Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citation Korean Bibliography PMC Previewer
ISSN : 2288-9167(Print)
ISSN : 2288-923X(Online)
Journal of Odor and Indoor Environment Vol.25 No.1 pp.23-33
DOI : https://doi.org/10.15250/joie.2026.25.1.23

Analying meteorological characteristics of odor complaints in Seoul using the Box-Cox transformation

NamJin Kim1*, HungSoo Joo2, SungTae Kim3, KyungSuk Cho4, ChaeGun Phae5
1Seoul Metropolitan Government Research Institute of Public Health and Environment
2Department of Environmental Engineering, Anyang University
3E2M3 LTD.
4Department of Environmental Science & Engineering, Ewha Womans University
5Department of Environmental Engineering, Seoul National University of Science & Technology
*Corresponding Author: Tel: +82-2-570-3369 E-mail: namjin1220@seoul.go.kr
06/11/2025 16/12/2025 30/01/2026

Abstract


Odor complaint data collected in Seoul between 2014 and 2021 exhibited significant departures from normality. To address this, a Box-Cox transformation (l = 0.1149) was applied to stabilize variance and improve distributional normality. The transformed data were then evaluated for normality using the Shapiro-Wilk, Kolmogorov- Smirnov, and Anderson-Darling tests, all of which failed to reject the null hypothesis of normality (p > 0.05). However, the corresponding test statistics (0.989, 0.039, and 5.757, respectively) were close to their respective critical thresholds, indicating a substantial improvement in distributional normality. Based on the Box-Cox transformed dataset (l = 0.1149), the inlier range was defined as 4~190 cases/day, while observations of ≤3 cases/day and ≥191 cases/day were classified as low and high outliers, respectively. Within the inlier range, the meteorological variables exerting the strongest influence on IOCE (cases/day) were air (49.5), dew point (48.2), and surface temperature (48.1), whereas precipitation showed the weakest influence (39.7). The highest SROCE interval within the inlier range was associated with mean meteorological conditions of air (27.7±1.0oC), dew point (15.2±1.2oC) and surface temperature (30.4±1.1oC), and precipitation (0.6±1.8 mm). By contrast, the corresponding conditions in the high-outlier range were 19.6±1.2oC, 14.7±1.7oC, 23.1±1.4oC, and 0.3±0.7 mm, respectively. Across both the inlier and high-outlier ranges, the mean variation rate (VMF, %) of meteorological observations within the highest SROCE interval across the 13 meteorological factors was approximately ±11%. However, in the high-outlier range, mean meteorological conditions within complaint-concentrated intervals exhibited noticeable divergence from those observed in the inlier range. This study elucidated the meteorological drivers of IOCE and peak SROCE conditions across both inlier and high-outlier ranges. In addition to facilitating odor occurrence forecasting based on meteorological predictions, these findings provide a scientific basis for managing odor emission sources from specific facilities and regulated areas, extending beyond community level odors in residential areas.


Odor complaint , Odor complaint emission rate (SROCE) , Intensity of odor complaint emission (IOCE) , Meteorological factor , Box-Cox transformation

Box-Cox 변환을 활용한 서울시 생활악취 민원 발생의 기상학적 특성

김남진1*, 주흥수2, 김성태3, 조경숙4, 배재근5
1서울시보건환경연구원
2안양대학교 환경에너지공학과
3이투엠쓰리(주)
4이화여자대학교 환경공학과
5서울과학기술대학교 환경공학과

초록

    © Korean Society of Odor Research and Engineering & Korean Society for Indoor Environment. All rights reserved.

    1. 서 론

    2014년부터 2021년까지 서울시에 접수된 생활악취 민원은 전체 민원의 1.1%, 환경 민원의 16.7%를 차지하며, 매년 증가하는 추세이다(Kim et al., 2024). 서울시의 악취 배출 시설은 대부분 공공환경기초시설(음식물 쓰레기 처리시설, 자원회수시설, 쓰레기 적환장, 하수처리시설 등)과 근린생활시설(음식점, 도장시설, 인쇄소, 주유소, 시장 등) 등이며, 공업지역과는 다르게 악취 배출원이 주거 및 생활 지역에 근접해 있는 상황(Chae et al., 2022;Choi et al., 2022;Oliva et al., 2024)에서 발생원과 민원 발생 지역의 기상 상황이 유사하며, 기상 상황에 따라 공간적인 민원 발생의 차이를 확인하였다(Kim et al., 2024).

    악취 민원이 증가하는 명확한 원인은 규명되지 않았으나, 최근 7년간 1일 평균 악취 민원 발생 수는 46.2 cases/day로, 상대적으로 낮은 빈도이지만 최대 946 cases/day까지 발생하는 등 지역과 시기별로 집중도의 차이를 확인하였다. 특히 시계열적으로 여름철인 6월과 업무 개시 시간인 9시 정도에 민원이 집중되었고, 공간적으로 은평구는 연중, 서대문구는 1월과 2월, 노원구는 6월에 민원이 집중되는 경향을 확인하였다(Kim et al., 2024). 이와 같은 결과는 악취 배출원은 다르지만, 동일한 기상 조건에서 민원 집중이 공간적으로 유사한 패턴을 보여야 하지만, 그렇지 않았다. 공간적으로 악취 발생이 집중되는 시기가 다른 이유는 악취 배출원의 운전 상황의 차이로 민원이 가중되었다고 판단할 수 있다. 이러한 비정상적인 운전 상황에서 발생한 집중 민원이 기상인자의 특성 평가에 영향을 미쳤다고 판단하여(Kim et al., 2025), 비정상적으로 발생한 민원을 제외하고 기상인자 특성에 대한 평가의 필요성을 확인하였다.

    도시 환경 문제 등을 포함한 사회 과학 분야에서 민원 통계는 과잉 분산(평균보다 분산이 큼), 극단값(outliers, 다수의 민원 발생) 존재 그리고 하위 집단 (주거지역, 상업지역, 공업지역 등) 혼재 등으로 비정규적인 분포 특성을 가진다(Bono et al., 2017). 이러한 분포에 대해서 왜도나 첨도 조절, 분산 안정화 그리고 통계 기법의 활용 등으로 정규성을 확보하는 기법으로 Box-Cox 변환을 활용한다(Barbosa da Silva et al., 2012;Moon and Chung, 2019). 전체 민원 현황에서 Box-Cox 변환을 활용하여 비정상적 상황에서 발생한 민원을 제외하고, 정상 상황에서 발생한 악취 민원에 대한 기상인자의 특성을 평가하였다.

    본 연구는 2014년에서 2021년까지(2,922일) 1일 악취 민원 수와 발생빈도를 통계 기법인 Box-Cox 변환을 활용하여 이상값(비정상 상황에서 발생하는 1일 악취 민원 발생 수의 경계, outliers)을 도출하고, 정상(inlier)과 비정상(low outlier and high outlier) 상황에서 발생하는 악취 민원의 발생 범위에서 기상인자의 구간별 악취 민원 발생 속도(SROCE), 기상인자의 악취 민원 발생 강도(IOCE) 그리고 악취 민원이 최고로 발생하는 기상 관측값과 조건에 따른 관측값의 변화 등 기상학적 특성을 평가하였다. 이러한 결과는 예보되는 기상 관측량을 활용한 악취 민원의 발생 정도를 예측할 수 있는 모델의 구상과 배출시설의 관리나 운영에서 민원 발생을 최대로 억제할 수 있는 선행적 지표 또는 지침도 제공할 수 있다고 판단한다.

    2. 연구 내용 및 방법

    2.1 생활악취 민원과 기상관측 자료 수집

    서울시 생활악취(이하 악취) 민원 현황과 기상 관측량 자료의 수집 및 관리에 대한 상세한 설명은 선행 논문(Kim et al., 2024;Kim et al., 2025)을 참고하고, 다음과 같이 간략하게 정리한다. 악취 민원(이하 민원) 현황은 서울시의 응답소민원분석시스템(https://eungdapso.seoul.go.kr/)에 2014년 1월부터 2021년 12월까지(2,922일) 1일 단위로 수집된 전체 민원 현황에서 환경과 악취를 키워드로 재분류하였다. 분류 방법에서 중복조건은 취기 강도나 지속시간을 의미한다고 판단하여 허용하였다. 기상 관측량 자료는 기상자료개방포털(https://data.kma.go.kr/)에 공개된 서울기상관측소(지점번호; 108)에서 민원 자료와 동일한 기간에 관측된 13개 기상인자의 1일 관측량을 활용하였다. 악취물질의 휘발, 확산 그리고 이동에 관여하는 기상인자의 특성에 대한 명확한 결과가 부족하여 13개 기상인자 모두를 평가하였다. 기상인자(단위, 관측소의 1일 자료 취합 방법, 무표시는 시간 평균)는 기온(°C), 이슬점온도(°C), 지면온도(°C), 현지기압(hPa), 해면기압(hPa), 수증기압(hPa), 풍향(o, 최다), 풍속(m/s), 상대습도(%), 강수량(mm, 누적), 가조시간(hr), 일조시간(hr, 합계) 그리고 일사량(MJ/m2, 합계) 등이며, 기상관측 장비현황과 설치 기준 등은 선행 연구를 참고한다(Kim et al., 2025).

    2.2 악취 민원 현황에서 통계적 이상값 도출

    2014년부터 2021년까지 민원(2,922 days, 0~946 cases/day, 134,976 cases) 현황(1일 민원 수와 발생 빈도)으로만 기상인자의 관계성을 분석하여 기상인자의 특성을 평가하고, 선행 연구에서 보고하였다(Kim et al., 2025). 민원의 세부 사항은 「정보공개법」과 「민원사무처리에관한법률」로 확인이 제한되었다. 이와 같은 민원은 배출원의 정상 또는 비정상적인 상황(악취 저감 시설의 비정상적인 운영 등)에서 배출하는 악취 유발 물질과 기상 상황이 복합적으로 작용하여, 인접한 생활환경(주택가 등)에서 946 cases/day까지 발생하였다. 또한 비정상적으로 발생하는 민원은 정상적인 상황에서 발생하는 민원 수(case/day)보다 크기 때문에 기상인자의 악취 민원 발생 강도(IOCE)와 기상인자의 구간별 악취 민원 발생 속도(SROCE)의 분석 결과에 영향을 미쳤다고 판단하였다(Kim et al., 2025). 이러한 민원 현황에서 통계 기법을 활용하여 정규분포에서 이탈하는 비정상적으로 발생하는 민원을 제외하고, 최대한 배출시설의 정상적인 가동 상황에서 발생하는 민원의 기상학적 특성을 평가하였다.

    원자료인 민원 현황(1일 민원 수와 빈도)에서 비정상적으로 발생한 민원을 제외하기 위해서 통계 기법으로 정규성을 검토하였다. 정규성 검토는 시각적 방법인 히스토그램(모양의 대칭, 왜도-skewness, 꼬리-tail 등 )과 Quantile-Quantile (Q-Q) Plot(Y = aX에서 a = 1에 수렴) 그리고 통계 기법(Shapiro-Wilk, Kolmogorov-Smirnov 그리고 Anderson-Darling)으로 검토하였고, p-value(불만족; 0.05 > p, 만족; p ≥0.05)의 만족도로 정규성에 대한 귀무가설을 판정하였다. 그리고 민원 현황(1일 민원 수와 빈도)이 정규 분포화 되기 위해서는 로그나 Box-Cox 변환으로, 평균(M)과 표준편차(d)로 이상값을(식 4, 비정상적으로 발생한 민원의 경계, outliers, M±2d, 약 95%의 데이터 포함) 도출하고, 역변환하여(식 (5)) 1일 민원 발생수(case/day)의 이상값(outliers)을 산출하였다.

    2.3 악취 민원 현황에서 SROCE와 IOCE를 활용한 기 상인자의 특성 분석

    민원 현황에 대해서 통계 기법으로 이상값(outliers, case/day)을 경계로 기상인자별 악취 민원 발생 강도(IOCE)와 구간별 악취 민원 발생 속도(SROCE) 등의 특성을 평가하였다. 기상인자별 관측량 범위의 구간은 Sturges’ rule (K = 1 + 3.3log(N), K; 구간 수, N; 자료 수)로 설정하고(Sturges, 1926), 기상인자의 구간별 SROCE (case/day)는 식 (1)과 같이 기상인자의 1구간에서 기상인자의 관측일(SDNOD, day)에 대한 민원 수(SCNOC, case)로 정의하였다(Kim et al., 2025). 그리고 전체 민원 수와 발생일을 Sturges’ rule로 설정한 구간 수로 나누어, 한 구간의 민원 수와 발생일의 평균을 기준으로 구간별 민원 수나 발생일이 평균(기준)보다 적은 구간의 SROCE는 제외하고, 가장 큰 SROCE를 기상인자의 최고 SROCE로 정의한다. 최고 SROCE 구간의 기상 관측값을 악취 민원이 최고로 발생하는 기상인자의 관측값으로 평가하였다.

    S R O C E = S C N O C S D N O D
    (1)

    • SROCE: Odor complaints emission rate in the section (case/day)

    • SCNOC: Total number of odor complaints in the section (case)

    • SDNOD: Total number of observation days in the section (day)

    기상인자의 구간별 SROCE와 구분하여, 기상인자의 전체 관측량 범위에서 민원 발생에 미치는 영향을 평가하는 지표로 악취 민원 발생 강도(IOCE)를 제안하였다 (Kim et al., 2025). IOCE는 식 (2)와 같이 기상인자별 전체 관측량 범위에서 평균 민원 발생 속도(총 민원 수/총 관측일, case/day) 이상인 구간(SROCE)의 관측일(day) 합에 대한 민원 수(case)의 합으로 정의한다. SROCE는 기상인자를 구간으로 민원 발생의 특성을 평가하지만, IOCE는 기상인자의 전체 관측량 범위에서 민원 발생의 특성을 평가한다. 그리고 IOCE는 기상 관측량 단위를 포함하지 않기 때문에 민원 발생에 미치는 기상인자의 상대적인 평가도 가능하다고 판단한다.

    I O C E = T N O C T N O D
    (2)

    • IOCE: Intensity of odor complaint emission (case/ day)

    • TNOC: Total number of odor complaints in sections greater than the overall mean (case)

    • TNOD: Total number of observation days in sections greater than the overall mean (day)

    그리고 정상과 비정상적인 민원 범위에서 기상인자의 최고 SROCE 구간의 기상 관측값 변화는 기준인 기상 관측량 범위(정상)에 대한 상대 기상 관측값(비정상)의 상대적 평가로 기상 관측값의 변동률(VMF, %)을 식 (3)과 같이 표현한다. 정상(inlier) 및 상한범위(high-outlier)에서 발생하는 민원이 최고로 집중되는 기상 관측값의 상대적인 변화는 정상범위에서 민원이 발생하는 기상인자의 관측량 범위(max-min; RIM)에 대한 정상(MIMSR, 기준)과 상한범위(MHMSR)에서 기상인자의 최고 SROCE 구간에서 기상 관측값의 차로 정의한다.

    V M F = M H S M S R − M I M S R R I M × 100
    (3)

    • VMF: Variability ratio of maximum value of meteorological factor (%)

    • RIM: Range of meteorological observations within the inlier range (max-min, unit; M.F.)

    • MIMSR: Mean meteorological observations of the highest SROCE interval within the inlier range (unit; M.F.)

    • MHMSR: Mean meteorological observations of the highest SROCE interval within the high outlier range (unit; M.F.)

    3. 결과 및 고찰

    3.1 Box-Cox 변환에 의한 악취 민원의 이상값 도출

    서울에서 2014년부터 2021년(2,922일)까지 1일 최대 946 cases까지 발생한 1일 민원 수(case/day)와 발생일(day)의 빈도에 대한 기초 통계량은 Table 1과 같다. 원자료(raw data)의 왜도(skewness)와 첨도(excess kurtosis)는 각각 6.246과 57.826이며, 정규분포의 기준보다 큰 양의 왜도(6.246, g1 < ±3.0)는 민원의 분포 형태가 중심에서 우편향성을 가지며, 첨도(57.826, ±8 또는 ±10 > g2)는 극단적으로 뾰족한 형태로 정규분포의 형태와는 차이가 있었다. 그래서 원자료의 정규성을 개선하는 방법으로 원자료를 로그와 Box-Cox 변환을 하면(1일 민원 수; 0 → 0.1), 로그 변환으로는 왜도(skewness)와 첨도(excess kurtosis)는 –0.550과 1.825 그리고 Box-Cox 변환(λ = 0.1149)으로는 0.041과 1.010으로, Box-Cox 변환 기법으로 시각적 기준의 정규성에 대한 개선을 확인할 수 있었다.

    그리고, 정규성이 개선된 민원 자료를 통계 기법(Shapiro-Wilk, Kolmogorov-Smirnov, Anderson- Darling)으로 정규성을 검정한 결과, p-value가 0.05 이상인 정규성 귀무가설을 모두 기각되는 등 완전한 정규 분포는 어렵지만, Box-Cox 변환으로 왜도(skewness)는 99.3% (6.246 → 0.041), K-S (Kolmogorov-Smirnov) 통계량(stat)은 84.1% (0.246 → 0.039) 감소하는 등 정규성이 개선되었다.

    본 연구와 같이 사회 과학 분야에서 민원 정보가 없는 상황에서 민원 현황에 대한 통계 기법의 선정은 민원 발생 수와 발생일 빈도만으로 정상과 비정상적인 민원 범위를 구분하고, 이에 대한 기상인자의 특성을 평가하는 과정에서 모든 통계적 기준을 만족하는 기법이 최선이라고 판단한다. 그러나 만족하지 않는 상황에서는 최대한 통계적 오류를 위반하지 않는 통계 기법의 선택도 필요하다고 판단하여 Box-Cox 변환을 활용한 이상값(outliers) 도출이 최선의 합리적인 방법이라 판단하였다.

    7년 동안의 민원 발생 현황을 Box-Cox 변환(λ = 0.1149)으로 정규분포 수준으로 근사하여 도출한 평균(M, 4.11)과 표준편차(d, 1.55)에 의해서 이상값 경계(outliers, Y = 1.01과 7.21)를 결정하였다(식 (4)). 그리고 역변환하여(식 (5)) 경계 이상값(X, case/day)은 3 (round 2.600, low outlier) 이하와 191 (round 190.95, high outlier) 이상이며, 4~190 cases/day가 정상적인 민원 발생 범위로 도출되었다.

    Y=M ± 2δ
    (4)

    • Y: Outliers Boundary (includes approximately 95% of the data, high (+) and low (–) outlier)

    • M: Mean obtained by Box-Cox transformation (λ = 0.1149)

    • δ: Standard deviation (sd) obtained by Box-Cox transformation (λ = 0.1149)

    X= λ × Y+1 1 / λ
    (5)

    • X: Daily odor complaint count (rounded, case/ day)

    • λ: Optimal parameter (lambda minimizes the standard deviation of the transformed variable)

    • Y: Outliers boundary defined in equation (4)

    3.2 악취 민원의 경계범위에서 기상 관측값의 특성

    Box-Cox 변환(λ = 0.1149)을 활용한 정상적(inlier, 3 < Inlier < 191, 이하 정상범위) 상황 그리고 비정상적(outliers, 이하 비정상 범위) 상황에서 발생한 민원 범위로, 비정상 범위는 하한(low outlier, 3 or less)과 상한(high outlier, more than 191) 범위로 재구분하여 민원 현황과 기상 관측량 등에 대한 개괄적 분석 결과를 Table 2에 정리하였다. Table 2와 같이 전체, 정상, 하한 그리고 상한범위에서 민원 비중(case, 전체 범위에 대한 비율)은 각각 134,976, 107,996 (80.0%), 224 (0.2%) 그리고 26,756 (19.8%)이며, 발생일 비중(day, 전체 범위에 대한 비율)은 2,922, 2,740 (93.8%), 107 (3.7%) 그리고 75 (2.6%)이었다. 정상범위의 민원 수와 발생일 비중은 전체의 80.0과 93.8%로 집중되었으며, 상한범위에서 발생일 비중이 2.6%임에도 민원 수 비중은 19.8%로 정상범위 이외의 민원은 대부분 상한범위(high outlier)에서 발생하였다.

    Table 2와 같이 관측 범위(min~max)는 전체 및 정상 범위는 동일하지만, 하한과 상한범위에서는 정상범위보다 축소되었다. 특히 강수량 관측 범위는 정상범위의 25% 수준으로, 강수량이 증가하면 민원 발생이 현저하게 감소한다는 의미로 해석하였다. 그리고 전체 및 정상범위에서 기상인자별 관측 범위와 평균은 차이가 거의 없지만, 평균 민원 수(case/day)는 각각 46.2와 39.4로, 전체 범위와 비교하여 정상범위에서 민원 수는 14.7% (6.8/46.2)나 감소하였다. 이 결과는 상한범위(19.8%)의 민원 수의 영향이라 판단하였다. 정상범위(inlier)의 기상 관측값을 기준으로 그 이상인 상한범위(high outlier)의 기상인자는 풍향, 풍속, 가조시간, 일조시간 그리고 일사량이며, 하한범위(low outlier)의 기상인자는 현지기압, 해면기압, 풍향 그리고 풍속이었으며, 상한범위(high outlier)의 기상 관측값을 기준으로 그 이상인 하한범위(low outlier)의 기상인자는 현지기압, 해면기압, 풍향 그리고 풍속이었다. 그 외 기상인자는 기준 이하이었다.

    이러한 결과를 식 3의 기상 관측값 변동률(VMF, %)로 평가하면, 정상범위를 기준으로 상한, 하한 그리고 전체 범위에 대한 기상인자별 기상 관측값의 변동률(VMF) 평균은 각각 ±3.2, ±16.5 그리고 ±0.6이며, 상한범위를 기준으로 하한범위의 기상 관측값 변동률(VMF, %)은 ±19.6이었다. 정상범위와 상한범위를 기준으로 하한범위의 기상 관측값이 가장 크게 변동하였다.

    이와 같이 전체, 정상, 상한 그리고 하한범위에서 일반 통계학적인 평균 민원 수(case/day), 기상 관측량 범위나 평균 관측값 그리고 그 변동률(VMF) 등으로 민원 발생과 관련한 기상인자 특성을 평가하기에는 한계가 있다. 그래서 정상, 상한 그리고 하한범위에서 Sturges’ rule로 기상인자의 구간을 설정하고, 그 구간별 민원 수 등 기상학적 특성에 대하여 평가하였다.

    3.3 정상범위에서 민원 발생의 기상학적 특성

    7년간의 민원 현황(1일 민원 수와 발생빈도)을 Box-Cox 변환(λ = 0.1149)하여 1일 발생 민원 수로 3개 범위로 구분하고, Sturges’ rule로 전체 범위(total)는 13구간, 정상범위(inlier)은 13구간, 상한범위(high outlier)은 8구간 그리고 하한범위(low outlier)은 8구간으로 설정하였다. 전체 범위(total, 비교자료)와 정상범위(inlier)에 대한 기상인자별 최고 SROCE와 그 구간의 기상 관측값, 민원 수 및 발생일 그리고 기상인자별 IOCE와 IOCE의 민원 수와 발생일을 Table 3에 정리하였다. 그리고 전체(total, gray), 정상(inlier, white) 그리고 상한범위(high outlier, black)에서 기상인자 구간별 민원 수와 발생일을 기반으로 하는 SROCE의 변화를 Fig. 1에 표시하였다.

    전체 및 정상범위에서 기상 관측량 범위(min~max)는 모두 동일하지만(Table 2), 정상범위에서 13개 기상인자의 최고 SROCE (case/day)와 IOCE (case/day) 평균은 전체 범위보다 각각 18.1% (59.1 → 48.4)와 16.7% (55.1 → 45.9) 정도 감소하였다(Table 3).

    정상범위에서 기상인자의 최고 SROCE (case/day) 순위는 지면온도(55.9), 가조시간(55.6), 기온(54.1) 그리고 최저는 강수량(39.6)이며(가조시간(73.5) > 지면온도(67.9) > 해면기압(64.1) ≫ 강수량(46.3), Kim et al., 2025), IOCE (case/day) 순위는 기온(49.5), 이슬점온도(48.2), 지면온도(48.1) 그리고 최저는 강수량(39.7)으로 (일사량(63.9) > 가조시간(60.5) > 일조시간(59.6) ≫ 강수량(46.5), Kim et al., 2025) 선행 연구의 결과와 차이를 확인하였다. 전체 범위에서 태양과 관련한 기상인자인 가조시간이 73.5 (SROCE), 일사량이 63.9 (IOCE)로 최고였지만, 정상범위에서는 온도와 관련한 기상인자인 지면온도가 55.9 (SROCE), 기온이 49.5 (IOCE)로 최고로 분석되었고, 최하위는 어느 조건에서나 강수량이었다. 이와 같이, 통계 기법으로 비정상적인 상황에서 발생한 민원을 제외한 정상범위에서 기상인자의 특성(SROCE, IOCE)을 평가하면 정량값과 순위가 다르게 분석되었다.

    Fig. 1과 같이 정상범위(white)에서 기상인자별 최고 SROCE 구간의 기상 관측값(Table 3)은 기온(A, circle)이 27.7°C, 이슬점온도(A, square)는 15.2°C, 지면온도(A, diamond)는 30.4°C, 현지기압(B, circle)은 997.0 hPa, 해면기압(B, diamond)은 1,010.8 hPa, 증기압(C, circle) 은 11.6 hPa, 풍향(D, circle)은 240.4o, 풍속(E, circle)은 1.3 m/s, 상대습도(F, circle)는 71.2%, 강수량(G, circle)은 0.6 mm, 가조시간(H, circle)은 14.7 hrs, 일조시간(H, diamond)은 11.0 hrs 그리고 일사량(I, circle)은 19.9 MJ/m2로, 기상인자별 최고로 민원이 발생하는 기상 관측값으로 분석되었다.

    그리고 정상범위를 기준으로 전체 및 정상범위의 기상인자별 최고 SROCE 구간의 기상 관측값의 변동률(VMF, %)을 평가하면, 전체 평균은 약 ±2.9%이며, 기온(14.2%, 20.8 → 27.7°C)은 유일하게 증가하고, 현지기압(–7.4%, 1,000.4 → 997.0 hPa), 풍속(–8.6%, 1.8 → 1.3 m/s) 그리고 상대습도(–7.8%, 77.6 → 71.2%)는 감소하였지만, 그 외 기상인자는 변화하지 않았다.

    이 결과는 3.2 악취 민원의 경계 범위에서 도출한 기상인자의 관측값 평균이나 변동률(VMF)에 대한 평가보다는 기상 관측량 범위에서 발생한 민원 수나 발생빈도 등을 합리적으로 고려하고 도출한 기상인자의 특성이라 판단한다. 특히, 13개 기상인자에서 최고 SROCE가 최저이지만, 정상범위(inlier)에서 최고 SROCE 구간의 민원 수(100,447/107,996)는 93.0%와 발생일(2,535/2,740)은 92.5%가 집중하는 강수량은 향후 악취 민원의 발생 강도를 예측하는 선행지표로 활용 가능성이 높다고 판단하였다.

    Fig. 1과 같이 전체(gray), 정상(white) 그리고 상한 범위(black)에서 기상인자의 관측 구간별 SROCE의 변화를 평가하면, 전체 범위(total, gray)와 상한범위(high outlier, black)는 기상인자별 SROCE가 최고 구간에서 순간적으로 증가하지만, 정상범위(inlier, white)에서는 동일한 구간의 SROCE가 이상 곡선에 근접하는 변화를 확인할 수 있다. 그리고 기상인자별로 구간별 SROCE의 변화를 크게 「저감고증형」(기상 관측량이 낮은 구간에서는 SROCE가 감소하고, 높은 구간에서는 증가하는 형)은 기온, 이슬점온도, 지면온도, 수증기압, 가조시간, 일조시간 그리고 일사량이며, 반대로 「저고고감형」은 현지기압, 해면기압, 풍속, 상대습도 그리고 강수량이었다. 이와 같이 통계 기법과 기상 관측량의 구획으로 민원 발생과 기상 관측량의 변화에 대한 특성은 명확하게 표현할 수 있었다. 그러나 풍향은 민원인과 악취 배출원의 위치(풍상/하), 도심 고층화에 따른 지역적 특성 그리고 기상관측소(종로)와 민원 발생 지역의 거리에 따른 풍향의 변화성을 고려한다면 Table 3과 같이 정상범위에서 남서풍에서 민원이 집중되는 특성에 대해서는 민원 발생 지역의 면밀한 검토에 의한 재평가가 필요하다고 판단하였다.

    서울의 기상 여건과 발생원의 정상적인 상황에서 발생하는 민원 발생 범위에서 기상인자별 최고 SROCE 구간과 IOCE 등에 대한 평가로 민원 발생에 최고로 영향을 미치는 기상인자는 온도와 관련한 기상인자(기온, 이슬점온도 그리고 지면온도)이며, Table 3과 같이 민원이 최고로 발생하는 기상인자별 구간의 기상 관측값을 합리적이고 명확하게 도출하였다.

    3.4 상한범위에서 민원 발생의 기상학적 특성

    민원 현황에서 상한범위(high outlier)는 명확하게 악취 배출원의 비정상적인 상황이거나 그 원인을 확인할 수 없지만, 악취 제어시스템 등의 한계를 초과하여 악취 유발 물질이 다량으로 배출되거나, 악취 유발 물질의 휘발, 확산 그리고 이동 등 기상인자의 영향으로 오염지역의 확대 또는 악취 유발 물질의 정체로 도심에서 악취 민원이 증가하였기에, 정상범위(inlier) 이상의 상한범위에서 민원 발생과 기상인자의 관계 등에 대한 특성을 평가하였다.

    기상인자 관측량의 구간 크기는 Sturges’ rule에 의해 결정하지만, 기본적으로 모집단이 정규분포 특성을 가지는 조건에 적용한다. 그러나 상한범위는 정상범위에서 제외한 비정규 분포의 민원 현황으로 기본적인 조건을 충족하지 않는다. 그리고 상한범위의 발생일(75 days)이 정상범위(2,740 days)의 2.7%로, 정상범위 1구간의 발생일(211 days/step)과 비교해도 35% 수준으로 구간별 분석자료의 수가 적다. 이와 같은 상황에서 상한범위의 기상인자별 특성(최고 SROCE, 기상 관측값 그리고 IOCE)을 분석하여 다른 범위와 상대적인 평가는 적절하지 않다고 판단하지만, 상한범위는 민원 발생이 집중되는 특별한 기상 조건일 가능성이 높다고 판단하여 정상범위와 동일한 방법으로 기상학적 특성을 평가하였다.

    1일 민원 발생 수(case/day)가 정상범위를 초과(high outlier ≥ 191)하거나 미만(low outlier ≤ 3)인 범위(outliers)에서 대한 기상인자의 구간별 최고 SROCE와 그 구간의 민원 수, 발생일 및 기상 관측량의 평균 그리고 기상인자별 IOCE를 Table 4에 정리하였다. 상한범위는 1일 민원 발생수(case/day)가 191 이상으로 기상인자별 최고 SROCE (case/day) 평균은 458.9, IOCE (case/day) 평균은 457.7로 모두 높다. 그리고 13개 기상인자의 최고 SROCE 구간에서 발생한 민원 수와 발생일의 평균은 상한범위 전체의 31.0%와 26.0%로, 1구간 평균(100/8, 12.5%)보다 2배 이상 집중되었다.

    특히, 강수량의 최고 SROCE 구간에서 민원 발생일의 비중은 2.7% 정도로 적지만, 민원 수는 88.6%로, 최고 SROCE 구간에서 민원 집중도는 다른 기상인자의 집중도보다 2.9배(88.6/31.0) 정도 높은 특성도 확인하였다. 정상범위(Table 3)를 기준으로 상한범위(Table 4)에서 기상인자별 최고 SROCE 구간의 기상 관측값의 변동률(VMF, %)의 평균은 약 ±10.8%이었다. 변동률이 최고인 기상인자는 상대습도로 30.3% 정도 감소(71.2% → 46.4%)하였으며, 강수량은 상한범위의 관측량 범위(0~35.3 mm)가 정상범위(0~144.5 mm)의 24.4% 범위에도 변동률이 0.2%로 최소인 결과에서 민원 범위와 관계없이 0.3~0.6 mm(상한과 정상범위의 최고 SROCE 구간의 강수량 평균)에서 대부분의 민원이 집중적으로 발생하는 특성도 확인하였다.

    한편, 하한범위에 대한 평가는 상대적으로 1일 민원 발생 수의 범위(low outlier ≤ 3)가 정상범위보다 낮으며, 민원의 발생보다는 억제의 의미가 높고, Table 4와 같이 기상인자별 최고 SROCE와 IOCE 평균(case/day)이 각각 2.2±0.1과 2.2±0.1로 기상인자별 상대 비교나 기상 관측값의 분석 등이 의미가 없다고 판단하여 평가하지 않았다.

    4. 결 론

    서울과 같은 대도시에서 악취 발생원은 주택가나 생활환경과 근접한 거리에 있고, 배출원에서 악취 유발 물질을 제어할 수 없는 비정상적인 상황에서는 악취 유발 물질이 빠른 속도로 확산하여 민원이 급증하는 경우가 있다. 선행 연구에서는 이러한 비정상적 상황에서 발생한 민원도 포함하여 기상인자의 특성을 평가하였다(Kim et al., 2025). 이러한 비정상적 상황의 민원을 통계 기법으로 이상 민원(outliers)의 범위를 구분하여 민원 발생과 관련한 기상학적 특성을 평가하였다.

    2014년부터 2021년까지 서울시에서 발생한 생활악취 민원 현황(1일 민원 수와 빈도)을 통계 기법(정규분포 특성과 정규성 검증 등)으로 배출원의 비정상 상황에서 발생한 민원(비정상범위)을 최대한 제외하였다(정상범위). 정상범위에서 기상인자의 IOCE (case/day)는 기온(49.5), 이슬점온도(48.2), 지면온도(48.1), 일사량(47.9) 등의 순으로 높았고, 최하위는 강수량(39.7)이었다. 선행 연구(일사량, 63.8)의 결과에서 통계 기법으로 비정상 상황에서 발생한 악취 민원 발생 강도와 관련성이 최고로 평가한 기상인자는 기온이며, 최하위인 강수량보다 24.7%나 높았다. 이와 같이 악취 발생에 가장 중요한 기상인자는 기온이라는 보고(Ozkal, 2023)에 동의하며, 특히, 본 연구에서는 기온 관측량 범위를 합리적으로 분석하여 기온 변화에 따른 민원 발생의 특성을 체계적으로 제시하였다. 특히 강수량은 IOCE가 최저이지만, 다른 기상인자와는 다르게 민원 수(total; 93.0%, inlier; 93.0%, high outlier; 88.6%)와 발생일(total; 92.8%, inlier; 92.5%, high outlier; 92.0%)이 특정한 관측량 구간에 집중되었으며, 강수량이 증가하면 민원은 현저하게 감소하는 강우 효과(washout effect, 악취 유발 물질의 응축과 세정에 관여) 등 기상학적 특성, 그리고 향후 악취 발생 강도의 선행적인 기상인자 등으로 활용 가능성에 대한 심층적인 연구의 필요성도 확인하였다.

    정상범위(inlier, 3 < inlier < 191)에서 기상인자별 최고 SROCE 구간의 기상 관측값은 30.4°C(지면온도), 14.7 hrs(가조시간), 27.7°C(기온), 19.9 MJ/m2(일사량) 그리고 0.6 mm(강수량)이고, 상한범위(high outlier)에서는 23.1°C(지면온도), 14.6 hrs(가조시간), 19.6°C(기온), 26.7 MJ/m2(일사량) 그리고 0.3 mm(강수량)이었다. 상한범위(high outlier ≥ 191)의 최고 SROCE 구간에서 기상 관측값을 정상범위와 비교한 변동률(VMF, %, 정상범위 기준, 관측량 범위가 같다면 –50 ≤ VMF ≤ 50)은 평균 ±10.8 정도이었으며, 최대 VMF은 상대습도로 –30.3이며, 10% 이상은 일사량(22.4) 등 6개, 그 외 10% 미만은 현지기압(7.4) 등 6개이고, 최소는 강수량(–0.2)이었다.

    악취 발생과 관련한 기상인자의 선행 결과에서 기온은 월평균이 20~28°C 정도에서 민원이 집중되며, 온도 감소와 더불어 민원도 감소하였고(Kim et al., 2003;Sattler and Devanathan, 2007), 풍속은 2~4 m/s에서 주로 발생하고, 감소하면 민원 발생이 증가하고, 강풍에서는 감소한다고 보고하였다(Kim et al., 2003;Olafsdottir and Gardarsson, 2013). 그리고 상대습도는 60~80% 정도(Kim et al., 2003)에서 그리고 강수량은 없는 상태에서 악취농도가 증가한다고 보고하였다 (Schauberger et al., 2006). 이러한 결과는 소수의 관측 횟수나 시기적 제한성, 특정 악취 배출원을 대상으로, 개괄적인 기상인자의 범위에 대한 특성, 그리고 부차적인 연구 결과이지만, 본 연구는 장기간, 규칙적이면서 다수의 민원 현황과 기상 관측량 그리고 통계적 방법을 활용하여 최대한 정상적 상황에서 발생하는 민원에 대한 기상인자의 특성과 상한범위(배출원의 비정상적 상황 등)에서 민원이 집중되는 기상인자의 특성을 합리적이고 체계적으로 평가한 최초의 사례라 판단한다.

    본 연구의 생활악취 민원 발생에 대한 기상학적 특성을 활용한다면, 기상인자를 기반으로 생활악취 분야를 넘어 공업, 산업지역 그리고 규제 시설을 대상으로 악취 배출원의 관리나 악취 민원을 최소로 억제할 수 있 으며, 선제적으로 악취 발생 강도 등의 예보도 가능한 시스템의 구축도 가능하리라 판단한다.

    <저자정보>

    김남진(박사), 주흥수(교수), 김성태(박사), 조경숙(교수), 배재근(교수)

    Figure

    JOIE-25-1-23_F1.jpg

    Changes in the odor complaints emission rate (SROCE) in the section of meteorological factor [Description; (A) temperature-related meteorological factors such as air temperature (circle), dew point temperature (square), and surface temperature (diamond), (B) pressure-related meteorological factors such as local pressure (circle) and sea level pressure (diamond), (C) vapor pressure, (D) dominant wind direction, (E) wind speed, (F) relative humidity, (G) precipitation, (H) solar-related meteorological factors such as possible sunshine (circle) and sunshine (diamond) duration, (I) solar irradiance.].

    Table

    Results of descriptive statistics and normality tests on odor complaint data

    Description; 1. S-W; Shapiro-Wilk, 2. K-S; Kolmogorov-Smirnov, 3. A-D; Anderson-Darling.

    Summary of odor complaints and meteorological factor statistics by ranges

    Summary of the maximum SROCE and IOCE by meteorological factors within the inlier (total) range

    [Description; 1. mean meteorological observations within the maximum SROCE, 2. number of occurrence complaints and dates (3) within the maximum SROCE, 4. number of occurrence complaints and dates (5) at IOCE,, 6. (the value) of full dataset conditions.]

    Summary of the maximum SROCE and IOCE by meteorological factors within the outliers range

    [Description; 1. Numbers of occurrence complaint, (2) date and (3, unit; meteorological factor) average meteorological value in the SROCE of high outlier range. 4. Numbers of occurrence complaint, (5) date and (6, unit; meteorological factor) average meteorological value in the SROCE of low outlier range. 7. The ratio of odor complaint counts and (8) occurrence days in the Maximum SROCE range to those in the high outlier range. 9. The ratio of odor complaint counts and (10) occurrence days in the Maximum SROCE range to those in the low outlier range.

    Reference

    1. Bono, R., Blanca, M. J., Arnau, J., Gómez-Benito, J., 2017. Non-normal distributions commonly used in health, education, and social sciences: A systematic review. Frontiers in Psychology 8, 1-6.
    2. Barbosa da Silva, M. V. G., Van Tassell, C. P., Sonstegard, T. S., Cobuci, J. A., Gasbarre, L. C., 2012. Box-Cox transformation and random regression models for fecal egg count data. Frontiers in Genetics 2, 1-13.
    3. Chae, J. S., Kim, M. Y., Jeon, J. M., Ryu, H. W., Lee, T. H., Chae, J. S., 2022. A study on the odor emission level at public environmental facilities in Seoul. Journal of Odor Indoor Environment 21(4), 374-382. (in Korean with English abstract)
    4. Choi, Y. L., Kim, K. H., Kim, S. H., Kim, D. K., 2022. Identification of odor emission sources in urban areas using machine learning-based classification models. Atmospheric Environment: X 13(January), 100156.
    5. Kim, H. D., Gu, H. S., Jung, W. S., Choi, S. W., Ahn, J. S., Park, M. H., 2003. Meteorological characteristics in case of civil affair occurrence days of bad smell around seongseo district of daegu. Journal of the Environmental Sciences 12(10), 1101-1108. (in Korean with English abstract)
    6. Kim, N. J., Chae, H. S., Cho, S. S., Kim, J. H., Shin, D. Y., Lee, Y. M., Kim, Y. I., Lee, J. Y., Kwon, S. M., Joo, H. S., 2024. Spatial-temporal characteristics of odor complaints emitted from the living environment in Seoul megacity. Journal of odor and Indoor Environment 23(4), 256-267. (in Korean with English abstract)
    7. Kim, N. J., Joo, H. S., Kim, S. T., Cho, K. S., Phae, C. C., 2025. Meteorological characteristics of odor complaints in Seoul, a megacity. Journal of odor and Indoor Environment 24(3), 170-184. (in Korean with English abstract)
    8. Moon, H. J., Chung, Y. B., 2019. Analysis of multivariate process capability using Box-Cox transformation. Journal of Society of Korea Industrial and Systems Engineering 42(2), 18-27.
    9. Olafsdottir, S., Gardarsson, S. M., 2013. Impacts of meteorological factors on hydrogen sulfide concentration downwind of geothermal power plants. Atmospheric Environment 77, 185-192.
    10. Oliva, G., Cangialosi, F., Grimaldi, M., Fasolino, I., Belgiorno, V., Naddeo, V., Zarra, T., 2024. Urban odour annoyance management: An advanced embedded system for real-time monitoring enhanced by citizen science. Case Studies in Chemical and Environmental Engineering 9, 100712.
    11. Özkal, C. B., 2023. Analysis of annual citizen odor observation records and its relationship with meteorological factors: Çorlu / Tekirdağ case study. Atmospheric Pollution Research 14(5), 1-15.
    12. Sattler, M., Devanathan, S., 2007. Which meteorological conditions produce worst-case odors from area sources? Journal of Air & Waste Manage. Assoc 57(11), 1296-1306.
    13. Schauberger, G., Piringer, M., Petz, E., 2006. Odour episodes in the vicinity of livestock buildings: A qualitative comparison of odour complaint statistics with model calculations. Agriculture, Ecosystems and Environment 114, 185-194.
    14. Sturges, H. A., 1926. The choice of a class interval. Journal of the American Statistical Association 21(153), 65-66.