호소 생태계에 대한 생물측정망 조사 및 평가지침은 동물플랑크톤 조사의 편의성을 고려하여 출현 종 수와 개체 군밀도, 군집 지수 등을 상대적으로 비교하기 위해 수심 5 m 이하의 얕은 호소-수변부에서 사선끌기, 수심 20 m 이상 호소-전수심 수직끌기, 그 이상의 깊은 호소-20 m까지의 수심을 대상으로 한 수직끌기를 제시하고 있다. 본 연구에 서는 지침에서 제시하는 방법 중 사선끌기법과 20 m 수직 끌기법을 각각 전수심을 대상으로 한 조사 방법과 비교하여 동물플랑크톤 군집 정보의 차이 및 특성에 대해 분석 하였다. 군집 지수의 경우 수심이 얕은 호수에서의 사선끌 기법/수직끌기법 비교에서는 차이를 보이지 않은 반면, 수 심이 깊은 호소에서는 끌기 수심을 20 m로 제한할 경우보다 전수심 수직끌기를 적용했을 때 다양도 및 풍부도 지수 가 상승하는 것으로 나타났다. 또한, 사선끌기 및 20 m 수직끌기를 통해 채집한 동물플랑크톤 시료로부터 표면~저층 상층부까지의 전수심을 채집 대상으로 설정한 경우보 다 약 3배 정도 높은 개체군 밀도가 계산되어, 동물플랑크톤 총 개체 밀도가 크게 과대 평가되는 것으로 나타났다. 이러한 차이는 동물플랑크톤 수직 분포 특성상 발생하는 수층별 동물플랑크톤 개체 밀도 차이 및 여과된 원수량의 차이에서 비롯된 결과로 판단되며, 이에 따라 호소를 대변 하여 수체 간 또는 수체 내 변동을 보다 정확히 파악하고 호 내 2차 생산과 관련한 기능적 정량 지표로서 동물플랑크톤 군집 정보의 활용을 고려할 경우, 수심에 따른 개체 군밀도 분포와 전체 개체수 환산 시 수층별 기여율을 고려한 전수심 수직끌기 방법의 적용이 보다 적절할 것으로 분석되었다.

This paper proposes a method to segment urban scenes semantically based on location prior information. Since major scene elements in urban environments such as roads, buildings, and vehicles are often located at specific locations, using the location prior information of these elements can improve the segmentation performance. The location priors are defined in special 2D coordinates, referred to as road-normal coordinates, which are perpendicular to the orientation of the road. With the help of depth information to each element, all the possible pixels in the image are projected into these coordinates and the learned prior information is applied to those pixels. The proposed location prior can be modeled by defining a unary potential of a conditional random field (CRF) as a sum of two sub-potentials: an appearance feature-based potential and a location potential. The proposed method was validated using publicly available KITTI dataset, which has urban images and corresponding 3D depth measurements.