• 대한원격탐사학회지
• /
• 제36권5_4호
• /
• pp.1179-1194
• /
• 2020

본 연구에서는 지상기상센서가 설치되지 않은 미 관측지점의 기온정보를 추정하기 위하여 K-최근접 이웃, 랜덤 포레스트, 신경망 알고리즘을 대상으로 위성영상을 이용하여 기온자료를 산출하고 그 정확성을 평가·분석하고자 하였다. 위성영상자료는 2019년에 취득된 Landsat-8과 MODIS Aqua/Terra을 이용하였으며, 기상자료는 기상청과 산림청의 AWS/ASOS 자료를 이용하였다. 또한 추정 정확도를 향상시키기 위하여 수치표면 모델, 일사량, 경사방향, 경사도를 생성하여 이용하였다. 머신러닝 알고리즘 정확도 비교는 10-fold 교차검증을 통하여 R²(결정계수) 및 RMSE(평균제곱근오차)의 통계량을 계산하여 대상지역별 추정결과를 비교하였다. 그 결과 신경망 알고리즘이 R²=0.805, RMSE=0.508로 세 알고리즘 중 가장 안정적인 결과를 나타내었다. 신경망 알고리즘을 구축된 위성영상 데이터셋에 적용하여 2019년 6월부터 9월까지의 평균기온 지도를 생성할 수 있었으며 세밀한 기온 정보를 관측할 수 있음을 확인하였다. 연구 성과는 폭염 대응 정책, 열섬완화 연구 등 국가재난안전 관리에 활용 될 수 있을 것으로 기대된다.

• 한국작물학회지
• /
• 제55권4호
• /
• pp.284-291
• /
• 2010

고 고형분함량 감자 생산을 위한 수확시기를 예측하는 데 있어 에너지 소모량의 추정에 대한 연구결과는 다음과 같다. 1. 각 지역별로 포장의 파종시기부터 수확시기까지 최근 5년간(2005년~2009년) 평균기온, 강수량, 상대습도, 일조시간, 바람, 지중온도 등의 농업환경을 조사한 결과 파종기 저온피해와 괴경비대기 장마기간을 회피한다면 가공용 원료감자는 가공품 생산에 필요시마다 물량을 수급하기 때문에 만숙재배를 하지 않아 품종의존도가 낮아 수확시기의 환경에 대한 비중이 큰 것으로 판단되었다. 2. 파종시기부터 출현까지에는 지중온도에 영향을 많이 받아 지역별 편차가 심해 시뮬레이션에서는 출현시기를 기준으로 감자의 수확적기를 예측하는 것이 바람직하였다. 3 수확시기를 예측하기 위한 생장모형은 $Tp=\frac{Tm{\cdot}Wm^{Tp}}{Wm^{Tm}}$를 사용하고, 생장량 Wm을 계상하는 기본 생장모형은 $Wm={\int}^m_tf(x)dt$를 사용하였다. 4. 기본 생장모형을 통해 Wm을 계상할 때는 광합성율(${\Delta}A$)과 식물체내 에너지 소모(${\Delta}E$) 개념을 적용해야 보다 정밀한 수확시기를 예측할 수 있었으며, 식물체내 에너지 소모에 대한 정의는 기후변화에 대응하여 농업환경에 대처하는 식물체내 에너지 소모를 계상하는 것으로 최근 5년간(2005년~2009년) 수확시기에 따라 고형분함량을 측정한 결과 광합성율만 계상할 때 보다 에너지 소모개념을 적용한 것이 효과적이었다.