LUR(Land Use Regression) model을 활용한 서울시 미세먼지 농도의 시공간적 분석

Abstract

도시 환경 특성에 따라 PM2.5와 PM10 농도의 분포는 시공간적으로 큰 변동성을 가진다. LUR(Land Use Regression) model은 GIS(Geographic Information System)에서 도출된 예측 변수를 이용하여 대기오염물질의 공간적 변동성을 설명할 수 있는 방법니다. 본 연구에서는 PM2.5와 PM10에 대한 서울시의 LUR model을 개발하여 도시 미세먼지 농도에 영향을 미치는 요인들을 종합적으로 판단하고, 시공간적으로 분석하고자 하였다. GIS를 이용해 도시 내 토지이용 특성, 교통 특성, 공간구조, 점오염원을 나타낼 수 있는 20개의 독립변수를 추출한 뒤, 서울 25개 구의 계절별 PM2.5, PM10 농도에 대한 영향력을 통계적으로 평가하여, PM2.5, PM10 농도를 가장 잘 설명할 수 있는 변수들로 LUR model을 구성하였다. 최종 LUR model은 PM2.5에 대하여 0.19-0.73, 10에 대하여 0.30-0.56의 adjusted-R2값을 가졌다. 개발된 LUR model은 PM2.5와 PM10가 계절별로 다른 도시 내 발생원과 저감원을 가지고 있음을 나타냈다. 토지이용 특성에 관한 변수는 계절별로 다양하게 LUR model에 포함되었고, 나지면적과 초지면적은 겨울을 제외한 모든 계절에서 PM2.5의 LUR model에 유의미한 발생원으로 평가되었다. 건축물 수와 같은 도시공간구조 변수들은 특히 가을과 겨울 LUR model에 중요하게 포함되어, 이 계절들에 있어서 도시 대기 순환의 중요성을 나타냈다. 점오염원 중 석유판매업은 PM2.5와 PM10 농도에 예상 밖으로 큰 영향을 미치는 것으로 나타났다. 본 연구에서 도시 내 특성에 관련하여 PM2.5와 PM10의 시간적, 공간적 변화를 분석할 수 있었으며, 향후 기상요인이나 지형학적 요인을 포함한 LUR 연구가 진행된다면 LUR model의 실효성이 향상될 것이다.;Distribution of PM2.5 and PM10 concentrations has great spatial variation in urban environments depending on land use characteristics. LUR(Land Use Regression) model has been used to explain these spatial variability of air pollutant using predictor variables derived from GIS(Geographic Information System). In this study, seasonal LUR model of Seoul for PM2.5 and PM10 were developed to comprehensively apprehend the intra-urban factors that affect PM2.5, PM10 concentration and to analyze them temporal-spatially. First, seasonal concentration of PM2.5 and PM10 were measured in 25 districts of Seoul. Then, total of 20 GIC-derived predictor variables (e.g. land sue, traffic, building structure, and point source) were statically evaluated in specific buffer zoned to model spatial variation of seasonal concentrations, and predictors, that explain the pollution concentrations the best were selectively included in the LUR model. Final LUR models for each season had an adjusted-R2 of 0.19-0.73 for PM2.5, and 0.30-0.56 for PM10. Indicator variables for each season represented the large seasonal variance and there was no significant variable for annual averaged concentration, indication that PM2.5 and 10 have different source and sink from season to season. Various land use indicators were included in every LUR models except for PM2.5 in winter, and barren land and grass land were selected in almost all PM2.5 LUR models as major source. Road length and road area did not represent the traffic characteristics well. Factors related to city structures such as the number of buildings were selected in many models, especially in fall and winter, which reflects the important role of air circulation in these seasons. The number of petroleum selling markets, which was included in a point pollution source category, showed unexpected large impact on both PM2.5 and PM10 with regard to intra-urban characteristics, and further developments of LUR model by including meteorolgy and topography factors would improve its effectiveness and practicality.