Recently, the importance of impact-based forecasting has increased along with the socio-economic impact of severe weather have emerged. As news articles contain unconstructed information closely related to the people’s life, this study developed and evaluated a binary classification algorithm about snowfall damage information by using media articles text mining. We collected news articles during 2009 to 2021 which containing ‘heavy snow’ in its body context and labelled whether each article correspond to specific damage fields such as car accident. To develop a classifier, we proposed a probability-based classifier based on the ratio of the two conditional probabilities, which is defined as I/O Ratio in this study. During the construction process, we also adopted the n-gram approach to consider contextual meaning of each keyword. The accuracy of the classifier was 75%, supporting the possibility of application of news big data to the impact-based forecasting. We expect the performance of the classifier will be improve in the further research as the various training data is accumulated. The result of this study can be readily expanded by applying the same methodology to other disasters in the future. Furthermore, the result of this study can reduce social and economic damage of high impact weather by supporting the establishment of an integrated meteorological decision support system.

The increased frequency and intensity of wildfires can cause damages to the ecosystem and the atmospheric environment. Rapid identification of the wildfire damages is also important for establishing forest restoration, budget planning, and human resources allocation. Because the wildfires need to be examined for vast areas, satellite remote sensing has been adopted as an effective method. Many studies for the detection of wildfires and the analysis of burn severity have been conducted using mid- and high-resolution images. However, they had difficulties in the sensitivity problem of NBR (Normalized Burn Ratio) for multi-temporal images. This paper describes the feasibility of the detection and classification of wildfire burn severity using Sentinel-2 images with K-means and ISODATA (Iterative Self-Organizing Data Analysis Techniques Algorithm) methods for a case of the Andong fire in April 2020. The result can be a reference to the appropriate classification of large-scale wildfire severity and decision-making for forest restoration planning.

보리, 밀 품종의 조숙화와 온난한 겨울로 인하여 봄에 나타나는 저온장해가 최근에 자주 발생하는데 생육재생기 이후 발생하는 저온장해의 양상, 발생시기 및 증상을 구명하고자 자연조건과 저온항온기 그리고 포장의 비닐 피복을 이용한 저온처리시험을 실시한 결과를 보면 다음과 같다. 1. 저온장해중 줄기 고사는 -2.4∼-10.2℃ , 퇴화, 백수, 탈색등은 -2.4∼-8.6℃ ,불임은 -1.3∼-7.6℃ 의 저온에서 6-39시간 지속될 때 발생하였는데 특히 자연포장에서 많이 나타나는 저온장해는 불임과 퇴화로, 이의 유발온도는 -2.5∼-3.0℃ 였다. 2. 보리, 밀 모두 수잉기에 불임이 많이 발생하였고 출수기, 영화분화기, 화기발육기 순으로 발생정도에 차이를 보였다 백수는 출수 전후 10일에 주로 발생하였으며 발생정도는 출수후 10일＞출수기＞수잉기 순이었다. 3. 유수퇴화는 출수기에 가장 많이 발생한 것으로 나타났고 수잉기, 화기발육기에도 많이 발생하였다. 부분희화도 수잉기에 많이 발생하였다. 포장에서는 영화분화기의 개체들에서도 많이 발생하였다. 4. 망 탈색은 주로 밀에서 발생하였는데 수잉기에 일부 발생하긴 했으나 출수기의 식물체에서 대부분이 발생하여 출수기에 주로 나타나는 장해라 할 수 있었다. 식물체 고사는 전 생육기에 걸쳐 발생하였고 가장 심한 피해는 출수기＞수잉 ＞영화분화기＞화기 발육기 순으로 발생한 것으로 나타났다. 5. 저온장해 발생지표로 유수장, 제1절간장, 지엽-이삭간 거리가 유용하였다. 유수장이 밀에서는 망 탈색시 9.0-9.8cm, 이삭 탈색시 7.5cm, 백수발생시 5.7-9.4cm, 이삭 퇴화시 0.2-9.2cm, 줄기고사시 0.3-3.8cm로 나타났고 보리에서는 백수발생시 평균 3.4-7.0cm, 부분퇴화가 4.2-5.2cm, 퇴화가 0.4-5.4cm, 줄기 고사가 0.4-0.6cm로 차이를 보였다. 제1절간장은 보리, 밀 각각 0.3-8.4cm, 0.2-24.2cm로 신장정도에서 저온에 따른 변이를 보였고, 지엽-이삭간 거리도 보리 -2.5∼-7.4cm, 밀 -0.6-11.5cm로 신장정도에 차이가 컸다.