• 한국지구과학회지
• /
• 제42권3호
• /
• pp.264-277
• /
• 2021

본 연구의 목적은 최근 발생한 태풍들의 이동속도와 관련하여 대기 중 총가강수량의 변화를 분석하는 것이다. 이 연구를 위해 미국기상위성연구소 및 기상청 천리안위성 2A호(GEO-KOMPSAT-2A)의 총가강수량 및 주야간 RGB 합성영상 자료뿐만 아니라 기상청의 기온, 강수량 및 풍속 등의 지상 관측 자료가 사용되었다. 기상청에서 제공하는 태풍 위치 및 이동속도를 활용하여, 2020년 태풍 바비, 마이삭, 하이선과 2019년 태풍 타파, 그리고 2018년 태풍 콩레이의 이동속도를 위도별 태풍 평균속도 통계자료와 비교하였다. 그 결과, 타파와 콩레이는 태풍의 위도별 평균속도와 유사하게 나타났으나 바비와 마이삭은 위도 약 25°N-30°N 구간에서 이동속도가 크게 감소하여 나타났다. 이는 대기 중의 수증기 띠가 전선의 형태로 바비와 마이삭 두 태풍의 전방에 위치하여 이들 태풍의 이동에 방해를 주었기 때문이었다. 즉 이동하는 태풍의 전방에 하층제트로 인해 발생한 수증기 띠가 전선을 형성할 경우, 이 전선과 태풍 사이에 위치하는 고기압 역은 더욱 발달하면서 열대야와 함께 블로킹 효과로 작용하여 태풍의 이동속도가 느리게 나타났다. 결과적으로 대기 중의 수증기가 많았던 바비와 마이삭의 경우, 1차로 하층제트를 따라 수증기 띠가 전선을 형성함으로 인한 집중호우가, 2차로 전선과 태풍 사이에 고기압 역의 하강기류로 인한 열대야 현상이, 그리고 3차로 태풍 자체의 육지 상륙에 의한 강풍과 폭우가 연달아 발생하였다.

• 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.