본 연구는 백두대간보호지역의 체계적 관리를 위한 관리효과성 평가지표를 개발하고자 하였다. IUCN-WCPA의 평가틀과 관리효과성 추적기법 (METT)을 기반으로 국내외 문헌과 사례를 분석하고, 텍스트 마이닝 기법을 통해 범주별 핵심 키워드를 도출하였다. 이후 산림 분야 전문가 8인을 대상으로 2회에 걸친 델파이 조사를 실시하여 평가지표의 타당성과 합의도를 검증하였다. 그 결과, 1차 조사에서는 CVR 기준 미달 항목 16개가 삭제되고, 2차 조사에서 2개 항목이 추가로 제외되었으며, 전문가 피드백을 반영하여 ‘지역사회 참여 구조’, ‘장비·시설의 유지 관리’, ‘침입종 피해 여부’ 등 현장 적용성이 높은 항목이 새로 포함되었다. 최종적으로 상황 4개, 계획 3개, 투입 4개, 과정 5개, 결과 4개, 성과 6개 등 총 26개의 평가지표가 도출되었으며, 전문가 합의도(0.83)와 수렴도(0.38) 수준에서 만족스러운 신뢰도를 확보하였다. 평가 대상자 유형별로는 관리담당 자 25개, 전문가 26개, 지역주민 4개 항목으로 차등 적용되도록 설계되었으며, ‘관리주체의 적합성’ 등은 전문가 전용 항목으로 구분하였다. 본 연구는 백두대간보호지역의 특성과 현장 문제를 반영한 실질적 지표 체계를 구축함으로써, 향후 법제화 기반 마련과 보호지역의 통합적·지속가능한 관리전략 수립에 기여할 수 있을 것으로 기대된다.

Rapidly changing environmental factors due to climate change are increasing the uncertainty of crop growth, and the importance of crop yield prediction for food security is becoming increasingly evident in Republic of Korea. Traditionally, crop yield prediction models have been developed by using statistical techniques such as regression models and correlation analysis. However, as machine learning technique develops, it is able to predict the crop yield more accurate than the statistical techniques. This study aims at proposing the onion yield prediction framework to accurately predict the onion yield by using various environmental factor data. Temperature, humidity, precipitation, solar radiation, and wind speed are considered as climate factors and irrigation water and nitrogen application rate are considered as soil factors. To improve the performance of the prediction model, ensemble learning technique is applied to the proposed framework. The coefficient of determination of the proposed stacked ensemble framework is 0.96, which is a 24.68% improvement over the coefficient of determination of 0.77 of the existing single machine learning model. This framework can be applied to the particular farmland so that each farm can get their customized prediction model, which is visualized by the web system.

최근 광주 화정아이파크, 인천 검단 신도시 아파트 사고 등 국내에서 건축물 안전사고가 잇따라 발 생하고 있다. 시공 중 발생한 구조물 붕괴로 인해 인명·재산 피해가 수반된 대형 건설사고가 다수 발 생하였다. 건축물 안전사고의 발생 원인으로 무단 구조변경, 설계 및 시공 시 철근 누락 등이 제시되 면서 부실 감리에 대한 우려가 증가하고 있다. 하지만 현실적으로 건설 현장의 모든 장소에서 감리직 원이 상주하며 확인하는 것은 불가능하며 시공 정확도 검사 역시 감리자의 경험에 근거하여 육안 판 독 및 일부 수작업 계측으로 진행되고 있다. 감리 작업의 효율성을 높이기 위해 최근에는 3D 스캐너, Depth Camera 등을 구조 감리 기법 연구가 진행되고 있다. 철근 길이와 철근 배근 간격에 대한 연구 는 많이 진행되었지만 철근 직경의 검출 정확도는 아직 미흡한 상황이며, 특히 직경이 작은 D10과 D13의 구별에서는 한계를 나타내고 있다. 따라서 본 연구에서는 접근성이 용이한 스마트폰을 사용하 여 영상을 획득하고 이를 기반으로 3D 포인트 클라우드를 제가한 다음 철근 직경, 철근 길이, 철근 배근 간격 등의 자동 검측 기술을 개발하고 건설현장에서의 적용 가능성을 확인하고자 한다. 검증을 위한 실험체는 길이 2100mm, 폭 195mm, 높이 395mm의 철근 조립 상태의 보이다. 포인트 클라우드 제작을 위한 영상 촬영은 iPhone SE (3rd generation)을 사용하였다. 이후 MATLAB과 METASHAPE 를 사용하여 포인트 클라우드를 생성하고 Computer Vision과 Image Processing 기술을 활용하여 구 하고자 하는 철근 정보를 자동 검출하였다. 이후 실제 측정한 값과 자동 검출한 값을 비교하여 개발한 기법에 대한 적합성을 확인하였다.

Reinforcement learning (RL) is widely applied to various engineering fields. Especially, RL has shown successful performance for control problems, such as vehicles, robotics, and active structural control system. However, little research on application of RL to optimal structural design has conducted to date. In this study, the possibility of application of RL to structural design of reinforced concrete (RC) beam was investigated. The example of RC beam structural design problem introduced in previous study was used for comparative study. Deep q-network (DQN) is a famous RL algorithm presenting good performance in the discrete action space and thus it was used in this study. The action of DQN agent is required to represent design variables of RC beam. However, the number of design variables of RC beam is too many to represent by the action of conventional DQN. To solve this problem, multi-agent DQN was used in this study. For more effective reinforcement learning process, DDQN (Double Q-Learning) that is an advanced version of a conventional DQN was employed. The multi-agent of DDQN was trained for optimal structural design of RC beam to satisfy American Concrete Institute (318) without any hand-labeled dataset. Five agents of DDQN provides actions for beam with, beam depth, main rebar size, number of main rebar, and shear stirrup size, respectively. Five agents of DDQN were trained for 10,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases. This study shows that the multi-agent DDQN algorithm can provide successfully structural design results of RC beam.

산지재해는 1차적으로 산지사면에서 산사태가 발생되어 2차적으로 계류를 따라 토석류로 이동 및 확산되면서 산지 하부지역의 시설지와 주거지에 피해를 발생시킨다. 따라서 본 연구는 전라북도 지역의 토석류 발생지 79개소를 조사 대상으로 현장조사를 통한 발생 길이에 영향을 미치는 인자를 구명하고, 수량화이론(I)을 이용하여 발생 길이에 대한 각 인자의 기여도 분석을 통해 예방적인 측면에서 전라북도 지역 내 토석류 발생 위험지역에 대한 예측기준을 작성하였다. 토석류의 발생 길이에 영향을 미치는 인자는 모암(화성암), 횡단사면(복합사면), 입목 흉고직경(6cm 이하), 표고(501m 이상), 발생위치(산록) 등이었다. 각 인자의 범위를 추정한 결과, 모암(0.5633)이 가장 높게 나타나 전라북도 지역의 토석류 발생 위험도에 큰 영향을 미치는 것으로 추정되었으며, 다음으로는 횡단사면(0.4565), 사면위치(0.3568), 흉고직경(0.3274), 표고(0.3052)순으로 나타났다. 전라북도 지역 산지에서 토석류 발생 위험도 판정식을 기준으로 5개 인자의 카테고리별 점수를 계산한 추정치 범위는 0점에서 2.0092점 사이에 분포하였다. 중앙값인 1.0046점을 기준으로 토석류 위험도 예측을 위한 등급을 분류한 결과 Ⅰ등급은 1.5070 이상, Ⅱ등급 1.0047 ∼ 1.5069, Ⅲ등급 0.5023 ∼ 1.0046, IV등급 0.5022 이하로 나타났고, Ⅰ등급과 Ⅱ등급에서 토석류 발생비율이 76%로서 비교적 높은 적중률을 보였다. 따라서 본 판정표는 전라북도의 산지에서 지역의 위험 비탈면에 있어서 토석류 발생 위험도 판정에 유용하게 활용할 수 있을 것으로 판단된다.

국내에 호박을 가해하는 두 과실파리는 Zeugodacus 속으로 분류된다. 호박꽃과실파리(Z. scutellata) 수컷은 큐루어(Cuelure)에 유인되어 포장에서 이 과실파리의 발생을 모니터링 하는 데 이용된다. 이에 반해, 호박과실파리(Z. depressa) 수컷을 유인하는 물질은 아직 알려지지 않았 다. 단백질 먹이 유인제가 대부분의 과실파리를 유인하게 되는데 여기에 terpinyl acetate (TA)를 추가하여 호박과실파리의 유인력을 높였다. 본 연구는 TA-단백질먹이 유인제를 이용하여 호박 재배지에서 호박과실파리의 연중 발생을 모니터링 하는 데 목적을 두었다. TA-단백질먹이 유인제의 효율성을 증명하기 위해 호박꽃과실파리를 대상으로 큐루어와 TA-단백질먹이 유인제를 이용하여 2019년 한 해 동안 발생을 모니터링하고 이 두 유인제로 얻어진 연중 모니터링 자료를 비교하였다. 두 유인제를 이용한 호박꽃과실파리의 연중 발생 패턴은 10월 하순을 제외하면 유사하였다. TA-단백질먹이 유인제는 10월 하순 시기에도 지속적인 호박꽃과실파리의 포획을 보였는데 이는 9월 하순 이후 호박꽃과실파리의 성충 휴면 유기에 따른 유인 행동 차이로 이해되고 있다. TA-단백질먹이 유인제를 이용한 호박과실파리의 연중 모니터링은 크게 두 개의 발생 최성기를 보여 하나는 7월 중순이고 다른 하나는 8～9월에 나타나며 포획된 개체들의 80% 이상이 암컷이었다. 이러한 TA-단백질먹이 유인제의 두 과실 파리류에 대한 유인 효과를 바탕으로 스피노사드(spinosad) 살충제를 가미한 수화제를 제조하고 호박 재배지에 살포하였다. 처리 7 일경과 후 약 70% 이상의 방제 효과를 기록하였다. 그러나 이 방제 효과는 처리 이후 기간이 경과하면서 낮아지는 경향을 나타냈다. 이상의 결과는 TA-단 백질먹이 유인제를 이용하여 야외 호박 재배지에서 호박과실파리의 연중 모니터링이 가능하다는 것을 보여 주었다. 또한 스피노사드를 가미한 TA-단백질먹이 유살제가 이들 호박과실파리류 방제에 응용될 수 있다는 것을 제시하고 있다.

One of the most precise methods of tracking water movement and measuring moisture content during hydration process is the usage of magnetic resonance imaging (MRI). In this study, the target samples were dried “Robusta” green coffee beans, and a series of images was acquired through an MRI system during the entire hydration process. Coffee beans were immersed in a glass bottle and were placed in a 35 mm diameter RF coil throughout the whole experiment. A set of 64 images with a field of view of 26 mm×26 mm was acquired. The hydration process of intact dried green coffee beans lasted for 360 min and image data sets were acquired every 10 min with an optimal GRE pulse sequence developed. The MR images were analyzed in 2D and 3D imaging spaces. The results of 2D analysis showed that the changes in water penetration depth inside coffee beans during the hydration process could be visualized. In addition, the results of 3D analysis presented a clearer understanding of the hydration process of dried coffee beans. This study showed that changes in water distribution and physical dimensions of coffee beans during the hydration process in 2D and 3D imaging spaces were meserable, without disturbing the process, by means of the MRI technique.

본 연구는 중부권역에서 발생한 산사태를 중심으로 수량화이론을 이용하여 산림환경인자가 발생면적에 미치는 영향 분석을 통해 예방적인 측면에서 산사태 발생 위험성에 대한 예측기준을 작성하였 다. 산사태 재해로 발생면적에 영향을 미치는 각 인자의 기여도는 토심(0.3606)이 가장 높았으며, 다음으로 고도(0.2065), 종단사면(0.2065), 경사(0.1297), 사면방위 0.1154)순으로 높게 나타났다. 산사태 발생 위험 기여도가 높은 6개 인자의 category별 상대점수 범위는 0점에서 1.5122점 사이에 분포하고 있었고 중앙값은 0.7561점이었다. 이 점수를 기준으로 산사태 발생 위험성을 4개 등급으로 구분한 예측 판정표를 작성하였다. Ⅰ등급의 점수는 1.1343 이상, Ⅱ등급은 0.7562~1.1342, Ⅲ등급 은 0.3782~0.7561, IV등급은 0.3781 이하로 나타나 1등급, 2등급, 3등급에서 산사태 발생 비율이 96%로서 비교적 높은 적중률을 보였다. 따라서 본 판정표는 중부권역의 위험 비탈면에 있어서 산사 태 발생 위험도 판정에 유용하게 활용할 수 있을 것으로 판단된다.

Agrocybe cylindracea was cultured in a bag, in which sawdust culture medium (1 kg) is put in a plastic bag (PE), with poplar sawdust, rice bran, wheat bran, and dried bean curd refuse in the ratio of 70:10:10:10 (v/v). 2% of the culture medium was inoculated with the liquid starter of Agrocybe cylindracea, and this was incubated at 25oC. After incubation, the A. cylindracea was further cultured by cutting the top vinyl portion of the bag down to the level of the culture medium surface of the first inoculation part. The cut culture medium was placed in a growth room at 25oC, and pin-heading was induced under light irradiation at 99% humidity and 1,000 ppm CO2 level for 3days. When the grow the environment was controlled at 95% humidity and 21oC, the bending of the stem was less as compared to that when the cap of the bag had been removed. The number of effective fruiting bodies per bag increased by 140% (28.8), the quantity per bag increased by 29.5%, and 148.5 g A. cylindracea could be potentially harvested.

토양해충의 포식성 천적인 뿌리이리응애[Stratiolaelaps scimitus (Womersley)]를 이중박스 시스템을 활용하여 대량생산할 수 있는 방법을 개발하였다. 사육상자는 외부(22 L, 54 × 36 × 18 cm3) 및 내부(6.5 L, 31 × 22 × 11 cm3)로 구성된 플라스틱상자이다. 내부상자에는 뿌리이리 응애의 은신처 역할을 하는 왕겨(4 L)를 담았다. 외부상자에는 물을 1 L 채우고 그 위에 내부상자를 넣고 외부상자 덮개를 덮었다. 이 시스템은 포식성응애의 탈출을 막고 은신처의 습도를 유지할 수 있다. 천적의 먹이원으로서 긴털가루응애[Tyrophagus putrescentiae (Schrank)]를 쌀겨에 사육하였으며, 뿌리이리응애와 마찬가지로 2중상자에서 증식시켰다. 천적응애상자에 주 1회 먹이응애를 제공하면서 25 ± 1℃, 상대습도 60 ± 10% 조건에서 사육하였다. 뿌리이리응애의 밀도는 4주에 3배로 증가하였으며 최종적으로 약 12만 마리/상자(4 L)였다. 이 방법은 간단한 뿌리이리 응애 대량사육기술로서 토양해충의 생물적 방제에 큰 도움이 될 것으로 판단한다.

PURPOSES: A methodology using a 3D-engineering technique was developed for implementation in paving Quality Control (QC) practice in bridge overlay paving. METHODS: The as-built surface of a concrete-box-girder bridge tends to exhibit a certain level of undulation or roughness. This is usually caused by the inevitable limitation that camber prediction and construction cannot be perfectly matched. The undulation itself would not be a severe defect in a bridge structure, but it results in a challenge for achieving overlay pavement qualities such as pavement thickness and smoothness. One advantage of the 3D-engineering technique is that it allowed identification in advance, of conditions that will interfere with construction, thus preventing non-conformance qualities from being re-worked. RESULTS : Utilizing this technique, overlay paving was virtually simulated in advance, and insufficient thickness areas and rough sections were visually identified. Paving quantities were automatically computed. Paving level alternatives were correspondingly established based on analysis of the quantitative and 3D visual outputs. CONCLUSIONS: This study showed that this methodology could be successfully utilized for optimizing paving quantity and quality

토양해충의 포식성 천적인 뿌리이리응애[Stratiolaelapsscimitus(Wo mersley)]를 이중박스 시스템을 활용하여 대량생산할 수 있는 방법을 개발하였다. 사육상자는 외부(22L, 54×36×18 cm3)및 내부상자(6.5L, 31×22×11 cm3)로 구성된 플라스틱상자이다. 내부상자에는 뿌리이리응애의 은신처 역할을 하는 왕겨(4L)를 담았다. 외부상자에는 물을 1L 채우고 그 위에 내부상자를 넣고 외부상자 덮개를 덮었다. 이 시스템은 포식성응애의 탈출을 막고 은신처의 습도를 유지할 수 있다. 천적의 먹이원으로서 긴털가루응애[Tyrophagusputrescentiae(Sch rank)]를 쌀겨에 사육하였으며, 뿌리이리응애와 마찬가지로 2중상자에서 증식시켰다. 천적응애상자에 주 1회 먹이응애를 제공하면서 25±1℃, 상대습도 60±10% 조건에서 사육하였다. 뿌리이리응애의 밀도는 4주에 3배로 증가하였으며 최종적으로 약 12만마리/상자(4L)였다. 이 방법은 간단한 뿌리이리응애 대량사육기술로서 토양해충의 생물적 방제에 큰 도움이 될 것으로 판단한다.

본 연구는 최근 국내에서 발생한 산사태를 중심으로 수량화이론을 이용하여 산림환경인자가 발생면적에 미치는 영향 분석을 통해 예방적인 측면에서 산사태 발생 위험성에 대한 예측기준을 작성하였다. 산사태 재해로 발생면적에 영향을 미치는 각 인자의 기여도는 토심(0.3350)로서 가장 높았으며, 다음으로 임상(0.1741), 표고(0.1416), 사면위치(0.1266), 종단사면(0.1236), 모암(0.1146), 경사(0.1133), 방위(0.1084)으로 높게 나타났다. 산사태 발생 위험 기여도가 높은 8개 인자의 category별 상대점수 범위는 0점에서 1.2372점 사이에 분포하고 있었고 중앙값은 0.6186점이었다. 이 점수를 기준으로 산사태 발생 위험성을 4개 등급으로 구분한 예측 판정표를 작성하였다. Ⅰ등급의 점수는 0.9280 이상, Ⅱ등급은 0.6187∼0.9279, Ⅲ등급은 0.3094∼0.6186, IV등급은 0.3093 이하로 나타나 Ⅰ등급, Ⅱ등급, Ⅲ등급에서 산사태 발생 비율이 97.4%로서 비교적 높은 적중률을 보였다. 따라서 본 판정표는 산사태발생 위험도 판정에 유용하게 활용할 수 있을 것으로 판단된다.