[논문]맛있는 물 지표 개발을 통한 국내 약수 평가

이승재; 이상은; 김종곤; 박희경

Abstract ▼ AI-Helper

This study was motivated by the purpose of improving the O-Index, currently used to quantify water tasty. The authors first develop the M-Index after normalizing Ca, K, and $SiO_{2}$ concentrations in the spring water, in that the concentrations are subject to their log-normal distributio...

This study was motivated by the purpose of improving the O-Index, currently used to quantify water tasty. The authors first develop the M-Index after normalizing Ca, K, and $SiO_{2}$ concentrations in the spring water, in that the concentrations are subject to their log-normal distributions. The M-Index is then compared with the O-Index based on the results of sensory tests, revealing that sensory tests are correlated with the M-Index much more than the O-Index. Furthermore, the developed index is applied to evaluate water sampled from 53 springs in Korea. It is concluded that water, sampled from five most famous springs, has high values in M-Index. In addition, water, collected from springs that are relatively accessible, contains low values, and thus is expected not to tasty good.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

위와 같은 배경으로부터, 본 연구에서는 (1) 맛있는 물 평가지표 (mineral water index; M-Index)를 새롭게 제시하고, (2) Hashimoto (1987)의 동일한 관능검사 결과자료를 이용하여 O-Index와 M-Index간의 비교우위를 검증하려는 목적을 갖는다. 또한 (3) M-Index 를 국내의 약수들의 물맛을 평가하는 데에 적용한다.
또한 (3) M-Index 를 국내의 약수들의 물맛을 평가하는 데에 적용한다. 이는 미네랄 농도를 토대로 물맛을 산정하는 M-Index가 국내 약수에 대한 오랜 인지도에 어떠한 의미가 있는 지를 추가적으로 고찰하려 함이다.

제안 방법

물맛은 수중의 미네랄에 의하여 크게 영향을 받기 때문에, 맛있는 물에 대한 연구를 위해서는 수중 미네랄 함량에 대한 분석이 필수적이다. 동 연구를 통해 Hashimoto가 제시한 O-Index 의 문제점을 분석한 뒤 새롭게 M-Index를 제시하였고 개발된 지표를 통해 국내 53개 약수를 평가하였다. 그 결과는 다음과 같이 요약된다.
따라서 맛있는 물 평가지표에 대한 검증을 위해서는 관능검사 결과에 의존하는 방법밖에 없을 것이다. 마찬가지로, Hashimoto (1987)의 연구에 포함된 관능검사 결과를 토대로 기존의 O-Index와 새롭게 개발된 M-Index간의 비교우위를 평가하였다. Hashimoto (1987)의 연구에서는 앞에서 사용된 총 13개소 가운데 7 개소의 수돗물, 지하수, 병물에 대한 물맛을 10명의 패널들이 심사하였다.
물맛은 과학적 설명이 부족한 주관적 판단에 따르기 때문에, 본 연구에서는 문헌 기록, 전문가 견해, 그리고 일반적인 인식을 종합하여 Table 1과 같이 국내 약수를 세 가지로 분류하였다. Class A는 국내에서 가장 유명하고 맛있다고 알려진 5곳으로 이루어져 있으며 (이정자 등, 2006), Class B는 전국적으로 크게 알려져 있지는 않지만, 맛있는 물로 제시된 23곳이 선별되었다 (민병준, 2000).
SO₄ 의 농도는 이온 크로마토그래피가 적용되었다 (이정자, 2006). 분석 정확도를 높이기 위해 모두 채수 후 24시간 이내에 성분분석이 수행되었다.
채취된 국내 약수들은 O-Index와 M-Index에 포함된 모든 미네랄들에 대해 다음과 같은 방식으로 성분분석을 실시하였다. 미네랄 성분 중 Ca, K, Mg와 같은 양이온은 Atomic Absorption Spectrometric (AAS) 방법을 이용하여 (APHA, 1985) 측정되었고, SiO₂는 Induced Coupled Plasma Atomic Emission Spectroscopy (ICP-AES)으로 분석되었다 (Hoshino et al.

대상 데이터

Class A는 국내에서 가장 유명하고 맛있다고 알려진 5곳으로 이루어져 있으며 (이정자 등, 2006), Class B는 전국적으로 크게 알려져 있지는 않지만, 맛있는 물로 제시된 23곳이 선별되었다 (민병준, 2000). Class C 로는 시군에서 지정, 관리되며 접근성이 뛰어나고 평균 일일 이용자수가 50인 이상이 되는 일반적인 25곳의 약수를 선정하였다.
Class A는 국내에서 가장 유명하고 맛있다고 알려진 5곳으로 이루어져 있으며 (이정자 등, 2006), Class B는 전국적으로 크게 알려져 있지는 않지만, 맛있는 물로 제시된 23곳이 선별되었다 (민병준, 2000). Class C 로는 시군에서 지정, 관리되며 접근성이 뛰어나고 평균 일일 이용자수가 50인 이상이 되는 일반적인 25곳의 약수를 선정하였다. 선정된 국내 약수는 Fig.

이론/모형

이용하여 O-Index와 M-Index간의 비교우위를 검증하려는 목적을 갖는다. 또한 (3) M-Index 를 국내의 약수들의 물맛을 평가하는 데에 적용한다. 이는 미네랄 농도를 토대로 물맛을 산정하는 M-Index가 국내 약수에 대한 오랜 인지도에 어떠한 의미가 있는 지를 추가적으로 고찰하려 함이다.
미네랄 성분 중 Ca, K, Mg와 같은 양이온은 Atomic Absorption Spectrometric (AAS) 방법을 이용하여 (APHA, 1985) 측정되었고, SiO₂는 Induced Coupled Plasma Atomic Emission Spectroscopy (ICP-AES)으로 분석되었다 (Hoshino et al., 2001). SO₄ 의 농도는 이온 크로마토그래피가 적용되었다 (이정자, 2006).

성능/효과

2. 일본의 자료를 통해 비교한 결과, 기존의 O-Index보다 M-Index 가 관능검사 결과와 더 높은 상관성을 나타내었다. 이는 M-Index가 물맛을 더욱 잘 분별한다는 것을 의미한다.
3. 국내 53개 약수를 평가한 결과, 가장 인지도가 높은 약수에서는 M-Index가 평균 4 이상의 높은 값을 갖고, 접근성이 뛰어난 일반 시군 약수터의 많은 경우 음(-) 의 지표값을 가졌다. 이는 곧 인지도가 높은 물의 물맛은 다량의 미네랄 함유로 인한 것임을 추론할 수 있게 되었다.
95 로 대부분 0에 근접한 평균값이거나, 미네랄 함량이 적게 측정이 되었다. 결과적으로, 인지도가 높은 Class A 에 속하는 물일수록 물맛을 좋게 하는 미네랄이 많이 함유되어 있고, 이에 따라 높은 M-Index 값을 나타내었다. 다른 말로 하면, M-Index는 물맛에 대해 오랫동안 형성된 인지도와 높은 연관성이 있음을 알 수 있다.
6 과 같다. 국내에서 가장 유명한 약수가 포함된 Class A는 전체적으로 타 약수보다 많은 미네랄을 함유하여, M-Index 값이 3.19~5.64까지 나타났다. Class B 의 경우, M-Index 값의 편차가 다른 분류보다 크게 발생하였다.
즉 O-Index와 같이 절대 농도를 통하여 지표를 개발한다면, 결국 물맛은 SiO₂, SO₄, Ca의 미네랄 농도에 의해서만 결정된다는 문제가 발생한다. 둘째, O-Index에는 Mg나 SO₄ 의 관능검사 결과 간의 상관관계가 잘못 반영되어 있다. 일반적으로 Mg와 SO₄ 가물 맛을 나쁘게 하는 미네랄로 인식되어 O-Index 에 분 모항으로 고려한 것과는 달리, 관능검사 결과를 자세히 보면 Mg 와 SO₄는 물맛과 큰 상관관계를 가지고 있지 않으며 오히려 물맛을 약간 증가시킬 수 있는 미네랄이라는 해석이 가능하다.
O-Index와 M-Index 모두 관능검사 결과와 음(-)의 상관관계를 가지고 있기 때문에, 두 값 모두 높을수록 더 맛있는 물을 나타냄을 설명할 수 있다. 하지만 기존의 O-Index 는 관능검사 결과와 다소 낮은 상관계수 (R=-0.3765)를보임에 반해, 개발된 M-Index는 비교적 높은 상관계수 (R=-0.6278) 를 갖는다는 것을 알 수 있다. 즉, M-Index 는 물맛을 평가한 관능검사 결과를 더욱 잘 설명할 수 있으며 이는 곧 맛있는 물에 대한 지표로써 더 적절함을 알 수 있다.

후속연구

일반적으로 Mg와 SO₄ 가물 맛을 나쁘게 하는 미네랄로 인식되어 O-Index 에 분 모항으로 고려한 것과는 달리, 관능검사 결과를 자세히 보면 Mg 와 SO₄는 물맛과 큰 상관관계를 가지고 있지 않으며 오히려 물맛을 약간 증가시킬 수 있는 미네랄이라는 해석이 가능하다. 따라서 맛있는 물에 대한 보다 정확한 평가를 위해 해당 지표에 Mg와 SO₄ 들을 제외하는 경우에 대한 검토가 필요하다.
향후 연구에서는 신뢰구간 평가 등의 통계적 처리를 통하여, 분석된 M-Index 값을 일반화하고, 맛있는 물에 대한 가이드 라인을 제시할 것이다. 또한, 이러한 맛있는 물을 만들기 위한 방법 즉, 충분한 미네랄이 용해될 수 있는 방법론에 대한 고찰도 필요로 할 것이다.
부족하다. 향후 연구에서는 신뢰구간 평가 등의 통계적 처리를 통하여, 분석된 M-Index 값을 일반화하고, 맛있는 물에 대한 가이드 라인을 제시할 것이다. 또한, 이러한 맛있는 물을 만들기 위한 방법 즉, 충분한 미네랄이 용해될 수 있는 방법론에 대한 고찰도 필요로 할 것이다.

참고문헌 (12)

민병준 (2000) 한국의 샘물, 대원사
엄재연, 이병선, 김영인, 최종학 (2010) "간척지 인근 지하수를 이용한 대규모 농어업회사 용수공급 가능성 분석 연구", 한국관개배수논문집, 17(1), pp.24-29
이승호 (2005) "우리나라 일부지역 약수의 미네랄 함량과 특성에 관한 조사", 서울대보건대학원, 석사학위논문
이정자, 김오목, 이병옥, 정유진, 김경태, 최춘석 (2006) "맛있고, 건강한 물의 미네랄 발란스에 관한 연구", 한국물환경학회？대한상하수도학회 공동추계학술 발표회, 대구
환경부 (2005) 먹는물 다원화에 대한 정책방안 수립
APHA, AWWA, WPCF (1985) Standard Methods: For the Examination of Water and Wastewater (16th edition), Washington, USA
Gaman, P.M., & Sherrington, K.B. (1990) The Science of Food: Introduction to Food Science, Nutrition and Microbiology (3rd ed.), Oxford: Pergamon
Hashimoto, S., Fujita, M., Furukawa, K., and Minami, J. (1987) "Indices of drinking water concerned with taste and health", Journal of Fermentation Technology, 65(2), pp.185-192

상세보기
Hoshino, T., Kurata, Y., Terasaki, Y., and Susa, K. (2001) "Mechanism of polishing of $SiO_{2}$ films by $CeO_{2}$ particles", Journal of Non-Crystalline Solids, 283, pp.129-136

상세보기
Kolodziej, E. (2004) "The bottled water story - here's what the consumers said!", AWWA Annual Conference and Exposition
Levallois, P., Grondin, J. and Gingras, S. (1999) "Evaluation of consumer attitudes on taste and tap water alternatives in Quebec", Water Science and Technology, 40(6), pp.135-139

상세보기
Whelton, A. J., Dietrich, A. M., Burlingame, G. A., Schechs, M., & Duncan, S. E. (2007) "Minerals in drinking water: Impacts on taste and importance to consumer health", Water Science and Technology, 55(5), pp.283-291

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

맛있는 물 지표 개발을 통한 국내 약수 평가
Assessment of Korean spring waters using a new mineral water index 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

맛있는 물 지표 개발을 통한 국내 약수 평가 Assessment of Korean spring waters using a new mineral water index 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

이승재 (4) 이상은 (9) 박희경 (45)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

맛있는 물 지표 개발을 통한 국내 약수 평가
Assessment of Korean spring waters using a new mineral water index 원문보기

AI 본문요약
AI-Helper