• 한국작물학회지
• /
• 제3권
• /
• pp.41-48
• /
• 1965

수도출수기의 년차간변이정도를 알고 아울러 출수기의 조기예측방법을 연구검토코자 1959년부터 1964년까지 6개년간에 걸쳐 관산외 5개품종을 공시하여 작물시험장 답작과(수원)에서 실시한 조기ㆍ보통기 및 만기 재배시험성적과 1953년부터 1964년까지 12갠년간에 걸쳐 각도에서 실시한 수도풍흉고조시험성적으로부터 품종별로 매년의 출수기를 조사정리하고, 아울러 당해연도 해지방의 기상통계를 조사정리하여 출수기의 변이와 기상요인과의 관계를 연구검토하여 출수기의 조기예측방법을 모색코자 시도한 것으로서 그 결과는 다음과 같다. 1. 수도출수기의 년차간변이 : 이것은 조기재배에 있어서는 14∼21일로서 대단히 크며, 보통기재배에서는 7∼14일 정도이고, 만기재배에 있어서는 1∼7일 정도로서 어느 재배시기보다 적으며, 그정도는 품종ㆍ재배시기 및 지역 등에 따라 차이기 있다. 2. 수도출수기의 조기예측 : 조기재배에 있어서는 공시전품종 파종후 31일부터 40일간의 적산온도와 출수일수간에 가장 높은 부의 상관을 가지고 있으며, 따라서 이 기간의 적산온도 및 회귀 직선식(Y=a+bX)의 산출에 의하여 실용적출수기를 조기에 예측할 수 있다고 생각된다. 그러나 만생종에 대하여 앞으로 더욱 검토하여야 할 것이다. 보통기재배에 있어서는 수원에서의 6개년간 성적에 의하면 적산온도와 출수일수간에 유의적상관을 인정할 수 없었고, 각도에서의 12개년간의 결과에 의하면 파종후 70일간의 적산온도와 출수일수간에 품종에 따라서는 유의적인 상관이 있는 것과 없는 것이 있으며, 지역저긴 차이는 인정할 수 없었다. 등은 조파의 경우에 높은 수량을 보이는 품종들이었다. 4. 품종별 수량이 파종기에 따라서 변동하는 경향을 보면 Table 4와 같이 대체로 조생종에 있어서는 파종기 연장에 따라 수량 감소의 정도가 낮고 도리어 조파보다 만파의 경우에 좋은 성적을 나타 내었으나 중생종, 만생종일수록 파종기 연장에 의한 수량 감소의 정도가 높았다. 옥면과 같은 극만생종 품종은 조반의 경우라도 상해 등으로 본실험지의 기후조건 하에서는 경제적 재배가 곤란하다고 믿는다. 따라서 조생종에 있어서는 5월 이후의 만파의 경우에, 중, 만생종에 있어서는 4월보다 도리어 5월 파종의 경우에 좋은 성적을 나타내는 경향이 있으나 품종별 파종 최적기 등의 결정문제는 앞으로 해결되어야 할 한 과제가 될 수 있을 것이라 하겠다.의 일수가 길면 신고비가 높았다. 있다. 인텔리전스(intelligence)에 따라 분류했을 경우, 모던, 엘레강스, 클래식, 소피스티케이트 등은 엘리트적 성향으로 캐주얼, 내추럴은 대중적 성향으로 분류된다. cluster에서 구현하였다. 그 결과 특정 노드의 성능이 다른 것에 비해 현저하게 떨어질 때 전체적인 알고리즘의 수렴 속도가 떨어지는 것을 상당히 완화할 수 있음이 밝혀졌다., 2001).의 특징이라 할 수 있겠다. 대한 자부심과 국제 사회에서 차별화 할 수 있는 한국 복식 디자인에 독창성과 창조성을 표현하는 중요한 영역임을 인식할 수 있었다.와 보호인자를 재확인할 필요가 있다고 보며 본 연구의 결과는 지역민의 대장직장암 예방을 위한 영양교육 자료로서 활용될 수 있다고 본다. 관여도에 영향을

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.275-290
• /
• 2021

대기 중의 이산화황(SO2)은 주로 인위적 배출원에 의해 발생하며 화학 반응을 통해 (초)미세먼지를 형성하여 직간접적으로 주변 환경 및 인체 건강에 해로운 영향을 주는 물질이다. 특히 지상에서의 농도는 인간 활동과 밀접한 관련이 있어 모니터링의 필요성이 매우 크다. 따라서, 본 연구에서는 TROPOMI SO2 연직 컬럼 농도 산출물 및 타 위성 산물과 모델 산출물 등을 융합 활용하여 기계학습 기법에 적용하여 SO2 지상 농도 추정모델을 개발하였다. 기계학습 기법으로는 널리 활용되고 있는 RF(Random Forest)에 잔차 보정 과정을 결합한 2-step 잔차 보정 RF를 적용하였다. 개발된 모델은 무작위, 공간 및 시간별 10-fold 교차 검증을 통하여 검증하였으며, 기울기(slope) 값이 1.14-1.25, 상관계수(R) 값이 0.55-0.65, rRMSE 값이 약 58-63% 정도로 나타났다. 이는 잔차 보정이 적용되지 않은 기존의 RF 대비 slope의 경우 약 10%, R과 rRMSE의 경우 약 3% 가량 향상된 결과를 보인다. 국가별로 나누어 분석하였을 때에는 샘플 수가 적고 SO2의 전반적인 농도가 낮은 일본 지역에서의 공간별 10-fold 교차검증 성능이 소폭 감소하는 것으로 나타났다. SO2 지상농도 분포를 계절별로 표출하였을 때, 일본의 경우 다른 지역 대비 연중 저농도가 관찰되며 높은 결측 값 비율로 인하여 관측소 농도 대비 2-step 잔차 보정 RF 모델에서 과대 모의하는 경향이 관찰되었다. 대표적 고농도 발생지인 중국의 YRD(Yangtze River Delta) 와 한국의 SMA(Seoul Metropolitan Area)의 계절적 분포 변화를 추가적으로 분석하였을 때, 연료 연소로 인한 겨울철 농도 증가 패턴이 나타났다. 이는 인위적 배출원의 영향을 크게 받는 SO2의 시공간적인 분포 특성을 잘 반영하고 있는 결과이다. 따라서, 본 연구를 통하여 제안한 모델은 장기적으로 SO2 지상 농도의 시공간적 분포를 파악하는 데에 활용될 수 있을 것으로 기대된다.

• 한국방재안전학회논문집
• /
• 제15권1호
• /
• pp.1-12
• /
• 2022

수문모형의 최적 매개변수를 추정하기 위해서 자동최적화기법이 자주 이용되며, 이러한 최적화기법은 관측값과 모의값의 오차를 최소로 하기 위해 목적함수를 필요로 한다. 다만, 다양한 목적함수 선택에 따라 각기 다른 수문응답 결과를 제공할 수 있다. 본 연구에서는 국내·외에서 사용되는 다양한 목적함수를 활용하여 단기 강우-유출 수문모형의 매개변수를 추정하고, 목적함수에 따른 수문곡선의 재현성을 평가하고, 적정 목적함수를 제시하고자 하였다. 강우-유출 모형으로는 현행 홍수예보에서 유역 유출모의에 활용되고 있는 집중형 수문모형인 저류함수모형을 선택하였으며, 모형의 5개 매개변수에 대해서 전역최적화기법인 SCE-UA를 적용하여 모형의 최적매개변수를 추정하였다. 목적함수별 수문곡선의 재현성 평가를 위해 용담댐 상류유역인 천천유역을 대상으로 9개의 강우사상을 추출하였으며, 7개의 목적함수를 선택하여 개별 강우사상별로 저류함수모형의 매개변수를 추정하고, 이를 활용한 모의 수문곡선의 재현성을 비교·분석하였다. 분석결과, 목적함수에 오차제곱을 포함하고 있는 RMSE, NSE, RSR이 Event 7을 제외한 모든 강우사상에 대해 가장 높은 정확도를 나타냈으며, 관측유량과 모의유량의 오차만을 반영한 ABIAS의 경우, 정확도가 가장 낮은 것으로 분석되었다. 또한, 관측유량 대비 오차 항을 포함하고 있는 PBIAS 및 VE의 경우 역시, 상기 3개(RMSE, NSE, RSR)의 결과와 유사하게 비교적 안정적인 수문곡선 재현성을 보여주었다. 다만, 고유량과 저유량을 동시에 고려하여 이에 민감한 매개변수를 조정하도록 개발된 MIA의 경우, 수문곡선 재현성 성능이 매우 낮은 것으로 나타났다.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.384-392
• /
• 2022

본 연구는 RGB, 초분광 센서를 이용하여 시기별 사과 잎의 엽록소와 질소 함량을 예측하여 사과 나무 잎의 질소 영양을 진단하기 위해 수행되었다. 분광 데이터는 사과나무 '홍로/M.9' 2년생을 대상으로 고해상도 RGB와 초분광 센서로 촬영 후 영상처리를 통해 취득하였다. 식물체 데이터는 촬영이 끝난직후 엽록소와 잎 질소 함량을 측정하였다. 엽록소 측정기의 SPAD meter, RGB 센서의 개별 파장, 컬러 식생지수 및 초분광 센서의 214개의 파장과 식물체 데이터를 이용하여 회귀분석을 실시하였다. 엽록소와 잎 질소 함량 데이터는 시기와 상관없이 질소 시비량에 따라 통계적으로 유의한 차이가 나타났다. 잎은 시기가 지나면서 잎에 있던 영양분이 과실로 전이되어 색이 옅어졌으며 RGB센서의 경우 Red파장에서 시기와 상관없이 통계적으로 유의한 차이가 나타났다. 초분광 센서의 경우 두 시기 모두 질소 시비 수준에 따라 가시광 영역보다 비가시광 영역에서 차이가 크게 나타났다. 반사값를 이용하여 식물체 특성의 예측 모델 결과 엽록소, 잎 질소함량 모두 초분광 데이터를 이용한 부분최소제곱회귀분석을 이용하였을 때 성능이 가장 높게 나타났다(chlorophyll: 81% / 63%, leaf nitrogen content: 81% / 67%). 이러한 원인은 RGB 센서에 비해 초분광 센서는 좁은 FWHM과 400-1,000nm의 넓은 파장 범위를 가지고 있어 질소 결핍에 의한 스트레스로 인해 작물의 분광학적 해석이 가능했을 것으로 판단된다. 추후 분광학적 특성을 이용하여 전 생육 시기의 수체 생리, 생태 모델 개발 및 검증 그리고 병해충 진단 등 연구를 통해 고품질, 안정적인 과실 생산 기술 개발에 기여될 것으로 사료된다.

• 지식경영연구
• /
• 제24권1호
• /
• pp.245-271
• /
• 2023

최근 데이터 경제가 가속화되면서 경영학 분야에서는 데이터 매칭이라는 새로운 기법이 주목받고 있다. 데이터 매칭은 모집단이 같지만 서로 다른 표본에서 수집된 데이터셋을 합치는 기법 또는 처리 과정을 의미한다. 그중에서 통계적 매칭은 서로 다른 데이터를 결합하는데 있어서 사업자 번호와 같이 기준이 되는 변수가 없는 경우 통계적 함수를 활용하여 데이터를 매칭하는 방법이다. 선행연구 검토결과 경제학, 교육학, 보건, 의료 등 다양한 분야에서 통계적 매칭이 많이 사용되고 있는데 반해 경영학 분야는 제한적임을 확인할 수 있었다. 본 연구는 기존 경영학 분야에서 충분히 연구되지 않았던 통계적 매칭의 유용성을 검증하고 활용도를 높이는 방안을 연구하고자 한다. 연구목적을 달성하기 위해 본 연구에서는 2020 벤처기업정밀실태조사와 2020 한국기업혁신조사 자료를 활용하여 통계적 매칭 시뮬레이션을 수행하였다. 먼저, 선행연구를 바탕으로 통계적 매칭에 사용되는 변수를 선정하였다. 공통변수는 업종, 종업원수, 지역, 업력, 상장시장, 매출로 설정하였고, 검증을 위한 고유변수와 제공변수는 중소기업 혁신에서 가장 중요한 연구인력 비율과 R&D 비용으로 각각 설정하였다. 사전 검증을 위해 2020 벤처기업정밀실태조사 자료를 수여자 데이터 30%와 기여자 데이터 70%로 분할하였다. 통계적 매칭에는 마할라노비스 거리와 랜덤 핫덱을 결합한 방식을 사용하였고, 성능평가는 수여자 데이터와 원시 데이터의 평균값 비교와 커널 밀도 함수(Kernel Density Estimation)를 통해 데이터 분포를 비교하였다. 검증결과, 수여자 데이터 30%와 기여자 데이터 70%에서 추출된 매칭 데이터의 평균값이 통계적으로 유의한 차이가 없는 것으로 나타나 유사한 데이터가 매칭된다는 것을 확인하였다. 또한, 두 데이터의 커널 밀도 함수로 도출한 데이터 분포 역시 유사한 형태가 나타나는 것을 확인할 수 있었다. 사후 검증에는 2020 벤처기업정밀실태조사에서 임의로 30%를 수여자 데이터로 추출하고 2020 한국기업혁신조사 자료를 기여자 데이터로 설정하여 통계적 매칭을 수행하고 검증하였다. 사전 검증과 마찬가지로 공통변수는 업종, 종업원수, 지역, 업력, 상장시장, 매출로 설정하였고, 검증을 위한 고유변수는 연구 인력 비율과 R&D 비용으로 정의하였다. 분석 결과, 수여자 데이터의 연구인력 비율의 평균과 기여자 데이터의 평균은 예상과 다르게 통계적으로 차이가 있는 것으로 나타났다. 하지만 커널 밀도 함수에 따른 두 데이터의 분포는 유사한 형태를 보이는 것으로 조사되어 통계적 매칭의 적절성을 확인할 수 있었다. R&D 비용은 통계적 매칭 수행 결과, 수여자 데이터의 R&D 비용 평균과 기여자 데이터의 평균이 통계적으로 차이가 없었고, 커널 밀도 함수도 유사한 분포를 보이는 것으로 조사되었다. 이러한 결과는 모집단은 동일하지만 서로 다른 표본에서 수집된 자료를 통계적으로 결합하여 신뢰할 수 있는 새로운 데이터를 확보할 수 있다는 측면에서 큰 의의가 있다. 또한, 경영학 분야에서 많이 사용되지 않았던 데이터 매칭 방법론을 모의실험을 통해 타당성을 검증함으로써 연구용 데이터 확보와 연구방법론의 확장에 기여했다는 점에서 시사점을 가진다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.933-948
• /
• 2023

대기 중 에어로졸은 인체에 악영향을 끼칠 뿐 아니라 기후 시스템에도 직간접적인 영향을 미치므로 에어로졸의 특성과 시공간적인 분포에 대한 이해는 매우 중요하다. 이를 위해 위성기반 관측을 통해 에어로졸 광학 두께(Aerosol Optical Depth, AOD)를 산출하여 에어로졸을 모니터링하는 다양한 연구가 수행되어 왔다. 하지만 이는 주로 조견표를 활용한 역 산출 알고리즘에 기반하여 이루어지기 때문에 많은 계산량을 요구하며 불확실성이 존재한다. 따라서, 본 연구에서는 Geostationary Ocean Color Imager-II (GOCI-II)의 대기상한반사도와 30일 동안의 대기상한반사도 중 최솟값과 관측 시점 값의 차이 값, 수치 모델 기반 기상학적 변수 등을 활용하여 기계학습 기반 고해상도 AOD 직접 산출 알고리즘을 개발하였다. Light Gradient Boosting Machine (LGBM) 기법이 사용되었으며, 추정된 결과는 지상 관측 자료인 Aerosol Robotic Network (AERONET) AOD를 활용하여 랜덤, 시간 및 공간별 N-fold 교차검증을 통해 검증되었다. 세 가지 교차검증 결과 R²=0.70-0.80, RMSE=0.08-0.09, 기대오차(Expected Error, EE) 안에 있는 비율은 75.2-85.1% 수준으로 안정적인 성능을 보였다. Shapley Additive exPlanations (SHAP) 분석에서는 반사도 관련 변수들이 기여도의 상위권 대부분을 차지하고 있는 것을 통해 반사도 자료가 AOD 추정에 많은 기여를 하는 것을 확인하였다. 서울과 울산 지역에 대한 시간 별 AOD의 공간 분포를 분석한 결과, 개발된 LGBM 모델은 시간의 흐름에 따라 AERONET AOD 값과 유사한 수준으로 AOD를 추정하고 있었다. 이를 통해 높은 시공간 해상도(i.e., 시간별, 250 m)에서의 AOD 산출이 가능함을 확인하였다. 또한, 산출 커버리지 비교에서 LGBM 모델의 평균 산출 빈도가 GOCI-II L2 AOD 산출물 대비 8.8%가량 증가한 것을 통해 기존 물리모델기반 AOD 산출 과정에서 발생하던 밝은 지표면에 대한 과도한 마스킹의 문제점을 개선시킨 것을 확인하였다.

• 생물환경조절학회지
• /
• 제5권2호
• /
• pp.215-235
• /
• 1996

본 연구에서 수행한 Model 시뮬레이션에 의한 열환경 분석 기법은 지역별로 다양한 기상여건 하에서 대상온실의 난방 및 냉방부하를 보다 합리적으로 예측할 수 있을 뿐만 아니라 냉방이나 난방용 시스템의 결정을 비롯한 난방대책을 수립하고, 에너지 이용 전략의 수립이나 계절적인 작부계획 수립, 온실산업용 적지선정 등에 유익하게 활용될 수 있을 것이라 판단된다. 본 연구에서는 온실의 적극적인 환경조절 유형을 난방과 냉방의 두 가지로 대별하고, 난방 소요열량 산정을 비롯하여 야간의 보온 커튼효과, Heating Degree-Hour 산정 등 난방과 관련된 시뮬레이션은 동적 모형을 이용하여 시간별, 일별 및 월별로 검토하였으며, 환기를 비롯한 차광, 증발냉각시스템의 효과 분석은 정적모형을 이용하여 검토하였다. 특히 하절기 지하수와 같은 저온수를 직접 이용하거나 Heat Pump를 통하여 확보될 수 있는 저온수를 이용하여 온실의 피복면에 살수함으로서 확보할 수 있는 온실냉방효과를 검토하는 데는 1.2m$\times$2.4m 크기의 모형온실을 제작하여 기초실험을 수행함으로서 동절기의 수막시스템의 보온효과와 마찬가지로 하절기 냉방 효과를 거둘 수 있다는 가능성을 확인하였다. 본 연구에 활용된 온실의 수치 환경모형 중 난방관련 시뮬레이션용 동적 수치모형은 소기의 목적을 달성하는데 충분히 응용될 수 있는 이론모형이다. 이 이론모형이 범용성이 높은 것은 온실 내ㆍ외의 미기상 변화, 특히 난방이나 냉방이 본격적으로 요구되는 기간동안에 온도, 습도, 일사, 풍속 등의 미기상 인자들을 면밀하게 관찰하여 실측된 자료를 바탕으로 개발되었고, 다양한 자료에 의해 충분히 검정되었기 때문이다. 본 연구에서는 경남 진주지역의 어느 특정 기간(1987년)의 시간별 기상자료를 중심으로 온실의 열적 환경변화에 대한 수치모형 시뮬레이션을 실시하였으며, 아직 수치모형에 의한 시뮬레이션이 불가능한 일부 냉방효과를 검토하는 데는 모형 실험을 실시하였으며, 그 결과를 요약하면 다음과 같다. 1. 주간과 야간의 설정온도를 달리하고 다단계 변온조절방식으로 시뮬레이션을 행한 결과 난방 소요열량은 난방 설정온도에 따라 현저한 차이를 보였다. 특히 주간 설정온도에 비하여 야간 설정온도가 난방 소요열량에 예민하게 영향을 미치므로 야간의 설정온도 결정에 신중을 기해야 할 것으로 판단된다. 2. 기존의 Heating Degree-Hour 자료는 평균 외기온을 중심으로 임의의 설정온도에 대하여 산정된 값이므로 난방 소요열량에 대한 상대적인 비교수단은 되나 고려되는 기상인자의 제한과 설정온도의 임의성 때문에 실용성이 부족하다. 따라서 본 연구에서 제시된 것처럼 온실 주변의 제반 미기상 인자나 경계조건이 반영됨은 물론 작물의 생육상태 및 구체적인 설정온도까지도 고려하는 동적 수치모형으로 시시각각으로 예측된 실내기온을 중심으로 재배기간 동안의 난방열량을 적산함이 합리적이라 판단된다. 기존의 MDH 자료로 난방 설계를 할 경우에는 지나치게 과잉설계 될 가능성이 있다. 3. 산정된 난방 소요열량은 물론 커튼의 보온성능도 월별 기상여건에 따라 현저한 차이를 보이며, 시뮬레이션에 이용된 커튼의 경우 높은 보온효과를 보임으로서 년 평균 50% 이상의 난방 에너지를 절감할 수 있으며, 동절기 3-4개월의 집중 난방기에 에너지가 크게 절감됨을 발견할 수 있다. 4. 고온기 환기성능은 온실의 구조, 기상조건, 작물의 생육상태 등에 따라 다소의 차이가 있으나 환기율에 의해 크게 좌우되며, 시뮬레이션에 이용된 두 가지 농가보급형 온실 모두 환기율의 증가에 따른 실내기온의 강하 효과가 환기율이 1회/min 정도를 넘어서면서 급격히 둔화되는 현상을 보인다. 이는 기존에 권장되고 있는 적정 환기율인 1회/min 전후의 환기 시스템을 갖추는 것이 합리적임을 확인해 준다. 5. 작물이 성숙된 유리온실에서 외기의 상대습도가 50%인 쾌청한 주간동안 연속적으로 1회/min로 환기를 시킬 경우 실내기온 36.5$^{\circ}C$의 대조구에 비한 온도강하는 50% 차광만 했을 시 2.6$^{\circ}C$이고 효율 80%의 Pad ＆ Fan 시스템만 작동시 6.1$^{\circ}C$ 정도이며, 차광과 냉각시스템을 동시에 작동시는 약 8.6$^{\circ}C$로서 외기온보다 3.3$^{\circ}C$가 낮은 28$^{\circ}C$까지 실내온도를 낮출 수 있으나, 동일 조건하에서 외기의 상대습도가 80%로 높은 경우에는 Pad ＆ Fan시스템에 의한 온도강하가 2.4$^{\circ}C$에 불과하여 50% 차광하에서도 외기온 이하로 실내온도를 낮출 수 없음을 알 수 있다. 6. 하절기 3개월(6/1-8/31)동안 Pad ＆ Fan 시스템의 냉방효과($\Delta$T)는 설정된 작동 온도에 따라 다소 차이를 보일 것으로 예상되나 본 시뮬레이션에서 설정한 시스템의 작동 온도 27$^{\circ}C$에서 상대습도와의 상관관계는 대략 다음과 같았다: $\Delta$T= -0.077RH＋7.7 7. 전형적인 하절기 주간기상 하에서 경시적 냉방효과를 분석한 결과 환기만으로는 실내기온을 외기온 보다 5$^{\circ}C$ 높게 유지하는 정도가 고작이고, 차광이나 증발식 냉방시스템 만으로는 작물이 성숙한 단계에서조차도 외기온 이하로 떨어뜨리기가 어려우나 차광과 아울러 증발식 냉방을 병행할 경우에는 작물상태에 따라 다소 차이는 있지만 실내기온을 외기온보다 2.0-2.3$^{\circ}C$ 낮게 유지할 수 있음을 발견할 수 있다. 8. 일사가 차단된 27.5-28.5$^{\circ}C$의 외기온하에서 6.5-8.5$^{\circ}C$의 냉수를 온실 바닥면적 1$m^2$당 1.3 liter/min의 유량으로 온실표면에 살수했을 때 실내기온을 외기온보다 1$0^{\circ}C$ 낮은 16.5-18.$0^{\circ}C$ 정도로 낮출 수 있었다. 앞으로 살수 수온(T$_{w}$ )이나 외기온(T$_{o}$ ) 뿐만아니라 살수율(Q)에 따라 온실기온 (T$_{g}$ )에 미치는 상관 관계 T$_{g}$ = f(T$_{w}$ , Q, T$_{o}$ )를 구명하여 지하수 자체 또는 Heat Pump를 이용한 지하수온 이하의 냉수로 온실냉방의 가능성을 구명하는 것이 앞으로의 과제이다.