KR102264758B1 - Climate Change Big Data Analysis System - Google Patents

Climate Change Big Data Analysis System Download PDF

Info

Publication number
KR102264758B1
KR102264758B1 KR1020200079042A KR20200079042A KR102264758B1 KR 102264758 B1 KR102264758 B1 KR 102264758B1 KR 1020200079042 A KR1020200079042 A KR 1020200079042A KR 20200079042 A KR20200079042 A KR 20200079042A KR 102264758 B1 KR102264758 B1 KR 102264758B1
Authority
KR
South Korea
Prior art keywords
data
climate change
unit
change scenario
climate
Prior art date
Application number
KR1020200079042A
Other languages
Korean (ko)
Other versions
KR102264758B9 (en
Inventor
한국진
이명진
Original Assignee
한국환경정책평가연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국환경정책평가연구원 filed Critical 한국환경정책평가연구원
Priority to KR1020200079042A priority Critical patent/KR102264758B1/en
Application granted granted Critical
Publication of KR102264758B1 publication Critical patent/KR102264758B1/en
Publication of KR102264758B9 publication Critical patent/KR102264758B9/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Ecology (AREA)
  • Evolutionary Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

The present invention relates to a climate change big data analysis system capable of rapidly and precisely visualizing and providing user-desired extreme climate events. To this end, the present invention provides a climate change big data analysis system comprising: a data collection unit for collecting climate change scenario data necessary to respond to request data by a user; a data pre-processing unit for generating location coordinates corresponding to the climate change scenario data by using the climate change scenario data and map data; a data analysis unit for extracting corresponding data based on the request data from the climate change scenario data; and a data visualization unit for displaying the data extracted from the data analysis unit so as to be superimposed on the map data. Therefore, according to the present invention, not only an analyst but also a general user are allowed to know about a future climate change to prepare for a climate change in advance in various fields such as agriculture, fishery, sports, and the like.

Description

기후변화 빅데이터 분석시스템{Climate Change Big Data Analysis System}Climate Change Big Data Analysis System

본 발명은 기후변화 빅데이터 분석시스템에 관한 것이며, 구체적으로 사용자가 원하는 극단적 기후사상을 빠른 속도로 정확하게 시각화하여 제공할 수 있는 기후변화 빅데이터 분석시스템에 관한 것이다.The present invention relates to a climate change big data analysis system, and more specifically, to a climate change big data analysis system that can accurately visualize and provide an extreme climate event desired by a user at a fast speed.

기후변화에 대한 관심이 높아지고 있는 현재, 어업, 농업 등의 산업분야에서 뿐만 아니라, 민간기업, 공공기관 및 대학, 연구소 등에서도 기후변화에 따른 재난을 미리 예측하여 자연재해를 미리 대비하고자 한다.At present, when interest in climate change is increasing, not only in industries such as fishing and agriculture, but also private companies, public institutions, universities, and research institutes are trying to prepare for natural disasters by predicting disasters caused by climate change in advance.

이럴때 필요한 데이터가 미래의 기후를 예측할 수 있는 기후변화 시나리오 데이터인데, 이러한 기후변화 시나리오는 그 관심지역 및 종류에 따라 여러가지 기후변화 시나리오가 존재한다. In this case, the necessary data is climate change scenario data that can predict the future climate, and there are various climate change scenarios depending on the region and type of interest.

공개특허 제10-2014-0074405호에 의하면, 종래기술인 기후자료 통계분석시스템은 복수의 기후 요소 또는 서비스 설정을 등록받는 서비스 관리부, 서비스 관리부로부터 등록된 기후 요소와 서비스 설정을 전달받아 관측된 기후 자료와 연동하여 기후 관련 통계 자료 또는 기후 관련 분석 자료를 생성하는 기후통계 분석부, 상기 기후통계 분석부를 통해 생성된 상기 기후 관련 통계 자료 또는 분석 자료를 가공하여 사용자에게 제공하는 통계자료 제공부, 그리고 상기 서비스 관리부, 기후통계 분석부 및 통계자료 제공부에서 설정 및 생성된 각종 데이터를 저장하는 데이터 저장부를 포함하여 구성된다.According to Patent Publication No. 10-2014-0074405, the prior art climate data statistical analysis system is a service management unit that receives a plurality of climate elements or service settings registered, and climate data observed by receiving the registered climate elements and service settings from the service management unit. A climate statistical analysis unit for generating climate-related statistical data or climate-related analysis data in conjunction with the climate statistical analysis unit, a statistical data providing unit for processing the climate-related statistical data or analysis data generated through the climate statistical analysis unit and providing it to a user, and the It consists of a data storage unit for storing various data set and generated by the service management unit, the climate statistics analysis unit, and the statistical data providing unit.

하지만, 이러한 기후자료 통계분석시스템은 과거의 자료를 통계분석하여 제공하기 위한 것이지만, 미래의 기후변화가 어떻게 될 것인지는 제공하여 주지 못한다. 미래의 기후변화를 제공받으려면 기후변화 시나리오 빅데이터를 분석해야 하는데, 기후변화 시나리오 빅데이터는 그 종류 및 양이 너무 방대하고 난해하여 현재까지 전문가만 몇개월씩 분석하여 일부 정보를 제공하여 줄 수 있을 뿐이고, 일반 사용자들은 접근조차 하기 힘든 실정이다.However, this statistical analysis system for climate data is intended to provide statistical analysis of past data, but does not provide information on what will happen to climate change in the future. In order to be provided with future climate change, climate change scenario big data must be analyzed. The types and amounts of climate change scenario big data are so vast and difficult that only experts have been able to provide some information by analyzing them for several months so far. However, it is difficult for general users to even access it.

본 발명은 상기한 문제점을 해결하기 위한 것이며, 특히 일반 사용자도 특정 관심사에 대해 미래의 기후변화를 쉽게 알 수 있도록 하기 위한 기후변화 빅데이터 분석시스템을 제공하기 위한 것이다.The present invention is to solve the above problems, and in particular, to provide a climate change big data analysis system so that general users can easily know future climate change for specific interests.

또한, 다양한 사용자의 요구를 반영하여 사용자 맞춤형 기후변화 데이터를 추출할 수 있도록 하여 사용자의 만족도를 향상시킬 수 있도록 하기 위한 것이다.In addition, by reflecting the needs of various users to extract user-customized climate change data, it is intended to improve user satisfaction.

그리고, 극단적 기후변화, 기후위기를 예측할 수 있는 기후변화 시나리오를 활용하기 위해 기후변화 시나리오를 이용하여 기후변화 시나리오의 이용을 편리하게 개선하기 위한 것이다.And, in order to utilize the climate change scenario that can predict extreme climate change and climate crisis, it is to conveniently improve the use of the climate change scenario by using the climate change scenario.

상기한 목적을 달성하기 위하여, 본 발명은, 사용자에 의한 요청데이터에 대응하기 위해 필요한 기후변화 시나리오 데이터를 수집하는 데이터수집부; 상기 기후변화 시나리오 데이터와 지도데이터를 이용하여 상기 기후변화 시나리오 데이터에 대응하는 위치좌표를 생성하는 데이터전처리부; 상기 기후변화 시나리에 데이터에서 상기 요청데이터를 기초로 해당하는 데이터를 추출하는 데이터분석부; 상기 데이터분석부에서 추출된 데이터를 지도데이터위에 겹쳐지도록 표시하여 주는 데이터시각화부를 포함하여 구성되는 기후변화 빅데이터 분석시스템을 제공한다.In order to achieve the above object, the present invention, a data collection unit for collecting climate change scenario data necessary to respond to data requested by a user; a data pre-processing unit for generating location coordinates corresponding to the climate change scenario data by using the climate change scenario data and map data; a data analysis unit for extracting data corresponding to the request data from the climate change scenario data; It provides a climate change big data analysis system comprising a data visualization unit that displays the data extracted by the data analysis unit to be superimposed on the map data.

상기 데이터수집부는 상기 요청데이터로부터 대응하는 기후변화 시나리오 데이터, 행정구역데이터 및 지도데이터를 수집하고, 상기 데이터전처리부는 상기 요청데이터에 따라 비중도를 검출하고 상기 기후변화 시나리오 데이터를 상기 비중도에 따라 평균계산을 수행하여 맞춤 기후변화 시나리오 데이터를 생성하는 것이 바람직하다.The data collection unit collects corresponding climate change scenario data, administrative district data and map data from the requested data, and the data preprocessor detects a specific gravity according to the requested data and converts the climate change scenario data according to the specific gravity. It is desirable to generate customized climate change scenario data by performing averaging.

상기 기후변화 시나리오 데이터는 경도 격자의 수, 위도 격자의 수, 격자의 크기(S), 모서리의 경도 및 위도, 예측데이터를 포함하며, 상기 데이터전처리부는 예측데이터를 분할하여 그룹으로 저장하고, 하나의 그룹에서 실제 예측값을 의미하는 의미데이터를 검색하고 연속된 의미데이터의 시작 또는 끝 위치의 격자 개수를 산출하여 주그룹 또는 부그룹으로 저장하는 것이 바람직하다.The climate change scenario data includes the number of longitude grids, the number of latitude grids, the size of the grid (S), the longitude and latitude of the corners, and prediction data, and the data preprocessor divides the prediction data and stores it in groups, and one It is preferable to search the semantic data meaning the actual predicted value in the group of , calculate the number of grids at the start or end positions of the continuous semantic data, and store it as a main group or subgroup.

상기 데이터시각화부는 상기 주그룹 또는 부그룹에 속하는 예측데이터를 개별값에 대응하는 색상데이터로 변환하고, 상기 지도데이터에 의한 이미지 위에 상기 색상데이터를 표시하여 주며, 상기 행정구역데이터를 이용하여 추출된 좌표정보를 선으로 연결시킨 구획폴리곤데이터를 표시하여 줄 수 있다.The data visualization unit converts the prediction data belonging to the main group or the subgroup into color data corresponding to individual values, displays the color data on the image by the map data, and is extracted using the administrative district data. It is possible to display the division polygon data connected with the coordinate information by a line.

상기 데이터분석부는 시작날짜 t1, 종료날짜 t2, 임계값 V0, 기준일 d라 할 때,When the data analysis unit is a start date t 1 , an end date t 2 , a threshold value V 0 , a reference date d,

극단적 기후사상 E(V0)를extreme climatic events E(V 0 )

Figure 112020066651325-pat00001
Figure 112020066651325-pat00001

로 계산하는 것이 바람직하다.It is preferable to calculate as

본 발명에 의하면, 분석 전문가뿐만 아니라 일반 사용자도 미래의 기후변화를 쉽게 알 수 있도록 하여 농업, 어업, 스포츠 등 많은 분야에서 미리 기후변화에 대비할 수 있도록 할 수 있다.According to the present invention, it is possible to prepare for climate change in advance in many fields such as agriculture, fishery, sports, etc. by enabling not only analysis experts but also general users to easily know about future climate change.

또한, 분야별로 사용자가 관심있는 영역의 기후변화를 쉽게 예측할 수 있어 관련 대책을 세우는데 기초 데이터를 제공할 수 있다.In addition, it is possible to easily predict climate change in the area of interest to users by field, providing basic data for establishing related countermeasures.

도 1은 본 발명에 의한 기후변화 빅데이터 분석시스템의 구성을 나타내는 구성도;
도 2는 본 발명에 의한 기후변화 빅데이터 분석시스템에서 사용되는 예측데이터의 예를 나타내는 예시도;
도 3은 도 1에서 데이터분석부의 구성을 나타내는 구성도;
도 4는 데이터시각화부에 의해 색상데이터가 표시된 예를 나타내는 예시도;
도 5는 데이터시각화부에 의해 생성된 구획폴리곤데이터를 나타내는 예시도;
도 6은 데이터시각화부에 의해 생성된 극단적 기후사상 결과물을 나타내는 예시도;
도 7은 본 발명에 의해 분석된 결과물을 나타내는 예시도.1 is a configuration diagram showing the configuration of a climate change big data analysis system according to the present invention;
Figure 2 is an exemplary diagram showing an example of the prediction data used in the climate change big data analysis system according to the present invention;
Figure 3 is a block diagram showing the configuration of the data analysis unit in Figure 1;
4 is an exemplary view showing an example in which color data is displayed by a data visualization unit;
5 is an exemplary view showing the partition polygon data generated by the data visualization unit;
6 is an exemplary diagram showing the result of extreme climate events generated by the data visualization unit;
7 is an exemplary view showing a result analyzed by the present invention.

본 발명에 의한 구체적인 실시예의 구성 및 작용에 대하여 도면을 참조하여 상세하게 설명한다.The configuration and operation of specific embodiments according to the present invention will be described in detail with reference to the drawings.

본 발명에 의한 기후변화 빅데이터 분석시스템(100)은 데이터수집부(200), 데이터전처리부(300), 데이터분석부(400), 데이터시각화부(500)를 포함하여 구성된다.The climate change big data analysis system 100 according to the present invention is configured to include a data collection unit 200 , a data preprocessor 300 , a data analysis unit 400 , and a data visualization unit 500 .

상기 기후변화 빅데이터 분석시스템(100)은 사용자의 요청에 따라 분석결과를 보여주는 서버 형태로 구성될 수 있으며, 사용환경에 따라 단독서버 또는 웹서버로 활용될 수 있다.The climate change big data analysis system 100 may be configured in the form of a server showing analysis results according to a user's request, and may be used as a single server or a web server according to the usage environment.

상기 데이터수집부(200)는 사용자에 의한 요청데이터에 대응하기 위해 필요한 데이터를 수집하는 역할을 하며, 수집하는 데이터는 기후변화 시나리오 데이터, 행정구역 데이터, 지도데이터 등을 포함한다.The data collection unit 200 serves to collect data necessary to respond to data requested by a user, and the collected data includes climate change scenario data, administrative district data, map data, and the like.

상기 기후변화 시나리오 데이터는 미래의 기후변화에 대한 예측값을 포함하는 RCP데이터가 될 수 있으며, 이러한 RCP데이터는 예를 들어 2011년부터 2100년까지의 데이터를 포함할 수 있다. 또한, 상기 RCP데이터는 기온 또는 강수량에 대한 데이터를 포함할 수 있다.The climate change scenario data may be RCP data including a predicted value for future climate change, and this RCP data may include, for example, data from 2011 to 2100. In addition, the RCP data may include data on temperature or precipitation.

상기 RCP데이터는 미래의 기후변화에 대한 대응노력에 따른 이산화탄소 농도를 기준으로 복수의 RCP데이터로 구성될 수 있다. 예를 들어, '지금부터 즉시 온실가스 감축 수행'을 가정한 RCP2.6, '온실가스 저감정책 상당히 실현'을 가정한 RCP4.5, '온실가스 저감정책 어느정도 실현'을 가정한 RCP6.0, '현재 추세대로 온실가스 배출'을 가정한 RCP8.5 등으로 구성될 수 있다.The RCP data may be composed of a plurality of RCP data based on the carbon dioxide concentration according to efforts to respond to future climate change. For example, RCP2.6 assuming 'immediate implementation of greenhouse gas reduction from now on', RCP4.5 assuming 'significant realization of greenhouse gas reduction policy', RCP6.0 assuming 'actualization of greenhouse gas reduction policy to some extent', It can be composed of RCP8.5, etc., assuming 'GHG emissions according to the current trend'.

상기 RCP데이터는 사각형의 격자형태로 데이터가 저장되며, 표 1과 같이, 경도격자의 수, 위도 격자의 수, 모서리의 경도 및 위도, 격자의 크기, 예측데이터를 포함한다.The RCP data is stored in the form of a rectangular grid, and as shown in Table 1, includes the number of longitude grids, the number of latitude grids, the longitude and latitude of corners, the size of the grid, and prediction data.

번호number 변수명variable name 변수값variable value 비고remark 1One ncolsncols 751751 경도 격자의 수Number of hardness grids 22 nrowsnrows 601601 위도 격자의 수number of latitude grids 33 xllcornerxllcorner 124.5124.5 왼쪽하단 경도lower left hardness 44 yllcorneryllcorner 32.32. 왼쪽하단 위도lower left latitude 55 cellsizecellsize 0.010.01 격자의 크기grid size 66 nodata_valuenodata_value -99-99 공백 값blank value 77 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 …… -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 -99.0 … … 강수량precipitation

상기 예측데이터는 강수량, 기온 등의 데이터가 될 수 있으며, 각 격자에 대응하는 일련의 숫자로 구성된다. 이러한 일련의 숫자는 형식데이터와 의미데이터로 구분될 수 있다. 상기 의미데이터는 실제 미래의 예측값을 나타내며, 상기 형식데이터는 형식데이터는 실제 예측값이 아니라 단지 격자를 채우기 위한 숫자이다. 예를 들어, 표 1에서 -99.0은 형식데이터이며 실제 예측값이 아닌 공백값이다.The prediction data may be data such as precipitation amount and temperature, and consists of a series of numbers corresponding to each grid. This series of numbers can be divided into formal data and semantic data. The semantic data represents an actual future predicted value, and the formal data is a number for filling the grid, not an actual predicted value. For example, in Table 1, -99.0 is formal data and is a blank value, not an actual predicted value.

상기 데이터수집부(200)에서는 수집되는 데이터를 미리 저장하지 않고 사용자에 의한 요청데이터를 분석한 후, 필요한 데이터를 전송받아 가공할 수 있다.The data collection unit 200 may analyze the requested data by the user without storing the collected data in advance, and then receive and process necessary data.

상기 데이터전처리부(300)는 수집된 데이터를 확인하고 결손값들을 보간·대체하여 가공할 수 있는 데이터로 만드는 역할을 한다.The data pre-processing unit 300 serves to check the collected data and to interpolate and replace the missing values to make data that can be processed.

또한, 상기 데이터전처리부(300)에서는 상기 RCP데이터에 포함되는 예측데이터를 일정 간격으로 분할하여 구획하고, 각 분할된 예측데이터를 그룹화하여 배열 또는 리스트 형태로 저장한다. 즉, 상기 예측데이터는 일정 주기(격자의 개수)로 격자의 위도가 바뀌며 이러한 주기에 해당하는 간격마다 데이터전처리부에서는 예측데이터를 분할하여 그룹으로 저장함으로써 데이터를 용이하게 가공할 수 있다.In addition, the data pre-processing unit 300 divides and partitions the prediction data included in the RCP data at regular intervals, groups the divided prediction data and stores them in an array or list form. That is, in the prediction data, the latitude of the grid is changed at a certain period (the number of grids), and the data preprocessor divides the prediction data at intervals corresponding to the period and stores the prediction data in groups, so that the data can be easily processed.

상기 데이터전처리부(300)에서는 기후변화 시나리오 데이터와 지도데이터를 이용하여 상기 기후변화 시나리오 데이터에 대응하는 위치좌표를 생성할 수 있다.The data preprocessor 300 may generate location coordinates corresponding to the climate change scenario data by using the climate change scenario data and map data.

구체적으로, 상기 데이터전처리부(300)에서는 기후변화 시나리오 데이터에서 실제 예측값을 의미하는 의미데이터를 검색하고, 각 그룹에서 연속된 의미데이터의 시작 또는 끝 위치의 격자 개수를 검출하여 위치좌표를 생성한다.Specifically, the data preprocessor 300 searches for semantic data that means actual predicted values from climate change scenario data, and detects the number of grids at the start or end positions of continuous semantic data in each group to generate position coordinates. .

예를 들어, 도 2를 참조하면, 데이터전처리부(300)에서는 하나의 그룹에서 의미데이터인 11.0을 9번째 격자에서 검출하고 모서리의 경도 및 위도 및 격자의 크기를 참조하여 x = 124.5 + 0.01 × (9 - 1) = 124.58, y = 32로 계산하여 위치좌표를 생성한다. 이렇게 생성된 위치좌표는 다시 지도데이터와 비교하여 해당격자의 GPS위치를 동기화할 수 있다.For example, referring to FIG. 2 , the data preprocessing unit 300 detects 11.0, which is semantic data in one group, from the ninth grid, and refers to the longitude and latitude of the corners and the size of the grid, so that x = 124.5 + 0.01 × Calculate (9 - 1) = 124.58, y = 32 to generate position coordinates. The position coordinates generated in this way can be compared again with map data to synchronize the GPS position of the corresponding grid.

상기 데이터전처리부(300)에서는 하나의 그룹에서 연속된 의미데이터 중 가장 처음 검출되는 의미데이터의 위치 및 가장 마지막으로 검출되는 의미데이터의 위치를 각각 끝단데이터로 저장할 수 있으며, 상기 끝단데이터의 사이에 형성되는 격자의 개수가 임계값 이상이면 상기 그룹을 주그룹으로 분류하고, 상기 끝단데이터의 사이에 형성되는 격자의 개수가 임계값 미만이면 상기 그룹을 부그룹으로 분류한다. 상기 임계값은 각 그룹에 따라 변할 수 있다. 상황에 따라 상기 주그룹은 육지로 분류하고 상기 부그룹은 섬으로 분류할 수도 있다.The data pre-processing unit 300 may store the position of the first detected semantic data and the last detected semantic data among continuous semantic data in one group as end data, respectively, and between the end data If the number of grids formed is equal to or greater than the threshold value, the group is classified as a main group, and if the number of grids formed between the end data is less than the threshold value, the group is classified as a subgroup. The threshold value may vary according to each group. Depending on circumstances, the main group may be classified as land and the subgroup may be classified as islands.

한편, 상기 데이터전처리부는 사용자에 의한 요청데이터에 기초하여 맞춤 기후변화 시나리오 데이터를 생성할 수 있다.Meanwhile, the data preprocessor may generate customized climate change scenario data based on data requested by a user.

구체적으로, 사용자는 시작날짜, 종료날짜, 기준값, 극단적 기후상황 지속일, 데이터종류(평균기온, 최고기온, 최저기온, 강수량), 데이터크기(전지구, 한반도, 남한상세), 이산화탄소 농도(1단계 ~ 10단계) 등을 선택할 수 있으며, 이렇게 사용자의 선택이 완료되면 사용자에 의한 요청데이터가 데이터수집부(200)로 전송되고, 데이터수집부에 의해 수집된 데이터는 데이터전처리부(300)에 의해 다시 가공된다. Specifically, the user can specify the start date, end date, reference value, duration of extreme weather conditions, data type (average temperature, maximum temperature, minimum temperature, precipitation), data size (global, Korean, and South Korean details), carbon dioxide concentration (step 1) ~ step 10), etc., and when the user's selection is completed in this way, the requested data by the user is transmitted to the data collection unit 200, and the data collected by the data collection unit is transmitted by the data preprocessing unit 300. processed again.

데이터수집부에서는 선택된 이산화탄소 농도에 대응하는 RCP데이터를 수집하는데, 수집되는 RCP데이터는 복수 개 일 수 있다. 예를 들어, 사용자에 의해 선택된 이산화탄소 농도가 1단계인 경우 데이터수집부에서는 RCP2.6을, 4단계인 경우 RCP4.5를, 7단계인 경우 RCP6.0을, 10단계인 경우 RCP 8.5를 수집할 수 있다. 또한, 이산화탄소 농도가 5단계가 선택된 경우 데이터수집부에서는 RCP4.5 및 RCP6.0을 수집할 수 있다.The data collection unit collects RCP data corresponding to the selected carbon dioxide concentration, and there may be a plurality of collected RCP data. For example, if the carbon dioxide concentration selected by the user is level 1, the data collection unit collects RCP2.6, if it is level 4, RCP4.5, if it is level 7, RCP6.0, and if it is level 10, RCP 8.5 is collected. can do. In addition, when the carbon dioxide concentration level 5 is selected, the data collection unit may collect RCP4.5 and RCP6.0.

상기 이산화탄소 농도에 따른 기후변화 시나리오 데이터의 비중도는 저장부에 저장되며, 데이터전처리부에서는 상기 비중도를 검출하여 수집된 기후변화 시나리오 데이터를 상기 비중도에 따라 평균계산을 수행하여 맞춤 기후변화 시나리오 데이터를 생성할 수 있다.The specific gravity of the climate change scenario data according to the carbon dioxide concentration is stored in the storage unit, and the data pre-processing unit detects the specific gravity and calculates an average of the collected climate change scenario data according to the specific gravity, and a customized climate change scenario data can be generated.

예를 들어, 이산화탄소 농도가 5단계인 경우 강수량의 경우 RCP4.5의 비중도는 6, RCP6.0의 비중도는 4로, 기온의 경우 RCP4.5의 비중도는 6.5, RCP6.0의 비중도는 3.5로 저장되며, 어느 격자의 RCP4.5의 강수량 데이터가 12.5이고 RCP6.0의 강수량 데이터가 18.3일때 데이터전처리부에서는 맞춤 기후변화 시나리오 데이터를 12.5 × 0.6 + 18.3 × 0.4 = 14.82로 생성한다. 또한, 어느 격자의 RCP4.5의 기온 데이터가 30.2이고 RCP6.0의 기온 데이터가 26.8일 때 데이터전처리부에서는 맞춤 기후변화 시나리오 데이터를 30.2 × 0.65 + 26.8 × 0.35 = 29.01로 생성한다.For example, when the carbon dioxide concentration is level 5, in the case of precipitation, the specific gravity of RCP4.5 is 6, the specific gravity of RCP6.0 is 4, and in the case of temperature, the specific gravity of RCP4.5 is 6.5, and the specific gravity of RCP6.0. The degree is stored as 3.5, and when the precipitation data of RCP4.5 of a certain grid is 12.5 and the precipitation data of RCP6.0 is 18.3, the data preprocessor generates the customized climate change scenario data as 12.5 × 0.6 + 18.3 × 0.4 = 14.82. . In addition, when the temperature data of RCP4.5 in a grid is 30.2 and the temperature data of RCP6.0 is 26.8, the data preprocessor generates customized climate change scenario data as 30.2 × 0.65 + 26.8 × 0.35 = 29.01.

이와 같이 본 실시예에 의한 데이터전처리부에서는 사용자가 의도하는 요청데이터에 따라 가장 적합한 데이터를 수집하거나 생성하여 정확하고 신속한 분석을 할 수 있도록 하여 준다.As described above, the data pre-processing unit according to the present embodiment collects or generates the most suitable data according to the requested data intended by the user to enable accurate and rapid analysis.

상기 데이터분석부(400)는 상기 요청데이터를 기초로 하여 상기 데이터전처리부에서 가공된 데이터에서 해당하는 데이터를 추출하여 시각화할 수 있도록 하는 역할을 한다.The data analysis unit 400 serves to extract and visualize the data corresponding to the data processed by the data pre-processing unit on the basis of the requested data.

도 3을 참조하면, 본 발명에 의한 데이터분석부(400)는 입력층, 분석층, 출력층을 포함하여 구성된다.Referring to FIG. 3 , the data analysis unit 400 according to the present invention includes an input layer, an analysis layer, and an output layer.

상기 입력층은 입력데이터 및 분석조건을 포함하며, 입력데이터는 선택된 기후변화 시나리오, 행정구역데이터, 지도데이터 등을 포함할 수 있으며, 분석조건은 시작날짜, 종료날짜, 기준값, 극단적 기후상황 지속일(기준일), 찾을자료위치, 자료저장위치 등이 입력될 수 있다.The input layer includes input data and analysis conditions, and the input data may include a selected climate change scenario, administrative district data, map data, and the like, and the analysis conditions include a start date, an end date, a reference value, and a duration of extreme weather conditions. (Base date), the location of the data to be searched, the location of the data storage, etc.

상기 분석층은 입력층에 입력된 데이터를 기초로 하여 분석을 수행하며, 초기화도구, 분석도구, 공간해석모듈, 통계해석모듈을 포함할 수 있다.The analysis layer performs analysis based on the data input to the input layer, and may include an initialization tool, an analysis tool, a spatial analysis module, and a statistical analysis module.

상기 초기화도구는 입력층에 의해 입력된 데이터들이 유효한지 검증하고 각종 변수 및 저장할 폴더들을 초기화한다.The initialization tool verifies whether data input by the input layer is valid, and initializes various variables and folders to be stored.

상기 분석도구는 상기 기준값을 이용하여 극단적 기후사상을 산출한다. 상기 극단적 기후사상 E(V0)은 분석날짜별로 기후변화 시나리오 데이터를 M으로 매트릭스화한 후, 분석조건에 매칭되는 매트릭스의 연산에 의하여 산출된다. 여기서, 매트릭스 M은 데이터전처리부에서 그룹화된 각 그룹의 데이터가 하나의 행이 될 수 있다.The analysis tool calculates extreme climate events using the reference values. The extreme climate event E(V 0 ) is calculated by matrixing the climate change scenario data with M for each analysis date and then calculating the matrix matching the analysis conditions. Here, in the matrix M, data of each group grouped by the data preprocessor may be one row.

즉, 시작날짜 t1, 종료날짜 t2, 기준값 V0, 기준일 d라 할 때,That is, assuming the start date t 1 , the end date t 2 , the reference value V 0 , and the reference date d,

극단적 기후사상 E(V0)는The extreme climate event E(V 0 ) is

Figure 112020066651325-pat00002
Figure 112020066651325-pat00002

로 계산되어질 수 있다. can be calculated as

즉, 분석도구에서는 매트릭스 분석날짜 n=tx 에서 n=tx+d까지 n일자의 기후사상인 매트릭스Mn을 합한 다음 행렬요소가 기준값 이상인 행렬요소를 추출한다. 여기서, V0는 극단적 기후사상이 발생하는 임계치이고, d는 극단적 기후사상이 발생하는 연속된 일자를 나타낸다.That is, the analysis tool adds the matrix Mn, which is the climate event of n days from the matrix analysis date n=t x to n=t x+d, and then extracts the matrix elements whose matrix elements are greater than or equal to the reference value. Here, V 0 is the threshold at which extreme climatic events occur, and d is the consecutive days of occurrence of extreme climatic events.

도출하고자 하는 극단적 기후사상

Figure 112020066651325-pat00003
는 대상기간(연월일) t1부터 t2까지 기간 중 기준일 d 범위 내의 기후변화 시나리오
Figure 112020066651325-pat00004
가 V0와 같거나 초과하는 대상의 기후변화 시나리오의 집합으로 정의될 수 있다. 이 때, 도출된 기후사상은 마지막 날 tx+d를 기준으로
Figure 112020066651325-pat00005
로 표시한다. 각 기후사상은 기준 값과 기준 값 이상의 지점의 수
Figure 112020066651325-pat00006
와 최댓값과 최댓값 지점의 수를
Figure 112020066651325-pat00007
으로 표시한다.Extreme climate events to be derived
Figure 112020066651325-pat00003
is the climate change scenario within the range of the reference date d in the target period (year, month, and day) t 1 to t 2
Figure 112020066651325-pat00004
can be defined as a set of climate change scenarios for which V is equal to or greater than V 0. At this time, the derived climate event is based on the last day t x + d
Figure 112020066651325-pat00005
indicated as Each climate event has a reference value and the number of points above the reference value.
Figure 112020066651325-pat00006
and the maximum and number of maximum points
Figure 112020066651325-pat00007
indicated as

전술된 모형은 제시한 기준일 d가 변화함에 따라 일간, 주간, 월간, 연간 등 다양한 시간적 스케일을 반영할 수 있으며, 기준 값 V0의 변화 따른 기후사상을 도출할 수 있다. 또한, 수치형 기후요소에 적용이 가능하기 때문에, 기상기후 데이터에 활용이 가능하다.The above-mentioned model can reflect various temporal scales such as daily, weekly, monthly, and annual as the suggested reference date d changes, and can derive climate events according to the change of the reference value V 0 . In addition, since it can be applied to numerical climate factors, it can be used for meteorological and climate data.

상기 공간해석모듈에서는 행정구역데이터 및 지도데이터를 이용한 좌표계와 매트릭스 변환을 통해 특정지역에 대한 분석을 수행하며, 통계해석모듈에서는 기준값, 기준일과 같은 임계값을 통해 3일 누적 강수량이 기준값 이상인 날짜, 최대수치, 최소수치와 같은 통계수치를 분석한다.The spatial analysis module analyzes a specific area through a coordinate system and matrix transformation using administrative district data and map data, and in the statistical analysis module, the three-day cumulative precipitation is more than the reference value through threshold values such as the reference value and the reference date, Analyze statistical values such as maximum and minimum values.

상기 출력층은 HTML, 이미지, CCS, XLS, ESR과 같은 여러 형태의 파일로 분석결과를 출력하고 저장할 수 있도록 한다.The output layer enables output and storage of analysis results in various types of files such as HTML, image, CCS, XLS, and ESR.

상기 데이터시각화부(500)는 상기 데이터분석부(400)에서 분석된 결과에 기초하여 분석결과를 시각적으로 즉각 인지할 수 있도록 하여주는 역할을 한다.The data visualization unit 500 serves to visually recognize the analysis result based on the analysis result by the data analysis unit 400 .

구체적으로, 상기 데이터시각화부(500)는 데이터전처리부에 의해 생성된 주그룹 및 부그룹에 대해 상기 주그룹 및 부그룹에 속한 예측데이터에 대응하는 색상데이터로 변환한다. 예를 들어, 예측데이터가 0~10은 색상데이터 (r,g,b) = (0,0,153)으로 변환하여 주고, 예측데이터가 11~20은 색상데이터 (r,g,b) = (102,102,255) 등으로 변환하여 준다. 이러한 변환규칙은 저장부에 미리 저장되는 것이 바람직하다.Specifically, the data visualization unit 500 converts the main group and the subgroup generated by the data preprocessor into color data corresponding to the prediction data belonging to the main group and the subgroup. For example, the prediction data of 0~10 is converted into color data (r,g,b) = (0,0,153), and the prediction data of 11~20 is color data (r,g,b) = (102,102,255) ), and so on. It is preferable that these conversion rules are stored in advance in the storage unit.

상기 데이터시각화부(500)는 또한, 데이터분석부(400)에서 분석된 결과도 마찬가지로 색상데이터로 변환하여 줄 수 있다.The data visualization unit 500 may also convert the results analyzed by the data analysis unit 400 into color data.

상기 데이터시각화부에서는 가장 최신의 지도데이터를 지도서버로부터 전송받아 상기 주그룹 및 부그룹에 대해 GPS위치정보를 동기화한다. 상기 지도데이터는 육지 각 부분의 GPS정보를 포함하며, 오픈스트리트맵과 같은 지도데이터가 사용될 수 있다.The data visualization unit receives the latest map data from the map server and synchronizes the GPS location information for the main group and the subgroup. The map data includes GPS information of each part of the land, and map data such as an open street map may be used.

도 4를 참조하면, 이러한 동기화 과정을 통해 상기 지도데이터 위에 색상데이터가 표시될 수 있다. Referring to FIG. 4 , color data may be displayed on the map data through this synchronization process.

한편, 상기 데이터시각화부(500)는 행정구역데이터를 이용하여 구획폴리곤데이터를 생성한다. 상기 행정구역데이터는 예를 들어 SHP파일로 구성될 수 있는데, 이러한 행정구역데이터는 바이너리파일로 되어 있고 그림, 좌표, 속성정보 등이 혼합되어 있다. 데이터시각화부에서는 행정구역데이터에서 GPS 좌표정보를 추출하여 구획폴리곤데이터를 생성한다.On the other hand, the data visualization unit 500 generates partition polygon data using administrative area data. The administrative district data may be composed of, for example, an SHP file. The administrative district data is a binary file, and pictures, coordinates, attribute information, and the like are mixed. The data visualization unit generates division polygon data by extracting GPS coordinate information from administrative area data.

즉, 데이터시각화부에서는 행정구역데이터에서 하나의 속성(예를 들어, 서울)에 해당하는 좌표정보를 추출하며, 반드시 처음과 끝이 같은 좌표정보를 갖도록 추출한다. 그리고, 추출된 좌표정보를 선으로 연결시켜 구획폴리곤데이터를 생성한다. 도 5는 이러한 방법으로 생성된 구획폴리곤데이터의 예이다. 이러한 구획폴리곤데이터는 행정구역 경계를 나타낼 수 있으며, 텍스트파일로 되어 있어 특별한 변환프로그램없이도 다양하게 활용이 가능하다.That is, the data visualization unit extracts coordinate information corresponding to one attribute (eg, Seoul) from administrative district data, and extracts it so that the beginning and the end have the same coordinate information. Then, the extracted coordinate information is connected with a line to generate partition polygon data. 5 is an example of partition polygon data generated in this way. These division polygon data can represent administrative district boundaries, and since it is a text file, it can be used in various ways without a special conversion program.

데이터시각화부에서는 이렇게 생성된 구획폴리곤데이터를 도 4와 같이 색상데이터로 표시된 지도데이터 위에 표시하여 준다. 도 6을 참조하면, 이렇게 하여 지도데이터 위에 색상데이터가 표시되고, 색상데이터 위에 구획폴리곤데이터가 표시된 결과물을 얻을 수 있다.The data visualization unit displays the partition polygon data thus generated on the map data displayed as color data as shown in FIG. 4 . Referring to FIG. 6 , it is possible to obtain a result in which color data is displayed on the map data and division polygon data is displayed on the color data in this way.

한편, 도 7을 참조하면, 본 기후변화 빅데이터 분석시스템을 이용하여 데이터분석부에서 분석한 결과를 데이터시각화부에 의해 표시한 결과, 2021년 7월 7일 전라북도 부안군 변산면 일대 약 118km2에서 3일간 누적 강수량이 137mm가 넘는 것으로 표시되었다. 이러한 결과는 각 격자마다 색상데이터를 분석함으로써 누적강수량 및 그 면적을 추정할 수 있다.On the other hand, referring to FIG. 7, as a result of displaying the results analyzed by the data analysis unit using the climate change big data analysis system by the data visualization unit, on July 7, 2021, about 118 km2 in Byeonsan-myeon, Buan-gun, Jeollabuk-do for 3 days Cumulative precipitation was shown to be over 137 mm. From these results, the accumulated precipitation and its area can be estimated by analyzing the color data for each grid.

상기에서는 본 발명의 실시예들을 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to the embodiments of the present invention, those of ordinary skill in the art can variously modify and modify the present invention within the scope without departing from the spirit and scope of the present invention described in the claims below. You will understand that it can be changed.

100 : 기후변화 빅데이터 분석시스템 200 : 데이터수집부
300 : 데이터전처리부 400 : 데이터분석부
500 : 데이터시각화부100: climate change big data analysis system 200: data collection unit
300: data preprocessing unit 400: data analysis unit
500: data visualization unit

Claims (5)

사용자에 의한 요청데이터에 대응하는 기후변화 시나리오 데이터 및 지도데이터를 수집하는 데이터수집부;
상기 기후변화 시나리오 데이터와 지도데이터를 이용하여 상기 기후변화 시나리오 데이터에 대응하는 위치좌표를 생성하는 데이터전처리부;
상기 기후변화 시나리에 데이터에서 상기 요청데이터를 기초로 해당하는 데이터를 추출하는 데이터분석부;
상기 데이터분석부에서 추출된 데이터를 지도데이터위에 겹쳐지도록 표시하여 주는 데이터시각화부를 포함하여 구성되는 기후변화 빅데이터 분석시스템.
a data collection unit for collecting climate change scenario data and map data corresponding to data requested by a user;
a data pre-processing unit for generating location coordinates corresponding to the climate change scenario data by using the climate change scenario data and map data;
a data analysis unit for extracting data corresponding to the request data from the climate change scenario data;
A climate change big data analysis system configured to include a data visualization unit that displays the data extracted from the data analysis unit to be superimposed on the map data.
 제1항에 있어서,
상기 데이터수집부는 상기 요청데이터로부터 대응하는 기후변화 시나리오 데이터, 행정구역데이터 및 지도데이터를 수집하고,
상기 데이터전처리부는 상기 요청데이터에 따라 비중도를 검출하고 상기 기후변화 시나리오 데이터를 상기 비중도에 따라 평균계산을 수행하여 맞춤 기후변화 시나리오 데이터를 생성하는 것을 특징으로 하는 기후변화 빅데이터 분석시스템.
According to claim 1,
The data collection unit collects corresponding climate change scenario data, administrative district data and map data from the request data,
The data pre-processing unit detects a specific gravity according to the requested data, and performs an average calculation of the climate change scenario data according to the specific gravity to generate customized climate change scenario data.
 제2항에 있어서,
상기 기후변화 시나리오 데이터는 경도 격자의 수, 위도 격자의 수, 격자의 크기(S), 모서리의 경도 및 위도, 미래의 기후변화에 대한 예측값인 예측데이터로 구성되며,
상기 데이터전처리부는 예측데이터를 분할하여 그룹으로 저장하고, 하나의 그룹에서 실제 예측값을 의미하는 의미데이터를 검색하고 연속된 의미데이터의 시작 또는 끝 위치의 격자 개수를 산출하여 주그룹 또는 부그룹으로 저장하는 것을 특징으로 하는 기후변화 빅데이터 분석시스템.
3. The method of claim 2,
The climate change scenario data consists of the number of longitude grids, the number of latitude grids, the size of the grid (S), the longitude and latitude of the corners, and prediction data that are prediction values for future climate change,
The data pre-processing unit divides the prediction data and stores them in groups, searches for semantic data that means the actual predicted values in one group, calculates the number of grids at the start or end positions of the continuous semantic data, and stores them as main groups or subgroups. Climate change big data analysis system, characterized in that
 제3항에 있어서,
상기 데이터시각화부는 상기 주그룹 또는 부그룹에 속하는 예측데이터를 개별값에 대응하는 색상데이터로 변환하고, 상기 지도데이터에 의한 이미지 위에 상기 색상데이터를 표시하여 주며, 상기 행정구역데이터를 이용하여 추출된 좌표정보를 선으로 연결시킨 구획폴리곤데이터를 표시하여 주는 것을 특징으로 하는 기후변화 빅데이터 분석시스템.
4. The method of claim 3,
The data visualization unit converts the prediction data belonging to the main group or subgroup into color data corresponding to individual values, displays the color data on the image by the map data, and extracts the data from the administrative districts. A climate change big data analysis system, characterized in that it displays the partition polygon data connected with the coordinate information by a line.
 제1항에 있어서,
상기 데이터분석부는 시작날짜 t1, 종료날짜 t2, 임계값 V0, 기준일 d라 할 때,
극단적 기후사상 E(V0)를
Figure 112020066651325-pat00008

로 계산하는 것을 특징으로 하는 기후변화 빅데이터 분석시스템.According to claim 1,
When the data analysis unit is a start date t 1 , an end date t 2 , a threshold value V 0 , a reference date d,
extreme climatic events E(V 0 )
Figure 112020066651325-pat00008

Climate change big data analysis system, characterized in that it is calculated as
KR1020200079042A 2020-06-29 2020-06-29 Climate Change Big Data Analysis System KR102264758B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200079042A KR102264758B1 (en) 2020-06-29 2020-06-29 Climate Change Big Data Analysis System

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200079042A KR102264758B1 (en) 2020-06-29 2020-06-29 Climate Change Big Data Analysis System

Publications (2)

Publication Number Publication Date
KR102264758B1 true KR102264758B1 (en) 2021-06-15
KR102264758B9 KR102264758B9 (en) 2021-11-12

Family

ID=76411774

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200079042A KR102264758B1 (en) 2020-06-29 2020-06-29 Climate Change Big Data Analysis System

Country Status (1)

Country Link
KR (1) KR102264758B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220078941A (en) * 2020-12-04 2022-06-13 대한민국(기상청 국립기상과학원장) Method and device for producing input vegetation forcing data for global climate change prediction model
KR102677137B1 (en) * 2023-11-23 2024-06-19 국립공주대학교 산학협력단 Method and Apparatus for Pattern Change Analyzing According to Cause of Climatic Change

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101335078B1 (en) * 2012-09-26 2013-12-03 공주대학교 산학협력단 Method of prism based downscaling estimation model

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101335078B1 (en) * 2012-09-26 2013-12-03 공주대학교 산학협력단 Method of prism based downscaling estimation model

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220078941A (en) * 2020-12-04 2022-06-13 대한민국(기상청 국립기상과학원장) Method and device for producing input vegetation forcing data for global climate change prediction model
KR102492475B1 (en) 2020-12-04 2023-02-06 대한민국 Method and device for producing input vegetation forcing data for global climate change prediction model
KR102677137B1 (en) * 2023-11-23 2024-06-19 국립공주대학교 산학협력단 Method and Apparatus for Pattern Change Analyzing According to Cause of Climatic Change

Also Published As

Publication number Publication date
KR102264758B9 (en) 2021-11-12

Similar Documents

Publication Publication Date Title
Munroe et al. Modeling spatially and temporally complex land-cover change: the case of western Honduras
Sousa‐Baena et al. Completeness of digital accessible knowledge of the plants of Brazil and priorities for survey and inventory
Pontius Jr et al. Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment
Wang et al. Sample surveying to estimate the mean of a heterogeneous surface: reducing the error variance through zoning
Camarillo-Naranjo et al. The global climate monitor system: from climate data-handling to knowledge dissemination
Statuto et al. GIS-based analysis of temporal evolution of rural landscape: A case study in Southern Italy
Bilsborrow et al. The use of survey data to study migration–environment relationships in developing countries: alternative approaches to data collection
Gao et al. Object-based classification with features extracted by a semi-automatic feature extraction algorithm–SEaTH
KR102264758B1 (en) Climate Change Big Data Analysis System
US9041726B2 (en) Analyzing large data sets using digital images
Klonner et al. Updating digital elevation models via change detection and fusion of human and remote sensor data in urban environments
CN115658776B (en) Method for generating national 1km carbon emission spatial distribution map by combining multi-source data
Tewari Forest inventory, assessment, and monitoring, and long-term forest observational studies, with special reference to India
Maltamo et al. Non-parametric prediction of diameter distributions using airborne laser scanner data
Wotlolan et al. Land suitability evaluation for multiple crop agroforestry planning using GIS and multi-criteria decision analysis: A case study in Fiji
CN102156739A (en) GIS (Geographic Information System) platform processing method for mass lightning data
Loran et al. Comparing historical and contemporary maps-a methodological framework for a cartographic map comparison applied to Swiss maps
CN115439753A (en) Steep river bank identification method and system based on DEM
Roick et al. A technical framework for visualizing spatio-temporal quality metrics of volunteered geographic information
Thompson et al. Developing effective sampling designs for monitoring natural resources in Alaskan national parks: An example using simulations and vegetation data
CN117633249A (en) Basic variable construction method and device for SDGs space type monitoring index
Martini et al. Database-supported change analysis and quality evaluation of OpenStreetMap Data
CN112066998A (en) Rendering method and system for airline map
Dong et al. Recalculating the agricultural labor force in china
Sweeney et al. An edge-oriented approach to thematic map error assessment

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]