제주도는 아열대에서 아한대까지 뚜렷한 수직적 기후분포를 보이므로 고도 구배에 따른 생물 다양성 양상 연구의 최적지라 할 수 있다. 본 연구에서는 해안에서부터 한라산 고지대에 이르는 23지점의 제주도 나비 종 풍부도 특성을 확인하고, 어떠한 분포양상을 따르는지 검정하기 위 해 수행되었다. 고도에 따른 출현 종수는 중저고도에서 최고치를 보이는 고봉형 양상을 나타냈으며, 최대 종수가 출현하는 고도는 480 m 부근으 로 추정되었다. 평균 서식고도(중위값) 값으로 상위고도 분포종(> 610 m)과 하위고도 분포종(< 347 m)을 구분하고 수직 분포 범위를 비교한 결 과 각각 646 m와 496 m로 통계적 유의성은 없었으나 상위고도 분포종의 서식 범위가 더 큰 경향이 있었다. 그러나 상위고도 분포종에서 고산지 대에만 분포하는 특이종 8종을 제외하는 경우 상위고도 분포종의 서식 범위는 973 m로 증가하여 하위고도 분포종보다 유의하게 넓었다. 종합적 으로 볼 때 상위고도 분포종의 분포 범위가 하위고도 종보다 크다는 라포포트의 가설에 부합하는 결과를 보였다. 또한 한라산 나비분포는 1,500 m 이상 아고산 초지대에서 제한되어 발견되는 특이종의 수직 분포 범위가 좁고 상부에서 고립된 군집을 형성하고 있는 특징이 있었다. 이러한 영 향으로 상위고도에서 종 수가 다소 증가하도록 하여 중저고도의 고봉과 함께 쌍봉형 양상을 보일 가능성이 있었다. 본 연구에서는 한라산 고도 구 배에 따른 나비 종 풍부도 이해에 대한 새로운 시각을 제공하였으며, 향후 제주도의 나비 종 분포양상 연구와 기후변화 문제에 직면한 나비 다양 성 보존전략을 수립하는데 기여할 수 있을 것으로 기대된다.

해상풍력자원지도는 풍력발전사업, 국가 재생에너지 공급 정책, 전력계통망 계획의 핵심자료이다. 본 연구에서는 풍력자원 해석기술의 개발 동향을 검토하고 시사점을 논의하였다. 국가별 해상풍력자원지도 개발하여 활용하고 있는 대표적인 국가는 유럽연합 (덴마크), 미국, 그리고 일본이며, 이들을 중심으로 풍력자원지도 생산 기술 및 활용 현황을 분석하였다. 기본적으로 풍력자원지도의 품 질 향상을 위해 수치해석 기술을 업그레이드 해오고 있다. 이들의 개발 전략은 앙상블 중규모 수치해석과 중규모-미세규모 모델의 커 플링이었고 그 외 모델내 물리해석기법들의 적용은 지역마다 다른 것으로 확인되었다. 따라서 최근 진보된 수치모델을 도입하고 우리 나라 풍황 특성을 고려하여 최적의 실험디자인을 도출해야 할 것으로 보인다. 특히 300 m부근의 대기경계층에서의 연직고도의 상세 한 반영은 공통점으로, 이는 대형화된 풍력터빈을 고려하여 최적의 풍력발전소 후보지 발굴에 적합하도록 장기간의 풍황정보를 정확 하게 제공하기 위한 제안사항인 것으로 보인다.

본 연구는 독일, 영국, 호주의 선진 사례를 바탕으로 국내의 스포츠를 통한 국제개발협력의 질적 고도화를 위한 정책적 시사점을 도출하는 데 목적이 있다. 복합적 자료 수집을 기반으로 각국의 관련 정책과 주요 프 로그램에 대해 질적 문헌 분석을 수행하였다. 각국은 중장기정책 및 프 레임워크를 통해 스포츠를 통한 국제개발협력의 방향과 세부 과제를 제 시하고 UN의 SDGs 이행과 국익에 부합하는 프로그램을 실행한다. 또 한, 상이한 거버넌스를 바탕으로 공여국, 파트너 조직 및 지역사회와의 긴밀한 협력 속에서 수요자 중심의 프로그램을 제공한다. 따라서, 한국은 외교부와 KOICA를 중심으로 다양한 이해관계자와의 협력적 거버넌스 체 계를 구축하고 SDGs 달성을 위한 정책 수립이 필요하다. 마지막으로 수 원국과 그 지역사회의 관심사에 초점을 맞추고 현지화를 고려한 수요자 중심의 프로그램을 발굴하는 것이 바람직하다.

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.