고농도 미세먼지로부터 국민건강을 보호하기 위해 미세먼지 농도 정보를 신속하게 제공할 필요가 있다. 단기적인 미세먼지 농도 변화는 대기 정체와 같은 기상변화가 큰 영향을 미치는 것...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A107916631
2021
Korean
학술저널
347-347(1쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
고농도 미세먼지로부터 국민건강을 보호하기 위해 미세먼지 농도 정보를 신속하게 제공할 필요가 있다. 단기적인 미세먼지 농도 변화는 대기 정체와 같은 기상변화가 큰 영향을 미치는 것...
고농도 미세먼지로부터 국민건강을 보호하기 위해 미세먼지 농도 정보를 신속하게 제공할 필요가 있다. 단기적인 미세먼지 농도 변화는 대기 정체와 같은 기상변화가 큰 영향을 미치는 것으로 알려져 있다. 기상청에서는 기상 인자를 기초로 대기확산지수를 산정하고 있으나, 미세먼지 농도 변화를 판단하기에는 한계가 있다. 따라서 본 연구는 기상과 전일 미세먼지 농도자료를 이용하여 고농도 미세먼지 발생을 예측할 수 있는 지수 마련을 검토하였다.
이를 위해 능형회귀분석을 이용하여 기상인자와 미세먼지 농도 상관분석을 수행하였다. ’17년 서울 기상자료 및 미세먼지 농도 관측자료를 사용하여 회귀식을 도출하였으며, ’18년 자료를 사용하여 회귀식을 검증하였다. 단일 기상요소(기온, 기압, 상대습도, 바람(U, V))와 미세먼지 농도의 상관성은 R² 값이 0.0036~0.1926을 보여 낮은 상관성을 보이는 것으로 분석되었다. 복수의 기상요소와 미세먼지 농도 간 능형회귀분석 결과 R²은 0.23으로 단순 선형회귀분석 결과보다 비교적 높은 상관성을 갖는 것으로 분석되었다. 다만, ’18년 관측자료로 회귀식을 검증한 결과 R²은 0.16으로 능형회귀분석을 통해 도출된 회귀식의 정확도가 비교적 낮게 나타났다. 이는 기상요소만으로 미세먼지 농도를 추정하는 것에는 한계가 있기 때문에 배경농도로 전일 평균 미세먼지 농도값을 변수로 추가하여 분석하였다. 그 결과 R²은 0.62로 높은 상관성을 보였으며 ’18년 관측자료를 이용하여 검증한 결과 R²은 0.63으로 비교적 높은 정확도를 보였다. 이는 전날 평균미세먼지 농도와 내일의 기상요소를 고려하면 미세먼지 농도를 쉽게 예측할 수 있다는 가능성을 나타낸다. 향후 대기확산지수와 같이 일반 국민이 쉽게 이해할 수 있는 미세먼지 변동지수를 지역별로 개발하고자 한다.
Active LP-DOAS를 이용한 서울 성북구 지역의 NO₃ 농도 관측