• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1089-1098
• /
• 2020

본 연구에서는 적조 Cochlodinium Polykrikoide를 기계학습 방법과 정지궤도 해색위성 영상을 활용하여 탐지하는 방법을 제안한다. 기계학습 모형을 학습시키기 위해 GOCI Level2 자료를 활용하였으며, 국립수산과학원의 적조 속보 자료를 활용하였다. 기계학습 모델은 로지스틱 회귀모형, 의사결정나무 모형, 랜덤포래스트 모형을 사용하였다. 성능 평가 결과 기계학습을 사용하지 않은 전통적인 GOCI 영상 기반 적조 탐지 알고리즘(Son et al.,2012) (75%)과 비교해보았을 때 약 13~22%p (88~98%)의 정확도 향상을 확인할 수 있었다. 또한 기계학습 모형 간 탐지 성능을 비교 분석해본 결과 랜덤 포레스트 모형(98%)이 가장 높은 탐지 정확도를 보였다. 이러한 기계학습 기반 적조 탐지 알고리즘은 향후 적조를 조기에 탐지하고 그 이동과 확산을 추적 모니터링하는데 활용될 수 있을 것이라고 판단된다.

• 한국농림기상학회지
• /
• 제11권2호
• /
• pp.72-78
• /
• 2009

관측밀도가 동일한 조건에서 단위격자점의 크기를 줄일 경우 PRISM 방식에 의해 추정된 강수량 분포 가 단위격자점의 크기를 줄이기 전에 비해 개선되는지 확인하기 위해 PRISM 코드를 수정하여 $270m{\times}270m$ 격자점 단위로 구동할 수 있도록 하였다. 남한 전역의 지형자료를 270m DEM으로부터 준비하고 432개 기상청 자동기상관측소의 2007년 월별 적산강수량 자료를 입력자료로 하여 각 격자점의 PRISM 회귀식을 도출하였다. 회귀모형과 DEM 고도에 의해 각 격자점의 월별 적산강수량을 추정한 다음, 추정된 강수량분포도로부터 한국수자원공사 우량관측소 166개소에 해당하는 격자점의 자료를 추출하여 해당관측소의 실측값과 비교하였다. 동일한 강수자료를 이용하되 이번에는 5km 격자점의 PRISM 회귀모형을 유도하여 강수량 분포도를 작성하고 166개 지점 추정강수량을 추출하여 실측자료와의 차이를 RMSE로 표현하였다. 5km 대신 270m 분해능의 DEM을 사용할 경우 월 강수량이 100mm 이상인 경우 평균 10%의 오차 감소효과가 확인되었다.

• The Korean Journal of Ecology
• /
• 제28권3호
• /
• pp.149-156
• /
• 2005

산불 피해지에서 지상부 식생 구조와 표토층(< 15 cm)에 분포하는 세근의 관계를 분석하여 지상부 식생 구조를 이용한 표토층 세근의 예측 모형을 구하였다. 산불 피해지의 산불 초기에 지상부 식생과 마찬가지로 표토층에 분포하는 세근량(FRT)도 공간정 이질성을 나타내고 있었다. 산불 후 초기 3년차 이내의 표토층에 분포하는 2 mm 이하의 세근량은 $3\sim166$ g $DM/m^2$을 나타내었다. 산불 피해 후 자연 복원지와 벌목 조림지 모두에서 FRT는 지상부 식생 구조를 나타내는 식생치(특히 Ivc)와 매우 밀접한 관련성을 보여주었다. 산불피해 후 녹화사방한 지소의 FRT는 녹화 사방한 해로부터의 경과 년 수와 매우 밀접한 관련성을 나타내었다. 녹화 사방지의 FRT는 자연 복원지나 벌목 조림지에 비해 훨씬 많았는데, 그 이유는 뿌리의 발달이 왕성한 협엽성 초본의 왕성한 생장 때문이었다. 자연 복원지에서 지상부식생지수(Ivc)의 증가에 따른 FRT의 변화는 Ivc의 증가에 따라 포물선의 형태로 증가하는 2차 함수식으로 나타낼 수 있었다. 산불피해지에서 지상부 식생 지수(Ivc)는 시간 경과에 따라 로그 함수적으로 증가하지만, FRT는 산불 피해 후 초기 15년차까지는 증가하지만 그 이후에는 다소 감소할 것으로 예측되었다. 지상부 식생구조가 발달한 산불 피해지의 천이 후기 단계에서 FRT의 감소는 식생지수(Ivc)에 대한 목본종의 기여도가 뿌리의 발달에 기여도가 큰 초본의 기여도보다 커지기 때문이다. 결론적으로 산불 피해지에서 FRT의 예측에 지상부 식생치(Ivc)를 이용할 수 있다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.481-493
• /
• 2023

고밀도 도심지의 열섬현상이 도시 기온을 더 높이고 있으며 이로부터 대기오염 악화, 냉방 에너지 소비 증가 및 온실가스 배출 증대와 같은 부정적 영향들이 발생한다. 녹지의 추가 확보가 어려운 도시 환경에서 옥상녹화는 효율적인 온실가스 감축 전략이다. 본 연구에서는 열섬현상 현황 분석에서 더 나아가 고해상도 위성자료 및 공간정보를 활용하여 연구 지역 내 옥상녹화 가용면적 산정 후 옥상녹화가 가져오는 온도 분포 예측을 통한 열섬현상 완화도 및 이산화탄소 흡수량 평가를 수행하였다. 이를 위해 WorldView-2 위성자료를 활용하여 부산시 도시열섬 지역의 기존 토지피복을 분류하고 머신러닝 기법을 적용하여 옥상녹화 전 후 온도 분포 예측 모델을 개발하였다. 옥상녹화 면적 변화에 따른 열섬현상 완화도를 평가하기 위해 랜덤포레스트 기법을 통해 온도가 종속변수인 온도 분포 예측모델을 구축하였고, 이 과정에서 랜덤포레스트 모델의 훈련자료로 사용될 고해상도 지표 온도 도출을 위해 Google Earth Engine을 활용하여 Landsat-8과 Sentinel-2 위성자료를 융합하는 다중회귀모델을 적용하였다. 또한, 옥상녹화용 초본식생별 이산화탄소 흡수량을 기반으로 녹화 면적에 따른 이산화탄소 흡수량을 평가하였다. 연구 결과를 통해 개발된 위성자료 활용 도시 열섬현상 평가 및 랜덤포레스트 모델 기반 온도 분포 예측 기술은 도시열섬 취약 지역에 확대 적용이 가능할 것으로 기대된다.