• Aerospace Engineering and Technology
• /
• v.10 no.1
• /
• pp.149-155
• /
• 2011

A fast-changing agriculture environment induced by global warming and abnormal climate conditions demands scientific systems for monitoring and predicting crop conditions as well as crop yields at national level. Remote sensing opens up a new application field for precision agriculture with the help of commercial use of high resolution optical as well as radar satellite data. In this study, we investigated the multi-temporal spectral characteristics relative to different agricultural land use types in Korea using RapidEye satellite imagery. There were explicit differences between vegetation and non-vegetation land use types. Also, within the vegetation group spectral vegetation indices represented differences in temporal changing trends as to plant species and paddy types.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.230-230
• /
• 2023

딥러닝 알고리즘 중 과거의 정보를 저장하는 문제(장기종속성 문제)가 있는 단순 RNN(Simple Recurrent Neural Network)의 단점을 해결한 LSTM(Long short-term memory)이 등장하면서 특정한 유역의 강우-유출 모형을 구축하는 연구가 증가하고 있다. 그러나 하나의 모형으로 모든 유역에 대한 유출을 예측하는 지역화 강우-유출 모형은 서로 다른 유역의 식생, 지형 등의 차이에서 발생하는 수문학적 행동의 차이를 학습해야 하므로 모형 구축에 어려움이 있다. 따라서, 본 연구에서는 국내 12개의 유역에 대하여 LSTM 기반 분포형 지역화 강우-유출 모형을 구축한 이후 강우 이외의 보조 자료에 따른 정확도를 살펴보았다. 국내 12개 유역의 7년 (2012.01.01-2018.12.31) 동안의 49개 격자(4km²)에 대한 10분 간격 레이더 강우, MODIS 위성 이미지 영상을 활용한 식생지수 (Normalized Difference Vegetation Index), 10분 간격 기온, 유역 평균 경사, 단순 하천 경사를 입력자료로 활용하였으며 10분 간격 유량 자료를 출력 자료로 사용하여 LSTM 기반 분포형 지역화 강우-유출 모형을 구축하였다. 이후 구축된 모형의 성능을 검증하기 위해 학습에 사용되지 않은 3개의 유역에 대한 자료를 활용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)를 확인하였다. 식생지수를 보조 자료를 활용하였을 경우 제안한 모형은 3개의 검증 유역에 대하여 하천 흐름을 높은 정확도로 예측하였으며 딥러닝 모형이 위성 자료를 통하여 식생에 의한 차단 및 토양 침투와 같은 동적 요소의 학습이 가능함을 나타낸다.

• Journal of Korea Water Resources Association
• /
• v.56 no.3
• /
• pp.211-224
• /
• 2023

In this study, a soil moisture estimation was performed using the Water Cloud Model (WCM), a backscatter model that considers vegetation based on SAR (Synthetic Aperture Radar). Sentinel-1 SAR and Sentinel-2 MSI (Multi-Spectral Instrument) images of a 40 × 50 km² area including the Yongdam Dam watershed of the Geum River were collected for this study. As vegetation descriptor of WCM, Sentinel-1 based vegetation index RVI (Radar Vegetation Index), depolarization ratio (DR), and Sentinel-2 based NDVI (Normalized Difference Vegetation Index) were used, respectively. Forward modeling of WCM was performed by 3 groups, which were divided by the characteristics between backscattering coefficient and soil moisture. The clearer the linear relationship between soil moisture and the backscattering coefficient, the higher the simulation performance. To estimate the soil moisture, the simulated backscattering coefficient was inverted. The simulation performance was proportional to the forward modeling result. The WCM simulation error showed an increasing pattern from about -12dB based on the observed backscattering coefficient.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.5-5
• /
• 2023

제3차 우주개발 진흥 기본계획의 일환으로써 개발되는 차세대 중형위성 5호인 수자원위성은 수자원/수재해 감시 전용 위성으로 2025년 발사 예정이다. 수자원위성의 메인 센서인 C-band 영상레이더(Synthetic Aperture Radar, SAR)는 기상조건 및 주야 상관없이 지표면 관측이 가능한 센서로 급변하는 수재해 양상에 효과적으로 대응하기 위해 탑재된 센서이다. 본 연구사업은 차세대 수자원위성의 효과적 활용 방안 및 SAR 자료기반의 활용산출물 및 주제도 서비스를 위한 알고리즘 구조설계 및 표출시스템 시범개발을 목표로 하고 있으며, 홍수/가뭄/안전/환경모니터링을 주제로 수자원 및 원격탐사 분야의 다학제적 전문가들로 구성된 컨소시엄을 구성하여 추진하고 있다. 본 연구의 내용은 가뭄 모니터링을 위해 개발 중인 SAR 기반 토양수분과 농업적 가뭄지수 산정 알고리즘 개발 및 공간적 표출을 포함한다. 토양수분은 SAR 영상에서 지표피복별로 추출된 후방산란계수와 수문학적 개념의 융합을 통해 논/밭/산림에 대해 산정한다. 물리적 특성에 기반한 변화탐지모델을 활용해 토양수분량을 추출 후, 기계학습기법과 S C S - C N 방법에서 파생된 수문학적 개념 5일 선행강우량과 결합한 토양수분 산정 알고리즘을 개발하였다. 산정된 토양수분을 기반으로, 논 지역은 벼 재배에 따른 담수 시기를 고려한 토양의 포화/불포화상태, 밭 지역은 토양 종류에 따른 토양의 물리적 특성, 산림 지역은 수문학적 개념 및 식생지수를 활용하여 가뭄 판단 기준을 구축하고, 가뭄의 해갈 여부와 해갈되는 시점의 강우량을 산정 가능한 알고리즘을 개발하였다. 개발된 가뭄 모니터링 기법은 향후 고도화, 최적화 및 안정화를 통해 수자원위성의 핵심 활용기술로써 구현할 계획이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.102-102
• /
• 2019

토양수분은 수문 및 기상 현상의 주요 요인으로 가뭄, 홍수 및 범람과 같은 자연 재해와 관련이 깊은 인자이다. 이러한 토양수분의 관측 기술 중 위성 데이터를 활용한 원격탐사 기술은 광범위한 지역의 관측이 용이하고 지점이 아닌 공간 데이터를 제공하는 장점을 지니고 있어 토양수분의 관측에 유리하다. 특히 높은 해상도의 위성기반 토양수분 데이터는 토양수분의 변동성이 큰 지역의 수문, 기상학적 현상을 보다 자세히 분석할 수 있게 해주며 가뭄 및 범람과 같은 수자원 관련 재해를 정확하게 분석하는데 요구된다. 이로 인해 최근 Sentinel-1 위성에서 운용중인 Synthetic Aperture Radar(SAR) 데이터를 이용한 매우 높은 공간해상도(10m~1km)를 지니고 있는 토양수분데이터 생산에 관한 연구가 세계적으로 활발히 진행되고 있다. 그러나 국내에서는 Sentinel-1 위성을 이용한 토양수분 데이터 복원에 관한 연구가 미비한 실정이다. 따라서 본 연구에서는 파주 감악산 설마천 유역에서의 Sentinel-1 위성의 SAR 데이터를 이용한 고해상도 토양수분 데이터를 복원하고자 한다. 파주 설마천 유역은 감악산 일대로 경사가 심하고 식생이 두터운 산악지형이다. SAR를 이용하여 산지에서 신뢰성 있는 토양수분 자료를 복원하기 위해서는 가장 큰 오차의 원인으로 작용하는 경사와 식생을 고려하여야 한다. 먼저 표면 경사의 영향의 경우 SAR 센서의 레이더 입사각과 수치 표고 모델을 이용하여 고려하고자 한다. 다음 과정으로 표면 경사가 고려된 Sentinel-1 데이터의 후방산란계수와 Landsat-8 데이터 및 지점 토양수분 데이터를 이용하여 식생에 따른 후방산란계수의 거동을 Water Cloud Model을 이용하여 분석하였다. Water Cloud Model은 토양위의 식생의 수분이 후방산란계수에 혼동을 주는 구름과 같이 작용한다고 가정하고 식생수분을 후방산란계수와 레이더 입사각 및 식생지수를 통해 계산하는 모델이며 이를 이용하여 토양수분 복원에 있어 식생의 영향을 제거하고자 하였다. 이를 통해 식생과 표면 경사를 고려하여 복원된 토양수분 데이터를 설마천 유역의 지점 데이터와 비교 분석하고 다른 위성기반 토양수분 데이터 및 강우 데이터를 이용하여 평가하였다. 본 연구결과를 통해 한반도 산지에서의 SAR 데이터를 이용한 토양수분 복원 기술의 기초가 마련될 것이며 이를 통해 산지가 대부분인 한반도의 토양수분 거동을 이해하는데 유용한 자료를 제공할 수 있을 것으로 기대된다. 본 연구 이후에는 연구결과분석을 통한 산지에서의 고해상도 토양수분 복원 알고리즘을 분석, 보완하고 한반도에서의 SAR 기반 토양수분 데이터의 정확도를 높이는 연구가 진행되어야 할 것이다.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_1
• /
• pp.1341-1352
• /
• 2023

The normalized difference vegetation index (NDVI) derived from satellite images is a crucial tool to monitor forests and agriculture for broad areas because the periodic acquisition of the data is ensured. However, optical sensor-based vegetation indices(VI) are not accessible in some areas covered by clouds. This paper presented a synthetic aperture radar (SAR) based approach to retrieval of the optical sensor-based NDVI using machine learning. SAR system can observe the land surface day and night in all weather conditions. Radar vegetation indices (RVI) from the Sentinel-1 vertical-vertical (VV) and vertical-horizontal (VH) polarizations, surface elevation, and air temperature are used as the input features for an automated machine learning (AutoML) model to conduct the gap-filling of the Sentinel-2 NDVI. The mean bias error (MAE) was 7.214E-05, and the correlation coefficient (CC) was 0.878, demonstrating the feasibility of the proposed method. This approach can be applied to gap-free nationwide NDVI construction using Sentinel-1 and Sentinel-2 images for environmental monitoring and resource management.

• Korean Journal of Soil Science and Fertilizer
• /
• v.44 no.5
• /
• pp.878-886
• /
• 2011

The soybean is one of the oldest cultivated crops in the world. Microwave remote sensing is an important tool because it can penetrate into cloud independent of weather and it can acquire day or night time data. Especially a ground-based polarimetric scatterometer has advantages of monitoring crop conditions continuously with full polarization and different frequencies. In this study, soybean growth parameters and soil moisture were estimated using polarimetric discrimination ratio (PDR) by radar scatterometer. A ground-based polarimetric scatterometer operating at multiple frequencies was used to continuously monitor the soybean growth condition and soil moisture change. It was set up to obtain data automatically every 10 minutes. The temporal trend of the PDR for all bands agreed with the soybean growth data such as fresh weight, Leaf Area Index, Vegetation Water Content, plant height; i.e., increased until about DOY 271 and decreased afterward. Soil moisture lowly related with PDR in all bands during whole growth stage. In contrast, PDR is relative correlated with soil moisture during below LAI 2. We also analyzed the relationship between the PDR of each band and growth data. It was found that L-band PDR is the most correlated with fresh weight (r=0.96), LAI (r=0.91), vegetation water content (r=0.94) and soil moisture (r=0.86). In addition, the relationship between C-, X-band PDR and growth data were moderately correlated ($r{\geq}0.83$) with the exception of the soil moisture. Based on the analysis of the relation between the PDR at L, C, X-band and soybean growth parameters, we predicted the growth parameters and soil moisture using L-band PDR. Overall good agreement has been observed between retrieved growth data and observed growth data. Results from this study show that PDR appear effective to estimate soybean growth parameters and soil moisture.

• Korean Journal of Remote Sensing
• /
• v.35 no.3
• /
• pp.447-455
• /
• 2019

Since the forest type map in Korea has been mostly constructed every five years, the forest information from the map lacks up-to-date information. Forest research has been carried out by aerial photogrammetry and field surveys, and hence it took a lot of times and money. The vertical structure of forests is an important factor in evaluating forest diversity and environment. The vertical structure is essential information, but the observation of the vertical structure is not easy because the vertical structure indicates the internal structure of forests. In this study, the index map and texture map produced from KOMPSAT-3/3A/5 satellite images and the canopy information generated by the difference between DSM (Digital Surface Model) and DTM (Digital Terrain Model) were classified using the artificial neural network. The vertical structure of forests of single and multi-layer forests was classified to identify 81.59% of the final classification result.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.23 no.3
• /
• pp.26-67
• /
• 2020

Synthetic Aperture Radar(SAR) is able to photograph the earth's surface regardless of weather conditions, day and night. Because of its possibility to search for hydrological factors such as soil moisture and groundwater, and its importance is gradually increasing in the field of water resources. SAR began to be mounted on satellites in the 1970s, and about 15 or more satellites were launched as of 2020, which around 10 satellites will be launched within the next 5 years. Recently, various types of SAR technologies such as enhancement of observation width and resolution, multiple polarization and multiple frequencies, and diversification of observation angles were being developed and utilized. In this paper, a brief history of the SAR system, as well as studies for estimating soil moisture and hydrological components were investigated. Up to now hydrological components that can be estimated using SAR satellites include soil moisture, subsurface groundwater discharge, precipitation, snow cover area, leaf area index(LAI), and normalized difference vegetation index(NDVI) and among them, soil moisture is being studied in 17 countries in South Korea, North America, Europe, and India by using the physical model, the IEM(Integral Equation Model) and the artificial intelligence-based ANN(Artificial Neural Network). RADARSAT-1, ENVISAT, ASAR, and ERS-1/2 were the most widely used satellite, but the operation has ended, and utilization of RADARSAT-2, Sentinel-1, and SMAP, which are currently in operation, is gradually increasing. Since Korea is developing a medium-sized satellite for water resources and water disasters equipped with C-band SAR with the goal of launching in 2025, various hydrological components estimation researches using SAR are expected to be active.

• Journal of Korea Water Resources Association
• /
• v.46 no.11
• /
• pp.1129-1140
• /
• 2013

Precipitation is one of the important factors in the hydrological cycle. It needs to understand accurate of spatial precipitation field because it has large spatio-temporal variability. Precipitation data obtained through the Tropical Rainfall Monitoring Mission (TRMM) 3B43 product is inaccurate because it has 25 km space scale. Downscaling of TRMM 3B43 product can increase the accuracy of spatial precipitation field from 25 km to 1 km scale. The relationship between precipitation and the normalized difference vegetation index(NDVI) (1 km space scale) which is obtained from the Moderate Resolution Imaging Spectroradiometers (MODIS) sensor loaded in Terra satellite is variable at different scales. Therefore regression equations were established and these equations apply to downscaling. Two renormalization strategies, Geographical Difference Analysis (GDA) and Geographical Ratio Analysis (GRA) are implemented for correcting the differences between remote sensing-derived and rain gauge data. As for considering the GDA method results, biases, the root mean-squared error (RMSE), MAE and Index of agreement (IOA) is equal to 4.26 mm, 172.16 mm, 141.95 mm, 0.64 in 2009 and 17.21 mm, 253.43 mm, 310.56 mm, 0.62 in 2011. In this study, we can see the 1km spatial precipitation field map over Korea. It will be possible to get more accurate spatial analysis of the precipitation field through using the additional rain gauges or radar data.