광산란 기반 저비용 미세먼지(PM) 센서의 축산지역 적용을 위한 보정모델 개발과 계절 적용성 분석 = Development of a Calibration Model and Analysis of Seasonal Applicability for Light-Scattering Based Low-Cost Particulate Matter (PM) Sensors in Livestock Areas

국문 초록 (Abstract)

가축분뇨의 자원화는 최근 환경적으로 지속가능한 축산업을 실현하기 위한 핵심 전략이다. 그러나 이러한 자원화 공정 역시 초미세먼지(PM2.5)를 포함한 대기오염의 증가에 기여할 가능성이 높아, 결국은 축산업밀집 지역에서도 일반적인 산업단지처럼 연속적인 대기질 모니터링의 필요성이 제기되고 있다. 광산란(Light-scattering) 기반의 저비용 미세먼지(PM) 센서는 낮은 운영비용과 고밀도 모니터링 네트워크 구축에 적합하다는 장점을 지니고 있지만 측정 정확도와 신뢰성이 제한적이라는 점은 여전히 중요한 문제로 남아 있다.
본 연구에서는 우사 밀집 축산지역에 대한 보정모델을 개발하고 계절 간 적용 가능성을 평가함으로써 궁극적으로 축산지역에서 Light-scattering 기반 PM2.5 센서의 적용성을 향상시키고자 하였다. 이를 위해 Light-scattering 기반 PM 센서(OAQ-C300)로 장기간 측정된 자료(2023년 7월- 2025년 12월; N = 1,268,849)를 기준급 장비(GRIMM 11-A; N = 2,931)와의 단기간 병행 측정 자료를 이용하여 보정모델을 개발하고 이를 다른 계절에적용하는 방식으로 평가를 수행하였다. 보정 방법으로는 다중선형회귀(Multiple Regression, MR), 다변량 다중회귀(Multiple Multivariate Regression, MMR), 그리고 XGBoost 모델을 사용하였고, 그 결과 XGBoost 모델이가장 우수한 성능을 보였다(PM10 R2 = 0.9533; PM2.5 R2 = 0.9834). 그러나 겨울철 자료로 학습된 보정모델을다른 계절이 포함된 장기간 자료에 적용한 결과, 보정된 PM2.5 농도는 모든 계절에서 중량법(Gravimetric) 기준측정값보다 과대 추정되는 경향을 보였다. 이러한 오차는 특히 여름과 가을에 더 크게 나타났다(bias 5.18 - 17.17 μg/m3; nRMSE 0.7042 - 1.8505). 이러한 결과는 축산업 밀집 지역에서 연중 신뢰성 있는 미세먼지 모니터링을 수행하기 위해서는 다계절 병행 측정 또는 조건 의존적 보정 전략이 필요함을 시사한다.

다국어 초록 (Multilingual Abstract)

Livestock manure valorization has recently emerged as a key strategy for promoting environmentally sustainable livestock production. However, these activities may also contribute to air pollution, including fine particulate matter (PM2.5), raising the need for continuous air quality monitoring in livestock-dominated areas. Low-cost particulate matter sensors based on light-scattering technology offer several advantages, such as low operational cost and high applicability for dense monitoring networks. Nevertheless, their limited measurement accuracy and reliability remain major challenges. This study aimed to improve the applicability of light-scattering-based PM2.5 sensors in livestock areas by developing a new calibration model and evaluating its seasonal transferability. For this purpose, long-term measurements obtained from a light-scattering particulate matter (PM) sensor (OAQ-C300; July 2023 - December 2025; N = 1,268,849) were calibrated using short-term co-location data with a reference-grade instrument (GRIMM 11-A; N = 2,931). The performance of the calibration models and their seasonal applicability were evaluated. Three calibration approaches were compared, including Multiple Regression (MR), Multivariate Multiple Regression (MMR), and the XGBoost model. Among them, the XGBoost model showed the best performance (PM10 R2 = 0.9533; PM2.5 R2 = 0.9834). However, when the calibration model trained with winter data was applied to long-term data sets including other seasons, the corrected PM2.5 concentrations systematically overestimated the gravimetric reference measurements across all seasons. The errors were particularly larger during summer and autumn (bias 5.18 - 17.17 μg/m3; nRMSE 0.7042 - 1.8505). These findings suggest that multi-season co-location measurements or condition-dependent calibration strategies are necessary to ensure reliable year-round monitoring of particulate matter in livestock-dominated areas.