• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.

• 생물환경조절학회지
• /
• 제32권4호
• /
• pp.384-395
• /
• 2023

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀(MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770-0.948 범위의 R² 값과 0.495mm/min-1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU는 0.948의 R² 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R² 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.

• 한국산림과학회지
• /
• 제66권1호
• /
• pp.16-36
• /
• 1984

화강암질풍화토(花崗岩質風化土)의 미교란(未攪亂) 시료(試料)를 사용하여 일면(一面) 직접(直接) 전단시험(剪斷試驗)으로 측정(測定)한 전단강도(剪斷强度)와 함수비(含水比), 간극비(間隙比), 건조밀도(乾燥密度), 비중(比重)과의 관계(關係)를 통계(統計) 분석(分析)하였고, 화강암질풍화토(花崗岩質風化土)의 사방시공지(砂防施工地)에 식재(植栽)된 리기다소나무림(林)과 리기테-다소나무림(林)에서 토양단면(土壤斷面)을 만들어 산중식토양경도계(山中式土壤硬度計)로 토양(土壤)의 견밀도(堅密度)를 측정(測定)하고 수근분포(樹根分布)를 조사(調査)하여 통계(統計) 분석(分析)한 결과(結果) 다음과 같다. 1) 함수비(含水比), 간극비(間隙比)와 전단강도(剪斷强度) 간(間)에는 유의적(有意的)인 부(負)의 상관(相關)이며 직접적(直接的)인 관계(關係)에 있었다. 2) 건조밀도(乾燥密度)와 전단강도(剪斷强度) 사이에는 정(正)의 상관(相關)이며 직접적(直接的)인 관계(關係)에 있었다. 3) 비중(比重)과 전단강도(剪斷强度) 간(間)에는 유의적(有意的)인 상관관계(相關關係)를 인정(認定)할 수 없었다. 4) 전단강도(剪斷强度)에 영향(影響)을 미치는 영향요소(影響要素)의 직접효과(直接效果)의 크기는 함수비(含水比)>간극비(間隙比)>건조밀도(乾燥密度)의 순위(順位)이다. 5) 다중선형(多重線型) 회귀방정식(回歸方程式)의 분산분석결과(分散分析結果) 함수비(含水比)만이 회귀성(回歸性)이 인정(認定)되므로 함수비(含水比)를 독립변수(獨立變數)로 하여 전단강도(剪斷强度)를 추정(推定)하기 위한 회귀방정식(回歸方程式)은 제한(制限)된 건조밀도(乾燥密度)의 범위내(範圍內)에서 적합도(適合度)가 매우 높게 평가(評價)되었다. 6) 토양(土壤)의 견밀도(堅密度)는 토심(土深)이 깊어짐에 따라 높아진다. 7) 토양(土壤)의 지표경도(指標硬度)와 수근수(樹根數) 간(間)에는 유의적(有意的)인 부(負)의 상관(相關)이며 직접적(直接的)인 관계(關係)에 있었다. 8) 리기다소나무와 리기테-다소나무의 수근(樹根)은 토심(土深) 20cm까지에 대부분 분포(分布)하고 있었다. 9) 리기다소나무림(林)과 리기테-다소나무림(林)에서 측정(測定)한 토양(土壤)의 지표경도(指標硬度)를 독립변수(獨立變數)로한 회귀방정식(回歸方程式)으로 수근수(樹根數)를 추정(推定)할 수 있었으나 낮은 적합도(適合度)를 나타내었다.

• Tuberculosis and Respiratory Diseases
• /
• 제42권4호
• /
• pp.555-568
• /
• 1995

연구배경: 폐확산능은 산소를 이용하여 측정하는 것이 가장 생리적이지만 폐모세혈의 산소분압측정이 어려워 임상에서는 일산화탄소를 이용하여 측정하고 있으며, 단회호흡(single-breath)폐확산능검사법이 가장 널리 사용되고있는 방법이다. 그러나 총폐용량까지 흡기한후 10초간 숨을 참는 과정을 기침, 호흡곤란 등이 있는 환자로선 수용하기 곤란하므로 이러한 과정없이 낮은 유량의 일회호기만을 필요로 히는 호흡내(intra-breath)폐확산능검사법이 고안되었다. 본 연구에서는 단회호흡법과 호흡내법으로 측정한 폐확산능간에 유의한 차이가 있는지 그리고 차이가 있다면 어떤 인자가 영향을 미치는지를 알아보고자 하였다. 방법: 특정질환과 무관하게 임의로 73명을 선택하고 유량-용적곡선 검사를 3회 시행한후 노력성 폐활량(FVC)과 1초간 노력성호기량($FEV_1$)의 합이 가장 큰 검사에서 노력성폐활량, 1초간 노력성호기량, 1초간 노력성호기량의 노력성 폐활량에 대한 비($FEV_1$/FVC)를 구했다. 폐확산능은 5분간격으로 각각 3회씩 단회호흡법과 호흡내법으로 측정하였으며, 선형적 상관분석으로 어떤 인자가 두 방법간의 폐확산능의 차[단회호흡법과 호흡내법에 의한 각각의 폐확산능의 차이의 평균치(mL/min/mmHg)]에 영향을 미치는지를 평가하여 다음과 같은 결과를 얻었다. 결과: 1) 단회호흡법 및 호흡내법 모두 검사내 재현성은 우수하였다. 2) 단회호흡법과 호흡내법으로 측정한 폐확산능간에는 전체적으로 유의한 상관관계가 있었지만, 두 방법의 측정치간에는 의미있는 치아가 있었다($1.01{\pm}0.35ml/min/mmHg$, p<0.01). 3) 단회호흡법과 호흡내법간의 폐확산능의 차이는 노력성폐활량과는 상관관계가 없었지만, 1초간 노력성호기량, $FEV_1$/FVC 및 환기배분의 지표인 메탄농도의 기울기와는 유의한 상관관계가 있었고 다중상관분석결과 $FEV_1$/FVC에 의한 영향이 가장 컸다(r=-0.4725, p<0.01). 4) 단회호흡법과 호흡내법간의 폐확산능의 차이와 $FEV_1$/FVC를 도식화하면 두 방법간의 폐확산능의 차이는 $FEV_1$/FVC가 50~60%인 구간에서 두 군으로 분리됨을 알수 있으며, $FEV_1$/FVC가 60% 이상에서는 두방법간에 유의한 차이가 없으나($0.05{\pm}0.24ml/min/mmHg$, p>0.1) 60% 미만에서는 유의한 차이가 있었다($-4.65{\pm}0.34ml/min/mmHg$, p<0.01). 5) 메탄농도의 기울기가 정상범위인 2%/L이내에선 단회호흡법과 호흡내법의 폐확산능이 모두 $24.3{\pm}0.68ml/min/mmHg$로 측정방법에 따른 차이가 없지만 2%/L를 초과한 경우에는 단회호흡법에 의한 폐확산능이 $15.0{\pm}0.44ml/min/mmHg$ 호흡내법에 선 $11.9{\pm}0.51ml/min/mmHg$로 두 방법간에 유의한 차이가 있었다(p<0.01). 따라서 $FEV_1$/FVC가 60% 미만일때는 호흡내법으로 측정한 폐확산능이 단회호흡법보다 의미있게 낮은 값을 보이는데, 그 이유는 주로 환기배분의 장애로 추정되지만 폐확산능 이 단회호흡법에서 과대평가되거나 폐확산능의 감소가 호흡내법에서 더 예민하게 나타 났을 가능정도 배제할수 없다. 결론: 73명을 대상으로 폐확산능을 단회호흡법과 호흡내법으로 측정해본 결과 호흡내법은 검사의 재현성도 우수하고 폐기능이 정상이거나 제한성 장애, 그리고 경도의 폐쇄성장애가 있는 경우에는 단회호흡법을 대체해서 사용할수 있지만, 중등도 이상의 폐쇄성장애가 있는 경우에는 단회호흡법보다 유의하게 낮은 검사치를 보였다. 호흡내법과 단회호흡법에 의한 폐확산능의 차이가 호흡내법이 단회호흡법에 비해 폐확산능의 감소를 예민하게 나타내주는 것인지 혹은 환기의 불균형에 의한 영향을 많이 받아서인지는 연구가 더 필요할 것이다.