지표변수는 지면 근처의 기후변화에 중요한 역할을 하기 때문에, 충분히 높은 정확성을 가진 값이 산출되어야 한다 하지만 지표 반사도는 강한 이방성(non-Lambertian) 특징을 가지고 있기 때문에, 위성 천저각으로부터 멀어질수록 태양-지점-위성과의 기하학적 영향을 더욱 강하게 받는 효과를 가져온다. 또한 지표 각 영향을 포함하고 있는 지표 반사도는 노이즈를 가지게 된다. 따라서 본 연구의 목적은 한반도 지역의 MODIS 반사도 자료(250m)를 이용하여 각 영향이 제거된 보다 정확한 반사도 값에 대한 데이터베이스를 제공하는 것이다. 본 연구에서는 매일 2회씩 제공하는 MODIS(Moderate Resolution Imaging Spoctroradiometer) 센서의 가시영역과 근적외영역의 반사도(250m)자료를 이용하였다. 먼저 구름화소를 제거하기 위해서 연속적인 물리과정을 통하여 각각의 구름 화소를 제거하였다. 그리고 지리보정은 MODIS 센서에서 제공하는 지리정보자료를 이용하여 2차 다항회귀식을 통한 최근접 내삽법을 사용하였다. 본 연구에서는 지표 이방성 효과를 보정하기 위해서 반 경험적 양방향성분포함수(BRDF) 모델을 사용하였다. 이 알고리즘은 위성으로부터 관측된 위성천정각, 태양천정각, 위성방위각, 태양방위각과 같은 각 성분을 이용하여 Kernel-deriven 모델의 역변환을 통하여 지표 반사도를 재생산한다. 먼저 우리는 BRDF 모델을 수행하기 위해 총 31일 모델 관측 실행기간을 고려하였다. 다음 단계로 각각의 화소 및 밴드에 대해서 BRDF 모델을 통하여 분리된 각 성분들을 변조함으로써 위성 직하점 반사도 정규화가 수행되었다. 모델을 이용하여 산출된 반사도 값은 실제 위성 반사도 값과 잘 일치하였고, RMSE(Root Mean Square Error)값은 전체적으로 약 0.01(최고값=0.03)이였다. 마지막으로, 우리는 한반도 지역에 대해서 2001년 동안 총 36개로 구성된 정규화 지표반사도 값의 데이터베이스를 구축하였다.
지표변수는 지면 근처의 기후변화에 중요한 역할을 하기 때문에, 충분히 높은 정확성을 가진 값이 산출되어야 한다 하지만 지표 반사도는 강한 이방성(non-Lambertian) 특징을 가지고 있기 때문에, 위성 천저각으로부터 멀어질수록 태양-지점-위성과의 기하학적 영향을 더욱 강하게 받는 효과를 가져온다. 또한 지표 각 영향을 포함하고 있는 지표 반사도는 노이즈를 가지게 된다. 따라서 본 연구의 목적은 한반도 지역의 MODIS 반사도 자료(250m)를 이용하여 각 영향이 제거된 보다 정확한 반사도 값에 대한 데이터베이스를 제공하는 것이다. 본 연구에서는 매일 2회씩 제공하는 MODIS(Moderate Resolution Imaging Spoctroradiometer) 센서의 가시영역과 근적외영역의 반사도(250m)자료를 이용하였다. 먼저 구름화소를 제거하기 위해서 연속적인 물리과정을 통하여 각각의 구름 화소를 제거하였다. 그리고 지리보정은 MODIS 센서에서 제공하는 지리정보자료를 이용하여 2차 다항회귀식을 통한 최근접 내삽법을 사용하였다. 본 연구에서는 지표 이방성 효과를 보정하기 위해서 반 경험적 양방향성분포함수(BRDF) 모델을 사용하였다. 이 알고리즘은 위성으로부터 관측된 위성천정각, 태양천정각, 위성방위각, 태양방위각과 같은 각 성분을 이용하여 Kernel-deriven 모델의 역변환을 통하여 지표 반사도를 재생산한다. 먼저 우리는 BRDF 모델을 수행하기 위해 총 31일 모델 관측 실행기간을 고려하였다. 다음 단계로 각각의 화소 및 밴드에 대해서 BRDF 모델을 통하여 분리된 각 성분들을 변조함으로써 위성 직하점 반사도 정규화가 수행되었다. 모델을 이용하여 산출된 반사도 값은 실제 위성 반사도 값과 잘 일치하였고, RMSE(Root Mean Square Error)값은 전체적으로 약 0.01(최고값=0.03)이였다. 마지막으로, 우리는 한반도 지역에 대해서 2001년 동안 총 36개로 구성된 정규화 지표반사도 값의 데이터베이스를 구축하였다.
The land surface parameters should be determined with sufficient accuracy, because these play an important role in climate change near the ground. As the surface reflectance presents strong anisotropy, off-nadir viewing results a strong dependency of observations on the Sun - target - sensor geometr...
The land surface parameters should be determined with sufficient accuracy, because these play an important role in climate change near the ground. As the surface reflectance presents strong anisotropy, off-nadir viewing results a strong dependency of observations on the Sun - target - sensor geometry. They contribute to the random noise which is produced by surface angular effects. The principal objective of the study is to provide a database of accurate surface reflectance eliminated the angular effects from MODIS 250m reflective channel data over Korea. The MODIS (Moderate Resolution Imaging Spectroradiometer) sensor has provided visible and near infrared channel reflectance at 250m resolution on a daily basis. The successive analytic processing steps were firstly performed on a per-pixel basis to remove cloudy pixels. And for the geometric distortion, the correction process were performed by the nearest neighbor resampling using 2nd-order polynomial obtained from the geolocation information of MODIS Data set. In order to correct the surface anisotropy effects, this paper attempted the semiempirical kernel-driven Bi- directional Reflectance Distribution Function(BRDF) model. The algorithm yields an inversion of the kernel-driven model to the angular components, such as viewing zenith angle, solar zenith angle, viewing azimuth angle, solar azimuth angle from reflectance observed by satellite. First we consider sets of the model observations comprised with a 31-day period to perform the BRDF model. In the next step, Nadir view reflectance normalization is carried out through the modification of the angular components, separated by BRDF model for each spectral band and each pixel. Modeled reflectance values show a good agreement with measured reflectance values and their RMSE(Root Mean Square Error) was totally about 0.01(maximum=0.03). Finally, we provide a normalized surface reflectance database consisted of 36 images for 2001 over Korea.
The land surface parameters should be determined with sufficient accuracy, because these play an important role in climate change near the ground. As the surface reflectance presents strong anisotropy, off-nadir viewing results a strong dependency of observations on the Sun - target - sensor geometry. They contribute to the random noise which is produced by surface angular effects. The principal objective of the study is to provide a database of accurate surface reflectance eliminated the angular effects from MODIS 250m reflective channel data over Korea. The MODIS (Moderate Resolution Imaging Spectroradiometer) sensor has provided visible and near infrared channel reflectance at 250m resolution on a daily basis. The successive analytic processing steps were firstly performed on a per-pixel basis to remove cloudy pixels. And for the geometric distortion, the correction process were performed by the nearest neighbor resampling using 2nd-order polynomial obtained from the geolocation information of MODIS Data set. In order to correct the surface anisotropy effects, this paper attempted the semiempirical kernel-driven Bi- directional Reflectance Distribution Function(BRDF) model. The algorithm yields an inversion of the kernel-driven model to the angular components, such as viewing zenith angle, solar zenith angle, viewing azimuth angle, solar azimuth angle from reflectance observed by satellite. First we consider sets of the model observations comprised with a 31-day period to perform the BRDF model. In the next step, Nadir view reflectance normalization is carried out through the modification of the angular components, separated by BRDF model for each spectral band and each pixel. Modeled reflectance values show a good agreement with measured reflectance values and their RMSE(Root Mean Square Error) was totally about 0.01(maximum=0.03). Finally, we provide a normalized surface reflectance database consisted of 36 images for 2001 over Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
것이다. 또한 BRDF모델을 통하여 재생산된 반사도 값을 이용하여 세부 산림 종에 따른 반사특성을 규정하고 계절별 변동성을 감시 하고자 한다. 마지막으로 정규화 과정을 통해 재생산된 보다 정확한 채널 반사도 값을 제공하는 것에 그 목적이 있다.
또한 BRDF모델을 통하여 재생산된 반사도 값을 이용하여 세부 산림 종에 따른 반사특성을 규정하고 계절별 변동성을 감시 하고자 한다. 마지막으로 정규화 과정을 통해 재생산된 보다 정확한 채널 반사도 값을 제공하는 것에 그 목적이 있다. 이러한 연구는 향후 기후학 연구, 식생 지도 생산 및 환경 모니터링에 필요한 데이터 베이스 구축에 기여를 하고, 나아가 정규화과정을 통하여 생산된 자료는 기상 예보모델과 기후 모델의 입력 자료로 사용되어 모델 예보 적중률을 높일 수 있을 것이다.
본 연구의 목적은 먼저, 식물의 생산량이나 생체량과 같은 생물리적 지수를 산출 할 때 발생하는 BRD 효과를 제거하여 보다 정확한 지표 변수를 제공하는 것이다. 또한 BRDF모델을 통하여 재생산된 반사도 값을 이용하여 세부 산림 종에 따른 반사특성을 규정하고 계절별 변동성을 감시 하고자 한다.
제안 방법
K1과 K2는f1과f2의 기여도를 관 측한다. BRDF 모델의 단위 실행은 각 화소에 대하여 총 31일의 composit 기간과 10일의 sliding 기간을 적 용하였고 composite 기간 중 최소 4일의 청천 화소가 확보되었을 때에만 작업을 수행하였다(그렇지 못할 경우는 missing으로 처리함).
MODIS 채널 중 가시채널과 근적외 채널만 이 250m의 해상도를 제공하기 때문에 적외 영역의 채 널(1km)의 도움을 받기가 힘들고 상대적으로 1km의해 상력을 이용하였을 때와 비교하면 구름의 식별능력이 다소 떨어진다. 따라서 본 연구에서는 구름 화소를 결정 짓는 임계값을 충분히 낮게 설정하여 구름을 제거하였다. 이러한 결정은 청천영역 중 일부 화소를 구름으로 과대평가를 하는 단점은 있지만 반대로 구름화소를 과 소평가하여 구름의 잔상이 남게 되어 오차를 발생시키 는 현상을 주어진 환경에서 최소화할 수 있기 때문이다.
실제 위성 반 사도값을 표현함에 있어 미지수로 남아 있는 세 개의 #계수 값을 구하기 위해서는 최소 3개의 식이 필요하다. 따라서 본 연구에서는 시계열적 기간 중 구름이 없는 청천화소인 날의 수가 최소 4일 이상일 경우에만 모형을 수행항였다. 이렇게 다항회귀법을 통한 통계학 적기 법으로 얻어진 #는 위성 반사도 p값을 재생산함에 있어 센서-지점-태양 간의 각도성분을 분해할 수 있는 역할을 한다.
특히 도심 지역과 산림 지역에서 큰 차이점이 보였고 산림지역 내에서도 세부 종에 따른 반사도 특성이 각각 다르게 나타났다. 본 연구에서는 정규화 과정을 거쳐 BRD 효과가 제거된 반사도 값을 산출 하였다. 정규화 과정을 거치지 않은 반사도는 그 자체에 오차값을 포함하고 있기 때문에 그러한 반사도를 이용하여 산출되는 지표 변수는 신뢰하기 힘들고 나아가 기상모델이나 다른 모델의 입력 자료로서 역할을 수행하기가 힘들다.
산림의 경우에는 침엽수림(Evergreen Needleleaf Forest), 닉"엽활엽수림(Deciduous Broadleaf Forest), 혼효림(Mixed Forest), 산림지(Woodland)등이 있고, 초지의 경우에는 산림이 많은 초원(Wooded Grassland), 초원(Grassland), 저목림 (Open Shrubland), 폐때림(Closed Shrubland) 그리고도 심지 (Bareground/urban)는 나지 (Bareground)와 도시 (Urban and Built-up)로 각각 나누어진다. 본 연구에서는 한반도 영역에서 고밀도 식생인 활엽수림과 농경지에 대한 2가지 경우와 그리고 3% 미만으로 저밀도 (Low)로 분류된 도심지역의 경우를 선택하여 각각의 지표 반사도 특성을 비교 ' 분석하였다.
대상 데이터
미국항공우주국(National Aeronautical and Space Agency, NASA) 지구환경시스템을 보다 정확하게 관 측하기 위해서 지구관측 시스템(Earth Observing System, EOS) 중 하나인 Terra 위성을 1999년 12월 28 일에 발사하였다. Terra위성에 탑재된 MODIS(The Moderate Resolution Imaging Spectroradiometer) 센 서는 다양한 공간 분해능으로 전 지구영역의 여러가지 물 리적인 변수를 관측할 수 있는 기회를 제공한다.
본 연구에서 사용된 BRDF 모수화는 2001년 1월 1일부터 12월 31일까지의 자료에 대해서 수행되었다. 앞에서 언급한 것처럼 모형의한 프레임의 시계열적 기간은31일 이고 10일 간격의 sliding periodl 가지고 수행되어 총 36개의 최종 자료가출력되었다.
는 I번째 날의 정규화된 반사도 값을 나타내고, Pn는 composit 기간 동안 구름이 존재하 지 않는 날의 수(N)에 대하여 합성된 정규화 반사도이다. 본 연구에서 적용한 31일의 composite 기간과 10일 의 sliding 기간에 의하여 최종 산출물은 2001년 동안 의 10-day 정규화 반사도로서 각 채널에 대하여 36개의 반사도 화상을 제공한다.
38"m)까지의 범위에 대하여 총 36개 채널 자료를 제공하고 있으며 공간 해상도는 채널에 따라서 250m (채널1번과 2번), 500m(채널 3번~7번), 1km(채널8번~36 번 이다. 본 연구에서는 HDF-EOS (Hierarchical Data Format-Earth Observation System) 파일형 태 로 제공되는 MODIS의 가시광선 밴드인 채널 1과 근적 외선 밴드인 채널 2번의 원시 자료 (MOD02 product) 와 해당 화상의 지리정보자료 및 태양-지점-위성간의각도성분에 대한 자료(MOD03 product)가 사용되었다 (Table 1). 자료 기간은 2001년 1월 1일부터 2001년 12 월 31일까지 1년 동안 MODIS자료 중 구름화소가 연구영역의 95%이상의 지역을 덮고 있는 날을 제외한, 총 261일의 자료를 사용하였다.
앞에서 언급한 것처럼 모형의한 프레임의 시계열적 기간은31일 이고 10일 간격의 sliding periodl 가지고 수행되어 총 36개의 최종 자료가출력되었다. 식(1)에서/]은 확산 반사로 인한 양방향성 종속관계를 표현하고, #는 체적산란에 대한 BRD에 대한 기여도를 나타낸다.
1에 나타내었다. 연구영역의 지표 형태를 파악 하기 위한 토지피복분류지도는 미국 Maryland 대학에서 총 13 지표형태로 분류하여 제공하는 lkm 전지구 토 지 피복분류지도(UMD)를 사용하였다(Fig. 1)
본 연구에서는 HDF-EOS (Hierarchical Data Format-Earth Observation System) 파일형 태 로 제공되는 MODIS의 가시광선 밴드인 채널 1과 근적 외선 밴드인 채널 2번의 원시 자료 (MOD02 product) 와 해당 화상의 지리정보자료 및 태양-지점-위성간의각도성분에 대한 자료(MOD03 product)가 사용되었다 (Table 1). 자료 기간은 2001년 1월 1일부터 2001년 12 월 31일까지 1년 동안 MODIS자료 중 구름화소가 연구영역의 95%이상의 지역을 덮고 있는 날을 제외한, 총 261일의 자료를 사용하였다. 연구지역은 위도 34.
취득된 위성 영상에 대하여 우선적으로 수행된 작업 은 지리보정과 구름제거과정이다. 지리보정은 지상기준 점 (GCP: Ground Control Points)을 이용한 최근접내 삽법을 통하여 이루어졌고, 이때 총 40000개의 GCP를 임의로 선택하여 사용하였다. 지리보정 과정에서 발생한 오차는 X축과 y축 모두에 대해 0.
데이터처리
지리보정은 지상기준 점 (GCP: Ground Control Points)을 이용한 최근접내 삽법을 통하여 이루어졌고, 이때 총 40000개의 GCP를 임의로 선택하여 사용하였다. 지리보정 과정에서 발생한 오차는 X축과 y축 모두에 대해 0.5 픽셀 이내의 RMSE (Root Mean Square Error)로 나타났다. 지표면 정보를 산출함에 있어 중요한 부분을 차지하고 있는 구름탐 지 및 제거는 현재 가장 빈번히 사용되고 있는 임계값 방법을 사용하였다.
이론/모형
본 연구에서는 Shine et a;.(1996), Saunders and Krebel(1988)과 McClain(1993) 등에 의해 제시된 임계값 알고리즘을 통합해서 사용하였다. 구름제거 과정에 대한 전체적인 모식도는 Fig.
한다. 따라서 이러한 BRD 효과를 제거하기 위해 BRDF 모델을 이용하였다. 위성에서 관측된 값과 모델값을 비교한 결과 전체적으로 RMSE값이 0.
본 연구는 Terra 위성의 MODIS 채널을 이용하여 Roujean이 제시한 BRDF 모형(Roujean et al., 1992) 을 통해 반사도 모수화를 하였고, 정규화된 반사도 값을 생산하기 위해 Duchemin and Maisongrande (2002)에 의해 제시된 방법을 이용하였다.
본 연구에서 사용된 정규화 과정은 Duchemin and Maisongrade(2002)가 제시한 방법을 이용하였다. Fig.
, 1992), 물리적(Gao, 1993), 그리고 기하학적 (Strahler and Jupp, 1990) 모형을 통하여 분석, 연구되었다. 본 연구에서 사용한 정규화 방법은 Roujean 모형(Roujean et al., 1992)을 기본으로 하여 개발된 Gutman(1994), Wu et al. (1995) 그리고 Duchemin andMaisongrande (2002)에 의해 제시된 방법을 이용하였다.
식 ①에서 #는 등방성 반사도 keme로서도 사용할 수도 있으나 때때로 상당한 오차를 나타내는 경우 (Duchemin & Maisongrande, 2002; Han et al, 2004) 가 있기 때문에 본 연구에서는 BRDF 모델을 통하여 얻어진 결과를 기반으로 개발된 Duchemin and Maisongrande(2002)의 독립된 정 규화 방법을 적용하였고 이것은 다음과 같다.
5 픽셀 이내의 RMSE (Root Mean Square Error)로 나타났다. 지표면 정보를 산출함에 있어 중요한 부분을 차지하고 있는 구름탐 지 및 제거는 현재 가장 빈번히 사용되고 있는 임계값 방법을 사용하였다. 임계값 방법은 임의의 화소에 대해서 구름이 없는 지표의 특성값과 비교하여 임계값을 벗어나면 구름으로 간주하기 때문에 임계값 알고리즘으로 구름을 탐지하는 과정에서 기본적으로 발생하는 문제는 임계치를 어떻게 정하느냐에 달려있다(서명석과 이동 규, 1999).
성능/효과
03보다 적게 나와 BRDF 모델로 재생산한 반사도 값이 실제 위성 관측값을 잘 모의 했다는 것을 알 수 있다. BRDF 모델을 이용하여 재생산된 반사도 값은 계절에 따라 RMSE 값이 차이가 나는데, 여름의 경우에는 잦은 악기상 때문에 비록 구름제거과정을 수행했다고 하더라도 구름의 영향이 남아 있는 화소가 상대적으로 높기 때문에 RMSE가 다른 계절에 비해 가장 높게 나타났고, 반면 날씨가 전반적으로 좋고 맑은 가을과 겨울의 경우에는 제거되지 않은 구름 화소가 적기 때문에 RMSE가 낮게 나타났다.
따라서 이러한 BRD 효과를 제거하기 위해 BRDF 모델을 이용하였다. 위성에서 관측된 값과 모델값을 비교한 결과 전체적으로 RMSE값이 0.03보다 적게 나와 BRDF 모델로 재생산한 반사도 값이 실제 위성 관측값을 잘 모의 했다는 것을 알 수 있다. BRDF 모델을 이용하여 재생산된 반사도 값은 계절에 따라 RMSE 값이 차이가 나는데, 여름의 경우에는 잦은 악기상 때문에 비록 구름제거과정을 수행했다고 하더라도 구름의 영향이 남아 있는 화소가 상대적으로 높기 때문에 RMSE가 다른 계절에 비해 가장 높게 나타났고, 반면 날씨가 전반적으로 좋고 맑은 가을과 겨울의 경우에는 제거되지 않은 구름 화소가 적기 때문에 RMSE가 낮게 나타났다.
4에서 채널 1번과 2번의 RMSE 값은 관측 일수가 18 이하 일 때까지 큰 변화를 보이지 않다가, 그 이상의 관측 일수가 되면 RMSE가 현저하게 낮아지는 것을 볼 수 있다. 이것으로 보아 관측일수가 높아지면 모델에서 재생산된 반사도 값이 실제 반사도 값을 더 잘 모의한 것을 알 수 있다. 향후 연구에서 Aqua 위성의 MODIS 자료를 이용하면 보다 높은 시간적 해상도를 가질 수 있기 때문에 높은 정확도의 BRDF모델 산출값을 얻을 수 있을 것으로 사료된다.
하지만 정규화 과정을 통하여 산출된 반사도 값은 식생에 따른 반사도 특성이 명확하게 나타났다. 특히 도심 지역과 산림 지역에서 큰 차이점이 보였고 산림지역 내에서도 세부 종에 따른 반사도 특성이 각각 다르게 나타났다. 본 연구에서는 정규화 과정을 거쳐 BRD 효과가 제거된 반사도 값을 산출 하였다.
후속연구
정규화 과정을 거치지 않은 반사도는 그 자체에 오차값을 포함하고 있기 때문에 그러한 반사도를 이용하여 산출되는 지표 변수는 신뢰하기 힘들고 나아가 기상모델이나 다른 모델의 입력 자료로서 역할을 수행하기가 힘들다. 결론적으로 본 연구에서는 신뢰성 높은 반사도 값에 대한 Database를 구축 하였을 뿐만 아니라(Table 3), 한반도 영역에 대한 고해상도 정규화반사도 값을 제공함으로써, 지표 반사도와 관련된 연구에 많은 도움이 될 것이라 사료된다.
MODIS 센서는 총 36개의 채널로 구성되어 있고 채널에 따라 250m, 500m, 그리고 1km의 해상도의 자료를 제공하고 있다. 또한, 기존 NOAA 위성의 AVHRR (Advanced Very High Resolution Radiometer)센서보다 발전된 것으로 향후 지구 환경과 기후변화의 모니터 링을 위한 중요한 자료제공자로써의 역할을 할 것으로 보인다.
본 연구는 정확한 지표 변수를 제공하여 수문학, 기상학적 연구나 식생지도 제작에 대한 정확도를 향상시킬것으로 사료되며 특히 정확히 제작된 식생지도는 종관규모 및 중규모 기후모델이나 기상모델의 입력 자료로서 그 오차를 감소시키는데 일조 할 것이다. 또한 농업 기상과 환경 분야에서도 많은 도움이 될 것으로 보인다.
마지막으로 정규화 과정을 통해 재생산된 보다 정확한 채널 반사도 값을 제공하는 것에 그 목적이 있다. 이러한 연구는 향후 기후학 연구, 식생 지도 생산 및 환경 모니터링에 필요한 데이터 베이스 구축에 기여를 하고, 나아가 정규화과정을 통하여 생산된 자료는 기상 예보모델과 기후 모델의 입력 자료로 사용되어 모델 예보 적중률을 높일 수 있을 것이다.
이것은 지금 일 4회 관측에서 일 8회 관측의 높은 시간적 해상도를 제공하게 된다. 이렇게 높은 시간적 해상도의 자료를 받음으로써 10일 단위 합성 일을 조금 더 줄일 수 있을 뿐만 아니라, 모델의 정확성이 더 향상 될 것이다..
이것으로 보아 관측일수가 높아지면 모델에서 재생산된 반사도 값이 실제 반사도 값을 더 잘 모의한 것을 알 수 있다. 향후 연구에서 Aqua 위성의 MODIS 자료를 이용하면 보다 높은 시간적 해상도를 가질 수 있기 때문에 높은 정확도의 BRDF모델 산출값을 얻을 수 있을 것으로 사료된다.
향후 연구에서는 다른 정규화 법을 비교하여 한반도 영역에 적합한 정규화 법을 제시하고 나아가 그 변동성을 비교할 계획이다. 최근 NASA에서 Aqua 위성을 발사하였다.
참고문헌 (22)
서명석, 이동규, 1999. NOAA/AVHRR 주간 자료로부터 지면 자료 추출을 위한 구름 탐지 알고리즘의 개발. 한국원격탐사학회지, 15(3): 239-251
Csiszar, I., Gutman, G., Romanov, P., Leroy, M., and Hautecoeur, O., 2001. Using ADEOS/ POLDER data to reduce angular variability of NOAA/ AVHRR reflectances. Remote Sensing of Environment., 76: 399-409
Duchemin, B. and Maisongrande, P., 2002. Normalization of directional effects in 10-day global syntheses derived from VEGETATION/ SPOT: I. Investigation of concepts based on simulation. Remote Sensing of Environment., 81: 90-100
Gutman, G., 1994. Normalization of multi-annual global AVHRR reflectance data over land surface to common sun-target-sensor geometry. Advanced Space Research., 14: 121-124
Han, K. S., Champeaux, J. L., and Roujean, J. L., 2004. A land cover classification product over France at 1 km resolution using SPOT4/VEGETATION data. Remote Sensing of Environment., 92: 52-66
Jackson, R. D., Slater, P. N., and Pinter, P. J., 1983. Discrimination of growth and water stress in wheat by various vegetation indices through clear and turbid atmospheres. Remote Sensing of Environment., 15: 187-208
Justice, C. O., Markham, B. L., Townshend, J. R. G., Holber, B. N., and Tucker, C. J., 1985. Analysis of the phenology of global vegetation using meteorological data. International Journal of Remote Sensing., 6(8): 1271-1381
Leroy, M., Deuze, J. L., Breon, F. M., Hautecoeur, O., Herman, M., Duriez, J. C.. Tanre, D., Bouffies, S., Chazetle, P., and Roujean, J. L., 1997. Retrieval of atmospheric properties and surface bidirectional reflectance over the land from POLDER/ ADEAOS. Journal of Geophysical Research., 102: 17023-17037
Leroy, M. & Roujean, J. L., 1994. Sun and view angle correction on reflectance derived from NOAA/ AVHRR. IEEE Transactions on Geoscience and Remote Sensing., 32-3: 684-679
McClain, E. P., 1993. Evaluation of CLAVR Phase- I algorithm performance, final report, Rep. 40AANE-201-424, U.S. Dep. of Commerce/ NOAA/NEDIS, Washington, D. C
Roujean, J. L., Leroy, M., and Dechamps, P. Y, 1992. A bidirectional reflectance model of the earth's surface for the correction of remote sensing data. Journal of Geophysical Research., 97: 20455-20468
Saunders, R. W. and Kriebel, K. T., 1988. An improved method for detecting clear sky and cloudy radiance from AVHRR data, International Journal of Remote Sensing., 21,077-21,090
Shine, D., Pollard, J. K, and Muller, J. P., 1996. Cloud detection from thermal infrared images using a segmentation technique. International Journal of Remote Sensing., 17, 14,2845-2856
Strahler AH and Jupp DLB., 1990. Modeling bidirectional reflectance of forests and woodlands using Boolean models and geometric optics. Remote Sensing of Environment., 34: 153-166
Tarpley, J. D., Schneider, S. R, and Money, R L., 1984. Global vegetation indices from the NOAA-7 meteorological satellite. J. Climate Appl Meteor., 23: 491-494
Tucker, C. J., Newcomb, W. W., Los, S. O., and Prince, S. D., 1991. Mean and inter-year variation of growing-season normalized difference vegetation index for the Sahel 1981-1989. International Journal of Remote Sensing., 12: 1113-1115
Walthall, C. L., 1985. A study of reflectance anisotropy and canopy structure using a simple empirical model. Remote Sensing of Environment., 61: 118-128
Wu, A, Li, Z., and Cihlar, J., 1995. Effects of land cover type and greenness on advanced very high resolution radiometer bidirectional reflectances: analysis and removal. Journal of Geophysical Research., 100: 9179-9192
※ AI-Helper는 부적절한 답변을 할 수 있습니다.