KJT's Blog

• "Concentration/Uncertainty" 탭에서는 삽입된 오염물질 농도 및 불확도 데이터를 바탕으로 "S/N", "최소값(Min)", "25 백분위 값(25th)", "중앙값(50th)", "75 백분위 값(75th)", "최대값(Max)" 등과 같은 간단한 통계 정보를 보여준다. 
• 그리고 오른쪽에는 농도와 불확도 데이터를 바탕으로 "Scatter Plot" 형태의 그래프를 보여준다.
• 전형적인 농도와 불확도의 관계는 "Scatter Plot"에서 하키 스틱 형태를 가진다.

그림 2

• "S/N"은 농도(Signal), 불확도(Noise)로 계산된 값이다.
• 불확도를 초과하는 농도 값만 Signal로 계산에 이용한다.
• 불확도 2배의 값을 가지는 오염물질의 S/N 비는 "1" 이며, 주로 이 값을 넘어가면 "good" signal로 판단한다.
• 각 오염물질의 "카테고리(Cat)" 설정 시 중요한 매개변수가 된다. 
• 오염물질 농도(x), 불확도(s) 사이의 계산 방법은 그림 3과 같다. 

그림 3

• 오염물질별 카테고리 지정은 이 후에 실행될 PMF 모델링 내에서 각 오염물질들의 기여도를 계산할 때 중요한 역할을 하는 부분이다. 
• 주로 S/N 비, 결측 샘플 수, 검출 한계 미만의 샘플 수, 샘플링 및 분석 시 에러, 예상 배출원,  물질의 반응성 등에 대한 자세한 지식을 바탕으로 카테고리를 결정하는 것이 가장 이상적이다.
• 만약에 이러한 정보들이 부족하다면 S/N비를 사용하여 결정할 수 있다. 
• PMF 메뉴얼에서는 S/N비가 0.5보다 작으면 "Bad", 0.5~1 이면 "Weak"으로 결정한다고 되어 있다. 하지만 이는 연구자의 역량으로 변경이 가능할 것이다. 
• Strong : 샘플 및 불확도 변경 없이 모든 데이터 사용
• Weak : 모든 샘플 사용하지만, 불확도를 기존 값의 3배로 변경
• Bad : 모든 샘플 및 불확도 정보를 PMF 모델링에서 제외
• 화면 하단에 있는 "Total Variable (Defaults to Weak)" 버튼은 오염물질들이 이루는 전체 성분을 표시해준다. 여기에서는 모든 오염물질이 PM2.5의 구성요소이므로 PM2.5를 "Total Varible"로 지정해준다. 
• 이 후 PM2.5 부분은 굵은 글씨로 바뀌게 되고, 카테고리가 "Weak"으로 자동으로 바뀌게 된다. 

그림 4

• "Concentration Scatter Plot" 탭에서는 오염물질 사이의 상관 관계 확인 및 배출원 및 배출원 범주에 대한 예상을 할 수 있다. 
• 각 오염물질 간 one-to-one 그래프 및 선형 회귀 그래프를 확인할 수 있다.
• 마우스를 데이터 점으로 가져가면 아래쪽에 날씨/시간, X/Y축 오염물질의 농도가 나타나고, 그 옆으로 회귀 그래프의 회귀식이 나타난다. 

그림 5

• "Concentration Time Series"탭에서는 시간 패턴에 따른 농도 변화 및 비정상적 이벤트 여부를 확인할 수 있다.
• 최대 10개의 오염물질을 동시에 선택해서 비교해볼 수 있으며, 패턴 분석을 통해 배출원 공유 여부의 예상이 가능하고, 모델링 진행 시 제외해야할 데이터를 확인하고 바로 제외할 수 있다. 
• 특정 데이터를 제외하고자 할 때에는 데이터를 클릭한 후, "Exclude Samples" 버튼을 클릭하면 실행된다. 이는 데이터의 삭제가 아니라 모델링 진행에서 제외되는 개념이다.
• 제외된 데이터를 다시 추가하고 싶으면, 제외된 데이터를 선택한 후, "Restore Samples" 버튼을 클릭하면 된다.
• 마우스 클릭으로 데이터 선택이 어려울때에는 근처에 있는 다른 데이터를 클릭한 후, 키보드의 좌/우 키로 데이터 선택이 가능하다.

그림 6

• "Data Exceptions" 탭에서는 이전의 모든 탭에서 실행된 "카테고리 설정", "제외된 데이터" 등과 같은 내용이 표시된다. 
• 연구자는 이러한 정보를 검토하여 PMF 모델링 실시 전 데이터의 최적화를 확인해야한다. 
• 이 보고서는 화면에서 마우스 오른쪽 클릭을 통해 저장할 수 있다. 

그림 7

참고문헌

1. EPA Positive Matrix Factorizatoin (PMF) 5.0 Fundamentals and User Guide, https://www.epa.gov/sites/production/files/2015-02/documents/pmf_5.0_user_guide.pdf

1. PMF 모델 프로그램을 설치한 후, 실행하면 그림 1와 같은 화면이 나타난다.

• 먼저 오염물질의 농도 데이터 파일과 미리 계산된 불확도 파일을 삽입해야 한다.
• "Concentration Data File" 부분의 오른쪽에 있는 "Browse" 버튼을 클릭하여 농도 파일을 삽입한다. 
• 농도 파일을 삽입하면 바로 아래에 "Uncertainty Data File"부분이 활성화 되며, 농도 파일과 같은 방식으로 불확도 파일을 삽입하면 된다.
• "txt, csv, xls 또는 xlsx" 확장자를 가지는 파일만 사용할 수 있다. 
• 필자는 "CSV" 파일 사용을 추천한다. 
• "xls 및 xlsx" 형태로 수차례 실험해 본 결과, 원인을 알 수 없는(도대체 왜 안되는겨?) 오류가 계속해서 나타났다.
• "CSV"는 워크시트를 하나만 포함할 수 있기 때문에, 먼저 엑셀로 작업한 후 raw 데이터는 따로 보관하고, 데이터 및 불확도 워크시트를 따로 "CSV"로 저장하여 사용하면 된다. 
• 이 글에서는 프로그램 사용법 소개 수준이므로 PMF 프로그램 설치 시 함께 제공되고, PMF 메뉴얼에서 설명을 위해 사용되는 "Dataset-Baltimore_*.txt" 파일을 사용한다.

그림 1

그림 2

그림 3

1. 먼저 HYSPLT 모델 실행을 위한 사이트에 접속한다. 

• Air Resources Laboratory 링크

2. 그리고 "Compute archive trajectories"를 클릭한다.

3. 다음 화면은 역궤적을 확인할 장소의 수 및 궤적 타입을 설정하는 부분인데, 연구 목적에 따라 적절히 지정하면된다. 자세한 설명은 "Note" 및 "Detail" 부분을 잘 읽어보자.

• 이 글에서는 "1" 및 "Normal"로 설정했다.

4. 다음에는 "기상 데이터" 및 "역추적 장소"를 특정하는 창이 나타난다. 

• "Meteorology"의 드롭박스를 클릭하면 다양한 기상 데이터 포맷이 나오는데, 연구 목적에 맞게 적절히 설정해주면 된다. 
• 여기에서는 Global Data Assimilation System (GDAS, 1 degree)  데이터베이스를 설정했다. 
• 기상 데이터베이스 정보 링크
• 기상 데이터를 설정한 후, 아래 쪽에서 "역추적 장소"의 위도/경도 또는 그 지역을 특정 할 수 있는 정보를 입력해주면 된다. 
• 위도/경도는 여러 지도 사이트(구글 지도, 네이버 지도 등)에서 확인이 가능하며, 여기에서는 "울산시청"을 선정하였다. 

5. 다음 화면에서는 역궤적 분석을 위한 자세한 설정을 변경 할 수 있는 창이 나타난다. 

• 먼저 "Trajectory direction" 부분에서 "Backward"를 선택해 준다.
• 그리고 "Start time"을 지정해준다. 여기서는 "8월 12일 00시"에 시작하는 것으로 설정했다.
• "Total run time (hours)"에서 총 역궤적 시간을 설정해 준다. 여기서는 "24"시간으로 설정했다.
• 제일 아래쪽에서는 "고도"를 설정 할 수 있으며, 지상고도(Above Ground Level, AGL) 및 해발고도(Metres Above Sea Level, MASL) 설정도 가능하다. 여기에서는 500, 250, 100m의 지상고도를 설정하였다.
• 총 설정 내용은 "8월 12일 00시"부터 "24시간"동안 "울산 시청"으로 500m, 250m, 100m 지상고도에서 이동한 대기의 흐름을 "역궤적분석(Backward)"하는 것이다.

• 아래로 스크롤 해보면, "Display Options"가 나온다.
• "Googld Earth" 포맷으로도 output이 가능하다. 
• 제일 아래쪽에서는 기상데이터의 포함 여부 또한 설정이 가능하다.
• 연구 목적에 맞게 적절히 설정하자.

6. 궤적분석 요청 버튼을 "한번만" 클릭하면 처음에는 바로 아래와 같은 화면이 나타나는데, 잠시만 기다리면 그 다음 화면으로 자동으로 새로고침된다. 

• 기본적으로 "GIF Plots"및 "PDF Plots"가 나타나지만, 여기에서는 "Google Earth" 포맷을 설정하였기 때문에 이 또한 함께 나타났다. 
• 표 아래 ".gif", ".pdf", ".kmz" 등을 클릭하면 해당되는 포맷으로 결과를 다운로드 할 수 있다. 

7. 결과를 다운로드 한 결과이다. (GIF 및 Google Earth)

• "Google Earth"의 경우에는 대기의 이동 경로를 영상으로도 확인이 가능하다.
• 해보진 않았지만 파워포인트 등과 같은 발표 자료 만들 때 좀 더 이쁘게 꾸밀 수 있을 것 같다. 

• 이상으로 대기 역궤적(Backward Trajectory) 분석 방법을 간단하게 알아보았다.
• HYSPLIT 모델은 이 글과 같이 간단한 분석과 함께 "화산재 확산" 등과 같이, 대규모 오염물질의 대기 이동에 의한 영향을 파악하는데 유용하기 때문에, 필요하다면 더욱 공부하여 활용 범위를 높이는 것도 좋을 것 같다. 

• 수용 모델의 목표는 측정된 물질들의 농도와 배출원 정보 사이의 Chemical Mass Balance (CMB)를 요인의 수 p, 각 배출원의 오염물질 정보 f, 개별 샘플에 개별 요인이 기여하는 질량의 양 g (특정 배출원에 대한 배출량, 즉 측정기간에 대한 오염원의 강도 (strength))를 사용하여 계산하는 것이다.

• i : 샘플의 수, j : 오염물질 종류, x : i 개의 시료에서 측정된 j 개의 오염물질로 나타낸 데이터 행렬, e : 잔차(나머지) 행렬 (residual matrix)

• 모델의 최적화를 위한 Objective Function Q는 PMF의 중요한 매개변수로써 모델 내 반복 알고리즘을 통해 최소화된다.

• u : 불확도 (uncertainty), 계산식의 분자는 잔차(나머지) e

• Q는 2가지 버전(true, robust)으로 모델 내에서 표시된다.
• Q (true) : 모든 포인트를 포함하여 계산된 값
• Q (robust) : 불확도로 수정된 잔차(나머지)가 4 이상인 샘플들을 제외한 후 계산된 값
• 불확도가 매우 커지면, 두 파라미터는 비슷한 값을 가지게 된다.

• 모든 샘플은 개별 불확도를 가져야 하며 이의 계산 방법은 여러 가지가 있으며, 연구자는 연구 방향에 맞는 최적의 계산 방법을 결정하여야한다.

• MDL (Method Detection Limit) : 방법검출한계

미세먼지 데이터의 PMF 모델링 분석을 위한 불확도 계산 방법 리스트

• 위의 계산 방법들은 농도값이 MDL 보다 클 때 사용한다.

• 이상으로 US PMF 모델에 대한 간단한 소개와 함께 불확도 계산 방법에 대하여 알아보았다.

참고 문헌

1. US EPA 메뉴얼 
2. https://m.blog.naver.com/PostView.nhn?blogId=chylook&logNo=70074232400&proxyReferer=https%3A%2F%2Fwww.google.com%2F, 
3. Adam R., Shelly I. E., and Prakash V. B., Receptor Modeling of Ambient Particulate Matter Data Using Positive Matrix Factorization: Review of Existing Methods, J. Air & Waste Manage. Assoc., 2007, 57:146-154

1. OpenAir 패키지는 데이터 내 풍향/풍속 값을 이용하여 바람장미를 그리는 기능을 제공하고 있다. 

• 아래와 같은 아주 간단한 코드를 이용하면 데이터 내 모든 풍향/풍속 자료를 사용하여 바람장미를 생성해준다.

windRose(mydata)

2. 또한 "windRose" 코드 안에 "type" 옵션 코드를 사용하면 여러 가지 형식으로 바람장미를 그릴 수 있다. 

• 여기서는 한 예로 "year" 옵션을 사용해 보았다.
• 여러 가지 옵션을 조합해서 사용이 가능하며 자세한 내용은 메뉴얼을 참고하기 바란다. 

3. 또 하나 유용한 기능은 "type" 옵션 코드에서 옵션을 오염물질로 지정하면 일정 농도 범위별 바람장미가 그려지는 것이다.

• 여기서는 "pm10"을 한 예로 실행해 보았다.
• "type" 옵션을 오염물질로 지정하면, 기본적으로 4개의 데이터 범위에 따른 풍향/풍속 정보를 바람장미로 나타난다. 
• 'pm10" 결과에서는 농도가 "1 to 22", "22 to 31", "31 to 44", "44 to 801"로 구분되었고, 각 농도 범위별로 바람장미가 그려졌다.
• 이러한 결과를 바탕으로 연구자는 저농도일 때 나타나는 주 풍향/풍속과 고농도일 때 나타나는 주 풍향/풍속을 비교해 볼 수 있을 것이다.

windRose(mydata, type = "pm10")

4. 기타 다른 적용 가능한 옵션들은 다음과 같다.

참고 문헌 : OpenAir 메뉴얼  http://www.openair-project.org/PDF/OpenAir_Manual.pdf

1. 데이터를 구분할 때 가장 많이 사용하는 변수 중 하나는 "계절"이다.

• 지금 사용하고 있는 샘플 데이터는 연월일 및 시간별로 각 오염물질의 농도를 표시하고 있다.
• 전체 샘플 데이터를 계절별로 정리하는 방법은 매우 간단하다.

2. 다른 데이터들을 범위별로 구분하고 싶다면 코드 내 "season" 대신 다른 데이터의 이름을 적용하면 된다.

• 구분 구간을 정하지 않으면 기본적으로 4개의 레벨로 구분되며, 더 많거나 적은 구간으로 나누고 싶다면 "n.levels" 코드를 추가하면 된다.

2. 다음으로 데이터의 기본적인 통계 정보를 확인하는 방법이다.

• "summary"라는 간단한 코드로 데이터 내 각 물질별 최소값, 최대값, 중간값, 평균값 등을 확인할 수 있다.

summary(mydata)

3. 앞서 "summary" 코드로 확인된 내용을 그래프 형식으로 표현할 수 있다.

summaryPlot(mydata)

4. "summaryPlot"에서 여러 조건 코드를 추가하여 형태 및 내용을 변경 및 추가할 수 있다.

참고문헌 : OpenAir  메뉴얼  http://www.openair-project.org/PDF/OpenAir_Manual.pdf