기후변화 영향으로 이상고수온, 태풍, 홍수, 가뭄 등 재난 및 안전 관리기술은 지속적으로 고도화를 요구받고 있으며, 특히 해 수면 온도는 한반도 주변에서 발생되는 여름철 적조 발생과 동해안 냉수대 출현, 소멸 등에 영향을 신속하게 분석할 수 있는 중요한 인자 이다. 따라서, 본 연구에서는 해수면 온도 자료를 해양 이상현상 및 연구에 적극 활용되기 위해 통계적 방법과 딥러닝 알고리즘을 적용하 여 예측성능을 평가하였다. 예측에 사용된 해수면 수온자료는 흑산도 조위관측소의 2018년부터 2022년까지 자료이며, 기존 통계적 ARIMA 방법과 Long Short-Term Memory(LSTM), Gated Recurrent Unit(GRU)을 사용하였고, LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence(s2s) 구조에 Attention 기법을 추가한 Attention Long Short-Term Memory (LSTM)기법을 사용하여 예측 성능 평가를 진행하 였다. 평가 결과 Attention LSTM 모델이 타 모델과 비교하여 더 좋은 성능을 보였으며, Hyper parameter 튜닝을 통해 해수면 수온 성능을 개 선할 수 있었다.

본 연구에서는 가리맛조개 (S. constricta)의 토사물을 현미경 검경과 차세대염기서열분석 (NGS) 기법으로 먹이원을 확인하고, 이를 통해 형태학적 및 분자학적 방법에 따른 먹이원 분석을 비교하였다. 가리맛조개 (S. constricta)의 먹이원은 분석방법에 따라 차이를 보였다. 먹이원생물은 위 내에서 분해되어 현미경 분석을 통한 생활사 확인과 정량적 분석이 가능하였으나 형태학적 및 해부학적 특성 파악이 불완전하였다. NGS 분석은 유기물 형태로 잔존하는 생물의 DNA 확인이 가능하여 현미경 검경 결과와의 상호보완적 적용 가능성을 확인하였다.

본 연구는 낙동강지류인 밀양강에 소상한 연어를 대상으로 소상, 산란 분포를 최초로 파악하고 소상 한계선을 확인 하였다. 2020년 10월 25일부터 11월 28일까지 확인된 개체들 중, 사체는 전장을 측정하고 암-수 구별을 하였다. 조사 결과 총 40개체의 연어를 발견하였으며 이 중 사체는 25마리, 살아있는 개체는 15마리였다. 대부분 산란장으로 판단 되는 지점 인근 수변부에서 살아있는 개체와 사체가 발견되었다. 연어의 소상 한계선 파악의 경우 연어가 소상할 수 없는 형태의 보가 등장할 때까지 상류방향으로 이동하여 확인 하였으며, 밀양강 본류의 경우 예림교 기준 상류 13 km, 지천인 단장천의 경우 밀양강 합류부에서부터 12 km까지 연어의 소상이 가능할 것으로 확인하였다. 따라서 연어가 소상 하기 위한 보의 철거 및 어도설치와 같은 하천연결성 확보가 필요한 것으로 판단되며, 연어의 치어생존률을 높이기 위한 산란장 및 미소서식처 자연성 확보 방안이 필요할 것으로 판단된다.