EPA-PMF 모델을 이용한 내포신도시의 PM2.5 오염원 기여도 평가 :Estimation of PM2.5 source apportionment in Naepo New Town using the EPA-PMF model

김영민

추천

검색

자료유형: 학위논문

저자정보: 김영민 (한서대학교, 한서대학교 일반대학원)

지도교수: 김종호

발행연도: 2023

저작권: 한서대학교 논문은 저작권에 의해 보호받습니다.

이용수13

이 논문의 연구 히스토리 (2)

2023

EPA-PMF 모델을 이용한 내포신도시의 PM2.5 오염원 기여도 평가

김영민 환경공학과 2023.01 학위논문

2022

EPA-PMF 수용모델을 이용한 충남 내포 신도시의 초미세먼지 오염원 기여도 해석

김영민 , 정금희 , 김종호 외 1명 한국대기환경학회 학술대회논문집 2022.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

충남 내포신도시는 2차 미세먼지 생성의 전구물질인 암모니아를 발생시킬 수 있는 축사 밀집지역이며, 북서쪽으로 약 50 km 지점에 석탄화력발전소, 석유화학단지, 제철산업단지 등과 남서쪽으로 약 30 km 지점에 석탄화력발전소가 위치하여 주변에 대기오염물질 다량배출사업장이 분포되어 있어 주변지역의 영향으로 미세먼지 농도가 높아질 것으로 예상되는 지역이다.
이에 본 연구에서는 충남 내포신도시(홍성군 홍북읍)에 위치한 대기오염측정망 내포측정소 옥상에서 2020년 1월부터 12월까지 매월 둘째 주 월요일부터 24시간씩 7일간 대기 중의 PM2.5(초미세먼지)를 채취하였으며, 아울러 충남지역의 PM2.5의 농도가 나쁨 수준으로 예상될 때에는 추가 채취를 하였다. 채취한 PM2.5의 중금속 성분(Be, Na, Mg, Al, K, Ca, V, Cr, Mn, Fe, Ni, Cu, Zn, As, Sr, Cd, Pb), 이온 성분(Cl-, SO42-, NO3-, Na+, Mg2+, NH4+, K+, Ca2+), 탄소 성분(OC, EC)을 분석하고 이 자료를 바탕으로 PM2.5의 화학종 자료를 활용한 EPA-PMF(Environmental Protection Agency-Positive Matrix Factorization) 모델을 수행하여, PM2.5의 오염원 기여도를 산정하고자 하였다. 또한 대기오염측정망 내포측정소에서 관측한 기상자료를 이용하여 CPF(Conditional Probability Function) 모델 결과로 비교분석을 수행하여, EPA-PMF 모델로 추정한 오염원의 잠재적 위치를 추정하고자 하였다.
PM2.5의 질량농도를 분석한 결과 계절별 평균농도는 겨울(30 μg/m3), 봄(29 μg/m3), 가을(20 μg/m3), 여름(17 μg/m3) 순으로 높게 측정되었으며 계절적 차이가 뚜렷하게 나타났고, 모델링을 수행한 결과 9가지 오염원을 확인하였으며, 그 기여도는 2차 질산염(Secondary Nitrate) 34.9%, 2차 황산염(Secondary Sulfate) 24.9%, 생체 연소(Biomass Burning) 13.2%, 이동오염원(Mobile) 13.1%, 해염 입자 오염원(Aged sea salt), 5.0%, 석탄 연소(Coal Combustion) 4.8 %, 건설 및 도로먼지(Construction and road dust), 2.5%, 기름연소(Oil Combustion) 1.4 %, 철강(Steel) 0.1%로 추정되었다.

Naepo New Town in Chungcheongnam-do is a livestock dense area that can generate ammonia, a precursor to secondary PM2.5 generation, and a coal-fired power plant is located about 50km northwest, a petrochemical complex, and a steel industry complex 30km southwest, so PM2.5 concentration is expected to increase due to the surrounding area.
In order to investigate possible sources and their contributions to PM2.5, 24-hr integrated filter-based measurements of PM2.5 were made on air pollution monitoring stations in Naepo New Town (Chungnam hongsung-gun Hongbuk-eup) for seven days starting on the second Monday of every month from January 2020 to December 2020, or the PM2.5 concentration was expected to be bad level in Chungnam.
For this study, collected PM2.5 samples were used to determine the concentrations of mass, trace metal species(Be, Na, Mg, Al, K, Ca, V, Cr, Mn, Fe, Ni, Cu, Zn, As, Sr, Cd, Pb), ionic species (Cl-, SO42-, NO3-, Na+, Mg2+, NH4+, K+, Ca2+), organic and elemental carbon (OC and EC). Based on this data, the contribution of PM2.5 to pollutants was calculated by performing an EPA-PMF(Environmental Protection Agency-Positive Matrix Factorization) model using chemical species data. It was also intended to estimate the potential location of pollutants estimated by the EPA-PMF model by performing a comparative analysis based on the results of the CPF(Conditional Probability Function) model using weather data observed by the air pollution monitoring station in Naepo New Town.
As a result of analyzing the mass concentration of PM2.5, it was confirmed that it was higher in the order of winter (30 μg/m3), spring (29 μg/m3), fall (20 μg/m3), and summer (17 μg/m3), showing a clear seasonal difference. As a result of performing modeling, nine pollutants were identified such as secondary nitrate, secondary sulfate, biomass burning, mobile, aged sea salt, coal combustion, Construction and road dust, oil combustion, steel, and their source contributions were estimated to account for 34.9%, 24.9%, 13.2%, 13.1%, 5.0%, 4.8%, 2.5%, 1.4%, 0.1% of the measured PM2.5 concentrations, respectively.

#EPA-PMF #CPF #PM2.5 #내포신도시

Ⅰ. 서론 1
1. 연구 배경 1
2. 연구 목적 4
Ⅱ. 이론적 배경 5
1. 수용모델(Receptor model) 5
2. PMF(Positive Matrix Factorization) Model 6
3. CPF(Condtional Probability Function) Model 8
4. PM(Particulated Matter) 8
Ⅲ. 연구방법 10
1. 측정개요 10
1.1 시료의 채취방법 10
1.2 연구기간 및 기상자료 12
2. 성분 분석 13
2.1 질량농도의 분석 13
2.2 이온 성분의 분석 14
2.3 탄소 성분의 분석 16
2.4 중금속 성분의 분석 17
Ⅳ. 결과 및 고찰 19
1. 측정결과 19
1.1 질량농도 특성 19
1.2 수용성 이온 성분 특성 21
1.3 탄소 성분 특성 23
1.4 중금속 성분 특성 24
2. 오염원 확인 및 기여도 추정 27
2.1 PMF 모델링 전처리 과정 27
2.1.1 입력자료의 전처리 27
2.1.2 불확실도의 전처리 29
2.2 오염원의 확인 31
2.2.1 오염원의 설정 31
2.2.2 CPF 모델에 의한 오염원의 확인 35
2.3 모델링의 검증 47
2.3.1 Residual analysis 47
2.3.2 Observed/Predicted Scatter Plot의 비교 48
2.3.3 Mapping of bootstrap factors to base factors 49
2.3.4 Fpeak 50
Ⅴ. 결론 51
참고문헌 53
ABSTRACT 58

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)