PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

PURPOSES : This study defines private and public service providers connected to a public data hub in a smart city and examines the information that should be exchanged between them. The information exchange scheme covers data exchange at a minimum level. METHODS : First, we reviewed the entities participating in the emergency charging service and designed the scope of information linkages between the entities. Second, we diagnosed the main information linkages according to a service flowchart. Third, we reviewed the basic information requirements linked to actors participating in the service. Finally, we derived and presented information linked to the subjects. RESULTS : In addition to the basic requirements, the number of data-exchange information sets specified was four, which was the scope of the aforementioned study. We defined and analyzed an efficient information exchange system between various actors involved in emergency charging services. Data were defined based on interactions between service users, operators, providers, and data hubs. Each set had a different scope and purpose. CONCLUSIONS : Information collected and provided by emergency charging service providers in connection with a data hub that manages urban energy was proposed.

PURPOSES : We propose a framework to evaluate the reliability of integrating homogeneous or heterogeneous mobility data to produce the various data required for greenhouse gas emission estimation. METHODS : The mobility data used in the framework were collected at a fixed time from a specific point and were based on raster data. In general, the traffic volume for all traffic measurement points over 24 h can be considered raster data. In the future, the proposed framework can be applied to specific road points or road sections, depending on the presence or absence of raster data. RESULTS : The activity data required to calculate greenhouse gas emissions were derived from the mobility data analysis. With recent developments in information, communication, and artificial intelligence technologies, mobility data collected from different sources with the same collection purpose can be integrated to increase the reliability and accuracy of previously unknown or inaccurate information. CONCLUSIONS : This study will help assess the reliability of mobility data fusion as it is collected on the road, and will ultimately lead to more accurate estimates of greenhouse gas emissions.

Elon·Musk is a business man who attracts the world’s most attention, not only because of its unusual business mind, advanced challenging consciousness and legendary entrepreneurial experience which made him the world's richest man, but also because he is good at using the trend of social network society (SNS) platform to achieve social interaction. This study uses python 3.11 software to capture and filter Musk's Weibo articles on August 18th, 2023, and makes logical analysis based on the chronological related events, so as to extract Musk’s cognitive characteristics of Chinese social media. This paper finds that Chinese social media builds Musk's image cognition through reporting and judging his career development and hot issues, the cognition varies with the dynamic changes of character events; Chinese social media focuses on fields of Tesla intelligent driving, spaceship and brain neural technology, as well as social media; Weibo articles’ cognitive characteristics of Musk's image are extreme, where the extremely positive proportion accounts for more than 60%, and the extremely negative proportion accounts for more than 10%.

목적: 본 연구는 국내 초고령자를 대상으로 삶의 만족도 및 우울과 라이프스타일신( 체활동, 식습관, 참여빈도, 참여다양성) 간의 상관관계를 확인하고, 삶의 만족도와 우울에 영향을 미치는 라이프스타일 요인을 분석 및 확인하고자 하였다. 연구방법: 본 연구의 독립변수는 라이프스타일 요인으로 신체활동, 규칙적 식습관, 참여빈도, 참여다양성이었으 며, 종속변인은 삶의 만족도와 우울이었다. 분석을 위해 SPSS를 이용해 상관관계분석 및 다중회귀분석을 실시하였다. 결과: 다중회귀분석을 통해 삶의 만족도에 영향을 미치는 요인으로는 참여빈도(t = 6.262, p < 0.001)와 규칙적 식습관(t = 4.627, p < 0.001)이 통계적 유의성을 가지는 것으로 확인되었으며, 우울에 영향을 미치는 요인으로는 참여빈도(t = 6.540, p < 0.001)와 규칙적 식습관(t = 4.061, p < 0.001)이 통계적 유의성을 가지는 것으로 확인되었다. 결론: 본 연구를 통하여 국내 초고령자의 삶의 만족도와 우울에 영향을 주는 라이프스타일 요인을 확인하였다. 따라서 본 연구 결과를 토대로 초고령자의 삶의 만족도와 우울 개선을 위해서는 라이프스타일을 기반으로 하는 다면적 중재 프로그램이 필요하다.

본 연구에서는 국내 아스팔트 도로 현장에서 발생한 동절기 도로융기 현상의 발생 원인을 현장 규명하고 동결융해 피해를 보수하고 자 현장조사, 현장 LFWD실험 및 포장 코어채취, 지하수위 측정, 기상데이터 및 설계자료 분석 등을 실시하였다. 본 연구의 동상 원인 분석은 추후 동결융해 피해 재발방지를 위한 적정한 보수보강공법을 선정하기 위해 수행하였다. 분석과정은 지하수위 상승에 의한 동 상피해 가능성, 동결깊이 과소설계에 의한 동결융해 가능성, 포장면 표면수 유입에 의한 동결융해 가능성, 도로 외측 비포장면을 통한 수분유입과 이에 의한 동결융해 가능성으로 조사하여 동상 원인을 파악하였다. 또한 현장에서 소형충격 재하시험 LFWD(Falling Weight Deflctometer)시험을 하여 포장의 구조적 지지력을 측정하여 얻은 처짐값을 통해 포장체 구조적 능력을 분석함과 동시에 도로융기와의 연관성을 파악하여 균열분석 결과를 함께 분석하고 보수방법을 제안하였다.

자율주행차 상용화 시대를 가속화하기 위해 실제 도로에서 다양한 실증 프로젝트를 수행중이다. 그러나, 자율주행차와 비자율주행차 가 혼재된 혼합교통류 환경에서 발생할 수 있는 다양한 문제의 원인을 파악하고 선제적인 안전대책을 강구하는 노력은 미비한 실정이 다. 특히, 기존 비자율주행차 측면의 주행안전성을 고려하여 설계된 도로 시설 특성으로 인해 자율주행차의 주행안전성이 저하될 수 있다. 또한 기존 비자율주행차의 주행안전성을 저해함과 동시에 자율주행차의 주행안전성도 저해하는 도로 시설 특성이 존재할 가능 성이 있다. 본 연구에서는 상암 자율주행차 시범운행지구에서 수집된 automated vehicle data (AVD)를 활용하여 자율주행차와 비자율주 행차의 주행안전성을 평가하고 도로 시설 특성 측면의 영향요인을 도출하였다. 주행모드별 주행안전성 평가를 위해 autonomous emergency braking system (AEBS) 위험 이벤트 기반의 driving risk index (DRI)를 개발하였다. 구간별 DRI가 발생하지 않은 구간을 very good으로 정의하고 발생한 구간을 25 percentile로 구분하여 good, moderate, poor, very poor 등급으로 정의하여 총 5개의 등급으로 구분 하였다. 또한, 현장조사을 수행함으로써 구간별 포함되어 있는 도로 시설 특성을 수집하였다. 주행모드별 주행안전성에 영향을 미치는 도로 시설 특성을 도출하기 위해 이항로지스틱 회귀분석을 수행하였다. 종속 변수의 경우 DRI 기반 안전등급 중 poor 이상 등급을 1, 그 외의 등급을 0으로 정의하였으며, 독립변수의 경우 현장조사를 통해 수집된 교차로 유형, 차로 수, 차로 폭, 추가차로 유무, 차량 진행방향, 불법주정차 유무, 버스정류장 유무, 자전거 차로 유무에 대해 명목형 변수로 설정하였다. 도출된 주행모드별 주행안전성 영 향 요인을 검토하고 향후 자율주행차 시대에 대비하여 선제적으로 개선이 요구되는 도로 시설 특성을 도출하고 도로 운영성 및 효율 성, 안전성 측면의 개선 방향을 제시하였다.

교통사고는 인적요인, 도로 기하구조, 교통류, 환경적 요인 등 복합적인 요인에 의해 발생하고 속도는 교통사고와 밀접한 연관성이 있다. 또한, 교통사고는 교통 혼잡도와 관련이 있으며 사고와 실시간 교통상황 간의 상관관계를 통해 사고 발생 개연성을 추정하고 도 로 안전성 분석이 필요하다. 모바일 센서와 통신 기술의 급속한 발전으로 스마트폰 보급률이 증가하였으며 내장된 센서를 기반으로 생성된 차량 주행 데이터 수집이 가능하다. 기술의 발달로 데이터 수집이 쉬워졌음에도 불구하고, 스마트폰을 기반으로 수집된 위험 운전 이벤트를 활용한 도로 위험도 평가에 대한 연구는 부족한 실정이다. 본 연구는 스마트폰 센서 기반의 위험 운전 이벤트 데이터 중 하나인 급감속 위험 운전 이벤트 데이터를 도로 위험도 평가 기법에 활용하는 것을 목적으로 한다. 급감속 위험 운전 이벤트 데이 터는 주행 차량이 3초간 속도를 40km/h 이상 감소하는 위험 이벤트가 발생할 때 시간과 위치를 기록한 자료를 의미한다. 본 연구의 범위는 대한민국 내 인구와 교통량이 많은 지역인 수도권을 대상으로 서울, 경기, 인천을 연결하는 고리 형태의 도로인 수도권제1순환 선을 대상으로 하였다. 먼저, 개별 차량 데이터는 좌표 기반의 내비게이션 데이터로 집계하여 VDS 링크 데이터와 매칭하였다. 다음으 로는 개별 차량의 위험 운전 이벤트 데이터와 차량 검지기의 교통 매개변수를 결합한 새로운 지표를 개발하였다. 또한, 시·공간적 교 통류의 특성을 반영하여 다양한 도로 위험도 평가 방법에 활용하고자 하였다. 마지막으로 위험 운전 지표와 이력 자료를 기반으로 통 계적으로 유의한 안전성능함수를 개발하였으며, 다양한 시간 단위의 집계 수준을 활용하여 도로 구간별 최적의 모형을 제안하였다. 본 연구는 스마트폰 센서를 기반으로 식별한 개별 차량의 위험과 교통류 차원의 위험을 결합하여 새로운 위험 지표를 개발하고 도로 위 험도 평가에 활용한다는 것에 의의가 있다. 결과물은 향후 스마트폰 센서 기반 개별 차량 위험 운전 이벤트 데이터와 교통 조건을 통 합하는 도로 위험도 평가의 기초자료로써 활용될 것으로 기대된다.

This study utilizes social big data to investigate the factors influencing the awareness, attitude, and behavior toward vegan fashion consumption among global and Korean consumers. Social media posts containing the keyword “vegan fashion” were gathered, and meaningful discourse patterns were identified using semantic network analysis and sentiment analysis. The study revealed that diverse factors guide the purchase of vegan fashion products within global consumer groups, while among Korean consumers, the predominant discourse involved the concepts of veganism and ethics, indicating a heightened awareness of vegan fashion. The research then delved into the factors underpinning awareness (comprehension of animal exploitation, environmental concerns, and alternative materials), attitudes (both positive and negative), and behaviors (exploration, rejection, advocacy, purchase decisions, recommendations, utilization, and disposal). Global consumers placed great significance on product-related information, whereas Korean consumers prioritized ethical integrity and reasonable pricing. In addition, environmental issues stemming from synthetic fibers emerged as a significant factor influencing the awareness, attitude, and behavior regarding vegan fashion consumption. Further, this study confirmed the potential presence of cultural disparities influencing overall awareness, attitude, and behavior concerning the acceptance of vegan fashion, and offers insights into vegan fashion marketing strategies tailored to specific cultures, aiming to provide vegan fashion companies and brands with a deeper understanding of their consumer base.

빠르게 발전하는 이미지 인식 기술에도 불구하고 표 형식의 문서와 수기로 작성된 문서를 완벽하게 디지털화하기에는 아직 어려움이 따른다. 본 연구는 표 형식의 수기 문서인 선박 항해일지를 작성하는 데에 사용되는 규칙을 이용하여 보정 작업을 수행함으로 써 OCR 결과물의 정확도를 향상시키고자 한다. 이를 통해 OCR 프로그램을 통하여 추출된 항해일지 데이터의 정확성과 신뢰성을 높일 것 으로 기대된다. 본 연구는 목포해양대학교 실습선 새누리호의 2023년에 항해한 57일간의 항해일지 데이터를 대상으로 OCR 프로그램 인 식 후 발생한 오류를 보정하여 그 정확도를 개선하고자 하였다. 이 모델은 항해일지 기재 시 고려되는 몇 가지 규칙을 활용하여 오류를 식별한 후, 식별된 오류를 보정하는 방식으로 구성하였다. 모델을 활용하여 오류를 보정 후, 그 효과를 평가하고자 보정 전과 후의 데이터 를 항차별로 구분한 후, 같은 항차의 같은 변수끼리 비교하였다. 본 모델을 활용하여 실제 셀 오류율은 약 11.8% 중 약 10.6%의 오류를 식 별하였고, 123개의 오류 중 56개를 개선하였다. 본 연구는 항해일지 중 항해정보를 기입하는 Dist.Run부터 Stand Course까지의 정보만을 대 상으로 수행하였다는 한계점이 있으므로, 추후 항해정보 뿐만 아니라 기상정보 등 항해일지의 더 많은 정보를 보정하기 위한 연구를 진 행할 예정이다.

The Spectro-Photometer for the History of the Universe, Epoch of Reionization and Ices Explorer (SPHEREx) will provide all-sky spectral survey data covering optical to mid-infrared wavelengths with a spatial resolution of 6.′′2, which can be widely used to study galaxy formation and evolution. We investigate the galaxy-galaxy blending in SPHEREx datasets using the mock galaxy catalogs generated from cosmological simulations and observational data. Only ∼0.7% of the galaxies will be blended with other galaxies in all-sky survey data with a limiting magnitude of 19 AB mag. However, the fraction of blended galaxies dramatically increases to ∼7–9% in the deep survey area around the ecliptic poles, where the depth reaches ∼22 AB mag. We examine the impact of the blending in the number count and luminosity function analyses using the SPHEREx data. We find that the number count can be overestimated by up to 10–20% in the deep regions due to the flux boosting, suggesting that the impact of galaxy-galaxy blending on the number count is moderate. However, galaxy-galaxy blending can marginally change the luminosity function by up to 50% over a wide range of redshifts. As we only employ the magnitude limit at Ks-band for the source detection, the blending fractions determined in this study should be regarded as lower limits.

본 연구에서는 빅데이터를 통해 교사의 융합교육역량에 대한 사회적 인식을 살펴봄으로써 교사의 융합 교육역량 증진 방안 마련을 위한 기초자료를 제공하는데 목적이 있었다. 본 연구목적을 달성하기 위해 Textom에서 제공하는 빅데이터를 활용하여 􍾧교사 + 융합교육 + 역량􍾨을 키워드로 rawDATA를 수집하였 다. 수집된 데이터는 1차􌝆2차 정제과정을 마친 데이터들 중 빈도분석 결과를 바탕으로 200개 핵심 키워드 를 선정하였으며, 이를 1-모드 매트릭스 데이터 셋으로 변환하여 키워드 네트워크 분석을 실시하였다. 연 구결과는 다음과 같다: 첫째, 빈도분석에서는 교육, 인공지능, 강화, 연수, 수업이 가장 빈번하게 출현하는 것으로 나타났다. 둘째, 전체 네트워크 분석에서는 교육, 학생, 연수, 강화, 대상이 모든 중심성에서 높게 나타났다. 셋째, 에고 네트워크 분석에서는 교사, 융합교육, 역량을 중심으로 다양하게 논의되고 있음을 확 인할 수 있었다. 이러한 결과를 바탕으로 교사의 융합교육역량과 관련된 후속연구 및 증진방안에 대해 제 언하였다.

Laurencia is a red algal genus that was described by J.V. Lamouroux in 1813. The main characteristics of this genus have been known as the presence of four pericentral cells in an axial segment, secondary pit connections between adjacent epidermal cells, and the presence of corps en cerise in both epidermal and trichoblast cells. Additionally, the tetrasporangia are arranged in a parallel manner, and male branches feature terminal cup-shaped spermatangial pits. Currently, sixteen Korean Laurencia species have been reported based on their morphological characteristics. In this study, Laurencia decussata and L. pacifica have been added as new records to the Korean algal flora based on a combination of morphological observations and molecular analyses of rbcL sequences. Laurencia decussata has expanded from Australia and New Zealand to Korea, while the distribution of L. pacifica has expanded from USA and Mexico to Korea.

Truck no-show behavior has posed significant disruptions to the planning and execution of port operations. By delving into the key factors that contribute to truck appointment no-shows and proactively predicting such behavior, it becomes possible to make preemptive adjustments to port operation plans, thereby enhancing overall operational efficiency. Considering the data imbalance and the impact of accuracy for each decision tree on the performance of the random forest model, a model based on the Borderline Synthetic Minority Over-Sampling Technique and Weighted Random Forest (BSMOTE-WRF) is proposed to predict truck appointment no-shows and explore the relationship between truck appointment no-shows and factors such as weather conditions, appointment time slot, the number of truck appointments, and traffic conditions. In order to illustrate the effectiveness of the proposed model, the experiments were conducted with the available dataset from the Tianjin Port Second Container Terminal. It is demonstrated that the prediction accuracy of BSMOTE-WRF model is improved by 4%-5% compared with logistic regression, random forest, and support vector machines. Importance ranking of factors affecting truck no-show indicate that (1) The number of truck appointments during specific time slots have the highest impact on truck no-show behavior, and the congestion coefficient has the secondhighest impact on truck no-show behavior and its influence is also significant; (2) Compared to the number of truck appointments and congestion coefficient, the impact of severe weather on truck no-show behavior is relatively low, but it still has some influence; (3) Although the impact of appointment time slots is lower than other influencing factors, the influence of specific time slots on truck no-show behavior should not be overlooked. The BSMOTE-WRF model effectively analyzes the influencing factors and predicts truck no-show behavior in appointment-based systems.

In this study, we propose a novel approach to analyze big data related to patents in the field of smart factories, utilizing the Latent Dirichlet Allocation (LDA) topic modeling method and the generative artificial intelligence technology, ChatGPT. Our method includes extracting valuable insights from a large data-set of associated patents using LDA to identify latent topics and their corresponding patent documents. Additionally, we validate the suitability of the topics generated using generative AI technology and review the results with domain experts. We also employ the powerful big data analysis tool, KNIME, to preprocess and visualize the patent data, facilitating a better understanding of the global patent landscape and enabling a comparative analysis with the domestic patent environment. In order to explore quantitative and qualitative comparative advantages at this juncture, we have selected six indicators for conducting a quantitative analysis. Consequently, our approach allows us to explore the distinctive characteristics and investment directions of individual countries in the context of research and development and commercialization, based on a global-scale patent analysis in the field of smart factories. We anticipate that our findings, based on the analysis of global patent data in the field of smart factories, will serve as vital guidance for determining individual countries' directions in research and development investment. Furthermore, we propose a novel utilization of GhatGPT as a tool for validating the suitability of selected topics for policy makers who must choose topics across various scientific and technological domains.

This study was conducted to investigate whether there were differences in eco-friendly food, home meal replacement (HMR) purchases, and eating-out behavior according to the level of agri-food consumer competence. The data for the study were extracted from main food consumers (n=3,321) in the 2022 Food Consumption Behavior Survey. The competence index was divided into awareness-attitude-practice items, and three groups were classified by competence level. The results showed an agri-food consumer competency score of 70.62, with the highest score for awareness (73.96), followed by practice (69.28) and attitude (66.18). The frequency of purchasing eco-friendly food was higher in the excellent group compared to other groups, and quality and price satisfaction was higher with higher competency (p<0.001). Regarding HMR, the results showed that the shortage group had the lowest HMR consumption rate, and satisfaction decreased as competence decreased (p<0.001). The main reason for eating-out was to enjoy food in all groups (59.0%), followed by a lack of cooking time in the excellent group (15.7%) and hassle with food preparation in the moderate and shortage groups (17.3%, 16.6%) (p<0.001). In short, agri-food consumption competency showed differences by contents and components, and differences in food purchases and eating-out behavior by competency level were found.

본 연구에서는 레이더 관측 영역 내에 강수 에코(echo)가 없는 지역을 비강수 정보라고 정의하고 자료 동화에 활용하였다. 비강수 정보는 레이더로 관측할 수 있는 최대 영역 내에서 강수에 의한 에코가 나타나지 않고 레이더에서 관측할 수 없을 정도로 약한 강수나 구름 입자가 있거나, 강수 자체가 없다는 것을 의미한다. 기존의 레이더 자료를 동 화한 연구가 강수에 의한 반사도와 시선속도를 동화하여 모델 내의 강수를 만들어내는 것에 초점을 두었다면, 본 연구 에서는 에코가 없다는 것도 하나의 정보로 고려하고 이를 동화함으로써 모델 내에서 잘못 예측한 강수를 억제하였다. 비강수 정보를 자료동화에 적용시키기 위해 레이더 비강수 정보를 수상체와 상대습도로 변환하는 관측 연산자를 제시 하고 이를 Weather Research and Forecasting (WRF) 모델의 자료동화 시스템인 WRF Data Assimilation system (WRFDA)에 적용하였다. 또한 비강수 정보를 효과적으로 활용하기 위한 레이더 자료의 처리 방법을 제시하였다. 비강 수 정보가 모델 내에서 잘못 예측한 강수를 억제할 수 있는지 확인하기 위해 단일 관측실험을 수행하였으며 비강수 정 보가 수상체와 습도 그리고 기온을 낮춤으로써 대류가 억제될 수 있는 환경을 만들었다. 비강수 정보의 동화 효과를 실제 사례에 적용한 2013년 7월 23일 대류 사례 실험을 통해 9시간 예측을 수행하여 결과를 분석하였다. 레이더 비강 수 정보를 추가로 동화한 실험이 비강수 정보를 제외한 실험보다 Fractional Skill Score (FSS)가 증가하고 False Alarm Ratio (FAR)는 감소하여 모델의 강수 예측성을 향상시켰다.

본 연구는 독일어권의 사물인터넷을 이용한 데이터 거래와 블록체인 기술로 인한 사회혁신을 조망하고자 한다. 먼저, 독일어권 국가에서의 빅 데이터와 블록체인 기술의 활용을 조사하기 위해 문헌 연구 및 선행 연 구 검토가 수행되었다. 또한, 데이터레이드(Datarade)와 같은 독일의 데 이터 회사 및 정부의 데이터 경제 관련 프로젝트(GAIA-X)에 대한 사례 연구가 진행되었다. 이를 통해 독일에서의 데이터 및 블록체인 활용 현 황을 파악하고, 각 산업 분야에서의 적용 사례를 식별하였다. 금융 산업 에서는 블록체인 기술을 활용하여 계좌 번호 및 구매 세부 정보를 안전 하게 저장하고 있으며, 부동산 산업에서는 임대 계약, 임대료 결제 확인 등을 블록체인을 통해 효율적으로 관리하고 있다. 특히 교육 부문에서 블록체인 기술의 활용에 대한 현지 사례 및 연구 결과를 종합하여 분석 하였다. 블록체인의 보안이라는 장점을 살려 학습자의 학습 성과나 평가, 성적 증명, 학습낙오자나 성적부진자의 학습활동 추적, 부정행위 방지, 스마트 계약을 통한 과제 관리, 평생학습증 및 학습이력부 제공 등의 방 식으로 이미 독일은 교육계에 혁신을 이루어나가고 있다. 교육 부문에서 의 이러한 조사 방법을 통해 독일에서의 기술 혁신 및 사회적 변화에 대 한 종합적인 이해를 제공하고자 한다. 이러한 결과들은 독일정부 주도의 데이터거래와 블록체인 분야의 기술혁신의 효과를 입증하기에 한국정부 의 산업혁신에도 활용할 수 있는 중요한 통찰을 제공할 것이다.

Currently, there is no definitive regulation for the appropriate frequency of data sampling in water distribution networks, yet it plays a crucial role in the efficient operation of these systems. This study proposes a new methodology for determining the optimal frequency of data acquisition in water distribution networks. Based on the decomposition of signals using harmonic series, this methodology has been validated using actual data from water distribution networks. By analyzing 12 types of data collected from two points, it was demonstrated that utilizing the factors and cumulative periodograms of harmonic series enables similar accuracy at lower data acquisition frequencies compared to the original signals.

The limitation in deriving the species richness representing the entire country of South Korea lies in its relatively short history of species field observations and the scattered observation data, which has been collected by various organizations in different fields. In this study, a comprehensive compilation of the observation data for plants held by agencies under the Ministry of Environment was conducted, enabling the construction of a time series dataset spanning over 100 years. The data integration was carried out using minimal criteria such as species name, observed location, and time (year) followed by data verification and correction processes. Based on the integrated plant species data, the comprehensive collection of plant species in South Korea has occurred predominantly since 2000, and the number of plant species explored through these surveys appears to be converging recently. The collection of species survey data necessary for deriving national-level biodiversity information has recently begun to meet the necessary conditions. Applying the Chao 2 method, the species richness of indigenous plants estimated at 3,182.6 for the 70-year period since 1951. A minimum cumulative period of 7 years is required for this estimation. This plant species richness from this study can be a baseline to study future changes in species richness in South Korea. Moreover, the integrated data with the estimation method for species richness used in this study appears to be applicable to derive regional biodiversity indices such as for local government units as well.