• 도시과학
• /
• 제11권1호
• /
• pp.49-57
• /
• 2022

Semi-industrial zone is the area where manufacturing, residential, commercial zones are mixed. Despite of their potentials in that proximity to city and convenient transportation infrastructure, a lot of semi-industrial zones in Korea have converted to other uses due to many issues such as change of industry, increasing land price, real estate speculations. Recently, local government is trying to solve their existing issues and develop them through a restoration of publicness. Now publicness is thought of as a key factor of regeneration in semi-industrial areas. In this regard, this study aims to examine the way of restoring publicness revealed in Brooklyn Navy Yard mainly focus on their urban contexts and architectural ways. Brooklyn Navy Yard, an exemplary case, is an industrial complex that has grown economically, socially and culturally through emphasizing publicness and it is evaluated as an advanced example of public industrial complex. Through the analysis of Navy Yard, this study was trying to emphasize the importance of publicness in the regeneration of semi-industrial areas and to provide implications for the Seoul Government's solutions, which are still in the conceptual stage. To analyze the publicness of the study subjects, framework and elements were derived by examining related theories and prior researches. Depending on this frame, the results of the publicness of the Navy Yard were as follows. First of all, the 'Publicness as an officiality' was identified at the characteristic of the site and Navy Yard development corporation. Second, the 'Publicness as a public interest' of the Navy Yard Development Corporation was identified in various ways of its operation methods. Finally, the 'Publicness as an accessibility' was identified in the opening of urban and architectural spaces in Navy Yard. These publicness were analyzed with seven Navy Yard's success factors. Thus, it can be interpreted that the publicness of the semi-industrial areas can contribute significantly to their success. The publicness restoring methods of Navy Yard could be used as a basic data in semi-industrial areas in the future in Korea. However they are limited to be applied directly, so extensive and in-depth research in terms of their applicability should be conducted.

• 대한지리학회지
• /
• 제29권1호
• /
• pp.16-38
• /
• 1994

본 연구는 국토관리의 기본방향을 정립하기 위한 기초 연구로서 국토 전반에 걸쳐 문제의 현 상황을 파악하고자 하였다. 이를 위해 국토문제에 관심을 가지는 전문가 집단을 대상으로 국토정책, 취락계층별 문제, 정책 및 전략평가, 당면 지역문제, 국토환경, 북한에 대한 평가 등에 대한 델파이 조사를 행하였으며, 문헌조사도 병행하였다. 국토의 전체적인 수준은 소비, 주거, 노동 환등을 영위하는데 대체로 만족하나, 교육, 휴양, 공동 생활 등의 부문에서는 상대적으로 미흡하다고 평가되었다. 국토구조의 핵심문제로 공간적 집중과 격차 를 생각하고 있었으며, 토지이용의 기본방향에 대해서는 개발과 보전을 적절히 절충하자는 의견이 제시되었다. 국토 환경 수준에 대해서는 대체로 낮게 평가하고, 정부의 환경관리 정 책에 대해서도 비판적이었다. 한편 취락계층별로 상이한 공간문제를 갖고 있는 것으로 조사 되었다. 북한지역은 국토기반시설이 취약하지만 환경의 질은 양호한 것으로 인식되었다. 국 토의 바람직한 미래상으로는 "건강한 국토"를 제안하며, 그 기본원리로는 미래지향적 국토 관리, 국토의 일체성 회복, 국토구조의 진취적 개편, 국토이용에 있어서의 공공성 확보, 국토 관리 패러다임의 친환경적 전환 등이 요구된다.

• 한국습지학회지
• /
• 제25권4호
• /
• pp.306-314
• /
• 2023

하천퇴적물은 유역내 다양한 오염원으로부터 발생하는 중금속, 유기물 등 오염물질의 수용체일 뿐만 아니라 수질 오염 및 수생태 악영향을 유발할 수 있는 2차적 오염원이기에 중요한 관리대상이라고 할 수 있다. 오염된 하천퇴적물의 효과적인 관리를 위해서는 오염원에 대한 식별과 이와 연계된 관리대책의 수립이 우선되어야 한다. 본 연구는 하천퇴적물내 측정된 다양한 이화학적 오염항목 분포 특성에 기반하여 퇴적물의 주요 오염원을 식별하기 위한 방법으로서 기계학습모델의 적용성을 평가하였다. 기계학습 모델의 성능 평가를 위해 전국 4대강 수계내 주요 폐금속광산 및 산업단지 인근에서 수집된 총 356개의 하천퇴적물에 대한 중금속 10개 항목(Cd, Cu, Pb, Ni, As, Zn, Cr, Hg, Li, Al)과 토양항목 3개(모래, 실트, 점토 비율) 수질항목 5개(함수율, 강열감량, 총유기탄소, 총질소, 총인)를 포함한 총 18개 오염항목에 대한 분석자료를 활용하였다. 기계학습 분류 모델로서 선형판별분석(linear discriminant analysis, LDA)과 서포트벡터머신(support vector machine, SVM) 분류기를 사용하여 폐금속광산('광산')과 산업단지('산단') 인근에서의 하천퇴적물 시료의 분류 성능을 평가한 결과, 채취 지점 및 시기별 4가지 경우(비강우시 광산, 강우시 광산, 비강우시 산단, 및 강우시 산단)에 대한 퇴적물 시료의 분류 성능이 우수하였으며, 특히 비선형 모델인 SVM(88.1%)이 선형모델인 LDA(79.5%) 보다 퇴적물을 분류하는데 있어 보다 우수한 성능을 나타냈다. SVM 앙상블 기반 비배타적 다중라벨분류기 모델을 이용하여 각 시료채취 지점 상류 유역 1km 반경 내 지배적인 토지이용 및 오염원을 다중 타겟값으로 다중분류 예측을 수행한 결과, 폐금속광산과 산업단지의 분류는 비교적 높은 정확도로 수행하였으나, 도시와 농업지역 등 다른 비점오염원에 대한 분류정확도는 56~60%범위로 비교적 낮게 나타났다. 이는 다중라벨 분류모델의 복잡성에 비해 데이터셋의 크기가 상대적으로 작아서 발생한 과적합에 기인한 것으로 향후 보다 많은 측정자료가 확보될 경우 기계학습 모델을 적용한 오염원 분류의 정확도를 보다 향상시킬 수 있을 것으로 판단된다.