본 연구를 통해 잔디주머니나방속이 국내에서 처음 발견되어 보고한다. 잔디주머니나방속내 잔디주머니나방에 대한 성충, 유충, 번데기 등 형태학적 특징을 재기재하였다. 또한 신속한 종 동정을 위한 DNA바코드 정보를 제공하였다.

고준위방사성폐기물 내에 핵분열 생성물로 존재하는 방사성 세슘의 이동은 화강암을 기반으로 하는 고준위방사성폐기물 처분장의 안전성 평가를 위한 중요한 고려 항목이다. 지하수의 수리화학적 특성과 모암 을 이루는 광물과의 반응 특성은 처분장에서 방출된 세슘의 이동 속도를 결정하는데 있어서 중요한 요소이 다. 알칼리 금속인 세슘은 지하수 내의 주요 양이온들과 수착 자리를 놓고 경쟁하는 것으로 알려져 왔고, 흑 운모는 화강암의 핵종 수착 특성에 중요한 기여를 하는 구성광물로 알려져 왔다. 이 논문은 심부 처분장의 무산소 환경을 모사하기 위해 혐기성 챔버에서 전형적인 중생대 원주화강암에 대한 세슘 수착특성을 연구한 결과를 보고한다. 분쇄한 화강암에 대하여 전해질(NaCl, KCl, CaCl2) 용액과 합성지하수를 사용하여 세슘 초 기농도(10-5, 5×10-6, 10-6, 5.0×10-7 M)를 달리하여 세슘 수착속도와 수착량을 측정하였다. 세슘 수착 실험 결 과는 유사 2차 속도 모델(r2 = 0.99)과 프로인들리히(Freundlich) 등온선 모델(r2 = 0.99)로 잘 모사되었다. 특히 염화포타슘(KCl)은 모든 이온강도 및 세슘 초기농도에서 다른 전해질에 비해 가장 강력하게 세슘 수착을 제 한하였다. 이는 포타슘 이온(K+)이 세슘의 가장 효과적인 경쟁 이온임을 지시하는 것으로 판단된다. 흑운모 함량에 따른 세슘 수착 실험 결과 흑운모의 세슘 수착 분배계수는 화강암 자체의 값보다 약 2배 이상 높았 으며 선형관계를 나타냈다. 포타슘 이온은 주로 흑운모에 의해 공급되기 때문에, 이러한 결과는 처분심도 ~500 m 깊이에서 화강암체 내에 존재하는 흑운모가 세슘의 효율적인 수착재로 작용하지만 또한 지하수의 수리화학 조건에 따라 세슘의 수착을 저해하는 역할을 할 수 있음을 지시하며, 향후 이에 대한 상세한 후속 연구가 필 요함을 보여준다.

Heatwaves can affect human health and vegetation growth and bring about energy problems and socioeconomic damages, so the analysis and prediction of the heatwave is a crucial issue under a warming climate. This paper examines the production of STCI (Standard Temperature Condition Index) using ASOS (Automated Synoptic Observing System) in-situ observation data for the period of 1979-2020, and an STCI predictability assessment with an RF (Random Forest) model using ERA5 (ECMWF Reanalysis 5) meteorological variables. The accuracy was quite high with the MAE (Mean Absolute Error) of 0.365 and the CC (Correlation Coefficient) of 0.873, which corresponded to 7% to 10% difference for the range of STCI<1.5, and to 1% to 3% difference for the range of STCI>1.5, in terms of the probability density function. Also, we produced gridded maps for the summer STCI from 1979 to 2020 by utilizing the ERA5 raster data for the RF prediction model, which enables the spatial expansion of the ASOS point-based STCI to a continuous grid nationwide. The proposed method can be applied to forecasting of STCI by adopting future meteorological or climatic datasets.

Because of the population growth and industrialization in recent decades, the air quality over the world has been worsened with the increase of PM10 concentration. Korea is located near the eastern part of China which has many industrial complexes, so the consideration of China’s air quality is necessary for the PM10 prediction in Korea. This paper examines a machine learning-based modeling of the prediction of tomorrow’s PM10 concentration in the form of a gridded map using the AirKorea observations, Chinese cities’ air quality index, and NWP (numerical weather prediction) model data. A blind test using 23,048 cases in 2019 produced a correlation coefficient of 0.973 and an MAE (mean absolute error) of 4.097㎍/㎥, which is high accuracy due to the appropriate selection of input variables and the optimization of the machine learning model. Also, the prediction model showed stable predictability irrespective of the season and the level of PM10. It is expected that the proposed model can be applied to an operative system if a fine-tuning process using a larger database is accomplished.

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.