메뉴 건너뛰기
내서재 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

도시 대기오염 노출평가 개선을 위한 하이브리드 모델의 적용
추천
검색
질문

Hybrid Modeling for Improving Estimates of Air Pollution Exposure in Large Urban Areas

논문 기본 정보

자료유형
학술대회자료
저자정보
방진희 (울산대학교) 손고은 (울산대학교) 김순태 (아주대학교) 강윤희 (아주대학교) 오인보 (울산대학교)
저널정보
한국대기환경학회 한국대기환경학회 학술대회논문집 한국대기환경학회 2021년 제64회 정기학술대회 발표논문집 [초록집]
발행연도
2021.10
수록면
361 - 361 (1page)

이용수

표지
📌
연구주제
하이브리드 모델을 적용하여 대도시에서의 대기오염 노출 평가를 개선하는 것을 목표로 한다.
📖
연구배경
대도시는 복잡한 도로와 높은 차량 밀도로 인해 대기오염물질 배출이 많으며, 특히 질소산화물(NO2)의 도로 이동 오염원 배출 비중이 약 48.7%에 달한다.
🔬
연구방법
서울을 대상으로 하이브리드 모델을 적용하여 2019년 동안 고해상도 NO2 농도를 모의하였다.
🏆
연구결과
하이브리드 모델링 결과, 서울 지역의 NO2 농도 분포가 상세히 재현되었으며, 향후 대도시 대기오염 노출 평가 개선에 기여할 것으로 기대된다.
도시 대기오염 노출평가 개선을 위한 하이브리드 모델의 적용
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
대도시는 복잡한 도로와 높은 차량밀도로 인해 도로에서의 대기오염물질 배출이 많다. 그 중 질소산화물(NOx)은 전체 배출량 중 도로이동오염원의 배출 비중이 약 48.7%로 상당히 높다(2017년 서울기준). 대도시에 거주하는 개인 및 인구집단에 대한 대기오염 노출평가의 개선을 위해서는 도로 인근 NOx 농도의 시 · 공간 정보 해상도를 높이는 연구는 매우 중요하다. 이 연구에서는 교통 밀도가 매우 높은 대도시 서울을 대상으로 하이브리드 모델을 적용하여 1년간(2019년) 고해상도 NO₂ 농도 모의를 수행하고 평가하였다. 하이브리드 모델링은 대표적인 대기질 모델인 CMAQ(Community Multi-scale Air Quality, ver. 5.0.2)이 예측한 NO₂ 격자농도(1 km 해상도)와 CALPUFF(California Puff Model, ver 6.42) 대기확산 모델이 재현한 ^_@span style=color:#999999 ^_# ... ^_@/span^_#^_@a href=javascript:; onclick=onClickReadNode('NODE10665367');fn_statistics('Z354','null','null'); style='color:#999999;font-size:14px;text-decoration:underline;' ^_#전체 초록 보기^_@/a^_#

AI 요약

연구주제

하이브리드 모델을 적용하여 대도시에서의 대기오염 노출 평가를 개선하는 것을 목표로 한다.

연구배경

대도시는 복잡한 도로와 높은 차량 밀도로 인해 대기오염물질 배출이 많으며, 특히 질소산화물(NO2)의 도로 이동 오염원 배출 비중이 약 48.7%에 달한다.

연구방법

서울을 대상으로 하이브리드 모델을 적용하여 2019년 동안 고해상도 NO2 농도를 모의하였다.

연구결과

하이브리드 모델링 결과, 서울 지역의 NO2 농도 분포가 상세히 재현되었으며, 향후 대도시 대기오염 노출 평가 개선에 기여할 것으로 기대된다.

주요내용

본 연구는 서울에서 하이브리드 모델을 적용하여 2019년 동안의 고해상도 NO2 농도를 모의하고 평가하였으며, 대기오염물질 배출의 주요 원인인 질소산화물(NO2)의 분포와 계절적, 지역적 차이를 상세히 재현하였습니다. 또한, EnKF와 EnSRF 기반의 관측 자료동화 기법을 통해 대기 흐름을 반영한 분석 증분의 분포를 가우시안 형태로 나타내는 결과를 도출하였습니다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)

0

첫번째 댓글을 남겨주세요.