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
- 현재 기상청 홈페이지를 통하여 이 모델을 이용한 꽃가루 농도 위험지수가 제공되고 있다. 본 연구에서는 이 모델의 예측 정확도를 분석하여 예보시스템의 신뢰도를 판정하였다.
제안 방법
- 현재 꽃가루 관측 지점은 전국 12개 지점(서울, 부산, 대구, 대전, 광주, 강릉, 제주, 청주, 구리, 전주, 춘천, 울산)에 분포하고 있다. 관측 지점은 1997년부터 설치되어 점차 확대되었으며, Burkard seven-day recording volumetric spore trap (Burkard Manufacturing Co. Ltd., England)을 이용하여 7일 간격으로 꽃가루를 수집한 후 광학현미경을 이용하여 판독하고 일별로 계수하였다. 조사한 종은 수목류는 22종, 잡초류는 9종이다.
- 관측된 일별 꽃가루 자료와 기상자료를 이용하여 일별 꽃가루 농도를 추정하는 농도모델을 개발하였다. 농도모델은 회귀모델을 바탕으로 기상요소에 따른 꽃가루 농도를 예측하는데, 농도모델 개발에 사용된 꽃가루 자료는 2001-2006년의 봄철(4-5월)과 가을철(9-10월)의 6개 지역(서울, 부산, 대구, 광주, 강릉, 제주) 관측 자료였다.
- 1). 기상청에서 제공하고 있는 일별 꽃가루 알레르기 위험도에 대한 예측력 검증은 2010-2011년간 관측된 꽃가루 수에 따른 일별 위험도와 농도모델에 따른 위험도의 정확도를 이용하여 평가하였다.
- 현재 기상청에서는 홈페이지를 통하여 일별 꽃가루 농도 위험지수를 예보하고 있다. 예보모델은 농도 추정 모델과 알레르기 위험도로 구성되어 있으며, 예보모델의 위험도 예측 정확도를 검증하였다. 꽃가루 농도모델은 2001~2006년 자료를 이용하여 개발하였고, 정확도는 2010~2011년 자료로 검증하였다.
- 한편 꽃가루 알레르기 환자의 알레르기 반응과 일별 꽃가루 수를 이용하여 꽃가루 농도에 따른 알레르기 위험도를 4단계(미약, 조심, 위험, 매우 위험)로 구분하여 한국형 꽃가루 알레르기 위험도를 개발하였다 (National Institute of Meteorological Research, 2008). 알레르기 꽃가루 위험도 예보모델은 일별 꽃가루 수를 예측하는 농도모델과 알레르기 위험도로 구성되어 있다.
대상 데이터
- 예보모델은 농도 추정 모델과 알레르기 위험도로 구성되어 있으며, 예보모델의 위험도 예측 정확도를 검증하였다. 꽃가루 농도모델은 2001~2006년 자료를 이용하여 개발하였고, 정확도는 2010~2011년 자료로 검증하였다. 수목류 정확도는 지역별로 다르게 나타났으나 5월보다 4월에 높게 나타났다.
- 농도모델에 의해 계산된 일별 꽃가루 수를 꽃가루 알레르기 위험도에 적용하여 예측한 일별 꽃가루 알레르기 농도 위험지수가 기상청 홈페이지(http://www. kma.go.kr)를 통해 제공된다(Fig. 1). 기상청에서 제공하고 있는 일별 꽃가루 알레르기 위험도에 대한 예측력 검증은 2010-2011년간 관측된 꽃가루 수에 따른 일별 위험도와 농도모델에 따른 위험도의 정확도를 이용하여 평가하였다.
- 관측된 일별 꽃가루 자료와 기상자료를 이용하여 일별 꽃가루 농도를 추정하는 농도모델을 개발하였다. 농도모델은 회귀모델을 바탕으로 기상요소에 따른 꽃가루 농도를 예측하는데, 농도모델 개발에 사용된 꽃가루 자료는 2001-2006년의 봄철(4-5월)과 가을철(9-10월)의 6개 지역(서울, 부산, 대구, 광주, 강릉, 제주) 관측 자료였다. 분석에 사용된 기상요소는 평균기온, 적산온도, 최고기온, 최저기온, 일교차, 강수량, 습도, 풍속, 강수지속시간, 7일 누적일조시간이었다.
데이터처리
- 알레르기 꽃가루 위험도 예보모델은 일별 꽃가루 수를 예측하는 농도모델과 알레르기 위험도로 구성되어 있다. 일별 꽃가루 수(C)를 예측하기 위해 각 기상변수와 해당계수간의 선형결합인 다중회귀분석을 이용하였으며 식은 다음과 같다.
이론/모형
- , a10]는 해당 기상변수별 계수를 가진 벡터이다(Table 2). a값들을 추정하기 위하여 2001-2006년 자료를 이용하였으며 유의수준은 0.15 수준으로 단계별 선택 (stepwise method) 방법을 사용하였다.
성능/효과
- 6개 지역의 2010-2011년도 일별 위험도 예측결과에 대한 모델의 정확도를 검증한 결과, 4월 수목류 정확도는 부산, 광주, 대구 31~43%, 서울, 강릉 63~65%였다. 5월 수목류 정확도는 서울, 대구, 강릉 22~38%, 부산, 광주, 제주 58~67%였다.
- 농도모델은 회귀모델을 바탕으로 기상요소에 따른 꽃가루 농도를 예측하는데, 농도모델 개발에 사용된 꽃가루 자료는 2001-2006년의 봄철(4-5월)과 가을철(9-10월)의 6개 지역(서울, 부산, 대구, 광주, 강릉, 제주) 관측 자료였다. 분석에 사용된 기상요소는 평균기온, 적산온도, 최고기온, 최저기온, 일교차, 강수량, 습도, 풍속, 강수지속시간, 7일 누적일조시간이었다.
- , England)을 이용하여 7일 간격으로 꽃가루를 수집한 후 광학현미경을 이용하여 판독하고 일별로 계수하였다. 조사한 종은 수목류는 22종, 잡초류는 9종이다. 우리나라에서는 1월과 12월을 제외하고 연중 꽃가루가 관측되고 있으며 수목류는 3-5월, 잡초류는 8-10월의 기간에 집중적으로 관측된다(Park et al.
후속연구
- 잡초류는 9월보다 10월에 더 높게 나타났다. 본 연구 결과를 통해 기상자료를 이용한 일별 꽃가루 수와 위험도를 추정할 수 있으며, 이를 이용하여 생명 기상 또는 보건기상 분야의 심층 연구가 수행될 수 있을 것이다.
- 또한 꽃가루 관측 자료 자체에 내재되어 있는 불확실성으로 인하여 자료의 활용이 제한되어 온 것도 사실이다. 본 연구의 꽃가루 위험도 예보 모델을 이용함으로써 꽃가루 관측자료의 불균질성을 어느 정도 상쇄할 수 있을 것이다.
- 이를 위해, 대기 확산 모형을 활용한 꽃가루 예측 시스템 개발이 필요할 것이다. 앞으로 본 연구 결과를 활용하여 꽃가루 농도 또는 위험지수에 따른 국민의 건강 영향이 좀 더 심층적으로 연구되기를 기대한다.
- 또한 지점별 기상자료를 통해 꽃가루의 농도를 예측할 경우 풍향과 풍속과 같은 기상변화에 따른 꽃가루 확산을 고려하지 못하는 단점이 있다. 이를 위해, 대기 확산 모형을 활용한 꽃가루 예측 시스템 개발이 필요할 것이다. 앞으로 본 연구 결과를 활용하여 꽃가루 농도 또는 위험지수에 따른 국민의 건강 영향이 좀 더 심층적으로 연구되기를 기대한다.
- 일별 꽃가루 수의 지역적 분포는 생명기상 또는 보건기상 분야에서 호흡기 알레르기나 천식의 발병 원인으로 고려될 수 있으나 장기간 동안의 안정적 관측이 필요하기 때문에 여러 지역을 대상으로 연구되지는 못하였다. 또한 꽃가루 관측 자료 자체에 내재되어 있는 불확실성으로 인하여 자료의 활용이 제한되어 온 것도 사실이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.