• 대한원격탐사학회지
• /
• 제18권2호
• /
• pp.71-79
• /
• 2002

본 연구는 현장조사에서 얻어진 갯벌의 퇴적물 입자조성과 동일시기의 위성영상에서 추출된 반사치를 이용하여 함평만 갯벌의 입자분포도를 제시하였다. Landsat TM 자료에서 추출된 갯벌 입자조성에 따른 스팩트럼이 분석되었고, 7개의 위성영상은 ISODATA 와 K-MEANS 방법으로 분류되었다. 무감독분류된 결과는 현장관측치에 의해 분류 정확도가 평가되었으며, ISODATA와 K-MEANS 방법의 분류 정확도는 84.3%와 85.7%이다. 다중시기 위성영상 분류 결과를 검증하기 위해 현장조사 자료에 의해 분류된 1999년 5월 TM 영상을 참조자료로 하여 다중시기의 영상분류 결과를 비교하였다.

• 지적과 국토정보
• /
• 제48권1호
• /
• pp.123-138
• /
• 2018

서울시의 대기오염을 지속적으로 모니터링하기 위해, 그동안 환경부는 운영하고 있는 대기오염 측정망을 지속적으로 발전시켜왔다. 측정되는 대기오염 물질 중 미세먼지는 인체에 상당한 영향을 미치는데, 우리나라의 오염도는 OECD 국가 중에서도 두 번째로 높은 편이다. 따라서 본 연구에서는 측정된 미세먼지 농도 자료를 이용하여 서울시의 미세먼지 분포도를 PM10과 PM2.5에 대해 작성하고, 미세먼지 농도의 분포에 영향을 미칠 것으로 예상되는 공간적인 요인들과의 관계를 조사하였다. 반경 500m의 원을 포함하는 헥사곤을 기준단위로 하여 서울 전역을 구획화하고 보간법 중 거리반비례기법을 이용하여 미세먼지 농도분포도를 작성하였다. 출, 퇴근 시간대의 미세먼지 농도분포를 지역별로 분석하고, 토지이용도 및 교통량과의 관계를 분석하였다. 분석결과, PM10과 PM2.5의 농도분포는 지역별, 시간대별로 각기 다른 패턴을 나타내었고, 토지이용형태 측면에서는 상업지역 및 교통지역의 면적이 미세먼지 농도분포와 높은 관련성을 보였으며, 녹지의 유무도 농도의 분포 변화에 관계가 있는 것으로 판단되었다. 추후 세부적인 토지이용도 및 녹지분포도 등을 통하여 상관관계를 분석하면 미세먼지의 농도에 영향을 미치는 지역 수준에서의 공간요소를 밝히는데 도움이 될 것으로 기대된다.

• 지적과 국토정보
• /
• 제51권2호
• /
• pp.141-150
• /
• 2021

미세먼지는 사람의 건강에 많은 영향을 미치는 물질로서 이와 관련하여 다양한 연구가 이루어지고 있다. 미세먼지의 인체 영향으로 인해 서울시 모니터링 네트워크에서 측정된 과거 데이터를 활용하여 미세먼지를 예측하려는 다양한 연구가 진행되고 있다. 본 연구는 2019년 5월 서울시의 미세먼지를 중점으로 진행하였으며, 학습에 사용한 변수는 SO₂, CO, NO₂, O₃와 같은 대기오염물질 데이터를 활용하였다. 예측모델은 Adaboost에 기반하여 구축하였고, 훈련모델은 PM₁₀과 PM_2.5로 구분하였다. 에러 메트릭스를 통한 예측모델의 정확도 평가 결과로 Adaboost가 시도되었다. 대기오염물질은 초미세먼지와 더 높은 상관성을 보이는 것으로 나타났지만, 보다 효과적인 분포등급을 제시하기 위해서는 많은 양의 데이터를 학습하고, PM₁₀과 PM_2.5의 공간분포 등급을 효과적으로 예측하기 위해서 교통량 등의 추가적인 변수를 활용할 필요성이 있다고 판단된다.

• 환경영향평가
• /
• 제27권6호
• /
• pp.717-726
• /
• 2018

미세먼지는 대기오염 중 심각한 질병을 야기할 수 있는 대기오염 원인물질이다. 이에 대부분의 연구는 위성영상을 활용하거나 모델링 기법을 이용하여 지역적 미세먼지 분포경향을 분석하였다. 하지만 측정소값을 기준으로 공간보간기법을 적용하여 분석하는 방법은 국내에서 부족한 실정이다. 본 연구에서는 서울시 39개의 미세먼지 측정망을 기준으로 2018년도 서울시의 1월, 2월, 3월, 4월 $PM_{10}$과 $PM_{2.5}$의 월별 공간적인 분포 변이를 분석하였다. 또한 본 연구를 통해 얻어진 분포도를 기반으로 $PM_{10}$과 $PM_{2.5}$의 차이값을 보여주는 분포도를 제작하였으며, $PM_{10}$의 배출량이 많은 지역과 $PM_{2.5}$의 배출량이 많은 지역을 선정하였다. 또한 $PM_{10}$과 $PM_{2.5}$의 분포를 비율로 계산하여 분포지도를 제작함으로 각 지역별 $PM_{10}$과 $PM_{2.5}$의 상호관계를 확인하였다. 본 연구는 공간분석 기법을 통하여 서울시 $PM_{10}$과 $PM_{2.5}$를 분석하는 공간적 분포변이 결과를 해석하였다. 본 연구의 결과 $PM_{10}$은 도로변 측정소에 높은 측정값을 나타내는 것을 확인할 수 있었다.

• 한국대기환경학회지
• /
• 제31권2호
• /
• pp.97-104
• /
• 2015

The pollution of particulate matter (PM) is considered one of the hot socioenvironmental issues at present time. In this study, we investigated the distribution of fine particulate matter ($PM_{2.5}$) in Wangsimni commercial areas in Seoul, Korea to learn more about its environmental behavior in an urban area. Our analysis of $PM_{2.5}$ was made to distinguish the $PM_{2.5}$ pollution levels between three different types of site characteristics: (1) densely populated area, (2) thinly populated area, and (3) traffic roadside. Moreover, to assess the temporal trends in our study, the concentration levels of $PM_{2.5}$ were also compared between weekdays and weekends and between early in the afternoon and evening. The average concentration of $PM_{2.5}$ from densely and thinly populated areas were measured as $36.0{\pm}13.1$ and $32.3{\pm}11.2{\mu}g/m^3$, respectively. If the results are compared between different time bands, there were apparent differences between weekdays ($29.6{\pm}10.8{\mu}g/m^3$) and weekends ($36.9{\pm}12.1{\mu}g/m^3$). Such difference was also evident between noon ($27.8{\pm}5.8{\mu}g/m^3$) and evening ($38.3{\pm}13.7{\mu}g/m^3$). According to our research, concentration of $PM_{2.5}$ in the study area was affected more sensitively by time zone rather than the population density. The measurement data was also analyzed by drawing concentration map of $PM_{2.5}$ in the Wangsimni commercial areas based on data contouring method.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.919-932
• /
• 2019

미세먼지는 인간 활동에 의한 오염물질 배출에 의해 발생하는 것이 일반적이지만, 수문기상 조건에 따라 이동, 심화, 소멸 과정에서 매우 복잡한 메커니즘을 지니고 있으므로 효과적인 미세먼지 대책 마련을 위해서는 수문기상인자와 미세먼지 간의 상관성에 대한 이해가 필수적이다. 현재 우리나라의 미세먼지 농도 관측 및 예보는 지점 측정소에서 농도를 측정하고, 이 자료를 기반으로 측정소가 위치하지 않는 지역의 값을 추정함으로써 이루어지고 있다. 이러한 관측 방식 및 자료는 공간적 대표성을 갖지 못하기 때문에 관측소와의 거리가 먼 지역의 정확한 미세먼지 농도를 파악하는 것이 불가능하며, 미세먼지의 이동, 심화, 소멸 단계를 추적하는데 어려움이 있다. 본 연구에서는 Global Land Data Assimilation System (GLDAS)의 다양한 수문기상인자를 사용하여, 베이지안 모델 평균(Bayesian Model Averaging, BMA)을 통해 초미세먼지(PM2.5)와 유의미한 상관성을 갖는 인자를 선별하였다. 선별된 인자는 MODerate Resolution Imaging Spectroradiometer (MODIS)의 Aerosol Optical Depth (AOD) 자료와 함께 계절별 PM2.5 농도 산출 모델을 구축하는데 활용되었으며, 산출 결과를 매핑하여 PM2.5 농도의 공간 분포를 파악하고자 하였다. 지점 기반 자료와의 비교를 통해 구축된 모델을 검증하였을 때, 측정된 PM2.5 농도와 높은 상관성(R ~0.7; IOA ~0.78; RMSE ~7.66 ㎍/㎥)을 나타냈으며, 지역별로 나누어 비교할 경우 데이터의 분포는 유사하나 상관계수의 차이를 보이는 것을 확인할 수 있었다(R: 0.32-0.82). 모델 산출 자료를 활용하여 PM2.5 농도를 매핑한 결과 기존 내삽 방법에 비해 시공간적 변동성을 더욱 잘 표현하는 것을 확인하였다. 추후 연구 지역을 동아시아 지역으로 확장 시킨다면 국내외 미세먼지 발생원의 파악 및 이동 양상에 대한 분석에 용이할 것으로 기대된다.

• 한국지구과학회지
• /
• 제34권7호
• /
• pp.693-710
• /
• 2013

동아시아 지역 봄철에 주로 발생하는 황사의 물리적 특성을 알아보기 위하여 부산지역에서 발생한 2009년 황사 기간의 종관 일기도와 자동기상관측장비(AWS)를 이용한 기상해석, $PM_{10}$ 샘플러와 레이저입자계수기(LPC)를 이용한 대기입자상 물질농도 분석, 위성영상과 역궤적분석 모델을 이용한 발생원을 조사하였다. 2009년 2월 20일의 경우 (사례 1), $PM_{10}$ 농도가 급격히 증가할 때 $0.3-1.0{\mu}m$의 작은 입자의 에어로솔 체적 농도 분포가 감소한 반면 $1.0-10.0{\mu}m$의 큰 입자의 농도는 증가하였다. 그 후 $PM_{10}$ 농도가 감소할 때 지상의 풍향은 북풍에서 남서풍으로 변하였으며, 전체 에어로솔 농도는 감소하였다. $PM_{10}$과 $1.0-10.0{\mu}m$의 큰 입자 농도의 상관계수는 0.9 이상으로 높은 양의 상관관계를 나타내었다. 이는 내몽골 지역에서 발달된 황사가 중국 고비 사막을 통과하여 한반도로 유입된 것으로 추측할 수 있었다. 2009년 4월 25일의 경우 (사례 2), $PM_{10}$ 농도가 급격히 증가할 때 $0.3-0.5{\mu}m$의 작은 입자의 에어로솔 체적 농도 분포가 감소한 반면 $0.5-10.0{\mu}m$의 큰 입자의 농도는 증가하였다. 그 후 $PM_{10}$ 농도가 감소할 때 $0.3-0.5{\mu}m$의 작은 입자의 농도는 증가한 반면 $0.5-10.0{\mu}m$의 큰 입자의 농도는 감소하였다. 이 때 지상의 풍향은 북동풍에서 남서풍으로 변한 후 다시 북동풍으로 변하였다. $PM_{10}$과 $1.0-10.0{\mu}m$의 큰 입자의 농도의 상관계수는 약 0.9에 가까운 높은 양의 상관관계를 나타내었다. 입자의 역궤적 수송 모델 분석 결과, 만주지역과 중국 동쪽 해안으로부터 한반도로 유입된 것으로 추측할 수 있었다.