토양수분은 농업에서 필수적인 자원으로 이의 변화와 부족을 예측함으로써 관리되어왔다. 최근 현장에서의 적용 용이성과 다양한 지역에 대한 일반화 가능성이 뛰어난 통계 및 기계학습 알고리즘을 활용한 토양수분 예측 연구가 활발히 진행되고 있다. 하지만 국내에서 생성되는 데이터를 이용한 연구들은 부족한 실정이다. 이에 본 연구는 1) 국내 공공기상 데이터만으로 충분한 성능을 내는 토양수분 예측 모델을 만들 수 있는지, 2) 어떠한 기계학습 모델이 국내에서 생산되는 데이터와 토양환경에서 가장 높은 예측 성능을 보이는지, 3) 단일 기계학습 모델을 이용해 다양한 지역에 적용 가능한지를 확인해보려 한다. 본 연구에서 Support Vector Machines (SVM), Random Forest (RF), Extremely Randomized Trees (ET), Gradient Boosting Machines (GBM), and Deep Feedforward Network (DFN) 알고리즘과 종관기상관측 자료, 농업기상관측자료를 활용하여 안동, 보성, 철원, 순천 지역의 토양 수분을 예측하는 모델을 만들었다. 그 결과, GBM을 이용한 모델이 R2 : 0.96, Root Mean Squared Error(RMSE) : 1.8로 가장 낮은 예측 오차를 보였다. 또한 GBM을 사용한 모델이 가장 낮은 지역간 예측 오차 분산을 보여 가장 일반화하기에 적절한 모델로 확인되었다.
본 연구에서는 GCOM-W1 위성에 탑재된 Advanced Microwave Scanning Radiometer 2 (AMSR2) 센서의 토양수분 자료를 Land Parameter Retrieval Model (LPRM) 알고리즘을 통해 전처리하여 2014년도 한반도 지점관측 자료와의 비교 분석을 수행, 위성 토양수분 자료의 적합성을 평가하였다. 통계 분석 결과 AMSR2 X-band의 토양수분 자료는 38개의 지점관측 자료와 비교해 0.03의 평균 bias, 0.16의 평균 RMSE의 낮은 오차 수준을 보였으며, 최대상관계수는 0.67로 나타났다. 또한 AMSR2 센서의 ascending, descending 시간대별 위성 토양수분자료 분석과 X, C1, C2-band의 주파수 영역별 위성 토양수분 자료 분석 결과, ascending overpass time 시간대와, X-band 주파수의 토양수분자료가 지점 관측 자료와 더 좋은 상관관계를 보였다. 본 연구의 분석 결과는 한반도에서 최근 문제가 되고 있는 가뭄을 비롯한 각종 재해 분석 시 토양수분의 공간적 분포를 연구하는데 활용 될 수 있을 것으로 기대된다.
BACKGROUND: To determine effect of phosphate (P) application on Cadmium (Cd) extractability and its uptake by rice plant in Cd contaminated paddy soil, dipotassium ($K_2HPO_4$) which was the most effective of P materials to decrease Cd extractability in previous study was selected as P fertilizer. METHODS AND RESULTS: Dipotassium phosphate was applied at the rates of 0, 78, 234, and 390 kg $P_2O_5/ha$, and then rice was cultivated in submerged paddy soil from Jun. to Oct. in 2015. Cadmium concentrations in grain, straw, and root of rice plant decreased significantly with increasing application rate of $K_2HPO_4$. The trend of 1 M $NH_4OAc$ extractable Cd concentration in soil was similar to that of Cd uptake by rice plant. One M $NH_4OAc$ extractable Cd concentration was negatively related to soil pH and negative charge. Alleviation of Cd phytoavailability of rice in paddy soil might be attributed to increase in pH and negative charge of soil. Using a quadratic response model, amount of grain yield were related to $K_2HPO_4$ application rates as Grain yield = $5.38+2.39{\times}10^{-3}K_2HPO_4-6.65{\times}10^{-6}K_2HPO{_4}^2$ (model $R^2=0.968$). Using this equations, the greatest grain yield (5.6 Mg/ha) was at the rate of 180 kg $P_2O_5/ha$. At this application rate of P, the Cd concentration in grain was 0.53 mg/kg, implying ca. 23% lower than the control. CONCLUSION: From the view point of heavy metal safety and crop productivity, it might be good P management to apply P fertilizer with 4 times higher rate than recommendation (45 kg/ha).
본 연구에서는 도심지 토사재해 예비중점관리 대상지역 중 충주시 안림동, 대전광역시 부사동, 안동시 신안동 3개 연구지역을 선정하여 지반특성을 분석하였다. 연구지역별 특성(수관밀도, 뿌리점착력, 강우특성, 토질특성)을 이용하여 지반특성 간의 상관관계를 고찰하고, 토사재해 예측 모델링을 통해 위험지역을 예측하였다. 토사재해 위험지 예측 모델의 비교 분석을 위하여 산지토사재해 예측프로그램(LSMAP), Stability Index MAPping(SINMAP), 산림청의 산사태위험지도(LHMAP)를 활용하였으며, 토사재해 예측에 적합한 프로그램을 검토하였다. 토사재해 위험도 예측결과 일반적으로 사용되고 있는 SINMAP의 경우 과다한 범위를 위험지역으로 예측하고, 산림청 산사태위험지도(LHMAP)의 경우는 예측지역이 가장 적게 산정되었으며, LSMAP은 SINMAP 및 LHMAP의 중간 정도 범위의 지역을 위험지역으로 예측하였다. 이러한 예측 결과의 차이는 LSMAP이 비교된 두 모델에 비해 분석 매개변수가 비교적 다양하고, 공학적이기 때문인 것으로 판단되며 보다 정밀한 예측이 가능하다는 것을 알 수 있었다.
쉴드TBM (Tunnel Boring Machine) 터널 시공에 있어 막장압 관리는 막장면 붕괴, 지반침하 등을 방지하여 막장 안정성을 유지하는 데 중요한 역할을 담당한다. 특히, 챔버 내부의 굴착토로 막장압을 조절하는 토압식 쉴드TBM의 경우, 이수식 쉴드TBM에 비해 막장압의 관리가 어렵다. 본 연구에서는 국내 토압식 쉴드TBM 터널 시공 현장의 지반조건 및 굴진특성 데이터를 분석하여, 토압식 쉴드TBM 터널의 세그먼트 링별 막장압 예측모델을 제시하였다. 예측모델의 입력특성으로 7가지를 선정하였으며, 912개의 학습 데이터 세트(Training data set)와 228개의 시험 데이터 세트(Test data set)를 확보하였다. 최적의 토압식 쉴드TBM 막장압 예측모델 선정을 위하여 KNN (K-Nearest Neighbors), SVM (Support Vector Machine), RF (Random Forest), XGB (eXtreme Gradient Boosting) 모델의 하이퍼파라미터(Hyperparameter)를 최적화하여 예측성능을 비교한 결과, RF 모델이 7.35 kPa의 평균 제곱근 오차(Root Mean Square Error, RMSE)로 가장 우수한 성능을 나타냈다. 추가적으로, RF 모델의 특성 중요도(Feature importance) 분석을 수행한 결과, 입력특성 중 수압의 영향도가 0.38로 가장 높았으며, 전반적으로 지반조건이 굴진특성보다 높은 중요도를 보여주었다.
In this study, artificial neural network (ANN) and multiple regression (MR) models were developed to predict the critical factor of safety ($F_s$) of the homogeneous finite slopes subjected to earthquake forces. To achieve this, the values of $F_s$ in 5184 nos. of homogeneous finite slopes having different slope, soil and earthquake parameters were calculated by using the Simplified Bishop method and the minimum (critical) $F_s$ for each of the case was determined and used in the development of the ANN and MR models. The results obtained from both the models were compared with those obtained from the calculations. It is found that the ANN model exhibits more reliable predictions than the MR model. Moreover, several performance indices such as the determination coefficient, variance account for, mean absolute error, root mean square error, and the scaled percent error were computed. Also, the receiver operating curves were drawn, and the areas under the curves (AUC) were calculated to assess the prediction capacity of the ANN and MR models developed. The performance level attained in the ANN model shows that the ANN model developed can be used for predicting the critical $F_s$ of the homogeneous finite slopes subjected to earthquake forces.
본 연구는 용담댐유역을 포함한 금강 유역 상류 지역을 대상으로 Sentinel-1 SAR (Synthetic Aperture Radar) 위성영상을 기반으로 한 토양수분 산정을 목적으로 하였다. Sentinel-1 영상은 2019년에 대해 12일 간격으로 수집하였고, 영상의 전처리는 SNAP (SentiNel Application Platform)을 활용하여 기하 보정, 방사 보정 및 Speckle 보정을 수행하여 VH (Vertical transmit-Horizontal receive) 및 VV (Vertical transmit-Vertical receive) 편파 후방산란계수로 변환하였다. 토양수분 산정에는 Water Cloud Model (WCM)이 활용되었으며, 모형의 식생 서술자(Vegetation descriptor)는 RVI (Radar Vegetation Index)와 NDVI (Normalized Difference Vegetation Index)를 활용하였다. RVI는 Sentinel-1 영상의 VH 및 VV 편파자료를 이용해 산정하였으며, NDVI는 동기간에 대해 10일 간격으로 수집된 Sentinel-2 MSI (MultiSpectral Instrument) 위성영상을 활용하여 산정하였다. WCM의 검정 및 보정은 한국수자원공사에서 제공하는 10 cm 깊이의 TDR (Time Domain Reflectometry) 센서에서 실측된 6개 지점의 토양수분 자료를 수집하여 수행하였으며, 매개변수의 최적화는 비선형 최소제곱(Non-linear least square) 및 PSO (Particle Swarm Optimization) 알고리즘을 활용하였다. WCM을 통해 산정된 토양수분은 피어슨 상관계수(Pearson's correlation coefficient)와 평균제곱근오차(Root mean square error)를 활용하여 검증을 수행할 예정이다.
The determination of the mixture parameters of stabilization has become a great concern in geotechnical applications. This paper presents an effort about the application of artificial intelligence (AI) techniques including radial basis neural network (RBNN), multi-layer perceptrons (MLP), generalized regression neural network (GRNN) and adaptive neuro-fuzzy inference system (ANFIS) in order to predict the unconfined compressive strength (UCS) of silty soil stabilized with bottom ash (BA), jute fiber (JF) and steel fiber (SF) under different freeze-thaw cycles (FTC). The dosages of the stabilizers and number of freeze-thaw cycles were employed as input (predictor) variables and the UCS values as output variable. For understanding the dominant parameter of the predictor variables on the UCS of stabilized soil, a sensitivity analysis has also been performed. The performance measures of root mean square error (RMSE), mean absolute error (MAE) and determination coefficient ($R^2$) were used for the evaluations of the prediction accuracy and applicability of the employed models. The results indicate that the predictions due to all AI techniques employed are significantly correlated with the measured UCS ($p{\leq}0.05$). They also perform better predictions than nonlinear regression (NLR) in terms of the performance measures. It is found from the model performances that RBNN approach within AI techniques yields the highest satisfactory results (RMSE = 55.4 kPa, MAE = 45.1 kPa, and $R^2=0.988$). The sensitivity analysis demonstrates that the JF inclusion within the input predictors is the most effective parameter on the UCS responses, followed by FTC.
Tendon reinforced cemented soil is applied extensively in foundation stabilisation and improvement, especially in areas with soft clay. To solve the deterioration problem led by steel corrosion, the glass fiber-reinforced polymer (GFRP) tendon is introduced to substitute the traditional steel tendon. The interface bond strength between the cemented soil matrix and GFRP tendon demonstrates the outstanding mechanical property of this composite. However, the lack of research between the influence factors and bond strength hinders the application. To evaluate these factors, back propagation neural network (BPNN) is applied to predict the relationship between them and bond strength. Since adjusting BPNN parameters is time-consuming and laborious, the particle swarm optimisation (PSO) algorithm is proposed. This study evaluated the influence of water content, cement content, curing time, and slip distance on the bond performance of GFRP tendon-reinforced cemented soils (GTRCS). The results showed that the ultimate and residual bond strengths were both in positive proportion to cement content and negative to water content. The sample cured for 28 days with 30% water content and 50% cement content had the largest ultimate strength (3879.40 kPa). The PSO-BPNN model was tuned with 3 neurons in the input layer, 10 in the hidden layer, and 1 in the output layer. It showed outstanding performance on a large database comprising 405 testing results. Its higher correlation coefficient (0.908) and lower root-mean-square error (239.11 kPa) were obtained compared to multiple linear regression (MLR) and logistic regression (LR). In addition, a sensitivity analysis was applied to acquire the ranking of the input variables. The results illustrated that the cement content performed the strongest influence on bond strength, followed by the water content and slip displacement.
Unmanned aerial vehicles (UAVs) became popular platforms for the collection of remotely sensed data in the last years. This study deals with the monitoring of multi-temporal onion growth with very high resolution by means of low-cost equipment. The concept of the monitoring was estimation of multi-temporal onion growth using normalized difference vegetation index (NDVI) and meteorological factors. For this study, UAV imagery was taken on the Changnyeong, Hapcheon and Muan regions eight times from early February to late June during the onion growing season. In precision agriculture frequent remote sensing on such scales during the vegetation period provided important spatial information on the crop status. Meanwhile, four plant growth parameters, plant height (P.H.), leaf number (L.N.), plant diameter (P.D.) and fresh weight (F.W.) were measured for about three hundred plants (twenty plants per plot) for each field campaign. Three meteorological factors included average temperature, rainfall and irradiation over an entire onion growth period. The multiple linear regression models were suggested by using stepwise regression in the extraction of independent variables. As a result, $NDVI_{UAV}$ and rainfall in the model explain 88% and 68% of the P.H. and F.W. with a root mean square error (RMSE) of 7.29 cm and 59.47 g, respectively. And $NDVI_{UAV}$ in the model explain 43% of the L.N. with a RMSE of 0.96. These lead to the result that the characteristics of variations in onion growth according to $NDVI_{UAV}$ and other meteorological factors were well reflected in the model.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.