• 제목/요약/키워드: 추상적 형태

검색결과 113건 처리시간 0.019초

딥러닝을 활용한 위성영상 기반의 강원도 지역의 배추와 무 수확량 예측 (Satellite-Based Cabbage and Radish Yield Prediction Using Deep Learning in Kangwon-do)

  • 박혜빈;이예진;박선영
    • 대한원격탐사학회지
    • /
    • 제39권5_3호
    • /
    • pp.1031-1042
    • /
    • 2023
  • 인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

2016년 코리아가든쇼 작가정원의 식물 의미에 관한 연구 (A Study on the Meaning of Plant Material in the 2016 Korea Garden Show Designer's Garden)

  • 이정희;진혜영;이유미;송유진
    • 한국조경학회지
    • /
    • 제45권3호
    • /
    • pp.41-53
    • /
    • 2017
  • 본 논문은 2016년 코리아가든쇼의 9개 작가정원에서 식물 소재가 작가의 의도를 어떻게 반영하고 선택되는지 파악하고자 하였다. 식물 소재는 정원의 주제를 전달하기 위한 경우와 공간을 구성하기 위해 사용된 것으로 분석되었다. 'K-Garden, 가장 한국적인 멋을 담은 신한류 정원'이라는 주어진 주제 아래, 주제를 드러내기 위해 사용된 식물은 '재현' '표현'의 두 가지 유형으로 쓰이고 있었다. 한국적인 멋이 담긴 특정 공간을 모방하는 '재현'은 2개 정원이, 작가의 생각을 추상적인 개념이나 사물의 형상으로 나타내는 '표현'은 4개 정원이, '재현'과 '표현' 모두 사용한 정원은 3개 정원이다. 주제를 식물로 드러내는 방법은 '재현'보다 '표현'의 경향이 강했다. 한국적인 멋을 '재현'하는 공간은 채마밭, 수돗가, 연못, 들판, 자연, 한옥 중정, 대나무밭, 기와 지붕, 돌담, 바위, 산자락과 연결된 뒷마당 11개로 식재는 식물의 생태적 특성만을 반영하거나, 생태적 특성과 시각적 특성을 함께 고려한 2가지 경우로 나타났다. 생태적 특성을 반영한 식재는 11개 공간 모두에서 관찰되었는데, 9개 공간은 식물의 생육환경을 잘 반영한 반면, 나머지 2개는 작가의 의도와 달리 식물의 생태적 특성을 제대로 반영하지 못한 것으로 나타났다. 생태적 시각적 특성을 함께 고려한 4개의 공간의 경우, 시각적 특성으로 색상과 크기가 고려되었다. 주제를 '표현'한 7개 공간의 식물은 생태적 특성을 반영하기보다는 색상, 형태, 질감, 크기 순으로 시각적인 특성을 반영하여 선정되었고, 군식의 배식법도 적용되고 있었다. 공간을 구성하는 소재로 식물을 활용한 경우, Norman(1989)이 제시한 공간 위요변수 3가지(관개면, 수직면, 지피면)를 기준으로 분석하였는데, 관개면에는 단 2종의 낙엽 교목이 사용되고 있었고, 수직면에는 상록성 관목이 5종, 낙엽성은 30종으로 낙엽성 식물이 다양하게 사용되었다. 바닥면을 형성하는 식물은 45종(목본 9종, 초본 36종)으로, 정원별로 중복되지 않고, 다양한 초본이 활용되고 있었다. 이것은 가든쇼의 작가정원이 새로운 지피식물 소재를 대중에게 소개하는 역할을 하고 있다는 것을 보여준다. 9개 정원 중 3개 정원은 그저 장식적으로 사용된 식물이 없었고, 다른 정원에서도 장식적인 식물의 사용은 식재종수에 비해 미약한 편으로 코리아가든쇼 작가 정원에서 식물은 대부분 주제를 드러내거나, 공간을 구성하는 의도를 가지고 활용되고 있음을 알 수 있다. 2016년 코리아가든쇼 작가 정원에서 식물은 공간을 구성하기 보다는 주제를 드러내는 소재로 많은 수종이 활용되고 있었으며, 주제를 드러내는 방법은 '재현'보다는 '표현'의 방법을 사용한 정원이 많은 것으로 보아, 식물은 생태적 특성보다는 색상, 형태, 질감, 크기 등 시각적 특성을 보다 많이 반영하여 식재되고 있는 것으로 나타났다.

소셜 네트워크 분석을 통한 무형문화유산 공동체 지식연결망 연구 - 정선아리랑을 중심으로 - (A Study of Intangible Cultural Heritage Communities through a Social Network Analysis - Focused on the Item of Jeongseon Arirang -)

  • 오정심
    • 헤리티지:역사와 과학
    • /
    • 제52권3호
    • /
    • pp.172-187
    • /
    • 2019
  • 본 논문의 목적은 무형문화유산 일반전승자의 역할을 주목하면서, 소셜 네트워크 분석을 활용해 무형문화유산 전승공동체의 연결망과 전승활동에서 발생하는 지식 흐름의 구조적 특징을 분석하는 데 있다. 이러한 연구 목적을 이루기 위해 본 논문에서는 연구 대상을 국가무형문화재 종목들 중에서 일반인의 전승활동이 활발한 '아리랑'으로 선정하였다. 아리랑은 오랜 기간 제도권 밖에서 일반대중 활동을 중심으로 자생적으로 전승되었으며, 2015년에 전문전승자 지정 없이 국가무형문화재로 지정된 최초의 사례이다. 현재 아리랑은 약 60여 종, 3,600여 곡에 이르는 것으로 추정된다. 본 논문에서는 이 중에서 전문전승자와 일반전승자의 상호교류가 활발한 향토민요 '정선아리랑'을 중심으로 연구하였다. 소셜 네트워크 분석은 사람과 사람 사이의 관계를 노드(Node)와 링크(Link)로 모델링하여 수치화 통계화 시각화하여 해석하는 방법을 말한다. 이 방법은 전통적으로 사회학에서 사회조직 및 취약계층을 연구하는 데 꾸준히 활용되었다. 최근에는 문헌정보학, 문화콘텐츠학, 경영학 등과 같은 분야에서 연구경향, 시장동향, 조직관리 등을 연구하는 데 이 방법이 활용되고 있다. 이처럼 여러 학문 분야에서 소셜 네트워크 분석을 이용한 연구가 증가하는 추세지만 문화재 분야에서는 관련 연구를 찾아보기가 어렵다. 소셜 네트워크 분석은 크게 3단계, '연결망 모델링', '데이터 수집', '데이터 분석 및 시각화'로 진행된다. 본 논문에서는 첫 번째, 2017년 기준으로 정선아리랑보존회 회원 전체를 조사 대상으로 선정하여 완전한 연결망으로 모델링하였다. 두 번째, 데이터 수집은 보존회 회원 명부를 확보해 2017년 10월 17일 면대면 조사와 2017년 12월 15일 전화 설문조사를 통해 하였다. 세 번째, 데이터 분석은 Netminer 4.0 프로그램을 이용해 중심성 분석, 구조적 등위성 분석, 커뮤니티 분석 등을 주요 지표로 하였다. 본 논문은 기존에 무형문화유산 계보조사에서 소수 사람들의 구술자료에 의존해 파악하던 방식에서 벗어나 객관적이고 계량적인 방법으로 조사할 수 있는 기반을 제공하였다는 점에서 연구 의의가 있다. 그리고 무형문화유산 전승공동체 구성원들의 관계 및 지식 흐름의 구조를 지식지도(2D Spring Map) 형태로 시각화함으로써 추상적인 내용을 직관적으로 파악할 수 있게 했다는 점에서 의미가 있다.