기계학습모델인 CNN을 적용한 SPC 기반의 지하수산출가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 산사태, 홍수, 지진 등 자연재해 분석을 위한 기초 데이터지하수, 광물자원, 골재 등 지하자원 개발을 위한 기초 데이터도시 및 토지 개발, 도로, 철도 적지 선정 등을 위한 기초 데이터엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델인 SVR을 적용한 T 기반의 지하수산출가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 산사태, 홍수, 지진 등 자연재해 분석을 위한 기초 데이터지하수, 광물자원, 골재 등 지하자원 개발을 위한 기초 데이터도시 및 토지 개발, 도로, 철도 적지 선정 등을 위한 기초 데이터엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

확률모델인 빈도비를 적용한 SPC 기반 지하수산출가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.- 모델 설명-*빈도비(Frequency Ratio) : 취약성도 혹은 가능성도를 만들기 위한 간단하고 기본적인 확률 모델. 요인에 대해 각 유형(명목형 자료) 혹은 등급(숫자형 자료)별로 전체 면적에서 이벤트가 발생한 면적의 비율이며, 빈도비를 이용하여 구해진 상관관계는 입력자료의 선택 기준이 됨- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc) 지하수, 광물자원, 골재 등 지하자원 개발을 위한 기초 데이터도시 및 토지 개발, 도로, 철도 적지 선정 등을 위한 기초 데이터지형 및 지질과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델을 적용한 기계학습 기반의 주름조개풀 서식지 가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 동식물과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델을 적용한 기계학습 기반의 노루 서식지 가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 동식물과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델을 적용한기계학습 기반의 너구리 서식지 가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 동식물과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델인 CNN을 적용한 T 기반의 지하수산출가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 산사태, 홍수, 지진 등 자연재해 분석을 위한 기초 데이터지하수, 광물자원, 골재 등 지하자원 개발을 위한 기초 데이터도시 및 토지 개발, 도로, 철도 적지 선정 등을 위한 기초 데이터엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델을 적용한 기계학습 기반의 생강나무 서식지 가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 동식물과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델을 적용한 기계학습 기반의 산초나무 서식지 가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 동식물과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용

기계학습모델을 적용한 기계학습 기반의 고라니 서식지 가능성도이며, 방위, 방향, 지역 등의 정보가 포함되어 있고, 파일 포맷은 ascii, grid, geotiff입니다.- 데이터 사용법 -* 본 데이터를 사용하려면 상용프로그램인 ArcGIS S/W나 오픈 소프트웨어인 QGIS 프로그램( https://qgis.org/en/site/forusers/download.html에서 다운)을 사용하면 됩니다.* asc파일은 각 셀의 값을 나타내는 텍스트 파일로 텍스트 에디터나 엑셀에서 불러올 수 있습니다.* 전문적 프로그램 활용이 어려운 일반 사용자들을 위해 이미지파일을 제공합니다.-학습 모델 설명-* Support Vector Regression (SVR) : 비선형적인 회귀 모델을 구축하기 위하여 원 공간에서 데이터를 고차원 공간으로 매핑한 뒤 고차원 공간에서의 선형 회귀식을 산출하는 방법* Convolutional Neural Network (CNN) : 이미지 인식을 위하여 만들어진 딥러닝 구조; 이미지의 공간적 특성을 반영하기 위해 아핀(affine) 계층 대신에 합성곱(Convolution) 계층 적용- 데이터 확장자 설명 -geotiff : 지리 참조 정보가 포함되어 있는 이미지 파일형식의 데이터 입니다. (.tiff)grid: 각 격자에 고유한 값이 저장되어있는 Esri사 고유의 래스터 파일형식의 데이터입니다. (.grid)ASCII: 래스터의 속성을 정의하는 헤더 정보와 공백으로 구분 된 각 셀의 값으로 래스터를표현하는 텍스트 파일이며, 프로그램간 자료 호환을 위해 만들어진 파일입니다. (.asc)- 활용 위성 자료 출처 -* 본 산출물의 입력자료로 활용한 Landsat과 Sentinel 위성영상 산출물은 각각 NASA 및 USGS와 ESA에서 소유하고 있으며 다음의 사이트에서 각각 수집한 뒤 전처리하여 사용함. Landsat 데이터는 Earth Explorer(https://earthexplorer.usgs.gov/)에서 다운로드 가능하며, Sentinel 데이터는 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home)을 통하여 다운로드 가능. 동식물과 관련된 인공지능 비즈니스 적용을 위한 기본 데이터로 활용엔지니어링 업체, 대학 및 연구기관의 실무 및 교육/연구용