A Study on Particle Type Classification Algorithm Using Scanning LiDAR Data

Abstract

미세먼지는 입자의 직경에 따라 PM10과 PM2.5로 구분된다. 미세먼지의 유해성과 사회적 불안을 고려할 때, 배출원을 정확하게 파악하고 감시 및 관리하는 것이 필수적이다. 현재까지는 지점관측 및 수동형 원격감시 방법이 주로 활용되었으나, 미세먼지의 수평적 분포를 실시간으로 파악하는 데 한계가 있었다. 이에 따라 거리 정보를 정확하게 파악할 수 있는 라이다(LiDAR)를 활용한 대기질 측정 방법이 제안되었다. 하지만, 현재까지의 스캐닝 라이다로부터 산출되는 데이터는 대기 입자의 유형을 구분하지 못하고 공장 등에서 배출되는 물방울도 대기 입자와 동일하게 표현하고 있다. 이에 본 연구는 스캐닝 라이다에서 산출되는 옹스트롬 지수와 편광소멸도를 이용하여 대기 입자를 일반 미세먼지, 비산먼지, 그리고 물방울 입자로 구분하고 시각화에서 물방울은 자동으로 제거하여 표출하는 분석법을 개발하고자 하였다. 본 연구에서는 2022년 2월 16일부터 3월 29일까지 충청남도 당진(36°59'07.7"N 126°44'44.2"E)에서 측정된 스캐닝 라이다 측정 데이터를 분석하였다. 기존 라이다 데이터 분석법 적용시 옹스트롬 지수 산출에 필요한 1064 nm의 소산계수 분석에서 낮은 소산효율로 인한 불안정한 옹스트롬 지수 계산이 확인되었다. 이를 해결하기 위하여 입자 부피크기 분포를 랜덤으로 모의하여 얻은 PM2.5 비율과 옹스트롬 지수의 관계를 이용하여 1064 nm 소산계수를 보정하도록 알고리즘을 개선하였다. 편광소멸도 값의 보정은 수신 시에 정확한 신호 구분이 어려운 문제를 해결하고, 다양한 연구를 통해 얻어진 대기 중 에어로졸의 편광소멸도 값인 0.03을 일반 대기입자의 기준 편광소멸도로 설정하였다. 옹스트롬 지수와 편광소멸도의 보정 이후, 물방울 입자에 의한 고농도 피크가 발생한 사례를 분석한 결과, 옹스트롬 지수는 -0.1보다 작고, 편광소멸도는 0.07보다 작은 값을 가지는 특성을 확인할 수 있었다. 이러한 결과를 시각화하여 물방울 입자를 효과적으로 제거하고, 비산먼지 입자에 의한 고농도 사례는 그대로 유지하는데 성공하였다. 본 연구를 통해 광범위한 지역에서의 미세먼지 현황을 실시간으로 평가할 수 있으며, 대기오염 감시체계를 강화하고 환경 정책 수립에 긍정적인 영향을 미칠 것으로 기대된다.