• 한국해양학회지:바다
• /
• 제19권2호
• /
• pp.131-146
• /
• 2014

남해대륙붕 가막만의 현생퇴적층 음향특성과 분포양상을 조사하기 위해 고해상도 탄성파 자료와 퇴적물을 분석하였다. 표층퇴적물의 입도는 주로 $6.3{\sim}9.7{\Phi}$의 분포를 보인다. 퇴적물은 니질과 실트로 구성되어 있으며, 내만으로 갈수록 입도가 감소한다. 고해상도 탄성파 자료에서 나타나는 가막만의 층서는 하부 경계면인 음향기반암 위로 2개의 퇴적층서(GB I과 II)로 구성되며 이들 층서는 중간 반사 경계면(최대해침면)에 의해 구분된다. 매우 불규칙한 형태를 보이는 음향기반암은 일반적으로 해수면 아래 약 20 m에서부터 최대 40 m 깊이에서 나타나며, 남쪽으로 갈수록 깊어진다. 하부층인 GB I은 수로를 피복하는 형태로 발달하고 있으며 무층리 반사 특징을 보인다. 이는 후기 해침동안 퇴적된 해침퇴적계열(TST)로, 조간대환경 퇴적층으로 해석할 수 있다. 최대해침면은 평균 해수면 아래 약 15 m에서부터 28 m 깊이에서 나타나며, 탄성파 단면상에서 편평하고 연속적인 반사면으로 나타난다. 최대해침면 위에 놓여있는 GB II는 투명 혹은 반투명한 음향특성, 그리고 평행한 반사 층리로 구성되며, 해수면이 현재의 위치에 도달했던 지난 6,000년 이후에 퇴적된 고해수면 퇴적계열(HST)로 해석된다. 특히, GB II 퇴적층은 고해수면 반사 경계면에 의해 2개의 층(GB II-a and II-b)으로 세분화되며 이는 바람, 해수 유동량, 그리고 조류에 의해 구분된 것으로 생각된다.

• Journal of Forest and Environmental Science
• /
• 제17권1호
• /
• pp.1-17
• /
• 2001

이 연구는 "국유림 경영 현대화 산학 협동 실연 연구"의 일환으로 강원도 평창군 가리왕산 일대 천연활엽수림을 대상으로, 주요 수종별 천연갱신 특성을 평가하여 연구대상 산림의 전반적인 천연갱신에 대한 종합적인 생태적 정보를 제공하고자 실시되었다. 수종별 천연갱신 특성을 요약하면 다음과 같다. 거제수나무 : 비산되는 종자이므로 종자 공급에는 문제가 없으나, 종자 발아를 위해서 노출된 광물질토양이 필요하며, 두꺼운 낙엽층은 종자 발아를 제한한다. 발아 후 갱신치수는 다량의 광선을 필요로 한다. 고로쇠나무 : 내음성은 강하나, 치수의 내건성이 약하므로 50% 이상의 피음을 요구하며, 우량 형질의 임목 조성을 위해 높은 초기 밀도를 유지하여야 한다. 맹아정신력은 높다. 난티나무 : 수분 요구도가 높고 내음성이 약하므로 60% 가량의 상층 울폐도를 유지하여 보습과 광선유입이 원활하여야 하며, 치수 활착을 위해서 관목류 및 기타 식생으로부터 경쟁 요인을 제거한다. 들메나무 : 종자 발아를 위해 광물질 토양의 노출이 필수적이며, 치수 활착을 위해서 다량의 수분과 광선이 요구되고, 지피식생에 의한 치수의 피압이 우려되므로 임지정리작업 도입이 필수적이다. 물푸레나무 : 종자 결실의 풍흉이 심하며, 두꺼운 낙엽층은 종자발아를 제한한다. 치수 활착시 지피식생에 의한 피압이 우려되므로 임지정리작업의 도입이 필수적이다. 신갈나무 : 종자공급의 문제(설치류에 의한 피해) 및 두꺼운 낙엽층 및 조릿대 밀생 지역에서는 종자발아가 제한되며, 치수 발생 후, 임관의 50% 이상을 열어줄 필요가 있고, 맹아갱신력이 높다. 음나무 : 두꺼운 낙엽층은 종자발아를 제한하며, 유령목 생육에 다량의 광선이 요구된다. 젓나무 : 내음성은 강하나, 유령목 단계에서 생육은 극히 저조하다. 층층나무 : 동물에 의해서 종자가 산포되지만 종자 피해는 불가피하며, 발아와 치수 활착을 위해서 다량의 광선이 요구된다. 피나무 : 종자 충실률이 낮고 이중 휴면성 때문에 종자 공급에 어려움이 있으며, 두꺼운 낙엽층은 종자발아의 걸림이 되므로 광물질 토양이 필요하고, 맹아갱신력이 매우 높다.

• 한국토양비료학회지
• /
• 제25권3호
• /
• pp.231-241
• /
• 1992

벼 군락(群落)의 미기상요소(微氣象要素)들이 증발산(蒸發散)에 미치는 영향(影響)과 그들의 상호관련(相互關聯)을 구명(究明)하고자 1989년(年)에 기상청(氣象廳) 수원기상대(水原氣象臺) 포장(圃場)에서 대청벼와 삼강벼를 공시(供試)하여 종관기상(綜觀氣象), 군락(群落)의 미기상(微氣象)과 증발산량(蒸發散量), 작물(作物)의 건물생산량(乾物生産量) 등을 측정(測定) 조사(調査)하고, 증발산량(蒸發散量)의 생육시기별(生育時期別) 변화(變化)와 기상요소(氣象要素)의 영향(影響)을 검토(檢討)한 결과(結果)를 요약(要約)하면 다음과 같다. 1. 벼 군락(群落)의 증발산량(蒸發散量)은 증발계(蒸發計)의 증발량(蒸發量), 기온(氣溫), 일사량(日射量), 일조시수(日照時數), 초관부(草冠部) 상단(上端)의 공기(空氣)와의 포차(飽差), 수온(水溫) 등의 순(順)으로 상관계수(相關係數)가 높았다. 2. 벼 군락(群落)의 증발산량(蒸發散量)과 측정증발량(測定蒸發量)과의 관계(關係)는 소형증발계(小型蒸發計)의 증발량(蒸發量)에 비하여 Class A 증발계(蒸發計)의 증발량(蒸發量)이 더욱 밀접한 상관관계(相關關係)를 보였다. 3. 벼 군락(群落)의 증발산량(蒸發散量)과 증발량(蒸發量)과의 관계(關係)에서 대청벼 보다 삼강벼의 상관계수(相關係數)가 더욱 높은 품종간차이(品種間差異)를 보였다. 4. Class A 증발계(蒸發計)로 측정(測定)된 증발량(蒸發量)에 대한 벼 군락(群落)의 증발산량(蒸發散量)의 비(比)는 전생육기간(全生育期間)을 통(通)하여 1.0이상이었으며, 8월(月) 하순(下旬)에는 1.9로서 최고(最高)에 달하였다. 5. Class A 증발계(蒸發計)의 증발량(蒸發量)은 소형증발계(小型蒸發計)에 의한 측정치(測定値)의 0.719배(倍)이었다. 6. 증발산량(蒸發散量)은 순복사량(純輻射量)보다는 태양(太陽)에너지 복사량(輻射量)과의 상관(相關)이 높았으며, 순복사량(純輻射量)은 태양(太陽)에너지 복사량(輻射量)의 0.66배(倍)이었다. 7. 최고기온(最高氣溫)은 평균기온(平均氣溫)보다 작물(作物)의 증발산량(蒸發散量)과의 상관(相關)이 높았고, 6m 높이의 풍속(風速)과는 정(正)의 상관(相關)을 보였지만, 강우일(降雨日)을 제외한 경우 상대습도(相對濕度)와의 상관계수(相關係數)는 매우 낮았다. 8. 기상요소(氣象要素)를 자료(資料)로 증발산량(蒸發散量)을 추정(推定)하기위하여 작성된 회귀(回歸)모델은 $ET=-5.3594+0.7005_{pan}A+0.1926T_{mean}+0.0878_{sol}+0.025RH$이었고, 이 모델에 의한 추정치(推定値)는 실측치(實測値)와 거의 일치(一致)($R^2=0.607$)하였다.

• 대한지리학회지
• /
• 제41권2호
• /
• pp.168-187
• /
• 2006

대류권 하부의 높은 대기 불안정도와 건조도에 의해 바람이 강한 조건하에 화재 연료도 건조해지면 산불 통제가 어렵고 대형산불에 의한 더 많은 산림자원과 계산의 손실을 초래할 수 있다. 본 연구에서 제시된 장기간(1979-2005)의 Haines Index는 한반도 상의 대기 불안정도와 건조도의 시공간적 패턴이 우리나라 산불 발생빈도에 중요한 영향을 미치고 있음을 잘 보여주고 있다. 산불 발생빈도와 Haines Index 사이의 지수회귀모델은 주요 산불 발생기간동안(12월-4월)의 Haines Index 일평균 값 혹은 월별 발생빈도가 우리나라 산불 발생빈도와 통계적으로 유의미하게 상관되어 있음을 보여준다. 지리정보시스템(GIS)에서 수치표고모델(DEM)을 고려하여 작성한 Haines Index 기후도에 따르면, 5 이상의 높은 Haines Index는 주로 해발고도 500m 이하의 한반도 북서 저지대를 중심으로 4-5월에 자주 발생하고 있다. 이러한 Haines Index의 발생빈도는 1990년대 중반 이후 한반도 전체적으로 증가하는 추세를 보이고, 특히 경상북도와 동해안 지역을 따라 산불기간 동안 가장 뚜렷하게 증가하는 패턴을 보였다. 연구기간 동안 높은 Haines Index가 2-3일 연속적으로 발생한 극사상(extreme events)이 나타나는 시기의 500hPa 종관 평균도에 따르면, 오흐츠크해에 발달한 한랭저기압이 한반도 중층대기의 기압경도력을 높여 동서의 강한 바람장을 형성하는데 도움을 주고 있음을 알 수 있다. 이러한 결과들은 현재 우리나라 산불 예보 시스템에 대기 불안정도나 건조도와 같은 대기의 수직적 요소들의 시 공간적 특성도 고려되어야 하는 필요성을 잘 보여준다.

• 한국산림과학회지
• /
• 제87권4호
• /
• pp.549-556
• /
• 1998

편백의 개화촉진 방법을 강구하기 위하여 제주도 남제주군 임목육종연구소 남부육종장 채종원 및 클론보존원에서 지베레린을 처리한 후 개화량을 조사하고 종자생산량을 추정하였다. $GA_3$ 300ppm 및 $GA_{4/7}$ 300ppm의 수관산포와, $GA_{4/7}$ 1.5cc와 수간매입을 시기별(3시기)로 시행하였으며, 클론보존원에서는 $GA_3$ 300ppm을 수관산포하고, $GA_{4/7}$ 1.5cc와 $GA_3$ 20mg을 수간매입 하였다. 각 처리에 대한 주요 분석결과는 다음과 같다. 1. 모든 지베레린 처리구에서의 자화개화량이 무처리구에 비해 증가하였는데, $GA_{4/7}$ 1.5cc 수간매입 처리구의 효과가 가장 우수하였으며, $GA_3$ 300ppm 수관산포 처리구에서 효과가 좋았다. 한편 웅화의 경우에도 지베레린 처리구가 무처리구에 비해 개화촉진 효과가 우수하였다. 2. 처리시기별 비교에서는 웅화(雄花)의 경우, 8월 15일 처리한 시험구에서의 8월 31일 및 9월 11일 처리한 시험구에 비해 우수하였으며, 웅화(雄花)에서는 뚜렷한 차이를 발견할 수 없었다. 3. 개화촉진 효과가 가장 좋았던 $GA_{4/7}$ 1.5cc 8월 15일 처리구에서 ha 당 22.12kg의 종자생산이 가능할 것으로 추정되었다. 4. 클론별 지베레린 처리결과 클론간 자화 및 웅화 개화량은 통계적으로 유의한 차이가 있었다. 5. 개화특성의 경우, 특히 자화개화량은 유전적 요인에 의해 어느 정도 지배되어짐을 추정할 수 있었다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.111-121
• /
• 2019

작물 증발산량은 수자원 계획 및 관리, 물수지 분석, 작물 관개 계획 및 생산량 추정 등에 널리 활용되고 있으며, 특히 FAO에서 공인한 Penman-Monteith식 (FAO 56-PM)은 잠재 증발산량 산정을 위한 표준방법으로 많이 사용되고 있다. Penman-Monteith식을 이용한 잠재증발산량 산정은 최소온도, 평균온도, 최대온도, 상대습도, 풍속과 일사량인 6가지 항목에 대한 시계열 자료가 필요한데, 결측 또는 미계측된 경우에는 사용이 어려운 단점을 가지고 있다. 따라서, 본 연구에서는 역전파 신경망(BPNN) 모델을 이용해서 6개 미만의 기상항목으로도 잠재증발산량이 추정가능한지를 확인하였다. 여섯 가지 기상항목을 각각 1~6개의 조합으로 입력자료를 구성하고, BPNN 모델을 이용해서 학습, 검증 및 테스트를 한 결과, 입력 자료가 많아질수록 좋은 결과가 산출되었으며, 일사량, 최대온도와 상대습도만으로도 결정계수($R^2$)가 0.94정도로 비교적 높은 예측결과를 얻을 수 있었다. 또한 산정 오차를 줄이고, 항목간의 상관관계를 높이기 위해서는 역전파 신경망 구조의 적절한 선택이 중요한 것으로 확인되었다. 역전파 신경망 모델을 사용하면 요구되는 기상 항목과 데이터의 양에 대한 제약 없이 예측이 가능할 수 있기 때문에 기준 증발산량 산정에 유용하게 활용될 수 있을 것이며 향후 작물 재배를 위한 적정 관개계획 수립에도 유용하게 사용될 것이라 사료된다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.64-80
• /
• 2018

우리나라의 시민들은 범죄에 대한 일반적인 사항만을 알 수 있을 뿐, 자신이 범죄위험에 얼마나 노출되어 있는지를 파악하기 어렵다. 경찰의 입장에서도 범죄발생 지역을 예측할 수 있다면 경찰력이 부족한 상황에서 효율성 있게 범죄에 대처 가능할 것이지만 아직 우리나라에서는 예측시스템이 없고, 관련 연구도 매우 부족한 실정이다. 이에 본 연구에서는 범죄발생 위험지역 예측 자동화 시스템 개발의 첫 번째 단계로 빅데이터로 구축 가능한 범죄정보와 도시지역 자료를 바탕으로 머신러닝 방식을 통해 한국형 범죄발생 위험지역 예측 모형을 개발하고자 한다. 또한 시나리오를 가정하여 범죄발생 확률을 지도로 시각화함으로써 사용자의 이해도를 높이도록 하였다. 선행 연구 및 사례에서 범죄발생에 영향을 미치는 요인 중 빅데이터로 구축 가능한 범죄정보, 날씨정보(기온, 강수량, 풍속, 습도, 일조, 일사, 적설, 전운량), 지역정보(평균 건폐율, 평균 용적율, 평균 높이, 총 건축물수, 평균 공시지가, 평균 주거용도면적, 평균 지상층수)를 머신러닝에 활용할 수 있도록 데이터를 사전 처리하였다. 머신러닝 알고리즘으로서 지도학습 모형 중 다양한 분야에서 활용되며 정확도가 높다고 알려진 의사결정나무모형, 랜덤포레스트모형, Support Vector Machine(SVM)모형을 활용하여 범죄 예측 모형을 구축하고 비교 분석하였다. 그 결과 평균 제곱근 오차(Root Mean Square Error, RMSE)가 낮아 예측력이 높은 의사결정나무모형을 최적모형으로 선정하였다. 이를 바탕으로 가장 빈번하게 발생하는 절도와 폭력범죄를 대상으로 시나리오를 작성하여 범죄 발생 위험지역을 예측한 결과, 사례도시 J시는 위험지역이 3가지 패턴으로 발생하는 것으로 나타났으며, 각각 발생확률을 3 등급으로 구분하여 $250{\times}250m$ 단위의 지도형태로 시각화할 수 있었다. 본 연구는 향후 자동화 시스템으로 개발하여 시시각각으로 변하는 도시 상황에 따라 실시간으로 예측 결과를 시각화하여 제공함으로써 보다 범죄로부터 안전한 도시환경 조성에 기여하고자 한다.