RnDCircle Logo
차윤경 연구실
서울시립대학교 환경공학부 차윤경 교수
수질예측
디지털트윈
SaaS
연구 영역
기본 정보
논문·특허
과제
구성원

차윤경 연구실

서울시립대학교 환경공학부 차윤경 교수

차윤경 연구실은 인공지능, 딥러닝, 통계적 모델링 등 첨단 데이터 분석 기술을 활용하여 수질 예측, 수생태계 건강 평가, 환경 모니터링 네트워크 최적화 등 다양한 환경공학 분야의 연구를 선도하고 있습니다. 연구실은 하천, 호소, 도시 하수 등 다양한 수계에서 발생하는 수질 오염 문제와 생태계 변화를 정량적으로 분석하고, 이를 바탕으로 과학적이고 실용적인 관리 방안을 제시합니다. 특히, 연구실은 대용량 환경 센서 데이터, 원격탐사 영상, 드론 측정 데이터 등 다양한 빅데이터를 활용하여, 딥러닝 기반의 예측 모델과 설명 가능한 인공지능 기법을 개발하고 있습니다. 이러한 모델들은 클로로필-a, 피코시아닌, 총인, 총질소 등 주요 수질 오염물질의 농도 예측, 유해 남조류 발생 조기경보, 하천망 내 다지점 동시 예측 등 다양한 환경 문제 해결에 적용되고 있습니다. 또한, 연구실은 베이지안 네트워크, 계층적 회귀모델 등 통계적 방법론을 활용하여, 수질 및 생태계 건강성 평가, 오염원 기여도 분석, 환경 스트레스 요인(기후, 토지이용, 인구 등)과의 상호작용 해석 등에서 높은 신뢰성과 해석력을 확보하고 있습니다. 이를 통해 국가 및 지방자치단체의 수질 관리 정책 수립, 환경 모니터링 네트워크 설계, 생태계 복원 전략 등에 과학적 근거를 제공하고 있습니다. 연구실은 원격탐사 및 드론 기반의 고해상도 수질 모니터링 기술 개발에도 앞장서고 있습니다. 머신러닝 및 딥러닝 기반 영상 분석 모델을 활용하여, 대규모 호소와 하천의 수질 오염 분포와 장기적 변동성을 신속하게 파악하고, 현장 대응력과 관리 효율성을 높이고 있습니다. 이러한 연구는 디지털 트윈 기반의 수질 관리 플랫폼, 실시간 조기경보 시스템, 맞춤형 수질지수 개발 등 다양한 실용적 성과로 이어지고 있습니다. 차윤경 연구실은 앞으로도 인공지능, 빅데이터, 원격탐사 등 첨단 기술을 융합한 차세대 환경공학 연구를 통해, 지속가능한 수자원 관리와 건강한 수생태계 조성에 기여할 계획입니다.

수질예측디지털트윈SaaS인공지능·딥러닝하천·수생태
대표 연구 분야
연구 영역 전체보기
해석가능 딥러닝 기반 남조류 대발생 조기경보 및 범용 예측 thumbnail
해석가능 딥러닝 기반 남조류 대발생 조기경보 및 범용 예측
Interpretable Deep Learning for Early Warning and Transferable Forecasting of Harmful Algal Blooms
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
3
논문 전체보기
1
Article
|
·
인용수 3
·
2025
A modular deep learning surrogate model for simulating harmful algal blooms in complex process-based systems
Young Woo Kim, YoonKyung Cha, Jihoon Shin
Water Research
https://doi.org/10.1016/j.watres.2025.124059
Modular design
Algal bloom
Process (computing)
Environmental science
Computer science
Ecology
Biology
Phytoplankton
2
Article
|
인용수 1
·
2025
Spatiotemporal dynamics of summer chlorophyll-a concentrations under varying drought conditions in a hierarchical Bayesian model
Pamela Sofia Fabian, YoonKyung Cha, Kyung-A You, Hyun‐Han Kwon
Chemical Engineering Journal
• 가뭄 지수는 낙동강 부영양 지역의 여름 Chl-a를 강력하게 예측한다. • 하천유량 및 수온 이상은 여름 조류 대발생을 유도한다. • 계층적 베이지안 모형은 유역 특이적 Chl-a 동역학을 효과적으로 모사한다. • EDDISPI는 가장 높은 예측력을 보이지만 SPI는 실무적으로는 유사한 가치를 제공한다. • 본 연구는 기후 극한 현상이 심화되는 가운데 적응적 수자원 관리를 위한 정보를 제공한다. 유해 조류 대발생(Harmful algal blooms)의 빈도와 심각성이 증가하는 현상은 기상과 기후와 관련되어 있으나, 기후 극한 현상과의 구체적 상호 관련성은 충분히 규명되지 않았다. 가뭄 및 폭염과 같은 극단적 기후 사건이 조류 대발생의 확산을 촉진한다는 점은 알려져 있지만, 수질 모형에서 예측 변수로 활용될 가능성은 아직 알려져 있지 않다. 본 연구는 낙동강 유역에서 Chlorophyll-a(Chl-a) 농도를 통해 여름 조류 생물량의 예측에 가뭄 관련성을 통합하기 위한 계층적 베이지안 모형을 개발한다. 1~3개월의 단기 시계열 범위에서 여러 단기 기상·수문 가뭄 지수(예: SPI, SPEI, SSI, EDDI, EDDISPI)와 유역의 주요 물리화학적 특성을 함께 사용함으로써, 여름 대발생 잠재력에 영향을 미치는 시공간적 요인을 탐색한다. 가뭄 지수뿐 아니라 수온과 하천유량의 이상도 Chl-a 농도와 높은 상관관계를 보였다. 베이지안 추론을 통해 Chl-a 수준에 대한 예측 변수의 반응을 사후분포의 민감도 및 불확실성 평가를 통해 검토하였으며, 이는 대발생 동역학에서 영양상태(trophic states)의 역할을 강조한다. 가뭄 지수는 TN 및 TP와 같은 영양염 농도보다 부영양 및 과부영양 조건에서 여름 Chl-a에 대한 예측력이 더 큰 것으로 나타났다. 유역의 물리적 특성 중 특히 하천유량과 수온 이상이 여름 대발생의 가장 일관된 예측 인자로 부상하였다. 이러한 물리적 조건에 기후 극한이 점차 더 큰 영향을 미치는 가운데, 본 연구는 수질 예측 모형에서 가뭄 지수의 역할을 제시하고, 변화하는 기후 속에서의 적응적 수자원 관리에 유용한 통찰을 제공한다.
https://doi.org/10.1016/j.cej.2025.163074
Bayesian probability
Chlorophyll a
Environmental science
Chlorophyll
Dynamics (music)
Atmospheric sciences
Biological system
Statistics
Mathematics
Biology
3
Article
|
·
인용수 15
·
2024
Development of a deep learning–based feature stream network for forecasting riverine harmful algal blooms from a network perspective
Jihoon Shin, YoonKyung Cha
IF 12.4 (2024)
Water Research
https://doi.org/10.1016/j.watres.2024.122751
Algal bloom
Perspective (graphical)
Feature (linguistics)
Environmental science
Oceanography
Environmental resource management
Computer science
Artificial intelligence
Ecology
Geology
최신 정부 과제
11
과제 전체보기
1
2023년 3월-2024년 12월
|100,000,000
디지털 트윈 수생태 모델 구축 및 시범적용(Ⅱ)
○ (배경) Digital Twin Korea-Water 개발 연구(수량·수질·수생태 통합 분석 ·예측)가 '22년부터 융합연구로 추진중 → 본 연구는 수생태 모델 구축에 필요한 프로그램 구축을 위한 용역 연구임○ (목적) 본 연구는 '22년 1차년도 용역연구에 이어 2차년도로서 자료기반 모델의 디지털 트윈 내 본격적인 구축 및 시범적용 추진
생태모델
인공지능
서식처
먹이망
2
주관|
2020년 4월-2022년 12월
|455,000,000
상하수도 빅데이터 관리·해석 플랫폼 및 표준화 기술 개발
본 과제는 상하수도 시설 운영자가 빅데이터를 효율적으로 활용하도록 데이터 수집, 저장, 관리, 해석을 위한 통합 플랫폼과 표준화 기술을 개발하는 연구임. 연구 목표는 상하수도 시설 운영자의 빅데이터 활용 극대화를 위한 통합 데이터 관리 표준화 플랫폼 구축에 있음. 이를 위해 데이터 수집/저장/관리/분석/시각화 플랫폼 구축, 최적 데이터 수집빈도 시스템, 통합 수량분석, 인공지능 기반 빅데이터 분석 기술 개발 및 현장 적용을 목표로 함. 핵심 연구 내용은 1차년도에 빅데이터 플랫폼 및 데이터 표준화 아키텍처 설계, 상수도/하수도 분야 솔루션 설계에 집중함. 2차년도에는 표준화 플랫폼 시작품과 솔루션을 개발 및 보완하며, 3차년도에는 통합 관리 플랫폼의 현장 적용 및 검증을 통해 요소 기술을 고도화하고 솔루션의 적용성을 평가함. 기대 효과는 상하수도 데이터의 효율적 통합, 표준화 및 분석을 통해 운영 기반을 마련하고, 통합 관리 체계 구축의 모범 사례로 활용 가능함. 또한, 수량 분석 결과는 다양한 환경 정책의 기반 자료로 활용되며, 시설 운영자의 업무 효율성 향상 및 의사결정 지원에 기여함. 대규모 상하수도 시설의 테스트베드 운영 기술 및 통합 모니터링 사업화 연구에도 활용될 것으로 기대됨.
상수도
하수도
빅데이터
플랫폼
표준화
3
주관|
2020년 4월-2022년 12월
|621,000,000
상하수도 빅데이터 관리·해석 플랫폼 및 표준화 기술 개발
본 과제는 상수도와 하수도 시설에서 발생하는 방대한 운영 데이터를 효율적으로 수집, 저장, 관리, 분석하여 시설 운영을 스마트하고 효과적으로 만들기 위한 통합 플랫폼과 데이터 표준화 기술을 개발하는 연구임. 연구 목표는 상하수도 시설 운영자의 빅데이터 활용성 극대화를 위한 통합 데이터 관리 표준화 플랫폼 구축에 있음. 이는 데이터 표준화 기술 개발, 최적 데이터 수집 시스템, 통합 수량분석 및 AI 기반 분석 기술 개발과 현장 적용을 포함함. 핵심 연구 내용은 플랫폼 설계와 데이터 표준화 아키텍쳐 구축, 상수도 및 하수도 솔루션 설계를 시작으로, 표준화 플랫폼 시작품 및 솔루션 개발, 빅데이터 분석 표준화 솔루션 보완을 진행함. 최종적으로 통합관리 플랫폼의 현장 적용 및 검증을 통해 기술을 고도화함. 기대 효과는 상하수도 데이터의 효율적 운영 기반 마련 및 통합관리체계 구축의 모범 사례로 활용되는 것임. 수량분석 결과는 정책 기반 자료로 활용되며, 빅데이터 분석으로 시설 운영자의 의사결정을 지원함. 최적 하수처리시설 운영계획 수립 및 대규모 시설 테스트베드, 통합 모니터링 사업화 연구에 기여할 것으로 전망됨.
상수도
하수도
빅데이터
플랫폼
표준화
연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
핵심기술
AI 기반 초정밀 수질 예측 및 조기경보 시스템
AI 요약 확인하기
기술파급력
디지털 트윈 기반 수생태계 관리 플랫폼
AI 요약 확인하기
원격탐사
드론·위성 영상 AI 분석을 통한 광역 수환경 모니터링
AI 요약 확인하기
설명가능AI
예측을 넘어 원인까지 규명하는 설명가능 AI(XAI)
AI 요약 확인하기
통계모델링
불확실성을 정량화하는 베이지안 통계 모델링
AI 요약 확인하기
실용연구
공공 및 산업 문제 해결을 위한 데이터 기반 솔루션
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
무료 리포트 확인하기