PURPOSES : The aim of this study is to develop a road fog information system based on the geostationary meteorological satellite (GK2A) for road weather services on highways. METHODS : Three threshold values sensitive to fog intensity in the GK2A fog algorithm were optimized using multi-class receiver operating characteristic analysis to produce road fog information depending on day and night. The developed a GK2A road fog algorithm that can detect three levels of road fog based on the visibility distance criteria (1km, 500m, and 200m). Furthermore, the GK2A road fog product was not only substituted with visibility objective analysis data in unknown and cloud-covered areas of satellite data, but also integrated with visibility distance data obtained from visibility gauges and CCTV image analysis to improve the accuracy of road fog information. RESULTS : The developed road fog algorithm based on meteorological satellite data provides real-time road fog information categorized into three levels (attention, caution, and danger) based on the visibility distance, with a spatial resolution of 1km × 1km and temporal resolution of 5 minutes. The road fog algorithm successfully detected road fog in five out of seven fog-related traffic accidents reported by Korean media outlets from 2020 to 2022, resulting in a detection success rate of 71.4%. The Korea Meteorological Administration is currently in the process of installing additional visibility gauges on 26 highways until 2025, and the next high-resolution meteorological satellite (GK5) is planned to be launched in 2031. We look forward to significantly improving the accuracy of the road fog hazard information service in the near future. CONCLUSIONS : The road fog information test service was initiated on the middle inner highway on July 27, 2023, and this service is accessible to all T-map and Kakao-map users through car navigation systems free of charge. After 2025, all drivers on the 26 Korean highways will have access to real-time road fog information services through their navigation systems.

겨울철 국내 도로 결빙으로 인한 교통사고가 증가하는 추세를 보이고 있으며 2018년~2022년까지 총 4,609건의 결빙 교통사고가 발 생하였다. 결빙 교통사고의 치사율은 2.3으로 일반적인 교통사고와 비교하여 높은 치사율을 보이며 최근 5년(2018~2022)동안 결빙 교 통사고로 인하여 107명이 사망자와 7,728명의 부상자가 발생하였다. 현재 국토교통부에서 제시한 결빙 취약구간 평가기준표에 따라 결 빙 위험 구간을 지정하고 있으나, 해당 기준은 결빙의 주요 요인으로 고려되는 기상조건을 충분히 반영하지 못하고 있다. 도로 결빙은 노면온도가 0℃ 이하이며 노면에 수분이 공급될 때 형성되며 기온, 구름량, 풍속, 풍향, 상대습도, 강수량 등의 기상인자들이 복합적으 로 작용하여 결빙이 발생한다는 점을 고려하였을 때, 기상 특성은 도로 결빙의 주요 인자로 판단된다. 따라서 국내 결빙 취약구간 평 가기준의 개선이 필요하며 본 연구의 목적은 국내 결빙 교통사고 데이터를 분석하고 결빙이 형성되는 기상 조건을 구체화하는 것이다. 분석을 위한 데이터로 2018년~2022년까지 5년동안 발생한 결빙사고 사례와 기상청 방재기상관측소(AWS)에서 제공하는 기상 데이터 를 적용하였다. 이후, 박스도표, 확률밀도함수 등의 통계분석을 적용하여 결빙 형성 기상 조건을 구체화하였다. 이를 통하여 기존 결빙 취약구간 평가기준의 기상학적 개선 방향성을 제시할 수 있으며 더 나아가 도로 결빙 예측 로직 개발을 기대할 수 있다.

본 연구는 남북한 공영방송국의 날씨방송 영상을 비교·분석하기 위한 연구이다. 이를 위하여 먼저 날씨방송을 이론적으로 고찰하고, 지난 1년 간 우리나라 공영방송인 KBS 뉴스의 날씨방송과 북한 공영방송인 조선중앙TV 뉴스의 날씨방송을 연구 대상으로 삼아, 영상구성과 의미연결망분석을 실시하 였다. 결과는 다음과 같았다. 첫째, 우리나라 날씨방송은 북한 날씨방송에 비 하여 약 3배 정도 짧게 구성되었다. 둘째, 우리나라 날씨방송은 ‘기온’, ‘서울’ 등이 의미연결망의 중심부에 있었고, 북한 날씨방송은 ‘지역’, ‘기온’이 의미 연결망 중심부에 있었다. 셋째, 우리나라 날씨방송이 전달하는 날씨 건강주의 정보는 ‘대기질’이었고, 북한은 ‘지자기’로 분석되었다. 이를 통하여 우리나라 날씨방송은 그 길이가 짧고 주요도시를 중심으로 한 빠른 전개가 특징이었던 반면, 북한 날씨방송은 그 길이가 길고 지역을 중심으로 한 느린 전개가 특징 이었다. 또한 건강주의 정보로 우리나라는 미세먼지 등 대기질 정보를 건강주 의 정보로 전달하는 반면, 북한은 협심증, 고혈압 등 순환기질병 지자기 정보 를 건강주의 정보로 전달하고 있었다. 끝으로 본 연구는 기후변화 및 기후위 기의 시대에 들어, 한반도를 공유하고 있는 남북한 공영방송국의 날씨방송이, 향후 어떤 지점을 어떻게 교류·개선할 수 있는지 추가적인 논의체계가 필요할 수 있다는 점을 밝히며 본 연구를 마쳤다.

PURPOSES : LED based Variable Message Signs(VMS) have been widely used to inform safety messages to the drivers in advance. Legibility Distance of VMS is the most important factor to provide the safety messages to drivers in timely and effective way. However, current National Standards on legibility distance design considers letter size only even there is a difficulty to read the signs at adverse weather conditions such as heavy fog. So, this study examined the legibility issue under fog by evaluating the legibility distance with two design factors such as letter size and luminance. METHODS : Two foggy weather conditions, intermediate and heavy fog, were simulated at real-road-scale Proving Ground. Legibility distance at daytime and nighttime was evaluated by test subjects. Subjects were asked to fill the legible distance on the test sheet and statistical significant was analysed at the lab. RESULTS : The legibility distance(LD) under fog was observed only 22 to 41% of LD observed under normal weather condition at daytime, and 26 to 45% at nighttime condition. Study results showed a consistent increase in LD with higher luminance even at same letter size and vice versa conditions, However, statically significant difference between groups was only revealed when both letter size and luminance level increased conditions. In order to apply the test results in terms of engineering benefits, LD results from significantly different groups was evaluated with relative to Stopping Sight Distance(SSD) within conceptual frame suggested in this study. CONCLUSIONS : From the study results, current National Standard on legibility distance design needs to consider letter size and luminance simultaneously to response the legibility issue in adverse weather conditions.

In this study, we focus on the improvement of data quality transmitted from a weather buoy that guides a route of ships. The buoy has an Internet-of-Thing (IoT) including sensors to collect meteorological data and the buoy’s status, and it also has a wireless communication device to send them to the central database in a ground control center and ships nearby. The time interval of data collected by the sensor is irregular, and fault data is often detected. Therefore, this study provides a framework to improve data quality using machine learning models. The normal data pattern is trained by machine learning models, and the trained models detect the fault data from the collected data set of the sensor and adjust them. For determining fault data, interquartile range (IQR) removes the value outside the outlier, and an NGBoost algorithm removes the data above the upper bound and below the lower bound. The removed data is interpolated using NGBoost or long-short term memory (LSTM) algorithm. The performance of the suggested process is evaluated by actual weather buoy data from Korea to improve the quality of ‘AIR_TEMPERATURE’ data by using other data from the same buoy. The performance of our proposed framework has been validated through computational experiments based on real-world data, confirming its suitability for practical applications in real- world scenarios.

Recently, the importance of impact-based forecasting has increased along with the socio-economic impact of severe weather have emerged. As news articles contain unconstructed information closely related to the people’s life, this study developed and evaluated a binary classification algorithm about snowfall damage information by using media articles text mining. We collected news articles during 2009 to 2021 which containing ‘heavy snow’ in its body context and labelled whether each article correspond to specific damage fields such as car accident. To develop a classifier, we proposed a probability-based classifier based on the ratio of the two conditional probabilities, which is defined as I/O Ratio in this study. During the construction process, we also adopted the n-gram approach to consider contextual meaning of each keyword. The accuracy of the classifier was 75%, supporting the possibility of application of news big data to the impact-based forecasting. We expect the performance of the classifier will be improve in the further research as the various training data is accumulated. The result of this study can be readily expanded by applying the same methodology to other disasters in the future. Furthermore, the result of this study can reduce social and economic damage of high impact weather by supporting the establishment of an integrated meteorological decision support system.

This study was conducted with the aim of confirming the impact and relative contribution of extreme weather to dry matter yield (DMY) of silage corn in the central inland region of Korea. The corn data (n=1,812) were obtained from various reports on the new variety of adaptability experiments conducted by the Rural Development Administration from 1978 to 2017. As for the weather variables, mean aerial temperature, accumulated precipitation, maximum wind speed, and sunshine duration, were collected from the Korean Meteorological Administration. The extreme weather was detected by the box plot, the DMY comparison was carried out by the t-test with a 5% significance level, and the relative contribution was estimated by R2 change in multiple regression modeling. The DMY of silage corn was reduced predominantly during the monsoon in summer and autumn, with DMY damage measuring 1,500-2,500 kg/ha and 1,800 kg/ha, respectively. Moreover, the relative contribution of the damage during the monsoons in summer and autumn was 40% and 60%, respectively. Therefore, the impact of autumn monsoon season should be taken into consideration when harvesting silage corn after late August. This study evaluated the effect of extreme weather on the yield damage of silage corn in Korea and estimated the relative contribution of this damage for the first time.

We present a novel method that can enhance the detection success rate of interstellar objects. Interstellarobjects are objects that are not gravitationally bound to our solar system and thus are believed to haveoriginated from other planetary systems. Since the nding of two interstellar objects, 1l/`Oumuamua in2017 and 2l/Borisov in 2019, much attention has been paid to nding new interstellar objects. In thispaper, we propose the use of Heliospheric Imagers (HIs) for the survey of interstellar objects. In particular,we show HI data taken from Solar TErrestrial RElation Observatory/Sun Earth Connection Coronal andHeliospheric Investigation and demonstrate their ability to detect `Oumuamua-like interstellar objects. HIs are designed to monitor and study space weather by observing the solar wind traveling throughinterplanetary space. HIs provide the day-side observations and thus it can dramatically enlarge theobservable sky range when combined with the traditional night-side observations. In this paper, we rstreview previous methods for detecting interstellar objects and demonstrate that HIs can be used for thesurvey of interstellar objects.

Ship collision accidents not only endanger the safety of ships and personnel, but also may cause serious marine environmental pollution. To solve this problem, advanced technologies have been developed and applied in the field of intelligent ships in recent years. In this paper, a novel path planning algorithm is proposed based on particle swarm optimization (PSO) to construct a decision-making system for ship's autonomous collision avoidance using the process analysis which combines with the ship encounter situation and the decision-making method based on ship collision avoidance responsibility. This algorithm is designed to avoid both static and dynamic obstacles by judging the collision risk considering bad weather conditions by using BP neural network. When the two ships enter a certain distance, the optimal collision avoidance course and speed of the ship are obtained through the improved collision avoidance decision-making method. Finally, through MATLAB and Visual C++ platform simulations, the results show that the ship collision avoidance decision-making scheme can obtain reasonable optimal collision avoidance speed and course, which can ensure the safety of ship path planning and reduce energy consumption.

본 연구는 우리나라에서 수수-수단그라스 교잡종 (sorghum bicolor L.: SSH)에 대해 극단기상과 정상기상 간 생산량을 비교할 목적으로 수행하였다. SSH 데이터 (n=1,025)는 농촌진흥청의 신품종 적응성 실험보고서(1979 ―2019)로부터 수집하였다. 기상자료는 기상청으로부터 평균기온, 최저기온, 최고기온, 최대 강수량, 누적 강수량, 최대풍속, 평균풍속 및 일조시간을 10일 기준으로 계산하 여 수집하였다. 극단기상과 정상기상 간 구별을 위해 상 자 그림을 이용하여 탐색하였다. 극단기상과 정상기상 간 생산량 차이는 5% 유의수준 하에서 t-검정 및 ANOVA를 통해 확인하였다. 그 결과, 극단기상은 극단적으로 강한 바람을 동반한 봄 가뭄, 극단적으로 높은 강우량을 기록 하는 여름장마와 가을장마가 두드러졌다. 예측 생산량 피 해(kg/ha)는 각각 1,961―6,541, 2,161―4,526 및 508― 5,582로 나타났다. 본 연구는 우리나라의 SSH에 대한 취 약성 및 피해 산정에 도움이 되는 기초자료로서 극단기상 과 정상기상 사이의 생산량 차이를 확인하는 데 의의가 있다.

항공기는 대표적인 인간-기계시스템이다. 인간의 조작과 기계의 작동 완료 시점 사이에는 기계가 작동되기 시작하 는 시간과 기계에 힘이 전달되기 시작하여 완료되는 시간 등의 지연이 발생하며 항공기 조종은 시스템의 지연을 예 측한 타이밍 작업을 통해 이루어진다. 시간지각은 타이밍 작업의 중요한 요소이며, 높은 각성작용과 관련된 불안에 영향을 받는 것으로 알려져 있다. 본 연구는 가상현실 환경에서 현직 조종사를 대상으로 기상, 비행 및 시간 조건이 조종사에게 발생하는 불안과 시간지각에 미치는 영향을 검증하였다. 기상조건은 시계비행 기상 상황과 악기상 상황 으로 구분하였고 비행 및 시간 조건을 달리하여 실험 1, 2를 실시하였다. 실험 1은 비교적 운동량의 변화가 적고 지연이 적은 제자리비행과 수평비행 상황에서 조종간에 추가된 버튼을 사용하여 시간지각을 측정하였다. 실험 2는 운동량의 변화가 많고 지연이 많이 발생하는 이륙상황에서 조종간만을 사용하게 하여 자연스럽게 헬리콥터를 이륙 시키는 과정에서 시간지각을 측정하였다. 실험결과 악기상 상황에서 불안과 심박수가 증가하는 것으로 나타났으며, 특히 실험 1, 2의 모든 비행조건 중 불안이 증가한 상황에서 시간을 과대 추정하는 것으로 나타났다. 이 결과는 불안 의 영향으로 시간을 과대 추정하여 타이밍 작업을 실패할 수 있으며, 이로 인해 조종에 어려움을 겪고 사고로 연결될 가능성이 있음을 시사한다.

This study aimed to investigate the impacts of extreme weather on the dry matter yield (DMY) of silage maize in South Korea. The maize data (n=3,041) were collected from various reports of the new variety of adaptability experiments by the Rural Development Administration (1978-2017). Eight weather variables were collected: mean temperature, low temperature, high temperature, maximum precipitation, accumulated precipitation, maximum wind speed, mean wind speed, and sunshine duration. These variables were calculated based on ten days within seeding to harvesting period. The box plot detected an outlier to distinguish extreme weather from normal weather. The difference in DMY between extreme and normal weather was determined using a t-test with a 5% significance level. As a result, outliers of high-extreme precipitation were observed in July and August. Low-extreme mean temperature was remarkable in middle May, middle June, and late July. Moreover, the difference in DMY between extreme and normal weather was greatest (5,597.76 kg/ha) during the maximum precipitation in early July. This indicates that the impact of heavy rainfall during the Korean monsoon season was fatal to the DMY of silage maize. However, in this study, the frequency of extreme weather was too low and should not be generalize. Thus, in the future, we plan to compare DMY with statistical simulations based on extreme distributions.

본 연구에는 가뭄의 유발 요인으로 강수량, 기온, 상대습도 등의 기상현상을 활용하고 가뭄 피해로 인한 대응 요소로서 대체수원, 제한급수, 운반급수 등의 비상급수를 적용하여 AI기반 가뭄 대응 정보 구축 방안을 구성하였다. AI 머신 러닝 기법 중 널리 사용되는 의사결정나무 모형을 통하여 예측 기법을 수립하였다. 연구 대상 지역은 비상급수 활용 빈도가 높고 종관기상관측소가 존재하는 충주시, 안동시, 의성군을 선정하였다. 자료 기간은 2014년부터 2019년까지의 자료를 이용하였으며, 가뭄 유발 기상요인으로 ASOS의 강수량 및 기온, 습도를 이용하고 가뭄 피해 요소로 국가 가뭄정보 포털의 비상급수 현황 자료를 활용하였다. 모형 학습 결과 정확도가 약 0.97, F1-Score가 약 0.5로 나왔으며, 이는 비상급수가 필요한 상황과 그렇지 않은 상황을 97%의 확률로 예측할 수 있음을 의미하며, 비상급수가 필요했던 표본만을 대상으로 했을 경우 약 50%의 확률로 예측이 가능한 것을 의미한다. 따라서 의사결정나무 모형을 적용하여 예측 정확도를 분석한 결과 가뭄 대응 비상급수 준비지역 예측을 위한 적용성이 높은 것으로 평가되었다. 그러나 본 연구에서는 기상 조건만을 가뭄 유발 요인으로 반영하였기 때문에, 공급수량 부족 등의 요인을 추가적으로 검토할 필요가 있으므로 가뭄과 연관된 요소인 저수지 용량 등을 추가하고 비상급수 이외의 피해 요소 역시 확장하여 연구를 개선하고자 한다.