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 연구에서는 수도권 대기오염 집중측정소에서 측정된 PM2.5의 화학조성 자료를 EPA PMF 분석에 적용하여 2010년도 서울지역 대기 중 PM2.5 농도에 영향을 미치는 잠재적 배출원들의 기여도를 추정하였다. 그 결과 총 8종의 잠재적 발생원들이 추정되었다.
제안 방법
- Fpeak 값을 -1에서 1까지 변화시켜 모델링을 수행하여 Q값의 변화폭이 작고 각 인자들의 독립성을 확보하면서 현실성 있는 오염원분류표가 생성되도록 Fpeak 값을 결정하였다 (Han et al., 2006; Paatero et al., 2002).
- PM10과 PM2.5 질량농도의 경우 임팩터 방식으로 분리된 입자를 16.7 lpm의 유속으로 석영여지에 채취한 뒤 β-ray 흡수법을 사용하는 FH-62 C-14 (Thermo Sci.)와 BAM 1020 (MetOne Ins.)으로 1시간 간격 모니터링 하였다.
- )으로 1시간 간격 모니터링 하였다. PM2.5 내 이온 및 탄소, 금속성분 농도는 ambient ion monitor (URG-9000D, URG Co.), semi-continuous OCEC analyzer(Sunset Lab.), online-XRF (Xact-420, Cooper Co.)로 측정하였다. 이온성분의 경우 SO42-, NO3-, Cl-, NH4+, Na+, K+, Mg2+, Ca2+의 8항목을 측정대상으로 하였고, 측정 장비의 구조는 그림 1과 같다.
- PMF에서 계산된 인자별 성분조성은 기존의 연구 결과와 미국 EPA 오염원 분류표인 SPECIATE version 3.1에 보고된 발생원별 성분조성과 비교하였고, 표 2의 주요 지표성분을 중심으로 발생원을 추정하였다. 그 결과, 서울지역 대기 중 PM2.
- 금속성분은 Si, K, Ca, Ti, V, Cr, Mn, Fe, Co, Ni, Zn, As, Se, Pb를 포함한 14종에 대해 모니터링을 수행하였다. 측정방식은 16.
- 단, 측정값의 불확도가 다소 크고 검출한계 미만의 자료가 많은 Cl-, Na+, NH4+, Mg2+, Ca2+ 항목과 0.2⁄S/N ratio<2인 OC, V, Co, Ni, As, Se 성분에 대해 가중치를 낮게 주어 모델링을 수행하였다.
- 이때 이상치의 경계 편차를 의미하는 변수 α는 환경 자료에서 일반적으로 사용하는 α=4를 사용하였다. 또한 최적의 인자 수와 성분조성을 결정하고, 가장 현실적인 모델링 결과를 산출하기 위해 Fpeak 변수를 사용하여 인자의 회전도를 결정하였다. Fpeak 값을 -1에서 1까지 변화시켜 모델링을 수행하여 Q값의 변화폭이 작고 각 인자들의 독립성을 확보하면서 현실성 있는 오염원분류표가 생성되도록 Fpeak 값을 결정하였다 (Han et al.
- 본 연구를 위해 서울시 은평구 불광동에 위치한 수도권 대기오염 집중측정소 (37º 36′N, 126º 56′E, 67m a.s.l.)에서 2010년 1월 1일부터 12월 31일까지 1시간 간격으로 PM2.5의 질량 및 성분조성을 실시간 모니터링 하였다.
- 본 연구에서는 Online-XRF로 측정시 측정결과의 불확도가 큰 Si 항목과 측정항목이 중복되는 K+ 항목을 모델링에서 제외시키고, PM2.5 중 이온성분 7종 및 탄소성분 2종, 금속성분 13종의 1시간 농도 값을 EPA PMF version 3.0에 적용시켜 입자상 물질의 발생원을 추정하였다. 단, 측정값의 불확도가 다소 크고 검출한계 미만의 자료가 많은 Cl-, Na+, NH4+, Mg2+, Ca2+ 항목과 0.
- 본 연구에서는 PMF보다 불확도가 낮고 배출원 분리가 잘되는 ME-2의 반복 알고리즘을 사용하는 EPA PMF version 3.0을 이용하여 대기 중 PM2.5의 발생원을 추정하였다. EPA PMF 분석 시 환경 측정자료에서 자주 나타나는 이상치가 전체 모델 결과에 미치는 영향을 줄이기 위해 robust 모드를 사용하였다(Paatero, 1996).
- 수정된 방법은 현장에서의 시료 채취시간을 증가시키기 위해 분석시간과 승온단계를 짧고 단순화시켰다.
- 유입 풍향 권역별 PM2.5 질량농도에 대한 발생원 기여도를 살펴보기 위해 1시간 단위로 산출되는 발생원별 기여농도를 풍향자료를 기초로 권역별로 구분하여 평균농도를 살펴보았다. 단, 풍속이 1 m/sec 미만인 자료는 풍향별 기여도 분석에서 제외하였다.
- 5를 테플론 여지에 채취한 뒤 X-ray 형광 스펙트럼으로 금속성분을 분석한다. 이때 1시간 간격으로 측정하고 24시간 간격으로 자동교정을 수행하였다.
- 남서쪽으로는 경인고속도로와 같이 교통량이 많은 도로망과 함께 인천 남동공단, 안산 시화공단과 같은 경기도 내 주요 공업단지들이 위치해 있다. 이러한 측정지점의 위치적 특성을 고려하여 대기 중 PM2.5 농도에 영향을 미치는 발생원들의 위치를 추정하기 위해 표 4와 같이 측정소를 중심으로 유입풍향을 크게 4개의 범위로 구분하였다. 1 권역은 북한산 및 북한 영향권에 해당하며, 2 권역은 서울 도심지역 영향권, 3 권역은 인천 및 경기도 공단지역 영향권, 4 권역은 수도권 교외지역 및 서해안 영향권에 해당한다.
- 정소에서 1시간 단위로 실시간 측정한 PM2.5의 질량 및 주요성분 농도를 EPA PMF version 3.0 모델에 적용하여 서울 지역 대기 중 PM2.5 농도에 영향을 미치는 배출원들을 파악하고, 각 배출원별 기여도를 산출하였다.
- 금속성분은 Si, K, Ca, Ti, V, Cr, Mn, Fe, Co, Ni, Zn, As, Se, Pb를 포함한 14종에 대해 모니터링을 수행하였다. 측정방식은 16.7 lpm의 유속으로 임팩터를 통해 유입된 PM2.5를 테플론 여지에 채취한 뒤 X-ray 형광 스펙트럼으로 금속성분을 분석한다. 이때 1시간 간격으로 측정하고 24시간 간격으로 자동교정을 수행하였다.
- 탄소성분의 경우 8 lpm의 유속으로 사이클론을 통해 유입된 PM2.5를 석영여지에 채취한 뒤 입자 내 유기 및 원소탄소의 농도를 TOT (Thermal-optical transmission)방식으로 그림 2와 같이 수정된 NIOSH 5040 프로토콜을 사용하여 연속 측정하였다. 수정된 방법은 현장에서의 시료 채취시간을 증가시키기 위해 분석시간과 승온단계를 짧고 단순화시켰다.
- 5 평균 성분조성은 표 1과 같다. 황산암모늄 (ammonium-sulfate, AMSUL)과 질산암모늄(ammonium-nitrate, AMNIT) 성분 농도, 토양 유추성분(crustal mass, CM)과 미량 유해중금속(trace metal, TM), 유기물질(organic matter, OM)의 성분농도는 (1)~(5)의 식을 사용하여 산출하였다. 이때 2010년 수도권 대기오염 집중 측정소 측정결과로부터 산정된 k 값은 1.
대상 데이터
- 5 사이클론을 거쳐 유입된 입자상 물질은 과포화 챔버를 통과하면서 액적으로 성장하여 관성에 의해 분리된다. 액상으로 채취된 시료는 이온크로마토그래피 (Dionex, ICS-2000)에 주입되어 IonPac AS19, CS12A 컬럼으로 분석된다.
- )로 측정하였다. 이온성분의 경우 SO42-, NO3-, Cl-, NH4+, Na+, K+, Mg2+, Ca2+의 8항목을 측정대상으로 하였고, 측정 장비의 구조는 그림 1과 같다. 3 lpm의 유속으로 유입된 공기시료 중 산성가스 성분들은 디누더 내 과산화수소 용액이 흐르는 막을 투과하여 제거되고, PM2.
- 전체 측정기간 중 황사가 관측된 기간과 금속성분이 결측된 10~12월 자료, 결측 항목이 있는 자료를 제외하고 최종적으로 4,983개의 원자료를 선택하였고, 각 측정값의 불확도는 각 측정항목의 불확도와 검출한계로부터 계산된 값을 사용하였다 (Polissar et al., 1998).
이론/모형
- 5의 발생원을 추정하였다. EPA PMF 분석 시 환경 측정자료에서 자주 나타나는 이상치가 전체 모델 결과에 미치는 영향을 줄이기 위해 robust 모드를 사용하였다(Paatero, 1996). 이때 이상치의 경계 편차를 의미하는 변수 α는 환경 자료에서 일반적으로 사용하는 α=4를 사용하였다.
성능/효과
- 5 농도에 영향을 미치는 잠재적 배출원들의 기여도를 추정하였다. 그 결과 총 8종의 잠재적 발생원들이 추정되었다. 황사를 제외한 기간에 대한 발생원별 기여도 산출결과, 토양 입자와 같은 자연적 발생원의 영향은 1% 정도로 작았고, 이차 에어로솔이 38%, 인위적 오염원은 60% 이상 큰 기여율을 나타냈다.
-
1에 보고된 발생원별 성분조성과 비교하였고, 표 2의 주요 지표성분을 중심으로 발생원을 추정하였다. 그 결과, 서울지역 대기 중 PM2.5 농도에 영향
을 미치는 발생원으로는 토양입자와 같은 자연 발생원과 함께 황산암모늄, 질산암모늄 형태의 대기 중 광화학반응에 의해 생성된 이차 에어로솔, 자동차 배출원, 석탄 및 석유 연소, 생체 연소, 폐기물 소각과 같은 인위적 오염원을 포함한 총 8종의 발생원이 추정되었다. 각 발생원별 성분조성은 그림 6과 같았다. - 그림 11과 같이 권역별 평균 발생원 기여농도를 살펴보면, 발생 빈도는 가장 낮지만 인천 및 안산, 시화 등 경기도 주요 공단지역을 포함하는 3 권역에서 바람이 불어올 때 PM2.5 질량농도 뿐만 아니라 자동차 배출가스, 석탄 및 석유연료 연소와 같은 일차 오염물질 배출원과 황산염과 질산염을 포함하는 이차에어로솔의 기여농도가 가장 높게 나타났다. 이는 이 지역으로부터 바람이 불어올 때 이러한 오염원에서 발생한 PM2.
- 그림 9는 산출된 잠재적 발생원들의 월별 농도변화이다. 금속성분 농도가 결측된 10~12월을 제외하고 전반적으로 황산염 및 질산염을 포함하는 이차 에어로솔의 기여도가 대기 중 광화학반응이 활발히 일어나는 여름 중에서도 강우량이 적었던 6월에 최대 농도를 나타내었고, 생체연료 연소, 석유 및 석탄연료 연소를 포함한 연소배출원은 겨울철인 1~2월에 기여농도가 높았다.
- , 1998). 산출된 PM2.5 질량농도와 측정된 PM2.5 질량농도 간의 비교를 통해 평가된 PMF 분석 효율은 두 PM2.5 질량농도 사이의 기울기가 0.95, 결정계수(R2)가 0.79로 비교적 높게 나타나, 산출된 인자들이 측정된 PM2.5의 농도변화를 상당히 잘 설명하고 있는 것으로 나타났다.
- 4%로 기여도가 높았다. 이러한 결과는 표 3과 같이 서울지역에서 다양한 측정방법 및 수용모델을 사용하여 수행되었던 연구결과들과 비교해 유사한 기여도를 나타냈고, 다만 이번 연구의 경우 황사기간을 분석에서 제외하여 토양 입자의 기여율이 다소 낮게 나타났다.
- 4%의 높은 기여율을 나타냈다. 인위적 오염원 중에서는 자동차 배출원이 가장 높은 23.9%를 차지했고, 생체 연소가 16.4%로 기여도가 높았다. 이러한 결과는 표 3과 같이 서울지역에서 다양한 측정방법 및 수용모델을 사용하여 수행되었던 연구결과들과 비교해 유사한 기여도를 나타냈고, 다만 이번 연구의 경우 황사기간을 분석에서 제외하여 토양 입자의 기여율이 다소 낮게 나타났다.
- 자동차 배출원의 경우 다른 발생원들에 비해 계절별 기여도 편차가 크지 않았는데, 에어컨 사용 등으로 연료 소모가 많은 여름철에 비교적 기여도가 높았다.
- 단, 풍속이 1 m/sec 미만인 자료는 풍향별 기여도 분석에서 제외하였다. 전체 자료에 대한 권역별 발생 빈도는 서울 도심지역인 2 권역이 40.6%로 가장 많았고, 다음으로 북서풍 계열의 4 권역이 33.3%로 자주 관찰되었다. 그 외 북한산 지역인 1 권역이 16.
- 5 질량농도에 대한 각 발생원의 평균 기여율은 그림 8과 같았다. 토양입자는 약 1.0% 정도로 낮은 기여율을 나타낸 반면, 황산염, 질산염을 포함하는 이차 에어로솔은 PM2.5 질량의 약 38%, 다양한 연소 배출원을 포함하는 인위적 오염원은 약 61.4%의 높은 기여율을 나타냈다. 인위적 오염원 중에서는 자동차 배출원이 가장 높은 23.
- 각 발생원별 성분조성은 그림 6과 같았다. 특히 연소와 관련된 인위적 배출원들은 전반적으로 OC와 EC의 성분조성이 높게 나타났다. 그 중 SO42-와 As, Pb의 농도가 높은 인자는 석탄연료 연소 배출원(Mamuro et al.
- 특히 이 경우 토양 입자와 생체 연소 배출원의 기여 농도가 가장 높은 것으로 나타나 교외 지역의 농업활동으로 발생한 PM2.5가 서울 도심지역에 영향을 미치는 것으로 나타났다.
- 특히 인위적 오염원 중에서 자동차 배출원과 생체연료 연소의 기여율이 40%로 이차 에어로솔의 영향과 유사하게 나타났다. 풍향에 따른 오염원 기여도를 비교한 결과, 자동차 배출원과 석탄 및 석유연료 연소 배출원, 이차 에어로솔의 기여도는 경기도 주요 공단지역을 포함하는 남서풍 계열의 바람이 불 때 가장 높았고, 토양 입자와 생체연료 연소 배출원은 수도권 교외지역을 포함하는 북서풍 계열 바람이 불 때 가장 기여농도가 높게 나타났다. 이러한 결과는 수도권 교외지역에서의 농업활동이 서울 지역 대기 중 PM2.
- 그 결과 총 8종의 잠재적 발생원들이 추정되었다. 황사를 제외한 기간에 대한 발생원별 기여도 산출결과, 토양 입자와 같은 자연적 발생원의 영향은 1% 정도로 작았고, 이차 에어로솔이 38%, 인위적 오염원은 60% 이상 큰 기여율을 나타냈다. 특히 인위적 오염원 중에서 자동차 배출원과 생체연료 연소의 기여율이 40%로 이차 에어로솔의 영향과 유사하게 나타났다.
후속연구
- 대기 중 입자상 오염물질에 대한 효과적인 저감대책을 마련하기 위해서는 우선적으로 대기 중 입자상물질의 발생원 및 이들의 영향을 정량적으로 평가하는 것이 중요하므로 이번 연구가 향후 PM2.5와 관련된 대기개선 정책의 수립 방향에 의미있는 결과를 제공할 것으로 기대된다. 앞으로 수도권에서 수행될 다양한 대기개선 정책의 개선효과와 오염원의 배출특성 변화가 대기 중 PM2.
- 5는 매우 다양한 인위적 오염원의 영향을 받으며, 지역 배출원뿐만 아니라 비교적 넓은 지역의 농도 변화를 유발하는 장거리 이동 오염물질, 대기 중 광화학 반응에 의해 생성되는 2차 에어로솔 등의 영향을 받아 매우 복잡한 농도변화 거동을 나타낸다. 따라서 향후 대기 중 PM2.5 농도 감소를 위한 효과적인 정책을 수립하기 위해서는 우선적으로 도심지역 PM2.5의 복잡한 화학적∙물리적 거동을 파악하고 발생원을 규명하는 것이 필요하다. 최근 들어 수용모델을 이용하여 대기 중 PM2.
- 5와 관련된 대기개선 정책의 수립 방향에 의미있는 결과를 제공할 것으로 기대된다. 앞으로 수도권에서 수행될 다양한 대기개선 정책의 개선효과와 오염원의 배출특성 변화가 대기 중 PM2.5 농도에 미치는 영향을 정량적으로 파악하기 위해서는 지속적인 정도관리를 통해 측정자료의 정확도를 향상시키고 시간 해상도가 높은 측정자료를 장기간 축적하여 서울지역 대기중 PM2.5 발생원 추정결과의 신뢰도를 높여 나가야 할 것이다.
- 5 농도에 영향을 미칠 가능성을 보여준다. 향후 이러한 배출원 추정결과는 국내 배출원 조사 자료와 연계하여 추가적으로 검토할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.