[논문]배출량 목록에 따른 수도권 PM10 예보 정합도 및 국내외 기여도 분석

배창한; 김은혜; 김병욱; 김현철; 우정헌; 문광주; 신혜정; 송인호; 김순태

doi:10.5572/kosae.2017.33.5.497

배출량 목록에 따른 수도권 PM10 예보 정합도 및 국내외 기여도 분석
Impact of Emission Inventory Choices on PM10 Forecast Accuracy and Contributions in the Seoul Metropolitan Area 원문보기

한국대기환경학회지 = Journal of Korean Society for Atmospheric Environment, v.33 no.5, 2017년, pp.497 - 514

배창한 (아주대학교 환경공학과) , 김은혜 (아주대학교 환경공학과) , 김병욱 (미국 조지아주 환경청) , 김현철 (미국 국립해양대기청) , 우정헌 (건국대학교 신기술융합학과) , 문광주 (국립환경과학원 대기환경연구과) , 신혜정 (국립환경과학원 대기환경연구과) , 송인호 (국립환경과학원 대기환경연구과) , 김순태 (아주대학교 환경공학과)

Abstract ▼ AI-Helper

This study quantitatively analyzes the effects of emission inventory choices on the simulated particulate matter (PM) concentrations and the domestic/foreign contributions in the Seoul Metropolitan Area (SMA) with an air quality forecasting system. The forecasting system is composed of Weather Research and Forecasting (WRF)-Sparse Matrix Operator Kernel Emissions (SMOKE)-Community Multi-Scale Air Quality (CMAQ). Different domestic and foreign emission inventories were selectively adopted to set up four sets of emissions inputs for air quality simulations in this study. All modeling cases showed that model performance statistics satisfied the criteria levels (correlation coefficient >0.7, fractional error <50%) suggested by previous studies. Notwithstanding the apparently good model performance of total PM concentrations by all emission cases, annual average concentrations of simulated total PM concentrations varied up to $20{\mu}g/m^3$ (160%) depending on the combination of emission inventories. In detail, the difference in simulated annual average concentrations of the primary PM coarse (PMC) was up to $25.2{\mu}g/m^3$ (6.5 times) compared with other cases. Furthermore, model performance analyses on PM species showed that the difference in the simulated primary PMC led to gross model overestimation in general, which indicates that the primary PMC emissions need to be improved. The contribution analysis using model direct outputs indicated that the domestic contributions to the annual average PM concentrations in the SMA vary from 44% to 67%. To account for the uncertainty of the simulated concentration, the contribution correction factor method proposed by Bae et al. (2017) was applied, which resulted in converged contributions(from 48% to 57%). We believe this study shows that it is necessary to improve the simulated concentrations of PM components in order to enhance the accuracy of the forecasting model. It is deemed that these improvements will provide more accurate contribution results.

주제어

AI 본문요약
AI-Helper

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

문제 정의

총 질량농도 및 성분농도의 모사 정합도를 살펴보았다. 또한, BFM (Brute Force Method)를 이용하여 배출량 목록 선택에 따라 달라질 수 있는 수도권 PM₁₀농도에 대한 국내외 배출량의 기여도 범위를 추정하고자 하였다. 본 연구의 결과는 향후 PM₁₀예보 개선을 위한 예보용 배출량 입력자료 개선 및 비상저감 대응책 마련을 위한 대기질 예보모델의 기여도 결과 이용 시 기초자료가 될 수 있을 것으로 판단된다.
본 연구에서는 PM₁₀ 예보 시스템에서 배출량 목록 이용에 따른 모사농도 및 국내외 배출량의 기여도 차이를 살펴보았다. 예보 모델에서 모사한 수도권 지역의 2014년 PM₁₀ 및 PM_2.
본 연구에서는 다양한 배출량 목록을 바탕으로 수행한 대기질 예보결과 평가와 아울러 PM₁₀ 구성 성분별 모사농도 분석을 통해 배출량 목록 선택에 따른 PM₁₀총 질량농도 및 성분농도의 모사 정합도를 살펴보았다. 또한, BFM (Brute Force Method)를 이용하여 배출량 목록 선택에 따라 달라질 수 있는 수도권 PM₁₀농도에 대한 국내외 배출량의 기여도 범위를 추정하고자 하였다.
본 연구에서는 배출량 목록의 선택이 PM₁₀및 PM_2.5모사농도에 미치는 영향을 정량적으로 제시하였으며, 이를 통해 추후 PM₁₀ 예보 적중률 향상을 위해서 성분 모사농도의 정확도 개선을 위한 배출량 목록 개선이 필요함을 보였다. 또한, 향후 예보 모델의 적중률, 성분 모사 재현성 확보 및 모사오차를 고려한 기여도 보정 계수의 적용을 통해 단기 대응책 마련을 위한 기여도 분석 결과를 제시할 수 있을 것으로 기대한다.

가설 설정

예를 들어, 생물학적 연소에서 많이 발생하는 유기탄소의 경우 Case 1이 상대적으로 다른 모사에 비해 높아 생물학적 연소에 의한 기여도가 다른 모사 결과에 기반한 기여도 평가에 비해 크게 나타날 수 있다. 둘째, primary PM₁₀배출량 개선의 중요성이다. Primary PM₁₀으로 판단이 가능한 조대입자, 무기탄소, 기타 성분은 관측농도 기준 PM₁₀의 64%, PM_2.

제안 방법

기상모사에 대한 정합도 평가는 NOAA (National Oceanic and Atmospheric Administration)에서 제공하는 MADIS 관측자료를 이용하였다. 그림 2에 동북아시아 지역을 대상으로 모사 영역에 있는 MADIS 측정망 자료를 공간적으로 평균하여 일평균 2-m 온도 및 10-m 풍속에 대한 시계열 및 산포도를 제시하였다. 표 5에 분기별 통계분석 결과를 보였다.
, 2008) 대기질 모델 입력용 인위적 배출량으로 변환하였다. 단, MICS-Asia 2010의 경우 degree (도) 단위 격자 자료를 본 연구의 도메인에 맞게 재격자화 하였으며, 배출부문별 특성에 따라 시간할당 및 화학종 분배를 수행하였다.
, 2016). 본 연구에서는 배출량 변화율이 매우 작을 때 발생할 수 있는 수치적 노이즈 (Tonnesen and Dennis, 2000)와 실현 가능한 국내 배출량 저감계획 등을 고려하여, 국내 배출량을 50% 삭감하여 기여도 모사에 이용하였다.
(2017)은 기본모사의 불확실성을 고려한 기여도 분석을 위해 기여도 보정계수 (CCF, Contribution Correction Factor)를 제안하였다. 본 연구의 기본모사는 선행연구의 최소기준을 만족하는 수준이므로, 관측농도를 기반으로 모사농도를 보정하여, 국내외 기여도 변화를 살펴보았다. 기여도 보정계수는 기본 모사농도와 관측농도의 상대적인 비율로 각 Case별로 서로 다른 값을 가지며, 1보다 큰 값의 경우 과소모사로 인해 기여도가 증가되어야 하는 성분, 1보다 작은 값의 경우 과대모사로 인해 기여도가 감소되어야 하는 성분을 뜻한다.
본 절에서는 PM₁₀ 및 성분농도에 대한 분기별 국내외 기여도를 수도권과 중국의 primary 배출량 및 전구 물질 배출량을 고려하여 분석하였다. 그림 4는 primary PM₁₀에 대한 배출량과 기여도를 보인 것이다.
, 1999) 메커니즘을 바탕으로 화학종 분배를 수행하였다. 생성된 자연적 배출량은 표 2의 Case 1~Case 4의 배출량 목록 구성에 따라 생성된 인위적 배출량과 병합하여 대기질 모사를 위한 배출량 입력자료로 이용하였다.
이와 함께, 수도권 집중측정소 (서울특별시 은평구 불광동)의 관측자료를 이용하여 PM₁₀와 PM_2.5 그리고 개별 성분에 대한 모사농도의 재현성을 평가하였다 (표 6). PM₁₀는 조대입자와 PM_2.
자연적 배출량의 경우 MEGAN (The Model of Emissions of Gases and Aerosols from Nature; Guenther et al., 2006) version 2.0.4 를 이용하여 마련하였으며, SAPRC99 (Statewide Air Pollution Research Center, Version 99; Carter et al., 1999) 메커니즘을 바탕으로 화학종 분배를 수행하였다. 생성된 자연적 배출량은 표 2의 Case 1~Case 4의 배출량 목록 구성에 따라 생성된 인위적 배출량과 병합하여 대기질 모사를 위한 배출량 입력자료로 이용하였다.

대상 데이터

CMAQ modeling domain with a 27-km horizontal resolution used in the study. The inset map shows the Seoul Metropolitan Area (SMA). Black dots represent MADIS monitors and gray squares inside the SMA represent Air Monitoring Stations.
, 2017) 배출량 목록을 이용하였다. 국내에 대하여는 INTEX-B 2006 및 CAPSS (Clean Air Policy Supporting System) 2007, CAPSS 2010 자료를 이용하였다. 국내/외의 연간 배출량 목록은 SMOKE (Sparse Matrix Operation Kernel Emissions; Benjey et al.
기상 입력자료는 WRF (Weather Research and Forecast; Skamarock et al., 2008) version 3.5.1을 이용한 모사를 통해 원자료를 생성하였으며, MCIP (Meteorology- Chemistry Interface Processor) version 3.6을 이용하여 배출량 산정 및 대기질 모델의 입력자료 형태로 준비하였다. 기상 초기장 및 경계장의 경우 NCEP (National Centers for Environmental Prediction)에서 제공되는 0.
기상 초기장 및 경계장의 경우 NCEP (National Centers for Environmental Prediction)에서 제공되는 0.5°×0.5°GFS (Global Forecasting System) 자료를 이용하였다.
기상모사에 대한 정합도 평가는 NOAA (National Oceanic and Atmospheric Administration)에서 제공하는 MADIS 관측자료를 이용하였다. 그림 2에 동북아시아 지역을 대상으로 모사 영역에 있는 MADIS 측정망 자료를 공간적으로 평균하여 일평균 2-m 온도 및 10-m 풍속에 대한 시계열 및 산포도를 제시하였다.
대상 오염물질은 이산화황 (SO2, Sulfur dioxide), 질소산화물 (NOx, Nitrogen oxides), PM10, PM2.5 (Particulate matter of which diameter is 2.5 μm or less), 비메탄 휘발성 유기화합물 (NMVOC, Non-methane volatile organic compound), 유기탄소 (OC, Organic carbon), BC (Black Carbon), 일산화탄소 (CO, Carbon oxide)로 구성되어 있다.
INTEX-B 2006 은 NASA (National Aeronautics and Space Administration) 의 INTEX-B 프로젝트에 의해 작성되었다. 대상 지역은 아시아 지역의 22개 국가를 포함하고 있다. 배출원은 주요 인위적 오염원 (발전, 공업, 교통, 주거)을 포함하고 있으며, 28개의 세부적인 SCC로 구성되어 있다.
본 연구에서 수행한 모사의 모사영역 및 모사 정합도 평가를 위해 이용된 측정망의 위치는 그림 1과 같다. 모사 정합도 평가를 위해 기상 관측자료는 MADIS (Meteorological Assimilation Data Ingest System; NOAA, 2005)를 이용하였으며, 대기질 관측자료는 수도권 지역의 111개 AMS (Air quality Monitoring Station) 자료를 이용하였다.
대상 지역은 아시아 지역의 22개 국가를 포함하고 있다. 배출원은 주요 인위적 오염원 (발전, 공업, 교통, 주거)을 포함하고 있으며, 28개의 세부적인 SCC로 구성되어 있다. 대상 오염물질은 이산화황 (SO₂, Sulfur dioxide), 질소산화물 (NO_x, Nitrogen oxides), PM₁₀, PM_2.
본 연구의 대상기간은 비교적 최근 년도이면서 확정된 성분 관측자료의 이용이 가능한 2014년 1월 1일 ~12월 31일로 정하였다. 모사영역은 27-km 수평해상도를 바탕으로 한반도, 일본 및 중국 대부분 지역이 포함되도록 설정하였다.
지형자료의 경우 SRTM (Shuttle Radar Topography Mission)을 통해 작성된 90 m 해상도의 DEM (Digital Elevation Model) 자료를 이용하였으며, 토지이용자료로는 환경부 중분류 자료를 이용하였다. 수직 격자 구조는 30층으로 구성하였다. WRF 모델 구동에 이용된 세부 옵션은 표 1에 제시하였다.
, 2010), 화학 메커니즘은 SAP RC99을 이용하였다. 수직층은 15층으로 구성하였으며, 최하층의 높이는 32-m로 설정하였다. 대기질 모델의 세부 옵션은 표 4에 정리하여 수록하였다.
5°GFS (Global Forecasting System) 자료를 이용하였다. 지형자료의 경우 SRTM (Shuttle Radar Topography Mission)을 통해 작성된 90 m 해상도의 DEM (Digital Elevation Model) 자료를 이용하였으며, 토지이용자료로는 환경부 중분류 자료를 이용하였다. 수직 격자 구조는 30층으로 구성하였다.
(2016)에 제시된 상관계수에 대한 목표기준과 최소기준을 이용하였다 (표 6의 하단 참조). 평가를 위해서 SMA의 모든 AMS 측정자료를 공간적으로 평균한 시계열 자료를 사용하였다. 도시대기 측정망에서의 연평균 PM₁₀ 관측농도는 49 μg/m³, 모사농도는 각각 54 μg/m³ (Case 1), 32.

이론/모형

PM₁₀ 및 PM_2.5총 질량에 대한 모사 재현성에 대한 평가는 표 6의 하단에 인용한 Emery et al. (2016)의 추천 값을 기준으로 삼았다. 상관성의 경우 목표 수준에 근사하였으며, 상대적인 편차의 경우 최소기준을 만족 하여 전반적인 재현성이 확보된 것으로 판단된다.
국내에 대하여는 INTEX-B 2006 및 CAPSS (Clean Air Policy Supporting System) 2007, CAPSS 2010 자료를 이용하였다. 국내/외의 연간 배출량 목록은 SMOKE (Sparse Matrix Operation Kernel Emissions; Benjey et al., 2001) version 3.1을 이용하여 처리하였으며, SCC (Source Classification Code) 별 시간 및 공간 분배계수를 할당하여 (Kim et al., 2008) 대기질 모델 입력용 인위적 배출량으로 변환하였다. 단, MICS-Asia 2010의 경우 degree (도) 단위 격자 자료를 본 연구의 도메인에 맞게 재격자화 하였으며, 배출부문별 특성에 따라 시간할당 및 화학종 분배를 수행하였다.
국내외 기여도 산정은 BFM 기법을 이용하였다. 이 기법은 기본 배출량 입력자료를 바탕으로 기본 모사를 수행한 결과와 일정 수준의 배출량이 감소된 수정 배출량 입력자료를 바탕으로 재모사된 결과를 이용하여 식 (1)과 같이 민감도 계수를 계산하는 방법이다 (Bartnicki, 1999).
본 연구에서는 국내외 인위적 배출량 목록 이용에 따른 농도 및 기여도 분석을 위한 모사를 표 2와 같이 수행하였다. 국외에 대하여는 INTEX-B 2006 (the Intercontinental Chemical Transport Experiment-Phase B 2006; Zhang et al., 2009)과 MICS-Asia 2010 (Model Inter-Comparison Study for Asia; Li et al., 2017) 배출량 목록을 이용하였다. 국내에 대하여는 INTEX-B 2006 및 CAPSS (Clean Air Policy Supporting System) 2007, CAPSS 2010 자료를 이용하였다.
모사의 신뢰도를 가늠하기 위해 수도권 지역의 도시 대기 측정망 관측자료를 이용하여 PM₁₀ 모사농도의 재현성을 평가하였다 (표 6), PM₁₀ 모사농도 재현성 평가를 위해 Boylan and Russell (2006)가 제시한 FB (Fractional Bias)와 FE (Fractional Error)의 목표기준 (goal) 과 최소기준 (criteria)을, Emery et al. (2016)에 제시된 상관계수에 대한 목표기준과 최소기준을 이용하였다 (표 6의 하단 참조). 평가를 위해서 SMA의 모든 AMS 측정자료를 공간적으로 평균한 시계열 자료를 사용하였다.
1을 이용하여 대기질 농도를 모사하였다. 에어로졸 모듈은 AERO5 (Aerosol module version 5; Carlton et al., 2010), 화학 메커니즘은 SAP RC99을 이용하였다. 수직층은 15층으로 구성하였으며, 최하층의 높이는 32-m로 설정하였다.
표 2의 배출량 목록 구성을 바탕으로 광화학 모델 CMAQ (Community Multiscale Air Quality; Byun and Schere, 2006) version 4.7.1을 이용하여 대기질 농도를 모사하였다. 에어로졸 모듈은 AERO5 (Aerosol module version 5; Carlton et al.

성능/효과

기여도 보정계수 적용에 따라 수도권 지역 PM₁₀의 국내 기여도는 보정 전 43%~67%에서 보정 후 48%~ 57%, PM_2.5의 국내 기여도는 보정 전 31%~65%에서 보정 후 32%~47%로 변하였다 (그림 7 참조). 네 가지 Case의 국내외 기여율 차이는 보정 후 PM₁₀의 경우 10% 이내, PM2.
5의 국내 기여도는 보정 전 31%~65%에서 보정 후 32%~47%로 변하였다 (그림 7 참조). 네 가지 Case의 국내외 기여율 차이는 보정 후 PM₁₀의 경우 10% 이내, PM2.5의 경우 15% 이내로 간격이 좁아지는 경향을 보였다. 즉 기여도 보정계수 적용 후 여러 가지 배출량 조합에 의한 상대적인 기여율이 수렴하였다.
농도에 대한 상대적인 국내 기여도는 Case 1이 67%로 가장 높았으며, Case 2~Case 4는 44%로 유사한 기여도를 보였다. 농도 모사에 대한 불확실성을 고려하여 기여도 보정계수를 적용 시 PM₁₀의 국내 기여도는 48%~57% 수준으로, PM_2.5의 국내 기여도는 32%~ 47% 수준으로 모사되었다. 기여도 보정계수 적용 후 국내외의 기여율이 유사하게 변하는 이유는 과대 또는 과소 모의 경향이 두드러진 성분들의 기여도가 관측 농도 수준으로 보정되었기 때문으로, 성분별 모사 정확도의 개선이 모사농도 및 기여도 추정에 있어 중요할 것으로 판단된다.
대기질 예보 모사를 이용한 PM₁₀의 국내/외 기여도 분석은 이용되는 배출량 목록의 조합에 따라 연평균이 최대 22%의 차이를 보였다. 차이를 유발한 가장 큰 요인은 Case 1이 Case 2~4보다 기타성분의 국내 기여도를 20 μg/m³ 가량 크게 모사하였기 때문이다.
본 연구에서 제시한 기여도는 기본모사와 이용된 방법론에 대한 불확실성을 포함하고 있으며, 관측치와 유사한 수준으로 모사농도가 개선될 경우 산정된 기여도 역시 달라질 수 있다. Bae et al.
상관성의 경우 목표 수준에 근사하였으며, 상대적인 편차의 경우 최소기준을 만족 하여 전반적인 재현성이 확보된 것으로 판단된다. 성분 모사농도의 재현성은 secondary PM₁₀의 경우 대부분 최소기준을 (NMB 0.6 이하, 상관계수 0.6 이상) 만족하였다. 반면, primary PM₁₀ (조대입자, 무기탄소, 기타성분 등)의 경우 NMB는 최소기준을 만족하나, 상관성은 대부분 0.
질소산화물은 CAPSS 2007이 가장 큰 배출량을 산정하고 있으며, INTEX-B 2006에 비해 7%, CAPSS 2010 에 비해 40% 크다. 암모니아 또한 CAPSS 2007이 가장 큰 배출량을 산정하며, 다른 배출량 목록보다 70% 가량 크다. 조대입자는 CPASS 2010이 가장 큰 배출량을 산정하며, INTEX-B 2006에 비해 20%, CAPSS 2007에 비해 10% 크다.
6 μg/m³ 차이를 보였다. 예보모델의 재현성은 Case 1의 경우 FB와 FE 모두 목표기준을 만족하였으며, 다소 과소모사를 보인 Case 2~4의 경우 FB 항목은 최소기준을, FE 항목은 목표기준을 만족하였다. 관측과 모사의 상관성은 모든 Case에서 목표기준 0.
에 대한 전구물질 배출량과 기여도를 보인 것이다. 전반적으로 국내 기여도는 2분기와 3분기에 높게 모사되었으며, 국외 기여도는 1분기와 4분기에 높게 모사되어 서로 상반된 경향이 모사되었다. 그 이유는 첫째로 계절풍에 의해 풍상 지역으로부터 오염물질의 유입이 1분기와 4분기에 용이하다 (NIER, 2011b).
암모니아 또한 CAPSS 2007이 가장 큰 배출량을 산정하며, 다른 배출량 목록보다 70% 가량 크다. 조대입자는 CPASS 2010이 가장 큰 배출량을 산정하며, INTEX-B 2006에 비해 20%, CAPSS 2007에 비해 10% 크다. Primary PM2.
5의 경우 15% 이내로 간격이 좁아지는 경향을 보였다. 즉 기여도 보정계수 적용 후 여러 가지 배출량 조합에 의한 상대적인 기여율이 수렴하였다.
5 개별 성분에 대한 통계 분석결과는 두가지 의미를 내포하고 있다. 첫째, 배출량 목록 선택에 따라 주요 성분의 모사값이 크게 달라질 수 있으며 이는 주요 기여도 지역 및 오염원군이 달라질 수 있다는 것을 의미한다. 예를 들어, 생물학적 연소에서 많이 발생하는 유기탄소의 경우 Case 1이 상대적으로 다른 모사에 비해 높아 생물학적 연소에 의한 기여도가 다른 모사 결과에 기반한 기여도 평가에 비해 크게 나타날 수 있다.

후속연구

기여도 보정계수 적용 후 국내외의 기여율이 유사하게 변하는 이유는 과대 또는 과소 모의 경향이 두드러진 성분들의 기여도가 관측 농도 수준으로 보정되었기 때문으로, 성분별 모사 정확도의 개선이 모사농도 및 기여도 추정에 있어 중요할 것으로 판단된다. 또한, 기여도 보정계수의 적용 시에도 최소 수준의 모사 재현성이 요구되므로, 모사 재현성이 가장 부족하였던 조대입자와 기타 성분의 경우 배출량 목록의 개선이 우선적으로 필요할 것으로 판단된다.
5 모사농도에 미치는 영향을 정량적으로 제시하였으며, 이를 통해 추후 PM₁₀ 예보 적중률 향상을 위해서 성분 모사농도의 정확도 개선을 위한 배출량 목록 개선이 필요함을 보였다. 또한, 향후 예보 모델의 적중률, 성분 모사 재현성 확보 및 모사오차를 고려한 기여도 보정 계수의 적용을 통해 단기 대응책 마련을 위한 기여도 분석 결과를 제시할 수 있을 것으로 기대한다.
6 이상) 만족하였다. 반면, primary PM₁₀ (조대입자, 무기탄소, 기타성분 등)의 경우 NMB는 최소기준을 만족하나, 상관성은 대부분 0.5 이하로 추후 개선이 필요하다.
또한, BFM (Brute Force Method)를 이용하여 배출량 목록 선택에 따라 달라질 수 있는 수도권 PM₁₀농도에 대한 국내외 배출량의 기여도 범위를 추정하고자 하였다. 본 연구의 결과는 향후 PM₁₀예보 개선을 위한 예보용 배출량 입력자료 개선 및 비상저감 대응책 마련을 위한 대기질 예보모델의 기여도 결과 이용 시 기초자료가 될 수 있을 것으로 판단된다.
즉, 보다 정확한 대기질 예보를 위해 성분 모사농도의 정확도 개선이 필요할 것으로 판단되며, 특히 primary PM (조대 입자, 기타 성분)의 과소모사는 연평균 17~20 μg/m3 (Case 1 제외)으로 과소모사의 대부분을 차지하는 바, primary PM 배출량 목록 개선을 위한 노력이 우선적으로 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	PM10 과소모사의 주요한 원인은 무엇인가?	국내에서 PM10 관련 예보 모사결과를 보면 예측농도는 관측농도에 비해 과소모사되는 경향이 나타난다 (MSIP, 2015; NIER, 2011a). 일반적으로 대기질 모델의 과소모사 이유로는 기상 입력자료 (Kim et al., 2017a; Jeong et al., 2007)와 배출량 자료 (Digar et al., 2011)가 주요한 원인으로 지목된다.
	BFM 기법이란 무엇인가?	국내외 기여도 산정은 BFM 기법을 이용하였다. 이 기법은 기본 배출량 입력자료를 바탕으로 기본 모사를 수행한 결과와 일정 수준의 배출량이 감소된 수정 배출량 입력자료를 바탕으로 재모사된 결과를 이용하여 식 (1)과 같이 민감도 계수를 계산하는 방법이다 (Bartnicki, 1999). 식 (1)에서 Si는 배출원 i에 대한 민감도 계수, C0는 기본 모사농도, C i,x%는 배출원 i에 대해 배출량을 x% 변화시킨 후 재모사된 농도이며, ei,x%는 배출원 i에 대한 배출량 변화율 (x/100)을 의미한다.
	현재 PM10 예보 등급은 어떻게 구분되는가?	환경부 및 지자체에서는 국민들이 야외 활동 시 인체에 유해한 PM10 (PM10, Particulate Matter of which diameter is 10 μm or less) 노출을 고려하여 일상 활동 여부를 결정하는 것을 돕고자 대기질 예보시스템을 운영하여 PM10 정보를 제공하고 있다 (MOE, 2012). 현재 PM10 예보는 당일 및 익일에 대하여 일평균 농도를 “좋음” (0~30 μg/m3), “보통” (31~80 μg/m3), “나쁨” (81~150 μg/m3), “매우 나쁨” (151 μg/m3 이상)의 네 가지 농도 등급을 제공하고 있다. 특히, 매우 나쁨 수준의 PM10이 예측된 경우에는 보다 능동적인 PM10 농도 감소를 위해 원인이 되는 배출원을 제어하는 비상저감 대책의 시행이 검토된다 (MOE, 2017).

참고문헌 (34)

Bae, C.H., H.C. Kim, B.U. Kim, and S. Kim (2015) Improvement of PM forecast using PSAT based customized emission inventory over Northeast Asia, 14th Annual CMAS Models-3 Users' Conference, October 5-7, Chapel Hill, NC.
Bae, C.H., B.U. Kim, H.C. Kim, C. You, and S. Kim (2016) Sensitivity of particulate matter in the Seoul Metropolitan Area to emission reduction from source sectors, 17th IUAPPA World Clean Air Congress and 9th CAA Better Air Quality Conference Clean Air for Cities Perspectives and Solutions.
Bae, C.H., C. You, B.U. Kim, H.C. Kim, and S. Kim (2017) $PM_{2.5}$ simulations for the Seoul Metropolitan Area: (III) application of the modeled and observed $PM_{2.5}$ ratio on the contribution estimation, Journal of Korean Society for Atmospheric Environment, 33(5), 445-457. (In Korean with English abstract).

원문보기 상세보기
Bartnicki, J. (1999) Computing source-receptor matrices with the EMEP Eulerian acid deposition Model, EMEP MSC-W Note, 5, 99.
Benjey, W., M. Houyoux, and J. Susick (2001) Implementation of the SMOKE emission data processor and SMOKE tool input data processor in Models-3, US EPA.
Boylan, J.W. and A.G. Russell (2006) PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models, Atmospheric Environment, 40, 4946-4959.

상세보기
Byun, D.W. and K.L. Schere (2006) Review of the governing equations, computational algorithms, and other components of the Models-3 Community Multiscale Air Quality (CMAQ) modeling system, Applied Mechanics Reviews, 59(2), 51-77.

상세보기
Carlton, A.G., P.V. Bhave, S.L. Napelenok, E.O. Edney, G. Sarwar, R.W. Pinder, G.A. Pouliot, and M. Houyoux (2010) Model representation of secondary organic aerosol in CMAQv4. 7, Environmental Science and Technology, 44(22), 8553-8560.

상세보기
Carter, W.P.L. (1999) Documentation of the SAPRC-99 chemical Mechanism for VOC reactivity assessment, Report to California Air Resources Board, Contracts 92-329 and 95-308.
Digar, A., D.S. Cohan, and M.L. Bell (2011) Uncertainties influencing health-based prioritization of ozone abatement strategies, Environmental Science and Technology, 45, 7761-7767.

상세보기
Emery, C., Z. Liu, A.G. Russell, M.T. Odman, G. Yarwood, and N. Kumar (2016) Recommendations on statistics and benchmarks to assess photochemical model performance, Journal of the Air and Waste Management Association, http://dx.doi.org/10.1080/10962247.2016.1265027.

상세보기
Guenther, A., T. Karl, P. Harley, C. Wiedinmyer, P.I. Palmer, and C. Geron (2006) Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature), Atmospheric Chemistry and Physics, 6(1), 107-173.
In, H.J. and Y.P. Kim (2010) Estimation of the aerosol optical thickness distribution in the Northeast Asian forest fire episode in May 2003: Possible missing emissions, Atmospheric Research, 98(2), 261-273.

상세보기
Jeong, J.H., Y.K. Kim, Y.S. Moon, and M.K. Hwang (2007) Intercomparison of wind and air temperature fields of meteorological model for forecasting air quality in Seoul metropolitan area, Journal of Korean Society for Atmospheric Environment, 23(6), 640-652. (In Korean with English abstract)

원문보기 상세보기
Kim, B.U., C.H. Bae, H.C. Kim, E. Kim, and S. Kim (2017b) Spatially and chemically resolved source apportionment analysis: Case study of high particulate matter event, Atmospheric Environment, 162, 55-70, http://dx.doi.org/10.1016/j.atmosenv.2017.05.006.

상세보기
Kim, H.C., E. Kim, C.H. Bae, J.H. Cho, B.U. Kim, and S. Kim (2017a) Regional contributions to particulate matter concentration in the Seoul Metropolitan Area, Korea: seasonal variation and sensitivity to meteorology and emissions inventory, Atmospheric Chemistry and Physics, 17, 10315-10332, https://doi.org/10.5194/acp-17-10315-2017.

상세보기
Kim, H.C., S. Kim, B.U. Kim, C.S. Jin, S. Hong, R. Park, S.W. Son, C.H. Bae, M.A. Bae, C.K. Song, and A. Stein (2017d) Recent increase of surface particulate matter concentrations in the Seoul Metropolitan Area, Korea, Scientific Reports, 7.

상세보기
Kim, S., C.H. Bae, H.C. Kim, and B.-U. Kim (2017c) $PM_{2.5}$ simulations in the Seoul Metropolitan Area: (I) model contributions of precursor emissions in the CAPSS emissions inventory, Journal of Korean Society for Atmospheric Environment, 33(2), 139-158. (In Korean with English abstract)

원문보기 상세보기
Kim, S., N. Moon, and D.W. Byun (2008) Korea emissions inventory processing using the US EPA's SMOKE system, Asian Journal of Atmospheric Environment, 2(1), 34-46.

원문보기 상세보기
Kurokawa, J., T. Ohara, T. Morikawa, S. Hanayama, G. Janssens-Maenhout, T. Fukui, and H. Akimoto (2013) Emissions of air pollutants and greenhouse gases over Asian regions during 2000-2008: Regional Emission inventory in ASia (REAS) version 2, Atmospheric Chemistry and Physics, 13(21), 11019-11058.

상세보기
Lee, D.-G., Y.-M. Lee, K. Jang, C. Yoo, K. Kang, J.-H. Lee, S. Jung, J. Park, S.-B. Lee, J. Han, J. Hong, and S. Lee (2011) Korean national emissions inventory system and 2007 air pollutant emissions, Asian Journal of Atmospheric Environment, 5(4), 278-291, doi:10.5572/ajae.2011.5.4.278.

원문보기 상세보기
Li, M., Q. Zhang, J. Kurokawa, J.-H. Woo, K.B. He, Z. Lu, T. Ohara, Y. Song, D.G. Streets, G.R. Carmichael, Y.F. Cheng, C.P. Hong, H. Huo, X.J. Jiang, S.C. Kang, F. Liu, H. Su, and B. Zheng (2017) MIX: a mosaic Asian anthropogenic emission inventory for the MICS-Asia and the HTAP projects, Atmospheric Chemistry and Physics, 17(2), 935.

상세보기
Lu, Z., Q. Zhang, and D.G. Streets (2011) Sulfur dioxide and primary carbonaceous aerosol emissions in China and India, 1996-2010, Atmospheric Chemistry and Physics, 11, 9839-9864, doi:10.5194/acp-11-9839-2011.

상세보기
NIER (2011a) Study on the construction of high resolution weather-atmosphere modeling for urban scale fine dust forecasting (III). (in Korean)
NIER (2011b) Evaluation of impacts of long-transport pollutants in Northeast Asia (II). (in Korean)
NIER (2014) Improve accuracy of ozone forecasting and improve emission processing model (I). (in Korean)
NIER (2015) National Institute of Environmental Research annual report. (in Korean)
NOAA (2005) https://madis.noaa.gov/ (accessed on Aug. 16, 2017).
MOE (2012) A Study on Improvement and Expansion of Urban Scale $PM_{2.5}$ Forecasting System. (in Korean)
MOE (2017) Emergency action plan for high-concentration PM in the Seoul metropolitan area, http://www.me.go.kr/home/web/board/read.do?menuId286&boardMasterId1&boardCategoryId39&boardId762290 (accessed on Aug. 23, 2017). (in Korean)
MSIP (2015) Development of Korean air quality simulation system for $PM_{2.5}$ forecasting. (in Korean)
Skamarock, W.C., J.B. Klemp, J. Dudhia, D.O. Gill, D.M. Barker, M.G. Duda, X. Huang, W. Wang, and J.G. Powers (2008) A description of the advanced research WRF version 3, NCAR Tech. Note NCAR/TN-475+STR, National Center for Atmospheric Research, Boulder, CO, 125.
Tonnesen, G.S. and R.L. Dennis (2000) Analysis of radical propagation efficiency to assess ozone sensitivity to hydrocarbons and $NO_x$ : 1. Local indicators of instantaneous odd oxygen production sensitivity, Journal of Geophysical Research: Atmospheres, 105(D7), 9213-9225.

상세보기
Zhang, Q., D. Streets, G. Carmichael, K. He, H. Huo, A. Kannari, Z. Klimont, I. Park, S. Reddy, J. Fu, D. Chen, L. Duan, Y. Lei, L. Wang, and Z. Yao (2009) Asian emissions in 2006 for the NASA INTEX-B mission, Atmospheric Chemistry and Physics Discussions, 9(1), pp. 4081-4139.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증