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 : 조성근(Seongkeun Cho) (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
Sentinel-1 SAR 토양수분 산정 연구: 식생에 따른 토양수분 모의평가
조성근,정재환,이슬찬,최민하,Cho, Seongkeun,Jeong, Jaehwan,Lee, Seulchan,Choi, Minha 한국수자원학회 2021 한국수자원학회논문집 Vol.54 No.2
Synthetic Apreture Radar (SAR) is attracting attentions with its possibility of producing high resolution data that can be used for soil moisture estimation. High resolution soil moisture data enables more specific observation of soil moisture than existing soil moisture products from other satellites. It can also be used for studies of wildfire, landslide, and flood. The SAR based soil moisture estimation should be conducted considering vegetation, which affects backscattering signals from the SAR sensor. In this study, a SAR based soil moisture estimation at regions covered with various vegetation types on the middle area of Korea (Cropland, Grassland, Forest) is conducted. The representative backscattering model, Water Cloud Model (WCM) is used for soil moisture estimation over vegetated areas. Radar Vegetation Index (RVI) and in-situ soil moisture data are used as input factors for the model. Total 6 study areas are selected for 3 vegetation types according to land cover classification with 2 sites per each vegetation type. Soil moisture evaluation result shows that the accuracy of each site stands out in the order of grassland, forest, and cropland. Forested area shows correlation coefficient value higher than 0.5 even with the most dense vegetation, while cropland shows correlation coefficient value lower than 0.3. The proper vegetation and soil moisture conditions for SAR based soil moisture estimation are suggested through the results of the study. Future study, which utilizes additional ancillary vegetation data (vegetation height, vegetation type) is thought to be necessary.
-
-
조성근(Seongkeun Cho),김병진(Byungjin Kim),박현우(Hyunwoo Park),홍명기(Myunggi Hong) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
자동차 산업의 발전으로 차량의 보급 증가와 도로교통망 확충으로 인해 도심지의 소음문제가 심각해짐에 따라 유럽국가에서는 1952년 UN ECE/WP29(국제연합유럽경제위원회/자동차 제작에 관한 실무 위원회) 조직을 결성하고, UN ECE R117 타이어의 소음, 젖는 노면 제동력, 회전저항에 대하여 ‘03법령 제정 후 관리 시행하였다. 국내의 경우도 환경부와 한국환경공단에서 국제 정책 동향에 따라 2017년 9월 시행준비 단계 시작을 기점으로 2020년부터 승용차를 시작으로 저소음 타이어 보급을 위한 타이어 소음성능 표시 라벨링 제도를 도입 시행하고, 이후 소형, 중대형 상용차 등으로 순차적으로 확대하여 2028년까지 모든 자동차용 타이어에 적용할 예정이다. 본 연구는 타이어 주행소음도 시험 결과에 영향을 줄 수 있는 요인을 찾고자 UN ECE R117 내 타이어 주행소음도 시험 평가법을 활용하여 진행하였다. 타이어 주행소음 평가에서 영향을 미칠 수 있는 여러 요인들 중에 풍속(5m/s 이상, 이하)과 타이어 공기압(하중지수 75%, 차량 적정 공기압)이 소음에 어떠한 영향을 보이는지 확인하고자 시험을 진행하였다. 시험 중에 사용되는 타이어는 패턴 영향을 배제하고자 동일패턴과 모델의 타이어를 선정하였다. 또한 차급별(소형승용/중형승용/대형승용/SUV) 풍속과 타이어 공기압 변화에 타이어 주행 소음이 어떠한 영향을 미치는 비교분석 하였다. 본 연구 결과, 차급별로 동일 하중에 공기압 변화의 경우, 하중지수75% 공기압 타이어가 차량 적정공기압 타이어보다 낮은 소음도를 보였다. 이는 공기압 증가함에 따라 접지면적은 감소하였지만, 압력이 증가하면서 타이어 블록 Impact power가 단위 면적당 증가함에 따른 것으로 사료된다. 풍속의 소음도 영향은 작은 편차를 보였다. 이번 연구를 통해 시험조건의 일부 요인들로 인해 타이어 소음도 평가에 영향을 줄 수 있음을 확인하였다.
-
기계학습 기반 고해상도 토양수분 복원을 위한 Sentinel-1 SAR의 자립형 활용성 평가
정재환,조성근,전현호,이슬찬,최민하,Jeong, Jaehwan,Cho, Seongkeun,Jeon, Hyunho,Lee, Seulchan,Choi, Minha 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5
기후변화로 인한 가뭄, 홍수, 산불, 산사태 등 자연재해의 위협이 증가함에 따라, 합성개구레이더(Synthetic Aperture Radar, SAR)와 같이 고해상도 토양수분 복원에 대한 사회적 수요도 증가하고 있다. 하지만 국내 환경은 산림 지형의 비율이 높아, 식생과 지형의 영향을 크게 받는 SAR 자료에서 토양수분을 복원하는데 많은 어려움을 겪고 있다. 이에 본 연구에서는 기계학습의 일종인 인공신경망(Artificial Neural Network, ANN) 기법을 활용하여, Sentinel-1 SAR 영상의 자립형 활용성을 평가하였다. Sentinel-1에서 얻을 수 있는 이중편파 산란계수는 토양수분 거동과 유의미한 상관성을 가지고 있음을 확인할 수 있었으며, 다른 위성이나 지점에서 관측된 보조자료를 사용하지 않고도 식생의 효과 등을 보정할 수 있는 자립형 활용 가능성도 확인할 수 있었다. 하지만 각 지점별, 지형 그룹별 특성에 의한 차이가 크게 나타났으며, 특히 산지와 평지에서 학습된 모형을 교차적용하였을 때 토양수분을 제대로 모의할 수 없는 현상이 발생하였다. 또한 이러한 문제를 해결하고자 학습 지점의 수를 늘리는 경우에는 토양수분 복원 모형이 평활화되어 상관계수는 증가하였으나, 지점에서의 오차는 점점 증가하였다. 따라서 고해상도 SAR 토양수분 자료를 광범위하게 적용하기 위해서는 체계적 연구 수행이 선행되어야 하며, 목적에 따른 학습 지점의 선정, 적용 지역의 범위 등을 구체적으로 제한하여 활용한다면 다양한 분야에서 효과적으로 활용할 수 있을 것으로 기대된다. As the threat of natural disasters such as droughts, floods, forest fires, and landslides increases due to climate change, social demand for high-resolution soil moisture retrieval, such as Synthetic Aperture Radar (SAR), is also increasing. However, the domestic environment has a high proportion of mountainous topography, making it challenging to retrieve soil moisture from SAR data. This study evaluated the usability of Sentinel-1 SAR, which is applied with the Artificial Neural Network (ANN) technique, to retrieve soil moisture. It was confirmed that the backscattering coefficient obtained from Sentinel-1 significantly correlated with soil moisture behavior, and the possibility of stand-alone use to correct vegetation effects without using auxiliary data observed from other satellites or observatories. However, there was a large difference in the characteristics of each site and topographic group. In particular, when the model learned on the mountain and at flat land cross-applied, the soil moisture could not be properly simulated. In addition, when the number of learning points was increased to solve this problem, the soil moisture retrieval model was smoothed. As a result, the overall correlation coefficient of all sites improved, but errors at individual sites gradually increased. Therefore, systematic research must be conducted in order to widely apply high-resolution SAR soil moisture data. It is expected that it can be effectively used in various fields if the scope of learning sites and application targets are specifically limited.
-
위성 정보를 활용한 도심 지역 기온자료 지도화를 위한 인공신경망 적용 연구
전현호,정재환,조성근,최민하,Jeon, Hyunho,Jeong, Jaehwan,Cho, Seongkeun,Choi, Minha 한국수자원학회 2022 한국수자원학회논문집 Vol.55 No.11
In this study, the Artificial Neural Network (ANN) was used to mapping air temperature in Seoul. MODerate resolution Imaging Spectroradiomter (MODIS) data was used as auxiliary data for mapping. For the ANN network topology optimizing, scatterplots and statistical analysis were conducted, and input-data was classified and combined that highly correlated data which surface temperature, Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), time (satellite observation time, Day of year), location (latitude, hardness), and data quality (cloudness). When machine learning was conducted only with data with a high correlation with air temperature, the average values of correlation coefficient (r) and Root Mean Squared Error (RMSE) were 0.967 and 2.708℃. In addition, the performance improved as other data were added, and when all data were utilized the average values of r and RMSE were 0.9840 and 1.883℃, which showed the best performance. In the Seoul air temperature map by the ANN model, the air temperature was appropriately calculated for each pixels topographic characteristics, and it will be possible to analyze the air temperature distribution in city-level and national-level by expanding research areas and diversifying satellite data.
-
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
