A disease forecast model for bacterial grain rot (BGR) of rice, which is caused by Burkholderia glumae, was developed in this study. The model, which was named 'BGRcast', determined daily conduciveness of weather conditions to epidemic development of BGR and forecasted risk of BGR development. All data that were used to develop and validate the BGRcast model were collected from field observations on disease incidence at Naju, Korea during 1998-2004 and 2010. In this study, we have proposed the environmental conduciveness as a measure of conduciveness of weather conditions for population growth of B. glumae and panicle infection in the field. The BGRcast calculated daily environmental conduciveness, $C_i$, based on daily minimum temperature and daily average relative humidity. With regard to the developmental stages of rice plants, the epidemic development of BGR was divided into three phases, i.e., lag, inoculum build-up and infection phases. Daily average of $C_i$ was calculated for the inoculum build-up phase ($C_{inf}$) and the infection phase ($C_{inc}$). The $C_{inc}$ and $C_{inf}$ were considered environmental conduciveness for the periods of inoculum build-up in association with rice plants and panicle infection during the heading stage, respectively. The BGRcast model was able to forecast actual occurrence of BGR at the probability of 71.4% and its false alarm ratio was 47.6%. With the thresholds of $C_{inc}=0.3$ and $C_{inf}=0.5$, the model was able to provide advisories that could be used to make decisions on whether to spray bactericide at the preand post-heading stage.
최근 들어 다양한 센서를 장착한 지능형 건물이 등장함에 따라 건물 내 센서 네트워크의 포설을 통한 센싱 자료의 수집과 분석이 중요하게 대두 되고 있다. 이를 위해 센서로 부터 데이터를 획득하기 위해서는 일정구간의 유선화는 불가피하나 유선화 구간을 최소화하고 건물에 따라서는 센서 간의 통신을 무선으로 함을 목표로 하고 있다. 이러한 케이블링에 따른 비용부담과 건물의 손상 등을 방지하기 위해서는 무선화가 가능한 구역의 선정 및 건물 구조에 따른 신호전달 특성을 객관적으로 파악하는 것이 매우 중요하다. 이 논문에서는 건물 내 신호전달 특성을 측정하기 위한 시스템을 다루고, 인지기반의 장 구간 시그니처 시퀀스를 대신할 짧은 시그니처 시퀀스를 기반으로 한 시스템을 설계하고, 시뮬레이션을 통해 시스템의 동작을 확인한다. 이를 기반으로 건물 내의 신호전달특성을 분석하기 위해 오경보 확률을 고려한 신호검파 특성을 분석한다.
위성영상은 취득 당시의 외부 환경적 요소에 의해 기하 및 방사오차가 발생하며, 이는 변화탐지에 있어 오탐지를 유발하는 원인이 된다. 이러한 기하 및 방사오차는 전처리과정인 기하보정 및 방사보정을 통해 제거해야 한다. 본 연구에서는 SURF (Speeded-Up Robust Feature)기법과 마스크필터를 활용하여 동시에 기하 및 방사보정을 자동으로 수행하는 방법론을 제안하고자 한다. SURF 기법을 통해 추출되는 정합쌍(MPs: Matching Points)은 자동 기하보정에 활용되며, 다시기 영상 간 불변특성을 보이는 지역에서 추출된다. 이러한 정합쌍의 특성을 바탕으로 상대방사보정에 활용되는 PIFs (Pseudo Invariant Features)를 선정하고, 선정된 PIFs를 중심으로 마스크필터를 생성하여 2차 PIFs를 추출했다. 추출된 정합쌍들을 활용하여 자동 기하보정을 수행한 후 기하보정된 영상에 PIFs를 활용하여 상대방사보정을 수행한 결과 기하 및 방사오차가 함께 제거된 것을 확인하였다.
This study assesses the prediction skill of regional scale model for the mean temperature anomaly over South Korea produced by Pusan National University Coupled General Circulation Model (PNU CGCM)-Weather Research and Forecasting (WRF) chain. The initial and boundary conditions of WRF are derived from PNU CGCM. The hindcast period is 11 years from 2007 to 2017. The model's prediction skill of mean temperature anomaly is evaluated in terms of the temporal correlation coefficient (TCC), root mean square error (RMSE) and skill scores which are Heidke skill score (HSS), hit rate (HR), false alarm rate (FAR). The predictions of WRF and PNU CGCM are overall similar to observation (OBS). However, TCC of WRF with OBS is higher than that of PNU CGCM and the variation of mean temperature is more comparable to OBS than that of PNU CGCM. The prediction skill of WRF is higher in March and April but lower in October to December. HSS is as high as above 0.25 and HR (FAR) is as high (low) as above (below) 0.35 in 2-month lead time. According to the spatial distribution of HSS, predictability is not concentrated in a specific region but homogeneously spread throughout the whole region of South Korea.
Park, Wook;Park, Sung-Hwan;Jung, Hyung-Sup;Won, Joong-Sun
대한원격탐사학회지
/
제35권1호
/
pp.39-55
/
2019
In this study, we have proposed an improved method to detect forest fires by correcting the reflected signals of day images using the middle-wavelength infrared (MWIR) channel. The proposed method is allowed to remove the reflected signals only using the image itself without an existing data source such as a land-cover map or atmospheric data. It includes the processing steps for calculating a solar-reflected signal such as 1) a simple correction model of the atmospheric transmittance for the MWIR channel and 2) calculating the image-based reflectance. We tested the performance of the method using the MODIS product. When compared to the conventional MODIS fire detection algorithm (MOD14 collection 6), the total number of detected fires was improved by approximately 17%. Most of all, the detection of fires improved by approximately 30% in the high reflection areas of the images. Moreover, the false alarm caused by artificial objects was clearly reduced and a confidence level analysis of the undetected fires showed that the proposed method had much better performance. The proposed method would be applicable to most satellite sensors with MWIR and thermal infrared channels. Especially for geostationary satellites such as GOES-R, HIMAWARI-8/9 and GeoKompsat-2A, the short acquisition time would greatly improve the performance of the proposed fire detection algorithm because reflected signals in the geostationary satellite images frequently vary according to solar zenith angle.
탄도 미사일은 상공에서 자유 낙하하며 표적을 요격하기 때문에 탄도 미사일에 부착되는 탐색기는 높은 지표각에서 해상 클러터 영향을 받게 되며, 그 결과 탐색기의 탐지 성능이 급격히 낮아지게 된다. 이를 해결하기 위해서는 다양한 시나리오 기반의 시뮬레이션들을 통한 해상 표적 탐지 성능 분석이 반드시 필요하다. 따라서 본 논문에서는 실제와 유사한 높은 지표각의 해상 클러터 수신 신호를 모델링한 후, 이를 신호 대 클러터 비에 따라 해상 표적 수신 신호와 합성하여 2차원 레이다 영상을 생성한다. 이후, 레이다 영상에 2차원 CA-CFAR 탐지기를 적용하여 다양한 시나리오에서 해상표적 탐지 성능을 분석하였다. CAD 모델과 전자기 수치해석 도구를 사용한 시뮬레이션 결과, 지표각과 방위각에 따라 해상 표적의 탐지 여부가 다르게 나타남을 확인할 수 있었다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제12권11호
/
pp.5568-5587
/
2018
This research uses artificial intelligence methods for computer network intrusion detection system modeling. Primary classification is done using self-organized maps (SOM) in two levels, while the secondary classification of ambiguous data is done using Sugeno type Fuzzy Inference System (FIS). FIS is created by using Adaptive Neuro-Fuzzy Inference System (ANFIS). The main challenge for this system was to successfully detect attacks that are either unknown or that are represented by very small percentage of samples in training dataset. Improved algorithm for SOMs in second layer and for the FIS creation is developed for this purpose. Number of clusters in the second SOM layer is optimized by using our improved algorithm to minimize amount of ambiguous data forwarded to FIS. FIS is created using ANFIS that was built on ambiguous training dataset clustered by another SOM (which size is determined dynamically). Proposed hybrid model is created and tested using NSL KDD dataset. For our research, NSL KDD is especially interesting in terms of class distribution (overlapping). Objectives of this research were: to successfully detect intrusions represented in data with small percentage of the total traffic during early detection stages, to successfully deal with overlapping data (separate ambiguous data), to maximize detection rate (DR) and minimize false alarm rate (FAR). Proposed hybrid model with test data achieved acceptable DR value 0.8883 and FAR value 0.2415. The objectives were successfully achieved as it is presented (compared with the similar researches on NSL KDD dataset). Proposed model can be used not only in further research related to this domain, but also in other research areas.
In this paper, we propose an algorithm for detecting convective initiation (CI) using GEO-KOMPSAT-2A/advanced meteorological imager data. The algorithm identifies clouds that are likely to grow into convective clouds with radar reflectivity greater than 35 dBZ within the next two hours. This algorithm is developed using statistical and qualitative analysis of cloud characteristics, such as atmospheric instability, cloud top height, and phase, for convective clouds that occurred on the Korean Peninsula from June to September 2019. The CI algorithm consists of four steps: 1) convective cloud mask, 2) cloud object clustering and tracking, 3) interest field tests, and 4) post-processing tests to remove non-convective objects. Validation, performed using 14 CI events that occurred in the summer of 2020 in Korean Peninsula, shows a total probability of detection of 0.89, false-alarm ratio of 0.46, and mean lead-time of 39 minutes. This algorithm can be useful warnings of rapidly developing convective clouds in future by providing information about CI that is otherwise difficult to predict from radar or a numerical prediction model. This CI information will be provided in short-term forecasts to help predict severe weather events such as localized torrential rainfall and hail.
The advent of deep learning-based algorithms has facilitated researches on target detection from synthetic aperture radar(SAR) imagery. While most of them concentrate on detection tasks for ships with open SAR ship datasets and for aircraft from SAR scenes of airports, there is relatively scarce researches on the detection of SAR ground vehicle targets where several adverse factors such as high false alarm rates, low signal-to-clutter ratios, and multiple targets in close proximity are predicted to degrade the performances. In this paper, a dataset of ground vehicle targets acquired from TerraSAR-X(TSX) satellite SAR images is presented. Then, both detection and instance segmentation are simultaneously carried out on this dataset based on the deep learning-based Mask R-CNN. Finally, this paper shows the future research directions to further improve the performances of detecting the SAR ground vehicle targets.
수중에서 능동소나를 이용하여 표적을 탐지하기 위하여, 송신음이 표적에 반사된 반향을 수신함으로써 표적의 위치를 감지한다. 이때 산란체로부터의 잔향이 발생하며, 이는 표적 반향의 탐지를 방해하게 된다. 효과적인 표적 탐지를 위해 자기회귀 모델기반의 백색화 기법이나 주성분역산 등의 잔향 제거 기법이 연구된 바 있으며, 최근에는 비음수 행렬 분해 기반의 기법이 고안되었다. 비음수 행렬 분해 기반의 잔향 제거 기법은 기존의 기법에 비해 향상된 성능을 보여주지만, 송수신기의 위치 및 거리에 의한 감쇠 등이 고려되지 않았다. 본 논문에서는, 양상태 소나에서 지속파 송신 파형을 사용하는 경우에 대하여 수신기의 방향성과 그에 관련된 도플러, 그리고 거리에 대한 감쇠 등의 전처리를 통해 성능을 개선하였다. 본 연구에서 고안된 시스템의 성능을 확인하기 위하여 잔향 모델을 이용한 시뮬레이션을 수행하였다, 시뮬레이션 결과 1 %의 낮은 오탐지율에서 기존의 비음수 행렬 분해 기법 대비 10 % ~ 40 %의 탐지율 성능 향상이 있음을 확인하였다.
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.