• 한국식품위생안전성학회지
• /
• 제39권2호
• /
• pp.61-71
• /
• 2024

본 연구는 그린커피빈추출물이 「건강기능식품의 기준 및 규격」에 추가로 등재될 경우를 대비하여 표준화된 클로로겐산 시험법을 설정하고, 카페인이 동시 분석되도록 최적화하는 연구를 진행하였다. 최적화된 시험법을 마련하기 위해 기기분석 및 전처리 조건을 비교·분석하여 클로로겐산과 카페인을 30% 메탄올 추출하여 인산용액과 인산 함유 아세토니트릴으로 액체크로마토그래프를 통해 330 nm, 280 nm에서 분석하도록 시험법을 설정하였다. 시험법 밸리데이션 결과, 직선성 정량범위 내에서 상관계수(R²) 0.999 이상의 유의수준을 보였고, 클로로겐산과 카페인 검출한계는 0.5와 0.2 ㎍/mL, 정량한계는 1.4와 0.4 ㎍/mL로 나타났다. 정밀도와 정확도 결과는 AOAC 밸리데이션 가이드라인를 통해 적합함을 확인하였고, 클로로겐산 및 카페인 동시분석법을 최종적으로 마련하였다. 또한, 시제품과 유통제품을 통해 제형별 적용성 검토하여 클로로겐산과 카페인을 동시에 정량 가능한 시험법임을 재확인하였다. 최적화된 시험법은 클로로겐산을 함유한 건강기능식품 품질관리에 대한 신뢰성을 더 높일 것으로 본다.

• 대한영상의학회지
• /
• 제82권3호
• /
• pp.670-681
• /
• 2021

목적 병리학적 침습성 병소를 기준으로 폐 아고형결절의 고형 부분을 진단하기 위한 최적의 CT 임계값을 알아보고자 하였다. 대상과 방법 병리적으로 최소 침습성 선암이 확진된 25명의 환자에 대해 비조영증강 흉부 CT 영상을 후향적으로 분석하였다. CT 영상에서 고형 부분은 -600부터 -100 Hounsfield units (이하 HU) 단위 사이에서 50 HU 간격의 다양한 임계치보다 높은 감쇠를 나타내는 영역으로 정의되었다. 각 임계치에서 고형부분의 축상 영상 최대 직경과 다면재구성 영상 최대 직경을 각각 측정한 후, 선형 혼합 모델을 이용하여 병리적 침습성 병소 크기와 비교하였다. 결과 -400 HU 단위의 임계값에서 아고형결절의 고형 부분의 크기와 침습성 병소의 크기는 통계학적으로 유의미한 차이를 보이지 않았으며(축상 영상: p = 0.2682, 다면재구성 영상: p = 0.963) 오차가 가장 적었다(축상 영상: 0.388, 다면재구성 영상: -0.0176). 결론 아고형결절의 침습성 병소를 진단하기 위해, -400 HU 단위가 고형 부분을 정의하는 최적의 정량 분석 임계값일 수 있다.

• 대한치위생과학회지
• /
• 제6권2호
• /
• pp.173-182
• /
• 2023

서론: 본 연구 우리나라 성인 청년, 중년, 장년층의 구강건강 관련 활동 제한이 삶의 질에 미치는 영향을 규명하고 성인의 구강건강관리의 중요성과 생활습관의 개선으로 삶의 질을 높이기 위한 중재전략을 마련하는데 기여하고자 하였다. 연구방법: 제8기 1차년도(2019) 국민건강영양조사 원시자료를 사용였으며, 우리나라 성인 청년 만19~29세, 중년 만30~49세, 장년 만50~64세를 대상으로 하였다. 인구사회학적 특성, EQ-5D, HINT-8과 구강 관련 활동 제한 변수로는 치통 경험 여부, 저작 불편 호소 여부, 씹기 문제, 말하기 문제를 사용하여 분석하였다. 성인의 구강 관련 활동 제한에 따른 삶의 질에 대한 차이와 삶의 질에 미치는 영향 요인을 조사하기 위해 분산분석, 다중 회귀 분석을 실시하였다. 연구결과:청년, 중년, 장년의 구강건강 관련 활동제한에 따른 EQ-5D와 HINT-8 차이는 구강 관련 활동 제한 변수에서 모두 통계적으로 유의하였다(p≦0.05). 전체 성인의 EQ-5D에 영향을 미치는 요인은 지역(읍,면,동), 성별, 가구 월 소득, 교육수준, 기초생활수급 여부, 경제활동 여부, 주관적 구강건강 상태, 치통 경험 여부, 씹기 문제, 말하기 문제, 저작 시 불편 호소 여부의 변수에서 통계적으로 유의하게 나타났다(p≦0.05). 전체 성인의 HINT-8 에 영향을 미치는 요인은 성별, 가구 월 소득, 교육수준, 기초생활수급 여부, 경제활동 여부, 치통 경험 여부, 씹기 문제, 말하기 문제, 저작 시 불편 호소 여부의 변수에서 통계적으로 유의하게 나타났다(p≦0.05). 결론: 성인의 신체적, 정신적, 사회적으로 준비된 노년기를 맞이할 수 있도록 하여 노년의 삶의 질을 높이기 위한 다각적 방안이 필요하다. 본 연구 결과를 기초로 성인의 구강건강증진과 삶의 질 개선을 위한 성인구강보건사업 프로그램이 개발되어야 할 것이다.

• 인지과학
• /
• 제35권1호
• /
• pp.49-95
• /
• 2024

국내 형사소송절차에서 진술의 진위여부 확인을 위해 사용하는 도구는 폴리그래프검사, 진술타당도분석, P300 기반 숨김정보검사 등이 있고, 이 중에서 폴리그래프검사의 사용빈도가 다른 도구들에 비하여 높다. 하지만, 검사결과를 뒷받침해 줄 수 있는 근거의 부족으로 인하여 재판과정에서 증거채택 가능성이 낮다. 폴리그래프검사를 뒷받침해 줄 수 있는 방법으로, 사전연구가 풍부한 P300기반 숨김정보검사가 주목을 받아 왔지만, 기존의 검사기법은 두 가지 제한점이 있어 실제 사건에서의 활용도는 낮은 편이다. 첫째, 검사에 필요한 관련자극만 3개 또는 6개 등, 사전에 노출되지 않은 정보가 다수 필요하기 때문에 실제 사건에서 사용 가능성이 낮다. 둘째, 기존의 P300기반 숨김정보검사 프로토콜에서는 관련자극과 무관련자극에 대한 P300요소 전위값을 명확하게 구분하기 위하여 오드볼패러다임을 사용하기 때문에 무관련자극에 대한 P300요소 전위값이 과소 추정될 가능성이 있다. 본 연구에서는 검사의 사용 가능성을 높이기 위하여 사전에 노출되지 않은 정보가 단 하나만 있어도 검사가 가능한 단일 관련자극을 사용하는 수정된 P300기반 숨김정보검사 프로토콜을 탐색하였고, 오드볼패러다임 사용으로 인한 무관련자극에 대한 P300요소 전위값이 과소 추정되는 문제를 보완하기 위하여 다양한 기계학습의 분류 알고리즘을 비교하였다. 연구결과 단일 관련자극으로 여성과 남성의 얼굴자극을 사용할 경우, 자극은 400ms 지속시간으로 60회 제시하고, 절단값을 유죄집단은 90%로 무죄집단은 30%로 하여 정점-정점 방법으로 P300요소 전위값을 분석하는 것이 적합함을 확인하였다. 단어자극의 경우, 지속시간을 300ms로 60회 제시하고, P300요소 전위값 분석방법은 얼굴자극과 동일하게 시행하는 것이 적합하다는 것을 확인하였다. 또한 관련자극과 무관련자극에 대한 정점-정점 P300요소 전위값을 6가지 기계학습 분류 알고리즘을 사용하여 분석한 결과, 로지스틱 회귀(LR), 선형 판별 분석(LDA), K-최근접 이웃(KNN) 알고리즘이 관련자극과 무관련자극의 분류에 적합하다는 것을 확인하였다.

• 한국작물학회지
• /
• 제68권4호
• /
• pp.225-235
• /
• 2023

벼의 수확기 기준온도 결정에 활용하기 위하여 2020~2021년 포장 조건에서 우리나라 자포니카 벼 품종(오대, 하이아미, 삼광)의 4회 이앙 처리에서 등숙 한계온도를 분석한 결과는 다음과 같다. 1. 이앙차수별 출수기 범위는 2020년에는 1차 8월 27~28일, 2차 9월 14~15일, 3차 9월 23~25일, 4차 9월 28~30일이었으며, 2021년에는 1차 8월 20~23일, 2차 9월 9~15일, 3차 9월 20~22일, 4차 9월 28~30일이었다. 2. 등숙비율, 정조 천립중, 정조중, 완전립 비율 중 등숙 한계온도 분석에 적합한 특성은 등숙비율과 정조중이었다. 3. 등숙비율과 정조중은 2020년 1~2차 이앙과 2021년 1~3차 이앙에서 sigmoid curve 형태의 변화를 나타내었으며, 2020년 3차와 2021년 4차 이앙에서는 일정 시기까지 증가한 이후 정체 또는 감소하는 양상을 보였다. 4. 비선형회귀 분석에서 등숙비율과 정조중이 최고값의 95%에 도달한 시기는 2020년 2차 이앙에서 출수 후 49~62일, 2021년 2차와 3차 이앙에서 각각 출수 후 37~46일과 30~36일이었으며, 2020년 3차와 2021년 4차 이앙에서 등숙특성의 실측 최고값은 출수 후 42일에 나타났다. 5. 비선형회귀 분석에서 등숙 한계온도 분석에 적합한 경우 최고값 대비 95% 시기의 7일 이동 평균기온은 품종과 특성에 따라 2020년 2차 이앙에서 8.4~9.4℃, 2021년 2차와 3차 이앙에서 9.4~10.9℃로 나타났으며, 품종별로 평가한 등숙 한계온도는 7일 이동 평균기온 8.4~8.7℃였다. 6. 2020년 3차와 2021년 4차 이앙에서 등숙비율과 정조중의 증가가 나타난 가장 낮은 7일 평균기온은 품종에 따라 9.4~10.1℃ 범위였으며, 정체 또는 감소가 나타난 가장 높은 온도는 8.7~9.1℃ 범위였다. 7. 종합적으로, 비선형회귀 분석에서 나타난 자포니카 벼의 등숙 한계온도는 품종에 따라 7일 이동 평균기온 기준 8.4~8.7℃로 분석되었으며, 실측 등숙 특성의 변화로 분석한 등숙 한계온도는 이전 7일 평균기온 기준 9.1~9.4℃ 사이로 나타났다. 8. 벼의 수확 한계기 기준 온도는 품종에 따라 등숙 진전이 관찰된 가장 낮은 온도인 이전 7일 평균기온 9.4~10.1℃에서 높은 온도인 10℃ 정도를 적용하는 것이 재배 안전성 측면에서 유리할 것으로 평가되었다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.123-138
• /
• 2024

본 연구는 S대학 <인공지능을 위한 기초수학[Math4AI]> 강좌의 교수·학습과정에서 맞춤형 챗GPT를 개발하여 활용한 경험을 공유한다. 연구진은 ① 먼저 강좌 맞춤형 챗GPT (https://math4ai.solgitmath.com/)를 개발하였다. 이때 챗GPT가 부정확한 정보를 주지 않도록 수년간의 해당 강좌 주요 데이터(교재, 실습실, 토론 기록, 코드 등)를 우선적으로 학습하는 챗GPT의 기능을 적용하였다. ② 학생들이 교재를 스스로 학습하다 궁금한 부분이 생기면, 맞춤형 챗GPT 인터페이스를 통해 자연어로 수학 용어, 정리, 예제, 열린 문제 번호, 핵심어 등을 질문하여 도움을 얻을 수 있도록 하였다. 그러면 챗GPT는 관련된 주요 문제나 용어, 그리고 이전 학생들의 토론에 기반한 몇 가지 샘플 답안 또는 토론 내용과 함께 사용되었던 코드 샘플을 제공한다. ③ 학생들이 챗GPT를 통해 얻은 내용을 스스로 윤문하여 공유하고, 상호 토론하면서, 교재에서 제시하는 주요 개념과 열린 문제의 대부분을 이해하도록 하였다. ④ 학기 말에는 그간 본인이 얻은 열린 문제들에 대한 학습기록을 모아 PBL (Problem-Based Learning) 보고서로 제출하고, 발표하여 강좌를 수료하도록 하였다. 이러한 방식은 학생들이 학습을 포기하지 않고 한 단계 앞으로 더 나아갈 추진력과 동기를 주며, 궁극적으로 각각의 문제를 스스로 해결하는 자기 주도적 학습을 도울 수 있다. 또한 학생들 각자의 수준에 맞추어 실시간으로 최적화된 조언을 제시하므로 강좌뿐만 아니라 대학수학교육 전반에 대한 학생별 맞춤형 교육(personalized education)을 제공할 수 있다. 즉, 학생들이 담당교수(또는 조교)와 AI 조교의 도움으로 실시간 답변과 효과적인 조언을 받을 수 있게 됨을 의미한다. 이는 양질의 조교 부족에 대한 고민을 추가 비용 없이 획기적으로 해결할 수 있다. 본 연구는 강좌의 교수·학습과정에 교재 맞춤형 챗GPT를 접목한 것으로, 인공지능(AI) 기술을 기타 대학수학 과목들(미적분학, 선형대수학, 이산수학, 공학수학, 기초통계학 등)과 초·중·고 수학교육에 적용할 수 있는 새로운 방법을 제시한다. 특히 AI 기술을 적용하여 이전 수강생들의 학습기록(열린 문제 풀이, 토론 자료, 코드 등)을 참고하며, 각자 실습한 결과를 공유 및 상호 토론하여 문제를 해결하는 방식은, 다양한 전공의 학생들이 내용을 더 효과적으로 이해하고, 본인 전공 관련 문제 해결 능력을 향상시키는 데 획기적인 도움을 줄 것으로 예상된다. 또한 교재 맞춤형 챗GPT와 함께 자기주도적인 학습을 경험토록 하는 교수학습 방법은 평생 교육(lifelong learning, extension school, extension college, extended college) 또는 평생학습의 관점에서 중요하다.

• 인터넷정보학회논문지
• /
• 제25권4호
• /
• pp.121-130
• /
• 2024

정보 통신 기술의 기하급수적인 발전에 따라 확보 가능한 데이터의 종류와 크기가 증가하고 있다. 이러한 대량의 데이터를 활용하기 위해, 통계 등 확보한 데이터를 분석하는 것이 중요하지만 다양화되고 복잡도가 증가한 데이터를 일반적인 방법으로 처리하는 것에는 명확한 한계가 있다. 한편, 연산 처리 능력 고도화 및 자동화 시스템에 대한 수요 증가에 따라 다양한 분야에 기계 학습을 적용하여 그동안 해결하지 못하였던 문제들을 풀고자 하는 시도가 증가하고 있다. 기계 학습 모델의 성능을 확보하기 위해서 모델의 입력에 사용되는 데이터를 가공하는 것과 해결하고자 하는 목적 함수에 따라 모델을 설계하는 것이 중요하다. 많은 연구를 통해 데이터의 종류 및 특성에 따라 데이터를 처리하는 방법이 제시되었으며, 그 방법에 따라 기계 학습의 성능에는 큰 차이가 나타난다. 그럼에도 불구하고, 데이터의 종류와 특성이 다양해짐에 따라 데이터 분석을 위하여 어떠한 데이터 처리 방법을 적용해야 하는지에 대한 어려움이 존재한다. 특히, 기계 학습을 이용하여 비선형적 문제를 해결하기 위해서는 다변량 데이터를 처리하는 것이 필수적이다. 본 논문에서는 다양한 형태의 변수를 포함하는 Kaggle의 Titanic 데이터셋을 이용하여 기계 학습 기반으로 데이터 분석을 수행하기 위한 다변량 정형 (tabular) 데이터 처리 방법에 대해 제시한다. 데이터 특성에 따른 통계 분석을 적용한 입력 변수 필터링, 데이터 정규화 등의 처리 방법을 제안하고, 데이터 시각화를 통해 데이터 구조를 분석한다. 마지막으로, 기계 학습 모델을 설계하고, 제안하는 다변량 데이터 처리를 적용하여 모델을 훈련시킨다. 그 이후, 훈련된 모델을 사용하여 탑승객의 생존 여부 예측 성능을 분석한다. 본 논문에서 제시하는 다변량 데이터 처리와 시각화를 적용하여 다양한 환경에서 기계 학습 기반 분석에 확장할 수 있을 것으로 기대한다.

• 생물환경조절학회지
• /
• 제32권4호
• /
• pp.384-395
• /
• 2023

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀(MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770-0.948 범위의 R² 값과 0.495mm/min-1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU는 0.948의 R² 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R² 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.

• 농업과학연구
• /
• 제4권2호
• /
• pp.344-390
• /
• 1977

본(本) 연구(硏究)는 계획기간내(計劃期間內)의 재적수확량(材積收穫量)을 최대화(最大化)하고 각분기(各分期)의 수확량(收穫量)과 수확면적(收穫面積)을 일정(一定) 범위(範圍)로 제약(制約)하여 계획기간내(計劃期間內)의 보속수확(保續收穫)을 도모(圖謀)하는 동시(同時)에 후계림(後繼林)의 법정영급배치(法正令級配置)가 유도(誘導)될 수 있는 적정수확안(適正收穫案)을 선형계획법(線型計劃法)에 의하여 선정(選定)하고, 제약량(制約量)의 변화(變化)가 총수확량(總收穫量) 및 분기별(分期別) 수확량(收穫量)과 수확면적(收穫面積)에 미치는 영향(影響)을 구명(究明)하는데 목적(目的)이 있다. 서울 대학교(大學校) 농과대학(農科大學) 부속연습림중(附屬演習林中) 개벌작업급(皆伐作業級)에 속하는 219개(個) 소반(小班)을 대상(對象)으로 하였으며, 이 삼림(森林)은 영급구성면(令級構成面)에서 볼 때 유영급(幼令級) 임분(林分)이 많다는 점(點)에서 전국(全國) 삼림(森林)을 대표(代表)한다고 할 수 있다. 본(本) 연구(硏究)에서는 한 분기년수(分期年數)를 5년(年), 계획기간(計劃期間)을 10분기(分期), 1영급(令級)을 5영개(令皆)로 하였으며, 벌채영급(伐採令級)의 범위(範圍)는 5~9영급(令級)이다. 한편, 후계림(後繼林)은 현실림(現實林)이 수확(收穫)되는 즉시 조림(造林)되고, 미립목지(未立木地)는 1분기내(分期內)에 조림(造林)되며 다음 벌기(伐期)까지 충분(充分)한 입목도(立木度)가 이루어지는 것으로 전제(前提)하였다. 소반(小班)을 벌구(伐區)로 하여, 각벌구(各伐區)가 계획기간내(計劃期間內)에 벌채(伐採)될 수 있는 모든 가능(可能)한 대체수확안(代替收穫案)을 그의 영급(令級)에 따라 작성(作成)하고, 여기에 현실림(現實林)과 후계림(後繼林)의 벌기예상수확량(伐期豫想收穫量)을 대입(代入)하여 각대체안(各代替案)의 계획(計劃) 기간내(期間內) 수확량(收穫量)($V_{i,\;k}$)을 산정(算定)하였다. 이때 각벌구(各伐區)의 벌기예상수확량(伐期豫想收穫量)은 기존(旣存) 임분수확표(林分收穫表)와 산림조사부(山林調査簿) 자료(資料)를 이용(利用)하는 범위내(範圍內)에서 추정(推定)하였으며, 각벌구(各伐區)에 소속(所屬)되는 대체수확안중(代替收穫案中)에서 $V_{i,\;k}$가 가장 큰 수확안(收穫案)을 적정수확안(適正收穫案)으로 선정(選定)하였다. 우선 제약조건(制約條件)이 없을 때의 적정수확안(適正收穫案)을 선정(選定)하여 분기별(分期別) 수확량(收穫量)과 수확면적(收穫面積), 총수확량(總收穫量)을 계산(計算)한 다음, 이를 기준(基準)으로 하여 분기별(分期別) 수확량(收穫量)의 상한(上限)($V_{j-max}$)과 하한(下限)($V_{j-min}$) 및 수확면적(收穫面積)의 상한(上限)($A_{j-max}$)과 하한(下限)($A_{j-min}$)을 결정(決定)하였다. 이러한 여러가지 제약조건하(制約條件下)의 적정수확안(適正收穫案)은 LP수확조절(收穫調節)모델을 유도(誘導)하여 선정(選定)하였으며, 제약조건(制約條件) 및 벌채영급범위(伐採令級範圍)의 변화(變化)가 총수확량(總收穫量)에 미치는 영향(影響)을 분석(分析)하고자 감응도분석(感應度分析)을 실시(實施)하였다. 본(本) 연구(硏究) 결과(結果)를 요약(要約)하면 다음과 같다. 1. 제약조건(制約條件) 없이 적정수확안(適正收穫案)을 선정(選定)한 결과(結果), 수확면적(收穫面積)이 분기별(分期別)로 큰 차이(差異)를 보였다. 즉, 총수확량(總收穫量)의 68.8%가 10분기(分期)에 편재(偏在)되어 있고 6~7분기(分期)에는 전(全)혀 수확량(收穫量)이 없으며, 분기별(分期別) 수확면적(收穫面積)도 이와 유사(類似)한 경향(傾向)을 보였다. 이와 같이 분기별(分期別) 수확량(收穫量) 및 수확면적(收穫面積)에 차이(差異)가 많은 것은 현실림(現實林)의 영급구성(令級構成)과 입목축적(立木蓄積)이 대단히 불규칙(不規則)하기 때문이다. 2. 수확량(收穫量)과 수확면적(收穫面積)의 분기별(分期別) 변동폭(變動幅)을 줄이면서 계획기간내(計劃期間內)의 재적수확량(材積收穫量)을 최대화(最大化)하고자, LP수확조절(收穫調節) 모델에 의하여 $A_{min}=150ha$ $A_{max}=400ha$, $V_{min}=5,000m^3$, $V_{max}=50,000m^3$일 때의 적정수확안(適正收穫案)을 선정(選定)한 결과(結果), 대체(大體)로 5분기(分期) 이후(以後)부터 보속수확(保續收穫)과 법정영급배치(法正令級配置)가 가능(可能)하게 되었다. 3. LP수확조절(收穫調節)모델에 간벌계획(間伐計劃)을 포함(包含)시켜 최적해(最適解)를 구(求)하면, 총수확량(總收穫量)이 증가(增加)함은 물론, 간벌계획(間伐計劃)을 포함(包含)시키지 않았을 경우(境遇)에 비하여 분기별(分期別) 보속수확(保續收穫)의 실현(實現)에 유리(有利)한 적정수확안(適正收穫案)을 선정(選定)해 주는 효과(效果)가 있다. 4. 보속수확(保續收穫)과 법정영급배치(法正令級配置)가 실현(實現)될 수 있는 시기(時期)는 제약량(制約量)의 강도(强度)가 높아짐에 따라서 빨라지며, 분기별(分期別) 수확량(收穫量)은 수확면적(收穫面積)에 비하여 제약량(制約量)의 변화(變化)에 따른 평준화(平準化) 경향(傾向)이 뚜렷하고, 분기별(分期別) 수확량(收穫量)의 평준화(平準化)가 이루어지면 분기별(分期別) 수확면적(收穫面積)은 이에 종속(從屬)되어 평준화(平準化)하는 경향(傾向)이 있다. 5. 제약조건(制約條件)의 강도(强度)가 높아짐에 따라 총수확량(總收穫量)은 점감적(漸減的)으로 감소(減少)하므로 빠른 시기(時期)에 엄정보속(嚴正保續)과 엄정영급배치(嚴正令級配置)를 의도(意圖)할 수록 총수확량(總收穫量)의 손실(損失)은 그만큼 더 증가(增加)한다. 6. 같은 계획기간(計劃期間) 및 제약조건하(制約條件下)에서의 총수확량(總收穫量)은 벌채영급(伐採令級)을 낮추고, 그 범위(範圍)를 넓힐수록 증가(增加)한다. 또한 벌채영급(伐採令級) 범위(範圍)의 상한(上限)을 고정(固定)하고, 그 하한(下限)을 1영급(令級)씩 높였을 때에 총수확량(總收穫量)이 감소(減少)되는 속도(速度)는, 그 범위(範圍)의 하한(下限)을 고정(固定)하고 상한(上限)을 1영급(令級)씩 낮추었을 때의 감소(減少) 속도(速度)보다 크다. 7. 본(本) 연구(硏究)에 제시(提示)된 LP수확조절(收穫調節)모델은 영급구성(令級構成)이 복잡(複雜)한 임분(林分)에 적용(適用) 가능(可能)하며, 간벌계획(間伐計劃)을 간단히 포함(包含)시킬 수 있고, 제약량(制約量)의 변화(變化)에 따른 총수확량(總收穫量)의 손실(損失)을 쉽게 계측(計測)할 수 있는 등 여러가지 장점(長點)이 있으므로, 우리나라의 현행(現行) 삼림수확조절법(森林收穫調節法)을 보완(補完)하기 위해서도 이 기법(技法)이 유효(有效)하게 이용(利用)될 수 있을 것으로 보인다.

• 한국균학회지
• /
• 제4권1호
• /
• pp.31-44
• /
• 1976

팽이버섯[Flammulina velutipes(Curt. ex Fr.) Sing.] 톱밥 재배(栽培)에 있어서 배지(培地)의 각종(各種) 영양급원(營養給源)의 첨가효과(添加效果) 및 배지(培地)의 물리적(物理的) 향상(向上)을 위(爲)한 방법(方法)을 구명(究明)하는 한편 재배과정중(栽培過程中) 일어나는 배지(培地)의 화학적(化學的) 성분(成分) 변화(變化)를 조사(調査)하여 팽이버섯의 영양요구(營養要求)에 대(對)한 기초자료(基礎資料)를 얻고자 일련(一連)의 시험(試驗)을 수행(遂行)한 바 그 결과(結果)를 요약(要約)하면 다음과 같다. 1. 포플러 톱밥에 미강(米糠), 밀기울 및 우분(牛糞)을 첨가비(添加比)를 달리하여 혼합(混合)한 배지(培地)에서 팽이버섯을 병재배(栽培)한 결과(結果), 포플러 톱밥 10에 미강(米糠) 3을 혼합한 처리구(處理區)에서 자실체(子實體) 수량(收量)이 84.4g/병(배지(培地)280g)으로서 가장 높았고 비교적(比較的) 수량(收量)이 높았던 포플러 톱밥 10에 미강(米糠) 3, 2 및 밀기울 3을 혼합한 처리구(處理區)에서 배지(培地)의 전질소(全窒素), 당류(糖類)와 가량(加量)의 함량이 높았다. 2. 톱밥 배지(培地)의 추출액(抽出液) 배지(培地)에서의 균사생장(菌絲生長)은 탄소(炭素) 및 질소(窒素) 등(等) 영양요소(營養要素)가 부족(不足)한 톱밥 단용구(單用區)나 우분첨가구(牛糞添加區)에서 극(極)히 저조(低調)하였으며, 톱밥 배지상(培地上)에서는 이들 처리구(處理區)에서 균사생장(菌絲生長) 속도(速度)는 빨랐으나 균사밀도(菌絲密度)는 현저(顯著)히 떨어졌다. 3. 가비중(假比重) 및 수분함량(水分含量)을 달리한 포플러 톱밥10+미강(米糠) 3 혼합배지(混合培地)에서 균사생장(菌絲生長)은 수분함량(水分含量) 72%, 가비중(假比重) 0.2에서 촉진(促進)되었으나 자실체(子實體) 수량(收量)은 가비중(假比重) 0.3, 수분함량(水分含量) 67%에서 가장 높았다. 4. 포플러 톱밥에 첨가(添加)되는 미강량(米糠量)이 증가(增加)됨에 따라 배지(培地)의 무게 감소율(減少率)은 커지며, 회분함량(灰分含量)도 증가(增加)하는 경향(傾向)을 보였고 종균(種菌) 접종(接種) 75일(日) 후(後) 무게 감소율(減少率)은 $17.8{\sim}28.8%$ 범위(範圍)였으며 회분(灰分)은 $10.1{\sim}13.2%$가 증가(增加)되었다. 5. 전재배기간중(全栽培期間中) cellulose는 $11{\sim}14%$, lignin은 $3{\sim}4%$의 절대량(絶對量)의 감소(減少)를 보여 포플러 톱밥에 첨가(添加)되는 미강량(米糠量)에 따른 큰 차이(差異)가 없었으며 가용성(可溶性) 당(糖)의 함량(含量)은 증가(增加)하는 경향(傾向)을 보였다. 6. 재배기간중(栽培期間中) 전질소(全窒素)는 시료(試料)에 대(對)한 함량(含量)은 증가(增加)하며 절대량(絶對量)은 감소(減少)하였으나 극(極)히 미소(微小)한 함량변화(含量變化)를 보였으며 유기태(有機態) 질소(窒素), 아미노태(態) 질소(窒素) 및 acid hydrolysable는 균사생장(菌絲生長) 및 자실체(字實體) 발생기간중(發生期間中)에 현저(顯著)히 감소(減少)되었다. 7. 질소원(窒素源)을 달리하는 배지(培地)를 사용(使用)한 액체배양(液體培養)에서 peptone, yeast extracts 등(等)의 유기태(有機態)가 첨가(添加)된 배지(培地)에서는 균사생장(菌絲生長)이 촉진(促進)된 반면(反面) 무기태(無機態) 질소원(窒素源)이 첨가(添加)된 Richard' solution과 Czapek-dox solution에서는 균사생장(菌絲生長)이 저조(低調)하였다. 또한 유기태(有機態) 질소원(窒素源)의 함량(含量)이 높은 배지(培地)에서 균사생장(菌絲生長)이 더욱 양호(良好)하였다.