• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.883-893
• /
• 2019

본 연구에서는 두 가지 방법으로 작물계수를 산정하고, 그 결과를 평가하였다. 첫 번째 방법에서는 GLDAS 자료를 청미천 플럭스타워의 증발산량 실측값과 비교하여 적정성을 평가한 뒤 GLDAS 기반 실제증발산량을 잠재증발산량으로 나눠 작물계수(GLDAS K_c)를 산정하였으며, 두 번째 방법에서는 MODIS기반 식생지수(NDVI, EVI, LAI, SAVI)와 플럭스타워에서의 토양수분 실측치를 이용해 다중선형회귀분석으로 작물 계수(SM&VI K_c)를 산정하였다. 전체기간에 대한 두 가지 작물계수(GLDAS K_c, SM&VI K_c)를 통계(mean, bias, RMSE, IOA)를 통해 비교해 본 결과 평균값은 각각 0.412와 0.378, bias는 0.031과 -0.004, RMSE는 0.092와 0.069, 적합도 지표(IOA)는 0.944와 0.958로 두 방식 모두 전반적으로 실측값과 유사한 패턴을 보여주었다. 그라나 SM&VI 회귀모형 방식이 더 우수한 것으로 나타났다. 또한, 벼의 생장 단계별로 GLDAS K_c와 SM&VI K_c에 대한 통계적 평가를 수행해본 결과 초기와 중기에는 GLDAS 기반의 K_c가 더 우수했으며, 후기에는 SM&VI 기반의 K_c가 더 우수한 것으로 나타났다. 이는 봄철에는 황사, 여름철에는 비구름으로 MODIS 센서의 정확성이 감소했기 때문인 것으로 판단된다. 향후 연구를 통해 MODIS 센서의 관측 정확성이 향상된다면, SM&VI 기반 작물계수 산정방식의 정확성 역시 향상될 것으로 판단되며, 미계측 유역의 작물계수 산정이나 작물계수의 예측에 사용될 수 있을 것으로 판단된다.

• 대한교통학회지
• /
• 제17권1호
• /
• pp.29-39
• /
• 1999

본 연구는 우리나라의 고속도로 기본구간에서 기상조건에 따른 도시고속도로 교통류의 특성을 분석한 것이다. 본 연구의 주요 결과를 요약하면 다음과 같다. 첫째, 비가 올 경우 속도-교통류율간의 관계는 길어깨쪽 차로를 제외하고 차로별로 큰 차이가 없이 유사한 패턴을 보이는 것으로 나타났다. 둘째 교통류율-점유율간의 관계식은 비가 올 경우 그 관계성은 더 분명해지지만, 서비스교통류율이 약 200대/시/차로 정도 감소하는 것으로 나타났다. 셋째, 비가 올 경우 도로의 관측된 서비스교통류율은 맑은 날에 비해 약 10-20% 정도 감소하는 것으로 나타났으며, 이러한 결과는 1998 HCM에서 제시한 결과 및 교통류율-점유율 관계식의 기울기 감소 패턴과 일치한다. 넷째, 비가 올 경우 전체 차로의 소통능력은 맑은 날에 비해 감소하고 전반적으로 중앙분리대쪽 차로의 소통 능력이 길어깨쪽 차로에 비해 높은 것으로 나타났으나, 기상변화에 따른 차로별 임계속도와 임계점유율은 큰 변화가 없는 것으로 나타났다. 본 연구는 도시고속도로 기본구간의 1개 지점에서 나타난 특성으로서 공간적 분포 특성을 고려하기 위해서는 향후 연구에서 다양한 조건을 갖는 도로지점에 대해 분석해야 할 것이다. 또한 비 뿐만 아니라 안개나 눈에 의 한 영향을 고려한 상세한 분석이 필요하다. 본 연구의 결과는 그간 일반적으로 알려졌던 내용과 큰 차이는 없지만 실제로 고속도로를 설계하거나 운영하는데 근거자료로 활용할 수 있는 자료를 제공하는 측면에서 의미가 있다고 판단되며, 도로용량편람을 개정 및 수정하는 과정에서 명확히 명시해야할 기초자료를 제공하고 있다.Bayesian pooling technique for estimating the dynamic link travel time of networks. The proposed algorithm has been validated using the field experiment data out of GPS probes and detectors over the roadways and the estimated link travel time from the algorithm is proved to be more useful than the mere arithmetic mean from each traffic source. the whole sentence(preceeding sentence and the accompanying sentence). The conjunctive endings are '-고₂, -으며₂, -다가₂, -어서, -고서, 을수록, -은데₂, -으면₂, -어야₂, -어도₂, -으니까₂, -거든₁,'etc. Type C can be interpreted as the neutralized tense of the preceeding sentence and the absolute tense of the accompanying sentence. The conjunctive endings are '-으러, -으려고, -고자, -도록, -게,'etc. Type D can be described as the relative tense of the part of the preceeding sentence and the

• 대한원격탐사학회지
• /
• 제23권6호
• /
• pp.507-520
• /
• 2007

인공위성 수동 마이크로파(passive microwave, PM) 센서는 1970년대부터 극지 해빙의 면적비(sea ice concentration, SIC)와 표면 온도(ice temperature), 적설 두께(snow depth) 등을 관찰하고 있다. 특히 SIC는 기후 및 환경 변화 관찰을 위한 1차 요소로 고려되는 등 다양한 연구 분야에서 중요한 역할을 하기 때문에 PM SIC의 지속적인 검증과 보정이 필요하다. 본 연구에서는 2005년 7-8월 북극해의 가장 자리를 촬영한 KOMPSAT-1 EOC 영상으로부터 SIC를 계산하였고, 이를 NASA Team(NT) 알고리즘으로 계산된 SSM/I SIC와 비교하였다. EOC와 SSM/I NT SIC는 서로 다른 해상도와 관측 시각을 가지며 북극의 여름철 해빙 분포지역의 가장자리에서 해빙의 시공간적인 변화가 크기 때문에, 해빙의 유형을 고려하지 않았을 경우 0.574의 낮은 상관성을 보였다. 해빙의 유형에 따른 SSM/I NT SIC를 검증하기 위하여 EOC 영상으로부터 정착빙, 부빙, 유빙으로 해빙 형태를 분류하였고, 각 유형 별로 EOC와 SSM/I NT SIC를 비교하였다. 정착빙의 면적비는 EOC와 SSM/I NT SIC 사이에서 평균 오차가 0.38%로 매우 유사한 값을 나타냈다. 이는 정착빙의 시공간적인 변화가 작기 때문이며, 표면에 쌓인 눈은 건조한 상태일 것으로 추정되었다. 부빙의 경우 NT 알고리즘에서 면적비가 과소평가되는 빙맥(ice ridge)과 new ice가 많이 관찰되었으며, 이로 인해 SSM/I NT SIC는 EOC보다 평균 19.63%작은 값을 나타냈다. 유빙 지역에서 SSM/I NT SIC는 EOC보다 평균 20.17% 큰 값을 가진다. 유빙은 부빙의 가장자리와 가까운 지역에 위치하기 때문에 SSM/I의 넓은 IFOV 내에 비교적 높은 SIC를 가지는 부빙이 포함되어 오차를 일으킬 수 있다. 또한 유빙표면에 쌓인 수분 함량이 높은 눈의 영향으로 SSM/I NT SIC가 과대 측정되었을 것으로 사료된다.

• 한국도시환경학회지
• /
• 제18권4호
• /
• pp.531-546
• /
• 2018

동아시아지역을 대상으로 황사배출량 산정 모듈 및 이를 적용한 예보시스템을 개발하였고, 개발된 모형의 화학수송모델링 정합도 및 실시간 예보 운영 평가를 진행하였다. 2015년 화학수송모델링 정합도 평가 결과, 중국 지역에서는 황사 배출량을 적용한 예보 모형이 과대평가하는 기간이 있으나 대부분 지역에서 저평가 되었던 $PM_{10}$ 을 보완하고, 통계수치가 개선되는 것을 확인할 수 있었다. 한국 지역에서는 황사 발생일인 2월 22일~24일, 3월 16일~17일(서울지역대상)에는 황사의 유입을 적절히 모사하였으나 황사가 관측되지 않은 4월에는 황사를 적용한 예보모델이 과대평가하는 것을 확인할 수 있었다. 그러나 황사를 적용한 예보모형은 한반도 대부분 지역에서 저평가 되었던 $PM_{10}$ 을 보완하고, 통계수치가 개선되는 것을 확인할 수 있었다. 2017년 예보 성능 평가 결과, 황사배출량을 적용한 예보모델은 기존 모델과 비교하였을 때, POD는 대부분 개선되지만, A는 유사 또는 감소, FAR는 대부분 증가하는 경향이 나타났다. 황사배출량을 적용한 예보모형은 동아시아 지역에 저평가 하고 있는 $PM_{10}$ 을 보완하는 장점이 있지만, 황사배출량 산정의 불확실성 등이 내제되어 모델이 측정값을 과대모의하여 오경보율이 높다. 따라서 한반도 지역에 대표 대기질 예보모형으로 사용하기는 부적절하다고 판단된다. 그러나 황사 기간에는 황사배출량 모델의 모사성능은 우수하였으므로, 황사가 발생하는 기간에는 기존 모델과 융합하여 예보관이 예보하는 것이 필요하다고 사료된다.

• 한국광학회지
• /
• 제33권4호
• /
• pp.167-176
• /
• 2022

적응 광학(adaptive optics, AO)은 대기 외란을 실시간으로 보정하는 기술을 말하고, 이러한 적응광학의 효율적 개발을 위하여, 다양한 성능 예측 기법을 도입하여 적응광학이 적용된 시스템 성능 예측을 실시한다. 적응광학의 성능 예측 기법으로 자주 사용되는 기법으로는 통계분석, 전산모사 및 광학 벤치 테스트가 있다. 통계분석에서는 적응광학 시스템을 통계 분석 모델로 가정하여 오차값(분산)의 제곱을 전부 합쳐 스트렐비를 간단하게 추정한다. 다만, 하위 변수 간의 상관 관계는 무시되어 이에 따른 추정의 오류는 존재한다. 다음으로, 전산모사는 대기 난류, 파면센서, 변형거울, 폐쇄 루프 등 모든 구성요소를 가능한 한 실제와 가깝게 모델링하고, 시간 흐름에 따른 적응광학 시스템의 변화를 모두 구현하여 성능 예측을 수행한다. 다만, 전산모사 모델과 현실 사이에는 여전히 일부 차이가 있어, 광학 벤치 테스트를 통하여 시스템 성능을 확인한다. 최근 국내에서 개발된 변형 거울을 적용한 1.6 m 지상 망원경용 적응광학 시스템을 개발 중에 있어, 이에 적용 가능한 적응광학 시스템을 통하여 성능 예측 기법이 요구되며 동시에 성능 예측 기법의 비교를 진행하고자 한다. 앞서 언급된 통계분석 및 전산모사를 이용하여 시스템 성능 예측을 수행하였으며, 성능 예측의 분석을 위해 각각의 성능 예측 기법의 망원경 및 적응광학 시스템 모델링 과정 및 결과를 제시하였다. 이때 성능 예측을 위한 대기 조건으로는 보현산 관측 중앙값(median)을 적용하였다. 그 결과 통계 분석 방법의 경우 평균 스트렐 비가 0.31이 도출됨을 확인하였고, 전산모사 방법의 경우 평균 스트렐 비가 0.32를 가짐을 확인함으로써 두 방법에 의한 예측이 거의 유사함을 확인할 수 있었다. 추가적으로, 전산모사의 경우 해석 결과의 신뢰성을 확보하기 위하여, 모사 시간이 대기 임계 시간 상수의 약 240배인 0.9초 이상 수행되어야 함을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.707-723
• /
• 2022

위성기반 해수면온도는 광역 모니터링이 가능한 장점이 있지만, 다양한 환경적 그리고 기계적 이유로 인한 시공간적 자료공백이 발생한다. 자료공백으로 인한 활용성의 한계가 있으므로, 공백이 없는 자료 생산이 필수적이다. 따라서 본 연구에서는 한반도 주변 해역에 대해 극궤도와 정지궤도 위성에서 생산되는 해수면온도 자료를 두 단계의 기계학습을 통해 융합하여 4 km의 공간해상도를 가지는 일별 해수면온도 합성장을 만들었다. 첫번째 복원 단계에서는 Data INterpolate Convolutional AutoEncoder (DINCAE) 모델을 이용하여 다종 위성기반 해수면온도 자료를 합성하여 복원하였고, 두번째 보정 단계에서는 복원된 해수면온도 자료를 현장관측자료에 맞춰 Light Gradient Boosting Machine (LGBM) 모델로 학습시켜 최종적인 일별 해수면온도 합성장을 만들었다. 개발된 모델의 검증을 위해 복원 단계에서 무작위 50일의 자료 중 일부분을 제거하여 복원한 뒤 제거된 영역에 대해 검증하였으며, 보정 단계에서는 Leave One Year Out Cross Validation (LOYOCV) 기법을 이용하여 현장자료와의 정확도를 검증하였다. DINCAE 모델의 해수면온도 복원 결과는 상당히 높은 정확도(R²=0.98, bias=0.27℃, RMSE=0.97℃, MAE=0.73℃)를 보였다. 두번째 단계의 LGBM 보정 모델의 정확도 개선은 표층 뜰개 부이와 계류형 부이 현장자료와의 비교에서 모두 상당한 향상(RMSE=∆0.21-0.29℃, rRMSE=∆0.91-1.65%, MAE=∆0.17-0.24℃)을 보여주었다. 특히, 모든 현장 자료를 이용한 보정 모델의 표층 뜰개 부이와의 정확도는 동일한 현장 자료가 동화된 기존 해수면온도 합성장보다 나은 정확도를 보였다. 또한 LGBM 보정 모델은 랜덤포레스트(random forest)를 사용한 선행연구에서 보고된 과적합의 문제를 상당부분 해결하였다. 보정된 해수면온도는 기존의 초고해상도 해수면온도 합성장들과 유사한 수준으로 수온 전선과 와동 등의 중규모 해양현상을 뚜렷하게 모의하였다. 본 연구는 다종위성 자료와 기계학습 기법을 사용해 시공간적 공백 없는 고해상도 해수면온도 합성장 제작 방법을 제시하였다는 점에서 가치가 있다.

• 지구물리와물리탐사
• /
• 제26권1호
• /
• pp.18-30
• /
• 2023

해저 진흙화산은 유동화/기화된 퇴적물이 표층으로 분출하여 만들어진 화산과 유사한 지형이다. 진흙화산은 지하의 열, 퇴적물이나 탄화수소를 지상으로 공급하는 공급원으로 관심을 받고 있다. 북극 캐나다 보퍼트 해의 대륙사면에는 다양한 수심에서 진흙화산이 존재한다고 알려져 있다. 수심 420 m에 위치한 MV420 진흙화산은 현재 분출하고 있는 활동성 진흙화산으로 많은 연구 대상이 되고 있다. 극지연구소에서는 쇄빙연구선 아라온호를 이용하여 MV420을 통과하는 고해상도 다중채널 탄성파 자료를 획득하였고, 진흙 분출구 주변에서 지열 관측을 수행하였다. 탄성파 자료에서는 가스하이드레이트에 의한 해저면모사반사파(bottom simulating reflector, BSR)로 추정되는 역위상 반사파를 확인하였다. 탄성파 자료의 BSR이 가스하이드레이트에 의한 반사파인지 확인하기 위하여, 정상 상태의 열방정식을 바탕으로 MV420 내부의 열구조를 수치적으로 모사하였다. 그리고 모사한 지열온도 모델을 이용하여 가스하이드레이트 안정영역의 하부 경계를 추정하였다. BSR의 깊이와 가스하이드레이트 안정영역의 하부 경계를 비교한 결과, 두 자료가 일치하며 이는 가스하이드레이트의 부존을 암시하는 지구물리학적 증거 중의 하나이다. 선행 연구 결과는 MV420의 분출구에서 표층에 가스하이드레이트가 부존한다는 것을 보여주었으며, 이번 연구의 결과는 분출구와의 거리에 따라 최대 50 m 깊이까지 가스하이드레이트가 존재할 수 있음을 시사한다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1565-1576
• /
• 2023

천리안 해양위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)에서 관측된 대기상층 복사휘도에서 해양환경 분석이 가한 원격반사도(remote-sensing reflectance, R_rs) 자료를 얻기 위해서 복사 전달 모델 기반의 대기 보정을 수행한다. 이 R_rs는 다시 엽록소, 총부유사, 용존유기물 농도 등의 다양한 해양환경변수 산출에 이용되고 있기 때문에 대기보정은 모든 해색 산출물의 정확도에 영향을 주는 중요한 알고리즘이다. 맑은 해역에서는 대기의 복사휘도가 청색 파장대의 해수 복사휘도보다 10배 이상 높다. 따라서 대기보정 과정에서 1%의 대기 복사휘도 추정 오차가 10% 이상의 R_rs 오차를 유발할 수 있으며, 이처럼 대기보정은 매우 높은 오차 민감도를 가진 알고리즘이다. 그 결과 대기보정 산출물인 R_rs의 품질 평가는 신뢰성 있는 해양 위성 기반 자료 분석을 위해 반드시 선행되어야 한다. 본 연구에서는 Sea-viewing Wide Field-of-view Sensor (SeaWiFS) Bio-optical Archive and Storage System (SeaBASS)을 통해 데이터베이스화 된 현장 측정 R_rs 기반 통계적 신뢰성을 평가하는 Quality Assurance (QA) 알고리즘을 GOCI-II의 분광 특성에 맞게 수정 및 적용하였다. 이 방법은 National Oceanic and Atmospheric Administration (NOAA)의 해색위성 자료처리 시스템에 공식적으로 적용되어 서비스 중이며, R_rs의 품질 분석 점수(0~1점)를 제공할 뿐 아니라 해수의 유형(23 유형)도 구분해 준다. 실제로 검보정 초기 단계의 GOCI-II 자료에 QA를 적용한 결과, R_rs는 비교적 낮은 값인 0.625에서 가장 높은 빈도를 보여주었지만 추가적인 검보정을 통해 개선된 GOCI-II 대기보정 결과에 QA 알고리즘을 적용했을 시 기존보다 높은 0.875에서 가장 높은 빈도를 보여주었다. QA 알고리즘을 통한 해수 유형 분석 결과, 동해 및 남해 일부 그리고 북서태평양 해역은 주로 탁도가 낮은 case-I 해역이었으며 서해 연안 및 동중국해는 주로 탁도가 높은 case-II 해역으로 구분되었다. 이처럼 QA 알고리즘의 적용을 통해 대기보정 과정에서 오차가 크게 발생한 R_rs 자료를 객관적으로 판별하여 배제할 수 있으며 이는 배포자료 및 검보정의 신뢰도 향상으로 이어질 수 있다. 본 방법은 추후 GOCI-II의 대기보정 flag에 적용되어 사용자들이 양질의 R_rs 자료만을 적용할 수 있도록 도움을 줄 것이다.