• Journal of the Korean Solar Energy Society
• /
• v.39 no.3
• /
• pp.47-57
• /
• 2019

Clear sky indices were estimated by various ways based on in-situ observation and satellite-derived solar irradiance. In principle, clear sky index defined by clear sky solar irradiance indicates the impacts of cloud on the incoming solar irradiance. However, clear sky index widely used in energy sciences is formulated by extraterrestrial irradiance, which implies the extinction of solar irradiance due to mainly aerosol, water vapor and clouds drops. This study examined the relative difference of clear sky indices and then major characteristics of clear sky irradiance when sky is clear are investigated. Clear sky is defined when clear sky index based on clear sky irradiance is higher than 0.9. In contrast, clear sky index defined by extraterrestrial irradiance is distributed between 0.4 and 0.8. When aerosol optical depth and air mass coefficient are relative larger, solar irradiance is lower due to enhanced extinction, which leads to the lower value of clear sky index defined by extraterrestrial irradiance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.103-103
• /
• 2019

본 연구에서는 Terra MODIS 위성영상과 Mapping Evapotranspiration at high Resolution with Internalized Calibration (METRIC) 모형을 이용하여 2012년부터 2017년까지 한반도 전국의 증발산량을 산정하고 플럭스 타워 실측 증발산량과 비교하였다. METRIC은 전 세계에 널리 적용된 바 있는 에너지 수지 기반의 Surface Energy Balance Algorithm for Land (SEBAL) 모형의 개념과 기술을 기반으로 현열(Sensible Heat Flux) 추정 모듈을 개선한 모형이다. 본 연구에서 METRIC 모형은 기존 C#으로 개발되어 있던 SEBAL 코드에서 현열 추정 모듈을 수정하였고 연산 속도 개선을 위해 Python으로 재작성하였다. METRIC 모형의 위성 자료로 Terra MODIS 위성의 MOD13A2(16day, 1km) NDVI, MOD11A1(Daily, 1km) Land Surface Temperature (LST) 및 MCD43A3(Daily, 500m) Albedo를 구축하였으며 500m 공간해상도의 Albedo는 1000m 해상도로 resample하여 활용하였다. 기상자료는 기상청 기상관측소의 풍속, 풍속측정높이, 습도, 10분 간격 이슬점 온도, 일사량 자료를 위성 자료와 같은 공간해상도로 내삽(Interpolation)하여 구축하였다. 모형결과 검증을 위해 국내 플럭스 타워 (설마천, 청미천, 덕유산) 증발산량 관측 자료와의 결정계수(Coefficient of determination, $R^2$), RMSE(Root mean square error) relative RMSE (RMSE%), Nash-Sutcliffe efficiency (NSE) 및 IOA(Index of Agreement)를 산정하고, 기존 SEBAL 모형 결과와의 비교를 통해 본 모형의 개선점을 보이고자 한다.

• Journal of the Korean earth science society
• /
• v.40 no.2
• /
• pp.135-148
• /
• 2019

Although the technology for the observation of solar radiation is rapidly developing worldwide, in Korea the guidelines for comparing observations of solar radiation are only now under preparation. In this study, a procedure for intercomparison observations of solar radiation was established which accounts for meteorological and geographical conditions. The intercomparisons among observations by national reference pyranometers were carried out at the Asia Regional Radiation Center, Japan, in 2017. Recently, the result of the calibration of the reference pyranometer of the Korean Meteorological Administration (KMA) has been reported. Using the KMA pyranometer as a reference, comparisons between observations and calibrations were carried out for the standard (B to J) pyranometers of the KMA, and for the reference (A) and the standard pyranometers of the Gangneung-Wonju National University. The intercomparisons were carried out between October 24 and October 25, 2018. The sensitivity constants were adjusted according to the results of the data analysis performed on October 24. On October 25, a post-comparison observation was also performed, and the data of the participating pyranometers were verified. The sensitivity constants were calculated using only data corresponding to a solar radiation of $450.0W\;m^{-2}$ or higher. The B and I pyranometers exhibited a small error (${\pm}0.50W\;m^{-2}$), and the applied sensitivity constants were in the range $0.08-0.16{\mu}V(W\;m^{-2})^{-1}$. For the C pyranometer, the adjustment of the sensitivity constant was the largest, i.e., $-0.16{\mu}V(W\;m^{-2})^{-1}$. As a result, the nine candidate pyranometers could be calibrated with an average error of $0.06W\;m^{-2}$ (0.08%) with respect to the KMA reference, which falls within the allowed tolerance of ${\pm}1.00%$ (or ${\pm}4.50W\;m^{-2}$).

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.392-395
• /
• 2017

본 연구에서는 일 증발접시 증발량 산정을 위한 딥러닝 (deep learning) 모형의 적용성을 평가하였다. 본 연구에서 적용된 딥러닝 모형은 deep belief network (DBN) 기반 deep neural network (DNN) (DBN-DNN) 모형이다. 모형 적용성 평가를 위하여 부산 관측소에서 측정된 기상자료를 활용하였으며, 증발량과의 상관성이 높은 기상변수들 (일사량, 일조시간, 평균지상온도, 최대기온)의 조합을 고려하여 입력변수집합 (Set 1, Set 2, Set 3)별 모형을 구축하였다. DBN-DNN 모형의 성능은 통계학적 모형성능 평가지표 (coefficient of efficiency, CE; coefficient of determination, $r^2$; root mean square error, RMSE; mean absolute error, MAE)를 이용하여 평가되었으며, 기존의 두가지 형태의 ANN (artificial neural network), 즉 모형학습 시 SGD (stochastic gradient descent) 및 GD (gradient descent)를 각각 적용한 ANN-SGD 및 ANN-GD 모형과 비교하였다. 효과적인 모형학습을 위하여 각 모형의 초매개변수들은 GA (genetic algorithm)를 이용하여 최적화하였다. 그 결과, Set 1에 대하여 ANN-GD1 모형, Set 2에 대하여 DBN-DNN2 모형, Set 3에 대하여 DBN-DNN3 모형이 가장 우수한 모형 성능을 나타내는 것으로 분석되었다. 비록 비교 모형들 사이의 모형성능이 큰 차이를 보이지는 않았으나, 모든 입력집합에 대하여 DBN-DNN3, DBN-DNN2, ANN-SGD3 순으로 모형 효율성이 우수한 것으로 나타났다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.11 no.3
• /
• pp.87-99
• /
• 2009

We evaluated modified Soil-Plant-Atmosphere model's performance to simulate the seasonal variation of net ecosystem exchange (NEE) of carbon and examined the critical controlling mechanism on carbon exchange using the model over a deciduous forest at Gwangnung in 2006. The modified Soil-Plant-Atmosphere (mSPA) model was calibrated to capture the mean NEE during the daytime (1000-1400 LST) and used to simulate gross primary productivity (GPP). Ecosystem respiration ($R_e$) has been estimated using an empirical formula developed at this site. The simulation results indicated that the daytime mean stomatal conductance was highly correlated with daily insolation in the summer. Low stomatal conductance in high insolation occurred on the days with low temperature rather than with high vapor pressure deficit. It suggests that the forest rarely experienced water stress in the summer of 2006. The model captured the observed bimodal seasonal variation with a mid-season depression of carbon uptake. The model estimates of annual GPP, $R_e$ and NEE were $964\;gC\;m^{-2}\;yr^{-1}$, $733\;gC\;m^{-2}\;yr^{-1}$, and $-231\;gCm\;^{-2}\;yr^{-1}$, respectively. Compared to the observed annual NEE, the modeled estimates showed more carbon uptake by about $140\;gC\;m^{-2}\;yr^{-1}$. The uncertainty of the estimate of annual NEE in a complex terrain is discussed.

• Journal of Cadastre & Land InformatiX
• /
• v.49 no.1
• /
• pp.17-27
• /
• 2019

In this study, we conducted a study to predict the photovoltaic power by constructing the sensor based meteorological data observation system and the accurate terrain data obtained by using LiDAR surveying. The average sunshine hours in 2018 is 4.53 hours and the photovoltaic power is 2,305 MWh. In order to analyze the effect of photovoltaic power on the installation angle of solar modules, we installed module installation angle at $10^{\circ}$ intervals. As a result, the generation time was 4.24 hours at the module arrangement angle of $30^{\circ}$, and the daily power generation and the monthly power generation were the highest, 3.37 MWh and 102.47 MWh, respectively. Therefore, when the module arrangement angle is set to $30^{\circ}$, the generation efficiency is increased by about 4.8% compared with the module angle of $50^{\circ}$. As a result of analyzing the influence of the seasonal photovoltaic power by the installation angle of the solar module, it was found that the photovoltaic power was high in the range of $40^{\circ}{\sim}50^{\circ}$, where the module angle was large from November to February when the weather was cold. From March to October, it was found that the photovoltaic power amount is $10^{\circ}{\sim}30^{\circ}$ with small module angle.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.400-400
• /
• 2023

급격한 기후변화로 인해 일사량, 지표면 온도 및 이산화탄소 농도가 꾸준히 상승함에 따라 수문 순환의 불균형을 초래함과 하천 및 호소 내 수질 또한 악화되고 있는 추세이다. 특히, 국내의 경우, 기후변화 및 인위적 요인에 의해 하천 및 호소에서의 수위 감소 및 수온 증가로 인해 부영양화가 증가되고 있고, 이로 인한 유해 녹조의 발생빈도를 높이는 결과를 초래한다. 현재 국내에서는 유인 수질 관측 및 자동 수질관측 시스템을 통해 주요 수질인자를 모니터링 하고 있으나 시·공간적인 변동성을 파악하는데 제한점이 있다. 이러한 한계점을 극복하기 위해 국·내외에서 광학위성을 이용한 수질인자 추정 알고리즘 개발과 관련된 연구들이 진행되고 있다. 이에 따라, 본 연구에서는 NASA에서 제공하는 Landsat-8 위성과 ESA에서 제공하는 Sentinel-2자료가 동화된 Harmonized Landsat Sentinel-2 위성자료를 활용한 클로로필-a (Chl-a)를 추정하고자 한다. 이를 위해, 본 연구에서는 1) 단순 회귀 분석, 2) Akaike information criteria (AIC) 기반 최적화 회귀 분석 및 3) Random forest (RF)를 활용하였다. 또한, HLS 위성 자료의 적용성을 평가하기 위해 미국 오하이오 주에 위치하고 있는 130여개의 중규모 및 대규모 호소에서 2000년부터 2021년까지 수집된 클로로필-a 관측치를 활용하였다. 두 가지 수질 추정 모형에 대한 정확도 검증에 앞서 오하이오 주 내에서의 클로로필-a의 시계열적 변동성에 대하여 분석하였다. 전반적으로, 2000년부터 2016년까지는 Chl-a가 꾸준히 증가하는 경향성을 나타내었으나, 그 이후로는 감소하는 추세를 나타내었다. 이를 기반으로, 각 방법론을 통해서 나온 Chl-a 추정치에 대해서 통계적 검증을 수행하였다. 결과, 단순 회귀 분석을 통해 추청된 Chl-a값의 결정계수는 0.34였지만, AIC 기반 모델과 RF모형을 사용한 결과 결정계수가 각각 0.82와 0.92로 향상된 것을 확인할 수 있었다. 이와 더불어, spatial 및 temporal window와 더불어 호소의 크기에 따른 정확도 분석 또한 수행하였다. 그 결과, temporal window 가 정확도에 가장 큰 영향을 미치는 것으로 나타났으며, 호소의 크기가 작을수록 정확도가 낮아지는 것을 확인 할 수 있었다. 본 연구의 결과를 토대로 추후 국내 호소에 대해 상기 모형들의 적용성 평가를 수행하여 효율적인 수질 모니터링 시스템 구축으로 이어질 수 있을 것으로 기대된다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.21 no.1
• /
• pp.29-41
• /
• 2019

Terrestrial Gross Primary Production (GPP) is the largest global carbon flux, and forest ecosystems are important because of the ability to store much more significant amounts of carbon than other terrestrial ecosystems. There have been several attempts to estimate GPP using mechanism-based models. However, mechanism-based models including biological, chemical, and physical processes are limited due to a lack of flexibility in predicting non-stationary ecological processes, which are caused by a local and global change. Instead mechanism-free methods are strongly recommended to estimate nonlinear dynamics that occur in nature like GPP. Therefore, we used the mechanism-free machine learning techniques to estimate the daily GPP. In this study, support vector machine (SVM), random forest (RF) and artificial neural network (ANN) were used and compared with the traditional multiple linear regression model (LM). MODIS products and meteorological parameters from eddy covariance data were employed to train the machine learning and LM models from 2006 to 2013. GPP prediction models were compared with daily GPP from eddy covariance measurement in a deciduous forest in South Korea in 2014 and 2015. Statistical analysis including correlation coefficient (R), root mean square error (RMSE) and mean squared error (MSE) were used to evaluate the performance of models. In general, the models from machine-learning algorithms (R = 0.85 - 0.93, MSE = 1.00 - 2.05, p < 0.001) showed better performance than linear regression model (R = 0.82 - 0.92, MSE = 1.24 - 2.45, p < 0.001). These results provide insight into high predictability and the possibility of expansion through the use of the mechanism-free machine-learning models and remote sensing for predicting non-stationary ecological processes such as seasonal GPP.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.94-94
• /
• 2020

최근 정부의 신북방정책 추진에 따라 수자원분야에서는 동북아지역 국제 공유하천을 중심의 물 정보 및 연구협력 기회 확보와 지정학적 특성을 고려한 지역 현안해결 중심의 연구가 재조명 되고 있다. 두만강은 이러한 동북아의 중심에 위치하고 있으며, 중국, 북한, 러이사의 국경을 따라 흐르며 지역 수자원의 대부분을 공급하는 국제하천이다. 또한, 지난 2018년 5월에는 하구유역이 람사르(Ramsar) 습지로 승인됨에 따라 철새 등을 포함한 생태가치의 중요성도 크게 증가하였다. 하지만 이 지역은 유역의 지정학적 민감성과 접근이 제한된 관측 정보들로 인해 그 수자원·환경 효용성을 정확하게 파악할 수 없을 뿐만 아니라, 최근 기후변화에 따른 영향으로 홍수, 가뭄 등의 수재해와 수질오염 등의 문제가 발생하고 있어 가용한 기술기반의 직·간접적 접근을 통한 장기수문 및 환경변화 등에 대한 분석과 관리방안 수립 등의 연구가 필요하다. 본 연구에서는 이러한 미계측 두만강 유역을 대상으로 우선, 가용한 위성자료 및 광역지표모형(MERRA-2) 기반 NASA POWER(Prediction of Worldwide Energy Resource) 수문기상 자료와 SWAT(Soil and Water Assessment Tool) 모형을 활용하여 장기 수문영향을 평가하고자 한다. SWAT 모형은 전 지구적으로 활용 가능한 격자 해상도 약 30m의 위성기반 수치표고모형(DEM), 광역 토양도, 지역 토지이용도 자료를 활용하여 두만강 유역을 전체 19개 소유역 및 18개 하도, 138개 HRUs의 수문분석 단위로 구축하였으며, 모의는 미국 NOAA NCDC(National Climate Data Center) 및 중국 CMDC(China Meteorological Data Service Center)의 주요 관측지점에서 선별한 총 13개소의 위치에 대해 재분석된 기후/기상자료들(NASA POWER 강수, 기온, 풍속, 상대습도 및 일사량)을 적용, 1990년에서 2019년까지의 30개년도 연속자료를 구축활용 하였다. 한편, 모형의 검·보정은 앞서 언급한 관측 자료의 부재로 과거 문헌 등을 통해 파악할 수 있는 연 단위 수자원 총량 등을 활용해 진행코자한다. 아울러, 향후는 최근 활용 가능한 장기 위성관측 강수량을 적용, 재분석 자료 결과와의 비교를 통해 상호 분석 오류를 줄여나갈 수 있을 것으로도 판단된다.

• The Journal of Society for e-Business Studies
• /
• v.24 no.4
• /
• pp.119-133
• /
• 2019

Recently, the importance prediction of photovoltaic power (PV) is considered as an essential function for scheduling adjustments, deciding on storage size, and overall planning for stable operation of PV facility systems. In particular, since most of PV power is generated in peak time, PV power prediction in a peak time is required for the PV system operators that enable to maximize revenue and sustainable electricity quantity. Moreover, Prediction of the PV power output in peak time without meteorological information such as solar radiation, cloudiness, the temperature is considered a challenging problem because it has limitations that the PV power was predicted by using predicted uncertain meteorological information in a wide range of areas in previous studies. Therefore, this paper proposes the LSTM (Long-Short Term Memory) based the PV power prediction model only using the meteorological, seasonal, and the before the obtained PV power before peak time. In this paper, the experiment results based on the proposed model using the real-world data shows the superior performance, which showed a positive impact on improving the PV power in a peak time forecast performance targeted in this study.