• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.21-36
• /
• 2019

본 연구는 산불 위험 예측의 주요 인자인 10시간 사연료습도(10-h FMC)를 산악기상관측망 기상자료로 추정하는 방법을 마련하기 위해 수행되었다. 안성(도심지)과 홍릉 두 지점(숲 속, 숲 밖)의 자동기상관측소에서 기상인자와 10-h FMC를 측정하고 이를 이용해 10-h FMC 추정식을 도출했다. 도출한 추정식을 이용해 지난 6년간(2013~2018년) 산불발생 다발일의 10-h FMC를 분석하고 전국 10-h FMC 지도를 제작했다. 기상인자(기온, 풍속, 목재평형함수율, 강우량)와 10-h FMC의 회귀분석 결과 목재평형함수율이 가장 효율적으로 10-h FMC를 설명했음을 확인했다. 목재평형함수율을 이용해 도출한 10-h FMC 추정식은 모형 적합과 검증과정 모두에서 높은 적합도를 보였다. 각 연구지의 추정식을 서로 다른 연구지에 적용하면 모형의 적합도가 같은 연구지에서 만든 식을 적용했을 때보다 줄어들었지만 여전히 만족할 만한 결과를 보였다. 본 연구의 회귀식은 10-h FMC와 목재평형함수율 사이 강우 후 건조반응 차이와 식생 유무가 10-h FMC에 미치는 영향을 반영하지 못해 적합도가 줄어든 것으로 나타났다. 마지막으로 도출한 추정식을 사용한 공간분석을 통해 지난 6년간 산불발생 다발일의 산불 중 70% 이상이 10.5% 이하의 10-h FMC 조건에서 발생했음을 확인했다. 본 연구 결과는 산악기상관측망과 연계하여 전국 산지의 10-h FMC를 추정하는 데 사용할 수 있다. 10-h FMC는 산불 위험 예측 기초 연구 자료로 활용되어 재해 관련 국가 정책 결정에 기여할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1827-1836
• /
• 2022

재난은 돌발적으로 발생하여 예측하기가 쉽지 않고 그 규모도 과거에 비해 커지고 있어 피해가 증가하고 있으며, 하나의 재난이 2차 재난으로 발전하는 경우가 많다. 재난관리의 4가지 단계 중 응급상황이 발생하는 대응단계에서 행해지는 수색과 구조 과정에서, 현장에 투입되는 인원들은 많은 위험을 감수하고 현장에 투입되고 있다. 이러한 점에서 로봇은 재난현장의 초기 대응과정에서 인명 및 재산의 피해를 줄일 수 있는 가능성이 높은 기술이다. 또한, Light Detection And Ranging (LiDAR)는 레이저를 이용하여 비교적 넓은 범위의 3차원 정보를 획득하고 정확도 및 정밀도가 높아 재난 현장의 특징을 생각할 때 매우 유용한 센서이다. 이에 본 연구에서는 로봇이 재난 현장에서 활용될 수 있도록 LiDAR와 Inertial Measurement Unit (IMU) 센서에 실시간 모니터링을 위한 컴퓨팅 보드를 결합하여 하나의 다중센서모듈 및 조사로봇 맞춤형 Simultaneous Localization and Mapping (SLAM) 알고리즘을 개발하였다. 다중센서모듈이 재난 현장에서 최적의 정확도를 유지할 수 있도록 조사로봇에 안정적으로 탑재하는 방안에 대해 연구하였고, 모듈의 성능을 확인하기 위해 재난건축물 실내에서 SLAM 맵핑을 수행하여 다양한 SLAM알고리즘과 거리 비교를 수행하였다. 그 결과, 본 연구에서 개발한 PackSLAM이 낮은 오차를 나타내어 활용 가능성을 보였다. 향후 재난현장에서의 적용성을 더욱 높이기 위해 장애물이 많은 험지환경을 구축하여 다양한 실험을 수행할 예정이다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.747-763
• /
• 2022

해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R² = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.

• 한국산림과학회지
• /
• 제111권4호
• /
• pp.622-629
• /
• 2022

본 연구는 우리나라 대나무 중 맹종죽에 대해 수간곡선식을 도출하고, 이를 이용하여 재적표를 개발하기 위하여 수행되었다. 맹종죽의 수간곡선식을 도출하기 위하여 Max & Burkhart, Kozak, Lee의 세 가지 수간곡선 모형을 이용하였다. 대나무는 목질 특성 상 내부가 비어 있기 때문에 수간 외직경과 내직경을 산출하고, 이를 연결하여 수간곡선화 하였다. 세가지 수간곡선 모형을 이용하여 수간 외직경 및 내직경을 추정한 결과, Kozak 모형이 적합도지수가 가장 높고, 오차 및 편의가 가장 적어 최적 수간곡선식으로 선정되었다. Kozak 식으로 맹종죽의 수간고별 직경을 추정하고 수간곡선을 도식화하였다. 수간곡선식에 대한 잔차도를 확인한 결과, 잔차가 모두 "0"을 중심으로 분포하여 식의 적합성이 입증할 수 있었다. 맹종죽의 재적 산출을 위해 내직경, 외직경에 대해 각각 연결한 수간곡선식을 회전시켜 회전입방체를 만들었으며, Smalian 구분구적법으로 재적을 계산하였다. 외직경으로 산출된 재적에서 내직경에 의해 산출된 재적을 공제하여 맹종죽의 재적을 도출하였다. 맹종죽의 재적은 일반용재인 일본잎갈나무 재적과 비교해 볼 때, 그 양이 20~30%에 불과한 것으로 나타났다. 그러나 맹종죽의 현재 ha당 본수와 매년 발생되는 죽순의 양을 고려한다면 개체목의 재적은 다른수종에 비해 상대적으로 적더라도, ha당 재적은 유사하거나, 오히려 더 많을 것으로 판단된다. 본 연구를 통해 국내 최초로 맹종죽의 수간곡선식 및 수간재적표가 개발되었으며, 공익 및 산업 수요 확대가 예상되는 대나무에 대한 매각 거래, 탄소흡수량 산정 등에 기초자료로 활용될 것으로 기대된다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.363-370
• /
• 2023

다양한 지구관측위성은 발사 후 정확한 고품질의 자료를 제공하는 것이 중요하다. 위성 자료 품질을 유지 및 보완하기 위해서는 서로 다른 센서 차이를 고려하는 spectral band adjustment factor (SBAF)를 활용한 교차 검보정 과정이 필요하다. 따라서 본 연구에서는 pseudo-invariant calibration sites 중 Libya4, Algeria3, Mauritania2 에서 수집한 Landsat-8, Sentinel-2A 위성 영상을 활용하여 SBAF 산출 및 적용을 통해 밴드 대역 폭 차이로 인해 발생하는 불확실성을 조정하였다. 두 위성 모두 Blue, Green, Red를 포함하고 Sentinel-2A의 경우 near-infrared (NIR) narrow와 NIR 두 가지 밴드 모두에 SBAF를 적용하여 밴드대역폭 유사도에 따른 반사도 차이를 정량적으로 비교하였다. SBAF 적용 후, NIR을 제외한 모든 밴드(Blue, Green, Red, NIR narrow)에서 1% 내외의 반사도 차이로 유의미한 결과가 나타났다. Sentinel-2A NIR 밴드의 경우 밴드대역폭 차이가 NIR narrow에 비해 크게 나타났지만, SBAF 적용 후에 반사도 차이가 허용 오차범위인 5%와 1-2% 차이로 SBAF 적용이 가능한 것으로 나타났다. 따라서, 위성 활용이 제한적인 상황에서 두 센서의 밴드대역폭 차이가 큰 경우에도 SBAF를 적용할 수 있다고 판단하였고 위성 자료의 품질 및 연속성을 활용하는 연구에 도움이 될 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.19-26
• /
• 2023

인간은 자연 빛에 적응하고 진화해왔으나 현재는 실내 생활의 비중이 높아짐에 따라 생체리듬 교란의 문제가 유발되었다. 이의 해결을 위해 일출~일몰간 다채롭게 변화하는 자연광의 색온도를 재현하는 조명이 연구되고 있다. 자연광 색온도의 재현을 위해서는 색온도가 다른 다수의 LED 광원을 사용하여 조명을 제작한 후 수백에서 수천 단계의 광원별 인가전류의 조합에 대한 광특성을 측정 및 수집하여 제어지표 DB를 구성하고 광특성 매칭 방법을 통해 조명을 제어하였다. 이러한 제어 방법은 인가전류의 조합 단계를 세밀하게 할수록 많은 시간 및 경제적 비용이 발생한다는 문제가 있다. 이에 본 논문에서는 LED 광원별 최소 분광분포로 보간 및 조합 연산을 수행하여 자연광 색온도를 재현하는 방법을 제안한다. 먼저 색온도가 다른 광원 채널로 구성되고 각 채널별 256단계의 인가전류 제어 기능을 구현한 LED 조명을 대상으로 채널별 5개의 최소 분광분포(Spectral Power Distribution, SPD)를 실측·수집한다. 이후 수집한 SPD를 대상으로 각 채널별 256단계의 SPD를 생성하는 보간 연산을 수행하고, 채널별 SPD의 조합 연산을 통해 LED 조명의 모든 제어 조합에 대한 SPD를 생성한다. 생성된 SPD를 통해 조도와 색온도를 산출하여 제어지표 DB를 구축한 후 매칭 기법을 통해 자연광의 색온도를 재현한다. 성능 평가에서는 실내 권장 조도 기준을 충족하면서도 평균 오차율 0.18%의 범위 내에서 자연광의 시간별 색온도를 제공하였다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 분석과학
• /
• 제22권6호
• /
• pp.488-497
• /
• 2009

이 연구에서는 2010년 기준의 지정악취물질에 해당하는 유기지방산과 함께 기존 VOC류 지정 악취물질들을 포괄적으로 분석할 수 있는 흡착관-열탈착 분석기법을 연구하였다. 이러한 분석기법의 검량특성을 평가하기 위해, Tenax TA를 충전한 시료흡착관을 준비하였다. 그리고 여기에 유기지방산 4종 (propionic acid (PA), butyric acid (BA), isovaleric acid (IA), valeric acid (VA))을 위시한 13 가지 조사성분을 함유한 작업용 표준시료를 주입하고 저온농축기법으로 분석하였다. 유기지방산의 분석감도를 절대량 (ng) 및 농도기준 (ppb)의 검출한계로 비교해 보았을 때, 다른 일반적인 VOC 악취성분들에 비해 약 1.5-2배 낮게 나타나는 것을 확인하였다(PA: 0.24 ng (0.16 ppb), BA: 0.19 ng (0.11 ppb), IA: 0.15 ng (0.07 ppb), and VA: 0.28 ng (0.13 ppb)). 분석의 재현성을 RSE로 표시할 경우, 대부분의 성분들이 5% 이내로 안정적으로 나타난 반면, BA (8.02%), IA (14.0%), VA (5.08%)는 5%가 넘을 정도로 낮은 재현성을 보였다. 이러한 결과를 내부표준물질을 이용한 검량으로 비교하였을 때, 대다수 성분의 재현성이 향상되는 양상을 보였다(PA: $1.1{\pm}0.4%$, BA: $10{\pm}0.46$, IA; $12{\pm}0.3%$, VA: $4{\pm}0.1%$). 이 연구의 결과, 악취공정시험법에서 유기지방산의 분석방법으로 권장한 알칼리 흡수법에 대비하여 흡착튜브를 이용한 시료의 채취가 보다 유용한 대체방법으로 활용 가능한 것으로 나타났다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.981-992
• /
• 2023

최근 전세계적인 기후변화의 영향으로 강우가 집중되고 강우강도가 강해짐에 따라 홍수피해의 규모를 증가시키고 있다. 과거에 관측되지 않았던 규모의 비가 내리기도 하고, 기록되지 않았던 장기간의 장마가 발생하기도 한다. 이러한 피해들은 아세안 국가에도 집중되고 있으며, 태풍 및 집중호우로 인해 침수의 빈번한 발생과 함께 많은 사람들이 영향을 받고 있다. 특히, 인도네시아 찌따룸강 상류 유역에 위치한 반둥 지역은 분지 형태의 지형학적 특성을 가지고 있어서 홍수에 매우 취약한 실정이다. 이에 공적개발원조(ODA)를 통해 2017년에 찌따룸강 상류(Upper Citarum River) 유역에 대하여 홍수예경보시스템을 구축되었고, 현재 운영중에 있다. 그럼에도 불구하고, 찌따룸강 상류 (Upper Citarum River) 지역은 홍수발생시 인명 및 재산피해의 위험에 여전히 노출되어 있어 신속하고 정확한 홍수예경보의 실시를 통해 피해를 경감시키는 노력이 지속적으로 필요한 실정이다. 따라서 본 연구에서는 찌따룸강 상류의 Dayeuh Kolot 지점을 목표관측소로 하고, 강우관측소 4개소와 수위관측소 1개소의 10분 단위 수문자료를 수집하여 인공지능 기반의 하천홍수위예측모형을 개발하였다. 6개 관측소의 2017년 1월부터 2021년 1월까지의 10분 단위 수문관측자료를 활용하여 선행예보시간 0.5, 1, 2, 3, 4, 5, 6시간에 대해서 학습, 검증, 시험을 수행하였으며 인공지능알고리즘으로는 LSTM을 적용하였다. 연구결과 모든 선행예보시간에 대해 모형적합도 및 오차에서 좋은 결과를 나타냈으며, 학습자료 구축조건에 따른 예측정확도를 검토한 결과 참조관측소가 적은 경우에도 모든 관측소를 활용하는 경우와 유사하게 예측정확도를 확보하는 것으로 나타나 효율적인 인공지능 기반 모형 구축에 활용될 수 있을 것으로 기대된다.