• The Korean Journal of Applied Statistics
• /
• v.33 no.3
• /
• pp.257-267
• /
• 2020

We introduce multivariate exponential smoothing models based on a vector innovations structural time series framework. The models enable us to exploit potential inter-series dependencies to improve the fit and forecasts of multivariate (vector) time series. Models are applied to forecast the exchange rates of the UK pound (UKP) and US dollar (USD) against the Korean won (KRW) observed on monthly basis; subseqently, we compare their performance with alternative models. We observe that the multivariate exponential smoothing models are superior to alternatives.

• Spatial Information Research
• /
• v.20 no.4
• /
• pp.47-55
• /
• 2012

Normalized Difference Vegetation Index (NDVI) has been used to measure and monitor plant growth, vegetation cover, and biomass from multispectral satellite data. It is also a valuable index in forest applications, providing forest resource information. In this research, an approach for monitoring forest change using MODIS NDVI time series data is explored. NDVI difference-based approaches for a specific point in time have possible accuracy problems and are lacking in monitoring long-term forest cover change. It means that a multi-time NDVI pattern change needs to be considered. In this study, an efficient methodology to consider long-term NDVI pattern is suggested using a harmonic model. The suggested method reconstructs MODIS NDVI time series data through application of the harmonic model, which corrects missing and erroneous data. Then NDVI pattern is analyzed based on estimated values of the harmonic model. The suggested method was applied to 49 NDVI time series data from Aug. 21, 2009 to Sep. 6, 2011 and its usefulness was shown through an experiment.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.83-83
• /
• 2017

수자원공학에서 일강수량 모의기법은 다양한 목적으로 활용되고 있지만, 일반적으로 홍수와 가뭄의 영향을 고려할 수 있는 수공구조물의 위험도 및 신뢰성 평가 및 수자원 계획을 수립하기 위한 입력 자료생성을 목적으로 활용된다. 유역 단위의 분석시 단일 지점에 대한 강수 모의 기법을 적용할 경우 각각의 지점에서 관측된 강수 자료의 시계열 및 통계치 특성이 효과적으로 재현되지만 공간적으로 발생하는 즉, 지점 간의 종속관계를 재현하지 못하는 문제가 발생한다. 이러한 이유로 공간적인 전이 특성이 있는 가뭄 분석 및 유역내 유출량의 공간적 변동 특성 분석에 단일지점별 모의 결과를 이용할 경우 관측 자료와 상반된 공간적 변동성으로 인하여 잘못된 가뭄 및 유출 분석 결과가 도출되는 문제점이 있다. 따라서, 실제적으로 발생하는 강수 특성을 반영한 유역 단위의 홍수 및 가뭄 등의 수문 분석을 위해서는 지점간의 종속성을 반영할 수 있는 다지점 강수 모의 모형의 적용이 필수적이다. 본 연구에서는 다지점 모의에 있어서, Wilks 모형의 지점별 시변동 특성과 공간상관성 재현 능력, HMM 모형이 갖는 강수 사상별로 분포된 양적 분포 패턴 재현 능력을 복합적으로 나타낼 수 있는 새로운 다지점 일강수량 모의 모형인 기계학습 기반 범주화 기법을 이용한 다지점 일강수량 모의 모형(ML-MRS)을 개발하였다. 또한, 지점별 강수량에 적용되는 확률분포모형은 Gamma 분포로 구성된 혼합모형을 적용하여 단일 확률 분포 모형의 자료 적합 문제를 개선하였다. 모의를 통한 일강수량 시계열 자료는 일 강수자료의 통계량을 효과적으로 모의하였으며, 다지점 모형의 모의 결과를 적용한 가뭄 모의 결과 관측 자료에서 나타나는 공간적 패턴이 재현되었다. 본 모형은 시 공간적 사상을 효과적으로 재현함으로서 지역의 변동특성을 반영한 가뭄, 홍수, 기상 현상 분석 등 활용도가 매우 높을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.23-23
• /
• 2020

하구 관측은 조사 방법 및 주기에 따라 크게 두 가지로 구분되는데, 첫째는 현장에서 직접 주기적으로 자료를 수집하는 정기 현장관측과 다른 하나는 고정된 지점에 관측소를 설치하여 실시간으로 연속된 자료를 수집하는 실시간 관측으로 분류된다. 본 연구는 하구 관측망 체계를 확립하기 위한 기초 연구로서 금강하구역을 대상으로 모의된 수치 모델 자료를 이용하여 관측망을 설계하기 위한 대표 모니터링 지표를 선정하고, 이를 기반으로 관측 지점을 설계하기 위한 전략을 제시하였다. 대표 모니터링 지표는 실제 현장에서 일반적으로 취득할 수 있는 6가지 항목(수온, 염분, 용존산소, 클로로필a, 총질소, 총인)을 대상으로 EOF 분석을 실시하여 해역의 시공간 분포를 대표할 수 있다고 판단되는 2개의 항목을 선정하였다. 대표 모니터링 지점은 2개의 대표 모니터링 지표에 대한 고유 벡터 사이의 각도를 벡터의 내적으로 계산하고 이를 설계변수로 활용하여 도식최적화 기법을 통해 각 모니터링 항목들에 대한 공간 분포를 가장 잘 재현해 낼 수 있는 지점의 개수와 위치를 선정하였다. 선정된 모니터링 지점들을 이용하여 재구성된 공간 분포를 참값(수치모델)과 비교하여 통계적 적정성 여부를 평가하였으며, 이를 통해 금강하구의 대표 모니터링 지점들을 도출 해 내었다. 금강하구의 정기 현장 관측에 대한 대표 모니터링 지점은 7개로 선정되었으며, 이들은 6가지 관측 항목들에 대해서 매우 높은 공간분포 재현율을 확보할 수 있음을 확인하였다. 또한, 담수가 비정기적으로 방류되는 금강하구 시스템의 지역적 특성에 대한 시계열 정보를 연속적으로 가장 잘 취득할 수 있는 실시간 관측소 설치 영역을 결정하기 위하여, 7개의 대표 모니터링 지점에서의 시계열 정보를 금강하구둑 전면과 외해의 시계열 정보와 비교분석하여 설치가능 지점을 영역으로 제언하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.118-118
• /
• 2021

최근 지구 온난화 현상으로 인한 기후변화로 이상기후 현상이 발생하고 있으며 이로 인해 장기적으로 폭염의 빈도 및 강도 상승에 따른 가뭄 피해 우려가 증가하고 있다. 농업 가뭄은 강수량 부족, 토양 수분 부족, 저수량 부족 등 농업분야에 영향을 주는 인자들과 관련되어 있어 농작물 생육 및 수확량 감소를 야기한다. 우리나라는 논농사가 주를 이루고 있어 국내 농업 가뭄은 주수원공인 농업용 저수지의 가용저수용량으로 판단 가능하다. 따라서 안정적인 농업용수 공급을 위해 수리시설물의 모니터링, 공급량 등의 분석이 이루어져야 하며, 농업 가뭄에 대비하기 위해 농업용 저수지의 가용저수용량 파악이 필요하다. 수자원 분야에서 지점자료의 시·공간적 한계점을 보완하기 위해 인공위성 자료를 활용한 연구가 활발히 이루어지고 있으며, 본 연구에서는 위성영상 자료 및 딥러닝 기반 알고리즘을 적용하여 농업용 저수지 수표면 탐지 및 시계열 분석을 목적으로 한다. 위성영상 자료는 5일 주기 및 10 m 공간해상도를 가진 Sentinel-2 위성영상 자료를 활용하고자 하였으며, 딥러닝에 적용하기 위하여 100장 이상의 영상 이미지를 구축하였다. 딥러닝 기반 알고리즘으로는 Convolutional Neural Network (CNN)을 활용하였으며, CNN은 주로 이미지 분류나 객체 검출 문제를 해결하기 위해 제안된 모델로 최근 픽셀 단위로 분류가 가능한 알고리즘이 개발되어 높은 정확도의 수표면 탐지가 가능할 것으로 판단된다. 따라서 본 연구에서는 CNN 기반 수표면 탐지 알고리즘을 개발하여 Sentinel-2 영상 기준 경기도 안성시를 대상으로 소규모 농업용 저수지의 수표면적에 대한 시계열 데이터를 분석하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.411-411
• /
• 2017

유역 내 발생하는 강우의 공간적인 분포는 인접성 및 거리에 따라 달라질 수 있다. 공간자기상관 분석은 공간단위(유역 또는 행정구역)의 변수(강수 등)가 주변지역과 갖는 관계를 통해 얼마나 분산되어 있는지 혹은 군집되어 있는지를 판별하는 기법으로 최근 많은 연구에서 활성화 되고 있다. 본 연구에서는 낙동강유역을 대상으로 1980~2000년까지 20개년의 기상청을 통해 수집한 강우자료와 CMIP5(Coupled Model Intercomparison Project Phase 5)에서 제공하는 기후변화 자료 중 가용할 수 있는 20개 모델의 강우를 수집하였다. 기후변화 자료는 정상성 분위사상법으로 지역오차보정을 실시하고 불확실성을 저감하고자 베이지안 모델 평균기법을 통해 새로운 시계열을 생성하였다. 생성된 시계열의 공간적인 분포를 정량적으로 평가하고자 중권역별 공간자기상관 분석을 수행하였다. 대부분의 연구에서는 GIS를 활용하여 정성적으로 강우의 분포를 나타내고 있지만 본 연구에서는 공간단위의 인접성 또는 거리에 따른 척도를 기반으로 공간자기상관을 탐색할 수 있는 Moran's I와 LISA(Local Indicators of Spatial Association)기법을 적용하였다. Moran's I는 전체 연구지역에 대한 관계를 하나의 값으로 보여주는 전역적인 기법이며, LISA는 상대적으로 넓은 지역을 국지적으로 구분하여 특정지역에 대한 Hot spot 및 Cold spot을 통해 공간자기상관 정도를 나타내는 국지적인 기법이다. 두 기법을 적용하기 위하여 인접성 기반의 공간매트릭스를 산정하고 계절별 관측값과 베이지안 앙상블 강우의 Moran's I 및 LISA 분석을 실시하였다. 관측자료와 베이지안 앙상블 강우의 분석결과가 매우 유사하게 나타남으로써 베이지안 앙상블 강우의 공간적인 분포가 관측강우를 충분히 재현하고 있다고 판단된다.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.5
• /
• pp.829-837
• /
• 2011

Since Harvey (1989), many approaches for applying unobserved components (UC) models to both univariate and multivariate time series analysis have been developed. However, practitioners still tend to use traditional methods such as exponential smoothing or ARIMA models for modeling and predicting time series data. It is well known that the UC model combines the flexibility of ARIMA models and the easy interpretability of exponential smoothing models by using unobserved components such as trend, cycle, season, and irregular components. This study reviews the UC model and compares its relative performances with those of the other models in modeling and predicting the real gross domestic products (GDP) in Korea. We conclude that the optimal model is the UC model on basis of root mean squared error.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.265-265
• /
• 2016

호우가 홍수에 미치는 영향의 분석은 수문현상을 이해하고 수공구조물을 설계하는데 반드시 필요한 절차이다. 호우가 홍수에 미치는 영향을 분석하기 위해서 독립된 소유역부터 비독립된 대유역까지 홍수량을 계산하고 그 상관성을 이해해야 하지만 상류쪽의 소유역의 경우 관측자료의 부재가 빈번하여 이러한 전반적인 분석이 쉽지 않다. 그리고 소유역과 대유역의 홍수특성을 연관지어 분석하기 위해서는 비교가능한 홍수특성을 추출해야 하며 이러한 일관된 잣대를 사용한 홍수분석은 중요하다. 본 연구에서는 소유역의 자료부재를 보완하기 위해 자료공간확장 방법을 제안하고 이를 통하여 안동댐 유역내 총 50개 지점의 홍수 시계열자료를 생성하였다. 자료공간확장 방법으로써, 안동댐유역의 1989년부터 2009년까지의 자료의 질이 좋은 20개의 사상을 추출하였고 안동댐유역 내에 위치한 안동댐, 도산, 소천의 수위관측지점의 관측유량자료에 대해 분포형 모형인 GRM 모형의 매개변수를 시행착오법으로 동시에 보정하여 한 개셋의 최적 매개변수를 추정하였다. 이때 모의결과를 평가하기 위하여 Nash-Sutcliffe (NS) 계수를 사용하였으며 20갯 사상의 세군데 관측수위지점에 대해서 모의결과가 전반적으로 0.5 NS 계수 이상으로써 만족할 만한 결과를 얻었다. 이 추정된 매개변수는 47개의 추가적인 관심지점의 유출모의에 사용되었으며 이렇게 모의된 유출시계열 자료는 관측시계열 자료로 가정하여 사용하였다. 이렇게 공간확장되어 생성된 시계열 자료는 이동평균방법을 사용하여 홍수강도-지속시간 곡선으로 변환되었고 50개 유역의 평균강우량 시계열 자료 또한 같은 밥법을 사용하여 강우강도-지속시간 곡선으로 변환되었다. 50개 유역의 비교가능한 일관된 홍수특성을 추출하기 위해 비유량법의 유출계수를 계산하였다. 유출계수를 계산하기 위해 유역별 도달시간을 계산하였으며 이 도달시간에 해당하는 강우강도를 추출하였다. 그리고 유역별 첨두 홍수강도를 유역별 도달시간에 해당하는 강우강도로 나눠줌으로써 유역별 유출계수를 계산하였고 이 유출계수를 유역면적에 대해 도시함으로써 그 경향을 조사하였다. 조사 결과 유역면적이 $100km^2$ 이상으로써 상류에서 하류방향으로 유역이 중첩되면서 증가하는 비독립적인 유역들의 경우 유역면적이 증가함에 따라 유출계수가 작아지거나 커지는 어떠한 경향을 보였다. 하지만 유역면적이 $100km^2$ 이하로써 독립적인 소유역의 경우 유역면적이 증가함에 따라 유출계수는 무작위로 분포되었다. 이것은 비독립적인 유역의 경우에는 호우가 홍수에 어떠한 일관된 영향을 미치나 각각 독립된 소유역의 경우에는 일관된 영향을 미치지 않음으로써 지역화방법에 의한 독립된 인근 미계측유역의 유출추정은 그 신뢰성이 높지 않다는 것을 의미한다.

• Korean Journal of Remote Sensing
• /
• v.24 no.2
• /
• pp.165-177
• /
• 2008

Small baseline subset (SBAS) algorithm has been recently developed using an appropriate combination of differential interferograms, which are characterized by a small baseline in order to minimize the spatial decorrelation. This algorithm uses the singular value decomposition (SVD) to measure the time-series surface deformation from the differential interferograms which are not temporally connected. And it mitigates the atmospheric effect in the time-series surface deformation by using spatially low-pass and temporally high-pass filter. Nevertheless, it is not easy to correct the phase unwrapping error of each interferogram and to mitigate the time-varying noise component of the surface deformation from this algorithm due to the assumption of the linear surface deformation in the beginning of the observation. In this paper, we present an improved SBAS technique to complement these problems. Our improved SBAS algorithm uses an iterative approach to minimize the phase unwrapping error of each differential interferogram. This algorithm also uses finite difference method to suppress the time-varying noise component of the surface deformation. We tested our improved SBAS algorithm and evaluated its performance using 26 images of ERS-1/2 data and 21 images of RADARSAT-1 fine beam (F5) data at each different locations. Maximum deformation amount of 40cm in the radar line of sight (LOS) was estimated from ERS-l/2 datasets during about 13 years, whereas 3 cm deformation was estimated from RADARSAT-1 ones during about two years.

• The Korean Journal of Applied Statistics
• /
• v.17 no.3
• /
• pp.403-418
• /
• 2004

Recently space-time model in spatial data analysis is widly used. In this paper we applied this model to analysis of greenhouse whitefly. For handling time component, we used ARMA model and autoregressive error model and for outliers, we adapted Mugglestone's method. We compared space-time models and geostatistic model with MSE and MAPE.