• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.314-317
• /
• 2009

고해상도 위성자료를 이용하여 갯벌의 다양한 퇴적환경을 공간자료화하거나 표층 생물상 분포를 파악하기 위한 연구는 여러 연구자들에 의해 수행되어졌다. 그러나 갯벌 속에 존재하는 저서생물에 대한 양을 추정하는 연구는 미미한 실정이다. 따라서 본 연구에서는 태안 근소만에 대하여 위성자료를 이용하여 갯벌의 DEM과 퇴적상 등의 분포를 공간자료화하고 이들로부터 생물상과 관련이 있는 노출시간 등의 2차 주제도를 제작하였다. 또한, 현장조사에 의해 얻어진 갯벌 생물 종/개체수와 갯벌의 퇴적환경 공간자료를 비교분석하여 갯벌 저서생물의 공간적 연관성을 파악하였다. 노출시간은 4개의 등급으로 구분하였으며 퇴적상 현장조사와 연계하여 우점종을 분석한 결과, 노출시간이 가장 긴 노출시간 I 등급 지역은 두토막눈썹참갯지렁이와, 칠게와 가재붙이가 대표종으로 분석되었다. II 지역의 모래 우세지역에는 쏙이 그리고 펄 우세지역에는 세가시육질꼬리옆새우가 우점종으로 나타났다. III과 IV 지역은 조하대쪽으로 모래 성분이 전체적으로 우세하게 나타났는데 펄털콩게와 바지락이 우정하고 있는 것으로 분석되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.185-190
• /
• 2007

대용량의 자료가 생산됨에 따라 데이터를 효율적으로 저장, 관리, 이용할 수 있는 데이터 웨어하우스의 역할이 중요하게 되었고, 그에 따라 자료 처리 기법의 개발은 필수 과제가 되었다. 품질 평가와 오류 판단, 결측 보정의 자료 처리 과점은 자료의 신뢰도를 판단하고 활용도를 높일 수 있는 과정으로 매우 중요하다. 본 논문에서는 우리나라의 실제 교통상황을 반영하고 평가 기준의 오차를 줄이면서 더욱 간단 명료한 평가 계산식을 도입하여 효율적인 품질평가와 오류판단, 결측 보정의 자료 처리 기법을 제안한다. 또한 오류 판단 기준에 새로운 파라미터론 도입하여 교통 연구자의 요구 사항을 반영할 수 있게 하였다. 결측 보정 과정은 여러 기법을 연구하고 기존의 결측 보정 기법에 입력 변수를 추가하여 실제 대용량의 교통 자료에 적용하였다. 그리고 교통 자료가 저장되는 데이터베이스에 직접 접근하여 결측 보정과정을 수행하도록 PL/SQL로 구현하였으며, 이를 통해 교통 연구자에게 쉽고 다양한 방법으로 결측 보정을 수행하고 그 결과를 이용하여 다양한 교통 정보를 가공할 수 있는 환경을 제공하였다.

• Korean Journal of Remote Sensing
• /
• v.24 no.6
• /
• pp.621-629
• /
• 2008

This study was carried out in part of Tamil Nadu, India. Also, Landsat ETM+ image and field sampling data were acquired. The field data were basal area, number of trees and number of species. Using the data set, this study performed a three steps processing, (1) Image classification (2) extracting the vegetation indices(NDVI, Tasseled cap brightness, greenness and wetness) (3) mapping the prediction of biodiversity distribution using basal area and NDVI image value. Basal area was significantly correlated with NDVI. The result of classification showed 69% overall accuracy.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.133-133
• /
• 2020

갈수량이란 1년 중 355일은 유지되는 유량을 말하며 물 공급 계획 및 관리, 저수지 설계, 관개용수의 수량과 수질 관리, 생태계 보존 등에 있어서 갈수량의 크기와 빈도를 파악하는 것은 매우 중요한 과정이다. 갈수량 산정을 위해서는 오랜 기간의 관측 일유량 자료가 필요하지만 우리나라의 경우 관측 유량 자료의 결측자료가 많아 갈수량 산정에 필요한 장기간의 자료가 부족하다. 따라서 본 연구에서는 전국 40개 중권역 유역을 대상으로 갈수 빈도별 갈수량 산정 회귀식 개발을 수행하였다. 갈수량 산정에 적용할 수 있는 18개의 유역인자와 4개의 수문 인자를 상관분석을 통해 다중공선성을 고려하였으며 상관분석 결과를 토대로 미계측 유역에 적용 가능한 인자를 선정하였다. 갈수 빈도 분석과 단계적 회귀분석을 통하여 미계측 유역에 적용할 수 있는 갈수 빈도별 갈수량 산정 회귀식을 개발하였다. 또한 계측 유역을 미계측 유역으로 가정하여 개발된 갈수량 산정 회귀식을 이용하여 갈수량을 산정하고 분석 결과와 실제 갈수량을 비교하여 개발된 회귀식의 적정성을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.39-39
• /
• 2019

인구의 도시 집중화로 인하여 다량의 생활용수의 사용에 따라 하천의 자정능력을 초과하여 오염을 유발시키고 있다. 이에 도시하천들의 오염은 점점 심해져 경제적으로 많은 문제를 유발하고 있다. 이러한 하천오염 문제를 과학적으로 대응하기 위해서는 오염물질의 농도 측정 및 데이터 축척을 통한 오염예측이 필수적이라 할 수 있으며, 부산광역시 보건환경정보 공개시스템에서는 하천수질 자동측정망을 설치하여 시간 단위로 오염물질을 측정하고 있다. 그러나 온천천의 하천수질 데이터는 계속 쌓여가고 있는데 이 데이터를 활용해서 하천수질 인자 예측이 거의 이뤄지지 않고 있다. 본 연구에서는 순환신경망 알고리즘을 활용하여 일 단위의 하천수질 인자 예측을 시도하였다. 순환신경망은 인공신경망의 발전된 형태인 시계열 학습에 강한 RNN, LSTM 알고리즘을 활용한 일단위 하천수질 인자 예측을 하고자 하였다. 연구에 앞서 시간 단위로 쌓여있는 데이터를 평균 내어 일 단위로 변경하였고 이 데이터를 가지고 일 단위 하천수질 인자 예측을 진행하였다. 연구에는 Google에서 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하여 DO, 탁도 등 항목을 예측하였다. 하천오염의 학습과 예측을 위해 대상지로는 부산지역 온천천의 부곡교, 세병교, 이섭교 관측소를 선택하였다. 연구를 위해 DO, 탁도 등 자료 수집은 부산광역시 보건환경정보 공개시스템의 자료를 활용하였다. 모형의 학습을 위해 입력자료로는 하천수질 인자 자료를 이용하였고, 자료의 학습에는 2014년~2017년 4년간의 자료를 학습자료로 사용하였고, 2018년 1년간의 자료는 모형의 검증을 위해 사용하였다. RNN, LSTM 알고리즘을 활용하여 분석 시 은닉층의 개수, 반복시행횟수, sequence length 등의 값을 조절하여 하천수질 인자 예측을 하였다. 모형의 검증을 위해 $R^2$(r square)와 RMSE(root mean square error)을 이용하여 통계분석을 실시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.372-372
• /
• 2023

강우 유출 시 지표면 토양수분포화도는 직접유출량 및 지하수 저류에 영향을 미칠 수 있기 때문에 강우에 의한 유역 유출량 산정에서 토양수분포화도는 보다 실제와 유사한 모의 결과를 도출하는데 중요한 인자가 될 수 있다. 기존의 모형 기반의 유출량 산정 연구에서 토양수분포화도의경우 강수량, 하천수위, 유량, 지하수위 등 타 수문순환 요소에 비하여 관측 지점 및 관측 자료가 부족하기 때문에 유역 내 수문환경 특성에 따라 가정 된 값을 입력하여 유출량을 산정하였다. 최근 IoT, 5G 통신 등 정보 기술의 혁신과 이상 홍수에 의한 피해 저감을 위한 실시간 유출량 해석 모형 개발 등에 적용할 경우 모의 결과가 실제와 매우 다르게 나타나는 경우가 발생할 수 있다. 본 연구에서는 토양수분포화도의 지상 관측 자료와 위성 관측 자료를 동기화 하는 기법을 개발함으로써 중권역 단위의 유출량 산정 정확도를 향상시키고자 하였다. 기존의 지상 관측 자료는 토양수분포화도의 비교적 정확한 데이터를 제공하나 관측 자료를 유역의 대푯값으로 적용할 수 있는 지에 대한 추가 검증이 필요하다. 위성 관측자료는 유역 전반의 토양수분포화도 정보를 관측할 수 있으나 고해상도의 자료를 제공하지 못하기 때문에 유역 전체에 일관된 데이터를 적용할 수밖에 없는 한계가 발생한다. 지상 관측자료와 위성관측자료의 동기화 기법을 개발함으로써 본 연구진은 중권역 단위의 유역 내 비교적 정확한 토양수분포화도 데이터를 적용할 수 있도록 하였다. 본 연구의 결과물은 유출량 해석 결과의 정확도를 높임으로써 급격한 호우 사상 발생에 따른 이상홍수에 대응할 수 있는 유역 물 관리 대책의 기초 자료로 활용 할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.261-261
• /
• 2020

물관리의 기본이 되는 연속적인 유량 자료 확보를 위해서는 정확도 높은 수위-유량 관계 곡선식 개발이 필수적이다. 수위-유량 관계곡선식은 모든 수문시설 설계의 기초가 되며 홍수, 가뭄 등 물재해 대응을 위해서도 중요한 의미를 가지고 있다. 그러나 일반적으로 유량 측정은 많은 비용과 시간이 들고, 식생성장, 단면변화 등의 통제특성(control)이 변함에 따라 구간분리, 기간분리와 같은 비선형적인 양상이 나타나 자료 해석에 어려움이 존재한다. 특히, 국내 하천의 경우 자연적 및 인위적인 환경 변화가 다양하여 지점 및 기간에 따라 세밀한 분석이 요구된다. 머신러닝(Machine Learning)이란 데이터를 통해 컴퓨터가 스스로 학습하여 모델을 구축하고 성능을 향상시키는 일련의 과정을 뜻한다. 기존의 수위-유량 관계곡선식은 개발자의 판단에 의해 데이터의 종류와 기간 등을 설정하여 회귀식의 파라미터를 산출한다면, 머신러닝은 유효한 전체 데이터를 이용해 스스로 학습하여 자료 간 상관성을 찾아내 모델을 구축하고 성능을 지속적으로 향상 시킬 수 있다. 머신러닝은 충분한 수문자료가 확보되었다는 전제 하에 복잡하고 가변적인 수자원 환경을 반영하여 유량 추정의 정확도를 지속적으로 향상시킬 수 있다는 이점을 가지고 있다. 본 연구는 머신러닝의 대표적인 알고리즘들을 활용하여 유량을 추정하는 모델을 구축하고 성능을 비교·분석하였다. 대상지역은 안정적인 수량을 확보하고 있는 한강수계의 거운교 지점이며, 사용자료는 2010~2018년의 시간, 수위, 유량, 수면폭 등 이다. 프로그램은 파이썬을 기반으로 한 머신러닝 라이브러리인 사이킷런(sklearn)을 사용하였고 알고리즘은 랜덤포레스트 회귀, 의사결정트리, KNN(K-Nearest Neighbor), rgboost을 적용하였다. 학습(train) 데이터는 입력자료 종류별로 조합하여 6개의 세트로 구분하여 모델을 구축하였고, 이를 적용해 검증(test) 데이터를 RMSE(Roog Mean Square Error)로 평가하였다. 그 결과 모델 및 입력 자료의 조합에 따라 3.67~171.46로 다소 넓은 범위의 값이 도출되었다. 그 중 가장 우수한 유형은 수위, 연도, 수면폭 3개의 입력자료를 조합하여 랜덤포레스트 회귀 모델에 적용한 경우이다. 비교를 위해 동일한 검증 데이터를 한국수문조사연보(2018년) 내거운교 지점의 수위별 수위-유량 곡선식을 이용해 유량을 추정한 결과 RMSE가 3.76이 산출되어, 머신러닝이 세분화된 수위-유량 곡선식과 비슷한 수준까지 성능을 내는 것으로 확인되었다. 본 연구는 양질의 유량자료 생산을 위해 기 구축된 수문자료를 기반으로 머신러닝 기법의 적용 가능성을 검토한 기초 연구로써, 국내 효율적인 수문자료 측정 및 수위-유량 곡선 산출에 도움이 될 수 있을 것으로 판단된다. 향후 수자원 환경 및 통제특성에 영향을 미치는 다양한 영향변수를 파악하기 위해 기상자료, 취수량 등의 입력 자료를 적용할 필요가 있으며, 머신러닝 내 비지도학습인 딥러닝과 같은 보다 정교한 모델에 대한 추가적인 연구도 수행되어야 할 것이다.

• The Sea:JOURNAL OF THE KOREAN SOCIETY OF OCEANOGRAPHY
• /
• v.28 no.4
• /
• pp.133-142
• /
• 2023

In this paper, we built a data-driven artificial intelligence model using RNN-LSTM (Recurrent Neural Networks-Long Short-Term Memory) to predict the Lorenz system, and examined the possibility of whether this model can replace chaotic dynamic models. We confirmed that the data-driven model reflects the chaotic nature of the Lorenz system, where a small error in the initial conditions produces fundamentally different results, and the system moves around two stable poles, repeating the transition process, the characteristic of "deterministic non-periodic flow", and simulates the bifurcation phenomenon. We also demonstrated the advantage of adjusting integration time intervals to reduce computational resources in data-driven models. Thus, we anticipate expanding the applicability of data-driven artificial intelligence models through future research on refining data-driven models and data assimilation techniques for data-driven models.

• Journal of Environmental Policy
• /
• v.8 no.1
• /
• pp.31-48
• /
• 2009

To install and operate the Automatic Noise Monitoring Networks reasonably, which able to monitoring environmental noise continually, is an important issue for making decision to urban environment. Noise level is determined by regional environmental factors, that affected by complex urban environment. Therefore, accurate measurement of environmental noise level has top priority to establish and promote appropriate environmental policies. Currently, Automatic Noise Monitoring System is installed for grasping the environmental noise level and preparing basic data for constructing noise-reduction policies. However, this measurement data is recognized not to be able to reflect a sensory noise. The main reason is the lack of reliable measurement data and unreasonable installation site. The main point of this research ought to be the analysis of installed site of noise monitoring system in Busan.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.143-149
• /
• 2008

전 지구적 기온상승으로 인하여 해수면 상승 및 자연생태계가 파괴되고 있다. 이에 Geo 관련 연구자들은 지구 온난화, 이산화탄소 배출량, 미세먼지 확산 등의 방대한 지구환경정보를 공유 및 교환하고 활발한 지식 교류를 하기 위한 포털 환경이 요구되고 있다. 국외 여러 환경단체들은 이러한 포털 환경구축을 통해 지구 환경정보를 연구하고 있다. 한국에서도 지구온난화 영향분석, 미세먼지 확산분석, 이산화탄소 배출량 분석 지상 식생변화 모니터링 등의 분야에서 위성 관측 영상 및 지구환경자료를 이용한 서비스가 더욱 절실하다. e-Science 환경 구축의 대표 응용 분야 중의 하나로 발전, 확산시킬 필요성 때문에 정확하고 방대한 지식정보의 신속한 처리 및 서비스를 할 수 있는 GeoGrid 기반 기술 개발 방법과 환경 구축 방법에 대해 연구하였다.