• 자원환경지질
• /
• 제56권3호
• /
• pp.331-341
• /
• 2023

지구통계 기법을 기반으로 토양오염지도를 작성하는 경우 예측 오차가 발생하며 이에 영향을 미치는 다양한 원인이 존재한다. 본 연구에서는 정규 크리깅을 활용하여 폐광산지역의 토양 내 중금속 농도 샘플링 데이터로부터 격자형 기반의 토양오염지도를 작성하였다. 해당 지도의 예측 오차에 영향을 미친다고 판단된 5개 인자를 선정하고, Leave-one-out 기법을 기반으로 인자의 옵션과 설정값의 변화에 따른 예측값과 실측값 간의 평균제곱근오차(root mean square error, RMSE) 변화를 분석하였다. 이후 머신러닝 알고리즘을 이용하여 RMSE에 영향을 미치는 상위 3개 인자를 도출하였다. 그 결과, Standard interpolation에서는 Variogram Model, Minimum Neighbors, Anisotropy 인자가 RMSE에 가장 큰 영향을 미치는 것으로 분석되었다. 베리오그램 모델에서는 Spherical 모델이 가장 낮은 RMSE를 보였으며, Minimum Neighbors는 3에서 최젓값을 보인 후 값이 증가함에 따라 증가하였다. Anisotropy의 경우 이방성을 고려하지 않는 것이 더 적합한 것으로 나타났다. 본 연구에서는 지구통계와 머신러닝의 복합 활용을 통해 지역 규모에서 높은 신뢰성을 갖는 토양오염지도를 작성할 수 있었고, 적은 수의 토양 샘플링 데이터의 보간 작업 시 어떠한 요인들이 큰 영향을 미치는지 파악할 수 있었다.

• 대한공간정보학회지
• /
• 제22권4호
• /
• pp.91-97
• /
• 2014

본 연구에서는 건축물의 구조적 다양성에 따른 토털스테이션 측량과 GPS 측량의 어려움을 보완하고, 무 프리즘 토털스테이션 측량의 건물 재질에 따른 오차 문제를 보완할 수 있는 측량으로 반사시트 토털스테이션 방법을 이용한 건축물 경계 측량의 정확도를 분석하여 지적재조사 측량에서의 활용가능성을 평가하고자 한다. 반사시트 타깃을 거리에 따른 반사각도별로 실험한 결과, 반사각도가 $90^{\circ}$에서는 RMSE가 1.2mm에서 2.8mm로, $60^{\circ}$에서는 2.2mm에서 4.0mm로, $30^{\circ}$에서는 2.5mm에서 4.4mm로 분석되었다. 그리고 실제 건축물의 경계측량을 실험 해본 결과 기존 프리즘과 반사시트 타깃과의 오차는 X축의 RMSE가 0.043m, Y축의 RMSE가 0.038m로 나타났다. 이러한 오차의 발생 원인은 프리즘 소자 뭉치를 건축물의 모서리에 정확히 부착하지 못하는데서 일어나는 오차로 판단된다. 따라서 지적재조사 측량에서 건축물의 경계를 측정할 때 반사시트 타깃을 동시에 활용한다면 건축물의 구조적 문제로 인한 시준의 한계 및 오차 발생에 있어서 상당한 도움이 될 것으로 판단된다.

• 한국측량학회지
• /
• 제29권2호
• /
• pp.133-139
• /
• 2011

산림의 바이오매스 탄소저장량을 추정하는 것은 산림의 공익적인 가치를 평가하기 위해 선행되어야 하는 연구이다. 하지만 기존의 바이오매스 탄소저장량 추정에 관한 연구는 대부분 결정론적 모델이 사용되어 오차에 의한 영향을 알 수 없다는 한계를 가진다. 본 연구에서는 단양군의 지상부 바이오매스 탄소저장량 추정의 경우를 대상으로 몬테카를로 시뮬레이션을 통해 위치 오차에 의한 추정오차의 영향을 분석하고자 하였다. 기본적인 추정 방법으로는 kNN 알고리즘이 사용되었으며, 표본점의 위치에 우연오차 및 계통오차를 추가하여 RMSE의 변화를 통해 추정오차에 미치는 영향을 분석하였다. 분석결과 일반적인 위성영상에서 발생 할 수 있는 0.5~1 영상소의 위치오차에 의해 추정의 평균 RMSE가 24.8 tonC/ha에서 26 tonC/ha로 증가하는 것으로 확인되었으며, 추정 오차의 범위는 23.8 tonC/ha에서 28.1 tonC/ha로 나타났다. 하지만， 대상지역의 특성에 의해 0.8 영상소 이상의 우연오차에 대해서는 더 이상의 RMSE 증가가 없이 수렴하는 것으로 확인되었다. 방향을 고려한 계통오차에 대한분석의 경우 실험자료에서 특정한 경향은 발견되지 않았다.

• 대한공간정보학회지
• /
• 제23권4호
• /
• pp.43-48
• /
• 2015

본 논문은 DGNSS(Differential GNSS) 위치정확도 향상을 위한 PRC(Pseudo-Range Correction) 보정정보 모델링에 관한 연구내용이다. PRC는 DGNSS 기법을 이용하여 측위정확도를 향상시키기 위해 사용되는 보정정보로써 사용자가 통신망을 통해 수신한 뒤 사용된다. 그러나 일시적인 통신두절이나 신호간섭 등으로 인해 위치정확도가 급격히 저하되는 일이 발생한다. 그래서 본 논문에서는 이러한 현상을 방지하기 위해 PRC 보정정보를 다항식 곡선접합 방정식을 이용하여 모델링하고 그 정확도를 평가하였다. 모델링 매개변수를 이용하여 계산한 PRC 추정값과 실제 기준국 수신기에서 생산되는 관측값간의 차이를 계산한 결과 GPS의 경우에는 평균 0.1m, RMSE는 1.3m로 나타났고 대부분의 위성들이 ${\pm}1.0m$ 이내의 편향오차와 3.0m 이내의 RMSE를 보였다. GLONASS의 경우에는 평균 0.2m이고 대부분 ${\pm}2.0m$ 이내에 분포하였다. RMSE는 2.6m로 나타났고 다수의 위성들이 3.0m 이내에 분포하였다. 이런 결과는 모델링을 통해 산출한 추정값이 사용자의 위치정확도를 유지하는데 유효하게 사용될 수 있음을 보였다. 그러나 고도각이 낮은 영역에서 두 값의 차이가 크게 나타나 이에 대한 연구를 추가적으로 수행할 필요성이 있다.

• 한국지리정보학회지
• /
• 제11권4호
• /
• pp.139-149
• /
• 2008

도로를 통과하는 차량하중 및 통행량의 증가로 인해 발생하는 하중효과는 교량에 급격한 손상을 유발시키기 때문에 교량의 유지관리차원에서 심각한 문제로 대두되고 있다. 그중 신축이음부는 차량의 주행을 원활하게 해주면서 주형에 유해한 응력이나 부가 하중이 최소화되도록 해주는 것이 가장 중요한 부분이다. 그러나 신축이음부는 향시 차량이 지나감으로 신축량을 측정하기란 매우 어려운 실정이다. 따라서, 신축이음부를 영상을 이용하여 신축량을 추출하면 정량적이고, 정성적인 유지관리를 할 수 있음을 알 수 있었다. 영상을 이용하여 량신축이음부에 대한 3차원 좌표를 취득할 수 있었으며, A지역 32개소과 B지역 28개소에 있어서 검사점(Check Point)의 잔차에 대한 RMSE를 산정한 결과 A,B지역 모두 RMSE는 0.829mm~1.680mm의 매우 양호한 결과가 나타났다. 영상에 의해서 추출한 신축량과 실측값과 비교분석한 결과, A지역 RMSE는 0.64mm, B지역 RMSE는 0.28mm로 분석하였으며, A지역 평균잔차는 0.60%, B지역평균잔차는 0.27%로 나타났다. 또한, 향후 교량의 유지관리시 신축량을 측정은 영상을 이용하여 측정하므로서 과거에 비해 과학적이고, 효율적인 방법으로 판단된다.

• 대한원격탐사학회지
• /
• 제30권5호
• /
• pp.571-586
• /
• 2014

Moderate Resolution Imaging Spectroradiometer(MODIS)로부터 산출된 기온과 이슬점 온도프로파일 자료는 5 km의 공간해상도로 연속적으로 지상을 감시하고 있으며, 2012년부터 기존의 산출 알고리즘(Collection 5, C005)을 개선한 Collection 6(C006) MODIS07_L2 대기프로파일 자료를 생산하고 있다. 이 연구에서는 두 가지 버전의 알고리즘으로 산출된 Aqua MODIS07_L2(MYD07_L2) 대기 프로파일 자료로부터 획득한 기온과 이슬점 온도에 대한 신뢰도를 평가하는 것으로, 전국 77 개소 정규기상관측지점을 대상으로 하였다. 또한 기온과 이슬점 온도를 이용하여 대기수증기압을 추정하여 미기상인자 산출에 대한 MYD07_L2의 적용 가능성을 살펴보았다. C006 기온은 지상 관측 자료와 비교에서 C005 기온의 오차(ME = -1.89 K, RMSE = 4.06 K)보다 개선된 결과를 보였다(ME = -0.76 K, RMSE = 3.34 K). 한편, 이슬점 온도의 경우에는 C006이 C005의 오차(ME = -0.39 K, RMSE = 5.65 K)보다 크게 나타났다. MYD07_L2 산출 고도와 지상 관측지점 간에 발생할 수 있는 고도 차이를 보정하기 위해 대기기온감률 방법을 적용한 결과, 기온의 경우 C005와 C006에서 모두 개선 효과를 확인할 수 있었지만, 이슬점 온도의 경우에는 C006에서 오차가 소폭 증가하였다(1.4%). 두 가지 버전의 MYD07_L2 자료를 이용하여 대기수증기압을 추정한 결과, C006 자료를 이용하였을 때 다소 개선된 결과를 보였다. 이 연구를 통해 한국에 대한 C006 MYD07_L2 산출물 중 기온의 신뢰도가 전반적으로 개선되었음을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.497-505
• /
• 2018

대형폐기물량을 산정해야 하는 상황에서 드론을 이용하여 폐기물의 3차원 모형을 구축하여 폐기물의 정량적인 양을 산출할 수 있다. 필요에 따라서 단시간에 폐기물량을 산정해야 하는 경우가 있다. 본 연구에서는 다양한 비행변수와 지상기준점 측량을 통해 드론 기반의 3차원 모형을 구축하고 정확도와 소요되는 시간의 관계를 분석하였으며 단시간에 폐기물량 산정을 위한 적절한 드론 활용 기법을 도출하고자 하였다. 드론을 이용하여 폐기물의 영상을 촬영하여 자동정합하고 3차원 좌표를 가지는 모형을 생성하였다. 3차원 모형의 정확도는 RMSE(Root Mean Square Error) 계산을 통해 평가하였다. 총 49개 모형의 RMSE는 최고 0.08부터 최저 124.75로 나타났다. 정확도가 높은 상위 15개 모형의 소요시간과 그 특성을 분석한 결과, RMSE가 0.08로 영상의 정확도가 가장 높은 1번 모형의 소요시간이 954.87분으로 나타났다. 또한 소요시간이 98.27분으로 가장 짧은 10번 3차원 모형의 RMSE는 0.15로써 정확도가 가장 높은 모형과 큰 차이가 없음을 확인하였다. 가장 효율적인 드론 비행변수는 비행고도 150m에서 높은 촬영중복도(종중복도 60-70%, 횡중복도 30-40%)이며 영상정합에 필요한 지상기준점 개수는 최소 10개 이상인 것으로 나타났다. 본 연구의 결과는 드론을 활용하여 신속하고 효율적인 폐기물량 산정하는데 기초자료로 활용될 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.120-120
• /
• 2021

2020년 8월 7일부터 8월 8일까지 호우는 용담댐, 섬진강댐, 합천댐 하류 유역의 막대한 침수피해를 일으켰다. 이들 다목적 댐 유입량의 신뢰도 높은 모의는 홍수기 댐 운영 및 하류하천의 홍수 해석에 필수다. 여기서는 일 유출 모의 기반으로 개발된 ONE 모형을 10분 단위, 1시간 단위로 적용한 결과를 제시하고자 한다. 보통 홍수모의는 사상별로 실시하지만, 여기서는 1월1일부터 12월 31일까지 연속으로 모의한 결과에서 해당 홍수사상 결과를 제시하였다. 3개 다목적 댐의 홍수사상은 8월6일부터 8월 10일까지 5일간으로 설정하였다. 유역면적은 용담댐, 섬진강댐, 합천댐, 각각 930km², 763km², 925km², 총강우량은 각각 490.7mm, 451.9mm, 452.4mm, 첨두유입량은 10분 단위는 각각 4,872.7m³/s, 3,533.7.0m³/s, 2,776.0m³/s, 1시간 단위는 각각 4,394.9m³/s, 3,401.8m³/s, 2,745.6m³/s, 총유입량은 각각 3억8,836만m³, 3억1,324만m³, 3억2,816만m³였다. 첨두유입량 상대오차가 0일 때의 매개변수로 모의한 결과를 제시하며, 총유입량 상대오차(Vq), R², RMSE, NSE 등으로 평가하였다. 용담댐 결과는 10분 단위 경우 최대면적강우량 7.3mm, 첨두유입량 4,872.4m³/s, 총유입량 3억 8,138만m³, Vq 1.9%, R² 0.968, RMSE 207.347, NSE 0.978였고, 1시간의 경우 최대면적강우량 29.6mm, 첨두유입량 4394.9m³/s, 총유입량 4억157만m³, Vq -8.4%, R² 0.970, RMSE 186.962, NSE 0.982였다. 섬진강댐 결과는 10분 단위 경우 최대면적강우량 9.2mm, 첨두유입량 3,533.3m³/s, 총유입량 2억7,223만m³, Vq 18.4%, R² 0.885, RMSE 808.296, NSE 0.925였고, 1시간의 경우 최대 면적강우량 37.9mm, 첨두유입량 3401.6m³/s, 총유입량 2억7,029만m³, Vq 13.7%, R² 0.907, RMSE 285.544, NSE 0.936였다. 합천댐 결과는 10분 단위 경우 최대면적강우량 5.5mm, 첨두유입량 2,776.2m³/s, 총유입량 3억3,667만m³, Vq -2.7%, R² 0.941, RMSE 191.896, NSE 0.965였고, 1시간의 경우 최대면적강우량 17.0mm, 첨두유입량 2,746.7m³/s, 총유입량 3억1,333만m³, Vq 4.5%, R² 0.965, RMSE 140.739, NSE 0.981였다. 이상 ONE 모형으로 10분, 1시간 단위의 댐 홍수 유입량 모의결과는 높은 신뢰도를 나타냈다.

• 한국환경과학회지
• /
• 제18권9호
• /
• pp.1045-1055
• /
• 2009

The discharge within the basin in Jeju Island was calculated by using SWAT model, which a Semi-distributed rainfall-runoff model to the important rivers. The basin of Chunmi river of the eastern region of Jeju Island, as the result of correcting as utilizing direct runoff data of 2 surveys, appeared the similar value to the existing basin average runoff rate as 22% of average direct runoff rate for the applied period. The basin of Oaedo river of the northern region showed $R^2$ of 0.93, RMSE of 14.92 and ME of 0.70 as the result of correcting as utilizing runoff data in the occurrence of 7 rainfalls. The basin of Ongpo river of the western region showed $R^2$ of 0.86, RMSE of 0.62 and ME of 0.56 as the result of correcting as utilizing runoff data except for the period of flood in $2002{\sim}2003$. Yeonoae river of the southern region showed $R^2$ of 0.85, RMSE of 0.99 and ME of 0.83 as the result of correcting as utilizing runoff data of 2003. As the result of calculating runoff for the long term about 4 basins of Jeju Island from the above results, SWAT model wholly appears the excellent results about the long-term daily runoff simulation.

• Journal of Biosystems Engineering
• /
• 제37권5호
• /
• pp.319-326
• /
• 2012

Purpose: Cheese texture is an important sensory attribute mainly considered for consumers' acceptance. The feasibility of nondestructive measurements of cheese texture was explored using non-contact ultrasonic sensors. Methods: A novel non-contact air instability compensation ultrasonic technique was used for five varieties of hard cheeses to measure ultrasonic parameters, such as velocity and attenuation coefficient. Five texture properties, such as fracturability, hardness, springiness, cohesiveness, and chewiness were assessed by a texture profile analysis (TPA) and correlated with the ultrasonic parameters. Results: Texture properties of five varieties of hard cheese were estimated using ultrasonic parameters with regression analysis models. The most effective model predicted the fracturability, hardness, springiness, and chewiness, with the determination coefficients of 0.946 (RMSE = 21.82 N), 0.944 (RMSE = 63.46 N), 0.797 (RMSE = 0.06 ratio), and 0.833 (RMSE = 17.49 N), respectively. Conclusions: This study demonstrated that the non-contact air instability compensation ultrasonic sensing technique can be an effective tool for rapid and non-destructive determination of cheese texture.