• 대한핵의학회지
• /
• 제32권5호
• /
• pp.414-424
• /
• 1998

목적: PET과 MR 영상을 체계적으로 합성i분석하여 각각의 영상기법이 갖는 단점을 보완하고 기능을 향상시킴으로써 보다 정확하고 유용한 임상정보를 얻을 수 있다. 두 영상을 공간적으로 합성하기 위해서 머리 표피 경계점들 간의 거리를 최소화하는 알고리즘을 이용할 경우 경계점 추출의 정확성 및 견실성과 거리 계산 속도가 합성 알고리즘의 성능을 결정하는 중요한 요소가 된다. 본 연구에서는 PET 영상의 경계 추출과 거리 계산 방법을 개선하고 이를 이용하여 PET과 MR 영상을 3차원적으로 합성하였다. 대상 및 방법: 공간적인 합성을 위한 영상처리기법의 핵심인 경계점 추출을 위해 PET영상에서는 방출스캔 sinogram의 경계를 강조한 후 재구성한 횡단면으로부터 2 mm 간격으로 머리 표피 경계점들을 추출하였으며 MR 영상에서는 각 횡단면마다 약 2도 간격으로 경계점들을 추출하였다. 두 영상의 모든 경계점들 간의 평균 유클리디안 거리를 최소화하는 3차원 가상공간 상에서의 위치 이동과 회전 각도를 최소자승법을 이용하여 구한 후 PET영상을 역 전환하여 위치 정합을 하였다. 평균 거리의 계산 속도를 향상시키기 위하여 고정된 대상의 각 경계점을 중심으로 하여 주변 공간 정들에서의 거리를 순차적으로 계산하고 이들의 최소값을 취하는 방법으로 거리지도를 구성하였으며 최소자승법에서 경계점들 간의 위치가 변할 때마다 매번 평균거리를 다시 계산하지 않고 거리지도를 참조하여 평균 거리를 산출하는 방법을 사용하였다. 위치 정합된 두 영상의 동시 표현을 위하여 PET 영상의 화소값에 $0.4{\sim}0.7$부터 1사이의 범위로 정규화된 MR 영상의 화소 값으로 가중치를 주는 가중정규화 방법을 사용하였다. 결과: 방출스캔의 sinogram을 이용함으로써 PET영상의 경계를 견실하게 추출할 수 있었으며, 거리지도를 이용하여 거리 계산을 한 결과 계산 속도를 향상시킬 수 있었다. 정상인의 뇌영상에 대해 위치 정합을 실시한 결과 평균 거리 오차는 2mm 이하였다. 가중정규화 방법을 사용하였을 때 합성된 영상의 정성적인 식별 명확도가 향상하였다. 결론: 견실한 PET 영상 경계점 추출과 거리지도를 이용한 계산 속도의 향상을 통해 뇌 PET과 MR 영상 합성기법의 성능을 개선할 수 있었으며 이를 이용하며 개발한 영상정합 프로그램은 임상 환경에서 유용하게 사용될 수 있을 것이다.

• 한국농림기상학회지
• /
• 제18권4호
• /
• pp.233-241
• /
• 2016

기상청에서 제공하는 넓은 지역의 수평면 일조시간 정보를 복잡한 산간집수역의 지형특성을 반영한 실제 일조시간 분포도로 변환하기 위해 지형효과를 정량화하기 위한 실험을 수행하였다. 경남 하동군 악양면 단일 집수역을 대상으로 정밀 DEM을 이용하여 그림자모형화 및 공제선분석 기법을 적용하여 일중 시간대별 음영기복도 1년 자료를 제작하였다. 2015년 5월 15일부터 2016년 5월 14일까지 1년 간 지형조건이 서로 다른 3지점에서 바이메탈식 일조계로 측정한 일조시간자료에 음영기복도 상 해당 지점의 휘도값을 추출하여 회귀시킴으로써 맑은 날의 휘도-일조시간 반응곡선을 얻었다. 이 곡선식을 하늘상태(운량)에 따라 보정할 수 있는 방법을 고안함으로써 일조시간 상세화 모형을 도출하였다. 이 모형의 신뢰도를 기존 수평면 일조시간 추정기법과 비교한 결과 추정값의 편의가 크게 개선된 것은 물론, 일적산일조시간 기준 RMSE가 1.7시간으로 지형효과를 반영하기 전보다 37% 이상 개선되었다. 어떤 지역을 대상으로 일조시간을 상세화 하기 위해서는 먼저 대상 지역의 매 시간 음영기복도의 격자점 휘도를 모형에 입력시켜 해당 시간대의 청천 일조시간을 추정한다. 다음에 같은 시간대의 기상청 동네예보(하늘상태)에 의해 구름 효과를 보정한다. 이렇게 추정된 매 시간 일조시간을 하루 단위로 적산하여 그 날의 누적 일조시간을 얻는다. 이 과정을 연구대상 집수역에 적용하여 수평 해상도 3m의 정밀한 일조시간 분포도를 얻을 수 있었다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1243-1254
• /
• 2021

수자원 운영이나 농업용수 관리 등을 위해서는 계절 또는 월 단위 이상의 장기간의 미래에 대한 증발산량의 정확한 예측이 중요하다. 본 연구에서는 한강권역을 대상으로 통계적으로 예측된 월 기온자료와, 기온자료를 기반으로 한 Hamon 증발산량 추정식을 활용하여 기준증발산량에 대한 장기전망(최대 12개월까지)을 수행하였다. 먼저 한강권역의 월 단위 기온예측정보를 시공간적으로 상세화하여 한강권역 내 15개 지점에 대한 일 단위 기온자료를 도출하였다. 지점별 상세화된 기온자료의 적합도를 분석한 결과, 월평균 최고기온에 대해서는 PBIAS는 1.3~6.9%, RSR은 0.22~0.27, NSE는 0.93~0.95, r은 0.97~0.98이었으며, 월평균 최저기온에 대해서는 PBIAS는 7.8~44.7%, RSR은 0.21~0.25, NSE는 0.94~0.96, r은 0.98~0.99로 대체로 관측값과 유사하게 상세화가 수행되었다. 상세화된 기온자료를 이용하여 Hamon 방법에 의한 기준증발산량을 산정하고 한강권역 전체에 대해 면적평균하여 관측값과 비교한 결과, PBIAS는 2.2~5.4%, RSR은 0.21~0.28, NSE는 0.92~0.96, r은 0.96~0.98로 매우 높은 적합도를 나타내었다. 통계적 모형의 특성상 과거와 전혀 다른 기온이 관측되는 경우의 예측성 저하, 시공간적 상세화 과정에서의 불확실성 등으로 인해 일부 기간에 대해서는 예측된 기준증발산량이 관측치와 다소 편차를 나타내기도 하지만 미래기간에 대한 예측결과라는 점을 고려할 때, 미래의 가용수자원에 대한 평가 및 수자원 관리를 위한 정보로 충분히 활용성이 있을 것이다.

• 한국지구과학회지
• /
• 제38권4호
• /
• pp.283-292
• /
• 2017

본 연구에서는 서울지역의 지상 미세먼지($PM_{2.5}$) 농도를 산출하기 위하여 경험적인 모델들을 개발하였다. 연구에 이용한 자료는 2012년 1월 1일부터 2013년 12월 31일까지이며 Terra와 Aqua위성의 MODIS센서에서 산출되는 에어로졸 광학두께, 옹스트롬 지수, 기상변수들과 행성경계층두께와 관련된 6개의 다중 선형 회귀모델들의 차이를 분석하였다. 그 결과 에어로졸 광학두께와 옹스트롬 지수, 상대습도, 풍속, 풍향, 행성경계층두께, 기온 자료를 입력 자료로 사용한 $M_6$모델이 가장 좋은 결과를 보였다. 통계적인 분석에 따르면 $M_6$ 모델을 사용하여 계산된 $PM_{2.5}$와 관측된 $PM_{2.5}$농도 사이의 결과는 상관계수(R=0.62)와 평균제곱근오차($RMSE=10.70{\mu}gm^{-3}$)이다. 또한 산출된 계절별 지표면 $PM_{2.5}$농도는 여름철(R=0.38)과 겨울철(R=0.56)보다 봄(R=0.66)과 가을철(R=0.75)에 상대적으로 더 좋은 상관 관계를 보였다. 이러한 결과는 에어로졸 광학두께의 계절별 관측 특성으로 인한 것으로써 다른 계절에 비하여 여름과 겨울철 에어로졸 광학두께 관측이 구름과 눈/얼음 표면에 의한 관측 제한과 오차를 가져온 것으로 분석되었다. 따라서 본 연구에서 사용한 경험적 다중선형회귀 모델은 위성에서 산출된 에어로졸 광학두께 자료가 지배적인 변수로 작용하며 $PM_{2.5}$산출 결과들을 향상시키기 위해서는 추가적인 기상 변수를 이용해야 할 것이다. 또한 경험적 다중선형회귀 모델을 이용하여 $PM_{2.5}$를 산출한 결과는 인공위성 자료로부터 대기환경 감시를 가능하게 하는 방법이 될 수 있어 유용할 것이다.

• 대한원격탐사학회지
• /
• 제34권2_1호
• /
• pp.301-306
• /
• 2018

도시화는 여름철 도시형 홍수, 도시 열섬 등의 문제를 야기시킨다. 이러한 현상을 해결하기 위해서는 도시 열환경 변화의 정확한 파악이 필요하다. 이는 에너지 수지를 통해 설명될 수 있지만, 도심지의 경우 일반적인 에너지 수지와 달리 건물이나 인공토지피복에 의해 저장된 열에너지인 저장열을 고려하여야 한다. 하지만 저장열은 도시 표면의 복잡한 3차원 구조와 피복의 다양성 때문에 그 산출이 어려우며, 도시마다 다른 환경으로 인해 선행연구의 저장열 산출 방법을 타 도심지에 적용시키는 데는 어려움이 존재한다. 특히 대부분의 선행연구는 국외 도시를 중심으로 이루어졌기 때문에 국내 도심지의 다양한 토지피복과 건물 특성에 적합한 저장열 산출 연구가 필요하다. 따라서 본 연구에서는 국내 도심지의 다양한 지표타입이 존재하는 지역의 자료를 이용하여 저장열의 정량적인 산출이 가능한 회귀 식 도출을 목적으로 한다. 이를 위해 순복사와 지표면 온도 자료를 독립변수로, 플럭스 타워 기반 저장열 추정치를 종속변수로 사용하여 비선형 회귀분석을 수행하였으며, 산출된 회귀계수를 각 독립변수에 적용하여 저장열 산출 회귀 식을 도출하였다. 플럭스 타워 기반 저장열 추정치의 시계열 분석 결과 본 연구에서 산출한 저장열이 주간의 high peak와 야간에서의 값의 분포와 경향을 잘 모의하고 있었고, 플럭스 타워 기반 저장열 추정치에 비해 연속적인 저장열 산출이 가능하였다. 또한 산점도 분석 결과 Root Mean Square Error (RMSE) $50.14Wm^{-2}$, bias $-0.94Wm^{-2}$로 유의한 수준의 정확도를 보였다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1739-1756
• /
• 2021

대기 중 이산화질소(NO₂)는 주로 인위적인 배출요인으로 발생하며 화학 반응을 통해 이차오염 물질 및 오존 형성에 매개 역할을 하는 인체 건강에 악영향을 미치는 물질이다. 우리나라는 지상 관측소에 의한 실시간 NO₂ 모니터링을 수행하고 있지만, 이는 점 기반의 관측 값으로써 미관측 지역의 공간 분포 분석이 어렵다는 한계점을 지닌다. 본 연구에서는 선형 회귀 기반 모델인 다중 선형 회귀와 회귀 크리깅, 기계학습 알고리즘인 Random Forest (RF), Support Vector Regression (SVR)을 적용한 공간 내삽 모델링을 통해 서울 지역의 지상 NO₂ 농도 지도를 제작하였고, 일별 Leave-One-Out Cross Validation (LOOCV) 교차 검증을 시행하였다. 2020년 연구기간 내 일별 LOOCV에서 MLR, RK, SVR 모델의 일별 평균 Index of agreement (IOA)는 약 0.57로 유사한 성능을 보였으며, RF (0.50)보다 높은 성능이 확인되었다. RK의 일별 평균 nRMSE는 0.9483%으로 MLR (0.9501%)보다 상대적으로 낮은 오차를 나타냈다. MLR과 RK, RF 모델의 계절별 공간 분포는 비슷한 양상을 보였으며, RF는 다른 모델에 비해 좁은 NO₂ 농도 범위가 확인되었다. 본 연구에서 제안된 선형 회귀 기반 공간 내삽은 지상 NO₂ 뿐 아니라 다른 대기 오염 물질의 도시 지역 공간 내삽을 위해 활용 가능성이 높을 것으로 기대된다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.64-80
• /
• 2018

우리나라의 시민들은 범죄에 대한 일반적인 사항만을 알 수 있을 뿐, 자신이 범죄위험에 얼마나 노출되어 있는지를 파악하기 어렵다. 경찰의 입장에서도 범죄발생 지역을 예측할 수 있다면 경찰력이 부족한 상황에서 효율성 있게 범죄에 대처 가능할 것이지만 아직 우리나라에서는 예측시스템이 없고, 관련 연구도 매우 부족한 실정이다. 이에 본 연구에서는 범죄발생 위험지역 예측 자동화 시스템 개발의 첫 번째 단계로 빅데이터로 구축 가능한 범죄정보와 도시지역 자료를 바탕으로 머신러닝 방식을 통해 한국형 범죄발생 위험지역 예측 모형을 개발하고자 한다. 또한 시나리오를 가정하여 범죄발생 확률을 지도로 시각화함으로써 사용자의 이해도를 높이도록 하였다. 선행 연구 및 사례에서 범죄발생에 영향을 미치는 요인 중 빅데이터로 구축 가능한 범죄정보, 날씨정보(기온, 강수량, 풍속, 습도, 일조, 일사, 적설, 전운량), 지역정보(평균 건폐율, 평균 용적율, 평균 높이, 총 건축물수, 평균 공시지가, 평균 주거용도면적, 평균 지상층수)를 머신러닝에 활용할 수 있도록 데이터를 사전 처리하였다. 머신러닝 알고리즘으로서 지도학습 모형 중 다양한 분야에서 활용되며 정확도가 높다고 알려진 의사결정나무모형, 랜덤포레스트모형, Support Vector Machine(SVM)모형을 활용하여 범죄 예측 모형을 구축하고 비교 분석하였다. 그 결과 평균 제곱근 오차(Root Mean Square Error, RMSE)가 낮아 예측력이 높은 의사결정나무모형을 최적모형으로 선정하였다. 이를 바탕으로 가장 빈번하게 발생하는 절도와 폭력범죄를 대상으로 시나리오를 작성하여 범죄 발생 위험지역을 예측한 결과, 사례도시 J시는 위험지역이 3가지 패턴으로 발생하는 것으로 나타났으며, 각각 발생확률을 3 등급으로 구분하여 $250{\times}250m$ 단위의 지도형태로 시각화할 수 있었다. 본 연구는 향후 자동화 시스템으로 개발하여 시시각각으로 변하는 도시 상황에 따라 실시간으로 예측 결과를 시각화하여 제공함으로써 보다 범죄로부터 안전한 도시환경 조성에 기여하고자 한다.