본 연구실은 지하수, 하천, 저수지, 유역 등 다양한 수환경에서 발생하는 오염 문제를 정량적으로 이해하고 예측하기 위한 환경데이터 기반 연구를 수행한다. 특히 비소 오염 지하수, 분변성 대장균, 남조류 증식, 강우 유출수 내 미량금속 등 공중보건과 생태계에 직접적인 영향을 주는 수질 인자를 대상으로, 시공간적 변동성을 분석하고 오염 발생 가능성을 조기에 진단하는 데 초점을 둔다. 이러한 연구는 복잡한 환경 시스템에서 단일 인자만으로는 설명하기 어려운 현상을 통합적으로 해석하려는 시스템엔지니어링적 접근에 기반한다. 연구 방법론 측면에서는 인공신경망, 주성분분석, 회귀모형, 시계열 분석, SWAT와 같은 유역모델, 그리고 최근의 LSTM 기반 하이브리드 예측 기법까지 폭넓게 활용한다. 기상자료, 토지이용 정보, 수문자료, 센서 데이터, 실측 수질자료를 결합하여 오염물질의 이동과 농도 변화를 예측하며, 각 변수의 상대적 중요도와 상호작용도 함께 평가한다. 이를 통해 단순 모니터링을 넘어, 어떤 환경 조건에서 오염이 악화되는지, 어떤 관리 지점이 우선순위를 가져야 하는지를 과학적으로 제시할 수 있다. 이 연구의 의의는 수질관리의 정밀성과 선제성을 높인다는 점에 있다. 오염사고 발생 후 대응하는 방식에서 벗어나, 데이터와 모델을 기반으로 위험을 사전에 예측하고 관리 전략을 수립할 수 있기 때문이다. 향후에는 저해상도 환경데이터 보정, 실시간 수질예측, 기후변화 시나리오 반영, 지역 맞춤형 의사결정 지원으로 확장되어 스마트 물관리와 지속가능한 환경정책 수립에 기여할 것으로 기대된다.

본 연구실은 역삼투와 전방삼투를 포함한 막기반 수처리 공정을 핵심 연구축으로 삼아, 정수·담수화·재이용 시스템의 효율 향상과 운영 안정성 확보를 위한 연구를 수행한다. 관련 저서와 논문, 특허에서 확인되듯이 압력지연삼투를 활용한 에너지 회수, 스페이서 설계에 따른 전방삼투 성능 변화, 폴리아미드 복합막 제조, 무전력 정수장치 개발 등 기초소재부터 공정설계, 실제 장치 구현에 이르기까지 폭넓은 주제를 다룬다. 이는 물 부족과 에너지 문제를 동시에 해결하려는 환경에너지 융합 연구의 성격을 잘 보여준다. 특히 막공정의 가장 큰 난제인 막오염 문제를 해결하기 위해 센서 모니터링 데이터와 예측모델을 접목한 연구가 두드러진다. 연구실은 역삼투막 오염 예측 모델을 구축하고, 미래 시점의 예측 정확도를 높이기 위한 최적 입력 데이터 양을 결정하는 기술을 특허화하였다. 또한 유동 채널 내 스페이서의 형상 최적화, 운전조건 변화에 따른 플럭스 및 제거율 분석, 세정 및 교체 시점 의사결정 지원 등 실제 공정 운영에 필요한 공학적 문제를 체계적으로 다룬다. 이러한 접근은 수처리 시스템의 고비용·고에너지 문제를 완화하는 데 직접적으로 연결된다. 향후 이 연구는 디지털 트윈, 실시간 공정 제어, 저에너지 구동형 분리막 시스템, 현장형 정수장치와 결합하여 더욱 발전할 가능성이 크다. 기후위기와 물 재이용 수요가 확대되는 상황에서, 고효율 막소재와 데이터 기반 운영 최적화 기술은 차세대 수처리 인프라의 핵심 요소가 된다. 따라서 본 연구실의 막공정 연구는 안전한 물 공급뿐 아니라 에너지 절감, 유지관리 효율화, 분산형 수처리 보급 측면에서도 높은 실용적 가치를 가진다.

본 연구실은 전통적인 환경공학 연구를 넘어 인공지능과 영상처리 기술을 접목한 스마트 환경 모니터링 연구를 수행한다. 대표적으로 CCTV 영상과 기상 데이터를 결합하여 미세먼지 농도를 예측하는 특허는, 기존의 고정식 센서 중심 관측 체계를 보완하고 보다 넓은 공간 범위에서 대기환경 정보를 추정할 수 있는 가능성을 제시한다. 또한 수질측정키트의 이미지를 분석하여 양식장 수질을 자동으로 진단하고 원격 감시하는 시스템은 환경정보 획득의 비용과 접근성 문제를 해결하는 실용적 접근으로 평가된다. 이러한 연구는 다양한 형태의 비정형 데이터와 정형 데이터를 함께 활용한다는 점에서 특징적이다. 영상, 시간정보, 기상자료, 수질반응 색상 변화, 센서 측정값 등을 통합하여 신경망 모델이나 이미지 분석 알고리즘을 학습시키고, 이를 통해 환경상태를 정량적으로 추정한다. 기존 환경 모니터링이 고가 센서나 현장 인력에 크게 의존했다면, 본 연구실의 접근은 범용 카메라와 데이터 융합 모델을 활용하여 저비용·고효율 감시체계를 구현하는 방향에 가깝다. 이는 현장 적용성과 확장성이 높다는 장점이 있다. 미래에는 이러한 기술이 도시 대기질 관리, 하천 및 양식장 원격 감시, 재난·오염사고 조기경보, 스마트시티 환경 플랫폼으로 확장될 수 있다. 특히 환경문제가 넓은 지역에서 실시간으로 발생하는 특성을 고려할 때, AI 기반 예측과 영상 인식은 관리 공백을 줄이고 대응 속도를 높이는 데 매우 중요하다. 본 연구실의 연구는 환경공학에 데이터사이언스와 인공지능을 결합함으로써, 보다 지능적이고 분산화된 차세대 환경관리 체계를 구축하는 데 기여하고 있다.