• 생물환경조절학회지
• /
• 제28권4호
• /
• pp.366-375
• /
• 2019

본 실험은 토마토(Solanum lycopersicum L. 'Hoyong' 'Super Doterang') 암면재배에서 배지 전체의 정전용량을 측정할 수 있는 장치(Substrate capacitance measurement device, SCMD)를 기반으로 한 적정 급액 방법을 구명하기 위하여 누적일사량 제어구(Integrated solar radiation automated irrigation, ISR)와 물관수액흐름 제어구(sap flow automated irrigation, SF)를 대조구로 비교하면서 봄부터 여름철과 겨울철에 재배를 실시하였다. SCMD 제어구는 급액 개시 후 배지 한 개당 설정된 배액 목표량이 처음 발생하는 시점까지 10분간격으로 급액하였고 첫 배액이 배출되면 그 때의 배지의 정전용량(Capacitance)을 100%로 간주하고 그 기준치의 급액제어점(Capacitance threshold, CT)에 도달하면 급액 되었고 그 뒤 목표 배액량이 발생하면 급액이 멈추는 방식으로 제어되었다. 봄부터 여름재배에서 실험 처리를 위해 SCMD제어구의 일회 급액량 (Irrigation volume per event)을 50, 75, 또는 100mL로 설정하였고 겨울철 재배에서는 CT가 0.65, 0.75, 또는 0.90가 되면 급액 되도록 설정하였다. 봄부터 여름철 재배에서 일회 급액량을 50, 75, 100mL로 설정하였을 때 급액 횟수는 각각 39, 29, 19회였고 배액율은 각각 3.04, 9.25, 20.18%였다. 겨울철 재배에서 CT를 0.65, 0.75, 0.90로 설정하였을 때 급액횟수는 각각 5.67, 6.50, 14.67회였고 배액율은 9.91, 10.78, 35.3%였다. 봄부터 여름철 재배에서 일회 급액량 처리에 따른 물관수액흐름속도(SF) 변화는 1회 급액량과 배액량을 각각 50과 75mL로 제한한 경우 100mL로 제한한 경우와 비교하여SF 신호가 외부 광량 신호 (SI) 보다 늦어지는 경향(time lag)을 보였고 겨울철 재배에서 CT를 0.65로 설정한 경우는 물관수액흐름 속도나 함수율이 매우 낮아졌고 CT를 0.90로 설정한 경우는 함수율과 물관수액흐름 속도는 매우 높았으나 많은 배액이 배출되었다. 따라서 토마토 봄부터 여름철 재배에서 SCMD를 활용하여 CT를 0.9로, 배지 한 개당 배액 목표량을 100mL로 설정하였을 때 일회 급액량은 75~100mL 범위가 적합하고 겨울철 재배에서는 1회 급액량을 75mL로, 배액 목표량을 70mL로 설정하였을 때 CT는 0.75이상 0.9이하 범위가 적합할 것으로 판단되었다. 앞으로 정전용량 값과 배지 용적수분함량의 관계성을 구명하고 보정계수를 구하는 연구가 필요할 것으로 판단된다.

• 청정기술
• /
• 제28권3호
• /
• pp.218-226
• /
• 2022

최근 선진국들은 수소경제 및 탄소중립 사회로의 전환을 위해 수소에너지의 수요가 급격히 증가하고 있으며, 이산화탄소(CO₂)를 배출이 없는 친환경적인 수소(H₂) 생산 기술에 대한 관심이 높아지고 있다. 본 연구에서는 암모니아(NH₃) 분해 수소 제조를 위해 루테늄 알루미나(Ru/Al₂O₃) 분말 촉매와 함께 알루미나 졸(alumina sol)의 무기바인더(inorganic binder)와 메틸 셀룰로오스(methyl cellulose)의 유기바인더(organic binder)를 사용하여 딥 코팅(dip coating) 방법으로 루테늄 알루미나 메탈 모노리스 코팅 촉매를 제조하였다. 딥 코팅을 위한 촉매 슬러리의 최적 비율로 촉매와 무기바인더의 중량 비율을 1:1로 고정하여 유기바인더 0.1일 때 1회 딥 코팅 시 촉매 코팅양은 61.6 g L^-1이다. 이때 메탈모노리스 표면에 코팅된 촉매 층의 균일한 두께 (약 42 ㎛)와 결정상을 주사전자현미경(Scanning Electron Microscope, SEM)과 X-ray 회절분석(X ray diffraction, XRD)을 통해 확인하였다. 또한, 암모니아 분해 수소 제조의 최적 공정조건을 찾고자 반응표면분석법(Response Surface Method, RSM)을 이용하여 반응온도와 공간속도의 독립변수에 따른 암모니아 전환율에 대한 수치 최적화 회귀식 모델을 계산하였다. 이러한 결과로부터 암모니아 분해 수소생산을 위한 상업적 규모의 공정운전 기본설계 자료로 활용이 가능하다.

• 생태와환경
• /
• 제39권3호통권117호
• /
• pp.340-351
• /
• 2006

2004년 2월부터 2005년 2월까지 1년 동안 매 격주간 한강하류역의 6개 정점에서 식물플랑크톤군집에 미치는 물리화학적 환경요인을 조사하였다. 조사결과 수온은 $0.3{\sim}26.6^{\circ}C$, pH: 6.6${\sim}$9.1, DO: 1.89${\sim}$22.23 mg $L^{-1}$, BOD: 0.38${\sim}$9.20 mg $L^{-1}$, COD: 1.4${\sim}$15.2 mg $L^{-1}$, Conductivity: $62.5{\sim}500.0\;{\mu}s\;cm^{-1}$, SS: 3.00${\sim}$159.3 mg $L^{-1}$, chlorophyll a $1.7{\sim}71.3\;{\mu}g\;L^{-1}$ 범위로 변화하였다. 식물플랑크톤 현존량은 최저 $3.6{\times}10^2\;cells\;mL^{-1}$ (2004년 7월, 정점 3)에서 최고 $2.3{\times}10^4\;cells\;mL^{-1}$ (2005년 2월, 정점 6)까지 변화하였으며, 계절별 평균 현존량은 봄철에 $5.9{\times}10^3\;cells\;mL^{-1}$, 여름철 $2.1{\times}10^3\;cells\;mL^{-1}$, 가을철 $4.1{\times}10^3\;cells\;mL^{-1}$, 겨울철에 $8.5{\times}10^3\;cells\;mL^{-1}$로 겨울철에 가장 높았다. 식물플랑크톤 현존량에 미치는 환경요인의 영향을 규명하기 위하여, 종속변수인 현존량과 독립변수인 환경인과의 단계적 중회귀 분석을 한 결과 $R^2$=0.465였으며, 그 중 중요한 요인은 수온, COD, $NO_2-N$, $PO_4-N$, 유량, pH로 나타났다. 6개 정점을 환경요인을 매개변수로 유사도 분석을 한 결과 크게 3개 group으로 나눌 수 있었으며, 물리 ${\cdot}$ 화학적 환경요인과 생물학적 요인을 대상으로 ANOVA 분석에서는 수온, chlorophyll a, 규산염, 식물플랑크톤 현존량은 정점간 차이가 없이 하나의 group이었으며, 용존산소량, 전기전도도, COD, 아질산염, 질산염, 암모니아염, 인산염이 정점 1, 2에서 같은 group으로, 용존산소량, 전기전도도, pH, 인산염이 정점 3, 4, 5에서 같은 group으로 묶였다.

• 한국의학물리학회지:의학물리
• /
• 제20권2호
• /
• pp.97-105
• /
• 2009

물 흡수선량표준을 기반으로 하는 선량측정 프로토콜에서는 전자선의 선질결정 지표는 $R_{50}$이며, 선량측정의 정확성을 향상시키기 위하여 전자선의 기준 에너지가 $R_{50}$>7 $g/cm^2$ (E${\gtrsim}$16 MeV)인 고에너지 전자선에서 표준기관에 소급성이 있는 원통형이온함의 물흡수선량교정계수을 이용한 평행평판형이온함의 교차교정을 권고하고 있다. 그러나 이러한 조건을 만족하는 고에너지 전자선은 모든 치료기관에서 보유하기가 어려운 실정이다. 따라서 본 연구에서는 평행평판형이온함의 교차교정 시 16 MeV 이상의 고 에너지 전자선뿐 아니라 12 MeV 이하의 전자선 에너지에서 얻은 평행평판형이온함의 교정계수를 이용하여 선량차이를 각각 비교하였다. 전자선 선량측정은 PTW 30013, Wellhofer FC65G의 Farmer형 원통형이온함과 PTW 34001, Wellhofer PPC40의 Roos형 평행평판형이온함을 이용하였으며 물팬텀내 기준깊이 $Z_{ret}=0.6R_{50}-0.1$(cm)에 원통형이온함과 평행평판형이온함을 같은 위치에 놓고 교차교정을 실시하였다. 교차교정 선질 20 MeV에서 결정된 교정계수를 적용한 물 흡수선량과 전자선에너지 12, 16 MeV에서의 물 흡수선량 차이는 0.2% 이내로 비교적 잘 일치하는 연구결과를 보였다. 그러므로 교차교정 선질 차이에 의한 흡수선량 값 상호 비교한 결과는 측정 불확도내에서 잘 일치하고 있어 각 기관에서 보유하고 있는 의료용가속기의 최고 전자선 선질에서의 교차교정도 유효하다고 사료된다.

• 한국수자원학회논문집
• /
• 제42권1호
• /
• pp.33-50
• /
• 2009

본 연구에서는 SLURP 장기 수문모형을 이용하여 미래기후와 예측된 토지이용자료 및 식생의 활력도를 고려한 상태에서 하천유역의 수문요소에 미치는 영향을 분석하였다. 경안천 상류유역($260.4\;km^2$)을 대상유역으로 선정하여 4개년(1999-2002) 동안의 일별 유출량 자료를 바탕으로 모형의 보정(1999-2000)과 검증(2001-2002)을 실시하였다. 모형의 보정 및 검정 결과 Nash-Sutcliffe 모형효율은 0.79에서 0.60의 범위로 $R^2$는 0.77에서 0.60의 범위로 나타났다. 미래 기후자료는 IPCC(Intergovernmental Panel on Climate Change)에서 제공하는 A2, A1B, B1 기후변화시나리오 의 MIROC3.2 hires, ECHAM5-OM 모델의 결과 값을 이용하였다. 먼저 과거 30년 기후자료(1977-2006, baseline)를 바탕으로 각 모델별 20C3M(20th Century Climate Coupled Model)의 모의 결과 값을 이용하여 강수와 온도를 보정 한 뒤 Change Factor Method로 downscaling 하였다. 미래 기후자료는 2020s(2010-2039), 2050s(2040-2069), 2080s(2070-2099)의 세 기간으로 나누어 분석하였다. 불확실성을 줄이고자 개선된 CA-Markov기법으로 미래 토지이용을 예측하였으며, 월별 NDVI와 월평균기온간의 선형 회귀식을 도출하여 미래의 식생지수 정보를 추정하였다. 모형의 적용결과, 미래 유출량은 MIROC3.2 hires는 A1B(2080s) 시나리오에서 연 유출량이 21.4% 증가, ECHAM5-OM은 A1B(2050s) 시나리오에서 8.9% 증가하였다. 증발산량은 MIROC3.2 hires가 3%, ECHAM5-OM은 16% 증가하였다. 미래 토양수분량은 현재에 비해 약 1% 정도 증가하였다.

• 한국식품과학회지
• /
• 제28권3호
• /
• pp.411-416
• /
• 1996

초임계 유체를 이용하여 당근(Daucus carrota L.) 중의 ${\beta}-carotene$ (Y)을 추출하는 최적조건을 규명하기 위하여 추출압력(X_1$ 200-300bar), 온도($X_2,\;35-51^{\circ}C$) 및 시간($X_3$ 60-200min)을 선정하고 중심합성에 의한 실험계획을 설정하였다. 선정된 독립인자($X_1,\;X_2,\;X_3$)의 반응표면에 대한 영향을 분석하고 2차 다항 회귀모형식을$Y={\beta}_0+{\beta}_1X_1+{\beta}_2X_2+{\beta}_3X_3+{\beta}_11X_12+{\beta}_22X_3^2+{\beta}_-12X_1X_2+{\beta}_12X_1X_2+{\beta}_13X_1X_3+{\beta}_23X_2X_3$로 하여 linear, quadratic 및 interaction effects를 관찰하여 다음과 같은 결과를 얻었다. 1) ${\beta}-carotene$ 추출의 주요 인자는 압력, 시간, 온도의 순이었으며 이중, 중심점과 압력인자의 선형회귀 효과는 ${\alpha}(2)$가 0.001(99.9%) 수준에서 유의하였으며 그 회귀 계수는 다음과 같다. ${\beta}(0)\;5.83{\times}10^6,\;{\beta}(1)3.67{\times}10^6,\;{\beta}(2)\;1.24{\times}10^6,\;{\beta}(3)1.01{\times}10^6,\;{\beta}(11)\;-1.23{\times}10^6,\;{\beta}(22)-8.19{\times}10^5\;{\beta}(33)\;-9.79{\times}10^5,\;{\beta}(12)3.31{\times}10^5\;{\beta}(33)\;-9.79{\times}10^5,\;{\beta}(12)3.31{\times}10^5\;{\beta}(13)\;5.18{\times}10^5,\;{\beta}(23)9.08{\times}10^5$ 2) 회귀식에 대한 분산분석 결과, 분산비(Fo)가 8.44로 0.05 수준에서 모델에 의해 도출된 결과를 잘 성명할 수 있으며 그 정확도에 대한 결정계수($r^2$)는 0.938로 높았다. 또한 정상점에서 ${\beta}-carotene$의 반응표면을 정준분석한 결과 중속 변량인 ${\beta}-carotene$추출함량이 최대점임을 확인하였다. 3) 최적조건 즉, 압력은 350bar, 온도는 $51^{\circ}C$ 및 시간은 200min의 조건을 동시에 만족하는 관심영역에서의 ${\beta}-carotene$의 최대추출량은 생당근 100g당 10,611 ${\mu}g$으로 예측되었다.

• 생명과학회지
• /
• 제29권8호
• /
• pp.861-870
• /
• 2019

본 연구에서는 경제성 있는 생물학적 만니톨 고생산을 위해 선별균주의 만니톨 생산 최적화 배지조성을 RSM 방법을 이용하여 확립하고자 하였다. 먼저 김치로부터 분리된 10균주의 만니톨 생산량과 과당으로부터 만니톨 전환율 분석을 통하여 SRCM201425 균주를 선발하였으며, 선발균주는 16S rRNA 유전자 염기서열과 당 발효 분석을 통하여 Leuconostoc mesenteroides로 동정하였다. Plackett-Burman design (PBD)을 이용하여 만니톨 생산에 영향을 주는 배지 인자를 선별하기 위해 총 11개의 탄소원, 질소원, 무기원소의 영향을 조사하였으며, 통계학적 분석을 통하여 최종적으로 fructose와 sucrose, peptone을 선정하였다. 만니톨 생산을 위한 선별된 각 변수의 최적 농도를 결정하기 위한 방법으로 central composite design (CCD)과 반응표면 분석법을 이용하였으며, 최종적으로 CCD를 통해 만니톨 생산을 위한 배지 조성의 최적 농도는 fructose 38.68 g/l, sucrose 30 g/l, peptone 39.67 g/l으로 예측되었으며, 통계학적 분석을 통해 실험모델의 적합성을 확인하였다. 최종적으로 MRS 배지에서의 생산량의 약 20배의 만니톨을 생산할 수 있었으며, 100 g/l의 fructose가 포함된 MRS 배지 대비 97.46%의 만니톨을 생산하면서, 산업화시 기존 배지 대비 생산비용을 크게 절감할 수 있을 것으로 예상되었다. 본 연구를 통하여 만니톨 생산을 위한 배지 조성의 최적화를 확립하였으며, 만니톨을 생산하기 위한 방법으로 주로 사용되고 있는 고비용의 촉매환원 방법을 대체할 방법을 제시할 수 있는 기초자료로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.747-763
• /
• 2022

해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R² = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.

• 한국산업보건학회지
• /
• 제11권3호
• /
• pp.190-197
• /
• 2001

Noise-induced hearing loss(NIHL) was the highest rate (43.5%~58.5% from 1996 to 1998) of positive findings through specific medical program in Korea. There were much more NIHL at workers of automobile manufacturing factories than other manufacturing factories. The specific aim of the present study was to determine the noise exposure of automobile press lines, according to their job titles, press line types(auto, semiauto), dosimeter parameters setting. There were a total 11 press lines sampled at a automobile manufacturing company. Among those press lines, 10 press lines were autolines with acoustic enclosure, one semiauto press line was no aucostic enclosure Noise exposure data were sampled for an work shift using noise dosimeter, which recorded both time-weighted average(TWA) and 1-min average. The mean OSHA TWA(Korea TWA with threshold 90) was $80.7dB(A){\pm}4.7dB(A)$ for leader, $82.8dB(A{\pm}4.5dB(A)$ for pallette man, $76.7dB(A){\pm}4.3dB(A)$ for press operators, $76.6dB(A){\pm}5.6dB(A)$ for crane operators, $77.1dB(A){\pm}2.8dB(A)$ for forklift drivers, whereas the mean NIOSH TWA was $88.9dB(A){\pm}1.7dB(A)$ for leader, $89.6dB(A){\pm}2.1dB(A)$ for pallette man, $86.7dB(A){\pm}1.8dB(A)$ for press operators, $88.5dB(A){\pm}2.0dB(A)$ for crane operators, $87.7dB(A){\pm}1.0dB(A)$ for forklift drivers. While L10 for NIOSH TWA samples was 84.8 dB(A) ~ 87.3 dB(A), L10 for OSHA TWA samples was 69.5 dB(A) ~ 77.4 dB(A). L10 means that the TWA for 90% of the samples exceeded L10. Among OSHA TWA(Korea TWA with threshold 90) samples for pallette man, 7.7 % exceeded 90 dB(A), the OSHA permissible exposure level, but OSHA TWA samples for the other job titles didn't. Among NIOSH TWA samples, the samples over 85 dB(A), the NIOSH recommended exposure limit, was 100% (leaders), 83.3 %(operators), 97.4%(palletteman), 100%(forklift drivers), 91.7 %(crane operator). The results of One-way random effects analysis of variance models shows that the difference between job titles was significant by OSHA TWA(p<0.05), but not significant by NIOSH TWA(p>0.05). NIOSH TWA samples were significantly higher than OSHA TWA samples(P<0.05). Regression analysis was used to obtain relationships between OSHA TWA samples and NIOSH TWA samples. In this case the coefficient of determination = 0.90, which shows the high degree association between two methods. Regression equation, NIOSH TWA = 0.552 * OSHA TWA + 42.13 dB(A), shows that if OSHA TWA is known, NIOSH TWA can be predicted by the equation. The mean TWA difference between threshold 80 dBA and 90 dBA was significant(p<0.01). While the TWA noise exposures were 7.7% above the Korea(OSHA) PEL, they were more than 83.3% over NIOSH REL. Automobile workers were exposed to noise level that could be potentially damaging to their hearing. It found that there is approximately 25% excess risk of hearing loss even if a worker is protected to the PEL in according to NIOSH study.