• Title/Summary/Keyword: rRMSE

Search Result 503, Processing Time 0.027 seconds

Use reservoir stoage data for improvement of hydrological observation (수문관측에서 저수량 자료 활용하다)

  • Jaekyoung Noh;Jaenam Lee
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2023.05a
    • /
    • pp.67-67
    • /
    • 2023
  • 수문관측의 핵심은 강우-유출 관계다. 하천유량 생산을 위해 수많은 지점에서 유량측정을 수행한다. 그러나 유량자료의 신뢰도는 높지 않다. 그리고 댐 유입량 산정에 아무 도움이 되지 않고 있다. 더구나 저수지의 경우는 유입량 자료도 없이 운영되고 있다. 저수지, 댐에 물이 고여 있는데 이를 활용하면 유입량을 계산할 수 있고, 그 지점에서 유량이 얼마인지 고품질로 생산할 수 있다. 여기서는 총저수량 260만m3, 유역면적 3.7km2인 감포댐에 적용하여 저수량 자료를 활용하여 유입량의 신뢰도를 얼마나 개선시킬 수 있는지 분석한 결과는 다음과 같다. 여기서 적용 기간은2020.9.1.~9.14., 2022.9.5.~9.6 등 2개 사상이고, ONE 모형에 의해 10분 단위로 유출량을 모의했다. 모의 방법은 총유량을 같게 하는 방법과 저수위 오차를 최소로 하는 방법 등 두 가지로 했다. 첫째, 2020.9.1.~9.14. 사상은 강우량은 10분 최대 19.0mm, 총 127.0mm였다. 총유량을 같게 하는 경우 유입량은 10분 최대 5.4m3/s, 총 40만m3로 모의돼, 유출률 85.5%로 나타났고, 관측은 10분최대 4.7m3/s, 총 40만m3, 유출률 85.3%로 나타났다. 유량 신뢰도는 RMSE 0.491mm, NSE 0.237, R2는 0.455로 나타났다. 이 경우 저수위 모의 신뢰도는 RMSE 0.600m, NSE 0.158, R2는 0.893로나타났다. 저수량 오차를 최소로 한 경우 유입량은 10분 최대 4.0m3/s, 총 28만m3로 모의돼, 유출률 59.4%로 나타났고, 관측은 10분 최대 4.0m3/s, 총 28만m3, 유출률 85.3%로 나타났다. 유량 신뢰도는 RMSE 0.425mm, NSE 0.430, R2는 0.507로 나타났다. 이 경우 저수위 모의 신뢰도는 RMSE 0.110m, NSE 0.972, R2는 0.995로 높았다. 둘째, 2022.9.5.~9.6. 사상은 강우량은 10분 최대 32.3mm, 총 196.0mm였다. 총유량을 같게 하는 경우 유입량은 10분 최대 64.5m3/s, 총 59만m3로 모의돼, 유출률 81.6%로 나타났고, 관측은 10분 최대 80.1m3/s, 총 59만m3, 유출률 81.6%로 나타났다. 유량 신뢰도는 RMSE 1.832mm, NSE 0.960, R2는 0.984로 나타났다. 이 경우 저수위 모의 신뢰도는 RMSE 0.323m, NSE 0.968, R2는 0.999로나타났다. 저수량 오차를 최소로 한 경우 유입량은 10분 최대 80.1m3/s, 총 66만m3로 모의돼, 유출률 91.6%로 나타났고, 관측은 10분 최대 80.1m3/s, 총 59만m3, 유출률 81.8%로 나타났다. 유량 신뢰도는 RMSE 2.120mm, NSE 0.947, R2는 0.949로 나타났다. 이 경우 저수위 모의 신뢰도는 RMSE 0.153m, NSE 0.993, R2는 0.997로 높았다. 종합하면 저수량 오차가 최소가 되도록 하천 유출량을 모의하면 결과적으로 하천유량의 신뢰도를 향상시키는 것이라 말할 수 있다.

  • PDF

Estimation of Chlorophyll Contents in Pear Tree Using Unmanned AerialVehicle-Based-Hyperspectral Imagery (무인기 기반 초분광영상을 이용한 배나무 엽록소 함량 추정)

  • Ye Seong Kang;Ki Su Park;Eun Li Kim;Jong Chan Jeong;Chan Seok Ryu;Jung Gun Cho
    • Korean Journal of Remote Sensing
    • /
    • v.39 no.5_1
    • /
    • pp.669-681
    • /
    • 2023
  • Studies have tried to apply remote sensing technology, a non-destructive survey method, instead of the existing destructive survey, which requires relatively large labor input and a long time to estimate chlorophyll content, which is an important indicator for evaluating the growth of fruit trees. This study was conducted to non-destructively evaluate the chlorophyll content of pear tree leaves using unmanned aerial vehicle-based hyperspectral imagery for two years(2021, 2022). The reflectance of the single bands of the pear tree canopy extracted through image processing was band rationed to minimize unstable radiation effects depending on time changes. The estimation (calibration and validation) models were developed using machine learning algorithms of elastic-net, k-nearest neighbors(KNN), and support vector machine with band ratios as input variables. By comparing the performance of estimation models based on full band ratios, key band ratios that are advantageous for reducing computational costs and improving reproducibility were selected. As a result, for all machine learning models, when calibration of coefficient of determination (R2)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm2, relative error (RE)≤17.9% and validation of R2≥0.56, RMSE≤1.41 ㎍/cm2, RE≤20.7% using full band ratios were compared, four key band ratios were selected. There was relatively no significant difference in validation performance between machine learning models. Therefore, the KNN model with the highest calibration performance was used as the standard, and its key band ratios were 710/714, 718/722, 754/758, and 758/762 nm. The performance of calibration showed R2=0.80, RMSE=0.94 ㎍/cm2, RE=13.9%, and validation showed R2=0.57, RMSE=1.40 ㎍/cm2, RE=20.5%. Although the performance results based on validation were not sufficient to estimate the chlorophyll content of pear tree leaves, it is meaningful that key band ratios were selected as a standard for future research. To improve estimation performance, it is necessary to continuously secure additional datasets and improve the estimation model by reproducing it in actual orchards. In future research, it is necessary to continuously secure additional datasets to improve estimation performance, verify the reliability of the selected key band ratios, and upgrade the estimation model to be reproducible in actual orchards.

Estimation of Surface Solar Radiation using Ground-based Remote Sensing Data on the Seoul Metropolitan Area (수도권지역의 지상기반 원격탐사자료를 이용한 지표면 태양에너지 산출)

  • Jee, Joon-Bum;Min, Jae-Sik;Lee, Hankyung;Chae, Jung-Hoon;Kim, Sangil
    • Journal of the Korean earth science society
    • /
    • v.39 no.3
    • /
    • pp.228-240
    • /
    • 2018
  • Solar energy is calculated using meteorological (14 station), ceilometer (2 station) and microwave radiometer (MWR, 7 station)) data observed from the Weather Information Service Engine (WISE) on the Seoul metropolitan area. The cloud optical thickness and the cloud fraction are calculated using the back-scattering coefficient (BSC) of the ceilometer and liquid water path of the MWR. The solar energy on the surface is calculated using solar radiation model with cloud fraction from the ceilometer and the MWR. The estimated solar energy is underestimated compared to observations both at Jungnang and Gwanghwamun stations. In linear regression analysis, the slope is less than 0.8 and the bias is negative which is less than $-20W/m^2$. The estimated solar energy using MWR is more improved (i.e., deterministic coefficient (average $R^2=0.8$) and Root Mean Square Error (average $RMSE=110W/m^2$)) than when using ceilometer. The monthly cloud fraction and solar energy calculated by ceilometer is greater than 0.09 and lower than $50W/m^2$ compared to MWR. While there is a difference depending on the locations, RMSE of estimated solar radiation is large over $50W/m^2$ in July and September compared to other months. As a result, the estimation of a daily accumulated solar radiation shows the highest correlation at Gwanghwamun ($R^2=0.80$, RMSE=2.87 MJ/day) station and the lowest correlation at Gooro ($R^2=0.63$, RMSE=4.77 MJ/day) station.

Estimation of Vegetation for Chinese Cabbage Using Hyperspectral Imagery (초분광 영상을 이용한 배추의 생육 추정)

  • Kim, Won Jun;Kang, Ye Seong;Kim, Seong Heon;Kang, Jeong Gyun;Jun, Sae Rom;sarkar, Tapash Kumar;Ryu, Chan Seok
    • Proceedings of the Korean Society for Agricultural Machinery Conference
    • /
    • 2017.04a
    • /
    • pp.40-40
    • /
    • 2017
  • 본 연구는 빛의 파장대가 넓어 보다 다양한 접근과 검출이 가능한 초분광 카메라 (VNIR spectral camera PS, SPECIN Filand)를 이용하여 정식시기가 다른 배추를 생육단계별로 영상을 취득한 후 배추 캐노피의 전 파장 (400~1000nm)으로 생육 추정모델을 개발하기 위해 수행하였다. 정식시기가 다른 배추를 생육단계별로 초분광 카메라로 영상을 취득한 후 취득된 영상 ($348{\times}1040$)을 ENVI (ver. 5.2, Exelis Visual Information Solutions, USA) 프로그램을 이용하여 식생지수 NDVI로 작물과 배경을 구분하였다. 배추 캐노피 영역에 전 파장을 산출한 후 반사판 영역의 전 파장을 이용하여 광 보정된 반사율을 산출하였다. 통계 프로그램인 R Project (ver.3.3.3, Development Core Team, Vienna, Austria)를 이용하여 배추의 반사율과 계측한 생육 정보를 PLSR (Partial least squares regression) 분석하여 정확도($R^2$) 및 정밀도 (RMSE [g,cm,count], RE [%])로 나타내었고 그 모델은 full-cross validation (FV) 하여 타당성을 검증하였다. 정식시기가 다른 배추의 모든 생육단계의 생육정보를 이용하여 PLSR (Partial least squares regression) 결과 엽장을 추정한 모델의 $R^2$는 84% 이상의 정확도와 RMSE 3.2cm 이하의 좋은 정밀도를 보였다. 엽폭을 추정한 모델의 $R^2$는 73% 이상의 정확도와 RMSE 3.5cm 이하의 정밀도를 보였고 엽수를 추정한 모델의 $R^2$는 93% 이상의 정확도와 RMSE 6.3Count 이하의 정밀도로 보여 캐노피의 전 파장을 이용해 생육을 추정하는 것이 가능하다고 판단되었으며 이 모델들의 타당성 검증에서도 좋은 정확도와 정밀도를 보였다. 그러나 배추의 중요한 생육인자 중 생체중을 추정한 모델의 $R^2$는 89% 이상으로 정확도가 높았으나 RMSE 571.1g 이하로 낮은 정밀도를 보여 생체중을 정확히 추정하기 어려웠다. 따라서 다른 통계분석방법으로 전 파장과 생육정보를 분석하거나 특정 밴드를 선택하여 산출한 식생지수를 이용한 추정 모델의 개발을 통하여 오차를 개선할 필요가 있다고 사료된다. 추후 반복 실험하여 분석한 추정 모델과 비교 분석하여 다양한 환경 및 생물 조건에 범용성을 가진 모델을 개발할 필요가 있다.

  • PDF

RETRIEVAL OF LAND SURFACE TEMPERATURE FROM MTSAT-1R

  • Kwak, Seo-Youn;Suh, Myoung-Seok;Kang, Jeon-Ho;Kwak, Chong-Heum;Kim, Chan-Soo
    • Proceedings of the KSRS Conference
    • /
    • v.1
    • /
    • pp.250-252
    • /
    • 2006
  • The land surface temperature (LST) can be defined as a weighted average temperature of components which constitute a pixel. The coefficients of split-window algorithm for MTSAT-1R were obtained by means of a statistical regression analysis from radiative transfer simulations using MODTRAN 4.0 for a wide range of atmospheric, satellite viewing angle (SVA) and lapse rate conditions. 6 types of atmospheric profile data imbedded in the MODTRAN 4 are used for the radiative transfer simulations. The RMSE is clearly larger on warm and humid profiles than cold and dry profiles, especially when the satellite viewing angle and lapse rate are large. The derivation of LST equations according to the atmospheric profiles clearly decreased the RMSE without regard to the SVA and lapse rate. The bias and RMSE are decreased as the more controls factors included. This preliminary result indicates that the characteristics of atmosphere, SVA and lapse rate should be included in the LST equation.

  • PDF

Retrieval of land Surface Temperature from MTSAT-1R

  • Kwak, Seo-Youn;Suh, Myoung-Seok;Kang, Jeon-Ho;Kwak, Chong-Heum;Kim, Chan-Soo
    • Korean Journal of Remote Sensing
    • /
    • v.22 no.5
    • /
    • pp.385-388
    • /
    • 2006
  • The land surface temperature (LST) can be defined as a weighted average temperature of components which constitute a pixel. The coefficients of split-window algorithm for MTSAT-1R were obtained by means of a statistical regression analysis from radiative transfer simulations using MODTRAN 4.0 for a wide range of atmospheric, satellite viewing angle (SVA) and lapse rate conditions. 6 types of atmospheric profile data imbedded in the MODTRAN 4 are used for the radiative transfer simulations. The RMSE is clearly larger on warm and humid profiles than cold and dry profiles, especially when the satellite viewing angle and lapse rate are large. The derivation of LST equations according to the atmospheric profiles clearly decreased the RMSE without regard to the SVA and lapse rate. The bias and RMSE are decreased as the more controls factors included. This preliminary result indicates that the characteristics of atmosphere, SVA and lapse rate should be included in the LST equation.

Soil Moisture Time Series Modeling for Daily Measured at a Steep Relief Measured in a Mountainous Hillside (산지사면에서 측정된 일단위 토양수분 시계열 자료의 모델링)

  • Jeong, Ju Yeon;Kim, Sang Hyun
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2015.05a
    • /
    • pp.462-462
    • /
    • 2015
  • 이 논문에서는 시 공간적 토양수분 변화를 파악하기 위해 다년간 축적된 실측 토양수분 데이터를 이용하여 단변량 시계열 분석을 하였다. 지형에 따른 토양수분 변화를 알아보기 위해 경기도 파주에 위치한 설마천 유역의 산지사면 중 한 단면을 선정하였으며, 깊이에 따른 변동성은 깊이 10cm와 30cm에서 측정한 토양수분 데이터를 이용하여 분석하였다. 또한, 연도별 토양수분의 변화를 파악하고 토양수분을 예측하기 위해 2010-2013년의 토양수분 데이터를 일단위로 단변량 모델링을 시도하였다. 그 결과, 연도별 변화에 따른 경향성은 보이지 않았으며 대부분의 지점에서 ARMA(1, 1) 또는 ARMA(1, 0) 모형으로 모의되었다. 2시간 간격의 1-2개월 단기간 토양수분 데이터를 모의한 선행연구와 달리 본 연구에서는 낮은 차수의 모형을 보였다. 지형적 토양수분 거동을 살펴보면 상부사면에 위치하고 있는 지점에서는 모두 ARMA(1, 1)로 표현되지만 하부사면에 위치한 지점들은 연도나 심도에 따라 ARMA(1, 0)으로 모의된다. 단변량 모형의 정확도를 알아보기 위해 R2와 RMSE를 비교하였다. 10cm 깊이에서는 경향성을 보이지 않으나, 30cm 깊이에서는 사면하부로 갈수록 R2는 작아지고 RMSE는 커져, 하부사면에서의 모델링이 상부사면에 비해 정확도가 낮음을 보였다. 또한 2012년 토양수분 자료를 이용하여 2013년 토양수분을 예측하기 위해 2012년 매개변수와 2013년 전일 데이터를 이용하여 예측하고자 하는 일단위 토양수분을 구하였다. 그 결과 $R^2=0.646-0.807$, RMSE=1.758-4.802의 정확도를 나타냈다.

  • PDF

Prediction of California bearing ratio (CBR) for coarse- and fine-grained soils using the GMDH-model

  • Mintae Kim;Seyma Ordu;Ozkan Arslan;Junyoung Ko
    • Geomechanics and Engineering
    • /
    • v.33 no.2
    • /
    • pp.183-194
    • /
    • 2023
  • This study presents the prediction of the California bearing ratio (CBR) of coarse- and fine-grained soils using artificial intelligence technology. The group method of data handling (GMDH) algorithm, an artificial neural network-based model, was used in the prediction of the CBR values. In the design of the prediction models, various combinations of independent input variables for both coarse- and fine-grained soils have been used. The results obtained from the designed GMDH-type neural networks (GMDH-type NN) were compared with other regression models, such as linear, support vector, and multilayer perception regression methods. The performance of models was evaluated with a regression coefficient (R2), root-mean-square error (RMSE), and mean absolute error (MAE). The results showed that GMDH-type NN algorithm had higher performance than other regression methods in the prediction of CBR value for coarse- and fine-grained soils. The GMDH model had an R2 of 0.938, RMSE of 1.87, and MAE of 1.48 for the input variables {G, S, and MDD} in coarse-grained soils. For fine-grained soils, it had an R2 of 0.829, RMSE of 3.02, and MAE of 2.40, when using the input variables {LL, PI, MDD, and OMC}. The performance evaluations revealed that the GMDH-type NN models were effective in predicting CBR values of both coarse- and fine-grained soils.

Inter-basin water transfer modeling from Seomjin river to Yeongsan river using SWAT (SWAT을 이용한 섬진강에서 영산강으로의 유역간 물이동 모델링)

  • Kim, Yong Won;Lee, Ji Wan;Woo, So Young;Kim, Seong Joon
    • Journal of Korea Water Resources Association
    • /
    • v.53 no.1
    • /
    • pp.57-70
    • /
    • 2020
  • This study is to establish the situation of inter-basin transfer from Seomjin river basin to Yeongsan river basin using SWAT (Soil and Water Assessment Tool). Firstly, the SWAT modeling was conducted for each river basin. After, the inter-basin transfer was established using SWAT reservoir operating parameters WURESN (Water Use Reservoir Withdrawn) and inlet function from Juam dam of Seomjin river basin to Gwangju stream of Yeongsan river basin respectively. Each river basin was calibrated and validated using 13 years (2005~2017) data of Seomjin- Juam dam reservoir storage (JAD), release, transfer and Yeongsan-Mareuk (MR) stream gauge station. The results of root mean square error RMSE, Nash-Sutcliffe efficiency NSE, and determination coefficient R2 of JAD were 2.22 mm/day, 0.62 and 0.86 respectively. The RMSE, NSE, and R2 of MR were 1.38 mm/day, 0.69 and 0.84 respectively. To evaluate the downstream effects by the transferred water, the water levels of 2 multi-function weirs (SCW, JSW) in Yeongsan river basin and the Gokseong (GS) and Gurye (GR) stream gauge stations in Seomjin river basin were also calibrated. The RMSE, NSE, and R2 of SCW, JSW, GS and GR were 1.49~2.49 mm/day, 0.45~0.76, 0.81~0.90 respectively.

Is that possible to simulate daily runoff with one parameter? (하나 매개변수로 유출 모의 가능한가?)

  • Noh, Jaekyoung;An, Hyunuk;Lee, Jaenam
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2017.05a
    • /
    • pp.29-29
    • /
    • 2017
  • 유역의 물수지를 강수, 증발산, 토양수분저류, 유출 등 성분으로 구성하고, 토양수분저류 상태에 따라 증발산과 유출이 변화하는 식을 기본식으로 구성하였으며, 물수지를 개선하는 매개변수를 변수화하는 개념을 도입하여 다음 식의 모형을 개발하였다. 여기서, ETa는 실제증발산량, ETo는 잠재증발산량, Q는 유출량, S는 토양수분저류량이고, C1은 증발산, C2, ${\alpha}$는 유출반응, C3, C4는 매개변수 ${\alpha}$를 변수화시키는 데 관련한 매개변수이다. $$ETa(i)=(1-e^{-c1{\times}s(i)}){\times}ETo_{(i)}$$ $$Q_{(i)}=S_{(i)}{\times}(1-e^{-c2{\times}s(i)})^{[(c3+e^{-c4{\times}s(i)}){\times}a]}$$ 모형의 검증을 위해 Monte Calro 기법으로 최적 매개변수를 결정한 결과 수많은 매개변수 조합이 최적영역에 분포되는 것을 확인하였으며, 이를 바탕으로 매개변수 하나만 남겨 놓고 나머지 매개변수는 상수화시켜도 모의결과가 똑같다는 결과를 관찰하였으며, 이를 토대로 하나 매개변수만으로 일 유출 모의가 가능하다고 결론을 내렸다. 하나의 매개변수는 ${\alpha}$를 우선 추천하고, C1도 유역의 토지이용에 따라 증발산이 변화하기 때문에 의미있다고 판단하고 있다. 하나의 매개변수를 결정하는 방법은 유출 자료가 있으면 유출량으로, 없으면 유출률을 맞추는 방법이며, 일반화하기 쉽고 실용성이 매우 높은 것으로 평가된다. 유역면적 $209km^2$인 보령댐의 2007년부터 2009년까지 Monte Calro 기법으로 매개변수를 결정한 결과 C1=0.0196, C2=0.0023, C3=0.3230, C4=0.0051, ${\alpha}=2.3304$ 이었으며, 이 때 연평균 강우량 1221.2mm, 유출량 651.2mm, 유출률 53.3%이었으며, $R^2=0.833$, RMSE=2.073, NSE=0.831이었고, 관측 유출량 610.8mm, 유출률 50.0%였다. 매개변수 C1, C2, C3, C4를 고정시키고 유출률 50%에 이를 때 ${\alpha}$는 2.6946이었으며, 이 때 $R^2=0.831$, RMSE=2.102, NSE=0.826이었고, 매개변수 C2, C3, C4, ${\alpha}$를 고정시키고 유출률 50%에 이를 때 C1은 0.0255이었으며, 이 때 $R^2=0.833$, RMSE=2.083, NSE=0.829이었다. 한편 똑같은 자료로 탱크모형은 $R^2=0.79$, RMSE=2.43, NSE=0.77이었고, SWAT 모형은 $R^2=0.56$, RMSE=3.97, NSE=0.40으로 나타난 것과 비교할 때, 개발된 모형의 성능이 우수한 것이라 결론내릴 수 있었다.

  • PDF