Browse

하천의 경로를 고려한 지구통계학 기반의 하상퇴적물 중금속 오염농도 예측
Geostatistical prediction of heavy metal concentrations in stream sediments considering the path of stream

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
김성민
Advisor
박형동
Major
공과대학 에너지시스템공학부
Issue Date
2016-02
Publisher
서울대학교 대학원
Keywords
지리정보시스템지구통계중금속크리깅하상퇴적물
Description
학위논문 (박사)-- 서울대학교 대학원 : 에너지시스템공학부, 2016. 2. 박형동.
Abstract
광산지역에 적재되어 있는 폐석이나 광물찌꺼기에서 발생하는 침출수는 인근 수계나 농경지 토양으로 유입되어 환경오염을 유발할 수 있다. 중금속 오염에 의한 피해를 효율적으로 복구하고 방지하기 위해서는 중금속의 오염정도와 범위, 중금속 원소 분포, 이동경로 등을 고려해야 한다. 그러나 중금속 오염은 영향 범위가 넓기 때문에 현장에서 직접 오염양상을 파악하는 것은 어려운 일이다. 또한 충분한 양의 데이터를 취득하는 것이 어렵기 때문에 제한된 데이터로부터 중금속 오염을 효율적으로 예측할 필요가 있다. 이 때 다양한 공간정보를 활용하는 지리정보시스템(GIS, geographic information systems)을 지구통계학과 결합한다면 유용한 결과를 기대할 수 있다. GIS를 이용한 분석은 자료 획득이 쉽고 광범위한 면적에 대한 분석이 용이하기 때문에 중금속 오염 분포 예측에 적합한 방법이라고 할 수 있다.
중금속의 오염 분포를 예측하기 위해서 지구통계학을 적용한 사례가 다수 있으나 수계를 따라 오염물이 이동하는 현상을 고려한 연구는 부족한 실정이다. 일반적인 지구통계학 기반의 예측 기법은 하천을 따라 이동하는 하상퇴적물의 오염이나 수질 오염을 모델링할 때에 샘플 간의 거리를 제대로 고려하지 못하는 한계가 있다. 이러한 예측 방법은 베리오그램 계산 과정에서 유클리디안 거리를 이용하기 때문에 예측의 정확도가 떨어질 수 있다. 본 연구에서는 이를 개선하기 위해 지형적 요인을 반영하여 하천의 경로를 고려한 크리깅 기법을 제안하고 소프트웨어 구축을 통해 전산화된 자료들의 분석이 용이하도록 설계하였다.
본 연구에서 제안하는 예측 기법을 견본 자료에 적용한 결과 하천 네트워크 및 하천 줄기에 따른 유용한 예측 결과를 제공하였으며 교차검증을 통해서 기존의 크리깅 기법에 비해 예측 능력이 향상된 것을 확인하였다. 또한 강원도 삼척시 제2연화광산의 광미댐이 유실되었을 때 취득된 현장자료에 적용하여 일반적인 크리깅 기법의 적용 결과와 비교를 수행하였다. 그 결과 실제 자료에서도 제안한 기법의 예측 능력이 더 우수한 결과를 보였다. 샘플의 집수구역 면적을 부가자료로서 활용하여 집수구역의 면적과 중금속 오염농도 간의 관계를 이용할 경우에는 하나의 하천 줄기 내에서 활용성이 높은 것으로 생각된다.
제안된 예측기법은 하천 네트워크에 적용하여 하천 줄기별 오염 복구우선순위를 산정할 때 유용하게 활용될 수 있을 것이다. 폐광산 지역 뿐만 아니라 목축지나 도심지, 공장지대로 인한 오염 등 다양한 상황에서 범용적으로 활용될 수 있으며 하천의 네트워크가 복잡하고 굴곡이 심할수록 상대적 활용도가 높을 것으로 기대된다.
Language
Korean
URI
https://hdl.handle.net/10371/118198
Files in This Item:
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Energy Systems Engineering (에너지시스템공학부)Theses (Ph.D. / Sc.D._에너지시스템공학부)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse