• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• 제17권3호
• /
• pp.213-223
• /
• 1999

This study provides a improved model of digital basemap production that can efficiently identify and correct the various errors generated in digital map production process. In order to fulfill the requirements that the new model calls for, this study provides a typology of errors by analyzing the errors in digital basemap data. Computer programs for automatic error searching and for checking the correctness of the digital codes in the data have also been developed. Exsiting visual error-checking process has also been analyzed and more systematic process is suggested. As a result, it is found that the improved model of digital basemap production suggested in this study contributes to improving the quality of the digital map database by providing a systematic method for efficient error-searching and correction of digital map data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.24-24
• /
• 2015

최근 원격탐사기법을 이용한 많은 가뭄평가기법들이 개발되었으나 산림과 함께 산악지형이 우세한 우리나라의 경우 지형특성으로 인하여 가뭄평가시 불확실성이 증가하게 된다. 특히, 농업가뭄은 기후와 지표특성에 큰 영향을 받기 때문에 기후특성만을 고려한 가뭄지수는 실제 필요한 농업가뭄의 특성을 반영하는데 있어서 한계가 있다. 따라서 본 연구에서는 기후와 지표특성을 함께 고려할 수 있는 토양수분을 이용한 가뭄평가기법(Drought Assessment Scheme)을 개발하였다. 가뭄평가기법을 위하여 역추적기법(Inverse Modeling-IM) 기반의 자료동화기법(Data Assimilation, DA)을 이용하였다. 자료동화기법은 1-Dimensional (1-D) 기반의 토양의 물리적 특성을 고려하는 SWMI_ST 모형과 최적화 알고리즘(유전자 알고리즘, Genetic Algorithm-GA)을 연계하여 실측 및 위성기반의 토양수분자료로부터 토양의 수리학적 매개변수(${\alpha}$, n, ${\Theta}_{res}$, ${\Theta}_{sat}$, $K_{sat}$)를 추출한다. 본 연구에서는 LANDSAT(30 m X 30 m) 및 MODerate Resolution Imaging Spectroradiometer(MODIS, 500 m X 500 m) 이미지자료를 이용하여 시 공간적으로 분포되어 있는 토양수분을 산정하였으며, 이후 자료동화기법을 이용하여 LANDSAT/MODIS 토양수분자료로 부터 공간적으로 분포되어 있는 토양의 매개변수를 추출하였다. 추출된 매개변수, GIS 기반의 지표피복 및 기상자료를 이용하여 장기간의 토양수분을 산정 및 예측 할 수 있다. 고해상도의 이미지 자료를 사용하는 가뭄평가기법은 필지~시 군 단위까지 실제 우리나라 지형특성을 고려하여 효율적으로 가뭄을 모니터링 및 예측 할 수 있다.

• Korean Journal of Remote Sensing
• /
• 제28권1호
• /
• pp.29-38
• /
• 2012

Nowadays, most remote sensing image processing systems are on client-based ones. But in the view of information technology, a web-based system is predominant, being closely related to cloud computing and services. The web-based system in remote sensing is somewhat limited in the area of data sharing or dissemination, but it is necessary to extend. This study is to implement a web-based system and its component modules for SAR data processing. First, the previous cases dealt with both web computing and SAR information are investigated. InSAR information processing and concerned modules for a web-based system among SAR research domains are the main points in this work. It is expected that this approach contributes to the first attempt to link web computing technology such as HTML5 and satellite image processing.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.161-161
• /
• 2015

최근 정보화 기술의 발달로 다양하고 방대한 정보들이 집적되고 있으며, 다양한 분야에서 집적된 자료의 활용성에 대한 관심이 보이고 있다. 특히, 수자원분야에서는 ADCP와 같은 최신 계측기법으로 확보되고 있는 방대한 양의 하천의 유속 및 하상 등의 자료를 수집, 저장, 처리, 검색하고자 하는 요구가 증가하고 있다. ADCP를 이용하여 유속을 계측할 경우, 재래식 계측 방법인 봉부자를 이용한 방법, 프로펠러유속계를 이용하는 방법에 비해 빠르고 정밀한 자료를 수집할 수 있는 장점이 있지만 계측자료의 양이 방대해짐에 따라 자료의 저장, 관리와 처리가 힘든 단점이 있어 ADCP를 이용한 자료의 저장 및 관리 처리를 자동화하는 소프트웨어에 대한 수요가 증가하고 있다.이러한 상황에 맞춰 수자원 발전을 위한 미국 대학 협력단체인 CUAHSI(Consortium of University for the Advancement of Hydrologic Science)에서는 수자원정보화시스템(Hydrologic Information System; HIS)의 구축하기 위해 표준화된 수자원 관측자료 데이터베이스 구조인 ODM(Observation Data Model)을 개발한 바 있다. 최근에는 하천 단면과 같은 하천 측정자료를 송수신할 경우 사용할 수 있는 표준 자료 프로토콜인 RiverML을 개발하여 Beta 버전을 제공하고 있다. 따라서 본 연구에서는 하천 자료 및 모형의 공유를 목적으로 HydroShare의 일환인 수자원 관측자료 중 하천자료의 전송용 언어인 RiverML과 하천의 시공간적 수리동역학적 자료 구조인 Arc River를 기반으로 ADCP의 계측자료를 RiverML로 변환하는 기술과 변환된 결과를 토대로 2차원 및 3차원으로 표출하는 GIS기반 소프트웨어를 개발하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.349-349
• /
• 2021

일반적인 도시홍수모형은 수리-수문모형을 기반으로 한 홍수위 모형을 사용하고 있으나 강우사상이나 물리적 조건에 따라 모의시간의 변화가 있으며 경우에 따라서는 긴 모의시간이 소요된다. 알파고 이후 큰 관심을 갖게된 딥러닝을 이용한 데이터기반의 모의를 통해 수자원 부분에 적용하여 수위 예측을 진행하였다. 본 연구에서는 딥러닝을 이용하여 관측자료기반의 수위예측 연구를 수행하였다. 대상유역은 중랑천 유역으로 선정하였으며 2015년 ~ 2020년 사이의 10분단위 강우, 수위자료를 이용하였다. 지방자치단체에서 제공하는 강우, 수위자료의 경우 결측자료 또는 이상자료에 대한 보정이 미흡하여 기계학습을 통합 분석자료로 활용하는데 어려움이 있다. 이에, 결측 및 이상자료가 포함된 자료로부터 인위적으로 교란된 데이터 및 결측구간을 삭제한 데이터를 생성하여 자료의 시계열성을 제거하고, 딥러닝을 통한 수위 예측 결과를 정상 데이터를 적용한 결과와 비교하였다. 사용된 딥러닝 모형은 시계열 데이터 예측에 우수한성능을 보이는 LSTM모형과 GRU모형을 이용하였으며 RMSE, NSE를 이용하여 평가하였다. 본 연구에서는 결측자료 및 이상자료가 포함된 수문자료를 자료의 시계열성 제거를 통해 딥러닝 분석 입력자료 구성하기 위한 방안을 제시하였다.

• Journal of Korean Society for Geospatial Information Science
• /
• 제19권1호
• /
• pp.29-36
• /
• 2011

The main purpose of this paper is to make a map showing canopy cover by using airborne Lidar data based on region. Watershed algorithm was applied to elevation data to conduct segmentation, and then canopy cover was estimated through the regions extracted. In the process of transforming point data to raster, we solved the problems about overestimation and underestimation by using frequency method. Also, canopy cover map could be produced with various scales by differing level of segmentation and it provides more accurate and precise information than ones of ordinary public forest map.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.16-16
• /
• 2019

기후변화 시나리오 및 계절예측 자료를 포함한 기후정보를 수자원 분야에 활용하기 위해서는 기후정보의 시 공간적인 상세화(donwscaling)을 필요로 한다. 상세화의 경우 역학적 상세화와 통계학적 상세화로 구분될 수 있으며, 통계학적 상세화를 위해서는 대상 지역의 기후특성을 대표할 수 있는 장기 관측 자료의 확보가 중요하다. 국내의 경우에는 자동기상관측장비(Automatic Weather System, AWS)와 종관기상관측장비(Automatic Synoptic Observation System, ASOS)로 부터 수집된 기상관측자료를 사용할 수 있으나 기후변화 시나리오의 통계적 상세화를 위해서는 30년 이상의 자료 기간을 포함하는 ASOS 자료가 적합하다. 하지만 개발도상국과 같이 기상관측기반이 열악한 지역에서는 잦은 결측 등으로 인하여 품질이 좋은 관측자료의 획득이 어려운 상황이다. 따라서 본 연구에서는 측이 포함된 장기 기상관측 자료로부터 대상 지역의 기후특성을 재현할 수 있도록 기본적인 QC(Quality Control)을 거쳐 결측 자료를 보완할 수 있는 기법 및 R 기반패키지를 개발하여 적용성을 평가하였다. 개발된 기법의 적용성 평가를 위해서 기상청에서 QC를 통해 제공하고 있는 60개 ASOS 지점의 관측자료 중 강수량과 기온 변수를 사용하였다. 최대 50%까지의 현실적인 결측 패턴을 임의로 생성하기 위해 실제 개발도상국 관측자료의 일단위 결측 패턴을 이용하였다. 자료의 QC는 관측일 누락/중복 및 문자형 관측값 등 기본적인 오류 검사, 기온의 경우 물리적 허용 범위에 대한 검사, 최고기온과 최저기온의 비교 및 계측기 오작동에 의한 동일한 값의 반복 등을 포함한 내적 일치성 검사를 우선적으로 수행한다. 이후 결측값에 대해서 인근 기상관측소와의 상관성 분석 결과를 기반으로 결측값을 채우고, 최종적으로는 다양한 위성자료 및 재분석 자료 중에서 일단위 기후특성의 재현성 평가를 통해 선정된 격자형 자료와의 상관성 분석 결과를 기반으로 결측값을 보정하였다. 기온의 경우는 결측률이 높더라도 월평균 기후특성에 큰 영향을 미치지 않았지만 강수의 경우에는 5% 이상의 결측이 발생하는 경우 월평균 강수량에 영향을 미쳐 지역의 강수량을 과소 추정하는 결과를 보였다. 개발된 QC 기법을 강수 자료에 적용한 결과 월평균 기후특성을 잘 복원하는 결과를 보였지만, 일단위 강우 사상의 재현에 있어서는 미흡한 결과를 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.404-404
• /
• 2022

효율적인 수자원 관리를 위해 빈도해석을 통한 수문 자료의 통계적 특성을 고려하여 정확한 확률강수량을 산정해야 한다. 지점빈도해석은 지점 자료만을 이용하여 확률강수량을 산정하기 때문에 정확도를 높이기 위해서는 자료 확충이 필요하지만, 지점별로 활용할 수 있는 자료가 제한적이며 지점마다 변동성이 크다. 지역빈도해석은 수문기상학적으로 동질한 주변 지점들의 자료를 모두 포함해서 빈도해석을 수행함으로써 지역에 대한 통합 결과를 제시하고 자료에 대한 신뢰성 확보가 가능하다. 일반적으로 빈도해석은 자료에 적합한 확률분포 기반으로 수행되지만 확률분포 선정과정에 따라 결과는 상이하다. 본 연구에서는 지역빈도해석에서 확률강수량 산정방법으로 Quantile Regression(QR)을 적용하였다. QR 기반의 빈도해석은 확률분포 아니라 자료 자체로 확률강수량을 산정하여 기존의 확률분포 기반의 빈도해석에서 발생했던 불확실성을 개선하였다. 또는, 확률강수량의 시간에 따른 변동성도 고려되어 바정상성 빈도해석도 가능하다. 최종적으로 본 연구에서 소개된 지역빈도해석 결과와 기존의 지역빈도해석 결과 비교 검증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.63-63
• /
• 2019

최근 기후변화로 인한 도시지역 침수 피해를 저감하기 위한 다양한 연구가 수행되고 있으며 침수해석을 위한 기초자료로써 GIS 기반 하수관망 자료 활용의 중요성이 증대되고 있다. 그러나 이러한 하수관망 자료의 대부분은 지자체 수준의 행정단위에 의해 작성/관리 되고 있으며 하수관 망의 유지보수에 중점을 두어 제작되었기 때문에 침수해석을 위한 속성자료가 누락되어 있는 경우가 상당수 존재한다. 따라서 고유의 제작 목적과 침수해석이라는 활용 목적이 일치 하지 않아 속성 데이터 값이 존재하지 않거나 침수 모델링에 필요한 필수 정보가 누락되어 개별 연구자들이 별도의 보완작업을 수행한 후 침수해석에 활용하고 있는 실정이다. 이러한 개인연구자들의 주관적 판단에 의한 하수관망의 단순화 또는 보완작업은 상황에 따라 자료의 불확실성을 증대시키며 연구자의 숙련도와 배경지식에 따라 침수 해석 결과에 많은 영향을 미치고 있다. 따라서 GIS기반 하수관망 자료를 침수 모의에 활용 가능한 입력 자료로 변환 하는 경우 개별 연구자들의 주관적 개입이 최대한 배제된 형태의 자료를 만들기 위한 기본 알고리즘 개발이 시급한 상태이다. 본 연구에서는 서울시 사당역 인근 유역과 부산시 온천천 유역의 GIS 기반 하수관망 자료의 형식에 대해서 알아보고 누락 자료를 보완하기 위한 알고리즘을 개발하였다. 개발된 알고리즘을 활용하여 누락자료가 보완된 하수관망 자료는 향후 개별 연구자들의 주관적 판단을 배제하여 도시침수 해석 시 하수관망 자료의 불확실성을 최소화 하는데 기여할 수 있을 것으로 판단된다.

• The Sea:JOURNAL OF THE KOREAN SOCIETY OF OCEANOGRAPHY
• /
• 제28권4호
• /
• 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.