• 대한원격탐사학회지
• /
• 제31권6호
• /
• pp.523-530
• /
• 2015

본 연구에서는 다중회귀분석법과 Ozone Monitoring Instrument(OMI), Moderate Resolution Imaging Spectroradiometer(MODIS) 자료를 이용하여 2005년 1월부터 2008년 7월 사이 아시아 주요도시 지역의 포름알데하이드 층적분농도를 동북아시아에 위치한 3개도시(베이징, 서울, 도쿄)와 동남아시아에 위치한 3개도시(뉴델리, 다카, 방콕)에서 처음으로 추정하였다. 동북아시아의 3개 도시에서는 OMI로 측정된 포름알데하이드의 층적분농도($HCHO_{OMI}$)와 다중회귀분석방법으로 추정된 포름알데하이드의 층적분농도($HCHO_{MRM}$) 사이의 높은 상관성(0.78 < $R^2$ < 0.82)을 보였다. 동남아시아의 주요도시에서는 동북아시아 지역에 비해 $HCHO_{OMI}$와 $HCHO_{MRM}$사이의 낮은 상관성을 발견 할 수 있었다. 이외에도, 다중회귀분석법의 편중되지 않은 평가를 위하여, 다중회귀분석식을 도출해내기 위한 모델링 그룹과 다중회귀분석법의 성능을 보여줄 검증그룹으로 나누어 다중회귀분석법의 성능을 평가하였다. 본 연구는 아시아 일부 지역에서 다중회귀 분석법이 포름알데하이드 칼럼농도 추정에 있어 위성 관측이 어려울 경우 대안으로 활용될 수 있음을 제시하고 있다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1117-1132
• /
• 2019

산림생태계 내의 총일차생산량은 산림 자원 생산량과 직결되고, 산림생태계의 건강성, 산림식물계절 및 생태계 서비스의 중요한 지표가 된다. 이 연구에서는 인공위성 자료와 기계학습 알고리즘을 활용하여 우리 나라의 산림유역의 총일차생산량을 연구하였다. 에디공분산 타워가 있는 6개 지점에서의 MODIS (Moderate Resolution Imaging Spectroradiometer) 산출물과 에디공분산타워의 총일차생산성으로 연구기간의 75%-80%에 해당하는 자료로 기계학습 알고리즘을 훈련하고 나머지 기간으로 구축된 모델의 총일차생산성 예측 결과를 검증하였다. 모델을 구축할 때 MODIS 지상 산출물과 대기 산출물을 조합하여 새로운 입력자료(e.g., 포화수증기압차)를 모델의 입력자료(Processed MODIS)로 사용하였을 때와 이러한 과정 없이 QC(Quality control)만 거친 MODIS 산출물을 그대로 입력자료(Unprocessed MODIS)로 사용하였을 때의 총일차생산량을 비교해 보고 그 활용 가능성에 대해 고찰하였다. 추가로 MODIS 총일차생산량 산출물(MYD17)과 에디공분산 총일차생산성 및 기계학습 알고리즘 기반의 총일차생산성과의 상관관계를 보고 그 적합성에 대해 논의하였다. 이 연구에서 사용된 기계학습 알고리즘은 Support Vector Machine (SVM)으로 산림생태계 연구에서 가장 많이 사용되고 있는 기계학습 알고리즘 중 하나이다. 기계학습 알고리즘 기반(SVM 모델)의 총일차생산량 예측 결과는 MODIS 총일차생산량 산출물(MYD17)보다 에디공분산 총일차생산량과 전반적으로 높은 상관관계를 보였고 특히 식생 성장을 시작하는 시점의 값을 좀더잘 예측하는 결과를 보였다. 단일 지역에서 Unprocessed MODIS 입력자료로 훈련된 SVM 모델 결과는 피어슨 상관계수 0.75 - 0.95 (p < 0.001), 6개의 연구 지점에서 훈련된 SVM 모델 결과는 피어슨 상관계수 0.77 - 0.94 (p < 0.001) 사이를 보였다. 이 결과는 훈련 자료에 다양한 이벤트들이 포함되면 모델의 예측력이 향상되는 가능성을 보여주었고 위성영상의 산출물을 재계산하여 새로운 산출물을 내는 과정을 거친 위성 자료가 아니어도 그 예측력에는 크게 문제가 없음을 보여주었다.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.449-458
• /
• 2012

본 연구에서는 덕적도와 제주도에서 2005년 10월 15일부터 2007년 10월 24일 까지 9차례에 걸친 집중 관측기간 동안 포집된 PM2.5의 질량 농도 자료와 Moderate-resoultion Imaging Spectroradiometer (MODIS) 인공위성 관측자료로 분석된 대기 에어러솔 광학두께(AOT; Aerosol Optical Thickness) 자료로부터 지역 대기 중 미세 입자의 농도 변화 특성 및 대기질 감시를 위한 인공위성 자료의 활용 가능성을 분석하였다. 전체 관측 기간 중 PM2.5의 일 평균 농도는 덕적도에서는 $25.61{\pm}22.92{\mu}g/m^3$, 제주도에서는 $17.33{\pm}10.79{\mu}g/m^3$으로 변화가 크게 나타났으며, 황사가 발생한 2006년 4월 8일에는 덕적도와 제주도에서 각각 최대값 $188.89{\mu}g/m^3$과 $50.46{\mu}g/m^3$를 기록하였다. 또한 두 지역의 MODIS AOT 값은 $0.79{\pm}0.81$(덕적도), $0.42{\pm}0.24$(제주도)였으며, AOT의 최대값은 PM2.5와 마찬가지로 황사현상이 발생한 2007년 4월 8일에 3.73(덕적도), 1.14(제주도)로 나타났다. 그리고 지상에서 관측된 PM2.5 농도의 공간 분포 양상을 파악하기 위하여 MODIS AOT와 PM2.5의 상관관계 분석결과, 덕적도는 0.85, 고산은 0.06으로서 비교적 에어러솔의 영향을 많이 받는 덕적도가 고산보다 높은 상관계수 값을 나타내었다. 이러한 상관관계를 근거로 하여 도출된 1차 선형회귀 방정식으로부터 MODIS AOT값을 PM2.5로 환산한 결과는 인공위성 자료로부터 대기환경 감시를 가능케 하는 수단이 될 수 있어 유용할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.375-375
• /
• 2023

본 연구는 농지를 대상으로 토양수분 및 가뭄 현황을 분석하는 데 그 목적이 있다. 토양수분을 파악하기 위해 Terra MODIS(Moderate Resolution Imaging Spectroradiometer) 위성영상기반의 토양수분 산정모형을 개발하였다. 해당 모형은 MODIS LST(Land Surface Temperature) 및 NDVI(Normalized Difference Deficit Index)를 기반으로 SCS-CN(Soil Conservation Service-Curve Number) 방법에서 착안한 수문학적 개념 5일 선행강우 및 무강우일수를 입력자료로 하며, 토양 종류 및 계절에 따른 토양수분의 특성을 고려하였다. 모형의 개발을 위해 MODIS LST 및 NDVI 영상을 2013년부터 2022년까지 각각 일별 및 16일 단위로 구축하였으며, 동 기간에 대해 전국 88개소의 기상청 종관기상관측소의 강수량 및 LST 자료를 수집하였다. MODIS LST는 실측 LST 자료를 활용해 조건부합성기법을 적용하여 상세화하였고, 수집된 강수량자료는 역거리가중법을 활용해 공간 보간을 수행하였다. 토양특성의 구분은 농촌진흥청에서 정밀토양도를 수집하여 활용하였다. 공간 분포된 토양수분에서 농지에 해당하는 토양수분을 추출하기 위해 스마트팜맵을 구축하고, 농지 속성에 해당하는 위치 정보를 조회 후 이를 시군구별로 평균하여 일별 평균 토양수분값을 산정하였다. 토양수분 기반의 가뭄 현황 분석을 위해 구축된 정밀토양도에서 작물 생장과 관련된 영구위조점 및 포장용수량을 활용해 5단계(정상, 관심, 주의, 경계, 심각)의 가뭄 위험도를 산정하였으며, 실제 가뭄 현황과의 비교를 통해 토양수분기반의 가뭄 위험도의 실효성을 검증하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.127-127
• /
• 2011

본 연구에서는 RHESSys (Regional Hydro-Ecologic Simulation System) 모형을 이용하여 산림 유역의 생태수문학적 거동을 평가하고자 한다. 설마천 유역($8.48\;km^2$)을 대상으로 2007~2009년의 관측 일유출량을 이용하여 유출량을 검 보정하였고, 증발산량 및 토양수분은 신뢰할 만한 실측자료를 바탕으로 모형의 보정(2007-2008)및 검증(2009)을 실시하였다. 또한 지구의 탄소순환을 규명할 수 있는 식생의 순광합성량과 총일차생산량에 대한 모형의 검 보정은 Terra 위성의 MODIS (Moderate Resolution Imaging Spectroradiometer) 센서를 이용한 산출물인 순광합성량과 총일차생산량 자료를 바탕으로 모형의 보정(2007)및 검증(2008)을 실시하였다. 모형의 최적의 수문, 생리생태학, 토양의 매개변수를 선정하여 검증한 결과, 유출량에 대한 Nash-Sutcliffe 모형효율은 0.84, 증발산, 토양수분, 총일차생산량, 순광합성량의 결정계수는 0.49, 0.18, 0.38, 0.93 이었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.149-152
• /
• 2005

A new methodology to detect forest fire burnt scars at near real time using MODIS (Moderate-resolution Imaging Spectroradiometer) data is presented here with a goal of introducing a new and improved capability to detect forest fire burnt scars in Thailand. This new technology is expected to increase the efficiency and effectiveness of the forest fire tackling resources distribution and management of the country. Using MODIS data in burnt scars detection has two major advantages - high availability of data and high resolution per performance ratio. Results prove the near real time algorithm suitable and working well in order to monitor the forest fire dynamic movement. The algorithm is based on the threshold separated linear equation of burnt and un-burnt. A ground truth experiment confirms the burnt and un-burnt? areas characteristics (temperature and NDVI). A threshold line on a scatter plot of Band I and Band 2 is determined to separate the burnt from un-burnt pixels. The different threshold values of NDVI and temperature use to identify pixels' anomaly, abnormal low NDVI and high temperature. The overlay (superimpose) method is used to verify burnt pixels. Since forest fire is a dynamic phenomenon, MODIS burnt scars information is suiting well to fill in the missing temporal information of LANDSAT for the forest fire control managing strategy in Thailand. This study was conducted in the Huai-Kha-Kaeng (HKK) Wildlife Sanctuary, Thailand

• 대한원격탐사학회지
• /
• 제27권4호
• /
• pp.467-480
• /
• 2011

본 연구는 AVHRR(Advanced Very High Resolution Radiometer)과 MODIS(MODerate-resolution Imaging Spectroradiometer) 위성관측을 바탕으로 산출된 남한지역의 장기간(1981-2006년) 순 일차생산량(Net Primary Production, NPP)의 시공간적 변화를 분석하고 그 변화에 영향을 미치는 기후요소와의 상관성을 분석하였다. 남한지역의 AVHRR과 MODIS에서는 연간순 열차생산량이 AVHRR의 경우 893-1068 $g{\cdot}C/m^2$ /yr과 MODIS의 경우 610-695 $g{\cdot}C/m^2$/yr로 나타나고 있으며 두 자료는 통계적으로 약 325 $g{\cdot}C/m^2$/yr 의 차이를 보이고 있다. 해상도 등의 차이가 있으나 지상 관측과 비교한 결과 MODIS 센서에 의한 관측이 보다 근접한 결과를 보이는 것으로 나타났다. 위성관측자료 분석결과 NPP 값은 식생의 밀도가 높은 산림지역 및 연평균기온이 높은 지역에서 큰 것으로 나타났다. 두개의 위성센서로 산출된 순 열차생산량은 경년변화가 다소 크지만, 각각 장기간에 걸쳐 서서히 증가하고 있는 것으로 나타났으며 1981-2000년 동안 AVHRR에서 매년 평균 2.14 $g{\cdot}C/m^2$/yr, 2000-2006년 동안 MODIS에서 매년 평균 6.08 $g{\cdot}C/m^2$/yr 만큼 증가하였다. 특히 남서해안 지역은 두 위성관측결과 모두 순 일차생산량의 증가가 상대적으로 높았다. 토지피복 지도와 대조결과 그 이유는 논 밭 등의 관개와 비료시용에 의한 농작물의 생산성 증대와 관계가 있는 것으로 추정된다. NPP값은 월별 강수량 및 평균기온에 밀접한 관계가 있는 것으로 확인되었으며, 특히 남한지역의 여름몬순시기에서 강수량과 기온이 모두 가장 큰 상관관계를 보이고 있다. NPP 절대값의 차이 외에도 두 센서로 산출된 순 일차생산량과 기후요소와의 상관성 등의 차이는 두 자료의 토양호흡 등을 포함하는 등 위성자료 복원과정 및 관련 모텔의 차이에 의해 발생하는 것으로 사료된다. 또한 향후 보다 정확한 순 일차생산량을 계산하기 위해 복원과정에서 기상 실측자료 및 보다 현실적인 토지피복 등을 고려해야 할 것이다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.543-557
• /
• 2021

에어로솔은 입자의 크기와 조성 및 관측센서에 따라 상이한 분광특성을 보이기 때문에, 다양한 센서의 에어로솔 산출물에 대한 비교분석이 반드시 필요하다. 그러나, 우리나라에서 다종위성의 공식적인 AOD (Aerosol Optical Depth) 산출물을 대상으로 수년간의 자료를 수집하여 정확도 비교평가를 수행한 사례는 아직 보고된 바가 없다. 이에, 본 연구에서는 2015년 1월부터 2019년 12월까지 MODIS (Moderate Resolution Imaging Spectroradiometer), VIIRS (Visible Infrared Imaging Radiometer Suite), Himawari-8, Sentinel-3 AOD 산출물과 AERONET (Aerosol Robotic Network) 지상 태양광도계 자료의 비교분석을 통하여 위성 AOD의 성능을 평가하고, 계절적 및 지리적 차이에 따른 정확도 특성을 분석하였다. 오랜 기간 축적되어온 산출 기술에 MAIAC (Multiangle Implementation of Atmospheric Correction) 알고리듬을 추가하여 최적화된 MODIS 산출물이 가장 높은 정확도를 나타냈고(CC=0.836), VIIRS와 Himawari-8이 그보다 약간 낮은 정도의 성능을 보였으며, Sentinel-3는 비교적 최근에 발사되어 알고리듬 최적화가 아직 덜 이루어진 관계로 정확도가 낮게 나타났다. MODIS, VIIRS, Himawari-8 AOD 산출물은 계절에 따라, 그리고 도시/비도시에 따라 별다른 정확도 차이를 보이지는 않았지만, 일부 해안지역에서는 혼합화소 문제로 인하여 약간 정확도가 떨어지는 경우도 존재했다. AOD는 위성영상 대기보정의 핵심 인자이기 때문에, 본 연구의 AOD 비교평가는 향후 국토위성, 농림위성 등의 대기보정 연구에도 중요한 참고자료가 될 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제29권3호
• /
• pp.331-335
• /
• 2013

This study detected red tide areas using the existing Moderate-Resolution Imaging Spectroradiometer(MODIS) and Geostationary Ocean Color Imager(GOCI), and then compared the results between results of two sensors. The coasts of Jeollanam-do in the South Sea of Korea were set as the study area based on the red tide data which occurred on Aug. 26th, 2012. This study compared the results of sensors to detect red tides by using a satellite. In the results of analyzing MODIS by limiting it as chlorophyll concentration and the sea surface temperature which is considered to have red tides by the existing researches, it was possible to delete considerable amount of errors compared to the case of detecting red tides by using only chlorophyll while still there were differences from the range of red tides actually observed. In the results of GOCI by using empirical algorithm for detecting red tides, currently used by Korea Institute of Ocean Science & Technology(KIOST), it was possible to obtain more detailed results than MODIS. However, there was an area misjudged as red tides due to the influence of clouds. Also both MODIS and GOCI extracted red tides were not actually occurring, which might be because they were not able to perfectly distinguish red tides from turbid water in coastal areas with high turbidity.

• 대한원격탐사학회지
• /
• 제34권4호
• /
• pp.625-638
• /
• 2018

In this paper, we derive i) a function to estimate snow cover fraction (SCF) from a MODIS satellite image that has a wide observational area and short re-visit period and ii) a function to determine snow depth from the estimated SCF map. The SCF equation is important for estimating the snow depth from optical images. The proposed SCF equation is defined using the Gaussian function. We found that the Gaussian function was a better model than the linear equation for explaining the relationship between the normalized difference snow index (NDSI) and the normalized difference vegetation index (NDVI), and SCF. An accuracy test was performed using 38 MODIS images, and the achieved root mean square error (RMSE) was improved by approximately 7.7 % compared to that of the linear equation. After the SCF maps were created using the SCF equation from the MODIS images, a relation function between in-situ snow depth and MODIS-derived SCF was defined. The RMSE of the MODIS-derived snow depth was approximately 3.55 cm when compared to the in-situ data. This is a somewhat large error range in the Republic of Korea, which generally has less than 10 cm of snowfall. Therefore, in this study, we corrected the calculated snow depth using the relationship between the measured and calculated values for each single image unit. The corrected snow depth was finally recorded and had an RMSE of approximately 2.98 cm, which was an improvement. In future, the accuracy of the algorithm can be improved by considering more varied variables at the same time.