• 대한토목학회논문집
• /
• 제6권3호
• /
• pp.31-42
• /
• 1986

본(本) 연구(硏究)는 장래(將來) 예상(豫想)되는 유역내(流域內)의 수자원(水資源) 수요문제(需要問題)에 대처(對處)하여 수자원(水資源)의 기초(基礎)가 되는 강수(降水)를 공간적(空間的)으로 모의발생(模擬發生)(Simulation)하기 위한 모델을 개발(開發)한 것으로서, 유역(流域)의 중심(中心) 관측소(觀測所)인 기간관측소(基幹觀測所)와 그 주변의 준기간(準基幹) 관측소간(觀測所間)의 강수현상(降水現像)에 대(對)한 공간적(空間的) 확률구조(確率構造)로부터 준기간(準基幹) 관측소(觀測所)의 강수계열(降水系列)를 모의발생(模擬發生)하였다. 섬진강 유역(流域)을 대상(對象)으로 기간(基幹) 관측소(觀測所)로는 하동(河東)을 택(擇)하고 준기간(準基幹) 관측소(觀測所)로는 임실, 보성, 순창, 동복, 구례를 택(擇)하여 강수(降水)의 공간적(空間的) 모의발생(模擬發生) 모델을 검토(檢討)하였으며 얻어진 성과(成果)를 요약(要約)하면 다음과 같다. 1) 강수상태(降水狀態)의 공간적(空間的) 분리(分離)는 강수상태별(降水狀態別)(강수(降水)-강수계(降水系), 무강수(無降水)-강수계(降水系), 강수(降水)-무강수계(無降水系), 무강수(無降水)-무강수계(無降水系)) 발생확률(發生確率)이 안정(安定)된 값을 보여 공간적(空間的) 모의발생시(模擬發生時) 유효(有効)한 방법(方法)임을 알았다. 2) 기간(基幹) 관측소(觀測所)의 일강수계열(日降水系列)로부터 모의발생(模擬發生)한 준기간(準基幹) 관측소(觀測所)의 일강수계열(日降水系列)은 연평균(年平均) 강수량(降水量)의 경우(境遇) 관측치(觀測値)와 비슷한 결과(結果)를 보였으나, 하계(夏季)의 강수량(降水量)은 약간(若干) 과소(過少)하게 나타났다. 3) 준기간(準基幹) 관측소(觀測所)의 월강수량(月降水量)에 대한 Correlogram과 Power Spectrum은 관측표본(觀測標本)과 잘 맞고 있어 주기성(周期性)의 재현(再現)은 충분(充分)한 것으로 생각된다.

• 한국해양학회지:바다
• /
• 제3권4호
• /
• pp.193-202
• /
• 1998

마산-진해만에서 1996년 1월부터 1997년 8월까지 영양염류, 용존산소, 해수 투명도 등 수질의 부영양화 요인과 식물플랑크톤 생물량의 수직변동, 공간분포 및 계절변동 등을 조사하였다. 식물플랑크톤은 4월부터 10월까지 번무하였으며, 이 기간에는 편모조류가 단독으로 발생하거나 여러 종이 혼합 발생하는 등 매우 역동적인 양상을 보였다. 식물플랑크톤 대발생 시기에는 염분이 감소하였고, 편모조류의 번무로 수색이 변하거나 물의 투명도가 떨어졌다. 여름에 하층은 빈산소상태였으나 상층은 산소의 과포화상태로서 상 하층에 용존산소의 성층화가 형성되었고, 그 구배가 컸다. 반면 겨울에는 영양염류의 수직 분포가 균일하였고, 마산 내만에서 진해 외만에 걸쳐 영양염류의 수평적 구배가 발달하였다. 마산-진해만 수질은 여름에는 저질 퇴적층에서 용출되는 영양염류의 영향을 많이 받았으나, 겨울에는 마산시와 창원시 등 주변 집수역에서 유입되는 오 폐수의 영향을 주로 받는 것으로 추정되었다. 과거 마산-친해만 일원의 수질 분석 자료를 수집하여 마산만 돌섬과 부도 사이의 수질을 연 평균값으로 표준화시킨 결과, COD와 $PO_4$가 비교 가능하였다. 1970년부터 1990년까지 마산만에서 COD와 $PO_4$ 농도는 점진적으로 증가하였으나, 1991년 이후 다소 둔화되거나 감소한 것으로 나타났다. 1991년부터 1994년까지 마산 내만에서 행한 저질 퇴적층의 준설이 이 지역의 수질 악화를 다소 완화시킨 것으로 추정된다.

• 대한토목학회논문집
• /
• 제30권6B호
• /
• pp.541-549
• /
• 2010

현재 우리나라는 지구 온난화로 인한 이상기후 현상이 발생하여 평균 강우량은 증가하는 반면에 강우일수는 감소하는 경향을 나타내고 있다. 다시 말하면, 강우가 특정한 기간에 집중되어 내려 홍수에 의한 피해도 심각하지만 가뭄에 의한 피해 또한 심각하다는 것을 나타낸다. 기존의 연구를 살펴보면 홍수에 대한 연구는 비교적 많은 편이지만 가뭄에 대한 연구는 상대적으로 드물다. 본 연구에서는 토양수분과 강수량으로 가뭄지수를 산정하여 비교 검토하였으며 이를 바탕으로 정확한 가뭄의 경향을 파악하고자 한다. 연구지역은 전라남도 해남이며, 토양수분자료로 Soil Moisture Index(SMI)를 산정하였고, 기상 자료로 Standardized Precipitation Index(SPI)와 Palmer Drought Severity Index(PDSI)를 산정하였다. 본 연구에서는 KoFlux 타워에서 측정된 토양수분 값을 이용하여 보다 실질적인 가뭄지수를 산정할 수 있었다. 각 가뭄지수를 월 단위로 산정하였고, 비교분석 결과 세 가지 가뭄지수는 대체로 비슷한 경향을 나타내었다. 따라서 KoFlux 타워에서 측정된 토양수분 값으로 가뭄지수를 산정하는 것은 적절하다고 판단되고 토양수분 값은 모든 기상학적 요인들에 직접적으로 영향을 받기 때문이라고 판단된다.

• 대한지하수환경학회지
• /
• 제4권2호
• /
• pp.85-94
• /
• 1997

연구 지역은 제주도의 해안 용천수를 수원지로 하고 있는 삼양 3수원지로서 1996년 1월부터 원수의 염소이온농도가 먹는 물 수질기준치인 150 mg/ι를 훨씬 초과하여 그 원인을 수리지질학적으로 규명하기 위하여 연구를 수행하였다. 연구결과 그 원인은 다음과 같은 매우 복잡한 자연 및 인위적인 현상에 의해 발생하였다. 1996년 1월~9월 동안 내린 강수량은 그 이전 36년간 제주시에서 발생한 연평균 강수량의 41.7%에 해당하는 극심한 한발기로서 이러한 강수량의 감소는 결국 용천 유출량의 감소와 용천수위 강하의 원인이 되었고, 이로 인해 만조시 매 주기 별로 2~3.8시간 동안 해수면이 수원지내 지하수위보다 4.4~12.4cm 높게 되어 기존 차수벽 하부의 투수대 구간을 통해 해수가 역동수구배를 따라 수원지내 유입되어 지하수의 염소이온농도 증가원인이 되었다. 또한 주기적인 조석간만의 영향으로 인해 발생한 두께가 얇아진 담수체의 수축 팽창현상이 점이대의 확장을 촉진시켜 염소이온농도를 증가시켰으며, 뿐만 아니라 강수량 감소에 따른 지하함양량 감소로 점이대에서 지하수 흐름의 역전현상이 발생하였고, 이에 부가하여 강우누적결핍시기 동안 해안지하수체의 수축현상이 가장 심하게 발생한 간조시에 일평균 2790$\pm$450 ㎥의 지하수를 반복채수함으로 인해 추가적인 지하수위의 하강을 초래하여 점이대의 확장과 염수의 역상승 현상을 유발하였다. 수원지 주변 용천에서 염소이온농도가 150 mg/l이하로 유출되는 순수지하수 유출지속 시간은 하루 약 2시간 정도였으며 유출량은 532 ㎥/일 이였고 만조시 C $l^{－}$ 이온의 농도는 1900 mg/1 이상이다.

• 한국농림기상학회지
• /
• 제15권1호
• /
• pp.1-8
• /
• 2013

전라북도 장수지역 사과 재배지의 지형적 특성과 '홍로' 사과 재배지를 고도 별(해발 330m, 500m, 670m)로 선정하여 기온, 강수량 및 일조시간 등 국지기후 환경의 차이를 비교 하였다. '홍로' 사과 재배지의 평균기온은 해발 330m, 500m, 670m 지대에서 고도가 높아질수록 $1.0{\sim}3.0^{\circ}C$/100m 정도씩 낮아지고, 특히 '홍로' 사과가 개화하는 4월 중의 최저기온은 해발 330m와 500m, 670m 지대에서 각각 $4.26^{\circ}C$와 $2.86^{\circ}C$, $0.39^{\circ}C$로 낮았다. 착색 성숙기인 9월의 평균기온은 해발 330m, 500m, 670m 지대에서 $20.6.^{\circ}C$, $18.7^{\circ}C$, $14.5^{\circ}C$로 고도가 높아질수록 온도는 낮아졌다. 고도 별 연간 강수량은 1,234~1,438mm로 고도가 높아질수록 많아지는 경향이었고 6월~8월 사이에 고도별로 827~933mm로 강우가 집중되었다. '홍로' 사과 생육기중 총 일조시간은 고도 별로 큰 차이가 나타나지 않았다. 이러한 고도 별 미기상 환경의 차이로 인해 발아기는 고도가 올라갈수록 4~5일간의 차이로 늦어졌고, 개화기는 2~3간의 차이가 나타났으며, '홍로'사과의 만개기는 330m와 670간에 12일간의 차이가 나타났다. 또한, 과피색을 기준으로 적숙기는 고도 330m는 9월 7~10일이었고, 500m는 이보다 5~8일 늦었고, 670m는 330m보다 13~14일이 늦었다.

• 생태와환경
• /
• 제37권2호통권107호
• /
• pp.180-192
• /
• 2004

본 연구는 2002년 11월부터 2004년 2월까지 수심이 얕은 부영양상태의 저수지에서계절에 따른 수질변화와이에 대한 유입 부하량 영향을 평가하기 위해 이루어졌다. 수심간의 수온차가 $1^{\circ}C\;m^{-1}$ 이상의 수온약층이 5월에 형성되었고, 심층에서 2 mg $O_2\;L^{-1}$ 이하의 낮은 산소농도가 5월부터 9월까지 관찰되었다. $Z_{eu}/Z_{m}$은 0.2${\sim}$l.1의 범위로 수온약층 형성으로 혼합 층이 수심 4m근처이고 유광대 층이 수심 4.3m였던 5월을 제외하고는 대부분의 기간 동안에 유광대층에 비해 혼합층의 수심이 깊은 것으로 나타났다. 수체내 질소는 1.1 ${\sim}$ 4.5 mg N $L^{-1}$ 의범위로, 대부분이 용존 형태(Avg. 58.7%)로 존재하고 있었으며 결빙된 수표면의 해빙 시에 암모니아성 질소와 질산성질소가 증가하였다. 저수지내 총인 농도는43.g${\sim}$126.6 ${\mu}g\;P\;L^{-1}$범위로 대부분은 입자성인의 형태(Avg. 80%)로 존재하고 있었다. 용존무기인 농도는 심층에서의 일시적인 증가가 관찰된 7월과 8월을 제외하고는 10 ${\mu}g\;P\;L^{-1}$ 이하였다. 엽록소 a 농도의 뚜렷한 증가는인 유입부하량이 많았던 7월 (99 ${\mu}g\;L^{-1}$)과 11월 (109 ${\mu}g\;L^{-1}$)에 관찰되었고 수체내 총인과 양의 상관성을 보였다(r=0.55, P<0.008, n=22).수층간의 평균 엽록소 a 농도는11월 8일에 84.5${\pm}$29.0 ${\mu}g\;L^{-1}$으로 가장 높았고 2월에13.5${\pm}$ 1.0 ${\mu}g\;L^{-1}$로 가장 낮았다. 유입수량이 증가할 수록유입수내 층인 농도도 증가하는 경향을 나타냈으며(r=0.69,P<0.001), 1년 중 강우량이 많았던 7월 25일 하루동안에 연간 총인 유입부하량의 40.5%가 유입되었고, 11월 8일에도 17.1%가 유입되었다. 유역으로부터 유입되는총인 부하량은 159.0kg P $yr^{-1}$였고, 식물플랑크톤에 의해직접 이용 될 수 있는 용존무기인 부하량은 126.3 kg P $yr^{-1}$로 총인의 77.7%에 해당하였다. 총 질소 부하량은 5.0 ton $yr^{-1}$로 총 인 부하량(159.0 kg P $yr^{-1}$)에 비해 30배 정도 많았으며, 총질소 부하 중 무기질소 부하량은3.9 ton $yr^{-1}$로 총 질소의 78%였다. 인 임계 부하량은 1.6 g ${\cdot}$ $m^{-2}$${\cdot}$$yr^{-1}$으로 과잉임계부하량을 상회하는 수준 이였다. 본 연구결과 저수지의 유역으로부터 유입되는 많은양의 유입 인 부하는 저수지 수질의 계절적인 변화 뿐 만아니라 부영양화의 가장 큰 원인으로 나타났으며, 중영양상태의 수질을 유지하기 위해서는 총인 유입부하량(159 kg $yr^{-1}$)의 71%가 감소되어야 할 필요성이 제기되었다. 또한 여름철 심층 산소 고갈이 야기되었고, 이 시기에 퇴적물로 용출된 인이 식물플랑크톤 성장에 이용될 수 있기때문에 퇴적물에 대한 관리도 수행될 필요가 있다.

• 한국지반공학회지:지반
• /
• 제2권1호
• /
• pp.27-44
• /
• 1986

기초 구조물 설계에 있어서 지지력 및 압밀 침하량 산정식을 각각 단일 모우드 거동함수(perfor trance function)로 설정하여 실측된 토성자초를 확률변수로 취해서 기술류계학적 분석을 기행했다. 이 분석결과로서 얕은 기초가 파괴상태에 이르렀을 때의 신뢰도와 그 때에 거동되고 있는 설계변수치(check points)를 "Advanced first-order second moment method"로 구했다. 설계변수들 사이의 관계를 무연관-정규분포, 무상관-비정규분포, 유상관-정규분포 및 유상관-비정규분포 등의 유형 으로 분류하여 신뢰도 및 설계변수치를 비교 검토하여 얻은 주요한 결론은 다음과 같다. 1. 지지력 모우드 1) CU test 의한 점착력과 tans사이에는 약한 음상관치 있으며, 각각 대규분포 및 대수정륜 분포를 한다. 2) 신뢰지수를 2.34로 제한했을 경우, 유상관-대수정규분포 유형의 지지력은 18.6t/m2으로서 가장 낮게 되므로, 이 이외의 유형은 지반조건을 과대평가할 우려가 있다. 2. 압밀 침하량 모우드 1) 압축비(compression ratio) 및 선행 압밀응력은 각각 정규분포 및 대수정규분포를 이루며, 이들의 상관성은 연계적 독립변수로 취급해도 좋을 만큼 매우 낮다. 2) 압밀 침하량을 확정론적 방법으로 산출한 16cm보다 더 낮게 취하면, 유상관일대수정규분포류 형의 신뇌맥가 가장 낮게 평가된다. 따라서, 얕은 기초 구조물을 신뇌도나 파괴확률을 해석하는 데 있어서, 정확한 확률밀도함수로서 복잡한 수치적분에 의한 엄밀해보다는 개략적인 확률분포형태와 비교적 쉽게 얻어지는 공분산까지를 고려하면, 기초의 지반조건이 과소평가될 우려가 없다.가될 우려가 없다.의 뽕밭에 발생한 발아불량현상의 원인은 주인이 저온에 의한 동해라고 볼 수 있으며 지역적으로는 붕소결핍에 의한 발아불량현상도 적지 않았고 특히 붕소결핍이 동해피해를 가속화시켰다고 볼 수 있다.dard deviation)were estimated, and diagram which shows the relationship between mean annual maximum rainfall($$) and frequency factor for each durations were drawn. PMP was estimated by statistical method using the PMP frequency factor obtained from the diagram and statistics($$, Sn). The PMP-Duration Equation was derived from the envelope curve in order to obtain the PMP for an arbitrary duration. The isohyetal map of 24 hours PMP and PMP. DAD curve for the whole of Korea were drawn in accordance with the point PMP values.el size는 거의 차이가 없었는데, 특히 수당영화수 및 sink용량에 대한 주연효과정도는 계통에 따라 상당한 차이를 보였다. 계통의 자체경쟁정도는 출수후보다는 출수전 생식생장기간에 더욱 심하고 계통간차이도 큰 것 같았다. 일반적으로 수당sink용량이 클수록 출수전 자체경쟁정도가 심한 경향이었으나 계통에 따라서는 수당 sink용량이 작으면서 자체경쟁도가 심한 것(수원264호 등)이

• 한국작물학회지
• /
• 제66권2호
• /
• pp.105-111
• /
• 2021

해마다, 강한 바람을 동반한 태풍 및 집중호우로 인해 벼도복이 발생하고 있으며, 이삭이 여무는 등숙기에 도복으로 인한 수발아와 관련된 피해를 발생시키고 있다. 따라서,신속한 피해 대응을 위해 신속한 벼 도복 피해 면적 산정은 필수적이다. 벼 도복과 관련된 이미지들은 도복이 발생된 김제, 부안, 군산일대에서 드론을 이용하여 수집하였고, 수집한 이미지들을 128 × 128 픽셀로 분할하였다. 벼 도복을 예측하기 위해 이미지 기반 딥 러닝 모델인 CNN을 이용하였다. 분할한 이미지들은 도복 이미지(lodging)와 정상 이미지(non-lodging) 2가지로 라벨로 분류하였고, 자료들은 학습을 위한 training-set과 검증을 위한 vali-se을 8:2의 비율로 구분하였다. CNN의 층을 간단하게 구성하여, 3개의 optimizer (Adam, Rmsprop, and SGD)로 모델을 학습하였다. 벼 도복 면적 평가는 training-set과 vali-set에 포함되지 않은 자료를 이용하였으며, 이미지들을 methshape 프로그램으로 전체 농지로 결합하여 총 3개의 농지를 평가하였다. 도복 면적 추정은 필지 전체의 이미지를 모델의 학습 입력 크기(128 × 128)로 분할하여 학습된 CNN 모델로 각각 예측한 후, 전체 분할 이미지 개수 대비 도복 이미지 개수의 비율을 전체 농지의 면적에 곱하여 산정하였다. training-set과 vali-set에 대한 학습 결과, 3개의 optimizer 모두 학습이 진행됨에 따라 정확도가 높아졌으며, 0.919 이상의 높은 정확도를 보였다. 평가를 위한 3개의 농지에 대한 결과는 모든 optimizer에서 높은 정확도를 보였으며, Adam이 가장 높은 정확도를 보였다(RMSE: 52.80 m², NRMSE: 2.73%). 따라서 딥 러닝을 이용하여 신속하게 벼 도복 면적을 추정할 수 있을 것으로 예상된다.