• 한국환경복원기술학회지
• /
• 제23권1호
• /
• pp.89-96
• /
• 2020

Adverse impact of Particulate Matters(PM10, PM2.5; PMs) significantly affects daily lives. Major countermeasures for reducing concentration of PMs were focused on emission source without considering spatial difference of PMs concentration. Thus, this study analyzed spatial·temporal distribution of PMs with observation data as well as potential contributing factors on PMs concentration. The annual average concentration of PMs have been decreased while the particulate matter warnings and alerts were significantly increased in 2018. The average concentration of PMs in spring and winter was higher than the other seasons. Also, the spatial distribution of PMs were also showed seasonality while concentration of PMs were higher in Seoul-metropolitan areas in all seasons. Climate variables, emission source, spatial structure and potential PM sinks were selected major factors which could affects on ambient concentrations of PMs. This paper suggest that countermeasures for mitigating PM concentration should consider characteristics of area. Climatic variables(temperature, pressure, wind speed etc.) affects concentrations of PMs. The effects of spatial structure of cities(terrain, ventilation corridor) and biological sinks(green infrastructure, urban forests) on concentration of PMs should be analyzed in further studies. Also, seasonality of PMs concentration should be considered for establishing effective countermeasures to reduce ambient PMs concentration.

• Asian Journal of Atmospheric Environment
• /
• 제12권3호
• /
• pp.244-254
• /
• 2018

Ulaanbaatar, the capital of Mongolia, is subject to high levels of atmospheric pollution during winter, which severely threatens the health of the population. By analyzing surface meteorological data, ground-based LIDAR data, and radiosonde data collected from 2008 to 2016, we studied seasonal variations in particulate matter (PM) concentration, visibility, relative humidity, temperature inversion layer thickness, and temperature inversion intensity. PM concentrations started to exceed the 24-h average standard ($50{\mu}g/m^3$) in mid-October and peaked from December to January. Visibility showed a significant negative correlation with PM concentration. Relative humidity was within the range of 60-80% when there were high PM concentrations. Both temperature inversion layer thickness and intensity reached maxima in January and showed similar seasonal variations with respect to PM concentration. The monthly average temperature inversion intensity showed a strong positive correlation with the monthly average $PM_{2.5}$ concentration. Furthermore, the temperature inversion layer thickness exceeded 500 m in midwinter and overlaid the weak mixed layer during daytime. Radiative cooling enhanced by the basin-like terrain led to a stable urban atmosphere, which strengthened particulate air pollution.

• 인간식물환경학회지
• /
• 제23권6호
• /
• pp.637-646
• /
• 2020

Background and objective: The main objective of this study is to measure the amount of particulate matter (PM) reduction under different characteristics of leaves in 18 different species of indoor plants. Methods: First, a particular amount of PM was added to the glass chambers (0.9×0.86×1.3 m) containing the indoor plant (height = 40 ± 20 cm), and the PM concentration were measured at 2-hour intervals. The experiment with the same conditions was conducted in the empty chamber as the control plot. Results: The range of PM reduction per unit leaf area of 18 species of experimental plants was 3.3-286.2 ㎍·m^-2 leaf, total leaf area was 1,123-4,270 cm², and leaf thickness was 0.14-0.80 mm and leaf size 2.27-234.47 cm². As time passed, the concentration of PM decreased more in the chamber with plants than in the empty chamber. Among the 18 indoor plants, the ones with the greatest reduction in PM2.5 in 2 hours and 4 hours of exposure to PM2.5 were Pachira aquatica and Dieffenbachia amoena. As the exposure time of PM increased, the efficiency of reducing PM2.5 was higher in plants with medium-sized leaves than plants with large or small leaves. The effect of reducing PM2.5 was higher in linear leaves than round or lobed leaves. Plants with high total leaf area did not have advantage in reducing PM because the leaves were relatively small and there were many overlapping parts between leaves. In the correlation between leaf characteristics and PM 2.5 reductions, all leaf area and leaf thickness showed a negative and leaf size showed a positive correlation with PM reduction. Conclusion: The PM reduction effect of plants with medium-sized leaves and long linear leaves was relatively high. Moreover, plants with a large total leaf area without overlapping leaves will have advantaged in reducing PM. Plants are effective in reducing PM, and leaf characteristics are an important factor that affects PM reduction.

• 한국기후변화학회지
• /
• 제9권4호
• /
• pp.423-433
• /
• 2018

본 연구에서는 고농도 미세먼지의 발생과 연관된 대기패턴을 조사하고, 이를 바탕으로 한반도의 고농도 미세먼지의 발생을 예측할 수 있는 지수를 개발하였다. 또한 개발된 지수를 이용하여 미래의 한반도 고농도 미세먼지 발생과 연관된 대기 패턴의 변화를 살펴보았다. 서울지역 미세먼지 농도의 변동성을 조사하기 위해, 황사 발생 사례일을 제외한 미세먼지 고농도 사례일은 대기환경기준에 따라 24시간 평균 $PM_{10}$ 농도가 $100{\mu}g/m^3$ 이상일 경우로 정의하였다. 미세먼지 연평균 농도는 2001년부터 꾸준히 감소하는 경향을 보이며, 2012년 이후에 감소 추세가 주춤하였으며, $PM_{10}$ 고농도 사례일수도 2003년부터 2016년까지 대체로 감소하였다. 그러나 4일 이상 지속되었던 고농도 사례만을 살펴보면 2001년과 2003년을 제외하고 뚜렷한 감소 경향을 찾아보기 어렵고 전반적인 대기질 향상에도 불구하고 지속적으로 발생하는 것을 알 수 있다. 4일이상 지속되는 고농도 사례는 최근 들어 뚜렷한 경향을 보이지 않고, 기상조건 등의 다른 발생원이 있음을 알 수 있다. 그러므로 고농도 사례에 대한 대기 순환장의 특징을 살펴보기 위해 한반도의 고농도 사례일에 대한 대기패턴의 합성장을 분석하였다. 고농도 사례가 발생하였을 경우, 한반도 상공에 고기압에 위치하면서, 극의 찬 공기의 유입을 차단하며, 상층 동서 방향 바람은 한반도 북쪽으로 흐르게 된다. 따라서 한반도 지역은 차고 건조한 북서풍이 약화되고, 풍속이 감소된다. 이러한 한반도 미세먼지 고농도 사례와 연관된 대기패턴을 바탕으로 겨울철 한반도 $PM_{10}$ 농도를 전망하기 위한 미세먼지 고농도 지수를 정의하여 사용하였다. 먼저 500 hPa 지위고도, 500 hPa 동서 방향 바람 성분, 850 hPa 남북 방향 바람 성분과 $PM_{10}$과의 상관성이 높은 지역에서 각 변수를 영역 평균하고 표준화 과정을 거친 후 각 변수에 대한 지수를 계산하고, 각 지수의 합으로 한반도 미세먼지 고농도 지수 (KPI)를 정의하였다. 한반도 미세먼지 고농도 지수를 CMIP5에 참여하는 10개의 기후모형에 적용하여 미래 한반도의 고농도 미세먼지를 발생시킬 수 있는 대기패턴의 변동성을 살펴보았다. 겨울철 한반도에서 대기의 정체를 유발하여 심한 대기오염을 발생시킬 수 있는 기상 조건의 빈도가 기후변화에 따라 크게 증가하는 것으로 나타났다. 이러한 증가는 한반도 주변의 평균 대기 상태의 변화와 일치한다 (Cai et al, 2017). 이 연구는 $PM_{10}$ 관측자료 기간이 2001년부터 2016년까지의 총 16년 동안의 자료 만을 이용하여 한반도 고농도 미세먼지 발생과 관련된 대기패턴을 분석하였기에 대기오염과 연관된 기상조건을 완벽하게 식별하지는 못하였을 것이다. 향후 연구를 통해서 $PM_{10}$과 더불어 $PM_{2.5}$의 자료를 활용하여 상세한 분석이 필요할 것으로 보인다. 그럼에도 불구하고, 본 연구의 결과는 지구 온실가스 배출로 인한 대기 순환의 변화가 한반도 고농도 미세먼지 발생 사례를 증가시키는 중요한 역할을 할 수 있음을 시사한다. 지구 온난화가 심해진다면, 작은 대기 오염 배출이라도 축적이 되어 고농도 미세먼지 현상이 발생 할 수 있다. 따라서 대기 오염 배출 저감 노력뿐만 아니라, 온실가스 배출량을 줄이기 위한 노력이 동시에 필요할 것으로 사료된다.

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2008년도 춘계학술대회 논문집
• /
• pp.188-190
• /
• 2008

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2008년도 추계학술대회 논문집
• /
• pp.521-523
• /
• 2008

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2010년도 춘계학술대회 논문집
• /
• pp.383-385
• /
• 2010

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2010년도 춘계학술대회 논문집
• /
• pp.657-658
• /
• 2010

• 자원ㆍ환경경제연구
• /
• 제26권3호
• /
• pp.417-449
• /
• 2017

본 연구는 한국노동연구원에서 제공하는 한국노동패널조사(KLIPS) 자료와 환경부 국립환경과학원이 제공하는 미세먼지 정보를 이용하여, 미세먼지가 개인의 주관적인 만족도에 미치는 효과를 분석하고 미세먼지 저감에 따른 사람들의 WTP를 추정했다. 패널 확률효과 순서형로짓을 이용한 추정 결과에 따르면, 첫째, 미세먼지 농도의 상승은 사람들의 주관적 삶의 만족도 확률을 낮추는 음의 값을 보였다. $PM_{10}\;1{\mu}g/m^3$ 증가는 각각 0.042%p~0.091%p까지 '만족'을 선택할 확률을 낮추게 했고, $PM_{2.5}\;1{\mu}g/m^3$ 증가는 각각 0.034%p~0.153%p까지 '만족'을 선택할 확률을 낮췄다. 소득의 경우, 가구당 연간 소득 1% 증가는 '만족' 선택할 확률을 0.16%p~0.18%p까지 높게 했다. 둘째, 대기 질 개선 비용을 산정하기 위해서 미세먼지 저감에 대한 WTP를 도출했다. $PM_{10}$ 1단위 개선하기 위한 사람들의 WTP는 108,787($96)~209,519($186)원 정도 도출되었고, $PM_{2.5}$의 WTP는 89,345($79)~362,930($322)원 정도 산출됐다. 이 금액은 한국인 가구 평균 연간 소득의 0.26%~0.50%와 0.22%~0.88%에 해당한다.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1881-1890
• /
• 2021

미세먼지는 인체에는 물론 생태계, 날씨 등에도 많은 영향을 끼치며, 인구와 건물, 차량 등이 밀집된 대도시에서의 미세먼지의 예측과 모니터링은 중요하다. 특히 자동차, 연소 등에서 발생하는 PM_2.5 농도는 독성 물질을 포함할 수 있어 체계적인 관리가 필요하다. 따라서 본 연구는 화학 인자, 위성 기반의 aerosol optical depth (AOD), 기상 인자 등을 입력 자료로 하여 수도권PM_2.5 농도를 예측하고자 한다. PM_2.5 농도 예측을 위해 기계 학습 모델 중 PM 농도 예측에 우수한 성능을 보이는 random forest (RF) 모델을 선정하였으며, 모델 평가를 위해 통계 지표인 R², RMSE, MAE, MAPE를 산출하였다. RF 모델의 모델 정확도는 R², RMSE, MAE, MAPE는 각각 0.97, 3.09, 2.18, 13.31로 나타났으며, 예측 정확도는 각각 0.82, 6.03, 4.36, 25.79로 본 연구에서 사용한 인자들을 이용하여 PM_2.5를 예측 시 높은 정확도와 상관성을 나타내었다. 따라서 향후 학교 미세먼지 예측 및 범주화를 위해 본 연구에서 사용한 인자들을 RF 모델에 적용하였을 때 신뢰할만한 결과를 도출할 수 있을 것으로 기대된다.