[논문]낙동강 중하류에서 이산화탄소 순배출 플럭스 산정 및 영향인자 분석

이은주; 정세웅; 박형석; 김성진; 박대연

doi:10.15681/kswe.2019.35.4.316

낙동강 중하류에서 이산화탄소 순배출 플럭스 산정 및 영향인자 분석
Estimation of CO2 Net Atmospheric Flux in the Middle and Lower Nakdong River, and Influence Factors Analysis 원문보기

한국물환경학회지 = Journal of Korean Society on Water Environment, v.35 no.4, 2019년, pp.316 - 331

이은주 (충북대학교 환경공학과) , 정세웅 (충북대학교 환경공학과) , 박형석 (충북대학교 환경공학과) , 김성진 (충북대학교 환경공학과) , 박대연 (충북대학교 환경공학과)

Abstract ▼ AI-Helper

Carbon dioxide($CO_2$) emission from rivers to the atmosphere is a key component in the global carbon cycle. Most of the rivers are supersaturated with $CO_2$. At a global scale, the amount of $CO_2$ emission from rivers is reported to be five-fold greater than that from lakes and reservoirs, but relevant data are rare in Korea. The objectives of this study is to estimate the $CO_2$ net atmospheric flux(NAF) from the upstream of Gangjeong-Goryeong Weir(GGW), Dalseong Weir(DSW), Hapcheon-Changnyeong Weir(HCW), and Changnyeong-Haman Weir(CHW) located in Nakdong River South Korea) using field and laboratory experiments and to apply data mining techniques to develop parsimonious prediction models that can be used to estimate $CO_2$ NAF with physical and water quality variables that can be collected easily. As a result, the study sites were all heterotrophic systems that often released $CO_2$ to the atmosphere, except when the algal photosynthesis was active.The median $CO_2$ NAF was minimum $391.5mg-CO_2/m^2$ day at GGW and maximum $1472.7mg-CO_2/m^2$ day at DSW. The $CO_2$ NAF showed a negative correlation with pH and Chl-a since the overgrowth of the algae consumed $CO_2$ in the water and increased the pH. As the parsimonious multiple regression model and random forest model developed, this study showed an excellent performance with the $Adj.R^2$ value higher than 0.77 in all weirs. Thus, these methods can be used to estimate $CO_2$ NAF in the river even if there is no $pCO_2$ measurement data.

주제어

표/그림 (17)

표 Table 1. The ranges of pCO₂ in streams and rivers reported in previous studies
그림 Fig. 1. The map of study areas and locations of sampling site.
표 Table 2. The location of sampling sites
표 Table 3. Water quality conditions of the study sites during the study period
표 Table 4. The description statistics of the observed weirs variables
그림 Fig. 2. The correlation matrices of observed variables.
그림 Fig. 3. The variations of CO₂ net atmospheric flux (NAF) during the monitoring period.
표 Table 5. The summary statistics of estimated CO₂ NAF for each weir
표 Table 6. The comparison of the CO₂ NAF estimated in this study with previous studies
그림 Fig. 4. The boxplots of comparison for (a) k_g and (b) CO₂ NAF for each equations
그림 Fig. 5. Correlation matrices of water velocity and CO₂ NAF.
표 Table 7. The description statistics of summary statistics of k_g and CO₂ NAF for different gas transfer velocityEquations
그림 Fig. 6. Bi-plots of PCA results
표 Table 8. Subset regression variables that best matched the performance criterion of weirs
그림 Fig. 7. The partial dependence plots showing the marginal effects of a single variable on NAF
그림 Fig. 8. The comparison of performances of the best SMLR and RF models
표 Table 9. The best SMLR models and parsimonious RF models for estimating CO₂ NAF for each weir

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 보 건설로 하천환경이 변화된 낙동강 중하류를 대상으로 CO₂ NAF의 시간적 변동성을 조사하고자 하였다. 연구의 목적은 낙동강에 설치된 4개 보(강정고령보(GGW), 달성보(DSW), 합천창녕보(HCW), 창녕함안보(CHW))를 대상으로 2017-2018년 현장실험을 통해 수집된 자료를 이용하여 보 구간에서의 CO₂ NAF의 동적 변동 특성을 분석하고, 데이터마이닝 기법을 활용하여 CO₂ NAF에 영향을 미치는 중요 환경변수를 추출하고 예측모델을 개발하며, 수체 내 조류(Chl-a)의 과잉증식이 CO₂ NAF에 미치는 영향을 평가하는데 있다.
본 연구는 낙동강 중하류에 위치한 강정고령보, 달성보, 합천창녕보, 창녕함안보의 상류 구간을 대상으로 CO₂ NAF를 산정하고, 수질자료 및 기상자료들을 이용하여 다양한 데이터마이닝 기법으로 하천에서 CO₂ NAF 예측에 중요한 변수를 평가하고 각 보별 NAF 예측 모델을 개발하였다. 연구결과를 통해 도출된 주요 결론은 다음과 같다.
NAF의 시간적 변동성을 조사하고자 하였다. 연구의 목적은 낙동강에 설치된 4개 보(강정고령보(GGW), 달성보(DSW), 합천창녕보(HCW), 창녕함안보(CHW))를 대상으로 2017-2018년 현장실험을 통해 수집된 자료를 이용하여 보 구간에서의 CO₂ NAF의 동적 변동 특성을 분석하고, 데이터마이닝 기법을 활용하여 CO₂ NAF에 영향을 미치는 중요 환경변수를 추출하고 예측모델을 개발하며, 수체 내 조류(Chl-a)의 과잉증식이 CO₂ NAF에 미치는 영향을 평가하는데 있다.

제안 방법

05 m/s)이 매우 느리고, 정체수역을 형성하여 Cole and Caraco (1998)의 방법으로 산정한 NAF로 주성분분석 및 변수중요도 평가를 진행하였다. CO2 NAF에 미치는 유속의 영향을 판단하기 위하여 상관분석을 실시하였으며, NAF와 유속은 낮은 상관관계(0.33, 0.32, 0.32)를보였다(Fig. 5).
PCA 분석은 실험 변수들의 군집화를 통해 NAF와 상관성이 높은 환경변수들을 추출하기 위해 적용되었으며, 비지도학습으로 수행되었다. PCA 분석에서 주성분 수의 결정은 주성분 축에 정사된 자료의 분산 크기를 나타내는 고유치(Eigenvalue)가 1.0 이상인 값을 갖는 주성분 축만을 고려하였다(Box and Cox, 1964; Jung et al., 2012; Soltani et al., 2012). PCA분석에 앞서 원자료가 주성분분석에 적합한지 판단하기 위해 KMO(Kaiser-Meyer-Olkin) test(KMO 값 > 0.
PCA 분석은 실험 변수들의 군집화를 통해 NAF와 상관성이 높은 환경변수들을 추출하기 위해 적용되었으며, 비지도학습으로 수행되었다. PCA 분석에서 주성분 수의 결정은 주성분 축에 정사된 자료의 분산 크기를 나타내는 고유치(Eigenvalue)가 1.
RF 모델을 통해 각 보별로 선정된 중요 변수에 대하여 어떤 조건에서 NAF값이 변하는지 partial dependence plot을 이용하여 해석하였다(Fig. 7). 모든 보에서 pH는 중요변수로 선정되었으며, 낮을수록 NAF가 증가하였다.
RF 모델의 변수 중요도 평가 기능을 이용하여 NAF 예측에 중요한 변수의 순위를 평가하였다. NAF 예측에 사용한 독립변수는 pH, Alk, Turb, Wtr, Uw, Chl-a, DO, EC, SS,TN, TP, TOC이다.
R²)와 독립변수의 개수에 따른 정보 손실분을 반영하는 AIC(Akaike Information Criterion)를 사용하였다. Rpackage인 car(Fox et al., 2019)로 VIF 지수를 산정하여 10 이상인 값을 기준으로 다중공선성을 판단하였다.
SMLR 기법으로 CO₂ NAF 예측 다중회귀모델을 개발하고 NAF 산정과 관계된 중요 변수를 추출하기 위해 종속변수로 NAF를 사용하고, 독립변수는 pH, Alk, Turb, Wtr, Uw, Chl-a, DO, EC, SS, TN, TP, TOC를 입력하였다. 단계적 전진 방법을 적용하였으며, 모델에 사용하는 첫 번째 변수는 종속변수와 상관성이 가장 큰 독립변수를 선택한다.
NAF를 산정할 수 있는 통계모델의 개발과 각 환경 변수들의 중요도를 평가하기 위해 적용되었다. SMLR과 RF 모델은 산정된 NAF를 종속변수로 지도학습을 하였으며, 개발된 모델을 통해 환경변수의 중요도를 평가하였다. 독립변수는 현장측정과 실험으로 수집한 pH, Alk, Turb, Wtr, Uw,Chl-a, DO, EC, SS, TN, TP, TOC를 포함하였다.
SMLR과 RF 모델은 정기 수질측정망 항목으로 하천의 CO₂ NAF를 산정할 수 있는 통계모델의 개발과 각 환경 변수들의 중요도를 평가하기 위해 적용되었다. SMLR과 RF 모델은 산정된 NAF를 종속변수로 지도학습을 하였으며, 개발된 모델을 통해 환경변수의 중요도를 평가하였다.
NAF 예측 다중회귀모델을 개발하고 NAF 산정과 관계된 중요 변수를 추출하기 위해 종속변수로 NAF를 사용하고, 독립변수는 pH, Alk, Turb, Wtr, Uw, Chl-a, DO, EC, SS, TN, TP, TOC를 입력하였다. 단계적 전진 방법을 적용하였으며, 모델에 사용하는 첫 번째 변수는 종속변수와 상관성이 가장 큰 독립변수를 선택한다. 순차적으로 편상관성이큰 독립변수가 적용되며, 진입 기준에 만족하는 변수가 없으면 프로시저는 중단된다(Chung et al.
SMLR과 RF 모델은 산정된 NAF를 종속변수로 지도학습을 하였으며, 개발된 모델을 통해 환경변수의 중요도를 평가하였다. 독립변수는 현장측정과 실험으로 수집한 pH, Alk, Turb, Wtr, Uw,Chl-a, DO, EC, SS, TN, TP, TOC를 포함하였다. SMLR 모델은 하나의 종속변수와 여러 개의 독립변수들 간에 선형관계(Linear Relationship)가 있음을 가정하여 주어진 학습데이터를 바탕으로 각 독립변수의 회귀계수를 추정하는 모형이다(Bae and Kim, 2016).
)의 차에 기체전달속도를 곱하여 산정한다(Cole and Prairie, 2009;Wanninkhof, 1992). 본 연구에서 기체전달속도는 풍속의 함수를 사용하는 Cole and Caraco (1998)가 제안한 식 (1)과Raymond et al. (2012)이 제시한 식 (2), 식 (3)을 사용하여 k600을 산정한 후, R package인 LakeMetabolizer(Winslow et al.,2018)를 사용하여 CO₂ 기체와 온도에 대해 보정된 k_g를 산정하였고, k_g 산정방법에 따른 NAF의 민감도 분석을 실시하였다. 대기-수면 경계면을 통해 교환되는 CO₂의 NAF는 Henry의 법칙과 Fick의 1차 확산법칙을 이용한 식 (4)로 계산하였다.
본 연구에서는 담수와 해수의 탄산산염 시스템에서 열역학적 화학평형을 모두 고려한 CO2SYS 프로그램을 사용하여 수중의 pCO2를 산정하였으며(Lewis and Wallace, 1998), 대기 중 CO2분압은 360 μatm으로 입력하였다.
CO₂SYS는 입력변수로 pH,Alk, DIC 중 2개 항목과 수온, 염분도 자료를 사용하여 Alk 또는 DIC와 pCO₂를 계산할 수 있다. 본 연구에서는 현장에서 측정한 수온과 실험실에서 측정한 pH, Alk 값을 사용하여 pCO₂를 산정하였다(Butman and Raymond, 2011; Cole and Prairie, 2009; Li et al., 2013). 탄산염 분석은 염분=0(담수)인 시료로 수행되었으며, 하천의 담수 특성을 반영하였다.
독립변수들의 다중공선성 평가결과, VIF 기준 10을 초과한 변수는 창녕함안보를 제외한 모든 보에서는 나타나지 않았다. 창녕함안보의 경우 다중공선성을 나타낸 변수는 pH, Chl-a,EC, TP이었으며, 이들 변수를 제외한 후 다중회귀모델을 개발하였다. 선정된 최적 SMLR 모델의 독립변수는 Alk, DO, TOC를 포함하였으며, NAF의 변동성을 88.
, 2013). 탄산염 분석은 염분=0(담수)인 시료로 수행되었으며, 하천의 담수 특성을 반영하였다.

대상 데이터

9 mg/m³으로 하류로 갈수록 증가하는 경향을 보였다. 각 보의 유역면적, 저수용량 및 유량자료는 K-water 물정보포털(K-water, 2018b)에서 수집하여 사용하였다.
각 조사 지점별(Table 2) 수질현황을 파악하기 위해 국립환경과학원 물환경정보시스템(ME, 2017-2018)에서 본 연구의 조사기간과 동일한 2017년 8월 ~ 2018년 11월까지의 수질자료를 수집하여 Table 3에 제시하였다. 일별 수질측정망 자료를 사용하였으며, 강정고령보는 다사, 달성보는 논공, 합천창녕보는 덕곡, 창녕함안보는 함안지점의 자료를 사용하였다.
낙동강 4개 보 구간에서 CO₂ NAF를 산정하기 위해 2017년 8월 ~ 10월, 2018년 7월 ~ 11월 동안 현장 실험과 실험실분석을 실시하였다. 강정고령보는 낙동강 4개 보 중 가장 상류이며, 경상북도 고령군 다산면과 대구광역시 달성군 다사읍에 위치한다(Fig.
유역면적은 11,667 km²이고 총 저수 용량은 92백만 m³이다. 달성보는 경상북도 고령군 개진면과 대구광역시 달성군 논공읍에 위치하며, 유역면적은 14,248km²이고 총 저수용량은 59백만 m³이다. 합천창녕보는 경상남도 합천군 청덕면과 창녕군 이방면에 위치한다.
각 조사 지점별(Table 2) 수질현황을 파악하기 위해 국립환경과학원 물환경정보시스템(ME, 2017-2018)에서 본 연구의 조사기간과 동일한 2017년 8월 ~ 2018년 11월까지의 수질자료를 수집하여 Table 3에 제시하였다. 일별 수질측정망 자료를 사용하였으며, 강정고령보는 다사, 달성보는 논공, 합천창녕보는 덕곡, 창녕함안보는 함안지점의 자료를 사용하였다. pH는 함안보(8.

데이터처리

PCA분석에 앞서 원자료가 주성분분석에 적합한지 판단하기 위해 KMO(Kaiser-Meyer-Olkin) test(KMO 값 > 0.5) 및 Bartlett 구형도 검정(p < 0.05)을 실시하였다.
각 보별 CO₂ NAF를 산정하기에 앞서 실험에서 수집한 자료와 CO₂SYS로 산정한 변수들의 기초 통계량을 분석하였다. 조사기간 동안 수집한 주요 환경변수의 기초 통계값(최소, 최대, 평균, 중위값, 표준편차)을 Table 4에 제시하였다.
환경 변수들의 상관관계를 확인하기 위해 스피어만 상관분석을 실시하여 Fig. 2에 제시하였다. pCO₂는 Alk, Uw, Turb와 뚜렷한 상관성이 나타나지 않았고, pH와는 모든 보에서 강한 음의 상관관계를 보였다.

이론/모형

RF 모델은 의사결정나무의 앙상블(Ensemble) 학습기법에 해당하며, 주어진 자료로부터 여러 개의 모델을 학습한 다음 자료에 대한 예측 시 여러 모델의 예측 결과들을 종합하여 정확도를 높이는 기법이다. RF 모델의 개발은 예측 모델의 과적합을 방지하기 위해 10-fold 교차검정(cross validation)방법을 적용하였으며, R package인 caret(Kuhn, 2011)과randomForest(Liaw and Wiener, 2002)를 사용하였다. RF 모델의 변수 중요도 평가 방법은 모델에 해당 변수를 포함하지 않았을 때 오차의 증가(또는 Gini 불순도 감소 정도)에 미치는 영향을 비교하여 순위를 정하며, 독립변수가 종속변수에 미치는 영향을 파악하는 방법중 하나로, 개별 독립변수가 종속변수에 미치는 영향을 시각화하는 partial dependence plot을 사용하였다(Breiman and Cutler, 2015).
본 연구에서 SMLR 모델은 Rpackage인 olsrr(Hebbali, 2018)을 사용하였다. SMLR의 평가는 설명변수의 추가에 따른 페널티가 고려되는 조정 결정계수(Adj. R²)와 독립변수의 개수에 따른 정보 손실분을 반영하는 AIC(Akaike Information Criterion)를 사용하였다. Rpackage인 car(Fox et al.
,2018)를 사용하여 CO₂ 기체와 온도에 대해 보정된 k_g를 산정하였고, k_g 산정방법에 따른 NAF의 민감도 분석을 실시하였다. 대기-수면 경계면을 통해 교환되는 CO₂의 NAF는 Henry의 법칙과 Fick의 1차 확산법칙을 이용한 식 (4)로 계산하였다.
SMLR 모델은 하나의 종속변수와 여러 개의 독립변수들 간에 선형관계(Linear Relationship)가 있음을 가정하여 주어진 학습데이터를 바탕으로 각 독립변수의 회귀계수를 추정하는 모형이다(Bae and Kim, 2016). 본 연구에서 SMLR 모델은 Rpackage인 olsrr(Hebbali, 2018)을 사용하였다. SMLR의 평가는 설명변수의 추가에 따른 페널티가 고려되는 조정 결정계수(Adj.
(2012) 식보다 풍속의 함수로 산정하는 Cole and Caraco(1998) 방법이 크게 나타났는데, 이는 강우-유출이 있는 특정 기간을 제외한 대부분의 기간에 보 구간의 유속이 매우 느리기 때문으로 해석된다. 본 연구에서는 Raymond et al. (2012)의 연구 대상 하천의 평균 유속(약 0.14 m/s)에 비해 본 연구지역의 평균 유속(약 0.05 m/s)이 매우 느리고, 정체수역을 형성하여 Cole and Caraco (1998)의 방법으로 산정한 NAF로 주성분분석 및 변수중요도 평가를 진행하였다. CO2 NAF에 미치는 유속의 영향을 판단하기 위하여 상관분석을 실시하였으며, NAF와 유속은 낮은 상관관계(0.
하천에서 CO₂ NAF의 시간적 변동성에 영향을 미치는 환경요인을 평가하기 위해 PCA(Principal component analysis),단계적다중회귀모델(Step-wise Multiple Linear Regression;SMLR), 랜덤포레스트(Random Forest; RF)를 사용하였다.

성능/효과

1) 낙동강 4개 보에서 CO₂ NAF를 산정한 결과, 모든 보의 상류 하천은 대부분의 기간에 CO₂를 대기 중으로 배출하는 종속영양시스템으로 나타났고, 조류의 광합성이 활발한 일부 시기에는 CO₂를 흡수하는 경향을 보였다. CO₂ NAF 중위값은 합천창녕보에서 최소 391.
2) 모든 보에서 NAF는 pH와 강한 음의 상관관계를 보였으며, pCO₂와 Chl-a도 음의 상관관계를 보였다. 이는 조류의 과잉성장이 수중의 CO₂를 소모하여 pH가 증가한 것이 원인이다.
3) PCA 분석 결과, 모든 보에서 NAF는 pCO₂와 높은 공분산을 보였고, pH와는 반대 방향으로 군집하는 특성을 보여 pH가 낮은 환경에서 NAF가 높은 것을 설명하였다. 또한 모든 보에서 Chl-a는 NAF와 반대 방향으로 군집되는 경향을 보여 조류가 과잉성장할 때 NAF가 감소하는 동일한 결과를 보였다.
5) Parsimonious RF 모델을 기준으로 CO₂ NAF 예측에 가장 중요한 변수는 강정고령보는 pH, SS, Wtr, DO, EC,Uw, 달성보는 pH, Uw, EC, TN, Turb, TP, 합천창녕보는 pH, Wtr, EC, 창녕함안보는 pH, Wtr, Uw, Wtr, DO,Turb, TN이 포함되었다. 모든 보에서 가장 중요한 변수는 pH로 선정되었다.
CO2 NAF가 음의 값을 보이는 흡수 시스템은 2017년 9월,10월의 일부 측정일과 2018년의 여름철에 주로 나타났는데,이 때 pH의 평균값은 9.1(±0.5)로써 CO2 NAF가 양의 값을 보이는 기간의 평균 pH 7.6(±0.3)보다 현저히 높은 경향을 보였다.
5이하인 변수는 제거하고 분석을 시행하였다. KMO값을 만족하지 않는 변수는 강정고령보 풍속(Uw), 용존산소(DO), k_g, 달성보 Alk, TP, TOC, 합천보 Alk,Uw, DO, 전기전도도(EC), TN, k_g, 함안보 Alk, Uw, 수온(Wtr), EC, TN, TP로 나타났다. Bartlett 구형도 검정은 분석에 사용한 자료의 상관 행렬(correlation matrix)이 단위행렬(identity matrix)이라는 가설로 수행되며, 가설이 채택되면 (p> 0.
R2 0.77(p < 0.05) 이상의 높은 CO2 NAF 예측 성능을 보이고 있어, pCO2 측정자료가 없는 지점에서 물리적인 변수와 수질측정망 자료만을 사용하여 CO2 배출량을 산정하는 모델로 적용 가능할 것으로 판단된다.
2에 제시하였다. pCO₂는 Alk, Uw, Turb와 뚜렷한 상관성이 나타나지 않았고, pH와는 모든 보에서 강한 음의 상관관계를 보였다. Wtr의 경우 강정고령보(-0.
pCO₂와 Chl-a는 모든 보에서 음의 상관관계를 보였으며, 달성보(-0.67)와 합천창녕보(-0.49), 창녕함안보(-0.47)에는 통계적 유의성이 있었지만 강정고령보(-0.27)에서는 통계적 유의성이 없는 것으로 나타났다. 이러한 결과는 식물플랑크톤의 광합성이 활발한 경우 수중에 있는 CO₂ 농도가 감소하고 pH가 높아지기 때문으로 보인다.
일별 수질측정망 자료를 사용하였으며, 강정고령보는 다사, 달성보는 논공, 합천창녕보는 덕곡, 창녕함안보는 함안지점의 자료를 사용하였다. pH는 함안보(8.2)에서 가장 높은 값을 보였고, TP의 경우 달성보(0.050 mg/L)에서 가장 높은 값을 보였다. Chl-a는 강정고령보 17.
05), PCA 분석이 적합하지 않음을 나타낸다. 각 보의 p값은 모든 보에서 0.05보다 작아 귀무가설이 기각되어 PCA 분석이 적합한 것으로 평가되었다.
강정고령보는 12개의 모델 중 pH, Uw, DO, EC, TP를 독립변수로 사용한 모델에서 가장 좋은 예측 성능을 보였으며,종속변수인 NAF의 변동성을 약 77.4 % 재현하였다. 달성보는 12개의 모델 중 pH, Turb, Wtr, Uw, DO, EC, SS를 독립변수로 사용한 모델에서 가장 좋은 성능을 보였으며, NAF의변동성을 90.
8과 Table 9에 나타내었다. 강정고령보와 합천창녕보의 경우 RF 모델이, 달성보와 창녕함안보의 경우 SMLR 모델이 더 좋은 예측성능을 보였다. SMLR 모델과 RF 모델은 모두 Adj.
모든 보에서 pH는 중요변수로 선정되었으며, 낮을수록 NAF가 증가하였다. 강정고령보의 NAF는 pH, Wtr, DO, EC가 낮을수록, SS와 Uw가 높을수록 증가하였고, 달성보의 NAF는 pH, EC가 낮을수록, Uw, TN, Turb, TP가 높을수록 증가하였다. 합천창녕보는 pH, Wtr,EC가 낮을수록 NAF가 증가했고, 창녕함안보는 pH, DO,Turb가 낮을수록, Alk, Uw가 높을수록 NAF가 증가하는 경향을 보였다.
4 % 재현하였다. 달성보는 12개의 모델 중 pH, Turb, Wtr, Uw, DO, EC, SS를 독립변수로 사용한 모델에서 가장 좋은 성능을 보였으며, NAF의변동성을 90.4 %까지 재현하였다. 합천창녕보는 12개의 모델 중 pH, Alk, Uw, EC, TN를 독립변수로 사용한 모델에서 가장 좋은 성능을 보였고, 88.
독립변수들의 다중공선성 평가결과, VIF 기준 10을 초과한 변수는 창녕함안보를 제외한 모든 보에서는 나타나지 않았다. 창녕함안보의 경우 다중공선성을 나타낸 변수는 pH, Chl-a,EC, TP이었으며, 이들 변수를 제외한 후 다중회귀모델을 개발하였다.
와 높은 공분산을 보였고, pH와는 반대 방향으로 군집하는 특성을 보여 pH가 낮은 환경에서 NAF가 높은 것을 설명하였다. 또한 모든 보에서 Chl-a는 NAF와 반대 방향으로 군집되는 경향을 보여 조류가 과잉성장할 때 NAF가 감소하는 동일한 결과를 보였다.
또한 창녕함안보를 제외한 3개 보 모두에서 pCO2는 EC와 통계적으로 유의할 만한 음의 상관관계(p < 0.01)를 보였다.
NAF는 대부분 pH와는 반대 방향의 군집특성을 보여 pH가 낮은 환경에서NAF가 높은 것을 보여준다. 모든 보에서 Chl-a는 NAF와 반대편으로 군집되는 경향을 보이고 있어 조류가 과잉 성장하는 기간에 NAF가 감소하는 경향을 보여준다. 탁도와 SS, TP가 강한 군집 특성을 보이는 것은 강우-유출의 영향으로 해석된다.
7 % 기여하였다. 모든 보에서 NAF는 pCO₂와 높은 공분산을 보이며 군집하는 특성을 보였다. NAF는 대부분 pH와는 반대 방향의 군집특성을 보여 pH가 낮은 환경에서NAF가 높은 것을 보여준다.
7). 모든 보에서 pH는 중요변수로 선정되었으며, 낮을수록 NAF가 증가하였다. 강정고령보의 NAF는 pH, Wtr, DO, EC가 낮을수록, SS와 Uw가 높을수록 증가하였고, 달성보의 NAF는 pH, EC가 낮을수록, Uw, TN, Turb, TP가 높을수록 증가하였다.
분석결과, 중요 변수는 강정고령보 pH,SS, Wtr, DO, Turb, Uw, EC, Alk, 달성보 pH, Uw, EC, TN,Turb, TP, 합천창녕보 pH, 창녕함안보 pH, Alk, Uw, Wtr,DO, Turb, TN으로 나타났다. 보 별로 pH는 CO₂ NAF에 가장 중요한 영향인자로 확인된 반면, 나머지 인자들의 중요도는 상이하게 나타났다. 이는 각 지점의 수중 CO_² 부분압이유역으로부터의 탄소 부하 특성뿐만 아니라 수체 내에서의 물리적(수온 등), 화학적(pH, 유기물 분해 등), 생물학적(Chl-a 농도 등)인 복잡한 관계에 의해 결정되며, 지점별로 이러한 관계가 상이하기 때문으로 해석된다.
0 이상인 주성분은 강정고령보 3개, 달성보 3개, 합천창녕보 2개, 창녕함안보 2개였다. 분석결과 강정고령보는 전체 수질 변동에 대하여 제1주성분이 49.0 %, 제2주성분이 18.6 %, 제3주성분이 13.7 % 기여하였다. 달성보는 전체 수질 변동에 대하여 제1주성분이 41.
NAF 예측에 사용한 독립변수는 pH, Alk, Turb, Wtr, Uw, Chl-a, DO, EC, SS,TN, TP, TOC이다. 분석결과, 중요 변수는 강정고령보 pH,SS, Wtr, DO, Turb, Uw, EC, Alk, 달성보 pH, Uw, EC, TN,Turb, TP, 합천창녕보 pH, 창녕함안보 pH, Alk, Uw, Wtr,DO, Turb, TN으로 나타났다. 보 별로 pH는 CO₂ NAF에 가장 중요한 영향인자로 확인된 반면, 나머지 인자들의 중요도는 상이하게 나타났다.
창녕함안보의 경우 다중공선성을 나타낸 변수는 pH, Chl-a,EC, TP이었으며, 이들 변수를 제외한 후 다중회귀모델을 개발하였다. 선정된 최적 SMLR 모델의 독립변수는 Alk, DO, TOC를 포함하였으며, NAF의 변동성을 88.3 % 재현하였다.
그리고 Park and Chung (2018)은 대청호를 대상으로 수심별 pCO₂의 동적 변화를 실험을 통해 규명하였으며, 수온 성층이 파괴되고 전도현상이 일어나는 기간부터 저수지표면에서 대기 중으로 CO₂가 대규모로 배출되는 현상(pulse emissions)을 발견하였다. 연구결과는 저수지 표면을 통한 CO₂ NAF의 큰 계절적 변동성을 보여 주었다.
낙동강 중하류의 4개 보 상류 수체는 모두 대기중으로 CO₂를 배출하는 종속영양시스템으로 나타났다. 조사기간 동안 낙동강 4개 보상류의 평균 CO₂ NAF는 합천창녕보에서 최소 416.5 mgCO2/m² day, 달성보에서 최대 1,916.1 mg-CO2/m² day였다. 조사자료 중 최대값은 달성보에서 11,220.
최대값은 Raymond 1의 방법에서 kg 16.3 m/d, NAF 15,461.8 mg-CO2/m2day로 나타났으며, 최소값은 kg는 Raymond 2의 방법에서 0.11 m/d, NAF는 Cole andCaraco의 방법에서 –1,695.8 mg-CO2/m2day로 나타났다.
4에 나타내었다. 평균 k_g는 Cole and Caraco 5.12 m/d, Raymond 1 방법 2.38 m/d, Raymond 2 방법이 1.08 m/d의 순서로 나타났으며, CO₂ NAF도 평균 1,297.3,1,017.4, 446.9 mg-CO₂/m²day로 Cole and Caraco, Raymond1, 2의 순서로 나타났다. 최대값은 Raymond 1의 방법에서 k_g 16.
4 %까지 재현하였다. 합천창녕보는 12개의 모델 중 pH, Alk, Uw, EC, TN를 독립변수로 사용한 모델에서 가장 좋은 성능을 보였고, 88.0 %의 변동성을 재현하였다.
강정고령보의 NAF는 pH, Wtr, DO, EC가 낮을수록, SS와 Uw가 높을수록 증가하였고, 달성보의 NAF는 pH, EC가 낮을수록, Uw, TN, Turb, TP가 높을수록 증가하였다. 합천창녕보는 pH, Wtr,EC가 낮을수록 NAF가 증가했고, 창녕함안보는 pH, DO,Turb가 낮을수록, Alk, Uw가 높을수록 NAF가 증가하는 경향을 보였다.
환경변수의 항목은 pH, 알칼리도(Alk), 탁도(Turb), 수온(Wtr), 풍속(Uw), Chlorophyll-a(Chl-a) 등이다. 현장 조사와 실내 분석을 통해 샘플을 분석한 결과 pH는 보별로 큰 차이를 나타내지 않았고, Alk 또한 뚜렷한 차이를 보이지 않았다. Chl-a의 경우 상류에 위치한 강정고령보(17.

후속연구

하천에 보와 댐을 설치할 경우, 흐름이 정체되고 체류시간이 증가하여 조류의 1차생산량이 증가하는 현상은 대기 중으로 CO₂ 배출량을 억제하는 효과가 있는 것으로 해석될 수 있어 매우 흥미로운 결과이다. 그러나, 밤 시간 동안에는 조류가 호흡을 하므로 수중의 pCO₂ 분압과 NAF에 변화가 있을 수 있으므로 년 단위의 CO₂ NAF를 판단하기 위해서는 추가적인 실험이 필요하다.
그 결과로 2018년 7월과 8월의 CO₂ NAF는 대부분 흡수시스템을 보인다. 본 연구의NAF 산정결과는 낮 동안의 실험결과에 기초한 값이므로, 밤시간 동안에 조류가 호흡을 하는 경우에는 수중의 pCO₂ 분압과NAF에 변화가 있을 수 있으므로 해석에 주의가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	육상 담수의 CO2 농도가 포화농도 이하로 떨어지는 때는 언제인가?	,2006; Wetzel, 2001). 육상 담수의 CO2 농도는 대기와의 기체교환에 의해 평형상태를 유지하는 특성이 있지만, 수체 내 과도한 유기물의 분해가 발생하면 과포화 상태가 되며, 식물플랑크톤이 과잉성장하는 시기에는 포화농도 이하로 떨어지기도 한다(Einsele et al., 2001; Kortelainen et al.
	육상 담수가 대기 중 CO2 증가의 주요한 발생원인 이유는 무엇인가?	, 2015). 그 이유는 유역 내 무기탄소가 지하수를 통해 담수로 유입하거나 다양한 유기물이 하천과 호수로 수송, 저류, 퇴적된 후 분해된 최종산출물인 CO2와 CH4이 대기 중으로 배출되기 때문이다(Battin et al., 2009; Chung et al.
	CO2는 어떤 온실가스인가?	산업화 이후 이산화탄소(CO2), 메탄(CH4), 아산화질소(N2O)와 같은 온실가스(Greenhouse Gases)의 농도는 지속적으로증가해왔다. 이 중 CO2는 온실가스 발생량 중 가장 높은 비율을 차지하며 가장 큰 복사강제력을 가진다. 대기 중 CO2 농도는 2002-2011년 동안 평균 2.

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

연합인증