• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2009.04a
• /
• pp.246-248
• /
• 2009

기존의 항공사진 및 위성사진을 활용한 원격탐사방법은 기상조건에 따른 제약과 3차원적 수직구조 관한 정보 수집에 한계가 있다. 따라서 보다 정확하고 신속한 산림자원 정보를 획득하기 위해서는 새로운 기술적 접근이 필요하다. 3차원 측정이 가능한 LiDAR의 특성을 이용하면 기존 방법의 부정확성과 비효율성을 상당부분 극복 할 수 있다. 본 연구에서는 지상 Laser Scanner 와 항공 LiDAR를 이용하여 개체목의 3차원 구조를 예측하여 수고, 지하고, 수관면적, 수관체적을 추정하고 결과를 비교하였다. 지상 Laser Scanner에 의한 측정치를 참조자료로 하여 항공 LiDAR의 개체목 측정 정확성을 향상 시킬 수 있는 보정식을 최종적으로 개발하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.471-471
• /
• 2017

최근 기상 이변으로 인해 홍수, 가뭄 등과 같은 수재해가 빈번히 발생되고 있다. 이에 수재해예방 등의 안전 기술과 관련된 관심이 증가되고 있다. 수재해 예방을 위해서는 먼저 홍수, 가뭄 등과 같은 수재해 감시가 필요하며, 이를 위해 위성, 레이더 등으로 관측된 자료를 활용한 수문인자 정보는 매우 중요하다. 미국 NASA의 LIS(Land Information System)는 위성 및 지상관측 자료를 활용하여 홍수, 가뭄, 기상, 산사태, 농업 등의 정보를 생산할 수 있는 프레임워크이다. LIS는 크게 지표면 모델 및 자료동화를 위한 변수들의 전처리 과정(LDT), 지표면 모델을 활용한 분석 및 자료동화 과정(LDAS) 및 분석된 자료의 검보정(LVT) 과정으로 구성되어 있다. LIS에서 산출 가능한 인자는 Energy Balance, Water Balance, Surface/Subsurface State, Evaporation, Hydrologic, Cold Season Processes, Compared Data, Carbon 등 9개로 분류되며 약 78개의 인자를 산출한다. 홍수, 가뭄 등과 같은 수재해 감시를 위한 수문인자는 강수량, 증발산량, 토양수분, 지표면 온도 등을 비롯한 여러 가지 인자들이 필요하다. LIS는 주로 미국, 캐나다 등 평활한 지역에 활용되어 공간해상도는 약 10km(0.1deg) 이하로 자료를 산출한다. 산악 지형이 대부분인 한국 지형에 적용하기에는 자료의 정확성이 낮아 10km 이상의 공간해상도 자료가 필요하며, 한국형 수재해정보 플랫폼에서 홍수, 가뭄 등의 기초자료로 사용하기 위한 수문인자의 선정이 필요하다. 이에 본 연구에서 NASA LIS를 통해 산출 가능한 인자를 정리하고 한국형 수재해 정보플랫폼에 활용 가능한 수문인자의 항목을 조사하였다. 홍수, 가뭄 등 수재해 분석에 필요한 기초자료는 강우량, 유출량, 잠재적 증발산량, 식생의 증산량, 토양수분, 표면온도, 알베도 등의 수문인자이며, NASA LIS에서 이와 같은 수문인자 산출이 가능하다. NASA와 국제공동 연구중인 한국형 물순환분석 프레임워크(K-LIS(안)) 개발을 통해 한국 지형에 적합한 홍수 및 가뭄 등의 수재해 감시 평가 예측이 가능할 것이며, K-LIS에서 산출되는 고해상도의 수문인자들을 수재해 정보 웹 포털의 정보 제공 서비스를 통하여 손쉽게 접근 가능할 것으로 사료된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.49-51
• /
• 2004

최근 GPS시스템, 감시 시스템, 기상 관측 시스템과 같은 다양한 응용 시스템으로부터 수집된 시공간 속성을 가진 데이터를 분석하고자 하는 시공간 데이터 마이닝에 대한 관심이 더욱 높아지고 있다. 기존의 시공간 데이터 마이닝에 대한 연구는 문자.숫자 데이터를 기반의 마이닝 기법을 그대로 적용하고 있기 때문에 데이터의 시공간 속성을 충분히 고려한 분석으로는 한계가 많은 것이 사실이다. 본 논문에서는 패턴 인식과 클러스터링 능력이 뛰어나다고 알려진 SOM을 기반으로 시공간 클러스터링 모듈을 개발하고, 개발된 모듈의 성능과 클러스터링 정확성에 대하여 K-means, 응집 계층 알고리즘(Average Linkage, Ward)과 비교함으로써 시공간 데이터 마이닝을 위한 각 알고리즘들의 성능을 분석하였다 또한 입력 데이터의 특성과 클러스터링 결과를 더욱 정확하게 나타내어 가시적인 분석을 도울 수 있도록 시공간 데이터 클러스터링을 위한 가시화 모듈을 개발하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.105-108
• /
• 2004

데이터 양이 급증함에 따라 축적된 데이터로부터 의미있는 지식을 추출해 내고자 하는 데이터 마이닝에 대한 연구가 활발하게 진행되어 왔다. 특히 최근, 환경이 이동 분산화 되어감에 따라 감시${\cdot}$모니터링 시스템, 기상 관측 시스템, GPS 시스템과 같은 다양한 응용 시스템으로부터 방대한 양의 시공간 데이터가 발생하게 되었고, 이른 효율적으로 분석하고자 하는 시공간 데이터 마이닝 연구에 대한 관심이 더욱 높아지고 있다. 기존의 데이터 마이닝 기법의 경우 문자나 숫자 데이터를 대상으로 최적화 되어있기 때문에 시${\cdot}$공간 속성을 동시에 가지는 데이터를 분석하기에는 한계가 있는 것이 사실이다. 본 논문에서는 SOM(Self-Organizing Map)을 적용하여 시공간 클러스터링 모듈을 개발하고, 개발된 모듈의 성능 및 클러스터링 정확성을 다른 세 가지 군집분석 알고리즘과 비교, 분석하였다. 또한 가시화 모듈을 개발하여 입력 데이터의 특성과 결과를 더욱 정확하게 분석할 수 있도록 하였다.

• Journal of Climate Change Research
• /
• v.5 no.1
• /
• pp.47-59
• /
• 2014

This study was conducted to estimate of future productivity for major spicy vegetables by the change of meteorological factors, temperature and precipitation. Based on analysis of meteorological factors, incidence of major disease(phytophthora blight and anthracnose) for hot pepper was over 50% with temperature over $18.3^{\circ}C$ in May and precipitation over 532 mm in July. And the meteorological factors in the August have deeply related to the incidence of virus disease(CMV and BBWV2) for hot pepper, however, both the meteorological factors and the incidence of virus disease showed to the opposite tendency. An analysis of the relevance of the white rot disease and the meteorological factors for garlic, a disease was highly investigated with temperature $15.0^{\circ}C$ to $15.9^{\circ}C$ in April to May. On the onion, higher incidence of white rot was investigated with temperature over $4.0^{\circ}C$ in November to January and precipitation over 40 mm in March. The occurrence of major disease for spicy vegetables and meteorological factors as a result of regression analysis, the optimal cultivation area of peppers and onions will be gradually expanded to the central regions in the near future in Korea.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.38 no.5
• /
• pp.655-669
• /
• 2018

In this study, we developed a hybrid forecasting model based on a four-parameter distribution which allows a simultaneous season-ahead forecasting for both seasonal rainfall and sub-daily rainfall in Han-River and Geum-River basins. The proposed model is mainly utilized a set of time-varying predictors and the associated model parameters were estimated within a Bayesian nonstationary rainfall frequency framework. The hybrid forecasting model was validated through an cross-validatory experiment using the recent rainfall events during 2014~2017 in both basins. The seasonal precipitation results showed a good agreement with the observations, which is about 86.3% and 98.9% in Han-River basin and Geum-River basin, respectively. Similarly, for the extreme rainfalls at sub-daily scale, the results showed a good correspondence between the observed and simulated rainfalls with a range of 65.9~99.7%. Therefore, it can be concluded that the proposed model could be used to better consider climate variability at multiple time scales.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.300-300
• /
• 2018

최근 우리나라는 봄철 지속적으로 가뭄이 발생하는 추세로 모니터링과 더불어 가뭄 피해를 경감할 수 있도록 가뭄해석 기법이 필요하다. 이를 위해 우선적으로 우리나라 실정에 적합한 가뭄지수를 산정하고, 개선을 통해 가뭄정보들이 수자원확보를 위한 관리와 정책에 활용되어야 한다. 이에 따라 본 연구에서는 국내 기존에 활용되고 있는 수문학적 가뭄지수인 개선된 지표수공급지수(MSWSI : Modified Surface Water Supply Index)를 선정하고 개선하였으며, 개선된 MSWSI를 이용하여 앙상블기법 기반의 확률론적 가뭄해석을 수행하였다. MSWSI의 개선에 있어서는 우선, 유역 내 공식적으로 수집되는 모든 수문기상인자를 조사하여 기존 MSWSI에서 적용한 강수량, 하천유량, 댐 유입량, 지하수량 4가지 인자와 사용 가능한 댐 저수위, 댐 방류량 인자를 추가하여 반영하였다. 또한 각 수문인자들에 대하여 인자별로 적합한 확률분포를 적용하였다. 또한 극심한 가뭄이 발생한 2006년과 2014년을 대상으로 비교 검토를 실시하고, 앙상블기반 확률론적 가뭄전망을 수행하고 검증하였다. 연구결과, 본 연구에서 개선한 MSWSI가 2006년과 2014년 발생한 가뭄현상을 더 잘 나타내는 것으로 분석되었다. 또한 실제 수문기상현상을 더욱 잘 반영하여 실제 가뭄과 유사한 가뭄결과로 분석되어, 개선된 MSWSI가 효용성이 있음을 확인하였다. 또한 앙상블 기반의 확률론적 가뭄전망 결과, 본 연구에서 개선한 MSWSI를 이용하였을 때 더 우수한 것으로 분석되었다. 대부분의 유역에서 실제 가뭄지수가 개선된 MSWSI를 이용한 가뭄전망 범위에 속하는 것으로 나타나, 본 연구에서 개선한 MSWSI를 활용한다면 보다 정확한 가뭄모니터링 수행이 가능하며, 가뭄전망의 정확성을 높일 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.301-301
• /
• 2018

본 연구에서는 위성 기반 토양수분 자료를 수문모형에 자료동화하여 격자 단위에서 수문기상인자를 산출하고 그 정확성을 평가하였다. 수문모형으로는 Variable Infiltration Capacity(VIC) model을 선정하여 국내 주요 8개 댐 유역에 구축하였으며, 입력자료는 2008년 이후 10년간 자료를 수집하였으며, 2008-2012년의 관측 유량 자료를 사용하여 모형을 보정하였다. 모형의 보정을 위해 Isolated-Speciation Particle Swarm Optimization(ISPSO) 기법을 적용하여 매개변수를 추정하였고, 2013-2017년의 관측유량 자료를 통하여 모형의 성능을 검증하였다. VIC 모형에 자료 동화한 토양수분 자료는 AMSR2 위성 토양 수분 자료와 지상관측 토양수분 자료를 합성한 자료를 사용하였으며, 인공위성자료와 지상 자료를 조건부합성기법으로 합성한 토양수분자료는 각 격자별 토양수분을 더 정확히 산정하여 자료동화시 모형의 모의 정확도가 향상되는 경향을 보였다. 본 연구결과는 지상관측자료를 통해 보정된 위성관측 토양수분자료를 자료동화하여 수문모형의 정확도를 향상시키고, 미계측 유역에 대한 향상된 수문기상인자 정보를 제공함으로써 다양한 수문분석의 기초자료로 활용될 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.869-873
• /
• 2006

유역에서의 강우-유출해석모형과 예측모형의 정확성을 위해서 기상요소와 지형인자간의 상관성에 대해서 많은 연구가 진행되었으나 수자원의 효율적인 해석과 관리를 위한 물과 관련된 기관들은 단지 물 관련 정보를 DB로 구축한 수준에 머물러 있다. 급속한 정보화 시대로 인해 편의성을 추구하기 위한 서비스 요구가 증가되어 사용자들은 질적으로 우수한 정보뿐만 아니라 여러 가지 매체를 통해서 시간과 장소에 제한 없이 사용자들과 관련된 각종 정보를 원하고 있다. 그래서 수문학적으로 중요한 위치에 있는 지점과 상습적으로 홍수피해를 입고 있는 지역의 홍수예경보를 위해서 물 관련 정보를 신속히 활용, 해석 및 예측하는 시스템의 개발이 필요하다. 따라서 물리적인 공간상에서 3차원 GIS DB, GPS 또는 무선인터넷 기술 등의 전자기술(IT:컴퓨터, 통신, 방송)을 도입하여 인터넷이나 무선통신을 통해 물 관련 정보를 획득하고 홍수예경보 시스템의 효율적인 관리를 위한 기법을 개발하고자 한다. 이를 위해서 본 연구는 위치기반서비스(LBS : Location Based Service)의 기반기술과 응용사례 및 활용 가능성을 검토하여 홍수예경보 정보시스템을 제시하였다.