Journal of Korean Society for Geospatial Information Science (대한공간정보학회지)

Korea Spatial Information Society (대한공간정보학회)
권호 표지
DOI QR코드

DOI QR Code

Analysis of Satellite Images to Estimate Forest Biomass

산림 바이오매스를 산정하기 위한 위성영상의 분석

  • 이현직 (상지대학교 건설시스템공학과) ;
  • 유지호 (상지대학교 건설시스템공학과) ;
  • 유영걸 (상지대학교 건설시스템공학과)
  • Received : 2013.09.03
  • Accepted : 2013.09.23
  • Published : 2013.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study calculated vegetation indexes such as SR, NDVI, SAVI, and LAI to figure out correlations regarding vegetation by using high resolution KOMPSAT-2 images and LANDSAT images based on the forest biomass distribution map that utilized field survey data, satellite images and LiDAR data and then analyzed correlations between their values and forest biomass. The analysis results reveal that the vegetation indexes of high resolution KOMPSAT-2 images had higher correlations than those of LANDSAT images and that NDVI recorded high correlations among the vegetation indexes. In addition, the study analyzed the characteristics of hyperspectral images by using the COMIS of STSAT-3 and Hyperion images of a similar sensor, EO-1, and further the usability of biomass estimation in hyperspectral images by comparing vegetation index, which had relatively high correlations with biomass, with the vegetation indexes of LANDSAT with the same GSD conditions.

본 연구에서는 산림 바이오매스와 식생지수의 상관성을 분석하기 위해 현장조사 자료, 위성영상과 LiDAR 자료를 이용하여 산정된 산림 바이오매스 분포도를 기준으로 고해상도 KOMPSAT-2 영상과 LANDSAT 영상을 이용하여 식생지수인 SR, NDVI, SAVI, LAI를 계산한 값과 비교하였다. 분석결과, 고해상도 KOMPSAT-2 영상의 식생지수가 LANDSAT 영상의 식생지수보다 침엽수의 상관성이 더 높게 나타났으며 활엽수의 경우는 LANDSAT 영상의 식생지수가 높은 상관성을 보였다. 식생지수 중에는 NDVI 값이 다른 지수에 비해 상관성이 높게 나타났다. 또한 STSAT-3 위성의 소형영상분광기(Compact Imaging Spectrometer, COMIS)와 유사 센서인 EO-1 위성의 Hyperion 영상을 이용하여 하이퍼스펙트럴 영상을 분석하고 바이오매스와 상관성이 상대적으로 높은 식생지수를 동일한 GSD 조건의 LANDSAT 위성의 식생지수와 비교하고 하이퍼스펙트럴 영상의 임상 추출에 대한 활용가능성을 분석하였다.

Keywords

References

  1. Haboudane, D., Miller, J. R., Tremblay, N., Zarco-Tejada, P. J. and L. Dextraze, 2002, Integrated narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture, Remote Sensing of Environment, Vol.81 : pp. 416-426. https://doi.org/10.1016/S0034-4257(02)00018-4
  2. Huete, A. R., 1988, A soil-adjusted vegetation index(SAVI), Remote Sensing of Environment, Vol.25: pp. 295-309 https://doi.org/10.1016/0034-4257(88)90106-X
  3. Lee, H., Ru, J., 2012, Application of LiDAR data & high-resolution satellite image for calculate forest biomass, Korean Society for Geospatial Information System, Vol.20, No.1, pp. 53-63. https://doi.org/10.7319/kogsis.2012.20.1.053
  4. Lee, H., Ru, J., Yu, Y., 2009, Product of high-quality thematic maps on base high-resoultion satellite imagery, Korean Society for Geospatial Information System journal of spring conference, pp. 258-260.
  5. Rouse, J. W., Haas, R. H., Schell, J. A. and D. W. Deering, 1974, Monitoring vegetation systems in the great plains with ERTS. Proceedings, 8th International Symposium on Computer-Assisted Cartography, Baltimore, MD, pp. 68-77.
  6. Schiffman, Bettina, Galli Basson, Evan Lue, Dustin Ottman, Anjanette Hawk, Moyukh Ghosh, Forrest Melton, Cindy Schmidt, and J. W. Skiles. Estimation of leaf area index(LAI) through the acquisition of gound truth data in yosemite national park. ASPRS 2008 Annual Conference, Portland, Oregon, April 28 - May 2, 2008.
  7. Tan, K., Piao, S., Peng, C. and J. Fang. 2007, Satellite-based estimation of biomass carbon stocks for northeast China's forests between 1982 and 1999. Forest Ecology and Management, Vol.240 pp. 114-121. https://doi.org/10.1016/j.foreco.2006.12.018