• 한국터널지하공간학회 논문집
• /
• 제5권1호
• /
• pp.71-88
• /
• 2003

지하수 오염에 대한 광역적인 취약성 평가를 위한 DRASTIC 시스템은 미국 EPA에서 개발된 것으로서 지하수위, 충진률, 대수층매체, 토양매체, 지형경사, 비포화대매체, 수리전도도등 수리지질학적 요소들을 이용하여 지하수 오염 취약성을 상대적으로 평가하기 위한 표준화된 시스템으로 현재 널리 사용되고 있다. 본 연구에서는 GIS 기법을 활용하여 기본 DRASTIC 모델에 구조선 밀도, 토지이용, 터널굴착으로 인한 지하수위 저하의 영향을 추가한 변형된 DRASTIC 모델을 개발하고 ${\bigcirc}{\bigcirc}$지역의 터널굴착으로 인한 지하수 오염가능성을 평가하고자 하였다. 통계적인 분석을 위하여 각각의 인자별 벡터 레이어를 격자레이어로 전환하고 각 인자별 상관계수, 3방향의 주성분분석에 의한 공분산, 고유치, 고유벡터 등을 구하여 인자들의 상관관계를 비교 분석하였다. 또한, 일반적인 DRASTIC 레이어와 구조선 밀도 레이어, 토지이용 레이어, 터널굴착영향 레이어간의 상관계수를 각각 구하고, 이를 각각의 가중치로 적용하여 최종적인 변형된 DRASTIC 모델을 구축하고자 하였다. 변형된 DRASTIC 모델을 사용한 결과 일반적인 DRASTIC 모델에 비해 오염 가능지역이 많이 세분화되었고, 그 결과를 활용하여 오염가능성이 높은 취약지역을 구체적으로 구분할 수 있었다.

• 대한공간정보학회지
• /
• 제12권2호
• /
• pp.17-28
• /
• 2004

본 연구에서는 기존 DRASTIC 모델에 구조선밀도, 토지이용 인자 등을 추가한 수정 DRASTIC 모델을 설정하여 경기도 화남2지구의 지하수오염 가능성을 예측하고자 하였다. 2가지 인자를 추가로 설정한 이유는 우리나라의 수리 지질학적 환경에서 대수층은 대부분 암반 대수층인 점을 고려할 때, 구조선밀도는 지하수 및 오염물질 유동에 직접적인 영향을 미치고, 토지이용은 점오염원 및 비점오염원의 영향을 간접적으로 반영할 수 있기 때문이다. 통계분석을 위하여 각 인자별 격자 레이어를 생성하고, 상관계수를 분석함으로서 신뢰도를 판단하였다. 최종 결과물인 지하수오염가능예측도는 '수정 DRASTIC 취약성'과 오염원의 발생 부하량 값을 논리적으로 비교함으로서 수리지질학적인 측면에서의 오염가능성 지역과 수질측면에서의 오염가능성 지역을 예측할 수 있는 방안을 제시할 수 있었다.

• 공학논문집
• /
• 제5권1호
• /
• pp.89-107
• /
• 2004

본 연구는 DRASTIC 모델에 구소선밀도, 토지이용 인자를 추가한 수정 DRASTIC 모델을 개발하여 경기도 화남2지구의 지하수오염 가능성을 예측하고자 하였다. 우리나라의 수리지질 환경에서 대수층은 대부분 암반 대수층인 점을 고려했을 때, 구조선밀도는 지하수 및 오염물질 유동에 직접적인 영향을 미치고, 토지이용은 점오염원 혹은 비점오염원의 영향을 간접적으로 반영할 수 있기 때문이다. 통계분석을 위하여 각 인자별 격자 레이어를 생성하고, 각각의 상관계수를 분석함으로써 신뢰도 여부를 판단하였다. 최종 결과물인 종합오염현황도는 수정 DRASTIC Potential과 여러 가지 오염원의 발생 부하량 값을 논리비교함으로써 수리지질학적인 측면에서의 오염가능성 지역과 수질측면에서의 오염가능성 지역을 예측할 수 있는 방안을 제시할 수 있었다.

• 지구물리
• /
• 제4권4호
• /
• pp.267-285
• /
• 2001

본 연구는 DRASTIC 모델에 구조선밀도, 토지이용 인자를 추가한 수정 DRASTIC 모델을 개발하여 경기도 화남2지구의 지하수오염 가능성를 예측하고자 하였다. 우리나라의 수리지질 환경에서 대수층은 대부분 암반 대수층인 점을 고려했을 때, 구조선밀도는 지하수 및 오염물질 유동에 직접적인 영향을 미치고, 토지이용은 점오염원 혹은 비점오염원의 영향을 간접적으로 반영할 수 있기 때문이다. 통계분석을 위하여 각 인자별 격자 레이어를 생성하고, 각각의 상관계수를 분석함으로써 신뢰도 여부를 판단하였다. 최종 결과물인 종합오염현황도는 수정 DRASRIC Potential과 여러 가지 오염원의 발생 부하량 값을 논리비교함으로써 수리지질학적인 측면에서의 오염가능성 지역과 수질측면에서의 오염가능성 지역을 예측할 수있는 방안을 제시할 수 있었다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제13권4호
• /
• pp.40-53
• /
• 2008

지하수의 오염 예측 기법의 개선을 위하여 미국 환경청(U.S. EPA)에서 개발된 지하수 오염 취약성 평가방법인 DRASTIC 모델(Aller et al., 1987), Panagopoulos et al.(2006)가 제안한 M-DRASTIC, Rupert(1999)가 제안한 LSDG 방법을 충남 금산 지역에 적용하였다. 충남 금산 지역은 농업을 비롯한 다양한 토지이용 특성과 아울러 다양한 지질, 지형, 토양 분포를 나타내어 지하수 오염예측 기법의 개선을 위한 연구에 최적의 조건을 갖추고 있다. DRASTIC 평가를 위하여 149개의 충적층 관정에 대한 수질 및 수리지질 조사가 수행되었으며, 지하수의 질산염 이온의 농도와 각 예측 방법으로부터 도출된 지수와의 상관관계 분석을 통하여 예측방법의 효용성을 평가하였다. EPA DRASTIC은 지하수 심도, 순 충진량, 대수층 매질, 토양 매질, 지형 경사, 비포화대 매질, 수리전도도 등 수리지질학적 인자들을 이용하여 지하수 오염 취약성을 상대적으로 평가하는 방법으로, 지하수의 잠재오염원에 대한 정보가 포함되지 않으므로 지하수 오염을 예측하는데 비효율적이다. 본 연구 결과, 관정 주변 150 m 영역의 DRASTIC 지수와 해당 관정의 질산염 이온 농도의 상관관계는 0.058로 낮게 나타났다. 한편, M-DRASTIC의 경우 DRASTIC과 사용하는 인자는 같으나 등급과 가중치를 실제 질산염 이온 농도의 비율로부터 산출한다. 등급만을 수정하였을 경우 0.245, 등급과 가중치를 모두 수정하였을 경우 질산염 이온 농도와의 상관관계는 0.400로 지하수 오염 예측율이 개선되었다. LSDG 방법은 토지이용(Land use), 토양 배수(Soil drainage), 지하수면 심도(Depth to water), 지질(Geology)를 특성에 따라서 구분하고 해당 지역의 질산염 이온 농도 평균의 차이를 통계적으로 분석하여 등급을 산정하는 기법으로, 금산 지역에 적용한 결과 질산염 이온 농도와의 상관관계가 0.415로 개선되었다. 결과적으로 LSDG를 적용하였을 경우 EPA DRASTIC 보다 질산염 이온 농도와의 상관관계가 0.357만큼 개선되었다. M-DRASTIC과 LSDG의 예측율이 증가하는 것은, 이 방법들의 등급과 가중치에는 현재의 오염현황이 반영되기 때문으로 질산염 이온 오염 가능성을 귀납적으로 예측하기 때문이다. LSDG의 예측율이 가장 높은 이유는 LSDG에는 잠재오염원으로 분류되는 토지이용이 포함되었기 때문인 것으로 판단된다.

• 한국콘텐츠학회논문지
• /
• 제21권6호
• /
• pp.701-715
• /
• 2021

최근 딥러닝 기술의 급속한 발전과 함께 학습데이터가 크게 주목을 받고 있다. 일반적으로 딥러닝 방식에서는 모델을 훈련시키기 위해 충분한 학습데이터가 준비되어 있어야 한다. 하지만, 딥러닝 모델 설계 작업과 달리 데이터셋을 제작하는 데 상당한 시간과 노력이 필요하다. 영상 데이터를 주로 다루는 시각지능 분야에서도 학습데이터 제작자들은 전문적인 학습데이터 제작 도구를 사용해 이미지 단위로 레이블링을 수작업으로 하고 있어 여전히 많은 시간과 노력이 필요한 상황이다. 따라서, 다양한 분야에서 필요한 충분한 영상 학습데이터셋을 확보하기 위해 기존의 수작업 방식을 대체할 수 있는 레이블링 기술이 필요하다. 본 논문에서는, 영상 학습데이터셋 동향을 소개하고, 학습데이터 제작 환경에 대해 분석한다 특히, 수작업으로 이루어지는 반복적이고 수고스러운 레이블링 과정을 자동화하여, '확인과 수정'의 단계를 비약적으로 단축시킬 수 있는 '스마트 영상학습데이터 제작 시스템'을 제안한다. 그리고, 실험을 통해 영상 학습데이터 제작 과정에서 이미지에 박스형 및 폴리곤형 객체영역을 지정하여 레이블링하는 데 소요되는 시간을 크게 줄이기 위한 자동레이블링 방식의 효과를 검증한다. 마지막으로, 제안하는 시스템의 실험에서 추가적으로 검증되어야 하는 부분과 함께 이를 개선하기 위한 향후 연구 계획에 대해 논의한다.