• 한국전통조경학회지
• /
• 제38권3호
• /
• pp.25-34
• /
• 2020

본 연구는 국내 명승과 미국 국립공원을 대상으로 정의 및 주요 가치, 지정 절차 및 유형, 지정추이를 살펴보고 두 자연유산의 지정 특성을 분석한 결과 다음과 같은 결론을 도출하였다. 첫째, 명승은 경관성을 기본 전제로 학술적, 역사적, 인문적 가치를 포함하는 복합유산으로서의 성격을 지니고 있다. 미국 국립공원은 공공성을 기반으로 하는 자연유산으로서 경관의 보호를 통해 국민의 자연유산 향유에 기여하고 생태적·역사적 가치를 동시에 만족하는 것을 목표로 삼고 있다. 둘째, 명승의 지정은 소유자나 관리자, 지자체의 요청이나 문화재청장의 직권으로 지정신청과 지정조사를 거쳐 문화재 위원회의 심의를 통해 지정여부를 결정한다. 지정조사는 기초자원조사와 유형별 자원조사로 구분되며, 1970년 명주 청학동 소금강의 최초 명승 지정 이후 2000년대까지 명승 지정은 저조했으나 2006년 이후 명승 활성화 정책에 힘입어 지정건수가 급격히 증가했고, 자연명승과 역사문화명승의 비중이 균형을 이루게 되었다. 미국 국립공원은 의회나 대통령에 의해 지정이 결정되며 국립공원청에서는 사전검사조사를 통한 잠정자원의 특별자원연구 수행 여부 결정, 특별자원연구 결과에 따른 국립공원 지정기준 만족 여부, 우선순위 결정이 순차적으로 이루어진다. 미국 국립공원은 의회뿐만 아니라 대통령의 국립기념지 지정 권한 부여를 통해 국립공원의 지정경로가 확대되었고, 국립공원청의 통합 운영으로 여러 부처에서 관할하던 유산들이 국립공원에 포함되어 지정건수가 증가하였다. 또한 사적지법의 제정으로 역사유적이 다수 지정되고, 여가공간 제공을 위한 레크리에이션 지역들을 지정하여 총 18개 유닛으로 분류·관리하고 있다. 셋째, 명승과 미국 국립공원의 지정 특성을 비교한 결과 복합적 가치를 지닌 자연유산의 지정, 상호보완적 지정체계와 자원특성에 따른 유형분류, 주무부처 신설 및 지정 정책에 따른 유산의 균형화가 특징으로 확인되었다. 두 유산은 경관성과 공공성을 바탕으로 생태적, 역사적, 학술적 가치를 동시에 충족하는 복합적 자연유산의 특징을 지니고 있었다. 또한 양국 모두 기초자원조사와 심화단계의 지정조사를 통해 순차적, 상호보완적 조사로 유산의 지정을 심의하는 체계가 확인되었으며 자원의 특성에 따라 각 유형을 분류하였다. 이외에 국내 명승 활성화 정책과 미국의 국립공원청 통합운영은 두 유산의 지정 양상에 영향을 미쳤으며, 자연유산과 역사문화유산의 균형을 이루었다. 넷째, 명승과 국립공원의 자원유형과 보존관리 방식은 상당부분 연관성을 지니고 있었다. 미국 국립공원의 자연지역은 국내 천연기념물의 유형들이 주요 자원으로 포함되며, 자연명승과 유사한 특성을 지닌다. 또한 역사유적은 경관성 측면에서 역사문화명승의 지정기준과 유사하며, 전쟁 및 유명인물 관련 유적이 주를 이루는 양상이 사적의 유형과 관련있었다. 보존관리 측면에서 미국 국립공원의 자연지역은 생태계 원상을 그대로 두는 방식을 지니고 있으나 점적 자원에 대한 중점관리는 국내 자연유산 보호체계가 유용할 것으로 보인다. 한편, 역사자원은 사적과 역사문화명승이 전통시대 생활상 전반을 포함하고 있으나, 미국 국립공원의 역사유적은 전쟁사, 유명인 관련 유적을 대상으로 현대까지 시간적 범위를 설정하였으며, 현존 자원을 토대로 적극적인 향유 프로그램 제공이 차이점으로 도출되었다.

• 대한방사선치료학회지
• /
• 제30권1_2호
• /
• pp.201-208
• /
• 2018

목 적 : 본 연구에서는 정위적체부방사선치료시 ExacTrac과 CBCT를 단계적으로 적용한 Combine IGRT를 사용하여 Set-up 오차를 비교 및 분석하여 Combine IGRT의 유용성을 평가하고자 한다. 대상 및 방법 : 2014년 5월에서 2017년 11월까지 본원에 내원하여 trueBEAM Stx(Varian medical System, USA)에서 정위적체부방사선치료를 받은 환자 중 부위별로 뇌(Brain) 3명, 척추(Spine) 9명, 골반(Pelvis) 3명으로 분류하였다. 치료전 ExacTrac을 사용하여 Lateral(Lat), Longitudinal(Lng), Vertical(Vrt) 방향과 Roll, Pitch, Yaw 방향으로 Set-up 오차를 보정하였고, ExacTrac 이동 값을 적용 후 CBCT를 추가적으로 수행하여 Lat, Lng, Vrt, Rotation(Rtn) 방향으로 보정하였다. 결 과 : ExacTrac 사용시 뇌 부위의 오차는 Lat $0.18{\pm}0.25cm$, Lng $0.23{\pm}0.04cm$, Vrt $0.30{\pm}0.36cm$, Roll $0.36{\pm}0.21^{\circ}$, Pitch $1.72{\pm}0.62^{\circ}$, Yaw $1.80{\pm}1.21^{\circ}$, 척추 부위는 Lat $0.21{\pm}0.24cm$, Lng $0.27{\pm}0.36cm$, Vrt $0.26{\pm}0.42cm$, Roll $1.01{\pm}1.17^{\circ}$, Pitch $0.66{\pm}0.45^{\circ}$, Yaw $0.71{\pm}0.58^{\circ}$, 골반 부위는 Lat $0.20{\pm}0.16cm$, Lng $0.24{\pm}0.29cm$, Vrt $0.28{\pm}0.29cm$, Roll $0.83{\pm}0.21^{\circ}$, Pitch $0.57{\pm}0.45^{\circ}$, Yaw $0.52{\pm}0.27^{\circ}$로 나타났다. Couch 이동 후 CBCT를 하였을 때, 뇌 부위는 Lat $0.06{\pm}0.05cm$, Lng $0.07{\pm}0.06cm$, Vrt $0.00{\pm}0.00cm$, Rtn $0.0{\pm}0.0^{\circ}$, 척추 부위는 Lat $0.06{\pm}0.04cm$, Lng $0.16{\pm}0.30cm$, Vrt $0.08{\pm}0.08cm$, Rtn $0.00{\pm}0.00^{\circ}$, 골반 부위는 Lat $0.06{\pm}0.07cm$, Lng $0.04{\pm}0.05cm$, Vrt $0.06{\pm}0.04cm$, Rtn $0.0{\pm}0.0^{\circ}$ 오차가 발생하였다. 결 론 : 정위적체부방사선치료시 ExacTrac에 추가적으로 CBCT를 사용한 Combine IGRT의 경우는 ExacTrac만 사용한 경우보다 환자의 Set-up 오차를 줄일 수 있게 나타났다. 그러나 Combine IGRT를 적용함으로 환자 Set-up 확인시간, 영상획득을 위한 체내 흡수선량이 증가한다. 그러므로 환자 상황에 따라 Combine IGRT를 사용하여 환자의 Set-up 오차를 적게 함으로써 방사선치료 효과비를 증가시킬 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.175-191
• /
• 2011

국가신성장동력으로MICE(Meeting, Incentive travel, Convention, Exhibition) 산업이각광받으면서국내전시산업에 대한 관심이 드높아 지고 있다. 이에 따라 국내 전시산업(domestic exhibition industry)도 미국이나 유럽과 같이 전시성과를 향상시키기 위한 다양한 연구가 진행 중이다. 그 중에서도 전시환경이나 전시기법 등에 따라 관람효과가 다르기 때문에 지능형 정보기술을 이용하여 전시장에 방문한 참관객의 참관패턴을 분석하여 참관객을 이해하고 더 나아가 참여업체 간의 연관관계 도출 및 전시회의 성과를 높이고자 하는 연구들이 진행되고 있다. 그런데, 이러한 기존의 부스추천시스템과 관련된 연구를 살펴보면 시스템적인 관점에서 추천의 정확성만을 논하고 있을 뿐 추천을 통한 참관객의 행동이나 인식의 변화에 대해서는 충분히 논의하고 있지 못하다. 부스추천시스템(Booth Recommendation System)은 참관객의 부스방문 정보를 바탕으로 참관객에게 적절한 부스를 추천하기 때문에 참관객은 사전에 계획하지 않은 전시장을 방문하게 될 수 있다. 이 때 참관객은 계획하지 않은 방문행동을 통해서 만족할 수도 있지만 추천과 정이 번거롭다거나 자유롭게 참관을 하는데 방해가 된다고 생각할 수 있다. 이 경우 참관객의 자유로운 관람보다 오히려 더 좋지 않은 성과를 낼 수 있다. 따라서 부스 추천시스템을 전시장에 적용하기 위해서는 시스템의 성과에 미치는 영향요인이 무엇인지 전반적으로 검토하고, 부스추천시스템이 참관객의 계획되지 않은 방문행동에 미치는 영향에 대해 면밀히 검토해야 한다. 이에 본 연구에서는 부스추천시스템의 성과에 영향을 미치는 요인이 무엇인지 이론과 기존문헌을 통해 살펴보고자 하였다. 또한, 참관객의 지각된 부스추천시스템의 성과가 참관객의 계획되지 않은 행동에 대한 만족도와 부스추천시스템의 재사용의도에 어떤 영향을 미치는지 살펴보고자 하였다. 이러한 연구목적을 달성하기 위한 이론적 프레임워크로 본 연구는 계획되지 않은 행동이론(Unplanned Behavior Theory)을 도입하였다. 계획되지 않은 행동(unplanned behavior)이란 "소비자들이 사전에 계획하지 되지 않은 채 실행된 어떤 행동"으로 정의할 수 있다. 소비자들의 계획되지 않은 행동은 그 동안 마케팅 등 다양한 분야에서 연구되어 왔다. 특히, 마케팅에서는 계획되지 않은 행동 중 계획되지 않은 구매(unplanned purchasing)에 많은 관심을 두어 왔는데 이 개념은 종종 충동적 구매(impulsive purchasing)와 혼동되어 사용되곤 하였다. 그런데, 충동적 구매가 갑자기 무엇인가 구매를 해야하는 강하고 지속적인 충동(urge)이라고 본다면 계획되지 않은 구매는 구매의사결정의 시점이 상점에 들어가기 전이 아닌 상점 내에서 수행된다는 점이 다르다. 즉, 모든 충동적 구매는 비계획적이나, 모든 계획되지 않은 구매가 충동적인 구매는 아니다. 그런데, 왜 소비자들은 계획되지 않은 행동을 하는가? 이에 대해서는 학자들에 따라 여러 가지 의견이 있으나 소비자가 사전에 철저한 계획을 수립하지 않고 따라서 중간에 계획을 변화시킬만한 유연성(flexibility)이 있기 때문이라는 점에 일관된 의견을 보인다. 즉, 계획되지 않은 행동을 하는데 많은 비용이 소요된다면 소비자들은 사전에 수립한 계획을 변경하기 어렵게 될 것이기 때문이다. 본 연구에서 살펴보고자 하는 전시장 역시 참관객들은 방문하기 전에 전시장이 어떤 프로그램으로 구성되어 있는지 살펴보고, 어떤 부스를 방문할지를 사전에 계획하게 된다. 그 이유는 참관객들이 전시장 방문에 투입할 수 있는 시간은 한정되어 있는 반면에 전시회는 대규모의 다양한 부스로 운영되기 때문에 참관객들이 모든 부스를 참관한다는 것이 현실적으로 불가능하기 때문이다. 따라서 본 연구에서 제시하는 부스추천시스템이 참관객이 선호할 만한 부스를 추천하게 되면 참관객은 자신의 계획을 변화시켜서 부스추천시스템이 추천한 부스를 방문하게 된다. 이러한 방문행동은 소비자가 상점을 방문하거나, 관광객이 관광지에서 계획하지 않은 행동을 하는 것과 유사한 측면에서 이해가 가능하며 특히 최근 여행소비자들이 정보기기의 영향으로 계획되지 않은 행동을 하는 경우가 부쩍 증가한 추세와 동일한 맥락에서 이해가 가능하다. 이에 다음과 같은 연구모형을 설정하였다. 이 연구모형은 참관객이 지각한 부스추천시스템의 성과(performance)를 매개변수로 하고 있는데 이 성과에 영향을 미치는 요인으로 부스추천시스템에 대한 신뢰(trust), 전시장 참관객의 지식수준 (knowledge level), 부스 추천시스템의 기대된 개인화 (expected personalization) 그리고 부스추천시스템의 자유위협(threat to freedom)을 영향요인으로 파악하였다. 또한, 지각된 부스추천시스템 성과와 계획되지 않은 행동에 대한 참관객의 만족도와 향후 부스추천시스템의 재사용의도간의 인과관계도 파악하고자 하였다. 이 때 부스추천시스템에대한신뢰는권한(competence), 자선(benevolence), 그리고진실(integrity)의2차요인(2nd order factor)으로구성하고, 나머지 요인들은 1차 요인으로 구성하였다. 이를 검증하기 위해 2011 DMC Culture Open 행사에서 부스추천시스템을 테스트하기 위하여 시스템을 개발하고, 101명의 참관객을 대상으로 실증조사를 하여 분석하였다. 분석결과 첫째, 부스추천시스템에 있어서 참관객의 신뢰가 가장 중요한 요소이며 실제 해당 부스추천시스템을 이용한 참관객들은 신뢰를 통해 부스추천시스템이 성과 있다고 인식하였다. 둘째, 참관객의 지식수준 역시 부스추천시스템의 성과에 유의한 영향을 미쳤는데 이는 추천의 성과가 전시장에 대한 사전적 이해가 필요함을 의미한다. 즉, 전시장에 대한 이해가 높은 참관객이 부스추천시스템의 유용성을 더 잘 파악하는 것으로 나타났다. 셋째, 기대된 개인화 수준은 성과에 유의한 영향을 미치지 못했는데 이는 기존 연구와 다른 결과로 본 연구에 사용된 부스추천시스템이 충분히 개인화 서비스를 제공하지 못했기 때문이라고 판단된다. 넷째, 부스추천시스템의 추천정보는 개인의 자유를 위협하거나 제한한다고 느끼지 않음으로 충분히 유용한 가치를 갖는다고 할 수 있다. 끝으로 부스정보시스템의 높은 성과는 참관객들의 계획되지 않은 행동에 대한 높은 만족도와 향후에도 부스추천시스템을 재사용할 의도를 만드는 것으로 나타났다. 이와 같이 본 연구는 부스추천시스템이 야기하는 참관객의 계획되지 않은 부스방문행동에 미치는 영향력을 분석하기 위해 계획되지 않은 행동이론을 중심으로 실증자료를 이용하여 분석하고, 이를 통해 향후 부스추천시스템의 구축 및 설계에 유용한 시사점을 도출할 수 있었다. 향후에는 보다 정교한 설문구성과 측정대상을 이용하여 추가적인 검토가 필요할 것으로 기대된다.

• 한국축산시설환경학회지
• /
• 제10권1호
• /
• pp.11-22
• /
• 2004

본 연구는 돈분, 계분, 우분을 온도별 혐기배양시 휘발성 저급지방산 발현 양상을 구명하기 위해 수행하였다. 축분은 축산기술연구소에서 사육하는 35일령 산란계의 계분, 체중 50-60kg 육성돈의 돈분, 체중 550kg 한우의 우분을 이용하였다. 축분의 VFAs 발현 양상을 구명하기 위해 밀폐된 상태에서 $10^{\circ}C$, $25^{\circ}C$, $37^{\circ}C$로 하여 6일간 배양하였으며 배양기간 중 24시간마다 canister를 이용하여 VOC 분석용 시료를 채취하였다. 그 결과는 다음과 같다. 1. 배양온도에서 검지 된 아세트산의 량은 6일동안 돈분에서 1,128.05mg/kg, 계분에서628.21mg/kg, 우분에서 592.50mg/kg이 발현되었으며 돈분의 경우 83.87%(946.10mg/kg)가$25^{\circ}C$에서 발현되었고 이 중 83.57%가 3일령, 4일령과 5일령에 집중적으로 나타났다. 계분의 경우 $25^{\circ}C$ 처리구에서 45.36%(284.93 mg/kg), $37^{\circ}C$에서 35.05%(220.17mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 특징지어졌다. 우분의 경우 57.49%(340.63mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 78.79%가 3일령, 4일령과 5일령에 발현되었다. 2. 배양온도에서 검지 된 프로피온산의 량은 6일 동안 돈분에서 238.56mg/kg, 계분에서 162.14mg/kg, 우분에서 155.49mg/kg이 발현되었으며 돈분의 경우 78.52%(187.32mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 79.1%가 3일령, 4일령과 5일령에 집중적으로 나타났다. 계분의 경우 $25^{\circ}C$ 처리구에서 35.12%(56.95mg/kg), $37^{\circ}C$에서 45.89%(74.40mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 특징지어졌다. 우분의 경우 $10^{\circ}C$ 처리구에서 28.21%(43.86mg/kg), $25^{\circ}C$에서 49.30% (76.66mg/kg)로 나타나 주로 $25^{\circ}C$ 이하에서 발현한 것으로 나타났다. 3. 배양온도에서 검지 된 뷰틸산의 량은 6일 동안 돈분에서 1,463.87mg/kg, 계분에서 96.72mg/kg, 우분에서 129.18mg/kg이 발현되었으며 돈분의 경우 93.31%(1,365.95mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 87.92%가 3일령, 4일령과 6일령에 집중적으로 나타났다. 계분의 경우 $37^{\circ}C$ 처리구에서 76.60%(74.09 mg/kg)로 발현되었고 이 중 88%가 1일령, 2일령과 5일령에 집중적으로 나타났다. 우분의 경우 61.55%(79.51mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 89.6%가 1일령, 3일령과 4일령에 집중적으로 나타났다. 4. 배양온도에서 검지된 이소밸릭산의 량은 6일 동안 돈분에서 6,885.99mg/kg, 계분에서 307.47mg/kg, 우분에서 399.28mg/kg이 발현되었으며 돈분의 경우 $25^{\circ}C$ 처리구에서 28.22%(1,943.52mg/kg), $37^{\circ}C$에서 68.76%(4,734.90mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 나타났다. 계분의 경우 $37^{\circ}C$ 처리구에서 59.89%(184.13mg/kg)로 발현되었고 이중 100%가 2일령과 3일령에 집중적으로 나타났다. 우분의 경우 $25^{\circ}C$ 처리구에서 48.56%(193.90mg/kg), $37^{\circ}C$에서 46.93%(187.40mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 나타났다.