[논문]우리나라 지역별 초미세먼지(PM2.5) 농도 추이와 고농도 발생 현황

여민주; 김용표

doi:10.11629/jpaar.2019.15.2.045

우리나라 지역별 초미세먼지(PM2.5) 농도 추이와 고농도 발생 현황
Trends of the PM2.5 concentrations and high PM2.5 concentration cases by region in Korea 원문보기

Particle and aerosol research = 한국입자에어로졸학회지, v.15 no.2, 2019년, pp.45 - 56

여민주 (이화여자대학교 환경공학과) , 김용표 (이화여자대학교 화학신소재공학과)

Abstract ▼ AI-Helper

The public's concern on ambient $PM_{2.5}$ has been increasing in Korea. We have estimated (1) the annual and monthly mean $PM_{2.5}$ concentrations, (2) the frequency by the $PM_{2.5}$ concentration interval, and (3) the high concentration occurrence duration time between 2015 and 2018 at 16 administration regions. We found that there have been differences in all three above parameters' trends among the studied 16 regions in Korea. Still, Jeonbuk showed the highest rank in all three parameters' trends. In Jeonbuk, the average $PM_{2.5}$ concentration and the sum of the frequency fraction when the $PM_{2.5}$ concentration being over $75{\mu}g/m^3$ between 2016 and 2018 was $28.4{\mu}g/m^3$ and 9.0%, respectively. And the days when the $PM_{2.5}$ concentration is over $50{\mu}g/m^3$ between 2015 and 2018 were 149. Chungbuk was the only region with the increasing trend of $PM_{2.5}$ concentration between 2016 and 2018. And in Seoul and Gyeonggi, the average $PM_{2.5}$ concentrations decreased whereas the high concentration frequency fraction increased between 2016 and 2018. Also, it is found that there have been differences in the trends of the frequency by the $PM_{2.5}$ concentration interval and the high concentration occurrence duration time between $PM_{10}$ and $PM_{2.5}$.

주제어

표/그림 (6)

표 Table 1. Criteria for PM_2.5 levels (re-citation Yeo and Kim, 2019).
$Fig. 1. Annual mean PM2.5 concentration (first bold line with circle markers) and annual PM2.5 frequency fraction by the concentration level in each region, respectively (second and third bold lines (dark), and fourth line (light) for PM2.5: > 35, > 50, and > 75 ㎍/㎥) (raw data: KECO, 2019)$ 그림 Fig. 1. Annual mean PM_2.5 concentration (first bold line with circle markers) and annual PM_2.5 frequency fraction by the concentration level in each region, respectively (second and third bold lines (dark), and fourth line (light) for PM_2.5: > 35, > 50, and > 75 ㎍/㎥) (raw data: KECO, 2019)
그림 Fig. 2. Quartile and average trends of PM_2.5 concentration by region between 2015 and 2018 (raw data: KECO, 2019).
$Fig. 3. Monthly mean PM2.5 concentration (first bold line with circle markers) and PM2.5 frequency fraction by the concentration level in each region, respectively (second and third bold lines (dark), and fourth line (light) for PM2.5: > 35, > 50, and > 75㎍ /㎥) (raw data: KECO, 2019).$ 그림 Fig. 3. Monthly mean PM_2.5 concentration (first bold line with circle markers) and PM_2.5 frequency fraction by the concentration level in each region, respectively (second and third bold lines (dark), and fourth line (light) for PM_2.5: > 35, > 50, and > 75㎍ /㎥) (raw data: KECO, 2019).
그림 Fig. 4. Annual frequency over 50 ㎍ /㎥ for duration for PM_2.5 (durations: between over 2 and 10 days, respectively) between 2015 and 2018 (raw data: KECO, 2019).
표 Table 2. Annual frequency of the number of days with the PM_2.5 level over 50 ㎍/㎥ by region. Values more than 30 are shaded darker and less than 10 are shaded. Maximum values between 2015 and 2018 by region are in red, respectively. (raw data: KECO, 2019).

AI 본문요약
AI-Helper

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

제안 방법

PM_2.5 고농도 발생 빈도를 파악하기 위해 2015년부터 2018년까지 연도별 및 월별 전국의 지역별 PM_2.5의 농도 구간별로 발생 빈도수를 이용하여 빈도분율을 계산하였다. 경북, 전북, 충남, 충북 네 지역은 연간 농도 구간별 발생 빈도수도 2015년은 제외하고 2016년부터 2018년까지의 결과를 산정하였다.
PM_2.5 고농도 발생 연속일수별 빈도수는 2015년부터 2018년까지 전국의 지역별 일평균 PM_2.5 농도가 2일부터 10일간 고농도로 지속된 빈도수를 계산하였다. 경북, 전북, 충남, 충북 네 지역도 2015년 일부 기간에 대한 자료가 누락되었지만, 2015년도 포함하여 고농도 지속 빈도수 결과를 제시하였고, 결과에 대한 논의에서 이 점을 고려하였다.
5 농도 값을 활용하여 구하였다. PM_2.5 농도 100 ㎍/㎥까지는 5 ㎍/㎥ 구간마다 해당 값을 초과하는 경우의 빈도수 계산하였다. 100 ㎍/㎥을 초과하는 구간으로는 120, 150 ㎍/㎥을 설정하여 각각의 값을 초과하는 경우의 빈도수를 계산하였다.
100 ㎍/㎥을 초과하는 구간으로는 120, 150 ㎍/㎥을 설정하여 각각의 값을 초과하는 경우의 빈도수를 계산하였다. PM_2.5 농도 구간별 빈도비율은 지역별 전체 시간별 유효 자료 갯수에 대한 농도 구간별 해당 빈도수로 계산하였다. 그림 1과 2에서는 PM_2.
기존 연구들 (NIER, 2018; Ghim and Kim, 2013)과 동일하게 자료의 통계처리 시 대상기간 중 측정소별로 일일 24시간에 대해 75% 이상 자료(18시간 이상)가 확보된 경우 2015년부터 2018년까지 일평균을 산정하였고, 이 값을 이용하여 지역별 일평균 및 월평균, 연평균을 산정하였다. 경북은 2015년 전체, 충남은 2015년 1월부터 5월까지, 충북과 전북은 2015년 1월부터 3월까지의 자료가 없어서 이들 네 지역은 2015년은 제외하고 2016년부터 2018년까지의 PM_2.
5의 자료를 공식적으로 측정 및 발표하였으므로 2013년 이전부터의 추이를 파악하기는 어려운 실정이다. 따라서 본 연구에서는 자료를 활용할 수 있는 최장 기간인 2015년부터 2018년까지의 4년간 지역별 PM_2.5 자료를 이용하여 지역별로 (1) 연도별, 월별 PM_2.5 농도 및 (2) 고농도 발생 빈도 추이, (3) 연도별 고농도 발생 연속일수별 빈도 추이를 파악하였다
미세먼지 고농도 기준에 대해서는 다양한 관점이 있는데, 본 연구의 고농도 발생 연속일수별 빈도수를 계산하기 위해 PM_2.5 농도가 50 ㎍/㎥ 이상인 경우를 고농도 기준으로 설정하였다. 표 1에 정리하였듯이 50 ㎍/㎥은 2018년 초까지의 PM_2.
지역별 PM_2.5 농도 구간별 발생 빈도수는 지역 내 모든 측정소 유효 자료의 시간당 PM_2.5 농도 값을 활용하여 구하였다. PM_2.

이론/모형

본 연구에서는 도시대기측정망의 측정소별 시간별 미세먼지 농도 측정값(KECO, 2019)을 이용하여 전국의 지역별 PM_2.5 농도와 농도 구간별 빈도분율, 고농도 발생 연속일수별 빈도수를 Yeo and Kim (2019)과 동일한 방법으로 산정하였다.

성능/효과

2015년부터 2018년까지 매년 여름철인 7, 8월에 농도가 가장 낮고, 주로 봄과 겨울철에 농도가 높아지는 추이를 나타내었다. 계절별 PM_2.5 월평균 농도 편차는 지역별로 차이를 나타내었는데, 충북과 전북의 경우 계절별 PM_2.5 월평균 농도 편차가 2017년에 30 ㎍/㎥ 이상일 만큼 매우 크게 나타났고, 전남, 경남에서는 15 ㎍/㎥ 이하로 비교적 낮게 나타났다. 이를 통해, 지역별로 PM_2.
) 농도 추이, 고농도 빈도분율, 고농도 발생 연속일수별 빈도수의 연간 추이를 지역별로 파악하였다. 그 결과, 전국 대부분의 지역에서 PM₁₀의 농도는 2001년부터 2017년까지 전반적으로 감소하였고, 고농도 빈도분율과 고농도 발생 연속일수별 빈도수도 감소하였다는 것을 알 수 있었다. 서울 또는 우리나라의 대기오염물질의 장기간 농도 추이를 분석 한 이전 연구들(Kim and Lee, 2018; Kim et al.
본 연구 결과에서 중요한 시사점은 지역별로 PM_2.5 농도와 고농도 빈도분율뿐만 아니라 농도 편차의 추이가 다르다는 점이다. 농도와 고농도 빈도분율에 대해서는 Yeo and Kim (2019)에서도 2001년부터 2017년까지의 PM₁₀ 농도, 고농도 발생 빈도 및 고농도 발생 연속일수별 빈도수 추이를 분석하여 지역별 차이가 있으며, 지역별 미세먼지 농도에 영향을 주는 요인이 다를 수 있다는 점에 대해 논의하였다.
본 연구에서는 PM_2.5 농도와 고농도 빈도분율에 지역별 차이가 존재하고, 동일한 지역 내에서도 PM_2.5와 PM₁₀의 고농도 빈도분율과 고농도 발생 연속일수별 빈도수 등의 경향이 다르다는 점을 확인 할 수 있었다. PM₁₀의 경우 2001년부터 2017년까지 전국 16개 지역 중 수도권 지역들이 연평균 농도, 고농도 빈도분율, 고농도 발생 연속일수별 빈도수가 높은 편이었지만(Yeo and Kim, 2019), PM_2.
서울과 경기의 2017년과 2018년은 PM_2.5 연평균 농도는 감소한 반면 고농도 빈도분율이 증가한 것도 본 연구의 특징적인 결과이다. 서울과 경기의 PM_2.
하지만 이 결과를 통해 우리나라의 PM_2.5 고농도 연속일수별 빈도수의 증감 추이에 영향을 주는 주요 요인과 3.1절과 3.2절에서 논의하였던 PM_2.5 농도 및 고농도 빈도 추이에 영향을 주는 주요 요인, 곧, PM_2.5 고농도 지속 과정과 형성 과정에 영향을 주는 요인에 차이가 있을 수 있다는 점을 생각해볼 수 있다. 예를 들어, PM_2.

후속연구

본 연구는 2015년부터 2018년까지 4개년에 대한 결과만 살펴보았다는 한계가 있는데, 시기별 편차 변화의 원인을 파악하기 위해서는 한 지역에 대해서라도 가능한 장기적인 자료를 살펴볼 필요가 있을 것이다.
5와 PM₁₀의 농도에 영향을 주는 주요 요인을 지역별로 파악하고, 과학적인 현상 이해에 바탕을 둔 지역별 대책을 수립하는 것이 필요할 것으로 보인다. 수도권 지역의 경우, PM_2.5와 PM₁₀ 모두 고농도 빈도분율이 높아 고농도 사례를 줄이기 위한 보다 강도 높은 대책이 필요할 것으로 보인다.
5 연평균 농도의 편차가 커졌음을 의미하는 것이고, 특정 시기에 특정 지역의 편차가 커졌다는 것은 그 시기에 그 지역의 미세먼지 농도 를 결정하는 주요 요인에 변화가 있었다는 것을 의미한다. 시기별, 지역별 PM_2.5 연평균 농도의 편차 변화의 원인을 파악하기 위해서 PM_2.5 생성 전구물질의 배출 추이, 기상 조건의 변화 등을 살펴볼 필요가 있을 것이다.
우리나라 미세먼지와 초미세먼지 문제를 해결하기 위해서는 국지적으로 PM_2.5와 PM₁₀의 농도에 영향을 주는 주요 요인을 지역별로 파악하고, 과학적인 현상 이해에 바탕을 둔 지역별 대책을 수립하는 것이 필요할 것으로 보인다. 수도권 지역의 경우, PM_2.
5 월평균 농도 편차 추이가 유사할 것으로 예상된다. 하지만 본 연구 결과에서는 동일하게 수도권 지역에 해당하는 서울 및 경기, 인천의 PM_2.5 농도 및 고농도 빈도분율 추이도 다르게 나타나고 있으므로 국지적인 배출에 의한 영향이 중요할 것이라는 점을 예상할 수 있다. 인천은 PM₁₀ 농도 및 고농도 빈도분율도 서울, 경기와 다른 추이를 나타내었다(Yeo and Kim, 2019).

질의응답

핵심어	질문	논문에서 추출한 답변
	비상저감조치의 시행조건은?	비상저감조치는 ① 당일(비상저감조치 시행일 전날) PM2.5의 평균농도가 50 ㎍/㎥를 초과하고, 다음날(비 상저감조치 시행일)의 24시간 평균농도가 50 ㎍/㎥를 초과할 것으로 예측되는 경우, ② 당일 초미세먼 지 주의보(75 ㎍/㎥이상 2시간 지속)·경보(150 ㎍/㎥ 이상 2시간 지속)가 발령되고, 다음날의 24시간 평 균농도가 50 ㎍/㎥룰 초과할 것으로 예측되는 경우, ③ 다음날의 초미세먼지 평균농도가 75 ㎍/㎥(매우 나쁨)를 초과할 것으로 예측되는 경우 시행된다.
	우리나라 미세먼지 문제에 대한 국민들의 관심과 불안이 매우 높다는 근거는?	최근 우리나라 미세먼지 문제에 대한 국민들의 관심과 불안이 매우 높다. 국민들의 ‘미세먼지’ 검색 건수(google, 2019)를 살펴보면, 2013년 3분기부터 급증하여 이 시기부터 미세먼지에 대한 관심이 크 게 증가하였다는 것을 알 수 있다. 미세먼지 문제 심각성에 대한 국민 설문 조사 결과, 89.5%에 해당 하는 사람들이 미세먼지를 심각하다고 답하였고 (MCST and ME, 2018), 미세먼지에 대한 여론조사 결과(KBS, 2019)에서는 국민의 81.1%가 정부 대응 이 잘못되었다는 의견을 제시하였다.
	서울과 경기의 고농도 빈도분율이 증가하였는데 연평균 농도가 감소하는 이유를 말하라	서울과 경기의 고농도 빈도분율이 증가하였는데 연평균 농도가 감소하는 이유로 저농도 빈도분율의 증가를 예상할 수 있고, 그림 1에서 이를 확인할 수 있다. 서울과 경기에서 5 ㎍/㎥ 이하에 해당하는 빈도분율은 2016년 모두 약 3.

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