• 한국응용곤충학회지
• /
• 제56권1호
• /
• pp.1-18
• /
• 2017

곤충의 온도발육모형은 해충의 발생예찰모형을 비롯한 개체군모형에서 기본이 되는 요소이다. 본고에서는 곤충의 온도의존적 비선형 발육모형에 대하여 고찰하였다. 모형의 종류를 크게 경험모형과 생물리적 모형으로 구분하였으며, 수식의 유사성 내지 기원에 대한 유연관계에 따라 세분하였다. 발육률 곡선의 형태적 묘사에 적합한 수식을 적용하는 경험모형은 Stinner-계열, Logan-계열, 수행모형, 그리고 베타 분포모형으로 세분화하여 고찰하였다. 촉매반응을 바탕으로 하고 있는 생물리적 모형은 Eyring-모형, SM-모형, SS-모형, SSI-모형으로 이어지는 단계통으로 분류하였다. 본 연구에 포함된 각 모형의 개발과정과 형태적합 특성에 대하여 기술하였다.

• 한국제4기학회지
• /
• 제23권1호
• /
• pp.42-53
• /
• 2009

최근 급격한 온실가스 증가에 기인하여 대기와 해양 그리고 빙권의 변화가 나타나고 또한 기온과 수분의 함량 변화에 따라서 지표 환경도 서서히 변하기 시작하는 것으로 보고되고 있다. 지표환경의 반응은 생지화학적 반응과 생물리학적 반응으로 구분 할 수 있는데, 생지화학적 반응은 기후변화에 따른 광합성이나 이와 유사한 지표환경의 변화 그리고 이에 따른 화학적인 피드백을 지칭하며 이는 대기의 온실가스 농도를 변화 시키는 역할을 한다. 생물리학적 반응은 기후변화에 따라 식생의 분포가 변하게 되고 이에 따른 태양에너지의 입사율 변화 등과 같은 물리적 반응을 나타낸다. 과거 기후변화역사에도 식생의 변화가 기후변화에 미치는 영향이 매우 컸던 경우가 있었고, 앞으로의 기후변화는 거대하고 급격하게 일어날 것으로 예측되기 때문에, 미래 기후변화의 정확한 예측을 위해서는 지표환경변화의 물리 화학적 변화를 이해하고 예측 모형에 정확히 포함시킬 필요가 있다.

• 한국자원식물학회:학술대회논문집
• /
• 한국자원식물학회 2023년도 임시총회 및 춘계학술대회
• /
• pp.28-28
• /
• 2023

Archidium ohioense Schimp. ex Müll. Hal.는 국내 자생 정보가 부족했던 종으로 본 연구를 통해 경기도 연천군 전곡읍 간파리 감악산에서 신분포지를 확인하였다. A. ohioense가 속하는 Archidium Brid. (Archidiaceae)는 극지방을 제외한 아열대지역에서 온대지역까지 분포하며, 총 36종이 생육하는 것으로 알려져 있고, 최근 anti-inflammatory와 antisickling potentials에 관한 효능 연구가 수행되고 있다. A. ohioense의 잎은 난상피침형~삼각상피침형으로 잎가장자리는 밋밋하나 잎끝에 미세한 치돌기가 있다. 잎맥은 굵고 1개이며 잎끝까지 또는 짧게 돌출되어 있다. 중앙세포는 마름모형, 긴 선형의 마름모형이고, 익부세포는 마름모형에서 직사각형이다. 추후 분자생물학적인 연구 및 생태학적인 연구가 추가된다면 안정적인 자원화에 기여할 수 있을 것이라 사료된다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1037-1051
• /
• 2021

주요한 수질지표 중의 하나인 생물화학적 산소요구량(BOD) 농도는 호소와 하천에서 생태학적 측면에서 관측항목으로 취급하고 있다. 본 연구에서는 대한민국의 도산 및 황지지점에서 BOD 농도예측을 위하여 새로운 이단계 하이브리드 패러다임(웨이블릿 기반 게이트 순환 유닛, 웨이블릿 기반 일반화된 회귀신경망, 그리고 웨이블릿 기반 랜덤 포레스트) 을 활용하였다. 이러한 모형들은 각 대응하는 독립모형들(게이트 순환 유닛, 일반화된 회귀신경망, 그리고 랜덤 포레스트) 과 함께 평가되었다. 다양한 수질 및 수량지표들이 여러 개의 입력조합(분류1-5) 을 기본으로 하여 독립 및 이단계 하이브리드 모형을 개발하기 위하여 구현되었다. 언급한 모형들은 root mean squared error (RMSE), Nash-Sutcliffe efficiency (NSE), 그리고 correlation coefficient (CC) 를 포함한 세 개의 통계지표로서 평가되었으며, 통계결과치를 분석하면 이단계 하이브리드 모형들이 항상 대응하는 독립모형들의 예측 정도를 개선하지 않은 것으로 나타났다. 대한민국의 도산관측소에서는 DWT-RF5 (RMSE = 0.108 mg/L) 모형이 다른 최적모형과 비교하여 BOD 농도의 더 정확한 예측을 나타내었으며, 황지관측소에서는 DWT-GRNN4 (RMSE = 0.132 mg/L) 모형이 BOD 농도를 예측하는 최고의 모형이다.

• 한국농림기상학회지
• /
• 제12권2호
• /
• pp.107-121
• /
• 2010

본 연구에서는 한반도의 주요 생태계인 활엽수림과 농경지에서 지면 모형 JULES(Joint UK Land Environment Simulator)으로 모의한 총일차생산량 (Gross Primary Productivity: GPP)과 생태계 호흡량 (ecosystem respiration: RE)의 수치 모사 결과에 영향을 미치는 주요 모수를 파악하였으며, 민감한 모수에 대해 실측자료를 사용함에 따른 모형 예측력의 개선 정도를 평가하였다. 민감도 실험의 결과, 활엽수림과 농경지에서 모두 JULES로 모의한 GPP는 잎 내부의 질소농도와 리불로오스이인산(RuBP) 카르복실화의 최대 속도에 가장 민감하였다. RE는 활엽수림에서는 목질부 탄소량과 엽면적지수를 연결시켜주는 상수에 가장 민감하였다. 반면에 농경지에서 수치모사된 RE는 GPP와 같이 각각 잎 내부의 질소 농도와 RuBP 카르복실화의 최대 속도에 가장 민감하였다. JULES로부터 제공된 모수의 값으로 모의된 두 지역의 GPP와 RE는 모두 관측값에 비해 과대평가되었다. 특히 활엽수림에서 GPP가 가장 민감하게 반응했던 잎 질소 농도의 실제 관측값이 모형에서 사용하는 기존 설정값의 50% 이하임을 고려할 때 모형에서 설정된 모수의 값으로 탄소 순환을 수치 모사할 경우에 모수의 기존 설정값과 실제값의 차이가 모형의 과다모의에 상당한 영향을 미침을 확인할 수 있었다. 따라서 한반도 탄소순환의 현실적인 모의를 위해서는 모형에서 요구되는 생물리학적 정보가 한반도 다양한 식생 기능 형태를 현실적으로 잘 반영하는지를 확인해야 할 뿐 아니라 지속적인 현장 관측을 통해서 생물리학적 정보와 관련된 자료기반을 마련하는 것이 중요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.353-353
• /
• 2022

본 연구에서는 CMIP5(The fifth phase of the Couple Model Intercomparison Project) 미래기후시나리오와 LSTM(Long Short-Term Memory) 모형 기반의 딥러닝 기법을 이용하여 하천유량 예측을 위한 최적 학습 기간을 제시하였다. 연구지역으로는 진안군(성산리) 지점을 선정하였다. 보정(2000~2002/2014~2015) 및 검증(2003~2005/2016~2017) 기간을 설정하여 연구지역의 실측 유량 자료와 LSTM 기반 모의유량을 비교한 결과, 전체적으로 모의값이 실측값을 잘 반영하는 것으로 나타났다. 또한, LSTM 모형의 장기간 예측 성능을 평가하기 위하여 LSTM 모형 기반 유량을 보정(2000~2015) 및 검증(2016~2019) 기간의 SWAT 기반 유량에 비교하였다. 비록 모의결과에일부 오차가 발생하였으나, LSTM 모형이 장기간의 하천유량을 잘 산정하는 것으로 나타났다. 검증 결과를 기반으로 2011년~2100년의 CMIP5 미래기후시나리오 기상자료를 이용하여 SWAT 기반 유량을 모의하였으며, 모의한 하천유량을 LSTM 모형의 학습자료로 사용하였다. 다양한 학습 시나리오을 적용하여 LSTM 및 SWAT 모형 기반의 하천유량을 모의하였으며, 최적 학습 기간을 제시하기 위하여 학습 시나리오별 LSTM/SWAT 기반 하천유량의 상관성 및 불확실성을 비교하였다. 비교 결과 학습 기간이 최소 30년 이상일때, 실측유량과 비교하여 LSTM 모형 기반 하천유량의 불확실성이 낮은 것으로 나타났다. 따라서 CMIP5 미래기후시나리오와 딥러닝 기반 LSTM 모형을 연계하여 미래 장기간의 일별 유량을 모의할 경우, 신뢰성 있는 LSTM 모형 기반 하천유량을 모의하기 위해서는 최소 30년 이상의 학습 기간이 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.721-732
• /
• 2017

벼 등 식량작물 작황 추정의 경제, 산업적 중요성이 증가함에 따라 생물리 모형과 원격탐사 기반의 위성자료를 활용한 작황 추정 연구가 활발히 진행되고 있다. 이 연구에서는 위성 기반의 전천후 기상 입력자료(i.e. 기온, 대기 수증기압 포차, 일사량)와 빛 이용효율 모형을 이용한 생물리적 작물 성장 알고리즘을 벼에 적용하여 벼의 수확량을 수확 시기 보다 이르게(9월 중순 경) 추정하는 것을 목적으로 하였다. 2003년부터 2014년까지 12년간 경상권을 제외한 국내의 군 단위 행정구역별 벼 수확량을 추정하고, 이를 통계청에서 제공하는 현미 생산량 통계와 비교, 평가하였다. 벼 건중량, 수확지수 그리고 수확량 추정 결과는 각각 지도로 작성하여 공간적 분포 양상을 분석하였다. 연도별 전국 평균 추정 건중량은 평균오차(ME)가 0.56%, 평균절대오차(MAE)가 5.73%로 유의미한 결과를 보였다. 연도별 군 단위 건중량은 ME가 0.10%에서 2.00%, MAE가 2.10에서 11.62%의 범위를 보였다. 추정된 건중량은 강원지역에서 상대적으로 과대 모의하고, 충청 이남의 도심과 서해 인근지역에서 과소 모의하는 경향을 보였다. 건중량과 유관한 통계청 자료(i.e. 볏짚 생산량)와는 상반된 변동 양상을 보였는데, 이는 입력자료의 해상도(1 km)로 인한 픽셀 내 토지피복 이질성으로 인한 오차로 사료된다. 또한 생육기간 이후 수확시기의 생육상황을 고려하지 못하는 점을 향후 연구에서 개선할 필요가 있다.

• 생물환경조절학회지
• /
• 제30권4호
• /
• pp.393-400
• /
• 2021

가축의 체중은 사료 요구량과 영양 상태를 평가하는 데 필요한 주요 지표에 해당한다. 본 연구는 한우의 3-D 영상으로부터 몸통 체적을 산출한 후 체중을 추정하고자 시도되었다. 한우의 3-D 영상 획득에 640×480 픽셀의 해상도, 44fps의 프레임속도 및 47°(H)×37°(V)의 화각을 갖는 TOF 카메라가 사용되었다. 획득된 3-D 영상에서 배경과 몸통 분리, 이상치 제거 등의 전처리 과정을 거쳐서 몸통에 대한 격자 영상을 얻었다. 또한 각각의 격자에 깊이 정보를 적용한 수치적분으로 몸통 체적을 결정하였다. Calibration dataset에서 체중과 몸통체적의 선형회귀에 대한 결정계수는 0.8725로 나타났다. 한편 몸통 체적에 월령을 설명 변수로 추가한 체중 추정의 중회귀 모형에서 결정계수는 0.9083으로 나타났다. Validation dataset에서 중회귀 모형을 이용한 체중 추정의 MAPE와 RMSE는 각각 8.2%, 24.5kg으로 나타났다. 결과적으로 체중 추정을 위한 회귀 모형의 성능이 개선되고, 체중 추정에 소요되는 노력이 절감됨을 고려한다면 3-D 영상에서 결정된 몸통 체적이 한우의 체중 추정에 유효한 변수로 사용될 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.128-132
• /
• 2012

물은 생물의 생존을 위해 필수적인 요소로 인류가 시작된 이래로 물을 효율적으로 이용하고 안전하게 관리하기 위한 노력은 계속되어 왔다. 최근 지구 온난화가 주요 원인으로 알려진 국지성 집중호우의 피해는 매우 심각하며, 이로 인해 치수에 대한 중요성은 날로 커지고 있다. 지금까지 사용해 왔던 홍수 예 경보 과정은 특정 지점의 유출량을 예측하기 위해서 강우-유출 모형을 운영하였다. 그러나 물리적 모형의 경우 운영에 필요한 매개변수의 결정과정이 복잡하고, 매개변수 결정을 위해 많은 자료를 필요로 한다. 또한 그 매개변수의 결정과정은 많은 불확실성을 포함하고 있어서 모형의 운영을 위한 전처리과정과 계산과정을 거치는 동안 발생한 오차가 누적되어 결과물 속에는 많은 오차가 포함되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키고 더 우수한 유출량 예측을 위해 neuro-fuzzy 추론 기법을 이용한 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하여 하천수위를 예측하였다. ANFIS는 신경회로망과 퍼지이론을 결합한 기법으로 신경회로망의 구조와 학습 능력을 이용하여 제어환경에서 획득한 입 출력 정보로부터 언어변수의 membership 함수와 제어규칙을 제어 대상에 적합하도록 자동으로 조종하는 기법이다. 본 연구에서는 ANFIS를 사용하여 탄천 하류에 위치한 대곡교의 수위를 예측하였다. 분석을 위해 2007년부터 2011년까지의 탄천 유역의 관측 강우자료와 수위 자료 중 강우강도와 지속시간, 강우 형태에 따라 7개의 강우사상을 선정하였다. 학습자료 및 보정자료의 변화에 따른 예측 오차를 비교하여 모형의 적용성과 적정성을 평가하였다. 적용결과 입력자료 구성의 경우 해당 시간의 강우량 및 수위자료와 10분 전 강우자료를 이용한 모델이 가장 우수한 예측을 보였고, 학습자료의 경우 자료의 길이가 길고, 최대홍수량이 큰 경우 가장 우수한 예측 결과를 보였다. 본 연구의 적용결과 가장 우수한 모형의 경우 30분 예측 첨두수위 오차는 0.32%, RMSE는 0.05m 이고 예측시간이 길어짐에 따라 오차가 비선형적으로 증가하는 경향을 보였다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.741-750
• /
• 2017

본 연구는 대표적인 곡물 생산, 수출국인 미국의 일리노이주와 아이오와주에 대하여 카운티별 MODIS 위성영상 식생지수 및 기상자료를 활용하여 수량을 추정할 수 있는 다중회귀 모형을 구축하고 그 결과를 평가하였다. 2002년부터 2012년까지의 MODIS 위성영상 식생지수 및 기상자료로 옥수수와 콩 수량 추정 모형을 구축하고 2013년 수량을 추정한 결과, 일리노이, 아이오와 2개주에 대하여 약 1~16% 내외의 오차 결과를 얻었다. 모형의 수량 추정 정확도 향상을 위해 추후에는 지대 구분 및 다양한 지표면 생물리 모수를 함께 활용하여 수량 추정 모형의 성과를 높여나가야 할 것으로 판단된다.