• 환경생물
• /
• 제39권1호
• /
• pp.100-107
• /
• 2021

국내 고농도의 초미세먼지 발생 빈도 증가와 함께 그 전구물질인 NH₃와 관련한 연구가 활발히 진행 중이다. NH₃ 배출에 있어 농업의 기여율이 높은 것은 자명한 사실이다. 그러나 비료 사용이 농경지 대기 중 NH₃ 농도에 장기간 미치는 영향에 관련한 연구는 미비한 실정이다. 따라서 본 연구에서는 수동식 NH₃ 확산형 포집기를 활용해 11개월간 농경지 대기 중 NH₃ 농도를 관측하였다. 그 결과 비료 살포 직후 한 달 동안 NH₃ 배출의 영향이 가장 큰 것으로 나타났다. 그 이후 여름철 기온 상승으로 NH₃ 휘발이 촉진되어 대기 중 농도가 증가할 것으로 예상하였으나, 54일간의 지속적인 강우로 인하여 대기 중 높은 암모니아 농도는 관측되지 않았다. 그 후 NH₃ 농도는 가을과 겨울을 거치면서 점차 감소하였다. 비료의 영향력이 감쇠한 시점 이후에는 기온이 감소할수록, 그리고 강수량이 증가할수록 NH₃ 농도는 감소하는 것을 상관분석을 통해 확인할 수 있었다. 종합해 보면, 국내 NH₃ 배출량에서 비료의 기여율을 연구하는 데 있어 비료 살포 직후 최소 한 달 동안은 집중적으로 살펴보아야 할 것이며, 현장 연구 시 강수량과 무강우 일수 등의 기상 정보도 함께 고려해야 할 것이다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.193-205
• /
• 2023

집중강우 시 육상으로부터 다량으로 유입된 부유쓰레기는 사회, 경제적 및 환경적으로 부정적인 영향을 주고 있으나 부유쓰레기 집적 구간 및 발생량에 대한 모니터링 체계는 미흡한 실정이다. 최근 인공지능 기술의 발달로 드론 영상과 딥러닝 기반 객체탐지 모델을 활용하여 수계 내 광범위한 지역을 신속하고 효율적인 연구의 필요성이 요구되고 있다. 본 연구에서는 육상기인 부유쓰레기의 효율적인 탐지 기법을 제시하기 위해 드론 영상뿐만 아니라 다양한 이미지를 확보하여 You Only Look Once (YOLO)v5s와 최근에 개발된 YOLO7 및 YOLOv8s로 학습하여 모델별로 성능을 비교하였다. 각 모델의 정성적인 성능 평가 결과, 세 모델 모두 일반적인 상황에서 탐지성능이 우수한 것으로 나타났으나, 이미지의 노출이 심하거나 수면의 태양광 반사가 심한 경우 YOLOv8s 모델에서 대상물을 누락 또는 중복 탐지하는 사례가 나타났다. 정량적인 성능 평가 결과, YOLOv7의 mean Average Precision (intersection over union, IoU 0.5)이 0.940으로 YOLOv5s (0.922)와 YOLOvs8(0.922)보다 좋은 성능을 나타냈다. 데이터 품질에 따른 모델의 성능 비교하기 위해 색상 및 고주파 성분에 왜곡을 발생시킨 결과, YOLOv8s 모델의 성능 저하가 가장 뚜렷하게 나타났으며, YOLOv7 모델이 가장 낮은 성능 저하 폭을 보였다. 이를 통해 수면 위에 존재하는 부유쓰레기 탐지에 있어서 YOLOv7 모델이 YOLOv5s와 YOLOv8s 모델에 비해 강인한 모델임을 확인하였다. 본 연구에서 제안하는 딥러닝 기반 부유쓰레기 탐지 기법은 부유쓰레기의 성상별 분포 현황을 공간적으로 파악할 수 있어 향후 정화작업 계획수립에 기여할 수 있을 것으로 판단된다.