현재의 내비게이션 시스템은 대부분 미국의 GPS(Global Positioning System)로부터 전파를 수신하여 측위를 수행하고 있으며, 수신기 알고리듬과 안테나 성능의 발전으로 인해 위치정확도가 지속적으로 향상되고 있다. 그러나 도심부 빌딩숲에서는 GNSS(Global Navigation Satellite System) 전파가 고층건물에 가려져 도달하지 않거나 반사 및 회절에 의해 위치정확도가 매우 저하되기도 한다. 도심부의 GNSS 측위정확도를 현장 관측하는 데에는 많은 비용과 시간이 소요되므로, 이 연구에서는 3차원 건물지도와 전파도달모형 및 상관기모형을 이용하여 도심부 GNSS의 측위정확도를 모의하는 GPASS(GNSS Position Accuracy Simulation System)를 개발하고 그 가용성을 검증하고자 한다. 대표적 빌딩숲인 도쿄도청 부근을 대상으로 모의를 수행하고 현장 관측치와 비교한 결과, 측위율은 실측치와 4.6% 정도의 차이를 보였고 위치정확도는 실측치와 3.0% 정도의 차이를 나타냄으로써 상당히 정밀한 모의가 가능함이 확인되었다. 본 연구에서 개발한 GPASS는 3차원 건물지도를 이용하여 임의의 시공간에 대해 모의를 수행하므로, 내비게이션 서비스 품질의 시공간적 평가 및 개선을 위한 기초자료 산출에 활용될 수 있다.

This paper described the estimation of corn and soybeans yields of four states in the US Midwest using time-series satellite imagery and climate dataset between 2001 and 2012. We first constructed a database for (1) satellite imagery acquired from Terra MODIS (Moderate Resolution Imaging Spectroradiometer) including NDVI (Normalized Di°erence Vegetation Index), EVI (Enhanced Vegetation Index), LAI (Leaf Area Index), FPAR (Fraction of Photosynthetically Active Radiation), and GPP (Gross Primary Productivity), (2) climate dataset created by PRISM (Parameter-Elevation Regressions on Independent Slopes Model) such as precipitation and mean temperature, and (3) US yield statistics of corn and soybeans. ˜en we built OLS (Ordinary Least Squares) regression models for corn and soybeans yields between 2001 and 2010 after correlation analyses and multicollinearity tests. These regression models were used in estimating the yields of 2011 and 2012. Comparisons with the US yield statistics showed the RMSEs (Root Mean Squared Errors) of 0.892 ton/ha and 1.095 ton/ha for corn yields in 2011 and 2012 respectively, and those of 0.320 ton/ha and 0.391 ton/ha for soybeans yields. ˜is result can be thought of as a good agreement with the in-situ statistics because the RMSEs were approximately 10% of the usual yields: 9 ton/ha for corn and 3 ton/ha for soybeans. Our approach presented a possibility for extending to more advanced statistical modeling of crop yields using satellite imagery and climate dataset.