본 연구에서는 대파의 가락시장 도매가격을 이용하여 기존 시계열 모형인 ARIMA 모형, 홀트-윈터스 평활법과 대표적인 기계학습 방법인 랜덤 포레스트(Random forest) 분석 기법의 가격 예측력을 비교하였다. 세 모형의 예측력을 분석한 결과는 다음과 같다. 가장 예측력이 높게 나타난 모형은 3년(36개월)을 주기로 설정한 ARIMA 모형이었다. 또한 ARIMA 모형과 홀트-윈터스 평활법은 일별 데이터보다 월별 데이터를 이용한 예측 결과의 정확도가 더 높아 훈련 데이터에 대한 과적합(overfitting)이 오히려 예측력을 낮추는 현상을 보였다. 반면, 랜덤 포레스트는 월별 데이터 보다 일별 데이터를 사용한 모형의 예측력이 더 높았다. 이는 학습량이 많을수록 높은 예측력을 보여주는 기계학습의 특징을 보여주었다. 그러나 기계학습 방법을 활용한 가격 예측에는 가격에 영향을 주는 설명변수를 찾고, 양질의 훈련 데이터 축적이 필요하다는 것을 알 수 있었다. 향후 연구에서는 다양한 설명변수와 기계학습 및 딥러닝 기법을 적용한다면 농축산물 가격 예측력을 높이는데 도움이 될 것으로 판단된다.

인공위성 관측 유의파고는 기후변화에 대한 해양의 반응을 이해하는데 널리 활용되므로 장기간의 지속적인 검 증이 필요하다. 본 연구에서는 1992년부터 2016년까지 25년 동안 북태평양과 북대서양에서 9종의 인공위성 고도계 관 측 유의파고의 정확도를 평가하고 오차 특성을 분석하였다. 위성 고도계와 부이 관측 유의파고 자료를 비교 분석하기 위하여 137,929개의 위성-실측 유의파고 일치점 자료를 생성하였다. 북태평양과 북대서양에서 위성 고도계 유의파고는 0.03 m의 편차와 0 . 27m의 평균제곱근오차를 보여 비교적 높은 정확도로 관측되고 있음을 확인하였다. 그러나 위성 고 도계 유의파고는 지역적인 해역 특성에 따라 오차의 공간 분포 특성이 상이하였다. 실측 유의파고에 따른 오차, 위도별 오차의 계절분포 및 연안으로부터 거리에 따른 오차를 분석하여 오차 요인을 파악하고자 하였다. 대부분의 위성에서 실측 유의파고가 낮을 때 과대추정되었으며 실측 유의파고가 높을 때 과소추정되는 경향이 나타났다. 고도계 유의파고의 오차는 겨울철에 증가되고 여름철에 감소되는 뚜렷한 계절변화를 보였으며 고위도로 갈수록 변동성이 증폭되었다. 연안 으로부터 거리에 따른 평균제곱근오차는 100 km 이상의 외해에서는 0 . 3m 이하로 높은 정확도를 보인 반면 15 km 이 내의 연안에서는 오차가 0 . 5m 이상으로 현저하게 증가하였다. 본 연구의 결과는 인공위성 고도계 자료를 활용하여 전 구 및 지역적인 해역에서 유의파고의 시공간 변동성 분석 시 각별한 주의가 필요함을 시사한다.

최근 글로벌 정치․경제 환경의 대전환으로 미국과 유럽 국가들은‘재산업화 전략’으로 제조업 회복을 추진하고 있고, 중국도 ‘중국제조 2025’를 통해 제조업의 질적 발전과 고도화에 집중하고 있다. 이러한 상황에서 본 연구는 외국인직접투자(Inward Foreign Direct Investment, IFDI)가 중국 제조업 고도화에 미치는 영향에 대해 실 증적 분석을 통해 검증해 보고자 하였다. 제조업 가운데 첨단기술 산업의 비중을 중국 제조업 고도화의 지표로 이용하여 2004년부터 2020년까지의 17개년도 중국 31개 성(省)별 패널데이터로 고정효과 모형과 FGLS 모형 을 활용하여 실증분석을 하였다. 분석 결과, 중국 전체와 중국의 동부, 중부, 동북 지역, 장강경제벨트는 IFDI가 중국 제조업 고도화에 긍정적인 영향을 미치는 것으로 나타났지만, 서부지역에 대해서는 영향을 미치지 않는 것 으로 나타났다. 이러한 결과를 통해 IFDI가 중국 제조업 고도화에 미치는 영향은 지역별로 다소 차이가 존재 하고 있음을 입증하였다. 분석 결과는 중국 정부의 IFDI를 통한 지역 균형 발전정책이 중부와 동북 지역에 대 해서는 효과적이었음을 알 수 있었던 반면 중국 서부지역에 대해서는 IFDI를 통한 첨단기술 산업 고도화의 정 책 목표와 전략을 수정할 필요가 있음을 시사한다. 한편 통제변수로 활용된 변수인 수출과 수입으로 측정된 개 방정도와 첨단기술에 대한 연구개발 투자는 제조업 고도화에 매우 긍정적인 영향을 미치는 것으로 일관되게 나 타나고 있다.

Vegetation is the basis for biodiversity conservation and sustainable development. In the Environmental Impact Assessment (EIA), which is the most direct and efficient policy measure to prevent degradation of nature, vegetation-related assessment has limitations as it is not based on quantitative and scientific methods. In addition, it focuses on the presence of protected species; hence, it does not take into account the role of vegetation as a habitat on a wide-area scale. As a way to overcome these limitations, this study aims to contribute to the quantification and advancement of future EIA on vegetation. Through the review of previous studies, core areas, connectivity, and vegetation condition were derived as the items to be dealt within the macroscopic aspect of vegetation impact assessment. Each item was spatially constructed using land cover maps and satellite imageries, and time series change analysis was performed. As a result, it was found that vegetation has been continuously deteriorating due to development in all aspects, and in particular, development adversely affects not only the inside of the project site but also the surrounding area. Although this study suggested the direction for improvement of the EIA in the vegetation sector based on data analysis, a more specific methodology needs to be established in order to apply it to the actual EIA process. By actively utilizing various environmental spatial data, the impact of the development on the natural ecosystem can be minimized.

급격한 기후 변화와 해양 온난화에 의해 지난 수십 년 동안 파고의 변동성이 증가하였다. 상위 1% (또는 5%) 파고와 같은 극한 파고는 국지적인 해역 뿐만 아니라 전 지구 대양에서도 평균 파고에 비해 현저하게 증가하였다. 1991년부터 인공위성 고도계를 활용하여 유의파고를 지속적으로 관측하고 있으며 통계적 기법을 기반으로 100년 빈도 유의파고를 추정하기에 비교적 충분한 자료가 축적되었다. 이어도 해양과학기지에서 유의파고 극값을 추정하기 위하여 2005년부터 2016년까지 위성 고도계 자료를 활용하였다. 대표적인 극값 분석 방법인 Initial distribution Method (IDM) 와 Peak over Threshold (PoT)를 위성 도고계 유의파고 관측 자료에 적용하고 이어도 해양과학기지에서 관측된 실측 자료와 비교하였다. 이어도 해양과학기 관측 자료에 IDM과 PoT 기법을 적용하여 추정된 100년 빈도 유의파고는 각각 8.17 m와 14.11 m이며, 인공위성 고도계 관측 자료를 활용하였을 때는 각각 9.21 m와 16.49 m이었다. 관측 최대값과의 비교 분석에서 IDM을 활용한 분석은 유의파고 극값을 과소추정 하는 경향을 보였다. 이는 IDM 보다 PoT 기법이 유 의파고의 극값을 적절하게 추정하고 있음을 의미한다. PoT 기법의 우수성은 높은 유의파고가 발생하는 태풍의 영향을 받는 이어도 해양과학기지 실측 자료를 활용한 결과에서도 증명되었다. 또한 PoT 기법으로 추정된 유의파고 극값의 안정성은 고도계 자료의 감소에 따라 저하될 수 있음을 확인하였다. 인공위성 고도계 자료를 활용하여 유의파고 극값 추정시 발생할 수 있는 한계점과 인공위성 자료를 검증할 수 있는 자료로써 이어도 해양과학기지 관측 자료의 중요성에 대하여 논의하였다.