• 한국철학논집
• /
• 제29호
• /
• pp.33-54
• /
• 2010

이 논문에서는 퇴계학파가 형성되고 전개되는 과정에 있어서 중요한 인물인 우담(愚潭) 정시한(丁時翰)(1625-1707)이 퇴계(退溪)(1501-1570)의 사상을 어떻게 이해하였는가 하는 문제에 대하여, 『사칠변증(四七辨證)』에 나타난 우담의 관점과 견해를 중심으로 살펴보았다. 우담(愚潭)은 17세기의 일원론(一元論)과 이원론(二元論)이 양립하는 시대를 살았다고 할 수 있는데, 퇴계의 사상에 대한 우담의 이해를 요약해보면 다음과 같다. 첫째, 우담은 기본적으로 퇴계를 주자의 정통으로 보면서, 이기(理氣)에 대한 변론(이기지변(理氣之辨))과 성정(性情)의 근원(성정지원(性情之原))에 대한 퇴계의 진지(眞知)·실득(實得)을 따르고 실천하려고 하였다. 둘째, 우담은 옛날과 지금 사람들의 학문(學問)이 어긋난 이유는 다만 '이(理)'자(字)를 알기 어렵기 때문이라고 하면서, "발(發)하는 것은 기(氣)이고, 발(發)하는 까닭은 이(理)이다"라는 율곡(栗谷)의 주장을 비판하고, 이치(理)의 궁극적 실재성·운동성(작용성)·근원성(주재성)과 이치(理)의 체용(體用)을 주장하는 퇴계의 견해를 따르지만, "이기(理氣)가 묘합(妙合)한 가운데, 이(理)는 항상 주(主)가 되고 기(氣)는 항상 보(輔)가 된다"(이주기보(理主氣輔))고 하면서 퇴계의 학설을 더욱 발전시켰다고 할 수 있다. 셋째, 우담은 같음(동(同)) 가운데서도 다름(이(異))을 볼 수 있고 다름(이(異)) 가운데서도 같음(동(同))을 볼 수 있으며, 분석(분개(分開))할 때는 분석하고 종합(혼륜(渾淪))할 때는 종합하면서도 이를 입체적(통간(通看))으로 이해할 수 있어야 한다는 퇴계의 정신을 따르면서, 율곡의 학설을 비판하고 퇴계의 호발설(互發說)을 옹호하였다. 이렇게 볼 때 우담은 퇴계의 이기(理氣)와 심성(心性)에 관한 견해를 깊고 바르게 이해하고, 보다 구체적으로 설명하면서, 퇴계의 정신에 따라서 실천하며 살려고 노력하였다고 할 수 있다.

• 한국철학논집
• /
• 제27호
• /
• pp.447-468
• /
• 2009

愚潭丁時翰(1625-1707)是朝鮮朝中期退溪學派的主要代表人物之一, 他一生隱居求志躬行心得為後世儒者所敬仰｡ 作為近畿主理論學者他同李玄逸(1627-1704, 字翼升, 號葛庵)一起, 對退溪的四七理論作了積極維護和系統闡述｡ 本文從比較的角度, 對愚潭的理氣說, 四端七情說, 人心道心說進行了簡要論述｡ 儘管他在理氣關係及四七理論的解釋上有些折衷退溪與栗谷思想之傾向, 但是從四七說以及對理氣關係的主僕, 上下位關係的解釋中我們還是可以看出其基於退溪的尊理貶氣, 理氣互發之義上的為學特色｡ 在人心道心說方面的特點在於, 其對朱子所講的實然之"心"的重視｡

• Journal of Forest and Environmental Science
• /
• 제34권2호
• /
• pp.142-144
• /
• 2018

This paper discusses the development of semi-automatic search program for crown delineation in stand level. The crown of an individual tree was delineated by applying the Watershed (WS) and Valley Following (VF) algorithms. Unmanned Aerial Vehicle (UAV) images were used in the semi-automatic search program to delineate the crown area. The overall accuracy and Khat were used in accuracy assessment. WS algorithm's model showed the overall accuracy and Khat index of 0.80 and 0.59, respectively, in Plot 1. However, the overall accuracy and Khat of VF algorithm's model were 0.78 and 0.51, respectively, in Plot 2.

• 한국철학논집
• /
• 제59호
• /
• pp.343-370
• /
• 2018

정시한은 72세에 "사칠변증"을 완성하고 이후에 제자 이식과 인물성동 이논변을 벌인다. 정시한의 입장은 인물성이론의 입장이었고 이식은 인물 성동론의 입장이었다. 그러나 인물성동이논변은 잊혀지고 "사칠변증"이 인정받을 수 있었던 이유는 당시에 퇴계학파와 율곡학파가 대립점에 있었고 서로가 서로의 입장을 비판하였기 때문에 가능하였다. "사칠변증"을 완성하게 되는 데에는 이현일의 "율곡이씨논사단칠정서변"의 영향이 컸던 것으로 생각된다. 이이의 사단과 칠정에 대한 생각은 '칠정이 사단을 포함한다.'라는 '혼륜(渾淪)의 입장'이었고, 이황은 사단과 칠정은 서로 다르게 해석할 수밖에 없다는 '분개(分開)의 입장'이었다. 정시한은 분개의 입장에서 혼륜의 입장을 비판하는 입장에 있었다. "사칠변증"을 통해 정시한은 무엇을 추구하려고 하였는가? 이러한 사실은 우리가 정시한이 제자 이식과 벌였던 인물성동이논변을 잊게 하는 경향이 있다. 우리는 현재 정시한의 "사칠변증"에서 이이를 비판한 사실은 알지만 정시한이 인물성동이논변을 벌였다는 사실에 대해서는 별로 신경 쓰지 않는다. 중요한 논쟁이었음에도 불구하고 왜 "사칠변증"이 우리의 기억 속에 남아 있는 것일까? 그것은 정시한이 희망했던 희망하지 않았던 것과 상관없이 정시한 이후에 사단칠정논쟁을 정리하는 과정에서 이익과 신후담, 정약용에게까지 "사칠변증"이 영향을 준 것이기 때문일 것이다.

• Journal of Forest and Environmental Science
• /
• 제32권4호
• /
• pp.384-391
• /
• 2016

In this study, regions infected by pine wilt disease were extracted by using object-based classification method (OB-infected region), and the characteristics of special distribution about OB-infected region were figured out. Scale 24, Shape 0.1, Color 0.9, Compactness 0.5, and Smoothness 0.5 was selected as the objected-based, optimal weighted value of OB-infected region classification. The total accuracy of classification was high with 99% and Kappa coefficient was also high with 0.97. The area of OB-infected region was approximately 90 ha, 16% of the total area. The OB-infected region in Age class V and VI was intensively distributed with 97% of the total. Also, The OB-infected region in Middle and Large DBH class was intensively distributed with 99% of the total. In terms of the topographic characteristics of OB-infected region, the damages occurred approximately 86% below the altitude of 200 m, and occurred 91% with a slope less than 10 degree. The damage occurred a lot in low hilly mountain and undulating slope. In addition, the accessibility to road and residential area from OB-infected region was less than 300 m in large part. Overall, it was figured out that artificial effect is stronger than natural effect with regard to the spread of pine wilt disease.

• Journal of Forest and Environmental Science
• /
• 제35권3호
• /
• pp.181-188
• /
• 2019

This study was performed to construct tree species classification map according to three information types (spectral information, texture information, and spectral and texture information) by altitude (30 m, 60 m, 90 m) using the unmanned aerial vehicle images and the object-based classification method, and to evaluate the concordance rate through field survey data. The object-based, optimal weighted values by altitude were 176 for 30 m images, 111 for 60 m images, and 108 for 90 m images in the case of Scale while 0.4/0.6, 0.5/0.5, in the case of the shape/color and compactness/smoothness respectively regardless of the altitude. The overall accuracy according to the type of information by altitude, the information on spectral and texture information was about 88% in the case of 30 m and the spectral information was about 98% and about 86% in the case of 60 m and 90 m respectively showing the highest rates. The concordance rate with the field survey data per tree species was the highest with about 92% in the case of Pinus densiflora at 30 m, about 100% in the case of Prunus sargentii Rehder tree at 60 m, and about 89% in the case of Robinia pseudoacacia L. at 90 m.

• Journal of Forest and Environmental Science
• /
• 제30권1호
• /
• pp.91-100
• /
• 2014

This research was conducted on the conservation area of Baekdudaegan, Kangwondo under the purpose of evaluating bio-diversity according to the changes of spatial scale, using GIS data and spatial filtering method. The diversity index was calculated based on the information of species of The $5^{th}$ forest type map using Shannon-weaver index (H'), evenness index ($E_i$) and richness index ($R_i$). The diversity index was analyzed and compared according to the changes of 12 spatial scales from Kernel size $3{\times}3$ to $73{\times}73$ and basin unit. As for H' and $R_i$, spatial scale increased as diversity index decreased, while $E_i$ decreases gradually. H' and $R_i$ was highest; each 1.1 and 0.6, when the Kernel size was $73{\times}73$, while $E_i$ was 0.2, the lowest. When you look at according to the basin unit, for large basin unit, 'YeongDong' region shows higher diversity index than 'YeongSeo' region. For middle basin unit, 'Gangneung Namdaecheon' region, and for small basin unit, 'Gangneung Namdaecheon' and 'Gangneung Ohbongdaem' region shows high diversity index. When you look at the relationship between diversity index and Geographic factors, H' shows positive relation to curvature and sunshine factor while shows negative to elevation, slope, hillshade, and wetness index. Also $E_i$ was similar to the relationship between H' and Geographic factor. Meanwhile, $R_i$ shows positive relationship to curvature and sunshine factor, while negative to elevation, slope, hillshade, and wetness index. macro unit diversity index evaluation was possible through the GIS data and spatial filtering, and it can be a good source for local biosphere conservation policy making.

• 한국산림과학회지
• /
• 제101권1호
• /
• pp.96-103
• /
• 2012

본 연구에서는 산림수확계획 수립에 있어 벌채지 선정에 효과적으로 활용될 수 있는 수확분배시뮬레이션 모델의 도입을 위한 사례연구를 수행하였다. 이를 위해 Gustafson과 Crow가 개발한 HARVEST를 산림수확 공간분배 모델로 선정하고 국립산림과학원의 광릉시험림을 대상으로 벌채구획의 면적제한, 벌채지 선정방법, 및 벌채지 연접제한과 같은 기본적인 산림수확 경영방침을 적용하여 모델의 적용성을 검토하였다. 연구결과 벌채 구획의 면적제한 조건의 경우 허용벌채면적이 커질수록 벌채구획의 수는 적어지고 벌채구획간의 거리는 멀어지는 것으로 나타났다. 또한 임의산개형, 군상형 군상택벌형 및 영급순 등 벌채임분의 선정방법을 달리하여 수확 시뮬레이션에 적용한 경우 군상택벌형을 제외하고 벌채구획의 크기와 개소 수는 비슷한 경향을 나타내었으나 벌채지간 거리에서 차이를 나타내었다. 벌채지의 연접제한은 이미 벌채된 임분 주변에서의 벌채를 제한하므로 벌채구획의 수를 증가시키는 효과를 나타냈다. 이상의 연구결과를 종합한 결과 HARVEST는 산림수확을 수행하는데 있어 다양한 경영목표에 따라 벌채구획의 수와 공간분포의 정도를 조절할 수 있는 효과적인 도구로 평가되었다.

• Journal of Forest and Environmental Science
• /
• 제34권6호
• /
• pp.461-471
• /
• 2018

In this study, the deforestation and forest degradation areas have been obtained in Myanmar using a land cover lamp (LCM) and a tree cover map (TCM) to get the $CO_2$ potential reduction and the strength of occurrence was evaluated by using the geostatistical technique. By applying a multiple criteria decision-making method to the regions having high strength of occurrence for the $CO_2$ potential reduction for the deforestation and forest degradation areas, the priority was selected for candidate lands for REDD+ project. The areas of deforestation and forest degradation were 609,690ha and 43,515ha each from 2010 to 2015. By township, Mong Kung had the highest among the area of deforestation with 3,069ha while Thlangtlang had the highest in the area of forest degradation with 9,213 ha. The number of $CO_2$ potential reduction hotspot areas among the deforestation areas was 15, taking up the $CO_2$ potential reduction of 192,000 ton in average, which is 6 times higher than that of all target areas. Especially, the township of Hsipaw inside the Shan region had a $CO_2$ potential reduction of about 772,000 tons, the largest reduction potential among the hotpot areas. There were many $CO_2$ potential reduction hot spot areas among the forest degradation area in the eastern part of the target region and has the $CO_2$ potential reduction of 1,164,000 tons, which was 27 times higher than that of the total area. AHP importance analysis showed that the topographic characteristic was 0.41 (0.40 for height from surface, 0.29 for the slope and 0.31 for the distance from water area) while the geographical characteristic was 0.59 (0.56 for the distance from road, 0.56 for the distance from settlement area and 0.19 for the distance from Capital). Yawunghwe, Kalaw, and Hsi Hseng were selected as the preferred locations for the REDD+ candidate region for the deforestation area while Einme, Tiddim, and Falam were selected as the preferred locations for the forest degradation area.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1407-1422
• /
• 2022

본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F₁은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.