• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 생태와환경
• /
• 제54권4호
• /
• pp.303-314
• /
• 2021

본 연구는 여름철 식물플랑크톤의 생체량 및 군집 조성변화를 파악하기 위해 2019년 6월부터 10월까지 총 9회에 걸쳐 영주댐 유사조절지(YJ)와 보현산 댐저수지(BH1 and BH2)에서 식물플랑크톤 채집을 수행하였다. 또한, 전통적인 식물플랑크톤 정성/정량 방법인 현미경관찰법과 식물플랑크톤의 지표색소 기반인 CHEMTAX법으로 도출된 결과를 비교 분석하였다. 분석된 네 강(class) 수준의 은편모조류, 녹조류, 남조류, 규조류는 두 관찰법으로 산출한 결과에서 모두 유의한 차이를 나타내었으며, 서로간의 상관관계 또한 좋지 않았다. 이는 세포 크기가 고려되지 않은 현미경관찰법과 지표색소의 Chl.a 상대비를 기반으로 하는 CHEMTAX법의 방법론 차이에서 유발되었을 가능성이 있다. 따라서 탄소 함량으로 생체량을 변환하여 CHEMTAX법과 비교한 결과 은편모조류와 규조류는 회귀선의 기울기가 약 1로 1 : 1 line에 상당히 가까운 수준을 보였으며, y 절편은 0에 더욱 가까워졌다. 남조류 역시 기울기가 증가하였고, y 절편은 감소하였으며, raw data 중 1 : 1 line에 가까운 plot이 증가하였다. 녹조류는 음의 상관관계였던 전자와 비교하였을 때, 기울기가 양의 값으로 변하였다. 하지만, 모든 군집에서 결정계수가 감소한 것은 각 군집의 우점종의 전체 셀 수를 탄소량으로 환산하는 과정에서 군집별 종 조성에 따라 기여율 분포의 분산이 커진 것이 주요 원인 중 하나로 보인다. 따라서 두 방법의 상관관계를 높이기 위해서는 각 군집의 종별 세포 크기를 측정하여 더욱 세부적인 탄소 환산이 이루어져야 할 것이다. 지금까지 현미경관찰법과 CHEMTAX법의 결과를 비교하여 두 방법의 단점은 보완하고, 효율성을 극대화시키기 위한 노력이 진행되어 왔으나 서로의 차이를 설명하기에는 한계가 있었다. 본 연구에서는 색소 분석에 기반한 CHEMTAX 프로그램을 활용함으로써 식물플랑크톤 군집의 상대 탄소 비율을 효율적이고 신속하게 파악하는 방법을 제안하였다.

• 한국터널지하공간학회 논문집
• /
• 제23권6호
• /
• pp.517-534
• /
• 2021

수소연료는 환경오염문제를 해소하고 에너지 불균형 및 비용을 절감할 수 있다는 점에서는 화석연료를 대체하는 에너지원으로 부각되고 있다. 수소는 친환경적이나 폭발성이 강하기 때문에 수소연료차의 화재, 폭발 사고에 대한 우려가 매우 높은 실정이다. 연구결과에서 수소사고는 일반적인 화재의 경우 비교적 안전하나, 폭발이 발생하면 매우 위험한 것으로 인식되고 있다. 특히, 터널과 같은 반밀폐공간에서는 위험도가 보다 증가할 것으로 예측되기에 이에 대한 예측방법 및 대책을 마련하기 위한 연구가 수행되고 있다. 이에 본 연구에서는 터널에서 수소폭발시 안전성을 평가하기 위해서 등가 TNT모델의 적용성과 수치해석 방법에 대한 검토를 수행하였다. 6개의 등가 TNT모델과 Weyandt의 실험결과의 폭발압력을 비교·검토하여 모델의 적용성을 평가한 결과, Henrych식이 13.6%의 편차로 가장 근접하는 것으로 나타났다. 수치해석을 이용하여 수소탱크 용량(52, 72, 156 L)과 터널 단면적(40.5, 54, 72, 95 m²)이 폭발압력에 미치는 영향에 대한 검토한 결과, 터널에서 폭발 압력파는 초기에는 대기중에서와 마찬가지로 반구형 형태로 전파되나 벽체에 도달하면 반사파가 형성되며, 일정 거리 이상에서는 평면파로 변형되어 아주 완만한 감쇄율로 전파하는 것으로 나타났다. 등가 TNT모델인 Henrych식은 폭발압력이 급격하게 감소하는 구간에서는 수치해석 결과와 잘 일치하나 폭발압력파가 변형된 이후에는 큰 폭으로 과소평가하는 것으로 나타났다. 수소탱크용량이 동일한 경우에는 터널 단면적이 증가할수록 폭발압력이 감소하며, 단면적이 동일한 경우에는 수소탱크 용량이 52 L에서 156 L로 증가하면 폭발압력은 약 2.5배 정도 증가하는 것으로 나타났다. 인체에 영향을 미치는 한계거리에 대한 평가결과, 수소탱크용량이 52 L인 경우 사망에 이르는 한계거리는 약 3 m, 중상에 이르는 거리는 단면적별로 차이가 있으나 28.5~35.8 m로 나타났다.

• 한국가금학회지
• /
• 제48권4호
• /
• pp.277-285
• /
• 2021

본 연구는 국내에서 유통되는 토종닭 실용계 4종(한협3호: G, 소래1호: V, 우리맛닭1호: S, 우리맛닭2호: W)의 생산성, 도체율, 정육율 및 육질 특성을 비교하기 위해 수행하였다. 각각의 품종을 처리구로 총 4처리구, 처리당 6반복, 반복당 16수(♀ 8수, ♂ 8수)씩 총 384수를 완전임의 배치하였다. 체중은 S와 W 품종에 비해 G와 V 품종에서 유의적으로 높았으며(P<0.01), 증체량은 S 품종이 유의적으로 낮게 나타났다(P<0.05). 사료요구율은 8~10주령에서 W 품종이 유의적으로 높게 나타났다(P<0.05). 생존율은 처리구 사이에서 유의적인 차이를 보이지 않았다. 12주령 도체율과 정육율은 V 품종에서 가장 높게 나타났으나(P<0.05), 암수 사이에서 유의차가 없었다. 가슴육의 전단력은 G 품종이 유의적으로 낮게 나타났으며(P<0.05), 12주령에 수탉이 암탉에 비해 높게 나타났다(P<0.05). 가슴육의 L^*(명도)는 V 품종을 제외하고 암탉이 높게 나타났으며, 품종 간 a^*(적색도)는 G품종이 유의적으로 높았다(P<0.05). 가슴육의 b^*(황색도)는 G와 V 품종이 높았으며(P<0.05), G 품종을 제외한 모든 품종에서 수컷이 암컷보다 더 높은 황색도를 보였다. 다리육은 적색도의 암수 효과를 제외하고 명도, 적색도, 황색도에서 품종, 암수 그리고 상호작용 효과에서 모두 유의적인 차이를 나타냈다(P<0.05). 결론적으로, 생산성은 G와 V종, 육질은 S와 W종이 우수한 경향을 보였다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.145-154
• /
• 2022

자동 표적 인식(Automatic Target Recognition, ATR) 기술이 미래전투체계(Future Combat Systems, FCS)의 핵심 기술로 부상하고 있다. 그러나 정보통신(IT) 및 센싱 기술의 발전과 더불어 ATR에 관련이 있는 데이터는 휴민트(HUMINT·인적 정보) 및 시긴트(SIGINT·신호 정보)까지 확장되고 있음에도 불구하고, ATR 연구는 SAR 센서로부터 수집한 이미지, 즉 이민트(IMINT·영상 정보)에 대한 딥러닝 모델 연구가 주를 이룬다. 복잡하고 다변하는 전장 상황에서 이미지 데이터만으로는 높은 수준의 ATR의 정확성과 일반화 성능을 보장하기 어렵다. 본 논문에서는 이미지 및 텍스트 데이터를 동시에 활용할 수 있는 지식 그래프 기반의 ATR 방법을 제안한다. 지식 그래프와 딥러닝 모델 기반의 ATR 방법의 핵심은 ATR 이미지 및 텍스트를 각각의 데이터 특성에 맞게 그래프로 변환하고 이를 지식 그래프에 정렬하여 지식 그래프를 매개로 이질적인 ATR 데이터를 연결하는 것이다. ATR 이미지를 그래프로 변환하기 위해서, 사전 학습된 이미지 객체 인식 모델과 지식 그래프의 어휘를 활용하여 객체 태그를 노드로 구성된 객체-태그 그래프를 이미지로부터 생성한다. 반면, ATR 텍스트는 사전 학습된 언어 모델, TF-IDF, co-occurrence word 그래프 및 지식 그래프의 어휘를 활용하여 ATR에 중요한 핵심 어휘를 노드로 구성된 단어 그래프를 생성한다. 생성된 두 유형의 그래프는 엔터티 얼라이먼트 모델을 활용하여 지식 그래프와 연결됨으로 이미지 및 텍스트로부터의 ATR 수행을 완성한다. 제안된 방법의 우수성을 입증하기 위해 웹 문서로부터 227개의 문서와 dbpedia로부터 61,714개의 RDF 트리플을 수집하였고, 엔터티 얼라이먼트(혹은 정렬)의 accuracy, recall, 및 f1-score에 대한 비교실험을 수행하였다.

• 한국식품위생안전성학회지
• /
• 제37권5호
• /
• pp.317-322
• /
• 2022

최근 국내의 흑염소 사육량과 소비량이 지속적으로 증가하고 있다. 흑염소 사육방식 또한 대량화, 밀집화 형태로 변화하는 추세이며, 이에 따라 다양한 전염성 질병이 흑염소 농장에 발생하고 있다. 그중 소형 반추류에 발생하는 건락성 림프절염은 국내 흑염소 농장에서 유병률이 50% 이상에 이를 정도로 빈발하고 있으나 현재 마땅한 제어 방법이 없는 실정이다. 따라서, 본 연구에서는 흑염소의 대표적인 세균성 질병인 건락성 림프절염의 제어를 위한 노력의 일환으로 원인균인 Corynebacterium pseudotuberculosis(C. pseudotuberculosis)에 효과적인 소독제를 확인하고자 하였다. 국내 시판되고 있는 축산용 소독제를 유효성분으로 구분하여 6종의 소독제에 대하여 소독제 효력시험을 수행하였다. 실험 대상으로 선정된 6종의 소독제는 산성제(구연산, Citric acid), 할로겐계(이염화이소시아눌산나트륨, Sodium dichloroisocyanurate), 산소계(모노과황산칼륨화합물, Potassium monopersulfate triple salt), 염기제(황산구리수화물, Copper sulfate pentahydrate), 양이온성 세정제(4급 암모늄, Dialkyl dimethyl ammonium chloride), 염소계(차아염소산나트륨, Sodium hypochlorite)이다. 농림축산검역본부 소독제 효력시험지침에 준하여 실험한 결과, 경수 조건에서는 황산구리수화물을 제외한 모든 소독제가 소독제 효력시험지침에서 제시하는 기준인 99.99% 이상의 살균력을 보였으며, 유기물 조건에서 구연산, 모노과황산칼륨 화합물 및 4급 암모늄 제재의 3종만이 99.99% 이상의 살균력을 보였다. 표준 효력시험지침(30분)보다 짧은 시간(1분, 5분, 15분) 동안 처리 후 살균력을 확인하였을 때, 경수 조건에서는 이염화이소시아눌산나트륨, 모노과황산칼륨 화합물, 차아염소산나트륨 제재가 가장 효과가 좋았으며 1분간 처리 시에도 99.99% 이상의 살균력을 보였다. 유기물 조건의 경우에는 구연산과 4급 암모늄 제재가 가장 효과가 높았으며 5분간 처리 시에도 99.99% 이상 또는 근접하는 살균력을 유지하였다. 본 실험 결과를 종합하여 볼 때 축산용 소독제의 유효성분에 따라 C. pseudotuberculosis에 대한 살균력에 차이가 있으며 경수 및 유기물 조건에 따른 차이도 확인된다. 따라서 C. pseudotuberculosis에 효과적인 소독제 선정 및 활용을 통하여 흑염소 농장 내 환경 오염을 방지한다면 건락성 림프절염 저감화에 효과가 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제24권3호
• /
• pp.164-178
• /
• 2022

주요 곡물 생산 지역에 대한 작황 계절 예측을 위해 작물모형과 기상 예보자료들이 활용되고 있다. 이 때, 작물모형의 입력자료로 활용되는 기상자료의 불확실성이 작황 예측 결과에 영향을 줄 수 있다. 본 연구에서는 기상 예보자료에 따른 작물모형 결과에 미치는 영향을 알아보고자 하였다. 주요 곡물 생산 지역인 미국의 콘벨트 지역을 대상으로 중규모 수치예보 모형인 Weather Research and Forecasting (WRF)로 10km 해상도의 계절 예측 자료를 생산하였다. 보다 상세한 기상 예보자료 생산을 가정하기 위해 통계적 기법인 Parameter-elevation Regressions on Independent Slopes Model (PRISM) 기법을 활용하여 WRF 자료를 기반으로 5km 해상도로 예측 자료를 생산하였다. WRF와 PRISM 계절 예측 자료로 CROPGRO-SOYBEAN 모형을 구동하여 두 기상 예보자료에 따른 작물 생육 모의 결과를 얻었다. 2011~2018 기간에 대하여 4월 10일부터 8일 간격으로 11개의 파종일을 설정하였으며, 3개의 콩 성숙군에 대한 품종 모수가 사용되었다. 기상 자료의 불확실성을 파악하기 위해 작물 재배기간 동안의 누적 생육도일과 누적 일사량을 비교하였다. 예측된 수량 및 성숙일 등의 주요 변수들을 비교하였다. 두 기상 자료로부터 얻어진 변수들 사이의 일치도 통계량 계산을 위해 root mean square error (RMSE), normalized root mean square error (NRMSE) 및 structural similarity(SSIM) index가 사용되었다. WRF와 PRISM에서 계산된 누적 생육도일 사이의 일치도가 낮았던 연도에 콩 성숙일 모의 값에 대한 오차가 크게 나타났다. 콩 모의 수량 또한 성숙일 및 온도의 오차가 크게 나타났던 연도에 상대적으로 낮은 일치도를 가졌다. 또한 파종일이 수량 및 성숙일 예측의 일치도에 상당한 영향을 미치는 것으로 나타났다. 이러한 결과는 WRF와 PRISM 자료 사이에 온도 자료의 불확실성이 작황 예측의 불확실성에 영향을 주었으며, 재배 시기에 따라 그 불확도의 크기가 상이할 수 있음을 암시하였다. 따라서 신뢰도 높은 작황 예측 자료 생산을 위해 작물별 재배기간을 고려한 불확실성 평가 등의 추가적인 연구가 진행되어야 할 것으로 보인다.

• 광물과 암석
• /
• 제35권3호
• /
• pp.313-331
• /
• 2022

무기 자연 수소(H₂)는 천연가스의 주요 구성성분이지만, 청정 및 재생 가능한 에너지로써 글로벌 에너지 분야에서 그 중요성이 다소 과소평가되고 있다. 이 논문은 우리가 과거에 생각했던 것보다 훨씬 광범위한 환경에서 무기 자연 수소가 대륙 암석권에서 대량 생성된다는 최근 논문들을 바탕으로 자연 수소의 발생 기작과 이와 관련된 다양한 지질학적 특징들을 검토하였다. 지금까지 확인된 자연 수소의 주요 근원암은 (1) 초고철질암, (2) 철(Fe²⁺)이 풍부한 암석으로 구성된 강괴, (3) 우라늄이 풍부한 암석이다. 이 암석들은 선캄브리아 시대 결정질 기반암 그리고 중앙 해령과 대륙기반의 오피올라이트(ophiolite), 페리도타이트(peridotite) 암체에서 사문암화된 초고철질암과 밀접하게 관련된다(Zgonnik, 2020). 이 근원암들에서 자연 수소를 생성하는 무기적 작용은 (a) 광물(예, 감람석)의 Fe²⁺이 산화되는 동안 물의 환원, (b) 방사성 붕괴로 인한 수전해, (c) 규산염 암석의 기계적 파괴(예, 단층) 동안 물과 표면 라디칼의 반응 등이며, 자연 수소는 자유 기체(51%), 다양한 광물 내의 유체포유물(29%), 지하수의 용존기체(20%) 형태로 발견된다(Zgonnik, 2020). 우리나라의 경우 아직 자연 수소 연구가 수행되지는 않았지만, 경상분지 내 무기 자연 수소의 생성과 부존 가능성은 두꺼운 퇴적분지 내에서 초고철질암, 층간 현무암층과 철/구리 부화대 존재, 그리고 페름기-제3기 동안 능동적 대륙 연변부에서 여러 번의 화성활동 등을 포함한 지질학적/지구화학적 특성을 고려하면 상당히 높은 것으로 평가된다. 최근 지질 기원의 자연 수소를 연구/탐사하는 국외 학자들과 산업체들은 가까운 미래에 자연 수소가 깨끗하고 재생 가능한 획기적인 에너지원 역할을 할 것으로 전망하고 있다. 따라서 우리나라에서 자연 수소의 경제적 활용을 위한 부존지 발견 여부와 상관없이 지하의 암석-유체 상호작용에 관한 통합 연구를 통해 아직 밝혀지지 않은 자연 수소의 성인과 탐사는 차세대 핵심 연구임이 분명하다.

• 한국자원식물학회지
• /
• 제35권5호
• /
• pp.652-658
• /
• 2022

화색이 다른 장미 3품종('Ice Wing', 'Orange Eye', 'Pink beauty') 꽃잎 절편체를 3종류(MS, SH, WPM)의 기본배지에 2, 4-D 11 mg/L를 첨가한 배지에 47일간 암배양하고 절편체로부터 캘러스 형성율을 조사한 결과, 모든 품종에서 꽃잎 절편체로부터 캘러스 형성이 관찰되었다. 또한 화색이 흰색인 'Ice Wing' 품종의 꽃잎을 기본 배지를 SH배지에 치상하였을 때 절편체의 약 90% 이상에서 캘러스가 형성되어 가장 높은 캘러스 형성율을 나타내었다. 유도된 캘러스의 색은 꽃색이나 배지에 따른 차이는 없었고, 아이보리나 브라운 또는 회색 계열이었다. 체세포 배발생은 WPM 기본배지에서 획득된 'Ice Wing' 꽃잎 유래 캘러스만을 분리하여3 mg/L 2,4-D와 300 mg/LL-proline을 첨가한 SH배지에 암배양 1개월 후 관찰되었다. 이후 4주 간격으로 동일한 조성의 배지로 2회 교체한 결과 체세포배가 대량 발생되는 것을 확인하였다. RT-qPCR분석에 의해'Ice Wing' 꽃잎 유래의 캘러스와 증식중인 체세포배 발생 캘러스간 캘러스로부터 체세포배 발생을 인지하는 표지로서 사용되고 있는 somatic embryogenesis receptor kinase (SERK) 유전자의 발현량을 비교한 결과, RhSERK3 유전자의 발현량은 일반 캘러스에 비해 체세포배 발생 캘러스에서 10배 높았고, 일반 캘러스에서는 거의 발현되지 않은 RhSERK4 유전자의 발현은 체세포배 발생 캘러스에서는 700배 높았다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.