풍향과 풍속을 고려한 측정소 간 초미세먼지 농도 비교 분석 Comparative analysis of ultrafine dust concentrations between pairs of air pollution monitoring stations considering wind direction and wind speed원문보기
기상인자에 따른 각 측정소별 대기오염물질 농도 변화에 관한 선행연구와 달리, 본 연구에서는 풍향과 풍속에 따른 대기흐름에 기초하여 대기오염측정소 간 초미세먼지 농도를 비교 분석하고자 한다. 이를 위해 2015년부터 2017년까지 서울특별시 내 대기오염측정소에서 측정되는 매 시간 초미세먼지 농도, 풍향, 풍속의 자료와 기상관측소에서 측정되는 강수량 자료...
기상인자에 따른 각 측정소별 대기오염물질 농도 변화에 관한 선행연구와 달리, 본 연구에서는 풍향과 풍속에 따른 대기흐름에 기초하여 대기오염측정소 간 초미세먼지 농도를 비교 분석하고자 한다. 이를 위해 2015년부터 2017년까지 서울특별시 내 대기오염측정소에서 측정되는 매 시간 초미세먼지 농도, 풍향, 풍속의 자료와 기상관측소에서 측정되는 강수량 자료를 활용하여 연구를 진행하였다. 이웃한 2개의 대기오염측정소의 정확한 농도 비교를 위해, 풍상측정소에서 풍하측정소로 유사한 풍향의 바람이 유지될 때의 에피소드를 추출하여 그 두 측정소의 오염도에 관한 대응표본검정을 수행하였다. 분석 결과, 총 105개 조합이 유사한 풍향의 에피소드로 추출되었고, 이 중 43개의 조합은 두 측정소간 통계적인 농도 차이가 없는 것으로 확인되었다. 이를 통하여 유사한 풍향의 에피소드 중 전체의 약 41%정도가 풍하측정소와 풍하측정소의 농도에 차이가 없음이 확인되었다. 반대로, 59%는 두 측정소 간 오염도의 통계적 차이가 있는 것으로 검증되었다. 이 결과는 대기오염의 이동경로 상, 혹은 풍하측정소 주변의 환경적 영향에 의해 두 측정소 간 초미세먼지 농도차이가 발생하는 것으로 해석할 수 있다. 한편 유의한 결과가 나온 조합 중 마포구 측정소가 풍상측정소인 경우는 마포구 측정소에서 측정된 초미세먼지 농도가 항상 높은 오염도를 나타내었다. 관악구 측정소의 경우도 관악구-동작구 조합을 제외하고는 관악구 측정소의 초미세먼지 농도가 모두 높게 측정되는 것을 확인할 수 있었다. 한편 동대문구 측정소가 풍상측정소일 경우는 동대문구-강동구, 동대문구-영등포구 조합을 제외하고 모두 동대문구 측정소에서 측정되는 초미세먼지 농도가 낮은 것으로 확인되었다. 따라서 향후 마포구와 관악구 측정소 주변의 초미세먼지 농도의 상승원인에 대한 지속적인 연구와 관리정책 마련이 우선적으로 필요할 것으로 판단된다. 또한 지역별 초미세먼지 농도 증감에 영향을 미치는 요소를 분석하여 지역별 맞춤형의 대기관리정책이 수립되어야 할 것이다. 마지막으로 풍향, 풍속, 강수량뿐만 아니라 오염발생 및 저감에 관계된 지역적 특성요소까지 고려된 모형이 개발될 필요가 있다고 판단된다.
기상인자에 따른 각 측정소별 대기오염물질 농도 변화에 관한 선행연구와 달리, 본 연구에서는 풍향과 풍속에 따른 대기흐름에 기초하여 대기오염측정소 간 초미세먼지 농도를 비교 분석하고자 한다. 이를 위해 2015년부터 2017년까지 서울특별시 내 대기오염측정소에서 측정되는 매 시간 초미세먼지 농도, 풍향, 풍속의 자료와 기상관측소에서 측정되는 강수량 자료를 활용하여 연구를 진행하였다. 이웃한 2개의 대기오염측정소의 정확한 농도 비교를 위해, 풍상측정소에서 풍하측정소로 유사한 풍향의 바람이 유지될 때의 에피소드를 추출하여 그 두 측정소의 오염도에 관한 대응표본검정을 수행하였다. 분석 결과, 총 105개 조합이 유사한 풍향의 에피소드로 추출되었고, 이 중 43개의 조합은 두 측정소간 통계적인 농도 차이가 없는 것으로 확인되었다. 이를 통하여 유사한 풍향의 에피소드 중 전체의 약 41%정도가 풍하측정소와 풍하측정소의 농도에 차이가 없음이 확인되었다. 반대로, 59%는 두 측정소 간 오염도의 통계적 차이가 있는 것으로 검증되었다. 이 결과는 대기오염의 이동경로 상, 혹은 풍하측정소 주변의 환경적 영향에 의해 두 측정소 간 초미세먼지 농도차이가 발생하는 것으로 해석할 수 있다. 한편 유의한 결과가 나온 조합 중 마포구 측정소가 풍상측정소인 경우는 마포구 측정소에서 측정된 초미세먼지 농도가 항상 높은 오염도를 나타내었다. 관악구 측정소의 경우도 관악구-동작구 조합을 제외하고는 관악구 측정소의 초미세먼지 농도가 모두 높게 측정되는 것을 확인할 수 있었다. 한편 동대문구 측정소가 풍상측정소일 경우는 동대문구-강동구, 동대문구-영등포구 조합을 제외하고 모두 동대문구 측정소에서 측정되는 초미세먼지 농도가 낮은 것으로 확인되었다. 따라서 향후 마포구와 관악구 측정소 주변의 초미세먼지 농도의 상승원인에 대한 지속적인 연구와 관리정책 마련이 우선적으로 필요할 것으로 판단된다. 또한 지역별 초미세먼지 농도 증감에 영향을 미치는 요소를 분석하여 지역별 맞춤형의 대기관리정책이 수립되어야 할 것이다. 마지막으로 풍향, 풍속, 강수량뿐만 아니라 오염발생 및 저감에 관계된 지역적 특성요소까지 고려된 모형이 개발될 필요가 있다고 판단된다.
While previous studies on the change in air pollution concentrations by some meteorological factors in situ, the purpose of this thesis is to compare and analyze ultrafine dust concentrations (UDC) between pairs of air pollution monitoring stations (APMS), where have a similar wind direction within ...
While previous studies on the change in air pollution concentrations by some meteorological factors in situ, the purpose of this thesis is to compare and analyze ultrafine dust concentrations (UDC) between pairs of air pollution monitoring stations (APMS), where have a similar wind direction within a reachable distance with a wind speed. For this purpose, the study extracts hourly data of UDC, wind direction (WD), and wind speed (WS) at APMS and also considers precipitation at automatic weather stations (AWS) in Seoul Metropolitan Area from 2015 to 2017. To precisely compare the concentrations between two neighboring APMS, we have extracted specific episodes when wind from one station (UWS) to other neighboring station (DWS) keeps in a similar direction. Then we perform the paired sample t-test between the two sets of concentrations. The result shows that 105 combinations in total between APMS are confirmed as the stations with the episodes in similar wind directions, and 43 combinations among them are statistically proved to have insignificant difference between them. This means that about 41% of the total episodes are verified to have no mean difference concentration between the paired stations. Conversely, the other 59% of them are proved to have mean difference in UDC between each UWS and the paired DWS. This result implies that the concentrations at the paired DWS can be different from them at a UWS since there seems to be many emission sources on air pollution movement paths or many influential environmental factors around DWS areas. On the other hand, the UDC at Mapo-gu monitoring station always show a higher concentration level when Mapo-gu station is in the position of a UWS. In case of the Gwanak-gu station, its concentrations are verified to have a higher value than that of any DWS except the case which Dongjak-gu station is in the position of a DWS. Meanwhile, the combinations paired with Dongdaemun-gu station show that UDC at Dongdaemun-gu station are lower than that of the coupled ones except Gangdong-gu and Yeongdeungpo-gu station. Therefore, further studies should have been made to figure out influential factors on UDC around Mapo-gu and Gwanak-gu stations and then it is necessary to make air quality management policies. Moreover, region-specific UDC management policies should be developed considering the factors affecting an increase or a decrease of the pollutant. Finally, it should be very recommendable to construct various comprehensive models considering wind direction, wind speed, precipitation, as well as regional characteristics related to air pollution occurrence and removal.
While previous studies on the change in air pollution concentrations by some meteorological factors in situ, the purpose of this thesis is to compare and analyze ultrafine dust concentrations (UDC) between pairs of air pollution monitoring stations (APMS), where have a similar wind direction within a reachable distance with a wind speed. For this purpose, the study extracts hourly data of UDC, wind direction (WD), and wind speed (WS) at APMS and also considers precipitation at automatic weather stations (AWS) in Seoul Metropolitan Area from 2015 to 2017. To precisely compare the concentrations between two neighboring APMS, we have extracted specific episodes when wind from one station (UWS) to other neighboring station (DWS) keeps in a similar direction. Then we perform the paired sample t-test between the two sets of concentrations. The result shows that 105 combinations in total between APMS are confirmed as the stations with the episodes in similar wind directions, and 43 combinations among them are statistically proved to have insignificant difference between them. This means that about 41% of the total episodes are verified to have no mean difference concentration between the paired stations. Conversely, the other 59% of them are proved to have mean difference in UDC between each UWS and the paired DWS. This result implies that the concentrations at the paired DWS can be different from them at a UWS since there seems to be many emission sources on air pollution movement paths or many influential environmental factors around DWS areas. On the other hand, the UDC at Mapo-gu monitoring station always show a higher concentration level when Mapo-gu station is in the position of a UWS. In case of the Gwanak-gu station, its concentrations are verified to have a higher value than that of any DWS except the case which Dongjak-gu station is in the position of a DWS. Meanwhile, the combinations paired with Dongdaemun-gu station show that UDC at Dongdaemun-gu station are lower than that of the coupled ones except Gangdong-gu and Yeongdeungpo-gu station. Therefore, further studies should have been made to figure out influential factors on UDC around Mapo-gu and Gwanak-gu stations and then it is necessary to make air quality management policies. Moreover, region-specific UDC management policies should be developed considering the factors affecting an increase or a decrease of the pollutant. Finally, it should be very recommendable to construct various comprehensive models considering wind direction, wind speed, precipitation, as well as regional characteristics related to air pollution occurrence and removal.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.