위성 및 환경 데이터를 활용한 딥러닝 모델의 국내 토양 중금속 분포 예측 연구 = Deep Learning-Based Prediction of Soil Heavy Metal Distributions Using Satellite and Environmental Data

국문 초록 (Abstract)

본 연구에서는 딥러닝 기법을 활용하여 데이터 및 다양한 환경 데이터를 이용해 우리나라의 7개 중금속 항목(Cd, Cu, As, Hg, Pb, Zn, Ni) 토양 배경농도를 파악하였다. 준비된 토양 데이터는 As, Pb, Zn, Ni 항목에서 1지역 토양오염우려기준(As: 25 mg/kg, Pb: 200 mg/kg, Zn: 300 mg/kg, Ni: 100 mg/kg)을 초과한 지점이 존재하는 것을 확인하였다. 딥러닝 기법을 사용하여 토양 중금속의 배경농도 분포를 예측한 결과, Test를 기준으로 Hg, Ni은 ResNet 18의 성능이 가장 높았으며, Cd, As, Pb, Zn은 VGG 16의 성능이, Cu는 MobileNet V3의 성능이 가장 높았다. 중금속별 공간 분포를 검토한 결과 Cd는 서울, 부산, 남서해안, Cu는 부산, As는 강원도 전역, Pb는 남해안과 남서해안 지역, Zn은 서울, 부산, 남해안, Ni는 경기도, 세종, 대구, 안동과 의성 경계, 남부 지역에서 높은 농도를 보였다. 중금속 배경농도가 상대적으로 높은 지역에 대해 지질 및 토양 특성에 기반하여 원인을 확인할 필요가 있다. 모든 중금속이 저농도 범위에 값이 편중되어 있어 이로 인한 고농도 예측 성능 저하로 인해 R2값이 보통 이하로 나타나 이에 대한 개선이 필요하다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 2 장 실 험 5
• 2.1 실험 대상 지역 5
• 2.2 데이터 수집 5
• 2.2.1 토양측정망 5
• 2.2.2 토양오염실태조사 9
• 2.2.3 환경 변수 12
• 2.3 데이터 전처리 15
• 2.4 딥러닝 15
• 제 3 장 결과 및 고찰 19
• 3.1 토양 데이터 19
• 3.2 딥러닝 결과 21
• 제 4 장 결 론 25
• [참고 문헌] 26