• 한국지리정보학회지
• /
• 제21권3호
• /
• pp.1-18
• /
• 2018

본 연구는 공간분석기법을 활용하여 6개 국립공원지역을 대상으로 기후변화에 따른 산림생태계 민감성을 분석하였다. 분석방법은 공간해상도 $1km{\times}1km$와 16일 단위의 MODIS NDVI와 기상청 남한상세 기온자료를 활용하여 시계열 분석 및 상관분석을 통해 도출하였다. 기후변화에 가장 민감한 지역은 평균 상관계수가 가장 높은 지리산 국립공원(r=0.434)과 설악산 국립공원(r=0.415)으로 나타났다. 기후변화에 의한 산림생태계의 민감성은 국립공원 내 식생유형 및 서식지의 특성 등에 따라 상이한 것으로 나타났다. 특히 한라산 국립공원의 구상나무 군락지에서는 기온이 증가하는 반면, 식생지수는 감소하는 것을 알 수 있었다. 이는 구상나무가 기후변화에 취약한 종임을 선행연구와 비교를 통해 증명되었다. 이와 같은 결과는 향후 산림생태계 보호를 위한 기후변화 대응 및 적응정책을 마련하는데 기초적인 자료로 활용될 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제27권1호
• /
• pp.17-24
• /
• 2011

지구온난화는 인간의 생활과 해양 생태계에 영향을 미치며 또한 기후 시스템에 변화를 야기 시키며 전 지구 기후 변화를 가속화 시킨다. 이에 기후변화에 민감하게 반응하는 식생의 변화를 분석하는 일은 매우 중요하다. 푸리에 변환에 기초한 조화분석은 주기를 가지는 시계열 자료를 효과적으로 논증할 수 있는 방법이다. 특히, 식생은 1년을 주기로 계절에 따라 성장과 쇠퇴를 반복하기 때문에 조화분석을 이용한 분석에 매우 적합한 연구 대상이다. 조화분석을 통해 추출한 주기 성분은 시간에 흐름에 따른 식생의 변화를 개괄적으로 분석할 수 있다. 따라서 본 연구에서는 SPOT/VEGETATION S10 MVC NDVI와 MODIS Land Cover Map 자료를 이용하여 토지 피복을 재 분류하고 지난 10년간 한반도 식생의 변화를 조화분석의 1주기 성분을 통해 분석하였다. 조화분석으로부터 추출 된 성분을 선형회귀 분석을 이용하여 변화 정도를 관찰한 결과 Cropland는 1년에 0.5일, Forest의 경우 1년에 0.8 일씩 성장 곡선의 주기가 빨라지고 있었다. 분석 된 자료는 한반도의 장기간 식생의 변화를 효과적으로 분석할 수 있는 방법으로 사료된다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.199-209
• /
• 2021

장기적인 시계열 수량 평균이 기술적인 발전 요인에 의해 증가하는 추세를 제거하여, 기존 MODIS NDVI 및 기상자료를 이용한 우리나라 벼 수량 추정 모형을 개선하고자 하였다. 이를 위해 2002년부터 2019년 까지의 NDVI (MYD13Q1)와 기상자료를 사용하여 다중 선형 회귀 분석을 수행하였다. 벼 수량 추세를 분석하고 이를 제거하여 모형을 보완하였다. 개선된 모형을 이용하여 추정한 벼 수량과 수량 통계 값 간의 상관 분석을 통해 추세 제거에 따른 정확도를 평가하였다. 그 결과, 추세가 제거된 벼 수량 추정 모형에 의해 예측된 수량이 통계 수량의 연간 변동 특성을 잘 반영하고 있는 것으로 나타났다. 추세 제거 전의 모형과 비교하여 통계 수량과의 상관계수와 결정계수도 높게 나타났다. 따라서 추세 제거 방법이 벼 수량 추정 모형을 효과적으로 보정하는 방법임을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1321-1330
• /
• 2023

정규식생지수는 농업분야에 가장 많이 사용된 원격탐사 자료로, 현재 대부분의 광학위성에서 제공되고 있다. 특히 고해상도 광학위성영상이 제공되면서 농업 활용 분야에 따른 최적의 광학위성영상의 선택이 매우 중요한 이슈가 되었다. 본 연구에서는 국내 논지역의 정규식생지수 모니터링 시 가장 최적의 광학위성영상을 정의하고 이를 위해 필요한 해상도 관련 요구조건을 도출하고자 한다. 이를 위해 전 세계적으로 많이 사용되는 MOD13, Landsat-8, Sentinel-2A/B, PlanetScope 위성의 정규식생지수영상을 대상으로 국내 당진 논지역의 공간분포 및 2019년부터 2022년까지 시계열 패턴을 비교, 분석하였다. 각 자료는 3-250 m의 공간해상도와 다양한 주기해상도로 제공되며, 정규식생지수를 산출할 때 사용되는 분광밴드의 영역도 약간의 차이가 있다. 분석 결과 Landsat-8은 가장 낮은 정규식생지수 값을 나타내며 공간적으로 변이도 매우 낮았다. 이에 비해 MOD13 정규식생지수 영상은 PlanetScope 자료와 비슷한 공간분포 및 시계열 패턴을 나타났으나 낮은 공간해상도로 인해 논 주변지역의 영향을 받았다. Sentinel-2A/B는 넓은 근적외선밴드 영역으로 인해 상대적으로 약간 낮은 정규식생지수 값을 나타내었으며, 특히 생육 초기시기에 그 특징이 두드러졌다. PlanetScope의 정규식생지수가 상세한 공간적 변이 및 안정적인 시계열 패턴을 제공하나 높은 구매가격을 고려하면 공간적으로 균일한 논지역보다는 밭지역에서 그 활용성이 높을 것으로 사료된다. 이에 따라 국내 논지역에 대해서는 250 m급 MOD13 정규식생지수나 10 m급 Sentinel-2A/B가 가장 효율적일 것으로 사료되나 작물의 개체에 대한 상세 물리량 추정을 위해서는 고해상도 위성영상이 활용될 수 있다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2005년도 국제학술회의
• /
• pp.100-113
• /
• 2005

Leaf color and plant vigor are key indicators of crop health. These visual plant attributes are frequently used by greenhouse managers, producers, and consultants to make water, nutrient, and disease management decisions. Remote sensing techniques can quickly quantify soil and plant attributes, but it requires humans to translate such data into meaningful information. Over time, scientists have used reflectance data from individual wavebands to develop a series of indices that attempt to quantify things like soil organic matter content, leaf chlorophyll concentration, leaf area index, vegetative cover, amount of living biomass, and grain yield. The recent introduction of active sensors that function independent of natural light has greatly expanded the capabilities of scientists and managers to obtain useful information. Characteristics and limitations of active sensors need to be understood to optimize their use for making improved management decisions. Pot experiments involving sand culture were conducted in 2003 and 2004 in a green house to evaluate corn and red pepper biomass. The rNDVI, gNDVI and aNDVI by ground-based remote sensors were used for evaluation of corn and red pepper biomass. The result obtained from the case study was shown that ground remote sensing as a non-destructive real-time assessment of plant nitrogen status was thought to be a useful tool for in season crop nitrogen management providing both spatial and temporal information.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.57-69
• /
• 2024

Crop classification plays a vitalrole in monitoring agricultural landscapes and enhancing food production. In this study, we explore the effectiveness of Long Short-Term Memory (LSTM) models for crop classification, focusing on distinguishing between apple and rice crops. The aim wasto overcome the challenges associatedwith finding phenology-based classification thresholds by utilizing LSTM to capture the entire Normalized Difference Vegetation Index (NDVI)trend. Our methodology involvestraining the LSTM model using a reference site and applying it to three separate three test sites. Firstly, we generated 25 NDVI imagesfrom the Sentinel-2A data. Aftersegmenting study areas, we calculated the mean NDVI values for each segment. For the reference area, employed a training approach utilizing the NDVI trend line. This trend line served as the basis for training our crop classification model. Following the training phase, we applied the trained model to three separate test sites. The results demonstrated a high overall accuracy of 0.92 and a kappa coefficient of 0.85 for the reference site. The overall accuracies for the test sites were also favorable, ranging from 0.88 to 0.92, indicating successful classification outcomes. We also found that certain phenological metrics can be less effective in crop classification therefore limitations of relying solely on phenological map thresholds and emphasizes the challenges in detecting phenology in real-time, particularly in the early stages of crops. Our study demonstrates the potential of LSTM models in crop classification tasks, showcasing their ability to capture temporal dependencies and analyze timeseriesremote sensing data.While limitations exist in capturing specific phenological events, the integration of alternative approaches holds promise for enhancing classification accuracy. By leveraging advanced techniques and considering the specific challenges of agricultural landscapes, we can continue to refine crop classification models and support agricultural management practices.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.981-996
• /
• 2018

농업분야에서 지구관측위성을 활용한 원격탐사 자료는 시간적, 공간적, 그리고 효율성 측면에서 다른 방법에 비해 많은 이점을 가진다. 본 연구는 위성영상의 농업활용에 앞서 영상의 대기보정에 따른 반사도와 식생지수의 변화 분석을 위해 다중분광위성자료의 대기상층 반사도(Top of Atmosphere Reflectance; TOA Reflectance)와 대기보정을 통한 표면 반사도(Surface Reflectance)를 산출하여 각 밴드별 반사도, 식생지수를 비교하였다. 그 결과 지상계측센서와 위성에서 관측된 식생지수는 영상의 대기보정을 통해 산출된 표면반사도가 TOA Reflectance 보다 높은 일치율과 상관성을 나타났다. 다중시기 영상에 대하여 대기보정 전/후 NDVI를 비교한 결과 모든 시기에서 대기보정 수행 후 NDVI 상승하였다. 특히 식생 활력도가 높은 수확직전의 시기의 경우 NDVI 상승폭이 크게 나타났다. 서로 다른 반사 특성을 가지는 토지피복의 경우에도 식생 활력도가 높은 마늘, 양파 재배지역과 산림의 경우 0.1 이상의 NDVI 변화를 보였다. 이 같은 결과는 NIR 밴드대역이 수증기 흡수대역에 있어 대기보정으로 인해 영향을 받기 때문이다. 따라서 위성영상을 농업분야에 활용함에 있어 대기보정은 NDVI 분석에 있어 매우 중요한 과정으로 볼 수 있다.

• 대한원격탐사학회지
• /
• 제24권1호
• /
• pp.45-55
• /
• 2008

The impact on streamflow and groundwater recharge considering future potential climate and land use change was assessed using SLURP (Semi-distributed Land-Use Runoff Process) continuous hydrologic model. The model was calibrated and verified using 4 years (1999-2002) daily observed streamflow data for a $260.4km^2$ which has been continuously urbanized during the past couple of decades. The model was calibrated and validated with the coefficient of determination and Nash-Sutcliffe efficiency ranging from 0.8 to 0.7 and 0.7 to 0.5, respectively. The CCCma CGCM2 data by two SRES (Special Report on Emissions Scenarios) climate change scenarios (A2 and B2) of the IPCC (Intergovemmental Panel on Climate Change) were adopted and the future weather data was downscaled by Delta Change Method using 30 years (1977 - 2006, baseline period) weather data. The future land uses were predicted by CA (Cellular Automata)-Markov technique using the time series land use data of Landsat images. The future land uses showed that the forest and paddy area decreased 10.8 % and 6.2 % respectively while the urban area increased 14.2 %. For the future vegetation cover information, a linear regression between monthly NDVI (Normalized Difference Vegetation Index) from NOAA/AVHRR images and monthly mean temperature using five years (1998 - 2002) data was derived for each land use class. The future highest NDVI value was 0.61 while the current highest NDVI value was 0.52. The model results showed that the future predicted runoff ratio ranged from 46 % to 48 % while the present runoff ratio was 59 %. On the other hand, the impact on runoff ratio by land use change showed about 3 % increase comparing with the present land use condition. The streamflow and groundwater recharge was big decrease in the future.

• 대한공간정보학회지
• /
• 제24권3호
• /
• pp.39-47
• /
• 2016

본 연구는 몽골 Tuul-basin 지역의 토지피복변화 상태와 토지황폐화에 대한 분석을 위해 1990, 2001, 2011년의 녹색식물의 활력도가 가장 높은 여름의 Landsat 위성영상을 활용하였다. 몽골 Tuul-Basin 지역의 시계열 데이터를 이용하여, 정규식생지수(NDVI, normalized difference vegetation index), 토양조절 식생지수(SAVI, soil-adjusted vegetation index), 지표면온도(LST, land surface temperature)를 계산하여 토지피복변화 분석을 하였다. 그 결과 연구지역 전체 지역의 산림 및 녹지는 감소되고, 건조지역, 휴경지는 증가된 것으로 나타났으며, 점진적으로 토지가 황폐화되어 감을 알 수 있었다. 또한 LST와 식생지수의 상관성 분석을 실시한 결과, 높은 상관관계를 나타내었으며, 이는 대상지역의 토지피복변화나 식생의 활력도가 지표면의 온도와 밀접하게 관계가 있다는 것을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제40권2호
• /
• pp.179-190
• /
• 2024

This study aims to compare supervised classification methods with phenology-based approaches, specifically pixel-based and segment-based methods, for accurate crop mapping in agricultural landscapes. We utilized Sentinel-2A imagery, which provides multispectral data for accurate crop mapping. 31 normalized difference vegetation index (NDVI) images were calculated from the Sentinel-2A data. Next, we employed phenology-based approaches to extract valuable information from the NDVI time series. A set of 10 phenology metrics was extracted from the NDVI data. For the supervised classification, we employed the maximum likelihood (MaxLike) algorithm. For the phenology-based approaches, we implemented both pixel-based and segment-based methods. The results indicate that phenology-based approaches outperformed the MaxLike algorithm in regions with frequent rainfall and cloudy conditions. The segment-based phenology approach demonstrated the highest kappa coefficient of 0.85, indicating a high level of agreement with the ground truth data. The pixel-based phenology approach also achieved a commendable kappa coefficient of 0.81, indicating its effectiveness in accurately classifying the crop types. On the other hand, the supervised classification method (MaxLike) yielded a lower kappa coefficient of 0.74. Our study suggests that segment-based phenology mapping is a suitable approach for regions like South Korea, where continuous cloud-free satellite images are scarce. However, establishing precise classification thresholds remains challenging due to the lack of adequately sampled NDVI data. Despite this limitation, the phenology-based approach demonstrates its potential in crop classification, particularly in regions with varying weather patterns.