• 한국식품위생안전성학회지
• /
• 제37권3호
• /
• pp.181-188
• /
• 2022

최근 식육부산물 가공식품의 소비량 증가에도 불구하고 식육부산물의 생산, 유통 그리고 소비과정에서 위생안전문제가 지속적으로 제기되고 있다. 본 연구에서는 순대의 위해요소를 분석, 평가하여 Hazard Analysis Critical Control Point에 근거한 식육부산물 생산업체의 미생물학적 안전성 확보와 소규모 제조업체의 품질관리 기준 설정 및 위생관리체계를 확립하고자 하였다. 이를 위해 순대 생산에 적용되는 원료(24건), 제조공정(7단계), 제조설비 및 도구(40건), 작업장 환경(17구역), 작업자(12명)에 대한 미생물학적 위해요소를 분석하였다. 원·부재료 돈혈의 일반세균과 대장균군 각각 6.28±0.48, 4.07±0.42 log CFU/g 검출되었고, 돈소창의 대장균군 3.23±0.16 log CFU/g 검출되어 초기단계의 위해요소가 지적되었다. 혼합과 충진공정에서의 일반세균은 각각 5.23±0.17, 5.45±0.37 log CFU/g, 대장균군은 각각 3.25±0.23, 3.31±0.24 log CFU/g로 높게 나타나 미국 육군 Natick의 위생가이드라인에서 제시한 기준을 초과하여 검출되었다. 작업장 충진실과 돈소창 세척실의 일반세균과 대장균군은 기준치를 초과하였으나 세척·소독 후 일반세균은 약 98% 미생물 오염도가 급격히 감소하였고, 대장균군은 모든 구역에서 불검출 되었다. 순대 제조공정의 안전성 확보를 위해서는 세척·소독 및 구역별 분리와 작업자의 위생관리가 선행되어야 하며, 제품의 보관 및 유통단계의 철저한 관리가 필요할 것을 제안한다. 향후 식육부산물의 활용한 가공식품의 안전성평가를 위한 추가적인 연구와 한계기준 유효성평가를 위한 연구가 지속되어야 할 것으로 사료된다.

• 한국가금학회지
• /
• 제50권1호
• /
• pp.41-50
• /
• 2023

AI인체감염증은 한번 발생하게 되면 막대한 사회경제적 손실이 있으므로, 사전 예방적 관리가 필수적이다. 위험도 평가를 통해 위험요인과 위험지역을 확인하여 방역을 강화하고 사람, 동물, 환경 등 소관 부처 간 분산되어 있는 방역정책 및 관리를 원헬스 차원으로 협업·연계한다면 사회경제적 비용을 최소화할 수 있다. 이번 연구에서는 위험 매트릭스 분석을 통해 가금농장의 고병원성AI와 연계하여 AI인체감염증의 발생 위험지역을 평가하고 위험요인을 분석하였다. AI인체감염증은 가금농장의 고병원성AI와 밀접한 관련이 있고 가금관련 산업 종사자가 가장 감염에 취약한 위험군이기 때문에, 위험 매트릭스는 가금농장의 고병원성AI 평균 발생 건수와 감염에 취약한 가금 관련 축산시설 수를 활용하여 분석하였다. 조류인플루엔자 유행시기에 시·군·구별로 가금농장의 HPAI 평균 발생건수를 예측하기 위해 일반화 선형모형 중 과대산포가 있는 가산자료를 분석하는데 이용되는 음이항 회귀모형을 적용하였다. 시·군·구별 가금농장의 고병원성AI 발생건수와 축산시설 수를 적용한 위험 매트릭스 분석 결과, AI인체감염증의 발생위험이 높아 관리가 필요한 지역은 전남 나주, 전북 정읍, 전북 남원으로 확인되었다. 또한, AI 인체감염증의 발생에 영향을 줄 수 있는 위험요인으로는 가금농장의 저병원성 AI 발생건수, 닭과 오리의 사육 밀도, 축산차량 등록 수로 확인되었다. 가금농장에서 저병원성AI가 1건 발생 시 가금농장의 고병원성AI 발생은 1.687배 증가하고, 닭과 오리의 밀도가 1,000 두/km² 증가할 경우 가금농장의 고병원성AI 발생은 각각 1.618배, 10.252배 증가하며, 축산차량의 경우 100대 증가 시 가금농장의 고병원성AI 발생이 1.134배 증가하는 것으로 나타났다. AI인체감염증의 예방을 위해 HPAI의 발생주기인 2~3년 간격으로 위험평가를 실시하고 환경·동물·사람에 대하여 원 헬스(One Health)적 관점으로 위험요인과 위험지역을 관리한다면, AI인체감염증에 대한 방역정책 수립과 사회·경제적 비용 감소에 도움이 될 수 있을 것으로 판단된다.

• 한국조경학회지
• /
• 제51권5호
• /
• pp.13-29
• /
• 2023

도시공원은 시민들의 건강, 삶의 질, 그리고 커뮤니티 형성을 지원하는 사회적 기반시설이다. 조성된 후 20년 이상이 지난 도시공원 비중이 커지고 있는 가운데, 노후 도시공원의 물리적 공간환경 개선과 기능 제고를 위한 정비사업 추진 필요성이 높아지고 있다. 관 주도의 노후 도시공원 정비는 재원 확보와 공원 매력 증진 측면에서 한계가 있기 때문에 민·관 협력을 통한 추진이 필요하다. 우리나라에 앞서 노후 도시공원 문제를 겪은 일본은 2017년 「도시공원법」 개정을 통해 공모설치관리제도(Park-PFI)를 도입하여 다수의 공원 정비사업을 성공적으로 추진 중이다. 이에 본 연구는 민·관 협력을 통해 국내 노후 도시공원 서비스의 질을 개선하고, 지속적으로 관리·운영하기 위한 대안으로서 일본 공모설치관리제도(Park-PFI)의 특성을 다각적으로 검토·분석하고, 이를 국내 노후 도시공원에 시범 적용한 후, Park-PFI 적용을 통한 노후 도시공원 재정비사업의 타당성을 분석하고자 하였다. 주요 연구결과는 다음과 같다. 첫째, 일본의 공모설치관리제도(Park-PFI)는 노후 도시공원의 서비스 질 향상과 기능 다양화를 위한 민·관 협력 수단으로 국내 여건에 맞춰 도입하는 것에 대한 논의를 시작할 필요가 있겠다. Park-PFI의 국내 도입을 위해서는 민간 자본 및 수익시설 설치에 따른 도시공원의 공공성 저하와 장소성 훼손, 공원녹지법 및 공유재산법 등 관련 규제 개선 등에 관한 사회적 논의와 후속 연구가 필요하겠다. 둘째, 노후 도시공원의 정비 필요도가 높고, 사업을 추진하기에 적합한 입지라는 전제하에 Park-PFI 사업은 시민, 지자체, 민간 사업자 모두의 편익을 증진시킬 수 있는 정책 대안이라고 판단된다. 인천광역시 부평구에 위치한 노후 도시공원인 세영공원에 Park-PFI 사업을 시범 적용한 결과, 수익성지수(PI), 순현재가치(FNPV), 내부수익률(FIRR) 등의 측면에서 수익성이 있는 것으로 분석되어 민간 부문의 사업 참여가 가능할 것으로 판단된다. 지자체 차원에서도 민간 자본을 활용하여 노후 도시공원의 물리적 공간환경을 정비하는 것은 물론 민간 사업자의 시설 사용료와 수익의 일부(연매출의 0.5%)를 환원받음으로써 발생하는 재원을 활용하여 해당 도시공원의 유지관리 예산을 확보할 수 있는 것으로 나타났다.

• 환경영향평가
• /
• 제32권6호
• /
• pp.419-430
• /
• 2023

국내 상수원에서 주기적으로 발생하는 녹조에 대응하기 위하여 다양한 종류의 녹조제거기술이 개발되어 적용 중이다. 이러한 기술들은 녹조제거 원리가 다르기 때문에 이들의 제거 효율을 비교·평가하기는 어렵다. 본 연구에서는 대청호 서화천 수역에서 이동식 녹조제거장치를 사용하여 제거 작업을 시행한 결과를 활용하여, 녹조제거 효율을 평가할 수 있는 표준화된 방법을 제안하였다. 녹조 제거 작업시 수거된 슬러지의 양, 함수율, 클로로필-a의 농도로부터 작업 구간 중 클로로필-a의 농도 감소량(ΔChl-a)을 계산하였다. 또한 작업 대상 수역의 면적, 일일 최대 작업 면적과 ΔChl-a로부터 대상 수역에서 1 mg/m³의 클로로필-a 농도를 저감하는데 필요한 작업일수(WD)를 계산하였다. 작업 전후 수체에서 클로로필-a의 농도 저감율, 제거 기술의 처리 용량, 작업 대상 수역의 수체 용량으로부터 녹조제거능을 계산하는 방법을 제안하였다. 본 연구에서 사용된 이동식 녹조제거장치의 녹조제거능은 6.64%/day (대청호 서화천 수역 대상, 약 500,000 m²)이었으며, 이는 다른 물리·화학적 녹조제거 기술의 녹조제거능(0.02~4.72%/day)에 비해 높은 것으로 나타났다. 본 연구에서 제시한 조류제거효율 평가 방법을 활용하여 국내에서 적용되고 있는 녹조제거 기술의 비교 평가가 가능할 것이며, 국립환경과학원이 운영하고 있는 「조류제거시설 설치·운영 및 살포용 조류제거물질 사용지침」에서 물리적 또는 물리·화학적 복합 조류제거기법의 조류제거 성능 및 제거 효율 평가를 판정하는 방법으로 활용이 가능할 것으로 판단된다.

• 생태와환경
• /
• 제56권3호
• /
• pp.187-195
• /
• 2023

영산강의 상류에는 4개의 농업용 댐들이 축조되어 있으며 각 댐의 물은 경작지 관개용수로 거의 모두 공급되고 영산강 본류로 방류되지 않고 있다. 또한, 관개용수의 대부분도 사용 후에 영산강으로 회귀하지 않고 격리된 상태의 별도 용수간선을 통하여 영산강 하류까지 흘러가기 때문에 영산강 본류의 유량 부족 문제를 가중시키고 있다. 이러한 원인으로 영산강 유량의 71%가 하수처리수로 채워지는 결과를 초래하였으며 이에 따라 수질뿐 아니라 수생태 건강성도 우리나라 4대강 중 가장 열악한 실정이다. 따라서 본 연구에서는 영산강 수질개선을 위한 여러 가지 시나리오들을 오염삭감과 유량증대를 함께 고려하여 개발하였고 QUAL-MEV를 이용하여 각 시나리오의 장래수질을 예측·분석하였으며, 이러한 연구결과로부터 얻어진 결론은 다음과 같다. 1. 영산강의 수질개선은 오염삭감을 통해 그동안 꾸준히 시행되어 왔으나 이제 한계에 다다르고 있어 앞으로는 오염삭감만이 아니라 유량증대(해수담수화 포함) 방법이 함께 중점 추진되어야 하며, 이러한 경우에는 영산강 수질목표의 달성도 가능하다. 2. BOD는 오염삭감 그리고 T-P는 유량증대의 방법을 통해 크게 개선될 수 있다고 예측되었으므로 수질목표의 달성을 위해 오염삭감과 더불어 유량증대가 함께 도입된다면 이들 상호 간에는 시너지 효과가 크게 작용할 수 있을 것이다. 3. 그러나 유량증대사업의 원활한 추진을 위해서는 투자비용을 늘리는 것도 중요하겠으나 기존의 용수 이해관계자들간에 형성되어 있는 갈등 문제를 협의·해소키 위한 꾸준한 노력이 선행되어야 할 것이다. 4. 댐의 건설, 용수배분 조정 등 강우 유관형 유량증대 방법은 기후변화로 인해 강우가 오랜 기간 발생하지 않으면서 대가뭄이 지속될 경우에 적용의 효용성이 떨어지거나 상실될 수 있으므로 앞으로 비슷한 조건이라면 강우 무관형인 해수담수화시설을 유량증대사업 중 우선 설치대상으로 고려해야 할 것이다. 그 이유는 이러한 시설이 우리나라에서 새로 건설하기 어려운 댐의 용수확보 기능을 대체할 수 있고 대가뭄이 장기간 지속될 경우에 물관련 재해방지도 가능하여 기후변화의 적응시설로서 유용할 수 있기 때문이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• KDI Journal of Economic Policy
• /
• 제12권3호
• /
• pp.27-45
• /
• 1990

이촌향도형(離村向都型) 인구이동(人口移動) 농촌지역경제(農村地域經濟)에 미치는 영향(影響)에 관해 두가지 상반(相反)된 견해(見解)가 있다. 신고전학파적(新古典學派的) 낙관론(樂觀論) 따르면 이농현상(離農現象)은 농촌지역(農村地域)의 소득(所得)이나 후생수준(厚生水準)을 저해(沮害)하지 않는다고 보는 반면 Lipton (1980)은 그 반대의 견해(見解)를 취하고 있다. 본고(本稿)에서는 비교역재(非交易財)(nontraded goods)에 대한 국제무역이론(國濟貿易理論)과 화란병(和蘭病)(Dutch Disease)의 이론(理論)을 원용하여 농촌(農村)에서 도시(都市)로의 인구이동모형을 개발했다. 이 모형은 이농인구이동(離農人口移動)이 농촌지역(農村地域)의 소득(所得)과 후생수준(厚生水準)을 저해(沮害)한다는 점에서는 Lipton의 견해(見解)와 일치하나 소득(所得)을 감소(減少)시키는 요인들은 Lipton의 모형(模型)에서 지적(指摘)된 것들과는 다르다. 본고(本稿)는 이농현상(離農現象)이 농촌소득(農村所得)을 감소(減少)시키는 이유가 농업생산성(農業生産性)의 하락(下落) 때문이 아니라 농촌노동 및 소비인구의 격감으로 인한 농업부문(農業部門)의 이윤감소(利潤減少)와 농촌(農村) 서비스부문(部門)와 쇠퇴(衰退)때문이라고 주장한다. 1966, 1970, 1975, 1980 및 1985년의 한국인구(韓國人口)센서스 통계자료(統計資料)를 이용하여 주요가설(主要假說)들에 대해 실증분석(實證分析)을 한 결과 신고전학파(新古典學派)의 주장(主張)이나 Lipton의 견해(見解)보다 본(本) 연구모형(硏究模型)의 설명력(說明力)이 더 높은 것으로 밝혀졌다.

• 환경위생공학
• /
• 제24권4호
• /
• pp.1-26
• /
• 2009

We conclude the following with air pollution data measured from city measurement net administered and managed in Gwangju for the last 7 years from January in 2001 to December in 2007. In addition, some major statistics governed by Gwangju city and data administered by Gwangju as national official statistics obtained by estimating the amount of national air pollutant emission from National Institute of Environmental Research were used. The results are as follows ; 1. The distribution by main managements of air emission factory is the following ; Gwangju City Hall(67.8%) > Gwangsan District Office(13.6%) > Buk District Office(9.8%) > Seo District Office(5.5%) > Nam District Office(3.0%) > Dong District Office(0.3%) and the distribution by districts of air emission factory ; Buk District(32.8%) > Gwangsan District(22.4%) > Seo District(21.8%) > Nam District(14.9%) > Dong District(8.1%). That by types(Year 2004~2007 average) is also following ; Type 5(45.2%) > Type 4(40.7%) > Type 3(8.6%) > Type 2(3.2%) > Type 1(2.2%) and the most of them are small size of factory, Type 4 and 5. 2. The distribution by districts of the number of car registrations is the following ; Buk District(32.8%) > Gwangsan District(22.4%) > Seo District(21.8%) > Nam District(14.9%) > Dong District(8.1%) and the distribution by use of car fuel in 2001 ; Gasoline(56.3%) > Diesel(30.3%) > LPG(13.4%) > etc.(0.2%). In 2007, there was no ranking change ; Gasoline(47.8%) > Diesel(35.6%) > LPG(16.2%) >etc.(0.4%). The number of gasoline cars increased slightly, but that of diesel and LPG cars increased remarkably. 3. The distribution by items of the amount of air pollutant emission in Gwangju is the following; CO(36.7%) > NOx(32.7%) > VOC(26.7%) > SOx(2.3%) > PM-10(1.5%). The amount of CO and NOx, which are generally generated from cars, is very large percentage among them. 4. The distribution by mean of air pollutant emission(SOx, NOx, CO, VOC, PM-10) of each county for 5 years(2001~2005) is the following ; Buk District(31.0%) > Gwangsan District(28.2%) > Seo District(20.4%) > Nam District(12.5%) > Dong District(7.9%). The amount of air pollutant emission in Buk District, which has the most population, car registrations, and air pollutant emission businesses, was the highest. On the other hand, that of air pollutant emission in Dong District, which has the least population, car registrations, and air pollutant emission businesses, was the least. 5. The average rates of SOx for 5 years(2001~2005) in Gwangju is the following ; Non industrial combustion(59.5%) > Combustion in manufacturing industry(20.4%) > Road transportation(11.4%) > Non-road transportation(3.8%) > Waste disposal(3.7%) > Production process(1.1%). And the distribution of average amount of SOx emission of each county is shown as Gwangsan District(33.3%) > Buk District(28.0%) > Seo District(19.3%) > Nam District(10.2%) > Dong District(9.1%). 6. The distribution of the amount of NOx emission in Gwangju is shown as Road transportation(59.1%) > Non-road transportation(18.9%) > Non industrial combustion(13.3%) > Combustion in manufacturing industry(6.9%) > Waste disposal(1.6%) > Production process(0.1%). And the distribution of the amount of NOx emission from each county is the following ; Buk District(30.7%) > Gwangsan District(28.8%) > Seo District(20.5%) > Nam District(12.2%) > Dong District(7.8%). 7. The distribution of the amount of carbon monoxide emission in Gwangju is shown as Road transportation(82.0%) > Non industrial combustion(10.6%) > Non-road transportation(5.4%) > Combustion in manufacturing industry(1.7%) > Waste disposal(0.3%). And the distribution of the amount of carbon monoxide emission from each county is the following ; Buk District(33.0%) > Seo District(22.3%) > Gwangsan District(21.3%) > Nam District(14.3%) > Dong District(9.1%). 8. The distribution of the amount of Volatile Organic Compound emission in Gwangju is shown as Solvent utilization(69.5%) > Road transportation(19.8%) > Energy storage & transport(4.4%) > Non-road transportation(2.8%) > Waste disposal(2.4%) > Non industrial combustion(0.5%) > Production process(0.4%) > Combustion in manufacturing industry(0.3%). And the distribution of the amount of Volatile Organic Compound emission from each county is the following ; Gwangsan District(36.8%) > Buk District(28.7%) > Seo District(17.8%) > Nam District(10.4%) > Dong District(6.3%). 9. The distribution of the amount of minute dust emission in Gwangju is shown as Road transportation(76.7%) > Non-road transportation(16.3%) > Non industrial combustion(6.1%) > Combustion in manufacturing industry(0.7%) > Waste disposal(0.2%) > Production process(0.1%). And the distribution of the amount of minute dust emission from each county is the following ; Buk District(32.8%) > Gwangsan District(26.0%) > Seo District(19.5%) > Nam District(13.2%) > Dong District(8.5%). 10. According to the major source of emission of each items, that of oxides of sulfur is Non industrial combustion, heating of residence, business and agriculture and stockbreeding. And that of NOx, carbon monoxide, minute dust is Road transportation, emission of cars and two-wheeled vehicles. Also, that of VOC is Solvent utilization emission facilities due to Solvent utilization. 11. The concentration of sulfurous acid gas has been 0.004ppm since 2001 and there has not been no concentration change year by year. It is considered that the use of sulfurous acid gas is now reaching to the stabilization stage. This is found by the facts that the use of fuel is steadily changing from solid or liquid fuel to low sulfur liquid fuel containing very little amount of sulfur element or gas, so that nearly no change in concentration has been shown regularly. 12. Concerning changes of the concentration of throughout time, the concentration of NO has been shown relatively higher than that of $NO_2$ between 6AM~1PM and the concentration of $NO_2$ higher during the other time. The concentration of NOx(NO, $NO_2$) has been relatively high during weekday evenings. This result shows that there is correlation between the concentration of NOx and car traffics as we can see the Road transportation which accounts for 59.1% among the amount of NOx emission. 13. 49.1~61.2% of PM-10 shows PM-2.5 concerning the relationship between PM-10 and PM-2.5 and PM-2.5 among dust accounts for 45.4%~44.5% of PM-10 during March and April which is the lowest rates. This proves that particles of yellow sand that are bigger than the size $2.5\;{\mu}m$ are sent more than those that are smaller from China. This result shows that particles smaller than $2.5\;{\mu}m$ among dust exist much during July~August and December~January and 76.7% of minute dust is proved to be road transportation in Gwangju.

• 대한방사선기술학회지:방사선기술과학
• /
• 제28권2호
• /
• pp.137-144
• /
• 2005

본 연구는 1998년부터 2002년도까지 전국 16개시 도 44개 종합병원에서 근무하고 있는 최근 5년간 방사선사의 개인평균피폭선량을 측정하여 지역별, 연도별, 병원별로 비교 분석 하였고, 방사선 장비 및 시설의 차이에서 발생될 수 있는 근무환경과 촬영건수의 표준화를 통하여 향후 체계적이고 합리적인 방사선사의 피폭선량 관리가 이루어질 수 있는 기초 자료를 제공하는 목적으로 분석하였다. 5년간 방사선사의 지역별 전체평균피폭선량은 1.61 mSv이었고, 지역별로 보면 대구가 4.74 mSv로 가장 높으며 강원이 4.65 mSv, 경기가 2.15 mSv로 높은 순으로 나타났으며, 가장 낮은 지역은 충북이 0.91 mSv이고 다음이 제주 0.94 mSv, 부산이 0.97 mSv 순으로 나타났다. 5년간 연도별 평균선량은 2000년도가 1.80 mSv로 가장 높게 나타났으며, 2002년이 1.77 mSv, 1999년 1.55 mSv, 2001년 1.50 mSv, 1998년이 1.36 mSv 순으로 나타났으며, 연도별, 지역별 평균피폭선량은 2001년도는 대구지역이 1998년, 1999년, 2000년, 2002년은 강원지역이 가장 높게 나타났고, 평균피폭선량이 1.0 mSv 이하로 나타난 지역은 1998년에는 제주, 충북, 울산, 1999년 울산, 경북, 제주, 2000년 충북, 2001년 경북, 전북, 2000년에는 인천, 전북, 제주로 나타났다. 병원별 피폭선량은 대구의 KMH가 가장 높게 나타났고, 다음으로 강원의 GAH, 서울의 CAH 순으로 높게 나타났으며, 피폭선량이 낮은 병원은 전남의 YSH가 가장 낮고, 경남의 GNH, 충남의 DKH 순으로 나타났다.