날씨를 예측하는 것과 마찬가지로 대기 오염 수준과 대기 질을 예측하는 모델도 있습니다. 일기 예보 모델보다 더 복잡한 예보 모델이 많이 있습니다. 이러한 모델은 대기 중 오염 물질이 공기 중에 어떻게 분산되는지에 대한 수학적 시뮬레이션입니다(1).

대기질 정보가 필요한 이유

대기 오염은 주변 공기에 인간과 동물의 건강에 해롭거나 식물과 물질에 손상을 입힐 만큼 충분한 양의 가스, 먼지, 연기 또는 악취가 포함되어 있을 때 발생합니다.

대기 오염은 우리 시대의 가장 큰 살인자 중 하나입니다. 오염된 공기는 매년 전 세계적으로 약 700만 명이 사망하는 원인으로 추정되는데, 이 중 약 300만 명이 가정 내 공기 오염으로, 400만 명이 주변(실외) 공기 오염으로 사망합니다(2)(3). 데이터에 따르면 전 세계 대기 오염은 다음과 관련이 있는 것으로 나타났습니다:

• 모든 심혈관 질환 사망의 19%
• 허혈성 심장 질환 사망의 24%
• 뇌졸중 사망의 21%
• 폐암 사망의 23%(4)

또한 실외 공기 오염은 어린이의 신경 발달 장애(5)와 성인의 신경 퇴행성 질환(6)의 중요한 위험 요인으로 작용하는 것으로 나타났습니다.

대기 오염으로 인한 경제적, 생태적, 인명 피해로 인해 대기 오염을 예측하는 기술은 점점 더 중요한 노력이 되고 있습니다.

대기 오염 정보 및 예보의 이점

대기 오염 예보는 개인, 지역사회, 국가, 전 세계 등 다양한 차원에서 가치 있는 투자입니다. 정확한 예측은 사람들이 미리 계획을 세우고 건강에 미치는 영향과 관련 비용을 줄이는 데 도움이 됩니다.

사람들이 호흡하는 공기의 질 변화, 오염 물질이 건강에 미치는 영향, 부작용을 일으킬 수 있는 농도를 알면 개인 행동과 공공 정책(7)(8) 모두에서 변화를 유도할 가능성이 높아집니다.

이러한 인식은 더 깨끗한 환경과 더 건강한 인구를 만들 수 있는 잠재력을 가지고 있습니다. 또한 정부는 조기 예측을 활용하여 지역 오염 수준의 심각성을 줄이기 위한 절차를 수립합니다(9).

대기질 예보의 정확성

대기질을 예측할 때는 고려해야 할 변수가 많으며, 그 중 일부는 예측하기 매우 어렵습니다. 예를 들어, 베이징 당국은 때때로 석탄 발전소와 공장에 폐쇄 명령을 내리고 베이징에 등록된 수백만 대의 차량 중 일부의 운행을 금지하기도 합니다(10).

대기 오염 수준은 지역 기상 조건 및 인근 오염 배출량(11)(12)과 밀접한 상관관계가 있습니다. 그러나 강풍을 통한 오염 물질의 장거리 이동도 중요한 영향 요인이므로 지역 대기질 지수 수치를 예측할 때 반드시 고려해야 합니다(13).

따라서 대기질을 예측하려면 일기 예보의 어려움뿐만 아니라 대기질에 대한 데이터와 지식도 필요합니다:

• 지역 오염 물질 농도 및 배출량
• 먼 곳의 오염 물질 농도 및 배출량
• 오염 물질의 이동 및 가능한 변화
• 우세한 바람

대기질을 예측하는 데는 여러 가지 요인이 작용하기 때문에 대기 오염 예측은 주관적이면서도 객관적일 수 있습니다.

대기 질 예보 기술

이러한 예보 모델에는 여러 가지가 있으며, 모두 일기 예보 모델보다 더 복잡한 기술을 필요로 합니다. 이러한 모델은 대기 중 오염 물질이 공기 중에 어떻게 분산되는지에 대한 수학적 시뮬레이션입니다.

일기 예보

정확한 대기질 예보를 위한 첫 번째 단계는 정확한 일기 예보입니다. 기상(날씨) 예보는 기후학, 통계적 방법, 3차원(3D) 모델의 세 가지 주요 범주로 분류할 수 있습니다.

기후학

기후학에서는 과거를 미래의 지표로 사용합니다. 이 방법은 특정 기상 조건과 오염 수준 간의 관계를 기반으로 하므로 매우 일차원적일 수 있습니다. 이 방법은 종종 날씨 패턴과 오염 패턴의 매칭을 포함하도록 확장됩니다. 이 방법에는 많은 한계가 있으며 다른 예측 방법을 보완하기 위한 도구로 간주됩니다.

통계적 방법

다음 사이의 연관성 대기 질과 날씨 패턴의 연관성은 통계적 방법을 사용하여 정량화할 수 있습니다. 가장 일반적으로 사용되는 세 가지 방법은 다음과 같습니다:

1. 분류 및 회귀 트리(CART) 는 데이터를 서로 다른 그룹으로 분류하도록 설계되었습니다. 소프트웨어는 주변 오염 수준과 상관관계가 있는 변수를 식별합니다. 이 데이터는 기상 조건과 상호 연관된 오염 물질 농도를 기반으로 농도를 예측하는 데 사용됩니다.
2. 회귀 분석 변수 간의 관계를 추정합니다. 과거 데이터 세트를 분석하여 오염 수준과 기상 데이터 변수 간의 연관성을 파악합니다. 그 결과 미래의 오염 수준을 예측하는 데 사용할 수 있는 방정식이 만들어집니다.
3. 인공 신경망 은 적응형 학습과 패턴 인식 기술을 사용합니다. 컴퓨터 기반 알고리즘은 인간 두뇌의 패턴 인식 능력을 시뮬레이션하도록 설계되었습니다. 이는 다차원적인 접근 방식으로 인해 오염을 예측하는 데 가장 적합한 방법임에 틀림없습니다.

위의 통계적 방법의 한 가지 단점은 대기 질에 영향을 미치는 프로세스의 안정성을 가정한다는 것입니다. 따라서 배출량이나 기후의 급격한 변화(단기 또는 장기)는 이러한 기법의 정확성을 심각하게 떨어뜨릴 수 있습니다. 이러한 단점을 고려한 더 복잡한 방법이 있습니다. 이를 3차원 모델이라고 합니다.

3차원(3D) 모델

3차원 모델은 실외 공기 오염 수준에 영향을 미치는 모든 중요한 과정을 수학적으로 표현합니다. 3차원 모델은 다음과 같은 여러 하위 모델을 사용하여 대기 오염의 배출, 이동 및 변환을 시뮬레이션합니다:

• 배출 모델: 자연 및 인간 배출원 모두에서 발생하는 배출물의 공간 분포를 시뮬레이션합니다.
• 기상 모델: 3D 기상 모델과 배출량 데이터를 사용하여 주변 오염 수준을 예측하는 궤적 모델을 생성합니다.
• 화학 모델:1차(배출된) 오염이 2차 오염으로 변환되는 과정을 살펴보고 오염 물질의 결과를 결정합니다(14).

7일 대기 질 예보

IQAir's AirVisual 플랫폼 은 모바일 앱과 웹사이트를 통해 대기질 예보를 제공합니다. 실시간 대기질 정보, 날씨, 오염도 수치 외에도 7일간의 대기질 예보를 제공하므로 정보에 입각한 건강 및 웰빙 관련 결정을 내릴 수 있으며, 이에 따라 미리 계획을 세우는 데도 도움이 됩니다. 이 플랫폼은 고급 예측 모델, 진화하는 알고리즘, 머신 러닝을 사용하여 다음 주에 대한 정확한 공기질 예보를 생성합니다.

와 AirVisual의 7일 예보를 통해 개인과 정부는 대기 질 문제가 예상될 때 사전 조치를 취할 수 있습니다.

요점

오염 예보 기술과 도구는 빠르게 발전하고 있으며 그 정확도는 계속 높아질 것입니다. 정확하고 접근하기 쉬운 대기 오염 예보는 다음에서 확인할 수 있습니다. AirVisual와 같은 정확하고 접근 가능한 대기 오염 예보는 대중의 인식을 높이고, 민감한 사람들이 미리 대비할 수 있도록 하며, 정부에 공중 보건 경보를 위한 정보를 제공하는 데 도움이 됩니다.