Coincidence and association

72

또 하나의 정량적인 평가 방법인 Association 분석은 관측 과 예측값의 경향성이 얼마나 유사한지를 나타낸다(Smith and Smith, 2007). 그래서 Association의 F-value를 구하기 위해서는 관측과 모형과의 상관계수가 독립변수로 사용된다.

F = ( − 2) × 1 −

r : sample correlation coefficient

Coincidence(관측과의 오차)와 Association(변화 경향)을 분석하기 위해서는 관측의 개별 자료와 그것의 시·공간에 대한 구 체적인 정보가 필요하다. 그래서 우리나라 관측 자료로만 분석 할 수 있었다. 전반적으로 모형은 대기의 오염도 예측에 있어 관측과 비교해 볼 때 작은 오차를 갖고 있으며 관측의 오염도 변화 경향과 유사하게 오염도 예측을 하기 때문에 높은 수준의 예측력을 가진다 고 할 수 있다. 다른 매질에서 오염도는 물질에 따라 관측과의 오차 가 크거나 변화 경향이 유사하지 않은 경우가 있었다.

매질별로 구체적인 결과를 보면, 모형이 예측하는 대기의 오 염도는 기상 조건이 변화함에 따라 90% 신뢰구간 내에서 관측한 오염도와 유의미한 차이가 없으며 관측의 오염도 변화 경향과 같았 다(Table 2-8). 그리고 토양의 오염도 예측은 관측과 오차는 유의 미한 차이가 없었고 상대적으로 무거운 물질(BaP와 BghiP)을 제외 하고는 오염도 변화 경향 또한 90% 신뢰구간에서는 신뢰할 수 있 다.

지표수와 저토의 경우 BghiP와 BaP를 제외하고는 관측과

74

유의미한 오염도 차이가 있지만 실제 오차는 1 order of magnitude 이내로 적다. 또한 지표수와 저토에서 오염도 변화 경향은 Phe를 제외하고는 물질에 따라 통계적으로 유의미한 차이를 보이지 않는 다. 그리고 저토는 수체의 오염도와 직접적인 영향을 받는 매질이기 때문에 수체의 오염도 오차가 큰 경우에 저토의 오염도는 신뢰 할 수 없다. 그러므로 이후 기후변화의 영향을 분석하는데 있어 대기, 토양, 수체의 오염도 변화에 대해 언급하고 저토의 오염도 변화에 대한 분석은 제외한다.

Table 2-8. Performance of POPsLTEA indicated by Coincidence and Association.

Critical F* Phe Flr BaP BghiP

Air

Coincidence 1.87 1.103 1.861 0.829 0.132

Association 4.06 10.1182 11.242 6.090 6.197

Soil

Coincidence 2.33 1.640 2.014 0.605 0.995

Association 39.86 131.674 110.191 24.898 11.754 Water

Coincidence 2.23 3.470 6.704 18.805 1.506

Association 39.86 15.516 337.068 29.710 138.916 Sediment

Coincidence 2.23 3.005 2.519 0.429 2.867

Association 39.86 33.051 66.068 171.627 24.562

*Coincidence and association are statistically significant if F value < critical F and

F value > critical F, respectively.

76

따라서 본 연구에서 개발된 다매체모형의 오염도 예측은 일 부 지역의 매질과 물질을 제외하면 동아시아 지역 환경에서 PAHs 물질에 대해 통계적으로 유의한 신뢰도를 가진다. 그리고 기상 조건 의 변화에 따른 오염도 변화추세를 관측의 변화추세와 유사하게 예 측할 능력을 갖고 있다. 특히 대기에서 오염도 예측력의 수준이 높 기 때문에 모형이 기후변화로 인한 오염물질의 장거리 이동성 변화 를 분석할 수 있음을 의미한다.