Since climate change increases the risk of extreme rainfall events, concerns on flood management have also increased. In order to rapidly recover from flood damages and prevent secondary damages, fast collection and treatment of flood debris are necessary. Therefore, a quick and precise estimation of flood debris generation is a crucial procedure in disaster management. Despite the importance of debris estimation, methodologies have not been well established. Given the intrinsic heterogeneity of flood debris from local conditions, a regional-scale model can increase the accuracy of the estimation. The objectives of this study are 1) to identify significant damage variables to predict the flood debris generation, 2) to ascertain the difference in the coefficients, and 3) to evaluate the accuracy of the debris estimation model. The scope of this work is flood events in Ulsan city region during 2008-2016. According to the correlation test and multicollinearity test, the number of damaged buildings, area of damaged cropland, and length of damaged roads were derived as significant parameters. Key parameters seems to be strongly dependent on regional conditions and not only selected parameters but also coefficients in this study were different from those in previous studies. The debris estimation in this study has better accuracy than previous models in nationwide scale. It can be said that the development of a regional-scale flood debris estimation model will enhance the accuracy of the prediction.

According to “Korea Environment Corporation (KECO): Statistical data of specified waste generation and treatment,” the amount of designated waste generated in 2015 was 4,691,532 tons, which is 51.7% higher than the 3,092,591 tons generated in 2005, and the annual output is steadily increasing by 3.25%. Therefore, in order to properly manage the specified wastes, it is necessary to divide them according to the type of industry and waste type and to evaluate the trend of specified waste generation in advance and establish a specified waste management plan. However, due to the statistical data collection and administrative procedures, the timing of the publication of national statistical data is somewhat delayed after the actual generation of specified waste. Since the “National Waste Comprehensive Plan” assumes that GDP and manufacturing output will increase by 4% every year and predicts the amount of specified waste generation in the future, there is a great deal of pressure to use this in the actual field. In this study, we analyzed the correlation between the production index, which is an economic index indicating the change in the output of the products produced by the industry, and the specified waste generation amount. Based on the actual production index, the specified waste statistics for 2017 were predicted and compared with the estimated amount and the actual amount for the 2010 ~ 2015 period.

폐기물매립지에서 온실가스 발생량 예측을 위하여 사용되는 1차 반응모델(First-order decay, FOD)에 적용되는 중요한 변수 중 하나는 메탄발생잠재량(Methane generation potential, L0)이다. L0는 메탄생성에 가장 이상적인 조건에서 폐기물 중량단위 당 발생할 수 있는 메탄의 양으로 일반적으로 메탄수율이라고 나타내기도 한다. 그러나 폐기물매립지에서의 L0는 매립지 내부의 수분, 온도 등의 환경적 조건과 폐기물 크기 등의 물리적 특성에 의해 메탄발생이 영향을 받기 때문에 일반적으로 정의되는 L0와 혼동을 나타낼 수 있다. 이러한 물리적 및 환경적 요인 때문에 폐기물매립지에서의 L0는 실내실험 결과보다 낮게 나타나며, 따라서 폐기물매립지에서의 사용되는 L0 용어에 대한 기본적 가정은 메탄발생을 위한 이상적 조건이 아닌 실제 매립지 조건으로 고려되어야 한다. 이에 본 연구에서는 앞에서 나타낸 용어의 정의를 기준으로 기존 연구문헌에서 폐기물매립지의 L0산정을 위해 적용한 방법들을 고찰하여 향후 L0 산정 및 방법론 개발에 기초자료로 활용되고자 하였다. L0 산정방법을 크게 구분하면 화학양론적 방법(Stoichiometric method), 실내실험 방법, 모델일치(Model fitting) 및 회귀분석, IPCC(Intergovernmental panel on climate change) 방법론으로 구분할 수 있다. 화학양론적 방법은 폐기물의 원소조성에 기초한 Buswell 식 또는 폐기물의 탄수화물(Carbohydrates), 단백질(Proteins), 지질(Lipid)의 함량에 기초하여 이론적인 L0값을 산정 후 생분해가능 비율(Biodegradable portion, BF)을 곱하여 L0값을 계산할 수 있으나 BF 산정에 어려움이 있다. 실내실험은 일반적으로 폐기물 성상별 L0에 폐기물 조성 가중치를 적용하여 L0값을 산정하고 있다. 성상별 L0값을 산정하기 위해서는 일반적으로 BMP(Biochemical methane potential) 실험이 사용되나 BMP 결과를 L0로 나타내기에는 문제점이 있다. 이는 BMP 결과는 혐기성 분해의 이상적 조건에서 도출되었기 때문에 L0 보다는 DOC(Degradable organic carbon)와 의미가 매우 유사하며, 모의매립조(Lysimeter) 또는 현장 실험보다 높은 값을 나타내기 때문에 조정계수를 적용하여 L0값을 산정하여야 한다. 모의매립조 실험의 경우에는 수리전도도(Hydraulic conductivity)와 연관되어 실제 매립지보다 짧은 수리학적 체류시간을 가지게 되는 문제점이 있다. 이는 매립지에서 침출수로 유출되는 DOC 비율은 2% 미만으로 보고되고 있으나 모의매립조는 상당비율의 DOC가 침출수로 유출되기 때문에 L0 산정 시 침출수로 유출되는 DOC비율을 고려하여야 한다. 모델 일치 및 회귀분석은 실제 매립지에서의 측정 데이터를 기초하기 때문에 가장 정확하나 데이터 확보를 위한 장기간의 시간이 소요된다. IPCC 방법론의 경우 DOC 및 DOCf를 산정하여 L0를 산정할 수 있으며, DOC 산정을 위해서는 BMP 실험을 이용한 방법과 폐기물의 방사성 탄소함유량(Radiocarbon content)에 기초한 생물학적 기원 탄소량 산정방법이 있다. DOCf는 셀룰로오스(Cellulose)와 헤미셀룰로오스(Hemi-cellulose)가 전부 메탄으로 전환된다는 가정 하에 측정된 메탄수율로 나누어 계산할 수 있다.

폐기물매립지는 대기 중으로 배출되는 인위적인 메탄 배출량의 상당 비율을 차지하고 있으며, 메탄은 기후변화에 상당부분 기여하는 물질 중 하나로 잘 알려져 있다. 이에 폐기물매립지에서 발생되는 온실가스로 인한 주변 환경오염 저감과 온실가스 관리 등을 위해서는 먼저 정확한 온실가스 배출량 산정이 필요하다. 그러나 폐기물매립지에 매립되는 폐기물의 불균질성과 매립된 폐기물의 분해에 관여하는 인자가 많기 때문에 장기간에 걸쳐 물리화학적 및 생물학적 반응을 통해 발생되는 온실가스의 배출량을 정확히 측정한다는 것은 매우 어렵다. 지금까지 폐기물매립지에서의 온실가스 발생량 예측을 위하여 다양한 모델들이 제안되었는데, 대부분의 모델은 1차 반응모델(First-order decay, FOD)에 기초하고 있다. 1차 반응모델로 가장 대표적인 모델은 IPCC(Intergovernmental panel on climate change)에서 제시한 FOD 모델과 미국 EPA(Environmental protection agency)에서 개발한 LandGEM(Landfill gas emissions estimation model) 등이다. 1차 반응모델에 적용되는 모델 변수들은 일반적으로 2006 IPCC 가이드라인에서 제시하고 있는 기본값을 적용하고 있으나 모델 변수는 온실가스 배출량 산정의 정확성에 결정적 영향을 미치기 때문에 폐기물매립지에서 모델을 이용한 온실가스 배출량 산정 결과의 신뢰도를 향상시키기 위해서 해당 매립지 특성에 맞는 변수값을 산정할 수 있는 방법론이 우선적으로 개발되어야 한다. 이에 본 연구에서는 장기간 동안 S 폐기물매립지에서 발생하는 온실가스를 측정한 결과를 기초로 메탄 및 탄소 물질수지를 이용하여 1차 반응 모델의 주요 변수인 DOC(Degradable organic carbon), DOCf(Fraction of degradable organic carbon which decomposes), R(CH4 recovery efficiency), OX(Oxidation factor), k(CH4 generation rate constant), Lo(CH4 generation potential)를 산정하고 산정된 변수값을 검증하여 온실가스 모델변수 산정방법론을 개발하고자 하였다. 연구결과 BMP(Biochemical methane potential) 실험을 통해 산정된 메탄발생량값은 최적 조건에서 평가된 값이기 때문에 DOCf를 1.0로 가정하였을 경우 DOC를 산정할 수 있는 것으로 나타났다. 또한 본 연구에서 메탄 및 탄소 물질수지를 이용하여 도출된 주요 변수값들을 모델에 적용하여 평가된 온실가스 발생량과 기존에 측정된 온실가스 발생량을 비교하였을 때 매우 유사하게 나타나 탄소물질 수지를 이용하여 1찬 반응모델의 변수들을 매우 정확하게 산정할 수 있는 것으로 나타났다. 이외에도 1g의 폐기물(습윤기준) 중 매립지에 저장되는 DOC는 0.07g으로 분석되었으며, 침출수로 유출되는 DOC 비율은 전체 DOC 중 1.3%로 계산되었다. 따라서 본 연구를 통해 제안된 탄소 물질수지를 이용한 모델 변수 산정 방법은 폐기물매립지 온실가스 모델 적용에서 모델 변수들 및 예측값의 정확성을 향상시킬 수 있게 되었다.

수해폐기물은 태풍, 집중호우, 해일 등 풍수해로 인해 침수 지역에서 발생한 폐기물을 말한다. 이러한 수해폐기물은 단시간에 대량으로 발생하여 피해 지역으로의 출입을 방해하고 복구 작업을 지연시킨다. 수해폐기물의 신속한 처리와 복구에 필요한 자원의 효율적인 배치를 위해서는 수해폐기물의 발생량을 예측하는 연구가 필요하다. 환경부에서는 재난폐기물의 발생량을 예측하는 방법에 대해 구체적으로 제시하지 않았고, 국내 연구에서도 발생량 예측 연구를 위한 기초 자료가 극히 제한적이다. 본 연구에서는 동두천시를 대상으로 2011년 집중호우로 인한 피해정보와 침수흔적도를 이용하여 수해폐기물 발생량에 영향을 주는 주요 인자를 확인하고 수해 폐기물 발생량을 예측하는 방법을 제안하고자 한다. 2011년 7월 26일에서 29일까지 집중호우로 인한 동두천시의 피해 정보와 침수흔적도(대한지적공사, 2011)를 수집하였다. 침수흔적도로부터 동 단위별 침수 깊이, 침수 면적, 용도별 침수건물 수를 산정하였다. 다양한 피해 정보를 이용하여 요인분석을 실시하였고, 건설폐기물, 목재폐기물, 생활폐기물로 나타날 수 있는 주요 인자를 확인하였다. 일본에서 제시한 수해폐기물 발생량 원단위와 다중회귀분석을 이용한 발생량 예측 모델을 비교하여 표준오차가 가장 작게 나타난 방법을 제안하였다. 요인분석 결과, 건설폐기물로 나타날 수 있는 예측변수로는 침수건물 수, 피해 도로 개소, 피해 공공시설 수, 피해 사유시설 수가 포함되었고, 목재폐기물로 발생할 수 있는 예측변수에는 피해 농경지 면적, 피해 녹지 면적이 포함되었다. 생활폐기물로 나타날 수 있는 예측변수로는 피해 이재민 수, 피해 하천 및 소하천 개소 수가 해당되었다. 일본에서 제시한 발생량 원단위(4.6 ton/피해건물 수)를 이용했을 경우 표준오차가 2,000 ton이었고, 이러한 결과는 건설폐기물 외에 다른 목재폐기물이나 생활폐기물을 고려하지 않았기 때문으로 판단된다. 침수건물 수, 피해 녹지 면적, 피해 이재민 수와 수해폐기물 발생량을 이용하여 다중회귀분석을 실시한 결과, 결정상수 값(R2)은 0.722, 표준오차가 1,700 ton이었다. 따라서 수해폐기물 발생량을 예측하기 위해서는 침수건물 수, 피해 녹지 면적과 피해 이재민 수를 이용하여 다중회귀분석을 실시하는 것이 적합하다고 판단된다. 수해폐기물 발생량을 보다 정확하게 예측하기 위해서는 풍수해로 인한 침수 현상과 수해폐기물 발생량에 대한 인과 관계를 설명하는 것이 필요하다.

Flood disaster generates large amounts of flood wastes and it is rarely well-treated due to the heavy amount of wastes.Therefore the prediction of flood waste generation and making a plan for appropriate treatment have been required.Targeting for Seoul city, we investigated the history of flood disasters and the number of flooded buildings, and conductedregression analysis between the number of flooded buildings and rainfall data. As a result, daily average rainfall andmaximum daily rainfall showed better correlations with the number of flooded buildings than total rainfall data. As aresult of verification on the official unit of flood waste generation, 1.35ton/flooded building, it was reliable data for totalSeoul city, but not for regional units (gu). Finally, using regression equation and the official unit of flood waste generation,we suggested the method to predict flood waste generation by rainfall. For more reliable prediction, it is necessary toaccumulate more regional data about the number of flooded buildings, building types, and topographic conditions dueto a wide regional deviation.

This study was performed to prediction of generation and estimation of recycling value on waste artificial turf. The artificial turf consist of a different components by playground type, and combined of plastic, silica, and rubber materials. The weight per unit area of artificial turf is about 67.5% of the silica that is the highest, and infill rubber powder, pile, backing in order. As the result of investigation on artificial turf installation area from 2003 to 2012, the school playground is the largest portion because the development business plan of variety school grounds by government. And installed artificial turf will be discharge as the end of lifespan from 2011 to 2020. As the results of generation prediction by trend analysis, logarithmic function was estimated the most optimum method among the trend analysis. If 86.9% is recycled by Case II, the valuable materials of waste artificial turf was estimated that an annual average of about 2,990 tons of pile, about 2,177 tons of backing, about 52,803 tons of quartz sand, and about 20,241 tons of infill rubber powder in 2021 ~ 2040, respectively. It was evaluated to efficient recycling method of waste artificial turf that separated into the fabric and infill materials through first screening, and then infill materials separated into the silica and rubber powder through second screening.

This study was performed to improve water demand estimation and analize correlation between generation of domestic sewage and domestic water use. To improve the prediction of water demand estimation, new water demand equation was developed. The results is as follows. InQt = β0 + β₁InPt + β₂InYt + β₃InHt + εt By using the statistical analysis of the "generation of domestic sewage" and "domestic water use", the regression equation between them is formed. The result is as follows. ＿ Generation of domestic sewage = 0.8487 × Domestic water use + 684.57 (R² = 0.972)