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 부산지역 PM10 농도 분포에 영향을 미치는 기상학적 종관장 패턴을 분류하고 각 패턴별로 영향 배출원의 위치를 추정해 보고자 한다. 이를 위해 최근 5년간(2008~2012) 기상자료를 바탕으로 HYSPLIT 모델을 이용하여 부산지역의 종관패턴을 분류하고 각 종관패턴별로 부산지역 PM10 농도 분포 특성을 분석하였다.
- 본 연구에서는 부산지역의 PM10 농도 분포에 영향을 미치는 종관장패턴을 분류하고 패턴별로 영향 배출원의 위치를 추정하고자 하였다. 이를 위해 최근 5년간(2008~ 2012) 기상자료를 바탕으로 HYSPLIT 모델을 이용하여 부산지역의 종관패턴을 분류하고 PSCF 모델을 적용하였다.
- 이를 바탕으로 각 종관 패턴별로 추정된 영향배출원의 위치와 동아시아 지역의 PM10 배출원 자료를 비교하여 부산지역에 영향을 미치는 배출원을 파악하고 장거리 수송의 빈도를 계산하였다. 이를 통하여 부산지역 PM10의 발생원인을 규명하고 저감대책 수립의 기초자료로 활용하고자 한다.
가설 설정
- Lagrangian 모델은 대기의 이류와 확산을 독립적으로 계산하고 유체의 이동을 농도와 위치 변화의 관계로 파악하는 모델이다. 대기의 이동경로인 trajectory의 이동식을 산출하기 위해서는 초기에 아주 작은 공기 덩어리가 존재한다는 가정 하에서 출발한다. 본 연구에서는 대기의 이동 경로를 계산하기 위해 미국의 NOAA/ARL (National oceanic and atmospheric administration/Air research lab.
제안 방법
- (2001)의 방법과 동일하게 3배의 평균 궤적점 수를 시작으로 Table 1과 같이 각 군집별로 가중치를 적용하였다. PSCF 모델 값 계산은 일평균 PM10 농도가 80 ug/m3 이상인 경우로 적용하여 부산지역에서 고농도가 발생했을 경우의 영향 배출원을 추정하도록 하였다.
- 이를 위해 최근 5년간(2008~ 2012) 기상자료를 바탕으로 HYSPLIT 모델을 이용하여 부산지역의 종관패턴을 분류하고 PSCF 모델을 적용하였다. PSCF 모델의 결과와 동아시아 지역의 PM10 배출원 자료를 상호분석하여 부산지역의 PM10 농도에 영향을 미치는 배출원 위치를 추정하였다.
- 각 군집별 역궤적의 계산결과와 같은 날의 부산지역 일평균 PM10 농도를 PSCF와 CWT 모델을 적용하여 영향 배출원의 위치를 추정하였다. PSCF와 CWT 모델 적용시 적은 수의 궤적점을 갖는 격자의 불확실도를 제거하기 위하여 Polissar et.
- 각 군집별 종관 기류의 이동경로와 PM10 농도 분포와 관계를 살펴보기 위하여 먼저 동아시아지역의 PM10 및 PM2.5 배출량을 살펴보았다.
- 또 인위적인 배출에 의한 영향만을 고려하기 위하여 기상청 황사관측일을 기준으로 부산지역에서 황사가 관측된 날과 그 전, 후 일 그리고 강수가 있었던 날은 분석에서 제외하였다. 각 측정소별로 계산된 일평균 자료를 측정소 전체 평균하여 부산지역의 일평균 PM10 농도를 계산하였고 최종적으로 부산지역 PM10 농도 특성을 파악하는데 활용하였다.
- 부산지역에 도달하는 종관규모 이상의 기류 패턴을 분류하기 위하여 HYSPLIT 모델을 사용하여 2008~ 2012년간 종관패턴을 구분하고 각 군집별 역궤적 계산 결과와 같은 날의 부산지역 일평균 PM10 농도를 PSCF와 CWT 모델에 적용하여 배출원 위치를 추정하였다. 그리고 각 군집별 평균 PM10 농도와 동아시아지역의 PM10 배출원을 비교하여 최종적으로 주요 영향 배출원의 위치를 추정하였다. 부산지역의 PM10 농도 증가를 가져오는 Cluster1, 2는 중국의 북동지역이나 동부 지역에서 부산에 도달하는 기류패턴으로 연구대상 기간 중 약 70 %로 높은 발생빈도를 보였으며 주요 영향 배출원으로 몽골내부, 몽골의 서부, 몽골의 북부 러시아 지역에서 중국의 Beijing과 Liaoning에 이르는 지역과 PM10 배출량이 높은 Beijing, Hebei에서 Shandong, Jiangsu, Shanghai의 중국 동부 지역으로 나타났다.
- 전 지구 기상자료의 경우 수평해상도가 1°로 비교적 넓기 때문에 부산지역의 전반적인 종관상태를 파악하기에는 무리가 없을 것으로 판단된다. 다음으로 2008~2012년간 계산된 일자별 역궤적 계산결과를 바탕으로 역궤적 최종위치의 유사성에 따라 군집분석을 실시하였다. 군집분석은 HYSPLIT 모델에서 제공되는 군집 분석 기능을 이용하였다.
- 여기서, Cij는(i, j)격자상의 가중평균 기여농도, Cl은 수용지점에서 각 배출원 기여농도, τijl은 수용지점에서의 Cl농도와 관련되는 궤적점들의 수를 나타내며, M은 (i, j)격자상의 궤적점을 가지는 수용점에서의 기여농도수이다. 본 연구에서는 전체 농도 분포에 따른 영향 배출원의 위치를 파악하기 위하여 CWT 모델을 적용하였으며 최종적으로 PSCF 모델과 마찬가지로 경험 가중치 W(nij)를 사용하여 불확실도를 개선하였다.
- Polissar 등은(1985) 모든 격자내 평균 궤적점수를 기준으로 3배수보다 적은 궤적점을 갖는 격자를 큰 불확실도를 갖는다고 하였고 이들로부터 수많은 시행착오를 통해 최종적인 경험가중치 W(nij)를 선정하여 사용하였다. 본 연구에서도 Polissar 방법과 같이 3배의 평균 궤적점수를 시작으로 Table 1과 같이 각 군집 별로 가중치를 적용하였다.
- 4는 PM10 상위 10 % 이상인 날과 하위 10 % 이하인 날 부산지방기상청의 풍향별 발생빈도를 나타낸 그림이다. 부산지방기상청에서 측정되는 매시간별 풍향자료에서 일중 가장 빈도가 높았던 날을 그날의 주풍향으로 하여 발생빈도를 계산하였다. PM10 농도가 높은 날의 경우 SSW - W인 남서풍계열의 바람이 많이 발생한 것을 알 수 있으며 PM10 농도가 낮은 날은 NNE, NE의 발생빈도가 높게 나타나고 있음을 알 수 있다.
- 부산지역에 도달하는 종관규모 이상의 기류 패턴을 분류하기 위하여 HYSPLIT 모델을 사용하여 2008~ 2012년간 종관패턴을 구분하고 각 군집별 역궤적 계산 결과와 같은 날의 부산지역 일평균 PM10 농도를 PSCF와 CWT 모델에 적용하여 배출원 위치를 추정하였다. 그리고 각 군집별 평균 PM10 농도와 동아시아지역의 PM10 배출원을 비교하여 최종적으로 주요 영향 배출원의 위치를 추정하였다.
- 부산지역에 도달하는 종관규모 이상의 기류 패턴을 분류하기 위하여 HYSPLIT 모델을 사용하여 2008~2012년간 일별로 48시간 역궤적을 계산하였다. 입력기상자료는 NCEP(National Centers for Environmental Prediction)에서 제공하는 전 지구 기상자료인 GDAS(Global Data Assimilation System) FNL(Final)를 사용하였으며 계산시간은 48시간으로 설정하였다.
- 부산지역에 도달하는 종관규모 이상의 기류 패턴을 분류하기 위하여 HYSPLIT 모델을 사용하여 2008~2012년간 일자별로 48시간 역궤적을 계산하였다. 입력기상자료는 NCEP(National Centers for Environmental Prediction)에서 제공하는 전 지구 기상자료인 GDAS(Global Data Assimilation System) FNL(Final)를 사용하였으며 계산시간은 48시간으로 설정하였다.
- 이와 더불어 각 종관패턴에 대하여 PSCF 모델을 적용하여 PM10의 영향배출원을 추정하였다. 이를 바탕으로 각 종관 패턴별로 추정된 영향배출원의 위치와 동아시아 지역의 PM10 배출원 자료를 비교하여 부산지역에 영향을 미치는 배출원을 파악하고 장거리 수송의 빈도를 계산하였다. 이를 통하여 부산지역 PM10의 발생원인을 규명하고 저감대책 수립의 기초자료로 활용하고자 한다.
- 본 연구에서는 부산지역 PM10 농도 분포에 영향을 미치는 기상학적 종관장 패턴을 분류하고 각 패턴별로 영향 배출원의 위치를 추정해 보고자 한다. 이를 위해 최근 5년간(2008~2012) 기상자료를 바탕으로 HYSPLIT 모델을 이용하여 부산지역의 종관패턴을 분류하고 각 종관패턴별로 부산지역 PM10 농도 분포 특성을 분석하였다. 이와 더불어 각 종관패턴에 대하여 PSCF 모델을 적용하여 PM10의 영향배출원을 추정하였다.
- 이를 위해 최근 5년간(2008~2012) 기상자료를 바탕으로 HYSPLIT 모델을 이용하여 부산지역의 종관패턴을 분류하고 각 종관패턴별로 부산지역 PM10 농도 분포 특성을 분석하였다. 이와 더불어 각 종관패턴에 대하여 PSCF 모델을 적용하여 PM10의 영향배출원을 추정하였다. 이를 바탕으로 각 종관 패턴별로 추정된 영향배출원의 위치와 동아시아 지역의 PM10 배출원 자료를 비교하여 부산지역에 영향을 미치는 배출원을 파악하고 장거리 수송의 빈도를 계산하였다.
- 모델링 시작 지점은 부산지역의 중심부에 해당되는 연산동으로 설정하였으며 모델링 시작 시간은 2008~2012년간 시간대별로 가장 높은 평균농도를 보였던 오전 11시로 설정하였다. 일자별 역궤적 계산결과를 바탕으로 역궤적 최종위치의 유사성에 따라 종관기류 패턴의 군집을 분류하였다. 군집 분석은 HYSPLIT 모델에서 제공되는 군집분석 기능을 이용하였다.
- 일평균 PM10이 높은 날과 낮은 날 기상요소들 간의 차이를 파악하기 위하여 연구대상 기간인 2008~2012년간 부산지역 전체 일평균 PM10의 상위 10 % 이상과 하위 10 % 이하인 날을 대상으로 부산지방기상청의 자료를 바탕으로 풍향, 풍속, 상대습도, 운량, 연무 및 박무일수를 조사하였다(Table 2, Fig. 4). PM10 상위 10 %와 하위 10 %는 각각 93 ug/m3, 25 ug/m3이었으며 해당되는 날은 118일과 134일로 조사되었다.
- 1은 본 연구의 대상인 부산지역의 대기오염측정소 19개소의 위치를 나타난 그림이다. 최근의 경향을 파악하기 위하여 2008~2012년, 5년간의 측정자료를 대상으로 하였고 각 측정소의 일평균자료를 계산하였다. 일평균 자료는 각 측정소에서 측정된 시간 자료를 평균하여 계산하였으며 측정장비 오류 등의 영향을 제외하기 위하여 일 가동율이 75 %(일 자료 18개 이상) 이상인 날만을 대상으로 하였다.
대상 데이터
- PM10 농도 분포는 부산지역에 운영중인 대기오염측정소 자료를 활용하였다. 2013년 현재 부산지역에는 19개의 도시대기측정소가 운영되고 있으며 공업지역, 상업지역, 녹지지역, 주거지역 등 용도지역별로 비교적 고르게 분포되어 있다.
- 입력기상자료는 NCEP(National Centers for Environmental Prediction)에서 제공하는 전 지구 기상자료인 GDAS(Global Data Assimilation System) FNL(Final)를 사용하였으며 계산시간은 48시간으로 설정하였다. 모델링 시작 지점은 부산지역의 중심부에 해당되는 연산동으로 설정하였으며 모델링 시작 시간은 2008~2012년간 시간대별로 가장 높은 평균농도를 보였던 오전 11시로 설정하였다. 일자별 역궤적 계산결과를 바탕으로 역궤적 최종위치의 유사성에 따라 종관기류 패턴의 군집을 분류하였다.
- 입력기상자료는 NCEP(National Centers for Environmental Prediction)에서 제공하는 전 지구 기상자료인 GDAS(Global Data Assimilation System) FNL(Final)를 사용하였으며 계산시간은 48시간으로 설정하였다. 모델링 시작 지점은 부산지역의 중심부에 해당되는 연산동으로 설정하였으며(Fig. 1) 모델링 시작 시간은 2008~2012년간 가장 높은 평균농도를 보였던 시간대인 오전 11시로 설정하였다. 전 지구 기상자료의 경우 수평해상도가 1°로 비교적 넓기 때문에 부산지역의 전반적인 종관상태를 파악하기에는 무리가 없을 것으로 판단된다.
- 3과 같다. 부산지역 전체의 PM10 일평균은 각 측정소에서 측정된 시간자료를 평균하고 이를 측정소 전체에 대하여 평균하여 계산하였으며 측정장비 오류 등의 영향을 제외하기 위하여 일 가동율이 75 %(일 자료 18개 이상) 이상인 날만을 대상으로 하였다. 또 인위적인 배출에 의한 영향만을 고려하기 위하여 기상청의 황사관측일을 기준으로 부산지역에서 황사가 관측된 날과 그 전, 후 일 그리고 강수가 있었던 날은 분석에서 제외하였다.
- 최근의 경향을 파악하기 위하여 2008~2012년, 5년간의 측정자료를 대상으로 하였고 각 측정소의 일평균자료를 계산하였다. 일평균 자료는 각 측정소에서 측정된 시간 자료를 평균하여 계산하였으며 측정장비 오류 등의 영향을 제외하기 위하여 일 가동율이 75 %(일 자료 18개 이상) 이상인 날만을 대상으로 하였다. 또 인위적인 배출에 의한 영향만을 고려하기 위하여 기상청 황사관측일을 기준으로 부산지역에서 황사가 관측된 날과 그 전, 후 일 그리고 강수가 있었던 날은 분석에서 제외하였다.
- 부산지역에 도달하는 종관규모 이상의 기류 패턴을 분류하기 위하여 HYSPLIT 모델을 사용하여 2008~2012년간 일별로 48시간 역궤적을 계산하였다. 입력기상자료는 NCEP(National Centers for Environmental Prediction)에서 제공하는 전 지구 기상자료인 GDAS(Global Data Assimilation System) FNL(Final)를 사용하였으며 계산시간은 48시간으로 설정하였다. 모델링 시작 지점은 부산지역의 중심부에 해당되는 연산동으로 설정하였으며(Fig.
이론/모형
- 다음으로 2008~2012년간 계산된 일자별 역궤적 계산결과를 바탕으로 역궤적 최종위치의 유사성에 따라 군집분석을 실시하였다. 군집분석은 HYSPLIT 모델에서 제공되는 군집 분석 기능을 이용하였다. 여기서는 각각의 역궤적을 대상으로 군집을 만들어 가면서 endpoint 간의 거리의 제곱인, SPVAR(cluster spatial variance)를 계산하고 각 군집별로 SPVAR의 합계인 TSV(total spatial variance)의 변화량을 바탕으로 사용자가 최적의 군집수를 결정하도록 되어있다.
- 다음으로 2008~2012년간 계산된 일자별 역궤적 계산결과를 바탕으로 역궤적 최종위치의 유사성에 따라 군집분석을 실시하였다. 군집분석은 HYSPLIT 모델에서 제공되는 군집 분석 기능을 이용하였다. 여기서는 각각의 역궤적을 대상으로 군집을 만들어 가면서 endpoint 간의 거리의 제곱인, SPVAR(cluster spatial variance)를 계산하고 각 군집별로 SPVAR의 합계인 TSV(total spatial variance)의 변화량을 바탕으로 사용자가 최적의 군집수를 결정하도록 되어있다.
- 대기의 이동경로인 trajectory의 이동식을 산출하기 위해서는 초기에 아주 작은 공기 덩어리가 존재한다는 가정 하에서 출발한다. 본 연구에서는 대기의 이동 경로를 계산하기 위해 미국의 NOAA/ARL (National oceanic and atmospheric administration/Air research lab.)에서 개발된 HYSPLIT(HYbrid Single Particle Lagrangian Intergrated Trajectory) 모델을 사용하였다(http://www.arl.noaa.gov/HYSPLIT_info.php, 2013). HYSPLIT 모델은 각종 기상예측 모델의 결과인 격자 기상자료를 입력자료로 하여 이동경로를 계산한다.
- 이를 위해 최근 5년간(2008~ 2012) 기상자료를 바탕으로 HYSPLIT 모델을 이용하여 부산지역의 종관패턴을 분류하고 PSCF 모델을 적용하였다.
성능/효과
- PM10 배출량이 많은 중국의 동부 또는 동북부 지역을 거치는 경로인 cluster1과 cluster2의 종관패턴에서 부산 지역 PM10 평균농도 또한 높게 나타났다.
- 2008~2012년간 HYSPLIT 모델을 사용하여 종관 패턴을 분석한 결과 4개의 군집으로 분류하였으며, 중국의 동부지역에서 서해상을 지나 부산으로 이어지는 경로를 나타내는 cluster2가 44 %로 가장 많은 발생빈도를 보였으며, 몽골지역에서 중국의 북동지역을 거쳐 부산에 도달하는 경로인 cluster1이 26 % 나타났다. 그 밖에 cluster3은 우리나라의 남동해상에서 일본의 일부지역을 거쳐 부산에 도착하는 경로이며 cluster4는 우리나라의 북동지역에서 동해상을 거쳐 부산에 도달하는 경로로 가장 낮은 11 %의 발생빈도를 보였다.
- 3 %의 높은 발생빈도를 보이고 있으며 이는 여름철 우리나라에 영향을 주는 북태평양 고기압의 영향으로 발생되는 종관패턴으로 생각할 수 있다. Cluster4는 동해상에서 부산지역으로 이동하는 종관기류로 4개 군집 중 가장 낮은 11 %의 발생빈도를 보였으며 5월에 20.6 %로 가장 높은 빈도를 보였고 12월에 3.2 %로 가장 낮은 빈도였지만 월별로 뚜렷한 패턴을 보이지 않고 전반적으로 년 중 10 % 내외의 낮은 발생빈도를 보이고 있다.
- 8) 이들 지역이 영향 배출원일 것으로 예상된다. PM10의 농도 구간별 영향 배출원의 위치를 보면(Fig. 10 오른쪽) 60 ug/m3 이하의 농도에서는 주로 우리나라의 북쪽 또는 북서쪽의 중국이나 몽골지역에 영향 배출원이 있으며 PM10 농도가 높아질수록 중국내부 동북부 지역, Beijing과 Shandong에 영향 배출원이 일치하는 것을 알 수 있다. 따라서 cluster1의 주요 영향 배출원은 몽골 주변지역과 중국의 Beijing 과 Shandong 지역이며 몽골지역의 경우 황사의 원인이 되는 사막지역의 PM10이, Beijing과 Shandong 지역은 인위적으로 배출되는 PM10의 영향으로 판단된다.
- PM10의 농도 구간별 영향 배출원의 위치에서도 60 ug/m3 이상의 뚜렷한 영향배출원은 나타나지 않았으며 우리나라의 북쪽, 중국의 북동지역과 동해상이 50 ug/m3의 이하의 농도에 대한 영향 배출원으로 추정되었다.
- PSCF와 CWT 모델에 적용하여 각 군집별 영향 배출원 위치를 추정한 결과 부산지역의 PM10 농도 증가를 가져오는 cluster1과 cluster2의 경우 몽골내부, 몽골의 서부, 몽골의 북부 러시아 지역에서 중국의 Beijing과 Liaoning에 이르는 지역과 PM10 배출량이 높은 Beijing, Hebei에서 Shan- dong, Jiangsu, Shanghai의 중국 동부 지역이 주요 영향 배출원으로 추정되었다.
- 5) 전반적으로 PM10 배출원이 없는 지역을 지나오기 때문에 평균농도도 낮게 나타나고 있다. 각 군집별 PM10 평균농도를 살펴보면 높은 PM10 배출량을 보이는 중국 동북부 지역을 거치는 cluster1, 2의 경우에 부산지역 PM10 평균농도도 높은 것을 알 수 있었다.
- 그리고 각 군집별 PM10 평균농도는 cluster1 47 ± 20 ug/m3, cluster2 56 ± 20 ug/m3, cluster3 42 ± 14 ug/m3, cluster4 37 ± 14 ug/m3으로 cluster2가 가장 높았고 cluster4가 가장 낮았다.
- 7로 크게 차이를 보이기 않았다. 두 집단간에 연무, 박무일수에도 뚜렷한 차이가 있는데 PM10이 낮은 날은 연무와 박무가 발생하지 않았으나 PM10 농도가 93 ug/m3 이상인 날은 전체 118 일 중 연무가 90일, 박무가 53일 발생한 것으로 나타났다. PM10 농도가 높은 날은 연무나 박무의 발생빈도가 높으며 연무나 박무 현상은 상대습도가 높은 날 발생하기 때문에 PM10 농도가 낮은 날과 비교하여 상대습도가 높은 것을 알 수 있다.
- 그리고 각 군집별 평균 PM10 농도와 동아시아지역의 PM10 배출원을 비교하여 최종적으로 주요 영향 배출원의 위치를 추정하였다. 부산지역의 PM10 농도 증가를 가져오는 Cluster1, 2는 중국의 북동지역이나 동부 지역에서 부산에 도달하는 기류패턴으로 연구대상 기간 중 약 70 %로 높은 발생빈도를 보였으며 주요 영향 배출원으로 몽골내부, 몽골의 서부, 몽골의 북부 러시아 지역에서 중국의 Beijing과 Liaoning에 이르는 지역과 PM10 배출량이 높은 Beijing, Hebei에서 Shandong, Jiangsu, Shanghai의 중국 동부 지역으로 나타났다.
- 6은 각 군집별 평균 역궤적을 나타낸 그림이다. 연구대상기간에 산정된 총궤적수는 1,826개이며 cluster2는 806일 발생하여 약 44 %로 가장 높은 발생빈도를 보였고, cluster1이 467일, 26 %로 다음으로 높은 빈도를 보였으며 cluster4가 206일, 약 11 %로 가장 낮은 발생빈도를 보였다. 각 군집별 평균 역궤적을 살펴보면 cluster1은 이동경로가 가장 긴 경우로 몽골지역에 중국의 북동지역을 거쳐 부산에 도달하는 경우로 일반적으로 황사발생시 나타는 종관기류와 유사한 경로를 보이고 있다.
- 그 밖에 cluster3은 우리나라의 남동해상에서 일본의 일부지역을 거쳐 부산에 도착하는 경로이며 cluster4는 우리나라의 북동지역에서 동해상을 거쳐 부산에 도달하는 경로로 가장 낮은 11 %의 발생빈도를 보였다. 이들 군집의 발생 빈도를 보면, cluster1의 경우 겨울철인 1월과 12월에 높은 발생빈도를 보였고 cluster2는 년 중 50 %이상의 높은 발생빈도를 보이고 있으며 cluster3은 여름철에 높은 발생빈도를 보이는 것으로 나타났다. 그리고 각 군집별 PM10 평균농도는 cluster1 47 ± 20 ug/m3, cluster2 56 ± 20 ug/m3, cluster3 42 ± 14 ug/m3, cluster4 37 ± 14 ug/m3으로 cluster2가 가장 높았고 cluster4가 가장 낮았다.
- 으로 감소하였으며, 봄철인 3~5월에 비교적 높은 농도를 보이며 늦여름철인 8, 9월에 비교적 낮은 농도를 나타냈다. 일평균 PM10 농도가 높은 날은 풍속이 낮고 상대습도가 높았으며 연무와 박무의 발생빈도가 높고 남서풍계열의 바람이 많이 발생한 것으로 나타났다.
- 중국에서의 PM10 장거리 수송이 예상되는 cluster 1, 2의 월별 발생빈도는 여름철인 8, 9월에 가장 낮은 발생빈도를 보이고 겨울철과 봄철에 높은 발생빈도를 보이는 것으로 나타났으며 본 연구의 대상기간으로 강수가 있는 날은 제외 한 것을 감안하면 여름철 낮은 월평균 PM10 농도 분포는 cluster1, 2의 낮은 발생빈도에 의한 것으로 생각 할 수도 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.