최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 공간 및 기상정보를 활용하여 양파 생산량을 예측하는 시계열 모형(STARMA, VAR, VAR-X)을 비교 분석하였다. VAR-X 모형이 가장 높은 예측 정확도를 보였으며, 특히 노지 양파의 경우 기상정보를 고려한 모형이 공간정보를 고려한 모형보다 우수했다. 다만, 전남 등 남부지역에서는 STARMA 모형의 적합도가 더 높게 나타나 지역별 특성을 고려한 예측 방법론의 필요성을 제시한다.
주요 채소류의 생산예측모형개발 : 마늘과 양파를 중심으로 = 마늘과 양파를 중심으로
원격탐사자료기반 한반도의 벼 생산성 예측
Towards Life Cycle Sustainability Management
Functional-structural plant modelling in crop production
Development and assessment of optimal methods for regional prediction with bias correction
경제성장률 단기예측 모형 : 베이지언 VAR 접근방식에 의한 예측
Spatial sector programming models in agriculture
Time series analysis with Python cookbook : practical recipes for exploratory data analysis, data preparation, forecasting, and model evaluation
처음 읽는 인공위성 원격탐사 이야기 : 경기 예측에서 기후변화 대응까지, 뉴 스페이스 시대의 인공위성 활용법
Trends and Advances in Information Systems and Technologies : Volume 3
Satellite rainfall applications for surface hydrology
Climate prediction and agriculture : advances and challenges
Physiological plant ecology
Physiological plant ecology I : responses to the physical environment
APCC MME 계절예측자료와 식물계절모형을 활용한 복숭아 만개기 예측모델개발
Practical business forecasting
양파 탠신황 품종의 재배 지역별 적응성 구명
스마트팜, 식물공장 도시농업 실태와 전망
마늘.양파의 생산 및 유통에관한 한.중 비교연구 =
Geostatistical applications for precision agriculture
응용통계연구
최성천; 백장선한국산학기술학회논문지
홍성민; 김종화응용통계연구
최성천, 백장선한국산학기술학회논문지
양성준; 김배성농촌지도와 개발
남국현; 최영찬응용통계연구
김준기, 최성천, 김재휘, 서홍석Korean Journal of Applied Statistics
Sungchun Choi; Jangsun BaekJournal of The Korean Data Analysis Society
강윤정, 나명환, 조완현, 고현석한국농림기상학회지
김재휘, 최성천, 김준기, 서홍석APPLIED SCIENCES-BASEL
Cho, Wanhyun; Na, Myung Hwan; Park, Yuha; Kim, Deok Hyeon; Cho, Yongbeen농촌경제
김지수, 김선웅한국농림기상학회지
김진희, 김대준, 서보훈, 김광수Journal of The Korean Data Analysis Society
강진호; Liu Zhuolin; 나명환식품유통연구
안병일산경연구논집
Ho해양비즈니스
남종오, 전용한대한원격탐사학회지
나상일, 박찬원, 소규호, 박재문, 이경도Journal of Agricultural Extension & Community Development
Kuk-Hyun Nam; Young-Chan Choe保定学院学报 / Journal of Baoding UNIVERSITY
王艳; Wang YanEconomic Affairs
CHELLAI FATIH; Soumik Ray; DrPradeep Mishra전선 / 대학원
지역별 자원부존량, 기후조건 등이 다르기 때문에 발생하는 작목별 생산의 지역적인 특화 그리고 지역간 농산물 및 생산요소의 이동 등을 고려한 지역경제발전 모형을 중점적으로 학습한다. 구체적으로는 공간균형모형을 바탕으로 하는 지역별 작목별 생산적정화 모형, 농산물 유통과 관련한 수송모형 등의 적용에 대해 연구한다.전선 / 대학원
농식품관련산업의 주요 이슈들에 대한 경제학적 실증 분석기법을 학습하고, 이를 실제 자료에 적용하여 동 분야의 실증적 연구 수행에 기초를 마련한다. 실증적인 연구 수행을 위하여 기존 발표 논문에 대한 체계적인 검토를 시도한다.전선 / 대학원
농식품산업 분야에서 핵심 기술로 부상하는 스마트팜과 관련된 경제 이슈를 다룬다. 스마트팜과 관련된 농식품 생산, 유통, 소비에 대해 학습한다. 이와 연계된 IT, BT 등 전·후방산업 비즈니스 현황을 파악하고 신부가가치를 창출하는 시야를 확보하게 한다. 나아가 환경, 생태 등 지속가능 개발을 위한 스마트팜의 공익적 기능에 대한 가능성도 함께 학습한다. .전선 / 대학원
한 지역에 대한 체계적이고 종합적인 이해는 본래 지리학이 추구해 온 목표였다. 이러한 목표를 이루기 위한 방법은 시대별, 지역별로 다소 상이한 형태를 띠며 발전해 왔다. 본 과목에서는 지역연구의 방법론이 전체 지리학의 발전과정 속에서 어떻게 변모해 왔는가를 고찰하고 각각의 방법론들이 지니는 장단점들을 파악해 봄으로써 지역연구의 새로운 방법론을 모색해 보는 데 주안점을 둔다.전선 / 대학원
급변하는 농식품산업 분야 경제 이슈를 실증적으로 다루기 위해 동태분석방법을 학습한다. 농식품산업은 해외시장 개방, 기후변화, 소비 트렌드 변화, 전·후방 산업과의 융·복합 등으로 시장 상황이 시시각각 변화하고 있다. 이에 기존 정태분석을 넘어 동태분석에 대한 이해와 응용이 필수적으로 요구된다. 본 과목은 다음과 같이 구성된다. 첫째, 농식품산업의 동태적 특성을 파악하기 위해 전통적 시계열 모형과 동태계획법을 적용한다. 둘째, 칼만 필터링(Kalman filterting), 베이지언 (Bayesian) 추론, 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션 등 예측 관련 최신 방법론을 학습한다. 셋째, 농식품산업 분야 정형 및 비정형 빅데이터를 활용한 데이터 마이닝, 신경망(neural network) 등 머신러닝(machine learning) 기법을 도입하여 동태분석의 틀을 확장한다.전선 / 대학원
농림기상 분야의 정보에 공간정보의 비중이 크다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 농림기상 분야의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 농림기상분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 적용 가능성과 방향을 고찰한다.전선 / 대학원
일변량 시계열자료의 분석을 위해 시간영역에서의 분석모형인 ARIMA 모형의 설정, 적합, 진단 및 예측 방법과 진동수 영역에서의 Spectral theory 이론을 학습하고 실제자료의 분석을 통해 모형을 수립하는 방법을 배운다.전선 / 대학원
ICT, 빅데이터 등 디지털 혁신 기술의 도입은 농식품산업의 디지털 전환(digital transformation)을 가속화하고 있다. 스마트팜, 푸드테크, 그린바이오 등 농식품산업 관련 신흥기술 이슈를 분석하기 위해서는 기존 정태 및 동태분석법을 넘어 정형 및 비정형 대용량 데이터 분석에 적합한 새로운 방법론을 학습할 필요가 있다. 이에 본 과목은 데이터마이닝, 기계학습, 프로세스 알고리즘 등을 포함한 최신 데이터사이언스 기법을 학습한다. 강의는 다음과 같이 구성된다. 첫째, 디지털 농식품산업의 동태적 변화를 실증적으로 파악하기 위해 선형 및 비선형 시계열 모형을 학습한다. 둘째, 베이지언(Bayesian) 통계에 기반한 칼만 필터링(Kalman filterting) 및 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션 등 최신 예측 방법론을 학습한다. 셋째, 빅데이터 마이닝, 머신러닝(machine learning), 인공신경망(artificial neural network) 관련 기초 이론을 학습하고 디지털 농식품산업 분야 경제 이슈에 적용한다.전선 / 대학원
본 교과목은 막대한 시공간적 데이터를 바탕으로 예측기법을 발전시킬 수 있는 머신 러닝 기법을 중심으로, 이에 대한 이론적 기반과 사례 연구를 계량지리학적 관점에서 이해하는 것을 목표로 한다. 통계학적 머신 러닝, 최적화, 사회 및 정보 네트워크 분석, 베이지안 모델링 등 관련된 다양한 분야에 대한 지리학 분야의 방법론과 적용 방안에 대해서 학습한다.전선 / 학사
작물 재배를 위한 환경은 작물의 생체 정보를 기반으로 조절된다. 작물의 생장 특성을 이해하고 환경 또는 생육 단계 변화에 따른 표현형 정보를 올바르게 계측하는 것은 작물 생산의 생력화, 자동화 및 최적화를 실현하기 위한 기초 작업이다. 본 교과목에서는 생장 지수, 기체 교환, 엽록소 형광 등의 식물 생장 지표를 소개하고, 사례연구를 통해 응용 방안에 대하여 논의함으로써 정밀농업 분야를 전공하고자 하는 학생들에게 기초 지식과 전망을 제시한다.전선 / 대학원
지역용수는 그 수요구조가 기존과 달리 매우 복잡하고 다양하게 변천되어 가고 있기 때문에 정확한 필요수량 산정이 필요하다. 따라서, 작물 생산과 생육에 필요한 토양의 물리성과 수분량의 원리를 기본으로 한 작물의 필요수량, 관개수량 계획, 관개수로 및 용수자원의 설계, 지표관개와 살수관개 및 마이크로관개의 최적조직설계, 잔디관개의 조직설계에 대하여 강의한다. 또한 조직설계가 물관리 측면에서 어떻게 운영되는가를 강의하기 위해 관개일정계획, 물관리 및 집중물관리 조직 운영 등에 대하여 강의 하고자 한다. 본 강좌는 강의 및 토론 중심으로 진행되며, 매주 과제중심의 report를 제출하도록 하여 강좌 내용에 대한 실제 응용력을 높이도록 한다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 대학원
지역 중소기업의 특성과 발전 방향을 데이터를 통해 파악하고, 이를 기반으로 비즈니스 전략을 세우는 방법을 다룬다. 먼저, 학생들은 지역 중소기업이 어떤 특성을 가지고 있으며, 각 지역별로 주요 기업이 어떻게 발전하고 있는지, 그리고 그 기업이 경제와 사회에 미치는 영향을 분석한다. 이를 통해 각 기업이 글로벌 시장과 어떻게 연계되어 있으며, 지역 기업 구조가 변화하는 과정에서 지역 혁신 클러스터가 어떤 역할을 하는지 이해할 수 있게 된다. 또한 이 교과목은 데이터사이언스에 필요한 분석 방법(회귀분석, 시계열분석, 빅데이터분석, 머신러닝, 딥러닝 등)을 가르친다. 학생들은 데이터를 수집하고 전처리하는 방법을 배우며, 통계 분석 도구와 소프트웨어(STATA, R, Python)를 사용해 데이터를 분석하고 시각화하는 방법을 익힌다. 이를 통해 실제 데이터를 기반으로 지역 중소기업의 경쟁력이나 성과를 평가하고, 예측 모델을 구축하는 실습을 진행한다. 수업의 중요한 부분은 데이터사이언스를 통해 도출된 결과를 바탕으로 지역 중소기업 비즈니스 전략을 수립하는 것이다. 학생들은 지역 중소기업 내에서 발생하는 문제를 해결할 수 있는 실질적인 전략을 세우는 연습을 하게 된다. 이러한 과정을 통해 데이터에 기반한 분석적 사고를 강화할 수 있다.전선 / 대학원
농경지를 구성하는 무기적 및 유기적 생태요소들을 분석하고 작물의 생육과 수량과의 관계를 평가한다. 작물군락에서의 생태환경의 변화와 에너지흐름을 추정하고 작물생산성의 효율성과 증대를 모형화한다. 경지의 유형과 종류에 따라 환경요소들을 제어하고 생산모형을 설정하고 환경보전형 경지 관리기술을 소개한다전선 / 대학원
농경지를 구성하는 무기적 및 유기적 생태요소들을 분석하고 작물의 생육과 수량과의 관계를 평가한다. 작물군락에서의 생태환경의 변화와 에너지흐름을 추정하고 작물생산성의 효율성과 증대를 모형화한다. 경지의 유형과 종류에 따라 환경요소들을 제어하고 생산모형을 설정하고 환경보전형 경지 관리기술을 소개한다전선 / 대학원
대상지의 환경 상태를 과학적으로 진단하고 정확하게 평가하는 것은 더 나은 환경계획 수립을 위한 선결조건이다. 최근에는 다양한 환경모니터링 기술의 발전과 함께, 보다 높은 시공간적 스케일에서 양질의 환경자료를 보다 효율적으로 취득하는 것이 가능해지고 있다. 또한 다양한 환경분야에서 서로 다른 목적과 강도로 수집된 자료들 또한 빅데이터 기술을 통해 융합, 분석됨으로써 환경평가에 활용하는 것이 기대되고 있다. 본 수업에서는 이러한 생태환경을 구성하는 다양한 생물적, 비생물적 인자들에 대한 모니터링 방법론과 기술들을 소개하고, 워크숍을 통해 그 효용성과 한계를 토론하는 시간을 가진다. 이를 통해 수강자들은 환경자료에 대한 이해를 높이며, 이를 바탕으로 보다 합리적인 환경평가방법을 고민하게 된다.전선 / 대학원
조경계획 및 설계는 대상지의 자연환경 및 사회경제적 특성과 관련된 각종 자료의 수집 및 분석을 필요로 한다. 근래의 대규모 신도시, 산업단지, 사회간접자본시설 개발사업은 경관생태학적 분석기법을 필요로 한다. 따라서 본 과목은 현지조사와 원격탐사를 이용하여 자연환경 자료를 수집하고, GIS를 이용하여 합리적인 의사결정에 도달하는 데 필요한 공간정보를 분석기법을 연구하는 것이다. 본 과목의 전반부는 원격탐사를 이용하여 자연환경 정보를 수집하는 방법을 연구하며, 후반부에는 GIS를 이용한 공간정보 분석기법을 연구한다.전선 / 대학원
본 교과목에서는 계량경제분석기법(Econometrics)을 사용하여 기술 및 재료의 선택과 인력 및 자본의 배분 등 산업의 경제활동과 의사결정과정의 분석 및 예측기법을 학습하는 과목이다. 다양한 생산함수모형(flexible function form)을 사용하여 요소간 대체관계(substitution)를 분석하며 시계열분석 및 동적최적화(dynamic optimization)기법을 사용하여 외부변화에 대한 산업 및 기업의 대응방법에 대하여 분석한다. 또한 TSP, GAUSS 등 계량경제 프로그램을 사용한 실증분석을 병행한다.전선 / 대학원
경제학 기본이론, 농산물 가격론, 생산경제학, 통계학, 경제수학 등을 응용하여 농업경제 현상에 관련된 경제변수들의 관계를 추정하고 예측하는 방법을 익힌다. 주로 시계열 분석 방법을 다루며, 자기회귀모형, 이동평균모형, 벡터자기회귀모형, 단위근검정, 조건부 분산의 자기회귀, 공적분모형, 오차수정모형 등을 학습한다.전선 / 대학원
본 과목에서는 원예 작물생산에 관련된 생육 모델링 및 시뮬레이션에 관한 내용을 다룬다. 구체적으로는 다양한 모델링 및 시뮬레이션 기법, 조직배양시스템으로부터 밀폐생태계 식물생산시스템에 있어서의 환경요인과 식물생육과의 관계 정량화, 원예작물의 생육 및 양분 모델링, 데이터 분석기법, 유용한 소프트웨어 운용방법, 다양한 지식공학적 수법의 이용방법에 관하여 연구한다.