[논문]GIS 공간내삽법을 활용한 PM2.5 분포 특성 분석 - 창원시 도시지역을 대상으로 -

문한솔; 송봉근; 서경호; 김태형; 박경훈

doi:10.11108/kagis.2020.23.2.001

GIS 공간내삽법을 활용한 PM2.5 분포 특성 분석 - 창원시 도시지역을 대상으로 -
Analysis of PM2.5 Distribution Contribution using GIS Spatial Interpolation - Focused on Changwon-si Urban Area - 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.23 no.2, 2020년, pp.1 - 20

문한솔 (창원대학교 환경공학과) , 송봉근 (창원대학교 산업기술연구원) , 서경호 (경상남도교육청) , 김태형 (창원대학교 토목환경화공융합공학부) , 박경훈 (창원대학교 토목환경화공융합공학부)

초록
AI-Helper

본 연구는 창원시 도시지역을 대상으로 PM_2.5의 시·공간적인 분포 특성을 분석하고, 토지이용특성과의 비교를 통해 PM_2.5 발생 요인을 파악하여 저감 방안 방향을 제시하고자 하였다. 기초 자료로 창원시 내 유치원, 초등학교와 일부 중·고등학교에 측정지점을 두고 있는 Airpro 자료의 2017년 9월부터 2018년 8월까지의 매 1시간 평균값을 활용하였다. 그리고 GIS의 공간내삽법 중 IDW 기법을 활용하여 월별, 시간대별 분포 지도를 구축하였고 이를 바탕으로 시·공간적인 PM_2.5 분포 특성을 확인하였다. 먼저 Airpro 자료의 정확성을 검증하고자 환경부에서 관리하는 AirKorea 자료와의 상관성을 확인하였고, 분석 결과 R²이 0.75~0.86으로 매우 높은 상관성이 나타나 연구에 적합하다고 판단되어 분석을 진행하였다. 월별 분석에서는 1월이 연중 가장 높았고, 8월이 가장 낮았다. 시간대별 분석 결과 출근시간인 06-09시가 가장 높았고 활동시간인 09-18시가 가장 낮게 나타났다. 행정구역별로는 상남동, 합포동, 명곡동이 PM_2.5 심각 지역으로, 회성동이 가장 낮은 지역으로 나타났다. 행정구역별 토지이용 특성을 분석한 결과 PM_2.5 심각 지역 내에 교통지역과 상업지역의 비율이 높은 것을 확인하였다. 결론적으로 본 연구 결과는 창원시의 PM_2.5 분포 특성을 파악할 기초자료로 활용될 것이다. 또한 본 연구에서 도출된 심각 지역 및 저감 방안수립 방향은 기존보다 더욱 효과적인 정책 마련에 활용할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

The purpose of this study was to analyze the distribution characteristics of spatial and temporal PM2.5 in urban areas of Changwon-si, and to identify the causes of PM2.5 by comparing the characteristics of land-use, and to suggest the direction of reduction measures. As the basic data, the every hour average from September 2017 to August 2018 of Airpro data, which has measurement points in kindergartens, elementary schools, and some middle and high schools in Changwon-si was used. Also, by using IDW method among spatial interpolation methods of GIS, monthly and time-slot distribution maps were constructed, and based on this, spatial and temporal PM2.5 distribution characteristics were confirmed. First, to verify the accuracy of the Airpro data, the correlation with AirKorea data managed by the Ministry of Environment was confirmed. As a result of the analysis, R2 was 0.75~0.86, showing a very high correlation and the data was judged that it was suitable for the study. In the monthly analysis, January was the highest year, and August was the lowest. As a result of analysis by time-slot, The clock-in time at 06-09 was the highest, and the activity time at 09-18 was the lowest. By administrative district, Sangnam-dong, Happo-dong, and Myeonggok-dong were the most severe regions of PM2.5 and Hoeseong-dong was the lowest. As a result of analyzing the land-use characteristics by administrative area, it was confirmed that the ratio of traffic area and commercial area is high in the serious area of PM2.5. In conclusion, the results of this study will be used as basic data to grasp the characteristics of PM2.5 distribution in Changwon-si. Also, it is thought that the severe regions and the direction of establishing reduction measures derived from this study can be used to prepare more effective policies than before.

주제어

표/그림 (11)

그림 FIGURE 1. Study area
그림 FIGURE 2. Study process
그림 FIGURE 3. Station location of AirKorea and Airpro
그림 FIGURE 3. Continued
그림 FIGURE 4. Land-use of study area
그림 FIGURE 5. Scatter plots of PM_2.5 between Airpro and AirKorea
그림 FIGURE 6. Monthly results of IDW interpolation
표 TABLE 1. Monthly average concentration by administrative district (unit: ㎍/㎥)
그림 FIGURE 7. Time-slot results of IDW interpolation
표 TABLE 2. Time-slot average concentration by administrative district (unit: ㎍/㎥)
표 TABLE 3. Distribution of areas of top 3 land-use types selected for each administrative district in study area

AI 본문요약
AI-Helper

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

문제 정의

다음으로 행정구역별 시간대별 농도분포에 대해 파악하였다. 출근시간인 06~09시에는 가음정동, 합포동, 상남동이 높고 반월동, 중앙동(2), 문화동이 낮으며 퇴근시간인 18~21시에는 합포동, 상남동, 석전동이 높고 반월동, 중앙동(2), 문화동이 낮았다.
따라서 본 연구는 많은 측정지점과 장기적으로 측정된 자료를 활용하여 PM2.5의 시·공간적인 특성을 파악하고자, 경상남도 창원시에 설치된 PM2.5 간이측정기인 Airpro 자료를 활용하여 GIS 공간내삽법을 통해 월별, 시간대별 PM2.5의 분포 특성을 분석하였다.
5가 인접해있는 주거지역으로 확대 피해가 우려된다. 따라서 이러한 특성을 가진 창원시 도시지역은 본 연구의 대상지로서 적합하다고 판단되어 연구를 진행하였다.
5 분포 특성을 분석하였다. 또한 본 연구에서는 토지이용유형별로 PM_2.5의 발생특성을 파악하기 위해 행정구역별 토지이용현황을 분석하였다.
본 연구는 1년간의 창원시 PM_2.5 농도 분포 패턴을 분석하였고, 그 현황에 대한 유의미한 결과를 얻을 수 있었다. 또한 체계적인 관리가 필요한 지역들을 도출하였고, 창원시 PM_2.

제안 방법

PM_2.5의 발생특성을 파악하기 위해 환경부세분류 토지피복현황도의 속성정보를 재분류하여 행정구역별 면적특성을 분석하였다(그림 4). 재분류 기준은 도시지역의 인공적 피복 특성에 따라 PM_2.
구축된 자료들을 통해 창원시의 시·공간적인 PM2.5 분포 특성을 분석하였다.
5 분포 특성을 보기 위해 각 측정지점들의 월별 평균값을 산출하였다. 농도가 가장 높은 시기를 대상으로 PM_2.5의 배출원별 특성을 고려하여 시간대를 4구간으로 구별하였고, 각 측정지점별로 평균값을 산출하였다. 06~09시는 출근시간으로써, 다른 시간대보다일시적으로 도로의 차량 통행량이 급증하여PM_2.
산점도 분석 결과, 거의 모든 점들이 선 주위에 모여 있는 것으로 나타나 강한 관계를 확인하였다. 따라서 창원시 농도 패턴 특성을 분석하는데 유의미한 자료로 사용할 수 있는 것으로 판단되었고 검증 후 월별, 시간대별 특성 분석을 진행하였으며 결과 요약은 다음과 같다.
따라서 측정지점이 많은 Airpro 실시간 측정자료를 사용하여 창원시 도시지역을 대상으로 IDW 공간내삽법을 활용해 PM2.5 분포 지도를 구축하였고 이를 바탕으로 시·공간적인 PM2.5분포 특성을 확인하였다.
행정구역별로는 가음정동, 합포동, 상남동, 중앙동(1), 명곡동이 높게 나타났고, 반월동, 중앙동(2), 문화동, 회성동, 완월동이 낮게 나타나 출퇴근시간의 고농도지역 이동이 없는 것으로 나타나 일정하게 고농도를 나타내는 지역에 대한 집중적인 관리방안이 수립되어야 하는 것으로 판단되었다. 또한 PM_2.5 분포해석을 위해 농도에 영향을 미치는 요인을 토지이용으로 한정하여 창원시 토지이용유형 특성을 분석하였다. 그 결과 PM_2.
5 농도 분포 패턴을 분석하였고, 그 현황에 대한 유의미한 결과를 얻을 수 있었다. 또한 체계적인 관리가 필요한 지역들을 도출하였고, 창원시 PM_2.5 저감 대책 수립 방향을 제시하였다. 그러나 본 자료의 측정지점은 학교에만 위치하고 있기 때문에 국가산업단지 내의 현황 및 분포 특성을 보기에는 한계가 있었다.
5의 분포 특성을 분석하였다. 또한, 토지이용특성과의 비교를 통해 PM_2.5 발생요인을 파악하여 저감 방안을 제시하였다.
또한, 환경부에서 전국 실시간 대기오염 정보 제공을 위해 운영하는 AirKorea의 PM_2.5자료를 이용하여 Airpro 자료의 정확성을 검증하였다. 검증 방법은 그림 3과 같이 AirKorea 측정지점 과 가장 인접한 8개 지점의 Airpro 자료를 선정 하여 선형회귀분석과 RMSE(Root Mean Square Error)를 통해 비교하였다.
먼저 월별 PM_2.5 분포 특성을 보기 위해 각 측정지점들의 월별 평균값을 산출하였다. 농도가 가장 높은 시기를 대상으로 PM_2.
먼저Airpro에서 PM2.5 농도 자료를 수집하고, 선행연구를 바탕으로 정확성 검·보정을 실시한다.
또한 p는 공간가중치인데, 어떤 값을 사용하느냐에 따라 추정값이 크게 달라진다. 본 연구에서는 공간가중치가 2일 때 가장 높은 정확도를 보인다는 선행연구를 바탕으로 p를 2로 설정하여 연구를 진행하였다(Kim et al., 2010).
본 연구에서는 농도 분포 패턴의 해석을 위해초미세먼지 농도에 영향을 끼칠 것으로 예상되는 공간적인 요인을 토지이용으로만 한정하여 행정구역별 토지이용분포를 분석하였고, 행정구역별로 상위 3개의 토지이용형태를 정리하였다(표 3). 창원시는 계획도시이므로 각각 토지이용형태의 위치적 구분이 뚜렷하게 보인다(그림 4).
연구 대상지와 지리적 특징이 다른 지역에 대해서 월별 PM_2.5분포 차이가 어떻게 존재하는지 살펴보기 위해 대구광역시와 부산광역시를 대상으로 선행연구와 본 연구 결과를 비교해 보았다. 분지 및 바다가 경계에 위치한 창원시의 경우 1월과 8월에 각각 최고, 최소농도 발생 현황이 나타나며, 분지 및 내륙에 위치한 대구광역시에서는 2011~2012년 기준 2월에 급격히 증가해 최고농도를 보인 후 10월까지 지속적으로 감소하다가 10월에 일시적으로 급격히 상승하고 12월까지는 비슷한 농도를 보여주는 것으로 보고된 바 있다(Do et al.
월별, 시간대별 평균 자료를 이용하여 GIS 공간내삽법을 통해 PM2.5 농도의 시·공간적인 분포 특성을 분석하였다.
5의 발생특성을 파악하기 위해 환경부세분류 토지피복현황도의 속성정보를 재분류하여 행정구역별 면적특성을 분석하였다(그림 4). 재분류 기준은 도시지역의 인공적 피복 특성에 따라 PM_2.5 발생에 다른 영향이 있을 것으로 판단되어 시가화지역을 공공시설지역, 공업지역, 교통지역, 문화체육시설, 상업지역, 주거지역으로 분류하였다. 나머지는 대분류 구분에 따라 나지, 농업지역, 산림지역, 수역, 습지, 초지로 재분류하였다.
나머지는 대분류 구분에 따라 나지, 농업지역, 산림지역, 수역, 습지, 초지로 재분류하였다. 재분류된 토지피복도를 Intersect 기법을 사용해 행정구역별로 토지이용유형 순위와 비율을 산정하였다.

대상 데이터

Airpro 는 경상남도 내 유치원, 초등학교와 일부 중• 고등학교를 대상으로 2017년 9월에 설치되어 2019년 12월까지 측정되었다.
5 농도가 교정된 기준 측정기에 비해 기하 급수적으로 증가한다고 하였다. 따라서 본 연구 에서는 이러한 오류를 제거하기 위해 상대습도 가 85%를 초과하는 자료는 제외하는 보정 과정 을 거쳐 연구를 진행하였다.
5 농도, 온도, 습 도 3가지 항목을 측정하고 있으며, 측정방법은 공기중의 입자에 빛을 조사해 이 때 산란되는 빛을 이용하여 입자의 개수농도와 크기를 측정하는 광산란법을 사용하고 있다. 본 연구에서는 2017년 9월부터 2018년 8월까지 측정된 PM_2.5의 1시간 평균값을 수집하였다.
본 연구에서는 Airpro를 활용하였다. Airpro 는 경상남도 내 유치원, 초등학교와 일부 중• 고등학교를 대상으로 2017년 9월에 설치되어 2019년 12월까지 측정되었다.
본 연구의 대상지는 경상남도 창원시 도시지역이다(그림 1). 창원시는 한반도의 동남단 경상남도의 중부남단지역에 위치하고 있으며, 경남 중부지역 산업경제의 중추역할을 담당하고 있는 대도시이다.
Airpro 는 경상남도 내 유치원, 초등학교와 일부 중• 고등학교를 대상으로 2017년 9월에 설치되어 2019년 12월까지 측정되었다. 이 중 연구대상 지인 창원시 도시지역에는 145개가 설치되어 있다(그림 3). Airpro는 PM_2.

데이터처리

IDW 분석을 통해 도출된 결과로 Zonal statistics 분석을 통해 행정구역별 평균 농도를 산출하였고, 검증과정에서 도출된 회귀식으로 평균 농도를 보정하였다.
가공된 월별 평균값과 1월 시간대별 평균값 자료를 활용하여 ArcGIS 10.6에서 공간내삽법 중 하나인 IDW(Inverse Distance Weighted)을 통해 각각의 500m× 500m의 래스터를 생성하고, Zonal statistics as Table 기법을 활용하여 행정구역별 농도 평균값을 산출하였다.
5 자료를 이용하여 Airpro 자료의 정확성을 검증하였다. 검증 방법은 그림 3과 같이 AirKorea 측정지점 과 가장 인접한 8개 지점의 Airpro 자료를 선정 하여 선형회귀분석과 RMSE(Root Mean Square Error)를 통해 비교하였다. 검증과정에서 표본은 각 자료의 1년간 일평균 값을 활용하였다.
검증 방법은 그림 3과 같이 AirKorea 측정지점 과 가장 인접한 8개 지점의 Airpro 자료를 선정 하여 선형회귀분석과 RMSE(Root Mean Square Error)를 통해 비교하였다. 검증과정에서 표본은 각 자료의 1년간 일평균 값을 활용하였다.

이론/모형

, 2011). 따라서 본 연구에서는 공간내삽법의 세 기법 중 IDW를 적용하였으며, 식 1은 IDW의 산출식이다(Park and Kim, 2013). X는 보간할 지점이고 X_i는 보간에 사용할 측정지점이다.

성능/효과

5가 높은 경향을 보이는 지역은 대부분 연간 계속 높고 낮은 지역은 계속 낮은 경향을 보여 도출된 심각지역을 중심으로 관리가 강화되어야하는 것으로 판단되었다. 1월을 대상으로 진행한 시간대별 특성 분석에서는 4구간 중 06~09시의 평균값이 28.65㎍/㎥으로 가장 높았고, 09~18시의평균값이 24.64㎍/㎥으로 가장 낮게 나타나 시간대별 농도 패턴이 다른 것을 확인하였으며,출근시간을 중심으로 관리가 강화되어야함을 도출해낼 수 있다. 행정구역별로는 가음정동, 합포동, 상남동, 중앙동(1), 명곡동이 높게 나타났고, 반월동, 중앙동(2), 문화동, 회성동, 완월동이 낮게 나타나 출퇴근시간의 고농도지역 이동이 없는 것으로 나타나 일정하게 고농도를 나타내는 지역에 대한 집중적인 관리방안이 수립되어야 하는 것으로 판단되었다.
5696으로 나타나 두 자료 간 절대값의 차이가 존재하는 것으로 확인되었다. 8개 지점 중 두 자료 간의 거리가 1500m로 가장 멀리 떨어져있는 5번 지점은 전체 지점 중 R²이 가장 높은 0.8664로 나타났으며, RMSE값 또한 9.6209로 가장 낮게 나타났다. AirKorea의 5번 지점은 국가산업단지 내 중앙에 위치하고 있고 Airpro의 5번 지점은 국가산업단지에서 창원대로를 사이에 두고 바로 인접한 지역에 위치하고 있다.
5 심각 지역으로 도출되었고 회성동은 낮은 지역으로 나타났다. PM_2.5가 높은 경향을 보이는 지역은 대부분 연간 계속 높고 낮은 지역은 계속 낮은 경향을 보여 도출된 심각지역을 중심으로 관리가 강화되어야하는 것으로 판단되었다. 1월을 대상으로 진행한 시간대별 특성 분석에서는 4구간 중 06~09시의 평균값이 28.
86의 R²값이 산출되었다. RMSE 값은 최소 9.6209에서 최대 14.5696으로 나타나 두 자료 간 절대값의 차이가 존재하는 것으로 확인되었다. 8개 지점 중 두 자료 간의 거리가 1500m로 가장 멀리 떨어져있는 5번 지점은 전체 지점 중 R²이 가장 높은 0.
5 분포해석을 위해 농도에 영향을 미치는 요인을 토지이용으로 한정하여 창원시 토지이용유형 특성을 분석하였다. 그 결과 PM_2.5심각지역에서는 교통지역과 상업지역이 많은 비율을 차지하는 것으로 분석되어 교통지역과 상업지역에 기반한 정책적 시도가 필요하다는 것을 확인하였다. 세 가지 특성 분석을 종합한 결과, 교통지역과 상업지역이 많은 비율을 차지하는 상남동, 합포동의 겨울철과 06~09시에 관리가 가장 시급한 상태임을 파악할 수 있고, 향후 이에 바탕한 대안이 가장 먼저 수립되어야 하는 것으로 판단된다.
6137로AirKorea쪽으로 치우쳐져 있어 Airpro 자료의농도가 과대측정되는 경향이 있음을 알 수 있었으나, 농도 변화 패턴이 비슷하기 때문에 도출된 회귀식을 통해 보정을 한다면 특성 분석에문제가 없다고 판단하였다. 따라서 Airpro 자료를 활용하여 창원시 도시지역의 농도 분포 패턴을분석하고 그 현황을 파악하는 데에는 유의미한 결과를 도출해내는 것이 가능하다고 판단된다.
32㎍/㎥보다 낮았다. 또한 PM_2.5가 높은 경향을 보이는 지역은 대부분 연간 계속 높고, 낮은 지역은 계속 낮은 경향을 보였고 예외로 계절별로 다르게 나타나는 지역도 있는 것으로 나타났다. 예를 들어, 양덕1동의 경우 9월~1월은 농도가 높은 축에 속하지만, 여름에는 가장 낮게 나타나는 것을 확인하였다.
69㎍/㎥으로 가장 낮았다. 또한 계절별로는 겨울과 봄이 높고 여름과 가을이 낮게 나타나 겨울철 PM_2.5 관리방안이 필요한 것을 확인하였다. 행정구역별로는 상남동, 합포동, 명곡동이 PM_2.
행정구역별 분석 결과 상남동이 전시간대에서 가장 높았는데, 상남동은 창원시 중앙에 위치한 대표적인 시내로써, 교통량이 매우 많을 뿐만 아니라 주거지역과 상업지역이 집중되어 있으며 인구밀집도가 매우 높아 농도가 높은 것으로 판단된다. 또한 대체로 높고 낮은 지역이 일정한 편임을 알 수 있었고, 특정 시간대에만 특별히 높게 나타나는 지역은 없는 것으로 판단되었다. 또한 서울특별시의 경우 출근시간과 퇴근시간의 고농도지역이 차이가 있는 것으로 보고되었으나, 창원시는 전체적으로 고농도지역 이동이 거의 없는 것으로 나타났다.
5 심각지역에서는 토지이용유형 중 교통지역이 많은 비율을 차지하는 것으로 분석되었다. 또한 분지지형 특성상 산림이 많은 것을 제외하면, 상업지역이 그 뒤를 이어 교통지역과 상업지역이 PM_2.5에 영향을 미치는 것으로 판단되었다. 서울특별시를 대상으로 이러한 분석을 진행한 연구에서도 마찬가지로 상업지역과 교통지역이 PM_2.
선행연구에서는 서울특별시를 대상으로 본 연구와 같은 시간범위인 2018년 출근시간대(06~ 09시)와 퇴근시간대(18~21)에 대해 공간내삽 후 시간대별 분석을 진행한 바 있으며, 그 결과 출근시간이 퇴근시간보다 농도가 높은 것으로 보여 선행연구와 같은 특성을 보이는 것을 확인하였다(Jeong and Lee, 2018). 또한 사람의 활동이 가장 많은 시간인 09~18시는 농도가 매우 높을 것이라 예상했지만 오히려 사람의 활동이 작은 21~06시가 더 높았고 이를 통해 PM_2.5는 온도나 기상에 의한 영향을 크게 받는 것으로 판단되었다. 이러한 결과로 PM_2.
5 농도가 높고 낮은 지역이 다르다는 것을 알 수 있다. 또한 상남동은 여름을 제외한 모든 계절에서 가장 높은 것으로 나타나 특별 관리가 필요한 지역인 것으로 판단되었고, 이 지역의 연평균은 22.46㎍/㎥으로 나타났다.
또한 월별, 시간대별 분석 결과를 종합하면상남동, 합포동, 명곡동이 PM_2.5으로 인한 피해에 노출된 지역으로 나타났다. 향후 행정구역별 정책을 수립할 시에 앞서 언급한 행정동들을 중심으로 정책을 수립한다면 더욱 효과적인 방안이 될 것으로 사료된다.
08㎍/㎥로 가장 높은 것으로 분석되었다(표 1). 또한 특이점으로 1월에 최고값을 보인 후 서서히 농도가 낮아지다가 6월에 일시적으로 3월과 비슷한 수준으로 급격하게 높아지는 것을 확인할 수 있었다. 표 1에서 5월과 7월부터 10월까지 농도는 연평균보다 낮은 것으로 나타나며, 특히 8월은 연평균에 한참 못 미치는 12.
5 농도가 높을것이라 예상하였다. 마지막으로 21~06시에 대해서는 사람의 활동이 가장 작기 때문에 PM_2.5농도에 영향을 미치는 인공적인 요인이 최소화될 것이라고 예상하였다.
그 후 18~21시에 조금 증가하지만 일부 지역에서는 매우 근소하게 감소하기도 하였으며 이 두 시간대 농도는 대체로 기준치를 웃도는 수준이거나 많게는 5㎍/㎥정도 초과하는 정도였다. 마지막으로 21~06시의 평균값은 27.49㎍/㎥으로 나타나, 06~09시보다는 낮지만 최고값에 가까워진 것을 확인할 수 있었다.
먼저 Airpro 자료를 통해 의미 있는 분석이 가능한지 검증하기 위해 환경부에서 관리하는 AirKorea 자료와 회귀분석을 실시하였고, 분석 결과 0.75~0.86수준의 높은 R²를 얻었으며 RMSE 값을 산출한 결과로는 적게는 9.6209, 많게는 14.5696으로 나타남을 확인할 수 있었다. 산점도 분석 결과, 거의 모든 점들이 선 주위에 모여 있는 것으로 나타나 강한 관계를 확인하였다.
정확성 검증 결과는 그림 5와 같이 나타났다.먼저 Airpro와 AirKorea의 전체지점들에 대한 회귀분석 결과로 유의수준 0.01내에서 0.7751의 R²이 도출되어 상관성이 매우 높은 것으로 확인되었다. RMSE는 13.
본 연구에서 도출된 PM_2.5 심각지역에서는 토지이용유형 중 교통지역이 많은 비율을 차지하는 것으로 분석되었다. 또한 분지지형 특성상 산림이 많은 것을 제외하면, 상업지역이 그 뒤를 이어 교통지역과 상업지역이 PM_2.
5696으로 나타남을 확인할 수 있었다. 산점도 분석 결과, 거의 모든 점들이 선 주위에 모여 있는 것으로 나타나 강한 관계를 확인하였다. 따라서 창원시 농도 패턴 특성을 분석하는데 유의미한 자료로 사용할 수 있는 것으로 판단되었고 검증 후 월별, 시간대별 특성 분석을 진행하였으며 결과 요약은 다음과 같다.
5 심각지역에서는 교통지역과 상업지역이 많은 비율을 차지하는 것으로 분석되어 교통지역과 상업지역에 기반한 정책적 시도가 필요하다는 것을 확인하였다. 세 가지 특성 분석을 종합한 결과, 교통지역과 상업지역이 많은 비율을 차지하는 상남동, 합포동의 겨울철과 06~09시에 관리가 가장 시급한 상태임을 파악할 수 있고, 향후 이에 바탕한 대안이 가장 먼저 수립되어야 하는 것으로 판단된다.
이격거리가 가장 멀어 상관성이 낮을 것이라 예상하였던 5번 지점에 대해서도 매우 높은 R²이 산출되어 두 자료의 상관성은 매우 높은 관계를 가진다고 판단할 수 있었다. 전체지점들에대한 산점도 분석 결과 기울기가 0.
5는 온도나 기상에 의한 영향을 크게 받는 것으로 판단되었다. 이러한 결과로 PM_2.5의 농도분포는 시간대별 특징에 따른 차이를 나타내고 있음을 확인할 수 있었다.
또한 특이점으로 1월에 최고값을 보인 후 서서히 농도가 낮아지다가 6월에 일시적으로 3월과 비슷한 수준으로 급격하게 높아지는 것을 확인할 수 있었다. 표 1에서 5월과 7월부터 10월까지 농도는 연평균보다 낮은 것으로 나타나며, 특히 8월은 연평균에 한참 못 미치는 12.69㎍/㎥으로 가장 낮은 것으로 분석되었다. 8월은 남동풍이 불고 비가 많이 내리기 때문에 대기 중의 오염물질이 씻겨 겨울보다 낮은 농도 특성을 보이는 것으로 판단된다.
64㎍/㎥으로 가장 낮게 나타나 시간대별 농도 패턴이 다른 것을 확인하였으며,출근시간을 중심으로 관리가 강화되어야함을 도출해낼 수 있다. 행정구역별로는 가음정동, 합포동, 상남동, 중앙동(1), 명곡동이 높게 나타났고, 반월동, 중앙동(2), 문화동, 회성동, 완월동이 낮게 나타나 출퇴근시간의 고농도지역 이동이 없는 것으로 나타나 일정하게 고농도를 나타내는 지역에 대한 집중적인 관리방안이 수립되어야 하는 것으로 판단되었다. 또한 PM_2.

후속연구

5 저감 대책 수립 방향을 제시하였다. 그러나 본 자료의 측정지점은 학교에만 위치하고 있기 때문에 국가산업단지 내의 현황 및 분포 특성을 보기에는 한계가 있었다. 추후 창원시 국가산업단지 주변 측정지점을 추가하여 공장지역의 영향을 고려하는 연구가 필요한 것으로 판단된다.
추후 창원시 국가산업단지 주변 측정지점을 추가하여 공장지역의 영향을 고려하는 연구가 필요한 것으로 판단된다. 그리고 500m 공간해상도에 기반된 분석 결과의 한계점을 보완하여 더 높은 해상도의 분석이 필요하며, 향후에 본 연구결과를 바탕으로 지형, 풍속, 온도, 교통량 등의 요인 분석이 필요한 것으로 사료된다. 본 연구의 결과는 창원시의 PM_2.
그리고 500m 공간해상도에 기반된 분석 결과의 한계점을 보완하여 더 높은 해상도의 분석이 필요하며, 향후에 본 연구결과를 바탕으로 지형, 풍속, 온도, 교통량 등의 요인 분석이 필요한 것으로 사료된다. 본 연구의 결과는 창원시의 PM_2.5분포 특성을 판단할 기초자료로 사용될 것이며, 본 연구에서 도출된 심각지역과 저감 방안 수립 방향을 중심으로 정책을 마련한다면 더욱 효과적인 정책이 될 것으로 판단된다.
5 발생에 영향을 미치는 공간적 요인이라는 유의미한 결과를 도출할 수 있다. 이러한 연구결과를 바탕으로 교통지역과 상업지역에 기반한 다양한 정책적 시도를 진행한다면, 더욱 효과적일 것으로 판단된다.
그러나 본 자료의 측정지점은 학교에만 위치하고 있기 때문에 국가산업단지 내의 현황 및 분포 특성을 보기에는 한계가 있었다. 추후 창원시 국가산업단지 주변 측정지점을 추가하여 공장지역의 영향을 고려하는 연구가 필요한 것으로 판단된다. 그리고 500m 공간해상도에 기반된 분석 결과의 한계점을 보완하여 더 높은 해상도의 분석이 필요하며, 향후에 본 연구결과를 바탕으로 지형, 풍속, 온도, 교통량 등의 요인 분석이 필요한 것으로 사료된다.
5으로 인한 피해에 노출된 지역으로 나타났다. 향후 행정구역별 정책을 수립할 시에 앞서 언급한 행정동들을 중심으로 정책을 수립한다면 더욱 효과적인 방안이 될 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Spline이란 무엇인가?	하지만 IDW와는 다르게 단순거리에 관한 함수를 이용하지 않고 측정된 값들 간의 공간적 구조와 공간상관에 근거하는 방법이다(Kim and Jo, 2012). Spline는 관측된 지점의 값을 통과하는 표면 곡률의 총합이 최소가 되게 표면을 형성하여 미관측지점의 값을 예측하는 기법이다(Kim et al., 2014).
	Kriging이 IDW와 구별되는 특징은 무엇인가?	Kriging은 측정값들간의 자기상관을 포함하는 통계적 모델에 근거하고, IDW와 같이 보간하고자 하는 점 주위의 측정값에 가중치를 부여하여 예측한다. 하지만 IDW와는 다르게 단순거리에 관한 함수를 이용하지 않고 측정된 값들 간의 공간적 구조와 공간상관에 근거하는 방법이다(Kim and Jo, 2012). Spline는 관측된 지점의 값을 통과하는 표면 곡률의 총합이 최소가 되게 표면을 형성하여 미관측지점의 값을 예측하는 기법이다(Kim et al.
	대표적인 공간내삽법에는 어떤 방법들이 있는가?	5 농도의 시·공간적인 분포 특성을 분석하였다. 공간내삽법은 가지고 있는 특정 지점의 관측값을 이용하여 미관측지점의 값을 예측하는 기법이며, 대표적인 방법으로 IDW, Kriging, Spline이 있다. IDW는 공간적으로 인접한 지점 사이의 값은 공통된 위치요인으로 인하여 유사성을 가지고, 두 지점간의 거리가 증가할수록 유사성이 상대적으로 감소하게 된다는 가정에 기초한다(Cho and Jeong, 2006; Lee et al.

참고문헌 (33)

Air Visual. 2019. 2018 World air quality report; region & city PM2.5 Ranking. pp. 1-21.
Brauer, M., C. Lencar, L. Tamburic, M. Koehoorn, P. Demers and C. Karr. 2008. A cohort study of traffic related air pollution impacts on birth outcomes. Environmental Health Perspectives 116(5):680-686.

상세보기
Chen, W., H. Tang and H. Zhao. 2015. Diurnal, weekly and monthly spatial variations of air pollutants and air quality of Beijing. Atmospheric Environment 119(2015):21-34.

상세보기
Cho, H.L. and J.C. Jeong. 2006. A study on spatial and temporal distribution characteristics of coastal water quality using GIS. The Journal of GIS Association of Korea 14(2):223-234
Cho, H.L. and J.C. Jeong. 2009. The distribution analysis of PM10 in Seoul using spatial interpolation methods. Journal of Environmental Impact Assessment 18(1):31-39
Cho, S.H., H.W. Kim, Y.J. Han and W.J. Kim. 2016. Characteristics of fine particles measured in two different functional areas and identification of factors enhancing their concentrations. Journal of Korean Society for Atmospheric Environment 32(1):100-113

원문보기 상세보기
Crilley, L. R., M. Shaw, R. Pound, L.J. Kramer, R. Price, S. Young, A.C. Lewis and F.D. Pope. 2018 Evaluation of a low-cost optical particle counter (Alphasense OPC-N2) for ambient air monitoring. Atmospheric Measurement Techniques 11:709-720.

상세보기
Do, H.S., S.J. Choi, M.S. Park, J.K. Lim, J.D. Kwon, E.K. Kim and H.B. Song. 2014. Distribution characteristics of the concentration of ambient PM-10 and PM-2.5 in Daegu Area. Journal of Korean Society of Environmental Engineers 36(1):20-28

원문보기 상세보기
Dongnam Regional Statistics Office. 2018. Analysis of Air Environment in Gyeongsangnam-do, 2017 [Fine Dust]. http://kostat.go.kr/regional/dn/dn_ntc/1/1/index.board?bmoderead&bSeq&aSeq371231&pageNo1&rowNum10&navCount10&currPg&searchInfosrch&sTargettitle&sTxt%EB%AF%B8%EC%84%B8%EB%A8%BC%EC%A7%80. (Accessed october 26, 2018).
Han, C.W., S.T. Kim, Y.H. Lim, H.J. Bae and Y.C. Hong. 2018. Spatial and temporal trends of number of deaths attributable to ambient PM2.5 in the Korea. The Korean Academy of Medical Sciences 33(30):e193.
Harrison, R.M., D. Laxen, S. Moorcroft and K. Laxen. 2012. Processes affecting concentrations of fine particulate matter in the UK atmosphere. Atmosphere Environment 46:115-124.

상세보기
Hwang, K.I., B.H. Han, J.I. Kwark and S.C. Park. 2018. A study on decreasing effects of ultra-fine particles(PM2.5) by structures in a roadside buffer green -a buffer freen in Songpa-gu, Seoul-. Journal of the Korean Institue of Landscape Architecture 46(4):61-75
Hwang, S.Y., J.Y. Moon and J.J. Kim. 2019. Relationship analysis between fine dust and traffic in Seoul using R. The Journal of The Institute of Internet, Broadcasting and Communication 19(4):139-149
Jeon, B.I. 2010. Characteristics of spaciotemporal variation for PM10 and PM2.5 concentration in Busan. Journal of the Environmental Sciences 19(8):1013-1023

원문보기 상세보기
Jeong, J.C. 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

원문보기 상세보기
Jeong, J.C. and S.H. Lee. 2018. Spatial distribution of particulate matters in comparison with land-use and traffic volume in Seoul, Republic of Korea. Journal of Cadastre & Land Information 48(1):123-138
Jha, D.K., M. Sabasan, A. Das, N.V. Vinithkumar and R. Kirubagaran. 2011. Evaluation of interpolation technique for air quality parameters in Port Blair, India. Universal Journal of Environmental Research and Technology 1(3):301-310.
Kang, H.C. 2019. An analysis of the causes of fine dust in Korea considering spatial correlation. Environmental and Resource Economics Review 28(3):327-354
Kim, H.J. and W.K. Jo. 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
Kim, J.H., J.H. Choi, and C.S. Kim. 2010. Comparative evaluation of interpolation accuracy for CO2 emission using GIS. Journal of Environmental Impact Assessment 19(6):647-656
Kim, Y.S., K.M. Sim, M.P. Jung and I.T. Choi. 2014. Accuracy comparison of air temperature estimation using spatial interpolation methods according to application of temperature lapse rate effect. Journal of Climate Change Research 5(4):323-329

상세보기
Lee, J.J. 2019. Research for characteristics and management of the fine particulate matter in the region of Gyeonggi Province. Master Thesis of Ajou University. 1-47pp
Lee, T.S., B.G. Song, C.B. Han and K.H. Park. 2011. Analysis of the GIS-based water cycle system for effective rainwater management of Gyeongsangnam-do. Journal of the Korean Association of Geographic Information Studies 14(2):82-95

원문보기 상세보기
Leem, J.H., B.M. Kaplan, Y.K. Shim, H.R. Pohl, C.A. Gotway, S.M. Bullard, J.F. Rogers, M.M. Smith and C.A. Tylenda. 2006. Exposures to air pollutants during pregnancy and preterm delivery. Environmental Health Perspectives 114(6):905-910.

상세보기
Ministry of Environment AirKorea. 2020. https://www.airkorea.or.kr/web/pastSearch?pMENU_NO123. (Accessed February 3, 2020).
Park, A.K., J.B. Heo and H. Kim. 2011. Analyses of factors that affect PM10 level of Seoul focusing on meteorological factors and long range transferred carbon monooxide. Korean Association for Particle and Aerosol Research 7(2):59-68
Park, C.S. 2017. Variations of PM10 concentration in Seoul during 2015 and relationships to weather condition. The Association of Korean Photo-Geographers 27(2):47-64

상세보기
Park, J.C. and M.K. Kim. 2013, Comparison of precipitation distributions in precipitation data sets representing 1km spatial resolution over South Korea produced by PRISM, IDW, and Cokriging. Journal of the Korean Association of Geographic Information Studies 16(3):147-163

원문보기 상세보기
Park, S.A. and Shin, H.J. 2017. Analysis of the factors influencing PM2.5 in Korea : focusing on seasonal factors. Journal of Environmental Policy and Administration 25(1):227-248

상세보기
Park, S.H. and Ko, D.W. 2018. Investigating the effects of the built environment on PM2.5 and PM10: a case study of Seoul metropolitan city, South Korea. Sustainability 10(12):4552.

상세보기
Rattigan, O.V., H.D. Felton, M.S. Bae, J.J. Schwab and K.L. Demerjian. 2010. Multi-year hourly PM2.5 carbon measurements in New York: Diurnal, day of week and seasonal patterns. Atmosphere Environment 44:2043-2053.

상세보기
Song, B.K. and K.H. Park. 2013. Air ventilation evaluation at nighttime for the construction of wind corridor in urban area. Journal of the Korean Association of Geographic Information Studies 16(2): 16-29
Yeo, M.J. and Y.P. Kim. 2019. Trend of the PM10 concentrations and high PM10 concentration cases in Korea. Journal of Korean Society for Atmospheric Environment 35(2):249-264

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