광양만권 대기중 초미세먼지 발생원별 기여도 평가 : 여수.순천.광양지역 중심으로 :Assessment contribution by source of PM-2.5 in the Gwangyang bay area

박혜영

추천

검색

자료유형: 학위논문

저자정보: 박혜영 (목포대학교, 목포대학교 대학원)

지도교수: 배민석

발행연도: 2023

저작권: 목포대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (4)

2023

광양만권 대기중 초미세먼지 발생원별 기여도 평가 : 여수.순천.광양지역 중심으로

박혜영 2023.01 학위논문

2022

수용모델을 이용한 광양만권 주거지역 대기 중 초미세먼지발생원 기여도 평가(II)

박혜영 , 박현수 , 이보람 외 8명 환경분석과 독성보건 2022.03 학술저널

2021

광양만권 대기 중 초미세먼지 원인별 기여율 평가

박혜영 , 오길영 , 박현수 외 7명 환경분석과 독성보건 2021.01 학술저널

2020

광양만권 오존농도 특성 조사 (순천지역을 중심으로)

박혜영 , 박현수 , 김학림 외 4명 한국환경기술학회지 2020.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 수용모델(Receptor model)을 사용하여 광양만권지역 초미세먼지 발생원의 기여도를 종합적으로 평가하고자 하였다. 1차년도(2019~2020)에 산업단지 부근의 여수(삼일동)지역과 광양(태인동)지역을 연구하였고, 2차년도(2021년)에는 주거지역 부근 여수(여천동)지역과 순천(신대동)지역을 연구하였다.
연구결과 초미세먼지 농도는 여수(삼일동)지역과 광양(태인동)지역에서는 봄철에 가장 높았으며, 여수(여천동)지역과 순천(신대동)지역은 겨울철에 가장 높았다. 초미세먼지 화학성분 조성은 주로 이온성분이 가장 높았으나, 순천(신대동)지역은 기타성분이 가장 높았다. 주거지역 중 여수(여천동)지역은 질산염농도가 높고 자동차 기여도가 높아 차량에 의한 영향을 많이 받는 것으로 나타났다. 순천(신대동)지역은 여름철에 2차 황산염과 2차 유기탄소(SOC) 성분이 매우 활발하게 생성되는 것으로 조사되었다. 따라서 향후 순천지역은 전구성분에 대한 추가적 연구와 관리가 필요한 것으로 판단되었다.
PMF 분석결과 발생원 부근의 연구지점에서는 9개의 오염원으로 분류되었다. 여수(삼일동)지역은 2차 황산염 (38 %) > 중유연료 연소 (14 %) > 자동차 (13 %) > 생물성 연소 (13 %) > 도로 비산먼지 (10 %) > 2차 질산염(6 %) > 산업활동 (3%) > 해염입자 (2 %) > 석탄연소 (1 %)로 분석되었다.
광양(태인동)지역은 2차 황산염 (37 %) > 생물성 연소 (21 %) > 자동차 (13 %) > 산업활동 (13 %) > 2차 질산염 (5 %) > 석탄연소 (4 %) > 중유연소 (3 %) > 해염입자 (3 %) > 도로비산먼지 (1 %) 순으로 9개의 오염원으로 나타났다.
여수(여천동)지역은 2차 황산염 (31 %) > 자동차 (16.8 %) > 2차 질산염 (15.9 %) > 토양 및 비산먼지 (15.2 %) > 생물성 연소 (11.5 % > 중유연소 (4.2 %) > 석탄연소 (3.7 %)> 산업활동 (1.7 %)로 분석되었다.
순천(신대동)지역은 2차 황산염 (27.3 %) > 생물성 연소 (16.4 %) > 2차 질산염 (15.3 %) > 토양 및 비산먼지 (12.4 %) > 자동차 (10.2 %) > 석탄연소 (7.0 %) > 중유연소 (7.0 %) > 산업활동 (3.5 %) 순으로 8개의 오염원으로 나타났다.
CPF 분석결과 주로 연구지점 중 2차 황산염, 2차 질산염, 석탄연소, 생물성 연소 생성이 화력발전소 부근의 영향을 크게 받고 있고, 중유연소는 석유정제시설 및 제철․제련시설과 광양항 주변 대형선박에 의한 영향으로 분석되었다. 또한 2차질산염 및 토양 및 비산먼지가 산업단지와 장거리 유입에 의한 복합적으로 나타났으며, 산업활동과 비산먼지 성분에서 조사된 금속 성분에 대한 관리도 필요한 것으로 나타났다.
따라서 광양만권 초미세먼지 성분은 1차 배출원과 더불어 전구 성분으로부터 생성된 황산염, 질산염, 유기탄소 등 2차 미세먼지가 광양만권 주거지역 대기환경에 영향을 줄 가능성이 높게 나타났다.

In this study, comprehensive evaluation of the contribution of ultrafine dust sources in the Gwangyang Bay area using the receptor model were investigated. In the first year (2019-2020) and second (2021) years, the Yeosu (Samil-dong) and Gwangyang (Taein-dong) areas near the industrial complex and then the Yeosu (Yeocheon-dong) and Suncheon (Sindae-dong) areas near the residential area were presented. As a result of the study, the concentration of ultrafine dust was the highest in spring in Yeosu (Samil-dong) and Gwangyang (Taein-dong), while in Yeosu (Yeocheon-dong) and Suncheon (Sindae-dong) areas were the highest in winter. In terms of chemical composition, the ionic component was the largest in ultrafine dust, but unknown components accounted for the largest proportion of ultrafine dust in Suncheon (Sindae-dong). Among residential areas, Yeosu (Yeocheon-dong) has a high nitrate concentration and a high contribution to mobile, indicating that it is strongly affected by vehicles. In the Suncheon (Sindae-dong) area, secondary sulfates and secondary organic carbon (SOC) components were found to be very active in summer. Therefore, in the future, additional research and management of all components of the ultrafine dust in Suncheon area will be necessary.
As a result of PMF analysis, 9 pollutants were classified at research points near the source. The ultrafine dust in the Yeosu(Samil) area could be attributed to secondary sulfate (38%) > oil combustion (14%) > mobile (13%) > biomass combustion (13%) > road dust (10%) > secondary nitrate (6%) > industrial activity (3%) > sea salt (2%) > coal combustion (1%). In the Gwangyang(Tein) area, the ultrafine dust could be attributed to secondary sulfate (37%) > biomass combustion (21%) > mobile (13%) > industrial activity (13%) > secondary nitrate (5%) > coal combustion (4%) > oil combustion (3%) > sea salt (3%) > road dust (1%). For the Yeosu (Yeocheon) area, the ultrafine dust could be attributed to secondary sulfate (31%) > mobile (16.8%) > secondary nitrate (15.9%) > soil and road dust (15.2%) > biomass combustion (11.5% > oil combustion (4.2%) > coal combustion (3.7%) > industrial activity (1.7%). In Suncheon (Sindae) area, the ultrafine dust could be attributed to secondary sulfate (27.3%) > biomass combustion (16.4%) > secondary nitrate (15.3%) > soil and road dust (12.4%) > mobile (10.2%) > coal combustion (7.0%) > oil combustion (7.0%) > industrial activity (3.5%). As a result of CPF analysis, secondary sulfate, secondary nitrate, coal combustion, and biomass combustion are mainly affected by thermal power plants, while oill combustion is analyzed to be influenced by petroleum refining facilities, steel and smelting facilities, and large ships around Gwangyang Port.
Secondary nitrate, soil, and soil and road dust appeared in the ultrafine dust, influenced by industrial complexes and long-distance inflows. As such, management of the metal components in industrial activities and road dust components is also needed.
Therefore, the ultrafine dust components of the ultrafine dust in the Gwangyang Bay Area, including the sulfate, nitrate, and organic carbon generated from the precursor components along with the primary emission sources, are highly likely to affect the atmospheric environment in the local residential area.

#초미세먼지 #수용모델

Contents
List of Tables ⅲ
List of Figures ⅳ
초 록 ⅵ
제1장 서 론 1
1-1. 연구배경 1
1-2. 연구내용 및 목적 2
제2장 연구조사 대상 및 방법 6
2-1. 측정지점 및 시료채취 6
2-2. 분석방법 8
2-2-1. 질량농도 및 탄소성분(OC/EC) 분석 8
2-2-2. 원소성분 분석 9
2-2-3. 이온성분 분석 10
2-3. 시료분석을 위한 정도관리 11
2-4. Positive Matrix Factorization(PMF) 12
2-5. Conditional Probability Function(CPF) 15
2-6. 역궤적 군집분석 및 CWT 16
제3장 결과 및 고찰 17
3-1. 연구기간 중 기상조건 17
3-2. PM-2.5 질량 농도 및 구성성분 20
3-2-1. 여수(삼일동), 광양(태인동) 20
3-2-2. 여수(여천동), 순천(신대동) 25
3-3. PMF 모델 결과 32
3-3-1. 여수(삼일동), 광양(태인동) 33
3-3-2. 여수(여천동), 순천(신대동) 41
3-4. CPF 모델 결과 47
3-4-1. 여수(삼일동), 광양(태인동) 47
3-4-2. 여수(여천동), 순천(신대동) 51
3-5. 역궤적을 통한 군집분석 및 CWT 모델의 장거리 배출원 추정 55
제4장 결 론 60
참고문헌 64
Abstract 69

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)