• 환경영향평가
• /
• 제18권1호
• /
• pp.31-39
• /
• 2009

A lot of data which are used in environment analysis of air pollution have characteristics that are distributed continuously in space. In this point, the collected data value such as precipitation, temperature, altitude, pollution density, PM10 have spatial aspect. When geostatistical data analysis are needed, acquisition of the value in every point is the best way, however, it is impossible because of the costs and time. Therefore, it is necessary to estimate the unknown values at unsampled locations based on observations. In this study, spatial interpolation method such as local trend surface model, IDW(inverse distance weighted), RBF(radial basis function), Kriging were applied to PM10 annual average concentration of Seoul in 2005 and the accuracy was evaluated. For evaluation of interpolation accuracy, range of estimated value, RMSE, average error were analyzed with observation data. The Kriging and RBF methods had the higher accuracy than others.

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.795-805
• /
• 2021

본 연구는 소양강댐 유역을 대상으로 LSTM 기반의 일유출량 추정 딥러닝 모형을 개발한 후, 모형구조 및 입력자료의 다양한 조합에 대한 모형의 정확도를 살폈다. 첫 12년(1997.1.1-2008.12.31) 동안의 유역평균 일강수량, 일기온, 일풍속 (이상 입력), 일평균 유량 (출력)으로 이루어진 데이터베이스를 기반으로 모형을 구축하였으며, 이후 12년(2009.1.1-2020.12.31) 동안의 자료를 사용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)와 RMSE를 살폈다. 가장 높은 정확도를 보인 조합은 64개의 은닉유닛을 가진 LSTM 모형 구조에 가능한 모든 입력자료(12년치의 일강수량, 일기온, 일풍속)를 활용한 경우로서 검증기간의 NSE와 RMSE는 각각 0.862와 76.8 m³/s를 기록하였다. LSTM의 은닉유닛이500개를 초과하는 경우 과적합으로 인한 모형의 성능 저하가 나타나기 시작했으며, 1000개를 초과하는 경우 과적합 문제가 두드러졌다. 12년치의 일강수만 입력자료로 활용한 경우에도 매우 높은 성능(NSE=0.8~0.84)의 모형이 구축되었으며, 한 해의 자료만을 활용하여 학습한 경우에도 충분히 활용 가능한 정확도(NSE=0.63~0.85)를 가진 모형을 구축할 수 있었다. 특히 유량의 변동성이 큰 한 해의 자료만을 활용하여 모형을 학습한 경우 매우 높은 정확도(NSE=0.85)의 모형이 구축되었다. 학습자료가 중유량과 양극한의 유량을 모두 포함한 경우라면 5년 이상의 입력자료는 모형의 성능을 크게 개선시키지 못했다.

• 한국지구과학회지
• /
• 제36권4호
• /
• pp.330-340
• /
• 2015

본 연구에서는 CCD 카메라가 장착된 Skyviewer로부터 촬영된 하늘 영상 자료를 이용하여 전운량을 산출하는 알고리즘을 개발하였다. 전운량 산출은 RGB 영상 내의 차폐 영역을 제거하고 GBR 빈도분포에 따른 영상을 분류하며, RBR 경계값을 결정하여 구름 화소를 분류한다. 분류된 구름 화소에서 태양광 영역을 제거한 후 유효성 검사를 통해 전운량을 산출하게 된다. 전운량 산출 알고리즘의 정확성을 검증하기 위하여 관측소와 가장 가까운 강원지방기상청의 목측 전운량 자료와 편이(Bias), 평균제곱근오차(RMSE), 상관계수를 분석하였다. 선정된 사례는 계절별 일 사례로 8시부터 17시까지의 정시 자료를 사용하였다. 분석 결과 Skyviewer로부터 산출된 전운량의 편이는 평균적으로 -0.8할의 차이를 보였으며, 평균제곱근오차는 1.6할로 전운량의 차이가 2할 내에서 나타나고 있었다. 또한, 두 관측소는 떨어진 거리의 차이가 있음(약 4 km)에도 불구하고 상관계수가 모든 사례에서 평균 0.91 이상으로 매우 높았다.

• 대기
• /
• 제24권3호
• /
• pp.433-444
• /
• 2014

Although the Radar-AWS Rainrate (RAR) calculation system operated by Korea Meteorological Administration estimated precipitation using 2-dimensional composite components of single polarization radars, this system has several limitations in estimating the precipitation accurately. To to overcome limitations of the RAR system, the Korea Meteorological Administration developed and operated the RMQ (Radar-based Multi-sensor Quantitative Precipitation Estimation) system, the improved version of NMQ (National Mosaic and Multi-sensor Quantitative Precipitation Estimation) system of NSSL (National Severe Storms Laboratory) for the Korean Peninsula. This study introduced the RMQ system domestically for the first time and verified the precipitation estimation performance of the RMQ system. The RMQ system consists of 4 main parts as the process of handling the single radar data, merging 3D reflectivity, QPE, and displaying result images. The first process (handling of the single radar data) has the pre-process of a radar data (transformation of data format and quality control), the production of a vertical profile of reflectivity and the correction of bright-band, and the conduction of hydrid scan reflectivity. The next process (merger of 3D reflectivity) produces the 3D composite reflectivity field after correcting the quality controlled single radar reflectivity. The QPE process classifies the precipitation types using multi-sensor information and estimates quantitative precipitation using several Z-R relationships which are proper for precipitation types. This process also corrects the precipitation using the AWS position with local gauge correction technique. The last process displays the final results transformed into images in the web-site. This study also estimated the accuracy of the RMQ system with five events in 2012 summer season and compared the results of the RAR (Radar-AWS Rainrate) and RMQ systems. The RMQ system ($2.36mm\;hr^{-1}$ in RMSE on average) is superior to the RAR system ($8.33mm\;hr^{-1}$ in RMSE) and improved by 73.25% in RMSE and 25.56% in correlation coefficient on average. The precipitation composite field images produced by the RMQ system are almost identical to the AWS (Automatic Weather Statioin) images. Therefore, the RMQ system has contributed to improve the accuracy of precipitation estimation using weather radars and operation of the RMQ system in the work field in future enables to cope with the extreme weather conditions actively.

• 한국정보통신학회논문지
• /
• 제13권4호
• /
• pp.765-773
• /
• 2009

최근의 텔레매틱스 교통정보제공서비스는 지능형 교통시스템의 구축을 통한 실시간 교통정보 수집이 가능해짐에 따라 다양해지고 있다. 본 논문에서는 고품질의 다양한 교통정보제공을 위해 필요한 미래시간에 대한 단기 교통정보 예측 모델을 제안하고 개발하였다. 단기 예측 모델은 현재로부터 가까운 미래의 교통 상황을 예측하기 위한 교통 모델로 본 연구에서 제안한 예측 모델은 각 도로에 대하여 5분 이후부터 1시간 이전까지의 미래시간에 대한 차량 평균 속도를 예측 결과로 준다. 본 연구에서 제안한 예측 모델은 베이지안 네트워크에 기반을 두고 있으며 각 도로의 미래시간 교통상황에 영향을 줄 수 있는 요인들을 분석하여 베이지안 네트워크의 원인노드로 설정하였다. 설계된 베이지안 네트워크에 대하여 실시간 교통정보데이터를 이용하여 가우시안 혼합 분포를 가정한 베이지안 네트워크의 결합 확률 밀도 함수를 EM(Expectation Maximization) 알고리즘으로 구하여 미래시간의 교통정보를 예측하였다. 예측 모델의 정확도 검증을 위해 실시간 교통데이터로 다양한 실험을 수행하였다. 실험결과 제안된 모델은 현재 시간으로부터 10분 이후, 30분 이후, 60분 이후 예측 오차로 각각 4.5, 4.8, 5.2의 RMSE(Root Mean Square Error) 값을 주었다.

• 한국해양환경ㆍ에너지학회지
• /
• 제14권2호
• /
• pp.107-113
• /
• 2011

해수유동모델의 검증 및 평가를 위해 적용되는 또는 적용가능한 10종류의 모델 오차평가방법 - 네가지의 정량적 평가방법(절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 백분율모델오차)과 여섯가지의 정성적 평가방법(상관계수, 신뢰지수, 일치지수, 모델효율성, 비용함수, 잔여량계수) - 을 소개하고, 실제 조위, 유속, 염분관측치와 3차원 곡선형 모델(CH3D)에서 구해진 플로리다 하구에서의 수치해에 이들 모델 오차평가방법들을 적용하였다. 조위 및 유속평가시 절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 상관계수, 일치지수, 모델효율성, 비용함수, 잔여량계수 등이 적합하였다. 그리고 염분평가시 절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 백분율모델오차, 상관계수, 신뢰지수, 비용함수, 잔여량계수 등의 사용이 타당하였다. 정량/정성적 평가방법들이 서로 유사한 평가경향을 보여 줌으로써, 상호간의 신뢰성도 보여 주었다. 다양한 모델 오차평가방법을 통하여 계산된 평가값을 토대로, 본 연구에서는 조위, 유속, 염분이 잘 재현된 해수유동모델의 평가범위를 제시하였다. 조위의 경우 상대적 절대평균 오차는 10%이내, 상관계수는 0.95이상, 일치지수는 0.98이상, 모델효율성은 0.93이상, 비용함수는 0.21이내이며, 유속의 경우 상대적 절대평균오차는 20%이내, 상관계수는 0.7이상, 일치지수는 0.8이상, 모델효율성은 0.5이상, 비용 함수는 0.5이내이며, 염분의 경우 상대적 절대평균오차와 백분율모델오차는 10%이내, 상관계수는 0.9이상, 신뢰지수는 1.15이내, 비용함수는 0.1이내 이다.

• 한국지리정보학회지
• /
• 제19권4호
• /
• pp.169-185
• /
• 2016

최근 임상도의 신규 속성으로 임분의 평균 수고인 임분고를 추가하기 시작하였으나 전국 940만개의 포인트를 스테레오 항공사진에서 수동 측정해야 하는 어려움이 예상된다. 아울러, 항공사진에서 수고 측정 시 임연부나 묘지 주변의 수고를 측정하기 쉬워 임분 대표성이 떨어지는 한계를 가지고 있다. 본 연구에서는 고해상도 스테레오 항공사진에서 추출한 영상 기반 3차원 점군과 FUSION S/W를 활용한 임분고 추정 방법을 제안하고 임분고를 자동 분석할 수 있는 모듈을 개발하였다. 스테레오 항공사진에서 수치표면모델 3차원 점군을 추출한 후 지면점 필터링을 거쳐 수치지면모델을 추출하고 이 두 모델을 차분하여 정규수치표면모델을 제작하였다. 정규수치표면모델에서 표본점별 개체목 수관을 육안판독한 후 수관별 최고점을 추출하여 정규수치표면모델 수고를 산출하였다. 표본점에서의 실측 수고와 정규수치표면모델 수고의 RMSE를 분석한 결과 전체 표본점 평균 수고의 RMSE는 0.96m로 나타났다. 대상지 전체의 개체목 수고를 추출하기 위해 FUSION S/W를 이용하여 항공사진의 정규수치표면모델에서 개체목 수고를 자동 추출하고 이를 임상도의 임분 폴리곤 단위로 평균하여 최종 임분고를 산출하였다. 마지막으로 임분고를 보다 손쉽게 분석할 수 있는 환경을 구현하기 위해 임분고 분석 프로세스를 ArcGIS add-in 모듈 형태로 자동화하였다.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.171-183
• /
• 2016

2013년부터 2014년까지 관측된 Landsat 8 위성자료로부터 지표면 온도를 산출하였고 산출된 지표면 온도는 지상에서 관측된 지표면 온도를 이용하여 보정하였다. 지표면 온도지도는 Landsat 8로부터 산출된 지표면 온도를 지상에서 관측된 지표면 온도와의 선형 회귀식을 이용하여 계산되었다. 계절과 년에 대한 지표면 온도는 각각 계절과 년에 대하여 사례들을 평균하여 계산되었다. 지표면 온도는 도시의 공업 또는 상업지역에서 높은 온도가 나타나는 반면, 서울주변의 높은 고도의 산악과 해양, 강 등에서 낮은 지표면 온도가 나타났다. 위성에서 산출된 지표면 온도를 보정하기 위하여 서울을 포함한 수도권지역에서 관측되는 기상청 종관측소 3개 지점 (서울(지점번호: 108), 인천(지점번호: 119), 수원(지점번호: 112))의 지표면 관측 자료를 이용하여 선형회귀방법을 적용하였다. Landsat 8의 지표면 온도는 모든 자료에서 기울기가 0.78이었고 5개의 흐린날을 제외한 맑은 상태의 자료에서 0.88이었다. 그리고 초기 지표면온도에서 상관계수는 0.88이었고 평방근 오차 (Root Mean Sqare Error (RMSE))는 $5.33^{\circ}C$이었다. 지표면 온도 보정이후에는 상관계수는 0.98 그리고 RMSE는 $2.34^{\circ}C$이었으며 회귀식의 기울기는 0.95로 개선되었다. 계절 및 년 지표면 온도는 상업지역과 공업지역 그리고 도시와 주변지역을 잘 표현하였다. 결과적으로 지상에서 관측된 지표면 온도를 이용하여 위성에서 산출된 지표면온도를 보정하였을 때 실제 상태와 유사한 분포를 보였다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.309-323
• /
• 2020

원격탐사를 이용한 연안 해역의 클로로필 농도 추정은 대부분 다분광 위성 영상 분석을 통해 수행되어 오고 있다. 최근에는 초분광 영상을 활용한 다양한 연구가 시도되고 있으며, 특히 항공기 기반 초분광 영상은 높은 공간 해상도로 좁은 밴드 폭을 가진 수백 개의 밴드로 구성되어 기존의 다분광 위성 영상을 통한 클로로필 추정보다 연안 해역에서 매우 효과적일 수 있다. 본 연구에서는 연안 해역의 클로로필 농도 추정을 위해 초분광 및 위성 기반 클로로필 영상을 비교 검증을 수행하였다. 한반도 남해안에서 수행된 현장조사로 획득된 클로로필 농도 자료와 해수 스펙트럼 자료를 분석한 결과, 높은 클로로필 농도를 갖는 해수 스펙트럼은 570 nm와 680 nm 파장대역 부근에서 peak를 보였다. 이러한 스펙트럼 특징을 활용하여 클로로필 농도 추정을 위한 새로운 밴드비(570 / 490 nm)가 제시되었고, 밴드비와 현장 클로로필 농도 간의 회귀 분석을 통해 새로운 클로로필 경험식이 생성되었다. 현장 클로로필 농도와의 검증 결과, R²의 0.70, RMSE와 mean bias가 각각 2.43와 3.46 mg m^-3으로 유효한 결과를 보였다. 새로운 경험식을 초분광 영상과 위성 영상에 적용한 결과, 초분광 클로로필 영상과 현장 클로로필 간의 평균 RMSE는 0.12 mg m^-3로 위성 클로로필 영상에서 보다 더 높은 정확도로 클로로필 농도 추정 가능하였다. 이 결과를 통하여 초분광 영상을 활용하여 보다 높은 정확도로 연안 해역 클로로필 농도의 고해상도 공간 분포 정보 제공이 가능할 것으로 기대된다.

• 한국방재안전학회논문집
• /
• 제13권2호
• /
• pp.27-38
• /
• 2020

최근 국내에서는 다양한 이상기후들이 발생하고 있으며 이로 인해 인명피해, 재산피해와 같은 큰 피해들이 발생하고 있다. 그 중에서도 폭염으로 인한 피해는 점점 증가하는 경향을 보인다. 이에 대처하기 위해서는 빠르고 정확한 기온 및 폭염발생여부 예측이 필수적이다. 현재 기상청에서는 폭염에 대한 정보를 단기예보를 통해 제공하는데, 단기예보를 위한 기온예측은 수치예보모델을 통해 수행된다. 과거 15년간(1998~2012년) 인구대비 폭염 사망률이 가장 높았던 ◯◯군에 대하여 2019년도 기온 예보자료와 관측 자료를 비교한 결과, 평균제곱근오차가 1.57℃ 발생하였고, 관측 값이 33℃이상에 해당하는 데이터만 비교한 결과, 평균제곱근오차가 1.96℃ 발생하였다. 예보시간은 4시간이고 예보과정에는 약 3~4시간이 소요된다. 이에 본 연구에서는 소요시간과 예측 정확도를 고려하여, 기계학습방법의 일종인 LSTM을 이용한 기온 및 폭염발생 예측 방법론을 제시한다. 기계학습모델을 이용한 4시간 기온예측결과 1.71℃의 평균제곱근오차가 발생하였고, 관측 값이 33℃ 이상에 해당하는 데이터만 비교한 결과 1.39℃의 평균제곱근오차가 발생하였다. 전 범위의 오차는 수치예보모델이 더 작은 값을 가지지만, 33℃이상의 경우에는 기계학습모델 예측의 정확도가 더 높았다. 또한 수치예보를 이용한 경우 예상 소요시간이 4시간가량인 반면 기계학습을 이용한 기온예측에는 평균 9분26초의 시간이 소요되어 경제적이라 판단하였다. 향후 공간적인 범위를 확대하거나 대상 지역을 변경하는 일반적인 방안에 대해서 연구를 수행하고자 한다.