• Title/Summary/Keyword: deep earth science

검색결과 234건 처리시간 0.022초

심타접지와 천타병렬접지에 관한 이론적해석 (Theoretical Analysis of Earth Deep-Driven Rod and Earth Slight-Driven Parallel Rods in the Earth)

  • 김주찬;최종규;이충식;고희석
    • 한국조명전기설비학회:학술대회논문집
    • /
    • 한국조명전기설비학회 2004년도 춘계학술대회 논문집
    • /
    • pp.358-360
    • /
    • 2004
  • To reduce the earth resistance, earth electrode are installed horizontally or vertically in the earth. There are two kinds of vertical earth electrode methods, one is a deep-driven rod and another is slight-driven parallel rods. Bibliography have so far analyzed the earth resistance calcalation of a rod type electrode and parallel rods type for the multi-layered earth. Befor long, We are going to study earth resistance of deep-driven rod and slight-driven parallel rods in the multi-layered earth with reference to bibliography.

  • PDF

DeepLabV3+와 Swin Transformer 모델을 이용한 Sentinel-2 영상의 구름탐지 (Cloud Detection from Sentinel-2 Images Using DeepLabV3+ and Swin Transformer Models)

  • 강종구;박강현;김근아;윤유정;최소연;이양원
    • 대한원격탐사학회지
    • /
    • 제38권6_2호
    • /
    • pp.1743-1747
    • /
    • 2022
  • Sentinel-2는 분광파장대나 공간해상도 측면에서 우리나라 차세대중형위성 4호(농림위성)의 모의영상으로 활용될 수 있다. 이 단보에서는 향후 농림위성영상에 적용하기 위한 예비실험으로, 딥러닝 기술을 이용한 Sentinel-2 영상의 구름탐지를 수행하였다. 전통적인 Convolutional Neural Network (CNN) 모델인 DeepLabV3+와 최신의 Transformer 모델인 Shifted Windows (Swin) Transformer를 이용한 구름탐지 모델을 구축하고, Radiant Earth Foundation (REF)에서 제공하는 22,728장의 학습자료에 대한 암맹평가를 실시하였다. Swin Transformer 모델은 0.886의 정밀도와 0.875의 재현율로, 과탐지와 미탐지가 어느 한쪽으로 치우치지 않는 경향을 보였다. 딥러닝 기반 구름탐지는 향후 우리나라 중심의 실험을 거쳐 농림위성 영상에 활용될 수 있을 것으로 기대된다.

DeepLabV3+ 모델을 이용한 PlanetScope 영상의 해상 유출유 탐지 (Detection of Marine Oil Spills from PlanetScope Images Using DeepLabV3+ Model)

  • 강종구;윤유정;김근아;박강현;최소연;양찬수;이종혁;이양원
    • 대한원격탐사학회지
    • /
    • 제38권6_2호
    • /
    • pp.1623-1631
    • /
    • 2022
  • 유출유는 해양 생태계에 큰 위협이 되므로 피해 최소화를 위해 신속한 현황정보파악이 필요하다. 위성원격탐사는 항공기에 비해 광역적 모니터링이 가능하기 때문에 시공간적 범위에서 장점을 가진다. 최근에는 딥러닝 영상인식 기술의 발전으로 인해 딥러닝을 활용한 유출유 탐지의 필요성이 대두되고 있으나, 기존의 Synthetic Aperture Radar (SAR) 영상 위주의 유출유 탐지와는 달리 고해상도 광학영상에 딥러닝 기법을 적용하는 경우는 많지 않았다. 이에, 본 연구에서는 PlanetScope 위성의 광학영상을 활용하여 유출유 레이블을 제작하고, 이를 기반으로 DeepLabV3+모델을 활용하여 유출유 탐지 모델을 구축하였으며, 암맹평가에서 정확도 0.885, 정밀도 0.888, 재현율 0.886, F1점수 0.883, 평균 교집합 대 합집합 비율(Mean Intersection over Union, mIOU) 0.793 등의 상당히 높은 정확도를 나타냈다.

북극 해빙표면온도 산출을 위한 Automated Machine Learning과 Deep Neural Network의 적용성 평가 (Applicability Evaluation of Automated Machine Learning and Deep Neural Networks for Arctic Sea Ice Surface Temperature Estimation)

  • 박성우;성노훈;심수영;정대성;우종호;김나연;김홍희;한경수
    • 대한원격탐사학회지
    • /
    • 제39권6_1호
    • /
    • pp.1491-1495
    • /
    • 2023
  • 본 연구는 북극의 해빙표면온도(ice surface temperature, IST)를 자동화된 기계 학습(automated machine learning, AutoML) 기반으로 산출하였다. AutoML 기반 IST는 상관관계(correlation coefficient, R) 0.97, 평균 제곱근 오차(root mean squared error, RMSE) 2.51K로 산출되었다. 심층신경망(deep neural network, DNN) 모델과 비교하여 AutoML IST는 Moderate Resolution Imaging Spectroradiometer (MODIS) IST 및 ice mass balance (IMB) buoy IST와의 검증 결과에서 좋은 정확도를 보인다. 이는 어려운 극지방 조건에서 IST 추정 정확도를 향상시키는 AutoML의 효과를 강조한다.

A plastic strain based statistical damage model for brittle to ductile behaviour of rocks

  • Zhou, Changtai;Zhang, Kai;Wang, Haibo;Xu, Yongxiang
    • Geomechanics and Engineering
    • /
    • 제21권4호
    • /
    • pp.349-356
    • /
    • 2020
  • Rock brittleness, which is closely related to the failure modes, plays a significant role in the design and construction of many rock engineering applications. However, the brittle-ductile failure transition is mostly ignored by the current statistical damage constitutive model, which may misestimate the failure strength and failure behaviours of intact rock. In this study, a new statistical damage model considering rock brittleness is proposed for brittle to ductile behaviour of rocks using brittleness index (BI). Firstly, the statistical constitutive damage model is reviewed and a new statistical damage model considering failure mode transition is developed by introducing rock brittleness parameter-BI. Then the corresponding damage distribution parameters, shape parameter m and scale parameter F0, are expressed in terms of BI. The shape parameter m has a positive relationship with BI while the scale parameter F0 depends on both BI and εe. Finally, the robustness and correctness of the proposed damage model is validated using a set of experimental data with various confining pressure.

DEEP-South: Lightcurves of Near Earth Asteroids from Year One Operations

  • Kim, Myung-Jin;Moon, Hong-Kyu;Choi, Young-Jun;Yim, Hong-Suh;Park, Jintae;Roh, Dong-Goo;Lee, Hee-Jae;Oh, Young-Seok;Choi, Jung-Yong;Bae, Young-Ho
    • 천문학회보
    • /
    • 제41권2호
    • /
    • pp.49.3-50
    • /
    • 2016
  • Deep Ecliptic Patrol of the Southern Sky (DEEP-South) observations have been conducted officially during the off-season for exoplanet search since October 2015. Most of the allocated time for DEEP-South is devoted to targeted photometry, Opposition Census (OC), of Near Earth Asteroids (NEAs) to increase the number of such objects with known physical properties. It is efficiently achieved by multiband, time series photometry. This Opposition Census (OC) mode target objects near their opposition, with km-sized PHAs in the early stage and goes down to sub-km objects. Continuous monitoring of the sky with KMTNet is optimized for spin characterization of various kinds of asteroids, including binaries, satellites, slow/fast- and non-principal axis-rotators, and hence is expected to facilitate the debiasing of previously reported lightcurve observations. We present the preliminary lightcurves of NEAs from year one of the DEEP-South with our long term plan.

  • PDF

Landsat 8 기반 SPARCS 데이터셋을 이용한 U-Net 구름탐지 (U-Net Cloud Detection for the SPARCS Cloud Dataset from Landsat 8 Images)

  • 강종구;김근아;정예민;김서연;윤유정;조수빈;이양원
    • 대한원격탐사학회지
    • /
    • 제37권5_1호
    • /
    • pp.1149-1161
    • /
    • 2021
  • 컴퓨터 비전 기술이 위성영상에 적용되면서, 최근 들어 딥러닝 영상인식을 이용한 구름 탐지가 관심을 끌고 있다. 본연구에서는 SPARCS (Spatial Procedures for Automated Removal of Cloud and Shadow) Cloud Dataset과 영상자료증대 기법을 활용하여 U-Net 구름탐지 모델링을 수행하고, 10폴드 교차검증을 통해 객관적인 정확도 평가를 수행하였다. 512×512 화소로 구성된 1800장의 학습자료에 대한 암맹평가 결과, Accuracy 0.821, Precision 0.847, Recall 0.821, F1-score 0.831, IoU (Intersection over Union) 0.723의 비교적 높은 정확도를 나타냈다. 그러나 구름그림자 중 14.5%, 구름 중 19.7% 정도가 땅으로 잘못 예측되기도 했는데, 이는 학습자료의 양과 질을 보다 더 향상시킴으로써 개선 가능할 것으로 보인다. 또한 최근 각광받고 있는 DeepLab V3+ 모델이나 NAS(Neural Architecture Search) 최적화 기법을 통해 차세대중형위성 1, 2, 4호 등의 구름탐지에 활용 가능할 것으로 기대한다.

울릉분지와 시코쿠분지 심해퇴적작용의 비교에 관한 기초연구: 심층수순환과 저층류 (Preliminary Comparison of Deep-sea Sedimentation in the Ulleung and Shikoku Basins: Deep-sea Circulations and Bottom Current)

  • 전승수;이인태
    • 한국지구과학회지
    • /
    • 제23권3호
    • /
    • pp.259-269
    • /
    • 2002
  • 북서태평양과 동해에서 채취된 4개의 코어는 퇴적구조, 생물교란정도와 내부침식면을 기준으로 과거 1만년 부근에서 상부와 하부로 구분된다. 특히, 시코쿠분지의 코어 KT94-10 상부퇴적물은 낮은 퇴적율, 높은 생물교란작용, 내부침식면, 사엽층리 등으로 특징지워지는데, 이러한 퇴적특징의 조합은 저탁류퇴적층이나 반원양성 퇴적물과는 다른 저층류퇴적물로 해석된다. 그러나 하부는 저층류의 영향을 받은 퇴적층이 관찰되지 않고, 생흔화석만 관찰되는 무구조 니질층의 특징을 보인다. 한편 동해 코어(95PC3)에서는 어떠한 저층류 관련 퇴적물도 관찰되지 않는다. 상부는 생물교란 니질층으로, 하부는 엽층리 니질층으로 구성되어 있으며 환원적 환경을 표시하는 황철석을 포함하고 있다. 결과적으로 북서태평양과 동해 코어의 퇴적특징은 심층류순환이 10,000년 전부터 빨라졌음을 표시하고 있다. 또 같은 시기일지라도, 심층수순환은 동해보다 북서태평양이 더 활발함을 보여주고 있다.

드론영상과 YOLOv7x 모델을 이용한 활성산불 객체탐지 (Detection of Active Fire Objects from Drone Images Using YOLOv7x Model)

  • 박강현;강종구;최소연;윤유정;김근아;이양원
    • 대한원격탐사학회지
    • /
    • 제38권6_2호
    • /
    • pp.1737-1741
    • /
    • 2022
  • 고해상도 드론영상과 딥러닝 기술을 결합한 활성산불 감시는 이제 초기단계로 다방면의 연구개발을 필요로 한다. 이 단보에서는 드론영상 산불탐지에 아직 사용되지 않았던 state-of-the-art (SOTA) 모델인 You Only Look Once Version 7 (YOLOv7) 기반의 활성산불 객체탐지를 수행하였으며, 동일한 데이터셋을 사용한 선행연구에 비해 F1점수가 약 0.05 향상된 성과를 거두었다. 향후 우리나라에서도 광역적인 산불감시에 적용될 수 있도록 추가적인 기술 개발이 계속 필요할 것이다.