AI approaches to retrieval of SMC using meteorological and satellite data
- Abstract
- 토양수분은 지구의 에너지수지와 지면-대기 상호작용에 관여하는 중요한 수문기상학적 인자이기 때문에 이러한 토양수분의 정확한 관측은 중요하다. 현재는 위성관측 및 과정기반 모형에서 정확도와 공간해상도문제가 있고 이를 해결하기 위해
통계기반의 연구가 진행되었지만 신경망, 기계학습에 문제가 발생해 딥러닝의 적용이 필요했고 딥러닝을 이용한 토양수분 산출이 최근 이루어지고 있지만 토양수분 산출에 필요한 최적 자료 구성 및 품질 개선과 모델의 최적화과정이 필요하다. 토양수분산출을 위한 최적의 입력자료를 구축하기 위하여 기존연구들에서 사용되는 변수뿐만 아니라, 에너지수지방정식의 요소인 현열, 지열, 잠열 플럭스와 순복사를 추가하고, 또한 우리나라 농지에 적합한 누적강수일수를 도출하여 추가하였다. 또한 딥러닝 모델 훈련과정에서 하이퍼 파라미터 설정을 최적화함으로써 가장 정확도 높은 결과를 산출하였다. 본 연구에서는 토양수분을 산출하기 위해 최적의 조합을 구축하고 4 가지 인공지능 인공지능기법에 적용하여 비교 검증을 수행하였다. 또한 우리나라 농지에 대한 토양수분함량을 산출하여 농림, 수문, 재해 분야에 대한 활용가능성을 확인했다. 향후 위성자료의 실시간 관측치가 아닌 모델자료의 예측자료를 활용하여 예측이 가능할 것으로 보인다.
- Issued Date
- 2019
- Awarded Date
- 2019. 2
- Type
- Dissertation
- Publisher
- 부경대학교
- Affiliation
- 부경대학교 대학원
- Department
- 대학원 지구환경시스템과학부공간정보시스템공학전공
- Advisor
- 이양원
- Table Of Contents
- CONTENTS
CONTENTS .................................................................... i
LIST OF FIGURES ....................................................... ii
LIST OF TABLES ........................................................ iv
LIST OF ACRONYMS ................................................. v
ABSTRACT .................................................................. vii
1. Introduction ............................................................. 1
2. Theoretical background .......................................... 5
2.1. MARS ............................................................................. 5
2.2. SVM ............................................................................... 8
2.3. RF ................................................................................. 10
2.4. DNN ............................................................................. 12
3. Study Area and Data ............................................. 15
3.1. Study Area .................................................................... 15
3.2. Data .............................................................................. 15
3.2.1. Aqua/MODIS Land Surface Temperature ........................ 16
3.2.2. COMS/GOCI Normalized Difference Vegetation Index . 16
3.2.3. Local Data Assimilation and Prediction System .............. 19
3.2.4. In-situ Soil Moisture measurement ................................... 21
3.2.5. Land Cover Classification ................................................. 22
4. Method .................................................................... 24
4.1. Data processiong .......................................................... 24
4.2. Validation method ........................................................ 31
4.3. DNN model optimization ............................................. 31
5. Results and Discussion .......................................... 33
6. Conclusions ............................................................ 48
7. References .............................................................. 50
- Degree
- Master
- Appears in Collections:
- 대학원 > 지구환경시스템과학부-공간정보시스템공학전공
- Files in This Item:
-
-
Download
AI approaches to retrieval of SMC using meteorological and satellite data.pdf
기타 데이터 / 2.67 MB / Adobe PDF
-
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.