• 한국초지조사료학회지
• /
• 제43권4호
• /
• pp.257-267
• /
• 2023

본 연구는 초지 바이오매스 부문에 대한 국제적 경향과 이를 통한 국내 적용 가능성을 검토하기 위해 수행되었다. 초지 분야는 LULUCF 내 타 분야에 비해 상대적으로 연구 수준이 낮은 편으로 UNFCCC에 보고된 각 국가별 NIR을 기준으로 Approach 2 수준의 Tier 1 방법이 가장 높은 빈도로 적용되고 있었다. IPCC 가이드라인의 Tier 1 방법에서 초지 바이오매스 부문은 연 변화량을 0으로 간주하기 때문에 LULUCF 타 분야에 비해 정형화된 기본 체계가 없이 국가 상황에 따른 다양한 산정 방법을 적용하는 특징이 나타났다. 국내 초지 바이오매스에 대한 Tier 2 이상의 방법에 적용 가능한 산정 방법을 항목별로 분류하면, 인간에 의한 초지 이용 유형을 구분하는지, 초지 내 목본 식생을 포함하는지, 재해로 인한 손실량을 산정하는지, 초지 관리 방법에 따른 차이를 적용하는지 여부였다. 각 항목에서 발생하는 유의미한 차이가 국내에 적용할 수 있는지를 확인하기 위하여 국내를 대상으로 현장 조사와 활동 자료 분석을 수행하였다. 현 시점에서 국내에서 확인 가능한 항목은 초지의 정의에 따른 공간 구성과 이용 유형에 따른 탄소량 차이로 나타났다. 연구 결과, 이용 유형에 따라서 방목지, 섭식이 수행된 방목지, 채초지에서 바이오매스 탄소량의 유의미한 차이가 나타났고, 기후대, 토양형에 따른 차이도 존재하고 있었다. 따라서 IPCC 가이드라인의 기후대와 토양형을 기준으로 한 세분류가 국내에서도 타당한 초지 분류 체계로 적용될 수 있는 것으로 분석되었다. 반면, 초지 바이오매스 부문에서 활용 가능한 국가 공간 자료와 현장 자료의 불일치성이 지나치게 높아 전국 단위의 적용은 신뢰도가 낮은 상황이다. 국제 동향에서 나타난 주요 함의를 국내의 상황과 비교하였을 때, 초지 분야에 대한 더 높은 수준의 온실가스 인벤토리 작성을 위해서는 기후대-토양형 유형에 대한 국가고유계수 개발과 더불어 활용 가능한 공간자료의 마련과 이를 뒷받침할 수 있는 정책 및 제도 체계가 시급히 마련되어야 할 것이다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.337-345
• /
• 2023

벼의 출수기를 추정하는 것은 농업생산성과 관련된 중요한 과정 중 하나이지만 세계적인 이상기후의 증가로 벼의 출수기를 추정하는 것이 어려워지고 있다. 본 연구에서는 CNN 분류모델을 사용하여 다양한 영상데이터에서 벼의 출수기를 추정하려고 시도하였다. 드론과 타워형 영상관측장치 그리고 일반 RGB 카메라로 촬영된 직하방과 경사각 영상을 수집하였다. 수집한 영상은 CNN 모델의 입력데이터로 사용하기 위해서 전처리를 진행하였고, 사용된 CNN 아키텍처는 이미지 분류 모델에서 일반적으로 사용되는 ResNet50, InceptionV3 그리고 VGG19 를 사용하였다. 각각의 아키텍처는 모델의 종류, 영상의 유형과 관계없이 0.98 이상의 정확도를 나타내었다. 또한 CNN 분류 모델이 영상의 어떤 특징을 보고 분류하였는지 시각적으로 확인하기 위해서 Grad-CAM 을 사용하였다. Grad-CAM 결과 CNN 분류 모델은 벼의 출수를 이삭의 형태에 높은 가중치를 두어 분류 하는 것을 확인하였다. 다음으로 작성된 모델이 실제 논 포장 모니터링 이미지에서 벼의 출수기를 정확하게 추정하는지 확인하였다. 각각 다른 지역 4 개의 벼 포장에서 벼의 출수기를 약 하루정도의 차이로 추정하는 것을 확인하였다. 이 방법을 통해서 다양한 논 포장의 모니터링 이미지를 활용하여 자동적이고 정량적으로 벼의 출수기를 추정 할 수 있다고 판단된다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.258-266
• /
• 2023

본 연구는 다년생 목본작물 바이오매스에 대한 해외 주요국가들의 산정 방법과 연구사례를 분석하였다. 주요국별 다년생 목본작물의 탄소축적 변화량 산정 방법을 살펴본 결과, 호주, 캐나다, 일본, 불가리아 등은 축적차이법을 적용하고 있는 것으로 확인되었으며, 독일, 오스트리아와 덴마크 등은 획득손실법을 기반으로 탄소축적 변화량을 산정하고 있는 것으로 나타났다. 또한, 해외의 경우, 2단계 고도화연구를 통해 계수를 자체 개발하는 단계를 넘어 영상자료를 활용한 탄소축적 변화량 추정 연구를 진행하고 있는 반면, 국내의 경우 2단계 고도화연구를 시작하는 단계인 것으로 나타났다. 이러한 결과를 기반으로, 국내에서 향후 필요한 연구 네 가지를 제안하고자 한다: 1) 배출·흡수량 통계의 완전성 제고를 위한 과수별 바이오매스 상대생장식 및 탄소전환계수와 이를 활용하여 산출된 단위면적(ha)당 탄소축적량 같은 국가고유계수에 대한 자체 개발, 2) 과수별 바이오매스 기준 성목 및 벌채 주기에 대한 정의와 고도화된 연령별 재배면적 산정방법론에 대한 정책연구, 3) 2025년 발사 예정인 농림위성을 기반으로 상대생장식 및 원격탐사기법을 활용하여 농경지 부문 다년생 목본작물의 고도화된 산정기법을 개발하는 연구, 그리고 농경지 부문 다년생 목본작물 재배지 매트릭스 구축 및 모니터링 체계를 확립하는 연구, 마지막으로, 4) 동적탄소순환모형을 구현하기 위해, 현재 전체 농경지들을 하나로 취급하여 산정하고 있는 토양의 탄소축적 변화량을 하위 토지분류별로 구분하여 산정하는 연구들이 반드시 필요할 것이다. 본 연구는 비교대상 국가가 8개국으로 한정되어 전세계 국가의 다년생 목본작물에 대한 정의 및 탄소축적 변화량 연구에 대한 일반화에 한계점이 존재한다. 그러나, 주요국별 다년생 목본작물 탄소축적 변화량 산정방법 비교·분석을 통해, 국내 다년생 목본작물의 관련 연구를 위해 필요한 단계별 접근방식과 탄소축적 변화량 산정방법을 제안하였다. 이는 2050 농식품부 탄소중립 추진전략, 농업분야 탄소중립 실현을 위한 기반 구축 및 관련 연구 활성화에 기여할 것으로 기대된다.

• 정신신체의학
• /
• 제31권2호
• /
• pp.108-117
• /
• 2023

연구목적 신체 증상 장애(Somatic Symptom Disorder, SSD)는 다양한 신체 증상의 발현을 특징으로 하며, 현재까지 환자군 내에서 증상 심각도에 따른 자율신경계 활성의 차이에 대해서는 연구된 바가 거의 없다. 이에 본 연구에서는 신체 증상 장애 환자군에서 심박변이도(Heart Rate Variability, HRV) 차이를 검정하여 증상 심각도에 따른 자율신경계 변화를 반영하는 대표적 지표를 분석하였다. 방 법 2020년 9월 18일부터 2021년 10월 29일까지 강남세브란스병원 정신건강의학과에 내원했던 환자 중, DSM-5 진단 기준에 따라 SSD로 진단받은 환자 총 51명의 의무기록을 후향적으로 수집하였다. 이후, 집단 간 인구사회학 및 임상적 선택편의 보정을 위해 역확률 가중치(Inverse Probability Treatment Weighting, IPTW)를 적용하여 HRV 지표 차이 검정을 실시하였다. 결 과 신체 증상 심각도와 LF (nu), HF (nu), LF/HF, 그리고 SD1/SD2, Alpha1/Alpha2는 통계적으로 유의한 상관관계를 보였으며, IPTW 적용 후 비중증군은 27명(53.0%), 중증군은 24명(47.0%)로 보정되었고, 인구사회학적 요인 및 임상적 특성 차이가 유의미하지 않아 동질성이 확보되었다. 본 모형 분석 결과 고위험군일수록 시간 영역의 RMSSD (β=-0.70, p=0.003), pNN20 (β=-1.04, p=0.019), 주파수 영역은 LF (nu) (β=0.29, p<0.001), HF (nu) (β=-0.29, p<0.001), LF/HF (β=1.41, p=0.001), 그리고 비선형 영역에서는 SampEn15 (β=-0.35, p=0.014), SD1/SD2 (β=-0.68, p<0.001), Alpha1/Alpha2 (β=0.43, p=0.001)에서 유의미한 차이가 검정되었다. 결 론 신체 증상 심각도에 따른 HRV 지표의 차이는 시간과 주파수 영역, 그리고 비선형 영역 전반에서 검정되었으며, 신체 증상이 심할수록 교감신경의 과활성화 및 부교감신경의 저하를 시사하는 HRV 지표들이 유의미하게 높은 경향성을 보였다.

• 한국해안·해양공학회논문집
• /
• 제35권6호
• /
• pp.146-154
• /
• 2023

본 연구에서는 서해안 해상기상타워 2기에서 관측된 수면변동자료를 이용하여 해양특성을 구분하는 주요 인자인 첨두주기 T_p와 평균주기 T₀₂와 T_{m-1, 0}를 산정하고 이상자료의 비율, 상관관계 분석 및 최적 확률밀도함수를 추정하였다. 산정된 대표주기 중 첨두주기의 경우, 이상 자료의 비율은 각각의 지점에서 5.73 %, 0.67 %로 나타났으며, T₀₂는 4.35%, 0.01%, T_{m-1, 0}는 2.82%, 0.03%로 나타났다. 한편, T₀₂와 T_p 사이의 관계를 분석한 결과 각 지점별로 0.53, 0.63의 관계로 산정됐으며, T_{m-1, 0}와 T_p의 관계는 각각 1.15, 1.32로 나타났다. T₀₂와 T_{m-1, 0}는 서로 1.18, 1.22의 관계를 보이고 있었다. 산정된 대표주기의 최적 확률밀도함수를 추정한 결과, T_p는 각각의 지점에서 'Lognormal', 'Normal' 분포를 따르고 있었으며, T₀₂는 'Gamma', 'Normal' 분포, T_{m-1, 0}는 각각 'Log-normal', 'Normal' 분포가 우세한 것으로 나타났다. 이러한 결과는 서해안을 대상으로 수행되는 파랑 분석에 기초자료로 사용될 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1299-1308
• /
• 2023

기후변화 등으로 인해 전 세계적으로 산불이 점점 잦아지고 대형화되는 추세다. 위성영상 등의 원격탐사를 통한 산불피해 면적 및 피해강도를 산정하는 것은 현장조사에 따른 여러 가지 어려움을 줄일 수 있어 대안 및 보조자료로 활용이 가능하다. 산불피해강도(differenced normalized burn ratio, dNBR)는 산불 전후의 정규탄화지수(normalized burn ratio, NBR) 차이를 통해 산정하며, NBR 수식에 사용되는 영상은 Landsat의 근적외선(near infrared, NIR)과 단적외선(short-wavelength infrared, SWIR) 밴드를 기본으로 한다. 우리나라 위성영상의 경우, SWIR 밴드를 가지고 있지 않기 때문에 산불피해와 관련한 국내 연구들은 해외영상을 사용하거나 우리나라 위성영상을 사용한 경우, 정규식생지수(normalized difference vegetation index, NDVI)를 이용하여 간접적인 방법으로 dNBR을 산출하였다. 따라서 본 연구에서는 Kompsat-3A호(K3A)의 중적외선(mid-wavelength infrared, MWIR) 밴드를 NBR 수식의 SWIR 밴드 대신 대입하여 dNBR을 산정하고, dNBR의 기준이 되는 Landsat을 이용한 dNBR 결과 값과 비교하였다. 그 결과 K3A MWIR을 이용한 dNBR이 Landsat SWIR을 이용한 dNBR에 비해 나타낼 수 있는 값의 범위가 더 넓고 세분화하여 표현이 가능하였다. 따라서 산불피해 지역을 조사하는데 있어 K3A의 활용도가 높을 것이라 사료된다. 뿐만 아니라 본 연구에서는 30m로 열화된 K3A MWIR 밴드를 사용했으나 그보다 높은 해상도의 MWIR 밴드를 사용한다면 본 연구보다 훨씬 더 나은 결과를 얻을 수 있을 것이라 사료된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1591-1604
• /
• 2023

해색 원격탐사에서 대기 보정은 자료의 정확도와 신뢰성 확보를 위해 반드시 수행해야하는 과정으로 높은 정확도가 요구된다. 또한 최근 원격 탐사 커뮤니티에서는 위성 자료의 오차에 대한 요구 사항이 증가함에 따라 대기 보정의 보조 자료로 사용되는 기상 변수(오존량, 기압, 바람장, 층적분 수증기량[total precipitable water, TPW])의 오차에 의해 발생하는 원격 반사도(remote sensing reflectance, R_rs)의 오차에 대한 연구가 진행되고 있지만 오차 요인으로 알려진 수증기 프로파일의 변동성에 의한 R_rs의 오차에 대한 연구는 수행되지 않았다. 본 연구에서는 Second Simulation of a Satellite Signal Vector version 2.1 모의를 통해 GOCI-II 관측 영역 내의 수증기 프로파일의 변동성에 따른 수증기 투과도의 오차를 계산하고 이로 인해 발생하는 해색 산출물의 오차에 대해 분석하였다. Radiosonde 관측 수증기 프로파일은 그 형태가 복잡할 뿐만 아니라 지표 부근의 큰 변동성으로 인해 기존 GOCI-II 대기 보정에서 사용하고 있는 US standard 62 수증기 프로파일과의 차이가 최대 0.007만큼 발생하였다. 이로 인해 발생한 수증기 투과도의 차이는 GOCI-II 대기 보정에서 에어로졸 반사도 추정의 차이를 발생시키고, 결과적으로 모든 밴드에서 R_rs의 오차가 발생하였다. 하지만 412-555 nm 밴드에서 수증기 프로파일 차이로 인한 R_rs 오차는 요구 정확도보다 낮은 2% 미만으로 나타났으며, 다른 해색 산출물인 클로로필(chlorophyll-a) 농도, 용존 유기물, 총 부유물 농도에서도 유사한 오차를 보이고 있다. 본 연구의 결과는 대기 보정 및 해색 산출물의 정확도에 있어 수증기 프로파일의 차이의 영향이 적다는 것을 의미한다. 하지만 추후 연구에서 수증기 흡광 보정 시 수증기 프로파일의 변동성을 고려할 경우 보다 높은 수준의 R_rs 정확도 확보를 기대할 수 있다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.933-948
• /
• 2023

대기 중 에어로졸은 인체에 악영향을 끼칠 뿐 아니라 기후 시스템에도 직간접적인 영향을 미치므로 에어로졸의 특성과 시공간적인 분포에 대한 이해는 매우 중요하다. 이를 위해 위성기반 관측을 통해 에어로졸 광학 두께(Aerosol Optical Depth, AOD)를 산출하여 에어로졸을 모니터링하는 다양한 연구가 수행되어 왔다. 하지만 이는 주로 조견표를 활용한 역 산출 알고리즘에 기반하여 이루어지기 때문에 많은 계산량을 요구하며 불확실성이 존재한다. 따라서, 본 연구에서는 Geostationary Ocean Color Imager-II (GOCI-II)의 대기상한반사도와 30일 동안의 대기상한반사도 중 최솟값과 관측 시점 값의 차이 값, 수치 모델 기반 기상학적 변수 등을 활용하여 기계학습 기반 고해상도 AOD 직접 산출 알고리즘을 개발하였다. Light Gradient Boosting Machine (LGBM) 기법이 사용되었으며, 추정된 결과는 지상 관측 자료인 Aerosol Robotic Network (AERONET) AOD를 활용하여 랜덤, 시간 및 공간별 N-fold 교차검증을 통해 검증되었다. 세 가지 교차검증 결과 R²=0.70-0.80, RMSE=0.08-0.09, 기대오차(Expected Error, EE) 안에 있는 비율은 75.2-85.1% 수준으로 안정적인 성능을 보였다. Shapley Additive exPlanations (SHAP) 분석에서는 반사도 관련 변수들이 기여도의 상위권 대부분을 차지하고 있는 것을 통해 반사도 자료가 AOD 추정에 많은 기여를 하는 것을 확인하였다. 서울과 울산 지역에 대한 시간 별 AOD의 공간 분포를 분석한 결과, 개발된 LGBM 모델은 시간의 흐름에 따라 AERONET AOD 값과 유사한 수준으로 AOD를 추정하고 있었다. 이를 통해 높은 시공간 해상도(i.e., 시간별, 250 m)에서의 AOD 산출이 가능함을 확인하였다. 또한, 산출 커버리지 비교에서 LGBM 모델의 평균 산출 빈도가 GOCI-II L2 AOD 산출물 대비 8.8%가량 증가한 것을 통해 기존 물리모델기반 AOD 산출 과정에서 발생하던 밝은 지표면에 대한 과도한 마스킹의 문제점을 개선시킨 것을 확인하였다.