• 한국농공학회논문집
• /
• 제53권2호
• /
• pp.1-8
• /
• 2011

In this study, In order to evaluate reliable of MODIS GPP, the MODIS GPP and Flux tower measured GPP were compared to evaluate the use of method on 8 days composite MODIS GPP. The 2008 Flux data ($CO_2$ Flux and air temperature) measured in Seolmacheon watershed ($8.48\;km^2$) were used. The Flux tower GPP was estimated as the sum of $CO_2$ Flux and $R_{ec}$ (ecosystem respiration) by Lloyd and Taylor method (1994). The summer Monsoon period from June to August mostly contributed the underestimation of MODIS GPP by cloud contamination on MODIS pixels. The 2008 MODIS GPP and Flux tower GPP of the watershed were $1133.2\;g/m^2/year$ and $1464.3\;g/m^2/year$ respectively and the determination coefficient ($R^2$) after correction of cloud-originated errors was 0.74 (0.63 before correction). Even though effect of Cloud-Originated Errors was eliminated, Solar radiation and Temperature are affected at GPP. Measurement of correct GPP is difficult. But, If errors of MODIS GPP analyze on Cloud Moonsoon Climate in korea and eliminated effect of Cloud-Originated Errors, MODIS GPP will be considered GPP increasing of 9 %. There, Our results indicate that MODIS GPP show reliable and useful data except for summer period in Moonsoon Climate.

• 한국농림기상학회지
• /
• 제9권2호
• /
• pp.132-139
• /
• 2007

현재 1 km 해상도의 Moderate Resolution Imaging Spectroradiometer(MODIS) 총일차생산성(GPP) 영상이 8일 간격으로 제공되고 있다. 본 연구에서 MODIS GPP 산출에 사용되는 입력기상(DAO)자료와 광합성유효복사흡수율(FPAR) 자료의 오차를 정량화 하였고, 이들 오차가 MODIS GPP의 불확실성에 미치는 영향을 분석하였다. 입력자료의 평가를 위해 지상기상관측소의 기상자료를 사용하였고, 구름효과 등을 저감한 FPAR의 시계열을 복원하였다. 평가 결과 입력자료의 오차는 MODIS GPP에서 17% 정도 과대평가되었다. 두 오차 중에서 기상자료의 오차가 주요 원인이었으며, FPAR의 오차는 부차적인 것으로 판명되었다. 다양한 토지피복 중에서 혼효림의 MODIS GPP 오차가 약 20%로 가장 크고, 농경지는 약 11%의 오차를 보였다. 입력자료에 의한 MODIS GPP의 오차는 GPP의 계절변화뿐만 아니라 연간 GPP 변화에도 상이한 결과를 초래하였다. 따라서 MODIS GPP에 내재한 오차는 상당하다고 판단되며, 향후 GPP 모니터링에 응용하기 위해선 상기 기술한 오차 요인들을 저감한 입력자료에 의거해 MODIS GPP를 재가공할 필요가 있다.

• 한국농림기상학회지
• /
• 제7권2호
• /
• pp.171-183
• /
• 2005

In order to monitor the global terrestrial carbon cycle, NASA (National Aeronautics and Space Administration) provides 8-day GPP images by use of satellite remote-sensing reflectance data from MODIS (Moderate Resolution Imaging Spectroradiometer) at l-km nadir spatial resolution since December, 1999. MODIS GPP algorithm adopts DAO (Data Assimilation Office) meteorological data to calculate daily GPP. By evaluating reliability of DAO data with respect to surface weather station data, we examined the effect of errors from DAO data on MODIS GPP estimation in the Korean Peninsula from 2001 to 2003. Our analyses showed that DAO data underestimated daily average temperature, daily minimum temperature, and daily vapor pressure deficity (VPD), but overestimated daily shortwave radiation during the study period. Each meteorological variable resulted in different spatial patterns of error distribution across the Korean Peninsula. In MODIS GPP estimation, DAO data resulted in overestimation of GPP by $25\%$ for all biome types but up to $40\%$ for forest biomes, the major biome type in the Korean Peninsula. MODIS GPP was more sensitive to errors in solar radiation and VPD than in temperatures. Our results indicate that more reliable gridded meteorological data than DAO data are necessary for satisfactory estimation of MODIS GPP in the Korean Peninsula.

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.779-793
• /
• 2021

총일차생산량은 물 스트레스와 환경 변수에 의해 크게 영향을 받는다. 총일차생산량과 환경변수의 상관관계는 Moderate Resolution Imaging Spectroradiometer (MODIS) 알고리즘과 process-based model에 적용되어 총일차생산량을 계산하는데 활용된다. 그러나 MODIS 알고리즘에서는 물 스트레스를 수증기압차이(vapor pressure deficit)로만 고려하고 있으며, process-based model에서도 제한된 변수만으로 물 스트레스를 표현하여 총일차생산량을 산출하고 있다. 본 연구에서는 에디 공분산 기법, MODIS 알고리즘, 그리고 Community Land Model 4 (CLM 4) 시뮬레이션 결과에서 얻어진 총일차생산량이 환경 변수와 가지는 상관관계를 평년과 가뭄연도를 대상으로 분석하였다. 물 스트레스를 대표하는 지수는 수증기압차이와 evaporative fraction (EF)가 사용되었다. 본 연구에서는 structural equation modeling (SEM)을 활용하여 환경 변수와 EF가 총일차생산량에 끼치는 영향을 수치화하여 평가하였다. SEM을 통해 상관성을 분석한 결과, 수증기압차이가 과소평가될 경우 MODIS 알고리즘과 CLM 4 시뮬레이션에서 생산된 총일차생산량이 수증기압차이로부터 받는 영향이 제한적임을 확인하였다. 에디 공분산 기법으로 산출한 총일차생산량의 상관성 분석 결과, 경작지에서는 관개작업으로 인해 수증기압차이가 총일차생산량에 끼치는 영향이 감소하였으나 MODIS와 CLM 4에서 산출된 총일차생산량 데이터는 이러한 관개작업의 영향을 설명하는데 제한적이었다. 본 연구결과는 MODIS와 CLM 4에서 산출된 총일차생산량의 특성을 이해하고 한계를 분석하는 연구에 도움을 줄 것으로 예상된다.

• The Korean Journal of Ecology
• /
• 제28권4호
• /
• pp.215-222
• /
• 2005

미국항공우주국은 지구 관측 시스템(EOS) 프로그램의 일환으로 1999년에 Terra를 2001년에 Aqua 인공위성을 발사하였다. MODIS는 EOS의 핵심 원격 탐사 센서로서 육상 생태계의 식물계절학과 물질 순환 모니터링을 위한 8일 단위의 엽면적지수(LAI), 유효 광합성 광량 중 식생에 흡수된 비율(FPAR), 총 일차 생산성(GPP) 영상을 제공하고 있다. 본 연구에서 우리나라를 대상으로 식생형에 따른 $2001\sim2003$년 간의 MODIS LAI, FPAR, GPP를 분석하였으며, 구름 영향에 의한 각 영상의 오차를 평가하였다. 분석 결과 연간 GPP는 침엽수림 1,836, 활엽수림 1,369, 혼효림 1460g C $m^{-2}y^{-1}$로 나타났으며, 각 변수에서 구름에 의해 야기된 오차는 FPAR 8.5, LAI 13.1, GPP 8.4%에 달하는 것으로 분석되었다. 특히 GPP의 경우 6월에서 9월까지의 오차가 연간 오차의 78%를 설명하는 것으로 나타나, 몬순기후가 MODIS 영상의 오차에 큰 영향을 미침을 알 수 있었다. 본 연구는 향후 MODIS식생 관련 영상들이 우리나라의 식물계절학과 일파 생산성 모니터링에 유용하게 사용될 수 있으며, 이들 영상을 사용하기에 앞서 구름 영향 오차를 감쇄하는 영상의 전처리 과정을 수행할 필요가 있음을 보여주었다.

• 대한원격탐사학회지
• /
• 제29권3호
• /
• pp.275-291
• /
• 2013

Monitoring the global Gross Primary Pproduction (GPP) is relevant to understanding the global carbon cycle and evaluating the effects of interannual climate variation on food and fiber production. GPP, the flux of carbon into ecosystems via photosynthetic assimilation, is an important variable in the global carbon cycle and a key process in land surface-atmosphere interactions. The Moderate-resolution Imaging Spectroradiometer (MODIS) is one of the primary global monitoring sensors. MODIS GPP has some of the problems that have been proven in several studies. Therefore this study was to solve the regional mismatch that occurs when using the MODIS GPP global product over Korea. To solve this problem, we estimated each of the GPP component variables separately to improve the GPP estimates. We compared our GPP estimates with validation GPP data to assess their accuracy. For all sites, the correlation was close with high significance ($R^2=0.8164$, $RMSE=0.6126g{\cdot}C{\cdot}m^{-2}{\cdot}d^{-1}$, $bias=-0.0271g{\cdot}C{\cdot}m^{-2}{\cdot}d^{-1}$). We also compared our results to those of other models. The component variables tended to be either over- or under-estimated when compared to those in other studies over the Korean peninsula, although the estimated GPP was better. The results of this study will likely improve carbon cycle modeling by capturing finer patterns with an integrated method of remote sensing.

• 대한원격탐사학회지
• /
• 제28권2호
• /
• pp.215-226
• /
• 2012

미국항공우주국(NASA)의 MODIS GPP 자료는 육상식생의 총일차생산성(GPP) 모니터링에 중요한 수단을 제공한다. 그러나 GPP 추정의 입력자료로 사용하는 DAO기상자료의 거친 공간해상도($1.25^{\circ}{\times}1^{\circ}$)와 FPAR 자료의 구름영향에 의한 신뢰도 저하 등은 지역 수준의 GPP 모니터링에 문제를 야기한다. 이 연구에서는 북한지역을 대상으로 FPAR의 구름영향 제거하고 고해상도(3 km${\times}$3 km) WRF 기상자료를 사용함으로써 입력자료의 문제를 개선한 GPP를 추정한 후, 2000-2008년 간의 GPP 연간 변동특성 및 지역적 분포특성을 분석하였다. 개선한 GPP는 2000년의 645 $gC\;m^{-2}\;y^{-1}$에서 2008년의 863 $gC\;m^{-2}\;y^{-1}$까지 변화하였고, 혼효림지역이 1,076 $gC\;m^{-2}\;y^{-1}$으로 가장 큰 값을 보였다. NASA GPP (790 $gC\;m^{-2}\;y^{-1}$)에 비해 FPAR 개선 후 GPP가 증가하였고(861), WRF 자료 이용 시 감소(710), FPAR와 WRF 자료 이용 시 다소 증가(809)하는 양상을 보였다. 개선효과는 북한에서 제일 큰 면적을 차지한 혼효림에서 가장 뚜렷하였다(+10.2%). 한편 WRF 기상자료가 DAO에 비해 지형적 영향을 보다 잘 반영함으로써, 결과적으로 개선한 GPP의 공간이질성이 증가한 것으로 나타났다. 각 피복유형별 연간변동성을 분석한 결과 개선한 GPP는 NASA GPP와 상이한 연간변화를 보였다. 위 결과들을 종합하면, 북한 등의 지역수준의 GPP 모니터링을 목적으로할 경우, 입력자료의 개선에 의한 MODIS GPP를 재산출할 필요가 있다고 보여진다.

• 한국농공학회논문집
• /
• 제57권3호
• /
• pp.109-120
• /
• 2015

Spatial heterogeneous characteristics of solar radiation energy from Climate Change gives rise to energy imbalance in the general ecological system including water resources. This study is to estimate the $CO_2$ flux of South Korea using Terra MODIS image and to assess the reliability of MODIS data from the ground measured $CO_2$ flux by eddy covariance flux tower data at 3 locations (two at mixed forest area and one at rice paddy area). The MODIS Gross Primary Productivity (GPP) product (MOD17A2), 8-day composite at 1-km spatial resolution was adopted for the spatial $CO_2$ flux generation. The MOD17A2 data by noise like cloud and snow in a day were tried to fill by Inverse Distance Weighted (IDW) method from valid pixels and the damping effect of MOD17A2 data were corrected by Quality Control (QC) flag. The MODIS $CO_2$ flux was estimated as the sum of GPP and Re (ecosystem respiration) by Lloyd and Taylor method (1994). The determination coefficient ($R^2$) between MODIS $CO_2$ and flux tower $CO_2$ for 3 years (2011~2013) showed 0.55 and 0.60 in 2 mixed forests and 0.56 in rice paddy respectively. The $CO_2$ flux generally fluctuated showing minus values during summer rainy season (from July to August) and maintaining plus values for other periods. The MODIS $CO_2$ flux can be a useful information for extensive area, for example, as a reliable indicator on ecological circulation system.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.140-140
• /
• 2016

수분 이용효율(Water Use Efficiency, WUE)은 식생이 흡수한 수분 중 증발산에 이용한 비율로, 육상생태계의 수문학적 순환 및 탄소 순환의 기능을 측정할 수 있는 중요한 지표이다. 또한 이는 특정 지역의 기후 조건이나 토지 피복과 같은 다양한 요인에 따라 변할 수 있다. 본 연구에서는 한반도에서 2010년부터 2014년까지의 기후 요인(강수, 기온)과 토지 피복에 따른 WUE의 변화를 살펴본다. MODerate resolution Imaging Spectroradiometer (MODIS) 기반 총일차생산성(Gross Primary Productivity, GPP), 증발산량(Evapotranspiration, ET), 잎면적지수(Leaf Area Index, LAI)와 Willmot의 기상자료 등 대상지역에 대한 격자 자료를 사용한다. 구체적으로 숲, 초원, 농지와 같이 다양한 토지 피복 조건에 대한 월간 및 연간 WUE(=GPP/ET)를 산정하고, 이의 LAI나 기후 조건(강수, 기온)과의 관계를 분석하고자 상관성 및 요인 분석을 진행한다. 기후 조건 및 토지 피복 조건을 고려한 15년간 한반도에서의 WUE의 변화에 대한 분석은 앞으로의 수자원 관리 및 산림 정책에 활용할 수 있을 것으로 판단된다.

• 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.