• 한국산림과학회지
• /
• 제101권1호
• /
• pp.163-174
• /
• 2012

산불피해강도지수(CBI, Composite Burn Index)는 미국 산림청(USDA Forest Service)에서 위성영상을 이용하여 산불 피해강도 측정을 위해 개발한 산불피해 현장 조사 지수이다. 국내의 경우 별도의 산불피해 지수가 없어, 미국 CBI를 산불 피해지 조사에 준용하여 왔으나, CBI는 국내 여건에 맞지 않다는 지적이 제기되어 산불피해강도지수(KCBI, Korean Composite Burn Index)를 개발하게 되었다. 따라서 본 연구는 미국 CBI에 기초하여 한국형 산불피해강도지수(KCBI, Korean Composite Burn Index)의 개발과 검증에 목표를 두고 수행되었다. KCBI는 CBI에 기초하여 국내 현장적용 후 문제점을 파악 후 정교화 하였으며, 위성영상 결과와의 적합성 검토를 위하여 2011년도 산불 피해지중 상대적으로 피해 규모가 큰 울진과 영덕 산불피해지를 연구 대상지로 선정 후 각 44개 지점에서 산불피해 강도를 평가하였다. 산불피해강도(BS, Burn Severity)는 산불발생 후 1개월 후에 촬영된 SPOT 영상을 이용하여 NDVI(Normalized Difference Vegetation Index) 값으로 계산하였으며, 상관분석과 오류메트릭스(Confusion Matrix)를 이용하여 유효성을 검증하였다. 분석 결과 울진피해지는 (r = -0.544, P<0.01), 영덕피해지 (r = -0.616, P<0.01)로 나타났다. 부의 상관관계를 나타난 이유는 NDVI의 DN 값은 낮을 수 록 높은 피해강도를로 나타내며, 높을수록 낮은 피해강도를 나타내기 때문이다. 본 결과로 제시된 KCBI는 국내 산불 피해 현장에서 적용 가능한 것으로 판단되었다. 하지만 등급분류 방법과 기대치 보다 낮은 상관도 등의 문제점도 나타났다. 또한 오류메트릭스 분석결과 KCBI가 일부 높은 산불 강도 등급에 치우쳐 분포하는 현상 등이 나타났다. 제기된 문제점들을 바탕으로 향후 KCBI를 더 많은 한국 산불피해지에 적용함으로써, 추후 연구를 진행해야 할 것이다.

• 한국작물학회지
• /
• 제67권2호
• /
• pp.95-110
• /
• 2022

본 연구는 기후변화에 따른 전국 맥종별(겉보리, 쌀보리 등) 생육 및 수확량, 보급종자 지역 등을 2019년과 2020년에 조사하여 재배한계지를 알아보고자 수행하였다. 2019년과 2020년에 쌀보리 및 겉보리 보급 종자는 우리나라 전역에서 보급되는 것으로 조사되었다. 맥류 재배시 품종과 보급종자 사용율은 맥종 및 지역별로 다르게 나타났다. 즉 2020년과 2021년에 지역별로 겉보리 보급종자는 0~100% 사용되었다. 2019년과 2020년 전국 쌀보리 평균 파종일은 10월 17일~11월 9일이었고, 겉보리 경우 10월 26일~11월 13일이었고, 맥주보리 10월 19일~11월 5일이었고, 쌀귀리는 10월 3일~11월 1일이었다. 즉 맥류 파종일은 연도 및 지역별 차이를 보였다. 즉 쌀보리의 경우 전남에서는 12월 12일까지도 파종한 농가가 있었다. 전국 맥종별 재배지역의 10a당 수량은 주산지와 재배한계지간에 차이를 보였다. 일부 재배한계지인 강원도 재배지역에서는 수확이 불가능하였다. 기후변화 시나리오에 의해 1월 최저온도에 의해 -10℃ 이하로 겉보리, -8℃ 이하로 쌀보리, -4℃이하로 맥주귀리와 쌀귀리 맥류 안전지대로 본 경우 한국의 최근 20년(2002-2021) 1월 최저평균 온도에 의하면 이들 온도지역에서 맥류가 재배가 가능한 것으로 나타났다. 또한 지역별로 맥류 보급 종자로 볼 때 우리나라 전역에 맥류 재배가 가능할 것으로 판단되나 실제로 맥류 생육과 수확량에 관한 실태 조사의 경우에서 일부 강원 지역 등에서는 작황불량으로 수확이 불가능한 지역도 있었다. 따라서 기후변화에 따른 맥종별 재배한계지 설정은 재배지의 생육 및 수량 등의 영향평가 등에 의해 재추정 되어야 할 것으로 판단된다.

• 한국지구과학회지
• /
• 제43권3호
• /
• pp.367-385
• /
• 2022

본 연구는 영국기상청에서 개발된 지역기후모델 Hadley Centre Global Environmental Model version 3 regional climate model (HadGEM3-RA)로부터 모의된 동아시아 지역의 기온과 강수 결과를 평가하였다. HadGEM3-RA는 Coordinated Regional climate Downscaling Experiment-East Asia (CORDEX-EA) Phase II 영역에서 15년 (2000-2014년) 모의되었다. 동아시아 여름 몬순에 의한 HadGEM3-RA 강수대 분포는 Asian Precipitation Highly Resolved Observational Data Integration Towards Evaluation of water resources (APHRODITE) 자료와 잘 일치한다. 그러나, 동남아시아 강수는 과대 모의하며 남한에서는 과소 모의한다. 특히 모의된 여름철 강수량과 APHRODITE 강수량은 남한지역에서 가장 낮은 상관 계수와 가장 큰 오차크기(RMSE)를 보인다. 동아시아 기온 예측은 과소 모의하며 겨울철 오차가 가장 크다. 남한 기온 예측은 봄 동안 가장 큰 과소 모의 오차를 나타냈다. 국지적 예측성을 평가하기 위하여 서울기상관측소 ASOS 자료와 비교한 기온과 강수의 시계열은 여름철 강수와 겨울철 기온이 과소 모의하는 공간 평균된 검증 결과와 유사하였다. 특히 여름철 강수량 증가시 과소 모의 오차가 증가하였다. 겨울철 기온은 저온에서는 과소 모의하나 고온은 과대 모의하는 경향이 나타났다. 극한기후지수 비교 결과는 폭염은 과대 모의하여, 집중호우는 과소 모의하는 오차가 나타났다. 수평해상도25km로 모의된 HadGEM3-RA는 중규모 대류계와 지형성 강수 예측에서 한계를 보였다. 본 연구는 지역기후모델 예측성 개선을 위한 초기 자료 개선, 해상도 향상, 물리 과정의 개선이 필요함을 지시한다.

• 한국조경학회지
• /
• 제51권2호
• /
• pp.28-41
• /
• 2023

본 연구의 목적은 대전광역시를 사례로 도시환경 개선을 위한 도시 바람길숲 조성 계획기법을 개발하고자 하였다. 미세먼지 및 폭염 공간분석을 통해 상대적으로 심각한 집중지역의 유역권을 공간단위로 도출하였고, 해당 유역권 내 찬공기 유동 잠재성이 있는 지역을 바람길숲 조성 대상권역으로 선정하였다. 미세먼지 극심지역은 대덕구 대전산업단지 재생사업지구, 유성구 대덕테크노밸리 일대가 해당되었다. 폭염 발생 우심지역은 대덕산업단지(목상동), 대전산업단지 재생사업지구(대화동), 오정동 밀집주거지(오정동) 일대가 해당되었다. 대전 지점 자동기상관측장비(AWS) 측정 결과 낮과 밤의 평균 풍속은 0.1-1.7m/s, 밤 시간 바람 유동이 낮보다 저조하였고, 밤에 외곽 산림에서 생성되는 찬공기의 이동을 원활하게 유도하는 바람길숲 계획이 필요하였다. 대전광역시 미세먼지·폭염 집중관리 권역은 대전천 권역, 유등천 권역, 갑천-유등천 권역, 갑천 권역으로 총 4개 권역이었다. 바람길숲 조성계획 사례는 4개 권역 중 대전광역시 구도심이며, 바람길 조성 효과가 높을 것으로 추정되는 갑천-유등천 권역을 대상으로 제시하였다. 갑천-유등천 권역은 계족산 서사면 산림, 우성이산 남사면 산림에서 생성된 찬공기를 갑천, 유등천과 가로숲을 통해 연결하여 도심으로 찬공기 확산될 수 있도록 바람길숲을 계획하였다. 바람길숲 대상 권역 선정 후 해당 권역 내 기후톱지도, 바람형성기능 평가도 작성, 바람장미(밤) 현황 파악, 미세먼지 발생현황, 지표면 온도 분포현황을 상세하게 파악하였다. 이를 통해 바람길숲 계획 구상 및 유형별 세부 대상지를 파악하였다. 그리고 바람길숲 유형별 조성방향 설정과 조성방향에 따른 세부 실행계획을 수립하였다.

• Journal of Preventive Medicine and Public Health
• /
• 제24권3호
• /
• pp.363-372
• /
• 1991

백혈구수와 고혈압과의 관계를 알아보기 위해 1985년에 일부 농촌 거주자와 1986년에 일부 도시 거주자를 대상으로 혈액학적인 검사와 장기별로 기능검사를 통해서 건강선별조사를 했던 자료를 이용했다. 농촌거주자는 1985년에 경상북도 경산군에서 남자 206명, 여자 203명을 마을, 통, 반을 기준으로 다단계 집락추출법으로 추출했다. 도시 거주 대상자는 1985년 12월에 대구시에 거주하고 있는 20세 이상의 주민의 성별, 연령별 구성비율에 부합되게 농촌과 같은 표본추출방법으로 600명을 선정했으나 600명중 384명만이 본 조사에 응해주어서 나머지 인원은 피보험대상자들의 정기 신체검사를 위해 대학병원 건강관리과에 내원한 사람들 중에서 성, 연령을 짝지어서 추출했다. 이들 자료에서 백혈구수 측정이 빠진 사람, 고혈압력을 포함한 질병 유소견자와 검사상 극도의 비정상적인 수치를 보이는 자들을 농촌 거주자에서 36명 (8.8%), 도시 거주자에서 29명 (4.8%)을 제외시켜서 최종분석에 이용된 자는 도시가 571명, 농촌이 373명이었다. 백혈구수 측정은 ELT-8 Laser shadow method 를 이용했으며 단위는 $cells/mm^3$ 였다. 혈압 측정은 Aneroid 혈압계를 사용해서 표준화한 후 측정했다. 고혈압자의 정의는 수축기혈압 140 mmHg/확장기혈압이 90 mmHg 이상인 자로 했다. 농촌과 도시를 합한 총대상자에대해 고혈압자와 정상 혈압자간의 백혈구수의 평균을 비교하면 정상 혈압자에서 $6490.61{\pm}1941.32$, 고혈압에서 $6965.93{\pm}1997.01$로서 고혈압자에서 백혈구수의 평균이 통계적으로 유의하게 더 높았으며 (P=0.00), 농촌에서 동일한 방향의 유의한 차이를 보였다 (P=0.03). 그 외의 거주지와 성별로 층화한 각 층에서는 유의한 평균차이를 보이는 결과는 없었다. 총대상자에서 백혈구수 1/5분위수를 기준으로 했을 때 2/5분위수의 비차비가 0.99 (95% confidence interval, CI 0.62-1.59), 3/5분위수가 1.41 (95% CI 0.90-2.21), 4/5분위수가 1.76(95% CI 1.14-2.72), 5/5분위수가 1.80 (95% CI 1.15-2.82)로서 백혈구수가 증가 함에따라 고혈압의 유병율이 일정하게 상승하는 것을 알 수 있었으며 경향분석에서도 유의한 경향($X^2_{trend}=5.53,\;df=1,\;P<0.05$)을 나타내었다. 나머지 층에서는 유의한 비차비도 없었으며 유의한 경향 역시 보이지 않았다. 그러나 거주지와 성별로 층화한 각 층에서 연령, 흡연과 음주량을 다중지수회귀분석으로 통제를 했을 때 단일분석시 통계적인 유의성을 보였던 전체 대상자의 비차비는 통계적으로 유의하지 않게 되었고 그 크기 역시 작아지고 불안정해졌다. 전체적으로 비차비의 크기가 조금씩 줄었으며 경향분석에서도 유의한 경향을 보인 층은 없었다. 이러한 사실은 백혈구수와 고혈압과의 가설을 처음으로 제시했던 Friedman등의 연구가 고혈압의 예측변수를 찾기위해 800여개의 변수와 고혈압발생과의 관계를 보는 과정에서 우연히 발견된 통계적인 1종오차의 결과 일지도 모른다는 것을 시사해주는 결과이다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.