• 한국습지학회지
• /
• 제20권4호
• /
• pp.424-431
• /
• 2018

강우유출수 내 포함된 입자상 물질, 유기물, 영양물질, 중금속 등의 오염물질은 수계에 악영향을 미친다. 이러한 강우유출수 내 포함된 오염물질 감소와 처리를 위해 최적관리기법(BMP)을 도입하고 있으며, 비용효율적인 방법으로 평가되고 있다. 하지만, 잘못된 설계와 유지관리 부족은 시설의 성능을 저하시켜 원활한 기능을 수행하지 못하고 있는 실정이다. 따라서, 본 연구에서는 지속적인 유지관리가 진행된 침투도랑(IT)의 시설에 대한 평가를 수행하였다. 2009년부터 2016년까지 총 41회의 모니터링을 수행하였으며 침투도랑(IT)의 오염물질 저감효율 평가를 수행하였다. 수질 및 수문학적 분석결과, 시설에 유입되는 유입수는 단위 오염 부하량에 영향을 미치는 요인으로 나타났다. 또한, 계절의 변화는 오염물질 저감능력에 영향을 미치는 것으로 분석되었다. 여름철 강수량 및 강우강도의 증가로 인해 Overflow 및 유량의 증가가 발생되었으며, 이로 인해 저감효율이 감소하였다. 또한, 겨울철 낮은 온도로 인해 여재 및 화학적 메카니즘의 효과 감소로 오염물질 저감 효율이 감소되는 것으로 분석되었다. 침투도랑(IT)의 유지관리는 시설의 효율에 영향을 미치는 것으로 평가되었다. 시설 설치 이후 2년 동안 유지관리 부족으로 오염물질 저감효율이 낮은 것으로 나타났으며, 일부 모니터링에서 지오텍스타일 내 제거 되지 않은 퇴적물로 인해 오염물질 저감효율의 감소를 보였다. 본 연구를 통하여, 시설의 유지관리는 오염물질 저감효과에 영향을 미치는 것으로 나타났으며, BMP 시설의 최적 유지관리 기간 및 방법 등은 향후 유용한 자료로 사용 될 수 있을 것으로 사료된다.

• 한국유기농업학회지
• /
• 제29권2호
• /
• pp.223-240
• /
• 2021

본 연구 시험포장의 토양은 식양질의 지산통으로 우리나라 논토양의 평균적인 화학적 특성과 비교하면 유효규산과 pH가 높았으며 유효인산과 유기물함량은 낮았다. 관행 및 유기재배구의 생육특성은 초장과 수장, 분얼수는 유의적인 차이가 없었으며 입모수의 경우 유의적인 차이를 보였다. 유기재배구에서 관행재배구에 비해 잡초발생이 많았으며 이는 수확작업 시 수확량의 손실에 지대한 영향을 미쳤으며 주요 초종으로는 뚝새풀과 벼룩나물이었다. 밀의 생리장해로서 도복의 발생은 유기재배구보다 관행재배구에서 더 많이 발생하였는데 이는 질소질비료의 시용량과 관련이 있는 것으로 보여진다. 병해충발생은 겉깜부기병, 붉은곰팡이병, 흰가루병, 잎마름병, 누른모자이크병, 노린재류, 진딧물이 발생하였으며 유기재배구에서 겉깜부기병과 붉은곰팡이병 다소 발생하였다. 관행과 유기재배구에서 수확한 밀알의 성분분석 결과, 단백질함량은 전남지방에서 생산되는 밀의 평균값보다 낮았고 회분함량은 높게 나타났으며 2019년과 2020년의 연차 간 밀알성분의 차이는 단백질, 지방의 함량은 증가하고 수분, 탄수화물함량은 감소하였으며 회분은 비슷한 함량을 보였다. 2019년의 밀 수확량은 유기재배구(559 kg/0.1 ha)가 관행재배구(532 kg/0.1 ha)보다 더 높은 수량을 보였지만 2020년에는 배수불량으로 인한 누른모자이크병과 잡초 발생으로 관행재배구는 10%, 유기재배구는 30%의 수확량 감수를 초래했다. 2019년의 밀 재배농가의 순수익은 관행재배구(46만원/0.1 ha)로 유기재배구(44만원/0.1 ha)에 비해 다소 높게 나타났으며 경영비는 유기재배구(16.2만원/0.1 ha)가 관행재배구(9.4만원/0.1 ha)에 비해 다소 높았는데 이는 유기재배에서 비료비와 종자비가 관행재배보다 높았기 때문이었다.

• 한국농림기상학회지
• /
• 제21권2호
• /
• pp.85-96
• /
• 2019

일사량은 자연 생태계와 농업 생태계에서 에너지 수지와 물 순환을 추정하는데 중요한 변수이다. 일별 일사량을 추정하기 위해 심층 신경망(DNN) 모델이 개발되었다. 일조시간 등의 변수보다 기상 관측소에서의 가용성이 더 높은 온도와 강수량이 심층 신경망 모델의 입력 자료로 사용되었다. five-fold crossvalidation 을 사용하여 심층 신경망을 훈련시키고 검증하였다. 국내 15 개의 기상 관측소에서 30 년 이상 장기간의 기상 자료가 수집되었다. Cross-validation을 통해 얻어진 심층 신경망 모델은 수원 지역 기상 관측소의 일별 일사량 추정치에 대해 비교적 작은 RMSE($3.75MJ\;m^{-2}\;d^{-1}$) 값을 가졌다. 심층 신경망 모델은 수원 지역 기상 관측소의 일사량의 변위의 약 68%를 설명했다. 1985 년과 1998 년의 일사량 관측값은 일조시간에 비해 상당히 낮은 값이 관측되었다. 이는 후속 연구에서 일사량 관측 데이터의 품질 평가가 필요할 것임을 시사했다. 해당 연도의 데이터를 분석에서 제외했을 때, 심층 신경망 모델의 추정값은 통계적 수치가 약간 높게 나타났다. 예를 들어, $R^2$ 와 RMSE 의 값은 각각 0.72 와 $3.55MJ\;m^{-2}\;d^{-1}$ 이었다. 심층 신경망 모델은 기온과 강수량을 통해 일사량을 추정하는데 유용하며, 이는 미래 기후 시나리오 자료에 대해서 활용할 수 있을 것이다. 따라서, 공간에 대한 제약이 완화된 심층 신경망 모델은 작물 모델의 입력 자료로 일사량이 필요한 작물 생산성에 대한 기후 변화 영향 평가에 유용하게 활용될 수 있을 것이다.