NCAM-LAMP 중기예측 자료의 통계적 후처리와 개선을 위하여 R 기반의 지점 시계열 자료 검증 체계를 구축하였다. 이 시계열 검증체계를 이용하여 기상청 AWS 관측 자료와 NCAM-LAMP, KMA GDAPS 중기예측 모델 자료를 비교하였다. 이를 위해 관측 지점에 가장 근접한 모델 위도 및 경도 자료를 추출하여 총 9개 지점을 선정하였다. 각 지점에 대해 NCAM-LAMP, GDAPS 모델의 기온, 강수량, 풍속 일평균 예측 자료를 관측과 비교한 결과, 모델들은 풍속의 과대예측 경향을 뚜렷이 보였으며, 기온과 강수의 경우에는 두 모델의 예측력이 월별 및 변수별로 다르게 나타났다. 이를 바탕으로 본 연구에서는 통계적 기법을 개발하여 NCAM-LAMP가 가지고 있는 오차를 줄이고자 하였다. 모델 오차를 줄이기 위해 일반적으로 쓰이는 MOS(Model Output Statistics)기법 중에 인공지능 SVM(Support vector machine) 방식을 8~10월 기간에 적용한 결과, 8월에 비해서 10월이, 기온 변수에 비해서 바람과 강수 변수가 개선된 효과를 보여주었다. 이러한 결과는 풍속의 과대예측을 줄이고, 농림 가뭄지수와 산사태 예측 등을 개선시키며, 지역 수치예보 모델이 시간 적분됨에 따라 영역 내 예측가능성이 점점 저하되는 현상을 완화시키는데 SVM 방법이 일정 부분 기여할 수 있음을 가리키며, 현업 표출 중인 NCAM Agro-Meteogram 개선에도 도움을 줄 것으로 기대된다.
기후변화에 특히 민감한 농업분야에서 최근 겨울철 이상난동 현상으로 과실류의 개화시기는 앞당겨지고 있으며, 늦서리에 의한 꽃눈의 피해는 지속적으로 발생하고 있다. 본 연구에서는 꽃눈이 늦가을부터 휴면에 진입하여 추운 겨울을 지나 싹이 트고 꽃이 피는 봄까지 경과 기온의 양상이 식물의 개화반응에 어떤 영향을 미치는지 살펴보고자 하였다. 이를 위해 남한에서 주로 활용되고 있는 개화예측모델을 대상으로 최근 3년간 8개 지점에서 관측된 기온 자료를 확보하여 신고 배의 내생휴면 해제를 위해 필요한 냉각량과, 휴면타파 이후 개화까지 요구되는 가온량의 일정기간 누적값을 모델별로 각각 비교하고, 객관적으로 평가할 수 있는 관측 만개일 정보를 수집하여 지역별 모델 예측력을 평가하였다. 변동계수로 살펴본 냉각량 계산에 대한 모델별 성능은 mDVR 모델에서 8.4%로 가장 안정적인 것으로 확인되었고, 휴면해제 이후 개화에 도달하기까지 필요한 가온량에 대한 모델별 변동계수는 CD 모델이 17.5%로 낮은 편이었다. 2018년부터 2020년까지 3년간의 신고 배의 만개기 관측날짜로부터 평가한 DVR 모델, mDVR 모델, CD 모델의 만개기 예측력은 mDVR 모델의 정확도가 가장 높은 것으로 나타났고, DVR 모델이 전반적으로 좋지 않았다. 특히 울주나 사천 등 기온이 온난한 남부 해안지역에서 오차가 큰 경향이었으며, 예년에 비해 겨울철 기온이 유난히 따뜻했던 2019-2020년은 이천을 제외한 모든 지점에서 실제 개화일보다 빠르게 예측하는 결과를 보였다.
본 연구에서는 행성간 탐사선의 정밀궤도결정에 필수적인 심우주 추적망(Deep Space Network, DSN) 관측모델을 개발하였다. DSN 관측모델은 DSN 관측시 발생하는 오차를 모델링하여 실제 DSN 관측값과 동일한 관측값을 생성하는 역할을 수행한다. 본 연구의 목적은 행성간 탐사선 정밀궤도결정 과정의 일환인 DSN 관측모델을 개발하는 것이다. DSN 관측모델에는 대류층, 이온층과 안테나 옵셋 오차 모델을 포함시켰으며 임무에 따라 변하는 파라미터 값도 적용하였다. 또한 DSN 관측모델을 3개의 DSN 지상국에서 방위각-고도 마운트를 사용하는 모든 안테나에 대해 구현하였다. 고려한 오차모델의 결과값과 JPL 결과값을 비교해 본 결과, 모든 오차모델 값이 JPL에서 제시한 허용오차 범위인 $10\%$ 내에 있음을 확인하였다. 오차모델과 파라미터를 고려하여 실제 관측과 동일한 DSN 관측값을 생성하였으며, 이를 통해 본 연구에서 개발된 관측모델이 향후 우리 나라 행성간 탐사 임무시 정밀궤도 결정을 위한 관측모델로 활용 가능함을 확인하였다.
적대적 생성 신경망 기반의 딥러닝 모델은 학습된 정보를 바탕으로 새로운 정보를 생성하는데 특화되어 있다. 구글 딥마인드에서 개발한 deep generative model of rain (DGMR) 모델은 대규모 레이더 이미지 데이터의 복잡한 패턴과 관계를 학습하여, 예측 레이더 이미지를 생성하는 적대적 생성 신경망 모델이다. 본 연구에서는 환경부 레이더 강우관측자료를 이용하여 DGMR 모델을 학습하고, 2021년 8월 호우사례를 대상으로 적대적 생성 신경망을 이용하여 강우예측을 수행하고 기존 예측기법들과 정확도를 비교하였다. DGMR은 대체적으로 선행 60분까지는 강우 분포 위치가 관측강우와 가장 유사하였으나, 전체 영역에서 강한 강우가 발생한 사례에서는 강우가 지속적으로 발달하는 것으로 예측하는 경향이 있었다. 통계적 평가에서도 DGMR 기법이 1시간 선행예측에서 임계성공지수 0.57~0.79, 평균절대오차 0.57~1.36 mm로 나타나 타 기법 대비 효과적인 강우예측 기법임을 보여주었다. 다만, 생성 결과의 다양성이 부족한 경우가 발생하여 예측 정확도를 저하하므로 다양성을 개선하기 위한 연구와 2시간 이상의 선행예측에 대한 정확도 개선을 위해 물리기반 수치예보모델 예측강우 자료를 이용한 보완이 필요할 것으로 판단되었다.
관측밀도가 낮고 지형이 복잡한 산악지역을 대상으로 낮 시간대 기온의 경시변화를 기존의 방법으로 내삽할 경우 일사수광량의 불균일한 분포 때문에 심각한 추정오차가 발생할 수 있다. 이를 해결하기 위해 기존의 기온감율을 고려한 거리역산가중 내삽모형에 일사수광량 보정항을 추가하고 오차경감 정도를 평가하였다. 강원도 평창군 일대 14km$\times$22km 지역을 10m 해상도의 수치고도모형으로 표현하고, 각 격자점에 대해 태양과 지표면 사이의 기하학적 관계를 바탕으로 시간대별 실제 일사 수광량을 직달, 산란, 반사 등 성분별로 계산하였다. 수평면 일사량과의 편차를 산출한 다음 이 지역에서 경험적으로 얻은 일사-기온 변환당량을 적용하여 보정값을 얻었다. 기존의 방법에 의해 내삽된 기온값에 이 보정값을 적용하여 대상지역 전역의 기온분포도를 작성하였다. 대상 지역 내 경사향이 서로 다른 8개 지점에서 기온을 측정하여 기온분포도와 비교한 결과 추정오차가 크게 줄어들었음을 확인할 수 있었다.
본 연구에서는 2015년에서 2017년 사이에 유럽항공우주국 Sentinel-1 위성이 촬영한 Synthetic Aperture Radar (SAR) 영상을 활용하여 한강 유역 내 하천의 유량을 추정하는 모형을 개발하였다. 한강 유역 내 15개 중소규모 하천을 연구지역으로 선정하였으며 SAR 인공위성 영상 자료와 수위 및 유량관측소에서 산정한 유량 자료를 모형 구축을 위하여 사용하였다. 우선, 오류 보정을 위해 다양한 전처리 과정을 거친 12장의 SAR 영상을 히스토그램 매칭 기법을 적용하여 이미지의 밝기 분포를 동일하게 만들었다. 이후 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상 관측유량자료와의 관계식을 도출하여 유량추정모형을 구축하였다. 그 결과, 1개소를 제외한 14개 관측소에서 인공위성에서 추출한 하천 면적을 입력 자료로 하는 멱함수 형태의 유량추정모형을 구축할 수 있었다. 14개 관측소의 최소, 평균, 최대 결정 계수($R^2$)는 0.3, 0.8, 0.99로 나타났다.
GNSS를 이용한 가강수량 복원에 있어서 가중 평균 기온과 더불어 천정 건조 지연 모델은 가강수량의 정확도에 중요한 매개변수 중 하나이다. 천정 습윤 지연은 천정 건조 지연 모델의 오차가 축적되는 경향을 가지고 있으므로, 천정 건조 지연의 편의량은 GNSS 가강수량의 정확도에 영향을 미치게 된다. 본 연구에서는 Saastamoinen, Hopfield 및 Black의 세 가지 천정 건조 지연 모델을 이용하여 GNSS 가강수량을 산출하고 라디오존데 가강수량과의 정확도를 비교하였다. 그리고 이 과정에서 가강수량 산출에 필요한 가중 평균 기온을 한국형 가중 평균 기온 모델과 라디오존데로부터 실제로 관측한 가중 평균 기온을 각각 적용하여 다르게 평가하였다. 이를 위해 국내 상시관측소 5개소의 1년 분량의 GNSS 관측데이터를 취득한 후 천정 건조 지연 모델별로 가강수량을 산출하고 정밀도를 분석하였다. 분석 결과, 한국형 가중 평균 기온 모델에 기반하여 복원한 GNSS 가강수량이 라디오존데의 가중 평균 기온을 적용한 것보다 편의량이 작은 것으로 확인되었다. 또한, GNSS 기상에서 널리 적용하고 있는 Saastamoinen 모델은 우리나라 관측소의 위도나 고도에 의한 편의량이 발생하여 가장 유효한 모델이 아닐 가능성이 있음을 확인하였다.
This study evaluates the predictability of the number of days of heat and cold damages by growth stages of rice in South Korea using the hindcast data (1986~2020) produced by Pusan National University Coupled General Circulation Model-Weather Research and Forecasting (PNU CGCM-WRF) model chain. The predictability is accessed in terms of Root Mean Square Error (RMSE), Normalized Standardized Deviations (NSD), Hit Rate (HR) and Heidke Skill Score (HSS). For the purpose, the model predictability to produce the daily maximum and minimum temperatures, which are the variables used to define heat and cold damages for rice, are evaluated first. The result shows that most of the predictions starting the initial conditions from January to May (01RUN to 05RUN) have reasonable predictability, although it varies to some extent depending on the month at which integration starts. In particular, the ensemble average of 01RUN to 05RUN with equal weighting (ENS) has more reasonable predictability (RMSE is in the range of 1.2~2.6℃ and NSD is about 1.0) than individual RUNs. Accordingly, the regional patterns and characteristics of the predicted damages for rice due to excessive high- and low-temperatures are well captured by the model chain when compared with observation, particularly in regions where the damages occur frequently, in spite that hindcasted data somewhat overestimate the damages in terms of number of occurrence days. In ENS, the HR and HSS for heat (cold) damages in rice is in the ranges of 0.44~0.84 and 0.05~0.13 (0.58~0.81 and -0.01~0.10) by growth stage. Overall, it is concluded that the PNU CGCM-WRF chain of 01RUN~05RUN and ENS has reasonable capability to predict the heat and cold damages for rice in South Korea.
최근 한반도 주역 해역의 수온이 꾸준히 증가하고 있다. 수온변화는 어업생태계에 영향을 미칠 뿐만 아니라 해양에서의 군사작전과도 밀접히 연관되어 있다. 본 연구는 딥러닝 기술을 기반으로 하는 다양한 예측모델을 통해 단기간 수온예측을 시도함으로써 어떠한 모델이 수온예측분야에 더욱 적합한지를 제시하는 것에 목적을 두었다. 예측을 위해 사용한 데이터는 국립수산과학원에서 해양 관측부이를 통해 관측한 2016년부터 2020년까지 동해 지역(고성, 양양, 강릉, 영덕)의 수온 데이터이다. 또한 예측을 위한 모델로는 시계열 데이터 예측에 우수한 성능을 보이는 Long Short-Term Memory (LSTM), Bidirectional LSTM 그리고 Gated Recurrent Unit (GRU) 기법을 사용하였다. 기존 연구가 LSTM만을 활용하였던데 반해 이번 연구에서는 LSTM 외에 다양한 기법을 적용함으로써 각 기법의 예측 정확도와 수행시간을 비교하였다. 연구결과, 1시간 예측을 기준으로 모든 관측지점에서 Bidirectional LSTM과 GRU 기법이 실제값과 예측값의 오차가 가장 적은 것으로 확인되었으며, 학습시간에 있어서는 GRU가 가장 빠른 것으로 확인되었다. 이를 통해, 예측 오차를 줄이면서 정확도를 향상하기 위한 수온예측에는 Bidirectional LSTM을 활용하고 대잠작전처럼 정확도 외에 실시간 예측이 필요한 분야에 있어서는 GRU 기법을 활용하는 방안이 더욱 적절할 것으로 판단된다.
수중무선통신시스템은 AUV간 수중 무선통신, 해양환경 모니터링, 양식장 관리, 항만 감시, 자원 탐사 및 개발, 지형 및 지질 조사 등 다양한 산업에 활용 가능하다. 하지만 수중 무선 통신은 지상 무선 통신과는 달리 물이 가지고 있는 매질의 특성때문에 전력손실, 주위 잡음 및 인위 잡음, 멀티패스 등으로 인한 높은 에러율 그리고 긴 전송지연 등과 같은 요소들을 고려하여야 한다. 따라서 본 논문에서는 ALOHA 기반의 Media Access Control(MAC) 프로토콜과 CSMA/CA 기반의 MAC 프로토콜을 혼합하여 수중 환경에 적합한 MAC 프로토콜을 제안한다. 성능을 평가하기 위해 수학적 분석 모델을 제시하고, 구현을 통해 기존 MAC 프로토콜과 비교함으로써 성능의 개선점을 검증한다.
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.