• 한국환경보건학회지
• /
• 제31권5호
• /
• pp.379-386
• /
• 2005

[ $PM_{10},\;PM_{2.5},\;CO_2\;and\;CO$ ] in driver cabins of subway line from 5 to 8 were monitored from 07:00 through 21:00 (or 19:30 or 20:00) on May. Driver cabin of subway line 7 showed the highest $PM_{10},\;PM_{2.5},\;CO_2\;and\;CO$ concentrations. General Linear Model indicated that subway line, subway location (ground and underground track) and running time (morning and afternoon) significantly influenced the concentrations of $PM_{10},\;PM_{2.5},\;CO_2\;and\;CO$ (p=0.000). Daily profile of $PM_{10},\;PM_{2.5},\;CO_2\;and\;CO$, expressed as an 30 minutes average, showed similar variation pattern over day period. These concentrations showed the highest concentrations between 07:00 and 09:00 of rush hour, slightly dropped and again rose slightly after 18:00. In correlation analysis, significant relations among $PM_{10},\;PM_{2.5},\;CO_2\;and\;CO$ were detected (p<0.01). In particular, correlation coefficient between $PM_{10}\;and\;PM_{2.5}$ was highly significant (r=0.884). Regression analysis also concluded that $PM_{10}$ concentration significantly explained 71.4% of variation of $PM_{2.5}$ concentration (p=0.000, $R^2=0.714$). Correlations by CO with $PM_{10}\;and\;PM_{2.5}$ were 0.451 and 0.520, which were higher than those by $CO_2$. Further study is needed to examine the sources of $PM_{2.5}$ and CO in subway and to compare pollutants concentration among subway lines.

• 한국대기환경학회지
• /
• 제32권2호
• /
• pp.216-232
• /
• 2016

In present, the Seoul City is undergoing traffic congestion problems caused by rapid urbanization and population growth. Thus the City government has reorganized the mass transportation system since 2004 and the subway has become a very important means for public transit. Since the subway system is typically a closed environment, the indoor air quality issues have often raised by the public. Especially since a huge amount of PM (particulate matter) is emitted from ground tunnels passing through the subway train, it is now necessary to assess the characteristics and behaviors of fine PM inside the tunnel. In this study, the concentration patterns of $PM_1$, $PM_{2.5}$, and $PM_{10}$ in the Seoul subway line-2 were analyzed by real-time measurement during winter (Jan 13, 2015) and summer (Aug 7, 2015). The line-2 consisting of 51 stations is the most busy circular line in Seoul having the railway of 60.2 km length. The the one-day average $PM_{10}$ concentrations were $148{\mu}g/m^3$ in winter and $66.3{\mu}g/m^3$ in summer and $PM_{2.5}$ concentrations were $118{\mu}g/m^3$ and $58.5{\mu}g/m^3$, respectively. The $PM_{2.5}/PM_{10}$ ratio in the underground tunnel was lower than the outdoor ratio and also the ratio in summer is higher than in winter. Further the study examined structural types of underground subsections to explain the patterns of elevated PM concentrations in the line-2. The subsections showing high PM concentration have longer track, shorter curvature radius, and farther from the outdoor stations. We also estimated the outdoor PM concentrations near each station by a spatial statistical analysis using the $PM_{10}$ data obtained from the 40 Seoul Monitoring Sites, and further we calculated $PM_{2.5}/PM_{10}$ and $PM_1/PM_{10}$ mass ratios near the outdoor subway stations by using our observed outdoor $PM_1$, $PM_{2.5}$, and $PM_{10}$ data. Finally, we could develop pollution maps for outdoor $PM_1$ and $PM_{2.5}$ near the line-2 by using the kriging method in spatial analysis. This methodology may help to utilize existing $PM_{10}$ database when managing and control fine particle problems in Korea.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2002년도 학술발표회 논문집(I)
• /
• pp.43-50
• /
• 2002

Accurate quantitative forecasting of rainfall for basins with a short response time is essential to predict streamflow and flash floods. Previously, neural networks were used to develop a Quantitative Precipitation Forecasting (QPF) model that highly improved forecasting skill at specific locations in Pennsylvania, using both Numerical Weather Prediction (NWP) output and rainfall and radiosonde data. The objective of this study was to improve an existing artificial neural network model and incorporate the evolving structure and frequency of intense weather systems in the mid-Atlantic region of the United States for improved flood forecasting. Besides using radiosonde and rainfall data, the model also used the satellite-derived characteristics of storm systems such as tropical cyclones, mesoscale convective complex systems and convective cloud clusters as input. The convective classification and tracking system (CCATS) was used to identify and quantify storm properties such as life time, area, eccentricity, and track. As in standard expert prediction systems, the fundamental structure of the neural network model was learned from the hydroclimatology of the relationships between weather system, rainfall production and streamflow response in the study area. The new Quantitative Flood Forecasting (QFF) model was applied to predict streamflow peaks with lead-times of 18 and 24 hours over a five year period in 4 watersheds on the leeward side of the Appalachian mountains in the mid-Atlantic region. Threat scores consistently above .6 and close to 0.8 ∼ 0.9 were obtained fur 18 hour lead-time forecasts, and skill scores of at least 4％ and up to 6％ were attained for the 24 hour lead-time forecasts. This work demonstrates that multisensor data cast into an expert information system such as neural networks, if built upon scientific understanding of regional hydrometeorology, can lead to significant gains in the forecast skill of extreme rainfall and associated floods. In particular, this study validates our hypothesis that accurate and extended flood forecast lead-times can be attained by taking into consideration the synoptic evolution of atmospheric conditions extracted from the analysis of large-area remotely sensed imagery While physically-based numerical weather prediction and river routing models cannot accurately depict complex natural non-linear processes, and thus have difficulty in simulating extreme events such as heavy rainfall and floods, data-driven approaches should be viewed as a strong alternative in operational hydrology. This is especially more pertinent at a time when the diversity of sensors in satellites and ground-based operational weather monitoring systems provide large volumes of data on a real-time basis.

• 한국항공우주학회지
• /
• 제47권8호
• /
• pp.582-589
• /
• 2019

헬리콥터 주로터 블레이드의 동적 밸런싱 시험은 헬리콥터의 비행시험 전 각 블레이드의 트랙과 피치로드 하중을 동일한 수준으로 조절하기 위해 수행되는 지상회전시험이다. 이러한 동적밸런싱 시험의 목적은 블레이드 간 특성차이로 인해 나타나는 주로터 시스템 진동을 감소시키기 위함이다. 고흥 항공센터의 훨타워 시험설비에서는 오랜 기간에 걸쳐 수리온 주로터 블레이드에 대한 동적밸런싱 시험을 수행하고 데이터를 축적해 왔다. 이에 데이터양이 점차 방대해짐에 따라 시험결과를 효율적으로 관리하기 위한 데이터베이스 프로그램의 개발의 필요성이 제기되어 왔다. 본 연구에서는 훨타워 시험설비에서 수행한 동적밸런싱 시험결과를 바탕으로 구축한 데이터베이스 시스템에 대해 기술하였다. 본 연구에서 구현된 데이터베이스 시스템은 동적밸런싱 시험 결과를 각 정보별로 논리적으로 모델링하고 각각의 데이터가 상호 관계를 이룰 수 있도록 연결하여 관계형 구조를 이루도록 설계되었다. 아울러 본 논문을 통해 기 설계된 데이터베이스 시스템이 동적밸런싱 시험 결과의 축적과 시험 결과 분석에 효과적으로 활용될 수 있음을 보였다.

• 우주기술과 응용
• /
• 제1권1호
• /
• pp.23-32
• /
• 2021

1톤 이상의 인공우주물체 중 통제가 불가능한 인공우주물체의 추락은 지상에서의 인명 및 자산 피해가 발생할 가능성이 높기 때문에 국가적으로도 '인공우주물체 추락·충돌 대응 매뉴얼'에 따라 우주물체 추락 상황에 대한 위기를 관리한다. 따라서 인공우주물체 추락 상황 및 위험도를 판단하기 위한 신속하고 정확한 인공우주물체 추락 예측 정보를 제공하는 것이 매우 중요하다. 인공우주물체 추락 예측 방법은 국내외 여러 기관들에서 수행하고 있으나, 국가적으로 신뢰할 수 있는 국내 독자적인 툴의 확보는 국가 우주위험 재난 위기 상황에서 매우 필수적이다. 본 연구에서는 인공우주물체의 추락 상황에서 관측으로부터 생성된 우주물체의 접촉궤도요소 또는 해외에서 공개되는 평균궤도요소를 활용하여 인공우주물체의 추락 예상 시각 및 지점을 정밀하게 예측할 수 있는 소프트웨어를 개발하였다. 개발된 소프트웨어는 그레이스 1호(Grace-1) 위성과 그레이스 2호(Grace-2), 톈궁 1호(Tiangong 1) 위성과 창정 5B호 로켓 잔해(CZ-5B)와 같은 실제 통제 불가능한 인공우주물체의 추락 상황에서 독자적인 우주물체 추락 예측 정보를 제공하여 검증하였다.

• 한국지리정보학회지
• /
• 제5권2호
• /
• pp.1-15
• /
• 2002

대기중의 에어러솔은 지구복사수지에 영향을 미치는 요소이며 직 간접적인 복사강제효과로 인하여 기후변화인자로 간주되고 있다. 대기 에어러솔은 대기중 체류시간의 시 공간적 불확실성 때문에 GCM 등의 변수로 사용하기 어려운 점을 가지고 있다. 따라서 대기 에어러솔의 기후 및 대기복사에 대한 영향을 규명하기 위하여 대기 에어러솔의 물리 광학적 성질을 밝히는 것이 필요하다. 본 연구에서는 가시영역에서의 대기효과를 분석하기 위하여 대기복사전달 모델인 MODTRAN 3 (Moderate Resolution Transmittance)의 모사결과와 GMS-5 위성의 가시영역 채널을 이용하여 황사 에어로졸의 모니터링을 시도하였다. 본 연구에서는 황사사례를 중심으로 대기 에어러솔에 의한 대기효과를 정량화하기 위한 GMS-5 위성자료와 이를 시뮬레이션 하기 위한 MODTRAN 3 대기복사전달모델을 사용하였다. MODTRAN 3 시뮬레이션 결과로 위성의 채널 알베도와 에어러솔 광학 두께와의 관계를 계산하여 위성자료에서 에어러솔 광학두께에 관한 정보를 추출하였다. 후진궤적분석을 통하여 황사를 포함한 공기덩어리가 고비사막으로부터 중국을 거쳐 한반도에 도달하는 것과 이때 에어러솔 광학두께가 증가하는 현상을 지상관측자료에서 확인할 수 있었다. 또한 위성영상에서 보이는 황사영역은 황사의 이동 현상을 시간대별로 잘 나타나고 있고, 지상관측결과의 비교분석은 10% 내의 오차율을 가지는 범위 안에서 만족할 만한 결과를 보여주었다. 더욱이 같은 황사현상이 발생한 시간대에 한국, 중국과 일본에서 측정된 라이다 관측결과와 모델결과 자료는 황사 에어로졸의 특성을 잘 나타내고 있으므로 향후 대기에어로졸의 모니터링에 대한 중요한 역할을 할 수 있을 것이다.

• 인터넷정보학회논문지
• /
• 제14권5호
• /
• pp.69-76
• /
• 2013

세계적으로 전파력과 병원성이 높은 신종인플루엔자, 조류독감 등과 같은 전염병이 증가하고 있다. 전염병이란 특정 병원체(pathogen)로 인하여 발생하는 질병으로 감염된 사람으로부터 감수성이 있는 숙주(사람)에게 감염되는 질환을 의미한다. 전염병의 병원체는 세균, 스피로헤타, 리케차, 바이러스, 진균, 기생충 등이 있으며, 호흡기계 질환, 위장관 질환, 간질환, 급성 열성 질환 등을 일으킨다. 전파 방법은 식품이나 식수, 곤충 매개, 호흡에 의한 병원체의 흡입, 다른 사람과의 접촉 등 다양한 경로를 통해 발생한다. 전 세계의 대부분 국가들은 전염병의 전파를 예측하고 대비하기 위해서 수학적 모델을 사용하고 있다. 하지만 과거와 달리 현대 사회는 지상과 지하 교통수단의 발달로 전염병의 전파 속도가 매우 복잡하고 빨라졌기 때문에 우리는 이를 예방하기 위한 대책 마련의 시간이 부족하다. 그러므로 전염병의 확산을 막기 위해서는 전염병의 전파 경로를 예측할 수 있는 시스템이 필요하다. 우리는 이러한 문제를 해결하기 위해서 전염병의 실시간 감시 및 관리를 위한 전염병의 감염 경로 추적 및 예측이 가능한 통합정보 시스템을 구현하였다. 이 논문에서는 전염병의 전파경로 예측에 관한 부분을 다루며, 이 시스템은 기존의 수학적 모델인 Susceptible - Infectious - Recovered (SIR) 모델을 기반으로 하였다. 이 모델의 특징은 교통수단인 버스, 기차, 승용차, 비행기를 포함시킴으로써, 도시내 뿐만 아니라 도시간의 교통수단을 이용한 이동으로 사람간의 접촉을 표현할 수 있다. 그리고 한국의 지리적 특성에 맞도록 실제 자료를 수정하였기 때문에 한국의 현실을 잘 반영할 수 있다. 또한 백신은 시간에 따라서 투여 지역과 양을 조절할 수 있기 때문에 사용자가 시뮬레이션을 통해서 어느 시점에서 어느 지역에 우선적으로 투여할지 백신을 컨트롤할 수 있다. 시뮬레이션은 몇가지 가정과 시나리오를 기반으로 한다. 그리고 통계청의 자료를 이용해서 인구 이동이 많은 주요 5개 도시인 서울, 인천국제공항, 강릉, 평창, 원주를 선정했다. 상기 도시들은 네트워크로 연결되어있으며 4가지의 교통수단들만 이용하여 전파된다고 가정하였다. 교통량은 국가통계포털에서 일일 교통량 자료를 입수하였으며, 각도시의 인구수는 통계청에서 통계자료를 입수하였다. 그리고 질병관리본부에서는 신종인플루엔자 A의 자료를 입수하였으며, 항공포털시스템에서는 항공 통계자료를 입수하였다. 이처럼 일일 교통량, 인구 통계, 신종인플루엔자 A 그리고 항공 통계자료는 한국의 지리적 특성에 맞도록 수정하여 현실에 가까운 가정과 시나리오를 바탕으로 하였다. 시뮬레이션은 신종인플루엔자 A가 인천공항에 발생하였을 때, 백신이 투여되지 않은 경우, 서울과 평창에 각각 백신이 투여된 경우의 3가지 시나리오에 대해서, 감염자가 피크인 날짜와 I (infectious)의 비율을 비교하였다. 그 결과 백신이 투여되지 않은 경우, 감염자가 피크인 날짜는 교통량이 가장 많은 서울에서 37일로 가장 빠르고, 교통량이 가장 적은 평창에서 43일로 가장 느렸다. I의 비율은 서울에서 가장 높았고, 평창에서 가장 낮았다. 서울에 백신이 투여된 경우, 감염자가 피크인 날짜는 서울이 37일로 가장 빨랐으며, 평창은 43일로 가장 느렸다. 그리고 I의 비율은 강릉에서 가장 높으며, 평창에서 가장 낮았다. 평창에 백신을 투여한 경우, 감염자가 피크인 날짜는 37일로 서울이 가장 빠르고 평창은 43일로 가장 느렸다. I의 비율은 강릉에서 가장 높았고, 평창에서는 가장 낮았다. 이 결과로부터 신종인플루엔자 A가 발생하면 각 도시는 교통량에 의해 영향을 받아 확산된다는 것을 확인할 수 있다. 따라서 전염병 발생시 전파 경로는 각 도시의 교통량에 따라서 달라지므로, 교통량의 분석을 통해서 전염병의 전파 경로를 추적하고 예측함으로써 전염병에 대한 대책이 가능할 것이다.