증발산은 순복사 에너지를 사용하여 잠열의 형태로 수증기를 대기 중으로 수송함으로써 지구에너지 순환에 있어 중요한 요소 중의 하나이며, 증발산량은 지표유출의 두 배 정도로서 지구 물 수지에서 차지하는 비중이 매우 크다. 증발산의 지상관측은 지점에 국한되기 때문에 공간연속면 상에서의 증발산량 산출을 위하여 격자형 기상자료와 위성자료를 이용한 모델링이 오랫동안 이루어져왔다. PM(Penman-Monteith) 방정식에 기초한 METRIC(Mapping Evapotranspiration with Internalized Calibration) 모델이나 PT(Priestley-Taylor) 방정식을 이용한 MS-PT(Modified Satellite-based Priestley-Taylor) 모델 등이 주로 사용되어 왔으나, 또 하나의 대안으로서 본 연구에서는 최근 부각되고 있는 딥러닝 기법인 DNN(deep neural network)을 이용한 증발산 모델링을 수행하였다. 은닉층 구조, 손실함수, 옵티마이저, 활성화함수, L1/L2 정규화, 드롭아웃 비율 등의 최적화 과정을 거쳐서 수립한 DNN 모델은 RMSE = 0.326mm/day, 상관계수 = 0.975의 매우 양호한 정확도를 나타내었다. 이는 DNN 최적화와 함께, 국지예보모델과 위성자료로부터 증발산 기작에 관여하는 인자들을 선택하여 입력자료로 적절히 사용하였기 때문이기도 하다. 향후과제로서 훈련자료의 종류와 양을 증가시켜서 DNN 모델을 보다 정교화하는 것은 반드시 필요하다고 사료된다.

토양수분은 지면환경에서 일어나는 수문 순환을 이해하기 위한 중요한 기상인자일 뿐만 아니라 가뭄, 홍수, 산불 등과 같은 자연재해와 밀접하게 연관되어 있다. 그러나 위성기반 토양수분 자료는 공간해상도가 매우 떨어져서 국지규모 분석에 직접적 으로 적용하기에는 한계가 있다. 이 연구에서는 마이크로파 위성센서로부터 산출된 토양수분 자료가 가지는 공간해상도의 제약을 완화하기 위하여, 다양한 지면 변수와 공간통계법을 활용한 다운스케일링 기법을 도입하였다. 가장 정교한 다운스케일링 기법으로 평가되는 회귀크리깅을 이 연구를 통하여 토양수분 자료에 처음으로 적용하였다. 우리나라의 2013년과 2014년의 4월부터 10월까지 의 일자별 AMSR2(Advanced Microwave Scanning Radiometer 2) 공간해상도 10km와 25km의 토양수분 자료를 각각 2km와 4km로 다운스케일링한 결과, 고해상도로 다운스케일링된 자료와 저해상도 원자료와의 일관성이 우수하게 유지되어, 다운스케일링 전후의 공간패턴과 자료특성이 잘 보존되는 것을 확인할 수 있었다. 이 연구에서 제시한 다운스케일링 기법은 토양수분뿐만 아니라 여러 기상요소에 적용될 수 있으며, 위성영상이나 모형자료의 공간해상도 한계를 극복하기 위한 방편이 될 수 있을 것으로 기대된다.

온난화와 같은 전지구적 변화는 기온과 강수 등 기상요소에 직접적으로 반영되어 곡물 수확량의 변화를 가져온다. 기후변화 시나리오에 기초한 선행연구들에서는 GCM (general circulation model)의 공간해상도 문제로 인하여 상세한 모의가 어려웠고, 시계열통계법을 활용한 연구들에서는 기후요소를 통합하여 수확량을 예측한 사례가 매우 드물었다. 이에 본 연구에서는 상세화된 기후재분석자료의 시계열모델링을 통하여 옥수수와 콩의 수확량 예측실험을 수행하였다. 미국 아이오와 주의 99개 카운티를 대상으로 1960년부터 2009년까지 50년간의 고해상도 기후재분석자료와 정부통계 수확량 DB를 구축하고, 시계열통계법인 VAR (vector autoregression)와 ARIMA (autoregressive integrated moving average)를 이용하여 다음해 수확량 예측실험을 10개 연도에 대해 수행하여 예측력을 평가하였다. VAR는 16-18%, ARIMA는 11-14% 의 오차율로 다음해의 수확량을 예측할 수 있는 것으로 집계되었으며, 옥수수의 경우 표토의 산성도, 심토의 점토와 나트륨 함유량 등의 토양특성 이 실제 수확량 및 예측정확도에 영향을 미치는 것으로 나타났다.

Atopic dermatitis (AD) is a chronically relapsing, non‐contagious pruritic skin disease with two phases: acute and chronic. Previous studies have shown that cathepsin S (CTSS) is a cysteine protease linked to inflammatory processes, including atherosclerosis and asthma. The possibility that this or other cysteine proteases might evoke itch or be part of a classical ligand‐receptor signaling cascade has not been considered previously. Recently, CTSS was known as a ligand for proteinase‐activated receptor 2 (PAR2) associated with itching. In the present study, we showed that CTSS‐overexpressing transgenic (TG) mice spontaneously developed a skin disorder similar to chronic AD under conventional conditions. This study suggest that CTSS overexpression triggers PAR2 activation in dendritic cells (DCs), resulting in promotion of CD4+ differentiation involved in MHC class II expression. In addition, we investigated mast cells and macrophages and found significantly higher mean levels of T‐helper type 1 (Th1) cell‐associated cytokines than of T‐helper type 2 (Th2) cell‐associated cytokines in CTSS‐overexpressing TG mice. These results suggest that increasing of PAR2 expression in DCs mediated by CTSS overexpression induces scratching behavior and Th 1 cell‐associated cytokines, and can trigger chronic AD symtoms.

Atopic dermatitis (AD) is a chronically relapsing, non‐contagious pruritic skin disease with two phases: acute and chronic. Previous studies have shown that cathepsin S (CTSS) is a cysteine protease linked to inflammatory processes, including atherosclerosis and asthma. The possibility that this or other cysteine proteases might evoke itch or be part of a classical ligand‐receptor signaling cascade has not been considered previously. Recently, CTSS was known as a ligand for proteinase‐activated receptor 2 (PAR2) associated with itching. In the present study, we showed that CTSS‐overexpressing transgenic (TG) mice spontaneously developed a skin disorder similar to chronic AD under conventional conditions. This study suggest that CTSS overexpression triggers PAR2 activation in dendritic cells (DCs), resulting in promotion of CD4+ differentiation involved in MHC class II expression. In addition, we investigated mast cells and macrophages and found significantly higher mean levels of T‐helper type 1 (Th1) cell‐associated cytokines than of T‐helper type 2 (Th2) cell‐associated cytokines in CTSS‐overexpressing TG mice. These results suggest that increasing of PAR2 expression in DCs mediated by CTSS overexpression induces scratching behavior and Th 1 cell‐associated cytokines, and can trigger chronic AD symtoms.

Global warming due to the increase of greenhouse gases may significantly affect various aspects of the Earth’s environment and human life. In particular, the impacts of climate change on agriculture would be severe, leading to damages to crop yields. This paper examines the experimental prediction of rice yield in China using DNN (deep neural network) and climate model data for the period between 1979 and 2009. The DNN model built through the process of hyperparameter optimization can mitigate an overfitting problem and cope with outlier cases. Our model showed approximately 38.7% improved accuracy than the MLR (multiple linear regression) model, in terms of correlation coefficient with the yield statistics. We found that the diurnal temperature range and potential evapotranspiration were the critical factors for rice yield prediction. Our DNN model was also robust to extreme conditions such as drought in 2006 and 2007 in China, which showed its applicability to the future simulation of crop yields under climate change.

Drought is one of the natural disasters that slowly begin to accumulate over a long period. Although there are many kinds of drought indices, one single universally accepted definition does not currently exist, which makes it difficult to evaluate drought severity comprehensively and objectively. This paper describes the comparisons of satellite-based drought indices such as SPI (Standardized Precipitation Index), NDDI (Normalized Difference Drought Index), NMDI (Normalized Multi-band Drought Index), VHI (Vegetation Health Index) and SDCI (Scaled Drought Condition Index) to analyze agricultural drought in Korea. Through an experiment using the five drought indices, we found that VHI and the SPI2 calculated from 2-month accumulated precipitation were highly correlated and appropriate to express agricultural drought in South and North Korea. Also, the SPI2 and VHI showed close relationships with hydro-meteorological factors and vegetation production variables. For future work, it is necessary to develop a comprehensive drought index which can cover various aspects of drought including precipitation, evapotranspiration, soil moisture, and vegetation state.

This paper described the estimation of corn and soybeans yields of four states in the US Midwest using time-series satellite imagery and climate dataset between 2001 and 2012. We first constructed a database for (1) satellite imagery acquired from Terra MODIS (Moderate Resolution Imaging Spectroradiometer) including NDVI (Normalized Di°erence Vegetation Index), EVI (Enhanced Vegetation Index), LAI (Leaf Area Index), FPAR (Fraction of Photosynthetically Active Radiation), and GPP (Gross Primary Productivity), (2) climate dataset created by PRISM (Parameter-Elevation Regressions on Independent Slopes Model) such as precipitation and mean temperature, and (3) US yield statistics of corn and soybeans. ˜en we built OLS (Ordinary Least Squares) regression models for corn and soybeans yields between 2001 and 2010 after correlation analyses and multicollinearity tests. These regression models were used in estimating the yields of 2011 and 2012. Comparisons with the US yield statistics showed the RMSEs (Root Mean Squared Errors) of 0.892 ton/ha and 1.095 ton/ha for corn yields in 2011 and 2012 respectively, and those of 0.320 ton/ha and 0.391 ton/ha for soybeans yields. ˜is result can be thought of as a good agreement with the in-situ statistics because the RMSEs were approximately 10% of the usual yields: 9 ton/ha for corn and 3 ton/ha for soybeans. Our approach presented a possibility for extending to more advanced statistical modeling of crop yields using satellite imagery and climate dataset.