KR102300969B1 - 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템 - Google Patents

모의 식생 환경에 대한 산란계수 생성 방법 및 시스템 Download PDF

Info

Publication number
KR102300969B1
KR102300969B1 KR1020180142610A KR20180142610A KR102300969B1 KR 102300969 B1 KR102300969 B1 KR 102300969B1 KR 1020180142610 A KR1020180142610 A KR 1020180142610A KR 20180142610 A KR20180142610 A KR 20180142610A KR 102300969 B1 KR102300969 B1 KR 102300969B1
Authority
KR
South Korea
Prior art keywords
vegetation
wcm
constant coefficients
scattering
modified
Prior art date
Application number
KR1020180142610A
Other languages
English (en)
Other versions
KR20200058068A (ko
Inventor
조재형
Original Assignee
한화시스템 주식회사
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 한화시스템 주식회사 filed Critical 한화시스템 주식회사
Priority to KR1020180142610A priority Critical patent/KR102300969B1/ko
Priority to KR1020190060407A priority patent/KR102315392B1/ko
Publication of KR20200058068A publication Critical patent/KR20200058068A/ko
Application granted granted Critical
Publication of KR102300969B1 publication Critical patent/KR102300969B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G23/00—Forestry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Botany (AREA)
  • General Health & Medical Sciences (AREA)
  • Environmental Sciences (AREA)
  • Forests & Forestry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Ecology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Wood Science & Technology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템에 관한 것으로, 더욱 상세하게는 WCM(Water Cloud Model)에 식생의 높이 및 산란체의 개수를 포함시킨 수정된 WCM을 기반으로 산란계수를 생성한다.

Description

모의 식생 환경에 대한 산란계수 생성 방법 및 시스템{METHOD AND SYSTEM FOR GENERATING SCULPTURE NUMBER FOR SIMULATION}
본 발명은 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템에 관한 것으로, 보다 상세하게는 기존의 경험적인 모델을 식생의 높이와 산란체의 개수가 고려된 모델로 수정하여 다양한 모의 식생 환경에 대한 산란계수를 생성할 수 있도록 하는 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템에 관한 것이다.
인공적인 타겟을 제외한 육상의 자연계의 대부분은 토양 또는 식생으로 덮여있다. 여기서, 식생이란 지표를 덮고 있는 식물을 말하며, 기온과 강수량에 따라 지역차가 나타난다.
최근 국내외 연구동향을 살펴보면 인공위성 및 지상 레이더 자료를 이용하여 작물 생육을 모니터링하고, 추정하여 얻어진 작물생육추정모형을 이용하여 작물식생변화를 정량화하여 활용하고 있다.
또한 1970년대 후반 식생에 대한 단순 산란모델인 WCM(Water Cloud Model)이 개발된 이후, 토양, 수분, 기상 등 다양한 인자를 이용한 산란 모델 개발, 마이크로파와 작물 및 토양과의 물리적 상호관계의 이해도를 증가시킨 일반화 모델 개발이 활발히 진행하고 있다.
마이크로파 산란계는 연속적으로 작물을 모니터링을 할 수 있어 시간해상도가 레이더 영상에 비해 훨씬 뛰어나다. 또한 다중편파(full polarization), 다양한 입사각도를 통하여 여러 종류의 밴드 안테나를 동시에 이용함으로써 편파별 작물 생육변화를 시기별로 모니터링 할 수 있는 큰 장점을 가지고 있다.
식생 지역에서는 식생을 구성하고 있는 잎, 줄기, 가지 등 다양한 물체에 의한 산란 현상이 복합적으로 작용하므로 토양에 비해 산란 현상이 복잡하고, 더불어 예측하기도 어렵다.
따라서, 식생 지역에서의 마이크로파 산란 특성을 이해하기 위해서는 우선 식생을 구성하고 있는 물체들에서의 산란 현상을 보다 정확하게 예측하기 위한 모델이 필요하다.
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 제안된 것으로, 식생을 구성하고 있는 물체들에서의 산란 현상을 보다 정확하게 예측하기 위한 모델을 제공함으로써, 다양한 모의 상황에서의 식생의 산란계수를 생성할 수 있도록 하는 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템을 제공함에 있다.
또한, 본 발명은 식생에 대한 다양하고 보다 정확한 예측이 가능하도록 함으로써, 식생에 변화를 주는 지구온난화 등의 환경 문제에 대비할 수 있도록 하는 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템을 제공함에 있다.
본 발명의 목적은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 모의 식생 환경에 대한 산란계수 생성 방법은, WCM(Water Cloud Model)에 식생의 높이 및 산란체의 개수를 포함시킨 수정된 WCM을 기반으로 산란계수를 생성한다.
또한, 본 발명에 따른 모의 식생 환경에 대한 산란계수 생성 시스템은, WCM(Water Cloud Model)에서 계수를 결정하는 결정부; 식생의 높이와 산란체의 개수를 포함하도록 상기 WCM을 수정하여 모델링을 수행하는 모델링부; 및 상기 수정된 WCM을 기반으로 산란계수를 산출하는 산출부를 포함한다.
본 발명에 의하면, 식생을 구성하고 있는 물체들에서의 산란 현상을 보다 정확하게 예측하기 위한 모델을 제공함으로써, 다양한 모의 상황에서의 식생의 산란계수를 생성할 수 있다.
또한, 본 발명에 의하면, 식생에 대한 다양하고 보다 정확한 예측이 가능하도록 함으로써, 식생에 변화를 주는 지구온난화 등의 환경 문제에 대비할 수 있다.
본 발명의 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 식생 지역의 마이크로파 산란 매커니즘을 설명하기 위한 도면,
도 2는 WCM의 산란 매커니즘을 설명하기 위한 도면,
도 3은 식생의 높이와 산란체의 개수의 변화에 따른 WCM 모델의 AV 및 BV 항의 변화를 나타내는 도면,
도 4는 식생의 수분 함량
Figure 112018114942734-pat00001
의 변화에 따른 WCM 모델의 AV와 BV항의 변화를 나타내는 도면,
도 5는 수정된 WCM의 상수 계수 a 및 b를 추정하기 위한 회귀분석 수행 결과를 나타내는 도면,
도 6은 본 발명의 실시예에 따른 수정된 모델을 기반으로 산란계수 생성 방법을 나타내는 순서도,
도 7은 본 발명의 실시예에 따른 산란계수 생성 시스템을 나타내는 블록도.
본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기증을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
한편, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 발명은 기존의 경험적 모델이 식생의 높이와 산란체의 개수를 포함하도록 수정하여 식생의 높이와 산란체의 개수가 고려된 다양한 모의 식생 환경에 대한 산란계수를 생성하기 위한 것이다.
이하에서는 본 발명의 실시예에 따른 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템에 대해 첨부된 도면을 참고하여 구체적으로 설명하기로 한다.
먼저, 식생에서의 마이크로파 산란 특성을 이해하기 위해서는 우선 식생을 구성하고 있는 물체들에서의 산란 현상을 예측하기 위한 모델이 요구된다. 이를 위해 식생을 구성하고 있는 줄기, 가지, 잎을 모델링하기 위해서는 형태, 크기 및 방위에 대한 간략화가 필요하다. 잎의 경우에는 디스크형 타원체(활엽수)나 바늘형 타원체(침엽수)로 크기와 형태를 간략화 할 수 있으며, 가지는 유한한 실린더형태로 간주할 수 있다. 크기가 전자기파의 파장보다 상당히 작은 물체의 경우에는 GRG(Generalized Rayleigh-Gans) 근사법을 이용하여 산란 현상을 근사할 수 있다.
이 경우, 전파가 입사하는 방향
Figure 112018114942734-pat00002
과 산란하는 방향
Figure 112018114942734-pat00003
에 대한 산란 진폭은 시스템 변수 (입사각, 파장)와 크기, 유전율, 자세 등 상태 변수의 함수로 나타낼 수 있다. 예를 들어, 바늘형 타원체와 같은 물체에서 GRG 근사법을 통하여 얻어진 pq-편파의 산란 진폭
Figure 112018114942734-pat00004
은 하기 <수학식 1>과 같이 나타낼 수 있다.
<수학식 1>
Figure 112018114942734-pat00005
Figure 112018114942734-pat00006
Figure 112018114942734-pat00007
Figure 112018114942734-pat00008
Figure 112018114942734-pat00009
,
Figure 112018114942734-pat00010
,
Figure 112018114942734-pat00011
,
Figure 112018114942734-pat00012
,
Figure 112018114942734-pat00013
,
Figure 112018114942734-pat00014
,
Figure 112018114942734-pat00015
식생 내부는 이러한 물체가 다수 모여 있는 집단이며, 크기, 유전율, 자세 등을 확률 변수로 고려할 수 있다. 따라서, 특정 방위에 분포되어 있는 특정 크기의 산란체 집단에 대한 전체 산란 진폭은 기댓값
Figure 112018114942734-pat00016
을 연산함으로서 도출할 수 있다.
도 1은 식생 지역의 마이크로파 산란 매커니즘을 설명하기 위한 도면이다.
산란체들로 구성된 식생 지역에서의 후방산란의 크기는 식생 내부에서 체적 산란(volume scattering), 감쇠, 토양 산란 등의 다양한 산란 메커니즘에 의해 결정되게 되는데, 이러한 지역에서의 여러 종류의 산란 메커니즘은 흔히 RT(Radiative Transfer) 모델을 적용하여 반복적인 계산을 통해 (zero-order + fist-order + …) 모델링 된다.
이러한 경우에 총 후방산란 계수는 도 1과 같이 각 산란 메커니즘의 합으로써 표현되며 일반적으로 "1st order"까지의 메커니즘을 주로 고려하여 계산된다. 이때, 후방산란계수를 결정하는 주요한 각 산란 메커니즘은 식생 하부 토양에서의 산란 (
Figure 112018114942734-pat00017
), 식생에서의 직접 산란 (
Figure 112018114942734-pat00018
), 식생과 토양의 다중 산란 (
Figure 112018114942734-pat00019
)으로 표현된다.
식생으로 덮여 있는 지역의 RT 이론의 반복적인 해 중에서 zero-order의 해는 양방향의 식생에 의한 감쇠 효과를 포함한 토양에서의 직접 산란 메커니즘에 해당한다. 이때의 후방산란계수는 하기 <수학식 2>와 같이 나타낼 수 있다.
<수학식 2>
Figure 112018114942734-pat00020
여기서,
Figure 112018114942734-pat00021
는 토양에서의 후방산란계수이고,
Figure 112018114942734-pat00022
및
Figure 112018114942734-pat00023
는 입사하는 방향과 산란 방향에 대한 전파의 감쇠를 나타내는 감쇠계수이다. 산란 진폭의 경우와 마찬가지로 감쇠계수 역시 개별적인 산란체에 대한 감쇠 진폭
Figure 112018114942734-pat00024
에 대한 연산이 이뤄져야하고, 또한 산란체 위치 및 크기에 대한 확률 분포를 이용하여 기댓값을 연산함으로써 산란체의 분포에 따른 감쇠계수를 얻을 수 있다.
RT 모델의 1차 해결(first-order solution)은 식생 자체에서의 체적 산란
Figure 112018114942734-pat00025
과 식생과 토양 사이의 이중산란 (
Figure 112018114942734-pat00026
)에 해당한다. 1차 해결에 의한 산란 메커니즘을 예측하기 위해서는 식생을 구성하고 있는 산란체들의 크기 및 그 분포, 유전율, 체적 밀도, 방위 분포에 대한 확률 모델, 식생 높이 등 매우 많은 입력 파라미터와 복잡한 모델화 과정이 요구된다.
고주파수를 사용하는 SAR 시스템의 경우 식생에서의 산란 현상에 대해 RT 이론에 의한 산란 메커니즘 예측에 비해 무척 단순화된 형태의 반경험적인(semi-empirical) 모델을 적용할 수 있다.
도 2는 WCM의 산란 매커니즘을 설명하기 위한 도면이다.
도 2를 참조하면, 식생 레이어를 매우 단순한 유전체가 무작위하게 분포하고 있다고 가정하는 WCM(Water Cloud Model)의 경우에는 식생과 토양 사이의 다중 산란 현상을 무시하고, 하기 <수학식 3>과 같이 단순한 형태로 식생에서의 산란 현상을 나타낼할 수 있다.
<수학식 3>
Figure 112018114942734-pat00027
여기서,
Figure 112018114942734-pat00028
는 토양 표면에서의 산란 현상에 대해 잘 알려진 IEM 모델이고,
Figure 112018114942734-pat00029
와
Figure 112018114942734-pat00030
는 식생에서의 후방산란계수와 식생에서의 투과 계수를 나타내며 하기 <수학식 4>와 같이 파라미터화 할 수 있다.
<수학식 4>
Figure 112018114942734-pat00031
Figure 112018114942734-pat00032
여기서,
Figure 112018114942734-pat00033
는 식생의 특성에 좌우되는 상수 계수로써 경험적으로 결정되는 파라미터이다.
Figure 112018114942734-pat00034
는 모델 파리미터로써 식생에서의 체적 산란 정도를 결정하는 환경 변수이며, 식생의 수분량(vegetation water content) 또는 잎면적 지수(leaf area index) 등의 식생의 유전율이나 생물량과 관련된 변수가 주로 사용된다.
앞서 설명한 바와 같이, 이러한 WCM은 식생의 특성에 좌우되는 상수 계수
Figure 112018114942734-pat00035
와 체적 산란의 정도를 결정하는 파라미터
Figure 112018114942734-pat00036
를 입력으로 하여 후방산란계수를 표현할 수 있음을 확인할 수 있다.
여기서,
Figure 112018114942734-pat00037
는 경험적으로 결정되는 파라미터로서 다양한 값이 선택될 수 있으므로, 모델링 및 시뮬레이션을 위해서는 어떠한 값을 결정하는 것이 적절한가에 대한 확인이 필요하다.
한편,
Figure 112018114942734-pat00038
는 식생의 높이 및 산란체의 개수와는 무관한 상수 파라미터이다. 또한, 체적 산란 파라미터인
Figure 112018114942734-pat00039
는 실험적 관측 자료의 유무 및 연구 목적에 따라 식생의 수분량 (vegetation water content) 또는 잎면적 지수 (leaf area index) 등의 파라미터들이 사용된 바 있지만, 시뮬레이션을 위해 역시 어떠한 물리량을 선정하는 것이 적절한가에 대한 선택이 필요하다. 이를 위해 WCM과 동일한 가정으로 RT 모델의 해를 구성하여 RT 모델에 의한 시뮬레이션 결과와 WCM의 모델 파라미터를 비교하였다.
WCM의 모델 파라미터를 합하여 정리해보면 하기 <수학식 5>와 같다.
<수학식 5>
Figure 112018114942734-pat00040
우선
Figure 112018114942734-pat00041
와
Figure 112018114942734-pat00042
가 식생의 높이 및 산란체의 개수와 같은 조건에 무관하게 상수 계수로 WCM 모델에서 작용하는가를 확인하기 위해서 RT 모델에서 식생의 높이
Figure 112018114942734-pat00043
및 산란체의 개수
Figure 112018114942734-pat00044
을 변동시켜 가면서
Figure 112018114942734-pat00045
와
Figure 112018114942734-pat00046
항의 변화를 살펴볼 수 있다.
도 3은 식생의 높이와 산란체의 개수의 변화에 따른 WCM 모델의 AV 및 BV 항의 변화를 나타내는 도면이다.
도 3을 참조하면,
Figure 112018114942734-pat00047
는 변화가 없지만
Figure 112018114942734-pat00048
파라미터는 식생의 높이와 산란체의 개수에 따라 선형으로 변화하는 것을 확인할 수 있다.
따라서, WCM 모델의 파라미터는 식생의 높이와 산란체의 개수에 따라서 가변되지 않도록 모델이 수정이 될 필요가 있으며, 그에 따라
Figure 112018114942734-pat00049
가 WCM 모델에서 상수 계수가 되도록 하기 위해 WCM 모델을 정리하면 하기 <수학식 6>과 같이 나타낼 수 있다.
<수학식 6>
Figure 112018114942734-pat00050
식생에서의 체적 산란에 해당하는
Figure 112018114942734-pat00051
는 식생의 수분 함량의 정도에 가장 크게 영향을 받는다고 가정할 수 있고,
Figure 112018114942734-pat00052
를 식생의 수분 함량(gravimetric moisture content)
Figure 112018114942734-pat00053
로 근사하여 파라미터화 할 수 있다.
도 4는 식생의 수분 함량
Figure 112018114942734-pat00054
의 변화에 따른 WCM 모델의
Figure 112018114942734-pat00055
와
Figure 112018114942734-pat00056
항의 변화를 나타내는 도면이다.
도 4를 참조하면, WCM 모델의
Figure 112018114942734-pat00057
파라미터를
Figure 112018114942734-pat00058
로 근사하였을 경우,
Figure 112018114942734-pat00059
는
Figure 112018114942734-pat00060
에 대해 2차식의 형태로,
Figure 112018114942734-pat00061
는
Figure 112018114942734-pat00062
에 대해 1차식의 형태로 연관되어 있음을 확인할 수 있다.
따라서,
Figure 112018114942734-pat00063
는
Figure 112018114942734-pat00064
으로 모델링 할 수 있으며,
Figure 112018114942734-pat00065
는
Figure 112018114942734-pat00066
의 형태로 모델링 할 수 있다. 한편, 이를 통해 WCM은 하식 <수학식 7>과 같이 수정된 WCM으로 변형할 수 있다.
<수학식 7>
Figure 112018114942734-pat00067
한편, 도 5는 수정된 WCM의 상수 계수 a 및 b를 추정하기 위한 회귀분석 수행 결과를 나타내는 도면이다.
여기서, 새로운 상수 계수 a 및 b는 RT 모델에 따른 시뮬레이션 결과에 각각 2차식 및 1차식을 피팅(fitting)함으로써 도출할 수 있는데, 도 5와 같이 최소제곱 회귀분석(least square regression)을 수행한 결과,
Figure 112018114942734-pat00068
로 근사적으로 추정할 수 있다.
결과적으로 기존 모든 경험적인 모델에서 각각의 식생의 특성에 좌우되는 상수 계수
Figure 112018114942734-pat00069
,
Figure 112018114942734-pat00070
에 대해서 상기와 같은 과정으로 수정된 모델을 이용하여 식생의 높이와 산란체의 개수(수분함량)에 대한 산란계수를 생성할 수 있다.
도 6은 본 발명의 실시예에 따른 수정된 모델을 기반의 산란계수 생성 방법을 나타내는 순서도이다.
먼저, 경험적으로 결정되는 파라미터인
Figure 112018114942734-pat00071
,
Figure 112018114942734-pat00072
를 결정한다(S601). 여기서,
Figure 112018114942734-pat00073
,
Figure 112018114942734-pat00074
는 식생의 특성에 좌우되는 상수 계수로서, 식생의 높이 및 산란체의 개수와는 무관한 상수 파라미터이다.
이후, 상기 <수학식 6>의 WCM 모델에 식생의 높이 및 산란체의 개수를 적용하고(S603), 여기에 체적 산란 파라미터
Figure 112018114942734-pat00075
를 식생의 수분함량
Figure 112018114942734-pat00076
로 근사하여 파라미터화 한다(S605). 이로써, WCM 모델은 식생의 높이와 산란체의 개수를 포함하는 모델로 수정되는 것이다.
이후, 상기 <수학식 7>과 같이 수정된 WCM 모델에서 2차식 및 1차식을 피팅(fitting)함으로써 상수계수 a 및 b를 연산할 수 있는데, 최소제곱 회귀분석을 수행하여 이 a 및 b를 근사적으로 추정하고(S607), 결과적으로 모의 식생 환경에 대한 산란계수를 산출한다(S609).
도 7은 본 발명의 실시예에 따른 산란계수 생성 시스템을 나타내는 블록도이다.
도 7을 참조하면, 산란계수 생성 시스템은 결정부(701), 모델링부(703), 산출부(705) 및 제어부(707)를 포함한다.
결정부(701)는 기존의 경험적인 모델인 WCM에서의 계수를 결정한다. 이때, WCM은 상기 <수학식 6>과 같다.
모델링부(703)는 식생의 높이와 산란체의 개수를 포함하도록 이 WCM을 수정하여 모델링을 수행한다. 구체적으로, 모델링부(703)는 WCM 모델에 식생의 높이 및 산란체의 개수를 적용하고, 체적 산란 파라미터를 수분 함량으로 근사화 함으로써 모델링을 수행한다.
산출부(705)는 모델링을 통해 수정된 WCM을 기반으로 산란계수를 산출한다. 여기서, 상수계수는 식생의 높이 및 산란체의 개수와는 상관없는 상수를 나타낸다.
제어부(707)는 경험적 모델을 기반으로 식생의 특성에 따라 좌우되는 상수계수를 결정하고, 그 경험적인 모델이 식생의 높이와 산란체의 개수를 포함하도록 수정하여 모델링한 후, 그 수정된 모델에 대해 최소제곱 회귀분석을 수행하여 상수계수를 추정하고, 앞서 산출된 상수계수를 기반으로 모의 식생 환경에 대한 산란계수를 산출하도록 제어한다.
따라서, 본 발명은 기존의 경험적 모델을 식생의 높이 및 산란체의 개수를 포함하도록 수정하여 이용함으로써, 종래의 식생의 산란 모델에 비해 다양한 식생의 높이와 산란체의 개수에 따른 모의 식생 환경에 대한 산란계수를 생성할 수 있도록 한다.
본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
700: 산란계수 생성 시스템 701: 결정부
703: 모델링부 705: 산출부
707: 제어부

Claims (18)

  1. 모의 식생 환경에 대한 산란계수 생성 방법에 있어서,
    WCM(Water Cloud Model)을 기반으로 식생의 특성에 따라 좌우되는 복수의 상수 계수들을 결정하는 단계;
    상기 결정된 상수 계수들을 포함하는 WCM에 상기 식생의 높이와 산란체의 개수를 포함하여 상기 WCM을 수정하는 단계;
    상기 수정된 WCM에 포함된 상기 식생의 체적 산란 파라미터를 상기 식생의 수분 함량 파라미터로 근사화하여 상기 수정된 WCM을 재수정하는 단계;
    상기 재수정된 WCM에 최소제곱 회귀분석을 수행하여 상기 재수정된 WCM에 포함된 상기 결정된 상수 계수들에 대응하는 복수의 상수 계수들의 값들을 추정하는 단계; 및
    상기 추정된 상수 계수들의 값들을 기반으로 모의 식생 환경에 대한 산란계수를 산출하는 단계를 포함하는 모의 식생 환경에 대한 산란계수 생성 방법.
  2. 제1항에 있어서,
    상기 수정된 WCM을 재수정하는 단계는,
    상기 수정된 WCM에 포함된 상기 결정된 상수 계수들 각각과 상기 식생의 체적 산란 파라미터 간의 결합 요소들을 확인하는 단계; 및
    상기 확인된 결합 요소들을 상기 결정된 상수 계수들에 대응하는 상기 상수 계수들 각각과 상기 식생의 수분 함량 파라미터 간의 결합 요소들로 근사화하는 단계를 포함하는 모의 식생 환경에 대한 산란계수 생성 방법.
  3. 제1항에 있어서,
    상기 상수 계수들 각각은,
    상기 식생의 높이 및 상기 산란체의 개수와 상관없는 상수인 것을 특징으로 하는 모의 식생 환경에 대한 산란계수 생성 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 모의 식생 환경에 대한 산란계수 생성 시스템에 있어서,
    WCM(Water Cloud Model)을 기반으로 식생의 특성에 따라 좌우되는 복수의 상수 계수들을 결정하는 결정부;
    상기 결정된 상수 계수들을 포함하는 WCM에 상기 식생의 높이와 산란체의 개수를 포함하여 상기 WCM을 수정하고, 상기 수정된 WCM에 포함된 상기 식생의 체적 산란 파라미터를 상기 식생의 수분 함량 파라미터로 근사화하여 상기 수정된 WCM을 재수정하는 모델링부;
    상기 재수정된 WCM에 최소제곱 회귀분석을 수행하여 상기 재수정된 WCM에 포함된 상기 결정된 상수 계수들에 대응하는 복수의 상수 계수들의 값들을 추정하는 산출부; 및
    상기 결정부를 통해 상기 WCM을 기반으로 식생의 특성에 따라 좌우되는 복수의 상수 계수들을 결정하며, 상기 모델링부를 통해 상기 결정된 상수 계수들을 포함하는 WCM에 상기 식생의 높이와 상기 산란체의 개수를 포함하여 상기 WCM을 수정하며, 상기 수정된 WCM에 포함된 상기 식생의 체적 산란 파라미터를 상기 식생의 수분 함량 파라미터로 근사화하여 상기 수정된 WCM을 재수정하고, 상기 산출부를 통해 상기 재수정된 WCM에 최소제곱 회귀분석을 수행하여 상기 재수정된 WCM에 포함된 상기 결정된 상수 계수들에 대응하는 복수의 상수 계수들의 값들을 추정하며, 상기 추정된 상수 계수들의 값들을 기반으로 모의 식생 환경에 대한 산란계수를 산출하는 제어부를 포함하는 모의 식생 환경에 대한 산란계수 생성 시스템.
  11. 제10항에 있어서,
    상기 모델링부는,
    상기 수정된 WCM에 포함된 상기 결정된 상수 계수들 각각과 상기 식생의 체적 산란 파라미터 간의 결합 요소들을 확인하고, 상기 확인된 결합 요소들을 상기 결정된 상수 계수들에 대응하는 상기 상수 계수들 각각과 상기 식생의 수분 함량 파라미터 간의 결합 요소들로 근사화하는 것을 특징으로 하는 모의 식생 환경에 대한 산란계수 생성 시스템.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
KR1020180142610A 2018-11-19 2018-11-19 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템 KR102300969B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180142610A KR102300969B1 (ko) 2018-11-19 2018-11-19 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템
KR1020190060407A KR102315392B1 (ko) 2018-11-19 2019-05-23 모의 식생 환경에 대한 산란계수 생성 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180142610A KR102300969B1 (ko) 2018-11-19 2018-11-19 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190060407A Division KR102315392B1 (ko) 2018-11-19 2019-05-23 모의 식생 환경에 대한 산란계수 생성 시스템

Publications (2)

Publication Number Publication Date
KR20200058068A KR20200058068A (ko) 2020-05-27
KR102300969B1 true KR102300969B1 (ko) 2021-09-10

Family

ID=70911099

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180142610A KR102300969B1 (ko) 2018-11-19 2018-11-19 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102300969B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004037339A (ja) 2002-07-05 2004-02-05 Mitsubishi Materials Natural Resources Development Corp 森林のバイオマスの定量計測法
JP2010117327A (ja) 2008-11-14 2010-05-27 Pasuko:Kk 植生生育状況解析方法、プログラムおよび植生生育状況解析装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004037339A (ja) 2002-07-05 2004-02-05 Mitsubishi Materials Natural Resources Development Corp 森林のバイオマスの定量計測法
JP2010117327A (ja) 2008-11-14 2010-05-27 Pasuko:Kk 植生生育状況解析方法、プログラムおよび植生生育状況解析装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
J.Li et al., Remote Sensing, Vol. 10, No. 1370, 2018, pp. 1-17.
S.Chauhan et al., International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XLII-4/W2, 2017, pp. 61-66.*

Also Published As

Publication number Publication date
KR20200058068A (ko) 2020-05-27

Similar Documents

Publication Publication Date Title
Huang et al. Assimilating a synthetic Kalman filter leaf area index series into the WOFOST model to improve regional winter wheat yield estimation
Zhang et al. A review of remote sensing based actual evapotranspiration estimation
WO2019118460A1 (en) Irrigation system control with predictive water balance capabilities
EP3455742A1 (en) Statistical blending of weather data sets
US20050143842A1 (en) Method and system for controlling irrigation using computed evapotranspiration values
Javaherian et al. Refraction-corrected ray-based inversion for three-dimensional ultrasound tomography of the breast
Kamali et al. Determination of maize water requirement using remote sensing data and SEBAL algorithm
Homma et al. Development of a rice simulation model for remote-sensing (SIMRIW-RS)
Castaño-Santamaría et al. Modelling and mapping beech forest distribution and site productivity under different climate change scenarios in the Cantabrian Range (North-western Spain)
Monsivais-Huertero et al. Phenology-based backscattering model for corn at L-band
KR20200128966A (ko) 랜덤 포레스트 알고리즘에 기반하는 인공위성 이미지와 지형 데이터를 이용한 심한 가뭄 지역 예측 방법
KR102300969B1 (ko) 모의 식생 환경에 대한 산란계수 생성 방법 및 시스템
KR102315392B1 (ko) 모의 식생 환경에 대한 산란계수 생성 시스템
Lü et al. Multi‐scale assimilation of root zone soil water predictions
Zhang et al. Estimation of rice yield from a C-band radar remote sensing image by integrating a physical scattering model and an optimization algorithm
Indeje et al. Predictability of the normalized difference vegetation index in Kenya and potential applications as an indicator of rift valley fever outbreaks in the Greater Horn of Africa
Mansouri et al. Bayesian methods for predicting LAI and soil water content
Mussetta et al. Characterization of microstrip reflectarray square ring elements by means of an Artificial Neural Network
Gupta et al. Crop variables estimation by adaptive neuro-fuzzy inference system using bistatic scatterometer data
Yan et al. A microwave scattering model for simulating the C-Band SAR backscatter of wheat canopy
Xiong et al. Refinement of the X and Ku band dual-polarization scatterometer snow water equivalent retrieval algorithm
Freitas et al. Ray tracing and applications to an evaporation duct model based on data from oceanographic buoy sensors
Mansouri et al. Modeling and prediction of time-varying environmental data using advanced bayesian methods
Myers et al. A data mining approach to soil temperature and moisture prediction
Wang et al. A MWCMLAI-Net method for LAI inversion in maize and rice using GF-3 and Lutan radar data

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant