• 한국수산과학회지
• /
• 제17권6호
• /
• pp.511-522
• /
• 1984

낙동강 하류 수계는 농수산업을 비롯하여 각 산업의 용수 뿐만아니라 400만 부산시민의 상수 급수원으로서도 대단히 중요하다. 본 수계의 효율적인 활용을 위하여 하구언을 축조하고 있다. 그래서 본 연구는 하구언 설치 이전과 이후의 수질 변화에 대한 기초재료를 얻기 위하여 1983년 8월부터 1984년 7월까지 계절마다 2회씩 모두 8회에 걸쳐 15개 지점에서 총 시료 120개를 취하여 분석하였다. 이들 시료에 대한 수온, pH, 염소 ion 및 염분도, 화학적 산소 요구량, 전기전도도, 영양염류, 위생지표세균, microflora에 대한 실험 결과를 요약하면 다음과 같다. 1. 수온의 연간변화는 $-1.5{\sim}29.0^{\circ}C$로 컸으며, 봄철의 수온은 $10{\sim}15^{\circ}C$로서 겨울철보다 약 $10^{\circ}C$ 상승하였고, 가을철의 수온은 전 지점에서 $20^{\circ}C$ 부근으로 매우 안정되었다. 여름철에는 기온의 상승에 따라 $21{\sim}29^{\circ}C$로 높았다. 2. pH의 연간변화는 $6.68{\sim}8.50$이었으며, 평상시의 pH는 상부수역에서 하구쪽으로 향할수록 점증하였으며, 하구수역에서는 8에 가까웠다. 그러나 강우량이 많았던 직후에는 오히려 상부수역이 높고 하구수역이 낮아지는 반대현상이었다. 3. 염소 ion 농도의 변화범위는 $7.4{\sim}l.020.5$ mg/l로 지점별 차가 심하였다. 또, 염분또는 $1.05{\sim}33.01\%$로 넓은 범위로 분포되었다. 상부에 녹산 수문이 있는 제3수로는 $25.76{\sim}31.58\%0$으로 육수나 하천수의 영향을 많이 받고 있는 제1, 2수로보다 높은염도를 나타내며 안정되어 있다. 4. 화학적 산소 요구량의 변화범위는 $1.45{\sim}14.94$ mg/l였으며, 상부, 중부수역과 각 수로의 기점은 5mg/l 이상이었고, 하구수역은 수산 2급 기준치인3 ppm을 모두 초과하였다. 5. 전기전도도의 변화범위는 $1.360{\times}10^2{\sim}5.650{\times}10^4{\mu}{\mho}/cm$였으며, 상부수역에서 보다 하구수역에서 월등히 높았으며 강우량이 많을시에는 전 수역에서 낮은 값으로 나타났다. 6. 영양염류의 년중 변화범위는 $NO_2-N\;:\;0.008{\sim}0.040$ mg/l, $NO_3-N\;:\;0.038{\sim}5.253$ mg/l, $NH_4-N\;:\;0.100{\sim}2.685$ mg/l, $PO_4-P\;:\;0.003{\sim}0.084$ mg/l, $SiO_2-Si\;:\;0.154{\sim}6.123$mg/l였으며, 각종 염류는 일반적으로 상부, 중부수역에서 높은 농도였으나, 강우량에 육수나 강수에 의해 운반되어 하구수역에서 농도가 높아진다. 특히 하구수역에서 질소, 인화합물이 20년전에 비하여 $2{\sim}3$배 증가되고 있어 이차적인 환역오염이 우려 된다. 7. 대장균군 최확수의 분포범위는 $7.3{\sim}460,000/100ml$였으며, 금곡에서 을숙도 구간인 중부수역에서의 기하평균치는 $3,476{\sim}34,700/100ml$으로 극심한 오염도를 나타내었다. 이 수질의 여파와 장림천 괴정천에서 유입되는 오수로 제1수로의 수질은 $1.100{\sim}460,000/100ml$로 제 2수로 보다 5배나 심하게 오염되어 있었다. 분편계대장균 최확수의 분포범위는 $3.6{\sim}460,000/100ml$였으며, 대장균군에서와 같은 양상이었다. 장구균 최확수는 $0{\sim}46,000/100ml$의 분포범위로 분편계대장균과 같은 양상이었다. 8. 대장균군으로 분리 동정된 총 452균주중에서 Escherchia coli group은 127 균주로 $28\%$, Citrobacter freundii group은 82 균주로 $18\%$, Enterobacter aerogenes group이 141균주, $31\%$로 제일 많았으며, 분류되지 않은것이 $22\%$ 정도였다. 9. 생균수의 연간 변화폭은 $<30{\sim}1.2{\times}10^5/ml$였으며, 각 수역별로 위생지표세균이 변화하였던 것과 같은 양상이었다. 10. 본 수계에서 분리 동정된 세균 총 659 균주중에서 Pseudomonas 속이 279 균주($42\%$)로서 제일 많았으며, Flavebacterium cytophaga 속이 131균주($20\%$), Moraxella속이 72균주($12\%$) 순이었으며, Bacillus 속이 $0.3\%$으로 제일 낮은 빈도를 나타내었다.

• 한국식품위생안전성학회지
• /
• 제26권4호
• /
• pp.417-423
• /
• 2011

김치제조업체 4곳의 배추와 소금에 대한 일반세균을 분석결과 $1.4{\times}10^5$, $6.4{\times}10^5$, $1.7{\times}10^7$, $3.6{\times}10^7$ CFU/g 와 $2.7{\times}10^3$ CFU/g로 검출 되었으며, 대장균군은 배추에서 $2.4{\times}10^4$ CFU/g검출되었고, E. coli은 검출되지 않았다. S. aureus은 배추에서 $9.9{\times}10^2$, $8.0{\times}10^1$, $3.0{\times}10^3$ CFU/g이 검출되었고, B. cereus도 배추에서$4.1{\times}10^3$, $1.0{\times}10^1$ CFU/g 이 검출 되었다. C. jejuni, V. paraheamolyticus는 배추에서 $2.4{\times}10^6$, $1.0{\times}10^4$ CFU/g로 검출되었고, Y. enterocolitica는 소금에서 $1.0{\times}10^3$ CFU/g 으로 검출되었으며, L. monocytogenes는 배추에서 $1.5{\times}10^1$, $1.1{\times}10^2$, $4.5{\times}10^1$ CFU/g 로 검출되었다. 제조공정별 일반생균수는 절임용 소금물의 경우 $1.4{\times}10^1{\sim}4.4{\times}10^5$ CFU/g이 검출되었고, 탈수 절임배추는 $1.5{\times}10^4{\sim}1.2{\times}10^8$ CFU/g이 검출되었으며, 세절 절임배추의 경우 $9.4{\times}10^4{\sim}1.3{\times}10^8$ CFU/g이 검출되었다. E. coli은 업체에 따라 시료에 대해 검출되는 양상이 달랐다. S. aureus와 B. cereus은 일부 업체의 절임용 소금물과 탈수 절임배추에서 양성으로 검출되었다. V parahaemolyticus는 절임 소금물에서 검출되었다. Y. enterocolitica는 절임용 소금물 $9.5{\times}10^2{\sim}1.8{\times}10^3$ CFU/g, 탈수 절임배추 $1.7{\times}10^1{\sim}2.7{\times}10^2$ CFU/g, 세절 절임배추 $1.2{\times}10^2{\sim}1.3{\times}10^8$ CFU/g이 검출되었다. L. monocytogenes는 절임용 소금물 $8.0{\times}10^2{\sim}1.7{\times}10^4$, 탈수 절임배추 $2.8{\times}10^2{\sim}1.2{\times}10^4$ CFU/g, 세절 절임배추는 검출되지 않았다. 절임공정 조건으로 염수농도 8%, 10%, 12%, 15%와 배 추를 5~20hr 동안 절인배추의 위해 미생물을 측정한 결과는 E. coli은 $3.5{\times}10^5{\sim}1.7{\times}10^6$, $3.4{\times}10^5{\sim}2.5{\times}10^6$, $5.4{\times}10^5{\sim}2.3{\times}10^6$, $4.0{\times}10^5{\sim}2.3{\times}10^6$ CFU/g로 검출되었고, S. aureus은 $1.9{\times}10^4{\sim}4.1{\times}10^4$, $4.1{\times}10^3{\sim}2.8{\times}10^4$, $1.5{\times}10^3{\sim}7.8{\times}10^3$, $2.2{\times}10^4{\sim}6.6{\times}10^4$ CFU/g으로 검출되었다. S. typhimurium은 염수의 5 hr 절인 배추에서만 $2.5{\times}10^5{\sim}3.8{\times}10^6$ CFU/g이 검출되어 10%염수에 15 hr 절인배추가 미생 물 오염 변화가 가장 적었다. 10%염수에 15 hr 절인배추를 세척방법을 달리한 물 2, 3회 세척, 염소 3회 세척, acetic acid 3회 세척 시 E. coli은 물 3회 세척, 염소 3회 세척, 물 2회 세척 순으로 검출 되었으며 acetic acid 3회 세척에서 는 검출되지 않았다. S. aureus은 물 2회 세척에서 $3.0{\times}10^5$, 물 3회 세척과 염소 3회 세척은 $3.6{\times}10^5$ CFU/g으로 검출 되었고, acetic acid 3회 세척은 $5.6{\times}10^3$, $5.6{\times}10^3$ CFU/g로 물보다는 염소와 acetic acid에서 비교적 작게 검출되었다. S. typhimurium은 acetic acid 3회 세척에서 $3.0{\times}10^1$ CFU/g 로 가장 낮게 검출되었다.

• 인터넷정보학회논문지
• /
• 제14권5호
• /
• pp.69-76
• /
• 2013

세계적으로 전파력과 병원성이 높은 신종인플루엔자, 조류독감 등과 같은 전염병이 증가하고 있다. 전염병이란 특정 병원체(pathogen)로 인하여 발생하는 질병으로 감염된 사람으로부터 감수성이 있는 숙주(사람)에게 감염되는 질환을 의미한다. 전염병의 병원체는 세균, 스피로헤타, 리케차, 바이러스, 진균, 기생충 등이 있으며, 호흡기계 질환, 위장관 질환, 간질환, 급성 열성 질환 등을 일으킨다. 전파 방법은 식품이나 식수, 곤충 매개, 호흡에 의한 병원체의 흡입, 다른 사람과의 접촉 등 다양한 경로를 통해 발생한다. 전 세계의 대부분 국가들은 전염병의 전파를 예측하고 대비하기 위해서 수학적 모델을 사용하고 있다. 하지만 과거와 달리 현대 사회는 지상과 지하 교통수단의 발달로 전염병의 전파 속도가 매우 복잡하고 빨라졌기 때문에 우리는 이를 예방하기 위한 대책 마련의 시간이 부족하다. 그러므로 전염병의 확산을 막기 위해서는 전염병의 전파 경로를 예측할 수 있는 시스템이 필요하다. 우리는 이러한 문제를 해결하기 위해서 전염병의 실시간 감시 및 관리를 위한 전염병의 감염 경로 추적 및 예측이 가능한 통합정보 시스템을 구현하였다. 이 논문에서는 전염병의 전파경로 예측에 관한 부분을 다루며, 이 시스템은 기존의 수학적 모델인 Susceptible - Infectious - Recovered (SIR) 모델을 기반으로 하였다. 이 모델의 특징은 교통수단인 버스, 기차, 승용차, 비행기를 포함시킴으로써, 도시내 뿐만 아니라 도시간의 교통수단을 이용한 이동으로 사람간의 접촉을 표현할 수 있다. 그리고 한국의 지리적 특성에 맞도록 실제 자료를 수정하였기 때문에 한국의 현실을 잘 반영할 수 있다. 또한 백신은 시간에 따라서 투여 지역과 양을 조절할 수 있기 때문에 사용자가 시뮬레이션을 통해서 어느 시점에서 어느 지역에 우선적으로 투여할지 백신을 컨트롤할 수 있다. 시뮬레이션은 몇가지 가정과 시나리오를 기반으로 한다. 그리고 통계청의 자료를 이용해서 인구 이동이 많은 주요 5개 도시인 서울, 인천국제공항, 강릉, 평창, 원주를 선정했다. 상기 도시들은 네트워크로 연결되어있으며 4가지의 교통수단들만 이용하여 전파된다고 가정하였다. 교통량은 국가통계포털에서 일일 교통량 자료를 입수하였으며, 각도시의 인구수는 통계청에서 통계자료를 입수하였다. 그리고 질병관리본부에서는 신종인플루엔자 A의 자료를 입수하였으며, 항공포털시스템에서는 항공 통계자료를 입수하였다. 이처럼 일일 교통량, 인구 통계, 신종인플루엔자 A 그리고 항공 통계자료는 한국의 지리적 특성에 맞도록 수정하여 현실에 가까운 가정과 시나리오를 바탕으로 하였다. 시뮬레이션은 신종인플루엔자 A가 인천공항에 발생하였을 때, 백신이 투여되지 않은 경우, 서울과 평창에 각각 백신이 투여된 경우의 3가지 시나리오에 대해서, 감염자가 피크인 날짜와 I (infectious)의 비율을 비교하였다. 그 결과 백신이 투여되지 않은 경우, 감염자가 피크인 날짜는 교통량이 가장 많은 서울에서 37일로 가장 빠르고, 교통량이 가장 적은 평창에서 43일로 가장 느렸다. I의 비율은 서울에서 가장 높았고, 평창에서 가장 낮았다. 서울에 백신이 투여된 경우, 감염자가 피크인 날짜는 서울이 37일로 가장 빨랐으며, 평창은 43일로 가장 느렸다. 그리고 I의 비율은 강릉에서 가장 높으며, 평창에서 가장 낮았다. 평창에 백신을 투여한 경우, 감염자가 피크인 날짜는 37일로 서울이 가장 빠르고 평창은 43일로 가장 느렸다. I의 비율은 강릉에서 가장 높았고, 평창에서는 가장 낮았다. 이 결과로부터 신종인플루엔자 A가 발생하면 각 도시는 교통량에 의해 영향을 받아 확산된다는 것을 확인할 수 있다. 따라서 전염병 발생시 전파 경로는 각 도시의 교통량에 따라서 달라지므로, 교통량의 분석을 통해서 전염병의 전파 경로를 추적하고 예측함으로써 전염병에 대한 대책이 가능할 것이다.