환경 빅데이터 분석 및 서비스 개발 Ⅵ

홍한움,강성원,이동현,표종철,고길곤,조윤랑,한국진,진대용,강선아 한국환경연구원 2022 사업보고서 Vol.2022 No.0

지속가능발전목표 이행 방안 마련 연구

홍한움,김호석,강선아,강지은 한국환경연구원 2021 기본연구보고서 Vol.2021 No.-

Ⅰ. 서 론 1. 연구의 필요성 및 목적 □ 연구의 필요성 ㅇ 2015년 9월 UN 총회 합의문으로 2030 의제 합의 - 17개의 지속가능발전목표(SDGs: Sustainable Development Goals)를 수립하여 전 분야에서 통합적인 지속가능발전 달성을 목표로 하는 것으로 합의 - 환경부 소속의 지속가능발전위원회의 국가지속가능발전목표(K-SDGs)를 수립하고, 통계청에서는 UN 지속가능발전지표를 모니터링하는 등 지속가능발전목표 달성을 위한 국가적 노력이 있어왔음 ㅇ 2020년 코로나 팬데믹 이후 지속가능발전목표 이행 여건에 불가피한 변화 발생. 여건 변화와 도전을 반영한 이행방안 마련 필요 - 경제, 사회, 환경 분야에 광범위한 영향을 미치는 펜데믹 상황을 극복하기 위한 한국판 뉴딜의 대규모 재정 투입 - 2020년 『제4차 지속가능발전 기본계획』 수립으로 인한 국가지속가능발전 정책체계 개편 - 현 정부의 탄소중립 선언 이후 녹색성장 체계 개편 ㅇ 현 우리나라의 지속가능발전 이행에 대한 통합적 시각이 결여되어 있음 - 재원확보, 재정계획, 부문별 정책 및 국가계획에 SDGs 반영, 국가SDGs 목표 설정 및 계획 수립, 지속적 모니터링, 개도국 개발 지원 등 다방면에서 통합적으로 수행하는 것이 바람직하나, 현재는 목표 설정 및 지표 달성 측면만 강조되어 있음 □ 연구의 목적 ㅇ 지속가능발전의 이행 방안을 크게 두 가지 측면에서 마련 - 재정적 측면: 코로나 19의 위기극복 및 경기부양을 위해 추진된 한국판 뉴딜사업을 지속가능발전에 부합하도록 설정 - 정책일관성 측면: OECD에서 제안하는 지속가능발전 정책일관성 체크리스트 활용, 우리나라의 현 상황 진단 및 이행 방향 제언 Ⅱ. 지속가능발전 이행 동향 1. UN 지속가능발전목표 이행 동향 □ UN 지속가능발전목표의 구조 ㅇ 5개 영역, 17개 목표 □ UN의 고위급 정치 포럼(High Level Political Forum) ㅇ 고위급 정치 포럼을 통한 회원국의 이행 상황 점검 - 1년 주기: 경제사회이사회 주관. 장관급 회의 포함 매년 8일 개최 - 4년 주기: 총회 주관. 국가 및 정부 원수급 회의 □ UN SDGs 이행 체계의 한계 ㅇ 국제법 체계에 의한 구속력 없이 회원국의 자발적 이행 권고. 제도적 정비가 이루어져 있지 않음(우창빈 외, 2020) ㅇ 회원국의 이행 점검을 위해 자발적 국가 검토(Voluntary National Review) 보고서를 4년에 1회 제출하도록 권고하나, 보고서 형식에 대한 권고만 있을 뿐 국가별로 각자의 해석에 기반해 보고서를 제출하기 때문에 체계적인 이행 점검 체계를 갖추고 있다고 보기 어려움 □ 한국의 UN SDGs 이행 동향 ㅇ 통계개발원 주관 글로벌 SDGs지표 주요점검결과[자료: 통계청 통계개발원(2021), 한국의 SDGs 이행보고서 2021] - 고령층 상대 빈곤율 높음 - 소득 수준에 따른 식품안정성 확보에 차이, 농축수산물 물가상승폭 확대 - 취약계층 정보화 역량 및 활용성 개선 필요 - 선진국 대비 여성 의사결정권한 낮음 - 온실가스 배출 및 유해폐기물 증가 - 생태계 전반에 대한 지속가능한 관리 필요 - 아동폭력 및 학대에 대한 신고건수 및 의심사건 증가 - GNI 대비 ODA 비율이 10년간 크게 증가하였으나 국제사회에 약속한 0.2%에는 미치지 못함 ㅇ UN 자문기구 지속가능발전해법네트워크(SDSN)의 2021년 한국 지속가능성 평가에서는 총 193개국 중 28위 기록 2. 국가지속가능발전목표 □ 한국의 지속가능발전 이행체계 ㅇ 환경부소속 지속가능발전위원회에서 UN SDGs를 한국 실정에 맞게 자국화한 국가 지속가능발전목표(K-SDGs)를 수립하여 지속가능발전 이행 - 현재 『제4차 국가지속가능발전 기본계획(2021-2040)』을 통해 K-SDGs 체계가 수립되어 있음 - 17개 목표, 119개 세부목표, 236개 지표로 구성 ㅇ 국가지속가능성 이행 점검을 위한 ‘국가지속가능성 보고서’ 발간 - 「지속가능발전법」 제3장, 제13장, 제14조에 근거 - 현재의 국가지속가능성 보고서는 K-SDGs 지표의 단순 모니터링에 치중되어 있음 3. 시사점 □ 목표 체계만을 제시한 현 이행 체계 ㅇ UN SDGs, 국가지속가능발전 이행 모두 2021년 현재는 단순 목표 체계만 제시되어 있고 구체적인 이행을 위한 재정투입 조절 및 통합 거버넌스에 대한 가이드라인 부재 ㅇ UN SDGs는 국제법에 의한 구속력이 없고, 국가지속가능발전을 주관하는 한국의 지속가능발전위원회는 환경부장관 소속이라는 낮은 위상으로 인해 재정 조절 및 정책일관성 제고 등의 지속가능발전 주도 역할을 맡기에 한계가 있음 - 독일, 일본, 핀란드는 총리 위원장의 정부 소속 위원회 주도 - 노르웨이는 지속가능발전 이행을 위해 예산절차에 의한 통합 접근 추구 ㅇ 재정 투입 측면 및 정책일관성 강화 측면에서 지속가능발전의 이행을 강화할 필요성이 있음 Ⅲ. 지속가능성 강화 방안: 재정 투입 측면 1. 개요 □ 재정 투입 측면의 강화를 위한 한국판 뉴딜 연계 필요성 ㅇ 코로나19 팬데믹으로 인한 경기침체 위기를 극복하기 위해 정부에서는 한국판 뉴딜 추진 ㅇ 2021년 한국판 뉴딜 2.0 기준 2025년까지 국비 114.1조 포함 총 사업비 220조원의 대규모 투자 계획 ㅇ UN SDGs는 경제·사회·환경 전 분야의 통합 달성을 추구하는 목표 체계임. 한국판 뉴딜의 대규모 재정을 경제·사회·환경 전 분야에 긍정적 영향을 미치는 방향으로 투입하여 SDGs 통합 달성에 부합하는 방향으로 활용할 수 있다면 지속가능발전 이행에 크게 기여할 수 있음 2. 한국판 뉴딜과 지속가능발전 연계성 □ 한국판 뉴딜 대표과제 □ 한국판 뉴딜 대표과제와 지속가능발전 연계성 분석 ㅇ 한국판 뉴딜과 지속가능발전은 모두 사회, 환경, 경제의 통합 달성을 추구하므로, 한국판 뉴딜 추진은 지속가능발전 달성에 직간접적인 영향을 줌 ㅇ 한국판 뉴딜 1.0의 10대 대표과제와 한국판 뉴딜 2.0 5대 대표과제를 중심으로 직접적인 영향을 줄 것으로 판단되는 UN SDGs 1차 식별 - 대표과제에 포함되지 않은 세부과제들은 세부 사업 내역 및 예산 투입 계획의 구체성, 추진 경과에 대한 국민보고대회 해당 세부 사업 경과에 대한 보고가 소외되어 있는 점 등을 종합하였을 때 대규모 뉴딜 추진을 통해 해당 사업을 적극적으로 부양하려는 추진 동력이 대표과제에 비해 크게 부족하다고 판단되어 제외 ㅇ 1차 식별된 10개 세부목표를 기준으로 그린뉴딜 대표과제가 영향을 주는 것으로 판단되는 SDGs 목표 식별 - UN 환경 관리 그룹(UN Environment Management Group)이 제공하는 넥서스 상호대화 시각화 도구(nexus dialogues visualization tool) 활용 ㅇ 한국판 뉴딜이 부정적인 영향을 줄 가능성이 있는 지속가능발전 세부목표 식별 - 글로벌 환경 연구소 IGES(Institute for Global Environmental Strategies)의 SDGs 상호연계성 분석 및 시각화도구(4.0버전, 2021.9 기준) 활용 - 한국판 뉴딜이 직접적인 영향을 줄 수 있는 것으로 판단되는 10개 세부과제가 부정적인 영향만을 줄 것으로 판단되는 세부목표 식별 ※ 세부목표 간의 트레이드오프 관계는 실제 부정적 인과가 있는 경우뿐만 아니라 같은 자원을 두고 상호 경쟁하거나 한정된 예산을 두고 경쟁할 때도 나타날 수 있음. <표 4>의 목록 중 대부분은 한국판 뉴딜 대표과제 추진과 실제로 부정적인 인과가 있기 때문이라기보다는 자원 경쟁이나 예산경쟁의 측면에서 나타난 것으로 파악됨 3. 지속가능발전을 위한 한국판 뉴딜 재정투입 방향 제언 □ 한국의 SDGs 이행 점검을 통해 보완이 필요한 것으로 보이는 분야 강화 필요 ㅇ 환경 에너지 및 친환경 모빌리티 확대를 통한 온실가스 감축 관련 사업은 이미 한국판 뉴딜의 커다란 축을 이루고 있음 ㅇ 그린에너지 외의 다른 취약 분야는 한국판 뉴딜 체계에서 추가 보완하는 것이 지속가능발전 이행 측면에서 바람직 - SDGs 14, 15와 관련된 육상, 수상, 해양 생태계 보전분야 강화 필요 - 지속가능한 농업 분야에 대한 보완 필요 - 깨끗하고 안전한 물관리 관련 내용은 그린뉴딜의 세부 추진과제에 포함되어 있으나, 한국의 지속가능발전 이행 점검 결과를 감안했을 때 대표과제 추진 혹은 예산투입계획 구체화 등의 노력이 필요함 □ 추가 강화 필요 지속가능발전 세부목표 ㅇ 4.4 전문기술 및 직업기술 훈련 확대’와 ‘9.3 중소기업 금융서비스 향상’의 추가 강화 필요 - 예산 경쟁 측면에서 현 한국판 뉴딜 대표과제가 부정적인 영향을 줄 가능성이 있음 - 한국판 뉴딜의 추진 목적이 일자리 창출을 통한 경기 부양 및 미래 산업 선도에 있음을 감안할 때 우선순위가 높은 목표라 할 수 있으므로, 한국판 뉴딜에서 해당 분야를 현재 수준보다 높은 우선순위로 추진하는 것이 바람직 Ⅳ. 지속가능성 강화 방안: 정책일관성 측면 1. 현행 지속가능발전 정책체계 □ 한국의 지속가능발전 거버넌스 체계 ㅇ 현재의 국내 정책 환경이 SDGs를 중심으로 통합되어 있다고 보기 어려움 - 현재 국가지속가능발전목표 기본계획 수립 및 모니터링 등의 이행은 환경부 소속 지속가능발전위원회에서 전담 · 지속가능발전위원회는 2007년 「지속가능발전 기본법」 제정 시 국무총리 소속으로 출범하였으나 2010년 「저탄소 녹색성장 기본법」의 제정으로 「지속가능발전기본법」은 「지속가능발전법」으로 변경되는 과정에서 환경부 장관 소속으로 격하 - 현 정부에서 탄소중립위원회를 추진하는 과정에서 녹색성장위원회, 국가기후환경회의, 미세먼지특별위원회 등 기후·환경 관련 위원회를 통합하는 과정이 있었으나 지속가능발전위원회는 제외 - 지속가능성 모니터링에 있어 환경부 소속 지속가능발전위원회의 K-SDGs 지표 모니터링과 통계청의 글로벌 지표 모니터링이 통합되어 운영되지 않고 있음 2. OECD제안 정책일관성 권고사항 검토 □ 정책일관성 검토 ㅇ 최고위급 정치인의 포용적인 정치적 공약과 리더십 - 제21대 국회의원선거의 정당별 10대 공약에서 지속가능발전 키워드는 찾아볼 수 있으나 정책일관성 차원에서의 공약으로 보기 어려움 - 지속가능발전의 국가적 점검은 개별 지표의 평가에 따른 점검에만 그칠 뿐 정책일관성 제고를 고려하고 있지 않음 ㅇ 정부 및 이해관계자를 이끌어내는 전략적 비전 - 현재 지속가능발전위원회의 국가지속가능발전목표 체계를 통해 지속가능발전을 추구하고 있음 - 또한 『한국판 뉴딜 종합계획』, 『대한민국 2050 탄소중립 전략』, 『국제개발협력 종합기본계획』 등은 지속가능발전 달성과 밀접한 관련이 있는 국가종합계획으로 볼 수 있음 ㅇ 정책 간 시너지·상쇄 효과를 관리하기 위한 정책 통합 - 정책 간 연계 및 통합을 담당하는 상위 거버넌스가 부재함 - 한국판 뉴딜이나 「탄소중립기본법」에서는 지속가능발전 통합 지침 관련 내용 부재 - 지속가능발전기본계획의 일부 지표는 예산을 점검하여 목표 달성정도를 파악하고 있으나, 현재는 SDGs를 통합하여 정부 예산이 관리되고 있다고 볼 수 없음 ㅇ 정책 간 시너지·상쇄 효과를 관리하기 위한 정책 통합 - 지속가능발전위원회에서 지속가능발전을 위한 조정 체계를 담당 - 국가지속가능발전목표를 통해 지속가능성을 점검하나, 정책일관성 제고를 위한 기능을 하고 있지는 않다고 판단됨 ㅇ 지방정부와 관련된 정책일관성 영역에서 조율된 실행 강화 - 지속가능발전협의회에서 지방의제 21을 통해 지속가능한 지역사회 추구 - 한국판 뉴딜 체계에서도 지역균형 뉴딜 포함 - 「탄소중립기본법」에서도 중앙과 지역이 협력관계를 유지하는 방안 마련 ㅇ 지방정부와 관련된 정책일관성 영역에서 조율된 실행 강화 - 지속가능발전위원회는 이해관계자그룹(K-MGoS)를 운영하며 기본계획 수립 시 국가 SDGs 포럼이나 일반국민 설문조사 등을 통해 사회적 공론화 과정을 거치고 있음 - 한국판 뉴딜 및 「탄소중립기본법」 수립에 이해관계자 의견 수용이 부족하다는 지적이 있었음 ㅇ 정책의 긍·부정적 영향 및 국제적 영향 분석 및 보고 - 지속가능발전을 점검을 위한 현 모니터링 시스템은 정책에 대한 영향평가로 보기 어려움. 국책연구기관 및 대학 등의 연구에서 간헐적으로 지속가능발전 관점에서 정책의 긍·부정적 영향도를 평가하는 보고서 및 논문이 출간될 뿐, ’21년 현재 정기적 평가는 없는 것으로 파악됨 ㅇ 정책의 영향도 분석, 정량적·정성적 관찰 및 평가하는 시스템 구축 - 지속위에서 ‘국가지속가능성 보고서’, 통계청에서 ‘한국의 SDGs 이행보고서’를 통해 지속가능성을 점검하고 있으나, 보고서의 결과를 정부에서 정책일관성 제고를 위해 활용하고 있다고 보기 어려움 - 보고서는 투명하게 공개되고 있으나 접근성이 좋지 않음 - 정책일관성 평가를 위한 외부 독립 감사기관 부재 3. 정책일관성 강화를 위한 과제 ㅇ SDGs 이행을 위한 통합 비전 및 전략이 우선적으로 제시되어야 함 - 국내의 지속가능발전 이행은 겉으로는 환경부 소속 지속위의 『지속가능발전 기본계획』이 전담하고 있는 것처럼 보이나, 국제개발 관련한 내용은 『국제개발협력 기본계획』, 탄소중립 관련 내용은 탄소중립 위원회에서 주관하는 등 위원회가 분산되어 있음 - 거버넌스가 부실할 경우 자원 경쟁 및 예산 경쟁의 측면에서 SDGs의 세부목표들이 서로 부정적 영향을 미칠 가능성이 커짐 ㅇ 현재의 단순 지표 모니터링이 아닌 정책일관성 평가체계의 구축 필요 - 지속가능발전의 관점에서 정책의 긍·부정적인 영향도를 평가하는 평가 시스템 필요 ㅇ 격하된 위상의 지속가능발전위원회 총리위원회, 또는 대통령 직속 위원회로 재격상 필요 Ⅴ. 맺음말 □ 지속가능발전의 근본적 이행을 위해서는 재정투입 및 정책일관성을 강화해야 함 ㅇ 지금처럼 단순 지표 모니터링으로만 이행 점검하는 체계로는 지속가능발전 달성에 한계가 있음 ㅇ 한국의 추진체계 아래서 지속가능발전 이행을 총괄하는 지속위의 소속이 환경부이기 때문에, 현 위상으로는 예산 투입과 정책일관성을 조율하기 어려움 ㅇ 한국판 뉴딜의 대규모 재정 투입을 지속가능발전에 부합하는 방향으로 유도해야 함 ㅇ 예산투입이나 정책일관성을 조율할 수 있는 통합 거버넌스 구축 필요 Ⅰ. Introduction 1. Research Necessity and Purpose □ The Need for Research ㅇ Agreement of the 2030 Agenda for Sustainable Development, at the UN General Assembly in September 2015. - There were 17 Sustainable Development Goals (SDGs) which were agreed upon to achieve integrated sustainable development goals in all sectors. - There have been national efforts to achieve these SDGs. The Committee for Sustainable Development under the Ministry of Environment established the Korean Sustainable Development Goals (K-SDGs) and monitored the UN Sustainable Development Indicators in Statistics Korea. ㅇ There have been changes made to the conditions for implementing the SDGs since the 2020 COVID pandemic. It is necessary to prepare an implementation plan that reflects changes in circumstances and challenges. - Large-scale financial commitment of a Korean New Deal to overcome the pandemic with a wide range of economic, social, and environmental impacts. - Reorganization of the national sustainable development policy system by establishing the “4th Basic Plan for Sustainable Development” in 2020. - Reorganizing the green growth system after the Korean government declared its intent to achieve carbon neutrality ㅇ There is a lack of an integrated perspective on the current implementation of sustainable development in Korea. - It is desirable to carry out integrated implementation in various fields, such as securing financial resources, financial planning, a reflection of SDGs in sectoral policies and national plans, setting targets and plans for national SDGs, continuous monitoring, and support for the development of developing countries. However, currently, there is an emphasis on setting targets and achieving indicators. □ Research Purpose ㅇ The implementation plan for sustainable development can be prepared using two main aspects. - Financial aspect: The Korean New Deal project promoted to overcome the COVID-19 crisis and stimulate the economy, is set to be consistent with sustainable development. - Policy coherence aspect: Utilization of the checklist to maintain coherent sustainable development policies proposed by the OECD, diagnosis of the current status of Korea, and suggestion for a direction of implementation. Ⅱ. Trends of Sustainable Development Implementations 1. Trend of UN SDG Implementation □ Structure of the UN SDGs ㅇ 5 principles, and 17 goals □ High-Level Political Forum of the UN ㅇ Inspection of the implementation status of member states through high-level political forums - One-year cycle: Under the auspices of the UN Economic and Social Council, the forum is held for eight days every year, including ministerial-level meetings. - Four-year cycle: Under the General Assembly, there are meetings among heads of states and governments. □ Limitations of the UN SDGs Implementation System ㅇ Member-states are recommending voluntary implementation, without binding them under the international legal system and institutional arrangements (Woo, Kim, and Kim, 2020). ㅇ It is recommended to submit a Voluntary National Review report once every four years, to inspect the implementation of member states. However, although there are recommendations for the report format, member states are submitting reports based on their interpretation without any systematic structure. □ Trend of Korea's UN SDG Implementation ㅇ Main inspection results of global SDG indicators under the auspices of Statistics Research Institute (Source: Statistics Research Institute (2021), 「SDG Implementation Report of the Republic of Korea 2021」) - High relative poverty rate among the elderly - Differences in securing food safety based on income levels. Inflation of agricultural, livestock, and seafood prices - Need to improve informatization capability and usability for the vulnerable - Low decision-making power for women compared to developed countries - Increase in greenhouse gas (GHG) emissions and hazardous waste - Need for sustainable management for the entire ecosystem - Increased number of reports and suspected cases of child violence and abuse - Although the ratio of ODA to GNI increased significantly over the past decade, Korea fell short of its commitment by 0.2% to the international community. ㅇ Ranked 28th out of a total of 193 countries in the 2021 Sustainability Evaluation of the Republic of Korea of the Sustainable Development Solutions Network (SDSN), an advisory body of the United Nations. 2. National Sustainable Development Goals □ Korea's Sustainable Development Implementation System ㅇ The Committee for Sustainable Development under the Ministry of Environment set the Korean Sustainable Development Goals (K-SDGs) that localized the UN SDGs considering the Korean situation, to implement sustainable development. - Currently, the K-SDGs system has been established through the “4th National Basic Plan for Sustainable Development (2021-2040)” - It consists of 17 goals, 119 targets, and 236 indicators ㅇ Publication of the ‘National Sustainability Report’ to confirm the implementation of national sustainability - Based on Articles 13 and 14 of Chapter 3 of ‘Sustainable Development Act’ - The current national sustainability report focuses on simple monitoring of K-SDGs indicators. 3. Implications □ Current Target-Oriented Implementation System ㅇ Both the implementations of UN SDGs and national sustainable development only presented simple target systems, as of 2021, and there is no guideline to control financial commitment and develop integrated governance for a specific implementation. ㅇ The UN SDGs are not legally bound to international law; as the Korean Committee for Sustainable Development, which is responsible for national sustainable development, belongs to the Minister of Environment, due to its low status, there are limits in serving a leading role in sustainable development, such as financial control and policy coherence. - In countries like Germany, Japan, and Finland, the Prime Ministers of the respective countries lead the government committees. - Norway pursues an integrated approach based on budget processes to implement sustainable development. ㅇ There is a need to strengthen the implementation of sustainable development in terms of fiscal commitment and strengthened policy coherence. Ⅲ. Measures to Strengthen Sustainability: Fiscal Commitment 1. Overview □ The Need for Connecting with the Korean New Deal to Strengthen Fiscal Commitment ㅇ To overcome the economic recession crisis caused by the COVID-19 pandemic, the Korean government is promoting the Korean New Deal. ㅇ Based on ‘The Korean New Deal 2.0’ in 2021, a large-scale investment plan with a total project cost of KRW 220 trillion won which includes the national budget of KRW 114.1 trillion won will be implemented by 2025. ㅇ The UN SDGs have the system to achieve integration in all economic, social, and environmental fields. If the large-scale finance of the Korean New Deal can be used to exert a positive impact on all economic, social, and environmental sectors and can be used to achieve the integrated SDGs, it can greatly contribute to the implementation of sustainable development. 2. Connection between the Korean New Deal and Sustainable Development □ Connectivity Analysis between Representative Tasks of the Korean New Deal and Sustainable Development ㅇ As both the Korean New Deal and sustainable development seek to achieve the integration of society, environment, and economy, the promotion of the Korean New Deal directly or indirectly affects the achievement of sustainable development. ㅇ Primary identification of UN SDGs on which the 10 representative tasks of the Korean New Deal 1.0 and the 5 representative tasks of the Korean New Deal 2.0 exert direct impacts. - As for detailed tasks excluding in the representative tasks, the detailed project details, specific budget (input) plans, and reports on the corresponding detailed project progresses in the National Report Conference are excluded; Therefore, in this analysis excluded detailed tasks not included in the representative tasks because they have low driving forces for for actively supporting the corresponding projects through large-scale new deal projects, compared to representative tasks. ㅇ Identification of SDGs on which the Green New Deal-related representative tasks exert impacts, based on the first identified 10 targets - Utilization of the nexus dialogues visualization tool which is provided by the UN Environment Management Group ㅇ Identify sustainable development targets on which the Korean New Deal is likely to have a negative impact - Utilize the SDGs interconnection analysis and visualization tool (Version 4.0, as of Sep. 2021) of the Institute for Global Environmental Strategies (IGES), the global environmental research institute. - Identify targets on which 10 sub-tasks with the possibility of a direct impact from the Korean New Deal, are likely to only expert a negative impact ※ The trade-off relationship between targets can appear not only when there is actual negative causation, but also when there is competition for the same resources or a limited budget. Most of the lists in Table 5 are understood to have appeared in terms of resource or budget competition, rather than because there are actual negative causal effects on the implementation of the representative tasks of the Korean New Deal. 3. Direction for Fiscal Commitment via the Korean New Deal for Sustainable Development □ The necessity for strengthening the fields in need of supplementation through the SDG performance confirmation in Korea. ㅇ Projects related to GHG reduction via the expansion of eco-friendly mobility in the environment and energy field have already dominated the Korean New Deal. ㅇ In terms of the implementation of sustainable development, it is desirable to supplement the weak areas other than green energy under the Korean New Deal system. - Necessity for the reinforcement of land, water, and marine ecosystem conservation related to SDGs 14 and 15 - Necessity for supplementing the sustainable agriculture sector - Although cleaner and safer water management is included in the detailed implementation tasks of the Green New Deal, there should be efforts such as implementing representative tasks or clearer budget investment plan, considering the inspection results of Korea's sustainable development implementation. □ Sustainable Development Targets to be Further Strengthened ㅇ It is necessary to further strengthen 'Target 4.4: More training for technical and vocational skills, and Target 9.3: Increase access to financial services and markets for SMEs.' - In terms of budget competition, the current representative tasks of the Korean New Deal could have negative impacts. - Considering that the Korean New Deal aims to stimulate the economy through job creation and lead the future industry, it can be said that those targets have high priorities; it is desirable to promote the corresponding fields by putting at a higher priority than the current level in the Korean New Deal. Ⅳ. Measures to Strengthen Sustainability: Policy Coherence 1. Current Sustainable Development Policy System □ Korea's Sustainable Development Governance System ㅇ It is difficult to see that the current Korean policy environment is integrated based on the SDGs. - Currently, the Committee for Sustainable Development under the Ministry of Environment oversees establishing and monitoring the Basic Plan for National Sustainable Development Goals. · The Committee for Sustainable Development was launched under the jurisdiction of the Prime Minister when the Framework Act on Sustainable Development was enacted in 2007 but was downgraded and is now under the Minister of Environment, in the process of changing the Framework Act on Sustainable Development to the Sustainable Development Act, along with the enactment of the Framework Act on Low Carbon, Green Growth in 2010. - In the process of promoting the Committee on Carbon Neutrality under the current government, there was a process of integrating climate and environment-related committees such as the Committee on Green Growth, the National Council on Climate and Air Quality, and the Special Committee on the Prevention of Fine Dust, but the Committee for Sustainable Development was excluded. - In terms of sustainability monitoring, the K-SDGs indicator monitoring of the Committee for Sustainable Development under the Ministry of Environment, and the global indicator monitoring of Statistics Korea, are not being operated without integration. 2. Review of Consistent Policy Recommendations Proposed by OECD □ Review of Policy Coherence ㅇ 1 Inclusive political commitment and leadership by top-level politicians - Although the sustainable development keyword can be found in the 10 pledges of each party for the 21st National Assembly election, it is difficult to view it as a pledge in terms of policy coherence. - The national inspection of sustainable development is limited to the inspection for the evaluation of individual indicators without considering enhanced policy coherence. ㅇ 2 Strategic vision to lead the government and stakeholders - The pursuit for sustainable development under the current national sustainable development goal system of the Committee for Sustainable Development - In addition, the Korea New Deal Comprehensive Plan, the 2050 Carbon Neutral Strategy, and the Comprehensive Basic Plan for International Development Cooperation can be considered as national comprehensive plans closely related to the achievement of sustainable development. ㅇ 3 Policy integration to manage synergies and offsets between policies - There is no upper-level governance in charge of linkage and integration between policies. - There is no detail related to the integrated guideline for sustainable development, in the Korean New Deal or the Framework Act on Carbon Neutrality - Some indicators of the Basic Plan for Sustainable Development review the budget to understand the level of goal achievement, but it cannot be considered that the government budget is currently managed by integrating SDGs. ㅇ 4 Policy integration to manage synergies and offsets between policies - The Committee for Sustainable Development takes responsibility for the coordination system for sustainable development. - Although sustainability is reviewed through the national sustainable development goals, it is judged that they are not functioning to enhance policy coherence. ㅇ 5 Strengthen coordinated implementation in policy coherence related to local governments - Pursue a sustainable community through Local Agenda 21 - Regionally balanced New Deal is also included in the Korean New Deal system - As for the Framework Act on Carbon Neutrality, there are measures to maintain the cooperative relationship between the central and local governments. ㅇ 6 Strengthen coordinated implementation in policy coherence related to local governments - The Committee for Sustainable Development operates Korea Major Groups and other Stakeholders (K-MGoS); when establishing the basic plan, there is a process of public debate through the national SDG forum or general public survey. - It was pointed out that there was an insufficient accommodation of stakeholder opinions when establishing the Korean New Deal and the Framework Act on Carbon Neutrality. ㅇ 7 Analysis and report of positive and negative, and international impacts of policies - The current monitoring system for inspecting sustainable development is difficult to see as an impact assessment on policies. Occasionally there have been reports and studies evaluating the positive and negative impacts of policies from the perspective of sustainable development, which has been researched by national research institutes and universities. However, there has been no regular evaluation, as of 2021. ㅇ 8 Establish a system to analyze the impact of policies, and to observe and evaluate quantitatively and qualitatively - There has been inspection on sustainability: the National Sustainability Report’ of the Committee for Sustainable Development, and the ‘SDG Implementation Report of Republic of Korea’ of Statistics Korea. However, it is difficult to see that the report results have been utilized for improving the Korean government’s policy coherence. - Reports are transparently disclosed, but accessibility is poor. - Absence of an external independent auditor to evaluate policy consistency 3. Tasks to Strengthen Policy Coherence ㅇ An integrated vision and strategy for the implementation of the SDGs should come first - Korea's Sustainable development seems to be implemented under the ‘Basic Plan for Sustainable Development’ of the Committee for Sustainable Development under the Ministry of Environment, but international development-related details are under the ‘Basic Plan for International Development Cooperation’ and carbon neutrality related details are under the Committee on Carbon Neutrality; committees in charge of different details are dispersed. - Under poor governance, the SDG targets are highly likely to negatively affect each other in terms of resource and budget competition. ㅇ It is necessary to establish a consistent policy evaluation system rather than the current simple indicator monitoring. - An evaluation system is required to evaluate positive and negative impacts of policies from the perspective of sustainable development ㅇ It is necessary to re-elevate the downgraded Commission on Sustainable Development to the Presidential-level Commission Ⅴ. Conclusion □ Fiscal commitment and policy coherence must be strengthened for the fundamental implementation of sustainable development ㅇ There is a limit to achieving sustainable development under the current system confirming the implementation only through simple indicator monitoring. ㅇ As the Committee for Sustainable Development belongs to the Ministry of Environment, it is difficult to coordinate budget investment and policy coherence at the current status. ㅇ It is necessary for the large-scale financial investment via the Korean New Deal to be induced in a direction consistent with sustainable development. ㅇ It is necessary to establish integrated governance that can coordinate budget investment and policy coherence.

인공지능 딥러닝을 활용한 조류현상 예측기술 개발 및 활용방안

홍한움,조을생,강선아,한국진 한국환경정책평가연구원 2020 기본연구보고서 Vol.2020 No.-

Ⅰ. 연구의 배경 및 목적 1. 연구 개요 □ 연구명: 인공지능 딥러닝을 이용한 조류현상 예측기술 개발 및 활용방안 □ 연구기간: 2020.1.1~2020.12.31. 2. 연구의 필요성 및 목적 □ 조류현상의 원인 ㅇ 조류현상은 녹조현상과 적조현상을 포함 - 녹조현상: 강 및 호수에 남조류 과다 생성 - 적조현상: 바다에 갈색을 띠는 규조류 및 와편모조류 번성 □ 현행 조류경보제의 한계 ㅇ 환경부 및 국립환경과학원에서는 유해남조류 실측치 및 EFDC 모형에 기반하여 조류 경보제 시행 ㅇ 물리 모형의 한계 - 탄탄한 이론적 배경을 기반으로 하나, 모형이 요구하는 세밀한 데이터를 확보하는데 한계가 있음 - 질량보존의 법칙에 기반한 물리 모형 활용 생명활동인 조류현상 예측에 한계가 있음 ㅇ 딥러닝 예측을 대안 및 보완방안으로 고려 Ⅱ. 현행 녹조대응정책 1. 조류경보제 □ 도입 시기: 1998년 □ 법적 근거: 「물환경보전법」 제21조 □ 대상 ㅇ 상수원 및 친수활동구간 28개소 지점 ㅇ 발령권자: 국립환경과학원 □ 분석 항목 ㅇ 유해남조류세포수 실측치 ㅇ 상수원 구간 기준 - 관심: 1,000(cells/mL) 이상 - 경계: 10,000(cells/mL) 이상 - 대발생: 1,000,000(cells/mL) 이상 2. (구) 수질예보제 □ 도입 시기: 2012년 □ 법적 근거: 「물환경보전법」 제21조 □ 대상 ㅇ 4대강 16개 보 및 북한강 삼봉리 등 17개 지점 ㅇ 발령권자: 국립환경과학원 □ 분석 항목 ㅇ 수온 및 클로로필a 농도 예측치 ㅇ 현재는 조류경보제와 수질예보제를 통합 운영함에 따라 예측은 수행하지만 예보 발령은 하지 않음 □ 현재 유해남조류 예측정보 제공 ㅇ 현재 국립환경과학원에서 유해남조류 예측정보 제공 중 ㅇ 주 2회 월·목요일 조류경보제 6개 지점 대상 ㅇ 유해남조류세포수 및 수온예측 결과 발표 3. 수질측정망 현황 □ 법적 근거 ㅇ 「환경정책 기본법」 제22조 및 「물환경보전법」 제9조 □ 구성 ㅇ 수질측정망 - 대상: 하천, 호소, 농엽용수, 도시관류, 산단하천에서의 수질측정데이터 - 제공 정보: 수심, 수소이온농도, 용존산소량, BOD, COD, 부유물질, 총질소, 총인, 총유기탄소(TOC), 수온, 페놀류, 전기전도도, 총대장균군수, 용존총질소, 암모니아성 질소, 질산성 질소, 용존총인, 용존총인, 인산염인, 클로로필a, 투명도 - 주기: 월 1회, 주요지점에 대해서는 주 1회 ㅇ 총량측정망 - 대상: 수질오염총량제 대상 지역에 대해 총량 관리에 필요한 기초데이터 - 제공 정보: 수온, 수소이온농도, 전기전도도, 용존산소, BOD, COD, 부유물질, 총질소, 총인, TOC, 유량 - 주기: 월 1회 ㅇ 자동측정망 - 수동적으로 측정되는 일반측정망의 보완을 위해 운영 - 제공 정보: (공통항목) 수온, 수소이온농도, 용존산소량, 전기전도도, TOC (선택항목) 탁도, 클로로필a, TN, TP, NH3-N, NO3-N, PO4-P, VOCs(9종 10개), 페놀, 중금속, 생물감시항목 - 주기: 일 1회 ㅇ 퇴적물측정망 - 목적: 국 하천 및 호소 등 수질보전대상 공공수역에 대한 퇴적물의 이화학적 특성 조사 - 제공 정보: (공통항목) 수온, 수소이온농도, 용존산소량, 전기전도도, TOC (선택항목) 채취시간 최고수심, 표층측정수심, 표층 및 저층 수심, 수온, 용존산소량, pH, 전기전도도, 퇴적물 입도, 함수율, 완전연소가능량 비율 및 등급, COD, TOC, TN, TN등급, TP, SRP, 중금속, 보존성 원소 농도 - 주기: (하천) 상·하반기 연 2회, (호소) 연 1회 ㅇ 이 외에 방사성 측정망 및 생물측정망 추가 측정 Ⅲ. 수질 예측 모형 1. 물리모형 □ 모형 예시 ㅇ EFDC, QUAL2K, WASP 등 ㅇ 국립환경과학원에서는 EFDC 기반 모형 운용 중 □ 구성 ㅇ 수계를 소구역으로 분할한 모델 격자망 구성 및 경계조건 설정 ㅇ 격자망 안의 소구역 단위에서 수질 추정 □ 사례 ㅇ 신창민 외(2017)의 EFDC 활용 영산강 수계 예측 2. 딥러닝 모형 □ 모형 구조 ㅇ 다층 퍼셉트론(DMLP) - 신경망의 뉴런과 시냅스를 모방한 모형. 입력층, 은닉층, 출력층으로 구성. 은닉층을 여러 개 두는 다층 구조로 구성 ㅇ 순환신경망(RNN) - 다층 퍼셉트론 모형에서 전 시점 은닉 노드의 피드백을 추가 반영한 모형 - 현대에는 단순 순환신경망 모형을 기반으로 하여 장기 기억을 활용할 수 있는 GRU, LSTM 모형을 활용 □ 수질 예측 모형 적용 예시 3. 물리모형 vs 딥러닝 알고리듬 □ 물리모형 ㅇ 잘 확립된 수학/물리법칙에 기반 ㅇ 실제 관측값은 모형 평가에 활용 ㅇ 물리적 방정식을 통해 관측값보다 세밀한 해상도에서 예측수행 가능 ㅇ 단점 - 불확실한 초기/경계조건으로 인한 오차 - 이상현상을 예측하기 어려움 - 부실한 입력데이터, 모델 관계식의 불안정성, 모델링 방법 등의 문제로 작동하지 않을 수 있음 □ 딥러닝 알고리듬 ㅇ 기계학습을 통해 입력변수와 출력변수의 관계 구축 ㅇ 실제 관측값 모형 구축에 활용 ㅇ 측정값의 오차를 정량화하여 모형 안에 오류 조건 내장 ㅇ 물리 모형 대비 불확실성이 큰 단기 예측에 강점 ㅇ 단점 - 많은 데이터 요구 - 관측 해상도보다 세밀화 불가능 - 입력변수와 출력변수의 관계를 설명할 수 없기 때문에 실제 활용에 한계가 있음 Ⅳ. 딥러닝 기반 조류예측 알고리듬 개발 1. 데이터 수집 및 전처리 □ 모형 구축 대상 ㅇ 대상 지점: 한강 친수활동구간 조류 관찰지점 ㅇ 대상 변수 - 조류현상의 직접 원인인 유해남조류세포수 직접 예측 - 클로로필a 예측 등을 통해 우회적으로 녹조현상을 예측한 선행연구와 차별성이 있음 □ 모형 구축 기간 ㅇ 대상기간: 2007.4~2020.8. ㅇ 조류현상으로부터 비교적 안전한 겨울철인 12 ~ 3월의 겨울철 데이터는 관측값이 없으므로 제외 ㅇ 수집 데이터 2. 조류 데이터 특성 □ 기술통계 □ 특징 ㅇ 극단적으로 오른쪽으로 치우친 비대칭 분포 ㅇ 온도가 높은 여름철에 집중적으로 발생하여 이와 같은 극단적인 비대칭 특성이 나타남 ㅇ 극단적 비대칭 특성으로 인해 물리 모형이나 전통적인 통계 모형 등으로 유해남조류를 직접 예측하기 어려움 3. 예측 알고리듬 개발 □ RNN 모형 구축 ㅇ 로그스케일에서의 유해남조류세포수를 예측대상으로 함 ㅇ 장기기억 정보 활용을 위해 LSTM 예측 알고리듬을 구축함 ㅇ 최적화를 위한 손실함수: 최소제곱함수 최적화 알고리듬: ADAM ㅇ 학습 데이터(training data): 2007.4~2016.11. 검정 데이터(test data): 2017.4~2020.6. □ 결과 ㅇ 전 관측소에서 유해남조류의 증감 패턴을 잘 예측함. 친수활동구간은 하천 하류에 위치하여 데이터 불안정성이 커 전통적인 예측 방법으로는 예측하기 어려우나, 본 연구에서는 증감 패턴을 잘 예측함 ㅇ 가장 큰 극단값의 발생을 동 시점에서 예측함 ㅇ 예측오차 Ⅴ. 결론 및 학술적 성과 □ 학술적 성과 ㅇ 물리모형을 활용한 예측은 명확한 이론을 바탕으로 정립되어 있기 때문에 수온, 용존산소량, 총인, 총질소 등의 수질 예측에 널리 쓰임. 하지만 질량보존법칙을 기저로 하는 물리 방정식을 활용한 예측은 보존성 물질에는 잘 맞으나 살아 있는 생명체의 활동인 조류현상 예측에는 한계가 있음 ㅇ 기존 조류현상 예측 연구는 조류현상의 직접적인 원인인 유해남조류세포수(cells/mL)를 직접 예측하지 않고 클로로필a 농도(mg/m3) 예측 결과를 활용하는 것으로 대체함 ㅇ 본 연구에서는 물리 모형으로는 예측하기 힘든 유해남조류세포수 예측에 대한 대안으로 순환신경망 기반의 딥러닝 알고리듬을 활용함. 조류 증감 및 이상현상 발생을 동 시점에서 잘 예측함 □ 한계 ㅇ 입력변수로 수질, 상류 수질, 수위, 기상 정보만을 활용하였는데, 이는 물리 모형에서 이미 쓰고 있는 변수 위주임. 인구 변화와 같은 인간 사회 활동에 관한 변수를 고려하면 딥러닝 분석의 이점을 더 크게 활용할 수 있음. 위성 이미지 등의 비정형 데이터 또한 추가로 고려할 수 있음 ㅇ 데이터 수의 한계. 본 연구에서는 2007년부터 2016년까지의 총 365개 주별 데이터를 활용하여 모형을 학습하였는데, 이 데이터 수 자체가 충분하다고 할 수 없음. 새로운 데이터가 추가될 때마다 예측 모형을 업데이트하여 효율성을 높여야 함 ㅇ 딥러닝 모형의 근본적 한계. 실제 모형의 자세한 동작 과정을 명확히 알 수 없다는 블랙박스(black-box) 특성으로 인한 한계가 있음. 정책을 시행할 때는 근거가 필요한데, 딥러닝 예측 모형의 블랙박스 특성은 명확한 근거를 수립하기 어려움 □ 결론 및 제언 ㅇ 이미 구축된 모형에 대한 예측 수행은 매우 간단하므로 현재의 조류 예보에 참고 정보로 바로 활용할 수 있음 ㅇ 딥러닝 모형을 활용한 예측과 물리 모형을 활용한 예측 모두 장단점이 있으므로 두 예측 방식을 통합하는 것이 가장 바람직함. 딥러닝 모형에 기반을 두고 목적함수의 제약 조건에 물리 방정식을 포함하는 방식으로 물리 모형을 통합할 수도 있고, 물리모형 예측의 부분 모듈에 딥러닝 학습을 부분적으로 수행하는 방식으로 물리 모형을 기반으로 딥러닝 모형을 통합할 수도 있음 Ⅰ. Background and Aims of Research 1. Research outline □ Research title: Development and application of an algal bloom forecast system using artificial intelligence deep learning technology □ Research period: January 1, 2020 ~ December 31, 2020 2. Necessity and purpose of research □ Limitations of the current algal bloom warning system ㅇ The Ministry of Environment and the National Institute of Environmental Research implemented an algal bloom warning system based on the measured values of harmful blue-green algae and the EFDC model. ㅇ Limitations of physics-based models - They have a solid theoretical background but there is a difficulty in securing the detailed data required by the model. - Since algal blooms are living organisms, the law of conservation of mass does not apply to the number of harmful blue-green algae cells. Therefore, the physics-based model has limitations. - Deep learning-based forecasting can be considered as an alternative and a complementary method. Ⅱ. Current Algal Bloom Response Policy 1. Algal bloom warning system □ Year of introduction: 1998 □ Legal basis: Article 21 of the Water Environment Conservation Act □ Target ㅇ 28 branches of water supply sources and hydrophilic activities ㅇ Issuer: Basin Environmental Office and local governments □ Analysis items ㅇ Measured numbers of harmful blue-green algae cells ㅇ Based on water source section - Attention: 1,000 (cells/mL) or more - Alert: 10,000 (cells/mL) or more - Large bloom: 1,000,000 (cells/mL) or more ㅇ Based on hydrophilic activities section - Attention: 20,000 (cells/mL) or more - Alert: 100,000 (cells/mL) or more 2. (Former) Water quality forecast system □ Year of Introduction: 2012 □ Legal basis: Article 21 of the Water Environment Conservation Act □ Target ㅇ 17 branches including 16 barrages and the Bukhan River Sambong-ri of the four major rivers of South Korea ㅇ Issuer: National Institute of Environmental Research □ Analysis items ㅇ Predicted water temperature and chlorophyll-a concentration ㅇ Currently, as the algal bloom warning system and the water quality forecast system are integrated, no forecast is issued although forecasting is performed. □ Providing forecasts for harmful blue-green algae cells ㅇ Twice a week, Monday and Thursday, six branches that are targets of the algal bloom system ㅇ Issuing the predicted number of harmful blue-green algae cells and water temperature predictions 3. Status of the water quality monitoring network □ Legal basis ㅇ Article 22 of the Basic Act on Environmental Policy and Article 9 of the Water Environment Conservation Act □ Organization ㅇ Water quality monitoring network - Target: water quality measurement data in rivers, lakes, agricultural water, urban streams, and industrial rivers - Provided information: water depth, hydrogen ion concentration, dissolved oxygen content, BOD, COD, suspended matter, total nitrogen, total phosphorus, total organic carbon (TOC), water temperature, phenols, electrical conductivity, total coliform group, dissolved total nitrogen, ammonia nitrogen, nitrate nitrogen, dissolved total phosphorus, phosphate phosphorus, chlorophyll a, transparency - Cycle: once a month, once a week for major locations ㅇ Total quantity measurement network - Target: basic data for total amount management in areas subject to the total water pollution rate system - Provided information: water temperature, hydrogen ion concentration, electrical conductivity, dissolved oxygen, BOD, COD, suspended matter, total nitrogen, total phosphorus, TOC, flow rate - Cycle: once a month ㅇ Automatic measurement network - Operated to complement the hand-operated measurements of the water quality monitoring network - Provided information: (Common) water temperature, hydrogen ion concentration, dissolved oxygen content, electrical conductivity, TOC (Optional) Turbidity, chlorophyll a, TN, TP, NH₃-N, NO₃-N, PO₃-P, VOCs (nine types, ten items), phenol, heavy metals, biological monitoring items - Cycle: once a day ㅇ Sediment monitoring network - Purpose: investigation of the physicochemical properties of sediments in public waters subject to water quality conservation of South Korea - Provided information: (Common) water temperature, hydrogen ion concentration, dissolved oxygen content, electrical conductivity, TOC (Optional) maximum depth during collection, surface measurement depth, surface and bottom depth, water temperature, dissolved oxygen content, pH, electrical conductivity, sediment particle size, moisture content, ratio and grade of complete combustion potential, COD, TOC, TN, TN grade, TP, SRP, heavy metals, conservative element concentration - Cycle: (River) twice a year for the first and second halves, (Lake) once a year ㅇ In addition, there are additional measurements of radioactive monitoring networks and biometric networks. Ⅲ. Water Quality Prediction Models 1. Physics-based model □ Example ㅇ EFDC, QUAL2K, WASP, etc. ㅇ The National Institute of Environmental Research is operating an EFDC-based model. □ Organization ㅇ Construct a grid network by dividing the water system into sub-regions and set boundary conditions ㅇ Estimate the water quality in sub-area units within the grid 2. Deep learning algorithm □ Model structure ㅇ Multi-layer perceptron (MLP) - It mimics the neurons and synapses of a neural network. It consists of an input layer, a hidden layer, and an output layer. it has a multi-layered structure with more than one hidden layer. ㅇ Recurrent Neural Network (RNN) - It additionally reflects the feedback effects of previous hidden nodes. - Nowadays, GRU and LSTM models are used. These models utilize the long-term memory based on a simple recurrent neural network. 3. Physics-based model vs. Deep learning algorithm □ Physics-based model ㅇ Based on well-established mathematical/physical laws ㅇ Actual observations are used for model evaluation. ㅇ Prediction can be performed at a more detailed resolution than observed values based on physical equations. ㅇ Disadvantages - Errors due to uncertain initial/boundary conditions - Difficulty in predicting the abnormal phenomena - May not work due to problems such as poor input data, instability of model relations, modeling method, etc. □ Deep learning algorithm ㅇ Establish the relationship between input and output variables through machine learning ㅇ Actual observations are used for model construction. ㅇ Includes error conditions in the model by quantifying the error of the measurements ㅇ Advantages in short-term predictions with greater uncertainties compared to physics-based models ㅇ Disadvantages - Requires a huge amount of data - Cannot be performed at a more detailed resolution than observation resolution - Practical application is limited since the relationship between input and output variables cannot be explained. Ⅳ. Development of an Algal Bloom Forecast Algorithm Based on Deep Learning 1. Data collection and preprocessing □ Model construction target ㅇ Target point: algae observation point in the hydrophilic activity section of the Han River ㅇ Target variable - Direct prediction of the number of harmful blue-green algae cells which is the direct cause of the algal bloom - Differentiated from previous studies that indirectly predicted the algal bloom through chlorophyll a prediction □ Model construction period ㅇ Target period: April 2007 ~ August 2020 ㅇ Data in winter from December to March, which is relatively safe from algal blooms, are excluded. 2. Characteristics of algae data □ Descriptive statistics □ Characteristics ㅇ Extremely right-skewed asymmetric distribution ㅇ Extreme asymmetric distribution is exhibited since algal blooms occur intensively in summer when the temperature is high. ㅇ Because of this, it is difficult to directly predict harmful blue-green algae using physics-based models or traditional statistical models. 3. Development of a predicting algorithm □ RNN model construction ㅇ Target of prediction: the number of harmful blue-green algae cells ㅇ Constructing an LSTM prediction algorithm to utilize the long-term memory information ㅇ Loss function for optimization: least squares function Optimization algorithm: ADAM ㅇ Training data: April 2007 ~ November 2016 Test data: April 2017 ~ June 2020 □ Results ㅇ The increasing and decreasing patterns are well predicted although there is difficulty in predicting using traditional prediction methods due to high data instability, which results from the fact that the hydrophilic activity section is located downstream of the river. ㅇ Well predict the occurrence of the largest extreme value at the same time ㅇ Prediction error Ⅴ. Conclusion and Achievements □ Achievements ㅇ Since the prediction using a physical model is established based on a well-established theory, it is widely used to predict properties of water quality such as water temperature, dissolved oxygen, total phosphorus, and total nitrogen. The prediction using the physical equation based on the law of conservation of mass is well suited for conservative substance. However, there is a limitation in the prediction of algae cells since it is the activity of living organisms. ㅇ Existing algal phenomena prediction studies have not directly predicted the number of harmful blue-green algae cells, which is the direct cause of algal phenomena. It is replaced by using the results of chlorophyll a concentration prediction. ㅇ In this study, a deep learning algorithm based on recurrent neural networks was used as an alternative method to predict the number of harmful blue-green algae cells. It well predicted the increasing or decreasing patterns of algae and the occurrence of abnormal phenomena at the concurrent point. □ Limitations ㅇ Only water quality, upstream water quality, water level, and meteorological information were used as input variables. These variables are already used in the physical model. Taking into account social variables such as population change and the benefits of deep learning analytics can be leveraged to a greater extent. Unstructured information such as satellite images can be additionally considered. ㅇ There is a limitation in the amount of data. In this study, the model was studied using data from a total of 365 weekly data collections from 2007 to 2016, but this amount itself is not sufficient. Whenever new data are added, the predictive model should be updated to increase the prediction efficiency. ㅇ There is a limitation due to the black-box characteristic. The detailed operational process of the prediction model cannot be clearly observed. When implementing a policy, evidence is needed. The black-box characteristic of deep learning prediction models makes it difficult to provide clear evidence. □ Conclusions and suggestions ㅇ Because it is very simple to perform predictions with the model that has already been established, it can be directly used as reference information for current algal bloom forecasts. ㅇ Since predictions using deep learning models and physics-based models both have advantages and disadvantages, it is most desirable to integrate the two prediction methods. Based on the deep learning model, the physical model can be integrated by including the physical equation in the constraint of the objective function. Or, deep learning can be partially performed in the partial module of the physical model prediction.

시계열자료 눈집방법의 비교연구

홍한움,박민정,조신섭,Hong, Han-Woom,Park, Min-Jeong,Cho, Sin-Sup 한국통계학회 2009 응용통계연구 Vol.22 No.6

본 논문에서는 시계열자료의 군집분석을 위해 시간영역과 진동수영역에서의 군집 방법들을 소개하고 각 방법들의 장단점에 대해 논의하였다. KOSPI 200에 속한 15개 기업의 일별 주가자료률 이용한 비교분석 결과 비모수적인 방법인 웨이블릿을 이용한 군집분석이 가장 좋은 결과를 보였다. 비정상 시계열자료의 경우 차분 보다는 EMD를 이용하여 추세를 제거하는 방법이 스펙트럼 밀도함수를 이용한 군집분석에 더 효율적이었다. In this paper we introduce the time series clustering methods in the time and frequency domains and discuss the merits or demerits of each method. We analyze 15 daily stock prices of KOSPI 200, and the nonparametric method using the wavelet shows the best clustering results. For the clustering of nonstationary time series using the spectral density, the EMD method remove the trend more effectively than the differencing.

서울 미세먼지(PM10) 농도의 시공간 통계분석 활용방안 연구

홍한움 ( Hanwoom Hong ) 한국환경정책평가연구원 2018 한국환경정책평가연구원 기초연구보고서 Vol.2018 No.-

미세먼지에 대한 사회적인 관심이 증대되면서 다양한 분야에서 미세먼지에 대한 연구가 이루어지고 있으나 통계적 방법론은 제한적으로만 사용되어 왔다. 미세먼지 자료는 시간의 존성과 공간의존성을 동시에 가지는 시공간 자료이다. 최근 10년간 통계학 분야에서 시공간 자료를 통계적으로 분석하기 위한 시공간통계 기법이 크게 발전하여 미세먼지 자료에 시공간통계를 적용한 연구결과들이 발표되고 있다. 본 연구의 목적은 서울 미세먼지(PM10) 농도의 리스크를 최신 시공간통계 기법을 이용하여 예측하는 것이다.먼저 시공간통계 모형을 소개하고 미세먼지 예측에 널리 사용되는 방법론인 물리 모형과 비교하여 장단점을 조사하였다. 시공간통계 분석에 있어서 가장 어려운 점은 시간의존성과 공간의존성이 맞아야 하는 것이다. 두 의존성의 균형이 맞아야 과적합이나 지나친 단순화의 문제를 피할 수 있다. 주어진 공간해상도에 맞는 최적 시간해상도를 사전에 알 수 없기 때문에 실제 분석은 다양한 시간해상도별로 적용해야 한다. 먼저 시공간통계 모형을 대기질에 적용한 해외 연구 사례를 검토하고 서울시 PM10에 실증 적용하였다. 분석 적용범위는 2016년 서울시 PM10 자료이며, 1시간, 3시간, 8시간별로 모형을 적합하였다. 가장 불안정적인 4월, 가장 안정적인 7월, 다른 월과 큰 차이 없는 10월 자료를 대상으로 분석하였다. 적용 결과 최댓값에 대한 예측 및 VaR(Value at Risk)예측에 준수한 성능을 보였다.시공간통계 모형은 전국 단위로의 확장이 용이하며, 수용체 중심 연구에 활용할 수 있다. 관측소가 넓게 퍼져 있는 농·어촌지역을 대상으로도 하면 효과적으로 분석할 수 있을 것으로 기대된다. As the social interest in particulate matter (PM10) increases, studies on particulate matter have been carried out in various fields, but statistical methodology has been used limitedly. PM10 data is spatio-temporal data having time dependence and spatial dependence simultaneously. In recent decades, statistical techniques for statistical analysis of spatio-temporal data have been developed in statistical field, and the results of study with respect to applying spatio-temporal statistics to PM10 data have been published. The purpose of this study is to predict the risk of PM10 concentration based on Seoul metropolitan city using the recent spatio-temporal statistical methods.First, we introduce the spatio-temporal statistical model and investigate its advantages and disadvantages compared with the physical model which is widely used for PM10 prediction. The challenging tasks in carrying out spatio-temporal statistical analysis can be the fact that time dependence and space dependence should be matched. The aforementioned time dependence and space dependence should be balanced so as to avoid overfitting or underfitting problems. Since the optimal time resolution for a given spatial resolution is not known yet, the actual analysis must be applied to various temporal resolutions. To that end, overseas case study applying the spatio-temporal statistical model to the air quality was examined and applied to PM10 of Seoul metropolitan city. The analytical coverage is based on the PM10 data of Seoul metropolitan city in 2016, and fit the model for 1 hour, 3 hours, and 8 hours time windows. The least stable data of April, the most stable of July and neutral of October were targeted to be analyzed. The results show that the proposed method is in good agreement with the prediction of maximum value and the prediction of VaR (Value at Risk).Spatio-temporal statistical models are suitable to expand to the national level and can be used for receptor-based research. It is expected that effective analysis will be possible if the observatory is located in the widespread agricultural and fishing villages.

국가 지속가능성 이행과제 간 연관관계 분석방안 연구

홍한움 ( Hanwoom Hong ),강선아 ( Suna Kang ),김도연 ( Doyeon Kim ) 한국환경연구원 2019 수시연구보고서 Vol.2019 No.-

사회·환경·경제의 통합적 달성을 위해 UN 2030 의제에서 17개 SDGs와 169개 세부목표가 선정되었다. SDGs와 세부목표 사이에는 서로 강화하거나 상충하는 연관성이 있으므로 사회·환경·경제 통합 달성을 위해서는 SDGs 사이의 연관관계에 대한 분석이 선행되어야 한다. 연관관계에 대한 분석방법은 크게 분석 프레임워크 제시를 통한 정성분석과 네트워크 분석을 통한 정량분석 방법으로 나눌 수 있다. 정성분석을 시행하면 신뢰도 높은 연관관계를 파악할 수 있고, 네트워크 분석을 시행하면 네트워크 그림과 중심성 통계량을 통해 SDGs 및 세부목표 간의 연관관계를 한눈에 파악할 수 있다. 또한 수신중심성, 송신중심성, 연결중심성, 고유벡터중심성, 매개중심성 통계량을 통해 효율적이고 통합적인 지속가능발전을 위해서는 어느 목표, 혹은 어떤 세부목표에 집중해야 하는지 파악할 수 있다. 우리나라는 2006년 『제1차 국가지속가능발전 전략 및 이행계획(’06~’10)』, 2011년 제1차 기본계획 기간이 만료됨에 따라 사회적 형평성, 기후변화 대응, 환경자원의 지속성을 강화한 『제 2차 국가지속가능발전 기본계획(’11~’15)』, 2016년 『제3차 국가지속가능발전 기본계획(’16~’35)』을 수립하였다. 본 연구에서는 제3차 국가지속가능발전 기본계획의 보고서를 대상으로 텍스트 분석을 기반으로 하는 네트워크 시범분석을 통해 이행과제 및 세부 이행과제 간의 연관성을 파악하고, 종류별 중심성 통계량을 통해 중심도가 높은 이행과제 및 세부 이행과제를 파악하였다. 본 연구에서 조사한 분석 방법론 및 이행과제 분석 모형은 2018년 12월에 수립된 K-SDGs 간의 연관관계를 분석하는 것에도 이용할 수 있다. K-SDGs는 초안 단계부터 다양한 전문가 풀을 확보하고 있는데, 이 전문가 풀과 본 연구의 방법론을 활용하면 신뢰도 있는 K-SDGs 간 연관관계 분석이 가능하다. For the integrated achievement of society, environment and economy, 17 SDGs and 169 targets were selected from the UN agenda. Since the SDGs and the targets are related to each other in a mutually reinforcing or conflicting manner, an analysis of the interlinkages among the SDGs should precede in order to achieve social, environmental and economic integration. The methodology for analysis could be classified into two types; the qualitative analysis through suggestion of analysis framework and the quantitative analysis method through network analysis. Through qualitative analysis, we can figure out the reliable interlinkages. Through network analysis, it is possible to grasp the relationships among SDGs and among detailed targets at a glance through the network diagram and several centrality statistics. In addition, it is possible to understand which goals or targets need to be focused on for efficient and integrated sustainable development through the statistics of degree centrality, eigenvector centrality, and betweenness centrality. As South Korea’s first National Plan for Sustainable Development and Implementation Plan (’06 ~ ’10) was finalized in 2006 and the first master plan period terminated in 2011, South Korea has strengthened its social equity, climate change response measures and sustainability of environmental resources. In 2011, “The Second National Sustainable Development Plan (’11 ~ ’15)” was established. “The Third National Sustainable Development Plan (’16 ~ ’35)”, then, was established in 2016. In this study, we analyzed the report of the Third National Sustainable Development Plan based on text mining and analyzed the interlinkages among the implementation tasks and among the detailed implementation tasks. The analytical methodology and analysis models investigated in this study can also be applied to analyze the linkage among K-SDGs established in December 2018. From the draft level, the K-SDGs have held various expert groups. Using these expert groups and the methodology of this study, we can expect to analyze the correlations among reliable K-SDGs.

하·폐수 방류수 수질 준수 평가방법의 합리화 방안 연구

조을생,홍한움,임동순,황보은,전동진,최원진 한국환경정책평가연구원 2020 기본연구보고서 Vol.2020 No.-

Ⅰ. 연구의 필요성 및 목적 □ 전국 하·폐수 방류량의 96% 이상을 수질TMS로 실시간 측정·전송되는 항목의 수질기준 초과 판단기준이 수질조작의 주요 원인 및 과도한 규제 적용이라는 문제가 지속적으로 제기되어 이에 대한 적정성 검토의 필요성이 요구됨 □ 또한 하·폐수 처리수의 수질측정값이 수질TMS에 의해 실시간 생성되고 있음에도 불구하고 수질오염총량관리제에 활용되고 있지 않으며, 배출기준 초과 판단기준이 상이하여 처리시설 운영자의 혼란 야기 및 수질오염관리 정책의 일관성 부족에 대한 문제가 제기되고 있음 □ 따라서 본 연구에서는 수질TMS의 현행 수질기준 초과 판단기준에 대한 적정성 검토 및 개선안과 수질오염총량관리제와의 연계방안을 제시하고자 함 Ⅱ. 하·폐수 관리 현황 1. 하·폐수처리시설 현황 □ 공공하수처리시설은 2018년 기준 총 4,111개의 공공하수처리시설이 운영되고 있으며 시설용량 기준 500m³/일 이상 시설이 전체 유입하수 99%를 처리하고 있음 □ 공공폐수처리시설은 2018년 기준 총 208개의 공공폐수처리시설이 가동 중에 있으며 2,000m³/일 이상 시설이 42.8%로 유입폐수량 기준 97.2%, 유입 BOD 부하량 기준 95.1%를 처리함 □ 폐수배출시설은 2017년 기준 총 57,787개이며 배출규모 기준으로는 5종 시설이 91.2%로 가장 많고, 폐수방류량과 BOD 방류 부하량 기준으로는 1종 시설이 각각 67%, 57%로 가장 많음 2. 하·폐수 수질관리제도 □ 하·폐수 방류수 수질오염관리는 「하수도법」 및 「물환경보전법」에 근거하여 처리시설 인허가 또는 신고제도 등 사전관리와 방류수 수질기준/배출허용기준, 지도점검, 배출 부과금제도 등 사후관리제도에 의해 이루어지고 있음 □ 공공하·폐수처리시설의 방류수 수질기준 및 사업장 배출허용기준은 지역구분, 처리용량 등을 구분하여 수질오염물질 항목별로 차등적으로 규정하여 관리하고 있음 ㅇ 공공하수처리장 500m³/일 이상은 4개의 지역구분을 적용하여 유기물질 및 총인 차등화하고 있으며 수질검사도 처리용량에 따라 차등 적용 ㅇ 공공폐수처리시설은 처리용량 구분 없이 4개 지역구분에 따라 차등적으로 적용하며 수질검사는 처리용량에 따라 차등 적용하고 있음 ㅇ 폐수처리시설은 유기물질 및 부유물질의 경우 처리용량에 따라 지역별로 차등 규제하며, 페놀류 등 수질오염물질 총 54개 항목은 처리용량 구분 없이 지역별로 차등 적용하고 있음 □ 국내 하·폐수 처리수의 96% 이상이 수질TMS에 의해 실시간 측정·모니터링되고 있으며 실시간으로 측정된 자료는 공공하·폐수처리시설과 폐수배출사업장의 방류 수질기준 준수 여부 확인 및 배출부과금 산정 등의 행정자료로 활용되고 있음 ㅇ 수질TMS에 의해 공공하수처리시설은 처리량 기준으로 99.7%, 공공폐수처리시설 93.1%, 폐수배출사업장은 65.5%가 실시간 모니터링되고 있음 ㅇ 수질TMS 부착 대상은 700m³/일 이상 공공하·폐수처리시설, 200m³/일 이상(3종) 폐수배출시설로 BOD, COD, TN, TP, SS, pH 항목이 실시간 모니터링되며, ’20년 이후 하·폐수 방류수 수질기준 COD 항목이 TOC로 변경됨에 따라 수질TMS 부착 사업장은 ’23년까지 TOC 수질자동측정기기 설치 및 운영 유예기간이 부여됨 □ 하·폐수 배출량이 증가함에 따라 기존의 배출허용기준과 같은 배출농도 규제만으로는 수질기준 달성이 어려워 수계구간별 수질오염물질의 허용부하량 이내로 규제 관리하는 오염총량관리제가 도입되어 ’04년부터 의무 또는 임의제로 시행되어 왔음 ㅇ 오염총량관리제 대상 오염물질은 BOD와 TP이며 할당 대상은 지방자치단체장이 지정하는 200m³/일 이상 오·폐수 배출 또는 방류시설과 목표수질 달성을 위해 오염 총량관리시행계획에서 정하는 시설임 □ 하·폐수처리시설은 지방환경관서의 장에 의한 지도·점검을 통해 운영관리상태, 처리수 수질기준 등이 관리되고 있으며 수질TMS 부착 여부, 처리용량 규모, 관리등급 등에 따라 차등적으로 지도 및 점검 횟수가 부여됨 □ 수질기준을 준수하지 않거나 할당오염부하량을 준수하지 않는 하·폐수처리시설은 개선명령, 조업정지 등 행정처분을 받게 되며 공공폐수처리시설 및 폐수배출시설, 1~4종 사업장 폐수를 유입·처리하는 공공하수처리시설의 경우 오염배출행위에 대한 배출 부과금이 부과되고 있음 Ⅲ. 국내 하·폐수 수질기준 준수 평가 방식 1. 수질오염물질 배출허용기준 설정 방식 □ 수질규제 기준인 배출허용기준과 방류수 수질기준은 환경기준과 하천의 자정능력을 고려하여 설정함 ㅇ 배출허용기준 설정은 수질근거 배출허용기준(안)과 기술근거 배출허용기준(안)을 비교 검토하고 기술적, 경제적 타당성 등을 고려하여 설정 ㅇ 수질근거 배출허용기준은 수질준거치에 국내 하천 유량을 고려한 하천희석률(최소 10배)을 적용하여 산정하며, 기술근거 배출허용기준은 조사 대상 각 폐수배출시설의 배출수 평균농도와 조사기간 동안 농도 변동률을 감안하여 설정함 2. 수질기준 준수 판단기준 □ 공공하·폐수처리시설의 방류수 수질기준이나 폐수배출시설의 배출허용기준 초과 여부는 수질TMS 자동측정기기로 측정·전송하는 수질항목과 수질TMS 자동측정기기로 측정하지 않는 경우로 구분하여 판단함 ㅇ 수질TMS 자동측정기기로 측정·전송하는 수질항목은 방류수 수질 3시간 이동평균값이 연속 3회 이상 또는 1주에 10회 이상 기준을 초과하는 경우 위반횟수 1회로 적용되어 개선명령 등 행정처분이 수반됨 ㅇ 자동측정기기로 측정·전송하지 않는 항목은 정기 및 수시 지도·점검 시 수질오염공정 시험기준에 따라 측정한 측정값이 배출기준 1회 이상 초과이면 위반으로 판정됨 Ⅳ. 해외 하·폐수 수질기준 설정 및 준수 평가 방식 □ 미국이나 유럽 등의 배출허용기준은 통계학적 방법을 적용하여 측정값 분포를 기반으로 백분위수, 평균값, 최댓값 등을 설정하며, 수질오염물질이 수계에 미치는 영향이 장기적인지 단기적인지를 고려하여 기간(예: 일평균, 연평균 등)에 대한 기준을 설정함 ㅇ 독성이 낮고 정기적 시료채취를 하는 수질오염물질은 주평균, 월평균 등을 적용하고 총질소와 총인의 경우에는 연평균을 적용하기도 함 □ 시료채취는 수질항목 특성, 유입유량 등에 따라 시료채취 방법, 기간, 횟수 등이 차등 적용되고 있음 ㅇ 미국은 수질항목 특성에 따라 시료채취 방법이나 시료채취 횟수를 적용하며 연속 모니터링은 오염물질 변동성의 중요성 및 비용을 고려하여 특정 오염물질에만 제한적으로 적용함 ㅇ 영국은 P.E 규모에 따라 차등 적용하며 사전에 환경청에 제출한 연간 시료채취 프로그램 일정에 따라 동일한 간격으로 각기 다른 요일에 시료채취가 이루어지며 매월 28일 이전에 결과를 환경청에 제출함 ㅇ 독일은 혼합시료(일정 시간 동안 연속 또는 불연속으로 채취)와 임의시료(최대 2시간 동안 2분 이상 간격으로 채취한 5개 이상의 시료 혼합) 방법을 적용함 ㅇ 일본의 모니터링 시료채취는 건강보호 항목의 경우 최소 월 1일, 총 4회 시행하도록하고 있으며 지자체 현장조사에서는 1일 기준 3회 이상 함 □ 배출허용기준 준수 여부 판단기준은 미국이나 유럽의 경우 시료채수 기간, 횟수, 시설규모 등에 따라 배출기준 초과 판단기준을 적용하며, 일본의 경우 현장조사를 통해 판단함 ㅇ 미국은 수질항목별 주어진 기간에 채수한 시료의 산술평균값의 기준값 초과 여부를 판단하며 6개월 동안의 DMR 측정값이 2개월 이상 월평균 배출허용기준에 오염물질 기술검토기준(TRC)을 곱한 수치보다 크거나 같은 경우 또는 월평균 배출허용기준을 위반했다고 판단함 ㅇ 영국: 배출시설 규모에 따라 채취 시료의 최소제거율 미준수 허용 가능 횟수를 부과하고 최소제거율과 농도기준 미준수 횟수가 이보다 큰 경우 최대 허용농도기준을 적용하여 위반 여부를 판단함 ㅇ 일본: 자체 현장조사를 통해 배출허용기준 준수 여부를 판단함 Ⅴ. 수질TMS 대상시설 수질기준 준수 평가 개선방안 1. 현행 배출기준 준수 평가 방식의 문제점 □ 국내 배출허용기준은 해외사례와 달리 최댓값이나 평균(일, 주간 등) 농도값 적용 등에 대한 명확한 규정이 없으며 배출허용기준 준수 여부 판단에 사용되는 시료의 측정 대상 하·폐수 방류수 수질의 대표성에 대한 확인 절차가 없음 ㅇ 수질오염공정시험기준에 따라 단일시료(6시간 이내 30분 간격으로 2회 이상 채취하여 혼합한 시료)의 측정값이 1회라도 초과하면 배출허용기준을 초과한 것으로 판단하여 현행 국내 배출허용기준은 최대배출허용기준으로 볼 수 있음 ㅇ 그러나 채취한 단일시료가 해당 하·폐수 처리수의 수질을 대표하는 시료여야 하나 이에 대한 확인 절차가 없음 □ 일일 초과 배출부과금과 오염총량과징금 산정 시, 수질TMS로 측정·전송되는 항목과 지도점검에 의해 수분석되는 항목의 산정방식에 일관성 부족 ㅇ 수질TMS로 측정·전송되는 항목은 매 시간당 3시간 이동평균 초과 배출농도를 산정하며 유량은 시간당 3시간 이동평균 유량값을 적용함 ㅇ 수분석의 경우는 단일시료의 배출농도 측정값에 의해 배출 초과 농도가 산정되는 반면, 일일유량은 적산유량계 혹은 30일간의 평균 유량을 적용하여 초과 배출부하량 또는 오염총량 초과 부하량을 산정함 - 일일 초과 배출량 산정 시 혼합 단일시료의 배출농도를 적용하는 것은 단일시료의 측정값을 해당 채취일 내내 동일한 농도로 배출된다는 가정을 두고 있거나 일일 평균값으로 간주한다고 볼 수 있음 □ 따라서 일일기준 초과 관점에서 수질TMS로 측정·전송하는 경우 매 시간당 3시간 이동평균값을 배출농도로 적용하여 배출기준 초과 및 부과금을 산정하는 것보다 시간 별로 생성되는 24개 측정값의 평균값(일평균)이나 혹은 매 시간당 24시간 이동평균 농도값을 적용하는 것이 보다 일관적임 2. 수질TMS 부착 하·폐수처리시설의 배출기준 준수 평가 방식 개선(안) □ 배출기준 준수 평가기준은 현행 3시간 이동평균에서 24시간 이동평균을 적용할 경우 높은 농도의 처리수 배출에 대한 보다 엄격한 수질관리가 이루어질 수 있음 ㅇ 현행 3시간 이동평균에서 24시간 이동평균이나 일평균으로 변경했을 때 COD, SS, TN, TP 측정값들의 약 1% 내외 범위에서 배출허용기준 준수 여부에 영향을 받는 것으로 나타남 - 수질에 미치는 영향을 고려할 경우 COD, SS, TN, TP는 독성물질과 같이 순간 돌출농도에 의해 수계의 수질에 영향을 미치는 오염항목이 아닌 것으로 분류됨 - 3시간 이동평균 적용에 비해 단발성 높은 농도로 인해 배출기준 초과로 판단되는 경우는 감소하나 24시간 이내에 처리수 농도가 배출기준을 준수할 수 없을 정도의 높은 농도가 배출될 경우에는 24시간 이동평균을 적용하는 것이 수질관리에 더 효과적일 것임 ㆍ24시간 이내에 처리수 농도가 배출기준을 준수할 수 없을 정도의 높은 농도가 배출될 경우 3시간 이동평균 적용 시 3회 연속초과 이후 더 이상 배출기준 초과로 고려되지 않으나 24시간 이동평균 적용 시에는 24번 연속초과로 간주됨 □ 배출기준 초과의 행정처분 기준으로는 생물학적 처리의 정상 운영을 위해서는 최소 대응시간을 고려하여 현행 3회 연속초과에서 6회 또는 8회 연속초과 기준을 제시함 ㅇ 현행 기준에 따라 3시간 이동평균값이 배출기준을 초과할 경우 연속 3회 이상 초과하지 않기 위해서 운영자가 대응할 수 있는 시간은 TMS 측정주기와 시료 투입 시점을 고려해 볼 때 약 1시간에 불과함 - 국내 하·폐수처리장의 대부분은 생물학적 처리시설로 운영 정상화를 위해서는 수리학적 체류시간(평균 약 6~12시간) 정도의 대응시간이 필요함 - 1시간 이내에 정상화가 어려운 사업장은 행정처분을 피하기 위해 사전에 TMS 측정기기 조작 우려의 가능성이 높기 때문에 정상적인 수질관리에 악영향을 미칠 수 있음 □ 배출기준 준수 평가기준 개선(안)에 따른 경제적 파급효과분석 결과 3시간 이동평균값에서 24시간 이동평균값을 적용함에 따라 감소된 기본배출부과금 및 초과배출부과금으로 인해 산출량, 부가가치, 취업, 고용 경제지표 개선 ㅇ 3시간 이동평균값에서 24시간 이동평균값을 적용함에 따라 감소된 기본배출부과금으로 인한 산출량, 부가가치, 취업, 고용 경제지표 개선율이 각각 4.1%, 4.0%, 3.9%, 3.7%로 나타남 ㅇ 연속초과 횟수를 반영하는 초과배출부과금의 경우 현행 기준인 3시간 이동평균, 3회 연속초과에서 24시간 이동평균 3회 연속초과로 개선될 경우 경제지표 개선율은 산출량, 부가가치, 취업, 고용 모든 부문에서 77% 이상으로 분석됨 - 24시간 이동평균 6회 연속초과 적용 시 80% 이상의 경제지표 개선율을 보였으며 24시간 이동평균, 8회 연속초과와의 차이는 미미한 것으로 나타남 3. 수질오염총량관리제 적용방안 □ 수질TMS 측정기기 신뢰도, 수질TMS 측정값과 오염총량관리제 수분석값과의 비교·분석을 검토한 결과 상대정확도 기준이 강화되고 수질TMS 조작 방지를 위한 시행규칙 개정이 추진되며, 수질TMS와 지도·점검 수분석 자료가 전반적으로 유사함 ㅇ 수분석과 수질TMS 측정값의 오차 분석결과 백분위수 50%까지는 수질TMS 측정값이 지도·점검 시 측정한 값보다 낮은 것으로 나타났으며, 백분위수 90%까지는 지도·점검 측정값과의 오차가 0.05 이내임 ㅇ 시간당 처리수 수질농도의 변동이 클수록, 지도·점검 당일을 대표하는 2회 정도 채취한 시료의 수분석 측정값은 24개의 수질TMS 측정값의 일평균과 차이가 크게 나타날 수 있음 □ 따라서 현장 시료의 일회성 수분석보다는 시료성상의 변화를 반영하는 실시간 수질 TMS 측정값을 적용하여 처리시설 운영자의 혼란 방지 및 규제 기준의 일관성 제고 필요함 ㅇ 적용방안 1: 수질TMS 부착 처리시설의 할당된 오염총량수질기준 초과 여부 판단기준과 배출기준 초과 판단기준을 동일하게 적용 ㅇ 적용방안 2: 오염총량관리 수질항목 중 BOD는 제외(수질TMS로 BOD를 측정하는 시설이 3개소임)하고 TP 항목에 한하여 활용 ㅇ 적용방안 3: 배출부과금과 오염총량초과과징금 산정 시의 수질 TMS 측정자료로 정상자료와 행정처분 적합으로 판정된 대체자료 활용 ㅇ 적용방안 4: 상이한 최종 방류 유량 측정지점을 일치시키고 TMS 실시간 유량 데이터를 적용한 이동평균 유량값 적용 Ⅵ. 결론 및 제언 □ 수질TMS 부착 대상 하·폐수시설의 현행 배출기준 초과 여부 판단기준에 대한 적정성을 검토하기 위해 배출허용기준 설정 방식, 배출부과금/과징금 산정 기준 등을 살펴보았으며 배출기준 시나리오에 따른 수질관리 측면과 산업별 경제적 파급효과 측면을 분석하여 수질TMS 배출기준 준수 평가기준 개선(안)을 제시하였음 ㅇ 24시간 이동평균값이 3회 연속초과 시 위반횟수 1회 기준(안)을 적용할 경우 일일 시료의 성상, 유량, 유속 등의 시간에 따른 변화를 고려한 시료의 대표성이 크고, 24시간 이내에도 배출기준을 준수할 수 없을 정도의 높은 농도의 처리수가 배출되는 경우보다 엄격하게 관리될 수 있으며 경제적 파급효과도 큰 것으로 분석됨 ㅇ 그러나 이 경우 배출기준 초과 시 운영 정상화를 위한 대응시간은 여전히 1시간에 불과하여 현장의 현실성을 반영할 경우 위반횟수 6회 초과나 8회 초과로 규제 완화도 고려할 필요가 있음 □ 수질TMS 측정값의 수질오염총량관리제 적용을 위해 수질TMS 측정기기 신뢰도, 수질TMS 측정값과 오염총량관리제 수분석값의 비교·분석을 통해 i) 수질기준 초과 여부 판단기준, ii) 적용항목, iii) 행정처분 자료, iv) 유량의 관점에서 수질TMS 측정값을 오염총량관리제에 적용하는 방안을 제안하였음 □ 수질TMS 부착 대상 시설이 아닌 하·폐수처리시설의 순간 채수의 수분석에 의한 배출기준 준수 평가기준의 적정성에 대한 향후 추가적인 연구 및 기술근거에 의한 현행 수질배출기준에 대한 재검토가 필요함 ㅇ 현행 수분석의 경우 순간 채수 시료의 일일 하·폐수 특성의 대표성이 낮고 시료 채수 후 결과 통보 기간까지 동일한 처리수 농도로 간주하는 불합리성 등에 대한 개선 필요 ㅇ ’19년 수질TMS 부착 대상 하·폐수처리시설의 처리수 배출농도를 항목별로 분석한 결과 백분위 99%까지의 측정값이 현행 배출기준의 24.5%~90.2%로 나타나 항목별 기술근거에 의한 현 수질배출기준 재검토가 필요한 시점임 Ⅰ. Background and Aims of Research □ The issue that the criteria for determining whether the pollutant level exceeds the water quality standard, which is measured by the Water-TMS (Tele-Monitoring System) in real time are one of the main causes of water data manipulation and the excessive regulations has been raised. □ Although water quality measurement values of treated sewage and wastewater in Korea are generated in real time by the Water-TMS, they are not used in the total water pollution management system, and the criteria for determining whether the discharge standards have been exceeded are different, causing confusion for treatment facility operators and the lack of consistency in water pollutant management policy. □ Therefore, this study aims to review the adequacy of the current criteria for determining whether water pollutants monitored by the Water-TMS in real time meet the water quality standards, and to suggest measures for the improvement of the current criteria and a linkage with the TPLMS (Total Water Pollution Load Management system). Ⅱ. Research Materials and Methods □ This study analyzed the current status of sewage and wastewater treatment facilities, treatment facilities subject to the Water-TMS installation using wastewater related statistics and reviewed the status of policy implementation and legal system in Korea and abroad. □ The distribution of treated wastewater effluent measured in the year 2019 was analyzed for all sewage and wastewater treatment facilities with the Water-TMS based on six scenarios of the criteria for wastewater effluent standard compliance evaluation. □ The national economic impact on the changes in the amount of effluent charges according to six scenarios of the criteria for wastewater effluent standard compliance evaluation was analyzed by Input-Output analysis. □ Lastly, in order to examine how to use the Water-TMS measurement data in the TPLMS, the reliability of the water quality TMS measurement device was reviewed and the manual analysis value of the TPLMS were compared with the water-TMS measurement data. Ⅲ. Results and Conclusions □ compared to the current 3-hour moving average as the criteria for wastewater effluent standard compliance evaluation, the 24-hour moving average shows that more stringent water quality management can be achieved for the high concentration of wastewater effluent. ㅇ When the concentration of the treated effluent becomes higher to the point of exceeding the water quality standard within 24 hours, if 3-hour moving average is used, it will be no longer considered as exceeding the standard after exceeding for three consecutive times; however, if 24-hour moving average is used, it will be considered as exceeding for 24 consecutive times. □ We suggest that exceeding the effluent standard for six or eight consecutive times be the criterion for taking administrative measures. ㅇ According to the current criterion, when the 3 hour-moving average exceeds the wastewater effluent standard, the time that the operator can respond is only about one hour, considering the water-TMS measurement cycle and the time of sample input. ㅇ However, most of domestic sewage and wastewater treatment plants are biological treatment facilities, and at least a hydraulic residence time (on average about 6-12 hours) is required to return from malfunctioning to normal operation. □ According to the analysis of the economic ripple effect, applying the 24-hour moving average as the criteria for wastewater effluent standard compliance evaluation shows the improvement of the economic indicators in terms of the output, added value, employment, and employment due to the reduced basic effluent charge and excess effluent charge compared to the current 3-hour moving average. □ It is necessary to prevent confusion among treatment facility operators and improve the consistency of regulatory standards by applying real-time Water-TMS measurements that reflect changes in sample properties to the TPLMS. ㅇ The reliability of Water-TMS has been improved, as in the reinforcement of regulatory standards related to QA/QC, and revision of the enforcement regulations to prevent water quality TMS manipulation is being promoted. ㅇ As a result of the analysis of errors between water quality TMS measurements and manual analysis value for the TPLMS, up to the 50th percentile, the measured Water-TMS values are lower than those manually measured during inspection, and up to the 90th percentile, the error is within 0.05.

시도별 폭염의 건강 영향에 대한 탐색적 연구

박종철,채여라,홍한움 한국기상학회 2018 한국기상학회 학술대회 논문집 Vol.2018 No.10

순환경제 이행을 위한 녹색경제활동 및 녹색분류체계 연구

임형우,주문솔,홍한움,안소은,공현숙 한국환경연구원 2022 수시연구보고서 Vol.2022 No.-

Ⅰ. 서 론 1. 연구의 배경 □ 녹색금융에 대한 관심이 증대되며 녹색분류체계의 필요성이 대두 ㅇ 지속가능발전목표 실현을 위해 기술 및 금융의 방향성을 일치시켜야 한다는 의견이 대두되며 녹색금융에 관한 관심이 높아짐 ※ 녹색금융: 기후변화 및 각종 환경문제 해결을 위한 활동에 대한 금융(World Bank, 2020, p.9) ㅇ 녹색금융에 관한 가이드라인으로서 녹색분류체계(Green Taxonomy)의 필요성이 증가함 □ 순환경제로 이행하기 위해서는 녹색금융 및 녹색분류체계 구축이 매우 중요 ㅇ 순환경제로의 이행에는 제품의 전(全) 주기적 자원순환성 개선이 필요하므로 녹색금융 등을 통한 투자 유치가 중요함 ㅇ 그린워싱 방지 측면에서도 녹색분류체계 구축이 필수적임 2. 연구의 목적 ㅇ 한국형 녹색분류체계 가이드라인(K-Taxonomy)의 순환경제 이행과 관련된 녹색경제 활동을 보완하여 순환경제 이행과 관련된 활동을 구체화하며 확대 적용함 ㅇ 순환경제의 전(全) 과정에 기반한 녹색경제활동을 제안 및 유형화하여 순환경제 이행에 기여할 수 있도록 재구성함 ㅇ 현재 국내외에서 순환경제와 관련하여 시행되고 있는 법령, 정책, 인증제도 등과 녹색경제활동의 연계성을 높여 녹색분류체계 참여자가 현장에 적용할 수 있는 가능성을 강화함 Ⅱ. 국내외 녹색분류체계 1. 녹색분류체계와 녹색경제활동 □ 녹색분류체계는 녹색경제활동을 유형에 따라 나열한 목록 ㅇ 녹색분류체계는 지속가능목표와 관련된 활동(activity), 자산(asset) 및 프로젝트를 구체적인 목표 또는 기준(threshold)과 함께 분류한 것을 의미함 ㅇ 녹색경제활동은 긍정적인 환경편익을 제공하여 환경목표 달성에 기여하는 활동을 의미함 □ 녹색분류체계를 통해 금융시장 참여자에게 어떤 경제활동이 ‘녹색(green)’인지에 대한 판단 기준을 제공 2. 국내외 주요 녹색분류체계 도입 현황 □ 가장 대표적인 녹색분류체계는 EU 녹색분류체계(EU Taxonomy) ㅇ 2018년 지속가능금융 행동계획을 시작으로 분류체계를 개발하여, 2020년 3월 기술 전문가그룹(Technical Expert Group)의 분류체계 초안이 발표되었고, 2021년 4월 EU 집행위원회가 금융입법안을 발표함 - EU는 기후변화 완화 및 적응에 관한 내용을 우선적으로 개발하였음. 이외의 환경목표는 2022년 중 개발할 예정임 ㅇ EU는 녹색경제활동을 EU 환경목표와 관련된 활동 중 기준조건을 만족하는 활동으로 정의함 - ‘EU 환경목표’: EU 차원의 주 환경목표로 기후변화 완화, 기후변화 적응, 물의 지속가능한 보전, 순환경제, 오염 방지 관리, 생물다양성 보전 등 총 6개 환경목표 - ‘관련된 활동’: 환경목표에 직접적으로 기여하는 활동(own performance) 및 이를 통해 다른 활동이 기후변화에 기여할 수 있도록 하는 간접 활동 (enabling activity) - ‘기준조건’: (ⅰ) 하나 이상의 환경목표에 대한 상당한 기여, (ⅱ) 다른 환경목표에 중대한 피해를 주지 않을 것, (ⅲ) 최소한의 사회적 안전장치 준수 ㅇ EU는 녹색분류체계를 기업지속가능성 보고지침(CSRD: Corporate Sustainability Reporting Directive)과 지속가능금융 공시규정(SFDR: Sustainable Finance Disclosure Regulation)과 연동하여 기업 환경, 사회, 지배구조(ESG: Environmental, Social, Governance) 공시 및 포트폴리오의 정보공개 등에 활용하고자 함 □ 한국형 녹색분류체계는 EU 녹색분류체계와 유사성이 높으나, 활용방안 측면에서 EU에 비해 제한적 ㅇ 「환경기술 및 환경산업 지원법」에 따라 2021년 12월 한국형 녹색분류체계 가이드라인(K-Taxonomy)을 수립함1) ㅇ 한국형 녹색분류체계는 녹색경제활동을 “과학적 근거를 기반으로 환경개선에 기여하며 사전 예방적 환경 관리 및 사회적 공감대를 기본으로 3가지 기본원칙을 준수”하는 것으로 정의함 ※ 기본원칙: ⅰ) 환경목표에 기여, ⅱ) 심각한 환경피해가 없을 것, ⅲ) 최소한의 보호장치 마련 ㆍ활동기준 평가: 평가 대상 경제활동이 활동기준에 부합하는지 평가 ㆍ인정기준 평가: 평가 대상 활동이 환경목표에 상당한 기여를 하였는지에 대한 평가(관련 인증 보유 여부 등 기술적 기준에 대한 평가) ㆍ배제기준 평가: 평가 대상 활동이 무해원칙(DNSH: Do No Significant Harm)에 부합하는지 평가 ㆍ보호기준 평가: 평가 대상 활동이 사회적 통념상 허용되지 않는 최소한의 기준을 충족하는지 평가 ㅇ 한국의 경우 녹색분류체계의 활용방안을 녹색 채권 투자 대상 프로젝트 선정을 권고하는 용도로 한정하였음 □ 이외에도 국가 차원 및 국제기구 차원의 다양한 녹색분류체계가 존재 ㅇ 중국의 경우 우리나라와 같이 녹색 채권 대상을 선정하기 위해 분류체계 활용 중 ㅇ 국제 기후채권기구(CBI: Climate Bonds Initiative) 및 국제표준화기구(ISO: International Standards Organization) 등의 국제기구도 자체적으로 녹색분류체계 구축하여 운영 중 Ⅲ. 순환경제 이행 관련 녹색분류체계 1. 순환경제로의 이행 □ 순환경제(circular economy)는 자원순환에 초점을 두고 제품 전(全) 과정의 순환성을 높이는 경제구조를 의미 ㅇ 순환경제로의 이행에는 가치사슬 전반의 변화(제품 설계부터 새로운 산업 및 시장모델 등)가 필요함 □ 국내에서는 순환경제 지원을 위해 「자원순환기본법」 및 『자원순환기본계획』, 『한국형(K)-순환경제 이행계획』 등 다양한 계획 및 제도 시행 중2) □ EU는 유럽 그린딜 정책의 일환으로 순환경제 관련 지원정책 및 계획을 수립하여 운영 2. 순환경제 이행을 위한 녹색분류체계 구축 방안 □ 한국형 녹색분류체계 내에는 자원순환을 목표로 하는 녹색경제활동이 총 7개 존재 ㅇ 자원순환 관련 활동으로는 (ⅰ) 폐기물 발생 억제, (ⅱ) 폐자원의 수거·회수·선별·분리, (ⅲ) 폐자원 재활용·새활용, (ⅳ) 폐자원의 열분해, (ⅴ) 폐기물의 에너지회수 활동을 제시함 ㅇ 메탄가스 활용 관련 활동으로는 (ⅰ) 혐기성 소화의 메탄가스 포집 및 처리·활용, (ⅱ) 매립가스의 포집 및 처리·활용 활동을 제시함 □ 한국형 녹색분류체계 중 자원순환 관련 녹색경제활동은 순환경제로의 이행 측면에서 한계가 존재 ㅇ 첫째, 순환경제 이행과 관련된 녹색활동은 타 환경목표(특히 온실가스 감축)에 비해 명확성 및 구체성이 부족함 ㅇ 둘째, 제품 주기 전(全) 과정에 대한 고려가 부족하며 세분화된 정의가 필요함 ㅇ 셋째, 현재 시행되고 있는 정책과의 연계성이 모호함 Ⅳ. 순환경제 이행을 위한 녹색경제활동 제안 1. 이해관계자 의견수렴 □ 선행연구 및 국내외 정책사례를 통해 녹색분류체계 개선안을 마련한 후, 산·학·연 전문가 및 산업계 종사자들을 대상으로 의견수렴 실시 □ 학계 및 기업 전문가 대상 전문가 초점집단인터뷰(FGI: Focus Group Interview)를 수행하여 녹색분류체계 및 녹색경제활동에 대한 개선점을 논의 □ 제조업, 건설업, 컨설팅업, 금융업 등을 대상으로 서면 인터뷰를 진행하여 활용방안 및 녹색경제활동의 사례를 조사하고, 이를 녹색경제활동에 반영 2. 순환경제 이행을 위한 녹색경제활동 제안 □ 순환경제를 총 5단계(생산, 소비, 관리, 재생, 지원)로 구분하고, 각 단계마다 녹색경제활동을 도출하여 총 30가지의 녹색경제활동 제안 ㅇ EU 등의 사례 및 현재 시행 중인 정책과 연계하여 순환경제 이행과 관련된 녹색경제 활동을 보다 세분화하였음 ㅇ 법령 및 시행 중인 제도와 연계하여 인정기준 구축 ㅇ 각 활동에 대한 활동기준, 인정기준, 관련 정책 및 기업의 사례 제시 3. 시사점 ㅇ 본 연구에서 제안한 녹색분류체계 보완안은 9R 순환경제 이행 전략과의 연계성이 높으며, 특히 순환성 위계가 높은 감량(reduce) 전략에 녹색경제활동이 집중됨 ㅇ 본 연구의 결과는 『자원순환 기본계획』, 『한국형 순환경제 이행계획』 등 국내 주요 자원순환 및 순환경제 계획과의 정합성이 높음 ㅇ 본 연구결과와 한국형 녹색분류체계를 비교 시 (ⅰ) 활동의 세분화, (ⅱ) 순환경제 전(全) 과정 반영, (ⅲ) 9R 이행전략과의 연계성, (ⅳ) 여러 인증제도를 활용한 인정기준 수립 등에서 차별점이 존재함 Ⅴ. 정책 제언 및 향후 과제 1. 향후 과제 ㅇ 순환경제 9R 전략 측면에서 자원순환 정도에 기반한 녹색경제활동의 위계 체계 구축이 필요함 ㅇ 복수의 환경목표를 달성하는 녹색경제활동의 경우에 추가적인 ESG 공시 인센티브 등을 제공하는 방법을 고려할 필요가 있음 ㅇ 본 연구의 결과가 실제 가이드라인으로 활용되기 위해서는 배제기준이 수립되어야 함 ㅇ 아직까지 명시화되지 않은 인정기준에 대한 보완 및 명확한 설정이 필요함 2. 정책제언 ㅇ 민관 연계를 통한 녹색분류체계 관리 및 지속적인 최신화 체계 구축이 필요함 ㅇ 녹색분류체계가 ESG 공시 등에 이용되고, 대기업 및 중소기업에서도 활용되는 등 활용 용도 및 범위가 확대되어야 함 ㅇ 녹색분류체계 적합성 사후관리를 위한 추가적인 가이드라인 및 외부 인증기관 설정이 필요함 ㅇ 현재의 열거주의(positive system)가 아닌 포괄주의(negative system)로의 전환을 장기적으로는 고려할 필요가 있음 Ⅰ. Introduction 1. Research background □ Green taxonomy gained attention as interest in green finance increased. ㅇ In order to fulfill sustainable development goals, the finance sector and the technology sector should share the same direction. ※ Green finance: Finance for activities to solve climate change and various environmental problems (World Bank, 2020) ㅇ The need for a green taxonomy as a guideline to support green finance increased. □ Green finance and green taxonomy are also important to support circular economy transition. ㅇ Since the transition to the circular economy requires improvements of life-cycle resource efficiency, attracting investment through green finance is necessary. ㅇ Also, it is essential to establish green taxonomy to prevent green washing. 2. Purpose of the research ㅇ By specifying and expanding green economic activities related to the circular economy, this study seeks to supplement the K-Taxonomy guideline. ㅇ This study proposed green economic activities based on the entire life cycle of the circular economy. ㅇ This study aims to strengthen the linkage between green economic activities and the current laws, policies, and certification systems in effect. Ⅱ. Domestic and International Green Taxonomy 1. Green taxonomy and green economic activity ㅇ Green taxonomy is a system that classifies activities, assets, and projects related to sustainable devleopment goals. ㅇ Green economic activity refers to activities that contribute to achieving environmental goals by providing positive environmental benefits. ㅇ Through green taxonomy, financial market participants are provided with criteria for determining which economic activities are ‘green’. 2. Domestic and international green taxonomy □ The most representative of green taxonomy is the EU Taxonomy. ㅇ In March 2020, a draft of the EU Taxonomy was announced, and the EU Commission announced financial legislation in April 2021. ㅇ The EU defines green economic activities as activities that meet the criteria among activities related to EU environmental goals. - Standard conditions: (ⅰ) a significant contribution to fulfilling one or more environmental goals, (ⅱ) do no significant harm to other environmental goals, (ⅲ) compliance with minimum social safeguards ㅇ The EU intends to use the Taxonomy for corporate ESG and portfolio information disclosure through CSRD and SFDR. □ K-Taxonomy is similar to the EU Taxonomy, but the usage is limited. ㅇ In December 2021, the K-Taxonomy was established in accordance with the Environmental Technology and Environmental Industry Support Act. ㅇ The K-Taxonomy defines green economic activity as “activities that contribute to environmental improvement based on scientific evidence and comply with three basic principles based on proactive environmental management and social consensus”. ※ Standard conditions: (ⅰ) a significant contribution to fulfilling one or more environmental goals, (ⅱ) do no significant harm to other environmental goals, (ⅲ) compliance with minimum social safeguards ㅇ The Korean government intends to use the K-Taxonomy as a tool to select and recommend green bond projects. □ In addition, there are various green taxonomies at the national level and the level of international organizations. ㅇ In the case of China, the Taxonomy is used to select green bonds. ㅇ International organizations such as CBI and ISO have also established and been operating their own green taxonomy. Ⅲ. The Green Taxonomy Related to the Circular Economy 1. Transition to the circular economy □ Circular economy refers to an economic structure that focuses on resource circulation and improves the circularity of the entire life cycle of a product. ㅇ The transition to the circular economy requires changes in the overall value chain (from product design to new industries and market). □ In Korea, various plans and systems such as the Framework Act on Resource Circulation, the Basic Resource Circulation Plan, and the K-Ciarcular Economy Action Plan are being implemented to support the circular economy. 2. Establishing a green taxonomy for the implementation of the circular economy □ In the K-Taxonomy, seven green economic activities were proposed to enhance resource circulation. ㅇ Activities related to resource circulation include (ⅰ) reduction of waste generation, (ⅱ) collection, selection, and separation of waste resources, (ⅲ) recycling of waste resources, (ⅳ) pyrolysis of waste resources, and (ⅴ) energy recovery. ㅇ Activities related to methane gas utilization include (ⅰ) collection, treatment, and utilization of methane gas in anaerobic digestion, and (ⅱ) collection, treatment, and utilization of landfill gas. □ Green economic activities related to resource circulation have limitations in terms of the transition to the circular economy. ㅇ First, green activities related to the circular economy lack clarity and concreteness compared to other environmental goals. ㅇ Second, the life cycle of products has not been taken into account. ㅇ Third, the relevance with the policies currently in effect is ambiguous. Ⅳ. Proposal of Green Economic Activities for the Circular Economy 1. Stakeholder interview □ After preparing a draft of green economic activities, this study collected opinions from industry-academic experts and industry workers. □ Focus group interviews of academic and corporate experts were conducted to discuss improvements in the K-Taxonomy and green economic activities. □ Interviews with people working in the manufacturing, construction, consulting, and financial industries were conducted to collect the examples of the Taxonomy usages and to reflect them in green economic activities. 2. Proposal of green economic activities □ A total of 30 green economic activities are proposed which are classified into five stages (production, consumption, management, regeneration, and support). Ⅴ. Conclusion and Suggestions 1. Further research ㅇ In terms of the 9R strategy, it is necessary to establish a hierarchical system of green economic activity based on the resource circularity. ㅇ It is necessary to consider how to provide additional incentives in the case of green economic activities that help achieve multiple environmental goals. ㅇ It is necessary to define criteria that have not been specified yet. 2. Suggestions ㅇ Continuous management and update of the K-Taxonomy are necessary. ㅇ The K-Taxonomy should be applied in a broader context, such as the ESG disclosure of small and medium-sized enterprises. ㅇ It is necessary to establish additional guidelines and external certification agencies to monitor the application of the taxonomy. ㅇ In the long run, it is important to consider transitioning to a negative system, breaking away from the current positive system.

환경 빅데이터 분석 및 서비스 개발 Ⅳ

강성원,진대용,홍한움,고길곤,임예지,강선아,김도연 한국환경정책평가연구원 2020 사업보고서 Vol.2020 No.-

Ⅰ. 서론: 연구의 필요성 및 목적 ❏ 정책수요 파악, 정책 시의성 평가, 정책 유효성 평가에 사용할 수 있는 ‘환경정책 모니터링 시스템(가칭)’ 구축 ㅇ 환경정책 모니터링 시스템: 기계학습의 장점인 예측의 정교함 및 실시간 데이터 수집-분석-결과 갱신 가능성을 환경정책 연구에 접목 ㅇ 환경오염 통합예측 알고리즘, 실시간 환경 텍스트 분석 알고리즘, 질문중심 데이터베이스 3개 분석도구로 구성 - 환경오염 통합예측: 다양한 환경오염물질 오염도 예측 주기적 반복 - 실시간 환경 텍스트 분석: 환경 텍스트 정보추출 및 감성분석 주기적 반복 - 질문중심 데이터베이스: 주요 환경이슈 목록 - 이슈 관련 데이터 분석을 연계하여 주기적으로 결과 실시간 업데이트 ㅇ 정책수요 파악: 환경오염 예측 알고리즘의 예측치, 환경정책 수요자 텍스트 분석 결과, 환경이슈기반 데이터 분석 결과를 사용하여 환경정책 개입이 필요한 부문을 파악 ㅇ 정책 시의성 평가: 민간 텍스트 분석 결과와 환경정책 생산자 텍스트 분석 결과를 비교하여 정책 공급자의 대응이 정책 수요자의 관심과 조응하는지 여부를 진단 ㅇ 정책 유효성 평가: 환경오염 예측 알고리즘의 정책 시행 전 예측치와 시행 후 실측치, 정책시행 전후 질문중심 데이터맵 분석 결과, 정책시행 전후 민간 텍스트 감성분류 결과 비교 ❏ 2020년 연구목표: ‘환경정책 모니터링 시스템’ 의 복잡성 및 인과관계 분석기능 부족을 해소하는 방향으로 연구내용을 확장 ㅇ 1기 (2017~2019년) 연구의 성과를 계승하면서 기계학습 방법론의 약점인 모형의 복잡성 및 인과관계 분석기능 부족을 해소하는 방향으로 연구 확장 - 1기 ‘기계학습 방법론’ 적용 연구 → 2기 ‘대용량 데이터’를 이용한 환경정책 연구 - 방법론: 1기 ‘기계학습’ → 2기 기계학습 + 전통적 통계학 기법(Frequentist/Bayesian) ㆍ모형의 단순화: 개별 변인이 분석 결과에 미치는 영향력 분석 기능 강화 ㆍ중장기 예측이 가능한 연구, 인과분석이 가능한 연구 추구 ❏ 연구내용: 환경정책 모니터링 시스템 구성요소 연구 4건, 개별연구 2건 수행 ㅇ 환경정책 모니터링 구성요소: 기존 구성요소의 방법론 및 분석 대상 확대 - 환경오염 예측 (2건): ‘미세먼지 고농도 현상 발생확률 추정’/‘Graph-GRU 모형을 이용한 초미세먼지 오염도 추정 및 예측’ - 환경 텍스트 분석: ‘환경 텍스트 감성 분석기 구축 및 활용’ - 질문 중심 데이터베이스: ‘기후변화 이슈 분석 및 질문중심의 데이터맵 도출’ ㅇ 개별연구: 수용체 연구 1건, 신재생에너지 연구 1건 추진 - 수용체 연구: ‘대기오염이 COPD 환자 사망에 미치는 영향’ - 신재생 에너지 연구: ‘태양광 발전 발전량 예측 알고리즘 구축’ Ⅱ. 미세먼지 고농도 현상 발생확률 추정 ❏ 서울지역 25개 측정소 초미세먼지 오염도가 ‘매우 나쁨’(76 이상)이 될 경우를 예측하는 Qunatile Regression 기반 통계모형 개발 ㅇ Qunatile Regression 모형을 Extreme value가 많은 자료에 적합하게 조정 - Extreme Conditional Qunatile Regression Model + Variable Selection (LASSO) ❏ 서울시 대기질 및 기상 정보를 이용하여 2015~2020년 봄 4시간 평균(1일 6개 시간대) PM_2.5 오염도 예측 ㅇ 설명변수: 동시간대 및 1시간 이전 CO, SO₂, NO₂, O₃, PM₁₀ 오염도, 강수량, 온도, 습도, 풍향, 풍속/1시간 이전 PM_2.5 오염도 ㅇ 2015/01/01~2018/03/04 자료로 추정한 모형으로 2018/03/04~2020/05/29 예측 ❏ 측정소에 따라 Sensitivity 88.9%~100.0%을 달성하면서 False Positive는 6.0% ~17.1%로 억제 ㅇ Sensitivity = 매우 나쁨 예측/실제 매우 나쁨, False Positive = 매우 나쁨 예측/실제 나쁨 이하 측정 ㅇ 강동구(88.9%)를 제외한 24개 측정소에서 Sensitivity 90% 이상 ❏ RandomForest, Supporting Vector Machine, GRU 대비 11.3%p Sensitivity 향상 ㅇ 강서구 예측의 Sensitivity RandomForest(65%) < SVM(73.3%) < GRU(81.0%) < 본 연구 구축 모형(92.3%) ❏ 동시간대 CO 오염도, O₃ 오염도, PM₁₀ 오염도, 풍향, 1기 전 초미세먼지 오염도가 높을 경우에는 초미세먼지 매우 나쁨 발생 확률이 증가하는 경향 발견 ❏ 동시간대 강우량 및 풍속, 1기 전 강수량 및 풍속이 높을 경우에는 초미세먼지 매우 나쁨 발생 확률이 하락하는 경향 발견 Ⅲ. Graph-GRU 모형을 이용한 초미세먼지 오염도 추정 및 예측 ❏ PM2.5 농도에 영향을 미치는 기상 및 공간정보 데이터를 반영하는 Graph-GRU 알고리즘 개발 ㅇ 과거 정보(temporal data)와 공간정보(spatial data)를 함께 활용할 수 있는 3차원 학습데이터세트 구축 - 예측대상: 남한지역 측정소 포함 0.125° × 0.125° Grid (12.5km × 12.5km)의 3-Hour PM_2.5 오염도 평균값 - 입력자료: 대기오염 오염도, 기상, 고도 ㆍtraining set: 2015/01/01~2015/12/31 ㆍvalidation set: 2016/01/01~2016/12/31 ㆍtest set: 2017/01/01~2017/12/31 ㅇ 알고리즘: Graph - GRU 알고리즘 활용 - Node attribute: 기상 및 지리정보, 대기오염 - Edge attribute: 측정소 간 미세먼지 오염물질 배출량의 영향 ㆍ거리, 풍속, 풍향을 반영한 ‘영향’ 평가 함수 적용 - Adjacency Matrix: 거리: 300km, 고도: 1200m 미만 threshold 값 설정 ❏ 3시간~72시간 이후 표준제곱근오차 4.05μg/m³ ~ 11.49μg/m³로 억제 ㅇ 과거 정보 표준제곱근오차 축소 효과는 0.12μg/m³, 공간정보 표준제곱근오차 축소 효과는 0.16μg/m³ Ⅳ. 환경 텍스트 감성분류기 구축 및 활용 ❏ 환경 SNS 데이터 수집 - 감성분석 - 결과 발신을 주기적으로 반복하는 ‘환경 텍스트 감성분류기’ 구축 ㅇ 2018~2019년 개발 기후변화 감성분류기를 환경 전 분야로 확장-준지도 학습을 이용하여 수집한 학습 데이터 14만 건을 추가하여 감성분류 정확도 제고 ㅇ 감성분류 결과의 추이를 시각화 하여 확인할 수 있는 web 기반 user interface 제공 ❏ 준지도 학습을 이용하여 학습 데이터를 기존 5만 건에서 18만 건으로 확대하여 감성 분류 정확도 제고 ㅇ 학습데이터 추가: 환경 SNS 텍스트 650만 건을 수집하고 기존 기후변화 감성분류기에 적용하여 긍정/부정 확률이 매우 높은 자료 14만 건을 추출 ㅇ 성능 향상: 기존 data 분류 정확도 1%p(78.7% → 79.7%) 향상 ❏ 환경정책 분야별 감성분류 Precision 66%~92%, Recall 73%~81% 달성 ㅇ Precision = 실제 부정/부정 판정, Recall(Sensitivity) = 부정 판정/실제 부정 ㅇ 폐기물 분야는 Precision, Recall이 모두 낮아서 지도학습을 통한 정확도 제고 필요 ❏ 기간, 검색어를 특정하여 구분한 SNS 데이터의 감성분류 결과를 실시간으로 확인할 수 있는 web 기반 user interface를 구축 ㅇ ‘부정’ 감성의 SNS 데이터로부터 키워드 빈도 및 네트워크를 추출하여 ‘부정’ 감정의 원인을 파악할 수 있는 기능을 부여 Ⅴ. 기후변화 이슈 분석 및 질문중심의 데이터맵 도출 ❏ 위계별로 정리한 기후변화 이슈와 각 이슈 관련 데이터 분석을 연계하고 데이터 분석 결과를 실시간으로 업데이트 하는 데이터맵 구축 ㅇ 텍스트 분석에서 이슈를 도출하는 이슈 선정 모듈과 데이터를 연계하는 데이터 분석 모듈을 구축 ❏ 이슈 선정 모듈: 기후변화 관련 텍스트 수집 → 주제 추출 → 질문 식별 → 질문 구조화 수행 ㅇ 텍스트: 2012~2019년 연구보고서/고위공직자 연설문/보도자료/국회회의록 /국회기후변화포럼/Dbpia논문 국문 초록/네이버 신문(12개 일간지) ㅇ 주제추출: 상관토픽모형(CTM)을 사용한 10개 주제식별 및 주제 간 관계 도출 ㅇ 질문식별: 텍스트 랭크(TextRank)로 추출한 중요 문장을 정제하여 개별 질문 도출 ㅇ 질문 구조화: 개별 질문을 주제에 할당하고 주제 간 관계를 반영하여 질문을 구조화 - 주제 간 관계: 상관토픽 모델링 상관계수, 동적 시간 와핑(dynamic time warping) 시계열 패턴 유사도, 전문가 설문조사 반영 - 5개 범주로 재분류: 기후변화 공동대응/기후변화 적응/온실가스 감축/에너지와 환경/도시환경과 시민 ❏ 데이터 분석 모듈: 명제화 된 이슈에 대한 정보를 제공할 수 있는 data source와 분석모형 연계 ㅇ 관련 자료의 실시간 update가 가능하도록 자료 원천과 직접 연계하는 방식을 사용 ㅇ 시계열 자료의 절대 추세 및 계절변동 조절 추세 분석 Ⅵ. 대기오염이 COPD 환자 사망에 미치는 영향 ❏ 사망 전 1년, 5년 간 대기오염 노출이 COPD 환자 사망위험에 미치는 영향 분석 ㅇ 분석대상: 2009~2018년 전국 40세 이상 COPD 환자 ㅇ 분석기법: Kriging과 Cox Proportional Hazard model - Kriging을 사용하여 측정소 오염도 자료로부터 읍면동 오염도 추정 ❏ 국민건강보험공단 맞춤형 DB와 대기오염 측정 데이터를 결합하여 데이터 생성 ㅇ 환경오염 관련 독립변수: event 발생/종료 1년 전, 5년 전 거주지 평균 PM₁₀, O₃, NO₂ 오염도 - PM₁₀: 일평균, O3: 일별 최고 8시간 평균, NO₂: 일평균 (O₃, NO₂의 경우 ppb를 ㎍/m3으로 변환) ㅇ 개인 특성 관련 독립변수: 성별, 연령, 소득, 동반질환지수, COPD 외래중증악화, BMI, 흡연 ㅇ 종속변수: 사망을 1, 생존을 0으로 표기한 사망 여부 ❏ 사망 전 1년, 5년 간 O₃ 오염도가 높은 지역에서 산 COPD 환자는 사망위험이 소폭 증가하였음을 확인 ㅇ Hazard Ratio of O₃: 1.003(1년), 1.004(5년) Ⅶ. 딥러닝 기반 태양광발전량 예측 ❏ 기상정보를 활용하여 영암 F1 발전소 태양광발전량 예측 LSTM 알고리즘 개발 ㅇ 1시간, 12시간 평균 낮 시간대 발전량을 예측: 주기성이 심한 비정상(non-stationary) 시계열 ❏ 1시점 이전 태양광발전량 및 기상정보를 입력자료로 사용 ㅇ 기상정보: 목포 기상관측소 시간별 기온, 강수량, 습도, 일사량, 전운량 ㅇ 2017.1.1~2019.6.30 자료 중 2017.1.1~2018.6.30 자료를 학습자료로 사용하여 모형을 추정하고 2018.7.1~2019.6.30 자료를 예측 ❏ RNN 기반 LSTM 알고리즘을 사용하여 모형을 구축하고 직전 3시점 이동평균(Moving Average) 및 ARIMA 모형과 예측력 비교 ❏ 1시간 예측 평균제곱근오차를 표준편차의 36.9%, 12시간 평균 예측 평균제곱근오차는 표준편차의 51.1%로 억제 ㅇ 직전 3시점 이동평균 예측오차/표준편차의 71%, ARIMAX 예측오차/표준편차의 45% 수준으로 예측오차/표준편차를 억제 Ⅷ. 연구성과 및 정책적 시사점 ❏ 연구성과: 환경정책 모니터링 시스템 구성요소 구축 및 신규 성과 축적 ㅇ 환경오염 종합예측 시스템 구성요소 확대 및 심화 - 환경오염 종합예측 알고리즘: 설명 가능성을 보완하고 예측 시차를 연장하여 활용 가능성을 제고 ㆍ‘미세먼지 고농도 발생확률 추정’: coefficient estimation이 가능하면서 예측성과가 Deep Learning 모형과 경쟁력 있는 Quantile Regression 모형을 개발 ㆍ‘Graph-GRU 모형을 이용한 초미세먼지 오염도 추정 및 예측’: 12시간 예측오차를 2019년 개발 CNN 기반 모형의 1시간 예측오차와 유사한 7.64g/m³로 유지 - 실시간 환경 텍스트 분석 알고리즘: 환경 전 분야 실시간 SNS 감성 분석 및 부정 감성 원인 분석 가능 - 질문중심 데이터맵: 미세먼지에 이어 기후변화로 적용 범위를 확대 - 정책 현황 파악 상황판 기능 ㅇ 3개 알고리즘, 1개 질문중심 데이터맵 신규 구축 - 초미세먼지 고농도 현상 예측 Quantile Regression 모형, 초미세먼지 오염도 예측 Graph-GRU 모형, 태양광발전량 예측 RNN 모형/기후변화 Data Map ㅇ 텍스트 분석 인프라 확장: 실시간 환경 텍스트 분석 Web Interface 개발 ❏ 정책적 시사점: 환경정책 모니터링 기능을 강화하였고 대기오염 건강위험을 정량화하였으며 신재생에너지 발전 인프라의 기초를 제공 ㅇ 환경정책 모니터링 기능 강화: 정책 현황 파악 및 선제적 정책개입 관련 정보 제공 기능 강화 - 실시간 환경 텍스트 분석: 국민 감성이 부정적인 환경정책 분야를 실시간으로 파악 가능 - 기후변화 질문중심 데이터맵: 기후변화 현황 실시간 파악 기능 제공 - ‘기후변화 상황판’ 기능 - 초미세먼지 오염도 예측의 시차를 연장하고 기초적 인과분석 기능 확보 ㆍGraph-GRU 모형: 예측 시차를 연장하여 선제적 정책 개입이 가능한 시차를 확보 ㆍQuantile Regression 모형: 향후 오염원 및 정책 관련 Data를 추가하면 정책영향 분석 도구로 활용 가능 ㅇ 대기오염 장기노출의 건강위험을 정량화 하여 대기오염 억제정책의 정량적 편익 도출 근거 마련 ㅇ 태양광발전량 예측 기능을 강화하여 신재생에너지 발전에 필요한 스마트 그리드 구축 인프라 제공 Ⅰ. Background and Aims of Research ❏ We continue to build up ‘Environmental Policy monitoring System’ dedicated to periodically identify environmental policy needs and assess timeliness and effectiveness of environmental policy as we did last year ㅇ Environmental Policy monitoring System apply prediction accuracy and real-time data collection-analysis-diffusion capability of Machine learning to environmental policy research ㅇ Our ‘Environmental Policy monitoring System’ consists of three components: ‘Deep Learning Based Pollution Prediction algorithm’, ‘Real Time Environmental Text Analysis algorithm’, ‘Issue Based Database’ - Deep Learning Based Pollution algorithm: Periodically update various pollution prediction - Real Time Environmental Text Analysis algorithm: Periodically summarise environment related text data and sentiment analysis ㆍText summary: abstract keywords and keyword network from texts produced by environmental policy provider and environmental policy consumers ㆍSentiment analysis: Real-time collection and sentiment analysis of SNS related to all subfield of environment - Issue Based Database: Key environmental issue network connected with data analysis for each issue updating real-time ㅇ Policy need Identification: Detect environment policy areas and regions in need of intervention from the predictions of ‘Deep Learning Based Pollution Prediction algorithm’, the text analysis results of ‘Real Time Environmental Text Analysis algorithm’, and the data analysis results of ‘Issue Based Database’ ㅇ Timeliness assessment: check if the temporal pattern of keywords analysis result on policy provider text and the temporal pattern of keywords analysis results on policy consumer are consistent ㅇ Effectiveness assessment: Check Pollution improvement, SNS Sentiment improvement, and Environmental Issue improvement after policy execution ❏ In 2020, we tried to improve interpretability of ‘Environmental Policy monitoring System’ ㅇ While utilizing the advantage of deep learning we found in period 1(2017~2019), we tried to reduce complexity and strengthen interpretability ㅇ In period 1, we focused on ‘apply everything related to big data analysis to Environment policy research’ From 2020, we are going to focus on ‘Environmental Policy Research using large scale data’ ㅇ Regrading methodology, we stick to machine learning in period 1. From 2020, we are going to be more flexible and try to include traditional frequentist and Bayesian statistical methods ㆍWe are going to use simpler models to improve our understanding on feature importance ㆍWe are going to build models capable of longer -term prediction and models with more interpretability ❏ In 2020, we build four algorithms for ‘Environment Policy Monitoring System’ and perform two independent researches ㅇ For ‘Environment Policy Monitoring System’, we expand the methodology and scope of previous components - We added two fine particle estimation algorithms in `Fine particle high concentration event prediction’ and ‘PM_2.5 estimation and prediction using Graph-GRU algorithm’ - In ‘Environmental text sentiment analysis algorithm’, we expanded sentiment analysis of environment related SNS to all subfield of environment - In ‘Climate change issue based database’, we constructed new issue based database on climate change ㅇ On two important issues that cannot be integrated to ‘Environment Policy Monitoring System’, we did independent research - In ‘The impact of air pollution long-term exposure to mortality of COPD patients’,we estimated the effect of long-term exposure of air pollution on the death risk of COPD patients using NHI (National Health Insurance) Data - In ‘Solar electricity generation prediction’, we constructed an RNN based algorithm predicting solar electricity generation of F1 power plant Ⅱ. Fine Particle High Concentration Event Prediction ❏ We built a quantile regression based prediction algorithm to predict ‘extremely bad(76+)’ event of PM_2.5 in 25 air pollution monitoring station in Seoul ㅇ We adjusted quantile regression model to analyze data with extreme values - We applied LASSO variable selection method to Extreme Conditional Quantile Regression Model ❏ We predicted 4 hour average(6 periods per day) PM_2.5 pollution in Seoul using air pollution data and weather data ㅇ For independent variables, we used contemporary and 1 time earlier CO, SO₂, NO₂, O₃, PM₁₀ pollution, rainfall, temperature, humidity, wind strength, wind direction and 1 time earlier PM_2.5 pollution ㅇ We train our model with data from Jan. 1st. 2015 to Mar. 4th. 2018 and test with data from Mar. 4th. 2018 to May. 29th. 2020 ❏ We were able to achieve 89.0%~100.0% Sensitivity while limiting False Positive at 6.0%~17.1%, depending on the station. ㅇ Except for Gandonggu(88.9%), our algorithm achieve sensitivity higher than 90% ❏ The sensitivity of our model was higher by more than 11.3%p, compared to the sensitivity of models based on random forest, supporting vector machine and GRU ㅇ Sensitivity of Ganseogu: our algorithm 92.3% > GRU 81.0% > SVM 73.3% > RandomForest 65% ❏ The probability of ‘extremely bad’ event of PM_2.5 pollution increases when contemporary CO, O₃, PM₁₀ pollution, wind direction and 1 time ahead PM_2.5 pollution. - We applied LASSO variable selection method to Extreme Conditional Quantile Regression Model ❏ We predicted 4 hour average(6 periods per day) PM_2.5 pollution in Seoul using air pollution data and weather data ㅇ For independent variables, we used contemporary and 1 time earlier CO, SO₂, NO₂, O₃, PM₁₀ pollution, rainfall, temperature, humidity, wind strength, wind direction and 1 time earlier PM_2.5 pollution ㅇ We train our model with data from Jan. 1st. 2015 to Mar. 4th. 2018 and test with data from Mar. 4th. 2018 to May. 29th. 2020 ❏ We were able to achieve 89.0%~100.0% Sensitivity while limiting False Positive at 6.0%~17.1%, depending on the station. ㅇ Except for Gandonggu(88.9%), our algorithm achieve sensitivity higher than 90% ❏ The sensitivity of our model was higher by more than 11.3%p, compared to the sensitivity of models based on random forest, supporting vector machine and GRU ㅇ Sensitivity of Ganseogu: our algorithm 92.3% > GRU 81.0% > SVM 73.3% > RandomForest 65% ❏ The probability of ‘extremely bad’ event of PM_2.5 pollution increases when contemporary CO, O₃, PM₁₀ pollution, wind direction and 1 time ahead PM_2.5 pollution. ❏ The probability of ‘extremely bad’ event of PM_2.5 pollution decreases when contemporary and 1 time ahead rainfall, windspeed increases Ⅲ. PM_2.5 Estimation and Prediction Using Graph-GRU Algorithm ❏ We built Graph-GRU albright utilizing weather and geography information to prediction PM_2.5 pollution ㅇ We construct a 3 dimension dataset consists of temporal and spatial data - Our dependent variable is 3 hour average PM2.5 concentration of 0.125° × 0.125° Grid (12.5km x 12.5km) containing air-pollution monitoring stations in South Korea - Our independent variables are weather data, air pollution data and height data ㆍWe trained our model with data from Jan. 1st. 2015 to Dec. 31th. 2015, validated with data from Jan. 1st. 2016 to Dec. 21th. 2016, and tested with data from Jan. 1st. 2017 to Dec. 21th. 2017, ㅇ We used Graph-GRU algorithm - For node attributes, we used weather data, spacial data, and air pollution data - To measure edge attributes, we constructed a function evaluating impact of air pollutant emission between air pollution monitoring stations ㆍThis function evaluates impact of air pollutant emission between air pollution monitoring stations using distance, wind speed, and wind direction - For adjacency Matrix, we used threshold of distance of 300km or height of 1,200m ❏ RMSE of our model in 3 hour~72 hour prediction was 4.05μg/m³ ~ 11.49μg/m³ ㅇ Temporal information reduced RMSE by 0.12μg/m³, and spacial information reduced RMSE by 0.16μg/m³ Ⅳ. Environmental Text Sentiment Analysis Algorithm ❏ ‘Environmental text sentiment analysis algorithm’ periodically performs collection-analysis-result distribution on SNS text regarding environment ㅇ We expanded climate change sentiment analysis algorithm we build in 2018~2019 to all subfield of environments, and trained with new 140 thousands SNS text training data labeled by semi-supervised learning to improve accuracy ㅇ We constructed web based user interface to visualize sentiment analysis results over time ❏ To improve accuracy, we increase the size of our training data from 50 thousand to 180 thousand using semi-supervised learning ㅇ We collected 6.5 million SNS text, and applied 2018~2019 version climate change sentiment analysis algorithm. We collected 140 thousands cases with high positive/negative sentiment score, which we added to training data. We kept 10 thousand cases for testing ㅇ With this new training data, the accuracy of sentiment analysis improved by 1%p: From 78.7% to 79.7% ❏ Sensitivity of our newly trained model was 66~92%, and Recall of our newly trained model was 73%~81%, according to subfield ㅇ ‘Waste’ field had the lowest Sensitivity and Recall. This field needs supervised learning approach to improve overall accuracy ❏ We built web based user interface to visualize sentiment analysis results with user option of keyword search and period choice ㅇ Our user interface also abstract keyword network of SNS of negative sentiment, which should give insights on the cause of negative sentiment Ⅴ. Climate Change Issue Based Database ❏ We built a datamap on Climate change consists of hierarchically organized climate change issue network and data analysis linked to each issue in the network. This datamap is capable of real-time data analysis update ㅇ We build issue collection module to extract issues from text data and data analysis module to link data analysis with extracted issues ❏ Issue collection module execute ‘Climate change text collection → Topic Extraction → Issue Identification → Issue Network Organization’ process ㅇ Text Collection: Reports from government sponsored research institutes/ Formal speeches from higher-ranking official/Press Release from government/Assembly meeting transcripts/Materials from Climate Change From in Assembly/DBpia academic paper abstracts/NAVER paper articles of 12 major papers from 2012 to 2019 ㅇ Topic Extraction: Apply Correlated Topic Model to extract 10 topics and correlation between topics ㅇ Issue Identification: Derive issues from key sentences extracted from TextRank algorithm ㅇ Issue Network Organization: Assign each issue to topics and organize issues according to the relationship between topics - We deduced relationship between topics combining three sources of informations - (1) Correlation coefficient from Correlated Topic Model (2) Similarity of time series frequency pattern from Dynamic Time Warping (3) Specialist Survey - We re-categorized 10 CTM topics into 5 Categories: Climate Issue cooperation/Climate Change adaptation/Greenhouse Gas Reduction /Energy and Environment/Urban Environment and Citizen ❏ Data analysis module attach data source and data analysis result to each issue in Climate Change Issue Network - We linked each data analysis to data source so that we can update data analysis in real-time Ⅵ. The Impact of Air Pollution Long-Term Exposure on the Mortality of COPD Patients ❏ We estimate the impact of 1-year and 5-year air pollution exposure on the mortality of COPD patients ㅇ We analyzed medical data of COPD patients older than 40 diagnosed from 2009 to 2018 ㅇ We used kriging to convert air pollution monitoring station data to small local district (Up. Myun.Dong) data and applied Cox Proportional hazard model to small local district data ❏ We combined NHI(National Health Insurance) individual patient data and air-pollution monitoring station data ㅇ For air pollution exposure variable, we used 1-year and 5 year average of small local district PM₁₀, O₃, NO₂ pollution - For PM₁₀ and NO₂, We used daily average. For O₃, we used average of maximum 8 hours for each day (We converted the unit of O₃ and NO₂ from ppb to ㎍/m3) ㅇ From NHI individual medical data, we obtained gender, age, income percentile, CCI, COPD exacerbation, smoking status ㅇ For dependent variable, we used dummy variable assigning 1 for death and 0 for survival ❏ We found that COPD patients exposed higher O₃ 1-year or 5-year had higher risk of death ㅇ Hazard ratio of 1 year O₃ exposure was estimated as 1.003. Hazard ratio of 5 year O₃ exposure was estimated as 1.004 Ⅶ. Solar Electricity Generation Prediction ❏ We developed an LSTM algorithm predicting electricity generation of Yung -am F1 solar power plant ㅇ We predicted hourly electricity generation and 12 hour average of electricity generation. The electricity generation was non-stationary time-series ❏ For independent variables, we used electricity generation and weather data with 1 lag ㅇ For weather data, we used hourly temperature, rainfall, humidity, solar insolation, Total Cloud amount from Mokpo weather monitoring station ㅇ We used data from Jan. 01.2017 to Jun. 30. 2018 for training, and data from Jun. 30. 2018 to Jun. 30. 2019 for testing ❏ We built and RNN based LSTM algorithm and compared RMSE with ARIMA model and 3-lag moving average ❏ The RMSE of our model was 36.9% of standard deviation in 1 hour prediction and 51.1% in 12 hours average prediction ㅇ The RMSE to standard deviation of our model was 71% of the RMSE to standard deviation ratio of 3-lag moving average, and 45% of RMSE to standard deviation of ARIMA model Ⅷ. Conclusion and Suggestions ❏ Summarizing, we improved ‘Environmental Policy Monitoring System’ and added some new results ㅇ We supplemented and improved components of ‘Environmental Policy Monitoring System’ - ‘Deep Learning Based Pollution Prediction algorithm’: We improved interpretability and extended prediction lag ㆍ ‘Fine particle high concentration event prediction’: We built a Quantile regression model which can produce coefficient estimates for independent variables and is capable of prediction as accurate as machine learning algorithm ㆍ ‘PM_2.5 estimation and prediction using Graph-GRU algorithm’: We achieved 7.64g/m³ 12 hour prediction RMSE, which is equivalent to 1 hour prediction RMSE of our CNN based algorithm in 2019 - ‘Real Time Environmental Text Analysis algorithm ’: We expanded realtime sensitivity analysis and keyword network abstraction of negative sentiment for all environmental policy subfield - ‘Issue Based Database’: We improve policy monitoring scope from fine particle issue (2019) to climate change (2020) ㅇ We developed three new algorithms and one new issue based database - Fine particle high concentration event prediction quantile regression model, PM_2.5 pollution prediction Graph-GRU model, RNN based Solar electricity generation prediction algorithm/ climate change datamap ㅇ We expanded scope of environmental text analysis: Real-time environmental text analysis web interface ❏ For policy application, we strengthen environmental policy monitoring capability, quantify the health risk of air pollution, and provided items for the infrastructure of renewable energy ㅇ Environmental Policy monitoring: We improved policy need identification and information generation for precautionary policy intervention - Now our ‘Real Time Environmental Text Analysis algorithm’ is capable of identifying subfield of environment regarding which general public has negative sentiment. - Now our ‘Climate Change datamap’ is capable of real-time assessment of climate change issues - Now our ‘Deep Learning Based Pollution Estimation algorithm’ is capable of extending prediction lag of PM_2.5 and providing basic causality analysis for high concentration event of PM_2.5 ㆍGraph-GRU extended prediction lag. We can use this time for preventive policy intervention ㆍQuantile Regression model can be used policy evaluation tool by extending control variables and policy related variables ㅇ We provided quantified risk of air pollution on COPD patients, which can be used to quantify benefits of air-pollution reduction policy ㅇ We provided solar electricity generation prediction algorithm, which can be used for renewable energy smart-grid infrastructure