• 자원환경지질
• /
• 제47권3호
• /
• pp.205-217
• /
• 2014

백두산 화산의 분화 가능성이 높아지면서, 백두산 화산 분화가 한반도를 비롯하여 지구촌에 미칠 사회경제적 영향에 대한 관심도 높아지고 있다. 백두산 화산이 분화할 경우 남한지역은 특히 화산재로 인한 직접 피해를 입게 되며, 이로 인한 2차 피해가 다양한 형태로 나타날 수 있다. 이에 이 연구는 백두산 화산 분화의 사회경제적 영향 평가에 있어 기초가 되는 직접 피해액 계산 방법을 고찰해 보고, 백두산 화산 분화 시나리오의 직접 피해액을 산정해 보고자 하였다. 직접 피해액 산정 방법으로는 재난 리스크 모델링 기술을 활용하였다. 현재까지 연구 결과에 의하면, 백두산 화산 분화 시 강원도 지역을 중심으로 화산재 피해를 입게 된다. 이에 강원도 지역을 중심으로 피해목적물 정보를 구축하였으며, 특히 강원도 전체 면적의 90% 이상을 차지하는 농업과 임업 분야를 중심으로 피해목적물 정보를 구축하고, 피해목적물별 손상함수를 정리하였다. 백두산 화산 분화 시나리오에 따른 화산재 두께 분포와 피해목적물의 공간 정보 및 자산 정보, 그리고 손상함수를 활용하여 피해액을 산출한 결과, 이 연구에서 참고한 겨울철 시나리오의 경우, 농업과 임업분야에서 각각 2,998억원(2010년 생산액의 20.4%)과 289억원(2010년 생산액의 9.0%)의 피해를 입는 것으로 나타났다. 농업분야에서 더 큰 피해를 입는 것을 알 수 있는데, 이 연구에 사용된 손상함수에 따르면, 농산물이 임산물보다 화산재에 더 취약하기 때문이다. 또한 강원도 지역은 농산물 생산액(2010년 기준 14,717억원)이 임산물 생산액(2010년 기준 3,223억원)보다 4.5배 이상 크다. 겨울철 시나리오의 경우, 피해액이 가장 큰 지역은 인제군, 강릉시 등으로 인제군은 비록 생산액은 많지 않으나 화산재 두께가 높이 쌓여(평균 8.5 mm) 큰 피해를 입힌 것으로 나타났다. 반면 고성군의 경우 20 mm 이상의 화산재 두께가 쌓이나 생산액이 적어 비교적 적은 피해를 보였다. 이와같이 산정된 직접 피해액은 투입산출모형과 같은 간접피해평가모형을 통해 간접 피해를 계산하는데 활용될 수 있다.

• 해양환경안전학회지
• /
• 제28권6호
• /
• pp.882-889
• /
• 2022

본 연구에서는 대마난류(Tsushima Warm Current, TWC)의 유동 변화에 영향을 주는 요소를 파악하기 위하여 TWC의 수송량과 태평양 순년진동(Pacific Decadal Oscillation, PDO) 및 엘니뇨 남방진동(El Niño - Southern Oscillation, ENSO)의 상호 관계 분석을 실시하였다. 25년(1993~2018년) 동안의 TWC의 월별 수송량을 계산해보면 하계에 가장 크고 동계에 가장 작게 나타나는 계절변동 주기가 뚜렷하다. TWC 수송량과 PDO 및 ENSO의 한 척도인 Oceanic Niño Index(ONI) 각각의 주기성 파악을 위한 power spectrum 분석결과, TWC 수송량은 1년 주기에서 peak를 보이지만 PDO 및 ONI는 뚜렷한 주기가 나타나지 않았다. 또한, TWC 수송량과 PDO 및 ONI의 상호 관계 파악을 위해 coherence 추정 방법을 이용하여 분석하였다. PDO 및 ONI의 coherence는 3년 이상의 장주기 변동에서 상호 기여도가 높으나 1년 이내의 단주기 변동에서는 상호 기여도가 낮다. 그러나 TWC 수송량과 PDO 두 요소 간 0.8~1.2년 주기에서 coherence 값은 0.7로 상호 기여도가 높다. 한편 서수도를 통과하는 TWC 수송량과 PDO는 I기간(1993~2002년)과 III기간(2010~2018년)에 역상관 관계성을 가진다. TWC 최대 수송량 (2.2 Sv 이상)이 높게 나타나는 시기에 PDO 지수가 -1.0 이하의 음의 값, 2.2 Sv 이하로 작은 시기에 PDO 지수가 양의 값을 나타낸다. 따라서 장기적인 PDO 지수 자료를 이용하면 TWC 수송량 변동 및 동해 연안역의 수온변화를 예측 또한 가능할 것으로 판단된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.