통계적 혼합모형을 이용한 몽골 울란바토르 게르 내 PM_2.5 농도 증가에 영향을 미치는 주요 요인 선별

2.1 연구대상

본 연구는 2019년 1 월 15일, 16일, 18일, 19일 4일에 걸쳐 게르에서 PM_2.5와 온도 및 습도를 실시간으로 측정하였으며, 이와 더불어 거주민들에 대한 관찰 조사를 하였다. 한국인과 몽골인 연구원을 2인 1조로 구성하여 1 일 1 가구씩 총 44가구를 방문하였다. 조사 시간은 9시부터 18시 사이로 하루 최소 5시간에서 최대 8시간으로 측정이 진행되었다. 측정 시간 동안 연구원들은 거주민의 행동을 관찰하여 관찰지를 작성하였다. 관찰지를 통해 조리, 연료 추가 및 연료량, 실내 흡연, 양초 사용, 음식 및 음료 섭취 및 거주자의 외출, 청소, 환기 등의 활동 여부와 관찰 시작 시간과 종료시간을 작성하였고, 추가한 연료의 양은 저울을 통해 정량적으로 기입하였다.

2.2 측정데이터의 수집과 보정

실내 PM_2.5 농도의 측정은 광산란식 입자 개수 농도 측정기 (Dylos DC1700, Dylos Corporation, USA)와 광산란 직독식 기기 (ASLUNG, Rododo Science, Taiwan)를 이용하였고 각각의 측정 간격은 1 분과 15 초이다. 온도와 상대습도는 온습도계 (Onset HOBO Datalogger UX100-003, Onset Computer Corporation, USA)를 이용하여 1분 간격으로 측정하였다. 기기는 바닥으로부터 최소 50cm 떨어진 곳에 위치하도록 하여 측정하였다.

측정에 활용된 광산란식 기기의 측정값은 보정계수를 이용하여 보정하였다. Dylos DC1700으로 측정된 PM_2.5 수농도 (particle number/0.01ft³)는 기존 연구에서 도출한 환산식을 이용하여 질량농도(ug/m³)로 변환하였다 [14]. ASLUNG에 대한 상관성 실험을 위해 PM_2.5의 중량농도는 Personal Environmental Monitor(PEM, SKC Inc. USA)에 PTFE(37mm, Pore size 2 um, PALL Corp. USA) 여과지 필터를 장착하여 측정하였다. 필터가 장착된 PEM에 시료 채취용 펌프 (Aircheck XR5000, SKC, USA)를 연결하여 4L/min의 유량으로 최소 6시간 이상 공기를 흡입하여 필터에 먼지가 포집되도록 하였다. 시료 채취 전과 후에 유량 보정계 (Defender510, Bios, USA)를 사용하여 펌프의 유량을 확인하였고 전·후 유량의 평균값을 적용하였다. 먼지가 포집된 필터는 데시케이터에 24시간 이상 함량한 후, 분석용 저울 (Mettler XP6 Microbalance, Mettler Toledo, Hightstown NJ, USA)을 사용하여 무게를 측정하였다. 필터의 무게 측정 전 정전기를 제거하였고 Blank 필터를 이용하여 일별 온도 및 습도 변화에 따른 무게 변화를 보정하였다. 한 시료당 3번의 무게를 측정하여 그 평균값을 중량농도 최종값으로 사용하였다. ASLUNG의 PM_2.5 농도(x)와 중량 PM_2.5 농도(y) 변환 회귀식은 다음과 같다 (Equation(i)).

따라서 ASLUNG 의 PM_2.5 데이터는 수집된 농도와 동시에 측정된 중량농도 포집법과 44 번의 상관성 실험을 통해 얻은 보정계수 0.4731 을 곱하여 최종 중량농도(ug/m³)로 변환하여 분석에 사용하였다.

2.3 통계분석의 방법

울란바토르에서 측정한 44 가구 중 기기상의오류로 인해 9 가구의 결측치가 발생하였으며, 이를 제외한 35 가구의 30분 단위 실내 PM_2.5 농도 (N=426)를 분석에 사용하였다. 데이터 분석에 사용될 변수들은 사용한 관찰지 기준과 동일하게 30 분 단위로 코딩을 하였고, 범주형 변수는 난방연료 추가 여부, 환기 여부, 실내흡연 여부, 조리 여부가 있다. 연속형 변수는 게르내 PM_2.5 농도와 실외 PM_2.5 농도가 있으며 보정된 게르 내 PM_2.5 농도의 경우 관찰지 기준과 동일하게 30 분 단위의 평균값을 사용하였다. 울란바토르의 실외 PM_2.5 농도는 몽골의 미국 대사관 홈페이지의 공개 자료인 US Embassy Ulaanbaatar Mongolia Air Quality 정보를 사용하였다 [13].

게르 내 PM_2.5 농도 증가에 유의미하게 영향을 미치는 요인을 찾기 위해 다중회귀분석 (multiple linear regression)을 하였으며 그 유의 수준은 0.05 로 설정하였다. 반응변수는 게르 내 PM_2.5 농도를, 반응변수를 설명할 수 있는 설명변수로는 외기 농도, 난방연료 추가 여부, 실내흡연 여부, 환기 여부, 조리 여부를 사용하였다.

다중회귀분석에서 고려하지 못한 측정기기별 차이, 일별 차이를 추가로 보정하여 시간대별 PM_2.5 농도와의 관계를 보기 위해 linear mixed model 을 사용하였다. 고정 효과로 외기 PM_2.5 농도, 난방연료 추가 여부, 실내흡연 여부, 환기 여부, 조리 여부를, 랜덤 효과로 측정 기기별 ID, 일별 ID, 반응변수로 게르 내 PM_2.5 농도를 사용했다. 각 가구별 PM_2.5 농도와 온도 및 습도의 기술 통계분석은 R software v.3.5(R Development Core Team, Vienna, Austria)를 이용하여 수행되었다.

3.1 게르 내 실내공기질

관찰데이터를 관찰지 기준인 30 분 단위로 코딩을 했고 실내 PM_2.5 농도에 영향을 미치는 주요 범주형 요인들로 난방연료 추가 여부, 환기 여부, 실내흡연 여부, 조리 여부를 고려했다. 4 가지 변수 중 가장 빈도가 높은 요인은 실내에서 조리를 하는 경우였으며, 그 다음으로 난방연료 추가, 환기, 실내흡연 순이었다. 30 분 단위로 정리한 데이터(N=426)의 요인 별 발생 비율을 보면 난방연료 추가는 ‘예’ (14%) 와 ‘아니오’ (86%), 환기 여부는 ‘예’ (13%) 와 ‘아니오’ (87%), 실내흡연 여부는 ‘예’ (4.4%) 와 ‘아니오’ (95.6%), 조리 여부는 ‘예’ (18.5%) 와 ‘아니오’ (81.5%) 로 이루어져 있다. 추가로 위의 데이터를 가구별 (n=35)로 요인들의 하루 동안 발생하는 횟수에 대해 기술통계량 분석을 했다. 각 가구별로 정리된 요인들의 관찰기간 (평균 6 시간 18 분) 동안 난방연료 추가는 1.66 회, 환기 여부는 1.57 회, 실내흡연 여부는 0.54 회, 조리 여부는 2.23 회를 가진다.

2019년 몽골의 겨울철 35개 게르 내 30 분 단위 PM_2.5 농도의 평균은 174.5 ± 175.8 ug/m³, 농도의 범위는 8.7 ug/m³에서 786.3 ug/m³ 이었다. 이 농도는 기존의 조사된 실내농도와 비슷한 수준이었다. 2016, 2018년 몽골의 겨울철 게르 내 평균 PM_2.5 농도는 각각 208 ± 173 ug/m³, 192.1 ± 114 ug/m³ 이었다 [9,14].

게르 내 30 분 단위 PM_2.5 농도를 일별로 비교해보면 1 월 15 일은 19.1 – 698.6 ug/m³의 범위를 가지고 평균은 208.1 ± 183.1 ug/m³ 이다. 1 월 16 일은 22.8 – 693.1 ug/m³ 이고 평균은 132.5 ± 143.1 ug/m³ 이다. 1 월 18 일은 32.6 – 786.3 ug/m³, 평균은 189.1 ± 153.2 ug/m³ 이다. 1 월 19 일은 8.7 – 782.2 ug/m³, 평균은 171.6 ± 203.2 ug/m³ 이다. 일별로 게르 내 PM_2.5 농도의 평균 차이가 존재하고 15, 18, 19, 16 일 순으로 평균이 높은 것을 알 수 있다 (Figure 1).

Figure 1.

Comparison of PM2.5 concentrations by monitoring dates

해당관측 기간 동안 관측 시간인 오전 9시부터 오후 18시까지의 외기 PM_2.5 평균농도를 일별로 비교했다. 분석에 사용한 외기 PM_2.5 농도는 한 시간 간격으로 측정되었다. 1 월 15 일은 292.1 ± 221.7 ug/m³ 이고, 1 월 16 일은 250.7 ± 273 ug/m³ 이며, 1 월 18 일은 154.6 ± 192.5 ug/m³, 1 월 19 일은 189.5 ± 278.8 ug/m³ 이다. 특히 1 월 18 일은 외기 PM_2.5 평균농도가 가장 낮게 관측되었지만, 게르 내 PM_2.5 농도는 두 번째로 높은 것을 확인할 수 있다. 또한 1 월 16 일은 외기 PM_2.5 평균농도가 해당기간 중 두 번째로 높았지만, 게르 내 PM_2.5 농도는 가장 낮게 관측되었다. 이를 통해 게르 내 PM_2.5 평균농도 상승에 영향을 주는 주요 요인으로 외기농도뿐 만 아니라 난방, 조리와 같은 실내의 주요 활동이 해당하는 것을 확인하였다.

PM_2.5 측정가구 중 30 분 단위 평균농도가 가장 높은 3 가구에 대해서 실내 PM_2.5 농도를 비교해 본 결과, 오전 중의 고농도 값에 해당하는 요인은 실내흡연 및 난방연료 추가 요인이었고, 오후 중의 고농도 값에 해당하는 요인은 실내흡연과 조리 요인임을 확인하였다. 1월 16 일 가장 높은 가구의 실내 농도는 301.2 ± 146 ug/m³ 이었다. 해당 게르는 실내 난방연료의 추가 빈도가 2 회로 높은 편이었고, 추가 난방 연료량 또한 7,000g 정도로 다른 가구에 비해 많은 양을 투여한 것이 평균 PM_2.5 농도 상승의 주요한 원인으로 판단된다. 1 월 18 일 가장 높은 가구의 실내농도는 283.5 ± 87.2 ug/m³ 이었으며, 관찰시간 내 실내흡연 요인이 11회 관찰되었다. 이는 본 연구에서 관찰된 실내흡연 여부 횟수인 19 회의 대부분을 차지하는 수치이고, 이에 따라 해당 가구는 실내흡연 요인이 평균 PM_2.5 농도 상승의 원인으로 판단된다. 1 월 19 일 가장 높은 가구의 실내농도는 평균 500.8 ± 184.6 ug/m³ 이었으며, 실내흡연 요인이 6 회, 조리 요인이 5 회, 난방연료 추가 요인이 4 회였다. 오전 및 오후 평균 농도는 각각 720.6 ug/m³, 400.8 ug/m³ 수준으로 35 가구의 전체 평균농도인 179.1 ug/m³ 보다 높은 값이며, 오전 시간 내 난방연료 추가 요인이 3 회, 오후 중에는 조리 요인이 5 회 있음을 확인하였다.

본 연구에서 조사된 게르 내 평균 PM_2.5 농도는 우리나라에서 2020 년 1 월 1 일부터 시행되는 환경부 실내 공기질 관리법에서 민감계층이 주로 이용하는 의료기관, 산후조리원, 노인요양시설, 어린이집에 적용되는 다중이용시설의 권고 기준인 35 ug/m³의 약 5.12 배 높아서 게르 내 거주민들의 건강이 우려되는 수치이다. 이는 실외의 PM_2.5 농도, 실내흡연, 난방연료의 추가, 실내 환기, 조리 여부 등 실내 활동의 영향이 클 것이라고 판단된다.

3.2 게르 내 PM_2.5 농도 증가에 영향을 주는 요인

관찰지 기준으로 정리한 모든 범주형 변수들과 실외 PM_2.5 농도를 주요한 변수로 고려했다. 모든 변수를 활용한 다중회귀분석의 결과는 외기 농도가 1 ug/m³ 증가할 때 0.19 ug/m³ 만큼, 실내흡연을 한 경우 225.29 ug/m³ 만큼, 난방연료를 추가한 경우 53.51 ug/m³씩 실내 PM_2.5 농도를 유의미하게 증가시켰다. 환기를 한 경우에는 78.06 ug/m³씩 감소하는 것을 확인하였다 (Equation (ii), Table1). 외기농도, 실내흡연, 조리, 스토브종류, 난방연료추가 등의 변수들을 이용하여 다중회귀분석을 진행한 기존의 연구에서는 외기 농도와 실내흡연만이 유의미한 변수였으나 [14], 이번 연구에서는 외기 농도와 실내흡연 이 외의 난방연료의 추가 여부, 환기 여부도 실내 PM_2.5 농도에 유의미한 변수임을 확인하였다. 이전 연구에서는 일평균을 사용하여 찾아낼 수 없었던 유의미한 변수를, 본 연구에서는 30 분 단위의 실시간 자료로 분석하여 찾아낼 수 있었다 [14].

Table 1.

Multiple linear regression analysis results for individual factor

3.3 기기별, 일별 차이의 보정

각 측정 기기와 일별 농도 차이에 따라 발생한 오차를 보정하기 위해 다중회귀분석에서 기기별, 일별 효과를 추가로 고려하여 각 변수들이 게르 내 PM_2.5 농도에 미치는 영향을 살펴보았다. 9 개의 level을 가지는 기기별 ID 랜덤 효과 변수와 4 개의 level을 가지는 일별 랜덤 효과 변수를 추가했다.

기기별 ID는 8515.6 일별(DATE) ID는 461.2만큼의 분산을 보정하였다. 외기농도는 1 ug/m³이 증가할 때마다 0.20 ug/m³, 난방연료 추가한 경우 56.26 ug/m³, 실내흡연을 한 경우 241.48 ug/m³, 조리를 한 경우 35.76 ug/m³ 만큼 실내 PM_2.5 농도를 증가시켰고, 환기를 한 경우 58.31 ug/m³ 만큼 실내 PM_2.5 농도를 감소시켰다.

Linear mixed model을 통해 기기별, 일별의 차이를 보정하였을 때 보정하지 않았을 때보다 더 유의미한 결과를 얻었고 이 차이는 보정의 효과가 반영된 것이다 (Equation (iii), Table 2). 또한 변수들이 가지는 T-value 값이 더 커 P-value 가 이전보다 낮아져서 유의성이 커짐을 확인할 수 있었다. 같은 기기 간에도 실제로 측정치 차이가 존재한다는 연구가 존재하고 [15], PM_2.5 측정 일별로 기후가 다른 것을 고려하여 측정 일을 랜덤 효과로 고려한 바 있다 [16]. 본 연구에서도 기기별, 일별 오차를 보정하여 설명력이 더 좋은 모델을 만들 수 있었다.

Table 2.

Linear mixed model analysis results for individual factor

기기별, 일별 차이를 보정한 모형에 대한 분산분석을 진행한 결과, 보정 전 유의미하지 않았던 조리여부 변수도 보정 후 유의미하게 나타나 모든 변수가 실내 PM_2.5 농도에 유의하게 영향을 주는 것으로 나타났다 (p<0.05, Table 3). 본 연구에서는 관찰조사를 통해 측정기간 동안 조리여부에 예라고 대답한 수가 모든 변수들 중에서 가장 많은 비중을 차지하였다. Man et al(2011)에서 연구한 홍콩의 비흡연 주택 12 곳에서 실내 조리 후 주방의 최대 PM_2.5 농도는 160 ug/m³으로 배경농도보다 4 배 정도 높았고, 거실의 최대 PM_2.5 농도는 40 – 60 ug/m³로 배경농도보다 1.5 배 높았다 [17]. 즉, 조리여부는 PM_2.5 농도 증가에 영향을 줄 수 있다는 것이 확인되었다.

Table 3.

Linear mixed model ANOVA (type 2 wald chisquare tests)

3.4 연구의 한계점

본 연구에서는 측정 기기 수의 제한으로 PM_2.5 농도 측정에 동일한 기기를 사용하지 못하고 두 가지 종류의 기기를 사용하였다. 기기별로 측정치의 차이가 존재하므로 linear mixed model을 통하여 기기별 차이를 보정하였다. 또한 PM_2.5 농도는 광산란법 직독식 기기에서 얻은 2 차 농도이기 때문에 중량농도법과의 상관성 실험을 통하여 보정된 값을 분석에 사용하였다.

게르 내 PM_2.5 농도의 측정간격은 1 분 단위였으나 관찰지의 관찰간격은 30 분이었다. 분석의 일치성을 위하여 관찰지의 기준에 따라 30분으로 분석 단위를 통일하였으며 PM_2.5 농도는 30 분 평균값을 사용하였다. 30 분 단위로 피크분석을 진행하였으나 시간 간격이 커서 흡연과 같은 짧은 분 단위로 발생하는 활동요인을 반영할 수 없었다. 또한 가구별로 1분 단위 PM_2.5 농도를 활용하여 비슷한 특징끼리 묶이는 군집분석을 시행했지만 뚜렷한 군집으로 분류할 수가 없었다. 관찰간격이 30분 단위로 정리되어 있어 1 분 단위의 실시간으로 분석하기에 적절하지 않았기 때문이다. 추후 후속연구에서는 1분 단위로 시간 간격을 더 짧게 자세히 관찰한다면 실시간 실내 PM_2.5 농도 증가에 영향을 미치는 요인과 게르별 뚜렷한 특징을 찾아낼 수 있을 것으로 기대된다.