/jesi.2013.22.6.651
  7. Choi, M.A., J.K. Seok, J. Lee, S.Y. Lee, Y.M. Kim, and Y.C. Boo, 2018. Effects of resveratrol and resveratryl triacetate on the inflammatory responses of human epidermal keratinocytes exposed to airborne particulate matter PM10, Journal of the Society of Cosmetic Scientists of Korea, 44(3): 249-258 (in Korean with English abstract). https://doi.org/10.15230/SCSK.2018.44.3.249
  8. Choi, S.H., 2020. Factors affecting particulate matterrelated health behaviors of patients with pulmonary disease, Korean Journal of Adult Nursing, 32(5): 504-514 (in Korean with English abstract). https://doi.org/10.7475/kjan.2020.32.5.504
  9. Ha, Y.-S. and Y.-K. Park, 2020. A study on the Factors Affecting Behavior for Particulate Matter among Adolescents, Journal of the Korea Convergence Society, 11(11): 393-403 (in Korean with English abstract). https://doi.org/10.15207/JKCS.2020.11.11.393
  10. Hahm, T.-S., 2014. Legal Study on the Prevention of Transboundary Environmental Pollution Damage, Kyung Hee Law Journal, 49(4): 193-220 (in Korean with English abstract). https://doi.org/10.15539/khlj.49.4.7
  11. Hwang, S.H., W.M. Park, J.B. Park, and T. Nam, 2017. Characteristics of PM10 and CO2 concentrations on 100 underground subway station platforms in 2014 and 2015, Atmospheric Environment, 167: 143-149. https://doi.org/10.1016/j.atmosenv.2017.08.019
  12. Jang, N.R. and S.W. Lee, 2020. A Study on Elementary School Students Knowledge·Awareness and Attitude toward Fine Dust, Journal of Korean Practical Arts Education, 33(3): 1-20 (in Korean with English abstract). https://doi.org/10.24062/kpae.2020.33.3.1
  13. Jeong, J.-E., J.-H. Cho, and H.-S. Kim, 2022. Analysis of Impacts of the Northeast Pacific Atmospheric Blocking and Contribution of Regional Transport to High-PM 10 Haze Days in Korea, Journal of the Korean Earth Science Society, 43(1): 77-90 (in Korean with English abstract). https://doi.org/10.5467/jkess.2022.43.1.77
  14. Jeong, J.Y., B.K. Lee, and Y.G. Phee, 2007. Assessment of indoor air quality in commercial office buildings, Journal of Korean Society of Occupational and Environmental Hygiene, 17(1): 31-42 (in Korean with English abstract).
  15. Jeong, W., S.-B. Kwon, S. Ko, and D. Park, 2016. Dust collection system optimization with air blowing and dust suction module, Journal of the Korea Academia-Industrial Cooperation Society, 17(1): 290-297 (in Korean with English abstract). https://doi.org/10.5762/kais.2016.17.1.290
  16. Ju, H., C. Bae, B.-U. Kim, H.C. Kim, C. Yoo, and S. Kim, 2018. PM2.5 Source Apportionment Analysis to Investigate Contributions of the Major Source Areas in the Southeastern Region of South Korea, Journal of Korean Society for Atmospheric Environment, 34(4): 517-533 (in Korean with English abstract). https://doi.org/10.5572/kosae.2018.34.4.517
  17. Jung, W.-S., S.-H. Park, D.-I. Lee, D.-D. Kang, and D. Kim, 2014. Characterization of aerosol concentration during severe asian dust period at Busan, Korea in 20 March 2010, Journal of Environmental Science International, 23(2): 275-289 (in Korean with English abstract). https://doi.org/10.5322/jesi.2014.23.2.275
  18. Kang, G.-U., 2010. Chemical Composition of Respirable PM2.5 and Inhalable PM1 in Iksan City during Fall, 2004, Journal of Environmental Health Sciences, 36(1): 61-71 (in Korean with English abstract). https://doi.org/10.5668/jehs.2010.36.1.061
  19. Kang, H.-R., S.Y. Jung, H. Heo, B. Cha, S. Brito, S.M. Lee, H.L. Yeo, K.W. Yoo, J.S. Kwak, and B.-M. Kwak, 2021. Application of Oryza sativa (Rice) Bran Oil as an Anti-pollution Cosmetic Material, Journal of the Society of Cosmetic Scientists of Korea, 47(3): 237-245 (in Korean with English abstract). https://doi.org/10.15230/SCSK.2021.47.3.237
  20. Kelly, F.J. and J.C. Fussell, 2012. Size, source and chemical composition as determinants of toxicity attributable to ambient particulate matter, Atmospheric Environment, 60: 504-526. https://doi.org/10.1016/j.atmosenv.2012.06.039
  21. Kim, D.-S. and J.-H. Park, 2020. Problems and Improvements in the Quality Control of the Air Monitoring Network, Journal of Environmental Science International, 29(8): 847-855 (in Korean with English abstract). https://doi.org/10.5322/jesi.2020.29.8.847
  22. Kim, G.H., S.K. Park, J.Y. Kang, J.M. Kim, E.J. Shin, J.H. Moon, M.J. Kim, H.L. Lee, H.R. Jeong, and H.J. Heo, 2021. Protective effect of Codium fragile extract on fine dust (PM2.5)-induced toxicity in nasal cavity, lung, and brain cells, Korean Journal of Food Science and Technology, 53(2): 223-229 (in Korean with English abstract). https://doi.org/10.9721/KJFST.2021.53.2.223
  23. Kim, H.-S. and Y.-S. Chung, 2009. On the observation of Sandstorms and Associated Episodes of Airborne Dustfalls in the East Asian Region in 2005, Journal of the Korean Earth Science Society, 30(2): 196-209 (in Korean with English abstract). https://doi.org/10.5467/jkess.2009.30.2.196
  24. Kim, H.-S., M.-B. Yoon, and J.-J. Sohn, 2010. An analysis on the episodes of large-scale transport of natural airborne particles and anthropogenically affected particles from different sources in the East Asian continent in 2008, Journal of the Korean Earth Science Society, 31(6): 600-607 (in Korean with English abstract). https://doi.org/10.5467/jkess.2010.31.6.600
  25. Kim, J.-H., I.-S. Moon, M.-Y. Hwang, R.-G. Kim, and D. Ko, 2017. Filtration Characteristics of Particulate Matter at Bag Filters Coated with PTFE Membrane During Off-Line Pulsing, Journal of Korean Society of Environmental Engineers, 39(7): 391-402 (in Korean with English abstract). https://doi.org/10.4491/ksee.2017.39.7.391
  26. Kim, K.-H., E. Kabir, and S. Kabir, 2015. A review on the human health impact of airborne particulate matter, Environment International, 74: 136-143. https://doi.org/10.1016/j.envint.2014.10.005
  27. Kim, M.K. and J. Kim, 2021. PM10 Exposure Induced IL1β and IL-6 Expression in Hairless Mouse Skin, Journal of the Korean Society of Cosmetology, 27(4): 898-902 (in Korean with English abstract). https://doi.org/10.52660/jksc.2021.27.4.898
  28. Kim, S.-H., Y.-H. Jang, J.-Y. Bang, G.-H. Sim, M.-C. Park, J.-K. Lee, and Y.-C. Ahn, 2020. Performance Evaluation of the Dielectric Electrostatic Precipitator for Collecting Ultra Fine Particles, Journal of Power System Engineering, 24: 87-93 (in Korean with English abstract). https://doi.org/10.9726/kspse.2020.24.1.087
  29. Kim, T., H. Park, J. Heo, and M. Yang, 2021. A Study on the Research Topics and Trends in Korean Journal of Remote Sensing: Focusing on Natural & Environmental Disasters, Korean Journal of Remote Sensing, 37(6-2): 1869-1880 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.6.2.9
  30. Kim, T.Y., H. Park, J. Heo, and M. Yang, 2021. Topic model analysis of research themes and trends in the journal of economic and environmental geology, Economic and Environmental Geology, 54(3): 353-364 (in Korean with English abstract). https://doi.org/10.9719/eeg.2021.54.3.353
  31. Kim, Y.-S., K.-C. Choi, and J.-M. Suh, 2017. Source Apportionment Study and Chemical Composition of PM10 and PM2.5 in the Industrial Complex of Busan City, Koea, Journal of Environmental Science International, 26(11): 1297-1306 (in Korean with English abstract). https://doi.org/10.5322/jesi.2017.26.11.1297
  32. Kleeman, M.J., J.J. Schauer, and G.R. Cass, 2000. Size and composition distribution of fine particulate matter emitted from motor vehicles, Environmental Science and Technology, 34(7): 1132-1142. https://doi.org/10.1021/es981276y
  33. Lee, C.-M., W.-M. Park, Y.-M. Roh, Y.-S. Kim, and D.-S. Park, 2008. A Survey of Particulate Matters and CO2 Levels in Seoul Subway Carriages, Journal of Environmental Health Sciences, 34(1): 34-41 (in Korean with English abstract). https://doi.org/10.5668/jehs.2008.34.1.034
  34. Lee, H.-M. and Y.-P. Kim, 2007. Analysis on the effects of traffic control program on the air quality in Seoul, Journal of Korean Society for Atmospheric Environment, 23(4): 498-506 (in Korean with English abstract). https://doi.org/10.5572/kosae.2007.23.4.498
  35. Lee, H.S., 2016. Hospital visits, admissions and hospital costs among patients with respiratory and cardiovascular diseases according to particulate matter in Seoul, Journal of Environmental Health Sciences, 42(5): 324-332 (in Korean with English abstract). https://doi.org/10.5668/jehs.2016.42.5.324
  36. Lee, J.H., S.H. Im, J.H. Kim, and H.Y. Song, 2019. Technology Trend for Paritucle Matter Reduction, Electronics and Telecommunications Trends, 34(2): 83-91 (in Korean with English abstract). https://doi.org/10.22648/ETRI.2019.J.340209
  37. Lee, J.Y. and I. Kim, 2017. Characteristics of a Filter Module Adsorption for Fine Dust Removal on Road, Journal of Korean Society of Environmental Engineers, 39(1): 19-25 (in Korean with English abstract). https://doi.org/10.4491/ksee.2017.39.1.19
  38. Lee, K.-H. and C.-G. Hu, 2018. Elemental Composition and Source Identification of PM2.5 in jeju City, Journal of Environmental Science International, 27(7): 543-554 (in Korean with English abstract). https://doi.org/10.5322/jesi.2018.27.7.543
  39. Lee, S.B., 2019. A study on the Effects of Particulate Matter on the Human Body, BRIC VIEW 2019-T26, https://www.ibric.org/myboard/read.php? Board=report&id=3330, Accessed on Oct. 10,2019.
  40. Lee, S.-U., 2005. A Study of Outdoor air pollution and Death-rate between 0-4 ages in European Countries, Korean Journal of EHS Assissment; Environment Health Safery, 3(3): 41-48.
  41. Loper, E. and S. Bird, 2002. NLTK: The Natural Language Toolkit, arXiv preprint arXiv:cs/0205028. https://doi.org/10.48550/arXiv.cs/0205028
  42. Lyu, Y.R., J. Kim, W. Yang, S. Kim, and Y. Park, 2019. Clinical Research Trends in Respiratory Diseases Related to Particulate Matter, The Journal of Internal Korean Medicine, 40(3): 443-457 (in Korean with English abstract). https://doi.org/10.22246/jikm.2019.40.3.443
  43. Moon, M., M. Kim, and J. Kim, 2019. A study on the Fine Dust-related Bills in the National Assembly - Based on the Revision of the Special Act on Fine Dust, Hannam Journal of Law & Technology, 25(4): 87-115 (in Korean with English abstract). https://doi.org/10.32430/ilst.2019.25.4.87
  44. Mukherjee, A. and M. Agrawal, 2017. World air particulate matter: sources, distribution and health effects, Environmental Chemistry Letters, 15(2): 283-309. https://doi.org/10.1007/s10311-017-0611-9
  45. Park, H.-Y., G.-Y. Oh, H.-S. Park, H.-R. Kim, B.-R. Lee, C.-O. Park, H.-S. Lim, G.-H. Park, J. Park, and M.-S. Bae, 2021. Assessment of Regional Source Contribution of PM2.5 in the Gwangyang Bay Area, Journal of Environmental Analysis, Health and Toxicology, 24(2): 62-74 (in Korean with English abstract). https://doi.org/10.36278/jeaht.24.2.62
  46. Park, J.W. and B.D. Hwang, 2017. Analysis of Effects of Regional Air Pollutants (PM10, O3, CO) on Respiratory Disease, Korean Public Health Research, 43(3): 53-66 (in Korean with English abstract). https://doi.org/10.22900/kphr.2017.43.3.005
  47. Park, M.K. and G.S. Kim, 2020. Factors influencing health behavior related to particulate matter in older adults, Journal of Korean Academy of Nursing, 50(3): 431-443 (in Korean with English abstract). https://doi.org/10.4040/jkan.19201
  48. Park, S.-U., A. Choe, and M.-S. Park, 2013. A simulation of Asian dust events observed from 20 to 29 December 2009 in Korea by using ADAM2, Asia-Pacific Journal of Atmospheric Sciences, 49(1): 95-109. https://doi.org/10.1007/s13143-013-0011-4
  49. Park, S.K., J.Y. Kang, J.M. Kim, S.K. Yoo, H.J. Han, E.J. Shin, and H.J. Heo, 2019. Cellular protective effect of Ecklonia cava extract on ultra-fine dust (PM2.5)-induced cytoxicity, Korean Journal of Food Science and Technology, 51(5): 503-508 (in Korean with English abstract). https://doi.org/10.9721/KJFST.2019.51.5.503
  50. Park, S.S., J.-M. Ko, and C.H. Chung, 2011. Chemical of Water-soluble Components of PM10 at Taean and Gangneung Sites in Summer Season, Journal of Korean Society for Atmospheric Environment, 27(3): 291-302 (in Korean with English abstract). https://doi.org/10.5572/kosae.2011.27.3.291
  51. Polichetti, G., S. Cocco, A. Spinali, V. Trimarco, and A. Nunziata, 2009. Effects of particulate matter (PM10, PM2.5 and PM1) on the cardiovascular system, Toxicology, 261(1-2): 1-8. https://doi.org/10.1016/j.tox.2009.04.035
  52. Ristovski, Z.D., B. Miljevic, N.C. Surawski, L. Morawska, K.M. Fong, F. Goh, and I.A. Yang, 2012. Respiratory health effects of diesel particulate matter, Respirology, 17(2): 201-212. https://doi.org/10.1111/j.1440-1843.2011.02109.x
  53. Ryu, H. and D. Jang, 2019. A study on the Conformity Assessment of GWR Model through Analyzing the Correlation between Fine Particles(PM10) Concentration and Land-cover, Journal of the Association of Korean Photo-Geographers, 29(1): 73-84 (in Korean with English abstract). https://doi.org/10.35149/jakpg.2019.29.1.006
  54. Schwarze, P.E., J. Ovrevik, M. Lag, M. Refsnes, P. Nafstad, R.B. Hetland, and E. Dybing, 2006. Particulate matter properties and health effects: consistency of epidemiological and toxicological studies, Human & Experimental Toxicology, 25(10): 559-579. https://doi.org/10.1177/096032706072520
  55. Shin, C.-S., T. Park, D.-H. Hong, and T. Kim, 2019. Analysis of air pollutant emissions from agricultural machinery in South Korea, Journal of the Korean Society of Manufacturing Process Engineers, 18(3): 14-25 (in Korean with English abstract). https://doi.org/10.14775/ksmpe.2019.18.3.014
  56. Shin, D.C., 2007. Health Effects of Ambient Particulate Matter. Journal of the Korean Medical Association, 50(2): 175 (in Korean with English abstract). https://doi.org/10.5124/jkma.2007.50.2.127
  57. Shin, H., H. Jung, and K. Lee, 2019. Characteristics of In-cabin PM2.5 Concentration in Seoul Metro Line Number 2 in Autumn, Journal of Environmental Health Sciences, 45(2): 186-191 (in Korean with English abstract). https://doi.org/10.5668/JEHS.2019.45.2.186
  58. Shin, K.-H., C. Kim, S.-H. Nam, S.-J. Park, and S.-S. Yoo, 2018. Estimation Method of Predicted Time Series Data Based on Absolute Maximum Value, Journal of Energy Engineering, 27(4): 103-110 (in Korean with English abstract). https://doi.org/10.5855/ENERGY.2018.27.4.103
  59. Shon, Z.-H., S.-K. Song, T.-K. Yoon, and G.-C. Lee, 2013. Emissions of air pollutants and greenhouse gases from aircraft activities at the small scale airports, Journal of Environmental Science International, 22(7): 823-836 (in Korean with English abstract). https://doi.org/10.5322/jesi.2013.22.7.823
  60. Sillanpaa, M., R. Hillamo, S. Saarikoski, A. Frey, A. Pennanen, U. Makkonen, Z. Spolnik, R. Van Grieken, M. Branis, and B. Brunekreef, 2006. Chemical composition and mass closure of particulate matter at six urban sites in Europe, Atmospheric Environment, 40: 212-223. https://doi.org/10.1016/j.atmosenv.2006.01.063
  61. Yoon, E. and Y. Lim, 2020. Comparison of the Effect of Ultrafine Dust According to the Shape of Main Lobby Space of General Hospital-Focusing on Area, Height, X/Y Ratio of Lobby Space, Journal of the Architectural Institute of Korea, 36(11): 137-143 (in Korean with English abstract). https://doi.org/10.5659/JAIK.2020.36.11.137
  62. Yoon, S. and M. Kim, 2020. Topic modeling on fine dust issues using LDA Analysis, Journal of Energy Engineering, 29(2): 23-29 (in Korean with English abstract). https://doi.org/10.5855/ENERGY.2020.29.2.023
  63. Yu, S.H., Y.T. Jeon, and H.Y. Kwon, 2019. Improvement of PM10 Forecasting Performance using Membership Function and DNN, Journal of Korea Multimedia Society, 22(9): 1069-1079 (in Korean with English abstract). https://doi.org/10.9717/kmms.2019.22.9.1069
  64. Zhao, T.-T., K.-J. Yun, and H.-S. Lee, 2019. A Study on Estimating Ship Emission-Focusing on Gwangyang Port and Ulsan Port, Journal of Korea Port Economic Association, 35(2): 93-108 (in Korean with English abstract). https://doi.org/10.38121/kpea.2019.06.35.2.93
  65. Zhong, S., K. Zhang, M. Bagheri, J.G. Burken, A. Gu, B. Li, X. Ma, B.L. Marrone, Z.J. Ren, and J. Schrier, 2021. Machine learning: new ideas and tools in environmental science and engineering, Environmental Science & Technology, 55(19): 12741-12754. https://doi.org/10.1021/acs.est.1c01339