Chung, Sang Young;Yim, Jong Su;Cho, Hyun Kook;Jeong, Jin Hyun;Kim, Sung Ho;Shin, Man Yong
Journal of Korean Society of Forest Science
/
v.98
no.4
/
pp.409-416
/
2009
Forest biomass estimation is essential for greenhouse gas inventories and terrestrial carbon accounting. Remote sensing allows for estimating forest biomass over a large area. This study was conducted to estimate forest biomass and to produce a forest biomass map for Muju county using forest biomass conversion table developed by field plot data from the 5th National Forest Inventory and Landsat TM-5. Correlation analysis was carried out to select suitable independent variables for developing regression models. It was resulted that the height class, crown closure density, and age class were highly correlated with forest biomass. Six regression models were used with the combination of these three stand variables and verified by validation statistics such as root mean square error (RMSE) and mean bias. It was found that a regression model with crown closure density and height class (Model V) was better than others for estimating forest biomass. A biomass conversion table by model V was produced and then used for estimating forest biomass in the study site. The total forest biomass of the Muju county was estimated about 8.8 million ton, or 128.3 ton/ha by the conversion table.
Garlic and onion are grown in major cultivation regions that depend on the crop condition and the meteorology of the production area. Therefore, when yields are to be predicted, it is reasonable to use a statistical model in which both the crop and the meteorological elements are considered. In this paper, using a multiple linear regression model, we predicted garlic and onion yields in major cultivation regions. We used the MODIS NDVI that reflects the crop conditions, and six meteorological elements for 7 major cultivation regions from 2006 to 2015. The multiple linear regression models were suggested by using stepwise regression in the extraction of independent variables. As a result, the MODIS NDVI in February was chosen the significant independent variable of the garlic and onion yield prediction model. In the case of meteorological elements, the garlic yield prediction model were the mean temperature (March), the rainfall (November, March), the relative humidity (April), and the duration time of sunshine (April, May). Also, the rainfall (November), the duration time of sunshine (January), the relative humidity (April), and the minimum temperature (June) were chosen among the variables as the significant meteorological elements of the onion yield prediction model. MODIS NDVI and meteorological elements in the model explain 84.4%, 75.9% of the garlic and onion with a root mean square error (RMSE) of 42.57 kg/10a, 340.29 kg/10a. These lead to the result that the characteristics of variations in garlic and onion growth according to MODIS NDVI and other meteorological elements were well reflected in the model.
Wang, Ying Hsuan;Lee, Ji Sang;Kim, Sang Kyun;Sohn, Hong-Gyoo
Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
/
v.36
no.5
/
pp.395-401
/
2018
Recently, most of mobile devices are equipped with GNSS (Global Navigation Satellite System). When the GNSS signal is available, it is easy to obtain position information. However, GNSS is not suitable solution for indoor localization, since the signals are normally not reachable inside buildings. A wide varieties of technology have been developed as a solution for indoor localization such as Wi-Fi, beacons, and inertial sensor. With the increased sensor combinations in mobile devices, mobile devices also became feasible to provide a solution, which based on PDR (Pedestrian Dead Reckoning) method. In this study, we utilized the combination of three sensors equipped in mobile devices including accelerometer, digital compass, and gyroscope and applied three representative PDR methods. The proposed methods are done in three stages; step detection, step length estimation, and heading determination and the final indoor localization result was evaluated with terrestrial LiDAR (Light Detection And Ranging) data obtained in the same test site. By using terrestrial LiDAR data as reference ground truth for PDR in two differently designed experiments, the inaccuracy of PDR methods that could not be found by existing evaluation method could be revealed. The firstexperiment included extreme direction change and combined with similar pace size. Second experiment included smooth direction change and irregular step length. In using existing evaluation method which only checks traveled distance, The results of two experiments showed the mean percentage error of traveled distance estimation resulted from three different algorithms ranging from 0.028 % to 2.825% in the first experiment and 0.035% to 2.282% in second experiment, which makes it to be seen accurately estimated. However, by using the evaluation method utilizing terrestrial LiDAR data, the performance of PDR methods emerged to be inaccurate. In the firstexperiment, the RMSEs (Root Mean Square Errors) of x direction and y direction were 0.48 m and 0.41 m with combination of the best available algorithm. However, the RMSEs of x direction and y direction were 1.29 m and 3.13 m in the second experiment. The new evaluation result reveals that the PDR methods were not effective enough to find out exact pedestrian position information opposed to the result from existing evaluation method.
Lee, Dalgeun;Lee, Mi Hee;Kim, Boeun;Yu, Jeonghum;Oh, Yeongju;Park, Jinyi
Korean Journal of Remote Sensing
/
v.36
no.5_4
/
pp.1179-1194
/
2020
This study investigates the feasibility of three algorithms, K-Nearest Neighbors (K-NN), Random Forest (RF) and Neural Network (NN), for estimating the air temperature of an unobserved area where the weather station is not installed. The satellite image were obtained from Landsat-8 and MODIS Aqua/Terra acquired in 2019, and the meteorological ground weather data were from AWS/ASOS data of Korea Meteorological Administration and Korea Forest Service. In addition, in order to improve the estimation accuracy, a digital surface model, solar radiation, aspect and slope were used. The accuracy assessment of machine learning methods was performed by calculating the statistics of R2 (determination coefficient) and Root Mean Square Error (RMSE) through 10-fold cross-validation and the estimated values were compared for each target area. As a result, the neural network algorithm showed the most stable result among the three algorithms with R2 = 0.805 and RMSE = 0.508. The neural network algorithm was applied to each data set on Landsat imagery scene. It was possible to generate an mean air temperature map from June to September 2019 and confirmed that detailed air temperature information could be estimated. The result is expected to be utilized for national disaster safety management such as heat wave response policies and heat island mitigation research.
This study was conducted to derive the optimal regionalization of the precipitation data which can be classified on the basis of climatologically and geographically homogeneous regions all over the regions except Cheju and Ulreung islands in Korea. A total of 65 rain gauges were used to regional analysis of precipitation. Annual maximum series for the consecutive durations of 1, 3, 6, 12, 24, 36, 48 and 72hr were used for various statistical analyses. K-means clustering mettled is used to identify homogeneous regions all over the regions. Five homogeneous regions for the precipitation were classified by the K-means clustering. Using the L-moment ratios and Kolmogorov-Smirnov test, the underlying regional probability distribution was identified to be the generalized extreme value (GEV) distribution among applied distributions. The regional and at-site parameters of the generalized extreme value distribution were estimated by the linear combination of the probability weighted moments, L-moment. The regional and at-site analysis for the design rainfall were tested by Monte Carlo simulation. Relative root-mean-square error (RRMSE), relative bias (RBIAS) and relative reduction (RR) in RRMSE were computed and compared with those resulting from at-site Monte Carlo simulation. All show that the regional analysis procedure can substantially reduce the RRMSE, RBIAS and RR in RRMSE in the prediction of design rainfall. Consequently, optimal design rainfalls following the regions and consecutive durations were derived by the regional frequency analysis.
Park, Soon-Young;Yoo, Jung-Woo;Kang, Nam-Young;Lee, Soon-Hwan
Journal of Environmental Science International
/
v.26
no.5
/
pp.573-584
/
2017
In order to simulate a typhoon precisely, the satellite observation data has been assimilated using WRF (Weather Research and Forecasting model) three-Dimensional Variational (3DVAR) data assimilation system. The observation data used in 3DVAR was GPS Radio Occultation (GPS-RO) data which is loaded on Low-Earth Orbit (LEO) satellite. The refractivity of Earth is deduced by temperature, pressure, and water vapor. GPS-RO data can be obtained with this refractivity when the satellite passes the limb position with respect to its original orbit. In this paper, two typhoon cases were simulated to examine the characteristics of data assimilation. One had been occurred in the Western Pacific from 16 to 25 October, 2015, and the other had affected Korean Peninsula from 22 to 29 August, 2012. In the simulation results, the typhoon track between background (BGR) and assimilation (3DV) run were significantly different when the track appeared to be rapidly change. The surface wind speed showed large difference for the long forecasting time because the GPS-RO data contained much information in the upper level, and it took a time to impact on the surface wind. Along with the modified typhoon track, the differences in the horizontal distribution of accumulated rain rate was remarkable with the range of -600~500 mm. During 7 days, we estimated the characteristics between daily assimilated simulation (3DV) and initial time assimilation (3DV_7). Because 3DV_7 demonstrated the accurate track of typhoon and its meteorological variables, the differences in two experiments have found to be insignificant. Using observed rain rate data at 79 surface observatories, the statistical analysis has been carried on for the evaluation of quantitative improvement. Although all experiments showed underestimated rain amount because of low model resolution (27 km), the reduced Mean Bias and Root-Mean-Square Error were found to be 2.92 mm and 4.53 mm, respectively.
This study aims at assessing the quality of the Advanced Microwave Scanning Radiometer 2 (AMSR2) soil moisture products onboard GCOM-W1 satellite based on Land Parameter Retrieval Model (LPRM) soil moisture retrieval algorithm with field measurements in South Korea from March to September, 2014. Results of mean bias and root mean square error between AMSR2 LPRM soil moisture products (X-band) and ground measurements showed reasonable value of 0.03 and 0.16. Also, the maximum of the Pearson correlation coefficients was 0.67, which showed good agreement in terms of temporal variability with ground measurements. By comparing AMSR2 soil moisture with in-situ measurement according to the overpass time and band frequency, X-band products on the ascending time outperformed than those of C1-band and C2-band. Furthermore, this study offers an insight into the applicability of the AMSR2 soil moisture products for monitoring various natural disasters at a large scale such as drought and flood.
Sea Surface Temperature (SST) is an important environmental indicator that affects climate coupling systems around the world. In particular, coastal regions suffer from abnormal SST resulting in huge socio-economic damage. This study used Long Short Term Memory (LSTM) and Convolutional Long Short Term Memory (ConvLSTM) to predict SST up to 7 days in the south sea region in South Korea. The results showed that the ConvLSTM model outperformed the LSTM model, resulting in a root mean square error (RMSE) of 0.33℃ and a mean difference of -0.0098℃. Seasonal comparison also showed the superiority of ConvLSTM to LSTM for all seasons. However, in summer, the prediction accuracy for both models with all lead times dramatically decreased, resulting in RMSEs of 0.48℃ and 0.27℃ for LSTM and ConvLSTM, respectively. This study also examined the prediction of abnormally high SST based on three ocean heatwave categories (i.e., warning, caution, and attention) with the lead time from one to seven days for an ocean heatwave case in summer 2017. ConvLSTM was able to successfully predict ocean heatwave five days in advance.
Journal of the Korean Society of Marine Environment & Safety
/
v.27
no.1
/
pp.22-28
/
2021
This is a basic study on the development of deep learning-based algorithms to detect smoke before the smoke detector operates in the event of a ship fire, analyze and utilize the detected data, and support fire suppression and evacuation activities by predicting the spread of smoke before it spreads to remote areas. Proposed algorithms were reviewed in accordance with the following procedures. As a first step, smoke images obtained through fire simulation were applied to the YOLO (You Only Look Once) model, which is a deep learning-based object detection algorithm. The mean average precision (mAP) of the trained YOLO model was measured to be 98.71%, and smoke was detected at a processing speed of 9 frames per second (FPS). The second step was to estimate the spread of smoke using the coordinates of the boundary box, from which was utilized to extract the smoke geometry from YOLO. This smoke geometry was then applied to the time series prediction algorithm, long short-term memory (LSTM). As a result, smoke spread data obtained from the coordinates of the boundary box between the estimated fire occurrence and 30 s were entered into the LSTM learning model to predict smoke spread data from 31 s to 90 s in the smoke image of a fast fire obtained from fire simulation. The average square root error between the estimated spread of smoke and its predicted value was 2.74.
Jo, Sera;Lee, Joonlee;Shim, Kyo Moon;Ahn, Joong-Bae;Hur, Jina;Kim, Yong Seok;Choi, Won Jun;Kang, Mingu
Korean Journal of Agricultural and Forest Meteorology
/
v.24
no.3
/
pp.155-163
/
2022
The optimization of long-range ensemble climate prediction for rice phenology model with advanced bias correction method is conducted. The daily long-range forecast(6-month) of mean/ minimum/maximum temperature and observation of January to October during 1991-2021 is collected for rice phenology prediction. In this study, the concept of "buffer period" is newly introduced to reduce the problem after bias correction by quantile mapping with constructing the transfer function by month, which evokes the discontinuity at the borders of each month. The four experiments with different lengths of buffer periods(5, 10, 15, 20 days) are implemented, and the best combinations of buffer periods are selected per month and variable. As a result, it is found that root mean square error(RMSE) of temperatures decreases in the range of 4.51 to 15.37%. Furthermore, this improvement of climatic variables quality is linked to the performance of the rice phenology model, thereby reducing RMSE in every rice phenology step at more than 75~100% of Automated Synoptic Observing System stations. Our results indicate the possibility and added values of interdisciplinary study between atmospheric and agriculture sciences.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.