• Journal of Astronomy and Space Sciences
• /
• 제22권4호
• /
• pp.419-430
• /
• 2005

이 연구에서는 지자기 폭풍의 주상 기간 동안 발생하는 태양풍 동압력 펄스에 대한 통계적 분석을 하였다. 이를 위해 먼저 1997년부터 2001년까지 5년간의 기간으로부터 지자기 폭풍 지수인 Dst 값이 -50nT 이하인 지자기 폭풍을 모두 111개 얻었다. 이러한 지자기 폭풍의 주상기간 동안에 발생한 태양풍 동압력 펄스를 정확히 조사하기 위해 태양풍 자료 뿐만 아니라 지구 저위도 여러 관측소에서 관측된 지자기 수평 성분 H값을 이용하였다. 즉 동압력 펄스가 자기권에 충돌하면 저위도 H 값이 전 지구적인 증가를 보여야 한다는 사실을 이용하였다. 이러한 과정을 통해 얻은 통계적 결과는 다음과 같다. 첫째, 자기 폭풍 중에 발생하는 H의 증가는 평균적으로 그 크기가 자기 폭풍의 강도와 비례하는 경향을 보인다. 이는 강한 자기폭풍일 수록 강한 태양풍 펄스를 동반한다는 것이다. 둘째로 자기폭풍 중에 발생하는 동압력 펄스의 발생 빈도 역시 자기 폭풍의 강도와 비례한다. 셋째, 동압력 펄스 발생 빈도가 0.4회/hr 이상인, 즉 2.5시간에 1회 이상의 동압력 펄스를 동반하는, 지자기 폭풍은 여기서 다루어진 전체 지자기 폭풍 중 약 $30\%$를 차지한다. 2.5시간은 서브스톰의 평균 지속 시간으로 볼 수 있으며, 따라서 자기 폭풍중에 서브스톰이 연속적으로 발생하는 것 만큼 자주 동압력 펄스가 나타나는 자기폭풍이 전체의 $30\%$라는 것이다. 한편 이러한 동압력 펄스의 기원을 이해하기 위해 먼저 지자기 폭풍 유도체에 대해 조사하였다. 그 결과 여기서 다루어진 지자기 폭풍의 약 $65\%$가 CME(Coronal Mass Ejection)에 의해 발생되었고 CIR(Corotating Interaction Regions)과 Type II bursts에 의해 발생한 것이 각각 6.3, $7.2\%$인 것으로 나타났다. 그런데 CME에 의해 발생된 지자기폭풍 중에서 $70\%$ 이상이 그 주상 기간이 CME와 충격파 사이의 공간인 sheath 영역 혹은 CME 앞부분에 해당되는 것으로 나타났다. 따라서 이들 지자기폭풍 주상기간에 빈번히 발생하는 동압력 펄스는 CME와 충격파 사이의 sheath 영역, 그리고 CME 앞부분 영역에서의 빈번한 태양풍 밀도 증가에 기인하는 것으로 보인다.

• 한국어병학회지
• /
• 제20권3호
• /
• pp.211-220
• /
• 2007

Red sea bream iridovius (RSIV)는 우리나라와 일본의 참돔 (Pagrus major), 돌돔(Oplegnathus fasciatus) 등 주로 돔류에 질병을 유발하는 어류 병원바이러스로 알려져 왔으나, 돔류 이외에도 감수성을 나타내는 어종이 매우 다양하며 아시아를 중심으로 고수온기에 대량 폐사를 유발하는 중요한 원인체로 보고되고 있다. 본 연구는 RSIV에 대한 자연산어류에서 검출동향의 모니터링을 통해 금후 red sea bream iridoviral disease (RSIVD)에 대한 예방학적 접근의 일환으로서 자연산 어류로부터의 RSIV 검출 및 지리적 분포, 보균 어종에 대한 유전학적인 조사를 실시하였다. 조사는 2003년과, 2005년도에 동중국해역 3지점, 서해안 5지점 그리고 남해안 5지점에서 어류를 채집하여 PCR을 이용한 검출결과, 자연산 해산어류 160마리 중 39마리에서 RSIV가 검출되어 24.3%의 높은 검출율을 보였으며 특히 조사된 어류 중 상어목에서 가장 높은 검출율을 보였다. 자연산 어류에서 분리한 RSIV 분리주는 양식산어류에서 분리된 RSIV-K strain과 염기서열 분석에서 97.2%～100%, 아미노산 분석에서 94.7～100% 유사성을 나타내었으며 megalocytivirus Subgroup Ⅲ에 속함을 확인하였다.

• Journal of Astronomy and Space Sciences
• /
• 제21권4호
• /
• pp.441-452
• /
• 2004

실시간 관측자료를 사용하여 현재상태를 진단하고 이후의 변화를 예보하는 것은 우주환경 모니터링 시스템의 필수적인 요소라 할 수 있다. 본 연구에서는 ION(IDL On the Net)을 이용하여 웹 기반의 우주환경모니터링 시스템을 구축하였다(http://sun.kao.re.kr). 이 웹 페이지에서는 현재의 태양 및 지자기 데이터를 보여주고 위성, 통신, 지상 전력시스템에 줄 수 있는 영향을 예측하여 제시하고 있다. 그리고 NOAA/SEC에서 매일 제시하는 태양 X선 플레어, 프로톤 현상, 지자기 폭풍의 예보결과를 표시한다. 또한 행성간 태양 충격파와 CME(Coronal Mass Ejection; 코로나 물질 방출)의 지구도달 시간을 예측하기 위해 두 가지의 예측모델이 웹에서 구동되도록 하였다. 현재 우리는 여러가지 태양 및 지자기 활동과 관련된 각종데이터를 IDL과 FTP 프로그램을 사용하여 실시간으로 다운받아 우주환경 데이터베이스를 확장하고 있다. 본 논문에서는 한국천문연구원의 우주환경모니터링시스템 개발에 관하여 자세히 기술한다.

• Journal of Astronomy and Space Sciences
• /
• 제26권4호
• /
• pp.479-486
• /
• 2009

태양 주기 23 기간 동안 발생한 태양 고에너지 양성자 이벤트(Solar Proton Events, SPE)와 그와 연관된 코로나 물질 방출(Corona Mass Ejection, CME) 사이의 상관관계를 통계적으로 살펴보았다. 1997-2006년 동안 일어난 63개의 SPE-CME 데이터 쌍을 조사해 본 결과, CME의 속도는 SPE의 상승 시간(rise time) 및 지속 시간(duration time) 등과 상관 계수가 높게 나타났다. 특별히 CME의 지구방향 인자(earthward direction parameter)는 SPE의 최대 플럭스와 높은 상관 계수를 보여 주었다. 기존의 태양 플레어 세기가 SPE의 세기에 미치는 영향은 CME의 지구방향 인자가 SPE의 플럭스의 세기에 미치는 영향과 그 상관계수가 유사하게 나타났다. 특히 SPE와 CME 지구 방향 인자와의 상관관계가 좋은 데이터들의 공통적인 특성은 모두 매우 빠른(>1400km/s) halo CME인 것으로 나타났다.

• 대한화학회지
• /
• 제37권8호
• /
• pp.723-729
• /
• 1993

탄소분말과 Nujol oil의 carbon paste 혼합물에 1-(2-pyridylazo)-2-naphthol (PAN)을 섞어서 Cu(Ⅱ)이온에 감응하는 수식전극을 제작하였다. Cu(II) 이온이 포함된 완충용액에 전극을 담구어 전위를 가하지 않고 PAN-수식전극의 표면에 Cu(II) 이온을 석출시킨 후, 전해액으로 옮겨 일정시간 동안 일정 전위에서 환원시켰다. 그런 다음 양의 방향으로 전위를 주사함으로써 좋은 전압전류파를 얻을 수 있었다. 전극표면을 산용액에 담금으로써 재생시킬 수 있었다. 전극의 재현성은 석출/측정/재생의 순으로 5회 반복실험하여 조사한 결과 상대표준편차는 6.1${\%}$였다. 시차펄스 전압전류법으로 조사한 경우 2.0 ${times}$ 10$^{-7}$M에서 1.0 ${times}$ 10$^{-6}$ M의 농도 범위에 걸쳐 직선성이 성립했으며, 검출한계는 6.0 ${times}$ 10$^{-8}$ M이었다. Cu(II) 이온을 정량하는데 있어서 EDTA와 oxalate 이온을 제외한 다른 공존이온의 영향을 별로 받지 않았다.

• 천문학회지
• /
• 제56권2호
• /
• pp.213-224
• /
• 2023

Type II solar radio bursts show frequency drifts from high to low over time. They have been known as a signature of coronal shock associated with Coronal Mass Ejections (CMEs) and/or flares, which cause an abrupt change in the space environment near the Earth (space weather). Therefore, early detection of type II bursts is important for forecasting of space weather. In this study, we develop a deep-learning (DL) model for the automatic detection of type II bursts. For this purpose, we adopted a 1-D Convolution Neutral Network (CNN) as it is well-suited for processing spatiotemporal information within the applied data set. We utilized a total of 286 radio burst spectrum images obtained by Hiraiso Radio Spectrograph (HiRAS) from 1991 and 2012, along with 231 spectrum images without the bursts from 2009 to 2015, to recognizes type II bursts. The burst types were labeled manually according to their spectra features in an answer table. Subsequently, we applied the 1-D CNN technique to the spectrum images using two filter windows with different size along time axis. To develop the DL model, we randomly selected 412 spectrum images (80%) for training and validation. The train history shows that both train and validation losses drop rapidly, while train and validation accuracies increased within approximately 100 epoches. For evaluation of the model's performance, we used 105 test images (20%) and employed a contingence table. It is found that false alarm ratio (FAR) and critical success index (CSI) were 0.14 and 0.83, respectively. Furthermore, we confirmed above result by adopting five-fold cross-validation method, in which we re-sampled five groups randomly. The estimated mean FAR and CSI of the five groups were 0.05 and 0.87, respectively. For experimental purposes, we applied our proposed model to 85 HiRAS type II radio bursts listed in the NGDC catalogue from 2009 to 2016 and 184 quiet (no bursts) spectrum images before and after the type II bursts. As a result, our model successfully detected 79 events (93%) of type II events. This results demonstrates, for the first time, that the 1-D CNN algorithm is useful for detecting type II bursts.