최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 식생 모니터링을 위해 다중 위성자료의 시공간 융합 모델인 STARFM과 ESTARFM의 예측 정확도를 비교 분석하였다. 실험 결과, ESTARFM이 STARFM보다 시계열 변화 정보 예측 정확성이 높았으나, 예측 시기와 위성자료 획득 시기 차이가 클수록 정확도가 저하되었다. 따라서 예측 정확도 향상을 위해 예측 시기와 가까운 시기의 위성자료를 활용하고, 광학 영상의 제한점을 고려한 개선된 시공간 융합 모델 개발이 필요하다.
Innovations in remote sensing and photogrammetry
Advances in citrus nutrition
Statistics for spatio-temporal data
Dynamic meteorology : data assimilation methods
Digital Ecosystem for Innovation in Agriculture
Geostatistical applications for precision agriculture
Spatiotemporal Processes of Plant Phenology : Simulation and Prediction
Scale in remote sensing and GIS
Multi-agent visual-SLAM algorithms on autonomous robots : multi-robot mapping
Soil and Crop Sensing for Precision Crop Production
The European information society : taking geoinformation science one step further
Satellite rainfall applications for surface hydrology
geoENV IV: geostatics for environmental applications : proceedings of the Fourth European Conference on Geostatistics for Environmental Applications held in Barcelona, Spain, November 27-29, 2002
Computer assisted vegetation analysis
인공위성자료를 이용한 도시확장에 따른 도시 ?V교림의 식생지수 변화분석 : 1999
Statistical methods in spatial epidemiology
Advances in spatial data handling : geophysical dynamics, geosimulation and exploratory visualization
Use of satellite and in-situ data to improve sustainability
GeoDynamics
Quality aspects in spatial data mining
International Journal of Applied Earth Observation and Geoinformation
Zhang X.,Gao F.,Wang J.,Ye Y.대한원격탐사학회지
박소연; 김예슬; 나상일; 박노욱대한원격탐사학회지
김예슬, 이광재, 이선구Remote Sensing
Kim Y.,Kyriakidis P.C.,Park N.W.Korean Journal of Remote Sensing
Park, S.; Kim, Y.; Park, N.-W.; Na, S.-I.Remote Sensing
Hu Y.,Wang H.,Niu X.,Shao W.,Yang Y.IEEE Geoscience and Remote Sensing Magazine, Geoscience and Remote Sensing Magazine, IEEE, IEEE Geosci. Remote Sens. Mag.
Gao, F.; Hilker, T.; Zhu, X.; Anderson, M.; Masek, J.; Wang, P.; Yang, Y.Geocarto International
Oldoni L.V.,Mercante E.,Antunes J.F.G.,Cattani C.E.V.,Silva Junior C.A.d.,Caon I.L.,Prudente V.H.R.Forests
Park, Sang-Jin; Jeong, Seung-Gyu; Park, Yong; Kim, Sang-Hyuk; Lee, Dong-Kun; Mo, Yong-Won; Jang, Dong-Seok; Park, Kyung-MinInternational Journal of Applied Earth Observation and Geoinformation
Ghosh R.,Gupta P.K.,Tolpekin V.,Srivastav S.K.대한원격탐사학회지
Jin, Yihua; Zhu, Jingrong; Sung, Sunyong; Lee, Dong KunInternational Journal of Applied Earth Observation and Geoinformation
Sisheber B.,Marshall M.,Ayalew D.,Nelson A.ISPRS International Journal of Geo-Information
Guo Y.,Wang C.,Lei S.,Yang J.,Zhao Y.Agronomy
He P.,Yang F.,Bi R.,Xu L.,Wang J.,Zheng X.,Abudukade S.,Wang W.,Cui Z.,Tan Q.Ecological Indicators
Zhou Y.,Liu T.,Batelaan O.,Duan L.,Wang Y.,Li X.,Li M.International Journal of Applied Earth Observation and Geoinformation
Tao G.,Jia K.,Wei X.,Xia M.,Wang B.,Xie X.,Jiang B.,Yao Y.,Zhang X.Remote Sensing
Guan H.,Su Y.,Hu T.,Chen J.,Guo Q.Science of the Total Environment
Wang C.,He T.,Song D.X.,Zhang L.,Zhu P.,Man Y.International Journal of Applied Earth Observation & Geoinformation
Dong, Taifeng; Liu, Jiangui; Qian, Budong; Zhao, Ting; Jing, Qi; Geng, Xiaoyuan; Wang, Jinfei; Huffman, Ted; Shang, JialiInternational Journal of Applied Earth Observation and Geoinformation
Qiu Y.,Zhou J.,Chen J.,Chen X.전선 / 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
시간과 장소는 사람과 함께 역학의 3요소이지만 상대적으로 덜 주목받아왔다. 2000년부터 2010년까지 주요 역학저널 7종에 실린 논문 중 공간 요소를 제대로 분석한 논문은 약 1%에 지나지 않았다. 최근 지리정보시스템(GIS)의 발전과 소지역 건강정보 제공에 따라 관련 역학 연구가 늘어나고 있다. 본 과목에서는 QGIS 및 R과 같은 오픈소스 소프트웨어를 이용해 건강행동과 질병의 분포를 시각화하고, 시공간상관을 고려한 군집분석과 회귀분석을 수행하며, 지역사회개입의 효과를 평가해보고자 한다.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 / 학사
위성관측의 발달은 기상학과 기후학 분야에서 괄목할 만한 활용의 증대를 가져왔다. 위성자료는 자료동화를 통해 수치예보의 성능을 좌우하는 가장 중요한 요소로 대두되었다. 또한 장기간 위성관측 자료는 대기물리과정, 기후/환경변화 감시, 기후모델의 검증과 이해 등 기후변화연구에서 필요불가결한 부분이 되고 있다. 이 강의에서는 인공위성 관측이 어떻게 이루어지며, 기상/기후분야에서 어떠한 활용이 이루어지고 있는지에 초점을 맞추어 진행한다.전선 / 대학원
디지털 영상 처리 및 분류를 통한 원격탐사 위성영상으로부터 추출 가능한 지리정보의 효과적인 판독 및 분류 기법을 습득하고 실제 실험 프로젝트를 통하여 위성영상의 판독 능력을 배양한다.전선 / 대학원
원격탐사는 오랜 시간에 걸쳐 농업생태계 연구에 활용되어 온 도구 중 하나로서, 최근 시공간적 해상도와 분광능에 있어서 큰 발전을 이뤄왔으며, 이러한 최신 기술을 잘 이해하고 활용하는 것은 작물 육종 및 표현형 정량화를 효과적으로 지원하고, 스마트 농업, 디지털 농업 등 미래의 농업을 지원하기 위해 필수적이다. 과목 전반에 걸쳐 가시광선부터 극초단파에 이르기까지 다양한 파장대별 원격탐사 기술을 소개하고, 위성 원격탐사로부터의 핵심 변수 추정 및 검증을 함께 논의하고 더 나아가 원격탐사 기술이 실제 작물 표현형 정량화, 육종 지원, 디지털 농업 등 농업 지원과 농업 연구에 어떻게 활용될 수 있는지 논의한다.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
본 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA, 전사인자 타겟 예측 등), (6) 다양한 바이오리소스 및 활용방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 학사
농업생태계 연구에 활용되어 온 원격탐사의 최신 기술을 이해하고 활용하는 것은 작물 육종 및 표현형 정량화를 효과적으로 지원하고, 스마트 농업, 디지털 농업 등 미래의 농업을 지원하기 위해 필수적임. 과목 전반에 걸쳐 가시광선부터 극초단파에 이르기까지 다양한 파장대별 원격탐사 기술을 소개하고, 실제 작물 표현형 정량화, 육종 지원, 디지털 농업 등 농업 지원과 농업 연구에서의 활용을 논의함. 학생들은 원격탐사의 활용을 이해하고 관련 기술에 대한 지식을 쌓을 수 있음.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
광범위한 산림자원과 경관의 관리를 위해서 공간정보를 이용할 수 있다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 산림경관의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 산림 분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 산림 분야 적용 가능성과 방향을 고찰한다.전선 / 학사
이 과목은 시공간 좌표체계에서 측정된 사회와 자연현상의 데이터 사이언스 분석기법을 다룬다. 지리학의 제 분야에서 다루는 정보를 정량적 분석이라는 맥락에서 “공간정보분석 1, 2”의 선행과목을 이수한 학생을 대상으로 한다. 시공간 자료구조, 시계열 모형, 공간모형의 이론을 고찰하고 머신러닝 알고리즘과 지리정보시스템을 플랫폼으로 실제 사례분석을 연습한다.전선 / 대학원
통계적인 자료분석 기법들-EOF(empirical orthogonal function), CSEOF(cyclostationary EOF), CEOF(complex EOF), EEOF(extended EOF), POP(principal orthogonal patterns)분석, 시계열분석 및 웨이브블렛분석, 수학적, 통계적 이론을 배운다. 이론에 근거한 분석 프로그램을 이용하여 지구과학 연구에 쓰이는 자료를 분석하고 해석하는 능력을 배양한다. 강의실에서 실제로 프로그램을 수행하고 그 결과를 분석하고 해석하는 실질적인 강의를 구현하여 대학원생들의 연구 능력을 향상한다.전선 / 대학원
지상촬영 위성 센서를 중심으로 그 활용범위를 살펴보고 실제로 컴퓨터처리 과정을 통하여 토지이용 분류, 삼림, 토질조사, 농업 등에의 활용능력을 배양한다.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
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전필 / 학사
지역시스템공학분야에서 지리정보시스템과 인공위성 영상은 농촌지역의 자연자원의 보존과 개발, 설계에 활용이 증가되고 있다. 이에 지역시스템공학도로서 지리정보시스템을 사용할 수 있고 인공위성 영상을 처리하여 업무에 활용할 수 있는 능력의 배양이 필요하다. 본 교과목에서는 지리정보시스템의 개요와 기능, 활용 방법 등에 대하여 강의하며 인공위성 영상의 획득과 처리, 활용 방법에 대하여 강의한다.전선 / 대학원
대기과학연구에 필수적으로 이용되는 대기 전지구 모델 및 일기예보 모델의 근간을 구성하는 대기역학 코어 및 자료동화 시스템에 이용되는 다양한 수치적인 방법들을 공부한다. 실습시간에는 실제 현업 모델 혹은 단순화된 현업 모델을 이용하여, 대기역학 코어 및 자료동화 시스템이 실제 기상현상의 수치모의에 있어 어떻게 이용되는지 연습할 수 있는 기회를 갖는다.전선 / 대학원
본 교과목에서는 식물병생태모델링에 대한 충분한 이해를 바탕으로 식물병생태학과 응용 연구에 대한 심화 내용을 학습한다. 특히 생태모델링에 필수적인 데이터 분석 및 활용, 환경/기주/병원균의 시공간적 상호작용에 대한 논리적 단순화, 주요 메커니즘에 대한 이론적 해석, 시뮬레이션을 통한 모델링 구현에 대한 체계적인 학습과 그룹 토의를 통해 기존의 역학이론의 한계와 해결책을 함께 고찰하고자 한다. 공통된 연구주제를 대상으로 다양한 도구와 프로그램을 활용해 최종 연구결과를 도출하고 분석하는 방식으로 식물병생태학 원리로부터 의미있는 응용 사례를 도출하고자 한다. 원활한 강의를 위해 식물병리학에 대한 기본 지식을 가지고, 식물병역학과 식물병생태모델링을 수강한 학생들을 대상으로 한다.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. .