• 제목/요약/키워드: temperature estimation

검색결과 1,637건 처리시간 0.031초

위성 자료를 이용한 대구광역시의 상대적 증발산 효율 분포 (Distribution of Relative Evapotranspiration Availability using Satellite Data in Daegu Metropolitan)

  • 김해동;임진욱;이순환
    • 한국지구과학회지
    • /
    • 제27권6호
    • /
    • pp.677-686
    • /
    • 2006
  • 잠열과 관련된 지표면 증발산량은 지표 온도를 결정하는 중요한 요인이며, 이를 정확히 산정하는 것은 중규모 순환장 예보의 정확도와 밀접하게 관련된다. 본 연구에서는 고해상도인 LANDSAT 5 TM 자료를 이용하여 대구광역시의 상대 증발산 효율을 추정하였다. 증발산 효율 추정은 복사 온도/식생 지수의 관계식을 이용하였다. 식생 지수는 대구광역시의 실제 토지 이용도와 일치하였다. 도시 지역내의 공원 지역의 경우 낮은 복사 온도를 나타내었다. 이것은 두류공원과 같은 도심내 공원 지역의 고증발산에 기인한 것이다. 그러나 전체적인 도심지는 저증발산이 두드러졌다. 그리고 지표면 구성특징에 의하여 도심지 내 공단 지역과 주거 지역은 상대적인 증발산 분포에서 차이가 나타났다.

고온가속노화시험법과 저장분석시험법을 이용한 추진제 KM10의 기대수명 평가 (Life Expectancy Estimation of the Propellants KM10 using High Temperature Acceleration Aging Tests and Stockpile Analysis Test)

  • 조기홍;김의용
    • Korean Chemical Engineering Research
    • /
    • 제48권6호
    • /
    • pp.695-699
    • /
    • 2010
  • 추진제 KM10은 니트로셀룰로오스를 주원료로 제조된 단기추진제로서 장기저장 시자연분해현상을 일으키는 것으로 알려져 있다. 따라서 본 연구에서는 고온가속노화시험과 저장분석시험을 이용하여 추진제의 저장수명을 추정하였다. 고온가속 노화시험을 이용한 저장수명추정은 Arrhenius 식과 Berthelot 식을 사용하였으며, 저장분석시험을 이용한 저장수명 예측은 1차 회귀직선식을 이용하였다. 본 연구 결과에 따르면 고온가속 노화시험의 Arrhenius 식과 Berthelot식을 이용하여 추정한 추진제 KM10의 저장수명은 43.72년, 16.53년으로 큰 차이를 보였으며, 저장분석시험으로 이용한 저장수명은 42.94년으로 나타났다. 이것을 E. R. Bixon의 연구결과와 비교할 때 Arrhenius 식을 이용하여 추정한 값이 타당한 것으로 판단되었다.

북극 해빙표면온도 산출을 위한 Automated Machine Learning과 Deep Neural Network의 적용성 평가 (Applicability Evaluation of Automated Machine Learning and Deep Neural Networks for Arctic Sea Ice Surface Temperature Estimation)

  • 박성우;성노훈;심수영;정대성;우종호;김나연;김홍희;한경수
    • 대한원격탐사학회지
    • /
    • 제39권6_1호
    • /
    • pp.1491-1495
    • /
    • 2023
  • 본 연구는 북극의 해빙표면온도(ice surface temperature, IST)를 자동화된 기계 학습(automated machine learning, AutoML) 기반으로 산출하였다. AutoML 기반 IST는 상관관계(correlation coefficient, R) 0.97, 평균 제곱근 오차(root mean squared error, RMSE) 2.51K로 산출되었다. 심층신경망(deep neural network, DNN) 모델과 비교하여 AutoML IST는 Moderate Resolution Imaging Spectroradiometer (MODIS) IST 및 ice mass balance (IMB) buoy IST와의 검증 결과에서 좋은 정확도를 보인다. 이는 어려운 극지방 조건에서 IST 추정 정확도를 향상시키는 AutoML의 효과를 강조한다.