• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.678-682
• /
• 2006

In order to analyze movement of soil moisture, Time Domain Reflectometry(TDR) with multiplex system has been installed at the Bumreunsa hillslope of Sulmachun Watershed to configure spatial-temporal variation pattern considering seasonal characteristic. An intensive surveying was performed to build a refined digital elevation model(DEM) and flow determination algorithms with inverse surveying have been applied to establish an efficient soil moisture monitoring system. Soil moisture data were collected through an intensive and long term monitoring 380 hrs in November of 2003 and 1037 hrs in May and June of 2004. Soil moisture data shows corresponding variation characteristics of soil moisture on the up slope, buffer, main channel zones of the hillslope which were classified from terrain analysis. Inferences and limitations of measured soil moisture data were discussed in conjunction with flow characteristic through terrain analysis.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.209-214
• /
• 2004

국내산지사면에서의 토양수분의 시공간적 분포를 파악하기 위하여 TDR(Time Domain Reflectometry)을 이용한 토양수분 장기 모니터링을 실시하였다. 대상사면을 측량하여 DEM(Digital Elevation Model)을 구축하고 흐름분배알고리즘에 적용하여 측정지점을 선정, 역 측량하여 효율적인 측정 체계를 구축하였다. DEM을 통하여 대상산지사면의 지형을 파악, 활용하여 정적 습윤지수(steady-state wetness index), 반동력학적 습윤지수(quasi-dynamic wetness index)를 구하였다. 장기 모니터링을 통한 토양수분 자료를 시공간적으로 분석하고 각각의 습윤 지수의 특징을 분석하고 습윤 지수와 토양수분 실측치와의 유의성과 제한점을 비교 분석하였다.

• 한국컴퓨터정보학회논문지
• /
• 제11권4호
• /
• pp.283-289
• /
• 2006

현재 영상분할은 사용자가 원하는 영상을 분할하고, 분할된 객체에 다른 영상을 합성하는 기술에 대해 많은 연구가 진행되어왔다. 본 논문에서는 점진적 영역병합과 유전자 알고리즘을 이용하여 새로운 반자동 영상 분할방법을 제안하였다. 제안된 알고리즘은 사용자가 원하는 객체를 선정한 후, 유전자 알고리즘을 이용해 객체의 경계를 검색한다. 검색된 경계를 기반으로 분수령 알고리즘을 이용하여 사용자가 원하는 객체의 영역을 분할하였다. 분할된 객체에서 불명확한 영역들을 점진적 영역 병합으로 배경과 객체를 분리하였다. 그리고, 알고리즘 개발을 효과적으로 수행하기 위해 GUI기반의 인터페이스를 만들어 사용자가 원하는 값을 적용할 수 있게 하였다. 실험에서는 제한된 방법의 우수성 입증을 위하여 다양한 영상을 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.149-149
• /
• 2022

Accurate quantitative evaluation of baseflow contribution to streamflow is imperative to address seasonal drought vulnerability, flood occurrence and groundwater management concerns for efficient and sustainable water resources management in watersheds. Several baseflow separation algorithms using recursive filters, graphical method and tracer or chemical balance have been developed but resulting baseflow outputs always show wide variations, thereby making it hard to determine best separation technique. Therefore, the current global shift towards implementation of artificial intelligence (AI) in water resources is employed to compare the performance of deep learning models with conventional hydrograph separation techniques to quantify baseflow contribution to streamflow of Piney River watershed, Tennessee from 2001-2021. Streamflow values are obtained from the USGS station 03602500 and modeled to generate values of Baseflow Index (BI) using Web-based Hydrograph Analysis (WHAT) model. Annual and seasonal baseflow outputs from the traditional separation techniques are compared with results of Long Short Term Memory (LSTM) and simple Gated Recurrent Unit (GRU) models. The GRU model gave optimal BFI values during the four seasons with average NSE = 0.98, KGE = 0.97, r = 0.89 and future baseflow volumes are predicted. AI offers easier and more accurate approach to groundwater management and surface runoff modeling to create effective water policy frameworks for disaster management.

• 한국광학회지
• /
• 제20권1호
• /
• pp.16-22
• /
• 2009

본 논문에서는 2차원 동영상을 normalized cut과 optical flow를 이용하여 3차원 동영상으로 변환하는 방법을 제안하였다. 이를 통해 특정 디스플레이 장치와 특정 동영상 포맷에 국한되지 않는 2차원 동영상의 3차원 동영상 변환 방법을 제안하였다. 본 연구에서는 2차원 동영상의 3차원 변환을 위하여 먼저 영상을 객체로 분할하고, 분할된 객체의 깊이를 추정하는 방법을 사용하였다. Normalized cut은 영상분할의 한 방법으로, 본 연구에서는 연산속도 향상을 위하여 기존 방법에 watershed 알고리즘을 적용하였고, 정확도 향상을 위하여 가중치에 optical flow를 추가하였다. Normalized cut을 이용하여 분할된 영상의 깊이 정보를 추정하기 위하여 optical flow를 이용하였다. Optical flow의 차이를 통해 정의할 수 있는 가려진 영역의 분할 영상 변화를 통해 순서적 깊이 정보를 추정한다. 추정된 순서적 깊이를 보정하기 위해 optical flow의 절대적 크기를 이용해 운동시차로 상대적 깊이를 추정하였다. 최종적으로 추정된 깊이 정보는 순서적 깊이와 상대적 깊이의 곱을 평균 optical flow로 나누어, 순서적 깊이의 차이를 보정하였다. 제안한 방법의 검증을 위하여 2차원 동영상을 3차원 동영상으로 변환하여 깊이 정보가 추정됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제29권2호
• /
• pp.263-274
• /
• 2013

본 연구에서는 다중위성 강수자료의 수문학적 적용성을 평가하기 위하여 Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA), Global Satellite Mapping of Precipitation (GSMaP), Climate Prediction Center (CPC) Morphing technique(CMORPH) 등 전 지구 규모의 고해상도 다중위성 강수자료와 분포형 수문모형을 이용하여 유출모의를 수행하였다. 충주댐 유역에 대하여 2002년 1월 1일부터 2009년 12월 31일까지의 기간에 대하여 Coupled Routing and Excess Storage (CREST) 모형을 적용하였다. 분석기간은 준비기간(2002-2003년, 2006-2007년), 보정기간(2004-2005년), 그리고 검증기간(2008-2009년)으로 구분하여 모의를 수행하였다. 각 다중위성 강수자료를 지상관측자료와 비교결과, 강수의 계절적 변동특성은 잘 반영하고 있으나 연강수량합계 및 월평균강수량에서 TMPA는 과대추정을, GSMaP과 CMORPH는 과소추정하는 경향을 보여주었다. 또한 유출분석결과, TMPA를 제외한 GSMaP과 CMORPH의 충주댐 유역에 대한 수문학적 적용성이 매우 낮은 것을 알 수 있었으며, 향후 다중위성 강수자료의 활용에 앞서 통계적 보정이나 강수알고리즘에 대한 개선이 필요한 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제34권4호
• /
• pp.303-316
• /
• 2001

본 연구에서는 중소하천수계에서 수문학적 예측을 위하여 Hybrid Neural Networks의 일종인 반경기초함수(RBF) 신경망모형이 적용되었다. RBF 신경망모형은 4종류의 매개변수로 구성되어 있으며, 지율 및 지도훈련과정으로 이루어져있다. 반경기초함수로서 가우스핵함수(GKF)가 이용되었으며, GKF의 매개변수인 중심과 폭은 K-Means 군집알고리즘에 의해 최적화 된다. 그리고 RBF 신경망모형의 매개변수인 중심, 폭, 연결강도와 편차벡터는 훈련을 통하여 최적 매개변수의 값이 결정되며, 이 매개변수들을 이용하여 모형의 검증과정이 이루어진다. RBF 신경망모형은 한국의 IHP 대표유역중 하나인 위천유역에 적용하였으며, 모형의 훈련과 검증을 위하여 10개의 강우사상을 선택하였다. 또한 RBF 신경망모형과 비교검토하기 위하여 엘만 신경망(ENN)모형을 이용하였으며, ENN 모형은 일단게 할선역전파(OSSBP) 및 탄성역전파(RBP)알고리즘으로 이루어져 있다. 모형의 훈련과 검증과정을 통하여 RBF 신경망모형이 ENN 모형보다 양호한 결과를 나타내는 것으로 분석되었다. RBF 신경망모형은 훈련시키는데 시간이 적게 들고, 이론적 배경이 부족한 수문학자들도 쉽게 사용할 수 있는 신경망모형이다.

• 농촌계획
• /
• 제21권4호
• /
• pp.177-186
• /
• 2015

The main objective of this study was to assess the applicability of IoT (Internet of Things)-based flood management under climate change by developing intelligent water level monitoring platform based on IoT. In this study, Arduino Uno was selected as the development board, which is an open-source electronic platform. Arduino Uno was designed to connect the ultrasonic sensor, temperature sensor, and data logger shield for implementing IoT. Arduino IDE (Integrated Development Environment) was selected as the Arduino software and used to develop the intelligent algorithm to measure and calibrate the real-time water level automatically. The intelligent water level monitoring platform consists of water level measurement, temperature calibration, data calibration, stage-discharge relationship, and data logger algorithms. Water level measurement and temperature calibration algorithm corrected the bias inherent in the ultrasonic sensor. Data calibration algorithm analyzed and corrected the outliers during the measurement process. The verification of the intelligent water level measurement algorithm was performed by comparing water levels using the tape and ultrasonic sensor, which was generated by measuring water levels at regular intervals up to the maximum level. The statistics of the slope of the regression line and $R^2$ were 1.00 and 0.99, respectively which were considered acceptable. The error was 0.0575 cm. The verification of data calibration algorithm was performed by analyzing water levels containing all error codes in a time series graph. The intelligent platform developed in this study may contribute to the public IoT service, which is applicable to intelligent flood management under climate change.

• 한국환경독성학회:학술대회논문집
• /
• 한국환경독성학회 2003년도 추계국제학술대회
• /
• pp.91-93
• /
• 2003

It has been estimated that the equivalent of approximately $US 50 billion has been spent on research on the behavior and fate of pesticides in the environment since Rachel Carson published “Silent Spring” in 1962. Much of the resulting knowledge has been summarized explicitly in computer algorithms in a variety of empirical, deterministic, and probabilistic simulation models. These models describe and predict the transport, degradation and resultant concentrations of pesticides in various compartments of the environment during and after application. In many cases the known errors of model predictions are large. For this reason they are typically designed to be “conservative”, i.e., err on the side of over-prediction of concentrations in order to err on the side of safety. These predictions are then compared with toxicity data, from tests of the pesticide on a series of standard representative biota, including terrestrial and aquatic indicator species and higher animals (e.g., wildlife and humans). The models' predictions are good enough in some cases to provide screening of those compounds which are very unlikely to do harm, and to indicate those compounds which must be investigated further. If further investigation is indicated a more detailed (and therefore more complicated) model may be employed to give a better estimate, or field experiments may be required. A model may be used to explore “what if” questions leading to possible alternative pesticide usage patterns which give lower potential environmental concentrations and allowable exposures. We are currently at a maturing stage in this research where the knowledge base of pesticide behavior in the environmental is growing more slowly than in the past. However, innovative uses are being made of the explosion in available computer technology to use models to take ever more advantage of the knowledge we have. In this presentation, current developments in the state of the art as practiced in North America and Europe will be presented. Specifically, we will look at the efforts of the ‘Focus’ consortium in the European Union, and the ‘EMWG’ consortium in North America. These groups have been innovative in developing a process and mechanisms for discussion amongst academic, agriculture, industry and regulatory scientists, for consensus adoption of research advances into risk management methodology.

• 한국수자원학회논문집
• /
• 제42권3호
• /
• pp.247-257
• /
• 2009

본 연구에서는 다방향 흐름 분배 알고리듬과 실시간 보정 알고리듬을 개발하여 분포형 강우-유출 모형에 적용하였다. 개발된 알고리듬의 적용과 분포형 모형 적용상의 약점인 계산시간 개선을 위해 비교적 간단한 수문과정 지배 방정식들을 이용하여 분포형 강우-유출 모형을 작성하였다. DEM(Digital Elevation Model)를 이용하여 공간해상도 변화에 따른 지형정보와 흐름정보의 변동성을 파악하였다. 모의수행 전처리 과정으로 가용한 고해상도 DEM 자료를 사용하여 공간해상도 변화에 따른 흐름정보의 손실을 최소화하고 상세흐름정보를 저해상도 흐름정보에 반영시키는 다방향 흐름분배 알고리듬을 개발하였다. 또한 실시간으로 유역상태량을 보정하는 실시간 보정 알고리듬을 개발하다. 개발된 모형은 저해상도 모의에서 유출 과정의 실제적 거동 정보를 유지할 수 있다. 그러므로 예측 정확도 향상 및 계산시간의 개선이 기대된다.