• 한국산림과학회지
• /
• 제88권3호
• /
• pp.364-373
• /
• 1999

이 연구는 전나무림과 잣나무림에서 산림시업(山林施業)(간벌 및 가지치기)이 토양(土壤)의 물리성(物理性) 및 수질변화(水質變化) 등에 미치는 영향(影響)을 파악함으로써 산림시업(山林施業)에 따른 산림(山林)의 수질정화기능(水質淨化機能)을 평가(評價)하기 위한 기초자료(基礎資料)를 제공(提供)하기 위하여 실시하였다. 1996년 3월부터 5월까지 산림시업을 한 광릉시험림 31, 33임반내 전나무림과 잣나무림 유역에서 1998년 3월 1일부터 1998년 8월 4일까지 임분특성(林分特性), 토양(土壤)의 물리적(物理的) 특성(特性), 그리고 강우(降雨), 임내우(林內雨)(수관통과우(樹冠通過雨), 수간류(樹幹流)), 토양수(土壤水), 계류수(溪流水)의 수질동태(水質動態)를 분석(分析)하였다. 산림시험 후 약 2년 6개월이 경과된 1998년 9월 현재, 전나무림과 잣나무림에서 임목의 평균수고(平均樹高), 평균흉고직경(平均胸高直徑)은 시업구가 비시업구 보다 각각 1.8m, 0.6m, 4.7cm, 1.4cm 더 성장하였으며, 시업구는 비시업구 보다 A층 토양에서의 조공극율(粗孔隙率), 총공극율(總孔隙率)은 증가하였으나, 토양(土壤)의 가비중(假比重)은 감소하여 전나무림과 잣나무림에서는 산림시업(山林施業)에 따라 산림토양(山林土壤)의 강수침투구조(降水浸透構造)는 개선(改善)되는 것으로 나타났다. 또한, 전나무림과 잣나무림에서 산림시업(山林施業)으로 임우내(林內雨) 및 토양수(土壤水)의 완충효과(緩衝效果)가 증대(增大)되는 것으로 분석(分析)되었다.

• 한국통신학회논문지
• /
• 제29권12B호
• /
• pp.1022-1036
• /
• 2004

모바일 망에서는 지속적으로 변하는 개별 가입자의 위치 정보가 관리되어져야 한다. 이와 같은 분산 환경 속에서 위치 정보 관리의 핵심 역할을 수행하는 내장형 시스템인 HLR system은 table 관리 기능과 색인 관리 기능 그리고 백업 관리 기능을 제공한다. 본 논문에서는, 현재 사용되고 있는 HLR system의 문제점을 철저한 분석을 통해 파악하여 그 문제의 해결 방안을 제시하고, HLR system을 위한 새로운 구조를 제시하였다. HLR system에서는 가입자 정보의 실시간 접근과 갱신을 제공하기 위해 주기억장치 데이터베이스 시스템이 사용되고 있다. 따라서, 더 나은 실시간 기능을 제공키 위해서, 가입자의 정보를 보다 신뢰성 있게 관리하기 위해서, 보다 많은 가입자에게 편의를 제공하기 위해서는 이의 성능 개선이 요구된다. 본 논문에서는, HLR database transaction의 특성을 고려한 효을적인 백업 방법을 제안한다. 이단계 색인 기법은 기존의 T 트리 색인 기법보다 검색 속도와 기억 공간 사용 효율 측면에서 우수하다. 버켓 연결 해슁 기법은 기존의 변형된 선형 해슁 기법보다 삽입과 삭제 시의 오버헤드가 적다. 제안한 백업 방법에서는, 빈번한 위치 등록 기능 수행으로 인해 야기되는 성능 저하 문제를 해결하기 위해 두가지 종류의 갱신 플래그를 사용하였다. 가입자 수용시, 제안 기법을 사용하게 되면 기존 기법보다 메모리 사용량 절감(62% 이상), 디렉토리 증가 작업제거, 백업 작업 감소(80% 이상)를 제공받게 된다.

• 한국산림과학회지
• /
• 제84권2호
• /
• pp.131-144
• /
• 1995

자웅이주(雌雄異株)이고, 단일종(單一種)(monotype)이며, 경제적(經濟的), 기능적(機能的)으로 유용(有用)한 은행(銀杏)나무의 염색체(染色體)의 구조(構造)와 자웅(雌雄) 성결정(性決定) 염색체(染色體)를 판별(判別)하기 위해서 은행(銀杏)나무(G. biloba)와 추상은행(銀杏)나무(G. biloba var. fastigiata)를 재료(材料)로 하여 전국(全國)에서 7개(個) 지역(地域), 26개체(個體)의 근단(根端)(root tip)을 시료(試料)로 염색체(染色體)를 관찰(觀察) 조사(調査)한 결과(結果)는 다음과 같다. 체세포(體細胞) 염색체(染色體)의 기본수(基本數)는 2n=24, 염색체(染色體)의 상대적(相對的) 길이는 긴 것이 $14.88{\sim}11.17{\mu}m$, 짧은 것이 $8.11{\sim}6.24{\mu}m$, 12쌍(雙)의 염색체(染色體) set는 1쌍(雙)의 m형(型)이며 긴 염색체(染色體)와 비교적(比較的) 짧으며 sm 또는 st형(型) 11쌍(雙)으로 구성(構成)되고, 짧은 염색체(染色體) group은 연속적(連續的) 변이(變異)를 한다. 제1(第一) 긴 염색체쌍(染色體雙)의 short arm에 Satellite가 존재(存在)하고 7번 또는 8번째(sm 또는 st형(型)), 염색체쌍(染色體雙)의 한 쪽 또는 양 쪽 long arm에 Satellite가 존재(存在)하거나, 또는 제일(第一) 짧은 st형(型) 염색체쌍(染色體雙) 양 쪽 또는 한 쪽 long arm에 Satellite가 존재(存在)하기도 한다. 은행(銀杏)나무(G. biloba)의 제일(第一) 긴 염색체쌍(染色體雙)에 있는 Satellite는 가끔 2중(二重) Satellite복립부수체(複粒附髓體)인 것이 관찰(觀察)되었으나, 추상은행(銀杏)나무(G. biloba var. fastigiata)에서는 이중(二重) Satellite가 관찰(觀察)되지 않았다. 행형식(核型式) $2n=24=2^{2s}A^m+2B^{st\;or\;sm}+2C^{st}+2D^{st}+2E^{st}+2F^{st\;or\;sm}+2G^{sm}+2^{2s}H^{sm}\;or\;(^{1s}H^{sm}+H^{sm})+2I^{st}+2J^{st}+2K^{st}+2^{2s}L^{st}\;or\;(^{1s}L^{st}+L^{st})$ 염색체(染色體) 구조상(構造上)으로는 암나무와 숫나무의 성염색체(性染色體) 구별(區別)이 확실하지는 않지만, 숫나무의 염색체(染色體)에서는 제일(第一) 긴 염색체쌍(染色體雙)의 한 쪽 염색체(染色體) short arm에 이중(二重) Satellite가 존재(存在)하나, 암나무에서는 존재(存在)하지 않는다. 대체적으로 작은 염색체(染色體) group에서 Satellite 염색체(染色體)가 2개(個) 있는 것은 숫나무보다 암나무에서 더 많이 관찰(觀察)되었다. 추상은행(銀杏)나무(G. biloba var. fastigiata)에서는 작은 염색체(染色體) group에서, 숫나무에서는 1개(個)의 Satellite chromosome만 관찰(觀察)되었다.

• 한국산림과학회지
• /
• 제106권2호
• /
• pp.130-149
• /
• 2017

기후변화에 취약한 한반도 아고산대는 한대성 북방계식물의 서식처이다. 본 연구는 아고산대 산림의 군집생태학적 접근을 통한 복원 및 관리방안의 기초자료 제공목적으로 설악산 대청봉 일대 산림식생의 군집구조 및 식물상을 구명하였다. 2016년 5월부터 10월까지 31개소의 식생조사를 실시하였고, 식물사회학적 식생유형분류, 중요치, CCA를 분석하였다. 그 결과 식생유형분류체계는 분비나무군락에서 군단위로 눈잣나무군, 만병초군, 바디나물군, 이상 총 3개의 식생유형(VU)으로 분류되었다. 식별종군으로는 눈측백 식별종군, 자주솜대 식별종군을 포함하여 총 7개 종군유형으로 분류되었다. 평균 상대우점치 분석(MIP) 결과, VU 1의 MIP는 잣나무(24.1), 분비나무(23.6), 사스래나무(10.5) 등, VU 2의 MIP는 잣나무(26.2), 분비나무(20.8), 사스래나무(10.5) 등, VU 3의 MIP는 잣나무(22.2), 분비나무(16.4), 사스래나무(13.5) 등의 순이었다. 층위별 주요 경쟁수종인 잣나무와 분비나무의 중요치는 VU 1의 교목층에서 잣나무가 46.7, 분비나무는 26.1로 잣나무가 우세하나 아교목층, 관목층, 초본층에서는 분비나무의 중요치가 잣나무에 비해 높았고, VU 2와 VU 3에서도 교목층은 잣나무의 중요치가 높았지만 아교목층 이하에서는 낮은 값을 나타냈다. CCA ordination 분석 결과, 눈잣나무군은 해발고, 바디나물군은 출현종수와 다소 정의 상관관계를 가지는 것으로 나타났다. 산림청 지정 특산식물은 11분류군, 희귀식물은 24분류군으로 북방계 식물의 비율이 62.5%로 나타났다. 결론적으로 본 연구에서 분류된 3개의 식생단위와 분비나무 및 잣나무의 층위별 중요치 변화에 대한 식생학적 접근의 장기 모니터링이 필요하고, 희귀특산식물에 대한 개체군 및 군집생태학적 관리가 필요할 것으로 사료되었다.

• 한국산림과학회지
• /
• 제58권1호
• /
• pp.8-16
• /
• 1982

환경오염(環境汚染)의 피해(被害)가 없는 성주지역(星州地域)과 피해(被害)가 심(甚)한 울산지역(蔚山地域)에 소재(所在)하는 6년생(年生)의 오동나무임분(林分)에 $10{\times}10$m의 조사구(調査區)를 설정(設定)하고 지상부(地上部)의 biomass를 분석(分析) 추정(推定)하였다. 직경별(直徑別)로 안배(按配)한 성주(星州) 10주(株)와 울산(蔚山) 7주(株)의 표준목(標準木)을 벌채(伐採), 간(幹)($W_s$), 기(技)($W_b$), 엽(葉)($W_I$)부(部)로 나누어 간중량(幹重量)을 계산(計算)하여, $D^2H$와의 상대생장식(相對生長式)을 얻어 추정(推定)하였다. 평균흉고직경(平均胸高直徑)이 성주(星州) 11.06cm, 울산(蔚山) 8.90cm, 평균수고(平均樹高)가 성주(星州) 7.98m, 울산(蔚山) 5.57m 이었다. 생산구조면(生産構造面)에서 광합성부(光合成部)는 성주(星州)가 지상(地上) 4.2m, 울산(蔚山) 1.2m에서 시작되고, 수관(樹冠)의 최대광합성층(最大光合成層)은 성주(星州) 5.2m, 울산(蔚山) 4.2m에서 나타났다. 지상부(地上部)의 현존량(現存量)은 성주(星州)서 수간부(樹幹部) 37.19t/ha, 기부(技部) 7.84t/ha, 엽부(葉部) 2.46t/ha, 전체지상부(全體地上部)의 현존량(現存量)은 47.49t/ha이며, 울산(蔚山)에서는 수간부(樹幹部) 11.74t/ha, 기부(技部) 6.19t/ha, 엽부(葉部) 1.12t/ha으로 전체지상부(全體地上部)의 현존량(現存量)은 19.05t/ha 이었다. 년순생산량(年純生産量)은 성주(星州)가 $11.64t/ha{\cdot}yr$, 울산(蔚山)이 $2.56t/ha{\cdot}yr$이며, 엽면적지수(葉面積指數)는 성주(星州)가 2.64ha/ha이고, 울산(蔚山)이 3.82ha/ha이며, 현존량밀도(現存量密度)에서 성주(星州)가 $0.60kg/m^3$, 울산(蔚山)이 $0.34kg/m^3$이었다. 잎의 생산능률(生産能率)을 계정(計定)한 바 NAR은 성준(星州) 4.73kg/kg/yr, 울산(蔚山) 2.29kg/kg/yr이고, 잎의 간재생산능률(幹才生産能率)은 성주(星州) 2.99kg/kg/yr, 울산(蔚山)이 0.83kg/kg/yr이었다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.117-127
• /
• 2012

최근 온라인 소셜 네트워크 서비스(SNS)의 사용자가 크게 늘어나고 있으며 다양한 분야에서 SNS의 사용자 관계 구조 및 메시지를 분석하기 위한 연구를 진행하고 있다. 그러나 대부분의 소셜 네트워크 분석 방법들은 노드 사이의 최단 거리를 기초로 하고 있으므로 계산 시간이 오래 걸린다. 이는 점차 대형화 되어가는 SNS의 데이터를 여러 분야에서 활용하는데 걸림돌이 되고 있다. 이에 따라 본 논문에서는 SNS의 사용자 그래프에서 사용자간 최단거리를 빠르게 찾기 위한 휴리스틱 기반의 최단 경로 탐색 방법을 제안한다. 제안하는 방법은 1) 트리로 표현된 소셜 네트워크에서 시작 노드와 목표 노드를 설정한다. 그리고 2) 만약 목표 노드가 경사 트리의 단말에 있다면 경사 트리가 시작하는 노드를 임시 골 노드로 설정한다. 마지막으로 3) 연결의 차수를 평가값으로 하는 휴리스틱 기반 최단거리 탐색을 수행한다. 이렇게 최단거리를 탐색한 후 매개 중심성 분석(Betweenness Centrality) 및 근접 중심성(Closeness Centrality)를 계산한다. 제안하는 방법을 사용하면 소셜 네트워크 분석에서 가장 많은 시간이 필요한 최단거리 탐색을 빠르게 수행할 수 있으므로 소셜 네트워크 분석의 효율성을 기대할 수 있다. 본 논문에서 제안하는 방법을 검증하기 위하여 약 16만 명으로 구성된 SNS에서의 실제 데이터를 이용하여 매개 중심성 분석과 근접 중심성 분석을 수행하였다. 실험 결과, 제안하는 방법은 전통적 방식에 비하여 매개 중심성, 근접 중심성의 계산 시간이 각각 6.8배, 1.8배 더 빠른 결과를 보였다. 본 논문에서 제안한 방법은 소셜 네트워크 분석의 시간을 향상시켜 여러 분야에서 사회 현상 및 동향을 분석하는데 유용하게 활용될 수 있다.