교통수단별 미세먼지 발자국 산정에 관한 연구

김준범; 전승준; 송재령; 최가영

추천

검색

질문

자료유형: 학술저널

저자정보: 김준범 (프랑스 트루아공과대학교) 전승준 (인포쉐어) 송재령 (녹색기술센터) 최가영 (녹색기술센터)

저널정보: 대한환경공학회 대한환경공학회지 대한환경공학회지 제42권 제1호

발행연도: 2020.1

수록면: 1 - 9 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

목적 : 본 연구에서는 미세먼지 발자국에 대한 개념을 제시하고, 교통수단별(도로 및 철도, 해상운송) 미세먼지 발자국을 산정하고자 하였으며, 미세먼지 발자국 산정에서 미세먼지 형성에 영향을 주는 2차 미세먼지 형성 가스상물질들의 기여도를 평가하였다.
연구방법 : 국내 교통산업분야에서 미세먼지 발자국을 산정하기 위해 전과정평가(life cycle assessment)과정에서 수행되어지는 전과정영향평가(life cycle impact assessment) 방법론 중에서 ReCiPe 방법론을 사용하여 산정하였다. 이 방법에서 미세먼지형성 가능성(particulate matter formation) 영향범주에서 활용되어지는 관련된 물질들의 특성화 계수를 활용하여 미세먼지 및 NOx, SOx, PM10, NH₃ 오염물질들의 배출량에 특성화 계수를 곱하여 미세먼지 발자국을 산정하였으며 미세먼지 발자국에 대한 단위는 kg PM2.5 eqv.로 나타낼 수 있다.
결과 및 토의 : 대부분의 육상교통(트럭운송)이 다른 철도나 해상교통보다 더 높은 미세먼지 발자국을 가지는 것으로 나타났다. 육상교통(트럭운송)에서는 3.5톤 트럭의 경우가 1.37E-03 kg PM2.5 eqv./tkm로 가장 높은 미세먼지 발자국을 가졌으며, 다음으로는 3.51~5톤 트럭(9.65E-04 kg PM2.5 eqv./tkm), 1.25톤 트럭(8.38E-04 kg PM2.5 eqv./tkm), 1톤 트럭(7.83E-04 kg PM2.5 eqv./tkm)순으로 높은 미세먼지 발자국 결과를 가졌다. 철도수송에서는 디젤기관차 수송이 가장 높은 미세먼지 발자국 결과를 가졌으며, 다음으로는 전기+디젤기관차 수송과 전기기관차 수송 순으로 높은 것으로 나타났다. 해상운송에 있어서는 탱커 LNG_100 dwt 수송이 가장 높은 미세먼지 발자국을 나타냈다. 그 다음으로는 로로선 내항 1,200~20,000 dwt, 탱커 외항 500~20,000 dwt 등의 순으로 높은 미세먼지 발자국 결과를 가졌다. 미세먼지 형성에 기여하는 2차 미세먼지 형성 가스상물질들은 육상수송에 59%, 철도수송에 80%, 그리고 해상수송에는 61%으로 기여하는 것으로 나타났다.
결론 : 본 연구에서 제시하는 교통수단별 미세먼지 발자국 결과값과 미세먼지 및 2차 미세먼지 형성 가스상물질 기여도 결과들은 향후 미세먼지 저감 및 관련 정책 수립 시 유용한 자료로 활용될 수 있을 것이며, 최종적으로 미세먼지 발자국 인증제도의 정착을 통해 국내 미세먼지 발생저감에 기여해야할 것이다.

Objective : In this study, we proposed the concept of the particulate matter footprint (PM Footprint) and assessed the PM Footprint in transportation modes (road, rail, and water transportation). In addition, we assessed the contribution of secondary particulate matter formation gas emissions, which contribute to particulate matter formation.
Method : To calculate the PM Footprint in the transportation sector, the ReCiPe life cycle impact assessment method in life cycle assessment (LCA) was used. For the PM Footprint of each transportation mode, the life cycle inventory data were multiplied by the characterization factors of PM10, PM2.5 and secondary particulate matter formation emissions such as NOx, SOx, NH₃. The PM Footprint values were shown in kg PM2.5 eqv. value.
Results and Discussion : The road transportation (trucks) had a much higher PM Footprint value than rail and water transportation in tkm unit based. In the road transportation mode, small size truck such as 3.5 tons (1.37E-03kg PM2.5 eqv./tkm), 3.51~5 tons (9.65E-04 kg PM2.5 eqv./tkm), 1.25 tons (8.38E-04 kg PM2.5 eqv./tkm), and 1 ton (7.83E-04 kg PM2.5 eqv./tkm) had higher PM Footprint value than big size trucks. In the rail transportation mode, the diesel rail transportation had the highest PM Footprint value, followed by electric + diesel rail transportation and electric rail transportation. In the water transportation mode, the tanker LNG_100 dwt had the highest PM Footprint value, followed by ro-ro ship coastal, and tanker coastal 500~20,000 dwt. The secondary particulate matter formation emissions (NOx, SOx, NH₃) contributed to PM Footprint value with 59% in road transportation, 80% in rail transportation, and 61% in water transportation.
Conclusions : The PM Footprint values, which shown in this study and the results of the directed polluted PM and secondary gas emissions should be considered for national PM reduction policy and planning. Finally, a certification system using the PM Footprint in this study should be developed and settled down for national PM reduction.

#Fine Particulate Matter #Condensable Particulate Matter #Particulate Matter Footprint #Transportation Modes #Life Cycle Inventory #미세먼지 #응축성 미세먼지 #미세먼지 발자국 #교통수단 #전과정목록분석

참고문헌 (29)

참고문헌 신청

AirKorea, www.airkorea.or.kr(2019). World Health Organization, Health aspects of air pollution with particulate matter, ozone and nitrogen dioxide; report on a WHO working group, Bonn, Germany(2003).

IARC (International Agency for Research on Cancer), List of Classifications, 1-117(2016).

Ministry of Environment, When we know right away, we can see, What is the particulate matter?(2016).

Ministry of Environment, Development and Application of Comprehensive Air-Quality Index for Air Emission Assessment(2016).

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Junbeum Kim

소속기관 University of Technology of Troyes

주요연구분야 공학 > 건축공학 > 환경공학 TOP 5% 사회과학 > 교육학

논문수 12 이용수 5,151

전승준

소속기관 트루아공과대학교

주요연구분야 공학 > 건축공학 > 환경공학 TOP 10%

논문수 3 이용수 975

송재령

소속기관 국가녹색기술연구소

주요연구분야 공학 > 건축공학 > 환경공학 복합학 > 과학기술학

논문수 8 이용수 1,547

최가영

소속기관 녹색기술센터

주요연구분야 사회과학 > 행정학 공학 > 건축공학 > 환경공학

논문수 4 이용수 1,690

이 논문과 함께 이용한 논문

이산화탄소 배출량 분해분석: 산업 및 에너지 소비구조를 중심으로

진태영 , 최가영 , 이은미 외 1명 환경정책 2020 .06

취약계층 보호를 위한 학교 대기질 평가

송영재 , 배유진 , 류정우 외 6명 환경독성보건학회 심포지엄 및 학술대회 2019 .10

엘니뇨의 우리나라 자연재해에의 영향은? 그리고 엘니뇨는 예측 가능한가?

신현석 , 안재현 , 박무종 대한토목학회 학술발표회 논문집 1998 .10

제34회 행시2차 모범답안 [조사방법론]

황성태 고시계 1990 .08

온실가스와 미세먼지 저감 위한 경제적 수단 도입 방안

황인창 , 백종락 서울연구원 정책과제연구보고서 2020 .10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (29)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)