• 지구물리와물리탐사
• /
• 제7권3호
• /
• pp.164-173
• /
• 2004

포항 지열 개발지역에서 지열수 유동을 파악하기 위하여 자연전위(self-potential; SP) 탐사를 수행하고 양수시험 동안에 SP 장기 관측을 실시하였다. 이를 위해 시추 작업이 시작되기 이전에 대상 지역의 자연전위의 분포를 알아보기 위하여 배경 SP 탐사를 수행하였다. 양수시험은 2003년 12월의 24시간과 2004년 3월의 72시간 동안의 두 번에 걸쳐서 시행되었는데, SP장기 관측은 이러한 양수시험 전후로 128채널 자동 SP측정 시스템을 이용하여 이루어졌다. 배경 SP 탐사에서는 지열수 순환의 상승부로 해석될 수 있는 뚜렷한 양의 이상이 시추공을 중심으로 북쪽에서 관측되었다. 양수 시험으로 인하여 일어나는 심부 지열 저류층의 유동 양상 및 지열수 흐름 방향을 탐지할 목적으로 수행한 1차 및 2차 SP 장기 관측 자료에서 양수 및 양수 중단에 의한 직접적인 SP 변화는 뚜렷하게 보이지 않았다. 이러한 이유는 다양한 물리탐사 방법으로 밝혀졌듯이 상부에 낮은 전기비저항의 미고결 퇴적층이 깊이 약 360m 두께로 덮고 있어 지열수 유동에 의한 전기역학적 전위가 지표 부근에서 심하게 감쇠되었기 때문으로 해석된다. 하지만 예비 양수시험 및 장기 양수 시험 동안에 얻어진 지하수 분석 자료와 SP 관측 자료를 비교한 결과 양수로 인한 SP 변화가 비교적 크게 나타나는 몇몇 측점들을 확인할 수 있었다. 이러한 큰 폭의 SP 변화는 시추공을 중심으로 남서부에 위치한 측점에서 예비 및 장기 양수시험 동안에 반복하여 관측되었는데, 이 지역은 3차원 MT 해석 결과에서 나타난 심도 $600m\~1,000m$ 하부의 저비저항 이상대와 일치한다. 따라서 시추공을 중심으로 남서부 지역은 시추공과 수리지질학적으로 연결되어 있음을 추정할 수 있다.은 $2.34{times}10^{-4}$초임을 알 수 있었다. 또한 동물 실험에서도 동일한 방법으로 시간에 대한 거리 그래프와 획득-보정간의 지연 시간 등을 분석한 결과 팬텀 데이터와 같은 결과를 얻을 수 있었다. 결론 : 팬텀, 동물 실험 모두에서 시간에 대한 거리 값과 각각의 경우에 획득-보정간의 지연 시간을 분석한 결과 데이터 값은 ${\pm}1\%$ 이내에서 일치하였으며, 데이터 획득-보정 지연 시간은 2.34H10-4 초 이내 즉, 실시간으로 얻을 수 있어 새로운 호흡운동 조절 방사선치료 기술의 임상적용에의 가능성을 확인할 수 있었다.X>$44.7\%$로 $19.2\%$인 저선량군에 비해 훨씬 좋은 예후를 보였다. 단변량분석에서 예후에 영향을 미치는 중요인자로는 환자의 나이, 전신수행도, 종양의 위치, 수술절제범위, 표적체적, 방사선총선량 등이었다 다변량분석에서 통계적으로 유의한 인자는 환자의 나이(p=0.012), 수술절제범위(p=0.000), 방사선선량군(p=0.049)이었다. 방사선괴사와 같은 방사선으로 인한 직접적인 만성합병증은 추적관찰기간 동안 발생하지 않았다. 결론: 3차원 입체조형치료기법을 통하여 70 Gy까지의 방사선을 부작용 없이 조사할 수 있었고, 근치적 국소요법의 일환으로 방사선 선량증가가 전체 생존기간 및 무진행 생존기간을 향상시킬 수 있을 것으로 기대한다.: 유방암치료에서 virtual wedge는 통상 사용하는 physical wedge에 비하여 주변 연부조직선량, 반대편 유방선량, 동측 페선량 및 심장선량을 감소시켜 급, 만성 방사선 부작용의 위험을 감소시킬 수 있는 임상적으로 매우 유용한 방법이며 또한 방사선조사시간을 단축시킴으로써 선형가속기의 부하를 줄일

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.