• 대한원격탐사학회지
• /
• 제26권2호
• /
• pp.251-262
• /
• 2010

GOCI(Geostationary Ocean Color Imager) 표준자료의 지속적인 품질관리를 위해서는 위성 운용기간 중 궤도상 복사보정, 대기보정 단계를 거쳐야 되며 해수환경 분석 알고리즘에 대한 검보정도 지속적으로 이루어져야 한다. GOCI의 복사, 대기, 해양환경 자료에 대한 검보정은 부이나 고정 플랫폼을 이용한 수온, 염분, 해수 광특성, 형광, 및 탁도 관측과, 주기적으로 해양환경 자료 수집을 통하여 실시한다. 이를 위하여 동중국해에 위치하고 있는 이어도 종합해양과학기지에 설치된 광학 관측 장비와 현장 관측의 복사자료를 상호 비교해 보았으며, GOCI 표준자료의 검정에 앞서 SeaWiFS 복사량과 비교하여 검정하였다. 해수출 광량은 현장관측에서 얻어진 광과 광량과는 약간의 차이를 보였지만, 흡광영역이 매우 잘 일치하고 있으며 스펙트럴 이동은 없는 것으로 판단된다. 이어도 종합해양과학기지의 분광측정기와 SeaWiFS의 전 밴드에서 얻어진 해수출 광량을 비교한 결과 평균 25% 정도의 에러가 발생했지만, 대기보정 밴드를 제외하면 절대오차가 11% 정도로 상당히 낮아진다. 이것은 SeaWiFS 표준 대기보정 방법의 문제점으로 GOCI 검보정 연구에서 고려되어 보완 되어야 할 것으로 판단된다. 이와 더불어 독도 지역의 표준 관측치(Reference Target Site) 구축을 통한 검보정 연구를 위하여, 독도 주변 해수의 광 특성과 해양환경 자료는 2009년 8월과 2009년 10월 2차례에 걸쳐서 현장관측을 실시하였다. 독도 주변 해역의 해양 광 특성은 원격반사도의 스펙트럼형태를 기준으로 Case-1 Water 성향이 강한 해수에서 나타나는 특성과 매우 유사하였다. 식물플랑크톤, 부유물질, 용존유기물의 흡광계수 스펙트럼의 형태들은 대체적으로 각 성분별 흡광 스펙트럼 특성을 잘 보여주었다. 또한 MODIS Aqua로부터 산출된 엽록소 농도와 현장관측을 통한 검증에서 위성자료 값들은 잘 일치한다. 위와 같이 현재 진행되고 있는 GOCI 검보정 연구를 통해서 복사, 대기, 해양환경 알고리즘에 대한 문제점이 도출되었고, 차후 검보정 계획에 반영하여 이 부분들에 대한 개선 및 보완이 이루어질 것으로 판단된다.

• 한국산림과학회지
• /
• 제112권4호
• /
• pp.417-425
• /
• 2023

본 연구는 난대상록수종인 붉가시나무에 대한 수간곡선을 도출하고 이를 이용하여 수간재적표를 작성하기 위함이 그 목적이다. 분석에 사용된 공시목은 전남, 경남, 제주 등에서 수집된 688본이며, 수간곡선 도출을 위하여 적용한 수간곡선 모형은 Max & Burkhart 모델, Kozak 모델 및 Lee 모델 등이다. 3가지 모델 중 우리나라 붉가시나무 수간형태를 가장 잘 설명하는 것은 Kozak 모델인 것으로 분석되었다. 이 모델의 적합도는 0.9583, 편의는 0.0352, 추정치 표준오차의 백분율은 1.1439, 평균절대편차는 0.6751로 각각 나타났다. 붉가시나무의 수간재적표는 수간곡선을 설명하는데 최적인 것으로 나타난 Kozak 모델을 이용하였으며, 재적 계산은 수간고별 직경으로 Smalian 식을 적용시켜 산출하였다. 그리고 이전에 만들어진 붉가시나무 수간재적표 2가지(2007년, 2010년)와 이번에 만든 재적표(2023년) 간을 서로 비교하기 위해 분산분석을 실시하였다. 그 결과 2007년 완도지역에서 만든 재적표가 2010년과 2023년에 만든 재적표 보다 약 2배가 많은 값을 가지는 것으로 나타났다. 이번에 작성된 수간재적표(2023년)는 공시재료의 지역별 수집범위와 공시목이 많을 뿐만 아니라, 충분한 과학적 기반 하에서 만들어졌다. 따라서 전국단위의 공식적인 붉가시나무 수간재적표로 사용될 수 있을 것으로 판단된다.

• 핵의학기술
• /
• 제15권2호
• /
• pp.76-82
• /
• 2011

Lymphatic scintigraphy는 림프계 진단에 있어 절대표준검사로 흔히 이용되고 있으며 림프부종의 진단, 치료방침의 설정, 치료 후 평가 등에 유용한 검사이다.1) 상 하지 검사 중 하지에 부종이 있는 환자의 검사에서 무의식적인 환자의 움직임이나 1분, 1시간, 2시간 검사의 동일한 자세 유지가 되지 않을 경우 정량 분석에 영향을 주었다. GE사의 Infinia 장비를 이용하여 방사성의약품 $^{99m}Tc$-phytate 37 MBq (1.0 mCi) 4개를 2010년 6월에서 8월 사이에 내원하는 환자 40명에게 피하주사를 하여 정량 분석을 비교하였다. 환자의 발을 고정한 상태와 고정하지 않은 상태로 영상을 얻어 발의 자세 변경이 연부조직과 뼈에 의해 계측 값의 변화가 있는지 확인하였다. 또한 발의 자세 변경으로 검출기와 주사부위의 거리 변화에 따른 계측 값의 차이를 알아보기 위해 $^{99m}Tc\;600{\mu}Ci$ 점선원과 검출기와의 거리를 2 cm씩 거리를 증가시켜 5회 측정하였다. 마지막으로 $^{99m}Tc$-phytate가 림프선을 따라 이동하는 양의 차이가 정량 분석 값에 영향을 주는 지 알아보기 위해 같은 자세로 주사 후 1분, 6분 lymphatic scintigraphy 영상을 얻어 비교하였다. 주사 후 1분 검사에서 발을 고정한 상태와 고정하지 않은 상태를 비교했을 때 오차 값에 대한 편차 백분율 값은 최소 2.7%에서 최대 25.8%의 값을 얻었다. 그리고 거리 변화에 따른 계측 값은 기준 값이 평균 176,587 counts이고 2 cm 간격으로 거리를 증가시켜 측정한 결과 173,661 (2 cm), 172,095 (4 cm), 170,996 (6 cm), 167,677 (8 cm), 169,208 counts (10 cm)로 나타나 편차 백분율이 1.27, 1.79, 2.04, 2.42, 2.32%로 2.5%를 넘지 않음을 알 수 있었다. 또한, 피하주사 후 스캔까지 6분 이내에 림프선을 타고 이동한 양을 평가한 결과 최소 0.15%에서 최대 2.3%만큼 림프선을 타고 이동하였다. 이는 거리에 따른 편차 백분율 2.42%를 제외시키고 림프선에 의한 최대 변동 값인 2.3%를 제외하더라도 자세 변경으로 인한 연부조직과 bone에 의한 감소가 20%이상의 큰 차이가 나타난 것을 알 수 있다. 부종이 있는 환자의 림프 흐름을 평가하고 림프계에 의해 섭취되는 양을 정량 분석하는 lymphatic scintigraphy는 동일 환자의 1분, 1시간, 2시간 검사에서 다른 자세가 발생할 경우 뼈와 연부조직에 의한 감약으로 최대 25.8%의 차이를 나타냈으며, 통계적 검증 결과도 발을 고정한 상태와 고정하지 않은 상태는 유의한 차이를 보였다. 그리고 자세 변경으로 인한 검출기와의 거리 차이, 피하 주사 후 검사 시간까지의 차이로 인한 계수 값의 변화는 상대적으로 작지만 정량 분석 시 정확한 결과를 얻지 못하는 요인임을 알 수 있었다. 그러므로 정량 분석을 위한 lymphatic scintigraphy에서는 반드시 자세 고정을 위한 노력과 고정물 제작 활용이 선행되어야 할 것이다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.73-92
• /
• 2014

기존 협업 필터링 기법은 사용자들의 아이템에 대한 선호도를 기반으로 유사 아이템 집합 또는 유사 사용자 집합을 구성하고, 이를 이용해 예측된 사용자의 특정 아이템에 대한 선호도를 기반으로 추천을 수행한다. 이로 인해, 사용자 선호도 정보가 부족하게 되면, 유사 아이템 사용자 집합의 신뢰도가 낮아지고, 추천 서비스의 신뢰도 또한 따라서 낮아진다. 또한, 서비스의 규모가 커질수록, 유사 아이템, 사용자 집합의 생성에 걸리는 시간은 기하급수적으로 증가하고 추천서비스의 응답시간 또한 그에 따라 증가하게 된다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 적응형 군집화 기법을 제안하고 이를 적용한 협업 필터링 기법을 제안하고 있다. 이 기법은 크게 네 가지 방법으로 이루어진다. 첫째, 사용자와 아이템의 특성 벡터를 기반으로 사용자와 아이템 각각을 군집화 하여, 기존 협업 필터링 기법에서 유사 아이템, 사용자 집합을 생성하는데 소요되는 시간을 절약하며, 사용자 선호도 정보만을 이용한 부분 집합 생성보다 추천의 신뢰도를 높이고, 초기 평가 문제와 초기 이용자 문제를 일부 해소한다. 둘째, 미리 구성된 사용자와 아이템의 군집을 기반으로 군집간의 선호도를 이용해 추천을 수행한다. 사용자가 속한 군집의 선호도가 높은 순서대로 아이템 군집을 조회하여 사용자에게 제공할 아이템 목록을 구성하여, 추천 시스템의 부하 대부분을 모델 생성 단계에서 부담하고 실제 수행 시 부하를 최소화한다. 셋째, 누락된 사용자 선호도 정보를 사용자와 아이템 군집을 이용하여 예측함으로써 협업 필터링 추천 기법의 사용자 선호도 정보 희박성으로 인한 문제를 해소한다. 넷째, 사용자와 아이템의 특성 벡터를 사용자의 피드백에 따라 학습시켜 아이템과 사용자의 정성적 특성 정량화의 어려움을 해결한다. 본 연구의 검증은 기존에 제안되었던 하이브리드 필터링 기법들과의 성능 비교를 통해 이루어졌으며, 평가 방법으로는 평균 절대 오차와 응답 시간을 이용하였다.