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
- 따라서 본 연구에서는 PM10 자료의 특성을 고려한 기존의 품질관리 기법을 선택적으로 적용, 새로운 기법의 개발을 통해 기상청의 부유분진측정기 관측 자료에 적용할 수 있는 실시간 품질관리 알고리즘을 개발하고자 한다. 또한 개발된 품질관리 알고리즘을 황사와 비황사 사례 및 전국 26개 지점의 2년(2013~2014년) 동안의 자료에 적용한 후 품질관리 결과를 평가하고자 한다.
- 자료의 특성을 고려한 기존의 품질관리 기법을 선택적으로 적용, 새로운 기법의 개발을 통해 기상청의 부유분진측정기 관측 자료에 적용할 수 있는 실시간 품질관리 알고리즘을 개발하고자 한다. 또한 개발된 품질관리 알고리즘을 황사와 비황사 사례 및 전국 26개 지점의 2년(2013~2014년) 동안의 자료에 적용한 후 품질관리 결과를 평가하고자 한다.
- 자료 생산을 위한 기초자료로 활용될 수 있을 것이다. 본 연구를 통해 PM10 자료의 오류 및 의심자료를 검출하고 오류 자료 판정을 위한 효율적이고 객관적인 방법을 제시할 수 있다. 또한 관측자의 수동품질관리 수행과정에서 참고할 수 있는 가이던스를 제공할 수 있을 것으로 판단된다.
- 본 연구에서는 기상청에서 관측하고 있는 PM10 자료에 적용할 수 있는 품질관리 알고리즘을 개발하였다. 품질관리 알고리즘은 관측범위한계 검사, 기기에러 검사, 지속성 검사, 시간 연속성 검사, 튀는 값 검사의 총 5단계로 구성되어있다.
제안 방법
- 이 때의 MQC 자료를 검토한 결과 03시 25분~04시 30분까지 약 1시간 동안 MQC가 수행되었음을 확인할 수 있었다. 5단계의 알고리즘을 적용하여 품질검사를 실시하였으며, 품질검사 결과 정상적인 PM10 값은 검은 실선으로, 오류가 있는 값은 오류 종류에 따라 모양을 달리하여 나타내었다(Fig. 5).
- 5단계의 품질관리 알고리즘을 서울지점의 황사 및 비황사 사례를 선정하여 적용하였다. 또한 품질관리 알고리즘의 정확도를 판단하기 위하여 2013~2014년의 2년간의 부유분진측정기 관측자료를 보유하고 있는 전국 26개 지점을 대상으로 품질검사를 실시하였다.
- 8%가 기기에러로 인한 오류였으며, 전주의 경우도 97%를 차지하였다. FAR 값이 크게 나타나는 대구와 전주의 경우 기기에러 검사를 제외한 4단계의 알고리즘을 적용하여 품질관리를 실시하였다. 그 결과 대구와 전주의 FAR은 각각 0.
- 1, Table 2). 또한 서울지점의 PM10 농도가 높았던 황사와 비황사 사례를 각각 선정한 후 품질관리를 실시하였다. 선정된 황사 사례는 2014년 3월 18~19일까지의 2일 간이며, 황사가 발생하지 않았지만 PM10 농도가 높았던 비황사 사례는 2008년 9월 8일과 2009년 5월 15일이다.
- 품질관리에 적용한 황사 사례는 2014년 3월 18~19일의 2일간이며, 비황사 사례는 2008년 9월 8일과 2009년 5월 15일이다. 또한 전국 27개 지점 중 최근 2년(2013~2014년) 간의 자료를 보유하고 있는 26개 지점을 대상으로 품질관리를 적용한 후 그 결과를 평가하였다.
- 이전 시각에 비해 비정상적으로 높은 PM10 농도를 보이는 03시 25분~04시 30분까지의 약 1시간동안 기기에러 검사에서 오류값으로 검출되었다. 또한 전후 시각의 값과 비교하여 정상적인 값으로 판단되는 13시 30분에도 기기에러 검사에서 오류 값으로 검출하였다.
- 본 연구에서도 Zahumenský (2004)의 권고를 준용하여 과거 1시간 동안 PM10 농도의 변동량이 0인 경우 오류가 있다고 판단하여 의심자료로 분류하였다.
- 서울 지점을 대상으로 황사 사례와 황사가 관측되지는 않았지만 비정상적으로 높은 PM10 농도가 나타나는 비황사 사례를 선정하여 품질관리를 실시하였다. 품질관리에 적용한 황사 사례는 2014년 3월 18~19일의 2일간이며, 비황사 사례는 2008년 9월 8일과 2009년 5월 15일이다.
- 따라서 위에 언급된 코드의 조합으로 이루어진 경우도 정상적인 값으로 판단하였다. 에러 및 상태코드가 위의 예외적인 상태를 제외하고 나타난 경우는 비정상적인 값이라고 판단하여 의심자료로 분류하였다.
- 에어로졸이 포집된 필터 여지에 탄소동위원소 14C에서 방출되는 베타선을 쏜 후 감쇄된 베타선을 검출기로 측정하여 단위 체적 당 PM10 농도(μgm−3)를 산출한다(National Institute of Meteorological Sciences, 2014).
- 이 사례를 대상으로 5단계의 알고리즘을 적용하여 품질검사를 실시하였다. 품질검사 결과 정상적인 값은 검은 실선으로 오류가 있는 값은 오류 종류에 따라 모양을 달리하여 나타내었다(Fig.
- (2009)은 미국에서 화학물질 유출 시 비상대응 프로그램을 위한 기상자료 품질관리를 실시하였다. 이때 풍속, 풍향, 기온 등 8가지 기상요소에 대해 5단계의 품질관리 알고리즘을 적용하였다. Lee et al.
- 농도가 낮을 경우 전후 값에서 약간의 변화만 있어도 오류로 판단할 수 있다. 이러한 문제점을 보완하기 위하여 다섯 번째 단계에서 오류 값으로 판정한 경우 자료 범위 검사를 실시하였다. Jiang et al.
- 품질관리 알고리즘은 관측범위한계 검사, 기기에러 검사, 지속성 검사, 시간 연속성 검사, 튀는 값 검사의 총 5단계로 구성되어있다. 품질관리 단계 중 어느 단계에서든 관측 값이 오류 판정을 받으면 그 이후 과정에서는 검사를 중단하며 해당 관측 값에 대해서는 품질관리를 종료하고 오류로 판단하였다.
대상 데이터
- 고비/내몽골에서 발원한 황사는 2014년 3월 18~19일의 이틀에 걸쳐 전국적으로 영향을 주었다. 2014년 3월 18일 10시 15분에 서울에서 황사가 관측되었으며, 2014년 3월 19일 05시 30분까지 지속되었다. 3월 18일 00시~10시까지의 시간평균 PM10 농도는 10~96 μg m−3이었으나 11시 평균 PM10 농도는 200 μg m−3로 급격하게 증가하여 18시까지 200 μg m−3 이상을 상회하는 값을 기록하였다(Fig.
- 검사를 실시한 26개 지점마다 결측값 등의 차이는 있지만 대략 약 20만개의 관측자료에 대해 검사가 이루어졌다. 품질검사 결과 오류로 판단하였으나, MQC 자료에서는 정상인 경우를 나타내는 False alarm의 횟수는 238~27,661회로 지점마다 차이가 있었다.
- 5단계의 품질관리 알고리즘을 서울지점의 황사 및 비황사 사례를 선정하여 적용하였다. 또한 품질관리 알고리즘의 정확도를 판단하기 위하여 2013~2014년의 2년간의 부유분진측정기 관측자료를 보유하고 있는 전국 26개 지점을 대상으로 품질검사를 실시하였다. 그 결과는 다음과 같다.
- 본 연구에서는 2013~2014년의 2년간 부유분진측정기 관측자료를 보유하고 있는 전국 26개 지점을 대상으로 품질관리를 실시하였다(Fig. 1, Table 2). 또한 서울지점의 PM10 농도가 높았던 황사와 비황사 사례를 각각 선정한 후 품질관리를 실시하였다.
- 서울에서 관측된 황사사례를 선정하여 품질 검사를 실시하였다. 고비/내몽골에서 발원한 황사는 2014년 3월 18~19일의 이틀에 걸쳐 전국적으로 영향을 주었다.
- 또한 서울지점의 PM10 농도가 높았던 황사와 비황사 사례를 각각 선정한 후 품질관리를 실시하였다. 선정된 황사 사례는 2014년 3월 18~19일까지의 2일 간이며, 황사가 발생하지 않았지만 PM10 농도가 높았던 비황사 사례는 2008년 9월 8일과 2009년 5월 15일이다.
- 전국 26개 지점의 2013~2014년의 2년의 기간을 대상으로 5단계의 알고리즘을 적용하여 품질검사를 실시하였다. 품질검사 결과를 MQC 자료와 비교하여 skill score를 구한 후 Table 6에 제시하였다.
- 품질검사 결과 평가를 위해 수동품질관리(Manual Quality Control: MQC) 자료를 이용하였다. 부유분진측정기의 기기이상 또는 원인 불명의 이상 값이 발생한 경우에는 관측자에 의해 실시간으로 수동품질관리가 실시된다.
- 농도가 나타나는 비황사 사례를 선정하여 품질관리를 실시하였다. 품질관리에 적용한 황사 사례는 2014년 3월 18~19일의 2일간이며, 비황사 사례는 2008년 9월 8일과 2009년 5월 15일이다. 또한 전국 27개 지점 중 최근 2년(2013~2014년) 간의 자료를 보유하고 있는 26개 지점을 대상으로 품질관리를 적용한 후 그 결과를 평가하였다.
데이터처리
- 위의 5단계의 품질관리 절차를 수행하여 산출된 결과의 정확도를 평가하기 위해 MQC 자료와 비교하였다. 품질관리 결과가 오류 값이고 MQC 자료가 비정상 값인 경우는 Hit (a), 품질관리 결과는 오류 값이었지만, MQC 자료가 정상 값인 경우는 False alarm (b)으로 구분하였다.
이론/모형
- 자료의 불확실성을 증가시키는 중요한 원인 중의 하나는 여러가지 원인으로 인해 발생하는 오류 값이다. 다섯 번째 단계에서는 Papale et al. (2006)가 사용한 방법과 같이 중위절대편차(Median Of Absolute Deviation; MAD)를 이용하여 튀는 값을 검사하였다. 3개의 연속적인 PM10 자료의 차이를 이용하여 식(3)과 같이 d를 구한 후 식(4)의 조건을 만족하면 정상값으로 판단하였다.
- A가 식(2)에서 구해진 m(t)보다 작거나 같으면 그 값은 정상이라고 판단하였다. 자료의 정상여부를 판단하는 기준은 Jiang et al. (2013)이 제시한 것을 사용하였다.
성능/효과
- ACC는 예측의 정확도, POD는 탐지확률, FAR은 허위경보율, CSI는 사건 발생의 정확도를 의미한다. ACC가 높고 FAR이 낮을수록 본 연구에서 제시한 품질관리 방법이 적절하다고 할 수 있다.
- 3). MQC 자료를 검토한 결과 PM10 농도가 이전시간에 비해 급격하게 증가하였다. 이 경우는 황사 유입으로 인한 고농도의 PM10이 관측된 것이기 때문에 MQC가 이루어지지 않았다.
- FAR 값이 크게 나타나는 대구와 전주의 경우 기기에러 검사를 제외한 4단계의 알고리즘을 적용하여 품질관리를 실시하였다. 그 결과 대구와 전주의 FAR은 각각 0.09, 0.12로 크게 감소하였다. 관측자료의 품질에 영향을 미칠 수 있는 관측장비의 상태를 점검할 수 있는 기기에러 검사는 품질관리 과정에서 필수적이다.
- 2). 모든 단계를 통과한 경우 정상 값으로 판단하며, 한 단계라도 통과하지 못하는 경우 오류 가능성이 있는 값이라고 판단하였다. 품질관리 단계 중 어느 단계에서든 관측 값이 오류 판정을 받으면 그 이후 과정에서는 검사를 중단하고 해당 시각의 관측 값에 대해서는 품질관리를 종료하였다.
- 그 결과는 다음과 같다. 서울 지점의 황사 사례기간 동안의 높은 PM10 농도는 정상 값으로 판단하였으나, 비황사 사례 기간의 비정상적으로 높은 PM10 농도는 오류 값으로 판단하였다. 전국 26개 지점의 ACC는 평균 0.
- 5). 이 때의 MQC 자료를 검토한 결과 03시 25분~04시 30분까지 약 1시간 동안 MQC가 수행되었음을 확인할 수 있었다. 5단계의 알고리즘을 적용하여 품질검사를 실시하였으며, 품질검사 결과 정상적인 PM10 값은 검은 실선으로, 오류가 있는 값은 오류 종류에 따라 모양을 달리하여 나타내었다(Fig.
- 서울 지점의 황사 사례기간 동안의 높은 PM10 농도는 정상 값으로 판단하였으나, 비황사 사례 기간의 비정상적으로 높은 PM10 농도는 오류 값으로 판단하였다. 전국 26개 지점의 ACC는 평균 0.98로 품질관리의 정확도가 비교적 높았다. FAR은 지점에 따라 0.
- Figure 4는 2008년 9월 8일 비황사 사례에 대해 품질검사 알고리즘을 적용한 결과이다. 전체 288개의 PM10 값 중 오류로 걸러진 자료는 총 28개였으며, 첫 번째 단계인 관측범위 한계 검사에서 15개, 기기에러검사에서 12개, 시간 연속성 검사에서 1개가 검출되었다. 부유분진측정기로는 관측이 불가능한 0 μg m−3 이하의 값을 기록한 14시 55분~15시 50분까지와 관측이 이루어지지 않아 값이 기록되지 않은 경우 관측범위한계 검사에서 오류 값으로 검출되었다.
후속연구
- 7%로 적지 않은 수치이다. 따라서 위의 사례와 같이 품질관리 결과의 정확도에 영향을 미칠 수 있는 기기에러 검사에 대한 추가적인 논의가 필요하다고 판단된다.
- 기기에러로 인해 높은 빈도의 False alarm이 기록된 경우 FAR도 높게 나타났다. 따라서 품질관리 결과의 정확도에 영향을 미칠 수 있는 기기에러 검사에 대한 추가적인 논의가 필요하다고 판단된다.
- 본 연구를 통해 PM10 자료의 오류 및 의심자료를 검출하고 오류 자료 판정을 위한 효율적이고 객관적인 방법을 제시할 수 있다. 또한 관측자의 수동품질관리 수행과정에서 참고할 수 있는 가이던스를 제공할 수 있을 것으로 판단된다.
- 본 연구 결과는 고품질의 PM10 자료 생산을 위한 기초자료로 활용될 수 있을 것이다. 본 연구를 통해 PM10 자료의 오류 및 의심자료를 검출하고 오류 자료 판정을 위한 효율적이고 객관적인 방법을 제시할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.