• 한국지형공간정보학회:학술대회논문집
• /
• 2002.11a
• /
• pp.51-57
• /
• 2002

국내에서 활발하게 연구되고 있는 위성영상을 이용한 원격탐사는 매핑, 환경관리, 시설물 관리 등에 이용되어 왔다. 본 연구에서는 날씨나 태양의 제약을 받지 않는 RADARSAT SAR 영상의 수계지역을 신경망 기법을 이용하여 분류하고자 하였다. RADARSAT은 경사관측을 통하여 영상을 취득하며 지형의 기복에 의한 음영효과(Shadow effect)로 인하여 수계지역 분류시 정확도를 감소시킨다. 이러한 문제를 해결하기 위해서 본 연구에서는 RADARSAT SAR 영상의 역산란계수를 계산하고 음영효과에 의한 분류오류를 감소시키기 위하여 수치고도모형을 사용하였다. 지형의 기복이 작은 평지와 지형의 기복이 심한 산악지로 나누어 연구를 수행하여 각 지역별로 분류 정확도를 평가하였다. 연구결과로 역산란계수를 신경망기법의 단일 입력 자료로 사용한 경우보다 수치고도모형을 같이 사용한 것이 분류 정확도가 높았다. 또한, 수치고도모형을 역산란계수와 함께 입력 자료로 이용할 경우 평지보다 산악지에서 효율적이었다. 산악지역이 많은 국내에서는 SAR영상의 수계지역 추출을 신경망 기법으로 할 경우에는 수치고도모형을 함께 이용함으로써 분류정확도 향상을 시킬 수 있다고 사료된다.

• Journal of Navigation and Port Research
• /
• v.36 no.10
• /
• pp.825-832
• /
• 2012

GPS signal delay that caused by dry gases and water vapor in troposphere is a main error source of GPS point positioning and it must be eliminated for precise point positioning. In this paper, we implemented to generate tropospheric delay grid map over the Korean Peninsula based on post-processing method by using the GPS permanent station network in order to determine the availability of tropospheric delay generation algorithm. GIPSY 5.0 was used for GPS data process and nationwide AWS observation network was used to calculate the amount of dry delay and wet delay separately. As the result of grid map's accuracy analysis, the RMSE between grid map data and GPS site data was 0.7mm in ZHD, 7.6mm in ZWD and 8.5mm in ZTD. After grid map accuracy analysis, we applied the calculated tropospheric delay grid map to single frequency relative positioning algorithm and analyzed the positioning accuracy enhancement. As the result, positioning accuracy was improved up to 36% in case of relative positioning of Suwon(SUWN) and Mokpo(MKPO), that the baseline distance is about 297km.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_1
• /
• pp.609-620
• /
• 2023

In this study, we used Sentinel-1 C-band synthetic aperture radar to calculate the surface state factor (SSF) for distinguishing the frozen-thawed state of soil. The accuracy of SSF classification was analyzed through comparison with air temperature (AT), grass temperature (GT), and underground temperature (UT). For the analysis, 116 Sentinel-1B Descending nodes observed over a period of 4 years from 2017 to 2020 were established for the central region of South Korea. AT, GT, and UT data were obtained from 23 soil moisture observation points of the Rural Development Administration during the same period, and analyzed using the 06:00 am data adjacent to the shooting time of the Sentinel-1B images. The average accuracy and F1-score for all stations were 0.63 and 0.47 for AT, 0.63 and 0.48 for GT, and 0.57 and 0.21 for UT, respectively. For winter (December-February) data, the average accuracy and F1-score were 0.66 and 0.76 for AT, 0.67 and 0.76 for GT, and 0.47 and 0.44 for UT, respectively. The increase in accuracy during winter data may be attributed to the fact that errors occurring in other seasons are not included.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.224-227
• /
• 2007

마이크로파 센서 자료를 이용하여 태풍 강도를 산출하고자 TRMM TMI로부터 관측된 자료와 태풍 강도의 최대 상관성을 나타내는 지역올 찾고 최적의 상관 변수를 선정하였다. 분석기간은 2004년 6월부터 9월까지 발생된 태풍으로써 18개의 사례이다. TMI로부터 관측된 85 GHz 채널의 밝기온도，구름내 총 수증기량，얼음양，강우 강도，잠열방출양이 태풍 강도와의 상관성 분석을 위한 변수로 분석되었다. 태풍의 강도는 RSMC-Tokyo에서 발표된 Best track의 최대 풍속 자료를 이용하였다. 위성 관측 변수를 태풍 중심으로부터 공간 평균하였을 때 반경 2.0-2.5도 정도의 평균거리에서 최대의 상관성을 보였다. 위성 자료로부터 태풍 중심 풍속을 추정하기 위하여 회귀분석을 하였다. Best track과의 오차는 85 GHz 밝기온도와 수증기량을 이용한 다중 회귀 분석에서 오차가 최소를 보였다. 한편， 태풍강도 예측을 위한 통계모델에 마이크로파 위성 자료를 예측인자로 입력하여 태풍강도의 정확도가 3-6%정도 향상됨을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.78-78
• /
• 2017

강우레이더 관측의 정확도는, 호우의 강도나 형태와 같은 기상학적 조건(변동 오차 요소) 외에도, 관측 지점의 레이더로부터의 거리, 고도, 관측유역의 형태나 크기 등 다양한 관측환경 조건(고정 오차 요소)에 의해서도 달라질 수 있기 때문에, 강우레이더 관측의 오차 성분을 정량화할 필요가 있다. 본 연구에서는 거리와 고도에 의한 오차 특성을 이중편파 변수의 특성을 이용하여 실증적으로 분석하였고, 이를 통해 감쇠의 영향과 산지효과(또는 지형효과)로 인한 오차 규모를 정량적으로 산정 비교하였다. 거리가 멀어짐에 따라 고도도 높아지기 때문에 QPE 불확실도의 거리와 고도에 따른 성분을 구분하는 것은 매우 어려운데, 거리에 대한 불확실도 성분이 매우 작은 R(KDP)를 이용한다면 효과적으로 분리가 가능하다. 이러한 원리를 이용하여, 관측 거리에 따른 오차가 매우 작은 R(KDP)를 기준으로 관측 거리에 따른 오차와 고도에 따른 오차를 분리하여 표준화[Z-score] 하였다. R(Z)의 경우는 관측 고도와 거리에 따른 오차가 중첩되어 나타나나, R(KDP)는 거리에 따른 오차는 거의 나타나지 않으므로 이를 기본 가정으로 하여 R(Z)와 R(KDP) 관계로부터 관측 고도에 따른 오차 성분만 분리하였다. 분리 결과, 관측 거리에 따른 표준 오차의 경우 100km 까지는 대략 10%(0.1) 이하로 나타났으나, 150km 이상에서는 30%(0.3)를 초과하는 것으로 나타났다. 관측 고도에 따른 표준 오차의 경우 2~3번째 고도각 까지는 대략10%(0.1) 이하로 나타났으나, 3번째 고도각 이상에서는 20%(0.2), 4번째 고도각 이상에서는 50%(0.5)를 초과하는 것으로 나타나, 고도에 의한 영향이 거리에 의한 영향보다 민감하게 나타났다. 1번째 고도각에서는, 100km 이내 근거리에서 관측 거리가 가까워질수록 오차가 증가하는 경향을 보이는데, 이는 저고도 빔 간섭(빔 차폐) 등의 영향으로 추정되었다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.30 no.4
• /
• pp.413-422
• /
• 2012

After development of GPS in the 1960's, the United States released SA(Selective Availability) in 2000 and then the GPS has become commercialized to the present. The result of repeatedly developed GPS observation, the GPS real-time observation methods is RTK which basically always needs two base stations and has a fault of the accuracy decreasing as the distance between a mobile station and a receiver is increasing. Because of these weakness, VRS method has come out. VRS(Virtual Reference Station) generates the imaginary point near mobile station from several observatory datum of GPS, sets the accurate location of mobile station, thus shows high reliability and mobility. Now, the cadastral datum point is used with azimuth, repetition, and graphical traversing method for traverse network. The result of measurement indicates many problems because of different accomplishment interval given point, restrictions on the length of the conductor, many errors on the observations. So, this study did comparative analysis of the cadastral datum points through VRS method by Continuously Operating Reference Station. Through the above comparative analysis, The comparative result between surveyed result with repetition method through total station observed Cadastral Control Points and surveyed result with VRS-RTK has shown that average error of x-axis is -0.08m, average error of y-axis, +0.07m and average distance error is +0.11m.

• The Journal of the Acoustical Society of Korea
• /
• v.39 no.6
• /
• pp.615-621
• /
• 2020

In this paper, we propose a multi-site based earthquake event classification method using graph convolution networks. In the traditional earthquake event classification methods using deep learning, they used single-site observation to estimate seismic event class. However, to achieve robust and accurate earthquake event classification on the seismic observation network, the method using the information from the multi-site observations is needed, instead of using only single-site data. Firstly, our proposed model employs convolution neural networks to extract informative embedding features from the single-site observation. Secondly, graph convolution networks are used to integrate the features from several stations. To evaluate our model, we explore the model structure and the number of stations for ablation study. Finally, our multi-site based model outperforms up to 10 % accuracy and event recall rate compared to single-site based model.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.18 no.1
• /
• pp.63-68
• /
• 2006

Time series of waterline changes during a flood/ebb cycle can be utilized for supplementary data for measuring bottom topography. The waterlines extracted from consecutive images are substituted for depth contours using water level data. The distances between contours are quantified through a rectification image process. This technique is applied to the Keunpoolan beach in the Daeijak Island near Incheon. A camera monitoring technique supported by natural water level changes produces bottom topography with high precision. It is also less time consuming and more economical. The technique also can be utilized effectively to the physical modeling f3r measuring bottom changes in the three dimensional basin.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.286-286
• /
• 2023

물의 전체 순환 구조에서 토양수분이 차지하는 정량적 비중은 상대적으로 작지만, 강우-유출 과정의 비선형에 영향을 미치는 지배적 요인 중 하나이고, 토양 침식과 산사태, 농업생산량, 기후 변화 대응 등 광범위한 주제와 연관되어 있어, 토양수분의 물리과정에 대한 이해 증진과 예측 기술의 지속적인 개선이 필요하다. 본 연구에서는 금오공과대학교 유역 내에서 토양수분과 기상 요소를 실시간 관측하고, 기계학습 기법을 이용하여 토양수분을 단기 예측하는 기술을 개발하고 평가한다. 구체적으로는, 토양 관측 장비인 TEROS를 사용하여 표층 지점의 10cm, 심층 지점의 40cm에서의 토양수분, 토양장력과 토양온도를, 기상 관측 장비인 ATMOS를 사용하여 태양복사, 강수량, 기온, 풍속, 대기압 등 다양한 기상 요소를, 실시간 클라우드 방식으로 1여 년간 수집한 데이터를 활용한다. 또한, 과거 및 실시간 데이터를 기반으로 LSTM(Long-Short Term Memory) 기법을 사용하여 토양수분 예측 모형을 구축하고, 선행 예측 시간에 따른 모의 정확도를 평가한다. 기상 요소의 누적 등 자료 분석 방법이 표층 및 심층 토양수분 예측에 미치는 영향, 그리고 예측 모형 개선 방향에 대해 토의한다. 실시간 현장 관측 자료 및 인공지능 기반 단기 토양수분 예측 모의 기술은 소규모 유역의 수문순환 분석 및 물리기반 모형의 개선 등 다양한 분야에서 활용할 수 있을 것으로 기대된다.

• Journal of Korea Water Resources Association
• /
• v.55 no.8
• /
• pp.565-575
• /
• 2022

Recently, in the field of water resource engineering, interest in predicting time series water levels and flow rates using deep learning technology that has rapidly developed along with the Fourth Industrial Revolution is increasing. In addition, although water-level and flow-rate prediction have been performed using the Long Short-Term Memory (LSTM) model and Gated Recurrent Unit (GRU) model that can predict time-series data, the accuracy of flow-rate prediction in rivers with rapid temporal fluctuations was predicted to be very low compared to that of water-level prediction. In this study, the Paldang Bridge Station of the Han River, which has a large flow-rate fluctuation and little influence from tidal waves in the estuary, was selected. In addition, time-series data with large flow fluctuations were selected to collect water-level and flow-rate data for 2 years and 7 months, which are relatively short in data length, to be used as training and prediction data for the LSTM and GRU models. When learning time-series water levels with very high time fluctuation in two models, the predicted water-level results in both models secured appropriate accuracy compared to observation water levels, but when training rapidly temporal fluctuation flow rates directly in two models, the predicted flow rates deteriorated significantly. Therefore, in this study, in order to accurately predict the rapidly changing flow rate, the water-level data predicted by the two models could be used as input data for the rating curve to significantly improve the prediction accuracy of the flow rates. Finally, the results of this study are expected to be sufficiently used as the data of flood warning system in urban rivers where the observation length of hydrological data is not relatively long and the flow-rate changes rapidly.