• 한국대기환경학회지
• /
• 제32권1호
• /
• pp.32-45
• /
• 2016

The anthropogenic aerosols originated from the pollutant emissions in the eastern part of China and dust emitted in northwestern China in Yellow sand regions are subsequently transported via eastward wind to the Korean peninsula and then these aerosols induce high $PM_{10}$ concentrations in Korean peninsula. In order to estimate air quality considering anthropogenic and dust emissions, Comprehensive Air-quality Model with extension (CAMx) was applied to simulate $PM_{10}$ concentration. The predicted $PM_{10}$ concentrations without/with dust emissions were compared with observations at ambient air quality monitoring sites in China and Korea for 2008. The predicted $PM_{10}$ concentrations with dust emissions could depict the variation of measured $PM_{10}$ especially during Yellow sand events in Korea. The comparisons also showed that predicted $PM_{10}$ concentrations without dust emissions were under-predicted while predictions of $PM_{10}$ concentrations with dust emission were in good agreement with observations. This implied that dust emissions from desert and barren soil in southern Mongolia and northern China minimized the discrepancies in the $PM_{10}$ predictions in East Asia. The effect of dust emission on annual $PM_{10}$ concentrations in Korea Peninsula for year 2008 was $5{\sim}10{\mu}g/m^3$, which were about 20% of observed annual $PM_{10}$ concentrations.

• 한국지구과학회지
• /
• 제45권1호
• /
• pp.1-18
• /
• 2024

2020년 6월 여름철 중위도 동아시아 지역의 온난화가 PM_2.5 에어로졸의 생성기작에 미치는 영향을 WRF-Chem 모델에 기상과 기후 입력 자료를 적용하여 산출한 PM_2.5 에어로졸 아노말리를 통해 분석하였다. 30년(1991-2020년) 동안 동아시아 지역의 10년 단위 기온 변화 경향은 최근에 겨울보다는 여름에 온난화가 더 커지는 것으로 나타나고 있다. 동아시아 지역의 여름철 온난화는 중국 내륙의 대류권 하층에서는 저기압, 대류권 상층에서는 고기압을 발생시키고 있었다. 대류권 하층 저기압과 상층 고기압의 경계가 티베트고원으로부터 한국으로 낮아지는 지형을 따라 경사져 분포하고 있었다. 중국 동부-황해-한국의 지역에는 저기압과 더불어 북서 태평양 고기압의 발달로 동중국해로부터 온난 다습한 남서 기류가 수렴하고 있었다. 한국에서는 1973년 이래로 6월 중에는 2020년에 가장 높은 기온이 관측되었다. 한편 동아시아 지역에서 강화된 온난화는 중국 동부지역으로부터 한반도로 장거리를 이동하는 PM_2.5 에어로졸의 생성을 증가시키고 있었다. WRF-Chem (Weather Research Forecasting model coupled with Chemistry) 모델에 배출량의 변동은 고려하지 않고, 기상 및 기후 입력장(1991-2020년)만을 적용하여 산출한 PM_2.5 아노말리는 중국 동부지역으로부터 황해와 한국, 그리고 북서 태평양 지역에 걸쳐 양(+)으로 분포하고 있었다. 따라서, 2020년 6월 동아시아 지역에서 PM_2.5 질량 농도에 대한 온난화 기여도는 50% 이상이었다. 특히 PM_2.5 에어로졸이 중국 동부로부터 황해를 거쳐 한국으로 장거리 수송되는 과정에서 온난 다습한 남서 기류에 의해 황산염은 습식세정 되고 있지만 질산염은 생성이 촉진되고 있었다.

• 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.

• Asian Journal of Atmospheric Environment
• /
• 제10권2호
• /
• pp.67-79
• /
• 2016

The forecasting of air pollution is an important and popular topic in environmental engineering. Due to health impacts caused by unacceptable particulate matter (PM) levels, it has become one of the greatest concerns in metropolitan cities like Karaj City in Iran. In this study, the concentration of $PM_{2.5}$ was predicted by applying a multilayer percepteron (MLP) neural network, a radial basis function (RBF) neural network and a Markov chain model. Two months of hourly data including temperature, NO, $NO_2$, $NO_x$, CO, $SO_2$ and $PM_{10}$ were used as inputs to the artificial neural networks. From 1,488 data, 1,300 of data was used to train the models and the rest of the data were applied to test the models. The results of using artificial neural networks indicated that the models performed well in predicting $PM_{2.5}$ concentrations. The application of a Markov chain described the probable occurrences of unhealthy hours. The MLP neural network with two hidden layers including 19 neurons in the first layer and 16 neurons in the second layer provided the best results. The coefficient of determination ($R^2$), Index of Agreement (IA) and Efficiency (E) between the observed and the predicted data using an MLP neural network were 0.92, 0.93 and 0.981, respectively. In the MLP neural network, the MBE was 0.0546 which indicates the adequacy of the model. In the RBF neural network, increasing the number of neurons to 1,488 caused the RMSE to decline from 7.88 to 0.00 and caused $R^2$ to reach 0.93. In the Markov chain model the absolute error was 0.014 which indicated an acceptable accuracy and precision. We concluded the probability of occurrence state duration and transition of $PM_{2.5}$ pollution is predictable using a Markov chain method.

• 대한원격탐사학회지
• /
• 제36권5_4호
• /
• pp.1267-1276
• /
• 2020

백두산 화산의 대규모 분화로 인한 우리나라 PM_2.5 영향 및 피해범위를 정량적으로 예측하기 위하여 우리나라에 직접 피해를 주는 worst-case 기상 시나리오를 적용하여 3차원 대기화학모델링 시스템 WRF-SMOKE-CMAQ(Weather Research & Forecasting - Sparse Matrix Operation Kernel Emission - Comunity Multi-scale Air Quality)을 구동하였다. 과거 10년(2005~2014년)간 백두산 분화 worst-case 우선순위 중 우리나라에 가장 큰 직접 피해를 주는 대표 worst-case 시나리오를 적용하여 대상 사례일(2012.5.16)에 VEI 4의 대규모 화산 분화를 가정하여 화산 분화로 인한 초미세먼지(PM_2.5)의 영향을 분석하였다. 우리나라 지역별(시군구) PM_2.5의 영향을 예측하고 취약계층 등을 반영한 노출평가를 실시하여 취약지역을 도출하였다. 또한, 시군구의 영향을 보다 상세규모(9 km × 9 km)로 분석하여 시군구 지역 내 취약지역을 도출하였다. 백두산 분화 대표 worst-case(2012.5.16.) 분석결과, 국내 PM_2.5 피크농도는 24,547 ㎍/㎥로 낙하 화산재(5억 4천만톤) 처리가 가장 큰 문제로 대두되었던 미국 세인트헬렌스 화산 분화(1980년) 사례보다 더 극한 상황이 될 것으로 예상된다. 또한, PM_2.5 고농도 지역의 분석결과, 파주, 김포, 고양, 강화, 산청, 하동에서 고농도가 나타났다. 반면, 인구 노출분석 결과 인구 밀집지역인 파주가 특히 취약지역으로 나타났고, 취약계층 노출분석 결과 또한, 취약계층 인구가 많은 파주, 남양주, 화성이 취약지역으로 나타났다. 시군구 지역을 상세규모로 분석함으로써 하동 북부 등 시군구 지역 내에서의 고농도 지역을 도출할 수 있었다. 화산재해 발생 시 대기오염물질의 고농도 지역도 중요하지만 인구 및 민감군, 취약계층 밀집지역 등을 고려한 대응 및 대책 마련이 필요하겠으며 시군구에 대한 일률적인 대책보다 시군구 지역 내 고농도 지역 등의 선별을 통한 취약 지역별 대책 마련이 필요하겠다. 본 연구는 화산재해의 재난선포 기준 개발 및 선제적 대응체계 개발의 초석 마련에 기초자료가 될 것으로 판단된다.

• 한국멀티미디어학회논문지
• /
• 제25권3호
• /
• pp.468-475
• /
• 2022

Currently, fine dust forecast models are operated by dividing the country into 19 regions. Therefore, it is important to reduce the learning time and the number of models as well as accurate forecast performance to operate lots of forecast models. In this paper, we develop a categorical wide area model that outputs forecast results categorically and integrates the regions with similar regional characteristics. The proposed model improved the convergence rate by 223 times compared to the existing model, which outputs at a single concentration value, and reduced the number of forecast models by a third.

• 한국대기환경학회지
• /
• 제34권3호
• /
• pp.373-392
• /
• 2018

The emission of air pollutants in China has increased rapidly as its economy expanded over the last decades. The Chinese government has recently acknowledged the seriousness of the resulting air pollution and is trying to improve air quality in many ways. Here, we review the air quality control and management policies in China, one of our closest neighbors, because these policies may also influence the air quality in Korea. This study examined the recent policies on $PM_{2.5}$ reduction and analyzed the variation in air quality and air pollutant emissions in China. The ambient air quality and emission standards in China have been strengthened, based on China's Air Pollution Prevention and Control Action Plan of 2013. As a result, the annual mean concentration of $PM_{2.5}$ in 2015 in 74 large Chinese cities declined by 23.6% compared with 2013 values. Coal consumption in China also has been reduced by more than 10% per year since 2013. Furthermore, the laws controlling atmospheric emissions were revised again in 2016, and an air pollution forecasting and warning system was implemented to help manage air pollution problems. At present, the Chinese government is trying to evaluate its policies on $PM_{2.5}$ and find a new paradigm to mitigate ongoing $PM_{2.5}$ pollution. In this context, a joint study between Korea and China has been initiated to investigate the characteristics and sources of ambient $PM_{2.5}$ and to identify factors contributing to the high $PM_{2.5}$ concentrations in northeast China. We expect that this academic collaboration will benefit both countries in their search for new policies for $PM_{2.5}$ reduction.

• Communications for Statistical Applications and Methods
• /
• 제30권2호
• /
• pp.119-133
• /
• 2023

With the rapid growth of the economy and fossil fuel consumption, the concentration of air pollutants has increased significantly and the air pollution problem is no longer limited to small areas. We conduct statistical analysis with the actual data related to air quality that covers the entire of South Korea using R and Python. Some factors such as SO₂, CO, O₃, NO₂, PM₁₀, precipitation, wind speed, wind direction, vapor pressure, local pressure, sea level pressure, temperature, humidity, and others are used as covariates. The main goal of this paper is to predict air quality index (AQI) spatio-temporal data. The observations of spatio-temporal big datasets like AQI data are correlated both spatially and temporally, and computation of the prediction or forecasting with dependence structure is often infeasible. As such, the likelihood function based on the spatio-temporal model may be complicated and some special modelings are useful for statistically reliable predictions. In this paper, we propose several methods for this big spatio-temporal AQI data. First, random effects with spatio-temporal basis functions model, a classical statistical analysis, is proposed. Next, neural networks model, a deep learning method based on artificial neural networks, is applied. Finally, random forest model, a machine learning method that is closer to computational science, will be introduced. Then we compare the forecasting performance of each other in terms of predictive diagnostics. As a result of the analysis, all three methods predicted the normal level of PM_2.5 well, but the performance seems to be poor at the extreme value.

• 한국정보처리학회논문지
• /
• 제7권2호
• /
• pp.385-391
• /
• 2000

최근, 기존의 통계적 분석방법과는 달리 시계열 데이터를 이용하여 미래의 연속적인 지배의 법칙을 예측하기 위한 신경회로망 연구가 진행되고 있다. 본 논문에서는 빠르고 정확한 기상예측을 위하여 초기 임의 설계된 신경회로망의 은닉층중과(過)설계된 은닉노드를 제거하는 Pruning 알고리즘을 제안하며, 이 제안한 알고리즘의 효율성을 증명하기 위하여 1987년부터 1996년까지의 수집된 기상 데이터 22080건을 이용하여 기상예측 실험을 실행하였다. 실험을 통하여 초기 임의 구성된 $26{\times}50{\times}1$의 신경망은 제안된 pruning 알고리즘을 통하여 $26{\times}2{\times}1$ 구조로 최적화 되었고, 최적화된 신경망($26{\times}2{\times}1$)의 경우 오차온도 ${\pm}0.5^{\circ}C$의 경우 평균 33.55%, ${\pm}1^{\circ}C$의 경우 61.57%로 임의 설계된 구조 ($26{\times}50{\times}1$)dml 29.31%, 54.47%에 비하여 우수하게 나타났고, 또한 계산 횟수에서도 임의 구성 신경망에 비하여 최고 25배이상 계산횟수를 줄일 수 있었다.

• 대기
• /
• 제23권2호
• /
• pp.161-169
• /
• 2013

We examine the effects of the sea surface temperature (SST) distribution on heavy snowfall over the Yellow Sea using high-resolution SST products and WRF (Weather Research and Forecasting) model simulations in 30 December 2010. First, we evaluate the model by comparing the simulated and observed fresh snowfall over the Korean peninsula (Ho-Nam province). The comparison shows that the model reproduces the distributions and magnitudes of the observed snowfall. We then conduct sensitivity model simulations where SST perturbations by ${\pm}1.1^{\circ}C$ relative to baseline SST values (averaged SST for $5{\sim}15^{\circ}C$) are uniformly specified over the region of interest. Results show that ${\pm}1.1^{\circ}C$ SST perturbation simulations result in changes of air temperature by $+0.37/-0.38^{\circ}C$, and by ${\pm}0.31^{\circ}C$ hPa for sea level pressure, respectively, relative to the baseline simulation. Atmospheric responses to SST perturbations are found to be relatively linear. The changes in SST appear to perturb precipitation variability accounting for 10% of snow and graupel, and 18% of snowfall over the Yellow Sea and Ho- Nam province, respectively. We find that anomalies of air temperature, pressure, and hydrometeors due to SST perturbation propagate to the upper part of cloud top up to 500 hPa and show symmetric responses with respect to SST changes.