• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.23-33
• /
• 1996

광역수계에서 현재의 수질평가 방법은 시간과 장비 등의 제약으로 오염물질 분포, 이동 및 전반적인 수질현황을 파악하기가 어렵기 때문에 최근에는 대상수역의 수질을 동시적이고 공간적으로 측정을 할 수 있는 원격탐측 적용 연구가 증가추세에 있다. 따라서 본 연구에서는 위성 원격탐측기법으로 호수 수질을 관측하고자 1995년 6월 20일과 1995년 3월 18일에 Landsat 5호 위성의 대청호 상공 통과시간에 맞춰 대청호에서 부영양화 관련 수질인자를 측정하여 위성데이터와 수질 실측치간의 상관관계 분석 및 회귀모델을 유도하였고 모델의 정밀도를 검증하였다 연구결과 TM데이터로부터 수질에 관한 많은 정보를 얻을 수 있었는데, 투명도, 탁도, 부유물질 및 클로로필은 높은 상관성을 보였으나 분광특성이 뚜렷하지 않은 총인, 총질소는 원격탐측 적용이 어려운 것으로 나타났다.

• 한국습지학회지
• /
• 제20권4호
• /
• pp.330-337
• /
• 2018

소옥천 유역 내 본류 8개 지점의 수질 모니터링 자료를 이용하여 한국형 부영양화지수($TSI_{ko}$)를 산정하고 COD, T-P, Chl-a에 의해 계산된 인자별 $TSI_{ko}$를 이용하여 하천에 대한 환경특성을 분류하고 평가하였다. 소옥천 유역의 경우 수심이 얕고 강우시 비점오염 유입, 하수처리장 방류수 유입, 체류시간 증가 등으로 조류가 성장하기 좋은 조건을 갖추고 있어 연중 중영양 이상의 영양 상태를 보이고 있다. 특히 대청호 유입 지점인 추소 지점의 경우 수리학적 특성으로 인해 수질이 악화되어 부영양 상태를 나타내고 있었다. 따라서 소옥천에 대한 정밀 모니터링을 통해 원인분석과 이에 따른 수질개선대책 수립이 우선적으로 필요할 것으로 판단된다.

• Journal of Applied Biological Chemistry
• /
• 제52권4호
• /
• pp.157-162
• /
• 2009

한천분해세균 SC-22균을 대전 대청댐부근의 담수에서 분리하였다. 생화학적 분석 및 16S rRNA 염기서열 분석을 통한 계통학적 분류를 통해 SC-22는 Cellvibrio mixtus로 동정되었다. 분리균의 생육 및 agarase 효소 생성능을 검토한 결과, SC-22는 탄소원으로 0.2% agar를 첨가한 배지에서 배양 36시간에 최대 생육을, 배양 48시간에 58.5 units/mL의 최대 효소활성을 나타내었다. 분리균은 세포외 및 세포내 agarase를 생성하였으며, zymogram 실험에 의해 P1, P2 및 P3의 isoenzyme을 분비하는 것으로 확인 되었다. 배양여액으로부터 겔여과법과 이온교환수지법을 단계적으로 이용하여 SC-22 균주로부터 SDS-PAGE에 의해 25 kDa의 효소를 정제하였으며, 정제효소는 zymogram에서 확인된 주 단백질인 P2(29 kDa)과 동일한 단백질임이 확인되었다. 또한 정제한 agarase의 효소학적 성질을 검토한 결과, 효소의 최적 pH와 최적온도는 pH 7.0과 $50^{\circ}C$이었으며, 금속이온 효과의 경우 1 mM 농도의 수준에서도 $Fe^{2+}$, $Na^+$, $Ca^{2+}$ 이온 등은 정제효소의 활성을 10-20% 증가시킨 반면 $Hg^{2+}$, $Mn^{2+}$ 및 $Cu^{2+}$ 이온들은 효소 활성을 크게 저해하였다. 또한 TLC 분석을 통해 정제효소는 한천 분해 올리고당으로 주로 단당류와 이당류를 생성하므로 $\beta$-agarase의 작용특성을 보였다. 기질특이성 실험에서는 정제효소는 agar와 agarose만을 이용 하였고 유사 해조 다당류인 alginate는 물론 다른 다당류를 분해하지 못하였다.

• 상하수도학회지
• /
• 제35권6호
• /
• pp.417-424
• /
• 2021

Algal bloom is an ongoing issue in the management of freshwater systems for drinking water supply, and the chlorophyll-a concentration is commonly used to represent the status of algal bloom. Thus, the prediction of chlorophyll-a concentration is essential for the proper management of water quality. However, the chlorophyll-a concentration is affected by various water quality and environmental factors, so the prediction of its concentration is not an easy task. In recent years, many advanced machine learning algorithms have increasingly been used for the development of surrogate models to prediction the chlorophyll-a concentration in freshwater systems such as rivers or reservoirs. This study used a light gradient boosting machine(LightGBM), a gradient boosting decision tree algorithm, to develop an ensemble machine learning model to predict chlorophyll-a concentration. The field water quality data observed at Daecheong Lake, obtained from the real-time water information system in Korea, were used for the development of the model. The data include temperature, pH, electric conductivity, dissolved oxygen, total organic carbon, total nitrogen, total phosphorus, and chlorophyll-a. First, a LightGBM model was developed to predict the chlorophyll-a concentration by using the other seven items as independent input variables. Second, the time-lagged values of all the input variables were added as input variables to understand the effect of time lag of input variables on model performance. The time lag (i) ranges from 1 to 50 days. The model performance was evaluated using three indices, root mean squared error-observation standard deviation ration (RSR), Nash-Sutcliffe coefficient of efficiency (NSE) and mean absolute error (MAE). The model showed the best performance by adding a dataset with a one-day time lag (i=1) where RSR, NSE, and MAE were 0.359, 0.871 and 1.510, respectively. The improvement of model performance was observed when a dataset with a time lag up of about 15 days (i=15) was added.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.402-402
• /
• 2020

대청호는 1998년 조류경보제 도입 이후 1999년과 2014년을 제외하고 매년 조류 경보가 발령되었으며 2001년 조류 경보 '대발생'이 발령된 후 2017년 가장 높은 조류 발생 수치를 기록하였다. 상시 조류 발생 지역인 대청호 내 녹조를 제어하기 위해 비점오염원 발생원을 기준으로 우선관리지역을 선정하고, 각 지역의 특성을 반영한 관리대책을 제안하였다. 우선관리지역 선정을 위해 대청호 유역 내 오염총량 소유역을 기준으로 각 소유역의 농업 비점오염원의 발생부하량을 산정하고 유출을 고려한 가중치를 추가하였다. 본 연구에서는 농업 비점오염원을 크게 토지계 비점오염원과 축산계 비점오염원으로 분류하였으며, 토지계 농업비점오염원은 논, 밭, 과수원 지역으로 정의하였다. 발생부하량의 산정은 오염총량관리 기술지침(2019, 국립환경과학원)을 기준으로 하였으며, 토지계 발생부하량 산정을 위한 토지계 정보원으로 환경부에서 제작 및 배포하는 세분류 토지피복도를 축산계 발생부하량 산정을 위한 축산 두수는 2017년 기준 전국오염원조사 내 축산두수를 이용하였다. 토지계 비점오염원의 하천까지 유출을 반영하기 위해 각 소유역별 평균 경사도를 가중치로 이용하였으며, 축산계 비점오염원은 오염물질이 발생한 후 하천까지의 평균 유출 정도를 확인하여 가중치로 반영하였다. 실제 하천에 미치는 영향이 높은 지역에 대한 우선적인 관리를 위해 하천수 수질측정망에서 측정한 수질 데이터와의 비교를 통하여 최종 우선관리지역을 보청A03, 보청A05, 금본F14, 금본F22 소유역으로 선정하였다. 각 소유역에 대한 수질 관리목표를 확인하였으며, 지역의 특성을 분석하여 토지계 및 축산계 비점오염원에 대한 적절한 관리대책을 제안하였다. 본 연구에서 사용한 수질 측정망 데이터가 각 소유역보다 적게 분포하여 소유역에서 발생한 비점오염물질이 하천에 미치는 영향을 직접 파악하는데 한계가 있었다. 또한, 축산계의 경우 발생한 비점오염물질이 모두 하천으로 유입되지 않으며, 축산계 비점오염원의 배출경로를 파악하는데 어려움이 있다는 한계를 가진다. 본 연구의 한계를 바탕으로 농림축산식품부 및 축협 등에서 구축하는 사육두수의 데이터를 이용하는 방법론 등의 추가적인 연구가 필요할 것으로 보인다.