Retrieval of Vegetation Health Index for the Korean Peninsula Using GK2A AMI

GK2A AMI를 이용한 한반도 식생건강지수 산출

Abstract

Global warming causes climate change and increases extreme weather events worldwide, and the occurrence of heatwaves and droughts is also increasing in Korea. For the monitoring of extreme weather, various satellite data such as LST (Land Surface Temperature), TCI (Temperature Condition Index), NDVI (Normalized Difference Vegetation Index), VCI (Vegetation Condition Index), and VHI (Vegetation Health Index) have been used. VHI, the combination of TCI and VCI, represents the vegetation stress affected by meteorological factors like precipitation and temperature and is frequently used to assess droughts under climate change. TCI and VCI require historical reference values for the LST and NDVI for each date and location. So, it is complicated to produce the VHI from the recent satellite GK2A (Geostationary Korea Multi-Purpose Satellite-2A). This study examined the retrieval of VHI using GK2A AMI (Advanced Meteorological Imager) by referencing the historical data from VIIRS (Visible Infrared Imaging Radiometer Suite) NDVI and LST as a proxy data. We found a close relationship between GK2A and VIIRS data needed for the retrieval of VHI. We produced the TCI, VCI, and VHI for GK2A during 2020-2021 at intervals of 8 days and carried out the interpretations of recent extreme weather events in Korea. GK2A VHI could express the changes in vegetation stress in 2020 due to various extreme weather events such as heatwaves (in March and June) and low temperatures (in April and July), and heavy rainfall (in August), while NOAA (National Oceanic and Atmospheric Administration) VHI could not well represent such characteristics. The GK2A VHI presented in this study can be utilized to monitor the vegetation stress due to heatwaves and droughts if the historical reference values of LST and NDVI can be adjusted in a more statistically significant way in the future work.

지구온난화는 기후변화를 야기하며 전지구적으로 이상기상 현상을 유발하고 있다. 우리나라에서도 폭염, 가뭄과 같은 이상기상 현상이 증가하고 있는 상황이다. 이상기상 감시를 위하여 지표면온도(Land Surface Temperature, LST), 온도상태지수(Temperature Condition Index, TCI), 식생활력지수(Normalized Difference Vegetation Index, NDVI), 식생상태지수(Vegetation Condition Index, VCI), 식생건강지수(Vegetation Health Index, VHI) 등의 위성자료가 활용되고 있다. TCI와 VCI를 이용하여 계산되는 VHI는 온도, 강수와 같은 기상 요인에 의한 식생 스트레스를 나타내며, 기후변화 상황에서 가뭄 평가에 주로 활용되고 있다. TCI, VCI는 날짜 및 장소에 따른 LST, NDVI의 과거 평년치를 참조해서 산출되기 때문에, 아직 2년여의 자료밖에 없는 천리안위성 2A호(GK2A) AMI (Advanced Meteorological Imager) 자료로부터 TCI, VCI, VHI를 산출하는 것은 현재로서는 쉽지 않은 일이다. 본 연구에서는 대안적인 방법으로 VIIRS (Visible Infrared Imaging Radiometer Suite) 센서의 LST, NDVI를 이용하여 GK2A의 VHI 산출 가능성을 모색하였다. GK2A와 VIIRS의 LST, NDVI는 상당히 높은 상관성을 보이기 때문에, GK2A에 존재하지 않는 과거 평년치를 VIIRS 자료로 대체하는 방식을 택하였다. 8일 간격으로 GK2A 격자에 해당하는 LST, NDVI의 최소·최대값 조견표를 구축하여 TCI, VCI, VHI를 산출하였고, 최근 우리나라 이상기상 현상에 대한 해석을 수행하였다. GK2A VHI는 2020년 3월과 6월의 폭염, 4월과 7월의 저온, 8월의 폭우 등으로 인한 식생 스트레스의 변화를 잘 표현하는 것으로 나타났지만, 미국 해양대기청(National Oceanic and Atmospheric Administration, NOAA)의 VHI 산출물은 그렇지 않았다. 본 연구에서 제시한 GK2A VHI는 향후 LST, NDVI의 과거 평년치에 대한 통계적으로 엄밀한 보완을 거친다면 폭염, 가뭄으로 인한 식생 스트레스 감시에 활용될 수 있을 것으로 사료된다.

1. 서론

최근 지구온난화에 따른 기후변화의 영향으로 가뭄, 폭염, 저온, 한파 등의 이상기후 현상이 전지구적으로 발생하고 있다. 기상법에 의하면 이상기후는 기온, 강수량 등의 기후 요소가 평균적인 기후값에 비해 현저히 높거나 낮은 수치를 나타내는 현상으로 정의되고 있다. 이 상기후는 작물 생산량 감소, 용수 부족, 산불, 인명 피해 등의 추가적인 자연적·사회적 피해를 야기한다(KMA, 2021a). 대표적인 예로, 폭염과 가뭄이 결합된 2012년 미 국가뭄(Rippey, 2015), 2018년 유럽 폭염과 가뭄(Beillouin et al., 2020), 2019-2020년 호주 가뭄 및 산불(Boer et al., 2020) 등이 있으며, 이는 결과적으로 작물 수확 감소와 가격 상승, 대규모의 산림 생태 악화 등을 야기했다. IPCC (2022)에 따르면 온난화로 인한 극심한 폭염과 가뭄과 같은 이상기후 현상이 더욱 빈번해질 것으로 예측되고 있다. 우리나라도 역시 예외가 아니며, 2020년에는 거의 매월 폭염, 저온, 긴 장마, 강수 부족 등의 이상기상 현상이 발생했다고 보고되고 있다(KMA, 2021a; 2021b). 이로 인한 생육 악화로 2020년 사과와 배의 가격은 평 년에 비해 각각 92%, 25% 상승하였고, 배추와 무의 가격은 각각 55%, 31% 상승하기도 했다(Jeong et al., 2021). 현재 우리나라 농업인들은 이상기후 발생빈도 및 강도 증가가 심각한 것으로 인지하고 있으며, 생산성에 가장 악영향을 미치는 요소로는 폭염(40.6%), 가뭄(25.7%), 태풍(15.1%), 호우(11.1%) 등이 꼽힌다(Sung et al., 2019; Jeong et al., 2021).

이상기후로 인한 식생 스트레스 감시는 매우 중요하며, 지금까지 광역 모니터링에는 위성기반의 지표면 온도와 식생지수를 활용하여 가뭄 및 폭염을 분석하는 연구들이 많이 수행되어 왔다. 지표면온도(Land Surface Temperature, LST) 산출물은 아노말리(Anomaly)로 표현하거나 평년치 대비 정규화시킨 온도상태지수 (Temperature Condition Index, TCI) 등의 형태로 폭염 분석에 활용되어 왔다(Teuling et al., 2010;Albright et al., 2011; Bhuiyan et al., 2017). 이상기후는 식생의 생장 저하로 이어질 수 있는데, 식생 생장 모니터링은 식생활력지수 (Normalized Difference Vegetation Index, NDVI), 강화식 생지수(Enhanced Vegetation Index, EVI), 그리고 NDVI 를 평년치 대비 정규화시킨 식생상태지수(Vegetation Condition Index, VCI) 및 TCI와 VCI가 가중평균된 식생 건강지수(Vegetation Health Index, VHI) 등이 활용되고 있다(Yu et al., 2013; Shrestha et al., 2017; Qiu et al., 2020). 특히, VHI는 TCI와 VCI 결합을 통해 온도와 식생생장의 두 측면을 나타낼 수 있는 지수이기 때문에 기온, 강수와 같은 기상 요인으로 인한 식생 스트레스를 잘 나타내므로(Pei et al., 2018; Pal et al., 2020), 다양한 기후요 인들이 복합적으로 작용하여 발생하는 가뭄 연구에 자주 활용되고 있다(Dalezios et al., 2014; Zeng et al., 2022).

현재 VHI는 AVHRR (Advanced Very High Resolution Radiometer), MODIS (Moderate Resolution Imaging Spectroradiometer), VIIRS (Visible Infrared Imaging Radiometer Suite)와 같은 극궤도 위성 센서의 LST와 NDVI 산출물을 이용해서 산출 가능하며, 미국 해양대 기청(National Oceanic and Atmospheric Administration, NOAA) 산하의 위성활용연구센터(Center for Satellite Applications and Research, STAR)에서는 TCI, VCI, VHI 산출물을 서비스하고 있다. 우리나라에서도 정지궤도 기상위성인 천리안위성 2A호(Geo-Kompsat-2A, GK2A) 에 탑재된 기상센서(Advanced Meteorological Imager, AMI)를 통해서 LST가 10분단위로, NDVI가 일단위로 제공되고 있다. 하지만, 2019년 7월부터 현재까지 2년여의 자료만 생산되었기 때문에, 날짜와 장소에 따른 과거 평년치를 필요로 하는 TCI, VCI, VHI 산출이 쉽지는 않다.

이에 본 연구에서는 2012년부터 현재까지 10년여의 자료가 축적된 VIIRS 자료로부터 시간 및 공간에 따른 LST, NDVI의 최소·최대 조견표를 구축하고, 이를 참조하여 8일 간격으로 GK2A VHI를 산출하고, 최근 우리 나라 이상기상 현상에 대한 해석을 수행하였다. 이전 연구에서 주로 사용되는 Terra와 Aqua MODIS (Moderate Resolution Imaging Spectroradiometer)는 상당히 장기간 자료가 제공되지만, 각각 2025년 12월, 2026년 8월에 수명을 다하여 중단 예정이기 때문에, 본 연구에서는 MODIS의 후속 임무를 수행하는 VIIRS 자료를 사용하였다. VIIRS 사용의 정당성을 위해서, GK2A와 VIIRS의 LST, NDVI 자료 간 통계적 상관성이 상당히 높음을 확인하였고, 최근의 이상기상 사례분석을 통해서 GK2A VHI가 NOAA에서 제공되는 VHI보다 우리나라 가뭄 및 식생 모니터링에 적합함을 보였다.

2. 연구 자료 및 방법

1) 연구지역

연구지역은 한반도로 하였고, VHI를 통한 식생 스트레스를 살펴보기 위해서 농지와 산림을 대상으로 하였 으며, MODIS 토지피복분류 자료를 사용하여 농지와 산림에 대한 마스크를 구성하여 분석에 사용하였다 (Fig. 1). 겨울은 식생 생장이 미미하고 토양이 동결되어 있을 수도 있기 때문에(Yun et al., 2018), 연구 기간은 GK2A AMI 가용자료 기간에 따라 2020년 3월부터 11월 까지로 설정하였다.

Fig. 1. Study area and the mask of cropland and forest derived from MODIS.

2) 연구자료

선행 연구를 통해 볼 때, GK2A 산출물에 대한 검증 및 품질 평가를 위해서 MODIS, VIIRS나 유럽우주국 (European Space Agency, ESA)의 PROBA–V (Project for On-Board Autonomy – Vegetation) 등의 타 위성센서 자료가 활용되고 있다. Choi and Suh (2020)의 연구에서 GK2ALST는 2019년 7월부터 10월까지 4개월간 MODIS LST와의 비교에서 상관계수(R) 0.969, MBE (Mean Bias Error) 1.227 K, RMSE (Root Mean Squared Error) 2.281 K로 나타났다. Seong et al. (2019)의 연구에서 GK2A NDVI 와 PROBA–V NDVI와의 비교는 R=0.97, MBE=-0.006, RMSE=0.046의 유사성을 보였다. 이처럼 GK2A LST, NDVI는 안정적으로 평가되고 있고, 또한 VIIRS와의 상관성도 상당히 높기 때문에, GK2A VHI 산출에는 GK2A 및 VIIRS의 LST와 NDVI 산출물이 사용되었다 (Table 1). GK2A LST 자료는 VIIRS 자료와의 비교를 위해, VIIRS가 한반도를 통과하는 시간대를 고려하여 오후 12시~15시(03~06 UTC)의 자료를 평균하여 일 단위 합성 및 8일 합성하였다. GK2A NDVI 자료는 구름의 영향을 최소화하기 위해서 MVC (Maximum Value Composite) 방법으로 8일 합성하였다. GK2A의 8일 합성 LST, NDVI는 MODIS 토지피복분류 자료와 동일한 500 m 해상도로 재격자화 하였다. VIIRS LST, NDVI는 GK2A와 동일한 LCC (Lambert Conformal Conic) 좌표 참조계로 변환하고 500 m로 재격자화 하였다. 또한, GK2A VHI와의 비교를 위해서 NOAA VHI 자료도 사 용하였는데, 7일 단위 4 km 해상도의 자료를 3차 스플라인 보간법(cubic spline interpolation)을 사용하여 8일 단위로 재구성하고(Tian et al., 2016; Liu et al., 2017; Shiff et al., 2021), LCC 좌표참조계 변환 및 500 m 재격자화 를 수행하였다. 농림마스킹 자료는 17개 유형으로 토지피복을 분류하는 MODIS 토지피복도(MCD12Q1) 자료를 사용하여 농지를 나타내는 12번(croplands)과 14번 (cropland/natural vegetation mosaic) 클래스와 산림을 나타내는 1~5번 클래스를 추출하여 구성하였다(Fig. 1).

Table 1. Data used to calculate VHI from GK2A AMI

3) 식생건강지수 (Vegetation Health Index, VHI)

식생건강지수 VHI는 폭염, 가뭄으로 인한 식생 스트레스에 초점을 둔 것으로(Kogan, 1995), LST를 최소· 최대 정규화시킨 온도상태지수(TCI)와 NDVI를 최소· 최대 정규화시킨 식생상태지수(VCI)의 평균값을 취하여 가뭄의 정도를 0~1 사이의 값으로 나타내며(식 1), VHI 값의 범위에 따라 약한 가뭄(mild drought), 보통 가뭄(moderate drought), 심각한 가뭄(severe drought), 극 심한 가뭄(extreme drought) 등으로 구분하기도 한다 (Aitekeyeva et al., 2020) (Table 2).

\(V H I=\frac{T C I+V C I}{2}\)       (1)

\(T C I=\frac{L S T_{\max }-L S T_{i}}{L S T_{\max }-L S T_{\min }}\)       (2)

\(V C I=\frac{N D V I_{i}-N D V I_{\min }}{N D V I_{\max }-N D V I_{\min }}\)       (3)

Table 2. Drought classification according to VHI values (Aitekeyeva et al., 2020)

TCI는 식생의 열 스트레스를 정량화하기 위한 지수로서, 수분 부족 상태에서 고온이 동반될 때, 가뭄이 심화됨에 따라 열영향으로 인한 식생상태의 변화를 식별할 수 있게 한다(Kogan, 1997; Kogan et al., 2012). TCI는 식 2와 같이 날짜와 장소에 따라 LST를 최소·최대 정규화시켜 구하는데, 여기에서 LST_max는 시·공간별 LST 최대값, LST_min은 시·공간별 LST 최소값, LST_i는 시·공간별 LST값을 나타내며, TCI는 0과 1 사이의 값을 가지게 된다. 가장 뜨거운 시기에는 LST_max와 LST_i가 동일하므로 TCI가 0이되고, 가장 시원한 시기는 LST_min과 LST_i 가 동일하므로 TCI가 1이 되는데, TCI는 특히 여름철 폭염 상태를 나타내기에 적합하다.

Fig. 2. Scatter density plot of LST of GK2A/AMI and VIIRS (Sep 2019 to Aug 2020).

VCI는 물 부족 등으로 인한 식생 스트레스 상태를 정 량화하기 위해 개발되었다(Kogan, 1995; Park et al., 2007). 식 3과 같이 날짜와 장소에 따라 NDVI를 최소·최대 정규 화시켜 구하는데, 여기에서 NDVI_max는 시·공간별 NDVI 최대값, NDVI_min은 시·공간별 NDVI 최소값, NDVI_i는 시·공간별 NDVI값을 나타낸다. data-checked="false">식생활력도가가장높은시기는NDVI_max와NDVI_i가동일하므로VCI가1이 되고, 식생활력도가 가장 높은 시기는NDVI_min과 NDVI_i 가 동일하므로 VCI가 0이된다.

4) GK2AAMI기반 VHI산출

GK2A는 가용자료 기간이 짧기 때문에, TCI, VCI 산 출에 필요한 LST, NDVI 과거자료에서 최소·최대값을 구하기에는 무리가 있다. 따라서 본 연구에서는 VIIRS LST, NDVI를 참조기준으로 활용하며, 이를 위해서 먼저 GK2A와 VIIRS의 NDVI, LST에 대한 일치성을 분석하였다. 비교 결과, MBE, RMSE는 약간의 차이를 보였으나, 상관계수가 상당히 높게 나타났다(LST=0.977, NDVI=0.904). TCI, VCI는 정규화에 기초한 지수이기 때문에, 절대적인 값에 약간의 차이가 있더라도, 상대적 인 비율의 일치성이 크다면 충분히 합리적인 결과를 나타낼 수 있기 때문에(Fig. 2, Fig. 3), VIIRS LST, NDVI를 GK2A의 배경장으로 사용하는 데 문제가 없을 것으로 판단된다.

Fig. 2. Scatter density plot of LST of GK2A/AMI and VIIRS (Sep 2019 to Aug 2020).

Fig. 3. Scatter density plot of NDVI of GK2A/AMI and VIIRS (Sep 2019 to Aug 2020).

3. 결과 및 토론

1) VHI자료 간 상호비교

본 연구의 GK2A VHI와 NOAA VHI 산출물에 대해서, 우리나라 가뭄 및 식생 분석에 대한 적합성을  교 평가하였다. 정량적인 비교에서 현재 기준으로 삼을 수 있는 자료는 VIIRS인데, 공식적인 VHI 산출물이 없기 때문에 VIIRS LST, NDVI로부터 VHI를 계산하였고, 이를 GK2A VHI, NOAA VHI와 비교하는 방식을 택하였다. NOAA VHI는 VIIRS와의 상관계수가 0.331이었고, GK2A VHI는 VIIRS와의 상관계수가 0.585로 나타났는 데, 봄은 0.602, 여름은 0.664, 가을은 0.527로 계절에 상관없이 거의 유사한 상관성을 보였다(Fig. 4). GK2A의 자료 기간이 2년 정도로 짧기 때문에, LST, NDVI 조견 표를 VIIRS로부터 차용할 수밖에 없었고, 이로 인한 불확실성이 존재할 것이다. 따라서, 향후 GK2A 자료가 더 많이 축적되면, 장기간의 자료를 이용하여 시·공간별 LST, NDVI 최소·최대값 조견표를 구성하기 위한 추가적인 노력이 필요할 것이다. 또한, 식생활력도가 급격히 감소하고 식생 종류에 따라 이러한 감소가 다양하게 나타나는 가을에는 NDVI 정확도가 영향을 받을 수 있는데(Nagai et al., 2010; Son et al., 2021), 이러한 이유로 VHI 상관성이 가을에 약간 낮은 것으로 보인다. 그러나, NOAA VHI에 비해 GK2A VHI가 정량적인 측면에서는 한반도 가뭄 및 식생상태를 보다 적절히 나타내고 있는 것으로 보인다.

Fig. 4. Scatter plots for the VHI of GK2A and VIIRS according to season in 2020.

2) 2020년 이상기상 분석

정성적인 측면에서 GK2A VHI의 적합성 살펴보기 위하여, 최근 이상기상이 많았던 시기에 대한 우리나라 VHI 특성을 분석하였다. 2020년은 월별로 이상기상 현상이 빈번하게 발생한 해로, 3월과 6월에는 기록적인 고온, 4월과 7월에는 기록적인 저온, 8월에는 역대 최장 기간의 장마가 발생하였다(Table 3). Fig. 5는 한반도 GK2A VHI를 3월~9월까지 8일간격으로 나타낸 것이다. 4월 14일, 22일, 30일 지도는 3월 고온에 이은 4월 저온으로 인한 식생 스트레스, 그리고 6월 9일, 17일 지도는 6월 폭염으로 인한 피해를 잘 보여주며, 8월 12일, 20일 지도도 8월의 수해로 인한 식생 악화를 잘 나타내고 있다. VIIRS VHI도 마찬가지로 이상기상으로 인한 식생건강성 변화를 잘 표현하고 있지만(Fig. 6), 4월 22일 지도에서는 8일만에 식생건강성이 급격히 좋아졌다가 급격히 나빠지는 등, 시계열 연속성에 문제가 있어 보이는 구간이 발견된다. NOAA VHI는 2020년 4월, 6월, 8월에 발생한 이상기상 현상에 의한 식생건강성의 악화가 거의 표현되지 않는 것으로 나타났다(Fig. 7). 이러한 결과들을 종합하여 볼 때, NOAA VHI는 한반도 지역의 식생건강의 정도를 잘 표현하지 못하는 것으로 보이며, GK2A VHI가 한반도 지역에서 이상기상 현상에 따른 식생건강 상태의 변화를 가장 잘 표현하는 것으로 확인되었다.

Table 3. Extreme weather events in 2020 (KMA, 2020;2021a; 2021b)

Fig. 5. Maps of GK2A VHI in 2020.

Fig. 6. Maps of VIIRS VHI in 2020.

Fig. 7. Maps of NOAA VHI in 2020.

4. 결론

본 연구에서는 한반도를 대상으로 GK2A AMI 자료를 이용한 VHI를 산출하고, 정량적 및 정성적 평가를 수행하여 한반도 폭염, 가뭄, 식생 상태 감시를 위한 적합성을 평가하였다. GK2A와 VIIRS의 LST, NDVI는 매우 높은 상관성을 보이므로, 자료 존재 기간이 짧은 GK2A로 구성하기 힘든 과거 평년치 조견표를 VIIRS로부터 차용하여 생성하였는데, 차후에 GK2A 자료가 더 많이 축적되면 이를 재구성할 필요가 있다. GK2A VHI 는 4월, 6월, 8월의 이상기상으로 인한 식생건강성 악화를 잘 나타냈으며, 시계열적으로도 합리적인 변화 패턴을 보여준 반면, NOAA에서 제공하는 VHI 산출물은 한반도 식생건강 변화를 잘 표현하지 못하였기 때문에, 본 연구에서 제시한 GK2A VHI는 폭염, 가뭄 및 식생 스트레스 감시에 실질적으로 활용될 수 있을 것으로 기대된다. 또한, VIIRS LST, NDVI로부터 추출한 조견표가 가지는 불확실성을 최소화하기 위해서 통계적 최적화를 통해 두 자료간 차이를 줄이는 등의 연구가 추가적으로 필요할 것이다.