• 대한환경공학회지
• /
• 제32권8호
• /
• pp.739-746
• /
• 2010

본 연구의 목적은 1) 시료채취공간에서 ${\pm}10%$ 이내의 공기 유속을 가지는 챔버시스템을 제작하여, 2) 먼지(PM, particulate matter)측정을 위하여 사용되는 PM10과 PM2.5 시료채취기의 이론적 특성을 연구하고, 3) 실험을 통하여 본 연구에 사용된 먼지 시료채취기의 수행 특성을 평가하는데 있다. 챔버 내에서의 먼지 시료채취기의 수행능력을 측정하기 위하여 $20\;{\mu}m$의 공기역학중위입경과 2.0의 기하표준편차 특성을 가지는 옥수수전분을 분포하였다. 챔버 실험에 사용된 시료채취기는 미국 연방규정을 만족하는 각 1개의 APM PM10 및 APM PM2.5 시료채취기와 특수 제작된 3개의 소용량 시료채취기(2개 PM10과 1개의 PM2.5)를 사용하여 평균 공기 유속이 0.67 m/s와 2.15 m/s인 두 조건에서 각 1시간씩 3회 반복하여 총 6회의 실험을 실시하였다. 실험 결과, APM PM시료채취기를 기준 시료채취기로 사용하여 소용량 PM10과 PM2.5 시료채취기는 각 각 0.25와 0.39의 보정계수가 필요하며 이원 분산 분석을 통하여 두 개의 소용량 PM10 시료채취기의 평균 농도값 사이에는 유의적 차이가 있었다. 분리한계직경과 기울기(PM10: $10{\pm}0.5\;{\mu}m$와 $1.5{\pm}0.1$, PM2.5: $2.5{\pm}0.2\;{\mu}m$와 $1.3{\pm}0.03$)를 가지는 PM10과 PM2.5 시료채취기는 이론적으로 본 연구에 사용된 옥수수전분의 입자특성을 고려하여 86~114%와 64~152%의 먼지농도 범위를 채취하게 된다. 또한, 공기 중에 분포하는 입자의 공기역학중위입경이 해당 시료채취기의 분리한계직경보다 작을 때 시료채취기의 측정 질량농도는 이상적인 질량농도보다 크며, 반대의 경우 시료채취기는 작은 질량농도를 측정한다. 챔버 실험 결과, PM10과 PM2.5의 시료채취기는 각각 37~158%와 55~149% 범위를 가지며 이론적 계산농도보다 큰 범위의 질량 농도를 측정하였고 챔버 내 공기 유속이 2.15 m/s의 조건에서는 0.67 m/s와 비교하여 상대적으로 작은 먼지농도 범위를 가지며 이론적 계산농도와 유사한 먼지농도 범위가 측정되었다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.657-664
• /
• 2021

본 연구에서는 수도권 지역의 대기오염물질(PM_2.5, PM₁₀, O₃) 농도와 지형 고도, 건물 면적비, 인구 밀도의 상관성을 조사하였다. 지형 고도와 건물 면적비를 분석하기 위해 국토지리정보원에서 제공하는 수치지형도를 이용하였고, 건물 면적비를 계산하기 위해 수도권 지역을 TM 중부원점을 기준으로 수평 9 km × 9 km 격자로 구분하였다. 인구 밀도는 국가통계포털의 행정구역별 면적과 인구수 자료를 이용하였다. 대기오염물질 농도 자료는 수도권에 위치한 도시대기측정소 146개 지점의 PM_2.5, PM₁₀, O₃ 농도 측정 자료를 이용하였다. 분석 기간은 2010년 1월부터 2020년 12월까지이고, 1시간 평균 농도 자료를 이용하여 월평균 농도를 계산하였다. 지형 고도는 경기도 북부와 동부 지역에서 높았고 서해안에 근접할수록 낮았다. 건물 면적비와 인구밀도 분포는 서로 유사하였고, 서울특별시에서 가장 높았으며, 산악과 해안지역에서는 낮게 나타났다. 월평균 PM_2.5과 PM₁₀ 농도는 봄철과 겨울철(1월~3월)에 높았고 O₃ 농도는 늦봄부터 초여름(4~6월)까지 높았다. 농도가 높은 3개월에 대해서 AMQS 지점별 평균 농도를 비교·분석하였다. 건물면적비나 인구밀도와 대기오염물질 농도 사이에는 음의 상관 관계가 분석되었다(인구밀도와 PM_2.5, PM₁₀ 농도 사이는 약한 음의 상관관계가, O₃ 농도와는 비교적 강한 음의 상관관계). 반면, 대기오염물질 농도와 도시대기측정소 측정 고도 사이의 뚜렷한 상관성을 나타나지 않았는데, 향후, 이에 대한 연구 수행이 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제36권6_3호
• /
• pp.1691-1710
• /
• 2020

본 연구에서는 평택과 부산의 초등학교를 대상으로 학교 주변과 교실 내를 포함하여 총 16개 지점에서 PM2.5(particulate matter less than 2.5 ㎛ in diameter) 및 PM10(particulate matter less than 10 ㎛ in diameter)을 동시에 측정하였고, 이 결과를 여러 국외 선행연구 리뷰를 통해서 획득한 실내·외 PM2.5 및 PM10 측정 농도 및 I/O ratio(Indoor/Outdoor ratio)와 비교하였다. 선행연구는 총 30건의 연구에서 144건의 사례를 수집하여 이를 실내활동, 측정 계절, 건물용도, 주변환경에 대해 다양한 항목별로 분류하여 본 연구의 측정결과와 비교하였다. 선행연구 결과에서 PM2.5는 흡연활동이나 요리활동 등의 실내 연소작용이 없는 환경에서는 외기농도가 실내농도에 중요한 영향을 미치는 반면, PM10은 외기농도와 함께 물리적 활동에 따른 재 비산이 중요한 실내 배출원일 것으로 보인다. 평택과 부산의 초등학교에서의 측정결과도 선행연구 리뷰 결론을 뒷받침하는 양상을 보였고, 공기청정기 사용이 미세먼지 저감에 효율적인 것으로 나타났다. PM2.5와 PM10은 실내 배출원 및 외기와의 상호작용 영향이 다를 수 있으며 환기방식에서는 강제환기가 자연환기보다 PM2.5와 PM10의 실내농도 감소에 더 효율적일 수 있는 것으로 보인다.

• 한국가금학회지
• /
• 제48권3호
• /
• pp.151-160
• /
• 2021

본 연구는 산란계사 사육형태별 봄철의 미세먼지(PM) 및 암모니아(NH₃) 배출 농도를 측정하기 위해 수행하였다. 평사, Aviary 그리고 Cage 계사에서 미세먼지 및 암모니아 농도를 3~5월 동안 2주 간격으로 3회(24시간/회) 측정하였다. PM₁₀과 PM_2.5 농도는 24시간 동안 유사한 경향을 보였으며, 22:00부터 04:00까지 낮게 나타났다. 평사와 케이지 계사의 PM(PM₁₀, PM_2.5) 농도는 유사하게 나타났으며, 일일 편차도 심하게 보이지 않았다. 평사 계사에서는 중앙과 끝에서 24시간 동안 측정한 NH₃ 농도가 일정하게 나타났다. 측정 위치와 관계없이 평사에서 NH₃ 농도가 가장 낮게 나타났다. 평사와 Aviary 계사에서는 중앙보다 끝에서 측정된 NH₃ 농도가 더 높았으나, 케이지 계사에서는 끝에서 측정된 NH₃ 농도가 더 낮았다. 계사 주변의 PM₁₀과 PM_2.5 농도는 각각 57.5 ㎍/m³와 34.0 ㎍/m³이었다. 일평균 PM₁₀과 PM_2.5 농도는 Aviary 계사에서 4,730 ㎍/m³와 447.7 ㎍/m³로 가장 높았다. 계사 중앙과 끝의 NH₃ 농도는 케이지 계사에서 12.0 ppm과 9.31 ppm으로 가장 높았다. PM₁₀과 PM_2.5의 배출계수는 케이지에서 가장 낮았으며, NH₃의 배출계수는 가장 높았다(P>0.05). 결론적으로, PM(PM₁₀, PM_2.5) 농도는 Aviary 계사에서, NH₃ 농도는 Cage 계사에서 각각 높게 나타났다.

• 환경영향평가
• /
• 제28권6호
• /
• pp.568-579
• /
• 2019

연구는 서울시 도시대기 측정망의 월별 미세먼지 농도와 측정소 주변 버퍼별, 토지피복 유형별 비율의 관계를 분석하여 미세먼지 농도에 대한 토지피복의 영향을 규명하고자 하였다. 대분류 토지피복 유형과 미세먼지 농도의 월별 상관분석 결과 버퍼 3km에서, PM_2.5보다 PM₁₀에서 상관성이 잘 나타났고, 산림과 뚜렷한 음의 상관관계, 초지와 시가지는 PM₁₀과, 나지와 시가지는 PM_2.5와 일부 양의 상관관계를 나타냈다. 버퍼 3km 내 중분류 및 세분류 우세 피복유형의 월별 상관분석 결과 PM₁₀은 활엽수림과 뚜렷한 음의 상관관계를 나타냈고, 도로와 일부 양의 상관이 우세한 편이었다. PM_2.5는 활엽수림과 일부 음의 상관, 상업지역과 일부 양의 상관이 많은 편이었다. 그 밖에 초지 및 나지 세부 유형의 상관성은 매우 낮거나 없었다. 양의 상관 및 음의 상관관계의 각 대표 피복유형으로 단계선택법에 의한 월별 회귀분석을 실시한 결과 PM₁₀은 활엽수림 비율 증가에 의한 농도 감소 영향이 뚜렷하였고, 도로는 변수선택에서 제거되었다. PM_2.5는 일부 월별로 상업지역 비율 증가에 따른 농도 증가 영향 또는 활엽수림 비율 증가에 따른 농도 감소 영향을 받았지만, 그 영향력은 PM₁₀에 비해 낮았다. 연구결과 측정소 주변 토지피복은 미세먼지 농도 증감에 영향을 주었고, 그 영향은 PM₁₀에서 더 분명하였다. 산림 유형은 미세먼지 농도에 가장 크고, 분명한 영향을 주는 저감 요인이었다. 시가화지역 관련 유형들의 농도 증가 영향은 일부 확인되었다. 도심 산림의 미세먼지 저감 기능은 분명한 효과를 가진 것으로 보이며, 향후 녹지의 세부 특성과 복잡한 도시환경 요인의 작용을 규명하는 후속 연구가 필요하였다.

• 한국지구과학회지
• /
• 제24권3호
• /
• pp.190-204
• /
• 2003

본 연구에서는 서울시에 의해 운영되는 서울시내 31개 지역의 대기오염 자동측정망에서 1990년부터 2000년까지 11년 동안 측정한 자료 중, TSP와 PM$_{10}$에 대한 대기환경기준을 초과한 자료만을 선택적으로 분리한 후 여러 가지 통계적인 분석을 수행하였다. 이러한 연구목적에 맞추어, 각 토지 이용 상태별로 환경기준을 초과한 분진농도의 경향성을 비교해 본 결과, TSP의 경우 초과농도의 전반적인 발생분포가 녹지, 주거, 상업, 준공업지역 순서로 증가하는 양상을 보여주었다. 준공업 지역에서 351.0${\pm}$35.9${\mu}$g m$^3$로 가장 높은 초과농도를 보였다. PM$_{10}$의 초과농도는 주거지역에서 182.9${\pm}$42.4${\mu}$g m$^3$의 최고농도를 보이며, 초과농도분포는 준공업, 상업, 녹지, 주거지역 순서로 증가하는 양상을 보인다. 발생빈도수를 각 지점별 측정망수로 나누어 준 결과 주거지역에서 21회로 다른지역에 비해 높은 초과빈도수를 보였다. 이들 초과농도자료들만에 국한시켜 시간적 주기성을 분석한 결과에 따르면, 일반적으로 관측되는 부유분진 자료들과 차별화 된 경향성이 어느 정도 확인되었다. 특히 계절적인 주기로 구분하였을 때, 일반농도자료는 PM$_{10}$과 TSP 모두 겨울철에 가장 큰 농도를 보인데 반해, 초과농도는 다른 양상을 보여주었다. 이러한 연구결과, PM$_{10}$의 연도별 경향성에서 가장 주목할 점은 측정이 시작된 1995년 이후 초과농도의 크기가 지속적으로 감소함에도 불구하고, 그 발생빈도수는 최근에 들어 괄목할 만큼 증가하고 있다는 점을 들 수 있다.

• 한국입자에어로졸학회지
• /
• 제7권2호
• /
• pp.49-57
• /
• 2011

서울의 대기오염, 특히 고농도 대기오염 사례는 시민 건강에 매우 부정적일뿐만 아니라, 일반 시민들이 서울시에 대해 느끼는 체감오염도에도 중요한 변수이다. 따라서 이러한 고농도 대기오염 사례의 원인을 규명하는 것은 과학적으로 중요할 뿐만 아니라 사회적으로도 중요한 문제이다. 2005년 7월 22일부터 31일 사이에 고농도 대기오염 사례가 관측되었다. 이 대기오염 사례에 대해 측정소 간의 시계열분석, 에어로졸 성분 분석, 궤적 분석 등의 종합적인 해석을 통해, 대기오염 사례가 국지적인 것이었는지, 외부 영향에 의한 것인지 규명 하였다. 측정 결과를 바탕으로 이 사례를 7월 22~27일(기간 1)과 28~31일(기간 2)의 두 기간으로 구분하였다. 우리나라의 도시대기측정소의 PM10 농도 추이를 분석한 결과, 기간 1에는 춘천의 PM10 농도와 3시간 후에 서울의 PM10 농도가 상관관계가 높았으며, 기간 2에는 중부 지방 전체의 PM10 농도 사이에 상관관계가 높았다. 기간 1에는 풍속이 점차 강해져서 오염물질이 희석되는 경향을 보였으며, 기간 2에는 풍속이 점차 약해져 정체성 특성을 보여 고농도가 계속 유지되었다. 관측한 PM2.5 이온 조성은 기간 1보다는 기간 2에 높았으며, 두 기간 모두, 서울의 평균 농도보다는 매우 높았다. 궤적분석 결과 기간 1에는 시계열 분석 결과와 일치하게, 공기덩어리가 중국에서 북한과 강원도를 거쳐 서울로 이동하였고, 기간 2에는 중국에서 직접 서울로 이동하였다. 현재는 북한의 대기오염물질 배출 정도나 대기오염도에 대한 자료가 부족하여 보다 상세한 분석이 힘들다. 그러나 북한의 영향이 상당할 것으로 보이므로 이에 대한 연구가 필요하다 (Kim et al., 2011). 이 연구 결과는 2005년 7월 하순에 서울에서 발생한 대기오염 에피소드는 외부 영향, 특히 중국 영향에 의한 것임을 보여준다. 그러나 같은 외부 영향이라도 공기의 이동 경로와 풍속에 따라 오염 특성이 달라지는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권6_3호
• /
• pp.1711-1720
• /
• 2020

최근 급속한 산업화와 도시화로 인해 인위적으로 발생하는 미세먼지(Particulate matter, PM)는 기상 조건에 따라 이동 및 분산되면서 피부와 호흡기 등 인체에 악영향을 미친다. 본 연구는 기상인자를 multiple linear regression(MLR), support vector machine(SVM), 그리고 random forest(RF) 모델의 입력자료로 하여 서울시 PM10 농도를 예측하고, 모델 간 성능을 비교 평가하는데 그 목적을 둔다. 먼저 서울시에 소재한 39개소 대기오염측정망(air quality monitoring sites, AQMS)에서 관측된 PM10 농도 자료를 8:2 비율로 구분하여 모델 훈련과 검증 데이터셋으로 사용되었다. 또한 기상관측소(automatic weather system, AWS)에서 관측되고 있는 자료 중 9개 기상인자(평균기온, 최고기온, 최저기온, 일 강수량, 평균풍속, 최대순간풍속, 최대순간풍속풍향, 황사발생유무, 상대습도)가 모델의 입력자료로 선정되었다. 각 AQMS에서 관측된 PM10 농도와 MLR, SVM, 그리고 RF 모델에 의해 예측된 PM10 농도 간 결정계수(R2)는 각각 0.260, 0.772, 그리고 0.793이었고, RF 모델이 PM10 농도 예측에 가장 높은 성능을 나타냈다. 특히 모델 검증에 사용되는 AQMS 중 관악구와 강남대로 AQMS는 상대적으로 AWS에 가까워 SVM과 RF 모델에서 높은 정확도를 나타냈다. 종로구 AQMS는 AWS에서 비교적 멀리 떨어져 있지만, 인접한 두 AQMS 데이터가 모델 학습에 사용되었기 때문에 두 모델에서 높은 정확도를 나타냈다. 반면 용산구 AQMS는 AQMS 및 AWS에서 비교적 멀리 떨어져 있기에 두 모델의 성능이 낮게 나타냈다.

• 한국가금학회지
• /
• 제48권1호
• /
• pp.23-30
• /
• 2021

본 연구는 산란계사 사육형태별 동절기의 미세먼지(PM) 및 암모니아(NH3) 배출 농도를 측정하기 위해 수행하였다. 배출 농도는 12~1월 동안 2주 간격으로 3회 평사, Aviary 그리고 Cage 계사에서 측정되었다. PM(PM10, PM2.5) 및 NH3 배출 농도 변화는 세 가지 사육형태에서 유사하였다. 세 번 측정된 PM10과 PM2.5 농도는 Aviary 계사에서 가장 높게 나타났다. 시간대별로 측정한 결과는 계사들의 암기 (22:00~4:00)에 가장 낮았다. NH3 농도는 Cage 계사에서 가장 높았으며, 평사에서 가장 낮게 나타났다. 시간대별 NH3 배출 농도에 대한 세 번의 측정 결과는 모두 다른 양상을 보여 PM과는 다른 결과를 보여주었다. 또한 1차(12월)에서 3차(1월) 측정까지 시간이 경과함에 따라 NH3 농도가 점점 높아지고 있었다. 일일 PM10과 PM2.5 농도는 Aviary 계사에서 각각 4,787 ㎍/㎥와 388.6 ㎍/㎥로 다른 계사에 비해 높게 나타났다. 계사 외부의 PM10과 PM2.5 농도는 각각 226.0 ㎍/㎥와 39.3 ㎍/㎥이었다. 일일 NH3 농도는 Cage 계사의 중앙과 끝에서 각각 7.70 ppm과 9.20 ppm으로 다른 계사들에 비해 높았다. 결론적으로, PM(PM10, PM2.5)과 NH3 농도는 Aviary와 Cage 계사에서 각각 가장 높게 나타났다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권6호
• /
• pp.1117-1124
• /
• 2010

미세먼지 농도는 국가의 중요한 환경 척도 중의 하나이다. 본 연구에서는 경기도 남부에 위치한 수원시 2003년-2009년 미세먼지 농도를 주위에서 쉽게 구할 수 있는 대기자료와 기상자료를 이용하여 자기회귀오차모형으로 월별로 분석하였다. 미세먼지 농도 분석을 위한 대기자료는 이산화황, 이산화질소, 일산화탄소, 오존 등을 사용했고, 기상자료로는 일 최고온도, 풍속, 상대습도, 강수량, 일사량, 운량을 사용하였다. 분석 결과, 자기회귀오차모형으로 월별 미세먼지 농도를 13%-49% 정도 설명할 수 있다.