• 한국태양에너지학회 논문집
• /
• 제39권3호
• /
• pp.47-57
• /
• 2019

Clear sky indices were estimated by various ways based on in-situ observation and satellite-derived solar irradiance. In principle, clear sky index defined by clear sky solar irradiance indicates the impacts of cloud on the incoming solar irradiance. However, clear sky index widely used in energy sciences is formulated by extraterrestrial irradiance, which implies the extinction of solar irradiance due to mainly aerosol, water vapor and clouds drops. This study examined the relative difference of clear sky indices and then major characteristics of clear sky irradiance when sky is clear are investigated. Clear sky is defined when clear sky index based on clear sky irradiance is higher than 0.9. In contrast, clear sky index defined by extraterrestrial irradiance is distributed between 0.4 and 0.8. When aerosol optical depth and air mass coefficient are relative larger, solar irradiance is lower due to enhanced extinction, which leads to the lower value of clear sky index defined by extraterrestrial irradiance.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.103-103
• /
• 2019

본 연구에서는 Terra MODIS 위성영상과 Mapping Evapotranspiration at high Resolution with Internalized Calibration (METRIC) 모형을 이용하여 2012년부터 2017년까지 한반도 전국의 증발산량을 산정하고 플럭스 타워 실측 증발산량과 비교하였다. METRIC은 전 세계에 널리 적용된 바 있는 에너지 수지 기반의 Surface Energy Balance Algorithm for Land (SEBAL) 모형의 개념과 기술을 기반으로 현열(Sensible Heat Flux) 추정 모듈을 개선한 모형이다. 본 연구에서 METRIC 모형은 기존 C#으로 개발되어 있던 SEBAL 코드에서 현열 추정 모듈을 수정하였고 연산 속도 개선을 위해 Python으로 재작성하였다. METRIC 모형의 위성 자료로 Terra MODIS 위성의 MOD13A2(16day, 1km) NDVI, MOD11A1(Daily, 1km) Land Surface Temperature (LST) 및 MCD43A3(Daily, 500m) Albedo를 구축하였으며 500m 공간해상도의 Albedo는 1000m 해상도로 resample하여 활용하였다. 기상자료는 기상청 기상관측소의 풍속, 풍속측정높이, 습도, 10분 간격 이슬점 온도, 일사량 자료를 위성 자료와 같은 공간해상도로 내삽(Interpolation)하여 구축하였다. 모형결과 검증을 위해 국내 플럭스 타워 (설마천, 청미천, 덕유산) 증발산량 관측 자료와의 결정계수(Coefficient of determination, $R^2$), RMSE(Root mean square error) relative RMSE (RMSE%), Nash-Sutcliffe efficiency (NSE) 및 IOA(Index of Agreement)를 산정하고, 기존 SEBAL 모형 결과와의 비교를 통해 본 모형의 개선점을 보이고자 한다.

• 한국지구과학회지
• /
• 제40권2호
• /
• pp.135-148
• /
• 2019

전세계적으로 일사계 비교관측 기술은 급격히 발전하고 있지만 국내의 경우 일사 비교관측 표준지침을 준비하고 있는 실정이다. 본 연구에서는 국내 기상 및 지리적 환경을 고려하여 전천일사계의 비교관측 절차를 정립하였다. 2017년 아시아 지역 복사센터에서는 국가표준 일사계들의 비교관측을 통해 일사계 보정이 이루어졌다. 이때 검교정된 기상청 기준기를 이용하여 기상청의 부기준기들과 강릉원주대의 전천일사계의 비교관측 및 검교정이 수행되었다. 비교관측 및 검교정은 2018년 10월 24일부터 10월 25일(2일)까지 수행되었으며 비교관측자료를 분석하여 오차분석 및 검교정을 수행하였다. 보정전 비교관측에 따르면, 전천일사계 부기준기들(B-J)은 기상청 전천일사계 기준기(A)를 기준으로 ${\pm}12.0W\;m^{-2}$2 이하의 편차가 나타났고 B와 I 전천일사계는 ${\pm}4.0W\;m^{-2}$ 미만의 작은 편차를 보였다. 태양 복사량이 $450W\;m^{-2}$ 이상인 자료들을 이용하여 감도정수의 보정값을 계산하였다. B와 I 일사계(오차 ${\pm}0.5W\;m^{-2}$ 이하)를 제외한 일사계들(오차 ${\pm}5W\;m^{-2}$ 이상)은 $0.08-0.16{\mu}V(W\;m^{-2})^{-1}$ 감도정수 변경이 적용되었다. C 일사계는 감도정수의 변화가 가장 컸으며 감도정수는 $-0.16{\mu}V(W\;m^{-2})^{-1}$으로 보정하였다. 비교관측에 참가한 9종의 기준기 및 부기준기들의 최종 관측오차는 $0.06W\;m^{-2}$ (0.08%) 이하였으며 허용범위인 ${\pm}1.00%$ (${\pm}4.50W\;m^{-2}$)로 검교정되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.392-395
• /
• 2017

본 연구에서는 일 증발접시 증발량 산정을 위한 딥러닝 (deep learning) 모형의 적용성을 평가하였다. 본 연구에서 적용된 딥러닝 모형은 deep belief network (DBN) 기반 deep neural network (DNN) (DBN-DNN) 모형이다. 모형 적용성 평가를 위하여 부산 관측소에서 측정된 기상자료를 활용하였으며, 증발량과의 상관성이 높은 기상변수들 (일사량, 일조시간, 평균지상온도, 최대기온)의 조합을 고려하여 입력변수집합 (Set 1, Set 2, Set 3)별 모형을 구축하였다. DBN-DNN 모형의 성능은 통계학적 모형성능 평가지표 (coefficient of efficiency, CE; coefficient of determination, $r^2$; root mean square error, RMSE; mean absolute error, MAE)를 이용하여 평가되었으며, 기존의 두가지 형태의 ANN (artificial neural network), 즉 모형학습 시 SGD (stochastic gradient descent) 및 GD (gradient descent)를 각각 적용한 ANN-SGD 및 ANN-GD 모형과 비교하였다. 효과적인 모형학습을 위하여 각 모형의 초매개변수들은 GA (genetic algorithm)를 이용하여 최적화하였다. 그 결과, Set 1에 대하여 ANN-GD1 모형, Set 2에 대하여 DBN-DNN2 모형, Set 3에 대하여 DBN-DNN3 모형이 가장 우수한 모형 성능을 나타내는 것으로 분석되었다. 비록 비교 모형들 사이의 모형성능이 큰 차이를 보이지는 않았으나, 모든 입력집합에 대하여 DBN-DNN3, DBN-DNN2, ANN-SGD3 순으로 모형 효율성이 우수한 것으로 나타났다.

• 한국농림기상학회지
• /
• 제11권3호
• /
• pp.87-99
• /
• 2009

2006년 광릉 활엽수림지역에서 관측된 자료를 활용하여 수정된 토양-식생-대기 모델을 보정하고 연간 순생태 교환량의 계절변동성에 대한 모델의 모의 능력을 평가하고 탄소교환을 조절하는 주요 인자에 대하여 조사하였다. 수정된 토양-식생-대기 모델(mSPA model)을 1000 LST부터 1400 LST까지 관측된 낮 시간의 평균 순 생태 교환량(Net ecosystem exchange)을 모의하도록 보정한 후 총 일차 생산량(Gross primary productivity)을 계산하는데 사용하였고 생태 호흡량(Ecosystem respiration)은 관측지에서 개발된 경험식을 사용하여 추정하였다. 모델 결과는 여름철에 낮 시간의 평균 기공 전도도는 일사량과 매우 높은 상관성이 있음을 나타내었고 수증기 포차는 기공전도도의 변화에 큰 영향을 미치지는 않음을 보였다. 모델은 성장기간에 두 개의 극대값을 갖는 관측된 순 생태교환량의 계절 변동성을 모의하였다. 모델에서 계산된 연간 총 생산량과 생태호흡량, 그리고 순 생태 교환량은 각각 $964gC\;m^{-2}\;yr^{-1}$, $733gC\;m^{-2}\;yr^{-1}$ 그리고 $-231gCm\;^{-2}\;yr^{-1}$이었다. 관측값에 기반하여 산정된 연구결과와 비교할 때 모델 추정값이 약 $140gC\;m^{-2}\;yr^{-1}$ 더 많은 탄소 흡수를 보였다. 복잡한 지형에서 연간 생태 교환량 추정의 불확실성에 대하여 논의하였다.

• 지적과 국토정보
• /
• 제49권1호
• /
• pp.17-27
• /
• 2019

본 연구에서는 LiDAR 측량을 활용하여 취득한 정밀 지형자료와 센서 기반의 기상데이터 관측시스템을 구축하여 태양광 발전량을 예측하는 연구를 수행하였다. 2018년 평균 일조시간은 4.53 시간으로 나타났으며, 태양광 발전량은 2,305 MWh으로 분석되었다. 그리고 태양광 모듈의 설치각도에 따른 태양광 발전량의 영향을 분석하고자 모듈 설치각도를 $10^{\circ}$ 간격으로 배치한 결과, 모듈 배치 각도 $30^{\circ}$에서 발전시간은 4.24 시간으로 나타났으며, 일 발전량과 월 발전량이 각각 3.37 MWh와 102.47 MWh로 가장 높게 평가되었다. 따라서 모듈 배치 각도를 $30^{\circ}$로 설계시 모듈 각도 $50^{\circ}$에 비해 발전효율이 약 4.8% 상승하는 것을 알 수 있었다. 또한 태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석한 결과, 날씨가 차가운 11월~2월까지는 모듈 각도가 큰 $40^{\circ}{\sim}50^{\circ}$가 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3월~10월까지는 모듈 각도가 작은 $10^{\circ}{\sim}30^{\circ}$가 태양광 발전량이 높게 나타남을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.400-400
• /
• 2023

급격한 기후변화로 인해 일사량, 지표면 온도 및 이산화탄소 농도가 꾸준히 상승함에 따라 수문 순환의 불균형을 초래함과 하천 및 호소 내 수질 또한 악화되고 있는 추세이다. 특히, 국내의 경우, 기후변화 및 인위적 요인에 의해 하천 및 호소에서의 수위 감소 및 수온 증가로 인해 부영양화가 증가되고 있고, 이로 인한 유해 녹조의 발생빈도를 높이는 결과를 초래한다. 현재 국내에서는 유인 수질 관측 및 자동 수질관측 시스템을 통해 주요 수질인자를 모니터링 하고 있으나 시·공간적인 변동성을 파악하는데 제한점이 있다. 이러한 한계점을 극복하기 위해 국·내외에서 광학위성을 이용한 수질인자 추정 알고리즘 개발과 관련된 연구들이 진행되고 있다. 이에 따라, 본 연구에서는 NASA에서 제공하는 Landsat-8 위성과 ESA에서 제공하는 Sentinel-2자료가 동화된 Harmonized Landsat Sentinel-2 위성자료를 활용한 클로로필-a (Chl-a)를 추정하고자 한다. 이를 위해, 본 연구에서는 1) 단순 회귀 분석, 2) Akaike information criteria (AIC) 기반 최적화 회귀 분석 및 3) Random forest (RF)를 활용하였다. 또한, HLS 위성 자료의 적용성을 평가하기 위해 미국 오하이오 주에 위치하고 있는 130여개의 중규모 및 대규모 호소에서 2000년부터 2021년까지 수집된 클로로필-a 관측치를 활용하였다. 두 가지 수질 추정 모형에 대한 정확도 검증에 앞서 오하이오 주 내에서의 클로로필-a의 시계열적 변동성에 대하여 분석하였다. 전반적으로, 2000년부터 2016년까지는 Chl-a가 꾸준히 증가하는 경향성을 나타내었으나, 그 이후로는 감소하는 추세를 나타내었다. 이를 기반으로, 각 방법론을 통해서 나온 Chl-a 추정치에 대해서 통계적 검증을 수행하였다. 결과, 단순 회귀 분석을 통해 추청된 Chl-a값의 결정계수는 0.34였지만, AIC 기반 모델과 RF모형을 사용한 결과 결정계수가 각각 0.82와 0.92로 향상된 것을 확인할 수 있었다. 이와 더불어, spatial 및 temporal window와 더불어 호소의 크기에 따른 정확도 분석 또한 수행하였다. 그 결과, temporal window 가 정확도에 가장 큰 영향을 미치는 것으로 나타났으며, 호소의 크기가 작을수록 정확도가 낮아지는 것을 확인 할 수 있었다. 본 연구의 결과를 토대로 추후 국내 호소에 대해 상기 모형들의 적용성 평가를 수행하여 효율적인 수질 모니터링 시스템 구축으로 이어질 수 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제21권1호
• /
• pp.29-41
• /
• 2019

산림생태계에서 총일차생산성(Gross Primary Production, GPP)은 기후변화에 따른 산림의 생산성과 그에 영향을 미치는 식물계절, 건강성, 탄소 순환 등을 대표하는 지표이다. 총일차생산성을 추정하기 위해서는 에디공분산 타워 자료나 위성영상관측자료를 이용하기도 하고 물리지형적 한계나 기후변화 등을 고려하기 위해 기작기반모델링을 활용하기도 한다. 그러나 총일차생산성을 포함한 산림 탄소 순환의 기작기반 모델링은 식물의 생물, 생리, 화학적 기작들의 반응과 지형, 기후 및 시간 등과 같은 환경 조건들이 복잡하게 얽혀 있어 비선형적이고 유연성이 떨어져 반응에 영향을 주는 조건들을 모두 적용하기가 어렵다. 본 연구에서는 산림 생산성 추정 모델을 에디공분산 자료와 인공위성영상 정보를 사용하여 기계학습 알고리즘을 사용한 모델들로 구축해 보고 그 사용 및 확장 가능성을 검토해 보고자 하였다. 설명변수들로는 에디공분산자료와 인공위성자료에서 나온 대기기상인자들을 사용하였고 검증자료로 에디공분산 타워에서 관측된 총일차생산성을 사용하였다. 산림생산성 추정 모델은 1) 에디공분산 관측 기온($T_{air}$), 태양복사($R_d$), 상대습도(RH), 강수(PPT), 증발산(ET) 자료, 2) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD 자료(개량식생지수 제외), 3) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD, 개량식생지수(EVI) 자료를 사용하는 세 가지 경우로 나누어 구축하여 2006 - 2013년 자료로 훈련시키고 2014, 2015년 자료로 검증하였다. 기계학습 알고리즘은 support vector machine (SVM), random forest (RF), artificial neural network (ANN)를 사용하였고 단순 비교를 위해 고전적 방법인 multiple linear regression model (LM)을 사용하였다. 그 결과, 에디공분산 입력자료로 훈련시킨 모델의 예측력은 피어슨 상관계수 0.89 - 0.92 (MSE = 1.24 - 1.62), MODIS 입력자료로 훈련시킨 모델의 예측력은 개량식생지수 제외된 모델은 0.82 - 0.86 (MSE = 1.99 - 2.45), 개량식생지수가 포함된 모델은 0.92 - 0.93(MSE = 1.00 - 1.24)을 보였다. 이러한 결과는 산림총일차생산성 추정 모델 구축에 있어 MODIS인공위성 영상 정보 기반으로 기계학습 알고리즘을 사용하는 것에 대한 높은 활용가능성을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.94-94
• /
• 2020

최근 정부의 신북방정책 추진에 따라 수자원분야에서는 동북아지역 국제 공유하천을 중심의 물 정보 및 연구협력 기회 확보와 지정학적 특성을 고려한 지역 현안해결 중심의 연구가 재조명 되고 있다. 두만강은 이러한 동북아의 중심에 위치하고 있으며, 중국, 북한, 러이사의 국경을 따라 흐르며 지역 수자원의 대부분을 공급하는 국제하천이다. 또한, 지난 2018년 5월에는 하구유역이 람사르(Ramsar) 습지로 승인됨에 따라 철새 등을 포함한 생태가치의 중요성도 크게 증가하였다. 하지만 이 지역은 유역의 지정학적 민감성과 접근이 제한된 관측 정보들로 인해 그 수자원·환경 효용성을 정확하게 파악할 수 없을 뿐만 아니라, 최근 기후변화에 따른 영향으로 홍수, 가뭄 등의 수재해와 수질오염 등의 문제가 발생하고 있어 가용한 기술기반의 직·간접적 접근을 통한 장기수문 및 환경변화 등에 대한 분석과 관리방안 수립 등의 연구가 필요하다. 본 연구에서는 이러한 미계측 두만강 유역을 대상으로 우선, 가용한 위성자료 및 광역지표모형(MERRA-2) 기반 NASA POWER(Prediction of Worldwide Energy Resource) 수문기상 자료와 SWAT(Soil and Water Assessment Tool) 모형을 활용하여 장기 수문영향을 평가하고자 한다. SWAT 모형은 전 지구적으로 활용 가능한 격자 해상도 약 30m의 위성기반 수치표고모형(DEM), 광역 토양도, 지역 토지이용도 자료를 활용하여 두만강 유역을 전체 19개 소유역 및 18개 하도, 138개 HRUs의 수문분석 단위로 구축하였으며, 모의는 미국 NOAA NCDC(National Climate Data Center) 및 중국 CMDC(China Meteorological Data Service Center)의 주요 관측지점에서 선별한 총 13개소의 위치에 대해 재분석된 기후/기상자료들(NASA POWER 강수, 기온, 풍속, 상대습도 및 일사량)을 적용, 1990년에서 2019년까지의 30개년도 연속자료를 구축활용 하였다. 한편, 모형의 검·보정은 앞서 언급한 관측 자료의 부재로 과거 문헌 등을 통해 파악할 수 있는 연 단위 수자원 총량 등을 활용해 진행코자한다. 아울러, 향후는 최근 활용 가능한 장기 위성관측 강수량을 적용, 재분석 자료 결과와의 비교를 통해 상호 분석 오류를 줄여나갈 수 있을 것으로도 판단된다.

• 한국전자거래학회지
• /
• 제24권4호
• /
• pp.119-133
• /
• 2019

최근 태양광 발전량 예측은 태양광 발전량 설비 시스템의 안정적인 작동을 위한 조정 계획, 설비 규격 결정 및 생산 계획 일정을 수립하기 위해 필수적인 요소로 고려된다. 특히, 대부분의 태양광 발전량은 피크시간에 측정되기 때문에, 태양광 시스템 운영자의 이익 최대화와 전력 계통량 안정화를 위해 피크시간의 태양광 발전량 예측은 매우 중요한 요소이다. 또한, 기존 연구들은 광범위한 지역에서 예측된 불확실한 기후 정보들을 이용하여 태양광 발전량을 예측하는 한계점 때문에 일사량, 운량, 온도 등과 기상정보 없이 피크시간의 태양광 발전량을 예측하는 것은 매우 어려운 문제로 고려된다. 따라서 본 논문에서는 피크이전의 기후, 계절 및 관측된 태양광 발전량을 이용하여 미래의 기후 및 계절 정보 없이 피크시간의 태양광 발전량을 예측할 수 있는 LSTM(Long-Shot Term Memory) 기반의 태양광 발전량 예측 기법을 제안한다. 본 연구에서 제안한 모델을 기반으로 실 데이터를 통한 실험 결과, 단기 및 장기적 관점에서 높은 성능을 보였으며, 이는 본 연구에서 목표로 한 피크시간의 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.