• 한국자원식물학회지
• /
• 제27권5호
• /
• pp.546-555
• /
• 2014

연구의 최종 목표는 실내의 공간과 특성에 따라 효율적으로 실내공기질을 향상시킬 수 있는 식물 녹화와 바이오필터를 통합한 시스템의 개발이다. 그러나 이러한 목표를 달성하기 위해서는 바이오필터 시스템의 적절한 공기정화량에 대한 용량 설계에 중요한 영향을 주는 일정한 압력손실량과 토양수분 함량과 같은 여러 가지 요구사항들이 충족되어야 한다. 따라서 본 기초 연구는 바이오필터의 토양 내 균일한 분포를 갖는 토양수분 함량과 압력손실량을 유지하고 정상적인 식물 생장 특히 바람에 의한 근권부 스트레스를 받지 않도록 풍속을 적절히 조절하고, 바이오필터 내 초기 토양수분 함량이 일정하게 유지되어 안정성을 확보하기 위해 수행되었다. 본 실험에서는 평면형 바이오필터 모델을 설계하여 제작하고 세 가지 풍속(1, 2, $3cm{\cdot}sec^{-1}$)에 따른 바이오필터의 공기정화량, 공기체류시간, 기액비를 산출하였다. 또한 세가지 풍속에 따라 바이오필터 내 토양층을 통과하여 배출된 가습공기의 상대습도, 압력손실량, 토양수분 함량을 측정하고, 이 바이오필터 내에서 자란 상추와 더 피고사리의 생육을 평가하였다. 풍속 실험의 결과, 풍속 $3cm{\cdot}sec^{-1}$가 상대습도, 토양수분 함량, 식물생육을 유지하기에 가장 적절하였다. 따라서 다음 실험에서는 풍속을 $3cm{\cdot}sec^{-1}$로 고정하고 두 가지 수준의 초기 토양수분 함량(저수준 18.5%, 고수준 28.7%) 조건에서 바이오필터를 가동한 처리구와 바이오필터를 가동하지 않은 대조구(초기 토양수분 함량 29.7%)를 설정하고, 바이오필터 내 토양층을 통과하여 배출된 가습공기의 상대습도, 압력손실량, 토양수분 함량과 바이오필터 내에서 자란 상록넉줄고사리의 생육을 평가하였다. 이 실험 결과는 첫 번째 실험 결과와 유사하였으며 상대습도, 토양수분 함량, 압력손실량이 일정한 수준을 유지하였다. 또한 세 가지 초기 토양수분 함량에 따른 상록넉줄고사리의 생육도 유의성 있는 차이를 나타내지 않았다. 그러나 두 가지의 바이오필터 처리구는 대조구에 비해 건물중이 다소 증가된 것을 알 수 있었다. 따라서 주요 물리적 요소인 토양수분 함량과 압력손실량을 유지할 수 있는 본 바이오필터 시스템의 안정성은 가까운 미래에 보다 발전된 일체형 바이오필터 모델 설계에 적용될 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.