• 한국지형학회지
• /
• 제20권3호
• /
• pp.41-53
• /
• 2013

이 연구는 안면도 둔두리 해식애를 대상으로 주기적인 현장조사를 통해 침식율을 산정하고, 침식형태를 분류하였다. 침식기준목을 이용한 현장 측정결과, 해식애의 연간 침식율은 지점별로 약 25~102cm/yr 정도로 추정되었다. 침식율은 봄에서 여름까지 점차 증가하다가 가을에 다소 감소하는 경향을 보였다. 특히, 6~7월 사이의 침식율이 다소 감소하는 추세를 보이다가 7~9월 사이에 급격히 증가하였다. 이러한 원인은 연구지역에 직접적인 영향을 끼친 여름 집중호우 및 태풍으로 발생한 폭풍해일에 의해 해식애의 침식이 다른 기간에 비해 급격하게 진행된 것으로 판단된다. 그 후 해식애의 침식율은 가을철이 되면서 점차 감소하다 12월에서 1월이 되면 다시 증가세를 보이는데, 이는 겨울철 해식애의 기반암이 동결 융해작용을 반복하면서 기계적풍화가 활발히 진행되었기 때문인 것으로 판단된다. 둔두리 해식애의 침식 형태별 유형은 세 가지 유형으로 구분이 된다. 첫 번째 Type A의 경우 동일한 기반암 혹은 경암층으로 이루어진 해식애에서 관찰되는 유형이다. 두 번째, Type B의 경우 동일한 기반암 혹은 경암층으로 이루어진 해식애 면에 토양을 포함한 풍화물질이 형성되어 있는 비교적 Type A에 비해 경사가 완만한 해식애에서 관찰되는 유형이다. 마지막으로, Type C의 경우 경암층과 연암층이 혼재되어있는 해식애에서 관찰되는 유형으로, 강우나 파랑에너지에 의해 연암층이 먼저 붕락 및 침식되고 노출된 경암층이 추가적으로 붕락이 이루어지는 유형이다.

• 한국지구과학회지
• /
• 제40권6호
• /
• pp.572-583
• /
• 2019

본 연구는 서울에서 강한 강수와 관련된 대기연직구조를 객관적으로 분류하고 대표 종관장과 강수 특성을 제시하고자 하였다. 이를 위해 2009년부터 2018년까지 여름철 (6~8월) 서울에서 강한 강수(>15 mm hr^-1) 시 오산에서 비양된 레윈존데 자료에 객관적 방법을 적용하여 대기연직구조를 분류하였다. 그 결과 대기 전체가 습윤한 형태인 Thin Tube (TT) 형이 34.7% (17회), 건조한 하층 위로 습윤한 층이 존재하는 Inverted V (IV) 형이 20.4% (10회), 습윤한 하층 위로 건조한 공기가 침투하는 Loaded Gun (LG)이 20.4% (10회)로 분석되었다. TT형의 경우 SRH 값이 357.6 J kg^-1으로 역학적 불안정이 큰 반면, LG와 IV형의 경우 1000 hPa부터 600 hPa까지 열적 불안정이 큰 특징을 보였다. NCEP/FNL 자료를 사용한 합성장 분석에서 TT형의 경우 기압골 전면(500 hPa)인 서해상에 저기압이 위치하여(850 hPa) 저기압이 강화될 수 있는 종관 패턴이 형성되었다. IV와 LG형의 경우 북만주와 중국의 북동에 강한 저기압이 위치하는 종관 패턴을 보이며, 기압경도에 의한 남서기류의 유입이 상대적으로 약하였다. 강수 전반부에 강수가 집중되는 형태가 모든 유형에서 나타났으며, 특히 IV형의 경우 강수 전반 높은 강도로 강수가 집중되어 내린다. TT형의 경우 가장 많은 강수량(123.9 mm)을 보였지만 다른 유형과 비교하였을 때, 강수가 전·후반 고르게 오랜 시간 지속되는 특징을 보였다. 본 연구 결과는 서울에서 강수와 관련된 고층관측자료의 이해도를 높이는 동시에 강수 예보기술 발전에 기여할 수 있을 것이다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.155-174
• /
• 2022

2020년 1월부터 2021년 10월 현재까지 COVID-19(치명적인 호흡기 증후군인 코로나바이러스-2)와 관련된 학술 연구가 500,000편 이상 발표되었다. COVID-19와 관련된 논문의 수가 급격하게 증가함에 따라 의료 전문가와 정책 담당자들이 중요한 연구를 신속하게 찾는 것에 시간적·기술적 제약이 따르고 있다. 따라서 본 연구에서는 LDA와 Word2vec 알고리즘을 사용하여 방대한 문헌의 텍스트 자료로부터 유용한 정보를 추출하는 방안을 제시한다. COVID-19와 관련된 논문에서 검색하고자 하는 키워드와 관련된 논문을 추출하고, 이를 대상으로 세부 주제를 파악하였다. 자료는 Kaggle에 있는 CORD-19 데이터 세트를 활용하였는데, COVID-19 전염병에 대응하기 위해 주요 연구 그룹과 백악관이 준비한 무료 학술 자료로서 매주 자료가 업데이트되고 있다. 연구 방법은 크게 두 가지로 나뉜다. 먼저, 47,110편의 학술 논문의 초록을 대상으로 LDA 토픽 모델링과 Word2vec 연관어 분석을 수행한 후, 도출된 토픽 중 'vaccine'과 관련된 논문 4,555편, 'treatment'와 관련된 논문 5,791편을 추출한다. 두 번째로 추출된 논문을 대상으로 LDA, PCA 차원 축소 후 t-SNE 기법을 사용하여 비슷한 주제를 가진 논문을 군집화하고 산점도로 시각화하였다. 전체 논문을 대상으로 찾을 수 없었던 숨겨진 주제를 키워드에 따라 문헌을 분류하여 토픽 모델링을 수행한 결과 세부 주제를 찾을 수 있었다. 본 연구의 목표는 대량의 문헌에서 키워드를 입력하여 특정 정보에 대한 문헌을 분류할 수 있는 방안을 제시하는 것이다. 본 연구의 목표는 의료 전문가와 정책 담당자들의 소중한 시간과 노력을 줄이고, 신속하게 정보를 얻을 수 있는 방법을 제안하는 것이다. 학술 논문의 초록에서 COVID-19와 관련된 토픽을 발견하고, COVID-19에 대한 새로운 연구 방향을 탐구하도록 도움을 주는 기초자료로 활용될 것으로 기대한다.