증발산은 순복사 에너지를 사용하여 잠열의 형태로 수증기를 대기 중으로 수송함으로써 지구에너지 순환에 있어 중요한 요소 중의 하나이며, 증발산량은 지표유출의 두 배 정도로서 지구 물 수지에서 차지하는 비중이 매우 크다. 증발산의 지상관측은 지점에 국한되기 때문에 공간연속면 상에서의 증발산량 산출을 위하여 격자형 기상자료와 위성자료를 이용한 모델링이 오랫동안 이루어져왔다. PM(Penman-Monteith) 방정식에 기초한 METRIC(Mapping Evapotranspiration with Internalized Calibration) 모델이나 PT(Priestley-Taylor) 방정식을 이용한 MS-PT(Modified Satellite-based Priestley-Taylor) 모델 등이 주로 사용되어 왔으나, 또 하나의 대안으로서 본 연구에서는 최근 부각되고 있는 딥러닝 기법인 DNN(deep neural network)을 이용한 증발산 모델링을 수행하였다. 은닉층 구조, 손실함수, 옵티마이저, 활성화함수, L1/L2 정규화, 드롭아웃 비율 등의 최적화 과정을 거쳐서 수립한 DNN 모델은 RMSE = 0.326mm/day, 상관계수 = 0.975의 매우 양호한 정확도를 나타내었다. 이는 DNN 최적화와 함께, 국지예보모델과 위성자료로부터 증발산 기작에 관여하는 인자들을 선택하여 입력자료로 적절히 사용하였기 때문이기도 하다. 향후과제로서 훈련자료의 종류와 양을 증가시켜서 DNN 모델을 보다 정교화하는 것은 반드시 필요하다고 사료된다.

토양수분은 지구의 에너지수지와 지면-대기 상호작용에 관여하는 중요한 수문기상학적 인자이므로, 토양수분의 정확한 관측과 시공간적 변화양상의 파악은 지구환경 연구에 있어 매우 중요하다. 토양수분의 지상관측은 정확도가 높으나 점단위 관측이므로 공간적 연속성이 없다는 단점이 있고, 위성관측은 공간적 연속성을 가지지만, 정확도와 공간해상도가 낮은 단점이 있다. 이에 본 연구에서는 토양수분 자료의 품질향상을 위하여, 위성자료와 기상자료를 이용한 딥러닝 모델을 수립함으로써 우리나라 500m 해상도의 일단위 토양수분함량을 산출하였다. 200회의 훈련-검증 반복실험을 통하여, 딥러닝 모델의 오차가 NASA의 목표치보다 더 양호한 결과를 산출하였으며, 지상관측치와의 일치도 역시 매우 높은 것으로 나타났다. 또한 우리나라 농지에 대한 토양수분 분포도를 작성하여 농림, 수문, 재해 분야에 대한 활용가능성을 확인하였다.

음성촉지도는 촉지도에 음성정보를 결합한 지도이다. 음성촉지도는 촉지도에서 표현하는 지리정보를 음성정보로 보완할 수 있으며, 사용자가 점자를 읽지 못하더라도 음성으로 촉지도의 문자정보를 전달할 수 있는 장점을 가지고 있다. 이 연구는 대한민국 점자지도와 동작인식 컨트롤 장치를 결합한 음성촉지도 제작 사례를 제시하고 있다. 이 연구에서 제작한 음성촉지도는 기존 촉지도가 가지고 있는 지도주기의 한계를 극복하고 있으며, 동작인식 컨트롤 장치가 음성촉지도의 사용자 인터페이스 장치로 효과적으로 활용될 수 있음을 보여주고 있다.

최근 기후변화에 따라 전 세계적으로 큰 규모의 산불 발생이 증가하고 있으며, 우리나라도 산불발생이 전반적으로 증가하는 경향을 보인다. 최근 우리나라와 인접한 북한에서 발생한 산불이 비무장 지대 등의 국내 영토로 번지는 사건이 많이 발생하고 있다. 우리나라에서는 오픈 API(application programming interface)를 통하여 과거 산불발생 기록을 검색할 수 있으나 행정기관에서 수집한 자료여서 국내 지역으로 정보가 국한되어 있다. 이에 본 연구에서는 접근불능지역인 북한을 포함한 한반도의 산불발생에 대한 장기 시계열 정보를 생산하기 위하여 2000년부터 2015년까지의 MODIS(Moderate Resolution Imaging Spectroradiometer) 위성자료를 수집 및 재가공하여 일자별 산불발생 현황의 GIS 데이터베이스를 구축하고자 한다. 데이터베이스 구축을 위한 입력자료로서 Terra 위성의 MOD14A1 산출물과 Aqua 위성의 MYD14A1 산출물을 사용하였으며, 16년간의 일자별 영상을 일괄작업으로 재처리하여 산불의 발생일자, 발생 위치, 탐지 신뢰도, 방사열 에너지(fire radiative power: FRP) 등의 정보를 추출하고 이들을 결합하여 Shapefile 형태로 생성하였다. 본 연구에서 구축한 장기시계열 GIS 데이터베이스는 다른 연구자들에 의해 한반도 산불정보의 시공간 특성 분석에 활용될 수 있으며, 이를 위하여 인터넷에 결과 파일을 탑재하여 자유롭게 다운로드 가능하도록 하였다.

온난화와 같은 전지구적 변화는 기온과 강수 등 기상요소에 직접적으로 반영되어 곡물 수확량의 변화를 가져온다. 기후변화 시나리오에 기초한 선행연구들에서는 GCM (general circulation model)의 공간해상도 문제로 인하여 상세한 모의가 어려웠고, 시계열통계법을 활용한 연구들에서는 기후요소를 통합하여 수확량을 예측한 사례가 매우 드물었다. 이에 본 연구에서는 상세화된 기후재분석자료의 시계열모델링을 통하여 옥수수와 콩의 수확량 예측실험을 수행하였다. 미국 아이오와 주의 99개 카운티를 대상으로 1960년부터 2009년까지 50년간의 고해상도 기후재분석자료와 정부통계 수확량 DB를 구축하고, 시계열통계법인 VAR (vector autoregression)와 ARIMA (autoregressive integrated moving average)를 이용하여 다음해 수확량 예측실험을 10개 연도에 대해 수행하여 예측력을 평가하였다. VAR는 16-18%, ARIMA는 11-14% 의 오차율로 다음해의 수확량을 예측할 수 있는 것으로 집계되었으며, 옥수수의 경우 표토의 산성도, 심토의 점토와 나트륨 함유량 등의 토양특성 이 실제 수확량 및 예측정확도에 영향을 미치는 것으로 나타났다.

정보기술 발전과 함께 스마트폰이나 태블릿PC와 같은 터치스크린 기반의 다양한 휴대용 디바이스가 보급 및 활용되고 있다. 이러한 스마트 기기들은 탭(tab)이나 핀치(pinch)와 같은 단순하고 직관적인 터치 제스처를 활용하고 있다. 본 연구에서는 스마트기기 사용자의 지도 애플리케이션에 대한 접근성 및 편의성을 증대시킬 수 있는 제스처 라이브러리를 구현하여 터치 제스처, 에어 제스처, 조이스틱 제스처 등이 웹지도 제어에 사용하도록 하였다. 이러한 제스처 라이브러리의 가용성 평가를 위하여 프로토타 입 애플리케이션을 제작하여 다양한 제스처 인터페이스의 동작이 원활함을 확인하였다. 본 연구에서 구현한 제스처 라이브러리는 개발자가 사용하기에 편리한 형태의 객체 및 함수로 구성되었기 때문에, 웹지도와의 연동만으로도 다양한 제스처 인터페이스를 갖춘 지도 애플리케이션을 개발할 수 있다. 또한 현재까지 지도 인터페이스로서는 제안되지 않은 형태의 다양한 제스처 기능을 포함하고 있으며, 향후 HTML5 기반으로 확장하여 모바일 운영체제 비의존적인 라이브러리로 기능할 수 있을 것이라 사료된다.

최근 항시적 광역 모니터링이 가능한 위성원격탐사 기술에 의해 산불감시의 효율성이 증대될 것으로 기대되고 있는 가운데, 미국의 Terra, Aqua, GOES (Geostationary Operational Environmental Satellite), 유럽연합의 Meteosat, 그리고 우리나라의천리안위성 및 후속위성도 산불정보의 실시간 제공을 목표로 하고 있다. 본 연구에서는 이러한 위성기반 산불정보를 대민서비스하기 위한 방법의 일환으로 스마트폰 앱을 구현하여, 북한지역을 포함한 한반도 전역의 위성자료로부터 추출한 산불발생여부, 산불탐지 신뢰도, 산불의 방사강도 등의 정보를 DBMS (Database Management System)에서 관리하고, 안드로이드와 iOS 스마트폰을통해 제공하는 서비스의 원형을 개발하였다. 공통적 핵심기능은 HTML5 (HyperText Markup Language 5) 웹페이지로 구성함으로써 상이한 OS (Operating System)의 네이티브 앱과 결합하는 하이브리드 방식을 통해 소스코드의 재사용성과 시스템 확장성을 추구하였으며, 일자별 산불조회, 최근 산불조회, 주변 산불조회 등의 기능을 포함하도록 하였다. 현재는 위성기반 산불탐지 자료가 실시간 제공되지 않아 산불발생의 이력정보를 서비스하도록 구성하였지만, 2010년대 후반 우리나라 기상위성의 산불탐지 자료가 실시간으로 제공될 것이므로, 정부 3.0의 정보공개 흐름과 함께 국민 모두에게 필요한 실시간 산불정보 조회가 가능해질 것으로 예상된다. 본 연구는 위성기반의 실시간 산불정보 앱 개발을 위한 출발점으로서 의의를 가지며, 향후 산불정보 앱은 SNS (SocialNetworking Service) 기반의 빅데이터 마이닝 기술과 연동하는 통합 솔루션으로 구성되어야 그 활용성이 보다 더 제고될 것이다.

첨단교통정보시스템(Advanced Traveler Information System : ATIS) 환경에서 운전자는 최단거리나 최소시간 이외의 다른 기준에 의한 운전경로를 원하기도 한다. 이 연구에서는 최단거리, 최소시간, 최소사고, 최소교차로, 최다차선 등의 다양한 기준을 적용하기 위하여 교통패턴데이터를 이용한 운전자정의 경로안내 App을 구현하였다. 실험을 위한 교통패턴데이터는 3개월 간의 서울시 UTIS (Urban Traffic Information System) 자료로부터 생성하여 서버 DBMS (database management system)를 통해 제공되도록 하였다. 교통패턴데이터에 기초한 운전경로는 클라이언트 측 스마트폰앱에서 표출되며, 서버와 클라이언트 사이의 통신은 중개 미들웨어가 담당하도록 구성하였다. 강남구를 대상으로 한 실험평가에서는 첨두시와 비첨두시 모두 최소사고 경로가 가장 효과적인 것으로 나타났다. 이러한 운전자정의 경로안내는 정보가 제한적인 운전자들에게 유용하며, 스마트기기를 통해 맞춤형정보로 제공될 수 있다.

FOSS(free and open source software)는 라이선스의 제약 없이 자유롭게 소스코드를 재사용하거나 수정 및 배포할 수 있는 소프트웨어로서, 정보시스템 구축의 새로운 대안으로 자리잡아가고 있다. 최근 GIS의 컴퓨팅 환경이 웹으로 확장되면서 FOSS를 활용하여 공간데이터를 공유하거나 시각화하기 위한 시도들이 이루어지고 있다. 기존의 연구들을 통해 볼 때, 웹GIS에서 FOSS 애플리케이션들은 환경 및 생태 정보 제공을 위한 지도서비스가 주를 이루며 분석지향적인 사례는 매우 드물다. 또한 공간 DBMS(database management system), GIS툴, 통계패키지 등의 FOSS가 개별적으로 웹GIS에 활용되어 왔으나, 개방성과 재사용성이 우수한 이들 FOSS를 커플링(coupling)하면 공간자료의 공유, 시각화에서 더 나아가 공간데이터의 통계분석을 지원하는 웹GIS가 구축 가능할 것이다. 이에 본 연구에서는 웹 환경에서 DBMS, GIS툴 및 통계패키지를 커플링하는 브로커리지(brokerage) 모듈을 개발하고, 이를 이용하여 공간자료의 저장, 질의, 처리 및 통계분석을 수행하며 그 결과를 시각화하는 FOSS 기반의 웹GIS 프레임워크를 제시하고자 한다. 공간 DBMS로는 래스터와 벡터가 모두 지원되는 PostGIS을 이용하였고, 공간데이터 프로세싱에는 GRASS, 통계분석에는 R, 시각화를 위한 지오브라우저로는 Google Maps와 Google Earth를 사용하였다. 이러한 FOSS들의 커플링을 위한 브로커리지 모듈은 운영체제 독립적인 Java 언어로 구현되었으며, API(application programming interface)를 통해 JSP(Java Server Pages)에서 참조하여 웹 인터페이스를 구성하도록 하였다. 본 시스템에 대한 테스트에서는, 남한지역의 NDVI(normalized difference vegetation index)와 환경요소 간의 회귀분석을 수행하는 프로토타입을 통해 공간데이터의 공유, 프로세싱, 시각화, 분석에 있어서의 가용성이 검토되었다.

최근 국가지리정보유통망을 통한 공간정보 통합에 대한 논의처럼, 속성데이터 중심의 인문지리정보 데이터베이스도 시작 단계에서부터 향후의 통합을 고려한 프로토콜을 필요로 한다. 본 연구에서는 효율적인 인문지리정보 DB 구축을 위해 DB 모델의 원칙과 절차, 즉 데이터 모델, DB 정규화, 데이터 무결성에 대해 인문지리정보 사례를 통해 방향을 제시하였고, 인문지리정보의 변화를 수용할 수 있는 시간성 확보 방안과 온톨로지와 통합DB를 효과적으로 연계하는 방안을 제시하였다. 특히 시간에 따른 정보의 변화를 저장하기 위해 TimeStamp 객체와 TimeSPAN 객체를 DB에 임베드하였고 시간관계 함수를 이용해 검색할 수 있도록 하였다. 또한 수시 갱신이 필요한 인문지리정보 DB를 온톨로지와 연계하기 위해서는 DBMS 내의 RDF 객체를 활용하는 효율적인 방법을 제시하였다. 이러한 방안은 인문지리정보 DB 뿐만 아니라 수시갱신이 요구되는 대용량의 DB 구축시 가장 근본적으로 검토하여야 할 내용을 제시해 줄 것이다.

Global warming due to the increase of greenhouse gases may significantly affect various aspects of the Earth’s environment and human life. In particular, the impacts of climate change on agriculture would be severe, leading to damages to crop yields. This paper examines the experimental prediction of rice yield in China using DNN (deep neural network) and climate model data for the period between 1979 and 2009. The DNN model built through the process of hyperparameter optimization can mitigate an overfitting problem and cope with outlier cases. Our model showed approximately 38.7% improved accuracy than the MLR (multiple linear regression) model, in terms of correlation coefficient with the yield statistics. We found that the diurnal temperature range and potential evapotranspiration were the critical factors for rice yield prediction. Our DNN model was also robust to extreme conditions such as drought in 2006 and 2007 in China, which showed its applicability to the future simulation of crop yields under climate change.

Drought is one of the natural disasters that slowly begin to accumulate over a long period. Although there are many kinds of drought indices, one single universally accepted definition does not currently exist, which makes it difficult to evaluate drought severity comprehensively and objectively. This paper describes the comparisons of satellite-based drought indices such as SPI (Standardized Precipitation Index), NDDI (Normalized Difference Drought Index), NMDI (Normalized Multi-band Drought Index), VHI (Vegetation Health Index) and SDCI (Scaled Drought Condition Index) to analyze agricultural drought in Korea. Through an experiment using the five drought indices, we found that VHI and the SPI2 calculated from 2-month accumulated precipitation were highly correlated and appropriate to express agricultural drought in South and North Korea. Also, the SPI2 and VHI showed close relationships with hydro-meteorological factors and vegetation production variables. For future work, it is necessary to develop a comprehensive drought index which can cover various aspects of drought including precipitation, evapotranspiration, soil moisture, and vegetation state.

Arctic sea ice as an indicator of climate change plays an important role in controlling global climate system. Thus, accurate observation and prediction of Sea Ice Concentration (SIC) is essential for understanding global climate change. In this study, we aim to improve the prediction accuracy of SIC by using machine learning and Regional Climate Model (RCM) data for a more robust method and a higher spatial resolution. Using the CORDEX RCM and NASA SIC data between January 1981 and December 2015, we developed three statistical models using Multiple Linear Regression (MLR), Support Vector Machine (SVM), and Deep Neural Network (DNN) which can deal with the non-linearity problem, respectively. The DNN model showed the best performance among the three models with the significant correlation between the predictive and observed SIC (r=0.811, p-value < 0.01)and the Root Mean Square Error (RMSE) of 0.258. With deeper considerations of the polar fronts and the characteristics of ocean current and tide, the DNN model can be applied for near future prediction of Arctic sea ice changes.

Intergovernmental Panel on Climate Change (IPCC) provides various prospects of future climate change under the Representative Concentration Pathways (RCP) scenarios using General Circulation Models (GCMs) of Coupled Model Intercomparison Project (CMIP). This paper describes a modified application of Ensemble Bayesian Model Averaging (EBMA) to produce daily mean temperature ensembles using 19 GCMs provided by CMIP. We proposed two types of approach: (1) monthly weighting scheme for a whole area (EBMA.v1) and (2) monthly weighting for each grid point (EBMA.v2), which can take into account the spatially heterogeneous pattern of GCM. For the training period of 1979- 2005 for East Asia, 9,855 sets of daily temperature ensembles (27 years × 365 days) were produced and compared to the ERA-Interim reanalysis data of European Centre for Medium-Range Weather Forecasts (ECMWF), which showed better validation statistics than the general mean and median ensembles. In particular, EBMA.v2 outperformed EBMA.v1 by diminishing the large errors of inland areas where the surface heterogeneity is larger than the ocean. The EBMA.v2 was able to handle the problem of spatial variability by employing monthly and spatially varying weighting scheme. We finally produced daily mean temperature ensembles for the period of 2006-2100 by using the EBMA.v2 under the RCP 6.0 scenario, which are going to be provided on the web.

The COMS (Communication, Ocean and Meteorological Satellite) has been used in numerical weather prediction and meteorological monitoring over East Asia and Oceania since it has been launched in 2010. For more active utilization in climate research, the COMS level 3 products should be available in appropriate spatial and temporal resolutions. We compared different methods to generate monthly sea surface temperature (SST) products from the COMS time-series data. We employed three techniques for aggregating the time series, which are arithmetic mean, timeslot average, and moving average, and also used mean ensemble of them. Each level 3 dataset around South Korea was compared with monthly SST product from the Moderate Resolution Imaging Spectroradiometer (MODIS) of Aqua satellite during April 2011-March 2014. The timeslot average showed better root mean squared difference (RMSD) during the initial operational period of the COMS, when the retrieved values could be somewhat unstable. Daytime aggregations were derived more accurately by using the arithmetic mean or moving average, and the accuracy of nighttime aggregation was improved by the mean ensemble. Also, the timeslot average presented reasonable results particularly for coastlines where the standard deviation and missing value ratio were greater than normal. Because an optimal aggregation technique was variable depending on spatial and temporal conditions, we should be careful in selecting appropriate method for generation of the COMS level 3 products according to research objectives.

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.

In this study, we produced satellite-based drought indices such as NDVI(normalized difference vegetation index), NDWI(normalized difference water index), and NDDI(normalized difference drought index) and extracted time-series principal components from the drought indices using EOF(empirical orthogonal function) method to examine their relationships with climatic variables. We found that the first principal components of the drought indices for Sonid Right Banner, Inner Mongolia were dominant in cold seasons and were closely related to low temperature, little rainfall, and high surface albedo. The satellite-based drought indices and their EOF analyses can be utilized for the studies of cold-season drought and warm-season drought as well.

Wildfires are recently increasing in frequencies and intensities worldwide. Hence, reliable and continuous monitoring of sudden occurrences of wildfire is demanded, and geostationary meteorological satellites are an alternative to detection of wildfire in large areas. We currently have two geostationary meteorological satellites for the Korean Peninsula: the Korean COMS(Communication, Ocean and Meteorological Satellite) and the Japanese MTSAT(Multifunctional Transport Satellite). However, neither of them provides satellite products for wildfire detection although the MODIS(Moderate Resolution Imaging Spectroradiometer) on polar-orbiting satellites has been operated for wildfire detection for a decade. In this study, we applied the MODIS algorithm for wildfire detection to the COMS and the MTSAT in order to evaluate the detection performances for South Korea. Both satellites were successful in detection of big fires, but the COMS was better in detecting small fires because of its higher saturation temperature of 350 K approx. at 4-μm band. The comparison results will be informative for an emergency plan of COMS and for the preparation of next-generation geostationary meteorological satellite.