[논문]보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구

정종철

doi:10.22640/lxsiri.2018.48.2.185

보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구
A Study on the Spatial Position Problem of PM Monitoring Stations Using Voronoi Technique and Density Analysis 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.48 no.2, 2018년, pp.185 - 195

초록
AI-Helper

서울시에서 시민들이 사용하는 미세먼지 앱은 위치기반으로 자신의 위치에서 가장 가까운 측정소의 미세먼지 농도를 제공받는다. 현재 환경부에서 고려하는 미세먼지 측정망 선정 방법은 측정소의 분포 및 인구밀도를 고려한 방식과 지도상의 표현방식이 주 결정방법이나 인위적인 변수 및 다른 환경요인을 고려하지 않는다. 본 연구에서는 미세먼지 측정소와 행정동의 대표성을 보여주는 행정동 중심점을 활용하여 측정소와 동중심의 거리에 대해 분석하였으며, 측정값을 제공하는 측정소의 개수를 확인하였다. 또한 보로노이 알고리즘과 헥사곤 격자를 활용하여 각 측정소의 제공범위를 면적으로 나타내며 현 측정소의 공간적인 위치의 문제점을 지적하였다. 공간분석을 위한 환경변수는 단독주택, 공동주택, 제1종 근린생활권, 제2종 근린생활권, 쓰레기처리장, 위험물처리시설, 공장이며 분석결과로 만들어진 신규 측정소 위치는 기존의 환경부에서 제공하는 선정기준이 아닌 추가적인 변수를 고려한 선정기준을 제시하였다.

Abstract ▼ AI-Helper

In the Seoul Metropolitan City, the PM(pariculate matter) application used by the citizens provides the PM concentration of the nearest monitoring stations located on the PM monitoring stations. Currently, the selecting method of the PM monitoring network considered by the Ministry of Environment is based on considering the monitoring station distribution and population density only. In this study, we analyzed the distance between PM monitoring station and the administrative center point in addition to the above considerations. The number of test sites was verified and the range of coverage of each monitoring stations was indicated by using the Voronoi algorithm and hexagon grid. The spatial position problem of the PM monitoring station was suggested by spatial data analysis. The variables of spatial data analysis are single-family houses, apartments, $1^{st}$ class neighborhood, $2^{nd}$ class neighborhood, garbage disposal plant, hazardous material disposal facility, factory, and the density map. The analysis result of the selection criterion considering the additional variables for new PM monitoring stations was presented, in addition to the selection criteria provided by the Ministry of Environment.

주제어

표/그림 (9)

그림 Figure 1. Location of PM 10 and PM2.5 monitoring station in Seoul
그림 Figure 2. Research flow chart
그림 Figure 3. The PM monitoring stations mean value (Jan-Apr 2018) and spatial location distance between Dong center and PM monitoring stations (a) mean value of PM10 (b) mean value of PM2.5
그림 Figure 4. Distribution of PM monitoring station locations and administrative connection numbers
그림 Figure 5. Area of administrative connection locations selected by Voronoi algorithm
표 Table 1. Comparison of Voronoi area and administrative center number
그림 Figure 6. Distribution of environmental variables in the Voronoi region (a) single lives, (b) apartments, (c) First-class neightborghood living, (d) Second-class neightborghood living (e) PM Sourece, (f) Population density
그림 Figure 7. Total density distribution map with hexagon grid (a) single lives, (b) apartments, (c) First-class neightborghood living, (d) Second-class neightborghood living (e) PM Sourece, (f) Population density.
표 Table 2. Monitoring stations density ration table

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 미세먼지 측정소에서 제공되는 측정값의 위치정보와 측정정보의 제공방법 개선에 관한 연구이며, 미세먼지 앱 사용자의 위치에 대한 표본으로 행정동의 중심을 선정하였다. 행정동의 중심은 행정구역의 공간적인 대표성을 나타내는 지역으로서 실험 표본으로 사용하였다.
또한 공간정보의 활용과 다양한 환경변수의 적용을 위한 실험으로 서울시 건물에 대한 자료는 공공데이터 포탈에서 제공하는 통합건물정보를 활용하였다. 본 연구에서는 토지이용 변수를 환경변수로 선정하였으며, 도로 교통량 등의 자료는 대로변을 제외한 다른 공간적인 부분에 있어서는 그 값이 낮으며, 풍향, 풍속 등의 계절적인 요인은 서울시 전체를 격자로 구분하였을 시 각 격자에 대한 정확한 변수값을 확인하는데에 있어서 어려움이 있다고 판단하였다. 이에 본 연구는 정량화가 가능한 토지이용 변수를 활용하였다.
본 연구에서는 거리분석을 통하여 미세먼지 측정소를 중심으로 행정동의 거리를 분석하였으며 동일거리산정기법인 보로노이 기능을 토대로 서울시 건물정보와 헥사곤 격자를 활용하여 미세먼지 측정소와 행정동의 공간적인 분석을 실시하였다. 이러한 분석을 통해 미세먼지 측정소 농도를 제공하는 측정소 위치와 미세먼지 앱에서 제공하는 측정 농도의 제공범위를 공간분석하고 이의 문제점을 제시하는데 본 연구의 목적이 있다.

제안 방법

선행연구 결과를 바탕으로 본 연구에서는 측정소를 기점으로 보로노이 기법을 활용하여 미세먼지 측정소의 측정치 제공지역을 확인하였으며 행정동 중심으로 측정값이 제공되는 부분을 확인하였다. 다음으로 공간변수를 통한 밀집도 분석을 실시하였으며 밀집도를 기준으로 현 미세먼지 측정소 위치의 공간적인 문제점을 분석하였다.
첫째, 인구비례에 의한 방법으로 측정대상지역 내의 인구분포와 인구 밀도를 고려하여 선정한다. 둘째, TM(Transverse Mercator)좌표에 의한 방법으로 지도상에서 2~3km 간격으로 가로세로 격자를 만든 후 구획별로 선정한다. 셋째, 중심점에 의한 동심원을 이용하는 방법은 특정 지역의 대표지점을 중심으로 한 동심원과 방위별 직선을 이용하여 만나는 점을 측정점으로 선정한다.
본 연구의 연구절차는 Figure 2와 같다. 미세먼지의 월평균 데이터와 측정소의 위치, 행정동 중심 데이터, 환경변수 데이터를 활용하여 측정의 미세먼지 제공값의 범위를 공간분석하였다.
현재 위치에서 가장 가까운 미세먼지 측정소는 자신이 속한 보로노이 세포의 핵이 된다. 보로노이 다이어그램 분석 기법을 활용하여 서울시의 측정소 별 제공되는 면적을 확인하였다. 이를 헥사곤 격자를 활용하여 거리 분석 알고리즘을 통해 도출된 각 측정소의 보로노이 면적을 계산하였다.
보로노이 다이어그램은 측정소를 중심으로 동일권역의 거리를 평가하기 때문에 도시대기 측정소 공간 대표성을 분석한 후 보로노이 각 노드 점을 새로운 측정소로 선정하였다. 두 점 사이의 경계선을 정할 때, 두 점과 거리가 동일한 지점을 이은 선인 보로노이 다이어그램 분석기능을 이용한 것이다.
보로노이 분석에 의한 19개의 선정지역과 중첩되는 헥사곤 격자를 활용하여 환경변수의 분포를 확인하였다. 사용된 변수는 단독주택, 공동주택, PM배출원(공장, 쓰레기처리시설, 위험물처리시설), 제1종 근린생활건물, 제2종 근린생활건물이며 이와 비교를 위해 인구밀도분포를 확인하였으며 Figure 6과 같다.
보로노이 분석을 활용하여 현 미세먼지의 측정소넓이에 대한 해당 측정소의 측정값 제공 범위를 확인하였다. 보로노이 알고리즘을 활용하여 만들어진 면적은 해당 측정소의 측정값 제공 범위를 나타낸다.
본 연구에 활용된 공간변수는 단독주택, 공동주택,제1종 근린생활권, 제2종 근린생활권, 쓰레기처리장,위험물 처리시설, 공장으로 선정하였다. 단독주택과 공동주택은 미세먼지에 영향을 받는 시민들이 거주하는 지역으로 인구분포에 대한 공간적인 지표가 될 수 있으며 근린생활권 지역 또한 시민들이 활동지수를 대표하는 지역인자이다.
서울시 행정동의 중심은 각 행정동의 공간적인 위치 대표성을 나타낸다. 본 연구에서 미세먼지 앱 사용자의 위치를 행정동 중심으로 위치정보를 표본 추출하고 이를 바탕으로 어느 측정소의 정보를 받는지에 대한 분석을 실시하였으며 Figure 3과 같이 제시하였다. 본 연구 과정에서 사용된 데이터는 2018년도 1월~4월 데이터이며 PM10의 경우, 39개의 측정소 중상위 10개소 측정소 중 1개소(서초구)를 제외하고 모두 도로변 측정소가 높게 나타났다.
본 연구에서는 거리분석을 통하여 미세먼지 측정소를 중심으로 행정동의 거리를 분석하였으며 동일거리산정기법인 보로노이 기능을 토대로 서울시 건물정보와 헥사곤 격자를 활용하여 미세먼지 측정소와 행정동의 공간적인 분석을 실시하였다. 이러한 분석을 통해 미세먼지 측정소 농도를 제공하는 측정소 위치와 미세먼지 앱에서 제공하는 측정 농도의 제공범위를 공간분석하고 이의 문제점을 제시하는데 본 연구의 목적이 있다.
본 연구에서는 행정동 중심을 대표지점으로 선정하여 측정소의 영향권을 판단하였으며, 환경변수의 공간분석을 통해 다음과 같은 결과를 도출하였다.
서울시는 2017년도 기준 424개의 행정동으로 분류되어 있으며, 본 연구에서는 행정동의 대표점을 각 동의 중심점으로 설정하여 본 연구를 진행하였다. 행정동의 중심점은 지역의 공간적인 대표성을 나타내고 있기 때문에 중심점을 기준으로 접근하였다.
선행연구 결과를 바탕으로 본 연구에서는 측정소를 기점으로 보로노이 기법을 활용하여 미세먼지 측정소의 측정치 제공지역을 확인하였으며 행정동 중심으로 측정값이 제공되는 부분을 확인하였다. 다음으로 공간변수를 통한 밀집도 분석을 실시하였으며 밀집도를 기준으로 현 미세먼지 측정소 위치의 공간적인 문제점을 분석하였다.
둘째, TM(Transverse Mercator)좌표에 의한 방법으로 지도상에서 2~3km 간격으로 가로세로 격자를 만든 후 구획별로 선정한다. 셋째, 중심점에 의한 동심원을 이용하는 방법은 특정 지역의 대표지점을 중심으로 한 동심원과 방위별 직선을 이용하여 만나는 점을 측정점으로 선정한다. 이처럼 환경부에서 고려하는 선정 방법은 인구분포 및 인구밀도를 고려한 방식과 지도상의 표현방식이 주 결정방법으로 제시되고 있으나 인위적으로 미세먼지를 발생시키는 다양한 변수요인과 환경적인 요인을 고려하지 않는다.
단독주택과 공동주택은 미세먼지에 영향을 받는 시민들이 거주하는 지역으로 인구분포에 대한 공간적인 지표가 될 수 있으며 근린생활권 지역 또한 시민들이 활동지수를 대표하는 지역인자이다. 쓰레기처리장, 위험물 처리시설, 공장은 공간적인 변수로서는 그 수가 적으나 해당 지역의 미세먼지 배출에 직접적인 영향을 보여주기 때문에 본 연구에서 공간변수로 활용하였다.
보로노이 다이어그램 분석 기법을 활용하여 서울시의 측정소 별 제공되는 면적을 확인하였다. 이를 헥사곤 격자를 활용하여 거리 분석 알고리즘을 통해 도출된 각 측정소의 보로노이 면적을 계산하였다. 서울시에서 20개의 측정소를 표본으로 선정하여 환경변수의 공간적인 분포 경향을 확인하였다.
본 연구에서는 토지이용 변수를 환경변수로 선정하였으며, 도로 교통량 등의 자료는 대로변을 제외한 다른 공간적인 부분에 있어서는 그 값이 낮으며, 풍향, 풍속 등의 계절적인 요인은 서울시 전체를 격자로 구분하였을 시 각 격자에 대한 정확한 변수값을 확인하는데에 있어서 어려움이 있다고 판단하였다. 이에 본 연구는 정량화가 가능한 토지이용 변수를 활용하였다.
환경부(2018)에서 규정한 미세먼지 측정지점 결정 방법은 다음과 같다. 첫째, 인구비례에 의한 방법으로 측정대상지역 내의 인구분포와 인구 밀도를 고려하여 선정한다. 둘째, TM(Transverse Mercator)좌표에 의한 방법으로 지도상에서 2~3km 간격으로 가로세로 격자를 만든 후 구획별로 선정한다.
행정동의 중심은 행정구역의 공간적인 대표성을 나타내는 지역으로서 실험 표본으로 사용하였다. 행정동 중심을 생성하는 과정으로 QGIS 툴을 활용하여 각각의 행정구역의 중심점을 획득하였다. 본 연구는 2018년 1월, 2월, 3월, 4월의 일평균 PM10, PM2.
행정동의 중심점은 지역의 공간적인 대표성을 나타내고 있기 때문에 중심점을 기준으로 접근하였다. 행정동의 중심과 측정소의 거리를 분석한 결과로 각 측정소의 공간적 범위를 파악하였다.
김영성 외(2014)는 서울지역 도시대기 측정망 25개 측정소에 대하여 측정소별 환경기준 감시의 유효성을 조사하였다. 환경기준물질 중 PM10과 오존의 환경기준을 대상으로 선정하였으며 측정소를 군집으로 분류하고 농도와 환경기준 초과를 지수화하여 군집 내 측정소를 평가하였다. 김효정 외(2012)는 GIS를 적용하여 대구지역 미세먼지 측정소의 위치가 적절한지 평가하고, 공중보건과 밀접한 관련이 있는 PM10을 관리하기 위한 적합한 장소를 모색하였다.

대상 데이터

보로노이 알고리즘을 활용하여 만들어진 면적은 해당 측정소의 측정값 제공 범위를 나타낸다. 39개의 측정소 서울시의 중심부에 있는 19개의 측정소를 선정하였다. Figure 5는 선정된 보로노이 지역을 나타내고 있으며 행정동과 연결된 측정소를 보로노이 영역과 중첩시킨 그림이다.
5의 주의보 및 경보는 1월~4월에 집중적으로 발령되고 있으며, 이 시기에는 시민들의 미세먼지에 대한 관심이 높아진다. 따라서 본 연구에서는 시간적 범위를 주의보 및 경보가 발령된 2018년 1월, 2월, 3월, 4월 데이터를 활용하였다.
또한 공간정보의 활용과 다양한 환경변수의 적용을 위한 실험으로 서울시 건물에 대한 자료는 공공데이터 포탈에서 제공하는 통합건물정보를 활용하였다. 본 연구에서는 토지이용 변수를 환경변수로 선정하였으며, 도로 교통량 등의 자료는 대로변을 제외한 다른 공간적인 부분에 있어서는 그 값이 낮으며, 풍향, 풍속 등의 계절적인 요인은 서울시 전체를 격자로 구분하였을 시 각 격자에 대한 정확한 변수값을 확인하는데에 있어서 어려움이 있다고 판단하였다.
본 연구에서 미세먼지 앱 사용자의 위치를 행정동 중심으로 위치정보를 표본 추출하고 이를 바탕으로 어느 측정소의 정보를 받는지에 대한 분석을 실시하였으며 Figure 3과 같이 제시하였다. 본 연구 과정에서 사용된 데이터는 2018년도 1월~4월 데이터이며 PM10의 경우, 39개의 측정소 중상위 10개소 측정소 중 1개소(서초구)를 제외하고 모두 도로변 측정소가 높게 나타났다. 가장 높은 제공값을 보여주는 측정소는 영등포로 측정소로 66.
행정동 중심을 생성하는 과정으로 QGIS 툴을 활용하여 각각의 행정구역의 중심점을 획득하였다. 본 연구는 2018년 1월, 2월, 3월, 4월의 일평균 PM10, PM2.5 데이터를 사용하였다.
본 연구에서는 한국환경공단 에어코리아에서 제공하는 미세먼지 데이터를 사용하였다. 서울시의 미세먼지 측정소는 서울시 25개 구의 행정구역에 존재하는도시대기 측정소 25개소와 14개의 도로변 측정소에 대한 위치 데이터와 측정값을 사용하였다(Figure 1).
본 연구의 시간적 범위를 선정하기 위한 기준으로 2018년도 미세먼지 주의보, 경보 시기의 데이터를 사용하였다. 서울시의 2018년도 PM10과 PM2.
보로노이 분석에 의한 19개의 선정지역과 중첩되는 헥사곤 격자를 활용하여 환경변수의 분포를 확인하였다. 사용된 변수는 단독주택, 공동주택, PM배출원(공장, 쓰레기처리시설, 위험물처리시설), 제1종 근린생활건물, 제2종 근린생활건물이며 이와 비교를 위해 인구밀도분포를 확인하였으며 Figure 6과 같다.
이를 헥사곤 격자를 활용하여 거리 분석 알고리즘을 통해 도출된 각 측정소의 보로노이 면적을 계산하였다. 서울시에서 20개의 측정소를 표본으로 선정하여 환경변수의 공간적인 분포 경향을 확인하였다.
본 연구에서는 한국환경공단 에어코리아에서 제공하는 미세먼지 데이터를 사용하였다. 서울시의 미세먼지 측정소는 서울시 25개 구의 행정구역에 존재하는도시대기 측정소 25개소와 14개의 도로변 측정소에 대한 위치 데이터와 측정값을 사용하였다(Figure 1).
본 연구는 미세먼지 측정소에서 제공되는 측정값의 위치정보와 측정정보의 제공방법 개선에 관한 연구이며, 미세먼지 앱 사용자의 위치에 대한 표본으로 행정동의 중심을 선정하였다. 행정동의 중심은 행정구역의 공간적인 대표성을 나타내는 지역으로서 실험 표본으로 사용하였다. 행정동 중심을 생성하는 과정으로 QGIS 툴을 활용하여 각각의 행정구역의 중심점을 획득하였다.

이론/모형

보로노이 분석을 활용하여 현 미세먼지의 측정소넓이에 대한 해당 측정소의 측정값 제공 범위를 확인하였다. 보로노이 알고리즘을 활용하여 만들어진 면적은 해당 측정소의 측정값 제공 범위를 나타낸다. 39개의 측정소 서울시의 중심부에 있는 19개의 측정소를 선정하였다.

성능/효과

5는 지역별, 측정소 구분별로 다른 농도 분포 경향을 보여주고 있다. PM10의 경우 측정소의 값이 도로변 측정소 주변에서 높게 측정되는 결과를 확인하였으며 이를 통해 PM10의 발생원인 중 도로변 교통량 및 경유 사용량이 높은 영향력을 가진다는 결론을 도출할 수 있다. PM2.
가장 많은 행정동과 연결된 측정소는 중구 측정소로 74개의 행정동을 나타내고 있으며 다음으로 많은 측정소는 종로구 측정소로 중구와 연결된 행정동 중심의 차이가 38개로 2배 이상의 차이가 나타난다. 가장 적은 행정동을 포함하는 측정소는 강북구, 금천구, 노원구로 2개의 행정동 중심을 포함하고 있는 것을 확인할 수 있다. 많은 행정동 중심을 포함하는 중구, 종로구, 마포구 등의지역은 측정값의 제공부분에서 중요도가 높다고 판단할 수 있다.
5는 강서지역이 높은 평균 분포값을 보여준다. 둘째, 보로노이 알고리즘을 통한 면적분석 결과 서울시의 측정소별 미세먼지 정보 제공면적은 최대 19.2km, 최소 2.7km다. 즉 최대-최소 면적 배당이 7배 이상 차이가 나며, 가장 넓은 지역을 제공하는 관악구 측정소는 다른 측정소에 비해 해당 면적 내에서 공간적 범위의 정확성이 낮은 미세먼지 측정값을 미세먼지 앱으로 제공할 수 있다고 판단된다.
커널분석을 통한 공간변수의 분포지도를 헥사곤격자와 접합하여 통합적인 밀집도 분포지도를 제작하였으며 Figure 7과 같다. 밀집도의 범례는 등간격으로 5개의 분류로 나누었으며 밀집도가 높을수록 본 연구에서 사용된 단독주택, 공동주택, 근린생활권, PM배출원의 공간적인 분포의 밀집도가 높은 것을 나타낸다. 만들어진 분포지도 범례를 토대로 보로노이 면적 내에 포함되어 있는 측정소의 등급을 나열하였으며 Table 2와 같다.
본 연구에서는 사용된 5가지의 공간변수를 제외한 풍향, 풍속, 교통량 등의 환경변수를 활용할 수 있다고 판단하며, 공간분석 결과물로 만들어진 밀집도 분포지도는 기존의 환경부에서 제공한 인구밀도와 거리를 고려한 방법 외에 근린생활권과 PM배출원이라는 공간적인 변수를 활용하여 기존보다 세밀한 측정소 선정지표가 될 수 있다고 판단된다.
즉 최대-최소 면적 배당이 7배 이상 차이가 나며, 가장 넓은 지역을 제공하는 관악구 측정소는 다른 측정소에 비해 해당 면적 내에서 공간적 범위의 정확성이 낮은 미세먼지 측정값을 미세먼지 앱으로 제공할 수 있다고 판단된다. 셋째, 서울시 내에 공간변수들을 통한 밀집도 공간분석 결과 광진구 측정소가 가장 높은 등급을 보여주고 나머지 지역은 밀집도가 낮게 나타난다.
분류 결과 1등급 분류를 받은 측정소는 없었으며 광진구 측정소 1곳이 2등급 분류값을 나타냈다. 즉 해당 지역 광진구측정소는 다른 측정소 설치지역에 비해 주거지역과 근린생활권 PM배출원이 밀집되어 있음을 확인할 수 있다. 광진구 측정소를 제외하고 나머지 18개의 측정소는 3~5등급의 분류값을 나타내는데 해당지역은 공간변수 전체적인 밀집도를 기준으로 계산할 시 다른 지역에 비해 밀집도가 낮게 나타나는 지역이라고 확인된다.
첫째, 2018년 1월, 2월, 3월, 4월의 경우 PM10은 강남지역이 높은 평균 분포값을 보여주고 있으며 PM2.5는 강서지역이 높은 평균 분포값을 보여준다. 둘째, 보로노이 알고리즘을 통한 면적분석 결과 서울시의 측정소별 미세먼지 정보 제공면적은 최대 19.

질의응답

핵심어	질문	논문에서 추출한 답변
	단독주택과 공동주택의 특징은 무엇인가?	본 연구에 활용된 공간변수는 단독주택, 공동주택,제1종 근린생활권, 제2종 근린생활권, 쓰레기처리장,위험물 처리시설, 공장으로 선정하였다. 단독주택과 공동주택은 미세먼지에 영향을 받는 시민들이 거주하는 지역으로 인구분포에 대한 공간적인 지표가 될 수 있으며 근린생활권 지역 또한 시민들이 활동지수를 대표하는 지역인자이다. 쓰레기처리장, 위험물 처리시설, 공장은 공간적인 변수로서는 그 수가 적으나 해당 지역의 미세먼지 배출에 직접적인 영향을 보여주기 때문에 본 연구에서 공간변수로 활용하였다.
	서울시 및 정부가 미세먼지 저감을 위해 운용중인 정책은 무엇인가?	9㎍/㎥로 41개국 중 가장 나빴다(OECD, 2018). 서울시는 미세먼지 저감을 위하여 교통비 무료, 자동차배출가스 상설단속반 운영정책 등을 실시하였으며,정부 또한 대기오염의 저감을 위하여 매년 대기오염 측정망 운영계획을 발표하며 대기오염 저감에 힘쓰고 있다
	환경부에서 규정한 미세먼지 측정지점 결정 방법은 무엇인가?	환경부(2018)에서 규정한 미세먼지 측정지점 결정 방법은 다음과 같다. 첫째, 인구비례에 의한 방법으로 측정대상지역 내의 인구분포와 인구 밀도를 고려하여선정한다. 둘째, TM(Transverse Mercator)좌표에 의한 방법으로 지도상에서 2~3km 간격으로 가로세로 격자를 만든 후 구획별로 선정한다. 셋째, 중심점에 의한 동심원을 이용하는 방법은 특정 지역의 대표지점을 중심으로 한 동심원과 방위별 직선을 이용하여 만나는 점을 측정점으로 선정한다. 이처럼 환경부에서 고려하는 선정 방법은 인구분포 및 인구밀도를 고려한 방식과 지도상의 표현방식이 주 결정방법으로 제시되고 있으나 인위적으로 미세먼지를 발생시키는 다양한 변수요인과 환경적인 요인을 고려하지 않는다.

참고문헌 (9)

Kim AY, Kwon CH. 2016. Study on Optimal Location of Air Pollution Monitoring Networks in Urban Area Using GIS : Focused on the case of Seoul City. Journal of the Korean Society of Disaster Information. 12(4):358-365.
Ghim YS, Choi YJ, Park JS, Kim CH. 2014. An Assessment Study for the Urban Air Monitoring Network in Seoul. Journal of Korean Society for Atmospheric Environment. 30(5): 504-509.
Kim HJ, Joe WK. 2012. Assessment of PM-10 Monitoring Stations in Daegu using GIS Interpolation. Journal of the Korean Society for Geospatial Information Science. 20(2): 3-13.
Park NW. 2011. Time-series Mapping and Uncertainty Modeling of Environmental Variables: A Case Study of PM10 Concentration Mapping. Journey of the Korean Earth Science Society. 32(3):249-264.
Park SA, Shin HJ. 2016. Analysis of the Factors Influencing PM2.5 in Korea : Focusing on Seasonal Factors. Journal of the KCI. 25(1): 227-248
Lee JH, Kim YM, Kim YK. 2017. Spatial panel analysis for PM2.5 concentrations in Korea. Journal of the Korean Data & Information Science Society. 28(3):473-481.
Myrna M.T. de Rooij, Dick J.J. Heederik, Floor Borlee, Gerard Hoek, Inge M. Wouters. 2017. Spatial and temporal variation in endotoxin and PM10 concentrations in ambient air in a livestock dense area. Journey of the Environmental Research. 153:161-170.
Hu JL, Wang YG, Ying Q, Zhang HL. 2014. Spatial and temporal variability of PM2.5 and PM10 over the North China Plain and the Yangtze River Delta, China. Journey of the Environmental Research. 95:598-609.
Wang YQ, Zhang XY, Sun JY, Zhang XC, Che HZ, Li Y. 2015. Spatial and temporal variations of the concentrations of PM10, PM2.5 and PM1 in China. Journey of the Atmospheric Chemistry and Physics. 15:13585-13598.

저자의 다른 논문 :

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