여름철 고농도 오존예측을 위한 기상요소들의 다중회귀분석 (Multi-regression Analysis of Meteorological Parameters for the Prediction of High Ozone Concentration in Summer Period)

서지정보

· 발행기관 : 한국환경기술학회
· 수록지 정보 : 한국환경기술학회지 / 15권 / 3호 / 183 ~ 196페이지
· 저자명 : 안재호

초록

최근 오존경보제의 도입으로 고농도 오존현상에 대한 관심이 높아지고 특히 수도권지역 중에 인천을 포함한 시화‧반월 산업단지를 중심으로 한 수도권 남부지역의 오존경보의 발효회수가 현저히 증가하고 있는 추세이다. 또한 시화‧반월 산업단지의 경우 공장 밀집지역으로 오존 경보 발령 위험이 커서 특별한 관리의 필요성을 보인다 하겠다. 본 연구에서는 수도권 남부지역을 대상지역으로 하여 2011년 5월에서 9월까지의 대기오존농도 측정자료와 태양광선 및 기상요소에 관한 기상자료를 이용하여 IBM's SPSS Ver.20을 이용한 다중회귀분석을 수행하여 다음과 같은 결론을 얻었다. 오존의 농도 범주를 20ppb 단위로 세분화 하여 작은 범주별로 나누어 다중회귀분석을 수행한 결과 40ppb 단위의 큰 범주의 회귀분석결과 보다 다소 개선된 R값을 확인할 수 있었다. 또한 10지역 모든 측정지점의 자료를 통합하여 산출한 R값, 각 측정지점에서 각각의 R을 구한 후 평균 R값과 오존농도가 높은 고농도 지역(대부동, 호수동, 고잔동, 본오동)을 3지역씩 묶어 R값을 구한 후 비교해본 결과 각 측정지점을 모두 회귀분석한 후에 평균한 R값이 0.641로 가장 높았다. 회기직선식의 변수의 수에 따른 R 값을 비교하였을 때 오후 1~3시의 평균기온, 태양복사, NOx 농도, 상대습도, 풍속, 전일오존 최고농도를 고려한 6개의 변수가 효율성에서 최적임을 확인할 수 있었다. 본 연구의 결과는 classification and regression tree (CART) 방법 등과 연계하여 고농도 오존 예측모델의 한 부분으로 이용이 가능할 것으로 사료된다.

영어초록

The concerns on high ozone concentration phenomenon is significantly growing in Seoul metropolitan area including the Shiwha·Banwol industry complex area. In this study, multi- regression analysis was performed to analyse the relationship between high concentrations of O3 and meteorological parameters, like daily maximum air temperature, solar radiation. The regression equations suggested in this study are very useful for a local government or a metropolitan government to develope an alert system of the high ozone concentration. The correlation analysis between maximum ozone concentration and various meteorological parameters was carried out using IBM's SPSS Ver.20 program. The results showed that the mean correlation coefficient(R) of 3 high ozone concentration stations is better than that of all 10 stations for period of May~September in 2011. The test of correlations coefficient for various numbers of meteorological parameters showed that the optimal variable number is 6 and they are mean air temperature during 1~3 PM, solar radiation, NO2 concentration, relative humidity, wind speed and ozone concentration of a day before. This multi-regression analysis could be partially integrated into the prediction of ozone peak concentration in connection with other methods like classification and regression tree (CART).

참고자료

· 없음