곤충호텔은 곤충이 서식할 수 있도록 인위적으로 만든 구조 물로서 정원이나 텃밭 등 다양한 곳에서 활용되고 있다. 하지만 식생유형, 재료, 설치 방식 등에 따른 곤충 유입 효과에 대한 검증은 부족하며, 국가 또는 지역에 따른 곤충의 종류와 생육환 경이 다름에도 불구하고 곤충호텔에 대한 국내 연구는 전무한 실정이다. 따라서 본 연구에서는 국립수목원을 대상으로 구체적 인 식생유형 및 재료에 따른 유입 곤충 특성을 확인하고, 국내 실정에 맞는 효과적인 곤충호텔 설치 및 관리방안에 대한 기준 을 제시하고자 하였다. 조사구는 세 가지 식생유형(초지, 침엽수 림, 활엽수림)으로 구분하였으며, 각 식생의 조사구에 두 가지 재료(참나무, 잣나무)를 활용한 곤충호텔을 설치하였다. 조사는 2년동안(2022~2023) 진행되었으며, 매년 4~9월까지 주 1회 씩(총 48회) 곤충호텔의 유입 곤충을 직접 채집하였다. 곤충호 텔에서 채집된 곤충은 총 9목 46과 129종 3,057개체로, 2022 년에는 7목 34과 85종 1,750개체, 2023년에는 8목 35과 77종 1,307개체가 출현하였다. 연도별로 비교하면 1차년도에 유입 된 곤충의 개체수가 2차년도 보다 약 1.3배 많았고, 재료의 부식 에 따른 곤충의 구성도 달라졌다. 식생유형에 따라 구분하면 기간에 상관없이 활엽수림에서 유입 곤충이 가장 많았고, 침엽 수림에서 가장 적었다. 또한 재료에 따른 구분에서는 참나무가 잣나무보다 유입 곤충이 많았다. 참나무의 경우 유입 곤충의 연도별 차이가 적은 반면, 잣나무는 1년차에 비해 2년차에 약 2.3배 줄었다. 상관분석과 계층적 군집분석을 통한 곤충의 유입 특성은 식생유형보다는 재료의 영향이 큰 것으로 확인되었고, 식생유형만 비교했을 경우 초지에 비해 활엽수림과 침엽수림의 유사성이 높았다. 결론적으로 생물 다양성 증진을 목적으로 곤 충호텔을 설치하고자 한다면 초지나 활엽수림에 참나무 재료를 사용하는 것이 유리하며, 잣나무 재료를 이용한다면 1년 주기로 재료 교체가 필요할 것으로 판단된다. 하지만 특정 재료를 선호 하는 곤충의 기주특이성이 확인되었기 때문에 다양한 종류의 재료를 같이 사용하는 것도 하나의 방법이라고 사료된다. 향후 이를 기반으로 전시원에서 실질적으로 활용할 수 있는 곤충호텔 모델 개발로 확대해 나갈 예정이다.

본 연구는 주변 환경의 차이에 따른 화분매개곤충의 유입 특성을 파악하기 위하여 국립수목원 내 진화속을걷 는정원과 부추속전문전시원에 식재된 울릉산마늘의 화분매개곤충을 조사하였다. 2023년 5월 22일부터 6월 2일 까지 꽃이 70% 이상 개화하였을 때 포충망을 활용하여 8일간 곤충을 채집하였고, 각 전시원 별 식생(피도), 기후 (온도·습도·조도)를 조사하였다. 조사 결과 진화속을걷는정원에서 피도 60% 온도 26.4℃, 습도 31.5%, 조도 40953.6lx, 화분매개곤충 20과 450개체, 부추속전문전시원은 피도 90%, 온도 25.6℃, 습도 31.6%, 조도 6387lx, 화분매개곤충 15과 196개체로 나타났다. 온도와 조도가 상대적으로 높은 진화속을걷는정원이 채집된 곤충의 다양성과 방문 빈도가 높았다. 시간대별 곤충의 방문 빈도를 비교해본 결과 온도와 조도는 개체수가 증가할 때 같이 증가하는 경향을 보였으며, 습도는 반대의 경향을 보였다.

Recently, the importance of preventive maintenance has been emerging since failures in a complex system are automatically detected due to the development of artificial intelligence techniques and sensor technology. Therefore, prognostic and health management (PHM) is being actively studied, and prediction of the remaining useful life (RUL) of the system is being one of the most important tasks. A lot of researches has been conducted to predict the RUL. Deep learning models have been developed to improve prediction performance, but studies on identifying the importance of features are not carried out. It is very meaningful to extract and interpret features that affect failures while improving the predictive accuracy of RUL is important. In this paper, a total of six popular deep learning models were employed to predict the RUL, and identified important variables for each model through SHAP (Shapley Additive explanations) that one of the explainable artificial intelligence (XAI). Moreover, the fluctuations and trends of prediction performance according to the number of variables were identified. This paper can suggest the possibility of explainability of various deep learning models, and the application of XAI can be demonstrated. Also, through this proposed method, it is expected that the possibility of utilizing SHAP as a feature selection method.

Recently, a study of prognosis and health management (PHM) was conducted to diagnose failure and predict the life of air craft engine parts using sensor data. PHM is a framework that provides individualized solutions for managing system health. This study predicted the remaining useful life (RUL) of aeroengine using degradation data collected by sensors provided by the IEEE 2008 PHM Conference Challenge. There are 218 engine sensor data that has initial wear and production deviations. It was difficult to determine the characteristics of the engine parts since the system and domain-specific information was not provided. Each engine has a different cycle, making it difficult to use time series models. Therefore, this analysis was performed using machine learning algorithms rather than statistical time series models. The machine learning algorithms used were a random forest, gradient boost tree analysis and XG boost. A sliding window was applied to develop RUL predictions. We compared model performance before and after applying the sliding window, and proposed a data preprocessing method to develop RUL predictions. The model was evaluated by R-square scores and root mean squares error (RMSE). It was shown that the XG boost model of the random split method using the sliding window preprocessing approach has the best predictive performance.

The nerippe fritillary butterfly, Argynnis nerippe , is listed as an endangered species in Korea. Establishment of effective conservation strategies can be aided by the development and application of molecular markers that can be used to investigate the population genetics of the butterfly. Therefore, in this study, we identified ten microsatellite markers specific to A. nerippe using the Next-Seq 500 platform, and applied these markers to investigate the characteristics of five South Korean butterfly populations. Genotyping of 48 A. nerippe individuals from five localities showed that at each locus the number of alleles ranged from 4 to 14, and that the observed and expected heterozygosities were 0.324–0.863 and 0.138–0.985, respectively. Significant deviation from the Hardy–Weinberg equilibrium was not observed at any locus. Population structure analysis indicated that there are two genetic groups in Korea, but no population-based gene pool assignments were found. Analysis of FST, RST, and a principal coordinates analysis suggested that the Gureopdo and Yaecheon populations were isolated from other populations. Genetic isolation of the Gureopdo population may be a consequence of unequal population change between Gureopdo and inland populations and to the offshore habitat of Gureopdo. Genetic isolation of the Yaecheon population may be a consequence either of the southernmost location of the population or of the limited sample size available. Further studies with increased sample sizes will be necessary to draw robust conclusions on population isolation and to devise conservation strategies.

The Acoptolabrus changeonleei Ishikawa et Kim, 1983 (Coleoptera: Carabidae), has been listed as an endangered insect in South Korea. The complete mitochondrial genome of the species was 16,831 bp with a typical set of genes (13 protein-coding genes [PCGs], 2 rRNA genes, and 22 tRNA genes) and one non-coding region, with the arrangement identical to that observed in most insect genomes. Phylogenetic analyses with concatenated sequences of the 13 PCGs and 2 rRNA genes, using the Bayesian inference (BI) and maximum-likelihood (ML) methods, placed A. changeonleei as a sister to the within-subfamilial species Damaster mirabilissimus in Carabinae, with the highest nodal support by both analyses.