• 제목/요약/키워드: 모디스

검색결과 4건 처리시간 0.009초

MODIS 시계열 자료를 이용한 백두산 아고산대 식생 고사지역 탐지 (Detection of Vegetation Dieback Areas in the Subalpine Zone of Mt. Baekdu Using MODIS Time Series Data)

  • 김남신
    • 대한지리학회지
    • /
    • 제47권6호
    • /
    • pp.825-835
    • /
    • 2012
  • 본 연구의 목적은 백두산 아고산대에 분포하는 식생고사지역 탐지기법 개발과 지도화이다. 탐지기법은 모디스 영상을 이용한 규칙기반 모델을 개발하였다. 식생고사지역은 잎의 낙지(pruning) 단계에 따라 초기고사(initial dieback), 중간고사(middle dieback), 완전고사(end dieback)로 분류하였다. 2001~2006년 고사지역 면적은 $28km^2$로 확대되었으며, 초기고사는 $16km^2$, 중간고사는 $10km^2$, 완전고사는 $2km^2$로 분석되었다. 2006~20011년에는 고사지역 면적은 $35km^2$로 확대되었다. 2001~2011년 고사지역 총면적은 $35km^2$로, 중간고사지역과 완전고사지역이 확대된 것으로 분석되었다. 본 연구에 적용된 규칙기반 모델은 지구온난화에 따른 산간지대 식생고사지역 예비 탐색에 활용될 수 있을 것으로 기대된다.

  • PDF

MODIS Product를 활용한 FDB 속성 갱신 대상지역 선정 연구 (A Study on the Priority Area Selection for Updating FDB Attributes using MODIS Product)

  • 박완용;어양담;김용민;김창재
    • 한국군사과학기술학회지
    • /
    • 제16권1호
    • /
    • pp.65-73
    • /
    • 2013
  • FDB(Feature DataBase) attributes have been produced by using the resource data prior to the year 2002. Due to this reason, the attributes need to be updated to the up-to-date ones. In this regards, this study focuses on the way of finding areas whose attributes need to be updated. Forest and crop classes were chosen as target classes among FDB features. MODIS Landcover data and FDB are, first, compared to detect the changed forest and crop areas from 2001 to 2008. Then, vegetation vitality changes are analyzed using MODIS annual NDVI data. Based on the change detection and the vegetation vitality analysis, the index of area selection for updating FDB attributes is proposed in this study.

MODIS LAI 데이터를 이용한 툰드라-타이가 경계의 식생 공간분포분석 (Vegetation Spatial Distribution Analysis of Tundra-Taiga Boundary Using MODIS LAI Data)

  • 이민지;한경수
    • Spatial Information Research
    • /
    • 제18권5호
    • /
    • pp.27-36
    • /
    • 2010
  • 본 연구에서는 툰드라-타이가 경계영역의 변화를 확인하기 위해 식생의 분포 변화를 관측하였다. 툰드라-타이가 경계영역은 인간 활동 혹은 기후 변화에 따른 신호로 나타나는 식생패턴의 이동을 관측하기 위해 사용된다. 극지의 툰드라-타이가 경계영역은 조금의 변화에 대해서도 두드러진 반응을 관찰 할 수 있으므로 다른 곳에 비해 기후변화에 대한 반응과 확인이 명확하다. 연구 자료로서 2000년에서 2009년까지 총 10년간 매년 8월을 Terra위성 MODIS(MODerate resolution Imaging Spectroradiometer) 센서로부터 취득한 LAI(Leaf Area Index) 8-Day 자료를 사용하였고, 보조 자료로서 기후지도와 GLC 2000(Global Land Cover 2000)토지피복 지도를 사용하였다. 본 연구에서는 엽면적 지수의 10년치 장기간 자료를 이용하여 시 공간 분석과 식생의 밀도가 저조한 지역을 중심으로 위도대 별, 토지피복 별분석을 시행하였다. 연구대상 지역에 대하여 엽면적 지수의 기준값을 바탕으로 한 분석에서 2000년에서 2009년까지 LAI의 변화를 확인하였다. 툰드라 기후에서 식생의 감소가 일어난 면적($22,372km^2$) 보다 식생의 성장을 보인 면적은 $730,325km^2$ 로서 식생의 발달을 확인할 수 있었다. 또한 위도대 별 면적 분석을 통해 위도 $62^{\circ}$ N의 주위와 위도 $64^{\circ}$ N~$66^{\circ}$ N을 중심으로 면적 증가가 나타났으며, 툰드라-타이가 경계영역의 식생은 2000년부터 2009년까지 전반적인 증가 추세가 나타났다. 전체적으로 식생 감소가 일어나는 면적 변화는 다소 적은 것에 비해 식생의 성장과 발달이 일어나는 곳의 면적은 크게 증가하는 것을 확인하였다.

MODIS 지표면 온도 자료와 지구통계기법을 이용한 지상 기온 추정 (Estimation of Near Surface Air Temperature Using MODIS Land Surface Temperature Data and Geostatistics)

  • 신휴석;장은미;홍성욱
    • Spatial Information Research
    • /
    • 제22권1호
    • /
    • pp.55-63
    • /
    • 2014
  • 수문학, 기상학 및 기후학 등에서 필수적인 자료중의 하나인 지상기온 자료는 최근 보건, 생물, 환경 등의 다양한 분야로까지 활용영역이 확대되고 있어 그 중요성이 커지고 있으나 지상관측을 통한 지상기온자료의 취득은 시공간적인 제약이 크기 때문에 실측된 기온자료는 시공간 해상도가 낮아 높은 해상도가 요구되는 연구 분야에서는 활용성에 큰 제약을 갖게 된다. 이를 극복하기 위한 하나의 대안으로 상대적으로 높은 시공간 해상도를 가지고 있는 위성영상자료에서 얻을 수 있는 지표면온도 자료를 이용하여 지상기온을 추정하는 많은 연구들이 수행되어 왔다. 본 연구는 이러한 연구의 일환으로써 기상청에서 제공하고 있는 AWS(Automatic Weather Station)에서 취득된 2010년 지상 온도 자료(AWS data)를 바탕으로 대표적인 지표면 온도자료인 MODIS Land Surface temperature(LST data:MOD11A1)와 지상기온에 영향을 미칠 수 있는 Land Cover Data, DEM(digital elevation model) 등의 보조 자료와 함께 다양한 지구통계 기법들을 이용하여 남한 지역의 지상기온을 추정하였다. 추정 전 2010년 전체(365일) LST자료와 AWS자료와의 차이에 대한 RMSE(Root Mean Square Error)값의 계절별 피복별 분석결과 계절에 따른 RMSE값의 변동계수는 0.86으로 나타났으나 피복에 따른 변동계수는 0.00746으로 나타나 계절별 차이가 피복별 차이보다 큰 것으로 분석 되었다. 계절별 RMSE 값은 겨울철이 가장 낮은 것으로 나타났으며 AWS자료와 LST자료와 보조자료를 이용한 선형 회귀분석결과에서도 겨울철의 결정 계수가 가장 높은 0.818로 나타났으며, 여름철의 경우에는 0.078로 나타나 계절별 차이가 매우 크게 나타났다. 이러한 결과를 바탕으로 지구통계 기법들의 대표적인 방법론인 크리깅 방법 중 일반적으로 많이 사용되고 있는 정규 크리깅, 일반 크리깅, 공동 크리킹, 회귀 크리깅을 이용하여 지상기온을 추정한 후 모델의 정확도를 판단할 수 있는 교차 검증을 실시한 결과 정규 크리깅과 일반 크리깅에 의한 RMSE 값은 1.71, 공동 크리깅과 회귀 크리깅에 의한 RMSE 값은 각각 1.848, 1.63으로 나타나 회귀 크리깅 방법에 의한 추정의 정확도가 가장 높은 것으로 분석되었다.