• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2009년도 추계학술대회 논문집
• /
• pp.253-254
• /
• 2009

• 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.

• 대한원격탐사학회지
• /
• 제32권4호
• /
• pp.339-351
• /
• 2016

For the safety of sea, it is important to monitor sea fog, one of the dangerous meteorological phenomena which cause marine accidents. To detect and monitor sea fog, Moderate Resolution Imaging Spectroradiometer (MODIS) data which is capable to provide spatial distribution of sea fog has been used. The previous automatic sea fog detection algorithms were focused on detecting sea fog using Terra/MODIS only. The improved algorithm is based on the sea fog detection algorithm by Wu and Li (2014) and it is applicable to both Terra and Aqua MODIS data. We have focused on detecting spring season sea fog events in the Yellow Sea. The algorithm includes application of cloud mask product, the Normalized Difference Snow Index (NDSI), the STandard Deviation test using infrared channel ($STD_{IR}$) with various window size, Temperature Difference Index(TDI) in the algorithm (BTCT - SST) and Normalized Water Vapor Index (NWVI). Through the calculation of the Hanssen-Kuiper Skill Score (KSS) using sea fog manual detection result, we derived more suitable threshold for each index. The adjusted threshold is expected to bring higher accuracy of sea fog detection for spring season daytime sea fog detection using MODIS in the Yellow Sea.

• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.119-119
• /
• 2023

본 연구에서는 Terra MODIS(MODerate resolution Imaging Spectroradiometer) 위성영상과 토양수분 부족지수(Soil Water Deficit Index, SWDI)를 이용하여 2012년부터 2022년까지 한반도 전국의 1km 공간 증발산량을 산정하였다. 공간 증발산량을 산정하기 위한 과정은 크게 두 가지로 구분된다. 첫 번째로 MODIS의 LST(Land Surface Temperature), NDVI(Normalized Difference Vegetation Index), 선행강우 및 무강우 누적일수를 이용해 1 km 공간 토양수분을 산정하였다. 농촌진흥청 토양수분관측망 자료 중 토지피복, 토양 속성을 고려하여 선정된 70개소 토양수분 실측데이터와 비교한 결과 지점별 평균 R² 0.63~0.90으로 유의미한 상관성을 나타내었다. 산정된 공간 토양수분은 생장저해수분점과 초기위조점의 관계를 이용한 SWDI로 변환하였다. 두 번째로 순 복사량, 기온 및 NDVI의 적은 수문인자를 통해 증발산량 산정이 가능한 MS-PT(Modified Satellite-based Priestley-Taylor) 모형을 기반으로 계절별 식생과 토양수분 상태를 고려하여 1 km 공간 증발산량을 산정하였다. MS-PT 모형에서 가정한 대기 증발 변수 Diurnal temperature (DT)와 지표 수분의 상관성 문제를 해결하기 위해 DT를 SWDI로 적용하였다. 모형 결과의 검증을 위해 국내 플럭스 타워 (설마천, 청미천, 덕유산) 증발산량 관측자료와의 결정계수(Coefficient of determination, R²), RMSE(Root Mean Square Error) 및 IOA(Index of Agreement)를 산정하였다. 본 연구의 결과로 생산되는 국내 증발산량의 시, 공간적 변동성은 증발산량을 통한 수문학적 가뭄지수 및 급성 가뭄을 파악하는데 활용될 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제24권1호
• /
• pp.65-78
• /
• 2008

This study compares the relative accuracy and consistency of four split-window land surface temperature (LST) algorithms (Becker and Li, Kerr et ai., Price, Ulivieri et al.) using 24 sets of Terra (Aqua)/Moderate Resolution Imaging Spectroradiometer (MODIS) data, observed ground grass temperature and air temperature over South Korea. The effective spectral emissivities of two thermal infrared bands have been retrieved by vegetation coverage method using the normalized difference vegetation index. The intercomparison results among the four LST algorithms show that the three algorithms (Becker-Li, Price, and Ulivieri et al.) show very similar performances. The LST estimated by the Becker and Li's algorithm is the highest, whereas that by the Kerr et al.'s algorithm is the lowest without regard to the geographic locations and seasons. The performance of four LST algorithms is significantly better during cold season (night) than warm season (day). And the LST derived from Terra/MODIS is closer to the observed LST than that of Aqua/MODIS. In general, the performances of Becker-Li and Ulivieri et al algorithms are systematically better than the others without regard to the day/night, seasons, and satellites. And the root mean square error and bias of Ulivieri et al. algorithm are consistently less than that of Becker-Li for the four seasons.

• 한국지리정보학회지
• /
• 제20권3호
• /
• pp.1-11
• /
• 2017

도암호 수질 오염의 주요 요인은 상류유역 고랭지밭 탁수 유출로 나타나고 있다. 유역의 고랭지밭 현황 파악은 탁수관리의 매우 중요한 요소이지만 광범위한 면적, 고도와 경사에 따른 접근성 등의 문제로 정보 수집 및 자료 갱신에 어려움이 있다. 현장조사 결과 지적도와 기존 토지피복도의 고랭지밭과 초지가 오분류된 것으로 나타났다. 본 연구에서는 토지피복도의 고랭지밭 분류 정확도 개선을 위해 2000년 5월부터 2015년 9월까지의 MODIS NDVI를 구축하여 적용성을 분석하고 탁수 관리의 기초자료로의 가능성을 제시하고자 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.47-51
• /
• 2009

증발산량을 산정하는 것은 자연현상과 인문현상을 이해하는 것의 기초가 된다. 이에, 최근 증발산량을 추정하는 많은 연구가 진행되고 있는 가운데 원격탐사 기법을 이용하는 것이 효과적인 것으로 알려지고 있다. 본 연구에서 소개할 SEBAL (Surface Energy Balance Algorithm for Land) (Bastiaanssen, 1995) 모형은 Landsat이나 NOAA 또는 MODIS 같은 원격탐사 위성으로부터 획득한 디지털 이미지 데이터(위성영상)를 이용하여, 지표에서 일어나는 증발산과 기타의 에너지 교환을 계산하는 이미지-프로세싱 모델이다. 우리나라 대상 유역에 위성영상을 사용하여 증발산량을 추정하는 SEBAL 모형의 적용 가능성을 검토하여, 유역 내 증발산량 분포의 시공간적 특성을 분석하고자 하였다. 연구 대상 지역은 유역 면적 약 6661.1km2의 충주댐 유역으로, Terra MODIS 위성영상을 이용하였다. SEBAL 증발산량의 평가를 위해 Penman-Monteith 공식에 의해 계산된 증발산량을 이용하여 비교하였으며, 그 결과 오차가 허용 가능한 10% 이내로 나타났다.

• 대한원격탐사학회지
• /
• 제25권2호
• /
• pp.113-126
• /
• 2009

Terra와 Aqua 위성에서 촬영되는 MODIS 영상은 매일 수신되는 중해상도 영상으로써 광범위한 지역에 대한 모니터링을 하는데 여러가지 장점을 제공한다. 특히, MODIS 영상은 신뢰성 있는 알고리즘을 적용하여 만들어진 대기/해양/육상 관련한 여러 가지 영상(products)들을 함께 제공함으로써 사용자가 데이터를 확보하여 바로 사용할 수 있는 장점을 가지고 있다. 또한 북한이라는 제도적으로 제약이 따르는 지역을 포함하는 한반도의 경우, 활용상의 제약이 따르지 않는 점이 중해상도급 MODIS 영상의 큰 장점이라고 할 수 있다. 본 연구는 기존의 시계열 모니터링에서 주로 식생지수를 모니터링하는 방법과는 달리, 대기 보정을 거쳐 대기의 효과를 제거한 250m급 MODIS 반사율 영상을 이용하여 시계열로 변화되는 반사율을 대상으로 하였다. 2004년에서 2008년까지 5년 동안의 각 토지 피복이 보이는 반사율 패턴과 함께, 토지 피복이 변화된 지역에서 관찰되는 반사율의 변화를 살펴보았다. 7개의 토지 피복별 근적외선, 적색광 반사율과 NDVI의 시계열 자료에서 토지 피복과 계절적 영향이 근적외선 반사율에서 가장 민감하게 반영되고 있는 것을 알 수 있다. 토지 피복에 따른 반사율 패턴은 토지 피복 분류 및 변화된 지역을 탐지하는데 기본적으로 이용될 가능성을 제시한다.

• 한국수자원학회논문집
• /
• 제49권3호
• /
• pp.227-239
• /
• 2016

본 연구는 Surface Energy Balance Algorithm for Land (SEBAL) 모형을 이용해 국내의 혼효림(설마천)과 논(청미천) 유역에 대해 일 증발산량을 산정하고 각 유역의 플럭스 타워 실측 증발산량과 비교하였다. SEBAL 모형의 입력 자료로 위성자료는 2개년(2012-2013)의 Terra MODIS product 중 Albedo, Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI)를 활용하였으며, 기상자료는 유역 인근에 위치한 기상청 기상관측소로부터 풍속, 일사량 자료를 제공받아 공간 내삽(Interpolation)하여 활용하였다. 모의결과 플럭스 타워의 연평균 증발산량은 설마천에서 302.8 mm, 청미천에서 482.0 mm, SEBAL 모의 증발산량은 각각 183.3 mm, 371.5 mm로 산정되었다. 전체 모의기간에 대한 SEBAL 모의 증발산량의 실측 증발산량과의 결정계수는 설마천 플럭스 타워에서 0.54, 청미천 플럭스 타워에서 0.79로 나타났다. 두지점에서 SEBAL 모의 증발산량이 과소 추정된 주된 이유로는 일별 hot pixel과 cold pixel로부터 산정한 현열 플럭스의 과대추정으로 인한 것으로 판단된다.