• 수산경영론집
• /
• 제51권2호
• /
• pp.25-50
• /
• 2020

The aim of this study is to overview what changes happened on the maritime field during the early Meiji period, how the compilation of 'Japan Fisheries' linked to the changes, and when the 'Japan Fisheries' was launched, completed and published. The trilogy of Japan Fishing Method, Japan Fishery Products, and Japan's Useful Marine Products are called "Japan's Fishery." These were completed in 1895 for almost ten years since the compilation project was launched in 1886 at the Agricultural and Commercial Ministry. Japan Fishing Method selected, improved and recorded excellent fishing and fishing methods in various Japanese regions at that time whereas Japan Fisheries Products chose excellent fish products from various methods of manufacturing and recorded the enactment and sale of fishery products. Japan's Useful Marine Products is not currently passed on, so it is not known what kind of useful marine products are recorded. However, it can be assumed that the classification method of the "Japanese Fishing Classification Table" published in 1889 was based on the Japan Fishing Index. The cited texts in Japan Fisheries Products are up to 55 documents, including Engisiki and Wakansanzaizukai's "Report of the Great Japan Fishery Association," "Ariticle of the Fisheries Fair," "The Western Fishery Manufacturing Technique" and "Trade Situation with China." Completed with extensive research from old books to the latest fishery information, "Japan's Fishery" is Japan's best "Marine Products Encyclopedia" at the time. It is also a valuable literature that can trace fishing and fishing techniques and methods of manufacturing marine products in each Japanese fishing village before the end of the nineteenth century.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.265-282
• /
• 2022

해수면 온도(Sea surface temperature, SST)는 지구시스템에서 해양의 순환과 생태계에 큰 영향을 주는 요소이다. 지구온난화로 한반도 근해 해수면 온도에 변화가 생기면서 이상 수온(고수온, 저수온) 현상이 발생하여 해양생태계와 수산업 피해를 지속적으로 발생시키고 있다. 따라서 본 연구는 한반도 근해 해수면 온도를 예측하여 이상 수온 현상 예측으로 피해를 예방하는 방법론을 제안한다. 연구 지역은 한반도 근해로 설정하여 동시간대 해수면 온도 데이터를 사용하기 위해 Europe Centre for Medium-Range Weather Forecasts (ECMWF)의 ERA5 자료를 사용하였다. 연구방법으로는 해수면 온도 데이터의 시계열 특징을 고려하여 딥러닝 모델 중 시계열 데이터 예측에 특화된 Long Short-Term Memory (LSTM) 알고리즘을 이용하였다. 예측 모델은 1~7일 이후 한반도 근해 해수면 온도를 예측하고 고수온(High water temperature, HWT) 혹은 저수온(Low water temperature, LWT) 현상을 예측한다. 해수면 온도 예측 정확도 평가를 위해 결정계수(Coefficient of determination, R²), 평균제곱근 편차(Root Mean Squared Error, RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE) 지표를 사용하였다. 예측 모델의 여름철(JAS) 1일 예측 결과는 R²=0.996, RMSE=0.119℃, MAPE=0.352% 이고, 겨울철(JFM) 1일 예측 결과는 R²=0.999, RMSE=0.063℃, MAPE=0.646% 이었다. 예측한 해수면 온도를 이용하여 이상 수온 예측 정확도 평가를 F1 Score로 수행하였다(여름철(2021/08/05) 고수온 예측 결과 F1 Score=0.98, 겨울철(2021/02/19) 저수온 예측 결과 F1 Score=1.0). 예측 기간이 증가하면서 예측 모델이 해수면 온도를 과소추정하는 경향을 보여주었고, 이로 인해 이상 수온 예측 정확도 또한 낮아졌다. 따라서, 향후 예측 모델의 과소추정 원인을 분석하고 예측 정확도 향상을 위한 연구가 필요할 것으로 판단된다.