준비 단계품질 진단 기준을 충족한 AI Ready 데이터입니다. 품질 판정서 보기 · 준비 단계란?
한국가스공사의 연간 대기오염물질 배출량 데이터 입니다.
기관이 작성한 데이터 설명 전체
한국가스공사의 연간 대기오염물질 배출량 데이터 입니다. 대기오염물질 배출현황 관리 및 환경경영 성과 분석, 배출 저감 정책 수립, 환경규제 대응을 목적으로 수집되었습니다. 데이터 구성항목은 연도별 천연가스 판매량(천톤), NOx 배출량(kg) 및 원단위(kg/천톤), SOx 배출량(kg) 및 원단위(kg/천톤), 먼지 배출량 및 원단위로 이루어져 있어 오염물질별 배출현황을 종합적으로 파악할 수 있습니다. 본 데이터를 활용하면 연도별 대기오염물질 배출 추이 분석, 오염물질별 배출 현황 파악, 판매량 대비 원단위 변화 분석, 환경목표 대비 실적 평가, 저감 효과 측정이 가능합니다. 또한 대기오염물질 저감 계획 수립, 환경설비 투자 우선순위 결정, 환경규제 대응 전략 수립에 활용됩니다. ESG 경영성과 보고, 대기환경 관리에 기초자료로 활용되어 청정에너지 기업의 환경경영을 지원합니다.
산업고용 - 에너지및자원개발NOxSOx먼지배출량대기오염
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
5행 × 원본 8열 (+정제 1열)
CSV 0 KB · Parquet 3 KB
기간
2016 – 2019
연도 기준 · 99% 범위
공간 단위
해당 없음
결측
0.0%
항목 평균
연결 기준
0종 · 0개 데이터
없음
정제 범위
1/8 항목 · 정제값이 있는 셀 100.0%
원본 열은 그대로 보존
데이터 내용
연도천연가스 판매량과 대기오염물질 배출량이 집계된 해유형 숫자형분류 —결측 0%정제 정제 100.0%
천연가스 판매량과 대기오염물질 배출량이 집계된 해
정제 열 정제_연도
예: 2016 2017 2018
천연가스 판매량(천톤)해당 연도에 판매한 천연가스의 총량유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도에 판매한 천연가스의 총량
단위: 천톤
예: 32773 32162 36219
(NOx) 배출량(kg)해당 연도에 대기 중으로 배출된 질소산화물(NOx)의 총량유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도에 대기 중으로 배출된 질소산화물(NOx)의 총량
단위: kg
예: 278257 212995 311538
(Nox) 원단위(kg천톤)해당 연도 천연가스 판매량 단위당 배출된 질소산화물의 양유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도 천연가스 판매량 단위당 배출된 질소산화물의 양
예: 8.49 6.62 8.6
(SOx) 배출량(kg)해당 연도에 대기 중으로 배출된 황산화물(SOx)의 총량유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도에 대기 중으로 배출된 황산화물(SOx)의 총량
단위: kg
예: 749 1175 1535
(SOx) 원단위(kg천톤)해당 연도 천연가스 판매량 단위당 배출된 황산화물의 양유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도 천연가스 판매량 단위당 배출된 황산화물의 양
예: 0.04 0.02
먼지 배출량(kg)해당 연도에 대기 중으로 배출된 먼지의 총량유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도에 대기 중으로 배출된 먼지의 총량
단위: kg
예: 2363 3549 4606
먼지 원단위(kg천톤)해당 연도 천연가스 판매량 단위당 배출된 먼지의 양유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
해당 연도 천연가스 판매량 단위당 배출된 먼지의 양
예: 0.07 0.11 0.13
찾는 항목이 없습니다.
상위 5행 · 8열 중 8열 · 첫 열 고정 · 「정제_」 항목이 정리한 값 · 확인 필요 규칙으로 확정하지 못해 원래 값을 그대로 유지한 값(파일에서는 값 앞에 [E]) · 행 식별값은 맨 끝
| 천연가스 판매량(천톤) | (NOx) 배출량(kg) | (Nox) 원단위(kg천톤) | (SOx) 배출량(kg) | (SOx) 원단위(kg천톤) | 먼지 배출량(kg) | 먼지 원단위(kg천톤) | 연도 | 정제_연도 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|
| 32773 | 278257 | 8.49 | 749 | 0.02 | 2363 | 0.07 | 2016 | 2016 | 0_94c3b046 |
| 32162 | 212995 | 6.62 | 1175 | 0.04 | 3549 | 0.11 | 2017 | 2017 | 1_a33a7b46 |
| 36219 | 311538 | 8.6 | 1535 | 0.04 | 4606 | 0.13 | 2018 | 2018 | 2_66c3ce9d |
| 33597 | 192398 | 5.7 | 1239 | 0.04 | 3729 | 0.11 | 2019 | 2019 | 3_4ff51645 |
| 32367 | 148880 | 4.6 | 743 | 0.02 | 2229 | 0.07 | 2020 | 2020 | 4_fd6617bd |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15049916/data/dataset-15049916.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15049916)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }