KR20090098127A - Air pollution monitoring system and method - Google Patents
Air pollution monitoring system and method Download PDFInfo
- Publication number
- KR20090098127A KR20090098127A KR1020080023323A KR20080023323A KR20090098127A KR 20090098127 A KR20090098127 A KR 20090098127A KR 1020080023323 A KR1020080023323 A KR 1020080023323A KR 20080023323 A KR20080023323 A KR 20080023323A KR 20090098127 A KR20090098127 A KR 20090098127A
- Authority
- KR
- South Korea
- Prior art keywords
- pollutant
- modeling
- information
- air
- pollutants
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000003915 air pollution Methods 0.000 title claims description 5
- 238000009826 distribution Methods 0.000 claims abstract description 163
- 239000000809 air pollutant Substances 0.000 claims abstract description 117
- 231100001243 air pollutant Toxicity 0.000 claims abstract description 117
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 239000003344 environmental pollutant Substances 0.000 claims description 195
- 231100000719 pollutant Toxicity 0.000 claims description 195
- 230000008569 process Effects 0.000 claims description 15
- 230000006872 improvement Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 description 5
- 238000001556 precipitation Methods 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000000356 contaminant Substances 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 대기 오염물질을 모니터링하는 기법에 관한 것으로, 더욱 상세하게는 지형 상태 등을 고려하여 미래의 기상 정보를 예측하고, 이 예측된 미래 기상 정보와 오염원 배출 정보에 기반하여 미래 대기 오염물질의 농도 분포를 모니터링하는데 적합한 시스템 및 그 방법에 관한 것이다.The present invention relates to a technique for monitoring air pollutants, and more particularly, to predict future weather information in consideration of terrain conditions, and the like, based on the predicted future weather information and pollutant emission information. A system and method suitable for monitoring concentration distributions.
잘 알려진 바와 같이, 지구 온난화 등과 같은 급격한 환경 변화에 능동적 효율적으로 대응하기 위한 대기 환경 관리는 전 세계적으로 매우 중요한 화두가 되고 있으며, 특히 대기 오염물질을 다량으로 배출하는 도시 지역, 공업 지역에서의 대기 환경 관리는 쾌적한 대기 환경에서의 인간생활을 위한 필요 조건으로 대두되고 있는 실정이다.As is well known, the management of atmospheric environment to proactively and efficiently respond to rapid environmental changes such as global warming is a very important topic around the world, especially in urban areas and industrial areas that emit large amounts of air pollutants. Environmental management is emerging as a necessary condition for human life in a pleasant atmosphere.
따라서, 근래에는 대기 오염물질을 다량 발생시키는 도시 지역, 공업 지역 등에 대기 관측소들을 설치해 두고, 이들 대기 관측소를 통해 관측된 대기 오염물질의 오염 정도(농도)를 전광판, 방송 매체 등을 경보하는 대기 경보 시스템이 널리 이용되고 있다.Therefore, in recent years, air stations have been installed in urban areas and industrial areas that generate a large amount of air pollutants, and air alarms are used to monitor the level of pollution (concentration) of air pollutants observed through these air stations, and to warn billboards and broadcasting media. The system is widely used.
그러나, 이러한 대기 경보 시스템은 현재 시점에서의 대기 상태(대기 오염물질별 오염 정도)만을 경보해 주는 것으로, 대기 환경 정보의 활용성 및 효용성(대기 환경 평가, 대기 환경 개선 대비책 수립 등) 측면에서 한계를 가질 수밖에 없다.However, this air alarm system alerts only the air condition (degree of pollution by air pollutant) at the present time, and is limited in terms of the availability and utility of air environment information (air environment evaluation, preparation of air environment improvement measures, etc.). There is no choice but to have.
이러한 점들을 고려하여, 일기 예보에서와 같이, 여러 가지 요인들에 근거하여 미래의 대기 환경(대기 오염물질 농도)을 예측하고, 이와 같이 예측된 대기 환경 정보를 예보하는 시스템이 개발되어 사용되고 있다.In view of these points, as in weather forecasting, a system for predicting the future atmospheric environment (air pollutant concentration) based on various factors and predicting such predicted atmospheric environment information has been developed and used.
예컨대, 미국 환경보호청(EPA)에서는 사업장용 대기 오염물질 확산 모델링을 위한 대기질 모형, 즉 ISCST 모델, ISCLT 모델, SCREEN 모델 등을 개발하여 웹사이트를 통해 공개하고 있으며, 다수의 사업자가 이들 대기질 모형을 다운로드받아 실제 사업장 환경에서 사용하고 있다.For example, the U.S. Environmental Protection Agency (EPA) has developed and released an air quality model for modeling the spread of air pollutants at work sites, that is, the ISCST model, the ISCLT model, and the SCREEN model. The model is downloaded and used in the actual workplace environment.
현재 널리 이용되고 있는 대기질 모형은 사용자가 대기 오염물질의 모델링을 위한 기초자료인 오염 배출원 자료, 주변 건물, 주변 지형 등을 직접 수집하여 수작업으로 입력해야 하는 등의 문제(즉, 자료 입력 방식의 복잡성 문제)로 인해 누구나가 아닌 전문적인 지식을 가진 자가 대기질 모델링 시스템을 운영해야만 하는 하기 때문에 대기질 모델링 시스템의 활용성이 현저하게 떨어지는 문제점을 갖는다.Currently widely used air quality models require users to collect and manually input pollutant source data, surrounding buildings, and surrounding topography, which are the basic data for modeling air pollutants. Due to the complexity problem, the air quality modeling system has a problem in that the utilization of the air quality modeling system is significantly lowered because a person having expertise must operate the air quality modeling system.
또한, 종래의 전형적인 대기질 모형은 자료 입력 방식의 복잡성 등으로 인해 대기질 모델링 작업을 수행하는데 불필요하게 과다한 시간이 소요된다는 문제가 있으며, 이러한 문제는 결국 관련 비용의 대폭적인 증가를 수반하고 있는 실정이다.In addition, the conventional air quality model has a problem that unnecessarily excessive time is required to perform the air quality modeling work due to the complexity of the data input method, such a situation is accompanied with a significant increase in the related costs in the end to be.
더욱이, 종래의 전형적인 대기질 모형은 대기 오염물질의 모델링을 위한 기초자료를 작업자가 직접 입력하기 때문에 입력한 기초자료에 근거한 산출한 대기질 모델링 결과 값의 신뢰성이 상대적으로 떨어진다는 문제가 있다.Moreover, the conventional typical air quality model has a problem that the reliability of the calculated air quality modeling result value based on the input basic data is relatively low because the operator directly inputs basic data for modeling air pollutants.
따라서, 이러한 문제점들을 고려할 때, 대기 환경(대기 오염물질 농도) 측정, 평가 및 미래 예측 등을 위한 대기질 모델링 작업의 편의성과 신속성 및 모델링 결과의 신뢰성을 대폭적으로 개선할 수 있는 대기오염물질의 모델링 기법의 새로운 제안이 현실적으로 절실한 실정이다.Therefore, in consideration of these problems, modeling of air pollutants that can greatly improve the convenience and speed of air quality modeling work for measuring, evaluating and predicting the air environment (air pollutant concentration) and the reliability of the modeling results. New proposals for techniques are in urgent need.
본 발명은, 일 관점에 따라, 모델링 기법을 통해 대기 오염물질을 모니터링 하는 시스템으로서, 대응하는 과거 기상 정보와 현재 기상 정보를 이용하는 모델링을 수행하여 미래 기상 정보를 예측하는 기상 모델링 모듈과, 대기 오염물질의 농도 예측을 위한 기본 정보를 이용하는 모델링을 수행하여 기 설정된 각 대기 오염물질별로 현재 대기 오염물질의 농도 분포를 각각 예측하고, 상기 기본 정보, 예측된 각 현재 대기 오염물질 농도 분포, 예측된 미래 기상 정보를 이용하는 모델링을 각각 수행하여 상기 기 설정된 각 대기 오염물질별로 미래 대기 오염물질의 농도 분포를 각각 예측하는 모델링 수단과, 상기 예측된 각 미래 대기 오염물질별 농도 분포와 그에 상응하는 각 위성사진을 각각 매핑시켜 대응 위성사진이 결합된 각 오염원별 분포 데이터를 생성하는 사진 매핑 모듈과, 상기 생성된 각 오염원별 분포 데이터를 저장하는 오염원 정보 DB와, 각 모델링 및 위성사진의 매핑을 제어하며, 상기 오염원 정보 DB에 저장된 각 오염원별 분포 데이터에 대한 클라이언트로의 웹 서비스를 제어하는 제어 수단을 포함하는 대기 오염물질 모니터링 시스템을 제공한다.According to an aspect of the present invention, there is provided a system for monitoring air pollutants through a modeling technique, and includes a weather modeling module for predicting future weather information by performing modeling using corresponding past weather information and current weather information, and air pollution. Modeling is performed using basic information for the prediction of the concentration of a substance to predict the concentration distribution of the current air pollutant for each preset air pollutant, and the basic information, each current air pollutant concentration distribution, the predicted future Modeling means for predicting the concentration distribution of future air pollutants for each of the predetermined air pollutants by performing modeling using weather information, and each satellite image corresponding to the predicted concentration distribution for each future air pollutant. Distribution data for each pollutant with corresponding satellite images Controls the mapping of the generated photo mapping module, the pollutant source information DB storing the generated pollutant distribution data, the mapping of each modeling and the satellite image, and the distribution of the pollutant distribution data stored in the pollutant source DB to the client. An air pollutant monitoring system including control means for controlling a web service is provided.
본 발명은, 다른 관점에 따라, 모델링 기법을 통해 대기 오염물질을 모니터링하는 방법으로서, 기 수집된 대기 오염물질의 농도 예측을 위한 기본 정보를 인출하여 네트워크를 통해 대기 정보 서비스 서버로 전송하는 과정과, 수신된 상기 기본 정보에 포함된 과거 기상 정보와 현재 기상 정보를 이용하는 모델링을 수행하여 미래 기상 정보를 예측하는 과정과, 수신된 상기 기본 정보를 이용하는 모델링을 수행하여 기 설정된 각 대기 오염물질별로 현재 대기 오염물질의 농도 분포를 각각 예측하는 과정과, 수신된 상기 기본 정보, 예측된 현재 대기 오염물질 농도 분포, 예측된 미래 기상 정보를 이용하는 모델링을 각각 수행하여 상기 기 설정된 각 대기 오염물질별로 미래 대기 오염물질의 농도 분포를 각각 예측하는 과정과, 상기 예측된 각 미래 대기 오염물질별 농도 분포와 그에 상응하는 각 위성사진을 각각 매핑시켜 대응 위성사진이 결합된 각 오염원별 분포 데이터를 생성하여 오염원 정보 DB에 저장하는 과정과, 특정 클라이언트로부터 선택적인 오염원 분포 서비스 요청이 있을 때마다 상기 오염원 정보 DB로부터 요청받은 오염원별 분포 데이터를 인출하여 상기 특정 클라이언트에게 온라인 제공하는 과정을 포함하는 대기 오염물질 모니터링 방법을 제공한다.According to another aspect, the present invention provides a method for monitoring air pollutants through a modeling technique, the method comprising: extracting basic information for predicting the concentration of pre-collected air pollutants and transmitting the same to the air information service server through a network; Predicting future weather information by performing modeling using past weather information and current weather information included in the received basic information, and modeling using the received basic information to present the current for each preset air pollutant. Predicting the concentration distribution of air pollutants, and modeling using the received basic information, the predicted current air pollutant concentration distribution, and the predicted future weather information, respectively, to perform the future air for each preset air pollutant. Predicting concentration distributions of pollutants, respectively, and predicting each of the future atmospheres. There is a process of mapping the concentration distribution of each pollutant and each satellite image corresponding to each pollutant, generating distribution data for each pollutant combined with corresponding satellite photos, storing them in the pollutant information DB, and requesting a specific pollutant distribution service from a specific client. It provides a method for monitoring air pollutants, including a process of extracting distribution data for each pollutant requested from the pollutant source information DB and providing the specific client online.
본 발명은, 데이터베이스로 구축한 과거 대기 오염원 정보, 현재 기상 정보, 지형 정보 등을 이용한 모델링을 통해 미래 대기 오염물질의 오염도(농도 분포)를 자동 예측함으로써, 미래 대기 환경의 예측을 위한 모델링 작업의 편의성을 대폭 증진시킬 수 있다.The present invention is a modeling operation for predicting the future air environment by automatically predicting the pollution level (concentration distribution) of future air pollutants through modeling using past air pollution source information, current weather information, terrain information, etc. Convenience can be greatly improved.
또한, 본 발명은 미래 대기 환경의 예측을 위한 모델링의 기초자료(기본 정보)로서 데이터베이스로 구축해 둔 자료를 이용하도록 함으로써, 모델링 작업의 간소화 및 실시간성을 실현할 수 있을 뿐만 아니라 모델링 작업과 관련된 비용 절감 효과를 기대할 수 있다.In addition, the present invention uses the data built into the database as the basic data (basic information) of the modeling for the prediction of the future atmospheric environment, thereby simplifying modeling and real-time, as well as reducing the cost associated with the modeling work. You can expect the effect.
더욱이, 본 발명은, 사용자(작업자)가 기초자료를 직접 입력하는 종래 방식과는 달리, 자동 생성하여 데이터베이스에 미리 구축해 둔 기초자료(기본 정보)들을 모델링에 이용하도록 함으로써, 대기질 모델링 작업을 통해 예측한 미래 대기 환경 정보(미래 대기 오염물질의 농도)의 신뢰성을 확보할 수 있다.Furthermore, unlike the conventional method in which a user (operator) directly inputs basic data, the present invention allows the basic data (basic information), which is automatically generated and built in the database, to be used for modeling. Reliability of predicted future air environmental information (future concentrations for future air pollutants) can be ensured.
또한, 본 발명은 모델링을 통해 예측한 미래 대기 환경 정보를 해당 지역의 위성사진에 분포도로서 매핑(결합)시켜 제공함으로써, 미래 대기 환경 정보의 활용성 및 시각적 인지도를 대폭 증진시킬 수 있다.In addition, the present invention by mapping (combined) the future atmospheric environment information predicted through the modeling to the satellite image of the area as a map, it is possible to significantly improve the utilization and visual awareness of the future atmospheric environment information.
본 발명의 기술요지는, 작업자가 미래 대기 환경의 예측을 위한 대기질 모델링의 기초자료를 직접 입력하는 전술한 종래 방식과는 달리, 미래 대기 환경의 예측을 위한 모델링의 기본 정보(예컨대, 과거 대기 오염원 정보, 현재 기상 정보, 지형 정보 등)들을 데이터베이스로 미리 구축해 두고, 이들 기초자료들과 현재 기상 정보에 대한 모델링을 통해 얻은 미래 기상 정보를 이용한 모델링을 통해 각 대기 오염물질별로 미래 대기 오염물질의 농도 분포를 각각 예측하며, 이와 같이 예측된 각 미래 대기 오염물질의 농도 분포를 위성사진에 매핑시켜 온라인 제공한다는 것으로, 본 발명은 이러한 기술적 수단을 통해 미래 대기 환경의 예측을 위한 모델링 작업의 편의성 증진, 모델링 작업의 간소화 및 실시간성, 모델링 작업 관련 비용의 절감 효과 및 예측한 미래 대기 환경 정보(미래 대기 오염물질의 농도)의 신뢰성을 확보할 수 있다.The technical gist of the present invention is different from the above-described conventional method in which an operator directly inputs basic data of air quality modeling for the prediction of the future air environment, and the basic information of the modeling for the prediction of the future air environment (eg, the past atmosphere). Source information, current weather information, topographical information, etc.) are built in a database in advance and modeled using future weather information obtained through modeling of these basic data and current weather information. The concentration distribution is predicted separately, and thus the concentration distribution of each predicted future air pollutant is provided online by mapping the satellite image. The present invention improves the convenience of modeling work for the prediction of the future air environment through such technical means. , Real-time simplicity of modeling, and cost savings and prediction of modeling Reliability of future atmospheric environmental information (future concentrations in the future) can be ensured.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 대하여 상세하게 설명한다.Hereinafter, with reference to the accompanying drawings will be described in detail a preferred embodiment of the present invention.
도 1은 본 발명의 바람직한 실시 예에 따른 대기 오염물질 모니터링 시스템 의 블록구성도로서, 크게 구분해 볼 때, 네트워크를 통해 물리적으로 접속 가능한 클라이언트(100)와 대기정보 서비스 서버(200)를 포함한다. 여기에서, 네트워크는, 인터넷 등을 포함하는 통신망을 의미한다.1 is a block diagram of an air pollutant monitoring system according to a preferred embodiment of the present invention, which includes a
도 1을 참조하면, 클라이언트(100)는, 예컨대 PC, 서버 등을 나타내는 것으로, 클라이언트 제어 블록(102), 대기 정보 DB(104), 기상 정보 DB(106), 영역 정보 DB(108), 배출원 정보 DB(110) 및 오염원 정보 DB(112) 등을 포함한다.Referring to FIG. 1, the
먼저, 클라이언트 제어 블록(102)은, 예컨대 클라이언트(100)에서 이루어지는 전반적인 동작제어를 수행하는 마이크로프로세서 등을 포함하는 것으로, 도시 생략된 각 대기질 관측소 측에 각각 구비된 통신 단말(예컨대, PC 등)로부터 온라인으로 제공되는 대기 정보를 수신하여 대기 정보 DB(104)에 저장한다.First, the
즉, 대기 정보 DB(104)에는, 여러 곳에 분산 설치된 각 대기질 관측소로부터 각각 제공되는 각 대기 오염물질별 대기 관측 정보가 저장되는데, 이러한 대기 오염물질로는, 예컨대 O3, CO, SO2, NOx, PM10 등이 있다. 여기에서, 대기질 관측소로부터 수신되는 대기 관측 정보는, 예컨대 관측소 ID, 측정일시, 시간별 농도 등을 포함하며, 대기 정보 DB(104)에는 지역명, 관측소 ID, 관측소명, UTM 좌표(X, Y), 위도/경도 등이 각 대기질 관측소의 기본 데이터로서 각각 저장되어 있다.That is, the air information DB 104 stores air observation information for each air pollutant provided from each air quality station distributed in various places. Examples of such air pollutants include O3, CO, SO2, NOx, PM10 and the like. Here, the air observation information received from the air quality station includes, for example, a station ID, measurement date and time, concentration, etc., and the
또한, 클라이언트 제어 블록(102)은 도시 생략된 각 기상 관측소 측에 각각 구비된 통신 단말(예컨대, PC 등)로부터 온라인으로 제공되는 기상 정보를 수신하여 기상 정보 DB(106)에 저장한다.In addition, the
즉, 기상 정보 DB(106)에는, 여러 곳에 분산 설치된 각 기상 관측소로부터 각각 제공되는 기상 정보가 저장되는데, 각 기상 관측소로부터 제공되어 기상 정보 DB()에 저장되는 기상 정보로서는, 예컨대 관측소 ID, 측정일시, 기온 관련 정보(최고 기온, 최고 기온 시각, 최저 기온, 최저 기온 시각 등등), 강수량 관련 정보(1시간 최다 강수량, 1시간 최다 강수량 시각, 10분 최다 강수량, 10분 최다 강수량 시각 등등), 적설 관련 정보, 바람 관련 정보(풍향, 매시 풍속, 최대 풍향, 최대 순산 풍향 등등), 습도 관련 정보(상대 습도, 최소 상대 습도/시각, 이슬점 온도 등등), 일조량 관련 정보, 기압 관련 정보, 안개 관련 정보, 지면 온도 관련 정보 등을 들 수 있다.That is, the weather information DB 106 stores weather information provided from each of the weather stations distributed in various places, and the weather information provided from each weather station and stored in the weather information DB () is, for example, a station ID and a measurement. Date / time, temperature-related information (highest temperature, highest temperature time, lowest temperature, lowest temperature time, etc.), precipitation related information (one hour most precipitation, one hour most precipitation time, ten minutes most precipitation, ten minutes most precipitation time, etc.), Snow related information, wind related information (wind direction, hourly wind speed, maximum wind direction, maximum net wind direction, etc.), humidity related information (relative humidity, minimum relative humidity / time, dew point temperature, etc.), sunshine information, barometric pressure information, fog related information Information, ground temperature related information, and the like.
다음에, 영역 정보 DB(108)에는, 예컨대 시도별 경계 데이터, 지역 단위(예컨대, 읍/면/동 단위)별 인구 데이터, 항공 데이터, 항만 데이터, 철도 데이터, 도로망 데이터, 도시지역 구분 데이터 등이 저장되는데, 이러한 영역 정보는 개별도시/산업지역, 토지 이용, 지형을 포함하는 지리적인 범위/지역, 배경 지도 등을 정의한다.Next, the area information DB 108 includes, for example, boundary data for each city, population data for each area unit (for example, town / town / dong unit), aviation data, port data, railroad data, road network data, urban area classification data, and the like. This area information defines individual cities / industrial areas, land use, geographical coverage / region including terrain, background maps, and the like.
또한, 배출원 정보 DB(110)에는, 오염원 배출 인벤토리 데이터(정보), 즉 배출원 분류체계(SCC)에 따라 점 배출원, 면 배출원, 선 배출원으로 구분된 배출 목록 자료가 저장되는데, 여기에서 점 배출원(오염원) 데이터로는, 예컨대 SCC 코드, UTM 좌표(X, Y,), 해발 고도, 굴뚝 높이, 굴뚝 직경, 굴뚝 온도, 배출 속도, NOx량, SOx량, CO량, TSP량, VOC량 등이 있고, 면 배출원(오염원) 데이터로는, 예컨대 SCC 코드, UTM 좌표(X, Y,), NOx량, SOx량, CO량, TSP량, VOC량 등이 있으며, 선 배출원(오염원) 데이터로는, 예컨대 SCC 코드, UTM 좌표(X, Y,), NOx량, SOx량, CO 량, TSP량, VOC량 등이 있다.In addition, the
그리고, 오염원 정보 DB(112)에는 대기 정보 서비스 서버(200)로부터 제공받은 각 오염원별 분포 데이터, 즉 각 대기 오염물질별로 각 예측된 미래 대기 오염물질 농도 분포가 지역에 상응하는 각 위성사진과 결합된 형태의 각 오염원별 분포 데이터가 저장된다.In addition, the pollutant source information DB 112 combines the distribution data for each pollutant provided from the air
즉, 클라이언트 제어 블록(102)에서는 클라이언트 사용자의 서비스 요청에 따라 대기 정보 서비스 서버(200)로부터 제공(웹 접속 다운로드)받거나 혹은 대기 정보 서비스 서버(200)로부터 자동으로 제공받은 각 오염원별 분포 데이터를 오염원 정보 DB(112)에 저장해 두고 필요(서비스 이용)에 따라 인출한다.That is, in the
또한, 클라이언트 제어 블록(102)은 현재 일시를 모니터링하여 기 설정된 일시(예컨대, 23시, 24시 등)가 될 때, 대기 정보 DB(104)로부터 인출한 대기 관측 정보(각 대기 오염물질의 과거 오염 농도 정보), 기상 정보 DB(106)로부터 인출한 기상 정보(과거 기상 정보 및 현재 기상 정보), 영역 정보 DB(108)로부터 인출한 영역 정보 및 배출원 정보 DB(110)로부터 인출한 배출 인벤토리 정보를 취합하여 대기 오염물질의 농도 예측을 위한 기본 정보(기초자료)를 구성하고, 이와 같이 구성된 기본 정보를 클라이언트 구분자 정보(ID)와 함께 네트워크를 통해 대기 정보 서비스 서버(200) 측으로 전송함으로써, 각 대기 오염물질별의 미래 대기 오염물질 농도 분포의 예측(산출)을 요청하는 등의 기능을 제공한다.In addition, the
다음에, 대기 정보 서비스 서버(200)는, 각 대기 오염물질별 미래 대기 오염물질의 농도 분포를 예측하는 서비스를 클라이언트(100)에게 제공하는 서버인 것으 로, 웹 서비스 제어 블록(202), 기상 예측 모델링 모듈(204), 농도 분포 예측 모델링 수단(206), 사진 매핑 모듈(208) 및 오염원 정보 DB(210) 등을 포함하며, 농도 분포 예측 모델링 수단(206)은 O3 모델링 모듈(206a), CO 모델링 모듈(206b), SO2 모델링 모듈(206c), NOx 모델링 모듈(206d), PM10 모델링 모듈(206e) 등을 포함한다.Next, the air
도 1을 참조하면, 웹 서비스 제어 블록(202)은, 예컨대 대기 정보 서비스 서버에서 이루어지는 각종 서비스를 위한 전반적인 동작 제어를 수행하는 마이크로프로세서 등을 포함하는 것으로, 클라이언트(100)로부터 대기 오염물질의 농도 예측을 위한 기본 정보가 수신될 때 수행되는 기상 예측 모델링, 대기 오염 배출원의 위치에 대한 수치지형으로의 분석(즉, 지형의 형태, 고도, 건물 유무 등의 분석), 각 대기 오염물질의 모델링, 위성사진의 매핑, 생성된 오염원별 분포 데이터에 대한 서비스 등에 대한 프로세스를 제어한다. 여기에서, 기본 정보에는, 예컨대 대기 관측 정보(각 대기 오염물질의 과거 오염 농도 정보), 과거 및 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보 등이 포함된다.Referring to FIG. 1, the web
먼저, 기상 예측 모델링 모듈(204)은, 웹 서비스 제어 블록(202)에서 기상 정보(과거 기상 정보 및 현재 기상 정보)가 제공될 때, 과거 기상 정보와 현재 기상 정보를 기본 자료로 이용하는 MM5(the Fifth-Generation Meso-scale Modeling system) 모형을 통한 기상 예측 모델링을 수행하여 미래 기상 정보를 예측하며, 이와 같이 예측된 미래 기상 정보는 웹 서비스 제어 블록(202)으로 전달된다. 여기에서, MM5 모형은, 예단적 모형의 일종인 것으로, 시간을 기본적인 변수로 하여 운동 방정식, 정역학 방정식, 연속 방정식, 온위 방정식, 수분 방정식 등 기상현상을 설명하는 물리법칙의 방정식을 구성하고, 이에 대한 수치 해석을 통해 기상장을 예측하는 모형이다.First, when the weather information (past weather information and current weather information) is provided in the web
이러한, 미래 기상 정보의 예측은, 지역별/시간대별로 수행되는 것으로, 예컨대 과거 기상 정보를 이용하는 모델링을 통해 미래 기상 정보를 예측하고, 현재 기상 정보를 이용하는 보정 모델링을 통해 예측된 미래 기상 정보를 보정하는 방식으로 수행될 수 있다.Such prediction of future weather information is performed by region / time zone. For example, prediction of future weather information through modeling using past weather information and correction of forecasted future weather information through correction modeling using current weather information are performed. It can be done in a manner.
한편, 본 실시 예에서는 MM5 모형을 이용하여 미래 기상 정보를 예측하는 것으로 하여 설명하였으나, 본 발명이 반드시 이에 한정되는 것은 아니며, 진단적 모형의 일종인 DWM(Diagnostic Wind Model) 모형을 이용하여 미래 기상 정보를 예측하도록 구성할 수도 있음은 물론이다. 여기에서, DWM 모형은 기상장의 질량보존을 제외한 물리적 법칙을 거의 이용하지 않고 관측 자료의 내외삽을 통해 기상장을 예측하는 모형인 것으로, 모델링의 결과가 관측 지점의 밀도에 의존하며, 모든 실측 자료를 이용하고 연산 과정이 비교적 간단하다는 장점을 갖는다.On the other hand, in the present embodiment has been described as predicting the future weather information using the MM5 model, the present invention is not necessarily limited to this, the future weather using a DWM (Diagnostic Wind Model) model, which is a kind of diagnostic model Of course, it can also be configured to predict the information. Here, the DWM model is a model that predicts the meteorological field through interpolation of observation data with little use of physical laws except for the conservation of mass of the meteorological field. The modeling results depend on the density of the observation point, and all the measured data Has the advantage that the operation process is relatively simple.
다음에, 농도 분포 예측 모델링 수단(206)은, 예컨대 오염물질의 배출, 확산, 제거 과정, 수평 이류, 반류 확산, 화학 메커니즘에 대한 반응, 오염물질의 이동 또는 체류(건물, 바람 등) 등에 의해 주위에 오염물질의 농도가 어떻게 변화하는지를 예측, 즉 기 설정된 각 대기 오염물질별로 미래 대기 오염물질의 농도 분포를 각각 예측하는 것으로, 여기에서 예측되는 미래 대기 오염물질의 종류는 O3, CO, SO2, NOx, PM10 이 있다.The concentration distribution prediction modeling means 206 may then be used, for example, by the release, diffusion, or removal of contaminants, horizontal advection, reflux diffusion, reaction to chemical mechanisms, movement or retention of contaminants (building, wind, etc.), or the like. It predicts how the concentration of pollutants change around, that is, predicts the concentration distribution of future air pollutants for each preset air pollutant, and the types of future air pollutants predicted are O3, CO, SO2, NOx and PM10 are available.
먼저, 농도 분포 예측 모델링 수단(206) 내의 O3 모델링 모듈(206a)은, O3 오염물질의 대기 농도 분포를 예측하는 것으로, 웹 서비스 제어 블록(202)으로부터 제공되는 기본 정보, 즉 O3 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보를 이용하는 모델링을 수행하여 현재 대기 O3 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 03 오염물질의 농도 분포와 예측된 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 O3 오염물질의 농도 분포를 예측하며, 이와 같이 예측된 미래 대기 O3 오염물질의 농도 분포 데이터는 웹 서비스 제어 블록(202)으로 전달된다.First, the
여기에서, 현재 및 미래 대기 O3 오염물질의 농도 분포 예측은, 예컨대 PBM(Photo chemical Box Model) 모형을 이용하는 모델링을 통해 수행될 수 있다.Here, the concentration distribution prediction of current and future atmospheric O3 pollutants may be performed through modeling using, for example, a PBM (Photo chemical Box Model) model.
또한, CO 모델링 모듈(206b)은, CO 오염물질의 대기 농도 분포를 예측하는 것으로, 웹 서비스 제어 블록(202)으로부터 제공되는 기본 정보, 즉 CO 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보를 이용하는 모델링을 수행하여 현재 대기 CO 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 C0 오염물질의 농도 분포와 예측된 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 CO 오염물질의 농도 분포를 예측하며, 이와 같이 예측된 미래 대기 CO 오염물질의 농도 분포 데이터는 웹 서비스 제어 블록(202)으로 전달된다.In addition, the
여기에서, 현재 및 미래 대기 CO 오염물질의 농도 분포 예측은, 예컨대 AERMOD(AMS/EPA Regulatory Model Improvement Committee(AERMIC) Model) 모형을 이용하는 모델링을 통해 수행될 수 있으며, AERMOD 모형은 두 개의 전처리 프로세스와 하나의 확산 모델로 구성되는 것으로, 지형의 특성화와 수용점 격자와 고도를 생성하고, 각 수용점 위치와 관련된 대표적인 지형 영향 고도를 계산하기 위해 모델링 면에서 격자화된 지형 자료를 사용하는 예측 모델이다.Here, predictions of the concentration distribution of current and future air CO pollutants can be carried out through modeling using, for example, an AMS / EPA Regulatory Model Improvement Committee (AERMIC) model, which can be used for both pretreatment processes and Consists of a single diffusion model, which is a predictive model that uses the grid data in modeling to generate terrain characterization, acceptance grids, and elevations, and to calculate representative terrain impact altitudes associated with each location. .
또한, SO2 모델링 모듈(206c)은, SO2 오염물질의 대기 농도 분포를 예측하는 것으로, 웹 서비스 제어 블록(202)으로부터 제공되는 기본 정보, 즉 SO2 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보를 이용하는 모델링을 수행하여 현재 대기 SO2 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 S02 오염물질의 농도 분포와 예측된 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 SO2 오염물질의 농도 분포를 예측하며, 이와 같이 예측된 미래 대기 SO2 오염물질의 농도 분포 데이터는 웹 서비스 제어 블록(202)으로 전달된다.In addition, the
여기에서, 현재 및 미래 대기 SO2 오염물질의 농도 분포 예측은, CO 모델링 모듈(206b)에서와 마찬가지로, 예컨대 AERMOD 모형을 이용하는 모델링을 통해 수행될 수 있다.Here, prediction of concentration distribution of current and future atmospheric SO2 pollutants can be performed via modeling using, for example, an AERMOD model, as in
다음에, NOx 모델링 모듈(206d)은, NOx 오염물질의 대기 농도 분포를 예측하는 것으로, 웹 서비스 제어 블록(202)으로부터 제공되는 기본 정보, 즉 NOx 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보를 이용하는 모델링을 수행하여 현재 대기 NOx 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 NOx 오염물질의 농도 분포와 예측 된 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 NOx 오염물질의 농도 분포를 예측하며, 이와 같이 예측된 미래 대기 NOx 오염물질의 농도 분포 데이터는 웹 서비스 제어 블록(202)으로 전달된다.Next, the
여기에서, 현재 및 미래 대기 NOx 오염물질의 농도 분포 예측은, CO 모델링 모듈(206b)에서와 마찬가지로, 예컨대 AERMOD 모형을 이용하는 모델링을 통해 수행될 수 있으며, 또한 CAMx(Comprehensive Air Quality Model with Extension) 모형을 이용하여 수행될 수도 있다. CAMx 모형은 오염물질의 배출, 확산, 화학반응, 제거 과정을 3차원 격자 내의 각 화학종에 대한 물질수지식을 풀어내는 것으로, 각 격자에 행해지는 물리 화학적인 처리를 통해 평균적인 화학종의 농도를 시간 변화에 따라 예측하는 모형이다.Here, the prediction of the concentration distribution of current and future atmospheric NOx pollutants can be performed through modeling using, for example, an AERMOD model, as in
또한, PM10 모델링 모듈(206e)은, PM10 오염물질의 대기 농도 분포를 예측하는 것으로, 웹 서비스 제어 블록(202)으로부터 제공되는 기본 정보, 즉 PM10 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보를 이용하는 모델링을 수행하여 현재 대기 PM10 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 PM10 오염물질의 농도 분포와 예측된 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 PM10 오염물질의 농도 분포를 예측하며, 이와 같이 예측된 미래 대기 PM10 오염물질의 농도 분포 데이터는 웹 서비스 제어 블록(202)으로 전달된다.In addition, the
여기에서, 현재 및 미래 대기 PM10 오염물질의 농도 분포 예측은, CO 모델링 모듈(206b)에서와 마찬가지로, 예컨대 AERMOD 모형을 이용하는 모델링을 통해 수행 될 수 있다.Here, the prediction of the concentration distribution of current and future atmospheric PM10 pollutants can be performed through modeling using, for example, an AERMOD model, as in
한편, 사진 매핑 모듈(208)은 도시 생략된 위성으로부터 제공된 위성사진(예컨대, 각 오염원별 오염 농도 분포를 예측하고자 하는 지역의 위성사진)과 농도 분포 예측 모델링 수단(206) 내의 각 모델링 모듈을 통해 각각 예측된 미래 대기 오염물질별 농도 분포를 매핑(결합)시켜 대응 위성사진이 결합된 각 오염원별 분포 데이터를 생성하며, 이와 같이 생성되는 각 오염원별 분포 데이터는 웹 서비스 제어 블록(202)으로 전달되어 오염원 정보 DB(210)에 저장된다. 즉, 오염원 정보 DB(210)에는 클라이언트의 요청에 따라 선택된 지역의 각 오염원별 분포 데이터가 해당 클라이언트의 구분자 정보(ID)와 함께 저장된다.On the other hand, the
따라서, 웹 서비스 제어 블록(202)에서는, 클라이언트(100)로부터 예측 생성된 각 오염원별 분포 데이터(대응하는 위성사진이 결합된 각 미래 대기 오염물질의 분포 농도 데이터)에 대한 서비스 요청이 있을 때, 오염원 정보 DB(210)로부터 해당 오염원별 분포 데이터를 인출하여 네트워크를 통해 클라이언트(100)에게 전송하며, 그 결과 클라이언트 이용자는 대기 정보 서비스 서버(200)로부터 제공(예컨대, 웹 접속을 통한 다운로드)받은 대기 오염물질별의 오염원 분포 데이터를 이용할 수 있게 된다. 이때, 클라이언트 이용자는 시간/기간과 사용지역, 선택 오염원, 배출 규모 등에 대해 선택적으로 서비스를 요청할 수 있다.Therefore, in the web
상기와는 달리, 본 발명은, 각 오염원별 분포 데이터의 생성이 완료되면, 이를 오염원 정보 DB에 저장함과 동시에 관련 데이터를 모두를 클라이언트에게 바로 전송하도록 구성할 수도 있음은 물론이다.Unlike the above, when the generation of distribution data for each pollutant is completed, the present invention can be configured to store all of the related data directly to the client while storing it in the pollutant information DB.
한편, 본 발명의 바람직한 실시 예에 따른 대기 오염물질 모니터링 시스템에서는 O3, CO, SO2, NOx, PM10의 대기 오염물질에 대한 농도 분포 예측 서비스를 클라이언트에게 제공하는 것으로 하여 설명하였으나, 본 발명이 반드시 이에 한정되는 것은 아니며, 필요 또는 용도에 따라 5종류의 오염물질 이외의 다른 대기 오염물질에 농도 분포 예측 서비스를 추가할 수 있음은 물론이며, 이 경우 대기 정보 서비스 서버 측에서는 추가된 다른 대기 오염물질에 대한 모델링 모듈을 추가하면 될 것이다.On the other hand, the air pollutant monitoring system according to a preferred embodiment of the present invention has been described as providing a concentration distribution prediction service for air pollutants of O3, CO, SO2, NOx, PM10 to the client, but the present invention is necessarily Of course, the concentration distribution prediction service may be added to the air pollutants other than the five pollutants depending on the need or use, and in this case, the air information service server side may Just add a modeling module.
다른 한편, 본 실시 예의 대기 오염물질 모니터링 시스템에서는 단지 하나의 클라이언트만을 예시적으로 제시하고 있으나, 본 발명이 반드시 이에 한정되는 것은 아니며, 다수의 클라이언트가 네트워크를 통해 대기 정보 서비스 서버에 접속하여 원하는 대기 오염물질들에 대한 농도 분포 예측 서비스를 제공받도록 구성할 수 있음은 물론이다.On the other hand, the air pollutant monitoring system of the present embodiment shows only one client as an example, but the present invention is not necessarily limited thereto, and a plurality of clients access a standby information service server through a network to wait for a desired atmosphere. Of course, it can also be configured to receive a concentration distribution prediction service for contaminants.
다음에, 상술한 바와 같은 구성을 갖는 본 실시 예의 대기 오염물질 모니터링 시스템을 통해 클라이언트에게 미래 대기 오염물질의 농도 분포를 온라인 서비스를 제공하는 과정에 대하여 설명한다.Next, a process of providing an online service of the concentration distribution of future air pollutants to the client through the air pollutant monitoring system of the present embodiment having the above-described configuration will be described.
도 2는 본 발명의 바람직한 실시 예에 따라 미래 대기 오염물질의 농도 분포를 예측하고, 예측된 미래 대기 오염물질의 농도 분포를 온라인 서비스하는 과정을 도시한 순서도이다.2 is a flowchart illustrating a process of predicting a concentration distribution of future air pollutants and providing an online service of the predicted concentration distribution of future air pollutants according to an exemplary embodiment of the present invention.
도 2를 참조하면, 클라이언트(100) 측의 클라이언트 제어 블록(102)에서는 기본 정보, 예컨대 각 대기 관측소로부터의 대기 관측 정보, 각 기상 관측소로부터 의 기상 관측 정보 등을 수집하는 모드를 선택적으로 수행하는데(단계 302), 이러한 모드의 수행 중에 도시 생략된 타이머를 통해 현재 시간을 체크하여 현재 시간이 기 설정된 시간(즉, 각 대기 오염물질의 오염원별 농도 분포 예측 요청을 위한 설정 시간)에 도달했는지의 여부를 판단한다(단계 304).Referring to FIG. 2, the client control block 102 of the
상기 단계(304)에서의 판단 결과, 현재 시간이 기 설정된 시간에 도달한 것으로 판단되면, 클라이언트 제어 블록(102)에서는 대기 정보 DB(104)로부터 대기 관측 정보(각 대기 오염물질의 과거 오염 농도 정보)를 인출하고, 기상 정보 DB(106)로부터 기상 정보(과거 기상 정보 및 현재 기상 정보)를 인출하며, 영역 정보 DB(108)로부터 영역 정보를 인출하고, 배출원 정보 DB(110)로부터 배출 인벤토리 정보를 인출하여 대기 오염물질의 농도 예측을 위한 기본 정보를 구성한다(단계 306).As a result of the determination in the
이어서, 클라이언트 제어 블록(102)에서는 구성된 기본 정보를 클라이언트 구분자 정보(ID)와 함께 네트워크를 통해 대기 정보 서비스 서버(200) 측으로 전송함으로써, 각 대기 오염물질별의 오염원 농도 분포 예측(산출) 서비스를 요청한다(단계 308).Subsequently, the client control block 102 transmits the configured basic information together with the client identifier information (ID) to the atmospheric
이에 응답하여, 대기 정보 서비스 서버(200) 측의 웹 서비스 제어 블록(202)에서는 수신된 기본 정보에서 기상 정보(과거 기상 정보 및 현재 기상 정보)를 추출하고 이와 같이 추출된 기상 정보를 기상 예측 모델링 모듈(204)로 전달하며, 기상 예측 모델링 모듈(204)에서는 웹 서비스 제어 블록(202)에서 제공하는 기상 정보(과거 기상 정보 및 현재 기상 정보)를 이용하는 모델링, 예컨대 MM5 모형 또는 DWM 모형을 모델링을 수행하여 미래 기상 정보를 예측하며(단계 310), 이와 같이 예측된 미래 기상 정보는 웹 서비스 제어 블록(202)으로 전달된다.In response, the web service control block 202 of the standby
다음에, 웹 서비스 제어 블록(202)에서는 수신된 기본 정보에서 각 오염물질별(O3, CO, SO2, NOx, PM10)의 과거 오염 농도 정보를 각각 추출한 후, O3 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 미래 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보로 된 세트를 O3 모델링 모듈(a)로, CO 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 미래 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보로 된 세트를 CO 모델링 모듈(b)로, SO2 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 미래 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보로 된 세트를 SO2 모델링 모듈(c)로, NOx 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 미래 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보로 된 세트를 NOx 모델링 모듈(d)로, PM 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 미래 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보로 된 세트를 PM 모델링 모듈(e)로, 각각 전달한다(단계 312).Next, the web service control block 202 extracts past pollutant concentration information for each pollutant (O3, CO, SO2, NOx, PM10) from the received basic information, and then, past pollutant concentration information of the O3 pollutant, The O3 modeling module (a) is a set of past weather information, current weather information, future weather information, area information, and pollutant emission inventory information.The past pollutant concentration information of CO pollutants, past weather information, current weather information, future weather The set of information, area information and pollutant emission inventory information is converted into the CO modeling module (b), and the past pollutant concentration information, past weather information, current weather information, future weather information, area information and pollutant emission inventory information of SO2 pollutants. A set consisting of the SO2 modeling module (c) and a set consisting of past pollution concentration information, past weather information, current weather information, future weather information, area information, and source emission inventory information for NOx pollutants. In the Ox modeling module (d), a set of PM pollutant past pollution concentration information, past weather information, current weather information, future weather information, area information, and pollutant emission inventory information is transmitted to the PM modeling module (e), respectively. (Step 312).
그 결과, 농도 분포 예측 모델링 수단(206) 내 각 모델링 모듈에서는 각각 제공되는 오염원별 세트 정보에 의거하여 각 오염원별로 현재 대기 오염물질의 농도 분포와 미래 대기 오염물질의 농도 분포를 각각 예측한다(단계 314).As a result, each modeling module in the concentration distribution prediction modeling means 206 predicts the concentration distribution of the current air pollutant and the concentration distribution of the future air pollutant for each pollutant based on the set information for each pollutant, respectively. 314).
보다 상세하게, O3 모델링 모듈(206a)에서는 O3 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보(기 본 정보)를 이용하는 모델링을 수행하여 현재 대기 O3 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 03 오염물질의 농도 분포와 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 O3 오염물질의 농도 분포를 예측하며, CO 모델링 모듈(206b)에서는 CO 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보(기본 정보)를 이용하는 모델링을 수행하여 현재 대기 CO 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 0C 오염물질의 농도 분포와 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 CO 오염물질의 농도 분포를 예측하며, SO2 모델링 모듈(206c)에서는 SO2 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보(기본 정보)를 이용하는 모델링을 수행하여 현재 대기 SO2 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 S02 오염물질의 농도 분포와 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 SO2 오염물질의 농도 분포를 예측하며, NOx 모델링 모듈(206d)에서는 NOx 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보(기본 정보)를 이용하는 모델링을 수행하여 현재 대기 NOx 오염물질의 농도 분포를 예측하고, 기본 정보와 예측된 현재 대기 N0x 오염물질의 농도 분포와 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 NOx 오염물질의 농도 분포를 예측하며, PM 모델링 모듈(206e)에서는 PM 오염물질의 과거 오염 농도 정보, 과거 기상 정보, 현재 기상 정보, 영역 정보, 오염원 배출 인벤토리 정보(기본 정보)를 이용하는 모델링을 수행하여 현재 대기 PM 오염물질의 농도 분포를 예 측하고, 기본 정보와 예측된 현재 대기 PM 오염물질의 농도 분포와 미래 기상 정보를 이용하는 모델링을 수행하여 미래 대기 PM 오염물질의 농도 분포를 예측하며, 이와 같이 각각의 모델링 모듈을 통해 예측된 각 오염원별의 미래 오염물질의 농도 분포 값들은 웹 서비스 제어 블록(202)으로 각각 전달된다.In more detail, the
즉, 본 실시 예에 따르면, 각 오염원별의 미래 오염물질의 농도 분포 값들은 각각의 모델링 모듈을 통해 동시 다발적으로 예측(산출)된다.That is, according to the present embodiment, concentration distribution values of future pollutants for each pollutant are simultaneously predicted (calculated) through each modeling module.
이어서, 웹 서비스 제어 블록(202)에서는 농도 분포 예측 모델링 수단(206)으로부터 수신한 각 오염원별의 미래 오염물질의 농도 분포 값들을 사진 매핑 모듈(208)로 전달하며, 사진 매핑 모듈(208)에서는 위성으로부터 제공받은 각 오염원별 오염 농도 분포를 예측하고자 하는 지역의 위성사진과 각 오염원별 농도 분포를 매핑(결합)시켜 대응 위성사진이 결합된 각 오염원별 분포 데이터를 생성하며, 이와 같이 생성되는 각 오염원별 분포 데이터는 웹 서비스 제어 블록(202)을 경유하여 오염원 정보 DB(210)에 클라이언트의 구분자 정보(ID)와 함께 저장된다(단계 316).Subsequently, the web service control block 202 transfers the concentration distribution values of future pollutants for each pollutant received from the concentration distribution prediction modeling means 206 to the
여기에서, 각 오염원별 분포 데이터는, 일 예로서 도 3에 도시된 바와 같은 화면 형태를 가질 수 있으며, 도 3에서 좌측 상단 부분은 각 오염원별 농도 값을 나타내고, 좌측 부분은 오염원별 농도 분포가 반영된 위성사진을 나타낸다.Here, the distribution data for each pollutant may have a screen form as shown in FIG. 3 as an example. In FIG. 3, the upper left portion shows concentration values for each pollutant, and the left portion shows the concentration distribution for each pollutant. Show the reflected satellite image.
따라서, 이용자들은 예시적으로 도 3에서 보여주는 바와 같은 화면 형태의 각 오염원별 농도 분포를 보고 손쉽고 간단하게 원하는 지역의 각오염원별 농도 분포를 확인할 수 있다.Therefore, users can easily and simply check the concentration distribution for each pollutant in a desired region by looking at the concentration distribution for each pollutant in the form of a screen as shown in FIG. 3.
다음에, 클라이언트 이용자는 상술한 바와 같은 일련의 과정들을 통해 생성하여 대기 정보 서비스 서버(200)에 저장되어 있는 각 오염원별 농도 분포 데이터에 대한 제공 서비스를 받을 수 있는데, 클라이언트(100)가 대기 정보 서비스 서버(200)에 접속(로그인)하여 예측 생성된 각 오염원별 분포 데이터(대응하는 위성사진이 결합된 각 미래 대기 오염물질의 분포 농도 데이터)에 대한 다운로드 서비스(웹 서비스)를 요청하면, 웹 서비스 제어 블록(202)에서는 오염원 정보 DB(210)로부터 해당 오염원별 분포 데이터를 인출하여 네트워크를 통해 클라이언트(100)에게 전송하며(단계 318), 그 결과 클라이언트 이용자는 대기 정보 서비스 서버(200)로부터 제공(예컨대, 웹 접속을 통한 다운로드)받은 대기 오염물질별의 오염원 분포 데이터를 이용할 수 있게 된다. 여기에서, 클라이언트 이용자는 시간/기간과 사용지역, 선택 오염원, 배출 규모 등에 대해 선택적으로 서비스를 요청할 수 있다.Next, the client user may receive the service provided for the concentration distribution data for each pollutant source generated through the above-described process and stored in the atmospheric
한편, 본 실시 예에서는, 예측 생성한 각 오염원별 분포 데이터를 오염원 정보 DB에 저장해 두고, 클라이언트가 필요할 때 다운로드받아 사용하도록 예시하고 있으나, 이것은 단지 예시일 뿐 본 발명이 반드시 이에 한정되는 것은 아니며, 각 오염원별 분포 데이터가 모두 생성되어 오염원 정보 DB에 저장될 때, 이들 데이터(각 오염원별 분포 데이터)를 해당 클라이언트에게 바로 전송해 주도록 설정할 수도 있음은 물론이다.On the other hand, in the present embodiment, the distribution data for each pollutant predicted and generated is stored in the pollutant information DB, and the client is downloaded and used when necessary, but this is merely an example, the present invention is not necessarily limited thereto, When all distribution data for each pollutant are generated and stored in the pollutant information DB, the data (distribution data for each pollutant) may be set to be transmitted to the corresponding client.
이상의 설명에서는 본 발명의 바람직한 실시 예를 제시하여 설명하였으나 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가 지 치환, 변형 및 변경이 가능함을 것을 쉽게 알 수 있을 것이다.In the above description has been described by presenting a preferred embodiment of the present invention, but the present invention is not necessarily limited to this, and those skilled in the art to which the present invention pertains within a range without departing from the technical spirit of the present invention It will be readily appreciated that the substitutions, modifications and variations are possible.
도 1은 본 발명의 바람직한 실시 예에 따른 대기 오염물질 모니터링 시스템의 블록구성도,1 is a block diagram of an air pollutant monitoring system according to a preferred embodiment of the present invention;
도 2는 본 발명의 바람직한 실시 예에 따라 미래 대기 오염물질의 농도 분포를 예측하고, 예측된 미래 대기 오염물질의 농도 분포를 온라인 서비스하는 과정을 도시한 순서도,2 is a flowchart illustrating a process of predicting a concentration distribution of future air pollutants and providing an online service of a predicted concentration distribution of future air pollutants according to a preferred embodiment of the present invention.
도 3은 본 발명에 따라 예측되어 클라이언트에게 제공되는 각 오염원별 농도 분포와 위성사진이 결합된 화면의 예시도.3 is an exemplary view of a screen combined with satellite image and concentration distribution for each pollutant source predicted and provided to a client according to the present invention.
＜도면의 주요 부분에 대한 부호의 설명＞<Description of the code | symbol about the principal part of drawing>
100 : 클라이언트 102 : 클라이언트 제어 블록100: client 102: client control block
104 : 대기 정보 DB 106 : 기상 정보 DB104: atmospheric information DB 106: weather information DB
108 : 영역 정보 DB 110 : 배출원 정보 DB108: area information DB 110: source information DB
112, 210 : 오염원 정보 DB 200 : 대기 정보 서비스 서버112, 210: pollution source information DB 200: atmospheric information service server
202 : 웹 서비스 제어 블록 204 : 기상 예측 모델링 모듈202: Web service control block 204: weather prediction modeling module
206 : 농도 분포 예측 모델링 수단 206a : O3 모델링 모듈206: concentration distribution prediction modeling means 206a: O3 modeling module
206b : CO 모델링 모듈 206c : SO2 모델링 모듈206b:
206d : NOx 모델링 모듈 206e : PM10 모델링 모듈206d:
208 : 사진 매핑 모듈208: Photo Mapping Module
Claims (21)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080023323A KR20090098127A (en) | 2008-03-13 | 2008-03-13 | Air pollution monitoring system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080023323A KR20090098127A (en) | 2008-03-13 | 2008-03-13 | Air pollution monitoring system and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20090098127A true KR20090098127A (en) | 2009-09-17 |
Family
ID=41357254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020080023323A KR20090098127A (en) | 2008-03-13 | 2008-03-13 | Air pollution monitoring system and method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20090098127A (en) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2585859A1 (en) * | 2010-06-28 | 2013-05-01 | Greenvision Systems Ltd | Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis |
| CN103163278A (en) * | 2013-01-31 | 2013-06-19 | 北京工业大学 | Atmospheric heavy pollution forecast method based on combination of numerical model and statistic analysis |
| KR101382507B1 (en) * | 2012-10-19 | 2014-04-10 | 사단법인대기환경모델링센터 | Air quality forecast and management system |
| KR101507397B1 (en) * | 2012-08-20 | 2015-04-07 | 주식회사 나인에코 | System for providing atmospheric modeling system service |
| US20160370339A1 (en) * | 2015-06-16 | 2016-12-22 | International Business Machines Corporation | Air-Pollution Anomaly Location Mechanism |
| CN106599088A (en) * | 2016-11-24 | 2017-04-26 | 中山大学 | Method of representing atmosphere heavy pollution process changes |
| CN107194139A (en) * | 2016-03-14 | 2017-09-22 | 日电（中国）有限公司 | Source of atmospheric pollution stage division and computing device |
| KR20190046418A (en) * | 2017-10-26 | 2019-05-07 | 그린에코스 주식회사 | Development of System for EDCs Multimedia Fate and Transport Model, Using Ecotoxicity Monitoring Data |
| KR101948546B1 (en) | 2017-11-30 | 2019-05-20 | 대한민국(환경부 국립환경과학원장) | System of analysis for air pollutant emission and method thereof |
| CN109916788A (en) * | 2019-01-14 | 2019-06-21 | 南京大学 | A kind of differentiation different zones discharge variation and meteorological condition variation are to PM2.5The method that concentration influences |
| CN110260915A (en) * | 2019-06-10 | 2019-09-20 | 中宇京韵环保技术(北京)有限公司 | Environmental protection equipment on-line monitoring platform and monitoring method |
| CN111311111A (en) * | 2020-03-09 | 2020-06-19 | 江苏省环科院环境科技有限责任公司 | Intelligent control system and control method for wastewater and waste gas in chemical industry park |
| CN112001520A (en) * | 2020-06-05 | 2020-11-27 | 上海眼控科技股份有限公司 | Weather forecasting method and device, computer equipment and storage medium |
| KR20220000266A (en) * | 2020-06-25 | 2022-01-03 | 인제대학교 산학협력단 | System and Method for Optimizing 3D Visualization of Atmospheric Environmental Information |
| KR20220094455A (en) | 2020-12-29 | 2022-07-06 | 한국해양과학기술원 | Wind sector controller using no2 sensor and so2 sensor |
| KR20230064869A (en) | 2021-11-04 | 2023-05-11 | 주식회사 워크앤아이티 | Remote management system for air polution apparatus and control method thereof |
| CN116205541A (en) * | 2023-04-27 | 2023-06-02 | 北京英视睿达科技股份有限公司 | Method and device for evaluating influence of local pollution source on environmental air quality |
| KR20230079873A (en) * | 2021-11-29 | 2023-06-07 | 주식회사 웨더아이 | Server and method for forcasting information on fine dust |
| CN116307279A (en) * | 2023-05-18 | 2023-06-23 | 河北辉驰科技有限公司 | Urban atmospheric environment management method and system based on big data analysis |
| CN116340863A (en) * | 2023-05-30 | 2023-06-27 | 航天宏图信息技术股份有限公司 | Air pollutant prediction method and device, electronic equipment and readable storage medium |
| CN117388445A (en) * | 2023-12-12 | 2024-01-12 | 山东省计量科学研究院 | Atmospheric environment monitoring system |
| WO2024103616A1 (en) * | 2022-11-17 | 2024-05-23 | 河北先河环保科技股份有限公司 | Air pollution early-warning method and apparatus, electronic device, and storage medium |
-
2008
- 2008-03-13 KR KR1020080023323A patent/KR20090098127A/en not_active Application Discontinuation
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2585859A1 (en) * | 2010-06-28 | 2013-05-01 | Greenvision Systems Ltd | Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis |
| KR101507397B1 (en) * | 2012-08-20 | 2015-04-07 | 주식회사 나인에코 | System for providing atmospheric modeling system service |
| KR101382507B1 (en) * | 2012-10-19 | 2014-04-10 | 사단법인대기환경모델링센터 | Air quality forecast and management system |
| CN103163278A (en) * | 2013-01-31 | 2013-06-19 | 北京工业大学 | Atmospheric heavy pollution forecast method based on combination of numerical model and statistic analysis |
| US10338047B2 (en) * | 2015-06-16 | 2019-07-02 | International Business Machines Corporation | Air-pollution anomaly location mechanism |
| US20160370339A1 (en) * | 2015-06-16 | 2016-12-22 | International Business Machines Corporation | Air-Pollution Anomaly Location Mechanism |
| CN106257474B (en) * | 2015-06-16 | 2019-05-10 | 国际商业机器公司 | Air pollution exception location mechanism |
| CN106257474A (en) * | 2015-06-16 | 2016-12-28 | 国际商业机器公司 | Air pollution exception location mechanism |
| CN107194139A (en) * | 2016-03-14 | 2017-09-22 | 日电（中国）有限公司 | Source of atmospheric pollution stage division and computing device |
| CN106599088A (en) * | 2016-11-24 | 2017-04-26 | 中山大学 | Method of representing atmosphere heavy pollution process changes |
| CN106599088B (en) * | 2016-11-24 | 2021-03-30 | 中山大学 | Method for representing atmospheric heavy pollution process change |
| KR20190046418A (en) * | 2017-10-26 | 2019-05-07 | 그린에코스 주식회사 | Development of System for EDCs Multimedia Fate and Transport Model, Using Ecotoxicity Monitoring Data |
| KR101948546B1 (en) | 2017-11-30 | 2019-05-20 | 대한민국(환경부 국립환경과학원장) | System of analysis for air pollutant emission and method thereof |
| CN109916788A (en) * | 2019-01-14 | 2019-06-21 | 南京大学 | A kind of differentiation different zones discharge variation and meteorological condition variation are to PM2.5The method that concentration influences |
| CN109916788B (en) * | 2019-01-14 | 2020-05-19 | 南京大学 | PM pair for distinguishing emission change and meteorological condition change of different areas2.5Method for influencing concentration |
| CN110260915A (en) * | 2019-06-10 | 2019-09-20 | 中宇京韵环保技术(北京)有限公司 | Environmental protection equipment on-line monitoring platform and monitoring method |
| CN111311111A (en) * | 2020-03-09 | 2020-06-19 | 江苏省环科院环境科技有限责任公司 | Intelligent control system and control method for wastewater and waste gas in chemical industry park |
| CN111311111B (en) * | 2020-03-09 | 2021-03-16 | 江苏省环科院环境科技有限责任公司 | Intelligent control system and control method for wastewater and waste gas in chemical industry park |
| CN112001520A (en) * | 2020-06-05 | 2020-11-27 | 上海眼控科技股份有限公司 | Weather forecasting method and device, computer equipment and storage medium |
| KR20220000266A (en) * | 2020-06-25 | 2022-01-03 | 인제대학교 산학협력단 | System and Method for Optimizing 3D Visualization of Atmospheric Environmental Information |
| KR20220094455A (en) | 2020-12-29 | 2022-07-06 | 한국해양과학기술원 | Wind sector controller using no2 sensor and so2 sensor |
| KR20230064869A (en) | 2021-11-04 | 2023-05-11 | 주식회사 워크앤아이티 | Remote management system for air polution apparatus and control method thereof |
| KR20230079873A (en) * | 2021-11-29 | 2023-06-07 | 주식회사 웨더아이 | Server and method for forcasting information on fine dust |
| WO2024103616A1 (en) * | 2022-11-17 | 2024-05-23 | 河北先河环保科技股份有限公司 | Air pollution early-warning method and apparatus, electronic device, and storage medium |
| CN116205541B (en) * | 2023-04-27 | 2023-09-19 | 北京英视睿达科技股份有限公司 | Method and device for evaluating influence of local pollution source on environmental air quality |
| CN116205541A (en) * | 2023-04-27 | 2023-06-02 | 北京英视睿达科技股份有限公司 | Method and device for evaluating influence of local pollution source on environmental air quality |
| CN116307279B (en) * | 2023-05-18 | 2023-08-11 | 河北辉驰科技有限公司 | Urban atmospheric environment management method and system based on big data analysis |
| CN116307279A (en) * | 2023-05-18 | 2023-06-23 | 河北辉驰科技有限公司 | Urban atmospheric environment management method and system based on big data analysis |
| CN116340863A (en) * | 2023-05-30 | 2023-06-27 | 航天宏图信息技术股份有限公司 | Air pollutant prediction method and device, electronic equipment and readable storage medium |
| CN116340863B (en) * | 2023-05-30 | 2023-08-15 | 航天宏图信息技术股份有限公司 | Air pollutant prediction method and device, electronic equipment and readable storage medium |
| CN117388445A (en) * | 2023-12-12 | 2024-01-12 | 山东省计量科学研究院 | Atmospheric environment monitoring system |
| CN117388445B (en) * | 2023-12-12 | 2024-04-05 | 山东省计量科学研究院 | Atmospheric environment monitoring system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20090098127A (en) | Air pollution monitoring system and method | |
| Banks et al. | Impact of WRF model PBL schemes on air quality simulations over Catalonia, Spain | |
| CN109522603B (en) | Vehicle-mounted Lagrange real-time atmospheric pollution source tracing system and method based on cloud platform | |
| KR101666820B1 (en) | Air quality prediction and management system for environment disaster early detection | |
| Brandt et al. | Air pollution forecasting from regional to urban street scale––implementation and validation for two cities in Denmark | |
| KR102443718B1 (en) | System for producing 3-dimensional diffusion prediction map based on cyber physical for monitoring air pollution gas diffusion of environmental facilities, and method for the same | |
| CN103167414B (en) | Meteorological information service system and its implementation of perception is participated in based on smart mobile phone | |
| CN114371260A (en) | Gridding monitoring, diffusion early warning and tracing method for non-organized VOCs of industrial enterprise | |
| CN109932988B (en) | Urban raise dust pollution diffusion prediction system and method | |
| Elbir | A GIS based decision support system for estimation, visualization and analysis of air pollution for large Turkish cities | |
| CN111854847A (en) | Ecological environment Internet of things monitoring method and system based on scene-induced ecology | |
| CN110428104A (en) | A kind of genes' contamination ratio determines method, apparatus, electronic equipment and storage medium | |
| CN106295905A (en) | A kind of air quality based on Lagrange conveying model is quickly traced to the source forecasting procedure | |
| Gallardo et al. | Coastal lows and sulfur air pollution in Central Chile | |
| CN114155129A (en) | Atmospheric environment traceability method and system based on industrial park | |
| Kumar et al. | Application of WRF model for air quality modelling and AERMOD-a survey | |
| JP2006133121A (en) | Base section, air pollution information providing system, air pollution prediction method, and ventilation device | |
| KR101882874B1 (en) | Method and apparatus for scheduling power plant considering atmospheric environmental conditions | |
| KR101860742B1 (en) | Lightning risk analysis system and lightning risk analysis method using the same | |
| KR20210050831A (en) | Real-time fine dust monitoring system and its methods | |
| KR20140024541A (en) | System for providing atmospheric modeling system service | |
| Khot et al. | Survey on air pollution monitoring systems | |
| Rainham | A wireless sensor network for urban environmental health monitoring: UrbanSense | |
| San José et al. | European operational air quality forecasting system by using MM5–CMAQ–EMIMO tool | |
| Zeiger et al. | Demonstration abstract: participatory sensing enabled environmental monitoring in smart cities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |