전자코를 이용하여 한국에서 주로 재배되고 있는 자포니카 44품종의 쌀과 밥의 향 패턴을 분석하여 얻은 결과는 다음과 같다. 1. 백미 44품종의 향은 주성분분석과 군집분석결과 만금, 남평 ,신동진쌀이 한 그룹으로, 대진, 추청쌀이 또 다른 그룹 분류되어 나머지 39품종 쌀의 향과는 구분이 되는 것으로 나타났다. 2. 밥의 향은 분석결과 44품종들이 제1주성분 값 -8에서 +6사이에서 고른 분포를 보이며 품종간 구분은 되어지지 않았다. 3. 쌀과 밥의 향 측정에 사용된 12개의 MOS센서가 얻은 값을 상관관계 분석한 결과 쌀의 향과 밥의 향과는 서로 유의성이 없어 전자코를 이용하여 쌀시료로 취반 후 밥의 향을 예측하는 것은 어려운 것으로 나타났다.
차세대중형위성(Compact Advanced Satellite 500, CAS500)은 식생, 산림, 농업 등의 분야를 포함한 다양한 목적을 위하여 사용될 수 있으며, 다양한 영역에 대한 빠른 위성영상의 취득이 가능할 것으로 기대되고 있다. 차세대중형위성을 통하여 취득된 위성영상을 농업분야에서 활용하기 위해서는 위성영상 기반 작물재배지역 추출 기법에 대한 개발이 필요하다. 특히, 최근 들어 딥러닝 분야에 대한 연구가 활발해짐에 따라서, 작물재배지역 추출을 위한 딥러닝 모델의 개발 및 훈련자료 생성에 관한 연구가 필요한 실정이다. 본 연구에서는 PlanetScope 위성영상과 팜맵을 이용하여 합천군 지역의 양파 및 마늘 재배지역을 분류하고자 하였다. 특히, 효과적인 모델의 학습을 위하여 작물재배지역의 비율에 따른 모델 성능을 분석하고자 하였다. 실험에 사용한 딥러닝 모델은 Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet)을 작물재배지역 분류의 목적에 맞도록 재구성하여 활용하였다. 실험결과, 훈련자료 내 작물재배지역의 비율이 딥러닝 모델의 성능에 영향을 미치는 것을 확인하였다.
종전에는 Brassica napus에서 성분이 개량되지 않은 유채의 일반 품종들의 Winter type만을 대상으로 춘파성 정도를 분류하고 추태로서 분류기준을 삼았으나 본 시험에서는 같은 B. napus인 Summer type까지를 포함하고 성분이 개량된 양질유ㆍ양박 품종을 공시하여 임실여부로서 분류기준을 삼는 새로운 분류를 시도하여 춘파성 정도를 조사하였던 바 그 결과를 요약하면 다음과 같다. 1. 현재 목포지장에서 보유하고 있는 양질유ㆍ양박 유채(Brassica napus) 품종 및 육성계통들은 8단계 group으로 춘파성 정도를 분류할 수 있었고 춘파성 정도 제Ⅶ group는 Summer type의 계통들이 이에 속하였으며 이들 계통은 Oro, Midas 등의 Summer type의 품종과 교배하여 선발된 계통들이었다. 2. 춘파 파종기에 따른 성숙기변화는 춘파시기가 늦을수록 성숙기는 지연되는 경향이었고 춘파성 정도가 높음에 따라 생육일수와 적산온도가 줄어드는 경향이었다. 3. 춘파성 정도와 내한성 관계는 춘파성 정도가 높을수록 내한성이 낮았으며 춘파성 정도와 초성간에는 춘파성이 높을수록 초성에서 I형에 가깝고 주경의 신장이 분지보다 빈약한 바 이들 모든 상호관계는 고도의 부상관으로 나타났다. 4. 월동에 안전한 추파재배용계통은 춘파성 정도가 낮은 0, I, II group로서 공시품종중 59 품종이 이에 속하였다.
본 시험은 고구마 육종에 필요한 기초 자료를 제공하고자 1993년과 1994년에 작물시험장에서 보유하고 있는 유전자원 100품종에 대하여 전기영동법으로 esterase 동위효소와 단백질 특성을 분류하였던 바 결과는 다음과 같다. 1. 잎의 esterase 동위락소 특성은 14가지 형으로 분류되었고 Ⅸ형에 가장 많은 46품종이 속하여 있으며, 다음은 Ⅶ, I, III, Ⅷ, II 및 V형의 순으로 47품종이 속하여 있고 나머지 7품종은 각기 다른 특성을 가지고 있었다. 효소의 수가 많은 I형에는 신율미, Beniastma 및 High Starch 등 육질이 분질인 품종이 분포 되었다. 2. 괴근의 esterase 동위리소 특성은 18가지 형으로 분류되 었고 C형은 가장 많은 22품종을 포함하고 있으며 그 다음은 B, K, A, E, 1 및 N 형 순이었다. 3. 괴근의 단백질 특성은 7가지 형으로분류되었고 I형은 36품종, IV형 27품종을 포함하였으며 다음은 II, III, Ⅶ 및 Ⅵ형 순이었다. 4. 잎과 괴근의 major esterase 동위효소와 major 단백질 분석 결과 Beniastma, Beniaka, Beniazuma 및 Benikomachi, Shiroshistma와 Shiroshastma는 유사한 품종이었고 기타는 다른 품종임을 알 수 있었다.
RAPD분석을 통하여 홍화 수집종들의 유전적 다양성 및 유연관계를 밝히고, 품종군을 분류하여 품종육성의 기초자료로 이용코자 시험한 결과를 요약하면 다음과 같다. RAPD 분석에 적용한 30개의 10mer primer 중 20개의 적정 primer를 선발하였고, 증폭된 PCR산물은 ${3.0{\sim}0.2Kb}$에서 재현성 있는 밴드를 보였으며, 각 primer에 의해 증폭된 밴드의 수는 ${2{\sim}11}$개로 다양하였으며 평균 5.6개이었다. PCR 반응에 사용된 20개의 selected primer에서 111개의 밴드가 관찰되었으며, 다형성을 보이는 밴드 수는 84개(75.7%)이었고, RAPD-PCR에 의해 얻어진 dendrogram에서 유연계수 0.14를 기준으로 11개의 군으로 분류되었고, VII군은 7종(23%), VIII군은 8종(27%)이 속하는 큰 군이었으며, 7군은 대부분이 국내종(85%)이었다.
Human influence on soil formation has dramatically increased with human civilization and industry development. Increase of anthropogenic soils induced researches on the anthropogenic soils; classification, chemical and physical characteristics of anthropogenic soils and plant growth from anthropogenic soils. However there have been no comprehensive analyses on soil pore or physical properties of anthropogenic soils from 3 dimensional images in Korea. The objectives of this study were to characterize physical properties of anthropogenic paddy field soils by depth and to find differences between natural and anthropogenic paddy field soils. Soil samples were taken from two anthropogenic and natural paddy field soils; anthropogenic (A_c) and natural (N_c) paddy soils with topsoil of coarse texture and anthropogenic (A_f) and natural (N_f) paddy soils with topsoil of fine texture. The anthropogenic paddy fields were reestablished during the Arable Land Remodeling Project from 2011 to 2012 and continued rice farming after the project. Natural paddy fields had no artificial changes or disturbance in soil layers up to 1m depth. Samples were taken at three different depths and analyzed for routine physical properties (texture, bulk density, etc.) and pore properties with computer tomography (CT) scans. The CT scan provided 3 dimensional images at resolution of 0.01 mm to calculate pore radius size, length, and tortuosity of soil pores. Fractal and configuration entropy analyses were applied to quantify pore structure and analyze spatial distribution of pores within soil images. The results of measured physical properties showed no clear trend or significant differences across depths or sites from all samples, except the properties from topsoils. The results of pore morphology and spatial distribution analyses provided detailed information of pores affected by human influences. Pore length and size showed significant decrease in anthropogenic soils. Especially, pores of A_c had great decrease in length compared to N_c. Fractal and entropy analyses showed clear changes of pore distributions across sites. The topsoil layer of A_c showed more degradation of pore structure than that of N_c, while pores of A_f topsoil did not show significant degradation compared with those of N_f. These results concluded that anthropogenic soils with coarse texture may have more effects on pore properties than ones with fine texture. The reestablished paddy fields may need more fundamental remediation to improve physical conditions.
본 연구의 목적은 다중시기 원격탐사 자료를 이용한 작물분류에서 기계학습 알고리즘과 딥러닝 알고리즘의 비교에 있다. 이를 위해 전라남도 해남군과 미국 Illinois 주의 작물 재배지를 대상으로 기계학습 알고리즘과 딥러닝 알고리즘에 대해 (1) 하이퍼파라미터와 (2) 훈련자료의 크기에 따른 영향을 비교 분석하였다. 비교 실험에는 기계학습 알고리즘으로 support vector machine(SVM)을 적용하고 딥러닝 알고리즘으로 convolutional neural network(CNN)를 적용하였다. 특히 CNN에서 2차원의 공간정보를 고려하는 2D-CNN과 시간차원을 확장한 구조의 3D-CNN을 적용하였다. 비교 실험 결과, 다양한 하이퍼파라미터를 고려해야 하는 CNN의 경우 SVM과 다르게 두 지역에서 정의된 하이퍼파라미터 값이 유사한 것으로 나타났다. 이러한 결과를 바탕으로 모델 최적화에 많은 시간이 소요되지만 최적화된 CNN 모델을 다른 지역으로 확장할 수 있는 전이학습의 적용 가능성이 높을 것으로 판단된다. 다음 훈련자료 크기에 따른 비교 실험 결과, SVM 보다 CNN에서 훈련자료 크기의 영향이 큰 것으로 나타났는데 특히 다양한 공간특성을 갖는 Illinois 주에서 이러한 경향이 두드러지게 나타났다. 또한 Illinois 주에서 3D-CNN의 분류 성능이 저하되는 것으로 나타났는데, 이는 모델 복잡도가 증가하면서 과적합의 영향이 발생한 것으로 판단된다. 즉 모델의 훈련 정확도는 높지만 다양한 공간특성이나 입력 자료의 잡음 효과 등으로 오히려 분류 성능이 저하된 것으로 나타났다. 이러한 결과는 대상 지역의 공간특성을 고려해 적절한 분류 알고리즘을 선택해야 하는 것을 의미한다. 또한 CNN에서 특히, 3D-CNN에서 일정 수준의 분류 성능을 담보하기 위해 다량의 훈련자료 수집이 필요하다는 것을 의미한다.
최근 UAV (Unmanned Aerial Vehicle)를 이용하여 고해상도 영상을 편리하게 취득할 수 있게 되면서 저비용으로 소규모 지역의 관측 및 공간정보 제작이 가능하게 되었다. 특히, 농업환경 모니터링을 위하여 작물생산 지역의 피복지도 생성에 대한 연구가 활발히 진행되고 있으며, 랜덤 포레스트와 SVM (Support Vector Machine) 및 CNN(Convolutional Neural Network) 을 적용하여 분류 성능을 비교한 결과 영상분류에서 딥러닝 적용에 대하여 활용도가 높은 것으로 나타났다. 특히, 위성영상을 이용한 피복분류는 위성영상 데이터 셋과 선행 파라메터를 사용하여 피복분류의 정확도와 시간에 대한 장점을 가지고 있다. 하지만, 무인항공기 영상은 위성영상과 공간해상도와 같은 특성이 달라 이를 적용하기에는 어려움이 있다. 이러한 문제점을 해결하기 위하여 위성영상 데이터 셋이 아닌 UAV를 이용한 데이터 셋과 국내의 소규모 복합 피복이 존재하는 농경지 분석에 활용이 가능한 딥러닝 알고리즘 적용 연구를 수행하였다. 본 연구에서는 최신 딥러닝의 의미론적 영상분류인 DeepLab V3+, FC-DenseNet (Fully Convolutional DenseNets), FRRN-B (Full-Resolution Residual Networks) 를 UAV 데이터 셋에 적용하여 영상분류를 수행하였다. 분류 결과 DeepLab V3+와 FC-DenseNet의 적용 결과가 기존 감독분류보다 높은 전체 정확도 97%, Kappa 계수 0.92로 소규모 지역의 UAV 영상을 활용한 피복분류의 적용가능성을 보여주었다.
The purpose of this study is to present a standardized scheme for providing agriculture-related information at various spatial resolutions of satellite images including Landsat +ETM, KOMPSAT-1 EOC, ASTER VNIR, and IKONOS panchromatic and multi-spectral images. The satellite images were interpreted especially for identifying agricultural areas, crop types, agricultural facilities and structures. The results were compared with the land cover/land use classification system suggested by Ministry of Construction & Transportation based on NGIS (National Geographic Information System) and Ministry of Environment based on satellite remote sensing data. As a result, high-resolution agricultural land cover map from IKONOS imageries was made out. The results by IKONOS image will be provided to KOMPSAT-2 project for agricultural application.
국내자생 쑥속의 식물을 약용작물 및 산업화에 활용하기 위한 기초자료를 얻고자 본 연구를 수행하였다. 그 결과, 수집된 쑥속 식물들은 사철쑥 (A. capillaris)을 포함한 20종 1아종 2변종 24분류군으로 분류 되었으며, 이를 바탕으로 25개의 화기형질을 이용하여 주성분 분석과 군집분석을 수행하였다. 주성분 분석결과 제1주성분은 전체 분산의 44.73%, 제2주성분은 16.86%, 제 3주성분은 8.88%, 제4주성분은 7.07%의 기여율을 보였으며, 상위 제4주성분까지의 누적 기여율이 77.56%였다. 군집분석 결과, 자방의 퇴화, 아관목, 두화의 크기 등의 주요형질에 의해 크게 3개의 군으로 구분되어졌으며, 화기구조의 식별형질로는 기발표된 Dracunculus, Abrotanum, Absinthium 3절과 완전히 일치하지는 않았으나 국내 자생쑥의 분류형질로 활용이 가능하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.