http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 신안국 ( An-kook Shin ) (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
농업용 저수지 수위자료 품질관리를 위한 강우-유출-수위 자료의 연계방안
양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),김한중 ( Han-joong Kim ),신안국 ( An-kook Shin ),강문성 ( Mun-sung Kang ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-
최근 농업환경의 변화와 기후변화에 대응하기 위해 농업용수 관리 정보화 및 과학화의 필요성이 증대되어 실시간으로 저수지 저수량과 농업용수 공급량을 파악하기 위해 자동 수위계측시설이 도입되었다. 한국농어촌공사에서는 과학적인 물 관리를 위해 자동수위계측시설을 도입하였으며, 현재 저수지 1,734개소, 수로부 1,880개소에 설치되어 있다. 농업용수의 경우 농업용 저수지와 수로 수위를 10분 간격으로 계측하여 물 관리 시스템을 통해 수위 정보를 제공하고 있지만, 저수지 및 수로의 수위 자료는 품질관리 방안이 미비하여 자료 관리가 어려운 실정이다. 농업용 저수지 수문자료의 공인지점은 2016년 6개소에서 2019년 49개소로 증대되고 있으며, 자동수위계측시설을 통해 생성된 농업용 저수지 수위자료의 품질관리 방안이 요구된다. 농업용수의 공급은 대부분 농업용 저수지를 통해 공급되며, 강우 및 유역의 유출량으로부터 저수지에 유입되고 용수로를 통해 공급된다. 이러한 농업용수의 특징을 고려한 품질관리 방안을 모색하여 강수량 및 유출량 자료와 수위자료의 연계방안을 제시하고자 한다. 딥러닝 (Deep Learning) 모형 중 하나인 LSTM (Long Short Term Memory)을 활용하여 강우 및 유출량을 고려한 저수지 수위자료 예측을 통해 이상치를 탐지하고자 한다.
-
농업용 저수지의 수위자료 오류 유형에 따른 품질관리 알고리즘 적용
양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),신안국 ( An-kook Shin ),강구 ( Ku Kang ),김한중 ( Han-joong Kim ) 한국농공학회 2019 한국농공학회 학술대회초록집 Vol.2019 No.-
농업용수는 농작물 생육에 안전을 기하고 농촌지역 환경보전을 위한 주요한 자원으로 최근 기계화, 산업화에 따른 영농방식의 변화와 기후변화로 인한 가뭄, 홍수의 발생이 증가하여 안정적인 농업용수 공급의 필요성이 증가하고 있다. 지속 가능한 농업을 위해서는 농업용수의 안정적 확보와 적정 배분은 필수적이며 효율적인 농업용수 이용을 위해 정확한 계측 데이터를 기반으로 수자원 양을 파악하는 것이 우선시된다. 현재 농어촌공사가 관리 중인 저수지 중 농촌용수 종합정보시스템 (RAWRIS: Rural Agricultural Water Resource Information System)에서 실시간 수위를 제공하는 저수지는 약 1700개소이며, 10분 단위로 수위를 측정하여 시간 단위로 수위 자료를 제공하고 있다. 그러나 저수지 수위 계측 센서는 자연적 요소에 의해 측정이 부정확할 수 있어 수위 자료의 신뢰성을 높이기 위해서는 데이터의 품질관리 (QC: quality control)가 필요하다. 본 연구에서는 농업용 저수지를 대상으로 수위 자료의 결측, 오측 등의 오류 유형을 구분하고, 저수지 수위 계측 자료의 오류 유형별 특성을 고려하여 품질관리 알고리즘을 적용하고자 한다.
-
-
방나경 ( Na-kyoung Bang ),남원호 ( Won-ho Nam ),김한중 ( Han-joong Kim ),이남호 ( Nam-ho Lee ),신안국 ( An-kook Shin ),강문성 ( Mun-sung Kang ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-
기후변화 가속화에 따른 국지성 가뭄과 집중호우로 인한 수자원의 계절적·지역적 수급 불균형에 따라 농업용수의 관리방식을 계측정보 기반의 과학적 물관리 방식으로 전환해야 한다는 필요성이 대두되었다. 한국농어촌공사 (Korea Rural Community Corporation, KRC)에서는 2001년부터 본격적으로 농업용수관리자동화사업을 시행하였다. 농업용수관리자동화사업은 체계적인 농업용수 관리, 농업생산성 향상 도모, 물관리 비용 및 용수 절감 등을 위한 목적으로 시행되었으며, 사업시행 초기 농업기반시설 무인계측 및 원격제어 시스템 보급으로 수리시설의 관리 효율성이 크게 향상되어 용수 수급이 개선될 것으로 분석되었다. 그러나 농업용수관리자동화사업의 최초 시행 이후 영농환경과 기후의 상당한 변화가 발생하였고 이를 반영한 사업의 시행성과 및 분석이 미흡하였다. 따라서 변화된 영농환경 상에서의 사업 시행성과를 재점검하고, 효율적 시설관리 방안 및 향후 사업추진 방향 도출이 필요하다. 본 연구에서는 농업용수관리자동화시스템 사업의 도입과 도입 이후 변화된 영농환경과 TM/TC (Tele Metering/Tele Control System) 관련 기술분야의 발전을 고려한 정성적·정량적 평가와 사업시행 성과분석을 위한 지표를 개발하였다. 농업용수관리자동화 사업시행에 대한 성과분석을 위해 3개의 성과지표 (용수관리, 인력 및 기술발전, Bigdata 기반 영농과학화)와 자료수집을 완료한 5개 세부항목에 대하여 개별 및 종합분석을 실시하였으며, AHP (Analytic Hierarchy Process) 설문을 활용하여 농업용수관리자동화사업과 관련한 성과지표에 대한 적정 중요도 (가중치)를 산정하고, 지표별 점수 범위를 100점 척도로 점수화하여 종합분석을 수행하였다. 2001년에서 2005년까지 도입 초기 58.3점에서 현재 (2016년에서 2019년까지) 81.7점으로 약 23.4점 증가하였으며, 자동화사업 도입 전·후를 비교하면 성과의 약 18%가 상승하였다. 현재까지 물관리자동화 사업의 달성 수준은 80.0% 수준으로 현재까지 성과를 기준으로 목표값을 설정한다면, 효율적인 물관리 기법, 용배수로 체계의 지능형, 능동형 관리시스템과 협업을 통하여 물관리자동화 사업의 성과를 높일 수 있는 방법과 연계하여 시너지를 더욱 높일 수 있는 물관리자동화사업으로의 발전 가능성이 있을 것으로 판단된다.
-
딥러닝 기반 LSTM 모형을 이용한 저수지 수위자료 이상치 탐지
양미혜(Yang,Mi-Hye),남원호( Nam,Won-Ho),김한중(Kim,Han-Joong),김태곤(Kim,Taegon),신안국(Shin,An-Kook),강문성(Kang,Mun-Sung) 한국방재학회 2021 한국방재학회논문집 Vol.21 No.1
최근 국지성 가뭄 발생 및 집중 호우;평년 대비 강수량이 30% 이상 감소하는 등 기상 및 수문 현상이 변화하고 있다. 논벼 작물재배를 위한 용수를 공급하는 농업용 저수지의 경우 이상기후 발생으로 2013년부터 2017년까지 저수율이 0%에 도달한 저수지가 99개에 이르러 농업용수의 안정적 확보가 불확실해지고 있다. 농업환경의 변화와 기후변화에 대응하기 위해 농업용수 관리 정보화 및 과학화의 필요성이 증대되고 있으며;실시간으로 저수지 저수량과 농업용수 공급량을 파악하기 위해 자동 수위계측시설이 도입되었다. 농림축산식품부의 저수지 자동수위측정기 설치 및 운영지침에 따라 현재 농어촌공사 관리 저수지 1,734개소 및 수로부 1,880개소에 자동수위계가 설치되어 있으며;저수지와 수로에서 10분 간격으로 수위자료가 생성되고 있다. 농업용 저수지 수문자료의 공인지점은 2016년 6개소에서 2019년 49개소로 증가하고 있으며;데이터 품질 저하의 최소화 및 신뢰성 있는 수문자료 생성의 필요성이 증가함에 따라 농업용 저수지의 특성을 반영한 저수지 수위 오결측 데이터 보정 방안 및 수문 자료 품질관리 방안이 요구된다. 최근 인공신경망(Artificial Neural Network;ANN) 등의 모형을 이용하여 비선형적인 수문해석이 가능해짐에 따라 농업용 저수지의 수위 변화 및 강우-유출 현상을 기상;지형 등 영향 인자와 수위(또는 유출)와의 상관관계로부터 해석이 가능하다. 본 연구에서는 농업용수의 정량적 정보 관리를 위하여 시계열 자료의 학습에 효과적인 모형으로 다른 신경망과의 결합 등 다양한 분야에서 이용되고 있는 딥러닝(Deep Learning) 모형 중 하나인 LSTM (Long Short-Term Memory) 모형을 이용하여;저수지 수위 자료의 오⋅결측 자료에 대한 이상 탐지 알고리즘을 제시하고자 한다. Weather and hydrological phenomena have been changing due to climate change as evidenced by localized torrential rainfall and precipitation falling by more than 30% compared to the annual average. From 2013 to 2017 the ninety-nine reservoirs reached a water storage rate of 0%;making a secure stable water supply for agriculture uncertain. There is an increased need for information regarding agricultural water management to respond to the changes in the agricultural environment and climate. Therefore;automatic water level measurement facilities have been introduced to determine the real-time reservoir storage capacity and agricultural water supply. According to the Ministry of Agriculture;Food and Rural Affairs guidelines for the installation and operation of water level measurement instruments;automatic water level facilities are currently installed at 1,734 reservoirs and 1,880 irrigation canals;with water level data generated at 10-minute intervals. The official recognition of hydrological water level data for agricultural reservoirs increased from six in 2016 to forty-nine in 2019. Anomaly detection algorithm methods for data regarding the agricultural reservoir level as well as quality control measures based on agricultural reservoir characteristics are required to minimize data quality degradation and generate reliable hydrological data over time. Though it was practically impossible to analyze the correlation between the water level or run-off and influential factors such as weather and terrain;recently a non-linear hydrological analysis has been possible using models such as Artificial Neural Networks (ANNs). This study aims to present an anomaly detection algorithm for reservoir level data using deep learning based LSTM (Long Short-Term Memory) models;in combination with other neural networks for managing quantitative information of agricultural water supply.
-
위성영상기반 농업가뭄 모니터링을 위한 Evaporative Stress Index (ESI)의 적용성 평가
윤동현 ( Yoon Dong-hyun ),남원호 ( Nam Won-ho ),이희진 ( Lee Hee-jin ),홍은미 ( Hong Eun-mi ),김태곤 ( Kim Taegon ),김대의 ( Kim Dae-eui ),신안국 ( Shin An-kook ),( Mark D. Svoboda ) 한국농공학회 2018 한국농공학회논문집 Vol.60 No.6
Climate change has caused changes in environmental factors that have a direct impact on agriculture such as temperature and precipitation. The meteorological disaster that has the greatest impact on agriculture is drought, and its forecasts are closely related to agricultural production and water supply. In the case of terrestrial data, the accuracy of the spatial map obtained by interpolating the each point data is lowered because it is based on the point observation. Therefore, acquisition of various meteorological data through satellite imagery can complement this terrestrial based drought monitoring. In this study, Evaporative Stress Index (ESI) was used as satellite data for drought determination. The ESI was developed by NASA and USDA, and is calculated through thermal observations of GOES satellites, MODIS, Landsat 5, 7 and 8. We will identify the difference between ESI and other satellite-based drought assessment indices (Vegetation Health Index, VHI, Leaf Area Index, LAI, Enhanced Vegetation Index, EVI), and use it to analyze the drought in South Korea, and examines the applicability of ESI as a new indicator of agricultural drought monitoring.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
