• Asia Marketing Journal
• /
• 제13권4호
• /
• pp.159-189
• /
• 2012

블로그의 상품 리뷰가 소비자의 주목을 끄는 데에는 정보 원천인 블로거에 대한 신뢰가 자리잡고 있다. 블로거가 해당 상품 카테고리와 관련하여 충분한 지식 및 경험을 습득하고 있다는 전문성에 대한 믿음, 그리고 어떤 다른 이해 관계에 얽매여 정보를 왜곡하려는 등의 불순한 의도를 지니고 있지 않다는 진실성에 대한 믿음이 있기에 소비자들은 구매 의사 결정에 뒤따르는 불확실성을 줄일 요량으로 블로그의 상품 리뷰를 참조하게 된다. 본 연구는 이러한 점에 착안하여 소비자들이 리뷰 정보를 통해 추구하는 가치 동인이 무엇이냐에 따라 신뢰성의 하위 차원인 전문성 및 진실성에 이르는 경로 계수의 비중이 분화하며, 나아가 유대 강도의 강약에 따라 전문성 및 진실성 기반 신뢰성에 대한 기대치가 분기하게 될 것이라 예측하였다. 아울러, 유대 강도가 태도로서의 신뢰성이 리뷰 수용 의사에 대해 갖는 예측력에 조절 효과를 미쳐 파워블로그 사용 집단에서보다 개인블로그 사용 집단에서 이러한 예측력이 보다 고양될 것이라 가정하였다. 분석 결과, 도구적 정보 니즈를 충족시키고자 하는 유목적적 가치 동인은 정보 원천의 전문성에 대한 기대 의존도를 증폭시키지만, 고립감을 해소하고자 하는 대인간 연결의 가치 동인은 정보 원천의 진실성에 대한 의존도를 높이는 것으로 나타났다. 그리고, 전문성에 대한 기대치는 강한 유대 관계의 개인블로그 사용 집단에서보다 약한 유대 관계의 파워블로그 사용 집단에서 보다 증진되며, 태도로서의 신뢰성이 리뷰 수용 의사에 대해 갖는 예측력은 파워블로그 사용 집단에서보다 개인블로그 사용 집단에서 보다 고양되는 것으로 나타났다.

• 한국습지학회지
• /
• 제25권4호
• /
• pp.335-344
• /
• 2023

기후변화 생물지표인 남색이마잠자리(B. chalybea flavovittata)는 우리나라에는 2010년 제주도에서 최초로 관찰되어 기록된 이후 최근 영산강 일대에서 월동이 확인되었다. 본 연구는 MaxEnt 모델을 이용하여 남색이마잠자리의 잠재적 분포를 예측하고, 기후변화에 따른 서식지 확산을 예측하고자 하였다. 본 종의 분포 자료는 세계생물다양성정보 기구인 GBIF의 검색 결과를 수집하였으며, 2019년 5월부터 2023년 5월까지 확보된 현장조사 결과를 포함하였다. 또한, 생물기후변수는 WorldClim 데이터베이스에서 제공받아 사용하였다. 잠재적 종 분포예측과 미래 분포예측은 MaxEnt 모델을 사용하였다. 유충은 위도상 제주특별자치도 제주시(33.318096°)부터 경기도 여주시(37.366734°)까지, 경도상 전라남도 진도군(126.054925°)부터 경상남도 양산시(129.016472°)까지 관찰되었다. 본 종의 서식지는 람사르 습지유형 분류체계에 따라 M(permanent rivers, streams, creeks) 유형의 습지가 12개소(50.0%)로 가장 많았으며, Tp(permanent freshwater marshes, pools) 유형이 11개소(45.8%), F(estuarine waters) 유형이 1개소(4.2%)로 분류되었다. 현재 분포지역에 기초하여 MaxEnt 모델을 이용한 잠재적 분포 예측 결과, 기존 서식지 외에 울산광역시, 대구광역시 일대가 서식확률이 높았다. 또한, 미래 시나리오를 적용하였을 때, 2050년대와 2090년대 분포 가능지역이 넓어져 가까운 미래에 남부 서남해안, 남부 내륙 대구광역시 일대, 동해안 일대로 서식범위가 확장될 것으로 예측되었다. 남색이마잠자리는 가까운 미래에 서식범위를 확장할 가능성이 높게 예측되었는데, 본 연구 결과는 향후 모니터링을 지속하면서 서식지를 공유하는 토착 자생생물자원의 보전 및 관리를 위한 기초자료를 제공할 수 있을 것으로 기대한다.

• 한국초지조사료학회지
• /
• 제43권4호
• /
• pp.225-231
• /
• 2023

본 실험은 논 토양에서 총체보리 재배시 화학비료와 발효 돈분액비 혼용 시용이 생육특성 및 영양성분에 미치는 영향을 조사하고자 실시하였다. 실험설계는 화학비료 100% 처리구(T1), 화학비료 70% + 돈분액비 30% 처리구(T2), 화학비료 50% + 돈분액비 50% 처리구(T3), 화학비료 30% + 돈분액비 70% 처리구(T4) 그리고 돈분액비 100% 처리구(T5)로 한, 5처리 3반복 난괴법으로 배치하였다. 이때 돈분 액비 시용은 질소량만을 기준으로 하였다. 생육특성은 T1구가 다른 구에 비하여 높게 나타났다(p<0.05). 생초수량, 건물수량 및 TDN 수량은 T1구가 가장 높았던 반면 T5구가 가장 낮게 나타났다(p<0.05). 일반성분(조단백질, 조지방, 조회분, NDF, ADF, 조섬유) 및 TDN 함량에서는 처리구들 간에 유의적인 차이를 보이지 않았다. 무기물 성분에서는 Ca과 Na 함량은 T1구가 다른 구(T2, T3, T4, T5)에 비하여 유의적으로 낮게 나타났다(p<0.05). 그러나 Mg와 P의 함량은 T1구가 다른 구에 비하여 유의적으로 높게 나타났다 (p<0.05). K 함량은 처리구들 간에 유의적인 차이가 없었다. 총유리당 함량은 화학비료와 액비 혼용 구(T2, T3, T4)와 전량 액비 구(T5)에 비하여 화학비료 처리구(T5)가 유의적으로 낮게 나타났다 (p<0.05). 위의 결과를 종합해 볼 때, 돈분 액비 시용은 화학비료구에 비하여 건물 및 TDN 수량은 떨어지지만 유리당 함량은 높은 것으로 나타났다. 따라서 총체보리 생산성을 높이기 위해서는 돈분액비의 분해율 및 부족한 성분(P, K) 고려하여 액비를 화학비료와 혼용 시용하는 것이 바람직 할 것으로 생각한다.

• 자원환경지질
• /
• 제56권6호
• /
• pp.697-714
• /
• 2023

2017년 말 뿌리일반산업단지 조성과정에서 발견된 진주 정촌면 백악기 공룡·익룡발자국 화석산지는 다양한 종류의 공룡과 익룡, 동물의 흔적화석이 높은 밀집도로 보존되어 고생물학적 가치가 높은 자연유산이다. 이 연구에서는 화석산지의 현장조사를 통해 절리, 균열, 박리, 박락, 세편화 등 물리적 풍화가 발생하여 있음을 확인하고, 손상을 저감하기 위한 보존과학적 기초 연구를 수행하였다. 이를 위해 발굴 후 확인된 8개의 층준 중 수각류 발자국 화석이 다량 산출된 Level 3 층준과 익룡 발자국 화석이 산출된 Level 4 층준의 암석을 수습하여 재질분석 및 강화제와 접착제의 효과 검증 평가를 수행하였다. 이 결과, Level 3 층준의 암석은 암회색 실트암, Level 4의 암석은 암회색 셰일로 구성되어 있었으며 이들은 방해석을 다량 함유한 가운데 석영, 사장석, 운모, 알칼리장석, 기타 점토광물로 이루어져 외부 환경 하에서 강우에 따른 손상 가능성이 높을 것으로 판단된다. 수습시료를 공시체로 제작하여 미처리, 강화제 처리, 팽윤저지제 처리, 접착제 처리의 네 그룹으로 나누어 인공풍화 실험을 수행한 결과, 강화제와 팽윤저지제는 처리 직후에는 효과를 보였으나 동결-융해 환경 하에서는 저지효과를 보이지 못하는 것으로 해석되었다. 접착제는 동결-융해 조건 하에서도 접착 효과가 유지되는 모습을 보였다. 향후 정촌면 화석산지의 보존을 위해서는 수분의 유입 차단을 위한 임시 방책외에도 기 손상 화석의 응급 보존처리 및 보호시설 건립 등 실질적인 대처방안이 마련되어야 할 것이다.

• 자원환경지질
• /
• 제56권6호
• /
• pp.729-744
• /
• 2023

전기 자동차 및 배터리에 대한 수요가 증가함에 따라 리튬의 가치가 크게 증가하였다. 리튬은 주로 페그마타이트, 열수변질을 받은 응회암질 퇴적 점토 및 대륙성 염수에서 발견된다. 전 세계적으로 지하수로 공급되는 염호와 유전 염수는 세계 리튬 생산량의 약 70%를 차지하는 대륙 염수의 주요 리튬 공급원으로 주목받고 있다. 최근에는 심부 지하수, 특히 지열수도 리튬의 잠재적 공급원으로 연구되고 있다. 심부 지하수의 리튬 농도는 상당한 물-암석 반응과 염수와의 혼합을 통해 증가할 수 있다. 심부 지하수 중의 리튬 탐사를 위해서는 그 기원과 거동을 이해하는 것이 중요하다. 따라서 본 연구에서는 전국적인 규모에서 국내 온천지역 지열수의 수문지화학 특성과 진화에 관한 예비연구를 바탕으로, 심부 지하수 환경에서의 리튬의 분포를 평가하고 그 농도에 영향을 미치는 지구화학적 요인을 이해하고자 하였다. 총 555개의 온천 지하수 시료 자료는 수화학적 특성에 따라 뚜렷한 지화학 진화 특성을 갖는 5가지 유형으로 분류되었다. 또한, 리튬의 부화 기작을 평가하기 위해 리튬 농도가 90번째 백분위수(0.94 mg/L)를 초과하는 시료(n = 56)에 대해 자세히 고찰하였다. 리튬의 농도는 수화학 유형에 따라 유의미한 차이를 보였는데, Na(Ca)-Cl유형, Ca(Na)-SO₄유형, pH가 낮은 Ca(Na)-HCO₃ 유형 순이었다. Ca(Na)-Cl 유형에서 리튬 부화는 해수침투에 따른 역이온 교환으로 발생한다. 백악기 화산퇴적 분지에서 특징적으로 나타나는 Ca(Na)-SO₄ 유형 지하수에서 용존 리튬의 부화는 열수 변질 점토 광물의 산출 및 화산활동과 관련이 있는 반면, 낮은 pH의 Ca(Na)-HCO₃ 유형 지하수에서는 심부 CO₂의 상승 혼입에 의한 기반암의 풍화 촉진으로 인해 리튬 부화가 일어난 것으로 해석된다. 본 광역 예비 지화학 연구 결과는 심부 지질환경에서의 수문지화학 진화에 대한 이해와 함께 향후 경제성 있는 리튬 탐사 지침과 관련하여 유용한 정보를 제공할 것이다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.521-535
• /
• 2023

논·밭 전환 시 수수(sorghum bicolor L. Moench)는 뛰어난 내습성으로 콩과 함께 안정적인 생산이 가능하여 국내 식량작물의 자급률 향상과 쌀 수급 불균형 문제를 해결할 수 있을 것으로 기대되는 작물이다. 그러나 수량 추정을 위한 재배면적과 같은 기본적인 통계조사는 많은 인력을 투입하여도 오래 걸리는 전통적인 조사 방식으로 인해 잘 이루어 지지 않고 있다. 이에 따라 본 연구에서는 무인기 기반 RGB 영상에 U-Net을 적용하여 수수 재배지 비파괴적 분할가능성을 확인하였다. 2022년에 7월 28일, 8월 13일, 8월 25일에 각각 영상이 취득되었다. 각 영상취득 날짜에서 512 × 512 영상크기로 훈련데이터셋 6,000장과 검증데이터셋 1,000장으로 나누어 학습을 진행하였으며 수수 농경지(sorghum), 벼와 콩 농경지(others)와 비 농경지(background)로 구성된 세 개 클래스와 수수 농경지와 배경(others+background)으로 구성된 두 개 클래스 기반으로 분류모델을 개발하였다. 모든 취득 날짜에서 세 개 클래스 기반 모델에서는 수수 재배지 분류 정확도가 0.91 이상으로 나타났지만 8월 데이터셋의 others 클래스에서 학습 혼동이 일어났다. 대조적으로 두 개 클래스 기반 모델에서는 8월 데이터셋의 안정적인 학습과 함께 모든 클래스에서 0.95 이상의 정확도를 나타내었다. 결과적으로 8월에 두개클래스 기반 모델을 현장에 재현하는 것이 수수 재배지 분류를 통한 재배면적 산출에 유리할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.695-713
• /
• 2023

연안 해역에서 식물성플랑크톤, 부유입자, 용존유기물은 복합적이고 비선형적으로 해수반사도를 변화시킨다. 최근 빠르게 발전하는 신경망 기술은 복잡한 비선형 관계를 효과적으로 처리할 수 있는 장점이 있다. 기존 연구에서는 성분별 고유광특성을 도출하기 위하여 세 단계의 신경망을 구성하였으나 본 연구에서는 심층신경망을 직접 적용하는 알고리즘을 제안하였다. 본 연구에서 활용한 데이터세트는 국제해색조정그룹에서 제공하는 합성데이터를 활용하였으며, 입력데이터는 9개의 파장의 원격반사도를 입력하였다. 이를 통해 해수 고유광특성을 심층신경망을 기반으로 도출하였다. 성능을 평가하기 위해 준분석 알고리즘(quasi-analytical algorithm)과 비교하였으며, 데이터 분포에 따른 로그 변환 여부가 심층신경망 알고리즘의 성능에 영향을 미치는 정도를 비교 분석하였다. 그 결과, 준분석 알고리즘보다 심층신경망 알고리즘을 활용하면 부유입자에 대한 흡광계수를 제외한 고유광특성을 정확하게 추정할 수 있으며(R² 0.9 이상), 부유입자와 용존유기물의 흡광계수를 부유입자와 용존유기물 흡광계수로 각각 분리할 수 있었다. 그리고 심층신경망을 직접적으로 적용하는 알고리즘은 데이터의 로그 변환을 하지 않아도 성능 차이가 거의 없음을 파악할 수 있었다. 이 연구 결과를 해색 자료 처리에 실제 적용하기 위해서는 다양한 해역의 현장자료 및 추가적인 데이터 세트를 활용한 학습을 진행하여, 경험적 및 반분석적 방법과 비교 분석하고 알고리즘 간 장단점을 적절히 파악하는 연구가 필요하다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1591-1604
• /
• 2023

해색 원격탐사에서 대기 보정은 자료의 정확도와 신뢰성 확보를 위해 반드시 수행해야하는 과정으로 높은 정확도가 요구된다. 또한 최근 원격 탐사 커뮤니티에서는 위성 자료의 오차에 대한 요구 사항이 증가함에 따라 대기 보정의 보조 자료로 사용되는 기상 변수(오존량, 기압, 바람장, 층적분 수증기량[total precipitable water, TPW])의 오차에 의해 발생하는 원격 반사도(remote sensing reflectance, R_rs)의 오차에 대한 연구가 진행되고 있지만 오차 요인으로 알려진 수증기 프로파일의 변동성에 의한 R_rs의 오차에 대한 연구는 수행되지 않았다. 본 연구에서는 Second Simulation of a Satellite Signal Vector version 2.1 모의를 통해 GOCI-II 관측 영역 내의 수증기 프로파일의 변동성에 따른 수증기 투과도의 오차를 계산하고 이로 인해 발생하는 해색 산출물의 오차에 대해 분석하였다. Radiosonde 관측 수증기 프로파일은 그 형태가 복잡할 뿐만 아니라 지표 부근의 큰 변동성으로 인해 기존 GOCI-II 대기 보정에서 사용하고 있는 US standard 62 수증기 프로파일과의 차이가 최대 0.007만큼 발생하였다. 이로 인해 발생한 수증기 투과도의 차이는 GOCI-II 대기 보정에서 에어로졸 반사도 추정의 차이를 발생시키고, 결과적으로 모든 밴드에서 R_rs의 오차가 발생하였다. 하지만 412-555 nm 밴드에서 수증기 프로파일 차이로 인한 R_rs 오차는 요구 정확도보다 낮은 2% 미만으로 나타났으며, 다른 해색 산출물인 클로로필(chlorophyll-a) 농도, 용존 유기물, 총 부유물 농도에서도 유사한 오차를 보이고 있다. 본 연구의 결과는 대기 보정 및 해색 산출물의 정확도에 있어 수증기 프로파일의 차이의 영향이 적다는 것을 의미한다. 하지만 추후 연구에서 수증기 흡광 보정 시 수증기 프로파일의 변동성을 고려할 경우 보다 높은 수준의 R_rs 정확도 확보를 기대할 수 있다.