본 연구에서는 PMF 모델을 이용하여 $PM_{2.5}$에 대한 오염원 확인 및 오염원별 기여도를 분석하였다. A시의 배출원별 기여도 순위는 Secondary Sulfate가 19.8%로 가장 기여도가 높고, 그 다음으로는 Mobile 19.5%, Industry 16.0%, Biomass Buring 14.1%, Secondary Nitrate 14.1%, Oil Combustion 11.6%, Aged Sea Salt 2.6%, Soil 2.5% 등으로 분석되었다. Sulfate와 Ammonium 농도가 배출원별 프로파일에서 기여도가 가장 높은 오염원으로 분석되었는데, 이는 대기 중에서 가스상 전구물질(SOx와 암모니아 가스)이 광화학 반응하여 생성된 2차 에어로졸인 것으로 분석되었다.
본 연구에서는 PMF 모델을 이용하여 $PM_{2.5}$에 대한 오염원 확인 및 오염원별 기여도를 분석하였다. A시의 배출원별 기여도 순위는 Secondary Sulfate가 19.8%로 가장 기여도가 높고, 그 다음으로는 Mobile 19.5%, Industry 16.0%, Biomass Buring 14.1%, Secondary Nitrate 14.1%, Oil Combustion 11.6%, Aged Sea Salt 2.6%, Soil 2.5% 등으로 분석되었다. Sulfate와 Ammonium 농도가 배출원별 프로파일에서 기여도가 가장 높은 오염원으로 분석되었는데, 이는 대기 중에서 가스상 전구물질(SOx와 암모니아 가스)이 광화학 반응하여 생성된 2차 에어로졸인 것으로 분석되었다.
In this study, The PMF model was used to identify pollutant sources and their contribution to pollution sources of $PM_{2.5}$. The contribution of A city to each source was 19.8% for Secondary Sulfate, followed by Mobile 19.5%, Industry 16.0%, Biomass Buring 14.1%, Secondary Nitrate 14.1%...
In this study, The PMF model was used to identify pollutant sources and their contribution to pollution sources of $PM_{2.5}$. The contribution of A city to each source was 19.8% for Secondary Sulfate, followed by Mobile 19.5%, Industry 16.0%, Biomass Buring 14.1%, Secondary Nitrate 14.1%, Oil Combustion 11.6%, Aged Sea Salt 2.6%, Soil 2.5% and so on. Sulfate and Ammonium concentrations were the highest contributing sources in the source profile, which was analyzed to be Secondary Aerosols produced by Photochemical Reactions of gaseous precursors (SOx and ammonia gas) in the atmosphere.
In this study, The PMF model was used to identify pollutant sources and their contribution to pollution sources of $PM_{2.5}$. The contribution of A city to each source was 19.8% for Secondary Sulfate, followed by Mobile 19.5%, Industry 16.0%, Biomass Buring 14.1%, Secondary Nitrate 14.1%, Oil Combustion 11.6%, Aged Sea Salt 2.6%, Soil 2.5% and so on. Sulfate and Ammonium concentrations were the highest contributing sources in the source profile, which was analyzed to be Secondary Aerosols produced by Photochemical Reactions of gaseous precursors (SOx and ammonia gas) in the atmosphere.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 연구에서는 PMF 모델을 이용하여 PM2.5에 대한 오염원 확인 및 오염원별 기여도를 평가하고, 지역적 특성에 따른 미세먼지 농도 수준 분석을 통하여 효과적인 대응 및 관리 방안을 마련하고자 하였다. 이러한 연구 결과는 향후 국내의 PM2.
5에 대한 오염원 확인 및 오염원별 기여도를 평가하고, 지역적 특성에 따른 미세먼지 농도 수준 분석을 통하여 효과적인 대응 및 관리 방안을 마련하고자 하였다. 이러한 연구 결과는 향후 국내의 PM2.5에 대한 배출원 관리정책을 수립하기 위한 유용한 기초자료로 활용하고자 한다.
제안 방법
PM2.5의 성분특성 분석은 Thermal Optical Reflectance(TOR) 방법을 이용하여 유기탄소(OC)와 원소탄소(EC)의 탄소성분을 분석하였고, Ion Chromatograph를 이용해서 SO42-, NO3-, NH4+, Cl-, Na+, K+, Mg2+, Ca2+ 등의 이온성 물질을 분석하였다.
PMF 모델를 통하여 산출된 각 오염원에 대한 명명과 확인은 미국 환경청의 Speciate 4.4 source profile library 자료와 국내·외 문헌을 종합적으로 활용하였으며, 각각의 오염원 결정의 중요 마커물질 및 설명에 대한 내용은 Fig. 2와 같으며, 오염원(배출원)별 물질성분이 차지하는 비율을 나타낸다.
는 시료의 농도를 나타낸다. P값은 오차율(Error fraction)로 본 연구에서는 선행 연구에서 적용한 10 %로 설정하여 모델을 수행하였다[18, 19].
또한, 중금속을 포함하는 미량원소(Mg, Al, Ti, V, Cr, Mn, Fe, Co, Ni, Cu, Zn, As, Sr, Mo, Cd, Sn, Ba, Pb, Ca, P, S 등)는 ICP-MS 분석 기기를 통하여 분석하였다.
본 연구 기간 동안 OC의 농도가 낮게 평가되어 PMF 모델링에서는 Organic Matter(OM = 1.7×OC)를 입력변수로 고려하였다.
7배를 고려한다. 본 연구에서는 OM 농도값을 OC 농도의 1.7배를 이용하여 도출하였다.
본 연구에서는 PMF 모델을 이용하여 PM2.5에 대한 오염원 확인 및 오염원별 기여도를 분석하였으며, 그 결과는 다음과 같이 요약할 수 있다.
대상 데이터
PM2.5에 대한 PMF 모델을 수행한 결과 총 8개의 오염원을 각각 산출하였다. 각각의 오염원은 2차 질산염, 2차 황산염, 자동차배출 오염원, 생물성 연소 오염원, 산업공정 및 산업연소 관련 오염원, 선박연소를 포함하는 오일연소 오염원, 해염입자, 토양기인 오염원으로 분류된다.
PMF 모델을 통한 오염원 기여도 산출을 위해서 사용된 PM2.5 구성성분 데이터 샘플은 i)A시를 대표할 수 있는 3개 지점에서 측정을 하여 분석된 샘플 27개와 ⅱ) A시 보건환경연구원에서 측정 분석한 A시 샘플 6개(2018년 7월~12월, 월평균 데이터)로 총 33개를 사용하였다.
대상지역은 서쪽으로 평택항과 공단이 접해있고, 충남의 당진 국가산업단지와 석탄화력발전소가 인접해 있어 해당 시설에서 배출되는 PM2.5의 영향을 받는 지리적인 특성을 가지고 있다. 특히, 항만은 원료의 이동, 하역 및 야적 등에서 많은 미세먼지를 배출하고 있으며, 항만시설과 선박 등이 주변지역 대기질에 미치는 영향이 높기 때문에 항만에서 발생하는 PM2.
본 연구에서는 PM2.5의 연평균 농도가 상대적으로 높은 A시 지역을 연구대상 지역으로 선정하였다.
이론/모형
0은 모델링의 에러를 평가할 수 있는 Bootstrap 방법과 Displacement error estimation 방법 등을 포함하고 있다. 이에 본 연구에서 사용한 데이터의 PMF 모델 결과와 모델링 수행과정 및 해석상의 불확실성을 검증하기 위하여 Bootstrap 방법을 시행하였고, Fig. 4에 제시하였다.
성능/효과
A시의 배출원별 기여도 순위는 Secondary Sulfate가 19.8 %로 가장 기여도가 높고, 그 다음으로는 Mobile 19.6 %, Industry 16.0 %, Biomass Buring 14.1 %, Secondary Nitrate 14.1 %, Oil Combustion 11.6 %, Aged Sea Salt 2.6 %, Soil 2.5 % 등으로 분석되었다.
3과 같다. Secondary Sulfate가 19.8 %로 가장 기여도가 높고, 그 다음으로는 Mobile 19.5 %, Industry 16.0 %, Biomass Buring 14.1 %, Secondary Nitrate 14.1 %, Oil Combustion 11.6 %, Aged Sea Salt 2.6 %, Soil 2.5 % 등으로 분석되었다.
광화학 반응으로 생성되는 2차 물질인 질산암 모늄염은 Nitrate와 Ammonium 농도가 오염원 프로파일에서 높게 나타나는 오염원으로 본 연구에서는 PM2.5 농도에 평균 14.1 % 기여하는 것으로 나타났다. 일반적으로 2차 생성 질산암모늄염은 겨울/봄철 등 상대적으로 기온이 낮고 습도가 높을 때 입자화가 잘 일어난다.
Aged 해염은 Na의 기여가 높고, 반면에 Cl의 경우는 NaCl이 가스상 황산(H2SO4)과의 반응에 의해 Na2SO4로 변환되어 Cl이 고갈되기 때문에 Cl은 낮은 기여도를 보인다. 더불어, 해염입자의 주성분은 Na+, Cl-, SO42-, Mg2+, Ca2+로 알려져 있으며 본 연구에서는 해염입자의 PM2.5 기여도는 2.6 %로 나타났다. 마지막으로, 토양기인 오염원은 Mg, Al, Ca, Ti, Fe 등 대표적인 지각성분의 농도가 높은 토양 및 도로 비산과 관련된 오염원이며, 본 연구에서 토양기인 오염원의 PM2.
6 %로 나타났다. 마지막으로, 토양기인 오염원은 Mg, Al, Ca, Ti, Fe 등 대표적인 지각성분의 농도가 높은 토양 및 도로 비산과 관련된 오염원이며, 본 연구에서 토양기인 오염원의 PM2.5 기여도는 2.5 %로 나타났다. 토양기인 오염원은 봄철에 기여율이 높고, 특히 황사 발생 시 대단히 높은 기여도를 나타내며, 반면 높은 습도와 많은 강우량에 의해 여름철에는 토양의 영향이 낮은 것으로 보고되고 있다.
일반적으로 오염원 기여율은 여름철에 높게 나타나는데 이는 기온이 높을 때 대기 중 황산염의 생성이 활발하기 때문인 것으로 판단된다. 본 연구에서는 2차 생성물질인 황산암모늄의 PM2.5 기여도는 19.8%로 제일 높게 나타났다.
Zn, Ba, Cu 등은 자동차 브레이크 라이닝의 마모와 오일 첨가제 등에서 배출되고, Cu와 Fe는 브레이크 패드 또는 자동차 머플러 등에서 발생하는 것으로 알려져 있다. 본 연구에서는 자동차배출 오염원의 PM2.5 기여도는 19.5%로 분석되었다.
오일연소는 Heavy oil(즉, 벙커C유, 중유 등)의 저질 오일을 대량으로 사용하는 산업공정 및 산업연소에서 발생하며, 특히, 선박에서 사용하는 연료의 연소에서 Ni과 V의 농도가 높은 특성을 띄는 오염원 프로파일이 생성된다. 본 오염원은 산업공정 및 산업연소(선박연소 포함) 오염으로 추정할 수 있으며, 오일 연소의 PM2.5 기여도는 11.6 %로 나타났다.
산업공정 및 산업연소 오염원은 EC와 S, 그리고 Ni, Fe, Cu, Zn, Cd, Pb 등의 미량원소들의 농도가 높은 특성을 보이는 오염원으로 PM2.5의 평균 16.0 %의 기여율로 분석되었다. Cu, Fe, Mn, Zn은 비철금속 및 금속 제련 공정에서의 배출이 크며, Ni은 오일연소에서 많이 배출된다.
생물성 연소 오염원의 경우 OC, EC, K+, SO42-, Cl-의 농도가 오염원 프로파일에서 가장 높은 것이 특징이며, PM2.5 농도에 평균 14.1 % 기여하는 것으로 나타났다. 특히, 높은 OC와 K+는 노천소각과 관련된 주요 추적자(Marker species)로 평가되고 있으며, A시는 농사 및 공업 활동이 혼재된 지역으로 폐기물, 목재, 노천소각 등의 생물성 연소가 자주 일어나는 곳으로 판단되며, 특성상 상대적으로 겨울철에 기여도가 높은 것을 알 수 있다.
오염원별 화학성분의 Percentage 값이 Bootstrapping한 값의 범위를 넘어 Outlier로 분류되면 해당 오염원에서의 주요 Indicator로써의 역할을 할 수 없음을 의미한다. 전체적으로 에러 검증에서 지표로 사용되는 물질 결과가 Outlier 범위를 벗어나지 않은 것으로 분석되어 본 연구에서 분석된 결과가 높은 정확도를 보이는 것으로 분석되었다.
후속연구
본 연구 결과는 향후 국내의 PM2.5에 대한 효과적인 대응 및 관리 방안 마련과 배출원 관리정책을 수립하기 위한 유용한 기초자료로 활용될 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
수용모델은 무엇인가?
수용모델은 수용체(Receptor)에서 오염원에 의하여 파급된 오염물질의 정도를 파악하여 그 영향을 주는 오염원을 정량적으로 파악하는 모델이다[5]. 수용모델은 수십년 동안 전 세계적으로 검증되었고, 폭넓게 사용되고 있으며, PM10 및 PM2.
자동차배출 오염원으로 배출되는 원소는 무엇이고, 어떤 과정에서 배출되는가?
휘발유 차량에 비해 디젤 차량에서 미량원소가 보다 많이 포함되어 있는 것으로 보고 되고 있다. Zn, Ba, Cu 등은 자동차 브레이크 라이닝의 마모와 오일 첨가제 등에서 배출되고, Cu와 Fe는 브레이크 패드 또는 자동차 머플러 등에서 발생하는 것으로 알려져 있다. 본 연구에서는 자동차배출 오염원의 PM2.
PM2.5는 건강에 어떠한 영향을 미치는가?
그 중에서도 각종 산업활동 및 자동차 등 인위적인 오염원으로부터 주로 발생하는 PM2.5는 대기 중에서 제거가 어렵고, 입자의 크기가 매우 작기 때문에 폐포까지 침투하여 건강에 심각한 영향을 줄 수 있다. PM2.5에 노출되면 호흡기계 및 심혈관계 관련 질환으로 인한 입원 증가뿐 아니라 사망발생 위험이 유의하게 증가한다는 결과들이 보고되고 있다[3].
참고문헌 (19)
S. W. Han, "Analysis of the properties of Particle Matter in Busan and Daegu. Busan University(Master thesis)", (2014).
J. C. Ko, K. W. Ryu, I. G. Park, "The dispersion characteristics analysis of PM10 and PM2.5 in industrial complex using atmospheric dispersion model", J. KSET, Vol.19, No.4 pp. 366-374, (2018).
B. H. Kim, D. S. Kim, "Studies on the environmental behaviors of ambient PM2.5 and PM10 in Suwon area", J. KOSAE, Vol.16, No.2 pp. 89-101, (2000).
G. H. Park, W. G. Do, E. C. Yoo, "Reduction of air pollutants through facility improvement of bus platform and risk assessment", The annual report of Busan metropolitan city institute of health & environment, Vol.20, No.1 pp. 163-175, (2011).
E. J. Park, M. S. Kang, D. E. You, D. S. Kim, S. D. Yu, K. Chung, K. Park, "Health risk assessment of heavy metals in fine particles collected in Seoul metropolitan area", Journal of Environmental Toxicology, Vol.20, No.2 pp. 179-186, (2005).
GIHE, "Annual Report of Air Quality in Gyeonggi-do 2016", Gyeonggi-do Institute of Health & Environment, (2017).
Y. Jeong, I. Hwang, "Source Apportionment of PM2.5 in Gyeongsan Using the PMF Model", Journal of Korean Society for Atmospheric Environment, Vol.31, No.6 pp. 508-519, (2015).
K. J. Moon, J. S. Han, B. J. Kong, I. R. Jung, S. S. Cliff, T. A. Cahill, and K. D. Perry "Size-resolved source apportionment of ambient particles by positive matrix factorization at Gosan, Jeju Island during ACE-Asia", J. Korean Soc. Atmos. Environ., Vol.22, No.5 pp. 590-603, (2006).
I. J. Hwang, Y. H. Cho, W. G. Choi, H. M. Lee, and T. O. Kim, "Quantitative estimation of $PM_{10}$ source contribution in Gumi city by the positive matrix factorization model", J. Korean Soc. Atmos. Environ., Vol.24, No.1 pp. 100-107, (2008).
S. M. Yi, I. J. Hwang, "Source Identification and Estimation of Source Apportionment for Ambient $PM_{2.5}$ in Seoul, Korea", Asian J. Atmos. Environ., Vol.8, No.3 pp. 115-125, (2014).
E. J. Kim, C. G. Lee, J. H. Kim, Y. K. Park, "Evaluation of Enviromental Benefit and Cost for Management of Air Quality-[Based on Fine Dust Pollution on Donghae Harbor]", J. of Korean Oil Chemists' Soc., Vol.29, No.4 pp. 561-569, (2012).
J. H. Kim, Y. K. Park, "Fine dust(PM10) emission calculated of Dong-Hae harbor around area using inverse modeling technique", J. of Korean Oil Chemists' Soc., Vol.32, No.4 pp. 649-660, (2015).
I. Hwang, D. Kim, "Research Trends of Receptor Models in Korea and Foreign Countries and Improvement Directionsfor Air Quality Management", Journal of Korean Society for Atmospheric Environment, Vol.29, No.4 pp. 459-476, (2013).
H. W. Lee, T. J. Lee, S. S. Yang, D. S. Kim, "Identification of atmospheric PM10 sources and estimating their contributions to the Yongin-Suwon bordering area by using PMF", Journal of Korean Society for Atmospheric Environment, Vol.24, No.4 pp. 439-454, (2008).
I. Hwang, D. Kim, "Source identification of ambient PM-10 using the PMF model, Journal of Korean Society for Atmospheric Environment, Vol.19, No.6 pp. 701-717, (2003).
P. Paatero, "User's Guide for Positive Matrix Factorization Programs PMF2 and PMF3, Part 1: Tutorial; 2000", (2000).
E. Lee, C. K. Chan, P. Paatero, "Application of positive matrix factorization in source apportionment of particulate pollutants in Hong Kong", Atmospheric Environment, Vol.33, No.19 pp. 3201-3212, (1999).
B. Liu, J. Yang, J. Yuan, J. Wang, Q. Dai, T. Li, X, Bi, Y. Feng, Z. Xiao, Y. Zhang, "Source apportionment of atmospheric pollutants based on the online data by using PMF and ME2 models at a megacity, China", Atmospheric Research, Vol.185, pp. 22-31, (2017).
J. H. Tan, J. C. Duan, F. H. Chai, K. B. He, J. M. Hao, "Source apportionment of size segregated fine/ultrafine particle by PMF in Beijing", Atmospheric Research, Vol.139, pp. 90-100, (2014).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.