Radiometric Cross Calibration of KOMPSAT-3 and Lnadsat-8 for Time-Series Harmonization

KOMPSAT-3와 Landsat-8의 시계열 융합활용을 위한 교차검보정

Abstract

In order to produce crop information using remote sensing, we use classification and growth monitoring based on crop phenology. Therefore, time-series satellite images with a short period are required. However, there are limitations to acquiring time-series satellite data, so it is necessary to use fusion with other earth observation satellites. Before fusion of various satellite image data, it is necessary to overcome the inherent difference in radiometric characteristics of satellites. This study performed Korea Multi-Purpose Satellite-3 (KOMPSAT-3) cross calibration with Landsat-8 as the first step for fusion. Top of Atmosphere (TOA) Reflectance was compared by applying Spectral Band Adjustment Factor (SBAF) to each satellite using hyperspectral sensor band aggregation. As a result of cross calibration, KOMPSAT-3 and Landsat-8 satellites showed a difference in reflectance of less than 4% in Blue, Green, and Red bands, and 6% in NIR bands. KOMPSAT-3, without on-board calibrator, idicate lower radiometric stability compared to ladnsat-8. In the future, efforts are needed to produce normalized reflectance data through BRDF (Bidirectional reflectance distribution function) correction and SBAF application for spectral characteristics of agricultural land.

원격탐사를 이용한 작황정보 생산은 작물의 생물계절을 이용하여 작물 분류, 생육 모니터링, 생산량 추정 분석이 선행되어야 한다. 생물계절에 추정을 위한 시계열 영상 자료가 필요하지만 KOMPSAT(Korea Multi-Purpose Satellite)만으로 획득하는 것은 물리적 제한이 있으므로 타 지구관측위성과의 융합 활용이 필요하다. 위성자료의 융합 활용을 위해서는 각 위성이 가지는 고유의 방사학적 센서 특성 차이를 극복해야 한다. 본 연구는 위성자료의 융·복합 활용을 위한 첫 단계로서 KOMPSAT-3와 Landsat-8 위성의 교차검보정을 수행하였다. Libya-4 PICS(Pseudo Invariant Calibration Sites)에서 2년간 수집된 위성자료에 대해 초분광위성을 이용하여 산정된 SBAF(Spectral Band Adjustment Factor)를 적용하여 대기상단 반사도를 비교하였다. 교차검보정 결과 KOMPSAT-3와 Landsat-8 위성은 Blue, Green, Red 밴드에서 약 4%, NIR밴드에서 6%의 반사율 차이를 보였다. 온보드 켈리브레이터가 없는 KOMPSAT-3는 Ladnsat-8에 비해 Radiometric Stability가 낮은 것으로 나타났다. 향후 교차검보정의 정확도를 높이기 위해 BRDF(Bidirectional reflectance distribution function) 보정 및 지형보정을 통하여 정규화 된 반사율 자료를 생산하기 위한 노력이 필요하다.

요약

원격탐사를 이용한 작황정보 생산은 작물의 생물계절을 이용하여 작물 분류, 생육 모니터링, 생산량 추정 분석이 선행되어야 한다. 생물계절에 추정을 위한 시계열 영상 자료가 필요하지만 KOMPSAT(Korea Multi-Purpose Satellite)만으로 획득하는 것은 물리적 제한이 있으므로 타 지구관측위성과의 융합 활용이 필요하다. 위성자료의 융합 활용을 위해서는 각 위성이 가지는 고유의 방사학적 센서 특성 차이를 극복해야 한다. 본 연구는 위성자료의 융·복합 활용을 위한 첫 단계로서 KOMPSAT-3와 Landsat-8 위성의 교차검보정을 수행하였다. Libya-4 PICS(Pseudo Invariant Calibration Sites)에서 2년간 수집된 위성자료에 대해 초분광위성을 이용하여 산정된 SBAF(Spectral Band Adjustment Factor)를 적용하여 대기상단 반사도를 비교하였다. 교차검보정 결과 KOMPSAT-3와 Landsat-8 위성은 Blue, Green, Red 밴드에서 약 4%, NIR밴드에서 6%의 반사율 차이를 보였다. 온보드 켈리브레이터가 없는 KOMPSAT-3는 Ladnsat-8에 비해 Radiometric Stability가 낮은 것으로 나타났다. 향후 교차검보정의 정확도를 높이기 위해 BRDF(Bidirectional reflectance distribution function) 보정 및 지형보정을 통하여 정규화 된 반사율 자료를 생산하기 위한 노력이 필요하다.

1. 서론

기후변화는 극심한 자연재해를 유발시켜 인류에게 지속적으로 피해를 입힐 뿐만 아니라 산업에도 큰 영향을 미친다(Jeong et al., 2020). 그중에서도 특히 농업은 기후환경에 민감한 분야이다. 농작물은 기후환경에 따라 매년 작황이 크게 달라지고 수급 불안에 따른 가격 변동성이 매우 크므로 작물의 재배현황 및 생산량 파악은 작물의 수급 및 가격안정을 위해 매우 중요하다. 현재 농림축산식품부에서는 작물의 재배면적 등 작황정보를 파악하기 위해 많은 인력과 예산을 투입해 매년 시도 수준의 농업통계를 작성하여 발표하고 있다(Ministry of Agriculture et al., 2016).

위성영상을 활용한 농업 모니터링은 주기적으로 넓은 지역 관측이 가능할 뿐 아니라 신뢰도가 높은 지표면의 분광정보를 획득할 수 있어 현장조사 대비 시간 및 비용 측면에서 효율적인 조사 방법이며 국외 및 접근불능지역의 생육상황 파악을 위한 시계열 모니터링도 가능하다. 위성영상을 이용한 국외 작황 분석 연구는 주로 시·분광해상도가 좋은 MODIS, RapidEye, Landsat 위성을 이용하여 대규모 경작지를 대상으로 수행되었다 (Shao et al., 2010; Conrad et al., 2011; Howard and Wylie, 2014; Beyer et al., 2015). 우리나라는 소규모로 다양한 작물을 재배하거나 재배작물과 위치가 해마다 달라지는 경우가 많아 주로 벼 재배지역을 중심으로 연구가 수행 되었다(Yoon et al., 2007; Hong et al., 2012; Yeom and Kim, 2014).

원격탐사를 이용한 작황정보 생산을 위해서는 작물의 서로 다른 생육주기를 이용하여 작물을 분류, 생육 모니터링, 생산량 추정 등이 선행되므로 다양한 시계열 영상 자료가 필요하다. 고해상도 지구관측위성인 다목적 실용위성은 공간해상도가 높은 반면 촬영면적과 시간해상도가 낮아 시계열 영상 확보가 제한적이기 때문에 국내 밭작물을 대상으로 하는 원격탐사 연구는 생육 주기에 맞춰 원하는 시기에 무인항공기 영상을 활용하는 연구가 주를 이룬다(Na et al., 2016; Jeong et al., 2016; Lee et al., 2016).

최근 다중분광 위성의 수가 증가하고 자료를 획득할 수 있는 경로가 넓어지고 있으며, 우리나라도 다목적 실용위성을 필두로 차세대 중형위성, 초소형 위성 등 농업모니터링이 가능한 위성이 개발 중에 있어 농업분야 시계열 위성영상 활용성이 증대되고 있다. 가시-근적외 선 대역을 관측하는 광학위성은 동일한 밴드(Blue, Green, Red and NIR)를 가지지만 서로 다른 분광대역, 공간 및 시간해상도를 가질 것으로 예상된다. 따라서 위성영상을 융합하여 활용할 경우 농업분야에서 매우 중요한 작물의 생물계절에 따른 주기적 모니터링 및 작황 추정의 신뢰성을 높일 수 있으며, 나아가 가격 변동성이 큰 국외 농작물의 작황 추정도 가능할 것으로 기대된다.

위성영상 자료의 융합 활용을 위해서는 각 위성이 가지는 고유의 센서 특성 차이를 극복해야 한다. 농업 관측에 가장 많이 활용되는 정규화식생지수(NDVI: Normalized difference vegetation index)는 광학위성의 가시 및 근적외선 밴드 대역에 따라 다른 값을 나타낸다. 작물의 식생 활력도와 관련된 NIR 밴드는 작은 차이라도 식생지수와 같은 비율함수에 큰 영향을 미치기 때문이다(Galvão et al., 1999). Teillet et al. (1997)은 AVHRR 위성 시리즈에서 NDVI가 큰 차이를 보이며, 특히 Red 밴드나 NIR 밴드에서 적색 경계(Red-Edge)영역의 포함 여부에 따라 NDVI의 민감도가 큰 것으로 보고한 바 있다. 따라서 위성영상의 융·복합 활용에 있어 밴드 대역 차이를 극복하고 정규화된 반사도를 산출하기 위한 보정이 필요하다.

교차검보정에 대한 연구는 Landsat 위성을 중심으로 진전되어 왔다. 불변성(Invariant)지표를 가지는 검보정 사이트 선택, 센서 간 스펙트럼응답 차이를 조정, BRDF 및 센서 천정각에 따른 반사도 변동성 연구에 중점을 두었다. Chander et al. (2010)은 Libya-4 PICS(Pseudo-Invariant Calibration Site)지역에 대한 초분광 위성(EO-1 Hyeperion) 분광프로파일을 취득하여 Landsat ETM+ 위성과 MODISTerra위성에대한SBAF(Spectra l Band Adjustment Factor)를 적용 5%의 정확도를 제시하였다. Mishra et al. (2014)은 Landsat-8과 Landsat-7의 복사휘도 및 반사도 기반 교차검보정을 수행하여 NIR 밴드를 제외한 밴드에서 2.5% 이내의 정확도를 제시하였다. Fan and Liu (2018)는 중해상도 위성영상의 전구 NDVI 차이의 원인 중 밴드대역폭차이를 지목하였으며 SBAF를 적용 할 경우 오차를 줄일 수 있을 것으로 평가하였다. 교차검 보정에 있어 중요한 요소는 위성이 주기적으로 동일 지역을 촬영하여 장기간 신뢰성 있는 영상을 획득하여야 한다. 본 연구는 Ahn et al. (2018)이 단영상으로 수행한 KOMPSAT-3와 Landsat-8의 교차검보정 신뢰성 확보를 위해 2년간 Libya-4 PICS에서 수집된 위성영상을 이용하여 SBAF를 적용한 교차검보정을 수행하고 평가하였다.

2. 방법론

1) Sensor Overview

KOMPSAT-3는 push-broom 방식의 AEISS(Advanced Earth Imaging Sensor System)센서를 탑재하여 관측폭 16.8 km, 해상도 2.8 m를 가진다. AEISS 센서는 14 bit의 방사해상도(0~16384)로 정밀한 복사에너지 관측이 가능하여 재해재난관리, 국토 관리, 환경·기상분야에 활용 등 국가 영상정보 수요를 충족하기 위해 폭넓게 활용되고 있다(Seo and Kim, 2011).

Landsat-7 ETM+와 EO-1 ALI의 다음 세대인 Landsat8 OLI는 감지기들이 선형으로 배열된 Push-broom 센서로, 긴 integration 시간으로 높은 신호대잡음비(SNR, Signal-to-noise ratio)의 자료를 획득할 수 있다. 공간 해상도는 30 m로 ALI와 ETM+와 동일하지만, 12 bit의 방사 해상도는 전세대 센서인 ETM+의 8 bit보다 개선되어 정밀한 복사에너지 값을 기록할 수 있다(Irons et al., 2012).

EO-1 위성은 다중분광센서인 ALI, 초분광센서인 Hyperion, 대기보정용 센서 Atmospheric Corrector(AC) 를 탑재하고 Landsat과 동일궤도에서 5분의 시간간격 차이로 공전하고 있다. Hyperion 센서는 10 nm의 폭을 지닌 연속된 밴드를 통해 400 nm에서 2400 nm 분광자료를 12 bit 방사 해상도, 30 m 공간 해상도로 기록한다 (Folkman et al., 2001). Table 1과 Fig. 1은 연구에 사용된 위성의 제원 및 분광대역을 나타낸다.

Table 1. Earth Observation Sensors used in this study

Fig. 1. Relative spectral response of Sensors.

2) Image Selection

KOMPSAT-3 영상의 교차검보정을 위한 연구지역으로 영상의 방사학적 안정성 평가뿐만 아니라 다양한 지표피복에 따른 영상의 품질평가를 위해 지구관측그룹(The Committee on Earth Observation Satellites, CEOS) 에서는 안정적인 대기 특성을 가져 지구 관측위성의 검보정을 수행하기 위한 PICS를 운영하고 있다. 본 연구에서는 PICS중 Libya-4 Site를 선정하였다.

Libya-4 Site는 높은 반사율을 가지는 사막지형으로 북위 28.55° 동경 22.39°에 위치하고 있으며 해발 평균 고도는 118m이며 사막지역의 특성상 안정적인 대기 특성을 가진다. 2014년 1월부터 2015년 12월까지 2년 동안 촬영된 영상 중 구름의 비율 10% 이상인 영상은 제외하였으며 직하(Nadir) 방향으로 촬영되는 Landsat-8 과는 달리 KOMPSAT-3는 궤도 특성상 위성 진행 방향에 경사각(Pitch Tlit)이 발생한다. Jin et al. (2020)은 15도 이상의 촬영각을 가지는 KOMPSAT-3 영상의 복사휘도가 높은 오차를 가지는 것으로 제시하였기 때문에 본 연구는 15도 이상의 경사각으로 촬영된 영상은 제외하였다. 최종적으로 35장의 KOMPSAT-3 영상과 44장의 Landsat-8 영상이 교차검보정을 위해 사용되었다. 지형 효과를 최소화하기 위해 본 연구에서는 Fig. 2와 같이 영상이 중복되는 영역(ROI)을 선택하여 분석하였다.

Fig. 2. K3, Hyperion EO-1 and L8 OLI images over PICS Libya 4. 

3) Method

본 연구는 KOMPSAT-3과 Landsat-8 위성의 SBAF를 이용한 교차검보정을 수행하기 위해 (1) 두 위성의 촬영 시간 차이를 극복하기 위한 태양 천정각과 복사조도와의 상관성 분석, (2) 2년 동안 Libya-4 PICS 영상을 수집하여 대기상단 반사도 계산, (3) EO-1 Hyperion 초분광 위성을 이용하여 두 위성의 SBAF 산정, (4) SBAF 적용 전/후 교차검보정 결과를 비교, (5) 농경지에서 SBAF 적용결과를 분석하였다

위성 센서에서의 DN을 복사휘도(radiance) 변환하는 DN to Radiance 변환(절대복사검보정)은 영상을 복사 학적 측면으로 활용하기 위해 매우 중요한 작업이다 (Pagnutti et al., 2003). 특히 시계열 분석, 식생지수, 대기의 광학특성과 같은 분광학적 특성자료가 필요한 농업분야 에서 위성영상의 활용성을 높이고 자료의 가치를 향상시킬 수 있기 때문이다. 그러나 절대복사보정은 Field Campaign과 같은 현장계측을 통해 자료를 수집하고 복사전달 코드에 입력하여 대기상단(Top Of Atmosphere: TOA) 복사휘도를 추정하기 때문에 변환계수를 산정하기 위해서는 많은 시간 및 장비, 비용 그리고 인적 자원 이 필요하다. 이러한 측면은 대기 및 지표반사도가 일정한 Radiometric Cal/Val site를 이용하여 상대복사보정을 수행하는 것이 더 효율적이다(de Vries et al., 2007).

특성이 다른 센서의 정량적인 비교를 위해서 영상의 화소 값은 반드시 실제 센서에 기록되는 복사에너지 값 으로 변환되어야 한다. TOA radiance를 산출하기 위해 본 연구는 KOMPSAT-3, Landsat-8의 경우 각 밴드별로 변환에 필요한 계수가 제공되므로 이를 이용하여 복사에너지 값을 산출할 수 있다. 식 (1)과 같은 1차 선형식을 통해 영상의 TOA Radiance를 계산하였다. 여기서 Lλ 은 해당 밴드λ에서 센서에 도달하는 복사에너지 값, Gain은 영상 메타데이터로부터 얻은 특정 밴드 곱셈 변환 계수, DN은 영상의 화소값, Offset은 영상 메타데이터로부터 얻은 특정 밴드 추가적 변환 계수를 나타낸다.

     \(L_{\lambda}=\text { Gain } * D N+O f f \text { set }\)        (1)

대기상단 반사율은 영상의 대기효과나 지표면 지형 효과를 보정을 하지 않기 때문에 지표면 반사도와 대기반사도를 모두 포함하고 있다(Zhang et al., 2014). 안정적인 사막을 대상으로 2년간 촬영된 영상을 획득하여 동일지역을 비교하는 본 연구에서는 지형효과와 대기효과는 미미할 것으로 사료된다. 다른 센서로부터 획득된 영상의 방사학적 품질을 비교할 때 복사휘도 대신 반사율을 이용할 경우, 자료 획득에 따른 시간 차이로 인해 다른 태양천정각의 코사인보정이 가능하며, 분광밴드 차이로부터 발생하는 태양복사조도 상이한 값을 상쇄 시킨다(Chander et al., 2009). 대기상단 반사율(ρλ) 산정식은 식 (2)와 같다.

    \(\rho \lambda=\frac{\pi \cdot L_{\lambda} \cdot d^{2}}{E S U N_{\lambda} \cdot \cos \theta_{s}}\)       (2)

ρ_λ is TOA Reflectance (W/m²-μm-sr)

ESUN_λ ismean solarexo-atmospheric irradiance (W/m² -μm)

θ_s is solar zenith angle (radians)

d² is earth-sun distance (astronomical units)

다양한 목적의 지구관측위성이 운영중에 있으며 유사한 근적외대역의 밴드를 가졌지만 목적에 따라 밴드 대역폭은 서로 다르게 설계 및 제작된다. 이러한 밴드 대역폭 차이는 동일한 지역을 동일시기에 촬영하더라도 상이한 반사도가 산정된다. 심지어 동일한 밴드 대역폭을 가진다 하더라도 다른 상대분광응답반응(Relative Spectral Response, RSR)을 가질 수 있기 때문에 실질적으로 측정되는 지표면의 복사에너지는 달라진다. 이러한 오차를 줄이기 위해 위성의 교차검보정에 사용되는 방법은 서로 다른 RSR에 따른 불확실성을 고려하여 반사도가 일정한 테스트 사이트에서 교차검보정을 수행하고 있다.

두 위성 간 RSR 차이에 대한 보정은 초분광 위성 데이터를 이용한 Spectral Profile을 활용하며 이러한 보정 방법을 Spectral Band Adjustment Factor(SBAF)로 알려져 있으며 식 (3)을 사용하여 산정한다(Chander et al., 2013).

  \(\begin{aligned} \overline{\rho_{\lambda}}(\text { Sensor }) &=\frac{\int \rho_{\lambda} \cdot R S R_{\lambda} d_{\lambda}}{\int R S R_{\lambda} d_{\lambda}} \\ S B A F &=\frac{\overline{\rho_{\lambda}}(A)}{\overline{\rho_{\lambda}}(B)} \\ \overline{\rho_{\lambda}}\left(A^{*}\right) &=\frac{\overline{\rho_{\lambda}}(A)}{S B A F} \end{aligned}\)       (3)

\(RSR_\lambda\) = the RSR of the sensor

\(\rho_\lambda\) = hyperspectral TOA-R

\(\overline{ \rho_\lambda}(A)\) = Simulated TOA-R for sonser A

\(\overline{ \rho_\lambda}(A)\) = Simulated TOA R for sonser B

\(\overline{ \rho_\lambda}(A^*)\) =  Compensated TOA-R for sensor A when using the SBAF to match sensor B

3. 연구 결과

1) Correlation of Sola rElevation and Surface Irradiance

태양의 기하학적 연주기 특성 변화는 일주기 태양의 고도변화로 가정할 수 있다. 본 연구에서는 MFRSR (Multifilter Rotating Shadowband Radiometer)을 이용하여 맑은 날 계측된 Total Solar Irradiance의 그래프가 Fig. 3과 같이 매우 이상적인 곡선을 나타낼 때의 자료를 사용하여 분석하였다.

Fig. 3. Solar Irradiance Measured by MFRSR.

일반적으로 태양고도에 의한 차이는 다음 식 (4)와 같은 코사인 보정을 사용한다.

     \(\text { Corrected Irradiance }=\frac{\text { Irradiance }}{\operatorname{COS}(\text { Solar Zentih })}\)      (4)

맑은날 계측된 자료를 정규화 시킨 결과 Fig. 4과 같이 태양의 고도가 높을 때와 낮을 때의 차이가 발생하였다. 이러한 차이를 보완하기 위해 태양천정각의 COS 값과 측정된 Irradiance를 1차 선형회귀식으로 분석하였다. Fig. 4와 같이 R²>0.99의 매우 강한 선형성을 나타내었다. 즉, 태양 천정각의 코사인 값과 높은 상관성이 있음을 확인하였고 선형회귀를 통해 임의의 태양 천정 각에 대한 Radiance 추정이 가능함을 알 수 있었다. 결과를 바탕으로 KOMPSAT-3와 Landsat-8의 촬영시간 차이에 대한 보정을 적용하였다.

Fig. 4. Cosine Corrected Solar Irradiance (Left) and Regression (Right).

2) TOA Reflectance Calculation

2년간 수집된 Libya-4 Site의 KOMPSAT-3와 Landsat-8 영상을 이용하여 시간에 대한 반사율의 변화를 1차 함수로 비교하여 교차검보정을 수행하였다. Libya-4 Site의 T-test 검정 결과 모든 밴드대역에서 적합한 것으로 평가되었으며 두 센서의 단기간(2년) 추세에 대한 기울기는 0.1 이하로 나타났다. Table 2는 선형회귀 분석 결과를 나타낸다.

Table 2. TOA reflectance regression fit parameters

2년간의 TOA radiance를 산정한 결과 KOMPSAT-3 와 Landsat-8 간의 대기상단 반사율의 퍼센트 차이는 Blue 밴드에서 2.7%, Green 밴드는 3.3%, Red 밴드는 6.6% 그리고 NIR 밴드의 경우 23.29%로 나타났다. NIR 밴드를 제외한 모든 밴드에서 음의 값이 나타났으며, 이는 Landsat-8이 추정한 TOA 반사율가 KOMPSAT-3 낮게 관측된 것을 의미한다. 또한 On Board Calibrator가 장착된 Lnadsat-8 위성이 KOMPSAT-3 보다 센서의 반응성이 안정적(Stability)인 것으로 나타났다.

3) SBAF Calculation

서로 다른 분광대역을 가지는 두 센서간 정확한 교차 검보정을 위해서는 스펙트럼 응답 반응으로 인한 차이에 대한 정량화가 필요하다. 본 연구에서는 SBAF 계산을 위해 KOMPSAT-3와 Landsat-8의 동일지역에서 촬영된 EO-1 Hyperion 영상을 사용하였다. 초분광 영상의 밴드접합을 통해 가상의 KOMPSAT-3, Landsat-8영상 을 생성하였고 동일 ROI에 대한 반사율 비교를 통해 SBAF를 산정하였다. Fig. 5와 Table 3은 Hyperion 기반 KOMPSAT-3, Landsat-8 반사율과 산정된 SBAF의 결과를 나타낸다.

Table 3. Estimation SBAF result using average of 2 years Libya 4 (unit: %)

Fig. 5. Simulated TOA Reflectace KOMPSAT-3 (Left), Landsat-8 (Right) and Spectral Band Adjustment Factor by Hyperion image for Libya 4.

초분광위성의 밴드접합을 이용한 가상반사율 영상 생성 결과 Red, NIR 밴드는 Blue, Green 밴드보다 반사율 변동성(평균반사율/표준편차)이 크게 나타났으며, SBAF 추정 결과 표준편차 90%를 채택하였을 때 NIR밴 드는 3%, 나머지는 밴드는 0.5% 미만으로 변동성을 보였다. 이는 Landsat-8 위성보다 넓은 밴드대역을 가지는 KOMPSAT-3 위성의 수증기 흡수대역이 포함되어 영향을 받은 것으로 판단된다. 각 센서의 분광특성(RSR) 을 적용하여 생성된 초분광 영상 기반 밴드접합 반사율을 비교했을 때 KOMPSAT-3(왼쪽) 보다 Landsat-8(오른 쪽)의 반사율이 안정적인 것을 확인할 수 있다.

4) CrossCalibration

2년간의 평균 SBAF 추정 결과를 바탕으로 실제 KOMPSAT-3 영상에 적용하여 교차검보정을 수행한 결과는 Fig. 6과 같다. 그림에서 빨간색 선은 SBAF 적용 전, 파란색 선은 SBAF 적용 후, 녹색선은 Landsat-8 위성의 Libya-4 Site ROI 반사율을 나타낸다. Blue, Green, Red 밴드에서 SBAF 적용 후 반사율이 Landsat-8 위성과 유사하게 나타났다. 근적외선 대역은 10% 이상의 변화 보였으나 Landsat-8 위성과 차이를 나타냈다.

Fig. 6. Hyperion-based SBAF compensated TOA Reflectance each band over the Libya 4 site.

Table 4에서 확인할 수 있듯이 Green 밴드는 SBAF 적용 전 KOMPSAT-3와 Landsat-8의 반사율 퍼센트 차이는 3.3%로 나타났으나 적용 후 4.5% 증가하였다. 이는 Green 밴드에 대한 두 위성의 SBAF가 과도하게 보상되었음을 나타낸다. Blue 밴드는 반사율의 백분율 차이가 2.7%에서 0.3% 감소하였으며, Red 밴드의 경우 KOMPSAT-3와 Landsat-8의 반사율간 불일치가 6.6%에서 4.2% 감소하였다. NIR 밴드는 SBAF 보상이전 반사율의 백분율 차이는 -23.2%였으나 SBAF 보상 후 -6.3%를 나타내 크게 개선되었다.

Table 4. Effect based on EO-1 Hyperion derived SBAF (unit: %)

일반적으로 On-Board Calibrator가 장착되지 않은 위성의 복사검보정 정확도의 가이드라인(Threshold)을 5%로 설정하는 것을 감안할 때, KOMPSAT-3 교차검보 정 정확도는 NIR 밴드를 제외하고 만족하는 것으로 판단된다. Chander et al. (2010)은 SBAF를 이용한 교차검보 정을 위해 같은날 Hyperion, Landsat-7 ETM+ 및 MODIS 위성을 적용하였고 그 결과 SBAF 보상 전 (-16.24 ~ 5.63) 과 SBAF 보상 후 (-5.353 ~ 4.28)로 본연구 결과와 비교하였을 때 유사한 오차를 보였다.

SBAF 보상을 적용하였음에도 Red밴드와 NIR밴드 에서 일치율이 크게 나타난 이유는 Fig. 1 및 Table 5에서 볼 수 있듯이 밴드대역별 RSR이 KOMPSAT-3, Lnadsat8과 다르기 때문이다. 일반적인 Nominal 밴드대역 일치율의 경우 Blue, Green 밴드에서 90% 이상 Red 밴드에 서 83% NIR 밴드에서 28.6%로 나타나지만 실제 위성의 분광응답반응(RSR)을 기반으로 한 중첩비율을 그보다 낮은 비율을 보인다. 결론적으로 Blue와 Green 밴드는 상대적으로 작은 차이를 보이지만 Red 밴드와 NIR 밴드는 큰 차이를 보였다. 따라서, Red밴드와 NIR밴드의 SBAF 적용 효과는 Blue 및 Green 밴드보다 높게 나타난다.

Table 5. Spectral Band overlap ratio on KOMPSAT-3 and Landsat 8 by RSR (unit: %)

5) ValidationNDVI

산정된 SBAF를 농업분야에 활용하기 위해 본 연구는 2019년 6월부터 9월까지 김제지역에 촬영된 Landsat-8, KOMPSAT-3 영상 5 Scene을 대상으로 정규화 식생지수를 SBAF에 적용하여 평가하였다(Fig. 7). 일반적으로 검증을 위해서는 동일시기의 영상이 필요하나 위성의 촬영주기·영역의 차이로 KOMPSAT-3 위성을 기준으로 최대 5일 이내로 촬영된 영상을 분석하였다. 김제지역 농경지에 대한 다시기 NDVI 산정한 결과는 Fig. 8과 같다. 검은색 선은 Landsat-8, 파란색 선은 KOMPSAT-3, 빨간색 선은 SBAF가 적용된 KOMPSAT-3의 NDVI를 나타낸다.

Fig. 7. Validation Area

Fig. 8. NDVI Kimje Crop Land.

SBAF 적용 전 NDVI는 모든 영상에서 KOMPSAT-3 가 높게 나타났으며, SBAF 적용 후 영양생장기(6월~7월)의 경우 NDVI가 유사한 수준으로 나타났다. 하지만 생식 상장기(7월~8월)의 경우 SBAF적용 후에도 KOMPSAT-3 가 상대적으로 높은 NDVI를 보였다(Table 6). 결과적으로 SBAF를 적용하였을 때 KOMPSAT-3와 Lnadsat-8 NDVI의 차이가 감소하였지만 검증에 있어 동일한 날짜에 대한 고려가 되지 않았으며, 대기보정을 수행하지 않아 향후 추가적인 검증이 필요할 것으로 판단된다.

Table 6. NDVI Comparison SBAF adjustment

4. 결론

최근 고해상도 지구관측위성 활용성이 높아짐에 따라 단순 픽셀 단위의 영상에서 정량적인 관측 자료로서 위성정보에 대한 수요가 증가하고 있다. 국외 위성정보의 경우 다중분광 영상에서 얻을 수 있는 지표 반사율 데이터부터 타 위성과의 융합 활용을 위한 Analysis Ready Data 제작을 위한 기초연구와 응용연구가 활발히 이루어지고 있다.

본 연구는 다목적 실용위성의 융합 활용을 위한 첫 단계로서 세계적으로 활용성이 높은 지구관측위성인 Landsat-8 위성과의 교차검보정을 수행하였다. 대표적 검보정 사이트인 Libya-4 PICS에서 2년간 수집된 영상과 초분광위성 기반 SBAF를 적용하여 반사율을 비교하였다.

교차검보정 결과 KOMPSAT-3와 Landsat-8 위성은 Blue, Green, Red 밴드에서 2% 이내의 반사율 차이가 나타났으며 NIR밴드의 경우 약 4% 차이를 보였다. NIR 밴드대역에서 SBAF 적용 후에도 반사율 차이가 큰 이유는 KOMPSAT-3 위성과 LANDSAT-8 위성의 밴드 대역폭 차이에 기인한 것으로 판단되며, 수증기 흡수대역 (940 nm)을 포함하는 KOMPSAT-3 위성의 특성이 반영된 것으로 판단된다.

SBAF 적용 후 모든 밴드 대역에서 Calibration 정확도가 향상되었으며, 특히 NIR 밴드대역에서는 퍼센트 차이가 23%에서 6%로 괄목할 만한 개선이 된것으로 나타났다. 온보드 켈리브레이터가 없는 고해상도 위성인 KOMPSAT-3는 Landsat-8에 비해 상대적으로 불안정한 Radiometric StabiIity를 보였다.

교차검보정의 첫 단계로서 본 연구는 반사율과 대기가 안정적인 사막지역에서 반사율을 비교하였으나 향후 농경지 관측을 위한 다중위성영상 융합 활용을 위해서는 식생지역에서의 교차검증이 필요할 것으로 판단 된다. 경작지의 경우 지형조건과 대기조건이 계절마다 차이나기 때문에 지형보정과 대기보정을 통한 교차검보정이 평가되어야 한다.

작물의 생물계절 추정을 위한 시계열 영상을 획득하는 것은 단독위성만으로 제한이 따르기 때문에 타 위성과의 융합 활용이 매우 중요할 것으로 판단되며 이를 위해서는 교차검보정, 지형보정, BRDF 보정 등 정규화된 반사율 자료를 생산하기 위한 노력이 필요할 것이다.