지표환경 주제도 작성을 위한 크리깅 기법과 원격탐사 자료의 통합 및 불확실성 분석 -입도분포지도 사례 연구-

Integration of Kriging Algorithm and Remote Sensing Data and Uncertainty Analysis for Environmental Thematic Mapping: A Case Study of Sediment Grain Size Mapping

  • 발행 : 2009.06.30

초록

이 논문에서는 퇴적물 입도분포지도 사례 연구를 통해 원격탐사 자료를 부가자료로 이용하는 경우 크리깅 기법이 원격탐사 자료와의 통합과 더불어, 원격탐사 자료의 영향을 분석할 수 있는 불확실성 모델링에 효율적으로 이용될 수 있음을 예시하고자 하였다. 안면도 동쪽 해안과 천수만 연안 지역에서 현장 조사 자료와 입도와 연관성이 높은 Landsat TM 자료의 반사도를 부가 자료로 이용하여 입도 분포도를 작성하였다. 사례 연구 결과, 조건부 분산의 분석을 통해, 샘플링 되지 않은 지역에서의 불확실성은 원격탐사 자료를 부가 자료로 이용함으로써 현저하게 줄어듦을 확인할 수 있었다. 이러한 크리깅 기반 불확실성 모델링 방법론은 입도 분포도 작성뿐만 아니라, 부가 자료의 이용이 가능한 다른 분야에서의 지표환경 주제도 작성에 유용하게 사용될 수 있을 것으로 기대된다.

The objective of this paper is to illustrate that kriging can provide an effective framework both for integrating remote sensing data and for uncertainty modeling through a case study of sediment grain size mapping with remote sensing data. Landsat TM data which show reasonable relationships with grain size values are used as secondary information for sediment grain size mapping near the eastern part of Anmyeondo and Cheonsuman bay. The case study results showed that uncertainty attached to prediction at unsampled locations was significantly reduced by integrating remote sensing data through the analysis of conditional variance from conditional cumulative distribution functions. It is expected that the kriging-based approach presented in this paper would be efficient integration and analysis methodologies for any environmental thematic mapping using secondary information as well as sediment grain size mapping.

키워드

참고문헌

  1. 김태근, 2008, 남한지역 엽면적지수 지도 제작을 위한 중저해상도 위성영상 연계방법 개발, 인하대학교 박사학위 논문
  2. 박경애·사카이다·카와무라, 2008, '인공위성관측 해수면온도와 현장관측 수온의 비교를 통해 본 해양 피층-표층 수온의 차이,' 대한원격탐사학회지, 24, 273-287 https://doi.org/10.7780/kjrs.2008.24.4.273
  3. 박노욱.장동호, 2008, '수치표고모델과 다변량 크리깅을 이용한 기온 및 강수 분포도 작성,' 대한지리학회 지, 43, 1002-1015
  4. 박동원, 1976, '원격탐사방법에 의한 서해안 천수만 간석지 지형연구,' 대한지리학회지, 15, 1-15
  5. 오석훈, 2005, '암반등급 해석을 위한 비선형 지시자 변환과 3차원 크리깅 기술의 물리탐사 및 시추자료에 대한 적용,' 한국지구과학회지, 26, 429-435
  6. 이태윤.정재훈.김태정, 2008, '고해상도 위성영상과 기존 수치표고모델을 이용하여 신뢰성이 향상된 수치표고모델의 자동 생성,' 한국GIS학회지, 16, 193-206
  7. 장동호, 2002, 지표환경변화 평가 개선을 위한 원격탐사와 GIS 기법 연구 -안면도와 천수만 지역을 중심으로-, 건국대학교 박사학위 논문
  8. 정상용.이강근, 1995, '난지도 매립지 일대의 지하수위분포 추정을 위한 복합 크리깅의 응용,' 지하수환경, 2(2), 58-63
  9. 최광희.윤광성.김종욱, 2006, '공간통계기법을 이용한 하논화산의 화구호 복원,' 대한지리학회지, 41, 391-403
  10. Deutsch, C. V., 1997, Direct assessment of local accuracy and precision, in Baafi, E. Y. and Schofield, N. A.(eds.), Geostatistics Wollongong ‘96, Springer
  11. Deutsch, C. V. and Journel, A. G., 1998, GSLIB:Geostatistical Software Library and User’s Guide, 2nd Edition, Oxford University Press
  12. Glenn, N. F. and Carr, J. R., 2003, The use of geostatistics in relating soil moisture to RADARSAT-1 SAR data obtained over the Gread Basin, Nevada, USA, Computers & Geosciences, 29, 577-586 https://doi.org/10.1016/S0098-3004(03)00050-5
  13. Goovaerts, P., 1997, Geostatistics for Natural Resources Evaluation, Oxford University Press
  14. Goovaerts, P., 2000, Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall, Journal of Hydrology, 228, 113-129 https://doi.org/10.1016/S0022-1694(00)00144-X
  15. Goovaerts, P., 2001, Geostatistical modelling of uncertainty in soil science, Geoderma, 103, 3-26 https://doi.org/10.1016/S0016-7061(01)00067-2
  16. Goovaerts, P., AvRuskin, G., Meliker, J., Slotnick, M., Jacquez, G., and Nriagu, J., 2005, Geostatistical modeling of the spatial variability of arsenic in groundwater of southeast Michigan, Water Resources Research, 41, W07013, doi:10.1029/2004WR003705
  17. Hevesi, J. A., Flint, A. L., and Istok, J. D., 1992, Precipitation estimation in mountainous terrain using multivariate geostatistics. Part I: structural analysis, Journal of Applied Meteorology, 31, 661-676 https://doi.org/10.1175/1520-0450(1992)031<0661:PEIMTU>2.0.CO;2
  18. Kim, G. S. and Barros, A. P., 2002, Spatial characterization of soil moisture from passive microwave remotely sensed imagery and ancillary data, Remote Sensing of Environment, 81, 393-403 https://doi.org/10.1016/S0034-4257(02)00014-7
  19. Oh, Y., 2004, Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces, IEEE Transactions on Geoscience and Remote Sensing, 42, 596-601 https://doi.org/10.1109/TGRS.2003.821065
  20. Park, G.-S., 2008, Geostatistical integration of multiparametric geophysical data to enhance spatial resolution, Seoul National University Ph.D.Thesis
  21. Park, N.-W., Jang, D.-H., and Chi, K. H., 2009, Integration of IKONOS imagery for geostatistical mapping of sediment grain size at Baramarae beach, Korea, International Journal of Remote Sensing, in press
  22. Patriarche, D., Castro, M. C., and Goovaerts, P., 2005, Estimating regional hydraulic conductivity fields - a comparative study of geostatistical methods, Mathematical Geology, 37, 587-613 https://doi.org/10.1007/s11004-005-7308-5
  23. Rainey, M. P., Tyler, A. N., Gilvear, D. J., Bryant, R. G.,and Mcdonald, P., 2003, Mapping intertidal estuarine sediment grain size distributions through airborne remote sensing, Remote Sensing of Environment, 86, 480-490 https://doi.org/10.1016/S0034-4257(03)00126-3
  24. Ryu J.-H., Won, J.-S., and Min, K.-D., 2002, Waterline extraction from Landsat TM data in ad tidal flat:a case study in Gomso Bay, Korea, Remote Sensing of Environment, 83, 442-456 https://doi.org/10.1016/S0034-4257(02)00059-7
  25. Sales, M. H., Souza Jr., C. M., Kyriakidis, P. C., Roberts, D. A., and Vidal, E., 2007, Improving spatial distribution estimation of forest biomass with geostatistics: a case study for Rondonia, Brazil, Ecological Modeling, 205, 221-230 https://doi.org/10.1016/j.ecolmodel.2007.02.033
  26. Simbahan, G. C., Dobermann, A., Goovaerts, P., Ping, J., and Haddix, M. L., 2006, Fine-resolution mapping of soil organic carbon based on multivariate secondary data, Geoderma, 132, 471-489 https://doi.org/10.1016/j.geoderma.2005.07.001
  27. Van Der Wal, D. and Herman, P. M. J., 2007, Regression-based synergy of optical, shortwave infrared and microwave remote sensing for monitoring the grain-size of intertidal sediments, Remote Sensing of Environment, 111, 89-106 https://doi.org/10.1016/j.rse.2007.03.019