[논문]양돈사 내 동물 활동도에 따른 암모니아 및 미세먼지 배출농도 특성 분석

박진선; 정한나; 이세연; 최락영; 홍세운

doi:10.5389/ksae.2021.63.6.117

양돈사 내 동물 활동도에 따른 암모니아 및 미세먼지 배출농도 특성 분석
An Investigation of Emission of Particulate Matters and Ammonia in Comparison with Animal Activity in Swine Barns 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.63 no.6, 2021년, pp.117 - 129

박진선 (AgriBio Institute of Climate Change Management, Chonnam National University) , 정한나 (Department of Rural and Bio-systems Engineering: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University) , 이세연 (Department of Rural and Bio-systems Engineering: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University) , 최락영 (Department of Rural and Bio-systems Engineering: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University) , 홍세운 (Department of Rural and Bio-systems Engineering: AgriBio Institute of Climate Change Management: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University)

Abstract ▼ AI-Helper

The movement of animals is one of the primary factors that influence the variation of livestock emissions. This study evaluated the relationship between animal activity and three major emissions, PM10, PM2.5, and ammonia gas, in weaning, growing, and fattening pig houses through continuous monitoring of the animal activity. The movement score of animals was quantified by the developed image analysis algorithm using 10-second video clips taken in the pig houses. The calculated movement scores were validated by comparison with six activity levels graded by an expert group. A comparison between PMs measurement and the movement scores demonstrated that an increase of the PMs concentrations was obviously followed by increased movement scores, for example, when feeding started. The PM10 concentrations were more affected by the animal activity compared to the PM2.5 concentrations, which were related to the inflow of external PM2.5 due to ventilation. The PM10 concentrations in the fattening house were 1.3 times higher than those in the weaning house because of the size of pigs while weaning pigs were more active and moved frequently compared to fattening pigs showing 2.45 times higher movement scores. The results also indicated that indoor ammonia concentration was not significantly influenced by animal activity. This study is significant in the sense that it could provide realistic emission factors of pig farms considering animal's daily activity levels if further monitoring is carried out continuously.

주제어

표/그림 (13)

표 Table 1 Overview of experimental farms, ventilation systems and housing types
그림 Fig. 1 Video data collection to evaluate the animal activity
표 Table 2 Average indoor and outdoor temperature and relative humidity during field measurements
그림 Fig. 2 The location of measuring points in pig barns (● : measuring point indoor, ▲ : measuring point near fans, : video acquisition)
그림 Fig. 3 Image analysis for movement detection and scoring
표 Table 3 Determination of pigs' activity index
그림 Fig. 4 Comparison of animal activity index between man detection and image processing
그림 Fig. 5 Correlation analysis of movement scores between man detection and image processing using 10-second video clips
그림 Fig. 6 Variation of movement score and NH₃ concentration
그림 Fig. 7 Comparison between ventilation rate and NH₃ concentration for fattening pigs on Jun. 16^th 2020, Farm B
그림 Fig. 8 Variation of PM₁₀ concentration according to animal activity
그림 Fig. 9 Variation of PM_2.5 concentration according to animal activity
그림 Fig. 10 Variation of PM₁₀ concentration according to animal activity and measuring point

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 영상 분석 기반으로 동물 활동성을 정량적으로 산정하여 동물 활동성이 양돈사 내 암모니아 및 미세먼지 배출농도에 미치는 영향을 실험을 통해 분석하고자 하였다. 이를 위해 동물의 활동성을 측정할 수 있는 알고리즘을 제시하고, 이를 실험적으로 검증하여 연구에 활용하였다.
본 연구에서는 돼지의 성장단계별 활동성을 고려하기 위해 자돈, 육성돈, 비육돈 사육 시설 내부의 영상 자료를 수집하고 이를 기반으로 활동성 지수를 산정하였다. 영상 자료 수집과 암모니아 및 미세먼지 농도 측정은 2020년 3월부터 2021년 7월까지 지속적으로 수행하고 있으나, 하절기와 동절기는 동물의 활동성이 저하되고, 환기 및 내부 환경조절이 제한되기 때문에 동물의 활동성과 암모니아 및 미세먼지 농도 변화에 중점을 둔 본 연구에서는 Table 2와 같이 봄, 가을과 같은 환절기 수집 데이터를 활용하였다.

제안 방법

본 연구에서는 돈사에서 동물의 활동성과 암모니아 및 미세먼지 배출농도와의 상관성을 분석하기 위해 영상처리 알고리즘 기반 동물 활동성 평가 모델을 구축하고, 이를 기반으로 성장단계별 동물 활동성과 미세먼지 배출농도의 상관관계를 분석하여 다음과 같은 결론을 얻었다.
따라서 본 연구에서는 영상 분석 기반으로 동물 활동성을 정량적으로 산정하여 동물 활동성이 양돈사 내 암모니아 및 미세먼지 배출농도에 미치는 영향을 실험을 통해 분석하고자 하였다. 이를 위해 동물의 활동성을 측정할 수 있는 알고리즘을 제시하고, 이를 실험적으로 검증하여 연구에 활용하였다. 자돈, 육성돈, 비육돈 등 돼지의 생장 단계에 따라 반복 실험을 수행하여 개체 크기별 영향도를 비교하고자 한다.
이를 위해 동물의 활동성을 측정할 수 있는 알고리즘을 제시하고, 이를 실험적으로 검증하여 연구에 활용하였다. 자돈, 육성돈, 비육돈 등 돼지의 생장 단계에 따라 반복 실험을 수행하여 개체 크기별 영향도를 비교하고자 한다.

대상 데이터

본 연구에서 가축의 활동도를 평가하고, 가축 활동도와 암모니아 및 미세먼지 발생의 상관성 분석을 위해 전라북도 정읍시에 A 농장과 전라남도 장성군에 B 농장을 선정하여 영상수집 및 암모니아와 미세먼지 농도 측정 실험을 수행하였다. A 농장은 자돈, 육성돈, 비육돈을 총 6,000두 정도 사육하고 있으며, 본 연구에서는 A 농장의 육성돈을 대상으로 영상정보 수집 및 미세먼지 포집을 수행하였다. B 농장은 모돈을 비롯하여 자돈과 비육돈을 약 9,000두 정도 사육하고 있으며, 자돈과 비육돈에 대해 실험을 수행하였다.
본 연구에서 가축의 활동도를 평가하고, 가축 활동도와 암모니아 및 미세먼지 발생의 상관성 분석을 위해 전라북도 정읍시에 A 농장과 전라남도 장성군에 B 농장을 선정하여 영상수집 및 암모니아와 미세먼지 농도 측정 실험을 수행하였다. A 농장은 자돈, 육성돈, 비육돈을 총 6,000두 정도 사육하고 있으며, 본 연구에서는 A 농장의 육성돈을 대상으로 영상정보 수집 및 미세먼지 포집을 수행하였다.
본 연구에서는 동물의 활동성을 정량화하기 위한 기초 자료로 축산시설 내부 영상 촬영 자료를 활용하였다. 영상 촬영은 Intel Realsense Depth Camera D435i를 활용하여 촬영하였으나, 소형컴퓨터를 동반 설치해야 하는 번거로움과 지속적인 전력 공급이 필요한 문제가 있어 영상처리 알고리즘 개선을 통해 상용 액션캠 (X6000-7, Shenzhen Uingyongil Technology Co.
본 연구에서는 돼지의 성장단계별 활동성을 고려하기 위해 자돈, 육성돈, 비육돈 사육 시설 내부의 영상 자료를 수집하고 이를 기반으로 활동성 지수를 산정하였다. 영상 자료 수집과 암모니아 및 미세먼지 농도 측정은 2020년 3월부터 2021년 7월까지 지속적으로 수행하고 있으나, 하절기와 동절기는 동물의 활동성이 저하되고, 환기 및 내부 환경조절이 제한되기 때문에 동물의 활동성과 암모니아 및 미세먼지 농도 변화에 중점을 둔 본 연구에서는 Table 2와 같이 봄, 가을과 같은 환절기 수집 데이터를 활용하였다. 분석에 활용된 영상 촬영과 암모니아 및 미세먼지 수집일을 비롯하여 축산시설 내⋅외부 온⋅습도 정보는 Table 2와 같다.
영상처리 알고리즘을 검증하기 위해 영상분석을 통해 계산된 움직임값을 전문가 그룹에 의해 산정된 움직임값과 비교하였으며, 2020년 3월 12일 11:24 AM부터 20:48 PM, 2020년 3월 16일 15:00 PM부터 22:04 PM까지 육성돈사에서 1분 간격으로 촬영된 783개의 영상 데이터를 활용하였다. 이후, 2020년 3월 16일 17:00 PM부터 19:00 PM까지 2시간 동안 촬영된 10초 간격 영상 데이터 638개를 추가 검증에 활용하였다.
영상처리 알고리즘을 검증하기 위해 영상분석을 통해 계산된 움직임값을 전문가 그룹에 의해 산정된 움직임값과 비교하였으며, 2020년 3월 12일 11:24 AM부터 20:48 PM, 2020년 3월 16일 15:00 PM부터 22:04 PM까지 육성돈사에서 1분 간격으로 촬영된 783개의 영상 데이터를 활용하였다. 이후, 2020년 3월 16일 17:00 PM부터 19:00 PM까지 2시간 동안 촬영된 10초 간격 영상 데이터 638개를 추가 검증에 활용하였다.

데이터처리

1. 동물 활동성 평가를 위해 영상처리 알고리즘 기반 평가기법을 개발하고 이를 전문가 그룹이 육안으로 평가한 결과와 비교하여 검증하였다. 그 결과 10초 단위 영상을 사용할 경우 결정계수는 0.

성능/효과

암모니아 농도는 오전이 높고 시간이 경과함에 따라 지속적으로 낮아지는 추세를 보였다. 관측이 시작된 10시 30분부터 12시까지 암모니아 농도는 평균 12.83 ppm으로 측정되었고, 암모니아 농도가 점차 하락하는 12시부터 14시까지는 평균 8.45 ppm으로 오전보다 약 34.14% 감소하였다. 오전 시간은 밤 시간 동안 낮아진 기온으로 환기량도 적어져 시설 내부 암모니아의 농도가 높아졌다가 기온 상승과 함께 환기량이 증가하여 암모니아 배출이 활발해지면서 내부 농도가 점차 낮아지는 경향을 보인다.
그 결과 10초 단위 영상을 사용할 경우 결정계수는 0.72 (p-value<1e-16)로 나타났으며 영상처리 알고리즘 기반 동물 활동성 지수 산정 방법이 충분히 신뢰성이 있는 것으로 판단하였다.
2. 동물의 활동성과 암모니아 농도의 상관성 분석 결과 활동성과 암모니아 농도는 큰 개연성은 없는 것으로 나타났는데, 그 원인은 암모니아 발생은 동물의 분변이 미치는 영향이 크고, 동물의 분변은 피트에 저장되어 동물의 움직임에 직접 영향을 받지 않기 때문으로 판단된다. 실내 암모니아 농도는 동물의 움직임보다는 환기량에 더 영향을 받는 것으로 나타났다.
18까지 급격히 증가하였다. 또한 약 14시 20분경 급이가 시작되면서 동물의 활동성은 급격히 활발해지는 것으로 나타났고, 동일 시점에서 암모니아 농도도 증가하였는데, 활동성이 다시 낮아짐에도 암모니아 농도는 증가 추세를 유지하였다. 이는 가스상 물질인 암모니아는 동물의 활동성보다 환기량과 암모니아 성분을 배출하는 동물의 분변량 증가가 농도 증대에 더 크게 기여하는 것으로 사료된다.
동물의 활동성과 암모니아 농도의 상관성 분석 결과 활동성과 암모니아 농도는 큰 개연성은 없는 것으로 나타났는데, 그 원인은 암모니아 발생은 동물의 분변이 미치는 영향이 크고, 동물의 분변은 피트에 저장되어 동물의 움직임에 직접 영향을 받지 않기 때문으로 판단된다. 실내 암모니아 농도는 동물의 움직임보다는 환기량에 더 영향을 받는 것으로 나타났다.
80 ppm으로 관측되었다. 암모니아 농도는 오전이 높고 시간이 경과함에 따라 지속적으로 낮아지는 추세를 보였다. 관측이 시작된 10시 30분부터 12시까지 암모니아 농도는 평균 12.

후속연구

향후 여러 측정지점에 대한 분석과 지속적인 모니터링을 통한 데이터의 축적이 동물 활동성과 축산시설 오염물질 배출과 상관관계 규명에 요구된다. 동물의 활동도를 고려한 암모니아와 미세먼지의 배출 특성은 현재 사용되고 있는 획일적인 배출계수 산정 과정을 보다 현실적으로 보완하는데 의의가 있다.

참고문헌 (21)

Choi, H., J. Hyun, Y. J. Kim, and G. Yoo, 2019, Improvement of ammonia emission inventory estimation methodology for fertilizer application in the agricultural sector. Journal of Climate Change Research 10(3): 237-242. doi:10.15531/ksccr.2019.10.3.237.

상세보기
Costa, A., F. Borgonovo, T. Leroy, D. Berckmans, and M. Guarino, 2009. Dust concentration variation in relation to animal activity in a pig barn. Biosystems Engineeing 104: 118-124. doi:10.1016/j.biosystemseng.2009.05.009.

상세보기
Costa, A., M. Guarino, M. Porro, and P. Navaritto, 2007(b). Evaluation of PM 10 emission from farrowing and fattening swine rooms by continuous on-line measurements. Journal of Agricultural Engineering 1: 59-64. doi:10.4081/jae.2007.1.59.
Costa, A., M. Guarino, P. Navaritto, G. Savoini, and D. Berckmans, 2007(a). Effect of corn milling type on physical characteristics and dustiness of swine diets. Transaction of the ASABE 50(3): 1759-1764. doi:10.13031/2013.23933.

상세보기
Haeussermann, A., A. Costa, J. M. Aerts, E. Hartung, T. Jungbluth, M. Guarino, and D. Berckmans, 2008. Development of a dynamic model to predict PM 10 emissions from swine houses. Journal of Environmental Quality 37(2): 557-64. doi:10.2134/jeq2006.0416.

상세보기
Heber, A. J., M. Stroik, J. L. Nelssen, and D. A. Nichols, 1988. Influence of environmental factor on concentrations and inorganic contents of aerial dust in swine finishing buildings. Trnasactions of the ASABE 31(3): 875-881. doi:10.13031/2013.30793.

상세보기
Hwang, J. H., M. H. Lee, H. D. Ju, H. C. Lee, H. J. Kang, and H. Yoe, 2010. Implementation of swinery integrated management system in ubiquitous agricultural environments. The Journal of Korean Institute of Communications and Information Sciences 35(2): 252-262 (in Korean).
Ju, M. S., H. Baek, J. Sa, H. Kim, Y. Chung, and D. H. Park, 2016, Real-Time pig segmentation for individual pig monitoring in a weaning pig room. Journal of Korea Multimedia Society 19(2): 215-223 (in Korean). doi:10.9717/kmms.2016.19.2.215.

원문보기 상세보기
Kim, M. S., N. Koo, and J. G. Kim, 2020. A comparative study on ammonia emission inventory in livestock manure compost application through a foreign case study. Korean Journal of Environmental Biology 38(1): 71-81 (in Korean). doi:10.11626/KJEB.2020.38.1.071.

원문보기 상세보기
Kwon, K. S., 2016. Characterization of dust generation in livestock houses based on field monitoring and numerical approach. Ph.D. diss., Seoul National University.
Lee, S. W., H. Kim, and I. H. Seo, 2020. Monitoring of internal harmful factors according to environmental factors in pig farm. Journal of the Korean Society of Agricultural Engineers 62(1): 105-115 (in Korean). doi:10.5389/KSAE.2020.62.1.105.

원문보기 상세보기
Ministry of Agriculture, Food and Rural Affairs (MAFRA), 2017, Agriculture, Food and Rural Affairs Statistics Yearbook.
Nam, J., 2019, Another challenge in agriculture: The problem of particulate matters, GS&J Institute.
Ott, S., C. P. H. Moons, M. A. Kashiha, C. Bahr, F. A. M. Tuyttens, D. Berckmans, and T. A. Niewold, 2014. Automated video analysis of pig activity at pen level highly correlates to human observations of behavioural activities. Livestock Science 160: 132-137. doi:10.1016/j.livsci.2013.12.011.

상세보기
Park, J. S., H. Jeong, and S. W. Hong, 2020. Estimation of particulate matter and ammonia emission factors for mechanically-ventilated pig houses. Journal of The Korean Society of Agricultural Engineers 62(6): 33-42 (in Korean). doi:10.5389/KSAE.2020.62.6.033.

원문보기 상세보기
Pedersen, S. and C. B. Pedersen, 1995. Animal activity measured by infrared detectors. Journal of Agricultural Engineering Research 61: 239-246.

상세보기
Predicala, B. Z., and R. G. Maghirang, 2003. Numerical simulation of particulate matter emissions from mechanically ventilated swine barns. Transactions of the ASAE 46(6): 1685.

상세보기
Sousa P. and S. Pedersen, 2004. Ammonia emission from fattening pig houses in relation to animal activity and carbon dioxide production. Agricultural Engineering International: the CIGR Journal of Scientific Research and Development. Manuscript BC04 003. Vol.VI.
Takai, H., 1992. Aerial dust in swine buildings. In: Proceedings of the Third International Conference of Roomvent. Air Distribution in Rooms, pp 105-117, Aalbourg, Denmark.
Van Ransbeeck, N., H. Van Langenhove, and P. Demeyer, 2013. Indoor concentrations and emissions factors of particulate matter, ammonia and greenhouse gases for pig fattening facilities. Biosystems Engineering 116(4): 518-528. doi:10.1016/j.biosystemseng.2013.10.010.

상세보기
Yang, K. Y., J. Jeon, K. Kwon, H. Choi, J. Ha, J. Kim, and J. Lee, 2018. Classification of behavior at the signs of parturition of sows by image information analysis. Journal of the Korea Academia-Industrial cooperation Society 19(12): 607-613 (in Korean). doi : 10.5762/KAIS.2018.19.12.607.

원문보기 상세보기

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