• 자원환경지질
• /
• 제48권1호
• /
• pp.25-39
• /
• 2015

$CO_2$ 지중저장은 국가 온실가스 감축 목표 달성에 가장 큰 역할을 담당할 것으로 평가되고 있으나, 포집분야 일부 기술을 제외하고 저장 및 실증에 대한 국내 연구는 여전히 부족한 실정이다. CCS(Carbon Capture and Storage)의 가장 큰 목표는 지하 퇴적 암반층에 $CO_2$를 안전하게 저장하는 것이며, 이를 위해서는 저장소의 저장용량 및 안정성등과 같은 지중저장 대상지층의 특성을 정확하게 파악하고 그에 맞는 주입 전략을 수립하여야 한다. 이번 연구에서는 한국석유공사가 2012년에 울릉분지에서 취득한 탄성파 탐사자료를 활용하여 $CO_2$ 저장 후보 지층에 대한 탄성파 임피던스 역산을 수행하고, 공극률의 분포와 지층의 속성을 도출하여 $CO_2$ 지중저장 가능성을 검토하였다. 우선, 탄성파 자료 역산의 신뢰도를 높이기 위해 다양한 방법의 잡음제거 기법을 적용하였고, 특히 본 자료의 주파수 및 위상 특성을 그대로 유지한 채 다중반사파를 제거할 수 있는 SWD(Shallow Water Demultiple), SRME(Surface Related Multiple Elimination), Radon Demultiple 기술을 활용하였다. 자료 역산을 위해 3개의 시추공에 대한 물리검층 자료를 분석하였는데, 탄성파 자료와의 상관도가 각각 0.648, 0.574, 0.342로 나타났으며 이는 초기 역산 모델 설정을 위한 저주파수 모델 생성에 활용하였다. 중합 전 역산을 통해 P-임피던스, S-임피던스 및 Vp/Vs 비 값을 도출하였으며, 이와 물리검층 결과의 비교, 분석을 통해 공극률 분포 양상을 확인함으로써 지중저장에 적합한 지층을 파악할 수 있었다. 향후 $CO_2$ 주입 실증을 위해서는 지층에 대한 보다 세밀한 특성 분석과 모사를 통한 주입 이후 $CO_2$ 거동예측이 필요할 것이다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.329-339
• /
• 2021

콩은 논 대표적인 밭작물로써 온도, 수분, 토양과 같은 환경 조건에 민감하기 때문에 재배 시 포장 관리가 매우 중요하다. 작물 상태를 비파괴적, 비접촉적 방법으로 측정할 수 있는 분광 기술을 활용한다면 작황 예측, 작물 스트레스 및 병충해 판별 등 생육 진단 및 처방을 통해 품질과 수확량을 높일 수 있다. 본 연구에서는 회전익 무인기에 탑재된 다중분광 센서를 이용하여 시험 포장에서 콩 생육 추정 모델 개발하고 재현성을 확인하기 위해 농가 포장에 검증을 수행하였다. 분광 데이터로 산출된 정규화 식생지수(NDVI, GNDVI), 단순비 식생지수(RRVI, GRVI)와 콩 생육 데이터(생체중, LAI)를 선형회귀분석을 실시하여 모델을 개발하였으며 괴산에 위치한 농가포장에서 검증을 실시하였다. 그 결과 생체중의 경우 정규화 식생지수를 이용 시 포화되기 때문에 단순비 식생지수 GRVI를 이용한 모델의 성능이 가장 높았다(R²=0.74, RMSE=246 g/m², RE=34.2%). 괴산 농가 포장에 생체중 모델 검증 결과 RMSE=392 g/m², RE=32%로 나타났으며 작부 체계별 나누어 검증 결과 단작 포장과 이모작 포장 생체중 모델은 RMSE=315 g/m², RE=26% 및 RMSE=381 g/m², RE=31%로 나타났다. 작부 체계별 포장과 적산온도가 유사한 연도별 시험 포장(2018+2020년, 2019년)을 나누어 생체중 모델 개발한 결과 단년도(2019년)의 성능이 높게 나타났다. 작부 체계별 적산온도가 유사한 검증과 기존 검증 간 비교 결과 단작 포장은 RMSE 및 RE를 기준으로 각각 29.1%와 34.3%로 개선되었으나 이모작 포장은 -19.6%, -31.3%로 저하되었다. 적산온도 이외의 환경 요인, 분광 및 생육 데이터 추가 시 다양한 환경 조건에서 재배되는 콩 생육을 추정 가능할 것으로 판단된다.

• 한국조경학회지
• /
• 제43권6호
• /
• pp.16-24
• /
• 2015

본 연구는 국내 4대강 유역에 조성된 수변녹지를 대상으로 탄소의 저장 및 연간 흡수를 계량화하고, 수변녹지의 탄소저감 효과를 증진하기 위한 조성방안을 모색하였다. 표본 선정한 40개소 연구 대상지의 녹지구조 및 식재기법은 흉고직경이 평균 $6.9{\pm}0.2cm$이고 식재밀도가 $10.4{\pm}0.8$주/$100m^2$로서, 소형 수목의 저밀 단층식재로 대표된다. 식재수목에 의한 단위면적당 탄소의 저장량과 연간 흡수량은 각각 평균 $8.2{\pm}0.5t/ha$, $1.7{\pm}0.1t/ha$/년이고, 식재밀도가 높을수록 증가하는 경향을 보였다. 토양의 유기물함량과 단위면적당 탄소저장량은 각각 $1.4{\pm}0.1%$, $26.4{\pm}1.5t/ha$이었다. 대상지의 수목과 토양은 1ha당 약 61kL의 휘발유 소비에 상당하는 탄소량을 저장하고, 수목은 해마다 1ha당 3kL의 휘발유 소비에 기인한 탄소배출량을 상쇄하는 효과를 나타냈다. 이 탄소저감은 식재 후 5년 이상~10년 미만 생장한 효과로서 식재수목의 생장과 더불어 훨씬 더 증가할 것으로 예측된다. 연구 대상지와 상이한 식재기법의 조성모델들을 선정하여 향후 30년 동안 수목생장에 따른 연간 탄소흡수량의 변화를 비교 시뮬레이션하였다. 그 결과, 경과년도별 누적 탄소흡수량은 식재규격이 더 크고 식재밀도가 더 높은 다층 군식의 생태식재모델에서 저밀 단층식재인 대상지보다 10년 및 30년 경과시 각각 약 1.9배, 1.5배 더 많았다. 수변녹지의 탄소저감 효과를 증진하기 위해서는 규격이 상대적으로 큰 수목을 혼식하는 다층 군식, 속성수를 포함하여 연간 생장률이 양호한 자생수종의 중 고밀 식재, 식재수종의 정상적 생장에 적합한 토양조건 구비 등이 요구된다. 본 연구결과는 조성 초기단계인 수변녹지 사업에서 수질보전 및 생물서식에 부가하여 탄소흡수원의 역할을 제고하기 위한 실용적 지침이 될 것으로 기대한다.

• 한국환경농학회지
• /
• 제37권3호
• /
• pp.189-196
• /
• 2018

본 연구에서는 비점오염 모델에 강우의 질소 농도를 현실적으로 반영하기 위하여 국내 문헌과 3년 동안 관측한 강우 질소 농도를 분석하여 1개시(서울시), 9개도(경기도, 강원도, 충청남/북도, 전북남/북도, 경상남/북도, 제주도) 6개 광역시(부산, 인천, 대전, 울산, 대구, 광주)의 강우시 $NO_3{^-}$, $NH_4{^+}$ 및 T-N의 대표 농도를 제시하였다. $NO_3{^-}$와 $NH_4{^+}$의 평균 농도는 각각 1.88 mg/L와 0.96 mg/L 였으며, T-N은 2.84 mg/L 였다. 이는 환경부에서 제시하고 있는 2015년 전국 $NO_3{^-}$와 $NH_4{^+}$의 평균 농도인 1.98 mg/L와 1.05 mg/L와 비슷한 것으로 나타나 본 연구에서 제시된 각 행정구역별 농도는 타당한 수치로 사료된다. 본 연구결과 행정구역별로 질소농도의 차이가 있는 것으로 나타나 해당지역에 적합한 질소농도의 적용이 필요한 것으로 나타났다. 따라서 비점오염 모델 적용시 다양한 구축자료(수문인자, 지형인자 및 영농활동 인자 등)와 더불어 모델 적용지역의 강우 특성을 적절히 반영하여 오염부하량을 추정하는데 활용이 가능할 것으로 판단된다.

• 한국농림기상학회지
• /
• 제21권2호
• /
• pp.85-96
• /
• 2019

일사량은 자연 생태계와 농업 생태계에서 에너지 수지와 물 순환을 추정하는데 중요한 변수이다. 일별 일사량을 추정하기 위해 심층 신경망(DNN) 모델이 개발되었다. 일조시간 등의 변수보다 기상 관측소에서의 가용성이 더 높은 온도와 강수량이 심층 신경망 모델의 입력 자료로 사용되었다. five-fold crossvalidation 을 사용하여 심층 신경망을 훈련시키고 검증하였다. 국내 15 개의 기상 관측소에서 30 년 이상 장기간의 기상 자료가 수집되었다. Cross-validation을 통해 얻어진 심층 신경망 모델은 수원 지역 기상 관측소의 일별 일사량 추정치에 대해 비교적 작은 RMSE($3.75MJ\;m^{-2}\;d^{-1}$) 값을 가졌다. 심층 신경망 모델은 수원 지역 기상 관측소의 일사량의 변위의 약 68%를 설명했다. 1985 년과 1998 년의 일사량 관측값은 일조시간에 비해 상당히 낮은 값이 관측되었다. 이는 후속 연구에서 일사량 관측 데이터의 품질 평가가 필요할 것임을 시사했다. 해당 연도의 데이터를 분석에서 제외했을 때, 심층 신경망 모델의 추정값은 통계적 수치가 약간 높게 나타났다. 예를 들어, $R^2$ 와 RMSE 의 값은 각각 0.72 와 $3.55MJ\;m^{-2}\;d^{-1}$ 이었다. 심층 신경망 모델은 기온과 강수량을 통해 일사량을 추정하는데 유용하며, 이는 미래 기후 시나리오 자료에 대해서 활용할 수 있을 것이다. 따라서, 공간에 대한 제약이 완화된 심층 신경망 모델은 작물 모델의 입력 자료로 일사량이 필요한 작물 생산성에 대한 기후 변화 영향 평가에 유용하게 활용될 수 있을 것이다.