• 제목/요약/키워드: 권역 크리깅

검색결과 2건 처리시간 0.015초

클러스터링과 지구통계학 기법을 이용한 지하공간정보 모델 생성시스템 개발 (Development of Subsurface Spatial Information Model System using Clustering and Geostatistics Approach)

  • 이상훈
    • 한국지리정보학회지
    • /
    • 제11권4호
    • /
    • pp.64-75
    • /
    • 2008
  • 지반조사자료 관리를 위한 현재의 DB시스템은 점으로 표현되는 시추조사에 한정되었기 때문에 여타 GIS데이터와의 활용이 제한적이었다. 시추공 자료를 이용한 보간으로 지하의 공간적 분포특성을 찾고자 하는 연구들이 있었지만, GIS와의 상호운영이나 지반공학적 특성을 고려치 못하여 실무적으로 활용하기에는 어려웠다. 본 연구에서는 지반정보DB에서 필요한 지반공학 자료를 추출하여 지하공간정보 모델을 생성하였다. 지반정보 클러스터링 프로그램(GEOCL)을 개발하여 시추공구성(비), 지층분류, 지반강도에 대한 클러스터를 생성하였다. 생성된 클러스터의 공간적 분포를 고려하여 지구통계기법의 하나인 권역 크리깅(권역 크리깅)으로 보간을 수행하였다. 최종적으로 수치표고모형과 통합하여 지하공간정보 모델을 생성하고, 지하공간정보 가시화 프로그램(SSIVIEW)를 통해 3차원으로 가시화하였다. 개발된 지하공간정보 모델은 건설공사의 지반해석과 기초설계에 적극 활용되리라 기대된다.

  • PDF

최근 12년간 아까시나무 만개일의 변화와 과정기반모형을 활용한 지역별 만개일 예측 (Recent Changes in Bloom Dates of Robinia pseudoacacia and Bloom Date Predictions Using a Process-Based Model in South Korea)

  • 김수경;김태경;윤석희;장근창;임혜민;이위영;원명수;임종환;김현석
    • 한국산림과학회지
    • /
    • 제110권3호
    • /
    • pp.322-340
    • /
    • 2021
  • 최근 급격한 봄철 기온 상승과 기후변화의 영향으로 한반도에 분포하고 있는 아까시나무의 개화 시기가 변화하면서 지역간에 동시 개화 현상(simultaneous blooming)이 관측되고 있다. 이러한 변화는 국내 양봉 산업에 큰 변화를 초래하였고, 이로 인해 정확도 높은 아까시나무 개화시기 정보에 대한 수요가 증가하고 있다. 따라서, 본 연구를 통해 아까시나무의 지역별 개화 시기 변화를 잘 설명할 수 있는 신뢰도 높은 개화 시기 예측 모형을 개발하고자 하였다. 이를 위해 지난 12년(2006~2017년)간 전국 26개 지점에서 관측된 아까시나무 만개일 자료와 과거 일기온 복원 자료를 활용하여 봄철 기온 및 아까시나무 만개일 변화의 경향성을 권역별로 파악하고, 과정기반모형을 활용하여 지역 통합 모형(SM)과 함께 지역적 특성을 반영하는 세 모형-SM에 지점별 보정계수를 도입한 수정 통합 모형(MSM), 권역별로 모수를 추정하는 권역별 통합 모형(GM), 관측 지점별로 모수를 추정하는 지역 모형(LM)-을 도출, 성능을 비교하였다. 기온 및 만개일의 경향 분석 결과, 남부 지역에 비해 봄철 기온 상승률이 2배 이상 높았던 중북부 내륙 지역의 경우 만개일이 빠른 속도로 앞당겨져, 결과적으로 남서부 해안 지역과의 만개일 차이는 1년에 0.7098일씩 감소하였다(p-value=0.0417). 전체 지역에 대한 모형의 성능 비교 결과, 지역 특이성이 반영되지 않은 SM에 비해서 MSM은 24% 이상, LM은 15% 이상 감소한 RMSE 값을 나타냈다. 또한 LM과 MSM의 예측 알고리즘을 전국 범위로 확대하여 4년 간(2014~2017년) 16개의 추가 관측 지점을 대상으로 검증한 결과, LM에 코크리깅(Co-kriging)기법을 적용한 방법이 보정계수 전국 분포도를 추정하여 SM을 보정하는 방법보다 예측력이 더 뛰어났으며, 오차의 분포는 두 모형 간에 통계적으로 유의한 차이를 보였다(RMSE: p-value=0.0118, Bias: p-value=0.0471). 본 연구는 아까시나무의 개화 시기 예측에 있어 지역 단위 예측의 신뢰도를 향상시키고 모형을 넓은 지역 범위로 확대, 적용하기 위한 방안을 제시하였다.