Journal Search Engine
Download PDF Export Citation Korean Bibliography PMC Previewer
ISSN : 1225-4517(Print)
ISSN : 2287-3503(Online)
Journal of Environmental Science International Vol.30 No.3 pp.219-234
DOI : https://doi.org/10.5322/JESI.2021.30.3.219

Estimation of Contribution by Pollutant Source of VOCs in Industrial Complexes of Gwangju Using Receptor Model (PMF)

Jin-Hwan Park*, Byoung-Hoon Park, Seung-Ho Kim, Yoon-Cheol Yang, Ki-Won Lee, Seok-Jin Bae, Hyeong-Myeong Song
Gwangju Metropolitan Health & Environment Research Institute Department of Environmental Research, Gwangju 61954, Korea
*Corresponding author: Jin-Hwan Park, Gwangju Metropolitan Health & Environment Research Institute Department of Environ -mental Research, Gwangju 61954, Korea Phone : +82-62-613-7525 E-mail : mansaco@naver.com
13/11/2020 23/02/2021 03/03/2021

Abstract


Industrial emissions, mainly from industrial complexes, are important sources of ambient Volatile Organic Compounds (VOCs). Identification of the significant VOC sources from industrial complexes has practical significance for emission reduction. VOC samples were collected from July 2019 to June 2020. A Positive Matrix Factorization (PMF) receptor model was used to evaluate the VOC sources in the area. Four sources were identified by PMF analysis, including coating-1, coating-2, printing, and vehicle exhaust. The coating-1 source was revealed to have the highest contribution (41.5%), followed by coating-2 (23.9%), printing (23.1%), and vehicle exhaust (11.6%). The source showing the highest contribution was coating emissions, originating from the northwest to southwest of the sample site. It also relates to facilities that produce auto parts. The major components of VOC emissions from the coating facilities were toluene, m,p-xylene, ethylbenzene, o-xylene, and butyl acetate. Industrial emissions should be the top priority to meet the relevant control criteria, followed by vehicular emissions. This study provides a strategy for VOC source apportionment from an industrial complex, which is helpful in the development of targeted control strategies.



수용모델(PMF)을 이용한 광주산업단지 VOCs의 오염원별 기여도 추정

박 진환*, 박 병훈, 김 승호, 양 윤철, 이 기원, 배 석진, 송 형명
광주광역시 보건환경연구원 환경연구부

    1. 서 론

    대기 중 휘발성유기화합물(Volatile Organic Com -pounds, VOCs)은 환경적 측면에서 광화학 산화물인 오존, PAN (peroxyacetyl nitrate) 등의 전구체로 작용 하며, 성층권의 오존층 파괴와 지구 온난화에 직접 관여 하는 것으로 알려져 있다(Barbara et al., 1996). 또한, 발 암성과 유전독성을 내포하여 인체 영향을 주는 보건학적 문제점이 규명되면서 선진국을 중심으로 국제적 조직을 통해 엄격한 총량규제가 이루어지고 있다(WHO, 1987).

    국내의 대기오염물질 배출목록(air pollutants emission inventory)에 근거한 대기정책지원시스템(Clean Air Policy Support System, CAPSS)의 VOCs 배출량 통계 에 따르면, 2019년 기준 광주광역시 대기오염물질(CO, NOx, SOx, TSP, PM10, PM2.5, VOCs, NH3)의 배출량 47,756 ton 중 VOCs는 전체 배출량의 약 35%로서 16,567 ton에 해당한다(NIER, 2019). VOCs를 대상으 로 대분류 시 유기용제 사용에 대한 배출률이 80.0%로 가장 높게 나타났으며, 에너지 저장 및 수송 5.8%, 도로 이동오염원 5.4%, 폐기물처리 3.1% 수준으로 조사되었 다. 이와 관련하여 유기용제 사용의 배출에 대한 중분류 의 경우 도장시설, 기타 유기용제 사용, 세정시설 그리고 세탁시설 순으로 높게 조사되어 적절한 배출원 관리가 필요한 것으로 볼 수 있다.

    VOCs 배출원의 적절한 관리를 위해서는 배출원과 수 용지역 사이의 관계가 우선적으로 규명되어야 한다. 그 러나 VOCs는 그 생성과 변환의 정도가 시·공간적으로 복잡하고 다양하기 때문에 실제 오염원에서 배출된 물질 이 수용체에서 확인되지 않는 경우가 발생되고, 반대로 오염원에서 배출되지 않은 물질이 화학반응을 통해 수용 체에서 검출된다. 다양한 배출원에서 배출된 자료와 수 용점에서 실측된 대기오염 농도는 비선형적 관계를 가지 는 경우가 발생되며, 이에 대한 정확한 규명은 현실적으 로 어렵게 된다(Park et al., 2020). 대기오염관리에 있어 서 과거 시점에 수행된 오염원 위주의 규제보다는 현재 시점인 수용체의 직접적인 영향에 관심을 기울일 필요성 이 있다(Lee, 2015). 따라서 산업단지의 주요 오염원 파 악과 배출특성, 물질별 기여도 산정 등에 관한 연구는 VOCs 저감을 위해 적극적으로 수행되어야 한다.

    질량보존의 법칙과 질량수지에 그 이론적 기초를 두 고 있는 분산 모델(dispersion model)과 수용 모델 (receptor model)을 통해서 대기 환경에 영향을 주는 오 염원을 추정할 수 있다(Hwang and Kim, 2003). 정확한 오염원 배출 자료가 필요한 분산 모델은 배출원 변화에 따른 수용점 영향을 계산할 수 있어, 오염물질 저감 시나 리오 분석 등 배출 영향에 따른 미래 예측에 주로 활용된 다. 이를 위해서는 반복적으로 소요되는 인력과 비용이 장기적으로 확보되어야 하는 어려움이 있다. 반면 수용 모델은 반드시 수용점에서 실측된 자료가 있어야 하며 배출원 목록 자료 없이도 배출원과 수용점의 관계 규명 이 가능하기 때문에 배출원 확인 및 기여율 산정을 위한 연구에 활용되었다(Hwang et al., 2001;Lee et al., 2009). 그러나 주로 입자상 오염물질에 국한되어 왔으며, VOCs를 대상으로 수행된 연구는 전무한 실정이다.

    본 연구에서는 오염원 분류표(source profile)가 미미 한 국내 실정에 적합한 양행렬인자분석(Positive Matrix Factorization; PMF)을 통해 오염원과 그에 따른 질량 기여도를 산정하고, 모델 결과와 기상자료를 활용하 여 조건부확률함수(Conditional Probability Function; CPF)와 조건부이변량확률함수(Conditional Bivariate Probability Function; CBPF) plot을 이용하여 오염원 위치를 파악하였다. 해당 결과를 통해서 VOCs 집중관리 사업장과 공동으로 관리가 필요한 개별 종에 대한 우선 관리물질을 선별하여, 대기 배출원 관리정책을 효율적으 로 수행하기 위한 기초자료로 제공하고자 한다.

    2. 재료 및 방법

    2.1. 연구대상

    본 연구는 광주의 가장 대표적인 1세대 산업단지로서 광산구에 위치하며, 광산구에서 발생되는 VOCs 배출과 관련된 주요 업종은 크게 도장시설(자동차 수리, 건축 및 건물, 코일 코팅, 나무 및 가구제조, 기타 산업과 비산업 용), 세정시설(금속 세정공정, 전자부품 제조, 기타 산업 용 세정공정), 세탁시설(세탁(드라이크리닝)), 기타 유기 용제 사용(인쇄업, 가정 및 상업용 유기용제 사용) 등으 로 분류할 수 있으며(NIER, 2019), 총면적은 5,944,000 m2로 매우 광범위한 지역을 차지하고 있는 하남산업단 지와 인근 주거지역을 대상으로 하였다(Fig. 1). 산업단 지로부터 VOCs 영향 평가를 위한 수용 지점은 대기오염 자동측정소(오선동)와 약 110 m 이내의 거리에 위치한 산업단지 1개 지점과 산업단지 인근에 위치한 주거지역 1개 지점을 선정하였으며, 지점 간 직선 거리는 약 510 m이다. 주거지점의 경우 풍향과 풍속에 따른 영향을 고 려하기 위해서 자동측정소와 최단거리에 위치하고 공동 주택 특성상 풍향에 따른 건물 간섭을 최소화 하기 위해 서 도로와 가까운 지점을 선정하였으며, 2019년 7월부 터 2020년 6월까지 월 1회 총 12회 수행되었다.

    2.2. 시료채취 및 분석방법

    VOCs 시료채취와 분석은 대기오염공정시험기준의 환경대기 중 유해 휘발성유기화합물 시험방법-고체흡착 관법(ES 01804.2)과 EPA Method TO-14A를 준하였 다. 시료채취는 자동 시료채취 장치 MTS-32 (Multiple Tube Sampler 32, Markes, UK)와 TC-20(Tube Conditioner 20, Markes, UK)을 이용하여, 전처리가 수 행된 흡착관(C2-AAXX-5032, Markes, UK)을 사용하 였다. 흡착관은 Tenax TA와 Carbopack B의 흡착제가 충전된 제품을 통해서 현장 시료의 경우 90 mL/min의 유량으로 1시간 동안 총 채취량이 5.4 L가 되도록 하였 다. 또한 산업단지 내 시설 가동 시간을 고려하여 오전 9 시부터 오후 6시까지 해당 지점의 지면으로부터 1.2~2.0 m 높이에서 대기 중 시료를 1시간 단위로 각각 1일 9시 간 동안 채취하였다. 동일 시간에 관측된 기상자료 중 풍 속과 풍향 자료는 하남산단 내 위치한 오선동 대기오염 자동측정소 자료를 활용하고 그 밖의 자료들은 광주지방 기상청 자료를 참고하였다.

    흡착관에 채취된 시료는 자동열탈착장치(Ultra-xr, Markes, UK)가 장착된 기체 크로마토그래프/질량분석 기(GC 7890B/MSD 5977B, Agilent, USA)를 사용하 여 분석하였다. 자동열탈착장치의 운전 조건은 1차적으 로 300℃에서 40 mL/min의 유량으로 10분간 열 탈착되 며, 탈착된 시료는 다시 –25℃의 저온 응축 트랩을 통해 응축된 후 320℃까지 급속 가열되는 2차 열 탈착 과정을 통해 GC/MSD로 주입된다.

    GC/MSD의 분석에서 모세관 칼럼 DB-1(60 m × 320 um × 3 um, Agilent, USA)이 사용되고 오븐 승온 조건은 40℃에서 5분간 유지하고 280℃까지 5 ℃/min의 속도로 승온 후 5분간 유지하였으며, 기기분석용 가스는 고순도 헬륨을 사용하였다. 분석 대상인 48종의 VOCs 는 4개의 계열로 분류되었으며, 표준용액은 Indoor air standard (49148U, Supelco, USA)를 사용하였다. 분류 된 VOCs는 Table 1에 나타내었다.

    2.3. 정도관리

    VOCs의 분석 결과에 대한 정도 관리는 대기오염공정 시험기준 (ES 01804.2)에 준하여 방법 검출한계, 정밀도 시험을 실시하였으며, 그 결과 VOCs의 머무름 시간에 따른 상대표준편차는 0.5% 이하로 신뢰성 있는 재현성 을 나타내었다. 방법 검출한계는 분석 대상물질 10 ng의 표준 용액을 7개의 흡착관에 주입한 후 실제 채취된 동일 한 시료 공기량을 적용하여 계산한 결과 0.101~0.615 μg/m3로 산정되었다. 또한, 정밀도와 정확도의 경우 시 험 방법에서 제시하는 기준을 준수하였으며, 검정 곡선 은 표준물질농도(10~100 ng) 범위에서 직선성 평가결과 결정계수(R2)는 0.98 이상이었다.

    2.4. 자료분석

    2.4.1. PMF 모델

    PMF 모델은 Paatero and Tapper(1994)에 의해 개발 된 수용모델로서 측정값의 표준편차를 고려하여 요인부 하량이 항상 양의 값으로 계산되게 하는 요인분석의 한 종류이다. 또한 상관행렬의 정보에 의존하는 것이 아니 라 개개 자료의 최소 자승값이 최소가 되는 (least-squares minimization) 알고리즘을 가지고 있어 개개 자료에 대한 오차 추정(error estimatr) 정보에 의존 할 수 있다(Choi et al., 2010). 검출한계 이하의 자료와 결측치 분석에 있어 오차 추정에 입각하여 그에 상응하 는 값을 추정하는 장점을 가진 다변량 분석법이며, 모델 의 기본식은 다음과 같다.

    X = G F + E
    (1)

    여기서, X는 측정행렬, G는 기여도 행렬, F는 분류표 행렬 그리고 E는 잔차 행렬이다. 시료 i에서 측정된 화학 종 농도 j의 방정식은 식 2와 같다.

    X i j = k = 1 p g i k f k j + e i j
    (2)

    여기서, gik는 시료 i에서 추출된 요인 k의 오염원 기여 도, fki는 추출된 요인 k에서 화학종 농도 j의 오염원 분류 표를 의미한다. 결과적으로 측정값이 가지는 불확도를 고려 하여 식 3으로 정의되며, 각 단계의 fg값은 각 시료에 대 한 잔차 행렬의 최소 비율과 불확도 Uij의 합을 통해 목적함 수 Q가 최소가 될 때까지 조정된다.

    Q = i = 1 n j = 1 m ( X i j k = 1 p g i k f k j U i j ) 2
    (3)

    본 연구에서는 ME-2 알고리즘을 통해 다중선형분석 을 수행하는 US-EPA PMF 5.0을 사용하였다(Paatero, 1999;Norris and duvall, 2014).

    2.4.2. CPF와 CBPF 분석

    일반적으로 사용되는 CPF는 PMF 모델에서 계산된 오염원 기여도와 풍향 자료를 활용하여 특정 방향에 대 한 배출원 규모를 파악할 수 있는 모델이다(Kim and Hopke, 2004;Thimmaiah et al., 2009). CBPF의 경우 CPF 방법에 풍속 변수를 결합하여 수용점의 배출 간격 을 구분하고 이에 따른 오염원 위치를 추정하는 방법이 다(Xie and Berkowitz, 2006;Jericevic et al., 2019). CPF와 CBPF의 계산은 식 45를 통해 산정된다.

    C P F Δ θ = m Δ θ n Δ θ
    (4)

    C B P F Δ θ = m Δ θ , Δ u n Δ θ , Δ u
    (5)

    여기서, m은 오염물질의 농도가 적정 기준을 초과할 때 발생하는 바람의 횟수, n은 바람의 총 발생 횟수를 의미하 며, 불어오는 풍향과 풍속은 각각 Δθ , Δu이다.

    본 연구의 초과 기준은 오염원 기여율의 50th percentile이며, 풍향은 16방향(Δθ =22.5), 풍속의 경우 0.5 m/sec 이하의 자료는 불어오는 방향에 대한 불확도 가 높기 때문에 제외하였다(Kim and Hopke, 2004;Watson et al., 2004;Jeong and Hwang, 2015).

    3. 결과 및 고찰

    3.1. 풍배도 분석

    시료 채취와 동일한 시간에 관측된 풍속과 풍향 자료 를 이용하여 작성된 풍배도와 시간 변화에 따른 추이를 Fig. 2에 나타내었다. 풍속의 범위는 0.4~7.2 m/s이며, 평균 2.5 m/s로서 주풍은 남쪽이었다. 관측 시간에 따른 변화를 살펴보면 풍속의 경우 오전 1.0~1.9 m/s에서 오 후 2.5~3.4 m/s이며, 풍향은 남쪽에서 서쪽으로 불어왔 다. 지점 특성상 산업단지와 인근 주거지의 기상적 요인 에 따른 영향은 주로 풍속이 낮은 10~11시와 오후 풍속 이 저하되는 17~18시에 남쪽과 서쪽 방향의 오염원에 의한 영향이 고려된다.

    3.2. VOCs 농도 특성

    연구 지점의 농도 특성을 알아보기 위해서 시계열 변화 에 따른 결과를 Fig. 3에 나타내었다. VOCs의 전체 자료 를 TVOCs로 표현하였으며, Table 1에 나타낸 바와 같이 VOCs의 개별 종의 자료를 4개의 계열로 분류하여 분석 하였다. 그 결과 산단과 주거지점에서 전체 평균 이상의 농도를 나타낸 시간은 10~11시, 15시, 17~18시이며, 15 시를 제외한 시간의 경우 농도 차이는 있으나 지점 간 유 사하게 나타났다. 그러나 12시~16시는 평균 이하의 낮은 농도를 보이며 서로 다른 분포를 나타내었다. 이는 특정 방향에서 불어오는 오염원의 영향이 낮 동안 활발한 대류 활동과 확산에 의해서 해당 지점에 농도 변화를 가져온 것으로 판단된다(Han et al., 2006). 따라서, 특정한 방향 과 풍속에 따른 영향을 고려하기 위해서 8방위로 계산된 풍속과 농도를 Fig. 4와 Table 2에 나타내었다. 샘플링 기간의 풍향은 동(E), 남동(SE), 남(S), 남서(SW), 서 (W), 북서(NW)로서 6개 방향에서 불어왔다. 두 지점에 서 동쪽과 남서쪽을 제외한 나머지 방향에서 4개 계열의 농도 크기는 Aromatics > OVOCs > Alkanes > Halohydrocarbons 순서로 나타났다. Kim et al.(2020)Shen et al.(2018)의 연구결과에 의하면 도장시설에서 배출되는 VOCs의 성분은 주로 Aromatics와 OVOCs 계 열이었으며, 인쇄시설의 경우 OVOCs 계열이 주요 성분 인 것으로 조사되었다. 동쪽의 경우 OVOCs 계열의 농도 가 Aromatics 보다 높게 나타났으며, 그 차이는 주거 지 점보다는 산단 지점에서 더 크게 나타났다. 이는 동쪽 방 향의 평균 풍속이 0.9 m/s로서 특정 방향에 따른 바람 영 향은 낮다고 판단되며, 해당 지점의 근거리에 위치한 배 출원의 조업 일정과 제품 생산량에 따른 영향이 고려된다. 또한, 낮은 풍속으로 인해서 대기 흐름이 느려지고 주거 지점의 경우 산단지점과 인접하여 산단 내에 위치한 지점 과 유사한 배출 영향을 배제할 수 없다. Alkanes과 Halohydrocarbons의 경우 지점 간 농도 분포가 유사하 고 전반적으로 주거지점에서 다소 높은 것으로 나타났으 며, 남풍과 남서풍 조건에서 더욱 큰 차이를 보였다. Alkanes은 주로 자동차 배출과 관련이 있으며, 도장과 인 쇄 시설에서도 낮은 농도로 배출된다(Kim et al., 2020). 또한, Han et al.(2006)의 연구에서 Alkanes 계열은 차량 배출가스와 관련이 있고 주로 가솔린 차량과 연관성이 있 는 것으로 보고하였다. Halohydrocarbons의 경우 전기 와 전자 그리고 금속 공정에서 세정제로 사용되고 있으며, 개별 물질로는 Dichloromethane과 Trichloroethlene이 세정 공정에서 많이 배출되는 것으로 보고되었다(Lee and Yi, 1998;Kim et al., 2004).

    3.3. PMF 입력자료 및 요인 수 결정

    PMF 모델을 이용하여 신뢰성 있는 결과를 도출하기 위해서 가장 중요한 과정은 요인의 수를 결정하는 것이 다. 요인수를 결정함에 있어서 요인의 수가 너무 많으면 실제 존재하지 않는 오염원이 나타날 가능성이 있고, 반 대로 요인수가 적으면 오염원이 중복될 수 있기 때문이 다(Juntto and Paatero, 1994). 연구 지점에서 채취된 108개의 시료에 대해서 분석된 48종의 VOCs는 108×48 행렬이다. 그러나 PMF 모델은 대기 중 다양한 오염원을 명확하게 분류해 내기에는 한계가 있어 불필요 한 변수를 줄이기 위해 출현빈도가 70% 이상인 상위 30% 화학종을 적용하였다(Fig. 5). 농도 파일은 분석된 농도를 사용하였으며, 검출한계 미만의 자료는 검출한계 의 1/2값으로 대체하였다(Polissar et al., 2001;Lee et al., 2002). 불확도 파일의 경우 분석된 전체 농도에 15%를 적용하였으며, 검출한계 미만의 농도에 적용된 불확도는 검출한계의 5/6값으로 하였다(Saxena and Hildemann, 1996;Paatero, 1999). 산단지점은 108×18 행렬, 주거지점은 108×16 행렬 데이터로 작성되어 모델 링을 수행함에 있어 각 자료에 가중치를 부여하게 된다. 모델 입력자료에 사용된 VOCs의 기술 통계량을 Table 3에 나타내었다.

    본 연구에서는 반복적인 모델링 작업을 통하여 최적 의 요인 수를 결정하기 위해서 Q 값을 이용한 방법으로 Q(true)와 Q(robust)의 비가 1.5를 넘지 않는 범위에서 적절한 요인 수를 각각 4개로 결정하였으며(Yu, 2016), 여기서 Q(robust)는 환경 측정 자료에서 자주 나타나는 이상치를 제외하고 계산된 값을 의미하고 Q(true)는 모 든 값을 포함하여 계산된 값을 의미한다(Norris and duvall, 2014). 또한 요인과 변량과의 관계를 명확히 하 기 위해서 요인의 회전도를 결정하는 Fpeak 변수를 반복 적으로 적용하였으며(Sim, 2013), 그 결과 산단과 주거 지점에서 Fpeak 값이 각각 0.1과 –0.1일 때 의미 있는 결 과를 산출할 수 있었다. 또한, PMF 모델링 결과에 대한 신뢰도 평가는 실제 측정된 TVOCs 농도와 PMF 모델 링(다중회귀 분석을 이용) 결과로 추정된 TVOCs 농도 와의 회귀분석에서 결정계수(R2)가 0.7 이상이면 모델 결과가 양호한 것으로 판단할 수 있다(Choi et al., 2010). 본 연구에서는 결정계수가 0.76~0.85로서 측정 된 자료와 예측된 모델링 결과가 양호한 것으로 판단되 며, 그 결과는 Fig. 6에 나타내었다.

    3.4. 오염원 분류 및 기여도 산정

    오염원을 분류하기 위한 과정으로 앞에서 언급한 모 델링 작업을 통해서 최적의 인자 수를 산단과 주거지점 에서 각각 4개로 결정하였다. 이후에 오염원의 기본이 되 는 주요 확인자(marker)를 바탕으로 하여 오염원 확인 및 분류를 수행한다. 오염원을 분류하기 위해서는 선행 연구와 미국 EPA의 오염원 분류 표인 speciate 프로그 램 등의 자료를 이용하여 분류를 수행할 수 있다. 그러나 대기오염 배출시설을 대상으로 VOCs를 분석한 연구는 미미한 수준이며, 동일한 배출 공정에서도 생산하는 제 품과 유기용제에 따라서 배출 성분이 달라지기 때문에 미국 EPA의 오염원 분류 표를 적용하는 것은 한계가 있 다. 따라서 해당 연구 대상과 동일한 하남산업단지에서 Kim et al.(2020)이 수행한 연구 자료를 참고하였다. 참 고한 연구는 VOCs 배출 사업장을 중점으로 한 플라스틱 제품 제조업, 자동차 제품 제조업, 인쇄업 등 주요 업종별 로 사업장 내부와 배출구 그리고 주변 대기 중에서 측정 된 VOCs의 배출 특성을 조사하였으며, 본 연구와 유사 한 분석 결과를 나타내어 배출원 자료로 활용하였다.

    오염원 분류는 모델을 통해서 계산된 행렬 자료(시료 수와 VOCs 농도)인 요인 수(4개로 축약된 시료 수)와 VOCs 개별 종의 농도에 따른 기여도 자료에서 각각의 요인에 백분율로 할당된 구성 성분 분석은 Kim et al.(2020)이 수행한 배출원별 VOCs 성분분석 자료를 참 고하였으며, 분류된 오염원은 Fig. 7에 나타내었다. 또한, 분류된 오염원의 전체 질량 농도와 이에 따른 질량 기여 도는 Table 4에 나타냈으며, 해당 오염원에서 배출되는 주요 물질은 질량 기여율이 높은 것을 대상으로 선별하 였다. 그 결과 두 지점은 동일한 오염원으로 분류되어 해 당 오염원에서 발생되는 주요 VOCs 개별 물질 또한 유 사하게 나타났다. Coating-1은 도장시설과 관련된 오염 원으로서 자동차 차체와 그에 따른 부속품을 제조하는 시설이며, 배출되는 주요물질은 Toluene, Ethyl benzene, m, p-Xylene, o-Xylene, Butyl acetate, 4-Methyl-2-pentanone이다. 시간당 평균 질량 기여율은 산단과 주거지점에서 각각 42.9%(17.25 μg/m3)와 40.0%(13.49 μg/m3)로 전체 오염원 중 가장 큰 기여율 을 나타냈다.

    Coating-2는 전자제품과 플라스틱 제품을 제조하는 도장시설로서 3-Ethyltoluene, Mesitylene, Acetone, 2-propanol, Styrene, Hexane, Ethyl benzene, m, p-Xylene, o-Xylene, Decane, Octane, Nonane 등이 주 요 물질이었으며, 기여율은 각각 20.8%(8.37 μg/m3)와 26.9%(9.06 μg/m3)이다. 도장시설은 주로 자동차, 기계, 전자 부품 및 가정용 전자 기기 등의 표면을 코팅하는 작 업을 포함하는 합성 산업 분야로서, 생산되는 제품에 따 라 서로 다른 종류의 페인트와 희석제가 필요하고 일반 적으로 방향족 화합물과 에스테르 등의 유기용제와 안료 는 해당 분야에서 많이 쓰이는 성분으로 보고되고 있다 (Zheng et al., 2013).

    한편, Printing은 플라스틱 포장 패키지 인쇄 제품을 생산하는 인쇄시설과 관련된 오염원으로 Ethyl acetate, 2-Butanone, Hexane 등 기여율은 24.4%(9.83 μg/m3) 와 21.8%(7.36 μg/m3)였다. 인쇄공정은 방식별로 스크 린, 옵셋, 마스터, 그라비어 인쇄로 세부공정에 따라서 알 코올, 에스테르, 케톤, 방향족탄화수소, 지방족탄화수소 등 매우 다양한 VOCs가 함유된 용제를 혼합하여 사용된 다. 이는 인쇄공정에서 원단에 용제를 혼합한 잉크를 도 포한 후 건조과정과 표면 코팅을 위한 수지의 용융과정 에서 주로 배출되는 것으로 조사되었다(Ahn et al., 2018).

    Vehicle exhaust는 도로이동 배출원으로 주로 디젤과 가솔린 차량 배출가스와 관련이 있으며, 주요물질은 Benzene, Heptane, Octane, Nonane 등으로서 기여율 은 각각 11.9%(4.80 μg/m3)와 11.3%(3.82 μg/m3)로 산정되었다. Han et al.(2006)의 연구에 의하면 Alkane 계열에서 높은 비중을 차지하면 가솔린 증기에 의한 배 출이며, Aromatic 계열이 높으면 디젤 증기에 의한 배출 로서 디젤과 가솔린에서 증발되는 VOCs는 도로이동 배 출원과 연관되어 함께 배출되는 특성이 있기 때문에 PMF 모델에서 완전히 분리되지 않는 것으로 판단했다. 본 연구에서도 Aromatic 계열의 Benzene과 Alkanes 계 열인 Heptane, Octane, Nonane 등이 분리되지 않고 함 께 배출되는 특성을 나타냈다.

    3.5. CPF, CBPF 결과 및 우선관리물질 선별

    PMF 모델을 통하여 얻은 기여도 자료와 오선동 대기 오염 자동측정소의 풍향과 풍속 자료를 결합하여 특정 오염원의 대략적 위치와 해당 오염원의 질량 기여율의 80%에 해당하는 상위 20% 주요 VOCs 종에 대한 결과 를 Fig. 89에 나타내었다. 산단과 주거지점은 각각 4 개 오염원과 전체 오염원의 50th percentile 이상 농도로 유입되는 특정 배출원에 대해서 우선 관리물질을 선별하 였다. 그 결과 산단지점으로부터 전체 오염원의 경우 북 북서쪽에서 유입되는 Coating-1과 남남서쪽에서 동남동 쪽 방향으로 유입되는 Coating-2와 Printing은 36.5 μg/m3 이상의 농도에서 확률적으로 높은 영향을 주는 특 정 배출원에 해당하며, 이를 효율적으로 관리하기 위해 서는 선별된 Toluene 외 7종의 개별 VOCs에 대해서 우 선 관리가 선행되어야 한다.

    한편, 주거지역의 전체 오염원은 서남서쪽에서 유입 되는 Coating-1과 Coating-2에 대한 오염원과 남서쪽으 로부터 Coating-1과 Printing은 확률적으로 35.9 μg/m3 이상의 농도에서 영향을 주는 특정 배출원으로 볼 수 있 으며, Toluene 외 6종을 대상으로 우선 관리가 요구된다. 나머지 개별 오염원에 대해서도 위에 전술한 바와 같은 방법으로 각각의 오염원을 대상으로 선별된 VOCs 개별 물질들을 통해서 관리가 가능할 것으로 사료된다.

    4. 결 론

    본 연구는 산업단지로부터 발생되는 VOCs 배출원 관 리를 위해서 특정 방향에 따른 농도 특성을 분석하고, PMF 모델과 CBPF plot을 통해서 해당 오염원에 대한 정량적 기여도를 추정하였으며, 연구지역에 영향을 주는 특정 배출원에 대한 대략적 위치와 이에 대한 우선 관리 물질을 선별하여 제시하였다. 그 결과 다음과 같은 결론 을 얻을 수 있었다.

    연구 지점 간 TVOCs와 분류된 4개 계열의 농도 분포 특성 중 전체 농도에 대한 평균보다 높은 농도를 나타낸 시간은 주로 10~11시와 17~18시로서 특정 방향에 따라 서 농도 차이를 나타냈으며, 동쪽과 남서쪽을 제외한 나 머지 방향에서 4개 계열에 대한 농도 크기는 Aromatics > OVOCs > Alkanes > Halohydrocarbons 순서로 나 타났다. 이는 수용 지점에 미치는 영향은 특정 시간과 방 향에서 발생되는 VOCs 배출원에 따라서 농도 분포가 변 화되는 것을 확인하였다.

    PMF 모델 결과에서 산단과 주거지점은 4개 오염원이 동일하게 분류되었으며, 오염원(질량 기여도)과 주요 성 분의 경우 자동차 차체와 전자제품(플라스틱)을 제조하 는 도장시설로서 Coating-1(40.0~42.9%)과 Coating-2 (20.8~26.9%)이며, 주요성분은 Toluene 외 14종이다. 또한, 포장 패키지 인쇄 제품을 생산하는 시설로서 Printing(21.8~24.4%)에서는 Ethyl acetate 외 2종이며, 도로 이동 배출원과 관련된 Vehicle exhaust(11.3 ~11.9%)의 주요 물질은 Heptane 외 3종으로 분석되었 다. 해당 결과에서 두 지점의 전체 오염원 중 자동차 차체 와 그에 따른 부속품을 제조하는 도장시설인 Coating-1 에서 가장 큰 기여율을 나타내어 우선 관리 사업장으로 서 관리가 요구된다. 그러나 특정 배출원을 효율적으로 관리함에 있어서 발생되는 전체 VOCs 물질을 관리하는 것은 현실적으로 불가능하다. 이에 오염원의 질량 기여 율의 80%에 해당하는 상위 20% 주요 VOCs 종을 선별 하였으며, 산단과 주거지점에서 선별된 Toluene 외 6~7 종의 개별 VOCs에 대한 주요 유입 방향은 북북서, 서남 서, 남서쪽에서 유입되는 영향이 확률적으로 높았으며, 이에 대한 특정 배출원의 관리가 필요한 것으로 사료된 다.

    향후 본 연구결과를 통해서 특정 배출원의 개별관리 와 더 나아가 산단 전체에 대한 공동관리 방안 등이 이루 어질 수 있는 시작점이 되었으면 한다. 그러나 해당 연구 결과에서 수집된 시료의 경우 1년간 월별 9시간 이하의 연속자료이며, 수용 지점에 영향을 줄 수 있는 최소한의 범위에서 수행된 연구 결과로서 산단 전체를 분석하는 것은 한계가 있었다. 이에 수용 지점과 연구 기간을 확장 하고 다양한 시설에 대한 추가적인 배출원 조사가 필요 할 것으로 판단된다.

    감사의 글

    이 연구는 2020년 환경부 환경분야 시험검사의 국제 적 적합성 기반구축사업과 광주광역시 보건환경연구원 연구역량강화 사업의 지원으로 수행하였습니다.

    Figure

    JESI-30-3-219_F1.gif

    Location of the study area and sampling sites.

    JESI-30-3-219_F2.gif

    Wind conditions during sampling period.

    JESI-30-3-219_F3.gif

    Daily variation of VOCs concentration at the monitoring sites.

    JESI-30-3-219_F4.gif

    Distribution in the VOCs concentration by wind direction.

    JESI-30-3-219_F5.gif

    Detection frequency and concentration of VOCs.

    JESI-30-3-219_F6.gif

    Interrelation between measured TVOCs and modeled TVOCs.

    JESI-30-3-219_F7.gif

    Chemical compositions of factors for VOCs samples constructed using PMF model.

    JESI-30-3-219_F8.gif

    Conditional probability and bivariate plot of VOCs in industrial point.

    JESI-30-3-219_F9.gif

    Conditional probability and bivariate plot of VOCs in residential point.

    Table

    VOCs analyzed in samples

    Descriptive statistics of VOCs at the monitoring sites (Unit : μg/m3)

    Summary of VOCs concentrations used for PMF analysis (Unit : μg/m3)

    Source contribution of VOCs

    Reference

    1. Ahn, H. Y. , Lee, Y. K. , Song, J. H. ,2018, Volatile organic compounds emitted from printing processes and their removal by adsorption, J. Odor Indoor Environ., 17, 396-403.
    2. Barbara, Z. , John, C. S. , Gregory, H. , Alan, W. G. , William, R. P. ,1996, Volatile organic compounds up to C20 emitted from motor vehicles; measurement methods, Atmos. Environ., 30, 2269-2286.
    3. Choi, W. G. , Cho, Y. H. , Jang, H. S. , Kim, C. H. , Kim, T. O. ,2010, Analysis of VOCs characterization in Gumi industrial complex by positive matrix factorzation, J. Odor Indoor Environ., 9, 90-100.
    4. Han, J. S. , Moon, K. J. , Kim, R. H. , Shin, S. A. , Hong, Y. D. , Jung, I. R. ,2006, Preliminary source apportionment of ambient VOCs measured in Seoul metropolitan area by positive matrix factorization, J. Kor. Soc. Atmos. Environ., 36, 22, 85-97.
    5. Hwang, I. J. , Kim, D. S. ,2003, Estimation of quantitative source contribution of ambient PM-10 using the PMF model, J. Kor. Soc. Atmos. Environ., 19, 719-731.
    6. Hwang, I. J. , Kim, T. O. , Kim, D. S. ,2001, Source identification of PM-10 in Suwon using the method of positive matrix factorization, J. Kor. Soc. Atmos. Environ., 17, 133-145.
    7. Jeong, Y. , Hwang, I. ,2015, Source apportionment of PM2.5 in Gyeongsan using the PMF model, J. Kor. Soc. Atmos. Environ., 31, 508-519.
    8. Jericevic, A. , Gasparac, G. , Maslac, M. M. , Kumar, P. ,2019, Identification of diverse air pollution sources in a complex urban area of Croatia, J. Environ. Manage., 243, 67-77.
    9. Juntto, S. , Paatero, P. ,1994, Analysis of daily precipitation data positive matrix factorization, Environmetrics, 5, 127-144.
    10. Kim, E. , Hopke, P. K. ,2004, Comparison between conditional probability function and nonparametric regression for fine particle source directions, Atmos. Environ., 38, 4667-4673.
    11. Kim, E. G. , Hopke, P. K. ,2004, Source apportionment of fine particles in Washington, DC, utilizing temperature -resolved carbon fractions, J. Air Waste Manage. Assoc., 54, 773-785.
    12. Kim, H. S. , Cha, A. J. , Bae, J. H. , Lee, H. Y. , Lee, M. J. , Park, B. D. ,2004, Development of aqueous/semi-aqueous cleaning agent and its field application to cleaning process of electronic parts, Clean Technol., 6, 61-72.
    13. Kim, S. H. , Seo, D. J. , Kim, H. R. , Park, J. H. , Lee, K. W. , Bae, S. J. , Song, H. M. ,2020, Estimation and analysis of VOCs emissions from painting and printing facilities in industrial complexes of Gwangju, J. Env. Sci. Intern., 29, 479-494.
    14. Lee, H. J. , Yi, J. H. ,1998, Waste minimization technology trends in semiconductor industries, Clean Technol., 4, 6-23.
    15. Lee, H. W. , Lee, T. J. , Kim, D. S. ,2009, Identifying ambient PM2.5 sources and estimating their contributions by using PMF : separation of gasoline and diesel automobile sources by analyzing ECs and OCs, J. Kor. Soc. Atmos. Environ., 25, 75-89.
    16. Lee, J. H. , Youshida, Y. , Turpin, B. J. , Hopke, P. K. , Poirot, R. L. , Lioy, P. J. , Oxley, J. C. ,2002, Identification of sources contributiong to Mid-Atlantic regional aerosol, Air & Waste Manage. Assoc., 52, 1186-1205.
    17. Lee, K. B. ,2015, Estimation of unknown components and assessment of source for PM10 and PM2.5 in Seoul area, Doctoral dissertation, Seoul University, Seoul, Korea.
    18. National Institute of Environmental Research,2019, 2016 national air pollutants emission, NIER-GP2018-131, NIER.
    19. Norris, G. , Duvall, R. , Brown, S. , Bai, S. ,2014, EPA Positive Matrix Factorization (PMF) 5.0 fundamentals and user guide, united states Environmental Protection Agency (EPA), office of research and development, Washington, DC EPA/600/ R-14/108.
    20. Paatero, P. ,1999, The multilinear engine-A table-driven, least squares program for solving multilinear problems, including the n-way parallel factor analysis model, J. Comput. Graph. Stat., 8, 854-888.
    21. Paatero, P. , Tapper, U. ,1994, Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values. Environmetrics, 5, 111-126.
    22. Park, C. Y. , Oh, S. H. , Song, M. G. , Choi, W. S. , Bae, M. S. ,2020, Reflection of mitigation strategy for air pollution based on clean air policy support system – concentration analysis from the atmospheric monitoring network in the Seoul and Gwangju areas, J. Kor. Soc. Atmos. Environ., 36, 228-239.
    23. Polissar, A. V. , Hopke, P. K. , Poirot, R. D. ,2001, Atmospheric aerosol over Vermont: Chemical composition and sources, Environ. Sci. & Technol., 35, 4604-4621.
    24. Saxena, P. , Hildemann, L. M. ,1996, Water-soluble organics in atmospheric particles: A critical review of the literature and application of thermodynamics to identify candidate compounds, J. Atmos. Chem., 24, 57-109.
    25. Shen, L. , Xiang, P. , Liang, S. , Chen, W. , Wang, M. , Lu, S. , Wang, Z. ,2018, Sources profiles of volatile organic compounds (VOCs) measured in a typical industrial process in Wuhan, Central China, Atmosphere, 9, 297-314.
    26. Sim, S. Y. ,2013, Identification of ambient PM2.5 sources by using PMF receptor model and estimation of their source contribution in a Gwangju area, Master dissertation, Chonnam National University, Gwangju, Korea.
    27. Thimmaiah, D. , Hovorka, J. , Hopke, P. K. ,2009, Source apportionment of winter submicron prague aerosols from combined particle number size distribution and gaseous composition data, Aerosol Air Qual. Res., 9, 209-236.
    28. Watson, J. , Chow, J. , Fujita, E. ,2004, Protocol for applying and validating the CMB Model for PM2.5 and VOC, US Environmental Protection Agency.
    29. WHO,1987, Air quality guidelines for Europe, WHO regional publication (Copenhagen), European Series., 23, 45-48.
    30. Xie, Y. , Berkowitz, C. M. ,2006, The use of positive matrix factorization with conditional probability functions in air quality studies: an application to hydrocarbon emissions in Houston, Texas, Atmos. Environ., 40, 3070-3091.
    31. Yu, M. H. ,2016, Source apportionment of fine particulate matter in a Gwangju area, Master dissertation, Chonnam National University, Gwangju, Korea.
    32. Zheng, J. , Yu, Y. , Mo, Z. , Zhang, Z. , Wang, X. , Yin, S. , Peng, K. , Yang, Y. , Feng, X. , Cai, H. ,2013, Industrial sector -based Volatile Organic Compound (VOC) source profiles measured in manufacturing facilities in the Pearl River Delta, China, Sci. Total Environ., 456-457, 127-36.
    1. SEARCH
    2. Online Submission

      submission.kenss.or.kr

    3. KENSS

      The Korean Environmental
      Sciences Society

    4. Editorial Office
      Contact Information

      - Tel: +82-51-514-1752
      - Fax: +82-51-514-1210
      - E-mail: kenss@hanmail.net