• 한국해양학회지:바다
• /
• 제19권3호
• /
• pp.180-190
• /
• 2014

연안에서 관측된 Acoustic Doppler Current Profiler(ADCP) 유속자료의 10-20%는 음향반사 측면효과로 인하여 일반적으로 사용하지 않는다. 본 연구는 ADCP의 사용되지 않았던 자료를 복구하여 영산강 하구에서 저조시 방류되는 담수의 경계면 이류속도를 구하고 이를 통해 담수 유량과 수층의 역학적 안정도를 보다 정확하게 계산하여 하구 내 혼합 환경을 잘 이해하고자 한다. 현장관측은 2011년 8월 영산강의 하구언 전면과 고하도 부근 두 정점에서 한달 동안 실시하였으며, 방류수의 이류속도는 유효 유속 판정에 상관도, 퍼센트굿, 그리고 유속 히스토그램의 엄격한 기준을 적용한 ADCP 후처리방법을 적용하여 복원하였다. 또한, 같은 수로에 위치한 두 정점에서 이류하는 퇴적물의 농도피크시간을 토대로 퇴적물의 이류속도(Sediment Advection Speed)를 계산하여 방류수 이류속도를 비교 검증하였다. 퇴적물의 이류속도를 방류시 ADCP의 표층유속과 비교하였을 때, 방류량이 $2.0{\times}10^7$톤 보다 크면 두 속도값이 유사하고, 그보다 적을 경우에는 퇴적물의 이류속도가 약간 크게 산정되는 것을 볼 수 있었다. 방류가 발생할때 담수이류속도(Freshwater Advection Speed)는 바닥으로부터 $0.8{\times}$수심의 유속보다 평균 0.8 m/s 정도 크기 때문에, 방류가 증가하는 시기에 새롭게 계산된 방류수의 속도를 포함한 순유출량(=수심 및 조석주기로 적분된 흐름)을 계산하면, 그 방향이 하구언으로 들어오는 방향에서 빠져나가는 방향으로 바뀌는 것을 확인할 수 있었다. 또한, 표층 담수의 속도가 더해짐으로써 표층 속도쉬어와 리차드슨 수의 분포가 바뀜을 관찰할 수 있었기 때문에 표층 해수의 안정도를 해석함에 있어 실제 방류수 유속의 중요성을 알 수 있었다. 향후 유속과 함께 수온과 염분의 장기적인 관측이 수행된다면 담수 방류에 따른 성층의 생성과 소멸, 그리고 관련 부유퇴적물의 변동에 대해서도 보다 정확하게 파악할 수 있을 것으로 생각된다.

• 대한원격탐사학회지
• /
• 제27권4호
• /
• pp.481-494
• /
• 2011

다양한 공간규모에 대해서 식생의 생산성을 추정하기 위해 대기와 생태계내의 탄소순환 과정을 모니터링 하는 것은 탄소순환과정과 원격탐사기법을 결합함으로써 기능하다. 그 대표적인 예로서 미국 항공우주국(NASA)에서 개발한 지구관측시스템(Earth Observing System, EOS)은 총 일차생산성 (Gross Primary Productivity, GPP), 순 일차생산성 (Net Primary Productivity, NPP)을 전 지구에 대해 1km의 공간해상도로 제공한다. 그러나 MODIS의 생산성 추정에 기상입력자료로 이용되는 The NASA Data Assimilation Office (DAO)자료는 $1{\circ}\;{\times}\;1.25{\circ}$의 거친 해상도를 가지기 때문에 지역규모에서 지표기상의 상세한 공간적인 이질성을 반영하기 어렵다. 본 연구에서는 MODIS의 Aqua와 Terra 위성의 영상만을 이용하여 생산성을 추정하기 위한 입력자료로 사용되는 일 단위 일사량(MJ $day^{-1}$), 열 최저기온($^{\circ}C$, 낮 시간 평균 대기수증기압 포차(Yapor Pressure Deficit, Pa)을 5 km 해상도로 각각 추정하였다. 각각의 입력자료의 평가를 위해 미국 중서부 Corn Belt 지역 내에 위치하고 있는 7 개소의 지상기반의 관측자료를 수집하였다. MODIS 위성영상을 이용하여 추정한 기상입력자료와 관측자료를 비교한 결과, 일 최저기온은 ME와 상관계수가 각각 0.83에서 0.98, $-0.9^{\circ}C$ 에서 $+5.2^{\circ}C$ 의 범위로 양호한 상관성을 보였다. VPD는 약간 산개하는 경향을 보인다(ME = -183.8 Pa ~ +382.1 Pa; R = 0.51 ~ 0.92). 반면에, 일 단위 일사량은 MODIS가 약간 과대평가하는 경향을 보였지만 대부분의 지역에서 관측자료와 유의한 일치도를 보였다(ME = -0.4 MJ $day^{-1}$ +7.9 MJ $day^{-1}$; R = 0 67 ~ 0.97). 본 연구에서는 맑은 날에 대해서 MODIS 위성영상으로부터 추정된 기상입력자료가 MODIS가 제공하는 기상입력자료보다 상세한 지표 기상의 이질성을 반영한 자료를 생산할 수 있음을 확인하였다.

• 지능정보연구
• /
• 제22권2호
• /
• pp.127-142
• /
• 2016

딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.