Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

A Numerical Study on the Characteristics of Flows and Fine Particulate Matter (PM2.5) Distributions in an Urban Area Using a Multi-scale Model: Part I - Analysis of Detailed Flows

다중규모 모델을 이용한 도시 지역 흐름과 초미세먼지(PM2.5) 분포 특성 연구: Part I - 상세 흐름 분석

  • Park, Soo-Jin (Researcher, Center of Oceanic Meteorological Information, Pukyong National University) ;
  • Choi, Wonsik (Assistant Professor, Department of Environmental Atmospheric Sciences, Pukyong National University) ;
  • Kim, Jae-Jin (Professor, Department of Environmental Atmospheric Sciences, Pukyong National University)
  • 박수진 (부경대학교 해양기상정보센터 전임연구원) ;
  • 최원식 (부경대학교 환경대기과학과 조교수) ;
  • 김재진 (부경대학교 환경대기과학과 정교수)
  • Received : 2020.12.09
  • Accepted : 2020.12.15
  • Published : 2020.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

To investigate the characteristics of detailed flows in a building-congested district, we coupled a computation fluid dynamics (CFD) model to the local data assimilation and prediction system (LDAPS), a current operational numerical weather prediction model of the Korea Meteorological Administration. For realistic numerical simulations, we used the meteorological variables such as wind speeds and directions and potential temperatures predicted by LDAPS as the initial and boundary conditions of the CFD model. We trilinearly interpolated the horizontal wind components of LDAPS to provide the initial and boudnary wind velocities to the CFD model. The trilinearly interpolated potential temperatures of LDAPS is converted to temperatures at each grid point of the CFD model. We linearly interpolated the horizontal wind components of LDAPS to provide the initial and boundary wind velocities to the CFD model. The linearly interpolated potential temperatures of LDAPS are converted to temperatures at each grid point of the CFD model. We validated the simulated wind speeds and directions against those measured at the PKNU-SONIC station. The LDAPS-CFD model reproduced similar wind directions and wind speeds measured at the PKNU-SONIC station. At 07 LST on 22 June 2020, the inflow was east-north-easterly. Flow distortion by buildings resulted in the east-south-easterly at the PKNU-SONIC station, which was the similar wind direction to the measured one. At 19 LST when the inflow was southeasterly, the LDAPS-CFD model simulated southeasterly (similar to the measured wind direction) at the PKNU-SONIC station.

본 연구에서는 국지예보시스템(LDAPS)과 전산유체역학(CFD) 모델을 접합하여, 부산 중구 광복동에 소재한 건물 밀집 지역의 상세 흐름을 조사하였다. 도시 지역 기상에 대한 보다 현실적인 수치 모의를 위해 기상청이 현업으로 운용하는 LDAPS 결과로부터 기상 요소(풍향, 풍속, 온위)를 추출하여 CFD 모델의 초기·경계장으로 사용하였다. LDAPS로부터 추출한 기상 요소(U, V)는 공간 선형 보간법을 이용하여 CFD 모델의 수평·연직 격자에 맞게 내삽하였고, 공간 선형 보간법을 이용해 내삽한 온위는 CFD 모델의 각 격자점에서 온도로 변환된다. 본 연구에서는 건물 옥상에서 측정한 3차원 초음파 풍향·풍속계에서 측정한 풍속과 풍향을 이용하여 수치 모의 결과를 검증하였다. 대상 기간(2020년 6월 22일) 동안 측정 지점(PKNU-SONIC)에서는 바람이 약하게 나타났고, 새벽 시간에는 북동풍과 북서풍이 불었으며, 주간에는 주로 남동풍이 불었다. LDAPS-CFD 접합 모델은 측정 풍향과 풍속을 유사하게 수치 모의하였다. 07시에는 동북동쪽에서 유입되는 흐름이 지형과 건물에 의해 변화하였고, PKNU-SONIC 지점에서 수치 모의된 풍향(동남동풍)은 측정 풍향과 유사하다. 19시에는 남동쪽에서 유입되는 흐름이 PKNU-SONIC 지점까지 유입되어 측정 풍향과 유사하게 모의하였다.

Keywords

요약

본 연구에서는 국지예보시스템(LDAPS)과 전산유체역학(CFD) 모델을 접합하여, 부산 중구 광복동에 소재한 건물 밀집 지역의 상세 흐름을 조사하였다. 도시 지역 기상에 대한 보다 현실적인 수치 모의를 위해 기상청이 현업으로 운용하는 LDAPS 결과로부터 기상 요소(풍향, 풍속, 온위)를 추출하여 CFD 모델의 초기·경계장으로 사용하였다. LDAPS로부터 추출한 기상 요소(U, V)는 공간 선형 보간법을 이용하여 CFD 모델의 수평·연직 격자에 맞게 내삽하였고, 공간 선형 보간법을 이용해 내삽한 온위는 CFD 모델의 각 격자점에서 온도로 변환된다. 본 연구에서는 건물 옥상에서 측정한 3차원 초음파 풍향·풍속계에서 측정한 풍속과 풍향을 이용하여 수치 모의 결과를 검증하였다. 대상 기간(2020년 6월 22일) 동안 측정 지점(PKNU-SONIC)에서는 바람이 약하게 나타났고, 새벽 시간에는 북동풍과 북서풍이 불었으며, 주간에는 주로 남동풍이 불었다. LDAPS-CFD 접합 모델은 측정 풍향과 풍속을 유사하게 수치 모의하였다. 07시에는 동북동쪽에서 유입되는 흐름이 지형과 건물에 의해 변화하였고, PKNU-SONIC 지점에서 수치 모의된 풍향(동남동풍)은 측정 풍향과 유사하다. 19시에는 남동쪽에서 유입되는 흐름이 PKNU-SONIC 지점까지 유입되어 측정 풍향과 유사하게 모의하였다.

1. 서론

도시지역은 건물 밀집도, 수목 밀도, 수역과의 거리, 토지 피복 특성과 같은 지역적 특색에 따라 기상학적 특성이 다양하게 나타난다(Jung et al., 2011; Lee et al., 2011; Park et al., 2013, Park et al., 2016; Setälä et al., 2013; Janhäll, 2015; Kim et al., 2020). 도시 지역은 교외 지역과 비교하여 상대 습도(2~6%), 풍속(20~25%), 일사(15~20%)가 낮고, 오염물질 농도는 5~25배 높은 것으로 알려져 있다(Joo et al., 2006). Jung et al. (2011)은 녹지가 인접한 도시 지역의 기온은 건물 밀집 지역보다 최대 1.3°C까지 기온이 낮을 수 있음을 보였고, Kim et al. (2020)은 국지예보시스템(local data assimilation and prediction system, LDAPS) 결과를 통해 지역 특성에 따른 풍속과 기온을 분석하고, 예측 고도와 위치에 따라 결과가 크게 달라질 수 있음을 보였다.

도시 지역 주거 생활 환경은 기상 특성과 밀접하게 연관된다. 도시 지역 흐름은 건물 형태나 배치뿐만 아니라 기상학적 조건(풍향, 풍속, 기온, 대기 안정도 등)에 따라 복잡하게 나타나고, 지역적 특성에 따른 흐름 변화는 오염물질 농도에 직접적인 영향을 미칠 수 있다 (Kim et al., 2015; Wang and Kim, 2015). 이에 따라 도시 지역을 대상으로 기상과 대기오염물질 분포 관계를  밝혀내기 위한 많은 연구가 진행되어 왔다(Park et al., 2015, Park et al., 2016; Chen et al., 2016; Han et al., 2017). 특히, 최근에는 지리정보시스템(geographic information system, GIS) 자료를 이용하여, 도시 지역의 지형과 건물을 고려한 수치 모델링 연구가 진행되고 있다(Brousse et al., 2016; Xing and Brimblecombe, 2018; Aliabadi et al., 2019; Wang et al., 2020). Wang et al. (2020)은 도시 지역과 교외 지역의 건물 형태 정보와 유입 풍향에 따른 풍속 변화율을 분석하고, 다중 회귀 분석을 통해 풍속 변화 계수와 유입 풍속을 이용한 도시 특성에 따른풍향별 풍속을 추정하였다. Xing and Brimblecombe(2018)는 홍콩의 도로변 오염물질 측정과 확산 모델을 이용하여, 풍향과 도로 오염 배출원 거리에 따른 농도를 분석하고, 오염물질 농도가 반감되는 거리를 도로로부터 17 m로 분석하였다. 특히, 수~수십 미터의 건물 효과를 직접적으로 고려할 수 있는 전산유체역학(computational fluid  dynamics, CFD) 모델과 특별측정을 통해 도시 지역의 흐름과 오염물질 확산 특성 분석이 이루어지고 있다 (Kwak et al., 2018; Li et al., 2019; Lee and Kwak, 2020). Li et al. (2019)는 드론측정과 CFD모델의 수치 모의를 수행하여, 도로배출에 따른 초미세먼지(PM2.5) 확산이 풍향과 풍속에 의존적임을 보였다. Lee and Kwak(2020)은 드론측정과 WRF-CFD접합 모델의 수치 모의를 수행하여, 춘천시의 교차로에서 배출되는 오염물질(CO2, NOX, O3, black carbon, ultrafine particles)이 풍하지역으로 120 m이내에서 악영향을 미칠 수 있음을 보였다. 선행 연구들은 도시 지역의 복잡한 흐름에 의해 오염물질의 분포가 지역별로 크게 달라질 수 있음을 보였다.

본 연구에서는 기상청에서 현업으로 운용하는 국지 예보모델(LDAPS)과 CFD모델을 결합하고, 도로교통량이 많으며 건물이 밀집된 부산 중구 광복동 지역에서 2020년 6월 22일에 수행된 특별 측정(풍향과 풍속) 결과와 수치 모의 결과를 비교·검증하였다. 도시 지역 흐름이 도로 배출 대기오염물질 확산에 영향을 크게 미칠 것으로 예상되는 출·퇴근 시간대인 2020년 6월 22일 07시와 19시에 대해 상세 흐름 특성을 분석하였다.

2. 연구방법

1) 국지기상예측시스템(LDAPS)

본 연구에서는 국지기상예측시스템(LDAPS)을 사용하여 국지 규모 기상 현상의 일중 변화를 고려하였다. LDAPS는 한반도를 포함한 영역을 1.5 km의 수평 해상도와 연직70층(약 40 km)의 연직 해상도로 단기 예측을 수행한다. LDAPS는 전지구모델로부터3시간 간격으로 경계장을 제공받아 00, 06, 12, 18 UTC에는 36시간 예측을 수행하고, 03, 09, 15, 18 UTC에는 3시간 예측을 수행한다. LDAPS의 모의 영역은 동서 방향으로 121.8°E~132.5°E이고, 남북방향으로 32.3°N~ 43.0°N까지로 한반도와 인근 해역을 포함한다. LDAPS는 ArakawaC- grid(Arakawa and Lamb, 1977)의 수평·연직 격자 체계와 Charney-Phillips 엇갈림 격자계(Charney and Phillips, 1953)를 차용한다. LDAPS는 유한차분법을 사용하며 반암시 반라그랑지 방법(semi-implicit semi-Lagrangian)을 이용하여 시간 적분을 수행한다.

2) 전산유체역학(CFD) 모델

본 연구에서는 LDASP가 예측한 기상장을 초기·경계장으로 사용하고, 수~수십 미터 단위의 상세한 건물을 고려할 수 있는 CFD 모델을 사용하였다(Kim et al., 2014; Park et al., 2016). 이 CFD 모델은 3차원, 비정수, 비회전, 비압축 대기 흐름계를 가정하고 Reynolds-averaged Navier-Stokes equations(RANS) 방정식 계를 수치적으로 풀이한다. 본 연구에서 사용한 CFD 모델은 엇갈림 격자계에서 유한체적법과 SIMPLE(semi-implicit method for apressure-linked equation) 알고리즘을 이용하고 Versteeg  and Malalasekera(1995)가 제안한 벽면 함수를 이용하여 벽면 효과를 반영한다.

3) 실험설계

본 연구에서는 부산시에서 건물이 밀집되고 교통량이 많으며 특별 측정이 수행된 중구 광복동의 토성 초등학교 주변 지역을 대상 지역으로 선정하였다. 대상 지역은 부산 토성 초등학교를 중심으로 동서·남북방향으로 3 km×3 km 영역이다. 북서쪽과 남서쪽에는 아미산과 천마산이 위치하고 남동쪽에는 부산 남항이 위치한다 (Fig. 1(a)). 대상 지역에 대한 지리정보시스템(geographic information system, GIS) 자료를 이용하여 3차원 지표 경계자료를 구축하였다 (Fig. 1(b)). 상세흐름 모의를 위한 수치 도면 크기는 x, y, z 방향으로 각각 3000 m, 3000 m, 750 m이고, 분석영역은 수치 도면을 중심으로 2000 m×2000 m×750 m이다. 격자 크기는 x, y, z 방향으로 각각 10 m, 10 m, 5 m이다.

OGCSBN_2020_v36n6_3_1643_f0007.png 이미지

Fig. 1. (a) Aerial photography for the target area, and (b) three-dimensional building configuration in the CFD model domain. In (a) and (b), yellow and red circles represent the Toseong elementary school.

본 연구에서는 기상요소에 대한 보다 현실적인 수치 모의를 위해 기상청에서 현업으로 운용하는 LDAPS 결과로부터 기상요소(풍향, 풍속, 온위)를 추출하여 CFD 모델의 초기·경계장으로 사용하였다. LDAPS로부터 추출한 기상요소는 공간 선형 보간법을 이용하여 CFD 모델의 수평·연직 격자에 맞게 내삽하였다. LDAPS로부터 추출한 온위는 David(1980)의 방법을 이용하여 기온으로 변환하였고, 이를 CFD모델의 초기·경 계장으로 사용하였다. 난류 운동에너지(κ)와 난류 운동에너지의 소멸률(ε)에 대한 초기 조건은 식 (1)와 (2)와같다.

\(\kappa(z)=\frac{u_{*}^{2}}{C_{\mu}^{1 / 2}}\left(1-\frac{Z}{\delta}\right)^{2}\)        (1)

\(\varepsilon(z)=\frac{C_{\mu}^{3 / 4} k^{3 / 2}}{\kappa Z}\)       (2)

여기서, u* 는마찰속도, δ는 경계층 두께(= 1000 m), κ는 von Karman상수(= 0.4)를 나타내고, Cμ는경험적 상수(= 0.0845) 이다(Yakhot et al., 1992).

대상 기간은 대상 지역에서 특별 측정이 수행된 2020년 6월 22일 00시부터 23시까지로 선정하였다. CFD 모델은 2020년 6월 22일 00시부터 23시까지 LDAPS가 매시간 예측한 기상자료를 초기·경계자료로 사용하여 바람장을 0.5초 간격으로 1시간 동안 수치 적분하였다.

3. 결과와 토의

1) PKNU-SONIC 측정 지점의 풍속과 풍향 비교

LDAPS와 LDAPS-CFD 접합 모델이 수치 모의한 풍향과 풍속을 토성 초등학교 옥상 S1 지점(PKNU-SONIC) (Fig. 2)에서 측정한 결과와 비교하였다(Fig. 3). 수치 모델이 모의한 결과를 Chang and Hanna(2004)가 제안한 통계적 검증지수(Table1)를 이용하여 LDAPS-CFD 접합 모델의 성능을 검증하였다. 통계적 검증지수에 대한 목표값과 추천 범위는 Table1에 제시하였다. 정규화된 평균 분산(normalized mean variance, NRMSE)과 기하 평균 분산(geometric mean variance, VG)은 모델의 정밀도를 나타내며, 기하 평균 편차(geometric mean bias, MG)와 편차분율(fractional bias, FB)은 모델의 정확도를 나타낸다. R과 FAC 2는 각각 상관계수(correlation coefficient)와 정규화된 측정 2배 이내 예측 비율(fraction of predictions within a factor of two of measurements)을 나타낸다.

OGCSBN_2020_v36n6_3_1643_f0001.png 이미지

Fig. 2. The measurement position of the PKNU-SONIC station.

OGCSBN_2020_v36n6_3_1643_f0002.png 이미지

Fig. 3. Time series of the measured and simulated (a) wind directions and (b) wind speeds at the PKNU-SONIC station (S1).

 Table 1. The aim values and recommended criteria for the statistical validation (Table 1 in Kwon et al., 2020)

OGCSBN_2020_v36n6_3_1643_t0001.png 이미지

대상 기간 동안 새벽 시간(00시부터 06시)에는 북동에서 북서풍계열의 풍향이 나타났고, 07시 이후에는 주로 남동에서 남풍계열의 풍향이 일정하게 나타났다 (Fig. 3(a)). LDAPS와 LDAPS-CFD 접합 모델이 모의한 풍향은 측정된 풍향과 유사하였으나, LDAPS-CFD접합 모델의 풍향에 대한 평균 제곱근 오차(root mean square error, RMSE) (69.41°)는 LDAPS(51.79°)보다 비교적 크게 나타났다(Table2). LDAPS-CFD 접합 모델은 새벽 시간(00시부터 06시)에 측정지점의 서쪽에 위치한 산악 (천마산과 아미산)을 따르는 흐름의 영향과 오후 시간 (15시부터 17시)에측정 지점의 동쪽과 동남쪽에 위치한 높은 건물들에 의한 흐름 왜곡으로 풍향에 대한 오차가 크게 나타났다. 평균풍속은 1.07 ms-1로 전반적으로 풍속이 약했다. 새벽 시간(00시부터 07시)에는 0.5 ms-1 이하의 약한 풍속이 나타났고, 08시 이후에 풍속이 증가하여, 최고 1.91 ms-1(14시)의 풍속이 나타났다(Fig. 3(b)). LDAPS는1.5 km 수평 해상도로 대상 지역에 대한 건물의 마찰 효과를 직접적으로 반영하지 못하기 때문에 풍속을 과대 모의하였으나, 풍속의 변화 경향은 유사하게 모의하였다. 반면, LDAPS-CFD 접합 모델은 건물의 마찰효과로 측정된 풍속과 유사하게 나타났다. LDAPS와 LDAPS-CFD 접합 모델의 풍속에 대한 RMSE는 각각 1.96 ms-1와0.56 ms-1이다(Table2).

Table 2. The statistical values for the simulated wind directions and speeds at the PKNU-SONIC station (S1)

OGCSBN_2020_v36n6_3_1643_t0002.png 이미지

풍속에 대한 통계 검증 지수를 분석한 결과, LDAPS는 RNMSE(1.17), VG(2.79), MG(0.42)에 대해 추천 범위를 만족하였고, LDAPS-CFD 접합 모델은 RNMSE (0.63), VG(1.58), MG(1.29), FB(0.30), FAC2 (0.71)을 만족했다 (Table2). 풍속에 대해 LDAPS-CFD 접합 모델은 정밀도와 정확도 측면에서 통계 검증 지수를 모두 만족하였고, LDPAS는 기하 평균 편차(FB)을 제외하고 모델의 정밀도와 정확도 측면에서 통계검증 지수를 만족하였다. 통계 검증 지수를 모두 만족하였고, LDPAS는 기하 평균 편차(FB)을 제외하고 모델의 정밀도와 정확도 측면에서 통계 검증 지수를 만족하였다. 통계 검증 지수를 통해 풍속에 대한 수치 모의 성능을 종합적으로 분석한 결과, LDAPS-CFD 접합 모델이 정밀도와 정확도 측면에서 풍속을 더 현실적으로 수치 모의하였다.

2) 상세 흐름 특성 분석

본 연구에서는 주간에 대해 공간적인 상세 흐름 특성을 조사하였다. 주간에 LDAPS-CFD 접합 모델이 풍향을 잘 재현하고, 도로 배출이 많은 07시와 19시에 대해 흐름 특성을 분석하였다.

Fig. 4는 2020년 06월 22일 07시에 LDAPS-CFD 접합 모델이 수치 모의한 PKNU-SONIC 측정 고도(z= 37.5 m, 해발 고도 기준)와 지표 고도(z= 2.5 m, 지표면 기준) 에서의 바람 벡터장과 연직 성분 속도를 나타낸다. PKNU-SONIC 지점에서 측정된 풍향과 풍속은 각각 142.6°와 0.49 ms-1이다. LDAPS는 풍향(74.67°)을 잘 재현하지 못하였고 풍속(1.33 ms-1)을 과대모의 하였다. LDAPS-CFD 접합 모델이 수치 모의한 바람 벡터장을 보면, PKNU-SONIC 측정고도에서 산악을 따르는 흐름이 형성된다(②, ③inFig. 4(a)). LDAPS-CFD 접합 모델이 수치 모의한 바람 벡터장에서는 동북동쪽에서 유입되는 흐름이 지형(②) 과 건물(①과 ④)에 의해 변화하였고(Fig. 4(a)), PKNU-SONIC 지점에서 수치 모의된 풍속은 0.55 ms-1, 풍향은 동남동풍(129.3°)으로 측정값과 유사하다. 상층에서는 서풍계열의 흐름이 나타나고, PKNU-SONIC 지점(S1)에서는 건물에 의해 흐름왜곡이 발생하여 남동풍과 상승류가 나타났다(Fig. 4(a), Fig.5). 지표 고도에서는 밀집된 건물로 인해 흐름 패턴이 매우 복잡하게 나타나고, 산악의 풍상 측 사면(⑤)에서는 상승류, 산악의 풍 하측 사면(⑥)에서는 하강류가 나타난다(Fig. 4(b)). 지표 고도에서는 주로 남풍계열의 흐름이 나타난다(Fig. 4(b)). 지표 고도에서는 주로 도로(⑦, ⑧, ⑨)의 방향을 따라 흐름이 나타나는데, 남북 방향의 서쪽(⑧inFig. 4(b))과 동쪽(⑨inFig. 4(b)) 도로에서는 남풍계열의 흐름이 나타나고, 동서 방향의 북쪽 도로 (⑦inFig. 4(b))에서는 서풍이 약하게 나타난다.

OGCSBN_2020_v36n6_3_1643_f0003.png 이미지

Fig. 4. Wind vectors and contours of vertical wind velocity components at (a) the PKNU-SONIC measurement height (z = 37.5 m above the mean sea level) and (b) the surface (z = 2.5 m above the ground) at 07 LST 22 June 2020. Red circles represent the PKNU-SONIC stations.

OGCSBN_2020_v36n6_3_1643_f0004.png 이미지

Fig. 5. Wind vectors and contours of U components along the red dashed line in Figure 5b at 07 LST 22 Jun.2020

Fig. 6은 2020년 06월 22일 19시에 LDAPS-CFD 접합 모델이 수치 모의한 PKNU-SONIC 측정고도(z= 37.5 m, 해발 고도 기준)와 지표 고도(z= 2.5 m, 지표면 기준)에서의 바람 벡터장과 연직 성분속도를 나타낸다. LDAPS (풍향–143.0°, 풍속–2.88 ms-1)는PKNU-SONIC 지점에서 측정된 풍향(132.6°)을 잘 재현하였으나, 측정 풍속 (1.47 ms-1)과 비교하여 풍속을 과대모의 하였다. LDAPS- CFD 접합 모델(풍향–146.72°, 풍속–0.56 ms-1)은 남동쪽에서 유입되는 흐름이 PKNU-SONIC 지점까지 유입되어 풍향을 유사하게 모의하였다(Fig. 6(a)). 흐름이 수렴하는 지역(⑩)에서는 상승류가 발생하며, 산골짜기 방향(⑪)으로 흐름의 수렴이 나타난다. PKNU-SONIC 지점(S1)에서는 건물에 의한 상승류가 나타난다(Fig. 6(a), Fig. 7). 지표 고도에서의 흐름은 2020년 6월 22일 07시의 흐름과 유사하지만, 도로에서 전반적으로 풍속이 약하다(Fig. 6(b)). 지표 고도에서는 도로의 방향을 따라, 북쪽 도로(⑦inFig. 6(b))에서 서풍 계열 흐름이 나타나고, 서쪽과 동쪽 도로(⑧, ⑨inFig. 6(b))에서 남풍 계열의 흐름이 나타난다. 동쪽 도로와 학교 운동장 사이에 장애물이 없기 때문에, 동쪽 도로의 흐름은 학교 운동장에 서의 흐름과 유사하다.

OGCSBN_2020_v36n6_3_1643_f0005.png 이미지

Fig. 6. The same as in Figure 4 except for 19 LST 22 June 2020.

OGCSBN_2020_v36n6_3_1643_f0006.png 이미지

Fig. 7. The same as in Figure 5 except for 19 LST 22 Jun. 2020.

4. 요약 및 결론

본 연구에서는 국지기상예측시스템(LDAPS)과 건물과 지형효과를 고려할 수 있는 상세규모 모델(CFD model)을 접합하여, 부산 건물 밀집 지역 지역에 대한 상세 흐름 특성을 분석하였다. 기상요소에 대한 보다 현실적인 수치 모의를 위해 기상청에서 현업으로 운용하는 LDAPS 결과로부터 매시간의 기상요소(풍향, 풍속, 온위)를 추출하여CFD모델의 초기·경 계장으로 사용하였다.

본 연구에서는 부산 토성 초등학교 주변에서 수행된 특별 측정자료를 이용하여 수치 모의 결과를 검증하고, PKNU-SONIC 측정 고도와 지표 고도에서의 상세흐름 특성을 분석하였다. 대상 기간(2020년 6월 22일) 동안 PKNU-SONIC 지점에서는 0.3 ~ 1.9 ms-1의 약한 바람이 불었고, 00 ~ 06시에는 북동풍과 북서풍이 나타났으며, 07시 이후에는 주로 남동풍이 나타났다. LDAPS와 LDAPS-CFD 접합 모델은 측정된 것과 유사한 풍향을 수치 모의하였다. LDAPS는 전반적으로 풍속을 과대 모의하였으나, LDAPS-CFD 접합모델은 건물과 지형의 마찰 효과를 반영하여 측정된 풍속을 유사하게 수치 모의하였다. 통계 검증 지수를 통해 수치 모델의 모의 성능을 종합적으로 분석한 결과, LDAPS-CFD 접합 모델이 정밀도와 정확도 측면에서 풍속을 더 현실적으로 수치 모의하였다.

본 연구에서는 도로 배출 대기 오염물질의 확산에 대한 흐름의 영향이 클 것으로 예상되는 출·퇴근 시간대인 2020년 6월 22일 07시와 19시에 대해 상세 흐름 특성을 분석하였다. PKNU-SONIC 측정 고도에서는 산악을 따르는 흐름이 형성된다. 07시에는 동북동 쪽에서 유입되는 흐름이 지형과 건물에 의해 변화하였고, PKNU- SONIC 지점에서 수치 모의된 풍향(동남동풍)은 측정 풍향과 유사하다. 19시에는 남동쪽에서 유입되는 흐름이 PKNU-SONIC 지점까지 유입되어 측정 풍향과 유사하게 모의하였다. PKNU-SONIC 지점(S1)에서는 건물에 의한 상승류가 나타났다. 지표 고도에서는 주변 지형과 건물에 의해 흐름이 변화되어 두 시각 모두 주로 남풍 계열의 흐름이 나타났다. 지표 고도에서는 주로 도로의 방향을 따라 흐름이 나타나는데, 동서 방향의 북쪽 도로에서는 서풍이 약하게 나타나고, 남북 방향의 서쪽과 동쪽 도로에서는 남풍 계열의 흐름이 나타났다. 동쪽 도로와 학교 운동장 사이에 장애물이 없기 때문에, 동쪽 도로의 흐름은 학교 운동장에서의 흐름과 유사하다. 결론적으로 건물 밀집 지역의 상세 흐름은 지형과 건물에 따라 매우 복잡하게 나타나고, 건물 구조와 배치에 따라 도로별 흐름이 다양하게 나타났다. 본 연구에서 사용한 수치 모의 기법은 도시 지역의 지형과 건물을 효과를 반영한 현실적인 기상장을 모의하고, 건물 밀집지역에 대한 3차원적인 기상정보를 제공하는데 유용한 수단이 될 것으로 기대한다. 향후, LDAPS-CFD 접합 모델의 성능을 더욱 향상시키기 위해서는 상세한 건물과 지형 특성 반영뿐만 아니라 수목이나 차량 효과를 고려한 고해상도 수치모의가 필요할 것으로 판단된다.

사사

이 논문은 2018학년도 부경대학교연구년 교수 지원 사업에 의하여 연구되었습니다(C-D-2018-0736).

References

  1. Aliabadi, A. A., M. Moradui, D. Clement, W. D. Lubits, and B. Gharabaghi, 2019. Flow and temperature dynamics in an urban canyon under a comprehensive set of wind directions, wind speeds, and thermal stability conditions, Environmental Fluid Mechanics, 19: 81-109. https://doi.org/10.1007/s10652-018-9606-8
  2. Arakawa, A. and V. R. Lamb, 1977. Computational design of the basic dynamical Processes of the UCLA general circulation model, Methods in Computational Physics, 17: 173-265.
  3. Brousse, O., A. Martilli, M. Foley, G. Mills, and B. Bechtek, 2016. WUDAPT, an efficient land use producing data toolfor mesoscale models? Integration of urban LCZ in WRF over Madrid, Urban Climate, 17: 116-134. https://doi.org/10.1016/j.uclim.2016.04.001
  4. Charney, J. G. and N. A. Phillips, 1953. Numerical integration of the quasi-geostrophic equations for barotropic and simple baroclinic flow, Journal of Meteorology, 10: 71-99. https://doi.org/10.1175/1520-0469(1953)010<0071:NIOTQG>2.0.CO;2
  5. Chang, J. C. and S. R. Hanna, Air quality model performance evaluation, Meteorology and Atmospheric Physics, 87(2004): 167-196.
  6. Chen, B., A. Stein, N. Castell, Y. Gonzalez-Castanedo, A. M. S. Campa, and J. D. RosaLin, 2016. Modeling and evaluation of urban pollution events of atmospheric heavy metals from a large Cu-smelter, Science of the Total Environment, 539: 17-25. https://doi.org/10.1016/j.scitotenv.2015.08.117
  7. David, B., 1980. The computation of equivalent potential temperature, Monthly Weather Review, 108: 1046-1053. https://doi.org/10.1175/1520-0493(1980)108<1046:TCOEPT>2.0.CO;2
  8. Han, J. M., J. G. Kim, and K. H. Jo, 2017. Verify a causal relationship between fine dust and air condition-weather data in selected area by contamination factors. The Korea Journal of BigData, 2(1): 17-26 (in Korean with English abstract). https://doi.org/10.36498/kbigdt.2017.2.2.17
  9. Janhall, S., 2015. Review on urban vegetation and particle air pollution e Deposition and dispersion, Atmospheric Environment, 105: 130-137. https://doi.org/10.1016/j.atmosenv.2015.01.052
  10. Joo, H. S., S. C. Kim, J. Y. Ban, and S. S. Choi, 2006. Study on wind flow and air quality in urban terrain, Korea Environment Institute, Korea, pp. 1-17.
  11. Jung, I. S., D. H. Choi, and B. Y. Lee, 2011. Observational study of thermal characteristics by distribution ratio of green area at urban in summer season, Journal of the Korean Solar Energy Society, 31(3): 8-16 (in Korean with English abstract). https://doi.org/10.7836/kses.2011.31.3.008
  12. Kim, D.-J., G. Kang, D.-Y. Kim, and J.-J. Kim, 2020. Characteristics of LDAPS-predicted surface wind speed and temperature at automated weather stations with different surrounding land cover and topography in Korea, Atmosphere, 11(11): 1224. https://doi.org/10.3390/atmos11111224
  13. Kim, E.-R., R. J. Park, D. G. Lee, and J.-J. Kim, 2015. A study on the characteristics of flow and reactive pollutants' dispersion in step-up street canyons using a CFD model, Korean Meteorological Society, 25(3): 473-482 (in Korean with English abstract).
  14. Kim, J.-J., E. Pardyjak, D.-Y. Kim, K. S. Han, and B. H. Kwon, 2014. Effects of building-roof cooling on flow and air temperature in urban street canyons, Asia-Pacific Journal of Atmospheric Sciences, 50(3): 365-375. https://doi.org/10.1007/s13143-014-0023-8
  15. Kwak, K. H., S. H. Woo, K. H. Kim, S. B. Lee, G. N. Bae, Y. I. Ma, Y. Sunwoo, and J.-J. Baik, 2018. On-road air quality associated with traffic composition and street-canyon ventilation: mobile monitoring and CFD modeling, Atmosphere, 9(92): 384-396. https://doi.org/10.3390/atmos9100384
  16. Kwon, A.-R., S.-J. Park, G. Kang, and J.-J. Kim, 2020. Carbon monoxide dispersion in an urban area simulated by a CFD model coupled to the WRF-Chem model, Korean Journal of Remote Sensing, 36(5-1): 679-692. https://doi.org/10.7780/KJRS.2020.36.5.1.3
  17. Lee, S. H. and K. H. Kwak, 2020. Assessing 3-D spatial extent of near-road air pollution around a signalized intersection using drone monitoring and WRF-CFD modeling, International Journal of Environmental Research and Public Health, 17(18): 6915. https://doi.org/10.3390/ijerph17186915
  18. Lee, S. J., W. B. Lee, W. C. Jin, and K. S. Lee, 2011. Wind characteristics at urban stream - case of Yangjae stream at Gangnam-gu in Seoul, Environmental Impact Assessment, 21(1): 201-208 (in Korean with English abstract).
  19. Li, B., X. B. Li, C. Li, Y. Zhu, Z. R. Peng, Z. Wang, and S. J. Lu, 2019. Impacts of wind fields on the distribution patterns of traffic emitted particles in urban residential areas, Transportation Research Part D, 68: 122-136. https://doi.org/10.1016/j.trd.2018.01.030
  20. Park, S.-J., D.-Y. Kim, and J.-J. Kim, 2013. Effects of Atmospheric stability and surface temperature on microscale local airflow in a hydrological suburban area, Korean Meteorological Society, 23(1): 13-21 (in Korean with English abstract).
  21. Park, S.-J., S.-H. Choi, J.-E. Kang, D. J. Kim, D. S. Moon, W. S. Choi, J.-J. Kim, and Y.G. Lee, 2016. Effects of differential heating by land-use types on flow and air temperature in an urban area, Korean Journal of Remote Sensing, 32: 603-616 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2016.32.6.5
  22. Park, S.-J., J.-J. Kim, M. J. Kim, R. J. Park, and H. B. Cheong, 2015. Characteristics of flow and reactive pollutant dispersion in urban street canyons, Atmospheric Environment, 108: 20-31. https://doi.org/10.1016/j.atmosenv.2015.02.065
  23. Park, S.-J., W.S. Choi, J.-J. Kim, M. J. Kim, R. J. Park, K. S. Han, and G. Kang, 2016. Effects of building-roof cooling on the flow and dispersion of reactive pollutants in an idealized urban street canyon, Building and Environment, 109: 175-189. https://doi.org/10.1016/j.buildenv.2016.09.011
  24. Setalal, H., Villpploa, A. L. Rantalainen, A. Pennanen, V. Yli-Pelkonen, 2013. Does urban vegetation mitigate air pollution in northern conditions?, Environmental Pollution, 183: 104-112. https://doi.org/10.1016/j.envpol.2012.11.010
  25. Versteeg, H.K. and W. Malalasekera, 1995. An introduction to computational fluid dynamics: the finite volume method, Longman, Malaysia, p. 257.
  26. Wang, J.-W. and J.-J. Kim, 2015. A study on sensitivity of pollutant dispersion to inflow wind speed and turbulent Schmidt number in a street canyon, Korean Meteorological Society, 25(4): 659-667 (in Korean with English abstract).
  27. Wang, J.-W., H.J. Yang, and J.-J. Kim, 2020. Wind speed estimation in urban areas based on the relationships between background wind speeds and morphological parameters, Journal of Wind Engineering & Industrial Aerodynamics, 205(104324): 1-19.
  28. Xing, Y. and P. Brimblecombe, 2018. Dispersion of traffic derived air pollutants into urban parks, Science of the Total Environment, 622: 576-583. https://doi.org/10.1016/j.scitotenv.2017.11.340
  29. Yakhot, V., S. A. Orszag, S. Thangam, T.B. Gatski, and C.G. Speziale, 1992. Development of turbulence models for shear flows by a double expansion technique, Physics of Fluids, 4: 1510-1520. https://doi.org/10.1063/1.858424