현재 위치
Home
Development of a Machine Learning-Based Soil Moisture Data Gap-Filling Model
머신러닝 기반 토양수분 자료 결측 보간 모형 개발
-
- 발행기관
- 위기관리 이론과 실천 바로가기
-
- 간행물
- 한국위기관리논집 KCI 등재 바로가기
-
- 통권
- 제21권 제12호 (2025.12)바로가기
-
- 페이지
- pp.105-116
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A482088
※ 기관로그인 시 무료 이용이 가능합니다.
4,300원
원문정보
초록
- 영어
- Soil moisture is a key variable governing drought onset and recovery and a critical link in the hydrological cycle connecting the atmosphere, land surface, and groundwater. Missing observations frequently occur in soil moisture monitoring systems due to meteorological and communication failures, limiting data usability. In this study, missing soil moisture data from monitoring systems in Haenam and Yesan were gap-filled by first correcting precipitation data and constructing five machine-learning training datasets using precipitation-based features. Model performance was evaluated using training, validation, and evaluation datasets. Results indicate that Training D and E datasets, incorporating lagged, accumulated, and time-series precipitation features, combined with the XGB algorithm, showed superior performance. The D– and E–XGB combinations also achieved high accuracy in the evaluation dataset, with the E–XGB model outperforming others in more cases. Therefore, the E-dataset XGB model is suitable for gap-filling 10- and 20-cm soil moisture data in the Haenam and Yesan regions.
- 한국어
- 토양수분은 가뭄 발생과 해소를 매개하는 핵심 인자로서, 대기-지표-지하수로 이어지는 수문순환의 연결 고리 역할을 한다. 이처럼 가뭄 연구 및 분석을 위한 토양수분 자료 관측 센서를 설치하여 측정하고 있으나, 기상 및 통신 장애로 결측이 발생하여 자료 활용에 불편함을 겪고 있다. 본 연구에서는 해남·예산 지역에 설치된 토양수분 모니터링 시스템의 토양수분 결측 자료를 보간하기 위하여 먼저 강수 자료를 보간하고, 강수 특징변수로 머신러닝의 학습자료를 5개로 구축하여 학습 및 평가자료 정확도 결과를 비교·분석하였다. 연구 결과, 지연, 누적, 시계열 특징변수로 구성한 D, E 학습자료 기반 머신러닝 모형이 훈련·검증자료 정확도가 우수하였다. 평가자료 정확도는 D, E 학습자료 기반 XGB 모형이 우수하였으나, E 학습자료 기반 XGB 모형은 다른 조합 대비 더 많은 경우에서 우수한 정확도를 보였다. 따라서 E 학습자료 기반 XGB 모형을 활용하여 해남·예산 지역에 설치된 토양수분 모니터링 시스템의 10·20cm 깊이 토양수분 결측 자료를 보간하는게 적절하다고 판단하였다.
목차
Abstract
1. 서론
2. 연구 방법
2.1 결측 강수 보간
2.2 머신러닝 방법론
3. 연구대상지 및 자료 구축
3.1 연구대상지 및 자료 수집
3.2 훈련자료 구축
3.3 검증자료 및 평가자료 구축
4. 모형 결과 분석
4.1 학습결과
4.2 평가 결과
4.3 보간 모형 적용
5. 결론
감사의 글
Reference
국문초록
키워드
가뭄 토양수분 강수 머신러닝 결측 보간 Drought Soil Moisture Precipitation Machine Learning Gap-Filling저자
간행물 정보
발행기관
-
- 발행기관명
- 위기관리 이론과 실천 [Crisis and Emergency Management: Theory and Praxis]
- 설립연도
- 2005
- 분야
- 사회과학>행정학
- 소개
- 위기관리 이론과 실천(Crisis and Emergency Management: Theory and Praxis; CEM-TP)은 위기관리에 관한 제 학문분야간 협동적 연구 공동체(Research Network)로서 전통적 안보 위기, 재난 위기(자연재난, 인위재난), 국가핵심기반 위기 등에 관한 제학문적 연구를 촉진하고 제 학문분야 연구자간 협력의 토대를 구축하기 위하여 위기관리 이론과 실천 편집위원회 구성이 완료된 2005년 2월 14일에 설립되었다. 현재 위기관리 이론과 실천(CEM-TP)에 참여하고 있는 연구자들의 학문 분야는 행정학, 사회학, 정치외교학, 신문방송학, 사회복지학, 법학, 심리학, 정보학, 지리학, 경찰행정학, 소방행정학, 경호학, 토목공학, 건축학, 의학, 간호학, 보건학, 기상학, 안전공학, 전산학, 지역개발학 등이 있으며, 따라서 한국의 위기관리 연구를 가장 폭 넓게 반영하고 있는 연구 공동체라 할 수 있다. 위기관리 이론과 실천(CEM-TP)의 조직으로는 편집위원회가 있으며, 편집위원회가 본 연구 공동체를 대표하고 있다. 따라서 위기관리 이론과 실천의 각종 연구 및 출판 활동은 편집위원회가 맡고 있으며, 현재 편집위원회는 46명의 위원으로 구성되어 있다. 또한 편집위원회는 위기관리의 제학문적 연구를 촉진하고 연구자간 협력을 위한 학술지로 <한국위기관리논집>을 발행한다. 위기관리 이론과 실천(CEM-TP)의 회원은 개인회원과 기관회원으로 구분된다. 개인회원은 본 회의 설립 목적과 취지에 찬동하는 위기관리 연구자 및 실무자로 구성되고, 기관회원은 위기관리 연구 및 실무에 관련된 정부기관, 연구기관, 대학도서관 등으로 구성된다
간행물
-
- 간행물명
- 한국위기관리논집 [Crisisonomy]
- 간기
- 월간
- pISSN
- 2466-1198
- eISSN
- 2466-1201
- 수록기간
- 2005~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 350 DDC 351
이 권호 내 다른 논문 / 한국위기관리논집 제21권 제12호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.