• 한국측량학회지
• /
• 제10권2호
• /
• pp.63-71
• /
• 1992

디지탈 지도 데이타베이스는 다중 축적의 개념을 포함하여 여러 가지 목적을 두고 제작되며 단일 축적으로만 사용하기 위해 Base Map을 구축하는 사례는 극히 보기 드믄 현상이라고 할 수 있다. 따라서 지도의 일반화와 다중표현에 대한 Line의 단순화 처리에 있어서 가장 중요한 문제는 일반화된 그래픽 데이타의 정확도와 인식도를 모두 부여하기 위해 Base Map 상의 정보를 단순화하기 위해 설정하는 허용범위를 디지틸 화일내에서 Feature의 형태에 따라 수정이 가능하도록 하는 것이다. 본 연구에서는 하나의 디지털 화일내에서 다양한 축척상으로 수행되는 Line의 단순화에 대한 여러가지 알고리즘을 고찰하였으며, 지도의 표현상에 변화를 줄 수 있는 선형성 Feature 별로 축척에 따른 규칙을 설정하였다. 수치화된 line 데이타 사이의 상관성을 분석하기 위하여 2가지 변형량을 측정하여 5가지 알고리즘에 대한 평가를 시도하였다. 데이타의 분석결과 Douglas-Peucker 알고리즘이 단순화 후의 변형량에 있어 가장 작은 영향을 받음을 알 수 있었다. 이러한 연구 결과로부터 디지탈 화일을 소축척으로 표현하기 위해 단순화를 실시할 경우 내부적으로 지니고 있어야 하는 기하학적인 항목으로서 그 크기와 변동량에 대한 수치적인 안을 제시함에 따라 지도의 단순화에 대한 가능성을 입증하였다.

• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.49-70
• /
• 2022

해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. 최근 들어 과거의 패턴을 학습하여 예측값을 생성할 수 있는 딥러닝을 활용한 해수면 온도 예측이 복잡한 수치모델을 이용한 예측의 대안으로 주목받고 있다. 딥러닝은 입력 자료 간의 비선형적인 관계를 추정할 수 있는 것이 큰 장점이며, 최근 컴퓨터 그래픽카드의 발달로 많은 양의 데이터를 반복적이고 빠르게 계산할 수 있게 되었다. 본 연구에서는 기존의 딥러닝 모델의 단점들을 보완하면서 시공간 자료를 다룰 수 있는 합성곱 신경망(Convolutional Neural Network) 기반의 U-Net을 통해 단기 해수면 온도 예측을 수행하였다. 개발한 딥러닝 모델을 이용한 한국 남부 근해 해수면 온도의 단기 예측은 예측일의 해수면 온도의 중장기 변동성에 따라 달라지는 성능을 보였다. 해수면 온도 변동성의 증감은 계절적 변동 뿐 아니라 Pacific Decadal Oscillation (PDO) 지수의 변동과도 유의미한 상관관계를 보였는데, 이는 계절 변동 및 PDO에 따른 기후 변화에 기인한 수온 전선의 강도 변화가 해수면 온도의 시공간적 변동성에 영향을 줌으로써 발생했음을 확인하였다. 본 연구는 해수면 수온 자료가 가지고 있는 계절적 변동성과 경년 변동성이 딥러닝 모델의 해수면 단기 수온 예측 성능에 기여함을 밝힌 것에 그 의의가 있다.