과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

본 연구는 13개의 제한된 출현자료를 바탕으로 아고산대 희귀식물인 흰참꽃나무(Rhododendron sohayakiense var. koreanum)의 기후변화에 따른 잠재 생육지 변화를 예측하였다. 소규모 자료로 인한 예측력 저하를 보완하기 위해 이변량 조합 기반의 소규모 앙상블 모형(Ensemble of Small Models, ESM)을 구축하였다. 환경변수는 CHELSA v2.1 의 Bioclim 및 확장변수와 NASA SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model) 기반 파생 지형변수 중 총 7개(BIO2, gst, gsp, swe, Slope, TPI, TWI)를 선정하였다. R의 ecospat을 이용해 SSP1-2.6, SSP3-7.0, SSP5-8.5 3개 시나리오 하에서 2100년까지 생육지 분포를 예측한 결과 모든 시나리오에서 잠재 생육지는 점차 축소되었고, 특히 SSP5-8.5에서는 대부분의 적합지가 소멸하는 것으로 나타났다. 본 연구는 소량의 출현자료만으 로도 ESM을 적용하여 희귀종의 기후변화 취약성을 정량적으로 도출할 수 있음을 보여주며, 흰참꽃나무의 향후 보전 전략 수립을 위한 기초 자료로 활용될 수 있다.

Gynura bicolor is a medicinal plant recognized for its antioxidant potential and natural pigments. This study aimed to evaluate antioxidant activities and bioactive compounds’ contents of G. bicolor extracts and solvent fractions prepared using different drying methods and solvent partitioning. Ethanol extracts were obtained from freeze-dried (FD) and hot-air-dried (HD) samples, followed by sequential partitioning with n-hexane (n-Hex), methylene chloride (MC), ethyl acetate (EA), and n-butanol (n-BuOH). Total polyphenol (TP) and flavonoid (TF) contents were measured. Antioxidant activities were assessed via DPPH and ABTS radical scavenging assays. The FD-EtOH extract showed the highest TP (100.8±0.29 mg TAE/mL) and TF (4.72±0.03 mg QE/mL) contents. EA and n-BuOH fractions exhibited significantly higher antioxidant activity than other fractions, suggesting that bioactive compounds were effectively concentrated through selective solvent extraction. These findings indicate that drying and solvent fractionation can significantly affect antioxidant functionality and phytochemical yield. G. bicolor may serve as a promising natural antioxidant and pigment source for functional food and beverage development.

본 연구는 패션산업에서 재활용 섬유의 촉감 및 감성 인지가 소비자의 구매의도 및 선호도에 미치는 영향을 분석 하였다. 양모65/재활용 캐시미어35, 캐시미어65/재활용 캐시미어35, 뉴 캐시미어 100%의 동일 사양으로 제직된 저 어지 니트 원단 3종류를 20∼30대 남녀 소비자 62명을 대상으로 촉감성의 관능평가 설문조사를 실시하였다. SPSS 28 통계패키지로 평균 및 빈도분석, t-test, ANOVA 분석을 실시하였다. 1차 관능평가 결과, 기모가공 된 재활용 섬 유가 긍정적으로 겨울철 섬유소재로서 선호되는 것으로 평가되었으나, 재활용 섬유 및 혼방률을 인지한 후의 2차 평가 결과, 감성 평가가 낮았던 캐시미어 100% 신섬유가 ‘우아한’, ‘정장용’, ‘개성적인’ 등 긍정적 평가가 상승하였 고, 예상 가격도 크게 증가하였다. 이처럼 유사 자극에 대한 감성 반응이 정보 인지에 따라 반전되는 현상은, 촉감각보다 인지적 정보가 소비자 평가에 더 강하게 작용함을 보여준다. 재활용 섬유 판단의 기준은 원단이 거칠고 딱딱하 거나 인공적인 촉감성을 나타내었기 때문이라고 응답하였다. 본 연구는 재활용 섬유에 대한 소비자 인식 개선 및 효과적인 정보 전달 전략 수립의 중요성을 시사한다.