[논문]서울 서대문구 지상 미세먼지 관측 비교

구자호; 이서영; 김민석; 박중희; 전수안; 노현석; 김준; 이윤곤

doi:10.14191/atmos.2018.28.4.469

서울 서대문구 지상 미세먼지 관측 비교
Comparison of Ground-Based Particulate Matter Observations in the Seodaemun-gu District, Seoul 원문보기

대기 = Atmosphere, v.28 no.4, 2018년, pp.469 - 477

구자호 (연세대학교 대기과학과) , 이서영 (연세대학교 대기과학과) , 김민석 (연세대학교 대기과학과) , 박중희 (연세대학교 대기과학과) , 전수안 (연세대학교 대기과학과) , 노현석 (연세대학교 대기과학과) , 김준 (연세대학교 대기과학과) , 이윤곤 (충남대학교 대기과학과)

Abstract ▼ AI-Helper

We performed the comparison of observed $PM_{10}$ and $PM_{2.5}$ at both the Yonsei University and the AIRKOREA site in the same Seodaemun-gu district, Seoul from March to December 2016. Generally, the moderate correlations between two sites were found for both $PM_{10}$ and $PM_{2.5}$, but monthly difference was somewhat occurred, implying that the measurement situation is not equally maintained even in a closely located area. Particularly correlations became weaker in June and July, which seems the impact of rainy conditions. Correlations between two stations were higher for $PM_{10}$ compared to $PM_{2.5}$, probably indicating the spatially larger difference of fine mode particle. Monthly mean variation was similar between two sites showing a maximum in March and minimum in August. Diurnal variation was somewhat different: morning peak at Yonsei University but evening peak at the Seodaemun-gu AIRKOREA site, reflecting the difference of local air condition. We also compared the extent of $PM_{10}$ and $PM_{2.5}$ according to the local wind speed and direction. In general, the level of particulate matter was high when the wind is blowing from the northwestern area with low wind speed, meaning the high accumulation effect of transported air particles. Findings of this study can be usefully considered for the investigation about the discrepancy of aerosol measurement in a local scale.

주제어

표/그림 (8)

그림 Fig. 2. (a) Correlation between daily mean PM₁₀ (black circle) and PM_2.5 (red triangle) at two observation sites in the Seodaemun-gu area during whole research period (March to December 2016), expressed by determining coefficients (R²). (b) Monthly variation of R² for PM₁₀ and PM_2.5 between two observation sites in the Seodaemun-gu district during the research period.
그림 Fig. 1. The location of two monitoring sites in the Seodaemun-gu district: Yonsei University and Seodaemun AIRKOREA sites.
그림 Fig. 3. Monthly mean variation of PM₁₀ (black circle) and PM_2.5 (red triangle) at (a) Yonsei university and (b) AIRKOREA sites in the Seodaemun-gu district during the research period (March to December 2016).
그림 Fig. 4. Monthly variation of (a) PM₁₀-PM_2.5 difference and (b) PM_2.5/PM₁₀ ratio for both sites in the Seodaemun-gu district.
그림 Fig. 5. Hourly mean variation of PM₁₀ (black) and PM_2.5(red) at (a) Yonsei university and (b) AIRKOREA sites in the Seodaemun-gu district during the research period (March to December 2016).
그림 Fig. 6. During the research period (March to December 2016), mean PM₁₀ (yellow) and PM_2.5 (brown) values at (a) Yonsei university and (b) AIRKOREA sites for each sector of wind speed are compared.
그림 Fig. 7. During the research period (March to December 2016), mean PM₁₀ (yellow) and PM_2.5 (brown) values at (a) Yonsei university and (b) AIRKOREA sites for each sector of wind direction are compared.
그림 Fig. 8. Correlation coefficients of PM₁₀ (black circle) and PM_2.5 (white triangle) between the Yonsei university and AIRKOREA sites for each sector of (a) wind speed and (b) wind direction.

AI 본문요약
AI-Helper

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

문제 정의

, 2017) 고려, 두 관측소에서의 미세먼지 관측값이 풍향, 풍속에 따라 얼마나 유사하게 또는 다르게 나타날 수 있는지를 간략히 비교해보았다. 기존 연구에서도 같은 도시 범위에서의 자료를 활용, 미세먼지 특성을 분석해 보기도 했으나(Son and Kim, 2009), 이 연구는 보다 더 좁은 구별(district) 행정 구역상에서도 관측 기기의 위치에 따라 또는 운영하는 관측 기기에 따라 관측값의 차이가 나타날 수 있는 범위가 어느 정도인지를 살펴봄으로써 공간적으로 조밀한 관측망의 운용 및 그 자료 활용 가능성에 대해 생각해보고자 한다.
실제로 위에서 두 관측소 사이 PM 관측값의 차이를 관측소 주변 바람장의 특징이 연관될 수 있을 가능성과 연관하여 추정해보기도 하였다. 따라서 풍속 및 풍향의 특성에 따라 미세먼지 농도가 어떻게 변할 수 있는지에 대한 추가 분석을 다음과 같이 진행해보았다.
본 연구는 서대문구에 위치하는 에어코리아 관측소에서 측정한 PM₁₀ 및 PM_2.5 자료를 연세대학교 과학관에서 관측한 PM₁₀ 및 PM_2.5 자료와 동일기간에 대해서 비교해보고 대기 미세먼지 농도가 바람장의 특성에 따라 달라질 수 있음을 강조한 최근 연구 결과들을(Wang et al., 2016; Kim et al., 2017) 고려, 두 관측소에서의 미세먼지 관측값이 풍향, 풍속에 따라 얼마나 유사하게 또는 다르게 나타날 수 있는지를 간략히 비교해보았다. 기존 연구에서도 같은 도시 범위에서의 자료를 활용, 미세먼지 특성을 분석해 보기도 했으나(Son and Kim, 2009), 이 연구는 보다 더 좁은 구별(district) 행정 구역상에서도 관측 기기의 위치에 따라 또는 운영하는 관측 기기에 따라 관측값의 차이가 나타날 수 있는 범위가 어느 정도인지를 살펴봄으로써 공간적으로 조밀한 관측망의 운용 및 그 자료 활용 가능성에 대해 생각해보고자 한다.
본 연구에서는 서대문구 내에 있는 두 미세먼지 관측소에서 측정된 PM₁₀ 및 PM_2.5 자료를 비교하여 유사성과 차이점을 찾아보았다. 추가적으로 두 관측소 사이 미세먼지 농도의 시공간적 변화에 가장 큰 영향을 미칠 수 있는 기상인자로 여겨지는 바람장의 특징에 따라 미세먼지 농도 변화가 어떤 식으로 차이를 보이는지에 대해서도 간략히 살펴보았다.
추가적으로 두 관측소 사이 미세먼지 농도의 시공간적 변화에 가장 큰 영향을 미칠 수 있는 기상인자로 여겨지는 바람장의 특징에 따라 미세먼지 농도 변화가 어떤 식으로 차이를 보이는지에 대해서도 간략히 살펴보았다.

가설 설정

During the research period (March to December 2016), mean PM₁₀ (yellow) and PM_2.5 (brown) values at (a) Yonsei university and (b) AIRKOREA sites for each sector of wind direction are compared.
During the research period (March to December 2016), mean PM₁₀ (yellow) and PM_2.5 (brown) values at (a) Yonsei university and (b) AIRKOREA sites for each sector of wind speed are compared.
, 2007) 북서풍이 강한 시점에 PM 농도가 높게 관측되는 현상이 잘 설명된다. 한편 바람장의 변화와 미세먼지의 농도 사이의 특성을 살펴보는 최근 연구들의 경우(e.g., Kim et al., 2017) 바람장의 변동성이 PM₁₀과 PM_2.5각각에 미치는 영향의 차이에 대해서는 크게 다룬 바가 없는데 비해 본 연구는 바람에 의해 미세먼지의 축적 및 확산에 따른 농도 변화의 특성이 PM₁₀과 PM_2.5 사이에서 다르게 나타남을 가리키고 있다. 즉 PM_2.

제안 방법

같은 방식으로 두 관측소의 PM₁₀과 PM_2.5 관측값의 시간별 평균값이 하루 중 나타내는 일 변동성(diurnal variation) 특징도 비교해보았다(Fig. 5). 결과적으로 두 관측소에서 보이는 변동성이 확연하게 다른 것을 발견할 수 있었다.
끝으로, 두 관측소의 PM₁₀및 PM_2.5의 관측값 사이 상관성이 풍향과 풍속에 따라 어떻게 차이가 날 수 있는지에 대해 살펴보았다(Fig. 8). 풍속 구간에 따라서 살펴보았을 경우 상관성이 크게 차이를 보이지는 않았으나, PM₁₀의 상관성이 풍속이 가장 느릴 때 제일 높게 나타나는 반면 풍속이 증가할수록 조금씩 상관성이 떨어지는 모습을 보이는 것을 통해 풍속이 낮을 때 같은 행정구역상 PM₁₀의 관측값 사이 일치도가 조금 더 높음을 살펴볼 수 있다.
먼저 두 관측소에서 측정된 PM₁₀과 PM_2.5사이의 상관성이 관측 전체 기간 동안 월별로 얼마나 다르게 나타날 수 있는 지에 대해 결정계수(R²) 값을 이용하여 살펴보았다(Fig. 2). 전체 분석 기간 동안 두 관측소 사이 PM₁₀ 및 PM_2.

대상 데이터

1. The location of two monitoring sites in theSeodaemun-gu district: Yonsei University and Seodaemun AIRKOREA sites.
1) 두 관측소가 다른 환경에서 다른 관측 방식을 사용하고 있으므로 관측 결과물을 상호 비교하는 일은 의미가 있어 보인다. 관측 기간이 겹치는 2016년 3월부터 동년 12월까지의 자료를 사용하여 비교를 진행하였고, 기상장 관측 자료는 서울시 서대문구에서 측정한 자료를 이용하였다. 기본적으로 1시간 평균값을 이용하여 분석을 진행하였다.
본 연구의 대상이 되는 서울 서대문구에는 에어코리아 등록 관측소인 서대문 관측소(서울 서대문구 연희로32길 51 서대문구 자연사박물관)에서 베타선 흡수법으로 미세먼지 관측을 진행하고 있다. 한편 연세대학교 대기과학과에서도 과학관 관측소(서울특별시 서대문구 연세로50)에서 GRIMM사의 Dust Monitor(EDM180) 기기를 이용, 광산란법을 통해 미세먼지를 관측하고 있다.

데이터처리

관측 기간이 겹치는 2016년 3월부터 동년 12월까지의 자료를 사용하여 비교를 진행하였고, 기상장 관측 자료는 서울시 서대문구에서 측정한 자료를 이용하였다. 기본적으로 1시간 평균값을 이용하여 분석을 진행하였다.
두 관측소 사이의 미세먼지 관측값이 양호한 상관성을 가지는 것을 바탕으로 각각의 관측소에서 PM₁₀ 및 PM_2.5가 보이는 월별 평균 분석을 진행하였다. 월별 변화를 보면(Fig.

성능/효과

그 결과 연세대학교에서는 PM10과 PM2.5 관측값의 차이가 분석 기간 전체적으로 약 14 μg m−3 정도의 차이를 보이는 반면 서대문 에어코리아 관측소에서는 전체적으로 약 26 μg m−3 정도의 차이가 나타난다.
5의 경우 연세대 관측소에서 조금 더 높게 나타나는 특성을 보이고 있다. 두 관측소의 위치를 고려해보면(Fig. 1) 연세대학교 관측소가 상업 지구 및 큰 도로에 인접하고 있는데 반해 서대문 에어코리아 관측소는 주위에 안산과 같은 수풀 지역이 위치하고 있는 것이 확인되는데, 이를 통해 상대적으로 인위적인 배출량의 기여도가 높은 PM_2.5농도가 연세대학교 관측소에서 보다 더 크게 관측될 수 있음을 확인할 수 있다.
추가적으로 두 관측소 사이 미세먼지 농도의 시공간적 변화에 가장 큰 영향을 미칠 수 있는 기상인자로 여겨지는 바람장의 특징에 따라 미세먼지 농도 변화가 어떤 식으로 차이를 보이는지에 대해서도 간략히 살펴보았다. 분석 결과, PM_2.5보다는 PM₁₀관측값 사이 상관성이 좀 더 높게 나타나는 특성을 통해 1차적인 발생원을 가지는 입자들의 정보는 서대문구라는 행정구역 범위에서 어느 정도 유사성을 보이나 2차 생성 과정을 통해 형성되는 작은 크기의 입자 특성은 같은 서대문구 내에서도 차이가 비교적 크게 나타날 수 있음을 확인하였다. 이를 바탕으로 바람장에 따라 분석을 해보면 북풍계열의 바람이 존재하고 풍속이 낮을 때 두 관측소에서 측정된 PM₁₀값이 가장 유사하게 나타나는 것을 알 수 있었다.
7). 분석 결과, 두 관측소 모두 서풍 및 북풍계열이 강하게 나타날 때(Shin et al., 2007;Hwang et al., 2009) 미세먼지 농도를 보다 더 높게 나타내고 있는 것이 확인된다. 특히 가장 높은 PM₁₀과 PM_2.
월별로 상관관계를 나누어서 살펴보면(Fig. 2b) PM₁₀과 PM_2.5의 경우 모두 R²의 값의 월별 변화가 크게 나타나는 것을 확인할 수 있었는데 전체적으로는 PM₁₀ 관측값 사이의 상관성이 PM_2.5관측값 사이 상관성보다 높게 나타나는 것을 볼 수 있다. 세부적으로는 PM_2.
5보다는 PM₁₀관측값 사이 상관성이 좀 더 높게 나타나는 특성을 통해 1차적인 발생원을 가지는 입자들의 정보는 서대문구라는 행정구역 범위에서 어느 정도 유사성을 보이나 2차 생성 과정을 통해 형성되는 작은 크기의 입자 특성은 같은 서대문구 내에서도 차이가 비교적 크게 나타날 수 있음을 확인하였다. 이를 바탕으로 바람장에 따라 분석을 해보면 북풍계열의 바람이 존재하고 풍속이 낮을 때 두 관측소에서 측정된 PM₁₀값이 가장 유사하게 나타나는 것을 알 수 있었다. PM_2.
2). 전체 분석 기간 동안 두 관측소 사이 PM₁₀ 및 PM_2.5의 상관성은 상당히 좋게 나타났다(Fig. 2a). 다만 PM₁₀의 경우 거의 양쪽 관측소 측정값이 대등한 범위에서 나타나는 반면 PM_2.
50으로 가장 낮게 나타나는 것이 확인된다. 즉 계절적으로 보면 봄과 가을에 두 관측소 사이 상관성이 높게 나타나는 반면 여름에 상관성이 많이 낮아지는 현상을 확인할 수 있다. 이에 대한 정확한 원인은 알 수 없으나 여름철 장마 기간의 강수가 관측 환경을 다르게 만들 수 있는 가능성을 생각해볼 필요가 있을 것으로 여겨진다.
8). 풍속 구간에 따라서 살펴보았을 경우 상관성이 크게 차이를 보이지는 않았으나, PM₁₀의 상관성이 풍속이 가장 느릴 때 제일 높게 나타나는 반면 풍속이 증가할수록 조금씩 상관성이 떨어지는 모습을 보이는 것을 통해 풍속이 낮을 때 같은 행정구역상 PM₁₀의 관측값 사이 일치도가 조금 더 높음을 살펴볼 수 있다. 반면 PM_2.
5의 경우는 오히려 풍속이 낮을 때 보다 조금 높을 때 상관성이 높게 나타났는데 구체적인 이유가 확실하지는 않으나 어떤 특정 원거리 지역 배출원의 영향을 공통적으로 받을 때 두 관측소 사이의 2차 입자 생성의 특징이 유사하게 나타날 가능성을 의미하는 것으로 추측된다. 풍향 구간에 대해서 상관관계를 각각 살펴본 결과, PM₁₀은 두 관측소 사이에 큰 차이 없이 유사한 상관성을 보이고 있으나 PM_2.5의 경우는 남풍 계열 바람이 불 때 상관성이 큰 폭으로 떨어지는 모습을 보이고 있었다. 이는 남쪽에서 수송되어 오는(PM_2.

후속연구

, 2018) 이렇게 산출된 자료의 검증은 주로 에어코리아 관측소 자료를 중심으로 진행되고 있다. 그러나 본 연구의 결과를 고려하자면 같은 구별 행정구역 안에서도 미세먼지 농도, 특히 PM_2.5의 크기 차이가 적지 않게 존재하기 때문에 GOCI 위성의 높은 공간해상도에서 산출되는 PM_2.5의 특성을 보다 더 정밀하게 검증하기 위해 최대한 공간적으로 많은 관측 자료를 활용하여 비교, 검증하는 과정이 필요할 것으로 보인다. 향후 좀 더 세밀한 검증 결과를 얻기 위해 행정구역 내에 존재하는 모든 관측망을 활용하기 위한 방안들이 요구된다.
본 연구와 같이 여러 측정 자료들을 비교하여 일관성 및 차이점을 찾아내고 그 원인을 분석하는 연구 결과물들을 누적해 나가면 현재 사회적으로 크게 관심을 받는 미세먼지 정보를 좀 더 정확하게 해석하는 일이 가능해질 것으로 보인다. 또한 앞으로 위성 관측을 통해 미세먼지를 탐지하는 과정에서도 이와 같이 조밀한 관측망 사이의 측정값 차이가 어떻게 나타나는지를 살펴보면서 유의미한 정보를 찾을 수 있을 것으로 생각된다. 현재 한국의 경우 천리안 정지궤도 위성에 탑재되어 있는 GOCI (Geostationary Ocean Color Imager) 센서에서 얻어지는 AOD 자료를 이용, 다른 관련 영향 인자들과 가지는 상관성을 통계적으로 활용하여 PM_2.
본 연구와 같이 여러 측정 자료들을 비교하여 일관성 및 차이점을 찾아내고 그 원인을 분석하는 연구 결과물들을 누적해 나가면 현재 사회적으로 크게 관심을 받는 미세먼지 정보를 좀 더 정확하게 해석하는 일이 가능해질 것으로 보인다. 또한 앞으로 위성 관측을 통해 미세먼지를 탐지하는 과정에서도 이와 같이 조밀한 관측망 사이의 측정값 차이가 어떻게 나타나는지를 살펴보면서 유의미한 정보를 찾을 수 있을 것으로 생각된다.
5의 경우 풍속과의 연관성이 상대적으로 약하게 나타나는데 이는 1차 발생 입자가 보다 더 바람의 영향을 많이 받기 때문으로 해석할 수 있다. 이런 분석 결과들을 확인하기 위해 향후 전국적으로 같은 행정구역 내 여러 미세먼지 관측망이 동시에 운영되는 경우를 찾아 비교 분석 연구를 확장해보는 과정이 필요할 것으로 보인다. 예컨대 한반도 미세먼지 문제와 관련하여 이처럼 기상인자의 영향을 살펴본 연구들이 부산(Kim et al.
5의 형성과 관련되는) 어떤 대기 오염 물질이 두 관측소 중 어떤 한 관측소에서만 주로 측정되기 때문인 것으로 추정된다. 추가 연구를 통해 이 부분에 대한 해석을 정확히 할 필요가 있을 것으로 여겨진다.
이런 해석에 대해서는 향후 추가 조사를 통해 자세히 살펴볼 필요가 있다. 특히 이 결과는 비록 두 관측소의 일평균 대기 입자 농도 특성이 유사하더라도(Fig. 2) 시간별 변동성은 차이를 보일 수 있다는 점에서 추후 중요하게 살펴볼 필요가 있을 것으로 보인다.
즉, 공간적으로 조밀한 관측망을 구축하기에는 아직 부족함이 많은 실정이다. 하지만 한편으로는 공공기관, 연구소, 학교 등에서 연구 목적으로 운용하고 있는 기기들이 적잖게 존재하고 있으므로 이들을 잘 활용하면 지역의 대기 미세먼지 오염 상황을 보다 공간적으로 상세히 감시할 수 있는 체계를 구축할 수 있을 것으로 보인다.
5의 특성을 보다 더 정밀하게 검증하기 위해 최대한 공간적으로 많은 관측 자료를 활용하여 비교, 검증하는 과정이 필요할 것으로 보인다. 향후 좀 더 세밀한 검증 결과를 얻기 위해 행정구역 내에 존재하는 모든 관측망을 활용하기 위한 방안들이 요구된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	미세먼지 감시에 위성보다 지상 관측의 중요성이 더 높은 이유는?	5 물리량은 지상 및 위성 관측, 모델 시뮬레이션을 통해 얻을 수 있다. 다만 위성 관측의 경우 PM 물리량 대신 에어로졸 광학 깊이(aerosol optical depth, AOD)와 같은 대기 혼탁도를 잘 표현하는 물리량을 산출물로 제공한다. 그러므로 이를 별도로 PM10 및 PM2.5로 변환하는 과정을 필요로 하는데 (Seo et al., 2015; Kim et al., 2016) 이 과정에서 불확실한 오차가 개입될 확률이 존재한다. 모델 시뮬레이션의 경우 보통 화학수송모델(Chemical Transport Model, CTM)의 결과값을 통해 PM 특성을 살펴보게 되는데(Kim et al., 2017) 모델 내에서 대기 에어로졸 배출원을 고려하기 위해 초기조건으로 고려하는 배출량 정보가 현시점에서 정확성이 낮은데다 실제 기상, 기후 조건들을 정확하게 고려하는데 아직 한계점이 존재하기 때문에 정확한 PM 정보를 추정하기 쉽지 않다. 즉, 여전히 지상 관측의 중요성이 높다고 이야기할 수 있다.
	PM10이란?	5 등이 있다. PM10은 건조 공기에서 직경 10 μm 이하의 크기를 가지는 모든 대기 입자의 총 질량 밀도를 의미하며 PM2.5는 같은 관점에서 직경 2.
	PM2.5란?	PM10은 건조 공기에서 직경 10 μm 이하의 크기를 가지는 모든 대기 입자의 총 질량 밀도를 의미하며 PM2.5는 같은 관점에서 직경 2.5 μm 이하의 입자 총 질량 밀도를 의미한다(단위: μg m−3). 흔히 사막에서 배출되는 모래 먼지, 황사와 같은 입자들의 영향은 크기가 큰 입자를 고려할 수 있는 PM10 값을 통해 주로 확인하는 반면, 건강에 끼치는 영향을 살펴볼 때는 PM2.

참고문헌 (24)

Artinano, B., P. Salvador, D. G. Alonso, X. Querol, and A. Alastuey, 2003: Anthropogenic and natural influence on the $PM_{10}$ and $PM_{2.5}$ aerosol in Madrid (Spain). Analysis of high concentration episodes. Environ. Pollut., 125, 453-465.

상세보기
Davidson, C. I., R. F. Phalen, and P. A. Solomon, 2005: Airborne particulate matter and human health: A review. Aerosol Sci. Tech., 39, 737-749.

상세보기
Hwang, Y.-J., S.-J. Lee, H.-S. Do, Y.-K. Lee, T.-J. Son, T.-G. Kwon, J.-W. Han, D.-H. Kang, and J.-W. Kim, 2009: The analysis of $PM_{10}$ concentration and the evaluation of influences by meteorological factors in ambient air of Daegu Area. J. Kor. Soc. Atmos. Environ., 25, 459-471 (in Korean with English abstract).

원문보기 상세보기
Jacobson, M. Z., 2001: Global direct radiative forcing due to multicomponent anthropogenic and natural aerosols. J. Geophys. Res., 106, 1551-1568.

상세보기
Jeong, U., J. Kim, H. Lee, J. Jung, Y. J. Kim, C. H. Song, and J.-H. Koo, 2011: Estimation of the contributions of long range transported aerosol in East Asia to carbonaceous aerosol and PM concentrations in Seoul, Korea: a PSCF model approach. J. Environ. Monitor., 13, 1905-1918, doi:10.1039/c0em00659a.

상세보기
Jung, J., Y. J. Kim, K. Y. Lee, M. G.-Cayetano, T. Batmunkh, J.-H. Koo, and J. Kim, 2010: Spectral optical properties of long-range transport Asian Dust and pollution aerosols over Northeast Asia in 2007 and 2008. Atmos. Chem. Phys., 10, 5391-5408, doi:10.5194/acp-10-5391-2010.

상세보기
Kim, H. C., and Coauthors, 2017: Recent increase of surface particulate matter concentrations in the Seoul Metropolitan Area, Korea. Sci. Rep., 7, 4710, doi: 10.1038/s41598-017-05092-8.

상세보기
Kim, J.-A., H.-A. Jin, and C.-H. Kim, 2007: Characteristics of time variations of $PM_{10}$ concentrations in Busan and interpreting its generation mechanism using meteorological variables. J. Environ. Sci. Int., 16, 1157-1167 (in Korean with English abstract).

원문보기 상세보기
Kim, K., and Coauthors, 2016: Estimation of surface-level PM concentration from satellite observation taking into account the aerosol vertical profiles and hygroscopicity. Chemosphere, 143, 32-40, doi:10.1016/j.chemosphere.2015.09.040.

상세보기
Kim, K.-H., E. Kabir, and S. Kabir, 2015: A review on the human health impact of airborne particulate matter. Environ. Int., 74, 136-143, doi:10.1016/j.envint.2014.10.005.

상세보기
Kim, S.-M., J. Yoon, K.-J. Moon, D.-R. Kim, J.-H. Koo, M. Choi, K. N. Kim, and Y. G. Lee, 2018: Empirical estimation and diurnal patterns of surface $PM_{2.5}$ concentration in Seoul using GOCI AOD. Kor. J. Remote Sens., 34, 451-463, doi:10.7780/kjrs.2018.34.3.2 (in Korean with English abstract).
Kim, Y. P., 2006: Air pollution in Seoul caused by aerosols. J. Kor. Soc. Atmos. Environ., 22, 535-553 (in Korean with English abstract).
Kim, Y. P., and G. Lee, 2018: Trend of Air Quality in Seoul: Policy and Science. Aerosol Air Qual. Res., 18, 2141-2156, doi:10.4209/aaqr.2018.03.0081.

상세보기
Koo, J.-H., J. Kim, M.-J. Kim, H. K. Cho, K. Aoki, and M. Yamano, 2007: Analysis of aerosol optical properties in Seoul using skyradiometer observation. Atmosphere, 17, 407-420 (in Korean with English abstract).
Pang, J., Z. Liu, X. Wang, J. Bresch, J. Ban, D. Chen, and J. Kim, 2018: Assimilating AOD retrievals from GOCI and VIIRS to forecast surface $PM_{2.5}$ episodes over Eastern China. Atmos. Environ., 179, 288-304, doi:10.1016/j.atmosenv.2018.02.011.

상세보기
Perez, N., J. Pey, X. Querol, A. Alastuey, J. M. Lopez, and M. Viana, 2008: Partitioning of major and trace components in $PM_{10}$ - $PM_{2.5}$ -PM1 at an urban site in Southern Europe. Atmos. Environ., 42, 1677-1691.

상세보기
Seo, J.-H., E.-H. Ha, B.-E. Lee, H.-S. Park, H. Kim, Y.-C. Hong, and O.-H. Yi, 2006: The effect of PM10 on respirtory-related admission in Seoul. J. Kor. Soc. Atmos. Environ., 22, 564-573 (in Korean with English abstract).
Seo, S., J. Kim, H. Lee, U. Jeong, W. Kim, B. N. Holben, S.-W. Kim, C. H. Song, and J. H. Lim, 2015: Estimation of $PM_{10}$ concentrations over Seoul using multiple empirical models with AERONET and MODIS data collected during the DRAGON-Asia campaign. Atmos. Chem. Phys., 15, 319-334, doi:10.5194/acp-15-319-2015.

상세보기
Shin, M.-K., C.-D. Lee, H.-S. Ha, C.-S. Choe, and Y.-H. Kim, 2007: The influence of meteorological factors on $PM_{10}$ concentration in Incheon. J. Kor. Soc. Atmos. Environ., 23, 322-331 (in Korean with English abstract).

원문보기 상세보기
Son, H.-Y., and C.-H. Kim, 2009: Interpretating the spectral characteristics of measured particle concentrations in Busan. J. Kor. Soc. Atmos. Environ., 25, 133-140 (in Korean with English abstract).

원문보기 상세보기
Wang, X., K. Wang, and L. Su, 2016: Contribution of atmospheric diffusion conditions to the recent improvement in air quality in China. Sci. Rep., 6, 36404.

상세보기
Yoo, J.-M., M.-J. Jeong, D. Kim, W. R. Stockwell, J.-H. Yang, H.-W. Shin, M.-I. Lee, C.-K. Song, and S.-D. Lee, 2015: Spatiotemporal variations of air pollutants ( $O_3$ , $NO_2$ , $SO_2$ , CO, $PM_{10}$ , and VOCs) with land-use types. Atmos. Chem. Phys., 15, 10857-10885, doi: 10.5194/acp-15-10857-2015.

상세보기
Zhang, X., X. Chen, and X. Zhang, 2018: The impact of exposure to air pollution on cognitive performance. Proc. Natl. Acad. Sci., 115, 9193-9197, doi:10.1073/pnas.1809474115.

상세보기
Zou, Y., Y. Wang, Y. Zhang, and J.-H. Koo, 2017: Arctic sea ice, Eurasia snow, and extreme winter haze in China. Sci. Adv., 3, e1602751, doi:10.1126/sciadv.1602751.

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