• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.2-2
• /
• 2021

최근들어 하천내 식생이 차지하는 비율이 크게 증가하고 있으며, 이러한 현상은 하천의 규모나 위치, 댐 유무에 관계없이 전국적으로 발생하고 있다. 식생 면적 비율의 증가는 하천의 육역화로 이어질 뿐만아니라 홍수위를 상승시켜 홍수 안전에 영향을 미칠 수 있다. 본 연구에서는 2020년 8월 섬진강에서 발생한 홍수를 대상으로 식생이 홍수위에 미치는 영향을 분석하였다. 섬진강에는 초본류 뿐만아니라 버드나무류의 목본류가 상당히 분포하고 있으며 이와 같은 식생이 홍수흐름에 큰 영향을 미친 것으로 보인다. 분석을 위해 홍수 이후 섬진강 현지 답사를 통해 식생분포 현황 및 홍수로 인한 영향을 조사하였다. 섬진강의 식생분포 조사를 위해서는 2020년 4월 조사된 유럽 우주국 Sentinel-2 위성영상을 사용하였으며, 정규식생지수(NDVI)와 정규수분지수(NDWI)를 이용하여 하천내 식생밀도를 단계별로 구분하였다. 군집된 식생지수에 따라 USGS의 매닝계수 산정표를 기본으로 식생분포 군집별 조도계수를 산정하여 대상 구간내에 2차원으로 분포시켰다. 수치모형은 NAYS2D 모형을 사용하였으며 대상구간은 섬진강 고달교에서 구례교까지 21.5km이다. 계산조건은 2020년 8월 홍수중 구례교 수위관측소를 기준으로 최대수위가 발생한 시점의 자료를 활용하였다. 고달교에서는 홍수통제소에서 제공하는 홍수량을 상류경계 조건으로 입력하였고 구례교에서는 해당 시각의 수위를 하류경계조건으로 입력하였다. 모형의 검증을 위해 대상구간의 중간에 있는 압록수위관측소 수위를 활용하였다. 식생 유무에 따른 홍수위변화는 조도계수 값에 의해 반영되도록 하였는데 식생이 있는 경우는 현재 상태, 식생이 없는 경우는 모든 지점에 모래와 자갈이 분포하는 것으로 가정하여 계산된 홍수위를 비교하였다. 분석 결과 대상구간에는 전체 면적중 약 56%를 식생이 차지하고 있으며 이로 인해 0.5~1.0m의 홍수위 상승이 발생하는 것으로 분석되었다. 수목으로 인해 2020년 8월과 같은 큰 홍수시에도 홍수위가 크게 상승하는 것으로 분석되었는데 이와 같은 점을 고려하면 하천내 식생이 홍수위에 미치는 영향을 감안하여 적극적인 식생관리 방안이 시행될 필요가 있을 것으로 판단된다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.156-161
• /
• 2007

도시화에 따른 도시문제발생이라는 결과로 미루어 볼 때, 지속적인 도시 성장을 위한 도시 성장 관리는 필수적이며, 이것을 위해서 도시지역을 추출하는 것은 도시의 성장 추이를 파악할 수 있게 한다는 점에서 매우 의미 있는 일이다. 본 연구에서는 도시 성장 모니터링에 있어서 정규식생지수(NDVI)와 정규시가지화지수(NDBI)를 결합한 방법의 활용성을 규명하는데 목적을 두었다. 이를 위해 토지피복분류에 일반적으로 사용되는 감독 분류기법과 도시지역추출에 이용되는 NDVI와 NDBI를 결합한 방법(식생지수결합법)으로 1988년과 2000년 두 시기의 Landsat TM 영상을 이용하여 도시지역을 추출하고 일치도를 분석하였다. 분석 결과, 1988년 식생지수결합법과 감독분류기법으로 추출한 도시지역의 일치도는 98%, 식생지수결합법 비도시지역으로 추출된 지역이 감독분류기법으로는 도시지역으로 추출될 확률은 37.35%로 나타났고, 같은 경우 2000년은 각각 99.3%와 7.7%로 나타났다. 이를 통해 식생지수결합법을 사용한 도시지역 추출 결과와 감독분류기법을 사용한 도시지역 추출 결과의 일치도가 비교적 높게 나타남을 알 수 있었다. 또, 각 기법을 통한 도시지역 추출 결과와 실제 도시 검사점과의 일치도의 분석을 통해서도 도시지역 추출 결과의 일치도가 비교적 높게 나타났다. 따라서 분류를 통한 도시지역 추출 방법에 비해 식생지수결합법을 이용한 도시지역 추출이 절차상 수월한 점을 감안하면 도시지역 추출에 있어서 식생지수결합법의 효율성을 입증할 수 있었다.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_1
• /
• pp.1321-1330
• /
• 2023

Normalized Difference Vegetation Index (NDVI) is the most widely used remote sensing data in the agricultural field and is currently provided by most optical satellites. In particular, as high-resolution optical satellite images become available, the selection of optimal optical satellite images according to agricultural applications has become a very important issue. In this study, we aim to define the most optimal optical satellite image when monitoring NDVI in rice fields in Korea and derive the resolution-related requirements necessary for this. For this purpose, we compared and analyzed the spatial distribution and time series patterns of the Dangjin rice paddy in Korea from 2019 to 2022 using NDVI images from MOD13, Landsat-8, Sentinel-2A/B, and PlanetScope satellites, which are widely used around the world. Each data is provided with a spatial resolution of 3 m to 250 m and various periods, and the area of the spectral band used to calculate NDVI also has slight differences. As a result of the analysis, Landsat-8 showed the lowest NDVI value and had very low spatial variation. In comparison, the MOD13 NDVI image showed similar spatial distribution and time series patterns as the PlanetScope data but was affected by the area surrounding the rice field due to low spatial resolution. Sentinel-2A/B showed relatively low NDVI values due to the wide near-infrared band area, and this feature was especially noticeable in the early stages of growth. PlanetScope's NDVI provides detailed spatial variation and stable time series patterns, but considering its high purchase price, it is considered to be more useful in small field areas than in spatially uniform rice paddy. Accordingly, for rice field areas, 250 m MOD13 NDVI or 10 m Sentinel-2A/B are considered to be the most efficient, but high-resolution satellite images can be used to estimate detailed physical quantities of individual crops.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1607-1611
• /
• 2009

본 연구에서는 현재 가뭄을 관측하는데 주로 이용되는 가뭄지수의 단점 등을 보완하고자 가뭄에 관련되는 식생지수를 연계한 공간해상도 높은 가뭄지수를 제시하였다. 우리나라 지상관측을 통해 산출할 수 있는 PDSI(Palmer Drought Severity Index)와 SPI(Standardized Precipitation Index) 같은 가뭄지수는 기온과 강수량 등의 기후자료만을 이용하여 산정할 수 있다. 두 가뭄지수는 관측하기 어려운 가뭄의 시기와 심도를 설명하고자 여러 연구를 통해 개발한 지수이지만, 두 가뭄지수만을 가지고 우리나라 전역의 가뭄의 공간적인 분포를 설명하기에는 다소 무리가 있다. PDSI의 경우 강수량과 기온과 토양의 수분함유량을 가지고 산출하는데, 전 관측지점을 똑같은 토양수분함유량을 가지고 있다는 가정 하에 계산되고, SPI의 경우 강수량만을 이용하여 산정한다. PDSI의 경우 과거의 가뭄의 정도를 판단하는데 매우유용하다고 알려져 있다. 하지만, 현재의 가뭄정도를 나타내는 데는 문제를 가지고 있고, SPI의 경우는 누적강수량을 가지고 시간단위로 계산한다는 점에서 다양한 가뭄의 정도를 예측할 수 있지만, 입력 자료로 강수량만 들어간다는 점에서 약점을 가진다. 이런 기후지수만을 이용한 가뭄정보 생산이 공간정보를 구현하는데 한계를 가지는 문제점을 개선하고자 가뭄에 직간접적으로 관련이 있는 보다 세밀한 공간정보를 가진 식생, 토지이용, 고도 등의 자료와 기후정보로부터 산정된 가뭄지수간의 관계를 분석하였다. 나아가 기존의 기후지수보다 고해상도를 가진 위성의 정규식생지수(NDVI; Normalized Difference Vegetation Index)와 같은 식생지수를 이용하여 기존보다 더 향상된 해상도의 가뭄지수를 산정하고자 하였다. 우리나라 지상관측소 76개 지점 중에 MODIS(Moderate Resolution Imaging Spectroradiometer) 정규식생지수 자료와의 관계를 분석하고자 자료의 보유기간이 짧은 지점과 섬지점 등을 제외한 57개 지점을 선정하고, 연구기간동안의 강수량과 기온자료를 이용하여 PDSI와 SPI를 산출하였다. PDSI와 SPI자료를 고해상도 가뭄지수 산정의 기본 변수로 사용하기 위하여 역거리가중평균법을 이용한 연구기간동안의 한반도 지역 PDSI와 SPI 가뭄지수 지도를 생산하였다. 각각의 가뭄지수와 식생 상태를 나타내는 NDVI와의 상관특성과 계절 변화에 따른 변화특성을 분석하고, CART(Classification and Regression Trees) 알고리즘을 이용하여, 지상 자료만을 사용한 가뭄지수가 가지는 시공간적 변화 특성 제시에 대한 문제점을 개선한 보다 해상도가 높은 조합가뭄지수를 제시하였다.

• Journal of the Korean Geographical Society
• /
• v.35 no.1
• /
• pp.39-51
• /
• 2000

본 연구는 원격탐사 기법을 이용하여 북한 지역을 포함한 한반도 전지역을 대상으로 식생활력도(vegetation activity)의 시계열적 변화를 모니터링하고, 식생지수의 연중변화 특성을 이용하여 한반도의 식생 분포도를 작성하는데 그 목적이 있다. 1997년 4월부터 11월까지 8개월 동안 NOAA-14 위성에서 수신된 AVHRR 자료를 수집하여 정규 식생지수(Nomalized Difference Vegetation Index)를 구하고 이들을 MVC(Maximum Value Composite) 방법으로 조합하여 월별 NDVI 합성도를 작성하여 식생활력도의 시계열 변화를 고찰하였다. 또한 식물의 생장시기인 5월부터 10월까지의 NDVI를 무감독 분류하여 한반도의 식생분포 유형을 도시.나대지가 4.49%, 초지 4.49%, 경작지 27.54%, 활엽수림 25.61%, 침엽수림 38.22%로 나타났다.

• Aerospace Engineering and Technology
• /
• v.13 no.2
• /
• pp.80-86
• /
• 2014

In this study, we the estimated surface normalized difference vegetation index by using the KOrea Multi-Purpose SATellite-3 (KOMPSAT-3) multi-spectral images for comparative analysis. The estimated NDVI from KOMPSAT-3 is used as for comparison with the high resolution GeoEye products. The geometry conditions for atmospheric effects are selected from meta files of KOMPSAT-3 bundle data. The used geometry conditions are consist of solar zenith angle, solar azimuth angle, viewing zenith angle, viewing azimuth angle, and date. And, Atmospheric effects such as attenuation, scattering and absorption were physically simulated from water vapor, ozone and aerosol information. Generally, although ground measurements are important for accurate information, in this study, MODIS atmospheric products are used as atmospheric constituents. The surface reflectance from radiative transfer model is utilized for estimating vegetation index. The present study, to reduce atmospheric and geometry conditions between KOMPSAT-3 and GeoEye having difference observation characteristics, data acquisition time is carefully determined for reliable vegetation spectral characteristics.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.113-116
• /
• 2006

지표 변수는 지면 근처의 기후변화 및 상태를 파악하는데 중요한 역할을 하기 때문에, 충분히 높은 정확성을 가진 값이 산출되어야 한다. 하지만 이러한 지표 변수는 구름과 눈, 그리고 강수등에 의해서 그 값이 변화하게 된다. 이러한 오차 값을 줄이기 위해 구름제거, 지리보정, 대기보정 등의 위성 전처리 과정이 수행되었다. 하지만 위성 전처리 과정을 수행한 이후에도 정규식생지수 시계열 자료에는 여전히 노이즈가 남아 있기 때문에 이전에 연구에서는 이동 평균등과 같은 다양한 방법으로 노이즈를 제거하고자 하였다. 하지만 이동평균 방법은 참값에 가까운 최고값도 제거하기 때문에 문제점을 가지고 있다. 본 연구에서는 다중 다항회귀식을 이용하여 정규식생지수 시계열 자료 산출시 발생하는 노이즈를 제거 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.912-915
• /
• 2005

본 연구에서는 현재 이용 가능한 지상관측자료와 이차원 원격관측자료를 이용하여 장기간의 지역기후변화 특성을 분석하였다. 기상자료로는 강수량, 기온, 습도, 대형$\cdot$소형 팬 증발량 등을 월별, 연별로 분석하였고 이차원 원격관측자료로 정규식생지수를 사용하여 전통적 도시화지역, 산업화로 급격하게 도시화가 된 지역, 비도시지역으로 나누어 경향성분석을 실시하였다. 강수량과 기온은 관측전지점에서 증가추세를 보였고 도시화된 지역이 비도시지역보다 그 변화 추이가 강함을 볼수 있었다. 정규식생지수분석결과 도시화의 영향을 더 뚜렷이 관측할수 있었는데 도시지역은 정규식생지수값이 감소추세를 나타내는 반면 비도시지역인 소양강$\cdot$안동댐은 증가추세를 나타내었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.908-911
• /
• 2005

지표와 대기사이에서 식물의 광합성 및 증발산 능력과 밀접하게 관련되어 있는 엽면적지수는 식생밀도를 나타낼때 사용되는 식생지수이다. 본 연구에서는 NOAA-AVHRR 자료를 사용한 엽면적지수를 사용하여 남한지역 엽면적지수의 시공간변화도와 주기성분석을 실시하였고 소양강댐유역, 안동댐유역과 주요 도시의 엽면적지수의 월별, 년별, 계절별 추세를 분석하였다. 추세분석결과 월추세 분석에서는 장기간의 뚜렷한 변동성을 나타내지는 않았지만 겨울과 봄 보다는 여름과 가을에 식생의 밀도가 더 높은 계절적인 요인에 많은 영향을 받는 것을 볼 수 있었다. 시간변화 분석결과 계절변화를 제외한 특별한 장기변동을 확인할 수 없었으며 엽면적지수의 공간 변화는 정규식생지수가 보여주는 지형이나 위도의 변화와 밀접한 관계를 가지는 변화양상을 보여주지 않았다. 이는 농지 및 삼림 등의 인위적 조성으로 인한 엽면적지수의 공간변화도 양상과 관계있다 하겠다.

• Korean Journal of Remote Sensing
• /
• v.39 no.2
• /
• pp.223-232
• /
• 2023

A widely used method for monitoring land cover using high-resolution satellite images is to classify the images based on the colors of the objects of interest. In urban areas, not only major objects such as buildings and roads but also vegetation such as trees frequently appear in high-resolution satellite images. However, the colors of vegetation objects often resemble those of other objects such as buildings, roads, and shadows, making it difficult to accurately classify objects based solely on color information. In this study, we propose a method that can accurately classify not only objects with various colors such as buildings but also vegetation objects. The proposed method uses the normalized difference vegetation index (NDVI) image, which is useful for detecting vegetation objects, along with the RGB image and classifies objects into subclasses. The subclass classification results are fused, and the final classification result is generated by combining them with the image segmentation results. In experiments using Compact Advanced Satellite 500-1 imagery, the proposed method, which applies the NDVI and subclass classification together, showed an overall accuracy of 87.42%, while the overall accuracy of the subchannel classification technique without using the NDVI and the subclass classification technique alone were 73.18% and 81.79%, respectively.