선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 1995년에서 1999년의 대구광역시의 대기 오염자료와 기상자료를 이용하여 고농도 오존일의 시계열적 요소를 더한 다중회귀모델을 개발하여 예측치와 관측치를 비교하고자 한다. 또한 그 결과로부터 오존예보 모델의 유의성을 진단해보고 앞으로의 대기질관리와 오존 예보모델을 개발하는데 기초자료를 제공하는데 그 목적이 있다.
- 오존 대상 권역을 나누지 않고 전역을 한 지역으로 처리함으로써 효율과 제도의 신뢰성보다는 제도를 시행한다는 자체에 너무 의미를 두고 있으며, 오존 발생과 분포의 국지성을 완전히 무시하였다. 본 연구는 1995년에서 1999년의 대구광역시의 대기 오염자료와 기상자료를 이용하여 고농도 오존일의 시계열적 요소를 더한 다중회귀모델을 개발하여 예측치와 관측치를 비교하고자 한다. 또한 그 결과로부터 오존예보 모델의 유의성을 진단해보고 앞으로의 대기질관리와 오존 예보모델을 개발하는데 기초자료를 제공하는데 그 목적이 있다.
- 단기간 고농도 오존의 위해성과 관련하여 세계보건기구(W阳0)는 고농도 오존의 권고 기준치 농도는 60 ppb으로 정하였으며 13), 우리나라의 경우 8시간 평균기준치가 60 ppb이하, 1시간 평균 환경기준치는 100 ppb 이하로 규정하고 있다. 본 연구에서는 고농도 오존의 특성을 분석하기 위해 최근 5년 동안 대구지역의 6개 지점에서 측정된 시간별 오존농도를 이용하여 60 ppb이상의 고농도 오존으로 정의하고 고농도 오존의 발생현황 및 기상요인과 대기오염물질과의 시간적 변화특성을 분석하였다. 오존농도가 60 ppb 이상일 경우에는 천식을 가진 환자의 증세가 더욱 악화될 수 있을 정도의 오염도S로 오존으로 인한 피해가 증가될 수 있는 농도이다.
제안 방법
- 본 연구는 대구지역의 오존 농도의 분포 및 특성과 고농도 오존일을 선정하여 대기오염물질 및 기상인자 사이의 상관성 분석을 통하여 오존 농도에 미치는 영향을 분석하는 기여인자 분석, 교차 상관 분석으로 시계열성의 기여인자를 분석하여 다중 회귀 예측 식을 제시하고 검증을 통하여 다음과 같은 결론을 얻었다.
- 측정 자료의 선택은 24 시간 중 70%이상 측정된 자료를 유효자료로서 취급(2)하였고, 대구의 모든 지역에서 유효하다고 판단되는 1995년부터 1999년 5년 간의 자료를 선택하였다. 오존의 기여인자를 분석하기 위하여 해당 기간 동안의 대구 지방기상대의 매시간 측정한 기상자료 (기온, 상대습도, 일사량, 상대습도)를 이용하였다.
대상 데이터
- 고농도 오존일의 기여인자와 다중회귀식을 이용한 오존예측을 위해 과거 5년간의 대기오염물질 농도자료와 기상자료를 이용하였다. 대기오염 농도자료는 대구지방환경청의 6개 대기질 자동 측정망의 시간별 오염농도자료이며, 그 항목과 측정 방법은 Table 1에 나타내었다.
- 다중 회귀분석은 지점별 매시간별 자료로서 대구지역의 대기 자동측정망을 운영하고 있는 노원동, 이현동, 삼덕동, 대명동, 만촌동, 복현동을 대상지역으로 하였다. 지점별 오존농도를 종속변수로 하고 나머지 대기오염물질과 기상인자를 독립변수로 선정하였으며 특히 독립변수들이 종속변수인 오존생성에 미치는 시차적 영향을 고려하고 주기성 분석결과와 교차분석 결과를 근거로 하여 오존 생성에 가장 많은 영향을 줄 것으로 예상되는 시차별 대기오염물질과 시차별 기상인자를 선정 후 단계식분석(stepwise selec- tioG에 의한 다중회귀분석을 실시하였다.
- 대구지역의 오존의 농도 특성과 기여인자를 분석하기 위하여 노원동, 이현동, 삼덕동, 대명동, 만촌동, 복현동 6개 지역에서 운영하는 대기질 자동측정망의 대기오염물질 측정자료와 기상자료를 1995 년 1월부터 1999년12월까지 매 시간별 자료를 분석하였다. 본 연구는 대구지역의 오존 농도의 분포 및 특성과 고농도 오존일을 선정하여 대기오염물질 및 기상인자 사이의 상관성 분석을 통하여 오존 농도에 미치는 영향을 분석하는 기여인자 분석, 교차 상관 분석으로 시계열성의 기여인자를 분석하여 다중 회귀 예측 식을 제시하고 검증을 통하여 다음과 같은 결론을 얻었다.
- 기상자료를 이용하였다. 대기오염 농도자료는 대구지방환경청의 6개 대기질 자동 측정망의 시간별 오염농도자료이며, 그 항목과 측정 방법은 Table 1에 나타내었다. 측정 자료의 선택은 24 시간 중 70%이상 측정된 자료를 유효자료로서 취급(2)하였고, 대구의 모든 지역에서 유효하다고 판단되는 1995년부터 1999년 5년 간의 자료를 선택하였다.
- 대기오염 농도자료는 대구지방환경청의 6개 대기질 자동 측정망의 시간별 오염농도자료이며, 그 항목과 측정 방법은 Table 1에 나타내었다. 측정 자료의 선택은 24 시간 중 70%이상 측정된 자료를 유효자료로서 취급(2)하였고, 대구의 모든 지역에서 유효하다고 판단되는 1995년부터 1999년 5년 간의 자료를 선택하였다. 오존의 기여인자를 분석하기 위하여 해당 기간 동안의 대구 지방기상대의 매시간 측정한 기상자료 (기온, 상대습도, 일사량, 상대습도)를 이용하였다.
데이터처리
- 대구지역의 고농도 오존에 영향을 미치는 요인을 분석하기 위해 다중회귀분석을 실시하였다. 다중 회귀분석은 지점별 매시간별 자료로서 대구지역의 대기 자동측정망을 운영하고 있는 노원동, 이현동, 삼덕동, 대명동, 만촌동, 복현동을 대상지역으로 하였다.
- 다중 회귀분석은 지점별 매시간별 자료로서 대구지역의 대기 자동측정망을 운영하고 있는 노원동, 이현동, 삼덕동, 대명동, 만촌동, 복현동을 대상지역으로 하였다. 지점별 오존농도를 종속변수로 하고 나머지 대기오염물질과 기상인자를 독립변수로 선정하였으며 특히 독립변수들이 종속변수인 오존생성에 미치는 시차적 영향을 고려하고 주기성 분석결과와 교차분석 결과를 근거로 하여 오존 생성에 가장 많은 영향을 줄 것으로 예상되는 시차별 대기오염물질과 시차별 기상인자를 선정 후 단계식분석(stepwise selec- tioG에 의한 다중회귀분석을 실시하였다.
성능/효과
- 317로 나타났다. 1 차 대기오염물질간의 상관성 분석 결과는 배출원이 비슷한 오염물질간에는 그 상관성도 높음을 제시하였다.
- 1) 대구지역의 오존농도의 월평균 농도는 일사량이 높은 5, 6, 9, 10월에 증가하고 장마기간의 7, 8월에 감소하는 이산형 분포를 보인다.
- 1%였다. 1시간전 오존농도, 3시간 전 일사량, 현시점의 모든 자료를 이용하여 1시간 후 오존농도 추정식을 얻었으며 현시점 오존 농도 예측식에 비해 유의성과 설명력이 높았다. 1시간 후 오존농도 모델을 이용하여 얻어진 예측치와 실측치 간의 상관관계를 Fig.
- 2) 오존 농도가 60 ppb이상인 고농도 오존일은 5, 6, 9월에 63.6 %로 대부분 차지하였고 지역별로 만촌동이 14.4 %, 복현동이 15.4 %, 대명동, 삼덕동이 15.6%, 이현동이 17.3 %, 노현동이 21.6 %로 나타났다.
- 3) 오존과 대기오염물질사이의 모두 음의 상관관계를 가지고, SO2, TSP, NO2, CO의 상관계수값은 -0.229, -0.074, -0.387, -0.190(p<0.01)으로 나타났다. 기상인자인 기온, 일사량, 풍속과 0.
- 4) 다중회귀예측식의 각 지역별 변수의 기여 인자들의 설명력이 70%이상을 나타냈으나 노원동은 약 45%의 설명력이 나타났다. 이현동은 77.
- 분석하여 Table 3에 나타내었다. 60 ppb 이상의 고농도 오존의 발생시간을 살펴보면 1995년부터 1998년까지 점차 증가 후 1999년도에 감소하는 경향으로 나타났으며, 1995년에 386시간으로 초과농도 발생시간이 가장 낮았으며, 1998년도에 813시간으로 고농도 오존의 발생시간이 1995년에 비해 2배 이상 높게 나타났다. 1995년의 고농도 오존일 발생 시간이 현저히 낮게 나타난 이유는 만촌동 지점의 대기오염측정이 1996년 5월 이후 실시되었기 때문이다.
- 6%, 일사량, 습도는 73%의 설명력으로 만촌동과 유사한 설명력을 가진 결과로 나타났다. 6개 지점의 대부분의 변수들이 70 %이상의 오존농도의 전 변동량을 설명할 수 있었으나 노원동은 약 45%미만으로 그 설명력이 타 지점에 비해 매우 낮았다. 결과적으로 6개 지점의 고농도오존의 생성에 가장 큰 기여를 하는 변수는 일사량이었으며, 두 번째 변수로는 노원동이 N02, 이현동이 SO2, 삼덕동의 풍속, 대명동은 CO, 만촌동과 복현동은 상대습도로 나타났다.
- 2에 나타내었다. 각 지 점별 설명력을 살펴보면 노원동은 82.5%, 이현동은 88.3%, 삼덕동은 80.7%, 대명동은 82.4%, 만촌동은 87.6% 그리고 복현동은 88.5%로 현시점 오존 농도 예측 식에 비해 큰 설명력을 가지고 있었다.
- 1에 나타내었다. 각 지점별 예측치와 실측치의 설명력을 살펴보면 노원동이 48%, 이현동 77.5%, 삼덕동이 58%, 대명동이 73.4%, 만촌동이 77.7%, 복현동이 75.1%였다. 1시간전 오존농도, 3시간 전 일사량, 현시점의 모든 자료를 이용하여 1시간 후 오존농도 추정식을 얻었으며 현시점 오존 농도 예측식에 비해 유의성과 설명력이 높았다.
- 항목별 결측율을 Table 2에 나타내었다. 각 측정자료들은 유효자료로서 취급이 가능하며 노원동의 TSP가 다소 높게 나타났다. 본 연구에서 연구대상으로 하는 오존 자료의 결측율은 지역별로 다소 차이가 있으나 노원동을 제외하고는 7% 이하의 낮은 결측율을 보이고 있다.
- 결과적으로 1시간전 오존농도와 3시간전 일사량, 현시점의 모든 자료를 이용한 모델 추정식에 의한 예측치와 실제오존농도의 측정치를 비교한 결과 추정 모델은 대구지역 전체의 약 85%의 설명력을 가짐으로 예측모델의 우수함을 보여주었다. 본 연구에서 설명력이 높은 오존 추정 모델은 대부분 많은 변수들을 포함하고 있으며 이들간 다중공선성등에문제를 고려한다면 기여도가 작은 변수를 제거하고 오존에 가장 큰 기여를 하는 변수들만으로 예측 식을 고려할 필요성이 있다.
- 6개 지점의 대부분의 변수들이 70 %이상의 오존농도의 전 변동량을 설명할 수 있었으나 노원동은 약 45%미만으로 그 설명력이 타 지점에 비해 매우 낮았다. 결과적으로 6개 지점의 고농도오존의 생성에 가장 큰 기여를 하는 변수는 일사량이었으며, 두 번째 변수로는 노원동이 N02, 이현동이 SO2, 삼덕동의 풍속, 대명동은 CO, 만촌동과 복현동은 상대습도로 나타났다.
- 대구지역 6개 지점의 단계별 회귀분석으로부터 얻은 오존농도 추정식은 현시점의 오존농도를 예측한 결과 노원동은 45.4%, 이현동은 77.9%, 삼덕동은 69.9%, 대명동은 78.8%, 만촌동은 78.3%, 복현동은 77.6%의 설명력을 가지는 것으로 나타났다. 다중회귀분석으로부터 얻어진 현시점 오존 예측 식을 이용하여 오존농도를 예측하고 실측치와 비교한 결과는 Fig.
- 6%로 오존농도의 전 변동량을 설명할 수 있었다. 또한 1 시간 전 오존농도를 변수로 고려시 노원동을 제외한 모든 지점에서 80% 이상의 설명력을 가지는 것으로 나타났다. 즉 1시간 후에 대한 오존예측에서의 기여도를 살펴보면 모든 지점에서 1시간 전 오존 농도가 가장 큰 기여를 하였으며, 두 번째 변수로는 일사량이 가장 큰 기여를 하는 것으로 나타났다.
- 677 로 음의 상관관계를 보여주었으며 오존과 상대습도가 가장 큰 상관관계를 나타내었다. 또한 기상 요소 간의 상관관계분석을 살펴보면 온도는 일사량과 양의 상관관계, 습도와는 음의 상관관계를 보여주었으며 일사량과 풍속은 가장 낮은 상관관계를 보여주었다.
- 5%, 일사량, 습도, NO2, TSP, 풍속과 기타변수를 포함시 78%이상으로 오존 농도의 전 변동량을 설명할 수 있었다. 마지막으로 복현동의 경우 일사량은 70.6%, 일사량, 습도는 73%의 설명력으로 만촌동과 유사한 설명력을 가진 결과로 나타났다. 6개 지점의 대부분의 변수들이 70 %이상의 오존농도의 전 변동량을 설명할 수 있었으나 노원동은 약 45%미만으로 그 설명력이 타 지점에 비해 매우 낮았다.
- 8%, 일사량, CO, 상대습도, NO2, SO2와 기타 변수를 포함할 경우 78% 이상의 설명력을 가졌다. 만촌동의 경우 일사량을 변수로 할 경우 70%의 설명력을, 일사량과 습도는 72.5%, 일사량, 습도, NO2, TSP, 풍속과 기타변수를 포함시 78%이상으로 오존 농도의 전 변동량을 설명할 수 있었다. 마지막으로 복현동의 경우 일사량은 70.
- 387로 1차 대기오염물질 중 오존과 역상관성이 가장 높았으며 오존생성에 가장 큰 영향을 미치는 물질로 나타났다. 반면에 1차성대기 오염 물질 간의 상관성은 모두 양의 상관성을 가지는 것으로 나타났으며, 특히 SO2와 TSP, NO2의상관계수는 각 0.401, 0.462로 가장 높았으며, SO2 와 CO는 0.207, NO?와 CO는 0.317로 나타났다.
- 각 측정자료들은 유효자료로서 취급이 가능하며 노원동의 TSP가 다소 높게 나타났다. 본 연구에서 연구대상으로 하는 오존 자료의 결측율은 지역별로 다소 차이가 있으나 노원동을 제외하고는 7% 이하의 낮은 결측율을 보이고 있다.
- 7% 로 큰 차이는 없었다. 삼덕동의 경우에서 일사량만고려시 62%의 오존농도의 전 변동량을 설명할 수 있었으며, 일사량과 풍속이 64.8%, 일사량, 풍속, 상대습도, SO2, NG는 69%의 설명력을 가지고 있었다. 대명동의 경우 일사량만 변수로 할 경우 69.
- 01). 오존과 기상인자간의 상관관계를 살펴보면 오존과 기온, 일사량, 풍속의 상관계수는 각 0.515, 0.509, 0.400로 양의 상관관계를, 오존과 상대습도는 -0.677 로 음의 상관관계를 보여주었으며 오존과 상대습도가 가장 큰 상관관계를 나타내었다. 또한 기상 요소 간의 상관관계분석을 살펴보면 온도는 일사량과 양의 상관관계, 습도와는 음의 상관관계를 보여주었으며 일사량과 풍속은 가장 낮은 상관관계를 보여주었다.
- 이 추정모델은 위의 조건에서 추정한 모델보다 유의성이 높았으며 설명력도 노원동에서는 72.2~ 75.2%, 이현동은 83.5-89.3%, 삼덕 동은 80.5- 86.4%, 대명동 82.5 - 88.6%, 만촌동 84.3~88.6%로 오존농도의 전 변동량을 설명할 수 있었다. 또한 1 시간 전 오존농도를 변수로 고려시 노원동을 제외한 모든 지점에서 80% 이상의 설명력을 가지는 것으로 나타났다.
- Table 4에 나타내었다. 전체적으로 볼 때 일사량의 강도가 높아지는 4월부터 10월까지 고농도 오존발생횟수가 많아지고, 11월부터 3월까지는 고농도오존의 발생일이 낮아지는 현상을 볼 수 있었으며 이는 앞서 분석한 주기성분석의 결과와도 일치함을 알 수 있었다. 특히 5월의 경우 222회로 가장 많은 고농도 오존일을 나타냈으며, 6, 9월에 190, 161회 이상의 고농도 오존일을 나타내어 5, 6, 9월의 경우에 고농도 오존일의 63.
- 또한 1 시간 전 오존농도를 변수로 고려시 노원동을 제외한 모든 지점에서 80% 이상의 설명력을 가지는 것으로 나타났다. 즉 1시간 후에 대한 오존예측에서의 기여도를 살펴보면 모든 지점에서 1시간 전 오존 농도가 가장 큰 기여를 하였으며, 두 번째 변수로는 일사량이 가장 큰 기여를 하는 것으로 나타났다.
- 01). 특히 오존과 NO2는 상관계수가 -0.387로 1차 대기오염물질 중 오존과 역상관성이 가장 높았으며 오존생성에 가장 큰 영향을 미치는 물질로 나타났다. 반면에 1차성대기 오염 물질 간의 상관성은 모두 양의 상관성을 가지는 것으로 나타났으며, 특히 SO2와 TSP, NO2의상관계수는 각 0.
후속연구
- 예측모델의 우수함을 보여주었다. 본 연구에서 설명력이 높은 오존 추정 모델은 대부분 많은 변수들을 포함하고 있으며 이들간 다중공선성등에문제를 고려한다면 기여도가 작은 변수를 제거하고 오존에 가장 큰 기여를 하는 변수들만으로 예측 식을 고려할 필요성이 있다. 즉, 단계별 회귀분석 의결과 중 독립변수를 1, 2개를 포함하는 스텝 1, 2에서 제시하는 다중회귀식을 이용한다면 설명력은 다소 떨어질 수 있으나 독립변수간의 상관 성문제를 해결할 가능성은 있다고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.