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
- 공간적 꽃가루 배출량은 산림청 임상도(1:5000)를 이용한 꽃가루 수종별 면적율을 모델 격자별로 계산하여 적용하였고, 하루 중 총 꽃가루 배출량은 최근 5년간 기상자료와 꽃가루 농도자료를 이용한 로버스트 다중회귀식을 사용하였다. 또한 참나무 꽃가루 비산계절을 대상으로 개발된 꽃가루 확산예측모델의 꽃가루 농도와 꽃가루 측정 자료 비교를 통해 향후, 개선방향에 대해 살펴보았다.
- 본 연구에서는 CMAQ에 꽃가루 배출량 모듈을 추가하여 시 · 공간적 꽃가루 농도를 모의 할 수 있도록 꽃가루 확산예측모델을 개발하였다.
- 본 연구에서는 로버스트 다중회귀식을 이용한 참나무 꽃가루 배출식을 CMAQ에 추가하여 시 · 공간적 꽃가루 농도를 모의 할 수 있도록 참나무 꽃가루 확산예측모델을 개발하였다.
제안 방법
- ) 관측이 시작되었다. 2014년에는 포천과 기상청, 구리 세 지점(Fig. 1 참조)에서 시간별 꽃가루 농도를 관측하였으며, 본 연구에서는 이들 시간별 자료가 존재하는 2014년 참나무 꽃가루 시즌을 대상으로 꽃가루 확산예측모델 결과를 관측자료와 비교, 분석 하였다.
- 그 다음 단계인 일별 꽃가루 농도 추정을 위한 다중 회귀 모델은 종속변수로 요소별 최대 농도 추정에 사용된 로그 꽃가루 농도 중 1등급(NIMR, 2012)을 제외한 값을, 독립변수로 요소별 최대 농도 추정 값과 개별기상요소 값을 사용하여 개발하였다. 꽃가루 농도 1등급을 제외한 이유는 전체 관측 자료 중 1등급에 해당하는 비율이 80% 이상을 차지하고 있어 꽃가루 농도 범위가 너무 넓어지기 때문이다.
- UM-CMAQ-Pollen 모델은 기상 입력자료로 현업 국지모델(LDAPS, Local Data Assimilation and Prediction System)을 MCIP에 적용하고 이를 통해 일 총배출량 산정에 필요한 일 평균 풍속, 기온, 상대습도 변수를 계산한다. 그리고 기존 CCTM 프로세서에 화학반응 관련 프로세서는 제외하고 꽃가루 배출량 입력자료 처리 및 산정 모듈이 추가되어 시간별 꽃가루 농도가 계산되도록 수정되었다(Fig. 2).
- 그리고 포천지역에 나타나는 참나무 꽃가루 고농도 두 패턴 사례를 대상으로 시 · 공간적 분포 특성을 분석하였다.
- 본 연구에서 개발된 UM-CMAQ-Pollen 모델을 평가하기 위하여 참나무 꽃가루에 대하여 관측소의 관측자료와 모델링 결과자료를 비교하였다. 먼저 사례기간 동안 관측소 지점에 대하여 평균농도와 일평균 꽃가루 농도를 비교하였고, 시간별 관측자료가 있는 기상청, 구리, 포천지점의 관측값과 모델값의 시계열 농도 특성을 분석하였다. 그리고 포천지역에 나타나는 참나무 꽃가루 고농도 두 패턴 사례를 대상으로 시 · 공간적 분포 특성을 분석하였다.
- 보다 자세한 분석을 위하여 기상청, 포천, 구리 세 지점에 대해서 참나무 꽃가루 농도에 대한 시간별 농도 변화를 살펴보았다(Fig. 8). 기상청 지점의 고농도 사례일인 4월 15일의 경우 최대농도가 0600 LST에 4,600 grains m−3로 나타났지만 수치모델은 고농도현상을 모의하지 못하고 있었다.
- 앞서 참나무 꽃가루 계절 평균 농도 비교를 통해 모델에 적용된 배출량 산정식의 대략적 평가를 수행하였다. 보다 자세한 비교를 위해서 우리나라 꽃가루 관측망 자료 중 시간별 자료가 존재하는 구리, 포천, 기상청 세 지점과 가장 높은 평균농도를 보인 대전과 대구, 부산지역을 대상으로 사례기간 동안 관측값과 수치모델결과의 일별 평균농도를 비교하였다(Fig. 5).
- 본 연구에서 개발된 UM-CMAQ-Pollen 모델을 평가하기 위하여 참나무 꽃가루에 대하여 관측소의 관측자료와 모델링 결과자료를 비교하였다. 먼저 사례기간 동안 관측소 지점에 대하여 평균농도와 일평균 꽃가루 농도를 비교하였고, 시간별 관측자료가 있는 기상청, 구리, 포천지점의 관측값과 모델값의 시계열 농도 특성을 분석하였다.
- , 2014). 본 연구에서는 Zhang et al. (2014)이 제안한 마찰속도에 따른 모수화식을 도입하여 배출량 플럭스 모수화를 설계하였다.
- 본 연구에서는 우리나라 산림청 공간정보시스템에서 제공하는 임상도 자료(1:5000)를 GIS 프로그램을 이용하여 각 수종에 따른 면적을 수치모델 격자 크기(수평해상도 1.5 × 1.5 km)에 맞도록 면적비율로 계산하고, 이를 해당격자의 꽃가루 배출원으로 적용하였다.
- 앞서 참나무 꽃가루 계절 평균 농도 비교를 통해 모델에 적용된 배출량 산정식의 대략적 평가를 수행하였다. 보다 자세한 비교를 위해서 우리나라 꽃가루 관측망 자료 중 시간별 자료가 존재하는 구리, 포천, 기상청 세 지점과 가장 높은 평균농도를 보인 대전과 대구, 부산지역을 대상으로 사례기간 동안 관측값과 수치모델결과의 일별 평균농도를 비교하였다(Fig.
- , 1994). 이 기준에 따른 2014년 참나무 꽃가루 비산계절은 4월 11일~5월 10일이며, 수치모델의 Spin up time 48시간을 고려하여 4월 13일~5월 10일 동안 UM-CMAQPollen 꽃가루 수치모의 결과와 관측값의 비교를 통해 꽃가루 확산예측모델을 평가하였다.
- 본 연구에서는 로버스트 다중회귀식을 이용한 참나무 꽃가루 배출식을 CMAQ에 추가하여 시 · 공간적 꽃가루 농도를 모의 할 수 있도록 참나무 꽃가루 확산예측모델을 개발하였다. 이를 평가하기 위해 2014년 참나무 꽃가루 비산계절을 대상으로 개발된 꽃가루 확산예측모델의 꽃가루 농도와 관측된 꽃가루 농도 자료를 비교하였으며 그 결과는 다음과 같다.
- 기상청과 포천지역 일별 꽃가루 농도 변화 패턴을 살펴보면 관측값에 비해 수치모의된 꽃가루 농도의 최대치가 나타나는 시간이 지연되는 현상을 보였다. 이와 관련하여 보다 자세히 분석하기 위해 기상청, 포천, 구리 세 지점에 대해서 참나무 꽃가루 농도에 대한 시간별 농도 변화를 살펴보았다.
대상 데이터
- CMAQ 모델의 격자체계는 수평 358 × 439 (1.5 km 격자간격) 연직 24층으로 구성되었으며 모델의 최하층은 0.9987 σ 레벨로 약 39 m이다.
- 먼저 첫 번째 기상학적 요소에 의한 배출량은 로버스트 다중회귀식(robust multiple regression)을 이용한 방법이 적용되었다(NIMR, 2014). 다중회귀식에 적용된 요소별(적산온도, 풍속, 줄리안 데이, 강수량) 일최대 꽃가루 농도는 조건에 따라 최대농도가 일정한 형태를 보인다는 가정을 바탕으로 안정적인 꽃가루 관측자료가 존재하는 2007년부터 2008년의 발생 빈도가 높은 3~6월의 전국 7개 지점(서울, 구리, 강릉, 대구, 광주, 부산, 제주) 자료를 이용하여 이동된 와이블(Weibull) 확률밀도함수 식(1)로 추정되었다.
- 본 연구에서는 Zhang et al. (2014)의 연구에서 활용된 31 μm 크기를 적용하였고 밀도는 1,058 kg m−3(Schuler and Schlünzen, 2006)가 고려되었다.
이론/모형
- 본 연구에서는 CMAQ에 꽃가루 배출량 모듈을 추가하여 시 · 공간적 꽃가루 농도를 모의 할 수 있도록 꽃가루 확산예측모델을 개발하였다. 공간적 꽃가루 배출량은 산림청 임상도(1:5000)를 이용한 꽃가루 수종별 면적율을 모델 격자별로 계산하여 적용하였고, 하루 중 총 꽃가루 배출량은 최근 5년간 기상자료와 꽃가루 농도자료를 이용한 로버스트 다중회귀식을 사용하였다. 또한 참나무 꽃가루 비산계절을 대상으로 개발된 꽃가루 확산예측모델의 꽃가루 농도와 꽃가루 측정 자료 비교를 통해 향후, 개선방향에 대해 살펴보았다.
- , 2014). 먼저 첫 번째 기상학적 요소에 의한 배출량은 로버스트 다중회귀식(robust multiple regression)을 이용한 방법이 적용되었다(NIMR, 2014). 다중회귀식에 적용된 요소별(적산온도, 풍속, 줄리안 데이, 강수량) 일최대 꽃가루 농도는 조건에 따라 최대농도가 일정한 형태를 보인다는 가정을 바탕으로 안정적인 꽃가루 관측자료가 존재하는 2007년부터 2008년의 발생 빈도가 높은 3~6월의 전국 7개 지점(서울, 구리, 강릉, 대구, 광주, 부산, 제주) 자료를 이용하여 이동된 와이블(Weibull) 확률밀도함수 식(1)로 추정되었다.
- 본 연구에서 사용된 꽃가루 확산예측모델의 플랫폼은 CMAQ version 4.3에서 개발된 것이다. CMAQ 모델은 미국 Environmental Protection Agency (EPA)에서 개발된 3차원 광화학 수송 모델로 오존, 미세먼지, 가스상 · 입자상 대기오염물질, 산성강하, 시정 등을 모의할 수 있다.
- 변수증감법으로 선택된 변수 중 다중공선성이 위배되지 않고 요소별 최대 농도 추정 값의 회귀계수가 양인 변수가 선택되었다. 선택된 독립변수로 최소절단제곱(LTS: least trimmed squares) 방법을 이용 로버스트 다중회귀식이 산정되었다(식 2).
- 습성침적 과정은 CMAQ의 RADM (Chang et al., 1987)을 채택하여 사용하였다. 시간별 꽃가루 농도는 대기 중에 배출된 꽃가루의 양과 수평 및 연직확산 정도, 그리고 대기중 침적과정에 의해서 결정된다.
성능/효과
- 기상청과 포천지역 일별 꽃가루 농도 변화 패턴을 살펴보면 관측값에 비해 수치모의된 꽃가루 농도의 최대치가 나타나는 시간이 지연되는 현상을 보였다. 이와 관련하여 보다 자세히 분석하기 위해 기상청, 포천, 구리 세 지점에 대해서 참나무 꽃가루 농도에 대한 시간별 농도 변화를 살펴보았다.
- 꽃가루 확산예측모델에 의한 결과로 대전이 가장 높은 228 grains m−3을 나타냈고 제주가 가장 낮은 14 grains m−3 수준을 보였다. 꽃가루 관측 농도가 비교적 높은 지역인 포천, 기상청, 전주, 대전 지점의 수치모의 결과가 관측값에 비해 약 1.7배 과대모의 하는 경향이 나타났으며 구리지점을 제외한 저농도 지역인 제주, 광주, 대전, 서울, 부산, 포항 지점들의 평균농도와 수치모델에 의한 계산값은 수치모델이 약 1.1배 과대모의 하는 모습을 보였다.
- 꽃가루 확산예측모델에 의한 결과로 대전이 가장 높은 228 grains m−3을 나타냈고 제주가 가장 낮은 14 grains m−3 수준을 보였다.
- 대구와 부산의 경우는 비록 저농도 지역이지만, 농도값의 상승과 하락패턴에서 모델값이 관측값과 비교적 잘 일치하는 것을 알 수 있었다. 이것은 이 지역이 꽃가루 측정소 주변에 꽃가루 배출원에 해당하는 참나무 면적률이 비교적 작고 배출원에서 다소 떨어진 곳에 있기 때문인 것으로 판단된다.
- 두 번째로 꽃가루 발원지 요소는 산림이나 초목의 형태로 분포하며 이를 정확하게 산정하는 것은 불가능에 가깝다. 다양한 선행연구에서는 이들 꽃가루 발원지에 해당하는 정보를 해당 식생의 면적부분과 지표이용 자료 등을 이용하여 산정하고 있다.
- 먼저 참나무 꽃가루 비산기간 동안 발생한 평균농도 비교에서 수치모델이 관측값 보다 다소 과대 모의하는 결과를 보였으나, 수치모의된 꽃가루 농도가 의미 있는 결과를 나타내었다.
- 꽃가루 농도 1등급을 제외한 이유는 전체 관측 자료 중 1등급에 해당하는 비율이 80% 이상을 차지하고 있어 꽃가루 농도 범위가 너무 넓어지기 때문이다. 변수증감법으로 선택된 변수 중 다중공선성이 위배되지 않고 요소별 최대 농도 추정 값의 회귀계수가 양인 변수가 선택되었다. 선택된 독립변수로 최소절단제곱(LTS: least trimmed squares) 방법을 이용 로버스트 다중회귀식이 산정되었다(식 2).
- (2014)의 연구에서는 참나무 꽃가루 수치모의 결과와 관측결과가 5배 이상 차이를 보였는데, 배출원에 해당하는 수종면적 정보의 불확실성, 꽃가루 침적속도의 과대 추정에 따른 장거리 수송 효과의 약화 등을 원인으로 제시하였고, 전반적인 배출량에 대한 많은 불확실성을 제기하였다. 본 연구결과에서 나타난 참나무 꽃가루 계절 동안 관측된 평균농도와 수치모의 결과의 정확도가 선행연구결과보다 다소 개선된 모습을 보이고 있어 수치모델에 적용된 참나무 꽃가루 배출량 산정방식이 유용한 것으로 판단된다.
- 먼저 21일 사례를 살펴보면 경기도 일대 오전 0010 LST에는 약한 풍계로 꽃가루 농도가 거의 나타나지 않고 있다가 북서풍계 바람이 점차 발달하는 1300 LST에 들어서 참나무 배출원 지역을 중심으로 농도수준이 올라감을 알 수 있었다. 북서풍계열의 바람이 점차 강해지면서 1600 LST에서는 배출원 지역에서 풍하측으로 다소 확산되는 모습을 보였고, 1900 LST에 들어서 꽃가루 농도가 최대로 증가하는 모습을 확인할 수 있었다. 이는 수도권을 중심으로 꽃가루 농도 예측시, 북서풍계열의 바람이 불 때는 북한지역의 참나무 배출원에 대한 정보가 중요하다는 것을 시사한다.
- 2014년 봄철 포천에서 측정된 참나무 꽃가루 농도는 크게 두 가지 패턴으로 구분될 수 있다. 첫 번째 패턴은 4월 27일 이전까지 발생한 참나무 꽃가루 농도 패턴으로 북서풍계열의 바람이 최대값을 가지는 1200 LST에 높은 농도가 나타났다. 두 번째는 4월 27일에서 30일 사이에 나타난 패턴으로 기압골의 영향으로 약한 강수와 더불어 동풍계열의 바람이 다소 강하게 나타남에 따라 강원도지역에서 배출된 꽃가루가 수송된 경우이다.
후속연구
- 즉, 실제 기상청 지점에서는 강수현상이 나타났지만, 기상모델이 예측한 기상청 지점에서는 강수현상이 없고 강한 풍속이 나타나 꽃가루 배출량 산정식에 의해 배출량이 높은 값으로 나타나기 때문이다. 따라서 앞서 일별 농도 분석결과에서 나타난 바와 같이 꽃가루 확산예측모델의 정확도 개선에 있어서 기상수치모델이 가질 수 있는 한계점을 이해하고 이를 보완하여 적용할 수 있는 방안이 추가되어야한다.
- 물론 꽃가루 확산예측 모델 내에서 고려되고 있는 강수율에 따른 습성침적(RADM) 과정에서 강수시 비산된 꽃가루를 제거하도록 설계되어 있지만, 강수율에 따른 함수로 실제 강수현상을 기상 수치모델(UM LDAPS)이 격자단위로 정확하게 재현하지 못하는 한계로 인해 오차가 크게 발생할 수 있는 여지가 있다. 따라서 향후 강수시에 꽃가루 배출을 억제할 수 있도록 산정식의 보완이 이루어져야 하며, 기상 수치모델의 예측 기상요소를 꽃가루 확산예측모델에 적용할 때 오차를 보완할 수 있는 방안을 마련해야 할 것으로 판단된다.
- 본 연구에서 개발된 꽃가루 확산예측모델을 이용하여 봄철 꽃가루의 시 · 공간 예측이 가능하며 이를 활용한다면 꽃가루 알레르기 예방에 많은 도움이 될 것으로 기대한다.
- 일평균 농도 비교에서 강수기간 동안 저농도 관측값에 비해 꽃가루 확산예측모델은 고농도로 나타나고 있는데, 이는 배출량 산정식에서 강수시에 꽃가루 발생량을 완전히 억제하지 못한 것과 입력자료로 활용된 기상 수치모델의 적용에 있어 강수예측 오차의 한계성 기인한 것이며 향후 이에 대한 개선이 이루어져야 할 것으로 판단된다.
- 본 연구에서 개발된 꽃가루 확산예측모델을 이용하여 봄철 꽃가루의 시 · 공간 예측이 가능하며 이를 활용한다면 꽃가루 알레르기 예방에 많은 도움이 될 것으로 기대한다. 향후 꽃가루 확산예측모델의 정확도 향상을 위하여 배출원 지역에 해당하는 순림지역 꽃가루 관측과 이를 통한 꽃가루 배출량 산정식의 개선, 기상 수치모델이 가지는 한계점을 이해하고 이를 보완하여 적용할 수 있는 방안 마련 및 북한지역 꽃가루 배출원에 대한 조사와 적용에 관한 추가연구가 이루어져야 할 것이다.
- 본 연구에서는 남한지역 임상도 자료만을 사용하여 꽃가루 배출원으로 적용하였기 때문에 이 부분에서 북한지역 꽃가루 배출량 수송효과가 수치모델에 반영되지 못한 오류로 판단된다. 향후 북한지역 꽃가루 배출원 부분이 개선되어야 할 여지를 뚜렷이 보여주는 사례라 할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.