위성자료와 다중회귀분석법을 이용한 아시아 주요도시의 포름알데하이드 칼럼농도 추정연구 First-time estimation of HCHO column in major cities over Asia using multiple regression with satellite data원문보기
본 연구에서는 다중회귀분석법과 Ozone Monitoring Instrument(OMI), Moderate Resolution Imaging Spectroradiometer(MODIS) 자료를 이용하여 2005년 1월부터 2008년 7월 사이 아시아 주요도시 지역의 포름알데하이드 층적분농도를 동북아시아에 위치한 3개도시(베이징, 서울, 도쿄)와 동남아시아에 위치한 3개도시(뉴델리, 다카, 방콕)에서 처음으로 추정하였다. 동북아시아의 3개 도시에서는 OMI로 측정된 포름알데하이드의 층적분농도($HCHO_{OMI}$)와 다중회귀분석방법으로 추정된 포름알데하이드의 층적분농도($HCHO_{MRM}$) 사이의 높은 상관성(0.78 < $R^2$ < 0.82)을 보였다. 동남아시아의 주요도시에서는 동북아시아 지역에 비해 $HCHO_{OMI}$와 $HCHO_{MRM}$사이의 낮은 상관성을 발견 할 수 있었다. 이외에도, 다중회귀분석법의 편중되지 않은 평가를 위하여, 다중회귀분석식을 도출해내기 위한 모델링 그룹과 다중회귀분석법의 성능을 보여줄 검증그룹으로 나누어 다중회귀분석법의 성능을 평가하였다. 본 연구는 아시아 일부 지역에서 다중회귀 분석법이 포름알데하이드 칼럼농도 추정에 있어 위성 관측이 어려울 경우 대안으로 활용될 수 있음을 제시하고 있다.
본 연구에서는 다중회귀분석법과 Ozone Monitoring Instrument(OMI), Moderate Resolution Imaging Spectroradiometer(MODIS) 자료를 이용하여 2005년 1월부터 2008년 7월 사이 아시아 주요도시 지역의 포름알데하이드 층적분농도를 동북아시아에 위치한 3개도시(베이징, 서울, 도쿄)와 동남아시아에 위치한 3개도시(뉴델리, 다카, 방콕)에서 처음으로 추정하였다. 동북아시아의 3개 도시에서는 OMI로 측정된 포름알데하이드의 층적분농도($HCHO_{OMI}$)와 다중회귀분석방법으로 추정된 포름알데하이드의 층적분농도($HCHO_{MRM}$) 사이의 높은 상관성(0.78 < $R^2$ < 0.82)을 보였다. 동남아시아의 주요도시에서는 동북아시아 지역에 비해 $HCHO_{OMI}$와 $HCHO_{MRM}$사이의 낮은 상관성을 발견 할 수 있었다. 이외에도, 다중회귀분석법의 편중되지 않은 평가를 위하여, 다중회귀분석식을 도출해내기 위한 모델링 그룹과 다중회귀분석법의 성능을 보여줄 검증그룹으로 나누어 다중회귀분석법의 성능을 평가하였다. 본 연구는 아시아 일부 지역에서 다중회귀 분석법이 포름알데하이드 칼럼농도 추정에 있어 위성 관측이 어려울 경우 대안으로 활용될 수 있음을 제시하고 있다.
A Multiple Regression Method (MRM) is used for the first time with Ozone Monitoring Instrument (OMI) and Moderate Resolution Imaging Spectroradiometer (MODIS) data to estimate formaldehyde (HCHO) Vertical Column Density (VCD). For a 3.5-year period from January 2005 through July 2008, HCHO VCD estim...
A Multiple Regression Method (MRM) is used for the first time with Ozone Monitoring Instrument (OMI) and Moderate Resolution Imaging Spectroradiometer (MODIS) data to estimate formaldehyde (HCHO) Vertical Column Density (VCD). For a 3.5-year period from January 2005 through July 2008, HCHO VCD estimation is investigated in cities over Asia in two categorized areas: (1) Major cities in Northeast Asia (Beijing, Seoul, and Tokyo), (2) Major cities in Southeast Asia (New Delhi, Dhaka, and Bangkok). In the Major cities in Northeast Asia, there are good agreements between HCHO estimated by the multiple linear regression method ($HCHO_{MRM}$) and HCHO measured by OMI ($HCHO_{OMI}$) (0.78 < $R^2$ < 0.82). However, in Major cities in Southeast Asia, there were poor agreements between $HCHO_{OMI}$ and $HCHO_{MRM}$ (0.24 < $R^2$ < 0.39). In addition, an unbiased assessment of the MRM performance using modeling and validation groups shows that the performance of the MRM based on separate modeling and validation groups is comparable to that using all the data for deriving Multiple Regression Equations (MREs). This study demonstrates that MRM can be an alternative tool for HCHO estimation in certain areas over Asia.
A Multiple Regression Method (MRM) is used for the first time with Ozone Monitoring Instrument (OMI) and Moderate Resolution Imaging Spectroradiometer (MODIS) data to estimate formaldehyde (HCHO) Vertical Column Density (VCD). For a 3.5-year period from January 2005 through July 2008, HCHO VCD estimation is investigated in cities over Asia in two categorized areas: (1) Major cities in Northeast Asia (Beijing, Seoul, and Tokyo), (2) Major cities in Southeast Asia (New Delhi, Dhaka, and Bangkok). In the Major cities in Northeast Asia, there are good agreements between HCHO estimated by the multiple linear regression method ($HCHO_{MRM}$) and HCHO measured by OMI ($HCHO_{OMI}$) (0.78 < $R^2$ < 0.82). However, in Major cities in Southeast Asia, there were poor agreements between $HCHO_{OMI}$ and $HCHO_{MRM}$ (0.24 < $R^2$ < 0.39). In addition, an unbiased assessment of the MRM performance using modeling and validation groups shows that the performance of the MRM based on separate modeling and validation groups is comparable to that using all the data for deriving Multiple Regression Equations (MREs). This study demonstrates that MRM can be an alternative tool for HCHO estimation in certain areas over Asia.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
포름알데하이드는 서론에서 설명 된 것처럼, 화석연료연소, 식생에 의한 활동, 생체소각에 의해 생성되는 VOCs또는 NMVOCs의 광산화작용에 의해 생성된다. 본 연구에서, 이산화질소는 화석연료연소(Olivier et al., 2003; Steinbacher et al., 2005), 생체소각 (Andreae and Merlet, 2001; Palmer et al., 2003, 2006)과 관련된 포름알데하이드의 1차 생성 및 2차생성을 설명하기 위한 독립변수 후보 중 하나로 선택되었다. 식생의 활동에 의해 배출되는 포름알데하이드를 고려하기 위해, 식생에서 생성되는 포름알데하이드의 주요 전구물질 중 하나인 아이소프렌이 식생의 유형, 식생의 밀도, 잎의 나이, 빛, 온도에 의해 영향을 받기 때문에 (Guenther et al.
본 연구에서는 다중회귀분석법을 통해 추정된 포름 알데하이드의 층적분농도와 OMI로 관측된 층적분농도와의 비교를 통해 동북아시아와 동남아시아 주요도 시의 포름알데하이드 칼럼농도를 처음으로 산출하였다. 동북아시아에 위치한 도쿄에서는 산출된 포름알데하이드와 OMI로 관측한 포름알데하이드와의 상관성이 가장 높게 나타났다(R2 = 0.
제안 방법
다중회귀분석법을 편중되지 않게 평가하기 위하여, 데이터를 모델링과 검증 그룹으로 분류하여 평가를 수행하였다. 2005년 1월부터 2008년 7월 사이의 독립변수와 종속변수로 사용되는 모든 데이터 중 각 월 데이터를 랜덤으로 추출해내어 모델링 그룹(N = 12)으로 분류 하고 나머지 데이터를 검증 그룹(N = 19)으로 분류하였다. 모델링 그룹으로 분류된 자료를 이용하여 다중회귀 분석식을 도출하였으며, 도출된 다중회귀식에 검증 그룹의 데이터를 이용하여 포름알데하이드 층적분농도 추정에 이용하였다.
다중회귀분석법을 편중되지 않게 평가하기 위하여, 데이터를 모델링과 검증 그룹으로 분류하여 평가를 수행하였다. 2005년 1월부터 2008년 7월 사이의 독립변수와 종속변수로 사용되는 모든 데이터 중 각 월 데이터를 랜덤으로 추출해내어 모델링 그룹(N = 12)으로 분류 하고 나머지 데이터를 검증 그룹(N = 19)으로 분류하였다.
다중회귀분석법을 편중되지 않게 평가하기 위하여, 추가적으로 모델링 그룹과 검증그룹으로 나누어 검증을 수행하였다. HCHOOMI와 HCHOVAL사이의 상관성과 HCHOOMI와 HCHOMRM 사이의 상관성을 여러 통계적 수치(상관계수, RMSE, 기울기)를 통해 비교 해 보았다.
, 2000), 지표면온도와 식생지수를 각각 온도와 식생의 밀도를 나타내는 독립변수 후보로 선정 하였다. 다중회귀분석식에 사용 될 독립변수를 찾기 위해, 포름알데하이드의 발생원에 따라 포름알데하이드의 농도 변화와 상관관계가 높을 것으로 예상되는 독립 변수 후보들을 고려해보았다. 독립변수 후보와 종속변수(포름알데하이드)와의 상관관계를 확인하기 위해, 다음과 같은 데이터를 사용하였다.
때때로, 좋지 않은 관측 환경(예, 겨울철 자외선영역 에서 열악한 신호 대 잡음비)에서 위성 관측을 하는 경우 포름알데하이드의 층적분농도 산출이 어려울 수 있다. 따라서 본 연구에서는, 시공간적 특성이 다양한 포름알데하이드의 농도를 추정하려는 노력의 일환으로 위성 자료와 다중회귀분석법을 이용하여 처음으로 아시아 주요도시지역의 포름알데하이드 층적분농도를 추정하였다.
2005년 1월부터 2008년 7월 사이의 독립변수와 종속변수로 사용되는 모든 데이터 중 각 월 데이터를 랜덤으로 추출해내어 모델링 그룹(N = 12)으로 분류 하고 나머지 데이터를 검증 그룹(N = 19)으로 분류하였다. 모델링 그룹으로 분류된 자료를 이용하여 다중회귀 분석식을 도출하였으며, 도출된 다중회귀식에 검증 그룹의 데이터를 이용하여 포름알데하이드 층적분농도 추정에 이용하였다. Fig.
, 2003, 2006)과 관련된 포름알데하이드의 1차 생성 및 2차생성을 설명하기 위한 독립변수 후보 중 하나로 선택되었다. 식생의 활동에 의해 배출되는 포름알데하이드를 고려하기 위해, 식생에서 생성되는 포름알데하이드의 주요 전구물질 중 하나인 아이소프렌이 식생의 유형, 식생의 밀도, 잎의 나이, 빛, 온도에 의해 영향을 받기 때문에 (Guenther et al., 2000), 지표면온도와 식생지수를 각각 온도와 식생의 밀도를 나타내는 독립변수 후보로 선정 하였다. 다중회귀분석식에 사용 될 독립변수를 찾기 위해, 포름알데하이드의 발생원에 따라 포름알데하이드의 농도 변화와 상관관계가 높을 것으로 예상되는 독립 변수 후보들을 고려해보았다.
다중회귀분석식에 서로 독립적인 독립변수들을 선정하기 위하여, 2개의 조건이 고려되었다. 첫째로, 본 연구에서는 서로 다른 독립변수 후보에 대한 다중공선성을 설명할 수 있는 VIF 테스트를 수행하였다. j번째 독립변수의 VIF는 식 (1)과 같이 표현 될 수 있다.
대상 데이터
먼저, 포름알데하이드의 층적분농도(HCHOOMI)자료는 OMI Formaldehyde Level2G Global binned data(OMHCHOG)를 사용하였고, 이산화질소 층적분농도(NO2OMI)자료는 OMI Level-3 Global Total and Tropospheric NO2VCD Data Product (OMNO2d)를 사용하였다. HCHOOMI와 NO2OMI 자료는 모두 NASA Goddard Earth Sciences Data and Information Service Centerr(http://disc.sci.gsfc.nasa.gov/Aura/data-holdings/OMI) 에서 취득하였다. 또한, 지표면온도와 식생지수 자료는 각각 MODIS Land Surface Temperature(MOD11C3; LSTMODIS)와 Enhanced Vegetation Index(MOD13C2; EVI MODIS)로, Reverb(http://reverb.
OMI 센서의 “row anomaly(http://www.knmi.nl/omi/research/product/ rowanomaly-background.php)” 문제로 인하여 2005년부터 2008년 중순 사이의 자료를 사용하였다.
gov/Aura/data-holdings/OMI) 에서 취득하였다. 또한, 지표면온도와 식생지수 자료는 각각 MODIS Land Surface Temperature(MOD11C3; LSTMODIS)와 Enhanced Vegetation Index(MOD13C2; EVI MODIS)로, Reverb(http://reverb.echo.nasa.gov/reverb)에서 취득한 데이터를 사용하였다. OMI 센서의 “row anomaly(http://www.
독립변수 후보와 종속변수(포름알데하이드)와의 상관관계를 확인하기 위해, 다음과 같은 데이터를 사용하였다. 먼저, 포름알데하이드의 층적분농도(HCHOOMI)자료는 OMI Formaldehyde Level2G Global binned data(OMHCHOG)를 사용하였고, 이산화질소 층적분농도(NO2OMI)자료는 OMI Level-3 Global Total and Tropospheric NO2VCD Data Product (OMNO2d)를 사용하였다. HCHOOMI와 NO2OMI 자료는 모두 NASA Goddard Earth Sciences Data and Information Service Centerr(http://disc.
다중회귀분석법은 종속변수, 독립변수, 그리고 독립변수에 대한 회귀계수로 이루어진 다중회귀분석 식을 최소자승법을 통해 도출하는 방법이다. 본 연구의 대상지역은 동북아시아의의 베이징, 서울, 도쿄와 동남아시아의 뉴델리, 다카, 방콕으로, 아시아 지역의 주요 도시를 포함한다. 포름알데하이드는 서론에서 설명 된 것처럼, 화석연료연소, 식생에 의한 활동, 생체소각에 의해 생성되는 VOCs또는 NMVOCs의 광산화작용에 의해 생성된다.
데이터처리
다중회귀분석법을 편중되지 않게 평가하기 위하여, 추가적으로 모델링 그룹과 검증그룹으로 나누어 검증을 수행하였다. HCHOOMI와 HCHOVAL사이의 상관성과 HCHOOMI와 HCHOMRM 사이의 상관성을 여러 통계적 수치(상관계수, RMSE, 기울기)를 통해 비교 해 보았다.전반적으로 유사한 상관계수와 기울기가 나타났고, HCHOOMI와 HCHOMRM사이의 RMSE에 비하여 더 높은 HCHOOMI와 HCHOVAL 사이의 RMSE를 확인 할 수 있었다.
연구 기간 동안, 종속변수와 독립변수들의 월 평균자료가 Table 2의 다중회귀식 도출에 사용되었으며, 회귀 계수는 최소자승법을 통하여 산출하였다(Timm, 2002). 또한 각 지역의 특성을 잘 나타내는 데이터를 얻기 위해, 각 지역의 픽셀을 모두 평균한 월평균 데이터를 이용하였다. Table 2는 HCHOMRM과 HCHOOMI 사이의 결정계수(R2)를 보여준다.
본 연구에서는 아시아 주요도시지역의 포름알데하이드의 층적분농도를 추정하기 위해 다중회귀분석법(Multiple Regression Method; MRM)을 이용하였다(Timm, 2002). 다중회귀분석법은 종속변수, 독립변수, 그리고 독립변수에 대한 회귀계수로 이루어진 다중회귀분석 식을 최소자승법을 통해 도출하는 방법이다.
연구 기간 동안, 종속변수와 독립변수들의 월 평균자료가 Table 2의 다중회귀식 도출에 사용되었으며, 회귀 계수는 최소자승법을 통하여 산출하였다(Timm, 2002). 또한 각 지역의 특성을 잘 나타내는 데이터를 얻기 위해, 각 지역의 픽셀을 모두 평균한 월평균 데이터를 이용하였다.
이론/모형
VIF 값의 조건을 만족시키는 독립변수 중 p-value를 만족시키는 독립변수만이 최종 다중회귀분석식에 포함되었다. 각각의 지역에 대한 독립변수와 회귀계수는 최소자승법에 의해 결정되었다.
성능/효과
동북아시아의 주요도시에서는 공통적으로 EVI가 다중회귀식의 항으로 포함되었으며, 베이징에서는 NO2와 LST가, 서울에서는 NO2가 추가적으로 포함되었을 때, 최적의 최소차승 피팅 결과가 도출되었다. HCHOMRM과 HCHOOMI사이의 결정계수가 베이징, 서울, 도쿄에서 각각 0.78, 0.78와 0.82로 나타나며 서로 유사한 상관성을 보였다.
상관계수의 경우, 방콕을 제외하고 HCHOOMI와 HCHOVAL, HCHOOMI와 HCHOMRM 사이의 상관계수가 유사하게 나타났지만, 전반적으로 HCHOOMI와 HCHOVAL사이의 RMSE는 HCHOOMI와 HCHOMRM 사이의 RMSE보다는 높은 경향을 보였다. 기울기 또한 유사한 경향을 보였지만, 뉴델리에서는 HCHOOMI와 HCHOVAL 사이의 기울기가 HCHOOMI와 HCHOMRM 사이의 기울기보다 더 나은 결과를 보였다.
이와 같은 이유로 동남아시아에 비하여 뚜렷한 4계절이 나타나는 동북아시아의 HCHOOMI와 NO2OMI사이의 강한 역상관성을 설명 할 수 있다. 동남아시아의 3개 도시에서는 대체적으로 포름알데하이드와 독립변수 후보와의 낮은 상관성이 나타난 반면 방콕에서는 HCHOOMI와 NO2OMI 사이의 비교적 높은 양의 상관성(R = 0.52)이 나타났다. 이는 방콕(13.
동북아시아 주요 도시인 베이징, 서울, 도쿄에서 대체적으로 높은 상관관계(R ≥ 0.55)가 보였으며, HCHOOMI와 NO2OMI 사이의 강한 역상관성을 확인 할 수 있었다.
Table 2는 HCHOMRM과 HCHOOMI 사이의 결정계수(R2)를 보여준다. 동북아시아의 주요도시에서는 공통적으로 EVI가 다중회귀식의 항으로 포함되었으며, 베이징에서는 NO2와 LST가, 서울에서는 NO2가 추가적으로 포함되었을 때, 최적의 최소차승 피팅 결과가 도출되었다. HCHOMRM과 HCHOOMI사이의 결정계수가 베이징, 서울, 도쿄에서 각각 0.
사이에서 높은 상관성을 보였으며, 이는 해당 지역에서 다중회귀식을 이용한 포름알데하이드의 층적분농도 추정이 가능할 것을 확인 할 수 있다. 반면 포름알데하이드와 독립변수들 사이의 낮은 상관성이 나타났던 동남아시아 주요도시에서는 HCHOMRM과 HCHOOMI사이에서 낮은 상관성이 보였으며, 다중회귀 식으로 해당지역의 포름알데하이드의 층적분농도를 추정함에 있어 어려움이 있다는 것을 확인 할 수 있다.
이러한 경우, 다중회귀분석법을 이용하여 어느 정도의 신뢰성을 가진 포름알데하이드 층적분농도 값을 추정하여 사용 할 수 있다는 장점이 있다. 본 연구를 통해서 처음 시도된 다중회귀분석법을 이용하여 포름알데하이드의 층적분농도 추정은 포름알데하이드와 독립변수들 사이의 계절적 주기의 관계가 뚜렷한 지역에서 효과적일 가능성이 높다. 이와 같은 이유로, 다중회귀분석법을 사용 할 수 있는 지역은 제한적일 것으로 예상되며 향후 이에 대한 추가적인 연구가 필요할 것으로 생각된다.
또한 총 연구기간 동안의 데이터를 Table 2의 식에 입력하여 추정된 포름알데하이드의 층적분농도(HCHOMRM)와 같은 기간 동안의 HCHOOMI 데이터 사이의 통계적 수치를 나타내고 있다. 상관계수의 경우, 방콕을 제외하고 HCHOOMI와 HCHOVAL, HCHOOMI와 HCHOMRM 사이의 상관계수가 유사하게 나타났지만, 전반적으로 HCHOOMI와 HCHOVAL사이의 RMSE는 HCHOOMI와 HCHOMRM 사이의 RMSE보다는 높은 경향을 보였다. 기울기 또한 유사한 경향을 보였지만, 뉴델리에서는 HCHOOMI와 HCHOVAL 사이의 기울기가 HCHOOMI와 HCHOMRM 사이의 기울기보다 더 나은 결과를 보였다.
전반적으로 HCHOMRM과 HCHOOMI사이에서 높은 상관성이 나타났던 동북아시아의 주요도시에 비하여, 동남아시아 주요도시에서는 결정계수가 최대 0.39로 상대적으로 낮은 상관성을 보였다. 포름알데하이드와 독립변수들의 낮은 상관성이 보였던 해당 지역에서는 이러한 이유로 인하여 HCHOMRM과 HCHOOMI사이에서도 낮은 상관성을 확인 할 수 있었다.
HCHOOMI와 HCHOVAL사이의 상관성과 HCHOOMI와 HCHOMRM 사이의 상관성을 여러 통계적 수치(상관계수, RMSE, 기울기)를 통해 비교 해 보았다.전반적으로 유사한 상관계수와 기울기가 나타났고, HCHOOMI와 HCHOMRM사이의 RMSE에 비하여 더 높은 HCHOOMI와 HCHOVAL 사이의 RMSE를 확인 할 수 있었다.
포름알데하이드와 독립변수들 사이의 상관성이 뚜렷 한 동북아시아 주요도시에 서 는 HCHOMRM과 HCHOOMI사이에서 높은 상관성을 보였으며, 이는 해당 지역에서 다중회귀식을 이용한 포름알데하이드의 층적분농도 추정이 가능할 것을 확인 할 수 있다. 반면 포름알데하이드와 독립변수들 사이의 낮은 상관성이 나타났던 동남아시아 주요도시에서는 HCHOMRM과 HCHOOMI사이에서 낮은 상관성이 보였으며, 다중회귀 식으로 해당지역의 포름알데하이드의 층적분농도를 추정함에 있어 어려움이 있다는 것을 확인 할 수 있다.
39로 상대적으로 낮은 상관성을 보였다. 포름알데하이드와 독립변수들의 낮은 상관성이 보였던 해당 지역에서는 이러한 이유로 인하여 HCHOMRM과 HCHOOMI사이에서도 낮은 상관성을 확인 할 수 있었다.
후속연구
본 연구를 통해서 처음 시도된 다중회귀분석법을 이용하여 포름알데하이드의 층적분농도 추정은 포름알데하이드와 독립변수들 사이의 계절적 주기의 관계가 뚜렷한 지역에서 효과적일 가능성이 높다. 이와 같은 이유로, 다중회귀분석법을 사용 할 수 있는 지역은 제한적일 것으로 예상되며 향후 이에 대한 추가적인 연구가 필요할 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
다중회귀분석법이란?
본 연구에서는 아시아 주요도시지역의 포름알데하이드의 층적분농도를 추정하기 위해 다중회귀분석법(Multiple Regression Method; MRM)을 이용하였다(Timm, 2002). 다중회귀분석법은 종속변수, 독립변수, 그리고 독립변수에 대한 회귀계수로 이루어진 다중회귀분석 식을 최소자승법을 통해 도출하는 방법이다. 본 연구의 대상지역은 동북아시아의의 베이징, 서울, 도쿄와 동남아시아의 뉴델리, 다카, 방콕으로, 아시아 지역의 주요 도시를 포함한다.
대기구성물질의 농도를 추정하는데 다중회귀분석법을 적용한 연구의 예는?
다중회귀분석법의 경우 미량기체 및 미세먼지와 같은 대기구성물질의 농도를 추정하는데 널리 사용되어 오고 있다. Kim et al.(2012)은 다중회귀분석법을 이용하여 지표에 존재하는 Primary Organic Carbon(POC)과 Second Organic Carbon(SOC)의 농도를 추정하였으며, Gupta et al.(2009)의 경우 위성으로 측정된 에어로솔 광학두께 자료와 다중회귀분석법을 이용하여 대기경계층내의 미세먼지 농도(particulate matter ≤ 2.5 μm; PM2.5)를 추정 하였다. 또한, 다중회귀분석법은 지상 오존과 같은 미량 기체의 농도 추정에도 사용된 바 있다(Abdul-Wahab et al., 2005). 다중회귀분석법은 통계적인 방법으로 비교적 그 과정이 복잡하지 않으며 대상 물질에 따라 다를 수 있지만 높은 정확도의 추정 결과를 보이곤 한다.
포름알데 하이드의 주요 생성 원인은 무엇인가?
, 2009a). 인간활동, 식생에 의한 활동, 생체소각과 같은 다양한 생성원(Palmer et al., 2003, 2006; Steinbacher et al., 2005; Fu et al., 2007; Stavrakou et al., 2009a,2009b; Barkley et al., 2009)에서 나오는 Volatile Organic Compounds(VOCs) 또는 Non Methane Volatile Organic Compounds(NMVOCs)의 광산 화작용에 의한 2차생성이 육지에서 생성되는 포름알데 하이드의 대부분을 차지한다. VOCs는 광화학 스모그의 원인 중 하나인 반면, NMVOCs는 대류권 오존 생성의 전구물질이다.
참고문헌 (23)
Abdul-Wahab, S.A., C.S. Bakheit, and S.M. Al-Alawi, 2005. Principal component and multiple regression analysis in modelling of ground-level ozone and factors affecting its concentrations. Environmental Modelling & Software, 20: 1263-1271.
Arlander, D., D. Bruning, U. Schmidt, and D. Ehhalt, 1995. The tropospheric distribution of formaldehyde during TROPOZ II. Journal of atmospheric chemistry, 22: 251-269.
Baek, K.H., J.H. Kim, R.J. Park, K. Chance, and T.P. Kurosu, 2014. Validation of OMI HCHO data and its analysis over Asia. Science of The Total Environment, 490: 93-105.
Barkley, M.P., P.I. Palmer, I. De Smedt, T. Karl, A. Guenther, and M. Van Roozendael, 2009. Regulated large-scale annual shutdown of Amazonian isoprene emissions?, Geophysical Research Letters, 36.
Boeke, N.L., J.D. Marshall, S. Alvarez, K.V. Chance, A. Fried, T.P. Kurosu, B. Rappengluck, D. Richter, J. Walega, P. Weibring, and D.B. Millet, 2011. Formaldehyde columns from the Ozone Monitoring Instrument: Urban versus background levels and evaluation using aircraft data and a global model. Journal of Geophysical Research: Atmospheres (1984-2012), 116(D15).
De Smedt, I., M. Van Roozendael, T. Stavrakou, J.-F. Muller, K. Chance, and T. Kurosu, 2012. Intercomparison of 4 Years of Global Formaldehyde Observations from the GOME-2 and OMI sensors. Proc. of 2012 ESA-ATMOS Atmospheric Science Conference. Ouwehand, Eur. Bruges, Belgium, Jun 18-22.
De Smedt, I., J.F. Muller, T. Stavrakou, R. van der A, H. Eskes, and M. Van Roozendael, 2008. Twelve years of global observations of formaldehyde in the troposphere using GOME and SCIAMACHY sensors. Atmospheric Chemistry & Physics, 8: 4947-4963.
Dufour, G., S. Szopa, M.P. Barkley, C.D. Boone, A. Perrin, P.I. Palmer, and P.F. Bernath, 2009. Global upper-tropospheric formaldehyde: seasonal cycles observed by the ACE-FTS satellite instrument. Atmospheric Chemistry and Physics, 9(12): 3893-3910.
Fu, T.M., D.J. Jacob, P.I. Palmer, K. Chance, Y.X. Wang, B. Barletta, D.R. Blake, J.C. Stanton and M.J. Pilling, 2007. Space-based formaldehyde measurements as constraints on volatile organic compound emissions in east and south Asia and implications for ozone. Journal of Geophysical Research: Atmospheres (1984-2012), 112(D6).
Guenther, A., C. Geron, T. Pierce, B. Lamb, P. Harley, and R. Fall, 2000. Natural emissions of nonmethane volatile organic compounds, carbon monoxide, and oxides of nitrogen from North America. Atmospheric Environment, 34: 2205-2230.
Gupta, P. and S.A. Christopher, 2009. Particulate matter air quality assessment using integrated surface, satellite, and meteorological products: Multiple regression approach. Journal of Geophysical Research: Atmospheres (1984-2012), 114(D14).
Kim, W., H. Lee, J. Kim, U. Jeong, and J. Kweon, 2012. Estimation of seasonal diurnal variations in primary and secondary organic carbon concentrations in the urban atmosphere: EC tracer and multiple regression approaches. Atmospheric Environment, 56: 101-108.
Nilsson, J., X. Zheng, K. Sundquist, Y. Liu, L Atzori, A. Elfwing, K. Arvidson, and R.C. Grafstrom, 1998. Toxicity of formaldehyde to human oral fibroblasts and epithelial cells: influences of culture conditions and role of thiol status. Journal of dental research, 77: 1896-1903.
Olivier, J., J. Peters, C. Granier, G. Petron, J. Muller, and S. Wallens, 2003. Present and future surface emissions of atmospheric compounds. POET Rep. 2, EU Proj. EVK2-1999, 11.
Palmer, P.I., D.J. Jacob, A.M. Fiore, R.V. Martin, K. Chance, and T.P. Kurosu, 2003. Mapping isoprene emissions over North America using formaldehyde column observations from space. Journal of Geophysical Research: Atmospheres (1984-2012), 108(D6).
Palmer, P.I., D.S. Abbot, T.-M. Fu, D.J. Jacob, K. Chance, T.P. Kurosu, A.B. Guenther, C. Wiedinmyer, J.C. Stanton, M.J. Pilling, S.N. Pressley, B. Lamb, and A.L. Sumner, 2006. Quantifying the seasonal and interannual variability of North American isoprene emissions using satellite observations of the formaldehyde column. Journal of Geophysical Research: Atmospheres (1984-2012), 111(D12).
Peters, E., F. Wittrock, K. Grosmann, U. Fries, A. Richter, and J. Burrows, 2012. Formaldehyde and nitrogen dioxide over the remote western Pacific Ocean: SCIAMACHY and GOME-2 validation using ship-based MAX-DOAS observations. Atmospheric Chemistry and Physics, 12: 11179-11197.
Stavrakou, T., J.-F. Muller, I.D. Smedt, M.V. Roozendael, G. van der Werf, L. Giglio, and A. Guenther, 2009a. Evaluating the performance of pyrogenic and biogenic emission inventories against one decade of space-based formaldehyde columns. Atmospheric Chemistry and Physics, 9: 1037-1060.
Stavrakou, T., J.-F. Muller, I.D. Smedt, M.V. Roozendael, G. Van Der Werf, L. Giglio, and A. Guenther, 2009b. Global emissions of nonmethane hydrocarbons deduced from SCIAMACHY formaldehyde columns through 2003-2006. Atmospheric Chemistry and Physics, 9: 3663-3679.
Steinbacher, M., J. Dommen, C. Ordonez, S. Reimann, F. Gruebler, J. Staehelin, and A. Prevot, 2005. Volatile organic compounds in the Po Basin. part A: Anthropogenic VOCs. Journal of atmospheric chemistry, 51: 271-291.
Streets, D.G., T.C. Bond, G.R. Carmichael, S.D. Fernandes, Q. Fu, D. He, Z. Klimont, S.M. Nelson, N.Y. Tsai, M.Q. Wang, J.-H. Woo, and K.F. Yarber, 2003. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000. Journal of Geophysical Research: Atmospheres (1984-2012), 108(D21).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.