서울시 토지이용과 교통량에 따른 미세먼지의 공간분포 Spatial distribution of particulate matters in comparison with land-use and traffic volume in Seoul, Republic of Korea원문보기
서울시의 대기오염을 지속적으로 모니터링하기 위해, 그동안 환경부는 운영하고 있는 대기오염 측정망을 지속적으로 발전시켜왔다. 측정되는 대기오염 물질 중 미세먼지는 인체에 상당한 영향을 미치는데, 우리나라의 오염도는 OECD 국가 중에서도 두 번째로 높은 편이다. 따라서 본 연구에서는 측정된 미세먼지 농도 자료를 이용하여 서울시의 미세먼지 분포도를 PM10과 PM2.5에 대해 작성하고, 미세먼지 농도의 분포에 영향을 미칠 것으로 예상되는 공간적인 요인들과의 관계를 조사하였다. 반경 500m의 원을 포함하는 헥사곤을 기준단위로 하여 서울 전역을 구획화하고 보간법 중 거리반비례기법을 이용하여 미세먼지 농도분포도를 작성하였다. 출, 퇴근 시간대의 미세먼지 농도분포를 지역별로 분석하고, 토지이용도 및 교통량과의 관계를 분석하였다. 분석결과, PM10과 PM2.5의 농도분포는 지역별, 시간대별로 각기 다른 패턴을 나타내었고, 토지이용형태 측면에서는 상업지역 및 교통지역의 면적이 미세먼지 농도분포와 높은 관련성을 보였으며, 녹지의 유무도 농도의 분포 변화에 관계가 있는 것으로 판단되었다. 추후 세부적인 토지이용도 및 녹지분포도 등을 통하여 상관관계를 분석하면 미세먼지의 농도에 영향을 미치는 지역 수준에서의 공간요소를 밝히는데 도움이 될 것으로 기대된다.
서울시의 대기오염을 지속적으로 모니터링하기 위해, 그동안 환경부는 운영하고 있는 대기오염 측정망을 지속적으로 발전시켜왔다. 측정되는 대기오염 물질 중 미세먼지는 인체에 상당한 영향을 미치는데, 우리나라의 오염도는 OECD 국가 중에서도 두 번째로 높은 편이다. 따라서 본 연구에서는 측정된 미세먼지 농도 자료를 이용하여 서울시의 미세먼지 분포도를 PM10과 PM2.5에 대해 작성하고, 미세먼지 농도의 분포에 영향을 미칠 것으로 예상되는 공간적인 요인들과의 관계를 조사하였다. 반경 500m의 원을 포함하는 헥사곤을 기준단위로 하여 서울 전역을 구획화하고 보간법 중 거리반비례기법을 이용하여 미세먼지 농도분포도를 작성하였다. 출, 퇴근 시간대의 미세먼지 농도분포를 지역별로 분석하고, 토지이용도 및 교통량과의 관계를 분석하였다. 분석결과, PM10과 PM2.5의 농도분포는 지역별, 시간대별로 각기 다른 패턴을 나타내었고, 토지이용형태 측면에서는 상업지역 및 교통지역의 면적이 미세먼지 농도분포와 높은 관련성을 보였으며, 녹지의 유무도 농도의 분포 변화에 관계가 있는 것으로 판단되었다. 추후 세부적인 토지이용도 및 녹지분포도 등을 통하여 상관관계를 분석하면 미세먼지의 농도에 영향을 미치는 지역 수준에서의 공간요소를 밝히는데 도움이 될 것으로 기대된다.
To sustainably monitor air pollution in Seoul, the number of Air Pollution Monitoring Station has been gradually increased by Korea's Ministry of Environment. Although particulate matters(PM), one of the pollutants measured at the stations, have an significant influence on human body, the concentrat...
To sustainably monitor air pollution in Seoul, the number of Air Pollution Monitoring Station has been gradually increased by Korea's Ministry of Environment. Although particulate matters(PM), one of the pollutants measured at the stations, have an significant influence on human body, the concentration of PM in Korea came in second among 35 OECD member countries. In this study, using the data of PM concentration from the stations, distribution maps of PM10 and PM2.5 concentrations over Seoul were generated, and spatial factors potentially related to PM distribution were investigated. Based on a circumscribed hexagon about a circle in radius of 500 meters created as a basic unit, Seoul was sectionalized and PM concentration map was generated using the interpolation technique of 'inverse distance weighting'. The distributions of PM concentrations were investigated with commuting time by administrative district and the outcome was related with land-use type and volume of traffic. Results from this analysis indicated distribution pattern of PM10 concentration was different from that of PM2.5 by administrative district and time. The distribution of PM concentration was strongly related to not only the size of business and trafficked areas among the land-use type, but also the existence of urban green. Further analysis of the relationship between the PM concentration and detailed land-use and urban green maps can be helpful to identify spatial factors which have an impact on the PM concentration on the regional scale.
To sustainably monitor air pollution in Seoul, the number of Air Pollution Monitoring Station has been gradually increased by Korea's Ministry of Environment. Although particulate matters(PM), one of the pollutants measured at the stations, have an significant influence on human body, the concentration of PM in Korea came in second among 35 OECD member countries. In this study, using the data of PM concentration from the stations, distribution maps of PM10 and PM2.5 concentrations over Seoul were generated, and spatial factors potentially related to PM distribution were investigated. Based on a circumscribed hexagon about a circle in radius of 500 meters created as a basic unit, Seoul was sectionalized and PM concentration map was generated using the interpolation technique of 'inverse distance weighting'. The distributions of PM concentrations were investigated with commuting time by administrative district and the outcome was related with land-use type and volume of traffic. Results from this analysis indicated distribution pattern of PM10 concentration was different from that of PM2.5 by administrative district and time. The distribution of PM concentration was strongly related to not only the size of business and trafficked areas among the land-use type, but also the existence of urban green. Further analysis of the relationship between the PM concentration and detailed land-use and urban green maps can be helpful to identify spatial factors which have an impact on the PM concentration on the regional scale.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 (1) 서울시 대기오염측정망과 도로변 측정소에서 제공되는 PM10과 PM2.5 데이터를 활용하여 서울시의 미세먼지 농도 분포도를 제작하고, (2) 미세먼지 농도에 영향을 끼칠 것으로 예상되는 공간적인 요인을 토지이용과 교통량으로 한정하여 본 연구에서 제작한 미세먼지 농도 분포도와 비교함으로써, 서울시 미세먼지의 공간적인 분포에 영향을 미치는 요인을 밝혀보고자 하였다.
5의 농도 분포를 지역별로 측정소 주변 토지이용의 특성과 면적 차이에 따라 미세먼지 측정값의 공간분포가 다르게 나타나는 경향과 비교 분석하였다. 또한 농도 분포의 변화와 이에 대한 원인으로 교통량의 차이를 고려하여 농도분포에 영향을 보이고 있는지 분석하고자 하였다. 특히 2018년 1월 17일과 18일은 미세먼지 대책으로 서울시에서는 대중교통이용을 촉진하고자 버스와 지하철 요금을 무료로 하는 미세먼지 저감 정책을 시행한 시점으로 이에 대한 공간분석 자료는 연구의 의의를 갖는다고 판단하였다(Figure 2).
서울시의 미세먼지 관련 문제는 날이 갈수록 심각해지고 있으나, 미세먼지의 농도변화에 영향을 미치는 인자에 대한 공간연구는 미흡하다. 본 연구에서는 서울시의 PM10과 PM2.5의 농도분포를 파악하고, 토지이용형태와 교통량을 대상으로 미세먼지 농도 변화와의 관련성을 파악하고자 하였다.
하지만 정책 추진에 대한 명확한 효과 분석과 저감 효율을 판단할 수 있는 연구는 부족하다. 본 연구에서는 토지이용과 자동차 이용을 중심으로 미세먼지에 미치는 영향을 파악하고자 하였고, 이에 따른 공간분포를 분석하였다. 본 연구를 기반으로 향후 연구과제로 토지이용의 경우 이용형태를 산업단지와 도로 및 주거지역으로 확대하여 연구를 제안할 수 있으며, 자동차 이용의 경우에는 자동차가 생성해 내는 미세먼지의 양에 초점을 맞추어 보다 세밀한 도로교통과 특성을 비교한 미세먼지 농도의 시간에 따른 분포의 변화연구를 제안하고, 공간정보의 활용 기술개발을 제안한다.
본 연구의 가설은 측정소 주변에서 다양한 형태의 토지이용이 PM10과 PM2.5의 농도 분포에 상이한 영향을 미칠 것으로 판단하였고, 또한 차량이용이 미세먼지의 발생(Lee, 2008)과 더불어 미세먼지 공간분포에 영향을 미칠 것이다 라고 판단하여 이를 검증하고자 하였다.
제안 방법
수집된 미세먼지 측정자료는 측정소의 토지이용 용도에 의해 주변 환경인자의 영향을 받을 것으로 판단하였고, Table 1과 같이 측정소가 위치한 지역의 토지이용 용도를 구분하여 측정소 위치정보와 비교하여 분석하였다.
서울시의 지역별 미세먼지 농도의 차별화된 경향을 파악하기 위하여, 유동인구가 가장 많은 출·퇴근 시간인 6시와 8시 사이 및 18시와 20시 사이의 데이터를 이용하여 구별, 시간대별 미세먼지 농도 분포도로 제작하였다. 미세먼지의 농도 분포와 공간적인 요인들과의 관계를 파악하고자, 구별 토지이용분포를 분석하였고, 서울 시내에 형성되어 있는 대로를 중심으로 교통량 자료를 QGIS에서 제공하는 IDW 보간법을 이용하여 분포도를 제작하였다(Figure 4). IDW 보간법은 Jeong(2014)의 연구결과에서 서울시 미세먼지 농도분포 결과를 비교하여 공간분포 지도의 성과를 검증하였다.
본 연구는 서울시 행정구역 25개 구에 각 1개소씩 운영되고 있는 도시대기측정망과 주요 도로에서의 발생량을 측정하는 14개 주요 도로에서의 도로변 측정소 미세먼지 대기질 측정자료를 수집하고 이를 측정소 위치정보를 기반으로 측정자료의 공간보간 분석을 수행하였다(Table 2).
본 연구에서는 서울시의 PM10과 PM2.5의 농도 분포를 지역별로 측정소 주변 토지이용의 특성과 면적 차이에 따라 미세먼지 측정값의 공간분포가 다르게 나타나는 경향과 비교 분석하였다. 또한 농도 분포의 변화와 이에 대한 원인으로 교통량의 차이를 고려하여 농도분포에 영향을 보이고 있는지 분석하고자 하였다.
본 연구에서는 제작된 서울시의 시간대별 PM10, PM2.5 농도 분포도 중 오전 6시 측정자료를 아래 Figure 5, Figure 6에 나타내었고, 시간대별 분포지도는 부록으로 첨부하였다(Appendix 1, 2).
서울시의 지역별 미세먼지 농도의 차별화된 경향을 파악하기 위하여, 유동인구가 가장 많은 출·퇴근 시간인 6시와 8시 사이 및 18시와 20시 사이의 데이터를 이용하여 구별, 시간대별 미세먼지 농도 분포도로 제작하였다.
수집된 미세먼지 데이터를 대상으로 QGIS 내의 공간보간기법 중 거리반비례기법(IDW)를 적용하여 측정소의 시간 단위 측정값을 공간보간하였고, 연구에서 적용한 공간보간기법의 결과를 헥사곤 격자 틀을 이용하여 미세먼지 농도 분포도로 제작하였다.
Figure 3은 본 연구에서 적용한 공간분석 단위인 헥사곤의 서울시 구획을 제시한 것으로 2020 서울 도시기본계획에서는 동일 생활권 내에서 보행권, 통학권, 역세권 등의 개념을 반영하여 반경 500m 내외의 연계가능한 동일 소생할권을 구분하여 근린생활권으로 정의하고 있다(Kim and Kwon, 2016). 이를 바탕으로 반경 500m의 원을 포함하는 6각형(헥사곤; Hexagon)을 하나의 기준 단위로 하여 총 803개의 헥사곤으로 서울 전 지역을 구획하였다(Figure 3).
대상 데이터
서울시는 각 구별 25개 도시대기 측정망을 운영하고 있으며, 25개 도시대기측정망과 함께 주요 도로에 서의 발생량을 측정하는 14개 주요 도로에서는 도로변 측정소를 운영하여 미세먼지 대기질을 측정하고 있다. 또한 서울시는 PM10과 PM2.5를 동시에 측정하여 측정소 기반 PM10과 PM2.5 미세먼지 측정 자료의 분석이 용이하고, 도로망에 의한 교통량 등 공간자료의 분석과 비교 자료를 확보할 수 있는 연구대상 지역이므로 서울시 행정구역을 본 연구에서 연구대상지로 선정하였다.
본 연구에서는 서울시의 대기오염 측정소에서 측정된 미세먼지 데이터를 이용하였고(Figure 1), 미세먼지 경보가 발령된 2018년 1월 17일과 18일을 시간적 범위로 한정하여 데이터를 수집하였다(Figure 2). 수집된 미세먼지 측정자료는 측정소의 토지이용 용도에 의해 주변 환경인자의 영향을 받을 것으로 판단하였고, Table 1과 같이 측정소가 위치한 지역의 토지이용 용도를 구분하여 측정소 위치정보와 비교하여 분석하였다.
성능/효과
이와 같은 결과들을 종합해 볼 때, 도시 숲이 미세먼지 농도를 절대적으로 낮추지는 못 하더라도 도시 내 미세먼지 농도를 상대적으로 낮게 유지시키는데 긍정적인 역할을 하는 것으로 판단되었다. PM10과 PM2.5의 농도가 높게 나타난 지역들의 공통적인 토지이용형태를 분석한 결과, 주거지역을 제외한 상위 3개의 면적 분포 중 가장 많은 면적으로 상업 지역과 교통 지역으로 확인되었다. 따라서 상업 지역과 교통 지역은 미세먼지의 인공적인 발생과 상관성이 높은 것으로 판단되었다.
측정소 주변 반경으로 각 행정구역별 측정소 주변 상위 3개의 토지이용면적을 정리한 결과는 Table 3과 같다. 대부분의 행정구역은 주거지역의 면적이 가장 넓은 것으로 분석되었으며, 예외적인 지역 6곳이 분석결과 도출되었다(Table 3). 상업지역이 가장 넓게 분포한 지역은 중구(66%), 종로구(55%), 강남구(42%), 영등포구(42%)로 나타났으며, 성동구의 경우 지리적으로 한강이 포함되어 내륙수(45%)가 가장 넓은 면적으로 차지하는 것으로 구분되었고, 용산구의 경우는 측정소 주위에 대형공원 등의 포함으로 인하여 활엽수림(44%)이 가장 넓게 분포하고 있는 것으로 분석되었다.
본 연구에서는 측정소 주변 반경 토지이용형태를 고려한 결과, 첫째, 상업지역 및 교통지역은 미세먼지의 농도를 상승시키는 공간적 요인으로 판단되었다. 둘째, 활엽수림 등과 같은 식생지역은 미세먼지 농도를 저감시키는 효과가 있는 것으로 판단되었다. 하지만, 단편적인 요인의 분석만으로는 미세먼지 농도분포 예측은 어려운 것으로 판단되었다.
5의 농도가 높게 나타난 지역들의 공통적인 토지이용형태를 분석한 결과, 주거지역을 제외한 상위 3개의 면적 분포 중 가장 많은 면적으로 상업 지역과 교통 지역으로 확인되었다. 따라서 상업 지역과 교통 지역은 미세먼지의 인공적인 발생과 상관성이 높은 것으로 판단되었다.
본 연구에서 서울시 대로변 교통량을 분석한 결과, 각 대로별 교통량과 대로의 영향 범위를 확인할 수 있었다(Figure 9). 교통량이 많은 지역은 마포구, 용산구, 영등포구, 동작구, 서초구 강남구 등 강남 지역에 많은 교통량을 확인 할 수 있으며, 실제로 교통량이 많은 영등포로와 인접한 영등포구의 경우 미세먼지와 초미세먼지가 양쪽 다 다른 지역보다 높게 나타났고, 행정구역 중 PM10 농도가 가장 높게 측정된 서초구 역시 교통량이 높게 나타났다(Figure 9).
본 연구에서는 측정소 주변 반경 토지이용형태를 고려한 결과, 첫째, 상업지역 및 교통지역은 미세먼지의 농도를 상승시키는 공간적 요인으로 판단되었다. 둘째, 활엽수림 등과 같은 식생지역은 미세먼지 농도를 저감시키는 효과가 있는 것으로 판단되었다.
5의 농도가 가장 높게 측정된 동작구의 교통량도 상당히 높은 것으로 나타났다(Figure 9). 상대적으로 대로의 분포밀도가 낮은 강서구, 양천구 및 노원구의 경우, PM10의 농도는 낮고 PM2.5의 농도는 상대적으로 높게 나타나 교통량에 의한 미세먼지는 발생은 PM10의 농도 증가와 더 밀접한 관계가 있는 것으로 판단되었다(Figures 7~9).
대부분의 행정구역은 주거지역의 면적이 가장 넓은 것으로 분석되었으며, 예외적인 지역 6곳이 분석결과 도출되었다(Table 3). 상업지역이 가장 넓게 분포한 지역은 중구(66%), 종로구(55%), 강남구(42%), 영등포구(42%)로 나타났으며, 성동구의 경우 지리적으로 한강이 포함되어 내륙수(45%)가 가장 넓은 면적으로 차지하는 것으로 구분되었고, 용산구의 경우는 측정소 주위에 대형공원 등의 포함으로 인하여 활엽수림(44%)이 가장 넓게 분포하고 있는 것으로 분석되었다.
활엽수림, 침엽수림, 혼효림 또는 자연초지가 상위 3개의 토지이용형태에 포함되어 있는 지역은 강북구, 강서구, 금천구, 도봉구, 동작구, 서대문구, 용산구, 은평구, 중구 및 중랑구로 총 10개 지역이며, 이 중 서대문구를 제외한 나머지 9개의 구는 평균 PM10 농도가 100㎍ 이하를 나타내었다. 이와 같은 결과들을 종합해 볼 때, 도시 숲이 미세먼지 농도를 절대적으로 낮추지는 못 하더라도 도시 내 미세먼지 농도를 상대적으로 낮게 유지시키는데 긍정적인 역할을 하는 것으로 판단되었다. PM10과 PM2.
후속연구
본 연구에서는 토지이용과 자동차 이용을 중심으로 미세먼지에 미치는 영향을 파악하고자 하였고, 이에 따른 공간분포를 분석하였다. 본 연구를 기반으로 향후 연구과제로 토지이용의 경우 이용형태를 산업단지와 도로 및 주거지역으로 확대하여 연구를 제안할 수 있으며, 자동차 이용의 경우에는 자동차가 생성해 내는 미세먼지의 양에 초점을 맞추어 보다 세밀한 도로교통과 특성을 비교한 미세먼지 농도의 시간에 따른 분포의 변화연구를 제안하고, 공간정보의 활용 기술개발을 제안한다. 특히 서울시의 상업, 주거, 녹지 등 세부적인 토지이용도에 대한 분석이 필요한 것으로 판단되었다.
또한 서울뿐만 아니라 서울 외곽과 주변 지역과의 영향관계도 고려해야 하는 것으로 판단되었다. 장기간의 모니터링 데이터를 이용한 시계열 분석과 유효한 영향인자를 추가적으로 발굴하는 등 서울시의 미세먼지 저감 정책개발을 위한 공간분석 기술은 서울시 연구지역을 실증적으로 평가하기 위한 후속연구가 필요한 것으로 판단되었다.
주거지의 경우 단독주택이나 공동주택 또는 아파트 등과 같은 주거 형태에 대한 고려도 미세먼지 농도 분포를 이해하는데 효과적일 것으로 판단되었다. 주거지 인근에 설치되어 있는 공장이나 쓰레기 소각장, 공원 등의 공간적인 분포도 연구대상으로 포함될 수 있을 것이다. 또한 서울뿐만 아니라 서울 외곽과 주변 지역과의 영향관계도 고려해야 하는 것으로 판단되었다.
질의응답
핵심어
질문
논문에서 추출한 답변
대기오염 측정망을 지속적으로 발전시킨 원인은?
서울시의 대기오염을 지속적으로 모니터링하기 위해, 그동안 환경부는 운영하고 있는 대기오염 측정망을 지속적으로 발전시켜왔다. 측정되는 대기오염 물질 중 미세먼지는 인체에 상당한 영향을 미치는데, 우리나라의 오염도는 OECD 국가 중에서도 두 번째로 높은 편이다.
측정된 미세먼지 농도 자료를 이용하여 서울시의 미세먼지 분포도를 PM10과 PM2.5에 대해 작성하고, 미세먼지 농도의 분포에 영향을 미칠 것으로 예상되는 공간적인 요인들과의 관계를 조사한 결과는?
출, 퇴근 시간대의 미세먼지 농도분포를 지역별로 분석하고, 토지이용도 및 교통량과의 관계를 분석하였다. 분석결과, PM10과 PM2.5의 농도분포는 지역별, 시간대별로 각기 다른 패턴을 나타내었고, 토지이용형태 측면에서는 상업지역 및 교통지역의 면적이 미세먼지 농도분포와 높은 관련성을 보였으며, 녹지의 유무도 농도의 분포 변화에 관계가 있는 것으로 판단되었다. 추후 세부적인 토지이용도 및 녹지분포도 등을 통하여 상관관계를 분석하면 미세먼지의 농도에 영향을 미치는 지역 수준에서의 공간요소를 밝히는데 도움이 될 것으로 기대된다.
OECD 국가 중 우리나라의 미세먼지 농도 순위는?
서울시의 대기오염을 지속적으로 모니터링하기 위해, 그동안 환경부는 운영하고 있는 대기오염 측정망을 지속적으로 발전시켜왔다. 측정되는 대기오염 물질 중 미세먼지는 인체에 상당한 영향을 미치는데, 우리나라의 오염도는 OECD 국가 중에서도 두 번째로 높은 편이다. 따라서 본 연구에서는 측정된 미세먼지 농도 자료를 이용하여 서울시의 미세먼지 분포도를 PM10과 PM2.
참고문헌 (23)
Choi IJ, Jo WK, Sin SH. 2016. Evaluation of Air Pollution Monitoring Networks in Seoul Metropolitan Area using Multivariate Analysis. Journal of Environmental Science International. 25(5):673-681.
Duan J, Tan J, Wang S, Hao J, Chai F. 2012. Size distributions and souirces of elements in particulate matter at curbside, urban and rural sites in Beijing. Journal of Environmental Sciences. 24(1):87-94.
Han SW, Lee SH, Lee HW. 2015. Study on the characteristics of PM distribution in coastal and inland cities correlation and its correlation. Journal of Environmental Science International. 24(11):1513-1523.
Jeong JC. 2014. A Spatial Distribution Analysis and Time Series Change of PM10 in Seoul City. Journal of the Korean Association of Geographic Information Studies. 17(1):61-69.
Ju JH, Hwang IJ. 2011. A Study for Spatial Distribution of Principal Pollutants in Daegu Area Using Air Pollution Monitoring Network Data. Journal of Korean Society for Atmospheric Environment. 27(5):545-557.
Jung JH, Lee HD, Shon BH. 2012. Assessment of location of the air quality monitoring stations according to the analysis of wind sector division in Pohang. Journal of the Korea Academia-Industrial cooperation Society. 13(4):1931-1938.
Jung JH, Choi WJ, Leem HH, Shon BH. 2010. Health and Environmental Risk Assessment of Pollutants in Pohang. Journal of the Korea Academia-Industrial cooperation Society. 11(7):2719-2726.
Kim AY and 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 Korea Society of disaster information. 12(4):358-365.
Lee HD, Lee GH, Kim ID, Kang JS, Oh KJ. 2013. The influences of concentration distribution and movement of air pollutants by sea breeze and mist around Onsan Industrial Complex. Clean Technology. 19(2):95-104.
Lee KS. 2008. Spatio-temporal analysis of urban population exposure to traffic related air pollution. Journal of the Economic Geographical Society of Korea. 11(1):59-77.
Lee YK, Lee KJ, Lee JS, Shin ES. 2012. Regional Characteristics of Particle Size Distribution of PM10. Journal of Korean Society for Atmospheric Environment. 28(6):666-674.
ME. 2013. Guidelines for action plan of area air quality regulations. Ministry of Environment.
NIER. 2013. Planning research on building a management system for advancing Korea's air pollution measurement network. National Institute of Environmental Research(NIER), Ministry of Environment, Seoul, Republic of Korea.
Park JK, Choi YJ, Jung WS. 2015., An analysis on the distribution characteristics of PM10 concentration and its relation of the death from Asthma in Seoul, Korea. Journal of Environmental Science International. 24(7):961-968.
Park JK, Choi YJ, Jung WS. 2016. Understanding on regional characteristics of particular matter in Seoul - distribution of concentration in borough spatial area and relation with the number of registered vehicles. Journal of Environmental Science International. 26(1):55-65.
Park MH, Park MS, Kim HD. 2007. Comparative study on the exhaust of air pollution from Daegu-si between 1998 and 2004. Proceedings of the Korean Environmental Sciences Society Conference. p. 174-178.
Park NW. 2011. Time-series mapping and uncertainty modeling of environmental variables: a case study of PM10 concentration mapping. Journal of the Korean Earth Science Society. 32(3):249-264.
Samet JM, Dominici F, Curriero FC, Coursac I, Zeger SL. 2000. Fine particulate air pollution and mortality in 20 U.S cities, 1987-1994. The New England Journal of Medicine. 343:1742-1749.
Shen G, Xue M, Chen Y, Yang C, Li W, Shen H, Huang Y, Zhang Y, Chen H, Zhu Y, Wu H, Ding A, Tao S. 2014. Comparison of carbonaceous particulate matter emission factors among different solid fuels burned in residential stoves. Atmospheric Environment. 89:337-345.
Sun Y, Zhuang G, Wang Y, Han L, Guo J, Dan M, Zhang W, Wang Z, Hao Z. 2004. The air-borne particulate pollution in Beijing - concentration, composition, distribution and sources. Atmospheric Environment. 38(35):5991-6004.
Wang S, Zhou C, Wang Z, Feng K, Hubacek K. 2017. The Characteristics and drivers of fine particulate matter(PM2.5) distribution in China. Journal of Cleaner Production. 142(4):1800-1809.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.