$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

서울시 미세먼지 관측망 위치 적정성 평가를 위한 공간정보 활용방안
Spatial Information Application Case for Appropriate Location Assessment of PM10 Observation Network in Seoul City 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.47 no.2, 2017년, pp.175 - 184  

정종철 (남서울대학교 GIS공학과)

초록
AI-Helper 아이콘AI-Helper

최근 미세먼지는 국내에서 중요한 사안으로 되어가고 있다. 왜냐하면 미세먼지는 호흡기 질환, 안과 질환과 같은 수많은 질병을 불러일으키기 때문이다. 본 연구는 GIS 공간분석 기술을 이용하여 PM10 관측소의 위치에 대한 적정성을 평가하기 위하여 공간정보의 활용 사례를 제시하였다. 미세먼지 측정소 최적 위치를 평가하기 위한 공간정보 활용사례는 국가 공간자료와 건강위해성과 밀접하게 관련있는 PM10 측정 자료의 최적 위치와 함께 조사되었다. 서울시에는 31개 관측소가 있으며, 이들 측정소에서 관측된 PM10 자료를 가지고 추정된 PM10 농도는 공간보간기법을 적용하여 적정한 측정소 위치평가기법을 제시하는데 적용하였다. 서울시에서 PM10 측정망의 농도지도와 IDW와 크리깅 방법으로 추정된 농도는 강우량, 유동인구, 초등학교 위치정보와 같은 국가공간정보와 비교하였다. 일평균, 계절평균, 연평균 등의 PM10 농도는 현재의 PM10 측정소 위치와 위치적정성을 분석하는데 사용하였다. PM10농도는 2015년 유동인구와 지역 통계분석법에 적용된 계산된 PM10 분포와 비교하였다. 국가공간데이터는 PM10 오염분포와 부가적인 PM10 모니터링 사이트를 분석하는데 적용 가능하였다. 본 연구의 향후 연구과제는 PM10 모니터링 측정소의 새로운 위치를 선정하는데 사용된 국가공간정보의 활용성을 제안하는데 있다.

Abstract AI-Helper 아이콘AI-Helper

Recently, PM10 is becoming a main issue in Korea because it causes a variety of diseases, such as respiratory and ophthalmologic diseases. This research studied to spatial information application cases for evaluating the feasibility of the location for PM10 observation stations utilizing Geogrphic I...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 특히 미세먼지 측정망의 공간분석을 이용하여 정확한 미세먼지의 시-공간 분포분석을 수행한 연구는 Cho and Jeong(2009)과 Jeong(2014)처럼 제한적이다. 따라서 본 연구에서는 국가공간정보를 이용하여 미세먼지 측정소의 위치 적정성을 평가하고 효과적인 공간정보 활용 분야를 파악하는 것은 중요한 요소라고 판단하였다.
  • Figure 12는 2015년 서울시 1월 평균 미세먼지 농도 단계구분도 및 초등학교, 미세먼지 측정소 분포도를 나타낸 사례이다. 미세먼지 측정지점과 고농도 미세먼지 분포지역에 포함되는 초등학교를 추출하고 해당 시점의 학교 체육활동과 교외활동에서 미세먼지 경보에 대한 노약자 피해 대응을 제안한 것이다.
  • 본 연구는 공간정보의 활용을 위한 사례연구이며, 공간분석기법과 알고리즘을 적용한 신규 측정소 입지선정을 향후 연구과제로 제안하고자 한다. 특히 미세먼지 저감을 위한 국가 예산 투입과 이를 효과적으로 분석 평가하기 위한 공간정보 분석기술 개발은 추후 연구될 과제로 제안하였고, 본 연구에서는 이러한 연구목적을 달성하기 위한 다양한 시도와 정밀한 평가기법의 개발을 제안한다.
  • 본 연구는 국가공간정보와 GIS 공간분석 기법을 활용하여 미세먼지 관측망의 최적화를 위한 공간정보 활용방안을 도출하기 위한 연구사례를 제시하고 향후 공간정보 활용 연구 과제를 제시하는데 연구의 목적을 두었다.
  • 5는 2월과 3월에 가장 높은 농도를 나타내고 있으며, 1월과 12월에도 대기환경기준인 50㎍/㎥을 초과하는 측정지역이 나타나고 있다. 본 연구에서는 미세먼지 측정소의 평균치 이상인 공간분포를 확인하였다. 미세먼지 농도의 공간분석에서 가장 피해가 심각한 행정지역을 바탕으로 하여 상관관계 분석을 실시하였고, 2월 평균 미세먼지 농도를 공간분석의 표본으로 설정하였다.
  • 본 연구에서는 미세먼지 측정자료의 공간보간과 국가공간정보자료를 이용하여 미세먼지 측정망의 정확도를 높이고 미세먼지 피해자를 중심으로 한 측정망 입지설계를 위한 사례를 제시하였다. 특히 초등학교 위치와 측정소 입지의 평가와 유동인구와 측정망의 공간적 분포와의 관계를 적용사례로 비교하였다.
  • 본 연구에서는 미세먼지의 관측 농도와 공시지가, 공원율, 초등학교 분포, 유동인구 같은 자료를 비교 분석하여 국가공간정보를 활용한 사례를 제시하였다. 특히 미세먼지의 관측점 위치가 지역을 대표할 수 있는 적정한 위치인가를 평가하기 위해 미세먼지의 공간분포에 대한 공간정보 적용 사례를 제시하였다.
  • 본 연구는 공간정보의 활용을 위한 사례연구이며, 공간분석기법과 알고리즘을 적용한 신규 측정소 입지선정을 향후 연구과제로 제안하고자 한다. 특히 미세먼지 저감을 위한 국가 예산 투입과 이를 효과적으로 분석 평가하기 위한 공간정보 분석기술 개발은 추후 연구될 과제로 제안하였고, 본 연구에서는 이러한 연구목적을 달성하기 위한 다양한 시도와 정밀한 평가기법의 개발을 제안한다. 특히 본 연구에서는 강우량, 공시지가, 초등학교 위치, 유동인구 등의 다양한 정보를 기반으로 향후 미세먼지에 대한 효과적인 정보서비스 플렛폼 개발을 제안한다.
  • 특히 미세먼지 저감을 위한 국가 예산 투입과 이를 효과적으로 분석 평가하기 위한 공간정보 분석기술 개발은 추후 연구될 과제로 제안하였고, 본 연구에서는 이러한 연구목적을 달성하기 위한 다양한 시도와 정밀한 평가기법의 개발을 제안한다. 특히 본 연구에서는 강우량, 공시지가, 초등학교 위치, 유동인구 등의 다양한 정보를 기반으로 향후 미세먼지에 대한 효과적인 정보서비스 플렛폼 개발을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
IDW 기법의 추정값은 어떻게 계산된 것인가? Figure 3과 같이 IDW는 인접 지점은 공통된 위치요인으로 측정값이 유사성을 가지는 반면 측정점의 거리가 멀어질수록 측정값의 유사성은 상대적으로 감소한다는 원리를 나타낸 것이다. 공간보간의 추정값은 측정점 거리의 역수를 가중치로 하여 공간보간을 실시한 것으로 탐색반경과 샘플수의 지정에 따라 최적의 공간보간 결과를 도출할 수 있다. 공간보간기법에서 RBF(Radial Basis Function)과 Spline은 표면 곡률 총합이 최소가 되도록 미관측 지점의 값과 관측값의 범위가 최대, 최소를 벗어날 수 있으며, RBF과 IDW는 다음 식 1과 같다.
IDW 기법의 원리는 무엇인가? 이러한 공간분석은 최적합 위치선정 기법을 파악하기 위한 방법으로 도시대기측정소에 의한 미세먼지 관측농도가 어떤 분포 특성이 있는지 시계열 분석하였다(Fuentes 2002:Diema and Comrie 2002). Figure 3과 같이 IDW는 인접 지점은 공통된 위치요인으로 측정값이 유사성을 가지는 반면 측정점의 거리가 멀어질수록 측정값의 유사성은 상대적으로 감소한다는 원리를 나타낸 것이다. 공간보간의 추정값은 측정점 거리의 역수를 가중치로 하여 공간보간을 실시한 것으로 탐색반경과 샘플수의 지정에 따라 최적의 공간보간 결과를 도출할 수 있다.
PM2.5는 인체에 어떤 영향을 미치는가? PM2.5는 호흡을 통해 인체로 들어가는 경우 폐의 기능을 약하게 만들며 일부는 주변 모세혈관을 타고 혈액으로 침투하여 관련 질환자의 사망 가능성을 높이는 것으로 나타났다(Jaime et al. 2009.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. 조홍래. 정종철. 2009. 공간보간 기법에 의한 서울시 PM10 분포 분석, 한국환경영향평가학회지. 18(1):31-39. Cho HR. Jeong, JC. 2009. The Distribution Analysis of PM10 in Seoul Using Spatial Interpolation Methods. KSEIA. 18(1):31-39. 

  2. 정종철. 2014. 서울시 PM10의 시계열 공간 분포 분석, 한국지리정보학회지. 17(1):61-69. Jeong JC. 2014. A Spatial Distribution Analysis and Time Series Change of PM10 in Seoul City. KAGIS. 17(1):61-69. 

  3. Boris A. 2012. High prevalence of childhood asthma in Northern Israel is linked to air pollution by particulate matter: evidence from GIS analysis and Bayesian Model Averaging. International Journal of Environmental Health Research 22(3):249-269. 

  4. Diema JE, Comrie AC. 2002. Predictive mapping of air pollution involving sparse spatial observations. EnvironmentalPollution.119(1):99-117. 

  5. Jaime E. Hart. 2009. Spatial Modeling of PM10 and NO2 in the Continental United States, 1985-2000. Environ Health Perspect. 2009 Nov; 117(11): 1690-1696. 

  6. Fuentes, M. 2002. Interpolation of nonstationary air pollution processes; a spatial spectral approach, Statistical Modelling. 2:281-298. 

  7. Fikret T. Meryem B. 2015.Analysis of PM10 Pollutant in Istanbul by Using Kriging and IDW Methods: Between 2003 and 2012. International Journal of Computer and Information Technology. 4(1):170-175. 

  8. Rogas-Avellaneda, D. 2007. Spatial interpolation techniques for stimating levels of pollutant concentraions in the atmosphere. Revista Mexicana de Fisica, 53(6):447-454. 

  9. Stijn Janssen. 2008. Spatial interpolation of air pollution measurements using CORINE land cover data. Atmosphere Environment. 42(1) : 2882- 2903. 

  10. Shuting Li. Shujun Song. Xin Fei. 2011. Spatial characteristics of air pollution in the main city area of Chengdu, China. Geoinformatics, 2011 19th International Conference. 

  11. Seoul City. 2015. Report of Air-Quality of Seoul City. pp. 25-26. 

  12. Wasim J. Ghulan M. Hamaad R. 2015. A GIS based on Air Quality Assessment along the Roadside Environment in PAKISTAN. Poll Res. 34(1): 1-7. 

  13. Wong D.W. Yuan, L. Perlin, S.A. 2004. Comparison of spatial interpolation methods for the estimation of air quality data. Journal of Exposure Analysis and Environmental Epidemiology. 14(1):404-415. 

  14. 서울시 대기환경정보. 2017. 서울시 대기환경정보[인터넷]. [http://cleanair.seoul.go.kr]. 2017년 10 월 2일 검색. Air Quality Information in Seoul City. 2017. Air Quality Information in Seoul City[Internet]. [http://cleanair.seoul.go.kr]. Last accessed 2 October 2017. 

  15. I Seoul You 서울통계. 2017. 서울통계[인터넷]. [http://stat.seoul.go.kr]. 2017년 10월 2일 검색. I Seoul You Statistics of Seoul City. 2017. Statistics of Seoul City[Internet]. http://stat.seoul.go.kr]. Last accessed 2 October 2017. 

  16. 서울특별시.2017. 자동기상관측시스템[인터넷]. [http://aws.seoul.go.kr/]. 2017년 10월 2일 검색. Seoul City. 2017. Automatic Weather System [Internet]. [http://aws.seoul.go.kr/]. Last accessed 2 October 2017. 

  17. 공공데이터포털. 2017. 공공데이터포털[인터넷]. [https://www.data.go.kr/dataset]. 2017년 10 월 2일 검색. Open Data Portal. 2017. Open Data Portal [Internet]. [https://www.data.go.kr/dataset]. Last accessed 2 October 2017.. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로