Earticle

전력 에너지 분야에 블록체인 기술이 적용되면 복잡한 거래절차가 단순화되고, 정산의 실시간성과 편리성이 확대될 수 있다. 그에 더하여, 거래 참여에 대한 인증 절차가 블록체인을 통해 간소화될 수 있다. 이러한 장점은 프로슈머들 로 하여금 참여에 대한 흥미를 불러올 수 있으며, 작은 단위의 잉여전력도 판매할 수 있어 탄소배출 절감하는 데 도 움이 된다. 하지만 앞서 언급한 새로운 비즈니스에 적용될 전력 데이터를 저장할 때 이더리움 블록체인의 성능 향상 은 반드시 필요하다. 본 연구에서는 이더리움의 저장공간을 효율적으로 활용할 수 있는 전력 데이터의 수직 결합기 법을 제안하고, 성능 실험을 통해 사용 수수료인 가스(Gas)가 최대 7.8배 이상 절감되는 것을 확인하였다.

When blockchain technology is applied to the power and energy field, complex transaction procedures can be simplified and the real-time and convenient settlement of accounts can be expanded. In addition, the authentication process for trading participation can be simplified through blockchain. These advantages can arouse interest in participation by prosumers and can be expected to help reduce carbon emissions as small units of surplus power can be sold. However, it is essential to improve the performance of the Ethereum blockchain when storing power data for the this new business. In this study, we propose a method of vertical merging power data that efficiently utilizes the storage space of Ethereum. Our experimental results show that the gas which is usage fee, is reduced by up to 7.8 times or more.

최근 국지성 집중호우 및 급격한 기상변화로 인해 돌발홍수와 같은 기상재해의 발생빈도가 증가함에 따라 고해상도의 기상레이더 강수자료를 사용한 수공학 분야의 연구가 활발하게 진행되고 있다. 기상레이더 강수자료를 활용하는 목적은 기상레이더 강수자료가 제공하는 공간분포를 최대한 활용하는데 있다. 본 연구에서는 고해상도 기상레이더 강수자료의 공간적 특성을 유지하면서 지상 강수자료의 양적특성을 극대화할 수 있는 조건부 합성기법을 보간법에 따라 분석 하였다. 기상레이더 강수자료와 지상 강수자료를 조건부 합성하기 위하여 Kriging, 역거리 가중법 및 Spline 보간법을 적용하였다. 조건부 합성결과는 지상 강수패턴을 현실성 있게 재현하였으며 추가적으로 보간법에 적용되지 않은 강수자료와 모형검증을 수행한 결과 조건부 합성을 통하여 생산된 공간적 강수정보의 수문학적 활용이 가능할 것으로 판단된다.

The increased frequency of meteorological disasters has been observed due to increased extreme events such as heavy rainfalls and flash floods. Numerous studies using high-resolution weather radar rainfall data have been carried out on the hydrological effects. In this study, a conditional merging technique is employed, which makes use of geostatistical methods to extract the optimal information from the observed data. In this context, three different techniques such as kriging, inverse distance weighting and spline interpolation methods are applied to conditionally merge radar and ground rainfall data. The results show that the estimated rainfall not only reproduce the spatial pattern of sub-hourly rainfall with a relatively small error, but also provide reliable temporal estimates of radar rainfall. The proposed modeling framework provides feasibility of using conditionally merged rainfall estimation at high spatio-temporal resolution in ungauged areas.

Many ocean color sensors are being operated at present and will be continued to operatein the coming years. However, these ocean color sensors have different spectral bands locations and higher level product algorithms. Thus the continuity of ocean color data from the satellite with different missions will be important for monitoring of oceanographic variation with long term research. In this study, CZCS band and algorithm are compared with OCTS and SeaWiFS algorithm for estimating chlorophyll. Missing bands of OCTS and CZCS for chlorophyll algorithm are estimated by linear-interpolation using SeaWiFS data. We were able to evaluate the effectiveness of the correction methods using linear interpolation method. Surprisingly, linear interpolation gave a better result than those of other bands.

시, 공간적으로 변하는 해양환경에서 선배열 소나의 성능예측 정보를 추출하기 위해서는 정밀 해양 DB (Data Base)와 함께 현장에서 실시간으로 측정한 해양자료의 연동이 필수적이다. 이러한 실시간 정보와 DB 정보를 융합하여 얻을 수 있는 정보들로는 전술적 운용상황, 근거리 환경소음 분포, 전파손실/탐지확률 분포, 그리고 음파의 전파 경로 등이 있다. 소나 운용자는 이들 정보로부터 최종적으로 전술상황을 판단함과 동시에 소나의 최적 운용 수심 및 방향을 권고할 수 있다. 국과연에서는 이러한 정보를 획득하기 위하여 음탐환경분석 S/W를 개발하였으며, 수차례의 해상시험을 통하여 그 성능을 검증하였다. 본 논문에서는 실시간 해양정보와 DB정보의 융합을 통하여 선배열 소나의 핵심 성능예측 기법인 전파손실/탐지확률 계산과 근거리 환경소음 계산을 수행하는 알고리즘을 제시한다. 아울러 S/W로 구현된 이들 기법들의 해상시험 결과도 제시하고자 한다.

보행능력은 의학적으로 다양한 뇌신경계 질환에서 사용되는 평가 지표이다. 보행에 관련된 뇌 활성화를 측정하고 분석하는 방법으로 뇌파 데이터에 대해 독립성분을 추출한 뒤 신호원 추정 및 시간-주파수 분석이 주로 사용된다. 기존의 트레드밀 기반 보행 뇌파 분석은 분할 측정한 뒤, 데이터를 병합하여 신호 전처리, 독립성분분석 및 신호원 추정을 수행하고 피험자 간 군집화를 통하여 대표 성분 클러스터들을 추출한다. 본 연구에서는 보행 뇌파에 대하여 데이터 통합 없이 각각의 분할 측정된 데이터에 대하여 개별적으로 신호 전처리, 독립성분분석 및 신호원 추정을 수행하고 모든 피험자로부터 추정된 독립성분에 대하여 피험자 간 군집화를 수행하는 새로운 방법을 제안한다. 데이터 통합이 독립성분 군집화 및 시간-주파수 분석에 미치는 영향을 조사하기 위해 기존의 통합 데이터에 기반한 두 가지 분석 방법과 본 연구에서 제안하는 데이터 통합이 없는 분석 방법을 비교하였다. 그 결과, 통합 데이터 방법들에서는 각각 2개씩의 성분 클러스터를 도출하였으나 제안하는 방법을 통해 4개의 성분 클러스터를 도출, 적은 피험자 수에도 불구하고 세분화된 보행 뇌 신호 성분 클러스터를 도출할 수 있었음을 확인하였다.

Gait is an evaluation index used in various clinical area including brain nervous system diseases. Signal source localizing and time-frequency analysis are mainly used after extracting independent components for Electroencephalogram data as a method of measuring and analyzing brain activation related to gait. Existing treadmill-based walking EEG analysis performs signal preprocessing, independent component analysis(ICA), and source localizing by merging data after the multiple EEG measurements, and extracts representative component clusters through inter-subject clustering. In this study we propose an analysis method, without merging to single dataset, that performs signal preprocessing, ICA, and source localization on each measurements, and inter-subject clustering is conducted for ICs extracted from all subjects. The effect of data merging on the IC clustering and time-frequency analysis was investigated for the proposed method and two conventional methods. As a result, it was confirmed that a more subdivided gait-related brain signal component was derived from the proposed "non-merging" method (4 clusters) despite the small number of subjects, than conventional method (2 clusters).

본 연구에서는 항공레이저측량(LiDAR; Light Detection And Ranging)을 이용한 지상지형자료(DEM, DSM DTM 등)와 단빔 음향측심기(SBES; Single Beam Echo Sounder), 측면음향주사기(SSS; Side Scan Sonar)를 이용한 하저 지형자료의 통합방안을 모색하고, LiDAR 데이터와 SSS/SBES 데이터를 통합하고 지형의 2차원 및 3차원 그래픽 표현, 수량계산 등의 기능을 갖는 소프트웨어를 개발하였다. 개발한 소프트웨어의 정확도 비교는 상용 소프트웨어인 Surfer를 이용하였다.

LiDAR(Light Detection And Ranging) can make terrain model where above the ground and the mixed data between SBES(Single Beam Echo Sounder) and SSS(Side Scan Sonar) can make terrain model where bottom of water. So this research suggest that how to merge data which are got ken different devices and we developed the software which can display 2D/3D graphic and water volume calculation. And we compared accuracy between the commercial software'Surfer'and LiDAR and SBES data Merging Program.

다수의 서로 다른 해상도의 자료를 병합(Merge)하는 것은 강수 자료 사용에 중요한 절차 중 하나이다. 강수 자료는 다수의 소스(관측소, 레이더, 위성 등)에서 관측 자료를 제공한다. 연구자들은 각 원본 자료의 장점을 취하고 단점을 보완하기 위해 다중소스 기반의 재분석 강수 자료를 제작하여 사용하고 있다. 기존의 방법은 자료를 병합하기 위해 서로 다른 공간적 특성을 갖는 자료들을 공간적으로 동일한 위치로 보간(Interpolation) 하는 과정이 필요하다. 하지만 보간 절차는 원본자료에 인위적인 변형을 주기 때문에 많은 오차(Error)를 발생시키는 것으로 알려져 있다. 따라서 본 연구는 병합 과정에서 보간 절차를 제외하고 원본 해상도 자료를 그대로 입력하기 위해 머신 러닝 방법의 하나인 Super resolution convolutional neural network(SRCNN)에 기반한 병합 방법을 제안하고자 한다. 이 방법은 원본 자료의 영향을 모델이 직접 취사선택하여 최종 자료에 도달하기 때문에 병합 과정의 오류를 줄일 수 있을 것으로 기대된다.

최근 국내외적으로 정도 높은 강우장을 모의하기 위해 레이더 자료와 강우자료를 합성하려는 연구가 수행되고 있다. 이는 정밀하게 강우를 관측할 수 있는 지점 강우의 장점과 강우의 공간분포를 파악할 수 있는 레이더 자료의 장점을 결합하여 고품질의 자료를 생산할 수 있기 때문이다. 기존에는 연속수정법, 조건부 합성기법, 코크리깅, 가우시안 합성기법 등과 같은 자료합성 기법을 이용하여 레이더 자료와 지상강우를 합성한 연구가 수행되었다. 그러나 강우자료의 간헐적인 특징으로 인하여 두 자료를 합성하려는 시도는 간단하지 않은 문제로 나타났다. 이에 본 연구에서는 간헐적 특성의 자료를 고려한 자료합성 기법을 제안하였다. 먼저, 자료를 0이 포함되지 않은 경우와 0이 포함된 경우의 2가지 유형으로 구분하였다. 기존에는 주로 자료에 0에 포함되지 않은 경우에 대한 합성기법이 평가되었지만, 본 연구에서는 0이 포함된 경우에 대한 합성기법에 초점을 맞추었다. 자료합성 기법 중 코크리깅 기법을 이용하여 0이 포함된 레이더 자료와 강우자료를 합성하는 방법을 제안하였고 이를 0이 포함되지 않은 경우를 이용한 합성 결과와 비교하였다. 아울러 제안된 합성기법을 한강 유역의 자료에 적용하여 그 결과를 비교 및 평가 하였다.

미계측 지역에서의 토양수분을 예측하기 위하여 조건부합성방법을 한반도에 적용하여 비교 분석하였다. 토양수분 자료는 농촌진흥청에서 제공하는 지상관측 자료와 GCOM-W1 위성의 Advanced Microwave Scanning Radiometer2 (AMSR2) 센서의 자료를 사용하였다. 위성관측 토양수분자료의 오차를 제거하기 위하여 지상관측자료에 정규화 하였고, 정규화된 위성관측 자료와 지상관측자료를 조건부합성 방법을 이용하여 합성하였다. 조건부 합성방법의 성능을 평가하기 위하여 leave-one-out 교차검증 방법을 사용하였고, 분석 결과 지상관측자료에 위성자료를 합성한 조건부합성방법이 지상관측자료만을 사용한 크리깅 방법에 비해 우세하게 나타났다. 또한 각 관측지점에서의 조건부합성 방법을 이용한 토양수분 예측 성능을 공간분포 시켜 지역적인 특성을 분석한 결과 관측소의 밀도와 지형적인 특성이 조건부합성방법의 성능에 영향을 미치는 것으로 나타났다. 본 연구의 결과는 원격탐사기법으로 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상 관측 자료와 합성하는 것이 토양수분 공간보간성능을 향상 시킬 수 있다는 것을 의미한다.

미계측 지역에서의 토양수분을 예측하기 위한 공간보간 기법으로 크리깅 방법과 조건부합성기법을 한반도에 적용하여 비교 분석하였다. 연구에 사용된 토양수분 자료는 2011년 5월 1일부터 2011년 9월 30일까지이며, Advanced Microwave Scanning Radiometer-Earth observing system(AMSR-E)의 위성관측 자료와 농촌진흥청에서 제공하는 지상관측 자료를 이용하였다. leave-one-out 교차검증 방법을 사용하여 공간보간 성능을 평가했고, 관측지점별 시계열 분석 결과 총 24개 관측지점 중 14개 관측지점에서 CM의 결과가 우세한 것으로 나타났다. 특정 관측일에 대해 예측 성능 분석 결과 총 113일 중 68일에 대해 CM의 결과가 우세한 것으로 나타났다. 각 관측지점의 예측 성능을 공간적으로 분석하기 위하여 관측소별 예측 성능 지도를 작성하여 공간적인 특성을 분석한 결과 관측소가 밀집되어있는 한반도의 서쪽지역에서 예측이 성능이 좋게 나왔다. 이러한 결과는 위성으로부터 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상관측 자료와 합성하는 것이 토양수분의 공간적인 보간성능을 향상 시킬 수 있다는 것을 의미한다.

본 연구의 목적은 이중편파 레이더 강우자료와 현재 실무에서 널이 이용되고 있는 레이더 강우보정 기법 적용에 따른 격자기반 분포형 강우-유출 모형인 KIMSTORM (KIneMatic wave STOrm Runoff Model)을 이용하여 유출해석을 수행하여 보정된 레이더 강우자료를 적용한 분포형 수문모형의 효율성을 검토하는데 있다. 남강댐 유역($2,293km^2$)을 대상으로 2014년 8월 태풍 이벤트(나크리), 2016년 10월 태풍 이벤트(차바)에 대하여 비슬산 레이더 강우자료를 사용하였다. 강우자료의 보정은 21개 지점 강우와 레이더 강우를 이용하여 조건부 합성 보정기법을 이용하였으며, 누적 강우량 그리고 면적 강우량 모두 관측치를 잘 재현함을 확인 할 수 있었다. $R^2$(coefficient of determination), ME (model efficiency), VCI (volume conservation index)를 이용하여 적용성을 평가하였다. 2016년 태풍 차바 이벤트에서의 유출 모형의 보정결과 조건부 합성 보정기법을 적용하기전 $R^2$, ME는 각각 0.75, 0.13으로 나타났고 조건부 합성 보정기법을 적용하였을 경우 각각 0.87, 0.82로 유출량 정확도가 크게 향상됨을 나타냈다. 다양한 국지성 집중호우 이벤트는 레이더 강우자료의 과대 및 과소추정을 유발하는 오차의 원인으로 조건부 합성 보정기법은 이러한 오차를 줄여 강우-유출 모형의 유출분석 결과 비교시 첨두유량 및 정량적인 면에서 실측 유량과 가깝게 모의되는 결과를 나타냈다.

본 연구의 목적은 조건부 합성 기법(Conditional Merging, CM) 기법을 활용하여 GPM(Global Precipitation Measurement) 위성 자료를 보정하고, 이를 격자기반 분포형 강우-유출 모형(KIneMatic wave STOrm Runoff Model2, KIMSTORM2)에 적용하여 보정된 자료의 효율성을 검토하는데 있다. 모형의 유출 해석은 남강댐 유역($2,293km^2$)을 대상으로 하였으며, 2016년 10월에 발생한 태풍 차바에 대하여 GPM 자료와 CM 기법을 적용한 GPM 자료를 각각 활용하여 결과를 비교하였다. 이 때, 강우자료의 보정은 유역 내 위치한 21개 지점의 지상강우자료를 활용하였으며, 각각의 위성강우자료에 유출 검보정은 남강댐 유역 내 3개의 수위관측 지점(산청, 창촌, 남강댐)을 대상으로 실시하였다. 유출 결과는 결정계수(Coefficient of determination, $R^2$), 모형 효율성 계수(Nash-Sutcliffe efficiency, NSE) 및 유출용적지수(Volume conservation index, VCI)를 이용하여 산정하였다. 지상강우자료와 CM 기법을 통해 보정한 강우자료는 대기의 많은 영향을 받는 위성자료의 특성을 보정하여 공간유출 및 첨두유출을 합리적으로 재현할 수 있을 것으로 예상된다.

위성영상 기반 클로로필-a (chlorophyll-a) 농도는 전지구 기후변화 연구를 위해 장기간의 시계열 자료로 생산되고 있으며, 시간합성 또는 다종위성 자료의 병합(merging)을 통해 결측이 없는 자료의 생산이 요구된다. 그러나 한반도 주변 해역에서의 위성영상 기반 클로로필-a 농도와 관련된 연구는 단일 해색센서로 산출하여 계절적 특징을 평가하거나 연구해역에 적합한 알고리즘을 제시하는 연구가 주로 수행되었다. 본 연구에서는 한반도 주변 해역에서의 공간 커버리지가 높은 클로로필-a 농도 산출을 위해 정지궤도 해색센서 GOCI-II와 극궤도 센서(MODIS, VIIRS, OLCI)의 원격반사도(Remote Sensing Reflectance) 병합자료를 이용하였다. 연구결과 산출물의 공간 커버리지는 극궤도 해색센서 자료보다 약 30% 증가하여 구름으로 인한 결측을 보완하였다. 그리고 현장 관측자료와 함께 Ocean Colour Climate Change Initiative (OC-CCI)와 GlobColour에서 제공하는 전지구 클로로필-a 합성장 자료와의 비교를 통해 정확도를 정량적으로 제시하고자 하였다. 그러나 현장관측 자료의 절대적인 수 부족으로 유의미한 통계적 결과는 제시하지 못하였지만, 전지구 자료와의 비교 결과보다 과소 추정 경향을 확인하였다. 또한 적조와 같은 해양재해·재난 대응 목적의 활용성 평가를 위해 2013년 동해에서 발생한 대번성 사례와 정성적으로 비교하여 정지궤도 해색센서 단독 결과보다 OC-CCI와 유사하게 나타나는 것을 확인하였다. 본 연구를 통해 산출한 결과를 사용하여 향후 인공지능모델 기반의 예측 연구와 아노말리(anomaly) 활용 연구를 수행할 예정이며, 이를 통해 우리나라 연안해역에서 발생하는 클로로필-a 이벤트 모니터링에 유용하게 활용이 가능할 것으로 기대된다.

Satellite-based chlorophyll-a concentration, produced as a long-term time series, is crucial for global climate change research. The production of data without gaps through the merging of time-synthesized or multi-satellite data is essential. However, studies related to satellite-based chlorophyll-a concentration in the waters around the Korean Peninsula have mainly focused on evaluating seasonal characteristics or proposing algorithms suitable for research areas using a single ocean color sensor. In this study, a merging dataset of remote sensing reflectance from the geostationary sensor GOCI-II and polar-orbiting sensors (MODIS, VIIRS, OLCI) was utilized to achieve high spatial coverage of chlorophyll-a concentration in the waters around the Korean Peninsula. The spatial coverage in the results of this study increased by approximately 30% compared to polar-orbiting sensor data, effectively compensating for gaps caused by clouds. Additionally, we aimed to quantitatively assess accuracy through comparison with global chlorophyll-a composite data provided by Ocean Colour Climate Change Initiative (OC-CCI) and GlobColour, along with in-situ observation data. However, due to the limited number of in-situ observation data, we could not provide statistically significant results. Nevertheless, we observed a tendency for underestimation compared to global data. Furthermore, for the evaluation of practical applications in response to marine disasters such as red tides, we qualitatively compared our results with a case of a red tide in the East Sea in 2013. The results showed similarities to OC-CCI rather than standalone geostationary sensor results. Through this study, we plan to use the generated data for future research in artificial intelligence models for prediction and anomaly utilization. It is anticipated that the results will be beneficial for monitoring chlorophyll-a events in the coastal waters around Korea.

본 연구에서는 다중분위회귀분석모형(Multiple Quantile Regression Model, MQRM)과 MODIS(MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상관측지점에서 관측한 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중분위회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 71개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중분위회귀분석 모형은 LST 인자를 중심으로 각각의 분위(0.05, 0.25, 0.5, 0.75, 0.95)에 해당되는 값의 회귀식을 NDVI, 강수 입력자료를 독립인자로서 조합하여 계절 및 토성에 따른 총 80개의 회귀식을 산정하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.70 (철원), 0.90 (춘천), 0.85 (수원), 0.65 (서산), 0.78 (청주), 0.82 (전주), 0.62 (순천), 0.63 (진주), 0.78 (보성)로 높은 상관성을 보였다. 본 연구에서는 다중분위회귀 모형의 성능을 검증하기 위해 기존의 다중선형회귀모형의 결과와 비교하여 크게 개선됨을 나타냈다.

본 연구에서는 다중회귀분석모형(MLRM)과 MODIS (MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상 관측지점에서 관측한 실측 LST와 MODIS LST의 R2는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 R2는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 68개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중회귀분석 모형은 각각의 입력자료를 독립인자로서 조합하여 12개의 시나리오를 만들었다. 시공간적 경향을 고려하기 위하여 계절별, 토양 토성(soil texture)를 구분하여 회귀분석을 실시하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.80 (철원), 0.90 (춘천), 0.80 (수원), 0.63 (서산), 0.77 (청주), 0.82 (전주), 0.52 (순천), 0.63 (진주), 0.99 (보성)로 높은 상관성을 보였다. 본 연구에서는 토양수분을 예측하기 위한 인자 중 가장 민간함 LST를 보정하지 않는 토양수분 예측 방법은 상당한 오차를 포함하게 되어 실측 토양수분 결과와 크게 차이가 나타남을 보여주었다.