구름 분류 방법에 대한 연구

• 영문명: A Study on Cloud Classification Methods: Manual and Machine Learning Approaches
• 발행기관: 한국과학영재교육학회
• 저자명: 최원준(Wonjun Choi) 박건우(Gunwoo Park) 박예준(Yejun Park) 윤정우(Jeongwoo Yun) 박태원(Tae-Won Park)
• 간행물 정보: 『과학영재교육』제16권 제1호, 83~93쪽, 전체 11쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.04.30

국문 초록

본 연구는 전남대학교 과학영재교육원에서 진행하는 사사교육 과정으로 수행되었다. 목시 관측에 의해 관측된 구름은 루크 하워드(Luke Howard)가 제안하고 Cloud Atlas에서 정리한 10개의 기본형을 기준으로 분류된다. 본 연구에서는 루크 하워드와 같이 수동적인 방법으로 직접 구름을 분류하고, 더 나아가 머신러닝 방법을 이용하여 객관적이고 자동적인 방법으로 구름을 분류하고 그 결과를 비교하였다. 사사교육 과정 중 365장의 구름 사진을 직접 촬영하여 수집하였다. 먼저 각 사진에서의 구름의 특징을 육안으로 파악하여 그 특징에 기반하여 직접 의사결정나무를 만들어 수동으로 구름을 분류하였다. 수집한 구름은 수동 분류에 의해 11종으로 분류되었고, 분류된 구름의 특징을 반영하여 구름 11종을 명명하였다. 다음으로 구름 사진에서 구름의 특징을 HSV 색 공간에 기반하여 수치화하였다. 이로부터 자동으로 의사결정나무 알고리즘을 구성하여 구름이 분류되도록 하였다. 추가로 수치화된 값에 k-means 군집 분류 알고리즘을 적용하여 구름 분류를 수행하였다. 의사결정나무 알고리즘과 k-means 군집 분류에 의해 구름은 각각 6종과 3종으로 분류되었다. 수동 분류와 구름종의 수가 다른 것은 구름 사진으로부터 얻은 특징 요소가 5가지로 적은 편이었고, 육안으로 분류하는 기준과 머신러닝으로 분류하는 기준이 상이했을 것으로 생각된다. 향후 다양한 구름 특성 요소와 샘플을 추가해보며, 잘 학습된 머신러닝 기법을 사용한다면 구름을 좀 더 정확하게 분류할 수 있으며, 그 결과를 단기 기상을 예측하고 분석하는 데에 이용할 수 있을 것이다.

영문 초록

This study is based on the mentorship course in CNU Science Education Institute for the Gifted. Clouds are classified into ten types proposed by Luke Howard and documented in the Cloud Atlas. In this study, we performed the cloud classification using manual approach and machine learning techniques. A total of 365 cloud images were directly taken for the mentorship course. Initially, we visually assessed cloud features in each image and manually classified cloud images into 11 types considering cloud features. The 11 types were named according to their distinguishing features. Subsequently, cloud features in each image were quantified based on the HSV color space. We applied the quantified cloud features to decision tree and k-means clustering algorithm, resulting in classification of clouds into six and three types, respectively. The disparity in the number of classifications between manual and machine learning methods is originated from the relative less features derived from the cloud images and discrepancies between human intuitive criteria and those used in machine learning classification. In the further study, by utilizing a more extensive set of cloud features and samples, well-trained machine learning techniques will allow for a more precise classification of clouds. This is expected to enable the utilization of these results in short-term weather forecasts.

목차

Ⅰ. 연구의 필요성 및 목적

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 제언

참고문헌

키워드

구름 분류 수동 분류 머신러닝 의사결정나무 군집 분석 cloud classification manual approach machine learning decision tree clustering