IPC분류정보
국가/구분 |
한국(KR)/등록특허
|
|
국제특허분류(IPC8판) |
|
출원번호 |
10-2019-0053212
(2019-05-07)
|
공개번호 |
10-2020-0128966
(2020-11-17)
|
등록번호 |
10-2526630-0000
(2023-04-24)
|
DOI |
http://doi.org/10.8080/1020190053212
|
발명자
/ 주소 |
- 박해경
/ 서울특별시 서초구 서초대로**길 **-* (방배동)
- 이동근
/ 서울특별시 서초구 서초대로**길 ** 방배*차이편한세상, ***동 ****호
|
출원인 / 주소 |
- 박해경 / 서울특별시 서초구 서초대로**길 **-* (방배동)
|
심사청구여부 |
있음 (2020-10-13) |
심사진행상태 |
등록결정(일반) |
법적상태 |
등록 |
초록
▼
본 발명은 가뭄 완화를 위한 대비 정책 및 물분배 우선순위를 정하기 위해서가뭄 심각 지역을 미리 예측하는 방법에 관한 것이다.본 발명은, 위성영상과 지형데이터로 생성되는 15개의 입력변수인 EVI, NDVI, SAVI, MSAVI, TWI, Slope, Aspect, NDWI, MSI, NIR, SWIR1, SWIR2, TIRS1, TIRS2와 1개의 출력 변수인 수개월 뒤의 SMI를 랜덤 포레스트 알고리즘으로 기계 학습시킨 것을 가뭄함수로 만들어, 예측하고자 하는 시점의 15개 입력변수를 함수에 적용함으로써 수개월 뒤의 가뭄 심각
본 발명은 가뭄 완화를 위한 대비 정책 및 물분배 우선순위를 정하기 위해서가뭄 심각 지역을 미리 예측하는 방법에 관한 것이다.본 발명은, 위성영상과 지형데이터로 생성되는 15개의 입력변수인 EVI, NDVI, SAVI, MSAVI, TWI, Slope, Aspect, NDWI, MSI, NIR, SWIR1, SWIR2, TIRS1, TIRS2와 1개의 출력 변수인 수개월 뒤의 SMI를 랜덤 포레스트 알고리즘으로 기계 학습시킨 것을 가뭄함수로 만들어, 예측하고자 하는 시점의 15개 입력변수를 함수에 적용함으로써 수개월 뒤의 가뭄 심각 지역을 수개월 앞서 예측하는 것을 특징으로 한다.본 발명은 위성영상과 지형 공간정보 데이터를 토대로 하였으므로 비 강우시 수개월 후의 토양수분 공간 분포 패턴을 추정할 수 있어 효율적으로 농업적 가뭄에 대비할 수 있다.
대표청구항
▼
과거 가뭄이 발생했던 기간의 위성영상 이미지와 지형 데이터를 이용해 가뭄 발생 이전의 각 지표요소(식생, 물, 지형, 열)에 해당하는 15개의 변수 EVI(Enhanced vegetation index), NDVI(Normalized difference vegetation Index), SAVI(Soil-adjusted vegetation index), MSAVI(Modified soil-adjusted vegetation index), TWI(Topographic wetness index), Slope, Aspect, NDMI(N
과거 가뭄이 발생했던 기간의 위성영상 이미지와 지형 데이터를 이용해 가뭄 발생 이전의 각 지표요소(식생, 물, 지형, 열)에 해당하는 15개의 변수 EVI(Enhanced vegetation index), NDVI(Normalized difference vegetation Index), SAVI(Soil-adjusted vegetation index), MSAVI(Modified soil-adjusted vegetation index), TWI(Topographic wetness index), Slope, Aspect, NDMI(Normalized difference moisture index), MNDWI(Modification of normalized difference water index), MSI(Moisture stress index), NIR(Near infrared), SWIR1(Short-wavelength infrared 1), SWIR2(Short-wavelength infrared 2), TIRS1(Thermal infrared 1), TIRS2(Thermal infrared 2)를 기계학습의 입력변수(xti)로 하고 가뭄 발생 이후의 토양수분지수 SMI(Soil moisture index)를 출력변수(y)로 하여 이 xti와 y 간 비선형 회귀를 랜덤 포레스트 알고리즘으로 학습시켜 가뭄함수 f(x)를 도출, 가뭄 예측이 필요한 시점의 입력변수(xpi)를 이 가뭄함수 f(x)에 대입함으로써 해당 시점으로부터 수 개월간 비 강우가 지속될 시 나타날 농업적 가뭄분포를 예측하여 가뭄 심각지역을 사전 파악할 수 있도록 하는 방법.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.