• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1191-1205
• /
• 2022

복잡하고 광범위한 원인을 가진 대기오염물질 중 particulate matter (PM)은 입자의 크기에 따라 분류된다. 그 중 PM_2.5는 그 크기가 매우 작아 사람이 흡입하면 인간의 호흡기나 심혈관에 질병을 유발할 수 있다. 이러한 위험에 대비하기 위해서는 국가 중심의 관리와 사전에 예방할 수 있는 모니터링 및 예측이 중요하다. 본 연구는 고농도 미세먼지의 발생이 잦은 서울시의 PM_2.5를 local data assimilation and prediction system (LDAPS) 기상 관련 인자 15가지와 aerosol optical depth (AOD), 화학인자 4가지를 독립변수로 하여 앙상블 모델 두 가지 random forest (RF)와 extreme gradient boosting (XGB)로 예측하고자 하였다. 예측에 사용된 두 모델의 성능 평가와 인자 중요도 평가를 수행하였으며, 계절별 모델 분석도 수행하였다. 예측 정확도 결과, RF가 R² = 0.85, XGB가 R² = 0.91의 높은 예측 정확도를 보이며 XGB가 RF보다 PM_2.5 예측에 적합한 모델임을 확인하였다. 계절별 모델 분석 결과, 봄에 농도가 높은 관측 값과 비교하여 예측 수행이 잘 되었다고 할 수 있다. 본 연구는 다양한 인자를 이용하여 서울시의 PM_2.5를 예측하였고, 좋은 성능을 보이는 앙상블 기반의 PM_2.5 예측 모델을 구축하였다.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.251-259
• /
• 2024

초미세먼지, 특히 지름이 2.5㎛ 이하인 PM2.5는 인체 건강과 경제에 큰 피해를 주는 오염물질이다. 본 연구는 대한민국 서울 지역을 중심으로, 2017년부터 2022년까지 자료를 수집하여 PM2.5 데이터 분석 및 데이터 경향성 변화 추이를 분석하고, PM2.5 중기 예측 모델을 개발하는 것을 목표로 한다. 수집, 생산된 대기질 및 기상 데이터, 재분석 데이터, 수치모델 예측 데이터를 바탕으로, 모델을 학습하고 이를 통합한 경향성 변화에도 대응할 수 있는 앙상블 기법을 제안한다. 본 연구에서 제안하는 앙상블 기법은 PM2.5 농도 예측 성능 면에서 기존 모델 대비 미래 D+3~D+6 예측일 F1 Score 기준 평균 2019년 약 42.16%, 2021년 약 58.92%, 2022년 약 34.79% 높은 성능을 보였다. 제안한 모델은 변화하는 환경 조건에도 성능을 유지함으로써 안정적인 예측을 가능하게 하며, 기존 딥러닝 기반 PM2.5 단기 예측보다 먼 예측을 수행하는 중기 예측 모델을 제시한다.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1881-1890
• /
• 2021

미세먼지는 인체에는 물론 생태계, 날씨 등에도 많은 영향을 끼치며, 인구와 건물, 차량 등이 밀집된 대도시에서의 미세먼지의 예측과 모니터링은 중요하다. 특히 자동차, 연소 등에서 발생하는 PM_2.5 농도는 독성 물질을 포함할 수 있어 체계적인 관리가 필요하다. 따라서 본 연구는 화학 인자, 위성 기반의 aerosol optical depth (AOD), 기상 인자 등을 입력 자료로 하여 수도권PM_2.5 농도를 예측하고자 한다. PM_2.5 농도 예측을 위해 기계 학습 모델 중 PM 농도 예측에 우수한 성능을 보이는 random forest (RF) 모델을 선정하였으며, 모델 평가를 위해 통계 지표인 R², RMSE, MAE, MAPE를 산출하였다. RF 모델의 모델 정확도는 R², RMSE, MAE, MAPE는 각각 0.97, 3.09, 2.18, 13.31로 나타났으며, 예측 정확도는 각각 0.82, 6.03, 4.36, 25.79로 본 연구에서 사용한 인자들을 이용하여 PM_2.5를 예측 시 높은 정확도와 상관성을 나타내었다. 따라서 향후 학교 미세먼지 예측 및 범주화를 위해 본 연구에서 사용한 인자들을 RF 모델에 적용하였을 때 신뢰할만한 결과를 도출할 수 있을 것으로 기대된다.

• Communications for Statistical Applications and Methods
• /
• 제29권3호
• /
• pp.319-331
• /
• 2022

In this paper, we develop a new statistical model to forecast the PM_2.5 level in Seoul, South Korea. The proposed model is based on the extreme quantile regression model with lasso penalty. Various meteorological variables and air pollution variables are considered as predictors in the regression model, and the lasso quantile regression performs variable selection and solves the multicollinearity problem. The final prediction model is obtained by combining various extreme lasso quantile regression estimators and we construct a binary classifier based on the model. Prediction performance is evaluated through the statistical measures of the performance of a binary classification test. We observe that the proposed method works better compared to the other classification methods, and predicts 'very bad' cases of the PM_2.5 level well.

• 한국임상수의학회지
• /
• 제36권1호
• /
• pp.38-41
• /
• 2019

The aim of this study was to estimate of prediction of whelping day and to confirm the accuracy of prediction of whelping day in small pet bitches. The gestation length from the each based on days was $66.64{\pm}2.32days$ ($Mean{\pm}S.D$) when the Cornification index (CI) was over 90% after the first vaginal discharge, $64.65{\pm}2.87days$ from the day of CI peak, $63.46{\pm}1.63days$ from the day of ovulation by progesterone concentrations, and $57.67{\pm}2.43days$ from the first day of cytologic diestrus, respectively. The whelping day was estimated 66 days when the CI was over 90% after the first vaginal discharge, 64 days from the day of CI peak, 63 days from the day of ovulation by progesterone concentrations, and 57 days from the first day of cytologic diestrus, respectively. The accuracy of the prediction of whelping day was 90.0% with a precision of ${\pm}2days$ when the CI was over 90% after the first vaginal discharge, 77.5% from the day of CI peak, 86.2% from the day of ovulation by progesterone concentrations, and 81.2% from the first day of cytologic diestrus, respectively. These results indicated that the prediction of parturition day by vaginal cytology was useful method for management of reproduction and parturition in small pet bitches.

• 한국환경과학회지
• /
• 제31권12호
• /
• pp.999-1012
• /
• 2022

To investigate the reason for the spatial difference in PM_2.5 (Particulate Matter, < 2.5 ㎛) concentration despite a similar synoptic pattern, a synoptic analysis was performed. The data used for this study were the daily average PM_2.5 concentration and meteorological data observed from 2016 to 2020 in Busan and Seoul metropolitan areas. Synoptic pressure patterns associated with high PM_2.5 concentration episodes (greater than 35 ㎍/m³) were analyzed using K-means cluster analysis, based on the 900 hPa geopotential height of NCEP (National Centers for Environmental Prediction) FNL (Final analysis) data. The analysis identified three sub-groups related to high concentrations occurring only in Busan and Seoul metropolitan areas. Although the synoptic patterns of high PM_2.5 concentration episodes that occur independently in Busan and Seoul metropolitan areas were similar, there was a difference in the intensity of pressure gradient and its direction, which tends to be an important factor determining the movement time of pollutants. The spatial difference in PM_2.5 concentration in the Korean Peninsula is due to the difference and direction of the atmospheric pressure gradient that develops from southwest to northeast direction.

• Environmental Analysis Health and Toxicology
• /
• 제29권
• /
• pp.12.1-12.8
• /
• 2014

Objectives Cohort studies of associations between air pollution and health have used exposure prediction approaches to estimate individual-level concentrations. A common prediction method used in Korean cohort studies is ordinary kriging. In this study, performance of ordinary kriging models for long-term particulate matter less than or equal to $10{\mu}m$ in diameter ($PM_{10}$) concentrations in seven major Korean cities was investigated with a focus on spatial prediction ability. Methods We obtained hourly $PM_{10}$ data for 2010 at 226 urban-ambient monitoring sites in South Korea and computed annual average $PM_{10}$ concentrations at each site. Given the annual averages, we developed ordinary kriging prediction models for each of the seven major cities and for the entire country by using an exponential covariance reference model and a maximum likelihood estimation method. For model evaluation, cross-validation was performed and mean square error and R-squared ($R^2$) statistics were computed. Results Mean annual average $PM_{10}$ concentrations in the seven major cities ranged between 45.5 and $66.0{\mu}g/m^3$ (standard deviation=2.40 and $9.51{\mu}g/m^3$, respectively). Cross-validated $R^2$ values in Seoul and Busan were 0.31 and 0.23, respectively, whereas the other five cities had $R^2$ values of zero. The national model produced a higher cross-validated $R^2$ (0.36) than those for the city-specific models. Conclusions In general, the ordinary kriging models performed poorly for the seven major cities and the entire country of South Korea, but the model performance was better in the national model. To improve model performance, future studies should examine different prediction approaches that incorporate $PM_{10}$ source characteristics.

• 대한원격탐사학회지
• /
• 제36권6_3호
• /
• pp.1653-1667
• /
• 2020

본 연구에서는 국지예보시스템(LDAPS)과 전산유체역학(CFD) 모델을 접합하여, 부산 중구 광복동에 소재한 건물 밀집 지역의 상세 흐름과 PM2.5 농도 분포를 조사하였다. 도로 배출이 건물 밀집 지역의 PM2.5 농도에 미치는 영향을 분석하기 위해, PM2.5의 연간 시·군·구별, 배출 원소 별, 연료 별 도로이동오염원·비산먼지 배출량 자료와 월별·일별·시간 별 배출 계수를 이용하여 부산의 단위 면적당 시간별 PM2.5 배출량을 산정하였다. 본 연구에서는 건물 옥상과 도로변에서 수행된 특별 측정 자료를 이용하여 수치 모의 결과를 검증하고, 도로배출 유·무에 따른 PM2.5 농도 분포 특성을 분석하였다. 대상 기간(2020년 06월 22일) 동안 대상 지역에서는 바람이 약하게 나타났다. 새벽 시간에는 북동풍과 북서풍이 불고 주간에는 주로 남동풍이 불었다. 도로 배출을 고려하지 않은 경우에 LDAPS-CFD 접합 모델은 측정 지점(PKNU-AQ Sensor)의 PM2.5 농도를 과소모의 하였으나, 도로 배출을 고려하여 수치 모의한 PM2.5 농도는 도로 배출의 영향으로 PM2.5 농도가 증가하여 측정 결과와 유사하게 나타났다. 2020년 6월 22일 07시와 19시의 유입 풍향은 각각 북동풍과 남동풍이지만, 주변 지형과 건물에 의해 흐름이 변화되어, 두 시각 모두 측정 지점 주변에서는 주로 남풍 계열의 흐름이 나타났다. 07시와 19시의 유사한 흐름에 의해, 두 시각의 PM2.5 농도 분포도 매우 유사하게 나타났다. 건물 옥상 측정 지점에서 수치 모의된 PM2.5 농도는 도로 배출 영향을 크게 받지 않았으나, 도로변 에서는 도로 배출 영향을 상대적으로 크게 받았다. 도로 배출을 고려한 경우, 풍속이 약한 북쪽 도로와 긴 도로 협곡에 위치한 서쪽 도로에서 PM2.5 농도가 높고, 상대적으로 건물의 밀집도가 낮은 동쪽 도로에서는 PM2.5 농도가 낮게 나타났다. LDAPS-CFD 접합모델은 모든 도로에서 배출량이 동일하게 적용되기 때문에, 좁은 골목과 건물 밀도가 낮은 지역의 지형 특성이 반영되어 도로 별 PM2.5 농도 특성이 다양하게 나타났다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.321-335
• /
• 2021

미세먼지 (PM10) 및 초미세먼지 (PM2.5)는 인체에 흡수 가능하여 호흡기 질환 및 심장 질환과 같이 인체건강에 악영향을 미치며, 심각할 경우 조기 사망에 영향을 줄 수 있다. 전 세계적으로 현장관측기반의 모니터링을 수행하고 있지만 미 관측지역에 대한 대기질 분포의 공간적인 한계점이 존재하여 보다 광범위한 지역에 대한 지속적이고 정확한 모니터링이 필요한 상황이다. 위성기반 에어로졸 정보를 사용함으로써 이러한 현장 관측자료의 한계점을 극복할 수 있다. 따라서 본 연구에서는 다양한 위성 및 모델자료를 활용하여 2019년도에 대해 한 시간 단위의 지상 PM10 및 PM2.5 농도를 추정하였다. GOCI 위성의 관측영역을 포함하는 동아시아 지역에 대해 트리 기반 앙상블 방법을 사용하는 Boosting 기법인 GBRTs (Gradient Boosted Regression Trees)와 LightGBM (Light Gradient Boosting Machine)을 활용하여 모델을 구축하였다. 또한, 기상변수 및 토지피복변수의 사용유무에 따른 모델의 성능을 비교하기 위해 두 가지 festure set으로 나누어 테스트하였다. 두 기법 모두 주요 변수인 AOD (Aerosol Optical Depth), SSA (Single Scattering Albedo), DEM (Digital Eelevation Model), DOY (Day of Year), HOD (Hour of Day)와 기상변수 및 토지피복변수를 함께 사용한 Feature set 1을 사용하였을 때 높은 정확도를 보였다. Feature set 1에 대해 GBRT 모델이 LightGBM에 비해서약 10%의 정확도 향상을 보였다. 가장 정확도가 높았던 기상 및 지표면 변수를 포함한 Feature set1을 사용한 GBRT기반 모델을 최종모델로 선정하였으며 (PM10: R2 = 0.82 nRMSE = 34.9%, PM2.5: R2 = 0.75 nRMSE = 35.6%), 계절별 및 연평균 PM10 및 PM2.5 농도에 대한 공간적인 분포를 확인해본 결과, 현장관측자료와 비슷한 공간 분포를 보였으며, 국가별 농도 분포와 계절에 따른 시계열 농도 패턴을 잘 모의하였다.

• 한국환경과학회지
• /
• 제12권6호
• /
• pp.677-688
• /
• 2003

The purpose of this study was to predict occurrence of earthquakes in Korea by measuring the concentration of radon radioactivity in the air and in the underground water. Two monitoring systems of radon concentration detection in the air were installed in Seoul, East Coast area, whereas of radon concentration in the underground water in Kyungju area during December, 1999 to June, 2001. The distribution of radon concentration in the air in Seoul is as follows Winter(10.10 $\pm$ 2.81 Bq/㎥), autumn(8.41 $\pm$ 1.35 Bq/㎥), summer(5.83 $\pm$ 0.05 Bq/㎥) and spring (5.34 $\pm$ 0.44 Bq/㎥), whereas the distribution of radon in the air in the East Coast area showed some difference as follows : autumn (14.08 $\pm$ 5.75 Bq/㎥), Summer (12.04 $\pm$ 0.53 Bq/㎥), Winter (12.02 $\pm$ 1.40 Bq/㎥) and spring (8.93 $\pm$ 0.91 Bq/㎥). In the meanwhile, the distribution of radon in the water is as follows : spring (123.59 $\pm$ 16.36count/10min), Winter (93.95 $\pm$ 79.69counter/10min), autumn (68.96 $\pm$ 37.53counter/10min) and spring (34.45 $\pm$ 9.69counter/10min). The daily range of the density of radon concentration in Seoul and East Coast area was between 5.51 Bq/㎥ - 9.44 Bq/㎥, 7.15 Bq/㎥ - 15.27 Bq/㎥, respectively. Correlation of the distributions of radon concentrations in the air and in underground water with earthquake showed considerable variations of radon concentration before the occurrence of the earthquake. The results suggested that radon radioactivity seemed to be helpful for the prediction of the occurrence of earthquake.