공간 샘플링은 공간모델링 연구에 활용되어 샘플링 비용을 줄이면서 모델링의 효율성을 높이는 역할을 한다. 농업분야에서는 기후변화 영향을 예측하고 평가하기 위한 고해상도 공간자료 기반 모델링에 대한 연구 수요가 빠르게 증가하고 있으며, 이에 따라 공간 샘플링의 필요성과 중요성이 증가하고 있다. 본 연구는 국내 농지 공간샘플링 연구를 통해 농업분야 기후변화연구의 공간자료 활용의 효율성을 제고하고자 하였다. 본 연구는 층화랜덤샘플링 을 기반으로 하였으며, 1 km 해상도의 농지 공간격자자료 모집단 (11,386개 격자)에 대해서 RCP 시나리오별 (RCP 4.5/8.5) 연대별 (2030/2050/2080년대) 공간샘플링을 설 계하였다. 국내 농지는 기상 및 토양 특성에 따라 계층화 되었으며, 샘플링 효율 극대화를 위해 최적 층화 및 샘플 배정 최적화를 수행하였다. 최적화는 작물수량, 온실가스 배출량, 해충 분포 확률을 포함하는 16개 목표 변수에 대해 주어진 정밀도 제한 내에서 샘플 수를 최소화하는 방향으로 진행되었다. 샘플링의 정밀도와 정확도 평가는 각각 변동계수 (CV)와 상대적 편향을 기반으로 하였다. 국내 농지 공간격자 모집단 계층화 및 샘플 배정 및 샘플 수 최적화 결과, 전체 농지는 5~21개 계층, 46~69개 샘플 수 수준에서 최적화되었다. 본 연구결과물들은 국내 농업시스템 대표 공간격자로써 널리 활용될 수 있을 것으로 기대된다. 또한, 기후변화 영향예측 공간모델링 연구들에 활용되어 샘플링 비용 및 계산 시간을 줄이면서도 모델의 효율성을 높이는 데에 기여할 수 있다.

고병원성조류인플루엔자(Highly Pathogenic Avian Influenza, HPAI)는 폐사율이 100%에 이르는 급성 조류 바이러스성 전염병이다. 우리나라는 2003년 첫 발생 이후 5회에 걸친 대규모 유행으로 인하여 막대한 경제적 손실을 경험한 바 있어 HPAI 발생을 가능한 조기에 검출하고 신속하게 대응함으로써 피해를 최소화하기 위한 국가적 모니터링 사업을 지속적으로 추진해오고 있다. 특히 국내의 경우 HPAI는 철새의 이동경로를 통하여 바이러스가 유입된 것으로 추정되고 있어 방역당국에서는 철새 이동에 따른 바이러스 조기검출을 위하여 주요 철새 도래지를 중심으로 무작위 방식의 철새의 분변시료 채취 사업을 진행하고 있다. 시료채취 방법과 관련하여 표본추출 지점들이 인접할수록 공간적 자기상관성(spatial autocorrelation)으로 인하여 표본들이 비슷 한 정보를 가질 수 있기 때문에 표본으로서의 철새 도래지 추출과정에서 이를 반영할 필요가 있다. 본 연구의 목적은 지리적으로 인접한 철새 도래지들이 유사한 표본정보를 가질 수 있음을 전제로 공간적 자기상관성을 고려한 공간표집방법론을 구축하고 실증적 활용성을 가늠해보는 것이다. 이를 위하여 전국 196개 조류 도래지들을 대상으로 분석결과를 도출하고 해석적 함의를 논의하였다.

 ,  , The dispersion indices, spatial pattern and sampling plan for pink citrus rust mite (PCRM), Aculops pelekassi, monitoring was investigated. Dispersion indices of PCRM indicated the aggregated spatial pattern. Taylor’s power law provided better description of variance-mean relationship than Iwao’s patchiness regression. Fixed-precision levels (D) of a sequential sampling plan were developed using by Taylor’s power law parameters generated from PCRM on fruit sample (cumulated number of PCRM in cm<, SUP>, 2<, /SUP>, of fruit). Based on Kono-Sugino’s empirical binomial the mean density per cm<, SUP>, 2<, /SUP>, could be estimated from fruit ratio with more than 12 rust mites per cm<, SUP>, 2<, /SUP>, : ln(m)=4.61+1.23ln[-ln(1<, SUB>, -p12<, /SUB>, )]. To determine the optimal tally threshold, the variance (var(lnm)) for mean (lnm) in Kono-Sugino equation was estimated. The lower and narrow ranged change of variance for esimated mean showed at a tally threshold of 12. To estimate PCRM mean density per cm<, SUP>, 2<, /SUP>, at fixed precision level 0.25, the required sample number was 13 trees, 5 fruits per tree and 2 points per fruit (total 130 samples).

귤응애 성충의 표본추출법을 개발하기 위하여 2개년(2001-2002년)동안 8월부터 11월까지 잎과 열매에 대해 각 조사일에 평균밀도를 조사하였다. 잎과 열매에서 귤응애 성충 밀도의 관계를 시기별로 비교하였으며, Taylor's power law (TPL)와 Iwao's patchiness regression (IPR)을 이용하여 분산지수를 비교하였다. 잎(X)과 열매(Y)에서 귤응애 성충 밀도의 관계는 ln(Y+l)=1.029 ln(X+l)(=0.80)의 직선적인 관계가 있었으며, 열매가 성숙될수록 잎보다 열매에서 귤응애 밀도가 높아지는 경향이었다. 잎과 열매의 표본조사에서 TPL이 IPR보다 평균-분산 관계를 더 잘 나타내었으며, TPL의 기울기와 절편은 두 표본단위간, 연도간에 차이가 없었다. 정착도 0.25일 때 요방제밀도 2.0, 2.5와 3.0에서의 의사결정을 위한 표본추출조사법을 개발하였으며, 조사에 필요한 최대조사나무수(고정표본크기에서 필요 나무수)는 각각 19, 16과 15주였으며, 이 때의 의사결정임 계값 은 각각 554,609와 659였다.,609와 659였다.

The purpose of this study was to investigate spatial distributions of total deposition. A total number 79 samples were collected at 17 sampling sites from September 1999 to January 2000. Total (=wet+dry) atmospheric depositions were collected by filtered deposition sampler at sampling site (the Western Part of Kyongsangnam Province). In addition, the deposition of soluble and insoluble fraction was also investigated to find a suitable simplified collection method for a long-term monitoring of total deposition. The total depositions were measured soluble amount(mm/month), insoluble amount(kg/km2/month), pH, conductivity(E.C.) and eight ionic components. The spatial distribution of deposition flux was to estimated by using a kringing analysis. The 17 sites mean fluxes of water soluble ionic components; SO42-, Cl-, NO3-, Na+, NH4+, K+, Mg2+, Ca2+ were 100.7～315.6kg/km2/month, 30.1～234.3kg/km2/month, 64.4～139.4kg/km2/month, 7.5～68.3kg/km2/month, 10.7～48.7kg/km2/month, 5.6～27.9kg/km2/month, 4.5～17.5kg/km2/month, 27.6～81.7kg/km2/month, respectively.