Journal of The Korean Society of Agricultural Engineers (한국농공학회논문집)

The Korean Society of Agricultural Engineers (한국농공학회)
권호 표지
DOI QR코드

DOI QR Code

An Investigation of Emission of Particulate Matters and Ammonia in Comparison with Animal Activity in Swine Barns

양돈사 내 동물 활동도에 따른 암모니아 및 미세먼지 배출농도 특성 분석

  • Park, Jinseon (AgriBio Institute of Climate Change Management, Chonnam National University) ;
  • Jeong, Hanna (Department of Rural and Bio-systems Engineering: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University) ;
  • Lee, Se Yeon (Department of Rural and Bio-systems Engineering: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University) ;
  • Choi, Lak Yeong (Department of Rural and Bio-systems Engineering: Education and Research Unit for Climate-Smart Reclaimed-Tideland Agriculture (BK21 four), Chonnam National University) ;
  • Hong, Se-woon (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)
  • Received : 2021.09.15
  • Accepted : 2021.11.16
  • Published : 2021.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

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.

Keywords

Ⅰ. 서론

농업 유래 암모니아 및 미세먼지에 대한 인식이 확산되고, 그에 대한 관리 방안의 중요성이 증대됨에 따라 농업분야 암모니아 및 미세먼지 배출량의 큰 비중을 차지하고 있는 축산분야, 특히 양돈시설에 대한 모니터링 및 관리의 중요성이 부각되고 있다. 환경부 통계자료에 의하면 농업부문에서 발생하는 미세먼지는 국가 총배출량의 약 10%에 해당하는 것으로 평가되었고 (Nam, 2019), 암모니아의 경우 총배출량의 78%가 농업부문에서 배출되며 (Choi et al., 2019), 이 중 92%가 축산활동에 의한 것으로 보고되고 있다 (ME, 2017). 양돈사에서 배출되는 오염물질은 국립환경과학원의 대기정책지원시스템(Clean Air Policy Support System; CAPSS)에서 지정한 대기오염물질 배출원에서 축산분뇨관리 항목에 해당하며, 이러한 인벤토리와 배출계수를 실측에 기반하여 국내 축산 환경에 적합하게 개선하기 위한 연구가 수행되고 있다 (Kim et al., 2020, Park et al., 2020). 국외에서도 배출계수 평가에 대한 연구는 꾸준히 진행되어 (Aarnink et al., 1995; Demmers et al., 1999; Predicala and Maghirang, 2003; Van Ransbeeck et al., 2013), 각국의 기상 조건 및 동물 생육환경에 부합하는 배출계수를 개발하고 있다.

축산시설에서 배출되는 물질들은 급이되는 사료 유형, 동물의 털, 각질과 같은 생물학적 특성 등 매우 다양한 변수들에 의해 복잡한 인과관계를 거쳐 발생 및 배출되고, 그중 동물의 활동성과 미세먼지의 배출농도는 강한 상관관계를 갖는 것으로 알려져 있으며 (Costa et al., 2009; Haeussermann et al., 2008; Kwon et al., 2016; Pedersen and Pedersen, 1995; Takai, 1992), 국외에서는 이에 대한 연구가 활발히 진행되고 있다. Kwon et al. (2016)은 국내 양돈사에서 수행된 실험을 통해 실내 미세먼지 농도에 가장 큰 영향을 미치는 요인 중의 하나로 동물의 움직임을 제시하였다. 하지만 관찰을 통해 동물의 활동도를 판단하는 것에는 한계가 있으며, 수학적인 모델을 이용한 동물 움직임의 정량적 측정이 필요함을 강조하였다. Costa et al. (2009)는 영상 분석을 통해 동물의 움직임을 정량화하여 동물의 움직임과 실내 미세먼지 농도가 매우 밀접한 관련이 있음을 밝혔으나, 동물의 밀도가 낮은 실험 조건의 한계로 인해 실제 양돈사에서 동물의 크기와 성장단계에 걸쳐 장기간 측정의 필요성을 제기하였다.

한편 축산농가 수는 감소하면서 사육두수는 증가하여 축산시설의 밀집화와 규모화가 진행됨에 따라 (Lee et al., 2020) 국내에서는 축산시설 내 환경조절 자동화 및 동물복지 측면에서 영상처리 기법을 활용하여 다양한 분석을 시도하고 있다. 영상 분석 기술을 대규모 축산시설의 환경조절 자동화에 활용하거나 (Hwang et al., 2010), 자돈의 활동성과 행태를 분석하여 이상행동과 질병을 조기 예측하고 폐사율을 감소시키기 위한 연구도 진행된 바 있다 (Ju et al., 2016). 또한 지속적인 영상 모니터링을 통해 모돈의 분만 징후 행동 특성을 분류하고 (Ka et al., 2018) 이를 통해 동물복지 환경의 개선에 기여한 연구가 수행되었다. 그러나 영상처리 알고리즘 기반의 동물의 활동성을 정량화하는 기법에 대한 연구는 미비한 실정이고, 더욱이 동물의 활동성과 암모니아 및 미세먼지와의 연관성을 규명한 연구는 국내에서는 드물다.

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.

Ⅱ. 재료 및 방법

1. 대상 농장 현황 및 환경조건

가. 대상 농장 현황

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. 농장 B에서는 육성돈 단계를 거치지 않고 자돈에서 비육돈으로 진행하기 때문에 육성돈 단계의 영상 자료 수집은 농장 A에서 수행하였다. 두 농장 모두 바닥 구조는 전면 슬랫 형식을 취하고 있다.

환기시스템은 자돈사와 육성돈사의 경우 4개의 팬이 내부온도 변화에 따라 작동하고, 작업자가 온도 변화의 범위와 팬의 효율을 설정하면 그에 따라 작동하는 방식이다. 비육돈사는 11개의 터널팬과 7개의 굴뚝팬이 환기시스템을 구성하고 있고, 적정 온도 및 사육두수를 설정하면 시스템에서 필요환기요구량을 산정하여 환기팬의 용량에 따라 상시 작동하는 팬 1개와 그 밖의 팬을 조합하여 동작하며, 세부 내용은 Table 1과 같다. 유입구는 농장 A의 육성돈사는 Fig. 2(b)와 같은 구조에서 복도를 통과하여 측벽 위쪽으로 외부 공기가 유입되도록 위치한다. 농장 B의 자돈사 또한 복도를 통과한 외부 공기가 유입된다. 비육돈사는 양 측벽에 위치한 유입구를 통해 외부 공기가 유입된다.

Table 1 Overview of experimental farms, ventilation systems and housing types

NGHHCI_2021_v63n6_117_t0001.png 이미지

나. 동물 활동성 및 오염물질 배출측정 환경조건

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.

Table 2 Average indoor and outdoor temperature and relative humidity during field measurements

NGHHCI_2021_v63n6_117_t0002.png 이미지

2. 현장실험 방법

가. 동물 활동성 평가를 위한 영상 자료 수집 장치 및 방법

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., China)을 활용하여 영상 자료를 수집하였다. 영상은 640×480 프레임 이상의 크기로 초당 30 프레임의 속도로 촬영하였다.

영상 정보는 농장의 여건 상 상시 측정이 어렵고 간헐적 측정만 가능하여 실험 동안 실내 기둥에 부착하거나 복도에 삼각대를 설치하여 부착하였다 (Fig. 1). 자돈사와 육성돈사는 돈실이 작으므로 배기팬 앞의 돈방을 촬영하도록 1대의 캠을 설치하였으며, 비육돈사는 터널팬 인근의 돈방과 비육돈사 가운데에 위치한 돈방에 2대의 캠을 설치하였다.

NGHHCI_2021_v63n6_117_f0001.png 이미지

Fig. 1 Video data collection to evaluate the animal activity

나. 축산시설 내부 암모니아 및 미세먼지 농도 측정 장치 및 방법

축산시설 내부에서 발생하는 미세먼지 측정은 PM10, PM2.5를 대상으로 하고, 측정은 광산란식 실시간 미세먼지 농도 측정 장치 (OPC, Grimm, Inc., Germany)를 사용하여 6초 간격으로 기록하여 데이터를 수집하였다. 암모니아 농도는 전기화학식 실시간 암모니아 측정기 (Gastiger2000, Wandi, China)를 이용하여 0.6 L min-1의 유량으로 축산시설 내부 공기를 흡입하여 0.1 ppm 단위로 암모니아 농도를 측정하고, 5초 간격으로 기록하여 수집하였다. 미세먼지와 암모니아의 포집 및 측정은 6시간 이상 지속하였다. 돈사의 규모는 자돈사 돈실 11.9 m × 8.8 m, 육성돈사 돈실 14.7 m × 13.6 m, 비육돈사 74 m × 13 m이며, 측정 위치는 Fig. 2와 같다. 비육돈사는 타 돈사와 달리 터널팬이 작동하기 때문에 환기팬 측정점은 터널 팬이 작동할 때 유속의 영향을 최소화 하기 위해 터널팬과 2 m 가량 떨어진 지점에서 측정하였다. 영상 촬영은 암모니아 및 미세먼지 측정장치와 인접한 돈방을 촬영하였다.

NGHHCI_2021_v63n6_117_f0002.png 이미지

Fig. 2 The location of measuring points in pig barns (● : measuring point indoor, ▲ : measuring point near fans, JAKO202134255835639_120 그림.png 이미지 : video acquisition)

3. 동물 활동성 평가를 위한 영상 자료 분석 방법

본 연구에서는 동물의 활동성을 정량화하기 위해 전문가 그룹을 활용한 평가와 알고리즘 기반의 평가를 동시에 수행하였다. 사람에 의한 검측은 연구자가 설정한 활동성 평가 지표에 따라 연구자가 검측을 하고 점수를 부여하는 방식이다(Ott et al., 2014). 영상처리 알고리즘이 정교하지 못할 때 발생할 수 있는 동물 간 겹침, 깔림 등의 문제와 영상정보장치의 해상도 문제에 제한이 덜하다는 장점이 있으나, 검측자의 경험과 주관이 크게 반영될 수 있는 한계가 있다.

전문가 그룹을 활용한 평가는 축산분야 연구 경험이 있는 전문가 3인이 영상 재생을 통해 동물의 활동성을 육안으로 관측하고 평가 지표에 따라 구분하는 방식이다. 평가 초기에는 영상을 1분 단위로 분할하여 전문가 그룹이 평가하는 과정을 거쳤으나, 1분 동안 동물의 움직임이 다양하게 나타나 주관적인 판단에 의존하는 전문가 평가에서는 평가 체계의 일관성을 유지하기 어려워 영상 분할을 10초 단위로 변경하여 평가하였다. 활동도 지표는 Table 3에서 제시한 바와 같이 총 6단계로 구성하였다. 전문가 그룹은 Table 3의 내용을 숙지하고, 영상을 재생한 후 점수를 부여한다.

Table 3 Determination of pigs’ activity index

NGHHCI_2021_v63n6_117_t0003.png 이미지

알고리즘으로 동물의 활동성 지수를 산출하기 위하여 영상처리 알고리즘을 MATLAB (R2019b, Mathworks Inc., Natick, MA, USA)으로 구성하였고, 촬영된 영상을 이미지 분석하여 전체 픽셀 중 동물의 움직임에 의해 변화가 감지되는 픽셀의 비율을 산정하여 동물의 활동성을 정량화하였다 (Costa et al., 2009). 전문가 평가와 동일하게 영상분석 또한 10초 단위로 평균화하여 움직임값 (Movement score)을 산출하였다. 움직임값 산출 개념은 비디오 영상의 각 시간에서의 이미지를 회색조로 변경 후, 모든 픽셀에서 시간에 따른 화소강도 (0∼255 범위)의 변화가 임계값을 넘어설 경우 식 (1)과 (2)에 따라 해당 픽셀에서 동물의 움직임이 있는 것으로 간주하고 픽셀별 활동지수를 계산한다. 이후, 모든 픽셀에 대한 활동지수를 평균하여 각 시간에서의 움직임값을 산출한다 (Fig. 3). 이때, 비디오 영상이 천장에서 촬영되는 것이 아니라 복도에서 돈방을 향해 비스듬히 촬영되므로, 영상의 상하좌우 위치에 따른 원근에 의한 차이를 보정하기 위하여 활동지수에 위치보정지수를 곱하여 평균을 하였다. 또한, 동물이 지나간 이후에도 해당 위치에는 동물의 움직인 영향이 남아 있게 되므로 각 픽셀에서의 활동지수가 1이 되었을 경우 잔상효과에 의해 활동지수가 2초에 걸쳐 0으로 서서히 감소되도록 설정하였다.

NGHHCI_2021_v63n6_117_f0003.png 이미지

Fig. 3 Image analysis for movement detection and scoring

\(\begin{aligned}A_{p}(x, y, t)=\left\{\begin{array}{ll}1 & \text { if }|G(x, y, t)-G(x, y, t-1)| \geqq \tau_{g} \\ 0 & \text { otherwise }\end{array}\right.\end{aligned}\)       (1)

\(\begin{aligned}M_{s}(t)=\frac{\sum_{x, y} A(x, y, t) \times \omega(x, y)}{\sum_{x, y} 1 \times \omega(x, y)}\end{aligned}\)       (2)

여기서, Ap(x, y, t)는 시간 t일 때 x, y 좌표 픽셀에서의 활동지수 (1일 때 움직임이 있는 것으로 간주, 0일 때 움직임이 없는 것으로 간주), G(x, y, t)는 시간 t일 때 x, y 좌표 픽셀에서의 화소강도 (0∼255), τg는 움직임 탐지를 위한 임계값 (20을 사용), Ms(t)는 시간 t일 때 움직임값 (0∼1), ω(x, y)는 x, y 좌표 픽셀에서의 원근에 의한 위치보정지수이다.

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.

Ⅲ. 결과 및 고찰

1. 동물 활동성 지수 산출 및 검증

전문가 그룹 및 영상처리 알고리즘 기반 평가기법으로 분석한 동물의 활동성 지수를 비교 분석하였다 (Fig. 4). 두 가지 방법에 의한 동물의 활동성은 유사한 패턴으로 나타났으나, 전문가 그룹에 의한 결과가 영상 분석에 의한 결과에 비해 동물의 활동성을 더 크게 평가하는 경향이 있는 것으로 나타났다. 전문가 그룹이 1분 단위의 영상을 평가할 때에서 1분동안 동물의 활동성 변화가 커서 활동도 지표를 결정하는 데 어려웠다는 의견이 있었으므로, 10초 단위 영상으로 분할하여 재평가를 수행하였다. 그 결과 1분 단위 분할 영상 분석에서는 두 활동성 지수가 R2=0.646 (p-value<1e-16)로 나타났으며, 10초 단위로 분할하여 비교 분석한 결과 Fig. 5(a)에서 도시한 바와 같이 R2=0.6267 (p-value<1e-16)로 오히려 더 낮은 R2값을 보였다. 하지만 전문가 그룹의 평가가 더 수월해 지고 용이하고, 명확해졌으므로 10초 단위 영상이 동물의 활동성을 평가하는 데 더 적합한 것으로 판단하였다.

NGHHCI_2021_v63n6_117_f0004.png 이미지

Fig. 4 Comparison of animal activity index between man detection and image processing

NGHHCI_2021_v63n6_117_f0005.png 이미지

Fig. 5 Correlation analysis of movement scores between man detection and image processing using 10-second video clips

영상처리 알고리즘 기반 분석에서 움직임 값이 0.25 이상 산정된 경우가 많으며, 이들의 경우는 모두 전문가 그룹의 활동도 지표 중 Lv. 6에 해당하는 경우이므로, 움직임 값이 0.25 이상일 경우 Lv. 6에 도달한 것으로 가정하고 0.25 이내에서만 보정 및 분석을 수행하였다. 그 결과 두 평가기법에서 도출한 동물의 활동성 지수는 Fig. 5(b)와 같이 R2=0.7197(p-value<1e-16)로 높은 상관성을 보이는 것으로 분석되었다. 이 결과를 토대로 전문가 그룹의 경험에 기반한 동물의 활동성 정보를 본 연구에서 구축한 영상처리 알고리즘을 이용한 동물 활동성 지수 산정 모델로 획득하는 것이 타당할 것으로 사료된다.

2. 동물의 활동성과 암모니아 농도의 상관성 분석

돈사 내부에 설치한 영상수집장치를 통해 수집한 영상을 분석하여 산출한 동물 활동성 지수와 실내 암모니아 농도 측정 결과를 Fig. 6과 같이 도시하였다. 10초 단위의 결과는 변동이 심하여 여러 그래프를 분별 하기 어려워 가독성을 높이기 위해 그래프를 40초 간격 이동평균으로 도시하였다.

NGHHCI_2021_v63n6_117_f0006.png 이미지

Fig. 6 Variation of movement score and NH3 concentration

Fig. 6(a)에서 보는 바와 같이 자돈사 내부 암모니아 농도는 15시 43분경 최대 14.29 ppm으로 높게 나타났고, 평균 10.80 ppm으로 관측되었다. 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. 반면 활동성은 평균 0.07로 낮은 값을 보였으나, 약 1시간마다 주기적으로 증가하여 최대 0.18까지 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.

육성돈과 비육돈에서 동물의 활동성은 자돈에 비해 변동이 적지만 암모니아 농도는 일정 수준을 유지하여 육성돈은 평균 4.78 ㎍ m-3로 측정되었고, 비육돈은 1.52 ㎍ m-3로 측정되었다. 육성돈은 Fig. 6(b)와 같이 활동성이 최고점인 14시 44분, 활동성 0.15인 시점에서도 암모니아 농도는 상대적으로 큰 변화 없이 감소 추세를 유지하고 있으며, 비육돈의 활동성이 증대되는 시점인 15시 06분, 활동성 0.08 지점 또한 암모니아 농도는 다소 증가하는 듯하지만 전반적으로 일정한 농도를 유지하는 경향을 보였다 (Fig. 6(c)). 전반적으로 동물의 활동성과 암모니아의 농도 간에 뚜렷한 상관성이 관찰되지는 않았다. 이는 축산시설 내부에서 발생하는 암모니아의 주 발생원은 동물의 분뇨로 대부분의 분뇨는 바닥 아래의 피트에 저장되므로, 동물의 움직임이 피트에서 발생하는 암모니아의 휘발에는 직접적인 영향을 미치지 못하기 때문인 것으로 판단된다.

환기량이 축산시설 내부의 암모니아 및 미세먼지의 농도에 미치는 영향을 분석하기 위하여 2020년 6월 16일 비육돈사의 환기량과 내부 암모니아 농도를 Fig. 7과 같이 도시하였다. Fig. 7에서 보는 바와 같이 암모니아 농도가 높을때 환기량은 낮으며, 환기량이 점차적으로 증가하면서 암모니아 농도는 급격히 하강하는 양상을 보이는 것으로 나타났다. 돈사에서 암모니아 농도는 시설 내부의 여러 가지 물질의 배출 메커니즘 중에서도 복잡한 양상을 띠는 것으로 알려져 있다 (Sousa et al., 2004). 암모니아 농도는 동물의 분변량 및 바닥면의 공기 흐름, 온도 변화에 따른 환기량에 영향을 받는다.

NGHHCI_2021_v63n6_117_f0007.png 이미지

Fig. 7 Comparison between ventilation rate and NH3 concentration for fattening pigs on Jun. 16th 2020, Farm B

3. 동물의 활동성과 미세먼지 농도의 상관성 분석

가. 동물의 성장단계에 따른 분석

동물의 활동도는 돈사 내부와 환기팬 주변으로 구분하여 평가하였는데, 이는 일반적으로 돈사, 특히 비육돈사의 경우, 구조적 형태가 일방향으로 긴 형태를 취하고 있어 돈사 중앙부분과 환기팬 주변의 내부 환경의 차이가 발생하며 이로 인한 동물 활동성의 차이를 반영하기 위함이다. Fig. 8 (a), (c)와 같이 동물의 활동성은 돈사 안쪽과 환기팬 주변에서 유사하게 움직이는 경향을 보이기도 하는데, 이는 작업자의 움직임에 먼저 반응한 동물의 움직임이 연쇄적으로 영향을 미쳐 짧지만 일정 시간 간격을 두고 환기팬 주변 동물의 활동성이 커진 것으로 보인다. 또한 Fig. 8(b)와 같이 육성돈의 활동성과 미세먼지 농도 변화도 활동성 증가 후 미세먼지의 농도가 연쇄적으로 상승하는 경향을 보였다.

NGHHCI_2021_v63n6_117_f0008.png 이미지

Fig. 8 Variation of PM10 concentration according to animal activity

아울러 돈사 내부의 PM10 배출농도의 변화를 살펴보면 모든 성장단계에 있는 동물의 활동성은 실내 PM10 배출농도와 밀접한 관련이 있는 것으로 나타났다. 모든 성장단계에서 가장 높은 활동성을 보인 시간은 약 15시경으로 관측되었는데, 이때는 급이가 시작되는 시간으로, 기존 연구 (Costa et al., 2007 a, b; Kwon et al., 2016)에서 밝혀진 바와 같이 동물의 활동성이 급격히 증가하였고, 활동성 증가와 연쇄적으로 PM10의 배출농도가 증가하는 경향을 볼 수 있다.

급이의 영향은 동물의 성장단계별 특성에서도 나타난다. 비육돈은 자돈과 육성돈에 비해 활동성이 상대적으로 낮지만, PM10 배출농도는 높게 관측되었다. 급이가 시작되는 15시경 자돈의 활동성 지수는 0.196, PM10 배출농도는 198.66 ㎍ m-3으로 나타났고, 비육돈의 활동성은 0.08, PM10 배출농도는 258.04 ㎍ m-3로 약 1.30배 크게 나타났다. 비육돈이 상대적으로 활동성이 적지만 미세먼지 배출량이 높은 원인은 급이 유형이 축산시설 내 발생하는 미세먼지의 주요 원인으로 (Heber et al., 1988), 자돈은 비육돈과 달리 습식 급이를 하기 때문에 비산되는 먼지의 양이 적어 자돈의 활동성이 2.45배 크지만, 배출되는 미세먼지 농도는 낮은 것으로 판단된다. 그리고 축산시설 내 미세먼지 주요 발생원으로 원인으로 알려진 동물의 털 및 각질 등 생활환경에서 발생하는 미세먼지도(Mankell et al., 1995) 성장단계가 큰 비육돈에서 발생량이 큰것에 기인한다.

축산시설 미세먼지 발생의 주요 원인으로 바닥면 재 비산문제를 들 수 있는데, 이는 활동성이 활발한 자돈사에서 그 특성을 찾을 수 있다. 자돈은 육성돈과 비육돈에 비해 활동성이 큰 편이며, 활동성에 따라 PM10 농도도 상승하는 경향을 보인다. Fig. 8 (a)에서 12시 16분경 21.90 ㎍ m-3까지 낮아진 PM10의 농도가 12시 26분 (Movement score indoor 0.18)부터 동물 활동성이 증가하면서 미세먼지 농도도 12시 32분 81.50 ㎍ m-3까지 증가하는 경향을 보인다. 이 시간대는 급이 시간이 아니므로 동물의 활동이 활발해짐에 따라 바닥면의 PM10이 재 비산된 경우로 볼 수 있는데, 자돈사는 내부 환경조절에 민감하여 위생 상태가 양호한 수준을 유지하고 있음에도 동물의 활동성 증가에 따라 PM10 농도가 3.72배 증가하였다. 이와 같은 결과는 동물의 활동성이 PM10의 재 비산에 크게 영향을 미치고 있음을 시사한다.

한편 PM2.5 농도는 Fig. 9에서 나타난 바와 같이 동물의 활동성에 따라 일부 동일하게 변동하는 경향을 보이긴 하지만 대체로 뚜렷한 상관관계를 보이지는 않았다. 양돈시설에서 배출되는 PM2.5 농도는 축산시설 내부에서 생성되기 보다는 외부에서 환기에 의해 유입된 PM2.5가 배출구로 배출되는 것으로 알려진 바 있다 (Park et al., 2020). 이에 따라 PM10과 비교할 때 동물의 활동성이 크게 변동하는 구간에서도 그 변화의 폭이 매우 적거나 일정 수준을 유지하였다. 이는 Fig. 9와 같이 모든 성장단계의 돈사 내부 PM2.5 농도에서 동일한 결과를 나타냈다. 단, 육성돈에서는 PM2.5의 농도 또한 동물의 활동성과 비교적 유사한 변동 형태를 보이고 있다. 결과적으로 PM2.5의 농도는 동물의 활동성에 영향을 받기도 하지만 그 영향은 PM10보다는 작다고 판단할 수 있다.

NGHHCI_2021_v63n6_117_f0009.png 이미지

Fig. 9 Variation of PM2.5 concentration according to animal activity

축산시설 내부의 미세먼지 발생은 시설 내부의 위생 상태, 급이 유형, 동물의 생물학적 특성에 의한 영향이 큰 것으로 판단되고, 외부로 배출되는 미세먼지 농도 및 내부의 재 비산되는 미세먼지 농도의 증가는 동물의 활동성에 큰 영향을 받는 것으로 판단된다. 또한 축산시설 PM2.5와 같은 초미세먼지의 경우 시설 발생량뿐만 아니라 주변 지역의 기상과 사회적 요인에 따른 영향도 고려해야 할 필요가 있다.

나. 관측지점에 따른 분석

관측지점별 동물 활동성과 미세먼지 농도의 상관성 모니터링 분석 결과는 Fig. 10과 같다. 관측지점은 돈사 중앙과 배기팬으로 구분하였다. Fig. 10(a)는 자돈사 PM10 농도 관측 결과로 급이 시간인 14시 35분 49초에 중앙 관측지점은 196.62 ㎍ m-3로 PM10 농도가 급격히 증가하였고, 팬 주변 관측지점 또한 14시 35분 55초 195.5 ㎍ m-3까지 증가하여 활동성에 따른 증감은 두 지점이 동일한 경향을 보였고, 시간 차이도 미미한 것으로 나타나 돈실 중앙 지점과 배기팬 앞 측정지점이 동시에 미세먼지 농도가 변화하는 것으로 관측되었다. 이는 자돈사의 구조적 특성에 기인하는 것으로 판단된다. 자돈은 내부 환경조절에 민감하여 돈실 크기가 비육돈에 비해 작고 정방형 구조를 갖기 때문에 돈방 중앙과 배기팬까지 거리가 4∼5 m 이내로 측정 지점이 근거리에 위치하여 동물의 활동이 연쇄적으로 일어나기 쉽고, 돈실 전체의 농도 또한 관측지점에 따른 변동은 적은 것으로 사료된다.

NGHHCI_2021_v63n6_117_f0010.png 이미지

Fig. 10 Variation of PM10 concentration according to animal activity and measuring point

반면 비육돈은 일방향으로 긴 형태의 구조를 가져 중앙 돈방에서 배기팬까지 30 m 이상 물리적 거리 차이가 있으며 사육밀도 또한 높지만, 급이 시간을 제외하고는 동물의 활동성이 낮다는 특성이 있다. 비육돈사에서 급이가 시작된 후 14시 58분 07초 118.62 ㎍ m-3까지 증가한 PM10 농도는 배기팬 앞에서 15시 07분 55초 135.86 ㎍ m-3로 관측되었다. 비육돈사는 자돈사와 달리 배기팬 앞에서의 배출농도가 1.15배 증가하였고, 지점별 최고치를 보이는 시간 차이도 9분 정도 소요되어 관측지점과 미세먼지 농도 차이의 개연성은 있는 것으로 보인다. 따라서 추후 동물 활동성과 미세먼지 농도 차이의 데이터 수집 및 명확한 메커니즘 분석을 위해서는 관측지점을 확대하여 영상 자료 및 미세먼지 농도 분석을 수행할 필요가 있다.

Ⅳ. 결론

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.

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 0.72 (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.

3. 축산시설 내부의 PM10 농도의 변화는 동물의 활동성과 긴밀한 상관관계가 있는 것으로 분석되었다. 자돈, 육성돈, 비육돈의 모든 사육 단계에서 급이 시간과 같이 동물의 활동성이 증가할 때 PM10 농도 또한 증가 추세를 보였고, 활동량이 적은 낮 시간은 PM10 농도 또한 안정적으로 유지되는 경향을 보였다. 한편 PM2.5는 동물의 활동성에 부분적으로 영향을 받는 경향을 보였는데, 이는 외부에서 환기에 의해 유입된 PM2.5가 실내 PM2.5 농도에 큰 영향을 미치기 때문으로 사료된다.

4. 자돈은 비육돈에 비해 활동성이 2.45배 정도 많은 것으로 분석되었으나, 내부 PM10 농도는 비육돈이 약 1.30배 높은 것으로 분석되었다. 이는 급이 유형과 성장단계에 따른 생물학적 변화가 미치는 영향으로 판단되고, 자돈사의 PM10 농도 변화가 비육돈사보다 자주 나타나는 것은 활동성이 많은 자돈이 바닥면의 입자상 물질을 재 비산 시켜 변화의 양상이 더 빈번히 나타나는 것으로 판단된다.

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.

감사의 글

이 논문/특허는 2021년 정부 (농촌진흥청)의 재원으로 “양돈시설 미세먼지, 암모니아의 발생 및 배출 특성 규명 및 인벤토리 구축” 사업 (PJ0142482021)의 지원을 받아 수행된 연구임.

References

  1. 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.
  2. 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.
  3. Costa, A., M. Guarino, M. Porro, and P. Navaritto, 2007(b). Evaluation of PM10 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.
  4. 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.
  5. Haeussermann, A., A. Costa, J. M. Aerts, E. Hartung, T. Jungbluth, M. Guarino, and D. Berckmans, 2008. Development of a dynamic model to predict PM10 emissions from swine houses. Journal of Environmental Quality 37(2): 557-64. doi:10.2134/jeq2006.0416.
  6. 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.
  7. 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).
  8. 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.
  9. 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.
  10. Kwon, K. S., 2016. Characterization of dust generation in livestock houses based on field monitoring and numerical approach. Ph.D. diss., Seoul National University.
  11. 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.
  12. Ministry of Agriculture, Food and Rural Affairs (MAFRA), 2017, Agriculture, Food and Rural Affairs Statistics Yearbook.
  13. Nam, J., 2019, Another challenge in agriculture: The problem of particulate matters, GS&J Institute.
  14. 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.
  15. 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.
  16. Pedersen, S. and C. B. Pedersen, 1995. Animal activity measured by infrared detectors. Journal of Agricultural Engineering Research 61: 239-246. https://doi.org/10.1006/jaer.1995.1051
  17. 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. https://doi.org/10.13031/2013.15639
  18. 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.
  19. 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.
  20. 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.
  21. 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.