1. 농업지역 측정지점 및 방법

본 연구는 우리나라 농업지역 대기질 특성을 파악하기 위해 전국 8개 농업지역에 대기질 측정소를 구축⋅운영하였다. 관측지점은 논 지역 (논산, 나주, 김해, 여주)과 밭 지역 (홍천, 단양, 상주, 무안)으로 구분하였으며, 도시⋅산업⋅교통 등 비농업 오염원의 영향을 최소화하여 농업활동에 기인한 배경농도를 대표할 수 있도록 선정하였다. 각 측정소에는 PM_2.5, SO₂, NO, NO₂, NOx, NH₃를 연속 관측할 수 있는 분석기와 풍속, 풍향, 기온, 상대습도 센서를 설치하였으며, 안정적인 장기 관측을 위해 내부 온도 관리 및 보안 시스템을 갖추었다. PM_2.5는 베타선 흡수법 (Mezus610, Kentek), SO₂는 자외선 형광법 (Mezus 110, Kentek), NOx는 화학발광법 (Mezus210, Kentek) 분석기를 이용하여 측정하였고, NH₃는 전용 변환기 (Ammonia converter, Kentek)를 추가 장착하여 분석하였다. 기상자료는 초음파 풍향⋅풍속계를 통해 수집하였으며, 모든 자료는 5분 간격으로 저장되었다. 장기 관측자료의 신뢰성 확보를 위하여 체계적인 정도관리 (QA/QC)를 수행하였다. 가스상 물질은 월 1회 제로-스판 점검을 실시하고, 허용 오차 (±10%)를 초과할 경우 0-400 ppb 범위의 다점 교정을 수행하여 보정계수를 자료에 반영하였다. PM_2.5는 교정용 필름을 활용한 내부 점검을 통해 ±2% 이내의 정확도를 유지하도록 관리하였다. 또한 자료 품질 확보를 위해 기계⋅전기적 이상 신호, 동일값이 연속적으로 반복되는 구간 (장비 오작동 의심 구간), 교정 불량 및 점검 기간의 자료는 분석에서 제외하였다. 품질검증을 완료한 5분 자료는 시간 단위 (1시간) 평균값으로 변환하여 최종 분석에 활용하였다. 측정 장비의 검출 분해능은 PM_2.5 1 μg⋅m^-3, 가스상 물질 0.5 ppb 였으며, 모든 장비는 환경부 및 U.S. EPA 인증 기준을 충족하였다.

Fig. 1

Description of monitoring sites in agricultural area, (a) system composition and (b) site locations (Baek et al., 2025)

2. 자료 전처리 및 분석자료 구축

농업지역 대기질 관측은 2023년 3월부터 수행되었으며, 본 연구의 정량 분석에는 기상자료가 안정적으로 확보된 2024년 1월 1일부터 2025년 6월 30일까지의 자료를 사용하였다. 대표기간은 전체 분석기간동안의 월별 평균 농도와 월별 평균 부하속도 변화를 검토한 뒤 선정하였다. 검토 결과, PM_2.5와 NO₂는 겨울철 상대적으로 높은 농도와 부하속도를 보였고, NH₃는 여름철에 높은 농도와 부하속도를 보이는 계절적 경향이 일관되게 확인되었다. 이 중 2024년 2월은 PM_2.5와 NO₂의 농도 및 부하속도가 상대적으로 높게 나타나 겨울철 특성이 뚜렷하였고, 2024년 8월은 NH₃의 농도 및 부하속도가 높게 나타나 여름철 특성이 두드러졌다. 또한 두 기간은 온도, 상대습도, 풍속 등 기상 조건에서도 차이를 보여 농도 지표와 부하속도 지표의 계절별 특성을 비교⋅해석하기에 적합한 기간으로 판단하였다. 따라서 본 연구에서는 2024년 2월과 2024년 8월을 각각 겨울철과 여름철의 대표 분석기간으로 선정하였다.

본 연구에서는 질소산화물 (NO, NO₂, NOx)을 모두 측정하였으나, 분석 단계에서는 NO₂를 중심으로 분석을 수행하였다. NO₂는 대기 중 산화 반응을 통해 질산염 형성에 직접적으로 관여하는 주요 전구물질로서 2차 생성과 밀접한 관련이 있기 때문이다 (Xing et al., 2016; Zhang et al., 2024). 5분 간격 자료는 시간 평균값으로 변환하였고, 8개 농업지역의 시간별 농도는 산술평균을 통해 지역적 특성을 완화하고 전국 농업지역의 일반적 대기질 특성을 대표할 수 있도록 대표값으로 산정하였다. 이상치는 기존 연구 기준 (Baek et al., 2025)에 따라 제거하였다. 부하속도 (loading rate)는 오염물질 농도와 공기교환율 (air exchange rate, AER)의 곱으로 산정하였으며, 계산식은 식 (1)과 같다.

여기서 LR은 부하속도 (μg⋅m^-3⋅s^-1), C는 오염물질의 농도 (μg⋅m^-3), AER은 공기교환율 (s^-1)을 의미한다. 가스상 오염물질 (NO₂, SO₂, NH₃)의 농도는 측정 장비에서 ppb 단위로 제공되므로 부하속도 산정을 위해 질량농도 (μg⋅m^-3)로 변환하여 사용하였다. 변환은 이상기체 가정을 기반으로 식 (2)와 같은 식을 적용하였다.

여기서 M은 각 오염물질의 분자량 (g⋅mol^-1)이며, 22.4는 표준상태 (0℃, 1 atm)에서의 기체 몰부피 (L⋅mol^-1)를 의미한다. 본 연구에서는 개방된 농업환경에서 공기 이동 및 오염물질 확산에 풍속이 지배적인 영향을 미친다는 점을 고려해, 풍속 (v, m⋅s^-1)을 기반으로 1 m³ 가상의 공간에서 공기가 교환되는 빈도를 공기교환율로 근사하였다 (Joo et al., 2015; 2023). 이에 따라 부하속도의 단위는 μg⋅m^-3⋅s^-1로 표현하였다. 이와 같은 부하속도 지표는 풍속에 의한 오염물질의 이동 특성을 함께 반영할 수 있어, 단순 농도 기반 분석에 비해 대기오염 상태를 보다 종합적으로 해석하는데 유용하다.

이는 개방된 농업환경에서 오염물질이 공기 흐름에 따라 얼마나 이동하는지를 반영하기 위한 합리적인 근사 방법이다. 다만 수직 방향의 혼합이나 지형에 따른 기류 변화, 혼합층 높이의 변화 등은 직접적으로 반영되지 않는 한계가 있다. 따라서 본 연구에서 산정한 부하속도는 절대적인 질량 수송량을 의미하기보다는, 농업지역 내에서 오염물질 이동 특성을 상대적으로 비교⋅해석하기 위한 풍속 기반 지표로 해석하는 것이 적절하다. 이를 위해 질량농도와 부하속도를 구분하여 표기하는 약어 체계를 적용하였다. 각 오염물질의 농도 (concentration)는 C를 사용하여 PM_2.5C, NO₂C, SO₂C, NH₃C로 표기하였으며, 부하속도 (loading rate)는 L을 사용하여 PM_2.5L, NO₂L, SO₂L, NH₃L로 표기하였다. 이후 본문과 그림 및 표에서는 이러한 표기 체계를 동일하게 적용하였다.

3. 상관관계 분석

농업지역 대기오염물질의 농도⋅부하속도와 기상인자 간의 군집적 특성을 파악하기 위해 주성분분석 (PCA)을 적용하였다. PCA는 IBM SPSS Statistics (version 27)를 이용하여 수행하였으며, 두 개의 주성분을 도출한 후 Varimax 회전을 통해 해석의 명확성을 확보하였다 (Jolliffe and Cadima, 2016). 또한 PM_2.5와 관련된 주요 가스상 전구물질을 정량적으로 평가하기 위해 다중선형회귀분석을 실시하였다. PM_2.5의 농도 또는 부하속도를 종속변수로 설정하고, SO₂, NO₂, NH₃(농도 또는 부하속도)를 독립변수로 포함하여 회귀모형을 구축하여 산출된 예측값과 관측값 간의 결정계수 (R²)을 통해 모형의 설명력을 평가하였다. 회귀분석은 각 기간의 시간대별 평균값 (00-23시)을 이용하여 수행하였으며, 이에 따라 회귀분석에 사용된 관측치는 각 기간별 24개 (n=24)이다. 가스상 물질 부하속도 간의 통계적 관계와 기상요인과의 관련성을 분석하기 위해, 개별 가스상 물질의 부하속도를 종속변수로 설정하고 다른 가스상 물질의 부하속도 및 기상인자 (풍속, 기온, 상대습도)를 독립변수로 포함한 다중선형회귀분석을 수행하였다. 이를 통해 변수 간의 정량적 관계를 확인하였다.

1. 농업지역 대기질 특성과 일변화 패턴

Table 1에는 두 대표기간 동안의 PM_2.5 및 가스상 전구물질의 농도와 부하속도가 정리되어 있으며, Table 2에는 동일한 기간에 대한 주요 기상인자의 변동 범위가 제시되어 있다. 부하속도는 오염물질의 농도에 공기 질량의 이동 특성을 함께 반영하는 지표로, 풍속의 영향을 포함한다. 이로 인해 부하속도는 농도에 비해 값의 변동 폭이 상대적으로 크게 나타나는 경향을 보였다. PM_2.5C와 NO₂C는 두 기간 중 2024년 2월에 더 높은 수준을 나타냈으며, SO₂C는 기간 간 뚜렷한 차이를 보이지 않았다. 한편, NH₃C는 2024년 8월에 상대적으로 높은 농도가 관측되었다. 이는 여름철 고온 조건에서 농경지 토양 및 비료로부터 암모니아의 휘발이 촉진되었기 때문으로 해석된다 (Skorupka and Nosalewicz, 2021). 여름철은 연중 가장 높은 기온과 함께 장마의 영향으로 강수 빈도와 누적 강수량이 증가하는 계절적 특성을 보인다. 이러한 강수 조건은 대기 중 입자상 물질의 습식 침전을 강화하여 PM_2.5C를 저감시키는 요인으로 작용한다. 반면, 여름철에는 풍속이 상대적으로 낮아 대기 확산 및 희석 효과는 제한적이다. 그럼에도 불구하고, 인위적 배출원이 제한적인 농업지역에서는 강수에 의한 제거 효과가 우세하게 작용하면서 여름철 PM_2.5C 및 NO₂C가 다른 계절에 비해 낮게 나타난 것으로 판단된다.

Fig. 2와 Fig. 3은 2024년 2월과 2024년 8월을 대상으로 주요 오염물질의 농도, 부하속도 및 기상인자의 일변화 특성을 제시한다. PM_2.5C와 NO₂C에서 하루 동안 두 개의 상대적인 증가 구간이 나타나는 쌍봉형 (bimodal) 분포가 관찰되었으며, SO₂C 역시 일부 시간대에서 유사한 경향을 보였다. 반면, 부하속도는 모든 오염물질에서 단일 최대값을 중심으로 증가 후 감소하는 단봉형 (unimodal) 패턴을 나타냈다. 이러한 차이는 농도가 국지적 축적과 희석의 영향을 직접적으로 반영하는 반면, 부하속도는 풍속을 포함함으로써 오염물질의 이동 특성을 함께 반영하기 때문으로 해석된다.

Fig. 2

Diurnal patterns of PM_2.5 and gaseous pollutants (NO₂, SO₂, and NH₃) during the study periods (Circles: February 2024, Squares: August 2024)

Fig. 3

Diurnal variations of meteorological parameters during the study periods (Circles: February, 2024, Squares: August, 2024)

오염물질 농도는 풍속이 증가하는 주간 시간대 (대체로 11:00-15:00)에 전반적으로 감소한 반면, 부하속도는 산정 과정에 풍속이 직접 반영되면서 동일 시간대에 증가하는 상반된 특성을 보였다. 기온과 풍속은 두 기간 모두에서 오후 초반 (약 14:00)에 최대값을, 상대습도는 이와 반대로 최소값을 나타냈으며, 대부분의 오염물질 부하속도는 약 1-2시간 이후인 15:00-16:00경에 최대값을 보여 기상 변화에 대한 시간 지연 효과가 확인되었다.

전반적으로 2024년 8월에는 2024년 2월에 비해 모든 주요 오염물질 (PM_2.5, NO₂, SO₂, NH₃)의 농도 및 부하속도 일변화 패턴에서 최대값이 약 1-2시간 앞당겨지는 공통적인 경향이 관찰되었다. 이러한 경향은 여름철 증가한 일사량으로 인해 기온 상승, 대기 혼합고의 상승 및 풍속 증가가 겨울철보다 이른 시간대에 나타나기 때문으로 해석된다 (Seinfeld and Pandis, 2016; Stull, 1988). 또한 여름철에는 기온이 높아 농업 활동이나 인위적 활동이 상대적으로 이른 시간대에 시작되는 경향이 나타나며 이러한 계절적 생활 및 작업 패턴의 차이가 오염물질의 일변화 특성에 반영된 것으로 판단된다.

NO₂C는 출⋅퇴근 시간대에 상대적으로 높고 주간에는 광화학 반응과 대기 혼합 강화로 감소하는 전형적인 일변화 특성을 보였으며 (Baek et al., 2025; Seo et al., 2025; Yang et al., 2024), 여름철에는 이러한 일변화 구조가 전반적으로 앞당겨져 오전 시간대에 최대값이 나타났다. 반면 NO₂L은 오전 이후 점진적으로 증가하여 풍속의 최대 시점과 유사한 15:00-16:00경에 최대값을 기록한 후 감소하였으며, 이는 주간 시간대에 NO₂의 생성 및 수송량이 광화학적 소모량을 상회했음을 시사한다.

SO₂의 경우, 농도 기준으로는 두 기간 간 일변화 패턴과 변동 수준에 차이가 관찰되었으나, 부하속도에서는 두 기간 모두에서 거의 동일한 일변화 패턴이 나타났다. 이는 계절에 따른 농도 차이에도 불구하고, SO₂의 대기 중 이동⋅수송 특성은 유사하게 유지되고 있음을 의미하며, 부하속도가 농도보다 기상 조건에 따른 오염물질 거동을 보다 직접적으로 반영하는 지표임을 보여준다.

앞서 Table 1에서 제시한 바와 같이, NH₃는 다른 오염물질과 달리 여름철에 농도와 부하속도가 모두 겨울철보다 높게 나타나는 뚜렷한 계절적 특성을 보였다. NH₃C는 이른 아침 시간대 (07:00-09:00)에 최대값을 보였으며, 이는 기존 연구에서 보고된 농업지역 암모니아의 일변화 특성과도 일치한다 (Bash et al., 2010; Ellis et al., 2011; Song et al., 2024; Wang et al., 2015). PM_2.5L, NO₂L, SO₂L 최대값이 대체로 15:00-16:00경에 나타난 반면, NH₃L은 약 14:00경에 상대적으로 이른 최대값을 보였는데, 이는 암모니아가 토양–대기 간 온도 차이에 민감하게 반응하며 휘발과 소모 과정이 빠르게 진행되는 특성을 지니기 때문으로 설명될 수 있다 (Galloway et al., 2003; Viatte et al., 2020). 특히 토양 온도는 NH₃의 상평형과 방출을 지배하는 핵심 인자로 작용하며 (Boldsaikhan et al., 2025; Skorupka and Nosalewicz, 2021), 본 연구에서 관측된 NH₃의 상대적으로 이른 증감 특성은 이러한 토양–대기 열적 조건의 일변화 특성이 반영된 결과로 해석된다.

한편, 주간 시간대에 풍속 증가로 인해 오염물질 농도가 희석되는 동안에도 부하속도는 오히려 증가하는 특성이 관찰되었다. 이는 순간적인 농도 감소에도 불구하고, 공기 흐름을 통해 단위 시간당 전달되는 오염물질의 총량은 증가할 수 있음을 의미한다. 이러한 부하속도 증가는 농업환경에서 공기 흐름에 따른 오염물질의 이동⋅전달 특성을 반영하며, 장시간 반복적으로 야외 작업을 수행하는 농업 종사자 (호흡기 계통 노출)와 지속적으로 대기와 접촉하는 작물 (비호흡기 계통 노출)에 대해서는 단순 농도 지표보다 실제 노출 양상을 보다 적절하게 설명할 수 있음을 시사한다. 실제로 농업지역에서는 공기 흐름을 따라 전달되는 오염물질이 작물 생육 저해, 엽면 손상 및 농업시설 자재의 부식과 밀접하게 연관된 것으로 보고되고 있으며 (Clarke et al., 2021), 이러한 관점에서 부하속도는 농업환경의 잠재적 피해를 평가하는 데 있어 중요한 보완 지표로 활용될 수 있다.

2. 대기오염물질의 농도와 부하속도간의 상관관계

Fig. 4는 두 연구 기간을 대상으로 PM_2.5 농도 (PM_2.5C)와 부하속도 (PM_2.5L), 가스상 전구물질 및 기상인자 간의 관계를 주성분분석 (PCA)으로 나타낸 결과이다. 두 기간 모두에서 PM_2.5L은 SO₂L 및 NO₂L과 강한 군집을 형성하였다. 이러한 군집 특성은 Fig. 2에서 나타난 PM_2.5L, NO₂L, SO₂L의 유사한 일변화 패턴과도 일관되며, 부하속도 기준에서 PM_2.5L의 변동이 SO₂L 및 NO₂L과 밀접하게 연계되어 있음을 시사한다. 다만 부하속도는 농도와 풍속의 곱으로 정의되는 지표이므로, 군집 특성에는 풍속에 의한 공통 수송 효과가 일부 반영되었을 가능성을 함께 고려할 필요가 있다. 이는 부하속도가 실제 대기에서의 오염물질 이동 및 확산 특성을 반영하는 지표라는 점과도 관련이 있다. 또한 Fig. 4에서 PM_2.5C와 PM_2.5L이 서로 상반된 방향으로 분포한 것은 농도 기반 지표와 부하속도 기반 지표가 서로 다른 대기 물리 과정을 반영함을 보여준다. 특히 PM_2.5C는 부하속도 기반 군집과 분리되어 나타났는데, 이는 농도 지표가 화학적 생성뿐만 아니라 대기 혼합과 희석 등 기상 조건의 영향을 동시에 반영하기 때문으로 해석된다. 풍속은 PM_2.5L 인근에 위치하면서 PM_2.5C와는 반대 방향으로 분포하여, 풍속 증가가 농도 저감에는 기여하지만 이동량 기반 특성과는 상이한 영향을 미침을 보여준다. NH₃L과 NH₃C는 PM_2.5L 군집과 분리되어 나타났는데, 이는 암모니아가 PM_2.5 형성 과정에서 시간적으로 선행하여 배출⋅전환되는 특성을 지닌다는 점을 반영한 결과로 해석된다. PC1과 PC2는 모든 분석 기간에서 전체 변동성의 약 87–88%를 설명하였으며, 본 PCA 결과는 농업지역에서 PM_2.5의 형성과 변동 특성을 이해하는 데 있어 농도 지표보다 부하속도 지표가 보다 구조적인 정보를 제공함을 시사한다.

Fig. 4

PCA cluster analysis based on PM_2.5 among air pollutants and meteorological parameters during the study periods. PM_2.5L, NO₂L, SO₂L, and NH₃L means the loading rates of PM_2.5, NO₂, SO₂, and NH₃ and PM_2.5C, NO₂C, SO₂C and NH₃C means the concentration respectively. PC1 and PC2 explained 76% and 12% of the total variance in period February 2024, respectively, 69% and 18% in period August 2024, respectively

3. 대기오염물질과 부하속도의 회귀모델 분석

Table 3에 제시된 바와 같이, 2024년 2월과 2024년 8월을 대상으로 PM_2.5L과 가스상 전구물질 간의 정량적 관계를 평가하기 위해 다중선형회귀분석을 수행하였다. 본 연구에서는 계절적 대기화학 조건에 따른 전구물질의 영향 차이를 비교하기 위해 SO₂L, NO₂L, NH₃L를 동시에 포함한 다중선형회귀모형을 구성하였다. 두 기간 모두에서 회귀모형은 높은 설명력을 보였으며 (2024년 2월: R=0.970, 2024년 8월: R=0.980), 통계적으로도 유의한 수준 (p<0.001)을 나타냈다. 이는 부하속도 기반 지표가 주요 가스상 전구물질의 시간 변동과 PM_2.5L의 변동 간 구조적 관련성을 효과적으로 설명할 수 있음을 시사한다. 다만 본 회귀분석은 각 기간의 시간대별 평균값 24개를 기반으로 수행되었으므로, 해석은 시간 평균 패턴 수준의 관계를 중심으로 이해할 필요가 있다.

SO₂L은 두 기간 모두에서 가장 큰 양 (+)의 회귀계수를 나타내었으며 (2024년 2월: 1.875, 2024년 8월: 2.629), PM_2.5L 변동을 설명하는데 가장 두드러진 설명변수로 나타났다. 이러한 경향은 부하속도 기준에서 SO₂L의 영향이 다른 전구물질에 비해 상대적으로 크게 반영되었음을 보여주며, 황산염이 낮은 증기압과 강한 산–염기 안정화 특성으로 인해 온도 및 계절 변화에 상대적으로 둔감하다는 기존의 열역학적 해석과 잘 부합한다 (Salvador, 2014; Seinfeld and Pandis, 2006; Zhang et al., 2015).

NO₂L은 2024년 2월에만 유의한 양 (+)의 회귀계수 (0.284)를 보였으며, 이는 겨울철 조건에서 질산염 생성 경로가 상대적으로 강화될 수 있음을 시사한다. 반면, 2024년 8월에는 통계적 유의성이 나타나지 않아 NO₂L의 기여가 계절 조건에 따라 크게 달라질 수 있음을 보여준다. 이러한 결과는 질산염이 황산염에 비해 휘발성이 높아 기온 및 대기 조건 변화에 민감하다는 기존 연구 결과와 일치한다 (Salvador, 2014; Seinfeld and Pandis, 2006). 또한 겨울철에는 농업활동이 제한되어 농업지역에서의 NH₃ 배출이 감소하는 반면, 난방 및 연료 연소와 같은 인위적 배출원의 영향으로 NO₂ 농도가 증가할 가능성이 있어 농업지역에서도 NO₂의 영향이 상대적으로 크게 나타날 수 있다.

NH₃L은 2024년 8월에 유의한 음 (–)의 회귀계수 (–0.386)를 나타냈다. Fig. 2에서 NH₃L의 증가 및 최대 시점이 PM_2.5L보다 상대적으로 먼저 나타난 점을 고려하면, 이러한 결과는 NH₃와 PM_2.5 사이에 시간지연 특성이 존재할 가능성을 시사한다. 즉, NH₃는 PM_2.5와 동일 시점에서 직접적인 양의 선형관계를 보이기보다, 선형적으로 변화하는 특성을 가질 가능성이 있다. 이는 본 연구의 회귀분석이 동일 시점의 변수 간 관계를 가정하는 동시 회귀모형이라는 점에서, NH₃의 선행-후행 관계를 충분히 반영하지 못했기 때문일 수 있다. 따라서 향후 연구에서는 시차상관분석 또는 시차를 반영한 회귀모형을 적용하여 NH₃와 PM_2.5간의 선행-후행 관계를 보다 정밀하게 평가할 필요가 있다.

종합적으로, 본 회귀분석 결과는 부하속도 기반 접근이 농업지역 PM_2.5L 변동과 주요 전구물질 간의 구조적 관계를 파악하는데 유용함을 보여준다. 그중 SO₂L은 상대적으로 큰 영향을 보였으며, NO₂L은 계절 조건에 따라 보조적인 역할을 나타냈다. 반면 NH₃L은 시간 지연과 빠른 전환 특성으로 인해 보다 복합적인 거동을 보였다.

Fig. 5는 가스상 전구물질 (NO₂, SO₂, NH₃)을 독립변수로 한 다중선형회귀모형에서 산출된 PM_2.5L의 추정값과 관측값을 비교한 결과를 제시한다. 두 기간 모두에서 추정값은 관측값과 높은 선형 일치를 보였으며, 결정계수 (R²)는 2024년 2월 0.9404, 2024년 8월 0.9605로 나타났다. 또한 회귀식의 기울기는 각각 0.94와 0.96으로 1에 근접하여, 본 모형이 각 기간의 PM_2.5L 변동 경향을 전반적으로 잘 설명하고 있음을 보여준다. 다만 기울기가 1보다 다소 작게 나타나 일부 구간에서는 추정값과 관측값 사이에 편차가 존재할 가능성이 있다. PM_2.5L과 전구물질 간의 관계를 확인한 뒤, 각 전구물질 부하속도 간 상호 연관성을 추가로 검토하였다.

Fig. 5

Estimation of PM_2.5 loading rate from gaseous precursors using multiple linear regression equation

Table 4의 다중회귀분석 결과, NH₃L은 2024년 2월과 2024년 8월 모두에서 SO₂L과 통계적으로 유의한 양 (+)의 관계를 보였다 (p<0.001). 반면, NO₂L과의 관계는 통계적으로 유의하지 않았다. 이러한 관계는 농업지역에서 NH₃와 SO₂가 대기 중에서 상호작용하며 황산암모늄과 같은 2차 무기 에어로졸 형성에 관여할 가능성을 시사한다. 반면 NO₂L을 종속변수로 한 회귀분석에서는 유의한 관계가 나타나지 않았으며, 이는 NO₂L이 다른 가스상 전구물질과의 상호 연관성보다는 개별적인 변동 특성을 보였음을 의미한다. 한편, SO₂L을 종속변수로 한 회귀분석에서도 NH₃L과의 양(+)의 관계가 동일하게 재확인되었으며(p<0.001), NO₂L과의 관계는 유의하지 않았다.

전구물질 부하속도와 기상인자 간의 관계를 평가하기 위해 Table 5에서는 각 가스상 전구물질의 부하속도를 종속변수로 하고 기온, 상대습도, 풍속을 독립변수로 한 다중선형회귀분석을 수행하였다. 분석 결과, 가스상 전구물질별로 기상인자에 대한 반응 특성에는 차이가 나타났다. NH₃L의 경우, 2024년 2월에는 기온, 상대습도, 풍속이 모두 통계적으로 유의한 음 (–)의 관계를 나타냈다 (p<0.05). 반면, 2024년 8월에는 기온과 상대습도는 음 (–)의 관계를 유지한 반면, 풍속은 통계적으로 유의한 양 (+)의 관계를 보였다 (p<0.001). 즉, NH₃L은 계절에 따라 기상인자와의 관계 방향이 달라지는 특성을 보였다. NO₂L은 2024년 2월에서는 기온, 상대습도, 풍속과의 관계가 모두 통계적으로 유의하지 않게 나타났다 (p>0.05). 반면 2024년 8월에서는 기온과 상대습도는 유의하지 않았으나 (p>0.05), 풍속은 통계적으로 유의한 관계를 보였다 (p<0.001). SO₂L은 두 기간 모두에서 기온, 상대습도, 풍속과 통계적으로 유의한 관계를 나타냈다 (p<0.05). 다만 계수 부호는 계절에 따라 차이를 보여, 2024년 2월에는 기온과 상대습도가 음 (–), 풍속이 양 (+)의 관계를 나타낸 반면, 2024년 8월에는 모든 기상인자가 양 (+)의 관계를 보였다. 이러한 결과는 가스상 전구물질이 서로 다른 배출 특성과 대기화학적 거동을 가지며 기상 조건에 대한 반응 또한 물질별로 상이하게 나타남을 시사한다.