• 대한원격탐사학회지
• /
• 제14권1호
• /
• pp.53-68
• /
• 1998

대기중에 존재하는 수증기의 관측은 일기와 기후의 이해에 있어서 매우 중요한데, 기존의 관측체계로는 지구상의 극히 제한된 지역의 수증기 분포만을 관측할 수 있다. 이 연구에서는 일본 정지기상위성인 GMS-5의 적외 split window 채널 관측자료로부터 대기중에 함유되어 있는 수증기 총량 즉 가강수량(precipitable water)을 산출하였다. 가강수량 산출에는 라디오존데 관측 가강수량과 split window 관측자료 사이의 회귀분석에 기초한 Chesters et al.(1983)의 알고리즘을 사용하였 다. 가강수량 산출을 위하여 센서의 필터 함수와 관련된 수증기 흡수 파라미터는 우리 나라 고층 관측소인 오산, 광주,포항,제주에서 관측한 '76년 8월부터 11월가지의 4개월간 관측한 라디오존데 자료와 위성 관측자료의 회귀분석을 통하여 산출하였다. 한편 기상청 전구 스펙트랄 모델의 700 hPa온도를 1층 복사 모델의 대기 평균 온도로 사용하였다. 1996년 7월부터 12월까지의 기간에 대하여 산출한 GMS-5 가강수량 자료를 같은 기간 관측된 라디오존데 관측자료와 비교한 결과 0.46의 상관계수와 0.65 g/$cm^2$~1.09 g/$cm^2$의 RMS 오차를 나타내었다. GMS-5로부터 산출된 월평균 가강수량 분포는 계절에 따른 전지구 규모의 수증기 분포변화를 잘 나타내었다. 이번 연구에서 산출된 위성 가강수량은 0.5$^{\circ}$격자 간격으로 6시간마다 기상청에서 정규적으로 산출된다. 이 자료는 수치예보의 객관분석 초기 자료로 이용되어, 특히 청천 조건하에서의 습도 분석의 정확도 향상에 기여하며 기후 연구에 있어서도 현존하는 자료 세트에 대한 유용한 보완 자료가 될 것이다. 그러나 연구 결과의 실용화를 위하여는 좀더 높은 상관계수와 산출절차 등의 개선이 필요하다.용성을 고찰하였다.산마와 재배와 점질다당류가 각각 219~332$^{\circ}C$, 229~341$^{\circ}C$ 범위였다.TEX> 범위였다. 사면의 풍화와 침식에 대한 대책연구도 수행되어야 한다. 15ng/$\textrm{cm}^2$로서 90분간 조사로 27ng/$\textrm{cm}^2$량이 생성되었다. 7-DHC은 당초의 123ng/$\textrm{cm}^2$으로부터 계속 감소되어 150분간 조사시 53ng/$\textrm{cm}^2$량까지 내려갔다.하였으며, 그 외의 항목간에는 대동소이하였다.ckarti 와 E. serrulatus가 스파르가눔의 중간숙주가 될 수 있음을 확인하였다. 충란의 배양에서부터 종숙주의 충란 배출까지 약 2개월 정도의 기간이 소요되었고, 우리 나라 자연환경에서는 5일에서 7월에 주로 이 충체의 유충이 발육되고 전파되는 것으로 추측되었다.러 가지 방법들을 적극 적용하여 금후 검토해볼 필요가 있을 것이다.잡은 전혀 삭과가 형성되지 않았다. 이 결과는 종간 교잡종을 자방친으로 하고 그 자방친의 화분친을 사용할 때만 교잡이 이루어지고 있음을 나타내고 있다. 따라서 여교잡을 통한 종간잡종 품종육성 활용방안을 금후 적극 확대 검토해야 할 것이다하였다.함을 보이고 있다.X> , ZnCl$_{3}$$^{-}$같은 이온과 MgCl$^{+}$, MgCl$_{2}$같은 이온종을 형성하기 때문인것 같다. 한편 어떠한 용리액에서던지 NH$_{4}$$^{+}$의 경우 Dv값이 제일 작았다. 바. 본 연구의 목적중의 하나인 인체유해 중금속이온인 Hg(II), Cd(II)등이 NaCl같은 염화물이 함유된 시료용액에

• 한국해양학회지:바다
• /
• 제18권3호
• /
• pp.111-121
• /
• 2013

지역규모의 정확한 일기예보와 해양생태계 변화 이해에 있어서 수온 예측은 매우 중요하다. 황해는 조류가 매우 빠르고 탁도가 높다. 이러한 해역에서는 수치 모델의 수직 혼합 기법 및 해수의 탁도에 따른 수형(water type)이 수온 구조 결정에 많은 영향을 미친다. 수직 혼합 기법 변화와 탁도의 변화에 따른 황해 수온 모사의 민감도를 알아보기 위해 3차원 해양 순환 모델인 Regional Ocean Modeling System (ROMS)을 사용하여 수치 실험을 수행하였다. 수직 혼합 기법은 해양 순환 모델에서 많이 사용되는 Mellor-Yamada level 2.5 closure(M-Y)와 K-Profile parameterization (KPP)을 사용하고, 탁도는 Jerlov의 분류에 따른 수형 1, 3, 5를 사용하여 수치 실험을 수행하고 그 결과를 국립수산과학원에서 제공하는 정선 해양 관측 자료와 비교, 분석하였다. M-Y 기법은 수직적 혼합을 상대적으로 강하게 모의하였으며 그 결과로 저층수온이 높게 형성되었다. 높은 저층 수온은 탁도를 높게 설정하면 완화되지만 표층 수온이 높아지는 단점이 있다. KPP 기법은 M-Y 기법보다는 수직 혼합을 약하게 모의하고 이 약한 수직 혼합 때문에 황해 연안을 따라 형성되는 조석전선을 잘 재현하지 못하였으나, 저층 수온은 관측 수온에 더 가깝게 재현하였다. 결과적으로 황해 3차원 해양순환 모델실험에서 M-Y 기법은 수직 혼합이 잘 되어 표층과 저층의 수온 차이가 작게 나타나고, KPP 기법은 이와 반대로 모의하였다. 탁도의 영향을 표현하는 Jerlov 수형은 높을수록 일사량이 낮은 수심까지만 투과되어 성층을 잘 표현하였고, 낮을수록 깊은 수심까지 일사량이 투과되어 표층과 저층의 수온차를 작게 모의하였다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.763-774
• /
• 2020

수치예보모델의 예측 바람장은 대기운동벡터 알고리즘의 표적 추적 과정에서 추적 정확도 향상이나 계산 시간 단축을 위해 초기 추정치로 사용된다. 대기운동벡터는 수치예보모델의 자료동화 시 활용가치가 높다고 알려졌으나, 초기 추정치로 사용된 수치예보모델 바람장이 대기운동벡터의 검증 과정에 참 값으로 사용된다는 모순이 있다. 이를 해결하기 위해서는 수치예보모델로부터 독립적인 초기 추정치가 필요하다. 본 연구에서는 Lucas and Kanade 옵티컬 플로우 방법을 적용하여 바람장을 도출한 후 이를 초기 추정치로 사용함으로써 표적 추적과정에서의 모델 의존성을 제거하고 계산 속도를 향상시키고자 하였다. 대기운동벡터 산출에는 2015년 8월 18일 ~ 9월 5일 00, 06, 12, 18시 동안의 정지궤도 위성 Himawari-8/AHI의 14번 채널 Level 1B 자료를 사용하였다. 옵티컬 플로우 방법이 대기운동벡터 산출에 미치는 영향을 평가하기 위하여 다음과 같은 세가지 방법으로 교차 검증을 수행 하였다. (1) 초기 추정치 없이, (2) KMA/UM 예보바람장을 초기 추정치로 사용하여, 그리고 (3) 옵티컬 플로우 방법으로 계산된 바람장을 초기 추정치로 사용하여 대기운동벡터를 산출하고 ECMWF ERA-Interim 재분석장과 비교 검증한 결과, 옵티컬 플로우 기반 바람장을 초기 추정치로 사용한 경우에 가장 높은 정밀도를 보였다(RMSVD: 5.296-5.804 ms^-1). 계산 속도는 초기 추정치를 사용하지 않은 경우에 가장 느렸고, 나머지 테스트는 유사한 속도를 보였다. 그러므로 대기운동벡터 알고리즘의 표적 추적 과정에 옵티컬 플로우 방법을 적용하면, 모델 의존성 없는 고품질 바람벡터의 산출이 가능할 것으로 사료된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 한국해양학회지:바다
• /
• 제18권2호
• /
• pp.89-103
• /
• 2013

경제 발전에 따라 레저, 해운, 수산, 국방, 해난사고 등 해양을 이용하는 활동이 증가하면서 해양예보에 대한 수요가 크게 증가하고 있다. 기상에서 해양의 역할이 새롭게 인식되면서 정확한 기상 및 기후변화를 예측하기 위한 해양 예측의 필요성도 증가하고 있다. 사회적인 요구와 관련 기술의 발전에 힘입어 선진국을 중심으로 해양예측시스템이 수립되어 왔다. 이 연구에서는 세계적으로 해양예측시스템을 발전시키고 확산시킨 국제협력프로그램 GODAE(Global Ocean Data Assimilation Experiment)의 진행과정과 기여를 정리하였다. 그리고 현재 해양예측시스템을 운용 중인 미국, 프랑스, 영국, 이탈리아, 노르웨이, 호주, 일본, 중국이 해양예측시스템을 구축하면서 세웠던 목적과 비전, 역사, 연구 동향을 조사하고 각 나라의 해양예측시스템 현황을 비교하였다. 우리보다 앞서 해양예측시스템을 구축하여 사용하고 있는 나라들이 취한 개발 전략의 특징은 다음과 같이 요약해 볼 수 있다. 첫째, 국가적인 역량을 집중하여 성공적인 현업 해양예측시스템을 구축하였다. 둘째, 국제적인 프로그램을 통해 선진 기술을 공유하고 상호 발전시켰다. 셋째, 각 기관의 역할과 고유 목적에 따라 기여분야를 나눠가졌다. 국내에서도 최근 현업 해양예측시스템에 대한 수요가 증대되고 있다. 기상청, 국립해양조사원, 국립수산과학원, 국방과학연구소의 해양예측시스템 개발에 관한 현재 상황과 향후 장기적 계획을 조사하였다. 국지 해양예측 또는 기후예측 모델을 위한 개방경계 초기장 제공이 가능한 광역의 정확도 높은 해양예측시스템을 구축하기 위해서는 국내의 유관 기관 간 협력 관계가 필수적이다. 이를 위해 관련 기관과 연구자들이 함께 참여하는 컨소시엄 형성이 바람직하다. 컨소시엄을 통해 경쟁력 높은 예측 모델과 시스템을 구축할 수 있으며, 제한된 재원을 효율적으로 활용할 수 있고, 연구 개발 인력이 전문분야에 집중할 수 있으며, 중복 투자를 막고 각 기관은 고유 업무에 역량을 집중할 수 있다. 비록 해양예보에 있어 우리나라가 현 단계로는 국제적인 수준에 뒤쳐져 있지만, 각 유관 기관들이 고유 업무를 정립하고 국가적인 역량을 집중하여 현업 해양예측시스템을 공동 개발하면 곧 추격하여 해양예보 분야를 선도할 수 있을 것이다.