서울시 PM10과 PM2.5의 공간적 분포 변이분석
The Variation Analysis on Spatial Distribution of PM10 and PM2.5 in Seoul
2
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
미세먼지는 대기오염 중 심각한 질병을 야기할 수 있는 대기오염 원인물질이다. 이에 대부분의 연구는 위성영상을 활용하거나 모델링 기법을 이용하여 지역적 미세먼지 분포경향을 분석하였다. 하지만 측정소값을 기준으로 공간보간기법을 적용하여 분석하는 방법은 국내에서 부족한 실정이다. 본 연구에서는 서울시 39개의 미세먼지 측정망을 기준으로 2018년도 서울시의 1월, 2월, 3월, 4월 PM10과 PM2.5의 월별 공간적인 분포 변이를 분석하였다. 또한 본 연구를 통해 얻어진 분포도를 기반으로 PM10과 PM2.5의 차이값을 보여주는 분포도를 제작하였으며, PM10의 배출량이 많은 지역과 PM2.5의 배출량이 많은 지역을 선정하였다. 또한 PM10과 PM2.5의 분포를 비율로 계산하여 분포지도를 제작함으로 각 지역별 PM10과 PM2.5의 상호관계를 확인하였다. 본 연구는 공간분석 기법을 통하여 서울시 PM10과 PM2.5를 분석하는 공간적 분포변이 결과를 해석하였다. 본 연구의 결과 PM10은 도로변 측정소에 높은 측정값을 나타내는 것을 확인할 수 있었다.
Abstract
PM(Particulate Matter) cause serious diseases of air pollution. Most of the studies have analyzed local distribution trends using satellite images or modeling techniques. However, the method using the spatial interpolation method based on the meteorological value is insufficient in Korea. In this study, monthly spatial distribution of PM10 and PM2.5 in January, February, March, and April of 2018 Seoul Metropolitan City were analyzed based on 39 PM monitoring networks. In addition, a distribution map showing the difference between PM10 and PM2.5 was based on the distribution obtained through this study. The regions of high PM10 and PM2.5 emissions were selected. In addition, the correlation between PM10 and PM2.5 was confirmed through the distribution map. This study analyzed the spatial distribution variation results of analyzing PM10 and PM2.5 in Seoul through spatial analysis technique. As a result of this study, it was confirmed that PM10 shows high measured value on the roadside measurement station.
참고문헌 (10)
- Aman T, "Applying Kriging Approach on Pollution Data Using GIS Software", International Journal of Environment Engineering and Management, 4(3), pp.185~190 (2013)
- Chang H, "Calibrating MODIS aerosol optical depth for predicting daily PM2.5 concentrations via statistical downscaling", J Expo Sci Environ Epidemiol, 24(4), pp.398~404 (2014)
- Cole B, "Exposure assessment models for elemental components of particulate matter in an urban environment : A comparison of regression and random forest approaches", Atmos Environ, 2(151), pp.1~11 (2017)
- Dilip K, "Evaluation of Interpolation Technique for Air Quality Parameters in Port Blair, India", Universal Journal of Environmental Research and Technology, 1(3), pp.301~310 (2011)
- 함지영, "2016년 봄철 서울의 PM10, PM2.5 및 OC와 EC 배출원 기여도 추정", 대기, 27(1), pp.41~54 (2017), 한국기상학회[DOI]
- Hooyberghs J, "A neural network forecast for daily average PM10 concentrations in Belgium", Atmospheric Environment, 39(18), pp.3279~3289 (2005)
- 김종찬, "황사에 의한 미세먼지의 입경분포 특성", 환경분석과 독성보건, 16(4), pp.266~271 (2013), 한국환경분석학회
- Mats R, "Comparison of regression models with land-use and emissions data to predict the spatial distribution of trafficrelated air pollution in Rome", Journal of Exposure Science and Environmental Epidemiology, 18(2), pp.192~199 (2008)
- 서영호, "상업지역의 초미세먼지(PM2.5) 발생특성 연구", 한국대기환경학회지, 31(2), pp.97~104 (2015), 한국대기환경학회[DOI]
- Qian D, "Assessing PM2. 5 exposures with high spatiotemporal resolution across the Continental United States", Environ Sci Technol, 50(9), pp.4712~4721 (2016)