지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 윤근영
- 발행연도
- 2020
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수158
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
도시화로 인한 도시지역의 인구의 증가, 건물에너지 사용량의 증가 등으로 인한 인공열 발생의 증가는 도시 중심지역의 온도가 교외지역보다 높은 도시열섬현상(Urban Heat Island effect)를 발생시킨다. 이러한 도시열섬현상은 기후변화 및 도시환경문제에 핵심 문제로 대두되고 있다. 도시열섬현상을 분석하기 위해서 본 연구에서는 서울지역을 연구대상지로 선정 2009년부터 2017년간의 기후데이터와 도시공간 데이터를 수집하여 분석하였다. 또한 지리정보시스템과 딥러닝 알고리즘을 활용하여 도시열섬현상을 예측하였다. 수집한 데이터를 시간별, 공간별로 분석하여 도시열섬현상에 영향을 주는 변수와 상관관계를 분석하였으며, 이를 지리정보시스템을 이용하여 도시열섬현상의 공간 분포를 분석하였다. 또한 시계열 데이터 기반 딥러닝 예측모델과 공간 데이터 기반 예측 딥러닝 예측 모델을 개발하여, 입력변수에 따른 도시열섬현상을 예측하였다. 본 연구를 통해 분석한 도시열섬현상과 도시환경변수간의 상관관계를 통해 도시환경특성에 따른 도시열섬현상을 이해하는데 기여한다. 또한 각기 다른 데이터를 활용하여 개발된 딥러닝 예측 모델은 향후 다양한 지역에서 도시열섬현상을 예측하는데 적용 될 것으로 사료된다.
목차
1. 서 론 11.1 연구의 배경 및 목적 11.2 연구의 범위 및 방법 52. 이론 고찰 72.1 선행연구 분석 73. 연구 방법 133.1 서울지역 기후데이터 수집 133.2 서울지역 토지피복의 변화 163.3 Remote sensing 기반 데이터 분석 173.3.1 Remote sensing 데이터 개요 173.3.2 LANDSAT 8 인공위성 분석 183.4 지리정보시스템 개요 203.5 딥러닝 예측 모델 개발 223.6 소결 244. 데이터 분석 결과 254.1 기후 데이터 분석 274.1.1 기후 데이터 시간별 분석 284.1.2 기후 데이터 공간별 분석 334.2 도시 공간 데이터 분석 384.2.1 토지피복 데이터 분석 394.2.2 건축물 공간 데이터 분석 444.2.3 LANDSAT 8 데이터 분석 474.3 지리정보시스템 기반 데이터 분석 494.3.1 기후 데이터 기반 지리정보시스템 분석 494.4 소결 555. 딥러닝 예측 모델 개발 및 적용 565.1 딥러닝 예측 모델 개요 565.2 딥러닝 예측 모델 적용 및 분석 585.2.1 시계열 데이터 기반 딥러닝 예측 모델 개발 585.2.2 공간 데이터 기반 딥러닝 예측 모델 개발 625.3 소결 656. 결 론 666.1 연구 주요 결과 666.2 연구 결과의 의미 및 기대효과 68참 고 문 헌 69ABSTRACT 73
최근 본 자료
댓글(0)
0