http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Effects of r-plane Sapphire Substrate Tilt Angles on the Growth Behavior of Nonpolar a-plane GaN
Park, Sung Hyun,Park, Jinsub,Moon, Daeyoung,Kim, Namhyuk,You, Duck-Jae,Kim, Junghwan,Kang, Jinki,Lee, Sang-Moon,Kim, Ju-Sung,Yang, Moon-Seung,Kim, Taek,Yoon, Euijoon Korean Physical Society 2011 THE JOURNAL OF THE KOREAN PHYSICAL SOCIETY Vol.58 No.4
박진기 ( Jinki Park ),이성태 ( Sungtae Lee ),이홍석 ( Hongseok Lee ),정회정 ( Hoejeong Jeong ),정미혜 ( Mihye Jeong ) 한국농공학회 2023 한국농공학회 학술대회초록집 Vol.2023 No.0
노지 밭작물 재배는 기후변화 및 고령화 등으로 생산혁신을 위한 새로운 대안이 필요하다. 세계는 스마트농업을 미래의 성장산업으로 인식하고 있으며, 인공지능, 로봇, 빅데이터 등 디지털기술 발달로 국내외 스마트농업 시장 규모는 급속히 확대되고 있다. 우리나라 농가 인구는 2000년 403만명에서 2030년에는 54%가 감소한 187만명으로 예상하고 있으며, 고령화는 2000년 21.7%에서 2030년에는 59.7%로 증가할 것으로 예상하고 있다. 따라서 식량의 안정적 공급을 위해 미래 환경변화에 대응한 스마트농업으로 전환이 필요하다. 국립식량과학원 남부작물부 생산기술개발과에서는 노지 스마트농업을 실현하기 위해 콩을 대상으로 테스트베드를 구축하였다. 노지 스마트농업을 위해 무선네트워크 망 구축, 관수시스템, 배수시스템, 관비시스템, 드론스테이션, 기상 및 환경센서, CCTV 등 기반을 구축하였다. 테스트베드에는 자동 물관리, 자동 배수, 해충진단, 드론 방제, 드론 생육 진단, LiDAR 생육계측, 자율주행 농작업(파종, 두둑형성, 제초제살포 동시작업) 등 스마트기술을 적용하였다. 2022년 콩(품종: 선풍) 재배결과 기존 관행 재배에서 노동력은 75.9시간/ha이 투입되었으며, 테스트베드는 35.5시간/ha이 투입되어 53% 감소되었다. 콩 수량은 관행 재배에서 285kg/10a이고 테스트베드는 328kg/10a로 15% 증가하였다. 남부작물부 테스트베드에는 2022년부터 지속적으로 개발된 기술을 접목하여 운영하고 있다. 현장 확산을 위해 2023년에는 9개 도농업기술원에 테스트베드 구축하여 운영하고 있으며, 2024년에는 농가 현장에 노지 스마트농업 기반을 구축·운영하여 적용성을 검토할 예정이다.
박진기 ( Jinki Park ),신형섭 ( Hyoungsub Shin ),나상일 ( Sangil Na ),박종화 ( Jonghwa Park ) 한국농공학회 2009 한국농공학회 학술대회초록집 Vol.2009 No.-
최근 지구온난화와 기후변화의 영향으로 계절에 따른 한반도의 홍수나 가뭄, 그리고 국지성 호우 등 각종 이상기후 발생이 늘어나고 규모도 커지고 있다. 이러한 원인 중에는 도시개발 등으로 인한 피복형태의 변화를 들 수 있다. 따라서 지구환경에 대한 영향을 파악하기 위해서는 식생 변화에 대한 주기적인 모니터링과 식생변화 특성에 대한 정보 획득과 평가가 필요하다. 위성영상을 이용한 식생조사의 경우 센서에 의해 감지되는 유용한 자료는 식물의 잎으로부터 얻어지므로 잎의 구조와 특성에 따른 분광특성을 이해함으로써 인공위성 영상자료를 식생조사에 활용할 수 있는 방법을 찾을 수 있을 것이다. 인공위성 영상자료를 이용한 식생지수는 식생의 활력도 및 녹피율에 따른 가시광선 및 근적외선 파장영역에서의 반사량의 차이를 이용한 계산식으로 식생의 생체량이나 생산성, 엽면적, 녹피율 등을 조사하고 예측 할 수 있다. 또한 현장에서 얻어진 작물의 생육단계별 분광반사를 정확하게 측정하여 그 특성을 파악해 둔다면 작물의 생태학적 특성과 생육량, 그리고 병충해의 유무, 한발에 의한 물 스트레스 정도, 홍수에 의한 침수 피해상황 등의 파악이 가능할 것이다. 본 연구는 논과 밭작물의 성장에 따른 식생특성을 분석하는데 중점을 두었으며, 대상지역은 충북 청원군 오창면 소로리 등에 대해 조사하고 검토하였다. 현장 조사를 실시한 작물은 양파, 감자, 옥수수, 마늘, 고추 및 벼 6종으로 시기별로 약간 차이를 보인다. 각 작물에 대해 휴대용 분광복사계(Li-1800, Li Cor. Inc.)를 이용하여 생육단계별 작물의 분광반사특성과 생육상태를 파악하고 식생수관 분석장치(LAI-2000, Li Cor. Inc.)를 이용하여 작물에 대한 엽면적지수를 측정하였다. 현장자료와 비교 검토를 위해 원격탐사 자료로 Landsat 영상을 참조자료로 활용하였다. 현장실험으로 얻어진 분광반사 자료와 엽면적지수를 기초로 Landsat 영상과 비교 분석하여 이 지역에 분포하는 작물의 특성을 나타내는 지수를 추출하여 제시하고자 하였다.
식사 전후의 사진 비교를 통한 스마트폰 앱의 영양소섭취량 타당도 평가
이혜진(Hyejin Lee),김은빈(Eunbin Kim),김수현(Su Hyeon Kim),임하은(Haeun Lim),박영미(Yeong Mi Park),강준호(Joon Ho Kang),김희원(Heewon Kim),김진호(Jinho Kim),박웅양(Woong-Yang Park),박성진(Seongjin Park),김진기(Jinki Kim),양윤정(Yoon Jun 한국영양학회 2020 Journal of Nutrition and Health Vol.53 No.3
본 연구는 만 19세 이상 60세 미만 성인남녀 98명을 대상으로 스마트폰 앱인 Gene-Health을 이용하여 식사 기록을 통해 분석된 영양소섭취량과 동일한 날의 식사 섭취 전과 후의 사진비교를 통해 섭취량을 추정하여 분석된 영양소섭취량을 비교함으로 Gene-Health의 타당도를 조사하기 위해 수행되었다. 주요 결과는 다음과 같다. 첫째, Gene-Health의 영양소섭취량과 사진을 통해 추정한 영양소섭취량을 비교한 결과 에너지, 탄수화물, 지방, 지방으로부터의 에너지 섭취비율은 통계적으로 유의한 차이가 없었으나 단백질 섭취량과 단백질로부터의 에너지 섭취 비율은 Gene-Health가 높았고, 탄수화물로부터의 에너지 섭취비율은 사진추정군이 높았다. 둘째, Gene-Health와 사진을 통한 영양소섭취량의 상관성은 에너지, 탄수화물, 단백질, 지방섭취량과 탄수화물 비율, 단백질 비율, 지질 비율은 모두 상관계수 0.382–0.708로 유의적인 양의 상관관계를 보였다. 셋째, Gene-Health와 사진을 통한 에너지, 탄수화물, 단백질, 지방섭취량과 탄수화물 비율, 단백질 비율, 지질 비율의 가중 카파 계수는 0.588–0.662로 상당히 일치하는 경향을 보였다. 에너지와 다량영양소, 다량영양소 섭취비율의 same agreement는 41.8%–48.0%이며 adjacent agreement는 75.5%–88.8%였다. 본 연구를 통하여 Gene-Health는 에너지와 다량영양소 섭취량을 추정하기 위한 타당한 도구라고 사료된다. 추후 연구에서는 다양한 연령과 여성 참가자를 확대하여 성별과 연령에 따른 Gene-Health의 타당도를 연구할 필요가 있다. Purpose: This study was conducted to evaluate the validity of the Gene-Health application in terms of estimating energy and macronutrients. Methods: The subjects were 98 health adults participating in a weight-control intervention study. They recorded their diets in the Gene-Health application, took photographs before and after every meal on the same day, and uploaded them to the Gene-Health application. The amounts of foods and drinks consumed were estimated based on the photographs by trained experts, and the nutrient intakes were calculated using the CAN-Pro 5.0 program, which was named ‘Photo Estimation’. The energy and macronutrients estimated from the Gene-Health application were compared with those from a Photo Estimation. The mean differences in energy and macronutrient intakes between the two methods were compared using paired t-test. Results: The mean energy intakes of Gene-Health and Photo Estimation were 1,937.0 kcal and 1,928.3 kcal, respectively. There were no significant differences in intakes of energy, carbohydrate, fat, and energy from fat (%) between two methods. The protein intake and energy from protein (%) of the Gene-Health were higher than those from the Photo Estimation. The energy from carbohydrate (%) for the Photo Estimation was higher than that of the Gene-Health. The Pearson correlation coefficients, weighted Kappa coefficients, and adjacent agreements for energy and macronutrient intakes between the two methods ranged from 0.382 to 0.607, 0.588 to 0.649, and 79.6% to 86.7%, respectively. Conclusion: The Gene-Health application shows acceptable validity as a dietary intake assessment tool for energy and macronutrients. Further studies with female subjects and various age groups will be needed.