토양 내 오염물질 농도 예측을 위한 베이지안 벌점 스플라인 = Bayesian Penalized Splines for Predicting Concentrations of Soil Contaminant*

국문 초록 (Abstract)

토양오염의 진단을 위해서는 조사 부지의 토양 내 오염물질의 분포를 정확히 파악할 필요가 있다. 하지만 조사 부지에서 관측이 가능한 모든 지점을 생화학적으로 조사하는 것은 현실적으로 불가능하므로 조사 부지 내 일부 선정된 지점에서 얻은 자료를 바탕으로 공간예측모형을 통해 조사 부지의 토양 내 오염물질 농도를 예측하게 된다. 토양 자료는 자료의 특성상 자료의 크기가 충분히 크지 않은 경우가 종종 발생하고, 이에 따라 공간예측의 정확성이 크게 감소할 수 있다. 따라서 본 연구에서는 이러한 문제를 해결하고자 환경부에서 제공하는 토양측정망 자료를 사전 정보로 활용하여 조사 부지의 토양 내 오염물질 농도를 예측하는 베이지안 벌점 스플라인 모형을 제안한다. 또한, 제안 모형의 성능을 평가하기 위해 RMSE를 비롯한 여러 성능 평가 지표를 이용하여 제안 모형과 여러 비교 모형과의 표본 자료 크기 별 예측 정확성을 비교하였다. 성능 평가 결과, 제안 모형의 성능이 비교 모형들에 비해 유용한 성능을 보임을 확인할 수 있었다. 특히, 표본 자료의 크기가 비교적 작을수록 제안 모형의 성능이 비교 모형들이 비해 더욱 준수한 성능을 보였다. 따라서 조사 부지에 대한 토양 자료가 상대적으로 부족한 토양 조사의 초기 단계에서 토양 내 오염물질의 분포를 파악하고자 할 때 제안 모형의 사용을 제안한다.

참고문헌 (Reference)

• 1 김호림 ; 김경호 ; 윤성택 ; 황상일 ; 김형돈 ; 이군택 ; 김영주, "지구통계 기법을 활용한 토양 오염범위 산정 및 불확실성 평가" 한국지하수토양환경학회 17 (17): 69-81, 2012
• 2 최승배 ; 강창완 ; 윤상후, "딥러닝을 이용한 공간예측" 한국자료분석학회 23 (23): 149-160, 2021
• 3 정종철 ; 조홍래, "강우자료에 대한 공간보간 기법의 적용" 대한공간정보학회 14 (14): 29-41, 2006
• 4 Fritsch, S., "neuralnet: Training of neural networks. R package version 1.44.2"
• 5 Maogui Hu, "atakrig: Area-to-area kriging. R package version0.9.8"
• 6 Bachmaier, M., "Variogram or semivariogram? Understanding the variances in a variogram" 9 (9): 173-175, 2008
• 7 Hobert, J. P., "The effect of improper priors on Gibbs sampling in hierarchical linear mixedmodels" 91 (91): 1461-1473, 1996
• 8 Emery, X., "Tbsim: A computer program for conditional simulation of three-dimensional Gaussian random fields via the turning bands method" 32 (32): 1615-1628, 2006
• 9 Pang, S., "Spatial interpolation and sample size optimizationfor soil copper (Cu) investigation in cropland soil at county scale using cokriging" 8 (8): 1369-1377, 2009
• 10 Pang, S., "Spatial interpolation and sample size optimizationfor soil copper (Cu) investigation in cropland soil at county scale using cokriging" 8 (8): 1369-1377, 2009
• 11 Ruppert, D., "Semiparametric regression(No. 12)" Cambridge university press 2003
• 12 Cochran, W. G., "Sampling techniques" John Wiley & Sons 1977
• 13 Thompson, S. K., "Sampling" Wiley 367-, 2002
• 14 Sturtz, S., "R2WinBUGS: A package for running WinBUGS from R" 12 (12): 1-16, 2005
• 15 Zhang, Z., "Priority selection rating of sampling density andinterpolation method for detecting the spatial variability of soil organic carbon in China" 73 (73): 2287-2297, 2015
• 16 Ministry of Environment, "Investigation Results of Soil Quality Monitoring Network" MOE 2021
• 17 Zeger, S. L., "Generalized linear models with random effects; a Gibbs sampling approach" 86 (86): 79-86, 1991
• 18 Lamichhane, S., "Digital soil mapping algorithms and covariates for soil organiccarbon mapping and their implications: A review" 352 : 395-413, 2019
• 19 Cho, J. Y., "Comparative study on the prediction of geo-statistics with general statistics" 3 (3): 41-49, 2001
• 20 Kim, K. K., "A study on the prediction of geo-statistical methods using environmental data" 2 (2): 499-510, 2000
• 21 Lai, Y. Q., "A comparison of importance of modelling method and sample size for mapping soil organic matter in Guangdong, China" 126 : 107618-, 2021
• 22 나종현 ; 유택선 ; 김준명 ; 김한석 ; 권만재 ; 주용성, "A Bayesian Spatial Contamination Model" 한국자료분석학회 24 (24): 919-931, 2022