• 대한환경공학회지
• /
• 제35권2호
• /
• pp.84-93
• /
• 2013

낙동강 수계에서의 과불화 화합물(PFCs)들의 검출현황을 조사한 결과, PFOS, PFHpA, PFOA, PFNA, PFDA, PFUnDA 및 PFDoDA와 같은 7종의 PFCs가 본류 및 지류에서 검출되었다. 낙동강 수계에서 검출된 PFCs의 구성비율을 조사한 결과, 중류 부근에서는 PFOA와 PFHpA가 50% 이상을 차지하여 가장 높게 나타났고, 하류로 갈수록 PFUnDA, PFDoDA 및 PFOS의 비율이 증가하였다. 낙동강 본류에서 가장 높은 검출농도를 나타낸 지점은 고령지점(고령교)으로 2월과 8월에 각각 259.5 ng/L와 132.6 ng/L가 검출되었고, 지류에서는 진천천 지점으로 2월에 1168.2 ng/L와 8월에 627.8 ng/L의 검출농도를 나타내었다. PFCs는 낙동강 상류부근에서는 거의 검출되지 않았으나 중류부근인 구미 지점부터 하수처리장 방류수의 영향을 받아서 농도가 증가하였고, 금호강과 진천천(hot spot)의 영향을 많이 받는 고령지점에서 최대농도를 나타낸 후 하류로 갈수록 희석효과에 의해 농도가 점점 감소하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.156-156
• /
• 2019

In this study, a gated recurrent unit (GRU) network is constructed based on a deep neural network (DNN) with the aim of restoring the missing daily flow data in river basins. Lai Chau hydrological station is located upstream of the Da river basin (Vietnam) is selected as the target station for this study. Input data of the model are data on observed daily flow for 24 years from 1961 to 1984 (before Hoa Binh dam was built) at 5 hydrological stations, in which 4 gauge stations in the basin downstream and restoring - target station (Lai Chau). The total available data is divided into sections for different purposes. The data set of 23 years (1961-1983) was employed for training and validation purposes, with corresponding rates of 80% for training and 20% for validation respectively. Another data set of one year (1984) was used for the testing purpose to objectively verify the performance and accuracy of the model. Though only a modest amount of input data is required and furthermore the Lai Chau hydrological station is located upstream of the Da River, the calculated results based on the suggested model are in satisfactory agreement with observed data, the Nash - Sutcliffe efficiency (NSE) is higher than 95%. The finding of this study illustrated the outstanding performance of the GRU network model in recovering the missing flow data at Lai Chau station. As a result, DNN models, as well as GRU network models, have great potential for application within the field of hydrology and hydraulics.

• The Korean Journal of Ecology
• /
• 제25권5호
• /
• pp.305-313
• /
• 2002

서낙동강의 물과 저토의 이화학적인 환경을 측정하고, 수생관속식물의 식생을 조사하였다. 수질은 수소이온농도, 용존산소, 엽록소a, 총질소 그리고 총인에 의하면 부영양화 상태이었으나 여름에는 지소에 따라 과영양 상태이었다. 수중 저토는 약산성 이었으며, 모래의 함량이 높았으나 SI는 점토, SU는 미사의 비율이 컸다. 수생식물 분포는 총 16과 26종 1변종으로 총 27분류군이었다. 지소별 우점종은 DU, GA 그리고 SU에서는 마름(Trapa japonica)이 우점하였고, DA에서는 노랑어리연꽃(Nymphoides peltata), SI는 자라풀(Hydrocharis dubia)이 우점하였다. SI와 SU에서 종다양도, 균등성이 높았으며, 우점도는 DA에서 높았다. 6월에 유입된 외래종 물상추(Pistia stratiotes)와 부레옥잠(Eichhornia crassipes)이 수역 전체에 확산되어 서낙동강 전체의 우점종이 되었다. 낙동강 하구둑 축조 당시와 비교하여 서낙동강에서 소멸된 종은 민나자스말(Najas marina), 톱니나자스말(Najas minor), 이삭물수세미(Myriophyllum spicatum), 어리연꽃(Nymphoides indica)이었다. 수생식물의 최대 현존량은 10월에 DU에서 가장 높았다(445g·Dw/㎡). 하구둑 축조당시인 1985년에 비하여 DU와 CA지소의 총현존량은 33.5%로 감소하였으며, 우점종 마름의 감소율이 56.7% 이었다. 종 수와 유사도 지수를 근거로 집괴분석한 결과에 따르면 GA-SU-DU, DA와 SI의 3집단으로 구분되어졌다. 외래종의 유입으로 인한 수생식물군락의 교란은 SI와 SU에 분포하는 가시연꽃(Euryale ferox)과 감소추세 종 자라풀을 포함하여 수역전체의 자생종들 특히 수금류의 먹이식물로 이용되는 마름, 나사말, 말즘 등의 감소를 초래하였다.

• 물과 미래
• /
• 제52권8호
• /
• pp.16-21
• /
• 2019

• 한국동물학회:학술대회논문집
• /
• 한국동물학회 2000년도 한국생물과학협회 학술발표대회
• /
• pp.173-173
• /
• 2000

No Abstract, See Full Text

• 한국토양비료학회지
• /
• 제50권6호
• /
• pp.684-696
• /
• 2017

An investigation of grain size, organic compounds and metal distribution in lakes from Geum river basin (Republic of Korea) was conducted in two years (2014 and 2015). The samples of sediment were collected from the 3 lakes (12 sites). The samples were analyzed the concentration of metals (Pb, Zn, Cu, Cr, Ni, As, Cd, Hg, Al, and Li) and general indices including grain size. Spearman correlation coefficients were determined using general indices and metal concentrations respectively. The organic qualities of sediments were improved in 2015 compared with 2014. The concentrations of metals were lower than Sediment Criteria of Lakes in Korea. The significant Spearman correlation coefficients were presented only sand-clay, clay-water content, COD-TOC, Cu-Ni, Cd-Li, Zn-Li, and Cr-Ni of general and metal parameters in 2014, 2015 and both of two years.

• 해양환경안전학회:학술대회논문집
• /
• 해양환경안전학회 2018년도 공동국제학술발표회
• /
• pp.58-58
• /
• 2018

• 한국환경농학회지
• /
• 제34권1호
• /
• pp.64-68
• /
• 2015

BACKGROUND: Heavy metals (Al, As, Cd, Cr, Cu, Li, Hg, Ni, Pb, and Zn) were analyzed to elucidate the impact of weir construction on their concentrations in sediments of Geum River, Korea. We also attempted to investigate the source of the heavy metals in sediments. METHODS AND RESULTS: For this study, sediments were collected from May through June in 2012. The concentrations of heavy metals except Hg were determined by inductively coupled plasma mass spectrometer, and Hg was measured by automatic mercury analyzer. More clay were accumulated in the furthest stations in the upstream direction starting from the weirs. Most of the heavy metals showed higher concentrations in the most upstream located station of Geumnam Weir. However, high concentrations were not observed in the most upstream stations of the other weirs. The concentrations of Hg and As were much higher in sediments of Gap Stream. CONCLUSION: Gap Stream may be a potential source for high deposits of As and Hg. Presence of the dams may not play an important role in controlling heavy metal concentrations in sediments. It is necessary to monitor heavy metal concentrations for a longer time period to study the effect of environmental changes on heavy metal distribution in Geum River.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.131-131
• /
• 2021

Deep learning models, especially those based on long short-term memory (LSTM), have presented their superiority in addressing time series data issues recently. This study aims to comprehensively evaluate the performance of deep learning models that belong to the supervised learning category in streamflow prediction. Therefore, six deep learning models-standard LSTM, standard gated recurrent unit (GRU), stacked LSTM, bidirectional LSTM (BiLSTM), feed-forward neural network (FFNN), and convolutional neural network (CNN) models-were of interest in this study. The Red River system, one of the largest river basins in Vietnam, was adopted as a case study. In addition, deep learning models were designed to forecast flowrate for one- and two-day ahead at Son Tay hydrological station on the Red River using a series of observed flowrate data at seven hydrological stations on three major river branches of the Red River system-Thao River, Da River, and Lo River-as the input data for training, validation, and testing. The comparison results have indicated that the four LSTM-based models exhibit significantly better performance and maintain stability than the FFNN and CNN models. Moreover, LSTM-based models may reach impressive predictions even in the presence of upstream reservoirs and dams. In the case of the stacked LSTM and BiLSTM models, the complexity of these models is not accompanied by performance improvement because their respective performance is not higher than the two standard models (LSTM and GRU). As a result, we realized that in the context of hydrological forecasting problems, simple architectural models such as LSTM and GRU (with one hidden layer) are sufficient to produce highly reliable forecasts while minimizing computation time because of the sequential data nature.

• Ecology and Resilient Infrastructure
• /
• 제9권2호
• /
• pp.93-99
• /
• 2022

4대강 수계 하천에 설치된 보 밀도는 어류의 종 다양성에 영향을 주는 요인임을 확인하였다. 보 밀도 지수는 수계별로 차이를 보였으며, 낙동강 수계하천이 가장 높게 나타났으며 (17±1.6), 금강 (1.5±1.3)과 영산강(1.4±1.1)은 비슷하게 나타났다. 반면, 한강 수계하천(1.3±1.2)에서는 보 밀도가 낮게 나타났다. 2-DKS 분석 결과 영산강 수계를 제외하고 D_max에 따른 p-value는 0.05 이하로서 어류의 출현종수는 보 밀도에 의존하는 것으로 나타났다. 어류 종 다양성에 영향을 주는 보 밀도 역치값 (Threshold value)은 수계별로 다르게 나타났으며. 한강수계 1.6개/km, 낙동강 수계 1.3개/km, 금강수계 2.3개/km 이상에서 어류 출현종수는 감소하는 것으로 나타났다. 본 연구에서 조사한 총 1,217개 하천 가운데 33%인 약 404개 하천의 보 밀도 지수가 역치값 이상인 것으로 나타났다. 이러한 하천은 수생태계 연속성 확보가 시급하기 때문에 우선 대상 하천으로 선정하여 역치값 이하로 보 밀도를 관리할 필요가 있다.