• 대한원격탐사학회지
• /
• 제31권4호
• /
• pp.347-351
• /
• 2015

Sea ice is a key parameter for understanding the climate change in cryosphere. In this study, we investigated the correlation with the factors that influenced change of the sea ice extent. We used the Sea Ice Concentration (SIC) from Ocean and Sea Ice Satellite Application Facility (OSI-SAF), and surface albedo provided by The Satellite Application Facility on Climate Monitoring (CM SAF). We converted the same temporal and spatial resolution of the data and detected the sea ice using SIC data. We performed the relationship analysis between SIC and sea ice albedo. As a result, we found they have a strong positive correlation. We performed the linear regression between SIC and sea ice albedo, and found they have high-level coefficient of determination. It shows using either SIC or sea ice albedo is possible to estimate the sea ice products.

• Spatial Information Research
• /
• 제21권5호
• /
• pp.15-22
• /
• 2013

본 연구는 동북아시아 지역의 이산화탄소 분포와 식생지수의 상관성 규명을 목적으로 한다. 이를 위해 지리가중치 분석기법을 활용하여 GOSAT 이산화탄소 측정자료와 MODIS 식생지수에 대해 다중공간회귀 분석을 시행하였다. 그 결과 이산화탄소와 식생지수 사이에는 전체적인 (-)의 상관관계가 나타나고 있음을 확인할 수 있었다. 공간적 자기상관성 측정을 위한 Global Morans'I지수와 Anselin Local Morans'I 통계 분석 결과에서는 이산화탄소는 일정한 군집성을 보이며 분포하고 있는 것으로 나타나났다. 이러한 결과는 산림파괴와 같은 개발 활동이 이산화탄소의 배출에 영향을 미쳐 일정한 군집을 형성하게 된 것으로 추정된다. 그러나 이산화탄소의 분포는 인위적 배출원과 식생의 호흡, 해양의 배출과 흡수 등의 다양한 요인과 결부되어 달라지기 때문에 이산화탄소 분포에 개입되는 다양한 변수와 상관성을 평가하는 후속연구가 필요할 것으로 사료된다.

• 한국지리정보학회지
• /
• 제17권1호
• /
• pp.61-69
• /
• 2014

본 연구에서는 서울에서 직경 $10{\mu}m$이하의 미세먼지에 대한 공간분석을 수행하였다. PM10은 폐암과 질병에 의한 사망율을 증가시키는 주요 원인이기 때문에 PM10의 공간적 분포는 서울의 대기오염에서 중요한 관심 사항이다. 본 연구에서 PM10의 공간적 분포 분석은 2010년과 2011년 서울시 미세먼지의 월 평균자료에 의해 모니터링 되었다. PM10의 공간보간은 PM10의 공간분포 특성을 잘 반영하는 IDW 방법을 적용하였고, PM10의 월 평균 공간분포는 서울시의 서부지역(영등포)이 초봄과 겨울철에 서울시의 북부지역 보다 높은 농도의 공간 분포를 나타내었다. 또한 2010년과 2011년 PM10 농도 분포의 비교에서 2011년 강남구와 송파구의 PM10 농도는 2010년 연평균 공간분포 보다 증가하였다. 서울시 PM10의 공간 분포가 영등포구, 강남구, 청량리 등 특정지역에서 높은 경향을 나타내고 있어서 이에 대한 관리방안의 수립이 요구된다.

• 한국지리정보학회지
• /
• 제24권2호
• /
• pp.64-77
• /
• 2021

본 연구의 목적은 고학력 인적 자본 집단의 공간적 분포를 살펴보고 공간적 분포에 미치는 영향요인을 파악하는 것이다. 본 연구는 지니계수와 탐색적 공간자료분석을 통해 불균형과 공간적 집중정도를 살펴보았으며 공간회귀모형을 통해 고학력 인적 자본 집단의 분포에 미치는 경제적 요인과 어메너티 요인의 영향 정도를 확인하였다. 분석결과, 석·박사 집단 고학력 인적 자본은 불균등하게 분포하고 있으며 수도권을 중심으로 충남 및 강원 일부지역에서 군집을 형성하고 있는 것으로 나타났다. 석·박사 집단 고학력 인적 자본의 분포에 영향을 미치는 영향요인은 경제적 요인이 강하게 작용하고 있었다. 어메너티 요인은 석·박사 집단 고학력 인적 자본의 분포의 영향요인으로서 큰 역할을 하지 못하는 것으로 나타났다. 본 연구의 결과는 인적 자본을 유입하고자 하는 지역경제개발 정책에 있어 시사점이 있다.

• Spatial Information Research
• /
• 제13권3호
• /
• pp.253-260
• /
• 2005

본 연구의 목적은 GIS기술을 이용하여 적조의 시공간적인 분포를 분석하는 것이다. 적조에 의해 발생하는 피해는 적조 생물종에 따라 다양하게 나타난다 때문에 적조의 피해를 저감하기 위해서는 시-공간적인 적조 생물종의 분포특성을 파악하는 것이 중요하다. 이러한 관점에서 우리는 최초의 적조발생지역, 공간적 발생빈도, 적조의 이동 등을 분석하였다. 본 연구에서 사용된 공간자료는 적조 속보 보고에 의해 공간분포를 디지타이징하였고, 적조데이터베이스를 구축하기 위해 적조 생물종, 생물 밀도, 수온 등의 다양한 속성자료를 구성하였다. 적조의 시-공간적 분포 특성을 분석하기 위해 다양한 공간분석기법을 적용하였다. 이러한 공간분석 결과로부터 남해에서의 시-공간 적이 적조 공간 정보를 얻을 수 있었다.

• 대한원격탐사학회지
• /
• 제33권3호
• /
• pp.333-338
• /
• 2017

본 연구에서는 산출 방법에 따른 해빙 자료 간의 차이를 조사하기 위하여 1980-2010년 북극 지역의 EUMETSAT OSI SAF, NASA Team(NT)의 해빙 농도와 해빙 면적의 차이를 비교하였다. 그 결과 두 자료의 해빙 농도와 해빙 면적이 계절별, 해역별로 다른 일관성을 보였다. 계절별로는 OSI SAF의 해빙 농도가 전체적으로 0.85 %, 봄 0.48 %, 여름 0.97 %, 가을 1.38 %, 겨울 0.66 % 높게 나타났다. 해역별로는 북극해에서 OSI SAF의 해빙 농도가 2.7 %, 해빙 면적이 19.8만 $km^2$ 높았으나 링컨해 일부에서는 해빙 농도가 2.3 %, 해빙 면적이 2만 $km^2$ 낮게 나타났다.

• 한국실내디자인학회논문집
• /
• 제23권2호
• /
• pp.90-98
• /
• 2014

This study has analyzed the meaning of observation time in the course of acquiring the information of subjects who observed the space of hall in subway stations to figure out the process of spatial information excluded and the features of intensive searching. The followings are the results from the analysis of searching process with the interpretation of the process for information acquirement through the interpretation of observation area and time. First, based on the general definition of observation time, the reason for analyzing the features of acquiring spatial information according to the subjects' observation time has been established. The feature of decreased analysis data reflected that of observation time in the process of perceiving and recognizing spatial information, which showed that the observation was focused on the enter of the space during the time spent in the process of observing the space and the spent time with considerable exclusion of bottom end (in particular, right bottom end). Second, while the subjects were observing the space of hall in subway stations, they focused on the top of the left center and the signs on the right exit the most, which was followed by the focus on the both side horizontally and the clock on the top. Third, the analysis of consecutive observation frequency enabled the comparison of the changes to the observation concentration by area. The difference of time by area produced the data with which the change to the contents of spatial searching in the process of searching space could be known. Fourth, as the observation frequency in the area of I changed [three times -> six times -> 9 times], the observation time included in the area increased, which showed the process for the change from perception to recognition of information with the concentration of attention through visual information. It makes it possible to understand that more time was spent on the information to be acquired with the exclusion of the unnecessary information around.

• 대한원격탐사학회지
• /
• 제36권4호
• /
• pp.573-586
• /
• 2020

PM (particulate matter) is of interest to everyone because it can have adverse effects on human health by the infiltration from respiratory to internal organs. To date, many studies have made efforts for the prediction of PM10 and PM2.5 concentrations. Unlike previous studies, we conducted the prediction of tomorrow's PM10 concentration for the Air Korea stations using Chinese PM10 data in addition to the satellite AOD and weather variables. We constructed 230,639 matchups from the raw data over 3 million and built an RF (random forest) model from the matchups to cope with the complexity and nonlinearity. The validation statistics from the blind test showed excellent accuracy with the RMSE (root mean square error) of 9.905 ㎍/㎥ and the CC (correlation coefficient) of 0.918. Moreover, our prediction model showed a stable performance without the dependency on seasons or the degree of PM10 concentration. However, part of coastal areas had a relatively low accuracy, which implies that a dedicated model for coastal areas will be necessary. Additional input variables such as wind direction, precipitation, and air stability should also be incorporated into the prediction model as future work.

• 한국실내디자인학회논문집
• /
• 제25권4호
• /
• pp.80-89
• /
• 2016

The analysis of spatial search direction and its concentration through eye movement can produce some useful data in that it enables to know the features of space elements and their effects on one another. The results by analysing the search features and concentration of spatial sections through the eye-tracking in shops in a department store makes it possible to define the followings. First, the features of 'eye's in & out' could be estimated through the division of sections by the characteristics of those shops and the extraction of central point based on the decision of continuative observation. The decision of continuative observations enabled to analyse the frequency of observation data which can be considered to be 'things watched longtime' and the stared points that is equivalent to 'things seen very often', by which the searching characteristics of spatial sections could be estimated. Second, as with the eye's [in], the right shops had 0.6 times more (3.5%) than those left and as with the eye's [out] the left ones had 0.6 times more (3.5%). It indicates that [in, out] of the right and the left shops had the same difference, which lets us know that with starting point of the middle space, [in] and [out] were paid more attention to the right shops and the left shops respectively. Third, as with the searching directions by section, the searching times [2.9 times] from [B] to [A] were than that [2.6 times] from [A] to [B]. It was also found that the left shops had more searching direction toward [C, D] than the right ones and that those searching activities at the left shops were more active. Fourth, when the searching directions by section are reviewed, the frequency of searching from [B] to [A] was 2.9 and that of the other way 2.6. Also the left shops were found to have more searching direction toward [C, D] than the right ones and those searching activities at the left shops were estimated to be more active.

• Environmental Sciences Bulletin of The Korean Environmental Sciences Society
• /
• 제4권1호
• /
• pp.11-23
• /
• 2000

Photochemical air quality models are essential tools in predicting future air quality and assessing air pollution control strategies. To evaluate air quality using a photochemical air quality model, emission inventories are important inputs to these models. Since most emission inventories are provided at a county-level, these emission inventories need to be geographically allocated to the computational grid cells of the model prior to running the model. The conventional method for the spatial allocation of these emissions uses "spatial surrogate indicators", such as population for mobile source emissions and county area for biogenic source emissions. In order to examine the applicability of such approximations, more detailed spatial surrogate indicators were developed using Geographic Information System(GIS) tools to improve the spatial allocation of mobile and boigenic source emissions, The proposed spatial surrogate indicators appear to be more appropriate than conventional spatial surrogate indicators in allocating mobile and biogenic source emissions. However, they did not provide a substantial improvement in predicting ground-level ozone(O3) concentrations. As for the carbon monoxide(CO) concentration predictions, certain differences between the conventional and new spatial allocation methods were found, yet a detailed model performance evaluation was prevented due to a lack of sufficient observed data. The use of the developed spatial surrogate indicators led to higher O3 and CO concentration estimates in the biogenic source emission allocation than in the mobile source emission allocation.llocation.