• 한국균학회지
• /
• 제23권1호통권72호
• /
• pp.92-104
• /
• 1995

강원도 춘성군 강원대 연습림등 장원도일대의 산지에서 1993년 6월부터 9월까지 채집된 Cordyceps 속균의 자실체(子實體)는 Cordyceps militaris, C. roseostromata, C. kyushuensis, C. scarabaeicola, Phytocordyceps ninchukiospora, C. nutans, Paecilomyces tenuipes, C. sphecocephala, Hymenostilbe odonatae, Torrubiella sp. 등 10종이었다. 동충하초속균(冬蟲夏草屬菌)의 Type species이기도 한 C. militaris는 주로 인시목(隣翅目)의 번데기를 기주(寄主)로 한 자실체(子實體)가 채집되었는데 본(本) 종(種)의 발생은 7월경의 장마철이 지나면서 다수 채집되었다. C. roseostromata는 형태적으로 C. mlitaris와 유사하나 크기가 작으며 역시 인시목(隣翅目)의 유충, 번데기 등을 기주(寄主)로 한 자실체(子實體)가 채집되었다. C. scarabaeicola는 풍뎅이 성충만을 침입하여 자실체(子實體)를 형성하였으며 C. kyushuensis는 박각시 나방의 유충만을 기주(寄主)로 하여 자실체(子實體)가 채집되었다. C. nutans와 C. sphecocephala는 각각 노린재와 벌만을 기주(寄主)로 하여 가늘고 질긴 침상의 병(柄)에 타원형의 두부(頭部)를 착생(着生)한 자실체(子實體)를 형성하는데 두 종은 채집지역에 관계없이 곤충기생성균(昆蟲寄生性菌)이 발생하는 6월부터 8월 사이 전 시기에 걸쳐 가장 많이 채집되었다. 식물의 종자를 기주(寄主)로 하여 자실체(子實體)를 형성하는 Phytocordyceps ninchukiospora의 자양포자(子襄胞子)는 다른 Cordyceps 속균과는 달리 양옆 4개의 자양포자(子襄胞子)가 실모양의 구조로서 연결되어 있는 형태를 취하고 있었다. Paecilomyces tenuipes는 모든 곤충의 발달단계 전 시기에 걸쳐 침입하는 다범성 균으로서 분생포자(分生胞子)를 형성하는 동충하초속균의 불완전 세대균이다. 잠자리 성충을 기주로 하여 형성된 Hymenostilbe odonatae는 잠자리만을 특이적으로 침입하며 거미성충을 기주로 형성되는 Torrubiella sp.는 주로 잎의 뒷면에서 형성되므로 채집이 어려웠다. 분리동정된 균주들을 이용하여 배양시험을 한 결과 PDA 배지가 가장 우수한 균사생장을 보여 주었으며 배지내 산도(酸度) 시험(試驗)에서 C. militaris는 pH5에서 C. nutans와 Phytocordyceps ninchukiospora는 PH 6에서 Paerilomyces tenuipes는 pH 7에서 C. scarabaeicola는 pH 9에서 각각 균사생장(菌絲生長)이 왕성하였다. 환경조건으로서의 온도 시험에서는 시험균주에서 공히 $20^{\circ}C$에서 우수한 균사생장율을 보여 주었다. 분리동정된 균주들중 형태적으로 유사한 균주들의 종간 또는 종내 유연관계 구명을 위하여 Protein banding pattern을 분석한 결과 C. militaris, C. roseostromata, C. kyushuensis는 근연종으로 clustering 되었으며 C. scarabaeicola, Phytocordyceps ninchukiospora는 비교적 유연관계가 먼 것으로 나타났다.

• 한국조경학회지
• /
• 제47권2호
• /
• pp.117-132
• /
• 2019

본 연구는 일제강점기 경성도시계획 문헌에 기록된 공원녹지 현황표를 분석하여 근대 공원녹지계획의 의의와 한계를 파악하였다. 1925년부터 1940년의 문서 7개를 중심으로 분석하였으며, 1930년과 1940년의 문헌은 공식적인 경성 공원녹지 계획안을 담고 있다. 경성의 근대 도시계획 흐름에서 공원녹지는 1920년대까지는 중요한 계획의 고려 대상이 아니었다. 1934년 조선시가지계획령의 제정을 계기로 1930년대부터 공원계획은 법정 시가지계획의 일부가 되었고, 1940년에 경성시가지계획공원안을 통해 경성의 종합적인 공원녹지계획이 완성된다. 도시계획 초기에 공원은 위생시설로 인식되다가 이후 방공, 여가, 문화적 기능을 하는 공간으로 계획된다. 주요 문헌의 계획 내용을 비교하면 규모와 기능에 따른 공원의 유형 구분, 공간적 배치를 고려한 계획 기준, 시설녹지를 통한 녹지체계의 구상 등의 중요한 계획 내용의 발전이 있었다. 공원녹지계획의 발전에도 불구하고, 현실적인 제약으로 인해 공원녹지의 수나 면적의 실질적인 증가는 거의 없었으며, 계획안과 현황 사이에는 심각한 괴리가 나타난다. 1920년대에는 경성운동장이 유일하게 조성된 시설이었으며, 1930년대에도 삼청공원, 앵정공원 두 개소만 신설된다. 1930년의 계획에서 38개소가, 1940년에는 140개소의 계획 공원이 제안된 것과는 대조적이다. 하지만 산림의 공원화, 대한제국 황실 토지의 공원화, 공원 용도의 중복지정, 소규모 아동공원 중심의 실행 등 현실적 조건에서 공원녹지의 양과 질을 향상하려는 대안이 계속해서 탐색되었다. 부족한 예산과 전쟁 준비의 상황으로 인해 일제강점기의 공원녹지계획안은 상당 부분 실현되지 못했지만, 해방 이후 서울의 공원녹지체계를 만들어 나가는 중요한 틀로서 역할을 한다.

• 한국환경생태학회지
• /
• 제33권1호
• /
• pp.75-85
• /
• 2019

본 연구는 선운산도립공원의 능선부(경수산~선운산~개이빨산) 식생 특성을 파악하여 향후 도립공원 관리를 위한 기초자료를 구축하고자 수행하였다. 식생 특성을 알아보기 위해 $100m^2$ 크기의 조사구 62개소를 설치하여 조사 분석하였다. TWINSPAN에 의한 군락분류 결과, 떡갈나무-낙엽활엽수혼효군락, 굴참나무-곰솔-졸참나무군락, 소나무군락, 낙엽활엽수혼효군락-I, 개서어나무-밤나무-갈참나무군락, 낙엽활엽수혼효군락-II, 개서어나무-서어나무군락 총7개 군락으로 분리되었다. 선운산도립공원의 식생은 곰솔과 소나무 등의 침엽수는 점점 세력을 잃어가고 있는 반면, 굴참나무, 졸참나무, 갈참나무 등의 낙엽성 참나무류와 개서어나무와 서어나무의 세력이 왕성해지고 있어 낙엽활엽수군락으로의 생태적 천이가 진행되고 있는 것으로 판단되다. 또한 서해와 접하고 있는 지리적 특성을 반영한 식생으로 소사나무, 예덕나무 등이 확인되었다. 본 조사지역의 임령은 30~60년으로 추정되었으며, 추정연령이 가장 오래된 나무는 소나무로 약 63년생으로 조사되었다. 종다양도지수($100m^2$)는 0.7942(개서어나무-서어나무군락) ${\rightarrow}$ 0.8406(개서어나무-밤나무-갈참나무군락) ${\rightarrow}$ 0.8543(떡갈나무-낙엽활엽수혼효군락) ${\rightarrow}$ 0.9434(굴참나무-곰솔-졸참나무군락) ${\rightarrow}$ 0.9520(낙엽활엽수혼효군락-I) 0.9633(소나무군락) ${\rightarrow}$ 1.0340(낙엽활엽수혼효군락-II) 순으로 높았다.

• 자원환경지질
• /
• 제55권5호
• /
• pp.551-561
• /
• 2022

지구물리탐사기법은 매장 문화재 조사에 필요한 높은 해상도의 지하 구조 영상 생성과 매장 유구의 정확한 위치 결정하는 데 매우 유용하다. 이 연구에서는 경주 신라왕경 중심방의 고해상도 지하투과레이더 영상에서 유구의 규칙적인 배열이나 선형 구조를 자동적으로 구분하기 위하여 영상처리 기법인 영상 특징 추출과 영상분할 기법을 적용하였다. 영상 특징 추출의 대상은 유구의 원형 적심과 선형의 도로 및 담장으로 캐니 윤곽선 검출(Canny edge detection)과 허프 변환(Hough Transform) 알고리듬을 적용하였다. 캐니 윤곽선 검출 알고리듬으로 검출된 윤곽선 이미지에 허프 변환을 적용하여 유구의 위치를 탐사 영상에서 자동 결정하고자 하였으나, 탐사 지역별로 매개변수를 달리해서 적용해야 한다는 제약이 있었다. 영상 분할 기법의 경우 연결요소 분석 알고리듬과 QGIS에서 제공하는 Orfeo Toolbox (OTB)를 이용한 객체기반 영상분석을 적용하였다. 연결 요소 분석 결과에서, 유구에 의한 신호들이 연결된 요소들로 효과적으로 인식되었지만 하나의 유구가 여러 요소로 분할되어 인식되는 경우도 발생함을 확인하였다. 객체기반 영상분석에서는 평균이동(Large-Scale Mean-Shift, LSMS) 영상 분할을 적용하여 각 분할 영역에 대한 화소 정보가 포함된 벡터 레이어를 우선 생성하였고, 유구를 포함하는 영역과 포함하지 않는 영역을 선별하여 훈련 모델을 생성하였다. 이 훈련모델에 기반한 랜덤포레스트 분류기를 이용해 LSMS 영상분할 벡터 레이어에서 유구를 포함하는 영역과 그렇지 않은 영역이 자동 분류 될 수 있음을 확인하였다. 이러한 자동 분류방법을 매장 문화재 지하투과레이더 영상에 적용한다면 유구 발굴 계획에 활용가능한 일관성 있는 결과를 얻을 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제56권5호
• /
• pp.311-323
• /
• 2023

집중호우, 홍수 및 도시침수와 같은 재해를 저감시키기 위하여 자연 재난으로 인한 재해의 발생 여부를 사전에 파악하는 것은 중요하다. 현재 국내는 기상청에서 운영하고 있는 호우주의보 및 호우경보를 발령하고 있지만, 이는 전국에 일괄적인 기준으로 적용하고 있어 사전에 호우로 인한 피해를 명확하게 인지하지 못하고 있는 실정이다. 따라서, 일괄된 기준을 지역적 특성을 반영한 호우특보 기준으로 재설정하고 1시간 후에 강우로 발생할 수 있는 피해의 규모를 예측하고자 하였다. 연구 대상 지역으로는 호우피해가 가장 빈번하게 발생하였던 경기도 지역으로 선정하였고, 강우량 및 호우 피해액 자료를 활용하여 지역적 특성을 고려한 시간단위 재해 유발 강우를 설정하였다. 강우에 의한 호우피해 발생 여부를 예측하는 모형을 개발하기 위해 재해 유발 강우 및 강우 자료를 활용하였으며, 머신러닝 기법인 의사 결정 나무 모형과 랜덤 포레스트 모형을 활용하여 분석 및 비교하였다. 또한 1시간 후의 강우를 예측하기 위한 모형으로는 장단기 메모리, 심층 신경망 모형을 활용하여 분석 및 비교하였다. 최종적으로 예측 모형을 통해 예측된 강우를 훈련된 분류 모형에 적용하여 1시간 후 호우에 의한 규모별 피해 발생 여부를 예측하였고, 이를 1ST-모형이라고 정의하였다. 본 연구를 통해 개발된 1ST-모형을 활용하여 예방 및 대비 차원의 재난관리를 실시한다면 호우로 인한 피해를 저감하는데 기여 할 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.149-169
• /
• 2020

현 정부의 주요 국책사업 중 하나인 도시재생 뉴딜사업은 매년 100 곳씩, 5년간 500곳을대상으로 50조를 투자하여 낙후된 지역을 개발하는 것으로 언론과 지자체의 높은 이목이 집중되고 있다. 그러나, 현재 이 사업모델은 면적 규모에 따라 "우리동네 살리기, 주거정비지원형, 일반근린형, 중심시가지형, 경제기반형" 등 다섯 가지로 나뉘어 추진되어 그 지역 본래의 특성을 반영하지 못하고 있다. 국내 도시재생 성공 키워드는 "주민 참여", "지역특화" "부처협업", "민관협력"이다. 성공 키워드에 따르면 지자체에서 정부에게 도시재생 사업을 제안할 때 지역주민, 민간기업의 도움과 함께 도시의 특성을 정확히 이해하고 도시의 특성에 어울리는 방향으로 사업을 추진하는 것이 가장 중요하다는 것을 알 수 있다. 또한 도시재생 사업 후 발생하는 부작용 중 하나인 젠트리피케이션 문제를 고려하면 그 지역 특성에 맞는 도시재생 유형을 선정하여 추진하는 것이 중요하다. 이에 본 연구는 '도시재생 뉴딜 사업' 방법론의 한계점을 보완하기 위해, 기존 서울시가 지역 특성에 기반하여 추진하고 있는 "2025 서울시 도시재생 전략계획"의 도시재생 유형을 참고하여 도시재생 사업지에 맞는 도시재생 유형을 추천하는 시스템을 머신러닝 알고리즘을 활용하여 제안하고자 한다. 서울시 도시재생 유형은 "저이용저개발, 쇠퇴낙후, 노후주거, 역사문화자원 특화" 네 가지로 분류된다 (Shon and Park, 2017). 지역 특성을 파악하기 위해 총 4가지 도시재생 유형에 대해 사업이 진행된 22개의 지역에 대한 뉴스 미디어 10만여건의 텍스트 데이터를 수집하였다. 수집된 텍스트를 이용하여 도시재생 유형에 따른 지역별 주요 키워드를 도출하고 토픽모델링을 수행하여 유형별 차이가 있는 지 탐색해 보았다. 다음 단계로 주어진 텍스트를 기반으로 도시재생 유형을 추천하는 추천시스템 구축을 위해 텍스트 데이터를 벡터로 변환하여 머신러닝 분류모델을 개발하였고, 이를 검증한 결과 97% 정확도를 보였다. 따라서 본 연구에서 제안하는 추천 시스템은 도시재생 사업을 진행하는 과정에서 신규 사업지의 지역 특성에 기반한 도시재생 유형을 추천할 수 있을 것으로 기대된다.