• 자원환경지질
• /
• 제48권6호
• /
• pp.509-523
• /
• 2015

제주도 수문지질 종합 해석시스템 구축 연구의 일환으로 수행된 제주도 공공 관정 지질주상도 데이터베이스 구축결과를 소개한다. 1970년대부터 개발된 제주도 전역의1,200여 개 공공 관정의 지질주상도를 수문지질 조사소(炤)${\Pi}$맙$^{\circ}$ 범용할 수 있도록 6개의 속성 테이블로 구분하여 세부 정보를 데이터베이스화하여 분석을 수행한 결과, 기존 공공 관정지질주상도 이용에 다음과 같은 문제점이 있는 것으로 나타났다. 즉, (1) 지질주상도 암석명의 통일성 결여, (2) 화산쇄설층 및 사력층 개념 정립 필요, (3) 대수층 정보 불포함, (4) 상당수 관정에 대한 스크린설치 구간 심도 미기재, (5) 지질주상도 작성자별 기재 사항 및 내용상의 상이성 등이다. 연구팀은 상기와 같은 문제점들을 개선하기 위해 지질주상도상의 화산암 및 퇴적암 명칭을 재정립함과 아울러, 상용화된 데이터베이스 형식의 지질주상도 프로그램을 이용해 표준화된 입력과 출력형식 생성이 가능한 제주도 공공 관정 지질주상도 데이터베이스를 구축하였다. 새롭게 설계된 입력 테이블을 이용한 지질주상도 프로그램은 데이터베이스 입력 형식 기반을 가지고 있어, 사용자가 지정한 표준화된 입력 구조를 통해 지질, 관정 시추 및 시험 데이터들을 저장하여 데이터베이스화 함과 동시에 지질주상도와 단면도 출력에도 이용할 수 있다. 또한 지하수 관측 및 양수시험 결과 등의 새로운 자료도 데이터베이스 구조의 변경없이 쉽게 추가될 수 있다. 본 연구를 통해 구축된 지질주상도 데이터베이스는 향후 개발되는 관정들의 표준 데이터베이스 기준으로 활용됨으로써, 일관성 있는 지질주상도 작성과 수문지질 종합연구에 크게 도움이 될 전망이다. 또한, 현재 추진 중인 제주도 수문지질 해석시스템 개발과 기후변화에 대응한 통합수자원관리계획 기반기술을 뒷받침해 주는 초석이 될 것으로 기대된다.

• 한국농림기상학회지
• /
• 제12권4호
• /
• pp.241-263
• /
• 2010

KoFlux는 한국의 주요 육상생태계와 대기간의 에너지, 물, 이산화탄소의 순환을 감시하기 위해 구축한 에디 공분산 기술을 기반으로 하는 미기상학 플럭스 타워 관측지의 국내 관측망이다. KoFlux의 사명은 AsiaFlux와 동일하게 지구상의 생명의 질과 지속가능성을 보장하기 위해 아시아의 주요 생태계를 감시하고 돌보는 것이다. 구체적인 KoFlux의 목적은 (1) 생태계를 감시하고, 자료를 수집, 저장하고 배포를 가능하게 하는 하부구조와 (2) 이에 관련된 지식과 자료를 효과적으로 적용하고 배포하기 위해 정기적으로 포럼과 단기 훈련과정을 과학공동체에 제공하는 것이다. KoFlux는 아시아의 주요 육상생태계의 탄소/물/에너지 교환에 관한 생태계과학 정보와 지식을 창출하고, 과학적 연구와 적용에 있어서 다학문간 협력과 융합을 촉진하고, 지속적인 생태계 서비스를 지역사회에 제공함으로써 AsiaFlux의 비전인 "사고하는 공동체, 배움의 프런티어"를 추구하며 실천해 나간다. 현재 KoFlux 네트워크는 총 일곱 개의 관측지로 구성되어 있는데 국내의 경우 활엽수림, 침엽수림, 혼효림, 논과 비균질 농경지를 포함하며, 국외의 경우 남극과 북극의 툰드라 생태계에 위치해 있다. 등재된 관측지는 모두 표준화된 프로토콜을 사용하여 자료를 체계적으로 처리하고 있으며 자유롭게 자료 활용이 가능하도록 품질 검증된 플럭스 자료의 데이터베이스를 지속적으로 구축해 가고 있다. KoFlux는 정기적인 학술 논문 출판, 포럼 및 훈련과정을 통해, 네트워크를 성장시키고, 플럭스 관측 및 모델링 전문가간의 연결 및 정보교환을 위한 아고라를 제공하며, 관측 및 자료 분석을 위한 전문인력 양성을 위한 교육에 힘쓰고 있다. 그러나 이러한 지속적인 노력에도 불구하고 KoFlux에 등재된 산학연기관을 제외하고는 아직까지 네트워크의 성장이 제한되어 있는 실정이다. 이러한 학문간의 벽을 허물고, 네트워크에 대한 동반자 및 주인 의식을 고취시키기 위해 KoFlux는 2011년부터 서울대학교에 설립된 국가농림기상센터를 중심으로 NCAM의 주요 서비스를 담당하게 될 것이다. 이러한 일치된 협력은 현재의 감시 네트워크를 더욱 보강시키고, 차세대 과학자들을 길러내며, 우리 사회에 지속가능한 생태계 서비스의 제공을 보장할 수 있도록 이끌어 줄 것이다.

• 생명과학회지
• /
• 제31권3호
• /
• pp.356-365
• /
• 2021

최근, 본 연구진은 담수 환경 유래 한천 분해 세균인 Cellvibrio sp KY-GH-1 (KCTC13629BP)의 전체 유전체 염기 서열을 분석하여 아가로오스를 L-AHG 및 D-갈락토오스로 가수분해시키는 아가레이즈들을 암호화하는 유전 정보를 탐색하였다. 그 결과, KY-GH-1 균주는 유전체 상의 약 77 kb 길이의 아가레이즈 유전자 클러스터 내에 9개의 β-아가레이즈 유전자들과 2개의 α-네오아가로비오스 가수분해효소(α-NABH) 유전자들을 지닌 것으로 나타났다. 이러한 유전자 정보를 바탕으로 KY-GH-1 균주가 한천을 탄소원으로 자화하기 위해 단량체인 L-AHG와 D-갈락토오스로 분해시키는 공정은, 엔도형 GH16 β-아가레이즈, 엔도형 GH86 β-아가레이즈 등에 의해 개시되어 NA4, NA6, NA8 등을 생성시킨 후, 이들에 대해 엑소형 GH50 β-아가레이즈가 추가로 작용하여 NA2를 생성시키고, 이어서 GH117 α-NABH가 작용하여 생성된 NA2를 단량체 L-AHG와 D-갈락토오스로 분해함으로써 종결되는 것으로 예측되었다. 대장균 발현 시스템과 PET-30a 벡터를 함께 사용하여, KY-GH-1 균주 유래의 GH50 패밀리 β-아가레이즈 유전자들(GH50A, GH50B, GH50C)과 GH117 패밀리 α-NABH 유전자들(GH117A α-NABH, GH117B α- NABH)을 발현시켜 His-태그 재조합 효소단백질들로 확보하여, 이들 효소단백질을 이용하여 효소 활성을 비교 분석한 결과, 재조합 GH50A β-아가레이즈가 세 개의 GH50A 패밀리 β-아가레이즈 동위효소들 중에서 가장 높은 엑소형 β-아가레이즈 활성을 나타내며, 또한 재조합 GH117A α-NABH가 NA2를 L-AHG와 D-갈락토오스로 강력하게 가수분해할 수 있으나 재조합 GH117B α-NABH는 NA2 가수분해 활성이 없음을 확인하였다. 연이어 GH50A β-아가레이즈 및 GH117A α-NABH의 효소 특성을 추가로 조사하였다. 아울러 이들 각 효소가 나타내는, 아가로오스를 분해하여 NA2를 생성시키는 효율성과 NA2를 분해하여 L-AHG 및 D-갈락토오스를 생성시키는 효율성을 평가하였다. 본 총설에서는, L-AHG 및 D-갈락토오스의 양산을 위한 아가로오스의 효소적 가수분해에 성공적으로 활용될 수 있을 것으로 기대되는, 담수 유래 한천 분해 세균 Cellvibrio sp. KY-GH-1 유래의 재조합 GH50A β-아가레이즈 및 GH117A α-NABH의 장점들에 대해 기술한다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• 지질공학
• /
• 제30권4호
• /
• pp.457-468
• /
• 2020

플랜트, 토목 및 건축 사업에서 말뚝(Pile) 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험(Standard Penetration Test, SPT)을 통해 측정되는 N치를 얻는 것이 가장 중요한 자료이나 광범위한 모든 지역에서 구하는 것은 어려운 현실이다. 짧은 해외사업 입찰기간 내에 시추조사를 할 경우 인허가, 시간, 비용, 장비접근, 민원 등 많은 제약요건이 존재하여 전체적인 시추조사가 어렵다. 미시추 지점에서 지반 특성은 엔지니어의 경험적 판단에 의존하여 파악되고 있고, 이는 말뚝의 설계 및 물량산출 오류로 이어져서, 공기 지연 및 원가 증가의 원인이 되고 있다. 이를 극복하기 위해서, 한정된 최소한의 지반 실측 자료를 활용하여 미시추 지점에서도 N치를 예측 할 수 있는 기술이 요구되며, 본 연구에서는 AI기법 중 하나인 인공신경망을 적용하여 N치를 예측하는 연구를 수행하였다. 인공신경망은 제한된 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성 있는 결과를 제공하여 준다. 본 연구에서는 최소한의 시추자료의 지반정보를 입력항목으로 하여 다층퍼셉트론과 오류역전파 알고리즘에 의하여 학습된 패턴을 가지고 미시추 지점에서 N치를 예측하는데 그 목적을 두고 있다. 이를 위하여 2개 현장(필리핀, 인도네시아)에 AI기법 적용시 실측값과 예측값에 대한 적정성을 검토하였고, 그 결과 예측값에 대한 신뢰도가 높은 것으로 연구 검토되었다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1125-1139
• /
• 2022

무인항공기에 부착된 위성 항법 시스템/관성 측정 센서(global positioning system/inertial measurement unit, GPS/IMU)와 관측 센서 사이에는 물리적인 위치와 자세 오차가 존재한다. 해당 물리 오프셋으로 인해, 관측 데이터는 비행 방향에 따라 서로 위치가 어긋나는 이격 오차가 발생한다. 특히나, 다중 센서를 활용하여 데이터를 취득하는 다중 센서 무인항공기의 경우, 관측 센서가 변경될 때마다 고액의 비용을 지불하고 외산 소프트웨어 의존하여 물리 오프셋을 조정하고 있는 실정이다. 본 연구에서는 다중 센서에 적용 가능한 초기 센서 모델식을 수립하고 물리 오프셋 추정 방법을 제안한다. 제안된 방안은 크게 3가지 단계로 구성된다. 먼저, 직접지리 참조를 위한 회전 행렬 정의 및 초기 센서 모델식을 수립한다. 다음으로, 지상기준점과 관측 센서에서 취득된 데이터 간의 대응점을 추출하여 물리 오프셋 추정을 위한 관측방정식을 수립한다. 마지막으로, 관측 자료를 기반으로 물리 오프셋을 추정하고, 추정된 파라미터를 초기 센서 모델식에 적용한다. 전주, 인천, 알래스카, 노르웨이 지역에서 취득된 데이터셋에 적용한 결과, 4개 지역 모두 물리 오프셋 적용 전에 발생되던 영상 접합부의 이격 오차가 물리 오프셋을 적용 후 제거되는 것을 확인했다. 인천 지역의 지상기준점 대비 절대 위치 정확도를 분석한 결과, 초분광 영상의 경우, X, Y 방향으로 약 0.12 m 위치 편차를 보였으며, 라이다 포인트 클라우드의 경우 약 0.03 m의 위치 편차를 보여줬다. 더 나아가 영상 내 특징점에 대하여 초분광, 라이다 데이터의 상대 위치 정확도를 분석한 결과, 센서 데이터 간의 위치 편차가 약 0.07 m인 것을 확인했다. 따라서, 제안된 물리 오프셋 추정 및 적용을 통해 별도 기준점 없이 정밀한 데이터 매핑이 가능한 직접 지리 참조가 가능하다는 것을 확인했으며, 다중 센서를 부착한 무인항공기에서 취득된 센서 데이터 간의 융합 가능성에 대해 확인하였다. 본 연구를 통해 독자적인 물리 파라미터 추정 기술 보유를 통한 경제적 비용 절감 효과 및 관측 조건에 따른 유연한 다중 센서 플랫폼 시스템 운용을 기대한다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.127-146
• /
• 2022

최근 워드 임베딩이 딥러닝 기반 자연어 처리를 다루는 다양한 업무에서 우수한 성능을 나타내면서, 단어, 문장, 그리고 문서 임베딩의 고도화 및 활용에 대한 연구가 활발하게 이루어지고 있다. 예를 들어 교차 언어 전이는 서로 다른 언어 간의 의미적 교환을 가능하게 하는 분야로, 임베딩 모델의 발전과 동시에 성장하고 있다. 또한 핵심 기술인 벡터 정렬(Vector Alignment)은 임베딩 기반 다양한 분석에 적용될 수 있다는 기대에 힘입어 학계의 관심이 더욱 높아지고 있다. 특히 벡터 정렬은 최근 수요가 높아지고 있는 분야간 매핑, 즉 대용량의 범용 문서로 학습된 사전학습 언어모델의 공간에 R&D, 의료, 법률 등 전문 분야의 어휘를 매핑하거나 이들 전문 분야간의 어휘를 매핑하기 위한 실마리를 제공할 수 있을 것으로 기대된다. 하지만 학계에서 주로 연구되어 온 선형 기반 벡터 정렬은 기본적으로 통계적 선형성을 가정하기 때문에, 본질적으로 상이한 형태의 벡터 공간을 기하학적으로 유사한 것으로 간주하는 가정으로 인해 정렬 과정에서 필연적인 왜곡을 야기한다는 한계를 갖는다. 본 연구에서는 이러한 한계를 극복하기 위해 데이터의 비선형성을 효과적으로 학습하는 딥러닝 기반 벡터 정렬 방법론을 제안한다. 제안 방법론은 서로 다른 공간에서 벡터로 표현된 전문어 임베딩을 범용어 임베딩 공간에 정렬하는 스킵연결 오토인코더와 회귀 모델의 순차별 학습으로 구성되며, 학습된 두 모델의 추론을 통해 전문 어휘를 범용어 공간에 정렬할 수 있다. 제안 방법론의 성능을 검증하기 위해 2011년부터 2020년까지 수행된 국가 R&D 과제 중 '보건의료' 분야의 문서 총 77,578건에 대한 실험을 수행한 결과, 제안 방법론이 기존의 선형 벡터 정렬에 비해 코사인 유사도 측면에서 우수한 성능을 나타냄을 확인하였다.

• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.864-881
• /
• 2021

연구목적: 본 연구는 빅데이터와 인공지능 기술을 기반으로 다양한 위험 특성과 개개인의 상황을 고려한 맞춤형 예방 솔루션을 제공하는 생활안전 예방서비스 연구개발의 일환으로, 일상 생활안전과 관련하여 개인의 현재 안전수준을 정량적 수치로 나타내는 생활안전지수를 산출하는 방안을 제시하여, 안전사고를 예방하고 대응하기 위한 맞춤형 종합지수 서비스를 제공하는 데 목적이 있다. 연구방법: 본 연구의 핵심이 되는 모델은 AHP(Analysis Hierarchy Process)와 리커트 척도(Likert Scale)를 혼용하는 방법으로, 전문가 그룹의 합의형성 모델을 기반으로 산출된다. 생활안전 예방서비스를 평가할 수 있는 평가항목을 위험지표, 취약지표, 예방지표 등으로 구분하고, 이를 AHP 의사결정 방법론에 따라 AHP 계층구조로 정의하여 각 레벨 항목의 쌍대비교를 통해 평가항목 간 상대적 가중치를 산출하는 방법을 제안한다. 또한 평가항목을 적용한 개별 예방서비스에 대한 평가는 향후 생활안전 예방서비스의 확대를 고려하여 AHP 쌍대비교를 대신하여 리커트 척도 기반으로 절대평가하고 그 결과를 상대비교하는 방법으로 개별서비스 간 가중치를 산출하는 방안도 함께 제시한다. 연구결과: 생활안전 예방서비스에 대한 서비스 가중치를 도출하고, 이를 생활안전 예방서비스의 인공지능 예측모델을 통해 산출된 개별위험지수에 반영하여 종합지수를 산출하였다. 결론: 구현한 모델의 적용을 위하여 생활안전 예방서비스 앱과 플랫폼으로 구성된 테스트 환경을 구축하고, 사용자 시나리오를 바탕으로 기능에 대한 효능을 평가하였다. 이를 통해 본 연구에서 제시된 생활안전지수는 사용자에게 현재 자신의 안전수준을 종합하여 나타냄으로써 안전 위험에 진단과 대응 및 예방 골든타임을 지원하는 것으로 기대된다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.287-316
• /
• 2023

최근 전 세계적으로 기업의 환경(Environmental)·사회(Social)·지배구조(Governance)의 비재무적 요소를 고려한 지속가능경영이 필수적으로 요구되면서, 각 기업들은 이에 대응할 수 있는 전략적 방향 수립이 중요해지고 있다. 특히 기업이 속한 산업별로 상이한 ESG 이슈에 대한 이해를 바탕으로 산업과 개별 기업의 특성을 반영한 전략을 개발하고 추진할 수 있어야 할 것이다. 이에 본 연구에서는 금융, 제조, IT 분야별로 나누어 주요 국내 기업들의 ESG 보고서와 관련 뉴스 기사를 이용하여 산업별 ESG 동향과 활동을 비교 분석하였다. 키워드 빈도분석과 토픽 모델링을 활용한 분석 결과, 국내 ESG 선도 기업들의 지속가능경영 활동에서의 산업별 차이를 도출 할 수 있다. 금융 분야에서는 '고객 중심 경영'과 '기후 변화 대응', 제조 분야에서는 '지속가능한 공급망 관리'와 '탄소중립', IT 분야에서는 '기술혁신'과 '디지털 책임'이 강조되었다. ESG 요소별 우선 순위가 높은 활동의 예를 들면, 환경 측면에서는 '에너지 절감과 친환경 활동', 사회 측면에서는 '사회공헌과 상생', 지배구조 측면에서는 '이사회 독립성 강화와 리스크 관리' 등으로 나타났다. 더 나아가 산업별 각 ESG 요소의 핵심 이슈 뿐 아니라 ESG 보고서와 뉴스 기사의 내용 유사성 및 차별점도 확인하였다. 연구의 결과는 산업별 동향을 고려한 ESG 경영 전략 및 정책의 방향성을 제시하고 있으며 이는 산업별 ESG 평가체계 수립에도 도움이 될 것으로 기대한다.

• 생태와환경
• /
• 제55권1호
• /
• pp.60-75
• /
• 2022

베이지안 알고리즘 모델은 입력된 자료를 기반으로 확률을 계산하는 모델 알고리즘으로써 주로 복합재난 및 수질관리를 위해 사용되었다. 최근에는 생물 간, 혹은 생물-비생물 요인들 사이의 생태학적 구조를 파악하고 이를 이용한 생태 네트워크 분석에 활용되고 있다. 본 연구는 국내 하구수생태계의 부착돌말류 군집 변화와 이화학적 요인들 사이의 베이지안 네트워크 분석을 수행하여 부착돌말류 건강성 변화의 주요 요인들을 파악하였다. 베이지안 분석을 위해 본 연구 자료를 위해 물환경측정망의 생물 측정망을 기준으로 전국 하구 지역에 분포하는 668개 지점을 2008년부터 2019년까지 연간 2회 조사를 수행하였다. 자료는 서식지 요인, 물리적 요인, 화학적 요인, 생물학적 요인으로 분류하였으며 이를 베이지안 네트워크 모델에 입력하여 전국 및 해역별 하구수생태계 네트워크 분석을 수행하였다. 2008년부터 2019년까지 전국 하구수역에서 부착돌말류는 총 625개 분류군이 출현하였으며 2목, 5아목, 18과, 141속, 595종, 29변종, 1품종으로 구성되었다. Nitzschia inconspicua의 누적 세포밀도가 가장 높았으며 Nitzschia palea가 뒤를 이었고, 이외에도 Pseudostaurosira elliptica와 Achnanthidium minutissimum 분류군의 누적 세포밀도가 높았다. 부착돌말류를 이용한 하구수생태계 건강성 평가 결과는 조사 지점이 증가함에 따라서 대체로 보통(C등급)~나쁨(D등급) 등급의 비율이 증가하였으나 조사 시기에 따른 등급별 변화는 매우 미약하였다. 베이지안 네트워크 모델을 이용하여 하구수생태계 부착돌말류 건강성 평가 결과와 서식지 정보 및 이화학적 수질 정보 사이의 관계를 분석한 결과, 건강성 평가 점수에 가장 민감하게 영향을 미치는 요인은 생물 요인이었으며 서식지 및 이화학적 요인은 상대적으로 민감도가 낮았다. 하구수생태계 건강성 평가 점수에 가장 민감하게 영향을 미치는 부착돌말류 분류군은 Nitzschia inconspicua, N. fonticola, Achnanthes convergens, Pseudostaurosira elliptica으로 나타났으며 생물 요인 이외에도 서식지 인근의 공단과 축사의 비율이 건강성 평가 점수에 많은 영향을 미쳤다. 해역에 따라서 부착돌말류 건강성 평가 점수에 민감한 주요 분류군 조성은 다르게 나타났으나 모든 해역에서 부착돌말류의 세포밀도와 AFDM 및 Chl-a는 부착돌말류 건강성 점수에 민감한 영향을 미치지 않았다. 베이지안 네트워크 분석은 하구수생태계와 같이 복잡한 생태구조에서도 건강성에 영향을 미치는 주요 분류군과 요인들을 파악하는데 유용하였으며 이를 통해 향후 훼손된 하구수생태계의 복원을 수행함에 있어서 복원 대상을 보다 정확하게 제시할 수 있을 것으로 판단된다.