• 헤리티지:역사와 과학
• /
• 제42권1호
• /
• pp.88-99
• /
• 2009

본 연구는 우리나라 노거수의 생육환경의 악화 및 훼손에 따른 관리방안을 제시하기 위하여 천연기념물 노거수의 생육환경을 분석함으로서 과학적인 보호관리대책을 수립하기 위한 목적으로 실시하였다. 연구대상지는 서울, 인천, 경기 지역의 천연기념물 노거수 20주를 대상으로 개체별 특성을 파악하였다. 생물학적 특성은 수종명, 수령, 수고, 근원둘레 4개항목을 조사하고, 입지현황은 입지유형, 입지환경의 2개 항목, 근원부 성상은 나지화, 복토깊이의 2개 항목, 건강도는 고사지율, 공동크기, 수피이탈율, 병충해, 신초생장의 5개 항목, 토양환경은 토양 pH, 유기물함량, 유효인산, 치환성양이온(K, Ca), 토양경도의 6개 항목으로 설정되었다. 이와 같은 조사항목별 현황조사 결과를 토대로 노거수의 입지현황과 생육환경 및 토양환경과의 상호관련성을 파악하기 위하여 상관관계 분석을 실시하여 노거수의 건강에 가장 영향을 끼치는 인자를 구명하고, 이에 따른 과학적인 관리방안을 제시하고자 하였다. 조사항목별 현장조사 결과 생물학적 특성에 있어서는 천연기념물 노거수는 백송(4주), 은행나무(3주), 향나무(3주), 다래, 등나무, 측백나무, 굴참나무, 탱자나무(2주), 회화나무, 느티나무, 물푸레나무, 소나무로 12종로 분포하였으며, 수고는 4.2~39.2m, 근원둘레 1.01~15.2m이었다. 입지현황은 건물내부형(4주), 유적지형(5주), 주택지형, 들판형, 동산형이 각 3주, 하천 및 해변형이 각 1주로 구분되었으며, 생육환경의 나지화 정도에 있어서는 조사지역 중 75%가 나지화가 진행된 상태이며, 복토깊이는 복토되지 않은 지역 4주(25%)를 제외하고 10cm 이상 복토가 이루어졌다. 건강도에 있어서 첫째, 고사지율은 용문사 은행나무 20%, 강화군 사기리 탱자나무 5%였으며, 그 외 지역은 관리가 이루어져 고사지가 발생되지 않은 상태이었다. 둘째, 공동크기에 있어서는 전 조사지역에서 $5{\sim}100cm^3$로 공동이 발생하였으며, 셋째, 수피이탈율에 있어서는 5~50%로서 공동발생이 높은 서울지역의 수송동 백송 및 문묘의 백송, 삼청동 등나무, 강화군 사기리 탱자나무가 45%로 높은 수피이탈율을 나타내었다. 넷째, 병해충의 피해는 인위적인 관리가 이루어지고 있어 경미한 상태이었으며, 다섯째, 신초생장에 있어서 창덕궁, 선농당 향나무의 신초생장이 1/2로서 주변 대기오염의 영향을 받고 있는 것으로 사료되었으며, 파주 적성면의 물푸레나무, 이천 백사 도립리의 소나무는 신초의 생장상태가 양호하여 근원부 복토가 되지 않아 신초생장에 영향을 미치는 것으로 사료되었다. 토양환경에 있어서 토양 pH 5.2~8.3, 유기물함량 및 유효인산이 각각 12~56%, 104~618ppm으로서 토양의 시비 관리가 이루어지고 있는 것으로 파악할 수 있었다. 토양경도에 있어서는 7~28mm이었으며, 조사대상 중 수송동의 백송, 삼청동의 측백나무, 문묘 은행나무, 용문사 은행나무 지역은 토양경도 21~28mm로 나지화 현상이 심하게 나타나고 있었다. 이러한 조사결과를 토대로 상관관계분석을 실시하였는데, 복토깊이가 수목의 생육에 커다란 영향을 미치는 것으로 분석되었으며, 향후 세부적인 자료구축을 통한 상관관계성 규명이 필요할 것으로 사료되었다. 본 연구를 통하여 노거수의 주변환경으로 건물, 시설지의 제한적인 관리 및 규제 등을 통한 인위적인 영향을 최소화하고 노거수의 양호한 생육을 위한 복토제거 등 근권확보가 필요할 것으로 사료되었다. 이와 같은 노거수 환경에 따른 문제점을 극복하고, 지속적인 관리시스템 구축을 위하여 동일 수종별 객관적인 비교, 분석을 통한 적정한 생육환경 조성 방안의 구축이 필요하며, 지속적인 모니터링을 생육의 피해현상 및 토양환경과의 지속적인 데이터축적을 통하여 관리 시스템의 정립이 이루어져야 할 것이다.

• 헤리티지:역사와 과학
• /
• 제49권3호
• /
• pp.32-51
• /
• 2016

한국고전번역원 DB자료에 근거하여 전통주택 관련 '집경제영시(集景題詠詩)'를 통해 본 정원의 식물요소와 상징성, 그리고 조경문화를 추적한 연구결과는 다음과 같다. 첫째, '집경제영시'는 고려중기에 유입되어 지속적으로 창작되었는데, 주로 문신의 길을 택한 상류계층에 의해 향유되었다. 총 165책에서 주택정원을 대상으로 25책의 33제영시가 추출되었는데, 최초로 관련 제영시를 남긴 인물은 고려후기의 문신 이규보(1168~1241)로 판단된다. 그는 '퇴식재팔영', '가분중육영', 그리고 '가포육영' 등 경물소재의 확장과 영물시를 팔경시로 대입하여 향유문화의 다양화에 기여한 최초의 인물이라 하겠다. 둘째, 제영시 표제는 사랑채 당호가 많이 활용되었으며, 경물은 8영(詠)이 전체 33개소 중 19개소(57.5%)였으며, 4영, 6영, 10영, 14영, 15영, 16영, 36영 등의 빈도순으로 제영되었다. 제영에는 소상팔경류의 전형성을 벗어나 (1)경물명 중심 (2)지명과 경관명의 결합 (3)경관명 중심으로 차별화 되는 양상을 보인다. 셋째, 소표제는 (1)자연 및 정원식물 중심의 자연경관소재(22개소, 66.7%)가 주를 이루었고 (2)사랑채 건물 및 연못과 정자 등 조경시설 중심의 인문경관소재(3개소) (3)자연 속에서 행해지는 인간의 행위요소 중심의 복합 문화경관소재(8개소) 유형으로 구분된다. 이러한 양상은 정원식물의 심미적 취향, 실경을 뛰어넘어 관념화된 경물을 향유하며 주목받지 못했던 채소류와 약초류에도 관심을 두는 정감 표출로 이어진다. 넷째, 정원식물은 상록수(4종)에 비해 낙엽수의 개체수(17종) 비중(80.9%)이 월등히 높았다. 이러한 양상은 서유구(1764~1845)의 '임원경제지'에 수록된 상록수 18종(21.2%) : 낙엽수 67종(78.8%)의 비율, 그리고 선행연구[변우혁(1976), 정동오(1977), 이선(2006) 등]와 유사한 결과이다. 다섯째, 정원식물의 출현빈도는 매화(14회), 대나무(14회), 소나무(11회), 연(11회), 국화 10회, 버드나무(5회), 석류(4회), 단풍나무(3회), 오동나무, 배롱나무, 밤나무, 모란, 파초, 갈대, 맨드라미(각각 2회) 등이었다. 즉, 의미론적으로 (1)유교적 규범(소나무, 측백, 매화, 국화, 대나무, 연꽃 등) (2)안빈낙도의 생활철학(국화, 버드나무) (3)은일사상과 태평성대 희구(오동나무, 대나무 등) 관련 상징식물의 도입이 상대적으로 높은 출현빈도를 보였다. 여섯째, 안뜰과 바깥뜰, 채원과 약포, 그리고 사랑뜰 화분에 도입된 식물류 추적이 가능하였다. 즉, 안뜰에는 심미적 취향을 뛰어넘어 문화경관으로 승화시킨 상징식물의 도입, 채원과 약포에는 채소류, 과실수, 약용식물의 이용후생적 도입 양상이 뚜렷하며, 사랑뜰에 화분을 놓아 완상한 석창포, 석류화, 서상화, 국화, 대나무, 연꽃, 매화 등을 도출할 수 있었다. 일곱째, 정자, 연못, 계류, 분경(盆景), 괴석, 후원(後園), 과원(菓園), 약포(藥圃), 화오(花塢), 국리(菊籬), 범주(泛舟), 조어(釣魚), 계음(?飮), 탁족, 간화(看花), 행림(杏林), 도원(桃源), 무송(撫松), 설중매, 상국(霜菊) 등의 시어(詩語)를 통해 조경소재와 관련한 정원 문화의 향유 양상을 추적할 수 있었다.

• 한국전통조경학회지
• /
• 제36권4호
• /
• pp.39-49
• /
• 2018

"조선왕조실록"을 중심으로 분석한 조선시대 제왕들의 위락활동과 변천에 관한 연구 결과는 다음과 같다. 궁중 안팎 외부공간에서 행해진 왕의 위락활동은 연회형, 강무형, 유희형으로 분류할 수 있는데, 연회형은 회례연, 진연(進宴), 풍정(豊呈), 진찬(進饌), 양로연, 사신연, 수연(壽宴), 곡연(曲宴) 등이었고, 강무형은 활쏘기, 격구, 사냥 등이며, 유희형은 나례(가면놀이), 처용무, 풍두희(?頭戱), 그리고 화산붕(불꽃놀이), 꽃놀이(賞花), 투호, 수박희(手搏戱), 낚시, 뱃놀이, 각투(角鬪), 상희(象戱), 잡희 등이었다. 위락 활동은 고려시대 답습기[1기, 태조~세조(예종)], 확립기[2기, 군사문화가 성리학 문화로 전환되었고 연회의 규례가 제도화, 성종~중종]. 단절기[3기, 임진왜란 등 불안한 정세 속에서 침체, 단절 초래, 성종~현종]. 중흥기[4기, 위락 문화 재정비, 수준 높은 왕실 문화의 자긍심 표출, 숙종~정조]. 그리고 쇠퇴기[5기, 세도정치로 왕권이 추락하면서 위락 활동이 급격히 퇴조, 순조~순종] 등 5단계시기로 구분할 수 있다. 왕들의 사냥 관련 기사는 600건 이상 추적 되는데, 태종, 세종, 세조 등은 각 100여회 이상이었다. 사냥 대상은 호랑이, 곰, 사슴과 노루, 표범, 멧돼지, 매 등 이었고, 한양의 동북쪽 산림지역에서 주로 행해졌는데, 산수풍광이 수려하고 지리에 익숙한 풍양, 철원지역 등 북방의 정세와 안전을 살피기 위한 방안, 그리고 풍양이궁(경기도 남양주시 진접읍 내각리) 장소성 등과 밀접하게 연계된다. 단오절 세시풍속으로 대중에 확산된 격구놀이는 조선 초 왕과 신하들의 최상류층 마상격구로부터, 중기이후 무과시험의 마상격구와 상류층의 보상격구로 전환되는 과정을 거쳐, 조선 후기에는 민간에 확산되어 겨울철 남성들의 집단유락문화로 전승되는 과정이 추적된다. 특히, 강무형 위락문화는 봄(활쏘기), 여름(투호), 가을(활쏘기), 겨울(격구) 등 심신수양을 겸한 4계절 행위요소로 작용되었다. 한편, 조선시대 왕과 왕비들의 연향과 같은 위락 활동은 공식적 의례의 경우 내정(內庭)에서, 비공식적 관유(觀遊)의 경우 궁궐 후원이나 별궁에서, 특수 연회의 경우 모화관과 태평관, 기로소 등 별원(別園)에서, 활쏘기의 경우 성균관 사단에서, 사냥의 경우 금표가 설치된 강무장(금원과 원유)에서, 매사냥의 경우 한강변 광나루에서, 격구의 경우 보격구 중심으로 내정이나 별궁에서 다양하게 행해졌다. 즉, 외조, 치조, 연조, 후원의 범위를 넘어서 별원과 금원, 원유 등 한양에서 최대 100리 범위 까지를 활동영역으로 설정하는 위락문화 확장성(정(庭)${\rightarrow}$원(園)${\rightarrow}$원(苑)${\rightarrow}$원유(苑?))을 추적할 수 있었다. 결과적으로 본 연구를 통해 수준 높은 기록문화의 추적을 통해, 역대 왕들의 위락문화를 연회형, 강무형, 유희형으로 유형화 할 수 있었고, 위락 활동(진찬, 회례연, 양로연, 대사례, 사신연 등은 물론 사냥, 활쏘기, 격구, 투호, 처용무, 낚시, 뱃놀이, 불꽃놀이 등) 전모와 장소성, 그리고 상징적 의미, 역사적인 전승과정과 위락문화 등을 복합적으로 탐색할 수 있었다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.