• 천문학회보
• /
• 제44권2호
• /
• pp.44.1-44.1
• /
• 2019

We generate new intermediate images between observed consecutive solar images using NVIDIA's SuperSloMo that is a novel video interpolation method. This technique creates intermediate frames between two successive frames to form a coherent video sequence for both spatially and temporally. By using SuperSloMo, we create 600 images (12-second interval) using the observed 121 SDO/AIA 304 Å images (1-minute interval) of a filament eruption event on December 3, 2012. We compare the generated images with the original 12-second images. For the generated 480 images the correlation coefficient (CC), the relative error (R1), and the normalized mean square error (R2) are 0.99, 0.40, and 0.86, respectively. We construct a video made of the generated images and find a smoother erupting movement. In addition, we generate nonexistent 2.4-second interval images using the original 12-second interval images, showing slow motions in the eruption. We will discuss possible applications of this method.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권9호
• /
• pp.1171-1179
• /
• 2004

본 논문에서는 음성인식의 전처리 단계로서 음성 영역과 비음성 영역 사이의 경계를 검출하는 음성경계 추출에 대하여 기술한다. 본 논문에서는 음성경계 추출을 위해 두 가지의 특징벡터를 사용한다. 첫 번째는 백색잡음(white noise)에 강건한 시간 영역의 정보인 정규화된 RMS이고, 두 번째는 주파수 영역의 정보인 정규화된 멜주파수 대역 최대 에너지(met-frequency band maximum energy)이다. 본 논문에서 사용하는 음성경계 추출 알고리즘은 학습을 통해 규칙을 생성하고 음성의 시간 정보를 적용하기 위해 순환노드를 추가한 순환 퍼지연상기억장치이다. 퍼지부의 가중치 학습은 헤비안 학습 방법을 사용하고, 순환부의 가중치 학습을 위해서는 오류 역전파(error back-propagation) 알고리즘을 사용한다. 실험에서는 KAIST에서 제공한 연령과 성별로 구분된 음성 자료를 사용하였다.

• 한국농림기상학회지
• /
• 제25권3호
• /
• pp.182-196
• /
• 2023

작물 수확량의 정확하고 시기 적절한 추정은 세계적인 식량 안보 계획 및 농업 정책 개발을 포함하여 다양한 목적을 위해 중요하다. 원격 감지 기술은 특히 vegetation indices (VIs)를 활용한 작물 상태 모니터링과 예측에서 유망성을 보여주고 있다. 그러나 normalized difference vegetation index (NDVI) 와 enhanced vegetation index (EVI) 와 같은 전통적인 Vis는 식물광합성의 빠른 변화를 포착하는 데 제한이 있으며 작물 생산성을 정확하게 대표하지 못할 수 있다. 대체적인 Vis인 near-infrared reflectance of vegetation (NIRv)는 gross primary productivity (GPP)과 강한 상관관계를 가지며 빛이 반사할 때의 혼동을 해결하는 능력으로 인해 작물 생산량을 예측하는 더 나은 지표로 제안되었다. 연구 결과는 옥수수와 콩 모두에 대해 NIRv의 최댓값과 작물 수확량/면적 간에 유의한 상관관계가 있음을 입증했다. 이 상관관계는 콩에 대해 약간 더 강한 경향을 보였다. 게다가 대부분의 주요한 주에서는 NIRv의 최댓값과 생산량 간에 주목할 만한 관계가 있으며, 다양한 주에서 일관된 경사도를 보였다. 또한, 연간 데이터에서는 대부분의 값이 서로 밀접하게 군집되는 독특한 패턴을 관찰했다. 그러나 2012년은 다양한 주에서 독특한 작물 조건을 시사하는 이상값으로 나타났다. NIRv의 최댓값과 생산량 간의 확립된 관계를 기반으로, 우리는 2022년의 작물 수확량 데이터를 예측하고, 예측의 정확도를 Root Mean Square Percentage Error (RMSPE)를 사용하여 평가했다. 우리의 연구 결과는 지역별 작물 수확량 추정에 NIRv의 최댓값과 잠재력을 나타내며, 다양한 지역에서 정확도는 달라질 수 있다는 것을 보여줄 수 있다.

• Ocean Science Journal
• /
• 제42권4호
• /
• pp.199-209
• /
• 2007

Empirical band-ratio algorithms and artificial neural network techniques to retrieve sea surface chlorophyll concentrations were evaluated in the Bohai Sea of China by using an extensive field observation data set. Bohai Sea represents an example of optically complex case II waters with high concentrations of colored dissolved organic mattei (CDOM). The data set includes coincident measurements of radiometric quantities and chlorophyll a concentration (Chl), which were taken on 8 cruises between 2003 and 2005, The data covers a range of variability in Chl in surface waters from 0.3 to 6.5 mg $m^{-3}$. The comparison results showed that these empirical algorithms developed for case I and case II waters can not be applied directly to the Bohai Sea of china, because of significant biases. For example, the mean normalized bias (MNB) for OC4V4 product was 1.85 and the root mean square (RMS) error is 2.26.

• Environmental Engineering Research
• /
• 제24권4호
• /
• pp.572-581
• /
• 2019

The emission of hydrogen sulfide (H₂S) from the Kahrizak landfill was studied. Firstly, the field measurements were conducted in the summer and winter seasons; and the samples were analyzed using Jacob method. We predicted the H₂S concentrations in the downwind using AERMOD and ISCST3. According to the AERMOD, the maximum concentration of H₂S in the summer and winter were 117 ㎍/㎥ and 205 ㎍/㎥ respectively. The downwind concentrations reached zero at the distance of 35 km from the leachate treatment plant. The Geometric mean bias, Geometric variance, Fractional bias, Fraction of predictions within a factor of two of the observations and Normalized mean square error for the AERMOD were 0.58, 1.35, -0.12, 1.91 and 0.042, respectively in the summer and 1.39, 1.35, -0.05, 1.46 and 0.027 in the winter; and for the ISCST3, were 0.85, 1.03, 0.02, 1.45 and 0.04 in the summer and 1.18, 1.03, 0.15, 1.16 and 0.04 in the winter. The results of the AERMOD were compared with the ISCST3 and indicated that the AERMOD performance was more suitable than the ISCST3.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1231-1244
• /
• 2022

이상기상으로 인해 노지 작물이 스트레스 상황에 노출되는 빈도가 증가하고 있다. 우리나라에서도 대표적인 벼 재배지역에서 대규모의 병해가 발생하는 사례가 나타났으며, 특정 시기에 대규모 필지에서 발생하는 피해를 현장방문으로 조사하는 것은 한계가 있다. 위성 기반의 원격탐사 기법은 시군 영역을 대상으로 작물을 모니터링하기에 유용하나 작물의 생육이상에 따른 민감도 평가가 선행되어야 한다. 본 연구에서는 벼 병해 발생 지역에서 서로 다른 공간해상도를 가지는 위성 기반의 정규화식생지수(normalized difference vegetation index, NDVI)를 드론 영상을 이용하여 평가하였다. 10 m와 30 m의 공간해상도를 가지는 Sentinel-2, Landsat-8 위성 영상을 평가하였으며, 드론 영상은 약 8-10 cm의 공간해상도를 가졌다. 위성 영상에 맞춰 리샘플링(resampling)된 드론 NDVI는 Sentinel-2 NDVI 와 0.867-0.940의 상관관계를 가졌으며, Landsat-8 NDVI와는 0.813-0.934의 상관관계를 가졌다. 센서의 차이, 관측 시점의 차이 등으로 인한 편향(bias) 영향을 최소화하였을 때, Sentinel-2 NDVI는 Landsat-8 NDVI에 비해 드론 NDVI와 0.2-2.8% 더 적은 정규화된 평균 제곱근 오차를 가졌다. 또한, Sentinel-2 NDVI는 드론 NDVI와 병해 피해 정도와 관계없이 일정한 오차를 가졌으나 Landsat-8 NDVI는 병해 피해 정도에 따라 드론 NDVI와 오차 특성이 다르게 나타났다. 농경지 경계에서 오차가 크다는 것을 고려했을 때 공간해상도가 높은 영상을 활용하는 것이 작물 모니터링에 효과적이라고 판단된다.

• 대한원격탐사학회지
• /
• 제33권4호
• /
• pp.401-410
• /
• 2017

Estimation of snow depth using optical image is conducted by using correlation with Snow Cover Fraction (SCF). Various algorithms have been proposed for the estimation of snow cover fraction based on Normalized Difference Snow Index (NDSI). In this study we tested linear, quadratic, and exponential equations for the generation of snow cover fraction maps using data from the Moderate Resolution Imaging Spectroradiometer (MODIS) Aqua satellite in order to evaluate their applicability to the complex terrain of South Korea and to search for improvements to the estimation of snow depth on this landscape. The results were validated by comparison with in-situ snowfall data from weather stations, with Root Mean Square Error (RMSE) calculated as 3.43, 2.37, and 3.99 cm for the linear, quadratic, and exponential approaches, respectively. Although quadratic results showed the best RMSE, this was due to the limitations of the data used in the study; there are few number of in-situ data recorded on the station at the time of image acquisition and even the data is mostly recorded on low snowfall. So, we conclude that linear-based algorithms are better suited for use in South Korea. However, in the case of using the linear equation, the SCF with a negative value can be calculated, so it should be corrected. Since the coefficients of the equation are not optimized for this area, further regression analysis is needed. In addition, if more variables such as Normalized Difference Vegetation Index (NDVI), land cover, etc. are considered, it could be possible that estimation of national-scale snow depth with higher accuracy.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2005년도 추계학술대회논문집
• /
• pp.551-554
• /
• 2005

The method of the reduction of the automotive induction noise can be classified by the method of passive control and the method of active control. However, the passive control method has a demerit to reduce the effect of noise reduction at low frequency (below 500Hz) range and to be limited by a space of the engine room. Whereas, the active control method can overcome the demerit of passive control method. The algorithm of active control is mostly used the LMS (Least-Mean-Square) algorithm because the LMS algorithm can easily obtain the complex transfer function in real-time. Especially, When the Filtered-X LMS (FXLMS) algorithm is applied to an ANC system. However, the convergence performance of LMS algorithm goes bad when the FXLMS algorithm is applied to an active control of the induction noise under rapidly accelerated driving conditions. Thus Normalized FXLMS algorithm was developed to improve the control performance under the rapid acceleration. The advantage of Normalized FXLMS algorithm is that the step size is no longer constant. Instead, it varies with time. But there is one additional practical difficulty that can arise when a nonstationary input is used. If the input is zero for consecutive samples, then the step size becomes unbounded. So, in order to solve this problem. the Correlation FXLMS algorithm was developed. The Correlation FXLMS algorithm is realized by using an estimate of the cross correlation between the adaptation error and the filtered input signal to control the step size. In this paper, the performance of the Correlation FXLMS Is presented in comparison with that of the other FXLMS algorithms based on computer simulations.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1631-1645
• /
• 2021

세계 최초 능동형 라이더 센서 Atmospheric Laser Doppler Instrument (ALADIN)의 바람 자료와 한국형 수치예보모델에 바람 자료로 활용되고 있는 Geostationary Korea Multi Purpose Satellite 2A (GK2A)의 대기운동벡터의 자료를 비교함으로써 두 위성의 바람 자료의 특징을 분석하였다. 2019년 9월부터 20220년 8월 1년의 자료를 ALADIN의 미(Mie)채널과 GK2A 적외채널에 대하여 비교한 결과 수집된 자료는 177,681개이며 평균 제곱근 오차(Root Mean Square Error; RMSE)는 3.73 m/s, 상관계수는 0.98이다. 상세한 분석을 위해 위도와 고도를 고려하여 비교한 결과, 대부분의 위도에서 표준화된 평균 제곱근 오차(Normalized Root Mean Squared Error; NRMSE)가 0.2~0.3으로 두 바람 자료가 일치하지만 상층, 중층의 경우 저위도지역에서, 하층의 경우 남반구 특정 위도(30°S-15°S)에서 0.4 이상으로 큰 값을 가진다. 이러한 결과는 계절에 상관없이 수증기채널, 가시채널에서도 동일하게 나타나며 채널 별 특징과 계절별 특징은 두드러지게 나타나지 않는다. 두 바람 자료 간에 차이가 큰 위도 영역에 대하여 구름의 분포를 확인해본 결과, 대기운동벡터의 고도 할당 정확도를 낮출 수 있는 권운 이나 적운이 다른 위도에 비해 더 많이 분포하고 있다. 이러한 특성에 따라, 정확한 고도 할당이 어려워 대기운동벡터의 오차가 크게 나타나는 남반구와 저위도 영역에서 ALADIN 바람 자료는 기존 대기운동벡터의 바람 정보를 보완함으로써 수치예보모델에 긍정적인 영향을 미칠 수 있음을 제시한다.

• 물과 미래
• /
• 제28권5호
• /
• pp.219-233
• /
• 1995

강우의 평균과 분산이 시 공간적으로 변하는 비정상 다변량 모형을 강우모형으로 선정하였다. 그리고 강우모형의 상태 및 매개변수의 추정을 위해 비정상 대변량 모형의 잔차항에 Kalman Filter 순환추정 알고리즘을 적용하여 강우예측모형 시스템을 구성하였다. 그후 반응시간이 짧은 도시지역에 설치된 T/M 강우관측소에 입력되는 매 시간(10분간격) 강우자료를 사용하여 호우개수방법에 의한 비정상(Non-stationary) 평균과 분산의 추정 그리고 호우속도 추정을 통한 정규잔차 공분산을 추정하여 다수의 지점들 및 선행시간들의 실시간 다변량 단기 강우예측 (On-line, Real-time, Multivariate Short-term, Rainfall Prediction)을 하였다. 강우예측시스템 모형에 의한 결과와 비정상 변량 모형에 의한 강우모의 결과가 잘 일치하였다. 그리고 예측정도를 측정하는 방법인 제곱 평균 제곱근 오차(RMSE)와 모형 효율성 계수(ME)를 분석한 결과, 강우 예측시간 즉 선행시간이 갈수록 제곱 평균 제곱근 오차가 커지고 모형 효율성 계수가 1로부터 점차 작아지는 것으로 보아 강우예측 정도가 떨어지는 것을 알 수 있었다. 또한 호우개수방법으로 구한 평균이 호우구조의 많은 부분을 차지하고 있음을 알 수 있었다.