과제정보
본 연구는 한국연구재단의 우수신진연구(NRF-2021R1C10004801)사업의 지원을 받아 수행되었습니다.
참고문헌
- 이영미, 고철민, 신성철, 김병식 (2019). 수문학적 활용을 위한 머신러닝 기반의 강우보정기술 개발, 한국환경과학회지, 제28권, p.125-135 https://doi.org/10.5322/jesi.2019.28.1.125
- 이재영, 김현일, 한건영 (2020). 수문모형과 기계학습을 연계한 실시간 하천홍수 예측, Journal of the Korean Society of Civil Engineers, 제40권, p. 303-314 https://doi.org/10.12652/KSCE.2020.40.3.0303
- 최민하, 김형록, LiLi, 전경수 (2016). 위성 데이터 및 기계 학습 기법을 활용한 한반도 임진강 미계측지역 유출량 예측:MODIS, ASCAT, SDS 데이터률 활용하여, 한국수자원학회 2016년도 학술발표회, 159-159
- Kratt, C.B., D.K Woo, KN. Johnson, M. Haagsma, P. Kumar, J. Selker, S. Tyler (2019) Field trials to detect drainage pipe networks using thennal and RGB data from unmanned aircraft, Agricultural Water Management, 229, 105895
- Song, H., D. K Woo, Q. Yan (2021) Detecting subsurface drainage pipes using a fully convolutional network with optical images, Agricultural Water Management, 249, 106791 https://doi.org/10.1016/j.agwat.2021.106791
- Sheler, R.J. (2013) The impact of agricultural drainage systems on hydrologic responses. MS (Masterof Science) thesis, University of Iowa
- Ronneberger, O., P. Fischer, T. Brox (2015) U-net: convolutional networks for biomedical image segmentation, in: International Conference on Medical Image Computing and Computer-Assisted Intervention - MICCAI 2015. pp. 234-241.
- Woo, D.K., H. Song, P. Kumar (2019) Mapping subsurface tile drainage systems with thennal images. Agricultural Water Management. 218, 94-101. https://doi.org/10.1016/j.agwat.2019.01.031