• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.140-140
• /
• 2019

본 연구에서는 Terra MODIS 위성자료와 Tensorflow를 활용해 1 km 공간 해상도의 토양수분을 산정하는 알고리즘을 개발하고, 국내 관측 자료를 활용해 검증하고자 한다. 토양수분 모의를 위한 입력 자료는 Terra MODIS NDVI(Normalized Difference Vegetation Index)와 LST(Land Surface Temperature), GPM(Global Precipitation Measurement) 강우 자료를 구축하고, 농촌진흥청에서 제공하는 1:25,000 정밀토양도를 기반으로 모의하였다. 여기서, LST와 GPM의 자료는 기상청의 종관기상관측지점의 LST, 강우 자료와 조건부합성(Conditional Merging, CM) 기법을 적용해 결측치를 보간하였고, 모든 위성 자료의 공간해상도를 1 km로 resampling하여 활용하였다. 토양수분 산정 기술은 인공 신경망(Artificial Neural Network) 모형의 딥 러닝(Deep Learning)을 적용, 기계 학습기반의 패턴학습을 사용하였다. 패턴학습에는 Python 라이브러리인 TensorFlow를 사용하였고 학습 자료로는 농촌진흥청 농업기상정보서비스에서 101개 지점의 토양수분 자료(2014 ~ 2016년)를 활용하고, 모의 결과는 2017 ~ 2018년까지의 자료로 검증하고자 한다.

• 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.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.123-132
• /
• 2019

This study is to estimate the spatial soil moisture using Terra MODIS (Moderate Resolution Imaging Spectroradiometer) satellite data and machine learning technique. Using the 3 years (2015~2017) data of MODIS 16 days composite NDVI (Normalized Difference Vegetation Index) and daily Land Surface Temperature (LST), ground measured precipitation and sunshine hour of KMA (Korea Meteorological Administration), the RDA (Rural Development Administration) 10 cm~30 cm average TDR (Time Domain Reflectometry) measured soil moisture at 78 locations was tested. For daily analysis, the missing values of MODIS LST by clouds were interpolated by conditional merging method using KMA surface temperature observation data, and the 16 days NDVI was linearly interpolated to 1 day interval. By applying the RNN-LSTM (Recurrent Neural Network-Long Short Term Memory) artificial neural network model, 70% of the total period was trained and the rest 30% period was verified. The results showed that the coefficient of determination ($R^2$), Root Mean Square Error (RMSE), and Nash-Sutcliffe Efficiency were 0.78, 2.76%, and 0.75 respectively. In average, the clay soil moisture was estimated well comparing with the other soil types of silt, loam, and sand. This is because the clay has the intrinsic physical property for having narrow range of soil moisture variation between field capacity and wilting point.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.165-168
• /
• 2005

In this study, emissivity and land surface temperature (LST) were retrieved using the previously developed algorithms and Aqua/MODIS data. And sensitivity of estimated emissivity and LST to the predefined values, such as land cover, normalized difference vegetation index (NOVI) and spectral emissivity were investigated. The methods used for emissivity and LST were vegetation cover method (VCM) and four different split-window algorithms. The spectral emissivity retrieved by VCM was not sensitive to the NOVI error but more sensitive to the land cover error. The comparison of LST showed that the LST was systematically different without regard to the land cover and season. And the LST was very sensitive to the emissivity error excepting the Uliveri et al. This preliminary result indicates that more works are needed for the retrieval of reliable LST from satellite data.

• 한국습지학회지
• /
• 제21권spc호
• /
• pp.123-133
• /
• 2019

본 연구는 2018년에 발생한 폭염 및 한파 발생 기간을 대상으로 습지의 지면온도 완화효과를 평가하기 위해 위성관측 지표면 온도(Land Surface Temperature, LST)와 지상 관측 기온 자료를 활용해 토지 이용별 특성 분석을 실시하였다. 폭염 기간에는 폭염주의보 발령 기준인 최고기온 33℃ 이상인 지역, 한파 기간은 한파주의보 발령 기준인 최저기온 -12℃ 이하의 지역을 대상으로 하였다. 위성 자료로는 Terra/Aqua Moderate Resolution Imaging Spectroradiometer (MODIS)의 Daytime, Nighttime LST 자료, 지상 관측 기온 자료로는 전국 86개소의 종관기상관측장비(Automated Surface Observing System, ASOS) 지점에 대한 최고 및 최저 자료를 수집하여 데이터베이스를 구축하였다. 분석 결과, 한파 기간을 대상으로 하였을 때 산림의 지면온도의 평균이 -12.7℃로 가장 높았으며, 그 뒤로 밭과 습지가 각각 -12.9℃와 -13.0℃로 나타나 평균이 가장 낮은 도시의 -14.4℃에 비해 1.4℃ 더 높았다. 폭염 기간에도 도시지역의 평균이 34.6℃로 가장 높았고 습지는 33.0℃로 도시지역과 - 1.6℃의 차이를 보여 습지의 지면온도 완화효과를 확인하였다. 습지는 기간에 따라 차이는 있으나 지면온도의 완화 기능을 발휘하였고, 원격탐사 영상을 이용한 확인이 가능하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.139-139
• /
• 2019

지구 온난화 및 기후변화로 인해 비롯된 전 지구적인 기온 상승은 가뭄, 폭염, 한파 등의 이상 기후 현상을 야기하여 인류의 생존을 위협하는 환경 문제로 대두되고 있다. 이와 같은 기후변화 및 이상기후 현상을 이해하고 파악하기 위해서는 정확하고 상세한 기온 정보가 필수적이다. 우리나라는 기상청에서 전국 590개소의 기상관측장비로 기온 정보를 생산하고 있지만 산림이 약 70%를 차지하는 복잡한 지형을 가지고 있어 지상관측밀도의 공간적 제약이 발생해 상세하고 균일한 기온 정보 생산에 제약이 있다. 이러한 단점을 극복하기 위해 본 연구에서는 위성으로 측정한 지표면 온도(Land Surface Temperature, LST) 자료와 다중선형회귀모형(Multiple Linear Regression Model)을 활용해 두 자료간의 상관관계를 파악하고 지상기온을 예측하고자 한다. 위성자료로 Terra 및 Aqua MODIS 위성의 1000m 공간해상도를 가진 일별 LST자료 MOD11A1, MYD11A1의 Daytime 자료를 각각 2000년부터 2018년까지 총 19년의 기간에 대해 구축하였으며, 전국 92개의 기상청 관측소로부터 최고, 최저 기온 자료를 동 기간에 대해 구축하였다. LST를 이용한 이상기온 예측 알고리즘은 python을 이용해 구현하였으며 예측 결과는 실제 기온 자료를 통해 검증하였다. 또한, 예측 기온 자료의 연대별, 순별(상, 중, 하순) 분석을 실시하고, 2018년 극한 폭염 및 한파(2017년 12월~2018년 2월)의 예측 가능성을 검토하여 연구 결과에 대한 다양한 활용방안을 제시하고자 한다.

• 대한원격탐사학회지
• /
• 제20권1호
• /
• pp.1-11
• /
• 2004

Based on surface energy balance climatology, surface temperatures should respond to drying conditions well before plant response. To test this hypothesis, land surface temperatures (LST) derived from MODIS data were analyzed to determine how the data were correlated with climatic water balance variables and NDVI anomalies during a growing season in Western and Central Kansas. Daily MODIS data were integrated into weekly composites so that each composite data set included the maximum temperature recorded at each pixel during each composite period. Time-integrated, or cumulative values of the LST deviation standardized with mean air temperatures had significantly high correlation coefficients with SM, AE/PE, and MD/PE, ranging from 0.65 to 0.89. The Standardized Thermal Index (STI) is proposed in this study to accomplish the objective. The STI, based on surface temperatures standardized with observed mean air temperatures, had significant temporal relationships with the hydroclimatological factors. STI classes in all the composite periods also had a strong correlation with NDVI declines during a drought episode. Results showed that, based on LST, air temperature observations, and water budget analysis, NDVI declines below normal could be predicted as early as 8 weeks in advance in this study area.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.293-296
• /
• 2008

Land surface Temperature (LST) is a very useful surface parameter for the wide range of applications, such as agriculture, numerical and climate modelling community. Whereas operational observation of LST is far from the needs of application community in the spatial Itemporal resolution and accuracy. So, we developed split-window type LST retrieval algorithm to estimate the LST from MTSAT-IR data. The coefficients of split-window algorithm were obtained by means of a statistical regression analysis from the radiative transfer simulations using MODTRAN 4 for wide range of atmospheric profiles, satellite zenith angle and lapse rate conditions including the surface inversions. The sensitivity analysis showed that the LST algorithm reproduces the LST with a reasonable quality. However, the LST algorithm overestimates and underestimates for the strong surface inversion and superadiabatic conditions especially for the warm temperature, respectively. And the performance of LST algorithms is superior when satellite zenith angle is small. The accuracy of the retrieved LST has been evaluated with the Moderate Resolution Imaging Spectroradiometer (MODIS) LST data. The validation results showed that the correlation coefficients and RMSE are about 0.83${\sim}$0.98 and 1.38${\sim}$4.06, respectively. And the quality of LST is significantly better during night and winter time than during day and summer. The validation results showed that the LST retrieval algorithm could be used for the operational retrieval of LST from MTSAT-IR and COMS(Communication, Ocean and Meteorological Satellite) data with some modifications.

• 대한원격탐사학회지
• /
• 제32권5호
• /
• pp.435-452
• /
• 2016

천리안(Communication, Ocean, and Meteorological Satellite) 위성자료로부터 Cho et al.(2015)에 의해 개발된 분리대기창법(split-window method: CSW_v2.0)을 적용하여 현업적으로 지표면온도를 산출하고 있다. CSW_v2.0으로부터 산출된 지표면온도는 MODIS 지표면온도와 비교하였을 때 적절한 수준의 정확도로 산출되었으나 역전층이나 기온감률이 클 때 상대적으로 오차가 크게 발생하였다. 이를 해결하기 위해 지표 경계층에서의 기온의 일변동을 복사전달모델에 처방하여 모의자료를 구축한 후 이를 이용하여 지표면온도 산출 알고리즘을 개선하였다(CSW_v3.0). CSW_v3.0에서는 복사전달모델에 처방된 지표면온도와 복사전달모델로부터 산출된 지표면온도간의 상관계수가 기존 알고리즘과 동일한 수준인 0.99 이상을 유지하면서 편의는 -0.03 K에서 -0.012 K, RMSE는 1.39 K에서 1.138 K로 감소하였다. CSW_v2.0에서 역전층이나 기온감률이 클 때, 휘도온도차와 방출율 차가 클 때 발생하는 계통적 오차를 개선된 알고리즘에서는 편의와 RMSE를 10-30% 감소시켜 상당 부분 개선하였다. CSW_v3.0으로부터 산출된 지표면온도와 MODIS 지표면온도와의 간접 검증에서는 상관계수가 0.986에서 0.985로 높은 상관성을 유지하면서 편의는 0.629 K에서 -0.049 K, RMSE는 2.537 K에서 2.502 K로 오차를 감소시켰다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1466-1470
• /
• 2010

토양수분은 지표의 다양한 과정을 통제하는 중요한 수문학적 변수며 이에 신뢰할 수 있는 토양수분의 정보를 습득하는 것은 매우 중요하다. 그러나 정확한 토양수분의 실측자료는 그 설치비용과 인력부족으로 매우 빈약하여 이를 대체할 만한 정보를 획득하기 위한 연구 또한 부족하다. 요즘, 많은 수문모형의 개발로 토양 수분 또한 결과물로써 많이 이용된다. 그러나 모형에서 모의된 토양수분의 신뢰성을 판단할 때는 실측자료를 이용하는 것이 가장 이상적이나, 토양수분의 실측값이 부족하므로, 유역의 토양수분 실측자료 대신 모의된 토양수분을 적용할 필요가 있다. 이에 따라 본 연구에서는 우리나라 소양강댐 유역에 대하여 SWAT(Soil and Water Assessment Tool) 모형을 이용하여 실측 토양수분자료를 최대한 활용함으로써 토양수분을 모의하였다. 또한 모의된 토양수분을 Terra MODIS NDVI(Normalized Difference Vegetation Index)와 LST(Land Surface Temperature)과의 상관성을 계절별, 월별로 분석하여 그 관계식을 도출하고자 하였다.