• 제목/요약/키워드: Energy Source

검색결과 5,745건 처리시간 0.032초

초분, 한국 이중장제의 분석심리학적 고찰 : 부패와 뼈로의 환원을 중심으로 (CHOBUN, Understanding the Double Burial Custom in Korea from a Jungian Perspective : Focusing on Putrefaction and Reduction to Bones)

  • 조자현
    • 심성연구
    • /
    • 제31권2호
    • /
    • pp.113-150
    • /
    • 2016
  • 초분은 살이 다 썩어 없어질 때까지 관에 넣은 시신을 짚으로 싸두는 초가 형태의 임시 무덤을 말한다. 모든 살이 다 없어지고 나면, 초분은 해체되고, 뼈만 추려 다시 묻는다. 이러한 방식의 초분은 따라서 처음 시신의 살을 처리하기 위한 임시 매장과 이후 남은 부분(뼈나 재)을 영구히 매장 하는 이중장제에 속한다. 초분은 사람이 잘 가지 않고, 집에서도 떨어져 있지만, 유족이 가서 돌볼 수 있는 곳을 택해 만들어지는데, 심리학적으로 이것은 지속적인 관심을 쏟을 수 있으면서도 고요히 격리될 수 있는 곳, 다시 말해 심리적인 재생이 일어나는 장소이다. 초분을 두는 기간, 일차장의 기간을 정하는데 가장 중요한 점은 뼈만 남길 때까지 기다려야 하는 기간이 얼마나 되는지, 그리하여 초분을 해체하였을 때 완전한 뼈 상태를 확인할 수 있는지와 관련된 것이다. 여기서 초분이 부패와 뼈로의 환원을 목표로 하고 있음을 알 수 있다. 부패와 새로운 생명의 탄생은 연금술 문헌에서 보듯 동시에 일어난다. 부패의 최종 목적은 육신을 영적 상태로 만들고, 그리하여 죽은 자를 다른 삶으로 들어갈 수 있게 만들어 주는 것이다. 그러기 위해서는 아주 불안정한 상태에서, 부패를 견뎌내고, 썩는 냄새가 모두 사라지는 것을 기다려야 한다. 썩히는 것은 그리하여 육화된 세계, 몸을 용해시켜 없애고, 그 핵심, 열매만을 남기는 것을 목표로 한다. 부패의 과정은 자기 스스로의 오염되고 끔찍한 측면을 받아들이는 태도이며, 무력하고 수동적인 자세를 취함으로써, 새로운 생명이 오게하는 것이다. 원형적인 세계, 무의식은 우리가 접근하려 할 때, 종종 위협적이고 공격적인, 더러운 무엇으로 경험된다. 개성화 과정에서, 우리가 우리 정신의 이 끔찍하고 오염된 부분들을 볼 수 있는 용기를 낼 때만이, 무의식은 우리에게 새로운 영적 각성과 새로운 삶의 감각이라는 축복을 주는데, 이것이 부패가 의미하는 것이다. 뼈와 골격은 생명의 부술 수 없는, 소멸되지 않는 본질적인 요소를 상징한다. 뼈는 재생을 위한 최소 단위이자, 재생의 바탕이 되며, 여기서 새로운 생명이 자라나게 된다. 뼈의 상태로 환원은 생명의 바로 그 원천으로 돌아감을, 자궁으로 다시 들어가 심리적으로 자신의 자아중심성을 버리고, 자기가 개성화의 전 과정을 이끌도록 허용하는 것이다. 앞으로의 발달을 위해, 골격 상태로의 환원의 어려운 과정을 겪는 것은, 자아의 죽음의 선언이며, 그 목적은 자신을 썩기 쉽고 덧없는 살과 피, 육신에서 해방시키고, 전체로서의 영적인 갱신, 생명의 불멸의 요소를 얻기 위함이다. 초분은 또한 식물의 순환에서 해마다 보이는 부패와 생명의 부활을 보여준다. 초분에서는 이러한 식물의 순환의 상징이 다른 일반적인 한국 전통 상장례에서보다 명확하고 강하게 드러나는데, 죽음에도 살아남는 생명의 부분을 식물의 상징을 통해 경험하게 한다. 초분과 관련된 식물은 죽음 후의 생명의 지속성, 심리적으로 말해, 자기의 존재를 말한다. 초분에서 드러나는 풍부한 식물의 이미지들은, 모든 것이 사라진 죽음의 상태 너머에 존재하는 생명의 존재와 관련되어 있으며, 심리학적으로 우리의 삶에 정신에 끝없는 에너지를 공급하는 영원히 존재하며 의식을 다시 태어나게 하고 새롭게 하는 자기의 존재를 이야기한다.

광주시 대기오염물질 배출량 변화추이에 관한 연구 (A study on the air pollutant emission trends in Gwangju)

  • 서광엽;신대윤
    • 환경위생공학
    • /
    • 제24권4호
    • /
    • pp.1-26
    • /
    • 2009
  • We conclude the following with air pollution data measured from city measurement net administered and managed in Gwangju for the last 7 years from January in 2001 to December in 2007. In addition, some major statistics governed by Gwangju city and data administered by Gwangju as national official statistics obtained by estimating the amount of national air pollutant emission from National Institute of Environmental Research were used. The results are as follows ; 1. The distribution by main managements of air emission factory is the following ; Gwangju City Hall(67.8%) > Gwangsan District Office(13.6%) > Buk District Office(9.8%) > Seo District Office(5.5%) > Nam District Office(3.0%) > Dong District Office(0.3%) and the distribution by districts of air emission factory ; Buk District(32.8%) > Gwangsan District(22.4%) > Seo District(21.8%) > Nam District(14.9%) > Dong District(8.1%). That by types(Year 2004~2007 average) is also following ; Type 5(45.2%) > Type 4(40.7%) > Type 3(8.6%) > Type 2(3.2%) > Type 1(2.2%) and the most of them are small size of factory, Type 4 and 5. 2. The distribution by districts of the number of car registrations is the following ; Buk District(32.8%) > Gwangsan District(22.4%) > Seo District(21.8%) > Nam District(14.9%) > Dong District(8.1%) and the distribution by use of car fuel in 2001 ; Gasoline(56.3%) > Diesel(30.3%) > LPG(13.4%) > etc.(0.2%). In 2007, there was no ranking change ; Gasoline(47.8%) > Diesel(35.6%) > LPG(16.2%) >etc.(0.4%). The number of gasoline cars increased slightly, but that of diesel and LPG cars increased remarkably. 3. The distribution by items of the amount of air pollutant emission in Gwangju is the following; CO(36.7%) > NOx(32.7%) > VOC(26.7%) > SOx(2.3%) > PM-10(1.5%). The amount of CO and NOx, which are generally generated from cars, is very large percentage among them. 4. The distribution by mean of air pollutant emission(SOx, NOx, CO, VOC, PM-10) of each county for 5 years(2001~2005) is the following ; Buk District(31.0%) > Gwangsan District(28.2%) > Seo District(20.4%) > Nam District(12.5%) > Dong District(7.9%). The amount of air pollutant emission in Buk District, which has the most population, car registrations, and air pollutant emission businesses, was the highest. On the other hand, that of air pollutant emission in Dong District, which has the least population, car registrations, and air pollutant emission businesses, was the least. 5. The average rates of SOx for 5 years(2001~2005) in Gwangju is the following ; Non industrial combustion(59.5%) > Combustion in manufacturing industry(20.4%) > Road transportation(11.4%) > Non-road transportation(3.8%) > Waste disposal(3.7%) > Production process(1.1%). And the distribution of average amount of SOx emission of each county is shown as Gwangsan District(33.3%) > Buk District(28.0%) > Seo District(19.3%) > Nam District(10.2%) > Dong District(9.1%). 6. The distribution of the amount of NOx emission in Gwangju is shown as Road transportation(59.1%) > Non-road transportation(18.9%) > Non industrial combustion(13.3%) > Combustion in manufacturing industry(6.9%) > Waste disposal(1.6%) > Production process(0.1%). And the distribution of the amount of NOx emission from each county is the following ; Buk District(30.7%) > Gwangsan District(28.8%) > Seo District(20.5%) > Nam District(12.2%) > Dong District(7.8%). 7. The distribution of the amount of carbon monoxide emission in Gwangju is shown as Road transportation(82.0%) > Non industrial combustion(10.6%) > Non-road transportation(5.4%) > Combustion in manufacturing industry(1.7%) > Waste disposal(0.3%). And the distribution of the amount of carbon monoxide emission from each county is the following ; Buk District(33.0%) > Seo District(22.3%) > Gwangsan District(21.3%) > Nam District(14.3%) > Dong District(9.1%). 8. The distribution of the amount of Volatile Organic Compound emission in Gwangju is shown as Solvent utilization(69.5%) > Road transportation(19.8%) > Energy storage & transport(4.4%) > Non-road transportation(2.8%) > Waste disposal(2.4%) > Non industrial combustion(0.5%) > Production process(0.4%) > Combustion in manufacturing industry(0.3%). And the distribution of the amount of Volatile Organic Compound emission from each county is the following ; Gwangsan District(36.8%) > Buk District(28.7%) > Seo District(17.8%) > Nam District(10.4%) > Dong District(6.3%). 9. The distribution of the amount of minute dust emission in Gwangju is shown as Road transportation(76.7%) > Non-road transportation(16.3%) > Non industrial combustion(6.1%) > Combustion in manufacturing industry(0.7%) > Waste disposal(0.2%) > Production process(0.1%). And the distribution of the amount of minute dust emission from each county is the following ; Buk District(32.8%) > Gwangsan District(26.0%) > Seo District(19.5%) > Nam District(13.2%) > Dong District(8.5%). 10. According to the major source of emission of each items, that of oxides of sulfur is Non industrial combustion, heating of residence, business and agriculture and stockbreeding. And that of NOx, carbon monoxide, minute dust is Road transportation, emission of cars and two-wheeled vehicles. Also, that of VOC is Solvent utilization emission facilities due to Solvent utilization. 11. The concentration of sulfurous acid gas has been 0.004ppm since 2001 and there has not been no concentration change year by year. It is considered that the use of sulfurous acid gas is now reaching to the stabilization stage. This is found by the facts that the use of fuel is steadily changing from solid or liquid fuel to low sulfur liquid fuel containing very little amount of sulfur element or gas, so that nearly no change in concentration has been shown regularly. 12. Concerning changes of the concentration of throughout time, the concentration of NO has been shown relatively higher than that of $NO_2$ between 6AM~1PM and the concentration of $NO_2$ higher during the other time. The concentration of NOx(NO, $NO_2$) has been relatively high during weekday evenings. This result shows that there is correlation between the concentration of NOx and car traffics as we can see the Road transportation which accounts for 59.1% among the amount of NOx emission. 13. 49.1~61.2% of PM-10 shows PM-2.5 concerning the relationship between PM-10 and PM-2.5 and PM-2.5 among dust accounts for 45.4%~44.5% of PM-10 during March and April which is the lowest rates. This proves that particles of yellow sand that are bigger than the size $2.5\;{\mu}m$ are sent more than those that are smaller from China. This result shows that particles smaller than $2.5\;{\mu}m$ among dust exist much during July~August and December~January and 76.7% of minute dust is proved to be road transportation in Gwangju.

NEMA NU2-2001을 이용한 Siemens CTI ECAT EXACT 47 스캐너의 표준 성능 평가 (Performance Evaluation of Siemens CTI ECAT EXACT 47 Scanner Using NEMA NU2-2001)

  • 김진수;이재성;이동수;정준기;이명철
    • 대한핵의학회지
    • /
    • 제38권3호
    • /
    • pp.259-267
    • /
    • 2004
  • 목적: 전신용 PET에 대한 표준 성능 평가 방법으로 NEMA NU2-2001이 확립되어 제안되었다. 따라서 새로이 설치되는 PET 스캐너뿐 아니라 기존에 사용 중인 스캐너에 대한 성능 평가가 이 표준 방법에 따라서 새로이 이루어 져야 한다. 이 연구에서는 NEMA NU2-2001 방법을 이용하여 CTI ECAT EXACT 47 PET 스캐너의 공간해상도, 민감도, 산란분획, NECR 등을 측정하였다. 대상 및 방법: 공간해상도를 평가하기 위하여 축 방향 시야의 정 가운데와 축 방향 시야 길이의 1/4을 벗어난 횡단면에 F-10을 채운 유리관(내경 1.1 mm)을 횡단면의 중심에서 1, 10 cm 떨어진 지점에 축 방향과 평행하게 위치시킨 후 PET 영상을 얻었다. 민감도를 측정하기 위하여 폴리에틸렌 및 알루미늄 관에 F-18을 채운 후 불응시간 손실이 1%를 넘지 않는 것을 확인한 후 영상을 획득하였다. 산란분획 및 최적 영상 획득 조건을 얻기 위하여 NECR을 NEMA 산란 팬텀을 이용하여 측정하였다. 결과: FBP재구성 방법(화소 크기: $0.515{\times}0.515mm^2$)으로 영상을 재 구성했을 때 스캐너의 중심에서 1cm 벗어난 지점에서 축방향, 횡축방향 공간 분해능은 0.62, 0.66 cm (FBP, 2D와 3D), 0.67, 0.69 cm (FBP, 2D와 3D)이었고 중심에서 10 cm 벗어난 지점에서 축방향, 횡축반경방향, 횡축접선방향 공간 분해능은 0.72, 0.68 mm (FBP, 2D와 3D), 0.63, 0.66 mm (FBP, 2D와 3D), 0.72, 0.66 mm (FBP, 2D와 3D)이었다. 민감도는 스캐너의 횡축방향 708.6 (2D), 2931.3 (3D) counts/sec/MBq, 횡축방향 중심에서 10cm 벗어난 지점에서 728.7 (2D), 3398.2 (3D) counts/sec/MBq 이었다. 산란 분획은 0.19 (2D), 0.49 (3D)이었고 최고 참 계수율과 NECR은 2차원 영상 획득 모드에서 40.1 kBq/mL 일 때 64.0 kcps, 40.1 kBq/mL 일 때 49.6 kcps, 3차원 영상 획득 모드에서 4.76 kBq/mL 일 때 53.7 kcps, 4.47 kBq/mL 일 때 26.4 kcps이었다. 결론: 이 실험에서 NEMA NU2-2001로 측정한 PET스캐너의 물리적 특성은 PET스캐너에 대한 객관적 평가 및 최적화 된 영상 획득과 분석에 유용할 것이다.

퇴계(退溪)의 천관(天觀) 연구(硏究) (A Study of Perspective on Cheon Gwan(天觀) of Toegye)

  • 황상희
    • 동양고전연구
    • /
    • 제56호
    • /
    • pp.147-170
    • /
    • 2014
  • 천(天)의 개념을 살펴보자면 송대(宋代)이전은 종교적(상제(上帝)) 천(天)이라면 송대(宋代)이후는 합리적(천(天)理) 천(天)이다. 주자는 종교성을 잃어버렸고 퇴계는 회복했다. 이 논문은 퇴계와 주자가 말하는 천(天)의 속성이 다르다는 것을 기반으로 리(理)의 종교성까지 밝히는 것이 목적이다. "서명"은 '이일분수(理一分殊)'의 논리로 설명되어진다. 주자와 퇴계는 이일(理一)이란 측면에서는 사천(事天)이란 해야한다고 말하지만 분수(分殊)의 측면에서 살펴보면 주자는 천리(天理)의 이법을 따라야 한다고 하고 퇴계는 사친(事親)의 효(孝)를 행해야 한다고 한다. 이와 같이 퇴계와 주자는 천(天)의 속성 다르기 때문에 방법에 있어서도 차이가 생긴다. 이러한 차이는 리(理)의 속성에까지 영향을 미친다. 주자(朱子)는 소이연(所以然)은 리(理), 소당연(所當然)은 사(事)라고 구분해서 말한다. 퇴계(退溪)는 소당연(所當然)이야 말로 리(理)라고 말한다. 본질과 실존의 논의로 보자면 퇴계에게는 실존이 본질보다 먼저인 것이다. 리(理)라는 형이상학적 논의 속으로 실존의 문제를 이야기 할 수 있게 되었다. 퇴계(退溪)에게서 주자(朱子)와 다르게 주목되는 이론은 '이자도(理自到)'설 이다. '이자도(理自到)'는 나라는 주체가 타자에게 지극히 하면 타자가 나에게로 와서 나를 통해 발현된다는 것이다. 이 논의는 '물격(物格)'에 토를 넣는 문제에서 시작한다. 퇴계는 '물리(物理)'가 이르는 것이 아니라 '중리(衆理)'가 이르는 것이라고 말한다. 이는 '상대적 리(理)'와 '절대적 리(理)'를 명확하게 구분하기 위한 논의이다. 존재는 비존재를 존재로 한 존재이기 때문에 상대적 리(理)이지만 존재와 비존재를 뛰어 넘으면 절대적 리(理)이다. 이는 분수(分殊)의 리(理)와 이일(理一)의 리(理)에 대한 차이이다. 즉 절대적 리(理)가 나에게로 이르러 내 삶에서 드러나는 공효가 물격(物格)이다. 퇴계는 천(天)=리(理)=상제(上帝)를 동일시하는 종교적인 태도를 강하게 보이고 있다.

인공지능을 활용한 경관 지각반응 예측모델 개발 가능성 기초연구 - 머신러닝 기법을 중심으로 - (Basic Research on the Possibility of Developing a Landscape Perceptual Response Prediction Model Using Artificial Intelligence - Focusing on Machine Learning Techniques -)

  • 김진표;서주환
    • 한국조경학회지
    • /
    • 제51권3호
    • /
    • pp.70-82
    • /
    • 2023
  • 최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.