• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.1103-1107
• /
• 2009

최근에는 선박의 교통을 관리하는 관할구역이 항계내에서 연안해역으로 확대되는 개념으로 변해가고 있는 추세로 연안해역의 교통량과 해운, 수산 및 해양산업의 발전에 따른 해난사고로 인한 인명 및 환경피해의 심각성이 증대되고 있다. 따라서 선박의 안전항해와 항만 입출입 선박의 안전확보를 위한 원조시설로 AIS를 육상국, 무인등대, 부표, 해상시설물 등에 설치하는 항로표지용 AIS 시설을 도입하여 관리.운영 및 유지보수에 있어서 보다 효율적인 방법이 요구되고 있다. 이러한 현실에서 해양 선진국에서는 관련된 장비인 AtoN AIS(Aids to Navigation AIS : 항로표지 AIS) 설비를 개발하여 항로에 적용하였다. 실제로 무인화에 따른 운용, 유지.관리 및 확인 등이 어려운 항로표지 및 항해안전 시설에 적용하여 실시간으로 해양환경 및 해상교통 상황에 대한 정보를 육상에 제공하며, 시설의 원격관리는 물론 주변을 항해하는 선박들에게는 안전정보를 제공하는 AtoN AIS 장비를 개발하고자 제어.감시용 인터페이스 모듈 및 정보교환을 위한 통신프로토콜을 구현하였다.

• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1261-1272
• /
• 2018

북극 지역의 대기 온도는 바다 및 해빙, 대기 사이의 에너지 교환에 큰 역할을 하므로 북극 대기 온도를 정확하게 파악하는 것은 중요하다. 하지만 현장 관측 자료들은 북극 대기 온도의 공간적인 분포를 나타내는 데에 한계가 있다. 따라서 본 연구에서는 부이(buoy) 자료와 Advanced Microwave Scanning Radiometer 2(AMSR2) 위성자료를 이용하여 기계학습 기반 여름철 대기 온도 추정 모델을 구축하였다. 기계학습으로는 random forest(RF) 및 support vector machine(SVM)을 사용하였으며, AMSR2 관측 시간에 따라 하루 두 번의 대기 온도를 추정하였다. 또한 추정된 대기 온도를 유럽 중기예보센터(European Centre for Medium-Range Weather Forecasts, ECMWF)의 ERA-Interim 재분석자료의 대기 온도와 공간 분포를 비교하였다. 교차 검증 결과 두 가지 기계학습 기법 모두 0.84-0.88의 $R^2$ 및 $1.31-1.53^{\circ}C$의 RMSE를 보였다. 공간적인 분포에서 IABP 부이 관측 자료가 존재하지 않는 바렌츠해(Barents Sea), 카라해(Kara Sea) 및 배핀만(Baffin bay) 지역에서는 기계학습 모델이 ERA-Interim 대기 온도에 비하여 과소 추정하는 경향을 보였다. 본 연구는 경험적인 북극 대기 온도 추정의 가능성과 한계점을 서술하였다.