Purpose: Fugitive dust at construction sites is a major air pollution source, but current water spraying relies on experience, causing uneven control. This study aims to propose a spatial monitoring approach based on soil moisture prediction. Method: UAV-based hyperspectral imagery and an ANN model were used to estimate soil water content, trained with field measurements and validated using 5-fold cross-validation. Result: The model showed high accuracy with an average R² of about 0.97, effectively identifying dry zones prone to dust generation. Conclusion: The proposed UAV–AI approach enables data-driven dust management and improves the limitations of conventional point-based methods..
한국어
연구목적: 비산먼지는 건설현장의 주요 대기오염원으로, 기존 살수 방식은 경험에 의존하여 공간적 저 감 불균형이 발생한다. 본 연구는 함수비의 공간적 예측을 기반으로 비산먼지 관리 모니터링 기법을 제 안하는 것을 목적으로 한다. 연구방법: UAV 기반 초분광 영상을 통해 건설현장의 공간 정보를 취득하 고, 현장 실측 함수비 데이터를 결합하여 ANN 기반 예측모델을 구축하였다. 모델 학습 과정에서는 다 양한 분광 특성과 함수비 간의 관계를 반영하였으며, 5-Fold 교차검증을 적용하여 모델의 일반화 성능 과 신뢰성을 평가하였다. 연구결과: 모델은 평균 결정계수(R²) 약 0.97의 높은 예측 정확도를 나타내었 으며, 실제 함수비와의 높은 상관성을 확인하였다. 또한 함수비의 공간 분포를 시각화함으로써 건조 구 간을 효과적으로 식별할 수 있었으며, 이는 비산먼지 발생 가능성이 높은 구역을 정량적으로 판단할 수 있음을 의미한다. 결론: 제안된 UAV–AI 기반 함수비 예측 기법은 기존 점측정 중심의 비산먼지 관리 방식과 달리, 공간 기반의 정밀한 관리가 가능하도록 한다. 이를 통해 살수 작업의 효율성과 정확도를 향상시킬 수 있으며, 향후 건설현장 환경관리의 데이터 기반 의사결정을 지원하는 실용적인 모니터링 도구로 활용될 수 있다.
목차
ABSTRACT 요약 서론 함수비 변화에 따른 비산먼지 발생 특성 함수비 예측모델 구축 방안 준비단계 실증단계 함수비 예측 알고리즘 개발 데이터 수집 ANN 모델 설계 및 알고리즘 도출 실증단계 함수비 예측모델의 적용성 및 성능평가 성능평가 방법 및 실험 구성 신뢰성 및 측정 시간 평가 비산먼지 및 살수 필요 지역 가시화 결론 Acknowledgement References