• 대한방사선치료학회지
• /
• 제21권2호
• /
• pp.75-82
• /
• 2009

목 적: 방사선 치료 시 치료실 내에서 발생하는 오존량을 측정하여 오존 발생으로 인한 오염 정도를 알아보고자 한다. 대상 및 방법: 선형가속기(Clinac 21EX, Varian, USA)와 오존 측정기(series-200, aeroQual, New Zealand)를 이용하여 water phantom (Wellhofer, IBA, Germany)에 방사선을 조사하여 MU, 선량율, 선원-표면간 거리(SSD), 조사야, 에너지, 경과 시간에 따라 발생되는 오존량을 측정 분석하였으며, 실제 환자치료 시 치료실 내에 오존 측정기를 위치하여 일일 오존 변화량을 측정하였다. 결 과: 방사선 발생 중 생성되는 오존의 오염도는 에너지에 따른 영향을 크게 받지 않지만 대체로 광자선보다 전자선 조사 시(0.016~0.028 ppm/hr) 많이 발생하였다. 또한, Dose-Rate가 높을수록(0.016~0.025 ppm/hr), SSD가 멀어지고(0.018~0.030 ppm/hr), 조사야가 넓어지고(0.016~0.025 ppm/hr), MU가 많을수록(0.018~0.046 ppm/hr) 오존 농도가 높아졌다. 시간 경과에 따른 오존의 감소량은 방사선을 조사한 후 10분이 경과된 후부터 background 농도(0.016 ppm/hr)로 변화하였다. 그리고 방사선 치료실 내의 일일 발생하는 오존의 농도는 실내의 오존 허용기준인 0.1 ppm/hr (측정 평균 0.06 ppm/8 hr) 이하이지만, 냄새에 민감한 환자들이 감지할 수 있는 수준인 0.02 ppm/hr 이상의 농도(최대: 0.038 ppm/hr)를 포함하는 것을 확인할 수 있었다. 결 론: 일정한 조건의 변화에 따른 오존 농도를 통하여 실제 치료실 내 오존 발생량은 환자나 작업종사자에 대해 유해한 작용을 미치는 수준은 아니었다. 흔히 오존을 해로운 기체라고 생각하지만 방사선 치료 시 발생되는 미량의 치료실 내 오존은 오히려 병원성 세균이나 바이러스 살균 등의 공기 정화 작용을 함으로써 치료실 내 이로운 오존의 역할을 할 것이라 사료된다.

• 한국산림과학회지
• /
• 제107권4호
• /
• pp.351-360
• /
• 2018

본 연구는 이산화탄소를 인위적으로 주입하여 주입구로부터의 거리와 이산화탄소 플럭스에 따른 소나무와 굴참나무 묘목의 엽록소 함량과 생장반응을 살펴보고자 실행하였다. 이를 위하여 음성 EIT 시험지에서 2년생 소나무와 1년생 굴참나무 묘목을 2015년 5월에 식재하였으며, 2016년 6월 1일부터 30일까지 $6L\;min^{-1}$의 속도로 2.5 m 깊이의 토양에 이산화탄소를 주입하였다. 2016년 7월 중순 경에 엽록소 함량을 분석하였고, 2016년 5월과 11월에 근원경, 수고, 생물량을 측정하였다. 소나무 묘목의 엽록소 함량은 이산화탄소 플럭스와 유의한 관계를 보이지 않은 반면에 굴참나무 묘목의 엽록소 함량은 이산화탄소 플럭스의 증가에 따라 유의한 음의 상관관계(P<0.05)를 보였다. 또한, 근원경과 수고 생장률은 두 수종 모두 이산화탄소 인위누출 처리구의 이산화탄소 누출구로부터 5 m 이내에서 유의한 차이를 보였다. 특히, 두 수종의 근원경 및 소나무 묘목의 수고 생장률은 누출구에 가까워질수록 유의하게 증가하였지만, 굴참나무 묘목의 수고 생장률은 유의하게 감소하는 것으로 나타났다. ${\Delta}R/S$율은 지중 이산화탄소 농도가 증가할수록 두 수종 모두 증가하는 것으로 나타나 상대적으로 지하부로의 탄소 분배량이 촉진되는 것으로 사료된다. 본 연구결과는 향후 지중 저장된 이산화탄소의 누출에 따른 수종별 생리 생장 반응과 이를 이용한 누출감지 모니터링에 필요한 자료로 활용될 수 있을 것이다.

• 한국농림기상학회지
• /
• 제23권3호
• /
• pp.149-155
• /
• 2021

농업기상재해 조기경보시스템에서는 일 최대순간 풍속에 과수의 낙과 피해 임계풍속을 대입하여 농작물의 풍해 위험을 예측, 자원농가에게 제공하고 있다. 강풍의 위험 예측확률을 높이기 위한 방법으로써, 기존 방식에서 '안전'으로 분류된 데이터들 중 실제로는 풍해위험이 있는 경우를 찾아내는 인공신경망 이항분류 기법을 도입하였다. 학습데이터는 전라남북도와 경북 및 경남 일부지역의 총 210개소 기상청 종관 및 방재기상관측지점에서 수집된 2019년 전체 일별 풍속자료이며, 최적 모델 도출을 위한 검증데이터는 동일지점의 2020년 1월 1일~12월 12일 자료를, 인공신경망 기법 사용 전/후의 풍해위험예측 성능 평가는 2020년 12월 13일~2021년 2월 18일까지의 자료를 사용하였다. 풍해위험 임계풍속은 과수의 낙과 피해기준으로 주로 사용되고 있는 11m/s를 설정하였다. 또한 2020년 동일 기간의 일 최대순간풍속 실측값으로 Weibull 분포를 작성한 후, 추정값과 임계풍속간의 편차를 이용하여 누적확률값을 계산, 풍해 경보에서 한 단계 낮은 주의보를 판단하고 인공신경망 기법 적용 결과와 비교하였다. 평가기간 중 기존의 풍해 위험 탐지확률은 65.36%였으나 인공신경망 기법으로 재분류 과정을 거친 후 93.62%로 크게 개선되었다. 반면, 오보율이 함께 증가되어(13.46% → 37.64%), 전반적인 정확도는 감소하였다. 한편 Weibull 분포를 이용하여 풍해주의보 구간을 두었을 때는 정확도 83.46%으로 인공신경망 기법에 비해 전반적인 예측 정확도는 더 높았던 반면 위험 탐지확률은 88.79%로 더 낮게 나타났다. 따라서, 상대적으로 위험예보의 미예측이 중대한 문제가 되는 사례에서 인공신경망 방식이 유용할 것으로 보인다.