Bayesian Analysis of PM2.5 Concentration in Seoul using Multivariate Receptor Modeling

Abstract

Fine dust is recognized as a major domestic environmental problem. It is important to identify the major sources of pollutants contributing to air pollution since it would provide useful information for air quality management. In this paper, we analyze PM2.5 concentration data obtained by Air Korea using a Bayesian multivariate receptor model to estimate major source areas of PM2.5 and their contribution. The multivariate receptor model aims to figure out the source compositions and contributions of air pollutants. However, additional constraints such as identifiability conditions are required to prevent rotation problems. In Bayesian frameworks, we can estimate the number of sources, the spatial profiles and contributions under the assumptions for model identifiability. We analyze PM2.5 concentration data obtained from 24 monitoring stations in Seoul during 2018/01-2018/12. ;미세먼지는 주요한 국내 환경문제로 인식되고 있다. 따라서 미세먼지 데이터를 분석하여 대기 오염에 기여하는 주요 배출원을 확인하는 것은 대기 배출원 관리정책을 개발하는 데 있어서 유용한 기초 자료를 제공할 것이다. 본 논문에서는, 초미세먼지(PM2.5)의 주요 오염원 영역과 오염원별 기여도를 추정하기 위하여, 에어코리아에서 매년 공개하는 대기질 자료를 베이지안 다변량 수용체 모델링을 통해 분석하였다. 다변량 수용 모델은 대기오염 배출원의 성분 조성 혹은 주변 지역에 미치는 영향을 추정하는 방법이다. 그러나, 회전문제를 방지하기 위해 식별성 조건과 같은 추가 제약조건이 필요하다. 따라서 베이지안 접근을 통해 오염원의 수를 먼저 추정하고, 식별성을 만족하기 위한 여러 가정 하에 오염원의 프로파일과 기여도를 추정할 수 있다. 또한, 자료는 서울시 24개 미세먼지 측정소에서 측정된 실시간 PM2.5 농도 데이터(2018/01-2018/12)를 사용하였고, 계절 영향을 없애기 위하여 2개의 계절로 나누어 살펴보았다.