[논문]GIS와 기계학습을 이용한 지하수 가능성도 작성 연구 현황

이사로

doi:10.7780/kjrs.2020.36.6.1.1

[국내논문] GIS와 기계학습을 이용한 지하수 가능성도 작성 연구 현황
Status of Groundwater Potential Mapping Research Using GIS and Machine Learning 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.6 pt.1, 2020년, pp.1277 - 1290

초록
AI-Helper

지표수와 지하수로 이루어진 수자원은 세계적으로 가장 중요한 천연자원 중 하나로 여겨진다. 지난 세기 이후 급속한 산업화와 급증하는 인구로 인해, 생활용, 산업용, 농업용수 수요가 급증하고 있으며, 이에 대한 지하수 수요도 급증하고 있다. 따라서 지하수에 대한 지속 가능한 개발과 관리를 위해서는 정확한 위치기반의 지하수 가능성도 작성이 필수적이다. 최근에는 기계학습과 지리정보시스템 통합이 지하수 가능성도 작성에 효과적인 방법이 되고 있다. 이러한 통합접근법의 현황 파악을 위해 6년(2015~2020년) 동안 94편의 직접 관련 논문에 대한 체계적 검토를 실시했다. 문헌 검토에 따르면, 매년 발간되는 연구의 수는 시간이 지남에 따라 급격히 증가했다. 전체 연구 분야는 15개국에 걸쳐 있으며, 85%의 연구가 이란, 인도, 중국, 한국, 이라크에 집중되었다. 지하수 산출 가능성 조사에는 20개의 변수가 자주 사용된 것으로 조사되었으며, 이 중 지형고도, 경사, 경사방향, 지형습도지수, 지질, 토지 이용 피복, 하천 밀도, 강과의 거리, 강우량 등이 자주 사용되는 것으로 나타났다. 기계학습 모델에 있어 랜덤 포레스트, 서포트벡터머신, 부스트 회귀트리 등의 방법이 많이 사용되었다. 이러한 문헌 연구는 최적의 결과를 위해 지하수 가능성도를 저비용 대체물이 아닌 현장 작업을 보완하는 도구로 사용해야 한다는 것을 보여준다. 마지막으로, 향후, 지하수 가능성도 작성의 표준화 및 정확성을 개선하기 위해 더 많은 연구가 진행되어야 할 것이다.

Abstract ▼ AI-Helper

Water resources which is formed of surface and groundwater, are considered as one of the pivotal natural resources worldwide. Since last century, the rapid population growth as well as accelerated industrialization and explosive urbanization lead to boost demand for groundwater for domestic, industrial and agricultural use. In fact, better management of groundwater can play crucial role in sustainable development; therefore, determining accurate location of groundwater based groundwater potential mapping is indispensable. In recent years, integration of machine learning techniques, Geographical Information System (GIS) and Remote Sensing (RS) are popular and effective methods employed for groundwater potential mapping. For determining the status of the integrated approach, a systematic review of 94 directly relevant papers were carried out over the six previous years (2015-2020). According to the literature review, the number of studies published annually increased rapidly over time. The total study area spanned 15 countries, and 85.1% of studies focused on Iran, India, China, South Korea, and Iraq. 20 variables were found to be frequently involved in groundwater potential investigations, of which 9 factors are almost always present namely slope, lithology (geology), land use/land cover (LU/LC), drainage/river density, altitude (elevation), topographic wetness index (TWI), distance from river, rainfall, and aspect. The data integration was carried random forest, support vector machine and boost regression tree among the machine learning techniques. Our study shows that for optimal results, groundwater mapping must be used as a tool to complement field work, rather than a low-cost substitute. Consequently, more study should be conducted to enhance the generalization and precision of groundwater potential map.

주제어

표/그림 (6)

그림 Fig. 1. Number of published articles in the research field from 2015 to 2020.
그림 Fig. 2. Number of published articles with respect to study area from 2015 to 2020.
표 Table 1. Literatures on selection of mentioned conditioning parameters for groundwater potential mapping/modeling
표 Table 1. Continued
그림 Fig. 3. Number of published articles with respect to the conditioning factors used to identify groundwater potential zones from 2015 to 2020.
그림 Fig. 4. Number of published articles with respect to methods used from 2015 to 2020.

AI 본문요약
AI-Helper

문제 정의

본 연구에서 증명될 것처럼, 지하수 가능성 지도에 새로운 방법을 적용하는 것에 대한 관심이 최근 몇 년 동안 급격히 증가했다. 따라서, 본 연구에서는 지난 10년 동안 GIS를 이용하여 지하수 가능성도 작성 방법에 대한 최신 연구를 정리 분석하였다.
그러므로 시간과 비용을 줄이기 위해서는 지하수 산출 가능성 지역을 기존 정보를 최대한 활용할 수 있는 데이터 기반의 접근법을 필요로 한다. 이에 지리정보시스템(GIS)과 기계학습 모델을 결합하여, 매우 높은 효율로 지하수가 산출 가능 구역을 예측할 수 있는 지하수 가능성도 작성 방법론이 제시되었다.

제안 방법

본 연구에서는 GIS와 기계학습을 이용하여 지하수 가능성도 작성 연구가 본격적으로 시작된 2015년부터 현재(2020년)까지 GIS기반 지하수 가능성지도 작성에 관한 94건의 논문을 검토하여 연도별, 연구영역별, 조건화 요인 및 방법 별로 분석했다. 매년 발행되는 논문의 수는 증가했고 이란, 인도, 중국, 한국, 이라크의 연구 분야를 주로 다루었다.
스코퍼스(www.scopus.com) 데이터베이스를 이용하여, 2015~2020년 6년 동안에 게재된 GIS 기반 지하수 가능성도 작성 논문을 검색하기 위하여 GIS, 지하수, 기계학습기라는 검색어를 교집합 개념으로 적용하여 영어로 게재된 연구 논문을 검색하였다. 이 검색에 이어 제목과 요약문에 따라 초기 논문의 선정이 이루어졌다.
이는 기계학습을 적용한 지하수 산출 가능성도 작성 연구 분야가 매우 최근부터 이루어졌다는 것을 증명한다. 이렇게 취합된 논문은 연차 별 게재 횟수, 연구지역(국가), 사용 요인, 사용 모델 등을 기준으로 분류되었고, 이를 분석하였다.

대상 데이터

본 연구에서는 2015년 이전의 논문도 검색하였으나, 실제로 위의 검색어를 사용하여 검색하였을 때, 발행된 논문의 수가 미미하여 실제 본격적으로 논문이 발생된 2015년부터 2020년까지의 논문에 대해 분석하였다
4와 같이 사용하고 있다. 사용된 모델별로 보면, GIS 기반 지하수 가능성 분석에 총 225번 이상(한 논문 당 평균 2.4 모델 사용)이 사용되었다. 종류별로 살펴보면 기계학습 모델 중 랜덤 포레스트(29회, 12.

성능/효과

총 94개 논문 중 경사(91개 논문), 지질(84개 논문), 토지이용/토지 피복(78개 논문), 배수/하천 밀도(69개 논문), 고도(65개 논문), 지형 습도 지수(58개 논문), 강과의 거리(51개 논문), 강우(50개 논문), 경사 방향(47개 논문) 등이 총 85개 요인 중 매우 자주 사용되었다. 기계학습 모델에서는 다른 기계학습법에 비해 랜덤 포레스트가 전체논문의 31%로 가장 많이 적용되었다. 서포트 벡터 머신, 부스트 회귀 트리 판별 분석 모델 및 로지스틱 회귀 분석이 최근에 더 많이 적용되었다.
총 94개 논문 중 경사(91개 논문), 지질(84개 논문), 토지이용/토지 피복(78개 논문), 배수/하천 밀도(69개 논문), 고도(65개 논문), 지형 습도 지수(58개 논문), 강과의 거리(51개 논문), 강우(50개 논문), 경사 방향(47개 논문) 등이 총 85개 요인 중 매우 자주 사용되었다

후속연구

많은 기존연구들이 적절한 검증이 결여되어 있다는 사실에서 알 수 있는 결과물의 객관적이고 정확한 검증은 앞으로의 주요 과제로 남아 있다. 그리고 보다 정확하고, 적용 가능한 지하수 가능성도 제작을 위해 다양한 요인 및 다양한 기계학습 모델에 대한 연구가 필요하며, 보다 많은 지역에 대한 사례 연구가 필요하다. 즉 향후, 지하수 가능성도 작성의 표준화 및 정확성을 개선하기 위해 더 많은 연구가 연구되어야 한다.
지하수 가능성도는 수자원의 지속 가능한 개발 및 보전에 필요한 기초자료로 널리 활용될 수 있으며, 특히 현장 작업을 보완하는 도구로 사용될 수 있다. 따라서 이러한 지하수 가능성도 제작이 널리 보급되어야 할 것이다. 특히 개발도상국에서는 무분별한 지하수 개발을 막고 효율적인 개발을 위해 이러한 지하수 가능성도가 적극 활용될 필요가 있다.
그리고 보다 정확하고, 적용 가능한 지하수 가능성도 제작을 위해 다양한 요인 및 다양한 기계학습 모델에 대한 연구가 필요하며, 보다 많은 지역에 대한 사례 연구가 필요하다. 즉 향후, 지하수 가능성도 작성의 표준화 및 정확성을 개선하기 위해 더 많은 연구가 연구되어야 한다. 특히 표준화된 요인, 모델 등의 제시가 필요하며, 정확성을 개선하기 위해 반드시 정량적인 검증이 필요하며, 현장 검증도 가능하며 적극 추천된다.
지하수 가능성도는 수자원의 지속 가능한 개발 및 보전에 필요한 기초자료로 널리 활용될 수 있으며, 특히 현장 작업을 보완하는 도구로 사용될 수 있다. 따라서 이러한 지하수 가능성도 제작이 널리 보급되어야 할 것이다.
따라서 이러한 지하수 가능성도 제작이 널리 보급되어야 할 것이다. 특히 개발도상국에서는 무분별한 지하수 개발을 막고 효율적인 개발을 위해 이러한 지하수 가능성도가 적극 활용될 필요가 있다.
즉 향후, 지하수 가능성도 작성의 표준화 및 정확성을 개선하기 위해 더 많은 연구가 연구되어야 한다. 특히 표준화된 요인, 모델 등의 제시가 필요하며, 정확성을 개선하기 위해 반드시 정량적인 검증이 필요하며, 현장 검증도 가능하며 적극 추천된다.

참고문헌 (79)

Ahmad, I., M. A. Dar, T. G. Andualem, and A. H. Teka, 2020. GIS-based multi-criteria evaluation of groundwater potential of the Beshilo River basin, Ethiopia, Journal of African Earth Sciences, 164: 103747.

상세보기
Al-Abadi, A. M. and S. Shahid, 2015. A comparison between index of entropy and catastrophe theory methods for mapping groundwater potential in an arid region, Environmental Monitoring and Assessment, 187(9): 4801.
Al-Abadi, A.M. and S. Shahid, 2016. Spatial mapping of artesian zone at Iraqi southern desert using a GIS-based random forest machine learning model, Modeling Earth Systems and Environment, 2(2): 96.

상세보기
Al-Abadi, A. M. and J. J. Alsamaani, 2020. Spatial analysis of groundwater flowing artesian condition using machine learning techniques, Groundwater for Sustainable Development, 11: 100418.

상세보기
Al-Abadi, A. M., A. A. Al-Temmeme, and M. A. Al-Ghanimy, 2016. A GIS-based combining of frequency ratio and index of entropy approaches for mapping groundwater availability zones at Badra-Al Al-Gharbi-Teeb areas, Iraq, Sustainable Water Resources Management, 2(3): 265-283.

상세보기
Al-Fugara, A., H. R. Pourghasemi, A .R. Al-Shabeeb, M. Habib, R. Al-Adamat, H. Al-Amoush, and A. L. Collins, 2020. A comparison of machine learning models for the mapping of groundwater spring potential, Environmental Earth Sciences, 79(10): 206.

상세보기
Al-Ruzouq, R., A. Shanableh, T. Merabtene, M. Siddique, M. A. Khalil, A. Idris, and E. Almulla, 2019. Potential groundwater zone mapping based on geo-hydrological considerations and multi-criteria spatial analysis: North UAE, CATENA, 173: 511-524.

상세보기
Altafi Dadgar, M., P. Zeaieanfirouzabadi, M. Dashti, and R. Porhemmat, 2017. Extracting of prospective groundwater potential zones using remote sensing data, GIS, and a probabilistic approach in Bojnourd basin, NE of Iran, Arabian Journal of Geosciences, 10(5): 114.

상세보기
Andualem, T. G. and G. G. Demeke, 2019. Groundwater potential assessment using GIS and remote sensing: A case study of Guna tana landscape, upper blue Nile Basin, Ethiopia, Journal of Hydrology: Regional Studies, 24: 100610.

상세보기
Arabameri, A., S. Lee, J. P. Tiefenbacher, and P.T.T. Ngo, 2020. Novel Ensemble of MCDM-Artificial Intelligence Techniques for Groundwater-Potential Mapping in Arid and Semi-Arid Regions (Iran), Remote Sensing, 12(3): 490.

상세보기
Arabameri, A., J. Roy, S. Saha, T. Blaschke, O. Ghorbanzadeh, and D. Tien Bui, 2019a. Application of Probabilistic and Machine Learning Models for Groundwater Potentiality Mapping in Damghan Sedimentary Plain, Iran, Remote Sensing, 11(24): 3015.

상세보기
Arabameri, A., Kh. Rezaei, A. Cerda, L. Lombardo, and J. Rodrigo-Comino, 2019b. GIS-based groundwater potential mapping in Shahroud plain, Iran. A comparison among statistical (bivariate and multivariate), data mining and MCDM (Multiplecriteria decision analysis) approaches, Science of The Total Environment, 658: 160-177.

상세보기
Arulbalaji, P., D. Padmalal, and K. Sreelash, 2019. GIS and AHP Techniques Based Delineation of Groundwater Potential Zones: a case study from Southern Western Ghats, India, Scientific Reports, 9(1): 2082.

상세보기
Avand, M., S. Janizadeh, D. Tien Bui, V. H. Pham, P. T. T. Ngo, and V.-H. Nhu, 2020. A tree-based intelligence ensemble approach for spatial prediction of potential groundwater, International Journal of Digital Earth, 24: 1-22.
Benjmel, K., F. Amraoui, S. Boutaleb, M. Ouchchen, A. Tahiri, and A. Touab, 2020. Mapping of Groundwater Potential Zones in Crystalline Terrain Using Remote Sensing, GIS Techniques, and Multicriteria Data Analysis (Case of the Ighrem Region, Western Anti-Atlas, Morocco), Water, 12(2): 471.

상세보기
Biswas, S., B. P. Mukhopadhyay, and A. Bera, 2020. Delineating groundwater potential zones of agriculture dominated landscapes using GIS based AHP techniques: a case study from Uttar Dinajpur district, West Bengal, Environmental Earth Sciences, 79(12): 302.

상세보기
Chen, W., H. Li, E. Hou, S. Wang, G. Wang, M. Panahi, T. Li, T. Peng, C. Guo, C. Niu, L. Xiao, J. Wang, X. Xie, and B. Ahmad, 2018b. GIS-based groundwater potential analysis using novel ensemble weights-of-evidence with logistic regression and functional tree models, Science of The Total Environment, 634: 853-867.

상세보기
Chen, W., Y. Li, P. Tsangaratos, H. Shahabi, I. Ilia, W. Xue, and H. Bian, 2020. Groundwater Spring Potential Mapping Using Artificial Intelligence Approach Based on Kernel Logistic Regression, Random Forest, and Alternating Decision Tree Models, Applied Sciences, 10(2): 425.

상세보기
Chen, W., W. Chen, M. Panahi, K. Khosravi, H. R. Pourghasemi, F. Rezaie, and D. Parvinnezhad, 2019c. Spatial prediction of groundwater potentiality using ANFIS ensembled with teaching-learning-based and biogeography-based optimization, Journal of Hydrology, 572: 435-448.

상세보기
Chen, W., B. Pradhan, S. Li, H. Shahabi, H. M. Rizeei, E. Hou, and S. Wang, 2019a. Novel Hybrid Integration Approach of Bagging-Based Fisher's Linear Discriminant Function for Groundwater Potential Analysis, Natural Resources Research, 28(4): 1239-1258.

상세보기
Chen, W., P. Tsangaratos, I. Ilia, Z. Duan, and X. Chen, 2019b. Groundwater spring potential mapping using population-based evolutionary algorithms and data mining methods, Science of The Total Environment, 684: 31-49.

상세보기
Das, S., 2019. Comparison among influencing factor, frequency ratio, and analytical hierarchy process techniques for groundwater potential zonation in Vaitarna basin, Maharashtra, India, Groundwater for Sustainable Development, 8: 617-629.

상세보기
Das, S. and S. D. Pardeshi, 2018. Integration of different influencing factors in GIS to delineate groundwater potential areas using IF and FR techniques: a study of Pravara basin, Maharashtra, India, Applied Water Science, 8(7): 197.

상세보기
Duan, H., Z. Deng, F. Deng, and D. Wang, 2016. Assessment of Groundwater Potential Based on Multicriteria Decision Making Model and Decision Tree Algorithms, Mathematical Problems in Engineering, 1: 1-11.
Falah, F., S. Ghorbani Nejad, O. Rahmati, M. Daneshfar, and H. Zeinivand, 2017. Applicability of generalized additive model in groundwater potential modelling and comparison its performance by bivariate statistical methods, Geocarto International, 32(10): 1069-1089.

상세보기
Ghorbani Nejad, S., F. Falah, M. Daneshfar, A. Haghizadeh, and O. Rahmati, 2017. Delineation of groundwater potential zones using remote sensing and GIS-based data-driven models, Geocarto International, 21: 167-187.
Golkarian, A. and O. Rahmati, 2018. Use of a maximum entropy model to identify the key factors that influence groundwater availability on the Gonabad Plain, Iran, Environmental Earth Sciences, 77(10): 369-369.

상세보기
Golkarian, A., S. A. Naghibi, B. Kalantar, and B. Pradhan, 2018. Groundwater potential mapping using C5.0, random forest, and multivariate adaptive regression spline models in GIS, Environmental Monitoring and Assessment, 190(3): 149.

상세보기
Guru, B., K. Seshan, and S. Bera, 2017. Frequency ratio model for groundwater potential mapping and its sustainable management in cold desert, India, Journal of King Saud University - Science, 29(3): 333-347.

상세보기
Haghizadeh, A., D. D. Moghaddam, and H. R. Pourghasemi, 2017. GIS-based bivariate statistical techniques for groundwater potential analysis (an example of Iran), Journal of Earth System Science, 126(8): 109.

상세보기
Hou, E., J. Wang, and W. Chen, 2018. A comparative study on groundwater spring potential analysis based on statistical index, index of entropy and certainty factors models, Geocarto International, 33(7): 754-769.

상세보기
Kalantar, B., H. A. Al-Najjar, B. Pradhan, V. Saeidi, A. A. Halin, N. Ueda, and S. A. Naghibi, 2019. Optimized Conditioning Factors Using Machine Learning Techniques for Groundwater Potential Mapping, Water, 11(9): 1909.

상세보기
Maskooni, E. K., S. A. Naghibi, H. Hashemi, and R. Berndtsson, 2020. Application of Advanced Machine Learning Algorithms to Assess Groundwater Potential Using Remote Sensing-Derived Data, Remote Sensing, 12(17): 2742.

상세보기
Karimi, V., R. Khatibi, M. Ghorbani, D. Tien Bui, and S. Darbandi, 2020. Strategies for Learning Groundwater Potential Modelling Indices under Sparse Data with Supervised and Unsupervised Techniques, Water Resources Management, 34(8): 2389-2417.

상세보기
Khoshtinat, S., B. Aminnejad, Y. Hassanzadeh, and H. Ahmadi, 2019. Groundwater potential assessment of the Sero plain using bivariate models of the frequency ratio, Shannon entropy and evidential belief function, Journal of Earth System Science, 128(6): 153.

상세보기
Khosravi, K., M. Panahi, and D. Tien Bui, 2018. Spatial prediction of groundwater spring potential mapping based on an adaptive neuro-fuzzy inference system and metaheuristic optimization, Hydrology and Earth System Sciences, 22(9): 4771-4792.

상세보기
Kim, J. C., H. S. Jung, and S. Lee, 2019. Spatial Mapping of the Groundwater Potential of the Geum River Basin Using Ensemble Models Based on Remote Sensing Images, Remote Sensing, 11(19): 2285.

상세보기
Kordestani, M., S. A. Naghibi, H. Hashemi, K. Ahmadi, B. Kalantar, and B. Pradhan, 2019. Groundwater potential mapping using a novel data-mining ensemble model, Hydrogeology Journal, 27(1): 211-224.

상세보기
Lee, S., S. M. Hong, and H. S. Jung, 2018. GIS-based groundwater potential mapping using artificial neural network and support vector machine models: the case of Boryeong city in Korea, Geocarto International, 33(8): 847-861.

상세보기
Lee, S., Y. Hyun, S. Lee, and M.-J. Lee, 2020. Groundwater Potential Mapping Using Remote Sensing and GIS-Based Machine Learning Techniques, Remote Sensing, 12(7): 1200.

상세보기
Mallick, J., R. A. Khan, M. Ahmed, S. Alqadhi, M. Alsubih, I. Falqi, and M. A. Hasan, 2019. Modeling Groundwater Potential Zone in a Semi-Arid Region of Aseer Using Fuzzy-AHP and Geoinformation Techniques, Water, 11(12): 2656.

상세보기
Martinez-Santos, P. and P. Renard, 2019. Mapping Groundwater Potential Through an Ensemble of Big Data Methods, Groundwater, 58(4): 583-597.

상세보기
Miraki, S., S. Hedayati Zanganeh, K. Chapi, V. Singh, A. Shirzadi, H. Shahabi, and B. T. Pham, 2019. Mapping Groundwater Potential Using a Novel Hybrid Intelligence Approach, Water Resources Management, 33(1): 281-302.

상세보기
Mogaji, K. A., H. S. Lim, and K. Abdullah, 2015. Regional prediction of groundwater potential mapping in a multifaceted geology terrain using GIS-based Dempster-Shafer model, Arabian Journal of Geosciences, 8(5): 3235-3258.

상세보기
Mousavi, S. M., A. Golkarian, S. A. Naghibi, B. Kalantar, and B. Pradhan, 2016. GIS-based Groundwater Spring Potential Mapping Using Data Mining Boosted Regression Tree and Probabilistic Frequency Ratio Models in Iran, Geoscienses, 3(1): 91-115.
Mukherjee, I. and U. K. Singh, 2020. Delineation of groundwater potential zones in a drought-prone semi-arid region of east India using GIS and analytical hierarchical process techniques, CATENA, 194: 104681.

상세보기
Naghibi, S. A. and H. R. Pourghasemi, 2015. A Comparative Assessment Between Three Machine Learning Models and Their Performance Comparison by Bivariate and Multivariate Statistical Methods in Groundwater Potential Mapping, Water Resources Management, 29(14): 5217-5236.

상세보기
Naghibi, S. A. and M. Moradi Dashtpagerdi, 2016. Evaluation of four supervised learning methods for groundwater spring potential mapping in Khalkhal region (Iran) using GIS-based features, Hydrogeology Journal, 25(1): 169-189.
Naghibi, S. A., H. R. Pourghasemi, and B. Dixon, 2016. GIS-based groundwater potential mapping using boosted regression tree, classification and regression tree, and random forest machine learning models in Iran, Environmental Monitoring and Assessment, 188(1): 44.

상세보기
Naghibi, S. A., K. Ahmadi, and A. Daneshi, 2017b. Application of Support Vector Machine, Random Forest, and Genetic Algorithm Optimized Random Forest Models in Groundwater Potential Mapping, Water Resources Management, 31(9): 2761-2775.

상세보기
Naghibi, S. A., H. R. Pourghasemi, and K. Abbaspour, 2018. A comparison between ten advanced and soft computing models for groundwater qanat potential assessment in Iran using R and GIS, Theoretical and Applied Climatology, 131(3): 967-984.

상세보기
Naghibi, S. A., H. Hashemi, R. Berndtsson, and S. Lee, 2020. Application of extreme gradient boosting and parallel random forest algorithms for assessing groundwater spring potential using DEM-derived factors, Journal of Hydrology, 589: 125197.

상세보기
Naghibi, S. A., D. D. Moghaddam, B. Kalantar, B. Pradhan, and O. Kisi, 2017a. A comparative assessment of GIS-based data mining models and a novel ensemble model in groundwater well potential mapping, Journal of Hydrology, 548: 471-483.

상세보기
Naghibi, S. A., M. Dolatkordestani, A. Rezaei, P. Amouzegari, M. Taheri Heravi, B. Kalantar, and B. Pradhan, 2019. Application of rotation forest with decision trees as base classifier and a novel ensemble model in spatial modeling of groundwater potential, Environmental Monitoring and Assessment, 191(4): 248.

상세보기
Nguyen, P. T., D. H. Ha, A. Jaafari, H. D. Nguyen, T. Van Phong, N. Al-Ansari, I. Prakash, H. V. Le, and B. T. Pham, 2020a. Groundwater Potential Mapping Combining Artificial Neural Network and Real AdaBoost Ensemble Technique: The DakNong Province Case-study, Vietnam, International Journal of Environmental Research and Public Health, 17(7): 2473.

상세보기
Nguyen, P. T., D. H. Ha, H. D. Nguyen, T. V. Phong, P. T. Trinh, N. Al-Ansari, H. V. Le, B. T. Pham, L. Si Ho, and I. Prakash, 2020b. Improvement of Credal Decision Trees Using Ensemble Frameworks for Groundwater Potential Modeling, Sustainability, 12(7): 2622.

상세보기
Nhu, V.-H., O. Rahmati, F. Falah, S. Shojaei, N. Al-Ansari, H. Shahabi, A. Shirzadi, K. Gorski, H. Nguyen, and B. Ahmad, 2020. Mapping of Groundwater Spring Potential in Karst Aquifer System Using Novel Ensemble Bivariate and Multivariate Models, Water, 12(4): 985.

상세보기
Pal, S., S. Kundu, and S. Mahato, 2020. Groundwater potential zones for sustainable management plans in a river basin of India and Bangladesh, Journal of Cleaner Production, 257: 120311.

상세보기
Park, S., S. Y. Hamm, H. T. Jeon, and J. Kim, 2017. Evaluation of Logistic Regression and Multivariate Adaptive Regression Spline Models for Groundwater Potential Mapping Using R and GIS, Sustainability, 9(7): 1157.

상세보기
Patra, S., P. Mishra, and S. C. Mahapatra, 2018. Delineation of groundwater potential zone for sustainable development: A case study from Ganga Alluvial Plain covering Hooghly district of India using remote sensing, geographic information system and analytic hierarchy process, Journal of Cleaner Production, 172: 2485-2502.

상세보기
Paul, R. S., U. Rawat, D. SenGupta, A. Biswas, S. Tripathi, and P. Ghosh, 2020. Assessment of groundwater potential zones using multi-criteria evaluation technique of Paisuni River Basin from the combined state of Uttar Pradesh and Madhya Pradesh, India, Environmental Earth Sciences, 79(13): 340.

상세보기
Pham, B. T., A. Jaafari, I. Prakash, S. K. Singh, N. K. Quoc, and D. Tien Bui, 2019. Hybrid computational intelligence models for groundwater potential mapping, CATENA, 182: 104101.

상세보기
Pradhan, A. M. S., Y. Kim, and S. Shrestha, 2020. Application of deep neural network to capture groundwater potential zone in mountainous terrain, Nepal Himalaya, Environment Science and Pollution Research, 1: 1-17.
Prasad, P., V. J. Loveson, M. Kotha, and R. Yadav, 2020. Application of machine learning techniques in groundwater potential mapping along the west coast of India, GIS Science and Remote Sensing, 57(6): 735-752.
Rahmati, O. and A. M. Melesse, 2016. Application of Dempster-Shafer theory, spatial analysis and remote sensing for groundwater potentiality and nitrate pollution analysis in the semi-arid region of Khuzestan, Iran, Science of The Total Environment, 568: 1110-1123.

상세보기
Rahmati, O., H. R. Pourghasemi, and A. M. Melesse, 2016. Application of GIS-based data driven random forest and maximum entropy models for groundwater potential mapping: A case study at Mehran Region, Iran, CATENA, 137: 360-372.

상세보기
Rahmati, O., S. A. Naghibi, H. Shahabi, D. Tien Bui, B. Pradhan, A. Azareh, E. Rafiei-Sardooi, A. N. Samani, and A. Melesse, 2018. Groundwater spring potential modelling: Comprising the capability and robustness of three different modeling approaches, Journal of Hydrology, 565: 248-261.

상세보기
Rahmati, O., D. D. Moghaddam, V. Moosavi, Z. Kalantari, M. Samadi, S. Lee, and D. Tien Bui, 2019. An Automated Python Language-Based Tool for Creating Absence Samples in Groundwater Potential Mapping, Remote Sensing, 11(11): 1375.

상세보기
Razandi, Y., H. R. Pourghasemi, N. S. Neisani, and O. Rahmati, 2015. Application of analytical hierarchy process, frequency ratio, and certainty factor models for groundwater potential mapping using GIS, Earth Science Informatics, 8(4): 867-883.

상세보기
Sameen, M. I., B. Pradhan, and S. Lee, 2019. Self-Learning Random Forests Model for Mapping Groundwater Yield in Data-Scarce Areas, Natural Resources Research, 28(3): 757-775.

상세보기
Tahmassebipoor, N., O. Rahmati, F. Noormohamadi, and S. Lee, 2016. Spatial analysis of groundwater potential using weights-of-evidence and evidential belief function models and remote sensing, Arabian Journal of Geosciences, 9(1): 79.

상세보기
Termeh, S. V. R., A. Sadeghi-Niaraki, and S. M. Choi, 2019b. Groundwater Potential Mapping Using an Integrated Ensemble of Three Bivariate Statistical Models with Random Forest and Logistic Model Tree Models, Water, 11(8): 1596.

상세보기
Termeh, S. V. R., K. Khosravi, M. Sartaj, S. Keesstra, F. Tsai, R. Dijksma, and B. T. Pham, 2019a. Optimization of an adaptive neuro-fuzzy inference system for groundwater potential mapping, Hydrogeology Journal, 27(7): 2511-2534.

상세보기
Thapa, R., S. Gupta, S .Guin, and H. Kaur, 2017. Assessment of groundwater potential zones using multi-influencing factor (MIF) and GIS: a case study from Birbhum district, West Bengal, Applied Water Science, 7(7): 4117-4131.

상세보기
Thapa, R., S. Gupta, A. Gupta, D. V. Reddy, and H. Kaur, 2018. Use of geospatial technology for delineating groundwater potential zones with an emphasis on water-table analysis in Dwarka River basin, Birbhum, India, Journal of hydrogeology, 26: 899-922

상세보기
Tien Bui, D., A. Shirzadi, K. Chapi, H. Shahabi, B. Pradhan, B. T. Pham, V. P. Singh, W. Chen, K. Khosravi, B. Ahmad, and S. Lee, 2019. A Hybrid Computational Intelligence Approach to Groundwater Spring Potential Mapping, Water, 11(10): 2013.

상세보기
Tiwari, A., A. Ahuja, B. D. Vishwakarma, and K. Jain, 2019. Groundwater Potential Zone (GWPZ) for Urban Development Site Suitability Analysis in Bhopal, India, Journal of the Indian Society of Remote Sensing, 47(11): 1793-1815.

상세보기
Yousefi, S., N. Sadhasivam, H. R. Pourghasemi, H. Ghaffari Nazarlou, F. Golkar, S. Tavangar, and M. Santosh, 2020. Groundwater spring potential assessment using new ensemble data mining techniques, Measurement, 157: 107652.

상세보기
Zabihi, M., H. R. Pourghasemi, Z. S. Pourtaghi, and M. Behzadfar, 2016. GIS-based multivariate adaptive regression spline and random forest models for groundwater potential mapping in Iran, Environmental Earth Sciences, 75(8): 665.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증