[논문]옥외공간에서 수목의 다기능을 고려한 최적의 배식 위치 선정 모델 - 수목의 그림자 효과, 시야차단, 개방성을 고려하여 -

박채연; 이동근; 윤은주; 모용원; 윤준하

doi:10.13087/kosert.2019.22.2.1

옥외공간에서 수목의 다기능을 고려한 최적의 배식 위치 선정 모델 - 수목의 그림자 효과, 시야차단, 개방성을 고려하여 -
Optimal tree location model considering multi-function of tree for outdoor space - considering shading effect, shielding, openness of a tree - 원문보기

環境復元綠化 = Journal of the Korean Society of Environmental Restoration Technology, v.22 no.2, 2019년, pp.1 - 12

박채연 (서울대학교 협동과정조경학) , 이동근 (서울대학교 조경.지역시스템공학부) , 윤은주 (일본국립환경연구소 사회환경시스템 연구센터) , 모용원 (영남대학교 생명응용과학대학 산림자원 및 조경학과) , 윤준하 (서울대학교 조경.지역시스템공학부)

Abstract ▼ AI-Helper

Open space planners and designers should consider scientific and quantified functions of trees when they have to locate where to plant the tree. However, until now, most planners and designers could not consider them because of lack of tool for considering scientific and quantitative tree functions. This study introduces a tree location supporting tool which focuses on the multi-objective including scientific function using ACO (Ant colony optimization). We choose shading effect (scientific function), shielding, and openness as objectives for test application. The results show that when the user give a high weight to a particular objective, they can obtain the optimal results with high value of that objective. When we allocate higher weight for the shading effect, the tree plans provide larger shadow value. Even when compared with current tree plan, the study result has a larger shading effect plan. This result will reduce incident radiation to the ground and make thermal friendly open space in the summer. If planners and designers utilize this tool and control the objectives, they would get diverse optimal tree plans and it will allow them to make use of the many environmental benefits from trees.

주제어

표/그림 (11)

그림 Figure 1. Research Site for pilot test. (left: aerial photograph, right: model domain)
그림 Figure 2. Score map for shielding and openness tree functions. (score: 0∼20)
표 Table 2. Input parameters
그림 Figure 3. Intercepted solar radiation calculation for shading. (up: building, down: tree)
그림 Figure 4. ACO algorithm for optimal tree location model
표 Table 3. Functions’ weight in the three different scenarios
그림 Figure 5. Tree location results from the different weights simulations
그림 Figure 6. The variation of objective Function value(F). (x axis: iteration, y axis: F).
표 Table 4. F_best, shadow value in each scenario
그림 Figure 7. Tree location result (scenario 3, left) and real tree location (right).
그림 Figure 8. shade map (building+tree) of model result (scenario 3, left) and real tree location (right)

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서 그림자 변수는 수목의 정량적 효과를 파악 해줄 수 있는 도구로 가중치 변화를 통해서 정량적 효과의 차이를 파악하고자 하였으며, 그림자 변수 w₁의 비율을 다른 가중치 대비 1배, 2배, 3배로 증가하는 시나리오를 설정하였다 (Table 2). 그림자의 가중치를 높임에 따라 그림자 값이 더 높은 해가 선택되는지 확인하였다.
따라서 본 연구는 개미 군집 알고리즘을 이용하여 그동안 공간 설계 및 계획 분야에서 고려되지 못하던 수목의 객관적, 정량적 기능을 정성적 기능과 함께 고려할 수 있는 배식 위치 최적화 모델을 제안하고자 하였다. 이를 위해 수목의 객관적 기능인 그림자 효과와, 정성적 기능인 시선차단과 개방성을 함께 평가할 수 있는 목적함수를 규명하였다.
개미 군집 알고리즘은 최적화 방법 중 하나로, 개미가 좋은 해를 얻을 경우 페로몬을 남겨서 점차 세대가 지날수록 점차 좋은 해를 얻을 수 있게 하는 알고리즘이다. 본 모델에서 좋은 해의 기준은 목적함수 값을 최대로 해주는 것으로, 그림자와 시야차단은 높고 개방성은 낮은 위치에 수목을 배식시키는 것을 목적으로 한다. 목적함수(F)는 식(1)과 같고, 최적화 알고리즘의 전체 알고리즘은 Figure 4와 같다.
본 연구에서 제안하는 모델은 사용자가 수목의 규격과 주수를 지정하면, 그에 대한 최적의 위치를 제안해 준다. 본 연구는 대상지의 기존 수목을 무시하고 새로 배식하였을 때 어느 위치가 가장 좋은지에 대한 결과를 도출한 것이다. 단, 모델결과와 기존 대상지의 식재 위치를 비교하기 위해서 수목의 입력 자료는 현재 식재되어 있는 수목을 기준으로 하였다.
본 연구는 수목의 최적 위치를 찾아내는 모델을 제안하는 것을 목적으로 하며, 제안된 모델을 대상지에 시범적용 하였다. 대상지는 많은 사람이 이용하며 열 쾌적성이 문제가 될 수 있는 공간, 건물이 적게 분포하여 수목 그림자가 필요한 공간이라는 두 기준에 따라 선정하였다.
그 이유는 수목에 관한 많은 과학적 연구가 설계 및 계획에 잘 반영되지 못했기 때문이다. 본 연구에서는 과학적 연구와 설계를 연결할 수 있는 수목 배식 위치 모델을 제시함으로써 이러한 간극을 줄이고자 했다. 정량적 기능을 포함한 수목의 다기능을 함께 고려하기 위해 다목적 최적화 방법론을 사용했으며 그 중에서도 최적의 수목 배식 위치를 알기에 용이한 개미 군집 알고리즘을 이용하였다.
정량적 기능을 포함한 수목의 다기능을 함께 고려하기 위해 다목적 최적화 방법론을 사용했으며 그 중에서도 최적의 수목 배식 위치를 알기에 용이한 개미 군집 알고리즘을 이용하였다. 본 연구에서는 수목의 정량적 기능을 그림자를 통한 열 환경 개선에 맞추었으며 추가로, 수목으로 얻을 수 있는 시야차단기능이나 개방성을 목적으로 하여 마로니에 공원에 시범적용 하였다.
따라서 본 연구는 개미 군집 알고리즘을 이용하여 그동안 공간 설계 및 계획 분야에서 고려되지 못하던 수목의 객관적, 정량적 기능을 정성적 기능과 함께 고려할 수 있는 배식 위치 최적화 모델을 제안하고자 하였다. 이를 위해 수목의 객관적 기능인 그림자 효과와, 정성적 기능인 시선차단과 개방성을 함께 평가할 수 있는 목적함수를 규명하였다. 수목이 형성하는 그늘에서는 태양으로부터의 단파복사에너지가 차단되기 때문에 여름철 쉼터를 제공하는 효과가 있다.

가설 설정

수목 기능을 포함시키는 과정에서 아직까지는 많은 한계가 있지만 그럼에도 본 연구는 식재설계에서 수목의 정량적, 과학적 기능이 포함될 수 있다는 가능성을 보여줬다는 점에서 의미를 가진다. 본 연구에서의 시범적용은 수목이 없는 상태를 가정한 후 최적의 수목 배식 위치를 찾아내었다. 그러나 기존에 수목이 있는 대상지에서도 추가적인 수목에 대한 배식 위치를 찾기 위한 수단으로도 활용될 수 있을 것이다.

제안 방법

본 연구는 대상지의 기존 수목을 무시하고 새로 배식하였을 때 어느 위치가 가장 좋은지에 대한 결과를 도출한 것이다. 단, 모델결과와 기존 대상지의 식재 위치를 비교하기 위해서 수목의 입력 자료는 현재 식재되어 있는 수목을 기준으로 하였다. 서울시 가로수, 공원녹지 수목 자료를 참조했을 때 현재 대상지에는 약 9m 높이의 수목 20주와 약 12m 높이의 수목 24주가 분포하고 있었다.
본 연구에서 그림자 변수는 수목의 정량적 효과를 파악 해줄 수 있는 도구로 가중치 변화를 통해서 정량적 효과의 차이를 파악하고자 하였으며, 그림자 변수 w1 의 비율을 다른 가중치 대비 1배, 2배, 3배로 증가하는 시나리오를 설정하였다 (Table 2).
식재설계에서 공간 활용의 특성을 시야차단, 개방성으로만 설명할 수는 없지만본 연구에서는 모델의 결과를 잘 보여줄 수 있는 변수 두 가지를 선정하였다. 본 연구에서 두 목적함수는 향후 모델의 결과와 실제 수목 배식 위치를 비교하기 위하여 실제 식재된 수목을 고려하여 점수 도면을 작성하였지만, 실제 모델이 활용 될 때는 설계자의 주관성이 드러날 수 있도록 직접 점수 도면을 작성하여 입력변수로 활용한다(Figure 2). 시야차단 점수 도면의 경우 0 에서 20점 사이에서 시야차단이 필요한 격자일 수록 높은 점수를 부여하였다.
격자마다 한 개의 공간이용(건축물, 도로, 보행로, 수목)이 할당되며 건물, 도로, 보행로를 제외한 공간을 수목이 위치할 수 있는 공간으로 정의하였다(Figure 1). 본 연구에서 제안하는 모델은 사용자가 수목의 규격과 주수를 지정하면, 그에 대한 최적의 위치를 제안해 준다. 본 연구는 대상지의 기존 수목을 무시하고 새로 배식하였을 때 어느 위치가 가장 좋은지에 대한 결과를 도출한 것이다.
본 연구에서는 개미 군집 알고리즘을 이용하여 수목의 객관적이고 정량적인 기능과 설계자의 의도가 포함된 정성적 기능을 함께 고려할수 있는 수목 최적화 모델을 제한하였다. 본 연구에서는 정량적인 기능으로는 그림자 효과, 정성적인 기능으로는 시야차단과 개방성만 선정하였기 때문에 다른 가치를 포함시키지 못했다는 한계점을 가진다.
수목이 형성하는 그늘에서는 태양으로부터의 단파복사에너지가 차단되기 때문에 여름철 쉼터를 제공하는 효과가 있다. 본 연구에서는 정량적인 목적함수로 수목에 의한 그림자 면적을 적용하였고, 설계자의 주관이 반영될 수 있는 시선차단과 개방성을 수목의 정성적 기능으로 목적함수에 추가하였다. 또한 본 연구에서 반영하고 있지 않은 수목의 기능이더라도 수식, 평가도면 등의 목적함수에 포함시킨다면 추가 반영 가능하기 때문에 그 활용 가능성이 높을 것으로 예상된다.
광장과 같은 공간을 의도할 때 개방성을 높이고 수목이 식재되지 않도록 할 수 있다. 식재설계에서 공간 활용의 특성을 시야차단, 개방성으로만 설명할 수는 없지만본 연구에서는 모델의 결과를 잘 보여줄 수 있는 변수 두 가지를 선정하였다. 본 연구에서 두 목적함수는 향후 모델의 결과와 실제 수목 배식 위치를 비교하기 위하여 실제 식재된 수목을 고려하여 점수 도면을 작성하였지만, 실제 모델이 활용 될 때는 설계자의 주관성이 드러날 수 있도록 직접 점수 도면을 작성하여 입력변수로 활용한다(Figure 2).

대상 데이터

본 연구는 수목의 최적 위치를 찾아내는 모델을 제안하는 것을 목적으로 하며, 제안된 모델을 대상지에 시범적용 하였다. 대상지는 많은 사람이 이용하며 열 쾌적성이 문제가 될 수 있는 공간, 건물이 적게 분포하여 수목 그림자가 필요한 공간이라는 두 기준에 따라 선정하였다. 따라서 낮 동안에도 거주민과 관광객의 왕래가 많고 건물의 그림자가 적은 종로구에 위치한 마로니에 공원이 연구의 대상지로 선정되었다.
대상지는 많은 사람이 이용하며 열 쾌적성이 문제가 될 수 있는 공간, 건물이 적게 분포하여 수목 그림자가 필요한 공간이라는 두 기준에 따라 선정하였다. 따라서 낮 동안에도 거주민과 관광객의 왕래가 많고 건물의 그림자가 적은 종로구에 위치한 마로니에 공원이 연구의 대상지로 선정되었다. 총 대상지역은 115×185m 이며 공간을 격자단위 (5×5m)로 치환하여 연구에 활용하였다.
시범 적용의 경우 2017년 6월에서 8월까지 전운량이 5 미만인 날, 오후 2시의 일사량, 태양 고도각, 방위각을 기준으로 하였으며, 이때의 평균값은 각각 822 W/m², 0.4587 radian, 3.7739 radian이다.
총 대상지역은 115×185m 이며 공간을 격자단위 (5×5m)로 치환하여 연구에 활용하였다.

이론/모형

본 연구에서는 과학적 연구와 설계를 연결할 수 있는 수목 배식 위치 모델을 제시함으로써 이러한 간극을 줄이고자 했다. 정량적 기능을 포함한 수목의 다기능을 함께 고려하기 위해 다목적 최적화 방법론을 사용했으며 그 중에서도 최적의 수목 배식 위치를 알기에 용이한 개미 군집 알고리즘을 이용하였다. 본 연구에서는 수목의 정량적 기능을 그림자를 통한 열 환경 개선에 맞추었으며 추가로, 수목으로 얻을 수 있는 시야차단기능이나 개방성을 목적으로 하여 마로니에 공원에 시범적용 하였다.

성능/효과

연구 결과 3개의 기능에 가중치를 다르게 할 경우 서로 다른 최적화된 수목 배식 위치 도면이 도출되었다. 가장 큰 목적함수 값을 지닌 도면은 그림자의 가중치를 가장 크게 한 시나리오 3이었으며 임의적으로 배치했던 초기의 해 보다 약 80% 증가한 값을 가진 것을 확인하였다. 또한 이를 실제 도면과 비교했을 때, 건물과 떨어진 지역과 같이 그림자가 겹치지 않는 지역에 수목을 배치함으로써 그림자 값을 극대화 한 것을 확인할 수 있었다.
이러한 시나리오별 차이는 이전의 최적화 토지이용 계획모델에서도 동일하게 나타난 바 있다 (Yoon and Lee, 2017). 개발이익, 보전이익을 두 가지 목적으로 두었을 때 각 측면의 가중치에 따라 토지이용 배분이 다르게 나타났고, 중도적인 성격을 지닌 대안도 도출되었다. 시나리오별 차이를 도출해주는 최적화의 특징은 여러 대안을 도출해준다는 면에서 의미가 있다.
6-8월은 열 스트레스가 가장 높은 여름철에 해당하며, 이 중 2시는 일사량이 높으며 그림자가 어느 정도 생성되는 시기다. 동시에 이 시기는 사람들이 공원을 많이 이용하는 시기이므로, 본 연구에서 도출한 결과는 다수의 공원 이용객에게 열 쾌적성을 고려한 수목의 배식 위치를 도출하였다는 측면에서 의미 있는 결과이다. 하지만 본 연구에서는 응용 가능한 설계 모델을 제시하는데 목적이 두었으며, 그러한 맥락에서 다른 계절과 시간대를 기준으로 한 그림자의 변화에 대해서도 입력자료를 일부 수정함으로써 모의할 수 있다.
가장 큰 목적함수 값을 지닌 도면은 그림자의 가중치를 가장 크게 한 시나리오 3이었으며 임의적으로 배치했던 초기의 해 보다 약 80% 증가한 값을 가진 것을 확인하였다. 또한 이를 실제 도면과 비교했을 때, 건물과 떨어진 지역과 같이 그림자가 겹치지 않는 지역에 수목을 배치함으로써 그림자 값을 극대화 한 것을 확인할 수 있었다. 그러나 본 모델은 수목의 기능은 3 가지로 제한되었고 설계적 요소를 제대로 반영하지 못하는 한계가 있다.
모델 결과의 경우 일사량을 줄이기 위해 실제보다 수목을 더 넓게 분포하도록 위치하였다. 모델 결과는 실제 도면의 그림자값(80384) 보다 8%정도 상승하였으며, 그림자의 분포가 넓어진 것을 볼 수 있다(Figure 8). B 지역의 경우 모델의 결과, 수목이 매우 일정한 간격으로 1열 식재된 것을 볼 수 있다.
연구 결과 3개의 기능에 가중치를 다르게 할 경우 서로 다른 최적화된 수목 배식 위치 도면이 도출되었다. 가장 큰 목적함수 값을 지닌 도면은 그림자의 가중치를 가장 크게 한 시나리오 3이었으며 임의적으로 배치했던 초기의 해 보다 약 80% 증가한 값을 가진 것을 확인하였다.
초기의 값은 수목의 배식 위치를 모두 임의로 지정했을 때의 값인데, 시나리오 1, 2, 3 모두 최적해일 때 값이 초기 값에 비해 22∼31% 증가한 것을 확인할 수 있다(Table 3).

후속연구

또한 이를 실제 도면과 비교했을 때, 건물과 떨어진 지역과 같이 그림자가 겹치지 않는 지역에 수목을 배치함으로써 그림자 값을 극대화 한 것을 확인할 수 있었다. 그러나 본 모델은 수목의 기능은 3 가지로 제한되었고 설계적 요소를 제대로 반영하지 못하는 한계가 있다. 이는 목적함수의 증가, 제약요건 등의 개선을 통해 충분히 개선될 수 있을 것으로 보인다.
그러나 기존에 수목이 있는 대상지에서도 추가적인 수목에 대한 배식 위치를 찾기 위한 수단으로도 활용될 수 있을 것이다. 따라서 본 방법은 새로운 계획 및 설계에서뿐만 아니라 도시재생사업, 환경정비사업 등 다양한 사업에서 활용될 수 있을 것으로 사료된다. 향후 본 모델을 기존에 개발되어 있는 수목의 기능 평가 모델(공기 정화 기능, 녹지 연결성 향상 기능 등)과 연계시킨다면 더 다양한 수목의 기능을 함께 평가할 수 있게 할 수 있을 것이다.
건물과 같은 기반시설과는 달리 성장 한다는 점이 수목의 큰 특징이다. 따라서 향후에는 성장과 관련된 시간 스케일을 고려한 연구가 필요할 것이다.
본 연구에서는 정량적인 목적함수로 수목에 의한 그림자 면적을 적용하였고, 설계자의 주관이 반영될 수 있는 시선차단과 개방성을 수목의 정성적 기능으로 목적함수에 추가하였다. 또한 본 연구에서 반영하고 있지 않은 수목의 기능이더라도 수식, 평가도면 등의 목적함수에 포함시킨다면 추가 반영 가능하기 때문에 그 활용 가능성이 높을 것으로 예상된다.
또한 본 연구에서는 성목의 규격만 고려하여 분석하였으나, 이식단계의 수목이 성목이 아닐 경우에는 성장하는 크기에 대한 고려가 필요할 수 있다. 이 경우에는 초기 이식단계에서부터 성목이 될 때까지의 시간을 구분하여 그때마다의 그림자를 평가하는 방법이 있을 수 있겠으나, 본 연구는 초기연구로써 성목인 경우만 고려하였다.
본 연구에서는 정량적인 기능으로는 그림자 효과, 정성적인 기능으로는 시야차단과 개방성만 선정하였기 때문에 다른 가치를 포함시키지 못했다는 한계점을 가진다. 또한 정성적 기능을 도면화하는 과정에서 설계자가 점수를 부여하는 것이 기존에 설계자가 공간의 개방성을 부여하고 수목을 통해 시야를 차단하는 방식과는 차이가 있어, 실제로 활용되기 까지 방법에 대한 적합성에 대한 논의가 필요할 것으로 보이며, 여러 가지 주관적 조건들을 객관화할 수 있는 방안이 탐구되어야 할 것이다. 마지막으로 정량적 기능과 정성적 기능을 연계하는 부분에 대한 논의도 필요할 것으로 보인다.
또한 정성적 기능을 도면화하는 과정에서 설계자가 점수를 부여하는 것이 기존에 설계자가 공간의 개방성을 부여하고 수목을 통해 시야를 차단하는 방식과는 차이가 있어, 실제로 활용되기 까지 방법에 대한 적합성에 대한 논의가 필요할 것으로 보이며, 여러 가지 주관적 조건들을 객관화할 수 있는 방안이 탐구되어야 할 것이다. 마지막으로 정량적 기능과 정성적 기능을 연계하는 부분에 대한 논의도 필요할 것으로 보인다. 본 연구에서는 각각의 기능에 대한 가중치를 설정해주는 것으로 하였으나, 앞서 제한한 것처럼 모델 내에서 제약요건을 추가할 수도 있다.
본 모델은 정성적이고 설계적인 요인만 고려했던 식재설계에 정량적이고 과학적인 기능을 함께 고려할 수 있게 했다는 점에서 큰 의의를 지닌다. 모델의 결과로만 수목 배식 위치를 결정할 수는 없겠지만 식재설계에 중요한 자료로 활용된다면, 옥외공간에서 수목의 과학적인 기능이 지금보다 효과적으로 발휘될 수 있을 것이다.
본 연구에서는 개미 군집 알고리즘을 이용하여 수목의 객관적이고 정량적인 기능과 설계자의 의도가 포함된 정성적 기능을 함께 고려할수 있는 수목 최적화 모델을 제한하였다. 본 연구에서는 정량적인 기능으로는 그림자 효과, 정성적인 기능으로는 시야차단과 개방성만 선정하였기 때문에 다른 가치를 포함시키지 못했다는 한계점을 가진다. 또한 정성적 기능을 도면화하는 과정에서 설계자가 점수를 부여하는 것이 기존에 설계자가 공간의 개방성을 부여하고 수목을 통해 시야를 차단하는 방식과는 차이가 있어, 실제로 활용되기 까지 방법에 대한 적합성에 대한 논의가 필요할 것으로 보이며, 여러 가지 주관적 조건들을 객관화할 수 있는 방안이 탐구되어야 할 것이다.
수목의 정량적·정성적 특성의 통합적 고려가 가능한 도구가 있다면 위와 같은 한계를 벗어나는데 도움을 줄 수 있을 것이다.
특히 여러 가지 혜택을 모두 만족시킬 수 있는 공간적 대안을 찾기란 하지만 쉽지 않기 때문에 (Brookes, 2001), 위와 같은 최적화 대안이 갖는 의미가 크다. 아직까지 공간 계획 및 설계에 최적화 방법론을 적용한 사례가 많지 않기 때문에 본 연구에서 제안한 방법은 앞으로 여러 방면에서 발전될 가능성이 클 것이다.
동시에 이 시기는 사람들이 공원을 많이 이용하는 시기이므로, 본 연구에서 도출한 결과는 다수의 공원 이용객에게 열 쾌적성을 고려한 수목의 배식 위치를 도출하였다는 측면에서 의미 있는 결과이다. 하지만 본 연구에서는 응용 가능한 설계 모델을 제시하는데 목적이 두었으며, 그러한 맥락에서 다른 계절과 시간대를 기준으로 한 그림자의 변화에 대해서도 입력자료를 일부 수정함으로써 모의할 수 있다.
따라서 본 방법은 새로운 계획 및 설계에서뿐만 아니라 도시재생사업, 환경정비사업 등 다양한 사업에서 활용될 수 있을 것으로 사료된다. 향후 본 모델을 기존에 개발되어 있는 수목의 기능 평가 모델(공기 정화 기능, 녹지 연결성 향상 기능 등)과 연계시킨다면 더 다양한 수목의 기능을 함께 평가할 수 있게 할 수 있을 것이다. 이러한 수목의 과학적 기능은 대상지에 적합하도록 선정되어야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	옥외공간에서 이루어지는 식재 설계는 무엇을 고려하는가?	옥외공간에서 이루어지는 식재 설계는 수목의 다양한 기능을 고려한다. 특히 공원과 같은 옥외공간에서는 그 공간의 이용자의 행태도 함께 고려하여 배식 위치, 수종, 크기 등을 결정한다.
	실제 식재 설계에서는 수목의 기능을 정량적으로 고려하지 못하고 있는 이유는 무엇인가?	이렇듯 수목이 다양한 기능을 가지고 있음에도 불구하고, 실제 식재 설계에서는 수목의 기능을 정량적으로 고려하지 못하고 있다. 이것은 타 분야 대비 옥외 공간에 대한 과학적 연구가 부족하다는 데에서 일부 기인한 것도 있으나, 공간 설계 및 계획 분야의 정성적 특성과, 기능을 평가하는 분야의 정량적 특성을 연계하는데 한계가 존재하기 때문이다. 수목의 정량적·정성적 특성의 통합적 고려가 가능한 도구가 있다면 위와 같은 한계를 벗어나는데 도움을 줄 수 있을 것이다.
	수목의 대표적인 기능에는 무엇이 있는가?	특히 공원과 같은 옥외공간에서는 그 공간의 이용자의 행태도 함께 고려하여 배식 위치, 수종, 크기 등을 결정한다. 수목의 대표적인 기능으로는 시선을 차단하거나 경계를 구분하고, 열린 경관과 대비될 수있는 위요공간을 형성하는 등의 건축적 기능과, 배경효과와 조화로움을 제공하는 미적 기능이 있으며, 이 외에도 기상학적, 생태적 기능 등 과학적으로 평가 가능한 기능을 갖는다. 실제 관련 연구에서는 수목이 태양열을 차단하여 이용자들이 상대적으로 시원하게 느끼는 공간을 형성하며(Holst and Mayer.

참고문헌 (18)

Aerts, J. C. J. H..Heuvelink, G. B. M. 2002. Using simulated annealing for resource allocation. International Journal of Geographical Information Science, 16(6), 571-587. https://doi.org/10.1080/13658810210138751

상세보기
Brookes, C. J. 2001. A genetic algorithm for designing optimal patch configurations in GIS. International Journal of Geographical Information Science. 15(6), 539-559. https://doi.org/10.1080/136588101316907227

상세보기
Gromke, C..Blocken, B. 2015. Influence of avenue-trees on air quality at the urban neighborhood scale. Part II: Traffic pollutant concentrations at pedestrian level. Environmental Pollution, 196, 176-184. https://doi.org/10.1016/j.envpol.2014.10.015

상세보기
Holst, J.,.Mayer, H. 2011. Impacts of street design parameters on human-biometeorological variables. Meteorologische Zeitschrift, 20(5), 541-552. https://doi.org/10.1127/0941-2948/2011/0254

상세보기
Huang, Y. J..Akbari, H..Taha, H..Rosenfeld, A. H. 1987. The Potential of Vegetation in Reducing Summer Cooling Loads in Residential Buildings. American Meteorological Society, 26, 1103-1116.
Lee, H..Holst, J..Mayer, H. 2013. Modification of human-biometeorologically significant radiant flux densities by shading as local method to mitigate heat stress in summer within urban street canyons. Advances in Meteorology, 2013. https://doi.org/10.1155/2013/312572

상세보기
Li, X..He, J..Liu, X. 2009. Intelligent GIS for solving high-dimensional site selection problems using ant colony optimization techniques. International Journal of Geographical Information Science, 23(4), 399-416. https://doi.org/10.1080/13658810801918491

상세보기
Li, X..Parrott, L. 2016. An improved Genetic Algorithm for spatial optimization of multiobjective and multi-site land use allocation. Computers, Environment and Urban Systems, 59, 184-194. https://doi.org/10.1016/j.compenvurbsys.2016.07.002

상세보기
Liu, X..Li, X..Shi, X..Huang, K..Liu, Y. 2012. A multi-type ant colony optimization (MACO) method for optimal land use allocation in large areas. International Journal of Geographical Information Science, 26(7), 1325-1343. https://doi.org/10.1080/13658816.2011.635594

상세보기
Liu, Y..Tang, D..Liu, D..Kong, X. 2012. A Land Use Spatial Allocation Model based on Ant Colony Optimization. Geog.Leeds. Ac.Uk, 8(1991), 1115-1126.
Lopez, B. E..Urban, D..Whiter, P. S. 2018. Nativity and seed dispersal mode influence species' responses to habitat connectivity and urban environments. Global Ecology and Biogeography, 1-14. https://doi.org/10.1111/geb.12760

상세보기
Ma, S..Li, X..Cai, Y. 2017. Delimiting the urban growth boundaries with a modified ant colony optimization model. Computers, En vironment a nd Urba n Systems, 62, 146-155. https://doi.org/10.1016/j.compenvurbsys.2016.11.004

상세보기
Maniezzo, A. C. M. D. V. 1992. Distributed optimization by ant colonies. In Toward a practice of autonomous systems: proceedings of the First European Conference on Artificial Life. Mit Press.
Park, C. Y..Lee, D. K..Krayenhoff, E. S.. Heo, H.K..Ahn , S..Asawa, T.. Akinobu, M..Kim, H. G. 2018. A multilayer mean radiant temperature model for pedestrians in a street canyon with trees. Building and Environment, 141, 298-309. https://doi.org/10.1016/j.buildenv.2018.05.058

상세보기
Park, Y..Lee, D..Yoon, E..Mo, Y..Leem, J. 2017. Land Use Optimization using Genetic Algorithms. Journal of Environmental Impact Assessment, 26(1), 44-56. (in Korean with English summary)

원문보기 상세보기
Yoon, E. J..Lee, D. K. 2017. Basic Study on Spatial Optimization Model for Sustainability using Genetic Algorithm -Based on Literature Review-. Journal of Korean Environmental Restoration Technology, 20(6), 133-149.
Yoon, E. J..Song, E. J..Jeung, Y. H..Kim, E. Y..Lee, D. K. 2018. Spatial Decision Support System for Development and Conservation of Unexecuted Urban Park using ACO. Journal of Korean Environmental Restoration Technology, 21(2), 39-51. (in Korean with English summary)
Yoon, E. J..Kim, B.Lee, D. K. 2017. 2019. Multi-objective planning model for urban greening based on optimization algorithms. Urban Forestry & Urban Greening, In press. https://doi.org/10.1016/j.ufug.2019.01.004

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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