공기 중 오염물질의 분포는 대류와 확산을 포함하는 복잡한 유체역학 과정에 의해 좌우된다. 이 과정은 또한 배출원 특성, 기상학적 매개변수, 사회경제적 요인, 토지 이용 패턴의 영향을 추가로 받는다. 결정론적 및 확률론적 대기질 예측 방법에 비해, 대기질 변수에 대한 데이터 기반 모델링은 대기질에 영향을 미치는 매개변수의 높은 자유도를 다룰 수 있을 뿐 아니라, 더 높은 공간 및 시간 해상도에서 공기 오염물질 분포에 대한 해석 가능성과 이해를 제공할 수 있다. 본 연구는 오염물질 농도 관측, 기상학적 매개변수, 시공간 자료에 기반하여 도시 전역의 대기질 지수(AQI)를 예측하는 데 초점을 둔다. 연구 지역은 한국의 안산시이며, 이 지역은 미세먼지 고농도에 대한 핫스팟으로 관측되어 왔다. 안산시에 위치한 16개 모니터링 관측소에서 대기질 및 기상 자료를 수집하였다. 대기질 모니터링 관측소에서의 AQI 기록 간 상관관계를 규명하기 위해 상세한 시공간 분석을 수행하였다. 관측소 간 강력한 시공간 상관관계가 확인됨에 따라 여러 딥러닝(DL) 모델을 제안하였고, 서로 다른 시나리오에서 이들의 성능을 조사하였다. DL 모델의 적절한 선택은 (1) 오염물질 분포를 제어하는 기저 유체역학 과정에 대한 이해, 및 (2) 자료의 시공간적 특성에 근거해야 함이 관찰되었다. 또한 DL 모델의 복잡성이 항상 예측의 정확성을 보장하지는 않으며, 기저 물리 과정을 반영하도록 예측변수를 신중하게 선택한다면 단순한 모델도 우수한 성능을 제공할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.