• 대한토목학회논문집
• /
• 제26권4B호
• /
• pp.389-398
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측모형을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저 갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 연속적으로 선행 유출량을 나타내는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 예측모형의 전처리 과정으로 이용하였다. 먼저, 본 연구에서 제안한 방법은 SOM에 의해 강우-유출 관계를 분류하고, SOM에 의한 분류에 따라 각각의 모형을 구성한다. 개별적으로 구축된 모형은 유출량의 예측을 위해 각각의 양상에 따라 분류된 자료를 이용한다. 결과적으로 본 연구에서 제안한 방법은 과거의 인공신경망의 일반적인 적용에 의한 결과보다 더 나은 예측능력을 보여주었으며, 더불어 유출량의 과소 및 과대추정과 Persistence 현상과 같은 문제점이 나타나지 않았다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.415-426
• /
• 2023

본 연구는 수치모델 바람 자료를 통해서, 중국 비래해충 발원지의 기압별 분포와 바람장미도를 확인하여 풍향과 풍속을 분석하였다. 사용한 수치모델은 Land-Atmosphere Modeling Package (LAMP) - WRF 자료이며, 시공간 해상도는 1시간 간격의 약 20 km 수평해상도 자료이다. 2021년도에 벼멸구와 애멸구가 동시에 관찰된 예찰일인 7월 16일을 대상으로 하였다. 예찰일을 포함하는 7월 8일부터 7월 17일까지 발원지와 우리나라에 850 hPa부터 925 hPa에 이르는 하층대기에 제트 기류가 발생하는지를 살펴보기 위하여 LAMP 바람의 동서, 남북, 연직 성분 자료를 이용하여 풍속을 분석하였다. 바람의 연직 분포결과 비래해충 발생 시기가 될 때 바람이 비래해충 유입에 유리하게 바뀌는 것이 확인되었다. 바람장미도의 분석 결과, 우리나라와 가까운 지점에서 바람의 약 30% 이상이 제트 기류였고, 다섯 지점의 제트 기류의 풍향은 상층보다 하층에서 대부분 우리나라와 일본으로 향하고 있었으며, HYSPLIT의 역궤적 추적을 통해서도 하층 제트가 비래해충의 국내 유입에 영향을 준 것으로 분석이 되었다. 이 연구는 원하는 지점에서의 하층 제트의 풍속과 풍향을 비래해충 발생 시기와 비발생 시기를 비교 분석한 것으로, 국내로 유입되는 비래해충의 시기와 바람 통로에 대한 수평 및 연직적 연관 분석에 도움을 줄 것이다. 국내 144개 시군 농업기술센터에서 운영 중인 공중 포충망 설치 지역에 대한 검토와 평가에도 활용될 수 있을 것이다.

• 한국항해항만학회지
• /
• 제47권6호
• /
• pp.367-375
• /
• 2023

본 연구에서는 국내 연안 해역 환경에서의 해상교통관제 서비스에 기여할 수 있는 항적 간 거리 척도를 개발하였다. 새로운 항적간 거리 척도는 전통적으로 위치 시계열 간의 유사도를 측정하는 데 활용되는 하우스도르프 거리(hausdorff distance)와 두 항적 간의 대지속력(Speed Over Ground, SOG)의 평균 간의 차이, 그리고 대지침로(Course Over Ground)의 분산 간의 차이를 가중합하여 설계되었다. 새로운 척도의 유효성을 검증하기 위하여 실제 AIS 항적 데이터와 병합 군집화 알고리즘을 활용한 기존 항적 간 거리 척도와의 비교 분석이 수행되었으며, 새로운 거리 척도를 활용한 항적 군집화 결과가 하우스도르프 거리(hausdorff distance), 그리고 다이내믹 타임 워핑 거리(Dynamic Time Warping distance) 등 기존 척도에 비해 항적 간 지리적 거리나 대지속도 및 대지침로 등 선박 거동 특성의 분포를 비슷하거나 그 이상의 수준으로 정교하게 반영하고 있음을 데이터 시각화로써 확인하였다. 정량적으로는 Davies-Bouldin 지표를 기준으로, 군집화 결과가 더욱 우수하거나 약간 낮은 수준을 기록한 한편, 거리 계산 효율성에서는 특히 우수함을 실증하였다.

• 환경생물
• /
• 제41권4호
• /
• pp.720-734
• /
• 2023

국내 바지락 주요 산지인 곰소만에서 동물플랑크톤의 시간적 변동과 동물플랑크톤 개체수에 미치는 환경요인 을 파악하기 위하여, 2022년 10월, 2023년 1월, 3월, 5월, 총 4번에 걸쳐 10개의 정점에서 동물플랑크톤 채집을 수행하였다. 곰소만의 환경요인들 중 수온, Chl-a, DO, pH는 조사 시기 간에 다른 양상을 보였으며, 염분과 SPM은 조사 시기 간의 통계적인 차이를 보이지 않았다. 곰소만의 동물플랑크톤은 각 조사 시기별로 33개, 29개, 27개, 29개의 분류군이 출현하였으며, 2022년 10월과 2023년 5월에는 절지동물이, 2023년 1월과 3월에는 원생동물이 주로 우점하였다. 절지 동물 중 가장 많은 비율을 차지하는 요각류(Copepods) 중 우점종은 Acartia hongi, Paracalanus parvus s. l., Corycaeus spp., Oithona spp.로, 국내 전 연안과 황해 연안에 주로 분포하는 종들이었다. 동물플랑크톤 개체수를 기반으로 수행한 집괴 분석 결과는 계절 내에서 정점 간 유사도가 낮아 군집이 구분되지 않는 안정된 상태(stable condition)였으며, 계절 간에서는 3개의 군집(가을, 겨울~초봄, 봄)으로 뚜렷하게 구분되어 이 해역은 계절성이 매우 강한 환경을 시사하고 있다.

• 한국지리정보학회지
• /
• 제22권2호
• /
• pp.82-96
• /
• 2019

본 연구는 금강유역을 대상으로 SWAT(Soil and Water Assessment Tool)을 이용하여 유역 수문 및 수질에 대한 유역건전성 (Watershed Healthiness)을 평가하였다. 유역 수문과 수질에 대한 건전성은 다변수 정규분포를 이용하여 0(불량)에서 1(양호)의 범위로 산정하였다. 유역 건전성 평가에 앞서, SWAT 수문 검보정 결과 5개 지점에 대한 11년(2005~2015) 동안의 하천유출량의 Nash-Sutcliffe 모델효율(NSE)은 0.50~0.77이었고, 3개 지점에 대한 suspended solid(SS), total nitrogen(T-N), and total phosphorus(T-P)의 결정계수($R^2$)는 각각 0.67~0.94, 0.59~0.79, 0.61~0.79이었다. 총 24년(1985~2008)에 대한 토지이용변화에 따른 유역 건전성 분석을 위하여 1985년, 1990년, 1995년 2000년, 2008년 5개의 토지이용자료를 준비하였다. 기준년도인 1985년 대비 2008년 SWAT 총유출은 불투수면적의 증가로 40.6% 증가하였고, 토양수분과 기저유출은 각각 6.8%, 3.0 % 감소하였으며, SS, T-N, T-P는 특히 농업활동으로 인해 각각 29.2%, 9.3%, 16.7% 증가하였다. 1985년 토지이용조건 대비 2008년의 유역 수문과 수질의 건전성은 각각 1에서 0.94와 0.69로 감소하였다. 본 연구의 결과는 과거 자연상태 대비 인간활동에 의한 유역 환경변화를 감지할 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.707-723
• /
• 2022

위성기반 해수면온도는 광역 모니터링이 가능한 장점이 있지만, 다양한 환경적 그리고 기계적 이유로 인한 시공간적 자료공백이 발생한다. 자료공백으로 인한 활용성의 한계가 있으므로, 공백이 없는 자료 생산이 필수적이다. 따라서 본 연구에서는 한반도 주변 해역에 대해 극궤도와 정지궤도 위성에서 생산되는 해수면온도 자료를 두 단계의 기계학습을 통해 융합하여 4 km의 공간해상도를 가지는 일별 해수면온도 합성장을 만들었다. 첫번째 복원 단계에서는 Data INterpolate Convolutional AutoEncoder (DINCAE) 모델을 이용하여 다종 위성기반 해수면온도 자료를 합성하여 복원하였고, 두번째 보정 단계에서는 복원된 해수면온도 자료를 현장관측자료에 맞춰 Light Gradient Boosting Machine (LGBM) 모델로 학습시켜 최종적인 일별 해수면온도 합성장을 만들었다. 개발된 모델의 검증을 위해 복원 단계에서 무작위 50일의 자료 중 일부분을 제거하여 복원한 뒤 제거된 영역에 대해 검증하였으며, 보정 단계에서는 Leave One Year Out Cross Validation (LOYOCV) 기법을 이용하여 현장자료와의 정확도를 검증하였다. DINCAE 모델의 해수면온도 복원 결과는 상당히 높은 정확도(R²=0.98, bias=0.27℃, RMSE=0.97℃, MAE=0.73℃)를 보였다. 두번째 단계의 LGBM 보정 모델의 정확도 개선은 표층 뜰개 부이와 계류형 부이 현장자료와의 비교에서 모두 상당한 향상(RMSE=∆0.21-0.29℃, rRMSE=∆0.91-1.65%, MAE=∆0.17-0.24℃)을 보여주었다. 특히, 모든 현장 자료를 이용한 보정 모델의 표층 뜰개 부이와의 정확도는 동일한 현장 자료가 동화된 기존 해수면온도 합성장보다 나은 정확도를 보였다. 또한 LGBM 보정 모델은 랜덤포레스트(random forest)를 사용한 선행연구에서 보고된 과적합의 문제를 상당부분 해결하였다. 보정된 해수면온도는 기존의 초고해상도 해수면온도 합성장들과 유사한 수준으로 수온 전선과 와동 등의 중규모 해양현상을 뚜렷하게 모의하였다. 본 연구는 다종위성 자료와 기계학습 기법을 사용해 시공간적 공백 없는 고해상도 해수면온도 합성장 제작 방법을 제시하였다는 점에서 가치가 있다.