• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 한국축산시설환경학회지
• /
• 제18권2호
• /
• pp.99-110
• /
• 2012

본 연구에서 조사된 일부 선도적인 양돈농가에서는 설치 운영하는 호기적 액상발효 공정은 대부분의 농가가 공정별 설계인자 및 물리 화학적인 성분변화의 특성보다는 경험적인 운영을 토대로 액비를 생산하고 있는 것을 알 수 있었다. 김 등의 조사연구에 따르면 가축분뇨의 발생단계인 분뇨수거방식은 현재 국내 돈사의 70% 이상이 슬러리 형태로 분뇨가 배출되고 있는 것으로 보고되고 있다. 양돈분뇨의 수거방식과 배출형태가 대부분 슬러리라는 사실은 양돈분뇨의 적정처리에 의한 환경오염 차단과 자원화 이용과정에 적용될 각종 공법 및 시스템 적용이 돈사 슬러리부터 집중 관리해야 함을 시사한다. 이처럼 가축분뇨 액비화의 적정처리에 있어서는 발생단계 뿐만 아니라 액비가 토양에 환원되기 직전까지의 모든 과정이 전반적으로 고려되어야 한다. 본 연구의 조사대상 농가의 가축분뇨 액비화 운영에 있어서 핵심적으로 구분 할 수 있는 단계를 주요사항 별로 구분하여 Table 8에 나타내었다. 가축분뇨 액비화 처리에 있어서 고액분리 단계의 경우 고액분리 방식과 효율에 따라 BOD (생물학적산소요구량), COD (화학적산소요구량), VFA (휘발성지방산) 등의 제거율의 차이가 있는 것으로 보고되고 있으며, 이는 후단공정 즉 주발효조에서의 공기주입량의 산정, 공기공급방식, 발효기간 및 2차 발효 등 운영방식 결정에 주요한 요인이 될 수 있다. 이와 같이 액비가 생산되어 토양에 환원되기까지의 과정은 각각의 주요한 요소들이 유기적으로 연계되어 있으며, 농가 현장을 방문조사하고, 생산되는 액비를 비교 분석한 결과 액비화 공정에 있어서 필수적인 핵심적 단계를 도출 할 수 있었다. 이에 대한 주요내용은 다음과 같다. 1. 돈사 슬러리 관리 단계 돈사 슬러리는 혐기부패를 최대한 방지하며, 주요 악취물질인 $H_2S$, $NH_4$, VFAs의 생성을 억제하여야 한다. 돈사환경을 개선하기 위한 방법으로서는 부숙이 완전히 완료되어 유용미생물이 활성화된 액비를 돈사 세척수로 이용하거나, 슬러리 피트에 일부 투입하여 단순 저장일수를 처리일수로의 개념적 전환이 필요하다. 2. 고액분리 단계 일반적으로 BOD의 주요원인인 고농도의 유기물질은 대부분 분뇨의 고형성분에 포함되어 있기 때문에 물리적 처리공정인 고액분리 단계에서 최대한으로 제거하여 후단공정인 주발효조의 부하를 최소화 시킨다. 3. 발효처리-공기공급 단계 축산농가 마다 사료의 종류나 관리방법 등이 각기 다르므로 배출되는 슬러리의 성상을 파악하여 물질수지와 처리일수에 기초한 발효조 용량과 공기주입량의 산정이 필요하다. 또한 공기확산 및 막힘현상을 고려한 자동제어 장치나 발효조의 상태를 감시 제어하기 위한 인자로서 pH 및 산화환원전위 등을 실시간으로 모니터링 하는 것이 중요하다. 4. 발효처리-미생물, 반송 단계 일반점검 (온도, pH, 용존산소, 산화환원전위, 전기전도도 등)과 정밀점검 (BOD, COD, VFAs, SS, N, P 등)의 주기적인 점검을 통하여 미생물 생장에 알맞은 유입농도와 반송량을 결정하고 농가환경에 맞는 발효조 운전방식을 확립 할 필요가 있다. 5. 후숙처리-최종액비 단계 후숙조에서는 공기과잉 투입으로 인한 질소성분의 손실을 방지하고, 유용미생물을 이용하여 토양환원에 적합한 액비를 제조한다. 가스발생에 의한 작물생육 피해를 방지할 수 있는 액비 안정화 운전기술을 확립하고, 살포시기를 대응하여 액비의 유 출입을 집중적으로 관리한다. 6. 액비유통센터 연계-농지환원 단계 제조된 액비는 액비유통센터에 위탁하여 살포하는 체계를 확립하고, 악취 민원의 발생을 최대한 억제한다. 액비유통센터는 철저한 년 중 살포프로그램을 운영하여 원활한 살포조직 체제를 구성하는 것이 중요하다. 축산농가에서 가축분뇨 관리방법은 축사의 입지, 주변 환경 및 각종 환경규제 등 여러가지 여건에 따라 각기 다르며, 다수의 축산농가가 특정한 처리방법을 동일하게 적용하는 것은 현실적으로 불가능하다. 따라서 본 연구에서 분석된 각 농가의 액비 성상 등은 여러 가지 환경적 요소가 복합적으로 작용하고 있으며, 조사농가 중 일부는 발효과정 중에 있는 액비를 채취하였으므로, 분석결과를 해석하여 가축분뇨 운영관리를 총체적으로 판단하는 것은 다소 무리가 있다. 추후에는 각 공정에 대해 유입되는 슬러리원수에서부터 처리가 완료되는 단계까지의 과정을 일괄적으로 분석하여, 유입 유출농도, 수리학적 체류시간 등 공학적 요소 및 이에 따른 경제성 평가 등을 세밀하게 연구할 필요성이 있다. 이밖에도 가축분뇨의 중요한 관리부분인 병원성미생물과 관련된 위해성 분분을 고려하지 않을 수 없다. 가축분뇨에는 인간에게 직접적인 영향을 미칠 수 있는 Escherichia coli, Campylobacter, salmonella, Listeria 등 다양한 병원성 세균이 발견된다. 최근 전국적으로 발생된 구제역 사태는 우리나라 축산업 자체에 큰 타격을 주었을 뿐만 아니라, 사회 경제적으로도 막대한 손실을 가져왔다. 이 사건을 계기로 국내 축산기반의 전면적 재정비가 불가피하게 되었음은 물론 가축 분뇨에서 유래한 병원성 미생물 및 바이러스 등의 근원적 대처방법 개선과 가축분뇨의 위생적 처리에 대한 안전관리가 시급한 현안이 되었다. 따라서 안전한 경축순환의 액비유통 관리 체계 구축을 위해서는 병원성 미생물, 바이러스 등과 같은 위해요소를 억제 할 수 있는 액비화 처리기술의 표준화 공정 개발 또한 필요하다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.