본 연구는 머신러닝 기법을 토대로 15개 환경 변수를 활용하여 소나무재선충병의 위험지역 분포를 예측하였다. 연구는 최대 엔트로피 모델을 머신러닝 기법으로 활용하였고, 연구 지역은 경주이며 연구 기간은 2018∼2020년이다. 모델의 평가에는 AUC(area under the curve)를 이용하였다. 연구 지역에서 소나무재선충병의 감염목 핵심 분포 지역은 2018년 대비 2019년과 2020년에 각각 2.5배와 4.7배 확대되었다. 소나무재선충병의 감염목 분포 추정 모델의 AUC는 모든 해에 최소 0.86 이상이었다. 모델에서 가장 중요한 변수는 직전 해의 감염목 근접도 이었다. 지형과 도로와의 인접성, 목조건물 인접성, 5월 평균 기온도 중요한 변수이었다. 인간 활동과 매개충의 생장 환경이 소나무재선충병의 공간적 분포에 중요한 역할을 한다는 것을 의미한다. 나아가 연구의 결과는 감염목 분포 정보의 지속적인 구축과 공유가 소나무재선충병 예방을 위한 정책과 연구에 중요하다는 것을 시사한다.

비래해충인 혹명나방(Cnaphalocrocis medinalis)과 멸강나방(Mythimna separata)은 아시아의 주요 벼 재배국가에 광범위하게 분포하고 있는 벼의 주요 해충이다. 국내에서는 벼멸구, 흰등멸구와 함께 중국에서 비래하여 나타나는 것으로 알려져 있다. 혹명나방과 멸강나방의 발생지역과 통계적으로 유의미한 상관관계에 있는 환경변수를 확인하고, 국내에서의 지속적인 발생 가능성을 알아보기 위해 Maxent (Maximum Entropy Model) 3.3.2를 사용하였다.

Thc climate change has the potential to significantly modify the actual distribution of insect pest with unknown consequences on agricultural systems and management strategies. In this study, Thrips palmi Karny was selected to predict distribution under climate change. T. palmi was introduced and first recorded in 1993 in Korea, and has become a serious pest of vegetable and ornamental crops. The MaxEnt was applied to T. palmi to predict its potential geographic distribution in Korea and Japan under the RCP 8.5 climate changing scenario. The MaxEnt software package is one of the most popular tools for species distribution and environmental niche modeling. The habitat prediction model of T. palmi in Korea was validated by the distribution of T. palmi in Japan. Based on the MaxEnt modeling, T. palmi would expand their potential distribution to whole Korean peninsula except the alpine region in Gangwon-do and Yanggang-do and Hamgyeongbuk-do in 2070s. Therefore, the monitoring system and management strategy for T. palmi should be reconsidered and re-evaluated.

In a companion paper, we have presented so-called Spatio-Spectral Maximum Entropy Method (SSMEM) particularly designed for Fourier-Transform imaging over a wide spectral range. The SSMEM allows simultaneous acquisition of both spectral and spatial information and we consider it most suitable for imaging spectroscopy of solar microwave emission. In this paper, we run the SSMEM for a realistic model of solar microwave radiation and a model array resembling the Owens Valley Solar Array in order to identify and resolve possible issues in the application of the SSMEM to solar microwave imaging spectroscopy. We mainly concern ourselves with issues as to how the frequency dependent noise in the data and frequency-dependent variations of source size and background flux will affect the result of imaging spectroscopy under the SSMEM. We also test the capability of the SSMEM against other conventional techniques, CLEAN and MEM.

We propose to use the entropy of power spectra defined in the frequency domain for the deconvolution of extended images. Spatial correlations requisite for extended sources may be insured by increasing the role of power entropy because the power is just a representation of spatial correlations in the frequency domain. We have derived a semi-analytical solution which is found to severely reduce computing time compared with other iteration schemes. Even though the solution is very similar to the well-known Wiener filter, the regularizingng term in the new expression is so insensitive to the noise characteristics as to assure a stable solution. Applications have been made to the IRAS 60μm and 100 μm images of the dark cloud B34 and the optical CCD image of a solar active region containing a circular sunspot and a small pore.