본문 바로가기
연구하기

미세먼지 이후 떠오르는 대기오염물질 - 오존

by Prof. Sung-Deuk Choi 2021. 6. 28.

대류권 오존 

1980-1990년대에는 성층권 오존층 파괴가 상당히 중요한 환경문제였습니다. 제 대학 시절 전공수업에서도 오존은 큰 비중을 차지했습니다. 국제적인 노력으로 오존층 파괴가 어느 정도 해결되고 나서 오존에 관한 관심은 크게 줄었는데, 요즘 다시 오존이 주목을 받고 있습니다. 미세먼지를 포함한 많은 대기오염물질 농도가 감소하고 있지만, 오존 농도는 지속해서 증가하고 있기 때문입니다.

 

아래 그림은 2015~2020년 월평균 오존 추세입니다. 여름철에 농도가 증가했다가 감소하는 계절 변화를 꾸준히 보이면서 매년 농도가 증가하고 있습니다. 오존은 복잡한 대기화학반응을 거치므로 오존의 증가 원인을 정확히 규명하기는 상당히 어렵습니다. 제 연구실에서는 울산의 휘발성유기화합물(VOCs)에 의한 오존의 2차 생성에 주목하고 있습니다. 작년에는 주로 인위적 기원의 VOCs를 연구했고, 올해는 자연적 기원의 VOCs를 모니터링하고 오존 생성 기여도를 추정할 예정입니다.

울산의 월평균 오존 농도 추세(openair 패키지 사용)

 

 

R 랜덤 포레스트 - 오존 농도 예측

대표적인 기계학습 기법인 랜덤 포레스트를 이용하여 오존 농도를 예측했습니다. R 패키지인 randomForest를 사용했고, 입력자료로 울산 성남동측정소의 시간별 오존 농도와 기상자료를 이용하여 간단히 모델을 만들었습니다. 우선 대기오염 자료에 적합한 R 스크립트를 만들기 위해서 간단히 풍향, 풍속, 기준성대기오염물질 자료만 사용했습니다. 앞으로 다양한 기상자료를 추가할 예정입니다.   

변수를 몇 개 사용하지 않았는데도 예측 정확도가 75%로 예상보다 높았습니다. 일사량 자료를 사용하지 않았지만 NO2 농도와 시간으로 오존 농도 대부분을 예측할 수 있었습니다. 낮과 여름철 시간대가 이미 일사량 등 기상현상을 대표하기 때문입니다. 아래 그래프에서 0.125 ppm 이상으로 측정된 세 자료가 있는데, 모델이 다소 낮게 예측했습니다. 새로운 변수를 많이 추가해서 모델을 구성하면 이렇게 튀는 자료가 줄어들 것으로 기대합니다.

 

 

2020년 울산 시간별 오존 실측 농도(전체 30% 자료)와 예측 농도 산포도(ggplot2 패키지 사용)

 

댓글