• 한국지구과학회지
• /
• 제42권5호
• /
• pp.524-535
• /
• 2021

급격한 기후 변화와 해양 온난화에 의해 지난 수십 년 동안 파고의 변동성이 증가하였다. 상위 1% (또는 5%) 파고와 같은 극한 파고는 국지적인 해역 뿐만 아니라 전 지구 대양에서도 평균 파고에 비해 현저하게 증가하였다. 1991년부터 인공위성 고도계를 활용하여 유의파고를 지속적으로 관측하고 있으며 통계적 기법을 기반으로 100년 빈도 유의파고를 추정하기에 비교적 충분한 자료가 축적되었다. 이어도 해양과학기지에서 유의파고 극값을 추정하기 위하여 2005년부터 2016년까지 위성 고도계 자료를 활용하였다. 대표적인 극값 분석 방법인 Initial distribution Method (IDM)와 Peak over Threshold (PoT)를 위성 도고계 유의파고 관측 자료에 적용하고 이어도 해양과학기지에서 관측된 실측자료와 비교하였다. 이어도 해양과학기 관측 자료에 IDM과 PoT 기법을 적용하여 추정된 100년 빈도 유의파고는 각각 8.17 m와 14.11 m이며, 인공위성 고도계 관측 자료를 활용하였을 때는 각각 9.21 m와 16.49 m이었다. 관측 최대값과의 비교 분석에서 IDM을 활용한 분석은 유의파고 극값을 과소추정 하는 경향을 보였다. 이는 IDM 보다 PoT 기법이 유의파고의 극값을 적절하게 추정하고 있음을 의미한다. PoT 기법의 우수성은 높은 유의파고가 발생하는 태풍의 영향을 받는 이어도 해양과학기지 실측 자료를 활용한 결과에서도 증명되었다. 또한 PoT 기법으로 추정된 유의파고 극값의 안정성은 고도계 자료의 감소에 따라 저하될 수 있음을 확인하였다. 인공위성 고도계 자료를 활용하여 유의파고 극값 추정시 발생할 수 있는 한계점과 인공위성 자료를 검증할 수 있는 자료로써 이어도 해양과학기지 관측 자료의 중요성에 대하여 논의하였다.

• 대한원격탐사학회지
• /
• 제40권2호
• /
• pp.229-241
• /
• 2024

클라우드 플랫폼을 이용한 빅데이터 처리기술의 발달로 위성영상과 같이 용량이 큰 자료에 대한 접근 및 처리와 분석이 최근 획기적으로 개선되고 있다. 본 연구에서는 그 플랫폼 중 하나인 Google Earth Engine (GEE) 기반의 전처리 완료된 Sentinel-1 합성개구레이더(synthetic aperture radar, SAR) 위성영상 자료의 후방산란계수 값에 비교적 간단한 토양수분량 추출 방법인 Change Detection Method를 적용하여, 2015~2023년의 국내 용담댐 유역 내 6개 관측소 지점 및 유역 평균에 대한 지표 토양수분량을 산정 후 실측과의 상관성 분석 및 GEE의 활용성을 검토하였다. 그 결과 SAR 위성영상 자체의 지표 측정 정확도와 자료간 특성 변동 등으로 인해 유역 내 관측소별 일부구역에 대해 산정한 지점 지표 토양수분량은 VH와 VV 편파에서 모두 0.1~0.3 수준의 낮은 상관성이 확인된 반면, 유역 전체 면적에 대한 평균 SAR 후방산란계수 값 추출 및 이동평균으로 자료의 불확실성 및 변동성을 완화시킨 유역 평균 지표 토양수분량은 0.5 수준의 향상된 결과를 보였다. 이렇게 GEE를 활용하여 산정된 토양수분량의 결과는 SAR 자료의 전처리에 있어 직접적으로 원하는 분석을 수행하지 못하는 제한점은 있지만, 방대한 위성영상 자료를 효율적으로 처리하여 장기간의 유역 평균과 같은 넓은 범위의 토양수분량을 산정, 평가해 볼 수 있다는 점에서 그 활용성을 확인할 수 있었다. 이를 바탕으로 향후 국내 여러 지점의 지표 토양수분량 관측자료와 연계해 주요 댐 유역의 평균지표 토양수분량 장기 변화 파악 등에 유용하게 활용될 수 있을 것으로 기대된다.

• 한국패류학회지
• /
• 제29권4호
• /
• pp.325-334
• /
• 2013

본 연구에서는 전복의 성장형질에 대한 가계변이를 비교분석하기 위한 목적으로 2011년에 생산된 선발 3세대 북방전복 5,334마리에 대한 18개월령 성장형질인 각장, 각폭 및 중량의 전체 계측자료를 이용하여 유전모수와 육종가를 추정하였으며, 그 중 개체수가 많은 상위 10가계의 865마리 대한 가계변이를 조사하였다. 가계효과를 추정하기 위해 개체모형에 근거한 선형모형을 이용하였고, 유전모수 및 육종가는 생산시기를 고정 효과로 처리하고, EM-REML algorithm을 전산 프로그램화한 REMLF90을 이용하여 최적선형불편예측법에 의해 추정하였다. 본 연구에서 조사된 18개월령 북방전복의 표현형에 있어 각장, 각폭 및 중량의 전체평균은 각각 54.5 mm, 36.8 mm 및 21.3 g로 나타났고, 중량의 변이계수가 51.0%로 나타나 각장의 21.1% 및 각폭의 20.7% 보다 자료의 변동성이 크게 나타났다. 개체수가 많은 상위 10가계를 대상으로 각장과 중량의 관계를 산점도로 표시한 결과 상관관계식이 TW = $0.0002SL^{2.8796}$ ($R^2$ = 0.9864) 과 같이 지수곡선식으로 추정되었다. 가계효과에 있어서는 각 가계별로 유의적인 차이를 보였으며 (p < 0.05), 각장, 각폭 및 중량의 유전력은 각각 0.370, 0.382 및 0.367로 중도의 유전력을 보여 개체선발 보다는 가계선발이 유리할 것으로 사료된다. 또한 각 형질 간 상관계수는 매우 높은 정의 상관관계를 보여 한 형질만의 개량으로 다른 형질의 개량효과를 기대할 수 있을 것으로 판단된다. 추정된 각장 및 중량의 육종가를 토대로 개체수가 많은 상위 10가계에 대한 각 개체별 분포와 순위를 조사하기 위해 표준화육종가로 변환하여 이용하였으며, 각장을 기준으로 상위 5.4%의 개체 수는 152마리, 하위 5.4%의 개체 수는 8마리로 조사되었고, 중량의 경우 상위 5.4%의 개체 수는 164마리, 하위 5.4%의 개체 수는 1마리로 조사되었다. 이와 같이 가계간의 표현형 및 유전적인 다양한 변이를 확인 할 수 있었고, 다음 세대 생산을 위한 모집단의 유전모수와 육종가를 추정하여 선발과 교배에 적절히 이용한다면 보다 나은 육종효과를 기대할 수 있을 것으로 사료된다.

• 대한토목학회논문집
• /
• 제36권5호
• /
• pp.779-789
• /
• 2016

강우-유출 모의 과정에서 유효강우는 토양수분을 고려하여 산정되며, 이러한 토양수분을 강우-유출 모형에 반영하기 위해서는 직접 관측된 자료를 활용하거나, 모형 내부에서 간접적으로 산정한다. 본 연구에서 사용한 강우-유출 모형은 유역의 기온에 따른 유역습윤지수(Catchment Wetness Index, CWI)를 산정하고, CWI와 강수량의 조합을 통해 산정되는 토양수분지수(Soil Moisture Index, SMI)를 직접 활용하여 유효강우 및 유출량을 계산하는 IHACRES 모형을 사용하여 연구를 수행했다. 합천댐 유역을 대상으로 CWI와 유효강우 간의 관계가 장기 유출 산정에 미치는 영향에 대해 연구한 결과, CWI와 유효강우는 비선형적인 관계를 가짐을 확인하였으며 이러한 비선형 관계는 장기 유출 모의에 있어 홍수기 보다 비홍수기에서 더 많은 영향을 미침을 확인하였다. CWI가 장기 유출에 미치는 영향을 자세히 분석하고자, 보정기간(2002~2004년)과 검정기간(2005~2007년)으로 나누어 가변 CWI와 일정 CWI 조건하에서 유황에 따른 유출모의성능을 분석하였다. 분석결과 전반적으로 가변 CWI의 결과가 일정 CWI의 결과에 비하여 우수하게 나타났다. 풍수기에서 결정계수는 평수기나 갈수기에 비하여 높은 값을 보이고 있으나 가변 CWI와 일정 CWI간에 차이는 크지 않았다. 이는 강수량이 많은 시기의 유출의 경우 기온에 따른 증발 및 토양수분에 대한 민감도가 상대적으로 작다는 것을 의미한다. 반면, 풍수기에 비해 유출량이 적은 평수기와 갈수기에서는 가변 CWI의 평가지표가 더 우수한 결과를 보이고 있어, 평갈수량을 포함한 장기유출모의시 기온을 고려한 증발과 이에따른 토양수분의 고려가 유출량 산정에 상당한 영향을 미침을 확인할 수 있다. NSE의 경우 풍수기가 평갈수기보다 다소 떨어지는 경향을 볼 수 있으나 NSE가 이상치의 영향을 크게 받는 지표이므로 유량 절대값이 큰 풍수기에서는 당연한 결과라 볼 수 있으며, 그럼에도 전체적으로는 0.9이상의 양호한 수치를 보여주고 있다. 풍수기에는 기온에 따른 CWI가 크게 영향을 미치지 못하지만, 유출량이 적은 평 갈수기에서 CWI의 활용이 장기 유출 모의 정확도를 개선할 수 있을 것이라 사료된다.

• 대한수의학회지
• /
• 제42권2호
• /
• pp.191-199
• /
• 2002

이 연구는 AP-PCR 기법을 이용하여 Salmonella 균주의 유전적 다양성과 근연관계를 비교하고자 수행하였다. 18종의 Salmonella 균주에 대해 8종류의 primer를 이용하여 각 균주에 대한 DNA 밴드를 검출한 결과 총 AP-PCR 단편의 수는 39에서 52개의 범위였으며 평균 43.6개가 검출되었다. 총 349개의 표지인자가운데 다형성을 나타내는 단편들은 185개로서 53.0%의 다형성 수준을 보여주었다. 살모넬라균주들은 GEN 703과 GEN 708 primer에서 각각 0.682와 0.676의 높은 다형성 수준을 보여주었으나 GEN 603, GEN 604, 및 GEN 607 primer에서는 각각 0.404, 0.460 및 0.472의 비교적 낮은 수준의 다형성을 나타냄으로써 살모넬라균주간 상동성 비율이 높음을 시사해 주고 있다. 따라서, 이들 primer들은 Salmonella 균주들의 AP-PCR 분석에 대단히 효율적임을 확인할 수 있었다. S typhimirium CU 2001의 다형성 수준은 77%로 S typhimirium CU 2002와 가장 근연관계가 가까운 것으로 나타났으며 다음이 S typhimirium CU 2003으로 63%, S typhimirium ATCC 14028이 50%, 그리고 S typhimirium CU 2004가 43%의 근연관계를 나타내었다. S enteritidis ATCC 13076의 다형성 수준은 83%로 S enteritidis CU 2005와 근연관계가 가장 가깝게 나타내었으며 다음이 S enteritidis CU 2006으로 63%, S enteritidis CU 2007이 58%의 근연관계를 나타내었다. S choleraesuis CU 2009의 다형성 수준은 67%로 S choleraesuis CU 2010과 가장 가까운 근연관계를 나타내었으며 S choleraesuis CU 2008은 53%의 근연관계를 나타내었다. S gallinarum CU 2011과 S gallimarum CU 2012의 다형성 수준은 70%로 근연관계가 가장 가깝게 나타났으며 S gallinarum ATCC 9184는 60%의 근연관계를 나타내었다. 마지막으로 S pullorum CU 2013과 S pullorum CU 2014의 다형성 수준은 80%로 매우 높은 근연관계를 나타낸 반면 S pullorum No 11은 53%로 근연관계가 먼 것으로 나타났다. 따라서, AP-PCR 분석은 Salmonella 균주의 유전적 다양성 및 근연관계를 추정하기 위한 강력한 도구로서 이용할 수 있을 것이다.

• 생물환경조절학회지
• /
• 제32권4호
• /
• pp.384-395
• /
• 2023

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀(MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770-0.948 범위의 R² 값과 0.495mm/min-1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU는 0.948의 R² 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R² 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.