흰줄숲모기는 뎅기열과 치쿤군야 바이러스를 매개하며, 최근에는 지카바이러스를 매하는 것으로 알려지면서 많은 관심을 불러일으키고 있다. 흰줄숲모기의 월별 발생밀도, 흡혈원 그리고 뎅기바이러스 감염여부를 확인하기 위해 인구밀도가 높은 서울 도심 공원을 조사지역으로 선정하였다. 모기의 채집은 BG sentinel 트랩과 backpack aspirator룰 이용하여 5월부터 10까지 월 2회 실시하였다. 채집 모기 중 흰줄숲모기는 전수 흡혈원 조사와 뎅기바이러스 감염 검사를 실시하였으며, 나머지 모기종에서는 흡혈모기만을 대상으로 흡혈원을 확인하였다. 채집결과 총 7속 12종 54,685마리의 모기가 채집되었으며, 흰줄숲모기의 월별 분포는 6월부터 증가하기 시작하여 8-9월에 최고의 피크를 이룬 후 10월부터 급속히 감소하는 경향을 보였다. 흰줄숲모기의 흡혈원으로 71%가 포유류로 나타났으며, 그 뒤를 이어 조류 26%, 양서류 2%, 어류 1%로 확인되었다. 뎅기바이러스 감염확인 결과에서는 1,995마리(79 pool)에서 모두 음성으로 나타났다.

서울시 가락농수산물시장에서 수거한 총 2,066건의 해산물(어류 573건, 패류 721건, 갑각류 208건 그리고 연체류 564건)을 대상으로 대장균을 분리 동정한 결과 10.3%(212/2,066)의 검출율을 보였다. 분리된 212주의 대장균의 월별 분포를 살펴보면, 1월 4.0%, 2월 1.0%, 3월 0.7%, 4월 9.5%, 5월 4.4%, 6월 9.4%, 7월 30.5%, 8월 42.1%, 9월 21.2%, 10월 6.6%, 11월 0.7% 그리고 12월 4.6%의 검출율을 보여, 6-9월 등 하절기에 많은 대장균이 분포됨을 알 수 있었고, 검체별 분포를 살펴보면, 어류가 7.0%(40/573), 패류 12.8%(92/721), 갑각류 8.7%(18/208) 그리고 연체류 11.0%(62/564)의 검출율을 보여, 패류, 연체류가 어류, 갑각류에 비해 대장균 분리율이 비교적 높게 나타났다. 또한, 지역별 분포를 살펴보면, 강원 21.3%의 검출율을 보였고, 인천 15.6%,경남 12.1%, 전남 11.5%, 전북 22.2%, 충남 11.6%, 제주 6.7% 그리고 우리나라 이외의 지역에서 9.0%의 검출율을 보였다. 212주를 대상으로 혈청형 동정을 실시한 결과, O6은 소라, 키조개, 그리고 건해삼에서 각각 1건씩, O25는 문어, 멍게에서 각각 1건씩, O29는 소라, 키조개에서 각각 1건씩, 그리고 O8, O25, O26, O27, O55, O78, O126, O158, O168은 문어, 갈치, 미더덕, 바지락, 낙지, 쭈꾸미, 소라, 오징어 알에서 각각 1건씩, O167도 소라에서 1건 확인되어 총 16주 (7.5% = 16/212)의 O 혈청형이 동정되어 어패류 등 해산물에 대장균이 분포되어 있음을 알 수 있었다.

The field survey was conducted weekly from April to October in 2004 and 2005 on the sites along the 5.16 road. Sampling sites were made every 100 m height starting from 250 m altitude of both sides of Mt. Halla along 5.16 Road, which crosses the mountain

풍향 풍속 분포는 해파의 형성 및 발달과 밀접히 관련되어 있어 선박의 안전 운항에 있어서 매우 중요하다. 이 연구에서는 11년간(1985-1995년)의 ECMWF(유럽중기예보센터) 객관해석 자료를 이용하여 항행구역상 근해구역에서의 기후학적인 바람분포 특성을 월별로 조사, 분석하였다. 한후기인 10월에서 3월까지의 풍향분포는 거의 비슷하며, 1월은 풍속이 가장 강하다 북위 30도 이북의 북서 내지 서북서풍과 대만해협 및 남중국해의 북동풍은 지속적이고 매우 강한 특성을 보인다. 6-8월의 풍향분포는 거의 유사하며 남중국해에서의 남서 내지 남남서풍은 강하고, 남반구에서는 강한 남동무역풍이 존재한다 4월, 5월 및 9월은 전반적으로 약한 풍속분포를 보인다

This paper generated time-series temperature maps and analyzed the characteristics of temperature distributions from monthly average temperature observations between 2010 and 2011 in Jirisan areas using topographic data and geostatistics. From variogram modeling, all months except May to August showed that the spatial variability of temperature was the greatest along the direction perpendicular to coasts. Monthly temperature has negative correlations with elevation and distances from coasts and especially the correlation between temperature and distances from coasts was very weak in summer like the variogram modeling result. For temperature distribution mapping, kriging with a trend and ordinary kriging were separately applied as a univariate kriging algorithm by considering the spatial variability structures of temperature. Simple kriging with varying local means was applied as a multivariate kriging algorithm for integrating topographic data sets. From the cross validation results, the use of topographic data in spatial prediction of temperature showed the improved predictive performance, compared with univariate kriging. This improvement in predictive performance was dependent mainly on mean and variation values of monthly temperature and the spatial auto-correlation strength of residuals, as well as the correlation between topographic data and temperature. Based on these analysis results, spatial variability analysis using variogram is effectively used to account for spatial characteristics of monthly temperature and the correlation with topographic data. Topographic data can also be a useful information source for reliable temperature mapping.