산림재적 추정을 위한 계층적 베이지안 분석

송세리; 박주원; 김용구

추천

검색

질문

자료유형: 학술저널

저자정보: 송세리 박주원 김용구

저널정보: 한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제28권 제1호

발행연도: 2017.1

수록면: 29 - 37 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2017

산림재적 추정을 위한 계층적 베이지안 분석

송세리 통계 2017.01 학위논문

산림재적 추정을 위한 계층적 베이지안 분석

송세리 , 박주원 , 김용구 한국데이터정보과학회지 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

산림경영 계획을 위한 필요한 산림재적을 보다 효율적으로 추정하기 위해서 다양한 연구가 요구되어져 왔는데, 이러한 산림구조에 관한 연구는 주로 현장조사와 위성영상을 이용하여 이루어진다. 현장조사를 통한 연구는 비교적 정확하나 시간과 비용이 많이 들 뿐 아니라 접근의 용이성이 떨어지는 지역이 있기 때문에, 넓은 지역의 조사가 어렵다는 단점이 있다. 최근에는 항공기에서 발사된 레이저 펄스가 반사되어 돌아오는 시간을 측정하여 대상의 3차원 좌표를 얻는 LiDAR (Light Detection and Ranging) 기술을 활용하여 획득한 정밀한 수치형자료를 이용한 산림의 구조에 관한 연구가 이루어지고 있다. 일반적으로 산림재적을 추정하기 위해서 LiDAR자료를 이용한 수고자료와 산림 재적에 대한 회귀모형의 중요성이 점차 높아지는데, 국내의 경우 수목의 종류와 그 분포가 다르기 때문에 회귀모형만으로 재적을 추정하는 데 한계가 있다. 따라서 본 논문에서는 산림의 수고와 흉고직경을 측정하여 재적값을 추정하고 산림의 공간효과를 고려한 계층적 베이지안 분석을 통해 관측되지 않은 전체 산림재적에 대한 추정을 하고자 한다.

#LiDAR #Forest standard volume #hierarchical Bayesian model #계층적 베이지안 모형 #공간분석 #spatial anal-ysis #산림재적 #LiDAR 자료

참고문헌 (14)

참고문헌 신청

[단행본] - Arab, A. / 2008 / Encyclopedia of GIS / Springer-Verlag : 425 ~ 431

[학술지(정기간행물)] - Chibb. S. / 1995 / Understanding the Metropolis-Hastings algorithm / The American Statistician 49 : 327 ~ 335

[단행본] - Gelman, A. / 1996 / Markov Chain Monte Carlo in Practice / Chapman and Hall : 131 ~ 143

[단행본] - Gelman, A. / 2013 / Bayesian Data Analysis / CRC Press

[학술지(정기간행물)] - Herold, A. / 2001 / Stand stability in the Swiss national forest inventory : Assessment technique, reproductibility and relevance / Forest Ecology and Management 145 : 29 ~ 42

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

송세리

소속기관 한국데이터정보과학회

주요연구분야 자연과학 > 수학·통계학

논문수 1 이용수 103

박주원

소속기관 경북대학교

주요연구분야 자연과학 > 수학·통계학

논문수 3 이용수 320

Yongku kim

소속기관 경북대학교

주요연구분야 자연과학 > 수학·통계학 TOP 5%

논문수 29 이용수 4,913

이 논문과 함께 이용한 논문

베이지안 신경망 기반 불확실성 정량화 및 분석

김재민 , 박철수 대한건축학회 학술발표대회 논문집 2020 .04

부트스트랩 신뢰구간을 이용한 설계변수의 유의도에 대한 통계적 분석

김한수 , 이태희 대한기계학회 춘추학술대회 2019 .11

베이지안 모델 평균을 이용한 수문기상인자와 미세먼지 농도의 상관성 분석

정재환 , 이슬찬 , 조성근 외 1명 대한토목학회 학술대회 2019 .10

비즈니스 데이터 분석을 위한 베이지안 계층 군집분석

류성균 , 황범석 한국데이터정보과학회지 2020 .01

체육 및 스포츠 분야에서의 베이지안 통계 분석 방법의 실용적 접근: JASP 프로그램의 활용

김헌태 , 강민수 한국체육측정평가학회지 2019 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-041-001378925

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (14)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)