1. 서론
망그로브는 아열대와 열대 기후 지역 해안 습지에서 자라는 관목이나 교목이다. 망그로브가 분포하는 지역은 일반적으로 2~3 m 정도의 조위 변화를 나타내며, 망그로브의 노출된 뿌리와 하단 부분은 조석 작용에 의해 하루에 두 번씩 바닷물에 잠긴다. 이러한 특수한 환경에서 서식하는 망그로브 숲은 단위 면적당 가장 높은 탄소 저장 능력을 갖고 있으며, 이는 두껍게 쌓여 있는 점토층에 많은 양의 유기 탄소가 저장되어 있기 때문이다(Donato et al., 2010). 연안에 분포하는 망그로브 숲은 대기로부터 탄소를 흡수하여 탄소를 식물 내에 저장을 할뿐 아니라, 점토층에 저장된 점토층 내의 탄소가 해양으로 유실되어 대기로 방출되는 것을 막아주는 중요한 역할을 한다(Pendleton et al., 2012). 망그로브 생태환경은 기후변화에 중요한 인자로 인식되고 있지만, 연안지역의 높은 인구 밀도와 난개발 등으로 인해 망그로브 숲의 면적은 지난 수십 년간 지속적으로 감소하여 전 세계 망그로브 숲은 지난 60년간 50%의 면적 감소가 일어났다(FAO, 2007).
망그로브 탄소 관련 연구는 전통적으로 현장 자료를 기반으로 이루어져 왔다. 망그로브를 포함한 연안지역에는 많은 탄소가 포집되어 있으며, 이들은 대기와 활발한 교환 작용을 하고 있다. 연안지역에 분포하는 탄소, 즉 블루카본(Blue Carbon)이 기후 변화에 중요한 역할을 한다는 많은 연구 결과들이 최근 발표되고 있다. 하지만, 블루카본을 포집하고 있는 망그로브 숲과 연안지역 들은 접근이 매우 제한적이고, 광범위한 영역의 자료를 취득하기에는 많은 시간, 비용, 위험성들의 문제가 있다.
원격탐사 기법은 현장 자료와 함께 연안지역에 분포하는 망그로브를 포함하는 블루카본 연구에 최근 활발히 활용되고 있다. 전 세계의 망그로브 총 면적과 공간분포는 인공위성 광학 영상을 이용하여 관측되었으며(Giri et al., 2011), 연안 토지 이용 변화를 관측하여 망그로브 면적의 2차원적, 수평적 증감을 지속적으로 관측하고 있다. 망그로브의 3차원, 수직적인 분포를 측정하기 위해서는 레이더 간섭기법(radar interferometry)과 라이더(lidar) 기법이 활용되고 있었다. 하지만, 레이더 간섭기법으로 생성된 SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model)은 식생의 최고점높이(Top Canopy Height)를 나타내지 않으며, DEM이 나타내는 높이 정보는 같은 높이의 식생에서 식생의 수직분포와 식생의 수분함량 등에 따라 다르게 나타난다(Fig. 1). 비행기 라이더 시스템은 식생의 고해상도 정밀한 수직 분포 정보를 제공하지만, 높은 비용과 제한적 관측 영역으로 연안 연구 활용에 한계가 있다(Cook etal., 2013). 인공위성 라이더 시스템은 비행기 라이더 시스템과 다르게, 2차원 고해상도 영상 제작이 불가능하다. 이러한 서로 다른 두 가지 능동형 인공위성 시스템을 결합하여 전 세계 망그로브 식생의 높이와 식생량을 측정하는 연구가 이루어졌다(Fatoyinbo and Simard, 2013; Fatoyinbo et al., 2008). 하지만 SRTM DEM의 높이를ICESat/GLAS(Ice, Cloud and Land Elevation Satellite/Geoscience Laser Altimeter System) 자료를 활용하여 식생 높이로 보정을 하였지만, 보정 방식의 한계로 인한 수직 정밀도의 한계가 있으며, SRTM DEM의 30 m 공간해상도는 현장 자료 플롯 크기(10 m ~ 15 m) 와의 차이로 인해 현장 자료와 비교 및 분석하는데 여전히 한계가 있었다.
Fig. 1. Pol-InSAR inversion results show top canopy height level. InSAR DEM height does not represent top canopy height. It depends on wavelength, forest density, structure and so on.
Tan DEM-X(Terra SAR adds-on Digital Elevation Measurement)는 두 대의 X 밴드 위성으로 구성되어, 일정 거리를 유지하며 동시에 SAR 영상을 취득 가능한 single-passinterferometry 미션이다(Krieger et al., 2007). 동시에 취득된 두 SAR 영상은 interferogram 생성 시, temporalde correlation을 완벽히 제거 가능하므로, 높은 긴밀도(coherence)가 측정되어, 최종 결과물인 DEM의 수직 정밀도를 획기적으로 향상시킬 수 있었다. Tan DEM-XDEM 미션은 2011년부터 2013년까지 전 지구를 최소 2회 이상 촬영하였고, 데이터 처리 후 전 세계 12 m 공간해상도 Tan DEM-X DEM을 2016년 성공적으로 공개하였다. 이후, 남극 DEM 생성, Tan DEM-X Science Phase를 거쳐 2019년부터 Tan DEM-X DEM 미션과 동일한 방식으로 SAR 영상을 획득하는 Tan DEM-X DEMChange 임무를 수행 중이다. Tan DEM-X는 DEM 생성이라는 주요 미션 임무 외에도 획기적이고 다양한 원격탐사 기법 개발에 활발히 활용되고 있다. 편파간섭기법(Polarimetric SAR Interferometry; Pol-InSAR)을 Tan DEMX 자료에 적용하여 식생의 높이를 구하는데 성공하였으며, 다양한 종류의 식생의 3차원적 수직 구조 연구에 활용되고 있다. Lee and Fatoyinbo(2017)은 단일 편파Tan DEM-X 자료를 이용하여 망그로브 숲의 높이를 정밀 하게 측정하였으며, Tan DEM-X DEM 생성을 위해 취득된 SAR 영상을 활용하여 광역적 망그로브 숲에 관한 연구가 가능함을 보여주었다.
본 연구에서는 Tan DEM-X 자료를 활용해 캔지스강과 프라마푸트라 강 하구에 걸쳐 광범위하게 분포하고 있는 선다르반(Surdarbans) 망그로브 숲의 식생의 높이를 측정하고자 한다. 선다르반 망그로브는 전 세계에서 가장 큰 망그로브 서식지로 인도와 방글라데시에 걸쳐 분포하고 있다. 편파간섭기법에서 가장 많이 활용되는RVoG(Random Volume over Ground) 모델을 이용하여 12 m 공간 해상도의 망그로브 식생 높이 지도를 제작하고 식생 높이의 공간적인 변화를 분석한다.
2. 연구 지역과 원격탐사 자료
1) 연구 지역
선다르반 국립공원(Sundarbans Reserved Forest; SRF)은 세계에서 가장 큰 망그로브 숲으로 다양한 망그로브 종이 분포하고 있다. SRF 연구 지역은 전 세계 망그로브면적에 ~3%를 차지하고 있다. SRF는 인도와 방글라데시 국경 지역에 분포하며, 겐지스강과 프라마푸트라강으로부터 다량의 담수가 유입되어 넓은 강하구를 형성하고 있다. 또한 뱅골만으로부터 해수가 조석 변화에 따라 SRF의 내륙 지역까지 유입된다. 담수와 해수가 혼합된 지역으로 망그로브 이외에 다른 교목들은 서식하지 못 하는 환경이다. SRF는 수많은 동식물들의 서식지로1997년 UNESCO World Heritage Site로 지정되었다. 망그로브의 높이는 최대 18m 로, 지역에 따른 높이의 편차가 크게 나타나고 있다(Rahman et al., 2015).
2) 원격탐사 자료
SRF 전 지역의 망그로브 숲의 높이를 측정하기 위해 총 26개의 Tan DEM-X영상을 독일항공우주연구원(DLR)으로부터 다운을 받았다. Tan DEM-X 영상의azimuth 방향의 50 km 제한으로 동일한 날짜에 촬영된 영상이 두 영상으로 분리되어 서버에 저장되었다. 즉, 실제 26개의 영상을 사용하였으나, 실제 관측된 날짜는 총 13일이다(Table 1). Tan DEM-X 영상은 2011년 1월 22일부터 2013년 1월1일까지 측정된 자료이며, 관측 처음부터 2011년11월 21일 까지는 Height of Ambiguity(Ho A)가 약 40 ~50 m이며, 2012년 5월 20일 이후에 촬영된 영상의 HoA가 약 30 m 로 감소하였다. 이는 Tan DEM-X DEM 미션기간 중, 두 위성의 거리를 변화시키면 두 번 전 지구를 촬영하였기 때문이다(Zink et al., 2014). 결과적으로 전 SRF 망그로브 숲을 2011년과 2012년에 촬영한 영상을 확보하였으며, 두 시기에 촬영된 영상은 서로 다른 베이스라인을 갖고 있다. 본 연구에서는 서로 다른 기선거리에서 처리된 결과를 multi-baseline Pol-InSAR 방법을 활용하여 결합하였다(Lee et al., 2012).
Table 1. Summary of Tan DEM-X data sets
본 연구에 활용된 Tan DEM-X CoSSC(Coregistered Single-look Slant-range Complex) 포맷 영상은 Tan DEMX DEM 생성에 활용된 자료와 동일하다. 그러므로 영상은 하나의 위성이 신호를 지표로 보내고, 두 개의 위성이 동시에 신호를 받는 bistatic 모드로 관측되었으며, 기본 영상 취득 모드인 Strip Map(SM)모드를 사용하였고, 편파(polarization)는 단일 편파, HH(수평으로 송신, 수평으로 수신)이다.
3. 망그로브 식생 높이 측정 방법
Tan DEM-X자료로부터 식생 높이를 측정하기 위해 RVoG 모델을 사용하였다(Papathanassiou and Cloude,2001; Cloude and Papathanassiou, 2003; Cloude, 2010). 본 연구에 사용된 인버전(inversion) 모델은 다중편파간섭자료(fully polarimetric and interferometric SAR data)를 높이를 포함한 식생 인자를 측정 가능하다. 일반적으로 HH, HV, VV의 편파 자료를 기본으로 모델이 개발되었으나, 이중편파, 단일편파에서도 적용 가능한 방법들이 최근 연구되어지고 있다. 식생 높이 인버전 과정에서 가장 중요한 과정 중에 하나는 독립적인 각각의 편파로 측정된complex interferometric coherences을 이용하여 volume-only coherence만을 축출해 내는 것이다. 이 장에서는 우선 측정된 Tan DEM-X 긴밀도에서 volumecoherence를 계산하는 방법을 설명하고(3-1), 망그로브식생 환경을 이용하여 volume phase만을 측정하는 방법을 기술한다(3-2).
1) Tan DEM-X 자료 처리
본 연구에서는 Tan DEM-X CoSSC 자료를 이용하여complex interferometric coherence, γ˜를 측정하였다.
\(\tilde{\gamma}=\frac{}{\sqrt{}}\) (1)
공간해상도 12 m × 12 m의 최종 결과물을 얻기 위해~20 looks 사용하였으며, STSX, STDX는 Terra SAR-X와Tan DEM-X SLC영상을 나타낸다. 계산된 γ˜는 다음 식과 같이 분해 가능하다(Hajnsek et al., 2009).
\(\tilde{\gamma}=e^{i \varnothing_{0}} \tilde{\gamma}_{\text {Vol }} \gamma_{\text {rg }} \gamma_{\text {SNR }} \tilde{\gamma}_{\text {Temp }} \cdots\) (2)
식생과 관련된 volume- coherence(γ˜Vol)만을 측정하기 위해 range spectral filtering과 SNR(signal-to-noise) decorrelation(γSNR)을 보정해주었다. 기선 거리(baseline)가 크지 않고, 넓은 system bandwidth로 range decorrelation(γrg)은 전체 밴드 폭에 3% 이내로 측정되었으며, common bandfiltering으로 처리하였다. SNR(Signal-to-Noise Ratio)decorrelation은 일반적으로 Tan DEM-X 자료처리에서 주요 decorrelation 인자로 간주되며, SAR 안테나의 시스템 신호 감도의 저하로 발생된다(Krieger et al., 2007).SNR의 정확한 측정을 위해서는 물체로부터 돌아온 신호의 강도, 후방산란계수(backscattering coefficient)와 noise equivalent sigma zero(NESZ)의 측정이 필요하다. NESZ은 Tan DEM-X의 헤더 정보로부터 계산 가능하다(INFOTERRA, 2008). 독립적으로 운용되는 두 위성(TerraSAR-X와 Tan DEM-X)의 SNR은 일치하지 않으므로, 각각 측정한 후 SNR decorrelation으로 변환 후에 다음과 같이 결합한다(Krieger et al., 2007).
\(\gamma_{S N R}=\frac{1}{\sqrt{\left(1+S N R_{T S X}^{-1}\right)\left(1+S N R_{T D X}^{-1}\right)}}\) (3)
Tan DEM-X bistatic 모드는 동시에 두 SAR영상을 취득하기 때문에 temporal decorrelation(γ˜Temp)은 존재하지 않으며, 다른 종류의 non-volumetric decorrelation 효과는 극히 작아서 본 연구에서는 고려하지 않는다.
2) 망그로브 높이 측정 방법
복소수 volume-only coherence(γ˜Vol)를 계산하기 위한 다음 단계는 underlying topographic phase(eiø0) 제거하는 단계이다. 일반적으로 다중편파간섭 자료의 경우에는 line-fitting 방법을 사용하여 ground phase(ø0)를 측정하고, 모든 측정된 interferometric phase에서 ø0를 제거하지만(식 2), 본 연구에서는 단일편파 자료 사용하기 때문에 line-fitting 방법을 사용하는데 한계가 있다. Lee and Fatoyinbo(2015)는 망그로브의 특수한 서식 환경을 이용하여 ground phase를 측정하는 법을 제시하였다. 망그로브 생태환경은 망그로브 숲과 물(water body)로 이루어져 있다. 망그로브 숲에서, 바다, 강, 지류, 호수, 라군 등을 쉽게 찾아볼 수 있으며, 망그로브의 숲은 평탄한 지형을 나타낸다. 이러한 특수한 망그로브 식생 환경을 활용, Fig. 2와 같이 망그로브 숲의 경계부분에서 일어나는 레이더의 이중 반사 현상 이용하였다. 레이더로부터 송신된 파는 수면과 식생에서 두 번 반사 후에 안테나로 수신되는데, 이는 망그로브 숲의 최하단 부분과 수면이 접하는 부분을 직접 맞고 되돌아온 신호와 똑같은 이동거리(travel path)를 갖는다. 두 종류의 산란은 모두 수면의 위상을 나타내며, 본 연구에서는 이를 ground phase라 가정하고, 망그로브 숲 전체의 underlying topography로 정의하였다. 측정된 Tan DEM-X 위상에서 수면의 위상을 제거함으로써 단일 편파 자료임에도 불구하고, 망그로브 식생과 관련 있는 volume phase(arg{γ˜Vol})만을 측정 가능하였다.
Fig. 2. Water level estimation in mangroves. Mangrove ecosystem consists of vegetated area and open water body (e.g., rivers, lake, ocean…). If double bounce scattering, the two-bounce travel path (red) of radar pulse is exactly same as the one-bounce path (blue) on the water surface or on the bottom of mangrove truck.
망그로브 숲과 물과의 경계를 찾기 위해서 SNRdecorrelation이 사용되었다(Lee and Fatoyinbo, 2015). 일반적으로 SAR 영상에서 물은 전방 산란이 주를 이루기 때문에 낮은 후방산란계수를 나타낸다. 반대로 숲인 경우에는 많은 레이더 신호가 나무에서 산란을 일으켜 안테나로 되돌아오게 되어 높은 신호 강호를 보인다. 이러한 산란 현상의 차이는 SNR decorrelation의 현저한 값의 차이를 나타내게 되며, 이를 이용하여 망그로브 숲의 경계선을 추출하였다. 망그로브 숲의 경계선 중에서 이중반사가 일어나는 픽셀을 선별하기 위해서는 Coherent Scatterer(CS) 방법이 활용되었다(Schneider et al., 2006). 높은 주파수 영역과 낮은 주파수 영역으로 구분 후에 긴밀도를 계산하는 CS 방법은 이중 반사와 같은 안정적이 산란을 일으키는 물체를 찾는데 유용하다. Tan DEM-X의 측정된 CS 결과가 0.95 이상이 픽셀들의 간섭 위상정보만을 이용하여 ground phase(ø0)를 측정하였다.
RVoG 모델에서 volume coherence(γ˜V)는 식생 높이(hV)와 마이크로파의 감쇠율, extinction(σ)의 함수로 표현된다(Treuhaft et al., 1996).
\(\tilde{\gamma}\left(h_{V}, \sigma ; \theta_{0}, \kappa_{z}\right)=\frac{\int_{0}^{h_{V}} e^{\frac{2 \sigma}{\cos \theta_{0}} z^{\prime}} e^{i \kappa_{z} z^{\prime}} d z^{\prime}}{\int_{0}^{h_{V}} e^{\frac{2 \sigma}{\cos \theta_{0}^{\prime}}^{\prime}} d z^{\prime}}\) (4)
\(\theta_0\): 레이더 입사각,
\(\kappa_2\): interferometric vertical wavenumber
식 (4)를 이용하여 식생 높이(hV: 0 m ~ HoA)와 extinction(σ: 0 dB/m ~ 2 dB/m)에 따른 γ˜V(hV, σ; θ0, κz)들의 Look-Up Table(LUT)을 주어진 κz와 θ0의 정보와 함께 계산할 수 있으며, Tan DEM-X자료로 측정된 volume-onlycoherence(γ˜Vol)와의 최소 거리 법을 이용하여 식생 높이와 extinction 값을 측정한다.
위에 언급한 방법으로 각각의 Tan DEM-X 영상을 처리하여 식생의 높이를 측정한다. 본 연구에 제시한 방법으로 측정되는 망그로브 식생의 높이는 수면으로부터 식생의 최 상부까지의 높이를 의미한다. Tan DEM-X영상은 13개의 서로 다른 날짜에 취득 되었으므로, 조위가 일정하지 않다. 각각의 영상 처리 결과를 모자이크하기 이전에 조위 보정을 해주어야한다. 조위 정보는 SRF의 관측소(22°29′20″N/89°35′43″E)에서 관측된 자료를 활용하였으며, -1.94 m ~ 1.56 m 사이의 값을 나타내었다(Table 1). 영상 모자이크 단계 직전에 수면의 높이를 평균 해수면 높이로 보정을 해주는 작업을 실행하였다.
4. 망그로브 식생 높이 결과
Tan DEM-X 자료를 이용한 망그로브 연구에서 가장 큰 장점은 동시에 영상을 촬영함으로써 temporal decorrelation 영향을 완전히 무시할 수 있다는 것이며, 식생지역에서도 상대적으로 높은 긴밀도를 보인다. Fig. 3(a)와 (b)는 망그로브 식생 환경에 긴밀도를 나타낸다. 망그로브 식생 지역에서 높은 긴밀도(>0.6)를 보이며, 식생 지역 긴밀도의 변화는 식생 인자와 관련 있다. 일반적으로 높은 긴밀도는 낮은 식생의 높이를 나타내며, 반대로 낮은 긴밀도는 높은 식생을 의미한다. 물인 지역은 약한 레이더 신호 강도로 인해 긴밀도가 0.25이하로 측정된다.
Ground phase가 제거된 volume-only phase은 Fig. 3(c)와(d)에 나타내었고, 스케일은 -π/2부터 π/2로 조절하였다. 측정된 결과는 수면으로부터의 InSAR phasecenter의 위치를 나타낸다. 물인 지역은 낮은 긴밀도로 인해 위상 편차가 커져서 random phase를 보인다. Fig.3(a)와 (c)는 3장에서 언급한 volume-only coherence(γ˜Vol)이며, 식 (4)를 이용하여 식생 높이 측정이 가능하다 .식생 지역은 높이에 따라 볼륨 위상이 변하는 것을 확인할 수 있다. 일반적으로 볼륨 위상이 증가하면 식생 높이의 증가를 의미한다. Fig. 3(e)와 (f)는 망그로브 식생높이를 나타내는 결과로 낮은 긴밀도와 높은 위상 값을 나타내는 지역의 식생이 높게 측정되고 있는 것을 확인할 수 있다. Fig. 3(f)의 빨간색 프로파일은 InSAR phasecenter의 높이를 나타낸다.
Fig. 3. Tan DEM-X interferometric coherence (a), volume-only phase (c) and top canopy height images (e) as well as profiles on the center of the image along range (b, d, f). (a): The water body was marked by low coherence values (< 0.25) and random phases (see blue bars in the profile). (f): the phase center height (red) is always located below top canopy height (black).
총 26 개의 영상을 결합하여 SRF 전 지역의 망그로브식생 높이 지도를 완성하였다(Fig. 4). 공간해상도는 12m이며, 측정된 면적은 인도 지역이 2,136 km2이고, 방글라데시 지역이 4,464 km2으로 계산되었다. SRF에서 식생의 높이는 서쪽에서 동쪽으로 해안선에서 내륙 방면으로 향하면서 증가하는 양상을 보이고 있다. 가장 높은 망그로브는 방글라데시 북동쪽 지역에서 나타났으며 약 20 m에 이르고, 인도 지역 쪽 망그로브는 10 m이하로 측정되었다. 인도와 방글라데시 지역의 식생 높이분포는 Fig. 5에 나타내었다.
Fig. 4. Mosaicked mangrove canopy height map at 12-m spatial resolution for the entire Sundarbans region obtained with 26 pairs of single-pass Tan DEM-X (TDX) data acquired on 13 different acquisition dates from January 22, 2011 to January 1, 2013. Upper left image shows the frames of each TDX pair. Red rectangles represent the TDX data acquired in 2011, and blue in 2012 and 2013. The forest height image covers about 150 km by 100 km outlined by the rectangle in the upper left map. The height map is scaled from 0 m to 15 m, purple/blue indicates short mangrove heights (< 3m) and yellow/red represents tall forests (> 10 m). Mangrove forests higher than 15 m were marked by white. The red line shows the transect for the profile shown in Fig. 3. The yellow line marks the border between India and Bangladesh in the Sundarbans mangrove area.
Fig. 5. The distribution of mangrove canopy height. The estimated mangrove areas were 4464.31 km2 in Bangladesh and 2136.05 km2 in India. Mangroves in Bangladesh are much taller than in India and can reach up to 20 m. The height distribution for the Indian Sundarbans indicates a modal height value of 1.0 m and a non-zero (positive) skewness towards a taller canopy while the distributions for the Bangladeshi Sundarbans was nearly symmetric with a mean value of 8.5 m. Mangrove heights shorter than 5 m occupied ~80% of the Indian mangrove area, but only cover 17.7% of the total mangrove area in Bangladesh.
측정된 식생 높이 결과는 현장 자료와 검증을 시도하였다. 현장 자료는 2014년 7월에 획득하였으며, 반경 12.64 m (= 0.05 ha) 내에 있는 나무 직경(DBH; Diameterat Breast Height) 5 cm 이상인 모든 나무를 측정하였다. 총 15 개 플롯에서 측정하였으며, 측정된 각각의 나무높이를 이용하여 각 플롯을 대표하는 높이인 H100를 측정하였다. H100는 1 ha에 있는 나무 중 가장 높이가 높은 100개의 나무 높이의 평균으로 숲의 최상부 높이(top canopy height)를 나타낸다. 본 연구에서는 플롯의 면적이 0.05 ha이므로 가장 높은 5개의 나무 높이의 평균으로 H100를 계산하였다. Fig. 6는 Tan DEM-X 망그로브 식생 높이와 현장 자료를 비교한 것으로 두 결과가 매우 일치한다. 상관 계수(γ2)는 0.83, RMSE(Root Mean Square Error)는 0.83 m로 측정되었다.
Fig. 6. Validation plot. Field inventory was carried out in July 2014. All trees with a DBH greater than 5 cm were measured within 15 plots each with a radius of 12.64 m (0.05 ha). Three plots were laid out 100 m apart in each transect. Using the field measurement data, the H100 was calculated for each of the 0.05 ha field. While the H100 was defined as the 100 tallest trees per hectare, the H100 was determined from the average of the five tallest trees for each field plot of 0.05 ha. The values of H100 were compared with the average of TDX canopy height results on a 2 × 2 pixels (12-m spatial resolution). The validation result shows the correlation coefficient of 0.83 and a root mean square error (RMSE) of 0.84 m.
5. 결론 및 토의
본 연구에서는 Tan DEM-X DEM 미션 기간(2011년~2013년) 동안에 획득된 총 26장의 자료를 이용하여 SRF 전 지역 망그로브 숲의 식생 높이를 측정하였다. 측정된 총 면적은 6,600 km2에 달하며, 공간해상도는 12 m이다. 향상된 공간해상도는 일반적인 현장 자료 플롯사이즈와 비슷한 정도로 현장 자료와 원격 탐사 결과를 비교, 분석, 및 결합하는데 중요한 요소가 될 것이다. 측정된 결과는 현장 자료와 비교했을 때, 높은 상관 계수와 1 m 이하의 RMSE를 나타내었다. 이는 고해상도 망그로브 식생 높이를 10% 보다 낮은 에러로 측정 가능함을 보여주었다. 연구에 사용된 Tan DEM-X 자료는 같은 방식으로 Tan DEM-X DEM미션 기간(2011년-2013년)과 Tan DEM-X DEM Change 기간(2019년-2020년) 동안 전 지구를 촬영하였다. 본 연구에서 보여준 대규모의 망그로브 식생 높이지도 제작 기술과 글로벌 Tan DEM-X자료를 활용하면 12 m 해상도의 전 세계 망그로브 식생높이 지도를 제작할 수 있을 것으로 기대된다.
식생의 높이는 식생탄소양과 3차원 탄소지도 제작에 필수 정보이다. 그러므로, 본 연구에서 제시한 원격탐사기술은 기후 변화의 영향을 줄이려는 국제적인 중요 계획인 UN-REDD(Reducing Emissions from Deforestationand Degradation)과 같은 국제적인 인니셔티브(initiatives)에서 개발하고 있는 MRV(Monitoring, Reporting and Verification)에 사용 가능할 것으로 기대된다.
사사
이 논문은 부경대학교 자율창의학술연구비(2019년)에 의하여 연구되었음.
참고문헌
- Cloude, S. R. and K. P. Papathanassiou, 2003. Three-stage inversion process for polarimetric SAR interferometry, IEE Proceedings-Radar Sonar and Navigation, 150(3): 125-134. https://doi.org/10.1049/ip-rsn:20030449
- Cloude, S. R., 2010. Polarisation: Applications in Remote Sensing, Oxford University Press, London, U.K.
- Cook, B. D., L. A. Corp, R. F. Nelson, E. M. Middleton, D. C. Morton, J. T. McCorkel, J. G. Masek, K. J. Ranson, V. Ly, and P. M. Montesano, 2013. NASA Goddard's lidar, hyperspectral and thermal(G-LiHT) airborne imager, Remote Sensing, 5(8): 4045-4066. https://doi.org/10.3390/rs5084045
- Donato, D. C., J. B. Kauffman, D. Murdiyarso, S. Kurnianto, M. Stidham, and M. Kanninen, 2010. Carbon-rich tropical mangroves and climate mitigation in a time of rising seas, Nature Geosciences, 4: 293-297.
- Fatoyinbo, T. E. and M. Simard, 2013. Height and biomass of mangroves in Africa from ICESat/GLAS and SRTM, International Journal of Remote Sensing, 34(2): 668-681. https://doi.org/10.1080/01431161.2012.712224
- Fatoyinbo, T. E., M. Simard, R. A. Washing-Allen, and H. H. Shugart, 2008. Landscape-scale extent, height, biomass, and carbon estimation of Mozambique's mangrove forests with Landsat ETM+ and Shuttle Radar Topography Mission elevation data, Journal of Geophysical Research, 113: G02S06.
- Food and Agriculture Organization of the United Nations (FAO), 2007. The World's Mangroves 1980-2005, FAO Forestry Paper 153, FAO, Rome, Italy.
- Giri, C., E. Ochieng, L. L. Tieszen, Z. Zhu, A. Singh, T. Loveland, J. Masek, and N. Duke, 2011. Status and distribution of mangrove forests of the world using earth observation satellite data, Global Ecology and Biogeography, 20(1): 154-159. https://doi.org/10.1111/j.1466-8238.2010.00584.x
- Hajnsek, I., F. Kugler, S.-K. Lee, and K. P. Papathanassiou, 2009. Tropical-Forest-Parameter Estimation by means of Pol-InSAR: The INDREX II Campaign, IEEE Transactions on Geoscience and Remote Sensing, 47(2): 481-493. https://doi.org/10.1109/TGRS.2008.2009437
- INFOTERRA, 2008. Radiometric Calibration of Terra SAR-X Data: Beta Naught and Sigma Naught Coefficient Calculation, Airbus Defence and Space, Friedrichshafen, Germany.
- Krieger, G., A. Moreira, H. Fiedler, I. Hajnsek, M. Werner, M. Younis, and M. Zink, 2007. TanDEM-X: A staellite formation for high-resolution SAR interferometry, IEEE Transactions on Geoscience and Remote Sensing, 45(11): 3317-3341. https://doi.org/10.1109/TGRS.2007.900693
- Lee, S.-K., F. Kugler, K. P. Papathanassiou, and I. Hajnsek, 2012. Quantification of temporal decorrelation effects at L-band for polarimetric SAR interferometry applications, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 6(3): 1351-1367. https://doi.org/10.1109/JSTARS.2013.2253448
- Lee, S.-K. and T.E. Fatoyinbo, 2015. TanDEM-X Pol-InSAR Inversion for Mangrove Canopy Height Estimation, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(7): 3608-3618. https://doi.org/10.1109/JSTARS.2015.2431646
- Papathanassiou, K. P. and S. R. Cloude, 2001. Single baseline Polarimetric SAR Interferometry, IEEE Transactions on Geoscience and Remote Sensing, 39(11): 2352-2363. https://doi.org/10.1109/36.964971
- Pendleton, L., D. C. Donato, B. C. Murray, S. Crooks, W. A. Jenkins, S. Sifleet, C. Craft, J. W. Fourqurean, J. B. Kauffman, N. Marba, P. Megonigal, E. Pidgeon, D. Herr, D. Gordon, and A. Baldera, 2012. Estimating global "blue carbon" emissions from conversion and degradation of vegetated coastal ecosystems, PLoS One, 7(9): e43542. https://doi.org/10.1371/journal.pone.0043542
- Rahman, M., N. I. Khan, A. K. Fazlul Hoque, and I. Ahmed, 2015 Carbon stock in the Sundarbans mangrove forest: spatial variations in vegetation types and salinity zones, Wetland Ecology and Management, 23(2): 269-283. https://doi.org/10.1007/s11273-014-9379-x
- Schneider, R. Z., K. P. Papathanassiou, I. Hajnsek, and A. Moreira, 2006. Polarimetric and Interferometric Characterization of Coherent Scatterers in Urban Areas, IEEE Transactions on Geoscience and Remote Sensing, 44(4): 971-984. https://doi.org/10.1109/TGRS.2005.860950
- Treuhaft, R. N., S. N. Madsen, M. Moghaddam, and J. J. van Zyl, 1996. Vegetation characteristics and underlying topography from interferometric radar, Radio Science, 31(6): 1449-1495. https://doi.org/10.1029/96RS01763
- Zink, M., M. Bachmann, B. Brautigam, T. Fritz, I. Hajnsek, G. Krieger, A. Moreira, and B. Wessel, 2014. TanDEM-X: The New Global DEM Takes Shape, IEEE Geoscience and Remote Sensing Magazine, 2(2): 8-23. https://doi.org/10.1109/MGRS.2014.2318895
피인용 문헌
- Assessment and Attribution of Mangrove Forest Changes in the Indian Sundarbans from 2000 to 2020 vol.13, pp.24, 2020, https://doi.org/10.3390/rs13244957