• 한국방사선학회논문지
• /
• 제6권1호
• /
• pp.73-77
• /
• 2012

최근 디지털 방사선 영상획득을 위한 평판형 X선 검출기에 이용되는 광도전체(a-Se, $HgI_2$, PbO, CdTe, $PbI_2$ 등)에 대한 관심이 증대되고 있다. 본 연구에서는 입자침전법 적용이 가능한 광도전 물질을 이용하여 X선 영상 검출기 적용을 위한 필름층을 제작하여 평가하였다. 먼저, X선 영상에서 일반적으로 사용되는 에너지대역인 70 kVp 의 연속 X선에 대한 필름 두께별 양자효율을 몬테카를로 시뮬레이션을 통해 조사하였다. 평가결과, 현재 상용화된 500 ${\mu}m$ 두께의 a-Se 필름에 대한 양자효율인 64 %와 유사한 $HgI_2$의 필름의 두께는 180 ${\mu}m$ 정도였으며, 240 ${\mu}m$ 두께에서 74 %의 높은 양자효율을 보였다. 입자침전법을 이용하여 제작된 239 ${\mu}m$ 필름에 대한 전기적 측정결과, 10 $pA/mm^2$ 이하의 매우 낮은 암전류를 보였으며, X선 민감도는 1 $V/{\mu}m$의 인가전압에서 19.8 mC/mR-sec의 높은 감도를 보였다. 영상의 대조도에 영향을 미치는 신호 대 잡음비 평가결과 0.8 $V/{\mu}m$의 낮은 동작전압에서 3,125의 높은 값을 보였으며, 전기장의 세기가 높아질수록 암전류의 급격한 증가에 의해 SNR 값이 지수적으로 감소하였다. 이러한 결과는 종래의 a-Se을 이용하는 평판형 검출기를 입자 침전법으로 제작 가능한 필름으로 대체하여 저가형 고성능 영상검출기 개발이 가능할 것으로 기대된다.

• 한국해양학회지:바다
• /
• 제8권4호
• /
• pp.357-368
• /
• 2003

남극 세종기지 앞에 위치한 마리안 소만의 여름 수층 구조과 부유물질 분산기작을 이해하기 위해 빙벽 앞에서 CTDT 연속측정을 하였으며, 측정기간 동안의 조석, 부유물질농도, 유속, 그리고 기상요인도 함께 분석되었다. 45 시간동안 1시간 간격으로 측정된 연속 수층 특성 분포에 의하면, 수심 0∼20 m에는 저온$.$저염$.$고탁도의 혼합 표층수가 존재하였고, 수심 20∼40 m에 고온$.$고염$.$저탁도의 최대수온층인 맥스웰 만 유입수가 나타난다. 그 아래의 수심 40∼70 m에는 주변 해수에 비해 저온$.$고탁도의 아빙하성 유출수인 중층 플름(빙하기저부)이 위치한다. 마지막으로 수심 70 m 이하에 나타나는 저층수는 저온$.$고염$.$저탁도의 특성을 보였다. 늦여름 (2 월초)에 연안의 높아진 설선에서 녹아 소만으로 유입하는 담수의 특성은 유입지역의 특성(지형, 빙하조건, 퇴적물의 구성 등)에 따라 수온과 부유물질농도에서 차이를 보였으며, 바람이 거의 불지 않는 측정시기 동안에는 저염$.$고탁도의 표층 플름이 유입지역에 제한적으로 나타났다. 지속적으로 강한 바람이 불 경우, 빙벽 앞에서 육성기원의 혼탁한 담수성 플름, 저온의 중빙하성 용승수/조수빙하 융빙수 그리고 맥스웰 만 유입수가 혼합되면서 표층에 혼합층(저온$.$저염$.$고탁도)이 발달하였다. 소만의 강수는 단기간 빙하성 유출 증가의 가장 큰 요인이며, 중빙하성 용승수의 발생은 조수빙하의 상태와 강수량이 크게 좌우하였다. 특히 많은 양의 강수로 인해 아빙하성 중층 플름의 유출량이 커지면서 중층 이하의 수심에 저염화를 초래하였다. 그러나 입자가 거의 없을 정도로 깨끗한 중앙 빙벽에서 나오는 중빙하성 용승수와 중층 플름의 유입량이 클지라도, 낮은 부유물질농도로 인해 육성기원 입자의 소만 퇴적율은 작을 것이다.

• 환경영향평가
• /
• 제30권5호
• /
• pp.271-296
• /
• 2021

댐 저수지 수온성층은 수직혼합을 억제하여 저층의 빈산소층 형성과 퇴적물 영양염류 용출을 일으키는 원인이므로 미래 기후변화에 따른 저수지 성층구조의 변화는 수질 및 수생태 관리 측면에서 매우 중요하다. 본 연구의 목적은 대청댐 저수지를 대상으로 고빈도 자료기반의 통계적 저수지 유입 수온 예측 모델을 개발하고, RCP(Representative Concentration Pathways) 기후변화 시나리오를 고려한 미래 유입 수온변화와 대청호 성층구조의 변화를 예측하는 데 있다. 대청호 유입 수온 예측을 위해 개발한 Random Forest 회귀 예측모델(NSE 0.97, RMSE 1.86℃, MAPE 9.45%)은 실측 수온의 통계량과 변동성을 적절히 재현하였다. 지역 기후 모델(HadGEM3-RA)로 예측된 RCP 시나리오별 미래 기상자료를 Random Forest 모델에 입력하여 유입 수온을 예측하고 3차원 저수지 수리 모델을 이용하여 기후변화에 따른 대청호의 미래(2018~2037, 2038~2057, 2058~2077, 2078~2097) 수온성층 구조 변화를 예측하였다. 예측 결과, 미래 기후 시나리오별로 대기 온도와 저수지 유입 수온의 증가속도는 각각 0.14~0.48℃/10year와 0.21~0.43℃/10year의 범위로써 지속적으로 증가하였다. 계절별 분석 결과, RCP 2.6 시나리오의 봄과 겨울철을 제외한 모든 시나리오에서 유입 수온은 증가 경향이 통계적으로 유의하였으며, 탄소저감 노력이 약한 기후 시나리오로 갈수록 수온의 증가속도가 빨랐다. 저수지 표층 수온의 증가속도는 0.04~0.38℃/10year 범위였으며, 모든 시나리오에서 성층화 기간이 점진적으로 증가되었다. 특히 RCP 8.5 시나리오 적용 시 성층일수는 약 24일 증가하는 것으로 전망되었다. 연구 결과는 기후변화가 호소의 성층강도를 강화하고 성층형성 기간을 장기화한다는 선행연구 결과와 일치하며, 수온성층의 장기화는 저층 빈산소층 확대, 퇴적물-수체간 영양염류 용출량 증가, 수체 내 조류 우점종의 변화 등 수생태계 변화를 유발할 수 있음을 시사한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 한국지구과학회지
• /
• 제38권4호
• /
• pp.283-292
• /
• 2017

본 연구에서는 서울지역의 지상 미세먼지($PM_{2.5}$) 농도를 산출하기 위하여 경험적인 모델들을 개발하였다. 연구에 이용한 자료는 2012년 1월 1일부터 2013년 12월 31일까지이며 Terra와 Aqua위성의 MODIS센서에서 산출되는 에어로졸 광학두께, 옹스트롬 지수, 기상변수들과 행성경계층두께와 관련된 6개의 다중 선형 회귀모델들의 차이를 분석하였다. 그 결과 에어로졸 광학두께와 옹스트롬 지수, 상대습도, 풍속, 풍향, 행성경계층두께, 기온 자료를 입력 자료로 사용한 $M_6$모델이 가장 좋은 결과를 보였다. 통계적인 분석에 따르면 $M_6$ 모델을 사용하여 계산된 $PM_{2.5}$와 관측된 $PM_{2.5}$농도 사이의 결과는 상관계수(R=0.62)와 평균제곱근오차($RMSE=10.70{\mu}gm^{-3}$)이다. 또한 산출된 계절별 지표면 $PM_{2.5}$농도는 여름철(R=0.38)과 겨울철(R=0.56)보다 봄(R=0.66)과 가을철(R=0.75)에 상대적으로 더 좋은 상관 관계를 보였다. 이러한 결과는 에어로졸 광학두께의 계절별 관측 특성으로 인한 것으로써 다른 계절에 비하여 여름과 겨울철 에어로졸 광학두께 관측이 구름과 눈/얼음 표면에 의한 관측 제한과 오차를 가져온 것으로 분석되었다. 따라서 본 연구에서 사용한 경험적 다중선형회귀 모델은 위성에서 산출된 에어로졸 광학두께 자료가 지배적인 변수로 작용하며 $PM_{2.5}$산출 결과들을 향상시키기 위해서는 추가적인 기상 변수를 이용해야 할 것이다. 또한 경험적 다중선형회귀 모델을 이용하여 $PM_{2.5}$를 산출한 결과는 인공위성 자료로부터 대기환경 감시를 가능하게 하는 방법이 될 수 있어 유용할 것이다.

• 한국석유지질학회지
• /
• 제4권1_2호
• /
• pp.27-39
• /
• 1996

백악기 당시 미국 걸프만 퇴적분지는 대륙연변부의 색(sag)형 퇴적분지로서의 진화과정을 거치고 있었다. 두꺼운 백악기의 쇄설성과 탄산염 퇴적층은 상승 교란작용을 받은 암염층을 덮고 있다. 당시 걸프만 퇴적분지의 염분도는 넓게 발달하고 있는 초조간대의 경석고 퇴적층의 분포로 보아 현생의 페르시아만 환경과 유사했던 것으로 추정된다. 하부 백악기의 주요 저류암 (reservoir)으로는 쇄설성 퇴적암층인 카튼밸리(Cotton Valley), 허스톤(Hosston), 트래비스픽(Travis Peak)층과 탄산염 퇴적암층인 슬리고(Sligo), 트리니티(Trinity) - 파인아일랜드(Pine Island), 피어살(Pearsall), 글랜로스(Glen Rose), 에드워드(Edwards), 조오지타운(Georgetown)/부다(Buda) 층이 있다. 이 시기 저류암층에 탄화수소를 공급했던 근원암(source rock)으로는 경사방향 하부(down-dip)에 위치하고 있는 셰일과 이회암층이 꼽히고, 덮개암(seal)은 대개 경사방향 상부(up-dip)에 위치하고 있는 계일과 치밀한 석회암층, 그리고 증발암으로 보인다. 하부 백악기 동안 전 걸프만 퇴적분지는 천해환경하에 있었는데, 남서부 지역은 백악기 말까지 계속 이어졌던 천해 탄산염 환경이,북쪽과 서쪽지역에서는 육성기원의 세립질 퇴적물이 주로 집적되는 환경이었다. 상부 백악기동안에는 걸프만 퇴적분지는 주요한 해수면 상승기와 연관되어 비교적 수심이 깊었던 환경하에 있었으며 이 때 형성된 주요 저류암층으로는 우드바인(Woodbine)/투스칼루사(Tuscaloosa) 사암층, 테일러(Taylor) 나바로(Navarro) 사암층과 오스틴(Austin) 백악 및 탄산염암층이 있다. 이 저류암층에 탄화수소를 공급했던 근원암층으로는 경사방향 하부의 셰일층이, 그리고 덮개암층은 경사방향 상부의 계일층이 그 역할을 담당했던 것으로 해석된다. 뗘악기 하부와 상부 퇴적층의 주요 트랩(trap)으로는 완만한 기둥형(pillow)으로부터 복잡한 다이아피어(diapir) 형태의 암염층 관련 배사구조와 하단 단층블록위에 놓여 있으며 롤오버(rollover) 배사구조를 갖는 성장단층이 있다. 투수 장애(permeability barrier), 상부 경사방향으로 첨멸하는 사암체(up-dip pinch-out sand body깥 침식부정합면(unconformity truncation)도. 걸프만 석유부존에 중요한 역할을 한 트랩들이다. 백악기의 주요한 저류암층들은 범세계 해수면곡선의 하강시기와 잘 일치하고 있는데 이는 백악기동안 형성된 걸프만의 퇴적층서가 범세계 해수면곡선을 전반적으로 잘 반영하고 있음을 의미한다. 즉 퇴적작용을 주로 지배하는 세 즌요 변수인 지구조적인 분지의 침강운동,퇴적물의 공급,해수면 변동오그÷중에서 해수면 변동요소가 이 시기동안 가장 중요한 역할을 했음을 의미한다.

• 한국수산과학회지
• /
• 제31권2호
• /
• pp.259-266
• /
• 1998

한국 동해 중부해역의 생$\cdot$화학적 특성에 대한 조사가 1995년 10월 11일부터 18일까지 동해 중북부해역의 31개 정점에서 연구선인 탐양호를 이용하여 수행되었다. chlorophyll a의 농도분포 및 신생산과 수온약층으로부터의 질산염의 수직확산이 측정되었다. chlorophyll a의 농도 범위는 검출한계 이하에서 $0.72{\mu}g/\ell$로서 대부분의 정점에서 최대농도는 수온약층부근에서 발견되었으나, 조사 해역의 남쪽 부분에서는 표층에서 나타났다. 이곳은 상대적으로 netphytoplankton의 비율이 높았고 우점종으로는 연안에서 종종 출현하는 Rhizesolenia sp.이었다. $^{15}N$ 질산염과 암모니아 흡수방법을 이용하여 측정한 질소 신생산과 재생산은 유광층의 적분한 질소생산은 $8.470\~72.945mg\;N\;m^{-2}\;d^{-1}$의 값을 보였으며 기초생산 중 신생산이 차지하는 비율인 f-ratio의 범위는 $0.03\~0.72$로, 기초생산의 $3\~72\%$가 수직확산 등에 의하여 공급되는 질산염에 의해서 유지되고 나머지 $28\~97\%$가 수층내에서 순환되는 암모니아에 의하여 유지된다는 것을 보여주었다. 이러한 f-ratio 값은 극도의 빈영양 해역에서 부영양 해역의 특징을 포함한다. 정점간 생산성과 f-ratio의 차이는 전선의 위치와 섬 (울릉도)와 연관된 해저지형에 관계되어 있는 것으로 보인다. 즉 전선역에서는 생산성과 f-ratio가 높게, 밖에서는 낮게 나타났으며 울릉도 부근에서 가장 높은 f-ratio를 보였다. 수직확산계수는 두 가지 방법으로 구하였는데, King and Devol(1979)의 식에 나타난 수직 안정도로부터 계산한 Kz-1과 new nitrogen 요구량으로부터 계산한 Kz-2이다. Kz-2는 $0.11\~0.55\;cm^2/s$ 의 범위로 이전의 다른 연구들에 의해 보고된 값에 비해서 낮았다.