728x90
반응형

Making an Ultrasonic Anemometer | Embedded Lab (embedded-lab.com)

 

Making an Ultrasonic Anemometer | Embedded Lab

Making an Ultrasonic Anemometer An anemometer is a common instrument at a weather station. It is used to measure the wind speed and wind direction. The most common type of anemometer uses mechanical sensors consisting of three or four hemispherical cups m

embedded-lab.com

 

Ultrasonic Anemometer | soldernerd

 

Ultrasonic Anemometer

This page serves as a directory of all my posts and downloads related to my Arduino based Ultrasonic Anemometer. First Attempt with an ArduinoUno and two separate boards Part 1: Part 2: Part 3: Par…

soldernerd.com

GitHub - soldernerd/UltrasonicAnemometer: Standalone Ultrasonic Anemometer based on a PIC32

 

GitHub - soldernerd/UltrasonicAnemometer: Standalone Ultrasonic Anemometer based on a PIC32

Standalone Ultrasonic Anemometer based on a PIC32. Contribute to soldernerd/UltrasonicAnemometer development by creating an account on GitHub.

github.com

 

728x90
반응형
저작자표시 비영리 변경금지
728x90
반응형

2022학년도 중등지구과학 사사과정 

 "머신러닝 알고리즘을 활용한 안개 분류 예측" 연구가 우수논문으로 선정되어 전국대회 진출하게 되었습니다. 

 

 

2022년 전국 대학부설 과학영재교육원 사사과정 연구성과 발표대회에 참석하게 됩니다.

 * 일시 : 2023년 1월 17일(화)예정

728x90
반응형
저작자표시 비영리 변경금지

728x90
반응형

At-A-Glance

  • 나이브 베이즈 vs. 의사결정나무 
  • Phen 자료 제외
  • 1,2 시간 전 자료 모두 사용한 경우 
  • 1 시간 전 자료만 사용한 경우

나이브 베이즈

1,2 시간 전 자료 모두 사용

             precision    recall  f1-score   support

           0       0.98      0.69      0.81     10479
           1       0.17      0.90      0.29       193
           2       0.36      0.69      0.47      2480

    accuracy                           0.69     13152
   macro avg       0.50      0.76      0.52     13152
weighted avg       0.85      0.69      0.74     13152

1시간 전자료만 사용

               precision    recall  f1-score   support

           0       0.94      0.83      0.88     10479
           1       0.21      0.80      0.34       193
           2       0.47      0.60      0.53      2480

    accuracy                           0.79     13152
   macro avg       0.54      0.74      0.58     13152
weighted avg       0.84      0.79      0.81     13152

 

 

의사결정나무

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.94      0.93      0.94     10479
           1       0.63      0.66      0.64       193
           2       0.70      0.72      0.71      2480

    accuracy                           0.89     13152
   macro avg       0.76      0.77      0.76     13152
weighted avg       0.89      0.89      0.89     13152

1시간 전 자료만 사용

               precision    recall  f1-score   support

           0       0.95      0.93      0.94     10479
           1       0.60      0.59      0.59       193
           2       0.70      0.74      0.72      2480

    accuracy                           0.89     13152
   macro avg       0.75      0.75      0.75     13152
weighted avg       0.89      0.89      0.89     13152

 

 

 

728x90
반응형
저작자표시 비영리 변경금지
728x90
반응형

At-A-Glance

  • 나이브 베이즈 vs. 의사결정나무 
  • Phen 자료 포함
  • 1,2 시간 전 자료 모두 사용한 경우 
  • 1 시간 전 자료만 사용한 경우

나이브 베이즈

 

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.99      0.84      0.91     10479
           1       0.59      0.99      0.74       193
           2       0.58      0.90      0.70      2480

    accuracy                           0.86     13152
   macro avg       0.72      0.91      0.78     13152
weighted avg       0.90      0.86      0.87     13152

 

1시간 전자료만 사용

 

               precision    recall  f1-score   support

           0       0.98      0.86      0.92     10479
           1       0.59      1.00      0.74       193
           2       0.60      0.87      0.71      2480

    accuracy                           0.86     13152
   macro avg       0.72      0.91      0.79     13152
weighted avg       0.90      0.86      0.87     13152

 

의사결정나무 

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.96      0.95      0.96     10479
           1       0.77      0.70      0.73       193
           2       0.79      0.82      0.81      2480

    accuracy                           0.93     13152
   macro avg       0.84      0.82      0.83     13152
weighted avg       0.93      0.93      0.93     13152

 

1시간 전 자료만 사용

               precision    recall  f1-score   support

           0       0.96      0.95      0.95     10479
           1       0.79      0.78      0.78       193
           2       0.77      0.80      0.79      2480

    accuracy                           0.92     13152
   macro avg       0.84      0.84      0.84     13152
weighted avg       0.92      0.92      0.92     13152

 

 

 

728x90
반응형
저작자표시 비영리 변경금지
728x90
반응형

COVID-19 팬데믹 전후의 부산시 대기질 변화 경향

 

김O아 (광안중학교 2학년)

유O석 (용수중학교 2학년)

이O원 (센텀중학교 2학년)

정O모 (명호중학교 2학년)

 

 

초록

2018~2020년 동안 부산시 SO2, NO2, O3, PM10 월평균 농도를 분석하여, COVID-19 팬데믹 전후 부산시 대기오염 농도 변화를 연구하였다. SO2 농도는 뚜렷이 감소하였고, 산업단지(기장군, 학장동, 녹산동)를 중심으로 부산시 평균 농도보다 높은 경향을 나타내었다. 이는 부산시 산업활동은 팬데믹의 영향이 상대적으로 적었음을 암시한다. NO2와 PM10 농도는 다른 물질에 비해서 변화율이 크지 않았으나 전년도 고농도 보다 낮았다. O3의 미미한 변화는 크게 낮아지지 않은 NO2 농도와 청정대기로 인한 태양복사량 증가 때문이다. 전체 연구기간 동안, 기상요소와의 상관관계를 비교한 결과, SO2, O3, PM10은 풍속과 양의 상관관계를 보였는데, 이는 기상(풍속)보다 배출량의 원인이 더 크기 때문이다. NO2는 풍속과 기온과 음의 상관관계를 보였는데 이는 O3 증가 때문이다. 겨울철 고농도를 보이는 PM10은 중국 배출량의 영향이다.

참고문헌

 

국립환경과학원, 2017; 국가 대기오염물질 배출량

김 등, 2012; 부산 지역 도시대기환경지도를 활용한 대기환경 특성 분석

김 등, 2017; 경유자동차에서 배출되는 NO₂/NOX 비율 특성

김 등, 2013; 부산지역 미세먼지 농도 분포에 따른 기상요소 분석

명 등, 2016; 미세먼지와 건강 장애

박 등, 2008; 서울시 황사미세먼지 특성에 관한 연구

박 등, 2018; 서울지역의 질소산화물(NO, NO₂) 농도 특성과 오존(O3)생성에 미치는 연구

서 등, 2019; 대기오염물질이 환경성질환에 미치는 영향: 수도권 지역의 자치구 및 시·군을 중심으로

오 등, 2010; 인천 지역 초등학교 학생에서 대기 오염물질의 농도와 알레르기 질환 유병률 및 폐기능과의 연관성

이 등, 2005; 부산지역 O3농도의 영향배출원 분포특성)

이 등, 2013; 온산공업단지 주변의 박무와 해풍발생이 대기오염물질의 이동 및 농도

한 등, 1996; 서울시 대기 중 입자상 오염물질의 조성에 관한 연구

한 등, 2016; 여름철 도시 공원의 O₃(O3)와 NO₂ 농도의 일변화 : 기온과 풍속의 영향

Kim et al., 2017: Recent increase of surface paticulate matter conentrations in the Seoul Metropoltan Area, Korea

 

 

 

 

 

 
728x90
반응형
저작자표시 비영리 변경금지

728x90
반응형

공기정화 식물들의 실내 대기질 개선 능력에 대한 정량적 고찰

 

윤O영 (부곡여자중학교 2학년)

이O영 (동래여자중학교 2학년)

정O경 (유락여자중학교 2학년)

정O훈 (분포중학교 2학년)

황O빈 (신주중학교 3학년)

 

 

초록

 

최근 우리는 중국과 몽골의 고비사막에서 오는 황사뿐만 아니라 이제는 미세먼지, 심지어는 우리 기도에서 거르지 못하고 폐포까지 침투하여 천식, 또는 조기 사망까지 이르게도 할 수 있는 초미세먼지, 포름알데히드까지도 걱정해야하는 시대가 왔다. 이 중 우리가 가장 많은 시간을 보내는 실내의 미세먼지 농도를 효과적으로 낮추고 유지하는 것은 매우 중요한 문제가 되었다. 이에 인공적인 공기정화 방법을 사용하는 공기청정기가 아닌, 친환경적이고 자연적인 공기정화 방식을 사용하는 식물들 중 일반 대중들에게 효과적으로 공기정화를 한다고 알려져있는 공기정화 식물 세 종류(스킨답서스, 산세베리아, 스파티필럼)를 선택하여, 어떤 식물이 가장 효과적인지 비교하고 과대광고 효과는 없는지 알아보기 위하여 본 실험을 수행하게 되었다. 총 4시간의 실험시간 동안, 스킨답서스가 전체 미세먼지 중 99.1%, 산세베리아가 94.8%, 스파티필룸이 93.7%를 감소시켜, 스킨답서스, 산세베리아, 스파티필럼 순으로 공기정화 효율이 높은 것으로 나타났다.

 

참고문헌

[1]https://www.chosun.com/site/data/html_dir/2016/06/03/2016060300265.html
[2]http://elnino.jbnu.ac.kr/Moon/Publications_files/Parketal%282018%29.pdf
[3]https://terms.naver.com/entry.nhn?docId=68198&cid=43667&categoryId=43667
[4]http://www.hani.co.kr/arti/society/environment/611890.html
[5]https://news.sbs.co.kr/news/endPage.do?news_id=N1002121023
[6]https://ko.wikipedia.org/w/index.php?search=%ED%99%98%EC%9B%90%EC%84%B1&title=%ED%8A%B9%EC%88%98%3A%EA%B2%80%EC%83%89&go=%EB%B3%B4%EA%B8%B0&ns0=1
[7]https://ko.wikipedia.org/wiki/%EC%95%84%ED%94%88_%EA%B1%B4%EB%AC%BC_%EC%A6%9D%ED%9B%84%EA%B5%B0
[8]http://view.asiae.co.kr/news/view.htm?idxno=2019032514241832023
[9]https://ko.wikipedia.org/wiki/%EC%8A%A4%ED%82%A8%EB%8B%B5%EC%84%9C%EC%8A%A4
[10]https://ko.wikipedia.org/wiki/%EC%82%B0%EC%84%B8%EB%B9%84%EC%97%90%EB%A6%AC%EC%95%84
[11]https://ko.wikipedia.org/wiki/%EC%8A%A4%ED%8C%8C%ED%8B%B0%ED%95%84%EB%A3%B8%EC%86%8D

 

 

 
 

728x90
반응형
저작자표시 비영리 변경금지
728x90
반응형

토양 매질 온도 차이와 도시 열섬과의 관계

 

 

김O아 (한바다중학교 2학년)

방O연 (해운대여자중학교 2학년)

이O은 (물금동아중학교 2학년)

이O나 (해운대여자중학교 2학년)

정O윤 (거제여자중학교 2학년)

 

 

초록

 

최근 지구온난화가 가속화되고 있는 가운데, 지구 대기의 기온을 상승시키는 원인을 발견하고, 기온 상승을 완화 시킬 수 있는 해결방안을 찾는 것은 매우 중요한 연구주제이다. 지구온난화의 여러 요인들 중, 도시화로 인한 인공피복의 비율이 높아지면서 도시열섬현상이 가속화되고 있고, 지구의 대기 온도를 상승시키고 있다. 이에 본 연구에서는 도시열섬현상의 원인으로 예상되는 인공피복 중, 아스팔트, 콘크리트, 나지, 잔디 등의 다양한 토양매질에서의 지표면 및 상부의 온도 차이를 측정하여, 각각의 토양매질이 가진 특성에 따른 기온상승 효과에 대하여 연구하였다. 본 연구는 2019년 8월 3일 오전 9시부터 오후 9시까지 약 12시간 동안 부산대학교 내 콘크리트 옥상, 도로변 아스팔트, 잔디 및 그늘진 잔디 그리고, 나지를 대상으로 지표면 온도와 상층 0.25 m, 1.5 m 에서의 기온을 측정하였고, 각 매질에서의 시간에 따른 기온의 일변화와 높이에 따른 일변화의 특성을 분석하였다.

 

참고문헌

 

[1] 도시내 용도지역의 토지피복형태가 열섬현상에 미치는 영향

– The Influence of Land Cover and Zoning on the Urban Heat Island in Cheongju

조성모, 윤용한, 류을렬, 박봉주, 김원태

 

[2] 지면의 포장 및 식물 피복상태가 대기온도에 미치는 영향

– Effect on the Air Temperature as Affected by Surf콘크리트와 아스팔트e Pavement and Plant

조남훈

 

[3] 도시녹지의 기온 및 지온 완화효과에 관한 연구

– A Study of the Effect of Air Temperature and Ground Temperature Mitigation from Several Arrangements of Urban Green

이은엽, 문석기, 심상렬

 

[4] 도시녹지에 의한 미기후개선의 기능

Function of Microclimate Amelioration by Urban Greensp콘크리트와 아스팔트e

조현길, 안태원

 

[5] 신도시 개발이 도시열섬 형성에 미치는 영향

- Influence of New Town Development on the Urban Heat Islands – In the Case of Pan-Gyo Area and Bun-Dang New Town

송영배

 

 

 

 

 

 
728x90
반응형
728x90
반응형

기상학적 요소의 시공간 분포 관측 및 분석

김O태 (장산중학교 2학년)

김O욱 (오륙도중학교 2학년)

김O연 (센텀중학교 2학년)

윤O은 (광안중학교 2학년)

조O주 (동아중학교 2학년)

 

초 록

대기의 연직구조의 시공간적 변화의 이해는 기온, 습도, 바람 등 기상요소들의 기상예보를 향상시키는데 매우 중요하다. 예를 들면 겨울과 봄철 대기환경에 가장 큰 영향을 미치는 미세먼지의 발원지를 연직구조를 파악함으로써 역추적할 수 있다. 또한 정확하고 정밀한 기상요소들의 연직관측 자료는 기상 수치모델과 인공위성 알고리즘을 개선하여 궁극적으로 기상예보를 향상시킬 수 있다. 본 연구에서는 표준 기상관측소(창원)에서 실시하는 고층기상관측 외에 수평적으로 약 50 km 떨어진 지점에서 추가적인 고층기상관측을 수행하여, 기상요소들의 고해상도 연직분포를 파악하고자 하였다. 2018년 6월 9일 오전 10시 30분부터 약 1시간 동안 라디오존데를 이용하여, 부산대학교 자연대연구실험동 옥상에서 실험을 수행하였다. 획득된 데이터는 관측지점과 가장 가까운 창원기상대 표준등압면 고층기상관측 자료와 비교 분석하였다. 부양된 라디오존데는 지속적으로 상승하면서, 약 800 hPa 미만의 고도에서 동풍에 의해서 서쪽으로 진행하다 약 750 hPa 상공 이후로 편서풍을 타고 동쪽방향으로 14 km 이동하였다. 라디오존데 고도가 상승함에 따라 기온도 지속적으로 감소하였고, 풍속은 증가, 풍향은 동풍에서 서풍으로 변화하였다. 주풍향은 서풍으로서 창원 기상대 주풍인 서남풍과는 차이를 보였다. 상대습도는 고도에 따라 지속적으로 감소하였는데, 약 2-6 km까지 변하지 않다가 6 km 이후로 8 km 고도까지 증가하는 경향을 보였다. 이는 상공에서 지속적으로 이동 중인 구름과 구름 주변의 수증기의 영향으로 판단된다. 대기의 연직구조에서 가장 중요한 요소 중의 하나인 경계층 고도를 계산하기 위하여, 연직온위분포를 분석였고, 추정한 경계층의 높이는 1.5 km였다.

발표자료 (일부 수정) 

 

 

 

 

참고문헌

  • Kang. M., Y.-K. Lim, C. B. Cho, K. R. Kim, J.S. Park, and B.-J. Kim, 2016, Accuracy Assessment of Planetary Boundary Layer Height for the WRF Model Using Temporal High Resolution Radio-sonde Observations, Atmosphere. Korean Meteorological Society, Vol. 26, No. 4 (2016) pp. 673-686
  • Kim, K.-H., Y.-H. Kim, and D.-E. Chang, 2009, The Analysis of Changma Structure Using Radiosonde Observational Data from KEOP-2007: Part Ⅱ. 2009b, The Dynamic and Thermodynamic Characteristics of Changma in 2007, Atmosphere, 19(4), 297-307, Atmosphere, 19(4), 297-307
  • Kim, K.-H., Y.-H. Kim, and D.-E. Chang, The Analysis of Changma Structure using Radiosonde Observational Data from KEOP-2007: Part I. 2009a, The Assessment of the Radiosonde Data Ki-Hoon Kim, Yeon-Hee Kim* and Dong-Eon Chang, Atmosphere, 19(2), 213-226
  • Seo, W.-S. S.-H. Eun, B.-G. Kim, D.-K. Seong, G.-M. Lee, H.-R. Jeon, B.-C. Choi, A.-R Ko, K.-H. Chang, and S.-G. Yang, Intercomparison between Temperature and Humidity Sensors of Radiosonde by Different Manufacturers in the ESSAY (Experiment on Snow Storms At Yeongdong) Campaign, Atmosphere. Korean Meteorological Society, Vol. 26, No. 2 (2016) pp. 347-356
  • Sohn, D. H., K. D. Park, Y. H. Kim, 2013, Determination of Precipitable Water Vapor from Combined GPS/GLONASS Measurements and its Accuracy Validation, Journal of the Korean Society for Geospatial Information System, Vol.21 No.4 December 2013 pp. 95-100
  • Wallace and Hobbs, 2006, Atmospheric Thermodynamics in Atmospheric Science an Introductory survey, Academic Press.

 

부 록

 

1. 라디오존데

1892년 프랑스 과학자 귀스타브 에르미트가 데이터를 수집하기 위해 최초로 실크 풍선을 이용하여 사용하였다. 이후 1901년 실크 풍선은 고무풍선으로 교체되었다. 20킬로미터 상공에 도달하며 풍선이 터지면 기상 관측 기구인 라디오존데는 낙하산에 매달린 채 지상으로 떨어지는데, 떨어진 라디오존데를 찾는 것은 순전히 운에 달려 있었다.제1차 세계대전 중, 군대는 라디오존데를 통한 더 많은 데이터를 필요로 했었는데, 저렴하고 가벼우면서도 신뢰할 수 있는 무선 시스템이자 온도, 기압, 습도를 무선 신호로 변조할 수 있는 라디오존데는 1930년대가 되어서야 쓰이기 시작하였다. 라디오존데는 러시아의 파벨 몰차노프가 개발하였으며 수많은 나라의 기상청에서 빠르게 채택되었다.

 

과거 라디오존데에는 기압 관측은 아네로이드기압계, 기온 관측은 바이메탈온도계, 습도 관측은 산화알루미늄 피막으로 된 습도계를 사용하였다. 하지만, 요즘은 전자식 센서를 사용한다. 관측기계는 5 ㎧의 속도로 상승하는 기구에 실려 20∼30 ㎞의 상공에 이르기까지 관측과 송신을 계속하면서 고도별 기압·기온·습도·풍향·풍속을 관측한다. 측정값은 모스부호를 사용하는 부호식이나 주파수 변조방식을 사용하여 발신하고, 지상에서는 수신기를 통해 라디오존데가 관측한 자료를 받는다.

 

2. Graw 라디오존데를 이용한 관측실험 방법

■ 장소: 부산대학교 옥상

■ 일시: 2018. 6. 9. 토요일 AM 10:30~11:30

■ 준비물: 헬륨 봄베(47L), 풍선, 라디오존데(센서, GPS), 수신기, 노트북

- 라디오존데는 풍선 형태의 기상 관측 기구로 고도에 따라 진행방향, 온위, 풍향, 풍속을 측정하였고, 독일 Graw사의 수신기(403.6Hz 주파수대)와 Grawmet 프로그램을 이용.

- 수신기는 독일 회사인 Graw 이용하였으므로 노트북에는 Grawmet 프로그램이 필요. GPS를 이용하여 축정한 풍향, 풍속 값이나 기압, 온도 등 각종 센서에서 측정한 데이터가 뜬다

- 풍선은 안쪽이 실로 터지지 않게 처리되어 있거나 이중으로 겹이 되어 있는 800g 들이 풍선을 사용하나 이 실험에서는 200g들이를 사용

■ 실험방법

① 노트북으로 프로그램을 켠다.

② 존데와 노트북을 연결하여 값을 초기화시킨다.

③ 기상 정보를 입력한다. 측정하고 있는 장소의 온도, 습도를 라디오존데가 측정하며, 풍향, 풍속 역시 입력해야 한다. (풍향 동 90, 풍속 1.8m/s)

*프로그램에는 Sounding 과 Simulation 버튼이 뜨는데, 이때 Sounding은 실제 실험을 할 때 이용한다.

*라디오존데는 400~406Hz까지 이용할 수 있다. (403.6Hz 이용)

④ 라디오존데가 보내는 값 중 어떤 정보를 띄울 것인지 결정한다.

*가공된 값, 미가공 값, 그래프가 있다. 가공된 그래프는 존데가 날아간 후 뜨고, 온도, 습도, GPS값은 미가공 값이다. 이때 GPS는 주변에 총 4개 이상이 있어야 안정적인 풍향, 풍속 정보를 받을 수 있다.

⑤ 풍선에 헬륨을 넣는다. *갑자기 세게 열 경우 봄베에서 헬륨이 한꺼번에 많이 빠져나와 빙글빙글 돌게 되기 때문에 사고에 주의해야 한다.

⑥ 존데를 실로 풍선에 묶어 날려 보낸다. *라디오존데를 묶기 전 캡을 씌워야 물기가 들어가 잘못된 값이 나오는 것을 막을 수 있다. 이때, 센서는 캡 밖으로 빼서 날리고, 보관할 때는 안으로 넣어서 보관한다.

⑦ 존데가 보내는 값들을 살펴본다. 화면 왼쪽에 뜨는 고도를 보고 현재 풍선이 어디까지 날아갔는지를 알 수 있다. 풍선이 하나밖에 없었기 때문에 실을 하나 더 매달아서 붙잡고 있어야 했다. 그러나 세 번째로 날려 보냈을 때 실이 끊어져서 8000m까지 올라가는 것을 볼 수 있었다.

 

 

 

 

 
728x90
반응형

+ Recent posts

티스토리툴바