• 생명과학회지
• /
• 제17권11호
• /
• pp.1562-1570
• /
• 2007

본인들은 주류생산 부산물인 주박을 이용한 친환경적인 비료를 개발하고자 한다. 본 시험에 사용된 주박에는 잔존 알코올함량이 평균 5-8%이며, 주요성분으로 6.04% 총질소량, 42.59% 총탄수화물량, 1.01% 유용 인산량, 73.42% 유기물량, 7.72% $K_2O$, 1.35% CaO와 0.53% MgO을 함유하고 있었다. 주박은 980 units/g의 ${\alpha}-amylase$, 300 units/g의 glucoamylase와 1,800 units/g의 산성 protease활성을 나타내어 비교적 높은 수준의 효소 활성을 나타내었다. 토양으로부터 분리한 미생물 중 항 진균활성이 우수한 근권세균인 Bacillus subtilis KMU-13을 분리, 생화학적 특성과 16s rDNA 분석에 의하여 Bacillus subtilis KMU-13으로 동정했다. 식물병원성 진균인 Botrytis cinerea KACC 40573, Sclerotinia sclerotiorum KACC 41065, Fusairum of oxysporum KACC 40052, Pythium aphanidermatum KACC 40156, Phytophthora capsici KACC 40476와 Glomerella cingulata KACC 40299에 대하여 높은 항 진균활성을 나타내었다. 시제품은 동결건조 주박을 직접 시제품으로 사용하는 시제품 1과 동결건조 주박 20%, 담체 70%, B. subtilis KMU-13의 배양액 9.7%, 미량원소 0.3%를 혼합하여 시제품 2를 제작했다. 시제품 1과 시제품 2의 상추를 이용한 포장 재배시험에 대한 비료효과 및 토양이화학성 변화를 조사한 결과, 3요소비료, 퇴비 및 석회를 시용한 관행구에 비해 수확기의 엽장, 엽폭, 엽수 및 생체중량 등이 증가하였으며, 토양 이화학성의 변화는 거의 없었다.

• 환경생물
• /
• 제34권4호
• /
• pp.320-328
• /
• 2016

안동호와 임하호 주요 유입수계의 저서성 대형무척추동물 군집구조 및 군집안정성을 파악하고자, 2015년부터 2016년까지 총 8회 조사를 실시하였다. 안동호 유입수계는 다양한 미소서식처가 조성되어 있고, 하상구조 또한 상대적으로 임하호 유입수계보다 다양하게 조성되어 있어 유수성 및 정수성 환경을 선호하는 분류군이 다수 출현하였다. 안동호는 깔따구류, 꼬마줄날도래 등 특정 종의 개체수 증가로 인해, 임하호에 비해 높은 우점도 및 낮은 다양도를 보였으며, 섭식기능군은 비교적 주워먹는무리의 종수 및 개체수 비율이 가장 높게 나타났고, 강우 등 환경요인에 의해 썰어먹는무리의 종수가 및 개체수가 감소한 것으로 나타났다. 서식기능군은 모든 지점에서 붙는무리의 종수 및 개체수 비율이 높게 나타났다. 군집안정성 분석 결과 안동호는 상대적 저항력과 회복력이 뛰어난 특성군 I 그룹에 속하는 종들의 출현율이 61.3%로 임하호 59.1%보다 높게 나타났고, 상대적 저항력과 회복력이 약하고 비교적 수환경이 안정적인 곳에서 서식하는 특성군 III 그룹에 속하는 종들의 출현율은 안동호에서 15.1%로, 임하호(20.5%)에 비해 낮게 나타났다. 이화학적 수질 분석 결과, 수온이 낮을수록 용존산소량은 높게 나타났고, pH와 전기전도도는 토양수분의 염류이온농도가 높아져 전반적으로 증가하는 경향을 나타냈다. 3차 조사시 강우에 의해 유입된 점 및 비점오염원의 영향으로 BOD와 SS는 감소, COD, T-P는 일시적으로 증가하는 경향을 보였다. 상관관계 분석 결과 전기전도도 및 T-N이 종수 및 개체수와 음의 상관관계를 나타내어, 하천 인근 유역의 점오염원과 비점오염원이 저서성 대형무척추동물의 군집과 수질에 부정적인 영향을 끼치는 것으로 나타났다. 따라서 수생생물에 직접적인 영향을 미치는 생활하수와 유기물의 유입을 차단하는 등 지속적인 관리 및 모니터링이 요구된다.

• 생태와환경
• /
• 제49권1호
• /
• pp.31-41
• /
• 2016

꼬리말발도리는 한반도 특산식물임에도 불구하고 종의 분포, 개체군 및 자생지 특성, 그리고 이것에 기초한 종 보전 연구를 찾아보기 어렵다. 본 연구는 꼬리말발도리를 대상으로 종 분포 및 생태 특성을 분석하였다. 꼬리말발도리의 분포 특성은 문헌, 표본 및 현장 조사 자료를 참고하였다. 현장 조사는 6개 지역에서 11개의 대방형구 ($15{\times}15m$)와 33개 소방형구 ($5{\times}5m$)의 자생 집단을 대상으로 2014년 5월부터 10월까지 실시하였다. 개체군 특성으로 풍부성(밀도, 피도), demographic 속성 (개화율 및 결실율)이 조사되었으며, 자생지 특성으로 식생 (구조 및 종조성), 임내광량 (광량, 수관열림도) 및 토양 (온 습도, 이화학 속성) 특성을 분석하였다. 꼬리말발도리는 경상도 (강원도 태백 포함)가 분포 중심이었으며, 넓은 해발 분포 범위 (평균 493 m, 및 해발 290~959 m 범위)를 나타내었다. 꼬리말발도리 자생지의 평균 사면경사는 $16^{\circ}$ ($7{\sim}35^{\circ}$ 범위)이었으며, 주로 너덜 계곡 입지 및 그곳과 접한 사면하부에 분포하였다. 꼬리말발도리 개체군의 소방형구 ($5m{\times}5m$) 내에서 평균 12.5개체가 출현하였고, $m^2$당 평균밀도는 0.5를 보였다. 평균 개화율은 15%로 낮은 개화율을 보이며 영양생식에 의한 번식이 빈번히 이루어지는 것으로 판단된다. 꼬리말발도리 자생지의 조사구 수준 식물상은 138분류군이었다. 꼬리말발도리 자생지의 식생은 너덜 입지환경을 잘 반영하는 층층나무 (중요치 25.5%) 및 물푸레나무 (중요치 15.8%)가 우점하는 서식지로 나타났다. 층층나무 유형은 급경사 지역, 그리고 물푸레나무 유형은 주로 높은 해발고도에 분포하는 특성이 관찰되었다. 연구 결과, 꼬리말발도리는 인간 활동보다는 범람과 같은 자연 교란, 기후변화 및 진화 생태학적인 요인에 의해 개체수의 변동이 예상되는 종으로 판단되며, 개체군 및 자생지의 지속성을 위협하는 뚜렷한 증거는 찾아볼 수 없었다.

• 한국습지학회지
• /
• 제25권4호
• /
• pp.306-314
• /
• 2023

하천퇴적물은 유역내 다양한 오염원으로부터 발생하는 중금속, 유기물 등 오염물질의 수용체일 뿐만 아니라 수질 오염 및 수생태 악영향을 유발할 수 있는 2차적 오염원이기에 중요한 관리대상이라고 할 수 있다. 오염된 하천퇴적물의 효과적인 관리를 위해서는 오염원에 대한 식별과 이와 연계된 관리대책의 수립이 우선되어야 한다. 본 연구는 하천퇴적물내 측정된 다양한 이화학적 오염항목 분포 특성에 기반하여 퇴적물의 주요 오염원을 식별하기 위한 방법으로서 기계학습모델의 적용성을 평가하였다. 기계학습 모델의 성능 평가를 위해 전국 4대강 수계내 주요 폐금속광산 및 산업단지 인근에서 수집된 총 356개의 하천퇴적물에 대한 중금속 10개 항목(Cd, Cu, Pb, Ni, As, Zn, Cr, Hg, Li, Al)과 토양항목 3개(모래, 실트, 점토 비율) 수질항목 5개(함수율, 강열감량, 총유기탄소, 총질소, 총인)를 포함한 총 18개 오염항목에 대한 분석자료를 활용하였다. 기계학습 분류 모델로서 선형판별분석(linear discriminant analysis, LDA)과 서포트벡터머신(support vector machine, SVM) 분류기를 사용하여 폐금속광산('광산')과 산업단지('산단') 인근에서의 하천퇴적물 시료의 분류 성능을 평가한 결과, 채취 지점 및 시기별 4가지 경우(비강우시 광산, 강우시 광산, 비강우시 산단, 및 강우시 산단)에 대한 퇴적물 시료의 분류 성능이 우수하였으며, 특히 비선형 모델인 SVM(88.1%)이 선형모델인 LDA(79.5%) 보다 퇴적물을 분류하는데 있어 보다 우수한 성능을 나타냈다. SVM 앙상블 기반 비배타적 다중라벨분류기 모델을 이용하여 각 시료채취 지점 상류 유역 1km 반경 내 지배적인 토지이용 및 오염원을 다중 타겟값으로 다중분류 예측을 수행한 결과, 폐금속광산과 산업단지의 분류는 비교적 높은 정확도로 수행하였으나, 도시와 농업지역 등 다른 비점오염원에 대한 분류정확도는 56~60%범위로 비교적 낮게 나타났다. 이는 다중라벨 분류모델의 복잡성에 비해 데이터셋의 크기가 상대적으로 작아서 발생한 과적합에 기인한 것으로 향후 보다 많은 측정자료가 확보될 경우 기계학습 모델을 적용한 오염원 분류의 정확도를 보다 향상시킬 수 있을 것으로 판단된다.