A Study on the Spatial Position Problem of PM Monitoring Stations Using Voronoi Technique and Density Analysis

전체 글

(1)pISSN : 2508-3384 eISSN : 2508-3392 https://doi.org/10.22640/lxsiri.2018.48.2.185. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018) 한국국토정보공사 「지적과 국토정보」 제48권 제2호 2018년 12월 pp. 185-195. 보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구 A Study on the Spatial Position Problem of PM Monitoring Stations Using Voronoi Technique and Density Analysis 정종철* Jeong, Jong-Chul. Abstract In the Seoul Metropolitan City, the PM(pariculate matter) application used by the citizens provides the PM concentration of the nearest monitoring stations located on the PM monitoring stations. Currently, the selecting method of the PM monitoring network considered by the Ministry of Environment is based on considering the monitoring station distribution and population density only. In this study, we analyzed the distance between PM monitoring station and the administrative center point in addition to the above considerations. The number of test sites was verified and the range of coverage of each monitoring stations was indicated by using the Voronoi algorithm and hexagon grid. The spatial position problem of the PM monitoring station was suggested by spatial data analysis. The variables of spatial data analysis are single-family houses, apartments, 1st class neighborhood, 2nd class neighborhood, garbage disposal plant, hazardous material disposal facility, factory, and the density map. The analysis result of the selection criterion considering the additional variables for new PM monitoring stations was presented, in addition to the selection criteria provided by the Ministry of Environment. Keywords: Voronoi, PM, Monitoring Stations Network, Density analysis. 1. 서 론. 되었으며 한국의 PM2.5(초미세먼지)평균 노출도는 27.9㎍/㎥로 41개국 중 가장 나빴다(OECD, 2018). 서. 1.1. 연구배경 및 필요성. 울시는 미세먼지 저감을 위하여 교통비 무료, 자동차 배출가스 상설단속반 운영정책 등을 실시하였으며,. 우리나라는 매년 증가하는 미세먼지로 인해 대기환. 정부 또한 대기오염의 저감을 위하여 매년 대기오염. 경이 악화되고 있는 추세이다. 2017년 OECD 국가의. 측정망 운영계획을 발표하며 대기오염 저감에 힘쓰고. 대기오염 평가 결과 한국이 41개국 중 최하위로 평가. 있다.. * 남서울대학교 공간정보공학과 교수 Department of GIS, Namseoul University (first author: [email protected]). Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 185.

(2) 정종철. 우리나라의 대기오염측정망은 1973년 최초로 환경. 양한 변수요인과 환경적인 요인을 고려하지 않는다.. 부에서 설치·운영하였으며 전국에 505개 측정소를 설. 중국으로부터 유입되는 황사가 아닌 미세먼지는 다. 치·운영 중에 있다. 이중 미세먼지를 측정하는 도시대. 양한 변수에 영향을 받고 있다. 박순애 외(2017)는 한. 기 측정소와 도로변대기 측정소는 서울시에 각각 25. 국의 초미세먼지의 영향요인 중 풍향을 고려한 계절. 개, 14개로 총 39개의 측정소가 운영 중에 있다. 시민. 성 원인을 중심으로 분석을 실시하였다. 연구 내용 중. 들은 환경공단이 운영하고 있는 에어코리아에서 그. 초미세먼지의 영향을 주는 국내 요인은 단순히 중국. 값을 제공받아 현재 자신의 속한 위치의 미세먼지 값. 측 요인이 아닌 석탄 화력발전과 경유 소비량, 제조업. 을 확인한다. 그러나 미세먼지 앱을 사용하는 사용자. 의 산업 생산 등의 인위적인 요인을 제시한 바 있다.. 의 위치에 따라 어느 측정소에서 측정값을 제공받아. 박노욱(2011)은 시계열 환경변수 분포도 작성 모델. 야하는지에 대한 부분과 정확성에 관련된 문제가 생. 링 연구 과정에서 미세먼지 시계열 측정을 활용하여. 긴다.. 농도 분포도 작성 사례를 연구하였다. 이와 같은 연구. 본 연구에서는 거리분석을 통하여 미세먼지 측정소. 결과는 미세먼지의 발생과정에서 단순히 인구밀도 및. 를 중심으로 행정동의 거리를 분석하였으며 동일거리. 공간적인 표현방법을 주로 제시하는 환경부의 측정지. 산정기법인 보로노이 기능을 토대로 서울시 건물정보. 점 결정 방법에 오점을 나타낸다.. 와 헥사곤 격자를 활용하여 미세먼지 측정소와 행정. 또한 공간적인 분석방법을 통한 미세먼지 공간분포. 동의 공간적인 분석을 실시하였다. 이러한 분석을 통. 및 측정소에 관련된 연구 또한 다수 진행되었다. 김영. 해 미세먼지 측정소 농도를 제공하는 측정소 위치와. 성 외(2014)는 서울지역 도시대기 측정망 25개 측정. 미세먼지 앱에서 제공하는 측정 농도의 제공범위를. 소에 대하여 측정소별 환경기준 감시의 유효성을 조. 공간분석하고 이의 문제점을 제시하는데 본 연구의. 사하였다. 환경기준물질 중 PM10과 오존의 환경기준. 목적이 있다.. 을 대상으로 선정하였으며 측정소를 군집으로 분류하 고 농도와 환경기준 초과를 지수화하여 군집 내 측정. 2. 선행연구. 소를 평가하였다. 김효정 외(2012)는 GIS를 적용하여 대구지역 미세먼지 측정소의 위치가 적절한지 평가하. 환경부(2018)에서 규정한 미세먼지 측정지점 결정. 고, 공중보건과 밀접한 관련이 있는 PM10을 관리하기. 방법은 다음과 같다. 첫째, 인구비례에 의한 방법으로. 위한 적합한 장소를 모색하였다. 김아영, 권창희. 측정대상지역 내의 인구분포와 인구 밀도를 고려하여. (2016)은 GIS를 이용한 도심지 대기오염 측정망 최적. 선정한다. 둘째, TM(Transverse Mercator)좌표에 의. 위치 선정에 대한 연구에서 서울특별시를 대상으로. 한 방법으로 지도상에서 2~3km 간격으로 가로세로. 대기오염 배출량을 평가하여 측정소 신규배치 시나리. 격자를 만든 후 구획별로 선정한다. 셋째, 중심점에 의. 오를 제시하였다. 이종현 외(2017)은 공간패널모형을. 한 동심원을 이용하는 방법은 특정 지역의 대표지점. 이용한 국내 초미세먼지 농도에 대한 분석을 수행하. 을 중심으로 한 동심원과 방위별 직선을 이용하여 만. 여 미세먼지 농도의 공간분석을 적용하였다.. 나는 점을 측정점으로 선정한다. 이처럼 환경부에서. 국외 연구 과정에서 Wang YQ et al(2015)은 중국. 고려하는 선정 방법은 인구분포 및 인구밀도를 고려. 에서 발생하는 2006~2014년 PM10, PM2.5, PM1 3종. 한 방식과 지도상의 표현방식이 주 결정방법으로 제. 류의 미세먼지에 대한 중국 대기 감시망 자료의 시계. 시되고 있으나 인위적으로 미세먼지를 발생시키는 다. 열변화를 공간분석 하였다. Myrna et al(2017)은 미세. 186. 「지적과 국토정보」 제48권 제2호. 2018.

(3) 보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구. 대한 위치 데이터와 측정값을 사용하였다(Figure 1). 본 연구의 시간적 범위를 선정하기 위한 기준으로 2018년도 미세먼지 주의보, 경보 시기의 데이터를 사 용하였다. 서울시의 2018년도 PM10과 PM2.5의 주의 보 및 경보는 1월~4월에 집중적으로 발령되고 있으 며, 이 시기에는 시민들의 미세먼지에 대한 관심이 높 아진다. 따라서 본 연구에서는 시간적 범위를 주의보 및 경보가 발령된 2018년 1월, 2월, 3월, 4월 데이터를 활용하였다. 또한 공간정보의 활용과 다양한 환경변수의 적용을 Figure 1. Location of PM 10 and PM2.5 monitoring station in Seoul. 위한 실험으로 서울시 건물에 대한 자료는 공공데이 터 포탈에서 제공하는 통합건물정보를 활용하였다. 본 연구에서는 토지이용 변수를 환경변수로 선정하였. 먼지 분포 특성 중 가축업이 밀집되어 있는 특정지역 을 대상으로 미세먼지의 공간적인 분포에 대한 분석 을 실시하였다. Hu JL et al(2014)은 중국의 북중해 평 야 지역과 양쯔강 지역으로 구분하여 토지의 공간적 인 특성에 따른 미세먼지의 시·공간적인 분포 분석을 실시하였다.. 으며, 도로 교통량 등의 자료는 대로변을 제외한 다른 공간적인 부분에 있어서는 그 값이 낮으며, 풍향, 풍속 등의 계절적인 요인은 서울시 전체를 격자로 구분하 였을 시 각 격자에 대한 정확한 변수값을 확인하는데 에 있어서 어려움이 있다고 판단하였다. 이에 본 연구 는 정량화가 가능한 토지이용 변수를 활용하였다.. 선행연구 결과를 바탕으로 본 연구에서는 측정소 를 기점으로 보로노이 기법을 활용하여 미세먼지 측 정소의 측정치 제공지역을 확인하였으며 행정동 중심. 3.2. 자료 분석 방법. 으로 측정값이 제공되는 부분을 확인하였다. 다음으. 본 연구는 미세먼지 측정소에서 제공되는 측정값의. 로 공간변수를 통한 밀집도 분석을 실시하였으며 밀. 위치정보와 측정정보의 제공방법 개선에 관한 연구이. 집도를 기준으로 현 미세먼지 측정소 위치의 공간적. 며, 미세먼지 앱 사용자의 위치에 대한 표본으로 행정. 인 문제점을 분석하였다.. 동의 중심을 선정하였다. 행정동의 중심은 행정구역 의 공간적인 대표성을 나타내는 지역으로서 실험 표. 3. 연구방법. 본으로 사용하였다. 행정동 중심을 생성하는 과정으 로 QGIS 툴을 활용하여 각각의 행정구역의 중심점을. 3.1. 자료수집 및 공간범위. 획득하였다. 본 연구는 2018년 1월, 2월, 3월, 4월의 일 평균 PM10, PM2.5 데이터를 사용하였다.. 본 연구에서는 한국환경공단 에어코리아에서 제공. 보로노이 다이어그램은 측정소를 중심으로 동일권. 하는 미세먼지 데이터를 사용하였다. 서울시의 미세먼. 역의 거리를 평가하기 때문에 도시대기 측정소 공간. 지 측정소는 서울시 25개 구의 행정구역에 존재하는. 대표성을 분석한 후 보로노이 각 노드 점을 새로운 측. 도시대기 측정소 25개소와 14개의 도로변 측정소에. 정소로 선정하였다. 두 점 사이의 경계선을 정할 때, Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 187.

(4) 정종철. 두 점과 거리가 동일한 지점을 이은 선인 보로노이 다 이어그램 분석기능을 이용한 것이다. 현재 위치에서 가장 가까운 미세먼지 측정소는 자신이 속한 보로노 이 세포의 핵이 된다. 보로노이 다이어그램 분석 기법 을 활용하여 서울시의 측정소 별 제공되는 면적을 확. Collection data ▫ Particulate Matter (PM10, PM2.5) ▫ Monitoring stations location ▫ Center of dong ▫ Spatial variable. ⇩. 인하였다. 이를 헥사곤 격자를 활용하여 거리 분석 알. PM distribution map and deviation of Monitoring stations analysis. 고리즘을 통해 도출된 각 측정소의 보로노이 면적을 계산하였다. 서울시에서 20개의 측정소를 표본으로 선 정하여 환경변수의 공간적인 분포 경향을 확인하였다. 본 연구에 활용된 공간변수는 단독주택, 공동주택,. ▫ Dong - stations distance analysis ▫ Area analysis using Voronoi algorithm ▫ Analysis variable tendency using hexagon grid ▫ Spatial variable kernel analysis. 제1종 근린생활권, 제2종 근린생활권, 쓰레기처리장,. ⇩. 위험물 처리시설, 공장으로 선정하였다. 단독주택과. Conclusion. 공동주택은 미세먼지에 영향을 받는 시민들이 거주하 는 지역으로 인구분포에 대한 공간적인 지표가 될 수 있으며 근린생활권 지역 또한 시민들이 활동지수를 대표하는 지역인자이다. 쓰레기처리장, 위험물 처리 시설, 공장은 공간적인 변수로서는 그 수가 적으나 해. ▫ Location of PM monitoring stations using density analysis ▫ Area of provided value in accordance nearest monitoring stations. Figure 2. Research flow chart. 당 지역의 미세먼지 배출에 직접적인 영향을 보여주 기 때문에 본 연구에서 공간변수로 활용하였다.. 상위 10개소 측정소 중 1개소(서초구)를 제외하고 모. 본 연구의 연구절차는 Figure 2와 같다. 미세먼지의. 두 도로변 측정소가 높게 나타났다. 가장 높은 제공값. 월평균 데이터와 측정소의 위치, 행정동 중심 데이터,. 을 보여주는 측정소는 영등포로 측정소로 66.9㎍/㎥. 환경변수 데이터를 활용하여 측정의 미세먼지 제공값. 의 값을 보여주며, 신촌로(65.3㎍/㎥), 강남대로(62.4. 의 범위를 공간분석하였다.. ㎍/㎥), 공항대로, 동작대로 중앙차로(62㎍/㎥) 순으 로 나타난다. 도시대기 측정소에서 가장 높은 제공값. 4. 연구결과 및 고찰. 을 보여주는 측정소는 서초구 측정소로 59㎍/㎥의 값 을 보여준다. 중구 측정소의 경우 가장 많은 행정동에. 4.1. 행정동-측정소 농도 분석. 값을 제공하며 44.6㎍/㎥로 가장 낮은 측정값인 도로 변 측정소 종로(㎍/㎥)보다 2㎍/㎥높은 것으로 나타. 서울시 행정동의 중심은 각 행정동의 공간적인 위. 났다. PM10의 평균 값은 54.9㎍/㎥로 나타났으며 가. 치 대표성을 나타낸다. 본 연구에서 미세먼지 앱 사용. 장 높은 값인 영등포로와 가장 적은 값인 종로의 차이. 자의 위치를 행정동 중심으로 위치정보를 표본 추출. 는 22.3㎍/㎥의 차이로 나타난다. 도시대기 측정소 25. 하고 이를 바탕으로 어느 측정소의 정보를 받는지에. 개소에 대한 평균은 52.5㎍/㎥이며 도로변 측정소는. 대한 분석을 실시하였으며 Figure 3과 같이 제시하였. 59.2㎍/㎥로 도로변 측정소가 6.7㎍/㎥높은 평균을 나. 다. 본 연구 과정에서 사용된 데이터는 2018년도 1. 타낸다.. 월~4월 데이터이며 PM10의 경우, 39개의 측정소 중. 188. 「지적과 국토정보」 제48권 제2호. 2018. PM2.5의 경우 영등포로와 영등포구 측정소가 나란.

(5) 보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구. (a). 31.5㎍/㎥로 도로변측정소가 높은 값을 나타낸다. 이처럼 PM10과 PM2.5는 지역별, 측정소 구분별로 다른 농도 분포 경향을 보여주고 있다. PM10의 경우 측정소의 값이 도로변 측정소 주변에서 높게 측정되 는 결과를 확인하였으며 이를 통해 PM10의 발생원인 중 도로변 교통량 및 경유 사용량이 높은 영향력을 가 진다는 결론을 도출할 수 있다. PM2.5의 경우는 도로 변 측정소와 도시대기 측정소 구분에 따른 차이점은 확인할 수 없으나 공간적인 분포에서 강서지역의 측. (b). 정소 값이 높게 측정된 수가 많이 밀집되어 있다는 것 이 확인 가능하다.. 4.2. 측정소와 행정동 중심 연결 분석 서울시는 2017년도 기준 424개의 행정동으로 분류 되어 있으며, 본 연구에서는 행정동의 대표점을 각 동 의 중심점으로 설정하여 본 연구를 진행하였다. 행정 동의 중심점은 지역의 공간적인 대표성을 나타내고 있기 때문에 중심점을 기준으로 접근하였다. 행정동 Figure 3. The PM monitoring stations mean value (Jan-Apr 2018) and spatial location distance between Dong center and PM monitoring stations (a) mean value of PM10 (b) mean value of PM2.5. 의 중심과 측정소의 거리를 분석한 결과로 각 측정소 의 공간적 범위를 파악하였다. Figure 4는 행정동 중심과 측정소의 연결선을 나타 냈으며 측정소의 원이 클수록 연결된 행정동이 많다 는 것을 의미한다. 서울시의 중심지역인 중구를 포함 하여 서울시 중앙 지역이 대부분 많은 행정동을 포함. 히 35.1㎍/㎥, 34.2㎍/㎥로 높게 나타나며 이는 다른. 하고 있는 것을 확인할 수 있다. Figure 4에서는 5가지. 행정구에 비해 영등포구의 PM2.5값이 높게 나타났다. 의 범례 중 균등수 분배를 실시하였다. 가장 많은 행정. 는 것이 확인가능하다. 도로변 측정소가 높게 나타났. 동과 연결된 측정소는 중구 측정소로 74개의 행정동. 던 PM10과 달리 PM2.5는 도시대기 측정소와 도로변. 을 나타내고 있으며 다음으로 많은 측정소는 종로구. 의 구분 없이 분포값을 보여준다. 가장 낮은 제공값을. 측정소로 중구와 연결된 행정동 중심의 차이가 38개. 나타내는 측정소는 종로(24.9㎍/㎥) 측정소이며 종로. 로 2배 이상의 차이가 나타난다. 가장 적은 행정동을. 측정소는 PM10도 가장 낮은 제공값을 제공하였다.. 포함하는 측정소는 강북구, 금천구, 노원구로 2개의. PM2.5의 평균은 30.8㎍/㎥로 나타났으며 가장 높은. 행정동 중심을 포함하고 있는 것을 확인할 수 있다. 많. 값과 낮은 값의 편차는 10.2㎍/㎥이다. 도시대기 측정. 은 행정동 중심을 포함하는 중구, 종로구, 마포구 등의. 소의 평균은 30.5㎍/㎥이고 도로변 측정소의 평균은. 지역은 측정값의 제공부분에서 중요도가 높다고 판단 Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 189.

(6) 정종철. Figure 4. Distribution of PM monitoring station locations and administrative connection numbers. Figure 5. Area of administrative connection locations selected by Voronoi algorithm. 할 수 있다.. Table 1. Comparison of Voronoi area and administrative center number. 4.3. 보로노이 알고리즘을 활용한 측정소 공 간범위 보로노이 분석을 활용하여 현 미세먼지의 측정소 넓이에 대한 해당 측정소의 측정값 제공 범위를 확인. Div. Monitoring Station. Area (㎢). Connect Dong. U. Gwanak. 19.2. 5. U. Gwangjin. 18. 7. R. Jeongneung. 17.5. 11. U. Gangnam. 16.8. 3. 하였다. 보로노이 알고리즘을 활용하여 만들어진 면. U. Mapo. 16.2. 30. 적은 해당 측정소의 측정값 제공 범위를 나타낸다. 39. U. Seodaemun. 12.7. 8 9. R. Hongneung. 12. U. Seocho. 12. 5. U. Seongbuk. 11.8. 12. U. Eunpyeong. 10.4. 8. R. Yeongdeungpo. 9.5. 12. 이 면적과 연결된 행정동 중심을 나열한 것이며 보로. R. Dosan. 8.7. 4. 노이 면적이 높은 순서대로 나열하였다.. U. Jung. 8.5. 74 29. 개의 측정소 서울시의 중심부에 있는 19개의 측정소 를 선정하였다. Figure 5는 선정된 보로노이 지역을 나타내고 있으며 행정동과 연결된 측정소를 보로노이 영역과 중첩시킨 그림이다. Table 1은 측정소 보로노. Table 1은 선정된 측정소를 보로노이 면적별 내림 차순으로 나열되었다. 서울 시민들에게 제공되고 있 는 미세먼지 정보는 위치기반을 기준으로 자신에게 가장 가까운 미세먼지 측정소의 값이다. 만들어진 보 로노이 다각형은 측정소 사이의 같은 거리의 점의 집 합으로 만들어졌으며, 즉 보로노이 사각형의 면적은 해당 측정소의 정보 제공범위를 나타낸다. 가장 넓은 제공범위를 보여주는 관악구 측정소의 경우 보로노이. 190. 「지적과 국토정보」 제48권 제2호. 2018. R. Hangang. 8.5. U. Seongdong. 7.1. 3. U. Dongdaemun. 6.7. 22. R. Jong. 5. 23. U. Jongno. 4.3. 36. R. Cheonggyecheon. 2.6. 24. Division U: urban monitoring station R: Roadside monitoring station.

(7) 보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구. 면적이 19.2km를 나타내고 있으며 이는 가장 적은 제. 내에 포함되어 있는 측정소의 등급을 나열하였으며. 공범위를 보여주는 청계천로 측정소의 면적 2.6km의. Table 2와 같다. 분류 결과 1등급 분류를 받은 측정소. 7배를 넘는 제공범위를 보여준다. 가장 많은 행정동의. 는 없었으며 광진구 측정소 1곳이 2등급 분류값을 나. 중심과 연결된 측정소는 중구 측정소이며, 해당 지역. 타냈다. 즉 해당 지역 광진구측정소는 다른 측정소 설. 은 다른 지역에 비해 다양한 행정동지역에 그 측정값. 치지역에 비해 주거지역과 근린생활권 PM배출원이. 을 제공하고 있다.. 밀집되어 있음을 확인할 수 있다. 광진구 측정소를 제 외하고 나머지 18개의 측정소는 3~5등급의 분류값을. 4.4. 보로노이 지역 공간변수 분포. 나타내는데 해당지역은 공간변수 전체적인 밀집도를 기준으로 계산할 시 다른 지역에 비해 밀집도가 낮게. 보로노이 분석에 의한 19개의 선정지역과 중첩되는. 나타나는 지역이라고 확인된다.. 헥사곤 격자를 활용하여 환경변수의 분포를 확인하였 다. 사용된 변수는 단독주택, 공동주택, PM배출원(공. 5. 연구결과 및 고찰. 장, 쓰레기처리시설, 위험물처리시설), 제1종 근린생 활건물, 제2종 근린생활건물이며 이와 비교를 위해 인 구밀도분포를 확인하였으며 Figure 6과 같다. 단독주택과 공동주택의 경우 광동구, 동작구, 서대. 본 연구에서는 행정동 중심을 대표지점으로 선정하 여 측정소의 영향권을 판단하였으며, 환경변수의 공 간분석을 통해 다음과 같은 결과를 도출하였다.. 문구 지역에 공간적으로 높은 분포 경향을 보여주고. 첫째, 2018년 1월, 2월, 3월, 4월의 경우 PM10은 강. 있으며 근린생활권 1종과 2종 또한 중구지역에서 높. 남지역이 높은 평균 분포값을 보여주고 있으며 PM2.5. 은 분포 경향을 나타낸다. 이와 같이 거주지역과 근린. 는 강서지역이 높은 평균 분포값을 보여준다. 둘째, 보. 생활권 지역은 서로 분포경향이 공간적으로 비슷하게. 로노이 알고리즘을 통한 면적분석 결과 서울시의 측. 나타나는 것을 알 수 있다. 공장, 쓰레기처리시설, 위. 정소별 미세먼지 정보 제공면적은 최대 19.2km, 최소. 험물처리시설은 그 수가 적어 이를 하나의 그룹으로. 2.7km다. 즉 최대-최소 면적 배당이 7배 이상 차이가. 묶어 PM배출원으로 정하였다. PM배출원의 경우 성. 나며, 가장 넓은 지역을 제공하는 관악구 측정소는 다. 동구 지역에 밀집되어 분포되어 있으며 다음 지역으. 른 측정소에 비해 해당 면적 내에서 공간적 범위의 정. 로는 중구, 양천구, 구로구로 나타난다.. 확성이 낮은 미세먼지 측정값을 미세먼지 앱으로 제 공할 수 있다고 판단된다. 셋째, 서울시 내에 공간변수. 4.5. 커널분석을 통한 측정소 공간적 평가. 들을 통한 밀집도 공간분석 결과 광진구 측정소가 가 장 높은 등급을 보여주고 나머지 지역은 밀집도. 커널분석을 통한 공간변수의 분포지도를 헥사곤. 가 낮게 나타난다.. 격자와 접합하여 통합적인 밀집도 분포지도를 제작하. 본 연구에서는 사용된 5가지의 공간변수를 제외한. 였으며 Figure 7과 같다. 밀집도의 범례는 등간격으로. 풍향, 풍속, 교통량 등의 환경변수를 활용할 수 있다고. 5개의 분류로 나누었으며 밀집도가 높을수록 본 연구. 판단하며, 공간분석 결과물로 만들어진 밀집도 분포. 에서 사용된 단독주택, 공동주택, 근린생활권, PM배. 지도는 기존의 환경부에서 제공한 인구밀도와 거리를. 출원의 공간적인 분포의 밀집도가 높은 것을 나타낸. 고려한 방법 외에 근린생활권과 PM배출원이라는 공. 다. 만들어진 분포지도 범례를 토대로 보로노이 면적. 간적인 변수를 활용하여 기존보다 세밀한 측정소 선 Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 191.

(8) 정종철. (a). (b). (c). (d). (e). (f). Figure 6. Distribution of environmental variables in the Voronoi region (a) single lives, (b) apartments, (c) First-class neightborghood living, (d) Second-class neightborghood living (e) PM Sourece, (f) Population density. 192. 「지적과 국토정보」 제48권 제2호. 2018.

(9) 보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구. (a). (b). (d). (c). (e). ⇩. Figure 7. Total density distribution map with hexagon grid (a) single lives, (b) apartments, (c) First-class neightborghood living, (d) Second-class neightborghood living (e) PM Sourece, (f) Population density.. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 193.

(10) 정종철. Table 2. Monitoring stations density ration table. Location of Air Pollution Monitoring Networks. Div. Monitoring Station. level. in Urban Area Using GIS : Focused on the case. U. Gwangjin. 2. of Seoul City. Journal of the Korean Society of. U. Gwanak. 3. Disaster Information. 12(4):358-365.. R. Hongneung. 3. U. Seongbuk. 3. R. Hangang. 3. U. Dongdaemun. 3. R. Jong. 3. Ghim YS, Choi YJ, Park JS, Kim CH. 2014. An. R. Cheonggyecheon. 3. Assessment Study for the Urban Air Moni-. R. Jeongneung. 4. toring Network in Seoul. Journal of Korean. U. Mapo. 4. U. Seodaemun. 4. R. Yeongdeungpo. 4. U. Seongdong. 4. 김효정, 조완근. 2012. 공간 보간법을 이용한 도시지역. U. Jongno. 4. 미세먼지 측정소의 배치 적절성 평가. 한국지형. U. Gangnam. 5. 공간정보학회지. 20(2):3-13.. U. Seocho. 5. U. Yeongdeungpo. 5. R. Dosan. 5. U. Jung. 5. Division U: urban monitoring station R: Roadside monitoring station. 김영성, 최용주, 박지수, 김찬혁. 2014. 서울지역 도시 대기측정망 평가 연구. 한국대기환경학회지. 30(5):504-509.. Society for Atmospheric Environment. 30(5): 504-509.. Kim HJ, Joe WK. 2012. Assessment of PM-10 Monitoring Stations in Daegu using GIS Interpolation. Journal of the Korean Society. for Geospatial Information Science. 20(2): 3-13. 박노욱. 2011. 시계열 환경변수 분포도 작성 및 불확 실성 모델링 : 미세먼지(PM10) 농도 분포도 작성. 정지표가 될 수 있다고 판단된다.. 사례 연구. 한국지구과학회 논문집. 32(3):249264.. 사사. Park NW. 2011. Time-series Mapping and. 본 연구는 남서울대학교 2018년 교내 연구과제의 지원에 의해 수행됨.. 참고문헌. References. Uncertainty. Modeling. of. Environmental. Variables: A Case Study of PM10 Concentration Mapping. Journey of the Korean Earth. Science Society. 32(3):249-264. 박순애, 신현재. 2017. 한국의 초미세먼지(PM2.5)의. 김아영, 권창희. 2016. GIS를 이용한 도심지 대기오염. 영향요인 분석 : 풍향을 고려한 계절성 원인을 중. 측정망 최적위치 선정에 대한 연구 : 서울특별시. 심으로. 한국환경정책학회 논문집. 25(1):227-. 를 대상으로. 한국재난정보학회 논문집. 12(4) :. 248.. 358-365. Kim AY, Kwon CH. 2016. Study on Optimal. 194. 「지적과 국토정보」 제48권 제2호. 2018. Park SA, Shin HJ. 2016. Analysis of the Factors Influencing PM2.5 in Korea : Focusing on.

(11) 보로노이 기법과 밀도분석을 활용한 미세먼지 측정소 공간적 위치 문제 연구. Seasonal Factors. Journal of the KCI. 25(1):. and temporal variability of PM2.5 and PM10. 227-248. over the North China Plain and the Yangtze River Delta, China. Journey of the Environ-. 이종현, 김영민, 김용구. 2017. 공간패널모형을 이용한. mental Research. 95:598-609.. 국내 초미세먼지 농도에 대한 분석. 한국데이터 정보과학회 논문집. 28(3):473-481.. Wang YQ, Zhang XY, Sun JY, Zhang XC, Che HZ, Li. Lee JH, Kim YM, Kim YK. 2017. Spatial panel. Y. 2015. Spatial and temporal variations of the. analysis for PM2.5 concentrations in Korea.. concentrations of PM10, PM2.5 and PM1 in. Journal of the Korean Data & Information. China. Journey of the Atmospheric Chemistry. Science Society. 28(3):473-481.. and Physics. 15:13585-13598.. Myrna M.T. de Rooij, Dick J.J. Heederik, Floor Borlée, Gerard Hoek, Inge M. Wouters. 2017. Spatial and temporal variation in endotoxin. 2018년 09월 26일 원고접수(Received). and PM10 concentrations in ambient air in a. 2018년 10월 08일 1차심사(1st Reviewed). livestock. dense. area.. Journey. of. the. 2018년 10월 29일 2차심사(2st Reviewed). Environmental Research. 153:161-170.. 2018년 11월 22일 게재확정(Accepted). Hu JL, Wang YG, Ying Q, Zhang HL. 2014. Spatial. 초록 서울시에서 시민들이 사용하는 미세먼지 앱은 위치기반으로 자신의 위치에서 가장 가까운 측정소 의 미세먼지 농도를 제공받는다. 현재 환경부에서 고려하는 미세먼지 측정망 선정 방법은 측정소의 분포 및 인구밀도를 고려한 방식과 지도상의 표현방식이 주 결정방법이나 인위적인 변수 및 다른 환 경요인을 고려하지 않는다. 본 연구에서는 미세먼지 측정소와 행정동의 대표성을 보여주는 행정동 중 심점을 활용하여 측정소와 동중심의 거리에 대해 분석하였으며, 측정값을 제공하는 측정소의 개수를 확인하였다. 또한 보로노이 알고리즘과 헥사곤 격자를 활용하여 각 측정소의 제공범위를 면적으로 나 타내며 현 측정소의 공간적인 위치의 문제점을 지적하였다. 공간분석을 위한 환경변수는 단독주택, 공동주택, 제1종 근린생활권, 제2종 근린생활권, 쓰레기처리장, 위험물처리시설, 공장이며 분석결과로 만들어진 신규 측정소 위치는 기존의 환경부에서 제공하는 선정기준이 아닌 추가적인 변수를 고려한 선정기준을 제시하였다. 주요어 : 보로노이, 미세먼지, 대기오염 측정망, 밀도분석. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 195.

(12)