• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.761-774
• /
• 2022

가뭄과 홍수의 예측, 기후변화가 유역 유출량, 더 나아가 수질 및 생태계에 미치는 영향의 정확한 분석을 위해서는 수문 모의 과정의 불확실성을 정량화하고 최소화하기 위한 노력이 필요하다. 수문자료동화는 수문모형의 상태량이나 매개변수를 갱신(update)하여 모의 초기 조건의 가장 가능성 있는 추정치를 생성하는 기법으로, 실시간 관측 정보를 이용하여 예측 정확도를 향상시킬 수 있는 방법이다. 본 연구에서는 airGRdatassim 모형을 이용하여 앙상블 기반 순차 자료동화 기법인 앙상블 칼만 필터와 파티클 필터로 용담댐 유역에 대해 일 유출을 모의하고, 자료동화 기법별 특성을 비교 및 분석하였다. 모의 결과, Kling-Gupta efficiency (KGE) 지표가 자료동화 적용 전 0.799에서 앙상블 칼만 필터와 파티클 필터 적용시 각각 0.826, 0.933으로 향상되었다. 또한 기상 강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 수 등 수문자료동화의 설정과 관련된 하이퍼-매개변수(hyper-parameter)의 불확실성이 모의 예측 성능에 미치는 영향을 분석하였다. 강수 및 잠재 증발산 강제력의 오차 범위에 대한 민감도 분석 결과, 모든 모의 범위에서 파티클 필터가 앙상블 칼만 필터보다 예측 성능이 우수하였다. 파티클 필터는 기상 강제력 오차 크기가 작을수록 모의 성능이 향상되었으며, 앙상블 칼만 필터는 상대적으로 오차가 큰 경우 최적 성능이 확인되었다. 한편, 자료동화시 갱신되는 상태량의 종류를 줄일수록 자료동화에 의한 모의 성능은 감소하였다. 본 연구의 모의 실험 결과는 앙상블 자료동화를 이용하여 일 유출 모의 정확도 향상이 가능하지만, 최적 성능을 발휘하기 위해서는 수문자료동화 기법별 하이퍼-매개변수의 적정한 조정이 필요함을 함의한다.

• 대한정형외과학회지
• /
• 제55권6호
• /
• pp.511-519
• /
• 2020

목적: 신경초종은 말초신경에 주로 발생하는 양성종양이나 크기가 크거나 신경 이외의 부위에서 발견될 경우 악성 연부조직 종양으로 오인하기 쉽다. 저자들은 크기 5 cm 이상의 신경초종 50예의 1) 원발 위치의 분포 및 임상증상여부, 2) 술 전 방사선 및 병리학적 진단 결과와 진단적 정확도에 대해 알아보았다. 대상 및 방법: 신경초종으로 확진된 214예 중 자기공명영상(magnetic resonance imaging, MRI)상 종양의 최대직경이 5 cm 이상인 종양 50예를 추출하였다. 이를 주요신경 기원, 근육 내, 골 내의 원발위치에 따라 분류하였고 구체적인 해부학적 위치를 분석하였다. 결과: 전체 코호트에서 원발위치에 따라 분류하였을 때 주요 말초신경에 생긴 종양이 14예, 근육 내 발생이 31예, 골 내 발생이 5예였다. 신경초종의 평균크기는 7 cm였으며 근육내 신경초종이 평균 8 cm로 가장 컸다. MRI를 통한 영상학적 진단에서 전체 50예 중 33예(66.0%)는 양성 신경종양으로, 15예(30.0%)는 악성종양으로 판독하였으며, 나머지 2예(4.0%)는 각각 결핵 농양, 건활막 거대세포종으로 보고되었다. 골내 신경초종 5예 중 영상학적으로 신경초종으로 진단한 예는 없었다. 임상증상에서는 주요 신경기원의 경우는 Tinel sign이 78.6%로 많았고(11/14), 주요 신경 외 기원 종양에서는 종괴 촉지 증상이 93.5%로 가장 많았으며(29/31) 증상기간도 평균 66.6개월로 가장 길었다. 병리학적 진단을 위해 생검을 시행한 총 38예 중 86.8%에서는 신경초종으로 진단하였다. 합병증은 수술 후 합병증이 총 2예였으며 종양절제 후 출혈로 재수술이 필요했던 경우와 수술 후 경한 신경마비가 발생한 경우였다. 결론: 5 cm 이상의 근육 내 종양을 진단할 때 장기간의 종괴인지 소견이 있고, MRI상 비특이적인 소견일 경우에는 양상 신경종양일 가능성도 염두에 두고 조직학적 확진 후 치료를 시행하는 것이 과잉 치료 가능성을 줄이는 데 도움이 될 것으로 생각된다.

• 한국지구과학회지
• /
• 제43권2호
• /
• pp.239-252
• /
• 2022

국내에서 처음으로 도입한 기상 항공기에 탑재한 G-band 수증기 라디오미터(GVR) 관측으로 산출된 가강수량의 품질 관리 방법을 제안하였다. GVR 빔의 연직 최단 경로 자료만 사용하기 위해 기상 항공기의 자세 정보(pitch와 roll 각도)를 활용하였고, GVR 가강수량이 20 mm 이상의 자료를 제거하는 방법을 품질 관리에 적용하였다. GVR 가강수량이 20 mm 이상으로 증가할 때, 웜로드(Warm load) 평균 전력과 스카이로드(Sky load) 평균 전력의 차이가 0에 가까이 수렴하는 특성을 확인하였고, 이는 COMS (Communication, Ocean and Meteorological Satellite)의 운형, 운정고도, 운량자료와 구름통합관측기기(CCP), 강수입자 측정기(PIP)로 측정된 강수 및 구름 입자 크기로 확인한 하층운과 중층운에 의한 높은 밝기온도 때문으로 판단된다. 구름 많은 날의 품질 관리 적용 전후의 GVR 가강수량을 LDAPS (Local Data Assimilation and Prediction System) 가강수량과 정량적으로 비교하였는데 RMSD (Root Mean Square Difference)는 2.9 mm에서 1.8 mm로 감소하였고, KLAPS (Korea Local Analysis and Prediction System)와의 RMSD는 5.4 mm에서 4.3 mm로 감소하여 향상된 정확도를 보였다. 또한 품질 관리를 적용한 GVR 가강수량과 드롭존데 가강수량 관측 자료을 활용하여 COMS 가강수량과도 정량적으로 비교평가함으로써 본 연구에서 제안한 GVR 가강수량의 품질 관리 방법의 유효성을 확인하였다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1095-1105
• /
• 2021

기후변화에 따른 집중호우, 태풍 등의 발생빈도의 증가로 인하여 댐 운영의 고도화가 요구되고 있다. 일반적으로 댐 운영의 경우 강우예측, 강우-유출, 홍수추적 등 다양한 수리수문학적 요소들을 반영하여 수행되나 기 계획된 특정 규칙에 기반한 댐 운영 모형의 경우, 때때로 개별 모듈들의 불확실성과 복합적인 인자들로 인하여 댐의 방류량을 능동적으로 제어하는데 제약이 있을 수 있다. 본 연구는 남강댐 직하류 홍수피해 예방을 위하여 댐의 방류량 결정 등 효율적인 댐 운영을 지원하기 위해 딥러닝 기반 LSTM (Long Short-Term Memory) 모형을 구축하고, 선행시간별 댐직하류 수위예측 정확도를 분석하는 것을 목적으로 한다. LSTM 모형의 입력자료는 댐 운영에 사용되는 기초자료 및 하류 장대동 수위관측소의 수위 자료를 시 단위로 2009년부터 2021년 7월까지 수집하였다. 2009년부터 2018년 자료는 모형의 학습과 검증 및 2019년부터 2021년 7월 자료는 선행시간을 7개(1 h, 3 h, 6 h, 9 h, 12 h, 18 h, 24 h)로 구분하여 관측 수위와 예측 수위를 비교·분석하였다. 그 결과, 선행시간 1시간의 예측결과는 평균적으로 MAE가 0.01 m, RMSE가 0.015 m, NSE가 0.99 로 관측 수위에 매우 근접한 예측 결과를 나타내었다. 또한, 선행시간이 길어질수록 예측 정확도는 근소하게 감소하였지만, 관측 수위의 시간적 패턴을 유사하게 안정적으로 예측하는 것으로 분석되었다. 따라서 수리수문학적 비선형의 복잡한 자료간의 특징을 자동으로 추출하여 예측 자료를 생산하는 LSTM 모형은 댐 방류량 의사결정에 있어 활용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 분석과학
• /
• 제34권6호
• /
• pp.259-266
• /
• 2021

대마는 전 세계적으로 가장 많이 남용되고 있는 물질 중의 하나이며, 우리나라에서는 메트암페타민 다음으로 많이 남용되고 있으며, 1976년부터 국내에서 마약류관리법에 의해 규제되고 있다. 소변 중 대마성분의 검출을 위하여는 대마의 유효 성분인 Δ⁹-tetrahydrocannabinol (THC)의 생체내 주된 대사체인 11-nor-Δ⁹-carboxy-tetrahydrocannabinol (THCCOOH)을 확인하는 것이 일반적이며, 이는 과학수사 및 사법처리와 관련된 법과학 분야에서 중요한 증거로 받아들여지고 있다. 본 연구에서는 소변 중 대마 대사체의 분석을 위하여 분석법이 간단하고 단시간이 소요되는 분석방법으로 THCCOOH 및 THCCOOH-glucuronide를 액상 추출하고 액체크로마토그라피/질량분석법(LC-MS/MS)을 사용하여 동시 분석하는 방법을 확립하였다. 내부표준물질로는 THCCOOH-D₃ 및 THCCOOH-glucuronide-D₃를 사용하였다. 시험방법의 유효화를 위하여 매질 효과, 회수율, 직선성, 정밀도, 정확도, 시험과정의 효율성 및 안정성 등을 시험하였고, 모든 결과가 적합함을 알 수 있었다. 실험 과정에서의 carryover는 나타나지 않았으며, 선택성 및 간섭성도 우수하였다. THCCOOH 및 THCCOOH-glucuronide의 검출 한계는 각각 0.3 및 0.2 ng/mL 이었다. 확립된 분석방법을 면역시험법과 가스크로마토그라피/질량분석법(GC/MS)법에서 대마 양성으로 최종 판정된 28개의 실제 소변에 적용하여 분석법의 적합성을 검토하였다. 28개 소변 중 THCCOOH 및 THCCOOH-glucuronide의 농도는 각각 정량 한계 미만~226.90 ng/mL 및 6.43~2133.03 ng/mL이었고, 모든 시료에서 THCCOOH-glucuronide가 THCCOOH 보다 많이 검출되었다. 본 분석법을 소변 중 대마의 흡연여부를 판정하는 감정시험에 적용함으로써 단시간에 효율적인 분석을 실시할 수 있게 되어 과학수사 발전에 기여할 수 있을 것으로 사료된다.

• 한국지구과학회지
• /
• 제43권5호
• /
• pp.604-617
• /
• 2022

해수면온도는 해양-대기의 현상을 이해하고 기후변화를 예측하기 위해 사용되는 중요한 변수이다. 마이크로파 영역의 인공위성 원격탐사는 구름과 강수와 같은 기상현상 위성 관측 측기의 경로에 존재하더라도 해수면온도 획득을 가능하게 한다. 따라서 마이크로파 해수면온도의 높은 활용도를 고려하면 위성 해수면온도를 정확도를 지속적으로 검증하고 오차 특성을 분석할 필요가 있다. 본 연구에서는 2014년 3월부터 2021년 12월까지 약 8년 동안 Global Precipitation Measurement (GPM)/GPM Microwave Imager (GMI) 마이크로파 해수면온도의 정확도를 표층 뜰개 부이 수온 자료를 사용하여 검증하였다. GMI 해수면온도는 실측 해수면온도에 비해 0.09 K의 편차와 0.97 K의 평균 제곱근 오차를 보였고, 이는 기존 연구 결과에 비해 다소 높게 나타났다. 이외에도 GMI 해수면 온도의 오차 특성은 위도, 연안과의 거리, 해상풍 및 수증기량과 같은 환경적 요인과 관련성이 있다. 오차는 육지에서 300 km 이내의 거리에서 해안 지역에 가까운 지역과 고위도 지역에서 증가하는 경향이 있다. 또한 낮에는 약한 풍속(<6 m s^-1), 밤에는 강한 풍속(>10 m s^-1) 범위에서 상대적으로 높은 오차가 나타났다. 대기 수증기는 30 mm 미만의 매우 낮은 범위 또는 60 mm보다 큰 매우 높은 범위에서 높은 해수면온도 차이에 기여했다. 이러한 오차들은 저수온에서 GMI 자료의 정확도가 떨어지는 기존 연구와 일치하며, 연안으로부터의 거리, 풍속, 수증기량에 의한 오차의 경우 육지와 해양의 방사율 차이 및 바람에 의한 해수면 거칠기 변화, 수증기의 마이크로파 대기 흡수에서 기인하는 것으로 추정된다. 이는 한반도 주변해에서 마이크로파 위성 계산 SST를 보다 광범위하게 활용하기 위해서는 GMI 해수면온도 오차의 특성에 대한 이해가 필요함을 시사한다.

• 한국지구과학회지
• /
• 제43권5호
• /
• pp.591-603
• /
• 2022

해수 속의 용존 유기·무기물과 플랑크톤 등의 상호 작용은 해수의 색과 광학적 특성을 결정한다. 동중국해에 위치한 이어도 해양과학기지(I-ORS) 주변의 해역은 서쪽으로 양자강 저염수, 남쪽으로 대마 난류에 영향을 받아 한반도 주변의 해수 순환과 광특성 변동 연구에 적합하다. 본 연구에서는 MODIS/Aqua로 관측한 위성 원격 반사도와 NOMAD 실측 원격 반사도를 이용하여 2016년 1월부터 2020년 12월까지 I-ORS 주변의 해수의 원격반사도를 스펙트럼 특성에 따라 23가지의 유형으로 분류하였으며, 이어도 해양 과학기지 주변 해역(d ≤ 10 km)의 위성 일치점 자료 59,532개를 이용하여 연구 해역 수형의 계절 변동 특성을 제시하였다. 각 관측 지점에서의 원격 반사도 스펙트럼은 분광 각도법을 이용하여 기준 스펙트럼과의 유사도를 비교함으로써 가장 근접한 기준 수형으로 분류 하였으며 분광 유사도가 10° 이내일 때만 유의미하다고 판단하였다. 연구 기간내 I-ORS 주변 해역에서는 상대적으로 맑은 해역에서 잘 나타나는 수형이 50% 이상으로 가장 빈번하게 관측되었다. 계절별 수형의 도수분포에서 여름과 겨울의 분포 양상이 다르게 나타났고, 특히 여름에는 맑은 해수에서 주로 나타나는 7 이하의 수형이 주로 출현한 반면에 겨울에는 전체 4% 미만으로 존재하였다. I-ORS 주변을 비롯한 동중국해의 수형의 공간 분포 특성을 고려할 때 I-ORS는 해수 수형의 전이 대에 위치한 것으로 판단된다. 본 연구는 한반도 연안에서의 수형 변동을 분석함으로써 해수의 광학 특성 이해을 이해하고 인공위성 해색 변수의 정확도 향상을 위한 토대 마련에 기여할 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.191-203
• /
• 2022

화장품 및 뷰티산업에서 고객 맞춤형 제품과 서비스를 제공하는 것은 주요 기술 트렌드이고, 피부상태 진단과 관리는 중요한 필수기능이다. 고객의 요구 수준은 더욱더 높아지고 있으며 이에 대한 다양하고 섬세한 고민과 요구 사항이 소셜미디어 커뮤니티에서 활발하게 다루어지고 있다. 소셜미디어 상의 이미지는 매우 다양하고 비정형적이므로 피부상태 진단 및 관리에 필요한 체계적인 피부 이미지 식별을 위한 시스템이 필요하다. 본 논문에서는 소셜미디어 인스타그램에서 수집한 빅데이터로부터 피부 이미지 데이터를 지능적으로 식별하고, 피부상태 진단 및 관리를 위한 정형화된 피부 샘플 데이터를 추출하는 시스템을 개발하였다. 본 논문에서 제안한 시스템은 빅데이터수집분석단계, 피부이미지분석단계, 훈련데이터준비단계, 인공신경망훈련단계, 피부이미지식별단계로 구성된다. 빅데이터수집분석단계에서는 인스타그램으로부터 빅데이터를 수집하고 피부 상태 진단 및 관리를 위한 이미지 정보를 분석결과로 저장한다. 피부이미지분석단계에서는 전통적인 이미지 처리 기법을 사용하여 피부 이미지의 평가 및 분석 결과를 획득한다. 훈련데이터준비단계에서는 피부이미지 분석결과로부터 피부 샘플데이터를 추출하여 훈련데이터를 준비하였다. 그리고 인공신경망훈련단계에서는 이 훈련데이터를 사용하여 지능적으로 피부 이미지 유형을 예측하는 인공신경망 AnnSampleSkin을 단계별 고도화와 훈련을 통해 모델을 완성하였다. 피부이미지식별단계에서는 소셜미디어로부터 수집된 이미지에 대해 피부샘플을 추출하고, 훈련된 인공신경망 AnnSampleSkin의 이미지 유형 예측 결과들을 통합하여 최종 피부 이미지 유형을 지능적으로 식별한다. 본 논문에서 제안된 피부이미지식별 방법은 약 92% 이상의 높은 피부 이미지 식별 정확도를 나타내고 있고, 정형화된 피부 샘플 이미지 빅데이터를 제공할 수 있게 되었다. 추출된 피부샘플 세트는 피부 상태를 진단하고 관리하는데 매우 효율적이고 유용한 정형화된 피부 이미지 데이터로 사용될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.627-646
• /
• 2022

최근 지구 온난화로 인한 기후 변화와 관련된 문제의 심각성이 커지고 있으며 평균 기온 또한 상승하고 있다. 이로 인해 온도에 민감한 다양한 생물과 생물이 살아가는 환경에 영향을 미치고 있으며, 생태계의 변화 역시 감지되고 있다. 계절은 그 지역에 사는 생물의 종류, 분포, 생육 특성 등에 영향을 미치는 중요한 요인의 하나이다. 기후 변화 영향 평가의 지표 중 가장 대중적이고 쉽게 인식될 수 있는 식물 계절 중 개화일과 단풍나무 절정일의 모델링을 수행하였다. 모델링에 사용된 식물의 종류에는 봄을 대표하는 식물로 볼 수 있는 개나리와 벚나무, 가을을 대표하는 식물로 볼 수 있는 단풍 나무와 은행 나무를 사용하였다. 모델링을 수행할 때 사용된 기상 자료로는 기상청의 Automated Surface Observing System (ASOS) 관측소를 통해서 관측된 기온, 강수, 일사 자료를 사용하였으며, 개나리, 벚나무의 개화일과 약 -0.2, 은행나무, 단풍나무의 단풍 절정일과 약 0.3 정도의 상관 계수를 가지는 Moderate Resolution Imaging Spectroradiometer (MODIS) 식생지수를 사용하여 모델링을 수행하였다. 사용된 모델로는 선형 모델인 다중 회귀 모형과, 비선형 모델인 Random Forest (RF)를 사용하여 모델을 수립하였다. 또한 각 모형으로 추정된 예측 값을 공간 내삽 기법을 이용하여 등치 선도로 2003~2020년의 식물 계절 변화 경향 성을 표현하였다. 향후에 높은 시공간 해상도를 가지는 식생지수를 사용한다면 더 높은 식물 계절 모델링의 정확도를 높일 수 있을 것으로 판단된다.