• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1317-1328
• /
• 2021

본 연구는 천리안 해양위성 2호(GOCI-II)를 활용하여 개발된 해무 탐지 알고리즘의 초기 결과에 대한 분석을 수행하였다. GOCI-II 해무 탐지 성능을 확인하기 위해 1호와 2호가 중복으로 관측한 2020년 10월-2021년 3월 사이에 발생한 해무 사례에 대해 광학적 특성 분석을 실시하였다. 해무 탐지 알고리즘에 입력자료로 사용되는 412 nm 밴드 레일리 산란 보정 반사도(Rayleigh-corrected reflectance; R_rc)와 정규화된 국소 표준 편차(Normalized Local Standard Deviation; NLSD)를 GOCI, GOCI-II 자료를 시공간 일치시킨 뒤 분석한 결과 412 nm 밴드 레일리 R_rc의 경우 0.01의 평균 제곱근 오차 (Root Mean Squared Error; RMSE)와 0.998의 상관계수(correlation coefficient)을 나타내고, NLSD의 경우 0.007의 RMSE, 0.798의 correlation을 나타낸다. 해무와 구름이 갖는 광학적 특성을 분석하기 위해 천리안 해양위성 2호의 밴드 별 R_rc 값을 확인하였다. 구름의 경우 넓은 영역에서 높은 반사도를 보인 반면, 해무의 경우 모든 밴드에서 구름에 비해 상대적으로 반사도가 낮고 좁은 영역에 분포한다. 실제 해무 사례에 대해 GOCI와 GOCI-II 해무 탐지 알고리즘을 비교한 결과 전반적인 해무 탐지 성능은 크게 차이가 없으나 높아진 공간 해상도의 영향으로 해무 경계면에서 공간적으로 더 세밀한 탐지가 가능했다. 종관기상관측소 시정계 자료와 비교 분석하여 초기 자료에 대한 신뢰도를 조사하였다. 추후 충분한 샘플 확보로 인한 안정적인 성능 검증, 실시간 구름 정보 교체를 통한 후처리 과정 개선, 에어로졸 자료 추가로 해무 오탐지 감소를 통해 해무 탐지 알고리즘의 성능 향상이 기대된다.

• 자원환경지질
• /
• 제52권4호
• /
• pp.313-322
• /
• 2019

SAR (Synthetic Aperture Radar) 원격탐사 관측 자료는 폭우나 태풍으로 인해 넓은 지역에 걸쳐 발생할 수 있는 산사태 피해 지역을 신속하게 탐지하는데 매우 유용한 도구이다. 본 연구의 목적은 산사태 발생 이후에 관측이 수행된 다중 편광 SAR 자료를 이용하여 산사태 지역을 자동으로 분류하는 효과적인 알고리즘을 개발하는 것이다. 실험적인 분석을 바탕으로 SAR 관측 자료로부터 산사태를 탐지하기 위해서는 SAR 영상의 스펙클 현상을 줄여주는 스펙클 필터와 경사진 지형에서의 기하왜곡을 보정하는 정사보정이 필수적임을 확인하였고, IDAN 필터를 적용하여 스펙클을 줄이고 다중 편광 파라미터를 추정한 후에 정사보정을 수행하는 것이 산사태 탐지를 위해 적합한 처리 과정임을 제시하였다. 또한 다양한 다중 편광 파라미터에 대한 탐지 성능 분석을 통해 entropy 파라미터가 산사태 탐지에 좋은 성능을 보임을 파악하였다. 이러한 분석을 토대로 다중 편광 파라미터에 대한 자동적인 문턱값 설정과 DEM을 보조적으로 사용하는 산사태 탐지 알고리즘을 제안하였다. 탐지 알고리즘은 2011년 9월 태풍 탈라스에 의해 발생한 산사태에 대해 관측을 수행한 ALOS-2위성의 PALSAR-2 자료를 이용하여 실험적인 평가를 수행하였고, 약 82%의 탐지율과 3%의 오경보율로 산사태를 탐지 할 수 있음을 확인하였다.

• 한국ITS학회 논문지
• /
• 제18권3호
• /
• pp.95-105
• /
• 2019

최근 들어 도로 노면 파손의 위치 정보를 수집하기 위한 영상 처리 기술에 대한 연구가 활발히 진행되고 있다. 대표적으로 차량에 탑재가 가능한 스마트폰이나 블랙박스를 통해 영상을 얻고 이를 영상처리 알고리즘을 사용하여 인식하는 기술이 주로 사용된다. GPS 모듈과 연계하여 실제 파손 위치를 파악할 때 가장 중요한 기술은 영상 처리 알고리즘인데, 근래에는 대부분 인공지능을 통한 알고리즘이 연구 주제로 주목받고 있다. 이와 같은 맥락에서 본 연구에서도 영역 기반의 합성곱 방식 계열의 객체인식 (Object Detection) 방법을 사용한 인공지능 영상 처리 알고리즘에 대하여 논의하고자 한다. 도로 노면 파손 객체 인식 성능을 향상시키기 위하여 도로 노면 파손 영상 600여 장과 일반적인 도로 주행 영상 1500여 장으로 학습 데이터베이스를 구성하였다. 또한 배경 객체 인식 방법을 적용한 지도 학습을 수행하여 도로 노면 파손의 오탐을 감소시켰다. 그 결과 동일한 테스트용 데이터베이스를 통해 알고리즘의 인식 성능을 mAP 평균값 기준 9.44%만큼 향상시킨 새로운 방법을 소개하고자 한다.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.25-39
• /
• 2018

본 연구에서는 최근 활발하게 활용되고 있는 머신러닝 기법을 교통분야에 적용하여 효율적인 돌발상황 검지 알고리즘을 개발하는 것을 목적으로 하였다. 미시교통시뮬레이션 모형을 통하여 대상지의 네트워크를 구축하였고 돌발상황에 영향을 줄 것으로 예상되는 변수의 여러 조합을 통해 시나리오를 설정하여 가상의 돌발상황 데이터를 수집하였다. 다음으로 대표적인 돌발상황 검지 알고리즘인 McMaster 알고리즘과 본 연구에서 개발한 나이브 베이즈 분류기를 구현하여 비교 평가하였다. 비교 결과, 나이브 베이즈 분류기가 McMaster 알고리즘에 비해 돌발상황 검지 간격에 따른 부정적인 영향이 적었고 더 우수한 검지율을 보였다. 하지만 검지율이 증가하는 만큼 오검지율 또한 증가하는 것을 확인할 수 있었다. McMaster 알고리즘은 4주기를 통해 검지가 가능하지만 나이브 베이즈 분류기는 1주기(30초)만으로 돌발상황을 판단할 수 있다. 본 연구를 통해 개발한 나이브 베이즈 분류기가 효율적으로 돌발을 파악할 수 있다는 것을 확인할 수 있었다.

• 대기
• /
• 제29권3호
• /
• pp.257-267
• /
• 2019

This study is to assess the applicability of the Extreme Forecast Index (EFI) algorithm of the ECMWF seasonal forecast system to the Global Seasonal Forecasting System version 5 (GloSea5), operational seasonal forecast system of the Korea Meteorological Administration (KMA). The EFI is based on the difference between Cumulative Distribution Function (CDF) curves of the model's climate data and the current ensemble forecast distribution, which is essential to diagnose the predictability in the extreme cases. To investigate its applicability, the experiment was conducted during the heat-wave cases (the year of 1994 and 2003) and compared GloSea5 hindcast data based EFI with anomaly data of ERA-Interim. The data also used to determine quantitative estimates of Probability Of Detection (POD), False Alarm Ratio (FAR), and spatial pattern correlation. The results showed that the area of ERA-Interim indicating above 4-degree temperature corresponded to the area of EFI 0.8 and above. POD showed high ratio (0.7 and 0.9, respectively), when ERA-Interim anomaly data were the highest (on Jul. 11, 1994 (> $5^{\circ}C$) and Aug. 8, 2003 (> $7^{\circ}C$), respectively). The spatial pattern showed a high correlation in the range of 0.5~0.9. However, the correlation decreased as the lead time increased. Furthermore, the case of Korea heat wave in 2018 was conducted using GloSea5 forecast data to validate EFI showed successful prediction for two to three weeks lead time. As a result, the EFI forecasts can be used to predict the probability that an extreme weather event of interest might occur. Overall, we expected these results to be available for extreme weather forecasting.

• 한국항행학회논문지
• /
• 제22권2호
• /
• pp.49-56
• /
• 2018

지진, 쓰나미 등에 의해 지상에서 생성된 에너지는 대기를 통해 전파되어 전리층 전자밀도를 교란시키므로, 위성신호의 전리층 지연을 이용하면 충격파에 의한 교란을 관측할 수 있다. 전리층의 전자밀도는 지상의 교란원인 이외에도 태양활동, 위도, 계절, 지방시 등 다양한 요인들에 의해 영향을 받는데, 지진 및 쓰나미와 같은 이상상황을 구분하기 위해서는 정상상황에서의 전리층 경향분석이 필요하다. 또한 전리층 교란은 지상의 교란원인으로부터 거리가 멀어질수록 크기가 감소하므로, 원거리 전리층 교란을 효과적으로 검출하기 위한 적절한 기법이 필요하다. 본 논문에서는, 정상상황에서의 전리층 경향분석을 위해 ionosphere exchange(IONEX) 데이터를 이용하여 태양극대기 및 극소기, 위도, 계절 등에 의한 전리층 경향을 분석해보았다. 분석한 정상상황 전리층을 바탕으로 경향성이 제거된 감시값을 설정하고, 전리층 교란의 지속성을 이용한 원거리 교란검출 기법을 설계해 이에 대한 오경보율을 분석하였다. 결과적으로 전리층 지연의 2차 미분 값이 감시값으로 선정되었으며, 오경보율은 1.4e-6수준으로 나타났다. 설계한 기법을 2011 도호쿠 대지진 발생 시 수집된 데이터에 적용하여 교란 검출을 확인하였다.

• 응용통계연구
• /
• 제35권2호
• /
• pp.299-310
• /
• 2022

사회 네트워크 분석에 대한 관심이 높아짐에 따라 사회 네트워크에서 발생하는 변화를 탐지하는 연구에 대한 관심도 높아지고 있다. 사회 네트워크에서 발생하는 변화는 네트워크의 구조적 변화로 나타난다. 따라서 사회 네트워크에서 발생하는 변화를 탐지하는 것은 네트워크의 구조적 특성에 대한 변화를 탐지하는 것이다. 사회 네트워크에서 발생하는 지역적 변화는 가까운 이웃들 간에 발생하는 변화로 네트워크 일부에 집단적으로 나타난다. 이 논문의 목적은 네트워크에서 발생하는 지역적 변화를 효율적으로 탐지하는 절차를 제안하는 것이다. 제안하는 절차는 지역적 변화를 보다 효율적으로 탐지하기 위해 네트워크를 분할하고 각각의 분할된 네트워크에 기반한 관리도를 작성하여 네트워크에서 발생한 변화를 탐지하는 것이다. 네트워크를 분할하여 변화를 탐지하는 절차는 네트워크에서 발생한 지역적 변화를 보다 신속하게 탐지할 수 있으며, 변화가 발생한 위치에 대한 정보를 제공한다는 장점이 있다. 모의실험 결과에 따르면 제안된 절차는 네트워크의 크기가 작고 변화의 크기가 작은 경우 효율적이며, 네트워크를 더 작은 크기로 분할하면 작은 변화를 더 효율적으로 탐지한다는 사실을 확인하였다.

• 대한토목학회논문집
• /
• 제30권6B호
• /
• pp.579-587
• /
• 2010

기상청에서 제공하는 강우수치예보정보를 활용하여 10일이내의 중기유량예측을 수행하였다. 기상청의 원시예보자료로는 2일예보를 위한 RDAPS와 10일예측을 위한 GDAPS예측자료를 활용하였다. 수치예보의 정확도를 제고하기 위하여 강우상세 정보를 생산할 수 있는 강수진단모형(QPM)과 QPM모의결과에 내재된 계통적 편이를 제거하기 위하여 분위사상과정 (Quantile Mapping)을 적용하였다. QPM모의결과를 유출모형의 입력정보로 활용하기 위하여 일관적인 체계를 갖춘 유역강수 정보로 변환하여, 장기연속유출모형인 SSARR모형을 이용하여 금강유역내 주요지점에서의 유량예측을 수행하여 유량예측에 대한 검증을 수행하였다. 2006년 1월 1일부터 6월 20일까지 강수예측을 수행한 결과 2일예측인 RQPM의 경우 기간 총강수량을 기준으로 실적강우대비 89.7%의 강수모의값을 보임으로서 양호한 예측성능을 확인할 수 있었다. 유량예측모의에 있어서는 2일예측의 경우 일부 강우사상에서 예측누락과 예측오류가 발생하였지만 전반적으로 유량예측이 양호한 수준이었다. 다만, 하류지점의 경우 조절유량에 의한 유출모형보정의 어려움과 수위-유량관계곡선의 신뢰도저하등의 이유로 예측성능이 떨어지는 경우도 있었다. GQPM에 대한 10일강우예측은 첨두강수와 강수총량에 있어서 다소 과소한 모의값을 보이고 있으며, 강수보정효과도 RDAPS에 비하여 저조한 수준이었다. 이 부분은 강수예측의 사후보정으로는 한계가 있는 것으로 보여지며 원시예측모형의 안정화를 통하여 개선할 수 있는 부분으로 판단된다.

• 천문학회지
• /
• 제56권2호
• /
• pp.213-224
• /
• 2023

Type II solar radio bursts show frequency drifts from high to low over time. They have been known as a signature of coronal shock associated with Coronal Mass Ejections (CMEs) and/or flares, which cause an abrupt change in the space environment near the Earth (space weather). Therefore, early detection of type II bursts is important for forecasting of space weather. In this study, we develop a deep-learning (DL) model for the automatic detection of type II bursts. For this purpose, we adopted a 1-D Convolution Neutral Network (CNN) as it is well-suited for processing spatiotemporal information within the applied data set. We utilized a total of 286 radio burst spectrum images obtained by Hiraiso Radio Spectrograph (HiRAS) from 1991 and 2012, along with 231 spectrum images without the bursts from 2009 to 2015, to recognizes type II bursts. The burst types were labeled manually according to their spectra features in an answer table. Subsequently, we applied the 1-D CNN technique to the spectrum images using two filter windows with different size along time axis. To develop the DL model, we randomly selected 412 spectrum images (80%) for training and validation. The train history shows that both train and validation losses drop rapidly, while train and validation accuracies increased within approximately 100 epoches. For evaluation of the model's performance, we used 105 test images (20%) and employed a contingence table. It is found that false alarm ratio (FAR) and critical success index (CSI) were 0.14 and 0.83, respectively. Furthermore, we confirmed above result by adopting five-fold cross-validation method, in which we re-sampled five groups randomly. The estimated mean FAR and CSI of the five groups were 0.05 and 0.87, respectively. For experimental purposes, we applied our proposed model to 85 HiRAS type II radio bursts listed in the NGDC catalogue from 2009 to 2016 and 184 quiet (no bursts) spectrum images before and after the type II bursts. As a result, our model successfully detected 79 events (93%) of type II events. This results demonstrates, for the first time, that the 1-D CNN algorithm is useful for detecting type II bursts.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.661-676
• /
• 2017

본 연구에서는 남한영역에 대하여 1 km 고해상도의 계절예측 기온자료를 생산하고, 생산된 예측자료의 성능을 높이는 새로운 방법을 제안하였다. 이 새로운 방법은 총 4가지 단계의 실험으로 구성되어 있다. 첫 번째 단계인 EXP1은 PNU CGCM에서 생산된 저해상도 계절예측 기온자료이며, EXP2는 EXP1의 결과에 역거리 가중법을 적용하여 생산된 남한영역의 1 km 고해상도 계절예측 기온자료이다. EXP3는 EXP2의 결과에서 위성고도자료인 ASTER GDEM을 이용하여 고도에 따른 기온변화를 추정한 후 이를 적용한 계절예측 기온자료이다. 마지막으로 EXP4는 EXP3의 결과에 유전자 알고리즘을 적용하여 모형의 예측결과 내 존재하는 계통적 오차를 보정한 결과이다. EXP1과 EXP2는 남한의 지형적 특성이 전혀 고려되지 않아 다른 실험에 비해 낮은 예측성을 보였으며, 특히 고도가 높은 관측지점에서 두 실험의 예측 성능이 더욱 낮았다. 반면, 위성에서 관측된 고해상도 고도자료가 적용된 EXP3와 EXP4는 고도가 증가함에 따라 기온이 감소하는 특징 등 지형적 특성을 효과적으로 표현하면서 높은 예측성능을 보였다. 특히, 유전자 알고리즘으로 예측값의 계통적 오차가 감소된 EXP4는 다른 실험과 비교하여 시간상관성, 관측으로 정규화된 표준편차, 정답률, 오답률 등 시간에 따른 변동성에 대해서 가장 높은 예측성능을 보였다. 이는 본 연구에서 제안한 새로운 방법을 통해 고해상도 격자의 질 높은 실시간 계절예보 자료를 효과적으로 생산할 수 있음을 의미한다.