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
- , 2006) 모의할 수 있는 수정된 배출량 모델과 CMAQ 모델을 제시하고, 수도권 지역 봄철 사례기간 참나무 꽃가루 확산에 대한 해상도 높은 모델링을 수행하였다. 아울러 대상영역 내 모니터링된 실측 꽃가루 농도와의 비교를 통해 모델링 결과를 검증하고 향후 참나무 꽃가루 수치예보의 가능성을 평가하였다.
- 이 연구에서는 알레르기 질환과 관련한 대표적인 바이오에어로졸인 참나무 꽃가루를 수치모의 할 수 있는 배출량 모델(PEM-oak)과 수정된 CMAQ 모델(CMAQpollen)을 제시하였다. 이 모델들을 이용하여 봄철 약한 달간(2014년 4월 9일∼5월 11일) 수도권 지역을 대상으로 고해상도 수치모의를 수행하고 측정값과의 검증을 통해 모델의 적용 가능성을 평가하였다.
- 이 연구에서는 우리나라의 대표적인 수종이자 알레르기성 (allergenicity)이 높은 참나무 꽃가루를 (Oh,2007; Lee et al., 2006) 모의할 수 있는 수정된 배출량 모델과 CMAQ 모델을 제시하고, 수도권 지역 봄철 사례기간 참나무 꽃가루 확산에 대한 해상도 높은 모델링을 수행하였다. 아울러 대상영역 내 모니터링된 실측 꽃가루 농도와의 비교를 통해 모델링 결과를 검증하고 향후 참나무 꽃가루 수치예보의 가능성을 평가하였다.
- 대상일 선정은 지점별 꽃가루 집중비산기간(참나무 꽃가루 누적농도의 10~90%에 해당되는 기간) 중강수가 없는 날, 임의의 특정 풍계가 20시간 이상 지속적으로 존재하는 6일로 하였다. 이러한 조건은 꽃가루농도 측정값이 참나무 산림지역에서 얻어진 것이 아니므로 수송효과와 관련한 바람변화에 따른 꽃가루 농도변화를 최대한 배제하기 위해서이다. 선정된 6일(P1: 4월 15, 19일; P2: 4월 19일; P3: 4월 19, 20, 29일)의 시간별 평균농도를 이용하여 최적의 fitting curve를 가우시안 분포를 가정하여 식 7을 추정하였다.
가설 설정
- 이러한 조건은 꽃가루농도 측정값이 참나무 산림지역에서 얻어진 것이 아니므로 수송효과와 관련한 바람변화에 따른 꽃가루 농도변화를 최대한 배제하기 위해서이다. 선정된 6일(P1: 4월 15, 19일; P2: 4월 19일; P3: 4월 19, 20, 29일)의 시간별 평균농도를 이용하여 최적의 fitting curve를 가우시안 분포를 가정하여 식 7을 추정하였다.
제안 방법
- CMAQ-pllen 모델링 수행에 앞서 WRF 모델링 결과를 검증하고, 격자별 참나무 분포 면적 및 기상모델결과를 입력하여 수행한 PEM-oak 모델결과를 제시하였다.
- CMAQ-pollen 모델이 재현한 참나무 꽃가루 농도(4월 12일 0100 LST~5월 11일 0000 LST)를 모니터링 값과의 비교를 통해 시간적 변화의 경향과 정량적인 차이를 평가하였다. 그림 6에는 모델링 영역 내에 위치한 세 지점(그림 1의 P1~P3)에서 모니터링된 참나무꽃가루의 시간별 농도변화와 함께 각 모니터링 지점들 위치에 해당하는 CMAQ-pollen 수치모의 농도를 제시하였다.
- 1. Schematic flowchart depicting the modified WRF-CMAQ modeling system linked with the PEM-oak model for oak pollen simulations.
- WRF 수행결과 검증은 모델링 기간(2014년 4월 9일∼5월 11일)동안 계산된 기온(2 m)과 풍속(10 m)을 수도권 ASOS 기상 관측지점(서울, 인천, 수원, 구리, 포천)의 값들과 비교하였다.
- 으로 입력하여 생성시켰다. 경계조건 농도값은 한반도영역에 대해서는 모든 방향으로 0 grains m-3으로 처리하였고 수도권영역과 서울영역은 각각 상위도메인으로부터 계산된 격자 농도값으로 만들었다. 초기값과 경계값이 현실의 수치와 분명 차이가 있으나 현재 선행연구나 참나무 꽃가루의 배경농도에 대한 정보가 없어 정확한 값의 고려가 어렵다.
- PEM-oak 모델의 입력자료로 격자별 참나무 배출강도의 대리인자인 참나무림의 분포 면적이 요구된다. 고해상도 5차 수치임상도(Korea Forest Service, FGIS)자료(축적 1 : 5,000, 한반도영역)에서 GIS 수종별 속성정보를 처리하여 참나무분포를 얻었다. 이 자료를 MIMS(Multi-scale Integrated Modeling System) Spatial Allocator에 입력하여 각 격자별 참나무림 면적을 산출하였다(그림 2(b) 참조).
- 기온, 풍속, 습도 모두 꽃가루 비산에대한 저항을 의미하는 α항의 분모항으로 고려하였다.
- 모수화식의 연중비산계수 산정을 위해 6년간(2009~2014년) P1과 P2에서 모니터링된 일평균 꽃가루 농도자료를 분석하였다. 또한 세 지점 모두에서 2014년 모니터링된 1시간 평균농도자료를 이용하여 기상조절항과 가중치항(이후 설명)의 계수를 만들었다.
- 는 개화와 관련하여 식물 고유의 특징을 반영하는 무차원 계수(dimensionless plant-specific factor)로서 계절적 변화에 따른 꽃가루 배출량을 결정하는 중요한 인자이다. 먼저 P1과 P2 지점에서 모니터링된 일평균 농도자료를 이용하여 참나무 꽃가루 비산계절(oak pollen season, 6년간 평균 35일)의 비산 시작일을 결정하였다. 그림 4의 막대그래프는 P1과 P2 두 지점의 비산 시작일을 기준으로 이후의 평균 참나무 꽃가루 농도의 일별 변화를 보여 주는 것으로, 비산 시작일 시작 후 급격히 농도가 증가하고 약 4~5일 경에최고값이 나타난 후 점차 감소하는 패턴을 가진다.
- (1994)이 제시한 방법으로(전체 누적 꽃가루 농도의 1% 이상 시점부터 99% 시점까지) 비산계절을 정의하였고 이에 따라 2014년비산계절 기간은 P1 지점은 4월 12일~5월 10일, P2 지점은 4월 11일~5월 10일, P3 지점은 4월 15일~5월 9일로 각각 결정되었다. 모델링 기간은 세 지점의 참나무 꽃가루 비산계절 기간을 포함하도록 선정하여,WRF 모델링은 2014년 4월 7일(0000 UTC)부터 5월11일(0000 UTC)로 35일간을 대상으로 수행되었고, CMAQ-pollen 모델링은 하루의 초기값 적응기간을 포함하여 4월 9일(0000 UTC)부터 5월 11일(0000 UTC)까지 총 33일간 이루어졌다.
- 그림 3은 PEM-oak 모델의 모수화식(3장에 구체적으로 제시)에 필요한 입력자료, 격자별 참나무 화분 배출량 추정 과정을 간략히 보여준다. 모수화식의 연중비산계수 산정을 위해 6년간(2009~2014년) P1과 P2에서 모니터링된 일평균 꽃가루 농도자료를 분석하였다. 또한 세 지점 모두에서 2014년 모니터링된 1시간 평균농도자료를 이용하여 기상조절항과 가중치항(이후 설명)의 계수를 만들었다.
- 시스템은 크게 참나무 꽃가루 배출량 추정모델(PEM-oak)과 기상 입력자료를 생성하는 WRF 모델, 그리고 참나무꽃가루의 대기 중 이류, 확산, 침적과정을 시·공간적으로 계산할 수 있도록 수정된 CMAQ 모델인 CMAQpollen 모델로 구성된다.
- 수치모델의 적용은 해상도 높은 공간적 정보를 제공하고 고농도 및 농도변화의 원인을 이해하는 데 중요한 역할을 할 수 있다. 앞선 모델링 결과 검증에서 고농도일 측정값의 변화를 비교적 잘 재현한 4월 19일을 대상으로 주요 시간대별(0300, 0600, 1200, 1800 LST) 모의 된 참나무 꽃가루 농도의 공간적 분포를 파악하였다.
- 추가적으로 요구되는 격자별 기상인자(지상 2 m 기온, 10 m 풍속, 2 m 비습)와 엽면적지수(LAI), 마찰속도정보는 WRF 결과에서 얻을 수 있다. 여기서 엽면적지수는 토지피복도에 의존하며, EGIS 토지피복자료를 통해 현실적인 값을 산출할 수 있도록 하였다.
- 여기서, Pq는 연중 단위면적당 참나무 꽃가루 총생산량(seasonal total oak pollen production)으로, 본 연구에서는 연간 참나무 한 그루당 평균 꽃가루 개수2.6×1010 grains·tree-1·yr-1 (Jato et al., 2007), 참나무밀도 3,390 tree ha-1 (Saito et al., 2006)을 이용하여 Pq를 8.814 ×109 grains m-2로 입력하였다.
- 이 모델들을 이용하여 봄철 약한 달간(2014년 4월 9일∼5월 11일) 수도권 지역을 대상으로 고해상도 수치모의를 수행하고 측정값과의 검증을 통해 모델의 적용 가능성을 평가하였다.
- 이 연구에서는 Ke 모수화식을 국립기상연구소(2014)의 결과를 바탕으로 임계치와 가중치(c1, c2, c3)를 설정을 하였다(식 6). 기온, 풍속, 습도 모두 꽃가루 비산에대한 저항을 의미하는 α항의 분모항으로 고려하였다.
- 하지만 참나무의 꽃가루 농도는 오전~정오경에 최고농도가 나타나며,경우에 따라 오후에 2차 정점을 보이기도 한다(Corden and Millington, 1999; Kapyla, 1984). 이러한 경향을 모델이 적절히 반영토록 하기 위해 1시간 간격으로 모니터링된 대기 중 농도자료로부터 가중치(wf(hr))를 추정하여 모델에 고려하였다.
- 이를 위해 2014년 P1, P2, P3 세 지점에서 측정된 시간별 참나무 꽃가루 농도와 기상조건을 함께 분석하였다. 대상일 선정은 지점별 꽃가루 집중비산기간(참나무 꽃가루 누적농도의 10~90%에 해당되는 기간) 중강수가 없는 날, 임의의 특정 풍계가 20시간 이상 지속적으로 존재하는 6일로 하였다.
- 참나무 꽃가루의 물리적 특성을 고려하기 위해 수정된 연직확산 및 에어로졸 모듈에서 밀도(ρ)를 1,058kg m-3 (Zhang et al., 2013)로 입력하였다.
대상 데이터
- )자료이다. PEM-oak 모델개발과 관련해서는, 6년간(2009~2014년) P1과 P2 지점에서 모니터링된 일평균 농도자료와 2014년 세 지점의 1시간 평균 농도자료를 이용하였다.
- WRF 모델링을 통해 얻어지는 기상인자는 PEM-oak 모델과 CMAQ-pollen 모델의 입력자료가 된다. 모델의 초기 및 경계조건은 기상청에서 제공하는 6시간 간격의 KLAPS (Korea Local Analysis and Prediction System) 5 km 분석장과 GFS (Global Forecast System) 1도 토양수분자료를 이용하였다.
- 이를 위해 2014년 P1, P2, P3 세 지점에서 측정된 시간별 참나무 꽃가루 농도와 기상조건을 함께 분석하였다. 대상일 선정은 지점별 꽃가루 집중비산기간(참나무 꽃가루 누적농도의 10~90%에 해당되는 기간) 중강수가 없는 날, 임의의 특정 풍계가 20시간 이상 지속적으로 존재하는 6일로 하였다. 이러한 조건은 꽃가루농도 측정값이 참나무 산림지역에서 얻어진 것이 아니므로 수송효과와 관련한 바람변화에 따른 꽃가루 농도변화를 최대한 배제하기 위해서이다.
- 물리옵션은 모든 모델링영역에 대해, Microphysics는 WSM6 scheme, Long wave radiation은 RRTM scheme, Shortwave radiation은 Dudhia scheme, PBL physics는 Yonsei University scheme, Land surface physics는 Noah Land-Surface Model을 각각 적용하였다. 대상지역의 현실적인 지형과 지표면 상태를 WRF 모델링에 반영하기 위하여SRTM (Shuttle Radar Topography Mission) 3초(약 90m) 지형자료와 국내 환경부에서 제작한 환경공간정보서비스 EGIS (Environmental Geographic Information System, 2007)의 중분류(해상도 5 m급, 22개 항목) 토지피복자료를 적용하였다.
- WRF 모델링을 통해 얻어지는 기상인자는 PEM-oak 모델과 CMAQ-pollen 모델의 입력자료가 된다. 모델의 초기 및 경계조건은 기상청에서 제공하는 6시간 간격의 KLAPS (Korea Local Analysis and Prediction System) 5 km 분석장과 GFS (Global Forecast System) 1도 토양수분자료를 이용하였다. 연직층은 100 hPa 이하 44개 sigma layer로 구성되었으며 최하층 고도는 약 32 m이다.
- 수도권영역(D2, 64×58, 3-km 격자간격)은 서울 중심의 수도권 전체를 포함하며 주변 산림지역의 지역규모 꽃가루 수송 영향을 적절히 고려하기 위해 강원도 일부를 비롯한 인근 산림지역을 포함하여 구성하였다. 수도권영역 안에는 기상청에서 운영하는 세 개의 꽃가루 모니터링지점(서울: P1, 구리:P2, 포천: P3)이 위치하며 배출량 모델 개발과 CMAQpollen 결과 검증에 이용되었다.
- 참나무 꽃가루 모니터링자료는 버커드 샘플러(Burkard 7-day recording volumetric spore sampler)(Burkard, 2001)를 이용하여 채집된 시료를 검경하여얻어진 농도(단위: grains m-3)자료이다. PEM-oak 모델개발과 관련해서는, 6년간(2009~2014년) P1과 P2 지점에서 모니터링된 일평균 농도자료와 2014년 세 지점의 1시간 평균 농도자료를 이용하였다.
데이터처리
- WRF 수행결과 검증은 모델링 기간(2014년 4월 9일∼5월 11일)동안 계산된 기온(2 m)과 풍속(10 m)을 수도권 ASOS 기상 관측지점(서울, 인천, 수원, 구리, 포천)의 값들과 비교하였다. 표 1에는 통계지표 MBE (mean bias error), MAGE (mean absolute gross error), RMSE(root mean squared error), IOA(index of agreement)를이용한 검증 결과들을 제시하였다. 전반적으로 WRF모델이 기온과 풍속의 시간별 변화를 잘 재현하는 모습이다.
이론/모형
- 3. Flowchart for calculating the gridded oak pollen emissions using the PEM-oak model.
- PEM-oak 모델에는 고해상도 참나무림 분포정보와 함께 참나무 꽃가루 생성의 식물계절학적 특성을 반영된 비산계수 및 기상의 영향을 적절히 고려하였고, 측정자료를 근거로 일중 비산의 가중치를 추정하여 배출량의 시간적 변화에 대한 정보의 신뢰성을 높였다. 그리고 PEM-oak 모델을 이용하여 한반도-수도권 영역의 참나무 꽃가루 배출량을 산정하였고 참나무 꽃가루의 수송, 침적과정들을 처리할 수 있게 수정된 CMAQpollen 모델을 이용하여 모델링을 수행하였다. 그 결과 모델이 동일기간 영역 내 세 지점(서울, 구리, 포천)에서 측정된 농도의 변화 패턴을 전반적으로 잘 재현함을 보여주었고, 향후 모델 개선을 통한 참나무 꽃가루 수치모의의 가능성이 높게 평가되었다.
- 농도자료 기반 참나무 꽃가루 비산계절(oak pollen season)을 결정하고, 이 기간은 PEM-oak 모델 비산계수 및 가중치 추정과 모델링기간 설정에 이용되었다. 본 연구에서는 Emberlin et al.
- 연직층은 100 hPa 이하 44개 sigma layer로 구성되었으며 최하층 고도는 약 32 m이다. 모델링은 단방향 네스팅(one-way nesting) 방법을 통해 수행되었다. 물리옵션은 모든 모델링영역에 대해, Microphysics는 WSM6 scheme, Long wave radiation은 RRTM scheme, Shortwave radiation은 Dudhia scheme, PBL physics는 Yonsei University scheme, Land surface physics는 Noah Land-Surface Model을 각각 적용하였다.
- 모델링은 단방향 네스팅(one-way nesting) 방법을 통해 수행되었다. 물리옵션은 모든 모델링영역에 대해, Microphysics는 WSM6 scheme, Long wave radiation은 RRTM scheme, Shortwave radiation은 Dudhia scheme, PBL physics는 Yonsei University scheme, Land surface physics는 Noah Land-Surface Model을 각각 적용하였다. 대상지역의 현실적인 지형과 지표면 상태를 WRF 모델링에 반영하기 위하여SRTM (Shuttle Radar Topography Mission) 3초(약 90m) 지형자료와 국내 환경부에서 제작한 환경공간정보서비스 EGIS (Environmental Geographic Information System, 2007)의 중분류(해상도 5 m급, 22개 항목) 토지피복자료를 적용하였다.
- 농도자료 기반 참나무 꽃가루 비산계절(oak pollen season)을 결정하고, 이 기간은 PEM-oak 모델 비산계수 및 가중치 추정과 모델링기간 설정에 이용되었다. 본 연구에서는 Emberlin et al. (1994)이 제시한 방법으로(전체 누적 꽃가루 농도의 1% 이상 시점부터 99% 시점까지) 비산계절을 정의하였고 이에 따라 2014년비산계절 기간은 P1 지점은 4월 12일~5월 10일, P2 지점은 4월 11일~5월 10일, P3 지점은 4월 15일~5월 9일로 각각 결정되었다. 모델링 기간은 세 지점의 참나무 꽃가루 비산계절 기간을 포함하도록 선정하여,WRF 모델링은 2014년 4월 7일(0000 UTC)부터 5월11일(0000 UTC)로 35일간을 대상으로 수행되었고, CMAQ-pollen 모델링은 하루의 초기값 적응기간을 포함하여 4월 9일(0000 UTC)부터 5월 11일(0000 UTC)까지 총 33일간 이루어졌다.
성능/효과
- 그리고 PEM-oak 모델을 이용하여 한반도-수도권 영역의 참나무 꽃가루 배출량을 산정하였고 참나무 꽃가루의 수송, 침적과정들을 처리할 수 있게 수정된 CMAQpollen 모델을 이용하여 모델링을 수행하였다. 그 결과 모델이 동일기간 영역 내 세 지점(서울, 구리, 포천)에서 측정된 농도의 변화 패턴을 전반적으로 잘 재현함을 보여주었고, 향후 모델 개선을 통한 참나무 꽃가루 수치모의의 가능성이 높게 평가되었다. 하지만 단기적 고농도현상을 모델이 충분히 재현하지 못하는 한계가 있었고, 이는 배출량 산정의 불확실성이 주된 원인으로 평가되며 모델 입력자료의 해상도와 정확도를 함께향상시키는 연구가 반드시 필요함을 보여주었다.
- 그림 2에서 제시된 참나무 밀도의 공간적 분포와 비교해보면, 배출량의 정도가 참나무 분포에 크게 의존함을 확인할 수 있다. 또한 서울외곽 경기도지역에 상대적으로 높은 배출량이 계산되었고, 도시역을 중심으로 참나무 꽃가루 배출이 거의 없는 반면 북한산과 도봉산을 중심으로 높은 배출량이 존재함을 알 수 있다. 참나무 꽃가루 배출량의 시간적 변화는 기상요소, 일중 가중치 등이 복합적으로 고려되어 다양한 분포를 확인할 수 있다.
- 모델링 기간 세 측정지점에 해당되는 격자의 시간별모델값(n=2,088)을 대표적인 통계지표를 이용하여 해당 측정값과 비교 검증한 결과 r =0.74, MB =44.9, NMB (%)=80.0%, NME (%)=130.8%, IOA=0.85로 나타났다. 이러한 통계검증 수치들은 모델의 성공적인 수행으로 충분히 설명하기 어렵지만, 이 연구에서 제시한 CMAQ-pollen 모델이 참나무 꽃가루 농도의 전반적인 변화를 예측할 수 있음을 보여준다.
- 세 지점에서 모니터링된 꽃가루 농도는 정량적인 차이가 존재하지만 4월 초부터 증가하기 시작하여 4월 중후반에 최고치가 나타나고 이후 약 한 달간 증감을 반복하면서 점차 감소하는 경향을 보인다. 특히 서울에 위치한 P1 지점은 4월 14일~20일 기간 동안 급격한 농도 상승 현상과 고농도 빈도가 상대적으로 뚜렷함을 볼 수 있다.
- 여기서, 시간(t, hour(LST))별 추정된 값과 모니터링 값의 일중비율의 상관도는 r=0.87 (p<0.01) 이상으로 꽃가루 농도의 일중변화를 잘 설명하는 것으로 평가되었다.
- 85로 나타났다. 이러한 통계검증 수치들은 모델의 성공적인 수행으로 충분히 설명하기 어렵지만, 이 연구에서 제시한 CMAQ-pollen 모델이 참나무 꽃가루 농도의 전반적인 변화를 예측할 수 있음을 보여준다. 그림 6에서 알 수 있듯이 모델을 통해 재현된 참나무 꽃가루 농도는 측정된 농도수준과 다소의 차이는 있지만 전반적인 변화의 패턴은 유사하다.
- 값의 변화는 그림 4의 실선으로 나타나 있다. 참나무 꽃가루 비산시기 동안 ce값의 변화가 실제 꽃가루 농도의 변화경향을 잘 설명함을 확인할 수 있다. 하지만 꽃의 개화로 인한 꽃가루의 배출은 대기 중 꽃가루 농도와 다른 개념으로 ce의 정확한 계산을 위해서는 순림지역에서의 장기간 모니터링 정보가 필요하다.
후속연구
- 아울러 참나무 외에 국내 넓게 분포하는 소나무나 알레르기성이 큰 삼나무 등과 같은 수목들의 꽃가루에 대한 모델링 역시, 상기 언급된 배출량 추정의 정확성 문제가 해결된다면 수종분포에 대한 공간정보가 활용 가능함으로 충분히 수치 모의가 가능하리라 사료된다. 또한 이 연구에서 제시한 배출량 모델의 추가적인 개선과 모델의 검증연구가 이루어진다면 대기질 예보와 연계하여 현업에 활용할 수 있는 꽃가루 수치예보의 도입 역시 가능할 것이다.
- 이와 함께 지속적인 모수화식 개선을 통해 신뢰성 있는 꽃가루 배출량 산정이 가능할 것이다. 또한 참나무림의 정확한 분포 정보 생성과 경계조건 값의 불확실성 해소(예로 북한지역 배출량 고려) 역시 모델링 예측결과의 정확도를 높일 수 있을 것이며, 참나무 꽃가루 관련 물리적 특성과 관련한 정보 개선, 재비산과정 고려 등도 수치모델 개선 연구에 중요한 향후 연구과제이다.
- 이 연구에서 시도한 참나무 꽃가루 수치모델링은 봄철 꽃가루 알레르기 질환 예방과 관리에 있어 중요한 실외환경 노출정보를 제공해 줄 수 있다는 측면에서 매우 의미 있는 연구라 사료된다. 아울러 기후변화와 알레르기 질환자의 증가 추세와 대응하여 미래의 꽃가루 농도변화를 예측할 수 있는 기초연구로서 활용가치가 있다.
- 향후 꽃가루 모니터링 지점의 확대와 모델 개선연구를 통해 참나무 꽃가루에 대한 정량적 농도예측 연구의 고도화가 필요할 것이다. 아울러 참나무 외에 국내 넓게 분포하는 소나무나 알레르기성이 큰 삼나무 등과 같은 수목들의 꽃가루에 대한 모델링 역시, 상기 언급된 배출량 추정의 정확성 문제가 해결된다면 수종분포에 대한 공간정보가 활용 가능함으로 충분히 수치 모의가 가능하리라 사료된다. 또한 이 연구에서 제시한 배출량 모델의 추가적인 개선과 모델의 검증연구가 이루어진다면 대기질 예보와 연계하여 현업에 활용할 수 있는 꽃가루 수치예보의 도입 역시 가능할 것이다.
- 이 연구에서 시도한 참나무 꽃가루 수치모델링은 봄철 꽃가루 알레르기 질환 예방과 관리에 있어 중요한 실외환경 노출정보를 제공해 줄 수 있다는 측면에서 매우 의미 있는 연구라 사료된다. 아울러 기후변화와 알레르기 질환자의 증가 추세와 대응하여 미래의 꽃가루 농도변화를 예측할 수 있는 기초연구로서 활용가치가 있다.
- 즉 정확한 배출량 추정을 위해 참나무 순림에서의 꽃가루 및 기상인자 집중측정이 지속적으로 필요하며, 이는 비산시작과 연간배출량, 계절적 변화 등 식물계절학적 특성을 모델이 적절히 반영할 수 있는 중요한 자료가 될 것이다. 이와 함께 지속적인 모수화식 개선을 통해 신뢰성 있는 꽃가루 배출량 산정이 가능할 것이다. 또한 참나무림의 정확한 분포 정보 생성과 경계조건 값의 불확실성 해소(예로 북한지역 배출량 고려) 역시 모델링 예측결과의 정확도를 높일 수 있을 것이며, 참나무 꽃가루 관련 물리적 특성과 관련한 정보 개선, 재비산과정 고려 등도 수치모델 개선 연구에 중요한 향후 연구과제이다.
- 19일 새벽과 이른 아침에 나타난 비교적 강한 풍속조건과 남동내지 동풍계열의 바람의 조건들은 산림지역 꽃가루 비산을강화하고(식 6 참고) 측정지점인 P1 (1,807 grains m-3,0600 KST)과 P3 (2,547 grains m-3, 0500 KST)에서의 고농도 원인이 될 수 있다. 정확한 고농도 원인을 파악하기 위해서는 지상 고농도의 원인이 될 수 있는 대기경계층에서의 혼합과정(Raynor et al., 1974)을 분석하고 산림지역에서 비산된 참나무 꽃가루의 공간적 수송현상을 보다 면밀히 분석할 필요가 있다.
- 대기오염물질과는 달리 꽃가루의 대기 중 배출은 기후조건과 관련하여 매년, 계절적 특성이 강하게 반영된다. 즉 정확한 배출량 추정을 위해 참나무 순림에서의 꽃가루 및 기상인자 집중측정이 지속적으로 필요하며, 이는 비산시작과 연간배출량, 계절적 변화 등 식물계절학적 특성을 모델이 적절히 반영할 수 있는 중요한 자료가 될 것이다. 이와 함께 지속적인 모수화식 개선을 통해 신뢰성 있는 꽃가루 배출량 산정이 가능할 것이다.
- ,2013). 하지만 성공적인 수치모델링에 있어 꽃가루 배출량 추정의 불확실성, 물리적 특성과 침적과정의 정확한 고려, 식생입력자료의 한계 극복을 위해서 지속적인 연구가 필요할 것이다.
- 향후 꽃가루 모니터링 지점의 확대와 모델 개선연구를 통해 참나무 꽃가루에 대한 정량적 농도예측 연구의 고도화가 필요할 것이다. 아울러 참나무 외에 국내 넓게 분포하는 소나무나 알레르기성이 큰 삼나무 등과 같은 수목들의 꽃가루에 대한 모델링 역시, 상기 언급된 배출량 추정의 정확성 문제가 해결된다면 수종분포에 대한 공간정보가 활용 가능함으로 충분히 수치 모의가 가능하리라 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.