• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2013년도 추계 학술발표논문집
• /
• pp.26-27
• /
• 2013

산림생태계의 에너지, 물질, 정보의 교환 과정과 그 변화를 이해하려면 먼저 생태계의 구조와 기능이 어떻게 상호작용하는지를 이해해야 한다. 생태계의 기능은 한, 두 가지의 특징에 의해서만 이루어지는 것이 아니다. 그렇기 때문에 그 기능을 파악하고 적절히 이용하거나 대응하기 위해서는 한 생태계와 주변 환경 전체를 바라볼 수 있는 시스템 사고가 필요하다. 이에 우리는 생태계의 '구조'를 파악함으로써 생태계의 '상태'를 이해하고자 한다. 본 연구에서는 Ruddell and Kumar (2009)의 접근법을 따라, 어떻게 한 생태계의 상태를 파악할 수 있는가라는 질문을 광릉활엽수림에 적용하여 답하고자 한다. 즉, 우리는 산림생태계가 열린 복잡계라고 가정하고, 생태계 내에서 다양한 프로세스들 간의 시시각각 변하는 네트워크의 구조가 각 시점의 시스템의 상태를 나타내는 지표가 될 수 있다고 가정하였다. 이 연구에서는 그 구조적 특징을 정량화하여 나타내는데 초점을 맞추었다. 각각의 프로세스를 대표하는 상태 변수들 간의 정보 흐름의 양과 방향, 시간 규모를 계산해냄으로써 네트워크 구조를 파악하고자 하였다. 온대 산악지형 활엽수림인 GDK의 2008년 순생태계교환량(NEE), 총일차생산량(GPP), 생태계호흡량(RE), 현열플럭스(H), 잠열플럭스(LE), 하향단파복사(Rg), 강수량(Precipitation), 기압(Pressure), 기온(T), 포차(VPD)의 시계열 자료를 월별로 나누어 최장 18 시간 규모의 정보 흐름을 계산하였다. 정보 흐름의 구조를 파악하기 위하여 변수들 간의 전이엔트로피(Transfer entropy)와 상호정보(Mutual Information)를 계산하는 방법을 사용하였다. 또한 시계열 자료를 이용함으로써 변수들 간에 정보가 전달되는 시간 규모의 특성을 파악할 수 있었다. 최종적으로, 계산한 정보 흐름을 시각화하여 프로세스 네트워크 구조를 나타내었다. 결과는 월별로 생태계의 정보 흐름의 종류, 방향과 시간 규모, 그에 따른 프로세스 간 상호 작용의 특징 등을 보여준다. 이를 통해 계절적 환경 변화에 따라 시스템의 네트워크 구조와 상태가 어떻게 변화하는지 이해할 수 있을 것이다. 이 연구는 추후 우리 연구실에서 생산한 8 년 자료에 적용함으로써 다양한 날씨 및 기후변화와 환경 변화에 따라 생태계의 구조와 상태가 어떻게 변화하는지 연구하는 시작점이 될 것이다. 이 접근법은 단위나 차원에 무관하게 다양한 종류의 자료에 적용할 수 있는 반면에, 일관성 있게 정의된 시스템의 상태 및 그 상태를 구성하는 주요 하부 시스템들의 네트워크 상태를 이해하는데 이용될 수 있다. 본 연구는 비평형 열역학과 복잡계의 관점에서 바라 본 시스템 사고를 적용하려 하는 여러 연구 분야에 새로운 도전을 촉발할 좋은 선행연구가 될 것이라 기대된다.

• 한국기후변화학회지
• /
• 제4권1호
• /
• pp.41-49
• /
• 2013

기후변화를 유발하는 원인물질로는 주로 화석연료의 연소에 의해 발생하는 '온실가스'가 대표적이었으나, 최근 연구를 통해 블랙카본 또한 기후변화에 기여하는 것으로 알려지고 있다. 주로 숯가마, 화목난로, 폐기물 노천소각 등 생물성 물질의 불완전연소에 의해 발생하는 블랙카본은 눈과 얼음의 표면에 붙어 알베도를 감소시키고, 태양복사에너지 흡수율을 증가시켜 눈과 얼음이 녹는 속도를 가속화 한다. 그러나, 바이오매스 연소로 발생하는 블랙카본의 배출 특성은 아직 정확하게 밝혀진 바가 없다. 본 연구에서는 이러한 블랙카본의 배출 특성을 살펴보기 위하여 화목난로를 대상으로 연소실험을 진행하였다. 연소 실험 결과, 블랙카본은 연소 온도가 낮고, 연소용 공기 공급량이 적은 조건에서 더 많이 발생하는 것으로 나타났다. 또한, 블랙카본 배출계수는 벽난로에서 목재연료 A를 연소하였을 때가 1.01 g-BC/kg-Oak, 목재연료 B가 0.37 g-BC/kg-Oak, 목재연료 C가 0.29 g-BC/kg-Oak으로 산정되었고, 소형난로에서 목재연료 A를 연소하였을 때 0.25 g-BC/kg-Oak으로 산정되었다.

• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1273-1282
• /
• 2018

최근 북극항로와 온난화 등의 영향으로 인해 북극해에 대한 활발한 연구가 진행되고 있다. 기존에 수동 마이크로파 복사계를 이용하여 북극해 해빙의 정량적 면적을 산출하는 연구는 진행되어 왔으나, 보다 고해상도로 해빙의 가장자리에서 발생하는 융해 및 표면 거칠기 변화에 대한 연구는 잘 이루어지지 않았다. 또한, 최근 Sentinel1-A/B자료가 무료로 배포되고, 특히 북극해 영역에 대한 수많은 자료들이 짧은 기간 동안 생산 및 제공되고 있기에, 이러한 대용량 자료들을 모자익(mosaic)하여 북극해 전체에 대한 고해상도 해빙정보 이용이 가능하게 되었다. 그러나 Sentienl-1A/B의 광역관측(Extended Wide, EW)모드 자료를 효과적으로 사용하기 위해서는 보다 정확한 방사보정이 수행되어야 한다. 이를 위해 이중편파 Sentinel-1A/B 자료에 나타나는 thermal noise와 scalloping 효과를 자동적으로 보정할 수 있는 방사보정 기법을 개발하였으며, 나아가 방사보정 된 이중편파 SAR자료를 이용할 경우 해빙과 open-water를 보다 더 잘 구분할 수 있음을 확인하였다.

• 감성과학
• /
• 제24권2호
• /
• pp.81-92
• /
• 2021

본 연구의 목적은 해부학적 근거로 제작한 5가지의 EMS 요추 복압 벨트가 요추 안정화에 미치는 영향을 연구하는 것이다. 본 연구는 요방형근, 척추세움근, 내복사근, 외복사근, 대요근으로 총 5가지의 코어 근육을 선정하여 이에 맞는 근육 모양과 통증 유발점인 압통점을 고려해 전도성 원단으로 패턴을 설계하여 복압 벨트에 결합했다. 총 4가지 동작으로 실험을 진행하여 각각 다른 EMS복압 벨트가 요추 안정화에 미치는 영향을 알아보았다. 건강한 신체의 20대 남성 5명을 대상으로 진행하였고 선정 조건은 최근 3개월 동안 요통 과거력이 없고 사전 검사를 통해 제한되는 동작이 없고, 체간의 근력이 정상등급에 속한 대상이다. 실험 동작의 순서는 하지직거상 검사, 좌전굴, 체전굴, 배근력으로 다음 동작에 제한되지 않게 선정하였다. 동작 간의 휴식은 2분으로 진행하였고, EMS복압 벨트를 착용 후 실험을 진행할 때는 혈류량 증가와 근 활성화를 위해 전기자극을 10분씩 적용하고 진행하였다. 실험 결과의 통계는 비모수 검정으로 윌콕슨 검정과 프리드만 검정을 실시함으로 구체적인 차이를 분석하였다. 본 연구의 결과 5가지의 패턴 중 5,4,3,1,2 순으로 Type별 순위 결과를 확인할 수 있었으며 각 근육의 움직임과 연관성이 있는 실험 동작에 조금 더 유의미한 결과를 확인할 수 있었다. 본 연구의 결론은 해부학적 근거로 제작된 패턴으로 인해 각 근육에 각기 다른 모양으로 전기자극을 전달하였을 때 구분되는 효과를 확인할 수 있었으며 일반인 대상으로 일상생활이나 트레이닝에 있어 요추 안정화를 향상할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 한국축산시설환경학회지
• /
• 제10권3호
• /
• pp.141-154
• /
• 2004

자연에너지인 태양열을 동력원으로 하여 구동되는 물펌프는 물이 많이 필요한 여름철에 과 열원인 태양에너지가 강하므로 매우 이상적인 장치라 할 수 있다. 본 연구에서는 태양열 물펌프의 자동화운전을 실현하고자 작동물질의 압력변화를 감지하여 자동 운전되도록 하였으며, 이에 필요한 제어논리를 개발하고 회로론 구성하였다. 실험에서는 장치를 제작. 실험, 분석하였고 분석항목은 양수량과 효율, 압력, 온도를 분석하였다. 또한 자동화에 필수적인 응축기 진공을 위한 응축기의 최소 전열면적을 설계하였으며, 그 결과를 정리하면 다음과 같다. 1. 복사에너지를 동력으로 변환하여 물을 양수할 수 있었고, 자동화 제어회로에 의해 사이클을 반복할 수 있었다. 2 양수는 60분 동안에 13사이클을 수행하였으며, 사이클 당 소요시간은 약 4.9분이었다. 총 양수량은 69,200cc, 사이클 당 평균 5,320cc를 양수하였다. 이 과정동안 장치의 열효율은 $0.030\%$로 나타났다. 3. 실험과정에서 기액 분리탱크 내의 작동물질 증기의 온도는 물탱크로 증기를 배출하기 전후에 따라 약 $41\~49^{\circ}C$ 범위에 있었으며, 상당히 균일하게 변동하고 있었다. 물탱크와 공기탱크내의 온도는 약 $30^{\circ}C$ 정도 부근에서 유지되고 있었으며, 응축기 냉각수공급온도는 실험기간 중 $10\~13^{\circ}C$ 범위를 나타내었다. 응축기 출구온도는 $14\~17^{\circ}C$ 정도로서 응축기 냉각수의 입출구 온도차는 실험초기를 제외하면 약 $4^{\circ}C$ 전후로 나타났다 4. 기액 분리탱크 내의 압력은 자동화 프로그램 된 범위인 150$\~$450hPa(gauge)를 매우 정확하게 유지하였으며, 공기탱크내의 압력은 약 1200hPa로 나타났다. 응축기내의 압력은 약 600hPa로서 진공을 잘 유지함으로서 사이클을 반복하는데 문제가 없었다. 5. 한국의 전국 하루 평균 3.488kWh/($m^2{\cdot}day$)의 태양에너지를 기준으로 장치의 열효율이 $0.1\%$를 적용하고 전 양정을 10m로 보면 태양열복사 단위면적 $m^2$ 당 약 128kg의 물을 양수할 수 있을 것으로 예상된다.

• Journal of Nutrition and Health
• /
• 제43권2호
• /
• pp.197-206
• /
• 2010

본 논문에서는 영양분석 소프트웨어 인터페이스인 Nutri-API (Application Programming Interface)를 활용하여 영양표시를 위한 메뉴 라벨링 시스템을 개발하였다. 영양표시에 표시되는 각 항목들은 영양성분이 추가 또는 변경이 될 수 있도록 유연한 설계를 하였으며 본 메뉴 라벨링 시스템은 다양한 변경사항들을 사용자가 직접 수정 할 수 있도록 설계되었다. 또한, 식품단위의 정보제공뿐만 아니라, 음식 또는 식단의 영양표시 정보도 제공한다. 주요 내용을 요약 하면 다음과 같다. 식품 및 메뉴 검색 메뉴 라벨링 시스템의 식품 및 메뉴의 검색은 유의어 검색 기능과 의미 정보 및 분류 정보를 통한 검색 기능을 가지고 있으며 영양소를 검색할 수 있으며 영양소 함량 정보가 없는 경우에는 missing 표시 (-)을 하였다. 메뉴작성 및 식품관리 메뉴 라벨링 시스템은 기존 데이터베이스화된 기본 식품만을 사용하여 영양 표시에 사용하는 것뿐만 아니라, 식품의 조합인 메뉴를 포함하여 정보를 제공하였으며 Nutri-API의 NutriMenu 기능을 확장하여 메뉴 작성 기능과 추가 및 관리기능을 추가하였다. 메뉴 라벨링 시스템에서 제공되는 정보로는 메뉴설명, 메뉴이미지, 재료중량, 열량 등의 영양소, 3대 영양소비율과 원그래프 제공뿐만 아니라, 메뉴의 구성분류에 따른 영양소 정보도 제시하고 있다. 메뉴 라벨링을 위한 영양소 정보로는 농촌진흥청 모든 영양소를 포함하여 당류, 포화지방, 트랜스지방, 콜레스테롤 등이 있다. 그리고 메뉴의 영양섭취기준과 영양소기준치에 대한 비율 (%) 정보도 제공하며, 동시에 메뉴의 그리고 메뉴의 구성분류의 식품이나 중량 등을 입력/수정/변경 할 수 있다. 식품 추가 기능 본 시스템에서는 기본으로 제공되는 식품 정보 외에 시스템에서 제공하고 있지 않은 식품 또는 식품의 정보를 수정을 위해 식품 추가 기능을 제공하고 있으므로 새로운 식품을 추가하여 식품설명, 사진과 영양소 정보를 입력하여 저장할 수 있다. 기본 제공되는 식품과 구별하기 위해서 사용자 식품으로 별도 저장 및 관리한다. 메뉴 라벨링 정보 메뉴 라벨링 정보에서는 메뉴의 식품재료 중량뿐만 아니라 메뉴의 조리 후 중량, 1회 제공량 (portion size), 총 제공량 (total serving size) 등의 정보를 제공하도록 하였다. 메뉴 라벨링을 위해 추가된 식품 및 메뉴는 라벨링 항목에서 추가 및 수정이 가능하다. 메뉴 라벨링에서 추가 및 수정된 정보는 기본 메뉴 정보와는 별도로 저장 및 관리한다. 메뉴 라벨링 형식으로는 사용자는 표준형, 가로형, 선형, 쌍방형, 영양성분 전면표시형으로 출력할 수 있으며 식당의 메뉴판 영양표시형태도 출력할 수 있다. 메뉴 및 라벨링 관리 사용자가 작성한 메뉴 및 라벨링 정보의 지속적인 관리를 위해 별도의 관리기능을 제공하고 있어서 메뉴의 히스토리뿐만 아니라 이미 작성된 메뉴를 복사하여 새로운 메뉴를 작성하거나, 새로운 메뉴를 구성하는 기본 메뉴로 사용할 수 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2003년도 춘계공동학술대회논문집
• /
• pp.181-186
• /
• 2003

날씨와 지역에 관계없이 언제나 지구상의 위치를 파악할 수 있도록 하는 위성항법시스템은 해양분야에도 많은 응용기술과 시스템의 개발을 촉진하고 있으며 이러한 경향은 LBS(Location Based Service)라고 하는 기술분야로 응용분야가 확대되고 있다. 해양의 LBS는 아직 본격적인 개발이 이루어지고 있는 것은 아니지만, 이러한 시스템들은 일반적으로 지형정보를 사용하게 되는데, 해양의 기본 지형정보로는 전자해도 (ENC, Electronic Navigational Chart)를 사용하게 될 것이다. 그러나 앞에서 말한 시스템들과 전자해도는 그 규모에 있어 대형선과 고용량의 처리능력을 갖는 시스템에 사용되므로 어선이나 레저용 보트와 같은 소형선용 시스템에는 적합하지 않다. 이를 해결하기 위해 시스템의 소형화 및 사용 데이터의 소형화가 필요하며 근래 각광을 받고 있는 PDA, 웹패드와 같은 모바일 플랫폼 기반의 시스템이 그 대안이 될 수 있다. 본 논문에서는 이러한 배경으로 대두된 소형시스템에의 지형정보 사용, 특히 국가공인 데이터인 전자해도를 모바일 플랫폼에서 사용하기 위한 전자해도의 소형화 방안을 연구하였다. 전자해도는 그 구조와 내용에 많은 부가정보와 형식을 갖고 있다. 그러므로 소형시스템에 필요한 데이터의 내용과 형식의 측면을 고려하여 데이터를 소형화하기 위한 방안을 제시하였고, 또한 전자해도의 갱신을 수용할 수 있어야 한다는 점을 함께 고려하였다. 데이터의 소형화는 상당한 데이터 및 정보의 손실을 감수해야하는 경우가 많다. 본 논문을 통해 가능한 적은 데이터와 정보의 손실만으로 모바일 플랫폼기반의 시스템에 부담없이 사용 가능한 전자해도의 소형화 방안을 제시하여 향후 도출될 수많은 소형시스템 응용분야에 활용할 수 있을 것으로 기대한다.작용 등의 복잡한 물리적 과정을 포함하고 있다. 이러한 물리적 과정 중 난류연소, 고체연료 벽면 근방에서의 대류 열전달 및 연소과정에서 생성되는 soot 입자로부터의 복사 열전달, 그리고 고체연료 열 분해시 표면반응들은 고체연료의 regression율에 큰 영향을 미친다. 특히 고체연료의 난류화염면의 위치와 폭, 그리고 비 예혼합 난류화염장에서 생성되는 soot의 체적분율의 예측은 난류연소모델, 열전달 모델, 그리고 regression율 모델에 의해 크게 영향을 받기 때문에 수치모델의 예측 능력 향상시키기 위하여 이러한 물리적 과정을 정확히 모델링해야 할 필요가 있다. 특히 vortex hybrid rocket내의 난류연소과정은 아래와 같은 Laminar Flamelet Model에 의해 모델링 하였다. 상세 화학반응 과정을 고려한 혼합분율 공간에서의 화염편의 화학종 및 에너지 보존 방정식은 다음과 같다. 화염편 방정식과 혼합분률과 scalar dissipation rate의 관계식을 이용하여 혼합분률과 scalar dissipation rate에 따른 모든 reactive scalar들을 구하게 된다. 이러한 화염편 방정식들을 mixture fraction space에서 이산화시켜서 얻은 비선형 대수방정식은 TWOPNT(Grcar, 1992)로 계산돼 flamelet Library에 저장되게 된다. 저장된 laminar flamelet library를 이용하여 난류화염장의 열역학 상태량 평균치는 presumed PDF approach에 의해 구해진다. 본 연구에서는 강한 선회유동을 가지는 Hybrid Rocket 연소장내의 난류와 화학반응의 상호작용을 분석하기 위하여 Laminar Flamelet Model, 화학평형모델, 그리고 Eddy Dissipat

• 대한원격탐사학회지
• /
• 제14권1호
• /
• pp.53-68
• /
• 1998

대기중에 존재하는 수증기의 관측은 일기와 기후의 이해에 있어서 매우 중요한데, 기존의 관측체계로는 지구상의 극히 제한된 지역의 수증기 분포만을 관측할 수 있다. 이 연구에서는 일본 정지기상위성인 GMS-5의 적외 split window 채널 관측자료로부터 대기중에 함유되어 있는 수증기 총량 즉 가강수량(precipitable water)을 산출하였다. 가강수량 산출에는 라디오존데 관측 가강수량과 split window 관측자료 사이의 회귀분석에 기초한 Chesters et al.(1983)의 알고리즘을 사용하였 다. 가강수량 산출을 위하여 센서의 필터 함수와 관련된 수증기 흡수 파라미터는 우리 나라 고층 관측소인 오산, 광주,포항,제주에서 관측한 '76년 8월부터 11월가지의 4개월간 관측한 라디오존데 자료와 위성 관측자료의 회귀분석을 통하여 산출하였다. 한편 기상청 전구 스펙트랄 모델의 700 hPa온도를 1층 복사 모델의 대기 평균 온도로 사용하였다. 1996년 7월부터 12월까지의 기간에 대하여 산출한 GMS-5 가강수량 자료를 같은 기간 관측된 라디오존데 관측자료와 비교한 결과 0.46의 상관계수와 0.65 g/$cm^2$~1.09 g/$cm^2$의 RMS 오차를 나타내었다. GMS-5로부터 산출된 월평균 가강수량 분포는 계절에 따른 전지구 규모의 수증기 분포변화를 잘 나타내었다. 이번 연구에서 산출된 위성 가강수량은 0.5$^{\circ}$격자 간격으로 6시간마다 기상청에서 정규적으로 산출된다. 이 자료는 수치예보의 객관분석 초기 자료로 이용되어, 특히 청천 조건하에서의 습도 분석의 정확도 향상에 기여하며 기후 연구에 있어서도 현존하는 자료 세트에 대한 유용한 보완 자료가 될 것이다. 그러나 연구 결과의 실용화를 위하여는 좀더 높은 상관계수와 산출절차 등의 개선이 필요하다.용성을 고찰하였다.산마와 재배와 점질다당류가 각각 219~332$^{\circ}C$, 229~341$^{\circ}C$ 범위였다.TEX> 범위였다. 사면의 풍화와 침식에 대한 대책연구도 수행되어야 한다. 15ng/$\textrm{cm}^2$로서 90분간 조사로 27ng/$\textrm{cm}^2$량이 생성되었다. 7-DHC은 당초의 123ng/$\textrm{cm}^2$으로부터 계속 감소되어 150분간 조사시 53ng/$\textrm{cm}^2$량까지 내려갔다.하였으며, 그 외의 항목간에는 대동소이하였다.ckarti 와 E. serrulatus가 스파르가눔의 중간숙주가 될 수 있음을 확인하였다. 충란의 배양에서부터 종숙주의 충란 배출까지 약 2개월 정도의 기간이 소요되었고, 우리 나라 자연환경에서는 5일에서 7월에 주로 이 충체의 유충이 발육되고 전파되는 것으로 추측되었다.러 가지 방법들을 적극 적용하여 금후 검토해볼 필요가 있을 것이다.잡은 전혀 삭과가 형성되지 않았다. 이 결과는 종간 교잡종을 자방친으로 하고 그 자방친의 화분친을 사용할 때만 교잡이 이루어지고 있음을 나타내고 있다. 따라서 여교잡을 통한 종간잡종 품종육성 활용방안을 금후 적극 확대 검토해야 할 것이다하였다.함을 보이고 있다.X> , ZnCl$_{3}$$^{-}$같은 이온과 MgCl$^{+}$, MgCl$_{2}$같은 이온종을 형성하기 때문인것 같다. 한편 어떠한 용리액에서던지 NH$_{4}$$^{+}$의 경우 Dv값이 제일 작았다. 바. 본 연구의 목적중의 하나인 인체유해 중금속이온인 Hg(II), Cd(II)등이 NaCl같은 염화물이 함유된 시료용액에

• 한국농림기상학회지
• /
• 제21권1호
• /
• pp.29-41
• /
• 2019

산림생태계에서 총일차생산성(Gross Primary Production, GPP)은 기후변화에 따른 산림의 생산성과 그에 영향을 미치는 식물계절, 건강성, 탄소 순환 등을 대표하는 지표이다. 총일차생산성을 추정하기 위해서는 에디공분산 타워 자료나 위성영상관측자료를 이용하기도 하고 물리지형적 한계나 기후변화 등을 고려하기 위해 기작기반모델링을 활용하기도 한다. 그러나 총일차생산성을 포함한 산림 탄소 순환의 기작기반 모델링은 식물의 생물, 생리, 화학적 기작들의 반응과 지형, 기후 및 시간 등과 같은 환경 조건들이 복잡하게 얽혀 있어 비선형적이고 유연성이 떨어져 반응에 영향을 주는 조건들을 모두 적용하기가 어렵다. 본 연구에서는 산림 생산성 추정 모델을 에디공분산 자료와 인공위성영상 정보를 사용하여 기계학습 알고리즘을 사용한 모델들로 구축해 보고 그 사용 및 확장 가능성을 검토해 보고자 하였다. 설명변수들로는 에디공분산자료와 인공위성자료에서 나온 대기기상인자들을 사용하였고 검증자료로 에디공분산 타워에서 관측된 총일차생산성을 사용하였다. 산림생산성 추정 모델은 1) 에디공분산 관측 기온($T_{air}$), 태양복사($R_d$), 상대습도(RH), 강수(PPT), 증발산(ET) 자료, 2) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD 자료(개량식생지수 제외), 3) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD, 개량식생지수(EVI) 자료를 사용하는 세 가지 경우로 나누어 구축하여 2006 - 2013년 자료로 훈련시키고 2014, 2015년 자료로 검증하였다. 기계학습 알고리즘은 support vector machine (SVM), random forest (RF), artificial neural network (ANN)를 사용하였고 단순 비교를 위해 고전적 방법인 multiple linear regression model (LM)을 사용하였다. 그 결과, 에디공분산 입력자료로 훈련시킨 모델의 예측력은 피어슨 상관계수 0.89 - 0.92 (MSE = 1.24 - 1.62), MODIS 입력자료로 훈련시킨 모델의 예측력은 개량식생지수 제외된 모델은 0.82 - 0.86 (MSE = 1.99 - 2.45), 개량식생지수가 포함된 모델은 0.92 - 0.93(MSE = 1.00 - 1.24)을 보였다. 이러한 결과는 산림총일차생산성 추정 모델 구축에 있어 MODIS인공위성 영상 정보 기반으로 기계학습 알고리즘을 사용하는 것에 대한 높은 활용가능성을 보여주었다.