• 한국자원식물학회지
• /
• 제36권5호
• /
• pp.496-507
• /
• 2023

화본과 식물 홍띠(Imperata cylindrica 'Rubra')의 기관분화 관련 유전자의 동태와 기내재생체의 유전적 안정성을 조사하고자 기관분화 단계별 재분화체를 작성하여 기관분화 관련 유전자 발현과 ISSR 마커 기반 변이성을 조사하였다. 5종류 총 15개체의 기관분화 단계별 재분화체에서 캘러스 발생 유전자인 FIE는 모식물체 1번을 제외한 14개의 식물체에서 모두 발현되었으며, 뿌리 발생 유전자인 WOX11도 15개의 모든 단계별 재분화체에서 발현하였다. 체세포 발생 유전자인 LEC1B는 15개 식물체에서 모두 발현하였으나 비교적 약하게 발현하였다. 7종류 총 21개체의 기관분화 단계별 재분화체 및 재분화식물체에 대하여 ISSR 분석한 결과, 유전적 다형성은 기관분화 단계별 재분화체 및 순화 재분화체(실내포트 재배식물체 4.1%, 노지 재배식물체 4.3%, 기내배양 홍띠(적색)식물체 4.2%, 녹색신초 발생 캘러스 5.6%, 캘러스 1.4%)에서 대조구인 모식물체(1.4%)와 같거나 높게 나타났다. 또한, 유전적 유사도 지수는 0.747~1.0 사이에 분포하며, 평균 0.868로 나타났다. 군집분석 결과 유전적 유사도 지수 0.809에서 기외 식물체(모식물체, 실내재배 및 노지재배 재분화 녹색 식물체)와 기내식물체 및 재분화 과정상의 분화체(기내배양 중인 홍띠 식물체, 녹색 신초, 적색신초 발생 캘러스, 캘러스)는 독립적인 2개 그룹으로 유집되었다. 이상의 결과는 화본과 식물의 기내배양 시 재분화 과정에서 일어나는 일련의 유전학적 기초자료를 제공해 준다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.

• 한국가금학회지
• /
• 제50권3호
• /
• pp.133-141
• /
• 2023

본 연구는 산란능력이 우수한 토종 산란형 종계를 개발하기 위하여 토착 로드종(Rhode-C, -D), 토착 레그혼종(Leghorn-F, -K) 및 한국재래계 황갈색종(KNC-Y), 총 5계통을 이용하여 5 × 5 이면교배조합(diallel cross-mating) 검정시험을 실시하였다. 생산능력의 검정은 10개 교배조합 1,060수를 대상으로 생존율, 체중, 초산일령, 난중 및 산란율을 조사하고, 조합별 생산능력 및 결합능력을 분석하였다. 분석 결과, 발생 후부터 48주령까지 전체 조합의 평균 생존율은 72.1±24.0%이고, 조합 간 유의적 차이를 보이며 YC조합의 생존율이 가장 높았고, DK조합의 생존율이 가장 낮았다(P<0.01). 결합능력 분석 결과, YC조합의 일반결합능력이 가장 높게 추정되었고, YD조합은 두 계통 간 특정결합능력이 가장 높았다. 체중의 경우, 모든 측정 주령에서 조합 간 유의한 차이가 있었는데 토착 Leghorn종과의 조합 자손들이 토착 Rhode종 및 한국재래계와의 조합 자손들보다 낮은 체중을 보였다(P<0.01). 초산일령 또한 조합 간 유의한 차이를 보이며 KNC-Y와의 교잡 자손들이 토착 Rhode종과의 교잡 자손들 보다 대체로 빠른 초산을 나타내었다(P<0.01). 산란율에 있어, 평균 일계산란율은 70.7±12.0%로써, 조합 간에 유의한 차이를 보이며 이들 중 CK조합이 86%로 가장 높은 산란율을 나타내었다(P<0.01). 산란율의 일반결합능력과 특정결합능력이 조합가에 미치는 영향은 거의 비슷한 것으로 일반결합능력은 Rhode-C가 가장 우수하였고, 교배조합 간 특정결합능력은 YD조합이 가장 높게 나타났다. 시산 및 40주령 난중 모두 조합 간의 유의한 차이를 보였고(P<0.01), 토착 Rhode종과 토착 Leghorn종 간 교잡 자손의 달걀이 KNC-Y 교잡 자손들의 달걀보다 무거웠다. 이상의 결과에 따라 산란형 토종닭 종계로서 부계는 생존율이 우수하고 산란율이 양호한 YC나 YD조합이, 모계는 산란능력이 우수하며 적절한 난중을 지닌 CF와 CK조합이 가장 바람직한 조합으로 사료된다.

• 한국음향학회지
• /
• 제42권6호
• /
• pp.603-616
• /
• 2023

본 연구는 주파수 및 시간 특성을 활용하여 머신러닝 기반 공동주택 주거소음의 군집화 및 분류를 진행하였다. 먼저, 공동주택 주거소음의 군집화 및 분류를 진행하기 위하여 주거소음원 데이터셋을 구축하였다. 주거소음원 데이터셋은 바닥충격음, 공기전달음, 급배수 및 설비소음, 환경소음, 공사장 소음으로 구성되었다. 각 음원의 주파수 특성은 1/1과 1/3 옥타브 밴드별 L_eq와 L_max값을 도출하였으며, 시간적 특성은 5 s 동안의 6 ms 간격의 음압레벨 분석을 통해 L_eq값을 도출하였다. 공동주택 주거소음원의 군집화는 K-Means clustering을 통해 진행하였다. K-Means의 k의 개수는 실루엣 계수와 엘보우 방법을 통해 결정하였다. 주파수 특성을 통한 주거소음원 군집화는 모든 평가지수에서 3개로 군집되었다. 주파수 특성 기준으로 분류된 각 군집별 시간적 특성을 통한 주거소음원 군집화는 L_eq평가지수의 경우 9개, L_max 경우는 11개로 군집되었다. 주파수 특성을 통해 군집된 각 군집은 타 주파수 대역 대비 저주파 대역의 음에너지의 비율 또한 조사되었다. 이후, 군집화 결과를 활용하기 위한 방안으로 세 종류의 머신러닝 방법을 이용해 주거소음을 분류하였다. 주거소음 분류 결과, 1/3 옥타브 밴드의 L_eq값으로 라벨링된 데이터에서 가장 높은 정확도와 f1-score가 나타났다. 또한, 주파수 및 시간적 특성을 모두 사용하여 인공신경망(Artificial Neural Network, ANN) 모델로 주거소음원을 분류했을 때 93 %의 정확도와 92 %의 f1-score로 가장 높게 나타났다.

• 무역학회지
• /
• 제48권3호
• /
• pp.217-242
• /
• 2023

본 연구는 장강 내수로 항만의 물류 수요에 영향을 미치는 요인을 분석하고, 이를 바탕으로 미래의 항만 물류 수요를 예측하는 것을 목적으로 한다. 장강 상류의 충칭항, 이빈항, 중류의 징저우항, 우후항, 하류의 난징항, 쑤저우항 등 총 6개 항만을 대상으로, 시스템 다이내믹스 기법을 활용한 물류 수요 예측을 수행하였다. 모든 항만의 물류 수요는 2026년까지 중단기 예측에서 증가세를 보였다. 충칭항의 물류 수요는 배후지 경제 규모의 영향을 주로 받았으며, 이빈항은 항만의 자동화 수준에 크게 의존하는 것으로 파악되었다. 상류 및 중류 항만의 경우, 배후지의 에너지 소비량 증가와 대기 오염 상황이 심각할수록 물류 수요가 증가하였다. 중류 항만의 물류 수요는 배후지 인프라의 영향을 주로 받았으며, 하류 항만은 도시 건설 면적의 변화에 민감하게 반응하는 것으로 나타났다. 민감도 분석 결과, 대도시에 의존하는 항만의 물류 수요는 영향 요인들의 증감폭에 대해 상대적으로 안정적이었으나, 배후지 도시 규모가 작은 항만은 영향 요인들의 변동에 민감하게 반응하는 경향을 보였다. 따라서 충칭항을 장강 상류의 핵심 항만으로 정책적 지원을 강화하고, 주변 항만들이 충칭항의 보조 역할을 수행하도록 하는 전략을 마련해야 한다. 상류 항만은 충칭항의 보조 역할을 수행하는 동시에, 중하류 항만과의 연결성을 강화하고 입항 산업의 발전을 도모하는 방안도 고려해야 할 것이다. 장강 내수로 항만의 개발 전략은 한국의 항만 및 이해관계자들에게 직항로의 개설과 교통 네트워크의 확장을 시사한다. 배후지 네트워크를 확장하고 물류허브와 연계된 효율적인 교통 체계의 구축을 제시할 수 있다. 협력을 통해 두 지역 모두에서 물류 효율성이 향상될 수 있으며, 이는 각 항만의 국제적인 위치와 경쟁력을 강화하는 데 기여할 것이다.

• 한국재난정보학회 논문집
• /
• 제19권4호
• /
• pp.976-983
• /
• 2023

연구목적: 지진하중을 받는 교량 구조물의 동적 거동은 지진파의 특성 혹은 재료 및 기하학적 특성과 같은 많은 불확실성에 영향을 받는다. 하지만 모든 불확실성 인자가 교량 구조물의 동적 거동에 중요한 영향을 미치진 않는다. 영향성이 낮은 불확실성 인자까지 고려한 확률론적 내진성능 평가는 많은 계산비용이 요구되기 때문에 교량의 동적 거동에 미치는 영향을 고려하여 불확실성 인자는 식별되어야 한다. 따라서 본 연구는 I형 곡선 거더를 갖는 단경간 교량의 동적 거동에 영향을 미치는 주요 매개변수를 식별하기 위해 전역민감도 분석을 수행하였다. 연구방법: 지진파의 불확실성과 곡선 교량의 재료 및 기하학적 불확실성을 고려하여 유한요소 해석을 수행하였으며 해석결과를 기반으로 대리모델을 작성하였다. 결정계수와 같은 성능평가지료를 이용하여 대리모델을 평가하였으며 최종적으로 대리모델 기반의 전역 민감도 분석을 수행하였다. 연구결과: 지진하중을 받는 I형 곡선 거더의 응력응답에 가장 큰 영향을 미치는 불확실성 인자는 최대지반가속도(PGA), 교각의 높이(h), 강재의 항복응력(fy) 순으로 나타났다. PGA, h, fy의 주효과 민감도 지수는 각각 0.7096, 0.0839, 0.0352로 나타났으며 총 민감도 지수는 각각 0.9459, 0.1297, 0.0678로 나타났다. 결론: I형 곡선 거더의 응력응답은 입력운동의 불확실성에 대한 영향성이 지배적이며 각 불확실성 인자 사이의 교호작용에 큰 영향을 받는다. 따라서 입력운동의 개수 및 intensity measure과 같은 입력운동의 불확실성에 대한 추가적인 민감도 분석과 곡선거더의 개수 및 곡률과 같은 구조적 불확실성까지 고려한 총 민감도 분석은 필요하다.

• 헤리티지:역사와 과학
• /
• 제56권4호
• /
• pp.132-158
• /
• 2023

공주 청량사지 오층 및 칠층석탑은 계룡산 삼불봉 아래에 있으며, 고려 중기에 창건한 것으로 알려진 탑으로 한 시대에 두 유형의 백제계 석탑이 공존하는 쌍탑으로서 역사적 및 학술적 가치를 인정받고 있다. 두 탑은 1944년 도굴로 칠층석탑이 전도되고 그 영향으로 오층석탑에 기울어짐이 발생하였다. 1961년에 석탑을 복원하였으나 구조적 불안정성은 지속적으로 제기되었다. 따라서 이 연구에서는 2021년 5월부터 2022년 3월까지 계측자료를 축적하고 계절적 특성을 검토하여, 동일 기간의 기온변화와 강수량에 따른 석탑의 미세거동을 해석하였다. 이 결과, 모든 계측기에서 일간 기온변화에 따라 미세한 열탄성거동을 반복하였으며, 경사와 변위 모두 미세거동이 나타났다. 경사계에서는 기온변화에 따라 석재의 표면과 내부에 포함된 수분이 팽축을 반복하며 미세한 움직임을 보였고, 변위계에서도 시계열에 따라 기온이 상승하면서 모두 이격거리가 감소하였다. 특히 오층석탑 상부는 북서쪽으로 최대 3.89° 거동하였으며, 칠층석탑은 북동쪽으로 최대 0.078° 기울었다. 최대 변위는 오층석탑과 칠층석탑에서 각각 0.127 및 0.149mm로 기록되었다. 이 값들은 계측 종료시점에 원래 상태로 회귀하는 경향은 있으나 완전히 회복하지 못하여 면밀한 감시가 필요한 상태를 지시하였다. 이 연구를 통해 획득한 결과는 두 석탑의 안정적 보존을 위한 기초자료로 활용될 수 있다. 이를 기반으로 다양한 환경요소를 고려한 거동특성이 분석되어야 하며, 계측시스템의 유지관리를 통한 예방보존이 지속되어야 할 것이다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1553-1563
• /
• 2023

천리안 해양관측위성 2호기(Geostationary Ocean Color Imager-II, GOCI-II)는 한반도 주변을 포함한 동북아 해역과 전구 영역을 관측하는 해색 위성으로 지난 10년간 운용된 GOCI의 임무를 이어받아 2020년부터 현재까지 운용되고 있다. 본 연구에서는 해색 데이터 산출에 있어 필수 과정인 대기보정 알고리즘을 개선하기 위해 GOCI 영상을 이용한 GOCI-II 근적외 파장(near-infrared, NIR) 밴드의 대리교정을 수행하였다. 이를 위해 NIR 밴드의 대기상층(top-of-atmosphere, TOA) radiance에 대한 교차보정 연구를 수행하였으며, 그 결과로 대리교정 상수를 도출하였다. 본 연구에서 도출된 대리교정 상수를 이용하여 보정한 결과 두 센서의 offset이 감소하였으며, ratio는 745 nm, 865 nm에 대해 각 1.02, 1.04에서 1.0, 0.99로 개선되었다. 이는 두 센서의 일관성이 높아진 것으로 판단된다. 또한, 대기 분자 산란 보정 반사도(Rayleigh-corrected reflectance, 𝜌_rc)는 각각 5.62, 9.52% 증가하였다. 이로 인해 745 nm와 865 nm 𝜌_rc의 비율의 차이가 발생했으며, 이는 대기보정 알고리즘 내 에어로졸 광 산란 보정 과정을 통해 모든 밴드의 대기보정 결과에 영향을 줄 수 있다. GOCI, GOCI-II 두 위성의 중복되는 운용 기간이 짧아 2021년 3월의 자료만을 사용하였으나, 향후 타위성과의 지속적인 교차보정 연구를 통해 개선이 가능할 것으로 사료된다. 또한 본 연구에서 도출된 NIR 밴드의 대리교정 상수를 적용하여 가시 채널의 대리교정을 수행하고, 해색 산출물의 정확도에 미치는 영향을 분석할 필요가 있다.