염색폐수 유기물 지표의 다변량 통계분석

조영범; 안준수; 김채호; 신동철

추천

검색

질문

자료유형: 학술저널

저자정보: 조영범 (레오테크) 안준수 (대진대학교) 김채호 (대진대학교) 신동철 (대진대학교)

저널정보: 대한환경공학회 대한환경공학회지 대한환경공학회지 제46권 제2호

발행연도: 2024.2

수록면: 57 - 63 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

목적: 2016년부터 방류수 수질기준의 유기물 지표로써 TOC(Total Organic Carbon)가 COD(Chemical Oxygen Demand)를 대체하여 관리하고 있다. 그러나 폐수처리시설의 공정별 유기물질 분포의 파악이 제대로 이루어지지 않아 안정적인 처리수질 확보에 어려움을 느끼고 있다. 따라서 본 연구에서는 염색폐수를 대상으로 원수와 1차처리수, 2차처리수, 방류수의 TOC와 기존 유기물질 지표와의 상관관계를 파악하였다.
방법: 경기도 Y시에 위치한 염색폐수처리시설을 대상으로 각 공정별 시료를 주 2회, 총 24회를 채취하여 유기오염물 지표(TOC, CODCr, CODMn, BOD5)를 분석하였다. TOC는 TOC-VCHP (Shimadzu, Japan)을 이용하여 NPOC (non-purgeable organic carbon)법으로 분석하였다. 분석 결과를 이용하여 염색폐수의 유기오염물질 특성을 분석하였다. 또한 SPSS를 이용하여 다변량 통계분석을 실시하여 유기오염물 지표간의 상관관계, 주성분 분석을 하였다.
결과 및 토의: 다변량 통계분석 분석결과, TOC는 평균 574.9 mg/L로 유입되어 58.2 mg/L로 처리되었다. CODCr, CODMn, BOD5의 경우 1,644, 448.9, 440.7 mg/L로 유입되어 98.2, 39.7, 10.8 mg/L로 처리되었다. 방류수 수질 기준으로 평가하였을 때, 모두 III지역 기준을 만족시키고 있었으나 하수처리시설 방류수의 TOC 농도에 비해 상대적으로 높은 수준으로 방류되고 있다. Pearson correlation analysis를 통하여 유기물 지표간 단순상관성을 비교한 결과, 유입 원수는 TOC:TCODCr (r=0.720), TOC:TCODMn (r=0.636)으로 높은 양의 상관관계를 보이고 있으며 TOC: TBOD5 (r=0.302)은 낮은 상관성을 보였으며 염색폐수내 유기물질이 대부분 난분해성 물질로 생분해성이 낮음에서 기인한 것으로 판단된다. 유입수와 1차 처리수, 최종처리수의 주성분 분석 결과, 각 3개(최종처리수는 2개)의 주성분이 추출되었으며, 누적 기여율은 80.1%, 83.2%, 95.6%를 차지했다.
결론: 염색 공장에서 취급하는 가죽의 종류와 약품 등에 따라 폐수 성상 차이가 심하기 때문에 유입수의 상관성은 낮게 나타났으나 처리수는 비교적 높은 상관관계를 보였다. 폐수처리시설의 공정별 상관성도 후단 공정으로 갈수록 높아지는 경향을 보였다. 위의 통계 분석은 효과적인 유기물질 관리를 위한 기초자료로써 활용이 가능할 것으로 판단된다.

Objectives : Since 2016, TOC (Total Organic Carbon) has replaced COD (Chemical Oxygen Demand) as an organic indicator for effluent wastewater quality standards. However, the distribution of organic substances by process in wastewater treatment facilities is not properly identified, making it difficult to secure stable treated wastewater quality. Therefore, in this study, we identified the correlation between TOC and existing organic matter indicators in raw wastewater, primary treated, secondary treated, and effluent wastewater for dyeing wastewater.
Methods : Samples for each process were collected twice a week, a total of 24 times, from a dyeing wastewater treatment plant located in Y-city, Gyeonggi-do, and organic pollutant indicators (TOC, CODCr, CODMn, BOD5) were analyzed. TOC was analyzed by the NPOC (non-purgeable organic carbon) method using TOC-VCHP (Shimadzu, Japan). Using the analysis results, the characteristics of organic pollutants in dyeing wastewater were analyzed. In addition, multivariate statistical analysis was performed using SPSS to analyze correlations between organic pollutant indicators and principal component analysis.
Results and Discussion : As a result of multivariate statistical analysis, TOC was inflowed at an average of 574.9 mg/L and treated at 58.2 mg/L. In the case of CODCr, CODMn, and BOD5, the inflow was 1,644, 448.9, and 440.7 mg/L and was treated at 98.2, 39.7, and 10.8 mg/L. When evaluated based on effluent water quality standards, all of them satisfied the Region III standards, but were discharged at a relatively high level compared to the TOC concentration of sewage treatment plants effluent. As a result of comparing correlations between organic matter indicators through Pearson correlation analysis, the inflow raw water shows a high positive correlation with TOC:TCODCr (r=0.720), TOC:TCODMn (r=0.636), and TOC:TBOD5 (r=0.302) showed low correlation. This is reason to be due to the fact that most organic substances in dyeing wastewater are non-degradable substances and have low biodegradability. As a result of principal component analysis of influent, primary treated, and final treated, three main components each (two for final treated) were extracted, with cumulative contribution rates of 80.1%, 83.2%, and 95.6%.
Conclusion : Because the properties of wastewater differ greatly depending on the type of leather and chemicals handled at the dyeing factory, the correlation between influent water was low, but the correlation between treated water and treated water was relatively high. The correlation between processes in wastewater treatment facilities also tended to increase toward later processes. It is believed that the above statistical analysis can be used as basic data for effective organic matter management.

#Dyeing wastewater #organic matter indicators #TOC #multivariate analysis #염색폐수 #유기물 지표 #다변량 분석

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

조영범

소속기관 레오테크

주요연구분야 공학 > 건축공학 > 환경공학

논문수 1 이용수 181

안준수

소속기관 대진대학교

주요연구분야 공학 > 건축공학 > 환경공학 공학 > 기계공학 > 기계공학 일반

논문수 2 이용수 436

김채호

소속기관 대진대학교

주요연구분야 공학 > 건축공학 > 환경공학

논문수 1 이용수 181

신동철

소속기관 대진대학교

주요연구분야 공학 > 건축공학 > 환경공학

논문수 1 이용수 181

이 논문과 함께 이용한 논문

실크 반련직물 염색공정의 융합적 기술 개발 연구

최주현 , 조현정 , 조윤진 한국과학예술융합학회 2023 .12

[화학] 염색폐수 중의 유기오염물질 분석

육근성 분석과학 1997 .10

대기환경지수 기반 2016~2022년 시도별 대기오염물질의 농도 변화 분석

박준흥 , 김은혜 , 강윤희 외 1명 한국대기환경학회지(국문) 2024 .04

해양미세플라스틱 오염 대응에 대한 법적 쟁점과 환경적응 방안

정성진 환경법과 정책 2024 .02

쓰레기 무단투기 감소를 위한 도시 환경 간의 상관관계 분석

김대연 , 백재순 , 김성진 한국컴퓨터정보학회 학술발표논문집 2024 .01

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089447454

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)