• 한국산학기술학회논문지
• /
• 제20권6호
• /
• pp.19-25
• /
• 2019

국내 산업단지에서 배출되는 대기오염물질의 모니터링을 위해 굴뚝원격감시시스템이 운영되고 있으나 대상 시설이 한정적이어서, 시스템이 설치되지 않은 시설은 단속 요원이 직접 모니터링 및 단속을 수행하고 있다. 그래서 효율적인 산업단지에서 배출되는 대기오염물질의 모니터링을 위해 다양한 센서를 활용한 연구들이 수행되고 있다. 이에 따라 본 연구에서는 초분광센서로 측정할 수 있는 분광복사량을 활용하여 대기오염물질 중 이산화질소의 농도를 추정할 수 있는 공식을 개발하고 검증하였다. 농도 추정식 개발을 위해 다양한 농도의 이산화질소를 대상으로 태양천정각, 관측천정각, 상대방위각을 다르게 하여 분광복사량을 관측하였다. 관측된 분광복사량에서 특정 파장 간의 값의 차이를 흡수 깊이로 하였으며, 흡수 깊이와 이산화질소 농도와의 관계를 이용하여 농도 추정식을 개발하였다. 그리고 개발된 농도 추정식들의 검증을 위해 이산화질소와 아황산가스가 혼합된 가스를 대상으로 측정한 분광복사량을 이용하였다. 그 결과, 추정식의 형태에 따라 결정 계수와 RMSE가 0.71~0.88, 72~323 ppm으로 나타났으며, 지수 형태의 농도 추정식의 결정 계수가 가장 높게 나타났다. 추정식의 형태에 따라 농도의 변화에 따른 추정 농도의 정확도가 일정하지 않지만, 향후 농도 추정식의 고도화가 이루어진다면 초분광 센서를 활용하여 산업단지 배출되는 이산화질소의 모니터링에 사용 가능할 것으로 판단된다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.64-80
• /
• 2018

우리나라의 시민들은 범죄에 대한 일반적인 사항만을 알 수 있을 뿐, 자신이 범죄위험에 얼마나 노출되어 있는지를 파악하기 어렵다. 경찰의 입장에서도 범죄발생 지역을 예측할 수 있다면 경찰력이 부족한 상황에서 효율성 있게 범죄에 대처 가능할 것이지만 아직 우리나라에서는 예측시스템이 없고, 관련 연구도 매우 부족한 실정이다. 이에 본 연구에서는 범죄발생 위험지역 예측 자동화 시스템 개발의 첫 번째 단계로 빅데이터로 구축 가능한 범죄정보와 도시지역 자료를 바탕으로 머신러닝 방식을 통해 한국형 범죄발생 위험지역 예측 모형을 개발하고자 한다. 또한 시나리오를 가정하여 범죄발생 확률을 지도로 시각화함으로써 사용자의 이해도를 높이도록 하였다. 선행 연구 및 사례에서 범죄발생에 영향을 미치는 요인 중 빅데이터로 구축 가능한 범죄정보, 날씨정보(기온, 강수량, 풍속, 습도, 일조, 일사, 적설, 전운량), 지역정보(평균 건폐율, 평균 용적율, 평균 높이, 총 건축물수, 평균 공시지가, 평균 주거용도면적, 평균 지상층수)를 머신러닝에 활용할 수 있도록 데이터를 사전 처리하였다. 머신러닝 알고리즘으로서 지도학습 모형 중 다양한 분야에서 활용되며 정확도가 높다고 알려진 의사결정나무모형, 랜덤포레스트모형, Support Vector Machine(SVM)모형을 활용하여 범죄 예측 모형을 구축하고 비교 분석하였다. 그 결과 평균 제곱근 오차(Root Mean Square Error, RMSE)가 낮아 예측력이 높은 의사결정나무모형을 최적모형으로 선정하였다. 이를 바탕으로 가장 빈번하게 발생하는 절도와 폭력범죄를 대상으로 시나리오를 작성하여 범죄 발생 위험지역을 예측한 결과, 사례도시 J시는 위험지역이 3가지 패턴으로 발생하는 것으로 나타났으며, 각각 발생확률을 3 등급으로 구분하여 $250{\times}250m$ 단위의 지도형태로 시각화할 수 있었다. 본 연구는 향후 자동화 시스템으로 개발하여 시시각각으로 변하는 도시 상황에 따라 실시간으로 예측 결과를 시각화하여 제공함으로써 보다 범죄로부터 안전한 도시환경 조성에 기여하고자 한다.

• Journal of Nutrition and Health
• /
• 제51권6호
• /
• pp.567-579
• /
• 2018

본 연구는 국민건강영양조사 자료를 이용하여 교대 근무자의 근무시간이 대사증후군의 유병률에 영향을 미치는 요인을 파악하는데 대사증후군의 위험군으로 식습관, 영양섭취상태, 일상생활 관련 특성의 관점에서 관리하는 데 도움을 주고자 진행되었다. 본 연구의 분석결과는 다음과 같다. 첫째, 교대 근무자의 근무시간과 식습관 관계는 직접관계 (direct causality)가 있지 않으나 일상생활과는 직접관계를 갖는 것으로 나타났다. 또한, 식습관과 영영 상태, 대사증후군과는 직접관계가 있지 않은 것으로 나타났고 영양섭취상태와 대사증후군과는 직접관계가 없으나 일상생활과는 직접 인과관계가 있는 것으로 나타났다. 둘째, 교대 근무자의 근무시간과 대사증후군 관계에서 각각 식습관, 일상생활의 개별 매개 효과 (specific mediator effect)는 통계적으로 유의한 것으로 나타났으나, 식습관과 영양섭취상태의 다중매개효과 (multiple mediator effect), 그리고 식습관, 영양섭취상태, 일상생활의 다중매개 효과는 통계적으로 유의하지 않는 것으로 나타났다. 셋째, 교대 근무자의 근무시간이 배제된 상태에서 영양섭취상태, 일상생활 그리고 대사증후군 간의 관계에서 영양섭취상태와 일상생활 그리고 일상생활과 대사증후군과는 직접 인과관계는 없으나 일상생활에 의한 매개 효과는 통계적으로 유의한 것으로 나타났다. 넷째, 교대 근무자의 근무시간과 식습관은 대사증후군에 대해 전체 총 효과 (total effect)를 가진 것으로 나타났으나 영양섭취상태와 일상생활은 대사증후군에 대해 총 효과를 갖고 있지 않은 것으로 나타났다. 결론적으로, 구조방정식 모델을 사용하여 교대 근무자의 교대시간은 그들의 일상생활 또는 식습관에 영향을 주고 대사증후군 유병률과 관련성이 있음을 밝혔다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.515-530
• /
• 2021

본 연구에서는 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 위성영상을 기반으로 다중선형회귀모형을 활용하여 금강 유역 상류에 위치한 용담댐 유역의 토양수분을 산정하였다. 10 m 공간 해상도의 Sentinel-1A/B SAR 영상은 6일 간격으로 2015년부터 2019년까지 5년 동안 구축하였고, SNAP(SentiNel Application Platform)을 사용하여 기하 보정, 방사 보정 및 잡음(Noise) 보정을 수행하고 VV 및 VH 편파 후방산란계수로 변환하였다. 토양수분 산정 모형의 검증자료로 TDR로 측정된 6개 지점의 실측 토양수분 자료를 구축하였으며, 수문학적 개념인 선행 강우를 고려하기 위해 동지점에 대한 강수량 자료를 구축하였다. 다중선형회귀모형은 전체 기간 및 계절별로 나누어 모의하였으며, 독립변수의 증감에 따른 상관성 분석을 진행하였다. 산정된 토양수분은 결정계수(R²)와 평균제곱근오차(RMSE)를 활용하여 검증하였다. 초지 지역에서 후방산란계수만을 이용한 토양 수분 산정 결과 R²가 0.13, RMSE가 4.83%으로 나타났으며 선행강우를 5일까지 사용했을 경우 R²가 0.37, RMSE가 4.11%로 상관성이 상승하는 모습을 보였다. 이 때, 토양수분의 계절별 변동성과 감소 패턴의 반영을 위해 무강우누적일수의 적용과 계절별 회귀식을 작성한 결과 R²가 0.69, RMSE가 2.88%로 상관성이 크게 상승하였다. SAR 기반 토양수분 추정 시 선행강우 및 무강우누적일수의 활용이 효과적이었다.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1081-1095
• /
• 2020

본 연구는 SWAT (Soil and Water Assessment Tool)을 이용하여 섬진강유역 주암댐에서 영산강유역(3,371.4 km2)으로의 유역간 물이동량조절에 따른 영산강의 하천유량 및 수질변동을 분석하였다. 이를 위해, SWAT의 Inlet 기능을 이용한 물이동과 영산강유역 하수처리장들의 방류량 자료를 고려한 SWAT을 구축하여, 마륵(MR) 수위관측소와 다기능보 2개(승촌보;SCW, 죽산보;JSW) 그리고 3개의 수질관측소(광주;GJ2, 나주;NJ, 함평;HP)를 대상으로 총 14년(2005~2018) 동안의 유량과 수질을 검보정하였다. 3개 지점 하천유량의 검보정 결과, R2, NSE, RMSE, PBIAS는 각각 0.69 ~ 0.81, 0.61 ~ 0.70, 1.34 ~ 2.60 mm/day, -8.3% ~ +7.6%였으며, 수질은 SS, T-N 및 T-P 각각 R2가 각각 0.69 ~ 0.81, 0.61 ~ 0.70, 0.54 ~ 0.63의 범위를 보였다. 물이동량을 고려한 영산강유역의 하천유량은 평균 12.0 m3/sec로 나타났으며, SS, T-N 및 T-P의 평균 농도는 각각 110.5 mg/L, 4.4 mg/L, 0.18 mg/L 이었다. 물이동량의 변화에 따른 영산강의 유량과 수질의 변화를 보기 위하여, 물이동량의 증가(110%, 130%, 150%)와 감소(90%, 70%, 50%)를 적용하였다. 대표적으로 증가시나리오 130%의 경우, 하천유량과 SS의 농도는 각각 12.94 m3/sec (+7.8%), 111.26 mg/L (+0.7%) 증가, T-N과 T-P 농도는 각각 4.17 mg/L (-5.2%), 0.165 mg/L (-8.3%)로 감소하였다. 반면 감소시나리오 70%를 적용하였을 때, 하천유량과 SS의 농도는 각각 11.07 m3/sec (-7.8%), 109.74 mg/L (-0.7%)로 감소, T-N과 T-P 농도는 각각 4.68 mg/L (+6.4%), 0.199 mg/L (+10.6%) 증가하였다.

• 한국작물학회지
• /
• 제66권2호
• /
• pp.105-111
• /
• 2021

해마다, 강한 바람을 동반한 태풍 및 집중호우로 인해 벼도복이 발생하고 있으며, 이삭이 여무는 등숙기에 도복으로 인한 수발아와 관련된 피해를 발생시키고 있다. 따라서,신속한 피해 대응을 위해 신속한 벼 도복 피해 면적 산정은 필수적이다. 벼 도복과 관련된 이미지들은 도복이 발생된 김제, 부안, 군산일대에서 드론을 이용하여 수집하였고, 수집한 이미지들을 128 × 128 픽셀로 분할하였다. 벼 도복을 예측하기 위해 이미지 기반 딥 러닝 모델인 CNN을 이용하였다. 분할한 이미지들은 도복 이미지(lodging)와 정상 이미지(non-lodging) 2가지로 라벨로 분류하였고, 자료들은 학습을 위한 training-set과 검증을 위한 vali-se을 8:2의 비율로 구분하였다. CNN의 층을 간단하게 구성하여, 3개의 optimizer (Adam, Rmsprop, and SGD)로 모델을 학습하였다. 벼 도복 면적 평가는 training-set과 vali-set에 포함되지 않은 자료를 이용하였으며, 이미지들을 methshape 프로그램으로 전체 농지로 결합하여 총 3개의 농지를 평가하였다. 도복 면적 추정은 필지 전체의 이미지를 모델의 학습 입력 크기(128 × 128)로 분할하여 학습된 CNN 모델로 각각 예측한 후, 전체 분할 이미지 개수 대비 도복 이미지 개수의 비율을 전체 농지의 면적에 곱하여 산정하였다. training-set과 vali-set에 대한 학습 결과, 3개의 optimizer 모두 학습이 진행됨에 따라 정확도가 높아졌으며, 0.919 이상의 높은 정확도를 보였다. 평가를 위한 3개의 농지에 대한 결과는 모든 optimizer에서 높은 정확도를 보였으며, Adam이 가장 높은 정확도를 보였다(RMSE: 52.80 m², NRMSE: 2.73%). 따라서 딥 러닝을 이용하여 신속하게 벼 도복 면적을 추정할 수 있을 것으로 예상된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1125-1139
• /
• 2022

무인항공기에 부착된 위성 항법 시스템/관성 측정 센서(global positioning system/inertial measurement unit, GPS/IMU)와 관측 센서 사이에는 물리적인 위치와 자세 오차가 존재한다. 해당 물리 오프셋으로 인해, 관측 데이터는 비행 방향에 따라 서로 위치가 어긋나는 이격 오차가 발생한다. 특히나, 다중 센서를 활용하여 데이터를 취득하는 다중 센서 무인항공기의 경우, 관측 센서가 변경될 때마다 고액의 비용을 지불하고 외산 소프트웨어 의존하여 물리 오프셋을 조정하고 있는 실정이다. 본 연구에서는 다중 센서에 적용 가능한 초기 센서 모델식을 수립하고 물리 오프셋 추정 방법을 제안한다. 제안된 방안은 크게 3가지 단계로 구성된다. 먼저, 직접지리 참조를 위한 회전 행렬 정의 및 초기 센서 모델식을 수립한다. 다음으로, 지상기준점과 관측 센서에서 취득된 데이터 간의 대응점을 추출하여 물리 오프셋 추정을 위한 관측방정식을 수립한다. 마지막으로, 관측 자료를 기반으로 물리 오프셋을 추정하고, 추정된 파라미터를 초기 센서 모델식에 적용한다. 전주, 인천, 알래스카, 노르웨이 지역에서 취득된 데이터셋에 적용한 결과, 4개 지역 모두 물리 오프셋 적용 전에 발생되던 영상 접합부의 이격 오차가 물리 오프셋을 적용 후 제거되는 것을 확인했다. 인천 지역의 지상기준점 대비 절대 위치 정확도를 분석한 결과, 초분광 영상의 경우, X, Y 방향으로 약 0.12 m 위치 편차를 보였으며, 라이다 포인트 클라우드의 경우 약 0.03 m의 위치 편차를 보여줬다. 더 나아가 영상 내 특징점에 대하여 초분광, 라이다 데이터의 상대 위치 정확도를 분석한 결과, 센서 데이터 간의 위치 편차가 약 0.07 m인 것을 확인했다. 따라서, 제안된 물리 오프셋 추정 및 적용을 통해 별도 기준점 없이 정밀한 데이터 매핑이 가능한 직접 지리 참조가 가능하다는 것을 확인했으며, 다중 센서를 부착한 무인항공기에서 취득된 센서 데이터 간의 융합 가능성에 대해 확인하였다. 본 연구를 통해 독자적인 물리 파라미터 추정 기술 보유를 통한 경제적 비용 절감 효과 및 관측 조건에 따른 유연한 다중 센서 플랫폼 시스템 운용을 기대한다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.707-723
• /
• 2022

위성기반 해수면온도는 광역 모니터링이 가능한 장점이 있지만, 다양한 환경적 그리고 기계적 이유로 인한 시공간적 자료공백이 발생한다. 자료공백으로 인한 활용성의 한계가 있으므로, 공백이 없는 자료 생산이 필수적이다. 따라서 본 연구에서는 한반도 주변 해역에 대해 극궤도와 정지궤도 위성에서 생산되는 해수면온도 자료를 두 단계의 기계학습을 통해 융합하여 4 km의 공간해상도를 가지는 일별 해수면온도 합성장을 만들었다. 첫번째 복원 단계에서는 Data INterpolate Convolutional AutoEncoder (DINCAE) 모델을 이용하여 다종 위성기반 해수면온도 자료를 합성하여 복원하였고, 두번째 보정 단계에서는 복원된 해수면온도 자료를 현장관측자료에 맞춰 Light Gradient Boosting Machine (LGBM) 모델로 학습시켜 최종적인 일별 해수면온도 합성장을 만들었다. 개발된 모델의 검증을 위해 복원 단계에서 무작위 50일의 자료 중 일부분을 제거하여 복원한 뒤 제거된 영역에 대해 검증하였으며, 보정 단계에서는 Leave One Year Out Cross Validation (LOYOCV) 기법을 이용하여 현장자료와의 정확도를 검증하였다. DINCAE 모델의 해수면온도 복원 결과는 상당히 높은 정확도(R²=0.98, bias=0.27℃, RMSE=0.97℃, MAE=0.73℃)를 보였다. 두번째 단계의 LGBM 보정 모델의 정확도 개선은 표층 뜰개 부이와 계류형 부이 현장자료와의 비교에서 모두 상당한 향상(RMSE=∆0.21-0.29℃, rRMSE=∆0.91-1.65%, MAE=∆0.17-0.24℃)을 보여주었다. 특히, 모든 현장 자료를 이용한 보정 모델의 표층 뜰개 부이와의 정확도는 동일한 현장 자료가 동화된 기존 해수면온도 합성장보다 나은 정확도를 보였다. 또한 LGBM 보정 모델은 랜덤포레스트(random forest)를 사용한 선행연구에서 보고된 과적합의 문제를 상당부분 해결하였다. 보정된 해수면온도는 기존의 초고해상도 해수면온도 합성장들과 유사한 수준으로 수온 전선과 와동 등의 중규모 해양현상을 뚜렷하게 모의하였다. 본 연구는 다종위성 자료와 기계학습 기법을 사용해 시공간적 공백 없는 고해상도 해수면온도 합성장 제작 방법을 제시하였다는 점에서 가치가 있다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.747-763
• /
• 2022

해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R² = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.

• 한국수자원학회논문집
• /
• 제56권3호
• /
• pp.195-210
• /
• 2023

국내 대하천은 2010년 대규모 정비사업 이후 자연적 안정화를 위한 추가 재퇴적 및 침식이 진행 중에 있어 정밀 하상 모니터링이 요구되고 있다. 초분광수심법은 저수심의 고해상도 하천 수심측정 측면에서 종래의 접촉식 수심측정 기법을 대체하거나 보완할 수 있는 방법으로 각광을 받기 시작하였다. 본 연구는 초분광수심법에서 대표적인 최적밴드비기법을 소개하고 국내 대하천인 낙동강과 황강 합류부에서 평수기 전형적인 탁도조건에서 초분광수심법을 적용하여 수심맵을 산정하여 국내 하천으로의 적용성을 평가하였다. 이를 위해 수심영역별 최적밴드비기법으로 도출되는 상관도와 평균제곱근오차를 적용하여 최대측정가능수심을 산정하였고 최대추정가능수심 이상은 관계식 구축 시와 수심맵 산정 시 제외시켰다. 그리고 수심과 최적밴드비 관계(d-X)에 비선형성을 검토하여 적용하였다. 국내 대하천인 낙동강-황강 합류부에 적용한 결과는 다음과 같다. 첫째, 초분광수심법은 주로 저수심부에서 정밀한 수심맵을 효율적으로 산정할 수 있음을 보여주었고 최대측정가능수심은 통상적 탁도에서 낙동강의 경우 2.5 m로 나타났고, 탁도가 높은 지류의 경우 1.25 m로 나타났다. 둘째, 최대측정가능수심은 초분광수심법 하상 도출 시 다양한 시나리오의 배제수심을 고려하여 산정 및 적용되어야 하고, 이때 최적밴드비기법 적용 시 평균제곱근오차가 기존의 상관도 방식에 비해 최대측정가능수심 산정에 우수하였다. 셋째, 황강 합류부의 탁도가 높아 측정가능수심이 인근 낙동강에 비해 절반으로 낮아져 초분광수심법은 탁도가 높은 환경일 경우 한계가 있음을 확인하였다.