[논문]서울시 월별 미세먼지 농도와 주변 토지피복의 관계 분석

최태영; 강다인; 차재규

doi:10.14249/eia.2019.28.6.568

서울시 월별 미세먼지 농도와 주변 토지피복의 관계 분석
An Analysis of the Correlation between Seoul's Monthly Particulate Matter Concentrations and Surrounding Land Cover Categories 원문보기

환경영향평가 = Journal of environmental impact assessment, v.28 no.6, 2019년, pp.568 - 579

최태영 (국립생태원 생태평가연구실) , 강다인 (국립생태원 생태평가연구실) , 차재규 (국립생태원 생태평가연구실)

초록
AI-Helper

연구는 서울시 도시대기 측정망의 월별 미세먼지 농도와 측정소 주변 버퍼별, 토지피복 유형별 비율의 관계를 분석하여 미세먼지 농도에 대한 토지피복의 영향을 규명하고자 하였다. 대분류 토지피복 유형과 미세먼지 농도의 월별 상관분석 결과 버퍼 3km에서, PM_2.5보다 PM₁₀에서 상관성이 잘 나타났고, 산림과 뚜렷한 음의 상관관계, 초지와 시가지는 PM₁₀과, 나지와 시가지는 PM_2.5와 일부 양의 상관관계를 나타냈다. 버퍼 3km 내 중분류 및 세분류 우세 피복유형의 월별 상관분석 결과 PM₁₀은 활엽수림과 뚜렷한 음의 상관관계를 나타냈고, 도로와 일부 양의 상관이 우세한 편이었다. PM_2.5는 활엽수림과 일부 음의 상관, 상업지역과 일부 양의 상관이 많은 편이었다. 그 밖에 초지 및 나지 세부 유형의 상관성은 매우 낮거나 없었다. 양의 상관 및 음의 상관관계의 각 대표 피복유형으로 단계선택법에 의한 월별 회귀분석을 실시한 결과 PM₁₀은 활엽수림 비율 증가에 의한 농도 감소 영향이 뚜렷하였고, 도로는 변수선택에서 제거되었다. PM_2.5는 일부 월별로 상업지역 비율 증가에 따른 농도 증가 영향 또는 활엽수림 비율 증가에 따른 농도 감소 영향을 받았지만, 그 영향력은 PM₁₀에 비해 낮았다. 연구결과 측정소 주변 토지피복은 미세먼지 농도 증감에 영향을 주었고, 그 영향은 PM₁₀에서 더 분명하였다. 산림 유형은 미세먼지 농도에 가장 크고, 분명한 영향을 주는 저감 요인이었다. 시가화지역 관련 유형들의 농도 증가 영향은 일부 확인되었다. 도심 산림의 미세먼지 저감 기능은 분명한 효과를 가진 것으로 보이며, 향후 녹지의 세부 특성과 복잡한 도시환경 요인의 작용을 규명하는 후속 연구가 필요하였다.

Abstract ▼ AI-Helper

The present study aims to identify the effect of land cover categories on particulate matter (PM) concentrations by analyzing the correlation between monthly PM concentrations in Seoul's air quality monitoring network and the percentages of land cover categories by buffers around air quality monitoring stations. According to a monthly correlation analysis between land cover categories and PM concentrations, in the buffer 3km, PM10 showed a better correlation than PM2.5, there was a clear negative correlation with the forest area, the grassland and the urbanized area had some positive correlation with PM10, and the barren land and the urbanized area had some positive correlation with PM2.5. According to a monthly correlation analysis of dominant land cover sub-categories and sub-sub-categories within the buffer 3km, PM10 showed a clear negative correlation with the broad-leaved forest, and some positive correlation with the road was dominant. PM2.5 showed partly negative correlation with the broad-leaved forest and partly positive correlation with the commercial area. There was a very low or no correlation with other grassland and bare land subcategories. A monthly stepwise regression analysis on noticeable land cover sub-categories and sub-sub-categories with positive or negative correlations revealed that an increasing percentage of the broad-leaved forest had a clear effect on reducing PM10 concentrations, and the road was excluded from the selected variables. Although an increasing percentage of the commercial area had some effect on increasing monthly PM2.5 concentrations and an increasing percentage of the broad-leaved forest had an effect on decreasing the PM2.5 concentrations, their effect size was smaller than that on PM10. The forest area around the city center had the largest and clearest effect on reducing PM concentrations. The urbanized area's sub-categories and sub-sub-categories were also confirmed to have some effect on increasing PM concentrations.

주제어

표/그림 (9)

그림 Figure 1. Map of land cover categories by buffer around air quality monitoring stations in Seoul.
표 Table 1. Descriptive statistics on the nearest neighbor distance between air quality monitoring stations in Seoul (unit: m)
그림 Figure 2. Boxplots for monthly average PM concentrations in 2016 by air quality monitoring station in Seoul.
그림 Figure 3. Bar chart for the percentages of land cover categories by buffer around air quality monitoring stations in Seoul.
표 Table 2. Monthly correlation analysis between land cover categories and PM concentrations by buffer around air quality monitoring stations in Seoul
표 Table 2. Continued
표 Table 3. Percentages of land cover sub-categories and sub-sub-categories within the buffer 3km around air quality monitoring stations in Seoul (unit: %)
표 Table 4. Monthly correlation analysis between dominant sub-categories/sub-sub-categories and PM concentrations within the buffer 3km around air quality monitoring stations in Seoul
표 Table 5. Regression analysis on monthly PM concentrations by percentage of noticeable land cover sub-categories and sub-sub-categories within the buffer 3km around air quality monitoring stations in Seoul

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구는 미세먼지 농도에 영향을 끼치는 공간적 요인인 토지피복의 영향을 규명하기 위하여 서울시 대기오염 측정망의 월별 미세먼지 농도와 측정소 주변 버퍼(측정소 주변 원형 범위)별, 토지피복 유형별 비율의 관계성을 월별 상관분석과 회귀분석을 통해 파악하고자 하였다. 이를 통해 도시 미세먼지 농도에 대한 다양한 주변 토지피복 유형들의 선형적인 상호관련성과 인과적 관계성을 제시하였다.
따라서 본 연구는 미세먼지 농도에 영향을 끼치는 공간적 요인인 토지피복의 영향을 규명하기 위하여 서울시 대기오염 측정망의 월별 미세먼지 농도와 측정소 주변 버퍼(측정소 주변 원형 범위)별, 토지피복 유형별 비율의 관계성을 월별 상관분석과 회귀분석을 통해 파악하고자 하였다. 이를 통해 도시 미세먼지 농도에 대한 다양한 주변 토지피복 유형들의 선형적인 상호관련성과 인과적 관계성을 제시하였다.

제안 방법

측정소 주변 토지피복 비율은 주변 범위의 크기에 따라 달라지기 때문에, 미세먼지 농도와 관련성이 높은 적정한 크기의 버퍼(주변 토지피복 산정 범위) 선정이 중요하였다. 이를 위해 측정소를 중심으로 반경 1km, 2km, 3km의 3가지 크기의 원형 버퍼를 설정하여 버퍼 크기별로 내부 피복유형별 비율을 산출하였다. 버퍼 크기 선정 기준은 23개 측정소 분포 위치를 고려하여 측정소 사이의 토지피복이 적절하게 포함될 수 있도록 최근린분석(Nearest neighbor analysis)을 통해 측정소간 최근접 이격거리를 산출 하였고, 측정소간 최소·최대 거리를 고려하여 그 절반크기인 1~3km의 버퍼 크기를 선정하였다(Table 1; Figure 1).
측정소 주변 토지피복과 미세먼지 농도의 관계성 분석은 주요 피복유형의 비율과 미세먼지 농도의 월별 상관분석을 실시하였고, 상관성이 높은 피복유형은 회귀분석을 통해 미세먼지 농도에 끼치는 토지피복의 영향력을 파악하였다. 상관분석은 토지피복도 작성 축척을 고려하여 먼저 주요 대분류 피복유형별 비율과 미세먼지 농도의 상관분석을 실시하였다.
본 연구는 도시 미세먼지 농도에 영향을 끼치는 공간적 요인인 토지피복의 영향을 규명하기 위하여 서울시에 위치한 도시대기 측정망의 월별 미세먼지 농도와 측정소 주변의 토지피복 유형별 비율의 관계를 분석하였다. 측정소 주변 토지피복은 측정소간 이격 거리를 고려하여 선정된 버퍼별, 토지피복 축척별로 유형별 비율을 산출하였고, 월별 미세먼지 농도와 상관분석 및 회귀분석을 실시하여 피복유형의 영향을 파악하였다. 분석 결과는 요약하면 다음과 같다.

대상 데이터

서울시에 위치한 도시대기, 도로변대기 측정망 중 지점수가 많고 분포가 고른 도시대기 측정망을 대상으로 23개 측정소를 선정하여 연구를 진행하였다. 분석자료는 서울시 도시대기 측정망에서 2016년 1년간 측정된 PM₁₀, PM_2.5 농도의 측정소별 월평균 자료와 환경부 2013년 토지피복도 자료를 사용하였다.
연구대상지는 환경부 대기오염 측정망이 가장 조밀하게 구축된 서울시를 대상으로 하였다. 서울시에 위치한 도시대기, 도로변대기 측정망 중 지점수가 많고 분포가 고른 도시대기 측정망을 대상으로 23개 측정소를 선정하여 연구를 진행하였다. 분석자료는 서울시 도시대기 측정망에서 2016년 1년간 측정된 PM₁₀, PM_2.
연구대상지는 환경부 대기오염 측정망이 가장 조밀하게 구축된 서울시를 대상으로 하였다. 서울시에 위치한 도시대기, 도로변대기 측정망 중 지점수가 많고 분포가 고른 도시대기 측정망을 대상으로 23개 측정소를 선정하여 연구를 진행하였다.

데이터처리

상관분석은 측정소별 월평균 미세먼지 농도와 측정소 주변 토지피복 유형별 비율의 선형적인 상호관 련성을 Pearson 상관계수를 분석하여 파악하였다. 분석의 순서는 토지피복도 작성 축척에 따라 대분류, 중분류, 세분류 토지피복 유형별로 실시하였다.
회귀분석은 상관분석 결과에서 음의 상관 및 양의 상관관계가 가장 잘 나타난 각 대표 세부 피복유 형을 독립변수로 선정하여 단계선택법(Stepwise selection)에 의한 선형 회귀분석을 실시하였다. 이를 통해 반대의 상관관계를 나타낸 두 설명변수 중 미세먼지 농도에 대한 유의한 영향력이 더 큰 변수가 우선되는 최적 모형을 도출하였다.

성능/효과

넷째, 미세먼지 농도는 주변의 몇몇 토지피복 유형과 유의한 상관관계가 있었고, 특히 산림과 그 세부 우세 유형인 활엽수림 비율의 증가가 가장 일관되고 뚜렷한 농도 감소 영향을 주었다. 이러한 결과는 PM₁₀에서 더 분명하였다.
둘째, 버퍼 3km에서 상관성이 확인된 4개 대분류 피복유형의 세부 피복유형과 미세먼지 농도의 월별 상관분석 결과 PM₁₀은 산림 세부 유형인 활엽수림과 일관되고 두드러진 음의 상관관계를 나타냈다. 일부 양의 상관을 나타낸 교통지역은 세분류 유형인 도로 에서 상관성이 증가하였으나, 인공초지는 세분류 유형인 기타초지에서 상관성이 없었다.
셋째, 양의 상관 및 음의 상관관계인 각 대표 피복 유형으로 PM₁₀은 활엽수림(311)과 도로(154), PM_2.5는 활엽수림(300)과 상업지역(130)을 선정하여 단계 선택법에 의한 월별 회귀분석을 실시한 결과 PM₁₀은 활엽수림 비율 증가에 의한 농도 감소 영향이 뚜렷하였고, 활엽수림과 함께 투입됐을 때 유의한 영향을 주지 못한 도로는 변수에서 제거되었다. PM_2.
첫째, 대분류 토지피복 유형과 미세먼지 농도의 월별 상관분석 결과 버퍼 3km에서, PM_2.5보다 PM₁₀에서 상관성이 잘 나타났다. 산림과 음의 상관관계가 가장 뚜렷하였고, 그 외 초지와 시가지는 PM₁₀과, 나지와 시가지는 PM_2.

후속연구

이러한 결과는 PM₁₀에서 더 분명하였다. PM₁₀에서 교통지역, 도로 등 미세먼지 농도와 양의 상관관계인 피복유형의 영향력은 산림보다 현저하게 낮았는데, 피복유형의 면적 정보 이외에 농도 증가를 유발하는 다른 도시환경 요인의 작용을 파악할 필요가 있었다. PM_2.
본 연구는 측정소 주변 토지피복 중 산림(활엽수림 우점) 유형의 비율이 미세먼지 농도에 가장 크고, 분명한 영향을 주는 저감 요인임을 제시하였다. 향후에는 산림 등 녹지의 세부 특성에 따른 미세먼지 저감 기능을 규명하는 후속 연구가 필요하며, 산림에 비해 약한 관계성을 나타낸 시가화지역 세부 유형의 영향및 PM_2.5와의 관계성에 대해 토지피복도에 드러나지 못한 복잡한 도시환경의 영향을 고려한 후속 연구가 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	미세먼지의 저감을 위해 선행되어야 하는 것은?	이러한 미세먼지의 저감을 위해서는 미세먼지 농도 증감에 영향을 끼치는 요인들의 작용을 파악하는 것이 중요하다. 기상조건 중 강수량과 풍속은 미세먼지 농도와 음의 상관 나타냈는데(Chae 2009; Park 2017), 이는 강수에 의해 먼지는 씻겨 내려가고, 풍속이 높을 때 대기 순환에 의한 먼지 확산이 잘 되기 때문이다.
	수목이 미세먼지를 저감하는 방법은?	2015) 등 다양하고 복잡한 요인들과 상관성을 갖으며 변화된다. 이 중 미세먼지 저감과 관련된 녹지의 기능에 대해 다수의 연구가 진행되었는 데, 수목은 기공이나 잎, 식물체 표면을 통해 미세먼지를 흡수, 흡착하여 미세먼지를 저감하며(Nowak et al. 1998; Nowak et al.
	서울시를 대상으로 한, 토지피복과 미세먼지 농도의 관계성 분석에 사용한 자료는?	서울시에 위치한 도시대기, 도로변대기 측정망 중 지점수가 많고 분포가 고른 도시대기 측정망을 대상으로 23개 측정소를 선정하여 연구를 진행하였다. 분석자료는 서울시 도시대기 측정망에서 2016년 1년간 측정된 PM10, PM2.5 농도의 측정소별 월평균 자료와 환경부 2013년 토지피복도 자료를 사용하였다.

참고문헌 (34)

Abhijith KV, Kumar P, Gallagher J, McNabola A, Baldauf R, Pilla F, Pulvirenti B. 2017. Air pollution abatement performances of green infrastructure in open road and built-up street canyon environments-A review. Atmos. Environ. 162: 71-86.

상세보기
Bae HJ. 2014. Effects of short-term exposure to $PM_{10}$ and $PM_{2.5}$ on mortality in Seoul. J. Environ. Health. 40(5): 346-354. [Korean Literature]
Brantley HL, Hagler GS, Deshmukh PJ, Baldauf RW. 2014. Field assessment of the effects of roadside vegetation on near-road black carbon and particulate matter. Sci. of the Total Environ. 468: 120-129.
Cai M, Xin Z, Yu X. 2017. Spatio-temporal variations in PM leaf deposition: A meta-analysis. Environ. Pollut. 231: 207-218.

상세보기
Cavanagh JE, Zawar-Reza P, Gaines Wilson J. 2009. Spatial attenuation of ambient particulate matter air pollution within an urbanized native forest patch. urban for. urban green. 8(1): 21-30.

상세보기
Chae HJ. 2009. Effect on the $PM_{10}$ Concentration by Wind Velocity and Wind Direction. J. Environ. Sanit. Eng. 24(3): 37-54. [Korean Literature]
Chen J, Yu X, Sun F, Lun X, Fu Y, Jia G, Zhang Z, Liu X, Mo L, Bi H. 2015. The concentrations and reduction of airborne particulate matter ( $PM_{10}$ , $PM_{2.5}$ , PM1) at shelterbelt site in Beijing. Atmosphere. 6: 650-676.

상세보기
Choi TY, Moon HG, Kang DI, Cha JG. 2018. Analysis of the Seasonal Concentration Differences of Particulate Matter According to Land Cover of Seoul: Focusing on Forest and Urbanized Area. Journal of Environmental Impact Assessment. 27(6): 635-646. [Korean Literature]

원문보기 상세보기
Dockery DW, Pope CA, Xu X, Spengler JD, Ware JH, Fay ME, Ferris BG, Speizer FE. 1993. An association between air pollution and mortality in six US cities. N. Engl. J. Med. 329(24): 1753-1759. 1753-1759.

상세보기
Fan S, Li X, Han J, Cao Y, Dong L. 2017. Field assessment of the impacts of landscape structure on different-sized airborne particles in residential areas of Beijing. China. Atmos. Environ. 166: 192-203.

상세보기
Hatakeyama S, Takami A, Sakamaki F, Mukai H, Sugimoto N, Shimizu A, Bandow H. 2004. Aerial measurement of air pollutants and aerosols during 20-22 March 2001 over the East China Sea. J. Geophys. Res. Atmospheres. 109: D13.
Heo JB, Hopke PK, Yi SM. 2009. Source apportionment of $PM_{2.5}$ in Seoul, Korea. Atmos. Chem. Phys. 9(14): 4957-4971.

상세보기
Hitchins J, Morawska L, Wolff R, Gilbert D. 2000. Concentrations of submicrometre particles from vehicle emissions near a major road. Atmos. environ.. 34(1): 51-59.

상세보기
Hoek G, Beelen R, De Hoogh K, Vienneau D, Gulliver J, Fischer P, Briggs D. 2008. A review of land-use regression models to assess spatial variation of outdoor air pollution. Atmos. environ. 42(33): 7561-7578.

상세보기
Hong SH and Lee SH. 2017. Characteristic of PM10 Distribution Related to Precise Local Wind Patterns in Busan Metropolitan Area. Journal of Environmental Science International. 26(12): 1375-1387. [Korean Literature]

원문보기 상세보기
Jin S, Guo J, Wheeler S, Kan L, Che S. 2014. Evaluation of impacts of trees on $PM_{2.5}$ dispersion in urban streets. Atmos. Environ., 99: 277-287.

상세보기
Jonsson P, Bennet C, Eliasson I, Lindgren ES. 2004. Suspended particulate matter and its relations to the urban climate in Dar es Salaam. Tanzania. Atmos. Environ. 38: 4175-4181.

상세보기
K-eco. 2018. Air korea. Available from: https://www.airkorea.or.kr/
Kim YP. 2017. Research and Policy Directions against Ambient Fine Particles. J. Korean Soc. Atmos. Environ. 33(3): 191-204. [Korean Literature]

원문보기 상세보기
Nguyen T, Yu XX, Zhang ZM, Liu MM, Liu XH. 2015. Relationship between types of urban forest and $PM_{2.5}$ capture at three growth stages of leaves. J. Environ. Sci. 27: 33-41.

상세보기
NIER (National Institute of Environmental Research). 2016. Annual report of air quality in Korea 2015. National Institute of Environmental Research. 1-362. [Korean Literature]
Nowak DJ, McHale PJ, Ibarra M, Crane D, Stevens J, Luley C. 1998. Modeling the effects of urban vegetation on air pollution. Air pollution modeling and its application XII. Springer. Boston. MA. 399-407.
Nowak DJ, Crane DE and Stevens JC. 2006. Air pollution removal by urbantrees and shrubs in the United States. Urban Forestry & Urban Greening. 4: 115-123.

상세보기
Park JK, Choi YJ and Jung WS. 2015. An analysis on the distribution characteristics of PM10 concentration and its relation to the death from Asthma in Seoul, Korea. J. Environ. Sci. Int., 24(7): 961-968. [Korean Literature]

원문보기 상세보기
Park CS. 2017. Variations of $PM_{10}$ concentration in Seoul during 2015 and relationships to weather condition. J. Photo Geogr. 27(2): 47-64. [Korean Literature]
Park SY, Kim YJ, Kim CH. 2012. Characteristics of Long-Range Transport of Air Pollutants due to Different Transport Patterns over Northeast Asia. J. KOSAE. 28(2): 142-158. [Korean Literature]

원문보기 상세보기
Reponen T, Grinshpun SA, Trakumas S, Martuzevicius D, Wang ZM, LeMasters G, Biswas P. 2003. Concentration gradient patterns of aerosol particles near interstate highways in the Greater Cincinnati airshed. J. of environ. monit. 5(4): 557-562.

상세보기
Saebo A, Popek R, Nawrot B, Hanslin HM, Gawronska H, Gawronski SW. 2012. Plant species differences in particulate matter accumulation on leaf surfaces, Sci. Total Environ. 427: 347-354.

상세보기
Schwartz J, Dockery DW, Neas LM. 1996. Is daily mortality associated specifically with fine particles J. Air Waste Manage. Assoc. 46(10): 927-939.

상세보기
Wallace LA, Wang FB, Howard-Reed C, Persily A. 2008. Contribution of Gas and Electric Stoves to Residential Ultrafine Particle Concentrations between 2 nm and 64 nm: Size Distributions and Emission and Coagulation Rates, Environ. Sci. & Tech. 42(23): 8641-8647.

상세보기
Weng Q, Yang S. 2006. Urban Air Pollution Patterns, Land Use, and Thermal Landscape: An Examination of the Linkage Using GIS. Environ. Monit. Assess. 117: 463-489.

상세보기
Wu CD, Chen YC, Pan WC, Zeng YT, Chen MJ, Guo YL, Lung SCC. 2017. Land-use regression with long-term satellite-based greenness index and culture-specific sources to model $PM_{2.5}$ spatial-temporal variability. Environ. Pollut. 224: 148-157.

상세보기
Xing YF, Xu YH, Shi MH, Lian YX. 2016. The impact of $PM_{2.5}$ on the human respiratory system. J. Thoracic Dis. 8(1): E69-E74.
Yin S, Shen Z, Zhou P, Zou X, Che S, Wang W. 2011. Quantifying air pollution attenuation within urban parks: an experimental approach in Shanghai, China. Environ. Pollut. 159: 2155-2163.

상세보기

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